[첨단 헬로티]

최근 인공지능(AI) 컴퓨팅 전문 기업으로 자리매김하고 있는 엔비디아는 GPU를 AI 가속기로 활용하면서 데이터센터, 자율주행차, 슈퍼 컴퓨팅, 가상현실(VR) 등 여러 분야에서 딥러닝 기술을 공급하고 있다. 엔비디아는 앞으로 AI에 있어서 GPU의 활용도는 더 높아질 것으로 보고 있다. 

마크 해밀턴(Marc Hamilton) 엔비디아 본사 솔루션 아키텍처 및 엔지니어링 부사장은 지난 11월 6일 서울 롯데 시그니엘 호텔에서 진행된 기자 간담회를 통해 자사의 인공지능 솔루션과 관련돼 질의 응답 시간을 가졌다. 이는 11월 7일 개최되는 ‘인공지능 컨퍼런스’를 앞두고 진행된 자리였다. 

엔비디아는 일찌감치 10여년 전부터 GPU를 기반으로 인공지능 칩 연구 개발에 20억 달러(약 2조 3000억 원을)을 투자하며 시장에 미리 대비해 왔다. GPU 컴퓨팅은 2006년 11월 엔비디아가 C언어 기반 GPU 프로그램 언어인 쿠다(CUDA: Compute Unified Device Architecture)라는 기술을 공개하면서 본격적으로 확산됐고, 2012년에 GPU를 활용해서 가속화하고 스스로 소프트웨어를 작성하는 ‘딥뉴럴 네트워크’ 시대가 도래했다. 2016년에는 GPU가 데이터센터에서 본격적으로 사용되기 시작했다. 헬스케어, 리테일, 통신, 제약, 자동차 등 대규모의 데이터가 필요한 산업은 AI 소프트웨어가 사용되고 있다.

마크 해밀턴 부사장의 질의 응답 내용은 다음과 같다. 

▲마크 해밀턴(Marc Hamilton) 엔비디아 본사 솔루션 아키텍처 및 엔지니어링 부사장

엔비디아, AI칩 뿐 아니라 소프트웨어에 적극 투자

해밀턴 부사장은 “최근 많은 기업들이 자체 AI 칩 개발에 나서고 있다. 그러나 이는 엔비디아가 AI에 투자하고 개발하는 노력보다 너무나 작은 부분이라고 생각한다. 대부분의 기업들은 AI 소프트웨어에 투자하는 것에 그치고 있기 때문이다”고 말했다. 

AI 칩을 개발하려면, 수백명의 엔지니어를 고용해야 한다. 또 AI 칩을 사용하려면 서버가 있어야 가능한데, 대부분 스타트업은 자체 서버를 보유하지 않아서 클라우드를 사용하고 있다. 따라서 구글, 델, HPE 등 서버 기업에게 자사의 AI 칩을 사용해 달라고 부탁해야 하는 등 여러 어려움이 따른다. 반면 엔비디아는 AI 칩뿐 아니라 소프트웨어 고도화에 연간 20억 달러를 R&D에 투자하며 적극적으로 개발하고 있기 때문에 높은 성과를 빠르게 달성할 수 있다.  

데이터센터, GPU 사용 더욱 확대될 것 

엔비디아는 데이터센터에서 가속기로써 GPU가 FPGA(Field-Programmable Gate Arrays)와 ASIC(Application-Specific Integrated Circuits) 보다 활용도가 높을 것으로 보고 있다. 

프로그래밍과 재설정이 가능한 비메모리 반도체의 일종인 FPGA는 CPU와 병렬로 작동하므로 전체 시스템의 혼란이나 병목현상 없이 추가적인 컴퓨팅 파워로 사용할 수 있기 때문에 최근 새로운 기술로 주목 받고 있다. 주문형 반도체인 ASIC 특정 용도에 특화해 설계됐고 집적회로 구성이 최적화돼 있어, FPGA나 GPU에 비해 적은 공간을 차지하면서 낮은 전력 효율을 함께 제공할 수 있다는 것이 장점이다. 반면, 큰 초기 개발비를 지불해야 한다는 것은 단점으로 꼽힌다. 

해밀턴 부사장은 “정말 다양한 컴퓨터 아키텍처가 존재한다. CPU, GPU처럼 범용기 가능한 프로세서가 있고, 효율성을 중요시해서 컴퓨터칩을 만들고 싶다면 모든 것이 하드웨어 돼있는 ASIC 칩을 사용할 것이다. 그런데 ASIC을 딥러닝에 사용하는 것은 몇 가지 어려움이 따른다”고 설명했다. 

작년에만 6000개의 새로운 형태의 딥러닝이 생겼는데, 이는 쿠다(CUDA)를 통해 가능하다. ASIC의 경우에는 6000개 딥러닝과 관련돼 일일이 새로운 ASIC을 만들어야 하는 번거로움이 생긴다. 그러나 예를 들어 스마트폰에서 구동되는 AI처럼 굉장히 간단한 딥러닝 네트워크를 만들어 추론을 하기에는 ASIC가 유용하다.

FPGA는 범용으로 프로그램이 가능한 GPU와 절대 프로그래밍이 불가능한 ASIC 사이에 놓여있다. 그러나 FPGA는 전문 프로그래머가 필요하고, GPU처럼 자유로운 프로그램이 불가능하고 ASIC의 효율성에 못 미친다. 이런 이유로 우리는 GPU가 모든 데이터센터에서 활용도가 높을 것으로 확신한다. 

딥러닝 전문가 양성에 앞장선다 

엔비디아에서는 다양한 산업의 기업이 딥러닝을 배울 수 있도록 딥러닝 인스튜트(DLI)를 전세계적으로 운영하고 있으며, 지금까지 12만명의 딥러닝 사이언스가 배출됐다. 또 매월 국내 개발자, 데이터 과학자, IT 종사자를 대상으롤 DLI 세션을 진행하고 있다. 더불어 한양대, 연세대, 포항공과대 등 대학교와 포스코, 한컴MDS 등의 기업들에게 주기적으로 AI 교육을 제공하고 있다. 

최근 아시아 지역에서는 기업의 생산성을 높이기 위해서 국가 차원의 대규모 AI 슈퍼컴퓨터 투자가 활발히 진행되고 있다. 그 예로 일본의 슈퍼 컴퓨터가 대표적이고, 대만에서도 정부 과학기술부가 슈퍼 컴퓨터 투자를 통해 자국 기업을 돕고자 하고 있다. 

그러나 경제적으로 발전하고 있는 주요 아시아태평양 국가 중에서 한국만 유일하게 정부 차원의 슈퍼컴퓨터 투자가 이뤄지고 있지 않다. 실상 대기업을 제외한 중소기업은 AI 슈퍼컴퓨터 투자에 부담을 느끼기 때문에 정부의 도움이 필요하다고 지적했다.