HBM 슈퍼사이클 3~4년 전망중국, 범용D램·낸드플래시 위협적시스템반도체 설계도 이미 韓 앞서온디바이스 AI 칩 국산화해야스마트폰·車·로봇·공장 경쟁력 원천엔비디아 세계 지배 이유는 CUDAAI 인프라 투자 과열 우려 있지만2000년 닷컴 버블 때와는 다를 것3G 이통 선제 인프라 거대한 결실호남 ‘제2 반도체 기지’ 프로젝트정부 신속 행정·인프라로 뒷받침미래 투자는 기업들에 맡기면 돼인공지능(AI) 시대가 도래하면서 반도체 산업이 역대급 ‘슈퍼사이클’(초호황기)을 맞이했다. AI 반도체에 필수적인 고대역폭메모리(HBM)의 핵심 공급자인 삼성전자와 SK하이닉스는 지난해 사상 최대 실적을 경신한 뒤 호조세를 이어가고 있다. 이에 힘입어 국내 주식시장도 활황이다. 하지만 일각에선 AI 거품론을 우려하는 목소리도 나온다. 이번 호황이 일시적 특수에 그치지 않고 지속 가능한 산업 경쟁력으로 이어지려면 무엇이 필요할까. 국내 1세대 시스템반도체 개발자이자 산학연을 아우른 전문가인 김용석(67) 가천대 반도체대학 석좌교수는 “앞으로 5년이 골든타임”이라며 “메모리 호황을 기회로 삼아 HBM 이후를 준비해야 할 때”라고 강조했다. 한국에서도 엔비디아 같은 기업이 나오려면 반도체 생태계를 시스템반도체로 다변화하고, 자동차·로봇·공장 등에 온디바이스 AI(기기 자체에서 AI를 구동하는 기술) 반도체를 국산화해야 한다는 것이다. 그는 산업통상부가 추진하는 AI 반도체 M.AX 얼라이언스 위원장을 맡아 이 과제를 총괄하고 있다. 지난 9일 경기 성남시 가천대 연구실에서 그를 만났다. -AI 반도체 슈퍼사이클은 얼마나 지속될까. “전문가들은 앞으로 3~4년을 한계로 본다. HBM 호황에 취해 있다간 지금의 반도체 슈퍼사이클이 오히려 독이 될 수 있다. 무엇보다 중국이 만만치 않다. 첨단 미세공정이 필요 없는 범용 D램과 낸드플래시 시장에서 중국은 가장 즉각적이고 파괴적인 위협이 될 것이다. 시스템반도체 설계 분야는 이미 우리나라를 앞선 지 오래됐다. 캠브리콘, 무어스레드와 같이 중국이 엔비디아 의존도를 줄이기 위해 전략적으로 키우는 AI 반도체 스타트업의 성장도 놀랍다.” -이번 호황이 지속적인 발전으로 이어지려면 어떻게 해야 하나. “중국은 이미 10년 전 ‘제조 2025’를 제시하고 첨단산업을 집중 육성했다. 현재 중국의 팹리스(반도체 설계 전문기업)는 한국을 양적, 질적인 면에서 모두 앞서고 있다. 그동안 시스템 반도체 설계 능력을 꾸준히 키워왔고, 앞으로 온디바이스 AI 반도체 설계 분야에서 강력한 힘을 발휘할 것으로 보인다. 우리는 HBM 초격차를 유지하면서 반도체 생태계를 메모리에서 시스템반도체로 다변화해야 한다.” -한국은 메모리반도체 강자인데, 시스템반도체로 다변화해야 하는 이유는 무엇인가. “스마트폰, PC, 자동차 등의 경쟁력은 결국 시스템반도체에서 나온다. 애플과 테슬라가 왜 직접 칩을 개발하는지 생각해 보면 알 수 있다. 우리만의 기능과 성능을 넣으려면 시스템반도체를 직접 개발하는 게 좋다. 만약 삼성 갤럭시에 들어가는 엑시노스(삼성전자가 설계한 스마트폰용 시스템반도체)가 없다면 퀄컴(미국 팹리스 기업)이 부르는 게 값이 된다. 엑시노스가 있기에 협상이 가능한 것이다.” -한국은 세계 최고 수준의 메모리 기술을 보유하고 있지만, 엔비디아 같은 기업은 나오지 못했다. 근본적인 이유는 무엇일까. “엔비디아가 세계를 지배하는 이유는 GPU(그래픽·연산용 반도체) 칩 성능 때문만은 아니다. 2006년 개발한 개발자용 소프트웨어 플랫폼 CUDA가 있기 때문이다. 전 세계 개발자들은 CUDA에 종속돼 있다. 우리나라가 소프트웨어 역량이 떨어지는 것도 이유다. 제품을 만드는 기업에서 시스템반도체와 소프트웨어를 자체 개발하려는 노력이 지속돼야 한다.” -AI 인프라 투자 과열을 우려하는 시각도 있다. “AI 데이터센터 투자는 단기적 과열 우려가 있지만, 하이퍼스케일러(AI 데이터센터를 짓고 운영할 수 있는 초대형 기업들)의 기초체력 덕분에 2000년 닷컴 버블과는 다를 것이다. 지금은 IMT-2000(3G 이동통신) 초기와 비슷하다. 당시에도 투자 과열과 거품론이 있었지만 선제적으로 인프라를 구축한 덕분에 스마트폰 생태계와 모바일 혁명이라는 거대한 결실을 맺었다.” -정부는 지난달 삼성전자, SK하이닉스와 함께 경기 용인에 이어 호남을 ‘제2의 반도체 기지’로 조성한다는 메가프로젝트를 발표했다. “삼성과 SK하이닉스는 이미 용인에 팹(공장) 10기를 계획하고 있다. 정부는 신속한 원스톱 행정 지원과 국가 책임의 인프라 조성에 최우선으로 나서야 한다. 또 이같은 성과를 바탕으로 기업들의 미래 투자가 비수도권으로 이어질 수 있도록 해야 한다. 급하게 서두를 일은 아니다. 기업에 맡기면 된다. 전력과 용수는 돈으로 해결되지만, 진짜 문제는 인재를 확보하는 것이다. 인재들이 비수도권 지역에 계속 머물게 하려면 교육 환경은 물론 문화·예술 등 인프라까지 갖춰야 한다.” -삼성의 현 상태를 평가한다면. “강력한 반도체 슈퍼 사이클과 AI 시장의 확대로 매출과 영업이익은 기록을 경신하고 있다. 하지만 과거 독보적인 초격차 경쟁력이나 새로운 패러다임을 이끄는 혁신 문화가 완전히 회복됐다고 보긴 어렵다. AI 및 차세대 반도체 분야에서 판도를 바꾸는 원천 기술을 선점하려면 지금과 같은 호황기에 대규모 연구개발(R＆D) 투자가 이뤄져야 한다. 최근 노조의 성과급 제도화 요구나 DS(반도체)·DX(제품) 사업 부문 간 격차, 비메모리(시스템반도체·파운드리) 부문의 소외감 등 조직 내 갈등 요인도 해소해야 한다.” -혁신을 지속하려면 어떻게 해야 하나. “실패를 용인하고 새로운 것에 도전하는 문화가 필요하다. 내가 처음 삼성에 입사했을 때 비디오카세트(VCR)가 신제품으로 나오던 아날로그 시대였다. 반도체(DS) 부문이 아닌 제품을 만드는 DX 부문으로 입사했는데, 미국 모토로라에서 스카우트돼서 온 과장급 선배가 ‘앞으로는 제품을 만드는 곳에서 칩을 직접 설계해서 쓰게 될 것’이라며 반도체 설계를 제안했다. 당시만 해도 반도체 설계는 반도체 회사에서만 한다고 생각했는데, 그 통념을 깨고 국내 처음으로 시스템반도체 설계를 시작한 것이다.” 김 교수는 1998년부터 이동통신 소프트웨어 분야로 옮겨 개발했던 통신 칩(모뎀) 11개를 액자에 넣어 보관했다. “1998년부터 2002년까지 만든 이 칩들은 모두 상용화에 실패한 것들이다. 퀄컴이 독보적으로 잘하고 있었지만, 삼성에서도 직접 해보자며 자체 개발을 시작했던 것이다. 비록 당시엔 실패했지만 도전이 이어지면서 지금의 엑시노스로 결실을 맺었다. 상용화에 실패했는데도 나는 임원으로 승진했다. 당시 삼성은 ‘이 기술만큼은 반드시 확보하자’는 목표가 있으면 실패하더라도 도전을 인정했다.” -인재 유출을 막으려면 어떻게 해야 하나. “미국 실리콘밸리에서 점심시간에 식당에 가면 수많은 한국인 연구자들을 만날 수 있다. 박사급이면 미국 빅테크 기업에선 연봉 100만 달러(약 15억원) 정도를 받는다. 한국에선 1억 5000만원 정도다. 보수도 중요하지만 미국 빅테크 기업에서 일하고 싶어 하는 또 다른 이유는 커리어 때문이다. 국내 기업은 아직도 연공서열을 무시할 수 없다. 그래서 아무리 능력 있고 뛰어나도 젊은 직원을 파격적으로 대우해주지 못한다. 오픈AI, 구글, 애플에선 가능하다. 우수한 엔지니어는 정년 없이 계속해서 연구에 매진할 수 있도록 하고, 단 한 명이라도 사장보다 더 많은 연봉을 받는 최고 엔지니어가 나와야 한다.” -반도체교육원에선 학생들에게 어떤 것을 가르치나. “초등학생부터 중·고등학생, 취업준비생까지 전 세대를 대상으로 맞춤형 교육을 한다. 요즘은 초등학생들도 젠슨 황이나 엔비디아, TSMC를 이야기할 정도다. 지난해와 재작년에 초등학생들과 SK하이닉스 팹을 견학했는데 학생들의 관심이 예상보다 훨씬 크다는 걸 실감했다. 초·중학생한테 반도체 지식을 주입하는 것이 목적은 아니다. 우선 반도체를 재미있는 분야로 느끼게 하고, 훗날 진로를 선택할 때 자연스럽게 이공계에 관심을 갖도록 하는 것이 목표다.” ■김용석 가천대 석좌교수는 1959년 태어나 성균관대 전자공학과를 졸업하고, 같은 대학 정보통신대학원과 동국대 정보통신공학과에서 각각 석사, 박사 학위를 받았다. 1983년 삼성전자 종합연구소에 입사해 31년간 근무하며 국내 처음으로 시스템반도체 설계를 시작했으며, TV·오디오·이동통신 칩을 개발했다. 2010년 스마트폰 시스템소프트웨어 팀장을 맡아 갤럭시 S1~S4 개발에 참여했다. 10년간 삼성전자 임원(상무)을 지내고 퇴직한 뒤 2014년부터 성균관대 전자전기공학부 교수로 11년간 재직했다. 현재 가천대 반도체대학 석좌교수 겸 반도체교육원장이며, 산업통상부 AI반도체 M.AX 얼라이언스 위원장을 맡고 있다. 대통령 표창, 국무총리상, 장관상 등 다수의 정부 표창을 받았다. 저서로는 ‘AI 반도체 전쟁’ 등이 있다.

젠슨 황 최고경영자(CEO)가 이끄는 엔비디아가 인공지능(AI) 데이터센터를 지구 궤도에 올리기 위한 핵심 인재 채용에 나섰다. 엔비디아는 최대 6억 원대 후반의 기본급과 주식 보상을 내걸고 우주에서 자율 운영할 AI 시스템 개발자를 찾는다. 29일(현지시간) 엔비디아 채용공고에 따르면 회사는 첫 궤도 데이터센터 모듈 ‘스페이스-1’과 후속 플랫폼의 시스템 소프트웨어 수석 설계자를 모집하고 있다. 스페이스-1은 차세대 AI 플랫폼 ‘베라 루빈’을 기반으로 저궤도 환경에 맞춰 설계한 연산 모듈이다. 위성에서 수집한 방대한 자료를 지상으로 모두 내려보내지 않고 우주에서 직접 분석하거나, 대규모 궤도 데이터센터의 연산 기반으로 활용하는 것이 목표다. 지원자는 서버·플랫폼 소프트웨어 분야에서 15년 이상 경력을 갖춰야 한다. AI 인프라와 대규모 데이터센터는 물론 우주 시스템 구축 경험도 요구된다. 기본급은 27만 2000∼43만 1250달러다. 최고액은 약 6억 6700만원이며, 별도의 주식 보상을 받을 자격도 주어진다. 고장 나도 갈 수 없다…5년간 스스로 버텨야수석 설계자는 운영체제와 펌웨어, 중앙처리장치(CPU)·그래픽처리장치(GPU) 드라이버, 쿠다(CUDA), 원격 관리 기능을 하나의 시스템으로 통합한다. 사람이 직접 수리하러 갈 수 없는 만큼 궤도에서 발생한 고장을 스스로 감지하고 복구하는 기능도 설계해야 한다. 엔비디아는 스페이스-1이 강한 방사선과 극심한 온도 변화를 견디며 최소 5년간 작동하도록 개발하고 있다. 태양동기궤도에서 최대 8000차례의 열 변화가 반복돼도 성능을 유지하고 지구 그림자에 들어가 태양광 발전이 끊기는 구간에서도 전력을 안정적으로 관리해야 한다. 황 CEO는 지난 3월 열린 ‘지티씨(GTC) 2026’에서 스페이스-1을 공개하며 엔비디아의 연산 기술을 지상 데이터센터에서 우주로 확대하겠다는 구상을 밝혔다. 엔비디아는 이 모듈을 통해 위성 영상 분석과 자율 우주 임무, 실시간 과학 탐사 등에 데이터센터급 AI 성능을 제공할 계획이다. 구글·스페이스X도 우주 데이터센터 경쟁우주 데이터센터 경쟁에는 구글과 스페이스X도 뛰어들었다. 구글은 ‘프로젝트 선캐처’를 통해 우주에서 머신러닝 연산을 수행하는 방안을 연구하고 있다. 구글은 2027년 초까지 시제품 위성 2대를 발사해 자체 AI 칩과 통신 기술을 시험할 예정이다. 스페이스X도 우주에 대규모 AI 연산망을 구축하는 계획을 공개했다. 스페이스X는 태양에너지를 활용하는 위성들을 연결해 궤도 데이터센터로 운용한다는 구상이다. AI 데이터센터는 막대한 전기와 냉각용수를 소비해 미국 곳곳에서 주민 반발을 사고 있다. 우주에서는 태양광을 장시간 활용할 수 있고, 위성이 생성한 데이터를 현장에서 바로 처리해 지상 전송 부담도 줄일 수 있다는 기대가 나온다. 하지만 넘어야 할 벽도 높다. 우주 방사선과 통신 지연, 발열 해소, 발사 비용뿐 아니라 고장 난 장비를 즉시 교체할 수 없다는 문제가 남아 있다. 결국 엔비디아가 내건 6억 7000만 원은 단순한 고액 연봉이 아니라, 지상 데이터센터와 전혀 다른 환경에서 AI 시스템을 홀로 살아남게 만들 인재에게 제시한 대가인 셈이다.

퀄컴이 AI 데이터센터 시장을 위한 새로운 플랫폼 ‘드래곤플라이’(Dragonfly)를 전격 공개하며 엔비디아와 다른 AI 빅테크들에 도전장을 내밀었습니다. 자연계에서 가장 효율적인 비행 곤충인 잠자리처럼 에너지 효율성을 높인 플랫폼을 만들겠다는 의지가 담긴 이름입니다. 사실 퀄컴이 데이터센터 시장에 도전하는 것은 처음이 아닙니다. 과거 센트리크 2400 CPU를 통해 서버 시장에 도전했다가 결국 시장 문턱을 넘지 못하고 고배를 마셨던 경험이 있습니다. 하지만 최근 AI 인프라 시장이 폭발적으로 성장함에 따라 퀄컴은 기존의 모바일 및 엣지 AI 및 CPU 설계에서 얻은 강점을 살려 다시 AI 데이터센터에 도전하고 있습니다. 퀄컴 드래곤플라이는 단순히 하나의 CPU나 GPU를 지칭하는 이름이 아니라 AI 가속기, CPU, 네트워킹, 그리고 커스텀 실리콘을 하나의 통합된 생태계로 묶은 ‘풀스택(Full-stack)’ 생태계의 브랜드를 의미합니다. CPU, GPU, 네트워킹, 그리고 CUDA 소프트웨어 생태계까지 하나로 묶어 제공하는 엔비디아와 같은 전략을 구사하는 셈입니다. 물론 이 분야에서는 엔비디아가 훨씬 강력한 생태계를 구축한 상태이지만, 퀄컴은 모바일에서 얻은 저전력·고효율 설계를 무기로 AI 데이터센터 시장에 ‘원스톱(One-stop)’ 솔루션을 제공하겠다는 포부를 지닌 것으로 보입니다. 드래곤플라이 AI 데이터센터 생태계의 핵심은 당연히 AI 가속기입니다. 2027년 출시를 목표로 한 AI250은 퀄컴이 주도하는 차세대 메모리 기술인 HBC(High Bandwidth Compute) 1세대를 탑재할 계획입니다. HBC는 DDR 메모리 대신 LPDDR 메모리를 적층한 고대역폭 메모리로 컴퓨트 다이(Compute die) 위에 바로 올려 에너지 효율과 속도를 높였습니다. 실물을 공개하지 않았지만, 와트당 대역폭(Bandwidth per Watt)에서 HBM 메모리보다 6배나 높였다는 것이 퀄컴의 주장입니다. 퀄컴의 로드맵에 따르면 2028년에는 HBC 2세대 기술을 적용한 AI300이 출시됩니다. AI300은 LPDDR 메모리를 사용한 기존 AI200 대비 54배에 달하는 대역폭을 제공하며, HBM(고대역폭 메모리)과 비교했을 때 와트당 대역폭이 6배나 높습니다. 만약 이 주장이 사실이라면 대규모 언어 모델(LLM)이나 멀티모달 모델, 그리고 에이전트 AI 워크로드에서 발생하는 막대한 전력 소모와 데이터 이동 병목 현상을 획기적으로 해소할 수 있을 것으로 보입니다. 물론 하이퍼스케일 데이터센터에서는 각 GPU, CPU의 메모리 대역폭만큼이나 수많은 프로세서들을 빠르게 연결하는 것도 중요합니다. 퀄컴의 새로운 데이터센터 연결 플랫폼은 800G에서 최대 1.6T급에 이르는 고대역폭을 지원하며, 데이터 이동의 병목을 해결하기 위해 UALink와 같은 개방형 표준을 활용한 스케일업 및 스케일아웃 아키텍처를 사용할 계획입니다 그리고 최근 에이전틱 AI에서 중요해지는 CPU를 위해 퀄컴은 C1000 서버도 같이 제공할 계획입니다. 이 CPU는 250개 이상의 코어와 최대 5GHz의 클럭 속도를 지니고 있다고 하는데, 멀티 코어뿐 아니라 싱글 코어 성능에서도 업계 최고라는 것이 퀄컴의 설명입니다. 다만 현재까지 업계의 반응은 반신반의한 상태입니다. 이론적으로는 매우 훌륭해 보이지만, 퀄컴이 말한 CPU, GPU, 메모리, 인터페이스 혁신을 위해서는 반도체 제조사를 포함해 많은 제조사들이 함께 힘을 합쳐야 하기 때문입니다. 예를 들어 HBC 메모리의 경우 LPDDR 메모리를 3D TSV(관통 실리콘 비아) 기술로 수직 적층하는 ‘근접 메모리 컴퓨팅’(Near-Memory Computing) 기술인데, 이는 퀄컴의 기술만으로는 불가능하고 원칙적으로 삼성전자 같은 메모리 제조사가 기술을 제공해 주지 않으면 실현 불가능한 이야기입니다. HBC 메모리를 사용하는 AI250/300 가속기나 C1000 CPU 역시 TSMC 같은 파운드리 업체의 협력 없이는 제조하기 어렵습니다. 현재 메모리와 시스템 반도체 모두 최첨단 미세 공정에 대한 수요가 크게 증가해 공급이 이를 따라잡기 어려운 점을 생각하면 물량을 쉽게 확보할 수 있을지부터 의문이 드는 게 사실입니다. 여기에 새로운 규격인 만큼 초기에는 수율이나 비용 문제 역시 만만치 않을 수 있습니다. 이런 의구심을 해소하기 위해서는 우선 실제로 작동하는 제품과 이를 채택한 데이터센터가 등장해야 합니다. 퀄컴은 일반적인 LPDDR 메모리를 사용한 AI200의 샘플링을 진행 중이며 올해 출시할 계획입니다. 이를 통해 퀄컴이 다른 엔비디아, 구글, AMD와 견줄 만한 AI 가속기 설계가 가능하다는 점을 입증해야 다음 단계로 진행이 가능할 것입니다. 퀄컴의 AI 데이터센터 도전이 이번에는 성과를 거둘 수 있을지 주목됩니다.

SK그룹과 엔비디아가 AI 인프라 전 영역에 걸친 협력을 강화한다. SK텔레콤은 AI 팩토리와 AI 클라우드 구축에 나서고, SK하이닉스는 차세대 AI 메모리 공동 개발을 추진하며 양사의 협력 범위를 반도체를 넘어 AI 인프라 전반으로 확대한다. SK텔레콤은 8일 엔비디아와 글로벌 AI 인프라 구축을 위한 전략적 협력을 추진한다고 밝혔다. 양사는 엔비디아의 AI 인프라 플랫폼 ‘DSX’를 기반으로 칩부터 데이터센터 운영까지 아우르는 ‘풀스택 AI 클라우드’ 구축에 나선다. 양사는 AI 작업에 특화된 데이터센터인 ‘AI 팩토리’를 기가와트(GW)급 규모로 확대할 계획이다. 2027년 한국에서 첫 AI 팩토리를 가동한 뒤 단계적으로 인프라를 확장해 아시아 전역으로 사업을 확대한다는 구상이다. SK텔레콤은 엔비디아의 ‘엔비디아 클라우드 파트너(NCP)’ 프로그램에도 합류한다. 엔비디아 블랙웰 GPU와 차세대 플랫폼 ‘베라 루빈’ 등을 활용해 AI 학습과 추론 서비스를 제공하며 아시아 대표 AI 클라우드 사업자로 성장한다는 목표다. SK하이닉스는 엔비디아와 AI 팩토리용 차세대 메모리 개발을 위한 장기 기술 파트너십을 체결했다. 양사는 엔비디아 AI 인프라 로드맵에 맞춰 차세대 메모리를 공동 개발하고 안정적인 공급 체계를 구축할 계획이다. 협력 범위는 AI 인프라를 넘어 퍼스널 AI와 피지컬 AI 분야까지 확대된다. 양사는 엔비디아 차세대 AI 슈퍼컴퓨터 ‘베라 루빈’, 자체 CPU ‘베라’, AI PC 플랫폼 ‘RTX 스파크’, 로보틱스 플랫폼 ‘젯슨 토르’용 메모리를 공동 개발할 예정이다. 반도체 설계와 제조 분야 협력도 강화한다. SK하이닉스는 엔비디아의 CUDA-X와 PhysicsNeMo를 활용해 반도체 시뮬레이션을 고도화하고, 옴니버스와 OpenUSD 기반 디지털 트윈 기술을 활용해 자율 팹 구축에도 나선다. 최태원 SK그룹 회장은 “엔비디아와의 긴밀한 파트너십을 바탕으로 칩부터 데이터센터 운영까지 아우르는 풀스택 AI 인프라 경쟁력을 확보하게 됐다”며 “AI 팩토리용 차세대 메모리를 공동 개발하고 아시아 전역에서 AI 생태계 발전을 이끄는 대표 사업자로 성장하겠다”고 말했다. 젠슨 황 엔비디아 최고경영자(CEO)는 “통신 네트워크는 국가 AI 인프라로 진화하고 있다”며 “SK그룹과 함께 AI 클라우드와 AI 팩토리, 차세대 메모리 분야 협력을 확대해 글로벌 AI 인프라 구축을 가속화할 것”이라고 말했다.

엔비디아가 AI 미니 슈퍼컴퓨터 ‘DGX 스파크’의 모바일 버전인 ‘RTX 스파크(RTX Spark)’를 공개했습니다. RTX 스파크는 DGX 스파크에 탑재된 GB10의 모바일 변형 버전인 N1X를 탑재하고 있으며, 최대 20코어의 Arm 기반 CPU와 6,144개의 CUDA 코어를 갖춘 블랙웰 아키텍처 GPU로 구성되어 있습니다. 엔비디아는 모든 RTX 스파크가 동일한 칩을 사용하는지 아니면 일부 기능을 줄이고 가격을 낮춘 컷 칩(cut-chip)이 존재하는지에 대해서는 이날 공개 행사에서 구체적으로 밝히지 않았습니다. 다만 RTX 스파크가 최대 128GB의 LPDDR5x와 1페타플롭스의 연산 능력으로 노트북에서도 고사양 게임을 원활하게 작동시킬 수 있을 뿐 아니라 120B 파라미터를 지닌 거대 LLM도 구동할 수 있다는 점을 강조했습니다. 젠슨 황 엔비디아 CEO는 RTX 스파크가 장착된 노트북에서 ‘007 퍼스트 라이트’와 ‘포르자 호라이즌 6’를 배터리 전원만으로 구동하는 모습을 선보였는데, 이는 기존의 스냅드래곤 기반의 윈도우 ARM(Windows on ARM) 노트북에서는 생각하기 어려웠던 게임 성능으로 마이크로소프트가 밀고 있는 윈도우 ARM의 약점을 상당 부분 극복한 모습입니다. 마이크로소프트는 RTX 스파크 개발을 위해 엔비디아와 긴밀히 협업했고 에이서(Acer), ASUS, 레노버(Lenovo), 델(Dell), HP, MSI 등 주요 PC 제조사와 함께 마이크로소프트의 서피스 라인업에도 RTX 스파크 모델을 넣어 고성능 윈도우 ARM PC 개발 의지를 보여줬습니다. 그런데 이날 공개된 RTX 스파크 노트북을 보면 그렇게 두꺼운 제품이 아니라는 점을 쉽게 알 수 있습니다. DGX 스파크의 GB10 칩이 약 140W의 열 설계 전력(TDP)을 가진다는 점을 고려할 때, RTX 스파크는 엔비디아의 노트북 전력 효율 기술인 MAX-Q를 적극적으로 활용해 TDP를 낮추고 최소 두께 14mm의 슬림한 디자인을 구현한 것으로 보입니다. MAX-Q는 단순히 클럭을 강제로 낮추는 방식을 넘어, 최적화 기술을 집약한 기술입니다. 게임 실행 시 AI 텔레메트리(AI Telemetry)가 GPU와 CPU 워크로드를 실시간으로 분석하면, CPU 옵티마이저는 불필요한 전력 소모를 줄이기 위해 CPU를 ‘최고 효율 주파수’로 동적으로 조정합니다. 이때 절약된 전력은 다이나믹 부스트(Dynamic Boost)를 통해 GPU로 재배분됩니다. GPU 차원에서도 파워 게이팅(Power Gating)을 통해 사용되지 않는 내부 블록을 비활성화하고, 워크로드에 맞춰 클럭을 미세 조정합니다. 여기에 DLSS 4.5를 통해 실제 렌더링 부하를 줄여서 전력 소모와 발열을 최소화하면서도 성능을 유지할 수 있습니다. 물론 이론적으로 MAX-Q가 적용된 N1x의 성능이 TDP 140W이 기본인 GB10와 대등하지는 않을 것으로 보입니다. 일부 성능 저하는 감수해야 하지만, 충분한 휴대성을 보장하면서도 AAA급 고사양 게임과 대규모 언어 모델(LLM) 구동이 가능하다는 것은 개발자와 고성능 기기를 쓰는 사용자들에게 상당한 장점입니다. 다만 이날 보여준 128GB 모델만 있을 경우 가격은 매우 비쌀 가능성이 높습니다. DGX 스파크의 공식 가격이 4699달러(원래 3999달러였으나 메모리 가격 상승으로 인상)이며, 국내에서는 부가세를 포함해 더 비싼 가격에 판매되는 점을 고려하면, 노트북 버전인 RTX 스파크 제품은 훨씬 비싸질 가능성이 높습니다. 이런 점을 감안하면 64GB, 32GB 모델도 있을 가능성이 있으나 당장에 공개된 내용은 없습니다. 아무튼 높은 가격을 생각하면 RTX 스파크의 주요 경쟁자는 애플의 맥북 프로(특히 M5 맥스 시리즈)가 될 것으로 보입니다. 다만 현재 DGX 스파크 가격을 생각할 때 RTX 스파크 노트북은 128GB 모델 기준 맥북 프로 M5 맥스 모델보다 비쌀 가능성이 높아 보입니다. 이렇게 비싼 제품을 게임만 하려고 사는 경우는 거의 없을 것입니다. 따라서 비싸도 업무에 사용해야만 하는 특별한 용도, 예를 들어 LLM(대규모 언어 모델)이나 그래픽 작업 성능이 중요한 요소가 될 것으로 보입니다. 이 시장에서 유력한 경쟁 상태인 맥북 프로 M5 맥스도 128GB 모델은 120B 파라미터 급 LLM 구동이 가능하지만, RTX 스파크는 6144개의 CUDA 코어와 텐서 코어를 활용한 FP4(4비트 양자화) 연산 능력과 최대 1페타플롭스(Petaflop)의 연산 성능으로 토큰 속도에서 우위를 점할 가능성이 있습니다. 엔비디아는 RTX 스파크를 개인용 에이전트를 위한 플랫폼으로 소개하고 있으며 로컬 컴퓨터에서 120B LLM을 100만 토큰의 컨텍스트로 구동하거나, 90GB 이상의 거대한 3D 장면을 렌더링하고, 12K 영상 편집 및 4K AI 비디오 생성을 할 수 있습니다. 물론 실제 성능과 가성비는 제품이 실제 출시되고 가격이 공개되어야 제대로 평가할 수 있을 것입니다. 황 CEO는 “PC는 다시 태어나고 있다. 40년 동안 우리는 앱을 실행하고 클릭하고 타이핑했지만, 이제 RTX 스파크와 윈도우를 통해 우리는 요청하고 PC가 작업을 수행한다”며, RTX 스파크가 로컬 에이전트, 최전방 모델, 크리에이티브 워크플로우, RTX 게임을 하나의 노트북에 통합한 ‘새로운 PC’라고 강조했습니다. 그의 포부처럼 실제로 RTX 스파크가 PC의 재창조가 될지 아니면 특수 용도로 사용하는 비싼 장비로 남게 될지 결과가 주목됩니다.

인텔은 흔히 CPU 제조사로 잘 알려져 있지만, 사실 생각보다 오랫동안 그래픽 프로세서를 개발해 왔습니다. 다만 1세대 외장 그래픽 카드였던 i740 이후 수십 년간 내장 그래픽에만 집중하다 보니, 상대적으로 기술력이 엔비디아나 AMD에 뒤처지며 독립 GPU 시장에는 쉽게 진입하지 못했습니다. 그러다 AI GPU의 중요성이 급격히 커지자 인텔은 뒤늦게 GPU 개발에 총력을 기울였고, 그 결과물로 ‘아크(Arc)’ 그래픽 카드를 선보였습니다. 현재 인텔 아크 내장 그래픽은 경쟁사인 AMD의 라데온 내장 그래픽과 어느 정도 견줄 만큼 발전했습니다. 하지만 독립형 그래픽 카드 시장에서는 여전히 힘을 쓰지 못하고 있는 것이 현실입니다. 실제로 엔비디아가 시장의 90% 이상을 장악하고 라데온이 10% 미만을 점유하는 반면, 인텔 아크의 비중은 1%에도 미치지 못하는 것으로 알려져 있습니다. 여기에 최근 인텔의 재정 상태가 악화하면서 독립형 그래픽 카드 시장에서 아예 철수하고 내장 그래픽 형태로만 남게 될 것이라는 예측도 나왔습니다. 하지만 인텔은 최근 ‘아크 프로(Arc Pro) B70’과 ‘B65’를 전격 공개하며 이러한 우려를 단숨에 일축했습니다. 이번 아크 프로 B70과 B65의 가장 핵심적인 특징은 32GB의 대용량 메모리를 탑재했다는 점입니다. 특히 상위 모델인 B70의 출시가는 949달러 수준에 불과해 32GB급 그래픽 카드 가운데 가장 저렴합니다. 현재 국내 시장에서 32GB 메모리를 갖춘 최신 하이엔드 그래픽 카드인 RTX 5090이 약 600만 원대의 높은 가격에 판매되고 있다는 점을 고려하면, 4분의 1 이하의 가격으로 동일한 용량의 그래픽 카드를 사용할 수 있다는 파격적인 장점이 있습니다. 심지어 이는 메모리 용량이 절반인 16GB 급 RTX 5080 모델들과 비교해도 훨씬 저렴한 수준입니다. 사양을 자세히 살펴보면 무엇보다 메모리 용량에 집중한 인텔의 의도를 더욱 명확히 알 수 있습니다. 인텔 아크 프로 B70은 32개의 Xe2-HPG 코어와 367 INT8 TOPS의 AI 연산 능력을 갖추고 있습니다. 순수 AI 연산 속도만 놓고 본다면 RTX 5080보다 낮지만, 대용량 메모리 덕분에 내 컴퓨터에서 더 거대한 로컬 LLM(대규모 언어 모델)을 돌릴 수 있다는 독보적인 이점이 생깁니다. 로컬 AI를 돌리는 데는 대용량의 메모리가 필수적입니다. RTX 5080이 인텔 아크 프로 B70보다 훨씬 빨라도 16GB의 메모리 한계 때문에 일정 크기 이상의 모델은 아예 올릴 수가 없습니다. 하지만 32GB 메모리를 확보하면 더 큰 모델도 구동이 가능하며, 같은 모델이라도 훨씬 넓은 문맥 유지(Context Window) 용량을 확보할 수 있습니다. 속도는 기다리면 되는 문제이지만, 애당초 용량이 안되는 문제는 어떻게 극복할 수가 없습니다. 두 장 이상의 그래픽 카드를 사용하는 멀티 GPU 환경에서도 아크 프로 시리즈의 장점은 더욱 뚜렷합니다. 가격 부담이 적을 뿐만 아니라, 서버 및 워크스테이션에 적합한 블로워 팬 디자인으로 설계되어 PC 케이스와 메인보드에 여러 개를 장착해도 공간적 여유가 있습니다. 여기에 RTX 5090 한 장이 약 600W에 달하는 전력을 소모하는 반면, B70은 성능이 낮은 대신 160~290W 수준으로 전력 소모량이 적습니다. 결과적으로 하이엔드 카드 한 장을 마련할 비용으로 인텔 아크 프로 B70 세 장을 구축하면, 무려 96GB의 VRAM을 확보할 수 있습니다. 이는 약 75GB 이상의 VRAM이 필요한 Llama 3 70B 8비트 모델까지 합리적인 비용으로 돌릴 수 있는 가능성을 보여줍니다. 물론 연산 속도의 근본적인 한계와 더불어, AI 개발 생태계가 여전히 엔비디아의 CUDA 중심으로 돌아가고 있다는 점은 극복해야 할 과제입니다. 하지만 이미 엔비디아 중심 생태계가 확고히 자리잡은 게임 시장에 도전하는 것은 더 큰 무리수가 될 수 있습니다. 어쩌면 AI 워크로드 시장에 가성비로 파고드는 것이 인텔 아크가 선택할 수 있는 가장 영리한 생존 전략일지도 모릅니다. 가성비 AI GPU로 과감한 승부수를 던진 인텔의 도전이 통할 수 있을지 주목됩니다.

오픈 AI는 최근 웨이퍼 스케일 엔진(Wafer Scale Engine, 이하 WSE)을 개발하는 미국의 스타트업인 세레브라스(Cerebras)와 인프라 도입 계약을 체결했습니다. 세레브라스의 WSE 기반의 750MW 데이터 센터를 구축하는 계획으로 2028년 가동을 목표로 하고 있습니다. 투자 규모는 공개하지 않았지만, 일부 언론 보도에서는 100억 달러에 달하는 것으로 추정되고 있습니다. 오픈 AI는 세레브라스의 최신 WSE3-3 기반의 GPT-5.3-Codex-Spark를 공개해 이 프로세서에서 가능성을 보여주고 있습니다. 물론 현재는 엔비디아 의존도가 여전히 높고 두 회사가 기존에 맺은 상호 투자 계획들은 여전히 유효하지만, 이런 행보는 오픈 AI가 새로운 대안을 찾고 있다는 인상을 주기에는 충분합니다. 이를 통해 엔비디아와의 협상에서 우위를 점하는 것은 물론 더 비용 합리적인 대안을 찾을 수도 있는 것입니다. 다만 웨이퍼 스케일 엔진이라는 새로운 기술을 들고나온 세레브라스가 실제 그만큼의 성과를 보여줄 수 있을지는 아직 미지수입니다. 세레브라스는 2015년 설립된 스타트업으로 2019년 첫 번째 WSE 제품을 내놓았습니다. 이 기술에 웨이퍼 스케일이라는 명칭이 붙은 이유는 간단합니다. 프로세서를 만들 때 사용되는 둥근 원판인 웨이퍼를 잘라서 칩을 만드는 게 아니라 웨이퍼 전체를 통째로 하나의 프로세서로 사용하기 때문입니다. 현대적인 프로세서와 메모리 모두 웨이퍼를 잘라서 제품을 만들고 있지만, 웨이퍼를 여러 개로 잘라서 프로세서를 만든 후 이들을 별도의 시스템에서 병렬로 연결한다는 것은 사실 제조 비용 상승은 물론 프로세서 간 데이터 전송 시 발생하는 병목현상으로 인해 성능이 떨어질 우려가 있습니다. 따라서 발상을 바꿔 아예 웨이퍼 하나를 통째로 멀티코어 프로세서로 활용하자는 아이디어는 이전부터 있어 왔으나 몇 가지 큰 걸림돌이 있어 실현되지는 못했습니다. 첫 번째는 프로세서 제조 과정에서 사소한 오류 하나만 생겨도 웨이퍼 전체를 못 쓰게 되는 위험성이 있다는 것입니다. 예를 들어 기존의 프로세서는 웨이퍼 하나에서 150개 정도의 제품이 나왔을 때 100개 정도만 양품이면 나머지 50개를 버려도 충분히 수익을 낼 수 있습니다. 하지만 웨이퍼 전체에서 치명적인 오류가 한 번만 발생하면 웨이퍼 전체를 못 쓰게 되어 손해가 클 수밖에 없습니다. 웨이퍼 안에 수많은 코어를 탑재할 경우 코어 간 병목 현상과 메모리 병목 현상 역시 우려될 수 있는 문제입니다. 마지막으로 이렇게 거대한 프로세서는 전력 소모량과 발열량 역시 엄청나게 클 수밖에 없어 실용적인 시스템을 구축하기 힘들었습니다. 세레브라스는 새로운 방법으로 이 한계를 극복했습니다. 우선 하나의 큰 코어 대신 작은 코어 여러 개를 연결해 반복되는 구조를 만든 후 각 코어가 모두 연결되어 있어 일부 코어와 연결 회로에 오류가 생기더라도 나머지 부분이 정상 작동하도록 만들었습니다. 그리고 대용량의 SRAM을 프로세서에 통합해 메모리 병목 현상을 최소화했습니다. 2024년 공개한 세레브라스의 최신 프로세서인 WSE-3의 경우 TSMC의 5nm 공정을 이용해 4조 개의 트랜지스터를 집적한 역대 가장 거대한 프로세서로 90만 개의 코어를 집적했습니다. 실제로는 90만 개보다 더 많은 코어를 넣어서 오류가 나더라도 90만 개 정도의 코어 숫자를 보장한 것입니다. 하지만 코어가 많다고 해서 성능이 바로 그만큼 높아지는 것은 아닙니다. 구슬이 서말이라도 꿰어야 보배라는 속담처럼, 수많은 코어가 유기적으로 연결되어야 합니다. WSE-3는 코어들은 거대한 메쉬(Mesh) 구조로 연결되어 있습니다. 하나의 실리콘 안에서 모든 코어가 연결된 덕분에 수천 개의 GPU를 묶을 때 발생하는 병목 현상을 피하고 데이터 전송 속도가 매우 빠른 것이 특징입니다. WSE-3는 90만 개의 코어를 뒷받침하기 위해 44GB SRAM 메모리를 칩에 통합하고 있습니다. 다만 이것만으로는 대규모 AI 연산에 필요한 대규모 데이터를 모두 담을 수 없기 때문에 가중치(Weights)를 칩 외부의 전용 스토리지에 보관하고, 연산 시 필요한 부분만 초고속 스트리밍으로 칩에 공급하는 방식을 사용합니다. 이런 독특한 구조를 통해 웨이퍼 스케일 엔진 기술은 기본 AI 프로세서가 지닌 한계를 극복할 차세대 AI 솔루션으로 주목받고 있습니다. 하지만 장밋빛 미래만 보이는 것은 아닙니다. 현재 AI 생태계 자체가 엔비디아의 CUDA에 기반해 있고 AI 서비스 솔루션 자체도 GPU에 최적화되어 있다는 점은 무시하기 어려운 장벽입니다. 더구나 현재도 적자인 오픈 AI는 여기저기 투자 계획과 협업 프로젝트를 발표하고 있지만, 이 막대한 자금들을 어디서 조달할 수 있을지 의구심이 제기되고 있습니다. 지금 흑자를 내고 있다고 해도 앞으로 계획된 투자를 진행하기 위해서 필요한 천문학적인 자금을 조달하기는 쉽지 않을 것입니다. 그런데 또 대규모 투자 계획을 발표하니 의문이 제기되는 것도 당연합니다. 마지막으로 실제 WSE-3나 혹은 그 후속 프로세서들이 이론이 아니라 실제로 엔비디아의 GPU보다 더 앞선 성능을 보여줄 수 있는지 역시 충분히 검증되지 않은 상태입니다. 현재 여러 AI 제조사가 자사의 기술이 엔비디아보다 우월하다고 주장하고 있지만, 현재까지 의미 있는 대항마로 성장한 곳은 구글의 TPU 정도이며 오랜 라이벌인 AMD 조차도 아직 엔비디아의 아성에 도전할 수준은 되지 않고 있습니다. 오랜 세월 축적된 엔비디아의 기술을 신생 스타트업이 쉽게 뛰어넘을 수 있을지 아무래도 의문인데, 확실하지 않은 곳에 많은 자금을 투자할 정도로 재무 사정이 넉넉하지 않아 보인다는 것이 솔직한 평가일 것입니다. 물론 엔비디아의 현재 모습을 10년 전 대부분 예상 못한 것처럼 앞으로 10년 후 역시 예상하기 어려운 게 사실입니다. 과연 10년 후 엔비디아의 독점이 계속 유지될 수 있을지, 아니면 예상치 못한 다크호스가 시장을 뒤흔들게 될지 궁금합니다.

권토중래(捲土重來)란 ‘흙먼지를 일으키며 다시 쳐들어옴’을 뜻하며, 한 번 실패했으나 힘을 회복해 다시 도전하는 것을 이르는 사자성어입니다. 항우가 크게 패한 후 강동으로 도망쳐 재기하라는 측근의 권유를 뿌리치고 마지막까지 싸우다 최후를 맞이한 것을 아쉽게 생각하며 지은 시에서 비롯된 단어로 보통은 실패에도 다시 도전하는 경우를 이야기합니다. IT 업계에서도 권토중래의 사례는 흔히 볼 수 있습니다. 쟁쟁한 대기업들도 새로 진출한 사업에서 실패했다가 다시 도전해 성과를 거두는 경우가 흔하기 때문입니다. 예를 들어 x86 생태계에만 머무르지 않고 ARM 생태계에 도전한 마이크로소프트의 윈도우가 그런 사례입니다. 마이크로소프트는 2012년 x86에만 국한된 윈도우 생태계를 확장하려는 의도에서 서피스 RT를 출시했습니다. 서피스 RT는 안드로이드나 iOS처럼 ARM에서 돌아가는 윈도우로 당시 엔비디아의 테그라 3 SoC가 탑재됐습니다. 그러나 결론적으로 말해 서피스 RT는 처참한 실패로 끝나 엄청난 할인 판매로 재고를 처분하고 사업을 접어야 했습니다. 테그라 3는 당시 기준으로 성능이 그렇게 낮은 건 아니었지만, ARM 버전 윈도우에서 돌아가는 애플리케이션이 거의 없다시피 했고 장점이던 게임 성능도 지원하는 게임이 없어 거의 활용할 수 없었습니다. 결국에는 엔비디아도 소비자용 스마트폰·태블릿 SoC 시장에서 단계적 철수할 수밖에 없었습니다. 하지만 ARM 하드웨어 성능이 크게 발전하자 상황이 달라졌습니다. 마이크로소프트는 스마트폰을 넘어 PC 사업까지 노리는 퀄컴과 손잡고 고성능 노트북용 스냅드래곤 SoC를 탑재한 서피스 제품군을 다시 출시했고 이번에는 어느 정도 성과를 거둘 수 있었습니다. 새로운 윈도우 11 WoA (Windows on Arm, Arm 프로세서에서 구동되는 윈도우 OS)은 윈도우 11 24H2에 포함된 새로운 에뮬레이터인 프리즘 (Prism) 출시 이후 호환성도 크게 개선됐습니다. 프리즘은 x86(Intel/AMD) 코드를 ARM64 코드로 실시간 변환해 x86 윈도우 프로그램을 ARM 환경에서도 거의 비슷하게 체감할 수 있도록 해주는 에뮬레이션 프로그램입니다. 물론 게임의 경우 상당한 폭의 성능 하락을 피할 순 없지만, 일반적으로 사용하는 사무용 프로그램의 경우 대부분 실사용에 큰 문제가 없는 성능을 기대할 수 있습니다. WoA의 달라진 인기 덕분에 퀄컴은 스냅드래곤 X2 엘리트 같은 고성능 칩셋을 선보이며 인텔, AMD의 틈바구니 속에서 나름 입지를 확보하고 있습니다. WoA의 등장과 퀄컴의 성공은 엔비디아를 자극하기에 충분했습니다. 엔비디아는 미디어텍과 손잡고 올해 N1과 N1X라는 고성능 SoC를 내놓을 것으로 알려져 있습니다. 물론 공식 발표가 아니고 일부 언론 보도에 의한 것으로 자세한 스펙과 가격은 공개되지 않았지만, 현재까지 이야기를 종합하면 노트북 시장을 겨냥한 제품으로 퀄컴의 스냅드래곤 X2 엘리트는 물론이고 인텔 팬서 레이크, AMD의 라이젠 AI 모바일 같은 최신 노트북 CPU와 경쟁할 것으로 보입니다. 엔비디아에게 PC는 단순한 소비자 제품이 아니라, CUDA 생태계를 확장하는 단말에 가깝다는 점에서 전략적 의미가 큽니다. 대만 미디어텍과 엔비디아는 이미 AI 미니 컴퓨터인 DGX 스파크에서 협업해 GB 10 프로세서를 만든 적이 있습니다. 하이브리드 20코어 ARM v9.2 아키텍처 CPU와 6,144개 CUDA 코어를 지닌 블랙웰 GPU를 결합해 FP32 (단정밀도)에서 약 31 TFLOPS (RTX 5070과 유사) 성능과 AI 연산 (FP4)에서 최대 1000 TOPS (1 PetaFLOP)의 성능을 낼 수 있습니다. 아마 N1/N1X는 GB 10 기반으로 예상됩니다. 다만 DGX 스파크에 들어가는 GB 10은 TDP 140W로 너무 발열량이 많고 칩 자체가 비싸기 때문에 소비자용 노트북 시장을 노리는 N1이나 N1X는 클럭을 낮추거나 코어를 줄여 노트북에 맞출 것으로 추정됩니다. 그럼에도 이미 나와 있는 퀄컴의 WoA 제품이나 인텔/AMD 노트북 프로세서와 차별점을 두기 위해 이들보다 강력한 GPU/AI 성능을 목표로 할 것으로 보입니다. 예상되는 시장 목표는 고성능 AI 작업 및 게임용 노트북이 가장 가능성 높습니다. 다만 게임의 경우 프리즘 에뮬레이터가 아니라 ARM 네이티브 환경에서 게임이 구동될 수 있도록 할 수 있느냐가 핵심이 될 것으로 보입니다. 게임은 에뮬레이터를 거치면 성능이 크게 줄어들기 때문에 최근 내장 그래픽 성능을 대폭 강화한 인텔이나 AMD를 이기기 쉽지 않습니다. 엔비디아가 게임 업계에 미치는 영향력은 매우 크지만, 아직 시장 규모가 작을 수밖에 없는 WoA 시장에 게임 제조사들이 얼마나 뛰어들지는 아직 미지수입니다. AI 연산 부분은 생태계 자체가 쿠다 (CUDA) 중심이기 때문에 엔비디아에 매우 유리한 시장이 될 것입니다. 이미 윈도우, 리눅스, 맥 등 다양한 OS로 AI 제작 및 개발 도구들이 나와 있어 WoA라고 안될 게 없습니다. DGX 스파크도 나름 수요가 있는 점을 생각하면 AI 작업용 노트북 역시 수요가 있을 것이고 사실 이 목적으로는 꽤 비싼 가격에도 팔리는 만큼 엔비디아가 가장 기대할 수 있는 시장입니다. 루머에 따르면 이 제품들은 올해 상반기 출시를 목표로 하고 있습니다. 만약 사실이라면, 가장 이른 공개 시점으로는 3월에 열릴 GTC 2026이 거론됩니다. 아직까지는 루머만 무성한 가운데, 실제 이 제품이 PC 시장에 격변을 몰고 올 태풍이 눈이 될지 아니면 찻잔 속의 태풍이 될지 결과가 주목됩니다.

권토중래(捲土重來)란 ‘흙먼지를 일으키며 다시 쳐들어옴’을 뜻하며, 한 번 실패했으나 힘을 회복해 다시 도전하는 것을 이르는 사자성어입니다. 항우가 크게 패한 후 강동으로 도망쳐 재기하라는 측근의 권유를 뿌리치고 마지막까지 싸우다 최후를 맞이한 것을 아쉽게 생각하며 지은 시에서 비롯된 단어로 보통은 실패에도 다시 도전하는 경우를 이야기합니다. IT 업계에서도 권토중래의 사례는 흔히 볼 수 있습니다. 쟁쟁한 대기업들도 새로 진출한 사업에서 실패했다가 다시 도전해 성과를 거두는 경우가 흔하기 때문입니다. 예를 들어 x86 생태계에만 머무르지 않고 ARM 생태계에 도전한 마이크로소프트의 윈도우가 그런 사례입니다. 마이크로소프트는 2012년 x86에만 국한된 윈도우 생태계를 확장하려는 의도에서 서피스 RT를 출시했습니다. 서피스 RT는 안드로이드나 iOS처럼 ARM에서 돌아가는 윈도우로 당시 엔비디아의 테그라 3 SoC가 탑재됐습니다. 그러나 결론적으로 말해 서피스 RT는 처참한 실패로 끝나 엄청난 할인 판매로 재고를 처분하고 사업을 접어야 했습니다. 테그라 3는 당시 기준으로 성능이 그렇게 낮은 건 아니었지만, ARM 버전 윈도우에서 돌아가는 애플리케이션이 거의 없다시피 했고 장점이던 게임 성능도 지원하는 게임이 없어 거의 활용할 수 없었습니다. 결국에는 엔비디아도 소비자용 스마트폰·태블릿 SoC 시장에서 단계적 철수할 수밖에 없었습니다. 하지만 ARM 하드웨어 성능이 크게 발전하자 상황이 달라졌습니다. 마이크로소프트는 스마트폰을 넘어 PC 사업까지 노리는 퀄컴과 손잡고 고성능 노트북용 스냅드래곤 SoC를 탑재한 서피스 제품군을 다시 출시했고 이번에는 어느 정도 성과를 거둘 수 있었습니다. 새로운 윈도우 11 WoA (Windows on Arm, Arm 프로세서에서 구동되는 윈도우 OS)은 윈도우 11 24H2에 포함된 새로운 에뮬레이터인 프리즘 (Prism) 출시 이후 호환성도 크게 개선됐습니다. 프리즘은 x86(Intel/AMD) 코드를 ARM64 코드로 실시간 변환해 x86 윈도우 프로그램을 ARM 환경에서도 거의 비슷하게 체감할 수 있도록 해주는 에뮬레이션 프로그램입니다. 물론 게임의 경우 상당한 폭의 성능 하락을 피할 순 없지만, 일반적으로 사용하는 사무용 프로그램의 경우 대부분 실사용에 큰 문제가 없는 성능을 기대할 수 있습니다. WoA의 달라진 인기 덕분에 퀄컴은 스냅드래곤 X2 엘리트 같은 고성능 칩셋을 선보이며 인텔, AMD의 틈바구니 속에서 나름 입지를 확보하고 있습니다. WoA의 등장과 퀄컴의 성공은 엔비디아를 자극하기에 충분했습니다. 엔비디아는 미디어텍과 손잡고 올해 N1과 N1X라는 고성능 SoC를 내놓을 것으로 알려져 있습니다. 물론 공식 발표가 아니고 일부 언론 보도에 의한 것으로 자세한 스펙과 가격은 공개되지 않았지만, 현재까지 이야기를 종합하면 노트북 시장을 겨냥한 제품으로 퀄컴의 스냅드래곤 X2 엘리트는 물론이고 인텔 팬서 레이크, AMD의 라이젠 AI 모바일 같은 최신 노트북 CPU와 경쟁할 것으로 보입니다. 엔비디아에게 PC는 단순한 소비자 제품이 아니라, CUDA 생태계를 확장하는 단말에 가깝다는 점에서 전략적 의미가 큽니다. 대만 미디어텍과 엔비디아는 이미 AI 미니 컴퓨터인 DGX 스파크에서 협업해 GB 10 프로세서를 만든 적이 있습니다. 하이브리드 20코어 ARM v9.2 아키텍처 CPU와 6,144개 CUDA 코어를 지닌 블랙웰 GPU를 결합해 FP32 (단정밀도)에서 약 31 TFLOPS (RTX 5070과 유사) 성능과 AI 연산 (FP4)에서 최대 1000 TOPS (1 PetaFLOP)의 성능을 낼 수 있습니다. 아마 N1/N1X는 GB 10 기반으로 예상됩니다. 다만 DGX 스파크에 들어가는 GB 10은 TDP 140W로 너무 발열량이 많고 칩 자체가 비싸기 때문에 소비자용 노트북 시장을 노리는 N1이나 N1X는 클럭을 낮추거나 코어를 줄여 노트북에 맞출 것으로 추정됩니다. 그럼에도 이미 나와 있는 퀄컴의 WoA 제품이나 인텔/AMD 노트북 프로세서와 차별점을 두기 위해 이들보다 강력한 GPU/AI 성능을 목표로 할 것으로 보입니다. 예상되는 시장 목표는 고성능 AI 작업 및 게임용 노트북이 가장 가능성 높습니다. 다만 게임의 경우 프리즘 에뮬레이터가 아니라 ARM 네이티브 환경에서 게임이 구동될 수 있도록 할 수 있느냐가 핵심이 될 것으로 보입니다. 게임은 에뮬레이터를 거치면 성능이 크게 줄어들기 때문에 최근 내장 그래픽 성능을 대폭 강화한 인텔이나 AMD를 이기기 쉽지 않습니다. 엔비디아가 게임 업계에 미치는 영향력은 매우 크지만, 아직 시장 규모가 작을 수밖에 없는 WoA 시장에 게임 제조사들이 얼마나 뛰어들지는 아직 미지수입니다. AI 연산 부분은 생태계 자체가 쿠다 (CUDA) 중심이기 때문에 엔비디아에 매우 유리한 시장이 될 것입니다. 이미 윈도우, 리눅스, 맥 등 다양한 OS로 AI 제작 및 개발 도구들이 나와 있어 WoA라고 안될 게 없습니다. DGX 스파크도 나름 수요가 있는 점을 생각하면 AI 작업용 노트북 역시 수요가 있을 것이고 사실 이 목적으로는 꽤 비싼 가격에도 팔리는 만큼 엔비디아가 가장 기대할 수 있는 시장입니다. 루머에 따르면 이 제품들은 올해 상반기 출시를 목표로 하고 있습니다. 만약 사실이라면, 가장 이른 공개 시점으로는 3월에 열릴 GTC 2026이 거론됩니다. 아직까지는 루머만 무성한 가운데, 실제 이 제품이 PC 시장에 격변을 몰고 올 태풍이 눈이 될지 아니면 찻잔 속의 태풍이 될지 결과가 주목됩니다.

지난 3분기, 엔비디아는 570억 달러의 매출과 함께 무려 73.4%에 달하는 매출 총이익률(gross margin)을 발표했습니다. 그만큼 GPU 하나 팔아서 남기는 게 많다는 이야기로 영업 이익은 매출의 절반이 넘는 360억 달러에 달했습니다. 사실상 원가에 몇 배에 달하는 폭리를 취하면서 매출보다 이익이 더 가파르게 증가한 것입니다. 하지만 이렇게 파는데도 데이터 센터 GPU는 다 팔려 나가 물량 구하기가 쉽지 않다는 게 젠슨 황 CEO의 설명입니다. 그런데도 AI 버블 논란은 여전히 가라앉지 않고 있습니다. AI를 통해 인력을 감축하고 비용을 절감하는 기업들은 늘고 있지만, 정작 막대한 비용이 들어가는 AI 서비스 자체는 그에 걸맞은 수익을 창출하지 못하고 있기 때문입니다. 예를 들어, ChatGPT를 서비스하는 오픈 AI는 재무제표를 공개하지는 않지만, 창립 이래 계속해서 적자를 기록하고 있는 것으로 알려져 있습니다. 따라서 최근에는 막대한 투자 비용을 감당하기 위해 대규모 자금 조달에 나서는 한편 광고와 같은 다른 수익 창출 방법도 모색하고 있습니다. 물론 오픈 AI와 경쟁하는 다른 AI 서비스들 역시 상황은 크게 다르지 않습니다. AI가 미래의 성장 동력이라는 점을 의심하는 이는 없지만, 갈수록 치솟는 GPU, 메모리, 스토리지, 그리고 막대한 전기 사용료 등을 고려하면 기업들이 적자를 감수하고 무작정 투자를 계속할 수는 없습니다. 결국, 어느 시점에는 자금력과 기술력이 뒤처지는 회사는 시장에서 도태되고, 비용 절감과 수익 모델 창출에 성공한 기업만이 살아남게 될 것입니다. 이에 따라 구글이나 아마존 같은 빅테크들은 자체 AI 칩(ASIC)에 막대한 투자를 단행하며 엔비디아 GPU보다 저렴한 대안을 모색하고 있습니다. 그런 의미에서 최근 구글이 공개한 7세대 TPU인 아이언우드(Ironwood)는 시장에 큰 충격을 던져주었습니다. TPU(Tensor Processing Unit)는 애플리케이션 특정 통합 회로(ASIC)의 일종으로, 신경망의 행렬 곱셈과 같은 연산을 효율적으로 처리하기 위한 특수 목적 프로세서입니다. CPU가 가장 일반적인 용도의 프로세서라고 한다면 GPU는 그래픽 연산에 필요한 병렬 연산에 최적화된 프로세서라고 할 수 있습니다. 엔비디아는 GPU에 고성능 컴퓨팅에 필요한 좀 더 범용 연산 능력을 부여해 일반 목적 GPU(GPGPU)라고 명명했습니다. 그리고 여기에 사용되는 언어인 쿠다(CUDA)를 개발했습니다. GPU의 GPGPU 성능이 가장 큰 힘을 발휘한 분야가 바로 AI였습니다. 딥러닝 모델 학습과 같이 대규모 데이터를 병렬로 처리해야 하는 작업이 GPGPU에 적합했기 때문입니다. 결국 최근에 나오는 GPU는 AI 성능을 담당하는 부분이 더 커지면서 핵심 기능으로 자리 잡고 있습니다. 구글의 TPU는 GPU보다 더 좁은 범위의 연산만 수행하는 특수 프로세서로 CPU – GPU – TPU의 순으로 점점 더 할 수 있는 기능은 좁아진다고 할 수 있습니다. 다만 반대로 에너지 효율은 더 높아질 수 있습니다. 사실 3D 그래픽도 CPU만 가지고 처리할 수 있습니다. 하지만 처리 속도가 너무 느리고 기능이 제한적이라 3D 가속기라는 별도의 보조 프로세서가 나오게 되었고 그것이 나중에 GPU로 발전한 것입니다. TPU도 그런 연장선상에서 보면 엔비디아의 GPU에 상당히 위협적인 존재가 될 수 있습니다. 아이언우드 자체의 성능은 4,614 FP8 TFLOPS 정도로 B200 블랙웰 GPU의 4.5 PFLOPS와 비슷하지만, GPU보다 구조가 단순할 가능성이 높아 생산비나 제작 단가가 저렴할 수 있습니다. 최근 제미나이 3의 놀라운 성능을 보면 그렇다고 기능이 부족한 것도 아닌 것으로 보여 적지 않은 충격을 주고 있습니다. 여기에 아마존의 AWS 역시 3세대 AI ASIC 칩인 트레이니움3(Trainium3)을 공개하면서 도전장을 내밀고 있습니다. 트레이니움3 칩 하나는 PF8 기준 2.52 PFLOPs의 연산 능력을 지니고 있으며 144GB의 HBM3e 메모리와 4.9TB/s의 대역폭을 지니고 있습니다. 그리고 144개의 칩이 모인 Trn3 UltraServers는 총 362 FP8 PFLOPs의 연산 능력을 확보해 100만 토큰 이상의 AI 서비스를 감당할 수 있습니다. 칩 하나의 성능만 보면 엔비디아의 B200 GPU보다 낮지만, 역시 GPU보다 단순한 구조로 전체 비용은 더 낮을 가능성이 있습니다. 다만 아직은 AI 생태계에서 엔비디아의 입지가 지배적인 만큼 아마존은 트레이니움4에서는 엔비디아의 고속 인터페이스인 NVLink를 지원해 트레이니움4와 엔비디아 GPU를 같이 쓸 수 있게 한다는 계획입니다. 만약 이런 빅테크들의 맞춤형 ASIC 칩들이 비용 효과적인 대안을 제시할 경우 엔비디아에 대한 의존도는 낮아질 수 있습니다. 그러면 지금처럼 높은 가격에도 없어서 못 파는 상황은 지속되지 않을 가능성이 있습니다. 물론 엔비디아를 왕좌에서 그렇게 쉽게 끌어내리진 못할 것이라는 의견도 있습니다. 엔비디아가 AI 왕좌를 지킬 수 있는 가장 강력한 무기는 단순한 하드웨어 성능이 아닌, CUDA(쿠다)라는 소프트웨어 생태계에 있습니다. 2006년부터 구축된 CUDA 플랫폼은 수많은 AI 개발자들에게 압도적인 편의성과 최적화된 도구를 제공해 왔습니다. 이처럼 개발자들이 이미 CUDA 환경에 깊이 익숙해져 있다는 점은 다른 칩으로 전환하는 데 막대한 전환 비용을 발생시킵니다. 따라서 구글, 아마존 같은 빅테크들의 자체 ASIC이 고성능과 저비용을 달성하더라도, 이 CUDA 생태계의 장벽을 어떻게 뛰어넘을 것인가는 여전히 가장 큰 숙제로 남아 있습니다. 여기에 엔비디아 역시 경쟁자들처럼 차세대 칩을 준비하고 있습니다. 차세대 루빈 GPU는 FP4 기준 50 PFLOPS의 연산 능력을 지니고 있으며 이를 이용한 렉 시스템인 베라 루빈 NVL 144는 3.6EFLOPS라는 슈퍼컴퓨터급 연산 능력을 지니고 있습니다. 엔비디아는 루빈 GPU의 양산을 서두르는 한편 다음 세대 제품에서 성능을 더 높여 경쟁자들의 추격을 따돌리기 위해 고군분투할 것으로 보입니다. 과연 빅테크들의 거센 도전에서 엔비디아가 왕좌를 지킬 수 있을지 주목됩니다.

지난 3분기, 엔비디아는 570억 달러의 매출과 함께 무려 73.4%에 달하는 매출 총이익률(gross margin)을 발표했습니다. 그만큼 GPU 하나 팔아서 남기는 게 많다는 이야기로 영업 이익은 매출의 절반이 넘는 360억 달러에 달했습니다. 사실상 원가에 몇 배에 달하는 폭리를 취하면서 매출보다 이익이 더 가파르게 증가한 것입니다. 하지만 이렇게 파는데도 데이터 센터 GPU는 다 팔려 나가 물량 구하기가 쉽지 않다는 게 젠슨 황 CEO의 설명입니다. 그런데도 AI 버블 논란은 여전히 가라앉지 않고 있습니다. AI를 통해 인력을 감축하고 비용을 절감하는 기업들은 늘고 있지만, 정작 막대한 비용이 들어가는 AI 서비스 자체는 그에 걸맞은 수익을 창출하지 못하고 있기 때문입니다. 예를 들어, ChatGPT를 서비스하는 오픈 AI는 재무제표를 공개하지는 않지만, 창립 이래 계속해서 적자를 기록하고 있는 것으로 알려져 있습니다. 따라서 최근에는 막대한 투자 비용을 감당하기 위해 대규모 자금 조달에 나서는 한편 광고와 같은 다른 수익 창출 방법도 모색하고 있습니다. 물론 오픈 AI와 경쟁하는 다른 AI 서비스들 역시 상황은 크게 다르지 않습니다. AI가 미래의 성장 동력이라는 점을 의심하는 이는 없지만, 갈수록 치솟는 GPU, 메모리, 스토리지, 그리고 막대한 전기 사용료 등을 고려하면 기업들이 적자를 감수하고 무작정 투자를 계속할 수는 없습니다. 결국, 어느 시점에는 자금력과 기술력이 뒤처지는 회사는 시장에서 도태되고, 비용 절감과 수익 모델 창출에 성공한 기업만이 살아남게 될 것입니다. 이에 따라 구글이나 아마존 같은 빅테크들은 자체 AI 칩(ASIC)에 막대한 투자를 단행하며 엔비디아 GPU보다 저렴한 대안을 모색하고 있습니다. 그런 의미에서 최근 구글이 공개한 7세대 TPU인 아이언우드(Ironwood)는 시장에 큰 충격을 던져주었습니다. TPU(Tensor Processing Unit)는 애플리케이션 특정 통합 회로(ASIC)의 일종으로, 신경망의 행렬 곱셈과 같은 연산을 효율적으로 처리하기 위한 특수 목적 프로세서입니다. CPU가 가장 일반적인 용도의 프로세서라고 한다면 GPU는 그래픽 연산에 필요한 병렬 연산에 최적화된 프로세서라고 할 수 있습니다. 엔비디아는 GPU에 고성능 컴퓨팅에 필요한 좀 더 범용 연산 능력을 부여해 일반 목적 GPU(GPGPU)라고 명명했습니다. 그리고 여기에 사용되는 언어인 쿠다(CUDA)를 개발했습니다. GPU의 GPGPU 성능이 가장 큰 힘을 발휘한 분야가 바로 AI였습니다. 딥러닝 모델 학습과 같이 대규모 데이터를 병렬로 처리해야 하는 작업이 GPGPU에 적합했기 때문입니다. 결국 최근에 나오는 GPU는 AI 성능을 담당하는 부분이 더 커지면서 핵심 기능으로 자리 잡고 있습니다. 구글의 TPU는 GPU보다 더 좁은 범위의 연산만 수행하는 특수 프로세서로 CPU – GPU – TPU의 순으로 점점 더 할 수 있는 기능은 좁아진다고 할 수 있습니다. 다만 반대로 에너지 효율은 더 높아질 수 있습니다. 사실 3D 그래픽도 CPU만 가지고 처리할 수 있습니다. 하지만 처리 속도가 너무 느리고 기능이 제한적이라 3D 가속기라는 별도의 보조 프로세서가 나오게 되었고 그것이 나중에 GPU로 발전한 것입니다. TPU도 그런 연장선상에서 보면 엔비디아의 GPU에 상당히 위협적인 존재가 될 수 있습니다. 아이언우드 자체의 성능은 4,614 FP8 TFLOPS 정도로 B200 블랙웰 GPU의 4.5 PFLOPS와 비슷하지만, GPU보다 구조가 단순할 가능성이 높아 생산비나 제작 단가가 저렴할 수 있습니다. 최근 제미나이 3의 놀라운 성능을 보면 그렇다고 기능이 부족한 것도 아닌 것으로 보여 적지 않은 충격을 주고 있습니다. 여기에 아마존의 AWS 역시 3세대 AI ASIC 칩인 트레이니움3(Trainium3)을 공개하면서 도전장을 내밀고 있습니다. 트레이니움3 칩 하나는 PF8 기준 2.52 PFLOPs의 연산 능력을 지니고 있으며 144GB의 HBM3e 메모리와 4.9TB/s의 대역폭을 지니고 있습니다. 그리고 144개의 칩이 모인 Trn3 UltraServers는 총 362 FP8 PFLOPs의 연산 능력을 확보해 100만 토큰 이상의 AI 서비스를 감당할 수 있습니다. 칩 하나의 성능만 보면 엔비디아의 B200 GPU보다 낮지만, 역시 GPU보다 단순한 구조로 전체 비용은 더 낮을 가능성이 있습니다. 다만 아직은 AI 생태계에서 엔비디아의 입지가 지배적인 만큼 아마존은 트레이니움4에서는 엔비디아의 고속 인터페이스인 NVLink를 지원해 트레이니움4와 엔비디아 GPU를 같이 쓸 수 있게 한다는 계획입니다. 만약 이런 빅테크들의 맞춤형 ASIC 칩들이 비용 효과적인 대안을 제시할 경우 엔비디아에 대한 의존도는 낮아질 수 있습니다. 그러면 지금처럼 높은 가격에도 없어서 못 파는 상황은 지속되지 않을 가능성이 있습니다. 물론 엔비디아를 왕좌에서 그렇게 쉽게 끌어내리진 못할 것이라는 의견도 있습니다. 엔비디아가 AI 왕좌를 지킬 수 있는 가장 강력한 무기는 단순한 하드웨어 성능이 아닌, CUDA(쿠다)라는 소프트웨어 생태계에 있습니다. 2006년부터 구축된 CUDA 플랫폼은 수많은 AI 개발자들에게 압도적인 편의성과 최적화된 도구를 제공해 왔습니다. 이처럼 개발자들이 이미 CUDA 환경에 깊이 익숙해져 있다는 점은 다른 칩으로 전환하는 데 막대한 전환 비용을 발생시킵니다. 따라서 구글, 아마존 같은 빅테크들의 자체 ASIC이 고성능과 저비용을 달성하더라도, 이 CUDA 생태계의 장벽을 어떻게 뛰어넘을 것인가는 여전히 가장 큰 숙제로 남아 있습니다. 여기에 엔비디아 역시 경쟁자들처럼 차세대 칩을 준비하고 있습니다. 차세대 루빈 GPU는 FP4 기준 50 PFLOPS의 연산 능력을 지니고 있으며 이를 이용한 렉 시스템인 베라 루빈 NVL 144는 3.6EFLOPS라는 슈퍼컴퓨터급 연산 능력을 지니고 있습니다. 엔비디아는 루빈 GPU의 양산을 서두르는 한편 다음 세대 제품에서 성능을 더 높여 경쟁자들의 추격을 따돌리기 위해 고군분투할 것으로 보입니다. 과연 빅테크들의 거센 도전에서 엔비디아가 왕좌를 지킬 수 있을지 주목됩니다.

유상임 과학기술정보통신부 장관이 “중국 기업 화웨이의 기술력와 성장 속도에 놀라움과 경각심을 동시에 느꼈다”면서 “한국이 경쟁력을 유지하기 위해선 민관 협력을 강화하는 한편, 자산을 총동원해야 한다”고 말했다. 그러면서 “앞으로 5년간 선택과 집중을 하지 않으면 생존 자체가 어려워질 것”이라고 경고했다. 스페인 바르셀로나에서 열린 세계 최대 정보통신기술박람회 ‘모바일 월드 콩그레스’(MWC) 폐막을 하루 앞둔 지난 5일(현지시간) 유 장관은 한국전자통신연구원(ETRI)에서 기자 간담회를 열어 올해 MWC 참관 소회를 밝혔다. 유 장관은 서두에서부터 화웨이 부스 관람 후기를 전했는데, 한마디로 “머리가 아팠다”고 토로했다. 유 장관의 고민이 깊어진 이유는 화웨이가 이번 전시를 통해 소재, 반도체, 네트워크, 인공지능(AI), 운영체제(OS)에 이르기 까지 거의 전 분야에서 독자적으로 성장해 가고 있음을 보여줬기 때문이다. 유 장과은 “(우리가) 정신을 차리지 않으면 (기술 경쟁에서 이기기) 쉽지 않을 것”이라고 거듭 강조했다. 최근 몇 년 간 MWC에서 최대 규모의 전시관을 꾸리고 있는 화웨이는 올해 ‘지능형 세상의 가속화’를 주제로 5G 네트워크 인프라, 인공지능(AI) 기반 네크워크, AI 데이터센터, AI 기반 통신·서비스 등을 선보였다. 실시간으로 기존 2D 영상을 3D 영상으로 변환해주는 ‘AI AP’(애플리케이션 프로세서)와 더불어 사진만 찍으면 AI가 즉석에서 영화 속 주인공으로 만들어 재생해주는 ‘슈퍼스타 미’로 이목을 집중시켰다. 나아가 5G 통신을 통해 원격에서 차량을 제어하는 시스템을 시연하는가 하면, AI 로봇에 5G 네트워크를 탑재해 실시간으로 AI 분석와 응답을 가능하게 하는 기술도 보여줬다. 서울대 재료공학부 교수를 역임한 유 장관은 수많은 화웨이의 전시물 중 5G 네트워크를 가능하게 하는 5G 안테나 기술이 가장 인상깊었다고 했다. 유 장관은 “기존에 굉장히 크고 무겁던 5G 안테나의 크기가 프린터기 수준으로 작아졌는데 성능은 오히려 향상됐다”면서 “이러한 소재 혁신이 가능하다는 점에 크게 놀랐다”고 말했다. 그러면서 높은 주파수를 사용해 장애물 회피가 어려운 5G 안테나에 신호를 분산·굴절 시켜 장애물을 피할 수 있는 기술(MIMO)을 적용한 점도 놀라웠다고 했다. 화웨이가 미국의 제재 속에서도 독립적인 생태계를 만들어 나가고 있는 점은 특히 우려할만하다고 봤다. 유 장관은 “(화웨이는) 미국의 기술 없이 자체 그래픽 처리 장치(GPU)를 생산하고, 독자적인 OS를 운영하고 있다”면서 “마치 (엔비디아의 개발 플랫폼) 쿠다(CUDA) 같이 연결된 생태계를 만들어가고 있다”고 했다. 화웨이는 자체 AI 가속기인 어센드(Ascend) 시리즈와 독자적인 OS인 하모니OS를 개발해 사용하고 있다. 어센드 칩 전용 소프트웨어 플랫폼인 캔(CANN)도 사용중이다. 유 장관은 “화웨이는 20만명은 직원 중 12만명이 연구 인력이라는 점에서 기업이 아니라 하나의 연구소”라면서 “국가적 차원에서 연구개발(R&D)에 막대한 투자를 하고 있는 중국을 따라잡으려면 인재 유출을 막고, 연구 개발 환경을 개선하는 전략이 필요한 상황”이라고 했다.

에릭 슈미트 구글 전 최고경영자(CEO)가 “엔비디아가 인공지능(AI) 최대 수혜자가 될 것”이라고 말했다.15일(현지시간) 미 CNBC 등에 따르면 슈미트 전 회장은 최근 스탠퍼드 대학교에서 열린 강연에서 “거대 기술기업들이 엔비디아 칩 기반 AI 데이터센터에 점점 더 많은 투자를 계획하고 있다”며 이같이 전망했다. 그는 빅테크 기업들이 AI 데이터센터를 건설하는 데 최대 3000억 달러(약 408조원)가 들어갈 것이라고 내다봤다. 그는 “이 같은 지출의 상당수가 AI 전용칩을 만드는 엔비디아로 흘러 들어갈 것”이라며 “만약 3000억 달러가 모두 엔비디아에 투자된다면 주식 시장에서 무엇을 해야 할지 여러분들이 더 잘 알 것”이라고 말했다. 그러면서 “(이런 발언이) 주식 종목을 추천하는 건 아니다”고 말했다. 엔비디아가 AI 시장에서 유일한 승자가 되지는 않겠지만, 다른 선택지는 많지 않다고도 했다. “선도적인 모델과 다른 모델들 간 격차는 점점 더 벌어지고 있다”는 이유에서인데, 특히 AI 개발자들이 사용하는 많은 오픈 소스 도구들이 엔비디아의 쿠다(CUDA) 프로그래밍 언어를 기반으로 하기 때문에 경쟁사들이 엔비디아를 따라잡기 어려울 것이라고 전망했다. 구글의 경우 엔비디아 프로세서와 경쟁할 수 있는 TPU(Tensor Processing Unit)라는 칩을 개발했지만 아직 초기 단계에 불과하다는 설명이다. 슈미트는 2001년부터 2011년까지 구글의 CEO였으며 이후에도 2019년까지 이사회에 있었다. 이날 슈미트 전 회장의 강연 내용은 스탠퍼드대학교가 이번 주에 게시한 동영상에 포함돼 있지만 금방 삭제됐다. 한편 모건스탠리 투자운용의 주식 포트폴리오 수석 매니저인 앤드류 슬림몬은 올해 말 스탠더드앤드푸어스(S&P)500 지수가 6000에 근접할 것으로 내다보면서 아마존, TSMC, 노보노디스크와 함게 엔비디아를 추전 종목으로 선정했다. 엔비디아는 이날 뉴욕 증시에서 4.05% 오른 122.860달러에 마감했으며, 오는 28일 2025 회계연도 2분기 실적을 발표할 예정이다.

올해 초 투자했다면 120%, 지난해 초 투자했다면 1년간 210%의 수익을 거둘 수 있었던 종목이 있다. 국내 온라인 커뮤니티에는 5년 이상 투자했다며 2000%에 가까운 수익률을 자랑하는 인증 사진이 등장한다. 심지어 지난 주말 온라인 주식 커뮤니티에선 10년간 한 종목에 투자해 1만 7000%의 수익률을 거둔 한 일본인 개미 투자자 이야기가 화제가 됐다. 그는 결과적으로 27억원이 넘는 이익을 거뒀다. 비트코인 이야기가 아니다. 인공지능(AI) 열풍의 중심에서 어느덧 공룡기업이 돼 버린 ‘엔비디아’ 이야기다. 요즘 엔비디아는 존재 자체가 뉴스다. 주가가 떨어져도 올라도 기사가 된다. 2022년 10월 기준 100달러 초반이었던 엔비디아의 주가는 최근 1100달러 선까지 올라왔다. 시가총액은 2조 달러(약 2656조원)를 훌쩍 넘어서며 글로벌 시가총액 2위인 애플 자리를 넘보고 있다. 괴물 같은 성장은 그래픽처리장치(GPU·Graphics Processing Unit)가 이끌었다고 해도 과언이 아니다. 엔비디아는 전 세계 GPU 시장에서 점유율 90% 이상을 차지하며 독주 체제를 굳건히 하고 있다최소 6개월 줄 서야 구매 “지금 (엔비디아의) GPU는 마약보다 구하기 어렵다.” 다소 과격한 듯한 일론 머스크 테슬라 최고경영자(CEO)의 말은 팩트다. 엔비디아가 만드는 GPU는 AI 연구개발의 필수재다. 말 그대로 없어서 못 산다. 주력 AI 칩인 H100은 개당 가격이 3만 달러(약 4000만원)에 달하지만 굴지의 테크 기업들도 이 칩을 받으려면 최소 6개월은 기다려야 한다. AI 모델 개발의 3대 요소는 ▲컴퓨팅 파워 ▲빅데이터 ▲모델링(알고리즘)이다. 엔비디아의 역량이 빛을 발하는 지점은 컴퓨팅 파워다. 컴퓨터 성능이라고 할 수 있는 컴퓨팅 파워는 컴퓨터의 연산 처리 능력을 뜻한다. 오픈AI의 ‘챗GPT’ 공개 이후 AI 기술에 대한 업계의 관심이 폭발했고 자연스레 컴퓨팅 기술에 대한 수요가 크게 늘었다. 이들의 수요는 고스란히 해당 분야에 강점을 지닌 엔비디아의 매출로 이어졌다. 엔비디아가 강력한 연산 능력을 갖춘 GPU를 생산할 수 있었던 건 애초에 게임용으로 설계됐기 때문이다. 속도보다는 정확성을 중시하는 중앙처리장치(CPU)와 달리 그래픽 처리를 목적으로 만들어진 GPU는 연산을 동시다발적(병렬식)으로 처리할 수 있다. CPU가 복잡한 연산을 빠르게 처리한다면 GPU는 단순한 여러 데이터를 빠르게 처리한다고 볼 수 있다. AI 개발에는 많은 양의 연산 작업이 필요하기 때문에 단순 연산을 다중 처리하는 GPU가 효과적이다. 엔비디아는 게이밍 그래픽카드 지포스(GeForce) 시리즈로 오랜 기간 게임업계의 최강자로 군림했다. 왕좌를 지키기 위해 실감 나는 3D 그래픽 전달의 필수 능력 중 하나인 연산 처리 능력을 키우는 데 주력한 덕분에 지금과 같이 최고 수준의 GPU 개발 능력을 보유하게 됐다는 것이 업계 중론이다. 엔비디아의 이 같은 전략은 AI 부흥과 함께 맞아 들어가기 시작했다. 박영준 서울대 전기정보공학부 명예교수는 “인공지능을 활용하려면 수많은 연산을 동시에 실시해야 하는데, 이런 방식으로 결과값을 얻으려면 최소 수개월에서 길게는 1년 이상 시간이 필요하다”며 “엔비디아는 AI 계산 방식에 GPU를 적용해 연산 소요 시간을 2~3일로 줄여 냈다”고 설명했다.AI칩 넘어선 비장의 무기 이후 엔비디아는 AI 맞춤형 반도체 제작에 주력하기 시작한다. 실제로 지난해까지 최근 10년 동안 엔비디아 칩의 데이터 처리 속도는 1000배 가까이 향상됐다. 엔비디아는 AI 딥러닝을 위해 CPU의 ‘다재다능함’에 GPU의 연산 처리 능력을 덧붙인 ‘GPU의 범용 연산’(GPGPU)을 개발했다. 김명주 서울여대 정보보호학과 교수는 “CPU의 기능도 일부 병행할 수 있는 GPGPU가 개발되면서 인텔을 제치고 엔비디아의 본격적인 독주 체제가 만들어졌다”고 전했다. 엔비디아는 한 손에 ‘하드웨어 무기’ GPGPU를, 다른 한 손에 ‘소프트웨어 무기’에 해당하는 ‘CUDA’(쿠다)를 들고 본격적인 점유율 확대에 나섰다. AI와 관련한 여러 애플리케이션에서 GPU가 더 효율적으로 활용될 수 있는 소프트웨어 생태계를 만들겠다는 생각이다. 쿠다는 개발자들이 일반적으로 사용하는 프로그래밍 언어 C·C++·파이선 등을 GPU코드로 변환해 준다. GPU를 활용하기 위해 개발자들이 GPU 코드를 따로 배워야 하는 수고를 덜어 준 것이다. 이 같은 소프트웨어 생태계 조성에 힘입어 지금도 대부분의 AI 모델은 쿠다를 기반으로 개발되고 있다. 쿠다를 이용하는 개발자 수는 2020년 180만명에서 2023년 450만명으로 2배 넘게 늘었다. 사실상 엔비디아가 AI 생태계를 장악할 수 있는 원동력이 된 셈이다. 김 교수는 “다른 반도체 기업들도 노력 중이지만 새로운 헤게모니(주도권)을 구축하거나 극적으로 상황이 반전되지 않는 이상 독과점 체제는 이어질 것”이라고 밝혔다.엔비디아 질주 언제까지 최근 투자자들 사이에선 “엔비디아에 조금이라도 더 일찍 투자한 이들이 곧 승자”라는 말이 나온다. 부러움을 뜻하는 라틴어 ‘인비디아’(Invidia)에서 유래한 엔비디아라는 이름이 딱 들어맞는 대목이다. 엔비디아의 성장세는 여전히 가파르다. 2019년 최저 31달러를 찍었던 엔비디아는 1분기 실적 발표가 있었던 지난달 23일 사상 처음으로 1000달러를 돌파했다. 5년 만에 주가가 30배 이상 뛰어올랐다. 지난달 30일엔 장중 한때 1158달러까지 치솟기도 했다. 자연스레 국내 시장에 미치는 영향도 커지고 있다. 삼성전자를 중심으로 한 반도체 업계에 대한 의존도가 높았던 한국 경제가 또 한번 ‘반도체 공화국’의 면모를 확인하는 듯한 모습이다. 지난달 28일엔 최근 4년간 ‘서학개미’(해외 증시에 투자하는 개인투자자)의 주식 보유액 1위 자리를 굳건히 지켜 왔던 테슬라를 제치고 서학개미 최고 관심 종목으로 등극하기도 했다. 국내 증시 시총 1, 2위인 삼성전자와 SK하이닉스는 엔비디아 관련 소식에 웃었다 울었다를 반복 중이다. 국내 증시 엔비디아 최고 수혜주 중 하나로 꼽히는 SK하이닉스는 지난달 29일 장중 한때 20만 9000원을 터치하며 52주 만에 신고가를 경신했다. GPU에 방대한 데이터를 전달하는 데 필요한 고대역폭메모리(HBM3E) 독점적 공급이 주가 상승을 이끌었다. 반면 삼성전자는 지난달 24일 HBM이 엔비디아의 납품 테스트를 아직 통과하지 못했다는 소식이 전해지면서 전 거래일보다 3.07% 급락한 바 있다. 증권가는 엔비디아의 잠재력과 성장 가능성을 인정하면서도 조건 없는 맹신은 지양해야 한다고 입을 모은다. 가파른 상승을 이어 온 엔비디아의 단기 고점이 어느 수준에서 형성될 것인지 가늠하기 쉽지 않다는 이유에서다. 강대석 유안타증권 연구원은 “하반기에도 AI에 대한 관심은 강할 것으로 예상되지만 엔비디아의 실적이 점점 높아지는 눈높이에 언제까지 부응할 수 있을지는 지켜봐야 할 것”이라고 말했다. 미국 증시에서 엔비디아를 향한 쏠림 현상은 심화돼 있다. 올해 S&P500 시가총액은 총 4조 5000억 달러가 늘었는데 이 중 35%인 1조 6000억 달러를 엔비디아가 차지했다. 지난주 국내에서도 엔비디아는 테슬라를 제치고 국내 투자자들이 가장 많이 보유한 해외 주식 1위로 등극했다. 김석환 미래에셋증권 연구원은 “AI 열풍이 끊이지 않았는데도 지난해 8월과 10월 사이, 올해 4월 등 미국의 장기금리가 높아질 때마다 가격 조정을 받아 왔다. 최근 미국의 10년물 국채 등 금리 상승이 지속되면서 지나치게 쏠려 있는 엔비디아가 파급을 받을 우려가 커졌다”고 밝혔다.

엔비디아는 AI 시대에 가장 가치가 치솟은 기업입니다. 현재의 AI 기술 중 상당 부분이 이 회사가 만든 GPU에 의존하고 있기 때문입니다. 오래전부터 GPU의 병렬 연산을 위해 CUDA 코어와 소프트웨어를 공개했고 이를 AI 연산에 활용하는 생태계를 구축해 왔기 때문에 지금 와서 다른 회사의 하드웨어로 이를 대체하기 힘든 것이 현실입니다. 오랜 경쟁자인 AMD도 데이터 센터 GPU를 계속 공개하고 있고 인텔도 새로운 AI 시장 공략을 위해 GPU를 공개했지만, 시장을 먼저 선점한 엔비디아의 아성을 깨뜨리기는 쉽지 않습니다. 이런 상황에서 새로 공개한 블랙웰 GPU는 반도체 미세 공정의 한계를 극복하고 AI 연산 성능을 높여 누구도 따라잡기 쉽지 않은 경쟁력을 유지하려는 의도로 풀이됩니다. 블랙웰 GPU는 TSMC의 4nm 공정의 개량형인 4NP 공정으로 제조되었습니다. 3nm 공정을 적용하지 않은 이유는 확실치 않지만, 비용 및 공급 부족 등이 이유가 된 것으로 보입니다. 하지만 그런 만큼 트랜지스터 집적도를 전 세대인 호퍼 (Hopper)보다 더 높이기 힘든 상황입니다. 800억 개의 트랜지스터를 집적한 호퍼 H100 GPU는 4nm 공정에서 다이(die, 웨이퍼에서 잘라낸 반도체 칩) 면적이 814㎟에 달합니다. 이는 현재 반도체 제조 기술에서 이론적인 다이 크기의 한계치에 거의 근접한 것으로 더 크기를 늘리기 쉽지 않습니다. 따라서 블랙웰 B200은 두 개의 다이를 연결하는 방법으로 2080억 개의 트랜지스터를 집적했습니다. 이런 접근법은 최근 점점 일반적인 추세가 되고 있습니다. 공정 미세화의 한계에 부딪힌 반도체 제조사들은 하나의 큰 칩 대신 여러 개의 작은 칩인 칩렛을 연결해 거대한 크기의 프로세서를 만들고 있습니다. 인텔, AMD, 애플이 모두 이 방법을 사용했고 이번에는 엔비디아도 이 방식을 적용해 트랜지스터 집적도를 대폭 늘렸습니다. 블랙웰 B200은 AI 연산에서 전 세대인 H100과 비교해서 최대 5배인 20페타플롭스의 성능을 지니고 있습니다. 물론 칩을 두 개 붙인 점을 생각하면 실제 성능은 2.5배라고 할 수 있는데, 실은 FP 8 연산의 절반 정도의 자원을 소모하는 FP 4 연산에서 그렇다는 이야기로 FP 8 기준으로 보면 AI 연산 능력은 절반 수준인 10페타플롭스가 최대입니다. 결국 칩 하나의 성능은 사실 1.25배 정도로 트랜지스터 수 증가를 생각하면 딱 그 정도의 성능 증가인 셈입니다. 하지만 그렇다고 해서 블랙웰이 아무 의미 없는 꼼수에 지나지 않는 것은 아닙니다. FP 4 연산만 해도 충분한 경우 AI 연산 속도를 크게 높일 수 있고 심지어 FP 4와 FP 8 연산의 중간을 원하는 고객을 위해 FP 6까지 지원하는 기능을 갖춰 더 유연한 AI 연산이 가능합니다. 그보다 더 중요한 점은 AI 경쟁이 격화되면서 어떤 비용을 치르더라도 남들보다 앞서기를 원하는 고객을 위해 성능을 높일 수 있는 다양한 옵션을 제공하고 있다는 것입니다.예를 들어 블랙웰은 기반 GB 200은 그레이스 슈퍼칩 CPU 한 개와 두 개의 B200 GPU를 하나로 묶어 최대 40페타플롭스의 AI 연산 능력을 갖고 있습니다. 물론 그만큼 비싸고 전력 소모도 엄청나지만, AI 개발에 사활을 걸고 있는 기업이 많아 오히려 수요 대비 공급이 부족할 것으로 예상됩니다. 그리고 이 경우 HBM의 수요가 크게 늘어 우리나라 메모리 업계에도 호재가 될 것입니다. B200 GPU는 24GB HBM3e를 8개나 탑재해 192GB의 메모리 용량을 갖고 있고 GB200는 그 두 배인 384GB의 HBM3e 메모리를 지니고 있기 때문입니다. 여기서 화룡점정을 찍는 것 같은 소식은 비용에 상관없이 최강의 성능이 요구하는 고객을 위한 서버 랙 시스템인 GB 200 NVL 72 노드입니다. 하나의 서버 랙에 두 개의 GB 200을 탑재한 서버 트레이 18 유닛을 쌓아서 총 72개의 B200 GPU를 장착한 시스템으로 강력한 대규모 AI 연산을 위한 슈퍼컴퓨터라고 할 수 있습니다. 다만 이 경우 엄청난 전력을 소모하기 때문에 공랭 쿨러 대신 수랭 쿨러를 사용해야 시스템 발열을 처리할 수 있습니다.그런데 이렇게 많은 프로세서를 사용해 대규모 연산 시스템을 구축하는 경우 데이터를 공유하고 작업을 분산하는 과정이 새로운 문제로 떠오르게 됩니다. 이 과정에서 병목현상이 생기면 전체 시스템의 성능이 크게 저하되는 것입니다. 이를 해결하기 위해 엔비디아는 아예 NVLINK 스위치라는 새로운 네트워크 전용 프로세서를 만들었습니다. 그리고 NVLINK 스위치 프로세서를 서버 트레이 하나에 두 개씩 넣어서 총 14.4TB/s의 대역폭을 확보했습니다. 이런 트레이가 9개가 있기 때문에 GB 200 NVL 72 노드 한 개가 130TB/s에 달하는 거대한 프로세서 간 대역폭을 확보할 수 있습니다. 덕분에 갈수록 커지고 있는 대규모 AI 학습 데이터를 더 효과적으로 처리하고 학습을 빨리할 수 있게 됐습니다. 마지막으로 GB 200 NVL 72 노드를 여러 대 연결하면 엑사플롭스급 AI 슈퍼컴퓨터 구축이 가능합니다. 물론 비용도 에너지 소모량도 엄청나지만, 역시 수요는 충분할 것으로 예상됩니다. 블랙웰 GPU를 보면 AI 하드웨어가 본격적인 산업화 시대에 도달했다는 것을 알 수 있습니다. 과거 GPU는 게임용으로 많이 사용되었고 초기 AI 연산용 GPU도 이것과 크게 다르지 않았으나 최근 나오는 데이터 센터 GPU는 산업용 및 연구용으로 특화되어 관련 분야에 종사하는 사람이 아니라면 직접 한 번 보거나 다뤄보기 어려운 물건이 됐습니다. 블랙웰 GPU는 대규모 데이터 처리와 AI 연산에 적합한 데이터 센터 GPU로 AI 혁명을 한 단계 앞당길 제품이 될 것으로 보입니다.

생성형 인공지능(Gen AI)에 대한 글로벌 경쟁이 AI 반도체 수요 급증으로 이어지고 있다. 현재 AI 반도체 시장의 독보적인 리더는 미국의 반도체 회사 엔비디아다. 엔비디아 그래픽처리장치(GPU) 수요가 폭증하면서 엔비디아 시가총액은 2조 달러를 넘었다. 작년 6월 1조 달러를 넘어선 뒤 불과 9개월 만의 일이다. 엔비디아가 감당하지 못할 만큼 지구촌의 AI 반도체 수요가 폭증한 덕분이다. 최근 오픈AI가 텍스트로 동영상을 생성하는 소라 서비스를 예고했다. 현재의 챗GPT서비스에 비해 소라는 스케일이 다른 연산 수요를 일으키게 된다. 이 때문에 엔비디아 주가는 당분간 오를 수밖에 없다. 엔비디아 주가가 뛰면서 경쟁사 AMD의 주가도 따라 오르고 있다. 엔비디아 반도체가 많이 팔리면 중앙처리장치(CPU) 칩 수요도 올라가는데, 이 시장을 주도하는 기업이 인텔과 AMD인 것이다. 특히 AMD는 낙후된 자체의 반도체 생산 라인을 고집해 온 인텔과 달리 일찌감치 생산 파트를 매각하고 대만 반도체 위탁생산(파운드리) 기업 TSMC의 최신 공정을 사용해 왔다. 이 때문에 AMD의 가성비가 인텔에 비해 좋아 x86 기반의 CPU 시장 점유율을 높여 왔다. 엔비디아 수요가 증가하면 AMD 서버용 CPU 수요도 증가한다. 이에 더해 AMD가 엔비디아에 가장 근접한 GPU 제품을 출시하면서 시장 가치가 빠르게 오르고 있다. 사실 AI 반도체칩 설계 기술은 이제 대단한 기술은 아니다. AI 연산의 상당 부분을 차지하는 매트릭스 연산을 병렬적으로 처리하는 코어를 설계하고 이 코어 가까이에 처리할 데이터를 가능한 한 많이 올려놓을 고속 메모리를 배치하는 것이다. 모든 빅테크 회사들이 자체 AI 반도체를 이미 가지고 있다. 하지만 중요한 것은 다수의 이런 AI 반도체칩들 위에서 Gen AI 모델을 구동하는 소프트웨어다. 이 소프트웨어는 엔비디아가 2000년대부터 개발해 확산시킨 CUDA가 독보적이다. 이 CUDA 때문에 엔비디아가 독점에 가까운 95%의 시장 점유율을 가지는 것이다. 엔비디아 의존도가 큰 마이크로소프트와 메타 같은 회사들은 AMD 소프트웨어가 CUDA와 근접한 성능을 내도록 도와 왔다. AMD 주가가 빠르게 오르는 것은 AMD가 엔비디아에 근접한 성능을 낼 때가 가까워졌음을 의미한다. 한편 소프트뱅크가 90% 지분을 가진 ARM CPU는 인텔이나 AMD의 x86 CPU보다 같은 일을 할 때 전력이 적게 든다. 빅테크 클라우드 회사에는 x86에 비해 매력적인 솔루션이다. 엔비디아가 한때 인수하려 한 ARM의 주가가 오르는 이유이고, ARM 주식의 상당 부분을 보유한 소프트뱅크 주식이 오르는 이유다. 엔비디아, AMD, ARM CPU 대부분을 TSMC가 생산한다. 이 회사들의 칩 수요가 늘면 TSMC 주가도 오른다. TSMC는 시가총액 7000억 달러로 반도체 업계 2위가 됐다. TSMC의 수요가 늘면 반도체 장비 회사들의 수요도 늘어난다. ASML이 3823억 달러의 시가총액으로 반도체 업체 4위가 됐다. 그다음이 시가총액 3683억 달러의 삼성전자다. 그 뒤를 AMD가 3314억 달러의 시가총액으로 빠르게 올라오고 있다. SK하이닉스는 880억 달러로 17위다. 엔비디아는 20여년 전만 해도 게임용 GPU를 공급하는 회사에 불과했다. 그런 기업이 삼성전자 시총의 5배에 이르는 1위 반도체 회사가 된 것은 첫째는 생산을 해 주는 TSMC가 있었기 때문이고, 둘째는 소프트웨어의 중요성을 일찌감치 깨달아 게임 외에 CUDA를 개발해 퍼트린 것이다. 그다음은 Gen AI 시대가 올 것을 예상하고 과감한 기술 투자와 우수한 인재를 확보한 것이다. 모두 엔비디아 최고경영자(CEO) 젠슨 황의 리더십 없이는 불가능한 일이다. 차상균 서울대 데이터사이언스대학원 초대원장

최근 인공지능 하드웨어의 핵심인 GPU 시장을 거머쥔 엔비디아에 대한 관심이 뜨겁습니다. 엔비디아는 반도체 업계 최초로 시총 1조 달러를 달성한 후 최근 계속 어닝 서프라이즈를 기록하면서 승승장구하고 있습니다. 그런데 사실 인공지능 이전에 GPU는 본래 게임이 주목적이었습니다. 전문 그래픽 작업을 위한 쿼드로 같은 별도의 시장이 있기는 했지만, 엔비디아의 젠슨 황 CEO가 연산 목적의 GPGPU와 CUDA에 힘을 주기 전까지 엔비디아는 게임 하드웨어 회사라고 해도 과언이 아니었습니다.  그렇기 때문에 엔비디아가 게임 성능 향상을 위해 인공지능을 적극적으로 활용한다는 사실은 지극히 당연해 보입니다. 엔비디아는 2018년 RTX 2000 시리즈를 공개할 때 GPU와 통합된 인공지능 연산 유닛인 텐서 코어를 이용한 DLSS (Deep Learning Super-Sampling, 딥 러닝 슈퍼 샘플링)을 대대적으로 홍보했습니다.  인공지능을 이용해서 저해상도 이미지를 고해상도 이미지처럼 업스케일링 하는 기술은 이미 당시에도 개발되어 있었습니다. DLSS는 게임에서 인공지능으로 고해상도 이미지를 학습한 다음 실제로는 저해상도로 그래픽을 출력한 후 여기에 인공지능 학습으로 추론한 고해상도 이미지를 추가하는 방식으로 이뤄집니다. 영상이나 사진의 인공지능 이미지 품질 향상 기능을 게임에서 활용한 것입니다.  이 작업은 GPU 연산 유닛이 아니라 텐서 코어라는 별도의 연산 유닛에서 이뤄지기 때문에 GPU에 부하가 없고 저해상도로 이미지를 출력하므로 게임 화면의 초당 프레임을 높일 수 있습니다. 예를 들어 본래는 4K 해상도에서 초당 20 프레임도 안 되는 답답한 화면이 나오는데 DLSS를 적용하면 이보다 해상도가 25%인 풀HD 영상으로 60 프레임으로 출력한 후 마치 4K 해상도처럼 보이게 할 수 있습니다.  하지만 실제로 DLSS는 1.0 버전까지 불안정한 기술이었고 지원하는 게임도 제한적이었습니다. 일부 지원하는 게임에서도 이미지 품질 향상 기술인 안티 앨리어싱과 충돌하거나 이미지가 뭉개지거나 깨지는 현상이 나타났습니다. 그러다가 DLSS 2.0에서 보다 쓸만한 기술이 되어 이미지 품질이 상당히 높아졌습니다. 저해상도에서 4K 고해상도 이미지를 추론하는 DLSS 슈퍼 레졸루션 (SR, Super Resolution) 기능이 RTX 3000 그래픽 카드에서 지원하는 DLSS 2.0에서 어느 정도 완성이 된 것입니다. 하지만 엔비디아는 여기서 한 가지 더 트릭을 생각해 냈습니다.  RTX 4000 시리즈와 함께 공개된 DLSS 3.0은 프레임 생성 (FG, Frame Generation)이라는 신기술을 도입했는데, 이는 인공지능으로 각 영상 프레임 간의 중간 이미지를 넣어 더 부드러운 움직임과 화면 전환을 구현한 것입니다. 예를 들어 30 초당 화면이 30번 바뀌는 영상 사이사이에 인공지능으로 만든 중간 화면을 넣어 초당 60회 화면이 바뀌면 인간의 눈으로 봤을 때 영상이 훨씬 부드러워 보입니다.  여기에 더해 엔비디아는 최근 게임스컴 2023에서 DLSS 3.0을 더 개선한 DLSS 3.5를 공개했습니다. DLSS 3.5의 핵심은 GPU의 자원을 덜 소모하면서 현실적인 광원 효과를 보여주는 광선 재구성 (RR, Ray Reconstruction) 기술입니다.  사물이나 환경이 진짜처럼 보이기 위해서는 빛에 따른 반사나 그림자, 광원에 따른 명암 등이 실제처럼 표현되어야 합니다. 엔비디아의 RTX GPU들은 실시간 레이 트레이싱을 지원해 게임에서 현실적인 사물의 질감과 주변 환경을 보여줍니다. 하지만 이는 엄청난 GPU 성능을 요구해 게임 프레임을 떨어뜨리는 원인이었습니다.  DLSS는 광선 효과의 인공지능 처리를 위해서 과거엔 수작업으로 처리하는 노이즈 제거 (Denoiser) 방식을 사용했습니다. 하지만 이 방법은 일부 픽셀을 잃어버려 이미지가 뭉개지거나 반대로 존재하는 사물이 나타나는 고스팅 현상을 일으킬 수 있었습니다. 광선 재구성 기술은 레이 트레이싱을 완벽히 보완하는 인공지능 이미지 품질 향상 기술로 게임 프레임을 희생시키지 않으면서 고품질의 레이 트레이싱 영상을 실시간으로 보여줄 수 있습니다.  엔비디아는 사이버펑크 2077을 기준으로 DLSS를 적용하지 않았을 때, DLSS 슈퍼 레졸루션 (SR) 적용, DLSS 슈펴 레졸루션 (SR) + 프레임 생성 (FG), DLSS 슈펴 레졸루션 (SR) + 프레임 생성 (FG) + 광선 재구성 (RR) 기능을 적용한 결과물을 차례로 보여줬습니다. 그 결과 본래 초당 20프레임에 불과한 영상이 5배가 넘는 초당 108프레임으로 증가하고 이미지 품질도 개선되는 결과를 보여줬습니다. 레이 트레이싱까지 확장한 DLSS 3.5를 인공지능 게임 성능 향상의 화룡점정이라고 불러도 손색이 없는 이유입니다.  물론 DLSS 3.5를 지원하는 게임은 초기엔 사이버펑크 2077를 포함해 몇 개 없습니다. 하지만 대부분의 게이밍 그래픽 카드가 엔비디아 제품인 점을 생각하면 DLSS이 표준으로 보급되는 것은 시간문제입니다.  DLSS 3.5 지원 게임이 늘어나면 인공지능 적용 전 게임 성능에서도 엔비디아의 적수가 되기 어려운 AMD의 라데온이나 인텔 아크와의 성능 차이는 더 벌어질 가능성이 높아졌습니다. 하지만 이렇게 한 회사가 시장을 장악하는 것은 사실 소비자에게 좋지 못한 결과를 가져옵니다. 독점 기업은 대부분 가격을 인상하기 때문입니다. 실제 엔비디아 GPU의 가격은 인공지능 및 데이터 센터 부분만이 아니라 게이밍 부분도 치솟고 있습니다. 두 회사가 DLSS를 견제할 비장의 무기를 선보여야 하는 이유입니다. 

작년 출시된 엔비디아의 RTX 4000 시리즈 그래픽 카드는 소비자들의 관심을 집중시켰습니다. 가상화폐 채굴 수요로 그래픽 카드 가격이 폭등하고 물량마저 극히 부족해지면서 상당히 많은 대기 수요가 몰렸고, RTX 3000 시리즈 대비 성능이 대폭 향상될 것이라는 기대감이 있었기 때문입니다. 실제로 작년 말 공개된 RTX 4090와 RTX 4080는 괴물 같은 성능을 지니고 있었습니다. 하지만 가격 역시 그만큼 올라가 가상화폐 채굴 수요가 가라앉은 다음 합리적인 가격에 제품을 구매하려 했던 소비자들을 실망시켰습니다. 최상위 제품인 RTX 4090이 1,599달러인 점은 그렇다고 해도 RTX 4080이 1,199달러로 RTX 3080의 699달러의 거의 두 배라는 점은 납득하기 어려운 부분입니다. 하지만 소비자들을 가장 황당하게 만든 것은 RTX 4080 12GB라는 하위 모델의 존재였습니다. 왜냐하면 RTX 4080 16GB 버전과 완전히 다른 제품이었기 때문입니다. RTX 4080 16GB와 12GB는 각각 AD103-300과 AD10-400 이라는 다른 칩을 사용하고 있습니다. 둘 다 TSMC의 4nm 공정으로 만들긴 했지만, AD103-300의 경우 트랜지스터 집적도가 459억 개로 AD104-400의 358억 개보다 100억 개나 더 많습니다. 그런 만큼 연산 유닛인 쿠다 (CUDA) 코어의 숫자도 각각 9,728개와 7,680개로 상당한 차이가 있습니다. 메모리 인터페이스 역시 256bit와 192bit로 1/4 정도 작습니다. 당연히 그만큼 성능도 낮습니다. 하지만 RTX 4080 12GB는 RTX 3080보다 200달러나 더 비싼 899달러의 가격표를 달고 등장했습니다. 엄밀히 말해 중급형 모델인데, 고급형 이름을 억지로 단 후 높은 가격을 매긴 것입니다. 소비자들의 반응은 실망을 넘어 분노라는 표현이 더 적당했습니다. 사실 현재 그래픽 카드 시장은 엔비디아의 독점 구조라고 할 수 있습니다. 경쟁자인 AMD의 라데온은 시장 점유율이 낮아서 제대로 된 경쟁이 안 되는 상황이고 이제 막 그래픽 카드 시장에 진입한 인텔은 현재까지 별 영향력이 없습니다. 소비자의 눈치를 보지 않은 독특한(?) 제품 명칭은 그래서 나왔을 것입니다. 그러나 독점에 가까운 시장 점유율에도 불구하고 소비자의 분노를 외면할 수 있는 회사는 많지 않습니다. 암호 화폐 채굴 수요가 사라졌기 때문에 이제 고성능 그래픽 카드의 주된 수요는 게임이 가장 큽니다. 물론 최근 고성능 그래픽 카드는 연구 및 인공지능 부분의 수요도 강력하지만, RTX 4080는 전문가용이 아니라 게임용으로 가장 많이 팔립니다. 다시 말해 꼭 필요한 필수재가 아닌 만큼 무리한 가격으로 내놓을 경우 보이콧을 불러올 수 있습니다. 게임만이 유일한 여가 활동도 아니고 경쟁사인 AMD가 납품하는 콘솔 게임기로 소비자가 대거 이탈할 가능성도 있습니다.여론이 악화되자 엔비디아는 RTX 4080 12GB 출시를 철회했습니다. 그 후 관심은 하위 모델 명칭을 달고 나올 AD104-400의 가격에 쏠렸습니다. 올해 1월 정식 출시된 RTX 4070 Ti의 가격은 799달러로 여전히 RTX 3080보다 100달러 비싸고 RTX 3070 Ti보다 200달러 더 비싸지만 나름 소비자 눈치를 본 가격이라는 평가입니다. 그리고 지금 시점에서 성능을 생각하면 어느 정도 경쟁력 있는 가격이기도 합니다. 하지만 RTX 4070 Ti의 사례는 소비자의 권리를 찾기 위한 적극적인 의견 표시의 중요성을 보여주고 있습니다. 가격 책정이나 제품 명칭은 본래 제조사의 고유 영역이지만, 고객에 대한 배려도 중요합니다. 소비자를 무시하는 듯한 행동은 지금 세상에 통하기 힘들 것입니다. 

KT가 국내 인공지능(AI) 반도체 전문기업 리벨리온에 대해 300억원 규모의 전략적 투자를 단행했다. 글로벌 AI 반도체 시장에서 외산 의존도를 줄이고 ‘한국의 엔비디아’를 직접 키워내기 위한 발판이다. 6일 KT에 따르면 리벨리온은 국내 AI 반도체 설계(팹리스) 기업으로, 특히 주문형 반도체(ASIC) 설계 분야에서 독보적 경쟁력을 갖춘 것으로 평가된다. 주문형 반도체란 사용자의 요구에 따라 특정 용도를 위한 특수한 기능의 반도체 회로를 직접 설계하는 것을 의미한다. 리벨리온은 지난해 금융 특화 AI 반도체 ‘아이온’을 공개해 주목받기도 했다. KT의 AI 반도체 관련 투자는 지난해 AI 솔루션 전문기업 ‘모레’에 이어 이번이 두 번째다. KT는 투자 스타트업들과의 협업을 통해 AI 연산에 활용되는 그래픽처리장치(GPU) 수천 장 규모에 달하는 초대규모 GPU팜을 연내 구축하고, 내년엔 GPU팜에 자체 개발한 AI 반도체를 접목할 계획이다. KT가 주축이 돼 개발하는 AI 반도체는 AI 알고리즘에 최적화된 신경망처리장치(NPU)로, GPU 대비 3배가 넘는 에너지 효율과 저렴한 도입 비용이 장점이다. KT가 적극적인 AI 반도체 투자에 나서는 것은 높은 성장성 때문이다. 시장조사업체 가트너는 글로벌 AI 반도체 시장이 지난해 267억 달러(약 35조원)에서 오는 2030년 1179억 달러(154조원)로 10년 새 4배 이상의 성장률을 기록할 것으로 전망했다. 앞서 SK그룹 역시 SK텔레콤·SK하이닉스·SK스퀘어 등 SK 정보통신기술(ICT) 연합을 구성해 AI 반도체 ‘사피온’ 개발에 착수했다고 밝혔다. 특히 이번 투자의 배경엔 국산 경쟁력을 키워 미국 엔비디아(NVIDIA)가 장악한 글로벌 AI 반도체 시장에 대응하려는 목적도 크다. 한국의 메모리 반도체와 파운드리(반도체 위탁생산) 분야 역량은 글로벌 시장에서 각각 1위와 2위를 기록할 정도로 높지만, AI 서비스 개발에 필요한 팹리스 분야 점유율은 고작 1% 수준에 그친다. 현재 대부분의 AI 서비스와 솔루션은 엔비디아가 제공하는 소프트웨어 ‘쿠다’(CUDA)를 기반으로 개발되고 있고, 특히 하드웨어 GPU 시장은 엔비디아가 80%에 육박하는 점유율을 기록하고 있다. 박성현 리벨리온 대표는 “전용 AI 반도체와 인프라가 있으면 비용 절감뿐 아니라 전체 AI 서비스의 질을 높일 수 있다”고 말했다. 구현모 KT 대표는 “AI 반도체는 대한민국의 차세대 먹거리가 될 수 있는 핵심 영역”이라며 “국내 AI 반도체 분야의 선두주자인 리벨리온이 KT와 협업을 통해 엔비디아나 퀄컴과 같은 글로벌 팹리스 기업이 되길 기대한다”고 밝혔다.

인텔이 인텔 아키텍처 데이 2021 행사를 통해 12세대 코어 프로세서인 엘더 레이크, 게이밍 GPU인 알케미스트, 그리고 고성능 연산용 GPU인 폰테 베키오의 아키텍처에 대한 상세한 정보를 공개했습니다. 흥미롭게도 이런저런 루머가 나돌았던 알케미스트(Xe-HPG, 고성능 게이밍)와 폰테 베이오(Xe-HPC, 고성능 연산)의 기본 구조는 엔비디아가 2018년 출시한 튜링 GPU의 모습과 약간 닮은 부분이 있습니다. 이번 공개 내용을 보면 과거 실행 유닛(EU)이라고 불린 그래픽 연산 유닛은 이제 벡터 엔진으로 이름이 바뀌었고 벡터 엔진 옆에는 인공지능 관련 연산을 담당하는 매트릭스 엔진(XMX)이 같은 숫자만큼 존재합니다. 그리고 여러 개의 벡터 엔진과 매트릭스 엔진 아래 하드웨어 레이 트레이싱(Ray Tracing)을 담당하는 부분이 있습니다. 그런데 엔비디아의 튜링 GPU 역시 그래픽 연산을 담당하는 쿠다(CUDA) 코어와 인공지능 연산을 담당하는 텐서 코어, 그리고 하드웨어 레이 트레이싱을 지원하는 RT 코어를 지니고 있습니다. 참고로 레이 트레이싱은 광원에서 나온 빛이 여러 사물의 표면에 반사되는 경로를 계산해 현실적인 빛의 효과를 그래픽에 추가하는 기술입니다.재미있는 사실은 현재 인텔의 GPU 개발을 담당한 라자 코두리가 2017년 AMD에서 인텔로 이적했다는 점입니다. 라자 코두리 수석 부사장은 본래 라데온 GPU를 개발하면서 엔비디아의 지포스에 맞섰던 사람입니다. 그런 그가 찾아낸 해법 역시 엔비디아와 비슷한 셈입니다. 물론 라데온의 길을 다시 걷기보다는 현재 업계 1위인 엔비디아를 타도하는 것이 옳은 전략이라는 점은 의심의 여지가 없습니다. 하지만 그렇다고 인텔이 무조건 엔비디아를 따라하기만 한 건 아닙니다. 인텔의 GPU 제조 방식은 엔비디아와 큰 차이가 있습니다. 바로 CPU를 개발하면서 축적한 다이 간 연결 기술인 포베로스(Foveros)와 EMIB(embedded multidie interconnect bridge)를 이용해 서로 다른 공정에서 만든 반도체 칩을 연결해 매우 큰 GPU를 만드는 방식입니다. 많게는 수백억 개의 트랜지스터를 집적한 최신 GPU는 한 번에 실수 없이 제조하기가 쉽지 않습니다. 특히 다이 사이즈가 커질수록 제조가 어려워집니다. A100처럼(TSMC 7nm 공정 사용) GPU 다이 크기가 826㎟이나 되고 트랜지스터 숫자도 542억 개나 되면 그렇지 않아도 비싼 웨이퍼에 수율도 좋지 않아 가격이 꽤 비싸 집니다. 인텔은 이 문제에 대한 해결책으로 여러 개의 작은 반도체 칩을 평면으로 연결하는 고속도로인 EMIB와 수직으로 연결하는 방식인 포베로스 기술을 개발했습니다. 이렇게 하면 반도체 패키징 과정이 매우 복잡해지는 문제가 있지만, 대신 꼭 최신 미세 공정을 적용하지 않아도 되는 부분은 더 저렴한 공정을 사용할 수 있고 한 번에 제조가 매우 어려운 초대형 프로세서도 만들 수 있습니다. 인텔이 공개한 폰테 베키오는 5개의 다른 공정으로 만든 47개의 반도체 조각인 액티브 타일(Active Tile)을 포베로스와 EMIB 기술로 연결해 무려 1000억 개 이상의 트랜지스터를 지닌 초대형 GPU입니다. 현재까지 상용화된 가장 복잡한 프로세서인 엔비디아의 A100보다 두 배의 트랜지스터 집적도를 지니고 있습니다. 연산 능력 역시 FP32 기준으로 45TFLOPS 이상으로 A100의 19.5TFLOPS의 두 배가 넘습니다. 오랜 세월 개발한 포베로스와 EMIB 기술이 이제 빛을 본 셈입니다.인텔은 이날 아키텍처 데이 행사에서 알케미스트 GPU의 연산 성능은 공개하지 않았으나 폰테 베키오의 연산 능력은 구체적으로 명시했는데, 슈퍼 컴퓨터/데이터 센터/인공 지능 연산을 위한 고성능 GPU 시장에서 엔비디아를 압박하겠다는 뜻으로 풀이됩니다. 코두리 수석 부사장은 회사를 옮겨도 주적은 엔비디아로 한결같다는 점이 재미있습니다. 이번 공개에서 마지막으로 주목할 점은 인텔이 TSMC의 최신 미세 공정인 6nm (N6), 5nm (N5) 공정을 사용하기로 한 것입니다. 알케미스트 GPU는 6nm 공정으로 제조되어 미세 공정에서 경쟁자보다 약간 우위에 섰고 폰테 베키오는 인텔 7 공정을 포함한 다양한 미세 공정을 사용하지만, 컴퓨트 타일은 5nm 공정을 사용해 역시 경쟁자보다 앞서고 있습니다. 최소한 미세 공정에서 밀리는 일은 없다는 이야기입니다. GPU 생산은 TSMC에 외주를 맞길 것이라는 점은 이미 알려진 내용이지만, 이번 발표를 보면 인텔이 얼마나 상대방을 이기고 싶어 했는지를 짐작할 수 있습니다. 인텔의 발표 내용을 신뢰한다면 폰테 베키오 GPU가 나오는 순간 엔비디아의 A100은 1위 자리를 내줘야 합니다. 물론 작년에 A100을 내놓은 엔비디아 역시 차세대 GPU를 개발 중이라 순순히 1위 자리를 내주지는 않을 것입니다. GPU 시장 진출을 선언한 인텔이 시작부터 엔비디아를 위협할지 아니면 엔비디아가 다시 1위 자리를 지킬 수 있을지 결과가 주목됩니다.