비상계엄 사태는 국회의 윤석열 대통령에 대한 탄핵소추안 가결로 대통령 직무가 법적으로 정지되면서 일단락됐다. 헌법재판소의 최종 판단이 남았지만 일단 대통령 권한 행사로 인한 불확실성은 해소할 수 있게 됐다. 비상계엄 2시간 30분 만에 국회가 신속하게 계엄 해제를 결의하고 윤 대통령이 임명한 대다수 국무위원이 계엄 선포 전 짧은 시간이지만 계엄에 반대를 표명했거나 반대하는 생각을 가졌음이 확인됐다. 45년 만의 비상계엄이 실패한 것은 대통령이라 할지라도 대한민국 민주주의를 독단으로 훼손할 수 없다는 사실을 전 세계에 보여 줬다. 1979년 10·26 이후 마지막 비상계엄을 대학 1학년생으로 경험했던 법률가 윤석열이 헌법과 법률을 수호해야 할 대통령으로서 어떤 역사 인식과 상황 인식, 심리 상태에서 비상계엄을 밀어붙였는지는 수사로 밝혀져야 할 것이다. 역사는 시대 흐름과 맞지 않는 이번 계엄 선포를 윤 대통령 개인이 벌인 하나의 해프닝으로 기록할지도 모른다. 하지만 글로벌 외교와 통상에서 자국 우선주의를 표방하는 미국 도널드 트럼프 정부가 곧 들어서고 반도체, 자동차, 배터리 등 한국 주축 산업의 미래가 불확실한 현실에서 실패한 비상계엄과 탄핵의 국가적 피해는 매우 크다. 하루라도 빨리 여야, 정부가 힘을 모아 국가 기능을 정상화해야 한다. 지금부터는 탄핵소추안을 주도한 거대 야당도 국정 운영에 공동 책임을 져야 한다. 우선 국가의 경제산업 경쟁력에 여야가 주목해야 한다. 삼성전자의 시가총액은 탄핵소추안 가결 시점 기준 373조원으로 떨어졌다. 달러 환율도 올라 이 국민주 기업의 달러 기준 가치는 2600억 달러밖에 되지 않는다. 삼성전자 주식을 보유한 많은 국민이 가만히 앉아서 손해를 본 것이다. 시선을 해외 반도체 기업으로 돌려 보자. 10여년 전만 해도 시가총액이 삼성전자와 비교 대상도 아니었던 브로드컴의 지난 13일 시가총액은 1조 600억 달러로 24% 넘게 올랐다. 삼성전자의 4배다. 반도체 업계 2위인 대만의 TSMC도 앞지르게 됐다. 고성장하는 인공지능(AI) 반도체 사업을 적극 개척한 덕분이다. 브로드컴은 구글의 AI 가속칩 TPU(텐서처리장치) 경험을 바탕으로 AI 가속칩이 필요한 메타, 애플 등 다른 기업으로 사업을 확장하고 있다. 브로드컴과 같은 팹리스 반도체 기업인 엔비디아의 시가총액은 3조 3400억 달러로 삼성전자의 13배가 됐다. 엔비디아 역시 한때는 삼성전자와 비교도 할 수 없는 작은 기업이었다. TSMC의 파운드리를 기반으로 성장했다. 반도체 업계 1위였던 인텔은 거듭된 실기로 15위로 떨어져 존망을 걱정해야 할 형편이다. 반면교사로 삼아야 할 기업이다. 인텔 때문에 고전하던 AMD는 반도체 라인을 분사시킨 후 현재의 CEO 리사 수가 AI 데이터센터 반도체 사업을 키워 되살렸다. 시가총액이 삼성전자 다음인 6위다. AI 때문에 경제와 안보에서 반도체 산업의 전략적 중요성이 부각되며 일본도 반도체 소재, 장비 산업의 경쟁력을 바탕으로 반도체 산업 전반에 대한 국가적 투자를 늘리고 있다. 중국도 미국의 반도체 봉쇄를 극복하기 위해 반도체 산업에 엄청난 전략적 투자를 하고 있다. 지난달 뉴델리에서 개최된 ‘한국과 인도의 전략 다이얼로그’에서 인도는 14억 인구에 필요한 반도체의 자체 생산을 위한 반도체 산업 육성 계획을 밝혔다. 해외 기업이 설립하는 반도체 공장에 중앙정부가 비용의 50%, 지방정부가 25%를 지원한다. 한편 중국 전기차와 배터리 산업은 세계 1위에 이르고 있다. 중국 최대 배터리 기업 CATL의 연구원 수는 한국 최대 기업의 3배에 이르렀다. 한국의 AI 분야 글로벌 경쟁력은 반도체나 전기차, 배터리보다 더 심각하다. 잘못된 데이터와 인식 때문에 제대로 된 로드맵조차 없다. 우리보다 못하다고 여기는 일본만 해도 관료화된 정부의 AI 경쟁력이 전부가 아니다. 기업, 특히 비전 펀드로 글로벌 선도 AI 기업에 투자하는 소프트뱅크 그룹의 경쟁력은 국내 어떤 기업보다도 높다. 잘못된 데이터와 인식에 기반한 과학기술, 교육, 산업 정책은 하루라도 빨리 고쳐야 한다. 탄핵의 블랙홀을 벗어나 미래와 세계로 눈을 돌려야 한다. 차상균 서울대 데이터사이언스대학원 초대원장

‘챗GPT’ 같은 대규모언어모델(LLM) 기반 생성형 인공지능(AI) 서비스가 탑재된 스마트폰이 이르면 내년부터 ‘대세’가 될 것으로 전망된다. 세계 시장을 양분하고 있는 애플과 삼성전자가 각각 내년 생성형 AI 적용을 목표로 개발하고 있기 때문이다. 22일(현지시간) 블룸버그는 애플이 생성형 AI를 적용한 음성인식 비서 ‘시리’를 이르면 내년 출시할 수 있다고 보도했다. 또 애플의 소프트웨어 엔지니어링 그룹은 iOS18에 AI를 추가하기 위해 자체 LLM을 훈련시키고 있다고도 했다. 앞서 애플은 ‘아약스’(Ajax)라는 이름의 LLM을 구축하고 ‘애플 GPT’라는 AI 챗봇을 내부에 도입해 기능을 테스트했다. 생성형 AI 서비스가 탑재된 스마트폰은 이미 시장에 나와 있다. 구글이 이달 초 출시한 ‘픽셀8’ 시리즈는 스마트폰의 ‘뇌’에 해당하는 애플리케이션프로세서(AP)부터 AI에 최적화된 ‘텐서 G3’를 적용했다. 픽셀8은 G3를 통해 인터넷에 연결된 클라우드 환경이 아닌 ‘온디바이스’로도 AI 서비스를 사용할 수 있다. 픽셀8에는 다양한 생성형 AI 서비스가 탑재됐다. 구글의 AI 챗봇 ‘바드’가 적용된 ‘구글 어시스턴트 위드 바드’가 대표적이다. 애플의 시리, 삼성전자의 빅스비 등 기존 음성 비서는 ‘자연어처리’(NLP) 기반이지만, 이 제품에는 LLM 기반의 생성형 AI로 구동되는 구글 어시스턴트가 적용됐다. 이와 함께 전화를 대신 받아 주는 ‘콜 스크린’, 여럿이 찍은 사진을 모두가 가장 잘 나온 얼굴로 바꿔 주는 ‘베스트 테이크’ 등이 대표적인 생성형 AI 서비스다. 하지만 픽셀 시리즈는 글로벌 시장 점유율이 3% 안팎에 불과한 데다 한국에는 출시되지 않는다. 애플과 삼성전자가 AI 서비스를 적용한 스마트폰을 출시해야 본격적인 ‘생성형 AI폰 시대’가 도래할 것으로 보인다. 삼성전자는 내년까지 모든 제품에 AI 기능을 적용할 방침이다. 유미영 생활가전사업부 소프트웨어개발팀장(부사장)은 지난달 독일 베를린에서 열린 ‘IFA 2023’에서 내년 빅스비에 LLM을 도입하겠다고 밝히기도 했다. 지난 5일(현지시간) 미국 실리콘밸리에서 개최된 ‘삼성 시스템 LSI 테크데이 2023’에서는 차세대 AP ‘엑시노스2400’이 공개됐는데, AI 성능이 대폭 강화된 게 특징이다. 이날 엑시노스2400을 스마트폰에 탑재해 문자를 이미지로 변환하는 기술 등 생성형 AI 서비스를 직접 시연하기도 했다. 엑시노스2400은 내년 상반기에 출시되는 갤럭시S24 일부 제품에 적용될 가능성이 높다. 갤럭시S24 시리즈와 함께 출시될 전망인 One UI 6.1 버전도 AI 기능에 강점을 둔 것으로 전해졌다.

챗GPT가 전세계적인 생성형 인공지능(AI) 붐을 일으킨 가운데, AI는 인류의 가장 큰 혁신들 사이에 위치하게 됐다. 다양한 분야에 적용되고 인류의 삶에 영향이 큰 만큼 사회, 윤리, 법, 정치 등 다양한 측면에서 고민과 대응이 필요하다. 그런데 AI 개발과 운영에 고민해야 할 문제들을 비교적 쉽게 해결할 수 있는 방법으로 ‘오픈소스’가 떠오른다. 소스 코드를 무료로 제공하고 누구나 수정·배포할 수 있는 소프트웨어를 말한다. 오픈소스는 AI 등장 이전부터 개발 분야에서 활발하게 사용돼 왔다. ‘깃허브’로 대표되는 사이버 공간에서 개발자들은 서로의 프로그램 소스 코드를 공유하고 머리를 맞대 고민하거나 새로운 프로그램을 개발하기도 했다. AI 분야에서 오픈소스는 특히 활발하게 사용되고 있다. 파이토치, 텐서플로, 케라스 등의 딥러닝 프레임워크부터 허깅페이스, 엔엘티케이 등의 자연어 처리 라이브러리까지 다양한 오픈소스 소프트웨어가 AI 개발자들에게 제공되고 있다. 오픈AI가 챗GPT를 공개한 뒤 구글은 새로운 생성 AI를 논문 형태로 깃허브에 공유하기도 했다. 국내 AI 기술기업 업스테이지는 메타가 오픈소스로 공유한 대규모언어모델(LLM) ‘라마’를 개량해 ‘솔라’를 개발, 허깅페이스 오픈LLM 리더보드에서 최초로 ‘GPT-3.5’의 점수를 넘기도 했다. 반면, 오픈AI는 GPT-4를 공개하며 소스 코드는 물론 파라미터 수 등 어떤 것도 공유하지 않았다. 오픈소스 소프트웨어들은 AI 기술과 알고리즘을 빠르게 접할 수 있게 하고, 새로운 아이디어와 창의성을 발휘할 수 있게 한다. 전세계의 개발자들이 서로 협력하고, 지식과 경험을 공유하며, 문제를 해결할 수 있는 커뮤니티를 제공한다.자연스레 수많은 개발자들이 검증하고 개선하게 되니, 오픈소스 소프트웨어는 버그가 적고 안정적이다. 최신의 기술과 트렌드가 반영돼 혁신적이기도 하다. 특히 AI 업계의 많은 고민도 자연스럽게 해결이 된다. 라이선스 비용이나 저작권 문제 없이 사용할 수 있어 AI 개발에 들어가는 비용을 절감할 수 있다. 막대한 자본을 끌어오기 어려운 저소득국가나 중소 업체, 개인 개발자들도 AI 기술을 활용할 수 있다. 소스 코드가 공개되기 때문에 AI 모델이 어떤 데이터를 사용하고, 어떤 판단 기준을 가지고, 어떤 결과를 내놓는지 투명하게 공개된다. 공정성과 책임성이 자연히 따라온다. AI 모델의 잠재적인 위험을 사전에 파악하고, 예방·대응할 수 있다. AI 모델이 인간의 의도와 다르게 행동하거나, 혹은 해킹이나 조작에 노출, 사회·환경 문제를 일으키는 것을 막을 수 있다. 오픈소스 AI는 AI 연구자들뿐만 아니라 IT 기업들, 비영리 단체들, 대학 연구자들 등 다양한 주체들이 참여하고 있다. 자연어처리 분야 최대 오픈소스 플랫폼을 운영하는 프랑스의 스타트업 허깅페이스가 대표적인 오픈소스AI 플랫폼이며 한국의 업스테이지도 오픈LLM 플랫폼으로 ‘Open Ko-LLM 리더보드’를 운영하고 있다. 업스테이지는 “오픈소스는 AI업계에서의 중요한 트렌드이자 미래”라면서 “오픈소스를 지원하고 활용하는 것은 AI 업계의 책임과 덕목”이라고 밝혔다.

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. 

삼성전자가 갤럭시 전용 애플리케이션 프로세서(AP)를 개발하는 전담 조직을 만들었다. AP는 컴퓨터의 중앙처리장치(CPU)에 해당하는 반도체로 스마트폰의 두뇌 역할을 하는 핵심 부품이다. 15일 정보통신기술(ICT) 업계에 따르면 삼성전자 MX(모바일경험) 사업부는 지난 9일 조직 개편을 통해 AP솔루션개발팀을 신설했다. 이 팀은 AP의 관련 선행 기술을 개발하고 성능 분석과 상용화 등도 담당한다. 이번 정기 인사에서 MX사업부 개발실장에 내정된 최원준 부사장이 팀장을 맡은 것으로 알려졌다. 최 부사장은 단말과 칩세트 개발 전문가로 ‘스냅드래곤’을 만드는 세계 1위 AP 업체 퀄컴에서도 근무한 적이 있다. 갤럭시 전용 AP는 곧 출시될 갤럭시S23에도 들어가는 퀄컴의 스냅드래곤과 달리 애플과 구글이 직접 개발해 자사 제품에만 적용하는 ‘바이오닉’, ‘텐서’ 시리즈처럼 갤럭시에만 들어가는 칩셋을 말한다. AP솔루션개발팀이 개발할 갤럭시 전용 AP는 2025년에 출시되는 제품부터 탑재될 것으로 예상된다. 삼성전자는 역대 갤럭시 제품에 그동안 자사 AP인 ‘엑시노스’와 스냅드래곤을 병행해 왔지만, 엑시노스는 항상 성능에 관해 지적을 받아 왔다. 지난 2월 갤럭시S22 출시 직후엔 게임 실행 시 다른 기능을 강제로 제한하는 ‘게임옵티마이징서비스’(GOS) 사태를 빚었고, 이로 인해 전용 AP의 필요성이 부각됐다. 앞서 노태문 삼성전자 MX사업부장(사장)은 지난 8월 미국 뉴욕에서 열린 ‘삼성 갤럭시 언팩 2022’ 행사에서 “관련 팀들과 파트너사들이 열심히 (자체 AP 개발과 관련해) 연구하고 있다”고 말했다. 다만 삼성전자는 내년 2월 초 출시 예정인 갤럭시S23에는 퀄컴의 차세대 제품인 스냅드래곤8 2세대를 탑재할 것으로 알려졌다.

엔비디아가 GTC 2022 행사를 통해 차세대 그래픽 카드(코드 네임 에이다 러브레이스 Ada Lovelace)인 RTX 4090과 RTX 4080 16GB/12GB를 공개했습니다. 이번 신제품 공개는 가상화폐 채굴로 인해 RTX 3000 시리즈 그래픽 카드를 제때 구매하지 못한 소비자들이 기다려왔던 행사입니다. 지난 몇 년간 가상화폐 채굴 수요로 그래픽 카드 가격이 폭등하자 정작 주 수요층인 PC 게임 유저들은 기존의 그래픽 카드를 사용할 수밖에 없었습니다. 최근 가상화폐 가격 폭락으로 그래픽 카드 가격이 빠른 속도로 정상화되기는 했지만, 기왕 기다린 참에 차라리 새 제품을 사려는 대기 수요가 많았습니다.  오랜 기다림 끝에 등장한 RTX 4000 시리즈는 강력한 성능과 새로운 기능으로 무장했습니다. 가장 고성능 칩인 AD102를 쓰는 RTX4090의 경우 이전 세대인 RTX 3090Ti (GA102)보다 1.5배 정도 많은 16,384개의 스트림 프로세서(쿠다 코어)를 지니고 있으며 연산 능력도 FP32 기준 82.6테라플롭스(TFLOPS)로 두 배가 넘는 수준입니다. 스트림 프로세서 증가 대비 연산 능력 증가폭이 더 큰 이유는 부스트 클럭이 1.8GHz에서 2.5GHz로 크게 높아진 것이 이유로 생각됩니다.  하지만 AD102 칩이 GA102와 비교해서 480억 개나 늘어난 760억 개의 트랜지스터를 집적했다는 점을 생각하면 늘어난 부분 중 상당 부분이 스트림 프로세서가 아니라는 점을 유추할 수 있습니다. 구체적인 구조를 공개하지 않아 현재로는 추측에 의존할 수밖에 없지만, 늘어난 트랜지스터의 상당 부분은 L2 캐시 메모리와 RT 코어, 텐서 코어에 할당되었을 것으로 생각됩니다.  RT 코어는 실시간 레이 트레이싱 (RT) 연산을 처리하는 부분으로 사실적인 광원 처리를 통해 사물이 진짜처럼 보이게 만듭니다. RTX 4090의 RT 연산 능력은 200테라플롭스로 전 세대와 비교해 세 배 정도 강력합니다. 3세대 RT 코어의 성능이 대폭 향상된 점으로 볼 때 이 부분이 상당히 커졌다는 점을 알 수 있습니다.  인공지능 연산을 처리하는 텐서 코어 역시 마찬가지입니다. RTX 4090의 텐서 연산 능력은 1,400테라플롭스로 전 세대의 4배가 넘는 수준입니다. 역시 텐서 코어의 크기가 상당히 커졌다는 점을 유추할 수 있는데, 덕분에 인공지능을 이용한 이미지 품질 향상 기능인 DLSS이 3세대로 진화하면서 성능이 향상됐습니다. 엔비디아의 엔지니어들은 그래픽 쉐이더 연산 능력, 실시간 레이트레이싱 (RT) 연산 능력, 인공지능 연산 능력만 대폭 향상된 것이 아니라 이들을 유기적으로 연계해서 최종 결과물을 좋게 하는데도 심혈을 기울였습니다. 이제 게임 및 그래픽 개발자들은 RT 뉴럴 렌더링을 통해 쉐이더, RT, 텐서 코어를 프로그래밍 하고 AI 모델에 따라 연산할 수 있게 됐습니다.  또 한 가지 신기한 기능은 오래전 게임의 이미지 품질을 인공지능이 스스로 개선하고 RTX 효과를 입히는 RTX 리믹스입니다. 출시된 지 20년 된 게임인 엘더스크롤 3 모로윈드는 출시 당시에는 훌륭했지만, 지금 보면 매우 낮은 그래픽 품질을 보여줍니다. 여기에 RTX 리믹스를 적용하면 인공지능을 이용해 고해상도 텍스처와 최신 광원효과를 입혀 마치 최신 게임처럼 보이게 만들 수 있습니다. 이외에도 현존하는 그래픽 카드 중 최강의 인공지능 연산 능력을 이용해 여러 가지 응용이 가능할 것으로 기대됩니다.  하지만 막상 공개된 가격은 많은 사람을 실망시켰습니다. 가장 상위 제품인 RTX 4090이 1,599달러인 점은 이해할 수 있지만, RTX 4080 16GB와 12GB의 가격이 각각 1,199달러와 899달러로 책정된 것은 과한 가격 인상이라는 것입니다. 참고로 RTX 3090은 1,499달러 RTX 3080은 699달러, RTX 3070은 499달러의 가격으로 출시됐습니다. 나중에 채굴 수요로 가격이 폭등했던 것이지 처음에는 합리적인 가격이었던 것입니다.  더구나 AD103과 AD104라는 서로 다른 칩을 사용한 제품을 RTX 4080 16GB와 RTX 4080 12GB라는 이름으로 출시한 배경 역시 석연치 않습니다. 본래는 RTX 4080과 RTX 4070이었는데 가격을 많이 올리면서 더 상위 제품처럼 보이기 위해 이런 무리한 명칭을 붙이지 않았나 하는 느낌이 들 정도입니다.  이렇게 가격을 올린 데다 국내에서는 환율로 인해 가격이 더 크게 올랐습니다. RTX 4090의 가격은 263만원, RTX 4080 16GB는 192만원, RTX 4080 12GB는 140만원으로 게임 목적으로만 구매하기에는 상당히 부담스러운 가격입니다. 그나마 RTX 4080은 나중에 출시하고 RTX 4090이 먼저 등장합니다. RTX 4070/4060/4050 등 중급형 모델 출시 계획은 아예 발표된 게 없습니다.  이런 고가 정책은 엔비디아가 그래픽 카드 시장을 거의 독점하다시피 해 다른 대안이 없는 것이 중요한 배경으로 풀이됩니다. 사실상 유일한 경쟁자인 AMD 라데온 그래픽 카드는 시장 점유율이 낮고 인텔 아크 그래픽 카드는 이제 막 시장에 진입한 상태로 현재까지는 시장에 별 영향력이 없습니다. 따라서 최신 고성능 그래픽 카드를 구입하려면 값비싼 RTX 4000 시리즈나 구형이 되어 버린 RTX 3000 시리즈 중 하나를 택해야 합니다.  하지만 이렇게 소비자를 포용하지 못하는 가격 정책은 장기적으로 독이 될 수 있습니다. 아무리 훌륭한 그래픽을 보여준다고 해도 그래픽 카드는 생필품이 아니기 때문에 비싸더라도 어쩔 수 없이 구매할 소비자가 많지 않습니다. 상당수는 더 저렴한 콘솔 게임기나 스트리밍 서비스에 관심을 돌릴 수 있습니다. 물론 TSMC의 4N 같은 최신 미세 공정과 대용량 GDDR6X 메모리를 적용한 만큼 가격이 저렴할 순 없지만, 고가 제품이 있다면 일반 소비자를 위한 보급형 제품도 있는 것이 순리일 것입니다. 엔비디아가 가까운 미래에 합리적인 가격의 중급 모델을 보여주기를 기대합니다. 

인공지능(AI)에 대한 전 세계적인 열광은 여전히 뜨겁다. 그러나 현재의 AI는 여전히 불완전한 기술이고 궁극적인 지향점인 사람 수준의 지능을 달성하기까지 아직 많은 시간이 필요해 보인다. 그럼에도 AI 기술 확보를 위한 자본 집중과 경쟁 심화는 AI가 미래 먹거리의 중심에 서 있다는 것을 방증한다. 특히 하드웨어 시장을 살펴보면 그 잠재력을 짐작해 볼 수 있다. AI 하드웨어 시장의 키워드는 AI 칩이다. AI 칩의 본격 등장을 알린 계기는 2016년 이세돌 9단과 알파고의 대국부터이다. 구글은 AI 전용 칩인 ‘텐서플로우 연산처리장치’(TPU)를 개발해 이세돌 9단과의 대국에 나섰다. TPU는 인공신경망을 계산하는 데 최적화된 하드웨어로 가장 큰 특징은 저전력 소모이다. 인공신경망의 학습과 추론에 주로 활용되는 그래픽연산처리장치(GPU)와 비교했을 때 수십배 낮은 전력으로도 동일한 계산이 가능하다. AI 칩의 키워드는 저전력이다. 이것이 시사하는 바는 매우 크다. 작게는 사물인터넷(IoT) 장비에서 크게는 클라우드 데이터 센터까지 활용 폭이 넓다는 것이다. 특히 스마트폰 연산처리장치 생산 기업인 삼성과 퀄컴은 이미 AI 칩을 개발해 제품에 적용하고 있다. AI 활용 기능을 효율적으로 수행하기 위해서는 배터리 소모의 최적화가 무엇보다 중요하기 때문이다. 현재 AI 시장의 실질적인 매출은 글로벌 IT 기업이 공급하는 고성능 계산 클라우드 서비스 비중이 높은 편이다. AI 학습이라는 행위는 결국 막대한 연산으로 귀결되기 때문이다. ‘계산량=전력 소비량’이란 사실로 볼 때 계산 클라우드를 운영하는 기업의 입장에서는 전력소비를 최적화하는 것이 고수익과 직결된다. 저전력 AI 칩은 이런 고민을 근본적으로 해결해 줄 수 있는 매력적 대안이다. 재미있게도 저전력 AI 칩은 범용성이 매우 낮다는 특징이 있다. 일반적으로 범용성과 전력 소비량은 반비례 관계에 있기 때문이다. AI 칩에 대한 전 세계적인 관심과 투자는 그만큼 미래 AI 시장이 갖는 잠재력이 크다는 사실을 보여 준다. 또 AI 칩과 관련된 글로벌 IT 기업의 행보와 유니콘 스타트업(기업 가치가 10억 달러 이상인 스타트업 기업)의 출현은 그 경쟁구도를 더욱 본격화시키고 있다. 이러한 경쟁은 AI 발전의 자양분이 되어 미래를 혁신하는 원동력이 될 것이다.

그래픽 처리 장치 전문 업체인 엔비디아가 새로운 RTX 2000 시리즈 제품군을 본격적으로 출시했습니다. 오랜 세월 사용한 GTX라는 명칭을 버리고 RTX라는 새로운 브랜드로 등장한 RTX 2080 Ti, RTX 2080, RTX 2070은 높은 가격으로 인해 다소 논란도 있지만, 엔비디아는 ‘그래픽을 다시 발명했다(Graphic reinvented)’고 언급하면서 대단한 자신감을 보여주고 있습니다. 사실 RTX 시리즈에서 처음 도입한 튜링(Turing) 아키텍처는 엔비디아에도 상당한 도전입니다. 튜링은 그래픽에서는 물론 인공지능에서도 2위가 따라오기 힘든 엔비디아식 초격차 전략을 위한 포석이지만 여러 가지 검증되지 않은 새로운 시도가 담겨있기 때문입니다. 엔비디아가 튜링에서 도입한 가장 중요한 두 가지 핵심 무기는 바로 레이 트레이싱(Ray Tracing)을 위한 RT 코어와 딥러닝을 위한 텐서 코어(Tensor Core)라고 할 수 있습니다. 가짜를 더 진짜처럼 3D 그래픽 카드는 2차원 평면인 모니터에 가상의 3차원 물체를 보여주는 장치입니다. 초창기 3D 그래픽 게임은 지금 기준으로 보면 어설프게 색칠한 상자들이 움직이는 정도에 불과했습니다. 하지만 지난 수십 년간 더 현실적인 가짜를 구현하기 위한 노력 덕분에 게임에 등장하는 사람과 물건들은 점점 실제와 비슷해졌습니다. 엔지니어들은 끊임없이 더 많은 폴리곤과 텍스처를 처리할 수 있는 그래픽 프로세서를 개발했고 이제는 제법 사실적인 사물을 모니터를 통해 보여줄 수 있게 됐습니다. 그러나 이런 꾸준한 노력에도 불구하고 우리의 뇌는 게임 속 3D 그래픽이 실제와 다르다는 사실을 인지합니다. 여러 가지 이유가 있지만, 가장 중요한 건 빛의 효과가 실제와 다르기 때문입니다. 햇빛 같은 광원이 다시 물체에 반사되어 나오는 빛의 미묘한 광원효과는 워낙 복잡해서 슈퍼컴퓨터의 힘으로도 실시간으로 계산해 표현하기 어렵습니다. 물론 그래도 엔지니어들은 가능한 방법을 개발했습니다. 가장 대표적인 방법이 바로 레이 트레이싱(Ray tracing) 기법입니다. 레이 트레이싱은 광원과 빛의 반사를 실제와 가깝게 표현하는 기술로 이미 영화나 동영상 제작에서 널리 쓰이고 있지만, 이를 계산하기 위해서는 많은 시간이 필요해 게임에 적용하기에는 무리가 있었습니다. 영화에서는 몇 시간 렌더링한 결과를 1분 동안 보여줘도 문제없지만, 게임에서는 실시간으로 처리해야 하기 때문입니다. 이 문제의 해결책은 레이 트레이싱을 고속으로 처리할 별도의 연산 장치를 개발하는 것입니다. 엔비디아가 튜링에 탑재한 RT 코어가 그것으로 과거 소프트웨어적으로 레이 트레이싱을 처리할 때와는 비교할 수 없을 만큼 빠른 속도로 레이 트레이싱 연산이 가능해졌습니다. 엔비디아는 스타워즈 기술 데모를 시연하면서 과거 4개의 GPU로 처리하던 레이 트레이싱을 튜링 GPU 한 개로 더 빨리 처리할 수 있다는 점을 보여줬습니다. 물론 그래도 우리의 눈을 완전히 속일 수는 없지만, 더 진짜 같은 가짜를 구현할 수 있게 된 것입니다. 두 마리 토끼를 노리는 텐서 코어 튜링에서 다른 큰 변화는 인공지능 연산 장치인 텐서 코어가 같이 포함되었다는 사실입니다. 텐서 코어의 연산 능력은 114TFLOPS (16FP)로 현존하는 가장 강력한 인공지능 프로세서 가운데 하나입니다. 최근 GPU는 인공지능 분야에 쓰임새가 점점 늘어나고 있기 때문에 이런 변화는 자연스럽지만, 새로 추가된 텐서 코어가 본래 목적인 게임에는 무용지물이라는 게 문제입니다. 엔비디아는 텐서 코어에 새로운 일감을 줬는데, 바로 이미지 품질을 향상시키는 것입니다. 딥러닝 기법으로 저해상도 사진이나 영상으로 바꾸는 연구가 진행 중인데, 튜링은 아예 실시간으로 3D 그래픽 영상 품질을 높입니다. 게임 속 3D 그래픽은 흔히 계단 현상이라고 부르는 앨리어싱(Aliasing)을 제거하지 않으면 모서리 부분이 매우 지저분하거나 거칠게 보입니다. 이를 제거하기 위해 여러 기술이 개발되었는데, 대표적인 방법이 TAA(Temporal Anti-Aliasing)입니다. 어떤 방법이든지, 기존의 그래픽 연산 유닛을 사용하기 때문에 안티 앨리어싱을 많이 할수록 성능이 낮아졌습니다. 하지만 딥러닝을 위한 텐서 코어를 갖춘 튜링에겐 다른 방법이 있습니다. 딥 러닝 슈퍼 샘플링(Deep Learning Super-Sampling·DLSS)은 그래픽 연산이 아닌 인공지능을 이용해 이미지 품질을 높이기 때문에 3D 연산 능력에 영향을 미치지 않습니다. 결과적으로 텐서 코어를 이용해서 3D 처리 능력을 높인 것과 같은 결과를 얻게 됩니다. 물론 딥러닝 기법으로 이미지 해상도를 높일 경우 기존의 방식과 결과물이 다소 달라 이질적으로 보일 수도 있으나 딥러닝 기반이기 때문에 앞으로 알고리즘을 개선하고 학습을 많이 하면 더 좋은 결과를 얻을 수 있다는 점이 큰 장점입니다. 그래픽과 인공지능 왕좌 노리는 엔비디아 하지만 신기술에도 대가는 따르게 마련입니다. 이미 그래픽 연산과 병렬 연산을 위해 수천 개의 CUDA 코어를 집어넣은 상태에서 다시 텐서 코어와 RT 코어를 추가하면서 튜링 GPU는 엄청나게 커졌습니다. RTX 2080 Ti는 754㎟ 다이 (die) 면적에 186억 개의 트랜지스터를 집적했으며 RTX 2080/2070 역시 538㎟ 면적에 136억 개의 트랜지스터를 집적해 전 세대 대비 크기가 대폭 증가했습니다. 그러나 게임에서의 성능 향상 폭은 30-40% 수준으로 트랜지스터 증가에 미치지 못하는 수준입니다. 물론 새로운 유닛을 대거 집어넣었기 때문이죠. 이미 업계 1위인 엔비디아가 이런 대가를 치르면서까지 신기술을 집어넣은 이유는 분명합니다. 경쟁자들이 따라오지 못할 정도로 앞서가려는 것이죠. 레이 트레이싱 기술을 지원하는 게이밍 GPU는 현재 엔비디아만 출시했고 앞으로 당분간 엔비디아 이외의 회사는 없을 것입니다. 텐서 코어를 지닌 GPU 역시 마찬가지입니다. 물론 엔비디아의 전략이 통하려면 게임 제작사들의 협조가 필수적입니다. 제작사들이 적극적으로 레이 트레이싱과 DLSS를 적용해야 빛을 볼 수 있는 것입니다. 이미 여러 게임에서 지원을 공언했지만, 얼마나 보편적으로 이용하게 될지는 아직 미지수입니다. 만약 최신 게임에서 널리 사용하는 기술이 된다면 엔비디아의 입지는 한층 더 강화되고 차세대 그래픽과 인공지능에서 선두를 유지할 수 있을 것입니다. 과연 그렇게 될지는 두고 봐야 알겠지만, 현재의 성공에 만족하지 않고 새로운 시도를 하는 IT 기업의 모습은 매우 긍정적으로 보입니다. 고든 정 칼럼니스트 jjy0501@naver.com

불과 수년 전만 해도 인공지능은 특수 분야에서 연구되는 학문으로 우리 생활과는 거리가 먼 기술이었습니다. 하지만 지금은 검색은 물론 스마트폰이나 인공지능 스피커 등 다양한 기기에서 우리 생활에 파고들고 있습니다. 현재는 음성인식, 사물인식 등 제한적인 기능만 담당하지만, 점차 인공지능이 발달하면 과거 SF 영화에서 보던 것 같이 사람처럼 대화할 수 있는 인공지능도 가능할지 모릅니다. 이런 시대적 변화에 따라서 모바일 기기에 들어가는 애플리케이션 프로세서(AP) 역시 인공지능을 강조하고 있습니다. 작년에 등장한 애플의 A11 프로세서의 경우 더 강력한 CPU와 GPU 이외에도 뉴럴 엔진(neural engine)이라는 독립 신경망 하드웨어를 탑재해 페이스ID 같은 인공지능이 필요한 작업에 사용하고 있습니다. 사실 신경망은 별도의 전용 하드웨어 없이 CPU나 GPU에서도 사용할 수 있습니다. 실제로 딥러닝 연산에는 그래픽카드에 있는 고성능 GPU를 주로 활용합니다. 하지만 일반 컴퓨터와 달리 독립 AI 가속기(AI accelerator)를 모바일 칩에 탑재하는 것은 그럴 만한 이유가 있습니다. 같은 에너지 소모로 더 많은 인공지능 연산이 가능하기 때문입니다. 이는 제한적인 전력 소모만 허용되는 환경에서 매우 중요합니다. 스마트폰에서도 점점 인공지능 서비스가 선택이 아닌 필수가 돼가는 상황에서 여러 제조사가 AI 가속기를 모바일 칩에 탑재하는 이유입니다. 화훼이 역시 기린 970 프로세서에 캄브리콘-1A라는 AI 가속기를 탑재했고 퀄컴의 스냅드래곤 845 프로세서 역시 카메라 이미지 처리 등을 위해 Hexagon 685 DSP에 뉴럴 프로세싱 엔진(Neural Processing Engine·NPE)을 탑재해 카페(Caffe)나 텐서플로(TensorFlow) 같은 인공지능 관련 소프트웨어를 지원할 수 있습니다. 이미 이 AI 가속기는 사진 촬영이나 이미지 검색, 얼굴 인식 등 다양한 서비스에 사용되고 있습니다. 그리고 앞으로는 고가 스마트폰에서만 가능했던 기능이 보급형 스마트폰과 사물인터넷 (IoT)으로 확산될 것으로 보입니다. ARM 같은 주요 제조사에서 여러 회사에서 사용할 수 있게 관련 제품군을 판매할 예정이기 때문입니다. 현재 모바일 CPU의 주류인 ARM은 프로젝트 트릴리움(Project Trillium)이라는 모바일 및 사물 인터넷 기기 전용의 AI 가속기를 개발하고 있습니다. ARM 기반의 CPU와 말리(Mali) GPU와 독립적으로 인공지능 연산을 위해 기계 학습 ML(Machine Learning) 프로세서와 사물 인식(Object detection) 프로세서를 추가한다는 계획입니다. ML 프로세서의 경우 와트(W) 당 3TOPS(TOPS; Trillion operations per second, 초당 1조회)의 연산 능력을 지녀 애플의 A11 프로세서의 초당 6000억 회 연산 능력을 크게 앞서게 됩니다. OD 프로세서는 정지 화면만이 아니라 1080p full HD 영상의 움직이는 사물을 인식할 수 있습니다. ARM은 프로젝트 트릴리움을 통해 여러 제조사가 AI 가속기를 기존의 프로세서에 통합할 수 있게 한다는 계획입니다. 가장 중요한 고객인 애플이 떠나면서 어려움을 겪었던 이메지네이션 테크놀로지스(Imagination Technologies) 역시 AI 가속기에서 활로를 찾고 있습니다. 본래 애플의 A 시리즈 프로세서에 사용된 PowerVR GPU의 제조사인 이메지네이션은 PowerVR 2NX NNA(Neural Net Accelerator)라는 인공지능 전용 가속기를 선보였습니다. 고성능 스마트 기기를 위한 AX2185와 저가형 스마트 기기 및 셋톱 박스 같은 주변 기기를 위한 AX2145이 그것으로 각각 4.1TOPS와 1.0 TOPS의 연산 능력을 지녀 ARM의 프로젝트 트릴리움과 시장에서 경쟁할 것으로 보입니다. 여러 제조사에서 AI 가속기를 지닌 프로세서를 경쟁적으로 내놓으면서 우리가 매일 쓰는 스마트폰이 앞으로 더 똑똑해질 것이라는 점은 의심의 여지가 없습니다. 하지만 하드웨어만으로 인공지능 기반 서비스가 이뤄지지는 않습니다. 이를 효과적으로 사용하는 소프트웨어에 더해 어떤 콘텐츠를 소비자에게 제공할 것인지가 가장 중요합니다. 어떤 기술도 사용자나 소비자를 배제하고 발전할 수 없습니다. 인공지능 역시 예외가 아닐 것입니다. 고든 정 칼럼니스트 jjy0501@naver.com

미국이 다시 슈퍼컴퓨터 세계 1위의 자리를 되찾았습니다. 미국 에너지부 산하의 오크리지 국립 연구소(Oak Ridge National Laboratory·ORNL)에 설치되어 가동에 들어간 서밋(Summit)은 오랜 시간과 비용을 들여 만든 슈퍼컴퓨터로 미국의 대표적 IT 기업인 IBM과 엔비디아의 합작품입니다. 연산 속도는 200페타플롭스(PFLOPS)로 과거 1위인 중국의 선웨이 타이후라이트(Sunway TaihuLight)의 93페타플롭스의 2배에 달하며 2012년 도입했던 타이탄의 27페타플롭스와 비교해도 8배 가까이 빠릅니다. 이런 강력한 연산 능력을 위해서 서밋은 두 가지 프로세서를 사용합니다. CPU는 IBM의 최신 서버용 CPU인 Power9을 사용하는데, 22코어 버전으로 각 코어당 4-8개의 스레드를 지원해서 한 개의 CPU만으로도 여러 개의 CPU를 사용한 서버만큼 힘을 낼 수 있습니다. 서밋에 사용된 IBM AC922 서버에는 Power9 CPU 두 개가 들어갑니다. 하지만 이것만으로는 200페타플롭스의 성능을 내기 어렵기 때문에 엔비디아가 개발한 볼타 V100 기반의 테슬라 GPU 6개가 추가로 사용됩니다. 200억 개가 넘는 트랜지스터를 집적한 볼타 GPU는 병렬연산을 위한 5,376의 CUDA 코어와 인공지능 연산을 위한 672개의 텐서 코어를 지녀 범용 연산은 물론 머신러닝 관련 연산을 훨씬 빠르게 수행할 수 있습니다. 서밋은 이런 IBM AC922 서버 4,608개가 설치되어 200페타플롭스의 성능을 낼 수 있습니다. 서밋의 장점은 일반 연산 능력이 빠르다는 외에도 인공지능 연산에 매우 강하다는 점입니다. 머신러닝 연산에 특화된 V100 GPU를 2만 7000개 이상 사용하고 있어 현시점에서 지구에서 가장 강력한 인공지능 컴퓨터라고 할 수 있습니다. GPU 하나가 120TFLOPS의 텐서 플로 연산을 할 수 있어 수백 개 CPU가 하는 머신 러닝 연산을 한 번에 처리할 수 있습니다. 마치 영화 터미네이터에 나오는 스카이넷을 연상시키는 성능이지만, 영화처럼 인류를 적으로 규정하고 공격하는 일은 불가능합니다. 서밋은 가치 판단은 할 수 없는 데다 핵무기와 인공지능 무기를 통제하는 용도가 아니기 때문입니다. 서밋은 인류와 전쟁을 벌이는 대신 인간을 위해서 일할 것입니다. 물론 이런 슈퍼컴퓨터의 용도 가운데 하나는 핵폭발 시뮬레이션이지만, 오크리지 국립 연구소 측은 서밋이 암 발생을 예측하거나 지구 온난화의 추세를 예측하는 등 인류에게 도움이 되는 용도로 활용될 것이라고 설명했습니다. 한 가지 더 흥미로운 부분은 중국의 대응입니다. 선웨이 타이후라이트가 세계 1위 슈퍼컴퓨터로 등극한지도 2년이 지났기 때문에 일반적인 프로세서 개발 주기를 고려할 때 선웨이 타이후라이트에 사용된 SW26010의 후속 프로세서가 이미 개발이 끝나가는 중일 가능성이 큽니다. 따라서 서밋이 얼마나 왕좌를 지킬지 역시 관심사 가운데 하나입니다. 다만 서밋은 인공지능 연산에 특화되어 있어 한동안 이 부분에서는 가장 강력한 컴퓨터 자리를 지킬 것으로 보입니다. 물론 미국은 서밋에서 슈퍼컴퓨터 프로젝트를 마무리하려는 것이 아니라 더 강력한 슈퍼컴퓨터를 개발해 계속해서 이 분야에서 우위를 지키려 하고 있습니다. 미국 정부의 계획은 2021년까지 서밋보다 적어도 5배 빠른 엑사스케일 컴퓨터를 만든다는 것입니다. 이를 위해 관련 업체에 연구 자금을 지원하고 있으며 IBM과 엔비디아뿐 아니라 미국 내 주요 IT 기업들이 차세대 고성능 프로세서 개발을 위해 협력하고 있습니다. 결국 이런 추세가 이어지면 과거 이세돌 9단을 이긴 알파고의 인공지능 연산 능력을 수천 배 뛰어넘는 고성능 인공지능 컴퓨터의 등장은 시간 문제라고 할 수 있습니다. 과연 이것이 인류에게 축복이 될지는 우리가 이를 어떻게 활용하는지에 달려있을 것입니다. 강력한 슈퍼컴퓨터와 인공 지능 컴퓨터 개발 이상으로 우리에게 중요한 질문입니다. 고든 정 칼럼니스트 jjy0501@naver.com

지난 미국 대선 당시 이용자 8700만명의 개인 정보를 유출해 궁지에 몰린 페이스북이 유해 영상을 담은 라이브 스트리밍 콘텐츠를 실시간으로 걸러낼 인공지능(AI) 칩을 개발하고 있다고 벤처비트 등 정보통신기술(IT) 매체들이 26일(현지시간) 전했다. 페이스북의 AI 수석엔지니어 얀 르쿤은 이날 프랑스 파리에서 열린 비바테크놀로지 콘퍼런스에서 “누군가 살인 또는 자살을 라이브 스트리밍으로 생중계해 페이스북에 올린다면 우린 그런 유해 영상을 곧바로 제거할 것”이라며 “에너지 효율을 최대한 높인 칩을 디자인하기 위해 많은 회사와 협력하고 있다”고 설명했다. 페이스북의 칩 개발에는 인텔, 삼성, 엔비디아 등이 협력할 가능성이 점쳐진다. 앞서 마크 저커버그 페이스북 최고경영자(CEO)는 페이스북에 자살 충동 영상 등 유해 콘텐츠가 넘쳐난다는 지적이 잇따르자 인력 3000명을 고용해 나쁜 콘텐츠를 걸러내겠다고 공약한 바 있다. 벤처비트는 애플, 구글, 아마존 등 미국 IT 기업들은 이미 유사한 전문 칩 제조에 돌입한 상태라고 전했다. 구글은 AI 고도화를 위해 자체 AI 칩 텐서프로세싱유닛(TPU)을 3세대까지 공개한 상태다. 애플은 2020년부터는 맥북 등에 쓰이는 중앙처리장치(CPU)를 자체 칩으로 대체한다는 계획이다. 하종훈 기자 artg@seoul.co.kr

컴퓨터의 가격은 용도에 따라 천차만별입니다. 가벼운 웹 서핑이나 문서 작성용이라면 가격은 수십만 원까지 내려갈 수 있습니다. 게이밍 PC라면 100만 원 정도는 기본이고 여러 개의 그래픽카드를 탑재하고 고성능 CPU까지 포함하면 이보다 더 비싸질 수 있습니다. 그래픽 작업을 비롯한 전문적인 용도로 사용하는 경우 그래픽 카드 가격만 수백만 원 이상을 넘어가게 됩니다. 서버의 경우 용도에 따라 가격 차이가 크지만 수천만 원 이상 나가는 제품도 드물지 않습니다. 엔비디아가 내놓은 DGX-2는 일반 냉장고나 세탁기보다 작은 크기지만, 가격은 39만9000달러(약 4억 2000만원)에 달하는 초고가 컴퓨터입니다. 이런 가격에도 팔릴 것이라고 예상하고 내놓은 데는 그럴 만한 이유가 있습니다. 인공지능 같은 특정 연산 부분에서 대단히 높은 성능을 보여주기 때문입니다. DGX-2는 16개의 볼타 GPU와 인텔 제온 플래티넘 CPU 2개를 하나의 시스템으로 만든 것입니다. 인공지능과 관련된 텐서(Tensor) 연산 능력이 1920TFLOPs에 달하는데, 이는 5년 전 나왔던 GTX 580 SLI 기반의 인공지능 시스템의 500배에 달하는 연산 능력입니다. 엔비디아가 작년에 내놓은 DGX-1과 비교해도 두 배에 달하는 성능입니다. 사실 메모리와 GPU 숫자를 두 배로 늘렸으니 속도가 두 배가 되는 것은 당연하지 않겠냐고 반문할 수 있지만, 세상일이 항상 그렇듯이 말처럼 쉬운 일은 아닙니다. GPU 숫자가 늘어난 만큼 이를 하나로 연결하는 일이 어려워집니다. 더욱이 DGX-2에 사용되는 16개의 볼타 GPU는 각각 32GB의 HBM2 메모리를 지니고 있어 모두 합치면 512GB에 달합니다. 엔비디아는 이들을 하나의 시스템으로 연결할 수 있는 NV스위치 기술을 같이 공개했습니다. 이 새로운 인터페이스 덕분에 모든 GPU가 초당 300GB의 데이터를 주고받을 수 있습니다. 이는 시스템 전체로는 초당 2.4TB의 양방향 인터페이스를 의미합니다. 과거 컴퓨터 내 인터페이스와는 비교가 되지 않을 정도로 빠른 속도입니다. DGX-2의 또 다른 특징은 30TB 용량의 저장 장치를 SSD로만 구성했다는 점입니다. 최대 60TB까지 SSD를 증설할 수 있는데, 데이터의 고속처리를 위해 매우 빠른 SSD로만 대용량 저장장치를 구현한 것입니다. 참고로 DDR4 메모리는 1.5TB까지 지원합니다. 그리고 이 모든 장치에 전력을 공급하기 위해 10kW 혹은 1만W급 파워서플라이를 가지고 있습니다. 일반 PC의 파워서플라이가 대개 500W 이내 수준인 점을 생각하면 20배나 큰 대용량입니다. DGX-2는 여러 대의 서버를 병렬로 연결한 것과 같은 성능을 지니고 있습니다. 딥러닝 관련 연산을 할 때는 여러 개의 서버보다 한 개의 고성능 컴퓨터가 공간은 물론 에너지를 크게 절약할 수 있습니다. 물론 일반인이 구매하거나 사용할 일은 거의 없겠지만, 그 결과물은 모두에게 혜택을 줄 수 있습니다. 이런 딥러닝 전용 슈퍼컴퓨터는 과학 연구 및 빅데이터 분석을 통해 알게 모르게 우리에게 삶을 윤택하게 하거나 질병 치료에 도움을 줄 것입니다. 고든 정 칼럼니스트 jjy0501@naver.com　

갤럭시S9 ‘엑시노스 9810’ 찍은 사진과 유사 상품 검색 애플 ‘아이폰에 3D 안면인식’ 초당 최대 6000억번 작업 처리 아마존·구글·퀄컴도 개발 올인정보기술(IT) 업계가 올해를 이른바 ‘차세대 칩’으로 불리는 인공지능(AI) 애플리케이션프로세서(AP) 개발 경쟁의 원년으로 보고 있다. 4차 산업혁명과 5세대(5G) 이동통신 상용화로 사물인터넷(IoT) 등 신기술이 AI 칩을 요구하기 때문이다. 진화하는 스마트폰과 자율주행차 등이 인간의 뇌처럼 연산하는 AI 칩을 꼭 필요로 하는 까닭도 가세한다. 15일 업계에 따르면 AI 칩은 그동안 각각 발전했던 중앙처리장치(CPU), 그래픽처리장치(GPU), 메모리 기술이 하나의 칩으로 합쳐진다는 의미다. 기존 기술에서 각각의 칩이 ‘한 번에 하나씩’ 데이터를 처리했다면 이미지 처리, 음성인식 등 다양한 비정형 데이터를 동시에 빠르게 처리하는 기술이 요구되는 것이다. 글로벌 IT 기업들은 물론 중국 업체들까지 이미 시장에 속속 뛰어들고 있다. AI 비서 시장이 불어나는 것도 AI 칩의 미래를 밝게 해 준다. 시장조사 업체 IDC에 따르면 AI 하드웨어, 소프트웨어 시장은 해마다 50%씩 급증할 전망이다. 지난해 80억 달러(약 9조원)이던 세계 AI 시장 규모는 올해 125억 달러로 불어날 것으로 예상됐다. 2022년에는 1000억 달러(약 112조원)가 넘을 전망이다.삼성전자의 새 전략 스마트폰 갤럭시S9 시리즈에 탑재된 ‘엑시노스 9810’ 칩은 AI 칩의 출발선 격이다. 외국어 메뉴를 한국어로 번역해 주고, 사진을 찍으면 비슷한 상품을 쇼핑 검색해 주는 등 “주로 지능형 이미지 처리에 특화됐다”는 게 삼성전자의 설명이다. 신경망을 기반으로 한 딥러닝(심화학습)이 적용됐다는 것이다. 삼성의 음성인식 비서 ‘빅스비 2.0’을 위해선 이 칩 수준을 끌어올려야 한다. IT 전문매체 폰아레나 등 외신에 따르면 삼성전자는 신경망네트워크프로세서(NPU·딥러닝 연산을 처리하는 별도 처리장치) 개발도 임박한 것으로 알려졌다. 지금의 AI 칩은 클라우드를 거쳐 정보를 처리하지만 NPU는 기기 내 데이터만으로 AI 서비스를 이용할 수 있어 실시간 지연이 거의 없다. 애플이 휴대폰 중 최초로 아이폰에 3차원(3D) 안면인식 기술을 넣은 것도 AI 칩 덕분이다. 애플의 자체 프로세서 ‘A11 바이오닉’은 신경망 엔진이 적용된 AI 칩이다. 초당 최대 6000억번까지 작업을 처리할 수 있어 음성 인식, 자연어 처리 등에도 특화됐다. 아마존, 구글, 퀄컴 등 글로벌 IT 강자들도 AI 칩 개발에 올인하고 있다. 구글은 이미 자체 칩을 사용해 스트리트뷰, 사진, 번역 등 서비스를 지원하고 있다. 지난해 텐서프로세싱유닛(TPU)이라는 새 AI 칩을 내놓았다. 아마존은 한발 늦었지만 최근 자사 AI 스피커 ‘에코’에 사용할 AI 칩의 자체 설계에 들어갔다. 반도체 강자 인텔은 지난해 8월 AI 스타트업(신생기업) ‘너바나 시스템스’를 인수하며 AI 칩 확장에 대한 의지를 드러냈다. 퀄컴의 ‘스냅드래곤845’ 칩은 전작인 ‘스냅드래곤835’ 대비 AI 성능이 3배가량 향상돼 AI 비서에 활용할 경우 훨씬 정확하고 빠른 대답이 가능해졌다. AI 칩 개발에 열을 올리고 있는 중국 화웨이는 지난해 가을 세계 최초로 모바일용 NPU ‘기린 970’을 공개하고 최신 스마트폰 ‘메이트10’에 실었다. 업계 관계자는 “AI 칩은 네트워크 환경 제약을 받지 않고 에너지 효율도 높아 활용 범위가 비약적으로 넓어질 것”이라고 내다봤다. 이재연 기자 oscal@seoul.co.kr

컴퓨터의 가격은 성능과 사양에 따라 천차만별입니다. 매우 저렴한 컴퓨터의 경우 수십만 원에 불과한 것도 있지만, 특수목적에 사용되는 전문가용 컴퓨터는 CPU, 그래픽카드, SSD 등 주요 부품의 가격만 수백만 원을 넘는 경우가 드물지 않습니다. 물론 업무에 꼭 필요하다면 비싼 돈을 주고서라도 구매하려는 이는 있게 마련입니다. 이 경우 종종 장비의 가격은 억대를 훌쩍 넘어설 수도 있습니다. 그래픽 전문 기업인 엔비디아가 출시한 DGX-1 시스템 역시 마찬가지입니다. 14.9만 달러 (약 1억 6850만원)의 비싼 가격이지만, 이를 구매한 매사추세츠 종합 병원 및 브리검 여성병원의 임상 데이터 과학센터는 그만한 가치를 할 것으로 믿고 있습니다. 가격만큼 강력한 사양을 갖추고 있기 때문입니다. 구체적인 사양은 20개의 코어를 지닌 제온(Xeon) E5-2698 v4(브로드웰 E) CPU 2개와 연산에서 핵심 기능을 담당할 테슬라 V100 GPU 8개, 그리고 512GB DDR4 메모리, 1.92TB SSD 4개로 이를 작동시키기 위해서는 3200W 파워서플라이가 필요합니다. 모두 비싼 부품이지만, 사실 가격에서 대부분을 차지하는 것은 테슬라 V100입니다. 코드명 볼타(Volta)로 알려진 이 그래픽 처리 장치는 사실 그래픽 처리보다 연산을 위해서 태어났습니다. 트랜지스터 집적도가 210억 개에 달해 CPU와 비교해도 엄청나게 큰 프로세서입니다. 이렇게 커진 이유는 물론 연산 유닛이 여러 개이기 때문이지만, 인공지능을 위해 별도의 텐서 코어를 탑재한 것도 이유입니다. 그래서 DGX-1의 딥 러닝 연산 능력은 960TFLOPS에 달해 CPU 800개가 수행하는 것과 맞먹는 연산을 3U 랙마운트 서버 크기(866㎜x444㎜x131㎜)의 시스템 하나에서 수행할 수 있습니다. 따라서 특수 목적의 딥 러닝 연산에서는 오히려 가격 대 성능비가 우수한 편입니다. 물론 훨씬 저렴한 게이밍 그래픽카드 역시 딥 러닝 목적으로 사용할 수 있습니다. 하지만 근본적으로 하루 24시간 1년 365일 작동을 보장하는 제품이 아니기 때문에 장시간 작업을 하면 뭔가 오작동을 하거나 고장 날 가능성이 큽니다. 이런 시스템을 판매하는 쪽이나 구매하는 쪽 모두 이 사실을 알기 때문에 비싸도 팔리는 것입니다. 이를 구매한 임상 데이터 과학 센터는 이를 이용해 유전자 연구 및 다양한 의료용 영상 및 이미지 연구에 사용할 계획입니다. 진단 기술의 발전으로 의료용 이미지의 양이 폭발적으로 증가하고 있어 이를 분석하고 처리할 인공지능 시스템이 큰 도움이 될 수 있기 때문입니다. 더 나아가 의사의 임상적 판단을 돕고 더 정확한 치료를 하는 데 인공지능이 많은 이바지 할 수 있습니다. 비록 일반인이 이런 시스템을 구매할 일은 없겠지만, 결국 알게 모르게 그 열매를 모든 사람이 누릴 수 있을 것으로 기대합니다. 고든 정 칼럼니스트 jjy0501@naver.com

프로세서가 얼마나 큰지 설명하기 위해서 예시로 드는 것이 트랜지스터 숫자입니다. 인구가 100만인 도시보다 1000만 명인 도시가 더 복잡하고 큰 도시인 것처럼 트랜지스터 10억 개를 가진 프로세서보다 100억 개를 가진 프로세서가 더 복잡하고 큰 프로세서일 것입니다. 물론 반드시 성능이 비례적으로 증가하는 건 아니지만, 대체로 성능이 우수하고 값비싼 프로세서라고 할 수 있을 것입니다. CPU나 그래픽 연산을 처리하는 GPU의 트랜지스터 숫자는 반도체 제조기술과 더불어 기하급수적으로 증가했습니다. 최초의 펜티엄 프로세서의 경우 300만 개가 조금 넘는 수준에 불과했지만, 더 작은 회로를 그릴 수 있는 미세 공정 반도체 제조 기술의 발전으로 이제는 우리가 쓰는 스마트폰에 들어가는 두뇌인 애플리케이션 프로세서(AP)에도 수십억 개의 트랜지스터가 담길 수 있습니다. 상대적으로 공간이나 전력 소모의 제약이 덜한 GPU의 경우 이제 100억 개가 넘는 제품까지 등장했습니다. 본래 GPU의 목적은 3D 게임을 빠른 속도로 처리하기 위한 보조 프로세서였으나 최근에는 다양한 병렬 연산을 돕는 프로세서로 발전하고 있습니다. 다양한 슈퍼컴퓨터에 GPU가 탑재되고 있는데, 이 시장에서 선두를 달리는 회사는 엔비디아입니다. 요즘 이 회사가 자주 거론되는 이유는 인공지능 때문입니다. 인공지능 연산을 위해서 전통적인 CPU만 사용하는 것보다 GPU를 이용해서 연산하는 것이 훨씬 빠르기 때문입니다. 최근 고성능 컴퓨터 시장뿐 아니라 인공지능 부분에서 수요가 급격히 증가하면서 이에 특화된 GPU가 등장했습니다. 최근 엔비디아가 공개한 GPU인 볼타 V100의 경우 210억 개의 트랜지스터를 지닌 괴물 프로세서입니다. 면적도 815㎟로 이제까지 나온 프로세서 가운데 가장 큰 편에 속합니다. 이렇게 크기가 커진 이유는 여러 종류의 연산 유닛을 탑재했기 때문인데, 눈길이 가는 부분은 구글이 기계학습 오픈소스인 텐서플로(TensorFlow)를 노리고 나온 듯한 연산 유닛인 텐서 유닛(Tensor Unit)을 탑재한 점입니다. 이는 인공 지능 연산에 특화된 부분입니다. 엔비디아에 의하면 V100의 텐서 유닛 연산 능력은 120TFLOPS에 달해 기존 제품에 비해 12배나 빠르게 인공 지능 관련 연산이 가능합니다. V100을 8개 탑재한 DGX-1 제품의 경우 960TFLOPS의 연산 능력을 지녀 전통적인 CPU 연산 대비 400배나 빠르다고 합니다. 한마디로 요즘 뜨는 분야인 인공지능을 위한 프로세서라고 할 수 있습니다. 하지만 그렇다고 해서 이 분야에 경쟁자가 없는 것은 아닙니다. 이 분야에서 가장 앞선 기업인 구글의 경우 텐서 프로세싱 유닛(Tensor Processing Unit, TPU)이라는 텐서 플루 전용 프로세서까지 선보였습니다. 기존의 프로세서 대비 14~16배 정도 더 빠를 뿐 아니라 하루 1억 개의 이미지를 처리할 수 있는 능력을 지니고 있습니다. 더구나 이 프로세서는 28nm 같은 오래된 공정을 이용하는 만큼 마음먹고 더 미세한 공정을 이용해 고성능 텐서 프로세싱 유닛을 만들면 훨씬 강력한 인공 지능 칩을 만들 수 있습니다. 엔비디아가 결국 텐서 유닛을 추가로 집어넣어 거대한 프로세서를 만든 것도 사실 여기에 대응하기 위해서일 가능성이 큽니다. 인공 지능 연산에 특화된 유닛이 없으면 경쟁이 어렵기 때문입니다. 사실 이런 특수목적의 프로세서는 일반 사용자가 직접 접하기 어려운 제품입니다. V100을 8개 탑재한 DGX-1은 가격이 14만 9000달러(약 1억 6700만원)에 달합니다. 하지만 사실 우리가 일상적으로 사용하는 여러 인터넷 기반 서비스에는 인공지능이 이미 결합해 있습니다. 음성인식이 그렇고 언어 번역이나 검색도 마찬가지입니다. 자율주행같이 미래가 기대되는 분야도 있습니다. 우리가 모르는 사이 이런 고성능 프로세서들의 경쟁이 우리의 삶을 바꾸고 있고 앞으로 더 바꿔 나갈 것입니다. 고든 정 칼럼니스트 jjy0501@naver.com

지난 3월 ‘알파고 충격’으로 인공지능에 대한 대중적인 관심이 크게 높아졌다. 특히 인간의 고유 영역인 지능적 활동이 인공지능으로 대체 가능해짐에 따라 미래 사회에 대한 기대와 우려가 공존하고 있다. 인공지능 기술은 지금도 급격하게 발전하고 있는 분야로, 상용화된 신기술은 일일이 이해하기도 어려운 실정이다. 좋으나 싫으나 우리가 인공지능과 직면해야 하는 시대가 온 것이다. 인공지능의 성공 요인은 정보통신기술(ICT)의 환경 변화로부터 찾을 수 있다. 먼저 저렴한 고성능 하드웨어의 보급이 주된 요인이다. 최신 그래픽 카드 연산처리장치의 이론적 성능은 15년 전 세계에서 가장 빠른 슈퍼컴퓨터의 성능을 능가한다. 알파고의 핵심인 ‘딥러닝’과 같은 학습 기반의 인공지능 기술은 막대한 계산량이 필요하기 때문에 저렴한 컴퓨팅 파워의 보급이 기술 발전에 결정적인 역할을 했다. 하지만 여전히 인공지능의 기술적 진입 장벽은 매우 높다. 소프트웨어뿐만 아니라 하드웨어, 알고리즘까지 모두 이해해야 하기 때문이다. 이러한 기술적 장벽을 해소한 것이 ‘오픈소스 소프트웨어’다. 이것이 인공지능의 두 번째 성공 요인이다. 구글의 기계학습 공개 소프트웨어인 ‘텐서플로’는 딥러닝 알고리즘을 모두 공개하고, 그래픽 카드와 같은 고성능 연산처리장치를 쉽게 사용할 수 있는 환경을 제공한다. 따라서 연구자들은 양질의 데이터를 확보하고 모델링하는 능력에만 집중하면 된다. 저렴한 하드웨어와 오픈소스 소프트웨어로 인공지능의 기술적 장벽은 현저히 낮아졌다. 그럼에도 구글, IBM, 페이스북 등 글로벌 IT 기업들은 인공지능 분야에 공격적인 투자를 이어가고 있다. 여기에 주목할 만한 결과물로는 ‘인공지능 플랫폼’이 있다. 쉽게 말해 인공지능 기술을 빌려 쓸 수 있는 환경이다. 예를 들어, 이미지 인식은 영상이나 이미지에서 객체(object)를 분류하고 그 객체의 위치를 찾는 인공지능 기술인데, 이것이 서비스 형태로 제공되는 것이다. 인공지능 플랫폼이 시사하는 바는 매우 크다. 인공지능 기술의 진입장벽을 현저히 낮췄다. 비단 하드웨어뿐만 아니라 소프트웨어까지 서비스의 형태로 제공되기 때문이다. 따라서 연구·개발자들은 아이디어 중심의 창업이 가능해질 것이다. 그렇다면 우리는 어떻게 대응해야 할까? ‘한국형’으로 인공지능 플랫폼을 개발해 다른 나라보다 우위를 점할 수 있을까? 이미 공개된 인공지능 플랫폼으로 창업을 장려하는 것이 더 현실적이다. 어려운 인공지능 기술을 쉽게 구현할 수 있는 기회가 마련됐기 때문이다. 인공지능 플랫폼을 활용해 혁신적인 제품이나 서비스를 시의성 있게 개발하는 것이 중요하다.

’건강한 신체에서 건강한 정신이 깃든다는 말’이 실제로도 사실인 것 같다. 최근 미국 일리노이 대학 연구팀은 육체적으로 왕성한 활동을 보이는 어린이가 ‘머리’가 더 좋다는 연구결과를 발표했다. 어린이를 대상으로는 처음으로 검증된 이 연구결과는 9~10세 어린이 총 24명의 뇌를 MRI 확산 텐서영상(MRI diffusion tensor image)으로 분석해 얻어졌다.　 연구팀은 먼저 피실험자인 어린이들을 대상으로 운동 능력과 건강 상태를 의미하는 육체적 피트니스(fitness)를 측정했으며 이를 정신적 피트니스 곧 뇌와 비교 분석했다. 그 결과 육체적으로 좋은 점수를 받은 어린이의 뇌는 더 많은 섬유질과 ‘백질’로 꽉 차있다는 사실이 확인됐다. 특히 연구팀이 주목한 것은 바로 백질이다. 백질(白質)은 뇌의 회백질 사이를 연결하는 조직으로 정보를 전달하는 통로로 알려져 있다. 특히 백질은 학부모들이 좋아하는 아이의 좋은 기억력과 집중력의 메이커 역할을 한다. 연구에 참여한 일리노이 대학 로라 채덕-헤이맨 박사는 “과거 연구에서 아이들의 육체적 피트니스 능력이 좋을수록 기억력과 학습에 중요한 역할을 하는 회백질의 양이 많아진다는 논문이 발표된 바 있다” 면서 “백질과도 연관있다는 사실이 이번에 처음으로 입증된 것”이라고 설명했다. 이어 “육체적으로 상위의 능력을 발휘하는 어린이는 교실 안에서도 친구들보다 더 뛰어난 정보처리 능력을 보일 수 있다”고 덧붙였다.　 박종익 기자 pji@seoul.co.kr