글로벌 新(新) 비즈니스 가이드(50)
‘神秘월드’는 世界 各國에서 世上을 이롭게 이끄는 革新的인 企業과 새로운 情報技術(IT) 消息들을 紹介합니다. ‘破壞的 革新’을 꾀하는 스타트업부터 글로벌 主要 企業까지, 빠르게 變해가는 ‘新(新) 글로벌 비즈니스’를 알차게 傳達하겠습니다.
이番 神秘월드는 ‘
우리는 엔비디아의 時代에 살고 있습니다(上)
’의 後續篇입니다. 16日 記事(https://n.news.naver.com/mnews/article/020/0003553586?sid=104)를 먼저 읽어보시기를 勸합니다.
‘게임 덕후’가 만든 슈퍼컴퓨터
1993年 美國 캘리포니아州 서니베일의 한 아파트 月貰房에서 事業을 始作한 會社가 있었다. 게임 畫質이 漸次 重要해질 것으로 展望한 創業者들은 事業을 위해 各自 잘나가던 技術 會社까지 관뒀다. 한 次例 廢業 危機를 넘긴 이 會社는 2000年代 그래픽카드 ‘지포스(GeForce) 시리즈’로 게임 業界를 휩쓸었다. 半導體 企業 엔비디아 이야기다.
美 스탠퍼드대에서 컴퓨터 그래픽을 工夫하던 大學院生 이안 벅은 工夫만큼 게임을 좋아했다. 그는 2000年 23個의 지포스를 連結해 ‘퀘이크’라는 게임을 즐겼다. 그는 “8K 解像度의 첫 番째 게임 裝備였다”며 “게임을 위한 裝備가 壁 한쪽을 통째로 차지했는데, 正말 아름다웠다”고 回想했다. 이때만 해도 엔비디아는 게이머들 사이에서만 핫한 會社였다.
그런데, 벅처럼 게임과 컴퓨터를 모두 잘 아는 一部 硏究員이 그래픽處理裝置(GPU)를 게임 以外의 用途로 活用하기 始作했다. 分子 關聯 모델을 만들던 한 硏究員은 年産 作業에 大學에 있던 슈퍼컴퓨터 代身 電子 賣場에서 購買한 GPU를 使用했다. 몇 週가 걸릴 일이 몇 時間 만에 끝났다.
한창 게임에 心醉해 있던 벅度 GPU의 潛在力을 發見한 이들 中 하나였다.
그는 게임에서 親舊들에게 手榴彈을 던지는 것 말고도 다른 곳에 GPU를 使用할 수 있을지 궁금했다.
美國防衛高等硏究計劃局(다르派·DARPA)의 支援을 받던 벅은 지포스의 프로그래밍 道具인 셰이더(上篇 參考)를 해킹해 多量의 演算을 빠른 速度로 해치우는 슈퍼컴퓨터를 開發했다. GPU를 活用한 ‘低豫算 슈퍼컴퓨터’였다. 參考로, 美國 國防省 傘下 核心 硏究開發 組織 中 하나인 다르파는 最初의 인터넷을 開發한 곳이기도 하다.
얼마 안 돼 엔비디아에 스카우트된 벅은 2004年부터 ‘쿠다(CUDA)’ 프로젝트를 監督했다. 2006年 登場한 쿠다는 엔비디아의 GPU에서만 作動하는 一種의 프로그래밍 툴이다. 그래픽카드를 그래픽 作業 以外의 用途로 活用할 수 있도록 엔비디아가 開發한 플랫폼(生態系)이다. 컴파일러, 런타임, 디버거 等(記者도 모른다. 걱정하지 말자) 여러 開發 道具들이 쿠다에 包含돼 있다. 開發者들이 旣存에 만들어 놓은 것들을 불러내는 라이브러리 機能도 있다. 基礎 作業이나 簡單한 것들을 라이브러리에서 꺼내 쓰게 해 時間을 節約시켰다. (벅은 現在 엔비디아 副社長으로 在職 中)
젠슨 黃 엔비디아 最高經營者(CEO)는 한 인터뷰에서 “모든 지포스 그래픽 카드에서 쿠다를 使用할 수 있도록 하는 것이 目標였다”며 “슈퍼컴퓨팅을 大衆化하는 作業이었다”라고 回想했다.
엔비디아는 2006年 1秒當 3兆 回 以上의 數學 演算을 遂行할 수 있는 次世代 프로세서(지포스 8800)를 出市했다. 年産 遂行 能力을 끌어올리기 위해 그래픽 性能까지 一部 抛棄했다. 그래픽 具現보다 슈퍼컴퓨터로서의 性能에 焦點을 맞춤 셈이다. 當時 美 뉴욕타임스(NYT)는 “數學的 機能을 갖추고 있는 8800은 (인텔) 슈퍼컴퓨터의 直接的인 競爭者가 될 것”이라고 傳했다.
GPU가 만든 피자
피자 製造業體부터 에너지 企業, 醫療 會社까지 여러 企業 및 硏究 機關에서 엔비디아의 GPU를 찾기 始作했다.
이들은 엔비디아의 GPU를 活用하면 인텔의 中央處理裝置(CPU)만 使用했을 때보다 業務 效率을 높일 수 있다는 事實을 알아챘다.
美國 食品 會社 제너럴밀스는 冷凍 피자 製品을 開發하는 데 엔비디아의 GPU를 썼다. 冷凍 피자를 完璧하게 만드는 일은 藝術인 同時에 컴퓨터 問題다. 精巧한 컴퓨터를 使用해 材料를 組合하면 失敗하는 費用을 줄일 수 있다. 제너럴밀스는 엔비디아의 高性能 그래픽칩이 搭載된 컴퓨터를 選擇해 作業 速度를 높였다.
美國 솔트레이크시티에 있는 醫療 機器 會社 테크니스캔도 엔비디아의 GPU를 使用해 業務 效率을 높인 곳이다. 테크니스캔은 3次元 乳房 스캔 裝置에 엔비디아의 그래픽 프로세서를 導入했다. 機器는 스캔에서 發生한 데이터를 醫療用 이미지 파일로 變換하는데, 인텔 프로세서만 使用했을 때 2時間 걸리던 作業이 15分으로 短縮됐다.
테크니스캔의 엔지니어인 짐 하드윅은 “스캔 黨 15分으로 短縮하면 患者가 當日에 檢査 結果를 얻을 수 있다. 宏壯히 重要한 일”이라고 말했다.
美 最大 油田 探査企業 슐룸베르거는 石油 埋葬地를 찾는데 엔비디아의 GPU와 쿠다를 活用했다. GPU로 石油 賣場 徵候를 스캔하는 알고리즘을 最適化 한 것. 슐룸베르거는 이를 通해 旣存 컴퓨터보다 6倍 以上 빠른 速度로 데이터를 分析할 수 있었다. 엔비디아 出身의 한 開發者는 “데이터 分析이 宏壯히 重要했다. ‘여기 파보세요’라고 決定하는 데 1億 달러(1300億 원)가 걸려있었다”고 回想했다.
쉽게 說明해 엔비디아의 GPU가 年産 作業을 特出나게 잘해서 데이터 處理나, 시뮬레이션 時間을 宏壯히 短縮했다는 意味다.
數兆 원 들어가는 新藥 開發 過程을 떠올리면 시뮬레이션 時間을 줄이는 것이 얼마나 重要한 것인지 알 수 있다.
엔비디아의 事業이 마냥 順坦하지만은 않았다. 엔비디아는 모바일 機器에 進出하기 위해 孤軍奮鬪했지만, 퀄컴에 밀려 結果的으로 失敗했다. 엔비디아가 만든 태블릿PC, 텔레비전 셋톱박스, 스마트 스피커 等을 떠올릴 수 있는 사람은 거의 없을 것 같다.
2000年代 後半 리먼 브러더스 事態 때는 엔비디아도 휘청했다. 엔비디아의 企業價値가 高點 對比 80%나 墜落했다. 젠슨 黃은 全體 職員의 6.5% 水準인 360餘 名을 解雇해야 했다. 半導體 企業 AMD(黃의 첫 職場이자 오늘날 엔비디아의 最大 라이벌)가 엔비디아를 引受하려고 했는데, 黃이 合倂 會社의 CEO 자리를 固執해 去來가 霧散됐다는 이야기도 있다. AMD는 代身에 그래픽 半導體 業體 ATI를 引受했다.
5年여 동안 20億 달러(約 2兆7000億 원)를 쏟아부은 쿠다는 아직 제대로 된 收益을 創出하지 못하고 있었다. 이 時期 엔비디아의 分期當 賣出이 1兆 원 內外였던 것을 考慮하면 어마어마한 投資였다. 쿠다 使用 開發者 數는 10萬 名 近處에서 停滯돼 있었다.
“엔비디아 칩 좀 空짜로 보내주실 수 있나요?”
엔비디아는 GPU 슈퍼컴퓨터 生態系를 抛棄하지 않았다.
2009年 1月 스탠퍼드대에서 最高 컴퓨터 科學者로 꼽히는 빌 달리(現 엔비디아 首席 科學者) 敎授를 데려왔다. 같은 해 3月에는 처음으로 年例 開發者 콘퍼런스인 ‘GTC’를 開催했다.
컴퓨터 科學者인 제프리 힌턴 캐나다 토론토대 敎授는 첫 GTC 行事를 찾았다가 令監을 얻었다. 그는 行事가 끝나고 엔비디아에 連絡해 이렇게 말했다.
“方今 머신러닝 硏究者 1000名에게 엔비디아 칩을 꼭 사야 한다고 이메일을 보냈어요. 그런데, 저 或是… GPU 하나만 空짜로 보내주실 수 있을까요?”
힌턴 敎授는 神經網을 基盤으로 한 人工知能(AI)을 硏究하고 있었다. 當時에는 人工 知能에 關한 硏究가 只今처럼 活潑하지 않았고, 限界에 逢着해 있었다. 數學이나 체스(또는 바둑)처럼 規則과 正義가 明確한 分野에서만 作動했다. 論理的 推論이나 脈絡에 對한 理解가 必要한 言語 等에서는 發展이 더뎠다.
例를 들어, AI에 飜譯을 맡기려면 두 言語의 全體 文法과 모든 單語를 入力하고 各各의 單語와 文章을 對應시키는 手作業이 必要했다. 時間이 엄청나게 많이 걸리는 일일 뿐만 아니라, 重義的 表現을 完璧하게 消化해내지 못했다.
事物에 對한 認識에서도 障壁이 높았다. ‘고양이’를 認識하는 프로그램을 만든다고 치자. 먼저 고양이 이미지의 여러 要素를 分離해야 한다. ‘4個의 다리’와 ‘뾰족한 두 귀’, ‘鬚髥’, ‘꼬리’ 等을 入力할 것이다. 그런 다음, AI에 귀가 접힌 스코티시폴드種 고양이를 보여주면 ‘고양이가 아닙니다’라는 答辯이 돌아올 것이다. 最大限 詳細하고 다양한 고양이 모습을 入力해놓을 수 있지만, 그 自體로 매우 많은 時間이 必要하다.
힌턴
敎授는 旣存과 다르게 人間의 腦細胞가 相互 作用하는 方式을 模倣한 ‘人工 神經網’ 方式을 硏究했다.
數千 張의 고양이 寫眞을 分析하고 그 안에서 패턴을 찾아내, 처음 본 고양이 寫眞도 고양이로 認識할 수 있게 만드는 것이다. 마치 어린아이가 事物을 認識하는 方式과 類似하다. 딥러닝 技術의 基本 槪念이다.
그런데, ‘뉴런(神經細胞)’이 問題였다. 平均的으로 人間의 腦에는 約 1000億 個의 뉴런이 있는 것으로 알려졌다. 各各의 뉴런은 最大 1萬餘 個의 다른 뉴런과 連結돼 있다. 뉴런 間 接點이 100條에서 1000兆 個 사이라는 뜻이다. 人間의 腦를 흉내 내려면 컴퓨터가 뉴런들의 相互作用만큼 어마어마한 年産 能力을 發揮해야 한다. 人工 神經網 槪念이 1940年에 登場하고도 進展이 없었던 理由다.
힌턴 敎授는 GTC에서 答을 찾아냈다.
엔비디아 GPU의 竝列式 年産 能力이면 人工 神經網 構築이 可能할 수 있다고 判斷한 것이다.
2009年 엔비디아 GTC 콘퍼런스에서 젠슨 黃 CEO가 發表하는 모습. 제프리 힌턴 토론토대 敎授는 이 行事에서 靈感을 얻었고, 以後 弟子들과 AI 硏究에 한 劃을 그었다.
人工知能 時代의 先驅者들
엔비디아는 提案을 拒絶했고, 힌턴 敎授와 토론토대 助敎들(일리야 수츠케버, 알렉스 크리제브스키)은 아마존에서 지포스 그래픽카드 2個(GTX 580)를 購入했다.
助敎들은 엔비디아의 쿠다에서 視角 認識 神經網을 訓鍊하기 始作했다.
一週日 동안 數百萬 個의 이미지를 供給했다. 힌턴 敎授는 “크리제브스키 집 寢室에서 2個의 GPU가 윙윙거리며 學習했다”며 “電氣稅는 父母님이 내주셨다고 한다”고 말했다.
人工 神經網에 ‘알렉스넷(AlexNet)’이라는 이름을 붙인 크리제브스키는 2012年 視角 認識 競演大會(ImageNet)에서 이를 선보였다. 人工 神經網을 使用한 參加者는 크리제브스키가 唯一했다. 크리제브스키는 以前 大會에서 25% 水準이었던 誤謬率(딸기, 고양이, 강아지 같은 이미지에 라벨을 잘못 붙이는)을 15%까지 떨어뜨리며 1等을 차지했다. 大會 主催 側은 처음에는 不正行爲를 疑心했다. 그 程度로 큰 進展이었다.
알렉스넷에 對한 說明이 담긴 9쪽 分量의 크리제브스키의 論文은 以後 10萬 番 以上 引用됐다. 엔비디아 그래픽카드 같은 特殊 GPU가 汎用 CPU보다 神經網을 最大 100倍 빠르게 訓鍊할 수 있다는 內容이 論文의 核心이다.
助敎 中 한 名인 수츠케버는 “GPU가 나타났을 때 奇跡처럼 느껴졌다”고 表現했다. 힌턴 敎授는 “쿠다 없이 머신러닝을 하는 것은 거의 不可能한 일”이라며 “패러다임이 바뀌는 빅뱅 같은 瞬間이었다”고 强調했다.
이름이 알려진 힌
턴
敎授와 일리야 수츠케버, 알렉스 크리제브스키는 會社를 차렸는데, 半年도 안 돼 구글에 引受됐다.
이들은 구글의 人工知能 硏究팀 구글 브레인에 合流해 그렉 코라도, 제프 딘, 앤드류 응 等의 (現在 傳說的인 人物로 꼽히는) 硏究員들과 힘을 합쳤다.
비슷한 時期 페이스북(現 메타)도 當時에도 宏壯히 有名했던 컴퓨터 科學者 얀 르쿤 뉴욕大 敎授(現在 AI 天王 中 한 名으로 꼽힘, 힌턴 敎授室에서 硏究한 적 있음)를 迎入했다.
구글과 페이스북은 著名한 學者들을 서로 모셔가면서 ‘人工知能 硏究者 獨寡占 體制’를 構築해나갔다.
구글 브레인 팀이 맡은 가장 큰 프로젝트는 當時 赤字투성이였던 ‘유튜브’를 되살리기는 것이었다. 구글 브레인은 顧客이 좋아할 만한 動映像을 把握하고 推薦하는 方式으로 알고리즘을 다시 짰다. 또, 유튜브 비디오를 웹사이트나 블로그에 올릴 수 있게 해 유튜브를 單純 動映像 서비스가 아닌 소셜미디어 플랫폼으로 認識하도록 만들었다. 유튜브 動映像을 自動으로 再生하게 만든 것도 이들이 한 作業 中 하나였다.
이러한 技術들은 人工知能 硏究에서 나온 것이고, 구글 브레인은 엔비디아의 GPU를 使用했다.
얀 르쿤 敎授의 페이스북도 유튜브처럼 AI를 基盤으로 비즈니스를 强化하기 始作했다. 人工知能 硏究를 基盤으로 페이스북과 인스타그램에서 顧客에게 어떤 콘텐츠를 먼저 보여줄지를 決定했다. 우리가 每 瞬間 맞이하는 顧客 맞춤型 廣告도 비슷한 過程을 거쳐 나왔다.
그러자, 실리콘밸리에서 少數의 빅테크 企業이 人工知能 學者들을 獨寡占하고 있다는 批判이 나오기 始作했다. 業界에서 注目받던 일론 머스크 테슬라 CEO와 샘 올트먼 와이콤비네이터(現 오픈AI 最高經營者) 代表가 2015年 실리콘밸리 로즈우드 샌드힐 호텔에 구글과 페이스북의 主要 AI 硏究員들을 招待했다.
이들은 저녁 食事에서 “現在의 獨寡占 構造를 깨려면 어떻게 해야 하나, 무엇을 支援해주면 될까”라고 물었다. 硏究員들은 “不可能한 일”이라며 시큰둥했다. 會社의 支援이 充實해 어디로도 移職할 마음이 없다는 뜻이었다.
딱 한 名, 힌턴 敎授의 弟子 일리야 수츠케버만 興味를 보였다.
수츠케버는 구글에서 머스크와 올트먼이 支援하는 非營利 硏究所(設立 當時 非營利 目的이 뚜렷했음)의 首席 科學者로 자리를 옮겼다. 2015年 門을 연 챗GPT의 ‘오픈AI’였다.
제프리 힌턴 敎授(맨 오른쪽)와 弟子 일리야 슈츠케버(맨 왼쪽).
“일론과 오픈AI 팀을 위하여!”
오픈AI는 事業 初期부터 人工知能 言語 모델에 集中했는데, 當時에는 사람처럼 말하게 하는 AI라는 槪念이 生疏했다. 오픈AI 硏究員들은 人工 神經網 槪念의 延長線上에서 알고리즘을 苦悶하기 始作했다. 엔비디아 유튜브 채널에 오픈AI의 수츠케버와 同僚 開發者 안드레이 카르파티가 登場한 2016年 動映像이 있다.
映像에서 카르파티는 “大規模의 데이터를 네트워크에 入力하면 文章에서 單語들이 서로 이어지는 패턴을 把握할 수 있다. 結局에는 사람들이 서로 對話하는 것처럼 컴퓨터와 對話하는 데 使用할 수 있을 것”이라고 말했다.
2017年 구글 브레인 팀이 한발 앞서 ‘트랜스포머’라는 모델로 이를 具體化했다. 參考로 트랜스포머는 챗GPT에서 T의 略字다. 單語와 單語, 文章과 文章 사이의 確率 關係들을 事前에 學習시켜 人間처럼 言語를 驅使하게 한 것.
쉽게 說明하면, 컴퓨터가 A, B 다음 나올 綴字가 C라는 것을 類推하게 만드는 槪念이다. 飜譯할 때 脈絡을 把握하는 일이기도 하다. 推理 小說로 比喩할 수도 있다.
사람이 小說冊을 끝까지 읽고 ‘確率的으로’ 犯人을 豫測하는 것처럼 人工知能이 비슷한 作業을 할 수 있다는 뜻이다.
原理는 簡單하지만, 이를 實現하는 게 쉬운 일은 아니다. 犯人을 正確하게 豫測하려면 利害關係부터 情況, 各種 證據 等을 全部 理解해야 하기 때문이다.
이 같은 아이디어를 現實化하려면 엄청난 量의 年産 作業(學習)李 隨伴돼야 한다. 컴퓨터가 遂行해야 할 作業이 어마어마해지는 셈이다.
演算 方式도 달라져야 한다. 飜譯을 例로 들면, 以前에는 文章을 單語들로 分離해 먼저 나오는 것부터 順序대로 年産 過程을 거쳐 對應 값을 出力했다. 脈絡과 앞뒤 單語 사이의 關係性을 測定하는 트랜스포머 方式에서는 이를 同時에 할 수 있는 ‘竝列 方式’의 演算이 必要하다. 엔비디아의 GPU가 重要해졌다.
엔비디아는 2016年 오픈AI의 注文을 받아 12萬9000달러(約 1億7000萬 원)짜리 AI 龍 서버를 만들었다. 書類 가방 크기로 8個의 그래픽 프로세서가 搭載된 이 슈퍼컴퓨터는 旣存 컴퓨터에서 6日 以上 걸리는 作業을 2時間 만에 處理했다. 젠슨 黃은 오픈AI 事務室에 슈퍼컴퓨터를 直接 傳達하면서 슈퍼컴퓨터에 應援 메시지와 사인을 적었다.
“일론(머스크)과 오픈AI 팀을 위하여! 컴퓨팅과 人類의 未來를 위하여!”
오픈AI는 2018年 6月 첫 大型 言語 모델인 ‘GPT-1’을 선보였는데, 이 過程에서 돈이 곧 競爭力이라는 事實을 깨우쳤다. 오픈AI는 챗GPT 첫 番째 버전인 GPT-1에 1億2000萬 個의 變數(파라미터)를 학습시켰다. 다음 해 나온 GPT-2는 15億 개를 訓鍊했다. GPT-3(2020年 6月 出市)는 1750億 個, GPT-4(지난해 3月)는 1兆7000億 個(推定)의 媒介變數를 學習했다.
工夫를 많이 할수록(학습시킨 變數가 많을수록) 챗GPT는 똑똑해졌지만, 그만큼 뛰어난 年産 能力이 必要했다. 비싼 엔비디아 GPU가 많이, 正말 많이 必要했다.
天文學的인 硏究費를 調達하기 위해 非營利法人인 오픈AI는 2019年 營利法人을 子會社로 만드는 獨特한 決定을 내리게 됐고, 結局 마이크로소프트(MS)에서 130億 달러(藥 17兆 원) 等 巨金을 投資받았다.
▶오픈AI와 챗GPT 商業化 關聯 內容은 神秘월드 46話 參考.
眞짜 危險한 假짜뉴스가 온다[김성모 記者의 神秘월드]
https://www.donga.com/news/Inter/article/all/20231208/122542180/1
2016年 젠슨 黃은 오픈AI 事務室에 엔비디아의 AI 龍 서버를 直接 傳達했다. 서버에 ‘일론(머스크)과 오픈AI 팀을 위하여! 컴퓨팅과 人類의 未來를 위하여!’라는 應援 메시지와 사인을 적었다.
되살아난 ‘그레이스 호퍼’
챗GPT가 宏壯히 빠른 速度로 1億 名의 使用者를 모으면서 오픈AI에 投資한 MS에 먼저 關心이 쏠렸지만, 專門家들은 眞正한 勝者는 엔비디아라고 말한다. (連日 치솟는 엔비디아의 株價가 이를 證明해주는 듯하다)
엔비디아가 全 世界에서 가장 뜨거운 企業이 될 수 있었던 것은 決코 偶然이 아니다. 準備된 會社였기 때문에 幸運을 잡을 수 있었다. 챗GPT가 世上에 登場하기 前까지 AI는 旣存 서비스의 效率性을 높이거나 收益性을 强化하는 方便으로만 存在했다. 人工知能 비즈니스 市場이 存在하지 않았다는 意味다. 그런데도 엔비디아는 不透明한 未來에 果敢하게 배팅했다.
젠슨 黃은 지난해 臺灣國立大 卒業式 演說에서 “이 새로운 分野(AI)를 발전시키기 위해 會社의 모든 部分을 轉換했다”며 “지난 10年間 여기에 300億 달러(藥 40兆5000億 원) 以上을 投資했다”고 强調했다.
먼저, ‘쿠다’가 있었다. 앞서 言及한 것처럼 엔비디아는 人工知能이나 關聯 알고리즘 槪念이 생기기도 前에 開發者들과 關係를 構築할 수 있는 플랫폼을 만들었다. 엔비디아는 2006年 쿠다 出市 以後 4年 동안 開發者 10萬 名을 모으는 데 그쳤지만, 쿠다에 對한 支援을 줄이지 않았다. 그 結果, 2016年 100萬 名의 開發者가 쿠다에 모였다. 現在는 400萬 名의 開發者가 쿠다를 使用하고 있다.
2020年에는 이스라엘의 작은 半導體 會社 멜라녹스를 70億 달러(藥 9兆4000億 원)에 引受해 業界를 놀라게 했다. 컴퓨터 네트워킹 供給業體인 멜라녹스는 大規模 데이터를 빠르고 원활하게 이동시키는 技術力을 가지고 있었는데, 이때만 해도 旣存 技術(이더넷)로 充分해 비싸게 샀다는 말이 많았다. 時間이 지나고 나서야 멜라녹스의 技術力이 빛을 뽐냈다. AI 硏究開發로 여러 CPU와 數十 個가 넘는 GPU 等이 結合하면서 칩 間의 원활한 데이터 移動이 重要해졌다. (인텔도 멜라녹스를 사려 했는데 엔비디아에 뺏겼다)
2022年, 엔비디아는 完全히 새로운 칩을 發表했다. 데이터센터 專用으로 쓸 수 있는 ‘그레이스 CPU’다. 엔비디아는 그동안 슈퍼컴퓨터를 만들 때 AMD나 인텔의 CPU를 라이선스 費用을 내고 購買해 넣어왔다. 그러다가 直接 CPU까지 開發했다.
같은 해 9月, GPU에서도 變化가 있었다. 엔비디아 GPU 시리즈는 게임用 그래픽카드든 데이터센터用이든 同一한 設計方式(아키텍처)을 使用했는데, 이를 分離했다. 데이터센터 專用으로 設計한 GPU를 내놓은 것. 이 칩이 호퍼 GPU, ‘H100’이다. 製品들의 이름은 컴퓨터 프로그래밍 技術 發展을 主導한 女性 科學者 ‘그레이스 호퍼(1906~1992)’에서 가져왔다.
엔비디아의 H100 GPU 8個를 搭載한 ‘DGX H100(寫眞)’은 데이터센터龍 슈퍼컴퓨터 시스템으로 지난해 出市됐다. 肥滿藥으로 有名해진 製藥社 노보 老디스크는 最近 DGX H100 191個로 構成한 슈퍼컴퓨터 ‘게피온’을 만들어 新藥을 開發하겠다고 밝혔다. (엔비디아)
MS + 애플 = 엔비디아
엔비디아는 只今까지 準備한 모든 것을 한 番에 利用할 수 있는 클라우드 서비스(DGX)를 지난해 선보였다. 호퍼 GPU와 그레이스 CPU, 칩 間의 뛰어난 데이터 네트워크 能力, 소프트웨어 開發 플랫폼 쿠다 等 AI 開發 全般에 걸쳐 必要한 技術들을 總網羅했다. DGX 月 購讀料만 내면 비싼 GPU를 사지 않고도 엔비디아의 最新 GPU와 技術들을 利用할 수 있다. H100 GPU 8個를 搭載한 DGX의 月 購讀料는 서버當 3萬7000달러(約 5000萬 원) 水準이다. H100 GPU의 價格은 1臺當 3萬 달러(藥 4000萬 원)로 알려져 있다.
AI 企業이 서비스 開發을 하려면 (엔비디아 GPU를 많이 사서) 데이터센터를 直接 造成하거나, (엔비디아 GPU를 많이 購買해놓은) MS 같은 클라우드 業體에 料金을 내고 데이터센터를 빌려 써야 한다. 엔비디아는 MS, 구글, 오라클 等 클라우드 會社들과 파트너십을 맺었다. AI 會社들은 MS 等을 통해서 엔비디아의 DGX 소프트웨어를 利用할 수 있다.
엔비디아는 自社 클라우드를 利用하면 AI 開發에 必要한 모든 것을 한 番에, 低廉하게 利用할 수 있다고 弘報하고 있다.
젠슨 黃은 費用 이야기가 나올 때마다 “우리는 顧客의 費用을 줄여주는 會社”라고 强調했다.
클라우드 業體를 利用해도 엔비디아 GPU를 使用하는 것이니, 業體에 利用料를 내지 말고 엔비디아 클라우드를 곧바로 쓰라는 意味로 보인다.
그동안 開發者들은 엔비디아를 마이크로소프트와 類似한 側面이 있다고 봤다. 엔비디아가 表面的으로는 半導體나 데이터센터 裝備를 生産해왔지만, MS처럼 運營 體制나 프로그래밍 環境 等도 造成해왔기 때문이다.
애플과 비슷한 面도 있다. 엔비디아 플랫폼은 애플의 모바일 運營 體制 iOS(앱스토어)처럼 閉鎖的이다. 쿠다의 AI 開發 프레임워크나 道具, 라이브러리가 엔비디아 GPU에서만 作動한다. 쿠다를 使用하는 限, 엔비디아 칩을 써야만 한다.
애플이 아이폰을 販賣하고 以後 購讀 等 서비스로 利益을 거둔 點도 類似하다. 엔비디아는 現在 클라우드 서비스를 販賣 中이다.
젠슨 黃은 最近 여러 行事에서 “우리는 아이폰이 登場한 瞬間과 같은 革命을 AI 分野에서 맞이하고 있다”고 말했다.
젠슨 黃이 18日(現地 時間) 美國 캘리포니아 새너제이에서 열린 年例 開發者 行事 ‘GTC 2024’에서 人工知能(AI)用 次世代 그래픽處理裝置(GPU)인 ‘블랙웰’ 시리즈를 紹介하고 있다. 黃 CEO 앞에 놓인 製品은 GPU 8個로 構成된 컴퓨팅 裝置이고, 그의 왼쪽(寫眞 오른쪽)에 있는 것은 새로 出市한 블랙웰이 搭載된 基板이다. 그는 “世界에서 가장 强力한 칩으로 모든 産業에서 AI를 具現시킬 것”이라고 말했다. (새너제이=AP 뉴시스)
選擇받은 ‘칩’
엔비디아는 지난해 4分期 賣出 29兆5000億 원, 純利益 16兆4000億 원의 實績을 記錄했다. 純利益率이 55.6%에 達했다. 지난해 分期 마진率(賣出總利益率)李 70%가 넘게 나온 적도 있었다. (쿠다가 登場하기 前에는 마진率이 20%臺였음)
엔비디아가 AI 關聯 市場에서 獨占的 領域을 構築하고 놀랄 만큼 높은 利益을 거두자 빅테크들도 對應에 나서기 始作했다.
구글은 AI 硏究開發에서 엔비디아 GPU를 代身할 수 있는 自體 칩(TPU)을 開發해 一部 使用하기 始作했다.
구글, 인텔, 퀄컴 等은 엔비디아 生態系에 맞서겠다며 손까지 잡았다. 로이터通信에 따르면 구글과 인텔, 퀄컴 等은 ‘UXL 財團’이라는 技術 컨소시엄을 構成해 ‘怨API’라는 오픈소스 프로젝트를 推進하고 있다. 該當 프로젝트는 어떤 半導體 칩이나 하드웨어에 相關없이 모든 컴퓨터에서 作動하는 소프트웨어를 構築하는 것을 目標로 하고 있다. 半導體 分野에서 iOS와 안드로이드 싸움을 보는 듯한 느낌이다.
엔비디아를 代替할 수 있는 企業이 나올 수 있을까. 短期間에는 쉽지 않아 보인다.
AMD나 구글이 엔비디아 못지않은 GPU를 ‘짠’하고 設計했다고 치자. 여기서 그쳐선 안 된다. 엔비디아가 멜라녹스를 引受하며 强化한 高速 커뮤니케이션 네트워크(NVLink)까지 갖춰야 한다. (멜라녹스만 한 會社가 아직 市場에 없다고 알려짐) 엔비디아의 DGX처럼 서버를 構築하려면 하드웨어 組立業體度 찾아야 한다.
더 큰 障壁이 있다. 쿠다 만큼 優秀한 소프트웨어 플랫폼을 構築해야 한다. 쿠다 開發에는 數千 名의 專門家와 數兆 원이 投入됐다. 무엇보다 쿠다에 對應하는 플랫폼을 내놓더라도 開發者들을 說得해야 한다. 開發者 400萬 名의 ‘네트워크 效果’가 얼마나 强力한지 알 수 없지만, 카카오톡 代身 다른 SNS를 쓰게 만드는 것만큼 어려워 보인다.
아, 經營陣도 說得해야 한다. “市場에서 證明된 엔비디아를 두고 왜 다른 會社 製品을 購買해?”라는 答辯이 돌아올 수 있다. 브랜드 파워가 이렇게 무섭다.
그런데, 빅테크 企業들이 對應策을 마련하는 동안 엔비디아는 가만히 있을까. 엔비디아는 6個月마다 新製品을 내놓는 怪物 같은 會社다.
김성모 記者 mo@donga.com
-
- 좋아요
- 0
個
-
- 슬퍼요
- 0
個
-
- 火나요
- 0
個
-
- 推薦해요
- 個
