칼럼 | GPU 골드러시, 2년 후에도 계속될까

클라우드 기반의 생성형 AI에 관해 이야기할 때 사람들은 대부분 GPU를 중요하게 거론한다. 하지만 이는 방점이 잘못 찍힌 것일 수 있다. 실제로 클라우드에서 생성형 AI 시스템을 개발하고 배포하는 데 있어 GPU는 사람들이 생각하는 것만큼 중요하지 않다. 몇 년 후에는 관심의 중심에서 완전히 벗어날 수도 있다.
 

지금은 생성형 AI 모델에 필요한 복잡한 연산을 원활하게 처리하기 위해 GPU가 필수라는 생각이 지배적이다. 그동안 GPU가 AI 발전에 핵심적인 역할을 한 것은 맞지만, 지나치게 의미를 부여하면 GPU만큼이나 효과적이고 어쩌면 더 지속 가능한 다른 대안을 찾는 데 방해가 될 수 있다. 실제로 필자는 GPU가 스토리지나 컴퓨팅 등 AI 시스템에 필요한 다른 리소스처럼 빠르게 일상적인 인프라가 될 것으로 전망한다. 다소 급진적인 주장이라는 것을 알고 있지만, 앞으로 논의의 초점은 AI 작업을 처리하는 하드웨어가 아니라 전체 AI 시스템의 설계와 배포에 더 맞춰져야 한다.
 

GPU 골드러시

GPU의 중요성이 커지면서 그동안 큰 주목을 받지 못했던 엔비디아가 화제의 중심이 됐다. 엔비디아의 최근 실적을 보면, 지난 분기보다 41%, 지난해보다 279% 증가한 145억 달러로, 사상 최고 데이터센터 매출을 기록했다. 이제 엔비디아 GPU는 게이밍을 넘어 AI 프로세싱의 표준이 됐다. 엔비디아 주가가 폭등한 것 이상으로, 엔비디아의 CEO인 젠슨 황의 인기로 상당하다. 소셜 미디어에는 그와 셀카를 찍었다고 자랑하는 글을 어렵지 않게 볼 수 있다. 많은 기업이 엔비디아의 기술과 제품에 더 가까이 가기 위해 수백만 달러를 들여 엔비디아와 파트너십을 맺었다.

본래 GPU는 1990년대에 게임의 3D 그래픽 처리를 더 빠르게 하려고 만들어졌다. 초기 GPU 아키텍처는 그래픽 연산에 특화돼 있었고, 주로 이미지를 렌더링하고 3D 렌더링과 관련된 집중적인 병렬 처리 작업을 처리하는 데 사용됐다. 이런 동시 연산 작업에서의 장점은 AI 연산에도 유리했기 때문에 GPU는 순식간에 가장 중요한 제품이 됐다.
 

GPU가 정말 중요할까

하지만 GPU에는 약점도 많다. GPU는 호스트 칩, 즉 CPU를 통해 처리할 작업 순서를 조율한다. CPU는 소프트웨어 프로그램의 전반적인 작동을 관리하며, 필요에 따라 특정 작업을 GPU에 할당한다. 이런 방식은 최신 GPU 아키텍처의 복잡성과 기능을 단순화하는 데 도움이 되지만 전체적인 효율성 측면에서는 오히려 약점이 될 수 있다.

GPU의 문제는 이뿐만이 아니다. 프로세스 간 통신의 필요성, 모델을 분해해 부분적으로 처리한 다음 종합적인 분석이나 추론을 위해 결과물을 재조립해야 하는 어려움, 딥러닝과 AI에 GPU를 사용하는 과정의 복잡성 등이다. 이런 세분화 및 재통합 프로세스는 성능을 최적화하기 위해 컴퓨팅 작업을 분산하는 과정의 일부이지만, 그 자체로 효율성 문제로 이어진다.

결과적으로 이런 작업을 추상화하고 관리하는 소프트웨어 라이브러리와 프레임워크가 필요한데, 엔비디아는 CUDA(Compute Unified Device Architecture)로 이 문제를 해결했다. GPU 가속 기능을 활용할 수 있는 소프트웨어를 개발하는 데 필요한 프로그래밍 모델과 툴킷이다. 엔비디아가 성공한 가장 큰 이유는 게임, 딥 러닝, 생성형 AI를 비롯한 여러 애플리케이션에서 GPU가 더 효율적으로 작동할 수 있는 소프트웨어 생태계를 함께 제공하기 때문이다. 이런 생태계가 없다면 CUDA와 다른 기술은 지금과 같은 인기를 누리지 못했을 것이다. 따라서 현재로서는 프로세서와 에코시스템을 모두 갖고 있는 엔비디아가 부상하는 것이 자연스럽다.
 

새로운 대안

엔비디아 GPU는 분명히 효과적이다. 다만 클라우드에서 생성형 AI 시스템을 구축하고 배포하는 데 있어 이런 프로세싱 계층이 주요 논의의 중심에 있어야 하냐에 대해 필자는 동의하지 않는다. 아마 2년 후에도 GPU는 여전히 존재하겠지만, GPU에 대한 흥분은 지금보다 크게 가라앉을 것이다. 대신 추론의 효율성, 지속적인 모델 개선, 알고리즘과 데이터를 관리하는 새로운 방법이 등장해 더 다양한 논의가 진행될 것이다.

실제로 엔비디아가 큰 성공을 거두자 투자자들은 엔비디아와 경쟁할 수 있는 잠재적 대안에 뭉칫돈을 넣기 시작했다. 현재 가장 뚜렷한 경쟁자는 AMD와 인텔이다. 인텔은 가우디 3(Gaudi 3) 프로세서로 GPU 대안을 모색하고 있다. 더 흥미로운 변화는 몇몇 스타트업이 대규모 언어 모델을 처리하는 더 개선된 방법을 개발했다고 주장하고 있다는 점이다. 삼바노바(SambaNova), 세레브라스(Cerebras), 그래프코어(GraphCore), 그로크(Groq), xAI 등이다.

이런 기업은 칩과 이 칩을 위한 소프트웨어 생태계를 구축하려 할 뿐만 아니라, 마이크로클라우드 또는 소규모 클라우드 서비스 업체를 통해 현재 AWS, 마이크로소프트, 구글이 제공하는 GPU 서비스의 대안을 찾고 있다. 실제로 GPU 클라우드 서비스 업체의 수는 계속 늘고 있다.

이들 대다수는 지금은 엔비디아 GPU 프로세싱을 재판매하고 있지만, 더 저렴하고 효율적이며 전력 소모가 적은 새로운 GPU 대안이 등장하면 마이크로클라우드가 가장 먼저 채택할 가능성이 크다. 일단 변화가 시작되면 기존 GPU를 빠르게 대체해 나갈 것이다. 사실 AI 작업을 처리하는 성능과 신뢰성만 있다면 프로세서의 브랜드나 아키텍처가 결정적인 선택 기준은 아니다. 그렇게 되면 GPU 업체 CEO와 셀카를 찍느라 노력하는 일도 없을 것이다. GPU 혹은 그 대안은 그저 전체 AI 시스템의 한 구성 요소가 될 뿐이다.
 

GPU가 필요하지 않을 수 있다

더구나 생성형 AI나 기타 AI 작업을 처리하는 데 GPU가 항상 필요한 것도 아니다. 더 작은 모델은 기존 CPU나 기타 특수 하드웨어에서 더 효율적으로 실행해 비용과 에너지를 아낄 수 있다. 이미 기존 CPU를 사용해도 성능에 큰 영향을 주지 않는 생성형 AI 아키텍처가 많다. 무엇을 하려는 목적에 따라 다르긴 하지만, 대부분 기업의 생성형 AI 프로젝트에서는 이렇게 많은 전력과 성능이 필요 없다. 현재 GPU 사용을 고집하는 생성형 AI 프로젝트 상당수가 과잉이라고 생각될 정도다.

당분간 시행착오는 있겠지만 결국 우리는 GPU 또는 그 대안을 사용해야 할 때와 그렇지 않을 때를 더 잘 구분하게 될 것이다. 물론 오늘날 클라우드 인플레이션에서 볼 수 있듯이, 기업이 AI 시스템에 인프라를 과도하게 할당한 후 엄청난 청구서를 보기 전까지는 혼란이 계속될 것이다. 아직은 생성형 AI 시스템의 비용 최적화가 크게 주목받지 못하고 있지만, 언젠가는 이에 대한 논의를 본격화해야 할 때가 올 것이다.

필자가 너무 비약한 것일 수 있다. 하지만 AI 기술이 IT에 미치는 영향이 크고 더 많은 새로운 변화가 예고된다. IT 업계 전체가 AI라는 새로운 '반짝이는 물체'에 모든 신경이 팔려 혼란에 빠져들고 있는 것처럼 보인다. 과거 사례를 보면, 이런 상황은 대부분 좋은 결말로 이어지지 않았다.
editor@itworld.co.kr