IT·과학

[고든 정의 TECH+] 고성능 AI프로세서 내놓은 中스타트업 - AI 굴기는 어디까지?

폰트 확대 폰트 축소 프린트하기

▲ 사진출처=Cambricon Technologies



중국은 정부는 물론 민간 기업까지 인공지능(AI)에 대한 공격적인 투자를 진행 중입니다. 이미 미국, 유럽 등 다른 AI 선진국과 비교해도 크게 뒤지지 않았다는 평가를 받고 있지만, 더욱 집중적인 투자를 통해 이 분야에서 가장 앞서 있는 미국 주요 IT 기업들을 위협할 기세입니다. 하지만 기본적으로 중국 AI 기업들이 사용하는 하드웨어는 인텔이나 엔비디아처럼 미국 회사의 것이고 사용하는 소프트웨어 도구 역시 마찬가지입니다. 그런데 중국의 작은 스타트업 기업이 이 판도를 바꾸겠다고 나섰습니다.

캄브리콘 테크노롤지(Cambricon Technologies·寒武纪科技, 이하 캄브리콘)는 이름만 들으면 어떤 일을 하는 회사인지 쉽게 감이 오지 않습니다. 이 단어는 현생 동물문의 대부분이 등장했던 시기인 고생대 캄브리아기에서 따온 것입니다. 아마도 폭발적인 진화가 이뤄진 지구 역사 시대의 시작을 빗댄 것으로 보입니다. 중국과학원 출신의 30대 연구원들이 2016년 설립해 이제 불과 2년 된 스타트업입니다.

캄브리콘은 사실 하루에도 몇 개씩 설립되는지 알 수 없는 평범한 스타트업 기업 가운데 하나일 뿐입니다. 하지만 2017년 화웨이의 기린 970 프로세서의 AI 관련 로직을 만드는데 협업했다고 알려지면서 세간의 눈길을 끌었습니다. 우리식으로 치면 삼성, LG 같은 대기업과 신생 중소기업이 협업한 셈이기 때문입니다. 그것도 요즘 가장 중요한 차세대 기술로 주목받고 있는 인공지능 반도체에서 그랬다는 점이 더 주목을 받은 이유일 것입니다.

1년이 지난 후 캄브리콘은 더 놀랄 만한 소식을 들고 왔습니다. 캄브리콘 MLU100 프로세서라는 고성능 머신러닝 전용 칩을 선보인 것입니다. 이 프로세서는 TSMC의 16FF 공정으로 제조되었으며 기본(base) 모델과 고성능(performance) 모델 2종이 존재합니다. 그래픽 카드와 유사한 형태의 PCIe 카드로 각각 80W와 110W의 TDP를 가지고 있습니다.



가장 인상적인 부분은 머신러닝 관련 연산 능력으로 기본/고성능 모델의 반정밀도(half precision) 연산 능력은 64/83.2TFLOPS이고 머신러닝 알고리즘에 많이 쓰이는 8bit 정수 연산 성능은 128/166.4TOPS입니다. 이는 현재 나와 있는 가장 강력한 GPU인 엔비디아의 볼타 GV100과 경쟁할 수 있는 성능입니다. 그 비결에 대해서는 자세한 설명이 없지만 단정밀도나 배정밀도 연산 성능에 대한 언급이 없는 것으로 볼 때 GPU처럼 그래픽이나 범용 병렬 연산은 불가능하고 머신러닝 관련 로직만 넣어서 성능을 높인 것으로 보입니다. 머신러닝 알고리즘에 필요한 부분만 넣었다는 점에서 구글이 개발한 전용 프로세서인 TPU(Tensor processing Unit)와 비슷한 구조로 보입니다.



하지만 엔비디아의 GPU나 구글의 TPU와는 달리 이 프로세서를 실제로 사용한 시스템은 아직 공개된 바가 없습니다. 실제 서비스에 사용된 적도 없어 주장만큼 성능이 뛰어난지 역시 검증이 필요한 부분입니다. 인공지능 자체가 급속도로 성장하고 관심이 뜨겁다 보니 자신이 가진 기술을 과대 포장하는 스타트업도 적지 않습니다. 다만 기린 970에 들어간 인공지능 기술을 개발했다는 점에서 완전히 허무맹랑한 이야기는 아닐 수도 있습니다.

아무튼 캄브리콘의 이야기는 중국에서 인공지능 개발 열기가 얼마나 뜨거운지 보여주는 사례임은 확실합니다. 인공지능은 아직 미국 IT 공룡들이 헤게모니를 쥐고 있지만, 상업화 초기 단계인 만큼 앞으로 결과가 어떻게 될지 장담하기 어렵습니다. 중국의 AI 굴기는 이제 시작이고 대기업은 물론 적지 않은 수의 스타트업이 여기에 뛰어들고 있습니다. 우리나라 역시 인공지능에 대해 관심이 많은데, 이를 육성하기 위해서는 혁신적인 스타트업 기업이 실패를 두려워하지 않고 도전할 수 있는 토양을 마련할 필요가 있습니다.

고든 정 칼럼니스트 jjy0501@naver.com

페이스북 트위터 카카오스토리 밴드 블로그