[2018년 11월 06일] - 엔비디아가 ‘글로벌 AI 컴퓨팅 기업’으로 태세전환에 박차를 가하고 있다. 오는 7일과 8일, 양일간 서울 코엑스 컨벤션센터에서 열리는 '엔비디아 AI 콘퍼런스(NVIDIA AI Conference) 2018' 행사 또한 같은 맥락으로 마련됐다.
행사 참석차 하루 전 방한한 마크 해밀턴 엔비디아 솔루션 아키텍처 및 엔지니어링 담당 부사장은 6일 오후, 잠실 롯데 시그니엘 호텔에서 주요 언론사를 상대로 한 공식 일정을 소화하며 2일간 열릴 특별한 무대에 관심을 당부했다.
마크 해밀턴 부사장은 “AI를 구현함으로써 다양한 플랫폼들이 AI를 효과적으로 구현할 수 있도록 엔비디아는 최선의 노력을 하고 있으며, 25년간 엔비디아가 해 온 일은 GPU를 비롯한 GPU를 기반으로 다양한 플랫폼들을 소프트웨어로도 구현할 수 있도록 해 왔다.”며, “연초부터 전 세계 각지를 돌아다니며 엔비디아의 컨퍼런스(GPC)를 통해 자사의 기술력을 전 세계에 알리고 있다.”고 밝혔다.
그중 가장 눈여겨볼 것을 주문한 밴쿠버에서 열린 GPC라는 것. 가장 독보적인 툴이라고 할 수 있는 레이트레이싱 지포스 RTX 출시를 시작으로 그래픽 성능의 변화에 더욱 가속도가 붙었고, 수퍼레저레이션 등 AI 분야까지 활용도에 혁신을 드높이게 되었다고 밝혔다. 더불어 지난 10월 독일 뮌헨에서 열린 GTC행사에서는 머신러닝 기반 솔루션을 공개하며 이의 가능성을 입증시킨 대표 사례로 지목했다.
이날 자리는 콘퍼런스에서 공개할 세부 안건에 대해 언론 관계자의 이해를 높이기 위해 마련한 예비 브리핑으로 엔비디아가 관심 있게 봐온 국내 AI 및 딥러닝 기술에 관한 내용이 주가 됐다. 현장에서 마크 해밀턴 부사장을 대상으로 오간 주요 내용은 Q&A로 간략하게 정리해봤다.
<마크 해밀턴 부사장과의 1문 1답>
Q. AI 솔루션에 대한 국내 수요와 슈퍼컴퓨터에 쓰이는 GPU 수량은?
A. GTX2에는 약 16개 GPU가 쓰였는데 지금 기술로는 최대 수량이다. 처음 GPU가 데이터센터에 쓰인 시점은 2006년인데, 이때를 기점으로 쿠다 프로그래밍 언어가 등장했고 지금은 연구기관 등 GPU 기반 슈퍼컴퓨터에는 우리 제품이 들어간다. 본격적인 실체가 드러난 시점은 2012년이 기점이다. 딥 러닝을 GPU에 접목했는데, 기술 자체는 새로운 것이 아닌 30~40년 된 기술이다.
하지만 2012년에 돼서야 소프트웨어가 스스로 소프트웨어를 작성하는 시대가 도래하게 됐다. 딥 러닝 네트워크는 빅데이터를 처리하는 데 뛰어난 능력을 보인다. 오늘날 딥 러닝의 수요는 산업 현장이다. 헬스케어, 리테일, 자동차, 통신, 제약 등 할 것 없이 대규모의 정보처리가 이뤄지는 곳이 활동 무대다.
Q. 자체 AI 가속기 개발에 열 올리는 현상을 어떻게 보는가?
A. 대기업은 물론이고 스타트업도 예외는 아니다. 그러나 유념할 부분은 엔비디아가 투자하고 있는 노력에 비하면 아주 작은 부분이라고 본다. 가장 큰 부분은 AI 소프트웨어 부분이다. 구글의 텐셀플로우 딥 러닝 프로그램과 수백 명의 소프트웨어 엔지니어가 GPU 최적화에 나서고 있는 엔비디아에 주목해달라. 고용 문제와 비용 문제 극복이 관건인데 이에 대한 해결책은 또 다른 문제다. 이 모든 어려움을 극복하면서도 엔비디아는 매년 20억 달러 이상의 R&D 투자를 집행하고 있다.
Q. 향후 데이터센터에 GPU 활용 사례가 늘어날 것이라고 얘기가 나오는데
A. 정말 다양한 프로세서와 아키텍처가 존재한다. CPU나 GPU처럼 범용으로 프로그래밍이 가능한 프로세서가 있고, 정말 효율성만 생각하는 컴퓨터 칩을 원한다면 모든 것이 하드웨어화 돼 있는 AESC 같은 칩을 사용하게 될 것이라고 본다. 하지만 ASEC을 딥 러닝에 사용하는 것은 매우 어려움이 있을 수밖에 없다.
작년만 하더라도 6000여 개의 딥 러닝 프로그래밍 네트워크가 새롭게 일어났는데 이 하나하나마다 모두 쿠다와 연계돼 있었다. 그런 경우라면, 그 6000여 개의 모든 프로그램에 ASEC을 구성해야 할 것이다. 그런데 굉장히 간단한 네트워크를 만들려고 한다고 하면, 네트워크가 간단하기 때문에 조그마한 ASEC을 탑재해 간단한 추론을 가능케 할 수는 있을 것이라고 본다.
범용으로 프로그램이 가능한 것과 가능하지 못한 것이 있다. 이를 해결하기 위해서는 엄청난 전문성을 갖춘 인재가 필요한 것이 사실이다. 범용 프로그래밍이 아니라면, 전문성을 가진 전문 프로그래머들을 고용해 간단한 알고리즘을 만들어내는 등의 코딩은 가능할 것이긴 하다.
Q. 발열에 대한 문제는 어떻게 잡을 계획인지?
A. 보통 8개에서 16개 GPU를 사용한다. 전 세계의 서버에는 풀 사이즈의 GPU가 들어간다. 발열 문제 또한 지속해서 문제가 되는 것을 알고 있다. 얼마 전 GTC 일본에서 인퍼런스 액셀러레이터를 발표한 바 있다. 75W로 개선된 제품이다. 우리는 인퍼런서와 관련된 전력 소모와 발열을 잡는데 상당히 집중하고 있다.
Q. 엔비디아가 AI 기업을 표방하고 있는데, R&D에서 차지하는 비중은?
A. 구체적인 수치는 없다. 그러나 R&D에 대해서 이야기하면, 엔비디아가 투자하고 있는 모든 R&D 자금이 어떤 방식으로든 AI와 연결이 돼 있다. 예를 들면 컴퓨터 게이밍과 관련해서 DLSS라는 기능이 있다. 이 부분도 컴퓨팅 환경이 더욱더 매끄럽게 보일 수 있도록 하는 AI 기술 중 하나다. 고성능 컴퓨팅에 대한 부분을 보더라도 AI를 연결해서 훨씬 더 빠르고, 유려한 성능 결과를 낸다.
Q. AI 도입을 주저하는 기업을 위해 엔비디아가 고민하는 것은?
A. 매우 흥미로운 질문이다. 엔비디아는 다양한 기업이 딥 러닝에 대해 배울 수 있도록 딥 러닝 인스티튜트 프로그램을 운영하고 있다. 지금까지 이 프로그램을 통해서 12만 명의 데이터 사이언티스트들이 배출됐다. 대표적인 경우가 SK하이닉스다. 불량률 검수 등의 분야에서 사용하고 있는 것으로 알고 있다.
하지만 AI의 핵심은 소프트웨어가 다른 소프트웨어를 스스로 작성하는 것이다. 수백 명의 프로그래머가 필요한 것보다, 뛰어난 시스템을 사용하는 것이 더 적합하다. 다른 사례를 보면 국가 차원에서 기업을 위한 슈퍼컴퓨터 센터를 만드는데 대표적인 예가 일본과 대만이다. 만약 한국 정부 차원에서 센터 건립에 대한 의향이 있다고 하면 우리 또한 적극적으로 돕겠다.
Q. 자동차 제조사와도 협력관계 있는 것으로 알고 있는데?
A. 자율주행테스트를 성공적으로 완료했다. 실리콘밸리의 고속도로 80km를 달리고 무사히 돌아왔다. 전혀 사람이 핸들에 손을 대지 않고 운전을 했다. 하지만 전 세계 도로에서 안전하게 주행할 수 있는 선까지는 아니기 때문에, 계속해서 기술적 지원을 할 예정이다.
우리는 300여 개 자동차 회사와 연계해서 협력하고 있다. 대표적인 기업으로는 볼보가 있다. q볼보는 AI드라이빙 솔루션으로 엔비디아의 솔루션을 채택했고, 오는 2020년부터는 사망자가 제로를 선언했다. 자율주행차는 편의성도 있겠지만 안전성을 중요한 부분이다.
Q. 한국 정부에서 슈퍼컴퓨터 개발하겠다고 밝힌 적이 있는데, 소프트웨어와 하드웨어를 별도로 개발하고 있는 것으로 알고 있다. 이 부분에 대한 의견은?
A. 여기서 이야기해야 할 것은 HPC(하드웨어)와 AI(소프트웨어)를 분리하는 것은 현실적으로 불가능하다는 점을 언급하고 싶다. 추측하자면 한국 정부도 소프트웨어와 하드웨어 별도 개발하는 것은 어렵다는 것을 알고 있을 거라 생각한다. 이에 대해서는 여러가지 의구심이 있지만, 머지않아 어렵다는 것을 인정하고 결합되지 않을까 본다.
By 김미리 에디터 milkywaykim23@gmail.com
<저작권자ⓒ 위클리포스트, 무단전재 및 재배포 금지>
