애플이 이끈 모바일 혁신이 있었다면, 앞으로는 인공지능(AI)으로 산업 혁신이 있지 않을까 예상이 됩니다. 최근 자율주행 등을 포함한 인공지능(AI)산업이 더욱 부각이 되고 있는 것 같습니다. 특정한 산업이 발전을 하기 위해서는 인프라스트럭쳐(infrastructure)가 중요합니다. 모바일 혁신을 만들기 위해서는 통신망이라는 필요했고, 최근 전기차로의 전환을 위해서도 충전소라는 인프라스트럭쳐를 준비하고 있기도 한데요. 이미 수많은 데이터들이 인프라스트럭쳐로 준비되어가고 있기에, 인공지능 산업은 더욱 앞으로 미래 산업을 이끌어 가지 않을까 기대가 됩니다. 이러한 인공지능 산업의 부각과 함께 GPU에 대한 이야기도 많이 화두가 되고 있습니다. 특히 엔비디아와 같은 GPU 생산기업에 대한 관심도 더욱 높아지고 있어서, CPU와 GPU를 비교해 보면서, GPU가 앞으로 어떤 산업에 적용될 수 있을지도 같이 살펴보도록 하겠습니다. 오늘 자료 조사는 최근 화재를 모으고 있는 챗GPT(Chat GPT)와 함께 하였다는 점을 먼저 밝혀드립니다. 먼저 CPU와 GPU의 차이를 먼저 살펴보겠습니다.
CPU와 GPU의 차이점은?
예전에는 GPU(Graphic Process Unit)는 중앙 처리장치인 CPU(Central Process Unit)의 작은 부분이었는데요. 그리고 GPU는 이름에서도 알 수 있듯이 PC 또는 컴퓨터 그래픽 및 비디오를 활성화하는데 보조적인 역할로서 사용되는 경우가 대부분이었습니다. 그러나 기술의 발전과 함께 GPU에 대한 역할과 중요성이 확대되고 있습니다.
CPU는 일반적인 컴퓨팅 작업을 위해 사용된다고 보면, GPU는 그래픽 작업 및 병렬 처리 작업을 위해 설계되었다고 볼 수 있는데요. CPU는 일반적으로 적은 수의 코어(보통 2~8개)를 가지고 있지만, GPU는 수천 개의 코어를 가지고 있다고 합니다. 그리고 이러한 이유가 작업 처리 방식에서 CPU와 GPU의 차이가 나타나고 있는데요. CPU는 단일 작업 방식으로 순차적인 처리를 하기 때문에 작은 데이터 세트에 대한 연산에 최적화되어 있습니다. 반면 GPU는 수많은 작업을 병렬로 처리하기 때문에 대규모 데이터 세트에 대한 높은 처리 성능을 가지고 있습니다. 그래서 CPU는 범용적인 일반적인 컴퓨팅 작업에 사용되고, GPU는 그래픽 작업 및 대규모 데이터를 처리하는데 더 적합하다고 평가를 받고 있는 것입니다. 최근에는 인공지능(AI) 및 머신 러닝 분야에서 GPU를 많이 사용되고 있기도 이러한 작업 처리방식에 오는 것이라고 보면 될 것 같습니다.
쉽게 예를 들면, CPU는 순차적이고 개별적인 업무를 빠르게 해줄 수 있는 슈퍼카라고 볼 수 있다면, GPU는 다양한 업무를 한꺼번에 처리하는 덤프트럭에 비유할 수도 있을 것입니다. 빠르게 많은 코인채굴을 위해 GPU라는 덤프트럭을 활용한 것도 수많은 연산과 다양한 암호화폐 채굴이 동시에 필요했던 이유이기도 합니다. 그리고 CPU는 빠른 캐시 구조를 가지고 있지만, GPU는 대용량 메모리에 더 중점을 두기도 합니다. 전력소모에는 GPU은 높은 전력소모로 대규모 데이터 처리에 많은 열을 방출하기도 합니다. 반면 CPU는 상대적으로 적은 전력소모를 가지고 있다는 차이도 있겠습니다. 비트코인 채굴에 그래픽카드가 필요했던 부분도 바로 GPU가 가진 병렬처리 연상 퍼포먼스 때문이기도 했습니다.
GPU를 그래픽카드(Graphics card)로 이해하는 분들도 많은데요. 그래픽카드 내에 GPU, 메모리, 출력 인터페이스 등의 요소로 구성되어 있다는 점에서 그래픽 카드는 GPU를 포함하는 하드웨어의 일부분이며, GPU는 컴퓨팅 작업에서 그래픽 처리를 담당하는 중앙 처리 장치로 구분해서 이해하시면 좋을 것 같네요. 과거에는 그래픽 작업을 위해서 GPU를 사용하는 경우가 대부분이기 했습니다. 대량의 데이터를 동시에 병렬처리를 해야했기 때문인데요. 최근에는 인공지능 분야에서도 대규모 데이터 처리가 필요할 뿐만 아니라, 대량의 데이터를 동시에 처리할 수 있어야 할 수 있는 병렬 처리 방식이 필요했기 때문에 GPU에 대한 중요성이 자주 대두되고 있는 것이기도 합니다. 물론 그래픽과 데이터는 처리 방식이 동일하다고 볼 수 없기는 합니다. 그래픽은 이미지, 비디오와 같은 시각적인 데이터를 처리하는 것이 중요하지만, 인공지능 분야에서는 다양한 종류의 데이터(음성, 텍스트, 센서 데이터)를 다루기 때문에 차이가 있지만, 병렬 처리와 행렬 연상(Matrix Operation)과 같은 데이터 처리방식에서의 다소간에 유사성도 있다고 이해하면 좋을 것 같네요. 그리고 애플에서 설계한 M1, M2는 분리되었던 CPU와 GPU를 결합한 SoC(System on a Chip)로 전력 효율성을 향상시키고, 공간 효율성을 개선하여 모바일, 슬림 노트북 등 소형기기에 최적화될 수 있도록 개발했다는 차이도 있겠습니다.
GPU를 통해 본 엔비디아(NVIDIA) 자율주행
글로벌 클라우드 및 데이터센터용 AI 프로세서 시장에서 80.6% 압도적인 시장점유률을 가진 엔비디아(NVIDIA)는 2022년 개발자 컨퍼런스 AI, 자율주행, 메타버스에 대한 발표가 있었습니다. 차세대 GPU H100뿐만 아니라, 고성능 연산과 클라우드 컴퓨팅을 위한 CPU슈퍼칩 발표도 있었지만, 무엇보다 눈에 띄였던 것은 자율주행 섹션이었습니다. 엔비디아 드라이브 하이페리온9(NVIDIA DRIVE Hyperion 9)은 기존 하이페리온8보다 2배에 많은 센서 데이터를 처리할 수 있다고 밝혔는데요. 360도 카메라뿐만 아니라 14대의 카메라, 9대의 레이더, 3대의 라이다, 초음파 센서 20기를 탑재하고 있어서 레벨4 자율주행을 위해 많은 자동차 브랜드와의 협업이 이루어질 것이라고 밝혔습니다. 그리고 엔비디아 드라이브 맵(NVIDIA DRIVE Map)도 같이 선보이면서, 2024년까지 북미, 유럽, 아시아 주요 도로 50만Km를 맵핑하여, 정확한 세계를 3D로 구현한다는 계획도 발표혔습니다. 지금까지 자율주행에 있어서 독보적인 선두를 달리고 있는 테슬라가 있다면, 과거에 안드로이드 진영으로 연합을 한 것처럼 엔비디아 진영으로 자율주행에 새로운 경쟁이 시작되지 않을까 기대가 되기도 하네요. 경쟁이라는 측면은 기업이나 브랜드에게는 힘든 싸움이겠지만, 소비자에게 보다 좋은 제품, 서비스를 제공받을 수 있는 기회이기도 하기 때문에 테슬라의 현재 자율주행을 엔비디아가 얼마나 따라잡을 수 있을지도 지켜볼 필요가 있겠습니다. 골드러시에 청바지를 팔았던 리바이스같이 엔비디아가 미래 산업에서 앞으로 어떤 위치를 차지해 갈지 기대가 되기도 하네요.
'요즘 뜨는 브랜드&트렌드' 카테고리의 다른 글
| 뉴발란스(NEW BALANCE) 신발 숫자 넘버링(Numbering) 이해 (0) | 2023.03.01 |
|---|---|
| 불황에 살아남는 기업: 1등 기업과 치킨게임 (0) | 2023.02.23 |
| 종이 신문의 기회 : 언론의 디지털 트랜스포메이션 (0) | 2023.02.10 |
| 플랫폼(Platform)이란? 플랫폼의 이해와 플랫폼 기업의 조건 (0) | 2023.02.10 |
| 이름을 바꾸는 기업들: 사명 변경 사례와 이유 (0) | 2023.02.07 |
