시장 조사기관별로 다소 숫자에 차이가 나기는 하지만, 이들의 보고서에 따르면 2018년부터 2025년까지 인공지능(AI) 반도체 칩 시장은 연평균 성장률이 45% 이상으로 가파르게 성장해 2025년에는 그 크기가 100조원 이상이 될 것으로 전망하고 있다.
AI 칩은 딥러닝 알고리즘 수행에 최적화된 특수반도체를 말하며, AI 기술이 다양한 분야에 확대 적용됨에 따라 많은 기업이 속속 개발에 뛰어들고 있다. 엔비디아·인텔·퀄컴·삼성 같은 전통적인 시스템반도체 설계 전문기업들은 물론, 구글·아마존·바이두·알리바바처럼 주로 소프트웨어(SW) 관련 사업을 하던 정보기술(IT) 대기업뿐 아니라 테슬라 같은 완성차 제조업체도 이미 독자제품을 출시했으며 그 밖의 많은 벤처기업들 역시 AI 칩 기술 개발에 뛰어들고 있는 실정이다.
딥러닝 알고리즘을 처리하는 데는 많은 수학적인 연산이 필요하다. 그래서 순차적으로 수행되는 중앙처리장치(CPU)보다 다수의 코어를 이용한 병렬연산에 특화된 그래픽처리장치(GPU)를 사용하는 것이 딥러닝 수행에 더 적합하며, 오래전부터 범용 GPU 시장을 준비해온 엔비디아는 천재일우의 기회를 살려 상용 AI 칩 시장에서 절대강자로 자리매김했다.
딥러닝 알고리즘에 최적화된 특수반도체
외부의존 우려에 상용칩보다 자체개발 선호
독자적인 AI 칩 개발이 필요한 이유는 많다. 우선 GPU가 대량의 수학 연산에 특화된 구조를 갖고 있기는 하지만, 그래픽처리를 목표로 개발됐기 때문에 딥러닝 연산에 더 적합한 구조를 갖는 AI 칩 개발의 필요성이 여전히 존재한다. 둘째, 자동차에서처럼 고속 실시간 처리가 중요한 분야, 사물인터넷(IoT) 환경에서처럼 배터리로 구동되기 때문에 성능보다 저전력 동작이 더 중시되는 분야 등 AI 칩의 적용환경이나 요구조건이 다양하다. 셋째, 학습과 실제 수행을 분리하면 구조가 좀 더 단순해질 수 있고 단독 칩으로 구현되거나 큰 칩의 일부분으로 들어갈 수도 있어 구조에 대한 고려도 필요하다. 넷째, 경쟁기업들 간 격차 유지를 위해 혹은 자신들의 주력 사업을 타 업체 제품에 의존하는 것을 탈피하기 위한 전략적인 이유도 있다.
하지만 독자적인 칩은 한번 개발하면 끝나는 것이 아니라 지속적인 성능 향상을 위해 팀을 유지·발전시켜야 한다. 이 때문에 비용과 관리의 문제가 발생할 수 있고 칩보다 더 중요한 SW 개발환경을 구축하고 검증해야 하며, 널리 검증된 상용 칩을 사용할 때보다 새로운 자사의 칩에 있을지 모를 버그로 인해 고전할 가능성도 있다.
상용 AI 칩을 사용하는 것과 독자적인 칩을 개발하는 것 중 어느 것이 올바른 선택인지는 오랜 시간이 지나야 판명 나는 문제다. 하지만 사용자 입장에서는 AI를 적용하고자 하는 상황에 맞춰 다양한 선택지가 있으며 업체들 간 경쟁으로 더욱 성능이 뛰어난 AI 칩들이 출시될 것이기에 좋은 것 같다. 국내에서도 많은 기업이 AI 칩을 개발하고 있는데 세계적으로 경쟁력 있는 제품이 나오기를 기대한다.
< 저작권자 ⓒ 서울경제, 무단 전재 및 재배포 금지 >
