AI 프로세서의 부상, 인공지능 고도화 시대의 ‘중추적 기반’

[산업일보]
인공지능(AI) 구현을 위해 소프트웨어는 지속적인 관심을 받아 왔지만, 이를 뒷받침하는 하드웨어는 상대적으로 크게 부각되지 못했다. 하지만 AI의 요구 성능 및 활용 범위가 커지면서, 기존 프로세서로는 지속적인 AI 발전이 어렵다는 의견이 제기됐다. 이에 AI 알고리즘 전담 처리 프로세서 연구가 활발히 진행 중이다.

21일 발표된 LG경제연구원의 ‘인공지능(AI) 프로세서, 새로운 혁신의 원동력 될까’ 보고서에 따르면 AI의 부상으로 반도체가 또다시 주목을 받고 있다.

반도체 산업은 PC와 스마트폰 등 새로운 기기가 등장할 때마다 더 많은 정보 저장 용량과 빠른 연산 실행 속도, 작고 가벼운 제품에 대한 요구 등을 충족시키기 위해 성장을 거듭했다. 최근에는 인공지능을 집중적으로 지원할 수 있는 반도체 개발 및 탑재에 대한 움직임이 두드러지면서 AI 전용 반도체 프로세서에 대한 관심이 높아졌다.



AI의 주요 연구 분야인 머신러닝을 구현할 수 있는 알고리즘인 딥 러닝은 수천에서 수만 개 이상의 연산을 동시에 처리하는 과정을 반복해야 한다. 현재 컴퓨터의 핵심 반도체인 ‘직렬 컴퓨팅’ 구조의 중앙프로세서(CPU)로 이런 AI의 업무를 처리하려면, CPU에 과중한 부담이 돼 전체 시스템 성능 저하의 우려가 있다. 이에 딥 러닝 담당 프로세서에 적합한 ‘병렬 컴퓨팅 능력’이 인공지능 성능을 결정하는 핵심 요건으로 부상했다.

‘병렬 컴퓨팅’에 적합한 AI 프로세서로는 픽셀 연산을 동시에 처리하기 위해 개발된 그래픽처리장치(GPU), 사용자가 용도에 맞게 하드웨어 특성을 유연하게 변경할 수 있는 FPGA(Field Programmable Gate Array), 각 애플리케이션의 특성에 적합한 AI 시스템을 구현하는 주문형 반도체 ASIC(Application Specific Integrated Circuit) 등이 재조명되고 있다.



GPU는 복잡한 금융투자 및 기후 모델 시뮬레이션 등 다양한 분야에 활용되고 있으며, ASIC와 FPGA는 인공지능의 쓰임새가 다양해지고, 훨씬 뛰어난 성능이 요구되면서 개발 움직임이 뚜렷해지고 있다. 그러나 ASIC로 만든 프로세서는 특정 업무 수행에 최적화 돼 다른 분야에 확장 적용하기 쉽지 않은 점이, FPGA는 AI의 수준이 증가할수록 복잡하고 훨씬 많은 양의 데이터를 처리하기 때문에 연산 성능을 더욱 끌어 올리는 것이 중요한 과제로 지적된다.

현재 AI를 탑재한 IT 시스템 대부분은 CPU가 전체 시스템의 동작과 제어를 담당하고, GPU 등 AI 프로세서는 딥 러닝 기능을 집중적으로 처리하도록 구성된 이기종 시스템(HSA: Heterogeneous System) 방법을 채택하고 있다. 그러나 이러한 방식은 AI 성능을 강화하기 위해 더 많은 프로세서가 필요하다는 단점이 있다.

이런 이유로 학계를 중심으로 인간의 뇌 신경 구조 자체를 모방한 뉴로모픽 프로세서(Neuromorphic Processor)를 만들어야 한다는 주장이 제기됐다. 뉴런과 뉴런이 시냅스로 엮이듯, AI 프로세서도 정보처리를 담당하는 개별 소자가 네트워크로 연결돼 학습 및 의사 결정을 담당하는 구조로 설계돼야 한다는 것이다.

현재 기술로는 이상적 뉴로모픽 프로세서를 만들기 어렵다는 것이 중론이다. 인간의 신경망 구조에 대한 심층적 이해와 정교한 개별 소자 개발 등 고려할 점이 많기 때문이다. 그러나 언제 어디서나 AI를 활용하는 인공지능 확산 시대를 열 수 있는 잠재력이 큰 것으로 주목받고 있으며, IBM·퀄컴 등이 관련 기술 역량 축적에 나서며 전 세계적으로 뉴로모픽 프로세서 개발 연구가 활발히 이루어지고 있다.

LG경제연구원 관계자는 “지금까지와 근본적으로 다른 하드웨어 중심의 AI 개발 트렌드가 확산될 것”이라 전망하며, “아무리 뛰어난 AI 알고리즘을 개발하더라도 이를 뒷받침하는 반도체가 적합하지 않다면 원하는 성능 구현이 쉽지 않다. 반도체 역량의 외부 의존으로는 변화 트렌드를 빠르게 대응하기 어렵다는 인식도 늘고 있다”고 IT 기업들의 반도체 진출 움직임도 심화될 것이라고 분석했다.



덧붙여, 이 관계자는 “AI 프로세서가 미래 AI 트렌드에 어떤 변화를 가져올 수 있는지, 이런 변화가 자사의 사업 영역에 미칠 파급 효과를 면밀히 분석해야 할 것”이라며 “AI의 적용 목적, 구현 방법에 따라 각 기업 차원의 다각적 관점에서 자사에 적합한 AI 프로세서 대응 전략을 수립해야 한다”고 말했다.