AI 반도체의 급부상!

지금이라도 들어갈까? AI 반도체 떡상하는 이유

오늘은 AI 열풍의 가장 큰 수혜주로 꼽히고 있는 AI 반도체에 대해 알아보겠습니다. 본편을 읽기 전에 반도체를 다루었던 지난 글을 확인해 보시면 좀 더 빠르게 이해하실 수 있을 거예요.

 반도체와 AI와 클라우드!

Q. 여기저기 모자라다 아우성! AI 반도체 왜 부족해?

잘 아시다시피 2022년 챗GPT의 등장 이후 모든 글로벌 테크 기업이 자체 AI 개발에 나서고 있는 실정입니다. AI 훈련과 운용에 필요한 고성능 AI 반도체 쟁탈전이 극심해지고 있는 이유죠. 이러한 상황을 반증하듯,  AI 반도체 대장주로 꼽히는 엔비디아(NVDA)는 지난해 시가총액이 240% 가까이 폭증하더니 올해만 주가가 49.75%나 올랐습니다. 사상 최고가를 연일 경신하며 심지어 한국 시각으로 오늘 새벽에는 장중 한때 시가총액 3위까지 치고 올라와 많은 사람들을 놀라게 했는데요.

반도체 관련 주가가 이처럼 천정부지로 뛰어오르고 있지만 AI 시스템 구축에 필요한 AI 반도체의 부족은 매우 극심한 상황입니다. AI 반도체는 고성능 컴퓨팅과 복잡한 데이터 처리 기능을 요구하기 때문에, 고도로 정교화된 공정과 첨단 기술이 필수적입니다. 자연히 개발과 생산에 오랜 시간이 걸리죠. 특히 반도체 제조 시설(파운드리)의 제한된 용량과 소재 병목현상과 더불어, 무엇보다 AI 열풍으로 현재 AI 반도체를 필요로 하는 곳들이 급증하다 보니 더더욱 현장 수요를 따라가지 못하고 있습니다.

AI를 빠르게 활용해야 하는데 AI 반도체 수급은 원활하지 못하니 아예 메타나 아마존처럼 자사의 AI에 가장 걸맞는 자체 개발을 발표한 곳도 많습니다. 대표적으로 오픈AI의 샘 올트먼이 자체 AI 반도체 개발을 위해 무려 9천조 원(7조 달러) 규모의 펀딩을 추진하는 것으로 알려졌고, 협력 파트너를 구하기 위해 한국을 비롯한 여러 국가를 방문하기도 했죠.

Allied Market Research에 따르면 글로벌 AI 반도체 시장은 2022년 약 149억 달러 규모로 추정되는데요. 2023년부터 2032년까지 연평균 성장률(CAGR) 38.2%로 성장해 2032년에는 3,837억 달러에 이를 것으로 예상되고 있습니다. 10년 동안 약 25배 넘게 폭증할 거라는 예측인 것이죠.

Q. AI 반도체가 뭔데? ‘알못’에서 ‘잘알’되는 법

AI 반도체는 보통 AI에 필요한 대용량·대규모 연산에 최적화된 시스템 반도체를 의미합니다. 용도나 특성에 따라 AI 반도체는 크게 아래와 같이 나눌 수 있습니다.

• GPU(Graphics Processing Unit)
• TPU(Tensor Processing Unit)
• FPGA(Field-Programmable Gate Array)
• ASIC(Application-Specific Integrated Circuit)
• 뉴로모픽(Neuromorphic)
• PIM(Processing-In-Memory)
• NPU(Neural Processing Unit)
• VPU(Vision Processing Unit)

가장 많이 들어보셨을 GPU는 병렬 처리에 적합한 구조로, 대규모 데이터를 빠르게 처리할 수 있습니다. 엔비디아가 바로 이 GPU 업계의 강자로 80% 이상의 시장 점유율을 자랑하는데요. 엔비디아의 GPU는 본래 게임에서 고화질 그래픽을 처리하기 위한 목적으로 설계된 것이지만, 컴퓨팅 능력이 매우 높기 때문에 AI에 활용되고 있습니다. AI 분야에서는 주로 병렬 처리 능력이 요구되는 딥러닝 모델의 훈련과 추론에 활용됩니다.

TPU는 구글이 자사의 클라우드 서비스와 데이터 센터에서 사용하기 위해 개발한 것으로 유명한데요. 딥러닝과 같은 Tensor(다차원 배열) 연산을 더 효율적으로 처리하기 위해 특별히 설계된 AI 전용 반도체입니다. 다양한 종류의 연산에 유연하게 대응하는 GPU와 달리, TPU는 딥러닝 연산에 최적화되어 GPU보다 더 빠르고 효율적으로 처리할 수 있습니다.

FPGA는 일반 반도체와 다르게 사용자가 특정 목적에 맞게 프로그래밍하여 설계를 변경할 수 있다는 것이 특징인데요. 이처럼 유연성이 높으면서 전력 소비도 낮아 AI 애플리케이션을 위한 맞춤형 솔루션을 개발할 때 유용합니다. 그에 반해 ASIC은 설계 및 제작 비용이 높고 당연히 제작 시간도 많이 소요되는데요. AI 분야에서는 주로 고정된 연산에 최적화된 하드웨어를 필요로 하는 경우에 사용되며 그 효율성이 매우 높습니다.

뉴로모픽은 뇌의 작동 방식을 모방한 구조로 신경망 연산에 특화되어 있는데요. 연산과 메모리 기능을 함께 겸하여 효율성을 극대화합니다. PIM 기술은 데이터 처리 작업을 메모리 내부에서 직접 수행함으로써, 데이터 전송 시간과 에너지 소비를 크게 줄일 수 있습니다. 둘 다 기존의 컴퓨팅과 다른 접근 방식을 통해 효율성을 높이려는 시도라고 보시면 되겠습니다.

NPU는 신경망 연산에 최적화된 반도체로, 스마트폰과 같은 모바일 기기에서 AI 기능을 향상시키기 위해 설계되었습니다. VPU는 이미지 처리와 컴퓨터 비전 작업에 최적화되어 있어, 실시간 이미지 분석과 객체 인식과 같은 작업을 처리하는 데 사용됩니다.

Q. 이미 고점이라던데… AI 반도체, 앞으로 어떻게 될까?

AI 반도체 시장은 앞서 말씀드린 것처럼 빠르게 성장 중입니다. 여러 글로벌 투자은행에서 MnM, AI5 등의 신조어를 만들어내며 여기에 속한 주요 주식들이 뉴욕 증시를 뒤흔들 것이라고 예견하고 있는데요. MnM은 MS, 엔비디아, 메타를 말하고요. AI5는 엔비디아와 MS 그리고 AMD, TSMC, 브로드컴입니다. 이는 가장 변화에 민감한 증권 업계에서 미래 성장과 투자의 가장 핵심적인 요인으로 AI를 눈여겨보고 있다는 증거가 아닐까 싶습니다.

특정 단일 주식이 아니라, 시장 전체의 성장 가능성을 눈여겨본다면 AI 반도체는 지금 현재 가장 뜨겁고 앞으로 계속해서 발전할 분야임이 확실합니다. 모든 기업에서 AI 기술 도입과 활용을 통한 생산성 향상과 디지털 혁신을 원하고 있으니까요. AI 기술의 발전이 AI 반도체의 수요를 증가시키는 가장 첫 번째 원인이자 요소라고 할 수 있겠습니다.

AI 반도체가 발전할수록 자율주행, IoT, 헬스케어, 스마트시티 등 AI 반도체가 영향을 미칠 다양한 산업 역시 발달할 가능성이 매우 높은데요. 실시간 데이터 처리와 복잡한 환경 인식이 필수적인 자율주행에서 AI 반도체는 차량이 주변 환경을 인식하고, 판단하며, 안전하게 주행할 수 있도록 지원합니다. 실제로 엔비디아의 Drive 플랫폼은 고성능 GPU를 기반으로 자율주행 차량에서 복잡한 데이터 처리 및 의사 결정 작업을 돕고 있죠. 이처럼 다양한 분야에서 AI 기술 적용이 늘어나고 있는 만큼, 특화된 AI 반도체에 대한 개발과 수요도 확대될 것으로 보입니다.

​​​​​Source: NVIDIA

이 점은 클라우드도 마찬가지입니다. AI 반도체는 클라우드 컴퓨팅 환경에서 AI 기술의 발전과 활용을 가속화하는 중요한 역할을 합니다. 특히 앞서 소개해드렸던 구글의 TPU를 대표 사례로 들 수 있겠습니다. TPU는 구글 클라우드에서 머신 러닝 작업 속도와 효율을 크게 향상시킨 1등 공신이거든요. AI 반도체는 클라우드 컴퓨팅과 데이터센터 내에서 대규모 데이터 분석과 심층 학습 모델의 훈련과 추론을 가속화시키는 역할을 할 수 있습니다. AI와 클라우드는 여전히 서로를 보완하며 발전해나갈 것 같네요.

 OpsNow에 문의하기

본 내용은 베스픽 뉴스레터를 통해서 제공되는 내용입니다.

클라우드에 대한 최신 트렌드 정보가 필요하시면 뉴스레터를 구독해 주세요.