엔비디아가 10월 7일 서울 삼성동 코엑스인터컨티넨탈 호텔에서 기술 컨퍼런스인 GTCx 코리아 2016(GTCx Korea 2016)을 개최했다. GTC(GPU Technology Conference)는 엔비디아가 개최하는 기술 행사로 국내에선 2015년 처음 열린 바 있다. 올해로 2번째인 것. 엔비디아는 올해만 전 세계에서 GTC 행사를 9회 개최할 예정이다. 그만큼 고객이나 파트너사의 GPU에 대한 관심이 높아졌기 때문이라는 설명이다. 이번 행사에도 사전 등록만 1,300명이 할 만큼 성황을 이뤘다.
엔비디아가 직접 밝힌 지표만 봐도 GTC에 대한 관심을 가늠할 수 있다. GTC는 지난 2년 동안 참석자 수는 2배나 늘었다. 엔비디아 GPU를 이용하는 GPU 개발자 수는 같은 기간 3배에 달하는 40만 명으로 높아졌다. 물론 그 중에서도 눈길을 끄는 건 딥러닝. 2014년 대비 딥러닝 개발자 수는 무려 25배나 늘었다.
기조 연설에 나선 데이비드 커크(David B. Kirk)는 엔비디아 수석 과학자로 GPU 기술 연구에 기여한 인물. 그는 인공지능을 구현하기 위한 딥러닝과 이를 뒷받침하는 GPU 컴퓨팅, 자율주행과 가상현실 등 인공지능 활용 분야에 대해 소개했다.
데이비드 커크 박사는 “인공지능은 이미 일부 분야에선 인간의 수준을 뛰어넘는 슈퍼휴먼 레벨에 도달했다”면서 이미지와 음성 인식 등을 예로 들었다. 이런 이유로 다양한 분야가 딥러닝으로 대체되고 있으며 엔비디아 역시 인공지능 컴퓨팅 기업으로 인식되고 있다고 밝혔다. 또 인간이 하는 작업을 인공지능을 통해 모두 바꾸는 것이 바로 GPU 컴퓨팅의 핵심 역할이라고 덧붙였다. 엔비디아가 단순 칩셋이나 디바이스 기업이 아닌 컴퓨팅 플랫폼 기업이라는 것. 실제로 엔비디아 CEO 젠슨황 역시 지난 1월 열린 CES 2016 기간 중 엔비디아를 비주얼 기술을 바탕으로 한 컴퓨팅 플랫폼 기업이라는 점을 분명히 한 바 있다.
그렇다면 왜 인공지능 개발자는 GPU 컴퓨팅을 이용할까. 데이비드 커크 박사는 인간의 두뇌는 첨단 이미지 컴퓨팅, GPU 컴퓨팅과 비슷한 인식 방법을 거친다면서 GPU도 여러 코어로 이뤄져 있으며 이를 여러 개 병렬로 연결, 인간의 뉴런과 비슷하게 의사 소통(연산)을 한다고 밝혔다. 이를 통해 지금 같은 새로운 모델이 가능해졌다는 것. 그는 GPU 컴퓨팅이 이런 구조 덕에 동시에 방대한 양을 처리할 수 있다는 점, 이를 통해 딥러닝 같은 학습이 가능하다는 2가지 이유로 개발자가 GPU 컴퓨팅을 이용한다고 설명했다.
딥러닝은 인식을 위한 훈련(Trainning)과 추론(inferencing) 2가지를 필요로 한다. 데이비드 커크 박사는 앞으로 네트워크를 통해 서버에서 학습하는 일이 더 늘어날 것이라면서 딥러닝은 이를 위해 더 많은 컴퓨팅 자원을 꾸준히 갈구하게 될 것이라고 말했다. 그는 구글 선임 연구원인 제프딘의 말을 인용, 신경망이 뛰어난 예측성을 가져올 수 있지만 이렇게 되려면 더 많은 컴퓨팅 파워가 있어야 더 좋은 결과를 기대할 수 있다는 점을 덧붙이기도 했다.
실제로 하드웨어 컴퓨팅 발전에 따른 인식률을 보면 마이크로소프트의 경우 2012년 이미지 인식률이 8레이어였던 반면 2015년에는 레이어 수가 152개로 늘어나 알렉스넷의 16배에 달하게 됐다. 바이두의 음성인식 기술인 딥스피치 역시 2014년 80GFLOPS에서 2016년 465GFLOPS로 10배로 높아졌다.
그는 엔비디아의 아키텍처는 지난 2013년 케플러와 2016년 파스칼을 견주면 4년 만에 무려 65배나 폭증했다면서 “이는 무어의 법칙을 초과한 것”이라고 강조했다.
새로운 제품군에 대해서도 소개했다. 테슬라 P4와 P40은 9월초 발표한 것으로 데이터센터 내 추론을 위한 제품. 앞서 밝혔듯 네트워크를 통한 학습을 돕는 것이다. 간략하게 설명한 특징을 보면 P4는 CPU대비 에너지 효율이 40배 높은 50W 모델, P40은 CPU대비 40배 빠르게 처리하기 위한 250W 모델이라고 생각하면 쉽다.
텐서RT(TensorRT)는 이전까지 GIE(GPU Inference Engine)로 알려졌던 것으로 추론 최적화를 위한 엔진이라고 생각하면 된다. 엔비디아 측은 텐서RT를 이용하면 2∼4배까지 성능을 끌어올릴 수 있다고 설명하고 있다.
또 젯슨 TX1은 내장형 인공지능 슈퍼컴퓨터다. AA 배터리 크기에 불과하지만 소비전력 10W에 FP16 1TFLOPS를 지원한다. 이미지 인식의 경우 초당 20개를 인식할 수 있다.
데이비드 커크 박사는 “앞으로 지능형 디바이스가 더 가속화될 것”이라면서 자율주행 자동차를 예로 들었다. 그는 AI 운송 산업이 10조 달러 규모 시장을 위한 블루칩이 될 것이라면서 엔비디아 역시 스스로 주행 방법을 학습하는 인공지능 차량인 BB8을 개발하는 한편 전 세계에 있는 6,000만km에 이르는 도로를 고해상도로 표시하기 위해 톰톰(TomTom) 같은 기업과 협업을 진행하고 있다고 설명했다.
관련 제품 라인업도 마찬가지. 드라이브PX2 오토크루즈는 10W짜리 인공지능 차량용 컴퓨터다. 자율주행이나 HD 지도 기능을 곁들여 오토크루즈 기능에 최적화한 것이다. 고해상도 지도를 통해 위치 파악을 통한 안전한 경로 설정이 가능하다는 것이다.
드라이브웍스 OS(Driveworks OS) 같은 자율주행 차량을 위한 운영체제도 제공한다. 엔비디아는 파트너사가 개발자에게 이 운영체제를 제공해 이를 기반으로 개발사가 자체 개발을 하는 것도 가능하다고 밝히고 있다.
자비에(Xavier)는 내년에 선보일 예정인 자율주행 차량용 SoC다. 이 제품은 트랜지스터 70억 개를 갖췄고 16nm 제조 공정을 이용해 만들었다. ARM64 기반 8코어를 갖췄고 차세대 GPU 아키텍처인 볼타(Volta) GPU 512코어를 곁들였다. 데이비드 커크 박사는 자비에를 이용하면 기존 드라이브PX2에 들어가는 칩 2개를 1개로 대체할 수 있다고 밝혔다.
자비에는 엔비디아가 AI 차량용 슈퍼컴퓨터라고 밝힌 것에서 알 수 있듯 자동차를 겨냥한 것이다. 차량용이지만 앞서 밝혔듯 트랜지스터 수는 70억개다. 현재 일반 소비자용 GPU 중 최상위 모델인 지포스 GTX1080의 트랜지스터 수가 72억 개라는 점을 감안하면 놀라운 집적도다. 여기에 차기 아키텍처인 볼타 기반 GPU 코어 512개를 더하는 것이다.
데이비드 커크 박사는 기조 연설 중 딥러닝을 활용 중인 다양한 기업을 소개, 이 기술의 활용도를 어필하기도 했다. IBM이 엔비디아 GPU 컴퓨팅과 자사의 인공지능 왓슨을 이용해 만든 SF스릴러 영화인 모건(Morgan)의 예고편, 신경망과 예술을 결합한 훈련을 통해 특정 예술가 스타일을 인식해 실시간으로 화면을 포토샵으로 손보듯 바꾸는 기술을 선보인 아티스토(Artisto)도 이 가운데 하나다.
데이비드 커크 박사는 이들 외에도 이미 인공지능 관련 스타트업이 1,500개를 넘어섰고 올해만 15개 이상이 창업될 것이라고 설명했다. 분야도 다양하다. 자율주행 관련 스타트업인 드라이브에이아이(Drive.ai), 화풍이나 스타일을 빌려와 예술 작품으로 사진을 탈바꿈시켜주는 인공지능 앱 개발사 프리스마(Prisma), 유전자 정보를 바탕으로 질병과의 연관성 등 의료에 AI를 적용하려는 스타트업인 딥지노믹스(Deep Genomics)도 마찬가지. 그만큼 인공지능을 활용하려는 분야나 관련 기업의 폭발적 증가를 예고한다는 것이다.
이 날 행사에선 커크 박사의 기조연설 외에도 SK텔레콤 최진성 종합기술원장이 ‘정보통신 기술의 새 시대 : 인공지능과 자율주행’을 주제로 관련 분야와 SK텔레콤의 전략을 소개했고 포항공대 최승진 교수는 현대 딥러닝과 관련한 키노트를 진행했다.
| 2016년 10월 8일