컴퓨팅 아키텍처의 획기적 전환
중국 연구진이 기존 디지털 프로세서보다 훨씬 적은 에너지로 인공지능 작업을 처리하는 혁신적인 아날로그 컴퓨팅 칩을 공개했다. 지속가능한 AI 하드웨어 개발 노력에서 중요한 이정표로 평가된다. 이번 주 학술지 네이처 커뮤니케이션스에 발표된 연구에서 베이징대 과학자들은 저항성 램(RRAM) 칩으로 넷플릭스와 야후가 사용하는 것과 비슷한 규모의 데이터 세트를 활용해 추천 시스템을 학습시킬 수 있음을 입증했다. 첨단 디지털 프로세서보다 12배 빠르면서 에너지 소비는 200분의 1에 그쳤다.
이번 성과는 앞서 제기된 이론적 주장을 뒷받침하는 한편, 기술을 단순한 수학적 벤치마크를 넘어 실제 응용 분야로 확장했다. 논문 주저자인 쑨중은 복잡한 작업을 처리하면서도 아날로그 연산 고유의 속도와 에너지 효율을 유지해 아날로그 컴퓨팅의 한계를 한 단계 더 넓혔다고 설명했다. AI 학습으로 전력 수요가 급증하면서 세계 데이터센터들이 어려움을 겪는 가운데 나온 성과다. 일부 시설은 소도시와 맞먹는 전력을 소비한다.
이번 연구는 연구팀이 아날로그 컴퓨팅의 고질적 문제로 전문가들이 꼽아 온 ‘100년 된 정밀도 문제’를 해결했다고 처음 발표한 지난해 10월의 연구를 바탕으로 한다. 당시 연구진은 이 칩이 엔비디아 H100 그래픽처리장치(GPU) 같은 최상급 디지털 장치보다 처리 속도는 최대 1,000배 빠르고 에너지 효율은 100배 높을 수 있다고 제시했다. 최신 논문은 초기 이론적 전망보다는 다소 낮지만 실제 성능 향상을 확인했으며, 개인 맞춤형 추천과 이미지 처리 응용 분야에서의 역량도 입증했다.
정보를 0과 1이라는 이진수로 처리하는 기존 컴퓨터와 달리, 아날로그 시스템은 전류와 같은 연속적인 물리 신호를 다룬다. 디지털 컴퓨팅이 켜짐과 꺼짐 두 상태만 있는 일반 전등 스위치와 같다면, 아날로그 컴퓨팅은 연속적인 범위에서 값을 조절하는 조광기와 비슷하다. 이 근본적인 차이 덕분에 아날로그 칩은 이진 코드 대신 물리적 특성으로 계산을 수행하며, 기존 프로세서의 성능을 제약하는 메모리와 연산 장치 간의 에너지 집약적인 데이터 이동을 피할 수 있다.
인공지능 산업이 에너지 위기에 직면한 상황에서 이번 개발은 중요한 시점에 이뤄졌다. 대형 언어 모델 하나를 학습하는 데만도 메가와트시 단위의 전력이 들 수 있으며, 세계 데이터센터의 전력 소비량은 일부 선진국보다 많다. 반도체 부품 제조사들이 원자 규모에 가까워지면서 기존 디지털 프로세서는 근본적인 물리적 한계에 부딪히고 있다. 지속적인 성능 향상을 위해서는 제조 기술의 발전보다 아키텍처 혁신이 점점 더 중요해지고 있다.
그러나 아날로그 시스템은 역사적으로 정밀도 문제에 시달렸다. 디지털 컴퓨터는 단계별 알고리즘으로 정확한 결과를 내지만, 아날로그 장치는 신호 간섭과 잡음에 취약해 복잡한 현대적 응용 분야에 적합하지 않았다. 이 한계로 아날로그 기술은 수십 년간 역사적 호기심의 대상으로 밀려났다. 아날로그 기술의 뿌리는 천체의 위치를 예측하기 위해 맞물린 톱니바퀴를 사용한 2,000년 전 그리스의 천문 계산기 안티키테라 기계까지 거슬러 올라간다.
정밀도의 장벽을 넘다
베이징대 연구팀은 아날로그 연산의 속도와 디지털 시스템의 정확도를 결합한 혁신적인 이중 회로 아키텍처로 이 한계를 해결했다. 이 칩은 전극 사이의 전기 저항을 조절해 데이터를 저장하는 저항성 램 셀을 활용한다. 연구진은 이 셀을 두 개의 서로 다른 회로로 구성해 빠른 근삿값을 산출한 뒤 반복 처리로 이를 보정하는 시스템을 만들었다. 이를 통해 32비트 부동소수점 디지털 계산에 맞먹는 정밀도를 달성했다.
정밀도는 오랫동안 아날로그 컴퓨팅의 핵심 병목이었습니다. 아날로그 컴퓨팅의 고유한 장점을 현대 컴퓨팅 작업에 활용하면서 높은 정밀도와 확장성을 동시에 구현하는 방법은 세계 과학계가 100년 동안 풀지 못한 문제였습니다.
베이징대 조교수인 쑨중은 이 접근법이 기존 아날로그 컴퓨팅의 정밀도를 5자릿수, 즉 약 10만 배 향상한다고 설명했다. 첫 번째 회로는 약 1%의 오차율로 결과를 내지만, 두 번째 회로에서 세 차례 보정 과정을 거치면 오차가 표준 디지털 프로세서 수준으로 줄어든다. 연구팀은 24비트 고정소수점 정밀도로 16×16 실수 행렬의 역행렬을 구해 이 기능을 입증했다.
이번 혁신의 핵심인 저항성 램 기술은 기존 트랜지스터 기반 컴퓨팅과 크게 다르다. RRAM 셀은 내부 저항을 바꿔 이전에 얼마나 많은 전류가 흘렀는지 기억하는 전기 부품인 멤리스터로 작동한다. 이 특성 덕분에 칩은 같은 물리적 위치에서 정보를 저장하고 처리할 수 있다. 기존 컴퓨터가 버스 라인을 통해 데이터를 주고받느라 에너지를 소비하게 만드는 메모리와 프로세서의 분리를 없앤다.
행렬 연산은 현대 인공지능과 머신러닝, 무선통신의 수학적 토대다. 신경망을 학습시키거나 6G 네트워크용 신호를 처리할 때 컴퓨터는 방대한 숫자 배열로 이뤄진 방정식을 풀어야 한다. 디지털 프로세서는 계산을 긴 이진 연산의 연속으로 나눠 순차적으로 처리한다. 반면 아날로그 칩은 신호를 이진 코드로 변환하지 않고 메모리 배열에서 직접 계산해 행렬을 병렬 처리한다.
정밀도 문제 해결의 역사적 의미는 아무리 강조해도 지나치지 않다. 아날로그 컴퓨팅은 디지털 기술보다 먼저 등장했다. 초기 사례로는 1936년 소련에서 유체를 관을 통해 흘려 수학 방정식을 푼 수력 적분기가 있다. 이런 혁신에도 불구하고 잡음과 확장성 문제가 발목을 잡으면서 디지털 기술이 발전하자 아날로그 시스템은 구식 기술로 밀려났다. 새 칩은 현대의 저항성 메모리 기술을 활용해 이러한 개념을 되살리고, 수십 년 전 폐기된 아키텍처를 다시 열 가능성을 제시한다.
수학 이론에서 실제 응용으로
초기 발표가 이론적 성능에 초점을 맞췄다면, 최신 논문은 산업 현장의 요구를 반영한 실용적인 AI 작업에서도 성능을 확인했다. 이 칩은 넷플릭스와 야후가 사용하는 것과 비슷한 규모의 데이터로 개인 맞춤형 추천 시스템을 처리해 단순한 수학적 벤치마크 이상의 역량을 입증했다. 이미지 압축 시험에서는 저장 공간을 절반으로 줄이면서도 완전 정밀도의 디지털 컴퓨팅과 거의 같은 품질로 이미지를 복원했다.
이들 응용 분야는 전 세계 데이터센터 자원에 부담을 주는 데이터 집약적 작업이다. 추천 알고리즘은 스트리밍 서비스와 소셜미디어 플랫폼, 전자상거래 사이트에서 수십억 건의 사용자 상호작용을 처리해 개인화된 제안을 생성한다. 이미지 압축은 동영상 스트리밍부터 의료 영상까지 폭넓게 활용되며, 품질을 유지하면서 파일 크기를 줄이면 대역폭과 저장 비용을 절감할 수 있다. 이 칩이 에너지를 적게 쓰면서 이런 작업을 처리할 수 있다는 점은 관련 서비스의 운영 방식을 바꿀 가능성을 시사한다.
아날로그 컴퓨팅의 한계를 한 단계 더 넓힌 성과입니다.
소비자용 응용 분야 외에도 이 칩은 대규모 다중입출력(MIMO) 시스템에서 신호를 탐지하는 무선통신 시험 역량을 입증했다. 기지국이 방대한 안테나 배열을 실시간으로 처리해야 하는 미래 6G 네트워크에서 이 기술은 중요하다. 통신 작업에서 디지털 프로세서와 맞먹는 성능을 내면서도 에너지는 약 100분의 1만 사용했다. 배터리 수명이나 냉각 용량이 기존 하드웨어의 사용을 제약하는 저전력 환경에서 활용될 가능성이 있다.
미래 6G 무선 네트워크의 기지국은 수백 개의 안테나 요소를 동시에 관리하고, 모바일 기기와의 연결을 유지하기 위해 방대한 신호 데이터를 실시간으로 처리해야 한다. 특히 원격 기지국의 지연 시간과 전력 예산 측면에서 이들 시스템의 연산 요구량은 현행 디지털 신호 프로세서의 성능을 넘어선다. 최소한의 에너지로 디지털 프로세서에 맞먹는 성능을 내며 무선통신 신호를 탐지한 이 아날로그 칩은 통신 분야에 특히 적합하다.
현대 AI 인프라의 규모를 고려하면 에너지 절감 효과는 특히 크다. 대형 언어 모델을 학습하려면 수천 대의 고성능 그래픽카드로 수주간 연산해야 하며, 이 과정에서 메가와트시 단위의 전력이 소비된다. 처리 속도를 유지하거나 높이면서 에너지 소비를 100분의 1 수준으로 줄이면 운영 비용과 환경 영향을 크게 낮출 수 있다. 이는 인공지능 개발의 탄소 발자국에 대한 우려가 커지는 상황에서 중요한 대안이 될 수 있다.
세계 반도체 산업의 맥락
이번 혁신은 수출 규제로 중국이 첨단 엔비디아 GPU와 기타 고성능 디지털 프로세서를 확보하기 어려워진 가운데 세계 기술 업계의 중요한 시점에 나왔다. 이 칩이 범용 그래픽카드를 당장 대체하는 것은 아니지만, AI 학습과 추론 작업의 큰 비중을 차지하는 특정 연산을 위한 대안을 제시한다. 업계 분석가들은 신경망 연산의 핵심인 행렬 계산에 에너지 효율적인 선택지가 생기면 AI 하드웨어의 판도가 바뀔 수 있다고 본다.
챗GPT를 포함한 대형 언어 모델 학습에 사용되는 그래픽카드인 엔비디아 H100과의 비교는 잠재적 파급력을 보여준다. 이론적 전망에 따르면 특정 행렬 연산에서 처리량은 해당 디지털 프로세서보다 1,000배 높고 에너지 효율은 100배 향상될 수 있다. 실제 성능 검증 결과인 12배 빠른 속도와 200배 높은 에너지 효율도 전 세계 데이터센터를 지배하는 현행 기술보다 큰 개선이다.
이 칩은 상업용 파운드리 역량을 활용해 제조됐다. 따라서 특수 소재나 획기적인 신규 제조 시설 없이도 이론상 생산 규모를 확대할 수 있다. 이러한 실용적인 접근은 청정한 실험실 환경 밖에서는 구현하기 어려운 연구 성과와 차별화된다. 칩은 표준 반도체 제조 기술로 제작됐다. 수요가 생기면 수십억 달러 규모의 인프라 투자 없이 기존 공급망을 활용해 생산을 확대할 수 있음을 시사한다.
킹스칼리지런던의 제임스 밀런 연구원은 AI 학습에서 행렬 계산이 중요한 이유를 설명했다. 그는 디지털 컴퓨터가 무엇이든 계산할 수 있는 범용 기계이지만, 모든 작업을 효율적이거나 빠르게 처리하는 것은 아니라고 지적했다. 특정 작업에 맞춰 설계된 아날로그 컴퓨터는 해당 작업에서 놀라운 속도와 효율을 낼 수 있으며, AI 의존도가 높아지면서 커지는 막대한 에너지 수요를 줄일 가능성이 있다.
기술적 한계와 향후 개발
인상적인 벤치마크에도 연구진은 상당한 한계가 있음을 인정한다. 쑨중은 실제 응용에서 얻는 성능 향상이 이론적 최대치보다 작을 수 있다고 경고했다. 이 칩은 행렬 연산에만 특화돼 있어 AI 학습 중 특정 수학 연산이 필요한 부분만 가속한다. 특정 작업에서 행렬 계산의 비중이 크면 속도 향상 효과가 크지만, 다양한 연산이 필요한 범용 컴퓨팅 작업에서는 이점이 제한적이다.
이는 디지털 프로세서를 순수 아날로그 방식으로 대체하기보다 하이브리드 아키텍처가 미래의 방향일 가능성을 시사한다. 향후 GPU는 AI 학습 알고리즘의 특정 부분, 특히 2차 최적화 기법과 선형대수 연산을 처리할 아날로그 회로를 탑재하고 범용 컴퓨팅을 위한 디지털 코어는 유지할 수 있다. 이런 통합 기술이 상용 제품으로 나오기까지는 수년이 걸리겠지만, 이번 연구는 해당 개발의 기반 기술을 제공한다.
엣지 컴퓨팅도 유망한 응용 분야다. 자율주행차와 산업용 로봇, 증강현실 헤드셋은 상당한 연산 능력이 필요하지만 배터리와 발열에 엄격한 제약이 따른다. 현재는 데이터를 클라우드 서버로 전송해 처리하는 방식에 의존해 지연과 연결성 문제가 생긴다. 디지털 프로세서의 에너지 부담 없이 복잡한 AI 추론을 로컬에서 실행할 수 있는 아날로그 칩은 이런 기기가 더 자율적으로 작동하도록 하고 배터리 수명을 크게 늘릴 수 있다.
확장성도 과제로 남아 있다. 디지털 프로세서는 임의로 큰 문제를 작은 단위로 나누고 순차적으로 처리할 수 있지만, 아날로그 시스템은 더 큰 행렬을 풀기 위해 물리적으로 더 큰 회로가 필요하다. 현대 대형 언어 모델에서 볼 수 있는 변수 100만 개 규모의 문제를 처리할 칩을 만들려면 상당한 공학적 발전이 필요하다. 그럼에도 전력 소비 제약이 중요한 엣지 컴퓨팅 분야에서는 작은 규모의 아날로그 칩만으로도 클라우드 연결에 의존하지 않고 기기에서 복잡한 AI를 실행할 수 있다.
연구팀은 더 복잡한 문제를 더 빠르게 처리할 수 있는 대형 완전 통합 칩 개발을 다음 목표로 삼고 있다. 이러한 노력이 성공하면 6G 통신 개발을 앞당기고 AI 모델을 더 효율적으로 학습시키며, 세계 전력 생산량에서 차지하는 비중이 커지고 있는 데이터센터의 환경 영향을 줄일 수 있다. 디지털 컴퓨팅이 메모리와 연산 장치의 분리로 인한 물리적 한계에 가까워지는 가운데, 아날로그 대안은 전력 소비를 비례해 늘리지 않고도 성능을 개선할 길을 제시한다.
핵심 내용
- 베이징대 연구진이 저항성 램을 이용한 아날로그 AI 칩을 개발했다. 실제 추천 및 이미지 처리 작업에서 첨단 디지털 프로세서보다 속도는 12배 빠르고 에너지 효율은 200배 높다.
- 이 장치는 이중 회로 아키텍처를 통해 근삿값을 보정해 32비트 부동소수점 시스템에 맞먹는 오차율을 달성했다. 이로써 아날로그 컴퓨팅이 디지털과 같은 정확도를 구현하지 못하게 했던 100년 된 정밀도 문제를 해결했다.
- 이진수 0과 1을 사용하는 디지털 프로세서와 달리, 이 칩은 연속적인 전기 신호를 다뤄 메모리에서 직접 행렬 계산을 수행한다. 기존 컴퓨팅에서 에너지 소비의 대부분을 차지하는 데이터 이동 병목을 없앤다.
- 상업용 반도체 제조 공정으로 제작돼 대량 생산 가능성이 있지만, 현재 구현된 칩이 처리하는 행렬은 최대 규모의 AI 모델 학습에 필요한 것보다 작다.
- 개인 맞춤형 추천 시스템, 이미지 압축, 6G 무선 신호 처리에 활용될 수 있으며, 아날로그의 효율성과 디지털의 유연성을 결합한 하이브리드 컴퓨팅 아키텍처에도 적용될 가능성이 있다.
- 중국이 첨단 엔비디아 GPU 수입 제한을 받는 가운데 나온 이번 성과는 특정 AI 작업에 사용할 중국 자체 개발 대안을 제시한다. 세계적으로 데이터센터의 에너지 소비를 줄일 가능성도 있다.
