CN101, 결정론적 로직을 포기하고 더 적은 에너지 예산으로 더 많은 AI 훈련을 진행하다
Normal Computing은 세계 최초의 열역학 컴퓨팅 칩인 CN101의 성공적인 테이프아웃을 발표했습니다. AI/HPC 데이터 센터를 위해 설계된 이 ASIC은 열역학(및 기타 물리 원리)을 활용하여 계산 효율성을 달성함으로써 기존의 실리콘 컴퓨팅 방식에서 한 단계 진화한 것입니다. 열역학 칩은 기존 컴퓨팅과는 차원이 다르며, 실질적으로는 양자 컴퓨팅 및 확률론적 컴퓨팅의 영역에 가깝습니다. 일반 전자공학에서 노이즈가 적의 요소인 반면, 열역학적 및 확률론적 칩은 문제를 해결하는 과정에서 노이즈를 적극적으로 활용합니다.
Normal Computing의 실리콘 엔지니어링 리드는 Zachary Belateche가 최근 IEEE Spectrum과의 인터뷰에서 "우리는 노이즈, 확률성(stochasticity), 비결정론성(nondeterminism)을 활용할 수 있는 알고리즘에 초점을 맞추고 있습니다"라고 말했습니다. 이어 그는 "그 알고리즘 공간은 매우 광대하여 과학 컴퓨팅부터 AI, 선형 대수학에 이르기까지 모든 것이 포함됩니다"라고 덧붙였습니다.
IEEE Spectrum이 설명했듯이, 열역학 칩의 구성 요소는 준(semi-)무작위 상태에서 출발합니다. 프로그램이 구성 요소에 입력되고, 이들 부분 사이에 평형(equilibrium)이 도달하면 그 평형 상태가 해결책으로 도출됩니다. 이러한 계산 방식은 비결정론적 결과가 필요한 애플리케이션에서만 작동하며, 웹 브라우저 접근과 같은 분야에는 사용되지 않습니다. 대신 AI 이미지 생성이나 기타 훈련 작업과 같은 다양한 AI 작업에서 활용됩니다.
Normal의 새로 테이프아웃된 CN101은 선형 대수 및 행렬 연산을 효율적으로 해결하는 데 중점을 두었으며, 추가적인 확률적 계산에는 Normal 고유의 샘플링 시스템을 활용합니다. 이러한 작업들은 현대 데이터 센터의 AI 훈련 요구 사항에 특화되어 있으며, 해당 워크로드에서 최대 1000배에 달하는 에너지 소비 효율성을 달성합니다.
Normal이 열역학 컴퓨팅과 CN101과 같은 물리 기반 ASIC을 통해 지향하는 목표는, 모든 문제에 대해 가장 효율적인 해결책을 담는 모든 구성 요소—CPU, GPU, 열역학 ASIC, 심지어 확률론적 및 양자 칩까지—를 갖춘 AI 훈련 서버가 존재하는 세상을 구축하는 것입니다. Normal의 CN 라인 로드맵에는 2026년과 2028년 출시가 포함되어 있으며, 더 깊고 자주 사용되는 포토 및 비디오 확산 모델로 규모를 확장할 예정입니다.
실리콘 컴퓨팅이 필연적으로 가장 작은 크기를 향해 전진하고, 전 세계 AI 데이터 센터의 수요가 끊임없이 커짐에 따라, 수많은 대체 컴퓨팅 기술들이 대안으로 부상하고 있습니다. 현재 실리콘 포토닉스는 이 분야에서 가장 주목받는 기술 발전 중 하나이며, 양자 컴퓨팅과 같은 비결정론적 칩은 여전히 공상과학처럼 느껴집니다. 곧 Normal의 열역학 칩이 새로운 칩 기술 혁신 물결의 핵심 동력이 될 가능성이 높습니다.
최신 뉴스, 분석 및 리뷰를 피드에서 받아보려면 Tom's Technology를 방문해 주십시오.