이는 2020년 Nvidia의 A100 GPU 속도의 1.5배에 달하는 것으로 알려져 있습니다.
중국 스타트업 중하오신잉(Zhonghao Xinying)이 사우스차이나모닝포스트(South China Morning Post) 보도에 따르면, 엔비디아(Nvidia) 그래픽 카드나 구글(Google) TPU와 같은 국제적인 AI 학습 및 추론 하드웨어의 대안으로 자국 개발 범용 텐서 처리 장치(General Purpose Tensor Processing Unit, GPTPU)를 선보이고 있습니다. 이 ASIC 칩은 Ampere 아키텍처를 기반으로 한 엔비디아의 2020년 A100 제품보다 최대 1.5배 빠른 것으로 알려졌습니다.
이러한 추격은 몇 년, 여러 세대에 걸쳐 국제 경쟁사의 최신 하드웨어 성능에 비해서는 아직 뒤떨어진 수준일 수 있지만, 이는 글로벌 컴퓨팅 파워 시장의 경쟁 심화와 함께 중국이 전통적인 GPU와 ASIC 디자인을 모두 대안으로 탐색하며 장기적인 실리콘 독립을 달성하려는 노력을 보여줍니다.
이 '가나(Ghana)' 칩은 이전에 스탠퍼드와 미시간 대학교에서 전기 공학을 전공한 양공이판(Yanggong Yifan)이 회사에서 개발을 주도했습니다. 그는 구글과 오라클에서 칩 아키텍처 분야 경력을 쌓았으며, 특히 구글 TPU 여러 세대에 대한 구체적인 설계 작업 경험을 보유하고 있습니다. 공동 창업자인 장한쉰(Zheng Hanxun)은 오라클과 텍사스에 위치한 삼성전자 연구 개발 시설에서 근무한 바 있습니다.
엔비디아의 공급난 속, 중국 자체 실리콘 공급업체들이 부각되다
중하오신잉 측은 이 새로운 TPU가 핵심 설계 과정에서 오직 자체 통제 지적 재산권만을 사용했으며, 개발, 설계, 제조 전 과정에서 서방 기업의 소프트웨어 스택이나 구성 요소에 의존하지 않는다고 주장했습니다.
SCMP는 중하오신잉이 올해 초 밝힌 내용을 인용하며, "당사 칩은 외국 기술 라이선스에 의존하지 않아 아키텍처 수준에서 보안과 장기적인 지속 가능성을 보장한다"고 전하며, 국가 안보가 반도체 접근성과 얼마나 밀접하게 연결되어 있는지 강조했습니다.
또한 이들은 가나 칩이 엔비디아 A100 대비 1.5배의 성능을 제공할 뿐만 아니라, "선진 해외 GPU 칩보다 한 자릿수 낮은 공정으로 전력 소비를 75퍼센트까지 줄이는 것이 가능하다"고 주장했습니다.
만약 이 주장이 사실이라면 인상적인 성과라 할 수 있습니다. 하지만 이는 ASIC의 영역에서 완전히 새로운 이야기는 아닙니다. ASIC은 GPU와 같은 범용 실리콘이 지닌 불필요한 컴퓨팅 요소를 제거하여, 특정 기능에 특화되어 최고의 효율을 발휘하도록 맞춤 제작된 칩이기 때문입니다.
그럼에도 불구하고, 중국의 TPU 설계가 주장하는 성능에 조금이라도 근접하다면 매우 강력한 성능을 발휘할 것입니다. 물론 A100은 5년 전의 최첨단 하드웨어였지만, 설사 1.5배의 성능이라 할지라도 가나는 2022년의 호퍼(Hopper) 디자인보다 훨씬 뒤처지며, 최신 블랙웰 울트라(Blackwell Ultra) 하드웨어와는 거리가 멀다는 점을 간과할 수 없습니다.
하지만 구형 GPU들을 여전히 밀반입하는 중국 시장 환경에 비추어 볼 때, 이 정도 성능은 충분할 수도 있습니다.
이 모든 배경은 AI 칩 산업에 있어 흥미로운 시점에 발생했습니다. 엔비디아는 지난 1년간 이 산업의 지배적 세력이자 상징이었지만, 구글이 최근 메타(Meta)에 자사 TPU 실리콘을 임대 및 판매하는 사업을 시작하면서 직접적인 경쟁 가능성 자체가 열렸습니다. 수십억 달러 규모임에도 작은 거래로 보일 수 있지만, 서방에서 대안이 등장하듯 동방에서도 움직임이 나타나고 있습니다. 중국이 에너지 보조금이라는 유인책과 의무 할당이라는 압박을 통해 국내 칩 생산과 지원을 강력하게 추진하면서 말입니다.
Nvidia와, 그보다는 덜하지만 AMD가 개발한 GPU는 당분간 AI 학습을 위한 가장 범용적인 수단으로 남아있을 가능성이 높습니다. 하지만 Google의 TPU 같은 ASIC, 그리고 이와 같은 기업들이 개발하는 ASIC은 엔비디아의 준(準)독점 구조에서 벗어나고자 하는 기업들에게 매력적인 대안을 제시할 수 있습니다.
또는 단순히 하드웨어 접근성 확보 자체가 목적일 수 있습니다. 메모리 가격 변동, 실리콘 공급 부족, 무역 장벽 등은 기업이 필요한 GPU에 접근하는 것 자체를 막는 장애물이 될 수 있습니다. 이러한 상황에서 입증되지 않은 ASIC이 실질적인 대안이 될 수 있는 것입니다.
최신 뉴스, 분석, 리뷰를 피드에서 받아보시려면 Google News에서 Tom's Hardware를 팔로우하거나, 저희를 선호하는 출처로 추가해 주십시오.