AD
■ 방송 : YTN 라디오 FM 94.5 (09:00~10:00)
■ 진행 : 조태현 기자
■ 방송일 : 2025년 12월 04일 목요일
■ 대담 : 차영주 와이즈경제연구소장, 이정환 한양대 경제금융대학 교수
- GPU vs TPU? 아마존도 도전장..오픈AI '코드레드' 발령
- 차영주 "엔비디아 구글 이어 中도 자체 AI칩 개발, 빠르면 내년부터 AI칩, 우후죽순 튀어나올 것"
- 이정환 "구글-아마존-MS 3사, 자체 클라우드 서비스 갖추고 컴퓨팅 팩실리티 제공 가능..클라우드와 AI컴퓨팅 결합 서비스 제공 잇점, 칩 개발에 강력한 드라이브 걸 것"
* 아래 텍스트는 실제 방송 내용과 차이가 있을 수 있으니 보다 정확한 내용은 방송으로 확인하시기를 바랍니다.
◆ 조태현 : 세계 여행을 떠나보는 여러분의 경제 시야를 세계로 넓혀드리는 <월드 TOP3> 시간입니다. 오늘은 월드 특별판인데요. ‘2025년 결산과 2026년 전망’으로 가보겠습니다. 제1탄은 올 한 해를 뒤흔든 AI 열풍의 현주소와 미래 전망입니다. 자세히 알아보죠. 오늘도 두 분과 함께 하겠습니다. 와이즈경제연구소의 차영주 소장, 한양대학교 경제금융대학의 이정환 교수 나와 계십니다. 어서 오십시오.
★ 차영주, ☆ 이정환 : 안녕하십니까.
◆ 조태현 : 올 한 해 AI 열풍 가운데 가장 엄선한 TOP3를 선정해서 이야기를 나눠볼 건데요. 먼저 첫 번째 키워드부터 살펴보도록 하겠습니다. ‘GPU와 TPU’. 지난해부터 계속 이어지는 흐름이죠. AI 열풍이 전 세계를 휩쓸고 있다고 해도 과언은 절대 아닐 것 같은데요. 올해를 휩쓴 AI와 반도체 한 줄로 표현한다면 소장님께서는 뭐라고 하시겠습니까?
★ 차영주 : ‘기계 앞에서 내가 사람임을 증명해야 되는 시대가 도래했다’ 이건 제가 한 말은 아니고요. 어떤 분이 칼럼에 쓰셨는데, 그게 딱 정말 무릎을 치는 그런 부분들이 됐다고 말씀드릴 수가 있겠습니다. 최근에 AI의 진행 속도를 놓고 보면 이게 정말 인간의 힘으로 만들어진 것인지, AI가 만들어진 것인지 구분이 안 가는 영역까지 왔기 때문에, 계속해서 충격 속에 있다 이렇게 표현드릴 수 있겠습니다.
◆ 조태현 : 한 줄은 아니었지만 그 의도는 잘 알겠습니다. 예전에 1980년대에 나왔던 블레이드 러너라는 영화 있잖아요. 갑자기 그게 생각나기도 하는데요. 교수님은 한 줄로 어떻게 평가하시겠습니까?
☆ 이정환 : ‘초지능 시대가 얼마 안 남았지만 투자에 대한 성과 평가는 계속 이루어지고 있다’ 이 정도인 것 같아요.
◆ 조태현 : 알겠습니다. 더 학술적인 말씀을 철학과 학술 약간 이런 느낌이었습니다. 제가 최근에 보고 자료 이런 거 하나 만들다가 AI 서비스 이걸 활용을 해 봤거든요. 텍스트로 쭉 쳐서 보내주니까 얘가 PPT를 기가 막히게 만들어 놓더라고요. 그래서 깜짝 놀란 기억이 있는데, 이런 인공지능을 구현하는 데에는 역시 NVIDIA의 GPU 그래픽 처리 장치가 큰 역할을 했습니다. 그런데 여기에서 경쟁자가 생겼어요. TPU라는 게 생겼는데 일단은 TPU가 뭡니까?
★ 차영주 : GPU의 다른 버전이라고 말씀을 드릴 수가 있겠습니다. 그럼 GPU는 무엇이냐 라는 부분부터 말씀을 드려야 되겠죠. 우리가 GPU라고 한다면 이 방송을 시청하시는 분들 많이 들으시긴 하셨습니다만, 정확한 용어는 우리가 PC 게임을 할 때 여러 가지 게임 화면을 동시에 동시다발적으로 구현하는 거 아니겠습니까? 그게 그래픽 카드죠. 그래픽 카드 성능이 좋으면 게임 화면이 노이즈 없이 구현이 되는 거고요.
◆ 조태현 : 요즘 기가 막혀요
★ 차영주 : GPU 같은 경우는 이런 능력을 바탕으로 해서 병렬이라고 그러죠. 우리가 직렬이라고 한다면 한 번에 하나씩이지만, 병렬은 다중 일을 동시에 할 수 있는 계산하는 반도체라고 설명을 드릴 수가 있겠습니다. 그런데 이 GPU 같은 경우는 범용입니다. 여러 가지로 쓰입니다. 게임에도 쓰이고, 우리가 교수님처럼 학술로 하시는 분들도 다 쓰이게 되는 부분들이죠. 하지만 TPU 같은 경우는 ‘딥러닝’ 전용입니다. 이건 게임에 사용할 수는 없고요. 우리가 범용으로 쓰는 것보다 러닝 학습에 더 이런 것들이 특화돼 있다는 부분들에 있어서는 전체적으로 봤을 때, 여러 가지에 대한 전력 소모라든지, 아니면 데이터 소모라든지 이런 부분들이 적기 때문에 나름대로의 서로 대항마가 될 수 있다고 말씀드릴 수가 있겠는데요. 한 가지 말씀을 드리면 대항마가 나타난다 하더라도 기존에 GPU 기반의 우리가 AI 학습이 여러 가지로 이루어져 있고, 데이터 센터들이 만들어지고 있기 때문에, 과연 이것이 나중에 GPU와 동등하게 경쟁할 수 있을지 여부에 대해서는 지켜봐야 된다. 이 점까지 말씀드리겠습니다.
◆ 조태현 : 알겠습니다. 말씀하신 것처럼 CPU, GPU, TPU 이런 것들이 있는데요. CPU 하면은 센트럴이고, GPU는 그래픽이고 여기까지는 쉽게 알 수가 있는데, 대체 TPU의 텐서라는 건 뭡니까?
☆ 이정환 : 텐서는 배열 벡터죠. 벡터 아니면 행렬인데, 왜 이게 들어왔냐고 하면 딥러닝 강의해 보시면 뉴런이라는 게 행렬입니다. 인풋이 있고, 아웃풋이 있는 건데 결국은 우리가 자료가 인풋이고, 아웃풋이라는 것은 이것을 층별로 여러 개 쌓아 가지고 프로세스를 하고 자료를 전달해 주는 이런 과정이라고 보시면 될 것 같은데 다 행렬이죠. 행렬이라는 거는 우리가 들어온 데이터 5개고 나가는 게 4개라 그러면, 곱하기 4 행렬로 모든 게 표현이 됩니다. 그런 식으로 표현을 하는 건데 어렵죠. 일단 행렬부터 어려워하시는 분들이 많아서 기본적으로 행렬이라는 것은 우리가 인풋 아웃풋 들어가는 거 나가는 거를 아주 간단한 형태로 표현해 주는 식이라고 보시면 될 것 같고, 이거가 딥러닝 연산에 필수적입니다. 딥러닝은 신경망 모형이라고 하는데, 신경이 뉴런이고, 망이 이 행렬들이 여러 개 쌓인 걸 신경망이라고 이야기하고 있기 때문에 기본적으로 행렬 연산이 어마어마하게 들어간다고 보시면 될 것 같고요. TPU는 행렬 연산에 특화된 AI 반도체 칩이라고 이야기하는데, TPU 같은 경우에는 행렬을 빠르게 연산하면 할수록 딥러닝 속도가 빨라지거든요. 그렇기 때문에 행렬 연산을 도와주는 칩이라고 보시면 될 것 같고, TPU 자체가 센 건 아닙니다. 여러분 콜랩(Google Colab)이라고 구글에서 하는 파이썬 프로그래밍 툴 같은 게 있는데 거기 가면 모드가 있어요. CPU 모드 GPU 모드 TPU 모드가 있는데, 예전부터 TPU 개발을 위해서 이런 프로세스 같은 것들은 하긴 했다. TPU가 딥러닝만 따지면 빠르고 에너지의 효율적인 사용이 가능하다. 왜냐하면 병렬 프로그래밍 같은 경우에는 결국은 우리가 하나의 프로세스를 여러 개 쪼개 가지고 나눠주는 게 중요한데, 이건 그런 게 아니라 행렬 연산만 어떻게든 빠르게 해가지고 큰 틀에서는 딥러닝의 속도를 빠르게 하는 게 목적이기 때문에, 목적도 다르고, 범용성도 다르고 그리고 다만 데이터가 어마어마하게 크다든지 이거를 굉장히 LLM 같이 복잡한 모형으로 할 때는 TPU 프로세스가 유리할 수 있다는 평가가 많다고 보시면 될 것 같습니다.
◆ 조태현 : 교수님이 경제학을 공부하면서 컴퓨터 공학도 같이 공부를 하셨고요. 방에 가면은 컴퓨터도 엄청 좋은 거 하나 있습니다. 이런 것들을 보니까 하나 여쭤봤는데 굉장히 많은 정보가 나오는 것 같습니다. 어찌 됐건 이 TPU가 가능성을 보여준 것은 구글의 ‘제미나이 3.0’이라고 볼 수가 있겠고요. 그런데 구글뿐만 아니라 최근에 아마존이라든지 다른 곳에서도 이쪽 TPU 쪽에 많은 관심을 갖고 있는 것 같아요. 그러다 보니까 오픈 AI에는 어떤 경고등이 켜졌다는 평가도 나오는 것 같습니다. 코드레드도 발령했다는 이야기가 나오는데 이게 무슨 말입니까?
★ 차영주 : 우리가 전체적으로 봤을 때 GPU, TPU 그다음에 새로운 형태의 아마존에서도 이런 비슷한 형태의 칩을 개발했다는 거죠. 칩 이름이 이렇게 다양한 것은 개발한 회사들마다 이름을 다양하게 붙이는 겁니다. 그렇기 때문에 정해진 방식에 따라서 이루어진다기보다는 회사들이 붙인다는 거죠. 예를 들어서 전체적으로 봤을 때, 여러 가지 하나가 독주를 하면 어떤 경제적인 현상에 있어서 독점이 쉽게 이루어지기보다는, 독점이 돈을 많이 벌면 수많은 경쟁자들이 나설 수밖에 없는 게 다양한 인지상정이라고 볼 수 있겠죠. 따라서 그러한 부분들이 전체적으로 시장에서 많이 앞으로 나올 거고, 지금은 어떻게 보면 삼각 구도, 아직은 삼각 구도라고 보기는 어렵지만 그래도 3개 정도 나타난 거고 여기에 추가적으로 하면 중국도 자체적으로 AI 모멘텀 칩을 개발했으니까, 어떻게 보면 4개 정도가 전 세계에 알려진거죠. 많은 기업들이 소리 소문 없이 개발을 하고 있을 겁니다. 그러다 빠르면 내년, 내후년부터는 우후죽순처럼 튀어나올 가능성도 배제할 수 없다고 말씀드릴 수가 있겠죠. 그러다 보니까 전체적으로 봤을 때 우리가 GPU 기반의 오픈 AI 같은 경우도 상당히 어려워지는 부분들이 있죠. 오픈AI의 문제점 중에 하나가 돈을 못 번다는 거죠. 저도 챗GPT를 쓰면서 월회비를 내고 있습니다만, 월회비를 내고 있는 가운데에서도 GPU 가격이 워낙 비싼 상태에서 GPU를 쓰고 있는 상태라면 결국 비용 절감을 나서야 되는 거 아니겠습니까? 그렇다면 자체적으로 칩을 개발해야 되는 거고, 이 개발한다는 것이 불과 올해 초 작년만 하더라도 아성을 과연 깰 수 있겠는가라는 부분들이었는데, 결국 AI가 AI 칩을 개발할 수도 있는 거 아니겠습니까? 그런 부분들이 나타나면서 전체적으로 비용 절감이라든지, 다양한 부분에 있어서 현재 이런 것들을 만들어 내려고 하고 있고, 만들어 내고 있다 이렇게 정리가 가능하겠습니다.
◆ 조태현 : 알겠습니다. 불과 한 1년 전까지만 해도 오픈 AI가 전 세계를 평정하고 있는 그런 느낌이었는데, 지금은 강력한 경쟁자들이 생기면서 어떻게 보면 위기가 아닌가라는 생각도 들고요. 전에 소장님께서도 간략하게 언급을 해 주셨는데, 이렇게 구글이라든지 아마존이라든지 스스로 AI 칩을 만들고, TPU 같은 것들을 개발을 하고 이런 배경들 이런 거는 GPU가 너무 비싸서 그런 건가요? NVIDIA에 너무 의존하고 있기 때문에 그런 건가요?
☆ 이정환 : 아마존하고 구글이 데이터 차원에서 특징이 있는 기업입니다. 클라우드 서비스를 제공하고, 아마존도 아마존 자체 컴퓨팅을 돈을 받고 주거든요. 그쪽에 데이터에 넣으면 데이터 연산 같은 것들을 아마존 내에서 할 수 있게 있게끔 해주고, 그다음에 구글도 마찬가지인데, TPU 라는 게 구글에 우리 데이터를 업로드하고, 그 안에서 돌아가게끔 해준다는 얘기인데, 이쪽에서 연산을 GPU에 의존하면 자기네들 계속 딥러닝 연산들을 서비스 받아서 하는데, GPU에 의존하면 가격도 문제고, 두 번째는 이거를 대체하면 할수록 자기는 수익성이 높아지는 특징이 있습니다. 그래서 구글하고 아마존이 왜 이렇게 나가느냐, 마이크로소프트까지 왜 이렇게 나가느냐. 아무래도 자기네 클라우드 서비스가 있고, 클라우드 서비스 안에서 컴퓨팅 팩실리티를 제공하는 근본적인 기능을 하고 있기 때문에, 3사가 무지막지하게 경쟁을 하고 있고요. 지금은 구글이나 아마존이나 아무래도 GPU의 의존도가 있는데 그거를 자기 칩으로 바꾸게 되면 서비스의 효용성도 높아지게 되고 독점력도 강화할 수 있고, 그냥 단순히 비용 절감을 넘어서 아주 경쟁 관계에 있어서 핵심적인 역할을 할 수가 있기 때문에 아무래도 나갈 수밖에 없다. 서비스 산업의 특징, 클라우드 서비스와 아니면 AI 컴퓨팅이 결합된 서비스를 제공하는 3-4인 구글 아마존 MS가 이걸 강력하게 할 수밖에 없다는 이야기는 드릴 수 있을 것 같습니다.
YTN 김양원 (kimyw@ytnradio.kr)
[저작권자(c) YTN 무단전재, 재배포 및 AI 데이터 활용 금지]
■ 진행 : 조태현 기자
■ 방송일 : 2025년 12월 04일 목요일
■ 대담 : 차영주 와이즈경제연구소장, 이정환 한양대 경제금융대학 교수
- GPU vs TPU? 아마존도 도전장..오픈AI '코드레드' 발령
- 차영주 "엔비디아 구글 이어 中도 자체 AI칩 개발, 빠르면 내년부터 AI칩, 우후죽순 튀어나올 것"
- 이정환 "구글-아마존-MS 3사, 자체 클라우드 서비스 갖추고 컴퓨팅 팩실리티 제공 가능..클라우드와 AI컴퓨팅 결합 서비스 제공 잇점, 칩 개발에 강력한 드라이브 걸 것"
* 아래 텍스트는 실제 방송 내용과 차이가 있을 수 있으니 보다 정확한 내용은 방송으로 확인하시기를 바랍니다.
◆ 조태현 : 세계 여행을 떠나보는 여러분의 경제 시야를 세계로 넓혀드리는 <월드 TOP3> 시간입니다. 오늘은 월드 특별판인데요. ‘2025년 결산과 2026년 전망’으로 가보겠습니다. 제1탄은 올 한 해를 뒤흔든 AI 열풍의 현주소와 미래 전망입니다. 자세히 알아보죠. 오늘도 두 분과 함께 하겠습니다. 와이즈경제연구소의 차영주 소장, 한양대학교 경제금융대학의 이정환 교수 나와 계십니다. 어서 오십시오.
★ 차영주, ☆ 이정환 : 안녕하십니까.
◆ 조태현 : 올 한 해 AI 열풍 가운데 가장 엄선한 TOP3를 선정해서 이야기를 나눠볼 건데요. 먼저 첫 번째 키워드부터 살펴보도록 하겠습니다. ‘GPU와 TPU’. 지난해부터 계속 이어지는 흐름이죠. AI 열풍이 전 세계를 휩쓸고 있다고 해도 과언은 절대 아닐 것 같은데요. 올해를 휩쓴 AI와 반도체 한 줄로 표현한다면 소장님께서는 뭐라고 하시겠습니까?
★ 차영주 : ‘기계 앞에서 내가 사람임을 증명해야 되는 시대가 도래했다’ 이건 제가 한 말은 아니고요. 어떤 분이 칼럼에 쓰셨는데, 그게 딱 정말 무릎을 치는 그런 부분들이 됐다고 말씀드릴 수가 있겠습니다. 최근에 AI의 진행 속도를 놓고 보면 이게 정말 인간의 힘으로 만들어진 것인지, AI가 만들어진 것인지 구분이 안 가는 영역까지 왔기 때문에, 계속해서 충격 속에 있다 이렇게 표현드릴 수 있겠습니다.
◆ 조태현 : 한 줄은 아니었지만 그 의도는 잘 알겠습니다. 예전에 1980년대에 나왔던 블레이드 러너라는 영화 있잖아요. 갑자기 그게 생각나기도 하는데요. 교수님은 한 줄로 어떻게 평가하시겠습니까?
☆ 이정환 : ‘초지능 시대가 얼마 안 남았지만 투자에 대한 성과 평가는 계속 이루어지고 있다’ 이 정도인 것 같아요.
◆ 조태현 : 알겠습니다. 더 학술적인 말씀을 철학과 학술 약간 이런 느낌이었습니다. 제가 최근에 보고 자료 이런 거 하나 만들다가 AI 서비스 이걸 활용을 해 봤거든요. 텍스트로 쭉 쳐서 보내주니까 얘가 PPT를 기가 막히게 만들어 놓더라고요. 그래서 깜짝 놀란 기억이 있는데, 이런 인공지능을 구현하는 데에는 역시 NVIDIA의 GPU 그래픽 처리 장치가 큰 역할을 했습니다. 그런데 여기에서 경쟁자가 생겼어요. TPU라는 게 생겼는데 일단은 TPU가 뭡니까?
★ 차영주 : GPU의 다른 버전이라고 말씀을 드릴 수가 있겠습니다. 그럼 GPU는 무엇이냐 라는 부분부터 말씀을 드려야 되겠죠. 우리가 GPU라고 한다면 이 방송을 시청하시는 분들 많이 들으시긴 하셨습니다만, 정확한 용어는 우리가 PC 게임을 할 때 여러 가지 게임 화면을 동시에 동시다발적으로 구현하는 거 아니겠습니까? 그게 그래픽 카드죠. 그래픽 카드 성능이 좋으면 게임 화면이 노이즈 없이 구현이 되는 거고요.
◆ 조태현 : 요즘 기가 막혀요
★ 차영주 : GPU 같은 경우는 이런 능력을 바탕으로 해서 병렬이라고 그러죠. 우리가 직렬이라고 한다면 한 번에 하나씩이지만, 병렬은 다중 일을 동시에 할 수 있는 계산하는 반도체라고 설명을 드릴 수가 있겠습니다. 그런데 이 GPU 같은 경우는 범용입니다. 여러 가지로 쓰입니다. 게임에도 쓰이고, 우리가 교수님처럼 학술로 하시는 분들도 다 쓰이게 되는 부분들이죠. 하지만 TPU 같은 경우는 ‘딥러닝’ 전용입니다. 이건 게임에 사용할 수는 없고요. 우리가 범용으로 쓰는 것보다 러닝 학습에 더 이런 것들이 특화돼 있다는 부분들에 있어서는 전체적으로 봤을 때, 여러 가지에 대한 전력 소모라든지, 아니면 데이터 소모라든지 이런 부분들이 적기 때문에 나름대로의 서로 대항마가 될 수 있다고 말씀드릴 수가 있겠는데요. 한 가지 말씀을 드리면 대항마가 나타난다 하더라도 기존에 GPU 기반의 우리가 AI 학습이 여러 가지로 이루어져 있고, 데이터 센터들이 만들어지고 있기 때문에, 과연 이것이 나중에 GPU와 동등하게 경쟁할 수 있을지 여부에 대해서는 지켜봐야 된다. 이 점까지 말씀드리겠습니다.
◆ 조태현 : 알겠습니다. 말씀하신 것처럼 CPU, GPU, TPU 이런 것들이 있는데요. CPU 하면은 센트럴이고, GPU는 그래픽이고 여기까지는 쉽게 알 수가 있는데, 대체 TPU의 텐서라는 건 뭡니까?
☆ 이정환 : 텐서는 배열 벡터죠. 벡터 아니면 행렬인데, 왜 이게 들어왔냐고 하면 딥러닝 강의해 보시면 뉴런이라는 게 행렬입니다. 인풋이 있고, 아웃풋이 있는 건데 결국은 우리가 자료가 인풋이고, 아웃풋이라는 것은 이것을 층별로 여러 개 쌓아 가지고 프로세스를 하고 자료를 전달해 주는 이런 과정이라고 보시면 될 것 같은데 다 행렬이죠. 행렬이라는 거는 우리가 들어온 데이터 5개고 나가는 게 4개라 그러면, 곱하기 4 행렬로 모든 게 표현이 됩니다. 그런 식으로 표현을 하는 건데 어렵죠. 일단 행렬부터 어려워하시는 분들이 많아서 기본적으로 행렬이라는 것은 우리가 인풋 아웃풋 들어가는 거 나가는 거를 아주 간단한 형태로 표현해 주는 식이라고 보시면 될 것 같고, 이거가 딥러닝 연산에 필수적입니다. 딥러닝은 신경망 모형이라고 하는데, 신경이 뉴런이고, 망이 이 행렬들이 여러 개 쌓인 걸 신경망이라고 이야기하고 있기 때문에 기본적으로 행렬 연산이 어마어마하게 들어간다고 보시면 될 것 같고요. TPU는 행렬 연산에 특화된 AI 반도체 칩이라고 이야기하는데, TPU 같은 경우에는 행렬을 빠르게 연산하면 할수록 딥러닝 속도가 빨라지거든요. 그렇기 때문에 행렬 연산을 도와주는 칩이라고 보시면 될 것 같고, TPU 자체가 센 건 아닙니다. 여러분 콜랩(Google Colab)이라고 구글에서 하는 파이썬 프로그래밍 툴 같은 게 있는데 거기 가면 모드가 있어요. CPU 모드 GPU 모드 TPU 모드가 있는데, 예전부터 TPU 개발을 위해서 이런 프로세스 같은 것들은 하긴 했다. TPU가 딥러닝만 따지면 빠르고 에너지의 효율적인 사용이 가능하다. 왜냐하면 병렬 프로그래밍 같은 경우에는 결국은 우리가 하나의 프로세스를 여러 개 쪼개 가지고 나눠주는 게 중요한데, 이건 그런 게 아니라 행렬 연산만 어떻게든 빠르게 해가지고 큰 틀에서는 딥러닝의 속도를 빠르게 하는 게 목적이기 때문에, 목적도 다르고, 범용성도 다르고 그리고 다만 데이터가 어마어마하게 크다든지 이거를 굉장히 LLM 같이 복잡한 모형으로 할 때는 TPU 프로세스가 유리할 수 있다는 평가가 많다고 보시면 될 것 같습니다.
◆ 조태현 : 교수님이 경제학을 공부하면서 컴퓨터 공학도 같이 공부를 하셨고요. 방에 가면은 컴퓨터도 엄청 좋은 거 하나 있습니다. 이런 것들을 보니까 하나 여쭤봤는데 굉장히 많은 정보가 나오는 것 같습니다. 어찌 됐건 이 TPU가 가능성을 보여준 것은 구글의 ‘제미나이 3.0’이라고 볼 수가 있겠고요. 그런데 구글뿐만 아니라 최근에 아마존이라든지 다른 곳에서도 이쪽 TPU 쪽에 많은 관심을 갖고 있는 것 같아요. 그러다 보니까 오픈 AI에는 어떤 경고등이 켜졌다는 평가도 나오는 것 같습니다. 코드레드도 발령했다는 이야기가 나오는데 이게 무슨 말입니까?
★ 차영주 : 우리가 전체적으로 봤을 때 GPU, TPU 그다음에 새로운 형태의 아마존에서도 이런 비슷한 형태의 칩을 개발했다는 거죠. 칩 이름이 이렇게 다양한 것은 개발한 회사들마다 이름을 다양하게 붙이는 겁니다. 그렇기 때문에 정해진 방식에 따라서 이루어진다기보다는 회사들이 붙인다는 거죠. 예를 들어서 전체적으로 봤을 때, 여러 가지 하나가 독주를 하면 어떤 경제적인 현상에 있어서 독점이 쉽게 이루어지기보다는, 독점이 돈을 많이 벌면 수많은 경쟁자들이 나설 수밖에 없는 게 다양한 인지상정이라고 볼 수 있겠죠. 따라서 그러한 부분들이 전체적으로 시장에서 많이 앞으로 나올 거고, 지금은 어떻게 보면 삼각 구도, 아직은 삼각 구도라고 보기는 어렵지만 그래도 3개 정도 나타난 거고 여기에 추가적으로 하면 중국도 자체적으로 AI 모멘텀 칩을 개발했으니까, 어떻게 보면 4개 정도가 전 세계에 알려진거죠. 많은 기업들이 소리 소문 없이 개발을 하고 있을 겁니다. 그러다 빠르면 내년, 내후년부터는 우후죽순처럼 튀어나올 가능성도 배제할 수 없다고 말씀드릴 수가 있겠죠. 그러다 보니까 전체적으로 봤을 때 우리가 GPU 기반의 오픈 AI 같은 경우도 상당히 어려워지는 부분들이 있죠. 오픈AI의 문제점 중에 하나가 돈을 못 번다는 거죠. 저도 챗GPT를 쓰면서 월회비를 내고 있습니다만, 월회비를 내고 있는 가운데에서도 GPU 가격이 워낙 비싼 상태에서 GPU를 쓰고 있는 상태라면 결국 비용 절감을 나서야 되는 거 아니겠습니까? 그렇다면 자체적으로 칩을 개발해야 되는 거고, 이 개발한다는 것이 불과 올해 초 작년만 하더라도 아성을 과연 깰 수 있겠는가라는 부분들이었는데, 결국 AI가 AI 칩을 개발할 수도 있는 거 아니겠습니까? 그런 부분들이 나타나면서 전체적으로 비용 절감이라든지, 다양한 부분에 있어서 현재 이런 것들을 만들어 내려고 하고 있고, 만들어 내고 있다 이렇게 정리가 가능하겠습니다.
◆ 조태현 : 알겠습니다. 불과 한 1년 전까지만 해도 오픈 AI가 전 세계를 평정하고 있는 그런 느낌이었는데, 지금은 강력한 경쟁자들이 생기면서 어떻게 보면 위기가 아닌가라는 생각도 들고요. 전에 소장님께서도 간략하게 언급을 해 주셨는데, 이렇게 구글이라든지 아마존이라든지 스스로 AI 칩을 만들고, TPU 같은 것들을 개발을 하고 이런 배경들 이런 거는 GPU가 너무 비싸서 그런 건가요? NVIDIA에 너무 의존하고 있기 때문에 그런 건가요?
☆ 이정환 : 아마존하고 구글이 데이터 차원에서 특징이 있는 기업입니다. 클라우드 서비스를 제공하고, 아마존도 아마존 자체 컴퓨팅을 돈을 받고 주거든요. 그쪽에 데이터에 넣으면 데이터 연산 같은 것들을 아마존 내에서 할 수 있게 있게끔 해주고, 그다음에 구글도 마찬가지인데, TPU 라는 게 구글에 우리 데이터를 업로드하고, 그 안에서 돌아가게끔 해준다는 얘기인데, 이쪽에서 연산을 GPU에 의존하면 자기네들 계속 딥러닝 연산들을 서비스 받아서 하는데, GPU에 의존하면 가격도 문제고, 두 번째는 이거를 대체하면 할수록 자기는 수익성이 높아지는 특징이 있습니다. 그래서 구글하고 아마존이 왜 이렇게 나가느냐, 마이크로소프트까지 왜 이렇게 나가느냐. 아무래도 자기네 클라우드 서비스가 있고, 클라우드 서비스 안에서 컴퓨팅 팩실리티를 제공하는 근본적인 기능을 하고 있기 때문에, 3사가 무지막지하게 경쟁을 하고 있고요. 지금은 구글이나 아마존이나 아무래도 GPU의 의존도가 있는데 그거를 자기 칩으로 바꾸게 되면 서비스의 효용성도 높아지게 되고 독점력도 강화할 수 있고, 그냥 단순히 비용 절감을 넘어서 아주 경쟁 관계에 있어서 핵심적인 역할을 할 수가 있기 때문에 아무래도 나갈 수밖에 없다. 서비스 산업의 특징, 클라우드 서비스와 아니면 AI 컴퓨팅이 결합된 서비스를 제공하는 3-4인 구글 아마존 MS가 이걸 강력하게 할 수밖에 없다는 이야기는 드릴 수 있을 것 같습니다.
YTN 김양원 (kimyw@ytnradio.kr)
[저작권자(c) YTN 무단전재, 재배포 및 AI 데이터 활용 금지]