젠슨 황: NVIDIA가 GPU의 쓰임을 그래픽 너머로 넓힌 과정

병렬로 처리하고 결과를 모으다. AI로 생성한 개념도.

게임은 초당 여러 차례 새로운 화면을 그려야 한다. AI 모델은 엄청나게 많은 계산을 수행해야 한다. 서로 다른 일처럼 보이지만, 둘 다 수많은 작은 연산으로 나누어 동시에 처리할 수 있는 작업을 포함한다. NVIDIA가 컴퓨터 그래픽에서 AI로 나아간 배경에는 이 연결고리가 있다.

젠슨 황은 누구인가?

황은 1993년 크리스 말라코스키, 커티스 프리엠과 함께 NVIDIA를 창업했다. 오리건 주립대학교에서 전기공학을 공부했고, 직장 생활과 학업을 병행하며 1992년 스탠퍼드대학교에서 석사 학위를 마쳤다. 이러한 배경을 보면 컴퓨터가 수행해야 하는 일을 중심으로 칩과 사업을 만들겠다는 출발점을 이해할 수 있다. 스탠퍼드의 인물 소개는 그의 엔지니어 경력을 되짚는다.

그래픽 칩이 화면을 그리는 것 이상의 일을 할 수 있는 이유

사진의 모든 픽셀을 더 밝게 만든다고 생각해 보자. 한 픽셀의 계산은 다른 픽셀의 계산과 동시에 수행할 수 있다. 이것이 병렬 작업이다. 그래픽 처리 장치인 GPU는 많은 연산을 한꺼번에 처리하도록 설계되어 있다. 중앙 처리 장치인 CPU는 다양한 작업과 다음 단계가 이전 단계에 의존하는 순차적인 처리에 더 적합하다. 둘은 함께 작동한다.

AI의 많은 계산 역시 큰 숫자 배열 전반에 걸쳐 수치 연산을 반복한다. GPU는 그중 적합한 부분을 가속할 수 있다. 하지만 GPU를 추가한다고 모든 프로그램이 저절로 빨라지는 것은 아니다. 작업을 나눌 수 있어야 하고, 데이터가 프로세서에 도달해야 하며, 소프트웨어가 이를 효과적으로 사용해야 한다.

중요한 연결고리는 소프트웨어였다

NVIDIA는 개발자가 자사 GPU를 그래픽 이외의 컴퓨팅에도 쓸 수 있도록 2006년 CUDA를 도입했다. 강력한 작업장을 갖고 있는 것과, 실제로 쓸 수 있는 도구와 지침, 작업을 조직하는 방법까지 갖춘 것의 차이를 생각해 보자. 라이브러리와 프로그래밍 도구는 사람들이 하드웨어를 활용하도록 돕는다. NVIDIA의 CUDA 소개는 CPU와 GPU가 협력하는 방식을 설명한다.

이렇게 보면 한 명의 리더가 모든 것을 예측했다는 이야기보다 NVIDIA의 발전을 더 잘 이해할 수 있다. 칩, 소프트웨어, 애플리케이션을 만드는 사람들이 함께 맞물려야 한다. 기술적 능력은 누군가 그것으로 실제 문제를 해결할 수 있을 때 가치를 갖는다.

그다음에는 누가 선택하는지 물어라

유용한 플랫폼은 실무적인 질문도 제기한다. 소프트웨어를 다른 곳으로 옮길 수 있는가? 도구를 바꾸는 데 얼마가 드는가? 어떤 변화를 반드시 받아들여야 하는지는 누가 결정하는가? 이는 인프라를 선택할 때 살펴봐야 할 질문이지, 회사의 평판이 대신 답해 주는 문제가 아니다.

인터넷 조정에 관해 루헝은 노트 65: 실행 코드 우선성에서 선택권의 문제를 더 깊이 다룬다. 그는 참여자가 각자의 환경에서 검증할 수 있는 규칙과 자발적으로 채택하는 변화를 주장한다. 두 이야기를 잇는 것은 계속 품고 갈 만한 질문이다. 인프라는 사용자가 할 수 있는 일을 넓혀 주는가? 그리고 사용자는 여전히 선택할 수 있는가?