게시일: 2024년 2월 26일
기고자: Mesh Flinders, Ian Smalley
그래픽 처리 장치 또는 GPU라고도 하는 그래픽 처리 장치는 비디오 카드, 마더보드, 휴대폰 및 개인용 컴퓨터(PC)를 비롯한 다양한 장치에서 컴퓨터 그래픽 및 이미지 처리 속도를 높이도록 설계된 전자 회로입니다.
GPU는 수학적 계산을 빠르게 수행함으로써 컴퓨터가 여러 프로그램을 실행하는 데 필요한 시간을 줄여 주기 때문에 머신 러닝(ML), 인공 지능(AI) 및 블록체인과 같은 최신 및 미래 기술을 구현하는 데 필수적인 요소입니다.
1990년대 GPU가 발명되기 전까지 PC와 비디오 게임 컨트롤러의 그래픽 컨트롤러는 컴퓨터의 중앙 처리 장치(CPU)에 의존하여 작업을 실행했습니다. 1950년대 초부터 CPU는 논리, 제어 및 입출력(I/O)과 같은 프로그램 실행에 필요한 모든 명령을 실행하며 컴퓨터에서 가장 중요한 프로세서로 자리매김했습니다. 그러나 1990년대에 개인용 게임과 컴퓨터 지원 설계(CAD)가 등장하면서, 업계에서는 픽셀을 더 짧은 시간에 빠르고 효율적으로 결합할 수 있는 방법이 필요했습니다.
2007년 Nvidia가 GPU의 병렬 연산 기능에 직접 액세스할 수 있는 소프트웨어인 CUDA(컴퓨팅 통합 장치 아키텍처)를 구축하면서, 개발자들은 GPU 기술을 이전보다 더 다양한 기능에 사용할 수 있게 되었습니다. 2010년대에 들어서면서 GPU 기술은 훨씬 더 많은 기능을 갖추게 되었는데, 아마도 그 중 가장 중요한 것은 카메라에서 나오는 빛의 방향을 추적하여 컴퓨터 이미지를 생성하는 기술인 레이 트레이싱, 딥 러닝을 가능하게 하도록 설계된 텐서 코어일 것입니다.
이러한 발전 덕분에 GPU는 AI 가속 및 딥러닝 프로세서에서 중요한 역할을 수행하며 AI 및 ML 애플리케이션의 개발 속도를 높이는 데 기여하고 있습니다. 오늘날 GPU는 게임 콘솔과 편집 소프트웨어를 구동하는 것 외에도 많은 기업에서 꼭 필요로 하는 최첨단 컴퓨팅 기능을 지원합니다.
GPU 기술이 발전하고 AI 및 HPC에 대한 수요가 증가하면서, 업계에서 데이터에서 가치를 추출하고 IT 성능을 새로운 차원으로 끌어올리는 방식이 바뀌었습니다.
IBM 뉴스레터 구독하기
GPU에는 개별 GPU, 통합 GPU 및 가상 GPU의 세 가지 종류가 있습니다.
개별: 개별 GPU(dGPU)는 장치의 CPU와 분리된 그래픽 프로세서로, 여기에서 정보를 받아들이고 처리하여 컴퓨터가 작동할 수 있도록 합니다. 개별 GPU는 일반적으로 비디오 편집, 콘텐츠 제작 또는 고사양 게임과 같은 특별한 요구 사항을 가진 고급 애플리케이션에 사용되며, 일반적으로 익스프레스 슬롯을 사용하여 CPU에 부착되는 별도의 회로 기판과 커넥터가 있는 별도의 칩입니다. 가장 널리 사용되는 개별 GPU 중 하나는 PC 게임 산업을 위해 제작된 Intel Arc 브랜드입니다.
통합: 통합 GPU 또는 iGPU는 컴퓨터 또는 장치의 인프라에 내장되어 있으며, 일반적으로 CPU 옆에 배치됩니다. 2010년대에 Intel이 설계한 통합 GPU는 MSI, ASUS, Nvidia와 같은 제조업체들이 사용자가 직접 PCI 익스프레스 슬롯에 GPU를 추가하는 대신 CPU와 GPU를 결합하는 방식에 주목하면서 더욱 인기를 얻게 되었습니다. 오늘날에도 여전히 노트북 사용자, 게이머 및 PC에서 컴퓨팅 집약적인 프로그램을 실행하는 사용자들에게 인기 있는 옵션입니다.
가상: 가상 GPU는 개별 또는 통합 GPU와 동일한 기능을 갖지만 하드웨어가 없습니다. 이는 단순히 클라우드 인스턴스용으로 제작된 소프트웨어 기반 버전의 GPU이며, 동일한 워크로드를 실행하는 데 사용할 수 있습니다. 또한 하드웨어가 없기 때문에 물리적인 제품보다 유지 관리가 더 쉽고 관리 비용이 저렴합니다.
시간이 지나면서 GPU가 발전함에 따라 기술적 개선 덕분에 더 많은 프로그래밍이 가능해졌고, 더 많은 기능이 발견되었습니다. 특히 병렬 프로세싱이라고 하는 둘 이상의 프로세서로 작업을 나누는 기능 덕분에 PC 게임, 고성능 컴퓨팅(HPC), 3D 렌더링 워크스테이션, 데이터 센터 컴퓨팅 등과 같은 다양한 애플리케이션에서 없어서는 안 될 필수 요소가 되었습니다. GPU 기술의 가장 중요하고 현대적인 몇 가지 응용 분야를 자세히 살펴보겠습니다.
GPU 기술이 없었다면 AI와 그 다양한 애플리케이션은 실현 불가능했을 것입니다. 고도의 기술적 문제를 기존 CPU보다 더 빠르고 효율적으로 해결할 수 있는 GPU의 능력은 필수 불가결한 요소입니다. GPU는 IBM의 클라우드 네이티브 AI 슈퍼컴퓨터 Vela와 같이 점점 더 큰 데이터 세트를 학습하기 위해 빠른 속도가 필요한 많은 주요 AI 애플리케이션을 지원합니다. AI 모델은 일반적으로 과학 연구 또는 기타 컴퓨팅 집약적인 작업을 수행하는 기업에서 운영하는 데이터 센터 GPU에서 학습하고 실행합니다.
머신 러닝(ML)은 데이터와 알고리즘을 사용하여 인간의 학습 방식을 모방하는 특정 AI 분야를 말합니다. 딥 러닝(DL)은 신경망을 사용하여 인간 두뇌의 의사 결정 과정을 시뮬레이션하는 ML의 하위 집합입니다. GPU 기술은 두 가지 기술 발전 모두에 매우 중요합니다.
ML과 DL의 경우, GPU는 방대한 데이터 세트를 분류하고 인간과 유사한 방식으로 추론하는 모델의 능력을 강화합니다. GPU는 한 번에 많은 계산을 동시에 수행할 수 있기 때문에 특히 메모리와 최적화 영역이 향상됩니다. 또한 ML 및 DL에 사용되는 GPU는 CPU보다 리소스를 더 적게 사용하지만 전력이나 정확도의 저하가 없습니다.
비즈니스 네트워크에서 거래를 기록하고 자산을 추적하는 데 널리 사용되는 원장인 블록체인은 특히 '작업 증명' 단계에서 GPU 기술에 크게 의존합니다. 암호화폐와 같이 널리 사용되는 많은 블록체인에서 작업 증명 단계는 트랜잭션을 검증하는 데 매우 중요하며, 이를 통해 트랜잭션을 블록체인에 추가할 수 있습니다.
게임 산업은 1990년대에 처음으로 GPU의 성능을 활용하여 더 빠른 속도와 더 우수한 그래픽 정확도로 전반적인 게임 경험을 개선했습니다. 오늘날 개인용 게임은 초현실적인 시나리오, 실시간 상호 작용 및 방대하고 몰입감 넘치는 게임 내 세계를 구현하여 컴퓨팅 집약도가 매우 높습니다. 가상 현실(VR), 더 높은 주사율, 더 높은 해상도의 화면과 같은 게임 트렌드는 점점 더 까다로워지는 컴퓨팅 환경에서 빠르게 그래픽을 제공하기 위해 GPU에 의존하고 있습니다.
전통적으로 긴 렌더링 시간은 소비자 및 전문 편집 소프트웨어 애플리케이션에서 큰 장애물이었습니다. GPU는 처음 등장한 이후로 Final Cut Pro 및 Adobe Premiere와 같은 인기 비디오 편집 제품에서 처리 시간과 컴퓨팅 리소스를 꾸준히 줄여 왔습니다. 오늘날 병렬 처리 및 내장 AI를 갖춘 GPU는 전문 편집 제품군에서 스마트폰 앱에 이르기까지 모든 것의 편집 기능 속도를 획기적으로 단축했습니다.
처리, 성능, 그래픽 품질이 향상되면서 GPU는 콘텐츠 제작 산업을 변화시키는 데 반드시 필요한 요소가 되었습니다. 오늘날 콘텐츠 제작자는 최고 성능의 그래픽 카드와 초고속 인터넷만 있으면 실감나는 콘텐츠를 제작하고 AI와 머신 러닝으로 보강한 다음, 그 어느 때보다 빠르게 편집해 라이브 시청자에게 스트리밍할 수 있습니다. 이 모든 것이 GPU 기술의 발전 덕분입니다.
GPU는 다양한 산업 분야에서 제품 워크스루, CAD 도면, 의료 및 지진/지구 물리학 이미징을 포함한 복잡하고 전문적인 애플리케이션의 경험과 교육 기능을 향상시키기 위해 많이 찾고 있습니다. GPU는 소방관, 우주 비행사, 학교 교사 등의 전문 교육에 사용되는 고급 시각화, 3D 애니메이션, AI 및 ML, 고급 렌더링 및 초현실적인 가상 현실(VR) 및 증강 현실(AR) 경험에 매우 중요합니다.
또한 엔지니어와 기후 과학자는 GPU로 구동되는 시뮬레이션 애플리케이션을 사용하여 기상 조건, 유체 역학, 천체 물리학을 예측하고, 특정 조건에서 차량이 어떻게 작동할지도 예측합니다. 이러한 용도로 사용할 수 있는 가장 강력한 GPU 중 하나는 주로 과학 시각화 및 에너지 탐험을 위해 제작된 Nvidia geforce RTX 칩입니다.
오늘날의 GPU는 많은 멀티 프로세서를 활용하여 주어진 작업의 다양한 부분을 모두 처리합니다.
GPU에는 칩이 필요에 따라 액세스하고 변경할 수 있는 코드와 데이터를 저장하는 데 사용되는 특정 종류의 전자 메모리인 자체 고속 액세스 메모리(RAM)가 있습니다. 고급 GPU에는 일반적으로 그래픽 편집, 게임 또는 AI/ML 사용 사례와 같은 컴퓨팅 집약적인 작업에 필요한 대량의 데이터를 저장하도록 특별히 설계된 RAM이 있습니다.
널리 사용되는 GPU 메모리는 두 가지 종류가 있는데, Graphics Double Data Rate 6 Synchronous Dynamic Random-Access Memory (GDDR6)와 그 이후 세대인 GDDR6X입니다. GDDR6X는 전송되는 비트당 전력 소비량이 GDDR6보다 15% 적지만, GDDR6X가 더 빠르기 때문에 전체 전력 소비량은 더 높습니다. iGPU는 컴퓨터의 CPU에 통합하거나 슬롯에 삽입하고 PCI 익스프레스 포트를 통해 연결할 수 있습니다.
CPU와 GPU는 비슷한 수의 코어와 작업 처리를 위한 트랜지스터를 포함하여 비슷한 설계를 공유하지만, CPU가 GPU보다 일반적인 기능을 수행합니다. GPU는 그래픽 처리 또는 머신 러닝과 같은 특정한 단일 컴퓨팅 작업에 집중하는 경향이 있습니다.
CPU는 컴퓨터 시스템이나 장치의 심장이자 두뇌입니다. 프로그램이나 소프트웨어 애플리케이션으로부터 작업과 관련된 일반적인 지침 또는 요청을 수신합니다. 반면 GPU는 일반적으로 고해상도 이미지와 동영상을 빠르게 처리하는 것처럼 더 구체적인 작업을 수행합니다. GPU는 작업을 수행하기 위해 그래픽 렌더링이나 기타 컴퓨팅 집약적인 기능에 필요한 복잡한 수학적 계산을 지속적으로 수행합니다.
CPU와 GPU의 가장 큰 차이점 중 하나는 CPU는 코어 수가 적고 작업을 선형적으로 수행하는 경향이 있는 반면 GPU는 수백 개, 심지어 수천 개의 코어를 사용하므로 초고속 처리 기능을 구동하는 병렬 처리가 가능하다는 것입니다.
최초의 GPU는 3D 그래픽 렌더링 속도를 높여 영화와 비디오 게임의 장면을 더욱 사실적이고 몰입감 있게 보이도록 제작되었습니다. 최초의 GPU 칩인 Nvidia의 GeForce는 1999년에 출시되었으며, 고속 병렬 처리 기능으로 인해 GPU 기능이 다른 영역으로 확장되는 등 빠르게 성장했습니다.
병렬 프로세싱 또는 병렬 컴퓨팅은 전체 컴퓨팅 작업의 서로 다른 하위 집합을 수행하기 위해 둘 이상의 프로세서를 사용하는 컴퓨팅의 한 종류입니다. GPU 이전의 구세대 컴퓨터는 한 번에 하나의 프로그램만 실행할 수 있었기 때문에 작업을 완료하는 데 몇 시간씩 걸리는 경우가 많았습니다. GPU의 병렬 처리 기능은 많은 계산 또는 작업을 동시에 수행하므로 구형 컴퓨터의 CPU보다 빠르고 효율적입니다.
IBM Cloud 아키텍처, API 및 애플리케이션, 전 세계에 분산된 데이터 센터 네트워크와의 원활한 통합을 통해 업계에서 가장 유연한 서버 선택 프로세스 중 하나를 활용하세요.
단일 플랫폼에서 비즈니스 전반에 걸쳐 AI를 쉽게 배포하고 통합할 수 있을 뿐만 아니라 모든 데이터 소스를 관리하고 책임감 있는 AI 워크플로를 가속화할 수 있습니다.
더 많은 데이터와 가속화된 글로벌 액세스로 AI를 가속화하여 데이터 액세스 장벽을 허물고 NVIDIA AI 솔루션을 위한 새로운 스토리지 역학을 창출하세요.
하이브리드 클라우드용 통합 고성능 컴퓨팅(HPC) 솔루션의 완벽한 포트폴리오를 갖춘 IBM의 하이브리드 클라우드 HPC 솔루션에 대해 알아보세요.
클라우드 서비스로 배포 및 관리할 수 있는 단일 테넌트 전용 서버인 IBM Cloud Bare Metal Servers의 강력한 기능을 확인해 보세요.
그래픽 처리 장치(GPU)에 대해 알아보고 비디오 및 텍스트 워크로드를 처리하기 위한 새로운 접근 방식을 고려하는 기업에 GPU가 중요한 이유를 알아보세요.
데이터 사전 처리 및 모델 학습부터 신제품 인큐베이션에 이르기까지 AI 워크플로우를 보다 효율적으로 배포하기 위해 구축된 IBM Cloud의 AI 슈퍼컴퓨터 Vela를 만나보세요.
머신 러닝(ML)의 역사와 함께 중요한 정의, 애플리케이션 및 비즈니스 문제에 대해 알아봅니다.
컴퓨터와 디지털 장치가 인간처럼 배우고, 읽고, 쓰고, 말하고, 보고, 만들고, 재생하고, 분석하고, 추천할 수 있도록 하는 기술인 인공 지능(AI)에 대해 자세히 알아보세요.
비즈니스 네트워크에서 거래를 기록하고 자산을 추적하는 프로세스를 용이하게 하는 변경 불가능한 공유 원장인 블록체인의 파워를 알아보세요.
IBM이 IBM Cloud에서 새로운 GPU 제품을 통해 고객이 파운데이션 모델과 AI 워크로드를 배포하는 데 어떤 도움을 주는지 알아보세요.