2016.11.22

“차세대 AI 하드웨어 경쟁 양보없다” IBM, 인텔, 구글, MS 전략 핵심 요약

Serdar Yegulalp | InfoWorld
머신러닝 또는 인공지능은 기업 IT의 근간을 재창조하고 경쟁 우위를 유지하는 방법으로 자리 잡고 있다. IT 업계에서 가장 잘 알려진 이름인 인텔, 구글, IBM, 마이크로소프트 역시 바로 이 머신러닝/인공지능에 집중적으로 투자하고 있는데, 특히 차세대 애플리케이션의 성능을 대폭 개선할 수 있는 하드웨어 설계를 두고 치열한 경쟁을 벌이고 있다.

4대 업체의 머신러닝/인공지능 관련 하드웨어 개발 현황을 정리해 본다.

인텔
세계 최고의 칩 업체인 인텔은 최근 머신러닝 애플리케이션을 대상으로 한 전문 CPU 제품군 나이츠 밀(Knights Mill)을 발표했다. 또한 자사의 CPU와 FPGA 프로세서를 결합할 계획도 있다고 밝혔다. FPGA는 매우 강력한 성능을 자랑하지만, 인텔은 이 기술을 그리 적극적으로 활용하지 않았다.

PC 시장이 마치 북극의 얼음처럼 점점 녹아 없어지면서 인텔은 새로운 시장을 물색해 왔다. 서버 제품군 만으로는 부족한 실정. 인텔은 자사의 사업 범위를 머신러닝 기능을 가속화하는 주 프로세서는 물론 보조 프로세서까지 확장했다.

하지만 인텔이 머신러닝을 위한 GPU를 내놓지는 않을 것이다. 인텔의 GPU 관련 개발이 다른 업체와 같은 수준으로 올라온 적은 없었으며, 언제나 CPU 중심의 성능 개선으로 GPU를 이길 수 있다는 전략이었다. 결국 인텔은 다른 업체의 GPU와 손 잡지 않고 CPU만의 환경을 만들 가능성이 크다.

마이크로소프트
자사 애저 클라우드에 머신러닝 가속화 기능을 위한 특수 설계 FPGA를 탑재한 후, 마이크로소프트는 애저 클라우드 내에서 머신러닝용으로 좀 더 강력한 툴을 구현하기 위해 고객들에게 디바이스를 직접 프로그램하도록 했다.

마이크로소프트는 이미 머신러닝/AI 툴을 애저 클라우드 안팎으로 제공하고 있으며, 주요 비영리 AI 연구 프로젝트인 오픈AI도 애저 클라우드를 사용하고 있다. 하지만 지금 마이크로소프트는 클라우드 고객에게 머신러닝용 하드웨어를 제공할 새로운 방법을 고민하고 있다. 어려운 과제이자 가치 있는 과제를 안고 있는데, 바로 FPGA가 프로그램하기 너무 복잡하다는 것. 그리고 GPU만큼 머신러닝용으로 잘 알려져 있지도 않다.

구글
구글은 텐서플로우(Tensorflow) 같은 프레임워크를 통해 소프트웨어 측면에서 머신러닝에 많은 투자를 해 왔다. 하지만 지금은 특정 머신러닝 기능을 가속화할 수 있는 하드웨어 보완 요소, 즉 TPU(Tensor Processing Unit)을 제공하고 있다.

마이크로소프트처럼 구글도 자사 클라우드가 머신러닝 애플리케이션의 첫 번째 목적지가 되기를 원한다. 구글은 사용의 편의성을 내세울 것이라고 분명히 밝힌 만큼, 마이크로소프트가 고려하고 있는 머신러닝 하드웨어로의 직접 액세스를 고려하지는 않을 것이다. 익숙한 상황에서 머신러닝 하드웨어에 직접 액세스하기를 원하는 사람을 위해서는 구글 클라우드의 신형 GPU 인스턴스가 있다. 신기한 것은 두 하드웨어 서비스를 함께 사용할 수 있다는 것이다.

IBM
IBM의 새로운 머신러닝 툴셋인 파워AI(PowerAI)는 IBM의 파워 프로세서와 엔비디아 GPU를 연결하는 새로운 전용 하드웨어를 사용한다. 이 하드웨어는 CPU와 GPU를 가능한 한 밀접하게 연결하는 데 중점을 두고 있다.

IBM은 이미 잘 알려진 머신러닝/인공지능 프로젝트인 왓슨이 있다. 하지만 왓슨은 블랙박스 서비스로 여겨지고, 또 주로 그런 방식으로 제공됐다. 파워AI는 특정 프로세서나 GPU가 아닌 하드웨어 스위트로, 자체 역량이 필요하고 사용 방법도 완전히 제어하기를 원하는 고급 고객을 대상으로 한다. 파워AI는 IBM 파워 프로세서 제품군 관련 계획과 함께 진행되고 있는데, 파워 프로세서는 머신러닝 워크로드가 적용되는 빅데이터와 클라우드 애플리케이션용으로 진화하고 있다.  editor@itworld.co.kr

2016.11.22

“차세대 AI 하드웨어 경쟁 양보없다” IBM, 인텔, 구글, MS 전략 핵심 요약

Serdar Yegulalp | InfoWorld
머신러닝 또는 인공지능은 기업 IT의 근간을 재창조하고 경쟁 우위를 유지하는 방법으로 자리 잡고 있다. IT 업계에서 가장 잘 알려진 이름인 인텔, 구글, IBM, 마이크로소프트 역시 바로 이 머신러닝/인공지능에 집중적으로 투자하고 있는데, 특히 차세대 애플리케이션의 성능을 대폭 개선할 수 있는 하드웨어 설계를 두고 치열한 경쟁을 벌이고 있다.

4대 업체의 머신러닝/인공지능 관련 하드웨어 개발 현황을 정리해 본다.

인텔
세계 최고의 칩 업체인 인텔은 최근 머신러닝 애플리케이션을 대상으로 한 전문 CPU 제품군 나이츠 밀(Knights Mill)을 발표했다. 또한 자사의 CPU와 FPGA 프로세서를 결합할 계획도 있다고 밝혔다. FPGA는 매우 강력한 성능을 자랑하지만, 인텔은 이 기술을 그리 적극적으로 활용하지 않았다.

PC 시장이 마치 북극의 얼음처럼 점점 녹아 없어지면서 인텔은 새로운 시장을 물색해 왔다. 서버 제품군 만으로는 부족한 실정. 인텔은 자사의 사업 범위를 머신러닝 기능을 가속화하는 주 프로세서는 물론 보조 프로세서까지 확장했다.

하지만 인텔이 머신러닝을 위한 GPU를 내놓지는 않을 것이다. 인텔의 GPU 관련 개발이 다른 업체와 같은 수준으로 올라온 적은 없었으며, 언제나 CPU 중심의 성능 개선으로 GPU를 이길 수 있다는 전략이었다. 결국 인텔은 다른 업체의 GPU와 손 잡지 않고 CPU만의 환경을 만들 가능성이 크다.

마이크로소프트
자사 애저 클라우드에 머신러닝 가속화 기능을 위한 특수 설계 FPGA를 탑재한 후, 마이크로소프트는 애저 클라우드 내에서 머신러닝용으로 좀 더 강력한 툴을 구현하기 위해 고객들에게 디바이스를 직접 프로그램하도록 했다.

마이크로소프트는 이미 머신러닝/AI 툴을 애저 클라우드 안팎으로 제공하고 있으며, 주요 비영리 AI 연구 프로젝트인 오픈AI도 애저 클라우드를 사용하고 있다. 하지만 지금 마이크로소프트는 클라우드 고객에게 머신러닝용 하드웨어를 제공할 새로운 방법을 고민하고 있다. 어려운 과제이자 가치 있는 과제를 안고 있는데, 바로 FPGA가 프로그램하기 너무 복잡하다는 것. 그리고 GPU만큼 머신러닝용으로 잘 알려져 있지도 않다.

구글
구글은 텐서플로우(Tensorflow) 같은 프레임워크를 통해 소프트웨어 측면에서 머신러닝에 많은 투자를 해 왔다. 하지만 지금은 특정 머신러닝 기능을 가속화할 수 있는 하드웨어 보완 요소, 즉 TPU(Tensor Processing Unit)을 제공하고 있다.

마이크로소프트처럼 구글도 자사 클라우드가 머신러닝 애플리케이션의 첫 번째 목적지가 되기를 원한다. 구글은 사용의 편의성을 내세울 것이라고 분명히 밝힌 만큼, 마이크로소프트가 고려하고 있는 머신러닝 하드웨어로의 직접 액세스를 고려하지는 않을 것이다. 익숙한 상황에서 머신러닝 하드웨어에 직접 액세스하기를 원하는 사람을 위해서는 구글 클라우드의 신형 GPU 인스턴스가 있다. 신기한 것은 두 하드웨어 서비스를 함께 사용할 수 있다는 것이다.

IBM
IBM의 새로운 머신러닝 툴셋인 파워AI(PowerAI)는 IBM의 파워 프로세서와 엔비디아 GPU를 연결하는 새로운 전용 하드웨어를 사용한다. 이 하드웨어는 CPU와 GPU를 가능한 한 밀접하게 연결하는 데 중점을 두고 있다.

IBM은 이미 잘 알려진 머신러닝/인공지능 프로젝트인 왓슨이 있다. 하지만 왓슨은 블랙박스 서비스로 여겨지고, 또 주로 그런 방식으로 제공됐다. 파워AI는 특정 프로세서나 GPU가 아닌 하드웨어 스위트로, 자체 역량이 필요하고 사용 방법도 완전히 제어하기를 원하는 고급 고객을 대상으로 한다. 파워AI는 IBM 파워 프로세서 제품군 관련 계획과 함께 진행되고 있는데, 파워 프로세서는 머신러닝 워크로드가 적용되는 빅데이터와 클라우드 애플리케이션용으로 진화하고 있다.  editor@itworld.co.kr

X