"AI 시장 트렌드는 최적화와 경량화" 인텔이 제시하는 CPU 기반 AI 구축 전략

생성형 AI가 일상으로 성큼 다가왔다. 2022년 챗GPT를 통해 촉발된 AI 열풍은 이제 더 많은 사용 사례에 맞춰 진화해 가고 있다. 그야말로 ‘격동의 AI 시대’다. 기업은 방대한 양의 데이터를 처리해야 하는 대규모 언어 모델(LLM)과 관련해, 내부 데이터를 학습시키거나 미세 조정할 수 있는 대안을 찾고 있다. 더 간편하고 빠르게 생성형 AI를 구축하고 활용할 수 있는 하이브리드 AI가 주목받으면서 기존의 대규모 언어 모델을 처리하는 데 그래픽 처리 장치(GPU) 대신 중앙 처리 장치(CPU)를 활용하는 솔루션도 나오고 있다.
 

인텔이 공개한 ‘AI Everywhere’ 전략은 이러한 동향과 맞닿아 있다. 인텔은 CPU를 활용해 더 작고 더 빠른 AI 시스템을 구축하는 미래를 그리고 있다. 인텔코리아 데이터센터 및 AI 그룹(DCAI) 테크니컬 솔루션 스페셜리스트인 홍승표 이사는 한국IDG가 주최한 테크 웨비나에서CPU에 기반해 빠르고 비용 효율적인 AI를 구축하는 방법을 소개했다.

변화하는 AI 기술 시장, “최적화와 경량화가 추세”
AI는 소프트웨어, 하드웨어, 가전, 반도체 등 여러 산업 분야에서 혁신을 촉진하고 있다. 이와 함께 비즈니스 운영 방식과 시장 구조에도 근본적인 변화를 이끌고 있다. 다시 말해 비즈니스 사용자가 AI를 바라보는 시각이 달라지고 있다는 의미다. 지금까지 AI 기술이 주로 주목받아 왔다면, 이제는 실제 사용자가 어떻게 서비스에 AI를 적용할 수 있는지, 어떻게 기업 내부 데이터를 AI와 연결해 활용할 수 있는지도 중요해지고 있다. 여기에 최근 제한된 예산과 시간 때문에 AI 모델 최적화 및 경량화에 대한 수요도 늘어나고 있다. 
 

홍승표 이사는 “생성형 AI 기술 시장이 진화하면서 비용 효율적이고 자원 효율적인 대안을 많은 사용자가 찾고 있다”라며 클라이언트나 엣지에서 AI를 구축하는 데 GPU 대신 CPU를 사용함으로써 비용을 줄일 수 있다고 언급했다.

“경량화 AI 모델, 비용 효율적인 제온 CPU로”
LLM을 직접 개발하려 한다면 수천 수만 대의 GPU가 필요하기 때문에 클라우드에 있는 자원을 활용하는 게 더 효과적일 수 있다. 그러나 GPU 및 서버 규모를 늘리지 않고도 소규모 언어 모델(sLLM)을 통해 운영할 수 있다고 판단되는 경우 싱글 소켓, 2소켓 또는 멀티 노드의 CPU 자원을 활용할 수 있다.

인텔은 이런 역할에 최적화된 제품으로 5세대 제온® 프로세서를 선보였다. 지난해 12월 출시한 5세대 인텔® 제온® 스케일러블 프로세서는 AI 워크로드를 위한 CPU로 설계돼 이전 세대보다 성능을 크게 향상했다. 구체적으로 살펴보자면, 일반 컴퓨팅 성능은 약 21% 향상, AI 추론 성능은 최대 42% 늘었다. 전반적인 구조를 AI에 최적화되도록 설계한 덕분이다.
 

5세대 제온 프로세서는 이전 세대보다 최대 코어 수가 10개 이상 늘어 최대 64코어를 지원한다. 최대 5600MT/s 속도를 지원하는 메모리는 대역폭을 늘려 병목 현상을 극복했으며, 라스트 레벨 캐시 용량도 이전 세대(1.87MB)보다 3배가량(5MB) 늘렸다. 4세대부터 적용된 내장형 가속기 AMX(Advanced Matrix Extensions) 역시 5세대로 오면서 크게 개선됐다. 

특히 주목할 점은 기존 제온 4세대 프로세서와 플랫폼을 공유할 수 있다는 것이다. 이는 적은 예산으로 AI 성능을 높이거나 테스트하고자 할 때 이점으로 작용할 수 있다. GPU 클러스터를 새로 구축하기보다 기존 자원을 재활용할 수 있기 때문이다.

“AI 최적화된 내장 AMX 가속기, 5세대 제온에서 크게 성능 향상”
그렇다면 5세대 제온 프로세서의 실제 성능은 어떨까? 흔히 시장에서 요구되는 언어 모델의 초당 토큰 레이턴시 기준점은 100ms 수준이다. 이는 초당 약 10번의 토큰이 결과물로 제시되는, 눈으로 따라가면서 이해할 수 있는 정도의 속도를 의미한다. 라마2(Llama 2)의 경우 70B 추론에서 5세대 제온 프로세서를 사용했을 때, 2소켓 서버 4노드 구성에서 레이턴시는 87.7ms까지 떨어져 AI를 서비스하기에 충분한 속도를 냈다. 다만 1노드일 때는 약 250ms의 레이턴시를 보였다. 클러스터로 구성할 때 뚜렷한 속도 향상이 있는 셈이다.
 

제온 프로세서를 활용해 서비스를 구축한 기업으로는 글로벌 스트리밍 서비스 기업 넷플릭스가 있다. 넷플릭스는 제온과 내장 AI 가속 엔진을 활용해 인텔리전트 콘텐츠 스케일링 신경망을 구축했다. 이는 소비자가 원하는 다양한 해상도를 미리 인코딩하거나 동시 트랜스 코딩하는 대신 AI 기술을 활용해 다운 스케일링 및 업 스케일링하는 방식을 의미한다. 인텔에 따르면 여기에 제온 스케일러블 프로세서를 활용한 결과 약 2배의 성능 향상을 이뤘다.

또 다른 사례로는 ‘프록시(Proxy)’라는 게임을 출시 준비하고 있는 게임 제작 스튜디오 갤리온이 있다. 처음에 갤리온은 개발 과정에 AI를 활용하기 위해 클라우드의 GPU 클러스터를 사용했다. 하지만 클라우드의 환경적인 문제, 이를테면 레이턴시 문제와 비용적인 측면을 고려해 온프레미스로 전환을 결정했다. 갤리온은 인텔의 협력사인 누멘타와 협업해 AI 모델을 제온 프로세서로 구축했다. 갤리온은 결과적으로 6.5배가량의 성능 향상을 이루었으며, 추후 출시될 ‘프록시’도 제온 프로세서를 사용해 서비스하게 됐다고 밝혔다.

홍승표 이사는 “제온 프로세서에 기반한 성능 향상에는 CPU의 자체 성능뿐만 아니라 AI에 특화된 가속기인 AMX의 성능이 중요하게 작용하고 있다”라고 설명했다. 그는 “1세대 제온과 비교하면 5세대는 24대의 서버를 1대로 통합하는 수준의 성능 향상을 이뤘고, 이산화탄소 배출량 및 전력을 최대 90% 줄인다. 전체 TCO에서 최대 77%까지 절감 효과를 누릴 수 있다”라고 밝혔다. 

대규모 처리를 위한 GPU 대안, 인텔 가우디 AI 가속기
인텔은 제온 프로세서가 100B 이하의 파라미터 사이즈를 가진 작은 규모의 언어 모델을 미세 조정하거나 서비스 추론하는 데 주로 사용될 것으로 보고 있다. 그렇다면 300B 이상의 대규모 언어 모델을 처리할 때도 인텔의 제품을 활용할 수 있을까? 이러한 수요를 위해 인텔은 AI 전용 칩인 가우디(Gaudi)를 출시했다. 현재 가우디2가 시장에 나와 있으며, 올해 가우디3가 출시될 예정이다. 자체 테스트 결과 가우디3에서는 BF16 계산 능력이 4배 향상, HBM 전체 대역폭이 1.5배 높아졌다. 
 

현재 대규모 언어 모델에 앞장서고 있는 엔비디아의 주력 GPU인 H100과의 비교도 주목할 만하다. 홍승표 이사에 따르면, GPT-3 기반 비교에서는 가우디2가 상대적 성능 학습 시간에서 다소 뒤처지는 모습을 보였지만, 컴퓨터 비전 AI 모델인 레즈넷(ResNet)에서의 비교는 거의 H100 성능에 근접할 정도로 격차를 줄였다. 이런 격차는 올해 중 가우디3가 출시되면 더 줄어들 가능성이 높다. 

현재 AI 시장에서는 대규모 언어 모델뿐만 아니라 텍스트, 이미지, 음성, 비디오 등 여러 유형의 데이터를 처리할 수 있는 멀티모달 모델도 관심을 끌고 있다. 이와 함께 언어와 컴퓨터 비전을 같은 프로세싱 유닛에서 처리할 수 있는 제품에 대한 수요도 높아지고 있다. 홍승표 이사는 비전 데이터에 대한 디코더가 내장된 가우디 AI 가속기는 이런 측면에서 이점을 줄 수 있다고 말한다. 홍승표 이사는 “비전 모델과 언어 모델이 통합된 멀티모달 모델을 서비스할 경우, GPU와 성능 차가 크게 좁혀지거나 일부에서는 더 성능이 나을 수 있다”라고 말했다.

인텔의 ‘AI Everywhere’ 전략이 담긴 홍승표 이사의 테크 웨비나는 여기에서 다시 볼 수 있다. yuseong_kim@foundryco.com