넘버스
넘버스
나델라는 CEO가 되고 처음 몇 년 동안 빅데이터, ML, 엣지 기반 처리를 혼합한 "지능형 클라우드와 지능형 엣지"에 대해 여러 차례 이야기했다. 나델라의 이야기는 클라우드 네이티브 세계를 보는 산업적 시각에서 나온 것이지만, AI에 대한 마이크로소프트의 접근 방식을 잘 보여준다. 핵심은 애저의 슈퍼컴퓨팅 역량을 사용해 AI 모델의 크기에 관계없이 모델을 위한 학습과 추론을 클라우드에 호스팅하는 것이다.
엣지로 가는 AI
중앙 집중식 AI에는 상당한 전력과 그에 따른 냉각이 필요하다. 따라서 빌드에서 마이크로소프트가 발표한 주요 사항이 엔드포인트 AI 기능 대부분을 애저에서 사용자의 PC로 옮기고 로컬 AI 가속기를 활용해 다양한 알고리즘의 추론을 실행하는 데 중점을 둔 것은 놀라운 일이 아니다. 애저에서 코파일럿을 실행하는 대신 ARM, 인텔, AMD의 차세대 데스크톱 칩에 포함되는 NPU(Neural Processing Unit)를 사용할 수 있다. 하드웨어 가속은 여러 차례 입증된 접근 방법이다. 필자는 1990년대 초반 행렬 연산을 가속화하기 위해 벡터 처리 하드웨어를 사용한 유한 요소 분석 코드를 작성했다. 지금의 NPU는 이런 벡터 프로세서의 직계 후손으로, 신경망에 사용되는 복잡한 벡터 공간의 비슷한 연산에 최적화된다. 마이크로소프트의 현세대 ARM 디바이스(또는 소수의 최신 인텔이나 AMD 디바이스)에는 이미 NPU가 포함돼 있다. 다만 이 NPU는 마이크로소프트의 코파일럿+ PC 요구사항을 충족하는 데 필요한 40TOPS(초당 테라 연산) 수준만큼 강력하지는 않다.
마이크로소프트는 이 기존 하드웨어에서 이미 다양한 NPU 기반 애플리케이션을 시연했고, 다이렉트ML(DirectML) API를 통해 개발자 액세스를 제공하고 ONNX 추론 런타임을 지원했다. 그러나 빌드 2024에서는 '윈도우 코파일럿 런타임'이라는 새로운 브랜드로 묶은 새로운 엔드포인트 호스팅 AI 서비스 모음을 통해 개발자 고객층에 더욱 공을 들이는 모습을 보였다.
윈도우 코파일럿 런타임은 윈도우에서 AI 애플리케이션을 제공하는 데 도움이 되는 새로운 서비스와 기존 서비스의 혼합으로 구성된다. 내부에는 새로운 개발자 라이브러리 모음과 40개 이상의 ML 모델이 포함돼 있는데, 마이크로소프트 파이(Phi) 소규모 언어 모델 제품군의 NPU 중심 버전인 파이 실리카(Phi Silica)도 여기에 포함된다.
윈도우 코파일럿 런타임의 모든 모델이 언어 모델은 아니다. 많은 모델이 윈도우 비디오 파이프라인과 함께 작동하면서 기존 스튜디오 이펙트의 향상된 버전을 지원하도록 설계됐다. 번들로 제공되는 모델로는 부족하거나 특정 사용례를 충족하지 않는다면, 윈도우에서 자체 모델을 실행하는 데 도움이 되는 툴이 있다. 이런 툴은 파이토치, 그리고 웹 브라우저에서 모델을 실행할 수 있게 해주는(향후 웹어셈블리 애플리케이션에서도 가능해질 수 있음) 새로운 웹 호스팅 모델 런타임인 WebNN을 직접 지원한다.
윈도우용 AI 개발 스택
마이크로소프트는 윈도우 코파일럿 런타임에 대해 AI 툴을 사용한 "운영체제와의 새로운 상호작용 방법"이라고 설명한다. 빌드에서 윈도우 코파일럿 런타임은 새로운 칩 기능을 기반으로 실행되는 스택으로 소개됐다. 이를 위해 새로운 라이브러리와 모델, 그리고 이 코드를 빌드하는 데 필요한 툴이 제공된다. 이는 스택을 지나치게 단순화해서 표현한 것이지만 윈도우 코파일럿 런타임의 모든 구성요소를 보여주려면 파워포인트 슬라이드를 금방 채우고도 남을 것이다. 중심에는 두 가지 흥미로운 기능인 DiskANN 로컬 벡터 저장소, 그리고 윈도우 코파일럿 라이브러리로 통칭되는 API 모음이 있다.
DiskANN은 SQL라이트(SQLite)에 상응하는 벡터 데이터베이스라고 생각하면 된다. RAG(Retrieval-Augmented Generation) 애플리케이션을 구축하는 데 있어 핵심인 벡터 데이터를 위한 고속 로컬 저장소다. SQL라이트와 마찬가지로 UI가 없다. 즉, 모든 작업은 명령줄 인터페이스 또는 API 호출을 통해 수행된다. DiskANN은 내장된 최근접 이웃 검색을 사용하며 임베딩과 콘텐츠를 저장하는 데 사용할 수 있다. 또한 윈도우의 기본 제공 검색과 함께 작동하며 NTFS 구조와 파일에 연결된다.
윈도우 코파일럿 런타임을 기반으로 코드를 빌드하면 스택에 번들로 제공되는 40개 이상의 다양한 AI/ML 모델을 활용하게 된다. 앞서도 언급했듯이 모든 모델이 생성형 모델은 아니다. 상당수는 텍스트 인식, 윈도우 스튜디오 이펙트의 카메라 파이프라인과 같은 컴퓨터 비전 작업을 위한 애저 코그니티브 서비스(Azure Cognitive Services)에 사용되는 모델을 기반으로 한다.
클라우드 API로 전환하는 옵션도 있다. 예를 들어 로컬 소규모 언어 모델 또는 챗GPT와 같이 클라우드에 호스팅되는 대규모 언어 모델 중에서 선택할 수 있다. 사용 가능한 대역폭이나 현재 작업의 복잡성에 따라 코드가 자동으로 두 모델 사이를 전환할 수도 있다.
마이크로소프트는 로컬과 클라우드 AI API 중에서 결정하는 데 도움이 되는 기본 체크리스트를 제공한다. 고려할 주요소는 사용 가능한 리소스, 개인 정보 보호, 비용이다. 로컬 리소스를 사용하면 비용이 없지만 클라우드 AI 서비스를 사용하는 데 따르는 비용은 예측할 수 없다.
AI 텍스트 인식(AI Text Recognition)과 같은 윈도우 코파일럿 라이브러리 API의 경우 하드웨어 가속 기능을 활용하기 위해서는 적절한 NPU가 필요하다. API를 호출하기 전에 이미지 버퍼에 이미지를 추가해야 한다. 동일한 기능을 하는 애저 API와 마찬가지로, 인식된 텍스트를 문자열로 수집하기 전에 API에 비트맵을 제공해야 한다. 추가로 바운딩 박스 세부 정보를 얻을 수 있으므로 인식된 텍스트의 신뢰 수준과 함께 오버레이를 초기 이미지에 제공할 수 있다.
NPU를 위한 온디바이스 언어 모델 '파이 실리카'
윈도우 코파일럿 런타임의 핵심 구성요소 중 하나는 NPU에 최적화된 새로운 파이 실리카 소규모 언어 모델이다. 파이 모델군에 속하는 파이 실리카는 프롬프트 입력에 대해 텍스트 응답을 제공하도록 설계된, 간편히 사용할 수 있는 생성형 AI 모델이다. 샘플 코드를 통해 파이 실리카가 새로운 Microsoft.Windows.AI.Generative C# 네임스페이스를 사용하며, 비동기적으로 호출되어 문자열 프롬프트에 생성형 문자열 응답으로 답하는 것을 볼 수 있다. 기본적인 파이 실리카 API를 사용하는 방법은 간단하다. 호출을 처리할 메서드를 만들었다면 완전한 문자열을 기다리거나 생성되는 대로 결과를 수집하는 방법으로 사용자 경험을 선택할 수 있다. 모델에서 상태 정보를 수집하는 다른 호출을 통해 프롬프트가 응답을 생성했는지 또는 호출이 실패했는지를 알 수 있다.
파이 실리카에는 한계가 있다. 코파일럿+ PC의 NPU를 사용한다 해도 파이 실리카가 처리할 수 있는 토큰은 초당 650개로 한정적이다. 단일 프롬프트에 원활하게 응답을 제공하기에는 충분하지만 여러 프롬프트를 동시에 관리하는 경우 속도가 저하될 수 있다.
파이 실리카는 교과서 내용으로 학습되었으므로 예를 들어 챗GPT만큼 유연하지는 않다. 그러나 오류가 덜 발생하고, RAG 기술과 DiskANN에 저장된 로컬 벡터 인덱스를 사용해서 자체 로컬 에이전트 오케스트레이션 안에 구축해 특정 폴더 내의 파일을 타겟팅할 수 있다.
마이크로소프트는 윈도우 코파일럿 런타임을 윈도우 개발자 스택의 별도 구성요소로 언급했다. 사실 이 런타임은 빌드 기조연설에서 언급한 수준보다 훨씬 더 심층적으로 통합되어 있으며, 윈도우 앱 SDK에 대한 2024년 6월 업데이트에 포함돼 제공된다. 마이크로소프트는 단순히 윈도우의 AI에 크게 베팅하는 것이 아니라 AI, 더 구체적으로는 자연어와 시맨틱 컴퓨팅을 윈도우의 미래로 보는 쪽에 베팅하고 있다.
윈도우 AI 구축을 위한 툴
윈도우 코파일럿 런타임 스택은 현재 비주얼 스튜디오 코드용 AI 툴킷으로 이름이 바뀐 기존 윈도우 AI 스튜디오 툴을 기반으로 할 가능성이 높지만, 전체적인 그림은 아직 나오지 않았다. 흥미롭게도, AT 툴킷의 최신 빌드(빌드 2024 이후)에는 리눅스 x64와 ARM64 모델 튜닝 및 개발에 대한 지원이 추가됐다. 이는 완전한 AI 개발 툴 모음의 빠른 출시와 이후의 비주얼 스튜디오용 AI 툴킷을 예고하는 좋은 신호로 보인다. 윈도우 코파일럿 런타임 모델을 사용한 작업에 필수적인 AI 툴킷의 중요한 한 가지 기능은 자체 코파일럿으로 빌드하기 전에 모델을 실험해 볼 수 있는 플레이그라운드 기능이다. 파이와 같은 소규모 언어 모델 또는 허깅 페이스(Hugging Face)의 오픈소스 파이토치 모델을 위한 기능이므로 24H2 윈도우 릴리스의 새로운 OS 기능과 코파일럿+ PC의 NPU 하드웨어가 제공하는 혜택을 누릴 수 있을 것이다.
6월에 윈도우 앱 SDK가 출시되고 첫 코파일럿+ PC 하드웨어가 나오고 나면 더 자세한 내용을 알게 되겠지만, 마이크로소프트의 목표가 윈도우의 중심에 AI를 탑재하고 결과적으로 사용자의 통제 하에 안전하게, 개인 정보를 보호하면서 데스크톱 애플리케이션에 AI 기능을 손쉽게 추가할 수 있게 해주는 플랫폼을 제공하는 것임은 이미 명확하다. 마이크로소프트 입장에서는 애저의 전력과 냉각 예산 부담을 덜어내는 부가적인 이점도 있다.
editor@itworld.co.kr
Tags
마이크로소프트
윈도우코파일럿런타임
파이실리카
함께 보면 좋은 콘텐츠
Sponsored
Seagate
“작지만 큰 영향력” 하드 드라이브의 나노 스케일 혁신
ⓒ Seagate 플래터당 3TB라는 전례 없는 드라이브 집적도를 자랑하는 새로운 하드 드라이브 플랫폼이 등장하며 디지털 시대의 새로운 이정표를 세웠다. 플래터당 3TB를 저장할 수 있다는 것은 동일한 면적에서 스토리지 용량을 기존 드라이브 대비 거의 두 배로 늘릴 수 있다는 것을 의미한다. 이러한 혁신은 데이터 스토리지의 미래와 데이터센터의 디지털 인프라에 괄목할 만한 영향을 미친다. AI의 발전과 함께 데이터의 가치가 그 어느 때보다 높아졌다. IDC에 따르면 2027년에는 전 세계에서 총 291ZB의 데이터가 생성될 것으로 예측되며, 이는 스토리지 제조 용량의 15배 이상일 것으로 보인다. 대부분의 데이터를 호스팅하는 대형 데이터 센터에 저장된 데이터 중 90%가 하드 드라이브에 저장된다. 즉, AI 애플리케이션의 주도로 데이터가 급증함에 따라 물리적 공간을 늘리지 않으면서도 데이터를 저장할 수 있는 스토리지 기술 혁신이 필요하다. 데이터 스토리지 인프라를 업그레이드하는 것은 단순히 기술적인 문제가 아니라 지금 시대가 직면한 규모, 총소유비용(TCO), 지속가능성이라는 과제에 대한 논리적 해답인 셈이다. 열 보조 자기 기록(HAMR) 기술은 선구적인 하드 드라이브 기술로 드라이브 집적도 향상을 위해 지난 20년 동안 수많은 연구를 거쳐 완성되어 왔다. 씨게이트 모자이크 3+ 플랫폼은 이러한 HAMR 기술을 씨게이트만의 방식으로 독특하게 구현한 것으로, 미디어(매체)부터 쓰기, 읽기 및 컨트롤러에 이르는 복잡한 나노 스케일 기록 기술과 혁신적인 재료 과학 역량을 집약한 결정체다. 이 플랫폼은 데이터 비트를 변환하고 자기 및 열 안정성을 유지하면서 더욱 촘촘하게 패킹해서 각 플래터에 훨씬 더 많은 데이터를 안정적이고 효율적으로 저장할 수 있다. 예를 들어, 기존 데이터센터에 있는 16TB 드라이브를 30TB 드라이브로 업그레이드하면 동일한 면적에서 스토리지 용량을 두 배로 늘릴 수 있다. 더 낮은 용량에서 업그레이드한다면 상승 폭은 더욱 커진다. 이 경우, 테라바이트당 전력 소비량이 40% 감소하는 등 스토리지 총소유비용(TCO)이 크게 개선된다. 또한 효율적인 자원 할당과 재활용 재료 사용으로 운영 비용을 절감하고 테라바이트당 탄소 배출량을 55% 감소시켜 데이터센터가 지속 가능성 목표를 달성할 수 있다. 드라이브 집적도 향상은 하이퍼스케일과 프라이빗 데이터센터의 판도를 바꿀 수 있다. 데이터센터가 급증하며 전력사용량과 탄소배출량 역시 늘어나 데이터센터의 지속가능성이 화두가 되고 있는 가운데, 과학기술정보통신부는 ‘탄소중립 기술혁신 추진전략-10대 핵심기술 개발방향’에서 2030년까지 데이터센터 전력소모량을 20% 절감하겠다고 밝힌 바 있다. 이러한 목표에 발맞춰, 집적도를 획기적으로 개선한 대용량 데이터 스토리지를 활용하는 것은 원활하고 지속적인 AI 모델 학습, 혁신 촉진 및 비즈니스 성공을 위해 필수적이다. 엔터프라이즈 데이터센터의 경우 제한된 공간, 전력, 예산에 맞춰 확장할 수 있는 지속 가능한 방법을 찾아야 한다. 하드 드라이브의 집적도 혁신은 점점 더 커져가는 클라우드 생태계와 AI 시대에 대응하는 해답이자, 동일한 공간에 더 많은 엑사바이트를 저장하면서도 자원 사용은 줄이도록 인프라를 확장할 수 있는 방법이다. 이는 글로벌 데이터 영역에서 경쟁력을 유지하고 글로벌 디지털 경제의 선두주자로서 입지를 강화하는 데 매우 중요하다.
Seagate
'반박 불가' 하드 드라이브와 SSD에 관한 3가지 진실
ⓒ Getty Images Bank 하드 드라이브가 멸종할 것이라는 논쟁이 10년 넘게 계속되고 있다. 빠른 속도와 뛰어난 성능이 필요한 애플리케이션에 적합한 플래시 스토리지의 연매출이 증가하고 있는 것은 자명한 사실이다. 하지만, 클라우드의 보편화 및 AI 사용 사례의 등장으로 인해 방대한 데이터 세트의 가치가 높아지는 시대에 하드 드라이브는 플래시 스토리지로 대체할 수 없는 가치를 가지고 있다. 전 세계 엑사바이트(EB) 규모 데이터의 대부분을 저장하는 하드 드라이브는 데이터센터에서 그 어느 때보다 필수적이다. 전 세계 데이터 세트의 대부분이 저장된 엔터프라이즈 및 대규모 클라우드 데이터센터는 데이터 성장에서 핵심이 될 것이다. 하드 드라이브와 SSD를 비교하자면, 하드 드라이브 스토리지는 2022년에서 2027년 사이 6,996EB 증가할 것으로 예상되는 반면, SSD는 1,363EB 증가할 것으로 보인다. ⓒ Seagate 생성형 AI 시대에는 콘텐츠를 경제적으로 저장해야 하기 때문에 플래시 기술과 밀접하게 결합된 컴퓨팅 클러스터는 더 큰 하드 드라이브 EB의 다운스트림 수요를 직간접적으로 촉진할 것이다. 하드 드라이브가 왜 데이터 스토리지 아키텍처의 중심이 될 수밖에 없는지는 시장 데이터를 근거로 설명 가능하다. 가격 책정 근거 없는 믿음 : SSD 가격이 곧 하드 드라이브 가격과 같아질 것이다. 사실 : SSD와 하드 드라이브 가격은 향후 10년간 어느 시점에도 수렴하지 않을 것이다. 데이터가 이를 명확하게 뒷받침한다. 하드 드라이브는 SSD에 비해 테라바이트당 비용 면에서 확고한 우위를 점하고 있으며, 이로 인해 하드 드라이브는 데이터센터 스토리지 인프라의 확고한 주춧돌 역할을 하고 있다. IDC 및 포워드 인사이트(Forward Insights)의 연구에 따르면, 하드 드라이브는 대부분의 기업 업무에 가장 비용 효율적인 옵션으로 유지될 것으로 전망된다. 엔터프라이즈 SSD와 엔터프라이즈 하드 드라이브의 TB당 가격 차이는 적어도 2027년까지 6대 1 이상의 프리미엄이 유지될 것으로 예상된다. ⓒ Seagate 이러한 TB당 가격 차이는 장치 구입 비용이 총소유비용(TCO)에서 가장 큰 비중을 차지하는 데이터센터에서 특히 두드러지게 드러난다. 장치 구입, 전력, 네트워킹, 컴퓨팅 비용을 포함한 모든 스토리지 시스템 비용을 고려하면 TB당 TCO는 하드 드라이브 기반 시스템이 훨씬 더 우수하게 나타난다. ⓒ Seagate 따라서, 플래시는 특정 고성능 작업의 수행에 탁월한 스토리지이지만, 하드 드라이브는 당분간 안정적이고 비용 효율적이며 널리 채택된 솔루션을 제공하는 데이터센터에서 계속해서 주류로 사용될 것이다. 공급과 확장의 관계 근거 없는 믿음 : NAND 공급이 모든 하드 드라이브 용량을 대체할 정도로 증가할 수 있다. 사실 : 하드 드라이브를 NAND로 완전히 교체하려면 감당할 수 없는 설비투자(CapEx)가 필요하다. NAND 산업이 모든 하드 드라이브 용량을 대체하기 위해 공급을 빠르게 늘릴 수 있다는 주장은 재정적, 물류적으로 엄청난 비용이 발생한다는 점을 간과한 낙관적인 생각이다. 산업 분석기관 욜 인텔리전스(Yole Intelligence)의 2023년 4분기 NAND 시장 모니터 리포트에 따르면, 전체 NAND 산업은 2015년~2023년 사이 3.1제타바이트(ZB)를 출하하면서 총 매출의 약 47%에 해당하는 2,080억 달러의 막대한 자본 지출을 투자해야 했다. 반면, 하드 드라이브 산업은 데이터센터 스토리지 수요의 거의 대부분을 매우 자본 효율적인 방식으로 해결하고 있다. 씨게이트가 2015년~2023년 사이 3.5ZB의 스토리지를 출하하며 투자한 자본은 총 43억 달러로, 전체 하드 드라이브 매출의 약 5%에 불과하다. 그러나 NAND 산업의 경우 ZB당 약 670억 달러에 해당하는 금액을 투자한 것으로 나타나 하드 드라이브가 데이터센터에 ZB를 공급하는 것이 훨씬 더 효율적임을 알 수 있다. ⓒ Seagate 작업 부하 근거 없는 믿음 : 올 플래시 어레이(AFA)만이 최신 엔터프라이즈 작업 부하의 성능 요구를 충족할 수 있다. 사실 : 엔터프라이즈 스토리지 아키텍처는 일반적으로 디스크 또는 하이브리드 어레이, 플래시, 테이프를 사용하여 특정 작업 부하의 비용, 용량, 성능 요구 사항에 최적화할 수 있도록 미디어 유형을 혼합한다. 기업이 플래시 없이는 최신 작업 부하의 성능 수요를 따라잡지 못할 위험이 있다는 주장은 다음과 같은 3가지 이유로 반박 가능하다. 첫째, 대부분의 최신 작업 부하에는 플래시가 제공하는 성능상의 이점이 필요하지 않다. 전 세계 데이터의 대부분은 클라우드와 대규모 데이터센터에 저장되어 있으며, 이러한 환경에서는 작업 부하 중 극히 일부에만 상당한 성능이 필요하다는 파레토 법칙을 따르고 있다. 둘째, 예산 제약이 있고 데이터 세트가 빠르게 증가하는 기업들은 성능뿐만 아니라 용량과 비용의 균형을 맞춰야 한다. 플래시 스토리지는 읽기 집약적인 시나리오에서는 탁월한 성능을 발휘하지만 쓰기 작업이 증가하면 내구성이 떨어져 오류 수정과 오버프로비저닝에 추가 비용이 발생한다. 또한, 대규모 데이터 세트나 장기 보존의 경우 영역 밀도가 증가하는 디스크 드라이브가 더 비용 효율적인 솔루션일 뿐만 아니라 수천 개의 하드 드라이브를 병렬로 활용하면 플래시를 보완하는 성능을 달성할 수 있다. 셋째, 수많은 하이브리드 스토리지 시스템은 다양한 미디어 유형의 강점을 단일 유닛에 원활하게 통합하고 최대한으로 활용할 수 있도록 세밀하게 조정된 소프트웨어 정의 아키텍처를 사용한다. 이러한 스토리지는 유연성을 제공하므로 기업은 지속적으로 변화하는 요구 사항에 따라 스토리지 구성을 조정할 수 있다. AFA와 SSD는 고성능의 읽기 집약적인 작업에 매우 적합하다. 하지만 하드 드라이브가 이미 훨씬 낮은 TCO로 제공하는 기능을 AFA로 불필요하게 비싼 방법으로 제공하는 것은 비용 효율적이지 않을 뿐만 아니라, AFA가 하드 드라이브를 대체할 수 있다고 주장하는 근거가 될 수 없다.
추천기사
