[투자 그까이꺼] AI 반도체 투자에 대한 개인적인 생각 - 엔비디아

최근 몇달간 엔비디아를 필두로한 AI반도체 주식의 열풍은 뜨거웠다.

https://naver.me/G1suvBjC

"비트코인보다 5배 올랐네"…다시 불붙은 AI코인

최근 몇년간 200달러 선에 머믈던 엔비디아 주가가 최근 몇년 사이에 액면분할이 되고도 900달러에 육박했기 때문이다.
사실 이 분야를 아는 사람들 사이에서 엔비디아는 이미 엄청난 매출과 성공가도를 달리던 누구나 알만한 회사다.
그 회사가 20년가까이 AI에 투자한 결과를 이제야 빛을 보게 되는 거 같다.

하지만 이렇게 엔비디아가 강세를 보이니 여기저기서 타도 엔비디아를 외치면서 AI반도체 관련 회사들이 떠 오르고 있다.
대체로 이렇게 이야기 한다.
엔비디아보다 더욱 나은 전성비를 보여준다라고…

즉, 소비전력 대비 성능이 좋다는 뜻이다.
보통 1W당 몇 TOPS를 처리할 수 있는지 보여주며 엔비디아의 높은 소비전력을 단점으로 지적한다.

맞다. 저 수치가 잘못된거 아니고 사실이다.
그럼 그들의 주장대로 엔비디아를 대체할 수 있을까?

정답은 아니오다. 100%

이유는 서로의 태생과 목적성이 다르기 때문에 생기는 차이이지 단순히 뭐가 더 좋다고 이야기 하기 어렵다.

AI전용칩이라 불리는 SoC들은 특정 operation들을 처리하기에 특화된 구조를 가지고 있다.
예를 들어 Resnet34라는 딥러닝 네트워크를 잘 처리할 수 있게 그것을 구성하는 layer operation들로 SoC를 만든다.
즉, 특정 목적에 특화된 반도체라고 보면 된다.

하지만 엔비디아의 GPU는 그렇지 않다. 범용적이다.
어떤 연산이든 병렬화 가능한 알고리즘이라면 GPU를 사용해서 빠르게 처리할 수 있게 해준다.

차이는 여기에 있다.
늘 새로운 알고리즘이 만들어지고 새로운 operation이 제안되는 상황에서 GPU는 범용성이라는 큰 강점을 보여준다.
즉, SW개발자들은 빠르게 기술이 발달하는 현 상황에서 그 범용성을 선호한다.
 
얼마나 비싼지, 얼마나 전력을 적게 쓰는지 그런건 개발자들은 관심이 없다. 
그냥 빠르고, 개발하기 편하면 좋다.

물론 개발하는 AI의 구조가 이미 완성되어 있다면 AI 전용칩이 더 좋은 성능을 보여줄 수 있다.
하지만 보통 딥러닝 네트워크는 계속 개선 및 지속 발전을 하고 있기에 개발하는 입장에선 범용성을 무시할 수 없다.

무엇보다 엔비디아 GPU의 가장 큰 장점은 CUDA 라이브러리다. 이것 때문에 후발 주자들이 더욱 따라잡기 힘들다.

CUDA는 GPU에서 병렬화 연산을 고속으로 처리할 수 있도록 도와주는 SW라이브러리다.
HW기업이자만 아이러니하게 SW에 지속 투자를 해왔고 그 결과가 지금의 지위를 공고히 해준다는 거다.

너무 많은 정보에 읽는 분들은 무슨 말인지 모를거 같다. ㅜㅜ

이해를 돕기 위해 엔비디아의 GPU가 뭔지부터 살펴보자.
GPU는 Graphic Processing Unit을 의미한다.
즉, 게임에서 나오는 3차원 캐릭터들이 더 진짜처럼 보이도록 만들어주는 그래픽스에 특화된 고속 연산 장치이다.
일반적으로 tessellation, Shading, Ray Tracing등을 주로 해준다. 
결국 3차원 그래픽을 빠르게 보여주는 장치다.
쉽게 말해 여러분의 게임 화면을 더 빠르게 보여주는 장치라고 생각하면 된다.
이걸 원래 목적과는 다르게 그래픽스가 아닌 딥러닝 고속 연산에 쓰고 있다는 거다.

옛날에는 GPU가 미리 프로그래밍되어 있었지만, 엔비디아는 Programmable GPU를 제안했다. 
당시에는 Shader가 미리 고정되어 있었지만, 이 부분을 GPU에서 개발자들이 프로그래밍할 수 있게 되면서 빠르게 인기를 끌게 됐다. 
그런데 이 시기에 이상한 사람들이 생겨났다. 
 
그래픽스 프로그래밍을 하라고 만들어 놓은 Programmable GPU으로 Matrix 연산이나 Sorting 등 일반적인 연산을 병렬화해서 작성하는 사람들이 나타났다. 
당시에는 이러한 것들을 이렇게 불렀다. General Proposed GPU 프로그래밍... GPGPU..
당시의 Shader 전용 언어들로 어렵게 이러한 프로그래밍 언어를 작성했다. 
당시 ATI (현 AMD)나 인텔등은 이런 일에 관심이 없었다. 그런데 엔비디아는 달랐다. 
이걸 그냥 지나치지 않았다. 엔비디아는 GPU에서 이러한 병렬화 프로그래밍을 하기 위한 CUDA라는 API를 만들어서 공식적으로 제공해줬다. 
 
이때부터였다. 사람들이 개인용 PC로 당시 슈퍼 컴퓨터에서나 할 수 있었던 고성능 병렬 연산을 할 수 있었던 때가...
이후 AI시기가 오면서 딥러닝의 많은 연산을 이 CUDA를 이용해서 GPU에서 병렬 연산을 하기 시작했다. 
이후 AI에는 GPU가 필요하다는 공식 아닌 공식이 생기게 된다.
 
CUDA를 AI에 적용하기 시작한 시기가 이미 2010년 경...
이후 수 많은 업데이트를 거치면서 15년 이상 업데이트 되었다.
 
즉, 개발자들이 학교에서부터 관련 기술을 배우고, 개발 프레임워크에서 CUDA가 기본적으로 적용되고, 
회사에서 이를 적용하고 한지가 이미 15년 정도가 흘렀다는 이야기다. 
 
즉, 생태계가 만들어져 있다고 봐도 무방할 것이다. 
따라서 엔비디아의 GPU를 대체하는 반도체를 만든다는 것은 단순히 하드웨어 개발을 의미하는 것이 아니다. 
개발을 위한 SW 라이브러리까지 모두 갖춰져야 하고 그 완성도까지 올라와야 한다는 것이다. 
 
즉, 단기간에 대체 가능한 것이 아닐 것으로 예상된다. 
따라서 앞으로 몇년간은 엔비디아의 수익률이 지속될 것이고 이를 대체하기 위한 업체들은 수많은 도전을 반복하고 깨지면서 점유율을 조금씩 늘려갈 것으로 예상된다. 
 
하지만, GPU를 대체하기 위한 이 일은 작은 스타트업의 힘으로 이루기는 어려울 것으로 보인다. 
구글, 퀄컴, 인텔 등의 큰 업체만이 할 수 있는 일로 보인다. 
하지만, 내가 생각하는 대체율은 약 20~30% 수준... 그것도 인퍼런스 용이나 특정 목적으로 특화된 제품에 한해서 일 것으로 보인다. 
이유는 엔비디아다..
 
지금도 로봇, AI 등에 지속적으로 투자를 해서 본인들의 GPU를 활용하도록 만들고 있고, 그 개발의 자유도가 높다는 장점이 있기 때문이다. 
특히 SW 라이브러리에 대한 투자는 지금도 그 어떤 업체들보다 열심히 하고 있다. 
 
즉, 현시점에 엔비디아를 대체할 수 있다는 기사와 문구는 해당 업체의 홍보성이 강한 것으로 보여진다. 
 
따라서 좀 더 잘 따져보고 투자를 하는 것이 좋아보인다. 
아직은 멀었기 때문이다. 
 
그간 개미로서 투자를 하면서 깨달은 것은 너무 큰 수익을 바라지 않고, 안정적인 투자처를 찾고 긴 호흡으로 투자하는 것이라는 것이다. 
이것이 흔히 말하는 장기투자라고 생각된다. 
 
따라서 이 글을 읽는 분들도 더 이상 투기성 투자를 하지말고, 본인이 가장 잘 아는 분야에 안정적인 투자를 해서 꼭 재산을 의미있게 불렸으면 한다. 
 
투자는 신중하게... 우리 돈은 소중하니까...