저자: TickerSymbol:YOU진행자Alex · 외국인
요약 보기
GPT-4 등 생성형 AI가 여러 산업에 확산되며, 학습과 추론에 필요한 대규모 연산을 엔비디아 GPU가 담당하므로 엔비디아가 세계에서 가장 중요한 기업이 될 것이라고 주장. 엔비디아 A100/H100 칩의 학습·추론 속도 향상(최대 9배·30배), 슈퍼컴퓨터 EOS 구축 등을 근거로 제시. GTC 행사 참여 홍보 및 경품 이벤트 포함. 구체적 주가 방향 예측은 없음.
다듬은 글
제가 왜 엔비디아가 세계에서 가장 중요한 회사가 될 거라고 생각하는지 말씀드리겠습니다. 저는 어렸을 때부터 인공지능이라는 개념에 늘 매료되어 있었습니다. 기본적인 AI가 탑재된 적을 상대로 비디오 게임을 하던 기억이 나는데, 그 적들이 실시간으로 제 행동을 보고 생각하고 반응하는 것 같아서 신기했습니다. 나이가 들면서 AI가 어떻게 작동하는지 더 알게 되었고, 그것이 비디오 게임보다 훨씬 더 큰 의미가 있다는 걸 깨달았습니다. 예를 들어 구글이 기사의 관련성과 인기도 같은 요소를 바탕으로 최고의 검색 결과를 보여주려고 AI를 쓴다는 것을 배웠습니다. 그리고 이 유튜브 채널을 시작한 뒤로는 금융에서 의료에 이르기까지 AI가 방대한 데이터를 분석하고 미래를 더 정확하게 예측하는 데 쓰이고 있다는 것도 알게 되었습니다. 오늘날 저는 AI의 잠재력에 놀라고 있습니다. 챗GPT를 통해 보고 있는 것은 우리가 아직 상상조차 못 하는 방식으로 삶의 모든 측면을 바꿀 수 있는 능력입니다.
이건 오픈AI만의 이야기가 아닙니다. 구글은 얼마 전 워크스페이스 AI를 발표했습니다. 독스와 지메일에 요약 생성, 회의 중 메모 작성, 이메일 스캔 후 답장 자동 추천 같은 AI 기능을 추가했습니다. 마이크로소프트도 코파일럿을 발표했는데, 이는 사용자가 마이크로소프트의 앱들을 어떻게 쓰는지, 동료와 어떻게 소통하는지를 학습하는 AI입니다. 그렇게 얻은 정보로 다음 이메일 작성부터 복잡한 스프레드시트 구성, 특정 청중을 위한 발표 자료 제작까지 도와줍니다. 그러니 비디오 게임의 적이든, 검색 엔진이든, 챗봇이나 가상 비서든, AI가 우리 일상의 모든 부분을 건드리고 있는 것은 분명합니다.
하지만 너무 흥분하시기 전에 고백할 것이 있습니다. 대학원을 마치고 MIT에서 8년을 보낸 뒤, 제가 AI라고 생각했던 많은 것들이 사실 AI가 아니었다는 걸 깨달았습니다. 예를 들어 제가 좋아하던 게임의 AI는 사실 적의 행동을 결정하는 논리 규칙 묶음에 불과했습니다. 제가 너무 가까이 가면 공격하고, 적의 체력이 너무 낮아지면 도망치는 식이었죠. 그래서 제가 AI라고 생각했던 것은 사실 각 적이 내리는 규칙 기반의 선택들이었고, 때로는 진짜처럼 느껴졌지만 어떤 때는 금방 무너졌습니다. 구글 검색도 사실 AI를 쓰지 않습니다. 대신 검색엔진 최적화, 즉 SEO라는 것에 의존합니다. 예를 들어 '뉴욕 최고의 피자'를 검색하면, 구글은 각 결과마다 웹페이지의 내용과 키워드, 권위, 다른 웹사이트에서 얼마나 자주 링크되는지, 심지어 여러분의 실제 위치 같은 요소들을 살펴서 검색 결과 맨 위에 보여줄 페이지를 결정합니다. 오해하지 마세요. 구글 검색은 매우 가치가 있습니다. 하지만 그것은 최고의 결과를 긴 목록의 맨 위로 걸러내는 테스트, 체크, 공식들로 작동하며, 이는 AI와 같은 것이 아닙니다.
그래서 오픈AI, 마이크로소프트, 구글이 내놓는 이 멋진 도구들에 대한 큰 질문이 생깁니다. 이것들은 정말 AI일까요? 믿기 어렵겠지만 답은 '그렇다'입니다. 챗GPT는 GPT-4라는 대형 언어 모델로 작동합니다. GPT는 Generative Pre-trained Transformer의 약자입니다. 이 세 단어가 바로 엔비디아가 세계에서 가장 중요한 회사가 될 수도 있는 이유를 이해하는 열쇠입니다. 마이크로소프트도, 구글도, 심지어 오픈AI도 아닙니다. 이 단어들을 하나씩 살펴보겠습니다. 먼저 트랜스포머(Transformer)부터 보죠.
여러분도 알다시피 트랜스포머는 변신하는 로봇인데, 보통 오토봇과 디셉티콘이라는 두 종류가 있습니다. 아, 잠깐, 그런 트랜스포머가 아닙니다. 여기서의 트랜스포머는 인간 두뇌의 구조와 기능에서 영감을 받은 기계학습 모델인 신경망의 한 종류입니다. 신경망은 데이터에서 패턴을 인식하고 그 패턴을 바탕으로 예측하고 결정하도록 설계되어 있습니다. 제가 엄청난 너드가 아니더라도 여러분은 이미 신경망과 상호작용해 본 적이 있을 겁니다. 몇 가지 예를 들어보겠습니다. 스마트폰 앱이 사진과 영상 속 얼굴과 사물을 감지하는 것을 아시죠? 사물 인식은 합성곱 신경망, 즉 CNN이 합니다. 저도 MIT에서 사물 인식에 많은 시간을 쏟았습니다. 스마트폰 키보드가 문장을 자동완성하고, 쓸수록 더 나아지는 것도 아시죠? 문장 속 단어처럼 순차적인 데이터를 처리하고 예측하는 것은 순환 신경망, 즉 RNN이 합니다. 소셜 미디어 필터가 실시간으로 사진과 영상을 수정하고 향상시키는 것, 실제 데이터를 흉내 내는 완전히 새로운 이미지와 영상을 만드는 것은 생성적 적대 신경망, 즉 GAN이 합니다. GAN은 오픈AI의 달리 이미지 생성기, 스냅챗과 틱톡 필터 같은 것들 뒤에 있는 신경망입니다. 최신 신경망 중 하나가 바로 트랜스포머입니다. 트랜스포머는 2017년 구글의 연구자들이 방금 말씀드린 다른 신경망들의 가장 큰 한계, 특히 자연어 처리에서의 한계를 해결하기 위해 도입했습니다. 트랜스포머의 특별한 점은 문장 속 각 단어의 상대적 중요도를 결정하고, 가장 중요한 단어들을 이용해 출력을 이끌어간다는 것입니다. 이 덕분에 언어 번역, 텍스트 요약, 언어 생성 같은 작업에 매우 뛰어납니다.
좋습니다. 트랜스포머가 GPT의 T이고, P는 사전 학습(pre-trained)입니다. 이는 특정 작업, 예를 들어 기술 지원 질문에 답하거나 사업 아이디어를 내는 것에 맞춰 미세 조정하기 전에 모델이 대량의 텍스트 데이터로 학습되었다는 뜻입니다. GPT-4는 웹사이트, 책, 과학 논문, 뉴스 기사 등 다양한 주제와 문체를 담은 방대한 자료로 사전 학습되었습니다. 위키백과부터 공상과학 소설까지 데이터셋에 포함되어 있습니다. 사전 학습을 쓰면 모델이 언어에 대한 일반적인 이해를 발전시킬 수 있고, 이는 다양한 작업에 적용할 수 있습니다. 그래서 웹사이트 문구 작성, 교육용 강의 제작, 영화와 게임의 대사 같은 것들을 위한 세부 모델을 개발하는 것이 훨씬 효율적이고 비용 효과적입니다. 그래서 P는 사전 학습입니다. 이제 모두 합쳐보겠습니다. G는 생성(generative)입니다. 모델이 새로운 텍스트를 생성하기 때문입니다. GPT-4가 만든 텍스트와 사람이 쓴 텍스트를 구별하기 어렵습니다. GPT-4의 트랜스포머가 사람이 쓴 텍스트로 사전 학습되었기 때문입니다.
이제 이런 생각이 드실 겁니다. "그건 다 좋은데, 트랜스포머는 구글이 만들었고, GPT-4는 오픈AI가 만들었고, 마이크로소프트가 모든 앱에 넣고 있다면, 엔비디아는 어디에 들어가는 건가요?" 답은 이 모든 모델이 엔비디아의 GPU로 학습된다는 것입니다. 그리고 엔비디아의 GTC가 코앞에 다가왔습니다. GTC는 엔비디아의 개발자 콘퍼런스로, 비디오 게임과 시각 효과부터 로보틱스, 자율주행차, 그리고 AI가 큰 영향을 미치고 있는 모든 산업의 최신 혁신을 보여줍니다. 그런데 이번 GTC는 특별합니다. 챗GPT에서 보는 것 같은 생성형 AI와 엔비디아의 대규모 옴니버스 프로그램, 가속 컴퓨팅, 딥러닝에 초점을 맞추기 때문입니다. 바로 이 채널에서 제가 계속 다뤄온 것들입니다. GTC는 3월 20일부터 23일까지 온라인으로 열리고, 젠슨 황의 기조연설은 3월 21일입니다. 오픈AI의 공동창업자이자 수석과학자, 구글 딥마인드의 창업자이자 CEO를 비롯한 여러 훌륭한 연사들의 독점 세션도 있습니다. 무엇보다 좋은 것은, 제 링크를 통해 최소 한 개 세션에 등록하는 분은 누구나 엔비디아 RTX 4080 파운더스 에디션 그래픽카드를 받을 기회가 있다는 것입니다. 이 제품은 무겁습니다. 해야 할 일은 최소 한 개의 GTC 세션에 참석하고, 콘퍼런스 후 스크린샷을 찍어 tickersymbolyou.com/GTC로 보내는 것입니다. GTC가 끝나고 며칠 뒤에 당첨자를 발표해서 참석자들이 응모할 시간을 드리겠습니다.
엔비디아의 RTX 4080은 고성능 게임, 콘텐츠 제작, 전문 시각화 분야에서 정말 괴물 같은 그래픽카드입니다. 하지만 그 카드 한 장으로 GPT-4를 학습시키려면 500년 넘게 걸릴 겁니다. 실제로 일어난 일은 이렇습니다. 오픈AI는 5년도 더 전에 마이크로소프트에 연락해서 GPT 모델을 학습시킬 수 있는 AI 인프라를 구축해 달라고 요청했습니다. 마이크로소프트는 그 인프라를 개발하는 데 수억 달러를 썼고, 그 돈의 상당 부분은 A100, H100 같은 기업용 GPU 수천 개를 사는 데 엔비디아로 흘러 들어갔습니다. 엔비디아의 A100 GPU는 머신러닝, 딥러닝, 데이터 분석 등 데이터센터의 가장 까다로운 AI 작업을 위해 설계되었습니다. A100에는 고급 텐서 코어도 탑재되어 있어 딥러닝에 필요한 복잡한 행렬 연산을 기존 CPU보다 훨씬 빠르게 처리합니다. 엔비디아의 최신 H100 데이터센터 칩은 A100보다 성능이 크게 높아졌습니다. AI 학습에서 최대 9배, GPT-4 같은 모델의 추론에서는 무려 30배까지 빨라지는 것을 약속합니다. 젠슨 황의 GTC 기조연설에도 멋진 정보가 많을 것 같고, 가능한 한 빨리 정리해서 전해드리고 싶습니다.
그가 분명 이야기할 것 중 하나는 엔비디아의 칩들이 거의 모든 규모에서 연결되어 더 강력한 시스템을 만들도록 설계되었다는 점입니다. 예를 들어 H100 칩 8개를 연결해 DGX H100 서버 시스템을 만들 수 있고, DGX H100 서버 9개를 결합하면 DGX 포드가 되는데, 이것은 기업 수준 및 그 이상으로 AI 서비스를 제공하도록 확장할 수 있는 참조 설계입니다. 하지만 여기서 멈추지 않습니다. DGX 포드 32개를 함께 묶으면 세계에서 가장 강력한 컴퓨팅 시스템 중 하나인 슈퍼 포드가 됩니다. 이 시스템은 엄청난 양의 데이터를 처리하고, 가장 복잡한 AI 작업도 손쉽게 수행할 수 있습니다. 그리고 엔비디아는 이런 슈퍼 포드 18개를 연결해 EOS라는 슈퍼컴퓨터를 만들고 있습니다. 이것은 현재 세계 최고의 슈퍼컴퓨터인 일본의 후가쿠보다 약 2.5배 강력할 것입니다. 이것은 단순한 과시가 아닙니다. 마이크로소프트 애저부터 아마존 웹 서비스까지 모든 클라우드 컴퓨팅 플랫폼이 향후 몇 년 안에 이런 기업용 GPU를 아주 많이 필요로 하게 될 것입니다.
챗GPT가 몇 달 전 나왔을 때는 GPT-3를 사용하고 있었습니다. GPT-3 모델에는 1,750억 개가 넘는 파라미터가 있습니다. 대략적으로 말하면, 머신러닝 모델의 파라미터는 방정식의 변수와 조금 비슷합니다. 그러니 1,750억 개의 파라미터는 매우 복잡한 모델입니다. 실제로 GPT-3는 출시될 당시 단연 가장 큰 머신러닝 모델이었습니다. 그런데 GPT-4는 약 10조 개의 파라미터를 가지고 있다고 하니, GPT-3보다 거의 60배 큽니다. 이는 그 P, 즉 사전 학습을 하기에 엄청나게 큰 모델입니다. 그리고 이것은 다른 사람들이 최종 모델을 광고 문구나 웹사이트 문구, 영화와 게임의 대사, 동화, 대서사 소설 등을 쓰도록 훈련시키고 싶어 하는 모든 방식을 아직 다루지도 않은 것입니다.
그리고 텍스트만이 아닙니다. 생성형 AI는 이미지와 그래픽도 만들 수 있습니다. 그래픽 디자인 경험이 전혀 없어도 로고를 디자인하고, 제품을 만들기 전에 실감 나는 제품 이미지를 생성할 수 있다고 생각해 보세요. 패션 디자인도 가능합니다. 옷 자체뿐 아니라 그 옷을 입은 모델까지 AI가 생성할 수 있습니다. 이런 사진 속 모델들은 실존 인물이 아니라 AI가 만들어낸 것입니다. 엔비디아 캔버스는 사람들이 간단한 도형과 선을 거의 실시간으로 사실적인 풍경으로 바꿀 수 있게 도와주는 AI 기반 프로그램입니다. 이 프로그램에는 산과 바위, 강과 바다, 들판과 꽃, 다양한 하늘과 구름 같은 재료별 브러시가 있습니다. 조명과 시간대도 바꿀 수 있습니다. 컨셉 아티스트나 영화와 게임의 장면을 스토리보드로 구상하는 사람, 혹은 자신이 좋아하는 사진을 손보는 사람에게 얼마나 유용할지 생각해 보세요. 새로운 도구를 배우지 않고도 가능합니다. 또 게임이나 건축, 제품 디자인을 위한 3D 모델과 에셋을 생성하는 것은 어떤가요? 전에는 상당한 업계 경험이 필요했던 일이 이제 몇 가지 프롬프트만으로 가능해집니다. 단순히 도구를 모른다고 모델을 만들 수 있다는 것만이 아니라, AI가 인간보다 훨씬 빠르게 모델을 만들 수 있다는 뜻입니다. 이는 비용이 훨씬 낮아지고 반복 개선의 여지가 훨씬 많아진다는 의미입니다. 심지어 AI는 인간 디자이너가 떠올리지 못했을 3D 모델을 만들어낼 수도 있습니다. 그다음 그 에셋을 엔비디아의 옴니버스로 가져가 3D 모델이 실시간으로 어떻게 작동하는지 보고, 실물을 만들기 전에 수정할 수 있습니다. 예를 들어 건축가는 집의 3D 모델을 만들고, 하루의 시간대에 따라 자연광이 건물에 어떻게 들어오는지 시뮬레이션할 수 있습니다. 또 자동차 제조사는 서로 다른 공장 구성에서 자동차 한 대를 만드는 데 얼마나 걸리는지 시뮬레이션하고, 가장 좋은 구성을 고를 수 있습니다.
집에 있는 의자부터 집 자체, 컨베이어 벨트와 로봇이 가득한 대형 공장, 그리고 전체 가상 세계에 이르기까지, 방금 이야기한 모든 에셋이 인간의 손이 아니라 AI에 의해 생성되는 것은 시간문제입니다. 그리고 그 모든 것은 수천수만 개의 엔비디아 GPU로 구동됩니다. 그래서 저는 엔비디아가 세계에서 가장 중요한 회사가 될 거라고 생각합니다. 아래 설명란의 제 링크를 이용해 GTC 세션에 최소 한 개라도 꼭 등록하세요. 진심입니다. 세션은 자기 직장에서 생성형 AI를 활용하는 법부터 자율주행과 로보틱스의 혁신, 그 사이의 모든 것까지 다룹니다. 그리고 우리가 정말 무시할 수 없는 또 하나의 변화가 있습니다. 다음 에피소드도 꼭 확인해 주세요. 제가 그럴 자격이 있다고 생각하신다면 좋아요 버튼을 누르고 구독도 부탁드립니다. 이런 에피소드를 더 만드는 데 큰 힘이 됩니다. 어쨌든 시청해 주셔서 감사합니다. 다음에 또 만나요. 티커 심볼 유였습니다. 제 이름은 알렉스이고, 여러분이 할 수 있는 가장 좋은 투자는 바로 여러분 자신에 대한 투자라는 것을 다시 한번 상기시켜 드립니다.
Comments 0