【드래곤 스포츠】 보증업체놀이터추천홍보 : 프로그램제작판매제작의뢰 : 스포츠분석 : 무료스포츠중계tv : 섹시bj움짤 : 뉴스 : 안구정화

로그인

글쓰기

[IT뉴스]젠슨 황 무너지자 뛰는 AMD·브로드컴 주가···오픈소스로도 못 넘은 기술 격차

온카뱅크관리자

2026-11-13 15:57:25

<div id="layerTranslateNotice" style="display:none;"></div> ROCm 무료 공개에도 CUDA 생태계 건재 AMD GPU 전환에 커널 재최적화 부담 브로드컴 ASIC은 고객별 전용 설계 컴파일 성공해도 연산 성능 보장 못 해 
 <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> 
 <section dmcf-sid="Utfy45ztYE">
 <figure class="figure_frm origin_fig" contents-hash="c9eb6cacd110c42ef1378a7f5c08cac6edc32ec2a55f496b8c23492d4d659f4f" data-idxno="465365" data-type="photo" dmcf-pid="uF4W81qFGk" dmcf-ptype="figure">
 <img alt="리사 수 AMD 회장 겸 최고경영자(CEO)**가 행사에서 AI 가속기 반도체를 들어 보이고 있다. AMD는 오픈소스 소프트웨어 플랫폼 ROCm을 통해 엔비디아의 CUDA 생태계에 도전하고 있다. /AMD" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202611/13/552814-8XPEppr/20261113155457037tsrz.jpg" data-org-width="1080" dmcf-mid="3zDN5wvmtr" dmcf-mtype="image" height="auto" src="https://img3.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202611/13/552814-8XPEppr/20261113155457037tsrz.jpg" width="658">
 <figcaption class="txt_caption default_figure">
 리사 수 AMD 회장 겸 최고경영자(CEO)**가 행사에서 AI 가속기 반도체를 들어 보이고 있다. AMD는 오픈소스 소프트웨어 플랫폼 ROCm을 통해 엔비디아의 CUDA 생태계에 도전하고 있다. /AMD
 </figcaption>
 </figure>
 엔비디아의 젠슨 황 최고경영자(CEO)를 둘러싼 논란에 경쟁사 AMD와 브로드컴이 틈새 시장을 노리지만 CUDA의 기술적 장벽은 젠슨 황의 거취와 무관하다는 지적이 나온다.
 13일 미국 증시와 주요 외신 보도를 종합하면 지난 12일(현지시간) 뉴욕 증시에서 AMD 주가는 전 거래일보다 5.86% 오른 585.30 달러에 거래를 마쳤다. 브로드컴도 5.54% 상승한 364.36 달러로 마감했다. 반면 엔비디아는 4.34% 하락한 166.19 달러를 기록했다.
 젠슨 황의 사임 소식이 전해지면서 투자자들이 엔비디아의 시장점유율을 경쟁사가 가져갈 가능성에 주목한 것으로 풀이된다. 그러나 AMD는 CUDA 프로그램을 자사 GPU로 이전하는 과정에서 커널 재최적화 부담을 해결해야 하고 브로드컴은 고객별 맞춤형 반도체 사업에 집중하고 있어 엔비디아의 범용 소프트웨어 생태계를 단기간에 대체하기 어렵다는 기술적 한계가 분명하다.
 인공지능(AI) 가속기 제작 경쟁사인 AMD는 ROCm을 오픈소스로 공개하고 CUDA 프로그램의 이전을 지원해 왔다. 브로드컴은 대형 기술기업의 맞춤형 AI 가속기(ASIC) 개발을 지원하며 시장을 넓히고 있다.
 하지만 엔비디아의 경쟁력은 GPU 칩 자체를 넘어 컴파일러와 수학 라이브러리, 통신 소프트웨어, 커널 최적화 기술에 축적돼 있다. 오픈소스를 무료로 공개하거나 특정 고객에 맞춘 반도체를 공급하는 것만으로 CUDA 생태계의 기술적 우위를 해소할 수는 없다는 얘기다.
 먼저 AMD의 ROCm은 GPU용 컴파일러와 런타임, 수학 라이브러리, 통신 기능을 포함한 공개 소프트웨어 플랫폼이다. CUDA 프로그램을 AMD 환경으로 옮기는 HIP과 HIPIFY도 제공한다. 개발자는 기존 CUDA 코드의 상당 부분을 변환할 수 있지만 엔비디아 GPU에 최적화된 메모리 접근과 스레드 배치, 행렬곱 및 어텐션 커널을 AMD GPU에서도 동일한 성능으로 실행하려면 별도의 최적화 작업이 필요하다.
 문제는 AI 모델의 연산이 단순한 코드 번역으로 끝나지 않는다는 점이다. 엔비디아의 cuBLAS는 행렬 연산을, cuDNN은 딥러닝 연산을, NCCL은 다중 GPU 통신을 최적화한다. AMD도 rocBLAS와 MIOpen, RCCL 등 대응 라이브러리를 제공한다.
 <div contents-hash="d2c75f9765cb42cd7b07972207021899cc51f1aa399468031788892036aa5dda" dmcf-pid="2qetd74qGL" dmcf-ptype="general">
 실제 경쟁에서는 각 라이브러리가 지원하는 연산 범위와 커널 구현, 하드웨어별 최적화 수준이 성능을 좌우한다. ROCm의 공개 라이선스는 소프트웨어 접근 비용을 낮추지만 커널 최적화와 성능 검증에 필요한 개발 비용까지 없애지는 못한다.
 </div>
 <figure class="figure_frm origin_fig" contents-hash="44ad3499fbdbb5c75a1ff1f1b7b56e67c6b5dea447b551ad9c36da84d7251d33" data-idxno="465366" data-type="photo" dmcf-pid="VBdFJz8BHn" dmcf-ptype="figure">
 <img alt="브로드컴은 대형 기술기업의 요구에 맞춘 전용 반도체(ASIC) 설계와 데이터센터 네트워크 기술을 중심으로 AI 반도체 시장을 공략하고 있다. /브로드컴" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202611/13/552814-8XPEppr/20261113155458298bwsn.jpg" data-org-width="1080" dmcf-mid="0sQVwxgRGw" dmcf-mtype="image" height="auto" src="https://img3.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202611/13/552814-8XPEppr/20261113155458298bwsn.jpg" width="658">
 <figcaption class="txt_caption default_figure">
 브로드컴은 대형 기술기업의 요구에 맞춘 전용 반도체(ASIC) 설계와 데이터센터 네트워크 기술을 중심으로 AI 반도체 시장을 공략하고 있다. /브로드컴
 </figcaption>
 </figure>
 브로드컴의 맞춤형 칩은 다를까?
 브로드컴은 대형 기술기업의 요구에 맞춰 AI 가속기를 설계하는 맞춤형 반도체 사업을 확대하고 있다. 고객이 주로 실행하는 AI 모델과 데이터 처리 방식에 맞춰 연산 회로와 메모리 연결을 구성하면 특정 작업에서 높은 전력 효율과 처리량을 확보할 수 있다. 해당 반도체의 성능을 끌어내려면 고객의 컴파일러와 런타임, 데이터센터 네트워크까지 함께 최적화해야 한다.
 <div contents-hash="c6933b0bb320f6ffd150d1072158a78ac73c17b672982590bedbf0022a739247" dmcf-pid="8zR1eufzGd" dmcf-ptype="general">
 대표적인 사례가 구글의 TPU다. TPU의 성능은 전용 연산 회로뿐 아니라 XLA 컴파일러와 소프트웨어 실행환경, 데이터센터 운영체계의 결합에서 나온다. 브로드컴이 맞춤형 칩 개발에 참여하더라도 구글의 소프트웨어 기술까지 소유하는 것은 아니다. 브로드컴의 반도체 매출 증가와 범용 CUDA 대체 생태계 구축을 동일한 성과로 평가하기 어려운 이유다.
 </div>
 <figure class="figure_frm origin_fig" contents-hash="577a0960faf2d86192eca0cdab6bb77ad546940ae998b2c26205c437e5a59cca" data-idxno="465367" data-type="photo" dmcf-pid="6qetd74qZe" dmcf-ptype="figure">
 <img alt="엔비디아의 다중 GPU 시스템. 여러 GPU를 연결해 대규모 AI 모델의 학습과 추론을 처리하는 장비로 장치 간 데이터 전송과 통신 소프트웨어 최적화가 핵심 경쟁력이다. /엔비디아" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202611/13/552814-8XPEppr/20261113155459546oafc.jpg" data-org-width="1080" dmcf-mid="pdm8sejJtD" dmcf-mtype="image" height="auto" src="https://img1.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202611/13/552814-8XPEppr/20261113155459546oafc.jpg" width="658">
 <figcaption class="txt_caption default_figure">
 엔비디아의 다중 GPU 시스템. 여러 GPU를 연결해 대규모 AI 모델의 학습과 추론을 처리하는 장비로 장치 간 데이터 전송과 통신 소프트웨어 최적화가 핵심 경쟁력이다. /엔비디아
 </figcaption>
 </figure>
 컴파일 성공해도 느리면 끝나 커널 융합·메모리·통신이 승부
 AI 반도체의 성능을 비교하려면 같은 모델을 실행했을 때 얼마나 빠르고 안정적으로 결과를 생산하는지 측정해야 한다. 행렬곱 하나를 처리하는 속도뿐 아니라 어텐션 연산의 메모리 사용량과 커널 호출 횟수, 여러 GPU 사이의 데이터 전송 지연까지 살펴야 한다. 특히 대규모 언어모델은 연산 장치가 계산을 수행하는 시간 외에도 메모리에서 데이터를 읽어 오고 다른 장치와 중간 결과를 교환하는 데 상당한 시간을 사용한다.
 커널 융합(Kernel Fusion)은 여러 연산을 하나로 합쳐 중간 데이터를 메모리에 반복 저장하는 비용을 줄이는 기술이다. 엔비디아 GPU에서 높은 성능을 내는 융합 커널을 AMD GPU로 옮길 경우 레지스터 사용량과 공유 메모리 구조, 실행 단위 차이에 따라 최적의 구현이 달라진다. 브로드컴의 맞춤형 ASIC도 특정 연산에 최적화된 설계가 다른 모델과 작업 부하에서 동일한 효율을 보장하지는 않는다.
 다중 GPU 학습에서는 통신 성능도 중요하다. 엔비디아는 NVLink와 NVSwitch, NCCL을 결합해 GPU 사이의 데이터 교환을 최적화한다. AMD는 Infinity Fabric과 RCCL 등으로 대응한다. 브로드컴은 네트워크 스위치와 연결 기술에서 경쟁력을 확보하고 있다. 이들 기술은 각각 다른 영역에서 성능을 결정하므로 단일 칩의 최대 연산 성능만 비교해서는 실제 AI 학습 및 추론 비용을 판단하기 어렵다.
 앞서 AMD가 ROCm을 무료로 공개한 이후에도 CUDA가 강력한 개발 생태계를 유지하는 이유는 개발자가 이미 축적된 성능 최적화 경험을 재사용할 수 있기 때문이다. 새로운 GPU로 이전하려면 기존 프로그램이 정상적으로 실행되는지 확인하고 처리속도와 메모리 사용량을 다시 측정해야 한다. 일부 연산에서 더 높은 성능을 확보하더라도 전체 AI 모델의 실행 비용이 줄어드는지는 별도로 계산해야 한다.
 소프트웨어 최적화만으로 해결할 수 없는 하드웨어의 한계도 있다. 국내 AI 반도체 기업 하이퍼엑셀은 HBM보다 대역폭이 약 8.8배 낮은 LPDDR5X를 사용하면서 대형 연산 코어 32개를 배치하고 메모리 대역폭 활용률을 최대 90% 이상으로 끌어올렸다. 자체 시험에서는 비교 대상 엔비디아 GPU 시스템보다 가격·전력 대비 토큰 처리량을 각각 약 3.7배 높였다고 밝혔다.
 결국 AI 반도체 경쟁은 결국 컴파일러와 연산 커널, 메모리 대역폭, 장치 간 통신 성능을 얼마나 효율적으로 결합하느냐에 달려 있다. 메모리 활용률을 90% 이상으로 높여도 절대적인 대역폭의 한계가 남고 특정 추론 작업의 비용 효율을 개선해도 모든 AI 모델에서 같은 성능을 보장할 수 없다. AMD의 오픈소스 공개와 브로드컴의 맞춤형 칩 개발이 곧바로 CUDA의 기술적 우위를 무너뜨릴 수 없는 이유다.
 ☞ ROCm(Radeon Open Compute) = AMD가 개발한 GPU 연산용 공개 소프트웨어 플랫폼. 컴파일러와 실행환경, 수학 라이브러리 등을 포함하며 HIP을 통해 CUDA 코드의 이전을 지원한다.
 ☞ 커널 융합(Kernel Fusion) = 여러 연산을 하나의 GPU 커널로 결합해 메모리 접근과 커널 호출에 따른 비용을 줄이는 최적화 기술. AI 모델의 학습과 추론 성능을 개선하는 데 활용된다.
 여성경제신문 이상헌 기자 liberty@seoulmedia.co.kr
 *여성경제신문 기사는 기자 또는 외부 필자가 작성 후 AI를 이용해 교정·교열하고 문장을 다듬었음을 밝힙니다. 기사에 포함된 이미지 중 AI로 생성한 이미지는 사진 캡션에 밝혀두었습니다.
 </section> 
 </div>

댓글 총 0개

이번주 포인트랭킹

매주 일요일 밤 0시에 랭킹을 초기화합니다.

14,000상품권
23,000상품권
32,000상품권

업체홍보/구인 더보기

지식/노하우 더보기

판매의뢰 더보기

포토 더보기