인텔, 세계 최대 뉴로모픽 컴퓨터 '할라 포인트' 공개…11억 5천만 개 뉴런 탑재

AI 모델이 똑똑해질수록 전력망은 비명을 지르고 있습니다. 기존 컴퓨터는 연산 장치와 메모리가 분리되어 있어 데이터를 주고받는 과정에서 막대한 전력을 낭비하는 폰 노이만 병목 현상을 겪기 때문입니다.

인텔이 4월 17일 공개한 '할라 포인트(Hala Point)'는 이 구조를 근본적으로 뜯어고친 세계 최대 규모의 뇌 모방 뉴로모픽 컴퓨터입니다. 인간의 뇌처럼 인공 뉴런이 데이터 저장과 연산을 한 자리에서 동시에 처리합니다.

전자레인지 크기에 담은 11억 개 인공 뉴런

할라 포인트는 인텔의 2세대 뉴로모픽 연구용 칩인 로이히 2(Loihi 2) 1152개를 탑재했습니다. 시스템 내부에는 11억 5천만 개의 인공 뉴런이 얽혀 있으며, 초당 380조 번의 시냅스 연산을 수행합니다.

이런 막강한 성능을 내면서도 차지하는 공간은 표준 서버 케이스의 6U 수준으로, 일반 가정용 전자레인지 크기에 불과합니다. 인텔의 마이크 데이비스(Mike Davies)는 굳이 10억 뉴런 규모로 맞춘 이유에 대해 "딱 떨어지는 깔끔한 숫자였기 때문"이라며, 기술적 한계에 부딪혀 시스템을 이 크기에서 멈춘 것은 아니라고 설명했습니다.

현재 비교 대상으로 꼽히는 뉴로모픽 컴퓨터는 올해 말 완공 예정인 딥사우스(DeepSouth)가 있지만, 해당 장비의 연산력도 초당 228조 번 수준에 그칩니다. 인텔은 제약 조건 안에서 최선의 결과를 찾아내는 최적화 문제를 풀 때 할라 포인트가 기존 장비 대비 전력을 100배 적게 쓴다고 밝혔습니다.

칩은 완성됐지만 소프트웨어는 걸음마 단계

하지만 할라 포인트가 당장 엔비디아 그래픽 카드를 대체할 수 있는 것은 아닙니다. 가장 큰 걸림돌은 개발 도구와 소프트웨어의 부재입니다.

데이비스는 현실 세계의 과제를 뉴로모픽 컴퓨터가 이해할 수 있는 형태로 변환하는 소프트웨어 레이어가 극히 초기 단계에 머물러 있다고 털어놓았습니다. 소프트웨어 지원이 부족한 탓에 지금 당장 이보다 더 거대한 시스템을 만들어도 활용하기 어렵다는 뜻입니다.

학계에서는 AI 학습 방식을 두고도 날 선 반응이 나왔습니다. 인텔은 매번 처음부터 다시 학습할 필요 없이 새로운 지식을 지속적으로 습득하는 '연속 학습'이 가능하다고 주장합니다.

영국 서식스 대학교의 제임스 나이트(James Knight) 교수는 이를 '과장 광고'라고 잘라 말했습니다. 챗GPT 같은 모델은 수천 장의 GPU가 동시에 데이터를 병렬 처리하며 학습하는데, 단일 입력 기반으로 작동하는 뉴로모픽 하드웨어로는 챗GPT 수준의 기초 학습을 끝내는 데만 수십 년이 걸릴 수 있다는 지적입니다.

데이비스 역시 대규모 모델을 밑바닥부터 학습시키는 데는 현재 뉴로모픽 하드웨어가 맞지 않는다는 점을 인정했습니다. 대신 이미 학습된 모델을 가져와 적은 전력으로 새로운 작업을 덧붙여 배우는 연구에 집중하고 있다고 물러섰습니다.

왜 중요한가

트랜스포머 아키텍처에 막대한 전기와 연산 자원을 쏟아붓는 현재의 생성형 AI 개발 방식은 조만간 명백한 에너지 한계에 부딪힐 수밖에 없습니다. 인간의 뇌처럼 극도로 낮은 전력으로 작동하는 하드웨어 연구는 먼 미래의 AGI로 가기 위해 언젠가 반드시 넘어야 할 다리입니다.

일반 개발자나 기업 관점에서 지금 당장 할라 포인트를 도입할 이유는 전혀 없습니다. 파이토치처럼 익숙한 개발 생태계가 없고, 실무에 쓸 수 있는 소프트웨어 파이프라인이 턱없이 부족해 연구실 수준의 실험 장비에 가깝기 때문입니다.

그럼에도 인텔의 이번 행보는 전략적으로 영리해 보입니다. 현재 주류인 AI 가속기 시장에서는 주도권을 완전히 내준 상태지만, 기존 폰 노이만 구조의 한계를 깨는 장기 연구에서 독보적인 레퍼런스를 쥐고 가는 것은 훌륭한 보험이 됩니다. 다만 이 연구가 박물관의 값비싼 전시품으로 끝나지 않으려면, 외부 개발자들이 쉽게 접근할 수 있는 컴파일러와 툴킷을 얼마나 빠르게 보급하느냐에 성패가 달려 있습니다.