용어사전

GPU

[graphic processing unit]

그래픽처리를 위한 고성능의 처리장치로 그래픽카드의 핵심이다.
GPU는 게임이나 영상편집 등 멀티미디어 작업에서 CPU를 보조하기 위한 부품으로 등장했다. 1999년 엔비디아가 '지포스'를 출시하며 처음 나온 용어이다. GPU는 4차 산업혁명의 핵심인 인공지능(AI) 컴퓨터의 핵심 부품으로 손꼽히고 있다.

GPU가 4차 산업혁명의 총아로 각광받은 것은 AI 연구에서 뛰어난 성능을 발휘한다는 점이 확인되면서부터다. 2010년 AI 분야 석학인 앤드루 응 스탠퍼드대 교수는 12개의 GPU가 무려 2000개의 CPU에 맞먹는 딥 러닝 성능을 발휘한다는 사실을 발견했다. 딥 러닝은 인간 신경망 구조를 본뜬 기계학습(머신러닝)의 일종으로 컴퓨터가 스스로 문제 해결 방법을 찾아내는 기술을 말한다.

2012년 열린 이미지넷 대회(소프트웨어로 사진을 인식해 사물이나 배경이 무엇인지 맞히는 프로그래밍 경진대회)에서 놀라운 성능을 내면서 GPU는 인공지능 학계의 ‘스타’가 됐다. 당시 토론토대 박사과정을 밟고 있던 알렉스 크리제브스키(현 구글 머신러닝팀 엔지니어)는 사진인식 프로그램에 처음으로 GPU를 이용해 ‘마의 장벽’으로 여겨지던 인식률 80%를 넘기면서 학계를 뒤흔들었다.

GPU가 CPU에 비해 딥러닝에 강한 것은 연산 방식의 차이 때문이다. 딥 러닝을 구현하려면 방대한 양의 정보를 한꺼번에 처리할 수 있어야 한다. CPU는 직렬처리 방식(한 가지 작업을 마친 뒤 다음 작업을 처리)에 최적화된 1~8개의 코어로 구성돼 있다. 명령어가 입력된 순서대로 순차적으로 데이터를 처리한다. 구조상 수많은 정보가 한꺼번에 들어오면 병목현상이 생겨 비효율적이다. 반면 GPU는 수백에서 수천 개의 코어가 들어가 있어 대량의 데이터를 너끈히 처리할 수 있다.

예를 들어 점을 하나씩 찍는 방식으로 그림을 그린다고 해보자. CPU는 붓을 움직이는 속도는 빠르지만 한 번에 한 개의 점만 찍을 수 있다. 그림 하나를 완성하려면 많은 시간이 걸린다. 반면 GPU는 손놀림은 느리지만 한꺼번에 수천 개의 붓을 동시에 쥐고 있어 붓질 한 번에 그림을 완성할 수 있다.





이후 GPU는 AI뿐만 아니라 동영상 변환 작업, 기후 변화 예측, 암호해독 등 다양한 분야에 사용되고 있다. 특히 미래 핵심 산업인 자율주행차 시스템을 개발하는 데 GPU는 필수 요소로 꼽힌다. 자율주행 차량은 지속적으로 주변 상황에 관한 정보를 수집하고 많은 양의 데이터를 빠르게 분석해 판단을 내려야 한다.

AI 시장이 성장하면서 GPU 수요 역시 꾸준히 증가할 것으로 예상된다. 시장조사기관 IDC는 세계 인공지능 시스템 시장 규모가 지난해 80억달러에서 2020년 470억달러(약 53조6740억원)로 늘어날 것으로 추산했다.