무어의 법칙: 과거와 현재

HyperAI 소개

무어의 법칙은 컴퓨터 과학의 유명한 추세 법칙 중 하나로, 하드웨어의 급속한 발전을 보여줍니다. 이 법은 하드웨어 제조업체가 자사 제품을 업데이트하도록 지속적으로 동기를 부여해 왔습니다.

그러나 최근 몇 년 동안 칩 산업은 기술적 병목 현상에 직면한 듯하며 업그레이드 속도는 계속해서 느려졌습니다. 그 결과, 많은 사람들은 무어의 법칙이 더 이상 효과가 없다고 생각합니다. 하지만 AI의 등장으로 무어의 법칙이 다시 살아났습니다.

무어의 법칙이란 무엇인가?

인텔의 공동 창립자 중 한 명인 고든 무어는 1965년 "집적 회로에 더 많은 부품을 집어넣기"라는 제목의 논문에서 무어의 법칙을 처음 제안했습니다.

무어의 법칙:

가격이 일정하게 유지된다면, 집적 회로(즉, 칩)에 수용할 수 있는 부품의 수는 약 18~24개월마다 두 배가 되고, 성능도 두 배가 됩니다.

즉, 1달러로 구매할 수 있는 컴퓨터 성능은 18~24개월마다 두 배 이상 증가하게 됩니다.

그 후 무어는 10년마다 칩 산업의 발전에 대한 예측을 내렸습니다. 그는 1975년에 칩의 복잡성이 향후 10년 동안 2년마다 두 배로 증가할 것이라고 예측했습니다.

이러한 추세는 반세기 이상 지속되었지만, 무어의 법칙은 여전히 물리적 또는 자연 법칙이라기보다는 관찰이나 추측으로 간주되어야 합니다.

2010년에 업데이트된 국제 반도체 기술 개발 로드맵의 성장은 둔화되었고, 그 이후로 트랜지스터 밀도는 3년마다 두 배로 증가할 것으로 예상됩니다.

이 법칙은 경제법칙의 IQ에 기반을 두고 있으며, 정보기술의 발전 속도를 나타낸다는 견해도 있다. 따라서 전자업계는 소비자들에게 몇 년마다 새로운 제품을 구매하도록 설득할 수 있습니다.

동시에 IBM 엔지니어 로버트 데나드는 무어의 법칙의 좋은 친구인 데나드 스케일링이라는 법칙을 1974년에 제안했습니다.

데나드 스케일링 법칙:

칩의 크기를 줄이는 동시에 구성 요소를 늘리면 생산 비용과 에너지 소비를 줄이는 동시에 실행 속도가 빨라집니다.

이런 식으로 무어의 법칙과 데나드 스케일링 법칙은 칩 제조업체가 칩 구성 요소를 늘리고, 칩 성능을 개선하고, 칩 크기를 줄이도록 지속적으로 영감을 주었고, 그 결과 30년 이상 칩 산업이 급속히 발전할 수 있었습니다.

무어의 법칙은 왜 실패했는가?

2005년부터 무어의 법칙에 따라 칩 연구 개발이 나노스케일로 진입했습니다. 구성 요소가 점점 더 많아지고 크기가 작아지면서 양자 터널링 효과(전자와 같은 미세한 입자가 전위 장벽을 관통하거나 넘을 수 있는 양자적 행동)가 점차 개입하게 되었습니다.

이러한 효과의 영향으로 트랜지스터 누설이 나타나기 시작하여, 더 작은 공정으로 칩을 제조할 경우 전력 소비가 감소하는 대신 증가하게 되고, 심각한 방열 문제도 발생합니다.

누수 문제를 해결하기 위해 사람들은 마이크로칩 개발을 중단하고 멀티 코어 개발로 전환하기 시작했습니다. 즉, 컴퓨터나 휴대폰에서 여러 개의 칩을 동시에 실행하는 것입니다. 그럼에도 불구하고 이 문제는 지금까지 효과적으로 해결되지 않았습니다.

트랜지스터 누설 현상은 데나드 스케일링 법칙을 완전히 깨뜨리고, 사람들에게 무어의 법칙에 대한 의문을 제기하게 했습니다. 게다가 현재의 칩 연구개발 여건 하에서는 트랜지스터 부품을 추가하는 것조차 어려운 실정이며, 기존 칩을 개량하는 수밖에 없는 실정인데, 칩 생산 비용은 꾸준히 증가하고 있다.

MediaTek의 수석 이사인 치엔핑 루(Chien-Ping Lu)는 2005년 논문에서 다음과 같이 지적했습니다.오늘날 트랜지스터 수는 원래 기반에서 두 배로 늘어났지만 프로세서의 전반적인 성능은 크게 향상되지 않았으며, 연구 개발 비용과 에너지 소비는 증가하고 있습니다.

칩 제조 비용은 해마다 증가하고 있습니다.

인텔은 또한 현재 칩 제조 공장을 설립하는 데 약 100억 달러가 소요된다고 지적했는데, 이는 어느 회사에게나 엄청난 금액입니다.

IBM의 연구개발 책임자인 다리오 길은 무어의 법칙이 컴퓨터 과학의 미래 발전에 적응하는 데 어려움이 있을 것이라고 직접적으로 언급했습니다.

인텔의 전 칩 설계자인 Bob Colwell도 다음과 같이 믿습니다.칩 산업은 2020년경에 5나노미터 기술을 이용해 칩을 생산할 수 있을지 모르지만, 이는 현재 칩 제조 기술의 한계일 가능성이 높습니다.

21세기 이후, 칩 산업은 크기가 작아지고 성능이 강화되면서 급속히 발전해 왔습니다. 그러나 제조 공정이 한계에 다다르면서 무어의 법칙은 기존 칩에서 어느 정도 주도적 역할을 잃었습니다.

하지만 AI 분야에서는 무어의 법칙이 다시 적용될 가능성이 높습니다.

AI는 무어의 법칙을 어떻게 구할 수 있을까?

AI의 등장으로 핵심 컴퓨터 하드웨어에 대한 새로운 요구 사항이 제기되었습니다. 딥 러닝 훈련 요구 사항을 충족하려면 하드웨어는 현재 에너지 소비 범위를 유지하거나 그보다 더 짧은 시간 내에 엄청난 양의 데이터를 처리할 수 있어야 합니다.

컴퓨팅 파워, 알고리즘, 데이터의 관계

2020년까지 AI에 필요한 컴퓨팅 능력은 현재 수준보다 12배 증가할 것으로 추산됩니다. 12배 향상된 컴퓨팅 성능을 통해 AI 모델은 원래 며칠 걸리던 작업을 몇 시간으로 단축할 수 있습니다. 하지만 기존의 칩에만 의존해 이 모든 것을 달성하는 것은 여전히 매우 어렵습니다.

이러한 목적을 위해 많은 회사가 칩의 컴퓨팅 성능을 높이고 사용 비용을 줄이기 위해 AI 전용 프로세서를 개발하고 있습니다. 수많은 AI 하드웨어 개발자 중에서 Nvidia, AMD 등 주요 하드웨어 공급업체가 개발한 GPU는 현재 AI의 컴퓨팅 성능 요구 사항을 충족할 수 있는 몇 안 되는 프로세서 중 하나일 것입니다.

네티즌들이 엔비디아 GPU를 가스레인지 모양으로 패러디했다.

세계 최대의 CPU 제조업체인 인텔은 앞으로 기존 GPU보다 더 강력한 성능을 갖춘 AI 프로세서를 개발하고자 합니다. 2016년에 인텔은 AI 소프트웨어 회사인 네르바나를 4억 800만 달러에 인수했습니다.

핵심 알고리즘의 컴퓨팅 효율성을 개선하기 위해 ASIC AI 시리즈를 출시했습니다. 이 칩은 세계 최고의 엔비디아 맥스웰 아키텍처 GPU보다 10배 더 강력하다고 합니다.

또한 구글은 AI에 특화되어 설계된 자체 AI 프로세서 TPU도 개발하고 있습니다. TPU는 벤치마크 코드 실행을 처리하는 데 있어 기존 AI 프로세서보다 15~30배 더 빠릅니다.

중국에서도 많은 기업들이 칩 분야에서 큰 진전을 이루려고 계획하고 있다. 이는 AI 산업 전반의 발전을 촉진할 뿐만 아니라, 국산 칩의 공백을 메우기 위해서도 필요하다.

CPU부터 GPU, TPU까지, AI는 새로운 기술을 사용하여 더욱 강력한 칩을 탄생시키고 있습니다. 이러한 관점에서 볼 때, 무어의 법칙은 기존 컴퓨터 하드웨어 분야에서는 실패하고 있지만, 앞으로는 AI 분야에서 다시 부활할 수도 있습니다.