자일링스 이보 볼젠 CTO, 칩 퍼포먼스에서 시스템 퍼포먼스로의 발전 강조

지난 2018년 1월 23일부터 25일까지 진행된 세미콘 코리아에서 강호규 부사장(삼성전자 반도체연구소 연구소장), 에반겔로스 엘레프테리우 부장(IBM Cloud and Computing Infrastructure), 안 슈티겐 부사장(IMEC Semiconductor Technology & Systems), 이보 볼젠 부사장 겸 CTO(자일링스)가 기조연설을 했다. 그 중 자일링스 이보볼젠 부사장의 ‘칩 퍼포먼스에서 시스템  퍼포먼스로의 발전 (The Evolution from Chip Performance to System Performance)’ 주제 발표를 요약 정리했다.

자일링스는 최근 몇 년간 여러 분야에서 발전을 경험했고, 그에 힘입어 지속적으로 성장하고 있다.

첫 번째는 지속적인 통합이다. 칩은 시스템의 일부이다. 즉, 반도체 회사의 도전과제는 시스템에 대한 전문성 확보이다. 여기서 말하는 시스템은 소프트웨어와 소프트웨어 프로그래밍 능력 모두를 포괄한다. 그래야 시스템을 잘 운영할 수 있기 때문이다. 시스템 운용이 잘되어야 프로그래밍 가능한 아키텍처를 만들 수 있다. 하드웨어에서의 역량도 중요하지만, 소프트웨어에서의 역량도 매우 중요하다. 이는 새로운 진화 시대에 꼭 필요한 요소이다.

두 번째로 장비 서플라이어와 함께 지속적으로 ROI가 높은 수준을 달성할 수 있도록 노력 하고 있다. 이는 이중적인 기술을 연결하는 것을 의미한다. 예를 들어 실리콘포토닉, 뉴메모리, 시스템 패키지 등을 말한다. IMEC, IBM도 이중적 기술을 개발한다. 새로운 도전과제는 이러한 이중적인 기술을 연결하는 것과 연관되어 있으며, 그래야 반도체 회사가 발전할 수 있다. 긍정적인 것은 필요한 자원과 투자가 충분하다는 점이다. 가령 데이터센터, 스마트폰 등의 애플리케이션과 관련된 기회는 많이 있다. 여기에 혁신이 더해지면 더 큰 가치와 시장이 만들어 질 것이다. 이 모든 중심에 바로 ‘반도체의 역량’이 자리하고 있다.

세 번째는 일부 도전과제가 기술적인 부분을 포함한다는 것이다. 반도체 기술 전반에 존재하는 체인에 가치관이 생성되고, ‘Use Case’가 많아야 고객이 돈을 지불할 의사가 생긴다. 여기서 바로 ‘커즈와일의 법칙’이 떠오른다. ‘커즈와일’은 연산의 기하급수적 증가에 대해 얘기했다. 기술 발전이 가져오는 기하급수적 성장 곡선이 ‘무어의 법칙’보다 더 길게 나타난다. 무어의 법칙 커브는 기하급수적 가치가 되돌아오기 때문에 가능하다. 즉 어떤 시스템이나 애플리케이션이 가져오는 가치가 있다는 것이다.

무어의 법칙 관련해서는 IMEC에서 머지않아 뉴로매틱 컴퓨팅이나, 퀀텀 컴퓨팅의 결과를 내놓아 우리가 꿈꿔 왔던 것들을 실현 시킬 수 있을 것이라고 말했다. 하지만 현재의 기술에는 조금 더 시간이 필요한 것이다. 기술을 계속 발전시키기 위해서는 가치를 부여하는 노력이 필요하다. 비록 눈에 띄는 성장은 아니지만 퀀텀컴퓨팅의 단계로 서서히 가고 있다. 일부 퀀텀컴퓨팅 선두 주자들은 기대치를 너무 높인 부분이 우려된다는 목소리도 있다. 이것은 마치 25년 전 인공지능이 활발히 논의되다가, 기대를 충족하지 못하고 사라졌던 것과 같다. 하지만 혁신 사이클을 만족시킨다면, 소비자도 만족시키고, 삶의 가치도 더욱 잘 전달할 수 있다.
선별적 영역에 있어서 애플리케이션은 계속 유지되며, 스케일링의 이점을 계속 활용할 것이다.

네 번째로 강조하고 싶은 부분은 레이어다. 현재 반도체 분야에서는 프로그래밍 가능한 컴포넌트에 대해 얘기 중에 있다. 여기서의 아키텍트는 CPU의 진화와는 조금 다르다. 현재 노드, 아키텍처 등 새로운 것들이 많이 나오고 있기 때문에, 올해가 아키텍처 분야에서 중요한 한 해가 될 것이다.
우리가 직면한 또 다른 과제는 프로그래밍 가능한 시스템을 만드는 것이다. 다양한 소프트웨어 애플리케이션을 구축하려는 사람들에게 접근성을 줘야 한다. 이를 위해 이중적이고 도메인화된 컴퓨팅 플랫폼을 만들고자 한다. 이처럼 프로그래밍 가능한 다양한 솔루션을 만들어가고 있다.

데이터가 컴퓨터보다 더 중요해져
다양한 아키텍처가 필요한 부분이 무엇인가. 아키텍처에는 다양한 애플리케이션이 필요한데, 그 중 가장 큰 부분을 차지하는것 하나가 바로 클라우드이다. 빅데이터 메니퓰레이션(Bigdata Manipulation), 빅데이터 프로세싱(Bigdata Processing), 빅데이터 크리에이션(Bigdata Creation), 스토리지(Storage), 커넥티비티(Connectivity) 등을 다루고 있다. 예전에 대학에서 주로 컴퓨터 센터에서 연구를 했지만, 지금은 데이터 센터에서 진행한다. 이는 데이터가 컴퓨터보다 훨씬 더 중요해졌다는 것을 의미한다.

또 다른 분야는 엣지 애플리케이션이다. 고객과 직접 작업을 진행하는 엣지단이 앞으로는 반도체에 뿐만 아니라 자율주행차량에도 적용될 것이다. 이러한 분야에서 엣지 프로세싱이 이루어 질 것이며, 새로운 요구들이 생겨날 것이다. 데이터 센터, 엣지, 5G 모션, IIoT 등의 분야에서 꼭 필요한 요소이다. 현재 엣지단과 관련된 애플리케이션이 많이 나와 있다. 이러한 애플리케이션은 안전성, 보안성, 연결성 등의 속성들을 제대로 확보해야 한다.



새로운 컴퓨팅 패러다임인 머신러닝에 대한 얘기도 빼놓을 수 없다. 머신러닝은 모든 기능들을 실행시켜 준다. 그래서 과거에는 불가능했던 것들이 가능해졌다. 현재 머신러닝은 과거의 행동을 관찰한 후 미래를 예측하는 수준에 이르렀다. 하지만 이 기능을 자율주행차에 사용한다면 위험한 상황이 발생할 수도 있다. 그래서 아직 머신러닝은 많은 개발이 필요하고, 큰 변화가 있을 거라 기대한다. 앞서 언급한 바와 같이 25년 전의 인공지능이 기대를 미치지 못해 없어졌다가 지금 다시 떠오른 이유는 데이터를 핸들링할 수 있게 되었기 때문이다.

이 모든 것들은 컴퓨터로부터 시작됐고, 거듭된 발전으로 클라우드까지 도달했다. 이동성을 주기 위한 변화였고, 파워를 줄이기 위한 노력의 결과이자, 애플리케이션 확대와 메쉬 컴퓨팅을 이루기 위한 노력이었다. 클라우드와 관련된 부분은 퍼포먼스와 스케일이고, 엣지단과 관련된 부분은 리얼타임이다. 클라우드와 엣지컴퓨팅이 주는 이득은 각각 다르다. 속도만 늘리는 것은 전력을 많이 소모하기 때문에, 어떤 이점을 전달할 수 있는가를 잘 파악해야 한다. 현재 대부분의 애플리케이션은 클라우드 기반이다. 모든 장치가 클라우드와 연결돼 있고, 클라우드에 집중된 접근 방식으로 진행되고 있다.

클라우드에서 누렸던 혜택이 엣지에서도 실행돼야
아직 시작 단계이기는 하지만, 몇몇의 컴퓨팅 클라우드에 있던 것들이 엣지단으로 옮겨가고 있는 중이다. 대부분의 사람들이 프라이버시 문제로 클라우드에서 엣지로 옮겨가고 있는 추세이다. 그렇다면 클라우드에서 누렸던 혜택들이 엣지에서도 실행되어야 한다는 의미인데, 이것이 바로 또 다른 우리의 과제이다. IoT, 5G, 자율주행에 대한 수요들이 많기 때문에 다시 디센트럴(Decentral)화된 분산형으로 가고, 엣지단에서의 프로세싱이 점차 강조된다.

반도체 제조사에 여러 도전과제가 주어지고 있다. 클라우드, 스토리지, 네트워킹에 대한 도전과제들이 많다. 전에는 데이터, 컴퓨터 센터 등의 아키텍처를 구축했고, 얼마나 빨리 컴퓨터에 전달되느냐가 요점이었다. 즉 연결성, 스토리지가 데이터 센터의 중추였다. 퍼포먼스를 제대로 내고 있는가, 애플리케이션이 제대로 구동되는가가 데이터 센터 구축에 가장 필요한 요소였다.

5년 전 컴퓨터를 보면 비디오 프로세싱, 머신러닝 등의 변화가 일어나고 있고, 현재의 변화를 이끌어 가고 있다. 인라인 프로세싱, 보안, 연결성도 지속적으로 나타나고 있다. 네트워킹에서도 프로그래밍 가능한 시스템 구축을 원한다. 데이터의 흐름이 바뀌었다. 사용하고자 하는 애플리케이션이 다르기 때문이다. 프로그래밍 가능한 디바이스를 원하고 있다. 프로그래밍 가능 여부는 매우 중요하다.

또 하나는 스토리지(storage)이다. 스토리지는 더욱 스마트해 지고 있다. 데이터센터에서 데이터 메니퓰레이션(Data Manipulation)에 대한 얘기를 할 때, 스토리지가 단지 저장 기능만 한다면 필요성이 크지 않다. 과거에는 스토리지에서 데이터를 가져와 연산하고 ‘Yes’ 또는 ‘No’의 답변만 했다면, 이제는 스토리지 가까이에서 분석해서 이분법적인 답변이 아닌 심화된 답변을 줄 수 있어야만 한다. IBM에서 또한 이에 대해 언급한바 있다.

하버드와 구글이 협력해 워크로드 분석을 했는데 중점 두었던 것이 킬러앱이었다. 어떤 킬러앱을 사용하느냐가 구글의 관심사였다. 전체 데이터로드의 99%가 킬러 애플리케이션으로 사용된다. 구글 데이터에서 가장 많이 사용되는 것 50개를 선정했다. 전체 데이터센터 워크로드의 활용도는 50%에 그쳤고, 킬러앱은 존재하지 않았다. 데이터센터에서는 ‘이것이 킬러앱이다’라고 할만큼 중요한 것은 없었다는 의미다. 그래서 이제는 ‘프로그래밍이 가능한가’라는 쪽으로 중요성이 바뀌었다.



아키텍처는 유연성을 가져야
사실 데이터 센터에서 아키텍처를 어떻게 해야하는가를 생각해 보면, 아키텍처는 유연성을 가져야한다. 그래야만 다양한 가치를 전달할 수 있다. 미래에는 모든 것이 맞춤화 될 것이다. 즉 프로그래밍이 가능해 진다는 것이다. 커스터마이즈 가능한 연결성 및 확장성이 확보돼야 한다. 프로그램에서 가능한 것이든, 엣지에서 가능한 것이든 중요한 것은 아키텍처가 프로그래밍 가능하다는 것이다. 모두 연결성과 관련된 이야기이다. 소프트웨어 또한 마찬가지이다. 소프트웨어는 더욱 도메인에 특화된 환경에서 작업하기 때문에 점점 효율성이 떨어진다. 도메인에 따라서 다른 부분을 사용해서이다. 프로그래밍 한다는 것에 대해 여러 분야에서의 변화가 필요하고, 이것이 데이터센터가 직면한 문제이자 도전과제이다.

엣지에서 센서 데이터를 리얼타임으로 분석하는 것을 바로 ‘엣지 컴퓨팅’이라고 한다. 여기에는 데이터센터 문제가 발생하지만, 엣지 프로세서에는 추가적인 문제가 더 발생한다. 컴퓨터는 예지능력이 필요하다. 완전자율주행을 위해서는 초당 페타바이트(PB)에 달하는 부속 데이터 처리와 분석 능력이 엣지단에서 이루어져야한다. 그런 의미에서 우리는 아직도 갈 길이 멀다. 지금 머신러닝 분야에서 이야기하는 것보다 조금 더 많은 시간이 필요할 것이라고 본다.

보통 자동차를 500와트 정도라고 한다면, 전기차는 이 정도로 얼마만큼의 거리를 이동할 수 있을까가 현재 주요 관심사이다. 하지만 이 문제는 파워를 사용해 분석해야 한다. 완전자율주행을 위해서는 개선이 필요하다. 자동차 프로세싱도 컴퓨터 사양이 높아야만 한다. 리얼타임으로 이루어져야 하며, 데이터 메니퓰레이션도 동시에 진행되어야 한다. 레이턴시가 너무 길면 자율주행이 힘들다. 5G에서 필요한 요건들도 상당히 유사하다. 프로그래밍 가능한 소프트웨어가 있어야 하고, 최적화된 와이어리스 스펙트럼, 리얼타임 코딩, 애플리케이션 실현도 있어야 한다. 많은 프로세싱과 컴퓨팅이 필요하고, 데이터 센싱보다 훨씬 더 많은 도전과제들이 남아 있다.

결론
결론적으로 시스템 측면에서 애플리케이션 활용에 무엇이 필요한지를 이야기했다. 우리는 기하급수적 커브를 보고 있다. 우리의 노력이 어떤 결과가 될지는 아직 잘 모르겠지만, 데이터는 기하급수적으로 늘어날 것이고, 그 데이터에 따라서 많은 기회가 있을 것이다. 새로운 프로그래밍 가능한 아키텍처 시대로 진입하고 있으며 병렬 연산, 이중적 프로그램들이 중요해지고 있다. 아키텍처에서 중요한 것은 각각의 애플리케이션이 ‘어떤 메리트를 전달하는가’이다. 머신러닝이 바로 이 모든 것들을 움직이는 중요한 요인이다.