'무어의 법칙'은 '황의 법칙'의 충분조건
'황의 법칙'이라 부르기엔 시기상조
AI의 발전속도는 보장되지 않는다
테크블로그 익스트림테크가 미국 월스트리스트저널이 보도한 소위 '황의 법칙'을 '허상(illusion)'이라고 22일(현지시간) 반박했다. AI발전 속도에 대한 기대와 우려가 이같은 논란을 불러일으키고 있는 것으로 보인다.
이에 앞서 19일 월스트리트 저널은 "황의 법칙은 새로운 무어의 법칙이다"라고 보도한 바 있다.(https://www.wsj.com/articles/huangs-law-is-the-new-moores-law-and-explains-why-nvidia-wants-arm-11600488001)
익스트림테크는 ▷2년 주기로 반도체의 성능이 2배가 되는 무어의 법칙이 ▷AI 연산 능력 기준으로 대체된다는 황의 법칙을 다음 3가지 이유로 반박했다.
1. 황의 법칙은 무어의 법칙과 뗄 수 없다
엔비디아는 빠르게 성능을 향상시키면서 무어의 법칙에 힘입은 트랜지스터의 밀도를 높였다. 따라서, 트랜지스터 성능 향상 척도인 무어의 법칙이 문제가 있다면 황의 법칙도 마찬가지. 엔비디아가 칩의 성능 고도화를 이룬다면 무어의 법칙이 아직 적용된다.
2. 황의 법칙이라고 부르기엔 시기상조
고든 무어는 5년간의 검토 후 1965년 첫 논문을 발표했고 1975년 반도체의 성능 발전 주기를 1년에서 2년으로 수정했다. 캘리포니아공과대학 카버 미드 교수가 같은 해 무어의 법칙을 명명했고, 이는 16년간 검증을 거쳤다. 월스트리트저널의 타임라인에 따르면 엔비디아는 볼타 칩부터 AI와 머신러닝에서 유용한 성능을 냈다. 황의 법칙이 4년 밖에 관측되지 않았고, 빌 달리의 수치를 기준 삼아도 8년밖에 되지 않았다.
3. AI와 머신러닝의 발전속도가 보장되지 않았다
무어의 법칙이 건재해 나노공정을 통한 트랜지스터의 성능 향상을 가정해도 AI와 머신러닝의 발전 또한 같지 않을 수 있다. 메모리 사용량은 낮추고 로딩 속도를 줄여주는 FP16(부동 소수점)과 INT8(자료형) 등 기술로 AI 성능을 올려도 모든 유형의 워크로드가 같은 방식으로 적절한 결과를 제공하지는 않는다. 아마존, 구글, 페이스북 등 대형회사들도 무한한 규모의 AI 네트워크를 구축하기엔 역부족.
무어의 법칙은 밀도의 척도, 데나드 스케일링은 절대적 성능의 척도이다. 두 가지 척도는 종종 결합되지만, 황의 법칙을 이야기할 때 이 두 가지를 결합하면 상황이 모호해진다고 익스트림테크는 분석했다.
엔비디아 칩의 성능 향상은 두 번(케플러 > 맥스웰, 볼타 > 튜링)을 제외하고는 모두 나노 공정발전의 덕을 봤고, 큰 폭의 성장이 있었을 때는 새로운 프로세스 노드가 적용되었다. "곧 무어의 법칙이 황의 법칙을 가능케 하는 것"이라는 주장이다.
무단전재 및 재배포 금지
기사제보 및 보도자료 news@aitimes.com