현재 가장 활발하게 이루어지는 투자 분야가 반도체와 AI 관련 업종이죠. 사실 AI와 반도체는 상생관계라 뗄 수 없습니다. 그래서 이 두 분야가 아주 활발한 투자들이 이루어지고 발전도 이루어지고 있습니다.
이전에 이 분야에 투자를 해 두었으면 아주 짭짤한 이익을 보고 있는 분들이 아주 많을 텐데요, 보통 기술 분야는 5~10년 전에 투자를 해 두어야 아주 큰 이익을 보는 경우가 많습니다. 그러면 이제는 다음 기술 분야에 눈을 돌려야 할 시기이죠.
어디로 눈을 돌릴지 컴퓨터 기술 분야에 종사하고 있는 저의 생각을 적어 보았습니다.
반도체와 AI의 현 시점
현재 반도체, 특히 GPU (Graphics Processing Unit)과 AI 기술이 서로의 수혜자 관계가 성립 되어 있습니다. 서로를 이용하며 엄청난 발전을 하고 있습니다.
GPU는 2010년 초에 비트코인의 열풍으로 코인의 채굴용으로 사용되면서 대세를 타다 코인의 혹한기가 오고 비트코인의 채굴이 어려워지면서 다시 수그러들게 됩니다. 하지만 바로 AI가 GPU를 사용할 수 있는 환경이 되면서 AI의 발전으로 힘을 실어주는 GPU가 대세를 타게 됩니다. 현재는 아직도 NVIDIA의 독식이죠.
AI는 CPU (Central Processing Unit)에 의존하던 시기에는 연산 병렬처리의 한계로 발전이 거의 없다가 CPU의 한계점을 보완한 GPU의 연동이 가능함에 따라 기하급수적인 발전을 했습니다. 이 두 기술의 시기가 아주 잘 맞아 떨어졌죠. AI모델의 코딩은 거의 다 NVIDIA의 CUDA 라이브러리를 사용하므로 NVIDIA의 독식이라고 보아도 무관합니다.
하지만 많은 테크기업들이 NVIDIA의 독식을 막으려고 NVIDIA의 GPU의 문제점을 보완하며 경쟁력을 가진 GPU의 개발에 노력 중입니다. AMD, Intel, Microsoft, Google, Tesla, Meta, Broadcom, D-matrix 등의 수많은 기업들이 이 분야에 뛰어 들었죠. 이를 알고 있는 NVIDIA는 미래 경쟁에 살아남기 위해 로보틱스 같은 AI 관련의 타 영역으로 파고 들고 있습니다. 게다가 국가들과 기술 협약도 맺고 있죠.
반도체와 AI의 문제점
그런데 이런 현상이 끝이 없을 수는 없겠죠. 아주 큰 GPU 와 AI 의 문제점이 존재합니다. 바로 전력량과 연산의 한계, 그리고 궁극적으로는 데이터의 한계입니다.
GPU의 가장 큰 문제점은 전력소비가 엄청나다는 것입니다. GPU한 개를 구동하는 데에는 모델마다 상이하지만 서버 한대 가량의 전력 소모가 일어납니다. 이런 GPU는 AI의 학습과 추론시에 필요한 존재이고 현재 세상사람 모두가 사용하고 있죠. AI를 이용한 앱이나 서비스들도 나날이 증가 추세이므로 전력 소비량은 늘면 늘었지 줄지는 않습니다.
그리고 현재 이진수 기반의 컴퓨터의 연산 한계와 현존하는 데이터의 한계점도 보입니다. 이진수 기반의 컴퓨터는 0과 1의 데이터만으로 연산을 하기 때문에 어려운 연산이라면 (전력소비의 괴물인) 슈퍼컴퓨터로 대체해야 하는 경우 또는 문제해결이 불가능 한 경우도 존재합니다. 그리고 AI의 학습에 필요한 데이터는 한정이 있으므로 AI의 발전 속도 대비 사용할 수 있는 데이터의 양은 그리 많지 않아 언젠가는 AI 모델 발전의 한계에 다다를 것으로 보입니다,
GPU의 열띤 경쟁으로 수많은 기업들이 GPU 경쟁을 하다 보면 얼마 안가서 GPU 하드웨어 마켓의 포화 상태도 오게 되죠.
이렇게 GPU와 AI는 앞으로의 성장과 발전을 위해 무거운 숙제가 존재합니다.
투자해야 할 차세대 기술은?
AI는 인류가 존재하는한 없어지지 않을 기술입니다. 그러면 이 기술을 영원하게 보전 가능한 현 문제를 보완하는 차세대 기술들이 다음 투자 대상이 되겠죠? 알려드리겠습니다.
A. 에너지 기술:
전력 문제를 보완하는 기술은 당연하 차세대 에너지 기술이죠. 현재 재생에너지들이 연구가 되고는 있지만 아직 확장성으로 보자면 GPU의 전력공급으로는 터무니없이 부족합니다. 그리고 언제 가능하게 될지 모르는 상황이죠. 그러면 다시 핵으로 돌아서야 합니다.
현재 핵발전소는 핵분열식 (Nuclear Fission) 발전으로 아주 위험성이 높습니다. 그리고 폐기물도 문제이죠. 각 국가마다 열띤 경쟁을 하고 있는 분야가 핵융합 (Nuclear Fusion) 기술입니다. 핵융합 기술은 핵분열식 보다 훨씬 안정적이죠, 그리고 폐기물도 적고 그 폐기물은 100년내에 재활용이 가능합니다. 자연재해가 있다면 터지지 않고 꺼지는 식입니다 왜냐하면 플라즈마를 만드는 행 융합로의 온도가 1억도로 유지가 안되는 경우에는 꺼지게 됩니다. 문제는 이 1억도의 온도 유지기술이 어렵다는 일이죠. 그래서 각 나라마다 연구와 경쟁을 하고 있습니다.
이 핵융합 기술이 상용화가 된다면 에너지를 무한대로 공급할 수 있고 GPU도 이 수혜자가 되겠죠. 현재 여러 에너지 대기업들은 이 분야에 직접 뛰어 들지는 않고 투자나 양다리 정도 걸치고 있는 시점입니다.
B. 연산과 데이터의 한계:
연산의 한계 문제는 이진수식 컴퓨팅의 문제입니다. 그러면 차세대 컴퓨팅은 무엇일까요? 바로 양자 컴퓨팅 (Quantum Computing)입니다. 이진수식 고전 컴퓨팅은 연산의 한계가 0과 1입니다. 하지만 양자 컴퓨팅은 양자 역학 기반의 큐비트 (Qubit, 양자의 비트)의 상태와 확률로써 연산을 하므로 연산의 한계가 훨씬 높습니다.
현재 초전도체식, 이온트랩식, 광자식, 그리고 중성원자식등 다양한 컴퓨팅 방식을 이용한 하드웨어들이 출시되고 있습니다. 각각 최적화된 분야들도 존재합니다.
이 컴퓨팅으로 해결할 수 있는 문제들은 고전 컴퓨팅보다 훨씬 무궁무진 합니다. 현재 부분적으로 산업 최적화, 신약 / 신물질 개발, 그리고 보안 암호화 등에 사용이 되고 있습니다. 현재 양자 컴퓨팅의 문제점은 고전 컴퓨팅에 비해 오류가 높아 이 부분을 보완하는 데 양자 관련 기업들이 노력을 하고 있습니다.
양자 컴퓨팅에 중요한 부분이 QPU (Quantum Processing Unit)인데 이 QPU는 CPU와 GPU를 대체할 것으로는 보이지 않고 현재 CPU-GPU의 환경에 QPU가 더해지는 CPU-GPU-QPU의 삼각관계로 신기술들이 쏟아져 나올 가능성이 아주 많습니다.
양자 쪽에서도 연산용으로 CPU와 GPU를 적절하게 섞어서 사용하고 있습니다.
그러면 데이터의 한계는 어떻게 극복이 될까요? 언젠가는 AI의 학습 속도가 전 인류가 가지고 있는 데이터의 증가 속도보다 더 빠르게 됩니다. 그러며 더 이상 학습을 할 수 없게 되죠. 그렇지만 이는 이진수식 컴퓨팅에서 해결하고 가능한 학습에 한정되어 말하는 것입니다.
양자 컴퓨팅이 상용화가 된다면 훨씬 많은 인류에 존재하는 문제들을 해결할 수 있기에 기존에 존재하는 데이터를 활용하여 새로운 문제들과 기술들을 개발할 수 있습니다. 현존하는 데이터로 기술의 가지치기를 하는 것이죠. 그렇게 된다면 당분간은 데이터 증가 속도보다 기술의 가지치기로 인해 AI의 속도는 습득의 빠르기 (상하) 보다는 다양함의 속도 증가 (좌우)로 진행 될 것입니다.
양자와 고전 컴퓨팅 분야에 종사하고 있는 제 생각은 3~5년 내에 양자의 상용화가 올 가능성이 크다고 보고 있습니다.
현재 투자가 가능한 차세대 기술 기업들은?
아래의 유투브 링크에는 위 내용을 간략하게 설명하고 상장 / 비상장 기업들을 소개하였습니다.
