유니콘팩토리

엔비디아(NVIDIA)가 대만을 아시아권 최고의 AI 중심지로 만들겠단 포부를 내비친 가운데, 우리나라의 차세대 AI 반도체 R&D(연구·개발)는 한계에 봉착했다는 지적이 나왔다. AI 반도체 양산을 염두에 둔 단계별 R&D 정책이 필요하다는 제언이다. 최근 대만 출신 미국인 젠슨 황 엔비디아 CEO(최고경영자)는 대만에 AI 슈퍼컴퓨터를 구축하고 엔비디아 신사옥을 타이베이에 짓겠다고 했다. 대만 내 반도체 기업들과 생태계를 조성해 'AI 거점'으로 키우겠다는 의지다. 대만과 지리적으로 가까운데다 반도체를 핵심 먹거리로 삼고 있는 우리나라로서는 AI 반도체 시장의 주도권을 대만에 뺏길 수 있다는 우려가 나온다. 국내에서도 엔비디아가 독점한 GPU(그래픽처리장치) 시장을 뒤집을 '차세대 반도체' 개발에 박차를 가하고 있지만 "아직 상용화로서는 설익은 단계"라는 평이다. 삼성전자와 SK하이닉스가 뛰어든 PIM 반도체 시장에서도 평가는 비슷하다. PIM 반도체는 메모리 기능에 연산 기능

중국 AI(인공지능) 스타트업 딥시크가 저사양 AI 반도체로 학습한 이른바 '고성능·저비용 AI'를 공개한 가운데, 국내에서는 이미 지난해 딥시크가 사용한 H800보다 저렴한 '게임용 GPU'로 AI를 학습시킨 사례가 있어 뒤늦게 주목받고 있다. 딥시크 AI의 개발 비용을 낮춘 핵심 기술인 'MoE(Mixture of Expert·전문가 기반 혼합형)'도 국내에서 구현됐다. 딥시크가 공개한 R1이 화제가 된 건 엔비디아의 저사양 GPU(그래픽처리장치)인 H800을 써서다. 개당 6000만원을 호가하는 고사양 GPU(그래픽처리장치) H100으로 훈련한 챗 GPT와 달리, H100과 비교해 성능은 30% 떨어지지만 가격은 수천만 원 저렴한 H800을 활용해 고성능 AI를 개발하는데 성공했기 때문이다. 그런데 한동수 KAIST 전기및전자공학부 교수 연구팀이 지난해 9월 공개한 분산 학습 프레임워크 '스텔라트레인(Stella Train)'은 H800보다도 저렴한 100만~300만원대 저가