【드래곤 스포츠】 보증업체놀이터추천홍보 : 프로그램제작판매제작의뢰 : 스포츠분석 : 무료스포츠중계tv : 섹시bj움짤 : 뉴스 : 안구정화

로그인

글쓰기

[IT뉴스]美 AI 패권 종식 부른 젠슨 황 스캔들···뉴욕 증시 전광판에 뜬 CUDA 부고장

온카뱅크관리자

2026-11-13 11:27:25

<div id="layerTranslateNotice" style="display:none;"></div> 경영 스캔들 이적 행위로 매도하다 주식 급락으로 부고 쓰는 언론 실체 CUDA 지배력은 개발자 전환 비용 주가 폭락해도 GPU 연산 능력 그대로 
 <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> 
 <section dmcf-sid="8VoDrS5TXN">
 <figure class="figure_frm origin_fig" contents-hash="d2304a299884b3a569fdb4012c5fd8568f1a20bff1d3c5d8565fd6396db4c36c" data-idxno="465345" data-type="photo" dmcf-pid="64arsTtW1a" dmcf-ptype="figure">
 <img alt="뉴욕 증시 전광판이 산산조각 나며 'CUDA 부고장'이 등장하는 모습을 연출한 이미지. 주가 하락을 엔비디아의 기술 패권 붕괴로 연결하는 언론의 보도 행태를 풍자했다. /GPT 생성 이미지" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202611/13/552814-8XPEppr/20261113112309243czjq.gif" data-org-width="439" dmcf-mid="b47qb6nQtw" dmcf-mtype="image" height="auto" src="https://t1.daumcdn.net/news/202611/13/552814-8XPEppr/20261113112309243czjq.gif" width="439">
 <figcaption class="txt_caption default_figure">
 뉴욕 증시 전광판이 산산조각 나며 'CUDA 부고장'이 등장하는 모습을 연출한 이미지. 주가 하락을 엔비디아의 기술 패권 붕괴로 연결하는 언론의 보도 행태를 풍자했다. /GPT 생성 이미지
 </figcaption>
 </figure>
 미국의 인공지능(AI) 패권은 끝났다. 언론의 주가 전광판에서다. 엔비디아 창업자 젠슨 황을 둘러싼 중국 스파이와의 불륜 의혹이 확산됐고 황은 최고경영자(CEO) 자리에서 물러났다. 엔비디아 이사회는 국가안보나 회사 기밀이 침해됐다고 믿을 이유가 없다는 입장을 밝혔다. 황의 사생활을 둘러싼 의혹과 간첩 행위 및 핵심 기술 유출을 입증하는 문제는 별개다.
 주가 하락을 젠슨 황의 몰락으로 연결하는 사이 그래픽처리장치(GPU)의 연산 회로와 CUDA의 실행환경은 그대로 남아 있었다. 그런데 그 CUDA마저 장례 절차를 밟게 됐다. 엔비디아가 수십 년 동안 쌓아 올린 개발자 전환 비용의 장벽을 낮출 수 있는 기술이 이미 존재한다. 언론이 젠슨 황의 부고를 쓰는 동안 CUDA의 진짜 장례식은 주가 전광판 밖에서 준비되고 있었다.
 엔비디아의 경쟁력은 연산 성능과 이를 활용하는 소프트웨어 생태계에서 나온다. GPU는 수많은 계산을 동시에 처리하는 반도체로 AI 학습과 추론에 필요한 행렬 연산을 수행한다. CUDA는 개발자가 엔비디아 GPU에서 프로그램을 작성하고 실행하도록 지원하는 플랫폼이다. 엔비디아는 행렬 연산용 cuBLAS와 딥러닝용 cuDNN, 여러 GPU 사이의 통신을 처리하는 NCCL 등을 구축했다.
 지금까지 CUDA의 영향력은 개발자가 다른 반도체로 이동할 때 발생하는 비용에서 드러난다. 엔비디아 GPU에서 사용하던 프로그램을 AMD GPU나 다른 AI 가속기로 옮기려면 컴파일러와 라이브러리, 실행환경을 조정해야 한다. 같은 행렬 곱셈이라도 반도체마다 연산 회로와 메모리 구조, 병렬 처리 방식이 다르다. 프로그램이 정상적으로 실행되는지 확인하고 기존 처리속도를 유지하기 위한 최적화 작업도 필요하다.
 <div contents-hash="32e0df4a2e1469a8a180336b84f388bfc8cba752e45dcdbe3ac5cddb46720d51" dmcf-pid="WTuV4ejJHi" dmcf-ptype="general">
 기업이 GPU를 구매할 때 반도체 가격만 비교하지 않는 이유다. 기존 프로그램과 개발자의 경험, 데이터센터 운영 도구를 얼마나 재사용할 수 있는지가 전체 비용에 영향을 미친다. 경쟁사 제품의 가격이 낮아도 프로그램을 이전하는 데 더 많은 비용이 발생하면 엔비디아 GPU를 유지하는 편이 유리할 수 있다. 이러한 전환 비용이 CUDA의 시장 지배력을 뒷받침해왔다.
 </div>
 <figure class="figure_frm origin_fig" contents-hash="a0875d5ccb96a459737713abf8e651015f19fd63a7d1ae79da073990472bd328" data-idxno="465347" data-type="photo" dmcf-pid="Yy7f8dAi5J" dmcf-ptype="figure">
 <img alt="뉴욕 증권 거래소 외관 /여성경제신문DB" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202611/13/552814-8XPEppr/20261113112310545iqkx.jpg" data-org-width="1080" dmcf-mid="KvajcOYCHD" dmcf-mtype="image" height="auto" src="https://img4.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202611/13/552814-8XPEppr/20261113112310545iqkx.jpg" width="658">
 <figcaption class="txt_caption default_figure">
 뉴욕 증권 거래소 외관 /여성경제신문DB
 </figcaption>
 </figure>
 주가 전광판은 이러한 기술적 비용을 직접 보여주지 않는다. 젠슨 황을 둘러싼 의혹이 실제 기술 경쟁력에 어떤 영향을 미쳤는지 판단하려면 기술 유출 자료와 접근 기록, 고객 계약의 변화, 개발 일정의 차질 등을 확인해야 한다는 얘기다. 스파이 의혹과 간첩 행위의 입증은 별개의 문제다. 특정 인물의 사생활 의혹을 반도체 기술의 유출이나 CUDA 생태계의 붕괴로 연결하려면 그 사이의 기술적 인과관계를 밝혀야 한다.
 CUDA의 전환 비용을 낮추는 기술 가운데 하나가 컴파일러다. 컴파일러는 사람이 작성한 프로그램을 반도체가 실행할 수 있는 코드로 변환한다. 프로그래밍 언어와 하드웨어가 다양해질수록 서로 다른 환경을 연결하는 작업이 중요해진다.
 덧셈 하나로 무너지는 제국
 프로그래밍 언어가 5개이고 목표 반도체가 4종이라고 가정하자. 모든 언어를 모든 반도체에 직접 연결하는 구조라면 필요한 변환 경로는 5×4로 계산한 20개다. 새로운 반도체가 추가되면 각 언어에 대응하는 변환 경로를 더 만들어야 한다.
 컴파일러 공학에서는 이러한 중복을 줄이기 위해 중간표현(IR)을 활용한다. 프로그램을 특정 반도체의 명령어로 바로 변환하는 대신 공통된 중간 형식으로 표현한 뒤 목표 장치에 맞게 다시 변환하는 방식이다.
 언어 5개를 공통 IR로 변환하는 프런트엔드 5개와 IR을 반도체 4종에 맞게 처리하는 백엔드 4개를 구성하면 연결 경로는 9개가 된다. 언어와 반도체의 모든 조합을 개별적으로 구현하는 구조에서 언어별 처리와 장치별 처리를 분리하는 구조로 바뀌는 것이다.
 직접 연결은 5 × 4 = 20개 공통 IR 연결 5 + 4 = 9개
 이렇게 단순화한 모델에서는 연결 경로가 55% 감소한다. 실제 개발비나 프로그램 이전 비용이 같은 비율로 줄어드는 것은 아니다. 반도체마다 지원하는 명령어와 메모리 구조가 다르고 최적화 작업도 별도로 필요하다. 이 계산은 공통 IR을 도입했을 때 변환 경로의 중복을 얼마나 줄일 수 있는지 보여주는 예시다.
 실제 개발비가 같은 비율로 감소하는 것은 아니지만 특정 제조사의 개발환경에 묶인 프로그램을 다른 반도체로 옮기는 비용을 낮출 수 있다. 엔비디아도 NVVM IR과 PTX를 사용한다. 문제는 컴파일러 기술의 발명이 아니라 이를 활용해 누가 더 많은 반도체와 개발자를 확보하느냐다.
 중국 반도체 기업들의 공세도 이 지점에 집중되고 있다. 화웨이의 CANN, 무어스레드의 MUSA, 캠브리콘의 BANG C를 비롯한 독자 개발환경이 잇따라 등장하면서 엔비디아가 장악해 온 소프트웨어 생태계에 도전하고 있다. 각 기업의 플랫폼이 완전히 호환되는 것은 아니지만 CUDA를 거치지 않고 AI 연산을 수행할 수 있는 선택지가 늘어나고 있다.
 <div contents-hash="50481f7997c2a34efe8b8d96c2f73610e6539c0b56fbca6d273a9a47ef81bba5" dmcf-pid="pUQLgDSrHf" dmcf-ptype="general">
 젠슨 황의 부고를 퍼나르는 동안 중국 기업들은 반도체와 컴파일러, 실행환경을 확보하고 있다. 다시 말해 무너질 수 있는 것은 한 경영자의 명성이 아니라 미국 AI 패권이란 얘기다.
 </div>
 <figure class="figure_frm origin_fig" contents-hash="3166e61e589857ef483c3dc5fc88d7c6bad63e410074f1ae6deb3cf7eee8e78b" data-idxno="465346" data-type="photo" dmcf-pid="Uuxoawvm5V" dmcf-ptype="figure">
 <img alt="중국 주요 반도체 기업들이 엔비디아의 CUDA 의존도를 낮추기 위해 개발한 컴파일러와 연산 커널, 런타임 등 소프트웨어 기술. 화웨이의 CANN과 무어스레드의 MUSA, 캠브리콘의 BANG C를 비롯해 중국 기업 10곳의 주요 개발환경과 핵심 기능을 정리했다. / 그래픽=여성경제신문" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202611/13/552814-8XPEppr/20261113112311944ajfi.png" data-org-width="1024" dmcf-mid="9Sqb9QoMGE" dmcf-mtype="image" height="auto" src="https://img2.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202611/13/552814-8XPEppr/20261113112311944ajfi.png" width="658">
 <figcaption class="txt_caption default_figure">
 중국 주요 반도체 기업들이 엔비디아의 CUDA 의존도를 낮추기 위해 개발한 컴파일러와 연산 커널, 런타임 등 소프트웨어 기술. 화웨이의 CANN과 무어스레드의 MUSA, 캠브리콘의 BANG C를 비롯해 중국 기업 10곳의 주요 개발환경과 핵심 기능을 정리했다. / 그래픽=여성경제신문
 </figcaption>
 </figure>
 중국 반도체 10개 군단의 공세 LLVM·MLIR로 CUDA 공격
 중국 반도체 기업들이 엔비디아에 도전할 수 있는 배경에는 LLVM과 MLIR 같은 컴파일러 기술이 있다. GPU를 새로 설계하는 것만으로는 엔비디아의 고객을 빼앗을 수 없다. 개발자가 기존 AI 프로그램을 다른 반도체에서도 실행할 수 있어야 한다. 엔비디아가 CUDA로 쌓아 올린 장벽을 넘으려면 반도체뿐 아니라 프로그램을 번역하는 소프트웨어까지 확보해야 하는 이유다.
 LLVM은 프로그래밍 언어를 반도체가 실행할 수 있는 코드로 변환하는 오픈소스 컴파일러 인프라다. MLIR은 AI에 사용되는 행렬과 텐서 연산을 여러 단계의 중간표현으로 바꿔 처리하도록 지원한다. 제조사가 각자의 반도체에 맞는 변환 기능을 개발하면 기존 컴파일러 기술을 활용해 소프트웨어 환경을 구축할 수 있다. 개발자가 사용하는 언어와 반도체의 명령어 체계를 분리해 CUDA에 묶인 프로그램의 이전 부담을 낮추는 방식이다.
 화웨이는 어센드 가속기와 CANN을 결합했고 무어스레드는 MUSA와 CUDA 코드 이전 도구인 Musify를 구축했다. 캠브리콘은 BANG C를 통해 자체 연산 커널을 개발한다. 바이두의 쿤룬신과 알리바바의 티헤드, 비런테크놀로지, 메타엑스, 엔플레임, 일루바타 등도 AI 가속기 시장에서 경쟁하고 있다. 중국 기업들이 엔비디아의 GPU를 대체할 반도체뿐 아니라 이를 작동시키는 개발환경까지 확보하려는 구도다.
 물론 이들 기업이 하나의 공통된 CUDA 대체 플랫폼을 완성한 것은 아니다. 화웨이의 CANN에서 작성한 프로그램이 무어스레드의 MUSA에서 그대로 실행되는 것도 아니다. 각 제조사가 자체 개발환경을 구축하면서 새로운 종속 구조가 만들어질 수 있다. 엔비디아의 장벽을 넘는 동시에 중국 기업들 사이에서도 소프트웨어 호환성 경쟁이 벌어지는 것이다.
 <div contents-hash="8669bba657750e84e9ce62924f0aaa68a3404ebfc147d51833d4701d5e22d87e" dmcf-pid="bKicECHlHq" dmcf-ptype="general">
 그럼에도 엔비디아가 독점적으로 제공하던 개발환경에 대안이 생기고 있다는 사실은 중요하다. 개발자가 다른 반도체로 옮겨갈 때 부담해야 하는 비용이 낮아질수록 CUDA의 고객 유지 능력도 시험대에 오른다. 결국 승부는 동일한 AI 프로그램을 얼마나 쉽게 이전하고 얼마나 빠르게 실행할 수 있느냐에서 갈린다. 젠슨 황의 사생활을 둘러싼 의혹보다 미국과 중국의 AI 경쟁에 직접적인 영향을 미칠 수 있는 기술적 변화다.
 </div>
 <figure class="figure_frm origin_fig" contents-hash="2db30ed6edf6014c121a537242fda2bce1d8df6dad11ebefb63dc8228911c382" data-idxno="465349" data-type="photo" dmcf-pid="KEY3pKx2Zz" dmcf-ptype="figure">
 <img alt="일본 쓰쿠바대학교의 이종 컴퓨팅 슈퍼컴퓨터 'Cygnus' 연산 노드 내부. 엔비디아 GPU와 인텔 FPGA 등 서로 다른 가속기를 하나의 시스템에 탑재해 연산을 수행하도록 설계했다. 특정 반도체에 국한되지 않고 여러 계산 자원을 활용하는 이종 컴퓨팅의 실제 사례다. /쓰쿠바대학교" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202611/13/552814-8XPEppr/20261113112313247bdpp.jpg" data-org-width="1080" dmcf-mid="2ktYH09Utk" dmcf-mtype="image" height="auto" src="https://img4.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202611/13/552814-8XPEppr/20261113112313247bdpp.jpg" width="658">
 <figcaption class="txt_caption default_figure">
 일본 쓰쿠바대학교의 이종 컴퓨팅 슈퍼컴퓨터 'Cygnus' 연산 노드 내부. 엔비디아 GPU와 인텔 FPGA 등 서로 다른 가속기를 하나의 시스템에 탑재해 연산을 수행하도록 설계했다. 특정 반도체에 국한되지 않고 여러 계산 자원을 활용하는 이종 컴퓨팅의 실제 사례다. /쓰쿠바대학교
 </figcaption>
 </figure>
 GPU 연산 능력은 주가와 별개 주식 전광판엔 기술력 안 보여
 컴파일러는 프로그램의 실행 속도에도 영향을 미친다. 대표적인 기술이 연산 융합이다. AI 프로그램이 행렬을 곱한 뒤 다른 값을 더하는 작업을 수행한다고 가정하자. 두 연산을 따로 처리하면 중간 결과를 메모리에 저장했다가 다시 읽어야 할 수 있다. 연산을 하나로 합치면 불필요한 데이터 이동을 줄일 수 있다.
 양자화도 활용된다. AI가 사용하는 숫자를 32비트 대신 8비트 등으로 표현하면 데이터 크기와 메모리 사용량을 줄일 수 있다. 해당 연산을 지원하는 반도체에서는 처리속도도 높일 수 있다. 정확도에 미치는 영향은 별도로 검증해야 한다.
 같은 GPU에서도 프로그램을 어떻게 작성하고 최적화하느냐에 따라 처리속도가 달라진다. 반도체의 실제 성능은 연산 회로와 메모리 구조, 소프트웨어 최적화, 데이터 전송 방식이 결합된 결과다.
 주식시장의 계산은 전혀 다르다. 주가는 주식 한 주의 거래가격이고 시가총액은 주가에 발행주식 수를 곱한 값이다. 투자자의 미래 실적 전망과 금리, 위험에 대한 평가가 달라지면 반도체 한 장을 새로 만들거나 폐기하지 않아도 시가총액 수백조원이 움직일 수 있다.
 엔비디아 주가가 10% 하락했다고 GPU의 연산 성능이 10% 감소하지 않는다. CUDA 개발자의 10%가 다른 플랫폼으로 이동하는 것도 아니다. 주식 계좌에서 발생한 평가손실을 반도체의 연산 능력 감소로 해석한다면 서로 다른 단위를 같은 숫자로 취급하는 오류다.
 시가총액이 5조 달러인 기업과 4조 달러인 기업의 GPU가 그 차이만큼 다른 연산 능력을 갖는 것도 아니다. GPU의 처리속도는 실제 작업을 실행해 측정해야 한다. 개발환경의 경쟁력은 프로그램 이전 비용과 라이브러리 지원 수준, 운영 안정성 등으로 확인해야 한다.
 주가 변동은 기업의 자본조달과 연구개발 투자에 영향을 줄 수 있다. 그 영향이 기술 경쟁력의 변화로 이어졌는지는 투자 규모와 개발 일정, 고객 계약, 실제 제품 성능을 통해 확인할 문제다. 주가 하락률을 기술 경쟁력의 하락률로 대입하는 순간 분석은 숫자놀음으로 전락한다.
 젠슨 황을 둘러싼 의혹도 같은 기준에서 살펴야 한다. 사생활 의혹이 제기됐다는 사실만으로 GPU 설계 자료가 유출되거나 CUDA의 소프트웨어 자산이 사라지는 것은 아니다. 기술 유출을 주장하려면 어떤 자료가 누구에게 어떤 경로로 이전됐는지 확인해야 한다. 기술 패권의 붕괴를 주장하려면 경쟁사의 연산 성능과 소프트웨어 호환성, 고객 이전 규모가 실제로 어떻게 달라졌는지 제시해야 한다.
 반도체를 활용하는 데이터센터의 구조도 변화하고 있다. 대표적으로 하이퍼엑셀 등이 추진하는 분리형 연산 구조와 관련해 디스애그리게이션(disaggregation)은 CPU와 GPU, 메모리 등의 자원을 분리하고 작업에 따라 필요한 장치를 조합하는 방식이다. 고정된 서버 구성에 의존하기보다 연산 자원을 유연하게 배치하는 데 목적이 있다.
 AI 학습 작업에는 GPU를 집중적으로 할당하고 다른 추론 작업에는 별도의 가속기를 사용할 수 있다. 자원을 분리하면 장치 사이의 통신 지연과 데이터 이동 비용을 함께 고려해야 한다. GPU의 연산 속도가 빨라도 데이터를 전달받는 데 시간이 오래 걸리면 전체 작업은 느려진다.
 공통 IR과 디스애그리게이션은 서로 다른 문제를 다룬다. IR은 프로그램을 여러 반도체에 맞게 변환하는 소프트웨어 기술이다. 디스애그리게이션은 실제 하드웨어 자원을 어떻게 구성하고 배치할지 다루는 시스템 기술이다.
 여러 종류의 반도체를 함께 사용하는 환경에서는 프로그램의 변환과 자원 배치 외에 실행권한도 관리해야 한다. AI가 프로그램을 작성하고 컴파일러가 실행 코드를 생성했다고 해서 해당 프로그램이 모든 서버와 파일, GPU에 접근할 수 있는 것은 아니다.
 운영체제와 하이퍼바이저, 드라이버는 하드웨어 접근과 자원 사용을 제한하는 역할을 한다. AI 에이전트가 외부 프로그램을 호출해 파일을 수정하거나 서버의 상태를 변경할 때도 허용된 작업인지 확인해야 한다.
 <div contents-hash="bca3dc704d9b23510d767e7d05f4ff33996109d06ca3a9104f7d91e4ba6a2bda" dmcf-pid="HRDlvZ71tY" dmcf-ptype="general">
 프로그램을 다른 반도체에서 실행할 수 있도록 만드는 기술과 해당 프로그램의 실행을 승인하는 기술은 구분된다. 이종 컴퓨팅 환경이 확대될수록 두 기능을 연결하는 시스템 설계가 중요해진다.
 </div>
 <figure class="figure_frm origin_fig" contents-hash="a6381be38c0d9e61a4a1f75ff8b5bb442532d8477cd73805bde7d8d4eb0968c4" data-idxno="465348" data-type="photo" dmcf-pid="XewST5zt5W" dmcf-ptype="figure">
 <img alt="중국 화웨이가 CANN 생태계 확대를 위한 '1+N' 협력 네트워크 출범식을 개최하고 있다. 화웨이는 쿤펑(Kunpeng)과 어센드(Ascend)를 기반으로 컴파일러·연산 커널·런타임 등 독자 소프트웨어 생태계를 구축하며 엔비디아 CUDA에 대한 의존도를 낮추고 있다. /화웨이" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202611/13/552814-8XPEppr/20261113112314502eulg.jpg" data-org-width="1080" dmcf-mid="V8lrsTtWZc" dmcf-mtype="image" height="auto" src="https://img3.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202611/13/552814-8XPEppr/20261113112314502eulg.jpg" width="658">
 <figcaption class="txt_caption default_figure">
 중국 화웨이가 CANN 생태계 확대를 위한 '1+N' 협력 네트워크 출범식을 개최하고 있다. 화웨이는 쿤펑(Kunpeng)과 어센드(Ascend)를 기반으로 컴파일러·연산 커널·런타임 등 독자 소프트웨어 생태계를 구축하며 엔비디아 CUDA에 대한 의존도를 낮추고 있다. /화웨이
 </figcaption>
 </figure>
 컴파일러 넘어 계산 통제권 경쟁 실행 허가·결과 검증이 최종 권력
 CPU와 GPU, TPU, NPU는 서로 다른 명령 구조와 메모리 체계를 사용한다. 하나의 AI 시스템에서 여러 장치를 활용하려면 프로그램을 각 장치에 맞게 변환하는 컴파일러와 실제 작업을 수행하는 런타임이 필요하다.
 여기에 실행권한 관리와 자원 배치, 결과 검증 기능을 결합하는 것이 이종 컴퓨팅 시스템의 과제다. 컴파일러가 실행 가능한 코드를 생성하더라도 어떤 프로그램을 어느 장치에서 실행할지, 어느 범위까지 자원에 접근하도록 허용할지 별도로 결정해야 한다.
 예를 들어 AI가 두 숫자를 더하는 프로그램을 작성했다고 가정하자. 컴파일러는 CPU나 GPU에서 실행할 수 있는 코드를 생성한다. 실행환경은 해당 프로그램이 허용된 자원에서만 작동하도록 제한하고 계산이 끝나면 결과를 확인한다.
 서로 다른 서버에서 작업이 동시에 수행되는 경우에는 실행 순서와 중복 처리, 장애 복구도 중요하다. 같은 명령이 두 번 실행되거나 일부 서버에서만 작업이 완료되면 시스템의 최종 상태가 달라질 수 있기 때문이다.
 분산 시스템에서는 이러한 문제를 해결하기 위해 트랜잭션과 합의 프로토콜, 상태 관리 기술 등을 활용한다. 여러 장치가 서로 다른 작업을 수행하더라도 어떤 결과를 최종적으로 반영할지 정하고 장애가 발생했을 때 일관성을 유지해야 한다.
 실행 기록을 남기는 것만으로 계산의 정확성이 증명되는 것은 아니다. 기록의 무결성과 계산 결과의 정확성은 별도로 검증해야 한다. 작업의 성격에 따라 재계산과 실행환경 측정, 결과 비교 등의 절차가 필요하다.
 이러한 기술들은 특정 제조사의 GPU를 다른 제품으로 교체하는 문제를 넘어선다. 프로그램을 작성하는 언어와 실행하는 반도체가 달라져도 계산을 승인하고 자원을 관리하며 결과를 검증할 수 있는 시스템을 구성하는 문제다.
 <div contents-hash="5a4d2e68d44054ec72bb14ab4e37265b8770db0b116ca76df401304c2c11212f" dmcf-pid="UNSZ174q1O" dmcf-ptype="general">
 미국과 중국의 AI 경쟁도 이러한 기술적 층위를 구분해야 실체를 파악할 수 있다. GPU 판매는 특정 제품의 연산 능력을 구매자에게 제공하는 행위다. 비공개 설계 자료나 소스코드의 유출은 별도로 입증해야 하는 사안이다.
 </div>
 <figure class="figure_frm origin_fig" contents-hash="17e2930ad70e299a9c5e9e265eabef9ad59ebcce562804416ad7a4e2f2978071" data-idxno="465350" data-type="photo" dmcf-pid="ujv5tz8BGs" dmcf-ptype="figure">
 <img alt="이재용 삼성전자 회장과 최태원 대한상공회의소 회장 겸 SK그룹 회장이 2025년 8월 25일(현지시간) 미국 워싱턴DC 윌라드 호텔에서 열린 한미 비즈니스 라운드 테이블 리셉션에서 젠슨 황 엔비디아 최고경영자(CEO)와 대화하고 있다. /연합뉴스" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202611/13/552814-8XPEppr/20261113112315747hveq.jpg" data-org-width="500" dmcf-mid="f91WG3KptA" dmcf-mtype="image" height="auto" src="https://img4.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202611/13/552814-8XPEppr/20261113112315747hveq.jpg" width="658">
 <figcaption class="txt_caption default_figure">
 이재용 삼성전자 회장과 최태원 대한상공회의소 회장 겸 SK그룹 회장이 2025년 8월 25일(현지시간) 미국 워싱턴DC 윌라드 호텔에서 열린 한미 비즈니스 라운드 테이블 리셉션에서 젠슨 황 엔비디아 최고경영자(CEO)와 대화하고 있다. /연합뉴스
 </figcaption>
 </figure>
 엔비디아·삼성전자·SK하이닉스 상장폐지해도 현금 흐름 그대로
 엔비디아와 삼성전자, SK하이닉스가 내일 증권시장에서 상장폐지된다고 가정해 보자. 세 기업의 주식은 거래소에서 더 이상 거래되지 않지만 엔비디아의 GPU 설계 기술과 CUDA 라이브러리, 삼성전자의 반도체 생산설비, SK하이닉스의 고대역폭메모리(HBM) 제조 기술은 사라지지 않는다. 데이터센터 운영기업은 여전히 GPU를 구매해야 하고 AI 가속기 제조사는 메모리를 확보해야 한다. 제품을 공급하고 대금을 받는 영업활동은 상장 여부와 별개로 지속할 수 있다.
 기업의 매출은 고객에게 제품과 서비스를 판매하면서 발생한다. 영업이익은 매출에서 영업비용을 차감한 결과다. 주식시장에서 형성되는 시가총액은 투자자들이 해당 기업의 지분에 부여한 가격이다. 엔비디아가 GPU를 판매해 벌어들이는 돈과 투자자가 엔비디아 주식을 매매하면서 얻는 손익은 서로 다른 거래에서 발생한다. 삼성전자와 SK하이닉스도 마찬가지다. 상장폐지는 주식의 거래시장과 자금조달 조건에 영향을 미치지만 반도체 판매계약이나 생산설비의 작동을 자동으로 중단시키지 않는다.
 AI 시대에 이들 기업의 수익을 결정하는 것은 고객이 필요로 하는 연산 능력과 메모리의 공급, 제품 가격, 생산원가, 기술 경쟁력이다. 엔비디아는 GPU와 관련 시스템을 판매하고 삼성전자와 SK하이닉스는 메모리와 반도체 제품을 공급한다. 주가가 폭락하거나 거래소에서 주식이 사라져도 고객이 제품을 구매하고 판매가격이 원가를 웃도는 한 기업은 영업이익을 창출할 수 있다. 상장 여부와 관계없이 반도체의 수요와 공급이 실제 현금흐름을 만든다.
 <div contents-hash="dadfa71f4108f539ad79ed93049e4451ed2114beb0bfbdd6e4ddd9801395656d" dmcf-pid="bYq8PikLtE" dmcf-ptype="general">
 주가는 기업의 가격을 매긴다. 경영진은 자본을 배분한다. 컴파일러는 프로그램을 변환하고 운영체제는 실행권한을 강제한다. 반도체는 실제 연산을 수행한다. 주식 계좌의 손익을 계산 권력으로 착각하는 사람들에게 GPU는 명령을 받지 않는다. 젠슨 황의 부고를 주가 전광판에서 작성하는 동안 엔비디아는 GPU를 팔고 삼성전자와 SK하이닉스는 반도체를 공급한다. 실제 기술 경쟁은 개발자의 이전 비용을 낮추는 컴파일러와 서로 다른 반도체의 실행을 통제하는 시스템에서 벌어지고 있다.
 </div>
 <figure class="figure_frm origin_fig" contents-hash="9f837bc263f1824010b1760b315fbf2aa7225b793964277605991ca5cbf434ff" data-idxno="465352" data-type="photo" dmcf-pid="KGB6QnEo1k" dmcf-ptype="figure">
 <img alt="CUDA의 종언을 풍자한 가상 부고장. 복잡도가 N×M으로 증가하는 이종 연산 통제 구조를 N+M으로 단순화한다는 구상을 장례 형식으로 표현했다. 상주로 엔비디아 최고경영자 젠슨 황을, 집행자로 링 제로 권한의 이종 연산 통제 커널을 명시했다. / GPT 생성 이미지" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202611/13/552814-8XPEppr/20261113112317099xifb.png" data-org-width="1199" dmcf-mid="47RajmyOXj" dmcf-mtype="image" height="auto" src="https://img2.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202611/13/552814-8XPEppr/20261113112317099xifb.png" width="658">
 <figcaption class="txt_caption default_figure">
 CUDA의 종언을 풍자한 가상 부고장. 복잡도가 N×M으로 증가하는 이종 연산 통제 구조를 N+M으로 단순화한다는 구상을 장례 형식으로 표현했다. 상주로 엔비디아 최고경영자 젠슨 황을, 집행자로 링 제로 권한의 이종 연산 통제 커널을 명시했다. / GPT 생성 이미지
 </figcaption>
 </figure>
 ☞ CUDA(Compute Unified Device Architecture) = 엔비디아가 개발한 병렬 컴퓨팅 플랫폼이자 프로그래밍 환경이다. GPU용 프로그램을 작성하고 컴파일·실행할 수 있도록 컴파일러와 런타임, 연산 라이브러리를 제공한다.
 ☞ 중간표현(IR·Intermediate Representation) = 프로그래밍 언어의 연산을 특정 하드웨어에 직접 종속되지 않는 중간 단계로 표현하는 컴파일러 내부 형식이다. 언어별 처리와 장치별 코드 생성을 분리하는 데 활용된다.
 여성경제신문 이상헌 기자 liberty@seoulmedia.co.kr
 *여성경제신문 기사는 기자 또는 외부 필자가 작성 후 AI를 이용해 교정·교열하고 문장을 다듬었음을 밝힙니다. 기사에 포함된 이미지 중 AI로 생성한 이미지는 사진 캡션에 밝혀두었습니다.
 </section> 
 </div>

댓글 총 0개

이번주 포인트랭킹

매주 일요일 밤 0시에 랭킹을 초기화합니다.

14,000상품권
23,000상품권
32,000상품권

업체홍보/구인 더보기

놀이터홍보 더보기

지식/노하우 더보기

판매의뢰 더보기

포토 더보기