엔비디아, 차세대 GPU 아키텍처 ‘파스칼’ 공개

엔비디아는 17일(현지시각), 미국 산호세에서 열리고 있는 GTC 2015에서 차세대 GPU 아키텍처 ‘파스칼’을 소개했다. 2016년에 공개 예정인 파스칼 GPU 아키텍처는 엔비디아의 가장 최신 아키텍처인 맥스웰 프로세서에 비해 속도가 10배 이상 빠른 점이 특징이다

▲ '파스칼' 아키텍처를 소개중인 젠슨 황 CEO (사진제공: 엔비디아)

엔비디아는 17일(현지시각), 미국 산호세에서 열리고 있는 GTC(GPU 테크놀러지 컨퍼런스) 2015에서 차세대 GPU 아키텍처 ‘파스칼(Pascal)’을 소개했다.

 

2016년에 공개 예정인 파스칼 GPU 아키텍처는 엔비디아의 가장 최신 아키텍처인 맥스웰(Maxwell) 프로세서에 비해 속도가 10배 이상 빠른 점이 특징이다.

딥 러닝(Deep Learning) 분야의 발전은 지난 GTC 2014에서 처음 발표된 파스칼의 구조 변화를 이끌었다. 파스칼 GPU는 딥 러닝 연구의 기반이자 사람의 대뇌와 같은 데이터 구조를 더욱 풍부한 딥 뉴럴 네트워크(Deep Neural Networks) 체계로 빠르고 정확하게 이끄는 3가지 주요한 디자인 특성을 지닌다.

파스칼 아키텍처는 최대 32GB까지 확장 가능한 메모리를 탑재해 엔비디아가 가장 최근 출시한 지포스 GTX 타이탄 X(GeForce GTX TITAN X) 보다 2.7배 더 빠른 성능을 자랑한다. 이를 바탕으로 혼합-정밀 컴퓨팅(mixed-precision computing) 성능 및 3D 메모리를 탑재해 딥 러닝 애플리케이션에서 5배까지 향상된 성능을 구현할 계획이다. 

혼합-정밀 컴퓨팅은 파스칼 아키텍처 기반의 GPU가 32비트의 부동소수점 정확성 속도의 2배인 16비트 부동소수점 정확성으로 연산하는 것을 가능케 한다. 증가된 부동소수점 성능은 연산에 요구되는 정확성을 달성하는 동시에, 딥 러닝에서 가장 중요한 분야인 분류 및 결과 도출에 큰 도움을 준다.

파스칼 아키텍처는 3D 메모리 투입으로 인해 맥스웰 아키텍처가 구현할 수 있는 대역폭 대비 3배, 프레임 버퍼에 있어서도 3배 가까이 향상된 능력을 제공한다. 이를 통해 앞으로 개발자들이 더 큰 뉴럴 네트워크를 구축하게 하는 한편, 딥 러닝 훈련에서 대역폭을 가속화 할 수 있게 도울 예정이다.

 

파스칼은 메모리칩을 위로 구축할 것이며, 프로세서 보드 하단이 아닌 GPU와 인접해 탑재된다. 이러한 구조는 비트가 메모리와 GPU를 거쳐 다시 돌아오는 과정과 이동하는 거리를 인치(inch)에서 밀리미터(millimeter) 단위로 단축해 전력 효율성이 개선된다.

파스칼과 NV링크의 결합은 데이터가 GPU와 CPU 간 움직이는 속도를 5배에서 12배까지 빠르게 움직이도록 한다. 이는 딥 러닝과 같이 높은 GPU 커뮤니케이션을 요구하는 애플리케이션 구동 시 굉장한 혜택을 제공할 것으로 기대된다.

 

또한 NV링크는 딥 러닝 컴퓨팅과 다른 작업을 병행할 수 있도록 시스템 안의 GPU 효율을 2배 향상시킨다. 뿐만 아니라, CPU와 GPU는 PCI-익스프레스와 비교했을 때, 서버 디자인에 있어 보다 많은 유연성 및 에너지 효율을 가능하게 하기 위해 새로운 방법으로 연결할 수 있다. 이에 2개 이상의 GPU를 서로 연결시켜 주는 엔비디아의 고속 인터커넥트 체계인 NV링크(NVLink)를 활용하면 총 10배 이상의 딥 러닝 성능 향상을 가져올 것으로 기대된다.

 

엔비디아의 CEO 겸 공동창립자인 젠슨 황(Jen-Hsun Huang)은 “지난 3년간 이루어진 연구와 개발 덕분에 파스칼은 수억 달러 상당의 발전과 이익을 가져올 것으로 보인다”며 “파스칼은 딥 러닝 분야에 혁신적인 아키텍처로 자리잡을 것”이라고 밝혔다.