[4차산업혁명 기업] GPU 대표기업 NVIDIA
안녕하세요. 치즈호떡입니다.
오늘은 GPU 대표기업인 NVIDIA 에 대하여 알아보도록 하겠습니다.
4차산업혁명 시대가 다가오면서 GPU가 이슈가 많이 되고 있는데요.
그 이유를 먼저 알아보겠습니다.
GPU란?
(Graphics Processing Unit)
기존에는 CPU의 연산 결과를 이미지로 표출하는 부품으로 사용되었지만, 3D 게임의 개발과 함께
GPU는 3D 그래픽 연산 전용 프로세서로서 개발되기 시작하였습니다.
GPU란 단어는 NVIDIA가 처음 만들었다고 하네요.
GPU 기반 그래픽카드는 게임을 원활하게 구동하게 해주었고, 단순한 그래픽 표출장치가 아닌
성능 가속 장치로서의 역할을 하게 되었습니다.
GPU의 특징으로서는 한대의 PC에 여러대를 장착하여 멀티 GPU 운용을 통하여 성능을 개선할 수 있다는 것입니다.
GPU는 더욱 발전하여 기능이 추가되었고, 동영상 재생 품질, 인코딩 속도 향상, 연산 등 CPU를 능가하는
성능을 가지게 되었습니다.
Micro Processor(GPU)의 성능은 50%성장을 해왔지만 물리학적 한계로 인하여 CPU의 성능이 연간 10% 성장률에 불과하여
GPU가 점점 CPU 역할을 대체하고 있는 상황입니다. (GPU의 성능은 지속적인 50% 성장을 예상한다고 합니다.)
즉, GPU는 차세대 연산처리장치로서 알맞다고 할 수 있습니다.
4차산업혁명 시대에는 엄청난 양의 데이터와 이미지 정보를 처리해야하니까요.
그 중요한 GPU의 선두주자
설립년도 : 1993년
위치 : 미국 캘리포니아 주
CEO : 젠슨 황(Hensen Huang)
주요제품 : GeForce 시리즈 그래픽 카드, nForce 메인보두 칩셋, Quadro(그래픽 전문가용), Tesla(고성능 컴퓨팅)
현재 NVIDIA는 단순히 GPU 모듈만 파는 회사가 아니라, 4차산업혁명을 준비하기 위해 필수가 되어버린
GPU 솔루션을 만드는 회사로 진화하였습니다.
주요 타겟 산업
1. 인공지능 과 딥 러닝
주요 솔루션 : DGX-1 with Tesla V100, TITAN X, Tesla M40
- 인공지능/딥러닝은 4차산업혁명에서 아주 핵심적인 기술입니다.
인공지능/딥러닝 구현은 단순한 코딩을 넘어서 엄청난 양의 학습과 데이터를 통하여 구동되기 때문에 기존의 연산장치로는
엄청난 시간이 소요되게 됩니다. 하지만 GPU기반 솔루션을 사용하게 되면 연산속도는 몇배로 빨라질 수 있습니다.
<NVIDIA 의 딥러닝/인공지능 솔루션>
NVIDIA의 솔루션을 활용하면 CPU-Only 서버에 비하여 140배 빠르게, 8X GPU 서버에 비해 3배 빠르게
데이터를 처리하고 딥러닝 학습을 진행할 수 있습니다.
AI/딥러닝 구현을 위해 최적화된 솔루션을 제공함으로써 시간이 오래걸리는 딥러닝 학습기간을
단축하고 활용가능성을 무궁무진하게 만들어주게 되었습니다.
현재 이 솔루션을 뉴욕대학교,UC 버클리, 메사추세츠 병원 등 다양한 곳에서 활용하고 있다고 합니다.
2. 데이터 센터
주요 솔루션 : DGX Station, NVIDIA Tesla, HGX-2
빅데이터의 중요성이 점점 커지면서 데이터 처리 속도 또한 중요해지게 되었습니다.
GPU를 활용한 데이터 센터를 활요하여 빅데이터 활용능력을 극대화할 수 있는 솔루션을 제공하고 있습니다.
DGX Station은 "개인용 AI 슈퍼컴퓨터"로 소개되고 있습니다.
아래는 DGX Station의 소개자료입니다.
언뜻 보기만해도.. 스펙이 어마어마 합니다. 개인용 PC라고 하시에는 너무나 엄청난 스펙이네요... 램이나.. CPU나.. 후덜덜합니다.
엄청난 스펙을 자랑하는 NVIDIA TESLA V100 GPU를 4개나 넣었으니..
AI든 딥러닝이든 빅데이터든 개인 PC로 가능한 시대가 오고 있는 것 같습니다.
3. GPU 클라우드
GPU + Cloud의 조합
즉, 어디서든 GPU 처리능력을 가상화하여 필요한 영역에서 사용할 수 있게 하는 기술입니다.
원격으로 GPU 클라우두 컴퓨팅 파워를 사용할 수 있게하여, 고사양 PC가 아니더라도 GPU 처리능력을
활용하여 인공지능/빅데이터/딥러닝 등 다양한 분야데 활용할 수 있게 됩니다.
그리고 또한, NVIDIA는 GPU를 장악하고 있는 기업으로서, 다양한 기업에서 제공하고 있는 Cloud 서비스를 통합한
유니버셜 GPU 전략을 실행하고 있다고 합니다.
NVIDIA GPU CLOUD는 세계에서 가장 빠른 GPU 아키텍처와 딥러닝/인공지능을 위해 최적화된 구조를 통하여
다양한 문제를 해결하고자 하는 연구자들에게 도움을 주게 됩니다.
CLOUD로서 시간이 많이 소요되고 직접하기 어려운 소프트웨어 통합을 필요성을 업애고 불가능했던 일도
가능하도록 만들어졌다고 합니다.
어디서든 GPU 컴퓨팅 파워를 이용할 수 있기 때문에 작업위치에 대한 제한이 사라지게 됩니다.
4. 디자인, Pro Visualization
주요솔루션 : Quadro GV100, Optix 5.0
CAD(Computer-aided Design), CGI(Computer-generated imagery), DCC(Digital Content Creation) 등의 컴퓨팅 이미지/렌더링에
중요한 역할을 하는 솔루션입니다.
기존 GPU의 역할인 그래픽 표출을 위함 입니다.
5. Intelligent Machine
주요 솔루션 : JETSON,
Intelligent Machine은 AI와 비슷한 개념이라고도 볼 수 있겠습니다. 하지만 로봇,드론, 스마트 카메라, 휴대 의료기기 등 지능형
기기들을 직접적으로 구동할 수 있는 솔루션이라고 생각하면 되겠습니다.
현재 까지 최신 모델인 Jetson Tx2 모듈은 크기가 약 5cm x 9cm 정도의 크기이고, 임베디드 AI 컴퓨팅, GPU 컴퓨팅, 딥러닝, 심층신경망에
다양하게 활용될 수 있는 솔루션입니다.
6. 자율주행 자동차
주요 솔루션 : DGX, PX
4차산업혁명을 대표하게 될 미래 산업으로 "자율주행" 이 있습니다.
자율주행이란 인간이 하던 운전을 자동차에게 맡기는 것 입니다. 이를 위해서는 자동차는 스스로 도로상황, 주변 차량 등을 모두 실시간으로
인식하고 분석하여 운전을 하여야합니다. 운전에 있어서 필요한 정보는 엄청난 양이고 이런 정보를 실시간으로 처리하기 위해서는
GPU의 성능이 필수적입니다.
결국 자율주행 또한 AI가 수많은 운전 시나리오를 학습하는 것이기 때문에 GPU의 중요성은 너무나도 뚜렷해집니다.
NVIDIA는 자율주항 플랫폼을 제공하는 GPU 산업에서 또한 두각을 나타내고 있으며
이미 토요타, 벤츠, 아우디, 볼보, 테슬라와 같은 주위 자동차 제조업체들과의 협업을 하고 있습니다.
<Drive PX>
Drive PX의 경우, 자동차 제조사들이 자율주행 자동차 생산에 활용할 수 있는 개방형 AI 자율주행 플랙폼입니다.
손바닥 크기의 모듈부터 슈퍼컴퓨터급의 AI 까지 다양한 구성이 가능합니다.
PX는 차량주변 상황을 실시간으로 파악하고 HD 맵상에 탑재 차량을 정확하게 위치하여 이동경로를 계획할 수 있습니다. 딥러닝, 차량센서 융합
주변 환경을 결합하여 자율주행 AI를 구현할 수 있습니다.
완전한 자율주행을 위하여 PX를 병렬 구성으로 사용할 수도 있습니다.
DNN(심층신경망) 기술을 활용하여 융합되 센서 데이터의 정확도를 비약적으로 향상시킵니다.
이렇게 학습된 정보들은 DGX에 의하여 빅데이터 형식으로 정리되며, 각 차량의 PX들로 배부되어 자율주행에 활용될 수 있습니다.
7. Geforce 게이밍
주요제품 : Geforce 시리즈
게임을 하시는 분들이라면 모두가 아실 Geforce 시리즈 입니다.
제가 더 설명할 필요도 없겠네요.
<2018년 9월 그래픽카드 순위>
NVIDIA는 이렇게 다양한 분야에서 GPU를 활용한 사업을 이어나가고 있습니다.
덕분에 기업의 가치는 계속해서 우상향하고 있습니다 ^^
4차산업혁명에 있어 빠질 수 없는 핵심기업 NVIDIA였습니다~!
'♪ 최신 과학기술 정보 > §4차산업혁명 기업 정리' 카테고리의 다른 글
| [중국기업] 스마트폰, 통신장비 기업 HUAWEI 화웨이 알아보기 (0) | 2019.06.04 |
|---|---|
| [중국기업] 디스플레이 기업 BOE (0) | 2019.05.29 |
| [중국기업] 중국의 넷플릭스 爱奇艺(아이치이, iQiyi) 알아보기 (0) | 2019.05.26 |
| [4차산업혁명 기업] 中 전기차 배터리 기업 CATL 정리 (1) | 2018.07.08 |
