MS AI 총괄 "AI 한계, 아직 멀었다…2028년까지 연산 성능1000배 뛰어"

무스타파 술레이만(Mustafa Suleyman) 마이크로소프트 AI CEO [사진: 위키미디어]

[디지털투데이 홍진주 기자] 무스타파 슐레이만 마이크로소프트(MS) AI 그룹 최고경영자(CEO)가 인공지능(AI) 개발이 당분간 한계에 부딪히지 않을 것이라고 주장했다.

8일(현지시간) MIT 테크놀로지 리뷰에 기고한 글에서 슐레이만은 최근 AI 성능 향상의 핵심 배경으로 컴퓨팅 역량의 폭발적 증가를 지목하며, 업계 안팎에서 제기되는 성장 정체론이 잇따라 빗나가고 있다고 밝혔다.

그는 2010년 이후 최첨단 AI 모델 학습에 투입된 연산량이 10의14제곱 플롭스에서 10의26제곱 이상으로 확대됐다고 설명했다. 그는 이런 증가가 AI 발전 전반을 이끈 핵심 요인이라고 주장했다.

또한 AI 발전을 가로막을 요인으로 자주 언급되는 무어의 법칙 둔화, 데이터 부족, 전력 제약 역시 현재의 성능 개선 흐름을 충분히 설명하지 못한다고 반박했다. 최근 성능 향상은 단순히 반도체뿐 아니라 메모리, 네트워크, 소프트웨어 효율 개선이 동시에 작용한 결과라는 것이다.

하드웨어 측면에서도 큰 변화가 있었다. 슐레이만에 따르면, 엔비디아 칩의 원시 성능은 2020년 312테라플롭스에서 최근 2500테라플롭스로 6년 새 약 8배 증가했다. 마이크로소프트의 자체 AI 칩 ‘마이아 200’(Maia 200) 역시 기존 대비 달러당 성능이 약 30% 개선된 것으로 소개됐다. 여기에 HBM(고대역폭 메모리)과 NV링크, 인피니밴드 같은 연결 기술이 수십만 개 GPU를 하나의 시스템처럼 묶는 구조를 가능하게 했다고 그는 설명했다.

이 같은 인프라 개선은 학습 시간 단축으로 이어졌다. 슐레이만에 따르면 2020년 8개의 GPU로 언어 모델을 학습하는 데 167분이 걸렸지만, 현재는 4분 이하로 줄었다. 무어의 법칙 기준으로 예상되는 약 5배 개선을 크게 웃도는 약 50배 수준의 성능 향상이 이뤄졌다는 분석이다.

소프트웨어 효율 역시 빠르게 개선되고 있다. 연구기관 에포크 AI에 따르면 동일한 성능을 달성하는 데 필요한 연산량은 약 8개월마다 절반으로 감소하고 있다. 일부 최신 모델의 서비스 비용도 연율 기준 최대 900배까지 낮아진 것으로 나타났다.

앞으로의 성장 속도가 더 빨라질 수 있다는 전망도 나온다. 주요 AI 연구 조직의 역량은 연간 약 4배씩 확대되고 있으며, 2020년 이후 최첨단 모델 학습에 투입되는 연산량도 해마다 5배 수준으로 증가하고 있다. 글로벌 AI 컴퓨팅 규모는 2027년까지 H100 1억 개 수준에 이를 것으로 예측된다. 슐레이만은 이러한 흐름이 이어질 경우 2028년까지 유효 컴퓨팅 역량이 약 1000배 추가 확대될 수 있다고 내다봤다.

대규모 AI 모델 개발에 필수적인 엔비디아 H100 칩셋 [사진: 엔비디아]

슐레이만은 이러한 변화가 AI의 형태 자체를 바꿀 것이라고 강조했다. 그는 "질문에 답하는 기본 보조도구는 잊어야 한다"라고 말했다. 단순 질의응답 도구를 넘어, 장기간 프로젝트 수행과 협상, 물류 관리까지 수행하는 ‘인간 수준 에이전트’로 발전할 것이라는 전망이다. 이에 따라 인지 노동 기반 산업 전반이 영향을 받을 것으로 봤다.

남은 핵심 제약으로는 전력 문제가 꼽혔다. 냉장고 크기의 대형 AI 랙 하나가 약 120킬로와트(kW)의 전력을 소비해 약 100가구에 해당하는 수준이라는 설명이다. 다만 태양광 비용이 50년간 거의 100분의1로 낮아졌고, 배터리 가격도 30년간 97% 하락한 만큼 청정 전력을 기반으로 한 확장 경로가 보이기 시작했다고 덧붙였다.

대규모 투자 역시 이미 현실화 단계에 들어섰다. 슐레이만은 1000억달러 규모 AI 클러스터와 10기가와트(GW) 전력 수요가 더 이상 공상과학이 아니라고 강조했다. 실제로 미국을 비롯한 여러 지역에서 관련 프로젝트가 진행 중이며, MS 역시 이를 전제로 초지능 연구소를 설계하고 있다고 밝혔다.

그는 끝으로 AI 회의론이 계속 제기되겠지만, 컴퓨팅 역량의 폭증이 "우리 시대의 기술 이야기"라고 강조했다. AI 개발의 병목은 존재하지만, 연산 인프라 확장 국면은 아직 초기 단계에 불과하다는 것이 그의 판단이다.