[소부장반차장] 네오버스 CSS V3 기반 AI CPU 칩렛 플랫폼에서 협업
<이미지를 클릭하시면 크게 보실 수 있습니다> |
Arm(대표 르네 하스)은 Arm 토탈 디자인(Total Design)의 1주년을 맞아 2배 이상 성장했다고 1일 발표했다. 설계부터 파운드리 제조에 이르는 역량을 한 데 모아 약 30개 기업의 참여로 빠르게 성장했으며, 이 에코시스템에 알코 마이크로, 이지스, PUF 시큐리티, 세미파이브가 새롭게 합류했다.
이번 에코시스템을 통해 Arm은 삼성전자 파운드리, 에이디테크놀로지, 리벨리온은 클라우드, 고성능컴퓨팅(HPC), AI/ML 학습 및 추론 워크로드를 대상으로 하는 AI CPU 칩렛 플랫폼의 시장 출시를 위해 협력하고 있다.
에디 라미레즈(Eddie Ramirez) Arm 인프라 사업부 시장 진입 전략(Go-To-Market) 부사장은 “AI 컴퓨팅 수요가 증가함에 따라 개발자는 지구상에서 가장 널리 사용되는 컴퓨팅 플랫폼에서 성능과 전력이 최적화되고 접근성이 뛰어난 방식으로 혁신을 쉽게 실행하는 것이 중요하다”며, “Arm 컴퓨팅 서브 시스템(CSS)과 Arm Total Design은 하드웨어 및 소프트웨어 발전에 대한 더 빠른 액세스를 지원해 에코시스템 AI 개발을 가속화한다. Arm은 엔지니어링의 창의성과 개발의 새로운 장을 맞이하고 있으며, 당사는 AI와 실리콘 혁신이 필요한 곳에 필요한 도구와 기술을 제공하고 있다”고 말했다.
Arm 토탈 디자인은 글로벌 협업으로 촉진해 생성형 AI(Gen AI) 컴퓨팅을 위한 실제 CSS 기반 솔루션으로 이어졌다. 가령, Arm과 삼성전자 파운드리, 에이디테크놀로지, 리벨리온이 협력해 AI CPU 칩렛 플랫폼을 개발하고 있다. 클라우드, HPC, AI/ML 학습 및 추론 워크로드를 대상으로 하는 이 플랫폼은 에이디테크놀로지의 네오버스 CSS V3 기반 컴퓨팅을 칩렛으로 구축하고 리벨리온의 REBEL AI 가속기를 해당 컴퓨팅 칩렛과 결합해 삼성 파운드리의 2nm 게이트올어라운드(GAA) 첨단 공정 기술로 구현된다. 생성형 AI 워크로드(Llama3.1 405B 파라미터 LLMs)에 대해 약 2~3배의 효율성 이점을 제공하는 탁월한 성능과 최적의 전력 효율을 보장한다.
<이미지를 클릭하시면 크게 보실 수 있습니다> |
이는 AI 가속기 설계자가 쉽게 통합할 수 있도록 Arm에 최적화된 EDA 툴, 글로벌 설계 전문성 및 파운드리 파트너십을 통합해 AI 실리콘 개발을 가속화하는 데 있어 Arm 토탈 디자인과 표준 기반 컴퓨팅 서브시스템의 고유한 가치를 보여주는 사례다.
AI 워크로드가 빠르게 진화함에 따라 전체 AI 스택을 지원하기 위해서는 긴밀하게 결합된 CPU 컴퓨팅이 필수적이다. 데이터 전처리, 오케스트레이션, 검색 증강 생성(RAG)과 같은 데이터베이스 증강 기술 등은 모두 Arm 네오버스 CPU의 성능 효율성의 이점을 누릴 수 있다. Arm은 이러한 요구 사항에 대한 지원을 CSS에 포함시켰으며, Arm Total Design을 통해 에코시스템은 혜택을 제공하고 있다.
아울러, CSS와 ATD는 지속 가능한 AI 데이터센터를 위한 하드웨어 기반을 구축하는 데 기여하고 있다. ATD는 네오버스 N 시리즈 또는 V 시리즈 CSS로 구동되는 Arm 기반 테스트 칩 및 칩렛 제품 개발에 박차를 가하고 있다. 클라우드부터 엣지에 이르는 다양한 칩렛 솔루션과 그 개발 속도는 최신 CSS에 대한 폭넓고 우선적인 접근을 가능하게 한다.
이와 관련해 1일 알코 마이크로(Alcor Micro)는 AI/ML 학습 및 추론 사용 사례를 겨냥한 CSS 기반 칩렛을 구축한다고 발표했다. 또한, 알파웨이브(Alphawave)는 AI/ML, HPC, 데이터센터 및 5G/6G 애플리케이션을 위한 CSS 기반의 자체 고급 컴퓨팅 칩렛을 공개했다.
한편, Arm은 30년 이상 소프트웨어가 Arm에서 그대로 작동하도록 보장하는 데 지속적으로 투자해 왔다. 모든 주요 프레임워크와 OS는 Arm에서 실행되는 근거다.
- Copyright ⓒ 디지털데일리. 무단전재 및 재배포 금지 -
이 기사의 카테고리는 언론사의 분류를 따릅니다.
기사가 속한 카테고리는 언론사가 분류합니다.
언론사는 한 기사를 두 개 이상의 카테고리로 분류할 수 있습니다.
언론사는 한 기사를 두 개 이상의 카테고리로 분류할 수 있습니다.