인텔 GPU D270(크레센트 아일랜드), AI 추론 넘어 고성능 컴퓨팅(HPC)까지 영역 확장

홈 > 기획·특집 > 테크닉
테크닉

서버 | 인텔 GPU D270(크레센트 아일랜드), AI 추론 넘어 고성능 컴퓨팅(HPC)까지 영역 확장

권경욱 기자 0   0

인텔은 인텔 GPU D270이 AI 추론에 활용되는 것을 넘어 고성능 컴퓨팅(HPC) 영역에도 확장이 가능하다고 밝혔다. 


고성능 컴퓨팅(HPC) 시장이 근본적인 변화를 맞이하고 있다. 기존에는 대규모 수치 모델링과 시뮬레이션이 HPC의 핵심 영역이었다면, 최근에는 과학 연구와 기업 환경 전반에서 시뮬레이션, 데이터 분석, AI 추론을 하나의 연속적인 워크플로우로 통합하는 움직임이 확대되고 있다. 특히 에이전틱 AI 아키텍처의 등장은 이러한 변화를 가속화하고 있다. 에이전틱 AI는 데이터와 모델, 분야별 전문 도구를 자율적인 실행 루프로 연결해 입력 데이터를 준비하고 중간 결과를 평가하는 한편, 그 결과에 따라 다음 시뮬레이션 단계를 유연하게 조정한다.


thumb-2887237633_VFLkP1tl_ca1baa83c6840a20574fafce725fac604e5d0bea_600x338.jpg


HPC와 AI가 융합되는 환경에서는 워크플로우의 각 단계에 필요한 연산을 효율적으로 처리할 수 있도록 다양한 컴퓨팅 엔진을 결합한 이기종 인프라가 중요해지고 있다. 코드명 크레센트 아일랜드(Crescent Island)인 인텔 GPU D270은 이러한 요구에 대응하기 위해 설계됐다. 고효율 AI 추론에 최적화된 아키텍처를 기반으로, 까다로운 HPC 환경에서 요구되는 고정밀 연산과 대용량 메모리를 지원하며 표준 엔터프라이즈 폼팩터를 갖춘 것이 특징이다. 


네이티브 FP64 연산 성능과 대용량 메모리로 고부하 워크로드 지원 


과학, 엔지니어링 및 금융 분야의 시뮬레이션에서는 수치적 정확도를 유지하고 반올림 오차가 누적되는 것을 방지하기 위해 배정밀도 연산이 중요하다. 인텔 GPU D270은 인텔 Xe 3P 아키텍처를 기반으로 32개의 Xe 코어와 256개의 Xe 매트릭스 익스텐션(XMX) 엔진을 탑재했으며, 각 코어에서 64회의 FP64 융합 곱셈-덧셈(FMA) 연산을 지원한다. 이를 통해 개발자는 워크로드의 특성에 따라 연산 정밀도를 유연하게 선택할 수 있다. 추론 처리량을 높이기 위한 FP4부터 FP8까지의 저정밀도 연산은 물론, 수학적 정확도가 필수적인 작업에서는 최대 처리 성능의 네이티브 FP64 연산을 활용할 수 있다. 


복잡한 데이터 작업 집합(working set)을 처리하는 데 있어 메모리 아키텍처 역시 중요한 요소다. 인텔 브랜드 카드에는 160GB 용량의 고속 LPDDR5X 메모리가 탑재돼 초당 1.5TB의 메모리 대역폭을 제공하며, 파트너사가 설계한 구성에서는 메모리 용량을 최대 480GB까지 확장할 수 있다. 이를 통해 연구자들은 대규모 데이터셋과 파동장(wavefield)을 GPU 메모리에 상주시켜 호스트 버스를 통한 데이터 이동에 따른 비용을 최소화할 수 있다. 이러한 컴퓨팅 성능을 350W 전력 설계의 표준 공랭식 PCIe 폼팩터에 구현해 일반적인 엔터프라이즈 서버에 탑재하거나 여러 랙에 걸쳐 확장 구축할 수 있다. 


양산 전 실리콘(pre-production silicon)을 기반으로 실시한 실제 애플리케이션 벤치마크에서도 금융 분석과 과학 시뮬레이션 전반에 걸쳐 D270의 균형 잡힌 아키텍처가 제공하는 실질적인 이점이 확인됐다.



thumb-2887237633_OjXgea3K_3dd018a24e0cd4a2005a6838a13f2cc14a4d850f_600x176.jpg


금융 서비스: 옵션 가격 산정 벤치마크에서 인텔 GPU D270은 엔비디아 RTX PRO 6000 블랙웰 서버 에디션(NVIDIA RTX PRO 6000 Blackwell Server Edition) 대비 최대 5.9배 높은 애플리케이션 처리량[1]을 기록했다. 이를 통해 연산 집약적인 금융 모델링 분야에서 우수한 성능을 입증했다. 특히 엔비디아 GPU가 600W의 전력을 소비하는 데 비해 D270은 350W의 전력으로 작동한다는 점에서 더욱 주목할 만하다.


지진 탐사: 지진파 모델링은 석유·가스 산업에서 가장 높은 수준의 컴퓨팅 성능을 요구하는 워크로드 중 하나로, FP32 연산을 활용해 방대한 3차원 데이터셋 전반에서 음향파의 전파 과정을 반복적으로 계산해야 한다. D270은 대용량 메모리와 FP32 연산 성능을 결합해 해당 워크로드에서 높은 처리 역량을 보여준다. 캐시 특성을 고려한 스텐실 최적화(cache-aware stencil optimization)를 통해 로컬 캐시 전반의 데이터 재사용을 극대화하고, 대규모 파동장 배열을 GPU 카드 내에 직접 상주시켜 처리 효율을 높인다. 인텔은 슈퍼컴퓨팅 2026(Supercomputing ’26) 전시 부스에서 실시간 데모를 통해 지진파 모델링 역량을 선보일 예정이다.



thumb-2887237633_hcBMJrOi_3dd018a24e0cd4a2005a6838a13f2cc14a4d850f_600x337.jpg

이미지 설명: SC26에서 진행된 지진파 분석 워크로드 데모 화면. (제공: Veridien)


과학 컴퓨팅 분야에서 중요한 것은 대용량 메모리는 더 큰 규모의 문제를 처리할 수 있도록 지원하고, 효율적인 데이터 재사용은 데이터 이동을 최소화하며, 최적화된 개방형 프로그래밍 모델은 연구자들이 필요로 하는 애플리케이션 처리량을 제공할 수 있어야 한다는 것이다. 


분리형 추론과 AI 기반 HPC 


현대 과학 연구에서 AI 추론은 더 이상 시뮬레이션이 완료된 후 별도로 수행하는 작업이 아니며, 이제 AI 추론은 시뮬레이션 실행 과정에 직접 통합돼 작동한다. 사전 학습된 AI 대리 모델(surrogate model)은 물리 현상을 모사하는 역할을 수행하며, 본격적인 수치 해석 솔버(full-scale numerical solvers)를 실행하기에 앞서 수십만 개의 설계 매개변수를 단 몇 초 만에 분석해 유망한 후보를 선별한다. 이와 함께 에이전틱 의사결정 모델은 시뮬레이션 텔레메트리 데이터를 실시간으로 모니터링해 불안정성을 감지하고, 메시(mesh) 경계를 동적으로 조정하며, 사람의 수동 개입을 기다리지 않고 다음 연산 단계를 자율적으로 조정한다. 


그러나 높은 처리량의 추론을 슈퍼컴퓨팅 실행 루프에 통합하려면 빠른 연산 속도와 높은 운영 효율성이 뒷받침돼야 한다. 단일형(monolithic) 컴퓨팅 노드에서는 서로 다른 연산 단계가 동일한 프로세서를 공유하며 자원을 놓고 경쟁하게 된다. 이는 전체 처리량을 저하시키고 지연 시간을 늘리는 요인으로 작용한다. 


분리형 아키텍처(disaggregation)는 추론 워크로드를 각 연산 단계에 적합한 프로세서에 분산함으로써 이러한 병목 현상을 해결한다. 이를 통해 에너지와 자원 활용 효율을 높이는 동시에 전체 실행 속도를 크게 향상시킨다. 이러한 분리형 아키텍처에서 인텔 GPU D270은 연산 집약적인 프리필(prefill) 단계를 담당해 고차원 시뮬레이션 데이터셋과 대규모 프롬프트, 과학 분야의 컨텍스트 윈도우를 빠르게 처리한다. 메모리 의존도가 높은 디코드(decode) 단계는 삼바노바 SN50 재구성 가능 데이터플로 유닛(Reconfigurable Dataflow Units, RDU)이 가속해 빠른 추론을 지원한다. 인텔 제온 6 및 제온 6+ 프로세서는 엔드투엔드 워크플로 오케스트레이션과 호스트 통신, 도구 실행을 총괄한다. 


인텔 GPU D시리즈와 삼바노바 RDU 전반에 걸쳐 워크로드를 조율하는 이러한 이기종 컴퓨팅 방식은 전체 에이전틱 실행 루프의 속도를 높인다. 이를 통해 자율 의사결정 모델은 고비용의 수치 연산 자원이 유휴 상태에 놓이지 않도록 하면서 실시간으로 시뮬레이션을 제어할 수 있다. 또한 기존 공랭식 랙의 전력 한도 내에서 이러한 성능을 구현할 수 있다. 인텔과 삼바노바는 가장 보편적으로 사용되는 소프트웨어 스택을 활용해, 신규 시설 구축을 기다리지 않고도 AI 토큰 수요 증가에 대응할 수 있도록 지원하는 솔루션을 개발하고 있다. 


인텔은 시카고에서 개최되는 SC26 전시 부스에서 분리형 이기종 추론 아키텍처를 실시간으로 시연할 예정이다. 이번 시연에서는 인텔 GPU D270과 삼바노바 SN50 RDU가 함께 작동하는 모습을 선보인다.


HPC 센터와 연구기관에 특히 중요한 점은 이 아키텍처가 턴키 방식으로 제공된다는 것이다. 고객은 맞춤형 소프트웨어 오케스트레이션이나 저수준 스케줄링 계층을 별도로 개발할 필요 없이, 사전 설계된 분리형 인프라를 활용해 최첨단 AI 추론 및 에이전틱 파이프라인을 바로 구축하고 운영할 수 있다. 


소프트웨어 환경 제약 없이 하드웨어의 가치 실현 


하드웨어 혁신이 소프트웨어 사용에 불편을 초래한다면 실질적인 가치를 발휘하기 어렵다. 코드 이식성을 제한하고 많은 비용이 드는 코드 재작성을 요구하는 독점적인 폐쇄형 생태계에 개발팀이 종속될 수 있기 때문이다. 실효성 있는 소프트웨어 전략은 기존 환경과의 완전한 단절을 요구해서는 안 된다. 기존 소프트웨어에 대한 투자를 보호하는 동시에 새로운 가속 기능을 활용할 수 있도록 해야 한다. 


인텔은 기존의 수치 시뮬레이션과 최신 AI 워크로드를 모두 지원하도록 설계된 단일 개방형 소프트웨어 스택을 제공해 이러한 문제에 직접 대응한다. 개발자에게 독점적인 프로그래밍 언어로 알고리즘을 다시 작성하도록 요구하는 대신, 기존에 사용하던 개발 환경과 작업 방식을 그대로 유지하면서 새로운 기술을 활용할 수 있도록 지원한다.


인텔 MPI, 최적화된 포트란(Fortran), 고성능 C++ 컴파일러 등 HPC의 핵심 표준에 오랜 기간 투자해 온 인텔은 기존 병렬 코드베이스가 특정 공급업체에 종속되지 않고 최신 이기종 아키텍처 전반에서 효율적으로 실행될 수 있도록 지원한다.


표준 AI 프레임워크와 추론 런타임, 개방형 SYCL 프로그래밍 모델과의 업스트림 통합을 중심으로 개발을 진행하고 있다. 이에 따라 연구팀은 기존 툴체인을 변경하지 않고도 인텔 GPU D270을 도입할 수 있으며, 도입 초기(Day 0)부터 성능을 기대할 수 있다.


인텔 GPU D270에서 이미 확인된 초기 성능 데이터가 이를 뒷받침한다. 단순히 답변을 생성하는 것을 넘어 의사결정을 수행하는 새로운 유형의 모델에서 D270은 Drex 2.0을 실행하는 엔비디아 RTX PRO 6000 블랙웰 서버 에디션(NVIDIA RTX PRO 6000 Blackwell Server Edition) 대비 최대 29% 낮은 지연 시간을 기록했다[2].


LLM 처리량 측면에서도 D270은 동일한 경쟁사 GPU와 비교해 Qwen 3 30B-A3B 모델에서 1.12배 높은 처리량을 제공했으며, 전력 소비량은 350W에 그쳤다[3]. 양산 전 실리콘(pre-production silicon)을 기반으로 확보한 이 두 가지 성능 결과는 인텔 GPU D270이 에이전틱 AI 워크로드에 대응할 수 있는 충분한 역량을 갖추고 있음을 보여준다.


HPC 분야에서도 앞서 소개한 베리디언(Veridien)의 지진파 모델링 데모를 인텔 GPU D270으로 이식하는 데 많은 작업이 필요하지 않았다. 개방형 SYCL 프로그래밍 모델을 활용해 기존 HIP/CUDA 워크로드 개발 과정에서 축적한 작업을 이어갈 수 있었기 때문이다. 호스트 측 코드를 수정하지 않고 SYCL로 마이그레이션할 수 있었으며, 사전 컴파일(Ahead-of-Time, AOT)과 커널 번들(kernel bundles)을 결합해 기존 연산 커널을 손쉽게 재사용할 수 있었다.


이를 통해 대규모 성능 재조정 작업 없이도 높은 성능을 구현했다. 전체 커널의 90%는 인텔 전용 최적화 없이도 우수한 성능을 보였으며, 복잡한 커널도 최적화하지 않은 최초 이식 단계에서 이론상 최고 성능의 최대 70%에 도달했다. 그 결과 지진파 영상화 미니 애플리케이션을 한 달 이내에 이식했으며, 수치적 정확도와 성능 모두 성공적으로 검증했다.


지금까지 인텔 GPU D270은 추론에 최적화된 GPU로 인식됐을 수 있으나 네이티브 FP64 연산 정밀도와 대용량 메모리를 개방형 소프트웨어와 결합함으로써 고성능 컴퓨팅(HPC) 분야에서도 주목할 만한 경쟁력을 보여주고 있다. HPC와 AI가 융합되는 환경에서 향상된 워크플로 성능을 제공할 수 있는 균형 잡힌 고성능 가속기로서의 가능성을 입증하고 있다.

 

ⓒ 블루프레임(https://www.blueframe.co.kr) 무단전재 및 재배포금지

, , , , , , , , , , ,

Facebook Twitter GooglePlus KakaoStory NaverBand Naver Tumblr Pinterest 신고
0 개의 댓글이 있습니다.
맨위로↑