20년 넘게 우리는 무어의 법칙이 사라졌다는 소식을 들어왔습니다. 인텔 공동 창업자인 고든 무어(Gordon Moore)는 칩에 들어가는 트랜지스터의 수가 2년마다 두 배로 늘어난다는 원칙을 내세웠다. 2006년 무어 자신도 2020년대에 끝날 것이라고 말했다. MIT 교수 Charles Leiserson 은 2016년에 모든 것이 끝났다고 말했습니다 . Nvidia의 CEO는 2022년에 종말을 선언했습니다. Intel의 CEO는 며칠 후 그 반대를 주장했습니다.
무어의 법칙 개념, 즉 이를 물리학의 법칙처럼 취급하지 않는 한 오히려 관찰이 데스크탑 프로세서 간에 놀라운 혁신을 가져왔다는 것은 의심의 여지가 없습니다. 그러나 무어의 법칙이 사라지는 것은 한 순간이 아닙니다. 이는 느리고 추악한 과정이며 마침내 실제로 어떤 모습인지 확인할 수 있게 되었습니다.
창의적인 솔루션
AMD와 Intel의 두 가지 새로운 세대가 있는데, 둘 다 실제로 게이트 스윙에서 나오지 않았습니다. 내 Core Ultra 9 285K 리뷰 에서 읽을 수 있듯이 Intel의 최근 시도는 근본적으로 새로운 디자인으로 많은 인상적인 성과를 거두었지만 여전히 경쟁사를 따라잡을 수는 없습니다. 그리고 Ryzen 9 9950X 는 Zen 4에 비해 확실히 업그레이드되었지만 우리가 익숙해진 세대별 개선 사항을 제공하지 않습니다.
이것을 고려해 보십시오. Cinebench R23을 보면 Ryzen 9 5950X에서 Ryzen 9 7950X 로의 멀티 코어 점프는 36%였습니다. Ryzen 9 7950X와 Ryzen 9 9950X 사이? 15%. 이는 한 세대 내에 개선된 것의 절반에도 못 미치는 수준입니다. Handbrake에서 Ryzen 9 7950X는 Ryzen 9 5950X에 비해 트랜스코딩 속도가 34% 향상되었습니다. Ryzen 9 9950X를 사용하면 개선율이 13%로 줄어들었습니다.
이것은 단지 이상한 세대가 아닙니다. Core i9-101900K 및 Core i9-12900K 의 단일 코어 성능을 살펴보면 Intel은 54% 향상된 성능을 제공했습니다. 현시점에서 3세대가 지난 Core i9-12900K를 최신 Core Ultra 9 285K와 비교해도 20% 향상에 불과합니다. 더 나쁜 것은 Intel의 새로운 Core Ultra 시리즈가 Cinebench에서 이상하게 높은 결과를 보여주고, 다른 응용 프로그램으로 진출하면 실제로 한두 세대 전과 비교하여 약간의 회귀를 볼 수 있다는 것입니다.
불과 몇 년 만에 성능 향상 속도가 상당히 느려졌습니다. 무어의 법칙은 성능 향상에 대해 직접적으로 언급하지 않고 단순히 칩의 트랜지스터 수와 관련이 있습니다. 그러나 이는 성능에 분명한 영향을 미칩니다. 문제에 더 많은 트랜지스터를 사용하는 것은 예전처럼 실용적이지 않습니다. 왜 그런지 더 알고 싶다면 Dennard 스케일링의 죽음을 읽어보세요.
AMD와 Intel은 이에 대해 공개적으로 이야기하지 않을 수도 있지만 두 회사 모두 벽에 쓰여 있는 내용을 분명히 볼 수 있습니다. 이것이 바로 Intel이 처음에 하이브리드 아키텍처로 전환한 이유와 Arrow Lake CPU를 통해 급진적인 재설계를 도입한 이유일 것입니다. 그리고 AMD 입장에서는 3D V-Cache가 회사 CPU의 정의 기술이 되었다는 사실은 비밀이 아니며 이는 무어의 법칙의 병목 현상을 피할 수 있는 확실한 방법입니다. 모든 CPU 다이에 있는 많은 양의 트랜지스터는 캐시 전용으로(40%~70% 범위) AMD는 말 그대로 다이에 들어갈 수 없을 만큼 더 많은 캐시를 그 위에 쌓고 있습니다.
공간의 기능
무어의 법칙과 데나드 스케일링을 살펴볼 때 염두에 두어야 할 중요한 요소 중 하나는 공간입니다. 물론 수많은 트랜지스터로 거대한 칩을 만들 수 있지만 얼마나 많은 전력을 소비할까요? 적당한 온도에서 유지될 수 있을까요? PC나 기업에 서버를 배치하는 것이 실용적일까요? 다이 크기와 트랜지스터 수를 분리할 수는 없습니다.
AMD의 Chris Hall과 나눈 대화가 생각납니다. “우리 모두는 오랫동안 무어의 법칙을 즐기고 있었지만, 그 정도는 쇠퇴했습니다. 그리고 이제 실리콘 1제곱밀리미터는 매우 비싸서 계속 두 배로 늘릴 여유가 없습니다. 우리는 그 칩을 만들 수 있고, 만드는 방법을 알고 있지만, 가격이 더 비싸집니다.”
나는 Nvidia의 미친 가격 전략을 옹호하기 위해 여기에 있는 것이 아니지만, 회사는 RTX 30 시리즈 GPU를 사용하는 삼성보다 RTX 40 시리즈 GPU를 사용하는 TSMC의 가격이 더 높은 것으로 알려졌습니다 . 그리고 RTX 4090 은 매우 유사한 다이 크기에서 RTX 3090보다 두 배 이상 많은 트랜지스터 수를 제공합니다. 칩 전반에 걸쳐 무어의 법칙을 고수한다면 소비자로서 PC를 업그레이드할 때 그 결과가 마음에 들 것인지 확신할 수 없습니다.
RTX 4090과 같은 카드가 직면한 다른 문제(높은 전력 요구 사항, 엄청난 쿨러 크기, 녹는 전원 커넥터) 는 말할 것도 없습니다. 이러한 문제가 모두 트랜지스터 수를 두 배로 늘리는 기능은 아니고, 근접한 수준도 아니지만 어느 정도 역할을 합니다. 더 많은 트랜지스터를 위한 더 큰 칩, 더 많은 열, 그리고 일반적으로 더 높은 비용이 듭니다. 특히 실리콘 비용이 계속 증가함에 따라 더욱 그렇습니다.
바로가기
무어의 법칙은 사라졌고, PC 하드웨어는 점점 더 비싸지고, 모든 것이 엉망이 되었습니다. 저는 이 말을 그만두고 싶지 않습니다. 동일한 크기의 칩에 더 많은 트랜지스터에만 의존하지 않고 해마다 성능을 향상시킬 수 있는 더 많은 방법이 있을 것입니다. 지금 우리가 거기에 도달하는 방식은 다를 뿐입니다. 나는 AI에 대해 이야기하고 있습니다.
잠깐, 기사를 클릭하지 마세요. 기술 회사들은 AI가 많은 돈을 상징하기 때문에 AI에 열광하고 있습니다. 그 관점은 냉소적이지만 Microsoft 및 Nvidia와 같은 1조 달러 규모의 기업이 일하는 방식과 다를 바 없습니다. 그러나 AI는 또한 새로운 형태의 컴퓨팅을 가져오는 방법을 나타냅니다. 나는 수많은 AI 비서와 환각적인 챗봇에 대해 이야기하는 것이 아니라 이전에 순수한 실리콘 혁신을 통해 얻을 수 있었던 대략적인 결과를 얻기 위해 문제에 기계 학습을 적용하는 것에 대해 이야기하고 있습니다.
DLSS 를 보세요. 특정 수준의 성능을 유지하기 위해 업스케일링을 사용한다는 아이디어는 논란의 여지가 있으며 개별 게임에 관해서는 미묘한 대화입니다. 하지만 DLSS는 엄격한 하드웨어 개선 없이도 더 나은 성능을 가능하게 합니다. 현재 DLSS, FSR 및 무손실 스케일링과 같은 타사 도구 에서 볼 수 있는 프레임 생성을 추가하면 그래픽 카드에서 렌더링되지 않는 많은 픽셀이 있습니다.
덜 논란의 여지가 있는 각도는 Nvidia의 Ray Reconstruction 입니다. 레이 트레이싱이 까다롭다는 것은 비밀이 아니며 하드웨어 요구 사항을 해결하는 과정의 일부가 광선 수를 제한한 다음 노이즈 제거로 결과 이미지를 정리하는 프로세스입니다. Ray Reconstruction은 훨씬 더 많은 광선과 훨씬 더 강력한 하드웨어가 필요한 결과를 제공하며 성능을 전혀 제한하지 않고 다시 한 번 기계 학습을 통해 이를 수행합니다.
무어의 법칙이 죽었는지 살아 있는지는 정말 중요하지 않습니다. AMD, Intel, Nvidia와 같은 회사가 계속 살아남기를 원한다면 증가하는 성능 요구 사항을 해결하기 위한 솔루션을 지속적으로 생각해야 할 것입니다. PC 하드웨어의 혁신은 완전히 사라지지 않았지만 조금 달라 보이기 시작할 수도 있습니다.