엔비디아에 도전하는 2개의 AI 칩 주식

AI 패권을 위한 전투는 끝나지 않았습니다.

엔비디아(NVDA)와 초강력 데이터 센터 GPU는 인공 지능(AI) 혁명의 중심에 있습니다.
 
OpenAI의 ChatGPT를 구동하는 것과 같은 고급 AI 모델을 훈련하고 실행하려면 상당한 컴퓨팅 성능이 필요합니다.
AI칩 생태계를 구축하는 데 10년 이상 노력한 덕분에 엔비디아는 폭주하는 시장 리더가 되었습니다.

그러나 엔비디아는 영원히 지배적인 위치를 유지하지 못할 수도 있습니다.
 
AMD(AMD)와 인텔(INTC) 모두 AI 가속기 시장을 노리고 있기때문입니다.
 
엔비디아가 곧 시장지배 지위에서 내려오지는 않겠지만 AMD와 인텔이 자체 AI 솔루션에 대한 폭발적인 관심과 행보를 보이고 있습니다.

---

1. AMD

 
AMD는 데이터 센터 GPU 시장에서 지금까지 AI 폭발적인 수요를 거의 놓치고 있습니다.
 
문제의 일부는 소프트웨어입니다. 엔비디아는 2006년부터 자체 GPU에서만 작동하고 업계 표준이 된 CUDA 컴퓨팅 플랫폼을 사용해 왔습니다.
 
CUDA를 중심으로 구축된 대규모 생태계가 있어 엔비디아의 GPU를 데이터 센터의 근본적으로 가속 워크로드를 위한 최소 저항의 길로 만들고 있습니다.
 
AMD는 두 가지 방향으로 이러한 상황을 변화시킬 것을 고려하고 있습니다.
 
하드웨어 측면에서 회사는 인스팅트 브랜드로 초강력 칩 제품군을 출시할 예정입니다.
 
여기에는 헤비듀티 생성 AI 훈련 워크로드를 목표로 하는 순수 GPU인 MI300X와 CPU 및 GPU 코어를 포함하는 MI300A가 포함됩니다.
 
소프트웨어 분야에서 AMD는 ROCm이라고 불리는 개방형 소프트웨어 생태계를 위해 노력하고 있습니다.
 
엔비디아는 큰 주도권을 가지고 있지만, ROCm의 최신 릴리스는 텐서플로우와 파이토치를 포함한 인기 있는 기계 학습 프레임워크를 지원합니다.
 
ROCm은 2016년부터 있었지만, AI 가속기에 대한 수요가 급증함에 따라 AMD는 이제 새롭게 추진하고 있습니다.
 
AMD는 아직 AI 붐으로 인한 의미 있는 재정적 이익을 실현하지 못했지만 강력한 MI300 하드웨어가 출시됨에 따라 올해 말과 2024년에 바뀔 수 있습니다. 
 
이 회사는 2분기 AI 클러스터 참여가 1분기에 비해 7배 증가했다고 밝혔는데, 이는 이 새로운 칩에 대한 관심이 높다는 것을 시사합니다.
 
 소프트웨어는 AMD를 불리하게 만들지만, AMD는 엔비디아의 고가의 GPU 이외의 옵션을 요구하는 시장에 진출할 것입니다.
 

---

2. 인텔

거대 칩 인텔은 오랫동안 데이터 센터 CPU 시장을 장악했지만 데이터 센터 가속기 시장을 거의 놓쳤습니다.
 
다년간 턴어라운드 전략의 일환으로 회사는 이제 AI 칩에 대한 급증하는 수요를 따라가는 여러 가지 방법을 가지고 있습니다.
 
인텔의 만성적으로 지연된 사파이어 래피즈 서버 CPU는 내장된 가속기를 특징으로 하며, 그 중 일부는 인공지능 추론 작업량을 위해 맞춤 제작되었습니다.
 
인텔은 인공지능 작업량에서 경쟁사인 AMD의 최신 서버 CPU를 7배나 능가한다고 주장합니다.
 
인텔의 CPU가 크고 발전된 인공지능 모델을 훈련하거나 실행할 수는 없지만, 더 작은 모델과 다른 가벼운 인공지능 작업을 실행하기 위한 비용 효율적인 솔루션이 될 수 있습니다.
 
인텔은 CPU를 넘어 맥스 시리즈 데이터 센터 GPU와 AI 칩 전문 가우디 라인을 제공합니다.
 
가우디는 2019년 하바나를 인수한 것으로, 현재의 가우디2 칩은 엔비디아의 최신 데이터 센터 GPU만큼 빠르지는 않지만 가격과 성능 측면에서 경쟁력이 있습니다.
 
클라우드 컴퓨팅의 선두 주자인 아마존 웹 서비스는 이미 가우디 칩에 의해 구동되는 인스턴스를 제공하고, 인텔은 폭발적인 수요를 활용하기 위해 가우디의 차세대 버전을 작업하고 있습니다
 
이 회사는 2분기에 주로 가우디에 의해 주도된 가속기 파이프라인에서 6배 증가했습니다.
 
AMD와 마찬가지로, 가우디가 인기 있는 인공지능 프레임워크를 지원하지만, 소프트웨어에 있어서는 인텔이 불리합니다.
 
인텔은 원시 AI 훈련 성과에서 엔비디아를 이길 수 없지만 총 소유 비용으로 경쟁할 수 있습니다.
 
대형 AI 모델을 훈련하는 데 얼마나 많은 비용이 들 수 있는지를 고려하면 이는 승리 전략처럼 보입니다.