AI가 무엇인지는 알고는 있지만, 주식을 위해서는 더욱 폭넓게 이해하는 것이 필요한 것 같아서 따로 공부할겸 정리를 해보고자 한다.
(여러 자료를 통해 개인적 공부를 위해 정리한 내용입니다)
흔히들 AI라고 하면 챗GPT 같은 우리가 직접 사용하는 서비스만 떠올리기 쉬운데, 사실 AI를 만들기 위해 필요한 반도체, 전력, 클라우드 등과 같은 산업들에 대한 이해도 필요하다.
1. AI 생태계란
AI 기술의 개발부터 응용, 인프라 구축, 정책과 규제에 이르기까지 참여하는 기업, 정부, 학계, 사용자 등이 상호작용하며 형성하는 복합적인 구조를 의미한다고 한다. (출처: SK 하이닉스 뉴스룸)
크게 인프라/하드웨어(칩, 데이터센터), 소프트웨어/플랫폼(AI 모델, 클라우드), 그리고 응용 서비스(각종 AI 애플리케이션)로 구분할 수 있다.
2. AI 데이터 센터
AI 기술 발전과 대규모 데이터 처리 수요 증가에 따라 AI 데이터 센터 수요가 증가하고, 주요 인프라로 부상하고 있다.
AI 데이터 센터는 일반 데이터 센터에 비해 고성능 컴퓨팅 자원과 고효율 냉각 및 전력 시스템을 갖추고 있으며, 실시간 데이터 최적화 등 고도화된 임무를 수행한다.
다만 AI 데이터센터의 급증은 막대한 전력 사용량 증가와 탄소 발자국 문제를 야기하고 있기 때문에, 이를 해결하기 위한 에너지 효율화와 지속가능성 확보도 필요하다는 얘기가 많다.
3. AI 칩, 반도체
AI 연산에 특화된 반도체로 AI 데이터 센터 성능의 두뇌 역할을 한다고 볼 수 있다. 데이터를 저장하지 않고, 데이터를 처리하거나 제어하는 역할을 한다.
이는 연산 방식, 용도 등에 따라 종류를 나눠볼 수 있다.
- GPU: 중앙 처리 장치, 범용적인 연산 담당 / 대표 기업: 엔비디아
- NPU: 신경망 처리 장치, 스마트폰 등 저전력 환경에서 사용
- ASIC: 주문형 반도체, 특정 AI 기능만을 수행 - ex. TPU: 텐서 처리 장치, 구글이 만듦
- 뉴모로픽 반도체: 인간의 뇌 신경망 구조 모방
이 외에도 더 있다.
4. 소프트웨어 및 플랫폼
AI 모델 개발, 학습, 배포를 위한 환경 및 핵심 기술 제공한다. 대표적으로 AI 개발 도구, 클라우드 플랫폼, 거대 언어 모델 (LLM), 머신러닝 플랫폼 (MLOps) 등이 있다.
최근 훈련 연산량이 기하급수적으로 증가하고 있다.
5. 응용 서비스
- 생성형 AI : 텍스트, 이미지, 영상 등 다양한 콘텐츠 생성, 생산성/효율성 향상
- 대표 산업: 헬스케어, 자율주행, 금융
6. 관련 이슈
- 일자리 감소 : 실제로 신입, 주니어 일자리 크게 감소중
- AI 규제 및 안전, 윤리 문제
- 고급 인력 확고 경쟁 및 국가 간 격차 증가
- 비용 증가 : AI 성능이 높아질수록 많은 데이터, 전력 등의 자원이 필요로 하고 결국 사용자에게 비용이 전가될 수 있음