이노그리드, GPU 원천기술 4종 확보…AI 인프라 활용 효율 극대화 도전 작성일 05-12 32 목록 <div id="layerTranslateNotice" style="display:none;"></div> <strong class="summary_view" data-translation="true">엔비디아·AMD·인텔 이기종 통합 제어…NHN클라우드 연계 시너지 기대</strong> <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> <section dmcf-sid="FWSAVdLxWg"> <figure class="figure_frm origin_fig" contents-hash="37e19f334dc5033060a31fbf2335a2ca8c09d4f27d2c86a48da94992650b418c" dmcf-pid="3YvcfJoMho" dmcf-ptype="figure"> <p class="link_figure"><img class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202605/12/552796-pzfp7fF/20260512115637452schk.png" data-org-width="640" dmcf-mid="1Ti2YpztCN" dmcf-mtype="image" height="auto" src="https://img1.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202605/12/552796-pzfp7fF/20260512115637452schk.png" width="658"></p> </figure> <p contents-hash="f23e8642917271e961fe01cc43f72a2ba5ca50c66892b4f84b7d915d09e1f1a1" dmcf-pid="0GTk4igRTL" dmcf-ptype="general">[디지털데일리 이안나기자] 생성형 AI 확산으로 GPU 수요가 급증하는 가운데, 고가 장비를 효율적으로 활용하지 못하는 구조적 한계가 업계 공통 과제로 부상하고 있다. 현재 대부분의 GPU 서비스는 장비를 통째로 할당하는 방식에 머물러 있어 활용률이 낮고 운영 비용 부담도 크다. 이노그리드가 이 문제를 이기종 GPU 통합 제어 기술로 풀겠다고 나섰다.</p> <p contents-hash="9716819173537681f96286cdb69c193c6b41fb3eac3921f63218fb23c76c5668" dmcf-pid="pHyE8naeSn" dmcf-ptype="general">이노그리드는 과학기술정보통신부·정보통신기획평가원(IITP)이 추진하는 GPU 원천기술 과제 4건을 수행한다고 12일 밝혔다. GPU 자원 공유·오케스트레이션·AI CMP(클라우드 관리 플랫폼)·GPUaaS(GPU as a Service) 표준까지 GPU 인프라를 구성하는 4대 기술 스택 전반을 아우르는 연구개발 체계를 갖추게 됐다. 총 256억원 규모로 추진되는 이번 프로젝트를 통해 이노그리드는 2030년까지 누적 기준 100억원 정부 R&D 재원을 확보한다.</p> <p contents-hash="d93027a6a7643852f24b5b00f000364b2b5088ae20483445c03a76b3f5ec1f49" dmcf-pid="UXWD6LNdhi" dmcf-ptype="general">이번 과제는 올해 이노그리드가 제시한 기술 로드맵 ‘프롬 xPU 투 AI 플랫폼(From xPU to AI Platform)’ 실행 사례이기도 하다. CPU·GPU·NPU 등 이기종 컴퓨팅 자원을 통합 제어하는 AI 인프라 전문기업으로 도약하겠다는 구상이다.</p> <p contents-hash="3d6489ba58b1812036d8ce8762654d5b93bfd53413c3a4b57d0d173e2057a6e6" dmcf-pid="uZYwPojJlJ" dmcf-ptype="general">이번 과제 가운데 기술적으로 주목되는 건 ‘GRIM-GPU’ 과제다. 단일 노드에서 GPU 자원을 분할·재구성하고 자원 간 간섭을 최소화하는 GPU 공유 기술 개발이 목표다. 현재 시장의 GPU 서비스는 대부분 GPU를 통째로 할당하는 패스스루(Passthrough) 방식에 머물러 있다. 고가의 GPU 장비를 쪼개 쓰기 어렵고 워크로드가 바뀌면 재구성에 수일씩 걸리는 구조적 한계가 있다.</p> <p contents-hash="e3653c12286ae414729396c1fa9fbe5eb3a6675b79e5143897c3748be12d9447" dmcf-pid="75GrQgAihd" dmcf-ptype="general">이노그리드 관계자는 “단순 GPU 가상화 기술 개발이 아니라 실제 클라우드 서비스 환경에서 GPU를 보다 효율적으로 공유·운영하기 위한 핵심 원천기술 확보에 초점이 맞춰져 있다”고 설명했다.</p> <p contents-hash="153ce660a9b08428ed9ba7695304cf4fd63eaec8387f3c05f4df08c8bd2342bc" dmcf-pid="zlOoBQe4We" dmcf-ptype="general">기존 기술과의 차별점은 벤더 독립성에서 출발한다. 현재 GPU 시장은 엔비디아가 사실상 독점하고 있다. 엔비디아 GPU 오퍼레이터는 MIG(하드웨어 분할)·MPS(소프트웨어 시분할) 2종의 파티션 기술을 지원하는데 이는 현재 시장 최고 수준이다. 이노그리드는 여기서 더 나아가 엔비디아 MIG, AMD CP·MP, 인텔 SR-IOV까지 3종 이상 이기종 GPU 파티션 기술을 단일 API 하나로 통합 제어하는 것을 목표로 한다. 이노그리드 관계자는 “세계 최초 시도”라고 밝혔다.</p> <p contents-hash="b0922ee4616d040f2c912944529e23526d71e9b6183f8834fe91d6eb27aaf55d" dmcf-pid="qSIgbxd8WR" dmcf-ptype="general">재구성 속도도 다르다. 기존 엔비디아 MIG 방식은 GPU 설정을 바꾸려면 실행 중인 프로세스를 멈추고 관리자가 수동으로 재설정해야 해 수 초 이상이 걸린다. 이노그리드는 이를 1초 이내 무중단 재구성으로 단축하는 것을 목표로 한다.</p> <p contents-hash="fc99d35f737a02085743406289812e202bcc7704a2dca2c23a90054688371d30" dmcf-pid="BvCaKMJ6yM" dmcf-ptype="general">가상머신(VM)과 컨테이너를 함께 쓸 수 있다는 점도 차별점이다. GPU 서버는 보통 VM 또는 컨테이너 중 하나의 방식으로만 운영된다. 보안이 중요한 AI 학습 작업에는 VM 방식이, 빠른 처리가 필요한 추론 작업에는 컨테이너 방식이 각각 유리한데 현재는 같은 서버에서 두 방식을 동시에 쓰기가 어렵다. 이노그리드는 이 두 환경을 하나의 GPU 서버에서 동시에 운용하면서 작업 간 성능 간섭을 5% 이하로 억제하는 기술을 개발한다.</p> <p contents-hash="c05748c213436c99a7cce16790f0fcc2bc030c28515c52c12fb9e874dfa372b3" dmcf-pid="bThN9RiPyx" dmcf-ptype="general">모니터링 방식도 개선된다. 기존 엔비디아 엔사이트(Nsight) 같은 GPU 모니터링 도구는 사용하는 것만으로도 딥러닝 속도가 최대 144배까지 느려지는 문제가 있다. 이노그리드는 eBPF라는 커널 레벨 경량 기술을 적용해 모니터링 부하를 10% 이내로 낮춘다는 방침이다.</p> <div contents-hash="fb792b02be8b3b54f8086668048d38448fe4e1be1680f9270d8a7f5ad2105176" dmcf-pid="Kylj2enQWQ" dmcf-ptype="general"> 4대 기술 스택이 어떻게 연결되는지도 주목할 부분이다. GPU 공유·오케스트레이션·AI CMP·GPUaaS 표준은 레이어 구조로 쌓여 최종적으로 하나의 AI 인프라 운영 플랫폼으로 통합되는 방향을 지향한다. 이노그리드 관계자는 “각각 독립 기술로도 활용 가능하지만 최종적으로는 AI 인프라 운영 플랫폼 형태로 통합되는 방향을 지향한다”고 말했다. </div> <figure class="figure_frm origin_fig" contents-hash="1f4bcc55468930d3d31b88c20eeed623f8224d1b188246bd1c28cd29c287f392" dmcf-pid="9WSAVdLxTP" dmcf-ptype="figure"> <p class="link_figure"><img class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202605/12/552796-pzfp7fF/20260512115637718wdtg.jpg" data-org-width="640" dmcf-mid="txZORjEoCa" dmcf-mtype="image" height="auto" src="https://img4.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202605/12/552796-pzfp7fF/20260512115637718wdtg.jpg" width="658"></p> </figure> <p contents-hash="91c1a810a5a54f7bfe7d78e1b6aa411fd0439c742276f269ca47cd12f89291b3" dmcf-pid="2YvcfJoMC6" dmcf-ptype="general">이번 기술은 NHN클라우드의 GPUaaS(GPU as a Service) 및 GPU 라이브 서비스와의 연계도 검토 중이다. 오는 7월 NHN클라우드 자회사 NHN인재아이앤씨와의 합병을 앞둔 이노그리드는 NHN클라우드가 최대주주로 올라서는 구조 속에서 GPU 동적 분할, 오케스트레이션, 모니터링 등의 기술을 NHN클라우드 운영 환경에 적용하는 방안을 구체화하고 있다.</p> <p contents-hash="7dc8c9fa5dd1ca8d5894356de4f5a48d6862f6220320d742c3a821c8a6710ce6" dmcf-pid="VGTk4igRW8" dmcf-ptype="general">이노그리드 관계자는 “GPU 워크로드 구성 시간을 기존 수일~수주에서 수분 수준으로 단축하는 것을 목표로 하고 있다”고 설명했다.</p> <p contents-hash="10fae9014836c43197c56c57441841f5c76892c20f089b09e376f6bc878e1027" dmcf-pid="fHyE8naey4" dmcf-ptype="general">상용화는 단계적으로 추진된다. 2026년 프로토타입 개발을 시작으로 2027년 엔비디아·AMD 동시 지원 플랫폼 안정화, 2028년 시범서비스 운영 및 실증 순으로 로드맵이 짜여 있다.</p> <p contents-hash="7d540c6157f3bee69a2f6f9de2eac7ae0a7848b41dcec4ccb84306da9561eb86" dmcf-pid="4XWD6LNdCf" dmcf-ptype="general">김명진 이노그리드 대표는 “기술개발 과제 수행 결과가 회사의 실질적인 기술 자산으로 축적되고 현장에서 바로 활용 가능한 성과로 이어질 수 있도록 최선을 다하겠다”고 말했다.</p> </section> </div> <p class="" data-translation="true">Copyright © 디지털데일리. All rights reserved. 무단 전재 및 재배포 금지.</p> 관련자료 이전 텔레픽스 "이란 원유 수출기지 하르그섬 해역 기름띠 가능성 확인" 05-12 다음 "미국 대학교, 철저히 알아보고 본인에게 가장 잘 맞는 학교를 선택할 것" 1년 만에 한국 방문한 노호영의 조언 05-12 댓글 0 등록된 댓글이 없습니다. 로그인한 회원만 댓글 등록이 가능합니다.
