[연합] "美 반도체 수출 통제, 화웨이 등 中 경쟁사에나 유리"

- 2025.4.22

엔비디아의 손실은 중국의 자국 인공지능(AI) 칩 기업들에 이득이 될 수 있다​

화웨이는 여전히 칩 분야에서는 한 세대 뒤처져 있기는 하지만 그 칩을 사용하는 하드웨어 분야에서는 파동을 일으키고 있다

https://www.youtube.com/watch?v=sg44A1nU9n4

[제미나이 요약]

• 화웨이의 AI 서버 능력: 수많은 제재에도 불구하고 화웨이는 NVIDIA의 최신 모델과 성능면에서 경쟁할 수 있는 AI 서버를 개발했습니다 [01:25]. 이는 대규모 네트워킹 시스템을 구축하는 데 있어 화웨이의 전문성을 강조합니다 [01:34].
• 화웨이의 AI CloudMatrix 384: Ascend 910C AI 프로세서로 구동되는 화웨이의 AI CloudMatrix 384는 성능면에서 NVIDIA의 GB200 MVL72와 비슷합니다 [03:35]. 개별 칩은 NVIDIA의 성능에 미치지 못할 수 있지만, 화웨이는 대규모 상호 연결 시스템을 구축하는 데 탁월합니다 [03:15].
• 네트워크 중요성: 비디오는 전체 시스템 성능, 특히 칩 간의 빠른 데이터 전송을 용이하게 하는 네트워크의 능력이 중요하다고 강조합니다 [03:24]. 화웨이의 강점은 네트워킹 기능에 있으며, 이를 통해 NVIDIA와 유사한 성능 수준을 달성할 수 있습니다 [03:07].
• 중국의 기술 발전: 중국은 특히 AI 분야에서 기술적으로 상당한 진전을 이루었습니다 [04:18]. 어려움에 직면했음에도 불구하고 중국의 기술력을 과소평가해서는 안 됩니다 [04:10].
• 시스템 구성: 화웨이 AI 서버는 각각 32개의 GPU를 포함하는 16개의 랙으로 구성되어 총 384개의 GPU를 갖습니다 [05:34]. 중앙 스위치 랙은 이 랙 간의 통신을 용이하게 합니다 [05:50]. 화웨이는 칩 간의 고속 데이터 전송을 위해 자체 Cloud Link 인터커넥트를 활용하여 NVIDIA의 NVLink와 경쟁합니다 [06:15].
• 액체 냉각: 화웨이는 강력한 프로세서에서 발생하는 열을 관리하기 위해 액체 냉각을 사용합니다 [06:48].
• 성능 비교: NVIDIA의 GB200은 단일 칩 성능이 우수하지만, 화웨이의 시스템은 더 많은 수의 칩을 연결하여 비슷한 전체 성능을 달성합니다 [07:32]. 화웨이의 시스템은 더 높은 메모리 용량과 대역폭을 자랑합니다 [08:51].
• 에너지 소비: 중국은 풍부한 재생 에너지 자원을 활용하여 에너지 효율성보다는 성능 극대화에 초점을 맞추고 있습니다 [09:50].
• TSMC의 역할: 제재에도 불구하고 TSMC는 계속해서 화웨이에 칩을 공급하고 있습니다 [12:11]. 화웨이는 또한 삼성에서 HBM을 조달하고 TSMC의 7nm 공정을 활용합니다 [12:38].
• 화웨이의 네트워킹 전문성: 네트워킹 분야에서 화웨이의 전문성은 고성능 AI 시스템을 구축하는 데 중요한 요소입니다 [18:11]. 화웨이는 네트워크 장비 분야의 선두 주자였으며 빠른 데이터 전송을 위해 SerDes (Serializer/Deserializer)와 같은 고급 기술을 통합했습니다 [19:10].
• 광 트랜시버: 화웨이의 AI 서버는 고속 데이터 전송을 위해 많은 수의 광 트랜시버를 활용합니다 [15:06]. 각 칩에는 14개의 광 트랜시버가 있습니다 [15:13].
• 스케일 아웃 토폴로지: 화웨이는 AI 시스템의 전체 처리 능력을 향상시키기 위해 여러 서버를 추가하는 스케일 아웃 토폴로지를 사용합니다 [15:30].
• 네트워크 토폴로지: 화웨이의 네트워크 토폴로지는 칩 간의 효율적인 통신을 보장하여 대규모 AI 모델의 빠른 처리를 가능하게 합니다 [16:04].
• 화웨이의 강점: 화웨이는 AI 칩 설계뿐만 아니라 대규모 AI 인프라 구축에 중요한 네트워크 토폴로지 및 시스템 아키텍처에도 탁월합니다 [17:33].