딥시크·화웨이의 AI 칩 도구 공개, CUDA 대안이 될까

딥시크가 화웨이와 함께 공개한 것은 AI 칩만이 아니다. 화웨이 어센드 칩을 실제 개발 현장에서 활용하는 데 필요한 프로그래밍 도구와 소프트웨어 기반도 함께 내놨다. 두 회사는 타일랭(TileLang)과 연산·통신 라이브러리를 포함한 인프라를 오픈소스로 공개했으며, 어센드 950 칩 128개를 기반으로 한 시스템도 공동으로 발전시켰다고 밝혔다. 1813

목표는 화웨이 칩이 엔비디아의 CUDA 생태계에 덜 의존하는 선택지가 되도록 만드는 것이다. 다만 도구 공개와 대규모 칩 구성을 갖췄다는 사실만으로 개발자들이 옮겨오거나 CUDA 기반 시스템과 성능이 대등해졌다고 볼 수는 없다.

칩을 쓰려면 소프트웨어 도구도 필요하다

AI 가속기를 활용하려면 칩 자체뿐 아니라 그 칩에 맞춰 프로그램을 작성하고 작업을 나눠 처리할 소프트웨어가 필요하다. 딥시크와 화웨이가 공개한 도구는 이런 기반을 마련하는 데 초점을 맞췄다.

타일랭은 AI 소프트웨어를 개발하기 위한 프로그래밍 언어다. 개발자가 엔비디아의 CUDA에 의존하지 않고 어센드 하드웨어용 프로그램을 작성할 수 있도록 하는 역할을 한다. 어센드용 타일랭을 비롯해 공개된 일부 도구는 무료로 이용할 수 있다. 68

함께 공개된 라이브러리는 두 가지 주요 작업을 지원한다.

• 연산 라이브러리는 AI 작업을 칩에서 수행하는 데 필요한 소프트웨어를 제공한다.
• 통신 라이브러리는 작업을 여러 가속기에 나눠 처리할 때 칩 사이의 데이터 교환과 작업 조율을 돕는다. 11325

프로그래밍 도구와 라이브러리가 함께 제공되면 단일 칩을 다루는 작업부터 여러 칩을 연동하는 작업까지 개발에 필요한 기반을 갖출 수 있다. 그렇다고 모든 AI 모델이나 개발 환경이 어센드에서 문제없이 작동한다는 뜻은 아니다.

128칩 시스템이 보여주는 것

보도에 따르면 딥시크와 화웨이는 어센드 950 칩 128개를 활용한 ‘슈퍼노드’를 함께 발전시켰다. 두 회사는 연산과 통신을 함께 최적화하는 데 초점을 맞췄다. 1324

128개라는 숫자는 두 회사가 작업했다고 밝힌 시스템의 규모를 보여준다. 그러나 이것이 어떤 엔비디아 클러스터든 대체할 수 있다는 증거는 아니다. 공개된 보도만으로는 학습 속도나 신뢰성, 비용 면에서 엔비디아 기반 시스템과 비교해 어느 수준인지 확인하기 어렵다.

화웨이의 지원과 국내 대안 구축 움직임

딥시크는 프로그래밍 인프라를 개발하는 과정에서 화웨이가 전폭적으로 지원했다고 밝혔다. 1 칩에 맞는 소프트웨어를 개발하려면 하드웨어에 대한 이해와 조정이 필요하다. 칩을 만드는 쪽과 도구를 개발하는 쪽이 협력하면 하드웨어와 소프트웨어를 함께 다듬을 수 있다는 점에서 파트너십의 의미가 있다.

이번 협력은 중국 기술 기업들이 엔비디아 생태계의 대안을 마련하려는 움직임과도 맞닿아 있다. 미국의 수출 통제는 중국 개발자들이 국내 대안을 모색하는 배경 가운데 하나다. 다만 새 도구의 공개만으로 하드웨어 접근이나 소프트웨어 활용에 따르는 제약이 해소되는 것은 아니다. 114

관건은 개발자들이 실제로 선택하느냐다

무료 오픈소스 공개는 개발자가 어센드용 도구를 시험해 보는 진입 장벽을 낮춘다. 하지만 이미 구축된 개발 환경을 바꾸려면 도구가 안정적으로 작동하고, 실제 업무에 유용하며, 꾸준히 개선될 수 있도록 지원받는지도 중요하다.

현재 확인된 것은 두 회사의 협력과 도구 공개, 128칩 구성이다. 개발자들이 폭넓게 채택했는지, CUDA와 맞먹는 성능을 내는지는 입증되지 않았다. 1813

이번 발표는 어센드 칩을 더 쉽게 프로그래밍하고 여러 칩으로 확장하려는 구체적인 시도다. 이것이 CUDA의 실질적인 대안으로 자리 잡을지는 결국 도구가 현장에서 얼마나 잘 작동하는지, 개발자들이 계속 선택할지에 달려 있다.