중국 화웨이 어센드 칩의 실제 성능, 어디까지 왔나

화웨이 어센드 시리즈의 실제 성능을 탐구하는 글에 어울리는 미래지향적 반도체 이미지입니다.

최근 몇 년 사이 AI 반도체 시장은 엔비디아가 독주하는 모양새였지만, 중국 화웨이는 미국의 제재 속에서도 자체 AI 가속기 ‘어센드(Ascend)’ 시리즈를 꾸준히 발전시켜 왔어요. 특히 최신 모델인 어센드 910B와 910C가 공개되면서, 정말로 엔비디아의 A100이나 H100에 근접한 성능을 낼 수 있을지 관심이 집중되고 있습니다.

사실 화웨이는 2018년 처음 AI 전략을 전면에 내세우며 ‘어센드 310’과 ‘어센드 910’을 발표했는데, 당시만 해도 스마트폰이나 엣지 컴퓨팅용 칩이라는 인식이 강했죠. 하지만 시간이 지나면서 화웨이의 AI 칩은 클라우드와 데이터센터에서도 실사용 가능한 수준으로 올라왔다는 평가가 나오고 있어요.

이번 글에서는 실제 공개된 벤치마크 자료와 업계 분위기를 바탕으로, 화웨이 어센드 칩의 성능이 어디까지 왔는지 구체적으로 정리해 봤어요. 딥러닝 훈련과 추론 양쪽에서 어떤 퍼포먼스를 보여주는지, 엔비디아 제품군과는 어떤 차이가 있는지, 그리고 아직 풀어야 할 숙제는 무엇인지 하나씩 짚어보겠습니다.

1. 화웨이 어센드 칩 시리즈 개요

화웨이의 어센드 시리즈는 크게 저전력용 ‘어센드 310’과 고성능용 ‘어센드 910’으로 시작됐어요. 310은 12nm 공정에 8W 정도의 전력만 사용해 엣지 디바이스나 스마트 카메라에 적합한 칩이고, 910은 7nm 공정에 256TFLOPS(FP16)라는 당시 기준으로는 파격적인 스펙을 내세웠습니다. 하지만 910의 경우 2020년 무렵 실제 출시가 지연되고, TSMC와의 거래가 막히면서 공급에 차질을 빚었죠.

이후 화웨이는 자체 설계 역량을 활용해 중국 파운드리 SMIC과 협력해 어센드 910B를 내놓았고, 최근에는 910B 두 개를 결합한 형태로 보이는 910C가 등장하면서 다시 한번 주목받고 있습니다. 각 칩의 성능 향상 폭과 실제 사용 가능성을 차근차근 살펴보면 좋겠죠.

2. 어센드 910: 플래그십의 성능은 어느 정도일까요?

어센드 910은 화웨이가 ‘세계에서 가장 강력한 AI 프로세서’라고 소개했을 만큼 야심작이었습니다. 공식 스펙상 FP16 연산에서 256TFLOPS를 기록하는데, 이는 엔비디아 V100(125TFLOPS)의 2배에 달하는 수치예요. INT8 추론에서는 512TOPS까지 나온다고 발표했었고, 실제론 ResNet-50 같은 이미지 분류 모델에서 910 하나로 2,560장/초의 추론 처리량을 보여줬다는 자료도 있습니다.

하지만 실제 AI 훈련 워크로드에서는 메모리 대역폭과 칩 간 연결 기술이 중요하기 때문에, 단순 TFLOPS만으로 성능을 속단하긴 어려워요. 어센드 910은 HBM2E 메모리를 1.2TB/s 대역폭으로 지원했는데, 이는 V100(900GB/s)보다는 넉넉하지만 당시 엔비디아 A100(2TB/s)에는 못 미치는 수준이었습니다. 게다가 초기 생산 물량이 적어 실사용 사례가 많지 않았고, 아직 초기 칩이다 보니 소프트웨어 최적화도 완성도가 떨어진다는 지적이 있었어요.

3. 어센드 910B와 910C: 공정 개선과 실질적 성능 향상

미국 제재로 TSMC의 7nm 공정을 쓸 수 없게 된 화웨이는, 중국 최대 파운드리인 SMIC의 N+1 또는 N+2 공정(7nm급)을 활용해 어센드 910B를 생산하기 시작했어요. 910B는 910 대비 다이 사이즈가 소폭 커지고 전력 효율이 개선된 것으로 알려지며, 실제 클라우드 서비스 업체에 공급이 이뤄지면서 검증 사례도 조금씩 늘고 있습니다.

가장 큰 변화는 910C 모델에서 나타났어요. 업계 분석에 따르면 910C는 910B 다이를 두 개 탑재한 패키지로, 엔비디아의 B200처럼 멀티 다이 구성을 통해 성능을 두 배 가까이 끌어올리려는 시도입니다. 초기 유출된 벤치마크에서는 910C 하나가 A100 한 개에 근접한 훈련 성능을 보여줬고, 일부 추론 작업에서는 앞서는 모습도 포착됐어요. 국내외 AI 개발자 커뮤니티에서도 “어센드 910C 정도면 중소 규모 LLM 파인튜닝에 쓸 만하다”는 의견이 조심스레 나오고 있습니다.

4. 엔비디아 A100·H100과의 성능 격차는 얼마나 될까?

이 부분이 가장 궁금한 지점일 거예요. 여러 벤치마크와 업계 중론을 종합해보면, 어센드 910B는 AI 훈련 성능 기준으로 A100 80GB 모델의 약 80% 수준이라는 평이 우세합니다. MLPerf나 DAWNBench 같은 공인 벤치마크에 공식 제출된 데이터가 없어 직접 비교는 어렵지만, 중국 내 클라우드 업체들의 내부 테스트 결과가 일부 유출되면서 대략적인 그림을 그려볼 수 있어요.

예를 들어 BERT-Large 모델 파인튜닝에서 어센드 910B 8개 구성이 A100 8개 구성 대비 시간이 약 1.2~1.3배 걸린다는 보고가 있습니다. 반면 대규모 언어모델 추론에서는 910B 1개가 A100 1개보다 처리량이 약 1.2배 높았다는 결과도 있어서, 워크로드에 따라 강점이 갈리는 모양이에요.

H100과 비교하면 격차는 더 벌어집니다. H100은 FP8 정밀도를 지원하고 트랜스포머 엔진이 탑재돼 GPT-3 같은 모델 훈련에서 9배까지 성능 차이를 낼 수 있다고 알려져 있어요. 현재 어센드 시리즈는 아직 공식적으로 FP8 지원을 밝히지 않았고, 초거대 언어모델을 효율적으로 병렬 처리하는 데 필요한 NVLink 같은 고대역폭 인터커넥트 기술도 부족합니다.

5. 실제 딥러닝 워크로드에서의 활약은?

가장 현실적인 접근은 중국 내에서 실제로 어센드 칩을 사용하는 사례를 들여다보는 거예요. 최근 몇몇 클라우드 기업들은 어센드 기반 인스턴스를 내놓고 있으며, 중소 스타트업을 중심으로 채택하는 분위기입니다. 특히 컴퓨터 비전, 음성 인식 같은 특정 영역에서는 어센드가 나쁘지 않은 성능을 보여주면서 가격 경쟁력을 무기로 삼고 있어요.

예를 들어, 중국 최대 검색 엔진 기업인 바이두는 자사 AI 플랫폼에 어센드 칩을 일부 도입해 레즈넷50, YOLOv5 같은 모델 서빙에 활용하고 있다고 해요. 또 대형 통신사 차이나 텔레콤은 데이터센터 내 AI 가속기로 어센드 910B를 도입해 영상 분석 파이프라인을 구축했다는 발표도 있었습니다. 물론 엔비디아 GPU에 비해 개발자가 겪는 마이그레이션 고통은 크지만, 제재로 인해 대안이 절실한 상황에서는 충분히 고려할 만한 선택지가 되고 있어요.