자율주행 차량은 도로를 읽고, 상황을 판단하고, 반응하기까지 대략 심장 박동 한 번 정도의 시간만을 가진다. 이처럼 극도로 짧은 시간 창 때문에 Waymo는 센서 처리 시간을 가능한 한 몇 밀리초로 압축하기 위해 설계된 맞춤형 AI 칩을 개발했다. 알파벳이 지원하는 로보택시 회사는 이번 주 블로그 게시글을 통해 이 실리콘을 상세히 공개했으며, 이는 자사 무인 차량의 트렁크에 탑재된 하드웨어 구성을 대중에게 처음으로 공개한 것이다.
Summary
핵심 요약
- Waymo는 이전에 의존하던 기성 하드웨어보다 더 빠르게 센서 데이터를 처리하기 위해 TSMC의 5나노미터 공정으로 제조된 자체 AI ASIC을 설계했다.
- 이 칩의 설계는 2억 마일 이상의 실제 자율주행 데이터에 기반하며, 합성곱 신경망과 트랜스포머 모델 모두를 실행할 수 있다.
- Waymo에 따르면 이 ASIC은 1,000 TOPS 이상의 AI 성능을 제공하며, 이는 아마도 INT8 정밀도 기준으로 측정된 수치로 보이지만, 정확한 전력 소모는 아직 공개되지 않았다.
- 회사는 여전히 데이터 로깅과 오케스트레이션 같은 비-머신러닝 작업을 위해 AMD, Micron, Samsung, Sandisk, Nvidia 등 외부 공급업체에 의존하고 있다.
- Waymo는 자체 실리콘으로 전환하기 전까지 센서 처리를 위해 Intel FPGA를 사용했으며, 이를 통해 자율주행용 맞춤형 칩 개발 경쟁에서 Tesla와 어깨를 나란히 하게 되었다.
찰나의 결정을 위해 설계된 Waymo의 맞춤형 AI 칩
Waymo의 새 칩은 카메라, 레이더, 라이다에서 쏟아지는 방대한 원시 데이터를 위험한 순간이 완전히 전개되기 전에 주행 결정으로 바꾸기 위해 존재한다. 회사는 이 칩을 컴퓨팅 스택의 최전선으로 설명하며, 들어오는 센서 스트림을 정제하고 정보가 도착하는 즉시 빠른 AI 검사를 수행해, 정제되지 않은 원시 데이터를 곧바로 차량의 메인 프로세싱 유닛으로 보내지 않도록 한다고 설명한다.
TSMC 5나노미터 공정 기반
이 칩은 TSMC의 5나노미터 공정 기술로 제조되며, 이를 통해 Waymo는 최첨단 실리콘을 위해 대만 파운드리 거인에 의존하는 주요 칩 제조사들과 같은 반열에 올랐다. 최신 공정 노드를 선택하는 것은, 데이터센터처럼 온도 제어된 환경이 아닌 움직이는 차량 내부에서 동작해야 하는 패키지에 더 많은 연산 성능을 더 작고 전력 효율적인 형태로 집적할 수 있게 해주기 때문에 중요하다.
순수한 집적도만큼 중요한 것이 유연성이다. 이 ASIC은 합성곱 신경망과 이에 상응하는 트랜스포머 기반 아키텍처 모두를 실행하도록 설계되었는데, 이는 전통적인 머신러닝 접근법과 오늘날의 AI 챗봇 및 이미지 생성기를 구동하는 최신 모델을 모두 포괄한다. 이러한 이중 역량 덕분에 Waymo는 모델이 진화할 때마다 완전히 새로운 하드웨어를 도입할 필요 없이 시간이 지남에 따라 인지 소프트웨어를 업데이트할 수 있다.
2억 마일 주행에서 칩이 배운 것
Waymo는 이 칩의 아키텍처가 2억 마일이 넘는 누적 자율주행 데이터에서 얻은 교훈을 반영하고 있다고 말하며, 이를 통해 기성 칩으로는 쉽게 구현하기 어려운 실제 환경 기반 설계를 구현했다고 설명한다. 이 방대한 주행 이력은 실리콘이 실험실 시뮬레이션이 아닌 실제 도로 환경에서 반응성, 신뢰성, 중복성을 어떻게 처리해야 하는지를 규정했다.
안전을 위한 지연 시간 최소화
지연 시간 단축은 칩 설계의 핵심 목표였다. 왜냐하면 사고는 발생 시 원격 인간 운영자가 개입할 수 있는 속도보다 더 빠르게 전개될 수 있기 때문이다. 회사는 “그 중요한 수 밀리초 동안, 고급 ML 모델이 주변 환경에 대한 고충실도 이해를 구축해 가장 안전한 경로를 평가한다”고 설명하며, 시스템이 저조도 환경에서 가시성을 높이기 위해 실시간 시계열 노이즈 감소를 수행한다고 덧붙였다.
Waymo의 엔지니어링 리더들도 이 과제를 비슷한 긴박함으로 표현했다. 엔지니어링 부사장 Satish Jeyachandran과 컴퓨트 리드 Daniel Rosenband는, 회사가 “데이터센터용으로도 인상적이라 평가될 최첨단 시스템을, 차량 내 운영 도메인과 실시간 요구사항이라는 추가 복잡성과 함께 설계하고 있다”고 The Verge에 밝혔다. 그들은 컴퓨팅 스택이 반응성, 견고성, 중복성이라는 세 가지 양보할 수 없는 원칙에 의해 이끌어진다고 설명했다.
이 모든 반응성은 상당한 연산 능력을 요구한다. Waymo는 전용 프런트엔드 칩이 1,000 TOPS 이상의 AI 성능을 제공한다고 주장하지만, 이 수치에 해당하는 정밀도 수준이나 전력 소모는 공개하지 않았다. 이러한 세부 정보가 없으면 경쟁 자율주행 및 로보틱스 하드웨어와의 직접 비교는 어렵지만, 이 TOPS 수치는 INT8 정밀도 기준일 가능성이 높으며, 이는 Nvidia의 Drive AGX Thor 플랫폼과 유사한 성능 등급에 해당한다.
중복성, 냉각, 그리고 나머지 하드웨어 스택
컴퓨팅 파워만으로는 충분하지 않다. 이 하드웨어는 지속적인 진동, 노면 충격, 극심한 온도 변화에 노출된 차량 내부에서 동작해야 하는데, 이는 어떤 데이터센터 칩도 겪지 않는 환경이기 때문이다. Waymo는 단일 장애로 차량의 인지 기능이 중단되지 않도록 사실상 중복 시스템을 병렬로 운용하는 등 여러 겹의 중복 설계를 통해 이를 해결한다. 칩 자체는 액체 냉각 방식으로, 차량 엔진을 조절하는 것과 동일한 냉각 시스템을 활용해 외부 날씨와 관계없이 실리콘을 안전한 동작 온도로 유지한다.
이 지점에서 Waymo가 이전 구성에서 벗어난 변화가 분명해진다. 자체 ASIC을 도입하기 전, 회사는 센서 처리를 위해 Intel FPGA에 의존했다. FPGA는 저지연 작업에 매우 적합해 고빈도 거래 회사들이 자주 사용하는 이유이기도 하지만, 프로그래밍이 매우 어렵고, 목적에 맞게 설계된 실리콘만큼의 연산 밀도를 제공하지는 못한다.
비-ML 작업을 담당하는 파트너들
Waymo는 컴퓨팅 스택의 모든 부품을 처음부터 직접 만드는 것은 아니다. 회사는 오케스트레이션, 데이터 이동, 로깅과 같은 비-머신러닝 기능을 위해 계속해서 외부 공급업체에 의존하고 있으며, 이러한 구성 요소를 제공하는 파트너로 AMD, Micron, Samsung, Sandisk, Nvidia를 지목했다. The Verge는 이 외에도 Socionext를 관련 하드웨어 공급업체 중 하나로 언급했다. Waymo는 여러 추가 맞춤형 칩과 시스템을 개발 중이라고 밝혔으며, 이는 현재의 ASIC이 서드파티 하드웨어를 완전히 대체하기보다는 더 넓은 사내 실리콘 전략의 일부에 불과하다는 의미다.
이러한 이기종 접근 방식은 의도적인 절충을 반영한다. Waymo는 전체 컴퓨팅 시스템을 내부에서 모두 구축하려 하기보다는, 맞춤형 실리콘이 가장 큰 지연 시간 이점을 제공하는 실시간 센서 융합과 프런트엔드 머신러닝에 엔지니어링 역량을 집중하고, 나머지 영역은 기존의 검증된 칩 제조사에 의존하는 전략을 택했다.
Waymo vs Tesla: 로보택시 분야의 더 큰 칩 경쟁
로보택시 경쟁에서 맞춤형 실리콘에 베팅하는 회사는 Waymo만이 아니다. Tesla는 자율주행을 위해 자체 칩을 수년간 개발해 왔으며, 여러 차례의 지연 끝에 최근 오스틴에서 제한적인 로보택시 서비스를 시작했다. 두 회사는 철학에서도 크게 갈린다. Tesla CEO 일론 머스크는 라이더를 “목발”이자 “헛된 노력”이라고 일축하며, 여러 종류의 센서 데이터를 융합하면 신호가 상충할 때 위험한 모호성이 생긴다고 주장해 왔다.
Waymo의 접근 방식은 정반대 방향을 지향한다. 카메라, 레이더, 라이다를 전용 실리콘을 통해 결합하는 것이 시스템을 덜이 아니라 더 신뢰할 수 있게 만들며, 의미 있는 규모로 배포할 수 있게 해주는 것이 바로 맞춤형 칩이라고 보는 것이다. 회사는 다음 주 스탠퍼드에서 열리는 Hot Chips 컨퍼런스에서 자사의 머신러닝 가속기에 대한 추가 세부 정보를 공유할 계획이며, 이를 통해 경쟁사들과 비교했을 때 자사의 실리콘 전략이 어떤 위치에 있는지 가장 명확히 드러날 수 있을 것으로 보인다.
FAQ
Waymo의 맞춤형 AI 칩의 주요 기능은 무엇인가요?
자율주행 차량의 원시 센서 데이터를 빠르게 처리해, 최소한의 지연으로 주행 반응으로 전환하는 역할을 합니다.
Waymo의 칩에는 어떤 제조 공정 기술이 사용되나요?
이 칩은 TSMC의 5나노미터 공정 기술로 제조됩니다.
Waymo의 칩은 어떤 머신러닝 모델을 실행할 수 있나요?
합성곱 신경망과 같은 전통적인 모델과 최신 트랜스포머 모델 모두를 실행할 수 있습니다.
Waymo는 차량 내 맞춤형 칩의 신뢰성을 어떻게 보장하나요?
Waymo는 다중 계층 중복 설계와 액체 냉각 시스템을 활용해 가혹한 환경에서도 칩 성능을 유지합니다.
{“@context”:”https://schema.org”,”@type”:”FAQPage”,”mainEntity”:[{“@type”:”Question”,”name”:”Waymo의 맞춤형 AI 칩의 주요 기능은 무엇인가요?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”자율주행 차량의 원시 센서 데이터를 빠르게 처리해, 최소한의 지연으로 주행 반응으로 전환하는 역할을 합니다.”}},{“@type”:”Question”,”name”:”Waymo의 칩에는 어떤 제조 공정 기술이 사용되나요?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”이 칩은 TSMC의 5나노미터 공정 기술로 제조됩니다.”}},{“@type”:”Question”,”name”:”Waymo의 칩은 어떤 머신러닝 모델을 실행할 수 있나요?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”합성곱 신경망과 같은 전통적인 모델과 최신 트랜스포머 모델 모두를 실행할 수 있습니다.”}},{“@type”:”Question”,”name”:”Waymo는 차량 내 맞춤형 칩의 신뢰성을 어떻게 보장하나요?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”Waymo는 다중 계층 중복 설계와 액체 냉각 시스템을 활용해 가혹한 환경에서도 칩 성능을 유지합니다.”}}]}
이 기사는 인공지능의 도움을 받아 제작되었으며, 편집팀의 검수를 거쳤습니다.
