자일링스는 머신러닝 비즈니스에서 살아남을 수 있을까?

그동안 여러 고객들을 만나왔지만, 머신러닝과 관련된 많은 엔지니어분들은 소프트웨어에 완전히 바이어스 되어 있기 때문에, FPGA의 장점을 설명해도 이해하지 못하는 경우가 많이 있었습니다. 사실 FPGA 엔지니어도, 이 장점을 잘 살릴 수 있는 방법을 잘 모른다고 하는 것이 솔직한 고백이죠.

서로를 모르는 두 사람이 만났으니 일이 잘될리가 있나요?

같은 한국말로 얘기해도 태반이 영어단어인데, 서로가 허공을 가르는 말만 하다가, 서로 이해하는 척 하고 본사에 문의해 보겠다고 합니다.

본사는 비즈니스 크기가 얼마나되느냐 라는 하나마나한 얘기하다가 슬슬 서로에게 대한 호감이 떨어지고, 서로 바이 바이

FPGA 설계도 어렵지만, 그 특성을 이해하고 ML에 가져다 붙이는 것도 일도 만만치는 않습니다. 다 아는 얘기고, 모두 공감하는 얘기입니다.

현재 대부분의 프레임워크는 GPU에서 가장 자연스럽게 운영될 수 있기 때문에 개발자들을 뭐라 할 수는 없고 저희가 따라가 잡아야 하는데, 자일링스 DPU는 현재 소프트웨어 개발자분들에게 가장 원하는 형태의 개발 방법을 제시하고 있습니다.

FPGA 특성상 GPU와 같이 아주 고성능은 아니지만, 소비전력이 문제가 되는 곳에서는 적어도 한번은 고민해볼만한 솔루션이죠.

 

요즘은 암브렐라나 TI와 퀄컴에서 비교적 고성능, 저전력 솔루션을 내놓고 있어서, 자일링스의 입지가 예전만은 못하다고 볼 수 있습니다.

 

FPGA가 이 시장에 살아남을 수 있는 방법은 무었일까요?

GPU는 소비전력 문제와 양산용 플랫폼, 즉 임베디드 시스템에 적당한 모양이 아니라 양산성이 떨어집니다.  그렇다고 GPU 베이스로 개발된 알고리즘을 ASIC로 만든다는 그런 순진한 생각으로는 괴물같은 이 시장에서 시간만 보내다 제때 ASIC을 내놓을 수가 없을 가능성이 매우 높습니다.

몇나노 공정을 사용하는게 좋은지 고민해봐야 그 수량을 누가 만들어 줍니까? 삼성이 만들어줍니까? TSMC가 만들어줍니까?

 

지금 반도체 수급문제를 보면, ASIC 만들어주는 공장 예약잡기도 어려울 듯합니다.

 

ASSP는 데이터 쉬트에 있는 숫자는 좋지만, 한 비트라도 바꿀라치면, 그저그런 디바이스로 변해 버립니다.

이런 점들에 대해 깊이 공감하는 고객들과 자일링스와의 전략적인 협력관계만이 자일링스가 이 ML 비즈니스에서 살아남는 길이라 생각합니다.

 

FPGA의 살아남을 길은 역시 FPGA의 특성과 ML 특성을 잘 아는 파트너사와의 협력관계라고 생각합니다.

 

국내는 물론, 일본, 인도, 호주에 걸쳐 이런 업무를 할 수 있는 파트너를 묶은 프로그램을 자일링스에서 운영되고 있는데, 그 프로그램 이름인 MAPO 입니다.

제가 만든 프로그램이고 한국말로 붙이고 싶어서 이렇게 이름지었습니다. 현재 16개의 파트너가 있으며 각각 다른 특징을 가지고 있는데, 이들과 지속적인 피트백을 통해 고객의 기술적인 어려움을 같이 공유하고 있습니다.

추후 Versal Edge 가 출시되면 좀더 자일링스의 입지가 커질 수 있으리라 생각합니다.