GPU와 가속기

그래픽 처리 장치(Graphics Processing Unit, GPU)는 많은 데이터를 같은 종류의 연산으로 동시에 처리하는 데 강하다. 화면을 그리는 그래픽 파이프라인에서 출발했지만, 지금은 영상 처리, 과학 계산, 머신러닝에도 쓰인다. CPU가 복잡한 흐름을 빠르게 전환하는 소수의 강한 코어를 갖는다면 GPU는 단순한 작업을 병렬로 처리하는 많은 실행 자원을 갖는다.

그래픽카드는 GPU 칩 하나만을 뜻하지 않는다. 그래픽 메모리(VRAM), 전원부, 기판, 펌웨어, 냉각기, 출력 포트를 포함한 완성된 보드다. GPU 코어가 빨라도 VRAM 용량이나 대역폭이 부족하면 데이터 이동에서 막히고, 전력 제한과 온도가 높으면 부스트 클럭을 오래 유지하지 못한다. 카드의 PCIe 링크는 시스템과 데이터를 주고받는 경로지만, GPU 내부 메모리 대역폭과 같은 수치가 아니다.

이 영역에서는 래스터라이제이션, 셰이더, 텍스처 처리, 레이 트레이싱, 범용 연산을 GPU 내부 구조와 연결해 설명한다. VRAM은 GDDR과 HBM의 차이, 메모리 버스 폭, 캐시와 압축, 용량 부족이 실제 작업에 미치는 영향을 다룬다. 내장 GPU와 외장 GPU, 모바일 GPU, 외장형 GPU(eGPU)는 메모리 공유와 전력·냉각 조건이 서로 다르다.

신경망처리장치(Neural Processing Unit, NPU)와 다른 AI 가속기는 행렬 연산과 낮은 정밀도 데이터 형식, 전력 효율을 목표로 한다. GPU와 경쟁하는 한 종류로만 보기보다 어떤 연산을 CPU·GPU·NPU에 배치하는지 살펴보는 편이 정확하다.

화면이 나오지 않는 문제는 GPU 고장 외에도 출력 포트 선택, CPU의 내장 그래픽 유무, 보조전원, PCIe 접촉, 메모리 초기화에서 생길 수 있다. 아티팩트와 드라이버 오류도 하드웨어 증거와 소프트웨어 증상을 나눠 확인한다.

더 깊게 읽기

GPU 병렬 실행 구조에서 실행 모델을 잡고 VRAM과 GPU 메모리 계층, 그래픽카드 구조, 그래픽카드 전원과 냉각으로 보드 전체를 본다. 전용 AI 블록은 NPU와 AI 가속기, 증상 분리는 GPU 문제 진단으로 이어진다.

← 하드웨어 허브 · 연결: PCIe·디스플레이 규격, 전원, 냉각