퓨리오사AI ‘레니게이드(RNGD)’ 1차 양산 개시 — HBM 탑재 NPU로 랙당 2.5배 연산 밀도 실현
1. 도입
퓨리오사AI(대표 백준호)가 2세대 AI 반도체인 레니게이드(RNGD) 1차 양산물량 4,000장을 인수하며 본격적인 보급을 시작했다. 레니게이드는 HBM을 탑재한 고성능 NPU로서 양산 단계에 진입했다는 점에서 엔터프라이즈 AI와 데이터센터 시장의 AI 추론(인퍼런스) 인프라에 적지 않은 영향을 미칠 전망이다. 특히 성능 대비 전력·공간 효율이 중요한 대규모 환경에서 레니게이드의 저전력 설계와 높은 랙당 연산 밀도(throughput per rack)는 중요한 경쟁 요소가 된다.
2. 제품 개요 — 레니게이드(RNGD)란?
- 제품 정의: 레니게이드(RNGD)는 HBM을 탑재한 2세대 NPU(Neural Processing Unit) 기반 AI 전용 반도체다. AI 추론에 최적화된 아키텍처를 적용했다.
- 제조·출고: TSMC가 칩 제조를 담당했으며, ASUS의 카드 제조 공정을 통해 PCIe 카드 형태로 출고된다.
- 제공 형태:
- 레니게이드 PCIe 카드: 180W TDP의 저전력 AI 가속기로, 기존 서버에 drop-in 방식으로 바로 장착 가능.
- NXT RNGD 서버: 4U 랙마운트(4U) 서버에 레니게이드 카드 8장을 탑재한 구성. 표준 랙 환경에서 확장 가능하도록 설계됨.
3. 주요 사양 및 성능 특징
레니게이드 PCIe 카드
- TDP: 180W (저전력 AI 가속기 설계).
- 형태: PCIe 기반 AI 가속기 — 기존 서버에 drop-in으로 장착해 빠른 도입 가능.
NXT RNGD 서버 (4U 랙마운트)
- 카드 탑재 수: 8장
- 시스템 전체 소비전력: 약 3kW
- 랙당 구성: 표준 랙에 최대 5대 장착 가능
- 성능: 랙당 최대 20 PFLOPS(INT8) 제공
랙당 연산 밀도 (throughput per rack)
- 퓨리오사AI는 동일한 공간·전력 조건에서 기존 GPU 시스템 대비 2.5배 높은 랙당 연산 밀도(throughput per rack)를 실현했다고 발표했다. 이는 엔터프라이즈 AI 환경의 추론 처리량을 대폭 높일 수 있음을 의미한다.
- 아키텍처: AI 추론에 최적화된 TCP 아키텍처를 적용, 추론 워크로드에 맞춘 병렬화·메모리 접근 최적화를 통해 성능·전력 효율을 개선.
4. GPU 대비 장점(비교 분석)
- 공간 효율: 동일 랙 공간에서 더 높은 PFLOPS 수치를 제공해 랙당 처리량을 극대화.
- 전력 효율: PCIe 카드의 낮은 TDP(180W)와 NXT 서버의 3kW 전체 설계로 throughput/W(성능 대 전력) 관점에서 유리.
- 도입 편의성: PCIe 카드 형태의 drop-in 설계는 기존 서버 투자 보호와 빠른 통합을 가능하게 함.
- 워크로드 적합성: INT8 기반 추론 작업에서 비용 효율(throughput/watt)이 우수해 대규모 추론 서비스 운영에 적합.
5. 사업화·공급망 및 검증 사례
- 검증 사례: 레니게이드 구매 발주를 내린 국내 대기업 계열사 사례가 보고되었고, LG 엑사원 도입 확정 및 Hot Chips 2024에서의 공개(Hot Chips 2024)로 기술·성능 검증을 공개적으로 수행했다. 또한 오픈AI와의 gpt-oss 공개 시연으로 소프트웨어 연동성도 데모했다.
- 공급망 파트너: TSMC(제조), ASUS(카드 공정), SK하이닉스(메모리·협력 가능성) 등 글로벌 파트너들과의 협력을 통해 안정적인 양산·공급망을 마련했다.
- 시장 타깃: 대규모 엔터프라이즈, 클라우드·데이터센터, AI 서비스 제공업체(엔터프라이즈 AI) 등이 주 대상이다.
6. 소프트웨어·생태계 지원
- 소프트웨어 스택: 퓨리오사AI는 하드웨어 안정화와 함께 소프트웨어 스택 고도화를 진행 중이다. 오픈AI의 gpt-oss 시연 등으로 소프트웨어 연동·검증 사례가 축적되고 있다.
- 개발자 지원: 실제 도입을 위해 드라이버, 런타임, 프레임워크 연동(예: TensorFlow/PyTorch 호환성)과 벤치마크 툴체인 및 라이브러리 제공이 필수적이다.
- 운영·관리: 대규모 배포를 고려한 모니터링·오케스트레이션(예: GPU/가속기 관리 툴과의 통합) 지원이 필요하다.
7. 도입 시 고려해야 할 운영 요소
- 전력 및 쿨링 설계: 랙당 최대 5대(각 4U NXT RNGD 서버) 구성 시 시스템 전체 전력·열 설계가 중요하다. 랙당 20 PFLOPS(INT8)를 달성하는 환경에서는 냉각 용량과 전력 공급 여유를 사전 검토해야 한다.
- 호환성 검토: 기존 서버와의 PCIe 호환성, 드라이버 및 소프트웨어 스택 연동성(컨테이너·가상화 환경 포함) 검증.
- 성능 검증: INT8 기준의 PFLOPS 성능 외에 실제 서비스 워크로드(지연시간, 배치처리 등) 기반 벤치마크 수행 필요.
- 비용 분석: 초기 도입 비용 대비 운영비(전력·공간 절감 효과) 및 TCO(총소유비용) 분석을 통해 투자 타당성 판단.
8. 향후 전망 및 업계 영향
- 퓨리오사AI의 목표: 백준호 대표는 레니게이드 양산을 “글로벌 AI 3강·반도체 2강 도약을 위한 진일보”라고 평가하며 글로벌 매출 확대 의지를 밝혔다. 이는 국내 벤처형 칩 업체의 글로벌 시장 진출 가능성을 시사한다.
- 데이터센터 아키텍처 변화: 추론에 특화된 NPU의 확산은 기존 GPU 중심의 데이터센터 구조를 보완·대체하는 방향으로 작용할 수 있다. 특히 추론 워크로드가 많은 서비스에서는 랙밀도·전력 효율을 이유로 NPU 도입이 가속될 전망이다.
- 경쟁 구도: 글로벌 NPU 및 GPU 업체들과의 성능·생태계 경쟁이 심화될 것이며, 소프트웨어 생태계 확보가 장기적 경쟁력의 핵심이 될 것이다.
9. 결론
레니게이드(RNGD)의 1차 양산 개시는 NPU 기반 추론 가속의 상용화가 본격화된 신호탄이다. HBM 탑재와 저전력 설계, PCIe drop-in 형태 및 4U NXT RNGD 서버의 고밀도 구성이 결합되어 대규모 엔터프라이즈 AI 환경에서 매력적인 대안이 될 수 있다. 다만 실제 도입 전에는 전력·냉각 설계, PCIe/드라이버 호환성, 실사용 워크로드 기반 성능 검증 및 비용 분석을 포함한 종합 검증이 필요하다.
권장 액션: 데이터센터 운영자·AI 인프라 담당자는 PoC(파일럿) 환경에서 INT8 기반 벤치마크와 전력·열 시나리오 테스트를 수행해 레니게이드의 도입 효과(throughput per rack, throughput/W)를 확인할 것을 권장한다.
추천 시각적 요소:
- 레니게이드 PCIe 카드 및 NXT RNGD 서버 제품 사진/렌더링
- 사양 비교표(레니게이드 vs 주요 GPU: PFLOPS, TDP, 랙밀도)
- 인포그래픽(랙당 연산 밀도 및 전력 대비 성능)
- 공급망·검증 타임라인(개발 → Hot Chips 2024 공개 → 파트너 협업 → 1차 양산)
- 벤치마크 차트(INT8 PFLOPS 및 전력 효율 비교)
(참고: 본 문서는 퓨리오사AI의 2024년 발표 및 공개 자료를 기반으로 작성되었으며, 실제 성능·사양은 제품 출시 및 고객 검증 결과에 따라 달라질 수 있습니다.)
댓글 남기기