성균관대학교의 권석준 교수는 애플의 최근 대규모 추론 모델(LRM) 및 대규모 언어 모델(LLM)에 관한 연구 논문을 비판하며, 테스트를 위한 고성능 하드웨어의 부족으로 인해 결함이 있다고 주장합니다. 그는 애플이 구글, 마이크로소프트, xAI와 같은 기업에 비해 GPU 기반 클러스터가 부족하여 AI 모델의 잠재력을 충분히 탐색할 수 없다고 지적합니다.
애플의 연구 논문은 현대 AI 모델이 복잡한 문제 해결에 어려움을 겪고 있으며, 근본적인 한계를 드러낸다고 주장합니다. 그러나 권 교수는 복잡성이 증가할수록 정확도가 제로로 떨어진다는 논문의 결론에 이의를 제기하며, 더 많은 매개변수가 성능을 향상시킨다는 여러 연구 결과를 인용하여 애플의 하드웨어 제약이 적절한 테스트를 방해한다고 주장합니다.
애플의 2024년 AI 이니셔티브는 장치 내 처리에 초점을 맞추고 있으며, 이는 개인 정보 보호를 중시하는 사용자에게 매력적이지만, 고급 LLM 및 LRM을 훈련하는 능력을 제한합니다. 최근 WWDC 컨퍼런스에서 애플은 AI 분야에서의 중요한 발전을 발표하지 않아 경쟁 위치에 대한 우려를 불러일으켰습니다. 현재 애플은 Siri와 기타 도구가 ChatGPT 및 Gemini와 같은 외부 LLM에 접근할 수 있도록 허용하고 있지만, 이러한 하이브리드 접근 방식은 강력한 내부 역량의 부족을 나타냅니다.
애플의 M 시리즈 프로세서는 클라이언트 PC를 위해 설계되었으며, AI 훈련에 필수적인 FP16 및 HBM3E와 같은 고성능 메모리 서브시스템을 지원하지 않습니다. 또한, M 시리즈 CPU는 인기 있는 머신러닝 프레임워크를 본래 지원하지 않아 AI 개발을 복잡하게 만듭니다. 경쟁력을 유지하기 위해 애플은 AI 훈련 및 추론을 위한 고급 기능을 갖춘 전용 서버급 프로세서에 투자해야 하며, 현재의 클라이언트 중심 설계를 넘어서는 노력이 필요합니다.
* 이 글은
tomshardware.com의 기사를 요약한 것입니다. 전체 기사의 내용은
이곳에서 확인하실 수 있습니다.