집에서 또는 연구실에서 사용하고 있는 데스크톱 컴퓨터에 게임을 위한 카드로 알려져 있는 그래픽 카드 한 장을 추가함으로 인해서 계산 및 시뮬레이션 속도가 200배가 빨라 진다면 과연 사람들은 이 기술을 어떻게 받아 들일까?

엔비디아는 CUDA(Compute Unified Device Architecture)라는 기술을 지난 2006년 10월 웹에서 공개하면서 본격적으로 개인용 수퍼 컴퓨터의 시대를 열어가려고 하고 있다. 공개 3개월 만에 CUDA 드라이버 및 SDK를 다운 받은 사람은 6만명이 넘었으며 이미 미국에서는 이러한 기술을 응용하여 소프트 웨어를 개발하고 있는 벤처 업체가 60개가 넘어 섰다.

미국이나 일본은 신 기술 도입에 있어서 한국에 몇 개월씩이나 앞서나가고 있다. 단적인 예로 일본 동경공업대학은 2009년 테슬라(Tesla)라는 엔비디아 수퍼 컴퓨터 그래픽 카드와 CUDA를 적용하여 아시아에서 가장 빠른 수퍼 컴퓨터센터를 구축했다.

미국 스탠포드 대학에서 시도한 Folding@home을 시작으로 SETI@home, Einstein@home으로 확산이 되고 있는 이 기술은 유럽 주요 대학에서도 적용이 되고 있으며 대만에 있는 대학교 및 중국 칭화대에서도 200 노드(node) 이상이 구축이 되면서 새로운 페러다임에 입각한 수퍼 컴퓨터의 속도 경쟁이 시작이 되고 있다.

▲ 이미 일본에서는 컨슈머용 제품으로 CUDA 기반 애플리케이션이 공급되는 상황. (제공 : 엔비디아)

엔비디아의 데이비드 커크(David Kirk) 박사는 병렬 컴퓨팅 솔루션을 소개하는 자리에서 "만약에 당신의 컴퓨터가 20~30% 성능우위를 보인다 해도 비용적 측면을 생각해서 컴퓨터를 교체할지 말지에 대한 고민을 할 것이다. 2~3배가 빨라 진다면 심각하게 고민을 하고 궁극적으로는 컴퓨터를 교체할 것이다. 그런데 100~200배까지 빨라진다면? 이러한 상황에서도 새로운 기술을 도입하지 않는다는 것은 단지 그 사람이 그 사실을 몰랐거나 게으른 것이다"라고 기술하기도 했다.

이 자리에서 소개되는 엔비디아의 병렬 컴퓨팅 솔루션은 패러다임 전환을 일으키기에 충분한 새로운 컴퓨터 시대의 혁명적인 기술이다. 이제 CUDA라는 기술과 테슬라를 통해서 보다 많은 연구를, 그리고 막대한 양의 데이터를 아주 짧은 시간 안에 처리할 수 있게 되며 한 달이나 걸리던 시뮬레이션 작업을 몇 시간 안에 끝낼 수 있게 됨으로써 상상도 하지 못했던 학업 및 연구 성과를 거둘 수 있게 될 것이다.

또 한가지 주목할 만한 사항은 획기적인 속도 개선 측면 말고도 개인용 수퍼컴퓨터의 발전 가능성이라는 기반 위에서 급격한 소프트웨어의 발전이 이루어짐과 동시에 병렬 컴퓨터 개발자에 대한 수요가 늘어날 것이라는 전망이다.

이미 전세계에 1억 대 이상, 병렬 컴퓨팅이 가능한 엔비디아 그래픽 카드가 장착되어 있다는 사실 만으로도 CUDA를 이용해 개발된 소프트웨어는 그 성공 가능성의 반을 갖고 시작을 하게 되는 것이기 때문이다. 따라서 이번 강좌에서는 CUDA를 이용한 솔루션의 현황을 소개 드리고 향후 시장에 대한 전망을 살펴보고자 한다.

그래픽 카드를 이용한 병렬 컴퓨팅에 대한 이해

▶ Architecture Evolution

컴퓨터의 진화는 아키텍처(architecture)상으로 볼 때 크게 직렬(serial)인 진화 방식과 병렬(parallel) 방식 두 가지를 병행하면서 발전을 거듭해 왔다. 직렬방식 진화 라인은 지난 1960년 12월 PDP-1과 1964년 IBM 360 system을 기반으로 시작이 되었으며, 1965년 PDP-8에 이르러 최초로 미니 컴퓨터로서의 모습을 드러내게 된다. 지난 1971년 Intel의 4004로 시작된 마이크로 프로세서는 1991년 12월에 CMOS CPU도입과 더불어 본격적인 속도 경쟁에 불을 붙이게 된다.

병렬방식 진화는 1966년 UIUC에 의해 고안된 ILLIAC IV 가 최초의 라지 스케일(large-scale) 병렬 어레이(array) 컴퓨터로서 등재가 됨으로써 시작이 된다. 정작 본격적인 가동은 1972년 NASA Ames에서 시작이 되었지만, 그것은 64개의 프로세서를 가지는 SIMD machine이었으며, 1976년 CRAY I는 최초의 commercial vector machine으로서 향후 1983년 NASA MPP, 1986년 CM-1 그리고 1990년대 MasPar MP-1에 지대한 영향을 미치게 된다. 왜냐하면 그것을 통해 SIMD machine처럼 프로그램이 가능해졌기 때문이다.

한편, 엔비디아는 이러한 진화 라인상에서 프로그램이 가능한 그래픽 카드 G80을 2007년에 출시하면서 진화에 또 한번 큰 획을 긋게 된다.

▲ '매니코어'의 GPU, '멀티코어'의 CPU가 각각의 길을 걸어 오늘에 이르렀다. (제공 : 엔비디아)

▶ Parallel Computing에 대한 지속적인 연구

사실 병렬방식 진화 라인상에서 컴퓨터 연구를 했던 사람들은 그 무한한 가능성을 보고 지속적인 연구 및 투자를 해 왔으나 그다지 큰 성과는 얻지 못하고 있었다. 그래픽카드가 본격적으로 컴퓨터에 있어서 중요한 요소로서 인식되기 시작한 1990년대 말부터 개발 환경은 개선이 되었고, 'GPGPU'라는 명목 하에 보다 많은 사람들이 연구에 뛰어들었지만 Shader 언어의 복잡한 구조와 제한적인 요소로 말미암아 크게 확산이 되지는 못했다.

그 사이 직렬방식의 진화는 X86을 기반으로 지속적인 발전을 거듭하고 있었다. 이러한 이유로 인해 엔비디아 데이비드 커크(David Kirk) 박사에 의해 고안된 'Programmable한 그래픽 카드' G80의 출시와 CUDA의 공개는 폭발적이 호응을 얻게되었고 패러렐 컴퓨팅의 기폭제로서 작용을 하게 된다. X86 기반의 CPU 클럭 스피드가 한계점에 도달하면서 듀얼코어로의 전환이 이루어지고 있던 2006년 말이 그 시점이 되며, 이를 통해 본격적인 'Personal Super Computer' 시대의 서막이 열리게 된다.

한편, 한국에서는 그래픽을 전문적으로 연구하던 사람들은 KCGS(Korea Computer Graphics Society)를 주축으로, 그간 습득된 패러렐리즘(Parallelism)에 입각하여 손쉽게 이 새로운 기술을 받아들일 수 있었고, 이를 통해 1년이라는 짧은 기간 동안에 상상도 하지 못할 혁혁한 연구 성과를 내게 된다.

▲ CUDA는 가장 현실성 높은 대안으로 업계, 학계에서 받아들여지고 있다. (제공 : 엔비디아)

▶ Paradigm Shift - Heterogeneous Computing

Massive한 패러렐 컴퓨팅 능력을 자랑하는 오늘 날의 GPU는 High Performance Computing(HPC)에 있어서 가장 적합한 솔루션이라고 평가되고 있으며, 세상에서 가장 빠르게 확산이 되고 있는 기술 중 하나로 꼽혀진다.

특히 학술, 계산 분야에 있어서의 성과 및 속도는 가속화되고 있으며 헤테로지니어스 컴퓨팅(Heterogeneous computing)을 통해 시스템을 최적화 함으로써 CPU는 Operating System, Task 처리와 같은 순차적인 업무를 위주로, GPU는 매시브 데이터를 처리하게 된다.

GPU는 CPU 대비 10배 가까운 메모리 인터페이스 스피드와 칩에 따라 240개 이상의 코어에서 동시에 데이터를 처리 함으로서 최대 200배 이상 까지도 계산 속도를 높일 수 있다. 또한 시스템을 최적화 시킬 수도 있다.

▲ CPU는 오퍼레이션, GPU는 데이터 처리, 분업화된 체계에서 효율성을 높인다. (제공 : 엔비디아)

▲ CPU와 GPU는 각각의 구조적인 특징이 뚜렷해 함께 쓰는 것이 '당연한' 일. (제공 : 엔비디아)

HPC에 있어서의 선구자로 알려져 있는 Jack Dongarra(Distinguished Professor, University of Tennessee, Author of LINPACK)는 헤테로지니어스 컴퓨팅(Heterogeneous Computing)의 용이성과 그 성능을 이렇게 강조한다. "GPU는 현실적으로 실질적 적용이 가능한 수 많은 애플리케이션(Applications)들을 필요로 하는 곳에서 쉽게 적용이 되어 왔으며, 멀티코어 시스템에 있어서 현저한 성능 개선을 보였다. 미래의 컴퓨팅 아키텍처는 멀티코어와 패러렐코어 GPU와의 하이브리드 시스템이 될 것이다"라고 말했다.

CUDA에 큰 기대와 가능성을 걸고 있는  Jack Dongarra는 선형 대수학에 있어서 'Numerical' 알고리즘을 특성화 시킨 사람이자 병렬컴퓨팅 기술 및 tools을 전파하고 EISPACK, LINPACK, BLAS, LAPACK, ScaLAPACK, NetLib, MPI 등의 오픈소스 소프트웨어 발전에 기여를 한 사람이기도 하다.

한편, HPC(high-performance computer) 및 병렬 컴퓨터를 위한 프로그래밍 언어의 선구자인 Burton Smith는 다음과 같이 말하기도 했다. "우리는 지난 수 십 년간 데스크톱 슈퍼컴퓨터에 대한 가능성에 대해서 이야기를 해왔다. 지금이 바로 그 현실이 다가온 것 같다. 헤테로지니어스 컴퓨팅(Heterogeneous Computing)이 바로 돌파구를 마련해 주고 있다"고 말이다.

Burton Smith는 마이크로소프트에 입사하기 이전에 크레이(Cray)에서 Chief Scientist로서 일을 했었다. 지난 2003년에 Burton Smith는 'IEEE Computer Society'로부터 'The Seymour Cray Computer Engineering Award'를 수상하였고 'The National Academy of Engineering'으로 선출이 되기도 했다.

▲ CPU가 GPU를, GPU가 CPU를 완전히 대체하기에는 둘의 사이가 매우 멀다. (제공 : 엔비디아)

앞서 두 사람의 인용에서 보듯이 Heterogeneous computing은 엔비디아의 CUDA 기술을 통해 실질적으로 가능하게 되었다. 이미 패러다임 변화는 우리 주변에서 일어나고 있으며 새로운 변화를 받아들이는 것 만이 남아 있는 상태이다.

이제는 싱글 프리시전(Single Precision)으로 무려 1 테라플롭스(Tera Flops) 성능을 갖는 Tesla C1060을 워크스테이션 PCI Express x16 슬롯에 4대를 장착 함으로서 집에서 또는 연구실 책상에서 4 Tera Flops 성능의 슈퍼컴퓨터를 사용할 수 있게 되었다. KISTI에서 운영하던 3호기의 성능이 7 테라플롭스 정도임을 감안하자면 가히 혁명적인 사건이라 아니할 수 없다.

▲ 그래픽카드 처럼 모듈을 장착해 PC를 HPC로 만들 수 있는 세상이 왔다. (제공 : 엔비디아)

천체 물리에서의 Nbody Simulation이나 유체 역학에서의 Fluid Simulation은 제한적으로 밖에 사용이 안 되는 수퍼컴퓨터를 통해서 가능했던 일이었다.

만약에 자신이 갖고 있는 컴퓨터에서 이러한 시도를 했었던 사람이라면, 그것도 몇 대의 클러스터링을 통해서, 그 결과는 아주 많은 인내를 요구하는 작업이었을 것이다. 필요에 따라서는 결과를 한 달 이상 기다리거나 아예 다른 연구로 주제를 바꾼 경우도 많았을 것이라 생각을 해본다. 이러한 연구들이 하루 만에 자신의 PC에서 결과를 얻을 수 있게 된 것이다.

이러한 변화는 비단 퍼스널 슈퍼컴퓨터에서 뿐만이 아니라 기존의 전통적인 슈퍼컴퓨터센터에서도 일어나게 되는데, 대표적으로 아시아 권에서는 지난 2007년 말부터 추진되는 중국의 칭화대 Tesla Server 200 node 구축과 2008년 하반기부터 시작되고 있는 Toyko Titech S1070의 구축을 예로 들 수 있다.

수퍼 컴퓨터의 속도가 국가 경쟁력의 척도가 된다는 점을 감안한다면 이들의 발 빠른 행보는 당연한 결과로서 받아들여질 수 있다. 실제로 Tokyo Titech은 현재 아시아에서 가장 빠른 수퍼 컴퓨터를 보유하게 되었으며 이를 추월하기 위해 대만은 현재 1 Peta Flops 시스템을 구축하기 위해서 적극적으로 Tesla를 검토하고 있는 상황이다.

▲ 기존 CPU 기반 클러스터링보다 GPU 기반 설비가 유리한 측면이 존재한다. (제공 : 엔비디아)

테슬라의 도입이 가져다 주는 장점은 크게 세 가지로 볼 수 있다. 첫째는 효율적인 공간 이용이다. 위 그림에서 보는 것처럼 100 테라플롭스 규모의 데이터센터를 구축한다고 봤을 때, 공간 효율은 기존의 CPU 기반 서버만을 사용했을 때보다 대략 20분의 1 정도의 효율성을 가져다 준다. CPU 1U 서버 1,429대가 필요했던 것이 헤테로지니어스 컴퓨팅 방식을 쓰게 되면 50대의 1U 랙 서버로 동급 성능을 낼 수 있다.

이에 따라 당연하게도 비용 절감효과를 누릴 수 있다. 바로 이 점이 두 번째 장점으로 꼽을 수 있는 부분이다. Green IT가 중요시 되는 향후 시장에 있어서 획기적으로 소비전력을 줄일 수 있다는 것이 그 세 번째 장점이다.

실제로 100TF SP운영에는 연간 10억원에 가까운 전기요금이 나가게 되는데 이를 5천만원 정도까지 줄일 수 있다는 것은 유지 보수 비용이 많이 들어가는 수퍼 컴퓨터 센터에는 참으로 적합한 부분이다. 역 발상을 한다면 비슷한 공간과 비용으로 2 페타플롭스(Pera Flops)의 센터 구축할 수 있다는 논리도 가능해 진다.

CUDA 연구 성과 및 적용 사례

▶ 과학, 연구 목적 프로그램, 이제는 CUDA로 전환

하드웨어의 발전은 또한 소프트웨어의 발전을 동반하기 마련이다. 하지만 최근 몇 년 생각보다 훨씬 빠르게 발전이 되어온 하드웨어 및 인프라스트럭처의 구축에 대비해, 상대적으로 이러한 자원을 이용하기 위한 소프트웨어의 발전은 더디게 진행이 되어 왔다.

시스템이 구축이 되어 있어도 당장 Heterogeneous Computing을 이용해서 돌릴 수 있는 상용화된 애플리케이션들이 많지 않기 때문인데, 이는 CUDA라는 언어가 C언어와 유사해서 배우기는 쉽지만, 실질적으로 병렬화 알고리즘을 이해해서 프로그램을 CUDA로 바꿔주는 것이 그렇게 쉬운 작업만은 아니기 때문이다.

때문에 CUDA를 활용한 연구 성과는 직접 프로그램을 만들거나 개발을 해서 사용을 하고 있는 대학가, 연구소 등을 중심으로 나타나게 된다. 당연히 수 많은 시행 착오를 거치게 되지만 자주 사용이 되는 아래와 같은 알로리즘에서 최소 20배에서 최대 137배 가까이 빨라지는 것을 확인할 수 있게 된다.

▲ 학계에서는 CUDA 도입이 업계보다 빠르게 진척되고 있다. (제공 : 엔비디아)

▶ 연구 학술 분야에서의 성과

엔비디아 CUDA zone(http://www.nvidia.com/object/cuda_home.html)을 들어가게 되면 250개 정도의 문서 또는 애플리케이션 등이 올라와 있다. 이중에서 몇 가지 대표적인 성과를 소개하겠다.

카메라를 통한 오브젝트 인식 속도 개선에 대한 연구는 'Augmented Reality'로의 적용 및 자동차 자동 항법 시스템 및 주행 중 충돌에 대한 경고를 실시간으로 가능하게 한다. 또한 분자 역학 분야 속도의 개선은 신소재 개발 및 신약 개발에 영향을 줄 것이며 나아가서는 물리학, 생물학, 바이오 및 나노 기술에 지대한 영향을 줄 것이라 생각이 든다.

H.264 인코딩(encoding) 속도 개선은 멀티미디어 시장에서의 급격한 변화를 가져다 줄 것이다. 기존 포털사이트에서는 이미지 또는 텍스트 기반의 서비스를 실시하고 있었지만 동영상 UCC로의 서비스 전환과 맞물려 서버 부하는 큰 문제로서 대두되고 있는 시점에서 이러한 기술은 기업의 부담을 줄여 주는 결과를 가져다 줄 것이다. 또한 IPTV 서비스를 촉진시킬 수 있는 계기가 될 수 있을 것이다.

이미 국내 유명 포털 사이트와 방송국에서는 테슬라(Tesla)의 검토가 시작이 되고 있다. 공대에서 많이 사용되고 있는 MATLAB 함수에 플러그인(Plug in) 형태로 제공이 되고 있는 Acceleyes의 Jacket(국내 www.miruware.com 에서 공급)을 통해 계산 시간을 단축 시킬 수 있으며 100배 가속화가 입증이 된 N-body simulation은 미지의 우주에 대한 의문점을 풀어나갈 수 있는 강력한 도구가 될 것이다. 이론물리에서 논의되었던 카오스 이론에 대한 연구가 다시 한번 활발하게 연구될 것이다.

사실 가장 패러렐 컴퓨팅 기술 적용이 빠르게 이루어 지고 있는 분야는 국방 관련 애플리케이션과 보안분야인데 위성사진 또는 암호 해독 등이 그 예라고 할 수 있다. 이미 미국을 포함 한국에서도 이 분야 많은 성과가 이루어지고 있는 상황이다. 이외에도 메시브한 데이터를 처리하거나 1초를 다투는 시장에서의 적용은 두드러지게 나타나는데, 대표적으로 기상예측 분야에 대한 적용이다.

WRF라는 오픈소스는 한국에서도 사용이 되고 있는 애플리케이션으로 일부 CUDA로의 코딩 전환이 이루어지면서 1% 코딩이 된 시점에서 20%이상의 속도 향상을 가져다 주기도 했다. 한국 기상청 산하 기상연구소에서는 이에 대한 연구목적으로 테슬라(Tesla)를 도입하였으며 제주대학교 및 강릉대학교에서도 도입을 추진하고 있다. 금융 분야로의 도입은 시간이 걸리는 작업이긴 하겠지만 미국 월가에서의 도입 배경을 감안한다면 향후 긍정적인 시장이 될 전망이다.

▲ 미국, 일본 등 선진국을 중심으로 점차 뚜렷한 성과들이 나타나고 있다. (제공 : 엔비디아)

계속되는 진화와 넓어지는 영역

후발 주자로서 선두 업체를 따라 잡는 방법은 크게 두 가지가 있다. 첫 번째는 가격으로 경쟁사로부터의 우위를 점하는 방법인데 이는 여러 가지로 제약 사항이 많을 수 있고, 영세 개발업체의 경우는 더더욱 빠른 시간 안에 투자 자금을 회수해야 한다는 이유로 인해 쉽지가 않은 전략이다. 특히 자금이 빈약한 상태에서 출혈 경쟁에 뛰어드는 것은 자살 행위나 다름이 없기 때문이다.

두 번째 방법은 기술로 선점을 취하는 방법이지만 전통적인 방법으로는 이 또한 어려움이 많았다. 선두 업체 역시 그 동안 축적된 자금으로 신기술을 지속적으로 개발함으로써 경쟁업체로부터 격차를 크게 벌여 나가기 때문이다. 하지만 이러한 문제를 CUDA를 통해 해결하고자 하는 노력이 일어나고 있는데 그것이 가능한 이유는 100배나 빨라지는 속도, 즉 성능의 획기적인 개선에 있다는 것이다.

그럼 지금부터는 각 분야별 대표적으로 CUDA가 적용이 되고 있는 애플리케이션에 대해서 설명을 드리도록 하겠다.

(8) 지질탐사, 유전/가스탐사용 CUDA 기반 애플리케이션

A. MATLAB plugin : Accelereyes
http://www.accelereyes.com

B. Acceleware : Kirchoff and Reverse Time Migration
http://www.acceleware.com/default/index.cfm/solutions/seismic-solutions/

C. SeismicCity : 3D seismic imaging for prestack depth migration
http://www.seismiccity.com/

D. OpenGeoSolutions: Spectral decomposition and inversion
http://www.opengeosolutions.com/

E. Mercury Computer systems: 3D data visualization
http://3dviz.mc.com/solutions/oilandgas/ngog/

F. ffA : 3D Seismic processing software
http://www.ffa.co.uk/

G. Headwave: Prestack data processing
http://www.headwave.com/

H. GIS : Manifold
http://www.manifold.net/index.shtml

CUDA가 가진 현안, 그리고 '전망'

아무리 좋은 기술이라 하더라도 그것을 사용하고자 하는 사람들이 없다면 무용지물이 되고 만다. 2008년 초 한국에서는 많은 사람들이 CUDA SDK를 다운받고 CUDA 포럼사이트를 찾으며 헤테로지니어스 컴퓨팅(Heterogeneous Computing)에 대한 관심을 높여갔다. 기업에서도 Tesla 및 CUDA를 기반으로 하는 자체 솔루션 개발을 통해 생산성을 높이고자 인력 투입 계획을 세우고 있었다.

하지만 이러한 관심은 5~6개월이 지나자 시들해져 갔다. 시행 착오를 거치는 과정에서 정보의 빈약함과 기술 지원이 미흡했던 점이 많은 사람들을 지쳐가게 만들었으며 상대적으로 소프트웨어 인프라스트럭처가 빈약한 한국은 미국, 일본 등에 뒤쳐지기 시작했다. 시리얼 컴퓨팅에 익숙해져 있던 사람들로부터의 무관심 또한 시장이 확대되는 것을 막고 있었다.

이런 와중에서도 일부 선구자들의 지속적인 연구와 노력, 그리고 대학에서의 연구 투자와 CUDA 강의를 통한 인력 양성은 미흡했던 소프트웨어 인프라에 경쟁력을 더해 갔다. 이러한 노력들은 2009년에 들어 다시 한번 패러렐 컴퓨팅이 활성화되는 계기를 만들기 시작했고, 또한 해외에서 소개되고 있는 여러 가지 CUDA 애플리케이션들은 CUDA를 준비했던 사람들 그리고 새로이 시작하고자 하는 사람들에게 다시 한번 그 가능성을 심어 주게 되었다.

이화여자대학교 컴퓨터 공학과에서 시작이 되었던 CUDA강의는 현재 연세대학교에서도 단기 코스로 시작이 되었으며 서울대학교, 카이스트, 포항공대 그리고 광운대학교에서도 2009년 하반기 강의를 준비하기에 이르렀다. 이런 소식들은 패러렐 컴퓨팅 기술 인력을 필요로 하는 기업에게는 좋은 소식이 될 전망이다.

▲ 게임에서 널리 쓰이는 PhysX 물리엔진도 CUDA의 덕을 본 대표적인 상용 기술. (제공 : 엔비디아)

1960년부터 시작이 된 시리얼 컴퓨팅과 패러렐 컴퓨팅의 경쟁은 이제 어느 한 점으로 수렴되어 가는 과정이다. 요즘 업계에서 점차 이슈로 부상하고 있는 OpenCL, DX11은 CUDA 아키텍처에 기반을 두고 있다. 익히 알려진 바대로 CPU는 지속적으로 코어를 늘려 나감으로써 기존 시리얼과 패러렐의 차이를 스스로 허물고 있다.

이러한 배경 때문에 GPU를 이용한 패러렐 컴퓨팅 기술은 지속적으로 유지, 발전해 나갈 것이다. 극단적인 관점에서 봐도 패러렐 컴퓨팅 기술로 수렴이 된다고 봤을 때, 지금부터라도 GPU와 같은 매니코어 구조에 대한 지식을 습득해 나가는 것은 미래에 있어서의 경쟁력을 확보하는 길이라고 말씀을 드리고 싶다.

한편, 엔비디아가 보급하고 있는 CUDA에 관련된 보다 자세한 내용은 홈페이지(http://kr.nvidia.com/cuda)를 통해 확인할 수 있다. 또한, 엔비디아 코리아에서는 CUDA 병렬프로그래밍에 대해 지속적인 교육과정을 마련해 교육을 실시하고 있다. CUDA 교육에 관심이 있는 사람은 이메일(CUDA-KR@nvidia.com)을 통해 문의하면 된다.