AMD 인스팅트 MI455X: 태양을 겨냥하다
AMD가 AI 스택 최상위 모델인 인스팅트 MI355X를 대체할 새로운 MI455X를 공개했습니다. 이 GPU는 CDNA5 아키텍처를 기반으로 랙(Rack) 단위의 확장을 지원하며, UALink 기반의 새로운 네트워크 아키텍처를 통해 단일 시스템 내에서 72개의 GPU까지 확장할 수 있습니다. 컴퓨팅 성능과 메모리 대역폭, 용량을 대폭 강화하여 대규모 AI 인프라 구축을 위한 핵심 경쟁력을 확보했다는 점에서 중요합니다.
AMD 인스팅트 MI455X: 태양을 겨냥하다 George Cozma, Aurora Nockert, Nintonito 2026년 7월 23일
안녕하세요 인터넷 네티즌 여러분, AMD의 'Advancing AI' 행사에서 저희는 기존 최상위 AI GPU였던 인스팅트 MI355X를 대체할 AMD의 완전히 새로운 인스팅트 MI455X를 살펴보고 있습니다. 이는 AMD의 첫 번째 랙 규모(Rack-scale) AI 배포용 GPU로, 연산 유닛(Compute Unit)과 SoC에 대대적인 변경을 가한 새로운 CDNA5 아키텍처를 기반으로 합니다. 여기에는 연산 성능 향상, 메모리 대역폭 및 용량 개선이 포함되며, TSMC의 CoWoS-L 패키징 기술이 적용되었습니다. 또한 새로운 헬리오스(Helios) 랙 규모 솔루션과 함께 출시되어, 기존 MI355X 시스템의 8개 GPU에서 한 단계 뛰어넘어 단일 파드(Pod) 내에서 최대 72개의 GPU로 확장할 수 있습니다. 또한 이더넷 기반 UALink(UAEoL)를 기반으로 하는 새로운 내결함성 확장 네트워크 아키텍처를 특징으로 하며, 전체 랙에 걸쳐 단일 홉(Single-hop) 올투올(All-to-All) 통신을 지원합니다.
단일 MI455X는 8개의 액셀러레이터 복합 다이(XCD)에 걸쳐 256개의 워크 그룹 프로세서(WGP)를 포함하고 있으며, 최대 2.4GHz의 '엔진' 클럭을 갖습니다. 이를 통해 행렬/벡터 FP32 및 벡터 FP16의 경우 315 TFLOP, OCP MXFP4의 경우 최대 40.26 PFLOP에 달하는 최대 연산 성능 수치를 구현합니다. 이는 2048비트 버스당 12스택의 HBM4와 결합되어 총 192개의 채널을 제공하며, 각 GPU당 23.3 TB/sec의 속도로 총 432GB의 메모리를 제공합니다.
CU/WGP의 변화 "컴퓨팅 유닛(Compute Unit)"의 변화를 살펴보면, AMD는 이제 CDNA5에서 CU 대신 WGP를 기준으로 성능을 측정합니다. 이는 각 WGP를 두 개의 CU로 간주했던 소비자용 제품군과 다른 접근 방식입니다. 하지만 RDNA4와 마찬가지로, 각 WGP는 4개의 스칼라 유닛과 함께 4개의 듀얼 이슈 Wave32 SIMD32 유닛으로 구성되며, 이는 CDNA4의 4개 싱글 이슈 Wave64 SIMD16 유닛과 비교해 큰 변화입니다. 즉, 각 WGP는 클럭당 최대 256개의 패키지형 FP32 연산(FMA 사용 시 512 FLOPS)을 수행할 수 있습니다. 이 새로운 SIMD 설계를 지원하기 위해 VGPR(Vector General Purpose Register) 레지스터 파일이 재구성되었으며, 이제 모든 웨이브(Wave)는 최대 1,024개의 VGPR을 어드레싱할 수 있어 기존 CDNA 및 RDNA 아키텍처에서 접근할 수 있었던 레지스터 수의 4배를 제공합니다. 각 SIMD는 CDNA4와 마찬가지로 여전히 128kB의 벡터 레지스터를 가지고 있어 Wave32 대 Wave64 방식 덕분에 실제로 사용 가능한 레지스터 수(1024개)가 두 배로 늘어났지만, RDNA4에서 사용할 수 있었던 192kB에는 미치지 못합니다. 또한 이는 단일 웨이브프론트(Wavefront)가 경우에 따라 전체 SIMD를 차지할 것으로 예상됨을 의미합니다.
행렬 유닛(Matrix units) 역시 강화되어 각 행렬 유닛은 클럭당 최대 8,192개의 FP4 연산을 수행할 수 있으며, WGP당 4개의 행렬 유닛을 갖추고 있어 WGP당 클럭당 최대 65,536개의 행렬 연산이 가능합니다. 즉, 새로운 아키텍처에서 실질적으로 더 빨라진 것은 FP4와 FP8뿐이며, 나머지 성능 향상은 SIMD 폭을 16에서 32로 늘린 것에서 비롯됩니다. 이 새로운 설계를 지원하기 위해 WGP 간의 캐시도 변경되었습니다. L1 데이터 캐시와 LDS 모두 크기가 두 배로 늘어나 L1 데이터 캐시는 64KB, LDS는 320KB가 되었으며, 대역폭 역시 두 배로 증가하여 CDNA5 WGP에 더 많은 데이터를 원활하게 공급합니다. 하지만 이는 주로 WGP를 두 개의 CU로 분할하지 않는 AMD의 새로운 성능 집계 방식의 결과물입니다.
각 XCD는 32개의 활성 WGP(물리적으로는 34개 중 2개 비활성화)를 가지며, 이는 XCD당 16개의 WGP를 갖춘 2개의 셰이더 엔진(SE)으로 나뉩니다. 셰이더 엔진은 RDNA4의 L1 버퍼(GL1)를 대체하는 '브로드캐스트 중재자(Broadcast Arbitrator)'와 쌍을 이루며, 이는 하위 셰이더 어레이 수준 대신 SE 수준에 위치합니다. 이는 데이터를 브로드캐스팅하여 '최대 4배'의 대역폭 증폭을 제공하는 동시에 쓰기 결합 버퍼(Write-combine buffer) 역할을 합니다. 메모리 하위 시스템은 이제 멀티캐스트 로드를 허용하여 중복된 메모리 트래픽을 줄임으로써 행렬 곱셈 연산을 크게 가속화합니다. C=A×B를 계산하는 GEMM을 예로 들면, 일반적으로 각 웨이브프론트는 A 피연산자 타일을 개별적으로 각 WGP의 LDS로 불러옵니다. 하지만 멀티캐스트 로드를 사용하면 단일 멀티캐스트 로드 명령을 통해 이 A 타일을 모든 관련 WGP로 한 번에 로드할 수 있습니다. 각 웨이브프론트는 여전히 다른 B 타일을 로드하지만, MI455X는 데이터를 페...