NVIDIA RTX Spark 발표: 통합 메모리와 CUDA로 개인 PC의 새로운 시대를 열다
PC의 새로운 시대: NVIDIA GTC Taipei 2026
NVIDIA GTC Taipei 2026이 현지 시간 오전 11시에 개막했습니다. 수많은 발표 중에서 개인적으로 가장 역사적 의미가 있다고 느끼는 제품이 있습니다. 그만큼 중요한 만큼, NVIDIA는 '개인용 컴퓨터 탄생 40주년을 맞아 이번에 재정의한다'고 선언했습니다.
"A New Line, A New Beginning"
그 모든 것은 하나의全新的 소비자용 칩——오랫동안 유출되었던 코드네임 'N1X'의 RTX Spark——에서 시작됩니다.
이 작은 디바이스가 올해 상반기에서 가장 기대했던 AI 컨퍼런스의 핵심입니다. 이 시대에 여러 대기업이 협력하여 사전에 열기를 끌어올리고, 하나의 발표회에 모든 것을 쏟아붓는 모습은 좀처럼 보기 어렵습니다.
PC의 새로운 시대. 이 정도 진영을 갖출 수 있는 것은 NVIDIA 정도일 것입니다. 이상하게 보이는 일련의 숫자는 젠슨 황의 기조 연설이 진행된 타이베이 팝 뮤직 센터의 좌표입니다.
오늘 발표를 모두 본 지금, "개인용 PC의 새로운 시대"라는 말을 믿지 않을 수 없습니다.
올해 상반기의 AI 발전은 OpenClaw, Claude Code, Codex 등 모두 클라우드 상의 대규모 모델이었습니다. 하지만 소비자용 하드웨어 측면에서는 거의 진전이 없었습니다. 그러나 대규모 모델이나 에이전트를 로컬 환경에 배포하고 싶은 욕구는 누구에게나 있습니다. 저지연, 프라이버시 보호, 네트워크 불필요. 추론뿐만 아니라 파인튜닝까지 할 수 있는 자유롭고 안전한 느낌은 항상 사람들을 매료시킵니다.
새로운 하드웨어가 필요합니다. 새로운 칩이 필요합니다. 그리고 더 흥미로운 상상력이 필요합니다. 그 기대가 이번 NVIDIA GTC Taipei 2026에 집중되었습니다. 그리고 RTX Spark는 기다리던 형태로 등장했습니다.
NVIDIA나 게임에 정통한 독자라면, RTX와 Spark라는 두 단어가 각각 익숙할 것입니다. RTX는 NVIDIA의 소비자용 제품 라인으로, RTX 5080 같은 그래픽 카드로 가장 가까이 존재합니다. Spark는 지난해 발표된 개발자용 DGX Spark에서 유래했으며, 이번에 정식으로 NVIDIA의全新的 사업 라인으로 승화되었습니다. 이렇게 RTX Spark가 탄생했습니다.
RTX Spark의 스펙과 가능성
RTX Spark의 기반은 DGX Spark와 같은 GB10 칩일 것입니다. 이번에 발표된 플래그십 모델의 스펙이 이전 정보와 거의 일치하기 때문입니다.
FP4 환산 최대 1 PFLOPS의 AI 성능, 20코어 CPU, 6144코어 GPU, 그리고 128GB LPDDR5X 통합 메모리를 탑재합니다. 이를 통해 120B 모델을 로컬 환경에서 가볍게 실행할 수 있습니다.
이번 발표회에서는 젠슨 황이 RTX Spark를 탑재한 파트너 브랜드 PC의 컨셉도 공개했습니다.
두께 14mm, 전원 미연결 노트북 PC에서 90GB 3D 씬을 렌더링하고 12K 해상도 영상을 편집할 수 있다고 합니다. 매우 놀라운 이야기입니다.
게다가 얇고 폭발적인 성능의 새 노트북뿐만 아니라, Mac Mini 같은 저전력 소형 박스도 등장합니다.
최근 Lenovo나 HP, Arm의 주가 상승에 의미가 있었던 것입니다. 소비자용 PC에서 통합 메모리를 채택하고, 초고속·풀 CUDA 생태계 대응으로 로컬 AI 대규모 모델을 구동할 수 있는 것은 PC 분야 전체로서 처음입니다.
게다가 Microsoft는 NVIDIA와 함께 Windows 시스템을 전면 재구축하여, RTX Spark 탑재 PC가 로컬 에이전트를 네이티브로 실행할 수 있도록 합니다. Windows 생태계는 구원받습니다——NVIDIA가 구세주가 되려 하고 있습니다. 바로 "개인용 PC의 새로운 시대"라는 표현이 허투루 쓰인 것이 아닙니다. 내년, 새 Windows 시리즈로의 교체 수요가 올 것 같은 예감이 듭니다.
통합 메모리가 로컬 AI를 바꾸다
RTX Spark의 역사적 의미를 이해하려면 "통합 메모리"가 무엇인지, 그 용도가 무엇인지를 알아야 합니다.
기존 PC에는 CPU와 GPU라는 두 핵심 컴포넌트가 존재합니다.
GPU는 모두 잘 알다시피, PC 상에서는 일반적으로 그래픽 카드——예를 들어 필자의 RTX 5080——로 탑재됩니다.
CPU와 GPU는 각각 별도의 메모리를 가지고 있었습니다. CPU가 사용하는 것은 시스템 메모리(RAM)이고, GPU가 사용하는 것은 비디오 메모리(VRAM)입니다. 두 개는 전용 채널을 통해 데이터를 주고받아야 했습니다.
통합 메모리는 이 두 개를 하나로 통합하여, CPU와 GPU가 같은 메모리 풀을 공유하고 직접 접근할 수 있게 하는 메커니즘입니다. Apple은 이 방식을 주류로 확립했으며, 현재 구매할 수 있는 Mac은 거의 모두 통합 메모리를 채택하고 있습니다.
하지만 Windows 생태계에서는 CPU와 GPU가 다른 제조사인 경우가 많고, 과거 생태계의 제약으로 인해 과거에도 시도는 있었으나 실패로 끝났으며, 이렇게 상하를 연동시켜 대규모로 추진한 사례는 없었습니다. 이렇게 대규모 움직임을 성공시킨 것은 NVIDIA가 처음입니다.
이 통합 메모리는 대규모 모델을 실행하는 데 있어 사실상 생사를 가르는 차이입니다.
앞서 말했듯이, 기존 PC 메모리 아키텍처는 분리형입니다. CPU는 시스템 메모리(RAM)를, GPU는 비디오 메모리(VRAM)를 가지며, 두 개는 PCIe라는 인터페이스로 연결되어 있습니다.
예를 들어, CPU 측에 64GB RAM이 있고, GPU 측에 RTX 5080의 16GB VRAM이 있는 상황을 생각해 봅시다. 로컬에서 양자화된 70B 모델을 실행하려면 수십 GB 메모리가 필요하지만, PC의 총 메모리는 64GB로 보이지만, GPU가 고속으로 사용할 수 있는 것은 그 16GB VRAM에 한정됩니다. 모델이 커서 VRAM에 맞지 않으면, 일부 가중치를 CPU의 시스템 메모리에 배치해야 하며, GPU는 그 가중치가 필요할 때마다 PCIe를 통해 시스템 메모리에서 읽어와야 합니다.
GPU가 자신의 VRAM에 접근하는 대역폭은 약 1TB/s로 매우 빠릅니다. 하지만 CPU 메모리와 GPU를 연결하는 PCIe 채널——PCIe 4.0 x16의 단방향 대역폭은 약 32GB/s에 불과하여, 30배나 차이가 납니다. 사실상 거북이 속도입니다. 따라서 모델은 작동하지 않거나, 매우 느린 상태로 실행되게 됩니다.
통합 메모리가 주로 해결하는 것은 이 문제입니다. CPU와 GPU의 메모리를 공유 풀로 통합하여——예를 들어 한 대의 머신에 128GB 통합 메모리가 있으면——GPU는 이 큰 풀의 대부분을 직접 사용할 수 있습니다. 이를 통해 로컬 대규모 모델을 실행할 때, 한 장의 그래픽 카드의 16GB, 24GB, 32GB 같은 VRAM 제한에 이렇게까지 구속되지 않게 됩니다. 통합 메모리는 소비자용 단일 머신에서 로컬 대규모 모델을 실행하는 유일하고 가장 우아한 해결책입니다. 데이터센터의 세계는 또 다른 이야기이며, 일반 소비자와는 관계가 없습니다.
CUDA라는 생태계의 벽
여기서 당연한 의문이 생깁니다. 통합 메모리가 이렇게 우수하다면, Mac을 사면 되는 것이 아닐까요? 128GB 통합 메모리 모델의 Mac도 존재합니다. 왜 RTX Spark가 필요한 걸까요?
이것은 매우 중요한 질문이며, 그 답이 NVIDIA의 진정한 킬러 기능입니다. CUDA입니다.
CUDA라는 말은 AI에 관심 있는 독자라면 들어본 적이 있을 것입니다. 하지만 그것이 구체적으로 무엇이며, 왜 이렇게 중요한지는 진지하게 이야기할 가치가 있습니다.
많은 사람들은 CUDA를 NVIDIA의 그래픽 드라이버나 단순한 GPU 가속 기술로 생각합니다. 그 이해도 완전히 틀리지는 않지만, CUDA의 실체는 훨씬 거대합니다.
CUDA는 궁극의 생태계입니다.
그 하위에서는 GPU를 범용 연산기로 프로그래밍할 수 있고, 렌더링 외의 수학 연산도 가능하게 합니다.
중간 계층에는 20년 가까이 연마된 수학 라이브러리군이 존재합니다. 선형대수의 cuBLAS, 딥러닝 기초 연산의 cuDNN, 추론 최적화의 TensorRT, 다중 GPU 통신의 NCCL, 그리고 FlashAttention 같은 중요한 최적화도 CUDA 루트 상에서 가장 성숙하며, 많은 신기능은 NVIDIA GPU를 중심으로 우선적으로 적합됩니다.
그리고 이번 강연에서 젠슨 황이 반복 강조한 CUDA-X——모든 에이전트에 개방된 CUDA 라이브러리군——에 의해, 에이전트가 직접 라이브러리를 호출할 수 있게 되어, 더욱 놀라운 세계가 열립니다.
이것에는 과학 계산, 엔지니어링 시뮬레이션, 칩 설계, 게놈학, 통신 네트워크, 로봇공학, 물리 시뮬레이션 등 모든 분야의 가속 라이브러리군이 포함됩니다.
예를 들어 계산 노광의 cuLitho, 의사 결정 최적화의 cuOpt, 희소 행렬 풀이의 cuDSS, 구조화·비구조화 문서 심층 분석의 AI-Q, 미분 가능 물리의 Warp, 게놈학의 Parabricks 등등.
젠슨 황의 말을 빌리면——수학은 너무나 훌륭합니다. CUDA는 너무나 강력합니다.
그 상위에는 PyTorch, TensorFlow, JAX——거의 모든 딥러닝 프레임워크의 GPU 백엔드에서, 기본 및 최우선으로 지원되는 것이 CUDA입니다.
2006년부터 현재까지, CUDA는 방대한 양의 최적화 라이브러리, 튜토리얼, 코드, 생태계를 축적해 왔습니다. 현재 공개된 학술 논문의 오픈소스 코드의 압도적 다수는 CUDA 상에서 작성되고 테스트됩니다. 딥러닝 관련 모든 문제의 해결책을 검색하면, 답의 거의 모든 것이 CUDA를 사용하는 전제로 이야기됩니다.
AI 엔지니어링界的 모국어는 CUDA인 것입니다.
이것은 Apple이 항상 안고 있는 통점이기도 합니다. Apple의 통합 메모리는 확실히 우수하지만, 그 GPU는 Metal을 사용하며, 기계 학습 프레임워크는 MLX입니다. 커뮤니티의 압도적 다수의 오픈소스 모델, 학습 코드, 파인튜닝 툴은 먼저 CUDA 상에서 완성된 후, 비로소 MLX로의 이식이 이루어집니다. 추론은 그렇다 치더라도, 학습과 파인튜닝에 있어서 Apple 상의 생태계는 오늘날에도 여전히 매우 취약합니다.
이렇게 이해했을 것입니다. 왜 RTX Spark가 업계 전체의 기대를 모으고 있는지.
RTX Spark 이전, PC 상에서 CUDA를 추구하고, 통합 메모리의 효율성도 추구한다——이 두 가지는 양립 불가능했습니다.
RTX Spark는 이제까지 서로 용납되지 않던 두 가지를 처음으로 하나로 융합시켰습니다. 이제까지 어떤 단일 플랫폼도 제공할 수 없었던 조합입니다.
이것이야말로 RTX Spark의 진정 가장 강력한 점이며, 최대 차별화 요인입니다. 인류가 지금까지 창조한 모든 컴퓨팅에 더해, 에이전트도 구동한다——그에 필요한 것은 CUDA 생태계에 기반한 환경입니다.
Windows 에이전트 시대의 기반 구축
이 CUDA 생태계를 토대로, 이번에 Adobe 등도 RTX Spark를 위한 전면적인 최적화를 진행합니다.
예를 들어 Adobe는 RTX Spark를 위해 Photoshop과 Premiere의 코어 아키텍처를 완전히 재설계하여, 최대 2배 속도를 실현한 뒤, 에이전트의 네이티브 호출에도 대응합니다.
그리고 이번에 NVIDIA와 Microsoft는 손을 잡고 Windows 상의 에이전트 생태계를 재구축합니다. 상세는 후일 사티아 나델라와의 라이브 대담에서 이야기되지만, 이미 일부가 공개되어 있습니다.
새로운 Windows 보안 프리미티브에 의해, 에이전트의 네이티브 구축과 실행에 대해 ID 인증, 격리 보호, 정책 관리, 엔드투엔드 보안 능력을 제공합니다. 그리고 NVIDIA 독자적인 OpenShell도 등장합니다.
이에 의해, 에이전트용 Windows PC 플랫폼 전체상이 보입니다. 하위는 RTX Spark가 제공하는 하드웨어 능력. 두 번째 계층은 Microsoft가 에이전트 시대로 진화시키는 Windows 시스템. 세 번째 계층은 안전한 실행 환경——즉 Windows security primitives + NVIDIA OpenShell입니다.
이에 의해, 로컬 PC에서 대규모 모델을 실행하려는 개발자나 크리에이터에게 하드웨어 면에서 RTX Spark 탑재 머신은 거의 최적해가 됩니다. 만약 게임도 하고 싶다면, 선택지는 없습니다. 오직 RTX Spark뿐입니다.
A New Line, A New Beginning.
이것이 개인용 PC의 새로운 시대입니다.
그것은 인간을 위해서뿐만 아니라, 에이전트를 위해서도 설계되어 있습니다. 과거와 호환성을 가지면서, 과거를 안고 다음 미래로 나아갑니다.
관련 기사
로딩 중...