뉴로모픽 컴퓨팅, 지금 어디까지 왔나
뉴로모픽 컴퓨팅, 지금 어디까지 왔나
전자레인지 한 대 크기의 상자 안에, 올빼미의 뇌에 맞먹는 11억 5천만 개의 인공 뉴런이 들어 있다. 2024년 인텔이 미국 샌디아 국립연구소에 배치한 뉴로모픽 시스템 ‘할라 포인트(Hala Point)’ 이야기다. 이 시스템은 초당 20페타(2경) 회의 연산을 수행하면서도, 같은 일을 하는 그래픽처리장치(GPU) 기반 시스템보다 훨씬 적은 전력을 쓴다. IBM이 내놓은 노스폴(NorthPole) 칩은 영상 추론에서 최신 GPU보다 에너지 효율이 22배 높다는 결과를 보고했고, 인텔의 로이히 2(Loihi 2)는 특정 작업에서 CPU보다 100배, GPU보다 30배가량 효율적이라는 측정치가 논문으로 나와 있다. 숫자만 보면 혁명이다. 그런데 정작 우리는 이 칩을 살 수 없다. 왜일까.
뉴로모픽 컴퓨팅(neuromorphic computing)은 이름 그대로 ‘뇌를 닮은’ 컴퓨팅이다. 기원은 의외로 오래되어, 1980년대 카버 미드(Carver Mead)와 미샤 마호왈드가 실리콘 망막과 실리콘 뉴런을 처음 만든 데서 출발한다. 오늘의 컴퓨터는 대부분 폰 노이만 구조를 따른다. 연산을 담당하는 프로세서와 데이터를 담아 두는 메모리가 물리적으로 떨어져 있고, 둘 사이를 데이터가 끊임없이 오간다. 이 왕복에서 시간과 전력이 새는데, 이를 ‘폰 노이만 병목’이라 부른다. 뉴로모픽 칩은 이 전제를 뒤집는다. 뇌가 그러하듯 메모리와 연산을 한자리에 두고(in-memory computing), 정보를 전압의 연속된 흐름이 아니라 ‘스파이크(spike)’라는 불연속 신호로 주고받는다. 입력에 변화가 있을 때만 회로가 반응하는 이벤트 기반(event-driven) 방식이라, 아무 일도 없을 때는 거의 전력을 쓰지 않는다. 인간의 뇌가 20와트 남짓으로 돌아가는 비결과 같은 원리다.
그렇다면 지금 이 분야는 어디까지 와 있을까. 가장 앞선 이름은 여전히 인텔의 로이히 2다. 완전 디지털·비동기·이벤트 구동 방식으로 설계된 이 칩은 희소한 신호를 효율적으로 처리하도록 만들어졌고, 앞서 말한 할라 포인트는 로이히 2 프로세서 1,152개를 엮어 128억 개의 시냅스를 구현한 ‘세계 최대 규모’의 뉴로모픽 시스템이다. IBM은 생물학적 스파이크를 흉내 내기보다 메모리 접근 비용 자체를 없애는 쪽으로 노스폴을 설계했다. 유럽도 만만치 않다. 독일 드레스덴에서 개발된 스피나커2(SpiNNaker2)와 하이델베르크의 브레인스케일스(BrainScaleS)는 유럽 ‘인간 뇌 프로젝트(Human Brain Project)’의 산물로, 뇌 자체를 시뮬레이션하는 연구 플랫폼으로 쓰인다. 실제로 샌디아 연구소는 2025년 들어 할라 포인트에 더해 스피나커2 시스템까지 함께 운용하기 시작했다.
그러나 화려한 실험실 수치와 시장의 현실 사이에는 깊은 골이 있다. 2025년 1월 국제 학술지 네이처(Nature)에 실린 대규모 리뷰 논문 「Neuromorphic computing at scale」은 이 분야를 가장 권위 있게 진단한 문헌으로 꼽힌다(Kudithipudi 외, Nature 637권, 801–812쪽). 논문의 결론은 냉정하다. 뉴로모픽 컴퓨팅이 기존 컴퓨팅과 진지하게 경쟁하려면 반드시 ‘규모(scale)’를 키워야 하는데, 아직 그 길목에 여러 과제가 놓여 있다는 것이다. 하드웨어는 앞서갔지만 그 위에서 돌릴 소프트웨어와 개발 도구, 공정한 성능 비교를 가능하게 할 표준 벤치마크, 그리고 무엇보다 ‘이 칩이어야만 하는’ 결정적 응용 사례(killer application)가 아직 부족하다. 딥러닝이 GPU라는 하드웨어와 파이토치 같은 소프트웨어 생태계, 이미지넷 같은 벤치마크를 동시에 갖추며 폭발한 것과는 대조적이다.
그래서 2026년 현재 뉴로모픽 컴퓨팅의 상태를 한 문장으로 요약하면 이렇다. ‘실험실에서는 경이롭고, 시장에는 아직 존재하지 않는다.’ 로이히 2는 연구자에게 가장 프로그래밍하기 좋은 칩이지만, 그 ‘접근’이란 인텔과의 연구 협력을 통해서지 매장에서의 구매가 아니다. 노스폴 역시 마찬가지다. 세계 최고 수준의 효율을 보이는 이 칩들은 하나같이 정부 과제나 연구 파트너십의 울타리 안에 있고, 일반 기업이나 개인이 살 수 있는 제품으로는 나와 있지 않다. 서두에서 던진 질문 ― 이토록 효율적인데 왜 못 사는가 ― 의 답이 바로 여기에 있다. 이것이 이 기술이 안고 있는 근본적 긴장이다.
그럼에도 이 분야를 주목해야 하는 이유는 분명하다. 생성형 AI가 커질수록 그 연산 비용과 전력 소모가 감당하기 어려운 속도로 늘고 있기 때문이다. 데이터센터의 전력 문제가 AI 확산의 실질적 한계로 떠오른 지금, ‘에너지 효율’은 더 이상 부차적 미덕이 아니라 생존의 조건이 되었다. 뉴로모픽 칩이 겨냥하는 자리가 바로 여기다. 특히 배터리로 돌아가는 웨어러블, 드론, 자율주행 센서처럼 크기·무게·전력에 제약이 큰 에지(edge) 환경에서, 이벤트 기반 처리와 초저전력이라는 특성은 대체하기 어려운 강점이 된다. 다만 이것이 GPU를 대체한다는 뜻은 아니다. 전문가들도 뉴로모픽을 기존 컴퓨팅의 ‘대체재’가 아니라, 특정 문제를 훨씬 잘 푸는 ‘보완재’로 본다.
결국 “뉴로모픽 컴퓨팅은 어디까지 왔는가”라는 질문의 정직한 답은 이렇다. 뇌에 맞먹는 규모의 하드웨어를 만드는 단계까지는 이미 왔지만, 그것을 누구나 쓸 수 있는 제품과 생태계로 번역하는 단계에는 아직 이르지 못했다. 지난 40여 년간 실리콘 뉴런의 꿈을 좇아온 이 분야는, 이제 막 ‘실험실을 나설 수 있는가’라는 가장 어려운 시험대 앞에 섰다. 그 시험을 통과하는 순간, 우리는 지금과는 전혀 다른 방식으로 계산하는 기계를 손에 쥐게 될지도 모른다.