NVIDIA의 레이 리컨스트럭션(Ray Reconstruction) 기술을 AMD의 최신 RDNA 4 기반 Radeon 그래픽카드에서 구현할 수 있을지를 놓고 하드웨어 커뮤니티에서 논의가 이어지고 있다. 비공식적인 호환 기술을 통해 타사 GPU에서 DLSS 업스케일링과 프레임 생성 기능을 구동한 사례가 등장하면서, NVIDIA의 신경망 기반 광선 재구성 기술까지 적용 범위를 넓힐 수 있는지가 새로운 관심사로 떠올랐다.
특히 패스 트레이싱처럼 높은 그래픽 연산 성능을 요구하는 게임에서 레이 리컨스트럭션의 활용 가능성이 주목받고 있다. 논의에서는 Cyberpunk 2077과 Control Resonant 등 NVIDIA의 신경망 기반 광선 재구성 기술을 활용하는 게임들이 주요 사례로 거론됐다.
RDNA 4의 FP8 연산 성능이 가능성 뒷받침
AMD RDNA 4에서 레이 리컨스트럭션을 구현할 수 있다는 주장에는 최신 Radeon GPU의 FP8 연산 성능이 주요 근거로 제시되고 있다.
커뮤니티에서 언급된 수치에 따르면 RDNA 4 마이크로아키텍처 기반 Radeon RX 9070 XT는 128개의 매트릭스 유닛을 갖추고 있으며, 밀집(Dense) FP8 연산에서 389 TFLOPS, 희소(Sparse) 연산에서는 778.6 TFLOPS의 이론적 성능을 제공한다.
비교 대상으로 거론된 NVIDIA GeForce RTX 5070 Ti는 블랙웰(Blackwell) 마이크로아키텍처와 280개의 Tensor 코어를 탑재하고 있다. 제시된 수치상 FP8 연산 성능은 밀집 연산에서 351.5 TFLOPS, 희소 연산에서 703 TFLOPS다.
RX 9070 XT, 이론적 FP8 성능에서는 경쟁력
이 수치만 놓고 보면 Radeon RX 9070 XT가 일부 FP8 연산에서 RTX 5070 Ti보다 높은 이론적 처리 성능을 갖춘 셈이다.
이 때문에 RDNA 4의 매트릭스 연산 능력이 충분하다면 NVIDIA의 레이 리컨스트럭션 모델과 유사한 신경망 기반 처리 작업을 수행할 수 있을 것이라는 관측이 나오고 있다.
다만 TFLOPS와 같은 이론적 연산 성능만으로 실제 게임에서의 호환성과 처리 속도를 판단하기는 어렵다. GPU 아키텍처와 명령어 체계, 소프트웨어 스택, 메모리 접근 방식 등 여러 요소가 실제 성능에 영향을 미치기 때문이다.
CUDA와 Tensor 코어 의존성이 핵심 장벽
가장 큰 문제는 NVIDIA의 레이 리컨스트럭션 기술이 단순한 범용 AI 모델이 아니라 NVIDIA의 하드웨어와 소프트웨어 생태계에 긴밀하게 연결돼 있다는 점이다.
NVIDIA의 신경망 처리 기술은 CUDA 명령어와 Tensor 코어를 중심으로 최적화돼 있다. 따라서 이를 AMD GPU에서 그대로 실행하려면 서로 다른 명령어와 연산 방식을 변환하는 과정이 필요하다.
ROCm이나 ZLUDA와 같은 호환성 계층을 활용하는 방법이 거론되지만, 이러한 방식에서는 명령어 변환 과정에서 추가적인 오버헤드가 발생할 수 있다. 결과적으로 이론적으로는 충분한 연산 성능을 갖추더라도 실제 게임에서는 기대만큼의 성능을 확보하지 못할 가능성이 있다.
AMD와 NVIDIA의 데이터 처리 방식도 달라
또 다른 문제는 AMD와 NVIDIA가 광선 재구성과 관련해 서로 다른 데이터 처리 파이프라인을 사용한다는 점이다.
AMD의 레이 재생 관련 기술은 경쟁사의 알고리즘과 별도로 설계됐으며, 처리 과정에서 요구하는 입력 데이터와 매개변수도 차이가 있다. 따라서 NVIDIA 모델을 AMD GPU에서 실행하려면 단순히 코드를 변환하는 수준을 넘어 입력 데이터와 처리 파이프라인까지 조정해야 할 가능성이 크다.
이는 기존 DLSS 업스케일링이나 프레임 생성 기능을 타사 GPU에서 비공식적으로 구현하는 것보다 훨씬 복잡한 작업이 될 수 있다.
실제 구현 여부는 소프트웨어 최적화가 관건
현재 논의는 커뮤니티 차원의 기술적 가능성에 초점이 맞춰져 있으며, Radeon RX 9070 XT에서 NVIDIA 레이 리컨스트럭션이 공식적으로 지원된다는 의미는 아니다.
RDNA 4가 높은 FP8 연산 성능을 갖추고 있다는 점은 신경망 기반 그래픽 처리에 유리한 조건이 될 수 있다. 그러나 CUDA와 Tensor 코어에 최적화된 NVIDIA 모델을 AMD 환경으로 옮기려면 호환성 계층과 데이터 파이프라인을 포함한 상당한 수준의 소프트웨어 작업이 필요하다.
결국 Radeon RDNA 4에서 NVIDIA 레이 리컨스트럭션과 같은 기술을 실제로 구현할 수 있을지는 단순한 GPU 연산 성능보다 아키텍처 간 호환성과 소프트웨어 최적화를 얼마나 효율적으로 해결할 수 있느냐에 달려 있다.
이문열은 bsnewspaper.com의 필진으로 뉴스, 정치, 경제, 기술, 스포츠, 엔터테인먼트, 라이프스타일 등 다양한 분야의 소식을 다룹니다. 독자들이 중요한 이슈를 쉽게 이해할 수 있도록 명확하고 균형 잡힌 보도에 중점을 두고 있으며, 유용한 정보와 시의성 있는 내용을 전달합니다. 또한 현재의 주요 사건과 독자들의 관심사에 맞는 이야기를 알기 쉽게 풀어내는 데 힘쓰고 있습니다.