- 1AI야, 이 데이터 좀 계산해줘!
- 2엄청난 숫자들이 쏟아진다…
- 3GPU가 번개처럼 처리 중!
- 4연산 완료! 답이 나왔어!
정의와 배경
부동소수점(floating point)이란 소수점 위치가 고정되지 않고 유동적으로 표현되는 수 체계로, 매우 크거나 작은 실수를 효율적으로 다룰 수 있다. FLOPS는 이러한 부동소수점 연산을 초당 몇 번 처리할 수 있는지를 나타내며, 컴퓨터 성능을 객관적으로 수치화하는 표준 지표로 자리 잡았다. AI 등장 이전에는 주로 슈퍼컴퓨터 순위(TOP500 등)를 매기는 데 활용됐으나, 딥러닝 확산 이후에는 GPU·NPU 등 AI 가속기의 성능 척도로서 중요성이 크게 높아졌다.
단위 체계와 AI 연산 규모
FLOPS는 규모에 따라 킬로(K), 메가(M), 기가(G), 테라(T), 페타(P), 엑사(E) 단위로 표기한다. 일반 PC의 CPU가 수십 기가FLOPS(GFLOPS) 수준이라면, AI 학습에 사용되는 고성능 GPU는 수백 테라FLOPS(TFLOPS)에 달하며, 대형 AI 데이터센터는 수십~수백 페타FLOPS(PFLOPS) 이상의 집적 연산 능력을 보유한다. LLM이나 파운데이션 모델처럼 수천억 개의 파라미터를 가진 모델을 학습하려면 수십에서 수백 엑사FLOPS(EFLOPS) 규모의 누적 연산량이 필요하다는 점에서, 단일 칩의 FLOPS와 데이터센터 전체의 집계 연산량은 구분해서 이해해야 한다.
AI 데이터센터·정책 맥락에서의 의미
AI 데이터센터(AIDC) 구축 사업에서 FLOPS는 인프라 규모와 국가 AI 경쟁력을 가늠하는 핵심 지표로 활용된다. 정부나 기업이 AI 투자 규모를 발표할 때 '총 연산 용량 몇 PFLOPS 확보'처럼 구체적 수치를 제시하는 것도 이 때문이다. 엔비디아 GPU가 AI 시장을 주도하는 이유 중 하나도 동급 최고 수준의 TFLOPS 성능을 일관되게 제공하기 때문이며, 대한민국의 AIDC 메가프로젝트 역시 확보할 연산 자원의 FLOPS 총량이 사업 목표와 직결된다. 정책 실무자 입장에서는 단순한 FLOPS 수치뿐 아니라 전력 효율(FLOPS/W), 정밀도(FP32·FP16·BF16 등), 실제 활용률(utilization)을 함께 고려해야 투자 대비 효과를 정확히 평가할 수 있다.
※ 본 상세 설명은 용어집 데이터를 토대로 AI가 생성했습니다. 정확한 내용은 원문 출처를 우선하세요.