요약:
Microsoft는 일반 소비자 컴퓨터의 유휴 컴퓨팅 성능을 활용하여 인공 지능 모델을 교육하는 방법을 모색하고 있습니다. 최근 공개된 특허 출원에 따르면 마이크로소프트는 대규모 AI 모델 훈련 작업을 다수의 작은 작업으로 분할하고 이를 유휴 게임 컴퓨터, 노트북, 심지어 스마트폰에 배포하기 위한 분산 컴퓨팅 네트워크를 구축할 것을 제안했습니다. 장비 컴퓨팅 파워를 기꺼이 제공하려는 사용자는 포인트, 무료 소프트웨어, AI 모델 사용 권한, 심지어 현금 보상까지 받을 수 있습니다.
이 기술은 "Opportunistic Micro-training on Edge Devices Using Spare GPU Utilization"(Opportunistic Micro-training on Edge Devices Using Spare GPU Utilization)이라고 하며 Microsoft 기술 라이선스 회사인 Microsoft Technology Licensing에서 제출했습니다. 특허 출원은 2025년 4월 30일에 제출되었으며 2026년 11월 5일에 US 2026/0349820 A1 번호로 공개되었습니다.
마이크로소프트는 애플리케이션 문서에서 인공지능 모델 훈련을 위한 GPU 수요가 지속적으로 증가해 컴퓨팅 리소스 부족과 하드웨어 공급 압박이 발생하고 있다고 지적했다. 동시에 많은 게임용 PC에는 강력한 개별 그래픽 카드가 장착되어 있지만 이러한 장치는 사용자가 게임을 하지 않을 때 오랜 시간 동안 낮은 부하 상태로 유지되는 경우가 많습니다. Microsoft는 이러한 분산된 유휴 컴퓨팅 성능을 통합하여 AI 교육을 제공할 수 있는 분산 컴퓨팅 네트워크를 형성하기를 희망합니다.
기존의 대규모 데이터센터와는 기본 아이디어가 다릅니다. 대규모 AI 훈련 작업에는 일반적으로 함께 작동하기 위해 수천 또는 수만 개의 GPU가 필요합니다. Microsoft는 먼저 모델을 분석하고, 서로 다른 컴퓨팅 작업 간의 종속성을 설정한 다음, 전체 학습 프로세스를 소위 마이크로 작업이라고 하는 상대적으로 독립적인 여러 개의 작은 작업으로 분할할 것을 제안합니다.
그런 다음 시스템은 GPU 성능, 비디오 메모리 용량 및 다양한 장치의 사용 가능한 시간을 기반으로 네트워크에 참여하는 PC에 이러한 작업을 배포합니다. 장치가 계산을 완료한 후 결과를 중앙 시스템에 업로드합니다. 중앙 시스템에서 서버는 이를 확인 및 통합하고 후속 훈련을 계속 진행합니다.
다양한 장치 간의 성능 차이가 전반적인 효율성에 영향을 미치는 것을 방지하기 위해 Microsoft는 동적 작업 할당 메커니즘도 설계했습니다. 시스템은 작업 분할 후 통신 비용, 추가 메모리 오버헤드 및 서로 다른 장치 간의 데이터 전송 빈도를 평가하고 분산 실행에 적합한 작업 분할 방법을 선택하려고 합니다.
이 시스템의 가장 중요한 기능 중 하나는 사용자의 컴퓨터가 실제로 유휴 상태인지 확인하는 기능입니다. Microsoft는 GPU 사용률, 비디오 메모리 사용량, 프로세서 로드, 장치 온도 및 전력 소비를 지속적으로 모니터링하고 이러한 데이터를 사용하여 향후 장치의 사용 가능한 컴퓨팅 성능을 예측할 계획입니다.
예를 들어 사용자가 대규모 게임을 실행하는 경우 시스템은 작업 할당 빈도를 줄이거나 계산을 완전히 일시 중지할 수도 있습니다. 컴퓨터가 데스크톱 대기 상태이고 GPU 온도가 낮고 비디오 메모리가 충분하면 더 많은 훈련 작업을 할당할 수 있습니다. 또한 시스템은 장비의 실제 상황에 따라 모니터링 빈도를 조정하여 빈번한 검사 자체로 인한 추가 부담을 방지합니다.
Microsoft는 전체 메커니즘의 설계 목표가 애플리케이션 실행 속도 감소, 장치 발열 증가, 배터리 전력 소모 등을 포함하여 사용자의 일반적인 컴퓨터 사용에 최대한 영향을 주지 않는 것임을 특히 강조했습니다. 다양한 장치에 할당된 작업도 하드웨어 기능에 따라 동적으로 조정됩니다. 성능이 낮거나 언제든지 오프라인 상태일 수 있는 장치는 소규모 컴퓨팅 작업만 수행합니다.
분산 컴퓨팅 네트워크의 경우 또 다른 어려운 문제는 참여 장치에서 반환된 결과를 신뢰할 수 있는지 확인하는 방법입니다. 결국 네트워크의 컴퓨터는 계산 오류를 범하거나 예기치 않게 연결이 끊어지거나 의도적으로 잘못된 결과를 제출할 수도 있습니다.
이를 위해 Microsoft는 다양한 장치에서 반환된 계산 결과를 교차 검증하고, 장치의 과거 신뢰성, 다른 장치의 계산 결과와의 결과 일관성 및 데이터의 최신성을 기반으로 반환된 결과에 서로 다른 가중치를 부여할 것을 제안했습니다. 시간이 지나도 일관되게 작동하는 장치에는 더 높은 신뢰성이 부여되는 반면, 비정상적인 결과를 자주 제출하는 장치는 다운그레이드될 수 있습니다.
물론 일반 컴퓨터 사용자에게 이 특허의 가장 매력적인 점은 컴퓨팅 성능을 제공하는 데 대한 대가를 받을 수 있다는 점입니다.
신청 서류에 제출된 대로 사용자는 계산에 참여하려면 기기를 적극적으로 등록하고 명시적으로 승인해야 합니다. 시스템은 각 장치가 수행한 컴퓨팅 작업량을 기록하고 기여도에 따라 장치 소유자에게 보상할 수 있습니다. 이러한 보상은 계정 포인트의 형태를 취할 수 있으며, 사용자는 이를 무료 소프트웨어로 교환하거나 훈련 중인 AI 모델에 액세스하거나 단순히 현금을 받을 수 있습니다.
Microsoft가 문서에서 구체적인 보상 기준을 발표하지 않았으며, 다양한 그래픽 카드가 시간당 얼마나 많은 수익을 얻을 수 있는지 설명하지 않았다는 점은 주목할 가치가 있습니다. 이 특허는 가능한 인센티브 메커니즘만을 설명하고 있으며 Microsoft가 소비자를 위한 유료 서비스를 시작할 준비가 되었음을 의미하지는 않습니다.
또한 이 시스템은 반드시 Microsoft 자체 AI 모델만 제공하는 것은 아닙니다. 이 특허는 또한 제3자 조직이 교육 작업을 제공하고 Microsoft가 작업 요청자와 개인 장치 소유자를 연결하는 역할을 담당하는 가능한 모델을 설명합니다. 즉, 마이크로소프트는 분산형 GPU 컴퓨팅 파워 시장에서 중간 플랫폼이 될 수 있는 기회를 얻었고, 컴퓨팅 리소스가 부족한 기업이 일반 소비자 컴퓨터에서 유휴 GPU 파워를 임대할 수 있게 됐다.
그러나 이 모델에는 몇 가지 실질적인 문제도 있습니다. 우선, GPU가 유휴 상태라고 해서 컴퓨팅 작업을 실행하는 데 전력이 소비되지 않는다는 의미는 아닙니다. 그래픽 카드가 AI 훈련 작업을 수행하기 시작하면 전체 컴퓨터의 전력 소비가 크게 증가할 수 있으며 사용자는 추가 전기 요금을 부담해야 합니다. 보상금액이 전기요금을 감당하기에 충분하지 않을 경우, 참여자들은 진정한 수익을 창출하지 못할 수도 있습니다.
둘째, 장시간 고부하 컴퓨팅 작업을 실행하면 그래픽 카드의 열 발생 및 방열 압력이 증가하고 팬 및 전원 공급 시스템과 같은 하드웨어 사용에도 영향을 미칠 수 있습니다. 시스템이 온도에 따라 작업을 동적으로 조정할 수 있더라도 실제 작동 효과는 장기적인 테스트를 통해 검증해야 합니다.
데이터 보안에도 주목할 가치가 있습니다. 개인용 컴퓨터는 제3자로부터 컴퓨팅 작업을 받습니다. 외부 코드를 격리하는 방법, 로컬 파일 및 사용자 개인 정보를 보호하는 방법, 악의적인 작업이 장치 취약점을 악용하는 것을 방지하는 방법은 모두 이러한 유형의 분산 컴퓨팅 네트워크에서 해결해야 할 문제입니다.
간과하기 쉬운 또 다른 세부 사항이 있습니다. 특허 출원서에는 장비 소유자에게 보상금을 지급한다고 언급되어 있지만 20개의 청구서에는 관련 보상이 나타나지 않습니다. 즉, 특허는 훈련 작업 분할, 장비 유휴 상태 모니터링, 컴퓨팅 작업 할당 및 결과 확인 방법에 중점을 두고 있으며 지불 메커니즘은 사양에 설명된 선택적 구현일 뿐입니다.
현재 마이크로소프트는 이 서비스의 출시를 발표하지 않았으며 지원되는 그래픽 카드 모델, 참여 조건, 보상 기준 또는 공식 출시 시기도 발표하지 않았습니다. 특허 출원 공개 자체가 관련 제품이 반드시 시장에 진입한다는 것을 의미하지는 않습니다.
이 아이디어가 마침내 실현된다면 그 모델은 개인용 컴퓨터의 유휴 컴퓨팅 성능을 사용하여 과학 연구에 참여하는 Folding@home과 같은 초기 분산 컴퓨팅 프로젝트를 연상시킬 수 있습니다. 차이점은 마이크로소프트가 이 모델을 더욱 상용화하고 일반 소비자의 게이밍 컴퓨터를 AI 산업의 컴퓨팅 인프라의 일부로 만들기를 희망한다는 점이다.
고성능 그래픽 카드를 사용하는 사용자의 경우 미래에는 컴퓨터를 더 이상 게임, 렌더링, 로컬 AI 추론에만 사용할 수 없습니다. 컴퓨터를 사용하지 않을 때 유휴 GPU는 임대 가능한 컴퓨팅 리소스가 될 수도 있습니다. 그러나 정말로 매력적인 비즈니스 모델이 궁극적으로 형성될 수 있는지 여부는 여전히 보상이 전기 요금, 하드웨어 손실, 장치 보안 및 개인 정보 보호에 대한 사용자의 신뢰를 감당하기에 충분한지 여부에 달려 있습니다.
댓글