CUDA에 Rust를 더하면, 엔비디아 의존도는 줄어들까요?

핵심 요약

• Rust에서 CUDA를 호출하는 것과 GPU 커널 자체를 Rust로 작성하는 것은 다릅니다.
• Rust에 익숙한 개발자도 GPU의 병렬 실행 방식은 따로 배워야 합니다.
• 개발 언어가 바뀌어도 CUDA 도구와 라이브러리에 계속 의존할 수 있습니다.
• Rust 지원으로 개발자가 더 들어온다면 CUDA 생태계는 더 강해질 수 있습니다.

Rust에 익숙한 개발자라면 GPU에서 실행할 코드까지 같은 언어로 작성하고 싶을 겁니다. 새 언어를 배우는 부담을 덜고, 기존 프로그램과 연결하기도 수월해질 수 있으니까요. 다만 코드 작성이 편해진다고 해서 엔비디아 GPU를 떠나기도 쉬워지는지는 따로 따져봐야 합니다.

CUDA를 호출하는 Rust와 GPU에서 실행되는 Rust

먼저 ‘Rust로 GPU를 프로그래밍한다’는 말이 어떤 방식을 가리키는지 구분할 필요가 있습니다.

한 가지는 CPU에서 실행되는 Rust 프로그램이 CUDA 기능을 호출하는 방식입니다. Rust는 데이터를 준비하고 GPU에 작업을 요청합니다. 실제 계산은 따로 준비한 GPU 코드나 라이브러리가 맡습니다.

다른 하나는 GPU 커널 자체를 Rust로 작성하는 방식입니다. 여기서 커널은 운영체제의 핵심 부분이 아니라, GPU의 여러 실행 단위가 병렬로 실행하는 연산 함수를 뜻합니다. 배열의 각 원소에 같은 계산을 적용하는 코드가 대표적인 예입니다.

‘네이티브 GPU 프로그래밍’에서 눈여겨볼 쪽은 두 번째 방식입니다. Rust로 GPU에 작업을 지시하는 데서 더 나아가, GPU에서 실행할 계산도 직접 작성하는 겁니다.

다만 이런 기능이 있다는 것과 엔비디아가 공식 지원한다는 것은 구분해야 합니다. 커뮤니티가 만든 도구로 쓸 수 있는지, 제조사가 지원 범위와 유지보수까지 책임지는지에 따라 실무에서 도구를 선택할 때 판단이 달라집니다.

익숙한 언어를 써도 GPU 공부는 남습니다

Rust를 쓰던 팀이라면 GPU 개발에서도 같은 문법과 타입 체계를 쓸 수 있다는 점이 반가울 겁니다. CPU용 코드와 GPU용 코드를 오갈 때 서로 다른 언어에 맞춰 생각하는 부담이 줄어드니까요.

그렇다고 GPU 개발이 일반적인 애플리케이션 개발처럼 바뀌지는 않습니다. GPU에서는 작업을 얼마나 잘 나누는지가 중요하고, 여러 실행 단위가 메모리에 접근하는 방식도 성능에 영향을 줍니다. 필요한 순간에 계산 순서를 맞추려면 동기화도 이해해야 합니다.

Rust의 장점인 메모리 안전성도 어디까지 보장되는지 따져봐야 합니다. 소유권과 빌림 규칙은 메모리 사용 오류를 줄이는 데 도움이 됩니다. 하지만 Rust로 작성했다는 이유만으로 GPU 실행 과정 전체가 안전하다고 단정할 수는 없습니다.

외부 라이브러리를 호출하거나 unsafe 코드를 쓸 때는 개발자가 직접 지켜야 할 조건이 있습니다. GPU 커널에서 어떤 검사를 받을 수 있는지도 컴파일러와 도구가 어디까지 지원하느냐에 달려 있습니다.

Rust를 안다면 새 언어를 익히는 부담은 줄어들 수 있습니다. 그래도 GPU에서 병렬 처리가 어떻게 이뤄지는지는 따로 배워야 합니다.

언어를 바꾸는 일과 GPU를 바꾸는 일

CUDA에 얼마나 의존하는지 보려면 소스 코드를 어떤 언어로 썼는지만 살펴서는 부족합니다. CUDA는 문법 하나가 아니라, GPU 코드를 만들고 실행하는 도구와 라이브러리까지 포함한 플랫폼이기 때문입니다.

예를 들어 Rust 프로그램이 계산의 핵심을 CUDA 전용 라이브러리에 맡긴다고 해보겠습니다. 이 프로그램을 다른 제조사의 GPU로 옮기려면 같은 역할을 하는 라이브러리를 찾아야 합니다. 연결 코드를 고친 뒤에는 계산 결과와 성능도 다시 확인해야 합니다.

커널을 직접 Rust로 작성했더라도 확인할 점은 남습니다. 우선 다른 GPU를 대상으로 컴파일할 수 있어야 합니다. 특정 GPU에 맞춰 조정한 메모리 사용 방식이 다른 장치에서도 효율적인지도 따져봐야 합니다.

이처럼 다른 실행 환경으로 얼마나 쉽게 옮길 수 있는지를 이식성이라고 합니다. 같은 언어를 쓴다고 해서 다른 환경으로 옮기기도 쉬운 것은 아닙니다.

실무에서는 “Rust로 작성했는가”와 함께 “어떤 도구와 기능에 의존하는가”를 봐야 합니다. 다른 환경으로 옮길 때 드는 비용은 무엇에 의존하고 있는지에 따라 달라집니다.

엔비디아에는 새로운 입구가 될 수 있습니다

이렇게 보면 Rust 지원은 CUDA 생태계를 넓히는 전략으로도 해석할 수 있습니다.

Rust 개발자가 익숙한 언어로 CUDA를 쓸 수 있다면 새로운 사용자가 들어올 가능성이 커집니다. GPU 작업을 하려고 별도의 언어까지 익혀야 한다는 부담 때문에 CUDA를 선택하지 못했다면 더욱 그렇습니다.

그 개발자가 CUDA 라이브러리를 쓰면서 관련 도구로 성능을 분석한다고 해보죠. 엔비디아 GPU에 맞춰 코드를 조정한 프로젝트가 쌓일수록, 다른 환경으로 옮길 때 다시 해야 할 작업도 늘어날 수 있습니다.

언어 선택권의 확대가 하드웨어 선택권까지 넓혀주지는 않을 수 있습니다. 개발하기 편해질수록 해당 플랫폼을 계속 쓸 이유가 늘어날 수도 있습니다.

물론 이런 해석은 Rust 지원이 충분히 안정적이고 실용적이라는 조건에서 가능합니다. 문법을 지원하는 데 더해 오류를 찾는 도구와 라이브러리 연동도 갖춰져야 실제 개발팀이 선택할 수 있습니다.

Rust와 CUDA를 함께 쓸 때 개발이 얼마나 편해지는지, 다른 GPU로 옮기기는 얼마나 쉬운지는 따로 살펴봐야 합니다. 팀이 원하는 것이 익숙한 언어로 GPU를 쓰는 편리함인지, 하드웨어를 바꿀 여지까지 포함한 선택권인지에 따라 판단도 달라질 수 있습니다.