[IT벤치마크팀 닥터몰라] AMD는 지난 19일 오후 10시 (한국시간) 2세대 데스크탑 라이젠 프로세서를 발표했습니다. 코드네임 피나클 릿지로 알려져온 제품이며, 젠(Zen) 아키텍처를 최적화한 젠플러스(Zen+) 기반 코어를 탑재한 것이 특징입니다.
| AMD 제공 |
|
2세대 라이젠은 라이젠 7 / 5 두 컨수머 데스크탑 라인업에 우선 배치됩니다. 이날 공개된 모델은 각 라인업당 2종씩 총 4종으로, 라이젠 7 2700X, 2700 / 라이젠 5 2600X, 2600이 그들입니다. 1세대 라이젠이 최고 4.0GHz 의 작동속도를 가졌던 것과 비교해 라이젠 2 2700X의 작동속도는 최고 4.3GHz에 달합니다.
또한, 잠재적 구매자들을 유혹하기 위해 화려한 조명 효과가 가미된 공랭식 쿨러를 패키지에 동봉해 329달러(약 35만원)에 출시했습니다. 지난 세대는 모델넘버 끝자리에 X가 붙는 모델의 경우 쿨러가 동봉되지 않아 별도로 구매하거나 멀티팩 패키지를 사야 하는 핸디캡이 있었습니다.
| AMD 제공 |
|
같은 2000번대 모델넘버를 사용하기는 하나 APU로 지난 2월 출시된 레이븐 릿지와 이번의 2세대 라이젠 피나클 릿지 사이에는 기술적으로 유의미한 차이가 존재합니다. 그 중 핵심은 제조공정을 14nm에서 12nm로 전환(마이그레이션)한 것입니다.
다만 실제로 선폭이 그만큼 감소했다기보다는, 동일한 공정 기반으로 16nm에서 12nm 전환을 주장한 TSMC의 사례처럼 ‘같은 세대 내에서 밀도 및 성능특성 개선을 이뤘고 이 정도면 마케팅적 의미에서 12nm로 홍보해도 충분하다’고 보는 것이 타당합니다. 어쨌든 한발 앞서 12nm를 도입한 TSMC에서 첫 번째 12nm GPU인 엔비디아의 볼타를 생산했듯, 2세대 라이젠은 역시 첫 번째 12nm CPU가 됩니다.
| AMD 제공 |
|
1세대 라이젠의 약점으로 지적되었던 캐시 및 메모리 성능은 2세대에서 크게 개선되어 L1 캐시의 지연시간(레이턴시)이 13%, L2가 34%, L3가 16% 각각 감소했으며 이로써 동일 클럭당 성능을 향상시킬 수 있었습니다. 다만 아키텍처 자체는 건드리지 않아 CPU 코어 내부의 물리적인 변화는 없습니다.
그렇지만 Zen+는 결과적으로 의미있는 성능향상에 성공했다는 평을 받습니다. 우선 제조공정의 개선으로 1세대와 같은 클럭은 50mV 더 낮은 전압으로도 구동할 수 있게 되었으며 따라서 같은 클럭일 경우의 소비전력은 약 11% 감소했습니다. 반대로 동일한 소비전력일 경우에는 16% 더 높은 성능을 발휘할 수 있게 되었습니다.
| AMD 제공 |
|
클럭 부스트 알고리즘인 프리시전 부스트가 버전업된 것도 중요한 특징입니다. 1세대에서는 1코어 부스트, 올 코어 부스트, 기본 클럭이 경직되어 있었다면 2세대에서는 활성화된 코어, 스레드 수에 따라 유연한 부스트가 가능해졌습니다.
종합해 보면, 2세대 라이젠은 1세대의 약점으로 지적되었던 부분을 상당수 개선한 Zen 아키텍처의 완성형이라고 볼 수 있습니다. 그러나 제조공정 개선이 사실상 명목적인 것에 불과하고, CCX 구조 자체가 근본적으로 변한 것은 아니며, 무엇보다 불과 1년 전 정확히 그만큼의 개선사항을 들고 나타난 인텔의 7세대 코어 프로세서가 샀던 빈축을 생각하면 똑같은 잣대에서 2세대 라이젠을 ‘진정한 2세대’로 추어올리기 민망한 감이 없지 않습니다.
Zen+의 역할은 명확합니다. 후속 아키텍처인 Zen 2, Zen 3이 차질 없이 개발될 수 있게끔 AMD에게 시간을 벌어 주는 것이죠. 1세대 Zen이 등장할 당시 오늘날의 Zen+처럼 완성도를 높여 낼 여유조차 갖지 못했던 절박함을 이후의 제품들은 겪지 않도록 하는 것입니다. 거꾸로 말해, 2세대 라이젠은 1세대 출시 만 1년만에 비로소 완성형이 된 제품이라고도 할 수 있겠습니다.
아직까지 불안정성 등의 이유로 Zen을 선뜻 경험하지 않은 사용자들에게 여유롭게 권할 수 있는 첫 번째 Zen이 되는 것. 그것이 Zen+의 의의 아닐까요?
| AMD 제공 |
|
▲닥터몰라 소개= 다양한 전공과 배경을 가진 운영진이 하드웨어를 논하는 공간이다. 부품부터 완제품에 이르는 폭 넓은 하드웨어를 벤치마크하는 팀이기도 하다. 데이터베이스를 구축해 이미 알려진 성능의 재확인을 넘어 기존 리뷰보다 한층 더 깊게 나아가 일반적으로 검출하기 어려운 환경에서의 숨은 성능까지 예측가능한 수리모델을 개발하고 있다.
필진으로 이대근 씨(KAIST 수리과학 전공)와 이진협 씨(성균관대학교 생명과학 및 컴퓨터공학 전공)가 참여한다.