애플의 AI 프론티어로의 도전: MLX 프레임워크와 차세대 맥북 AI 경험의 영향

인공지능 분야는 오픈소스 생태계에서 생성형 AI의 폭넓은 통합과 접근성에 힘입어 큰 변화를 겪고 있습니다. 이러한 변화는 생산성과 효율성을 높이고 혁신을 촉진하며 경쟁력 유지에 중요한 도구를 제공합니다. 애플 (AAPL )은 전통적인 폐쇄형 생태계에서 벗어나 MLX라는 오픈소스 프레임워크를 선보였습니다. MLX는 AI 개발자가 Apple Silicon 칩의 역량을 효율적으로 활용하도록 설계됐습니다. 이 글에서는 MLX가 애플과 더 넓은 AI 생태계에 갖는 의미를 살펴봅니다.

MLX 소개

애플의 AI 연구팀이 개발한 MLX는 Apple Silicon에서 AI를 연구하고 개발하기 위한 프레임워크입니다. 개발자는 이를 통해 챗봇, 텍스트 생성, 음성 인식, 이미지 생성 등 다양한 고급 모델을 만들 수 있습니다. 사전 훈련된 기반 모델인 텍스트 생성용 메타의 LlaMA, 이미지 생성용 Stability AI의 Stable Diffusion, 음성 인식용 OpenAI의 Whisper도 활용할 수 있습니다.

NumPy, PyTorch, Jax, ArrayFire 등에서 영감을 받은 MLX는 사용하기 쉬운 설계와 효율적인 모델 훈련 및 배포를 강조합니다. NumPy와 유사한 Python API와 상세한 C++ API를 제공하며, mlx.nn과 mlx.optimizers 같은 전용 패키지는 익숙한 PyTorch 방식으로 복잡한 모델을 구축하도록 돕습니다.

MLX는 필요한 시점에 배열의 계산을 수행하는 지연 계산 방식을 사용합니다. 동적 그래프 구성 기능은 실행 중 계산 그래프를 생성하므로 함수 인수의 변화가 성능을 저해하지 않으면서도 디버깅을 쉽고 직관적으로 유지할 수 있습니다. CPU와 GPU 모두에서 연산을 수행하며, 핵심인 통합 메모리 모델은 배열을 공유 메모리에 보관합니다. 따라서 지원되는 여러 장치에서 MLX 배열을 다룰 때 장치 간 데이터 전송이 필요하지 않습니다.

CoreML과 MLX의 차이

애플은 자사 시스템의 AI 개발자를 위해 CoreML과 MLX를 개발했지만 두 프레임워크의 역할은 다릅니다. CoreML은 TensorFlow 같은 오픈소스 도구로 사전 훈련한 머신러닝 모델을 iOS, macOS, watchOS, tvOS 등 애플 기기의 앱에 쉽게 통합하도록 설계됐습니다. GPU와 Neural Engine 같은 전용 하드웨어를 활용해 모델 실행을 빠르고 효율적으로 최적화합니다. TensorFlow와 ONNX 같은 널리 쓰이는 형식을 지원하므로 이미지 인식과 자연어 처리 등 다양한 작업에 활용할 수 있습니다. 모델을 외부 서버에 의존하지 않고 사용자 기기에서 직접 실행한다는 점도 중요합니다. CoreML이 사전 훈련 모델의 통합을 간소화한다면 MLX는 Apple Silicon에서 AI 모델을 개발하는 데 초점을 맞춥니다.

MLX를 선보인 애플의 의도

MLX의 등장은 애플이 생성형 AI 분야로 진출하고 있음을 시사합니다. 기사 작성 당시 이 분야는 마이크로소프트 (MSFT )와 구글 같은 기술 대기업이 주도했습니다. 애플은 Siri 같은 AI 기술을 제품에 통합해 왔지만 생성형 AI에는 전통적으로 적극 진출하지 않았습니다. 그러나 2023년 9월 기반 모델의 폭넓은 활용 가능성 평가를 중심으로 AI 개발 노력을 크게 늘린 점과 MLX의 도입은 방향 전환의 가능성을 보여줍니다.

분석가들은 애플이 MLX를 활용해 서비스와 기기에 창의적인 생성형 AI 기능을 제공할 수 있다고 봅니다. 다만 개인정보 보호를 중시하는 애플의 입장을 고려하면 큰 진전을 이루기 전에 윤리적 문제를 신중히 평가할 것으로 예상됩니다. 기사 작성 당시 애플은 MLX, MLX Data, 생성형 AI에 관한 구체적인 계획을 추가로 공개하거나 설명하지 않았습니다.

애플 생태계 밖에서 MLX가 갖는 의미

MLX의 통합 메모리 모델은 PyTorch와 Jax 같은 프레임워크와 구별되는 실질적인 이점을 제공합니다. 배열이 메모리를 공유하므로 불필요한 데이터 중복 없이 서로 다른 장치에서 연산하기가 쉬워집니다. AI가 효율적인 GPU에 점점 더 의존할수록 이 특징은 중요해집니다. 일반적인 구성은 강력한 PC와 많은 VRAM을 갖춘 전용 GPU를 사용하지만, MLX의 접근법에서는 GPU와 컴퓨터가 메모리를 공유합니다. 이러한 변화는 AI 하드웨어 요구 사항을 점진적으로 바꾸고 접근성과 효율성을 높일 가능성이 있습니다. 또한 에지 기기의 AI에도 영향을 주며, 더 유연하고 자원을 효율적으로 사용하는 방식을 제시합니다.

결론

MLX를 통한 애플의 생성형 AI 진출은 AI 분야의 중요한 변화를 나타냅니다. 오픈소스 방식을 채택함으로써 애플은 고급 AI에 대한 접근성을 넓히는 동시에 마이크로소프트와 구글 같은 기업이 주도하는 분야의 경쟁자로 자리매김하고 있습니다. 사용하기 쉬운 설계와 동적 그래프 구성, 통합 메모리 모델은 애플 생태계를 넘어 실질적인 이점을 제공합니다. 특히 AI가 효율적인 GPU에 더 의존할수록 그 가치가 커집니다. 하드웨어 요구 사항에 미칠 영향과 에지 기기 AI에 대한 적응성은 변화의 가능성을 보여줍니다. 애플이 이 새로운 영역을 탐색하는 동안 개인정보 보호와 윤리적 고려는 더 넓은 AI 생태계에서 MLX의 역할을 결정하는 핵심 요소로 남습니다.