화웨이, 연례 커넥트 행사에서 오픈소스 AI 로드맵 공개

화웨이 커넥트 2025에서 오픈소스 AI 개발이 핵심 주제로 부각되었으며, 회사는 연말까지 전체 AI 소프트웨어 스택을 공개할 구체적인 일정과 기술적 세부 사항을 제시했습니다.

이번 발표는 개발자들에게 특히 의미가 깊었는데, 과거의 어려움을 솔직히 인정하고, 공개될 구성 요소에 대한 명확한 약속을 제시하며, 소프트웨어가 기존 개발자 워크플로우 및 운영체제와 어떻게 통합될지에 대한 구체적인 내용을 담았기 때문이다.

개발자 마찰 인정

화웨이 부회장 겸 순환 회장인 에릭 쉬(Eric Xu)는 기조 연설에서 개발자들이 Ascend 인프라에서 겪은 어려움에 대해 이례적으로 솔직한 발언으로 시작했다. 올해 초 DeepSeek-R1 출시의 영향을 언급하며 쉬 부회장은 "1월부터 4월 30일까지 우리 AI 연구개발팀은 Ascend 910B 및 910C 칩의 추론 성능이 진화하는 고객 요구를 충족하도록 집중적으로 작업했다"고 밝혔다.

고객 피드백 세션 이후 쉬 부회장은 "고객들은 Ascend에 대해 수많은 우려와 기대를 공유하며 지속적으로 소중한 제안을 제공해 주셨습니다"라고 덧붙였다.

이러한 개발자 과제 인지는 2025년 8월 5일 'Ascend 컴퓨팅 산업 발전 서밋'에서 처음 발표되고 후화커넥트에서 쉬가 재차 강조한 포괄적 오픈소스 약속의 토대가 되었다.

Ascend의 툴링, 문서화 또는 생태계 성숙도 측면에서 장애물을 겪어온 개발자들에게 이 솔직한 평가는 플랫폼의 기술적 잠재력과 실제 사용성 사이의 격차를 화웨이가 인지하고 있음을 시사한다. 오픈소스 전략은 커뮤니티 기여, 투명성 및 외부 개선을 가능하게 함으로써 이러한 마찰 지점을 해결하는 데 직접적으로 초점을 맞춘 것으로 보인다.

CANN: 컴파일러 및 가상 명령어 세트 세부 사항

기술적으로 가장 중요한 약속은 AI 프레임워크와 Ascend 하드웨어를 연결하는 화웨이의 핵심 툴킷인 CANN(Compute Architecture for Neural Networks)과 관련된다. 8월 서밋에서 쉬는 "CANN의 경우 컴파일러와 가상 명령어 세트의 인터페이스를 공개하고, 나머지 소프트웨어는 완전히 오픈소스화할 것"이라고 구체화했다.

이 단계적 접근 방식은 완전한 오픈소스 공개를 받는 구성 요소와 화웨이가 공개 인터페이스를 제공할 구성 요소(잠재적으로 독점 구현 포함)를 구분합니다. 컴파일러와 가상 명령어 세트—고수준 코드를 하드웨어 실행 가능 명령어로 변환하는 핵심 번역 계층—는 공개 인터페이스를 갖게 됩니다. 이는 개발자가 자신의 코드가 Ascend 프로세서용으로 어떻게 컴파일되는지 파악할 수 있게 하여, 컴파일러의 핵심 구현이 부분적으로 비공개로 남더라도 잠재적 최적화를 가능하게 합니다.

이 구분은 성능 튜닝에 핵심적이다. 개발자는 지연 시간에 민감한 애플리케이션을 구축하거나 하드웨어 효율성을 극대화할 때 컴파일 과정에 대한 가시성이 필요하다. 공개 인터페이스는 이러한 투명성을 제공하며, 완전한 오픈소스는 컴파일러 자체를 수정하거나 교체할 수 있는 추가적 자유를 부여한다. 화웨이의 접근 방식은 특정 독점 요소를 유지하면서도 최적화 가시성을 제공한다.

일정은 확고합니다: "2025년 12월 31일까지 CANN(기존 Ascend 910B/910C 설계 기반)을 오픈소스화하고 공개 접근을 제공할 것입니다." "기존 Ascend 910B/910C 설계 기반"이라는 설명은 향후 아키텍처가 아닌 현세대 하드웨어에 대응하는 릴리스임을 시사합니다.

마인드 시리즈: 애플리케이션 지원 키트 및 툴체인

기초 CANN 레이어를 넘어, 화웨이는 개발자가 일상적으로 사용하는 도구들의 오픈소스화를 약속했습니다. 쉬(徐) 부사장은 화웨이 커넥트에서 "마인드 시리즈 애플리케이션 지원 키트 및 툴체인은 2025년 12월 31일까지 완전한 오픈소스로 전환할 것"이라고 밝히며, 2025년 8월 5일 열린 어센드 컴퓨팅 산업 발전 서밋에서 한 약속을 재확인했습니다.

마인드 시리즈는 AI 애플리케이션 구축에 사용되는 SDK, 라이브러리, 디버깅 도구, 프로파일러, 유틸리티 등 실용적인 개발 환경을 포괄합니다. 일부 구성 요소에 대해 개방형 인터페이스를 제공하는 CANN의 계층적 접근 방식과 달리, 마인드 시리즈는 전면적인 오픈소스 전환을 약속받았습니다.

이는 전체 애플리케이션 레이어 툴체인이 커뮤니티에 의해 검사, 수정, 확장 가능해짐을 의미한다. 디버깅 도구는 필요한 기능으로 강화되고, 라이브러리는 특정 사용 사례에 최적화되며, 유틸리티는 더 사용자 친화적인 인터페이스로 재구성될 수 있다. 요약하면, 개발 생태계는 공급업체 업데이트에만 의존하지 않고 커뮤니티 기여를 통해 진화할 수 있다.

그러나 발표에서는 Mind 시리즈를 구성하는 구체적인 도구 목록, 지원 프로그래밍 언어, 제공될 문서의 완성도 등에 대해서는 명시하지 않았습니다. 플랫폼에 시간을 투자할지 평가 중인 개발자들은 12월 출시 후 도구 체인의 완성도를 직접 확인해야 할 것입니다.

OpenPangu 파운데이션 모델

화웨이는 또한 "오픈팡구 파운데이션 모델을 완전히 오픈소스화하겠다"고 약속했습니다. 이는 화웨이를 메타의 라마 시리즈, 미스트랄 AI의 제품군, 그리고 커뮤니티 참여를 강조하는 오픈소스 파운데이션 모델 분야의 다른 이니셔티브들과 동등한 위치에 놓습니다.

발표에서는 openPangu의 성능, 매개변수 수, 훈련 데이터, 라이선스 조건 등에 대한 구체적인 내용이 제공되지 않았습니다. 파운데이션 모델의 오픈소스화는 단순한 접근성 이상의 문제를 제기하는데, 특히 상업적 사용 제한, 훈련 데이터셋 구성, 잠재적 편향성, 파인튜닝 및 재배포 허용 여부 등이 포함됩니다. 이러한 세부 사항은 적어도 공개적으로는 아직 해결되지 않은 상태입니다.

개발자에게 오픈소스 파운데이션 모델은 처음부터 훈련하는 데 필요한 막대한 컴퓨팅 자원 없이도 도메인 특화 애플리케이션의 출발점을 제공한다. 그러나 모델의 실질적 유용성은 품질, 라이선스 유연성, 제공되는 문서화에 의해 결정된다. 12월 출시를 통해 openPangu 모델이 기존 오픈소스 옵션에 대한 경쟁력 있는 대안인지 여부가 드러날 것이다.

운영체제 통합 유연성

화웨이 커넥트 2025에서 공개된 실용적 구현 세부사항은 새로운 AI 인프라 도입의 일반적 장벽인 운영체제 호환성 문제를 해결합니다. 화웨이는 "전체 UB OS 컴포넌트를 오픈소스로 공개하여 해당 코드를 openEuler 같은 상류 오픈소스 OS 커뮤니티에 통합할 수 있도록 했다"고 발표했습니다.

이 통합 방식은 주목할 만한 유연성을 제공한다. 발표에 따르면 "사용자는 UB OS 컴포넌트의 소스 코드 일부 또는 전부를 기존 OS에 통합하여 독립적인 반복 작업과 버전 관리를 지원할 수 있다. 또한 전체 컴포넌트를 플러그인으로 기존 OS에 임베드하여 오픈소스 커뮤니티와 함께 진화할 수 있도록 할 수 있다."

이러한 모듈식 설계는 Ubuntu, Red Hat Enterprise Linux 또는 기타 배포판을 운영하는 조직이 화웨이 전용 운영체제로 강제 이주할 필요가 없음을 의미합니다. 운영체제 수준에서 SuperPod 상호연결 관리를 담당하는 UB OS 컴포넌트는 기존 환경에 통합될 수 있습니다. 개발자와 시스템 관리자에게 이는 배포 과정의 마찰을 크게 줄여줍니다.

그러나 유연성에는 책임이 따릅니다. UB OS 컴포넌트 소스 코드를 자체 시스템에 통합하기로 선택한 조직은 테스트, 유지보수 및 업데이트에 대한 책임을 지게 됩니다. 화웨이는 이 컴포넌트를 특정 리눅스 배포판을 위한 벤더 지원 제품이 아닌 오픈소스 소프트웨어로 제공합니다. 이 접근 방식은 강력한 리눅스 전문성을 보유한 조직에는 효과적이지만, 턴키 방식의 벤더 지원을 기대하는 조직에게는 어려울 수 있습니다.

프레임워크 호환성 전략

개발자 채택에 있어 가장 중요한 요소는 기존 AI 프레임워크와의 호환성일 것입니다. 화웨이는 개발자들이 익숙한 도구를 포기하도록 강요하기보다는 통합 레이어를 구축하고 있습니다. 화웨이에 따르면, "개발자들이 독립적으로 혁신할 수 있도록 PyTorch 및 vLLM과 같은 오픈소스 커뮤니티 지원을 최우선으로 해왔습니다."

PyTorch 호환성은 AI 연구 및 생산 배포 양쪽에서 해당 프레임워크의 지배력을 고려할 때 특히 중요합니다. 개발자가 광범위한 수정 없이도 Ascend 하드웨어에서 효율적으로 실행되는 표준 PyTorch 코드를 작성할 수 있다면 실험 장벽이 크게 낮아집니다. 조직은 전체 재작성 없이 최소한의 수정만으로 기존 코드베이스를 활용해 Ascend 인프라를 평가할 수 있습니다.

vLLM 통합은 최적화된 대규모 언어 모델(LLM) 추론이라는 특정 고수요 사용 사례를 겨냥한다. 조직이 LLM 기반 애플리케이션을 배포함에 따라 추론 성능과 비용은 핵심 요소가 된다. 네이티브 vLLM 지원은 화웨이가 연구 역량뿐만 아니라 실제 배포 문제를 해결하고 있음을 시사한다.

그러나 발표 내용에는 이러한 통합의 완성도에 대한 세부 사항이 포함되지 않았습니다. 특정 작업에 대한 우회 방법이 필요하거나 성능이 저하되는 부분적 PyTorch 호환성은 도움이 되기보다 오히려 좌절감을 줄 수 있습니다. 프레임워크 통합의 품질은 궁극적으로 도입 장벽을 진정으로 낮추는지, 아니면 단순히 새로운 유형의 호환성 문제를 생성하는지를 결정할 것입니다.

12월 31일 마감일과 그 이후

CANN, Mind 시리즈, openPangu 모델의 오픈소스화 마감일인 2025년 12월 31일까지 약 3개월이 남았습니다. 이 근시일 내 일정은 상당한 준비 작업이 이미 완료되었음을 시사합니다: 내부 의존성을 제거한 코드 정리, 문서 작성, 라이선스 조건 최종 확정, 저장소 인프라 구축 등이 진행 중입니다.

초기 릴리스 품질이 커뮤니티 반응을 크게 좌우할 것입니다. 불완전한 문서, 제한된 예제, 누락된 기능, 미성숙한 툴링으로 출시된 오픈소스 프로젝트는 근본적인 기술적 우수성과 무관하게 기여자를 유치하지 못하는 경우가 많습니다. 낯선 플랫폼을 평가하는 개발자들은 포괄적인 학습 자료, 작동하는 예제, 성공으로 이끄는 명확한 경로가 필요합니다.

출시 후 몇 주, 몇 달이 매우 중요할 것입니다. 성공적인 오픈소스 프로젝트는 적극적인 유지보수, 신속한 거버넌스, 환영하는 커뮤니티가 필요합니다. 장기적인 발전 방향은 개발자들이 기여할 만한 충분한 가치를 발견하여 개선의 선순환을 만들 것인지, 아니면 플랫폼이 주로 벤더 주도형으로 남을 것인지에 달려 있습니다.

앞으로의 전망

화웨이의 오픈소스 행보를 주시하는 개발자와 조직에게 12월 출시 버전은 결론이 아닌 시작점입니다. 진정한 시험대는 커뮤니티의 손에서 소프트웨어가 어떻게 진화하는지, 통합의 질, 그리고 경쟁적인 생태계에서 플랫폼이 지속 가능한 입지를 구축할 수 있는지 여부입니다. 앞으로 몇 달 안에 그 답이 드러날 것입니다.