기본 콘텐츠로 건너뛰기

AMD 라데온 RX 7900 XTX, 라데온 RX 7900 XT 공개










 

(출처: AMD)

​

​

AMD가 RDNA3 아키텍처 기반의 라데온 RX7900XTX와 RX7900XT를 공개했습니다. 이번 라데온 RX 7000 시리즈가 주목을 받은 이유는 GPU에서 최초로 적극 적용된 칩렛 구조 때문입니다. TSMC의 5nm 공정을 이용한 그래픽 컴퓨트 다이 (GCD)에 6nm 공정으로 만든 메모리 캐시 다이 (MCD)를 최대 6개 붙인 독특한 구조로 역시 TSMC가 개발한 2.5D Elevated Fanout Bridge (EFB) 기술을 사용합니다. 다이 간 대역폭은 5.3TB/s에 달합니다.

​

​

메모리 캐시 다이를 따로 분리한 이유는 컴퓨트 유닛처럼 클럭이 높지 않아도 되기 때문으로 해석됩니다. 6개의 MCD는 각각 37㎟ 크기로 작은 크기와 6nm 공정 덕분에 가격이 상대적으로 저렴할 것으로 보입니다. MCD는 각각 64bit 메모리 컨트롤러와 16MB L3 캐시를 지니고 있습니다. 따라서 RX 7900XTX는 384bit 인터페이스, GDDR6 메모리 24GB와 96MB L3 캐시를 지니고 있습니다. RX 7900XT는 MCD가 하나 적어서 320bit 인터페이스와 GDDR6 메모리 20GB, 80MB L3 캐시를 지닌 구조입니다.

​

​

​

AMD Radeon

RX 7900 XTX

AMD Radeon

RX 7900 XT

AMD Radeon

RX 6950 XT

AMD Radeon

RX 6900 XT

Stream Processors

12288

(96 CUs)

10752

(84 CUs)

5120

(80 CUs)

5120

(80 CUs)

ROPs

?

?

128

128

Game Clock

2.3GHz

2.0GHz

2100MHz

2015MHz

Boost Clock

~2.5GHz

?

2310MHz

2250MHz

Throughput (FP32)

56.5 TFLOPS

43 TFLOPS

21.5 TFLOPS

20.6 TFLOPS

Memory Clock

20 Gbps GDDR6

20 Gbps GDDR6

18 Gbps GDDR6

16 Gbps GDDR6

Memory Bus Width

384-bit

320-bit

256-bit

256-bit

VRAM

24GB

20GB

16GB

16GB

Infinity Cache

96MB

80MB

128MB

128MB

Total Board Power

355W

300W

335W

300W

Manufacturing Process

GCD: TSMC 5nm

MCD: TSMC 6nm

GCD: TSMC 5nm

MCD: TSMC 6nm

TSMC 7nm

TSMC 7nm

Transistor Count

58B

58B - (1 MCD)

26.8B

26.8B

Architecture

RDNA3

RDNA3

RDNA2

RDNA2

GPU

Big Navi 3x

Big Navi 3x

Navi 21

Navi 21

Launch Date

12/13/2022

12/13/2022

05/10/2022

12/08/2020

Launch Price

$999

$899

$1099

$999

(라데온 RX 6000/7000 스펙 비교)

​

​








(출처: AMD)

​

​

GCD는 300㎟ 크기로 96개의 컴퓨트 유닛 (CU)를 지니고 있으며 각각 64개의 스트림 프로세서와 2개의 AI 가속 유닛, 1개의 2세대 레이트레이싱 (RT) 유닛을 지니고 있습니다. 따라서 6개의 MCD와 합치면 총 면적은 522㎟ 정도로 생각보다 크지 않습니다. AMD는 GCD의 트랜지스터 밀도가 65%나 높아졌다고 했는데, 이는 아키텍처를 다시 설계하면서 밀도를 높인 것으로 생각됩니다.

​

​

아무튼 이것보다 더 중요한 것은 역시 성능입니다. 이론적으로 라데온 RX 7900XTX는 56.5 TFLOPS의 FP32 단정밀도 연산 능력을 지니고 있으며 RX 7900XT는 43 TFLOPS의 연산 능력을 지고 있습니다. 가격이 각각 899달러와 999달러라는 점을 생각하면 가격 차이보다 성능 차이가 상당히 있는 셈인데, RX 7900XT의 가격을 799달러로 책정했으면 어땠을까 하는 생각이 드네요.

​

​

아무튼 AMD는 4K 게임 성능에서 RX 6950XT와 비교시 1.7배의 성능 향상이 있다고 주장했습니다. 연산 능력이 두 배 이상 증가한 점을 생각하면 다소 낮은 수치입니다. 더욱이 RTX 4000 시리즈와의 비교가 없다는 점에서 이보다 성능이 낮을 것이라는 추정이 가능합니다. 아마도 관건은 RTX 4080보다 저렴한 RX 7900XTX의 성능입니다. 이론적 연산 능력은 RX 7900XTX이 RTX 4080보다 빠르지만, 비교 벤치를 공개하지 않은 점으로 봐서 실제 게임 성능은 낮을 가능성이 있습니다. 가격을 낮게 책정한 부분도 그런 추정을 가능하게 합니다. 다만 길고 짧은 건 대봐야 아는 만큼 실제 벤치 결과를 기대해 보겠습니다.

​

​

다만 전력 소모 부분에선 RTX 4000 대비 열세가 예상됩니다. 아무래도 4nm 모노리스 쪽이 전력 소모가 덜할 가능성이 높기 때문입니다. RX 7900XTX는 355W, RX 7900XT는 300W인데 실제 먹는 전력량도 궁금합니다.

​

​





(출처: AMD)

​

​

마지막으로 RX 7900 시리즈는 디스플레이 포트 2.1을 지원해 4K 480 프레임이나 8K 165 프레임이 가능합니다. 12비트 680억 칼라 지원 및 8K60 AV1 인코드/디코드가 가능해 동영상 처리 부분에서도 뛰어난 성능이 예상됩니다. 대신 AV1 하드웨어 지원을 중요한 성능으로 내세운 인텔 아크 그래픽카드는 상대적으로 입지가 줄어들지 않을까 예상됩니다.

​

​

일단 제품은 공개됐으니 다음 수순은 실제 벤치마크 결과일 것입니다.

​

​

참고

​

​

https://www.tomshardware.com/news/amd-rdna-3-and-radeon-rx-7900-xtx-xt-revealed

​

https://www.anandtech.com/show/17638/amd-reveals-radeon-rx-7900-xtx-and-7900-xt-first-rdna-3-parts-to-hit-shelves-in-december

​

라벨:

댓글

댓글 쓰기

이 블로그의 인기 게시물

통계 공부는 어떻게 하는 것이 좋을까?

 사실 저도 통계 전문가가 아니기 때문에 이런 주제로 글을 쓰기가 다소 애매하지만, 그래도 누군가에게 도움이 될 수 있다고 생각해서 글을 올려봅니다. 통계학, 특히 수학적인 의미에서의 통계학을 공부하게 되는 계기는 사람마다 다르긴 하겠지만, 아마도 비교적 흔하고 난감한 경우는 논문을 써야 하는 경우일 것입니다. 오늘날의 학문적 연구는 집단간 혹은 방법간의 차이가 있다는 것을 객관적으로 보여줘야 하는데, 그려면 불가피하게 통계적인 방법을 쓸 수 밖에 없게 됩니다. 이런 이유로 분야와 주제에 따라서는 아닌 경우도 있겠지만, 상당수 논문에서는 통계학이 들어가게 됩니다.   문제는 데이터를 처리하고 분석하는 방법을 익히는 데도 상당한 시간과 노력이 필요하다는 점입니다. 물론 대부분의 학과에서 통계 수업이 들어가기는 하지만, 그것만으로는 충분하지 않은 경우가 많습니다. 대학 학부 과정에서는 대부분 논문 제출이 필요없거나 필요하다고 해도 그렇게 높은 수준을 요구하지 않지만, 대학원 이상 과정에서는 SCI/SCIE 급 논문이 필요하게 되어 처음 논문을 작성하는 입장에서는 상당히 부담되는 상황에 놓이게 됩니다.  그리고 이후 논문을 계속해서 쓰게 될 경우 통계 문제는 항상 나를 따라다니면서 괴롭히게 될 것입니다.  사정이 이렇다보니 간혹 통계 공부를 어떻게 하는 것이 좋겠냐는 질문이 들어옵니다. 사실 저는 통계 전문가라고 하기에는 실력은 모자라지만, 대신 앞서서 삽질을 한 경험이 있기 때문에 몇 가지 조언을 해줄 수 있을 것 같습니다.  1. 입문자를 위한 책을 추천해달라  사실 예습을 위해서 미리 공부하는 것은 추천하지 않습니다. 기본적인 통계는 학과별로 다르지 않더라도 주로 쓰는 분석방법은 분야별로 상당한 차이가 있을 수 있어 결국은 자신이 주로 하는 부분을 잘 해야 하기 때문입니다. 그러기 위해서는 학과 커리큘럼에 들어있는 통계 수업을 듣는 것이 더 유리합니다...
댓글 4개
자세한 내용 보기

9000년 전 소녀의 모습을 복원하다.

( The final reconstruction. Credit: Oscar Nilsson )  그리스 아테나 대학과 스웨덴 연구자들이 1993년 발견된 선사 시대 소녀의 모습을 마치 살아있는 것처럼 복원하는데 성공했습니다. 이 유골은 그리스의 테살리아 지역의 테오페트라 동굴 ( Theopetra Cave )에서 발견된 것으로 연대는 9000년 전으로 추정됩니다. 유골의 주인공은 15-18세 사이의 소녀로 정확한 사인은 알 수 없으나 괴혈병, 빈혈, 관절 질환을 앓고 있었던 것으로 확인되었습니다.   이 소녀가 살았던 시기는 유럽 지역에서 수렵 채집인이 초기 농경으로 이전하는 시기였습니다. 다른 시기와 마찬가지로 이 시기의 사람들도 젊은 시절에 다양한 질환에 시달렸을 것이며 평균 수명 역시 매우 짧았을 것입니다. 비록 젊은 나이에 죽기는 했지만, 당시에는 이런 경우가 드물지 않았을 것이라는 이야기죠.   아무튼 문명의 새벽에 해당하는 시점에 살았기 때문에 이 소녀는 Dawn (그리스어로는  Avgi)라고 이름지어졌다고 합니다. 연구팀은 유골에 대한 상세한 스캔과 3D 프린팅 기술을 적용해서 살아있을 당시의 모습을 매우 현실적으로 복원했습니다. 그리고 그 결과 나타난 모습은.... 당시의 거친 환경을 보여주는 듯 합니다. 긴 턱은 당시를 살았던 사람이 대부분 그랬듯이 질긴 먹이를 오래 씹기 위한 것으로 보입니다.   강하고 억센 10대 소녀(?)의 모습은 당시 살아남기 위해서는 강해야 했다는 점을 말해주는 듯 합니다. 이렇게 억세보이는 주인공이라도 당시에는 전염병이나 혹은 기아에서 자유롭지는 못했기 때문에 결국 평균 수명은 길지 못했겠죠. 외모 만으로 평가해서는 안되겠지만, 당시의 거친 시대상을 보여주는 듯 해 흥미롭습니다.   참고  https://phys.org/news/2018-01-te...
댓글 쓰기
자세한 내용 보기

150년 만에 다시 울린 희귀 곤충의 울음 소리

  ( The katydid Prophalangopsis obscura has been lost since it was first collected, with new evidence suggesting cold areas of Northern India and Tibet may be the species' habitat. Credit: Charlie Woodrow, licensed under CC BY 4.0 ) ( The Museum's specimen of P. obscura is the only confirmed member of the species in existence. Image . Credit: The Trustees of the Natural History Museum, London )  과학자들이 1869년 처음 보고된 후 지금까지 소식이 끊긴 오래 전 희귀 곤충의 울음 소리를 재현하는데 성공했습니다. 프로팔랑곱시스 옵스큐라 ( Prophalangopsis obscura)는 이상한 이름만큼이나 이상한 곤충으로 매우 희귀한 메뚜기목 곤충입니다. 친척인 여치나 메뚜기와는 오래전 갈라진 독자 그룹으로 매우 큰 날개를 지니고 있으며 인도와 티벳의 고산 지대에 사는 것으로 보입니다.   유일한 표본은 수컷 성체로 2005년에 암컷으로 생각되는 2마리가 추가로 발견되긴 했으나 정확히 같은 종인지는 다소 미지수인 상태입니다. 현재까지 확실한 표본은 수컷 성체 한 마리가 전부인 미스터리 곤충인 셈입니다.   하지만 과학자들은 그 형태를 볼 때 이들 역시 울음 소리를 통해 짝짓기에서 암컷을 유인했을 것으로 보고 있습니다. 그런데 높은 고산 지대에서 먼 거리를 이동하는 곤충이기 때문에 낮은 피치의 울음 소리를 냈을 것으로 보입니다. 문제는 이런 소리는 암컷 만이 아니라 박쥐도 잘 듣는다는 것입니다. 사실 이들은 중생대 쥐라기 부터 존재했던 그룹으로 당시에는 박쥐가 없어 이런 방식이 잘 통했을 것입니다. 하지만...
댓글 쓰기
자세한 내용 보기