FLOPS
Floating-point Operations Per Second, 플롭스, 연산 성능
뜻
FLOPS(플롭스, Floating-point Operations Per Second)는 컴퓨터가 1초에 몇 번의 부동소수점 연산(소수를 포함한 수의 덧셈이나 곱셈)을 실행할 수 있는지를 나타내는 성능 지표입니다. 수가 크기 때문에 T(테라, 10의 12제곱), P(페타, 10의 15제곱), E(엑사, 10의 18제곱) 등의 단위를 붙여 나타냅니다.
그림 해설
피크 성능과 정밀도
칩의 이론상 최대 FLOPS(피크 성능)는 연산기 수×동작 주파수×사이클당 연산 수로 계산할 수 있습니다. 같은 칩이라도 수의 정밀도에 따라 값이 크게 달라지는 것이 특징으로, 과학 기술 계산에 쓰는 64비트(FP64), 일반적인 32비트(FP32), AI에서 자주 쓰는 16비트(FP16·BF16)나 8비트(FP8), 나아가 4비트(FP4)로 정밀도를 낮출수록 같은 회로로 더 많은 연산을 할 수 있어 FLOPS가 커집니다. AI용 GPU는 낮은 정밀도에서 페타FLOPS급 성능을 내세웁니다. 정수 연산에는 TOPS(초당 조 단위 연산 횟수)라는 단위를 씁니다.
TOP500과 메모리 대역폭
슈퍼컴퓨터 성능을 비교하는 TOP500 순위에서는 FP64 기준 LINPACK이라는 계산의 실측값을 쓰며, 2022년에 처음으로 엑사FLOPS급 시스템이 등장했습니다. 다만 실제 애플리케이션에서는 메모리에서 데이터를 나르는 속도(메모리 대역폭)가 따라가지 못해 피크 성능을 다 내지 못하는 경우가 많습니다. 그래서 AI 반도체에서는 FLOPS와 함께 HBM 등 메모리의 대역폭이 중요한 성능 지표가 되었습니다.
자주 묻는 질문
같은 GPU에 FLOPS 값이 여러 개 있는 이유는 무엇인가요?
수의 정밀도(비트 수)마다 연산 속도가 다르기 때문입니다. 64비트보다 16비트, 16비트보다 8비트가 연산 하나에 필요한 회로가 작아 같은 시간에 더 많은 연산을 처리할 수 있습니다. 그래서 FP64·FP32·FP16·FP8 등 정밀도별로 FLOPS를 표시합니다. 비교할 때는 정밀도를 맞춰야 합니다.
FLOPS가 높으면 AI 처리는 반드시 빨라지나요?
반드시 그렇지는 않습니다. 연산기가 아무리 빨라도 메모리에서 데이터를 나르는 속도(메모리 대역폭)가 부족하면 연산기가 데이터를 기다리며 멈춰 버립니다. 특히 대규모 언어 모델의 추론에서는 메모리 대역폭이 성능을 좌우하는 경우가 많아, HBM의 대역폭과 용량도 함께 봐야 합니다.
관련 용어
- GPU수많은 코어로 행렬 연산을 병렬 처리하는 칩. AI 학습·추론의 핵심 연산 장치
- AI 가속기머신러닝의 학습·추론을 빠르고 효율적으로 처리하도록 설계된 전용 반도체 칩
- TPU구글이 자체 개발한 AI 학습·추론 전용 ASIC
- HBMDRAM 칩을 TSV로 수직 적층해 대역폭을 크게 높인 AI 가속기용 메모리
- NPU딥러닝 추론에 특화된 전용 프로세서. 스마트폰·PC·차량용 SoC에 내장
- CPU프로그램 명령을 해석·실행하며 연산과 제어를 총괄하는 컴퓨터의 중심 칩
- 전가산기·반가산기2진수 덧셈을 수행하는 가장 기본적인 디지털 회로
- MOSFET게이트 전압으로 전류를 켜고 끄는 트랜지스터. 집적회로의 기본 단위
출처
- What Is an Exaflop?(NVIDIA)
최종 업데이트: 2026년 11월 1일