AI 경쟁을 말할 때 우리는 모델과 빠른 반도체를 본다. 그러나 칩을 움직이는 언어와 컴파일러가 닫혀 있다면 선택권은 제한된다.
8월 18일 Modular는 AI 프로그래밍 언어 Mojo의 컴파일러와 개발 도구 전체를 오픈소스로 공개했다. Mojo 1.0을 내놓은 지 일주일 만이다. Python처럼 읽히고 GPU를 제어하는 이 언어가 생태계의 시험대에 올랐다.
- Mojo 1.0에 이어 컴파일러와 도구가 Apache 2.0 라이선스로 공개됐다.
- 일부 GPU 과제에서는 CUDA·HIP와 경쟁했지만 모든 연산에서 우위가 입증된 것은 아니다.
- 한국의 핵심 질문은 Python 대체보다 특정 칩에 묶이지 않을 컴파일러 역량을 확보할 수 있는지다.
Mojo는 왜 Python과 GPU 사이에 들어왔나
Python은 AI 라이브러리가 풍부하지만 성능이 중요한 연산은 대개 C·C++·CUDA에 맡긴다. 연구자는 Python으로 모델을 조립하고 시스템 개발자는 하드웨어별 코드를 최적화한다. 생산성은 높지만 다른 GPU로 이동할 때 장벽이 생긴다.
GitHub의 2025 Octoverse에 따르면 Python은 AI 관련 신규 저장소 58만2,196개에서 사용돼 전년보다 50.7% 증가했다. Python은 AI의 상층을 지배하지만 추론 엔진과 하드웨어 최적화에는 C++와 전용 도구가 여전히 중요하다.
Mojo는 두 층을 하나의 언어 경험으로 붙이려 한다. 기반의 MLIR은 코드를 여러 추상화 단계로 낮추며 CPU·GPU·가속기 특성에 맞추는 컴파일러 구조다. 2021년 IEEE CGO 논문은 MLIR이 서로 다른 하드웨어와 분야별 언어 사이에서 재사용 가능한 기반을 제공하도록 설계됐다고 설명한다.
오픈소스가 된 것은 정확히 무엇인가
Modular의 공식 발표에 따르면 공개 범위에는 컴파일러, 표준 라이브러리와 개발 도구가 포함된다. 소스에서 컴파일러를 빌드하고 시험하는 방법도 제공한다. Apache License 2.0과 LLVM 예외 조항을 적용해 코드 검토·수정·배포 실험의 문을 열었다.
다만 1.0은 ‘완성’을 뜻하지 않는다. 릴리스 노트는 핵심 언어 기능 대부분이 안정 단계에 들어갔다면서도 1.x 기간의 관리된 호환성 변경과 아직 작은 안정 API 범위를 명시한다.
성능 연구가 보여준 가능성과 경계
오크리지국립연구소 등의 연구진이 SC25 워크숍에서 발표한 GPU 비교 연구는 네 가지 과제를 NVIDIA H100과 AMD MI300A에서 시험했다. 메모리 이동이 병목인 과제에서는 Mojo가 CUDA·HIP와 경쟁했지만, AMD의 원자 연산과 일부 계산집약 과제에서는 격차가 남았다.
네 종류의 과학계산 커널만 다룬 실험이므로 대규모 AI 학습·추론까지 일반화할 수 없다. 지금 확인된 것은 CUDA 대체가 아니라 성능을 유지하며 하드웨어 이식성을 확보할 수 있는 구간이 존재한다는 정도다.
소스 공개가 곧 기술 주권은 아니다
공개에는 단서가 있다. Modular는 컴파일러와 도구의 외부 기여를 아직 받지 않으며 2026년 말까지 여는 것을 목표로 한다. 일부 MAX 모델·커널을 맞춤화할 때는 미리 빌드된 컴파일러도 필요하다. 소스를 읽는 것과 방향을 공동 결정하는 것은 다르다.
오픈소스의 힘은 다른 조직이 독립적으로 빌드·검증·유지할 때 생긴다. 문서, 테스트, 장기 유지보수자와 하드웨어 지원이 부족하면 좋은 소스도 표준이 되기 어렵다. 반대로 여러 가속기 지원이 축적되면 특정 칩 공급자에 대한 협상력은 커질 수 있다.
한국 AI 산업이 봐야 할 것은 ‘컴파일러 주권’이다
한국은 HBM과 반도체 제조에 강점이 있다. 그러나 HBM4 패권 경쟁에서 보았듯 하드웨어만으로 가치사슬의 규칙을 정할 수는 없다. 여러 칩에서 모델을 움직일 컴파일러와 개발자 생태계가 필요하다.
당장 Mojo를 표준으로 채택할 이유는 없다. 공개 컴파일러를 빌드해 국산 가속기와 연결하고 독립적으로 수정할 범위를 측정하는 편이 중요하다. 기술 주권은 국산이라는 이름보다 장애 원인을 추적하고 공급자가 바뀌어도 옮기고 고칠 수 있는 역량에 가깝다.
- 자체 작업으로 측정한다. 실제 모델과 장비에서 속도·메모리·개발 시간을 비교한다.
- 여러 하드웨어에서 시험한다. 실행 여부뿐 아니라 성능과 정확도를 확인한다.
- 라이선스와 거버넌스를 나눠 본다. 수정 권리, 외부 기여와 결정권을 확인한다.
- 사람에 투자한다. MLIR·LLVM·GPU 커널을 이해할 시스템 인력을 기른다.
Mojo가 바꿀 것은 언어 순위가 아니라 선택의 구조다
Mojo가 곧 Python을 밀어낼 가능성은 높지 않다. Python의 강점은 방대한 라이브러리와 사람에 있고, CUDA의 성숙한 도구와 최적화도 짧은 시간에 복제하기 어렵다.
그래도 이번 공개는 하부 구조를 외부에서 검증하고 다른 칩으로 옮길 가능성을 키웠다. 앞으로 볼 지표는 속도 기록보다 독립 빌드, 외부 기여, 다양한 가속기 지원이다. AI 시대의 선택권은 가장 빠른 언어가 아니라 필요할 때 바꾸고 고치고 떠날 수 있는 언어에서 시작된다.
자주 묻는 질문
Mojo는 Python을 대체하는 언어인가?
Python과 유사한 개발 경험 및 상호운용성을 제공하면서 성능이 중요한 코드를 같은 흐름에서 작성하려는 언어다. 현재 생태계 규모와 호환성까지 고려하면 Python의 즉각적인 대체재보다 보완적인 시스템 언어로 보는 편이 정확하다.
Mojo가 오픈소스면 CUDA 없이 GPU를 쓸 수 있나?
컴파일러 소스를 수정하고 여러 하드웨어를 지원할 가능성은 커졌지만, 실제 GPU 지원에는 제조사 드라이버와 런타임, 라이브러리가 필요하다. 오픈소스 공개만으로 기존 하드웨어 생태계 의존이 사라지는 것은 아니다.
기업이 지금 Mojo를 도입해야 하나?
전면 도입보다 작은 성능 병목 과제를 골라 Python·CUDA·HIP 구현과 함께 시험하는 것이 현실적이다. 속도뿐 아니라 정확도, 디버깅, 인력 학습비용과 하드웨어 이동성을 함께 측정해야 한다.
핵심 출처
- Modular, Mojo is now open source! (2026.08.18) — 공개 범위, 빌드 방식, 라이선스와 외부 기여 계획에 관한 공식 1차 자료.
- Mojo v1.0.0 릴리스 노트 (2026.08.11) — 언어·표준 라이브러리의 안정성 범위와 남은 호환성 변경에 관한 공식 자료.
- Modular GitHub 저장소 라이선스 — Apache License 2.0 및 LLVM 예외 조항 원문.
- Godoy et al., Mojo: MLIR-Based Performance-Portable HPC Science Kernels on GPUs (SC25 WACCPD, 2025) — H100·MI300A에서의 성능 가능성과 한계.
- Lattner et al., MLIR: Scaling Compiler Infrastructure for Domain Specific Computation (IEEE CGO, 2021) — MLIR의 다단계 컴파일러 구조와 설계 목적.
- GitHub Octoverse 2025 — AI 프로젝트에서 Python 사용과 개발 생태계 규모에 관한 플랫폼 데이터.
댓글
댓글 쓰기