7년 된 그래픽카드가 다시 소환된 이유
2018년에 나온 RTX 2080 Ti의 메모리를 11GB에서 22GB로 늘려주는 개조 서비스가 있어요. 언뜻 '그 옛날 카드를 왜?' 싶지만, 사연을 알고 나면 고개가 끄덕여져요. 로컬에서 AI 모델을 돌리는 게 개발자들의 흔한 취미이자 실무가 된 요즘, 가장 목마른 자원이 GPU의 연산 속도가 아니라 VRAM, 그러니까 그래픽카드에 달린 메모리 용량이거든요. 아무리 빠른 GPU라도 모델이 메모리에 안 올라가면 시작조차 못 하니까요.
개조가 어떻게 가능하냐면
원리는 의외로 단순해요. 2080 Ti에는 1GB짜리 GDDR6 메모리 칩 11개가 기판에 납땜돼 있는데, 이걸 같은 규격의 2GB짜리 칩으로 갈아 끼우는 거예요. 11개 전부 교체하면 22GB가 되는 거죠. 물론 말이 단순하지 작업은 고난도예요. BGA라고 부르는, 칩 바닥면에 수백 개의 접점이 숨어 있는 패키지를 열풍으로 떼어내고 새 칩을 정확한 위치에 다시 붙여야 하거든요. 스마트폰 메인보드 수리급의 리워크 장비와 숙련도가 필요한 일이에요.
칩만 바꾼다고 끝이 아니에요. 그래픽카드가 부팅할 때 '내 메모리가 얼마인지'를 인식해야 하는데, 2080 Ti는 기판 위의 저항 배치(스트랩 설정)로 메모리 구성을 알려주는 구조라서 이 부분도 함께 손봐야 해요. 다행히 이 카드의 GPU와 바이오스가 2GB 칩 구성을 지원하기 때문에 펌웨어를 해킹하지 않고도 22GB 인식이 가능하고, 그래서 유독 2080 Ti가 개조 대상으로 인기인 거예요. 이런 개조는 중국 선전의 수리 업체들 사이에서 먼저 유행했고, 지금은 미국이나 유럽에서도 전문 서비스가 생겨났어요.
가성비 계산을 해보면
왜 이렇게까지 하냐면, VRAM 용량 대비 가격 때문이에요. 새 제품 중에 24GB급 VRAM을 가진 카드는 여전히 비싸요. 중고 RTX 3090(24GB)이 흔한 대안이지만 중고 시세가 만만치 않고, 최신 보급형 카드들은 용량을 아쉽게 끊어서 나오죠. 반면 2080 Ti 중고는 상대적으로 저렴해서, 개조 비용을 더해도 총액이 훨씬 낮게 떨어지는 경우가 많아요. 게다가 Turing 아키텍처라 CUDA 생태계를 그대로 쓸 수 있어서 llama.cpp나 Ollama 같은 로컬 추론 도구가 잘 돌아가요. 22GB면 4비트 양자화(모델 숫자의 정밀도를 낮춰 용량을 줄이는 기법) 기준으로 30B급 모델까지 한 장에 올려볼 수 있는 용량이거든요.
물론 감수할 것도 많아요. 납땜을 건드리는 순간 보증은 당연히 사라지고, 열풍 작업 과정에서 카드가 사망할 위험도 있어요. 오래된 아키텍처라 FP8 연산 같은 최신 기능은 지원하지 않고, NVIDIA가 구형 아키텍처의 드라이버 지원을 순차적으로 정리하고 있다는 점도 장기적으로는 부담이에요. 전력 효율도 최신 카드 대비 떨어지고요.
업계 맥락에서 보면
이 현상은 'VRAM 짠돌이 정책'에 대한 시장의 반격이라고 볼 수 있어요. GPU 제조사 입장에서는 메모리 용량이 소비자용과 데이터센터용 제품을 가르는 칸막이라서, 소비자용 카드에는 용량을 아껴서 넣는 경향이 있거든요. 그 틈을 개조 시장이 파고든 거죠. 비슷한 흐름으로 RTX 4090을 48GB로 개조하는 사례도 있고, Apple Silicon Mac의 통합 메모리로 큰 모델을 돌리는 방식이나 AMD의 대용량 메모리 APU가 주목받는 것도 결국 같은 갈증에서 나온 거예요.
한국 개발자에게는
중고 GPU로 로컬 LLM 환경을 꾸려보려는 분들에게 흥미로운 선택지인 건 분명해요. 다만 직접 인두기를 들 영역은 아니고, 신뢰할 만한 업체가 있는지, 문제가 생겼을 때 어떻게 할지를 먼저 따져봐야 해요. 개조까지 안 가더라도 '내 워크로드에 필요한 건 연산력인가 메모리인가'를 구분하는 습관 자체가 큰 자산이에요. 추론 위주 작업이라면 VRAM이 왕이고, 이 기준으로 하드웨어를 고르면 예산을 훨씬 알뜰하게 쓸 수 있거든요.
정리하면
로컬 AI 시대의 진짜 병목은 VRAM이고, 그 갈증이 7년 전 그래픽카드의 메모리 개조라는 틈새 시장까지 만들어냈어요. 여러분이라면 어느 쪽을 고르시겠어요? 개조 2080 Ti 22GB, 중고 3090, 아니면 속 편하게 클라우드 GPU?
🔗 출처: Hacker News