WebGPU 첫인상: WebGL의 다음
7년 만에 WebGL의 뒤를 잇는 WebGPU가 주요 브라우저에 안착했습니다. 달라진 점과 프론트엔드에서 가능해지는 일을 정리합니다.
WebGPU 첫인상: WebGL의 다음
개요
개인 프로젝트에 데이터 시각화를 붙이면서 수십만 점을 그려야 할 일이 있었는데, WebGL로 파이프라인을 짜는 건 늘 진입 장벽이 높았습니다. 그때 주요 브라우저가 모두 WebGPU를 지원하게 됐다는 소식을 접하고 학습 겸사 겸사 살펴봤습니다. 첫인상을 한 줄로 요약하면 “브라우저 API인데 그래픽 API다”였습니다. 이 글은 WebGPU가 왜 존재하고 무엇이 달라지는지, 프론트엔드 개발자 관점에서 정리한 기록입니다.
왜 WebGL을 대체하려는가
WebGL은 2011년에 나온 OpenGL ES 2.0/3.0의 브라우저 바인딩입니다. 당시 기준으로는 훌륭했지만 15년이 지나며 한계가 뚜렷해졌습니다.
- 설계 자체가 2000년대 GPU 아키텍처 기반이라 현대 GPU의 기능을 노출하지 못합니다.
- 상태 관리가 전역 상태 기반이라 무엇이 현재 상태인지 추적하기 어렵고 버그의 온상이 됩니다.
- 무엇보다 범용 컴퓨트(연산) 기능이 없습니다. GPU 병렬 연산을 하려면 픽셀 셰이더를 우회해서 쓰는 꼼수를 써야 했습니다.
WebGPU는 이 세 가지를 해결합니다. Vulkan, Metal, Direct3D 12의 개념을 가져와 브라우저에 맞게 추상화했고, 자체 셰이더 언어인 WGSL(WebGPU Shading Language)을 사용합니다.
첫인상: API가 현대적이다
실제로 초기화 코드를 짜보면 가장 먼저 느끼는 건 WebGL과 달리 명시적이라는 점입니다. 상태를 암묵적으로 공유하지 않고 파이프라인 객체에 미리 굽습니다.
const adapter = await navigator.gpu.requestAdapter();
const device = await adapter.requestDevice();
const format = navigator.gpu.getPreferredCanvasFormat();
const context = canvas.getContext("webgpu");
context.configure({ device, format });
const pipeline = device.createRenderPipeline({
layout: "auto",
vertex: {
module: device.createShaderModule({ code: wgslShader }),
entryPoint: "vs_main",
},
fragment: {
module: device.createShaderModule({ code: wgslShader }),
entryPoint: "fs_main",
targets: [{ format }],
},
primitive: { topology: "triangle-list" },
});
device라는 개념이 중심에 있는 것, 파이프라인을 생성 시점에 확정하는 것, 오류가 콜백(device.pushErrorScope / uncapturederror 이벤트)으로 잡히는 것이 Vulkan 계열 API의 영향입니다. WebGL의 gl.getError()를 매번 호출하던 시절과 비교하면 디버깅 경험이 좋아졌습니다.
컴퓨트 셰이더: 가장 큰 변화
WebGPU의 핵심 업데이트는 컴퓨트 셰이더입니다. 그래픽 파이프라인(정점 → 래스터라이즈 → 픽셀)을 거치지 않고, GPU에 데이터 병렬 연산을 직접 맡길 수 있습니다. WGSL로 배열의 모든 요소를 두 배로 만드는 컴퓨트 셰이더는 이렇게 생겼습니다.
@group(0) @binding(0)
var<storage, read_write> data: array<f32>;
@compute @workgroup_size(64)
fn main(@builtin(global_invocation_id) id: vec3u) {
if (id.x >= arrayLength(&data)) { return; }
data[id.x] = data[id.x] * 2.0;
}
호출하는 쪽에서는 버퍼를 만들어 바인딩하고 워크그룹 수를 지정해 디스패치합니다. @workgroup_size(64)는 한 워크그룹이 64개의 스레드를 처리한다는 뜻이고, JS 쪽에서 Math.ceil(N / 64)개의 워크그룹을 요청하면 배열 전체가 병렬로 처리됩니다. 이 패턴이 시각화에서 수십만 점의 위치 계산, 물리 시뮬레이션, 이미지 처리에 그대로 쓰입니다.
프론트엔드에서 가능해지는 것
컴퓨트가 브라우저에 들어온다는 건 그래픽 이외의 활로가 열린다는 뜻입니다.
- 고밀도 데이터 시각화: 백만 점 산점도의 변환·필터링을 CPU가 아니라 GPU에서. 메인 스레드가 블로킹되지 않습니다.
- 이미지·영상 처리: 실시간 필터, 리사이즈, 색 보정을 컴퓨트로.
- 온디바이스 ML 추론: WebGPU 백엔드를 갖춘 추론 런타임(예: transformers.js, ONNX Runtime Web)이 WebGL 백엔드보다 빠른 추론을 보여주는 사례가 늘고 있습니다.
- 물론 폴백은 필요합니다. 다만 최근에는 폴백을 WebGL이 아니라 CPU(WASM/SIMD)로 두는 선택도 실용적입니다.
아직 불편한 것들
첫인상이 좋다고 전부 좋은 건 아닙니다. 학습 비용은 WebGL보다 확실히 높고, 개념(바인드 그룹, 파이프라인 레이아웃, 버퍼 매핑)이 많아서 “삼각형 하나 그리기”까지가 길었습니다. 대부분의 앱은 Three.js나 Babylon.js 같은 라이브러리를 통해서 쓰게 될 테고, 실제로 두 라이브러리 모두 WebGPU 백엔드를 제공하고 있으니 직접 다루는 것은 필요한 사람만 하면 됩니다. 그리고 규격 자체도 서브셋(subgroups 같은 확장)이 계속 논의 중이라 생태계가 안정기에 들어가는 중입니다.
마무리
WebGPU는 “더 빠른 WebGL”이 아니라 브라우저에 처음으로 제대로 된 GPU 연산 모델을 들여온 변화입니다. 당장 그래픽 작업이 없어도, 컴퓨트 셰이더라는 개념 하나는 미리 익혀두면 온디바이스 ML이나 고성능 시각화 요구가 왔을 때 선택지가 넓어집니다. 저는 삼각형 대신 배열 두 배 만들기부터 시작했는데, 그게 WebGPU를 이해하는 가장 빠른 길이었던 것 같습니다.