AMD BC-250 재활용: PS5 계보 APU로 로컬 AI 서버 만들기
6코어 12스레드에 16GB GDDR6를 공유하는 보드를 AI 서버로 쓸 수 있을까? PS5와 계보가 닿는 AMD BC-250의 가능성과 함정을 나눠 본다.
이 아티클의 핵심 내용 요약과 글로벌 검색·AI 엔진을 위한 테이크어웨이입니다.
✦ KR 주제: 채굴 보드 BC-250을 로컬 AI 서버로 재활용
✦ KR 핵심 요약: BC-250은 PS5와 계보를 공유하지만 동일 칩이 아니며, 16GB GDDR6 공유 메모리와 gfx1013 GPU가 자산이다. 첫 경로는 Fedora와 Mesa RADV Vulkan이며 ROCm은 실험으로 분리한다. 성공은 모델 실행이 아니라 부팅 안정성, GPU 가속 로그, 메모리 여유, 온도·전력, LAN API까지 검증하는 데 있다.
🌐 Global Takeaway: AMD BC-250 shows how decommissioned mining boards can be repurposed as local AI testbeds when CPU and GPU share fast GDDR6 memory. The practical path is conservative: boot on Linux, verify Mesa RADV/Vulkan device visibility, run small quantized models with Ollama or llama.cpp, then prove GPU acceleration with logs, thermals, power, and tokens/s before exposing a LAN API.
아래 그림은 Fedora 설치부터 LAN에서 AI API를 여는 검증 순서를 보여줍니다.
🧪 1. 채굴 보드를 AI 서버로 바꾸는 이유
AI 인프라를 집에서 늘리는 가장 빠른 방법은 새 장비를 사는 것이 아니라 버려질 뻔한 하드웨어의 남은 능력을 읽는 일이다. 2026-10-15 공개된 프로젝트는 암호화폐 채굴용으로 쓰이던 AMD BC-250을 하나 구해, Fedora Linux와 Vulkan, Ollama 조합으로 로컬 LLM·이미지 생성·게임 AI를 실험하겠다는 기록이다. 목표는 당장 완성된 서버가 아니라 부팅·발열·GPU 가속·메모리 한계까지 차례로 확인하는 재활용 실험이다.
이 글은 결과 보고서가 아니라 착수 기록에 가깝다. 작성자는 프로젝트 시작 글과 참고한 GitHub 자료를 정리했고, 이후 Orange Pi k3s 클러스터와 연결하는 확장까지 언급했다. 따라서 지금 확인할 수 있는 것은 확정 벤치마크가 아니라 하드웨어 사양, 커뮤니티 사례, 검증 순서, 부품 목록이다. 이 구분이 중요하다. 채굴 보드 재활용 글은 성능 숫자를 먼저 내세우기보다 무엇을 믿고 무엇을 의심해야 하는지를 먼저 정해야 실수가 줄어든다.
1-1. 확인된 사실
| 항목 | 내용 |
|---|---|
| 기원 | 암호화폐 채굴용 컴퓨팅 보드로 사용되던 AMD BC-250 |
| 핵심 APU | PS5와 기술적 계보를 공유하는 AMD Cyan Skillfish 기반 세미커스텀 |
| CPU | AMD Zen 2, 6코어 12스레드 |
| GPU | AMD GFX1013, 기본 활성화 24 CU |
| 메모리 | 16GB GDDR6 공유 메모리, 이론 대역폭 약 448GB/s |
| OS 후보 | 커뮤니티에서 Fedora, Ubuntu 등 Linux 사용 사례 공개 |
| GPU 경로 | Mesa RADV 기반 Vulkan 사례가 일반적, ROCm은 커널 패치 실험 수준 |
PS5와의 유사성을 곧바로 동일한 GPU 아키텍처·성능으로 해석해서는 안 된다. BC-250은 커뮤니티에서 gfx1013으로 식별되며, 일반적인 AMD 그래픽카드용 AI 설치 가이드가 그대로 동작하지 않을 수 있다.
1-2. 왜 하필 이 보드인가
BC-250이 흥미로운 이유는 단순히 낡은 채굴판이라는 점이 아니라 CPU와 GPU가 GDDR6를 나눠 쓰는 구조 때문이다. 일반 데스크톱은 CPU용 시스템 메모리와 GPU용 VRAM이 분리되는 경우가 많지만, 이 보드는 공유 메모리 구조라 GPU 추론 실험의 메모리 경계가 다르게 작동한다. 모델이 작아도 운영체제가 먼저 메모리를 가져가고, GPU가 접근할 수 있는 범위는 설정에 따라 줄어든다. 그래서 첫 번째 관문은 모델 다운로드가 아니라 Fedora 부팅 후 GPU가 Mesa RADV/Vulkan 장치로 보이는지 확인하는 일이다.
커뮤니티 가이드는 GPU 메모리 접근 설정과 발열·전력 관리까지 다루는 사례가 있어, 단순 설치법보다 환경 튜닝이 핵심이다. Vulkan 경로가 검증 사례가 상대적으로 많기 때문에 첫 구축에서는 ROCm보다 Vulkan을 우선한다. ROCm 지원 여부와 Vulkan 지원 여부를 섞어 말하면 안 되며, 일부 커널 패치 기반 ROCm 실험은 별도 트랙으로 봐야 한다.
⚙️ 2. 하드웨어를 읽는 법: 공유 메모리의 의미
로컬 LLM은 대체로 모델 가중치와 KV 캐시, 프롬프트 처리 버퍼를 메모리에 올려야 한다. BC-250은 16GB GDDR6를 CPU와 GPU가 공유하므로, 모델이 작아도 운영체제가 먼저 메모리를 가져가고 GPU가 접근할 수 있는 범위는 설정에 따라 줄어든다. 이 구조는 빠른 메모리 대역폭을 자랑하는 동시에, 사용 가능한 용량의 경계가 흐릿하게 만든다. 대역폭이 넓다고 컨텍스트 길이와 모델 크기 제한이 사라지는 것은 아니다.
공유 메모리의 실무적 의미는 세 가지다. 첫째, 같은 16GB라도 OS 점유와 GPU 접근 설정, 모델 크기, 컨텍스트 길이에 따라 실제 적재 가능 범위가 달라진다. 둘째, CPU 폴백과 GPU 가속의 경계가 로그와 속도로 확인되어야 한다. 셋째, 발열과 소비전력은 성능 지표가 아니라 지속 가능성 지표다. 채굴판을 AI 서버로 쓸 때는 연산 능력보다 열과 전기를 얼마나 예측 가능하게 다루는지가 생존 조건이다.
이 점에서 BC-250은 PS5를 흉내 낸 PC가 아니라, PS5 계보의 설계 감각을 채굴 장비로 옮긴 실험체에 가깝다. 게임 콘솔용 PS5 칩과 완전히 동일한 제품이 아니며, 일반 PC처럼 바로 사용할 수 있는 보드도 아니다. 펌웨어와 활용 목적이 다르기 때문에 문서가 적은 환경에서는 커뮤니티 가이드의 재현 절차를 그대로 따라가되, 각 단계의 로그를 남기는 태도가 필요하다.
🐧 3. Fedora에서 Ollama까지: 검증 순서
실행 순서는 화려한 벤치마크가 아니라 계단식 확인이다. 첫째 Fedora Linux를 설치하고 정상 부팅과 발열을 확인한다. 둘째 GPU가 Mesa RADV/Vulkan 장치로 인식되는지 본다. 셋째 Ollama 또는 llama.cpp로 소형 양자화 모델을 돌린다. 넷째 메모리 사용량, 응답 속도 tokens/s, 온도, 소비전력을 기록한다. 다섯째 LAN 내부에서 호출 가능한 AI API를 구성하고 원격 접근 방법을 검토한다.
이 순서가 중요한 이유는 실패 지점을 좁히기 위해서다. 부팅이 안 되면 전원·쿨링·펌웨어를 보고, 모델이 안 뜨면 메모리·컨텍스트·양자화 크기를 보고, 응답이 느리면 GPU 가속 여부를 로그로 확인한다. 모델이 실행된다는 사실만으로 GPU 가속 성공으로 판단하지 않고, CPU 폴백 상태와 처리 속도를 비교한다. 로컬 LLM 실험에서 가장 흔한 착각은 실행 성공과 가속 성공을 같은 것으로 보는 일이다.
3-1. 참고할 커뮤니티 경로
자료에 언급된 사례는 세 갈래다. akandr/bc250는 Fedora, Mesa RADV, Vulkan 기반으로 Ollama와 llama.cpp를 설명하고 GPU 메모리 접근 설정·발열·전력 관리를 포함한다. wdonega/bc250-llm-setup은 Ubuntu 환경에서 llama.cpp와 Vulkan을 구성하는 절차를 제공한다. thelamer/bc250-ollama-openwebui는 Ollama와 웹 인터페이스 구성 사례를 보여 준다. 이 이름들은 명령어가 아니라 검증된 문서 좌표로 읽어야 한다.
세 사례가 공통으로 가리키는 것은 설치 한 방이 아니라 환경 조정이다. 운영체제 선택, GPU 스택 선택, 모델 크기 선택, 메모리 접근 설정, 냉각과 전원 안정화가 서로 영향을 준다. 작성자가 Fedora를 먼저 택한 이유도 여기에 있다. 이미 Vulkan 중심의 공개 사례가 상대적으로 많고, 홈랩에서 재현할 때 Ubuntu와의 차이를 섞지 않는 편이 원인 분석에 유리하기 때문이다.
📊 4. 수치가 말하는 가능성과 함정
16GB GDDR6와 약 448GB/s 이론 대역폭은 홈랩 기준으로 매력적이지만, 큰 모델 서버의 대체재로 읽으면 안 된다. Zen 2 6코어 12스레드와 24 CU GPU는 개인 개발 프로젝트, 홈랩 도구, 소형 모델 실험에는 충분히 흥미롭지만 최신 데스크톱 GPU나 서버 GPU와 같은 클래스가 아니다. 실제 사용 가능 범위는 OS 점유와 메모리 접근 설정, 모델 크기, 컨텍스트 길이에 의해 더 작아질 수 있다.
수치를 해석할 때는 세 단계로 나누는 편이 안전하다. 하드웨어 스펙은 상한이고, OS와 드라이버 설정은 실제 창문이며, 모델 크기와 컨텍스트는 그 창문을 지나는 물건이다. 이론 대역폭이 넓어도 모델이 커지거나 컨텍스트가 길어지면 병목은 메모리 용량과 캐시 관리로 이동한다. 따라서 tokens/s 하나보다 메모리 사용량, 온도, 전력, CPU 폴백 여부를 함께 봐야 한다.
| 비교 축 | BC-250 해석 | 주의 |
|---|---|---|
| 메모리 | 16GB 공유 GDDR6 | 전부 모델 적재에 쓰이지 않음 |
| 대역폭 | 약 448GB/s 이론치 | 처리 속도와 직결되지 않음 |
| GPU 인식 | gfx1013, 기본 24 CU | 일반 AMD GPU 가이드가 안 맞을 수 있음 |
| 가속 경로 | Vulkan 우선 | ROCm은 실험·커널 패치 단계가 섞임 |
| 역할 | 로컬 실험·홈랩 | 대규모 서비스나 최신 모델 전제 금지 |
이 표의 핵심은 보드가 나쁘다는 결론이 아니라 용도를 잘못 잡으면 실패한다는 점이다. BC-250은 최신 모델을 빠르게 서빙하는 장비가 아니라, 공유 메모리 구조와 커뮤니티 드라이버 경로를 직접 확인하는 학습용 실험대로 더 적합하다. 그 목적이라면 채굴판의 낡음이 오히려 위험 요소와 변수 요소를 드러내는 재료가 된다.
🛠️ 5. 조립과 안전 계획
처음부터 완성형 케이스를 만들지 않고 절연된 비전도성 받침대에 고정해 부팅·온도·소음을 확인하는 방식이 안전하다. 자료에 정리된 부품은 다음과 같다.
- 메인보드: AMD BC-250
- 전원: COOLMAX FOCUS II 500W
- 저장장치: SK hynix BC711 512GB NVMe
- 쿨링: ARCTIC P12 Pro PST 2개
- 케이스: 오픈형 테스트 후 별도 제작 검토
임시 조립이라도 전원 연결 상태와 팬 고정은 충분히 점검해야 한다. 전원과 쿨링을 먼저 확인하고 부팅·온도·소음을 기록한 뒤에야 OS와 AI 스택으로 넘어가는 순서가 맞다. 이 보드는 일반 PC처럼 바로 사용할 수 있는 보드가 아니므로, 커뮤니티 문서와 실측 로그를 함께 남기는 것이 재현성의 핵심이다.
안전 계획은 단순한 주의 문구가 아니라 실험 설계다. 오픈형 테스트는 케이스 문제와 하드웨어 문제를 분리한다. 비전도성 받침대는 절연 문제를 줄이고, 팬 두 개는 부하 시 온도 상승을 관찰할 여유를 만든다. NVMe SSD는 OS와 로그를 빠르게 쓰게 하고, 500W 전원은 보드와 주변 부품의 초기 전력 불확실성을 흡수한다. 이후 발열이 안정되면 케이스 제작 여부를 다시 판단한다.
🚧 6. 한계와 오해 정리
첫째, PS5 칩과 동일 제품이 아니다. CPU 코어 수, GPU 구성, 펌웨어, 활용 목적이 다르다. PS5 계보라는 표현은 설계 계보의 단서이지 성능 보증이 아니다. 둘째, 채굴 보드라는 이력은 성능 문제라기보다 전원·쿨링·펌웨어·문서 부재 문제를 만든다. 채굴 시절의 안정성이 AI 상시 구동의 안정성을 보장하지 않는다.
셋째, GPU 가속은 로그와 속도 비교로 확인해야 한다. 모델이 뜨는 화면만으로는 CPU가 일을 했는지 GPU가 일을 했는지 알 수 없다. 넷째, 16GB 공유 메모리는 큰 컨텍스트나 큰 모델을 전제로 하면 금방 벽에 부딪힌다. 모델 크기를 줄이는 것보다 컨텍스트와 배치 크기를 조정하는 실험이 먼저일 수 있다. 다섯째, 나중에 Orange Pi k3s 클러스터와 연결하는 계획은 분산 실험이지 단일 보드의 한계가 사라진다는 뜻은 아니다.
오해를 정리하면 BC-250은 PS5를 해킹한 PC도, 저가 LLM 서버도, 완성형 홈랩 제품도 아니다. 그것은 공유 메모리와 비표준 GPU 식별자, 얇은 공식 문서, 커뮤니티 지식을 엮어야 하는 재활용 실험체다. 그래서 이 프로젝트의 가치는 빨리 끝나는 데 있지 않고, 각 실패를 다음 시도의 조건으로 바꾸는 데 있다.
🧭 7. 결론: 재활용의 의미
AMD BC-250 프로젝트의 가치는 고성능 서버를 얻는 데 있지 않다. PS5와 기술적 계보를 공유하는 APU를 채굴판에서 로컬 AI 실험대로 바꾸며, 공유 메모리·Vulkan·Ollama·llama.cpp가 실제 홈랩에서 어디까지 작동하는지 계단식으로 검증한다는 데 있다. 성공 기준은 화려한 응답 속도가 아니라 부팅 안정성, GPU 가속 여부, 메모리 여유, 온도·전력 관리, LAN API 구성까지 이어지는 재현 가능한 기록이다.
다음 글에서는 이 로그를 바탕으로 실제 tokens/s와 발열 곡선을 공개할 수 있는지 확인해야 한다. 아직 없는 숫자를 미리 말하지 않고, 확인된 사양과 커뮤니티 사례와 검증 순서만으로 출발하는 태도가 이 프로젝트의 첫 번째 성과다. BC-250을 AI 서버로 부르기 전에, 먼저 그것이 무엇을 잘하고 무엇을 못하는지 로그로 증명하는 것이 순서다.
자주 묻는 질문
Q. AMD BC-250은 PS5와 같은 제품인가요?
A. 같은 제품은 아닙니다. PS5와 기술적 계보를 공유하는 Cyan Skillfish 기반 세미커스텀 APU를 쓰지만 CPU 코어 수, GPU 구성, 펌웨어와 활용 목적이 다릅니다.
Q. 로컬 LLM 실행은 어떤 경로가 먼저인가요?
A. 자료 기준으로는 Fedora, Mesa RADV, Vulkan 경로가 우선입니다. ROCm은 일부 커널 패치 기반 실험이 있어 첫 구축에서는 Vulkan을 권장합니다.
Q. 16GB GDDR6를 다 모델에 쓸 수 있나요?
A. 아닙니다. 운영체제 점유, GPU 메모리 접근 설정, 모델 크기, 컨텍스트 길이가 실제 사용 가능 범위를 줄입니다. 대역폭이 넓어도 용량 한계는 별도로 남습니다.
Q. GPU 가속 성공은 어떻게 확인하나요?
A. 모델이 실행된 것만으로 판단하지 않고 로그로 GPU 사용 여부를 확인한 뒤 CPU 폴백과 처리 속도를 비교해야 합니다.
원본
https://www.threads.com/@yeppyshiba/post/DegLjlFIA8l
https://blog.yeppyshiba.com/article/amd-bc250-local-ai-server-project/



댓글 0개