노트북 GPU TGP 완전정복: 같은 RTX 5070도 성능 40% 차이

노트북 GPU TGP는 같은 칩을 얹고도 성능을 40%포인트까지 갈라놓는 전력 상한입니다. GPU 이름만 보고 샀다가는 얇은 울트라북과 하이엔드 게이밍북의 학습 속도가 2배 차이 나는 상황을 맞게 됩니다. TGP 확인법, Dynamic Boost와 발열, ML 학습용 선택 기준을 표로 정리합니다.

TGP가 뭐가 그렇게 중요한가

TGP(Total Graphics Power)는 GPU에 노트북 제조사가 허용하는 전력 상한(W)입니다. 같은 칩이라도 35W로 도는 것이 있고, 115W에 다이내믹 부스트로 140W까지 뽑는 것이 있습니다. 클럭과 전압은 이 상한 안에서 결정되므로, GPU 모델명보다 TGP가 실제 성능을 먼저 결정합니다.

같은 RTX 5070 노트북이 성능 40% 차이가 나는 이유

아래 표의 상단과 하단을 비교하면 데스크톱 대비 체감 성능이 40~55%와 80~95%로 40%포인트 벌어집니다(95-55=40). 같은 명칭의 GPU라도 전력 상한이 다르면 전압·클럭 운영 구간이 달라지고, 그 차이가 프레임과 학습 속도에 그대로 반영됩니다.

TGP 구간	전형적인 노트북	데스크톱 RTX 대비 체감	7B INT4 추론 처리량(상대치)	예시 클래스
35~60W	얇고 가벼운 울트라북 (MAX-Q급 저전력)	40~55%	약 15~25 tok/s	LG 그램급 초슬림
80~100W	보급형 게이밍	60~75%	약 30~45 tok/s	Legion 5/ROG Strix G급
115~140W (다이내믹 부스트 포함)	고가 게이밍/워크스테이션	80~95%	약 55~80 tok/s	Legion Pro/MSI Titan급

처리량 구간은 공개 벤치 평균을 기준으로 7B INT4 양자화 모델, 배치 1 추론을 가정한 상대치이며 모델·쿨링에 따라 편차가 있습니다.

GPU 전력(W)은 어디서 확인하나

제조사 공식 스펙시트의 ‘GPU 최대 전력’ 항목을 먼저 찾는 것이 원칙입니다. 숫자가 애매하면 리뷰의 GPU-Z 부하 측정 화면에서 실제 유지 전력을 확인하고, Notebookcheck처럼 같은 GPU를 다른 TGP 모델과 비교한 벤치를 함께 봅니다. 표기 수치에 Dynamic Boost 포함 여부도 반드시 확인하세요.

Dynamic Boost와 발열: 장시간 학습에서 벤치가 무너지는 이유

Dynamic Boost는 CPU 사용량이 낮을 때 CPU의 전력 여유를 GPU로 옮겨 붙이는 기술로, 위 표의 115W+25W=140W 구간이 이 방식으로 완성됩니다. 문제는 지속 시간입니다. 벤치마크는 수초~수 분짜라 부스트가 유지되지만, 몇 시간씩 도는 ML 학습은 본체가 열에 포화되어 서멀 스로틀링이 걸리고, 그때의 지속 클럭은 피크 대비 10~20% 낮게 합의됩니다. 짧은 벤치 점수만 보고 고른 고TGP 노트북이 장시간 학습에서 기대를 못 채우는 이유가 여기 있습니다.

TGP 낮은 노트북은 어떻게 쓰면 되나

‘학습은 서버/코랩, 노트북은 개발+경량 추론’ 용도라면 저TGP 울트라북이 오히려 합리적입니다. 배터리·소음·무게에서 이롭고, 32GB 이상 RAM과 양자화 추론 조합으로 개발 환경으로는 충분히 쓸 만합니다. 다만 VRAM 용량 한계는 로컬 LLM 상단을 정하는 별개의 문제이니 RTX 5070 VRAM 12GB 실전 한계를 함께 읽어보시기 바랍니다.

M5 MacBook 시대에 eGPU는 답이 되나

결론부터 하면 CUDA용 eGPU는 현실적인 선택지가 아닙니다. Apple Silicon MacBook은 외부 GPU를 학습에 활용할 수 없고, 데스크톱급 eGPU도 인클로저·케이블 비용 대비 효율이 낮아 같은 예산이면 노트북 자체 TGP와 쿨링을 올리는 편이 낫습니다. MacBook은 Apple GPU 추론용으로 역할을 분리해서 잡는 것이 안전합니다.

ML 학습용 노트북 구매 체크리스트

제조사 공식 스펙시트에서 GPU 전력(W) 확인 — Dynamic Boost 포함 수치인지 구분
리뷰 벤치에서 같은 GPU 다른 모델과 성능 비교 (Notebookcheck 참고)
장시간 부하 기준 쿨링 평가 확인 — 피크가 아닌 30분 후 클럭을 본다
RAM 32GB, SSD 슬롯 여유 확인 — GPU보다 업그레이드 여부가 수명을 결정

자주 묻는 질문

노트북 GPU 8GB로 로컬 LLM 되나요

7~8B급 INT4 양자화 모델이라면 돌아갑니다. 다만 컨텍스트가 길어지면 KV 캐시가 VRAM을 잡아먹어 답변 길이가 제약되고, TGP가 낮은 초슬림기종에서는 토큰당 속도도 같이 떨어집니다. 문서 요약을 많이 한다면 12GB 이상을 권합니다.

스펙시트에 전력이 두 개 적혀 있으면 어느 쪽을 믿나요

기본 TGP와 Dynamic Boost 포함 최대 전력이 병기된 경우, 지속 성능은 기본 TGP 기준으로 봅니다. 학습처럼 전 코어가 계속 도는 워크로드에서는 부스트 여유가 잘 안 나오기 때문입니다.

TGP 낮은 노트북으로 파인튜닝도 가능할까요

LoRA 등 경량 파인튜닝은 100W급으로도 가능하지만 학습 시간이 길어져 발열이 누적됩니다. 상시 학습이 목적이라면 115W 이상 모델이거나, 로컬은 개발용이고 학습은 서버로 분리하는 편이 시간 대비 효율이 좋습니다.

출처: 성능 비율은 공개 벤치(Notebookcheck 등) 평균치 기준, 모델·쿨링에 따라 편차 존재. tok/s 구간은 7B INT4 양자화·배치 1 추론 기준의 상대치이며, 가격 정보는 포함하지 않았습니다.