Anthropic이 제조 파트너인 Samsung과 맞춤형 AI 추론 ASIC을 공동 설계하고 있으며, 추론 최적화를 통해 컴퓨팅 비용 절감 및 Nvidia GPU 의존성 감소를 목표로 합니다.
Anthropic은 AI 추론 워크로드 처리를 위해 맞춤형 ASIC 프로세서를 공동 설계할 자체 칩 개발 팀을 구축 중이라고 발표했다. 비즈니스 인사이더에 설명된 바와 같이, Anthropic은 미정 파트너와 함께 치을 설계하기 위한 엔지니어들을 채용하고 있으며, 채용 공고에 따르면 잠재적 신규 hires는 요구되는 칩 설계를 완료하기 위해 가혹한 일정으로 근무해야 할 것으로 보인다.
이는 맞춤형 하드웨어 개발을 발표한 최신 주요 AI 기업이다. 글로벌 경제 압박이 칩 공급을 압박하고 모델들이 효율성과 수익성을 개선하기 위해 최적화가 필요해짐에 따라, 독점 데이터 센터를 위한 맞춤형 실리콘 설계는 전략적으로 중요해졌다. 이제 Anthropic은 Google, Meta, Microsoft, Amazon, OpenAI와 함께 자체 추론 칩을 구축하는 기업 목록에 합류했다.
고급 AI 모델 학습에는 Nvidia GPU가 필요하다—접근 권한이 제한된 중국 개발자들조차도 밀수입 여하를 불문하고 이를 사용한다. 그러나 에이전트 및 생성형 AI 모델의 추론 워크로드 실행은 훨씬 더 넓은 하드웨어 옵션을 허용한다. Nvidia GPU는 효과적이지만 비싸며 전력 집약적이다. 맞춤형 실리콘은 총 소유 비용(TCO)을 최대 65%까지 낮출 수 있다. 더 효율적인 대안들도 존재한다: 중국 연구소들은 국내 하드웨어를 사용하고, 많은 서부 개발자들은 자체 솔루션을 구축하거나 구축 중이다.
Google은 Broadcom와 각 세대를 함께 작업하며 지난 12년 동안 Tensor Processing Unit (TPU) 칩을 개발해 왔다. Amazon은 Trainium과 Inferentia 칩을 생산한다. Meta는 2027년까지 배포될 새로운 MTIA 설치를 최근 발표했다. Microsoft는 Maia 시리즈를 개발했다. Tesla는 Dojo 개발 수년간의 노력 끝에 AI5 및 AI6 설계로 방향을 전환했다.
Anthropic은 비즈니스 인사이더에게 고객들이 요구하는 규모에서 Claude를 더 빠르고 효율적으로 실행할 수 있도록 칩을 공동 설계 중이라고 전했다. 이 회사는 지난 한 해 폭발적인 성장을 경험했으며, 소비자 시장에서 크게 확장하고 주요 정부 계약을 확보했다. 에이전트 AI는 전통적인 단일 프롬프트 상호작용보다 훨씬 더 많은 토큰을 필요로 하므로, 더 나은 추론 인프라에 대한 수요를 촉진하고 있다.
Anthropic은 설계 및 개발 파트너를 공개하지 않았다. Broadcom와 Marvell은 ASIC 공동 설계 시장의 약 95%의 결합 점유율을 차지하고 지배하지만, The Information은 Anthropic이 제조를 위해 Samsung과 협상 중이었다고 보도했다.
AI 추론을 위한 맞춤형 ASIC의 설계, 패키징 및 제조는 저렴하거나 단순하지 않다. 하드웨어 개발 외에도 기업들은 지원 소프트웨어 스택을 구축하고 하드웨어의 장점을 활용하도록 모델을 최적화해야 한다. 이러한 복잡성은 대부분의 기업들이 맞춤형 실리콘을 추구하는 것을 방해하지만, 충분한 자본과 확장 능력을 갖춘 주요 AI 기업들에게는 투자가 상당한 수익을 가져다준다.
AI 개발자들이 혜택을 받는 반면, 더 넓은 지형도는 명확한 승자와 패자를 보여준다. Nvidia는 AI 붐으로부터 상당한 이익을 얻은 몇 안 되는 기업 중 하나인 반면, Meta, Google, Microsoft, OpenAI는 AI 이니셔티브에서 거액의 손실을 보고 있다. 맞춤형 ASIC 공동 설계 시장은 막대한 수익을 창출한다: TSMC, Broadcom, Marvell이 명확한 승자이다.
Broadcom은 수년간 Google의 공동 설계 파트너였으며, 최근 OpenAI의 추론 칩을 구축할 임무를 맡았다. 또한 Meta와 MTIA에서 파트너십을 맺고 있으며 ByteDance와 Fujitsu와의 맞춤형 ASIC 계약을 보유하고 있다. 강력한 인터커넥트 및 네트워킹 하드웨어를 통해 고객들에게 완전한 솔루션을 제공한다. Broadcom는 730억 달러의 주문 잔고를 보고 있으며 2027년 말까지 연간 AI 칩 수익이 1,000억 달러 이상 발생할 것으로 예상한다.
Marvell은 Trainium 칩을 위한 Amazon과의 중요한 계약과 Maia를 위한 Microsoft와의 계약을 보유하고 있으며, 이러한 공동 설계 참여로부터 2026년에 110억 달러 이상을 발생시킬 것으로 예상된다.
Samsung이 Anthropic의 파트너가 된다면 이 공간에서 비교적 작은 플레이어가 되겠지만, 상당한 제조 및 칩 설계 전문성, 그리고 짧은 글로벌 공급망에서 중요한 메모리 공급원에 대한 접근성을 제공한다.
가장 큰 승자는 TSMC로 보인다. 이 타이완 기업은 세계 최첨단 실리콘의 대부분을 생산하며 여기서 논의된 거의 모든 칩에 관여한다. HBM 통합을 포함한 고급 패키징은 TSMC의 CoWoS 기술을 필요로 한다. TSMC는 또한 Nvidia와 AMD GPU의 상당한 패키징을 처리하며 많은 기본 웨이퍼를 생산한다.
Anthropic의 맞춤형 ASIC 레이스 진입은 놀라운 일이 아니며 emerging trajectory를 강화한다: 주요 하이퍼스케일러 AI 기업들은 점점 더 맞춤형 하드웨어로 추론을 처리할 것이다. 이 접근 방식은 더 효율적이며 기능과 사양에 대한 더 나은 제어를 가능하게 하며 내부 모델을 위해 최적화되었을 때 더 쉽게 확장된다. 중국 기업들에게는 국제 무역 봉쇄와 관세를 우회한다는 장점도 있다.
기업들은 아마도 전적으로 독점 칩에 의존하지 않을 것이지만—AI 수요는 너무 방대하고 Nvidia는 공급망 통제에서 너무 지배적이기 때문이다—설치되는 새로운 맞춤형 칩마다 추론에 필요한 Nvidia GPU가 하나씩 줄어든다. 이는 점진적으로 Nvidia의 시장 장악력을 약화시킬 수 있다. 그러나 학습(Training)은 당분간 Nvidia의 가장 강력한 위치로 남을 가능성이 높다.