Google, Amazon, Microsoft, Meta, OpenAI가 Nvidia 의존도 감소를 위해 자체 AI 칩 개발 중.

구글, 아마존, 마이크로소프트, 메타, 오픈AI 등 세계 최대의 기술 기업들은 엔비디아의 시가총액이 5조 달러를 돌파한 후, 동사의 지배적 지위를 도전하기 위해 맞춤형 AI 칩을 설계하고 있다. 지난 10년 동안 엔비디아의 GPU는 대규모 언어 모델부터 추천 시스템 및 자율주행차 알고리즘에 이르기까지 AI 혁명을 주도해 왔다. 그러나 이러한 기업들이 애플이 실리콘에서 소프트웨어까지 전 계층을 소유함으로써 단순히 속도를 높이는 것을 넘어 경주의 규칙 자체를 바꾸려 했던 전략을 반영하듯, 풀스택(Full-stack) 통제를 추구하면서 지각변동적인 변화가 일어나고 있다.

구글의 7세대 아이언우드(Tensor Processing Unit)는 전작 대비 성능이 4배 향상되었으며, 최대 9,216개의 상호 연결된 칩으로 구성된 거대한 슈퍼클러스터로 확장될 수 있어, 대규모 언어 모델부터 멀티모달 AI 시스템에 이르기까지 대규모 모델의 속도를 저하시키는 지연 시간(latency)과 통신 오버헤드를 줄이는 데 최적화되어 있다. 앤트로픽은 이미 이러한 TPU를 최대 100만 개까지 배포할 것을 약속했으며, 이는 텐서플로우에서 제미니까지 구글의 AI 생태계를 세로 통합적으로 유지하려는 의사를 시사한다. 아마존의 접근 방식 또한 마찬가지로 야심 차다. 아마존의 트레니엄2(Trainium2) 칩은 거의 50만 개의 칩으로 구축된 광범위한 슈퍼컴퓨터인 프로젝트 레이니어(Project Rainier)를 구동하며, AWS 내부에서 예측 가능하고 비용 효율적인 확장을 제공하고 아마존 엔지니어들이 남아 있는 안정성 및 지연 시간 문제를 해결하는 동안 이를 지원한다.

마이크로소프트의 코발트(Cobalt) CPU와 마야(Maia) AI 칩은 Azure 데이터 센터에서 운영되며, 엔지니어들은 칩 표면 위로 액체를 직접 순환시켜 최적의 온도를 유지하면서 에너지 소비를 대폭 절감하는 미세유체 냉각 기술을 실험하고 있다. 분기별 인프라에 수백억 달러에 달하는 막대한 자본 지출을 감수하면서도, 마이크로소프트의 칩 전략은 공급 부족에 의해 발목 잡히지 않고 빠른 AI 서비스 확장을 지속하는 것을 목표로 한다. 한편 메타는 추천 알고리즘과 생성형 AI에 최적화된 두 번째 세대 메타 트레이닝 및 추론 가속기(MTIA) 칩을 통해 정교한 AI 하드웨어 플레이어로 부상했으며, 곧 출시될 아르테미스(Artemis) 프로젝트는 성능을 한 단계 더 끌어올릴 것으로 예상되고, 최근 칩 스타트업 라이보스(Rivos) 인수는 메타 특유의 멀티모달, 소셜, 실시간 AI에 맞춰진 맞춤형 실리콘 설계에 대한 더 깊은 헌신을 보여준다.

오픈AI는 아마도 가장 흥미로운 신규 진입자로서, 브로드컴과 파트너십을 맺어 오픈AI의 모델을 위해 특별히 설계된 맞춤형 AI 가속기를 공동으로 설계하고 있으며, 이는 '하드웨어 중심'이 아닌 '모델 중심' 데이터 센터를 창출하는 것이다. 이 계획은 늦어도 2026년 말 이후에야 배포될 예정이다. 오픈AI에게 이 조치는 알고리즘부터 데이터센터 바닥면까지 전체 AI 스택에 대한 통제를 제공하며, GPT와 같은 모델의 학습 실행 비용이 수억 달러에 달한다는 점을 고려할 때, 와트당 성능이 단 몇 퍼센트포인트 상승하는 것조차 천문학적인 절감 효과를 가져온다. 이는 테슬라가 자체 배터리를 생산하는 것과 유사하다. 뚜렷한 패턴은 대형 기술 기업들이 외부 벤더에 의존하는 것을 거부하고, 대신 자신의 AI 야망을 뒷받침하는 실리콘을 소유하기 위해 세로 통합을 추구한다는 사실을 보여준다.