Li Auto는 자율주행 보조에서 차량 내·데이터센터 AI 추론으로 칩 설계 야심을 확대하고 있으며, 중국 전기차 제조사들의 컴퓨팅으로의 수직 통합을 시사한다.

Li Auto가 중국 미디어 매체 LatePost의 보도에 따르면 자체 클라우드 추론 칩 개발을 검토 중인 것으로 알려졌다. 이 칩은 Li Auto의 자율주행 칩과 동일한 데이터플로우 아키텍처를 사용할 예정이지만, 현재 프로젝트는 초기 단계에 있다.

클라우드 추론 칩은 현재 AI 데이터센터의 GPU에서 실행되는 일부 추론 작업을 처리할 수 있다. 여기에는 자율주행 모델의 데이터 처리, 테스트 및 시뮬레이션, 그리고 대규모 언어 모델에 대한 요청 처리가 포함된다. 매개변수 업데이트가 필요한 훈련 단계는 여전히 전용 훈련 칩이 필요하다.

업계 관계자들은 차량에서 클라우드로의 데이터플로우 아키텍처 재사용이 기술적으로 타당함을 확인했다. 한 가지 방식은 차량용 NPU(AI 프로세서)의 여러 AI 컴퓨팅 다이를 함께 패킹한 후, 고대역폭 메모리와 고속 인터커넥트를 추가하여 더 큰 추론 칩을 구축하는 것이다. 이를 통해 차량과 클라우드 인프라가 설계 및 소프트웨어 도구를 공유할 수 있으며, R&D 비용을 분산할 수 있다.

그러나 클라우드 칩은 단순히 차량용 칩을 확대한 버전이 아니다. 차량용은 모델과 센서 입력이 상대적으로 고정되어 있으며, 저전력 소비, 낮은 지연시간, 안정적인 실행에 우선순위를 두고 있다. 클라우드는 여러 모델을 동시에 처리해야 하고, 빈번한 모델 업데이트에 대응해야 하며, 가변 길이 입력과 동시 요청을 관리해야 한다. 이를 위해서는 고대역폭 메모리, 멀티칩 인터커넥트, 동적 배칭, 클러스터 스케줄링이 필요하다. 핵심 과제는 단일 칩으로 특정 성능 목표를 달성하는 것이 아니라, 효과적인 모델 적응 및 시스템 효율성을 통해 전체 추론 비용을 경쟁력 있게 유지하는 것이다.

SambaNova, Groq, Tenstorrent를 포함한 회사들도 데이터플로우 아키텍처를 탐색 중이다. SambaNova와 Groq의 핵심 팀은 각각 Stanford와 Google의 TPU 프로젝트에서 출발했으며, Tenstorrent는 이전에 Tesla의 자율주행 칩 개발을 주도한 Jim Keller가 이끌고 있다. GPU와 비교하면, 데이터플로우 아키텍처는 여전히 모델 다양성, 소프트웨어 생태계, 대규모 배포 측면에서 자신의 능력을 입증해야 한다.

클라우드 프로젝트 진행 과정에서 Li Auto의 칩 소프트웨어 R&D 담당 Jin Yihua와 칩 프런트엔드 설계 그룹 중 한 그룹의 책임자 Dai Jie가 회사를 떠났다. 둘 다 이전에 연산력 부서 책임자인 Luo Min에게 보고했으며, Luo Min은 그룹 CTO인 Xie Yan에게 보고한다. 이러한 인사 변동이 클라우드 추론 칩 프로젝트에 미치는 영향은 아직 불명확하다.

Li Auto는 2026년 5월 자체 개발한 Mach M100 자율주행 칩을 공식 공개했으며, 5nm 자동차 등급 공정으로 제조되었으며 칩당 1,280 TOPS의 연산 능력을 제공한다. 이 칩은 현재 새로운 L9, L8, L6 모델 전체에서 대량 생산 중이며, 듀얼 칩 버전은 2,560 TOPS의 합산 성능을 제공한다. 설립자이자 회장, CEO인 Li Xiang은 자체 칩이 기술 능력을 입증하기 위한 것이 아니라 AI를 물리적 세계에서 작동하도록 하는 것에 관한 것이라고 강조했다.

Li Auto는 7월 13일 Xinchuang Zhihe (Shanghai) Technology Co Ltd를 신규 등록했으며, 사업 범위에는 집적회로 칩 설계가 포함된다. 이는 동료사인 Nio를 따라 반도체 사업을 독립적으로 운영하려는 회사의 의도를 나타낼 수 있다. Nio는 2025년 6월 칩 자회사 GeniTech Co Ltd를 설립했으며, 이후 약 3 billion yuan ($442 million)을 모금했으며, 시장 후 평가액은 약 8.27 billion yuan이다. Xpeng도 자체 개발한 Turing 자율주행 칩을 차량에 배치했다.