인공지능(AI) 반도체 시장의 왕좌에 앉은 엔비디아에 맞서, 글로벌 빅테크 기업들이 자체적으로 반도체를 개발하며 반격에 나서고 있다. 빅테크들이 자체 반도체 개발에 박차를 가하는 이유는 엔비디아의 높은 비용 구조에서 벗어나고성능 AI GPU에 대한 의존도를 낮추고, 맞춤형 반도체(ASIC) 공급 확대를 통해 AI 인프라의 비용 효율성과 주도권을 확보하겠다는 전략이다.
엔비디아 최고경영자(CEO) 젠슨 황은 최근 한 행사에서 “사서 쓰는 것이 더 좋은데 굳이 ASIC을 만들 이유가 있냐”며 자사 AI 칩의 우위를 강조했다. 일본 노무라증권에 따르면, 2024년 구글의 텐서처처(TPU) 출하량은 약 150~200만 개, 아마존웹서비스(AWS)의 ASIC은 140~150만 개에 이를 전망이다. 여기에 메타까지 가세하는 2025년에는 ASIC 출하량이 엔비디아의 연간 AI GPU 공급량(500만~600만 개 추정)을 넘어설 가능성이 크다는 분석이 나온다. ASIC(Application Specific Integrated Circuit)는 특정 서비스에 최적화된 연산 성능을 제공하는 반도체로, 범용성을 추구하는 GPU보다 전력 효율이 높고 운영비 절감 효과가 탁월하다. 업계는 ASIC이 동급 GPU 대비 총소유비용(TCO)을 30~50%까지 줄일 수 있다고 평가한다. 실제로 구글은 자사 TPU가 엔비디아 GPU보다 전력 대비 성능이 최대 3배 우수하다고 발표한 바 있다. 빅테크, 자체 개발로 반격의 서막
<이미지 출처 : 구글 클라우드>
자체 AI 칩 개발의 선두 주자는 구글이다. 2016년부터 TPU를 서비스에 적용해 온 구글에 이어, 메타, AWS, 마이크로소프트(MS) 등도 자체 반도체 설계에 적극 나섰다. 올해 글로벌 AI ASIC 시장 규모를 300억 달러(약 41조 원)로 전망하고 있으며, 연평균 30% 이상의 고성장을 예측하고 있다. 최근 가장 주목받는 기업은 메타다. 메타는 오는 4분기 브로드컴과 공동 설계한 차세대 고성능 ASIC ‘MTIA T-V1’을 출시할 예정이며, 이는 엔비디아의 차세대 GPU ‘루빈’을 능가하는 성능을 목표로 한다. 이어 2027년까지는 서버 한 대의 전력 소모량 170kW(일반 가정 50가구 해당)에 달하는 고성능 ASIC 반도체 ‘MTIA T-V2’를 출시할 계획이다. 다만, 현재 메타는 첨단 패키징(CoWoS) 공정의 공급 병목이 단기 과제로 남아 있다. 계획대로라면 올해부터 내년까지 100~150만 개의 ASIC 출하를 목표로 했지만, 현재 확보 가능한 TSMC의 첨담 패키징 생산량은 30~40만 개에 그치고 있다. 가만히 있을 수 없는 엔비디아
빅테크들의 자체 개발에 엔비디아도 새로운 전략으로 대응에 나섰다. 자사의 독점 인터커넥트 기술 ‘NV링크’를 외부에 개방해 타사 CPU나 ASIC과의 연동성을 강화하고, 쿠다(CUDA) 생태계를 무기로 여전히 AI 소프트웨어 분야의 절대 우위를 지키겠다는 전략이다. 업계 관계자는 AI 서비스가 특정 용도 맞춤형 칩 위에서 구동되면 사용자 경험의 정밀도와 응답 속도 모두 개선될 것이라며, 이는 AI 산업이 성숙해가는 과정에서 필연적인 구조 전환이라고 말하고 있다.
| 
인공지능(AI) 반도체 시장의 왕좌에 앉은 엔비디아에 맞서, 글로벌 빅테크 기업들이 자체적으로 반도체를 개발하며 반격에 나서고 있다.
빅테크들이 자체 반도체 개발에 박차를 가하는 이유는 엔비디아의 높은 비용 구조에서 벗어나고성능 AI GPU에 대한 의존도를 낮추고, 맞춤형 반도체(ASIC) 공급 확대를 통해 AI 인프라의 비용 효율성과 주도권을 확보하겠다는 전략이다.
엔비디아 최고경영자(CEO) 젠슨 황은 최근 한 행사에서 “사서 쓰는 것이 더 좋은데 굳이 ASIC을 만들 이유가 있냐”며 자사 AI 칩의 우위를 강조했다.
일본 노무라증권에 따르면, 2024년 구글의 텐서처처(TPU) 출하량은 약 150~200만 개, 아마존웹서비스(AWS)의 ASIC은 140~150만 개에 이를 전망이다.
여기에 메타까지 가세하는 2025년에는 ASIC 출하량이 엔비디아의 연간 AI GPU 공급량(500만~600만 개 추정)을 넘어설 가능성이 크다는 분석이 나온다.
ASIC(Application Specific Integrated Circuit)는 특정 서비스에 최적화된 연산 성능을 제공하는 반도체로, 범용성을 추구하는 GPU보다 전력 효율이 높고 운영비 절감 효과가 탁월하다.
업계는 ASIC이 동급 GPU 대비 총소유비용(TCO)을 30~50%까지 줄일 수 있다고 평가한다. 실제로 구글은 자사 TPU가 엔비디아 GPU보다 전력 대비 성능이 최대 3배 우수하다고 발표한 바 있다.
<이미지 출처 : 구글 클라우드>
자체 AI 칩 개발의 선두 주자는 구글이다. 2016년부터 TPU를 서비스에 적용해 온 구글에 이어, 메타, AWS, 마이크로소프트(MS) 등도 자체 반도체 설계에 적극 나섰다. 올해 글로벌 AI ASIC 시장 규모를 300억 달러(약 41조 원)로 전망하고 있으며, 연평균 30% 이상의 고성장을 예측하고 있다.
최근 가장 주목받는 기업은 메타다. 메타는 오는 4분기 브로드컴과 공동 설계한 차세대 고성능 ASIC ‘MTIA T-V1’을 출시할 예정이며, 이는 엔비디아의 차세대 GPU ‘루빈’을 능가하는 성능을 목표로 한다.
이어 2027년까지는 서버 한 대의 전력 소모량 170kW(일반 가정 50가구 해당)에 달하는 고성능 ASIC 반도체 ‘MTIA T-V2’를 출시할 계획이다.
다만, 현재 메타는 첨단 패키징(CoWoS) 공정의 공급 병목이 단기 과제로 남아 있다. 계획대로라면 올해부터 내년까지 100~150만 개의 ASIC 출하를 목표로 했지만, 현재 확보 가능한 TSMC의 첨담 패키징 생산량은 30~40만 개에 그치고 있다.
빅테크들의 자체 개발에 엔비디아도 새로운 전략으로 대응에 나섰다. 자사의 독점 인터커넥트 기술 ‘NV링크’를 외부에 개방해 타사 CPU나 ASIC과의 연동성을 강화하고, 쿠다(CUDA) 생태계를 무기로 여전히 AI 소프트웨어 분야의 절대 우위를 지키겠다는 전략이다.
업계 관계자는 AI 서비스가 특정 용도 맞춤형 칩 위에서 구동되면 사용자 경험의 정밀도와 응답 속도 모두 개선될 것이라며, 이는 AI 산업이 성숙해가는 과정에서 필연적인 구조 전환이라고 말하고 있다.