AI 전용 커스텀 칩 설계를 위한 팀을 구축하고 있다

칩 설계 경험이 있는 엔지니어를 모집하는 'custom silicon team'의 구성은 외부 하드웨어 의존도를 낮추고 최적화된 컴퓨팅 환경을 구축하는 선택으로 이어진다. Anthropic은 AI 전용 커스텀 칩 설계를 위해 전문 인력을 확보하고 있다. 채용 공고를 통해 칩 설계 실무 경험을 보유한 엔지니어를 구체적으로 찾으며 자체 실리콘 개발을 위한 조직을 갖춘다.

이러한 자체 칩 설계 추진은 기존의 하드웨어 공급망을 유지하는 상태에서 병행한다. Anthropic은 현재 AWS, Google, Nvidia, AMD와 AI 컴퓨팅 하드웨어 공급 계약을 체결해 필요한 자원을 공급받고 있다. 주요 하드웨어 기업들과의 협력 관계를 통해 하드웨어 접근권을 확보한 상태에서 독자적인 칩 설계 능력을 추가해 인프라를 다각화한다.

결과적으로 기존 파트너십을 통한 안정적인 자원 공급과 자체 설계를 통한 하드웨어 최적화를 동시에 추구한다. 특정 하드웨어 벤더의 제약에서 벗어나 AI 모델의 특성에 맞춘 전용 칩을 설계함으로써 컴퓨팅 효율을 높이는 구조를 만든다.

하드웨어와 모델을 공동 설계하여 기술의 속도와 효율성을 높이려

하드웨어와 모델을 함께 설계한다는 계획은 공식화되었으나, 구체적인 칩 설계 사양이나 출시 일정은 아직 확인되지 않았다. Anthropic은 자사 기술이 더 빠르고 효율적으로 작동하도록 하드웨어와 모델을 공동 설계(co-design, 하드웨어와 모델을 함께 설계하는 방식)할 계획이라고 밝혔다. 이는 모델의 연산 특성에 맞춘 전용 가속기를 설계해 범용 GPU가 가진 인프라 제약을 해결하려는 전략이다. 하드웨어와 소프트웨어의 간극을 줄여 기술 실행 속도를 직접적으로 끌어올린다.

다른 주요 AI 기업들도 범용 GPU 의존도를 낮추기 위해 자체 칩 개발에 집중한다. OpenAI는 Broadcom과 협력해 추론 워크로드(inference workload, 모델이 입력값에 대해 결과를 내놓는 작업) 전용 Jalapeño 칩을 공개했다. Google DeepMind는 오래전부터 Alphabet의 TPU(Tensor Processing Unit, 구글의 AI 전용 가속기) 칩을 활용해 AI 모델을 구동하는 체계를 갖췄다. Meta 역시 AI 워크로드를 처리하는 MTIA(Meta Training and Inference Accelerator, 메타의 AI 워크로드 가속기)를 개발해 왔다. 이들은 모델 구조에 최적화된 전용 칩을 통해 연산 효율을 극대화하고 인프라 제약을 극복한다.

칩 제조를 위한 잠재적 파트너로 Samsung을 물색했다

인프라 계약 선점 경쟁이 치열해진 상황에서 외부 의존도를 낮추기 위한 제조 파트너 물색이 시작됐다. The Information 보도에 따르면 Anthropic은 커스텀 칩 구축을 위한 잠재적 파트너로 Samsung을 검토한다. 이는 하드웨어 설계 단계부터 제조 공정까지 직접 관여해 공급망의 통제권을 확보하고 칩 수급의 불확실성을 제거하여 생산 효율을 높이려는 전략이다.

Claude에 대한 수요가 급증하며 AI 기업들이 가용한 인프라 계약을 빠르게 선점하려는 경쟁 구도가 심화하고 있다. 타사가 설계하고 공급하는 칩에만 의존하는 방식으로는 현재의 수요 증가 속도에 맞춰 시스템을 확장하는 데 명확한 한계가 있다. 자체 칩 설계는 외부 공급자의 로드맵에 얽매이지 않고 모델의 연산 특성에 최적화된 하드웨어를 직접 구현함으로써 인프라 확장성을 실질적으로 확보하는 해결책이 된다.

단순한 칩 구매에서 설계 단계로 진입하는 것은 추론 비용의 획기적 절감과 모델 특화 성능 최적화를 가능하게 하는 실행 기준이 된다.