발표에서 확인된 핵심 사실

매달 천문학적인 GPU 비용을 지불하며 컴퓨팅 자원을 확보하는 일은 이제 빅테크 기업들에게 피할 수 없는 일상이 되었다. 이러한 상황에서 메타는 2025년 9월부터 최신 버전의 AI 전용 칩 생산을 시작할 예정이다. 이는 전례 없는 부품 부족 현상을 타개하고 범용 GPU에 집중된 비용 구조를 개선하기 위한 실질적인 대응책이다. 로이터 통신이 인용한 내부 메모에 따르면, 개발 중인 칩 중 최소 하나는 약 6주 만에 테스트 단계를 통과하며 생산 준비를 마쳤다.

메타는 올해 자본 지출 규모를 1,250억 달러에서 1,450억 달러 사이로 예상하고 있다. 이 막대한 자금은 대부분 AI 관련 인프라를 구축하고 컴퓨팅 역량을 확보하는 데 투입된다. 자체 칩 생산은 단순히 외부 의존도를 낮추는 것을 넘어, 자사의 특정 AI 워크로드에 최적화된 하드웨어 환경을 조성하려는 전략적 선택이다.

기술이 실제로 작동하는 방식

데이터센터의 전력 효율과 연산 성능을 최적화하려는 엔지니어들의 고민은 현장에서 더욱 직접적으로 체감된다. 메타(Meta)는 지난 3월 메타 트레이닝 및 추론 가속기(Meta Training and Inference Accelerator, MTIA) 프로그램을 통해 개발한 4종의 신규 칩을 상세히 공개하며 하드웨어 독립을 위한 구체적인 로드맵을 제시했다. 이들 칩은 현재 일부 배포 중이거나 올해와 내년에 걸쳐 순차적으로 현장에 투입될 예정이다. 메타는 급변하는 인공지능 모델의 요구 사항에 기민하게 대응하기 위해 개별 부품을 조합하여 하나의 칩을 구성하는 모듈식 칩렛(Chiplet) 설계 방식을 채택했다.

엔비디아로 집중되는 자본의 흐름을 분산하려는 움직임은 빅테크 업계 전반에서 동시다발적으로 나타난다. 오픈AI(OpenAI)는 지난달 브로드컴(Broadcom)과 협력하여 자체 추론 프로세서를 개발 중이라고 밝혔으며, 앤트로픽(Anthropic) 또한 삼성전자와 함께 전용 칩 설계를 검토하고 있다. 이미 아마존과 구글은 자체적인 AI 훈련 및 추론용 칩을 확보하여 운영 중이다. 이러한 하드웨어 전략의 변화는 범용 GPU에 의존하던 기존의 인프라 구축 방식에서 특정 워크로드에 최적화된 맞춤형 실리콘으로 자원을 재배치하는 흐름을 가속한다.

칩은 추천 알고리즘 훈련 및 추론 등에 사용되며, 엔비디아

범용 GPU를 확보하기 위해 매년 천문학적인 자본을 투입해야 하는 기업들은, 과연 인프라의 주도권을 외부 공급사에 온전히 맡긴 채 지속 가능한 성장을 담보할 수 있을까. 메타는 이러한 의문에 대응하기 위해 자체 개발한 AI 가속기인 MTIA(Meta Training and Inference Accelerator)를 9월부터 본격 생산한다. 이 칩은 메타의 애플리케이션 내 순위 및 추천 알고리즘 모델 훈련과 광범위한 AI 워크로드, 그리고 추론 작업에 최적화된 설계를 갖췄다. 엔비디아와 AMD 같은 기존 칩 제조사에 대한 의존도를 낮추는 것이 핵심 목표이나, 여전히 이들 공급업체로부터의 GPU 구매 비용 또한 상당 부분 유지될 것으로 보인다.

MTIA의 하드웨어 아키텍처는 효율적인 공급망과 전문 기술의 결합으로 완성된다. 메타는 칩 설계 과정에서 브로드컴(Broadcom)과 협력하며, 제조는 대만의 파운드리 기업인 TSMC(Taiwan Semiconductor Manufacturing Company)가 전담한다. 또한 삼성전자의 RAM(Random Access Memory), 샌디스크(Sandisk)의 스토리지, 스미토모 일렉트릭(Sumitomo Electric)의 광섬유 장비를 결합하는 모듈형 칩렛(Chiplet) 아키텍처를 채택했다. 이는 범용 GPU를 활용하던 기존 방식에서 벗어나, 특정 워크로드에 맞춰 하드웨어 구성 요소를 최적화하는 전략적 변화를 보여준다.

메타의 MTIA 양산은 범용 GPU라는 단일 경로에 갇혀 있던 AI 인프라 전략이 특정 워크로드에 최적화된 맞춤형 실리콘 생태계로 완전히 전환되었음을 증명한다. 이제 엔지니어들은 인프라 설계 시 범용 연산 자원의 확보를 넘어, 자사 서비스의 추론 효율을 극대화할 수 있는 하드웨어 모듈 조합을 직접 검토해야 한다. 범용 GPU와 자체 칩 사이의 비용 대비 성능 효율을 계산하는 것이 향후 6개월간 인프라 아키텍처의 성패를 가를 핵심 기준이 된다.