이번 주 맞춤형 AI 칩 시장에서 먼저 봐야 할 숫자는 4,300만 달러입니다. 반도체 스타트업 TYLSemi가 2026년 7월 14일 유치한 초기 투자금입니다. 이 회사가 만들려는 제품은 완성된 AI 칩이 아니라, 다른 기업이 자체 칩을 설계할 때 가져다 쓸 수 있는 칩렛입니다.
중요한 변화는 투자금보다 사업 방식에 있습니다. 과거에는 맞춤형 AI 반도체를 만들려면 대규모 설계 인력과 막대한 자본이 필요했습니다. 이제는 이미 검증된 부품과 설계 도구를 조합하는 방법이 늘고 있습니다.
그렇다고 일반 기업이 곧바로 반도체 공장을 세울 수 있다는 뜻은 아닙니다. 개발 비용과 실패 위험은 여전히 큽니다. 다만 선택지가 ‘범용 GPU를 구매하거나, 전체 칩을 직접 만들거나’의 두 가지에서 벗어나고 있습니다.
먼저 알아둘 것
맞춤형 AI 칩은 한 기업이 모든 회로를 처음부터 설계한 칩만 가리키지 않습니다. 특정 업무에 맞춰 연산 장치, 메모리, 입출력 기능과 소프트웨어를 조합한 반도체도 넓은 의미의 맞춤형 칩에 포함됩니다.
맞춤형 AI 칩은 GPU와 무엇이 다른가
그래픽 처리 장치(Graphics Processing Unit, GPU)는 여러 종류의 AI 작업을 처리할 수 있습니다. 새로운 모델을 시험하거나 업무가 자주 바뀔 때 유리합니다. 필요한 수량만 구매하거나 클라우드에서 빌려 쓸 수도 있습니다.
맞춤형 AI 칩은 범위를 줄이는 대신 효율을 높입니다. 영상 분석, 음성 처리, 추천, 자율주행처럼 같은 계산이 계속 반복되는 업무에 맞춰 불필요한 기능을 덜어냅니다. 전력 소비, 처리 지연과 장비 크기를 줄이는 것이 주요 목표입니다.
두 방식 사이에는 반맞춤형 선택지도 있습니다. 기업이 연산 구조 전체를 설계하지 않고, 이미 검증된 중앙처리장치와 AI 가속기, 입출력 장치를 조합하는 방식입니다.
| 선택 방식 | 장점 | 부담 | 적합한 상황 |
|---|---|---|---|
| 범용 GPU | 빠른 도입과 높은 유연성 | 전력과 장기 운영비 | 업무가 자주 바뀌거나 수요가 불확실할 때 |
| 반맞춤형 가속기 | 검증된 설계 블록을 재사용할 수 있음 | 통합과 검증 인력 필요 | 업무가 비교적 고정되고 제품 차별화가 필요할 때 |
| 완전 맞춤형 ASIC | 높은 전력 효율과 업무 최적화 | 큰 초기 비용과 긴 개발 기간 | 수요와 처리량이 크고 장기간 유지될 때 |
왜 과거에는 빅테크만 만들 수 있었나
반도체는 설계 파일만 완성한다고 만들어지지 않습니다. 회로 검증, 제조 공정, 패키징, 메모리, 냉각과 소프트웨어가 함께 맞아야 합니다. 한 단계에서 문제가 생기면 칩을 다시 제작해야 할 수도 있습니다.
빅테크는 이 위험을 감당할 조건을 갖고 있었습니다. 같은 AI 업무를 매우 큰 규모로 처리하므로 전력비를 조금만 줄여도 절감액이 커집니다. 자체 모델과 데이터센터가 있어 어떤 계산을 줄여야 하는지도 잘 알고 있습니다.
반면 일반 기업은 사용량이 충분하지 않았습니다. 칩이 완성될 때쯤 AI 모델이나 제품 요구사항이 달라질 위험도 컸습니다. 자체 컴파일러와 개발 도구를 유지하는 일도 부담이었습니다.
칩렛은 맞춤형 칩의 비용 구조를 어떻게 바꾸나
칩렛은 큰 반도체를 기능별로 나눈 작은 칩 조각입니다. 연산, 메모리 연결, 입출력과 보안 기능을 각각 만든 뒤 하나의 패키지 안에서 연결합니다.
이 방식의 장점은 재사용입니다. 모든 기능을 새로 설계하지 않아도 됩니다. 이미 검증된 연산 칩렛과 입출력 칩렛을 가져오고, 필요한 부분만 바꿀 수 있습니다. 제품마다 전체 칩을 다시 만드는 부담도 줄어듭니다.
서로 다른 회사의 칩렛을 연결하려면 공통 규칙이 필요합니다. 범용 칩렛 연결 익스프레스(Universal Chiplet Interconnect Express, UCIe)는 칩렛 사이의 연결 방식과 관리 기능을 정하는 개방형 표준입니다. UCIe 3.0은 고속 연결뿐 아니라 전력 관리, 시험과 오류 대응 기능도 다룹니다.
TYLSemi가 노리는 지점도 여기에 있습니다. 고객이 특정 공급사의 폐쇄형 연결 기술에만 묶이지 않도록 개방형 표준 기반 칩렛을 제공하겠다는 계획입니다. 아직 초기 단계이지만 맞춤형 칩을 만드는 방식이 완제품 구매에서 부품 조합으로 넓어지고 있다는 신호입니다.
설계 도구와 파운드리는 무엇을 대신해주나
기업이 칩렛을 선택해도 조립과 검증은 남습니다. 각 부품이 제대로 연결되는지 확인해야 하고, 발열과 전력 문제도 계산해야 합니다. 실제 제조 공정에서 만들 수 있는 설계인지도 점검해야 합니다.
전자설계자동화(Electronic Design Automation, EDA) 기업은 이 과정을 도구로 제공합니다. 케이던스는 2026년 7월 15일 회로기판과 첨단 패키징 설계를 지원하는 AuraStack AI Super Agent를 공개했습니다. 설계 목표를 바탕으로 배치, 전력, 열과 제조 가능성을 함께 검토하는 방식입니다. 성능 수치는 회사 발표 기준이므로 실제 도입 효과는 별도 검증이 필요합니다.
삼성 파운드리와 케이던스는 검증된 설계 자산을 조합하는 물리적 AI 칩렛 시제품도 개발하고 있습니다. 고객이 중앙처리장치, AI 가속기와 업무 전용 칩렛을 선택해 구성할 수 있도록 기반 구조를 미리 만드는 접근입니다.
TSMC도 설계 도구, 시험과 패키징 기업을 연결하는 3DFabric 생태계를 운영합니다. 맞춤형 칩 개발이 한 회사의 내부 프로젝트에서 여러 전문기업이 나눠 맡는 공급망 사업으로 바뀌고 있는 셈입니다.
어떤 기업이 맞춤형 AI 칩을 검토할 수 있나
기업의 크기보다 업무의 성격이 중요합니다. 같은 계산을 오랫동안 반복하고, 전력이나 처리 지연이 제품 경쟁력에 직접 영향을 준다면 검토 가치가 생깁니다.
자동차와 로봇은 대표적인 사례입니다. 카메라와 센서 데이터를 정해진 시간 안에 처리해야 하며, 전력과 발열에도 제한이 있습니다. 국내 BOS반도체와 Tenstorrent가 자동차용 AI 가속기 칩렛을 개발한 이유도 이런 조건과 관련이 있습니다.
통신 장비, 산업용 카메라, 의료기기와 엣지 서버도 비슷한 질문을 갖고 있습니다. 클라우드 GPU 사용료보다 제품당 전력 소비와 응답 시간이 더 중요한 경우입니다.
검토 가능성이 높은 업무
- 같은 AI 추론 작업을 대량으로 반복합니다.
- 응답 속도가 제품 안전이나 사용자 경험에 직접 영향을 줍니다.
- 전력과 발열 때문에 범용 GPU를 그대로 쓰기 어렵습니다.
- 제품 구조가 최소 3~5년 유지될 가능성이 있습니다.
- 칩과 소프트웨어를 함께 관리할 기술 파트너가 있습니다.
GPU를 버리는 전략으로 보면 판단이 틀어진다
맞춤형 칩은 GPU를 모두 대체하는 제품이 아닙니다. 새로운 모델을 학습하고 실험하는 단계에서는 GPU의 유연성이 필요합니다. 업무가 충분히 안정된 뒤 반복되는 일부 작업만 전용 칩으로 옮기는 편이 현실적입니다.
메타의 자체 AI 칩도 외부 GPU를 없애기 위한 단일 해법이 아닙니다. 회사는 자체 가속기와 외부 GPU를 함께 배치하는 방향을 택하고 있습니다. 기업이 먼저 정해야 할 것은 어떤 칩을 살지가 아니라, 어떤 업무를 어디에서 실행할지입니다.
모델이 자주 바뀌는 업무는 GPU에 남겨둘 수 있습니다. 처리량이 크고 계산 방식이 고정된 업무는 맞춤형 칩 후보가 됩니다. 이 구분이 없으면 전용 칩의 효율보다 개발 부담이 더 커질 수 있습니다.
도입 전에 확인할 다섯 가지
맞춤형 AI 칩은 구매 프로젝트보다 제품 개발 프로젝트에 가깝습니다. 단가만 비교해서는 판단하기 어렵습니다. 설계비, 소프트웨어, 시험, 패키징과 실패 비용을 함께 봐야 합니다.
CHECKLIST
- 업무: 3년 뒤에도 같은 계산을 반복할 가능성이 있습니까?
- 규모: 초기 개발비를 나눌 만큼 처리량이나 제품 수량이 충분합니까?
- 소프트웨어: 컴파일러와 개발 도구를 누가 유지합니까?
- 공급망: 파운드리, 메모리와 패키징 공급이 지연될 때 대안이 있습니까?
- 전환 기준: 전력, 속도, 비용 중 어떤 수치가 개선돼야 개발을 계속합니까?
다음에 볼 지표는 자체 칩을 발표한 기업의 수가 아닙니다. 실제 제품에 투입된 수량, GPU 대비 전력 절감, 소프트웨어 유지비와 다음 세대 칩의 재사용 비율을 확인해야 합니다. 이 네 가지가 공개돼야 맞춤형 AI 칩이 어디까지 확산될 수 있는지 판단할 수 있습니다.
맞춤형 AI 칩이 빅테크 밖으로 확장되는 이유는 반도체 개발이 쉬워져서만은 아닙니다. 칩렛, 개방형 연결 표준, 검증된 설계 자산, 파운드리와 AI 기반 설계 도구가 하나의 생태계로 연결되고 있기 때문입니다. 다만 업무량과 제품 수명이 충분하지 않다면 GPU가 여전히 더 합리적인 선택입니다.
FAQ
자주 묻는 질문
Q. 맞춤형 AI 칩이란 무엇인가요?
특정 AI 업무에 맞춰 연산 구조와 메모리, 입출력 기능을 조정한 반도체입니다. 모든 회로를 처음부터 만드는 완전 맞춤형 칩도 있고, 검증된 설계 블록과 칩렛을 조합한 반맞춤형 제품도 있습니다.
Q. 칩렛을 사용하면 반도체 개발이 저렴해지나요?
재사용 가능한 부품이 늘어나므로 일부 설계 시간과 위험을 줄일 수 있습니다. 그러나 패키징, 시험, 소프트웨어와 생산 비용은 남습니다. 전체 사업비를 기준으로 비교해야 합니다.
Q. 맞춤형 AI 칩은 GPU를 대체하나요?
대부분은 일부 업무를 나눠 맡는 보완 관계에 가깝습니다. GPU는 학습과 실험에 유리하고, 맞춤형 칩은 반복되는 추론 작업의 전력과 처리 속도를 개선하는 데 적합합니다.
Q. 일반 기업도 자체 AI 칩을 만들 수 있나요?
전문 설계회사와 파운드리, 칩렛 공급사를 활용하면 과거보다 접근하기 쉬워졌습니다. 다만 충분한 처리량과 장기 제품 계획, 소프트웨어 운영 역량이 없다면 범용 칩을 사용하는 편이 비용 면에서 나을 수 있습니다.
TERMINOLOGY
본문에 나오는 주요 용어
| 용어 | 뜻 | 실무 포인트 |
|---|---|---|
| ASIC | 특정 용도를 위해 만든 주문형 반도체 | 높은 효율을 얻을 수 있지만 초기 개발비가 큽니다. |
| 칩렛 | 기능별로 나눈 작은 반도체 조각 | 검증된 부품을 재사용하고 제품별 구성을 바꿀 수 있습니다. |
| UCIe | 서로 다른 칩렛을 연결하기 위한 개방형 표준 | 공급사 간 호환성과 관리 방식을 확인하는 기준입니다. |
| 파운드리 | 고객이 설계한 반도체를 생산하는 제조사 | 공정뿐 아니라 설계 검증과 패키징 생태계도 중요합니다. |
| EDA | 반도체 회로와 패키지를 설계하고 검증하는 소프트웨어 | 설계 오류와 재제작 위험을 줄이는 핵심 도구입니다. |
References
- [1] Reuters | TYLSemi raises $43 million to create building blocks of custom AI chips
- [2] Cadence | AuraStack AI Super Agent for PCB and Advanced Packaging
- [3] Samsung Semiconductor | Accelerating Chiplet Solutions for Physical AI
- [4] UCIe Consortium | UCIe Specifications
- [5] TSMC | 3DFabric Alliance
- [6] BOS Semiconductors | Automotive and Robotics Chiplet SoC Family
- [7] Reuters | Meta to put custom AI chip into production
댓글
댓글 쓰기