구글 모회사 알파벳이 인공지능(AI) 수요 확대에 힘입어 시장 전망을 웃도는 2분기 실적을 거뒀다. 특히 구글은 올해 투자 규모를 최대 303조원으로 상향하면서 ‘빅테크의 AI 투자 피크아웃 우려’를 불식시켰다는 평가가 나온다. 알파벳은 22일(현지시간) 2분기 매출이 1198억 달러(약 177조원), 영업이익은 407억 7000만 달러(약 60조원)를 기록했다고 밝혔다. 전년동기대비 각각 24%, 30% 증가했다. 생성형 AI 확산으로 기업들의 클라우드 수요가 빠르게 늘어났고 검색과 광고 사업도 견조한 성장세를 이어갔다. 구글 클라우드 매출은 전년 동기보다 82% 증가한 248억 달러를 기록하며 실적을 견인했다. 기업들의 생성형 AI 도입 확대로 컴퓨팅 인프라 수요가 늘어난 영향이다. 자체 AI 칩인 텐서처리장치(TPU)를 외부 고객 데이터센터에 판매한 실적도 이번 분기부터 처음 클라우드 매출에 반영됐다. AI 사업 확대에 따른 투자도 늘고 있다. 알파벳의 2분기 자본지출(CAPEX)은 449억 달러(약 66조원)로 역대 최대였다. 데이터센터와 AI 인프라 투자 확대로 분기 잉여현금흐름(FCF)은 마이너스 58억 6000만 달러로 적자 전환했다. 다만 최근 12개월 누적 FCF는 533억 달러로 투자 여력은 여전히 충분한 것으로 평가된다. 알파벳은 올해 자본지출 전망치도 기존 1800억~1900억 달러에서 1950억~2050억 달러(약 288조~303조원)로 상향 조정했다. 아나트 아슈케나지 최고재무책임자(CFO)는 내년 자본지출도 올해보다 “상당히(significantly)” 늘어날 것이라고 밝혔다. 이에 삼성전자는 23일 전 거래일보다 3.65% 오른 27만원, SK하이닉스는 4.86% 상승한 191만 9000원에 거래를 마쳤다. 코스피 지수도 4.40% 오른 7096.89로 마감했다. 한편 이날 구글이 약 60조원의 2분기 영업이익을 기록하면서 삼성전자(89조원)의 실적이 글로벌 빅테크 중 최대 기록으로 재확인됐다. 이에 1인당 6억원 상당의 특별경영성과급을 받게 될 것으로 보이는 삼성전자 반도체(DS) 부문 직원들은 특별성과급 일부를 사회공헌에 활용하는 방안을 검토 중인 것으로 알려졌다.

구글이 기업용 인공지능(AI) 플랫폼 ‘제미나이 엔터프라이즈’를 소개하며 보안과 기업 맞춤형 풀스택 인프라를 꼽았다. 구글은 14일 서울 중구 신라호텔에서 ‘구글 AI 포 비즈니스 2026’를 열고 구글 클라우드의 기업용 AI 플랫폼 제미나이 엔터프라이즈 통합 인프라를 소개했다. 루스 선 구글 클라우드 코리아 사장은 “소비자용 제미나이 앱이 일상에서 고도로 개인화된 지원을 제공하는 파트너라면, 제미나이 엔터프라이즈는 기업의 엔진에 통합돼 안전하게 AI 전환을 돕는 보안 플랫폼”이라고 설명했다. 특히 경쟁사와 비교해 제미나이 엔터프라이즈만의 차별화 요소로 보안·통합·자동화 세 가지를 꼽았다. 선 사장은 “구글은 텐서처리장치(TPU)부터 제미나이, 오케스트레이션 플랫폼과 직관적인 사용자 인터페이스(UI)까지 전 영역에 걸친 통합 ‘AI 스택’을 유일하게 보유하고 있다”고 평가했다. 이날 구글은 삼성전자, CJ올리브영 등 국내 주요 대기업이 제미나이 엔터프라이즈를 도입한 과정도 공개했다. 전날 삼성전자는 자사의 완제품 담당인 디바이스경험(DX)부문 임직원들에게 구글의 제미나이 엔터프라이즈를 제공한다고 밝힌 바 있다. 선 사장은 “삼성전자가 임직원들이 사내 정보에 안전하게 접근해 즉각 지식을 습득할 수 있는 게이트웨이로서 제미나이 엔터프라이즈를 사용 중”이라며 “기존에 수동적인 정보 검색에 그쳤다면 이제는 주도적인 문제 해결 도구로 활용하고 있다”고 밝혔다. 이어 “삼성전자의 복잡한 업무 처리 과정을 반영한 맞춤형 AI 에이전트를 구축할 수 있도록 데이터와 인프라를 구축하고 있다”며 “삼성전자는 성능, 보안, 투자대비효과(ROI)를 하나부터 열까지 다 따지고 매일 피드백을 줬다”고 덧붙였다. 이외에도 CJ올리브영이 제미나이 엔터프라이즈를 도입했다고 밝힌 선 사장은 “리테일 운영과 AI 퍼스트 문화 정착을 위한 것”이라며 “비개발자인 상품팀에서도 엄격한 보안 거버넌스 안에서 시장 데이터를 분석할 수 있는 맞춤형 마켓 데이터 분석이 가능했다”고 말했다. 실제로 CJ올리브영의 매장 직원들은 제미나이 엔터프라이즈를 통해 텍스트와 이미지, 음성 데이터를 활용해 매장 재고를 관리하고 있는 것으로 전해졌다. 선 사장은 “한국 정부와의 협력도 꽤 많이 생기고 있는 중”이라며 “정부와도 보안에 대한 우려 없이 모든 시민에게 제공할 수 있는 서비스를 논의 중”이라고 말했다. 윤구 구글코리아 사장은 한국을 글로벌 AI 기업들이 실제로 경쟁을 벌이는 핵심 격전지로 표현하며 한국 시장의 중요성을 강조했다. 윤 사장은 “과거 모바일 전환기에 한국은 글로벌 테스트베드로 불렸지만 AI 전환기에는 전 세계 AI 혁신 주체들이 진검승부를 벌이는 격전지”라고 말했다. 이날 행사에서는 한국 소비자의 76%가 새로운 제품이나 서비스에 대한 초기 아이디어를 얻을 때 AI 검색을 포함한 검색 도구를 가장 먼저 이용하고, 87%는 원하는 결과를 얻기 위해 정교한 검색을 거듭하며 심층 탐색을 시도한다는 구글코리아의 조사 결과도 발표됐다. AI가 검색 정보를 즉각 제시해 소비자가 웹사이트를 직접 방문하지 않고 구매 결정을 내리는 ‘제로 클릭’ 현상이 나타난다는 반론에 대해 윤 사장은 “고가의 상품일수록 소비자들은 AI 챗봇의 답변을 최종 결정이 아닌 참고 자료로만 활용한다”고 반박했다. 한국 소비자들이 AI로 아무리 많은 검색을 하더라도 최종 검증을 위해서는 기존 검색 엔진으로 되돌아오는 ‘끊임없는 검증 루프’를 만든다는 것이다. 윤 사장은 마케팅의 역할이 오히려 더 중요해졌다고 강조하며 “에이전트 AI 시대를 맞이해 다양한 국내 기업의 비즈니스 혁신을 지원할 것”이라고 밝혔다.

엔비디아가 범용 그래픽처리장치(GPU)를 앞세워 주도하던 인공지능(AI) 반도체 시장이 빅테크들의 AI 전용 주문형반도체(ASIC) 경쟁으로 다변화하고 있다. 챗GPT 개발사 오픈AI가 처음으로 자체 AI칩을 공개하며 구글, 마이크로소프트(MS), 메타, 아마존에 이어 자체 AI칩 경쟁에 가세했다. AI칩에 필수인 고대역폭메모리(HBM)를 공급하는 삼성전자와 SK하이닉스도 수혜가 기대된다. 오픈AI와 브로드컴은 지난 24일(현지시간) 공동 개발한 추론 특화 AI칩 ‘할라페뇨’를 공개하고 올해 말부터 데이터센터에 배치할 계획이라고 밝혔다. 양사는 할라페뇨가 기존 AI칩을 개량한 제품이 아니라 챗GPT와 코덱스 운영 경험을 바탕으로 처음부터 설계한 ASIC라고 설명했다. 칩은 TSMC가 생산하고 삼성전자와 SK하이닉스가 메모리를 공급한다. 브로드컴의 호크 탄 CEO는 “엔비디아의 블랙웰 칩이나 구글의 텐서처리장치(TPU)와 대등한 성능을 갖췄다”고 전했다. ASIC는 범용 GPU보다 전력 소비와 운영 비용을 줄일 수 있어 데이터센터 경쟁력의 핵심으로 주목받고 있다. 빅테크들의 자체 AI칩 경쟁도 한층 치열해지고 있다. 구글은 7세대 TPU 아이언우드를 제미나이와 클라우드 서비스에 적용하고 있으며, MS는 마이아 200, 메타는 MTIA, 아마존은 트레이니엄 3를 앞세워 AI 인프라 내재화를 추진하고 있다. 이 같은 흐름은 국내 메모리 업계에도 기회다. ASIC 개발이 확대될수록 HBM 수요도 함께 늘어나고, 고객사별 AI칩 구조에 맞춘 맞춤형 HBM 개발 중요성도 커지고 있기 때문이다. SK하이닉스는 고객 맞춤형 HBM4를 개발 중이며, 삼성전자는 메모리와 파운드리, 첨단 패키징을 결합한 턴키 전략으로 대응하고 있다. 곽노정 SK하이닉스 CEO는 최근 “기존 AI 시장이 범용성에 집중했다면 최근 수요는 추론 효율성과 총보유비용(TCO) 최적화로 확대되고 있다”며 “HBM도 표준에서 맞춤형으로 제품 라인업을 확장하고 있다”고 말했다. 블룸버그 인텔리전스는 AI 가속기 시장에서 ASIC 비중이 2024년 8%에서 2033년 19%로 확대되며 연평균 27% 성장할 것으로 전망했다.

TSMC가 글로벌 파운드리(반도체 위탁생산) 시장에서 70%를 넘는 점유율로 독주 체제를 굳히면서 삼성전자와의 격차가 더욱 벌어졌다. 12일 시장조사업체 트렌드포스에 따르면 세계 파운드리 시장 1위인 TSMC는 1분기 매출 358억 5500만달러를 기록하며 점유율 72.3%를 차지했다. 전년 동기 대비 매출은 40.5% 증가했고 점유율은 4.6% 포인트 상승했다. 반면 삼성전자는 매출 32억 100만달러, 점유율 6.5%를 기록했다. 매출은 전년 동기보다 10.6% 증가했지만 점유율은 1.2% 포인트 하락했다. 양사 간 격차는 더욱 확대됐다. TSMC와 삼성전자의 점유율 차이는 지난해 1분기 59.9% 포인트에서 올해 65.8% 포인트로 벌어졌다. 삼성전자를 추격하는 중국 SMIC는 매출 25억 500만달러, 점유율 5.1%를 기록하며 삼성전자와의 격차를 1.4% 포인트까지 좁혔다. 업계에서는 AI 반도체 시장이 급성장하는 과정에서 TSMC가 엔비디아, AMD, 애플, 브로드컴 등 주요 고객사의 첨단 공정 수요를 사실상 독점하면서 시장 지배력을 더욱 강화하고 있다는 분석이 나온다. 삼성전자는 3나노 게이트올어라운드(GAA) 공정 양산을 세계 최초로 시작했지만 수율과 고객 확보 측면에서 기대만큼 성과를 내지 못하면서 점유율 확대에 어려움을 겪고 있다. 한편 한진만 삼성전자 DS부문 파운드리사업부장(사장)은 이날 임직원 대상 경영현황 설명회에서 현재의 위기를 인정하면서도 중장기 경쟁력 회복 의지를 밝혔다. 한 사장은 “파운드리 사업의 흑자 전환은 내년에도 쉽지 않아 보인다”며 “2028년에는 흑자 달성 가능성이 높다”고 말했다. 최근 증권가에서는 비메모리 사업의 적자 폭 축소와 함께 내년 흑자 전환 가능성도 제기했지만 회사 내부에서는 보다 보수적인 전망을 내놓은 셈이다. 그는 적자 지속의 원인으로 모바일 중심 사업 구조 탈피 지연, 기술 완성도 부족, 낮은 수익성의 수주 구조, 레거시 공정 운영 전략 미흡 등을 지목했다. 특히 “적자를 만든 것은 결국 경영진의 책임”이라며 사업 체질 개선을 통해 수익성을 높이겠다는 의지를 드러낸 것으로 전해졌다. 삼성전자는 향후 선단 공정 경쟁력 확보와 주력 공정 사업 기반 강화를 동시에 추진한다는 계획이다. 현재 수익을 내고 있는 8인치(구형) 파운드리 사업에 대해서도 시장 경쟁 심화를 이유로 단계적 축소 방침을 밝혔다. 대신 2나노 이하 첨단 공정과 AI 반도체 생산 역량에 집중해 수익성 중심의 사업 구조를 구축한다는 전략이다. 실제 삼성전자는 미국 텍사스주 테일러 공장에 2나노 공정을 적용한 생산시설을 구축 중이며, 내년부터 테슬라 차세대 AI6 칩 양산에 나설 것으로 전망된다. 엔비디아 플랫폼에 탑재되는 그록(Groq)의 언어처리장치(LPU) 생산도 맡고 있으며, 최근에는 구글 차세대 TPU 핵심 부품 수주 가능성도 거론된다.

삼성전자가 구글의 차세대 인공지능(AI) 칩 생산 일부를 맡게 될 전망이다. 구글은 10세대 텐서처리장치(TPU)의 핵심 부품 생산을 삼성전자 파운드리(반도체 위탁생산) 사업부에 맡기는 방안을 논의 중이라고 미 정보기술(IT) 전문매체 디인포메이션이 복수 소식통을 인용해 11일(현지시간) 보도했다. 구글은 ‘아이스피시’라는 코드명으로 알려진 이 TPU를 부품별로 TSMC와 삼성전자에 나눠 맡길 방침이다. 연산을 담당하는 메인 프로세서는 TSMC의 1.4나노미터(㎚·10억분의 1m) 공정을 통해 생산하고, 삼성전자는 이와 고대역폭메모리(HBM)를 연결하는 핵심 부품인 메모리 입출력 다이(I/O Die)를 2㎚ 공정으로 생산하는 방안이 유력하다. 최신 AI 칩은 방대한 데이터를 끊임없이 처리하기 위해 연산 장치와 메모리 사이의 데이터 소통을 돕는 연결 부품의 역할이 매우 중요하다. 구글이 삼성전자에 이 부품 생산을 위탁하는 데는 세계 1위 메모리 반도체 생산기업인 삼성전자가 HBM을 비롯한 메모리의 특성과 규격을 완벽하게 이해하고 있다는 점도 고려한 것으로 추정된다. 이에 따라 삼성전자 메모리 사업부가 HBM을 공급하고, 파운드리 사업부가 입출력 다이를 찍어낸 뒤 이를 메인 프로세서와 조립하는 첨단 패키징까지 처리하게 될 가능성도 제기된다. 구글은 현재 대만의 반도체 설계기업 미디어텍과 함께 아이스피시 칩을 설계 중이며 2028년 이 칩을 본격 양산할 계획이다.

글로벌 인공지능(AI) 패권 경쟁이 격화하는 가운데 국내 대표 기업인 삼성전자 노사가 성과급 갈등으로 시간을 보내자 산업계의 위기감이 커지고 있다. 글로벌 빅테크들이 막대한 투자와 기술 혁신으로 AI 시대 주도권 확보에 속도를 내는 사이, 삼성전자는 한 달 가까이 이어진 노사 대치 속에 ‘잃어버린 5월’을 보내고 있다는 우려도 나온다. 삼성전자 노사는 19일 중앙노동위원회에서 2차 사후조정 이틀째 회의를 열고 협상했다. 노사는 최대 쟁점인 성과급 제도화와 상한제 폐지, 성과급 재원의 부문·사업부별 배분 비율 등을 놓고 줄다리기를 벌였다. 삼성전자는 지난 2월 업계 최초로 고대역폭메모리(HBM)4를 양산 출하했고, 엔비디아 등에 이를 공급하기로 하면서 시장 점유율 확대에 속도를 높이고 있었다. 올해 1분기 영업이익 57조원을 기록하며 한때 흔들렸던 ‘반도체 1등’ 타이틀도 되찾았다. 고객사들이 이미 2027년 물량까지 선주문에 나선 상황에서 이번 사태는 적잖은 부담으로 작용할 수 있다. 실제 삼성전자 반도체(DS) 부문은 총파업 가능성에 대비해 일부 생산라인의 신규 웨이퍼 투입을 줄이고 공정 속도를 조절하는 ‘웜다운’ 작업에 착수한 것으로 전해졌다. 웜다운은 반도체 공정을 갑작스럽게 멈출 경우 발생할 수 있는 웨이퍼 손상과 장비 이상 등을 최소화하기 위한 사전 조정 조치다. 아직 생산량 축소에 직접적인 영향을 미치는 단계는 아니지만, 업계에서는 사실상 비상 대응 체제에 돌입했다는 신호로 받아들이고 있다. 업계 관계자는 “생산 차질과 불량 위험을 최소화하기 위한 불가피한 조치”라고 설명했다. 이재용 삼성전자 회장도 최근 고객사와 협력사 등을 직접 챙기며 글로벌 현장 경영에 속도를 내고 있었다. 올해 들어 리사 수 AMD 최고경영자(CEO), 하워드 러트닉 미국 상무장관 등을 만나는 등 공개 행보를 이어 갔지만 총파업 사태로 지난 17일 해외 출장에서 조기 귀국해 대국민 사과를 했다. 글로벌 빅테크들은 이달 들어 체질 개선과 청사진 등을 발표하면서 투자와 기술 혁신에 사활을 걸고 있다. 엔비디아는 오픈AI와 xAI 등에 올해 들어 400억 달러(약 58조원)의 지분 투자를 단행했다. 미국 파이낸셜타임스(FT) 등 외신에 따르면 구글 모회사 알파벳은 최근 약 5조 2000억원 상당의 채권을 발행했다. 구글은 사모펀드 블랙스톤과 손잡고 50억 달러(7조 5000억원) 규모의 AI 데이터센터 합작법인을 설립해 자체 AI 칩(TPU) 공급망 넓히기에 나섰다. 생성형 AI ‘클로드’ 개발사인 앤스로픽은 당초 예상보다 80배에 달하는 성장 속도를 감당하기 위해 스페이스X와 계약을 맺고 테네시주 멤피스 데이터센터의 컴퓨팅 용량 전체를 확보했다. 삼성전자의 성과급 갈등은 우리나라가 ‘초격차 기술 확보’ 및 ‘성과 분배’ 사이에서 어떻게 균형을 맞출지에 대한 숙제를 던졌다. 한국기업경영학회장인 윤동열 건국대 경영학과 교수는 “단기 분배 중심의 노사협상이 반복되면 생산성과 미래에 대한 투자가 줄어들 수밖에 없고, 성과급 분배로 고용 확대를 통한 선순환 구조를 만들기도 어려워진다”고 지적했다. 이어 “기업의 지속 가능성을 고려해 노사가 기업의 미래를 위한 투자나 빅사이클 이후를 대비하는 연구개발 투자도 같이 고려한 분배가 돼야 한다”고 덧붙였다. 김성희 고려대 노동대학원 교수는 “경쟁력 확보와 분배, 상생 등을 아울러 고려할 수 있는 폭넓은 의미에서의 환경·사회·지배구조(ESG)의 기준점을 세워 나가는 첫 사례가 될 것”이라고 분석했다. 김정관 산업통상부 장관은 이날 국회 산업통상자원중소벤처기업위원회 전체회의에서 “파업이 발생했을 때의 악영향을 우리 모두가 알면서도 우리 사회가 이를 해결하지 못한다면 앞으로 무슨 일을 할 수 있을까 하는 절박하고 아쉬운 마음”이라고 토로했다. 한편 전날 법원의 위법 쟁의행위 금지 가처분 신청 일부 인용에 따라 사측은 노조에 총파업 시 안전업무 2396명, 보안작업 4691명 등 7087명의 근로자가 투입돼야 한다고 규정했다.

유아용품 전문기업 꿈비(대표 박영건)는 자회사 옥토아이앤씨를 흡수합병해 시공매트 사업 중심의 수익 구조 개편과 실적 성장을 도모한다고 밝혔다. 꿈비는 그간 폴더매트 시장을 중심으로 사업을 전개해 왔으나, 유아 매트 시장이 TPU 시공매트 중심으로 전환됨에 따라 매트 사업의 구조적 변화를 추진해 왔다. 이에 따라 2025년 8월 시공매트 브랜드인 ‘봄봄매트’와 ‘슈슈비 클립매트’를 보유한 옥토아이앤씨의 인수계약을 체결한 바 있다. 옥토아이앤씨는 스마트공장 기반의 TPU 시공매트 전용 생산라인과 기업부설 층간소음매트 연구소를 운영하고 있으며, 13건의 국내외 안전 인증 및 전국 단위의 시공·영업 조직을 보유한 사업체다. 인수 전인 2024년 기준 매출액 75억원, 당기순이익 3억 3000만원을 기록하며 전년 대비 42%의 성장률을 기록한 흑자 기업이다. 인수 이후 꿈비의 실적 지표는 상승세를 나타냈다. 꿈비의 2026년 1분기 연결 기준 매출은 315억원으로 전년 동기(119억원) 대비 164% 증가했다. 2025년 연간 매출 84억원·영업이익 5억 2000만원을 달성한 데 이어, 2026년 1분기에는 매출 33억 8000만원·영업이익 5억 6000만원을 기록하며 단 한 분기 만에 전년도 연간 영업이익을 초과 달성했다. ▲1월 매출 10억원·영업이익 9600만원 ▲2월 매출 10억 3000만원·영업이익 1억 3900만원 ▲3월 매출 13억 5000만원·영업이익 3억 2500만원으로, 매월 매출과 영업이익이 동반 상승하는 흐름이 이어지고 있다. 3월 단일 월 영업이익은 3억원을 상회하며 월간 최대 실적을 기록한 것으로 집계됐다. 실적 증가 과정에서 기존 1공장의 생산 능력 한계로 인해 1만 건 이상의 출고 지연이 발생하기도 했다. 옥토아이앤씨는 공급 부족 문제를 해소하기 위해 스마트공장 기반의 2공장을 2026년 5월 증설 완료하고, 5월 중순부터 본격적인 양산 체제에 돌입했다. 이번 공장 증설은 단순한 설비 확장을 넘어 자동화 및 로봇 기술 기반의 스마트공장 고도화 방식으로 진행됐으며, 이에 따라 생산 능력이 확대될 예정이다. 꿈비는 이번 합병 절차를 통해 옥토아이앤씨가 보유한 제조, 시공, 영업 역량을 전면 내재화할 계획이다. 이를 기반으로 에르모어, 가이아코퍼레이션 등 그룹 내 유통망과의 시너지 효과를 실현할 방침이다. 아울러 인적·물적 자원의 신속한 통합과 의사결정 체계의 일원화를 통해 사업 성장 속도를 제고한다는 구상이다. 꿈비 관계자는 “옥토아이앤씨 인수 이후 연결 기준 실적 개선 흐름이 뚜렷하게 나타나고 있으며, 시공매트 수요 증가와 생산 CAPA 확대가 맞물리면서 추가 성장 여력도 충분하다”며 “이번 합병으로 제조·시공·유통을 완전히 통합해 시공매트 사업에서의 경쟁력을 한층 강화하고, 기업가치 제고에도 집중하겠다”고 밝혔다. 한편 이번 합병은 꿈비가 지분 100%를 보유하고 있는 자회사 옥토아이앤씨를 소규모 무증자 방식으로 흡수합병하는 형태로 진행된다. 합병 기일은 2026년 8월 1일로 예정돼 있다. 합병 절차가 완료된 이후에도 꿈비는 존속회사로 유지되며, 법인의 최대주주 변경은 발생하지 않는다.

구글이 지난해 8월 7세대 TPU인 아이언우드를 발표한 지 1년도 채 되지 않아 8세대 TPU를 공개하며 AI 가속기 시장에서 속도전을 벌이는 모습입니다. 이렇게 빠르게 차세대 칩을 내놓았다는 것은 7세대 공개 시점에서 이미 8세대를 개발 중이었다는 이야기입니다. 이는 두 개의 팀을 따로 만들어 비용을 더 투자하더라도 개발 경쟁에서 경쟁자를 앞서겠다는 강한 의지 없이는 불가능한 일입니다. 이번 8세대 TPU의 가장 큰 특징은 사상 처음으로 학습과 추론 전용 칩을 분리해 각각 TPU 8t와 TPU 8i로 이원화했다는 점입니다. 특히 이번 세대는 단순한 칩의 성능 향상을 넘어, 스스로 판단하고 행동하는 ‘에이전틱 AI(Agentic AI)’ 시대를 뒷받침하기 위한 ‘AI 하이퍼컴퓨터’ 아키텍처의 핵심 엔진으로 설계됐습니다. 학습 전용인 TPU 8t는 216GB의 HBM 메모리를 탑재하고 단일 슈퍼포드당 최대 9600개의 칩을 3D 토러스(Torus) 토폴로지로 연결해 압도적인 확장성을 자랑합니다. 이를 통해 최첨단 모델의 배포 기간을 수개월에서 수주 단위로 단축할 수 있으며, 포드당 총 121 ExaFlops의 FP4 연산 능력을 제공합니다. 추론 특화 칩인 TPU 8i는 에이전틱 AI의 핵심인 ‘추론(Reasoning)’ 성능을 극대화하기 위해 설계됐습니다. 288GB의 HBM과 더불어 이전 세대보다 3배 늘어난 384MB의 온 칩 (on chip) SRAM을 탑재했습니다. 이는 최근 엔비디아가 공개한 추론 가속기인 그록(Groq) LPU의 SRAM 전략과 유사한 것으로 평가됩니다. 결론적으로 세대별 성능 향상 측면에서 TPU8t 트레이닝 칩은 대규모 학습에서 전 세대 대비 2.7배 향상된 가격 대비 성능을 제공하며, TPU8i 역시 추론 환경에서 전 세대 대비 80% 향상된 가격 대비 성능을 제공합니다. 또 두 칩 모두 와트당 성능이 두 배 향상됐는데, 이는 전력 비용을 줄여 전체적인 AI 총소유비용(TCO)를 크게 줄일 수 있습니다. 이와 같은 비용 절감은 앞으로 AI 서비스의 수익화에 매우 중요한 요소입니다. 다만 기본적으로 엔비디아의 베라 루빈 플랫폼은 여전히 8세대 TPU보다 강력한 성능을 지니고 있습니다. 단일 칩 기준으로만 보면 루빈 GPU는 50 PFLOPS에 달하는 연산 능력을 지녀 8세대 TPU보다 몇 배 빠른 성능을 지니고 있습니다. 문제는 비싼 가격입니다. 엔비디아 플랫폼이 비싼 이유는 칩 자체의 생산 비용도 있지만, 높은 이윤을 남기면서 팔고 있는 것도 중요한 이유입니다. 그런데 여기서 구글이 자체 칩을 만들어 마진을 흡수하면 오픈 AI나 앤스로픽 같은 경쟁자보다 비용을 대폭 절감할 수 있습니다. 최근 칩플레이션과 에너지 비용 급상승으로 AI 서비스 비용은 비싸지고 수익화는 이를 따라가지 못하는 상황에서 구글이 누리는 비용 절감 효과는 결국 AI 경쟁에서 최종 승자가 될 가능성을 높일 수 있습니다. 언뜻 보기에는 구글 TPU가 엔비디아를 겨냥한 것 같지만, 사실은 엔비디아 플랫폼을 사용할 수밖에 없는 다른 경쟁자가 더 압박을 받을 수밖에 없는 셈입니다. 자체 TPU 개발의 또 다른 이점은 자체 서비스에 최적화된 플랫폼과 생태계입니다. 마치 애플의 A 시리즈 및 M 시리즈 프로세서가 iOS 및 맥 OS, 그리고 애플 서비스에 최적화된 기능을 제공할 수 있어 비용은 절감하고 서비스 품질과 사용자 경험은 높일 수 있는 것과 동일한 구조입니다. 사실 이런 이유 때문에 구글뿐 아니라 오픈 AI나 앤스로픽 역시 자체 칩 플랫폼을 개발하거나 타사 플랫폼 활용을 고려하고 있지만, 이미 10년 이상 개발해온 TPU의 노하우를 따라잡기는 쉽지 않습니다. 반대로 이야기하면 구글 입장에서는 앞선 TPU 설계와 이미 구축해 놓은 생태계가 이들과의 경쟁에서 매우 큰 무기인 셈입니다. 결국 TPU의 개발 목적은 엔비디아와의 직접적인 경쟁보다는, 자사 인프라에 최적화된 저비용·고효율 환경을 구축하여 AI 서비스 대중화 시대의 수익성을 선점하는 데 있습니다. 이러한 탄탄한 하드웨어 경쟁력과 기존의 방대한 서비스 플랫폼이 결합된 AI 생태계를 통해 구글이 최종적인 승자가 될 수 있을지 주목됩니다.

소프트웨어가 하드웨어 수요 잠식‘훈련’ 필요 없어 이르면 연내 가능비용 줄어 ‘온디바이스 AI’ 앞당겨판매 대수 늘면 반도체 수요도 증가‘지능형 메모리’ 미래 기술 선점해야 구글 리서치가 인공지능(AI) 모델의 메모리 사용량을 6분의1로 줄이는 혁신 알고리즘 ‘터보퀀트’(TurboQuant)를 전격 공개해 글로벌 반도체 시장에 파장이 일고 있다. 소프트웨어가 하드웨어 수요를 잠식할 것이라는 ‘수요 절벽’ 위기론과 시장 파이가 커질 것이라는 낙관론이 팽팽하다. 29일 핵심 쟁점을 일문일답으로 풀었다. Q. 터보퀀트란 어떤 기술인가. A. AI가 대화 맥락을 기억하는 ‘실시간 메모장’(KV 캐시)의 용량을 획기적으로 줄이는 기술이다. 기존에 데이터를 무거운 ‘고화질 사진’로 저장했다면, 화질 손상은 거의 없으면서 용량만 6분의 1로 줄인 ‘고효율 압축 이미지’로 변환하는 식이다. 여기에 보정 필터를 더해 미세 정보까지 선명하게 되살린다. 예컨대 백과사전 6권을 핵심만 요약한 1권으로 만들면서도 답변 정확도는 그대로 유지하는 셈이다. Q. 과거 구글의 ‘텐서 처리 장치’(TPU)가 공개됐을 때보다 시장이 더 민감한 이유는. A. TPU가 엔비디아 그래픽처리장치(GPU)라는 하드웨어 장비를 ‘구글 칩’으로 바꿔보겠다는 하드웨어 간의 대체 경쟁이었다면, 터보퀀트는 어떤 연산 장치를 써도 메모리 ‘구매량’ 자체를 6분의 1로 줄일 수 있는 범용 소프트웨어 솔루션이다. 메모리 업체 입장에서 고객사가 칩 브랜드(하드웨어)를 바꾸는 게 아니라, 주문서의 수량(메모리 용량) 자체를 지워버리는 셈이라 타격의 결이 다르다. Q. 그럼에도 ‘장기 낙관론’이 나오는 이유는. A. 자원의 이용 효율이 높아져 비용이 낮아지면 전체 소비량이 늘어나는 ‘제본스의 역설’ 때문이다. AI 운영비가 낮아지면 모든 기기에 AI가 기본 탑재되는 ‘온디바이스 AI’ 시대가 앞당겨진다. 개별 기기당 탑재량은 줄어도 판매 대수가 압도적으로 늘어 전체 메모리 수요는 더 커질 것으로 전망된다. Q. 시장에선 상용화가 이르면 연내 가능할 것으로 보는데. A. 그렇다. 터보퀀트는 기존 AI 모델을 새로 학습시킬 필요 없이 운영 중인 시스템에 ‘필터’처럼 갈아 끼우는 ‘훈련 불필요’ 방식이다. Q. 상용화 신중론이 나오는 이유는. A. 해결할 과제가 많다. 수만 대의 서버가 얽힌 클라우드 시스템에 병목 없이 녹여내는 기술적 최적화가 필수다. 다양한 모델에서 동일한 품질을 내는지 증명해야 하고, 주요 환경에서 별도 튜닝 없이 쓸 수 있는 범용 표준으로 채택돼야 한다. 데이터 복원 과정에서 발생하는 시간 지연과 실시간 대화 품질 저하 우려도 넘어야 한다. Q. 한국 기업들은 어떻게 대응해야 하나. A. 삼성전자나 SK하이닉스는 단순히 정해진 규격의 부품만 납품하는 공급자에서 벗어나 AI 시스템 전체의 효율을 설계하는 ‘통합 솔루션 파트너’로서의 역량을 입증해야 한다. 메모리 스스로 연산까지 돕는 지능형 메모리(PIM)나 기기 간 연결 장벽을 허무는 차세대 연결 기술(CXL) 같은 미래 기술을 선점해야 한다.

“인공지능(AI)의 미래는 우주에 있다. 관건은 수송 능력이다.” 스페이스X의 일론 머스크는 최근 한 인터뷰에서 우주야말로 AI 데이터센터를 구축하는 데 가장 경제적인 장소가 될 것이라고 밝힌 바 있다. 이미 지상 데이터센터는 전력과 부지 확보, 냉각과 송전망 등에서 한계에 다다르고 있기 때문이다. 초인공지능(AGI) 단계로 갈수록 더욱 폭증하게 될 추론 연산을 감당하기 위해서는 태양 에너지를 효율적으로 이용할 수 있고 공간적 제약이 상대적으로 적은 지구 궤도 인프라가 대안으로 거론될 수밖에 없다. 실제로 스페이스X는 수십만기에서 100만기 규모에 이르는 위성 인프라를 상정하며 태양광을 활용한 궤도 데이터센터 구상을 시사해 왔다. 구글 역시 자체 AI 칩 TPU(텐서 처리장치)를 탑재한 위성 구상인 ‘프로젝트 선캐처’(Project Suncatcher)의 가능성을 타진하고 있으며, 미국의 우주 기업인 액시엄 스페이스는 우주정거장을 기반으로 하는 궤도 데이터센터 구축을 모색 중이다. 유럽과 중국의 기업들 역시 유사한 개념을 검토하며 우주 연산의 주도권에 동참하기 위해 열을 올리고 있다. 국내에서도 지난 2월 13일 국회에서 우주 AI 데이터센터에 관한 토론회가 열린 바 있다. 다만 아직 현실에서의 평가는 회의적이다. 가장 큰 이유는 다수의 위성 발사에 예상되는 천문학적인 비용 때문이다. 따라서 초기 모델은 지상에서와 같은 대규모 중앙집중형 데이터센터보다는 위성에서 데이터를 일차적으로 처리해 유효 정보만을 선별한 뒤 지상으로 전송하는 위성 데이터 궤도상 전처리와 에지 컴퓨팅을 통해 단계적으로 접근하는 흐름이 유력시되고 있다. 결국 문제의 핵심은 경제성이다. 현재 ㎏당 2만 달러에 달하는 발사 단가를 수백 달러 수준으로 낮출 수 있다면 대형 모듈의 궤도 배치는 현실성을 얻게 될 것이다. 우주 데이터센터는 구축 이후에도 유지·보수, 세대교체가 필수적이므로 반복적 발사 능력이 확보돼야 한다. 바로 이 부분에서 전략적인 사고가 필요하다. 향후 국가의 가장 주요한 자산에 속하게 될 우주 데이터센터를 타 국가나 경쟁 기업이 대신 발사해 줄 가능성은 작아 보인다. 우주 연산, 우주 데이터센터 경쟁이 우주 수송 경쟁으로 이어지고 있다. 우리에게 주는 메시지는 분명하다. 우리가 당장 대형 우주 데이터센터를 구축하기에는 국내 발사체 역량에 한계가 있지만, 그냥 구경만 하고 있을 수는 없다. 가시적 목표인 발사체 반복 발사, 재사용 기술, 저비용화 등의 기술 고도화를 통해 경제성을 확보해 나간다면 반드시 길은 열릴 것이다. 이를 위해선 중장기적인 전략과 발사체 부품의 다중 모델 병렬 개발 로직, 메커니컬 AI 설계 및 제작 도입 등과 같은 파괴적인 혁신이 필요하다. 자립적인 대형화, 고도화된 우주 수송 역량 없이는 우리의 우주 데이터센터도 없다. 우주 활용의 시대는 우주 수송 능력의 시대라고 할 수 있을 것이다. 한영민 한국항공우주연구원 발사체연구소장

오픈 AI는 최근 웨이퍼 스케일 엔진(Wafer Scale Engine, 이하 WSE)을 개발하는 미국의 스타트업인 세레브라스(Cerebras)와 인프라 도입 계약을 체결했습니다. 세레브라스의 WSE 기반의 750MW 데이터 센터를 구축하는 계획으로 2028년 가동을 목표로 하고 있습니다. 투자 규모는 공개하지 않았지만, 일부 언론 보도에서는 100억 달러에 달하는 것으로 추정되고 있습니다. 오픈 AI는 세레브라스의 최신 WSE3-3 기반의 GPT-5.3-Codex-Spark를 공개해 이 프로세서에서 가능성을 보여주고 있습니다. 물론 현재는 엔비디아 의존도가 여전히 높고 두 회사가 기존에 맺은 상호 투자 계획들은 여전히 유효하지만, 이런 행보는 오픈 AI가 새로운 대안을 찾고 있다는 인상을 주기에는 충분합니다. 이를 통해 엔비디아와의 협상에서 우위를 점하는 것은 물론 더 비용 합리적인 대안을 찾을 수도 있는 것입니다. 다만 웨이퍼 스케일 엔진이라는 새로운 기술을 들고나온 세레브라스가 실제 그만큼의 성과를 보여줄 수 있을지는 아직 미지수입니다. 세레브라스는 2015년 설립된 스타트업으로 2019년 첫 번째 WSE 제품을 내놓았습니다. 이 기술에 웨이퍼 스케일이라는 명칭이 붙은 이유는 간단합니다. 프로세서를 만들 때 사용되는 둥근 원판인 웨이퍼를 잘라서 칩을 만드는 게 아니라 웨이퍼 전체를 통째로 하나의 프로세서로 사용하기 때문입니다. 현대적인 프로세서와 메모리 모두 웨이퍼를 잘라서 제품을 만들고 있지만, 웨이퍼를 여러 개로 잘라서 프로세서를 만든 후 이들을 별도의 시스템에서 병렬로 연결한다는 것은 사실 제조 비용 상승은 물론 프로세서 간 데이터 전송 시 발생하는 병목현상으로 인해 성능이 떨어질 우려가 있습니다. 따라서 발상을 바꿔 아예 웨이퍼 하나를 통째로 멀티코어 프로세서로 활용하자는 아이디어는 이전부터 있어 왔으나 몇 가지 큰 걸림돌이 있어 실현되지는 못했습니다. 첫 번째는 프로세서 제조 과정에서 사소한 오류 하나만 생겨도 웨이퍼 전체를 못 쓰게 되는 위험성이 있다는 것입니다. 예를 들어 기존의 프로세서는 웨이퍼 하나에서 150개 정도의 제품이 나왔을 때 100개 정도만 양품이면 나머지 50개를 버려도 충분히 수익을 낼 수 있습니다. 하지만 웨이퍼 전체에서 치명적인 오류가 한 번만 발생하면 웨이퍼 전체를 못 쓰게 되어 손해가 클 수밖에 없습니다. 웨이퍼 안에 수많은 코어를 탑재할 경우 코어 간 병목 현상과 메모리 병목 현상 역시 우려될 수 있는 문제입니다. 마지막으로 이렇게 거대한 프로세서는 전력 소모량과 발열량 역시 엄청나게 클 수밖에 없어 실용적인 시스템을 구축하기 힘들었습니다. 세레브라스는 새로운 방법으로 이 한계를 극복했습니다. 우선 하나의 큰 코어 대신 작은 코어 여러 개를 연결해 반복되는 구조를 만든 후 각 코어가 모두 연결되어 있어 일부 코어와 연결 회로에 오류가 생기더라도 나머지 부분이 정상 작동하도록 만들었습니다. 그리고 대용량의 SRAM을 프로세서에 통합해 메모리 병목 현상을 최소화했습니다. 2024년 공개한 세레브라스의 최신 프로세서인 WSE-3의 경우 TSMC의 5nm 공정을 이용해 4조 개의 트랜지스터를 집적한 역대 가장 거대한 프로세서로 90만 개의 코어를 집적했습니다. 실제로는 90만 개보다 더 많은 코어를 넣어서 오류가 나더라도 90만 개 정도의 코어 숫자를 보장한 것입니다. 하지만 코어가 많다고 해서 성능이 바로 그만큼 높아지는 것은 아닙니다. 구슬이 서말이라도 꿰어야 보배라는 속담처럼, 수많은 코어가 유기적으로 연결되어야 합니다. WSE-3는 코어들은 거대한 메쉬(Mesh) 구조로 연결되어 있습니다. 하나의 실리콘 안에서 모든 코어가 연결된 덕분에 수천 개의 GPU를 묶을 때 발생하는 병목 현상을 피하고 데이터 전송 속도가 매우 빠른 것이 특징입니다. WSE-3는 90만 개의 코어를 뒷받침하기 위해 44GB SRAM 메모리를 칩에 통합하고 있습니다. 다만 이것만으로는 대규모 AI 연산에 필요한 대규모 데이터를 모두 담을 수 없기 때문에 가중치(Weights)를 칩 외부의 전용 스토리지에 보관하고, 연산 시 필요한 부분만 초고속 스트리밍으로 칩에 공급하는 방식을 사용합니다. 이런 독특한 구조를 통해 웨이퍼 스케일 엔진 기술은 기본 AI 프로세서가 지닌 한계를 극복할 차세대 AI 솔루션으로 주목받고 있습니다. 하지만 장밋빛 미래만 보이는 것은 아닙니다. 현재 AI 생태계 자체가 엔비디아의 CUDA에 기반해 있고 AI 서비스 솔루션 자체도 GPU에 최적화되어 있다는 점은 무시하기 어려운 장벽입니다. 더구나 현재도 적자인 오픈 AI는 여기저기 투자 계획과 협업 프로젝트를 발표하고 있지만, 이 막대한 자금들을 어디서 조달할 수 있을지 의구심이 제기되고 있습니다. 지금 흑자를 내고 있다고 해도 앞으로 계획된 투자를 진행하기 위해서 필요한 천문학적인 자금을 조달하기는 쉽지 않을 것입니다. 그런데 또 대규모 투자 계획을 발표하니 의문이 제기되는 것도 당연합니다. 마지막으로 실제 WSE-3나 혹은 그 후속 프로세서들이 이론이 아니라 실제로 엔비디아의 GPU보다 더 앞선 성능을 보여줄 수 있는지 역시 충분히 검증되지 않은 상태입니다. 현재 여러 AI 제조사가 자사의 기술이 엔비디아보다 우월하다고 주장하고 있지만, 현재까지 의미 있는 대항마로 성장한 곳은 구글의 TPU 정도이며 오랜 라이벌인 AMD 조차도 아직 엔비디아의 아성에 도전할 수준은 되지 않고 있습니다. 오랜 세월 축적된 엔비디아의 기술을 신생 스타트업이 쉽게 뛰어넘을 수 있을지 아무래도 의문인데, 확실하지 않은 곳에 많은 자금을 투자할 정도로 재무 사정이 넉넉하지 않아 보인다는 것이 솔직한 평가일 것입니다. 물론 엔비디아의 현재 모습을 10년 전 대부분 예상 못한 것처럼 앞으로 10년 후 역시 예상하기 어려운 게 사실입니다. 과연 10년 후 엔비디아의 독점이 계속 유지될 수 있을지, 아니면 예상치 못한 다크호스가 시장을 뒤흔들게 될지 궁금합니다.

삼성전자가 세계 최초로 인공지능(AI) 산업의 핵심 부품인 6세대 고대역폭메모리 HBM4를 양산 및 출하했다고 12일 밝혔다. 최대 데이터 전송 속도는 13Gbps로 기존의 HBM3E와 비교해 22% 빨라졌고, 데이터 출입구를 1024개에서 2048개로 늘리면서 전송 데이터의 양도 급격히 늘었다. 반도체업계에서는 AI 그래픽저장장치(GPU)의 메모리 병목을 획기적으로 줄일 ‘게임체인저’로 평가했다. 삼성전자는 올해 하반기와 내년에 연이어 차기 HBM도 내놓으며 관련 기술을 선도하겠다는 구상이다. 황상준 삼성전자 메모리개발담당 부사장은 이날 “기존에 검증된 공정을 적용하던 전례를 깨고 1c D램(10나노급 6세대) 및 파운드리 4나노와 같은 최선단 공정을 적용했다”며 “공정 경쟁력과 설계 개선을 통해 성능 확장을 위한 여력을 충분히 확보함으로써 고객의 성능 상향 요구를 적기에 충족할 수 있었다”고 밝혔다. 삼성전자는 이번 설 연휴 직후 양산 출하를 계획했으나 고객사와 협의를 거쳐 일정을 일주일가량 앞당긴 것으로 알려졌다. HBM4는 엔비디아가 다음달 공개할 차세대 AI 가속기 ‘베라 루빈’에 탑재돼 GPU의 고등 연산을 지원할 전망이다. HBM은 D램 메모리를 여러 층으로 쌓아 연산에 필요한 메모리 자원을 크게 늘린 반도체 소자다. 적층된 메모리를 밑에서 받치고 있는 하단의 베이스다이에는 성능과 전력 효율 측면에서 유리한 4나노 공정을 적용했다. 그 결과 JEDEC(국제 산업 표준 기구)의 업계 표준인 8Gbps를 약 46% 상회하는 11.7Gbps의 동작 속도를 안정적으로 확보했다. 이는 전작 HBM3E의 최대 핀 속도인 9.6Gbps 대비 약 1.22배 향상된 수치다. 삼성전자 관계자는 “최대 13Gbps까지 구현이 가능해 AI 모델 규모가 커질수록 심화되는 데이터 병목을 효과적으로 해소할 것”이라고 말했다. 또 삼성전자의 HBM4는 단일 스택 기준 총 메모리 대역폭을 전작 HBM3E 대비 약 2.7배 향상된 최대 3.3TB/s 수준으로 끌어올렸다. 이는 고객사 요구 수준인 3.0TB/s를 상회한다. 또 삼성전자의 HBM4는 12단 적층 기술을 통해 24~36GB의 용량을 제공하며, 고객사의 제품 일정에 맞춰 16단 적층 기술을 적용해 최대 48GB까지 용량을 확장할 계획이다. 전력 소모와 열 집중 문제 해결에도 총력을 쏟았다. HBM은 컨트롤러 역할을 하는 베이스 다이와 D램을 수직으로 적층한 코어 다이로 구성된다. HBM4는 메모리와 GPU 사이에서 데이터를 주고받는 출입구인 데이터 전송 I/O 핀 수를 1024개에서 2048개로 확대했고 이에 따라 발생하는 전력 소모와 열 집중 문제를 해결하기 위해 코어 다이에 저전력 설계 기술을 적용했다. 또 하나의 차별화된 지점은 ‘원스톱 솔루션’ 제공이다. 삼성전자는 세계에서 유일하게 로직, 메모리, 파운드리, 패키징까지 아우르는 반도체 회사다. 회사는 선단 패키징 역량을 자체적으로 보유하고 있어 공급망 리스크를 최소화하는 한편 생산 리드타임을 단축할 수 있는 경쟁력을 갖추고 있다. 삼성전자는 올해 HBM 매출이 지난해 대비 3배 이상 증가할 것으로 내다봤다. 또 HBM4에 이어 HBM4E도 준비해 올해 하반기에 샘플을 출하할 계획이다. HBM4E는 HBM4의 기본 구조를 기반으로, 동작 속도·대역폭·전력 효율을 한층 끌어올린 차세대 고대역폭 메모리다. 삼성전자는 또 AI 반도체 종류에 따라 메모리도 맞춤 설계해 성능을 극대화하는 커스텀(맞춤형) HBM도 내년부터 샘플을 출하한다. 엔비디아 GPU에 이어 구글 ‘텐서처리장치’(TPU), 마이크로소프트(MS) ‘마이아’ 등 빅테크들의 AI 반도체 자체 개발 경쟁이 격화하는 가운데 각각에 최적화한 HBM 설계 수요를 충족하겠다는 구상이다. 삼성전자가 세계 최초 HBM4 양산 및 출하로 포문을 연 데 대해 경쟁자인 SK하이닉스와 미국 마이크론은 자신만의 전략에 집중하는 분위기다. SK하이닉스 관계자는 “고객이 요청한 (HBM4) 물량을 차질 없이 양산 중이며, 현재 최적화를 진행하고 있다”고 밝혔다. 최대 고객사인 엔비디아의 차세대 AI 가속기 출시 일정에 맞춰 제품 완성도를 극대화하겠다는 ‘실리 전략’으로 읽힌다. 업계에 따르면 SK하이닉스는 엔비디아 HBM4 물량의 3분의2 이상을 확보한 것으로 알려졌다. 미국 마이크론 역시 HBM4 경쟁에서 밀려났다는 루머를 정면으로 반박하고 나섰다. 마크 머피 마이크론 최고재무책임자(CFO)는 11일(현지시간) 콘퍼런스에서 ‘엔비디아 공급망 탈락설’을 일축하며 “올해 HBM 공급 물량은 이미 완판됐으며 수율 또한 계획대로”라고 말했다. 이에 따라 메모리 공급 부족 국면에서 한국·미국 반도체 기업들의 수주 경쟁은 한층 격화될 전망이다.

구글·아마존도 자체 칩 본격화삼성·SK, HBM 다변화 기회로 글로벌 인공지능(AI) 반도체 시장이 범용 성능을 앞세운 ‘엔비디아 표준’과 비용·전력 효율을 극대화한 ‘빅테크 전용 칩’ 간에 2차 경쟁 국면으로 진입했다. 구글과 아마존에 이어 마이크로소프트(MS)까지 독자 AI 가속기를 공개하며 자체 칩 생태계를 확대한 가운데, SK하이닉스가 MS의 신규 가속기에 고대역폭메모리(HBM)를 단독 공급하는 등 우리나라 반도체 산업의 선전은 계속될 전망된다. MS는 26일(현지시간) 자체 개발한 AI 가속기 ‘마이아 200’을 공개하고 “MS가 지금까지 배포한 추론 시스템 가운데 가장 효율적이며, 현재 운영 중인 최신 시스템 대비 달러당 성능이 30% 더 좋다”고 밝혔다. 마이아200은 대만 TSMC의 3나노 공정을 적용한 주문형 반도체(ASIC) 기반 칩으로, 대규모 AI 추론 작업의 효율을 극대화한다. 마이아 200에는 총 216GB의 5세대 고대역폭 메모리(HBM3E)가 탑재됐고, SK하이닉스가 12단 HBM3E를 단독 공급하는 것으로 알려졌다. 구글과 아마존웹서비스(AWS) 역시 엔비디아 의존도를 낮추기 위한 행보를 이어가고 있다. 구글은 브로드컴과 공동 설계한 텐서처리장치(TPU) ‘트릴리움’을 고도화해 자사 AI 서비스 전반에 적용 중이며, AWS는 AI 학습에 특화된 전용 칩 ‘트레이니엄’을 중심으로 자체 칩 전략을 확대하고 있다. 이들 전용 칩은 범용 연산에 강점을 지닌 GPU와 달리, AI 연산의 핵심인 행렬 계산에 자원을 집중하는 구조로 설계돼 비용과 전력 효율을 크게 끌어올린 것이 특징이다. 엔비디아는 이에 맞서 차세대 플랫폼 ‘루빈(Rubin)’을 통해 기술 격차를 다시 벌리겠다는 전략을 내세우고 있다. 루빈은 차세대 고대역폭 메모리인 HBM4를 기반으로 성능과 확장성을 동시에 강화하는 것이 핵심으로, 자체 AI 칩 확산에 ‘절대 성능’으로 대응하겠다는 구상으로 해석된다. 이 같은 ‘탈 엔비디아’ 흐름은 국내 메모리 반도체 업계에는 오히려 기회로 작용하고 있다. SK하이닉스는 MS의 마이아 200을 비롯해 구글, AWS 등 글로벌 빅테크의 자체 AI 전용 칩으로 HBM 공급처를 빠르게 넓히며 시장 1위의 입지를 공고히 하고 있다. AI 학습에서 추론으로 무게중심이 이동하는 2차 경쟁 국면 역시 고성능 메모리 수요를 확대하는 요인으로 작용하고 있다. 삼성전자는 최근 엔비디아와 AMD가 진행한 HBM4 관련 품질 테스트에서 긍정적인 평가를 받은 것으로 전해졌고, 차세대 제품 양산을 목표로 준비에 속도를 내고 있다.

애플이 자사 인공지능(AI) 시스템 ‘애플 인텔리전스’의 기반 모델로 구글의 ‘제미나이’를 채택했다. 폐쇄적인 생태계를 고집하다 AI 부문에서 고전하던 애플이 아이폰의 지배력을 지키려 구글의 손을 잡은 셈이다. 빅테크들이 핵심 역량을 서로 주고받으며 실리를 챙기는 ‘전략적 초협력’은 글로벌 AI 패권 경쟁을 쥐기 위한 생존 공식으로 자리 잡은 모습이다. 12일(현지시간) CNBC 등에 따르면 애플과 구글은 다년 계약을 체결하고 차세대 ‘애플 파운데이션 모델’에 구글의 제미나이와 클라우드 기술을 적용하기로 했다. 애플은 성명을 통해 “신중한 평가 끝에 구글의 기술이 애플 AI 모델을 위한 가장 역량 있는 기반을 제공한다고 판단했다”고 밝혔다. 업계는 애플이 제미나이를 활용하는 대가로 구글에 연간 약 10억 달러(약 1조 4000억원)를 지급할 것으로 봤다. 이에 구글 모회사 알파벳의 시가총액은 12일 장중 4조 달러를 돌파하며 엔비디아, 마이크로소프트(MS), 애플에 이어 역사상 네 번째로 ‘4조 달러 클럽’에 이름을 올렸다. 이번 결정은 MS와 아마존 등이 AI 인프라에 천문학적인 자금을 쏟아붓는 사이, AI 열풍에서 한발 물러났던 애플의 승부수다. 애플은 2024년 ‘애플 인텔리전스’를 공개하며 사진 검색, 알림 요약 등 운영체제 전반에 AI 기능을 도입했지만, 혁신 체감도가 낮다는 평가를 받았다. 애플은 음성비서 시리의 대규모 업그레이드마저 올해로 연기했었다. 자칫 AI 주도권 경쟁에서 영구 도태될 수 있다는 위기감 속에 애플이 ‘순혈주의’를 내려놓은 셈이다. 이에 시리는 제미나이를 기반으로 복잡한 질문이나 맥락 이해 면에서 대폭 강화될 전망이다. 업계는 애플이 오는 3월 중 선보일 것으로 보이는 iOS26.4를 통해 더 개인화된 시리 기능을 출시할 것으로 관측하고 있다. 또 구글의 입장에서 삼성전자 휴대전화 등에 이어 애플에도 제미나이를 공급하면서 오픈AI의 일강구도를 흔들게 됐다. 이런 합종연횡은 AI 산업 전반에서 나타나고 있다. MS와 견고한 혈맹을 유지해온 오픈AI는 최근 아마존웹서비스(AWS)와 7년간 380억 달러(약 54조원) 규모의 인프라 계약을 맺었다. 오픈AI의 라이벌인 앤스로픽은 지난해 말 아마존의 AI 전용 칩 ‘트레이니움’은 물론, 구글로부터 최대 100만개의 자체 칩(TPU)을 공급받는 수십조 원 규모의 신규 계약을 체결했다. 특정 클라우드사에 묶이지 않고 각 진영의 고성능 칩 자원을 동시에 활용해 연산 비용을 절감하는 전략이다. 거대 동맹의 확산은 한국 반도체 산업에도 새로운 기회가 될 수 있다. 빅테크들이 자체 AI 칩 개발과 데이터센터 확충에 사활을 걸수록, 그 핵심 부품인 고대역폭메모리(HBM)를 공급하는 삼성전자와 SK하이닉스의 전략적 가치는 더욱 높아질 수밖에 없다.

지난 3분기, 엔비디아는 570억 달러의 매출과 함께 무려 73.4%에 달하는 매출 총이익률(gross margin)을 발표했습니다. 그만큼 GPU 하나 팔아서 남기는 게 많다는 이야기로 영업 이익은 매출의 절반이 넘는 360억 달러에 달했습니다. 사실상 원가에 몇 배에 달하는 폭리를 취하면서 매출보다 이익이 더 가파르게 증가한 것입니다. 하지만 이렇게 파는데도 데이터 센터 GPU는 다 팔려 나가 물량 구하기가 쉽지 않다는 게 젠슨 황 CEO의 설명입니다. 그런데도 AI 버블 논란은 여전히 가라앉지 않고 있습니다. AI를 통해 인력을 감축하고 비용을 절감하는 기업들은 늘고 있지만, 정작 막대한 비용이 들어가는 AI 서비스 자체는 그에 걸맞은 수익을 창출하지 못하고 있기 때문입니다. 예를 들어, ChatGPT를 서비스하는 오픈 AI는 재무제표를 공개하지는 않지만, 창립 이래 계속해서 적자를 기록하고 있는 것으로 알려져 있습니다. 따라서 최근에는 막대한 투자 비용을 감당하기 위해 대규모 자금 조달에 나서는 한편 광고와 같은 다른 수익 창출 방법도 모색하고 있습니다. 물론 오픈 AI와 경쟁하는 다른 AI 서비스들 역시 상황은 크게 다르지 않습니다. AI가 미래의 성장 동력이라는 점을 의심하는 이는 없지만, 갈수록 치솟는 GPU, 메모리, 스토리지, 그리고 막대한 전기 사용료 등을 고려하면 기업들이 적자를 감수하고 무작정 투자를 계속할 수는 없습니다. 결국, 어느 시점에는 자금력과 기술력이 뒤처지는 회사는 시장에서 도태되고, 비용 절감과 수익 모델 창출에 성공한 기업만이 살아남게 될 것입니다. 이에 따라 구글이나 아마존 같은 빅테크들은 자체 AI 칩(ASIC)에 막대한 투자를 단행하며 엔비디아 GPU보다 저렴한 대안을 모색하고 있습니다. 그런 의미에서 최근 구글이 공개한 7세대 TPU인 아이언우드(Ironwood)는 시장에 큰 충격을 던져주었습니다. TPU(Tensor Processing Unit)는 애플리케이션 특정 통합 회로(ASIC)의 일종으로, 신경망의 행렬 곱셈과 같은 연산을 효율적으로 처리하기 위한 특수 목적 프로세서입니다. CPU가 가장 일반적인 용도의 프로세서라고 한다면 GPU는 그래픽 연산에 필요한 병렬 연산에 최적화된 프로세서라고 할 수 있습니다. 엔비디아는 GPU에 고성능 컴퓨팅에 필요한 좀 더 범용 연산 능력을 부여해 일반 목적 GPU(GPGPU)라고 명명했습니다. 그리고 여기에 사용되는 언어인 쿠다(CUDA)를 개발했습니다. GPU의 GPGPU 성능이 가장 큰 힘을 발휘한 분야가 바로 AI였습니다. 딥러닝 모델 학습과 같이 대규모 데이터를 병렬로 처리해야 하는 작업이 GPGPU에 적합했기 때문입니다. 결국 최근에 나오는 GPU는 AI 성능을 담당하는 부분이 더 커지면서 핵심 기능으로 자리 잡고 있습니다. 구글의 TPU는 GPU보다 더 좁은 범위의 연산만 수행하는 특수 프로세서로 CPU – GPU – TPU의 순으로 점점 더 할 수 있는 기능은 좁아진다고 할 수 있습니다. 다만 반대로 에너지 효율은 더 높아질 수 있습니다. 사실 3D 그래픽도 CPU만 가지고 처리할 수 있습니다. 하지만 처리 속도가 너무 느리고 기능이 제한적이라 3D 가속기라는 별도의 보조 프로세서가 나오게 되었고 그것이 나중에 GPU로 발전한 것입니다. TPU도 그런 연장선상에서 보면 엔비디아의 GPU에 상당히 위협적인 존재가 될 수 있습니다. 아이언우드 자체의 성능은 4,614 FP8 TFLOPS 정도로 B200 블랙웰 GPU의 4.5 PFLOPS와 비슷하지만, GPU보다 구조가 단순할 가능성이 높아 생산비나 제작 단가가 저렴할 수 있습니다. 최근 제미나이 3의 놀라운 성능을 보면 그렇다고 기능이 부족한 것도 아닌 것으로 보여 적지 않은 충격을 주고 있습니다. 여기에 아마존의 AWS 역시 3세대 AI ASIC 칩인 트레이니움3(Trainium3)을 공개하면서 도전장을 내밀고 있습니다. 트레이니움3 칩 하나는 PF8 기준 2.52 PFLOPs의 연산 능력을 지니고 있으며 144GB의 HBM3e 메모리와 4.9TB/s의 대역폭을 지니고 있습니다. 그리고 144개의 칩이 모인 Trn3 UltraServers는 총 362 FP8 PFLOPs의 연산 능력을 확보해 100만 토큰 이상의 AI 서비스를 감당할 수 있습니다. 칩 하나의 성능만 보면 엔비디아의 B200 GPU보다 낮지만, 역시 GPU보다 단순한 구조로 전체 비용은 더 낮을 가능성이 있습니다. 다만 아직은 AI 생태계에서 엔비디아의 입지가 지배적인 만큼 아마존은 트레이니움4에서는 엔비디아의 고속 인터페이스인 NVLink를 지원해 트레이니움4와 엔비디아 GPU를 같이 쓸 수 있게 한다는 계획입니다. 만약 이런 빅테크들의 맞춤형 ASIC 칩들이 비용 효과적인 대안을 제시할 경우 엔비디아에 대한 의존도는 낮아질 수 있습니다. 그러면 지금처럼 높은 가격에도 없어서 못 파는 상황은 지속되지 않을 가능성이 있습니다. 물론 엔비디아를 왕좌에서 그렇게 쉽게 끌어내리진 못할 것이라는 의견도 있습니다. 엔비디아가 AI 왕좌를 지킬 수 있는 가장 강력한 무기는 단순한 하드웨어 성능이 아닌, CUDA(쿠다)라는 소프트웨어 생태계에 있습니다. 2006년부터 구축된 CUDA 플랫폼은 수많은 AI 개발자들에게 압도적인 편의성과 최적화된 도구를 제공해 왔습니다. 이처럼 개발자들이 이미 CUDA 환경에 깊이 익숙해져 있다는 점은 다른 칩으로 전환하는 데 막대한 전환 비용을 발생시킵니다. 따라서 구글, 아마존 같은 빅테크들의 자체 ASIC이 고성능과 저비용을 달성하더라도, 이 CUDA 생태계의 장벽을 어떻게 뛰어넘을 것인가는 여전히 가장 큰 숙제로 남아 있습니다. 여기에 엔비디아 역시 경쟁자들처럼 차세대 칩을 준비하고 있습니다. 차세대 루빈 GPU는 FP4 기준 50 PFLOPS의 연산 능력을 지니고 있으며 이를 이용한 렉 시스템인 베라 루빈 NVL 144는 3.6EFLOPS라는 슈퍼컴퓨터급 연산 능력을 지니고 있습니다. 엔비디아는 루빈 GPU의 양산을 서두르는 한편 다음 세대 제품에서 성능을 더 높여 경쟁자들의 추격을 따돌리기 위해 고군분투할 것으로 보입니다. 과연 빅테크들의 거센 도전에서 엔비디아가 왕좌를 지킬 수 있을지 주목됩니다.

지난 3분기, 엔비디아는 570억 달러의 매출과 함께 무려 73.4%에 달하는 매출 총이익률(gross margin)을 발표했습니다. 그만큼 GPU 하나 팔아서 남기는 게 많다는 이야기로 영업 이익은 매출의 절반이 넘는 360억 달러에 달했습니다. 사실상 원가에 몇 배에 달하는 폭리를 취하면서 매출보다 이익이 더 가파르게 증가한 것입니다. 하지만 이렇게 파는데도 데이터 센터 GPU는 다 팔려 나가 물량 구하기가 쉽지 않다는 게 젠슨 황 CEO의 설명입니다. 그런데도 AI 버블 논란은 여전히 가라앉지 않고 있습니다. AI를 통해 인력을 감축하고 비용을 절감하는 기업들은 늘고 있지만, 정작 막대한 비용이 들어가는 AI 서비스 자체는 그에 걸맞은 수익을 창출하지 못하고 있기 때문입니다. 예를 들어, ChatGPT를 서비스하는 오픈 AI는 재무제표를 공개하지는 않지만, 창립 이래 계속해서 적자를 기록하고 있는 것으로 알려져 있습니다. 따라서 최근에는 막대한 투자 비용을 감당하기 위해 대규모 자금 조달에 나서는 한편 광고와 같은 다른 수익 창출 방법도 모색하고 있습니다. 물론 오픈 AI와 경쟁하는 다른 AI 서비스들 역시 상황은 크게 다르지 않습니다. AI가 미래의 성장 동력이라는 점을 의심하는 이는 없지만, 갈수록 치솟는 GPU, 메모리, 스토리지, 그리고 막대한 전기 사용료 등을 고려하면 기업들이 적자를 감수하고 무작정 투자를 계속할 수는 없습니다. 결국, 어느 시점에는 자금력과 기술력이 뒤처지는 회사는 시장에서 도태되고, 비용 절감과 수익 모델 창출에 성공한 기업만이 살아남게 될 것입니다. 이에 따라 구글이나 아마존 같은 빅테크들은 자체 AI 칩(ASIC)에 막대한 투자를 단행하며 엔비디아 GPU보다 저렴한 대안을 모색하고 있습니다. 그런 의미에서 최근 구글이 공개한 7세대 TPU인 아이언우드(Ironwood)는 시장에 큰 충격을 던져주었습니다. TPU(Tensor Processing Unit)는 애플리케이션 특정 통합 회로(ASIC)의 일종으로, 신경망의 행렬 곱셈과 같은 연산을 효율적으로 처리하기 위한 특수 목적 프로세서입니다. CPU가 가장 일반적인 용도의 프로세서라고 한다면 GPU는 그래픽 연산에 필요한 병렬 연산에 최적화된 프로세서라고 할 수 있습니다. 엔비디아는 GPU에 고성능 컴퓨팅에 필요한 좀 더 범용 연산 능력을 부여해 일반 목적 GPU(GPGPU)라고 명명했습니다. 그리고 여기에 사용되는 언어인 쿠다(CUDA)를 개발했습니다. GPU의 GPGPU 성능이 가장 큰 힘을 발휘한 분야가 바로 AI였습니다. 딥러닝 모델 학습과 같이 대규모 데이터를 병렬로 처리해야 하는 작업이 GPGPU에 적합했기 때문입니다. 결국 최근에 나오는 GPU는 AI 성능을 담당하는 부분이 더 커지면서 핵심 기능으로 자리 잡고 있습니다. 구글의 TPU는 GPU보다 더 좁은 범위의 연산만 수행하는 특수 프로세서로 CPU – GPU – TPU의 순으로 점점 더 할 수 있는 기능은 좁아진다고 할 수 있습니다. 다만 반대로 에너지 효율은 더 높아질 수 있습니다. 사실 3D 그래픽도 CPU만 가지고 처리할 수 있습니다. 하지만 처리 속도가 너무 느리고 기능이 제한적이라 3D 가속기라는 별도의 보조 프로세서가 나오게 되었고 그것이 나중에 GPU로 발전한 것입니다. TPU도 그런 연장선상에서 보면 엔비디아의 GPU에 상당히 위협적인 존재가 될 수 있습니다. 아이언우드 자체의 성능은 4,614 FP8 TFLOPS 정도로 B200 블랙웰 GPU의 4.5 PFLOPS와 비슷하지만, GPU보다 구조가 단순할 가능성이 높아 생산비나 제작 단가가 저렴할 수 있습니다. 최근 제미나이 3의 놀라운 성능을 보면 그렇다고 기능이 부족한 것도 아닌 것으로 보여 적지 않은 충격을 주고 있습니다. 여기에 아마존의 AWS 역시 3세대 AI ASIC 칩인 트레이니움3(Trainium3)을 공개하면서 도전장을 내밀고 있습니다. 트레이니움3 칩 하나는 PF8 기준 2.52 PFLOPs의 연산 능력을 지니고 있으며 144GB의 HBM3e 메모리와 4.9TB/s의 대역폭을 지니고 있습니다. 그리고 144개의 칩이 모인 Trn3 UltraServers는 총 362 FP8 PFLOPs의 연산 능력을 확보해 100만 토큰 이상의 AI 서비스를 감당할 수 있습니다. 칩 하나의 성능만 보면 엔비디아의 B200 GPU보다 낮지만, 역시 GPU보다 단순한 구조로 전체 비용은 더 낮을 가능성이 있습니다. 다만 아직은 AI 생태계에서 엔비디아의 입지가 지배적인 만큼 아마존은 트레이니움4에서는 엔비디아의 고속 인터페이스인 NVLink를 지원해 트레이니움4와 엔비디아 GPU를 같이 쓸 수 있게 한다는 계획입니다. 만약 이런 빅테크들의 맞춤형 ASIC 칩들이 비용 효과적인 대안을 제시할 경우 엔비디아에 대한 의존도는 낮아질 수 있습니다. 그러면 지금처럼 높은 가격에도 없어서 못 파는 상황은 지속되지 않을 가능성이 있습니다. 물론 엔비디아를 왕좌에서 그렇게 쉽게 끌어내리진 못할 것이라는 의견도 있습니다. 엔비디아가 AI 왕좌를 지킬 수 있는 가장 강력한 무기는 단순한 하드웨어 성능이 아닌, CUDA(쿠다)라는 소프트웨어 생태계에 있습니다. 2006년부터 구축된 CUDA 플랫폼은 수많은 AI 개발자들에게 압도적인 편의성과 최적화된 도구를 제공해 왔습니다. 이처럼 개발자들이 이미 CUDA 환경에 깊이 익숙해져 있다는 점은 다른 칩으로 전환하는 데 막대한 전환 비용을 발생시킵니다. 따라서 구글, 아마존 같은 빅테크들의 자체 ASIC이 고성능과 저비용을 달성하더라도, 이 CUDA 생태계의 장벽을 어떻게 뛰어넘을 것인가는 여전히 가장 큰 숙제로 남아 있습니다. 여기에 엔비디아 역시 경쟁자들처럼 차세대 칩을 준비하고 있습니다. 차세대 루빈 GPU는 FP4 기준 50 PFLOPS의 연산 능력을 지니고 있으며 이를 이용한 렉 시스템인 베라 루빈 NVL 144는 3.6EFLOPS라는 슈퍼컴퓨터급 연산 능력을 지니고 있습니다. 엔비디아는 루빈 GPU의 양산을 서두르는 한편 다음 세대 제품에서 성능을 더 높여 경쟁자들의 추격을 따돌리기 위해 고군분투할 것으로 보입니다. 과연 빅테크들의 거센 도전에서 엔비디아가 왕좌를 지킬 수 있을지 주목됩니다.

제미나이, 즉각 화면에 결과물 GPT, 안정적이나 한 박자 느려‘인터랙티브 화면’ vs ‘요약 문서’ 시장에서도 선호도 변화 조짐구글, 월 이용 6.5억명으로 급증 오픈AI는 비공개… 2억명 추정 AI 시장의 양강으로 떠오른 구글 ‘제미나이 3.0’과 오픈AI ‘GPT-5.1’의 차이는 예상보다 확연했다. 이미지 생성, 포스터 제작, 인터랙티브 화면 구성 등 대부분의 작업에서 제미나이는 결과물이 즉각 화면에 잡히는 반면, GPT-5.1은 정확하고 안정적이지만 생성 속도가 한 박자씩 느렸다. 직접 두 모델을 비교해본 뒤 ‘AI 모델 경쟁이 속도에서 즉각적 체감으로 바뀌었다’는 전문가들의 분석에 동의했다. 둘은 가장 기본적인 요청부터 다른 결과를 줬다. “국가와 기업을 중심으로 AI 지형의 변화를 연도별로 보여달라”고 하자 GPT-5.1은 주요 국가와 기업들의 전략 변화를 문단과 표로 정리해 제시했다. 반면 제미나이 3.0은 질문을 인식한 즉시 화면 전체를 하나의 ‘AI 전개도’처럼 만들었다. 국가·기업을 의미하는 동그란 아이콘을 중앙에 배치했고, 하단의 연도 막대를 움직이면 아이콘의 크기와 위치가 바로 바뀌었다. 관계는 선으로 연결해 영향력의 변화를 시각적으로 보여줬고, 특정 아이콘을 누르면 해당 연도의 핵심 사건이 카드 형태로 표시됐다. GPT-5.1가 ‘요약 문서’였다면, 제미나이 3.0은 ‘인터랙티브 화면’이었다. 이미지 생성 요청에서는 속도 차이가 컸다. 구글의 전용 이미지 생성 도구 ‘나노 바나나 프로’를 사용해 “노란 멜빵바지를 입은 아기 강아지가 ‘SEOUL 2025’라고 적힌 서핑 보드를 들고 있는 모습”을 하이퍼리얼리즘으로 묘사해 달라고 요청하자 제미나이 3.0은 수 초 만에 결과물을 완성했다. GPT-5.1은 같은 요청에 비슷한 수준의 이미지를 생성하는 데 1분 가까이 걸렸다. 이어 서핑 대회 홍보 포스터를 요청하자 제미나이는 밝은 색감의 일러스트형 포스터로 즉시 전환됐고, GPT-5.1은 이전 대화의 흐름을 이어받아 사실적 질감이 남아 있는 결과물을 제시했다. 해외 평가도 비슷하다. 영국 파이낸셜타임즈(FT)는 지난달 30일(현지시간) AI 경쟁의 기준이 “모델의 크기나 이론적 지능보다 실제 사용하는 순간의 체감으로 이동하고 있다”고 분석했다. 마크 베니오프 세일즈포스 최고경영자(CEO)는 “제미나이 3.0을 써보니 챗GPT로 돌아가기 어렵겠다는 느낌이 들었다”고 말했다. 전문가들은 그 차이가 애초 설계 방향의 차이라고 지적한다. 제미나이 3.0은 구글의 텐서처리장치(TPU)를 기반으로 이미지·영상·시각 구성 등 멀티모달 작업을 빠르게 처리하도록 설계돼 있다. 복잡한 장면을 분해하고 새 화면을 자동 배치하는 과정이 자연스럽다는 평가다. 반면 GPT-5.1은 텍스트 분석과 고난도 추론 능력을 중심으로 발전해온 구조여서 대형 이미지 생성이나 복잡한 시각 구성 단계에서는 상대적으로 시간이 더 걸릴 수 있다는 분석이다. 시장에서도 변화 조짐이 확인된다. 구글은 제미나이 3.0 공개 이후 자사 앱의 월간 활성 이용자(MAU)가 6억 5000만명까지 증가했다고 밝혔다. 지난 5월 4억 명 수준이던 수치가 반년 사이 크게 늘었다. 오픈AI는 공식 이용자 수를 밝히지 않지만 업계에서는 월간 2억명 안팎으로 추정한다. 성능 지표에서도 제미나이 3.0은 AI 벤치마크 플랫폼 ‘LMArena’에서 공개 직후 종합 1위에 오르며 여러 항목에서 GPT-5 계열을 앞섰다는 결과가 나왔다.

SK하이닉스, HBM3E 공급 주도권구글 TPU 내 HBM 절반 이상 맡아삼성전자, HBM 공급량 SK 앞설 듯일반 D램 수요 늘어 성장동력 확보양사 생산능력, 마이크론의 약 3배구글의 자체 AI 가속기 ‘텐서처리장치(TPU)’가 급부상하면서 HBM(고대역폭 메모리) 시장이 대대적인 재편 국면에 들어섰다. 경쟁사 마이크론이 생산 능력에서 뒤처지면서, 삼성전자와 SK하이닉스가 압도적인 제조 역량을 기반으로 ‘2강 체제’를 형성할 것이라는 전망에 힘이 실린다. 30일 업계에 따르면 최근 구글의 새 AI 모델 ‘제미나이3’가 챗GPT를 위협하는 성능을 보이자, 이 모델의 학습과 추론을 담당하는 구글의 자체 칩 TPU도 주목을 받고 있다. TPU는 구글이 미국 팹리스(설계 업체) 브로드컴과 함께 개발한 칩으로, 한 개에 6~8개의 HBM이 탑재된다. 시장에서는 삼성전자와 SK하이닉스가 이미 구글 TPU 공급망의 핵심으로 자리 잡았다는 평가가 나온다. SK하이닉스는 구글 최신 TPU 모델에 HBM3E(5세대) 8단 제품을 먼저 공급하며 초기 시장을 선점했다. 전력 효율을 개선한 차세대 12단 제품도 선도적으로 공급하고 있다. 국내 증권사들은 SK하이닉스가 초기 주도권을 확보하면서, 올해 구글 TPU에 들어가는 HBM의 절반 이상을 맡을 것으로 내다봤다. 한국투자증권은 SK하이닉스의 공급 비중을 56.6%로, 메리츠증권은 60% 수준으로 추정했다. 삼성전자는 구글과의 오랜 협력 관계와 대규모 생산 역량을 바탕으로 공급 물량을 빠르게 확대하고 있다. 올해 하반기부터 구글·브로드컴향 HBM 공급이 증가하면서, 연간 총 공급량 기준에서는 SK하이닉스를 앞설 거란 전망이다. 삼성전자는 HBM 외에도 TPU와 관련한 선단 공정 파운드리 수주 증가와 TPU 구동을 위한 일반 D램 수요 증가가 겹치면서 추가 성장 동력을 확보할 것으로 분석된다. KB증권은 삼성전자를 ‘TPU 수혜 최선호주’로 제시하고, 2026년 영업이익이 100조원에 근접할 가능성을 언급했다. HBM 시장에서 삼성전자와 SK하이닉스의 양강 구도가 부각되는 건 마이크론과의 생산 능력 격차 때문이다. 글로벌투자은행 HSBC에 따르면 올해 말 기준으로 SK하이닉스(월 16만장)와 삼성전자(15만장)의 HBM 생산 능력은 마이크론(5만5000장)의 약 3배에 달한다. 다만, 양강인 삼성과 SK하이닉스 간 경쟁은 더욱 치열할 전망이다. 구글·엔비디아·아마존 등 초대형 고객사들이 차세대 AI 가속기에 필요한 HBM 사양을 잇달아 높이고 있어 양사는 더 높은 적층 기술, 수율, 전력 효율을 앞세워 주도권 확보에 나설 수밖에 없다.

사실상 종신집권이 확정된 시진핑 중국 국가주석, 블라디미르 푸틴 러시아 대통령의 절대권력이 부러운 걸까. 도널드 트럼프(79) 미국 대통령이 28일(현지시간) 자신의 소셜미디어(SNS)에 ‘TRUMP 2028’이라는 문구가 적힌 합성 이미지를 게시하면서, 헌법상 금지된 3선 도전 가능성을 또다시 암시했다는 해석이 나왔다. 트럼프 대통령은 이날 트루스소셜 계정에 자신이 ‘TRUMP 2028, YES’라고 쓰인 피켓을 들고 있는 이미지를 올렸다. 사진은 인공지능(AI) 합성으로 보이지만, 차기 대선을 직접 언급한 점에서 지지층 결집을 위한 정치적 메시지로 해석될 소지가 있다. 그는 게시물에 “TRUMPLICANS!”라는 신조어도 남겼다. 자신의 성(Trump)에 공화당원(Republican)을 결합한 표현으로, 트럼프 지지층의 독자적 정체성을 강조하려는 의도로 읽힌다. 트럼프 대통령은 이틀 전에도 “트럼프 공화당원을 뜻하는 새로운 단어가 있다”며 “TEPUBLICAN 또는 TPUBLICAN”이라는 표현을 소개하는 등 연일 유사한 메시지를 내고 있다. 헌법은 3선 불가… 그럼에도 반복되는 ‘가능성 언급’미국 수정헌법 제22조는 대통령직의 3회 이상 당선을 명확히 금지하고 있다. 이에 따라 트럼프 대통령의 2028년 출마는 법적으로 허용되지 않는다. 그럼에도 그는 최근 몇 달 동안 여러 차례 3선 가능성을 시사하는 발언을 이어왔다. 9월 30일에는 셧다운 협상 당시 책상 위에 ‘TRUMP 2028’ 모자를 배치했고, 10월 27일 말레이시아에서 일본으로 가는 전용기에선 3선 도전 여부를 묻는 기자에게 “하고 싶다”고 답했다. 10월 29일 일본에서 한국으로 향하는 전용기에서도 “출마가 허용되지 않는 건 꽤 확실하다”면서도 “안타깝다. 지켜보자”라고 언급했다. 이 같은 발언은 헌법적 한계를 전제로 하면서도 정치적 여지를 남겨두려는 전략으로 보인다. 전문가들 “레임덕 방지·지지층 결속 노린 전략”트럼프 대통령의 이런 행보를 놓고 미국 정치·외교가에서는 실제 개헌 추진보다는 정치적 영향력 유지를 위한 상징적 메시지에 가깝다는 해석이 나온다. 여야 의석 차가 박빙인 현 의회 구도에서 개헌을 통한 3선 시도는 현실성이 낮기 때문이다. 전문가들은 민주당이 우세할 것으로 점쳐지는 내년 중간선거를 앞두고 트럼프 대통령이 ▲현직 대통령으로서의 영향력 유지 ▲공화당 내 지지층 결속 ▲‘헌법이 나를 제한한다’는 정치적 서사를 구축하려는 의도가 엿보인다고 분석했다. 그가 법적 한계를 알면서도 정치적 신호를 지속해 발신하는 것은 중간선거 이후에도 존재감을 확보하려는 포석이라는 평가다.

구글이 자체 개발한 인공지능(AI) 칩 텐서처리장치(TPU)와 최신 AI 모델 제미나이3를 통해 글로벌 AI 산업 판도를 흔들고 있다. TPU는 AI 연산에 최적화된 맞춤형 반도체로, 엔비디아 그래픽처리장치(GPU) 없이도 대규모 연산을 수행한다. 최근 메타플랫폼 등 글로벌 빅테크 기업이 TPU 도입을 검토하면서, 엔비디아 중심의 AI 하드웨어 시장에 균열이 생길지 주목된다. 25일(현지시간) 블룸버그와 WSJ에 따르면 구글은 TPU 7세대 모델 ‘아이언우드’를 활용해 제미나이3를 학습시켰다. 제미나이3는 추론 성능과 코딩 능력에서 오픈AI의 챗GPT 5.1을 뛰어넘는다는 평가를 받는데, 실제 업무와 데이터 분석까지 수행할 수 있는 ‘에이전틱 AI’로도 주목받고 있다. TPU는 2015년 처음 공개됐지만 엔비디아 GPU 중심의 AI 시장에서 크게 주목받지 못했다. 그러나 제미나이3로 TPU 기술력이 입증되면서, 구글이 엔비디아의 유일한 대항마로 자리 잡을 수 있다는 전망이 나왔다. 여기에 메타 등이 TPU 도입을 검토한다는 소식이 전해지면서 엔비디아 주가는 이날 약 2.6% 하락해 시가총액 1150억 달러(약 169조원)가 증발했다. 반면 구글 모회사 알파벳의 주가는 1.62% 올라 사상 최고치를 기록했다. 주가는 최근 5거래일 동안 14% 뛰었고, 연초 이후 70% 급등했다. 구글 TPU 강점은 단순한 하드웨어 성능에만 국한되지 않는다. 검색 엔진, 유튜브, 안드로이드 OS 등 방대한 자체 데이터와 클라우드를 활용해 매일 AI 학습에 필요한 자료를 확보할 수 있다는 점이 차별점이다. 또 모바일 기기, 자율주행 차량 웨이모 등 현실 세계와 연관된 센서 데이터를 통합해 제미나이3의 학습 효율을 극대화할 수 있다. 결과적으로 구글은 AI 모델부터 칩, 데이터, 클라우드 인프라까지 전 영역에서 통합 역량을 갖춘 몇 안 되는 기업으로 평가된다. TPU가 데이터센터에서 대규모로 활용될 가능성이 떠오르면서 국내 반도체 기업들이 받을 수혜에도 관심이 쏠린다. TPU 7세대 모델 아이언우드에는 SK하이닉스가 공급하는 5세대 고대역폭메모리(HBM3E)가 탑재돼 있으며, 향후 TPU의 데이터센터 활용이 확대되면 삼성전자까지 공급망이 늘어날 수 있다. GPU뿐 아니라 TPU와 CPU를 함께 사용하면서 DDR5·LPDDR5 등 범용 D램 수요도 증가할 전망이다. 삼성전자는 전체 D램 생산능력 중 70%가 범용 D램인 만큼 수혜 폭이 상대적으로 클 거라는 분석이다.