AI 자체칩은 엔비디아 GPU를 더 이상 사용하지 않겠다는 선언이 아닙니다. 오히려 AI 서비스가 커질수록 한 종류의 반도체만으로는 필요한 계산량과 비용, 공급 안정성을 모두 해결하기 어렵다는 판단에 가깝습니다.
OpenAI는 2026년 9월 9일 삼성전자와 차세대 반도체의 공동 연구·생산 협력을 진전시키고 있다고 밝혔습니다. 다만 삼성전자가 어떤 칩을 어느 공정에서 생산하는지 등 구체적인 역할은 공개되지 않았습니다. 현재 확인된 내용을 넘어 삼성전자가 OpenAI의 첫 자체 프로세서를 생산한다고 단정해서는 안 됩니다.
AI 자체칩은 무엇을 다르게 계산하나
엔비디아 GPU의 강점은 다양한 AI 모델의 훈련과 추론에 사용할 수 있는 범용성, CUDA를 중심으로 형성된 소프트웨어 생태계에 있습니다. 새로운 모델을 개발하거나 계산 방식이 자주 바뀌는 환경에서는 이런 유연성이 중요합니다.
반면 자체 설계 반도체는 특정 회사가 반복적으로 수행하는 작업에 맞춰 연산 구조와 메모리 이동, 네트워크 연결을 최적화할 수 있습니다. OpenAI와 Broadcom이 공개한 ‘Jalapeño’는 대규모언어모델의 추론, 즉 사용자의 질문을 처리해 답변을 생성하는 작업을 겨냥한 전용 가속기입니다.
OpenAI의 공식 발표에 따르면 이 칩은 모델의 커널, 메모리 이동과 실제 서비스 패턴을 반영해 설계됐습니다. 초기 시험 결과는 아직 회사 자체 평가 단계이며, 최종 성능을 입증할 상세 기술 보고서도 추후 공개될 예정입니다. 따라서 현재는 비용 절감이 확정됐다고 보기보다 성능 대비 전력 효율을 높이려는 설계 목표로 이해하는 편이 안전합니다.
엔비디아를 대체하기보다 계산 자원을 나눕니다
자체칩 발표만 보면 OpenAI가 엔비디아 의존에서 빠르게 벗어나는 것처럼 보일 수 있습니다. 그러나 OpenAI와 엔비디아는 2025년 최소 10기가와트 규모의 엔비디아 시스템을 구축하기 위한 의향서를 발표했고, 첫 단계는 2026년 하반기 Vera Rubin 플랫폼으로 시작할 예정이라고 밝혔습니다.
엔비디아 시스템 도입 계획과 자체 프로세서 개발이 동시에 진행된다는 사실이 핵심입니다. 새 모델을 훈련하고 변화가 큰 작업은 검증된 GPU 생태계가 담당하고, 규모가 커진 반복적 추론은 맞춤형 반도체로 일부 이동시키는 혼합 구조가 현실적입니다.
제가 이 뉴스에서 더 신경 쓰는 부분은 ‘엔비디아 대 자체칩’이라는 단순한 대결 구도가 아닙니다. AI 기업이 계산 작업의 성격에 따라 서로 다른 반도체를 배치하기 시작했다는 변화가 더 중요합니다.
설계 회사가 늘면 한국 반도체에는 무엇이 달라질까
OpenAI가 칩을 설계한다고 해서 모든 생산 과정을 직접 담당하는 것은 아닙니다. 설계는 OpenAI가 주도하고 Broadcom은 칩 구현과 네트워킹을 지원하며, Reuters 보도에 따르면 첫 Jalapeño의 제조는 TSMC가 맡습니다. 여기에 HBM, 첨단 패키징, 기판과 데이터센터 네트워크가 더해져야 실제 시스템이 완성됩니다.
삼성전자와 SK하이닉스는 2025년 OpenAI의 Stargate 프로젝트에 첨단 메모리를 공급하기 위한 협력 계획을 발표했습니다. OpenAI가 공개한 협력 내용은 월 최대 90만 장의 DRAM 웨이퍼 수요를 목표치로 제시했지만, 이는 확정 구매량이나 현재 생산량이 아니라 향후 확대 계획에 해당합니다.
한국 기업의 기회는 특정 AI칩의 연산 코어에만 있지 않습니다. HBM 공급, 메모리와 로직을 연결하는 첨단 패키징, 파운드리 생산과 데이터센터 구축까지 여러 층으로 나뉩니다. 동시에 AI칩 생산능력의 병목처럼 수율과 장비 확보, 고객 인증을 통과해야 실제 매출로 이어진다는 조건도 살펴야 합니다.
반도체 공급망에서 확인할 4개 변수
- 칩의 용도: 훈련용인지 추론용인지 확인해야 합니다. 추론 전용칩의 성공이 곧바로 훈련용 GPU 시장의 축소를 의미하지는 않습니다.
- 제조사의 역할: 설계 협력, 파운드리 생산, HBM 공급과 패키징은 서로 다른 사업입니다. ‘협력’이라는 표현만으로 수혜 규모를 계산하면 안 됩니다.
- 실제 배치 규모: 시제품, 테이프아웃, 양산과 데이터센터 설치는 별도 단계입니다. 발표보다 출하와 가동 시점을 확인할 필요가 있습니다.
- 비용과 전력 효율: 칩 가격만이 아니라 전력, 냉각, 네트워크와 가동률을 포함한 총비용이 경쟁력을 결정합니다.
특히 AI 데이터센터는 반도체만 확보한다고 운영할 수 없습니다. 전력 공급과 냉각 인프라가 함께 늘어나야 한다는 점은 AI 전력 수요와 전력망 분석에서도 확인할 수 있습니다.
자체 설계의 목적은 독립보다 선택권입니다
OpenAI의 AI 자체칩은 엔비디아와의 관계를 끊는 신호라기보다, GPU·맞춤형 가속기·HBM·복수의 제조 파트너를 함께 확보하려는 전략으로 읽는 편이 타당합니다. 계산 수요가 빠르게 커지는 상황에서는 단일 공급자에 의존하지 않으면서 반복 작업의 단가를 낮출 수 있기 때문입니다.
한국 독자도 기업 이름만 따라가기보다 설계에서 실제 양산까지 어느 단계에 도달했는지 살펴봐야 합니다. 뉴스에 ‘공동 개발’이 등장했을 때 확인해야 할 것은 협력의 크기가 아니라 그 회사가 공급망의 어느 단계에서 매출을 만들 수 있는가입니다.
