거대한 세상의 이야기

  GPU·TPU·ASIC이 맞붙는 AI 가속기 기술 전쟁 (출처 : AI 이미지 제공) 국가: 미국 지역·도시: 캘리포니아 · Santa Clara · Mountain View / 워싱턴 · Seattle 여행 주제: Santa Clara의 GPU 산업 중심지에서 Mountain View의 Google AI 생태계로 이동하고, Seattle의 클라우드 산업까지 시야를 넓히며 GPU·TPU·ASIC·자체 AI 칩이 왜 하나의 승자가 모든 연산을 독점하는 대신 학습·추론·클라우드·에이전트 AI라는 서로 다른 시장을 놓고 경쟁하게 되었는지 읽는 미국 AI 반도체 산업 여행 Ingress 지난 글에서는 AI 데이터센터를 24시간 움직이기 위해 원전·SMR·가스발전·재생에너지·ESS가 벌이는 전력 기술 전쟁 을 살펴봤습니다. 그런데 아무리 많은 전력을 확보해도 데이터센터 안에서 그 전기를 실제 AI 연산으로 바꾸는 장치가 없다면 AI는 작동하지 않습니다. 그 중심에 있는 것이 AI 가속기 입니다. 한동안 AI 반도체 경쟁은 “GPU를 얼마나 많이 확보하느냐”라는 질문으로 설명되는 경우가 많았습니다. 특히 NVIDIA 의 GPU와 CUDA 생태계는 대규모 AI 학습 시장의 기준을 만드는 데 결정적인 역할을 했습니다. 하지만 2026년의 풍경은 훨씬 복잡합니다. Google 은 TPU를 세대별로 발전시키고 있고, Amazon Web Services 는 Trainium을 클라우드 AI 인프라의 핵심 칩으로 키우고 있습니다. AMD 역시 Instinct MI400 계열과 Helios 랙스케일 구조를 앞세워 GPU 경쟁을 확대하고 있습니다. 그리고 경쟁의 단위도 변했습니다. 예전에는 “어떤 GPU가 더 빠른가”가 중요한 질문이었다면, 지금은 GPU·CPU·HBM·네트워크·소프트웨어·전력·냉각을 얼마나 효율적으로 하나의 시스템으로 묶을 수 있는가 가 더 중요한 질문이 되고 있습니다. 2026년 3월 NVIDIA가 공개한 Vera Rubin 플랫폼은 GPU만이 아니...