뉴스 검색 결과: AI chip

AI 칩 경쟁이 단순 성능 향상을 넘어 ‘용도별 최적화’ 전쟁으로 진화하고 있다.

구글(Google)이 22일 라스베이거스에서 열린 구글 클라우드 넥스트(Google Cloud Next) ’26에서 8세대 텐서처리장치(TPU) ‘TPU 8t’와 ‘TPU 8i’를 공개했다. 역대 TPU 가운데 처음으로 단일 칩 대신 학습(training)과 추론(inference)을 각각 담당하는 두 가지 아키텍처로 나눴다. 에이전틱 AI(Agentic AI) 시대에 학습과 추론의 요구사항이 완전히 달라졌다는 구글의 판단이 반영된 설계다.

구글 클라우드 SVP 겸 AI·인프라 수석 기술책임자 아민 바흐다트(Amin Vahdat)는 “학습과 서빙의 수요가 완전히 분리됐다”며 두 칩이 각기 다른 목적에 맞게 설계됐음을 강조했다.

학습용 TPU 8t — 121 엑사플롭스, 슈퍼파드 하나에 TPU 9600개

TPU 8t는 대규모 모델 학습에 특화된 칩이다. 단일 슈퍼파드에 9,600개의 TPU를 집적해 121 엑사플롭스(Exaflops)의 연산력과 2 페타바이트(PB) 공유 메모리를 제공한다. 이전 세대인 아이언우드(Ironwood) 대비 처리 성능은 약 3배, 와트당 성능은 최대 2배 향상됐다. 칩 간 연결을 담당하는 ICI(Inter-Chip Interconnect) 대역폭도 두 배로 늘렸다.

구글은 TPU 8t를 활용하면 100만 개 이상의 TPU를 단일 클러스터로 묶어 몇 달 걸리던 모델 학습을 몇 주로 단축할 수 있다고 밝혔다. 오케스트레이션은 구글 자체 프레임워크인 패스웨이즈(Pathways)와 JAX가 담당한다.

추론용 TPU 8i — 메모리 벽 허문 에이전트 전용 칩

추론에 최적화된 TPU 8i는 설계 철학 자체가 다르다. 핵심은 온칩 SRAM을 384MB로 이전 세대 대비 3배 늘린 것이다. 엔비디아 H100의 L2 캐시(50MB 수준)와 비교하면 약 7~8배 큰 수치다. HBM(고대역폭 메모리)은 288GB로 확장했다.

엔비디아 GPU는 “HBM을 크고 빠르게”라는 전략을 쓴다. 반면 TPU 8i는 추론 전용 칩이라는 특성을 살려 SRAM 쪽으로 과감하게 설계를 밀어붙였다. SRAM은 HBM보다 10~20배 빠르지만 칩 면적을 많이 차지해 용량을 키우기 어렵다는 물리적 한계가 있는데, 추론에만 집중하는 전용 칩이기에 가능한 트레이드오프다. AI 에이전트가 긴 대화 맥락을 처리할 때 발목을 잡던 KV 캐시를 실리콘 위에 통째로 올릴 수 있게 됐다.

칩 간 연결도 재설계됐다. ICI(Inter-Chip Interconnect) 대역폭을 19.2Tb/s로 두 배 늘리고, 네트워크 직경은 50% 이상 줄였다. ICI는 엔비디아의 NVLink에 대응하는 기술이다. NVLink가 별도 NVSwitch 칩을 통해 GPU를 묶는 방식인 데 반해, ICI는 칩들이 스위치 없이 직접 연결되는 메시 구조라 스위치 병목이 없다. TPU 8i는 새로운 보드플라이(Boardfly) 토폴로지로 단일 파드에 1,152개의 TPU를 직접 연결한다. 집단 연산을 별도 처리하는 CAE(Collectives Acceleration Engine)도 도입해 고동시성 요청에서 온칩 지연을 최대 5배 줄였다.

이를 통해 TPU 8i는 이전 세대 대비 추론 달러당 성능을 80% 높였다.

버고 네트워크 — 슈퍼파드와 슈퍼파드를 잇는 스케일아웃 패브릭

AI 데이터센터 인프라를 레이어로 나누면, ICI는 슈퍼파드 안에서 TPU 칩들을 직접 연결하는 스케일업(Scale-Up) 네트워크다. 그 위 계층, 즉 슈퍼파드와 슈퍼파드를, 더 나아가 데이터센터와 데이터센터를 연결하는 스케일아웃(Scale-Out) 네트워크가 바로 이번에 공개한 ‘버고(Virgo) 네트워크’다. AI 데이터센터 인프라 지형도에서 구분한 네트워크 패브릭 레이어에 해당한다.

버고는 코어 스위치→집계 스위치→엣지 스위치로 이어지던 기존 다계층 구조를 단순화한 ‘콜랩스드 패브릭(Collapsed Fabric)’ 아키텍처를 채택해 홉(hop) 수를 줄이고 대역폭을 이전 세대 대비 4배로 끌어올렸다. 엔비디아 생태계의 퀀텀-X800 인피니밴드(Quantum-X800 InfiniBand)나 스펙트럼-X(Spectrum-X) 이더넷에 대응하는 기술이지만, 구글이 TPU 워크로드에 맞게 자체 설계했다는 점이 다르다.

TPU 8t와 결합하면 단일 데이터센터에서 TPU 13만 4000개를 하나의 패브릭으로 연결하고, 여러 데이터센터를 묶으면 100만 개 이상의 TPU를 하나의 학습 클러스터로 구성할 수 있다. NVIDIA 베라 루빈(Vera Rubin) NVL72 기반 A5X 인스턴스도 버고 네트워크를 지원하며, 단일 데이터센터에서 GPU 8만 개, 멀티사이트로 96만 개까지 연결된다.

스토리지 측면에서는 관리형 루스터(Managed Lustre)가 초당 10TB 처리량을 지원해 전년 대비 10배, 경쟁사 대비 최대 20배 빠른 성능을 갖췄다.

“엔비디아 대항마”…시장 반응은 복잡

TechCrunch는 이번 발표를 “구글이 엔비디아와 경쟁하기 위해 두 가지 새 AI 칩을 출시했다”고 보도했다. 그러나 역설적으로 구글은 엔비디아와의 협력도 함께 발표했다. 구글 클라우드는 엔비디아 베라 루빈 플랫폼을 조기 도입하는 파트너가 될 예정이며, 오픈 컴퓨트 프로젝트(Open Compute Project)를 통해 팔콘(Falcon) 네트워킹 프로토콜을 엔비디아와 공동 개발하기로 했다.

칩 시장 분석가 패트릭 무어헤드(Patrick Moorhead)는 “구글이 TPU로 엔비디아에 위협이 될 것이라는 예측은 2016년 첫 TPU 발표 당시부터 있었다”며 “엔비디아는 현재 시총 약 5조 달러 기업이 됐다”고 현실을 지적했다. 구글 클라우드가 AI 클라우드 사업자로 성장할수록 TPU와 GPU 수요가 함께 늘어나는 구조다.

구글은 자사 AI 모델인 제미나이(Gemini)와 앤트로픽(Anthropic)의 클로드(Claude), 구글 딥마인드(DeepMind) 모델 등을 이 TPU 위에서 돌리고 있다. TPU 8t·8i는 올해 안에 구글 클라우드 고객에게 제공될 예정이다.

USD.AI에서 가장 주목할 만한 점은 AI라는 명칭을 사용하는 것 자체가 아니라, 실물 자산인 GPU를 온체인 신용 상품으로 전환하려는 진정한 시도라는 점입니다.

글쓴이: 젠, PANews

최근 인공지능(AI) 산업의 급속한 발전과 함께 관련 인프라 부문은 전례 없는 자본 지출 주기에 접어들고 있습니다. NVIDIA GPU부터 서버 랙, 전력, 데이터 센터에 이르기까지 산업 전반이 확장되고 있습니다.

이로 인해 문제가 발생합니다. GPU와 같은 자산은 본질적으로 역설적인 특성을 지니고 있습니다. 현금 흐름은 빠르게 창출되지만, 가치 하락 또한 매우 빠르게 진행됩니다. 더욱이, 오늘날 수요가 높은 GPU가 불과 3년 만에 구식이 될 수도 있습니다. 전통적인 금융 시스템은 가치 하락률이 높고 변동성이 크며 기술 변화 주기가 빠른 자산에 대해 그다지 호의적이지 않은 경향이 있습니다.

이러한 배경 속에서 블록체인 상에서 AI 인프라 자금 조달을 시도하는 여러 프로젝트들이 등장하기 시작했습니다. USD.AI는 그중에서도 상당히 독특한 프로젝트입니다. 모델이나 AI 에이전트를 구축하는 것이 아니라, GPU 기반 자금 조달을 중심으로 구축된 온체인 신용 프로토콜과 유사합니다.

독특한 스토리와 진입 장벽을 가진 USD.AI의 거버넌스 토큰인 CHIP은 바이낸스, 바이빗, 코인베이스, 업빗 등 주요 거래소에 상장되며 큰 호응을 얻고 있습니다. 코인게코 데이터에 따르면, 현재 CHIP의 유통 시가총액은 약 2억 1,500만 달러이며, 예상 발행가액(FDV)은 10억 8천만 달러로 상장 후 약 57.7% 증가했습니다.

GPU 펀딩이 블록체인에 도입된 방법

USD.AI 프로젝트는 Permian Labs에서 개발했으며, USD.AI 재단은 오프체인 거버넌스와 법적 인프라를 제공합니다. 핵심 논리는 "오프체인 조직, 온체인 대출"로 이해할 수 있습니다. 즉, GPU, 서버 랙, 데이터 센터 확장과 같은 자본 집약적 지출에 온체인 USD 유동성을 공급하는 것입니다.

해당 프로젝트의 공개된 기술 문서를 보면 전체 과정이 결코 간단하지 않다는 것을 알 수 있습니다.

대출자는 먼저 OEM 업체에 구매 주문을 하여 데이터 센터 공간을 확보하고 특수목적법인(SPV)을 설립해야 합니다. 이후 GPU가 데이터 센터로 배송되어 설치되고, 데이터 센터는 전자창고증서를 발행합니다. 이 창고증서는 ERC-721 NFT로 토큰화되며, 최종적으로 프로토콜에서 USDC 대출을 받기 위한 담보로 사용됩니다.

공개적으로 확인 가능한 사례는 아직 많지 않지만, 하드웨어를 담보로 한 대출 사례는 최소한 몇 건 공개되었습니다. 2026년 4월, 크루서블 캐피털(Crucible Capital)은 미국 워싱턴주에 설치된 NVIDIA B300 GPU 72대(총 576대)를 담보로 2,682만 달러의 대출을 받았습니다.

하지만 해당 프로젝트는 OEM, 데이터 센터 운영업체 또는 차용자 목록을 완전히 공개하지 않았습니다. 현재까지 확실하게 확인된 업체로는 QumulusAI, Quantum Solutions, Sharon AI 및 Crucible이 있습니다.

이러한 기업들 자체가 USD.AI의 목표 시장을 나타냅니다. 이들은 소비자용 AI 제품이 아니라 컴퓨팅 인프라 제공업체입니다. 예를 들어, QumulusAI의 고객에는 머신러닝 팀, AI 스타트업 및 연구 기관이 포함되며, Sharon AI의 목표 고객은 하이퍼스케일러, 기업 고객 및 정부 기관입니다.

USD.AI의 혁신적인 GPU 기반 스테이블코인 대출 모델은 여러 기관의 지지를 얻었습니다. 지난 8월, USD.AI는 Framework Ventures가 주도하고 Bullish, Dragonfly, Arbitrum 등이 참여한 1,300만 달러 규모의 시리즈 A 투자 유치를 완료했다고 발표했습니다.

하지만 공식 성명에서 구매 계약의 질 검토에 중점을 두겠다고 거듭 언급했음에도 불구하고, 고객 목록, 계약 건수, 실제 임대 규모는 아직 공개되지 않았다는 점에 유의해야 합니다. 다시 말해, 현재로서는 외부인이 이러한 GPU가 안정적이고 지속 가능한 현금 흐름을 창출할 수 있는지 여부를 독립적으로 검증하기 어렵습니다.

3단계 운영: USDai, sUSDai 및 CHIP

USD.AI의 구조는 기본적으로 계층적입니다. USDai는 유동성 계층, sUSDai는 수익률 계층, 그리고 CHIP은 거버넌스 계층입니다.

USDai: 기본 유동성 계층

USD.AI 생태계 내 온체인 금융의 "기반 레이어"인 USDai는 미국 달러에 1:1로 고정된 고유동성 자산으로 설계되었습니다 . USDai는 DeFi 프로토콜과의 최대 호환성을 목표로 하며, 안정적인 교환 수단을 제공하고 수익을 창출하지 않습니다. 사용자는 PYUSD를 예치하여 USDai를 채굴할 수 있으며, 언제든지 다시 PYUSD로 환매할 수 있습니다.

구조적인 관점에서 이 설계의 핵심 개념은 "유동성"과 "신용 위험"을 분리하는 것입니다. USDai는 즉각적인 유동성을 제공하는 기초 자산에 해당하며, sUSDai는 장기 GPU 대출 포지션에 해당합니다. 후자는 비동기식 상환, 출금 대기열, 유동성 제약 등의 요소를 포함하며, 두 자산의 위험은 완전히 다릅니다.

또한, sUSDai 자체는 원장 기록을 위해 USDai를 기반으로 합니다. 프로토콜의 주식 가격 책정 및 금고 회계는 기본적으로 이 USDai 계층 위에 구축됩니다. USDai가 최종 사용자에게 장기 보유가 필수적인 자산은 아닐지라도, 프로토콜 전체 시스템의 기본 원장 계층이라는 점은 변함이 없습니다.

sUSDai: 수익 계층

GPU 자금 지원으로 실제로 이득을 보는 주체는 sUSDai입니다.

sUSDai는 수익률을 제공하는 주식 기반 자산의 일종으로 이해할 수 있습니다. 이 프로토콜은 전용 포지션 매니저를 통해 자금을 배분합니다. 자금의 일부는 MetaStreet 풀에 투자되고, 나머지 부분은 기초 자산인 M에서 발생하는 수익을 포착합니다. 간단히 말해, sUSDai의 수익은 단일 원천에서 발생하는 것이 아니라 GPU 담보 대출 수익과 기초 자산 수익으로 구성됩니다. 하지만 가장 핵심적이고 차별화된 요소는 여전히 GPU 담보 대출입니다.

sUSDai의 출금 메커니즘은 일반 스테이블코인과도 다릅니다. 사용자가 sUSDai를 출금하려면 비동기식 상환 절차를 거쳐야 합니다. 출금 신청 후, 사용자는 일반적으로 대기열에 등록되어 프로토콜에서 유동성을 방출할 때까지 기다려야 하며, 자금을 즉시 수령할 수는 없습니다.

이를 바탕으로 프로젝트 팀은 QEV(Queue Exit Vault)라는 메커니즘을 설계했습니다. 이 메커니즘의 목적은 누가 더 빨리 대기열을 나갈 수 있는지에 대한 가격을 책정하는 것입니다. 추가 비용을 지불할 의향이 있는 사람은 대기열에서 더 높은 우선순위를 얻어 더 빨리 투자금을 회수할 수 있습니다. 반대로 우선순위를 얻기 위해 비용을 지불하는 사람이 없으면 선입선출(FIFO) 순서로 대기열에 등록됩니다.

CHIP: 거버넌스 레이어

CHIP은 USD.AI 생태계의 거버넌스 토큰이며, 현재 프로토콜에서 유일한 거버넌스 토큰입니다. CHIP은 실제 신용 위험 관리 매개변수 세트에 해당하며, 보유자는 이론적으로 다음과 같은 여러 핵심 사안에 대한 의사 결정에 참여할 수 있습니다.

어떤 자산이 담보로 인정될 수 있나요?

대출 프로젝트는 어떤 심사 기준을 충족해야 합니까?

대출 이자율 및 위험 매개변수를 조정하는 방법

계약 수수료는 어떻게 배분되고 이체되나요?

국고 자금 사용 방법

스테이킹 및 보험 모듈에 대한 규칙 설계

즉, CHIP의 거버넌스 범위는 단순히 "커뮤니티 운영"에만 국한되지 않고, 프로토콜의 대출 방식, 위험 관리 방식, 시스템 내 자금 흐름 방식 등 모든 영역에 직접적으로 관여합니다. 하지만 CHIP 보유자는 프로토콜 수익에 대한 권리를 갖지 않으며, CHIP를 보유한다고 해서 프로토콜 수수료나 대출 수익을 직접 받는 것은 아닙니다.

DeFiLlama 데이터에 따르면 4월 23일 기준 USDai의 시가총액은 약 2억 8천만 달러, 총 예치금액(TVL)은 약 2억 8천 3백만 달러, 활성 대출액은 약 6천만 달러였으며, 지난 30일간의 수익은 약 85만 달러(지난주 수익 33만 달러 포함)였습니다.

위험이 가격에 제대로 반영되고 있는 걸까요?

USD.AI에서 가장 주목할 만한 점은 AI라는 명칭을 사용했다는 사실 자체가 아니라, GPU와 같은 실물 자산을 온체인 신용 상품으로 전환하려는 진정한 시도라는 점입니다. 하지만 바로 이러한 이유 때문에 USD.AI의 위험성은 일반적인 스테이블코인보다 더 복잡합니다.

우선, GPU 담보 자체에 문제가 있습니다. GPU는 매년 15~20%씩 가치가 하락할 수 있습니다. 현재 가장 인기 있는 그래픽 카드조차 미래에는 가치가 없을 수도 있습니다. 본 프로젝트는 낮은 담보대출비율(LTV), 3년 상환 기간, 바커 평가 시스템, 그리고 재보험으로 뒷받침되는 가치 보증을 통해 위험을 완화하고자 합니다. 그러나 문제는 GPU 시장 가격이 급락하거나 차세대 하드웨어가 예상보다 빠르게 기존 하드웨어를 대체할 경우 이러한 보호 장치가 충분할지 정확하게 예측하기 어렵다는 점입니다.

둘째로, 차입자의 현금 흐름 문제가 있습니다. 전체 모델은 이러한 GPU를 꾸준히 임대할 수 있는 능력에 달려 있습니다. 관계자들은 구매 계약 검토를 거듭 강조해 왔지만, 현재 이러한 컴퓨팅 파워 계약의 실제 품질을 검증할 수 있는 충분히 투명한 데이터가 부족합니다.

셋째, 유동성 위험이 있습니다. 프로토콜의 하위 계층은 장기 GPU 대출에 투자하지만, 상위 계층에서 sUSDai를 보유한 사용자는 언제든지 대출금을 상환받기를 원할 수 있습니다. 모든 사용자가 즉시 인출을 요구할 경우, 프로토콜은 장기 대출을 즉시 현금으로 전환할 수 없습니다. 따라서 QEV의 중요성은 대기열 및 지급 우선순위 메커니즘을 통해 유동성 압력을 최대한 완화하는 데 있습니다. 그러나 이 메커니즘은 영향을 완화할 뿐, 장기 대출과 단기 상환 간의 불균형을 근본적으로 해결할 수는 없습니다.

CHIP 토큰 자체로 돌아가 보면, "거버넌스 토큰"의 매력은 지난 몇 년간 분명히 감소했습니다. 많은 프로토콜이 토큰 보유자에게 투표권을 부여하지만, 실제로 거버넌스에 참여하는 사람의 수는 많지 않고, 실질적인 결정은 핵심 팀, 소수의 대주주 또는 기관 투자자의 손에 집중되는 경우가 많습니다.

이 문제는 USD.AI의 경우 더욱 두드러질 수 있습니다. USD.AI가 점차 제도화됨에 따라, 프로토콜의 미래를 좌우할 주요 참여자는 기관 투자자, 규정을 준수하는 투자자, 그리고 소수의 대형 투자자로 집중될 가능성이 높습니다. 이러한 구조 하에서 CHIP의 거버넌스가 프로토콜의 방향에 실질적으로 얼마나 영향을 미칠 수 있을지는 지켜볼 가치가 있는 문제입니다.

AI 수요 강세 속 고부가 제품 판매 확대…사상 최대 분기 실적 달성

에이전틱 AI 시대, D램∙낸드 전방위 수요 증가…신제품 선제 대응

[편집자주] 미국과 중국이 반도체를 중심으로 기술패권 전쟁을 벌이고 있다. 국내 역시 AI반도체와 HBM을 놓고 치열한 전투가 일어나고 있다. [Chip War]에서는 국내외 반도체 전쟁 양상과 기업들의 전략을 살펴본다.

청주 테크노폴리스 산업단지 내 P&T7 조감도. [출처=SK하이닉스]

글로벌 AI 메모리 시장의 '퍼스트 무버' SK하이닉스가 2026년 1분기, 창사 이래 최고 실적을 발표했다.

23일 SK하이닉스는 비수기라는 말이 무색하게 매출 50조원 시대를 열었으며, 영업이익은 단 한 분기 만에 37조원을 돌파하며 전 세계 반도체 시장을 놀라게 했다.

고부가가치 제품들이 일냈다... 재무 건전성도 '역대급'

엔비디아의 ‘DGX Spark’와 SK하이닉스의 ‘LPDDR5X’ [출처=SK하이닉스]

SK하이닉스는 1분기 매출액 52조5763억원, 영업이익 37조6103억원을 기록했다. 매출은 전년 동기 대비 198%, 영업이익은 405% 증가한 수치다. 영업이익은 지난해 4분기와 비교해 2배 가까이 급증했으며, 순이익은 40조3459억원으로 순이익률이 77%에 달한다.

SK하이닉스 관계자는 "1분기는 계절적 비수기임에도 AI 인프라 투자 확대로 수요 강세가 이어진 가운데, HBM·고용량 서버용 D램 모듈·eSSD 등 고부가가치 제품 판매를 확대하며 실적 상승세를 이어갔다"고 설명했다.

이번 실적 개선의 근간은 AI 인프라 투자 확대에 따른 고부가가치 제품의 싹쓸이 판매다. 엔비디아 등 글로벌 빅테크향 HBM 공급이 견고한 가운데, 고용량 서버용 D램과 솔리다임 기반의 대용량 QLC eSSD 매출이 실적을 견인했다.

재무 구조 역시 '강철 체력'을 확보했다. 1분기 말 현금성 자산은 54조3000억원으로 늘어난 반면, 차입금은 19조3000억원으로 줄었다. 이로써 순현금 35조원을 달성하며 공격적인 미래 투자를 위한 거대한 실탄을 장착하게 됐다.

'에이전틱 AI' 선제 대응…1c 나노·321단 낸드로 초격차 유지

SOCAMM2 192GB 제품. [출처=SK하이닉스]

SK하이닉스는 AI가 단순 학습을 넘어 실시간 추론을 반복하는 '에이전틱(Agentic) AI' 단계로 진화함에 따라 메모리 수요 기반이 D램에서 낸드 전반으로 확장되고 있다고 진단했다.

이에 맞춰 기술적 초격차 드라이브를 건다. D램에서는 세계 최초로 10나노급 6세대(1c) 공정을 적용한 LPDDR6와 이달 양산을 시작한 192GB SOCAMM2 공급을 본격화한다. 낸드 역시 세계 최고층 321단 QLC 기술을 적용한 cSSD 'PQC21'을 앞세워 AI 데이터센터 시장을 장악한다는 복안이다.

특히 CTF(Charge Trap Flash) 기반의 고효율 설계와 솔리다임의 대용량 솔루션 시너지는 경쟁사들이 쉽게 넘볼 수 없는 SK하이닉스만의 독보적 경쟁력으로 꼽힌다.

SK하이닉스는 고객 수요가 공급 역량을 상회하는 현 환경을 '구조적 성장기'로 규정했다. 이에 따라 청주 M15X 램프업과 용인 반도체 클러스터 인프라 구축, EUV 등 핵심 장비 확보를 위해 전년 대비 투자 규모를 대폭 늘릴 계획이다.

SK하이닉스 관계자는 "수요 가시성이 확보된 영역을 중심으로 전략적 투자를 단행해 공급 안정성과 재무 건전성을 동시에 잡겠다"며 "AI 시대의 핵심 경쟁력인 공급 역량을 선제적으로 확충해 글로벌 리더십을 공고히 하겠다"고 밝혔다.

"P&T7, AI 메모리 리더십 완성할 핵심 생산기지"

충북 청주 테크노폴리스 산업단지. [사진=SK하이닉스]

1분기 실적 발표 전날 SK하이닉스는 충북 청주 테크노폴리스 산업단지에서 글로벌 AI 메모리 시장의 리더십을 공고히 할 어드밴스드 패키징(Advanced Packaging) 전용 팹(FAB)인 'P&T7'의 첫 삽을 떴다. 단순한 생산 라인 증설을 넘어, 전 세계가 주목하는 HBM(고대역폭메모리) 경쟁에서 '기술 초격차'를 완성하겠다는 의지다.

P&T7은 약 23만㎡(7평 평) 부지에 조성되는 대규모 후공정 거점이다. 웨이퍼 테스트(WT) 라인과 웨이퍼 레벨 패키지(WLP) 공정 라인을 합친 클린룸 면적만 약 15만㎡(4.6만 평)에 달한다.

최근 반도체 미세화 공정이 한계에 다다르면서, 여러 개의 칩을 수직으로 쌓아 성능을 극대화하는 어드밴스드 패키징은 AI 반도체의 성능을 결정짓는 핵심 변수로 부상했다. P&T7은 2027년 10월 WT 라인 준공을 시작으로 2028년 2월까지 모든 공정을 마무리하고, 폭발적으로 증가하는 글로벌 AI 수요에 대응하는 '전략적 요충지' 역할을 수행하게 된다.

SK하이닉스는 이번 부지 선정 과정에서 '지역 균형 발전'을 최우선 순위로 뒀다. 수도권 쏠림 현상을 해소하고 충청권 산업 생태계를 강화해 국가 전체의 산업 기반을 단단히 하겠다는 포석이다.

실제로 P&T7은 청주에 들어서는 SK하이닉스의 다섯 번째 생산 시설로, 완공 후 기존 M11·M12·M15·M15X와의 시너지를 통해 청주를 세계 최고의 AI 메모리 클러스터로 탈바꿈시킬 전망이다. 경제적 파급효과도 상당하다. 공사 기간 중 일평균 320명, 최대 9000명의 인력이 투입되며, 완공 후에는 약 3000명의 신규 인력이 상주하며 지역 경제 활성화의 마중물 역할을 할 것으로 보인다.

SK하이닉스 이병기 양산총괄은 이날 인사말을 통해 "P&T7은 SK하이닉스의 AI 메모리 리더십을 완결 짓는 핵심 생산기지”라면서 "이곳에서 생산될 첨단 제품들이 글로벌 AI 인프라의 표준이 될 수 있도록 제조 역량을 집중하는 한편, 지역 사회와 긴밀히 소통하며 국가 산업 경쟁력 강화와 지역 상생이라는 두 마리 토끼를 모두 잡는 성공적인 사업 모델을 완성하겠다"고 강조했다.

"HBM4E, 하반기 샘플 공급·내년 양산 목표"

SK하이닉스 P&T7 조감도. [출처=SK하이닉스]

SK하이닉스는 이날 컨퍼런스콜에서 HBM4 양산에 대해 "HBM은 고객 관점에서 속도와 전력 등 성능뿐 아니라 품질과 수율, 공급 안정성을 포함한 통합 경쟁력이 더욱 중요하게 평가되는 상황"이라면서 "당사 HBM4는 주요 고객사와 초기 단계부터 긴밀히 협력해 개발 및 공급 체계를 구축해왔다"고 설명했다.

이어 "향후 3년 동안 당사에 요구되는 수요는 캐파를 상회하는 수준"이라면서 “제한된 캐파 내에서 HBM을 원활히 공급하기 위해 매진하고 있다"고 부연했다.

7세대 HBM인 HBM4E에 대해서는 "내부적으로 하반기 샘플 공급에 나설 계획이고, 내년 양산을 목표로 순조롭게 개발 중"이라면서 "출하 일정과 제품 스펙에 대해 고객사와 긴밀히 협의 중"이라고 덧붙였다.

용인 클러스터에 대해서는 "중장기 수요 대응을 위해 1기 팹의 페이즈1 클린룸 오픈 시점을 기존 2027년 5월에서 2월로 3개월 단축하기로 결정했다. 현재 용인팹 건축 일정은 계획대로 차질 없이 진행하고 있다"면서 "페이즈1은 D램을 생산하고 이후 페이즈 2~6에서 생산될 제품과 전개될 테크는 시장의 수요에 맞춰서 효율적으로 운영할 수 있도록 지속 검토할 계획"이라고 전했다.

이란전쟁에 따른 원자재 수급 리스크 대응을 묻는 질문에는 "헬륨, 텅스텐 등 주요 가스와 원자재 공급처 다변화를 완료하고 재고도 충분히 확보했다"면서 "LNG 역시 장기 계약을 통해 가격 변동 리스크를 최소화하고 있어 생산에 미치는 영향은 매우 제한적일 것으로 본다"고 답했다.

미국 ADR 상장에 대해서는 "지난달 24일 미국 SEC에 ADR 상장 비공개 등록 신청서를 제출했으며 연내 상장을 목표로 추진 중"이라면서 "주주환원은 배당과 함께 자사주 매입 및 소각 등 추가 수단을 적극 검토해 연내 실행 방안을 마련하겠다"고 밝혔다.

[위키리크스한국=안준용 기자]

junyongahn0889@wikileaks-kr.org

저작권자 © 위키리크스한국 무단전재 및 재배포 금지

Anker가 헤드폰용 AI 칩을 출시했습니다.

Anker는 기기의 데이터 처리 방식을 혁신적으로 바꿀 것으로 기대되는 새로운 AI 칩 'Thus'를 발표했습니다. 클라우드 기반 컴퓨팅 모델과 달리, Thus는 메모리에서 직접 처리를 수행하여 에너지를 절약하고 응답 속도를 향상시킵니다.

컴팩트한 디자인과 낮은 전력 소비량 덕분에 초소형 모바일 기기에 통합될 가능성이 열려 있습니다.

Anker의 AI Thus 칩은 소형화 설계되었으며 Soundcore 헤드폰에 최적화되어 있습니다. (출처: Anker)

이 칩의 첫 번째 적용 사례는 새로운 사운드코어(Soundcore) 헤드폰 라인에 탑재될 예정입니다. 이 칩은 현재 칩의 성능을 훨씬 뛰어넘는 수백만 개의 노이즈 캔슬링 파라미터를 처리할 수 있습니다.

또한, 이 헤드폰에는 골전도 센서가 탑재되어 있어 시끄러운 환경에서도 선명한 음성 인식이 가능합니다.

Anker는 Thus와의 통합이 수년에 걸쳐 진행될 것이며, Eufy 로봇 청소기 및 Solix 에너지 관리 시스템과 같은 다른 제품으로 확대될 것이라고 밝혔습니다.

5월 21일 뉴욕에서 열리는 앵커 데이 행사에서 Toxoplasma Thus 칩을 탑재한 첫 번째 헤드폰이 공식적으로 공개될 예정이며, 가격과 출시일도 함께 발표될 것입니다.

AMD, 라이젠 9 9950X3D2 듀얼 에디션 출시

AMD는 총 208MB의 캐시 용량을 갖춘 듀얼 3D V-캐시 기술을 탑재한 최초의 칩인 라이젠 9 9950X3D2 듀얼 에디션 CPU를 공식 공개했습니다.

이는 Zen 5 아키텍처의 중요한 도약으로, 복잡하고 지연 시간에 민감한 작업에 탁월한 성능을 제공합니다.

AMD 라이젠 9 9950X3D2 - 듀얼 3D V-캐시를 탑재한 최초의 CPU. (출처: AMD)

새로운 칩은 16코어 32스레드 구성으로, 기본 클럭 속도는 4.3GHz, 최대 부스트 속도는 5.6GHz입니다. TDP는 200W로 이전 버전보다 높지만, 강력한 오버클럭 성능과 안정적인 성능으로 이를 보완합니다.

라이젠 9 9950X3D2는 모든 AM5 소켓 마더보드와 호환되며 메모리 업그레이드가 필요하지 않습니다.

899달러부터 시작하는 이 제품은 콘텐츠 제작자, 프로그래머 및 AI 애플리케이션을 위한 AMD의 최고급 CPU입니다.

이 제품은 인텔의 새로운 칩 제품군과 직접 경쟁하는 동시에 전문가 사용자를 위한 더욱 강력한 처리 시대를 열어갈 것으로 기대됩니다.

Meta의 Threads가 주요 행사에서 실시간 채팅 기능을 출시했습니다.

Meta는 Threads 플랫폼에 라이브 채팅 기능을 도입하여 사용자들이 주요 이벤트 기간 동안 실시간 대화에 참여할 수 있도록 했습니다.

이는 시청자들이 NBA 결승전, 오스카 시상식 또는 인기 TV 프로그램에 대해 함께 토론할 수 있는 "디지털 거실"로 여겨집니다.

NBA 플레이오프 기간 중 스레드(Threads)의 실시간 채팅 인터페이스 (출처: Meta)

시작을 알리기 위해 Threads는 NBA 커뮤니티와 협력하여 플레이오프 시리즈 기간 동안 라이브 채팅 세션을 진행했습니다. 말리카 앤드류스, 레이첼 니콜스, 다 키드 고위와 같은 유명 인사들이 진행을 맡았으며, 스포츠 및 엔터테인먼트 업계의 수많은 게스트들도 참여했습니다.

사용자는 커뮤니티 피드, 공유 게시물 또는 호스트 프로필 사진 주변의 빨간색 원을 통해 참여할 수 있습니다.

실시간 채팅은 메시지, 사진, 동영상 , 이모티콘 전송은 물론 투표, 카운트다운 타이머, 실시간 점수 표시 등의 기능을 지원합니다. 세션이 종료된 후에도 채팅방은 공개적으로 열려 있어 모든 참가자가 놓친 부분을 확인하거나 다시 볼 수 있습니다.

이는 Threads가 실시간 문화 대화의 중심지로 발돋움하는 데 있어 매우 중요한 단계입니다.

민호안

출처: https://vtcnews.vn/cong-nghe-23-4-chip-ai-thus-cua-anker-bi-mat-trong-tai-nghe-moi-ar1014439.html

본문 내용이 없습니다.

댓글 정렬

BEST댓글

본문 내용이 없습니다.

구글이 인공지능(AI) 연산의 핵심인 자체 반도체 '텐서처리장치(TPU)' 8세대를 공개했다. 학습과 추론을 하나의 칩으로 처리하던 기존 방식에서 벗어나 용도별로 설계를 분리한 것이 특징으로, AI 연산의 중심이 '모델 학습'에서 '추론'으로 이동하는 시장 변화를 반영한 전략으로 풀이된다. 아마존, 엔비디아에 이어 구글까지 추론 특화 AI 칩을 내놓으면서 추론 칩 분야가 AI 반도체시장의 새로운 승부처로 떠오르고 있다.

21일(현지시간) 미국 라스베이거스에서 열린 '구글 클라우드 넥스트 2026' 사전행사에서 공개된 이번 제품은 학습용 'TPU 8t'와 추론용 'TPU 8i'로 나뉜다. 이전 세대 TPU인 '아이언우드'는 학습과 추론을 모두 지원했지만, 이번에는 두 작업을 완전히 분리한 전용 칩을 내놓았다. 아민 바다트 구글 AI인프라 최고기술책임자(CTO)는 "두 칩은 파생 제품이 아니라 각각 용도에 맞춰 처음부터 새로 설계했다"고 설명했다.

훈련용 TPU 8t는 초대형 모델 학습에 집중한다. 단일 훈련 작업에 100만개 이상 TPU 칩을 연결할 수 있다. 바다트 CTO는 "8세대 칩은 7세대 대비 사전학습 성능이 3배 빨라졌으며 전력 효율은 2배 높아졌다"고 말했다.

추론용 TPU 8i는 응답 속도를 최우선으로 했다. 포드 하나에 1152개 칩이 연결되고, 메모리 용량은 이전 세대 대비 7배나 늘어났다. 엔비디아 AI 칩의 경우 수십 개 그래픽처리장치(GPU)를 하나의 서버나 랙 단위로 묶은 뒤 이를 다시 연결해 확장하는 체계라면, 구글은 1000개가 넘는 칩을 하나의 묶음으로 설계해 처음부터 대규모 연산을 전제로 한 구조를 채택했다. 이처럼 1000개 이상 칩을 하나의 시스템으로 설계하면 칩 간 통신 지연을 줄이고 전체 연산을 더 빠르고 안정적으로 처리할 수 있다.

TPU 8i에도 이전 세대인 아이언우드처럼 고대역폭메모리(HBM)가 탑재됐다. 다만 HBM 공급사를 묻자 바다트 CTO는 "우리는 최고의 파트너들과 함께하고 있다"고만 언급했다.

TPU 전략 전환은 사업 모델 변화와도 연결된다. 구글은 최근 앤스로픽과 대규모 TPU 공급 계약을 체결하며 외부 고객 확보에 나섰다. 내부 전용 칩에 머물던 TPU를 클라우드 고객사에 본격적으로 판매하는 단계로 넘어간 것이다. 엔비디아 GPU 수요가 공급을 초과하는 상황에서 '대안 공급자'로 자리 잡겠다는 의도다.

여기에 범용 칩시장을 엔비디아가 장악하고 있는 것과 달리, 추론의 경우 일부 스타트업과 엔비디아, 아마존 등이 이제 막 뛰어든 초기 단계다. 구글은 올해 전용 칩까지 출시하며 절대 강자가 없는 AI 추론 칩시장에서 선제적으로 주도권을 확보하려는 전략을 본격화하고 있다.

구글 클라우드는 이날 AI 인프라스트럭처 외에도 기업용 AI 플랫폼을 대거 공개했다. 핵심은 '제미나이 엔터프라이즈 에이전트 플랫폼'이다. 기업이 AI 에이전트를 만들고 운영·통제하는 기능을 하나로 묶은 시스템이다. 한국 기업으로는 카카오뱅크와 CJ올리브영이 이를 적용해 생산성을 높이고 비개발자도 AI 에이전트를 만드는 환경을 구축했다.

또한 글로벌 제약사 머크와 최대 10억달러 규모 인공지능 전환(AX) 계약을 체결했다고 밝혔다. 이 프로젝트는 연구개발, 생산, 영업 등 전 영역에 AI 에이전트를 도입하는 내용이다. 7만5000여 명의 직원이 사용하는 기업 전반 시스템에 AI를 적용하는 대형 프로젝트다. 토머스 쿠리안 구글 클라우드 최고경영자(CEO)는 "에이전틱 엔터프라이즈로의 전환은 모든 기업이 나아가야 할 미래"라며 "구글 클라우드의 기술적 준비는 끝났으며, 이제 기업이 성장엔진을 구축해야 할 때"라고 말했다.

[라스베이거스 원호섭 특파원]

알파벳(NASDAQ:GOOGL)(NASDAQ:GOOG) 산하의 구글은 칩 업계 선두주자인 엔비디아(NASDAQ:NVDA)와 직접 경쟁하고 효율성을 높이기 위해 칩을 재설계함으로써 AI 하드웨어 전략을 강화하고 있다.

구글, 효율성 제고를 위해 AI 칩 분리

구글은 8세대 텐서 프로세싱 유닛(TPU) 라인업에서 AI 훈련과 추론 작업을 서로 다른 프로세서로 분리하고 있다.

아민 바다트 수석 부사장은 수요일 자신의 블로그에 “AI 에이전트의 부상과 함께, 훈련과 서비스 제공의 필요에 각각 특화된 칩이 커뮤니티에 도움이 될 것이라고 판단했다”고 밝혔다.

구글은 성능과 비용 효율성을 높이기 위해 AI 모델 구축용 TPU 8t와 실행용 TPU 8i를 제공할 예정이다. 구글은 머신러닝 작업을 가속화하기 위해 TPU를 전용 칩으로 설계한다.

엔비디아와의 경쟁 및 도입 확대

구글은 클라우드 고객에게 엔비디아 기반 서비스를 계속 제공하면서도, 자사의 TPU를 엔비디아의 지배적인 GPU에 대한 대안으로 포지셔닝하고 있다.

순다르 피차이 CEO는 자신의 블로그에 새로운 아키텍처가 “수백만 개의 에이전트를 비용 효율적으로 동시에 실행하는 데 필요한 막대한 처리량과 낮은 지연 시간을 제공하도록” 설계되었다고 적었다.

동시에 엔비디아는 Groq 기술 인수를 통해 강화된 추론 중심 칩을 포함한 자체 AI 하드웨어를 발전시키고 있어, 두 기업 간의 경쟁 구도를 부각시키고 있다.

경쟁사와의 비용, 속도, 확장성 경쟁

구글은 온칩 메모리를 늘리고 효율성을 개선함으로써 비용 절감과 더 빠른 AI 응답 속도를 목표로 하고 있다.

마크 로마이어 부사장은 블룸버그와의 인터뷰에서 “트랜잭션 수가 급격히 증가하고 있으며, 확장성을 확보하려면 트랜잭션당 비용을 대폭 낮춰야 한다”고 전했다.

시타델 시큐리티즈(Citadel Securities)와 같은 기업 및 미국 국립 연구소 등 기관들이 이미 이 칩을 사용하면서 도입이 확대되고 있다.

앤트로픽(Anthropic) 또한 대규모 TPU 사용에 전념하고 있다.

최신 엔비디아 협력

엔비디아와 구글 클라우드는 기업들이 AI 애플리케이션을 더 쉽고 저렴하게 구축하고 운영할 수 있도록 하기 위해 오랫동안 이어온 파트너십을 더욱 강화하고 있다.

이 기술 거대 기업들은 기업들이 AI를 테스트 단계에서 실제 사용 단계로 옮길 수 있도록 돕는 공유 플랫폼을 구축하기 위해 10년 넘게 협력해 왔다.

이 공유 플랫폼은 자동화된 워크플로우부터 제조 및 로봇 공학 같은 산업 분야에서 사용되는 도구까지 모든 것을 지원한다.

‘구글 클라우드 넥스트(Google Cloud Next)’ 행사에서 양사는 AI 시스템의 속도와 효율성을 높이기 위한 업데이트를 공개했다.

구글 클라우드의 마크 로마이어는 구글의 인프라와 엔비디아의 기술을 결합함으로써 고객이 “성능, 비용, 지속 가능성을 최적화”하면서 AI 도구를 구축하고 운영할 수 있게 된다고 말했다.

이 파트너십을 통해 기업들은 클라우드 환경이든 자체 데이터에 더 가까운 환경이든 관계없이 강력한 AI 도구를 안전하게 대규모로 활용할 수 있다.

GOOGL 주가 움직임: 수요일 정규장에서 알파벳 A종은 2.12% 상승한 339.32달러에 마감했다.

이미지 출처: Shutterstock

Benzinga Pro의 독점 뉴스 및 도구로 수익률을 높이세요.

독점 속보 및 스캐너와 같은 Benzinga Pro의 강력한 도구 세트로 다른 트레이더보다 우위를 점하세요. 여기를 클릭하여 14일 무료 체험을 시작하세요.