Nvidia (NVDA)가 인공지능 (AI) 반도체 경쟁에서 사실상의 리더라는 점은 누구도 부정할 수 없습니다. AI 붐이 시작된 이후 Nvidia가 출시한 모든 플랫폼은 하이퍼스케일러 (hyperscalers)와 기업 모두로부터 강력한 관심을 끌었으며, 수요가 수년 동안 공급을 초과하는 경우가 빈번했습니다. 주요 원인은 CUDA로, 이는 그래픽 처리 장치 (GPUs)를 AI 학습 (training) 및 추론 (inference)을 포함한 범용 컴퓨팅 작업에 프로그래밍할 수 있도록 하는 Nvidia의 독점적인 소프트웨어 생태계입니다. CUDA는 팬데믹 기간 동안 암호화폐 붐이 일었을 때 Nvidia의 GPU가 불티나게 팔린 가장 큰 이유이기도 했습니다.

하지만 오늘날, 그 지배력은 도전을 받고 있습니다. 다만, 여러분이 생각하는 방식과는 다를 수 있습니다.

Barchart의 추가 뉴스

경쟁적인 범용 칩을 만드는 대신, 일부 기업들은 고객 특정 워크로드 (workloads)에 맞춤 제작된 AI 칩인 주문형 반도체 (ASICs, application-specific integrated circuits)를 제공함으로써 Nvidia의 가장 큰 고객들을 공략하고 있습니다. 이 칩들은 좁은 범위의 AI 작업에서 탁월한 성능을 발휘하도록 설계되어 전력 효율성을 개선하며, 하이퍼스케일러들이 Nvidia의 시장 선도 제품보다 낮은 가격으로 필요한 칩을 확보할 수 있게 해줍니다.

따라서 명백한 질문이 제기됩니다. 맞춤형 AI 칩이 AI 인프라 퍼즐에서 점점 더 큰 비중을 차지하게 된다면, 갑작스럽게 Nvidia의 리더십에 대항하는 전쟁이 시작된 것일까요? 만약 그렇다면, 어떤 기업들이 이 움직임으로부터 이익을 얻기에 가장 유리한 위치에 있을까요?

그리고 아마도 더 중요한 것은, 새로운 칩 전쟁이 벌어진다면 투자자들이 실제로 주목해야 할 맞춤형 칩 기업은 어디일까요?

하지만 대부분의 투자자들이 놓치고 있는 사실이 있습니다. 칩 전쟁에서 누가 승리하든 상관없이, 그 전쟁 속의 모든 칩은 스택의 더 하단에 있는 동일한 몇몇 기업들을 거치게 된다는 점입니다. 그리고 그중 한 기업은 너무나 낮은 위치에 자리 잡고 있어, 그 기업 없이는 이 모든 것이 존재할 수 없습니다.

하이퍼스케일러들이 맞춤형 칩을 원하는 이유

하이퍼스케일러들이 맞춤형 칩 제조업체로 눈을 돌리거나 직접 칩을 생산하려는 첫 번째이자 가장 중요한 이유는 비용입니다.

프런티어 AI (Frontier AI) 모델을 훈련하는 데는 수만 개의 GPU가 24시간 내내 가동되어야 합니다. 모델 훈련이 끝난 후에도, 추론 (Inference)을 통해 수백만 명의 사용자에게 서비스를 제공하는 데 수십억 달러의 비용이 들 수 있으며, 이는 끝이 없는 자본 지출 (Capex) 사이클로 이어집니다.

이제 다음과 같은 상황을 상상해 보십시오. 만약 하이퍼스케일러 (Hyperscaler)가 매년 이러한 비용의 20%에서 30%를 절감하면서도 자신들이 필요로 하는 작업을 수행할 수 있는 칩을 확보할 기회가 있다면, 왜 그 기회를 잡지 않겠습니까? 특히 그 20%~30%의 절감액이 수억 달러, 어쩌면 수십억 달러에 달하는 금액으로 쉽게 전환될 수 있다면 더욱 그러합니다.