커스텀 실리콘: NVIDIA가 승리해도 ASIC이 중요한 이유

커스텀 실리콘의 세 참여자

• 자체 설계하는 하이퍼스케일러: 구글(TPU v5), 아마존(Trainium 2, Inferentia 3), 메타(MTIA v2), 마이크로소프트(Maia). 다년간에 걸친 프로그램과 수십억 달러 규모의 설계 투자.
• 커스텀 실리콘 파운드리형 설계사: Broadcom(가장 큰 규모로, 고객사 중 구글 TPU를 포함), Marvell(AWS 등). 이들은 고객사의 요구사항에 맞춰 칩을 설계하고 테이프아웃한다.
• IP 및 설계 툴: Arm, Cadence, Synopsys. 모든 커스텀 칩은 라이선스된 IP와 설계 소프트웨어를 사용하며 — 어느 칩이 승리하든 이들 벤더는 대가를 받는다.

특정 워크로드에서 ASIC이 합리적인 이유

검색 랭킹, 광고 추론, 추천 시스템처럼 24시간 상시 대규모로 운영되는 워크로드는 5억 달러(500M) 규모의 칩 설계 비용을 수년간의 운영 기간에 걸쳐 상각할 수 있다. ASIC은 특정 좁은 워크로드에서 GPU 대비 와트당 성능이 3~10배 더 우수하다. 하이퍼스케일러가 충분한 내부 물량에 도달하면, 자체 실리콘은 명확한 ROI 기준으로 비용 정당성을 확보하게 된다. 이 계산은 단순하며, 특정 AI 트렌드가 지속되는지 여부와 무관하다.

ASIC이 NVIDIA를 죽이지 못하는 이유

프론티어 모델 학습에는 CUDA + GPU가 제공하는 범용 프로그래밍 능력이 필요하다. 새로운 모델 아키텍처는 ASIC 설계 주기보다 더 빠르게 등장한다 — 2년 주기의 칩 설계 대비 6개월 단위의 아키텍처 전환. CUDA 생태계 효과(개발자 마인드셰어, 라이브러리 성숙도, 호환성)는 매년 복리로 축적된다. 혼합 워크로드를 운영하는 고객들 — 대다수의 기업 — 은 ASIC 설계를 정당화할 수 없어 GPU를 구매한다. “NVIDIA 킬러” 프레이밍이 10년째 틀린 이유는 시장 구조를 잘못 해석하기 때문이다.

돈이 흐르는 방향

NVIDIA는 학습, 범용 추론, 그리고 기업용 AI 워크로드의 롱테일을 확보한다. 하이퍼스케일러는 자사 내부의 대규모 추론에서 비용 절감을 확보한다. Broadcom과 Marvell은 어느 하이퍼스케일러가 승리하든 설계 서비스 수익을 확보한다. TSMC는 NVIDIA와 ASIC 생태계 양쪽 모두로부터 웨이퍼 점유율을 확보한다. AI 실리콘 전체 파이는 성장하지만, 그 조각들은 서로 다르다.

투자적 함의

바벨 전략 — 학습 및 범용 시장을 위해 NVIDIA 롱, ASIC 생태계를 위해 Broadcom/Marvell/Arm 롱 — 은 이 트렌드의 양 측면을 모두 포착한다. ASIC 위협만을 근거로 NVIDIA에 반대 베팅하는 것은 2017년 이후 계속 손실을 보는 거래였다. 커스텀 실리콘을 무시하는 것은 반도체 업계에서 가장 명확한 설계 서비스 성장 스토리 중 하나를 놓치는 일이다.