AI 플랫폼 시장이 가열되면서 핵심 하드웨어인 AI칩 경쟁도 치열하다. 엔비디아(Nvidia), 인텔(Intel), 구글(Google), 화웨이(Huawei) 등 IT 대기업들이 시장 점유율을 크게 차지하고 있는 상황에서 새로운 플레이어들도 이 대열에 가세, 자본을 모으고 있다.

미국 켈리포니아의 삼바노바(SambaNova)는 데이터센터-엣지 AI칩 및 하이엔드 시스템 플랫폼 개발업체다. 삼바노바는 올해 4월 인텔 케피탈(Intel Capital), GV(이전 Google Ventures) 등으로부터 시리즈 B 펀딩 1억5000만 달러(한화 약 1764억원)를 유치했다. 2017년 두 명의 스텐포드대 교수 쿤레 오루코툰(Kunle Olukotun)과 크리스 레(Chris Ré)가 설립했다. 칩 멀티 프로세서 디자인 선구자 오루코툰은 2002년 반도체 업체(Afara Websystems)를 썬(Sun)에 매각했다.

니겔 툰(Nigel Toon)과 사이먼 놀스(Simon Knowles)가 공동 설립한 영국 브리스톨의 그레프코어(Graphcore)는 2015년 이후 머신러닝(ML)에 특화된 병렬처리IPU 개발을 위해 2억 달러(약 2353억원)를 모금했다. 둘은 앞서 설립했던 반도체 회사 ‘Icera’를 엔비디아에 4억 3500만 달러에 매각한 베테랑이다. 지난해 초 메모리 대역폭 초당 1페타바이트 ‘C2 IPU’ 프로세서 ‘PCIe’ 카드를 델에 최초 공급, IPU 기반 제품을 구축했다.

Colossus GC2 IPU.

캐나다 토론토의 칩 제조업 스타트업 언테더(Untether)는 11월 초 시리즈A 펀딩에서 2000만 달러(약 235억원)를 모금했다. 회사는 설립 1년 만에 근접 메모리 디자인을 채택한 AI 추론 칩을 출시했다. 데이터 전송 거리를 줄여 초당 2.5 페타바이트까지 처리 효율성을 향상시킬 계획이다.

최근 미국 캘리포니아에 본사를 둔 애플 아이폰칩 수석설계자 출신들이 만든 스타트업 누비아(Nuvia)는 5300만 달러(약 623억원) 이상 모금했다고 발표했다. 이들은 모바일 칩 초절전 설계의 장점을 활용한 데이터센터 프로세서를 개발하고 있다.

2025년까지 91억 달러 시장이 형성될 것으로 전망되는 AI칩 시장에서 이들 일부 스타트업들은 상당한 자본을 조달할 수는 있었지만 성과를 내는 것은 쉬운 일이 아니다. 칩 산업을 주도해 온 엔비디아, 인텔(Intel) 및 퀄컴(Qualcomm) 등 테크 자이언트들과 경쟁은 쉽지 않다.

이들은 또한 하이퍼 스케일 클라우드 제공업체가 제공하는 AI처리 솔루션과도 경쟁해야 한다. 3 세대 TPU를 사용 중인 구글은 처리 속도를 높이기 위해 TPU 포드를 만들었다. 아마존은 클라우드에 자체 AWS칩인 ‘AWS Inferentia’개발을 발표했다.

게다가 새로운 플레이어들은 자금력이 좋은 중국 ICT 기업들과도 경쟁해야 한다. 중국은 AI를 국가 안보 문제로 간주하고 자체 AI생태계를 구축하는데 지원을 하고 있다. 바이두(Baidu), 화웨이 및 알리바바(Alibaba) 등 IT 공룡들은 최근 잇따라 AI 최적화 칩을 출시했다. 호라이즌 로보틱스(Horizon Robotics)의 BPU 및 켐브리콘(Cambricon)의 MLU270 등 여러 중국 스타트업은 모바일 에지 및 데이터센터용으로 설계된 저렴한 AI칩으로 시장에 진입하고 있다.

구글 퀀텀AI가 자체 개발한 시카모어(Sycamore) 양자 프로세서는 각각 초전도 루프로 만들어진 54 큐 비트로 구성됐다. Credit : F. Arute et al. Nature 574, 505–510 (2019).

AI칩 모멘텀

치열한 AI 가속 경쟁에서 새로운 AI칩 제조업체를 위한 공간은 있는가. 차별화 또는 가격 인센티브를 통해 충분한 시장을 구축해 현재 시장 주도 업체로부터 고객을 유인, 입지를 마련할 수 있는가. 보다 중요한 것은 상용화를 위해 도전하고 있는 양자 컴퓨팅 및 양자 프로세서 시뮬레이션이 기존 AI 프로세서 수요에 어떤 영향을 미치게 될 것인지 다.

불확실성은 많지만 AI 시장 트렌드가 유동적인 것은 분명하다. 클라우드 기반 프로세싱은 비용과 규모에서 이점이 있지만 모든 조직이 이 모델을 채택하지는 않는다. 다수 회사들은 자체 AI처리 인프라를 개발, 저렴한 AI 칩셋 확보를 필요로 한다. 또한 스마트폰부터 드론 등 증가하는 모바일 디바이스에서 영상 이미지 등 에지 AI를 통한 데이터 처리 효율성과 경제성 개선이 필요하다.