빅테크 자체 AI 칩 양산 확대는 엔비디아보다 한국 NPU 기업에 더 직접적인 위협이 될 수 있다. Google TPU, Amazon Trainium, Meta MTIA, Microsoft Maia, OpenAI Jalapeño처럼 AI 모델과 데이터센터를 동시에 보유한 기업들이 자체 ASIC을 확대하면 독립 NPU 업체가 공략할 수 있는 대형 고객 시장이 축소될 수 있기 때문이다.
OpenAI·Google·Amazon·Meta·Microsoft 자체 AI 칩 양산
인공지능 반도체 시장에서 한국 NPU 기업들이 경계해야 할 경쟁자가 바뀌고 있다.
지금까지 국내 AI 반도체 업계의 가장 큰 목표는 엔비디아 GPU를 대체하는 것이었다. 그러나 실제 시장에서 더 직접적인 위협은 엔비디아가 아닐 수 있다. Google, Amazon, Meta, Microsoft 같은 빅테크가 자체 AI 칩을 개발하고 양산하는 흐름이다.
여기에 OpenAI까지 자체 AI 추론칩 개발에 들어갔다. 빅테크가 자사의 AI 모델과 데이터센터에 맞는 반도체를 직접 설계하면서 외부 NPU 업체가 차지할 수 있는 시장이 좁아질 가능성이 커지고 있다.
문제는 단순한 기술 경쟁이 아니다. 고객이 칩을 직접 만들기 시작하면 기존의 AI 반도체 공급업체는 고객이 아니라 경쟁자가 될 수 있다.
OpenAI의 Jalapeño가 보여준 변화
가장 최근 사례가 OpenAI다. OpenAI CFO 사라 프라이어는 9일 골드만삭스 행사에서 OpenAI가 자체 AI 모델을 활용해 Jalapeño 칩을 개발했으며 설계 시작부터 테이프아웃까지 약 9개월이 걸렸다고 밝혔다.
Jalapeño는 OpenAI와 Broadcom이 개발한 AI 추론용 커스텀 칩이다. 여기서 중요한 것은 OpenAI가 반도체 회사를 차리려 한다는 사실 자체가 아니다. AI 모델을 가진 기업이 자신의 모델에 맞는 하드웨어를 직접 정의하기 시작했다는 점이다.
AI 모델의 구조와 실제 서비스에서 발생하는 연산 패턴을 가장 잘 아는 기업이 칩 설계에 직접 참여하면 범용 AI 가속기보다 특정 워크로드에 최적화된 칩을 만들 수 있다. OpenAI가 AI를 칩 설계 과정에도 투입하면서 개발 기간을 단축할 가능성까지 보여줬다는 점은 이 흐름을 더욱 강화한다.
Google은 이미 자체 칩을 사업으로 만들었다
이 흐름은 OpenAI에서 시작된 것이 아니다. Google은 이미 오래전부터 자체 TPU(Tensor Processing Unit)를 개발해왔다. 초기에는 Google 내부 데이터센터의 AI 연산을 위한 전용 칩에 가까웠지만 이제는 외부 고객에게 판매하거나 클라우드를 통해 제공하는 단계로 발전했다.
2026년에는 Google의 8세대 TPU Ironwood가 등장했고, Google Cloud는 TPU를 클라우드 임대뿐 아니라 직접 판매하는 방식까지 확대하고 있다. 최근 Google Cloud 측은 자사의 AI 가속기 사업이 주요 하이퍼스케일러 경쟁자보다 두 배 이상 큰 규모라고 주장했다.
Google은 여기에 그치지 않고 8월에는 Marvell과 TPU용 맞춤형 반도체 공동개발을 확대했다. Google은 AI 모델과 클라우드 서비스, 데이터센터, AI 칩을 모두 가지고 있다.
외부 NPU 업체가 Google에 제공할 수 있는 가치가 제한될 수밖에 없다.
Amazon도 Trainium으로 외부 GPU 의존도를 낮춘다
Amazon 역시 자체 AI 칩을 키우고 있다. AWS의 Trainium과 Inferentia는 Amazon이 자사의 클라우드 AI 인프라에 맞춰 개발한 전용 반도체다. Amazon은 자체 칩을 내부에서 사용하는 데 그치지 않고 Anthropic 등 대형 AI 고객을 확보하면서 규모를 키우고 있다.
여기에 9월 8일 Amazon은 Qualcomm과 최대 600억달러 규모의 AI 데이터센터 칩 및 관련 제품을 구매할 수 있는 장기 협력을 발표했다. 양사는 AI 칩뿐 아니라 데이터센터 광연결 기술도 함께 개발한다.
이 계약은 중요한 신호다. 빅테크가 모든 칩을 직접 설계하지 않더라도 자신의 요구사항을 정의하고 외부 반도체 업체와 공동개발하는 방식이 확산되고 있다는 뜻이다.
이제 단순히 “GPU보다 전력효율이 높다”는 정도로는 부족하다. 고객이 원하는 시스템 전체를 이해하고 그에 맞는 칩과 소프트웨어, 서버까지 제공해야 한다.
Meta는 2년 동안 4세대 자체 AI 칩
Meta의 움직임은 더욱 직접적이다. Meta는 2026년 3월 자체 AI 반도체 MTIA의 새로운 세대를 2년 동안 네 차례 출시하겠다고 밝혔다.
MTIA 300은 이미 생산에 들어갔으며 MTIA 400·450·500은 생성형 AI 추론을 주요 대상으로 한다. Meta는 자체 칩을 수십만 개 규모로 배치하고 있으며 자사의 AI 워크로드에 최적화된 풀스택 시스템을 구축하고 있다고 설명했다.
특히 Meta가 강조하는 것은 개발 속도다. 전통적인 AI 칩 개발주기가 1~2년인 것과 달리 자체적인 모듈형 설계를 이용해 6개월 이하의 주기로 새로운 세대의 칩을 출시할 수 있다는 것이 Meta의 설명이다.
국산 NPU 기업이 2~3년의 개발주기를 거쳐 새로운 칩을 내놓는 동안 빅테크 고객은 자체적으로 여러 세대의 칩을 개발할 수 있다.
Microsoft도 Maia 생산 확대
Microsoft도 같은 방향으로 움직인다. Microsoft는 2023년 첫 Maia 칩을 공개한 이후 2026년 Maia 200을 출시했고, 차세대 Maia 300 개발을 추진하고 있다.
Reuters가 8월 보도한 내용에 따르면 Microsoft는 TSMC와 Maia 300 생산을 위한 협상을 진행했으며 2027년 30만개 이상의 생산을 확보하는 방안을 검토하고 있다. 장기적으로는 100만개 이상 규모의 생산능력 확보도 추진하는 것으로 알려졌다.
이는 자체 AI 칩이 더 이상 연구 프로젝트가 아니라는 것을 보여준다. 빅테크의 자체 AI 칩이 실제 데이터센터에 대규모로 들어가는 단계로 넘어가고 있는 것이다.
국내 독립 NPU 진짜 문제
이 흐름에서 국내 NPU 기업들이 가장 먼저 질문해야 할 것은 “엔비디아보다 빠른가”가 아니다. “누가 칩을 대규모로 구매할 것인가”다. 리벨리온, 퓨리오사AI, 딥엑스 같은 국내 NPU 기업들은 모두 각기 다른 방식으로 시장을 확대하고 있다. 하지만 글로벌 시장에서 가장 큰 AI 칩 구매자는 결국 클라우드와 빅테크다. 문제는 바로 그 기업들이 자체 칩을 만들고 있다는 것이다.
이 기업들은 동시에 막대한 AI 데이터센터 자본을 보유하고 있다. 결국 가장 큰 고객들이 동시에 가장 강력한 잠재적 경쟁자가 되는 구조다.
빅테크 자체 칩 강점….‘칩’보다 ‘풀스택’
국산 NPU가 빅테크와 경쟁하기 어려운 이유는 단순히 개발비 차이만이 아니다. 빅테크는 칩 하나만 만드는 것이 아니다. AI 모델을 직접 보유하고 있다. 컴파일러를 통제한다. 클라우드 플랫폼을 운영한다. 데이터센터를 보유한다. 서버와 네트워크를 설계한다. 그리고 수십만 개의 칩을 한꺼번에 사용할 수 있는 내부 수요가 있다. 따라서 빅테크는 특정 AI 작업에서 필요한 만큼만 최적화할 수 있다.
Meta가 MTIA를 자사의 추천·광고·생성형 AI 추론에 맞춰 설계하는 것도 같은 이유다. Meta는 자체 칩이 자사의 특정 워크로드에서 범용 칩보다 효율적인 풀스택 시스템을 만들 수 있다고 설명한다.
이것은 국산 NPU가 단순 벤치마크에서 이기는 것보다 훨씬 어려운 경쟁이다.
‘엔비디아 대체’ 전략만으로는 부족하다
한국 NPU 산업의 초기 전략은 자연스럽게 엔비디아 대체에 초점이 맞춰졌다. 전력효율이 높은 NPU를 만들고 GPU보다 저렴한 가격으로 공급하는 전략이다. 그러나 빅테크가 자체 칩을 확대하면 시장의 질문이 달라진다.
“엔비디아보다 좋은가?”가 아니라 “우리가 굳이 외부 NPU를 사야 하는가?”가 된다. 이 차이는 크다. 빅테크 입장에서는 자체 칩 개발비가 높더라도 수십만~수백만 개의 칩을 장기간 사용할 수 있다면 개발비를 분산할 수 있다.
또한 칩과 소프트웨어를 함께 최적화할 수 있기 때문에 단순한 칩 구매가격만으로 외부 NPU와 비교하지 않는다.
K 독립 NPU 타겟, 국내 중간 시장 규모는?
국내 NPU 기업의 기회가 사라지는 것은 아니다. Google이나 Amazon처럼 자체 칩을 개발할 능력이 있는 기업을 정면으로 공략하기보다 자체 AI 칩을 만들기 어려운 기업과 국가, 통신사, 공공기관, 제조업체, 로봇·자동차 업체가 주요 시장이 될 수 있다. 문제는 국내 한정된 시장 규모다.
국산 NPU가 서버, 소프트웨어, 컴파일러, 클라우드 서비스, 데이터센터 구축까지 함께 제공할 수 있다면 자체 칩을 만들기 어려운 이들 중간 고객에게는 충분한 가치가 있다. Rebellions가 SK텔레콤·Arm과 함께 통신 및 Sovereign AI 인프라를 겨냥하는 것도 이런 방향의 사례다.
데이터센터 추론 칩이라는 동일 영역에 여러 국내 한정 독립 NPU업체가 중복적으로 필요한 상황인지 냉정하게 물어야 하는 시점이다.
정부 역할도 달라져야 한다
이 때문에 국내 AI 반도체 정책도 단순한 칩 개발 지원에서 벗어날 필요가 있다. 정부가 NPU 개발비를 지원하고 공공기관이 칩을 구매하는 것만으로는 글로벌 경쟁력을 만들기 어렵다.
필요한 것은 실제 대규모 수요와 반복적인 상용화다. AI 데이터센터에서 실제 서비스가 돌아가고, 고객이 비용을 절감하고, 그 결과가 다음 세대 칩 개발로 이어지는 구조가 필요하다.
특히 정부계약이나 정책자금이 기업의 생존을 연장하는 역할에 그치면 빅테크 자체 칩과의 경쟁에서 격차가 더 커질 수 있다.
국산 NPU가 입증해야 하는 것은 투자금 규모가 아니다. 실제 고객의 AI 서비스를 얼마나 오래, 싸게, 안정적으로 돌릴 수 있는가다.
‘국산 NPU’ 경쟁 상대를 다시 정의해야 한다
2026년 AI 반도체 시장을 단순히 엔비디아 vs NPU로 보는 것은 현실을 충분히 설명하지 못한다.
현재 시장은 세 갈래로 나뉘고 있다. 첫째는 엔비디아와 AMD 같은 범용 가속기다. 둘째는 Google TPU, Amazon Trainium, Meta MTIA, Microsoft Maia, OpenAI Jalapeño 같은 빅테크 맞춤형 실리콘이다. 셋째는 리벨리온, 퓨리오사AI, 딥엑스 같은 독립 AI 반도체 업체다.
국산 NPU 기업이 실제로 싸워야 하는 상대는 두 번째 그룹일 가능성이 점점 커지고 있다. 이들은 단순한 칩 회사가 아니다. AI 모델과 클라우드, 데이터센터, 소프트웨어, 자본을 모두 가진 고객이자 경쟁자다.
AI 반도체 시장의 다음 질문
엔비디아의 GPU 독주가 언제 끝날지를 묻는 것보다 더 중요한 질문이 있다. 빅테크가 자체 AI 칩을 얼마나 많이 외부 구매에서 내부 생산으로 전환할 것인가. 이 변화가 커질수록 독립 NPU 업체의 시장은 좁아진다. 반대로 빅테크가 모든 AI 칩을 자체적으로 만들 수 없는 영역이 남는다면 독립 NPU 업체에는 새로운 시장이 열린다.
따라서 한국 NPU 기업의 생존 전략은 엔비디아를 이기는 것이 아니라 빅테크가 직접 만들지 않을 시장을 선점하는 것에 가까워지고 있다.
정부 역시 같은 관점에서 정책을 재설계할 필요가 있다. AI 반도체 지원의 성과지표를 ‘개발된 칩의 수’나 ‘투자받은 금액’이 아니라 상용 고객 수, 실제 배치된 칩 수, 반복 매출, 소프트웨어 생태계, 해외 매출로 바꿔야 한다.
AI 반도체 전쟁의 승자는 가장 많은 칩을 만든 기업이 아니다. 가장 많은 실제 AI 서비스를 자신의 칩 위에서 장기간 실행시키는 기업이다.
한국 NPU 기업에게 지금 필요한 것은 엔비디아와의 정면승부가 아니라, 빅테크가 자체 칩으로 잠그기 전에 확보할 수 있는 시장을 찾는 일이다.
