AI 인프라
메타가 9월부터 자체 AI 칩 양산에 돌입한다
메타가 Broadcom 설계·TSMC 제조로 자체 AI 칩 MTIA Iris 양산을 시작합니다. GPU 의존도를 낮추고 AI 인프라 주도권을 확보하려는 전략입니다.
이 글에서 다룰 내용
이 글에서 다룰 내용: MTIA Iris란 무엇인가, 자체 칩을 만드는 이유, 경쟁사 동향, 메타의 AI 인프라 전략이 가져올 변화
메타가 직접 칩을 만든다는 게 무슨 뜻일까?
메타가 올해 9월부터 자체 AI 칩 양산을 시작한다는 소식이 전해졌습니다. 이 칩의 이름은 ‘MTIA’ 시리즈의 최신 버전으로, 내부 코드명 ‘Iris’로 불립니다. 간단히 말해 그동안 외부에서 사 쓰던 GPU 대신, 메타가 자체적으로 설계한 반도체를 데이터센터에 투입하겠다는 뜻입니다.
이 결정은 작은 변화가 아닙니다. 현재 메타의 AI 훈련과 추론 인프라는 NVIDIA GPU에 절대적으로 의존하고 있습니다. 전 세계적으로 GPU 수요가 폭증하면서 수급 확보 자체가 어려운 상황이 반복되고 있습니다.
메타 입장에서는 이 의존 구조를 깨야만 했습니다. 2023년부터 자체 AI 칩을 생산해 왔으며, 이제 MTIA 프로그램의 최신 칩이 본격 양산 단계로 넘어가는 것입니다.
MTIA와 Iris, 도대체 뭔가요?
MTIA는 ‘Meta Training and Inference Accelerator’의 약자입니다. 이름에서 알 수 있듯 AI 모델을 훈련하고 추론하는 과정을 가속하는 전용 칩입니다.
Iris는 MTIA 라인업의 최신 세대에 해당합니다. 메타는 올해 3월 모듈형 칩릿(chiplet) 설계를 적용한 4종의 새 칩을 공개했으며, 일부는 올해 또는 내년에 배포 예정입니다. AI 워크로드가 빠르게 변하는 상황에서 칩 생산 시점까지 설계를 유연하게 맞추기 위해 모듈형 접근을 택했습니다.
중요한 점은 메타가 이 칩을 혼자 설계하지 않았다는 것입니다. 반도체 설계 파트너인 Broadcom과 협업해 칩 아키텍처를 최적화했고, 제조는 TSMC가 맡았습니다. 또한 삼성으로부터 RAM을, SanDisk로부터 저장장치를, Sumitomo Electric으로부터 광섬유 장비를 조달하는 등 전 공급망을 구성했습니다.
메타는 NVIDIA GPU를 완전히 버리는 게 아닙니다. 당분간은 GPU와 MTIA를 혼합해서 사용할 계획입니다. 하지만 AI 인프라에서 자체 칩이 차지하는 비중을 꾸준히 늘려가겠다는 전략입니다.
왜 굳이 직접 만들어야 할까?
가장 큰 이유는 비용입니다. AI 모델이 커질수록 필요한 연산량은 폭발적으로 늘어납니다. 그런데 매번 NVIDIA GPU를 사야 한다면, 인프라 비용이 감당이 안 됩니다.
또 하나는 속도와 유연성입니다. 외부 부품을 쓰면 그 부품의 출시 주기에 맞춰야 합니다. 하지만 자체 칩이 있으면 메타가 원하는 시점에 원하는 성능을 설계할 수 있습니다. AI 모델 특성에 딱 맞춘 최적화가 가능해지는 것이죠.
마지막으로 공급망 리스크 문제가 있습니다. NVIDIA GPU 수요가 전 세계적으로 폭증하면서, 구하려고 줄을 서야 하는 상황이 반복됐습니다. 자체 AI 인프라를 갖추면 이런 외부 의존에서 벗어날 수 있습니다.
경쟁사들은 이미 앞서가고 있다
사실 메타만 자체 칩을 만드는 건 아닙니다. 구글은 이미 TPU를 여러 세대 운영 중이고, 아마존도 트레니움과 인퍼런시아라는 자체 칩을 출시했습니다. 마이크로소프트 역시 마이아(Maia) 칩을 공개한 바 있습니다.
오픈AI 역시 지난달 Broadcom과 협력해 개발 중인 추론 전용 칩을 공개했고, Anthropic도 삼성과 협력해 자체 칩 개발을 검토하는 것으로 알려졌습니다. 빅테크 기업들이 앞다투어 자체 AI 반도체를 개발하는 이유는 단순합니다. AI 시대의 핵심 경쟁력이 결국 인프라 비용 효율로 귀결되기 때문입니다.
이 변화가 가져올 영향은?
메타의 데이터센터는 전 세계 수십 군데에 퍼져 있습니다. 이곳에서 람다(Llama) 시리즈 같은 오픈소스 AI 모델과 Muse Spark 시리즈 모델을 훈련하고 서비스합니다. 메타는 올해 7기가와트 규모의 컴퓨팅을 배포하고 내년에는 두 배로 늘릴 계획입니다. 자체 칩이 투입되면 모델 훈련 비용이 낮아지고, 더 많은 모델을 더 빠르게 실험할 수 있게 됩니다.
일반 사용자에게도 간접적인 혜택이 돌아갑니다. 비용이 절감되면 더 강력한 AI 기능을 무료 또는 저렴하게 제공할 수 있기 때문입니다. 메타가 람다 모델을 계속 오픈소스로 풀고 있다는 점을 생각하면, 자체 칩 덕분에 이 흐름이 더 빨라질 수 있습니다.
다만 단기적으로는 우려도 있습니다. NVIDIA 같은 GPU 제조사의 입지에 영향을 줄 수 있고, 칩 양산 과정에서 기술적 어려움이 나타날 수도 있습니다. 적어도 하나의 칩은 약 6주 만에 테스트 단계를 통과했다고 하지만, 첫 양산 제품이 설계만큼의 성능을 낼지는 실제 배포 후 검증이 필요합니다.
결국 주도권 싸움이다
메타가 9월부터 자체 AI 칩을 양산하는 것은 단순한 비용 절감 조치가 아닙니다. AI 시대에 인프라 주도권을 쥐기 위한 전략적 선택입니다. 외부 공급사에 의존하지 않고 자체 기술로 경쟁력을 만들겠다는 의지의 표명이기도 합니다.
메타의 칩 자급화는 AI 경쟁의 승부처가 모델에서 인프라로 넘어가고 있음을 보여줍니다.
———
