메타 로고/로이터 연합뉴스
메타가 자체 인공지능(AI) 칩을 선보였다. 메타는 최근 엔비디아·AMD 등과 대규모 AI 칩 공급 계약을 맺은 바 있는데 자체 AI 칩까지 개발해 다양한 칩을 함께 사용하면서 특정 기업 의존도를 줄이고, 전체 데이터센터 운영 효율을 높일 예정이다. 여러 AI 기업이 자체 칩 개발 경쟁에 나서며 ‘칩 다양화’ 전략을 쓰고 있다. 이런 전략은 주요 기업에 고대역폭 메모리(HBM)를 납품하는 한국 반도체 업계에도 호재라는 분석이다.
메타는 ‘메타 훈련·추론 가속기’(MTIA) 칩 제품군인 MTIA 300과 400, 450, 500 등 자체 AI 칩 4종을 11일(현지 시각) 공개했다. 이 가운데 MTIA 300은 현재 생산에 돌입했고, 나머지 3종은 각각 약 6개월 주기로 내년까지 데이터센터에 배치할 계획이라고 밝혔다. MTIA 300은 페이스북·인스타그램 등에서 콘텐츠를 추천해주는 모델에 최적화한 칩이고, ‘아이리스’라는 코드명으로 알려진 MTIA 400은 이를 기반으로 생성형 AI 모델 지원을 추가한 칩이다. MTIA 450과 500은 AI 추론에 특화한 칩으로, 추론 성능의 핵심인 HBM의 대역폭을 크게 늘린 것이 특징이다.
메타는 엔비디아·AMD의 그래픽처리장치(GPU) 등 외부 칩을 도입하는 것과 자체 칩을 생산하는 것을 병행하는 데 대해 “주류 칩은 가장 까다로운 작업인 AI 훈련을 위해 설계돼 추론과 같은 작업에는 비용 효율성이 떨어진다”며 “MTIA는 반대로 추론에 최적화했다”고 설명했다.
메타를 비롯한 여러 AI 기업에선 이처럼 ‘칩 다양화’ 전략을 쓰고 있다. 범용 AI 칩 하나로 모든 학습·추론 작업을 처리하는 것보다, 용도에 맞는 칩을 나눠 쓰면 가격 대비 성능과 전력 효율을 높일 수 있기 때문이다. 또 AI 인프라에서는 학습, 추론, 추천 시스템, 대규모 생성형 AI처럼 워크로드가 서로 다른데, 용도별로 맞는 칩을 가동해 최적화할 수도 있다.
마이크로소프트(MS)는 지난 1월 ‘마이아 200’이란 자체 AI 칩을 출시했다. 경량 연산 효율이 높은 것이 강점이다. 아마존도 ‘트레이니엄’ 칩 시리즈를 보유하고 있고, 구글 역시 텐서처리장치(TPU)를 개발하고 있다.
빅테크의 자체 칩 개발 경쟁이 치열해질수록 한국 반도체 업계에는 오히려 기회가 커질 수 있다는 분석도 나온다. 자체 AI 칩 역시 고성능 연산을 위해서는 HBM이 필수적이기 때문이다. 실제로 마이크로소프트(MS)의 자체 AI 칩 ‘마이아 200’에는 SK하이닉스의 HBM이 들어간 것으로 알려졌다.
메타가 자체 인공지능(AI) 칩을 선보였다. 메타는 최근 엔비디아·AMD 등과 대규모 AI 칩 공급 계약을 맺은 바 있는데 자체 AI 칩까지 개발해 다양한 칩을 함께 사용하면서 특정 기업 의존도를 줄이고, 전체 데이터센터 운영 효율을 높일 예정이다. 여러 AI 기업이 자체 칩 개발 경쟁에 나서며 ‘칩 다양화’ 전략을 쓰고 있다. 이런 전략은 주요 기업에 고대역폭 메모리(HBM)를 납품하는 한국 반도체 업계에도 호재라는 분석이다.
메타는 ‘메타 훈련·추론 가속기’(MTIA) 칩 제품군인 MTIA 300과 400, 450, 500 등 자체 AI 칩 4종을 11일(현지 시각) 공개했다. 이 가운데 MTIA 300은 현재 생산에 돌입했고, 나머지 3종은 각각 약 6개월 주기로 내년까지 데이터센터에 배치할 계획이라고 밝혔다. MTIA 300은 페이스북·인스타그램 등에서 콘텐츠를 추천해주는 모델에 최적화한 칩이고, ‘아이리스’라는 코드명으로 알려진 MTIA 400은 이를 기반으로 생성형 AI 모델 지원을 추가한 칩이다. MTIA 450과 500은 AI 추론에 특화한 칩으로, 추론 성능의 핵심인 HBM의 대역폭을 크게 늘린 것이 특징이다.
메타는 엔비디아·AMD의 그래픽처리장치(GPU) 등 외부 칩을 도입하는 것과 자체 칩을 생산하는 것을 병행하는 데 대해 “주류 칩은 가장 까다로운 작업인 AI 훈련을 위해 설계돼 추론과 같은 작업에는 비용 효율성이 떨어진다”며 “MTIA는 반대로 추론에 최적화했다”고 설명했다.
메타를 비롯한 여러 AI 기업에선 이처럼 ‘칩 다양화’ 전략을 쓰고 있다. 범용 AI 칩 하나로 모든 학습·추론 작업을 처리하는 것보다, 용도에 맞는 칩을 나눠 쓰면 가격 대비 성능과 전력 효율을 높일 수 있기 때문이다. 또 AI 인프라에서는 학습, 추론, 추천 시스템, 대규모 생성형 AI처럼 워크로드가 서로 다른데, 용도별로 맞는 칩을 가동해 최적화할 수도 있다.
마이크로소프트(MS)는 지난 1월 ‘마이아 200’이란 자체 AI 칩을 출시했다. 경량 연산 효율이 높은 것이 강점이다. 아마존도 ‘트레이니엄’ 칩 시리즈를 보유하고 있고, 구글 역시 텐서처리장치(TPU)를 개발하고 있다.
빅테크의 자체 칩 개발 경쟁이 치열해질수록 한국 반도체 업계에는 오히려 기회가 커질 수 있다는 분석도 나온다. 자체 AI 칩 역시 고성능 연산을 위해서는 HBM이 필수적이기 때문이다. 실제로 마이크로소프트(MS)의 자체 AI 칩 ‘마이아 200’에는 SK하이닉스의 HBM이 들어간 것으로 알려졌다.
댓글
0