2026.01.21 수요일
검색
'전성비' 검색결과
기간검색
-
~
검색영역
검색어
-
![[위기의 한국 AI 반도체 ②] 물러설 곳 없다… 리벨리온·퓨리오사AI](https://image.ajunews.com//content/image/2026/01/21/20260121135801109562.png)
"물러설 곳 없다"… 리벨리온·퓨리오사AI [이코노믹데일리] 엔비디아가 그록 인수를 통해 학습과 추론을 모두 장악하는 구조를 완성하자 한국 AI 반도체 산업이 서 있던 전제가 흔들리기 시작했다. 그동안 국내 신경망 처리 장치 기업들은 “엔비디아보다 싸고 전력 효율이 높다”는 논리로 시장을 설득해 왔다. 그러나 엔비디아가 가격과 효율까지 흡수한 이후 이 공식은 더 이상 유효하지 않게 됐다. 2026년 1월 현재 판교 테크노밸리의 분위기는 냉정하다. ‘타도 엔비디아’라는 구호는 사라졌고 대신 “어디에서 살아남을 것인가”라는 질문이 기업 전략의 중심으로 올라섰다. 리벨리온과 퓨리오사AI는 같은 위기 앞에서 전혀 다른 선택을 했다. 하나는 통합과 규모로 돌파를 시도했고 다른 하나는 독자 노선과 실전 검증으로 답을 찾고 있다. 리벨리온은 2024년 말 SK텔레콤 자회사 사피온과의 합병을 통해 단숨에 국내 최대 AI 반도체 기업으로 도약했다. 이 합병은 단순히 기업 규모를 키운 이벤트가 아니다. 통신, 데이터센터, 클라우드 고객망을 보유한 사피온과 설계 중심 팹리스였던 리벨리온이 결합하면서 ‘칩을 만들 수 있는 회사’에서 ‘칩을 실제로 팔 수 있는 회사’로 진화했다는 평가가 나온다. 리벨리온의 전략은 명확하다. 엔비디아가 그록을 통해 정적 메모리 기반의 초고속 추론에 올인했다면 리벨리온은 고대역폭 메모리를 활용한 ‘용량 효율성’으로 정면 승부를 피한다. 초거대 언어모델이 갈수록 커지는 상황에서 칩 하나당 처리할 수 있는 모델 크기는 비용 구조를 좌우하는 핵심 변수다. 정적 메모리 방식은 속도는 빠르지만 대규모 모델을 구동하기 위해서는 칩 수를 늘릴 수밖에 없고 이는 곧 인프라 비용 증가로 이어진다. 리벨리온은 이 지점을 파고든다. 최신 미세 공정과 대용량 고대역폭 메모리를 결합해 소수의 칩으로도 안정적인 추론 환경을 제공하겠다는 것이다. 이는 중동, 동남아 등 대규모 데이터센터를 구축하려는 국가 단위 고객에게 특히 매력적인 구조다. 실제로 리벨리온이 사우디아람코 투자를 유치한 배경에는 ‘미국 기술 의존을 낮춘 독자적 AI 인프라’에 대한 수요가 자리 잡고 있다. 퓨리오사AI는 전혀 다른 길을 간다. 이 회사는 글로벌 빅테크의 인수 제안을 거절하고 독자 생존을 선택했다. 이는 기술에 대한 자신감 없이는 불가능한 결정이었다. 퓨리오사AI의 전략은 명확하게 ‘실사용 검증’에 맞춰져 있다. 화려한 스펙 경쟁 대신 실제 데이터센터에서 돌아가는 성능과 운영 비용 절감 효과를 증명하는 데 모든 역량을 집중했다. 그 결과 퓨리오사AI의 차세대 칩은 국내 대기업의 까다로운 검증을 통과해 초거대 언어모델 구동에 투입됐다. 이 과정에서 중요하게 평가받은 것은 단순 연산 성능이 아니라 전력 효율과 안정성이었다. 데이터센터 운영에서 전력 비용은 곧 수익성의 문제다. 퓨리오사AI는 불필요한 연산을 줄이는 독자 아키텍처를 통해 이 지점을 공략했다. 이 두 기업의 공통점은 분명하다. 더 이상 엔비디아와 ‘정면 대결’을 상정하지 않는다는 점이다. 대신 엔비디아가 제공하지 못하거나 제공하기 어려운 영역에서 자신들만의 생존 가치를 증명하려 한다. 2026년은 이 전략이 시장에서 통할지 판가름 나는 첫 해가 될 것이다. 그리고 이 실험의 결과는 정부와 산업계의 다음 선택으로 이어진다.2026-01-21 13:59:02
-
AWS '트레이니엄3' 공개에도 시장 반응 '싸늘'… "엔비디아 대체하기엔 역부족" [이코노믹데일리] 세계 최대 클라우드 서비스 기업(CSP)인 아마존웹서비스(AWS)가 엔비디아의 독주를 막기 위해 자체 개발한 차세대 인공지능(AI) 칩 ‘트레이니엄3(Trainium3)’를 공개했으나 시장의 반응은 냉담하다. 전작 대비 효율이 좋아졌다는 주장 외에 객관적인 성능 지표를 공개하지 않아 경쟁사인 구글이나 엔비디아의 최신 칩과 비교해 기술적 우위를 증명하지 못했다는 평가가 지배적이다. AWS는 지난 2일(현지시각) 미국 라스베이거스에서 개막한 연례 기술 콘퍼런스 ‘리인벤트(re:Invent) 2025’에서 자사의 최신 AI 학습용 칩 ‘트레이니엄3’를 전격 공개했다. 맷 가먼 AWS 최고경영자(CEO)는 기조연설을 통해 “트레이니엄3는 전작인 트레이니엄2 대비 컴퓨팅 성능을 4배 이상 끌어올렸고 에너지 소비량은 40%가량 낮췄다”며 “운영 비용을 최대 50% 절감할 수 있는 효율적인 칩”이라고 강조했다. 이는 엔비디아 그래픽처리장치(GPU)에 대한 높은 의존도를 낮추고 비용 효율성을 앞세워 자체 하드웨어 생태계를 확장하겠다는 전략으로 풀이된다. 하지만 업계 전문가들은 AWS의 발표가 ‘알맹이 없는 선언’에 불과하다고 지적한다. AI 칩의 성능을 가늠하는 핵심 지표인 ‘플롭스(FLOPS, 초당 부동소수점 연산 횟수)’나 대규모언어모델(LLM) 구동 시의 벤치마크 점수를 전혀 공개하지 않았기 때문이다. 최근 구글이 자체 칩인 텐서처리장치(TPU) 최신 버전을 공개하며 자사의 AI 모델 ‘제미나이’를 학습시킬 때의 성능, 전력 효율, 속도 등을 구체적인 수치로 제시한 것과는 대조적인 행보다. 특히 엔비디아의 주력 제품군인 H100, H200, GB200 등과의 직접적인 비교 수치가 빠져 있다는 점이 의구심을 키우고 있다. AWS가 내세운 ‘전작 대비 4배 성능 향상’은 자사 제품 간의 비교일 뿐 현재 AI 칩 시장의 표준으로 자리 잡은 엔비디아 GPU와 견줘 어느 정도의 경쟁력을 갖췄는지 판단하기 어렵다. 전작인 트레이니엄2 역시 가성비 모델로 포지셔닝됐을 뿐 절대적인 성능 면에서는 GPU에 크게 미치지 못했다는 점을 고려하면 이번 신제품 역시 고성능 AI 학습 시장의 판도를 바꾸기에는 역부족일 것이라는 분석이 나온다. 대규모 AI 인프라 구축의 핵심인 ‘클러스터링’ 기술에 대해서도 우려가 제기된다. AWS는 트레이니엄3를 통해 최대 10만 개 규모의 칩 클러스터를 구성할 수 있다고 발표했다. 그러나 수만 개의 칩을 하나처럼 연결해 연산할 때 발생하는 데이터 병목 현상과 동기화 문제를 어떻게 해결했는지에 대한 기술적 설명은 부재했다. 10만 개의 칩을 물리적으로 연결하더라도 통신 속도와 효율이 뒷받침되지 않으면 실제 학습 성능은 기대에 미치지 못할 수 있다. 데이터센터 운영 비용의 핵심인 발열 관리(Thermal Throttling) 데이터가 빠진 점도 약점으로 꼽힌다. AWS는 전력 효율성을 강조했으나 실제 고부하 작업 시 칩의 발열을 제어하는 능력이나 이에 따른 실전 운영 데이터는 제시하지 않았다. 이는 엔비디아나 구글이 칩 설계 단계부터 발열 제어와 전성비(전력 대비 성능) 최적화에 사활을 걸고 구체적인 데이터를 공개하는 것과 비교해 신뢰도를 떨어뜨리는 요인이다. 소프트웨어 최적화 측면에서도 경쟁력이 모호하다는 지적이다. 구글의 경우 자사 TPU를 AI 모델 ‘제미나이’에 최적화해 학습 성능을 극대화한 반면 AWS의 트레이니엄 시리즈는 범용성을 지향하다 보니 특정 고성능 모델에서의 최적화 수준이 상대적으로 낮다. GPU 대신 트레이니엄을 사용할 경우 대규모 학습 모델에서 AI 서비스 품질 저하가 발생할 수 있다는 우려가 나오는 이유다. 클라우드 업계의 한 관계자는 “이번에 공개된 트레이니엄3의 연산 능력은 엔비디아의 현역 최신 모델인 블랙웰(Blackwell) 시리즈는커녕 이전 세대인 H100보다도 낮은 수준으로 추정된다”며 “클라우드 환경에 특화된 설계로 비용 절감 효과는 있겠지만 고도의 연산 능력이 필요한 첨단 AI 학습 영역에서 엔비디아 GPU를 대체하기는 어려울 것”이라고 평가했다.2025-12-04 08:35:31
많이 본 뉴스
영상
Youtube 바로가기
![[편집인 칼럼] 실물 경제의 붕괴와 고환율의 공포](https://image.ajunews.com/content/image/2026/01/21/20260121141256774352_518_323.png)