커스텀 AI 칩(ASIC)이란 — 구글이 엔비디아 대신 자기 칩을 만드는 이유
A custom AI chip, or ASIC, is silicon designed for one company's specific workload rather than sold as a general-purpose part. Google's TPU, Amazon's Trainium, Microsoft's Maia and Meta's MTIA are all examples. Broadcom and Marvell between them are estimated to hold about 95 percent of the co-design market that turns a hyperscaler's specification into manufacturable silicon, with Broadcom above 70 percent. Custom ASIC shipment growth is estimated to have overtaken merchant GPU growth for the first time in 2026 — roughly 44.6 percent against 16.1 percent — as buying criteria shifted from peak throughput to cost per token, power and total cost of ownership
커스텀 AI 칩(ASIC)은 범용으로 팔리는 부품이 아니라 특정 회사의 특정 작업만을 위해 설계한 반도체다. 구글의 TPU, 아마존의 트레이니엄, 마이크로소프트의 마이아, 메타의 MTIA가 모두 여기 해당한다. 하이퍼스케일러가 만든 사양을 실제로 만들 수 있는 칩으로 옮기는 공동설계 시장은 브로드컴과 마벨이 약 95%를 차지하는 것으로 추정되며 브로드컴이 70% 이상이다. 2026년 들어 맞춤형 칩 출하 증가율이 범용 GPU를 처음 앞선 것으로 추정된다 — 약 44.6% 대 16.1%다
3줄 요약
- 정의 — 범용 칩이 아니라 한 회사의 한 작업만을 위해 설계한 반도체다
- 이유 — 같은 계산을 매일 수십억 번 돌리면 범용성이 낭비가 된다. 전력과 토큰당 비용이 기준이 됐다
- 시장 — 공동설계는 브로드컴·마벨이 약 95%. 2026년 ASIC 증가율이 GPU를 처음 앞섰다
핵심 질문
- 커스텀 AI 칩이 GPU랑 뭐가 달라
- **설계 목적이 다르다.** GPU는 **아직 무엇을 돌릴지 모르는 상태**를 전제로 만든다. 모델 구조가 바뀌어도, 새 연구를 해도, 다른 회사가 사도 돌아가야 한다. 그래서 범용성이 필수고 그만큼 회로에 여유가 들어간다. 커스텀 AI 칩(ASIC)은 반대다 — **무엇을 돌릴지 이미 아는 상태**에서 시작한다. 구글은 자기 모델이 어떤 연산을 어떤 비율로 쓰는지 알고, 그 비율에 맞춰 회로를 짠다. 쓰지 않을 기능은 아예 넣지 않는다. 결과적으로 **같은 작업을 더 적은 전력으로 더 싸게** 돌린다. 대신 대가가 있다. 모델 구조가 크게 바뀌면 그 칩은 어색해진다. 그래서 **연구·실험에는 GPU, 대규모로 고정된 작업에는 ASIC**이라는 분업이 자리 잡았다.
- 구글이나 아마존은 왜 직접 칩을 만들어
- **규모가 임계를 넘으면 직접 만드는 쪽이 싸지기 때문이다.** 맞춤형 칩은 설계에만 수억 달러가 들고 2~3년이 걸린다. 이 비용을 나눌 물량이 없으면 손해다. 그런데 하이퍼스케일러는 **같은 계산을 매일 수십억 번** 돌린다. 여기서 몇 퍼센트의 전력 효율 차이가 연간 수억 달러가 된다. 판단 기준 자체도 바뀌었다. 예전에는 **최대 처리량과 대역폭**을 봤는데, 지금은 **토큰당 비용·전력·냉각·가동률·총소유비용(TCO)**을 본다. 이 항목들은 전부 맞춤형 칩이 구조적으로 유리한 쪽이다. 데이터센터 전력이 왜 기가와트 단위로 세지는지는 「AI 데이터센터 전력이란」에서 다뤘다.
- 맞춤형 칩은 누가 만들어 주나
- **설계는 하이퍼스케일러가 하고, 그것을 실제 칩으로 옮기는 일은 두 회사가 사실상 나눠 갖고 있다.** 브로드컴과 마벨이다. 이 공동설계(co-design) 시장에서 둘을 합치면 약 **95%**로 추정되고, 브로드컴 단독으로 **70% 이상**이다. 브로드컴은 최근 분기 AI 매출 **84억 달러(전년 대비 +106%)**를 기록했고, 마벨은 2026년 AI ASIC 매출을 최대 **110억 달러**로 잡았다. 이들이 하는 일은 사양을 받아 **물리 설계·검증·패키징·파운드리 양산**으로 이어 주는 것이다. 그래서 이 두 회사는 엔비디아의 경쟁자가 아니라 **엔비디아를 우회하려는 고객들의 하청**에 가깝다.
엔비디아 GPU는 잘 팔린다. 그런데 가장 많이 사는 회사들이 동시에 자기 칩을 만들고 있다.
구글, 아마존, 마이크로소프트, 메타, 오픈AI가 전부 그렇다. 이 모순처럼 보이는 일이 이 문서의 주제다.
1. 무엇이 '맞춤형'인가
ASIC은 Application-Specific Integrated Circuit — 특정 용도용 집적회로의 줄임말이다. 이름 그대로다.
| 항목 | GPU (범용) | 커스텀 AI 칩 (ASIC) |
|---|---|---|
| 설계 전제 | 무엇을 돌릴지 모른다 | 무엇을 돌릴지 안다 |
| 대상 | 누구에게나 판다 | 한 회사의 작업만 돌린다 |
| 회로 | 쓰지 않을 기능도 들어 있다 | 쓸 것만 넣는다 |
| 모델 구조가 바뀌면 | 그대로 쓴다 | 어색해진다 |
| 개발 기간·비용 | 사서 쓴다 | 2~3년, 수억 달러 |
핵심은 마지막 두 줄의 맞바꿈이다. 유연성을 버리고 효율을 얻는다.
2. 지금 있는 것들
| 회사 | 칩 | 주 용도 |
|---|---|---|
| 구글 | TPU | 학습·추론 (가장 오래된 사례) |
| 아마존(AWS) | 트레이니엄 · 인퍼런시아 | 학습 / 추론 분리 |
| 마이크로소프트 | 마이아 | 자사 클라우드·코파일럿 |
| 메타 | MTIA | 추천·랭킹 등 자사 워크로드 |
| 오픈AI | 할라피뇨 | 자사 모델 (「오픈AI 자체 칩 '할라피뇨' 공개」) |
이름은 다르지만 논리는 같다. 자기 워크로드가 고정돼 있고 물량이 충분하다.
3. 왜 지금 몰리나 — 기준이 바뀌었다
예전에 칩을 고를 때 보던 항목과 지금 보는 항목이 다르다.
| 예전 기준 | 지금 기준 |
|---|---|
| 최대 처리량(throughput) | 토큰당 비용(cost per token) |
| 메모리 대역폭 | 전력(W) |
| 최고 성능 | 냉각 부담 |
| — | 가동률(utilization) |
| — | 총소유비용(TCO) |
오른쪽 항목은 전부 맞춤형 칩이 구조적으로 유리한 쪽이다. 범용 칩은 "무엇이 올지 모르니 다 대비한다"는 설계인데, 그 대비가 전력과 면적으로 계산된다.
여기에 데이터센터 전력이 실제 제약이 되면서 압력이 커졌다. 전력이 왜 메가와트가 아니라 기가와트로 세지는지는 「AI 데이터센터 전력이란」에서 다뤘다.
4. 숫자로 본 전환
| 항목 | 2026년 추정 |
|---|---|
| 맞춤형 ASIC 출하 증가율 | 약 44.6% |
| 범용 GPU 출하 증가율 | 약 16.1% |
증가율에서 ASIC이 GPU를 처음 앞선 해로 추정된다. 다만 증가율이지 규모가 아니다. 절대 물량과 금액에서는 여전히 GPU가 훨씬 크다. 작은 숫자가 빠르게 커지는 국면으로 읽는 것이 정확하다.
5. 설계는 누가 하고, 칩은 누가 만드나
여기가 이 산업의 실제 구조다.
| 역할 | 누구 |
|---|---|
| 사양 결정 | 구글·아마존·MS·메타 (하이퍼스케일러) |
| 공동 설계 → 제조 가능한 칩 | 브로드컴 · 마벨 |
| 양산 | 파운드리(TSMC 등) |
| 메모리 | HBM 공급사 (「HBM이란」) |
가운데 칸이 병목이다. 사양을 물리 설계·검증·패키징까지 이어 주는 일을 할 수 있는 회사가 사실상 둘뿐이다.
| 회사 | 위치 |
|---|---|
| 브로드컴 | 맞춤형 가속기 점유율 70% 이상. 최근 분기 AI 매출 84억 달러(+106%) |
| 마벨 | 아마존 트레이니엄·MS 마이아 참여. 2026년 AI ASIC 매출 최대 110억 달러 전망 |
| 합계 | 공동설계 시장의 약 95%로 추정 |
이 구조 때문에 하이퍼스케일러가 엔비디아를 우회할수록 브로드컴·마벨이 커진다. 2026년 8월 28일 마벨이 구글과의 계약(2033회계연도까지 최대 1200억 달러)을 놓고 주가가 8% 빠진 사건도 이 구조 안에서 벌어졌다 — 규모가 아니라 시점이 문제였다(「마벨 주가 8.2% 급락」).
6. 그래도 GPU가 사라지지 않는 이유
| 상황 | 맞는 칩 |
|---|---|
| 모델 구조를 계속 바꾸는 연구 | GPU |
| 스타트업·기업의 다양한 워크로드 | GPU |
| 아직 뭐가 표준이 될지 모르는 영역 | GPU |
| 고정된 작업을 초대규모로 반복 | ASIC |
| 추론 비용을 1원 단위로 깎아야 할 때 | ASIC |
즉 ASIC은 워크로드가 안정된 뒤에 오는 선택이다. 학습과 추론이 왜 다른 칩을 부르는지는 「AI 학습과 추론 차이」와 「AI 추론 칩이란」에서 다뤘다.
7. 자주 묻는 것
Q. 그러면 엔비디아는 위험한가? 증가율에서 밀리는 것과 매출이 줄어드는 것은 다르다. ASIC이 가져가는 것은 주로 하이퍼스케일러의 고정 워크로드이고, 그 밖의 시장은 여전히 범용 칩이 가져간다. 다만 가장 큰 고객이 가장 먼저 이탈한다는 점은 구조적 위험이다.
Q. 우리 회사도 맞춤형 칩을 만들 수 있나? 물량이 답이다. 설계에 2~3년과 수억 달러가 들어가므로, 그 비용을 나눌 만큼 같은 계산을 반복하지 않으면 클라우드에서 GPU를 빌리는 쪽이 싸다.
Q. TPU는 GPU보다 빠른가? 비교가 성립하지 않는 질문이다. 자기 워크로드에서는 대개 더 효율적이고, 다른 워크로드에서는 그렇지 않을 수 있다. 게다가 공개된 수치는 대부분 회사 발표라 독립 검증이 어렵다.
Q. 칩값이 회계에 어떻게 잡히나? 감가상각 기간을 어떻게 잡느냐로 AI 회사의 이익이 달라진다. 「GPU 감가상각이란」에서 다뤘다.
Q. ASIC이 늘면 HBM 수요도 늘어나나? 그렇다. 맞춤형 칩도 대역폭 병목은 똑같이 겪는다. HBM은 GPU든 ASIC이든 필요하다 — 그래서 메모리 쪽은 이 경쟁에서 어느 편이 이기든 수혜를 받는 위치에 있다.
8. 확인하지 못한 것
- 증가율 — 44.6% 대 16.1%는 시장조사 추정치이며 출하량·금액 등 집계 기준에 따라 달라진다.
- 점유율 — 브로드컴·마벨 합산 약 95%도 추정치이고, '공동설계 시장'의 정의가 기관마다 다르다.
- 회사별 숫자 — 브로드컴 AI 매출 84억 달러와 마벨의 최대 110억 달러 전망은 각 회사 발표·전망 기준이다.
- 성능 — 각 하이퍼스케일러 칩의 실제 성능·전력은 회사 발표 외에 독립 검증 자료가 드물다.
- 개발 비용 — 수억 달러·2~3년은 업계 통설이며 사업별로 크게 다르다.
출처
- Tom's Hardware — The custom AI ASIC state of play: Broadcom deals, Google TPUs, Meta MTIA & beyond
- Hashrate Index — Inside the Custom AI Chip Race: Google, AWS, Microsoft, Meta, OpenAI
- TechTimes — Custom AI Chips Outpace Nvidia GPU Growth in 2026: ASIC Shipments Set to Triple GPU Rate
- The Next Web — Google in talks with Marvell Technology to build new AI inference chips alongside Broadcom TPU programme
- Silicon Analysts — AI Data Center Value Chain: Every Layer from Chips to Cloud (2026)
- Oplexa — Custom ASIC Market 2026: Why Hyperscalers Are Ditching NVIDIA