Anthropic, 자체 AI 칩 개발 검토 보도: 삼성 2nm 논의, OpenAI 인재, 그리고 다음 컴퓨팅 전쟁

소개앤트로픽은 오랫동안 단일 하드웨어 경로에 의존하고 싶지 않은 회사로 자신을 제시해 왔다. 이 회사의 컴퓨트 전략은 AWS 트레이니움, 구글 TPU, 엔비디아 GPU를 혼합해 사용하는 방식으로 구축돼 왔다. 이러한 멀티 플랫폼 접근법은 클로드 개발사인 앤트로픽에 순수한 엔비디아 우선 전략보다 더 큰 유연성을 제공한다.하지만 최근 보도에 따르면 앤트로픽은 이제 네 번째 카드를 검토하고 있는 것으로 보인다. 바로 자체 맞춤형 AI 칩이다.원문 기사에 따르면, 디인포메이션은 앤트로픽이 맞춤형 AI 칩에 대한 초기 작업을 시작했으며 삼성전자와 잠재적 제조 옵션을 논의했다고 보도했다. 보도된 옵션에는 삼성의 2nm 공정과 첨단 패키징이 포함되며, 이 두 가지는 모두 최신 AI 가속기에 매우 중요한 요소다.이것이 앤트로픽이 기존 컴퓨트 공급업체를 대체할 준비가 됐다는 뜻은 아니다. 이 프로젝트는 여전히 초기 단계로 묘사된다. 칩의 목적, 목표 성능, 서버 통합, 클러스터 배포 계획은 아직 확정되지 않았다. 그럼에도 방향은 분명하다. 프런티어 AI의 훈련과 서비스 비용이 점점 더 비싸지면서, 가장 큰 AI 연구소들은 하드웨어 스택 안으로 더 깊이 끌려 들어가고 있다.## 앤트로픽, 맞춤형 AI 칩 관련해 삼성과 논의 중인 것으로 보도핵심 보도는 단순하지만 중요하다. 앤트로픽이 자체 AI 칩에 대한 초기 검토를 시작했으며, 제조와 관련해 삼성과 논의를 진행했다는 것이다.논의 중인 옵션에는 삼성의 2nm 공정과 첨단 패키징이 포함된 것으로 알려졌다. AI 하드웨어에서 이 두 가지는 매우 중요하다.더 작은 공정 노드는 비슷한 칩 면적에 더 많은 트랜지스터를 배치할 수 있어, 더 높은 성능과 더 나은 전력 효율을 실현할 가능성을 높인다. 첨단 패키징도 그만큼 중요하다. 최신 AI 칩은 연산 유닛과 고대역폭 메모리 사이에서 막대한 양의 데이터를 이동해야 하는 경우가 많다. 이 데이터 경로가 짧고 빨라질수록 칩이 메모리를 기다리며 낭비하는 시간이 줄어든다.2024년 7월, 삼성은 Preferred Networks를 위해 2nm GAA 공정과 2.5D 패키징을 결합한 턴키 반도체 솔루션을 발표했다. 원문 기사는 이를 앤트로픽이 평가하고 있을 수 있는 제조 및 패키징 조합의 유형으로 지목한다.현재로서는 이것이 확인된 앤트로픽 제품 로드맵이라기보다 보도된 논의에 가깝다. 앤트로픽의 공개적인 입장은 여전히 AWS 트레이니움, 구글 TPU, 엔비디아 GPU가 회사의 컴퓨트 확장 방식에서 핵심이라는 것이다.바로 그렇기 때문에 이 이야기가 흥미롭다. 앤트로픽은 컴퓨트 파트너가 없는 회사가 아니다. 이미 여러 파트너를 보유하고 있다. 그럼에도 맞춤형 칩을 검토하고 있다면, 그 이유는 아마도 단기적 대체가 아닐 것이다. 장기적 협상력이다.## 두 가지 신호: 채용과 파운드리 논의원문 기사는 이 보도를 더 의미 있게 만드는 두 가지 움직임을 강조한다.첫 번째는 채용이다. 앤트로픽은 오픈AI 맞춤형 칩 팀의 초기 멤버였던 클라이브 챈을 영입한 것으로 알려졌다. 그는 테슬라의 도조 슈퍼컴퓨터 프로젝트에서도 일한 바 있다. 이런 하드웨어 인재 영입은 보통 우연히 일어나지 않는다. 이는 회사가 단순히 외부 벤더 접근권이 아니라 내부 역량을 원한다는 신호다.두 번째 신호는 보도된 삼성과의 논의 자체다. 앞선 보도에서는 이미 앤트로픽이 컴퓨트 부족 문제를 해결하기 위한 방법 중 하나로 맞춤형 칩을 고려하고 있다고 시사한 바 있다. “칩을 생각하는 단계”에서 “잠재적 제조 파트너와 논의하는 단계”로 이동했다는 것은, 그 아이디어가 적어도 실질적 평가에 한 걸음 더 가까워졌다는 의미다.그럼에도 초기 칩 프로젝트와 실제 배포된 AI 가속기 사이의 간극은 엄청나다. 칩이 프로덕션에서 의미를 갖기 전에, 회사는 워크로드를 정의하고, 아키텍처를 설계하며, 실리콘을 검증하고, 패키징을 확보해야 한다.용량을 확보하고, 보드와 서버를 구축하며, 네트워킹을 통합하고, 전체 시스템이 클러스터 규모로 실행될 수 있음을 입증해야 한다.그 과정에는 시간이 걸린다. 또한 많은 비용도 든다.## 컴퓨팅 비용이 강요한 네 번째 카드Anthropic이 왜 이런 길을 고려하게 되었는지 이해하려면, 먼저 컴퓨팅 문제의 규모부터 봐야 한다.원문 기사는 Anthropic의 매우 빠른 매출 성장과 그 성장이 인프라에 가하는 압박을 지적한다. 더 많은 고객이 Claude를 사용할수록 회사는 더 많은 학습 및 추론 용량을 필요로 한다. 더 빠른 제품 채택은 단지 매출 곡선을 만들어내는 데 그치지 않는다. 그것은 컴퓨팅 비용을 만들어낸다.Anthropic의 2026년 4월 공식 발표에 따르면, 회사는 2027년부터 가동될 것으로 예상되는 차세대 TPU 용량 수 기가와트를 위해 Google 및 Broadcom과의 파트너십을 확대했다. 같은 발표에서는 Anthropic이 AWS Trainium, Google TPU, NVIDIA GPU에서 Claude를 운영하고 있으며, Amazon은 여전히 주요 클라우드 제공업체이자 학습 파트너라고 밝혔다.이 전략은 이해하기 쉽다. 서로 다른 워크로드에 서로 다른 하드웨어 플랫폼을 사용하고, 단일 공급업체에 대한 리스크를 줄이며, 핵심 시스템의 회복탄력성을 유지하는 것이다.하지만 프런티어 규모에서는 작은 효율 개선도 중요하다. 모델이 수만 개의 가속기 전반에서 학습되거나 서비스된다면, 몇 퍼센트포인트의 개선도 매우 큰 비용 절감으로 이어질 수 있다. 전력, 냉각, 활용률, 메모리 이동, 네트워킹, 유휴 시간은 모두 단순한 엔지니어링 문제가 아니라 비즈니스 문제가 된다.그렇기 때문에 맞춤형 칩은 모든 외부 공급업체를 대체하지 않더라도 가치가 있을 수 있다.이는 Anthropic에 또 하나의 지렛대를 제공한다. 특정 워크로드의 비용을 낮출 수 있다. 클라우드 및 칩 파트너와의 협상력을 높일 수도 있다. 또한 Anthropic이 자사 모델을 사용 가능한 범용 가속기에 맞추는 대신, 자사 모델이 실제로 실행되는 방식에 맞춰 하드웨어를 최적화할 수 있게 해줄 수도 있다.그런 의미에서 보도된 칩 개발 노력은 Anthropic의 멀티 플랫폼 전략과 모순되지 않는다. 오히려 그 전략의 확장일 수 있다.## OpenAI는 이미 이 길을 걸었다원문 기사는 Anthropic의 보도된 입장을 OpenAI의 맞춤형 실리콘 개발 경로와 비교한다.OpenAI는 대규모 언어 모델 워크로드에 초점을 맞춘 추론용 AI 칩 Jalapeño를 공개하기 전부터 Broadcom과 맞춤형 AI 가속기 개발을 진행해왔다. OpenAI의 공식 발표에서는 Jalapeño를 자사의 첫 번째 Intelligence Processor이자 Broadcom과 함께하는 다세대 컴퓨팅 플랫폼의 일부라고 설명했다.이 비교가 중요한 이유는 OpenAI가 이미 이 길에서 더 앞서 있기 때문이다. OpenAI는 Broadcom과 맞춤형 AI 가속기를 위한 10기가와트 규모의 협력을 발표했고, 이후 Jalapeño를 LLM 추론을 위해 특별히 설계된 칩으로 소개했다. OpenAI는 또한 이 칩이 초기 설계부터 테이프아웃까지 9개월 만에 공동 개발되었으며, 그 과정이 부분적으로 자사 모델에 의해 가속되었다고 밝혔다.마지막 대목은 특히 중요하다. AI 기업들은 더 이상 AI를 실행하기 위해 칩을 구매하기만 하는 것이 아니다. 미래의 AI 시스템을 실행할 칩을 설계하는 데 AI를 활용하기 시작하고 있다.이는 플라이휠을 만든다. 더 나은 모델은 더 나은 인프라 설계를 돕는다. 더 나은 인프라는 모델 실행 비용과 지연 시간을 낮춘다. 낮아진 비용은 더 많은 사용을 가능하게 한다. 더 많은 사용은 더 많은 데이터, 더 많은 매출, 그리고 차세대 인프라를 구축해야 한다는 더 큰 압박을 만들어낸다.Anthropic은 Jalapeño가 공개되었을 당시의 OpenAI보다 훨씬 초기 단계에 있는 것으로 보인다. 원문 보도에 따르면 Anthropic은 아직 칩이 무엇을 해야 하는지, 그리고 그것이 나머지 컴퓨팅 스택에 어떻게 맞아야 하는지를 정의하는 단계에 있다. 이는 긴 여정의 끝이 아니라 시작이다.

정말 NVIDIA에 도전할 수 있는 기업이 있을까?원문 기사는 AI 인프라에서 가장 큰 질문으로 마무리한다. 맞춤형 칩이 NVIDIA에 의미 있게 도전할 수 있을까?답은 “그렇다” 또는 “아니다”보다 더 복잡하다.NVIDIA는 AI 가속 분야에서 여전히 지배적인 세력이다. 특히 NVIDIA는 단순히 칩만 판매하는 것이 아니기 때문이다. NVIDIA는 GPU, 네트워킹, 소프트웨어, 라이브러리, 시스템, 개발자 친숙성으로 구성된 성숙한 플랫폼을 판매한다. 많은 AI 팀에게 NVIDIA는 여전히 확장에 있어 가장 빠르고 리스크가 낮은 방법이다.그렇기 때문에 맞춤형 칩을 단순히 “NVIDIA를 죽이려는” 시도로 봐서는 안 된다. Google, Amazon 같은 기업들에게는,Microsoft, Meta, OpenAI, 그리고 이제는 Anthropic까지, 요점은 대개 더 구체적입니다.이들은 자사 워크로드에 더 나은 경제성을 원합니다. 공급에 대한 더 큰 통제권을 원합니다. 더 강한 협상력을 원합니다. 모델 아키텍처부터 추론 서비스, 데이터센터 설계에 이르기까지 전체 스택을 최적화할 수 있는 능력을 원합니다.다시 말해, 맞춤형 칩이 하룻밤 사이에 NVIDIA의 시장을 장악하지는 않을 수 있습니다. 하지만 가장 큰 규모로 운영되는 기업들의 경제 구조는 바꿔 놓을 수 있습니다.Anthropic에게 맞춤형 칩은 또 하나의 장기적 선택지가 될 것입니다. 이 회사는 내부 칩 전문성을 개발하는 동시에 AWS Trainium, Google TPU, NVIDIA GPU를 계속 사용할 수 있습니다. 프로젝트가 성공하면 효율성과 협상력을 얻게 됩니다. 성공하지 못하더라도 기존의 다중 공급업체 전략은 Anthropic이 확장할 여지를 계속 제공합니다.## 이것이 AI 인프라 경쟁에 의미하는 것AI 산업은 모델 기업들이 더 이상 단순한 소프트웨어 기업이 아닌 단계로 이동하고 있습니다. 선도적인 연구소들은 인프라 기업으로도 변하고 있습니다.이전 시대에는 칩 제조사들이 컴퓨팅의 형태를 대체로 정의했고, 소프트웨어 기업들은 그 하드웨어 위에 구축했습니다. AI 시대에는 이 관계가 점차 역전되기 시작했습니다. 프런티어 모델을 구축하는 기업들이 칩, 메모리, 네트워킹, 전력, 냉각, 데이터센터에서 무엇을 필요로 하는지를 점점 더 직접 정의하고 있습니다.Anthropic이 Samsung과 논의했다는 보도는 이러한 더 큰 흐름에 부합합니다.이 프로젝트는 대량 생산에 이르지 못할 수도 있습니다. Samsung이 제조 파트너가 될 수도 있고 그렇지 않을 수도 있습니다. 최종 칩 아키텍처가 존재한다면, 현재 논의되는 것과 매우 다를 수도 있습니다. 그러나 전략적 방향은 분명합니다. 프런티어 AI 기업들은 지능을 뒷받침하는 물리적 인프라에 대해 더 많은 통제권을 원하고 있습니다.지능을 제공하는 비용이 비싸질수록, 스택의 더 많은 부분을 직접 소유하려는 유인은 강해집니다.## 출처 참고이 글은 원본 BAAI / 新智元 기사와 그 기사에 기재된 참고 자료를 기반으로 합니다. Anthropic과 Samsung의 맞춤형 칩 논의에 관한 보도는 제3자 보도에 근거한 것이며, Anthropic 또는 Samsung이 공식 발표하기 전까지는 초기 단계의 미확인 하드웨어 프로젝트로 보아야 합니다.원문 기사에는 코드 블록, 명령줄 절차, 구성 파일 또는 기술 표가 없었습니다. 원문 기사에는 여러 플랫폼 로고, 홍보 이미지, QR 코드/연락처 이미지, 장식 배너가 포함되어 있었으며, 게시 규칙에 따라 제거되었습니다. BAAI 페이지에 있던 원본 OpenAI 관련 이미지는 안정적으로 가져올 수 없었기 때문에, 관련 Jalapeño 발표의 공식 OpenAI 이미지를 대신 사용했습니다.원본 출처: https://hub.baai.ac.cn/view/56077## FAQ### Anthropic은 맞춤형 AI 칩으로 무엇을 계획하고 있다고 보도되었나요?Anthropic은 초기 단계의 맞춤형 AI 칩 프로젝트를 검토 중인 것으로 알려졌으며, Samsung과 가능한 제조 옵션을 논의한 것으로 보도되었습니다. 이 칩은 최종 제품으로 공개 확인된 바 없으며, 설계 목표도 아직 명확하지 않습니다.### Anthropic이 이미 AWS Trainium, Google TPU, NVIDIA GPU를 사용하고 있는데 왜 자체 AI 칩을 만들려고 할까요?맞춤형 칩은 Anthropic이 특정 워크로드의 효율성을 개선하고 비용과 공급에 대한 통제권을 더 확보하는 데 도움이 될 수 있습니다. 또한 주요 클라우드 및 칩 공급업체와 협력할 때 회사에 더 큰 협상력을 제공합니다.### 이 맥락에서 Samsung 2nm는 무엇을 의미하나요?Samsung 2nm는 첨단 반도체 제조 공정을 의미합니다. 이론적으로 더 첨단 공정은 더 조밀하고 전력 효율이 높은 칩 설계를 지원할 수 있지만, 실제 성능은 전체 아키텍처, 패키징, 메모리, 시스템 설계에 따라 달라집니다.### AI 칩에서 첨단 패키징이 중요한 이유는 무엇인가요?AI 워크로드는 프로세서와 메모리 사이에서 막대한 양의 데이터를 이동시킵니다. 첨단 패키징은 연산 장치와 고대역폭 메모리를 더 가깝게 배치해 데이터 이동을 개선하고 낭비되는 시간과 전력을 줄일 수 있습니다.### Anthropic은 NVIDIA를 대체하려는 것인가요?반드시 그렇지는 않습니다. 더 현실적인 해석은 Anthropic이 컴퓨팅 전략에서 또 다른 선택지를 원한다는 것입니다. 맞춤형 칩이 특정 워크로드, 비용 통제, 공급망 유연성에 도움을 주는 동안에도 NVIDIA GPU는 계속 중요할 수 있습니다.### OpenAI의 Jalapeño 칩은 이 이야기와 어떤 관련이 있나요?OpenAI의 Jalapeño는 주요 AI 연구소가 추론 워크로드를 위해 맞춤형 실리콘 분야로 더 깊이 진입할 수 있음을 보여줍니다. 이 비교가 중요한 이유는 Anthropic도 이제 비슷한 여정을 시작하고 있을 수 있기 때문입니다. 다만 현재로서는 훨씬 더 초기 단계로 보입니다.### Anthropic의 칩은 생산 준비가 되었나요?Anthropic이 생산 준비가 된 칩을 보유하고 있음을 보여주는 공개 증거는 없습니다. 원본 보도에 따르면 이 프로젝트는 아직 초기 단계이며, 핵심 설계 및 배포 결정은 아직 확정되지 않았습니다.## 관련 도구- Anthropic: Claude를 만든 AI 기업이자 맞춤형 칩 검토가 보도된 회사입니다.

• AWS Trainium: 학습 및 추론 워크로드를 위해 Amazon이 목적에 맞게 설계한 AI 가속기 제품군입니다.
• Google Cloud TPU: 대규모 AI 학습 및 추론을 위한 Google의 텐서 처리 장치 플랫폼입니다.
• Samsung Foundry: 첨단 공정 및 패키징 서비스를 포함하는 Samsung의 반도체 제조 사업입니다.
• Broadcom: A맞춤형 AI 가속기 인프라에 관여하는 반도체 및 네트워킹 기업.
• OpenAI: Broadcom과 함께 Jalapeño 추론 칩을 공개한 AI 기업.## 관련 링크- 원본 BAAI 기사: 이 영어 재작성본에 사용된 원문 기사.
• The Information: Anthropic, Samsung과 논의 중: 원문 기사에서 인용한 유료 보도 원문.
• Anthropic, Google 및 Broadcom 컴퓨팅 파트너십: 차세대 TPU 용량 수 기가와트에 관한 Anthropic의 공식 발표.
• Samsung 2nm GAA 및 2.5D 패키징 발표: Preferred Networks를 위한 2nm GAA 및 2.5D 패키징에 관한 Samsung의 공식 뉴스룸 게시물.
• OpenAI 및 Broadcom Jalapeño 추론 칩: LLM에 최적화된 추론 칩에 대한 OpenAI의 공식 발표.
• Broadcom 및 OpenAI 10GW 협력: OpenAI 맞춤형 가속기 파트너십에 관한 Broadcom의 공식 투자자 발표.
• AWS Trainium 개요: Trainium AI 칩에 대한 AWS 문서 및 제품 개요.
• Google Cloud TPU 문서: Google Cloud TPU 아키텍처 및 사용법에 대한 공식 문서.## 요약Anthropic은 맞춤형 AI 칩을 검토 중인 것으로 알려졌으며, 첨단 2nm 공정과 패키징 기술을 포함해 가능한 Samsung 제조 옵션에 대해 논의했습니다. 이 프로젝트는 아직 초기 단계로 보이지만, AI 인프라의 더 큰 변화 흐름과 맞닿아 있습니다. 모델 기업들이 자사 시스템을 구동하는 하드웨어에 대해 점점 더 큰 통제권을 원하고 있다는 점입니다.이러한 움직임이 Anthropic이 AWS Trainium, Google TPU 또는 NVIDIA GPU를 포기한다는 의미는 반드시 아닙니다. 오히려 이는 여러 컴퓨팅 경로를 활용하고, 공급 리스크를 줄이며, 프런티어 규모에서 비용 효율성을 개선하려는 장기 전략을 시사합니다.OpenAI의 Jalapeño 칩은 맞춤형 실리콘이 프런티어 AI 전략의 일부가 되고 있음을 보여줍니다. Anthropic도 이제 비슷한 길의 첫걸음을 내딛고 있는 것일 수 있습니다.핵심은 맞춤형 AI 칩이 더 이상 하드웨어 기업만의 이야기가 아니라는 점입니다. 이는 최대 규모 AI 연구소들의 핵심 전략이 되고 있습니다.