구글이 제미나이를 칩에 각인하려 한다, AI 지출 부담 해결될까?
TL;DR
· The Information에 따르면, 구글은 코드명 Frozen v2인 Gemini 전용 추론 칩을 개발 중이며, 최소 2028년에 배치될 가능성이 있다.
· 논란의 핵심은, 하드코딩된 모델 구조가 더 높은 에너지 효율로 유연성 저하와 시간적 위험을 상쇄할 수 있는지 여부다.
· 관련 종목: Alphabet, 엔비디아, 클라우드 업체의 자체 칩 개발 체인, AI 에너지 효율 인프라.
구글은 서버용 AI 칩을 개발 중이며, 내부 비공식 코드명은 Frozen v2다. 목표는 Gemini 모델의 일부 요소를 하드웨어에 직접 통합해 추론 효율성을 높이는 것이다. 이 소식이 전해진 후, Alphabet의 주가는 7월 20일 장중 3% 이상 상승했지만, 종가 기준 상승폭은 축소됐다.
이 소식의 핵심은 구글이 또 자체 칩을 개발한다는 점이 아니다. 투자자들이 더 주목하는 것은, AI 서비스 비용이 점점 증가하는 상황에서 Alphabet이 단순히 자본 지출을 늘리는 것에 그치지 않고, 모델과 하드웨어를 결합해 질문 응답당 전력, 연산 능력, 데이터센터 부담을 줄일 수 있는지 여부다.
보도에 따르면 목표는 매우 공격적이다. Frozen v2는 단위 전력당 처리하는 token 수를, 기존 또는 최신 TPU 대비 6~10배 향상시키는 것을 목표로 한다. token은 AI가 텍스트를 처리하는 기본 단위로 대략 이해할 수 있다. 이 수치는 아직 공개되지 않은 프로젝트의 목표일 뿐, 구글이 공식적으로 확인한 양산 결과는 아니다.
주가는 비용 곡선에 대한 기대를 반영
시장이 먼저 상승한 것은 단기 실적이 아닌, 장기적인 비용 옵션에 대한 거래다. AI 투자자들이 현재 가장 민감하게 반응하는 문제는, 대규모 언어 모델 기업의 자본 지출이 계속 증가할지, 그리고 클라우드 사업의 마진이 추론 비용으로 인해 지속적으로 잠식될지 여부다.
구글이 직면한 압박은 추상적이지 않다. 같은 보도에 따르면, 이 프로젝트는 AI 연산 능력 부족을 완화하기 위한 것이며, 구글 클라우드는 용량 문제로 일부 외부 계약을 거절한 바 있다. 이러한 용량 부족이 Frozen v2를 직접 촉발했는지 여부와 관계없이, 한 가지 변화는 분명하다: 연산 능력은 이제 성장을 위한 투자일 뿐만 아니라, 수익 실현의 제약 조건이 되고 있다는 점이다.
일반 사용자가 Gemini에 질문을 하면, 그 뒤에는 추론 연산 능력이 소모된다. 모델이 클수록, 사용자가 많을수록, 답변이 길수록, 데이터센터는 더 많은 칩, 전력, 냉각이 필요하다. 투자자에게 이는 결국 자본 지출, 클라우드 서비스 마진, 모델 서비스 가격 책정에 영향을 미친다.
Frozen v2의 시장적 의미는 '구글이 곧 연산력 부족을 해결한다'는 것이 아닙니다. 오히려 Alphabet이 제시하는 장기 기술 로드맵에 가깝습니다. 즉, 와트당 더 많은 토큰을 처리할 수 있다면, 구글은 동일한 전력과 데이터센터 제약 조건에서 더 많은 AI 요청을 수용할 기회를 얻게 됩니다.
모델을 회로에 새겨 넣으면, 데이터 이동과 스케줄링이 절약된다
Frozen v2의 핵심은 하드코딩입니다. 범용 칩은 모든 요리를 만들 수 있는 다기능 주방과 같다고 이해할 수 있습니다. 반면 Frozen v2는 Gemini의 일부 레시피를 아예 조리대에 직접 새겨 넣어, 레시피를 찾고 도구를 옮기고 작업 흐름을 임시로 조정하는 단계를 줄이는 것과 같습니다.
AI 추론은 단순한 계산뿐만 아니라 대규모 데이터 이동과 스케줄링을 포함합니다. 모델이 실행될 때 칩은 지속적으로 파라미터를 읽고, 연산 경로를 배치하며, 여러 저장 계층 간에 데이터를 이동해야 합니다. 이러한 작업 자체가 전력과 시간을 소모하고 칩 리소스를 점유합니다.
특정 모델 구조가 충분히 안정적이라면, 고정 회로로 만들 수 있습니다. 장점은 경로가 더 짧고, 스케줄링이 적으며, 전력 소모가 낮다는 점입니다. 대가도 명확합니다. 칩이 특정 모델 구조에 맞춰 설계되면, GPU나 TPU처럼 다양한 새 모델에 쉽게 적응하기 어렵습니다.
따라서 6~10배의 에너지 효율 목표는 분리해서 봐야 합니다. 이는 단위 전력당 처리 가능한 토큰 수를 의미하며, 구글 미래 데이터센터의 총 비용이 6~10배 감소한다는 뜻은 아닙니다. 실제 칩, 실제 부하, 실제 배포 규모가 이 수치의 재무적 의미를 바꿀 것입니다.
일정 역시 낮춰서 이해해야 합니다. Frozen v2는 보도에 따르면 빠르면 2028년에 배포될 수 있으며, 프로젝트 세부 사항은 아직 확정 중입니다. 그 전까지 Alphabet의 가치 평가에 미치는 영향은 손익계산서에 반영될 비용 개선보다는 장기 옵션에 가깝습니다.
전용 칩이 범용 내러티브에 도전하지만, 대체를 의미하지는 않는다
Frozen v2가 주목할 만한 점은 AI 칩 로드맵의 모순을 드러낸다는 것입니다. 범용성과 극한의 효율성을 동시에 극대화하기는 어렵습니다. 지난 몇 년간 GPU와 TPU의 강점은 다양한 모델과 다양한 워크로드에 적응할 수 있다는 점이었으며, 특히 모델이 빠르게 진화하는 단계에 적합했습니다.
구글이 탐구 중인 방향은 더 과격합니다. Gemini가 자사의 플래그십 모델이라면, 이를 위해 더 맞춤화된 추론 칩을 별도로 설계할 수 있지 않을까요? AI 추론이 데모에서 일상적인 서비스로 전환되면서, 효율성 향상은 더 이상 엔지니어링 지표에 그치지 않고 비즈니스 모델의 일부가 되고 있습니다.
이는 엔비디아의 내러티브에 한계적인 도전이 될 수 있지만, 아직 '엔비디아 위기'라고 부를 수는 없습니다. 엔비디아의 해자는 여전히 범용 생태계, 소프트웨어 툴체인, 트레이닝 클러스터에 있습니다. Frozen v2가 가치를 가진다면, 주로 구글 내부의 특정 Gemini 추론 시나리오에서 범용 연산력에 대한 한계적 의존도를 낮추는 데 있을 것입니다.
또한 이는 TPU가 주변부로 밀려난다는 의미도 아니다. 보도된 내용에 따르면, Frozen v2는 TPU 외의 새로운 분기로, Gemini 제품군에 맞춤화된 효율성 도구에 가깝다. TPU는 여전히 더 광범위한 학습 및 추론 작업을 담당하며, 다양한 모델과 클라우드 고객에게 서비스를 제공할 것이다.
더 정확한 판단은, 특정 모델이 충분히 중요하고, 호출량이 충분히 많으며, 아키텍처가 충분히 안정적일 때, 전용 칩이 경제적 매력을 갖기 시작한다는 점이다. 이는 업계가 전면적으로 전용 칩으로 전환한다는 신호가 아니라, 주요 모델 기업이 고빈도 추론 시나리오에 대해 별도로 비용을 계산하기 시작했다는 의미다.
Gemini의 안정성이 이 옵션의 가치를 결정한다
Frozen v2의 가장 큰 위험은 하드웨어 팀이 더 효율적인 회로를 만들 수 있는지 여부뿐만 아니라, Gemini의 기본 아키텍처가 칩에 구현될 만큼 안정적인지에 달려 있다. AI 모델은 여전히 빠르게 진화 중이며, 오늘의 최적 구조가 2년 후에도 최적의 해결책일지는 확실하지 않다.
만약 Gemini의 아키텍처에 중대한 변화가 발생한다면, Frozen v2는 재설계가 필요할 수 있다. 이는 일정을 늦추고, 하드코딩으로 인한 비용 이점을 약화시킬 것이다. 전문화가 깊어질수록 효율성 잠재력은 커지지만, 기술 경로가 고정된 후의 대가도 높아진다.
시장이 검증해야 할 것은, 이 경로가 초기 프로젝트 단서에서 더 확고한 엔지니어링 단계로 나아갈 수 있는지 여부다. 공식 로드맵, 테이프아웃 진행 상황, 양산 시점, 실제 에너지 효율성 및 배포 규모는 이것이 Alphabet의 비용 곡선을 위한 새로운 기준점이 될지, 아니면 평가가 조기에 반영된 장기 실험으로 남을지를 결정할 것이다.
Alphabet에게 Frozen v2의 현재 의미는, AI 지출 압박이 반드시 자본 지출을 계속 늘리는 방식으로만 해결될 필요는 없다는 점을 시장에 보여주는 데 있다. 하지만 2028년 이전까지는, 이는 옵션에 가깝다. 진정으로 평가를 바꿀 수 있는 것은 코드명 자체가 아니라, 이 칩이 Gemini의 고빈도 호출을 측정 가능한 비용 절감으로 전환할 수 있는지 여부다.
BlockBeats 공식 커뮤니티에 참여하세요:
Telegram 구독 그룹：https://t.me/theblockbeats
Telegram 토론 그룹：https://t.me/BlockBeats_App
Twitter 공식 계정：https://twitter.com/BlockBeatsAsia
