AI 모델을 더 빠르고 저렴하게 서비스하려면 소프트웨어 최적화만으로는 한계에 부딪힌다. 결국 하드웨어까지 직접 설계해야 한다는 흐름이 거대 AI 기업들 사이에서 뚜렷해지고 있다. 최근 Anthropic이 Anthropic custom silicon chip team을 꾸리고 있다는 소식은 그 흐름을 보여주는 최신 신호다.
맞춤형 AI 칩이란 무엇인가
범용 GPU는 다양한 작업을 처리할 수 있지만, 특정 워크로드에 집중하는 맞춤형 칩(ASIC)은 전력 효율과 처리 속도에서 훨씬 유리하다. AI 기업이 직접 칩을 설계한다는 것은 자사 모델의 추론이나 학습에 최적화된 하드웨어를 만들겠다는 뜻이다. 이는 엔비디아 GPU 의존도를 낮추고 비용 구조를 근본적으로 바꾸려는 전략이기도 하다.
Anthropic은 TechCrunch를 통해 이 팀 구성을 공식 확인했다1. 채용 공고에는 실리콘 설계 경험을 갖춘 엔지니어를 찾는다는 내용이 명시되어 있다. 아직 어떤 칩을 만들지 구체적으로 밝히진 않았지만, 자체 칩 개발에 착수했다는 사실만으로도 의미가 크다.
AI 칩 독립 경쟁, 왜 지금인가
OpenAI는 2026년 6월 Broadcom과 협력해 추론 워크로드 전용 칩 Jalapeño를 공개한 바 있다1. 구글은 이미 수년째 자체 TPU로 AI 인프라를 운영 중이고, 메타와 마이크로소프트 역시 자체 칩 개발에 뛰어들었다. Anthropic의 이번 행보는 더 이상 뒤처질 수 없다는 판단으로 읽힌다.
핵심은 ‘추론 비용’이다. 대규모 언어 모델을 실제 서비스로 제공할 때, 추론 한 번에 들어가는 컴퓨팅 비용이 사업의 지속 가능성을 좌우한다. 범용 칩보다 자체 설계 칩이 훨씬 효율적이라면 같은 모델이라도 가격 경쟁력에서 차이가 벌어진다. Anthropic custom silicon chip team은 결국 Claude 모델의 상업적 경쟁력을 확보하기 위한 투자라고 볼 수 있다.
이 소식이 의미하는 것
단순한 기술 뉴스를 넘어, 이번 소식은 AI 산업의 구조 변화를 읽을 수 있는 지표다. 첫째, 엔비디아의 하드웨어 지배력이 앞으로 얼마나 분산될지 가늠할 수 있다. 둘째, 자체 칩을 확보한 기업과 그렇지 못한 기업 간의 서비스 가격 격차가 벌어질 가능성이 높다.
당장 소비자에게 보이는 변화는 적겠지만, 2~3년 안에 AI API 호출 비용과 응답 속도에서 유의미한 차이로 나타날 전망이다. 결국 Anthropic custom silicon chip team의 출범은 AI 모델의 경쟁 무대가 소프트웨어에서 하드웨어로 확장되고 있음을 보여주는 분수령이다.
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.