범용 칩을 버린 스타트업, 그 선택이 궁금했다
엔비디아가 AI 반도체 시장을 사실상 독점하고 있는 지금, 후발 주자가 살아남으려면 어떤 전략이 필요할까. 에치드(Etched)가 내놓은 답은 의외로 단순했다. GPU처럼 모든 연산을 다 해내는 범용 칩을 포기하고, 트랜스포머 아키텍처 추론만 처리하는 전용 칩 ‘소후(Sohu)’에 회사의 명운을 걸었다. 처음 이 소식을 접했을 때는 무모하다는 인상이 강했다. 하지만 뜯어볼수록 이 승부수에는 나름의 계산이 깔려 있다는 생각이 든다.
제인스트리트 출신들이 왜 반도체 스타트업에 모였을까
에치드가 주목받는 이유는 기술 자체보다 사람에 있다고 본다. 창업 멤버 상당수가 퀀트 트레이딩 회사 제인스트리트 출신으로 알려졌다. 금융권에서 초단타 매매 시스템을 설계하던 이들이 반도체 설계로 방향을 튼 셈이다. 외신 보도에 따르면 회사 기업가치는 약 210억 달러 수준까지 거론되고 있다. 여기에 엔비디아 출신 엔지니어들까지 합류했다고 전해지면서, 업계에서는 이 조합이 실제로 시너지를 낼 수 있을지 지켜보는 분위기다. 개인적으로는 이런 이종 배경의 결합이 오히려 기존 반도체 업계가 놓친 관점을 채워줄 수 있다고 본다.
GPU와 ASIC, 접근 방식부터 다르다
여기서 짚고 넘어가야 할 개념이 있다. GPU는 병렬 연산에 강하지만 결국 범용성을 전제로 설계된 칩이다. 반면 소후 같은 ASIC(주문형 반도체)은 처음부터 트랜스포머 연산 하나만 겨냥해 회로를 짠다. 범용성을 버린 대신 해당 작업에서는 압도적인 효율을 낼 수 있다는 논리다. 아래 표로 두 방식의 차이를 정리해봤다.
| 구분 | GPU (엔비디아 방식) | ASIC (소후 방식) |
|---|---|---|
| 설계 목표 | 범용 연산 대응 | 트랜스포머 추론 전용 |
| 유연성 | 다양한 모델·워크로드 지원 | 구조 변경 시 대응 어려움 |
| 추론 효율 | 상대적으로 낮음 | 이론상 수 배 높은 효율 주장 |
| 개발 리스크 | 낮음 (검증된 생태계) | 높음 (신생 아키텍처) |
표로 정리하고 보니 소후의 강점과 약점이 더 선명하게 드러난다. 효율 면에서는 매력적이지만, AI 모델 구조가 바뀌면 이 전용 설계가 그대로 발목을 잡을 수도 있다는 점이 마음에 걸린다. 결국 이 베팅은 트랜스포머 구조가 앞으로도 오랫동안 AI 업계의 표준으로 남을 것이라는 전제 위에 서 있는 셈이다.
랙 단위 판매와 44일 검증, 실행력은 확인됐다
에치드는 칩만 파는 대신 서버 랙 단위로 완제품을 공급하는 전략을 택했다고 한다. 도입 문턱을 낮춰서 고객이 직접 통합하는 부담을 줄이려는 의도로 읽힌다. 실제로 TSMC 검증까지 44일 만에 마쳤다는 이야기가 나오는데, 이 속도만 놓고 보면 실행력 자체는 의심할 여지가 적어 보인다. 다만 속도와 시장 안착은 완전히 다른 문제다. 아무리 빨리 만들어도 데이터센터 운영사들이 실제로 채택해야 의미가 생긴다.
내가 이 지점에서 가장 궁금한 건 고객사들의 반응이다. 엔비디아 생태계를 이미 구축한 대형 클라우드 업체 입장에서, 검증되지 않은 신생 ASIC로 갈아탈 유인이 얼마나 될지는 여전히 불투명하다. 참고로 이런 GPU 진영과 대안 진영의 속도 경쟁 구도는 이전에 다룬 글에서도 비슷한 흐름이 확인된다.
IT-SUE의 시각
에치드의 시도를 지켜보면서 든 생각은 하나다. AI 반도체 시장이 이제 ‘엔비디아냐 아니냐’를 넘어, 용도별로 세분화되는 국면에 들어섰다는 신호로 읽힌다. 범용 칩 하나로 모든 걸 해결하던 시대가 저물고, 특정 연산에 특화된 전용 칩들이 틈새를 파고드는 흐름이 앞으로 더 자주 보일 것 같다. 다만 소후가 실제 데이터센터에서 어느 정도 채택률을 기록하는지가 진짜 시험대라고 본다. 개인적으로는 이 실험이 성공하든 실패하든, AI 추론 전용 칩이라는 카테고리 자체를 시장에 각인시켰다는 점만으로도 의미가 있다고 평가한다. 앞으로 몇 분기 동안 이 회사의 실제 수주 소식을 유심히 지켜볼 생각이다.






답글 남기기