【드래곤 스포츠】 보증업체놀이터추천홍보 : 프로그램제작판매제작의뢰 : 스포츠분석 : 무료스포츠중계tv : 섹시bj움짤 : 뉴스 : 안구정화

로그인

글쓰기

[IT뉴스][칩 계산논쟁] ③ 물리 지능은 왜 반도체를 더 많이 먹는가 下

온카뱅크관리자

2026-07-16 15:07:33

<div id="layerTranslateNotice" style="display:none;"></div> 엔비디아 학습·추론 전선 동시 공략 애플·테슬라 자체 지능 생태계 구축 퀄컴 자동차 중앙컴퓨터 시장 진격 완성차도 반도체 설계 주도권 경쟁 삼성·SK, HBM 밖 시스템 역량 시험 
 <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> 
 <section dmcf-sid="7mmZ8B71YU">
 <figure class="figure_frm origin_fig" contents-hash="d3a52985aac5ca4f6740b3dcd50c93df9d53d09ad9d01689e0eeb4709ac8e791" data-idxno="460830" data-type="photo" dmcf-pid="z88NYCsA1p" dmcf-ptype="figure">
 <img alt="엔비디아는 학습과 시뮬레이션, 애플은 온디바이스 AI, 테슬라는 차량 지능, 퀄컴은 자동차 중앙컴퓨터를 맡고 삼성전자와 SK하이닉스는 메모리·센서·패키징을 공급한다. 피지컬 AI 전쟁의 승부는 가장 빠른 칩 하나가 아니라, 지능이 데이터센터에서 자동차와 로봇·공장으로 이동하는 전체 경로를 누가 장악하느냐에 달려 있다. /GPT-5.5" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202607/16/552814-8XPEppr/20260716150008430xppp.jpg" data-org-width="1080" dmcf-mid="VI5xmjgR51" dmcf-mtype="image" height="auto" src="https://img1.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202607/16/552814-8XPEppr/20260716150008430xppp.jpg" width="658">
 <figcaption class="txt_caption default_figure">
 엔비디아는 학습과 시뮬레이션, 애플은 온디바이스 AI, 테슬라는 차량 지능, 퀄컴은 자동차 중앙컴퓨터를 맡고 삼성전자와 SK하이닉스는 메모리·센서·패키징을 공급한다. 피지컬 AI 전쟁의 승부는 가장 빠른 칩 하나가 아니라, 지능이 데이터센터에서 자동차와 로봇·공장으로 이동하는 전체 경로를 누가 장악하느냐에 달려 있다. /GPT-5.5
 </figcaption>
 </figure>
 피지컬 인공지능(AI)이 자동차와 로봇, 공장 설비로 확산되면서 반도체 산업의 전선도 데이터센터 밖으로 넓어지고 있다. 대규모 GPU 클러스터에서 학습된 지능이 실제 기계를 움직이기 위해서는 시스템온칩(SoC)과 신경망처리장치(NPU), 메모리, 센서, 통신칩, 전력반도체가 하나의 실행체계로 결합돼야 한다.
 본 기획 상편에서 물리 지능이 왜 더 많은 반도체를 요구하는지 살펴봤다면, 하편의 질문은 그 반도체를 누가 공급하고 통제할 것인가다. 자동차와 로봇이 작은 데이터센터로 바뀌는 순간 경쟁의 단위는 개별 칩에서 플랫폼으로 커진다. 가장 빠른 GPU나 가장 넓은 메모리 대역폭만으로는 현실의 지능을 장악할 수 없다. 모델 학습부터 시뮬레이션, 차량·로봇 탑재, 소프트웨어 업데이트, 현장 데이터 회수까지 하나의 순환체계로 묶는 기업이 새로운 권력을 갖는다.
 데이터센터 시대에는 GPU와 고대역폭메모리(HBM)를 얼마나 확보했느냐가 경쟁력을 가르는 핵심 지표였다. 물리 지능 시대에는 계산 결과가 실제 조향과 제동, 관절과 모터의 움직임으로 이어져야 한다. 이에 따라 반도체 기업과 클라우드 기업, 완성차 업체, 로봇 제조사 사이의 경계가 무너지고 있다. 칩을 공급하는 기업은 운영체제와 개발도구까지 내려오고, 자동차 회사는 자체 반도체와 데이터센터를 확보하며 위로 올라간다.
 GPU 군단은 본부일 뿐 학습과 행동까지 묶는다
 젠슨 황 엔비디아 최고경영자(CEO)의 목표는 데이터센터용 GPU 판매량을 늘리는 데 그치지 않는다. 중앙에서 학습한 모델을 가상공간에서 검증하고 자동차와 로봇에 배치하는 전 과정을 자사 생태계 안에 넣는 것이다. 쿠다(CUDA)가 데이터센터의 학습 질서를 지배했다면 DRIVE와 젯슨(Jetson)은 그 질서를 현실 세계의 실행 장치까지 확장하는 전초기지다.
 자동차 업체가 자율주행 모델을 개발하려면 도로 데이터를 모으고 데이터센터에서 학습한 뒤 수많은 사고 상황을 시뮬레이션해야 한다. 검증을 마친 모델은 다시 차량용 컴퓨터에 맞게 최적화해 배포해야 한다. 학습용 GPU와 차량용 칩의 소프트웨어 구조가 다르면 변환과 재검증에 시간과 비용이 들어간다. 엔비디아는 이 간극을 같은 개발도구와 소프트웨어 계열로 메우려 한다.
 로봇도 같은 구조다. 가상공간에서 로봇의 움직임을 학습시키고 실제 기계에 옮긴 뒤 현장에서 발생한 데이터를 다시 중앙으로 가져온다. 엔비디아가 시뮬레이션과 월드모델, 엣지 컴퓨팅을 한꺼번에 강조하는 이유는 칩 한 개보다 이 순환체계 전체가 더 큰 진입장벽을 만들기 때문이다.
 완성차와 로봇 업체가 엔비디아의 개발환경에 깊이 들어갈수록 다른 반도체로 옮기는 비용은 커진다. 데이터센터에서 형성된 쿠다의 잠금효과가 자동차와 공장, 로봇으로 이어지는 셈이다. 엔비디아가 노리는 것은 피지컬 AI 칩 시장의 점유율이 아니라 지능이 현실로 내려가는 경로 자체다.
 <div contents-hash="cc8799456cd93ed3cdc892dd4e71938dd7441ff7f47dd63d1c480a35c49d4e7d" dmcf-pid="4JJm3GyO5H" dmcf-ptype="general">
 인텔과 AMD도 CPU와 GPU, 프로그래머블 반도체, 산업용 엣지 제품을 묶어 대안을 만들고 있다. 그러나 하드웨어 성능만으로는 엔비디아를 밀어내기 어렵다. 중앙 학습과 시뮬레이션, 현장 배포를 얼마나 매끄럽게 연결할 수 있는지가 승부처다.
 </div>
 <figure class="figure_frm origin_fig" contents-hash="5809925399344ff7763b1484784585f460ceb72dc21368e8c5214e5139b076f9" data-idxno="460833" data-type="photo" dmcf-pid="8iis0HWI1G" dmcf-ptype="figure">
 <img alt="젠슨황 엔비디아 CEO가 지난 6월 1일 대만 타이베이에서 개최된 2026년 컴퓨텍스에서 베라루빈 풀 세트를 소개하고 있다. / 이상헌 기자" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202607/16/552814-8XPEppr/20260716150009754zhbv.jpg" data-org-width="1080" dmcf-mid="VkuLvmDg5n" dmcf-mtype="image" height="auto" src="https://img3.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202607/16/552814-8XPEppr/20260716150009754zhbv.jpg" width="658">
 <figcaption class="txt_caption default_figure">
 젠슨황 엔비디아 CEO가 지난 6월 1일 대만 타이베이에서 개최된 2026년 컴퓨텍스에서 베라루빈 풀 세트를 소개하고 있다. / 이상헌 기자
 </figcaption>
 </figure>
 애플은 지능 기기 안에 가둬 수직 통합이 만든 선행 모델
 애플은 자동차와 로봇 시장의 직접적인 지배자는 아니지만, 엣지 지능의 수익 구조를 가장 먼저 보여준 기업이다. 자체 시스템온칩(SoC)과 운영체제, 애플리케이션, 개발도구를 한 손에 쥔 채 사용자의 AI 작업을 기기 내부로 끌어들였다.
 사진 분류와 얼굴인식, 음성 처리, 번역, 문서 작업이 늘어날수록 애플의 뉴럴 엔진과 통합 메모리 가동률도 함께 높아진다. 이용자는 AI 칩을 직접 구매하지 않지만 기기와 서비스 비용을 통해 애플의 연산 인프라에 값을 지불한다. 지능을 생산하는 실리콘과 이를 소비하는 소프트웨어가 하나의 상품 안에서 결합된 구조다.
 애플의 강점은 특정 NPU의 최고 성능이 아니라 작업의 배치권이다. 어떤 연산을 기기 안에서 처리하고 어떤 작업을 외부 서버로 보낼지 운영체제 수준에서 결정할 수 있다. 모델을 자체 메모리 구조와 전력 조건에 맞게 최적화하고 앱 개발자까지 같은 생태계에 묶는다.
 다만 애플의 수직통합에도 균열은 있다. 고도화된 생성형 AI를 기기 내부에서 처리하려면 NPU 성능뿐 아니라 충분한 메모리 용량과 대역폭이 필요한데, 애플은 메모리를 외부 공급망에 의존한다. 복잡한 요청은 자체 기기만으로 감당하지 못해 프라이빗 클라우드 컴퓨트(PCC)의 서버 모델로 넘기는 구조도 유지하고 있다. 애플이 기기와 운영체제를 통제하더라도 메모리 조달과 대형 모델 실행에서는 클라우드와 외부 반도체 공급망을 벗어나기 어려운 셈이다.
 <div contents-hash="ccf1d8c83d47c7b9d9b116ebf63a2442fda455e0c1bc46628ba60ff93bdf5da7" dmcf-pid="WrrX4qu5tS" dmcf-ptype="general">
 이 지점에서 삼성전자의 종합반도체 구조가 변수가 된다. 삼성은 스마트폰과 운영체제 생태계만 가진 기업이 아니라 모바일 SoC와 NPU, D램·낸드, 이미지센서까지 함께 보유하고 있으며, 엑시노스 AI 스튜디오를 통해 모델의 양자화와 최적화, NPU 배포까지 직접 연결하고 있다. 갤럭시가 모든 기능에서 애플을 앞섰다는 뜻은 아니지만, 메모리와 연산기, 단말기를 한 회사 안에서 함께 조정할 수 있다는 점은 온디바이스 AI의 비용과 지연시간, 전력 효율 경쟁에서 구조적인 무기가 된다.
 </div>
 <figure class="figure_frm origin_fig" contents-hash="49d03a9d5fa2b4246d48108ae63006370253a82901f2d0e4d13187b92ca228bb" data-idxno="460834" data-type="photo" dmcf-pid="YmmZ8B71tl" dmcf-ptype="figure">
 <img alt="테슬라의 AI5 칩 이미지 /일론머스크 X" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202607/16/552814-8XPEppr/20260716150011056gpwk.jpg" data-org-width="680" dmcf-mid="fxOtQ9B3Zi" dmcf-mtype="image" height="auto" src="https://img1.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202607/16/552814-8XPEppr/20260716150011056gpwk.jpg" width="658">
 <figcaption class="txt_caption default_figure">
 테슬라의 AI5 칩 이미지 /일론머스크 X
 </figcaption>
 </figure>
 테슬라는 자동차를 AI 노드로 차량 판매 통한 연산망 확장
 일론 머스크의 테슬라는 자동차를 판매할 때마다 현실을 관찰하고 판단하는 AI 노드를 하나씩 배치한다. 차량은 주행 중 카메라 데이터를 수집하고 내부 컴퓨터에서 추론을 수행한다. 필요한 데이터는 중앙 학습 인프라로 올라가 모델 개선에 사용되고, 새 모델은 무선 업데이트를 통해 다시 차량으로 내려온다.
 이 구조에서 차량 판매량은 단순한 완성차 출하량을 넘어선다. 자동차가 늘어날수록 카메라와 연산장치, 메모리, 통신망, 데이터 수집점이 함께 늘어난다. 현실 데이터가 다시 모델을 개선하고 개선된 모델이 차량의 상품성을 높이는 순환구조가 형성된다.
 테슬라가 자체 추론 칩을 설계하는 이유도 여기에 있다. 차량의 인식과 판단을 외부 반도체 기업에 전적으로 맡기면 모델 구조와 업데이트 속도, 데이터 활용 방식까지 외부 플랫폼에 종속될 수 있다. 핵심 기능이 소프트웨어로 이동할수록 반도체 설계권은 제품 주도권과 가까워진다.
 테슬라의 진짜 자산은 차량용 칩 하나가 아니다. 자동차와 센서, 주행 데이터, 학습용 데이터센터, 소프트웨어 배포망을 연결한 폐쇄형 순환체계다. 자동차 제조와 AI 서비스가 하나의 산업으로 결합되는 지점이다.
 퀄컴 자동차를 거대한 스마트폰화 통신·콕핏·자율주행 한 플랫폼에통
 퀄컴은 모바일 시대에 확립한 통합 SoC 전략을 자동차로 이식하고 있다. 스마트폰에서 CPU와 GPU, 통신모뎀, 이미지 처리, AI 가속기를 하나의 플랫폼으로 묶었던 경험을 자동차 중앙컴퓨터에 적용하는 방식이다.
 차량은 오랫동안 엔진과 제동, 조향, 계기판, 인포테인먼트 등 기능별 전자제어장치(ECU)를 따로 사용했다. 기능이 늘어날수록 칩과 배선, 소프트웨어가 복잡해지고 업데이트 비용도 커졌다. 퀄컴은 이 기능들을 소수의 고성능 플랫폼으로 통합해 완성차 업체가 소프트웨어로 기능을 추가하도록 만들려 한다.
 통신과 인포테인먼트, 운전자 보조, 차량 내부 모니터링을 하나의 계열로 제공할 수 있다는 점은 퀄컴의 강점이다. 특히 자동차는 이동 중 외부 네트워크와 연결돼야 하므로 모바일 시장에서 축적한 저전력 통신 기술이 직접적인 경쟁력이 된다.
 <div contents-hash="eaa48046c7f5529dc7a323d27f1201f8690fc7a06a3662e84c9e09b41b1938b0" dmcf-pid="044aWImjXE" dmcf-ptype="general">
 공급망 측면에서 퀄컴의 성공은 완성차 업체에 새로운 종속 위험을 만든다. 차량의 주요 기능이 퀄컴의 하드웨어와 개발도구 위에서 작동할수록 자동차 회사가 다른 플랫폼으로 이동하기 어려워진다. 스마트폰 제조사가 운영체제와 AP 생태계의 틀 안에서 경쟁했던 구조가 자동차에서도 반복될 수 있다.
 </div>
 <figure class="figure_frm origin_fig" contents-hash="369babe865d639d001cd39f758e665f815aab1649c75957b5390a298ee5b0fd0" data-idxno="460836" data-type="photo" dmcf-pid="p88NYCsAGk" dmcf-ptype="figure">
 <img alt="정의선 현대자동차그룹 회장 /현대자동차그룹" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202607/16/552814-8XPEppr/20260716150012339qigr.jpg" data-org-width="957" dmcf-mid="p7BJhDcntz" dmcf-mtype="image" height="auto" src="https://img4.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202607/16/552814-8XPEppr/20260716150012339qigr.jpg" width="658">
 <figcaption class="txt_caption default_figure">
 정의선 현대자동차그룹 회장 /현대자동차그룹
 </figcaption>
 </figure>
 완성차는 조립업체로 남을 것인가? 판단체계 내주면 플랫폼 하청 전락
 자동차의 핵심 가치가 기계장치에서 소프트웨어와 AI로 이동하면서 완성차 업체도 선택을 강요받고 있다. 고성능 칩을 외부에서 공급받는 것 자체는 문제가 아니다. 차량의 데이터 흐름과 운영체제, 업데이트 구조까지 외부 기업에 내주는 순간 제품 주도권이 흔들린다.
 엔진을 외부에서 공급받아도 자동차 회사는 설계와 상품기획을 통해 브랜드를 유지할 수 있었다. 그러나 차량의 눈과 기억, 판단체계를 외부 플랫폼에 맡기면 완성차 업체는 차체를 제작하는 하청업체로 밀려날 수 있다. 소비자가 체감하는 성능이 AI 모델과 운영체제에 의해 결정되기 때문이다.
 자체 반도체 전략이 반드시 팹을 직접 세운다는 뜻은 아니다. 완성차 업체가 필요한 연산 구조와 안전등급, 메모리 대역폭, 소프트웨어 인터페이스를 정의하고 설계기업·파운드리와 협업하는 방식도 가능하다. 중요한 것은 칩의 생산 주체보다 시스템의 설계권이다.
 현대자동차와 도요타를 비롯한 주요 완성차 업체가 중앙컴퓨터와 소프트웨어 플랫폼, 반도체 공동설계에 투자하는 것도 같은 이유다. 자동차 회사가 제조업체를 넘어 지능 실행체계의 설계자로 올라설 수 있느냐가 다음 경쟁을 가른다.
 차량 종류마다 요구사항도 다르다. 승용차는 비용과 전력 효율이 중요하고 로보택시는 높은 연산 성능과 중복 안전구조를 요구한다. 상용차와 건설장비, 물류로봇은 장시간 작동과 내구성이 우선이다. 단일 범용 칩보다 제품별 맞춤형 반도체 수요가 커질 수밖에 없다.
 삼성전자, 부품 백화점 묶을 수 있나 메모리·파운드리·센서 통합 시험대
 삼성전자는 피지컬 AI 전쟁에서 가장 많은 부품을 보유한 기업 가운데 하나다. 메모리와 파운드리, 시스템LSI, 이미지센서, 저장장치, 패키징 역량을 한 회사 안에 갖고 있다. 자동차와 로봇에 필요한 반도체를 개별적으로 공급할 수 있을 뿐 아니라 하나의 시스템으로 묶을 잠재력도 있다.
 문제는 보유 기술의 수가 아니라 결합 능력이다. 메모리 사업부는 메모리를 팔고 파운드리는 칩을 생산하며 시스템LSI는 SoC와 센서를 따로 공급하는 구조에 머물면 고객에게는 여러 공급사 가운데 하나일 뿐이다. 피지컬 AI 고객이 원하는 것은 최고 사양의 개별 부품보다 전력과 지연시간, 안전 조건에 맞춰 공동 최적화된 시스템이다.
 삼성전자가 차량용 SoC와 이미지센서, LPDDR, 저장장치, 전력관리반도체, 첨단 패키징을 하나의 설계안으로 제시한다면 메모리 기업을 넘어 지능 인프라 공급자로 올라설 수 있다. 반대로 사업부 간 칸막이를 넘지 못하면 부품 종류가 많아도 플랫폼 주도권은 엔비디아와 퀄컴, 완성차 업체에 돌아가는 구조다.
 <div contents-hash="e439b447e0dd0de5b1db5c32c72ea54ead3b1b734ee7b0f0dc179145a1d20221" dmcf-pid="V88NYCsAHJ" dmcf-ptype="general">
 피지컬 AI는 삼성전자의 종합반도체 구조가 실제 경쟁력인지 시험하는 시장이다. 모든 것을 갖고 있다는 사실보다 모든 것을 하나로 묶을 수 있는지가 중요하다.
 </div>
 <figure class="figure_frm origin_fig" contents-hash="d072cc1b11a76798b73a853bce4628a919b780b66eb9660a69b8e3b68333ded9" data-idxno="460835" data-type="photo" dmcf-pid="f66jGhOcXd" dmcf-ptype="figure">
 <img alt="젠슨 황 엔비디아 CEO가 지난해 10월 31일 경북 경주 예술의전당에서 열린 아시아태평양경제협력체(APEC) 최고경영자(CEO) 서밋에 참석해 최태원 대한상의 회장으로부터 SK하이닉스의 HBM4 반도체 웨이퍼를 선물받고 있다. /연합뉴스" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202607/16/552814-8XPEppr/20260716150013621qwkr.jpg" data-org-width="1279" dmcf-mid="U1nIUZGhZ7" dmcf-mtype="image" height="auto" src="https://img2.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202607/16/552814-8XPEppr/20260716150013621qwkr.jpg" width="658">
 <figcaption class="txt_caption default_figure">
 젠슨 황 엔비디아 CEO가 지난해 10월 31일 경북 경주 예술의전당에서 열린 아시아태평양경제협력체(APEC) 최고경영자(CEO) 서밋에 참석해 최태원 대한상의 회장으로부터 SK하이닉스의 HBM4 반도체 웨이퍼를 선물받고 있다. /연합뉴스
 </figcaption>
 </figure>
 SK하이닉스, HBM 왕좌 다음 고객 칩과 함께 설계해야 산다
 SK하이닉스는 데이터센터 HBM 시장에서 AI 시대의 대표적인 수혜기업으로 올라섰다. 그러나 피지컬 AI 시장은 HBM 하나로 설명되지 않는다. 자동차와 로봇에는 LPDDR과 낸드, 차량용 저장장치, 고속 패키징 등 서로 다른 특성의 메모리가 계층적으로 배치된다.
 최태원 회장의 다음 과제는 HBM 강자에서 AI 메모리 계층 전체의 공급자로 확장하는 것이다. 데이터센터에서는 GPU에 데이터를 공급하는 HBM이 중심이지만 엣지에서는 전력과 가격, 내구성, 크기 조건에 따라 제품별 조합이 달라진다. 메모리의 최고 속도보다 고객 시스템에 맞춘 최적화가 더 중요해진다.
 특히 SoC 설계 초기부터 메모리 구조를 함께 결정하는 공동설계 역량이 필요하다. 완성된 칩에 메모리를 붙이는 후행 공급 방식으로는 데이터 이동과 전력 효율을 최적화하기 어렵다. 고객사의 연산기와 패키지 구조를 이해하고 메모리 대역폭과 용량, 전력 특성을 함께 설계해야 한다.
 HBM에서 확보한 수익과 기술을 저전력 메모리와 차량용 제품, 첨단 패키징으로 옮기지 못하면 데이터센터 사이클에 다시 갇힐 수 있다. HBM 왕좌는 출발점이지 피지컬 AI 전체의 지배권은 아니라는 얘기다.
 엣지는 지능을 분산하지만 권력은 플랫폼에 집중된다
 피지컬 AI는 계산을 데이터센터 밖으로 분산시킨다. 자동차와 로봇, 스마트폰이 현장에서 직접 추론하면 데이터가 모두 중앙 서버로 올라갈 필요가 줄어든다. 그러나 연산이 분산된다고 산업 권력까지 분산되는 것은 아니다.
 엔비디아는 학습과 시뮬레이션, 배포 도구를 묶고 애플은 SoC와 운영체제, 앱을 통제한다. 테슬라는 차량과 데이터, 업데이트망을 수직계열화하며 퀄컴은 자동차의 중앙컴퓨팅 기반을 노린다. 각각 다른 방식으로 지능의 실행 경로를 장악하려는 것이다.
 피지컬 AI 시대의 플랫폼은 칩 성능표만으로 완성되지 않는다. 안전규격과 개발도구, 모델 최적화, 소프트웨어 업데이트, 장기 공급, 현장 데이터 관리까지 제공해야 한다. 고객이 이 체계에 깊이 들어갈수록 다른 플랫폼으로 옮기는 비용도 커진다.
 따라서 현실 세계의 지능을 지배하는 기업은 가장 큰 모델을 만든 회사와 일치하지 않을 수 있다. 모델을 특정 기계에 맞게 배치하고 안전하게 움직이며 지속적으로 개선하는 경로를 장악한 기업이 실질적인 권력을 갖는다.
 데이터센터의 승자가 전쟁에서도 유리 수억 개 신경계 놓고 벌이는 총력전
 피지컬 AI 시장은 데이터센터용 GPU 시장을 대체하지 않는다. 중앙에서 생산된 지능이 자동차와 로봇, 공장과 가정에 배치되면서 새로운 반도체 시장이 그 위에 추가된다. 문제는 이 확장 과정에서 누가 가장 많은 부품을 파느냐가 아니라 누가 전체 구조의 설계권을 갖느냐다.
 엔비디아는 데이터센터의 지배력을 현실로 확장하려 한다. 애플은 단말기 안에 폐쇄적인 지능 생태계를 만들었고 테슬라는 자동차를 분산형 AI 노드로 바꾸고 있다. 퀄컴은 스마트폰의 통합 플랫폼을 차량 중앙컴퓨터에 이식하며 완성차 업체는 플랫폼 하청으로 밀려나지 않기 위해 자체 설계권을 확보하려 한다.
 삼성전자와 SK하이닉스도 선택의 기로에 서 있다. HBM과 메모리 공급에 머물 것인지, 연산기와 센서, 패키징을 함께 설계하는 지능 인프라 기업으로 이동할 것인지가 관건이다. 피지컬 AI 시대에는 좋은 부품을 많이 가진 것보다 그 부품을 하나의 행동체계로 연결할 능력이 더 중요하다는 것.
 <div contents-hash="ea5c88f7c9f649872bd14de8aac5384b411277aea526e44290d09f082e972c19" dmcf-pid="1FF4kLJ6Yb" dmcf-ptype="general">
 데이터센터는 몇 개지만 자동차와 로봇은 수억 대다. 중앙의 지능이 현실로 복제될수록 기계마다 새로운 센서와 연산장치, 메모리, 통신망이 필요해진다. 그 신경계를 누가 설계하고 운영체제를 얹으며 데이터를 회수하느냐에 따라 반도체 기업과 제조업체의 서열도 다시 짜일 전망이다.
 </div>
 <figure class="figure_frm origin_fig" contents-hash="cb2e6f157bbdf59e24fac18b834a812aec0ef93d0e7fffa85c038cc773768678" data-idxno="460824" data-type="photo" dmcf-pid="t338EoiP1B" dmcf-ptype="figure">
 <img alt="데이터가 이동하는 데 걸리는 시간인 지연(Latency)은 피지컬 AI 시대 반도체 수요를 결정하는 핵심 변수다. 자동차와 로봇, 공장은 클라우드의 응답을 기다릴 수 없어 연산을 기기 내부에서 직접 수행해야 하며, 그 결과 SoC와 NPU, 메모리, 센서, 전력반도체 등 다양한 칩이 각각의 기계에 탑재된다. 결국 지연을 줄이려는 기술 경쟁은 데이터를 중앙으로 보내는 구조를 지능을 현장에 배치하는 구조로 바꾸고, 반도체 수요를 데이터센터 몇 곳에서 현실 세계 수억 대의 기기로 확장시키는 원동력이 된다. / GPT-5.5" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202607/16/552814-8XPEppr/20260716150015020gheg.png" data-org-width="1024" dmcf-mid="ucs56bztGu" dmcf-mtype="image" height="auto" src="https://img3.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202607/16/552814-8XPEppr/20260716150015020gheg.png" width="658">
 <figcaption class="txt_caption default_figure">
 데이터가 이동하는 데 걸리는 시간인 지연(Latency)은 피지컬 AI 시대 반도체 수요를 결정하는 핵심 변수다. 자동차와 로봇, 공장은 클라우드의 응답을 기다릴 수 없어 연산을 기기 내부에서 직접 수행해야 하며, 그 결과 SoC와 NPU, 메모리, 센서, 전력반도체 등 다양한 칩이 각각의 기계에 탑재된다. 결국 지연을 줄이려는 기술 경쟁은 데이터를 중앙으로 보내는 구조를 지능을 현장에 배치하는 구조로 바꾸고, 반도체 수요를 데이터센터 몇 곳에서 현실 세계 수억 대의 기기로 확장시키는 원동력이 된다. / GPT-5.5
 </figcaption>
 </figure>
 <div contents-hash="332ef9df44ccca1390a1b7b896d833f674ade7913941458901c487f262dae3a4" dmcf-pid="F006DgnQGq" dmcf-ptype="general">
 지능과 데이터는 왜 지연과 싸우는가
 </div>
 인공지능(AI)은 연산을 위해 센서가 만든 데이터를 메모리에서 꺼내 연산장치로 보내고, 계산 결과를 다시 저장하거나 제어장치로 전달해야 한다. 이 과정에서 데이터는 칩 내부 배선과 메모리 인터페이스, 통신망을 거친다. 전기 신호는 매우 빠르지만 이동거리가 길어질수록 저항과 기생용량이 누적되고, 각 장치가 신호를 읽고 다시 전달하는 데도 시간이 든다.
 지연은 단순히 인터넷이 느린 문제가 아니라 전자가 이동하고 회로가 충전·방전되는 데 필요한 물리적 시간에서 발생한다. 생성형 AI는 답변이 0.1초 늦어져도 대체로 불편함에 그친다. 그러나 자동차와 로봇은 지연되는 동안에도 계속 움직인다. 시속 100㎞로 달리는 차량은 0.1초 동안 약 2.8m를 이동하며, 로봇 팔도 판단 결과를 기다리는 동안 관성과 모터의 힘에 따라 움직임을 이어간다. 피지컬 AI에서 늦은 정답은 오답과 다르지 않다. 센서가 본 현실과 연산이 끝난 뒤의 현실이 이미 달라져 있기 때문에 지능은 정확도뿐 아니라 정해진 시간 안에 계산을 끝내는 결정성(Determinism)을 확보해야 한다.
 그래서 AI 반도체는 데이터를 가능한 한 움직이지 않는 방향으로 진화한다. 자주 쓰는 값은 온칩 SRAM과 캐시에 붙잡아 두고, 연산기와 메모리를 칩렛과 첨단 패키징으로 가깝게 연결하며, PIM은 데이터가 저장된 자리에서 일부 계산까지 처리한다. 지능의 성능은 연산량만으로 결정되지 않는다. 필요한 정보를 얼마나 가까이 두고, 얼마나 짧은 경로로 읽고, 현실이 바뀌기 전에 행동으로 바꾸느냐가 핵심이다. 지능과 데이터가 지연과 싸우는 이유는 결국 물리 세계가 계산을 기다려주지 않기 때문이다.
 지연을 줄이려는 경쟁은 곧 반도체 수요를 폭발적으로 늘린다. 과거에는 하나의 데이터센터가 수천 명의 요청을 처리했다면, 피지컬 AI 시대에는 자동차와 로봇, 공장 설비, 드론, AI PC가 각각 자신의 연산기를 가져야 한다. 데이터를 중앙으로 보내는 대신 현장에서 즉시 판단해야 하기 때문이다. 지능이 분산될수록 연산장치는 소수의 서버에서 수억 개의 기기로 퍼져 나간다.
 이 과정에서 필요한 반도체도 하나가 아니다. AI를 실행하는 SoC와 NPU뿐 아니라 LPDDR과 SRAM, 이미지센서, 레이더 칩, 전력반도체, 저장장치, 차량용 네트워크 칩, 첨단 패키징까지 하나의 시스템으로 함께 늘어난다. 자동차 한 대가 작은 데이터센터가 되는 순간 반도체 수요는 GPU 한 장이 아니라 기계 전체의 신경계를 구성하는 수십 종의 칩으로 확장된다
 여성경제신문 이상헌 기자 liberty@seoulmedia.co.kr
 *여성경제신문 기사는 기자 혹은 외부 필자가 작성 후 AI를 이용해 교정교열하고 문장을 다듬었음을 밝힙니다. 기사에 포함된 이미지 중 AI로 생성한 이미지는 사진 캡션에 밝혀두었습니다.
 </section> 
 </div>

댓글 총 0개

이번주 포인트랭킹

매주 일요일 밤 0시에 랭킹을 초기화합니다.

14,000상품권
23,000상품권
32,000상품권

업체홍보/구인 더보기

놀이터홍보 더보기

지식/노하우 더보기

판매의뢰 더보기

포토 더보기