이에 브로드컴(AVGO), 마벨테크놀로지(MRVL) 등 ASIC 와 관련성이 높은 기업의 주가는 최근 두 달간 최소 35% 넘는 상승률을 보였다.
김승혁 키움증권 연구원은 "Open AI 의 o1 모델에게 질문을 할 경우 ‘생각 중’이라는 문구가 뜬다"며 "AI의 추론 기능이 모델에 탑재되기 시작했다"고 파악했다.
실시간 판단과 복잡한 연산 처리가 필요한 경우 기업들은 범용형 반도체보다 ASIC 를 선택하는 경우가 많아지고 있다.
테슬라의 FSD 에는 이미 자율주행 전용 ASIC 가 내장되어 있고 구글은 Gemini 2.0 모델 학습을 위해 자체 ASIC 인 TPU 를 설계하여 이용한다.
생성형 AI 에서 추론형 AI 로 트렌드가 확장될 경우 정해진 작업과 특정 알고리즘에 높은 성능을 발휘하는 ASIC 에 대한 기업들의 수요는 높아질 여지가 있다는 판단이다.
맞춤형 반도체(ASIC)의 장점은 맞춤형 설계인 만큼 불필요한 회로를 제거해 공간 효율이 좋고, 간소화된 설계 기반 연산 처리 속도가 빠르다는 점이다.
여기에 효율적 연산 기반 전력 절감 효과가 커 로봇, IoT, 모바일 기기 등 로컬기기 자체적으로 AI를 구동하는 경우 ASIC에 대한 필요는 높아진다.
구글, 애플 (NASDAQ:AAPL), 마이크로소프트 등 빅테크 기업들은 이러한 추론 워크로드를 자사 서비스에 적용하기 위해 빠르게 움직이고 있다.
추론형 AI 의 발전은 ASIC(맞춤형 반도체)에 대한 필요성을 함께 높일 수 있다는 판단이다.
ASIC는 정해진 알고리즘 혹은 작업을 위해 맞춤 설계되는 반도체이기에, 특정 작업에서 매우 높은 성능을 발휘한다.
김 연구원은 "추론형 AI 모델의 질은 얼마나 수준 높은 ‘판단’을 내리느냐에 달려있기 때문에 추론형 AI 모델에 적용되는 칩은 범용형 반도체 보다 ASIC 일 확률이 높다"고 분석했다.
AI 성능이 기업의 경쟁력으로 이어진다고 판단하는 빅테크 기업 같은 경우 ASIC 에 대한 수요를 빠르게 높일 수 있다는 것이다.
예컨대 테슬라의 경우 FSD(Full Self-Driving)에 자체적으로 설계한 자율주행 전용 ASIC 칩을 사용한다. 순간적이고 복잡한 운전 상황 속에서 FSD 소프트웨어가 얼마나 높은 수준의 ‘판단’을 내릴 수 있느냐가 자율주행의 퀄리티를 결정하기 때문이다.
테슬라를 제외한 다른 빅테크 기업들 역시 이미 자체적으로 만든 ASIC 를 활용하고 있다.
구글(Google)의 경우 맞춤형 반도체 TPU(Tensor Processing Unit)를 통해 Gemini 2.0 모델을 학습시켰고, 아마존은 AWS(Amazone Web Services) 전용 ASIC 인 Trainium 와 Inferentia 를 통해 AI/ML 모델의 훈련ㆍ추론 작업을 지원한다.
애플은 자체 서버용 AI 칩을 개발하는 ACDC(Apple Chips in Data Center) 프로젝트를 통해 애플만의 ASIC 를 만들고 있다.