Broadcom의 독점이 깨졌다: Google이 MediaTek에 손 내민 이유
Angina Pectoris
@yeoulabba
·
6시간
서(序): 학습의 정점을 지나, 추론의 바다로
누군가 내게 인공지능 혁명의 본질이 무엇이냐고 묻는다면, 나는 이렇게 대답할 것이다. 그것은 인간이 기계에게 '생각하는 법'을 가르치고, 그 기계가 그 생각을 수십억 인류에게 되돌려주는 장대한 순환이라고.
2025년 겨울, 전 세계 반도체 산업은 이 순환의 두 번째 막을 열고 있다.
첫 번째 막이 AI 모델을 똑똑하게 만드는 '학습(Training)'의 시대였다면, 두 번째 막은 그렇게 학습된 지능을 실시간으로 전 세계에 서비스하는 '추론(Inference)'의 시대다. 마치 한 명의 석학이 수십 년간 공부한 지식을, 이제는 지구촌 모든 이에게 동시에 가르쳐야 하는 국면에 접어든 것과 같다.
이 거대한 전환의 중심에서 우리는 흥미로운 소식을 접한다.
대만의 MediaTek이 Google의 차세대 AI 칩인 TPU v7e와 v8e 프로젝트의 핵심 파트너로 부상했다는 것. 그리고 이를 위해 TSMC에 요청한 첨단 패키징 물량이 2027년까지 무려 7배 이상 폭증한다는 것. 이것은 단순한 기업 간 거래를 넘어, 글로벌 AI 인프라의 권력 지도가 재편되고 있음을 알리는 신호탄이다.
나는 이 글에서 그 복잡한 변화의 실타래를 풀어보려 한다. 기술의 심연에서 건져 올린 숫자들이 무엇을 의미하는지, 그리고 그것이 우리의 내일에 어떤 그림자를 드리우는지를.
1. 왜 Google은 자기만의 칩을 고집하는가
세상에는 두 종류의 칩이 있다.
무엇이든 할 수 있는 만능의 칩과, 오로지 한 가지만을 위해 태어난 칩이다.
최고급 호텔의 총괄 셰프를 떠올려보자.
이 사람은 한식, 중식, 양식 어떤 요리든 해낼 수 있다. 하지만 주문이 한꺼번에 천 개씩 밀려들면 혼자서는 도저히 감당할 수 없다. 이것이 바로 CPU(중앙처리장치)의 운명이다. 복잡한 계산과 시스템 관리에는 탁월하지만, AI 시대가 요구하는 대량 병렬 처리 앞에서는 한계를 드러낸다.
그래서 GPU(그래픽처리장치)가 등장했다.
이것은 피자 반죽 천 개를 동시에 공중으로 던질 수 있는 요리사 군단에 비유할 수 있다. 원래는 화면에 그림을 그리려고 모인 이들이었는데, 알고 보니 단순 반복 작업인 AI 연산도 기가 막히게 잘 해내서 전 세계적으로 대박이 났다. 엔비디아의 GPU가 바로 이 자리를 차지하고 있다.
그런데 Google은 여기서 한 발 더 나아갔다.
오로지 'Google 햄버거'만을 만들기 위해 특수 제작된 초고속 자동 햄버거 공장 기계, 그것이 바로 TPU(Tensor Processing Unit)다. 스파게티나 스테이크는 전혀 못 만들지만, 햄버거 하나만큼은 세계에서 가장 빠르고, 가장 적은 전기로 찍어낼 수 있다.
2015년 첫 도입 이후, TPU는 Google 검색, 번역, 포토, 그리고 최근의 Gemini 모델에 이르기까지 모든 AI 서비스의 심장 역할을 해왔다. Google이 매일 수십억 개의 AI 요청을 처리해야 하는 상황에서, 비싼 범용 GPU를 사서 쓰는 것보다 자기만의 전용 칩을 만드는 편이 훨씬 경제적이라는 계산이 깔려 있다.
2. 7세대 TPU 'Ironwood': 숫자가 말해주는 것들
최근 공개된 정보에 따르면, Google의 7세대 TPU인 코드명 'Ironwood'(v7e)는 전 세대 대비 비약적인 성능 향상을 이뤘다.
칩당 피크 연산 성능은 FP8 정밀도 기준 4,614 테라플롭스(TFLOPS)에 달한다. 이것은 1초에 4,614조 번의 연산을 수행할 수 있다는 의미다.
이전 세대인 TPU v5p가 459 TFLOPS였으니, 무려 열 배 이상의 도약이다. 단순히 속도가 빨라졌다는 말로는 부족하다. 이 정도 성능이라면 Gemini와 같은 초거대 언어모델이 실시간으로, 지연 없이 사용자의 질문에 응답할 수 있다.
메모리도 대폭 강화되었다.
칩당 192GB의 HBM3e(고대역폭 메모리)를 탑재했고, 메모리 대역폭은 초당 7.4테라바이트에 달한다. AI 성능의 핵심 병목이 바로 이 메모리인데, 아무리 연산 장치가 빨라도 데이터를 제때 공급하지 못하면 무용지물이기 때문이다. Google은 이 도로를 획기적으로 넓혀놓았다.
더 흥미로운 것은 칩들을 연결하는 방식이다.
Google은 독자적인 ICI(Inter-Chip Interconnect) 기술을 통해 최대 9,216개의 칩을 하나의 거대한 '슈퍼팟(Superpod)'으로 구성한다. 마치 수천 개의 뇌세포가 하나의 거대한 뇌처럼 작동하게 만드는 것이다. 여기에 OCS(Optical Circuit Switch)라는 광학 스위칭 기술까지 적용했다. 전기 대신 빛으로 데이터를 주고받아 전력 소모를 줄이고 지연을 최소화하며, 특정 칩이 고장 나더라도 빛의 경로만 바꿔 즉시 우회할 수 있는 유연성을 확보했다.
3. MediaTek이라는 예상 밖의 파트너
🔔여기서 흥미로운 이름이 등장한다. 대만의 MediaTek.
이 회사는 오랫동안 스마트폰 칩 시장에서 'Dimensity' 시리즈를 통해 Qualcomm과 경쟁해온 곳이다. '가성비 좋은 모바일 칩 제조사'라는 이미지가 강했던 MediaTek이 어떻게 세계 최고의 기술 기업인 Google의 데이터센터 핵심 파트너가 되었을까.
가장 큰 이유는 공급망 다변화와 비용 절감에 대한 Google의 강력한 의지다. 기존 파트너인 Broadcom은 압도적인 기술력을 가지고 있지만, 높은 마진을 요구하는 것으로 유명하다. Google 입장에서는 Broadcom에 대한 의존도를 낮추고, 특히 대량 생산이 필요한 추론용 칩 분야에서 가격 경쟁력이 뛰어난 대안이 필요했다.
MediaTek은 모바일 칩 시장에서 연간 수억 개의 칩을 찍어내며 쌓은 '규모의 경제' 노하우와 TSMC와의 강력한 협상력을 무기로 Google에게 매력적인 제안을 할 수 있었다.
🔰이번 협력에서 주목해야 할 점은 역할 분담이다.
Google은 칩 설계의 주도권을 잃지 않으면서도, 제조와 관련된 복잡한 리스크는 MediaTek에게 이양하는 영리한 구조를 택했다. 프론트엔드(Frontend) 설계는 Google이 직접 맡는다. "이 칩은 어떤 논리로 작동해야 하는가"를 결정하는 단계다. 칩의 아키텍처, 명령어 세트, 논리 회로 등 핵심적인 지능은 Google의 손에서 탄생한다. 마치 건축가가 건물의 설계 도면을 그리는 것과 같다.
백엔드(Backend) 설계와 제조 총괄은 MediaTek의 몫이다. "이 논리 회로를 실제 실리콘 웨이퍼 위에 어떻게 배치하고 전기를 연결할 것인가"를 해결한다. 전력 소모를 줄이는 물리적 배치, 열 관리, 그리고 무엇보다 TSMC 공장에서 불량 없이 칩을 생산해내는 관리 능력이 포함된다. 건축가의 도면을 받아 실제 자재를 선정하고, 시공 인력을 관리하여 건물을 올리는 시공사의 역할이다.
4. CoWoS: 반도체 전쟁의 새로운 병목
이번 분석에서 가장 충격적인 데이터가 있다.
‼️‼️MediaTek이 TSMC에 요청한 CoWoS(Chip-on-Wafer-on-Substrate) 물량이 2027년까지 7배 이상 폭증한다는 사실이다.
CoWoS가 무엇인지 설명하려면 먼저 현대 AI 칩의 딜레마를 이해해야 한다.
과거에는 칩 하나를 패키지 하나에 넣으면 그만이었다. 하지만 AI 연산 속도가 너무 빨라지면서 연산 장치(TPU)와 메모리(HBM) 사이의 거리가 성능의 발목을 잡게 되었다. 아무리 계산이 빨라도 데이터가 멀리서 오면 결국 기다려야 하기 때문이다.
CoWoS는 이 문제를 해결하기 위한 TSMC의 독보적인 2.5D 패키징 기술이다. 거대한 실리콘 판인 인터포저(Interposer) 위에 연산 칩과 메모리 칩을 아주 가깝게 붙여서 배치한다.
비유하자면 이렇다.
기존 패키징은 밥(연산 칩)과 반찬(메모리)이 각각 다른 그릇에 담겨 식탁 위에서도 멀리 떨어져 있는 상황이다. 밥 한 숟가락 먹고 반찬을 집으러 갈 때마다 시간이 걸린다. CoWoS 패키징은 아주 큰 뷔페 접시 하나에 밥과 반찬을 찰싹 붙여서 담아주는 것과 같다. 숟가락만 살짝 움직이면 밥과 반찬을 동시에 먹을 수 있다. 데이터 이동 속도가 엄청나게 빨라진다. 하지만 이 '큰 접시'를 만드는 기술이 너무 어렵고 비싸서, 전 세계에서 TSMC만 제대로 만들 수 있다.
공급망 정보에 따르면, MediaTek이 Google TPU 프로젝트를 위해 확보를 요청한 연간 CoWoS 웨이퍼 물량은 2026년 약 2만 장에서 2027년 약 15만 장으로 뛴다. 7.5배의 폭증이다.
이 숫자의 맥락을 이해하려면 TSMC의 전체 생산 능력을 봐야 한다.
2026년 말 기준 TSMC의 월간 CoWoS 생산 능력은 약 12만~13만 장으로 예상된다. MediaTek이 요청한 2027년 연간 15만 장은 월평균 약 1만 2,500장 수준이다. 이것은 TSMC 전체 CoWoS 생산 능력의 약 10%에 해당한다.
🔱현재 엔비디아가 전체 물량의 50~60%를 독점하고 있는 상황에서, 단일 고객사(Google-MediaTek)가 10%를 차지한다는 것은 MediaTek이 단숨에 엔비디아, AMD에 이은 '제3의 거대 고객'으로 부상함을 의미한다.
5. 학습과 추론, 두 갈래 길
왜 2027년에 이런 폭발이 일어나는가.
이를 이해하려면 AI의 두 축인 '학습'과 '추론'의 차이를 알아야 한다.
학습(Training)은 AI 모델을 처음 만들어내는 과정이다. 백과사전적인 두뇌를 처음부터 만드는 것과 같다. 인터넷 전체를 읽고, 패턴을 학습하고, 신경망의 가중치를 조정한다. 이 과정에는 엄청난 연산 능력이 필요하고, 몇 주에서 몇 달이 걸리며, 한 번에 수천만 달러의 비용이 든다. 최고의 정밀도와 성능이 필수적이다.
추론(Inference)은 이미 학습된 모델을 사용자들에게 서비스하는 과정이다. 그 학습된 두뇌가 하루에 수십억 개의 질문에 답하는 것이다. 학습은 한 번이지만 추론은 영원히 계속된다. 여기서는 최고 성능보다 효율이 중요하다. 전력당 성능(Performance per Watt)과 대량 생산에 따른 비용 절감이 핵심이다.
🔰Google은 이 두 갈래 길을 위해 칩 자체를 분리했다.
TPU v8ax 'Sunfish'는 학습용으로, 기존 파트너인 Broadcom이 담당한다.
TPU v8e 'Zebrafish'는 추론용으로, 바로 MediaTek이 맡은 프로젝트다.
2026년은 TPU v7e 'Ironwood'의 양산이 시작되고 수율을 안정화하는 단계다.
2027년은 TPU v8e 'Zebrafish'가 본격적으로 대량 생산되며, 전 세계 Google 데이터센터의 기존 칩을 교체하거나 신규 증설하는 수요가 폭발하는 해다.
Gemini가 전 세계 안드로이드 스마트폰과 클라우드 서비스에 기본 탑재되면서, 이를 처리할 저전력 고효율 추론 칩의 수요가 기하급수적으로 늘어난다.
6. 삼성전자의 역습: 메모리 전쟁의 반전
AI 칩 성능의 절반은 메모리가 결정한다.
아무리 TPU가 빨라도 데이터를 제때 공급하지 못하면 무용지물이다. 여기서 흥미로운 반전이 있다.
그동안 HBM(고대역폭 메모리) 시장을 주도했던 SK하이닉스가 아닌, 삼성전자가 Google TPU 공급망에서 판세를 뒤집고 있다.
삼성전자는 TPU v7e에 탑재되는 HBM3e 8단 제품 공급에서 이미 우위를 점하고 있으며, 전체 물량의 60% 이상을 공급할 것으로 추정된다. 이것은 삼성전자가 경쟁사 대비 가격 경쟁력을 앞세워 공격적인 수주 전략을 펼친 결과다.
‼️더 중요한 것은 다음 세대인 HBM4다.
2026~2027년 생산될 TPU v8e에는 차세대 메모리 규격인 HBM4가 탑재될 예정인데, 이 기술은 기존 메모리와는 차원이 다르다.
HBM3e는 메모리 칩을 쌓아 올릴 때 가장 바닥에 있는 '베이스 다이'를 일반적인 공정으로 만든다. 단순히 데이터를 위아래로 전달하는 역할만 한다.
하지만 HBM4는 베이스 다이를 7나노미터나 5나노미터 같은 초미세 로직 공정으로 만든다. 즉, 메모리의 바닥 층 자체가 하나의 똑똑한 칩이 되는 것이다. 메모리 내부에서 간단한 연산을 미리 처리하거나, TPU 본체와 더 완벽하게 맞춤형으로 연결될 수 있다.
바로 여기서 삼성전자의 구조적 우위가 드러난다.
삼성전자는 메모리 반도체와 시스템 반도체(파운드리) 사업부를 모두 가진 세계 유일의 종합 반도체 기업(IDM)이다. HBM4 시대에는 메모리 제조와 로직 설계를 동시에 할 수 있는 능력이 필수적인데, 삼성은 이 지점에서 SK하이닉스나 마이크론보다 구조적으로 유리한 위치에 있다. Google과 MediaTek, Broadcom은 이러한 삼성의 '원스톱 서비스' 능력을 높이 평가하고 있는 것으로 보인다.
7. 40억 달러의 잭팟: MediaTek의 체급 변화
이제 돈 이야기를 해보자.
이번 Google 수주는 MediaTek에게 회사의 체급을 바꾸는 결정적인 사건이다.
투자은행 UBS와 모건스탠리의 분석에 따르면, MediaTek의 ASIC(주문형 반도체) 매출은 2026년 약 10억 달러, 2027년에는 40억 달러에 달할 것으로 예측된다. 한화로 환산하면 약 5.2조 원이다.
40억 달러는 MediaTek 전체 영업이익의 약 20%를 차지할 수 있는 막대한 규모다. 스마트폰 시장의 성장이 정체된 상황에서, 이러한 새로운 수익원의 발굴은 MediaTek의 주가와 기업 가치를 재평가하게 만드는 핵심 동력이다.
이번 동맹은 대만 반도체 생태계의 결속을 더욱 강화한다.
설계(MediaTek), 제조(TSMC), 패키징(ASE/SPIL)으로 이어지는 대만 내 완결형 공급망은 Google에게 안정성과 효율성을 제공한다.
한편, 메모리 분야에서는 한국의 삼성전자가 핵심 파트너로 참여하며, '한-대만 연합'이 미국의 빅테크 AI 인프라를 떠받치는 형국이 완성된다.
8. 엔비디아에게 드리운 그림자
이 모든 움직임은 엔비디아에게 무엇을 의미하는가.
현재 엔비디아는 AI 칩 시장에서 압도적인 지배력을 행사하고 있다. 데이터센터 GPU 시장에서 80% 이상의 점유율을 가지고 있고, 그 GPU 없이는 대규모 AI 모델을 학습시키기 어려운 상황이다.
❓❓하지만 Google, Meta, Amazon, Microsoft 같은 거대 고객들이 엔비디아 GPU를 사는 대신 MediaTek 같은 파트너를 통해 자체 칩을 만들어 쓰기 시작하면 어떻게 될까.
당장 학습 시장에서 엔비디아의 지위가 흔들리지는 않을 것이다.
학습은 여전히 최고 성능이 필요하고, 엔비디아는 그 분야의 독보적인 선두 주자다. 하지만 추론 시장은 다르다. 추론은 대량 생산과 비용 효율이 핵심인데, 빅테크들이 자체 칩으로 이 시장을 잠식해 들어가면 엔비디아의 시장 점유율, 특히 추론 분야에서의 지배력은 서서히 약화될 수밖에 없다.
🔔AI가 전기처럼 유틸리티가 되어가는 시대, 학습은 한 번이지만 추론은 영원히 계속된다. 그리고 그 추론 시장의 규모는 앞으로 학습 시장을 넘어설 것이다. Google이 MediaTek과 손잡고 이 시장에 총력을 기울이는 이유가 바로 여기에 있다.
결(結): 2027년, 새로운 질서의 시작
MediaTek의 Google TPU 수주와 TSMC CoWoS 물량 7배 확대 요청. 이것은 단순한 부품 공급 계약이 아니다. 이것은 "AI 추론의 시대, 누가 인프라의 주도권을 쥘 것인가?"라는 거대한 질문에 대한 Google의 대답이다.
Google은 엔비디아에 종속되지 않는 독립적인 AI 생태계를 구축하기 위해 '설계는 Google(두뇌), 시공은 MediaTek(손발), 제조는 TSMC(공장), 재료는 삼성전자(창고)'라는 최강의 드림팀을 구성했다. 마치 세계 최고의 건축가, 시공사, 벽돌 공장, 재료상이 한 팀이 되어 전례 없는 초고층 빌딩을 짓겠다고 선언한 것과 같다.
2027년은 이 드림팀이 만든 수백만 개의 TPU v8e 칩이 전 세계 데이터센터를 뒤덮으며, 우리가 AI를 사용하는 방식과 비용 구조를 근본적으로 바꾸는 원년이 될 것이다.
어쩌면 2027년의 어느 날, 우리는 스마트폰으로 AI에게 질문을 던지며 이렇게 생각할지도 모른다. "이 답변이 이렇게 빠르고 똑똑해진 것은, 대만의 어느 공장에서 찍어낸 작은 칩 덕분이로구나." 그리고 그 칩의 이면에는 실리콘의 지정학이라는, 눈에 보이지 않는 거대한 권력 이동이 숨어 있다는 것을.
"Google이 세상에서 제일 맛있는 'AI 햄버거'를 직접 만들기로 결심했고, 그 햄버거를 가장 잘 굽는 요리사(MediaTek)와 최고의 주방(TSMC), 그리고 신선한 재료상(삼성전자)을 모두 자기 편으로 끌어들여 2027년에 거대한 파티를 열 준비를 마쳤다."
나만의 아티클을 게시하고 싶으신가요?
Premium+ 등급으로 업그레이드
5 답글 보기
Angina Pectoris
@yeoulabba
M.D. Cardiologist / 심장내과🫀전문의 / 사랑하는 외동딸.
