AMD와 Broadcom이 Nvidia를 압박하지만, 1,000억 달러 AI 칩 이야기는 바로잡을 필요가 있다

AMD와 Broadcom은 서로 다른 두 가지 전략으로 Nvidia에 대한 압박을 높이고 있지만, Broadcom이 1,000억 달러 규모의 AI 칩 금융 계획을 발표한 것은 아니다. 이 수치는 Broadcom의 예상 연간 AI 칩 매출을 뜻하며, 별도의 AMD 계약은 잠재 가치가 1,000억 달러에 근접하는 것으로 전해진다.

이 구분이 중요한 이유는 이들 계약이 Nvidia의 입지 중 서로 다른 부분을 겨냥하기 때문이다. AMD는 Meta와 다른 구매자들이 Nvidia 시스템의 대안으로 자사의 프로그래밍 가능한 Instinct GPU를 채택하도록 하려 한다. Broadcom은 최대 규모의 AI 기업들이 자체 모델과 데이터 센터에 맞춘 맞춤형 가속기를 구축하도록 돕는다.

어느 쪽도 Nvidia의 범용 플랫폼을 대체하지는 못했다. Nvidia는 가속기, 네트워킹, 시스템, 성숙한 소프트웨어를 고객이 다양한 워크로드에 배포할 수 있는 패키지로 여전히 결합한다. 새로워진 압박은 일부 워크로드가 두 번째 공급업체나 목적 특화 칩을 정당화한다고 구매자들이 판단하면서 발생한다.

1,000억 달러 헤드라인은 서로 다른 두 이야기를 결합한다

보도된 1,000억 달러 수치는 사실이지만, Broadcom이 AI 칩 프로그램을 위해 자금을 조달하거나 제공한다는 뜻은 아니다.

Broadcom은 2026년 3월, 2027 회계연도 중 연간 AI 칩 매출이 1,000억 달러를 넘을 것으로 예상한다고 밝혔다. 이 전망은 금융 시설이 아니라 맞춤형 가속기와 AI 네트워킹 제품에서 예상되는 매출을 반영한다.

이 회사의 전망은 매우 큰 컴퓨팅 플릿을 운영하는 클라우드 및 기술 기업, 즉 하이퍼스케일 고객의 수요가 가속화된 뒤 나왔다. 매출 전망에 따르면, Broadcom은 맞춤형 칩 수요가 AI 사업을 그 기준선 이상으로 끌어올릴 것으로 보고 있다.

Broadcom의 최신 실적은 투자자들이 이 전망을 진지하게 받아들이는 이유를 보여준다. 2026 회계연도 2분기 AI 반도체 매출은 108억 달러로, 전년 동기 대비 143% 증가했다. 경영진은 분기 실적에서 이러한 성장을 맞춤형 AI 가속기와 네트워킹 제품에 돌렸다.

별도의 1,000억 달러 이야기는 AMD와 Meta에 관한 것이다. 양사는 최대 6기가와트 규모의 AMD Instinct GPU 배치를 포괄하는 다년 계약을 발표했다. Associated Press는 이 계약에 따른 구매액이 계약 기간 동안 1,000억 달러에 이를 수 있다고 보도했다.

AMD의 규제 공시는 이 계약에 정확히 그 달러 가치를 부여하지 않는다. 대신 배치 목표, 제품 로드맵, 워런트 구조, 예상 일정을 확인한다. 첫 번째 1기가와트 물량은 2026년 하반기부터 출하를 시작할 예정이다.

Meta GPU 계약에 따르면, 첫 배치에는 AMD의 MI450 아키텍처 기반 맞춤형 Instinct GPU가 사용된다. 이는 회사의 Helios 랙 설계에서 6세대 EPYC 프로세서 및 AMD의 ROCm 소프트웨어와 함께 구동된다.

AMD는 또한 Meta에 최대 1억6,000만 주의 AMD 주식을 대상으로 하는 성과 연동형 워런트를 발행했다. 권리 확정은 출하량, 기술적 이정표, 상업적 조건, AMD 주가 기준에 따라 결정된다.

이 구조는 Meta가 AMD의 의미 있는 배치 규모 달성을 돕도록 하는 재정적 유인을 제공한다. 또한 대규모 헤드라인상의 약속이 실제 제품 인도와 분리된 상태로 남을 가능성을 낮춘다.

따라서 Broadcom의 전망과 AMD의 Meta 계약은 서로 다른 경제적 사건을 설명한다. 하나는 공급업체의 연간 AI 매출 전망이고, 다른 하나는 하드웨어 구매와 성과 연동형 지분을 포함하는 장기 고객 약정이다.

이를 결합하면 극적인 헤드라인이 만들어지지만, 경쟁의 작동 방식을 가린다. Broadcom은 Nvidia를 겨냥한 공격에 자금을 지원하는 것이 아니다. Broadcom과 AMD는 서로 다른 종류의 실리콘을 통해 대형 고객이 단일 컴퓨팅 플랫폼에 대한 의존도를 낮추도록 돕고 있다.

AMD와 Broadcom의 전략이 Nvidia에 압박을 가하는 이유

AMD는 폭넓게 프로그래밍 가능한 가속기 배치를 놓고 경쟁하는 반면, Broadcom은 일부 고객의 워크로드를 맞춤형 실리콘으로 전환한다.

그래픽 처리 장치, 즉 GPU는 다양한 종류의 AI 모델을 학습하고 서비스하는 데 적합한 프로그래밍 가능한 병렬 프로세서다. Nvidia는 이들 프로세서를 CUDA 소프트웨어 환경, 고속 네트워킹, 완전한 서버 시스템과 결합해 선도적 지위를 구축했다.

AMD는 Instinct GPU 제품군, ROCm 소프트웨어, EPYC 프로세서, Helios 랙 규모 시스템으로 이 모델에 도전하고 있다. 회사는 고객이 자사 제품을 개별 칩이 아니라 배포 가능한 두 번째 플랫폼으로 보기를 원한다.

Meta와의 계약은 까다로운 시험대가 된다. 첫 시스템에는 Meta의 워크로드에 최적화된 MI450 기반 가속기가 쓰이지만, 이는 AMD의 더 폭넓은 프로그래밍 가능 아키텍처의 일부로 남는다. Meta는 제품에 영향을 미치면서도 일반적으로 단일 목적 설계가 제공하는 것보다 더 큰 유연성을 유지할 수 있다.

Broadcom은 다른 경로를 따른다. 소수의 대형 고객과 협력해 일반적으로 ASIC으로 불리는 주문형 반도체, 즉 application-specific integrated circuits를 구현한다. ASIC은 범용 GPU보다 더 좁은 범위의 작업을 위해 설계된다.

이러한 특화 설계는 고객에게 불필요한 하드웨어 기능을 제거할 수 있다. 또한 예측 가능한 워크로드를 중심으로 메모리 이동, 수치 형식, 네트워킹, 전력 소비를 최적화할 수 있다. 한 회사가 설계 비용을 막대한 배치 규모에 분산할 만큼 충분한 서버를 운영할 때 잠재적 이점은 커진다.

Broadcom은 Ethernet 스위치, 광학 부품, 인터커넥트 기술, 기타 네트워킹 제품도 공급한다. 이 포트폴리오는 가속기 자체를 넘어 맞춤형 클러스터의 더 많은 영역에 참여할 수 있게 한다.

OpenAI가 이 전략을 보여준다. 2025년 10월 OpenAI와 Broadcom은 10기가와트 규모의 OpenAI 설계 가속기 및 관련 네트워크 시스템 계획을 발표했다. 배치는 2026년 하반기에 시작돼 2029년까지 이어질 예정이었다.

맞춤형 가속기 계획에 따라 OpenAI는 아키텍처를 소유하고, Broadcom은 개발, 구현, 연결성, 배치를 지원한다. 이 시스템은 컴퓨팅 랙 내부 및 랙 간 통신에 Broadcom Ethernet 기술을 사용한다.

이러한 역할 분담은 Broadcom과 Nvidia의 관계를 바꾼다. Broadcom은 범용 GPU 플랫폼을 만들거나 수천 명의 개발자가 새 프로그래밍 환경을 채택하도록 설득할 필요가 없다.

대신 Broadcom은 소수의 거대 고객이 칩 설계 과정 일부를 내재화하도록 돕는다. 성공적인 설계 하나하나는 상당하고 반복적인 워크로드를 상용 GPU에서 다른 방향으로 돌릴 수 있다.

AMD는 고객이 여러 애플리케이션에 자사 GPU를 프로그래밍하기 때문에 더 폭넓은 소프트웨어 채택이 필요하다. Broadcom은 워크로드가 안정적이고 맞춤형 개발을 정당화할 만큼 큰 구매자와의 깊은 관계가 필요하다.

두 전략은 하나의 데이터 센터 안에서 공존할 수 있다. 고객은 신규 모델 연구에는 Nvidia 시스템을, 일부 프로덕션 플릿에는 AMD GPU를, 성숙한 추론 워크로드에는 Broadcom 지원 ASIC을 사용할 수 있다.

이 때문에 AMD와 Broadcom의 이야기는 통상적인 공급업체 경쟁보다 더 중요하다. Nvidia가 마주한 것은 하나의 대체재가 아니다. 고객들은 점점 더 범용, 대안, 맞춤형 플랫폼 사이에 컴퓨팅 구매를 나누고 있다.

Nvidia의 우위는 더 빠른 칩만이 아니라 플랫폼에 있다

도전 기업들은 단순히 벤치마크를 맞추거나 대형 주문 하나를 확보하는 것이 아니라 Nvidia의 완전한 운영 환경과 경쟁해야 한다.

Nvidia의 지위는 서로 연결된 여러 계층에 기반한다. GPU가 연산을 수행하고, NVLink가 시스템 내부의 프로세서를 연결하며, 네트워킹 제품이 클러스터 전반의 시스템을 연결하고, CUDA는 개발자에게 소프트웨어 구축 및 운영 도구를 제공한다.

이 통합은 배포 위험을 줄인다. 조직은 하나의 워크로드로 시작해 모델 아키텍처를 변경하고도 같은 개발 및 운영 지식의 상당 부분을 재사용할 수 있다.

맞춤형 실리콘은 다른 거래 조건을 제시한다. 안정적인 목표에는 효율을 개선할 수 있지만, 모델, 수치 형식, 메모리 요구량, 서비스 패턴이 바뀌면 장점이 좁아질 수 있다.

Broadcom의 고객은 가속기를 정의하기 때문에 이러한 아키텍처 위험의 상당 부분을 부담한다. Broadcom은 실리콘과 네트워킹 계획을 실행할 수 있지만, 어떤 모델 동작이 영구적인 하드웨어 지원을 받을 가치가 있는지는 고객이 결정해야 한다.

AMD는 Instinct가 프로그래밍 가능한 GPU 플랫폼으로 남아 있어 더 큰 유연성을 제공한다. 그러나 고객은 여전히 대규모 환경에서 ROCm 라이브러리, 오케스트레이션 도구, 모델 호환성, 네트워킹 동작, 운영 안정성을 검증해야 한다.

Meta는 이런 작업 경험을 보유하고 있다. AMD는 Meta가 이미 MI300 및 MI350 가속기를 사용하고 있으며, 수백만 개의 EPYC 프로세서가 Meta 인프라 전반에서 운영되고 있다고 밝혔다. 새 계약은 검증되지 않은 구매자와의 관계를 시작하는 것이 아니라 기존 관계를 확장한다.

그렇더라도 6기가와트 프레임워크가 이미 설치된 6기가와트와 같은 것은 아니다. 초기 1기가와트 배치는 첫 번째 주요 실행 점검 지점으로 남아 있다. 이후 워런트 분할분은 추가 출하에 부분적으로 의존한다.

한편 Nvidia는 자체 시스템과 고객 약정을 계속 확대하고 있다. 회사는 2026 회계연도 데이터 센터 매출이 1,937억 달러로 전년 대비 68% 증가했다고 보고했다.

2026 회계연도 실적은 Nvidia CPU, 네트워킹 제품, 수백만 개의 Blackwell 및 Rubin GPU를 대규모로 배치하는 다년간의 Meta 파트너십도 설명했다.

따라서 Meta의 AMD 계약은 Nvidia로부터의 전면적인 이탈을 의미하지 않는다. 이는 여러 아키텍처를 수용할 만큼 큰 데이터 센터 확장 안에서의 다변화를 의미한다.

이 구분은 시장 경쟁을 측정하는 방식에 영향을 미친다. 새로운 공급업체 역할을 확보한다고 해서 Nvidia의 기존 사업에서 동일한 규모를 자동으로 가져온다는 뜻은 아니다.

일부 대안 칩은 Nvidia 시스템을 대체할 것이다. 다른 일부는 고객이 이전에는 경제적으로 제공할 수 없었던 새로운 워크로드를 지원할 것이다. 또 다른 일부는 공급, 로드맵, 시스템 구성 협상에서 구매자에게 협상력을 제공할 것이다.

Nvidia는 더 빠른 제품 주기와 워크로드 특화 제품으로 맞춤형 실리콘에 대응하고 있다. Rubin 플랫폼은 더 낮은 추론 비용을 목표로 하며, 네트워킹 포트폴리오는 컴퓨팅 아키텍처가 바뀌어도 인프라 지출을 놓고 경쟁할 수 있게 한다.

회사의 규모는 또 다른 장점을 제공한다. 더 많은 설치 시스템은 더 많은 개발자 경험, 소프트웨어 최적화, 문제 해결 지식, 서드파티 통합을 만들어낸다. 이러한 이점은 고객 신뢰를 강화한다.

AMD와 Broadcom의 경쟁은 모든 새로운 AI 워크로드가 Nvidia에서 실행돼야 한다는 가정을 약화시킨다. 그러나 Nvidia의 설치 기반이 지닌 실질적 가치를 없애지는 않는다.

진짜 경쟁은 추론 경제성을 둘러싼 것이다

Broadcom의 맞춤형 칩은 고객이 워크로드를 예측할 수 있을 때 가장 설득력을 얻으며, AMD는 구매자가 Nvidia 의존을 받아들이지 않으면서 유연성을 필요로 할 때 이점을 얻는다.

학습은 대규모 데이터세트를 처리하고 모델 매개변수를 업데이트해 모델을 만든다. 추론은 학습된 모델을 사용해 요청에 답하고, 콘텐츠를 생성하며, 정보를 순위화하거나 AI 기능을 작동시키는 과정이다.

훈련 워크로드는 연구자들이 새로운 아키텍처와 스케일링 방식을 시험함에 따라 변화합니다. 이러한 불확실성은 엔지니어가 미래의 컴퓨팅 요구 사항을 완벽하게 예측할 수 없기 때문에 프로그래밍 가능한 하드웨어와 성숙한 소프트웨어에 유리하게 작용합니다.

모델이 프로덕션에 들어가면 추론은 더 표준화될 수 있습니다. 기업은 유사한 요청을 수십억 번 처리할 수 있으며, 이 경우 전력 사용량과 장비 활용률의 작은 개선도 경제적으로 중요해집니다.

Broadcom의 맞춤형 가속기 전략은 이러한 반복을 겨냥합니다. 하이퍼스케일러는 불필요한 범용 기능을 제거하고, 자사 모델·메모리 패턴·네트워크 설계에 맞춰 하드웨어를 조정할 수 있습니다.

OpenAI와 Broadcom의 협업은 모델 개발사와 실리콘 공급업체가 얼마나 긴밀하게 협력할 수 있는지를 보여줍니다. OpenAI는 자사 모델에 대한 지식을 바탕으로 가속기와 시스템 아키텍처를 설계합니다. Broadcom은 그 계획을 배포 가능한 실리콘, 랙, 연결성으로 구현합니다.

이 접근법이 총비용 절감을 보장하는 것은 아닙니다. 첨단 칩 설계에는 엔지니어링, 제조 역량, 패키징, 메모리, 소프트웨어, 검증 및 지속적인 지원이 필요합니다.

설계가 목표 워크로드가 바뀐 뒤에 도착할 수도 있습니다. 긴 개발 주기는 광범위한 배포 이전에 최적화 결정이 시대에 뒤떨어질 위험을 만듭니다.

Broadcom의 고객은 이 위험을 감당할 능력이 특히 뛰어납니다. OpenAI와 대형 클라우드 사업자 같은 기업들은 주요 워크로드를 통제하며 기가와트 규모의 인프라를 확약할 수 있습니다.

AMD는 그 중간 지대에 있습니다. AMD의 GPU는 여전히 프로그래밍 가능하지만, 대형 고객은 특정 제품 버전과 랙 구성에 영향을 미칠 수 있습니다.

Meta의 첫 MI450 기반 배포는 자사 워크로드에 맞춰 맞춤화될 예정입니다. AMD와 Meta는 여러 제품 세대에 걸쳐 GPU, CPU, 시스템 및 소프트웨어 로드맵도 조율하고 있습니다.

이는 단순한 표준 장비 구매 이상의 의미를 갖습니다. Meta는 맞춤형 ASIC에 대한 전적인 책임을 지지 않으면서도 대안 플랫폼의 형태를 만들 수 있습니다.

AMD의 과제는 이러한 협업을 반복 가능한 플랫폼으로 전환하는 것입니다. 한 하이퍼스케일러를 위해 개발된 소프트웨어가 다른 구매자에게도 더 나은 도구와 신뢰성으로 이어져야 합니다.

ROCm은 개선됐지만, 도입은 하드웨어 발표만으로 측정할 수 없습니다. 고객은 안정적인 라이브러리, 모델 지원, 모니터링, 장애 복구, 그리고 대규모 설치를 운영할 엔지니어를 필요로 합니다.

Broadcom은 반대되는 확장 문제에 직면합니다. 소수의 계약을 통해 사업은 빠르게 성장할 수 있지만, 각 고객은 상당한 수준의 맞춤화를 기대합니다. 회사는 여러 프로그램 전반에서 설계 일정, 첨단 패키징, 제조 물량 배정 및 네트워킹 요구 사항을 관리해야 합니다.

두 회사 모두 증가하는 추론 수요의 혜택을 봅니다. AI 기능이 더 많은 사용자에게 도달하면서 구매자들은 최고 벤치마크 결과보다 전력과 인프라 단위당 제공되는 유용한 작업량을 더 중시합니다.

이러한 변화가 훈련의 중요성을 없애는 것은 아닙니다. 프런티어 모델 개발사들은 실험을 위해 여전히 유연하고 고성능인 클러스터를 필요로 합니다. Nvidia는 고객이 연구와 프로덕션을 아우르는 범용 플랫폼을 원할 때 특히 강세를 보입니다.

압박은 성숙한 워크로드가 분리될 만큼 커질 때 나타납니다. 기업은 불확실한 연구 작업은 Nvidia에 남겨두면서, 예측 가능한 추론 서비스는 AMD나 맞춤형 가속기로 옮길 수 있습니다.

이러한 점진적 분리는 갑작스러운 대체 사건보다 더 신뢰할 만한 위협입니다. 이는 한 번에 하나의 워크로드씩 기본 구매 가정을 바꿉니다.

대규모 약정이 여전히 증명하지 못하는 것

매출 전망, 기가와트 계약, 주식 워런트는 전략적 의도를 보여주지만, 시장 지배력의 변화를 결정하는 것은 실제 배포입니다.

Broadcom의 전망은 고객들이 대규모 맞춤형 프로그램을 일정에 맞춰 완료한다는 가정에 기반합니다. 회사는 설계 계약을 제조된 가속기, 네트워크 시스템 및 인식 매출로 전환해야 합니다.

이 과정은 외부 공급업체에 의존합니다. 첨단 AI 칩에는 선도적인 제조 공정, 고대역폭 메모리, 복잡한 패키징, 기판, 광학 부품 및 데이터센터 전력이 필요합니다.

어느 한 계층의 지연도 배포 일정을 늦출 수 있습니다. 최대 규모의 맞춤형 프로그램은 제한된 고객 그룹에서 나오기 때문에 매출 집중도도 중요합니다.

Broadcom의 회계연도 2분기 실적은 현재 수요의 증거를 제공합니다. 그러나 회계연도 2027년 AI 매출 1,000억 달러 이상을 전망하려면 현재 분기 수준에서 가파른 확대가 여전히 필요합니다.

이 전망은 경영진 가이던스일 뿐, 이미 완료된 매출이 아닙니다. 투자자들은 최종 목표가 확보됐다고 간주하기보다 인식 매출과 출하 시기를 지켜봐야 합니다.

AMD와 Meta의 계약에도 비슷한 불확실성이 있습니다. 6기가와트 상한은 파트너십의 잠재적 규모를 설명하며, 첫 1기가와트는 단기적인 운영 시험을 제공합니다.

성과 기반 워런트는 이러한 구분을 더욱 분명히 합니다. Meta는 배포, 기술, 상업 및 주가 조건이 충족될 때에만 추가적인 경제적 혜택을 얻습니다.

이 메커니즘은 인센티브를 정렬하지만 실행 위험을 제거하지는 않습니다. AMD는 Meta의 요구 사항을 충족하는 MI450 기반 시스템, EPYC 프로세서, 네트워킹 및 ROCm 소프트웨어를 제공해야 합니다.

계약에서 보도된 잠재 가치 역시 보장된 매출로 간주해서는 안 됩니다. 최종 구매는 여러 해와 하드웨어 세대에 걸친 배포 진전에 달려 있습니다.

Nvidia에는 자사 지위를 적극적으로 방어할 이유가 있습니다. 새로운 아키텍처를 통해 추론 비용을 낮추고, 통합 네트워킹을 제공하며, 소프트웨어 최적화를 심화하고, 생산 규모를 활용해 납품을 가속할 수 있습니다.

고객은 전환 비용에도 직면합니다. CUDA에 익숙한 엔지니어가 다른 스택에서도 즉시 같은 생산성을 내는 것은 아닙니다. 내부 도구, 배포 파이프라인 및 모델 최적화는 조직을 기존 플랫폼에 묶어둘 수 있습니다.

맞춤형 칩은 또 다른 형태의 종속을 만듭니다. 하나의 설계 파트너에게 대규모로 투자한 하이퍼스케일러는 같은 아키텍처를 다른 곳으로 옮기기 어려울 수 있습니다.

고객이 Nvidia 의존도를 낮추는 동시에 Broadcom이 그 고객에게 필수적인 존재가 될 수 있습니다. 따라서 한 계층에서의 공급업체 다변화는 다른 계층에서 집중을 만들 수 있습니다.

경쟁 구도는 세 회사보다도 더 넓습니다. Amazon은 Trainium 가속기를 개발하고, Google은 Tensor Processing Units를 운영하며, Microsoft는 Maia 프로그램을 보유하고 있습니다. Marvell은 맞춤형 실리콘에 참여하고 있으며, 여러 특화 가속기 기업도 특정 워크로드를 겨냥합니다.

이러한 대안은 단순한 Nvidia 대 모두라는 서사의 정확성을 제한합니다. 구매자들은 혼합형 플릿을 구축하고 있으며, 각 아키텍처는 특정 작업 범주를 두고 경쟁합니다.

AMD와 Broadcom의 도전은 고객이 규모, 엔지니어링 역량 및 예측 가능한 수요를 갖춘 곳에서 가장 강력합니다. 소규모 조직은 맞춤형 개발이나 복잡한 플랫폼 검증을 정당화할 수 없기 때문에 Nvidia 시스템에 대한 클라우드 접근을 계속 선호할 수 있습니다.

이는 하이퍼스케일러의 구매 행태를 전체 시장으로 일반화해서는 안 된다는 뜻입니다. Meta나 OpenAI에 효과적인 설계가 기업 고객에게 널리 제공되는 대안이 되지는 않을 수 있습니다.

압박이 실제인지 보여줄 세 가지 신호

다음 단계는 헤드라인을 장식하는 약정 가치가 아니라 인도된 시스템, 인식 매출 및 워크로드 이전에 달려 있습니다.

첫 번째 신호는 Meta의 초기 AMD 배포입니다. AMD는 첫 1기가와트를 지원하는 출하가 2026년 하반기에 시작될 것으로 예상합니다.

독자들은 Meta가 프로덕션 사용을 확인하는지, 어떤 워크로드가 MI450 기반 시스템으로 이동하는지, 그리고 배포가 첫 워런트 마일스톤을 넘어 진전되는지를 지켜봐야 합니다. 일정에 맞는 확장은 AMD가 하이퍼스케일에서 운영할 수 있다는 주장을 강화할 것입니다.

지연, 제한적인 워크로드 범위 또는 느린 확장은 경쟁 구도에 대한 결론을 약화할 것입니다. 이는 대형 고객들이 여전히 AMD를 주로 협상 수단이나 보조적 실험으로 본다는 신호일 수 있습니다.

두 번째 신호는 Broadcom의 분기별 AI 반도체 매출입니다. 회사는 현재 수십억 달러 규모의 분기 매출과 회계연도 2027년 전망 사이의 격차를 메워야 합니다.

매출 성장만으로 모든 질문에 답할 수는 없습니다. 투자자들은 한 고객이 증가분 대부분을 견인하는 것이 아니라 여러 맞춤형 가속기 프로그램이 생산에 진입하고 있다는 증거도 필요합니다.

다변화된 생산 확대는 Broadcom의 모델을 입증할 것입니다. 전망 미달이나 배포 지연은 이 전략이 고객 일정과 제조 제약에 얼마나 노출돼 있는지를 보여줄 것입니다.

세 번째 신호는 Nvidia의 추론 경제성 대응입니다. Nvidia는 컴퓨팅과 네트워킹을 계속 묶어 제공하면서 Rubin을 포함한 신형 시스템을 통해 토큰 비용을 낮추겠다고 약속했습니다.

Nvidia가 서빙 비용을 충분히 빠르게 낮춘다면 고객은 맞춤형 하드웨어에서 얻는 경제적 이점이 줄어들 수 있습니다. Broadcom이 지원하는 ASIC은 여전히 전략적 독립성을 제공하겠지만, 재무적 근거는 약해질 수 있습니다.

AMD 시스템과 맞춤형 가속기가 안정적인 워크로드에서 뚜렷한 효율성 우위를 유지한다면, 고객은 향후 배포를 분리할 더 강한 이유를 갖게 됩니다. Nvidia는 계속 성장하면서도 모든 주요 클러스터의 자동 선택지라는 지위를 잃을 수 있습니다.

개발자와 기업 구매자에게 즉각적인 의미는 한 공급업체가 승리했다는 것이 아닙니다. 배포 결정에는 더 정밀한 워크로드 분석이 필요하다는 점입니다.

팀은 실험적 훈련, 변화하는 추론 서비스 및 성숙한 고물량 워크로드를 분리해야 합니다. 각 범주는 프로그래밍 가능성, 소프트웨어 성숙도, 맞춤화, 전력 사용량 및 공급업체 다양성에 서로 다른 가치를 부여합니다.

또한 인프라 선택의 근거를 보존해야 합니다. 검색 가능한 엔지니어링 지식 베이스는 평가 주기 전반에 걸쳐 벤치마크 결과, 호환성 조사 결과, 사고 보고서 및 공급업체 약정을 연결할 수 있습니다.

1,000억 달러라는 헤드라인은 AI 인프라 지출의 규모를 포착하지만, 서로 다른 두 가지 발전을 하나의 주장으로 압축합니다. Broadcom은 연간 AI 칩 매출 1,000억 달러 이상을 전망했고, AMD는 보도에 따르면 최대 그 정도 가치에 이르는 Meta 프레임워크를 확보했습니다.

더 중요한 질문은 이러한 약정이 의미 있는 프로덕션 워크로드를 처리하는 작동 가능한 시스템으로 이어지는지입니다. Meta의 첫 AMD 1기가와트, Broadcom의 매출 전환, Nvidia의 추론 비용 대응을 지켜보십시오. 이러한 신호는 AMD와 Broadcom의 압박이 시장을 바꾸고 있는지, 아니면 단지 시장과 함께 확대되고 있는지를 드러낼 것입니다.