Broadcom은 AMD·Google AI 칩 경쟁에서 승리하고 있다

Broadcom은 AMD와 Google의 AI 칩 경쟁을 전혀 다른 구도로 바꿨다. 이 시장에서는 자체 브랜드 가속기를 판매하는 것보다 맞춤형 실리콘을 공급하는 일이 더 중요할 수 있다.

Nvidia는 여전히 범용 AI 가속기 시장을 지배하고 있으며, AMD는 선도적인 대안으로 Instinct 포트폴리오를 확대하고 있다. Google은 자체 워크로드를 중심으로 설계한 Tensor Processing Units, 즉 TPU라는 또 다른 길을 택하고 있다. 대형 클라우드 사업자가 표준 GPU 공급업체 어느 쪽도 모든 인프라 요구를 완전히 충족하지 못한다고 판단할 때 Broadcom은 수혜를 본다.

그렇다고 Broadcom이 논쟁의 여지 없는 승자라는 뜻은 아니다. Nvidia는 계속해서 훨씬 더 큰 데이터센터 매출을 올리고 있고, AMD는 고객에게 신뢰할 만한 두 번째 GPU 플랫폼을 제공한다. 달라진 점은 Broadcom이 시장 전체에서 두 회사를 몰아내지 않고도 성장할 수 있다는 것이다.

Broadcom의 기회는 맞춤형 가속기, Ethernet 네트워킹, 칩 연결성, 시스템 설계에 있다. AI 연구소들이 잘 이해하는 워크로드에 맞춰 클러스터를 구축할수록 이러한 구성 요소의 가치는 커진다. 따라서 Broadcom은 개발자 관심을 얻기보다 인프라 로드맵에 포함되는 것을 두고 경쟁한다.

Broadcom의 AI 매출은 더 이상 부수 사업이 아니다

Broadcom의 최신 실적은 맞춤형 AI 칩과 네트워킹이 실험적 제품군이 아니라 핵심 성장 동력이 되었음을 보여준다.

Broadcom은 2026 회계연도 2분기 매출 222억 달러를 기록했으며, 이는 전년 대비 48% 증가한 수치다. AI 관련 반도체 매출은 108억 달러로 143% 늘었다.

Hock Tan 최고경영자는 이러한 성장을 맞춤형 AI 가속기와 AI 네트워킹 덕분이라고 설명했다. 회사는 3분기 AI 반도체 매출이 160억 달러에 이를 것으로 예상했으며, 이는 비교 기간 대비 200%를 넘는 성장에 해당한다.

이 수치는 Broadcom의 분기 실적에서 직접 가져온 것이다. 또한 투자자들이 Broadcom을 AI 하드웨어 기업으로 점점 더 자주 평가하는 이유도 분명히 보여준다.

가속기는 AI 모델을 훈련하거나 실행하는 데 사용되는 고강도 수학 연산을 수행한다. Nvidia와 AMD는 일반적으로 다양한 고객, 모델, 소프트웨어 환경을 지원하는 가속기를 판매한다.

Broadcom은 다른 방식을 따른다. 선택된 고객이 워크로드별 프로세서를 만들 수 있도록 지원하며, 이러한 프로세서는 흔히 XPU 또는 특정 용도용 집적회로라고 불린다. 이 칩은 더 좁은 연산 집합에 집중하기 위해 일부 범용성을 희생한다.

고객이 워크로드 전략을 주도하고, Broadcom은 엔지니어링, 인터페이스, 연결성, 생산 전문성을 제공한다. 이러한 구조는 내부 칩 설계에서 실제 배포 가능한 시스템으로 가는 시간을 단축할 수 있다.

네트워킹은 이 기회의 또 다른 절반을 차지한다. 대규모 모델은 하나의 프로세서에서 실행되지 않으므로 수천 개의 가속기가 낮은 지연 시간으로 데이터를 교환해야 한다.

Broadcom은 이 트래픽을 위한 Ethernet 스위칭 및 연결 기술을 판매한다. 따라서 연산 계층과 그 연산들을 연결하는 네트워크 양쪽에 참여할 수 있다.

이러한 조합은 Broadcom이 보고한 AI 매출이 단순한 맞춤형 칩 사업만으로 예상할 수 있는 수준보다 빠르게 성장하는 이유를 설명한다. 더 큰 가속기 배포는 스위치, 광 링크, 지원 구성 요소에 대한 수요도 함께 만든다.

이 모델은 Nvidia의 긴밀하게 통합된 플랫폼과 다르다. Nvidia는 GPU, NVLink 인터커넥트, 네트워킹 제품, 시스템, 라이브러리, 개발자 도구를 하나의 브랜드 아래 결합한다.

반면 Broadcom은 고객이 직접 통제하고자 하는 인프라를 지원한다. 그 제품은 Google, Meta, Anthropic 또는 다른 운영사의 정체성을 지닌 시스템 안의 구성 요소가 된다.

이러한 위치는 대중적 인지도가 더 낮다. 동시에 수백만 명의 개발자에게 새로운 독점 프로그래밍 환경을 채택하도록 설득할 필요도 줄어든다.

Broadcom의 성장이 맞춤형 칩이 GPU를 대체할 것임을 증명하는 것은 아니다. 이는 하이퍼스케일러들이 이제 맞춤형 가속을 수년간의 투자가 필요한 생산 전략으로 본다는 점을 보여준다.

회사의 실적에는 중요한 경고도 담겨 있다. 제한된 수의 하이퍼스케일 고객에게 공급하는 업체는 한 건의 배포가 분기 사이에 이동할 때 급격한 변화를 겪을 수 있다.

Broadcom은 고객이 성공적으로 모델을 설계하고, 데이터센터 용량을 확보하며, 내부 칩 계획을 유지하는 데 의존한다. 매출은 빠르게 성장할 수 있지만, 고객 집중도는 협상과 예측 리스크를 만든다.

그럼에도 최신 수치는 입증 책임의 방향을 바꿨다. 맞춤형 AI 가속기는 더 이상 실제 시장이 존재한다는 점을 증명할 필요가 없다. 이제의 질문은 다음 인프라 사이클에서 얼마나 많은 몫을 확보할 수 있는가다.

AMD와 Google의 하드웨어 분화가 Broadcom에 유리한 이유

AMD와 Google의 분화는 서로 다른 두 구매 철학을 나타내며, 클라우드 사업자가 범용성보다 소유권을 선택할 때 Broadcom은 수혜를 본다.

AMD의 Instinct 가속기는 범용 GPU 모델을 따른다. 고객은 AMD의 ROCm 소프트웨어 스택이 지원하는 표준화된 프로세서를 구매한 뒤, 이를 다양한 훈련 및 추론 워크로드에 사용한다.

Google의 TPU는 다른 전제에서 출발한다. Google은 하드웨어, 컴파일러, 모델, 네트워킹, 데이터센터를 하나의 조율된 시스템의 구성 요소로 설계한다.

이 차이는 AMD와 Google이라는 키워드 조합을 두 칩 이름 사이의 어색한 비교 이상으로 만든다. 이는 모든 대형 AI 인프라 구매자가 마주하는 전략적 선택을 의미한다.

한 가지 선택지는 Nvidia나 AMD에서 유연한 가속기를 구매하는 것이다. 다른 선택지는 알려진 워크로드에 맞춰 특화 하드웨어를 설계하고, 그 결과물인 시스템을 더 강하게 통제하는 것이다.

AMD의 MI350 시리즈는 최대 288GB의 HBM3E 메모리와 초당 8TB의 메모리 대역폭을 제공한다. HBM은 더 빠른 데이터 이동을 위해 가속기 가까이에 배치되는 적층형 메모리다.

회사는 MI350 시스템을 훈련, 추론, 고성능 컴퓨팅용으로 포지셔닝한다. 가속기 사양 역시 오픈 소프트웨어와 표준 서버 배포 지원을 강조한다.

이러한 유연성은 많은 고객을 지원하는 클라우드 제공업체와 기업에 중요하다. 미래 수요를 주도할 모델, 수치 형식, 개발 프레임워크를 언제나 예측할 수는 없기 때문이다.

Google은 주요 내부 워크로드를 통제하기 때문에 다른 계산을 마주한다. Search, 광고, Gemini, YouTube, Google Cloud는 식별 가능한 운영 패턴을 가진 막대한 반복 수요를 만든다.

맞춤형 프로세서는 소유자가 이를 계속 높은 가동률로 활용할 수 있을 때 더 매력적이다. 높은 활용도는 설계 비용을 대규모 연산량에 분산시킨다.

Google의 7세대 Ironwood TPU는 이러한 접근법을 보여준다. Google은 Ironwood가 훈련과 추론에서 Trillium 대비 칩당 4배 이상의 성능을 제공한다고 말한다.

Google은 또한 하나의 Ironwood pod가 9,216개 칩을 연결할 수 있다고 설명한다. 각 프로세서에는 192GiB의 고대역폭 메모리가 탑재되며, 전체 시스템은 1.77페타바이트를 제공한다.

Ironwood는 모델 연산을 Google 하드웨어에 최적화된 명령어로 변환하는 컴파일러인 XLA를 사용한다. 이러한 하드웨어와 소프트웨어의 공동 설계는 범용 플랫폼이 폭넓은 호환성을 위해 유지해야 하는 오버헤드를 줄일 수 있다.

Google TPU 세대별로 Broadcom이 정확히 어떤 역할을 했는지는 공개 자료에서 완전히 상세히 설명되지 않는다. 오랫동안 두 회사의 관계를 연결하는 보도가 있었지만, 어느 쪽도 엔지니어링 책임의 완전한 분담을 공개하지는 않는다.

이 공백은 중요하다. Google이 맞춤 설계했다고 설명하는 프로세서에 대해 Broadcom이 단독 공로를 받아서는 안 된다. Google 역시 핵심 아키텍처, 소프트웨어, 워크로드 지식을 제공하기 때문이다.

방어 가능한 결론은 더 좁다. Broadcom은 하이퍼스케일 사업자가 맞춤형 가속기 계획을 대규모 배포로 전환하도록 지원하는 사업을 구축했다.

이로써 Broadcom은 구매자와 파운드리 사이에 자리한다. 고객의 모델, 클라우드 서비스, 개발자 플랫폼을 소유할 필요가 없다.

또한 하나의 공개 가속기를 모든 워크로드의 해답으로 내세우지 않고도 여러 맞춤형 로드맵을 지원할 수 있다. 이 포트폴리오는 서로 다른 AI 연구소 전반에 걸쳐 노출을 분산한다.

AMD는 자사의 공통 플랫폼이 충분한 성능, 가용성, 소프트웨어 성숙도를 제공한다는 점을 고객에게 설득해야 한다. Google은 통합 스택이 더 특화된 아키텍처의 제약을 정당화한다는 점을 입증해야 한다.

Broadcom은 두 번째 논리가 만들어내는 수요를 확보한다. 하이퍼스케일러가 차별화에 자체 보유 실리콘이 필요하다고 판단할 때 Broadcom은 유력한 엔지니어링 파트너가 된다.

AMD와 Google의 분화가 단순한 GPU 벤치마크보다 더 큰 기회를 만드는 이유가 여기에 있다. 실제 경쟁은 누가 아키텍처를 통제하고, 누가 그것을 구축해 매출을 얻는가에 관한 것이다.

맞춤형 실리콘이 Nvidia와의 경쟁 구도를 바꾼다

Broadcom은 맞춤형 실리콘이 반복적이고 예측 가능한 워크로드의 경제성을 공략하기 때문에 Nvidia의 GPU 플랫폼을 정면으로 이길 필요가 없다.

Nvidia의 입지는 여전히 막강하다. 2026 회계연도 데이터센터 매출은 1,937억 달러로, 전년 대비 68% 증가했다.

4분기 데이터센터 매출만 623억 달러에 달했다. 이러한 재무 실적은 Nvidia가 밀려났다고 선언하는 것이 시장의 규모를 무시하는 일인 이유를 보여준다.

Nvidia는 프로세서 이상을 공급한다. CUDA 소프트웨어, 최적화 라이브러리, 네트워킹, 레퍼런스 시스템, 폭넓은 클라우드 가용성은 개발자의 배포 마찰을 줄인다.

이러한 폭넓은 구성은 워크로드가 빠르게 변할 때 Nvidia의 가치를 높인다. 새로운 아키텍처를 탐색하는 연구 그룹은 일반적으로 적응 가능한 하드웨어와 익숙한 개발 도구를 선호한다.

맞춤형 실리콘은 워크로드가 안정화된 뒤 더 설득력 있는 선택지가 된다. 운영사는 거의 사용하지 않는 기능을 제거하고, 자주 수행하는 연산에 더 많은 칩 면적을 할당할 수 있다.

추론은 특히 관련성이 높은 사례다. 추론은 훈련된 모델을 실행해 예측, 답변, 이미지 또는 기타 출력을 생성하는 과정이다.

널리 사용되는 서비스는 유사한 연산을 수십억 번 수행할 수 있다. 작은 효율 개선조차 데이터센터 전력, 냉각, 용량 요구에 영향을 줄 수 있다.

이 지점에서 Broadcom의 기회가 열린다. 맞춤형 가속기 플랫폼을 통해 고객은 모델 구조, 메모리 이동, 수치 정밀도, 네트워킹 동작을 중심으로 최적화할 수 있다.

더 빠른 프로세서도 데이터를 기다릴 수 있기 때문에 네트워킹은 똑같이 중요하다. 클러스터의 유효 성능은 칩들이 모델 파라미터와 중간 결과를 얼마나 효율적으로 공유하는지에 달려 있다.

Nvidia는 NVLink, InfiniBand, Ethernet 제품으로 이 문제를 해결한다. Broadcom은 주로 Ethernet을 통해 경쟁한다. Ethernet은 운영사가 여러 공급업체의 인프라를 조합할 수 있게 하는 확립된 표준이다.

논쟁은 단순히 독점 네트워킹과 개방형 네트워킹의 대결이 아니다. 구매자는 지연 시간, 혼잡 관리, 소프트웨어 통합, 부품 가용성, 운영 친숙도, 통제력을 비교한다.

고객이 Ethernet을 선호하고 하나의 완전한 공급업체에 의존하는 일을 피하고자 할 때 Broadcom은 수혜를 본다. 통합 플랫폼의 성능이 그러한 우려보다 클 때 Nvidia는 수혜를 본다.

이것이 이 글의 핵심적인 역전이다. Broadcom은 더 넓은 개발자 시장을 설득해 Nvidia를 떠나게 하지 않고도 AI 지출에서 점유율을 높일 수 있다.

고객사들은 그 결정을 내부적으로 내린다. 이들은 선택된 워크로드에는 맞춤형 가속기를 배치하는 한편, 연구, 외부 클라우드 서비스 또는 예측 가능성이 낮은 작업을 위해서는 계속 Nvidia GPU를 구매한다.

Google도 이러한 혼합 접근 방식을 따른다. TPU를 제공하는 동시에 Google Cloud를 통해 Nvidia GPU 인스턴스도 제공한다.

Meta는 또 다른 사례다. Broadcom은 2029년까지 Meta Training and Inference Accelerator 칩을 지원하는 확대된 파트너십을 발표했다.

양사는 이 프로그램에 2나노미터 가속기와 여러 세대의 실리콘이 포함된다고 밝혔다. 또한 수 기가와트 규모의 배포 계획도 설명했다.

이들의 MTIA partnership는 맞춤형 컴퓨팅과 Broadcom Ethernet 기술을 결합한다. 다만 고객이 약속된 용량을 실제로 설치하고 사용하기 전까지 배포 계획은 여전히 미래 전망에 머문다.

이 혼합 모델은 두 선도 GPU 벤더 모두에 압박을 가한다. Nvidia는 비용, 공급, 아키텍처에 대한 영향력을 확보하려는 고객과 마주하고 있다.

AMD는 더 미묘한 과제에 직면한다. 두 번째 상용 가속기를 찾는 고객을 확보할 수 있지만, 그중 일부 구매자는 결국 최대 규모의 워크로드를 자체 칩으로 이전할 수 있다.

AMD에 있어 Google은 기회와 위협을 모두 보여준다. Google Cloud는 AMD 가속기를 제공할 수 있지만, Google 자체 TPU 프로그램은 외부 GPU에만 의존할 필요성을 낮춘다.

Broadcom에는 어느 전환이든 수요를 창출할 수 있다. 대안을 찾는 클라우드 운영자는 AMD로 시작한 뒤, 워크로드가 충분한 규모에 도달하면 맞춤형 프로세서를 추가할 수 있다.

그렇다고 모든 AI 기업이 칩을 설계해야 한다는 뜻은 아니다. 맞춤형 실리콘에는 경험 있는 팀, 안정적인 워크로드, 대규모 배포 물량, 긴 계획 주기가 필요하다.

대부분의 기업은 이런 조건을 갖추지 못했다. 이들은 계속해서 용량을 임대하거나 상용 가속기 기반 시스템을 구매할 것이다.

따라서 Broadcom의 공략 가능한 고객은 시장 최상위권에 집중돼 있다. 그러나 이들 기업은 막대한 인프라 예산을 집행하기 때문에, 이러한 한계 속에서도 큰 사업을 뒷받침할 수 있다.

승리하는 위치는 모든 가속기를 소유하는 데 있지 않다. 더 많은 컴퓨팅 스택을 직접 소유하려는 고객의 지출에 참여하는 데 있다.

Broadcom 투자 논지가 아직 입증하지 못한 것

빠른 매출 성장은 수요를 확인해 주지만, Broadcom이 Nvidia나 AMD에 대한 영구적인 우위를 확보했다는 사실까지 입증하지는 않는다.

첫 번째 불확실성은 고객 집중도다. Broadcom의 맞춤형 칩 프로그램에는 막대한 구매력을 가진 소수의 기업이 참여한다.

이들 구매자는 공격적으로 협상하거나 배포를 지연하고, 엔지니어링 자원을 다른 곳으로 돌릴 수 있다. 하나의 로드맵을 잃는 것만으로도 향후 성장에 과도한 영향을 줄 수 있다.

두 번째 문제는 개발 위험이다. 맞춤형 가속기는 모델 아키텍처와 메모리 요구 사항이 여전히 불확실한 배포 수년 전부터 시작된다.

AI 기법의 예기치 않은 변화는 특화 하드웨어를 최신 워크로드와 맞지 않게 만들 수 있다. 범용 GPU는 이러한 가능성에 대한 보험을 제공한다.

세 번째 문제는 소프트웨어다. Google은 JAX, PyTorch 통합, XLA, 내부 엔지니어링 자원을 통해 TPU 개발을 지원할 수 있다.

더 작은 운영자는 이런 노력을 쉽게 재현할 수 없다. 사양이 매력적인 프로세서라도 개발자가 모델을 옮기는 데 어려움을 겪으면 실패한다.

Google은 이 장벽을 낮추기 위해 노력해 왔다. 자사의 Ironwood stack은 조율된 시스템 전반에서 컴파일러 최적화와 맞춤형 커널을 지원한다.

하지만 Google이 공개한 성능 주장은 자사 하드웨어와 소프트웨어 환경을 반영한다. 다양한 실제 운영 워크로드 전반의 독립적인 비교는 여전히 제한적이다.

따라서 AMD와 Google의 선택은 단순히 최고 연산 성능에 관한 문제가 아니다. 이 선택에는 이식성, 개발 시간, 활용률, 클라우드 가용성, 소프트웨어 유지 비용도 포함된다.

AMD는 ROCm 호환성을 개선하고 상당한 메모리 용량을 갖춘 가속기를 제공함으로써 대응할 수 있다. Nvidia는 통합 시스템을 확장하면서 추론 비용을 낮출 수 있다.

두 회사 모두 네트워킹 기술을 판매하거나 시스템 벤더와 협력한다. Broadcom은 Ethernet 리더십과 맞춤형 설계 수주가 계속해서 도전받지 않을 것이라고 가정할 수 없다.

공급도 또 다른 위험이다. Broadcom은 설계를 완성된 프로세서로 전환하기 위해 외부 제조사와 첨단 패키징 제공업체에 의존한다.

맞춤형 가속기는 다른 AI 칩이 사용하는 동일한 최첨단 제조 용량을 두고 경쟁한다. 고객 수요가 강하게 유지되더라도 패키징 제약이 매출을 지연시킬 수 있다.

전력 가용성도 그만큼 중요해졌다. 기가와트 규모의 배포에는 전력, 토지, 냉각, 변압기, 네트워킹, 건설 역량이 필요하다.

완성된 칩도 데이터센터가 완공되지 않으면 매출을 창출할 수 없다. 따라서 인프라 일정이 반도체 일정을 좌우할 수 있다.

Broadcom의 2026년 6월 금융 이니셔티브는 기회와 제약을 모두 보여준다. 이 회사는 2028년까지 20기가와트 이상의 AI 배포를 가능하게 하도록 설계된 플랫폼에 Apollo 및 Blackstone과 함께 참여했다.

이 이니셔티브는 Anthropic과 관련된 1기가와트 이상의 용량을 지원하는 초기 거래로 시작됐다. Broadcom은 자사의 XPU와 네트워킹이 최첨단 AI 연구소를 위한 배포에 사용될 것이라고 밝혔다.

그 capacity platform은 Broadcom의 역할을 부품 공급 이상으로 확장한다. 동시에 현대 AI 클러스터가 얼마나 많은 자본과 조율을 필요로 하는지도 드러낸다.

발표된 용량은 설치돼 생산적으로 작동하는 인프라와 동일하지 않다. 자금 조달, 인허가, 건설, 전력망 연결, 고객 수요가 맞물려야 한다.

또 다른 불확실성은 투명성에 관한 것이다. Broadcom은 맞춤형 가속기 고객을 제한적으로만 논의하며, 기밀 유지로 인해 계약 조건이나 프로그램 경제성을 파악하기 어렵다.

투자자는 전체 AI 반도체 매출은 볼 수 있다. 하지만 컴퓨팅 가속기와 네트워킹을 항상 구분하거나 각 고객의 기여도를 식별할 수 있는 것은 아니다.

이 때문에 단순한 전망은 신뢰하기 어렵다. 강한 분기는 지속적인 플랫폼 전환, 일시적인 출하 집중, 혹은 둘 모두를 반영할 수 있다.

‘궁극적 승자’라는 프레임도 시장 확장을 간과한다. 전체 AI 지출이 증가하면 Nvidia, AMD, Broadcom, 클라우드 운영자, 메모리 공급업체, 파운드리 모두 성장할 수 있다.

승리는 경쟁의 대상을 정의한 뒤에야 의미를 갖는다. Nvidia는 폭넓은 가속기 플랫폼을 이끌고 있으며, Broadcom은 맞춤형 실리콘과 Ethernet 인프라에서 입지를 넓히고 있다.

AMD는 데이터센터 가속화 부문에서 여전히 규모가 작지만 전략적으로 중요한 대안을 제공한다. Google은 클라우드 구매자이면서 동시에 내부 칩 설계자다.

이러한 위치는 겹치지만 동일하지는 않다. Broadcom의 강점은 기존 반도체 구매자와는 다른 유인을 가진 고객을 지원하는 데서 나온다.

맞춤형 칩이 반복적으로 일정을 놓치거나, 실질적 효율 개선에 실패하거나, 내부 실험에만 머문다면 이 논지는 약화된다. Nvidia의 플랫폼 경제성이 특화의 이유를 없애 버리는 경우에도 약화된다.

고객이 연속된 칩 세대를 배포할 때 이 논지는 강해진다. 반복 프로그램은 맞춤형 실리콘이 운영 테스트를 통과하고 지속적인 투자를 이끌어 냈음을 보여준다.

Broadcom의 Meta 계약은 2029년까지 이어지지만, 약속된 세대는 여전히 작동하는 시스템이 되어야 한다. 매출 성장이 그 전환을 보여주는 가장 명확한 공개 증거로 남을 것이다.

AMD Google AI 칩 경쟁을 결정할 세 가지 신호

다음 단계는 배포 증거, 반복적인 고객 약정, 그리고 상용 GPU 공급업체가 맞춤형 칩의 경제적 근거를 얼마나 좁히는지에 달려 있다.

첫 번째 신호는 Broadcom이 보고하는 AI 반도체 매출이다. 경영진은 2026 회계연도 3분기 매출로 160억 달러를 예상했다.

이 전망을 달성하면 수요가 고립된 설계 수주에서 더 큰 생산 물량으로 이동하고 있다는 주장을 뒷받침할 것이다. 달성하지 못하면 출하 시점과 고객 집중도에 대한 의문이 제기될 것이다.

구성은 총액만큼 중요하다. 투자자는 여러 고객에 걸쳐 맞춤형 가속기와 네트워킹이 모두 기여하고 있다는 증거에 주목해야 한다.

한 분기만으로 지속성을 입증할 수는 없다. 여러 배포와 연결된 연속적인 증가는 광범위한 인프라 전환을 더 강하게 시사할 것이다.

두 번째 신호는 Google Ironwood와 Meta MTIA의 실제 도입이다. Google은 학습과 대량 추론 모두에 적합하다고 내세운 뒤 Ironwood를 정식 출시했다.

Google은 Ironwood가 TPU v5p의 최고 성능보다 10배 높고 Trillium의 칩당 성능보다 4배 이상 높다고 말한다. 또한 첫 번째 클라우드 TPU 대비 거의 30배의 전력 효율을 주장한다.

이는 벤더 측정치이지 보편적인 결과가 아니다. 더 강한 증거는 고객 가용성, 지속적인 활용률, 소프트웨어 지원, 반복 배포에서 나올 것이다.

Google은 이미 Gemini, Veo, Imagen, Anthropic의 Claude가 학습 또는 서비스 제공을 위해 TPU를 사용한다고 밝히고 있다. 더 폭넓은 고객 사용은 맞춤형 하드웨어가 한 소유자의 내부 애플리케이션을 넘어설 수 있음을 보여줄 것이다.

Meta의 2나노미터 MTIA 프로그램은 별도의 시험대다. 2029년까지 여러 세대를 출하한다면 Broadcom이 또 다른 고객을 대규모로 지원할 능력을 입증하게 된다.

지연은 맞춤형 실리콘 뒤에 놓인 긴 개발 주기를 드러낼 것이다. 또한 워크로드를 Nvidia나 AMD 플랫폼으로 되돌릴 수도 있다.

세 번째 신호는 상용 GPU 공급업체의 대응이다. Nvidia의 Rubin 플랫폼은 폭넓은 소프트웨어 환경을 유지하면서 더 낮은 추론 비용을 목표로 한다.

AMD는 높은 메모리 용량과 점차 성숙해지는 ROCm 스택을 갖춘 MI350 가속기를 추진하고 있다. 더 나은 소프트웨어 이식성은 AMD를 Nvidia 대신 선택할 때의 불이익을 줄일 것이다.

Nvidia와 AMD가 맞춤형 프로그램의 발전보다 더 빠르게 총운영비를 낮춘다면 특화의 매력은 줄어든다. 고객은 예측 가능한 일정에 도착하는 적응형 하드웨어를 선호할 수 있다.

맞춤형 칩이 안정적인 워크로드에서 반복적인 효율 향상을 제공한다면 Broadcom의 위치는 강화된다. 하이퍼스케일러는 더 많은 내부 설계에 자금을 투입할 더 명확한 이유를 갖게 된다.

가장 가능성 높은 결과는 이기종 인프라로 남는다. 연구팀은 유연한 가속기를 사용하고, 대규모 프로덕션 서비스는 반복 작업에 맞춰 조정된 하드웨어를 점점 더 고려하게 될 것이다.

이 환경은 여러 아키텍처에 걸쳐 참여할 수 있는 공급업체에 유리하다. Broadcom의 컴퓨팅, 스위칭, 연결성, 설계 역량은 이 요구에 부합한다.

또한 이는 손쉬운 승자독식 결론을 막는다. Nvidia는 최대 플랫폼으로 남는 동시에 Broadcom은 맞춤형 인프라에서 성장하는 점유율을 확보할 수 있다.

Google이 TPU를 확장하는 동안에도 AMD는 상용 가속기 점유율을 높일 수 있다. Google은 클라우드를 통해 세 가지 옵션을 모두 제공하면서 내부적으로는 자체 칩을 우선할 수 있다.

AMD와 Google의 AI 하드웨어 논쟁은 궁극적으로 통제권에 관한 문제다. 구매자는 워크로드 소유권이 더 많은 실리콘을 소유하는 비용과 복잡성을 정당화하는지 결정해야 한다.

Broadcom은 그 답이 ‘예’가 되도록 돕는 기업으로 자리매김했다. 매출은 여러 주요 고객이 이미 그 결론에 도달했음을 시사한다.

앞으로 1~3개월은 이러한 약정이 가속되고 있는지 분명히 해줄 것이다. Broadcom의 AI 매출, 맞춤형 칩의 생산 가용성, GPU 벤더의 추론 경제성을 지켜봐야 한다.

개발자와 기업 구매자에게 중요한 질문은 어느 로고가 모든 벤치마크에서 이기는지가 아니다. 어떤 워크로드에 유연성이 필요한지, 어디에서 반복되는지, 누가 소프트웨어 스택을 통제하는지 살펴봐야 한다.

그 결정은 다음 배포를 Nvidia 또는 AMD 하드웨어, Google TPU, 혹은 다른 맞춤형 가속기 중 어디에 올릴지를 좌우하게 된다. 또한 그에 따른 인프라 가운데 얼마나 많은 부분이 Broadcom을 통해 구축될지도 결정한다.