6개월마다 새 칩을 내놓는 회사가 있습니다

2026년 3월 11일, Meta는 자사 AI 반도체 MTIA(Meta Training and Inference Accelerator) 라인업의 4세대 로드맵을 한꺼번에 공개했습니다. MTIA 300, 400, 450, 500 — 네 종류의 칩을 24개월 안에 모두 출시하겠다는 계획입니다. 반도체 업계에서 신제품 사이클이 보통 1~2년인 점을 감안하면, 6개월마다 새 세대를 내놓겠다는 Meta의 속도는 분명 이례적입니다.

더 놀라운 것은 타이밍입니다. Meta는 이 발표 직전까지 NVIDIA와 대규모 GPU 구매 계약을 체결했고, AMD에 600억 달러 규모의 딜을, 심지어 Google의 TPU 칩까지 수십억 달러어치 확보하는 계약을 맺었습니다. 그러면서도 자체 칩 개발에 전력을 다하고 있다는 것은, AI 인프라의 판도가 근본적으로 바뀌고 있음을 시사합니다.

왜 지금, 자체 칩인가

Meta가 AI 반도체에 직접 뛰어든 배경에는 추론(inference) 비용이라는 핵심 변수가 있습니다. AI 모델의 학습(training)에는 막대한 연산이 필요하지만, 일단 학습이 끝난 모델을 실제 서비스에 적용하는 추론 단계에서는 하루에 수조 건의 예측이 발생합니다. Meta의 플랫폼(Facebook, Instagram, WhatsApp, Threads)에서 광고 추천, 콘텐츠 랭킹, Meta AI 어시스턴트 등이 모두 추론 워크로드에 해당합니다.

NVIDIA GPU는 학습과 추론 양쪽 모두에 뛰어나지만, Meta처럼 추론 워크로드가 압도적으로 많은 기업에게는 범용 GPU 대신 추론에 최적화된 전용 칩이 훨씬 경제적입니다. Meta는 이미 수십만 개의 MTIA 칩을 데이터센터에 배치해 운영 중이며, 범용 실리콘 대비 상당한 효율성 향상을 경험하고 있다고 밝혔습니다.

이런 움직임은 Meta만의 이야기가 아닙니다. Google은 TPU를 10년 넘게 자체 개발해왔고, Amazon은 Trainium과 Inferentia로 연간 100억 달러 이상의 매출을 올리고 있으며, Microsoft는 Maia 200 칩을 Azure 데이터센터에 배치하기 시작했습니다. 하이퍼스케일러들이 NVIDIA 의존도를 줄이겠다는 움직임이 2026년 들어 본격적으로 현실화되고 있는 것입니다.

MTIA 4세대 로드맵: 세대별 핵심 스펙

MTIA 300 — 이미 실전 배치 완료

MTIA 300은 랭킹·추천 모델 학습에 최적화된 칩으로, 2026년 초 이미 프로덕션 환경에 투입되었습니다. Meta의 광고 시스템과 콘텐츠 추천 엔진을 구동하는 핵심 워크로드를 담당하고 있습니다. 이전 세대(MTIA v2)에서 크게 도약한 아키텍처로, 본격적인 MTIA 라인업 확장의 기반이 되는 세대입니다.

MTIA 400 — GenAI 추론의 시작

MTIA 400은 생성형 AI 모델 추론까지 지원 범위를 넓힌 세대입니다. 핵심 스펙은 다음과 같습니다.

• FP8 연산 성능: 6 petaFLOPS
• HBM 용량: 288GB
• HBM 대역폭: 9.2Tbps (이전 대비 51% 향상)
• 스케일업 네트워킹: 1.2Tbps
• 스케일아웃 네트워킹: 100Gbps
• TDP(열설계전력): 1,200W

Meta 연구소에서 테스트를 완료했으며, 2026년 하반기 데이터센터 배치를 진행 중입니다. 랭킹·추천 워크로드는 물론, Llama 기반 GenAI 모델 추론까지 처리할 수 있는 첫 번째 '올라운더' 세대입니다.

MTIA 450 — 어텐션 가속의 도입

MTIA 450은 GenAI 추론에 하드웨어 수준의 전용 가속 기능을 탑재한 세대입니다.

• FP8 연산 성능: 7 petaFLOPS
• HBM 대역폭: 18.4Tbps (MTIA 400 대비 2배)
• HBM 용량: 288GB
• TDP: 1,400W
• 핵심 차별점: 어텐션(Attention)과 FFN(Feed-Forward Network) 연산을 위한 하드웨어 가속 유닛 내장

트랜스포머(Transformer) 모델의 핵심인 어텐션 메커니즘을 실리콘 레벨에서 가속한다는 점에서, MTIA 450은 단순한 성능 업그레이드를 넘어 아키텍처 철학의 전환을 상징합니다. 2027년 초 대규모 배치가 예정되어 있습니다.

MTIA 500 — 플래그십 슈퍼칩

MTIA 라인업의 정점에 서는 MTIA 500은 가장 강력한 스펙을 갖추고 있습니다.

• FP8 연산 성능: 10 petaFLOPS
• HBM 용량: 384~512GB
• TDP: 1,700W
• 슈퍼칩 구성 시: 최대 30 petaFLOPS 성능

MTIA 300에서 500까지 HBM 대역폭은 4.5배, 연산 FLOPS는 25배 증가합니다. 2027년 대규모 배치를 목표로 하고 있으며, 대규모 GenAI 모델의 실시간 추론 서빙에 초점을 맞추고 있습니다.

RISC-V 기반 설계와 오픈 생태계 전략

MTIA의 기술적으로 가장 주목할 점 중 하나는 **RISC-V 오픈소스 명령어 세트 아키텍처(ISA)**를 채택했다는 것입니다. NVIDIA의 독점적인 CUDA 생태계, ARM의 라이선스 기반 아키텍처와 달리, RISC-V는 로열티 없이 자유롭게 커스터마이징할 수 있습니다.

Meta는 TSMC에서 칩을 제조하고 Broadcom과 공동 개발하는 구조를 취하면서도, 소프트웨어 스택은 PyTorch, vLLM, Triton, Open Compute Project(OCP) 등 업계 표준 위에 구축했습니다. 이는 개발자 생태계와의 호환성을 유지하면서도 하드웨어 수준에서 최적화를 극대화하겠다는 전략입니다.

모듈러(modular) 설계 철학도 6개월 사이클을 가능하게 하는 핵심 요인입니다. 재사용 가능한 칩렛(chiplet) 기반 구조를 활용해, 매 세대마다 전체를 처음부터 다시 설계하는 대신 핵심 모듈만 업그레이드하는 방식으로 개발 속도를 극적으로 단축했습니다.

NVIDIA, Google, Amazon, Microsoft와의 비교

Meta의 MTIA가 경쟁사 대비 어떤 위치에 있는지 살펴보겠습니다.

NVIDIA B300 Blackwell Ultra는 여전히 FP4 기준 15 petaFLOPS라는 업계 최고 성능을 자랑하며, CUDA 소프트웨어 생태계는 대체 불가능한 수준의 개발 편의성을 제공합니다. 그러나 범용 GPU의 가격 프리미엄은 추론 전용 워크로드에서 경제성이 떨어집니다.

**Google TPU Trillium(v6e)**은 칩당 4.7배의 연산 성능 향상과 99%에 달하는 스케일링 효율을 보여주며, 10년 이상의 자체 실리콘 경험을 바탕으로 가장 성숙한 커스텀 칩 프로그램을 운영하고 있습니다. 7세대 Ironwood는 추론 전용으로 설계된 첫 TPU입니다.

Amazon Trainium3는 FP8 2.52 petaFLOPS, 144GB HBM3e, 3nm 공정으로 제조되며, Anthropic과 OpenAI가 학습·추론에 활용하고 있습니다.

Microsoft Maia 200은 216GB HBM3e로 가장 큰 메모리 용량을 갖추고 있으며, 추론 비용 최적화에 집중해 기존 Azure 하드웨어 대비 30% 높은 달러당 성능을 달성했다고 밝혔습니다.

Meta MTIA의 차별점은 내부 전용이라는 점입니다. Google, Amazon, Microsoft는 자사 클라우드 고객에게도 커스텀 칩을 제공하지만, Meta는 오직 자사 서비스만을 위해 최적화합니다. 이 집중력이 6개월 사이클이라는 파괴적인 속도를 가능하게 하는 원동력이기도 합니다.

실전 전략적 시사점

AI 인프라 엔지니어와 기업 의사결정자에게 Meta의 MTIA 전략이 주는 메시지는 명확합니다. 추론 워크로드가 학습 워크로드를 압도하는 시대가 왔고, 이에 맞는 실리콘 전략이 필요하다는 것입니다.

당장 MTIA 칩을 직접 구매하거나 사용할 수는 없지만, Meta의 접근 방식에서 배울 점은 많습니다. 첫째, 워크로드 프로파일링이 중요합니다. 자사 AI 워크로드 중 학습과 추론의 비율을 정확히 파악하고, 추론 비중이 높다면 GPU 이외의 옵션(Google TPU, AWS Trainium, Azure Maia)을 적극 검토해야 합니다. 둘째, 소프트웨어 스택의 이식성을 확보해야 합니다. Meta가 PyTorch, vLLM 등 표준 프레임워크를 고수하는 이유는, 하드웨어가 바뀌어도 모델 코드를 최소한으로 수정하기 위함입니다.

AI 반도체 시장에 투자하거나 관련 산업에 종사하는 분이라면, 커스텀 실리콘이 추론 시장을 먼저 잠식하고, 이후 학습 시장까지 확대될 것이라는 흐름을 주시해야 합니다. NVIDIA의 시장 점유율은 2024~2025년 80~90%에서 2026년 약 75%로 하락할 것으로 전망되며, 이 추세는 가속화될 가능성이 높습니다.

앞으로 지켜볼 것들

Meta의 MTIA 프로그램은 아직 초기 단계입니다. MTIA 300만 실전에 배치되었고, 나머지 세 세대는 아직 증명되지 않았습니다. 6개월 사이클이 정말 지속 가능한지, 각 세대의 실제 성능이 스펙대로 나오는지는 지켜봐야 합니다. 하지만 한 가지는 분명합니다. AI 인프라의 미래는 더 이상 NVIDIA GPU 하나에 의존하는 구조가 아니라, 다양한 전용 실리콘이 워크로드별로 최적 배치되는 이종(heterogeneous) 컴퓨팅 시대로 향하고 있다는 것입니다. Meta가 24개월 안에 네 세대의 칩을 내놓겠다는 선언은, 그 미래가 생각보다 빠르게 다가오고 있음을 보여줍니다.