Meta, 자체 AI 칩 로드맵 공개: 2년 내 차세대 MTIA 4종 투입

통상적인 AI 반도체 개발에는 1년에서 2년이 걸리지만, Meta는 마치 소프트웨어를 판올림하듯 향후 2년 동안 4세대에 걸친 자체 칩을 쏟아붓겠다는 계획을 내놓았습니다.

Meta는 자체 개발 가속기인 MTIA의 차세대 로드맵을 발표했습니다. 이미 수십만 개의 이전 세대 MTIA 칩을 추천 알고리즘과 광고 추론 시스템에 배치해 운용 중인 Meta는, 이제 개발 주기를 6개월 이내로 압축해 2026년부터 2027년까지 MTIA 300, 400, 450, 500을 연이어 배포할 방침입니다.

6개월마다 새 칩을 내놓는 비결

AI 모델의 발전 속도가 워낙 빠르다 보니, 기존처럼 2년 주기로 칩을 만들면 양산 시점에는 이미 모델 아키텍처가 바뀌어 하드웨어가 뒤처지는 문제가 발생합니다. Meta는 브로드컴(Broadcom)과의 긴밀한 협력을 바탕으로 모듈형 칩렛(chiplet) 방식을 택했습니다.

모듈형 구조 덕분에 신형 칩은 기존 데이터센터 랙 인프라에 규격 그대로 장착할 수 있어 인프라 교체 비용과 배포 시간을 대폭 아낄 수 있습니다.

4개 세대의 역할도 뚜렷합니다. 이미 양산 단계에 들어간 MTIA 300은 네트워크 칩렛과 전용 메시지 엔진을 내장해 추천 및 랭킹 모델의 학습을 전담합니다.

이어지는 MTIA 400은 FP8 연산 성능을 400%, 메모리 대역폭을 51% 끌어올려 생성형 AI 작업까지 포괄합니다. 랙 하나에 72개 장치가 결합되는 구조입니다. 이후 등장할 MTIA 450과 500은 생성형 AI 추론에 철저히 초점을 맞추며, 300에서 500으로 가면서 메모리 대역폭은 4.5배, 연산 성능은 25배까지 치솟습니다.

연산 비용을 쥐어짜기 위한 추론 우선 전략

시장의 주류 반도체 기업들은 가장 가혹한 작업인 사전 학습을 기준으로 칩을 설계한 뒤, 이를 추론에도 끌어다 쓰는 방식을 씁니다. 하지만 대규모 서비스 환경에서 이는 비용 낭비가 큽니다.

Meta는 정반대 길을 택했습니다. 매일 수십억 명의 이용자가 AI 어시스턴트와 피드를 이용하는 환경에서는 추론 연산 비용이 장기적인 재정 부담의 핵심이기 때문입니다.

따라서 MTIA 450과 500은 저정밀도 포맷인 MX4와 MX8 기반 생성형 AI 추론에 맞춰 기본 설계되었으며, 학습은 보조적으로 지원합니다. 또한 PyTorch, vLLM, Triton 등 업계 표준 프레임워크를 기본 지원해 사내 배포 장벽을 완전히 낮췄습니다. 외부 칩 구매를 중단하지 않고 자체 칩과 병행하는 포트폴리오 접근법도 유지합니다.

왜 중요한가

우리는 Meta의 이번 행보가 철저하게 비용 실리주의에 입각한 영리한 전략이라고 봅니다.

일반 사용자 입장에서는 인스타그램이나 페이스북에서 사용하는 AI 어시스턴트와 콘텐츠 추천 기능이 더 빠르고 쾌적해지며, 대규모 서비스 운영 비용이 낮아지는 만큼 서비스 안정성이 확보됩니다.

산업 측면에서는 거대 테크 기업들이 엔비디아 의존도를 낮추기 위해 얼마나 필사적인지 보여줍니다. 브로드컴과의 협업을 통해 6개월 단위로 하드웨어를 갱신하는 속도전은 경쟁 클라우드 업체와 칩 제조사 모두에 큰 자극제가 될 수밖에 없습니다.

사전 학습 경쟁에 무리하게 매달리기보다 당장 막대한 돈이 들어가는 추론 시장에 집중하고 모듈화로 유연성을 챙긴 점은 매우 실용적입니다. 다만 반년 주기로 새 칩이 쏟아져 나오는 상황에서, 내부 소프트웨어 최적화 스택과 컴파일러가 하드웨어 속도를 온전히 따라잡을 수 있을지가 실질적인 관건으로 보입니다.