Anthropic은 맞춤형 실리콘으로 Claude를 지원하기 위해 사내 칩 설계 팀을 구축했습니다.

Anthropic은 Claude의 AI 칩을 공동 설계하기 위해 맞춤형 실리콘 팀을 고용하고 AI 하드웨어 제어 경쟁에서 OpenAI와 Google에 합류할 것이라고 확인했습니다.

Anthropic은 자체 맞춤형 인공 지능 칩을 개발할 계획을 확인했으며, 외부 하드웨어 공급업체에 의존하는 것만으로는 더 이상 급증하는 수요를 따라잡기에 충분하지 않다는 결론을 내린 최신 AI 연구소가 되었습니다.

TechCrunch, Reuters, Quartz 및 Business Insider가 보고한 채용 목록 및 확인에 따르면 회사는 미래의 대형 언어 모델과 함께 프로세서를 공동 설계하기 위해 내부 "맞춤형 실리콘 팀"을 구성하고 있다고 밝혔습니다. 이번 움직임은 Anthropic이 자사의 주력 모델 제품군인 Claude를 구동하는 하드웨어 스택에 대해 더 큰 통제권을 가지려는 의도를 나타냅니다. AI 산업 보도를 추적하는 사람들에게 이 결정은 명확한 패턴에 부합합니다. 모든 주요 개척 연구소는 이제 모델을 실행하는 실리콘 조각을 소유하기 위해 경쟁하고 있습니다.

클로드를 위한 칩 공동 설계

세부 사항은 빠른 기성품 구매보다는 공동 설계 전략을 가리킵니다. SiliconANGLE이 보고한 대로 대변인은 Business Insider에 Anthropic이 미래의 대규모 언어 모델과 함께 프로세서를 공동 설계할 것이라고 말했습니다. 공동 설계 이니셔티브는 일반적으로 특정 작업 부하(모델이 의존하는 특정 계산 및 메모리 패턴)에 맞게 칩을 조정하는 데 중점을 두고 있으며, 이러한 사용자 정의는 하드웨어 효율성을 크게 높일 수 있습니다.

기성 AI 가속기는 광범위한 고객과 워크로드에 서비스를 제공하도록 제작되었으므로 타협이 필요합니다. Claude의 아키텍처에 맞게 특별히 조정된 칩은 이론적으로 범용 하드웨어보다 달러당 및 와트당 더 많은 성능을 제공할 수 있습니다. 이는 Anthropic이 운영하는 규모에서 매우 중요하며, 작은 효율성 향상이라도 막대한 비용 절감으로 이어집니다.

단순히 칩만 구매하는 것이 아닌 엔지니어 채용

TechCrunch는 Anthropic이 채용 목록에 따라 맞춤형 실리콘 팀을 위한 칩 설계 경험이 있는 엔지니어를 찾고 있다고 보고했습니다. 기사에서는 회사가 Anthropic의 확인을 포함하도록 업데이트되어 계획이 추측이 아닌 공식화되었다고 언급했습니다.

채용 추진은 Claude에 대한 수요가 증가하고 AI 회사가 가능한 한 많은 인프라 거래를 체결하기 위해 안간힘을 쓰는 가운데 발생합니다. Anthropic은 AI 컴퓨팅 하드웨어에 액세스하기 위해 AWS, Google, Nvidia 및 AMD와 계약을 체결했습니다. 그러나 진정으로 규모를 확장하고 수요 수준을 충족하려면 다른 사람에게 의존하는 것만으로는 더 이상 충분하지 않습니다. 이제 Anthropic이 자체 실리콘을 설계하도록 추진하는 미적분학입니다.

이는 주목할만한 전략적 변화입니다. Anthropic은 오랫동안 연구 및 안전 중심 연구실로 자리매김해왔지만, 칩 발표를 통해 Anthropic은 일반적으로 최대 규모의 하이퍼스케일러와 관련된 일종의 대규모 인프라를 구축하고 있음을 보여줍니다.

혼잡한 필드에 합류하기

Anthropic은 자체 칩을 만드는 것이 엄청난 비용과 복잡성을 감수할 가치가 있다고 결정한 최초의 AI 회사가 아닙니다. 회사는 최대 경쟁업체들이 개척한 잘 밟힌 길을 따르고 있습니다.

지난 6월 OpenAI는 훈련된 모델이 실제로 사용자 쿼리에 응답하는 단계인 추론 워크로드를 위해 특별히 설계된 Broadcom에서 제작한 "Jalapeño" 칩을 공개했습니다. Google DeepMind는 Gemini 모델을 구동하기 위해 오랫동안 Alphabet의 맞춤형 TPU(텐서 처리 장치)를 사용해 업계에서 가장 성숙한 사내 실리콘 프로그램 중 하나를 제공했습니다. 한편 Meta는 AI 워크로드를 위한 자체 MTIA 가속기를 개발해 왔습니다.

추세는 모델 연구소를 넘어 확장됩니다. Trainium 및 Inferentia 칩을 갖춘 Amazon과 같은 클라우드 제공업체도 Nvidia에 대한 의존도를 줄이기 위해 맞춤형 실리콘에 막대한 투자를 해왔습니다. 공통점은 단일 지배적인 공급업체의 제약에서 벗어나 더 많은 가치 사슬을 포착하려는 욕구입니다.

지금 맞춤형 실리콘을 사용하는 이유는 무엇인가요?

이 물결을 이끄는 경제학은 간단합니다. Nvidia의 GPU는 수요가 공급을 훨씬 초과하기 때문에 엄청난 마진을 차지하고 있으며, 최전선 AI 모델은 교육 및 서비스를 제공하기 위해 엄청난 양의 컴퓨팅이 필요합니다. 해당 GPU에 의존하는 모든 연구실은 동일한 유한 공급을 놓고 경쟁하면서 단일 공급업체에 효과적으로 세금을 지불하고 있습니다.

맞춤형 칩을 설계하는 것은 수억 달러의 비용이 들고 희귀한 엔지니어링 재능이 필요할 수 있는 값비싼 다년 내기입니다. 그러나 실험실에서 점점 더 실존적이라고 간주하는 세 가지 이점을 제공합니다. 첫째, Claude와 같은 인기 모델의 주요 비용인 장기 추론 비용을 낮출 수 있습니다. 둘째, 공급 부족과 수출 통제에 대한 전략적 취약성을 줄입니다. 셋째, 방어 가능한 해자를 만듭니다. 서로를 위해 공동 설계된 모델과 칩은 경쟁업체가 복제하기가 더 어렵습니다.

Anthropic의 결정은 클라우드 및 컴퓨팅 파트너와의 관계가 심화되고 있음을 반영합니다. 회사는 이미 AI 인프라를 위한 대규모 자금 조달을 확보했으며, 사내 칩 프로그램은 이러한 자금 조달을 전용의 최적화된 역량으로 전환하는 자연스러운 다음 단계입니다.

다음에 나올 내용

경쟁력 있는 AI 칩을 구축하려면 일반적으로 설계부터 대량 생산까지 수년이 걸리기 때문에 Anthropic의 맞춤형 실리콘이 Claude를 단기간에 구동할 가능성은 낮습니다. 회사는 새로운 팀이 첫 번째 테이프아웃을 위해 노력하는 동안 Nvidia, AMD 및 클라우드 제공업체 가속기에 계속 의존할 것입니다.

그럼에도 불구하고 이번 발표는 의미 있는 의도의 신호입니다. 이는 Anthropic을 OpenAI 및 Google과 동일한 하드웨어 경쟁에 확고히 자리매김하게 하며, 첨단 연구실 간의 경쟁의 다음 단계가 알고리즘과 데이터뿐만 아니라 그 아래에 있는 실리콘을 놓고 싸울 것임을 시사합니다.