Tom's Hardware와 Firstpost가 8월 16일에 다룬 이 보고서는 추론 모델과 자율 에이전트를 위한 AI 인프라 재설계 경쟁이 심화되는 가운데 시작되었습니다. 이러한 변화는 AI 속보 보도에서 추적해 왔습니다. SemiAnalytics에 따르면 Google과 그 고객은 강화 학습(RL) 및 잠재적으로 CPU를 많이 사용하는 기타 워크로드를 위해 온패키지 CPU 코어가 포함된 TPU를 추진하고 있으며 AMD는 누락된 부분을 공급할 유력한 후보입니다.
Google이 TPU를 설계하는 데 AMD가 필요하지 않은 이유
분석가들은 이야기를 가장 단순하게 읽는 것에도 찬물을 끼얹는다. Google은 이미 가속기 아키텍처에 대한 상당한 사내 전문 지식을 보유하고 있으며 8세대에 걸쳐 TPU를 연마했으며 또 다른 기존 TPU를 설계하는 데 반드시 AMD가 필요하지는 않습니다. AMD가 Google의 차기 추론 칩(TPU V10i)이나 트레이닝 칩(TPU V10t)을 구현할 가능성은 낮은 것으로 간주됩니다.
대신 분석가들은 Google이 AMD와 같은 CPU 제조업체가 제공할 수 있는 CPU 지적 재산, 프로그래밍 가능 논리, 상호 연결 또는 고급 패키징 전문 지식이 필요할 수 있다고 믿습니다. 즉, 이야기는 AMD가 Google의 AI 가속기를 구축하는 것에 관한 것이 아니라 AMD의 범용 코어와 결합된 Google의 텐서 컴퓨팅인 하이브리드 칩이 무엇을 잠금 해제할 수 있는지에 대한 것입니다.
강화 학습은 AI 실리콘을 뒤집어 놓습니다.
그 동인은 AI 시스템이 컴퓨팅을 소비하는 방식의 진정한 변화입니다. 기존의 대규모 언어 모델 교육은 여전히 가속기의 부담이 압도적으로 높습니다. 행렬 수학은 하루 종일 GPU 및 TPU에서 수행됩니다. 그러나 추론 모델과 에이전트 모델에 대한 강화 학습은 다릅니다. RL 파이프라인은 CPU에서 훨씬 더 잘 실행되는 대량의 스칼라, 분기형 범용 계산(환경 시뮬레이션, 보상 계산, 많은 병렬 롤아웃 조정)을 통해 가속기 작업을 인터리빙합니다.
Google의 자체 시스템 설계에는 이미 이러한 변화가 반영되어 있습니다. 보고서에 따르면 추론, 추론 및 RL 워크로드를 위해 구축된 Google의 추론 중심 TPU 8i 시스템은 TPU 2개마다 Google Axion CPU 1개를 제공합니다. 이에 비해 7세대 TPU 기반 서버는 TPU 4개당 Intel Xeon "Emerald Rapids" 프로세서 1개를 사용했습니다. CPU 대 가속기 비율을 두 배로 늘리는 것은 Google이 워크로드가 향하는 방향을 나타내는 강력한 신호이며 CPU 코어를 가속기와 함께 직접 패키징하는 것이 논리적인 다음 단계입니다. 즉, 에이전트 AI가 요구하는 워크로드에 대해 더 짧은 데이터 경로, 더 적은 데이터 이동, 더 나은 전력 효율성을 제공합니다.
MI300A 선례
AMD는 이러한 프로젝트에 직접적으로 관련된 경험을 제공합니다. 엘리트 등급 슈퍼컴퓨터에 배포된 Instinct MI300A는 x86 Zen CPU 칩렛과 GPU 컴퓨팅 칩렛을 공유 메모리와 단일 패키지로 결합한 데이터 센터 규모의 최초의 진정한 APU였습니다. 미래의 Google 디자인은 유사한 형태를 취할 수 있습니다. Google의 TPU 컴퓨팅 칩렛은 AMD CPU 기술 및 고대역폭 메모리와 결합되며 AMD는 잠재적으로 패키징 및 통합의 일부를 처리할 수 있습니다.
두 회사 모두 대화할 이유가 있습니다. Google의 경우 이러한 움직임은 이미 여러 파트너에 걸쳐 있는 실리콘 전략을 확장하는 것입니다. 2026년 4월에 발표된 8세대 TPU 라인업은 전용 교육(8t) 및 추론(8i) 칩으로 분할되었으며, 올해 초 보고에 따르면 Google은 추론에서 Nvidia에 도전하기 위해 Broadcom, MediaTek 및 Marvell을 포괄하는 다중 파트너 맞춤형 실리콘 공급망을 구축했다고 설명했습니다. AMD의 경우 Google 디자인의 승리는 칩렛 및 패키징 기술에 대한 확실한 승인이자 Nvidia의 지배력이 거의 도전받지 않는 시장인 맞춤형 AI 실리콘의 발판이 될 것입니다.
중요한 주의사항
SemiAnalytic 자체는 상당한 불확실성이 남아 있다고 강조합니다. AMD가 보고한 참여의 정확한 성격은 불분명하고, 두 회사 모두 파트너십을 확인하지 않았으며, 분석가들은 확인된 제품 로드맵보다는 그러한 협력이 왜 타당할지에 대한 정보에 입각한 추측으로 추론을 구성합니다.
그러나 거래 자체보다 더 깊은 신호가 더 중요합니다. 보고서가 정확하다면 가장 중요한 개발은 Google과 AMD의 협력이 아니라 Google이 강화 학습, 추론 및 에이전트 AI를 위해 특별히 설계된 CPU 사용량이 많은 TPU 변형을 탐색하는 것입니다. 업계에서는 하나의 거대한 행렬 곱셈을 위해 칩을 최적화하는 데 10년을 보냈습니다. 차세대 AI 하드웨어는 한 사람의 생각보다는 수천 명의 에이전트가 동시에 탐색하고, 실패하고, 학습하는 워크로드에 의해 형성되고 있습니다.
볼만한 동영상
더 넓은 업계의 경우 세 가지 요인으로 인해 이 보고서가 추측에서 추세로 바뀔 것입니다. 첫째, 가속기와 CPU 공급업체를 서로 경쟁하기보다는 쌍을 이루는 맞춤형 실리콘 거래의 징후입니다. AMD를 MI300A로, Nvidia를 Grace-Hopper 스타일 통합 시스템으로 밀어넣은 동일한 논리가 이제 하이퍼스케일러 ASIC 로드맵을 형성하는 것으로 보입니다. 둘째, Google의 TPU 8i 배포 비율이 계속해서 가속기당 더 많은 CPU를 향해 표류하는지 여부는 RL 워크로드 논제를 독립적으로 확인합니다. 셋째, AMD 자체 수익 논평입니다. Google 규모의 맞춤형 디자인 승리는 결국 재무 공개에 나타날 만큼 충분히 중요할 것입니다.
Google이나 AMD 모두 이 보고서에 대해 언급하지 않았으며 SemiAnalytic은 자사의 분석이 확인된 계약보다는 페어링의 전략적 논리에 기반을 두고 있다고 지적합니다. 그러나 Google이 이미 TPU 제품군을 교육 및 추론 제품으로 분할하고, 다중 파트너 실리콘 공급 계약을 체결하고, 최신 가속기를 중심으로 CPU 용량을 비축한 1년 동안, CPU를 많이 사용하는 TPU 변형은 다음 논리적 움직임보다 덜 놀라운 일입니다.
AI보다 앞서 나가세요
AI 실리콘 경쟁의 칩별 적용 범위를 실시간으로 제공합니다. 최신 AI 개발에 대한 허브를 북마크에 추가하고 디자인 승리를 놓치지 마세요.
AI 뉴스 자세히 보기 →
