칩(Chips, 반도체)

 

현재 중국은 7nm(나노미터) 칩을 제조할 수 있는 능력을 입증한 것으로 보입니다. 물론 7nm를 넘어서는 기술(EUV 리소그래피 등)은 확보하기 어렵겠지만, 7nm만으로도 충분합니다. 참고로, 7nm는 엔비디아 A100이 사용한 공정이기도 합니다. 자체 개발한 화웨이 Ascend 910B 칩은 SMIC(중국 최대 파운드리)의 7nm 공정을 기반으로 만들어졌으며, 성능 대비 비용 측면에서 엔비디아의 동급 칩보다 약 2~3배 정도 비효율적인 수준으로 추정됩니다.

 

​

 

물론 SMIC의 7nm 공정 수율과 전반적인 기술 성숙도에 대해서는 논란이 있습니다. 특히, 이 칩을 대량으로 생산할 수 있을지가 핵심적인 미지수입니다.

 

​

 

하지만 몇 년 내로 대규모 생산이 가능해질 가능성이 충분히 있다고 볼 수 있습니다.

 

​

 

AI 칩 성능 향상의 대부분은 AI 연산에 최적화된 설계 개선에서 오는 경우가 많습니다. 중국은 대만 반도체 공급망을 통해 엔비디아 칩 설계를 이미 훔쳤을 가능성이 큽니다.

 

​

 

물론 7nm와 3nm·2nm 사이의 차이, 그리고 중국 반도체 산업의 전반적인 미성숙함을 감안하면, 중국이 같은 성능을 내기 위해 더 많은 비용을 지출해야 할 것입니다.

 

​

 

하지만 이것이 결정적인 장애물은 아닙니다. 7nm 공정을 기반으로도 충분히 우수한 AI 칩을 만들 수 있으며, 중국이 수년 내로 1,000억 달러(혹은 조 단위)의 대규모 AI 학습 인프라를 구축할 수 없다고 단정할 수는 없습니다. 다소 비싸게 치르더라도 충분한 연산력을 확보할 가능성이 있습니다.

 

​

 

미국을 능가하는 인프라 구축 (Outbuilding the US)

 

초대형 AI 학습 클러스터에서 가장 중요한 제약 요소는 칩이 아니라 산업 동원 능력입니다. 특히, 조(兆) 단위 규모의 클러스터를 운영하려면 약 100GW(기가와트)급 전력 공급이 필요합니다. 하지만 미국보다 중국이 훨씬 잘하는 것이 바로 대규모 인프라 건설입니다.

 

​

 

지난 10년간 중국은 미국 전체 발전용량과 맞먹는 신규 전력을 추가로 확보했습니다. 반면, 미국의 전력 생산 능력은 사실상 정체 상태였습니다. 미국에서는 대규모 프로젝트가 환경 영향 평가, 허가 절차, 각종 규제로 인해 10년 가까이 지연되는 일이 흔합니다. 이런 점을 고려하면, 중국이 초대형 AI 학습 클러스터를 미국보다 더 빠르고 효율적으로 구축할 가능성이 충분합니다.