[CBC뉴스] 구글의 차세대 AI 모델 ‘제미나이’를 둘러싼 논란이 이어지면서, 핵심 연산 인프라인 GPU(Graphics Processing Unit)와 TPU(Tensor Processing Unit)의 생산 기간과 비용 구조에 대한 비교가 다시 주목받고 있다. 기술적 우열을 따지기보다, 실제 산업 환경에서 어떤 방식이 더 효율적이고 현실적인 선택이 될 수 있는지를 두고 시장의 관심이 집중되는 모습이다.

AI 시장이 빠르게 팽창하면서 연산 칩 선택은 개별 기업의 성능 이슈를 넘어 산업 전반의 전략 요소로 확장되고 있다. GPU와 TPU 모두 대규모 AI 연산을 처리하는 핵심 장치이지만, 생산 방식·생태계·비용 구조에서 차이가 존재한다는 점이 업계의 일반적 평가다.

생산 기간 측면에서 GPU는 상대적으로 오래된 대량 생산 경험을 기반으로 공급망과 제조 체계가 넓게 구축돼 있다는 점이 특징으로 거론된다. 게임·그래픽·AI 등 다양한 분야에서 활용돼 제조 라인이 표준화돼 있고, 이 때문에 생산과 수율이 비교적 안정적으로 관리된다는 분석이 많다. 다만 첨단 AI용 GPU는 여전히 공급 타이트함과 복잡한 공정 등으로 수율 변동성이 존재한다는 지적도 동시에 제기된다.

반면 TPU는 구글의 맞춤형 설계를 기반으로 하는 ASIC(전용 칩)으로, 주로 구글 내부와 일부 클라우드 고객 중심으로 활용된다. 시장 전체를 대상으로 한 범용 제품은 아니기 때문에 GPU에 비해 생산 규모가 제한되는 경향이 있다는 것이 업계의 시각이다. 이러한 구조는 특정 세대의 설계가 바뀔 때 제조 조정 기간이 길어질 수 있다는 평가와 함께 언급된다. 다만 구글이 매 세대 TPU 클러스터를 대규모로 구축해온 만큼 ‘대량 생산이 전제되지 않는다’는 식의 단정은 어렵고, 공급 구조가 GPU와 다르다는 정도로 보는 것이 정확하다.

비용 면에서도 두 칩은 서로 다른 구조를 보인다. GPU는 폭넓은 글로벌 수요를 기반으로 생산 규모가 큰 만큼 상대적으로 단가 안정성이 높다는 분석이 있다. 또한 CUDA 등 이미 성숙한 개발 환경이 구축돼 있어 추가적인 설정 비용이 적다는 점도 강점으로 꼽힌다. 그러나 AI용 GPU는 최근 공급 부족으로 가격이 크게 변동하고 있으며, 절대적 의미의 비용 안정성을 단정하기는 어렵다는 지적도 병존한다.

TPU는 AI 연산 효율을 높이기 위해 특정 구조에 특화돼 있지만, 구글 중심의 공급 구조와 ASIC 특성상 설계·도입 비용이 높아질 수 있다는 의견이 있다. 다만 TPU의 실제 제조 원가나 단가에 대한 구체적인 수치는 공개되지 않았다는 점에서, 이 또한 ‘가능성’ 수준에서 언급되는 것이 적절하다.

결국 성능적 특성은 생산·비용 구조와는 별개 영역에서 평가된다. GPU의 범용성은 여전히 뚜렷한 강점이고, TPU는 특정 연산 구조에서 높은 효율성을 보이는 것으로 알려져 있다. 어떤 칩이 적합한지는 기업의 AI 모델 특성, 운영 환경, 비용 체계 등 종합적 요소에 따라 달라진다.

업계에서는 “칩 선택은 생산 기간이나 비용 구조만으로 단순 비교할 수 있는 문제가 아니다”며 “각 칩의 생태계·적용 범위·연산 효율을 모두 고려해 장기적으로 판단하는 것이 필요하다”는 의견이 나온다. 제미나이를 둘러싼 논란과는 별개로 GPU와 TPU의 비교는 앞으로도 AI 인프라 전략 논의의 핵심 축으로 자리 잡을 전망이다.

[※ 본 기사에서 제공하는 정보는 일반적인 기술 및 산업 동향 이해를 돕기 위한 것으로, 특정 기업·기술·제품에 대한 투자 조언이나 판정이 아닙니다. 기술 환경과 시장 상황은 수시로 변경될 수 있으므로, 관련 자료와 전문가 의견을 반드시 확인하시기 바랍니다. 본지는 해당 정보에 대한 법적·재정적 책임을 지지 않습니다.]

★ 네티즌 어워즈 투표하러 가기 ▶
★ 실시간 뉴스속보 - CBC뉴스 텔레그램 ▶

▮ CBC뉴스ㅣCBCNEWS 김민철 기자