본문으로 건너뛰기
피드

삼성, 칩렛 기반 ‘피지컬 AI 반도체’ 플랫폼 파운드리로 간다

ai-ml 약 5분
vote
0
댓글
북마크

삼성전자가 케이던스와 함께 피지컬 AI용 칩렛 반도체 플랫폼을 내년 초 테이프아웃할 계획이야. CPU, NPU, 메모리 인터페이스, PCIe 같은 기본 기능을 미리 얹고 고객사가 로봇·자율주행·산업 자동화에 맞게 커스터마이즈하는 방식이 핵심이야.

  • 1

    삼성전자와 케이던스가 5나노 공정 기반 피지컬 AI 칩렛 플랫폼을 개발 중

  • 2

    내년 초 테이프아웃, 이르면 내년 하반기 실물 출시가 예상됨

  • 3

    필수 기능 60~80%를 미리 구현하고 고객별 맞춤 반도체로 완성하는 구조

  • 삼성전자가 내년부터 ‘피지컬 AI’용 반도체 플랫폼 파운드리 사업을 본격화할 전망임.

    • 파트너는 설계자동화(EDA)·반도체 지식재산(IP) 기업 케이던스.
    • 자동차, 로봇, 드론, 산업 자동화처럼 현실 세계에서 움직이는 AI 장비용 칩을 겨냥함.
  • 일정도 꽤 구체적임. 삼성전자와 케이던스는 ‘피지컬 AI 칩렛 반도체 플랫폼 칩’을 내년 초 테이프아웃할 계획임.

    • 테이프아웃은 설계를 끝내고 제조 공정으로 넘기는 단계.
    • 양산까지 빠르면 6개월 정도 걸린다고 보면, 내년 하반기에는 실제 플랫폼 칩이 나올 수 있다는 계산임.
  • 이 제품의 포인트는 단일 고객 맞춤 칩이 아니라 ‘플랫폼’이라는 점임.

    • 기존 파운드리는 특정 팹리스가 요구한 단일 제품을 생산하는 방식에 가까웠음.
    • 이번 플랫폼은 피지컬 AI에 필요한 공통 기능을 60~80% 정도 미리 구현해두고, 고객사가 용도별 기능을 붙여 완제품으로 만드는 구조임.
    • 예를 들어 로봇 업체가 이 플랫폼 위에 자사 로봇에 필요한 성능과 제어 기능을 추가하는 식임.

중요

> 삼성 입장에서는 파운드리 고객을 기다리는 게 아니라, “검증된 기본 칩판”을 깔아두고 피지컬 AI 팹리스를 끌어들이는 전략에 가까움.

  • 기본 구성 요소로는 CPU, 신경망처리장치(NPU), 메모리 인터페이스, PCIe 등이 거론됨.

    • CPU는 범용 제어와 운영 로직을 맡고, NPU는 AI 추론을 처리하는 쪽임.
    • PCIe와 메모리 인터페이스는 센서 데이터, 외부 장치, 가속기와 붙을 때 병목을 줄이는 핵심 블록임.
  • 삼성과 케이던스가 칩렛을 택한 이유도 명확함. 고객별 커스터마이징을 쉽게 하기 위해서임.

    • 칩렛은 서로 다른 반도체 다이를 연결해 성능과 기능을 확장하는 첨단 패키징 방식.
    • 모든 기능을 하나의 거대한 칩에 박아 넣는 것보다, 필요한 블록을 조합하기가 쉬움.
    • 피지컬 AI처럼 로봇, 자율주행, 산업 설비마다 요구사항이 다른 시장에 잘 맞는 방식임.
  • 생산 공정은 삼성전자 5나노가 중심임.

    • 기사에서는 삼성 5나노가 수율 등 생산성을 확보했고, 고객 수요가 늘고 있는 공정이라고 설명함.
    • 케이던스는 플랫폼에 필요한 각종 IP를 제공하고, 삼성은 이를 자사 파운드리 공정에 맞게 최적화해 생산하는 역할을 맡음.
  • 양사는 이미 작년 6월 다년간 IP 협력 계약을 맺었고, 앞으로 다른 IP 파트너와의 생태계도 넓힐 계획임.

    • 케이던스 쪽은 사전 검증된 플랫폼 덕분에 고객 맞춤형 제품을 더 짧은 시간에 구성하고 생산할 수 있다고 봄.
    • 결국 관건은 “얼마나 많은 피지컬 AI 고객사가 이 플랫폼을 믿고 올라타느냐”임.

기술 맥락

  • 삼성과 케이던스가 고른 선택은 범용 AI 가속기 하나를 파는 게 아니라, 피지컬 AI용 반도체를 만들기 쉬운 기본 플랫폼을 먼저 깔아두는 방식이에요. 로봇, 드론, 자동차, 산업 장비는 요구하는 센서 구성과 제어 지연시간이 다 달라서 완전 표준 칩 하나로 끝내기 어렵거든요.

  • 칩렛을 쓰는 이유도 여기서 나와요. 고객마다 필요한 기능이 다른데 모든 기능을 하나의 단일 칩으로 새로 설계하면 시간과 비용이 너무 커져요. 공통 블록은 미리 검증하고, 고객별 차이는 별도 다이나 IP로 붙이는 쪽이 파운드리 영업에도 훨씬 유리해요.

  • 5나노 공정을 쓰는 것도 단순히 최신 공정 과시가 아니에요. 피지컬 AI 장비는 현장에서 계속 돌아가야 하니 전력 효율, 발열, 추론 성능의 균형이 중요해요. 삼성 입장에서는 이미 생산성을 확보한 공정 위에 플랫폼을 얹어야 고객에게 일정과 리스크를 설명하기 쉬워요.

  • 이 구조가 먹히면 팹리스는 처음부터 모든 블록을 직접 설계하지 않고도 로봇이나 산업 자동화용 맞춤 칩을 더 빨리 만들 수 있어요. 반대로 삼성은 특정 대형 고객 하나에만 기대는 대신, 여러 피지컬 AI 업체를 같은 플랫폼 생태계 안으로 묶을 수 있게 돼요.

파운드리가 단순 주문 생산에서 ‘미리 검증된 플랫폼 장사’로 넘어가려는 그림이야. 피지컬 AI가 뜰수록 로봇·차량·산업 장비용 맞춤 칩 수요가 커질 텐데, 삼성은 그 진입 장벽을 낮춰 고객을 잡겠다는 전략으로 보임.

댓글

댓글

댓글을 불러오는 중...

ai-ml

유튜브, AI 생성 영상에 자동 라벨 붙인다

유튜브가 사실적으로 보이거나 의미 있게 AI로 변경·생성된 콘텐츠에 더 눈에 띄는 라벨을 적용하고, 제작자가 AI 사용 여부를 밝히지 않아도 내부 신호로 감지되면 자동 라벨을 붙이겠다고 밝혔다. 다만 라벨만으로 추천 노출이나 수익화 자격이 바뀌지는 않으며, 제작자는 YouTube Studio에서 잘못된 판정을 수정할 수 있다.

ai-ml

테크 CEO들의 'AI 만능론', 숫자는 아직 그렇게 말하지 않는다

테크 업계에서 AI를 이유로 한 대규모 감원과 조직 재편이 이어지는 가운데, Box 창업자 애런 레비는 CEO들이 실제 업무의 마지막 1마일을 모른 채 AI 에이전트의 능력을 과대평가하고 있다고 지적했다. 2026년 첫 5개월 동안 이미 11만5430명이 해고됐고, 여러 연구는 AI 도입이 체감 생산성만큼 실제 생산성을 끌어올렸다는 근거가 아직 약하다고 말한다.

ai-ml

오픈AI와 앤트로픽, 코딩 에이전트로 드디어 돈 되는 시장을 찾은 듯

사이먼 윌리슨은 오픈AI와 앤트로픽이 코딩 에이전트와 기업용 과금으로 진짜 제품-시장 적합성을 찾았다고 봐. 개인 구독자에게는 월 100달러 플랜이 싸게 느껴지지만, 기업 고객은 이제 사용량 기준 토큰 가격을 그대로 내기 시작했고 이게 대형 고객 예산을 빠르게 흔들고 있다는 얘기야.

ai-ml

컴팔과 GMI 클라우드, 대규모 추론용 AI 인프라 구축 협력

컴팔이 실리콘밸리 기반 AI 인프라 기업 GMI 클라우드와 협력해 대규모 추론과 에이전틱 AI 워크로드에 맞춘 GPU 서버 인프라를 구축한다고 발표했어. COMPUTEX 2026에서는 NVIDIA HGX B300을 지원하는 Compal SGX30-2 같은 고성능 AI 서버 플랫폼도 선보일 예정이야.

ai-ml

AI 쓰면 편해진다더니, 직장인들은 ‘AI 과부하’에 지쳐가는 중

국내 직장인들이 AI 전환 압박, AI 답변 검증 부담, 대체 불안 때문에 피로감을 호소하고 있어. 중앙일보 설문에서는 5284명 중 31.6%가 ‘AI 답변 검증에 시간이 더 걸릴 때’를 가장 지치는 순간으로 꼽았고, 기업들은 무작정 AI 사용량을 밀어붙이는 방식에서 업무 방식 재설계로 넘어가야 한다는 지적이 나와.