Anthropic, 자체 AI 칩 설계팀 신설: 추론 비용 50% 절감 노린다

핵심 요약

TechCrunch, Forbes, Tech Times 등 복수 매체의 2026년 8월 5일 보도에 따르면, Anthropic이 Claude 모델 전용 커스텀 AI 칩을 설계하는 인하우스 칩 설계팀(custom silicon team) 신설을 공식 확인했다. 목표는 하드웨어와 모델을 함께 설계하는 co-design 방식으로 토큰당 추론 비용을 약 50% 절감하는 것이다. Nvidia, AMD, AWS, Google Cloud 등 기존 하드웨어 파트너십은 그대로 유지하며, 자체 칩은 이를 대체하는 것이 아니라 추가 공급 옵션으로 자리매김한다.

Co-design 전략이란

기존 AI 기업들은 대부분 Nvidia GPU나 클라우드 사업자의 범용 가속기를 가져다 쓰는 방식으로 모델을 학습·서빙해왔다. 반면 co-design은 모델의 연산 패턴(attention 구조, 라우팅 방식 등)에 맞춰 칩 회로 자체를 설계하는 접근이다. 특정 워크로드에 맞춰 회로를 최적화하면 범용 칩 대비 에너지 효율과 처리량을 높일 수 있다는 것이 업계의 일반적인 설명이다. Anthropic은 이 방식을 통해 토큰당 추론 비용을 약 50% 낮추는 것을 내부 목표로 제시했다(공식 발표 기준). 다만 이는 설계 단계에서 제시된 목표치이며, 실제 달성 여부는 칩 양산과 배포 이후에나 확인할 수 있다.

채용 규모로 본 투자 우선순위

Anthropic이 게재한 채용 공고에 따르면 칩 설계 엔지니어의 연봉 범위는 $320,000~$485,000에 달한다. 실리콘밸리 반도체 업계 상위권 수준의 대우로, 회사가 이 프로젝트에 상당한 우선순위를 두고 있음을 보여준다.

제조 파트너를 둘러싼 미확인 보도

The Information은 Anthropic이 Samsung을 제조 파트너 후보로 검토하고 있다는 내용을 보도했다. 다만 이는 The Information의 단독 보도이며, Anthropic과 Samsung 양측 모두 공식적으로 확인한 사안은 아니다. 제조 파트너 관련 내용은 확정된 사실이 아니라 하나의 보도로 다뤄야 하며, 향후 공식 발표를 통한 추가 확인이 필요하다.

기존 파트너십과의 관계

Anthropic은 자체 칩 개발이 Nvidia, AMD, AWS, Google Cloud와의 기존 파트너십을 대체하지 않는다고 밝혔다. 오히려 컴퓨팅 공급원을 늘리기 위한 추가 옵션이라는 설명이다. 이는 최근 신생 네오클라우드 업체 Volta와 6년 100억 달러 규모 컴퓨팅 계약을 체결한 사례와 같은 맥락에서, Anthropic이 인프라 공급망을 여러 축으로 다각화하려는 흐름의 연장선으로 볼 수 있다.

업계 흐름: 빅테크의 자체 칩 개발 경쟁

Anthropic의 이번 결정은 업계 전반의 흐름과 맞닿아 있다. OpenAI는 Broadcom과 TPU 관련 딜을 맺고 Cerebras와도 협력 중이며, Google은 자체 TPU를 다세대에 걸쳐 운영해왔다. Microsoft는 자체 추론 칩 Maia를 개발했고, Meta 역시 자체 칩 개발에 나섰다. 이런 상황에서 Anthropic까지 인하우스 칩 설계팀을 신설하면서, 주요 프론티어 AI 기업 대부분이 Nvidia 등 범용 GPU 의존에서 벗어나려는 시도에 합류한 셈이다.

전망

자체 칩 설계는 착수부터 양산, 실제 서비스 적용까지 통상 수년 단위의 시간과 막대한 초기 투자가 필요한 작업이다. Anthropic이 제시한 50% 비용 절감 목표는 co-design 접근이 성공적으로 구현됐을 때의 기대치로, 단기간에 체감할 수 있는 변화는 아닐 가능성이 크다. 제조 파트너 확정, 칩 설계 완료, 양산 및 데이터센터 배포까지 이어지는 일정이 향후 관전 포인트가 될 것으로 보인다. 기존 Nvidia 등 파트너십을 유지한다는 점에서 단기적으로는 하이브리드 인프라 전략이 이어질 전망이다.

결론

Anthropic의 인하우스 칩 설계팀 신설은 아직 제품이 아닌 조직·전략 차원의 결정이다. 그럼에도 OpenAI, Google, Microsoft, Meta에 이어 Anthropic까지 자체 실리콘 개발에 나섰다는 점은, AI 인프라 경쟁의 무게중심이 모델 성능뿐 아니라 하드웨어 내재화로까지 확장되고 있음을 보여준다. 실제 효과는 칩 설계·양산 일정이 구체화되는 향후 수년에 걸쳐 확인될 것으로 보인다.