제미나이 아키텍처 실리콘에 직접 구현: 구글의 신규 AI 추론 칩 ‘Frozen v2’ 기술 상세 정보 공개, 전력 소비 단위당 처리 성능 최대 10배 향상

코드명 "프로즌(Frozen)"의 유래는 제미나이(Gemini) 거대 모델의 연산 로직 일부를 실리콘 하드웨어에 영구적으로 새기는 핵심 설계 개념에서 비롯되었는데, 이는 반도체 내의 소프트웨어를 "동결(freezing)"하는 것과 유사하다. 엔지니어들은 여전히 반도체의 핵심 기능 모듈과 다양한 부품 간의 협업 솔루션을 조율하고 있으며, 구글은 이르면 2028년에 이 AI 반도체를 도입할 계획이다.

프로즌 프로젝트는 구글의 기존 텐서 처리 장치(TPU)를 대체하기보다 이를 보완할 완전히 새로운 AI 반도체 제품군을 구축하는 것을 목표로 한다.

현재 가장 널리 사용되는 AI 반도체인 엔비디아( NVDA) GPU와 구글 TPU는 모두 여러 서로 다른 거대 모델에 적용할 수 있는 범용 반도체다. 그러나 범용 반도체는 어떤 모델을 구동할 때 실시간으로 시간이 많이 걸리는 로직 판단을 대량으로 수행해야 하는 반면, '프로즌 v2' AI 추론 반도체는 제미나이 시리즈 모델에 맞춤화된 기저 연산 로직을 직접 내장하여 반도체의 연산 단계와 데이터 이동을 크게 줄임으로써 추론 효율성의 질적인 도약을 달성했다.

이 사안에 정통한 관계자들은 이 전용 AI 반도체가 사용자 질문에 더 빠르게 응답할 수 있어, 구글이 완전히 새로운 AI 애플리케이션 시나리오를 출시하도록 지원할 것으로 기대된다고 전했다.

프로즌 v2(Frozen v2)의 기술 로드맵은 구글이 현재 제미나이(Gemini) 거대 모델의 기반 아키텍처를 계속 사용할 것이라는 점에 전략적인 승부수를 던졌음을 의미한다. 향후 제미나이 모델의 후속 버전들이 해당 AI 반도체 설계 당시 사용된 기반 아키텍처와 일치하는 아키텍처를 채택해야만 해당 칩에서 정상적으로 구동될 수 있다.

사안에 정통한 관계자들은 구글이 내장된 모델 가중치 업데이트를 포함해 해당 칩에 대한 반복적인 최적화를 여전히 수행할 수 있다고 덧붙였다. 가중치는 AI 모델이 질문에 답변하는 방식을 결정하는 핵심 매개변수(파라미터) 설정이다.

구글 대변인은 회사 팀들이 "사용자와 기업 고객을 위해 최상의 성능과 에너지 효율성을 달성하고자 다양한 혁신 기술을 지속적으로 연구, 개발 및 테스트하고 있다"고 답하며, "모든 연구개발(R&D) 프로젝트가 최종적으로 양산에 들어가는 것은 아니지만, 이러한 종합적인 기술 탐색은 당사의 풀스택 자체 기술 로드맵의 핵심 부분"이라고 덧붙였다.

‘프로즌 v2(Frozen v2)’ AI 반도체의 공개는 AI 인프라 분야에서 구글이 가진 깊은 전략적 논리를 반영하며, 그 핵심 동인은 AI 연산에 대한 불안감이다. 제미나이(Gemini) 모델의 크기가 계속해서 커짐에 따라 범용 반도체의 에너지 효율 한계가 가까워지고 있다. 거대 모델의 작동 논리를 하드웨어에 직접 내장하는 것은 AI 연산의 에너지 효율 병목 현상을 돌파하기 위한 과감한 해결책이다.

이는 또한 구글이 소프트웨어와 하드웨어를 결합하는 ‘애플식’ 수직 통합 경로를 재현하고 있음을 시사한다. 자체 개발한 TPU부터 프로즌 시리즈 전용 AI 반도체에 이르기까지, 구글은 AI 시대에 모델 아키텍처부터 반도체 설계에 이르는 풀스택 폐쇄 루프를 구축하고자 시도하고 있다. 만약 이 경로가 성공적인 것으로 입증된다면, AI 추론 비용을 극적으로 낮추어 제미나이의 상용화를 위한 길을 열어줄 것이다.

다만, 그에 따른 위험 요소 역시 간과할 수 없다. 반도체와 모델의 긴밀한 결합은 제미나이의 기반 아키텍처가 대대적인 업데이트를 거칠 경우 프로즌 AI 반도체가 빠르게 도태될 수 있음을 의미한다. 구글이 프로즌 v2를 양산형 제품이 아닌 ‘기술 테스트 플랫폼’으로 규정한 것은 이 경로가 검증되기까지 여전히 시간이 필요하다는 점을 명확히 보여준다.

이 콘텐츠는 AI를 활용하여 번역되었으며, 명확성을 확보할 수 있도록 검토 과정을 거쳤습니다. 정보 제공 용도로만 제공됩니다.