구글 Frozen V2, AI칩·모델 수직통합 가속

구글이 자체 AI 반도체 전략을 한 단계 끌어올리고 있다. 정보매체 The Information 보도에 따르면 구글은 현재 TPU 대비 6~10배 높은 효율을 목표로 한 신형 AI 칩 'Frozen V2'를 개발 중이며, 이르면 2028년 배치를 검토하고 있다. Frozen V2의 핵심은 단순한 차세대 TPU가 아니라는 점이다. 여러 AI 모델과 워크로드를 두루 처리하도록 설계된 기존 TPU와 달리, Frozen V2는 자사 대형모델 Gemini에 필요한 연산을 회로 수준에서 최적화한 모델 특화 ASIC에 가깝다. 즉 범용 칩 위에서 모델을 돌리는 방식에서 벗어나, 반도체를 모델 구조에 직접 맞추려는 시도다. 목표는 뚜렷하다. 같은 전력과 데이터센터에서 더 많은 토큰을 생산하고, Gemini의 추론 비용을 낮추며, 엔비디아 GPU 의존도를 줄이는 것이다. 검색, 유튜브, 워크스페이스, 클라우드, 에이전트 등으로 AI 서비스가 확대될수록 모델 성능만큼이나 토큰당 원가가 중요한 변수로 부상하고 있다. 구글이 이 칩에 성공한다면 모델뿐 아니라 칩, 네트워크, 데이터센터, 운영비용까지 통제하는 수직통합 구조를 확보하게 된다. 다만 이를 GPU 수요 붕괴로 해석하는 것은 과도하다. 전용 ASIC은 구조가 안정적이고 반복량이 큰 추론 워크로드에 강하지만, 모델 구조가 빠르게 바뀌는 프론티어 훈련과 다양한 외부 모델에는 범용 GPU가 여전히 유리하다. 오히려 연산 효율이 높아져 토큰 가격이 낮아지면 AI 사용량이 더 빠르게 늘어날 수 있다. 칩 한 개당 필요 연산량이 줄더라도 전체 토큰 수요가 폭증하면 데이터센터 총투자는 계속 증가할 여지가 있다. 투자 관점의 본질적 변화는 AI 하드웨어 경쟁의 단위가 바뀌고 있다는 점이다. 과거에는 엔비디아 GPU를 더 많이 확보하는 쪽이 앞섰다면, 앞으로는 모델·ASIC·HBM·첨단 패키징·네트워크·전력·냉각을 하나의 시스템으로 설계하는 역량이 경쟁력을 좌우한다. 구글뿐 아니라 아마존, 마이크로소프트, 메타도 자체 AI 칩을 확대하며 안정화된 대규모 추론부터 자체 칩으로 가져가 비용과 공급망을 통제하려 하고 있다. 결국 Frozen V2가 시사하는 진짜 변화는 GPU의 종말이 아니라, AI 모델과 반도체가 별개 제품이 아닌 하나의 공동 설계물로 통합되기 시작했다는 점이다. 엔비디아 독점력에는 장기 압박 요인이지만, AI 인프라 전체로 보면 오히려 더 큰 수요를 만들어낼 수 있다.