오픈AI·브로드컴 AI 칩, 설계부터 테이프아웃까지 9개월

오픈AI와 브로드컴($AVGO)은 AI 추론 칩 할라페뇨(Jalapeño)가 초기 설계부터 제조 테이프아웃까지 9개월 걸렸다고 밝혔다. 이 기간은 두 회사가 함께 개발한 칩 한 사례에 해당한다.

오픈AI는 2025년 10월 브로드컴과 맞춤형 AI 가속기 협력을 발표했다. 이후 공개한 설명에서 오픈AI는 설계와 최적화 과정 일부에 자사 AI 모델을 사용했다고 밝혔다. 오픈AI는 칩 설계를 맡았고, 브로드컴은 실리콘 구현과 네트워킹 기술을, 셀레스티카는 보드·랙·시스템 통합을 지원했다.

칩 개발에서 테이프아웃은 제조를 위해 설계 데이터를 확정해 넘기는 단계다. 따라서 9개월이라는 기간은 초기 설계부터 테이프아웃까지를 가리키며, 칩의 양산이나 제품 완성까지를 뜻하지 않는다. 이 사례만으로 업계 전반의 개발 기간이 단축됐다고 볼 수는 없다.

AI를 칩 설계 일부에 적용한 사례는 더 있다. 구글 딥마인드(Google DeepMind)는 강화학습 시스템 알파칩(AlphaChip)을 자사 AI 반도체 TPU의 레이아웃 작업에 활용했다고 설명했다. 구글 측은 알파칩이 배치안을 몇 시간 안에 만들었고 여러 세대 TPU 설계에 쓰였다고 밝혔다.

알파칩이 다루는 회로 배치는 칩 설계의 한 단계다. 이 사례가 기능 검증부터 제조 준비까지 설계 전 과정을 AI가 수행했다는 뜻은 아니다. 알파칩의 성능과 연구 방법을 두고도 학계에서 평가가 엇갈렸다.

한 비판 논문은 구글의 초기 연구가 재현에 필요한 방법과 입력값을 충분히 공개하지 않았으며 비교 기준에도 문제가 있다고 주장했다. 알파칩 연구진은 반박 논문에서 해당 평가가 원래 학습 방법을 따르지 않았다며 산업 현장 적용 사례를 제시했다. 이 논쟁만으로 AI가 인간보다 칩을 잘 설계한다고 일반화할 수는 없다.

전자설계자동화(EDA) 업체 케이던스(Cadence)($CDNS)는 2026년 2월 칩스택 AI 슈퍼 에이전트(ChipStack AI Super Agent)를 발표했다. 여러 AI 에이전트가 케이던스 설계 도구를 호출해 설계 코드와 시험용 코드를 작성하고, 시험 계획·회귀 테스트·디버깅·오류 수정을 돕는 구조다. 케이던스는 일부 업무에서 생산성이 최대 10배 높아진다고 제시했지만, 이는 회사가 밝힌 수치로 칩 설계 전체의 생산성 향상률은 아니다.

칩 설계에는 회로 코드 작성 외에도 기능 검증, 부품 배치, 전력·성능·면적 조정과 제조 전 점검이 포함된다. 각 단계의 결과를 확인하고 설계를 반복 수정하는 과정이 이어진다. 이런 반복 작업의 특성을 고려하면 시뮬레이션 결과 확인과 설계 수정도 AI 적용 후보가 될 수 있다.

다만 일부 작업 시간이 줄었다고 해서 제품 개발 기간 전체가 같은 폭으로 짧아지는 것은 아니다. 칩 설계 기간이 18~24개월에서 1년 이내로 단축됐다는 주장도 이를 뒷받침할 독립 근거가 제시되지 않았다.

AI가 AI용 칩 개발 과정에 참여한 점은 재귀적 자기개선(RSI) 논의와 연결해 볼 수 있다. 다만 확인된 사례는 사람이 주도하는 개발 과정 일부에 AI를 활용한 것이다. 앞서 재귀적 자기개선 측정과 인간 감독을 포함한 국제 AI 안전 기준을 제안한 오픈AI는 완전 자율형 재귀적 자기개선이 현재 진행 중인 것은 아니라고 밝혔다.

오픈AI는 할라페뇨를 포함한 칩 플랫폼의 첫 배치를 2026년 말까지 시작할 계획이라고 밝혔다.