메타 MTIA, 특정 AI 작업 비용 44% 낮춘다고 주장

메타($META)가 자체 개발한 AI 칩 MTIA의 특정 워크로드 총소유비용이 엔비디아($NVDA) 범용 GPU보다 44% 낮고 전력 효율은 40% 높다고 밝혔다. 비교 대상은 추천·광고 최적화·생성형 AI 추론 등 메타가 지정한 작업이다.

이 수치는 전체 AI 인프라나 모든 GPU 작업에 적용되는 성능 비교가 아니다. Crypto Briefing은 해당 수치를 메타의 주장으로 소개했으며, 동일 조건에서 이뤄진 독립 검증 결과는 제시되지 않았다.

MTIA는 메타가 AI 학습과 추론을 위해 개발한 맞춤형 칩이다. 메타는 3월 11일 공식 자료에서 MTIA 300·400·450·500 등 네 세대의 칩을 향후 2년 안에 개발·배치하겠다고 밝혔다.

MTIA 300은 추천·순위 모델 학습에 이미 투입됐다. MTIA 400·450·500은 생성형 AI 추론을 우선 대상으로 하며, 메타는 추론 작업에 수십만 개의 MTIA 칩을 배치했다고 설명했다.

메타의 구상은 엔비디아 GPU를 전면 대체하는 방식과 다르다. 대규모 AI 모델 학습에는 외부 GPU를 활용하고, 학습을 마친 모델이 이용자 요청에 답하는 추론 작업에는 자체 칩을 배치하는 구조다.

추론은 학습이 끝난 AI 모델이 입력을 받아 결과를 내놓는 과정이다. 반복적인 요청을 처리하는 추론 작업은 서비스별 요구 조건이 비교적 뚜렷해 맞춤형 칩의 효율을 측정하기 쉬운 영역으로 설명된다.

메타는 자사 작업에 맞춰 설계한 칩이 범용 칩보다 효율적일 수 있다고 밝혔다. MTIA 450과 500은 생성형 AI 추론을 우선하도록 설계됐지만, 필요에 따라 추천 모델 학습과 추론, 생성형 AI 학습에도 사용할 수 있다.

총소유비용은 칩 구매비뿐 아니라 전력·운영·인프라 비용을 합산한 지표다. 따라서 메타가 제시한 44% 절감률은 칩 가격만 비교한 수치가 아니라 회사가 정한 워크로드와 운영 조건을 함께 반영한 결과다.

메타는 칩 개발 주기를 줄이는 방식도 제시했다. 모듈형·재사용 설계를 활용해 새 칩을 6개월 이하 간격으로 출시할 수 있으며, 일반적인 AI 칩 개발 주기는 1~2년이라고 설명했다.

새 칩은 기존 랙 시스템에 장착할 수 있도록 설계된다. 메타는 기존 인프라를 활용하면 세대 교체 과정에서 배치 시간을 단축할 수 있다고 밝혔다.

브로드컴($AVGO)과의 협력도 이 전략에 포함됐다. 메타는 4월 14일 브로드컴과 여러 세대의 MTIA를 공동 개발한다고 발표했으며, 브로드컴은 칩 설계·첨단 패키징·네트워킹을 맡는다.

초기 배치 규모는 1GW를 넘고 이후 수GW 규모로 확대하는 계획이다. 맞춤형 칩의 성능뿐 아니라 전력 공급과 데이터센터 인프라를 함께 확보해야 하는 사업 구조가 드러나는 대목이다.

메타가 자체 칩을 확대하는 배경에는 AI 인프라 지출 증가가 있다. 메타는 2026년 자본적 지출 전망을 기존 1150억~1350억달러(약 155조~182조원)에서 1250억~1450억달러(약 168조~195조원)로 올렸다.

메타는 상향 이유로 부품 가격 상승과 향후 데이터센터 용량 확대를 들었다. 메타가 AI 서비스 확대와 함께 클라우드·데이터센터 투자를 늘리고 있다는 점은 본지의 앞선 보도에서도 다뤄졌다.

자체 칩은 메타 서비스에 특화된 작업에서 효율을 높일 수 있지만, 엔비디아 GPU의 범용성과 소프트웨어 생태계를 단기간에 대체하기는 어렵다. 메타 역시 대규모 학습에 외부 GPU를 활용하고 엔비디아와 장기 인프라 협력을 병행하는 계획을 유지하고 있다.

결국 MTIA의 성과는 44% 비용 절감과 40% 전력 효율 개선이라는 회사 측 수치가 생성형 AI 추론 작업에서 얼마나 재현되는지에 달려 있다. 메타는 MTIA 여러 세대를 2026년과 2027년에 걸쳐 개발·배치할 예정이다.