- 구글이 차세대 텐서 칩셋 생산을 위해 파운드리 파트너를 삼성에서 TSMC로 전환할 것이라는 주장이 나왔다.
- TSMC에서 제조하는 첫 번째 텐서 G5 칩은 올해 말 픽셀 10 시리즈와 함께 출시될 예정이다.
- 향후 3~5년 텐서 기기에 탑재되는 텐서 칩셋을 TSMC에서 위탁 생산할 계획이다.
- 픽셀 10 시리즈에 탑재될 텐서 G5는 삼성 파운드리가 아닌 TSMC의 3나노 공정에서 생산된다고 한다.
- 텐서 G5 칩셋은 애플, 미디어텍, 퀄컴 플래그십과 동일한 TSMC 3나노 공정으로 제조된다.
개요
텐서 칩은 구글이 자체적으로 설계한 시스템 온 칩(SoC)으로, 특히 인공지능(AI) 및 머신러닝(ML) 작업에 최적화되어 있다. 텐서 칩은 구글의 픽셀(Pixel) 기기, 특히 픽셀 6와 이후 모델에 탑재되어 AI 기반 기능들을 강화하는 데 사용된다.



텐서 처리 장치 (TPU)
텐서 처리 장치(TPU)는 구글에서 개발한 AI 가속기 ASIC(Application-Specific Integrated Circuit)이다. 텐서플로(TensorFlow) 소프트웨어를 사용하여 신경망 머신 러닝을 가속화하는 데 사용되며, 2015년부터 구글 내부에서 사용되었고 2018년부터는 클라우드 인프라의 일부로 제3자에게도 제공되었다.
- 설계 특징: TPU는 벡터/행렬 연산의 병렬 처리에 특화되어 있으며, 낮은 정밀도 연산에서 높은 효율성을 보인다.
- CPU 및 GPU와의 비교: TPU는 CNN(합성곱 신경망)에 적합하며, GPU는 일부 완전 연결 신경망에, CPU는 RNN(순환 신경망)에 더 유리할 수 있다.



구글 텐서 칩의 발전
구글은 텐서 칩을 지속적으로 발전시켜 왔으며, 각 세대별로 특징적인 개선 사항을 보인다.
모델 | 출시일 | 제조 공정 | 특징 |
---|---|---|---|
Tensor G1 | 2021년 10월 | 5nm LPE (Samsung) | 듀얼 Cortex-X1 코어, Edge TPU (Abrolhos) NPU |
Tensor G2 | 2022년 10월 | 5nm (Samsung) | 향상된 TPU, Cortex-A78 미들 코어 |
Tensor G3 | 2023년 10월 | 4nm (Samsung) | Cortex-X3 빅 코어, 3세대 Edge TPU (Rio) NPU |
Tensor G4 | 2024년 8월 | 4nm (Samsung) | 구글이 TSMC 생산을 시도했으나 실패, 기존 TPU 재탕 |
Tensor G5 (예상) | 2025년 4분기 | 3nm (TSMC) | TSMC에서 생산, 새로운 아키텍처 예상 |
표: 텐서 칩 모델별 특징
텐서 G5 및 TSMC 협력
구글은 텐서 G5부터 삼성과의 협력을 줄이고 TSMC와의 파트너십을 강화할 계획이다. 텐서 G5는 TSMC의 3nm 공정에서 생산될 예정이며, 이를 통해 성능과 전력 효율을 개선할 것으로 기대된다. 일부 보고서에 따르면 구글은 픽셀 14 시리즈까지 TSMC와 협력할 계획이며, 이는 2029년까지 이어질 수 있다.



텐서 칩의 중요성 및 전략적 가치
구글이 텐서 칩을 자체 개발하는 이유는 다음과 같다:
- 수직 통합: 칩 설계부터 운영체제, 클라우드 서비스까지 전체 스택을 통합하여 최적화된 사용자 경험을 제공.
- AI 및 ML 리더십 강화: 텐서 칩은 구글의 AI 알고리즘을 효율적으로 실행하고, 새로운 AI 기반 기능을 구현하는 데 중요한 역할을 한다.
- 차별화된 경험 제공: 텐서 칩을 통해 사진, 음성 인식, 실시간 번역 등에서 혁신적인 기능 제공이 가능하다.



경쟁 환경
구글은 텐서 칩을 통해 스마트폰 시장에서 경쟁력을 강화하고자 한다. 경쟁사 대비 차별화된 AI 기능을 제공하고, 하드웨어와 소프트웨어의 통합을 통해 사용자 경험을 개선하는 데 집중하고 있다.
논란 및 우려
- 성능: 텐서 칩의 CPU 성능은 경쟁사 칩에 비해 상대적으로 낮은 성능을 보인다.
- 전성비: 일부 테스트에서 텐서 칩의 전성비가 낮게 측정되기도 했다.
결론
구글 텐서 칩은 AI 시대에 발맞춰 혁신적인 기능과 사용자 경험을 제공하기 위한 구글의 핵심 전략이다. TSMC와의 협력을 통해 향후 텐서 칩의 성능과 효율성을 더욱 개선하고, AI 분야에서의 리더십을 강화할 수 있을지 주목할 필요가 있다.