구글의 자체 AI 칩이 엔비디아에 위협이 되는 이유

Google의 새로운 TPU 출시로 인한 변화

2026년 11월 9일, Google은 8세대 텐서 프로세서(TPU)를 기반으로 한 두 가지 새로운 컴퓨팅 시스템 구성인 8tx와 8i Max를 도입했습니다. Reuters에 따르면, 라인업의 확장은 AI 가속기 시장에서 Google과 Nvidia 간의 경쟁을 강화합니다. 이는 근본적으로 새로운 칩이 아니라 특정 계산 작업에 맞춰진 전문 시스템입니다.

TPU는 신경망에서 사용되는 연산을 위한 가속기입니다. 보다 광범위한 계산에 적합한 그래픽 처리 장치(GPU)와 달리, TPU 아키텍처는 주로 기계 학습 작업에 최적화되어 있습니다. 이는 특정 부하에서 장비의 보다 효율적인 사용을 가능하게 하지만, GPU에 대한 보편적인 이점을 보장하지는 않습니다.

새로운 시스템은 다양한 응용 시나리오를 위해 설계되었습니다:

• TPU 8tx는 기밀 정보 처리 및 기업 모델 운영을 포함한 안전한 AI 계산에 중점을 둡니다. 이 시스템은 TPU 8t 칩을 AMD EPYC 5세대 중앙 프로세서와 결합하여 처리 중 하드웨어 데이터 보호를 제공합니다. Google에 따르면, Boardfly 네트워크를 사용하면 TPU 8t에 비해 대기 시간이 최대 두 배까지 줄어듭니다.

• TPU 8i Max는 대량의 정보를 처리하는 AI 에이전트 및 모델을 위해 설계되었습니다. 하나의 패키지에 두 개의 TPU 8i 칩을 결합하여 기본 구성에 비해 컴퓨팅 리소스, 내장 SRAM 메모리 양 및 HBM 메모리 대역폭을 두 배로 늘렸습니다.

이러한 전문화는 AI 인프라에 대한 요구 사항의 변화를 반영합니다. 하나의 범용 솔루션 대신, Google은 신경망 훈련, 추론 — 이미 훈련된 모델로 요청을 처리하는 것, 안전한 계산 및 큰 컨텍스트 창과 작업을 위한 시스템을 개발하고 있습니다. 이를 통해 회사는 부하의 특성에 맞는 장비를 보다 정확하게 선택하고 운영 비용을 잠재적으로 줄일 수 있습니다.

AI 계산 비용이 주요 경쟁 분야가 되는 이유

독자적인 AI 칩을 개발함으로써 Google은 장비의 특성뿐만 아니라 컴퓨팅 인프라 비용의 상당 부분을 제어할 수 있습니다. 회사는 프로세서를 Gemini 신경망 및 클라우드 서비스에 맞춰 조정하여 일부 작업에서 Nvidia에 대한 의존도를 점진적으로 줄일 수 있습니다. 그러나 이 접근 방식의 경제적 효율성은 프로세서의 최대 속도가 아니라 특정 작업을 수행하는 비용에 의해 결정됩니다.

예를 들어, 높은 성능의 가속기는 전력을 너무 많이 소비하거나, 비싼 냉각이 필요하거나, 상당 시간 동안 유휴 상태로 남아 있을 경우 덜 유리할 수 있습니다. 따라서 TPU의 에너지 효율성은 장비의 선언된 전력만이 아니라 소비된 에너지 단위당 수행된 유용한 계산량을 기준으로 평가해야 합니다.

TPU와 GPU를 비교할 때 여러 지표를 고려해야 합니다:

• 추론 비용. 비교 가능한 응답 품질 및 생성 속도로 100만 개의 토큰을 처리하는 비용.

• 와트당 성능. 특정 전력 소비에서 수행된 유용한 계산의 양.

• 총 소유 비용 (TCO). 장비, 전원 공급, 냉각, 네트워크 및 유지보수 비용.

• 장비 활용도. 실제로 작업 실행에 사용된 컴퓨팅 파워의 비율, 유휴 시간이 증가하면 운영 비용이 증가합니다.

4월에 Google은 TPU 8t가 최대 2.7배 높은 훈련 성능을 제공하며, TPU 8i는 이전 세대 TPU에 비해 추론의 성능 대 가격 비율을 80% 향상시킨다고 발표했습니다. 이러한 수치는 Google의 자체 개발과의 비교를 반영하며, 현재 Nvidia 가속기에 대한 유사한 이점을 증명하지는 않습니다.

TPU와 GPU의 경쟁력은 비교 가능한 부하에서 동일한 AI 모델의 테스트 결과를 기반으로 평가해야 합니다. Google이 더 낮은 비용으로 유사한 품질과 속도의 요청 처리를 제공할 수 있다면, 이는 Google Cloud의 수익성을 높이거나 고객에 대한 요금을 낮출 수 있는 조건을 만들 것입니다. 개별 기술적 특성이 아니라 경제적 효과가 경쟁에서 중요한 요소가 될 수 있습니다.

개발자를 위한 Google과 Nvidia의 전쟁

Google의 전문 가속기 개발에도 불구하고, Nvidia는 중요한 경쟁 우위를 유지하고 있습니다 — CUDA 소프트웨어 생태계입니다. 이는 개발 도구, 라이브러리 및 최적화 수단을 결합하여 기존 소프트웨어 및 클라우드 환경에서 Nvidia GPU를 사용할 수 있게 합니다.

기업 고객에게 TPU로 전환하는 것은 장비 교체뿐만 아니라 모델 호환성 확인, 소프트웨어 도구의 적응, 새로운 시스템이 충분한 성능과 안정성을 제공하는지 확인해야 합니다. 추가 구현 비용은 더 저렴한 계산으로 인한 절감을 감소시킬 수 있습니다.

Google은 이러한 장벽을 줄이기 위해 노력하고 있습니다. 10월에 회사는 TorchTPU를 오픈 소스로 공개하여 PyTorch 모델을 텐서 프로세서에서 광범위한 코드 재작성 없이 사용할 수 있게 했습니다. 또한, 인기 있는 추론 도구인 vLLM과 SGLang에 대한 지원이 개발 중이며, 기존 AI 워크로드를 Google 하드웨어로 쉽게 전환할 수 있도록 하고 있습니다.

그러나 경쟁이 협력을 배제하는 것은 아닙니다. Google은 여전히 클라우드 인프라에서 Nvidia GPU를 사용하고 있으며, 9월에는 두 회사가 Emerald AI와 함께 데이터 센터의 에너지 효율성을 개선하기 위한 동맹을 결성했다고 발표했습니다. 이 이니셔티브에 대한 자세한 내용은 Google과 Nvidia의 협력에 관한 UNUM 기사에서 읽을 수 있습니다.

따라서 TPU는 현재 GPU의 완전한 대체품이 아니라 확장 가능한 대안으로 간주되어야 합니다. Nvidia에게 주요 위험은 대형 클라우드 운영자가 독립적으로 장비를 선택할 수 있는 옵션을 더 많이 얻고 적합한 컴퓨팅 작업을 점진적으로 자체 프로세서로 전환하는 것입니다.

독점 AI 칩이 Google Cloud의 수익에 미칠 수 있는 영향

TPU의 개발은 Alphabet의 급속히 성장하는 클라우드 비즈니스를 배경으로 특히 중요합니다. 2026년 3분기 보고서에 따르면 Google Cloud의 수익은 전년 대비 103% 증가하여 307억 달러에 달했습니다. 이 부문의 영업 이익은 전년의 36억 달러에 비해 111억 달러였으며, 영업 이익률은 약 36.2%로 상승했습니다.

성장은 기업 클라우드 서비스, AI 인프라 및 인공지능 기반 솔루션에 대한 수요 증가와 관련이 있습니다. Alphabet은 Google Cloud의 수익에 대한 TPU 시스템 판매의 상당한 기여를 특별히 언급했지만, 이 부문의 정확한 비중은 공개되지 않았습니다.

Google에게 독점 AI 칩은 두 가지 잠재적 재정적 이익의 원천을 만듭니다. 첫 번째는 Gemini, 검색 및 기타 서비스의 컴퓨팅 비용 최적화와 관련이 있습니다. 두 번째는 Google Cloud를 통해 고객에게 TPU를 제공하고 타사 데이터 센터에 설치할 수 있는 완제품 시스템을 판매하는 것입니다. 이 모델은 회사의 클라우드 인프라를 넘어 독점 가속기의 상업적 응용을 확장할 수 있게 합니다.

Google Cloud에게 클라우드 컴퓨팅은 추론 비용이 감소하면서도 요청 처리의 품질과 속도를 유지함에 따라 더 수익성이 높아질 수 있습니다. 그러나 이 효과는 장비 활용도, 고객에 대한 가격 책정 및 인프라 구축 비용에 따라 달라집니다.

3분기 동안 Alphabet의 자본 지출은 514억 달러에 달했으며, 자유 현금 흐름(FCF)은 -91억 달러로 부정적이었습니다. 기술 인프라에 대한 대규모 투자 외에도 FCF는 TPU 시스템 판매를 위한 재고 축적과 유럽연합 집행위원회의 52억 달러 벌금으로 영향을 받았습니다. 회사는 2026년 전체 연도에 대한 자본 지출 예측을 1,950억~2,050억 달러 범위로 유지했습니다.

높은 자본 지출, 장비 감가상각 및 데이터 센터 에너지 소비는 개별 컴퓨팅 작업의 비용이 감소하더라도 재무 결과에 압력을 가할 수 있습니다. 더욱이 Alphabet은 아직 TPU 판매의 수익성을 다른 Google Cloud 제품과 별도로 공개하지 않았습니다.

따라서 Alphabet (GOOGL) 주주에게 클라우드 비즈니스의 수익성은 인공지능 투자 효과를 평가하는 주요 기준 중 하나가 됩니다. 수익을 증가시키는 것뿐만 아니라 컴퓨팅 파워의 확장을 지속 가능한 이익과 긍정적인 현금 흐름으로 전환하는 것이 중요합니다.

Google의 강화가 Nvidia의 재무 결과에 미치는 위협

현재 Nvidia의 재무 지표는 솔루션에 대한 수요 약화를 나타내지 않습니다. 2027 회계연도 2분기, 2026년 7월 26일 종료 시점에 회사의 수익은 전년 대비 106% 증가하여 962억 달러에 달했습니다. 데이터 센터 부문은 890억 달러를 가져왔으며, 이는 전년 같은 기간보다 117% 증가한 수치입니다. Nvidia의 GAAP 기준 총 이익률은 75%였습니다.

그러나 급속한 시장 성장은 경쟁 환경의 변화를 배제하지 않습니다. Google 및 기타 대형 기술 회사가 일부 작업을 자체 가속기로 계속 전환하면 향후 GPU 구매에 영향을 미칠 수 있습니다. 이러한 전환은 특히 사용자 요청 처리 비용이 서비스 수익성에 직접적인 영향을 미치는 추론 부문에서 두드러질 수 있습니다.

증가하는 경쟁은 Nvidia에게 두 가지 잠재적 위험을 제기합니다. 첫째, 대안의 출현은 클라우드 운영자가 단일 공급업체에 대한 의존도를 줄이고 자본 지출을 재분배할 수 있게 합니다. 둘째, 경제적으로 매력적인 전문 가속기는 가격 압박을 강화하여 Nvidia가 높은 총 이익률을 유지할 수 있는 능력을 제한할 수 있습니다.

그러나 특정 계산 작업에서 Nvidia의 점유율 감소가 반드시 전체 수익 감소로 이어지는 것은 아닙니다. AI 에이전트의 개발, 모델의 복잡성, 인프라 확장은 GPU와 특수 프로세서에 대한 높은 수요를 유지할 수 있습니다. 또한 장비를 선택할 때 고객은 가속기의 가격뿐만 아니라 소프트웨어 호환성, 시스템 신뢰성 및 총 운영 비용도 고려합니다.

별도의 문제는 인프라의 수익성과 관련이 있습니다. 기술 회사가 데이터 센터를 많이 구축할수록 높은 장비 활용도를 유지하고 고객으로부터 충분한 수익을 얻는 것이 중요해집니다. UNUM은 이전에 이 문제를 분석 기사 “AI Boom on Borrowed Money.”에서 자세히 조사했습니다.

따라서 Nvidia에 대한 위협은 장비의 즉각적인 대체가 아니라 AI 가속기에 대한 수요 구조의 점진적인 변화에 있습니다. 산업이 빠르게 성장하는 한, 두 제조업체 모두 증가하는 계산 요구로부터 이익을 얻을 수 있습니다. 그러나 경쟁이 심화됨에 따라 투자자들은 판매 수익성, 가격 정책 및 주문의 안정성을 더욱 신중하게 평가해야 할 것입니다.

투자자가 주목해야 할 주요 지표

Google과 Nvidia 간의 경쟁은 장비 제조업체뿐만 아니라 기술 회사의 주주에게도 영향을 미칩니다. 장기적인 전망을 평가하려면 새로운 프로세서의 성능에 대한 진술에만 의존하지 않고 재무 결과를 컴퓨팅의 실제 경제와 비교해야 합니다.

주목해야 할 주요 지표:

그러나 Google Cloud와 Nvidia 데이터 센터 수익은 동일한 시장의 지표로 직접 비교할 수 없습니다. Alphabet의 클라우드 부문에는 다양한 서비스와 인프라 판매가 포함되며, Nvidia는 장비 및 데이터 센터 솔루션에서의 수익을 반영합니다.

투자자에게 중요한 다음 이벤트는 2026년 11월 17일 예정된 2027 회계연도 3분기 Nvidia 실적 발표입니다. 회사는 이전에 분기 수익을 약 1,080억 달러로 예측했으며, 2%의 편차가 있을 수 있습니다. 새로운 보고서는 대체 AI 가속기의 확장 속에서 수요 동향과 비즈니스 수익성을 평가할 수 있게 해줍니다.

회사의 발전과 관련된 출판물을 UNUM의 Nvidia 페이지에서 팔로우할 수 있습니다.

Google이 Nvidia를 이기지 못하는 이유

Google의 독점 프로세서는 특수 아키텍처, 클라우드 인프라 및 소프트웨어 도구의 결합으로 인해 더 심각한 경쟁 요인이 되고 있습니다. 회사는 자체 작업에 TPUs를 최적화할 뿐만 아니라 이를 외부 고객을 위한 상업 제품으로 점차 전환하고 있습니다.

그러나 개별 시스템의 기술적 이점이 TPUs가 Nvidia GPUs를 완전히 대체할 수 있음을 증명하지는 않습니다. 시장의 실제 변화는 컴퓨팅 비용, 개발 용이성, 장비 가용성 및 수익성을 손상시키지 않고 생산을 확장할 수 있는 Google의 능력에 달려 있습니다.

투자자에게 중요한 질문은 Alphabet이 TPU 개발을 지속 가능한 이익 성장으로 전환할 수 있는지, Nvidia가 증가하는 경쟁 속에서 높은 마진을 유지할 수 있는지 여부입니다. Google의 독점 AI 칩이 얼마나 심각한 위협이 되는지는 개별 기술 특성보다는 재무 결과와 컴퓨팅의 경제적 효율성이 보여줄 것입니다.