OpenAI는 칩 설계용 모델을 제안하며, 비용 효율성이 오픈소스보다 우수할 것이라고 예상하고 있습니다

OpenAI는 칩 설계, 생명 과학 및 금융 분야로 고급 모델을 확장하고 있으며, 초기 투자 비용이 더 높은 모델이라도 더 적은 시도로 작업을 수행함으로써 투자 대비 효과를 볼 수 있다고 주장합니다.

로이터 통신은 9월 9일, 최고재무책임자(CFO) 사라 프리어가 9월 7일 샌프란시스코에서 열린 골드만삭스의 커뮤나코피아 + 테크놀로지 컨퍼런스에서 이와 같은 주장을 펼쳤다고 보도했습니다.

고가 모델과 저가 모델 사이에서 고민하는 기업들에게 있어, 이는 논의의 방향을 바꿔놓습니다. 오픈아이얼은 고객들이 토큰 가격이 가장 낮은 모델을 묻는 대신, 가장 저렴하게 작업을 완료할 수 있는 모델을 고려하도록 유도하고자 합니다.

칩 설계는 EDA를 대체하는 것이 아니라, 핵심적인 역할을 하는 것입니다

OpenAI는 엔지니어들이 현재 칩 개발에 사용하는tron설계 자동화 시스템을 대체하려는 것이 아닙니다. 오히려 OpenAI의 솔루션은 엔지니어들이 문제를 분석하고, 접근 방식을 평가하고, 특정 작업을 가속화하도록 지원함으로써 이러한 프로세스를 개선하는 데 도움을 줍니다.

프라이어에 따르면 특정 작업을 위해 개발된 AI에 대한 수요가 증가하고 있습니다. 로이터 통신이 보도한 바와 같이, 오픈AI는 사용량에 따라 가격을 책정하는 대신 해당 기업에 대한 AI의 효율성에 따라 가격을 정하는 비즈니스 모델을 테스트하고 있습니다.

이는 7월 17일 프라이어가 토큰 가격보다 "달러당 유용한 정보"의 중요성을 강조한 게시글과 일맥상통합니다. 저렴한 모델은 여러 번의 재시도와 검토, 그리고 사람의 개입이 필요할 수 있지만, 고가의 모델은 결과를 더 빨리 도출할 수 있어 오히려 비용 효율적인 선택이 될 수 있습니다.

할라피뇨를 자체 검증 사례로 활용

OpenAI의 독창성을 가장 명확하게 보여주는 사례는 바로 그들의 첫 번째 맞춤형 추론 칩인 할라페뇨(Jalapeño)입니다. OpenAI는 8월 25일 게시물을 자사의 AI 기술 덕분에 할라페뇨가 구상 단계부터 최종 제품 생산까지 단 9개월 만에 완료될 수 있었다고 밝혔습니다.

인공지능 덕분에 설계, 측정, 검증 주기가 단축되었습니다. 또한 인공지능은 산술 회로의 성능을 향상시키고 완성된 칩을 프로그래밍하는 데에도 사용되었습니다.

OpenAI는 GPT-OSS 120B, DeepSeek R1, Kimi K2.5에서 계산을 수행하는 데 사용된 엔비디아의 GB200 및 GB300과 비교했을 때, 할라피뇨 칩의 AI 작업 효율이 와트당 1.5~1.9배 더 높다고 주장했습니다.

8월 25일 Cryptopolitan 이 제공한 정보에 따르면 , 브로드컴이 설계한 칩은 오픈AI의 내부 용도로만 사용될 예정이며 시장 판매용은 아닙니다. 따라서 이러한 통계는 오픈AI의 자료일 뿐입니다. 세미애널리시스는 인퍼런스X 실행 과정을 관찰했지만,dent전체 테스트 스위트를 으로 재현하지는 않았습니다

작업당 비용 논리를 외부 데이터와 비교하여 검증함

프라이어는 오픈AI가 보급형 제품인 루나의 가격을 대폭 인하하기로 한 결정이 루나 사용량의 거의 10배 증가에 기여했으며, 코덱스의 사용자 수도 2500만 명으로 늘어났다고 로이터 통신에 밝혔습니다.

독립적dent 테스트는 가격 책정에 대한 일부 근거를 제공합니다. Artificial Analysis는 GPT-5.6 Luna의 가격을 Z.ai의 GLM-5.3과 비교하여 표준 작업에서 Luna의 가격은 약 0.18달러, GLM-5.3은 2.01달러인 것으로 나타났습니다.

하지만 이는 완전히 일방적인 비교는 아닙니다. GLM-5.3은 인공지능 분석 지능 지수에서 45점을 받았는데, Luna는 이에 비해 38점에 불과합니다. 따라서 OpenAI는 표준 작업당 가격 면에서 유리하지만, 반드시 최고의 성능을 자랑하는 AI는 아닙니다.

오픈아이얼이 뒤늦게 진입하는 분야

AI 기반 칩 설계는 이미 널리 활용되고 있습니다. 시놉시스는 자사의 생성형 AI 코파일럿이 정보 검색 시간을 40% 단축하고 문제 해결 시간을 10~20배 줄일 수 있다고 밝혔습니다.

케이던스는 6월 1일, 자사의 자율형 AI 엔지니어인 칩스택(ChipStack)이 일부 RTL 검증 주기를 5주에서 하루 미만으로 단축할 수 있다고 발표했습니다. 구글의 알파칩(AlphaChip) 또한 알파벳 산하의 여러 첨단 칩에 사용되고 있습니다.

그렇다면 OpenAI의 진정한 차별점은 AI가 칩 설계를 도울 수 있다는 주장 자체가 아닙니다. 오히려 OpenAI의 독자적인 모델이 더 낮은 비용으로 성공적인 결과를 도출할 수 있다는 점입니다.

왜 위험 부담이 계속 커지는 걸까요?

이러한 주장을 뒷받침하는 시장 규모는 엄청납니다. PwC는 9월 2일, 전 세계 AI 인프라 투자 지출이 2050년까지 31조 6천억 달러있으며, 연간 지출은 2026년 약 8천억 달러에서 2050년 1조 8천억 달러로것으로 전망했습니다. 이러한 지출 증가는 주로 칩과 ​​서버의 반복적인 업그레이드에 기인할 것으로 예상됩니다.

OECD 가 7월 10일에 발표한 AI 시장 보고서는 이와는 상반되는 점을 지적합니다. 컴퓨팅 성능, 칩 및 기타 핵심 투입 요소의 집중도가 여전히 높은 수준을 유지하고 있음에도 불구하고, 품질을 고려한 AI 모델 가격은 2024년 1월부터 2026년 4월 사이에 거의 80% 하락했습니다.

OpenAI는 모델, 소프트웨어, 실리콘 간의 긴밀한 통합을 통해 이러한 집중화를 효율성 이점으로 전환할 수 있을 것이라고 기대하고 있습니다. 만약 성공한다면, 완료된 작업당 비용이 토큰 가격보다 더 중요해질 수 있으며, 이는 AI를 풀스택 기업으로 발전시키는 또 다른 원동력이 될 것입니다.