국산 AI 반도체가 통신사 인프라에 들어간다는 소식이 이달 나왔습니다. 리벨리온의 차세대 칩 REBEL(리벨) 이 SK텔레콤에 공급된다는 내용이에요.

반가운 소식인데, 일정을 정확히 보면 헤드라인보다 한 박자 뒤입니다. 그리고 물량이 아직 안 정해진 이유가 이 산업의 진짜 문제를 보여줍니다.

발표 시점과 실제 투입 시점 사이의 간격 개념 컷 발표 시점과 실제 투입 시점 사이의 간격 개념 컷 — 출처: 개념 컷 · agy 자가 생성

지금 어디까지 왔나

SK텔레콤에 국산 NPU 가 들어간 순서 SK텔레콤에 국산 NPU 가 들어간 순서 — 출처: 보도 종합 기반 자가 렌더

ZDNet Korea가 8월 12일 보도한 내용을 정리하면 이렇습니다.

항목 현재 상태
공급 시기 10월 예상
도입 물량 막판 논의 중
상용 서비스 적용 내년께 전망

칩이 10월에 건너가고, 그걸 받아 전담 조직이 내부 테스트를 돌린 뒤, 상용 서비스에는 단계적으로 투입합니다. 공급 확정 과 서비스 투입 사이에 반년 넘는 간격이 있는 거예요.

이게 늦다는 뜻은 아닙니다. 통신사 인프라에 새 칩을 넣는 일이 원래 그렇습니다. 다만 “국산 NPU가 실제 서비스에 들어갔다”고 읽으면 시점이 어긋납니다.

이미 들어가 있는 건 이전 세대입니다

SK텔레콤이 국산 NPU를 처음 써 보는 건 아닙니다. 오히려 이력이 꽤 쌓여 있어요.

  • SK텔레콤 AIDC에 리벨리온의 아톰(ATOM) 과 아톰 맥스가 이미 활용 중입니다
  • 반려동물 X-ray 분석 서비스 엑스칼리버에는 2025년 8월부터 아톰이 적용됐습니다
  • 그 사이 세대인 리벨100은 올해 5월 기준 추가 도입을 검토하는 단계였고, 성능에 대한 의구심이 일부 남아 있다는 평가도 함께 나왔습니다

그러니까 이번 REBEL은 처음 들어가는 칩이 아니라 세 번째 세대입니다. 두 회사가 이미 대규모 AI 인프라와 서비스 운영에서 손발을 맞춰 봤다는 점이 이번 결정의 배경이고요.

관계자 표현으로는 리벨 칩 스펙이 기대 이상으로 나오면서 SK텔레콤 내부에서도 도입에 적극적이라고 합니다.

물량을 막은 건 성능이 아니라 단가였습니다

성능 곡선이 아니라 값에서 갈리는 구조 개념 컷 성능 곡선이 아니라 값에서 갈리는 구조 개념 컷 — 출처: 개념 컷 · agy 자가 생성

여기가 이 소식에서 가장 눈여겨볼 대목입니다. 도입 수량이 아직 안 정해진 이유로 지목된 건 최종 공급 단가가 정해지지 않았다는 것이었어요.

성능이 모자라서가 아닙니다. 값이 안 맞아서입니다.

엔비디아와 겨루는 자리는 성능표가 아니라 청구서입니다

국산 NPU 이야기가 나올 때마다 벤치마크 배수가 먼저 나옵니다. 그런데 데이터센터를 운영하는 쪽이 실제로 계산하는 건 총소유비용이에요. 칩 값에 전력, 냉각, 소프트웨어 이식 비용, 운영 인력까지 더한 값이요.

엔비디아 GPU는 비싸지만 이미 돌아가는 소프트웨어가 있습니다. 새 칩으로 옮기려면 그 이식 비용을 누가 부담하느냐가 남고요. 성능이 좋아도 그 차액을 못 메우면 물량이 안 나옵니다.

단가 협상이 길어진다는 건 그 계산이 아직 아슬아슬하다는 신호로 읽힙니다.

그래서 무엇을 봐야 하나

리벨쿼드가 발표한 H200 대비 배수 리벨쿼드가 발표한 H200 대비 배수 — 출처: 리벨리온 발표 수치 기반 자가 렌더

리벨리온이 공개한 수치부터 짚겠습니다. REBEL은 삼성 파운드리 4나노 공정으로 만들고 HBM3E 144GB에 4.8TB/s 대역폭을 답니다. 넉 장을 묶은 리벨쿼드는 엔비디아 H200 대비 연산 처리량 1.2배, 전력 효율 2.4배라고 밝혔어요.

다만 이건 제조사 자체 발표입니다. 제3자 검증 결과가 아니고, 어떤 작업으로 쟀는지도 함께 봐야 합니다.

앞으로 볼 것

  • 10월 공급 물량이 몇 장으로 정해지는지. 단가 협상 결과가 여기 드러납니다
  • 내년 상용 투입이 어느 서비스부터인지 — 내부 인프라인지, 이용자가 쓰는 서비스인지
  • 제3자 벤치마크가 나오는지. 자체 발표 배수만으로는 판단이 어렵습니다
  • 칩과 칩을 잇는 규격을 무엇으로 정하는지. 추론은 학습보다 이 부담이 덜하지만 언젠가는 정해야 합니다

같은 시기 퓨리오사AI도 TSMC 5나노 공정의 RNGD를 올해 양산합니다. LG 엑사원 3.5 실증에서 GPU 대비 전력당 성능 2.25배가 나왔다고 하고요. 두 회사 다 추론에 초점을 맞춘 게 공통점입니다. 학습 시장은 이미 엔비디아가 잡고 있으니 그 옆칸을 노리는 전략이에요.

발표가 실제 매출로 바뀌는 구간을 지나고 있습니다. 이 시기엔 발표 수치보다 단가와 물량이 더 정확한 지표입니다.

참고 출처