9월 17일 화웨이가 상하이에서 어센드 로드맵을 앞당겼고, 닷새 뒤 알리바바가 항저우 아프사라 컨퍼런스에서 자체 AI 칩 전우 V900 을 공개했다. 같은 주에 나온 두 발표를 "중국이 엔비디아를 따라잡았다"로 읽으면 절반만 보는 것이다. 숫자를 보면 두 회사가 택한 길이 분명하게 드러난다. 단일 칩 성능으로는 지고 있고, 그래서 개수로 싸우기로 했다. 이 글은 공개된 사양을 정리하고, 이 전략이 실제로 어디까지 통할지 따져본다.
알리바바는 칩과 모델을 같이 키운다
전우 V900 은 이전 세대 M890 대비 성능이 3배라고 알리바바는 밝혔다. 눈에 띄는 건 개별 성능보다 연결 규모다. 최대 50만 장을 하나의 클러스터로 묶어 학습과 추론에 쓸 수 있다고 했다. 양산과 상용 출시는 2027년 1분기 목표다.
모델 쪽 계획도 같이 나왔다. 현재 주력인 Qwen 3.8 Max 가 2조 4천억 파라미터인데, 학습 중인 Qwen 4 와 이어질 Qwen 4.5, Qwen 5 를 5조에서 10조 파라미터 규모로 올리겠다고 했다. 지금의 네 배다.
인프라 계획은 더 크다. 알리바바 클라우드의 글로벌 데이터센터 용량을 2032년까지 20기가와트 이상으로 늘리겠다는 목표를 내놨다. CEO 우융밍은 "기계 지능 시대의 진정으로 획기적인 제품은 아직 오지 않았다"고 말했다. 발표 당일 알리바바 주가는 5.1% 올라 한 달 만의 최고치를 찍었다.
화웨이는 일정을 통째로 당겼다
화웨이 커넥트 2026 에서 순환회장 데이비드 왕이 발표한 내용은 일정표 자체가 메시지였다.
어센드 960DT 는 원래 계획보다 세 분기 앞당겨 2027년 1분기에 나온다. 추론용인 960PR 은 한 분기 당겨 2027년 3분기다. 이후로는 연 1세대 주기를 유지해 어센드 970 은 2028년, 980 은 2029년으로 잡았다. 화웨이는 이 속도를 "타오의 법칙"이라 부르며 연산 규모를 두 배로 늘리면서 메모리 대역폭과 용량, 인터커넥트 대역폭을 함께 키우겠다고 했다.
공개된 사양은 이 주기가 빈말이 아님을 보여준다. 960DT 는 FP8 기준 2 PFLOPS, FP4 4 PFLOPS 에 HBM 288GB 를 9.6TB/s 로 붙인다. 2028년 어센드 970 은 FP8 3.6 PFLOPS 에 288GB/14.4TB/s, 2029년 980 은 FP8 7.2 PFLOPS 에 384GB/38.4TB/s 로 예고돼 있다. 세대마다 연산을 두 배로 올리면서 메모리 대역폭을 더 크게 키우는 구조다.
랙 단위 제품도 붙는다. 공랭식 아틀라스 860 슈퍼팟이 2027년 2분기, 액랭식 아틀라스 960 슈퍼팟이 2027년 3분기다. 둘 다 근접 패키징 광학(NPO)을 쓴다. 아틀라스 960E 슈퍼팟은 NPU 4,096장을 묶어 256TB 통합 메모리 풀을 만들고, 10조 파라미터 모델 학습에서 이전 세대 대비 처리량 2.3배를 주장한다.
수요도 이미 있다. 딥시크가 내몽골 데이터센터에 어센드 950DT 를 최소 16만 장 배치해 추론에 쓸 계획으로 알려졌다.
개수로 성능을 만들면 비용이 따라온다
두 회사의 전략은 같은 제약에서 나왔다. 미국 수출 규제로 최신 엔비디아 가속기를 충분히 들여올 수 없으니, 칩 하나의 성능이 부족한 만큼 더 많이 연결한다. 50만 장 클러스터와 연 1세대 주기, 슈퍼팟은 전부 이 문장의 변주다.
이론적으로 가능한 접근이다. 학습은 병렬화가 잘 되는 작업이고, 칩이 절반의 성능이면 두 배를 쓰면 된다.
문제는 그 대가가 공짜가 아니라는 점이다. 개수를 늘리면 인터커넥트 대역폭이 병목이 되고, 통신 오버헤드가 커지면 실효 효율은 선형으로 따라오지 않는다. 전력도 그만큼 더 든다. 화웨이가 메모리 대역폭과 인터커넥트를 함께 키우겠다고 명시한 것이나, 알리바바가 20기가와트라는 전력 목표를 칩 발표와 같은 자리에서 말한 것은 이 대가를 알고 있다는 뜻이다. 캘리포니아와 EU 가 같은 주에 데이터센터 전력·물 규제를 내놓은 것도 결국 같은 곡선 위에 있다.
그리고 결정적인 단서가 하나 남는다. 중국의 주요 AI 연구소들은 모델 학습에 여전히 엔비디아 GPU 에 크게 의존하고 있다. 국산 칩이 먼저 자리를 잡은 쪽은 추론이다. 딥시크가 어센드를 16만 장 넣겠다는 곳도 추론 데이터센터다.
그래서 이 발표를 어떻게 읽을 것인가
추론과 학습을 나눠서 보면 그림이 선명하다.
추론은 이미 넘어가는 중이다. 모델이 정해져 있고 연산 패턴이 반복되는 작업이라, 칩 하나가 조금 느려도 개수로 메우기 쉽고 소프트웨어 스택도 좁게 맞추면 된다. 여기서는 국산 칩이 충분히 쓸 만하고, 실제로 쓰이고 있다.
학습은 아직이다. 최신 모델을 처음부터 학습시키는 일은 통신 효율과 안정성에 훨씬 민감하고, 프레임워크와 커널 최적화가 쌓인 시간도 필요하다. Qwen 5 를 10조 파라미터로 올리겠다는 계획이 전우 V900 위에서 온전히 돌아가는지가, 이 전략이 성공했는지를 판별하는 지점이 될 것이다. 그 답은 양산이 시작되는 2027년 이후에나 나온다.
밖에서 이 상황을 보는 개발자에게 당장 달라지는 것은 없다. 다만 하나는 기억해둘 만하다. Qwen 계열은 가중치가 공개돼 왔고, 앞으로 나올 모델도 국산 칩에서 돌리는 것을 전제로 최적화될 가능성이 크다. 오픈 웨이트 모델을 직접 서빙하는 팀이라면, 2027년쯤에는 선택지 목록에 엔비디아가 아닌 하드웨어가 하나 더 들어와 있을 수 있다.
참고 자료
'IT' 카테고리의 다른 글
| TypeScript 7 출시, Go 컴파일러로 10배 빨라졌다 (0) | 2026.09.29 |
|---|---|
| Rust 근황, 리눅스 커널이 실험을 끝냈다 (0) | 2026.09.28 |
| VS Code에서 Git 쓰기, 줄 단위 스테이징부터 (0) | 2026.09.27 |
| 캘리포니아 데이터센터 7법, AI 전기요금은 누가 내나 (0) | 2026.09.27 |
| VS Code 확장 정리 기준과 문제 확장 찾는 법 (0) | 2026.09.26 |