Custom ASIC 시대 — TPU · MTIA · Trainium · Maia

하이퍼스케일러 자체 AI 칩이 NVIDIA를 위협할 수 있는가? Broadcom · Marvell 파트너십 구조 해부 기간: 2026-04-13 ~ 2026-04-19 | 2026 Q1 실적 + Custom ASIC 시장 종합

이 문서는 어떤 독자를 위한 것인가

이 문서는 투자 지식은 있으나 이공계 전공 배경이 없는 독자를 위해 쓰였다. "Google TPU · Meta MTIA · AWS Trainium"이라는 이름은 들었지만 각자 어떻게 다르고 · 누가 설계·제조하는지 · NVIDIA에 얼마나 위협인지 혼란스러운 독자를 위한 문서다.

📚 선수 개념 (Prerequisites)

CoWoS: TSMC 독점 첨단 패키징. 모든 Custom ASIC도 CoWoS 사용. 상세: CoWoS — Concept Primer
HBM: AI 가속기 필수 메모리. Custom ASIC도 HBM 대량 탑재. 상세: HBM (High Bandwidth Memory) — Concept Primer
Foundry: 반도체 위탁 제조사. TSMC가 Custom ASIC 대부분 제조. 상세: Foundry · Fabless · IDM — Concept Primer

🧭 이 주의 핵심 질문 3개

Custom ASIC이 NVIDIA GPU를 대체할 수 있는가? → 1절·2절
Broadcom · Marvell의 구체적 포지션 차이는? → 2절·3절
2026-2028 Custom ASIC 시장 성장률과 투자 수혜는? → 3절·4절

0절. 본문에서 등장할 핵심 용어 (Quick Glossary)

약어	풀네임	직관적 정의
ASIC	Application-Specific Integrated Circuit	특정 용도 맞춤형 반도체
Custom ASIC	Custom ASIC	하이퍼스케일러 전용 설계 AI 칩
TPU	Tensor Processing Unit	Google 자체 AI 가속기
MTIA	Meta Training & Inference Accelerator	Meta 자체 AI 칩
Trainium	AWS Trainium	AWS 트레이닝 전용 AI 칩
Inferentia	AWS Inferentia	AWS 추론 전용 AI 칩
Maia	Microsoft Maia	Microsoft 자체 AI 칩
Cobalt	Microsoft Cobalt	Microsoft ARM 기반 CPU (Maia 파트너)
Axion	Google Axion	Google ARM 기반 CPU
Graviton	AWS Graviton	AWS ARM 기반 CPU
SoC	System-on-Chip	시스템 온 칩 (CPU + GPU + 메모리 통합)
NVLink	NVIDIA NVLink	NVIDIA GPU 간 인터커넥트
Spectrum-X	NVIDIA Spectrum-X	NVIDIA Ethernet 솔루션
InfiniBand	InfiniBand	Mellanox/NVIDIA 고대역폭 네트워크
Rubin CPX	Rubin Compute eXtender	NVIDIA Rubin 추론 전용 버전
TCO	Total Cost of Ownership	총 소유 비용
Hyperscaler	Hyperscaler	대규모 클라우드·AI 운영사

1절. 핵심 기술 — Custom ASIC은 왜 만들어지는가

1.1 Custom ASIC의 정의

ASIC = Application-Specific Integrated Circuit = 특정 용도 집적회로

GPU · CPU 같은 범용 칩 과 달리, ASIC은 특정 작업(AI 추론 등)에 최적화된 전용 반도체.

Custom ASIC: 일반 ASIC을 특정 고객 전용 으로 추가 커스터마이징.

1.2 왜 하이퍼스케일러가 자체 ASIC을 만드나

이유 1: TCO 절감

NVIDIA H100 대비 워크로드 최적화 시 30-50% TCO 절감 가능
Google 2015년 TPU 투자 이후 AI 운영비 크게 절감

이유 2: NVIDIA 공급 제약 우회

NVIDIA H100 · B200 지속 공급 부족
자체 ASIC으로 일부 워크로드 독립
협상력 확보

이유 3: 차별화된 워크로드

Google 검색 랭킹 · 광고 모델
Meta Llama 훈련 · 광고 추천
AWS Bedrock · Anthropic 호스팅
Microsoft OpenAI 서비스
→ 각기 다른 최적화 요구

이유 4: 데이터센터 전력 효율

NVIDIA 대비 전력 효율 20-40% 개선 가능 (특정 워크로드)
전력 병목 완화

1.3 Custom ASIC vs GPU 차이

항목	NVIDIA GPU	Custom ASIC
설계	범용	특정 워크로드 최적화
공급	시장 판매	해당 하이퍼스케일러 전용
CUDA	전체 지원	자체 SDK (호환 없음)
개발 비용	분산 (수천 고객)	단일 고객 (수억 $ per generation)
양산 시점	1년 cadence	2-3년 cadence
경쟁 상태	압도적 (75-85%)	성장 중 (10-15%)
가격	고가	TCO 30-50% 절감

1.4 구조적 한계 — 왜 NVIDIA를 완전 대체 못 하나

한계 1: CUDA 생태계

NVIDIA CUDA 개발자 2,000만+
모든 AI 연구실 · 스타트업 기본 표준
Custom ASIC은 자체 SDK → 생태계 없음

한계 2: 범용성

새 모델 (GPT-5, Gemini 2) 등장 시 NVIDIA 즉시 지원
Custom ASIC은 설계 재시작 2-3년

한계 3: 개발 비용

한 세대 개발 $500M+
소규모 하이퍼스케일러 불가능

1.5 Custom ASIC 설계 · 제조 생태계

Loading diagram

2절. 하이퍼스케일러별 Custom ASIC 현황

2.1 Google TPU — 가장 성숙한 Custom ASIC

역사:

2015: TPU v1 (Inference 전용, 내부 사용)
2017: TPU v2 (Training 지원)
2023: TPU v5 Trillium
2025: TPU v6
2026: TPU v7 예정

현황:

Broadcom (AVGO) 설계·제조 파트너 (12년+)
연 수백만개 생산
Google Cloud Vertex AI에 배치
Anthropic 독점 공급 계약 (Google Cloud)

2026 데이터:

Anthropic 2026 1GW+ 컴퓨트 = TPU 수십만개
2027 목표 100만 chip

2.2 Meta MTIA — Llama 훈련 전용

역사:

2020 내부 개발 시작
2023 MTIA v1 공개 (Inference)
2026 MTIA v3 출시

현황:

Broadcom 파트너십 (일부), 설계 상당 부분 자체
TSMC N3 + HBM3E
Meta AI Research 용 + 광고 추천

한계:

훈련 성능 NVIDIA H200 수준
NVIDIA 대비 20-30% 효율 열위 (추정)

2.3 AWS Trainium / Inferentia — 2축 전략

AWS Trainium (트레이닝):

2021 Trainium1 출시
2026 Trainium3 양산 (2.52 PFLOPS FP8, 144GB HBM3e)
2026-2027 Trainium3 Ultra (128GB HBM4)
Marvell 설계 파트너

AWS Inferentia (추론):

2019 Inferentia1
2023 Inferentia2
2026 Inferentia3 루머

AWS Graviton (ARM CPU):

Trainium과 함께 사용
Graviton4 (2024) · Graviton5 (2026 예정)

2026 현황:

Anthropic $13B+ 독점 공급 계약
Trainium3으로 30%+ 자체 공급

2.4 Microsoft Maia — Azure OpenAI 전용

역사:

2023 Maia 100 공개
2026 Maia 200 양산

현황:

Marvell 설계 파트너
Azure OpenAI Service 전용
Cobalt (ARM CPU) 함께 사용
Stargate 프로젝트 일부 (OpenAI 호스팅)

한계:

OpenAI는 여전히 NVIDIA H200 · B200 대량 사용
Maia는 보조적 역할

2.5 Apple — M-series + AI 칩 루머

현황:

M-series (2020~) : Apple Silicon, iPhone · Mac · iPad
서버용 AI 칩 개발 루머 (2026-2027)
Anthropic · OpenAI 대화 보도

2.6 China — Huawei Ascend · Alibaba Hanguang

Huawei Ascend 910B / 920

SMIC 7nm 제조
중국 내 NVIDIA H100 대체재
상세: 중국 반도체 자립 — SMIC · CXMT · YMTC의 사투

Alibaba Hanguang 800

Alibaba Cloud 전용
추론 전용

2.7 Custom ASIC 시장 규모

구분	2025	2026E	2028E	CAGR
Custom ASIC 시장	$35B	$70B	$150B	50%+
Broadcom AI 매출	$19B (Q1)	$85B (연)	$150B+	70%+
Marvell AI ASIC	$8B	$11B	$25B	40%+
NVIDIA 데이터센터	$200B	$280B	$400B	30%

2.8 투자자 관점에서 보면

Custom ASIC은 NVIDIA를 대체하지 못하나 잠식하고 있다. 2026-2028 Custom ASIC 시장은 NVIDIA 데이터센터 매출의 25-30% 규모로 확대 예상.

NVIDIA: 여전히 지배적이나 점유율 일부 잠식
Broadcom · Marvell: 대형 수혜, 독자적 성장 축
TSMC: 모든 Custom ASIC 제조 독점
HBM 3사: Custom ASIC도 HBM 대량 탑재 → 추가 수요

3절. 해자 분석 — 누가 지속 수혜자인가

3.1 Broadcom (AVGO) — Wide Moat

해자 원천

Custom ASIC 설계 70% 점유
Google TPU 12년 공동개발
Meta · ByteDance · Apple 일부 파트너
Co-Packaged Optics 3축 수직통합 — Custom ASIC + 광통신 + Ethernet Switch

경쟁 방어력

AI 수주 잔고 $73B (18개월)
하이퍼스케일러 설계 사이클 12년+ 누적
경쟁사 진입 3-4년 필요

리스크

NVIDIA Rubin 효율성 돌파 시 ASIC 정당성 약화
하이퍼스케일러 내재화 가속 (Meta 독립 설계)

3.2 Marvell (MRVL) — Strong Moat

해자 원천

AWS Trainium · Microsoft Maia 설계 파트너
광 DSP 50% 점유 (Inphi 인수)
Custom ASIC 30% 점유

경쟁 방어력

AWS 15년 공동개발
성장률 +40% YoY

리스크

Broadcom 대비 고객 집중도 높음 (AWS · MSFT)
AWS 내재화 가속 시 리스크

3.3 TSMC — 숨은 최대 수혜자

Custom ASIC 100%를 TSMC가 제조:

N3 (TPU, MTIA v3, Trainium3)
N2 (차세대 ASIC 2027-)
CoWoS-L 사용

결과: Custom ASIC 시장 성장 = TSMC 매출 증가

3.4 HBM 3사 — 2차 수혜

Custom ASIC도 HBM 대량 탑재:

Trainium3 Ultra: HBM4 128GB
TPU v7: HBM3e 확대
MTIA v3: HBM3e

의미: HBM 수요는 NVIDIA 전용이 아닌 Custom ASIC 포함 전체 AI 가속기에서 발생.

3.5 NVIDIA — 방어 전략

NVIDIA Rubin CPX — 추론 최적화

Rubin의 추론 전용 버전
Custom ASIC 대비 토큰당 비용 경쟁력
2026 H2 출시

Spectrum-X · NVLink Fusion

AI 클러스터 네트워크 락인
Custom ASIC 고객도 NVIDIA 네트워크 사용

CUDA 생태계 강화

소프트웨어 우위 유지
LLM · 컴퓨터 비전 · 자율주행 등 수직 확장

3.6 투자자 관점에서 보면

Custom ASIC 시대는 "NVIDIA 우위 유지 + Broadcom · Marvell 급성장 + TSMC · HBM 3사 이중 수혜" 구도.

투자 포지셔닝:

NVIDIA: 여전히 최대 수혜, 단 성장률 둔화 가능 (+30% YoY)
Broadcom: 독자적 수혜 축 (+70% YoY AI 매출)
Marvell: 2위 수혜 (+40%)
TSMC: 제조 독점 유지
SK하이닉스 · Samsung · Micron: HBM 수요 다변화

4절. 관련 IC 메모 (Back-links)

관련 메모	의미
HPSP IC 메모	Custom ASIC HBM Base die GAA 공정 간접

5절. 12-24개월 관전 KPI

5.1 Broadcom Q2-Q4 FY26 AI 매출

Q2 가이던스 $22B
연 $85B 목표 확인
측정: Broadcom 분기 실적

5.2 AWS Trainium3 Ultra 양산

2026 H2 HBM4 버전
Anthropic 공급 확대 확인

5.3 Google TPU v7 출시

2026 H2-2027 예정
Anthropic 계약 확대

5.4 Meta MTIA v3 Llama 5 훈련 비중

자체 훈련 몇 % MTIA 전환
NVIDIA 의존 감소 여부

5.5 NVIDIA Rubin CPX 시장 반응

Custom ASIC 대비 TCO 경쟁력
하이퍼스케일러 도입 결정

🧠 개념 사전

용어	풀네임	직관적 정의
ASIC	Application-Specific Integrated Circuit	특정 용도 반도체
Custom ASIC	Custom ASIC	하이퍼스케일러 전용 설계
TPU	Tensor Processing Unit	Google AI 가속기
MTIA	Meta Training & Inference Accelerator	Meta AI 칩
Trainium	AWS Trainium	AWS 트레이닝 칩
Inferentia	AWS Inferentia	AWS 추론 칩
Maia	Microsoft Maia	Microsoft AI 칩
Graviton	AWS Graviton	AWS ARM CPU
Axion	Google Axion	Google ARM CPU
Cobalt	Microsoft Cobalt	Microsoft ARM CPU
SoC	System-on-Chip	시스템 온 칩
Rubin CPX	Rubin Compute eXtender	NVIDIA Rubin 추론 버전
Spectrum-X	NVIDIA Spectrum-X	NVIDIA Ethernet
NVLink Fusion	NVLink Fusion	NVIDIA 72 GPU 랙 인터커넥트
CUDA	Compute Unified Device Architecture	NVIDIA GPU 생태계
TCO	Total Cost of Ownership	총 소유 비용
Hyperscaler	Hyperscaler	대규모 클라우드 운영사
CPO	Co-Packaged Optics	공동 패키지 광학 (Broadcom)

출처

Digest 메타데이터

생성일: 2026-04-19 (Phase 3 신규)
독자 가정: 투자 지식은 있으나 기술 배경 없는 비전공 투자자
분량: ~570줄
Mermaid: 1개 (ASIC 생태계)
에이전트: tech-explainer · industry-contextualizer · moat-educator · curriculum-synthesizer

Custom ASIC 시대 — TPU · MTIA · Trainium · Maia

이 문서는 어떤 독자를 위한 것인가

📚 선수 개념 (Prerequisites)

🧭 이 주의 핵심 질문 3개

0절. 본문에서 등장할 핵심 용어 (Quick Glossary)

1절. 핵심 기술 — Custom ASIC은 왜 만들어지는가

1.1 Custom ASIC의 정의

1.2 왜 하이퍼스케일러가 자체 ASIC을 만드나

이유 1: TCO 절감

이유 2: NVIDIA 공급 제약 우회

이유 3: 차별화된 워크로드

이유 4: 데이터센터 전력 효율

1.3 Custom ASIC vs GPU 차이

1.4 구조적 한계 — 왜 NVIDIA를 완전 대체 못 하나

한계 1: CUDA 생태계

한계 2: 범용성

한계 3: 개발 비용

1.5 Custom ASIC 설계 · 제조 생태계

2절. 하이퍼스케일러별 Custom ASIC 현황

2.1 Google TPU — 가장 성숙한 Custom ASIC

2.2 Meta MTIA — Llama 훈련 전용

2.3 AWS Trainium / Inferentia — 2축 전략

2.4 Microsoft Maia — Azure OpenAI 전용

2.5 Apple — M-series + AI 칩 루머

2.6 China — Huawei Ascend · Alibaba Hanguang

Huawei Ascend 910B / 920

Alibaba Hanguang 800

2.7 Custom ASIC 시장 규모

2.8 투자자 관점에서 보면

3절. 해자 분석 — 누가 지속 수혜자인가

3.1 Broadcom (AVGO) — Wide Moat

해자 원천

경쟁 방어력

리스크

3.2 Marvell (MRVL) — Strong Moat

해자 원천

경쟁 방어력

리스크

3.3 TSMC — 숨은 최대 수혜자

3.4 HBM 3사 — 2차 수혜

3.5 NVIDIA — 방어 전략

NVIDIA Rubin CPX — 추론 최적화

Spectrum-X · NVLink Fusion

CUDA 생태계 강화

3.6 투자자 관점에서 보면

4절. 관련 IC 메모 (Back-links)

5절. 12-24개월 관전 KPI

5.1 Broadcom Q2-Q4 FY26 AI 매출

5.2 AWS Trainium3 Ultra 양산

5.3 Google TPU v7 출시

5.4 Meta MTIA v3 Llama 5 훈련 비중

5.5 NVIDIA Rubin CPX 시장 반응

🧠 개념 사전

출처

이 digest에서 정의한 핵심 용어

이 digest 주변 개념 맵 (2-hop)