좋은 칩을 만드는 일은 AI 반도체 기업의 기본 책무다. 성능과 전력 효율, 안정성이 부족한 제품은 고객에게 선택받기 어렵다. 그러나 좋은 칩을 만들었다고 시장까지 만들어지는 것은 아니다. 반도체 기업을 이끄는 필자에게 중요한 질문은 그다음에 있다. 고객은 왜 이 칩을 선택해야 하는가.
제조기업은 불량을 줄이고 보안기업은 위험을 더 빨리 발견하며, 로봇기업은 변화하는 환경에서도 안정적으로 작동하는 제품을 만들려 한다. 공공기관 역시 반도체를 보유하는 것이 목적은 아니다. 주어진 예산 내에서 시설을 안전하게 관리하고, 서비스를 안정적으로 운영하려는 것이다.
고객이 구매를 결정하는 이유는 그 반도체가 만들어내는 결과다. '고객은 AI 반도체를 사지 않는다'라는 말은 성능의 중요성을 낮추려는 주장이 아니다. 성능이 고객의 어떤 문제를 해결하는지까지 설명해야 한다는 뜻이다.
성능표는 제품을 비교하는 출발점이다. 실제 도입을 검토하는 고객에게는 다른 질문도 남는다. 지금 사용하는 AI 모델을 옮길 수 있는가. 기존 장비와 소프트웨어를 얼마나 바꿔야 하는가. 개발에 얼마나 시간이 걸리고, 운영 중 문제가 생기면 누가 지원하는가.
이 질문들은 부수적인 기술지원 사항이 아니라 구매의 핵심 조건이다. 단품의 성능이나 가격이 유리해도 모델을 다시 개발하고, 시스템을 크게 변경해야 한다면 고객이 얻는 이익은 달라진다. 운영에 필요한 인력도 비용에 포함된다. 반도체의 경쟁력도 칩 한 개의 효율을 넘어 개발과 통합, 운영에 드는 시간과 비용까지 설명할 수 있어야 한다. 소프트웨어는 이 틈을 메우는 핵심이다.
고객이 필요한 여러 모델을 활용하고 모델과 기능의 변화에도 대응할 수 있어야 하는 범용성이 중요하다. 이를 위해 개발도구인 SDK와 실행 환경인 런타임이 갖춰져야 한다. 폭넓은 모델 지원과 검증할 수 있는 실행 조건이 함께 제시될 때 범용성은 고객이 채택할 근거가 된다.
이 관점은 엣지 AI에서 더욱 중요하다. 공장과 카메라, 로봇 가까이에서 AI가 작동하려면 연산 성능뿐만 아니라 전력과 발열, 응답 시간, 네트워크 환경을 함께 고려해야 한다. 데이터의 외부 전송이 부담스럽거나 연결이 불안정해도 필요한 기능을 유지해야 하는 현장도 있다.
이는 모든 AI를 엣지에서 처리해야 한다는 뜻은 아니다. 대규모 연산은 클라우드의 강점을 활용하고, 현장에서 반복적인 처리나 빠른 응답이 필요한 업무는 현장 가까이에서 수행할 수 있다. 고객의 문제에 맞는 실행 환경을 선택하는 것이 먼저다. 하드웨어와 모델, 소프트웨어는 그 목적에 맞게 구성해야 한다.
효과도 실제 업무의 언어로 확인해야 한다. 품질검사는 불량을 정확하게 찾아내면서 생산 흐름을 따라가야 한다. 영상분석은 필요한 정확도와 처리량을 유지하고 오경보를 관리할 수 있어야 한다.
작은 시험에서 기능이 작동했다는 사실을 넘어 실제 운영 규모의 성능과 시스템 전체의 전력, 유지관리 비용도 확인해야 한다. 실증을 시작할 때부터 고객과 성공 기준을 정해야 하는 이유다.
AI 반도체 기업이 모든 산업의 애플리케이션을 직접 만들 수는 없다. 그렇다고 칩을 제공한 뒤 활용의 어려움을 고객과 소프트웨어 기업의 몫으로 남겨서도 안 된다. 모델과 개발도구, 기술 문서, 평가 환경을 갖추고, 파트너가 자신의 전문성을 제품으로 구현하도록 돕는 일도 반도체 기업의 역할이다.
모빌린트도 NPU와 소프트웨어를 따로 설명하는 데 머물지 않고, 고객이 자신의 모델과 장비로 적용 가능성을 확인할 수 있도록 돕고자 한다. 제품 통합과 운영을 위한 과제를 고객·파트너와 함께 풀어가는 것이 우리가 지향하는 방향이다.
고객은 성능표의 숫자만을 사지 않는다. 더 나아진 제품과 업무, 줄어든 비용과 위험을 선택한다. 좋은 칩의 성능을 소프트웨어가 실제 가치로 연결할 때 고객이 선택할 이유가 생긴다. AI 반도체의 시장은 그 선택이 쌓이면서 넓어진다.
신동주 모빌린트 대표 dongjoo@mobilint.com
