메타는 왜 구글 AI 칩도 사용할까?
AI 칩의 성능표 옆에, 소프트웨어를 옮기는 비용도 놓아보세요.
“AI는 엔비디아 GPU로 돌리는 것 아니었나요?” 메타가 구글 TPU를 활용한다는 소식을 보면 자연스럽게 떠오르는 질문이에요. 칩을 고르는 일에는 이미 쓰던 도구를 계속 쓸 수 있느냐는 문제도 들어 있습니다.
구글 칩을 쓴다면 엔비디아를 모두 바꾸는 건가요?
그렇게 읽으면 발표 범위를 넘어요. 무엇이 실제 운영에 들어갔는지 확인하고, 선택을 가능하게 한 소프트웨어의 변화를 살펴볼게요.
공개 자료를 바탕으로 구성한 교육용 대화이며 실제 인터뷰 인용이 아닙니다.
노란색 용어를 누르면 아래 설명으로 이동합니다.
메타가 쓴다는 소식, 어디까지 확인됐을까요?
2026년 10월 20일 Google은 TPU에서 PyTorch를 기본 방식으로 지원하는 새로운 vLLM·SGLang 추론 엔진을 발표했어요. 같은 글에는 Meta가 SGLang-TorchTPU를 실제 운영에 사용하고 있다는 설명과 Meta 담당자의 확인이 담겨 있습니다.
이번에 확인된 새 사실은 소프트웨어 도입과 실운영입니다. Meta 자체 데이터센터의 TPU 구매 계약을 발표한 자료로 읽으면 범위를 넘어가요. 무엇을 샀는지보다 먼저, 무엇을 실행할 수 있게 됐는지 살펴볼게요.
이미 훈련한 AI가 질문을 받아 답을 만드는 과정을 추론이라고 해요. vLLM·SGLang은 이 답변 작업을 여러 사용자에게 효율적으로 전달하도록 돕는 소프트웨어입니다. 칩만 빨라도 이 통로가 잘 연결되지 않으면 서비스 운영이 어려워요.
GPU·TPU는 AI 계산을 수행하는 장치예요. GPU는 다양한 병렬 계산에, Google의 TPU는 텐서 계산에 맞춘 설계를 사용합니다. 이름만으로 특정 서비스의 승자를 정할 수는 없어요.
칩의 경쟁에는 소프트웨어 이전 비용도 있어요
새 식당의 주방이 아무리 좋아도 모든 조리 도구와 작업 순서를 새로 익혀야 한다면 이전이 망설여지겠죠. AI 인프라도 비슷해요. 기존 코드를 옮기고, 맞는 답을 내는지 확인하고, 장애에 대응하는 데 사람과 시간이 듭니다.
칩의 계산 능력뿐 아니라 기존 개발 도구를 얼마나 재사용하는지가 선택에 영향을 줍니다. 이 비용은 계약서의 칩 가격표에 모두 드러나지 않아요. 이를 이해하면 좋은 반도체가 나왔는데도 고객이 곧바로 옮기지 않는 이유를 설명할 수 있어요.
PyTorch는 AI 모델을 만들고 실행하는 데 쓰는 개발 도구예요. Google의 TorchTPU는 TPU를 PyTorch의 기본 장치로 연결하는 방식입니다. 익숙한 도구로 TPU에 접근할 수 있는 길을 넓히려는 변화죠.
쉽게 실행하는 것과 최고의 효율을 얻는 것은 다릅니다. Google도 TPU 특성에 맞는 모델 조정과 최적화가 필요할 수 있다고 설명해요. 모든 GPU용 코드가 수정 없이 같은 성능으로 작동한다는 뜻은 아닙니다.