# Arm CEO가 말한 AI 시대의 반도체 설계와 공급망 > 2026-09-03 · No Priors · 큐레이션 김태우 > https://challengekim.com/insights/arm-ceo가-말한-ai-시대의-반도체-설계와-공급망 > 원문: https://www.youtube.com/watch?v=85Y6h_jbRfs ## 핵심 요약 - Arm은 CPU 설계 자산을 제공하는 사업에서 설계 요소를 묶은 컴퓨트 서브시스템으로 확장했고, 메타의 요청을 계기로 완제품 CPU도 내놓았다. - 하스 CEO에 따르면 복잡도에 따라 24\~36개월이 걸리는 칩 개발에서 설계 자체보다 검증·확인·디버깅에 더 많은 시간이 든다. 그는 AI가 특히 이 과정에 유용하다고 말했다. - AI 도구가 설계를 빠르게 해도 메모리, 웨이퍼, 패키징, 데이터센터 구축과 자본 조달은 별개의 제약으로 남는다. - 하스는 추론 작업이 늘수록 CPU가 생성된 토큰을 분배하고 시스템을 조율하는 역할이 중요해진다고 설명했다. ## 설계 자산에서 완제품 CPU로 Arm의 주력 사업은 스마트폰, 데이터센터, 자동차 등에 쓰이는 CPU 코어의 설계 자산을 고객사에 사용 허가하는 것이다. 고객사는 자체 생산 시설을 이용하거나 설계한 칩의 제조를 외부 업체에 맡긴다. 하스에 따르면 Arm은 개별 CPU·GPU 설계 자산을 공급하는 데서 여러 요소를 조합하는 방법까지 제시하는 **컴퓨트 서브시스템**으로 범위를 넓혔다. 제품 개발 속도가 중요해지는 동안 칩 제조에는 더 긴 시간이 걸리고 있었기 때문이다. 그는 이 방식이 고객의 출시 시간과 비용을 줄였다고 말했다. 완제품 CPU는 그다음 단계였다. 하스는 메타가 범용 에이전트용 CPU를 원했지만 이를 공급할 업체를 찾지 못해 Arm에 공동 개발을 제안했다고 설명했다. Arm은 기존 고객들에게 이 방향을 미리 논의했다. 하스는 시장에 사용 가능한 소프트웨어가 늘면 Arm 기반 칩을 만드는 고객에게도 이익이라는 반응을 들었다고 전했다. 완제품 공급에는 새로운 역량이 필요하다. Arm은 자체 반도체 공장을 짓겠다는 계획 없이 생산 업체와 협력하지만, 웨이퍼·기판·메모리 확보와 공급망 운영을 직접 다뤄야 한다. 물리적 칩을 구현하고 시험할 인력과 시설도 갖춰야 한다. ## AI가 줄일 수 있는 시간과 아직 남은 한계 하스는 칩의 복잡도에 따라 개발에 24\~36개월이 걸리며, 설계안을 만드는 작업보다 **검증·확인·디버깅·문서화**에 더 많은 시간이 든다고 말했다. 그는 AI가 이 업무에 강점이 있고, 현재 Arm 엔지니어의 약 80\~90%가 매일 AI를 사용하는 것으로 추정했다. 반면 칩의 동작을 기술하는 RTL 코드를 만들거나 이를 실제 물리적 배치로 구현하는 작업에서는 도구가 아직 충분히 성숙하지 않았다고 봤다. 관련 정보 상당수가 기업 내부에 있어 공개 자료로 학습한 모델만으로는 한계가 있다는 설명이다. Arm은 이 간극을 좁히기 위해 모델 개발사들과 협력하고 있다. 하스는 자사가 보유한 설계 자산뿐 아니라 문서와 시험 환경도 AI 활용에 도움이 될 수 있다고 말했다. 개발 기간이 곧바로 몇 달로 줄어들 것이라는 전망에는 선을 그었다. 하스는 2\~3년 안의 변화는 알 수 없다고 답했고, 5년 이상을 내다보면 비교적 단순한 설계에서는 아이디어에서 제조용 설계 파일까지 이어지는 과정이 가능할 수 있다고 봤다. 특정 고성능 칩보다 빠르고 저렴하며 효율적인 제품을 버튼 한 번으로 설계하는 수준은 아니라는 조건도 덧붙였다. ## 설계 이후에는 공급망이 기다린다 하스는 새로운 AI 칩 기업이 혁신적인 설계를 갖추더라도 제품을 만들려면 막대한 자본과 메모리·기판 공급 업체와의 관계가 필요하다고 강조했다. 그는 현재의 공급 제약이 적어도 3\~5년은 이어질 것으로 예상했다. 이 전망은 AI 학습과 추론에 쓰이는 방식이 계속 많은 연산과 메모리를 요구한다는 전제에 따른 것이다. 다음 제약으로는 데이터센터 구축을 꼽았다. 건설에 필요한 노동력과 개발 제한이 일정에 영향을 줄 수 있다는 것이다. 데이터센터 구축이 더 빨라지더라도 웨이퍼나 메모리 생산 능력이 제약이 될 수 있다고 봤다. 하스는 수요 대비 공급이 과도한 상태라는 견해에는 동의하지 않았지만, 기업 가치 평가의 문제는 이와 구분했다. 자본 지출이 큰 분야의 신생 기업에는 공급망 업체, 금융기관 등과의 조기 전략적 협력이 중요하다고 조언했다. 소프트뱅크가 추진하는 클라우드 사업 구상이 젊은 칩 기업에 제품을 적용할 기회를 줄 수 있다는 설명도 했다. 이는 향후 가능한 역할에 관한 이야기로, 개별 기업의 공급 계약을 뜻하지는 않는다. ## 로봇 시장의 가능성과 비용 문제 하스는 정해진 작업에 맞춰 기계와 소프트웨어를 설계하던 기존 로봇과 달리, 학습하거나 다시 프로그램할 수 있는 로봇이 더 다양한 작업을 맡을 수 있다고 예상했다. 사람의 작업 공간에 맞는 인간형과 특정 작업에 특화된 형태가 모두 쓰일 수 있다는 견해다. 다만 초기 시장을 단정하지는 않았다. 로봇 가격이 높고 구매자가 비용을 감당할 사업 모델도 아직 검증되지 않았다고 말했다. 그는 공장 자동화와 물류·배송을 비교적 이른 적용 분야로 봤다. Arm의 기술은 로봇 말단의 감지용 마이크로프로세서와 주요 연산 장치에 쓰일 수 있다고 설명했다. ## 추론이 늘어날 때 CPU의 역할 AI 인프라의 관심이 가속기에 집중됐지만, 하스는 시스템 전체에서 CPU의 역할이 사라지지 않는다고 봤다. 가속기가 토큰을 생성한다면 CPU는 토큰이 어디로 가야 하는지 판단하고 작업을 조율한다는 설명이다. 메모리 역시 함께 필요한 구성 요소다. 이 역할은 데이터센터뿐 아니라 자동차, 로봇, 휴대전화, 착용형 기기에도 적용된다고 말했다. 특히 작은 기기에는 전력 소모가 큰 GPU를 넣기 어려워 일부 AI 처리를 기기 안에서 해야 한다. 하스는 이 영역을 전력 효율을 강조해 온 Arm의 기회로 봤다. 하스의 설명에서 AI 시대 칩 경쟁은 설계 속도만으로 결정되지 않는다. 검증 도구의 성숙도, 부품 확보, 생산 능력, 데이터센터 구축, 그리고 시스템 안에서 CPU가 맡는 역할이 함께 제품의 실현 가능성을 좌우한다. --- 원문을 바탕으로 AI 가 한국어로 요약·재구성한 글입니다. 인용·수치는 원문 링크에서 확인해 주세요. [원문 링크](https://www.youtube.com/watch?v=85Y6h_jbRfs)