Ricursive Intelligence is betting on AI-designed chips to help solve the compute crisis

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

Ricursive Intelligence는 반복 학습하는 AI로 칩 설계를 자동화·가속하고 칩과 생산 자원의 효율을 높여 급증하는 컴퓨팅 수요에 대응하려 한다.

📌 핵심 요약

• Ricursive Intelligence 공동창업자 Anna Goldie와 Azalia Mirhoseini는 TechCrunch Disrupt에서 설계 결과를 반복 학습해 후속 칩 설계를 개선하는 AI를 개발하고 있다고 밝혔다.
• Goldie는 향후 5년간 컴퓨팅 수요가 최소 10,000배 증가할 것이라는 전망을 제시하며, 데이터센터를 그만큼 늘리기보다 칩·대역폭·웨이퍼·반도체 공장의 이용 효율을 높여야 한다고 주장했다.
• Goldie는 AI가 칩 설계의 실행을 맡으면 인간은 애플리케이션 개발과 창의적인 아이디어, 컴퓨팅의 새로운 활용 가능성에 집중할 수 있다고 설명했다.
• 창업자들이 앞서 개발한 AlphaChip은 엔지니어들의 예상을 벗어난 도넛 모양의 부품 배치를 성공적으로 구현했다. 두 사람은 칩을 수십 개의 작은 블록으로 나누는 전통적 방식 대신 칩 전체를 최적화하며, 물결 모양 같은 복잡한 설계도 가능하다고 밝혔다.
• Goldie는 새 칩 설계에 6개월·1년·2년이 걸리는 대신 약 일주일 만에 설계할 수 있다면 우주·AR·VR·생물학적 컴퓨팅 등 다양한 분야의 맞춤형 칩이 경제성을 갖추고 에너지 효율도 높아질 수 있다고 주장했다.

🧩 주요 포인트

1. 컴퓨팅 수요 최소 10,000배 증가 전망 → Ricursive Intelligence는 데이터센터 증설 부담에 대응할 수단으로 칩과 생산 자원의 효율 개선을 제시한다.
2. AlphaChip의 비전형적 배치와 칩 전체 최적화 → AI가 기존 설계 관행을 넘어 성능 개선 가능성을 탐색한다는 것이 창업자들의 설명이다.
3. 칩 설계 기간을 약 일주일로 줄일 수 있다는 가정 → 맞춤형 칩의 경제성과 적용 분야가 확대될 수 있지만, 기사에서 이 기간은 달성 실적으로 제시되지 않았다.

🧠 상세 정리

1. 반복 학습으로 칩 설계 자동화를 추진하는 Ricursive Intelligence

Ricursive Intelligence 공동창업자 Anna Goldie와 Azalia Mirhoseini는 TechCrunch Disrupt 무대에서 AI를 활용한 칩 설계 구상을 소개했다. 이들이 개발하는 AI는 칩을 설계하고, 각 반복 과정에서 학습한 내용을 다음 설계의 개선에 활용하는 것을 목표로 한다. 창업자들이 제시한 방향은 이러한 반복 학습을 통해 칩 설계 과정을 자동화하고 속도를 높이는 것이다. 두 사람은 더 효율적인 AI 칩 설계가 컴퓨팅 자원 부족 문제를 해결하는 데 도움이 될 수 있다고 보며, 설계 자동화를 급증하는 컴퓨팅 수요에 대응하기 위한 수단으로 설명했다.

2. 수요 증가에 대응하는 칩·인프라 이용 효율

Goldie는 향후 5년 동안 컴퓨팅 수요가 최소 10,000배 늘어날 것이라는 전망을 제시하면서, 이 수치조차 다소 보수적일 수 있다고 말했다. 이는 기사에서 확인된 수요 증가 실적이 아니라 그가 제시한 미래 전망이다. 그는 이에 대응하려고 데이터센터를 10,000배 더 건설하는 상황을 원하지 않는다며, 칩 자체의 효율과 데이터센터 대역폭의 이용 효율을 높여야 한다고 주장했다. 또한 웨이퍼와 반도체 공장을 더 효율적으로 활용하는 것도 같은 방향의 과제로 언급했다. 우주에 데이터센터를 지으면 태양이 보이지 않을 것이라는 과장된 표현을 덧붙이며, 시설 확장의 부담과 효율 개선의 필요성을 강조했다.

3. AI의 설계 실행과 인간의 창의적 역할

기사는 AI가 자신이 사용할 칩을 설계한다는 생각에 일부 사람들이 두려움을 느낄 수 있다는 반응도 짚었다. 이에 대해 Goldie는 AI에 칩 설계를 맡기면 인간이 애플리케이션을 개발하고 컴퓨팅으로 할 수 있는 일을 넓히는 새로운 가능성을 탐색하는 데 집중할 수 있다고 주장했다. 그가 설명한 역할 분담은 인간이 좋은 아이디어와 창의적인 생각을 제시하고 AI가 실행을 담당하는 방식이다. Goldie는 이런 변화가 칩 설계뿐 아니라 소프트웨어 개발 등에서도 일어나고 있다고 말하며, Ricursive Intelligence가 칩 설계에서 그 역할을 수행하려 한다고 설명했다.

4. 도넛 모양 배치에서 칩 전체 최적화로

창업자들은 AI가 전통적인 설계보다 더 나은 결과를 낼 수 있는 비전형적 배치를 발견하면서 기존 칩 설계 방식에 도전하고 있다고 설명했다. 근거로 두 사람이 앞서 개발한 AlphaChip을 들었는데, 이 시스템은 칩 부품을 원형의 도넛 모양으로 배치해 처음에는 엔지니어들을 놀라게 했지만 결과적으로 성공적이었다고 한다. 두 사람은 현재 칩을 수십 개의 작은 블록으로 나누는 전통적 접근 대신 칩 전체를 최적화하고 있다고 밝혔다. 이러한 접근으로 물결 모양을 포함한 복잡한 패턴을 만들 수 있다며, 관련 내용을 앞으로 더 공개할 계획이라고 덧붙였다. 다만 기사에는 해당 설계의 구체적인 성능 수치나 비교 결과가 제시되지 않았다.

5. 설계 시간 단축이 열 수 있는 맞춤형 칩의 가능성

Goldie는 새로운 칩을 설계하는 데 6개월이나 1년, 또는 2년이 걸리면 어떤 칩을 만들지 매우 신중하게 선택할 수밖에 없다고 설명했다. 반면 약 일주일 만에 칩을 설계할 수 있다면 우주·AR·VR·생물학적 컴퓨팅 등 다양한 용도의 맞춤형 칩을 설계하고 제조하는 일이 경제적으로 타당해질 수 있다고 주장했다. 창업자들은 AI 설계가 이전에는 가능하지 않았을 여러 종류의 칩을 만들 수 있게 할 것으로 기대하며, Goldie는 에너지 효율 개선 가능성도 언급했다. 다만 약 일주일이라는 기간은 이러한 가능성을 설명하기 위한 조건부 가정이며, 기사에서 Ricursive Intelligence가 이미 달성한 설계 시간으로 확인되지는 않는다.

🧾 핵심 주장 / 시사점

• Ricursive Intelligence의 구상은 설계 자동화와 자원 효율을 연결한다. 설계를 빠르게 만드는 것과 함께 칩·대역폭·생산 자원을 효율적으로 활용하는 것이 컴퓨팅 수요 대응의 핵심으로 제시된다.
• AlphaChip의 도넛 모양 배치는 익숙하지 않은 설계도 성공할 수 있다는 사례다. 다만 이 사례만으로 Ricursive Intelligence의 칩 전체 최적화 성능까지 입증되는 것은 아니다.
• 맞춤형 칩의 적용 확대는 설계 기간을 크게 줄일 수 있다는 가정에 연결되어 있다. 약 일주일이라는 조건과 실제 달성 결과를 구분해야 창업자들이 제시한 경제성 주장을 정확히 이해할 수 있다.

✅ 액션 아이템

• 향후 5년간 컴퓨팅 수요 최소 10,000배 증가 전망을 전제로, Ricursive Intelligence가 제시한 칩·대역폭·웨이퍼·반도체 공장의 효율 개선 가능성을 검토한다.
• AlphaChip의 도넛 모양 배치 사례와 칩 전체 최적화 접근을 바탕으로, 비전형적 설계가 성능 개선으로 이어지는 근거를 확인한다.
• 약 일주일의 칩 설계 기간을 조건부 가정으로 구분하고, 우주·AR·VR·생물학적 컴퓨팅용 맞춤형 칩의 경제성 주장을 검토한다.

❓ 열린 질문

• Goldie가 제시한 향후 5년간 컴퓨팅 수요 최소 10,000배 증가 전망은 어떤 근거에 기반하는가?
• Ricursive Intelligence의 칩 전체 최적화는 전통적인 블록 분할 방식과 비교해 성능과 자원 효율을 얼마나 개선할 수 있는가?
• 약 일주일 만의 칩 설계라는 가정이 실제로 구현될 경우, 우주·AR·VR·생물학적 컴퓨팅용 맞춤형 칩의 경제성과 에너지 효율은 얼마나 달라지는가?