ArticleNVIDIA Writers·2026년 11월 16일·0

How the World’s Most Advanced AI Infrastructure Supply Chain Invents the Future

Quick Summary

NVIDIA 운영 책임자 뎁 쇼퀴스트는 AI 플랫폼을 대량생산하는 데 장기 협력사의 현장 지식, 생산능력을 키우는 투자, 공장 성과에 따른 주간 칩 배분이 함께 작용한다고 설명했다.

How the World’s Most Advanced AI Infrastructure Supply Chain Invents the Future 관련 대표 이미지

🖼️ 인포그래픽

How the World’s Most Advanced AI Infrastructure Supply Chain Invents the Future 내용을 설명하는 본문 이미지

🖼️ 4컷 인포그래픽

How the World’s Most Advanced AI Infrastructure Supply Chain Invents the Future의 핵심 내용을 4단계로 요약한 인포그래픽
How the World’s Most Advanced AI Infrastructure Supply Chain Invents the Future 핵심 내용을 4단계로 압축한 4컷 인포그래픽

💡 한 줄 요약

NVIDIA 운영 책임자 뎁 쇼퀴스트는 AI 플랫폼을 대량생산하는 데 장기 협력사의 현장 지식, 생산능력을 키우는 투자, 공장 성과에 따른 주간 칩 배분이 함께 작용한다고 설명했다.

📌 핵심 요약

  • TSMC는 1998년부터 NVIDIA와 협력했고, SPIL과 King Yuan Electronics(KYEC)는 20여 년 전에도 NVIDIA 칩을 조립·검사했다. 쇼퀴스트는 주요 공급사와 분기마다 만나며 매년 6주간 협력사 현장을 방문한다.
  • 쇼퀴스트가 꼽은 협력사 선정 기준은 증산에 투자할 재무 여력, 정밀한 설계를 구현할 기술력, 새로운 시도에 나설 의지다. Amphenol은 케이블 가닥 1,500개가 들어가는 카트리지에 요구되는 1 DPPM 미만의 불량 수준과 생산 속도를 맞추기 위해 자동화 라인 100개 이상을 구축했다.
  • NVIDIA는 데이터센터 시스템으로 사업을 넓히면서 광부품 생산능력 확대를 위해 Coherent와 Lumentum에 투자했다. CPO(공동 패키징 광학) 분야에서는 광학 분야에 새로 진입한 대량생산 협력사와 공급망을 구축하고 있다.
  • NVIDIA는 매주 공장별 수율과 칩 체류 시간을 보고 TSMC 칩을 배분하고, 다이 식별번호부터 고객 송장까지 칩을 추적한다. 쇼퀴스트에 따르면 수급 상황상 필요할 때 TSMC 칩 출고부터 Foxconn·Wistron의 시스템 출고까지 걸리는 시간을 5주에서 2주로 줄였다.
  • NVIDIA GB200 컴퓨트 보드의 초기 증산 과정에서 자동 검사 장비의 처리량이 계획을 밑돌자 협력사들은 수백 명을 투입해 검사 장비에 보드를 수동으로 넣으며 생산을 이어갔다. 이후 NVIDIA와 Foxconn의 엔지니어들이 라인을 재설계하고 재가동했다.

🧩 주요 포인트

  1. 현장 방문과 장기 협력으로 공정의 제약을 파악하면, 증산을 요청할 때 어느 라인에 어떤 지원이 필요한지 구체화할 수 있다.
  2. 광부품 협력사에는 기술력과 의지가 있어도 증설 자본이 부족했다. 시스템 사업으로의 전환은 NVIDIA가 협력사의 생산능력 확보에도 투자하게 된 배경이다.
  3. 주간 칩 배분과 GB200 검사 라인 대응은 서로 다른 시간 제약을 보여준다. 공장 성과는 매주 물량에 반영하고, 수작업으로 확보한 시간은 본격 양산에 필요한 처리량을 갖추는 데 썼다.

🧠 상세 정리

1. 1998년부터 이어진 협력과 현장 방문

NVIDIA에서 AI 플랫폼의 공급망과 제조를 총괄하는 뎁 쇼퀴스트는 2026 Dr. Lisa Su Woman of Innovation Award를 받으며, 새로운 설계를 대규모로 생산할 협력사를 어떻게 찾고 함께 일하는지 설명했다. TSMC는 1998년부터 NVIDIA와 협력했고, SPIL과 King Yuan Electronics(KYEC)는 20여 년 전부터 NVIDIA 칩의 조립과 검사를 맡았다. 쇼퀴스트는 주요 공급사와 분기마다 만나고, 해마다 6주를 들여 대만·중국·한국·베트남·미국의 협력사를 방문한다. 그가 기억하는 사람들 가운데는 생산 문제의 해법을 찾자 새벽 3시에 전화한 대만 공급사 관계자와, 일을 더 할 수 있게 도구를 더 달라고 했던 베트남 공장 작업자들이 있다. 쇼퀴스트는 NVIDIA가 작았을 때부터 함께한 이들과 공장에서 문제를 하나씩 해결하면서 협력 관계가 깊어졌다고 말했다.

2. 협력사 선정 기준을 보여주는 Amphenol의 케이블 카트리지

쇼퀴스트는 설계도를 실제 제품으로 옮기는 자신의 일을 정밀한 설계 요건과 증산 속도에 맞는 협력사를 찾는 일에 비유했다. 협력사에는 증산에 투자할 재무 여력, 설계를 구현할 기술력, 해본 적 없는 일에 나설 의지가 필요하며, 두 조건만 갖춘 기업에는 NVIDIA가 직접 투자해 부족한 부분을 채우기도 한다. 그가 최근 방문한 Amphenol의 베트남 공장에서는 이 회사가 만든 상호연결 조립품 중 가장 복잡한 케이블 카트리지가 본격 생산되고 있었다. 카트리지 하나에는 작은 케이블 가닥 1,500개가 들어가며, 불량을 100만 개당 1개 미만인 1 DPPM 미만으로 유지하려면 가닥마다 정밀하게 조립해야 한다. Amphenol은 이 정밀도를 지키면서 NVIDIA가 요구한 속도와 물량을 맞추기 위해 자동화 라인을 100개 넘게 구축했다.

3. 데이터센터 시스템으로 넓어지며 달라진 투자 역할

NVIDIA가 주로 칩을 팔던 시기에는 회사 규모가 작았고 반도체 산업은 이미 대량생산 기반을 갖추고 있어, 구상한 제품에 가장 적합한 기술을 가진 공급사를 고르는 것이 주된 과제였다. 데이터센터 시스템을 만들기 시작하면서 더 많은 협력사가 필요해졌고, 일부 부품에서는 공급업계 전체의 생산능력이 아직 NVIDIA가 원하는 물량에 미치지 못했다. 쇼퀴스트에 따르면 광부품 협력사들은 기술과 참여 의지가 있었지만 필요한 규모의 제조시설을 지을 자본과 생산 기반이 부족했고, 이것이 NVIDIA가 Coherent와 Lumentum을 지원하고 투자한 이유였다. CPO(공동 패키징 광학)에서는 대량생산 경험이 있으면서 광학 분야에는 새로 진입한 협력사들과 공급망을 구축하고 있다. 쇼퀴스트는 서로 다른 분야의 인력을 연결해 함께 일하게 하는 것이 이 기술을 빠르게 양산하는 데 중요하다고 봤다.

4. 공장 작업자가 말하는 증산의 조건

쇼퀴스트는 20년에 걸쳐 공급사와 일하며 경영진뿐 아니라 생산 라인을 직접 운영하는 사람들을 만나야 제조상의 어려움을 구체적으로 알 수 있었다고 말했다. 현장과 신뢰가 쌓이면 작업자들은 기술 지원이나 품질 엔지니어가 더 필요하다는 점, 설계를 바꾸거나 특정 공정을 자동화해야 한다는 점, 자재를 더 확보해 둬야 한다는 점을 솔직하게 이야기한다. 이런 대화는 수요가 늘어 특정 라인의 생산량을 빠르게 끌어올려야 할 때 실제 판단 근거가 된다. 담당자와 공정을 자세히 아는 상태라야 어느 부분을 더 가동할 수 있는지 짚어서 협조를 구할 수 있고, 현장에서도 그 요청이 현실적인지 판단할 수 있다는 설명이다. 쇼퀴스트는 이렇게 요청한 증산을 양측이 함께 해내는 경험이 다음번에도 어려움을 털어놓고 도움을 구할 수 있는 관계를 만든다고 말했다.

5. TSMC 칩의 주간 배분과 시스템 출고 시간

쇼퀴스트는 공급망에서 먼저 보호해야 할 핵심 부품으로 TSMC 칩을 꼽았다. NVIDIA는 매주 조립을 마치고 나오는 칩을 어느 공장에 보낼지 정하면서, 공장별 수율과 칩이 해당 공장에 머무는 시간을 함께 살핀다. 수율이 낮거나 칩을 보유하는 시간이 기대 수준에 맞지 않는 공장에는 그 주에 칩을 추가로 배정하지 않는다고 설명했다. 이 판단을 뒷받침하는 것은 개별 칩의 이동 기록으로, NVIDIA는 다이에 붙은 식별번호부터 고객에게 발행한 송장까지 모든 칩을 추적하며 공급사에도 이 과정을 지원하도록 요구한다. 쇼퀴스트에 따르면 이 방식으로 수급 상황상 속도를 높여야 할 때 TSMC에서 칩이 나온 시점부터 Foxconn과 Wistron에서 완성된 시스템이 출고되기까지 걸리는 시간을 5주에서 2주로 단축했다.

6. GB200 검사 라인을 수작업으로 유지하고 재설계한 과정

Foxconn과 Wistron이 NVIDIA GB200 컴퓨트 보드 양산을 준비할 때, 마지막 검사 단계에 새로 도입한 자동 장비의 초기 처리량이 계획을 크게 밑돌았다. 대만 제조 운영 책임자는 제품과 출하 일정을 지키기 위해 자동 투입 공정을 중단했고, 협력사들은 수백 명의 작업자를 투입해 보드를 검사 장비에 수동으로 넣으며 생산을 이어갔다. 수작업은 당장의 출하에는 도움이 됐지만 본격 양산에 필요한 처리량까지 감당하기는 어려웠다. 문제에는 검사 트레이의 조립과 설계, 자동화 장비의 하드웨어와 제어 소프트웨어, 제품 수율이 함께 얽혀 있었다. NVIDIA의 설계·생산·제품·검사 엔지니어와 Foxconn의 자동화 엔지니어가 라인에 모여 본격적인 증산 전에 공정을 재설계하고 재가동했다. 쇼퀴스트는 수요에 맞춰 공급망을 계속 바꿀 수 있는 이유로, 이런 문제가 생겼을 때 부서 경계를 넘어 인력과 자원을 동원할 수 있다는 점을 들었다.

🧾 핵심 주장 / 시사점

  • Amphenol 사례에서 협력사의 투자 의지는 실제 설비 규모로 드러난다. 케이블 한 가닥을 정밀하게 조립하는 기술을 카트리지 전체에 적용하면서도 양산 속도를 내려면 100개가 넘는 자동화 라인이 필요했다.
  • 쇼퀴스트의 설명에서 현장과의 신뢰는 생산 판단에 쓰이는 정보를 얻는 조건이다. 작업자가 설계나 자재의 문제를 솔직히 말할 수 있어야 NVIDIA도 실행 가능한 증산을 요청할 수 있다.
  • GB200 사례에서 수동 투입과 라인 재설계는 각각 다른 문제를 풀었다. 작업자들은 당장 필요한 출하를 이어갔고, 엔지니어들은 본격 양산 때도 필요한 처리량을 낼 수 있도록 공정을 바꿨다.

✅ 액션 아이템

  • 협력사의 증산 가능성을 판단할 때 재무 여력, 기술력, 새로운 시도에 나설 의지를 함께 점검한다.
  • TSMC 칩의 주간 배분을 검토할 때 공장별 수율과 칩 체류 시간을 함께 살핀다.
  • GB200 사례를 바탕으로 당장 출하를 이어갈 때 필요한 인력과 본격 양산의 처리량을 확보하는 데 필요한 공정 개선을 구분한다.

❓ 열린 질문

  • NVIDIA는 공장별 수율과 칩 체류 시간이 어느 수준일 때 그 주의 TSMC 칩 추가 배분을 중단하는가?
  • TSMC 칩 출고부터 Foxconn·Wistron의 시스템 출고까지 걸리는 시간을 5주에서 2주로 줄여야 한다고 판단하는 수급 조건은 무엇인가?
  • Coherent와 Lumentum에 대한 투자로 NVIDIA가 필요로 하는 광부품 생산능력을 어느 정도 확보했는가?

관련 문서

공통 태그와 주제 흐름을 기준으로 같이 보면 좋은 문서를 이어서 제안합니다.