레거시 칩, AI 인프라의 잊힌 공급망

최신 GPU만으로는 시스템이 움직이지 않는다

IEEE Spectrum 보도는 Austin의 Phoenix Semiconductor가 단종된 중요 반도체를 대체하는 사업을 다뤘다. 기사에 따르면 Phoenix는 2023년 설립됐고, F/A-18F Super Hornet 같은 고가 장비가 작은 레거시 칩 하나 때문에 멈추지 않도록 off-the-shelf 반도체와 자체 interposer, 패키징을 조합해 기존 부품과 같은 핀아웃으로 동작하는 대체품을 만든다. 방산, 의료, 산업, 항공, 에너지 장비처럼 고가이지만 생산 수량은 적은 영역이 주요 시장이다.

AI 산업은 H100, Blackwell, 데이터센터 전력 같은 최신 병목을 말하는 데 익숙하다. 그러나 현실의 자동화 시스템은 오래된 PLC, 센서, 항공전자, 의료 장비, 통신 장비 위에서 돈다. 최신 모델이 아무리 좋아도 현장의 장비가 단종 부품 때문에 멈추면 AI는 실행 계층을 잃는다. 현대차 보스턴다이내믹스 완전자회사 실험이 피지컬 AI의 장기전을 말한다면, 레거시 칩은 그 물리적 장기전의 부품 문제다.

고혼합 저물량이라는 불편한 수요

대형 파운드리와 IDM은 높은 가동률과 긴 생산 런을 선호한다. IEEE Spectrum은 한 대형 팹의 생산 런이 최대 3년까지 이어질 수 있고, 소량 부품을 위해 라인을 바꾸는 일은 수익성에 맞지 않는다고 설명한다. 반대로 방산과 산업 장비는 필요한 부품 종류가 많고 수량은 적다. 이 불일치가 “아직 수요는 있지만 제품은 없는” 긴 꼬리를 만든다.

Phoenix Semiconductor의 ISO 9001 발표는 이런 시장에서 품질 관리가 왜 중요한지 보여준다. 대체 칩은 단순한 호환 부품이 아니다. 기존 보드, 펌웨어, 인증 체계와 충돌하지 않아야 하고, 고객은 “거의 같다”가 아니라 실제 시스템에서 같은 동작을 요구한다.

AI 자동화가 레거시 장비를 더 중요하게 만든다

공장과 물류센터에 AI 에이전트, 비전 모델, 로봇을 붙이면 구형 장비의 수명은 오히려 늘 수 있다. 모든 장비를 새로 바꾸기보다 기존 설비에 센서와 소프트웨어를 얹는 방식이 경제적이기 때문이다. 따라서 AI 전환은 레거시를 제거하는 프로젝트가 아니라 레거시와 최신 소프트웨어를 연결하는 프로젝트가 된다.

ARD 공개, 에이전트 검색 표준 경쟁의 시작이 소프트웨어 리소스 발견 표준을 다뤘다면, 제조 현장에는 부품과 장비의 발견 표준이 필요하다. 어떤 장비에 어떤 칩이 들어가고, 대체품은 무엇이며, 안전 인증은 어디까지 유효한지 추적하는 데이터가 없다면 AI 에이전트는 현장 의사결정을 신뢰성 있게 도울 수 없다.

한국 기업에는 공급망 서비스 기회가 있다

한국은 메모리, 파운드리, 디스플레이, 자동차, 방산, 조선, 배터리 제조 기반을 갖고 있다. 이 기반은 첨단 공정 경쟁만이 아니라 오래된 산업 시스템을 유지하는 서비스에서도 기회가 된다. 단종 부품 데이터베이스, 대체 가능성 평가, 시험 자동화, 인증 문서 생성, 현장 재고 예측은 AI가 붙을 수 있는 현실적 업무다.

NewCore 6600만달러, 에이전트 신원 전쟁이 소프트웨어 에이전트의 권한을 말했듯, 산업 AI도 누가 어떤 부품을 승인했고 어떤 장비에 적용했는지 감사 가능한 기록이 필요하다. 레거시 칩 대체는 기술 문제이면서 규제와 책임의 문제다.

국가 안보와 산업 회복탄력성의 접점

미국은 CHIPS and Science Act 이후 첨단 반도체 생산을 국가 전략으로 다루고 있다. 그러나 국방 장비의 가동률은 첨단 노드만으로 보장되지 않는다. NAVAIR의 F/A-18 Super Hornet 자료는 항공 플랫폼의 복잡성과 긴 수명을 보여준다. 장비 수명은 수십 년이고, 부품 시장의 수명은 그보다 짧다.

AI가 국방, 의료, 제조 의사결정에 들어갈수록 물리 인프라의 작은 병목은 더 큰 시스템 리스크가 된다. Phoenix 같은 회사가 주목받는 이유는 “오래된 칩”이 낡은 산업의 잔재가 아니라, 자동화된 미래를 계속 움직이게 하는 보험에 가깝기 때문이다.

자주 묻는 질문

Q1: 레거시 칩은 왜 지금 AI 뉴스인가요?

A: AI가 실제 장비와 공장에 붙을수록 오래된 하드웨어를 안정적으로 유지하는 능력이 자동화의 전제 조건이 되기 때문이다.

Q2: 대형 반도체 회사가 직접 만들면 되지 않나요?

A: 대형 회사는 대량 생산과 높은 가동률이 중요하다. 수백 개 단위의 고혼합 저물량 부품은 경제성이 맞지 않는 경우가 많다.

Q3: 대체 칩은 위험하지 않나요?

A: 위험할 수 있기 때문에 품질 관리, 테스트, 인증, 핀 호환성, 장기 공급 계획이 핵심이다.

Q4: 한국 기업에는 어떤 기회가 있나요?

A: 단종 부품 분석, 대체품 인증, 산업 장비 데이터베이스, 재고 예측, 시험 자동화 같은 공급망 서비스가 유망하다.

Q5: 최신 AI 칩 경쟁과 충돌하나요?

A: 아니다. 최신 AI 칩은 모델 성능을, 레거시 칩은 현장 시스템의 지속성을 좌우한다. 둘 다 필요하다.