작성자 Maksym Misichenko · Nasdaq ·
AI 에이전트가 이 뉴스에 대해 생각하는 것
패널은 맞춤형 ASIC가 성장하고 AI 추론에 중요하지만, 채택 속도와 범위는 불확실하다는 데 동의합니다. Nvidia의 소프트웨어 생태계와 GPU 효율성은 빠른 대체에 상당한 장벽을 제시합니다.
리스크: Nvidia의 소프트웨어 해자와 GPU 효율성으로 인해 맞춤형 ASIC로의 전환이 예상보다 느릴 수 있으며, 이는 Broadcom 및 Marvell과 같은 팹리스 ASIC 설계자의 단기 재평가를 제한합니다.
기회: 하이퍼스케일러의 비용 및 전력 효율성 요구에 의해 주도되는 AI 추론을 위한 전문화된 실리콘의 장기 성장 잠재력.
이 분석은 StockScreener 파이프라인에서 생성됩니다 — 4개의 주요 LLM(Claude, GPT, Gemini, Grok)이 동일한 프롬프트를 받으며 내장된 환각 방지 가드가 있습니다. 방법론 읽기 →
Marvell과 Broadcom의 맞춤형 프로세서는 선도적인 기술 기업들에게 점점 더 중요해지고 있습니다.
Broadcom과 Marvell은 Alphabet 및 Microsoft와 같은 주요 고객들이 계약을 체결하면서 AI 주도의 엄청난 성장을 경험하고 있습니다.
TSMC는 어떤 프로세서가 수요가 있든 상관없이 AI 하드웨어 붐의 혜택을 받을 수 있는 독보적인 위치에 있습니다.
Nvidia (NASDAQ: NVDA)는 수년 동안 선도적인 인공지능(AI) 주식이었습니다. 지난 3년간 주가는 600% 급등했습니다. 하지만 회사가 인상적인 10월 분기 실적을 발표한 후 재미있는 일이 벌어졌습니다. 주가가 하락했습니다.
이는 Nvidia의 잘못도 아니고, 투자자들이 주식을 처벌할 만한 좋은 이유가 있었던 것도 아닙니다. 하지만 길고 인상적인 상승세를 보인 후 Nvidia가 주가 모멘텀을 유지하기는 어려워지고 있습니다.
AI가 세계 최초의 조만장을 만들까요? 저희 팀은 Nvidia와 Intel 모두에게 필요한 핵심 기술을 제공하는 "필수적인 독점 기업"이라고 불리는 잘 알려지지 않은 회사에 대한 보고서를 막 발표했습니다. 계속 »
그 이유 중 하나는 투자자들이 AI 붐이 Nvidia의 그래픽 처리 장치(GPU) 지배력 외부에서 훨씬 더 성장할 여지가 있다는 것을 깨닫고 있다는 것입니다. 즉, 맞춤형 실리콘 프로세서는 AI 하드웨어 수요의 다음 단계로 점점 더 간주되고 있습니다.
이는 Marvell (NASDAQ: MRVL), Broadcom (NASDAQ: AVGO), TSMC (NYSE: TSM)에게는 좋은 소식입니다. 이 주식들이 Nvidia 주식이 잠시 쉬는 동안 모멘텀을 얻을 수 있는 이유는 다음과 같습니다.
수년 동안 Nvidia의 범용 GPU는 데이터 센터 프로세서의 지배적인 형태였습니다. 이 칩은 일반적인 AI 컴퓨팅 작업에 훌륭하며 광범위한 인공지능 애플리케이션에 사용할 수 있습니다.
하지만 세계 최고의 기술 기업들도 맞춤형 반도체가 범용 GPU에 비해 몇 가지 이점을 가지고 있다는 것을 깨닫기 시작했습니다. 특히, 특정 AI 모델이나 시스템과 더 효율적으로 작동하도록 프로세서를 조정할 수 있습니다.
극도로 경쟁이 치열한 AI 기술 분야에서 이는 앞서 나가는 데 모든 차이를 만들 수 있습니다. 이것이 Marvell과 Broadcom이 하는 일이 점점 더 중요해지는 이유입니다.
Broadcom의 고객을 위한 애플리케이션별 맞춤형 집적 회로(ASIC) 판매는 회사의 1분기에 84억 달러로 두 배가 되었습니다. Alphabet은 주요 고객이며, 회사는 최근 Broadcom이 2031년까지 Alphabet의 AI 데이터 센터를 위한 Alphabet의 Tensor Processing Units(TPU)에 대한 고객 설계를 확장하도록 계약을 체결했습니다.
더 많은 AI 판매가 예정되어 있습니다. Broadcom의 경영진은 회사의 인공지능 수익이 내년까지 1,000억 달러에 달할 것으로 추정합니다.
Marvell도 비슷한 위치에 있습니다. 이 회사는 Microsoft를 포함한 대형 기술 기업을 위한 맞춤형 ASIC 솔루션을 설계합니다. 이 회사는 2026년에 강력한 AI 주도 성장을 보고했으며, 총 매출은 42% 증가한 82억 달러를 기록했습니다.
Marvell은 또한 Amazon의 독점 Trainium 칩의 주요 설계 파트너이며, Nvidia는 3월에 Marvell에 20억 달러를 투자할 것이라고 발표했습니다. 이 파트너십은 Nvidia 고객에게 Marvell의 ASIC에 대한 액세스를 제공합니다. 이는 Marvell과 Broadcom의 맞춤형 칩이 AI 컴퓨팅 요구를 위해 Nvidia의 GPU를 완전히 대체하기보다는 함께 작동할 가능성이 있는 예입니다.
AI 하드웨어 경쟁에서 이익을 얻고 싶지만 Nvidia, Marvell 또는 Broadcom 중 누가 가장 큰 승자가 될지 결정하고 싶지 않다면 TSMC로도 알려진 TSMC가 선택해야 합니다.
이 회사들과 달리 TSMC는 프로세서를 제조합니다. 이 회사는 전 세계 프로세서 제조 시장 점유율의 70%를 보유하고 있으며, 고급 인공지능 프로세서 시장 점유율은 90%로 더욱 인상적입니다.
TSMC의 1분기 매출은 41% 증가한 350억 달러를 기록했으며, 순이익은 58% 증가한 미국 예탁 증권(ADR)당 3.49달러를 기록했습니다. 경영진은 2026년 전체 연간 매출이 30% 증가할 것이라고 말합니다.
TSMC의 C.C. Wei CEO는 회사의 최신 실적 발표에서 AI를 "메가트렌드"라고 불렀으며, 회사가 AI 프로세서에 대한 수요 증가를 계속 활용할 것이라고 믿습니다. 기술 기업들이 여전히 Nvidia의 GPU와 맞춤형 실리콘을 필요로 하기 때문에 TSMC는 어떤 프로세서가 승리하든 모든 AI 프로세서 요구 사항의 혜택을 받을 수 있는 완벽한 위치에 있습니다.
TSMC, Broadcom, Marvell 주식이 2030년까지 Nvidia를 능가할 것이라고 보장할 수는 없지만, 맞춤형 실리콘으로의 추세가 이 회사들에게 그렇게 할 좋은 기회를 준다고 생각합니다. Semianalysis의 최근 데이터에 따르면 Google의 TPU는 Nvidia 프로세서를 사용하는 것에 비해 컴퓨팅 비용을 62% 절감할 수 있다고 추정합니다. 올해 초 Microsoft는 AI 추론을 위해 자체 맞춤형 Maia 200 칩을 출시했으며, Marvell과 협력하여 설계했습니다. Microsoft는 이 칩이 "AI 토큰 생성의 경제성을 극적으로 향상시킬 것"이라고 말합니다.
세계 최고의 AI 회사인 Anthropic과 OpenAI도 맞춤형 칩 방향으로 나아가고 있습니다. Anthropic은 이미 내년부터 Broadcom 및 Google의 TPU 3.5기가와트에 액세스하기 위해 Broadcom과의 협력을 확장했습니다.
맞춤형 ASIC 프로세서는 올해 45% 성장할 것으로 예상되며, 이는 GPU의 2026년 성장률 15%와 비교됩니다. 이 전환이 계속됨에 따라 Marvell, Broadcom 및 TSMC는 투자자들이 다음 AI 하드웨어 파도를 탈 때 주가가 크게 상승하는 것을 볼 수 있습니다.
Broadcom 주식을 사기 전에 다음을 고려하십시오.
Motley Fool Stock Advisor 분석가 팀은 투자자들이 지금 구매할 수 있는 10가지 최고의 주식을 식별했습니다... 그리고 Broadcom은 그중 하나가 아니었습니다. 상위 10개 주식은 앞으로 몇 년 동안 엄청난 수익을 창출할 수 있습니다.
Netflix가 2004년 12월 17일에 이 목록에 올랐을 때를 생각해 보세요... 당시 저희 추천에 1,000달러를 투자했다면 477,813달러를 얻었을 것입니다! 또는 Nvidia가 2005년 4월 15일에 이 목록에 올랐을 때... 당시 저희 추천에 1,000달러를 투자했다면 1,320,088달러를 얻었을 것입니다!
이제 Stock Advisor의 총 평균 수익률은 986%로, S&P 500의 208%보다 훨씬 뛰어난 성과를 보였다는 점에 주목할 가치가 있습니다. 최신 상위 10개 목록을 놓치지 마세요. Stock Advisor를 통해 이용할 수 있으며, 개인 투자자를 위해 개인 투자자가 구축한 투자 커뮤니티에 참여하세요.
**Stock Advisor 수익률은 2026년 5월 25일 기준입니다. *
Chris Neiger는 언급된 주식 중 어느 것에도 포지션을 가지고 있지 않습니다. The Motley Fool은 Alphabet, Broadcom, Marvell Technology, Nvidia 및 Taiwan Semiconductor Manufacturing의 포지션을 가지고 있으며 추천합니다. The Motley Fool은 공개 정책을 가지고 있습니다.
여기에 명시된 견해와 의견은 저자의 견해와 의견이며 Nasdaq, Inc.의 견해와 의견을 반드시 반영하는 것은 아닙니다.
4개 주요 AI 모델이 이 기사를 논의합니다
"Nvidia의 생태계 해자와 TSMC 집중 위험으로 인해 맞춤형 실리콘 바스켓의 2030년 초과 성과 가능성은 기사가 시사하는 것보다 낮습니다."
이 기사는 하이퍼스케일러의 맞춤형 ASIC 수요 가속화를 올바르게 지적하며, Broadcom의 AI 수익 궤적과 Marvell의 Microsoft/Amazon 설계 수주는 2031년까지 구체적인 수익 가시성을 제공합니다. 그러나 Nvidia의 DGX Cloud 및 CUDA 소프트웨어 잠금 효과를 통해 ASIC 관련 워크로드를 포착하는 능력과 TSMC의 2026년 30% 매출 성장이 이미 30배 이상의 선행 배수로 반영되어 있다는 점을 간과합니다. TSMC의 지정학적 집중 위험과 더 많은 설계가 내부화됨에 따라 잠재적인 마진 압축은 해결되지 않아 2030년까지 Nvidia 대비 지속적인 초과 성과 가능성이 제한됩니다.
Nvidia가 소프트웨어 지배력을 유지하더라도, 비용에 민감한 추론 워크로드가 이동함에 따라 맞춤형 ASIC는 2030년까지 데이터 센터 TAM의 20-30%를 잠식할 수 있으며, 이는 NVDA의 배수 확장을 제한하는 동시에 AVGO 및 MRVL의 배수를 높일 것입니다.
"맞춤형 ASIC 성장은 사실이지만, 이 기사는 AVGO 또는 MRVL이 2030년까지 NVDA를 능가할 수 있다는 평가 증거를 제공하지 않습니다. 두 회사 모두 마진 압박에 직면해 있으며 Nvidia는 맞춤형 칩 시장에 대규모로 진입할 수 있습니다."
이 기사는 두 가지 별도의 추세를 증명 없이 혼동합니다. 맞춤형 ASIC는 성장할 것입니다. 그것은 사실입니다. 그러나 45%의 ASIC 성장 대 15%의 GPU 성장 비교는 오해의 소지가 있습니다. 둘 다 동시에 성장할 수 있습니다. 더 중요한 것은 이 기사가 2026년 데이터를 현재처럼 인용하고 평가 프레임워크 없이 2030년까지 예측한다는 것입니다. TSMC의 90% AI 칩 제조 점유율은 사실이지만, AVGO와 MRVL은 팹리스 디자이너입니다. 제조 마진을 포착하지 못합니다. 실제 질문은 맞춤형 실리콘의 존재 여부가 아니라, TSMC가 이미 AI 붐을 가격에 반영하고 NVDA의 총 마진(70% 이상)이 그들의 마진(~50-55%)을 압도할 때 AVGO/MRVL이 20% 이상의 EPS 성장을 유지할 수 있는지 여부입니다.
맞춤형 실리콘이 비용과 효율성 면에서 GPU를 진정으로 능가한다면, Nvidia도 맞춤형 칩을 설계하며, AVGO 또는 MRVL이 확장할 수 있는 것보다 더 빠르게 그렇게 할 수 있는 현금, 재능 및 고객 관계를 보유하고 있습니다. 이 기사는 이 회사들이 맞춤형 실리콘의 미래를 소유하고 있다고 가정하지만, 그들은 단지 하청업체일 뿐일 수 있습니다.
"AI 모델 학습에서 고부가가치 추론으로의 전환은 일반 GPU보다 맞춤형 ASIC를 구조적으로 선호하여 가치 포착을 하드웨어에 구애받지 않는 칩에서 맞춤형 튜닝 실리콘으로 이동시킬 것입니다."
맞춤형 실리콘(ASIC)으로의 전환은 단순한 추세가 아니라 구조적 현실입니다. Nvidia는 범용 학습을 지배하지만, AI의 '추론' 단계, 즉 실제 장기적인 볼륨이 있는 곳에서는 Broadcom과 Marvell이 제공하는 전력 효율성과 비용 최적화가 필요합니다. Broadcom의 하이퍼스케일러 스택(Google, Meta) 통합은 Nvidia의 GPU 중심 모델이 부족한 방어적인 해자를 만듭니다. TSMC는 궁극적인 '픽앤쇼블' 플레이로 남아 있지만, 투자자들은 대만에 내재된 지정학적 위험 프리미엄을 고려해야 합니다. 이 기사는 전문화된 실리콘이 '하나의 크기가 모두에게 맞는' GPU 접근 방식보다 선호되는 토큰당 비용 효율성으로의 전환을 올바르게 식별하여 AVGO와 MRVL을 매력적인 장기 복리 성장주로 만듭니다.
이 논지는 Nvidia의 CUDA 생태계의 '소프트웨어 잠금 효과'를 무시합니다. 이로 인해 맞춤형 실리콘으로 전환하는 것은 개발자에게 막대한 엔지니어링 및 마이그레이션 위험을 초래합니다. AI 모델이 계속 빠르게 발전한다면 GPU의 유연성이 고정 기능 ASIC의 효율성보다 더 가치 있을 수 있습니다.
"향후 4~6년 동안 맞춤형 ASIC는 Nvidia가 핵심 플레이어로 남아 있더라도 시장 리더십을 Broadcom, Marvell 및 TSMC로 기울일 수 있는 상당한 비용 및 효율성 이점을 제공할 것입니다."
이 기사는 AI 하드웨어의 맞춤형 ASIC로의 전환으로 인해 Broadcom, Marvell 및 TSMC가 2030년까지 Nvidia를 능가할 것이라고 주장합니다. 그 논지는 일리가 있습니다. 맞춤형 칩은 특정 모델 및 워크로드를 최적화할 수 있으며, 주요 고객은 비용 및 효율성 향상을 추진하고 있습니다. 그러나 Nvidia의 GPU 생태계(소프트웨어, 도구, 확장 가능한 배포)는 여전히 강력한 해자이므로 완전 맞춤형 실리콘으로의 전환이 주장된 것보다 느리고 점진적일 수 있습니다. 추가 위험에는 낙관적인 AI 채택률, 자본 지출 주기, 잠재적인 공급 제약 및 제조를 방해할 수 있는 대만 지정학적 위험이 포함됩니다. 평가는 이미 유리한 AI 하드웨어 재평가를 반영하고 있을 수 있으며, 상승 여력은 실질적인 채택 이정표에 달려 있습니다.
Nvidia의 생태계는 깊이 뿌리내리고 있으며 운영을 확장하여 조정할 수 있습니다. 맞춤형 ASIC로의 마이그레이션은 2030년 창 내에서 교체 수준이 아니라 점진적일 수 있으며, 이는 논지를 약화시킵니다.
"Nvidia의 분기별 소프트웨어 반복은 18개월 ASIC 주기를 능가하여 추론에서 AVGO/MRVL의 점유율 상승을 제한합니다."
Gemini의 추론 볼륨이 AVGO 및 MRVL 효율성에 유리하다는 주장은 이미 소프트웨어 조정을 통해 200W 미만의 추론 토큰을 목표로 하는 Nvidia의 Blackwell 로드맵을 무시합니다. TSMC를 사용한 ASIC 설계 주기는 여전히 18개월 이상 실행됩니다. Nvidia는 하이퍼스케일러가 새로운 실리콘 테이프아웃 없이 채택할 수 있는 분기별 CUDA 업데이트를 출시합니다. 이 속도 격차는 2028년까지 대부분의 추론 워크로드를 GPU에 유지시켜 팹리스 ASIC 설계자의 재평가를 약화시킵니다.
"일단 맞춤형 실리콘이 입증되고 상각되면 소프트웨어 민첩성은 추론 워크로드 경제를 극복할 수 없습니다."
Grok은 설계 주기 속도와 배포 현실을 혼동합니다. 예, Nvidia는 분기별로 CUDA 업데이트를 출시합니다. 그러나 하이퍼스케일러는 이미 생산 중인 맞춤형 실리콘과 추론 정확도 및 토큰당 비용을 검증하지 않고는 이를 채택하지 않습니다. Microsoft의 Maia와 Google의 TPU는 테이프아웃 지연으로 지연되지 않았습니다. 효율성 차이가 엔지니어링 노력을 정당화했기 때문에 출시되었습니다. Nvidia의 분기별 일정은 학습에 중요합니다. 추론 경제는 검증된 후 고정 실리콘에 유리합니다.
"GPU 가용성과 시장 출시 속도는 현재 하이퍼스케일러의 맞춤형 ASIC의 미미한 효율성 이점보다 우선합니다."
Claude, 당신은 '추론' 전환의 자본 집약도를 놓치고 있습니다. 맞춤형 실리콘이 불가피하다고 주장하면서도, 하이퍼스케일러들이 Grok이 언급한 18개월 ASIC 검증 주기를 기다릴 수 없기 때문에 현재 Nvidia GPU에 수십억 달러를 쏟아붓고 있다는 사실을 무시합니다. 우리는 원시 GPU 가용성이 맞춤형 실리콘의 미미한 효율성을 능가하는 '충분히 좋은' 급증을 보고 있습니다. TSMC의 CoWoS 용량이 주요 병목 현상이 되지 않는 한, ASIC 전환은 2차 성장 동력이지 주된 성장 동력이 아닙니다.
"소프트웨어 잠금 효과와 포팅 비용은 맞춤형 실리콘으로의 마이그레이션을 늦추어 Nvidia GPU가 예상보다 더 오래 추론에서 지배적인 위치를 유지하게 할 것입니다."
Gemini가 '추론 효율성'을 유일한 동인으로 강조하는 것은 소프트웨어 해자를 과소평가할 위험이 있습니다. AVGO/MRVL이 토큰당 비용이 낮더라도 하이퍼스케일러는 CUDA/CuDNN 종속성, 모델 최적화 및 도구 친숙성으로 인해 마이그레이션이 느립니다. Nvidia의 생태계는 자본을 상각하고 소프트웨어 조정 및 DGX Cloud와 같은 클라우드 옵션을 통해 새로운 추론 워크로드를 계속 포착할 수 있으며, 전환을 2028-29년까지 점진적으로 유지하고 AVGO/MRVL의 단기 재평가를 제한합니다.
패널은 맞춤형 ASIC가 성장하고 AI 추론에 중요하지만, 채택 속도와 범위는 불확실하다는 데 동의합니다. Nvidia의 소프트웨어 생태계와 GPU 효율성은 빠른 대체에 상당한 장벽을 제시합니다.
하이퍼스케일러의 비용 및 전력 효율성 요구에 의해 주도되는 AI 추론을 위한 전문화된 실리콘의 장기 성장 잠재력.
Nvidia의 소프트웨어 해자와 GPU 효율성으로 인해 맞춤형 ASIC로의 전환이 예상보다 느릴 수 있으며, 이는 Broadcom 및 Marvell과 같은 팹리스 ASIC 설계자의 단기 재평가를 제한합니다.