뜨거운 AI 칩, 이대로 괜찮을까요? AI가 AI를 식히는 기발한 방법!
Published Aug 10, 2026
상상해보세요. 우리가 매일 사용하는 스마트폰, 클라우드 서비스, 그리고 영화 속에서나 보던 자율주행차까지, 이 모든 기술의 심장부에는 인공지능(AI) 칩이 뛰고 있습니다. 그런데 이 칩들이 너무 뜨거워 엄청난 양의 전기를 잡아먹고 거대한 냉각 시스템 없이는 제대로 작동조차 할 수 없다면 어떨까요? 사실, 이건 먼 미래의 이야기가 아니라 바로 지금 우리가 직면한 현실입니다. AI 기술이 발전하면 할수록 데이터 센터는 더 많은 전기를 소모하고, 그만큼 환경에도 더 큰 부담을 주고 있죠. 뜨거운 칩은 비단 성능 저하의 문제를 넘어, 인프라 비용 상승, 에너지 소비 증가, 그리고 궁극적으로는 우리 모두의 지속 가능한 미래에까지 영향을 미칩니다.
그렇다면, 이 문제의 해답은 어디에 있을까요? 역설적이게도, 문제를 만든 AI가 그 해법의 열쇠를 쥐고 있을지도 모릅니다. 최근 Discovered Materials라는 스타트업이 이 뜨거운 AI 칩 문제를 해결하기 위해 AI를 활용한다는 소식은 그래서 더욱 주목할 만합니다. 그들은 마치 두더지 잡기 게임처럼 AI 에이전트들을 이용해 새로운 물질을 찾아내고, 이 물질로 더 효율적인 집적회로를 만들겠다는 야심 찬 계획을 발표했습니다. 그리고 이 아이디어는 이미 Lightspeed India Partners, Peak XV Partners를 비롯한 투자자들로부터 9백만 달러(약 120억 원)에 달하는 초기 투자를 유치하는 데 성공했습니다. 기술의 발전이 또 다른 기술의 한계를 돌파하려는 시도는 언제나 흥미롭습니다.
AI, 재료 과학의 한계를 뛰어넘다
Discovered Materials의 공동 창업자는 스탠퍼드에서 재료 과학 박사 학위를 받은 아카쉬 람다스(Akash Ramdas)와 AI 에이전트 분야 전문가인 아드바이쓰 스리다르(Advaith Sridhar)입니다. 이 두 사람이 만나 AI와 재료 과학이라는 서로 다른 분야의 전문성을 결합했다는 점이 이 스타트업의 핵심 강점이라 할 수 있습니다. 그들의 접근 방식은 기존의 재료 발견 과정을 상상하기 힘들 정도로 가속화시킵니다.
구체적으로 어떤 방식이냐고요? 이 스타트업은 앤스로픽(Anthropic)의 모델을 맞춤형으로 개조하여 AI 에이전트들이 잠재적인 신소재 후보군을 생성하게 합니다. 그리고 이 후보 물질들이 실제 의미가 있는지 검증하기 위해, 그들이 직접 훈련시킨 기초 물리학 모델을 활용해 시뮬레이션을 돌립니다. 람다스 박사가 박사 과정 중에 하루에 약 20가지 정도의 물질을 추측하고 실험했다면, AI 에이전트들은 클라우드에서 24시간 내내 작동하며 하루에 수천 가지의 물질을 탐색합니다. 엄청난 속도 차이죠. 이건 단순히 양적인 증가를 넘어, 인간의 직관과 경험만으로는 도달하기 어려웠던 미지의 영역을 탐험할 수 있게 해주는 질적인 도약에 가깝습니다. 정말 놀랍습니다!
오늘날 Discovered Materials는 이미 수백 가지의 새로운 물질 샘플과 함께, 이러한 최첨단 모델들이 재료 발견이라는 과제를 어떻게 수행하는지 추적하는 “Material Discovery Bench”를 공개했습니다. 이들의 목표는 오직 하나, 반도체 재료의 열 문제에 집중하여 획기적인 해결책을 찾는 것입니다. 그들은 이미 주요 칩 제조사들이 사용하는 기존 재료와 유사한 특성을 가진 여러 신소재를 발견했다고 하지만, 아쉽게도 아직 자세한 내용은 공개할 수 없다고 합니다.
‘두더지 잡기’ 게임과 현실의 벽: AI 재료 과학의 진짜 과제
하지만 새로운 물질을 ‘찾아내는’ 것과 그것을 실제 제품에 ‘적용하는’ 것 사이에는 엄청난 간극이 존재합니다. Lightspeed의 파트너인 헤만트 모하파트라(Hemant Mohapatra)는 이를 “원자 구조로 하는 두더지 잡기 게임(whack-a-mole with atomic structures)“에 비유합니다. 열 생성을 줄이거나 방출을 개선하는 물질을 발견하더라도, 그것으로 실제 칩을 제조하기가 너무 어렵거나, 다른 중요한 전기적 특성이 손상될 수 있기 때문입니다.
재료 과학은 단순히 하나의 특성만 뛰어나다고 해서 성공하는 분야가 아닙니다. 모든 필수적인 특성(열 전도성, 전기 전도성, 기계적 강도, 제조 용이성 등)이 동시에 만족되어야 비로소 실용적인 가치를 가집니다. AI가 수천 가지의 후보를 쏟아낼 수 있지만, 이 모든 조건을 만족하는 ‘완벽한’ 물질을 찾아내는 것은 여전히 복잡한 퍼즐을 푸는 것과 같습니다. 이는 AI가 단지 검색 엔진처럼 답을 찾아주는 것이 아니라, 매우 정교하고 다차원적인 최적화 문제를 해결해야 함을 의미합니다.
개인적으로 이 부분에서 주목할 점은, 모하파트라 파트너의 통찰입니다. 그는 결국 AI 모델이 발전하면서 새로운 물질을 ‘예측’하는 비즈니스는 점차 일반화(commoditized)될 것이라고 전망했습니다. 즉, 많은 스타트업들이 AI를 이용해 신소재 후보군을 찾아내는 데에는 성공할 것이라는 거죠. 그렇다면 Discovered Materials의 진정한 차별점은 무엇일까요? 바로 람다스 박사의 깊이 있는 현장 경험과, 발견된 후보 물질들을 신속하게 실험하고 검증할 수 있는 자체 연구실 운영 능력입니다. 이미 여러 신소재로 이를 증명했다고 하니, 단순한 ‘예측’을 넘어 ‘현실화’하는 능력이 이들의 핵심 경쟁력이 될 것으로 보입니다.
현재까지는 AI가 발견한 신약이나 신소재가 실제로 상업적으로 큰 영향을 미 미친 사례는 아직 없습니다. 가장 근접한 예는 생성형 AI로 발견된 최초의 신약인 Insilico Medicine의 Renterosib으로, 현재 3상 임상 시험 단계에 있습니다. 재료 분야에서도 MatNex의 희토류 없는 영구 자석이나 Panasonic과 Citrine Informatics가 개발한 새로운 반도체 재료 같은 유망한 후보들이 있지만, 아직 대규모 상용화 단계는 아닙니다.
이러한 상황은 모하파트라 파트너의 또 다른 중요한 지적과 연결됩니다. AI 재료 과학의 **병목 현상(bottleneck)**은 더 많은 후보 물질을 ‘찾는’ 데 있는 것이 아니라, “그것들을 올바르게 필터링하고 합성하는” 데 있다는 것입니다. Discovered Materials의 스리다르 또한 스타트업의 고유한 데이터와 전문성이 대규모 연구소와 경쟁하는 데 도움이 될 것이라고 믿으면서도, “실제 연구실에서 물질을 만들고 실험하는 과정이 많이 필요하며, 이 과정은 빠르게 진행될 수 없다”고 솔직히 인정했습니다.
Discovered Materials는 이렇게 발견된 가치 있는 후보 물질의 GPU 사용권이나 제조 공정에 대한 특허를 확보하고, 이를 칩 제조사들에게 라이선스할 계획입니다. 그들은 향후 1년 안에 특허 가치가 있는 새로운 물질을 확보하기를 희망하고 있습니다.
미래를 향한 한 걸음: AI와 인간 협업의 중요성
Discovered Materials의 시도는 단순히 AI 칩의 발열 문제를 해결하는 것을 넘어, 재료 과학 연구 방식 자체에 혁신을 가져올 잠재력을 가지고 있습니다. AI가 발견의 속도를 기하급수적으로 높이고 인간의 인지적 한계를 뛰어넘는 새로운 경로를 탐색할 수 있게 해주지만, 결국 실질적인 상업적 성공으로 이어지기 위해서는 인간의 깊은 전문성과 물리적인 실험실에서의 검증 과정이 필수적임을 보여주고 있습니다.
업계 흐름을 보면, 미래에는 AI가 수많은 가능성을 제시하고, 인간 전문가들은 AI가 제시한 수많은 정보 중 가장 유망한 방향을 선택하고, 실제 실험을 통해 이를 검증하며, 최종적으로 상용화하는 역할에 더욱 집중하게 될 가능성이 높습니다. 즉, AI는 강력한 조력자이자 확장된 두뇌 역할을 하고, 인간은 최종 의사 결정자이자 현실 구현자로서 협력하는 모델이 될 것입니다.
Discovered Materials의 행보는 AI 시대에 우리가 어떻게 기술의 한계를 극복하고, 더 지속 가능하며 효율적인 미래를 만들어 나갈지에 대한 중요한 질문을 던지고 있습니다. 이들이 정말로 AI 칩의 열기를 식히는 ‘게임 체인저’가 될지, 아니면 또 다른 유망한 시도로 남을지는 지켜봐야겠지만, 그들의 도전은 인류의 기술 발전에 분명 의미 있는 한 걸음이 될 것입니다.
출처
- 원문 제목: Discovered Materials is playing AI whack-a-mole to hunt cooler chips
- 출처: AI News & Artificial Intelligence | TechCrunch
- 원문 기사 보러가기
