테슬라의 차세대 AI칩 경쟁에서 새로운 병목은 트랜지스터가 아니라 사람일 수 있다. 대만 반도체 전문매체 DIGITIMES는 2026년 8월 25일 테슬라의 AI 하드웨어 설계 시니어 디렉터였던 스솽 쑨(Shishuang Sun)이 7월 DensityAI에 합류해 패키징과 시스템 하드웨어 개발을 맡았다고 보도했다.
쑨은 테슬라에서 약 5년 반 동안 AI 하드웨어와 Dojo 관련 시스템을 다뤘다. 그의 이동 하나로 AI5·AI6 일정이 무너졌다고 볼 근거는 없다. 그러나 차세대 추론칩을 차량과 데이터센터에서 실제로 작동시키는 과정에서 패키징, 전력 공급, 냉각, 고속 인터커넥트 경험을 가진 인력의 이탈은 무시하기 어려운 실행 리스크이다.
칩 설계도만으로는 AI5가 완성되지 않는다
고성능 AI칩의 성패는 논리 설계에서 끝나지 않는다. 칩을 어떤 방식으로 패키징하고, 제한된 공간에서 전력을 안정적으로 공급하며, 발생하는 열을 제거하고, 메모리와 프로세서 사이의 병목을 줄여야 비로소 목표 성능이 나온다. 특히 자율주행 추론칩은 자동차의 전력·열·내구성 제약 안에서 작동해야 하므로 시스템 수준의 최적화가 필수이다.
이 때문에 쑨의 이직은 단순한 인사 뉴스보다 조직의 지식 연속성 문제로 봐야 한다. 후임자가 설계 문서를 넘겨받는 것과 시행착오를 통해 축적된 판단 기준까지 이어받는 것은 다른 일이다. 테슬라가 AI칩을 대량 생산하고 차량에 탑재하려면 인재 충원뿐 아니라 설계·검증·패키징 팀 사이의 의사결정 속도를 유지해야 한다.
공식 로드맵은 오히려 더 공격적이다
테슬라는 공식 2025년 4분기 업데이트에서 자체 설계한 AI5와 AI6 추론칩의 생산을 각각 2027년과 2028년으로 계획했다. AI5는 AI4 대비 원시 연산량 10배, 메모리 용량 9배 등을 바탕으로 최대 50배의 성능 향상을 목표로 한다고 밝혔다. 이는 회사가 제시한 목표이며, 양산 수율과 실제 전력 효율로 아직 독립 검증된 수치는 아니다.
목표가 클수록 조직 리스크의 영향도 커진다. 아키텍처 설계, 파운드리 생산, 첨단 패키징, 펌웨어, 차량 통합이 같은 일정표에서 움직여야 하기 때문이다. 한 단계가 늦어지면 칩 샘플이 있어도 차량 프로그램과 로보택시 확장 일정이 함께 밀릴 수 있다.
투자자가 확인할 네 가지 지표
첫째는 AI5 샘플과 양산 일정의 변화이다. 둘째는 파운드리와 패키징 공급망의 다변화이다. 셋째는 핵심 인력의 후임 배치와 조직 안정성이다. 넷째는 회사가 주장한 성능 향상이 실제 전력당 성능, 수율, 차량 원가에서 재현되는지 여부이다.
이번 인재 이동은 테슬라의 AI칩 전략이 실패했다는 증거가 아니다. 다만 AI5·AI6가 반도체 사양표를 넘어 로보택시와 옵티머스의 원가 구조를 바꾸려면 사람과 프로세스가 기술 목표를 따라가야 한다. 지금 시장이 봐야 할 것은 화려한 배수보다 그 목표를 일정에 맞춰 구현할 조직의 지속성이다.
대표 이미지: Inductiveload, Wikimedia Commons, 퍼블릭 도메인. 원본 및 라이선스
댓글 남기기