국산 AI 반도체 기업인 딥엑스, 퓨리오사AI, 리벨리온은 더 이상 ‘유망 스타트업’만으로 설명하기 어려운 단계에 들어섰다.

딥엑스는 피지컬 AI용 초저전력 칩 DX-M1을 앞세워 현대차 로보틱스랩·바이두 등과의 협력과 30건 이상의 양산 계약을 공개했고, 퓨리오사AI는 2세대 데이터센터 추론 칩 RNGD의 양산 개시와 4,000장 인도 시작을 발표했다.

리벨리온은 ATOM 상용화와 ATOM-Max 양산, 차세대 REBEL-Quad를 통해 ‘글로벌 AI 인프라 핵심 플레이어’를 지향한다고 밝혔다.

반면에 질문은 여전히 남는다.

이들 기업은 과연 시장에서 성공할 수 있을까.

더 나아가, 성공하려면 무엇을 증명해야 할까.

이 질문에 답하려면 먼저 냉정한 현실부터 인정해야 한다.

현재 추론용·데이터센터용 AI 인프라의 최강자는 여전히 NVIDIA다.

NVIDIA는 GB200 NVL72와 GB300 NVL72 같은 랙 스케일 시스템, HGX B200·DGX B200, 165W 싱글 슬롯 서버 GPU인 RTX PRO 4500 Blackwell Server Edition, 72W급 L4, 그리고 엣지용 Jetson까지 촘촘한 제품군을 보유하고 있다.
 

여기에 CUDA, TensorRT-LLM, Nemotron, AWS 연동, Amazon Bedrock 협업, 서버 OEM과 클라우드 사업자 파트너십까지 묶인다.

NVIDIA가 강한 이유는 ‘GPU가 좋아서’만이 아니라, 칩-시스템-소프트웨어-클라우드-생태계가 하나의 스택으로 작동하기 때문이다.

그렇다고 국산 AI 반도체 기업의 기회가 사라진 것은 아니다.

오히려 시장이 커질수록 NVIDIA가 모두 해결하지 못하는 틈새도 함께 커진다.

지금 국내 기업들이 노리는 지점은 크게 세 갈래다.

딥엑스는 로봇·스마트팩토리·드론·카메라 같은 피지컬 AI와 온디바이스 추론을 겨냥한다.

퓨리오사AI는 기존 공냉식 데이터센터와 표준 랙 환경에서 전력 효율을 앞세운 엔터프라이즈 추론 가속기를 지향한다.

리벨리온은 대규모 AI 데이터센터와 소버린 AI 인프라를 겨냥한 국산 NPU 기반 데이터센터 추론 스택을 키우고 있다.

세 회사 모두 ‘AI 반도체’라는 같은 이름으로 묶이지만, 사실은 서로 다른 전장을 택한 셈이다.

딥엑스의 가능성은 비교적 명확하다.

회사가 공개한 자료와 공식 제품 정보에 따르면 DX-M1은 25 TOPS(INT8), 1W∼5W 전력 범위, PCIe Gen3 x4, 최대 8GB 메모리, 산업용 온도 대응을 갖춘 엣지 AI 칩이다.
 

회사는 기자간담회에서 평균 소비전력 2∼3W, 엔비디아 온디바이스용 GPU인 Jetson Orin 대비 10분의 1 가격과 20배 수준의 전력 효율을 주장했고, 공식 사이트는 GPU 대비 약 20배의 성능 효율과 높은 열 효율, 산업용 환경 적합성을 강조한다.

또한 현대차 로보틱스랩과의 협력, 바이두와의 공급 협력, 피지컬 AI용 30건 이상의 양산 계약을 공개했다.

이 모든 요소는 딥엑스가 ‘고성능 AI 칩 일반론’이 아니라, 배터리·무팬·실시간 반응이 중요한 현장형 AI라는 명확한 문제를 정조준하고 있음을 보여준다.

딥엑스의 성공 가능성은 “Jetson의 정면 대체재가 되느냐”보다 “Jetson으로는 전력·발열·단가가 맞지 않는 영역을 얼마나 빨리 선점하느냐”에 달려 있다.

이미 NVIDIA도 피지컬 AI를 핵심 화두로 밀고 있다.

Jetson Thor는 최대 2,070 FP4 TFLOPS, 128GB 메모리, 40W∼130W 전력 범위를 내세우며 ‘physical AI and robotics’ 최상위 플랫폼으로 제시됐다.

즉 딥엑스가 이기려면 NVIDIA를 정면으로 무너뜨리는 것이 아니라, 로봇·산업장비·스마트카메라에서 “더 낮은 전력과 비용으로도 충분히 된다”는 실증 레퍼런스를 계속 쌓아야 한다.

현대차·바이두 같은 사례가 더 늘고, DXNN과 DX-뉴턴이 개발자에게 실제로 쓸 만한 수준이 돼야만 ‘좋은 칩 회사’를 넘어 ‘도입 가능한 플랫폼 회사’가 될 수 있다.

퓨리오사AI의 가능성은 또 다르다.
 

RNGD는 보도자료에서 180W TDP의 PCIe 카드, 8장 탑재 4U 서버, 시스템 전체 소비전력 3kW, 랙당 최대 20 PFLOPS(INT8)를 제시한다.

회사는 이를 “공냉식 기반 기존 인프라 변경 없이 바로 쓸 수 있는 고성능 AI 칩”이라고 설명했고, 공식 홈페이지 역시 RNGD를 180W 전력 프로파일, LLM·멀티모달 deployment, PyTorch 2.x integration, containerization, SR-IOV, Kubernetes 지원을 갖춘 Gen 2 데이터센터 가속기로 소개한다.

요컨대 퓨리오사AI는 “세상에서 가장 빠른 칩”을 주장하기보다, 기존 데이터센터의 전력·냉각 한도 안에서 더 현실적으로 도입 가능한 추론 가속기가 되겠다는 전략을 택했다.

이 전략은 충분히 시장성이 있다.

AI 인프라 확장의 병목이 성능만이 아니라 전력과 냉각, 랙 밀도, 총소유비용(TCO)로 이동하고 있기 때문이다.

반면에 퓨리오사AI가 성공하려면 ‘효율적 대안’에서 한 걸음 더 나아가야 한다.

양산은 시작이지만, 반복 매출과 대규모 고객 확산은 전혀 다른 문제다.

회사가 공개한 4,000장 인도, 20,000장 양산 계획, 엔터프라이즈 채택 확대는 분명 중요한 이정표다.

반면에 장기적으로는 Hugging Face, 개발자 툴, 운영 툴체인, 모델 호환성, 고객 지원 체계가 NVIDIA 수준은 아니더라도 “도입을 망설이지 않을 만큼 충분히 안정적”이어야 한다.

결국 퓨리오사AI의 성패는 ‘전력 효율’이라는 메시지를 ‘도입 리스크가 낮은 상용 플랫폼’으로 전환할 수 있느냐에 달려 있다.

리벨리온은 세 회사 가운데 가장 정통 데이터센터형에 가깝다.

회사 자료에 따르면 리벨리온은 ATOM의 데이터센터 상용화, ATOM-Max 양산, 그리고 HBM3E와 칩렛 구조를 내세운 차세대 REBEL-Quad 개발을 통해 글로벌 AI 인프라 핵심 플레이어를 목표로 한다.
 

공식 페이지에서 ATOM-Max는 128 TFLOPS(FP16), 512 TOPS(INT8), 1,024 TOPS(INT4), 64GB GDDR6, 1TB/s 대역폭, 350W, PCIe Gen5 x16을 제시한다.

서버 제품은 최대 8장 구성, Typical 3.4kW, vLLM·Triton·Kubernetes·PyTorch·Hugging Face 지원, 300개 이상의 모델을 강조한다.

차세대 REBEL-Quad는 4-chiplet SoC, HBM3E 144GB, 4.8TB/s, 최대 600W, PyTorch 2.x·vLLM·Triton 네이티브 지원을 내세운다.

리벨리온의 강점은 “국산 NPU로도 대규모 데이터센터 추론을 할 수 있다”는 서사를 가장 직선적으로 밀고 있다는 점이다.

특히 PyTorch Foundation 참여, PyTorch 2.x·vLLM·Triton 네이티브 지원, 칩렛 로드맵은 개발자 생태계와 미래 확장성 측면에서 의미가 있다.

반면에 이 회사 역시 해결해야 할 본질적 과제는 같다.

NVIDIA는 이미 HGX·DGX·GB200·GB300·CUDA·TensorRT-LLM·클라우드 파트너까지 한몸으로 움직인다.

리벨리온이 성공하려면 단일 카드나 단일 서버의 성능 수치만이 아니라, ‘대규모 추론 서비스를 실제로 운영하는 고객’을 얼마나 많이 확보하느냐가 중요하다.

다시 말해 리벨리온의 진짜 시험대는 기술 발표장이 아니라, 대형 통신사·클라우드·소버린 AI 프로젝트 안에서 반복적으로 선택받는지 여부다.

종합하면, 국산 AI 반도체 기업의 성공 가능성은 있다.

반면에 그러나 그 성공의 형태는 서로 다를 것이다.

딥엑스는 피지컬 AI에서, 퓨리오사AI는 전력 제약형 엔터프라이즈 추론에서, 리벨리온은 국산 데이터센터 NPU 인프라에서 각기 다른 길을 갈 가능성이 높다.

다만 세 회사 모두에게 공통된 성공 조건도 있다.

첫째, 하드웨어 숫자보다 고객 적용 사례를 늘려야 한다.

둘째, 소프트웨어와 배포 생태계를 반드시 키워야 한다.

셋째, NVIDIA와 똑같이 싸우기보다, 전력·발열·냉각·국가 전략·특정 산업에 맞는 틈새를 더 정밀하게 파고들어야 한다.

넷째, 양산 성공을 ‘한 번의 이벤트’가 아니라 반복 가능한 공급 체계와 장기 매출로 연결해야 한다.

이 조건을 충족하지 못하면 아무리 좋은 칩도 ‘훌륭한 데모’에 머물 가능성이 크다.

반대로 이 조건을 충족한다면, 세 회사가 모두 NVIDIA를 꺾지는 못하더라도 각자의 세부 시장에서 의미 있는 승자가 될 가능성은 충분하다.

마지막으로, ‘K-엔비디아’라는 표현은 매력적이지만 동시에 위험하다.

현재 시장 구조를 보면, 단일 한국 기업이 NVIDIA처럼 전 부문을 수직 통합해 지배하는 그림은 아직 멀다.

오히려 현실적인 전망은 딥엑스는 피지컬 AI의 현장형 두뇌, 퓨리오사AI는 공냉식 데이터센터 추론의 효율형 대안, 리벨리온은 소버린 AI와 대규모 데이터센터 NPU의 국내 대표 주자로 자리 잡는 그림이다.

그때 비로소 한국 AI 반도체 산업은 ‘제2의 엔비디아’를 흉내 내는 단계를 넘어서, 한국식 AI 반도체 산업 구조를 만들었다고 말할 수 있을 것이다.