엔비디아 Feynman이 바꾸는 AI 반도체의 병목…TSMC는 웨이퍼보다 패키징이 급하다

엔비디아의 차세대 AI 컴퓨팅 플랫폼으로 알려진 Feynman이 2028년 하반기 대량 생산을 목표로 한다는 공급망 보도가 나왔다. Feynman의 핵심은 단순히 더 미세한 공정을 적용하는 데 있지 않다. 최첨단 로직, 3D 칩렛 통합, 고대역폭 메모리(HBM), 광 네트워크를 하나의 제조 생태계 안에서 동시에 성숙시켜야 한다는 점이 더 중요하다. 관련 보도에 따르면 엔비디아는 출시 수년 전부터 이러한 요구사항을 TSMC와 조율하고 있다.

다만 현재 공개된 내용은 업계 및 공급망 보도에 기반한 전망이다. 엔비디아와 TSMC는 Feynman의 최종 설계, 생산 배정, 구체적인 양산 일정을 공식적으로 공개하지 않았다.

Rubin에서 Feynman으로: 무엇이 달라지나

Rubin 세대는 여러 칩렛과 HBM을 결합하는 방식에 기반한다. Feynman은 이 구조를 한 단계 더 밀어붙여 3D 칩렛과 TSMC의 SoIC(System on Integrated Chips) 적층 기술의 활용도를 높이고, 맞춤형 HBM과 **CPO(Co-Packaged Optics·공동 패키징 광학)**를 추가할 것으로 전해졌다.

보도에서 거론되는 공정은 TSMC의 A16이다. A16은 TSMC의 2나노급을 확장한 1.6나노급 공정으로 설명되며, Feynman은 중간 단계로 N2 계열을 거치지 않고 A16으로 직행할 가능성이 제기됐다.

이 조합은 칩 집적도를 높이는 동시에 초대형 AI 클러스터에서 문제가 되는 전력 소모와 신호 무결성 문제를 완화하는 데 도움을 줄 수 있다. 하지만 현재 자료에는 검증된 최종 성능 사양이 없다. 따라서 Feynman의 실제 대역폭이나 성능을 특정 수치로 단정해서는 안 된다.

TSMC가 준비해야 할 네 가지 제조 축

Feynman에 필요한 것은 최첨단 웨이퍼 생산량을 늘리는 일만이 아니다. TSMC는 다음 제조 단계를 동시에 끌어올려야 한다.

• A16 로직 생산: 고성능 AI 플랫폼을 대량 생산할 수 있을 만큼 A16의 수율과 생산 규모를 확보해야 한다. Feynman의 예상 공정으로 A16이 거론되고 있지만, 고객별 물량 배정과 최종 생산 계획은 확인되지 않았다.
• SoIC 3D 통합: 칩렛을 더 많이 수직 적층하려면 SoIC 처리량뿐 아니라 본딩, 검사, 열 관리, 수율 제어 역량도 함께 확대해야 한다.
• HBM 및 2.5D 패키징: Feynman은 3D 통합과 HBM을 CoWoS 또는 후속 첨단 패키징 공정과 결합할 것으로 예상된다. 다만 최종 패키지 구성은 아직 공개적으로 확정되지 않았다.
• CPO 제조: 광 엔진과 스위칭 실리콘을 제한적인 시연 수준이 아니라 안정적인 양산 시스템으로 통합하고 검사해야 한다. TSMC는 엔비디아 CPO 제품의 실리콘 포토닉스 및 패키징 공급망에 참여하는 것으로 전해졌다.

결국 엔비디아의 로드맵에서 패키징 생산능력이 트랜지스터 생산능력만큼 중요한 제약 요인이 될 수 있다. 팹에서 첨단 로직을 생산하더라도, 완성된 AI 플랫폼을 만들려면 칩과 메모리, 광 연결부를 높은 수율과 적절한 전력 특성으로 조립해야 하기 때문이다.

SoIC 증설 전망: 2026년 2만 장에서 2027년 5만 장으로

공급망 보도에 따르면 TSMC는 SoIC 생산능력을 빠르게 확대할 계획이다. 기존 목표는 2026년 중 월 1만~1만5,000장 수준을 구축하고, 2026년 말 월 2만 장까지 늘리는 것이었다. 새로운 목표로는 2027년 말 월 약 5만 장이 거론된다.

이는 2026년 말 목표인 월 2만 장과 비교하면 이듬해 2.5배 늘어나는 규모다. 수요처로는 엔비디아뿐 아니라 AMD 등 첨단 패키징 고객도 거론된다. 따라서 이 생산능력 전체가 Feynman에 배정된다고 볼 수는 없다.

또한 이 수치는 완성된 Feynman 시스템이 아니라 SoIC 웨이퍼 처리능력에 관한 계획 수치다. 실제 제품 생산량은 칩 크기, 패키지 설계, 수율, 후공정 검사에 따라 달라진다. 무엇보다 엔비디아가 공식적으로 확보한 물량을 의미하는 수치도 아니다.

AP7·AP8: 패키징 증설이 진행되는 곳

보도에서 지목된 주요 시설은 대만 자이의 AP7과 남부과학단지의 AP8이다.

AP7은 8개 단계로 구성된 프로젝트로 설명된다. 초기 단계에서는 장비 반입 및 설치가 진행되고 있으며, 후속 단계는 인허가와 계획 수립 등 서로 다른 진행 상황에 놓인 것으로 전해졌다. 고객 요구에 따라 SoIC, CoWoS, CPO 관련 생산을 지원할 수 있는 구조가 거론되지만, 실제 기술 배치는 고객별로 달라질 수 있다.

AP8은 P1부터 P3까지 3단계로 계획된 시설이며, CoWoS를 비롯한 첨단 패키징에 초점을 맞추는 것으로 알려졌다. 다만 공개 자료만으로는 각 단계의 가동 시점을 확정적인 생산 일정으로 보기 어렵다.

핵심은 시점이다. 새로운 AI 가속기가 대량 생산에 들어가기 전에 패키징 공장과 장비, 공정 인증을 미리 준비해야 한다. Feynman의 목표가 2028년 하반기라면 관련 설비 투자와 검증은 그보다 수년 앞서 진행돼야 한다.

Rubin을 생산하면서 Feynman을 준비하는 엔비디아

세대교체는 한 세대가 끝난 뒤 다음 세대가 시작되는 깔끔한 교대가 아니다. 엔비디아는 Vera Rubin의 대량 생산과 램프업을 진행하는 동시에 Feynman으로 연구개발 및 공급망 자원을 옮기는 것으로 전해졌다. 엔비디아의 공식 자료도 Vera Rubin이 본격 생산 단계에 진입했다고 설명하며, 업계 보도는 Feynman의 목표 시점을 2028년 하반기로 제시한다.

이 같은 중첩은 제품 출시 공백을 줄일 수 있다는 장점이 있다. 반면 TSMC와 장비·소재 공급업체에는 부담이다. 현재 Rubin 수요에 대응하면서 새 공정, 더 복잡한 패키징, 광 부품, 관련 소재를 동시에 인증하고 생산능력까지 확보해야 하기 때문이다.

Spectrum-X CPO 스위치가 중요한 이유

엔비디아의 Spectrum-X Ethernet Photonics는 Feynman에서 예상되는 방향을 미리 보여주는 사례다. 이 플랫폼은 광학 부품을 스위칭 ASIC 가까이에 직접 공동 패키징해, 고속 신호가 전기 연결부를 이동하는 거리를 줄이는 구조다. 엔비디아는 반도체 및 시스템 생태계와의 공동 설계를 통해 이 플랫폼이 생산 단계에 도달했다고 밝혔다.

엔비디아 제품 자료에 따르면 Spectrum-X Ethernet Photonics는 레인당 200Gbps의 CPO 이더넷 시스템이며, 최대 409.6Tbps의 대역폭을 제공한다. 제품 페이지에는 2026년 하반기 출시가 예정돼 있고, 업계 보도에서는 일부 파트너를 대상으로 한 출하와 양산 전환이 언급됐다.

공급망에서 TSMC는 실리콘 포토닉스 제조를, 폭스콘은 완성된 스위치 시스템 조립을 맡는 것으로 전해졌다. 칩 패키징과 검사, 레이저, 광학 하위 조립품에는 다른 전문 업체들도 참여한다.

CPO가 주목받는 이유는 AI 클러스터의 병목이 GPU 연산 성능에만 있지 않기 때문이다. 시스템 규모가 커질수록 가속기 사이를 연결하는 네트워크에서 전력, 대역폭, 전기 신호의 도달 거리와 신호 무결성이 전체 성능을 제한할 수 있다. CPO는 이른바 스케일아웃 네트워크 문제의 일부를 광학 통합으로 해결하려는 접근이다. 다만 생산 규모, 장기 신뢰성, 실제 고객 배치는 여전히 넘어야 할 과제다.

2028년 AI 인프라에 던지는 신호

Feynman 관련 보도는 AI 하드웨어 생산을 계획하는 방식이 바뀌고 있음을 보여준다. 칩이 출시되기 전부터 엔비디아의 제품 설계가 TSMC의 자본 지출과 패키징 투자에 영향을 미칠 수 있다는 의미다. 필요한 투자는 로직과 메모리 통합에 그치지 않고 3D 적층, 광 패키징, 장비, 검사까지 이어진다.

세 가지 흐름이 특히 두드러진다.

1. 첨단 패키징이 전략적 병목이 된다. SoIC 생산능력을 2026년 말 월 2만 장에서 2027년 말 월 5만 장으로 늘린다는 전망은 3D 통합 능력이 최첨단 웨이퍼 공급만큼 중요해질 수 있음을 시사한다.
2. 공급망 전체가 엔비디아의 출시 주기에 더 밀접하게 묶인다. 가속기가 출하된 뒤에 패키징 생산능력을 추가하는 것은 어렵기 때문에 공장 건설과 장비 설치, 공정 검증을 앞당겨야 한다.
3. 클라우드 사업자는 완성형 AI 시스템에 투자해야 한다. 2028년 전후의 AI 인프라는 가속기만 구매하는 방식으로 끝나지 않는다. HBM 시스템, 첨단 패키지, 광 네트워크, 전력 공급, 냉각 설비까지 함께 필요하다. 이는 공개된 클라우드 지출 전망이 아니라, 보도된 기술 방향에서 도출한 분석이다.

Feynman은 아직 공식 사양이 완성된 제품이라기보다 공급망을 움직이는 신호에 가깝다. 관련 보도가 맞다면 엔비디아는 TSMC에 A16 로직, SoIC 적층, HBM 통합, CPO 네트워크가 함께 성숙하는 제조 플랫폼을 요구하고 있다. 앞으로의 가장 큰 병목은 가장 작은 트랜지스터 자체가 아니라, 거대한 AI 시스템을 안정적으로 조립하고 연결해 대량 생산하는 산업의 능력이 될 수 있다.