테슬라 AI5 칩 테이프아웃 – H100 수준 성능, TSMC+삼성 동시 생산

40배. Musk가 AI4 대비 AI5의 성능 향상으로 던진 숫자야

정확한 벤치마크보다 중요한 건 이 숫자가 왜 지금 나왔는지야. 4월 15일, Elon Musk가 X 라이브 스트림에서 "AI5 칩이 공식 테이프아웃(tape-out, 설계 완료 후 제조에 넘기는 단계)에 도달했다"고 밝혔어. 그리고 화면에 첫 샘플 칩을 들어 보이면서 "역대 가장 많이 양산될 칩 중 하나가 될 것"이라고 했지.

테이프아웃은 반도체 개발의 진짜 결승점이야. 여기서 설계 오류가 있으면 수천만 달러가 날아가. 그래서 이 단계를 찍었다는 건 제품화가 실질적으로 시작된다는 뜻이야.

그리고 숫자 하나가 더 있어. AI5의 생산은 TSMC 애리조나 팹 + 삼성 텍사스 팹의 듀얼 소싱이야.

이걸 이해하려면 — 테슬라가 자체 칩을 만드는 이유

출처: commons.wikimedia.org · CC BY-SA 4.0

자동차 회사가 자체 AI 칩을 만든다는 건 원래 상식이 아니었어. GM, Ford, Toyota, Volkswagen 어느 곳도 자체 칩을 설계해서 TSMC에 맡기지 않았지. 다들 Nvidia, Qualcomm, Mobileye의 SoC를 사다 썼어.

Tesla가 이 길을 벗어난 건 2019년이야. FSD(Full Self-Driving) 하드웨어 3.0부터 자체 설계한 FSD 칩을 탑재했고, 이게 AI1이라고 불려. 그 후로 AI2, AI3, AI4가 이어졌고, 이번 AI5가 5세대야.

왜 자체 설계를 고집할까? 이유는 세 가지야.

첫째, 추론(inference) 전용 워크로드에 특화. 자율주행은 데이터센터의 범용 훈련 워크로드와 달라. 초당 수백만 프레임의 영상을 저지연으로 처리하고, 특정 신경망(Tesla 자체 비전 모델)에 맞춰 메모리·연산을 최적화해야 해. 범용 GPU는 낭비가 많지.

둘째, 공급망 통제. Nvidia에 모든 자율주행 컴퓨팅을 의존하면, Nvidia의 가격 정책과 물량 할당에 인질이 돼. 2022년 이후 Nvidia GPU 품귀 사태를 겪으면서 모든 빅테크가 자체 실리콘 전략을 강화했지. Google TPU, AWS Trainium, Meta MTIA가 그 흐름이야.

셋째, 비용 구조. 대량 양산만 된다면 자체 설계 칩이 Nvidia에서 사 오는 것보다 전력·비용 효율이 높아져. Tesla의 판매량(2026년 기준 연 200만 대)에 Optimus 로봇 수요까지 합치면 "수억 개 칩"이라는 규모가 나와.

핵심 내용 해부

스펙 요약

항목	AI4 (2023년 양산)	AI5 (테이프아웃 완료)
메모리	약 16GB LPDDR5	192GB LPDDR5X
연산 성능 (Tesla 주장)	기준 1x	약 8x
메모리 대역폭	기준 1x	약 5x
메모리 용량	기준 1x	약 9x
제조 공정	Samsung 7nm	듀얼 소싱 (TSMC AZ + Samsung TX)
탑재 대상	Model S/3/X/Y, Cybertruck	차량 + Optimus 로봇 + Dojo 클러스터

단일 AI5 칩의 추론 성능이 Nvidia H100 GPU 급이라는 게 Musk의 주장이야. 이 말 자체는 "Tesla 자체 워크로드에 한정"이라는 단서가 붙어. 범용 AI 워크로드에서는 H100이 여전히 앞서지만, Tesla의 비전-기반 자율주행과 로봇 제어 모델에 한정하면 단일 칩으로 H100에 근접한다는 뜻이야.

듀얼 소싱이 진짜 뉴스야

제일 큰 뉴스는 사실 성능 숫자가 아니야. TSMC 애리조나 팹 + 삼성 텍사스 팹의 동시 생산이라는 구조야.

미국 내 반도체 제조 회귀(CHIPS Act 효과)의 가장 큰 실전 케이스가 등장한 거야. 다른 AI 칩 벤더들은 대부분 TSMC 대만 본토에서 찍고 있어. Nvidia H100·Blackwell? 대만 TSMC. AMD MI300X? 대만 TSMC. AWS Trainium? 대만 TSMC. Google TPU? 삼성 평택과 TSMC 대만.

Tesla의 AI5가 미국 내 팹 2곳에서 동시 생산된다는 건:

• 지정학적 리스크 회피: 중국-대만 갈등이 실전화되더라도 공급 지속
• 관세·수출통제 대비: 트럼프 행정부의 대중 반도체 규제 확대에 대응
• 양산 속도: 두 팹이 병렬 생산하면 단일 팹 대비 램프업 속도가 빨라

Musk가 실제로 말한 타임라인

초기 샘플 실리콘은 2026년 하반기에 나올 예정이고, 고volumen 양산은 2027년 중반 목표야. 그리고 AI6의 테이프아웃은 2026년 12월로 이미 잡혀 있어. AI7 이후 설계도 착수됐다고 Musk는 밝혔어.

이 스케줄이 흥미로운 건 AI4 이후 AI5까지의 간격이 거의 2년 늦어졌다는 점이야. 원래 2024년에 나왔어야 했는데 2026년이 됐어. Musk는 지연 이유를 "메모리 대역폭 재설계"와 "패키지 수율 문제"로 돌렸지만, 실제로는 Tesla 반도체 팀의 내부 인력 이탈이 영향을 줬다는 게 업계 관측이야.

로드맵 — AI5, AI6, AI6.5, Dojo 3

Musk는 테이프아웃 발표와 함께 후속 로드맵도 공개했어. 디테일을 뜯어보면 Tesla가 얼마나 진지한지 드러나.

마일스톤	일정	비고
AI5 테이프아웃	2026-04-15	발표 완료
AI5 엔지니어링 샘플	2026 H2	KR2613 마킹, Samsung SF2T
AI5 양산 개시	2027 중반	TSMC 애리조나 + Samsung 텍사스
AI5 탑재 첫 차량	2026 말	Cybertruck 리프레시, Model S Plaid AI5 (루머)
AI6 테이프아웃	2026-12 목표	Samsung SF2 원래 계획
AI6.5 테이프아웃	2027 (루머)	TSMC 분담 — Samsung 수율 헤지
Dojo 3 배치	2027~2028	AI5 클러스터 기반

AI5 엔지니어링 샘플은 2026년 하반기, 본격 양산은 2027년 중반이야. 2024년 "2025년 말 AI5 차량 출하"라던 원래 약속 대비 약 2년 지연이야. 현재 루머 기준으로 AI5 탑재 첫 차량은 2026년 말 Cybertruck 리프레시와 Model S Plaid AI5 변형이 될 거고, 2026년 2분기 출시 예정인 Cybercab은 여전히 AI4로 가.

AI6는 이미 설계 단계에 들어가 있고, 테이프아웃은 2026년 12월로 잡혀있어. TrendForce 보도에 따르면 원래 Samsung SF2 공정 단독으로 가려 했는데, Tesla가 AI6.5라는 별도 변형을 만들어 TSMC에 맡기기로 결정했대. 해석하면 Samsung 2nm 수율(보도에 따르면 50–55% 수준)에 대한 헤지야. AI5는 이미 Samsung이 원래 AI6용으로 개발하던 SF2T 커스텀 공정을 앞당겨 적용받았어.

Dojo 3는 차세대 훈련 클러스터인데, 전용 데이터센터 SoC를 따로 만들지 않고 AI5 클러스터로 구성한다는 게 공식 방침이야. 2년 전부터 이 방향으로 가고 있었어. 차량용 칩과 훈련용 칩을 따로 만들지 않고, 하나로 통합해서 규모를 키우는 전략이야.

리스크 — 40배 주장을 의심해봐야 하는 이유

인정할 건 인정해야 해. 테이프아웃은 실제 마일스톤이야. 하지만 몇 가지는 비판적으로 봐야 해.

40배 숫자는 Musk 개인의 주장이지 제3자 벤치마크가 아니야. 역사적으로 Musk의 성능 수치는 실제 출하 성능보다 1.5–2배 앞서 나가. HW4는 "HW3 대비 5배"라고 했지만 독립 측정에서는 약 3배 수준이었어. AI5도 현실적 예측은 AI4 대비 15–25배 정도. 40배까진 아니지만 여전히 엄청난 점프야.

실행 리스크도 크지. AI5는 이미 약 2년 늦었어. Samsung SF2T는 "Tesla 전용으로 커스터마이즈"된 공정이라 양산 수율 곡선을 본 사람이 없어. TSMC 애리조나는 안정적이지만 대만 본토 팹 대비 수율 성숙도가 낮아. 두 팹 중 한 곳이라도 2026–2027년에 문제가 생기면 양산 시점이 더 밀려.

지정학적으로도 "미국 내 생산" 스토리가 완벽하지 않아. SK하이닉스가 LPDDR5X 메모리를 공급하는데, SK하이닉스의 최첨단 DRAM은 한국에서 생산돼. Samsung LPDDR5X도 일부는 한국산이야. "미국산"은 로직 다이 얘기지 전체 패키지 얘기가 아니야. 한국 공급망이 흔들리면 AI5 출하량이 여전히 영향을 받아.

마지막으로 규제·법적 리스크. AI5 탑재 FSD가 여전히 운전자 감독을 요구하는 수준이라면, 40배 하드웨어 우위는 로보택시 수익화 스토리에 크게 도움이 안 돼. NHTSA의 진행 중인 FSD 조사나 California DMV 판정이 실리콘 성능보다 더 큰 제약이야. 하드웨어만으로는 L4를 못 뚫어.

더 넓은 그림 — "수직 통합 AI"의 끝판왕 실험

Tesla의 이번 결정은 AI 산업 전체의 흐름에서 특이한 위치에 있어.

대부분의 AI 회사들은 하드웨어를 Nvidia에 의존해. OpenAI, Anthropic, xAI, 심지어 Google조차도 TPU를 쓰면서도 Nvidia GPU 주문을 계속 늘리고 있어. 이유는 간단해. 자체 칩을 만들어서 성공시키는 데는 수년이 걸리고, 그 사이에 Nvidia가 앞서 나가거든.

Tesla는 이 상식을 뒤집는 거의 유일한 사례야. AI1부터 AI5까지 5세대를 찍으면서 Nvidia 의존도를 낮춰온 유일한 소비자 제품 회사.

그리고 Tesla에게는 세 가지 "타겟 디바이스"가 있어:

1. 차량 (Model S/3/X/Y, Cybertruck, Robotaxi) – 연간 200만 대
2. Optimus 로봇 – Musk는 연간 수백만–수천만 대를 목표로 제시
3. Dojo 3 슈퍼컴퓨터 – 훈련 클러스터

같은 칩이 이 세 제품에 같이 들어가. 설계 한 번 하고 생산량은 세 시장에서 동시에 나오는 구조라서, 단일 칩 설계의 R&D 비용을 세 제품으로 분산해. 이게 Tesla가 자체 칩을 경제적으로 성립시킬 수 있는 이유야.

BYD가 DeepSeek 모델을 차량에 내재화한 최근 움직임이랑 나란히 놓고 보면, 중국과 미국의 자율주행·로봇 진영이 모두 "수직 통합"으로 수렴하고 있다는 걸 알 수 있어. Google·Apple이 로봇·자율주행에서 아직 내놓은 하드웨어가 없는 걸 감안하면, 이 레이스의 선두는 Tesla + BYD 양강 구도야.

출처: commons.wikimedia.org · Public domain

그래서 뭐가 달라지는데

자동차·모빌리티 업계에게: Nvidia Drive Thor로 자율주행 컴퓨팅을 표준화하려던 Nvidia의 계획에 가장 큰 경쟁 프레셔가 걸려. Tesla AI5가 실제로 양산되면, 다른 OEM들도 "내 자체 칩을 만들 수 있을까?"라는 질문을 다시 하게 돼. Hyundai·Toyota·Volkswagen의 자체 SoC 프로젝트에 속도가 붙을 가능성이 커.

반도체 업계에게: 미국 내 첨단 팹 수요가 실질적으로 확인됐어. TSMC 애리조나와 삼성 텍사스 팹이 그동안 "가동률 낮다"는 비판을 받아왔는데, Tesla AI5가 이 두 팹의 주요 고객이 되면 가동률·수익성이 개선돼. 다른 미국 팹 프로젝트(Intel Ohio, Micron NY)에도 긍정적 신호야.

일반 Tesla 소비자에게: 2027년부터 출고되는 Tesla 차량은 연산 성능이 지금보다 최소 5배 이상 큰 컴퓨팅 유닛을 달게 돼. 완전 자율주행(Full Autonomy)까지 갈 수 있는지 여부는 여전히 모델·규제 이슈지만, 하드웨어 병목은 풀리는 방향이야. 기존 Tesla 오너들은 AI4 탑재 차량이 AI5 전환 시 하드웨어 업그레이드 대상이 될지에 관심을 가져야 해.

참고 자료

• Electrek – Tesla AI5 칩 테이프아웃 발표
• TechNode – TSMC·삼성 듀얼 소싱
• TweakTown – AI5 파트너십 상세
• Tom's Hardware – Musk 첫 샘플 시연, 40x 성능 주장