아무도 거버넌스하지 않는 변수: TSMC와 NVIDIA가 어떤 AI 미래를 결정하는 이유

By The Aether Council | 전략 기술 및 국가 안보 분석

대부분의 AI 거버넌스 논쟁은 한 층 너무 높은 곳에서 벌어지고 있다.

2021년부터 2025년 사이에 발표된 모든 주요 프레임워크 — EU AI Act, NIST AI Risk Management Framework, Bletchley Declaration, 중국의 생성형 AI 잠정 조치, 바이든의 Executive Order 14110 — 는 너무나 근본적인 구조적 사각지대를 공유하고 있어, 기껏해야 조건부로 집행 가능하고 최악의 경우 전략적 장식물에 불과하게 만든다. 이들은 모두 모델을 논의한다. 모두 훈련 데이터, 배포 안전장치, 레드라인, 정렬 기법을 논의한다. 그러나 이러한 프레임워크들이 애초에 집행 가능한지를 결정하는 변수를 공식적으로 모델링하는 것은 단 하나도 없다.

이를 The Intangible Fallacy라 부르자: 정책입안자들이 가중치, 데이터셋, 배포 가드레일을 규제하려 시도하면서, 그러한 정책들을 애초에 집행 가능하게 만드는 단일 변수 — AI가 작동하는 물리적 기판(substrate) — 를 무시하는 것이다.

소프트웨어는 대체 가능하다. 하드웨어는 제한적이다. 물리적 실리콘을 통제할 수 없다면, 당신의 거버넌스 프레임워크는 제안에 불과하다.

두 가지 프레임워크가 이 문제를 다룰 수 있게 만든다:

The Compute Control Hierarchy (CCH) — 원자재부터 클라우드 배포까지의 영향력 사슬로, 각 계층을 어떤 행위자가 통제하며 그 통제가 무엇을 가능하게 하거나 차단하는지를 식별한다.

The Supply Chain Leverage Point (SCLP) Framework — 단일 기업이나 관할권이 하나의 할당, 거부, 라이선싱, 또는 생산 결정을 통해 글로벌 AI 개발 궤적을 바꿀 수 있는 특정 병목 지점들이다.

핵심 결론은 불편하지만 불가피하다: TSMC와 NVIDIA는 ASML 및 소수의 동맹국 기업들과 함께, 대부분의 공식 AI 거버넌스 기관보다 AI 개발의 속도, 지리, 집행 가능성에 대해 더 큰 실질적 영향력을 현재 행사하고 있다. 이들이 규칙을 쓰기 때문이 아니다. 이들이 병목을 통제하기 때문이다.

I. The Compute Control Hierarchy

표준 AI 거버넌스 스택은 컴퓨팅을 투입물로 취급한다. 이는 분석적으로 부적절하다. 컴퓨팅은 일반적 투입물이 아니다. 정치적으로 구조화된 공급망이며, 각 계층에서의 통제는 서로 다른 의미를 갖는다.

Layer 1: 원자재 — 광물 병목

첨단 반도체의 기판은 초고순도 실리콘, 네온 가스, 팔라듐, 갈륨, 게르마늄, 그리고 희토류 원소 포트폴리오를 필요로 한다. 이들은 상호 교환 가능한 상품이 아니다. 첨단 팹은 오염에 대한 무관용 원칙하에 극도의 순도를 가진 투입물을 요구한다.

IEA의 2023년 핵심 광물 보고서에 따르면, 중국은 전 세계 희토류 채굴의 약 60%와 희토류 가공의 90%를 통제한다. 2023년 7월 베이징은 MOFCOM을 통해 갈륨과 게르마늄에 대한 수출 통제를 부과했다 — 금수 조치가 아니라 시위로서. Layer 1이 선택적으로 무기화될 수 있으며 특정 에스컬레이션 역학에 맞춰 조절될 수 있다는 신호였다. 미국 지질조사국(U.S. Geological Survey)은 미국이 어느 원소에 대해서도 국내 정제 역량이 거의 제로라고 확인했다.

네온 가스 — DUV 리소그래피의 엑시머 레이저에 필수적인 — 는 역사적으로 45–54%가 우크라이나에서 공급되었다. 러시아의 우크라이나 침공이 그 공급을 단절시켰다. 산업계는 이후 다각화했으나, 이 사건은 선례를 확립했다: Layer 1에서의 단일 지정학적 충격이 어떤 거버넌스 메커니즘도 이를 관리하지 못하는 상태에서 모든 하류 계층으로 전파된다.

일본은 JSR, TOK, Shin-Etsu를 통해 포토레지스트와 특수 화학물질의 핵심 점유율을 통제한다. 그 메커니즘은 품질 기반 의존성(quality-gated dependency)이다. 첨단 팹은 수율 손실 없이 저등급 화학물질로 대체할 수 없다.

거버넌스 함의: 어떤 AI 거버넌스 프레임워크도 원자재 교란이 대체물 없이 12–36개월간 글로벌 AI 컴퓨팅 생산을 제약할 수 있다는 가능성을 설명하지 못한다. 이것은 Dependency Exposure Class I이다: 영향받는 행위자들이 단기 완화 수단도, 조율된 대응을 위한 제도적 메커니즘도 갖지 못한 병목 지점이다.

Layer 2: 제조 장비 — 리소그래피 병목

이것은 전체 CCH에서 가장 중요한 단일 병목 지점이며, 하나의 회사가 통제한다.

벨트호번에 본사를 둔 ASML Holding은 지구상에서 극자외선(EUV) 리소그래피 장비의 유일한 제조업체이다. TWINSCAN NXE 및 EXE 시리즈는 7nm 이하의 모든 반도체를 제조하는 데 필수적이다. 대안 공급업체도 우회 방법도 없다. Canon과 Nikon은 성숙 노드용 DUV 시스템을 제조하지만, 어느 쪽도 실행 가능한 EUV 프로그램을 보유하고 있지 않다. ASML의 독점은 경쟁이 잠식할 수 있는 시장 결과가 아니다 — 이는 Zeiss SMT(서브 옹스트롬 공차의 EUV 광학), Trumpf(용융 주석 방울을 타격하여 EUV 광을 생성하는 CO₂ 레이저)와의 20년 이상의 공동 개발의 결과이며, 최초의 상업용 장비가 출하되기 전에 60억 유로 이상의 R&D를 대표한다.

각 NXE:3800E의 가격은 약 3억 5천만–3억 8천만 유로이다. 서브 2nm 제조를 가능하게 하는 차세대 High-NA EXE:5000 시리즈도 유사한 수준이며 — Intel과 TSMC에 대한 첫 납품이 2024–2025년에 시작된다. ASML은 2023년에 약 53대의 EUV 시스템을 생산했다. 글로벌 수요는 공급을 초과한다. 대기 목록은 수년 단위로 측정된다.

2023년 9월, 네덜란드 정부는 — 일본과의 3자 수출 통제 협정을 통해 조율된 지속적인 미국 외교적 압력하에 — 중국으로의 첨단 리소그래피 장비 수출에 대해 라이선스를 요구했다. 미국 Bureau of Industry and Security는 Foreign Direct Product Rule을 활용하여 ASML이 원격으로 장비를 비활성화하거나 서비스를 거부하도록 강제하여, 수억 달러짜리 하드웨어를 무용지물로 만든다. 최첨단 장비의 신규 선적은 사실상 차단되었다.

Applied Materials, Lam Research, KLA는 미국에서 필수적인 증착, 식각, 공정 제어 장비를 통제한다. Tokyo Electron은 일본에서 핵심 코터/디벨로퍼 및 식각 시스템을 제공한다. 이것은 공식적으로 The Allied Toolchain Denial Regime이라 명명되어야 할 것이다: 미국, 네덜란드, 일본이 첨단 노드 제조에 필요한 생산 장비에 대한 통제를 조율하는 연합 기반 수출 통제 아키텍처이다.

거버넌스 함의: 네덜란드 정부의 수출 통제 결정은, 기능적 측면에서, 지금까지 어떤 정부가 내린 것 중 가장 중요한 AI 거버넌스 결정이다. 이것이 어떤 국가가 프론티어 칩을 제조할 수 있는지를 결정한다. 어떤 AI 거버넌스 기구도 관여하지 않았다. 어떤 프레임워크도 이를 모델링하지 않는다. 이것은 Dependency Exposure Class II이다: 단일 행위자의 정치적 정렬이 글로벌 기술 궤적을 결정하는 독점 병목 지점이며 — 거버넌스 결정이 AI 감독 메커니즘이 아닌 수출 통제법을 통해 이루어지는 곳이다.

Layer 3: 웨이퍼 제조 — 파운드리

이것이 시스템의 핵심이다.

Taiwan Semiconductor Manufacturing Company (TSMC)는 서브 7nm 노드에서 세계 최첨단 반도체의 약 90%를 제조한다. TSMC의 N3 및 N4/N5 공정 노드는 프론티어 AI를 구동하는 칩을 제조한다: NVIDIA의 H100(N4), H200(N4), Blackwell 아키텍처 B100/B200(N4P), AMD의 MI300X(N5/N6), Google의 TPU v5 시리즈, Amazon의 Trainium2, Microsoft의 Maia 100.

Samsung Foundry는 유일한 다른 서브 5nm 행위자이지만, 지속적인 수율 문제에 직면해왔다. Intel Foundry Services는 전략적으로 중요하지만 여전히 추격자로 남아 있다. GlobalFoundries는 2018년에 첨단 노드 경쟁에서 철수했다.

TSMC는 단순한 제조업체가 아니다. TSMC는 프론티어 AI의 물리적 기판이다. 모든 주요 AI 연구소 — OpenAI, Anthropic, Google DeepMind, Meta FAIR, xAI — 는 TSMC의 타이난 Fab 18 및 관련 시설의 칩에 의존한다. TSMC의 2024년 자본 지출은 280–320억 달러였으며, 대부분 첨단 노드 확장에 투입되었다. AI 고객들의 수요가 할당 부족을 야기했다. TSMC는 각 고객이 분기별로 받는 웨이퍼 수를 결정한다. 이 할당 결정은 글로벌 경제에서 가장 중대한 자원 분배 메커니즘 중 하나이며, 어떤 공적 책임 프레임워크도 없이 민간 기업의 운영 계획 팀에 의해 이루어진다.

이는 공식적으로 The Taiwan Fabrication Concentration Problem이라 명명되어야 할 것을 만들어낸다: 하나의 섬이, 하나의 회사를 통해, 세계에서 가장 전략적으로 가치 있는 제조 역량의 불균형적 비율을 보유하는 조건이다.

거버넌스 함의: TSMC의 용량 할당은 글로벌 AI 컴퓨팅 공급의 구속 조건이다. 어떤 정부도 이러한 할당을 검토하지 않는다. 어떤 국제 기구도 이를 모니터링하지 않는다. 이것은 Dependency Exposure Class III이다: 분쟁 지역에 위치한 제조 독점으로서 거버넌스 공백이 완전한 곳이다.

Layer 4: 첨단 패키징 — CoWoS 병목

이것은 대부분의 정책 논의에서 완전히 놓치는 계층이다.

현대 AI 가속기는 단순히 제조된 칩이 아니다. 그 성능은 첨단 패키징 — 구체적으로 GPU를 HBM 스택과 결합하는 CoWoS(Chip-on-Wafer-on-Substrate) 및 관련 2.5D/3D 통합 기술 — 에 의존한다. CoWoS 용량은 2023–2024년 내내 AI 칩 생산에서 웨이퍼 제조보다 더 심각한 병목이었다. TSMC는 공격적으로 확장해왔으며 — 2025년까지 CoWoS 용량을 3배로 늘린 것으로 보도되었다 — 그러나 수요는 계속 공급을 앞지르고 있다.

HBM은 3사 과점 구조에 의해 통제된다: SK Hynix(HBM3E의 ~53%), Samsung(~40–43%), Micron(~4–7%, 증가 중). SK Hynix는 NVIDIA의 선호 공급업체로, HBM3E 인증을 가장 먼저 획득했다. Samsung은 수율 및 방열 문제에 직면하여, NVIDIA 인증이 2024년 하반기로 지연된 것으로 보도되었다.

이것이 The Packaging Bottleneck Reality이다: 프론티어 AI에서 첨단 패키징 용량은 1차 전략 변수이다. CoWoS 통합과 HBM이 없는 AI 가속기는 배포 가능한 훈련 칩이 아니다.

거버넌스 함의: 첨단 패키징과 HBM 공급은 모든 AI 거버넌스 프레임워크에서 보이지 않지만 칩 생산의 하드 시링(hard ceiling)으로 기능한다. 이것은 Dependency Exposure Class IV이다: 기술 스택의 너무 깊은 곳에 위치하여 정책 분석가들이 볼 수 없는 숨겨진 병목이다.

Layer 5: 칩 유통 — 할당자의 거부권

칩이 제조된 후에도 중립적으로 할당되지 않는다. 배급된다.

NVIDIA는 AI 훈련 가속기 시장에서 추정 80% 이상의 점유율을 보유하고 있다. 그 지배력은 단순한 하드웨어 이야기가 아니다 — 이는 생태계 이야기이다. 2006년에 처음 출시된 NVIDIA의 독점 병렬 컴퓨팅 플랫폼인 CUDA는 AI 워크로드의 사실상 표준 프로그래밍 모델이다. 400만 명 이상의 개발자가 CUDA를 사용한다. 모든 주요 AI 프레임워크 — PyTorch, TensorFlow, JAX — 는 CUDA에 최적화되어 있다. AMD의 ROCm과 Intel의 oneAPI는 실행 가능한 대안이지만 수년 단위로 측정되는 생태계 격차에 직면해 있다.

2023–2024년의 극심한 부족 시기에, NVIDIA의 할당 결정은 순수하게 시장 주도적이지 않았다. CEO 젠슨 황은 주요 고객 — 하이퍼스케일러, 주권 AI 프로그램, 선별된 스타트업 — 과 직접 소통했다. 할당 프레임워크는 장기 구매 계약을 가진 하이퍼스케일러의 물량 약정, 전략적 관계, 그리고 미국 정부의 지침이 요인으로 작용하는 국가 안보 고려사항을 우선시한 것으로 보도되었다.

NVIDIA는 또한 2022년 10월 BIS 규정을 준수하여 상호연결 대역폭을 통제 임계값 이하로 낮춘 중국 전용 변형인 A800과 H800을 설계했다. BIS가 2023년 10월에 통제를 강화하자, 그 변형들은 수출 불가가 되었다. NVIDIA의 수출 통제 준수 — 또는 성능 저하 제품을 통한 창조적 우회 — 가 그 통제의 실효성을 결정한다.

NVIDIA는 더 이상 단순한 민간 기술 기업이 아니다. 이는 The Corporate State Proxy이다. 미국 상무부가 중국의 AI 개발을 제약하고자 할 때, NVIDIA가 제품 아키텍처를 변경하도록 강제하기 위해 특별히 설계된 성능 밀도 임계값을 작성한다. NVIDIA의 준수 메커니즘과 할당표가 미국 AI 정책의 실질적 집행 기관이다. 이것이 The Private-Sovereign Entanglement Problem이다: 민간 기업의 상업적 결정이 주권 수준의 전략적 결과를 수반하면서, 그 기업은 그 결과에 상응하는 어떤 거버넌스 프레임워크하에서도 운영되지 않는 것이다.

거버넌스 함의: NVIDIA는 오늘날 AI에서 가장 중요한 거버넌스 행위자 중 하나이다. 어떤 거버넌스 프레임워크도 이를 그렇게 모델링하지 않는다. 이것은 Dependency Exposure Class V이다: 시장 구조가 프론티어 역량에 대한 접근을 결정하는 유통 병목 지점이다.

Layer 6: 클라우드 인프라 — The Sovereign Cloud Layer

마지막 계층은 컴퓨팅이 배송되는 물체가 아닌 호출 가능한 서비스가 되는 곳이다.

AWS, Microsoft Azure, Google Cloud, Oracle Cloud는 AI 훈련과 추론이 이루어지는 데이터 센터를 운영한다. 이 기업들은 또한 수출 규정을 준수하는 접근의 선호 채널로 기능한다 — 그 메커니즘은 무제한적 물리적 소유가 아닌 관할권 감독하의 컴퓨팅 접근이다.

클라우드 제공업체와 프론티어 AI 연구소의 수직적 통합은 중립적 시장이 아닌 구조를 만들어낸다. Microsoft와 OpenAI의 독점적 관계, Google의 DeepMind 통합, Amazon의 Anthropic에 대한 40억 달러 투자(AWS를 선호 클라우드 제공업체로)는 클라우드 컴퓨팅 할당이 전략적 파트너십, 지분 참여, 우선 접근 계약과 연결되어 있음을 의미한다.

하이퍼스케일러와 제휴하지 않은 AI 스타트업과 학술 연구자에게 컴퓨팅은 주요 병목이다 — 인재보다, 데이터보다, 자금보다 더. 2024년 1월에 출범한 National AI Research Resource 시범 프로그램은 프론티어 훈련에 필요한 것에 비해 수 차수(orders of magnitude) 부족하다.

거버넌스 함의: 하이퍼스케일러의 가격 책정, 할당, 파트너십 결정은 사실상의 AI 개발 정책으로 기능한다. 프론티어 연구소와의 수직적 통합은 어떤 거버넌스 프레임워크도 다루지 않는 구조적 이해 충돌을 만들어낸다.

Layer 7: 엣지 및 추론 배포

일곱 번째 계층은 부상하고 있으며 점점 더 중요해지고 있다: AI 거버넌스는 중앙집중식 클라우드 추론에서 온디바이스 배포로의 전환에 대응해야 한다. 양자화되고 증류된 모델 — Meta의 Llama 3 패밀리, Mistral의 모델들 — 은 소비자 하드웨어에서 실행될 수 있다. 이는 AI 역량을 데이터 센터 너머로 분산시키며, 컴퓨팅 사용량을 중앙에서 모니터링하는 것에 의존하는 모든 거버넌스 체제를 복잡하게 만든다. 중앙집중식 컴퓨팅 기반 거버넌스는 훈련에 대해서는 여전히 구속력 있는 제약이지만, 추론에 대해서는 점점 더 집행 불가능해지고 있다.

II. The Supply Chain Leverage Point Framework

SCLP 프레임워크는 더 어려운 질문을 던진다: 정확히 어디에서 하나의 행위자가 하나의 결정을 내려 글로벌 AI 궤적을 바꿀 수 있는가?

SCLP는 세 가지 기준을 충족해야 한다: 해당 노드에서의 독점 또는 준독점 통제(24개월 이내에 대체 가능한 대안이 없는 상태에서 >60%), 관련 기간 내 실행 가능한 우회 방법이 없을 것, 그리고 글로벌 AI 역량을 실질적으로 변경할 수 있는 옵션을 포함하는 의사결정 공간이 있을 것.

2025년 현재 5개의 주요 SCLP가 존재한다:

|------|--------|---------------|---------------|

핵심 관찰: SCLP 1, 2, 4는 모두 서태평양 제1열도선 내에 위치한다. 네덜란드가 예외이지만, ASML의 하위 공급망은 동아시아 부품에 크게 의존한다. 프론티어 AI의 물리적 인프라는 지구상에서 가장 분쟁이 치열한 지정학적 극장에 집중되어 있다.

어느 단계에서든 통제가 연쇄적으로 작용한다: ASML이 EUV를 보류 → TSMC가 3nm 라인을 유휴화 → NVIDIA가 H100을 배급 → xAI가 차기 슈퍼클러스터를 지연. CCH는 이론적 추상이 아니다. 이것은 글로벌 AI 역량의 실제 인과 구조이다.

III. The Substrate Shock Doctrine: 하룻밤 사이에 일어나는 일

모든 진지한 AI 거버넌스 논의는 대만 비상사태를 모델링해야 한다. 침공이 확실하기 때문이 아니다. 전체 프론티어 컴퓨팅 시스템이 TSMC의 중단 없는 운영을 구조적으로 전제하고 있기 때문이다.

시나리오 A: 봉쇄

PRC의 대만에 대한 해상 및 공중 봉쇄는 TSMC를 직접 겨냥하지 않으면서도 TSMC의 공급망을 교란할 것이다. TSMC의 팹은 지속적인 투입물을 필요로 한다: JSR과 Tokyo Ohka Kogyo의 포토레지스트, Stella Chemifa의 식각액, 가스