프레임워크

MHS 하드웨어 인터페이스란? Anthropic의 AI 칩 전략을 읽다

Anthropic가 공개한 Model Hardware Standard(MHS) 프리뷰는 AI 클러스터 내 하드웨어 상호연결을 표준화하려는 시도다. 화제는 적지만, Claude를 다양한 칩에 더 쉽게 올릴 수 있는지가 핵심 쟁점이다.

글자 크기

MHS 하드웨어 인터페이스란? Anthropic의 AI 칩 전략을 읽다

Anthropic가 Model Hardware Standard(MHS) Research Preview를 공개했다. 이 표준은 AI 클러스터 내부에서 GPU, CPU, 메모리, 그리고 다양한 가속기 간 연결 방식을 하나로 묶으려는 시도다. AI 사용자 입장에서 가장 궁금한 부분은 "이 표준 덕분에 Claude가 더 다양한 하드웨어에서 원활하게 동작하게 되는가"일 것이다.

MHS는 새 칩이 아니라, 하드웨어 상호연결 규격이다

MHS는 풀네임 그대로 Model Hardware Standard다. 칩이 아니며, AI 가속기 또한 아니다. 공개된 프리뷰가 다루는 범위는 주로 다음을 포함한다.

  • GPU와 GPU 사이의 연결
  • GPU와 호스트 CPU, 메모리 사이의 연결
  • GPU와 전용 ASIC 등 다양한 가속기 사이의 상호연결

Anthropic는 PCIe나 NVLink처럼 동작하는 인터페이스를 제공해, AI 클러스터가 특정 칩 벤더의 프로토콜에만 전적으로 의존하지 않게 하려는 의도다.

다만 이번 공개는 아직 research preview 단계다. 공개된 자료만으로는 대역폭, 호환 장비, 실제 성능을 확인할 수 없다.

Hacker News의 23점, 11개 댓글은 무엇을 말하는가?

해당 페이지 초안 기록에 따르면 Hacker News에서 23점, 댓글 11개를 받았다. 이 숫자는 MCP 프로토콜 발표 때의 관심도에 비해 현저히 낮다.

이유는 단순하다.

  1. MHS는 하드웨어와 인프라를 겨냥한 사안이라 일반 애플리케이션 개발자들과 거리가 멀다.
  2. 프리뷰 단계에서는 완전한 규격이 공개되지 않아 논의 기반 자체가 부족하다.
  3. GPU, CPU, ASIC 사이의 상호연결은 본래 전문 영역의 주제다.

관심도가 낮다는 것이 쓸모가 없다는 뜻은 아니다. 하드웨어 인터페이스는 보통 서버, 드라이버, 스케줄러 깊은 곳에 묻혀 있어 개발자의 눈에 잘 띄지 않는다. 하지만 학습 속도, 배포 비용, 공급사 선택에는 직접적인 영향을 준다.

MHS 페이지에는 어떤 기업들이 이름을 올렸는가?

MHS 페이지에 나열된 협력사로는 NVIDIA, AMD, AWS, Google Cloud, Microsoft Azure가 포함되어 있다. 이 목록은 Anthropic의 공개 페이지에서 가져온 것이지만, 명단에 이름을 올렸다고 해서 실제 협력 수준까지 알 수는 없다.

여기서 두 가지를 구분할 필요가 있다.

MHS가 NVLink를 대체하려는 것인가, 아니면 서로 다른 상호연결 방식 사이의 간극을 메우려는 것인가?

후자일 가능성이 더 크다. NVIDIA의 NVLink는 자사 GPU 전용에 가깝고, AMD는 Infinity Fabric을, AWS는 Trainium을, Google Cloud는 TPU를 사용한다. 각자의 방식이 풀려는 문제가 다르며, 프리뷰 하나 공개되었다고 곧바로 합쳐지지는 않는다.

MHS의 진짜 가치는 상위 소프트웨어에 비교적 통일된 추상화 계층을 제공한다는 데 있을 가능성이 높다. 즉, 하드웨어 프로토콜 자체를 대체한다기보다는 학습 프레임워크와 클러스터 스케줄러가 맞춰야 할 인터페이스 수를 줄여주는 방향이다.

Anthropic는 왜 MHS를 밀어붙이는가?

첫째, Anthropic는 Claude 배포 비용을 낮춰야 한다.

Claude 학습과 추론이 NVIDIA에 과도하게 의존하면 공급, 가격, 생산량의 변동이 곧바로 서비스에 영향을 준다. 인터페이스가 통일되면 Trainium, TPU, AMD 하드웨어를 손쉽게 비교 평가할 수 있다.

둘째, 클라우드 업체들과의 협상 카드를 늘려야 한다.

AWS, Google Cloud, Microsoft Azure 모두 자체 칩 계획을 갖고 있다. NVIDIA 단일 의존을 줄이고 싶어하며, Claude 관련 학습·추론 워크로드를 자사 인프라로 끌어오고 싶어 한다.

셋째, MHS는 단일 하드웨어 생태계에 대한 Anthropic의 견제 카드가 될 수 있다.

NVIDIA의 강점은 칩 자체뿐 아니라 CUDA, NCCL, TensorRT, NVLink가 묶어내는 소프트웨어-하드웨어 결합에서 나온다. 그중 한 요소만 따로 교체하면 호환성과 성능 문제에 부딪힌다. MHS가 상위 소프트웨어를 하드웨어 agnostic하게 만들어주면, Anthropic는 이주를 선택할 수 있는 추가 옵션을 갖게 된다.

MHS가 마주칠 실제 저항은 무엇인가?

가장 큰 저항은 인터페이스 명칭이 아니라 생태계다.

이미 다양한 상호연결 표준이 등장하고 사그러들었다.

  • Gen-Z: 2016년에 제안되었으나 사실상 시장에서 사라짐
  • CCIX: 여전히 존재하지만 채택 범위는 제한적
  • CXL: 적용 사례가 비교적 넓지만 호환성과 벤더 협조는 여전히 숙제
  • OpenCAPI: IBM이 밀었으나 시장 영향은 제한적이었음

이 사례들이 보여주는 것은, 프로토콜을 설계하는 것은 시작에 불과하다는 점이다. 그 뒤로 드라이버, 컴파일러, 프레임워크, 스케줄러, 운영 도구까지 모두 따라가야 한다.

MHS가 안고 있는 현실적 위험은 세 가지다.

  • NVIDIA는 NVLink의 핵심 우위를 공개 인터페이스에 내줄 동기가 없다.
  • AMD가 지지하더라도 MHS를 자사 주력 라인업에 반드시 얹지는 않을 것이다.
  • 각 클라우드 벤더는 자사 칩을 두고 있어, 바닥 계통 제어권을 통일 표준에 맡길 이유가 부족하다.

따라서 MHS의 현실적인 출발점은 Claude 자체 배포를 먼저 지원하는 쪽일 가능성이 크다. 향후 3년 안에 NVLink나 다른 독점 방식을 대체할 것으로 보기는 어렵다.

Anthropic가 대규모 학습 마이그레이션 사례를 한 번이라도 공개하지 않는다면, 벤더 명단의 로고 나열만으로 생산 단계 가용성을 입증하기는 어렵다.

편집자의 생각

MHS가值得关注할 이유는 이미 NVLink를 대체할 수 있기 때문이 아니라, Anthropic가 문제를 모델 계층에서 하드웨어 계층으로 끌어내렸기 때문이다. 과거 모델 회사들은 보통 API를 통해 칩 차이를 가렸다. 이번에는 Anthropic가 직접底层 인터페이스를 정의하려 들었다. MCP가 모델이 도구를 어떻게 부를지 다루는 표준이라면, MHS는 클러스터 안에서 연산 자원이 어떻게 협력할지 다루는 표준이다. 둘이 다루는 층위가 다르다.

내 판단으로는, MHS는 단기적으로 보면 AI 업계의 새 표준이라기보다 Anthropic의 공급망·조달 도구에 가까울 가능성이 높다. 진짜 검증 기준은 협력사 몇 개가 웹페이지에 올려졌느냐가 아니라, 학습 또는 추론 마이그레이션 결과가 공개되었는가다. 대역폭, 지연 시간, 호환 장비, 배포 규모 같은 데이터가 없는 상태에서, 이것이 NVIDIA 생태계에 대한 정식 도전이라고 해석하기엔 이르다.

출처: Anthropic - Model Hardware Standard Research Preview

출처: https://www.anthropic.com/news/model-hardware-standard-research-preview