한국엡손이 차세대 성장 전략으로 로보틱스와 산업용 잉크젯, 마이크로디바이스 등 기업 간 거래(B2B)를 공략한다. 프린팅 사업에서 축적한 초소형·고정밀 기술을 산업 현장에 적용해 사업 구조를 ‘프린터 기업’에서 ‘산업용 기술 기업’으로 전환한다는 전략이다. 세이코엡손은 22일 서울 강남구 그랜드 인터컨티넨탈 서울 파르나스에서 한국엡손 창립 30주년 및 글로벌 최고경영자(CEO) 방한 미디어 간담회를 열고 이 같은 내용의 중장기 성장 전략을 발표했다. 요시다 준키치 세이코엡손 대표이사 사장은 이날 향후 10년 장기 비전인 ‘엔지니어드 퓨처 2035’를 공개하며 “지금까지 축적해온 코어 기술을 기반으로 성장 영역에서 사업 확대를 지속하겠다”고 밝혔다. 요시다 대표의 한국 방문은 취임 이후 처음이다. 엡손의 사업 전환을 이끌 핵심은 로보틱스와 산업용 잉크젯, 마이크로디바이스다. 현재 전체 매출의 약 33%인 산업용 영역의 매출 비중을 2035년 50%까지 끌어올리고, 전체 사업이익에서 차지하는 비중도 45%에서 70%까지 높인다는 목표다. 기존 프린팅 사업을 축소하는 대신 이를 안정적인 수익 기반으로 유지하면서 제품을 만들며 축적한 정밀 기술을 산업용 부품과 소재, 자동화 분야로 확장한다는 구상이다. 엡손은 현재 매출의 약 70%를 프린팅 사업에서 거두고 있다. 로보틱스에서는 수평 다관절 방식의 스카라(SCARA) 로봇과 6축 로봇 등을 앞세워 전자·반도체 기업을 중심으로 자동화 수요를 공략한다. 반복 작업뿐 아니라 정밀도가 요구되는 제조 공정으로 로봇 적용 분야를 넓힐 계획이다. 산업용 잉크젯은 기존 프린터의 ‘출력’ 개념을 제조 공정으로 확장하는 분야다. 엡손은 잉크젯 솔루션과 프린트헤드 기술을 기반으로 상업·산업용 프린팅은 물론 굿즈 제작, 온디맨드 생산 등 디지털 제조 영역으로 사업을 확대하고 있다. 마이크로디바이스도 성장축으로 꼽힌다. 엡손은 수정 원재료의 제조·가공부터 반도체와 수정 디바이스 기술까지 확보하고 있다. 데이터센터와 서버, 고속통신 시장에서 데이터 처리량과 통신 속도가 높아질수록 정밀한 타이밍 제어와 저전력·소형 부품에 대한 수요가 커질 것으로 보고 관련 사업을 확대한다. 요시다 대표는 “그래픽처리장치(GPU)와 메모리 분야에 큰 투자가 이뤄지고 있다”며 “데이터센터와 서버, 통신 속도가 빨라질수록 소비되는 전력도 많아진다”고 말했다. 이어 “엡손은 데이터 전송과 서버, 데이터센터 등 고정밀 타이밍이 요구되는 영역에 대응하면서 저전력과 소형화를 함께 구현하고 있다”고 설명했다. 사업구조 전환을 위한 투자도 본격화한다. 엡손은 2026~2028년 성장·전략 분야에 총 2800억엔(약 2조 4000억원)을 투자한다. 이 가운데 성장 분야 투자와 인수·합병(M＆A) 등 전략 투자를 통해 로보틱스와 정밀 이노베이션 등 신성장 영역을 확대할 계획이다. 수익성 개선도 병행한다. 엡손은 글로벌 운영체계와 공급망을 재설계하고 고정비 구조와 자산 효율을 개선해 3년간 260억엔 규모의 수익 개선을 추진한다. 2028회계연도까지 투하자본이익률(ROIC) 8% 이상, 자기자본이익률(ROE) 10% 이상, 매출이익률(ROS) 8% 이상을 달성한다는 목표도 제시했다. 한국 시장에서도 산업용 사업 확대에 나선다. 한국엡손은 지난해 회계연도 매출 2276억원을 기록해 전년보다 약 28% 성장했다. 특히 정밀 이노베이션 부문 매출이 205%, 산업·로보틱스 부문이 24% 증가하며 성장을 이끌었다. 정밀 이노베이션 부문에서는 잉크젯 솔루션을 기반으로 프린트헤드 사업을 확대했고, 산업·로보틱스 부문에서는 상업·산업용 프린팅과 자동화 분야로 적용처를 넓혔다. 한국엡손은 국내 반도체·이차전지·IT 기업을 대상으로 산업용 잉크젯과 로보틱스 등 B2B 사업을 확대할 계획이다. 요시다 대표는 “한국은 반도체, 이차전지, IT 등 첨단산업 분야에서 세계적인 경쟁력을 갖춘 중요한 전략 시장”이라며 “단순한 판매 시장을 넘어 새로운 가치를 함께 만들어가는 ‘공동 창조 파트너’로 보고 있다”고 말했다. 모로후시 준 한국엡손 대표는 “30주년은 지난 성과를 돌아보는 동시에 앞으로의 성장을 준비하는 새로운 출발점”이라며 “엡손만의 정밀 기술과 엔지니어링 역량을 바탕으로 산업의 혁신과 생산성 향상을 지원하겠다”고 말했다.

최근 세간을 놀라게 만든 중국의 인공지능(AI) 서비스 ‘키미 K3’나 딥시크 ‘V4.1 플래시’, 알리바바 ‘Qwen 3.8’ 등은 모두 한 가지 공통된 특징이 있습니다. 모델 크기와 관계없이 극도로 효율성을 높여 제한된 하드웨어에서 최대한 많은 토큰을 생성할 수 있다는 것입니다. 여기에 모델을 공개하기 때문에 실제로 전 세계 많은 사용자가 개인 컴퓨터나 클라우드, 그리고 내부 컴퓨터에서 이 모델들을 사용하고 있습니다. 성능에 비해 하드웨어 자원을 매우 효율적으로 사용해 비용을 절감할 수 있는 것이 높은 인기의 비결입니다. 중국 모델의 효율이 높은 이유 중 하나는 아이러니하게도 미국의 금수 조치로 인해 연산 인프라를 확충하기 어렵다는 점에 있습니다. 엔비디아 칩 수급이 힘들다 보니 어쩔 수 없이 연산 효율성을 높여야만 하는 것입니다. 물론 최근 화웨이 같은 중국 내 정보기술(IT) 기업들이 자체 AI 가속기인 ‘어센드’(Ascend) 시리즈를 공급하고 있긴 하나, 아직은 성능 면에서 엔비디아 칩과 상당한 격차가 있어 당분간 연산 효율화에 집중하는 구조가 이어질 것으로 보입니다. 물론 화웨이도 가만히 있지 않고 어센드 신경망처리장치(NPU)와 이를 모아 구성한 클러스터인 아틀라스 슈퍼포드(Atlas SuperPod)를 꾸준히 업그레이드하고 있습니다. 최근 개최된 화웨이 커넥트 2026 행사에서는 앞으로 2029년까지 어센드 960DT/PR, 어센드 970, 어센드 980 칩에 대한 로드맵을 공개했습니다. 흥미롭게도 중국 딥시크의 최고경영자(CEO)인 량원펑(Liang Wenfeng)은 이전 컨퍼런스 콜에서 중국의 컴퓨팅 자원이 부족하지만, 화웨이의 ‘아틀라스 950 슈퍼포드’가 엔비디아의 ‘GB300 NVL72 랙’을 상당 부분 대체할 수 있다고 주장한 바 있습니다. 다만 4개의 어센드 칩이 있어야 GB300 한 개를 대체할 수 있는 수준이라는 점은 인정했습니다. 그런데 공개된 수치를 보면 화웨이 어센드 칩이 GB300을 따라잡기 위해서는 여전히 상당한 시간이 필요한 것으로 보입니다. 우선 내년 1분기에 화웨이는 차세대 제품인 ‘어센드 960DT’를 선보일 예정입니다. 이 칩은 새로운 SIMD/SIMT 아키텍처를 채택해 FP32, HF32, FP16, BF16, FP8, MXFP8, HiF8, MXFP4 등 다양한 데이터 포맷을 지원합니다. 이 칩은 최대 2 PFLOPS(페타플롭스)의 FP8 연산 능력과 4 PFLOPS의 FP4 연산 능력을 지니고 있으며, 288GB HBM 메모리와 9.6TB/s의 대역폭을 확보했습니다. 참고로 GB300의 dense FP4 연산 능력이 약 15 PFLOPS라는 점을 생각하면, 내년 출시할 어센드 960DT의 성능은 엔비디아 칩을 대체하기엔 아직 부족한 수준입니다. 따라서 화웨이는 수많은 어센드 NPU를 연결한 거대한 클러스터인 아틀라스 슈퍼포드를 개발했습니다. 엔비디아의 NVL72 랙 시스템이 72개의 GPU와 36개의 CPU를 사용하는 것과 달리, 아틀라스 960E 슈퍼포드는 무려 4096개의 NPU를 고속 인터페이스로 연결해 최대 16 EFLOPS의 연산 성능을 목표로 하고 있습니다. 화웨이 커넥트 2026에서 화웨이는 이렇게 많은 칩을 고속으로 연결해 하나의 거대한 연산 기계로 활용할 수 있는 신기술도 같이 공개했습니다. 예를 들어 고속 광학 인터페이스인 Hi-ONE 5500개를 적용해 기존 대비 전력을 550㎾나 절감했다고 합니다. 다만 그럼에도 전력 소모량은 상당히 많을 것으로 예상됩니다. 전기를 많이 먹는 HBM 메모리를 288GB나 장착한 데다, TSMC가 아닌 중국 파운드리인 SMIC의 공정을 사용할 수밖에 없어 성능 대비 전력 소모가 클 수밖에 없기 때문입니다. 따라서 어센드 칩을 사용한 아틀라스 슈퍼포드는 엔비디아의 NVL72 랙 시스템에 비해 전력 소모가 크고 유지비가 많이 들 것으로 예상됩니다. 이런 단점에도 불구하고 미국의 제재로 인해 엔비디아 칩 수급이 어려운 중국 내 AI 회사들은 선택의 여지가 제한된 상황에서 화웨이 칩을 사용할 수밖에 없고, 화웨이도 그 점을 잘 알고 있기 때문에 계속해서 어센드 시리즈를 개발할 예정입니다. 화웨이는 2027년 1분기에 어센드 960DT를 출시한 후 3분기에는 추론 특화 버전인 960PR을 출시하고, 2028년에는 어센드 970을 출시할 계획입니다. 어센드 970은 3.6 PFLOPS FP8/14 PFLOPS FP4의 연산 능력을 목표로 하고 있습니다. 2029년 출시 목표인 어센드 980에서는 다시 스펙을 두 배로 늘려 7.2 PFLOPS FP8/28 PFLOPS FP4까지 성능을 높인다는 계획입니다. 계획대로 된다면 GB300은 따라잡을 수 있지만, 2029년까지도 베라 루빈의 50 PFLOPS FP4 성능에는 미치지 못하는 수준입니다. 따라서 중국 AI 회사들은 다소 불리한 위치에 있지만, 앞서 이야기했듯이 놀라운 연산 효율화를 통해 미국 프런티어 AI 모델에 강력한 위협이 되고 있습니다. 여기에 화웨이 역시 느리지만 꾸준한 성장세를 보이고 있어, 미래에는 미국의 제재가 큰 힘을 발휘하지 못할 가능성이 높아지고 있습니다. AI 패권을 놓고 벌이는 싸움에서 쉽게 승자를 예측하기 어려운 이유입니다.

삼성이 약 3000억원 규모의 네덜란드 반도체 설계 스타트업 ‘유클리드’ 투자에 공동 투자자로 참여했다. 유클리드는 엔비디아의 그래픽처리장치(GPU)와는 구조가 완전히 다른 인공지능(AI) 반도체 설계업체로 차세대 반도체 기술 선점에 나선 모습이다. 유클리드의 베르나르도 카스트룹 최고경영자(CEO)는 15일(현지시간) 미국 경제방송 CNBC와 인터뷰에서 서머싯 캐피탈 파트너스, 이노베이션 인더스트리, 스케일업 유럽펀드 등이 참여한 2억 3100만 달러(약 3150억원) 규모의 시리즈 A 투자에 삼성이 공동 투자자로 이름을 올렸다고 밝혔다. 유클리드는 2024년 설립된 네덜란드 기업으로 기존 GPU와는 완전히 다른 구조로 추론용 AI 반도체 시스템을 설계하는 기업이다. 단일 칩 개발을 넘어 연산 장치와 메모리 아키텍처, 데이터센터 시스템 등 플랫폼을 구축하고 있다. 유클리드는 아직 대규모 검증을 거치지는 않았지만, 자체 개발한 AI 반도체 시스템을 활용하면 AI 데이터센터를 구축·운영하는 데 드는 비용과 전력 사용량을 크게 줄일 수 있다고 설명했다. 유클리드는 2028년 실물 반도체 시스템을 내놓는 것을 시작으로 2030년까지 수천 곳의 기업에 서비스를 제공하는 것을 목표로 하고 있다고 카스트룹은 덧붙였다. 현재 AI 반도체 시장은 엔비디아의 GPU가 사실상 독점하고 있지만, 최근 들어 빅테크와 스타트업들이 자체 AI 반도체 개발에 속속 뛰어들고 있다. 오픈AI는 지난달 업계를 주도할 속도와 효율성을 갖췄다는 AI 반도체 ‘할라페뇨’를 발표했다. 구글과 아마존웹서비스(AWS), 메타 등도 자체 AI 반도체 업그레이드를 가속하고 있다.

앤트로픽·오픈AI “안전 검증 필요”젠슨 황 ‘AI 파국론’ 전망에 선 그어 인공지능(AI) 개발 속도조절론이 소위 ‘세기의 논쟁’으로 부상한 가운데, 글로벌 빅테크 및 AI 선두 기업들의 입장이 갈리고 있다. 인간이 예측할 수 없는 AI의 위험에 대응할 필요가 있다는 생각은 같다. 하지만 엔비디아는 AI 고도화 가속, 앤트로픽·오픈AI는 개발 속도 조절, 마이크로소프트(MS)는 인간의 통제 강화 등 사업 영역과 이익에 따라 분화가 심화하는 모습이다. 젠슨 황 엔비디아 최고경영자(CEO)는 14일(현지시간) 미국 로스앤젤레스에서 열린 ‘올인 서밋’에서 AI 고도화가 인류 파멸로 이어질 수 있다는 전망에 대해 “과학에 근거하지 않았다”고 밝혔다. 또 인터뷰 도중 도널드 트럼프 미국 대통령이 전화해 AI 파국론을 “사기”라고 일축하자 황 CEO는 “(트럼프 대통령이) 이 문제의 복잡성을 잘 이해하고 있다”고 했다. AI 속도조절론에 가장 뚜렷하게 선을 그은 셈이다. MS가 이날 내놓은 답은 ‘통제’다. MS는 ‘AI 행동강령’을 공개하고 “AI는 의식을 갖고 있지 않고 의식을 모방하도록 설계돼서도 안 된다”고 밝혔다. AI가 인간의 수정이나 종료 명령을 거부하지 못해야 하며, 인간에게 통제권이 없다면 AI의 범용성, 자율성, 성능 일부를 포기할 수 있다는 원칙도 담았다. 무스타파 술레이만 MS AI CEO는 이를 향후 자체 AI 모델을 규율할 ‘헌법’이라고 설명했다. 속도조절론은 다리오 아모데이 앤트로픽 CEO가 지난 12일 불을 붙였다. AI가 다음 AI 개발을 돕는 ‘재귀적 자기 개선’과 통제망 이탈 사례가 잇따르자 안전 연구와 검증이 기술 발전을 따라잡을 시간을 벌자는 취지다. 샘 올트먼 오픈AI CEO, 일론 머스크 xAI CEO, 데미스 허사비스 구글 딥마인드 CEO도 공감했다. 하지만 해당 논의가 AI 산업 전반으로 확산되자 해법은 갈렸다. 황 CEO의 속도조절 선 긋기는 AI 전체의 연산량 증가가 곧 그래픽처리장치(GPU)와 데이터센터 수요 증가로 이어지면서 엔비디아의 이익이 확대되기 때문으로 보인다. MS는 AI를 얼마나 빨리 개발하느냐보다 기업과 이용자가 계속 안심하고 쓸 수 있느냐가 중요하다. 애저 클라우드와 마이크로소프트365, 코파일럿 등 기업용 서비스에서 AI 활용이 늘수록 사업도 커진다. AI에 대한 불신으로 인한 도입 위축이나 기술 발전 둔화는 부담이다. 개발 속도 감속보다 ‘통제 가능한 AI’를 앞세운 배경으로 읽힌다. 반면 속도조절론을 처음 꺼낸 프런티어 모델 개발사들은 안전 책임뿐 아니라 막대한 개발비 부담도 안고 있다. 새 모델 출시 주기가 짧아질수록 거액을 들여 학습한 모델에서 투자비를 회수할 시간도 줄어든다. 오픈AI가 2030년까지 부담할 것으로 예상되는 컴퓨팅 비용만 7500억 달러(약 1020조원)에 이른다. 속도조절론을 AI 고도화에 대한 순수한 논쟁으로만 보기는 어렵다는 시각도 나온다. 미국 정보기술(IT) 전문매체 더버지는 안전 규칙 강화가 막대한 비용을 감당할 수 있는 선두 업체에 유리한 반면 후발주자와 오픈소스 진영에는 진입 장벽으로 작용할 수 있다고 지적했다. AI 안전 보장을 위한 제동이 기존 업체의 시장 지배력을 굳히는 ‘사다리 걷어차기’가 될 수 있다는 것이다. 증시는 이런 논쟁이 AI 인프라 투자 둔화로 이어질 가능성을 우려했다. 간밤 미국에서 필라델피아반도체지수가 5.9% 급락했고 엔비디아와 마이크론은 각각 3.4%, 5.3% 내렸다. 모델 개발이 실제로 느려지면 데이터센터와 GPU, 고대역폭메모리(HBM) 수요까지 둔화할 수 있다는 우려가 반도체주에 영향을 미친 것이다.

변호사이자 방송인 서동주가 SK하이닉스 주식에 꾸준히 추가 매수를 이어가며 손실 폭을 줄여나가고 있는 근황을 공개했습니다.최고 280만원대까지 치솟았던 매입가를 239만원대까지 낮췄다는 것인데요. 증권가에서는 인공지능(AI) 반도체 수요 증가에 힘입어 SK하이닉스의 추가 상승 가능성을 점치고 있습니다. “280층에서 239층으로”…물타기로 버틴다서동주는 지난 10일 자신의 유튜브 채널에 ‘280층에 들어가 반려닉스 생긴 서동주의 주식 근황’이라는 제목의 영상을 올렸습니다. 여기서 ‘층’이란 SK하이닉스의 평균 매입가를 아파트 층수에 비유한 것이며, ‘반려닉스’는 평생을 함께하는 반려동물처럼 주식을 장기 보유하게 됐다는 의미를 담은 표현입니다. 서동주는 SK하이닉스 주식을 고점에 사서 손실을 보고 있는 상황과 관련한 자신의 일화를 먼저 꺼냈습니다. 그는 “남편과 쉬려고 하는데 하이닉스에 물려 있는 내 상황이 떠오르더라”며 “‘사랑하기 때문에’라는 가사를 ‘물려있기 때문에’로 개사해 불러 올렸다”고 말해 웃음을 자아냈습니다. 영상을 촬영한 지난달 26일, 서동주는 자신의 주식 계좌를 공개하며 수익률이 ‘마이너스 27.89%’라고 밝혔습니다. 그는 “최고는 280 몇 층에 들어갔다”며 “그때부터 물타기로 꾸준히 계속 샀다. 어제도 150만원대로 내려와서 한 번 더 물타기를 했다”고 설명했습니다. 이렇게 꾸준한 추가 매수로 평균 매입 단가를 낮춰온 결과, 서동주는 현재 ‘239층’에 있다고 전했습니다. 그는 “제가 기사에 처음 났을 때 259층이었는데 그 뒤로 물타기를 할 수 있을 때 꾸준히 해서 내려와 있다”고 말했습니다. 이어 “200층이 언제 되려나. 거의 ‘반려닉스’라고 부르고 있다”며 “내년을 노려본다”고 덧붙였습니다. 증권가는 상승 전망…목표 주가 상향 조정증권가 역시 SK하이닉스의 향후 주가 상승에 무게를 두고 있는데요. AI 관련 투자가 커지면서 고대역폭 메모리(HBM) 수요가 늘고 반도체 업황 역시 개선될 것이란 분석입니다. 미래에셋증권은 지난 7일 SK하이닉스 목표 주가를 310만원으로 높였습니다. AI 반도체에 들어가는 HBM 양이 늘고 가격도 오르면서 실적이 좋아질 것이라고 봤기 때문입니다. 특히 그래픽처리장치(GPU)뿐만 아니라 빅테크 기업들이 자체적으로 개발하는 AI 반도체에도 HBM이 쓰이고 있다는 점에 주목했습니다. HBM 시장 자체가 커질 뿐만 아니라 구매 기업들도 다양해지면서 SK하이닉스가 수혜를 볼 것이라는 해석입니다. 같은 날 DB증권도 SK하이닉스 목표 주가를 230만원으로 올려 잡았습니다. 올해 3분기부터 차세대 제품인 HBM4 출하가 본격적으로 시작되는 데다 내년 HBM4 가격 상승에 힘입어 실적 상승세가 이어질 것으로 예상했습니다. SK증권 역시 최근 SK하이닉스에 대해 투자의견 ‘매수’와 함께 목표주가 400만원을 유지했습니다. 반면 키움증권은 지난달 목표주가를 220만원에서 210만원으로 낮춰 잡았습니다. 메모리 가격이 비싸지다보니 스마트폰 업체들이 선뜻 구매에 나서지 않고 있고, 노트북과 PC용 메모리 판매도 예상보다 부진할 것으로 내다봤기 때문입니다. 다만 키움증권은 SK하이닉스에 대해 HBM 실적 성장에 대한 기대감이 단기적으로 주가를 다시 끌어올리는 힘이 될 것으로 전망했습니다.

챗GPT 개발사 오픈AI가 인공지능(AI) 모델 ‘GPT-6 아스트라’의 수요 폭증으로 월 200달러(약 27만원)짜리 최상위 ‘프로’ 요금제의 신규 가입을 일시 중단했다. 새 모델 출시 직후 수요가 예상보다 빠르게 늘어 이를 감당할 자원이 부족한 탓이다. 티보 소티오 오픈AI 제품·플랫폼 총괄은 10일(현지시간) 소셜미디어 엑스(X)에 “기존 이용자들이 아스트라를 계속 쓸 수 있도록 월 200달러 프로 요금제의 신규 가입을 일시 중단한다”고 밝혔다. 이미 가입한 사람은 영향을 받지 않는다. 기존 가입자들의 서비스 품질을 유지하면서 동시에 최대한 많은 이용자에게 아스트라를 제공하기 위한 조치라는 설명이다. 오픈AI의 챗GPT 유료 상품은 월 8달러 ‘고’, 20달러 ‘플러스’, 100달러와 200달러짜리 ‘프로’로 나뉜다. 이 가운데 문을 닫은 것은 맨 위 등급이다. 소티오 총괄은 “이 요금제가 시스템에 가장 큰 부담을 준다”며 “서비스를 최대한 넓게 유지하면서 취할 수 있는 가장 작은 조치를 택한 것”이라고 설명했다. 실제로 이 요금제는 5시간당 최신 모델 아스트라에 900건까지 질문할 수 있어, 낸 돈에 비해 쓸 수 있는 양이 아래 등급의 두 배다. 가장 많이 쓰는 고객만 골라 막은 셈이다. 오픈AI는 지난 3일 공개한 ‘GPT-6 아스트라’ 모델이 사람 대신 컴퓨터를 직접 조작해 문서를 만들고 웹사이트를 구축하는 수준에 이르렀다고 밝혔다. 그렉 브록먼 사장은 공개 당일 기자 브리핑을 “AGI(범용인공지능) 시대에 오신 것을 환영한다”는 말로 끝맺었다. 다만 브록먼 사장도 “개인적 믿음”이라는 단서를 달며 판단은 이용자에게 맡겼다. AGI는 사람이 하는 대부분의 경제활동을 AI가 대신할 수 있는 단계를 뜻한다. 반응은 뜨거웠다. 소티오 총괄은 하루 전에도 “아스트라 수요는 전례가 없는 수준”이라며 “지금까지 가파른 성장을 여러 번 겪었지만 이런 건 처음”이라고 했다. 오픈AI가 돈을 내겠다는 고객을 돌려보낸 것은 2023년 11월 챗GPT 플러스 가입을 잠시 막은 이후 약 3년 만이다. 문제는 AI를 돌리는 데 드는 연산 능력이다. 아스트라는 텍사스주 ‘스타게이트’ 데이터센터에서 그래픽처리장치(GPU) 10만개 이상을 동원해 학습시킨, 오픈AI 사상 최대 규모 모델이다. 성능이 올라간 만큼 한 번 답을 만들 때마다 잡아먹는 계산량도 커졌다. 여기에 이 모델이 해킹에 악용되지 않는지 감시하는 안전장치까지 추가 연산을 소모한다. 결국 이번 사태는 AI 시장의 병목이 ‘수요’에서 ‘공급’으로 옮겨갔음을 보여준다. 쓰겠다는 사람은 넘치는데 돌릴 컴퓨터가 모자란 상황이다. 이에 따라 GPU와 고대역폭메모리(HBM), 데이터센터, 전력 설비로 이어지는 투자 수요가 당분간 식지 않을 것이라는 관측이 나온다. HBM을 공급하는 삼성전자와 SK하이닉스 등 국내 반도체 업계에도 영향을 미칠 수 있는 대목이다. 한편 오픈AI는 같은 날 미국 연방총무청(GSA)과 계약을 맺고 아스트라를 포함한 AI를 공공부문에 절반 가격으로 공급하기로 했다. 개인 고객에게는 최고가 상품을 못 팔면서, 정부에는 절반 값에 공급하는 셈이다. 정부 계약 역시 쓴 만큼 요금을 매기는 방식이어서, 오픈AI로서는 연산 부담을 관리하면서 공공시장을 선점하겠다는 계산으로 풀이된다.

자는 척했던 거인창신메모리, 5년 내 판도 엎을 것국가 빅펀드, 수십조원 씨앗 뿌려IPO로 시장에서 자본 회수 모델DDR4 반값에 뿌리며 시장 잠식삼전닉스, 멈추는 순간 따라잡혀AI 응용시장에 사활 거는 中14억 인구와 데이터 원석이 무기AI로 제조업 전환, 생산성 극대화2500명 필요했던 공장, 로봇 대체불도 끄고 사람도 없이 밤새 가동원가절감해 제조업 세계 1위 목표한국의 대응방안은한국 제조업·미국 빅테크 손잡고중국처럼 생산 원가 낮춰 생산을반도체·배터리·바이오 최종 보루규제·주52시간 근무 등 타개하고고품질·고신뢰 첨단 공급자 돼야인공지능(AI) 시대의 총아인 반도체와 휴머노이드 로봇 분야에서 중국이 무섭게 부상하고 있다. 최근 중국경제전문가인 전병서 중국경제금융연구소장을 만나 중국 반도체·AI 굴기의 비결, 한국 반도체의 갈 길 등에 대해 이야기를 나눴다. 전 소장은 “최근 반도체 초호황은 미중 갈등에서 우리가 어부지리를 얻은 것으로 실력으로 착각하면 안 된다”며 “미국도 중국도 못 하는 고품질·고신뢰의 첨단 기술 공급자 포지션을 확보하는 것이 한국의 생존 전략”이라고 강조했다. ●유일하게 中 앞선 반도체, 기술 격차 3년 -창신메모리(CXMT)가 최근 상하이 증시에 상장해 시가총액 1위(약 770조 원)에 올랐다. “잠자던 거인이 깨어난 게 아니라, 사실 자고 있던 척했던 거다. 지금은 세계 4위지만 5년 안에 판도가 뒤집힐 것이다. 현재 우리와 기술 격차는 범용 D램은 3년, HBM은 5년 격차, 이 숫자를 편하게 볼 수 있는 한국 기업은 없다. 올해 2분기 CXMT의 D램 점유율은 불과 1년 만에 4%에서 10%로 2.5배 뛰었다. 반도체 슈퍼사이클이 CXMT에 자금과 자신감을 동시에 선물했다. 호황의 과실이 경쟁자를 키우는 아이러니가 벌어지고 있다.” -중국 반도체 산업이 ‘국가 보조금’에서 ‘증시 활용’으로 전략을 바꿨나. “씨앗은 국가가 뿌리고 열매는 시장이 따가는 구조다. 1단계는 국가 빅펀드가 수십조원을 쏟아 기술 기반을 닦는 것, 2단계는 기업공개(IPO)로 자본을 회수하는 것이다. CXMT는 666억 위안, YMTC는 330억 위안을 증시에서 확보할 예정이다. 리스크는 국가가, 수익은 시장이 가져간다. 반도체에 이어 로봇까지 이 공식이 반복된다. 더 교묘한 건 글로벌 자본을 끌어들여 외국 투자자들이 중국 반도체에 돈을 넣게 만들면, 미국도 함부로 제재하기 어려워지는 구조를 만든다는 점이다. 외국 돈이 들어오면 미국도 쉽게 손을 못 댄다.” -CXMT가 삼성전자·SK하이닉스에 실질적으로 영향을 미칠 시점은. “범용 D램 기술 격차 3년, 실적 타격은 5년, 달력을 보면서 긴장해야 할 숫자다. CXMT는 지금 DDR4를 반값에 뿌리며 시장을 잠식 중이다. 가격전쟁은 이미 시작됐고, 한국에 남은 방어선은 HBM뿐이다. 삼성과 SK하이닉스가 HBM4, HBM4E에 자원을 집중하고 범용 D램 의존도를 줄이는 것 외에 선택지가 없다. 중국이 쫓아올 수 없는 속도로 계속 앞으로 달아나야 한다. 멈추는 순간 따라잡힌다.” -HBM 경쟁에서 중국은 아직 못 따라오고 있는데. “5년 격차의 기술 해자(진입 장벽), 지금은 든든해 보이지만 해자도 메워진다. HBM은 단순 반도체가 아니라 패키징·적층 공정이 결합된 복합 기술이다. 2030년 이전에 판도가 뒤집힐 가능성은 낮다. 그러나 중국이 HBM3를 양산하는 순간, 한국은 HBM4E와 HBM5로 이미 올라서 있어야 한다. 기술 우위란 결국 속도 경쟁이다. 앞서가고 있다는 안도감이 가장 위험하다.” -최근 반도체 호황은 우리 기업의 실력 아닌가. “운을 실력으로 오판하는 착각이다. 미중이 싸우는 바람에 우리한테 황금비가 내린 것이다. 미국의 대중 반도체·AI 제재가 없었다면 지금의 초과수요는 절반도 되지 않았을 것이다. 우리가 어부지리를 얻은 셈이다. 단군 이래 최대의 지정학적 횡재를 실력으로 포장하는 순간 판단이 흐려진다. 지금 대비해야 할 건 반도체 가격 하락이다. 부동산 폭락보다 더 빠르고 더 깊을 수 있다.” -중국의 AI모델 딥시크가 전 세계에 충격을 줬다. “딥시크가 증명한 건 단순하다. 돈 많이 쓴다고 이기는 게임이 아닐 수 있다는 것이다. 중국 AI 기업들은 오픈AI·구글과 어깨를 나란히 할 수 있는 모델을 연달아 내놓고 있다. 미국은 물량으로, 중국은 저비용 효율로 싸운다. 다만 추론 극한·에이전트 AI·멀티모달 최전선에서는 미국이 여전히 6~12개월 앞서 있다. AI는 1등이 독식하는 시장이다. 그 격차가 작아 보여도 결정적이다.” -중국은 AI보다 기존 산업에 AI를 활용하는데 적극적인데. “중국은 이걸 ‘AI플러스’라 부른다. AI 모델 전쟁에서 이기기 어려우면 AI 응용 시장에서 이기겠다는 전략이다. 14억 인구와 세계 최대 제조업이 데이터 원석이다. 제조·물류·농업·의료에 AI를 입히면 데이터가 폭발하고 AI 성능이 다시 올라가는 선순환이 생긴다. 제조업의 AI 전환을 통해 생산성을 높이겠다는 전략이다. 중국 수출이 금지된 최첨단 그래픽처리장치(GPU)가 없어도 산업적인 응용은 중간급 칩으로 충분히 작동한다. 싸움터를 자신에게 유리한 곳으로 옮긴 것이다.” ●저비용 두뇌·몸통 단 中휴머노이드 -AI플러스로 어떻게 생산성을 높일 수 있나. “작년에 중국의 가전제품을 만드는 공장을 다녀왔다. 과거 2500명이 돌리던 라인을 지금은 로봇과 자율 운반차가 대신한다. 불도 끄고 사람도 없이 밤새 돌아가는 공장, 이른바 ‘다크팩토리’(Dark Factory)다. 현재 중국에서 수백 개가 가동 중이다. 중국이 노리는 건 AI로 생산원가를 절반으로 자르는 것, 제조업 세계 1위를 기술이 아닌 원가절감으로 굳히는 것이다. AI를 목적이 아니라 돈 버는 수단으로 본다.” -중국의 AI플러스 전략이 한국에는 어떤 영향을 줄까. “AI플러스의 최대 피해자는 한국이다. 반도체 빼고 제조업에서 중국을 앞서는 분야가 사실상 없는 상황에서, 중국이 다크팩토리로 인건비를 0에 수렴시키고 원가를 40~50% 낮추면 한국 제조업은 직격탄을 맞을 수 밖에 없다. 경고음은 울리고 있지만 한국은 듣지 못하고 있다.” -우리 제조업에서도 AI를 활용할 방안이 있다면. “한국이 미국에 무역 합의에 따른 3500억 달러를 투자해도 원금 회수가 쉽지 않다. 그 해법으로 산업 데이터를 많이 확보한 한국의 제조업과 미국의 빅테크가 손 잡고 중국처럼 생산원가를 낮춘 제품을 생산하는 것이다. 예를들어 현대차와 오픈AI, 삼성전자와 클로드, SK하이닉스와 구글이 손잡고 ‘한국형 AI플러스’를 만드는 것이다. 먼저 한국에서 다크팩토리를 만들어 원가가 50% 절감되는 것을 보여주는 시범사업을 한 뒤 미국에 이런 공장을 짓는 것이다.” -중국 로봇 기업 유니트리도 상장해 주가가 폭등했다. “1600만 원짜리 휴머노이드가 로봇 시장의 문법을 바꿨다. 테슬라 옵티머스보다 싸고 더 많이 찍어낸다. 유니트리 G1은 글로벌 가격 파괴를 선도하며 전 세계 휴머노이드 시장의 32%를 장악했다. 중국의 강점은 부품 공급망이 전부 국내에 있다는 점이다. 모터·배터리·센서·액추에이터 등 핵심 부품을 외국에서 조달할 필요가 없다. 글로벌 휴머노이드 설치 시장 상위 4개사가 전부 중국 업체다. 로봇 시장을 만든 것도, 지배하는 것도 중국이다.” -중국 휴머노이드 밸류체인이 세계에 주는 영향력은. “딥시크라는 저비용 두뇌에 유니트리라는 저비용 몸통, 이 조합이 ‘피지컬 AI’ 양산 시대를 열고 있다. 모터·배터리·AI 모델·로봇 프레임까지 밸류체인이 중국 안에서 완결된다. 외부 의존도가 거의 없다. 역설적으로 이 지점이 한국의 기회다. 서방 기업들이 중국산 하드웨어를 꺼리는 상황에서, 자동차·정밀기계 기반을 갖추고 신뢰성과 공급망 안정성을 증명할 수 있는 한국이 믿을 수 있는 대안으로 부상할 수 있다.” -미국 제재에도 중국의 반도체·로봇 기술이 향상되는 이유는. “미국 제재가 오히려 자립을 강요했다. 화웨이가 미국 칩 공급이 끊기자 기린 칩을 스스로 만든 게 상징적이다. 위기를 기회로 바꾼 게 아니라, 다른 선택지가 없었던 거다. 그 결과 중국 반도체 엔지니어 수는 5년 만에 3배 이상 늘었다. 공대생이 의대생보다 대우받는 나라, 그 선택이 지금의 기술력을 만들었다. 현재 반도체 자립도 33%, 로봇 자립도 55~65%다. 제재의 역설이다.” ●수명 다한 전략적 모호성 버려야 -이대로면 우리 기업이 코너에 몰리지 않을까. “가마솥의 개구리가 물이 뜨거워지는 걸 모르듯, 위기는 천천히 온다. 철강·조선·가전·화학은 이미 중국에 내줬다. 반도체·배터리·바이오가 마지막 보루인데, 이마저 내주면 한국의 수출 경쟁력은 해체된다. 다음 세대 기술인 HBM5·차세대 배터리·바이오신약에 지금 당장 베팅해야 한다. 중국보다 1~2세대 앞서 있으면 가격이 아닌 기술로 싸울 수 있다. 규제·주 52시간 근무·데이터·벤처자본 등 발목을 잡는 구조를 빨리 타개해야 한다.” -미중패권 시대 한국은 어떤 스탠스를 취해야 하나. “전략적 모호성은 수명이 다했다. 이제는 선택적 명확성의 시대다. HBM·AI 반도체·첨단 방산은 미국 동맹 체계 안에서만 움직여야 한다. 그러나 경제와 시장에서는 중국과의 실용적 관계를 끊을 수 없다. 중국은 여전히 한국 최대 수출처다. 등을 돌리는 건 전략이 아니라 자해다. 미국도 중국도 독자적으로 할 수 없는 것, 고품질·고신뢰의 첨단 부품 공급자 포지션을 선점하면 양쪽 모두에게 없어서는 안 되는 나라가 된다.” -오래전부터 중국을 지켜봤다. 느끼는 점은. “중국은 느리다는 편견은 착각이었다. 20년 전 중국 공대생은 100만 명이었다. 지금은 이공계 졸업생만 480만 명, 한국 전체 대학생보다 많다. 중국 기업가들의 위기의식은 한국보다 훨씬 날이 서 있다. ‘내일 망할 수 있다’는 공포가 혁신을 만든다. 실패해도 다시 하는 집요함이 있다. 한국은 대기업 시스템에 안주하는 경향이 있다. 중국 지도자들은 45일에 한 번씩 AI·빅데이터 등 첨단 산업을 함께 공부한다. 국가 장기 산업전략을 세우고 일관성 있게 밀어붙인다. 한국은 정권이 바뀔 때마다 전략이 흔들린다. 그 차이가 지금의 격차를 만들었다.” ■ 전병서 중국경제연구소장은 중국 칭화대에서 석사, 푸단대에서 박사학위를 받았다. 대우경제연구소에서 반도체와 IT애널리스트로 17년간 일했다. 대우증권 상무, 한화증권 전무를 역임한 이후 20년여간 중국 경제와 금융을 연구하고 있다. 성균관대 중국대학원, 중앙대 경영전문대학원에서 MBA학생들을 가르치고 있다. 저서로는 ‘금융대국 중국의 탄생’, ‘기술패권시대의 대중국 혁신전략’, ‘한국반도체 슈퍼乙전략’,‘차이나 퍼즐’ 등이 있다. 최광숙 대기자

젠슨 황 엔비디아 최고경영자(CEO)가 앞으로 그래픽처리장치(GPU) 40만개가 추가로 가동될 것이라고 예고했다. 오픈AI의 최신 인공지능(AI) 모델 ‘GPT-6 아스트라’ 학습에 이미 블랙웰 GPU 10만개 이상이 투입된 데 이어 AI 개발에 동원되는 반도체 규모가 수십만개 단위로 커지고 있다. AI 가속기에 탑재되는 고대역폭메모리(HBM) 수요도 덩달아 늘면서 삼성전자와 SK하이닉스에 대한 실적 기대도 높아지고 있다. 황 CEO는 6일(현지시간) 엑스(X)에 아스트라가 10만개 이상의 블랙웰 GPU로 학습됐다며 “범용인공지능(AGI)이 도래했다”고 평가했다. AGI는 인간이 수행하는 대부분의 지적 업무를 폭넓게 해낼 수 있는 수준의 AI를 뜻한다. 이어 “앞으로 40만개의 GPU가 추가로 가동될 것”이라고 밝혔다. 40만개의 구체적인 투입처와 가동 시점은 밝히지 않았다. GPU 성능이 빠르게 향상되는 ‘황의 법칙’이 이어지고 있지만 성능 개선이 수요를 줄이기는커녕 더 큰 모델과 더 많은 연산을 불러오며 외려 GPU와 HBM의 수요가 커지는 상황이다. GPU 투입량 증가는 곧 HBM 수요 확대와 연결된다. HBM은 여러 개의 D램을 수직으로 쌓아 대량의 데이터를 빠르게 주고받도록 만든 메모리로, 블랙웰을 비롯한 AI 가속기에 필수적으로 탑재된다. AI 데이터센터 투자가 급증하면서 HBM 생산량도 빠르게 늘고 있지만 수요 증가 속도를 따라잡기에는 부족하다는 전망이 우세하다. 트렌드포스는 내년 HBM의 총 메모리 용량 기준 출하량이 올해보다 50~60% 늘어나도 공급 부족이 이어질 것으로 내다봤다. 트렌드포스에 따르면 엔비디아는 차세대 ‘루빈 울트라’에 당초 검토하던 12단 HBM4E뿐 아니라 적층 수를 낮춘 8단 HBM4E와 8·12단 HBM4 등 여러 구성을 검토하고 있다. 내년 D램 공급 부족과 고적층 HBM4E의 초기 수율, 인증 일정 등을 고려해 한정된 메모리로 더 많은 GPU를 생산하기 위한 선택지를 넓히고 있다는 분석이다. 엔비디아가 GPU당 HBM 탑재량까지 조정하는 방안을 검토하는 것은 HBM 공급 압박이 그만큼 크다는 의미이기도 하다. AI 인프라 투자가 수십만개의 GPU를 추가로 흡수하는 상황에서는 이런 조정이 전체 HBM 수요 감소로 이어지기보다 GPU 공급 확대를 뒷받침할 가능성이 크다. 수요 확대의 직접적인 수혜가 예상되는 곳은 삼성전자와 SK하이닉스다. 카운터포인트리서치가 지난 3일 발표한 자료에 따르면 올해 2분기 글로벌 HBM 시장에서 SK하이닉스는 매출 기준 점유율 50%로 1위를 차지했고 삼성전자는 1분기 21%에서 33%로 점유율을 높였다.

미국 오픈AI의 새 인공지능(AI) 모델 ‘아스트라’ 공개로 반도체주에 대한 투심이 회복되며 삼성전자와 SK하이닉스가 급등 출발한 7일 증권가는 재차 양사에 대한 눈높이를 끌어올렸다. 반면 개인 투자자들은 이날 오전 유가증권시장에서 2조원 넘게 순매도하며 차익을 실현했다. 이날 KB증권은 내년 메모리 반도체 시장의 ‘역사상 가장 타이트한 공급 환경’을 예상하며 강력한 재평가가 필요하다는 분석을 내놓았다. 김동원 KB증권 리서치본부장은 보고서에서 “최근 하이퍼스케일러들의 내년 AI 인프라 투자 규모는 전년 대비 60% 증가한 1조 3000억 달러로 급격히 상향 조정되고 있다”면서 “AI가 클라우드 AI 서비스, 토큰 과금, 에이전틱 AI 및 모델 호스팅 등 직접적 신규 매출처로 부상하며 AI 수익 모델이 구체화되는 단계에 본격 진입했기 때문”이라고 설명했다. 이어 “AI 인프라 투자에서 메모리 반도체가 차지하는 비중은 2025년 14%에서 2027년 57%로 2년 만에 4배 증가할 것”이라며 “HBM4 메모리 용량이 증가한 가운데, CPU 서버 DRAM과 추론용 엔터프라이즈 SSD 증가가 동시에 발생되고 있기 때문”이라고 덧붙였다. 김 본부장은 “3분기 삼성전자와 SK하이닉스의 메모리 재고는 10일 미만까지 낮아진 상황으로, 단순한 수요 회복 국면을 넘어 공급 가능한 물량 자체가 절대적으로 부족해질 가능성이 높다”면서 내년에는 ‘메모리 물량 고갈’에 이를 수 있다고 내다봤다. 이어 현재 삼성전자와 SK하이닉스의 주가는 2027년 실적 기준 주가수익비율(PER) 3배 수준이라며, “향후 3년간 역대 최대 실적 경신과 대규모 주주환원 정책 지속이 예상돼 극단적 저평가에서 강력한 재평가 시작이 기대된다”고 강조했다. “내년 실적 기준 PER 3배”“아스트라, 메모리 장기 수요 확신 강화”미래에셋증권은 이날 삼성전자와 SK하이닉스의 목표주가를 일제히 상향 조정했다. 삼성전자는 기존 37만원에서 40만원으로, SK하이닉스는 기존 280만원에서 310만원으로 끌어올리고 ‘매수’ 의견을 유지했다. 김영건 미래에셋증권 연구원은 삼성전자에 대해 “환율 하락에 따른 부정적 영향을 반영하더라도 이익 증가 흐름은 이어질 것”이라며 내년 연간 영업이익은 536조원으로 추정했다. 또 오픈 AI의 ‘GPT6-아스트라’ 출시를 계기로 메모리 성능의 중요성이 커질 것이며, 삼성전자가 고대역폭메모리(HBM) 기술 고도화를 통해 메모리 시장의 주도권을 이어갈 것이라는 전망을 내놓았다. SK하이닉스에 대해서는 내년 영업이익이 386조원에 달할 것으로 관측되는 반면, 현재 주가는 밸류에이션 부담이 낮다고 판단했다. 또한 AI용 GPU의 HBM 탑재량이 증가하는 데다 맞춤형 인공지능(AI) 반도체(ASIC) 진영으로도 HBM 적용이 확대되는 흐름 속에 HBM 시장점유율 1위인 SK하이닉스가 수혜를 받을 것이라고 기대했다. 손인준 유진투자증권 연구원도 이날 보고서에서 ‘GPT-6 아스트라’ 출시로 불붙은 반도체 투심 회복에 주목하며 삼성전자와 SK하이닉스에 대한 ‘강력 매수’ 의견을 유지했다. 손 연구원은 “챗GPT, 클로드 등 과거 AI의 주요 분기점 이후 반도체 전반 및 메모리 업종의 주가는 큰 폭으로 상승했다”면서 “AI 활용이 인프라 수요와 실적으로 연결되며 반도체의 가치가 재평가됐다는 점에 주목한다. 아스트라 역시 장기 수요에 대한 확신을 강화할 계기가 될 전망”이라고 분석했다. 한편 지난주 개인과 외국인, 기관 등 3개 수급 주체가 모두 ‘팔자’로 돌아선 유가증권시장에서 이날 오전 기관과 외국인은 순매수로 돌아섰다. 이날 오전 11시 20분까지 유가증권시장에서 외국인은 9170억원, 기관은 7740억원 순매수했으며 삼성전자와 SK하이닉스의 자사주 매입으로 추정되는 ‘기타법인’의 순매수도 6240억원으로 집계됐다. 반면 개인은 2조 3040억원을 순매도하며 차익을 실현했다.

최근 개최된 ‘핫 칩스(Hot Chips) 2026’에서 삼성전자는 다양한 고객사에 맞춤형 고대역폭메모리(HBM)를 제공할 수 있다고 강조했습니다. 그 직후 엔비디아는 자체 커스텀 HBM 메모리 규격인 ‘NVHBM’을 공개했습니다. 타이밍이 맞물려 있어 업계에서는 삼성전자의 NVHBM 참여 가능성에 주목하고 있습니다. 이미 JEDEC의 HBM 표준이 존재하고 현재 HBM4E 샘플이 공급되는 상황에서 엔비디아가 굳이 자체 설계인 NVHBM을 공개한 것은 그래픽처리장치(GPU)를 위한 연산 공간을 확보하고 메모리 대역폭을 늘리기 위한 맞춤형 메모리가 필요했기 때문으로 풀이됩니다. 현재 인공지능(AI) 데이터 센터들은 막대한 전력을 소모하는 중앙처리장치(CPU)와 GPU를 수만 개에서 수십만 개 돌리고 있습니다. 치솟는 전력 소모와 냉각을 위한 물 공급 부족은 지역 사회의 강력한 반발을 불러일으키고 있습니다. AI 데이터 센터를 운영하는 하이퍼스케일러들은 막대한 운영 비용을 절감하고 주민 반발을 줄이기 위해서라도 더 효율적인 시스템을 필요로 하고 있습니다. NVHBM의 핵심은 현재 공간에 여유가 있는 HBM의 베이스 다이에 본래 GPU가 갖고 있던 메모리 컨트롤러를 옮기는 것입니다. HBM은 D램 다이를 쌓아서 베이스 다이 위에 올리는 구조이기 때문에, 이렇게 만들면 메모리 컨트롤러와 D램의 간격이 줄어들어 전력 소모량은 줄이고 효율은 높일 수 있습니다. 엔비디아에 따르면 HBM4E와 비교해 대역폭은 30% 증가하고 전력 소모는 15% 줄어 GPU의 메모리 병목을 완화하고 효율을 크게 높일 수 있다고 합니다. 엔비디아는 이미 로드맵에서 ‘파인만(Feynman) GPU’에 맞춤형 HBM을 사용할 것이라고 언급했습니다. 따라서 2028년 출시될 파인만 GPU가 NVHBM을 채택한 최초의 GPU가 될 가능성이 높습니다. 여기서 짚어볼 점은 HBM 베이스 다이를 엔비디아가 설계하면서 얻는 이점입니다. 우선 베이스 다이를 하나로 통일하면 각 회사별로 HBM 메모리를 따로 검증하는 대신 표준 규격이 되면서 호환이 쉬워지고 안정성도 높아집니다. 또 메모리 컨트롤러를 메모리 쪽으로 넘기면서 남는 공간에 연산 회로를 추가로 탑재할 수 있게 되어 GPU 성능을 더 높일 수 있습니다. NVHBM은 엔비디아의 NVLink Fusion 파트너들에게도 제공될 예정이어서, 엔비디아 생태계 전체로 영향력이 확대될 수 있습니다. 하지만 동시에 현재는 각 회사가 제조하던 베이스 다이 설계를 엔비디아가 맡게 되어 엔비디아의 영향력이 커질 것이라는 이야기도 나옵니다. 예를 들어 삼성전자는 HBM4에서 자체 설계한 베이스 다이를 삼성 파운드리의 4㎚ 첨단 공정으로 제조해 성능 경쟁에서 우위를 점할 수 있었지만, 앞으로는 그런 차이가 줄어들고 엔비디아의 표준 설계에 따라야 합니다. 더 중요한 것은 만약 HBM 메모리가 급격히 NVHBM 중심으로 재편될 경우 AMD 같은 경쟁자나 맞춤형 AI 가속기를 만드는 업체들을 약화시킬 수 있다는 점입니다. NVHBM을 기술 표준으로 공개해도 엔비디아 GPU와 생태계에 최적화되어 있어 그만큼 엔비디아에 이득입니다. 여기에 엔비디아가 설계를 주도하고 만약 생산까지 담당하면 메모리 제조사들은 D램 다이만 공급하는 형태가 될 가능성도 있습니다. 다만 이런 변화는 현재 강한 협상력을 가진 메모리 제조사들이 쉽게 받아들이기 어려울 수 있습니다. 특히 자체 파운드리를 지닌 삼성 쪽에서 받아들이기 어려운 조건으로 보입니다. 그런 상황까지 가지 않더라도 NVHBM은 GPU의 성능을 높일 수 있는 새로운 기술 표준이면서 동시에 엔비디아의 시장 지배력을 더 강화시키는 도구가 될 가능성이 있어 보입니다. 메모리 빅3와 다른 AI 경쟁사들이 어떻게 대응할지 주목됩니다.

최근 몇 달간 중국의 AI 모델은 전 세계에 큰 충격을 줬습니다. 7월에 발표된 문샷 AI의 키미 K3는 가중치가 공개된 오픈 모델 가운데서 가장 큰 2.8조개의 파라미터를 지닌 프런티어급 모델로 API 데뷔 후 불과 36시간 만에 글로벌 AI 성능 평가 플랫폼인 Arena.ai의 웹 개발(WebDev) 및 코딩(Code) 리더보드에서 1679점을 기록하며, 미국 빅테크의 최신 모델(앤스로픽의 페이블 5, 오픈AI의 GPT-5.6 Sol 등)을 제치고 1위에 올랐습니다. 하지만 모델이 공개된 후 성능보다 다른 이유로 더 유명해졌는데, 미국 앤스로픽의 최신 모델을 증류한 흔적이 발견됐기 때문입니다. 물론 모델 증류만으로 2.8조개 파라미터를 지닌 초대형 모델을 만드는 건 불가능하지만, 미국 정부와 앤스로픽이 반발한 것은 당연한 수순이었습니다. 하지만 중국 AI의 약진은 여기서 그치지 않았습니다. 지난해 증시에 충격을 준 딥시크는 올해 다시 공격적인 가격 인하를 통해 토큰 소비량 기준으로 앤스로픽의 뒤를 이어 2위까지 치고 올라갔습니다. 몰리는 수요를 감당하지 못해 결국 가격을 인상하긴 했지만, 중국 AI 모델의 거센 약진을 보여준 사례로 평가됩니다. 상대적으로 뉴스에는 덜 나오지만, 다른 중국 AI 모델들도 올해 상당한 결과물을 보여주고 있습니다. 알리바바의 큐원(Qwen)은 최신 3.8 버전을 내놓으면서 개인 PC에서도 돌아갈 수 있는 Qwen 3.8 27B를 선보였습니다. 파라미터가 수조개가 넘는 대형 프런티어 모델과 비교하면 270억(27B)개의 파라미터를 지닌 Qwen 3.8 27B의 성능은 대단치 않아 보일 수 있습니다. 하지만 벤치마크는 의외의 결과를 보여줬습니다. Qwen 3.8 27B는 실제 소프트웨어 엔지니어링 에이전트 능력을 측정하는 가장 중요한 에이전틱 코딩 벤치마크인 SWE-bench Pro에서 앤스로픽의 클로드 오푸스 4.6 맥스(Claude Opus 4.6 Max)의 53.4%를 상회하는 61.7%를 기록하며 놀라움을 안겼습니다. 실제 수많은 다운로드가 이뤄지면서 사용자들 사이에서는 가정용 오푸스(Opus at home)라는 반응이 나오는 중입니다. 여러 벤치마크를 가중 평균해 모델의 전반적인 지능을 하나의 숫자로 요약하는 벤치마크인 AAII(Artificial Analysis Intelligence Index)에서도 52점을 기록해 오픈웨이트 모델 중 상위권이며, 일부 프런티어 모델에 근접하는 수준입니다. (xhigh reasoning 설정 기준) Qwen 3.8 27B도 압축하지 않은 BF16 모델은 56GB 정도 용량이라 개인 PC의 그래픽카드 및 메모리에 모두 올리기 어렵습니다. 하지만 최신 4비트 양자화 모델은 크기를 16.5GB까지 줄여 어느 정도 사양이 되는 개인 PC에서 쉽게 사용할 수 있습니다. 실제 개인적으로 사용한 결과 16GB 이상 메모리를 지닌 그래픽카드에서 충분히 구동할 수 있었고 코딩 및 에이전틱 임무에서 생각보다 뛰어난 성능을 보였습니다. 다만 원활하게 돌리기 위해서는 24GB 메모리를 지닌 그래픽카드나 그에 준하는 통합 메모리가 권장됩니다. 흥미롭게도 Qwen 3.8 27B나 같이 공개한 Qwen 3.8 플래시 넥스트와 프런티어급 모델인 Qwen 3.8 맥스는 모두 한 가지 공통된 특징을 지니고 있습니다. 바로 엔비디아 GPU처럼 고성능 AI 가속기를 구하기 힘든 중국 내 특수 상황을 반영해 제한적인 컴퓨터, 서버 사양에서도 높은 성능을 낼 수 있게 개발됐다는 점입니다. 이렇게 제한된 하드웨어에서 가장 높은 성능을 내게 개발한 것이 이제는 27B 정도의 소형 모델에서도 높은 성능을 낸 비결로 보입니다. 중국 AI 모델에 대해서는 여전히 미국 프런티어 모델에 대한 증류 의혹이 있긴 하지만, 가성비 모델을 만드는 기술에 있어서는 누구도 따라올 수 없는 가장 독보적인 기술을 지닌 것은 사실입니다. 결국 같은 성능이라면 비용을 절감하는 쪽이 유리할 수밖에 없습니다. 더구나 모델을 계속 무료로 푸는 정책 역시 장기적으로 보면 경쟁자에게 큰 부담입니다. 중국의 AI 굴기는 이미 무시하기 힘든 수준으로 성장한 만큼 미국의 프런티어 모델들도 이에 대한 대응이 필요할 것으로 생각됩니다. 비용을 고민하지 않고 성능을 높이는 것보다 같은 성능이면 더 효율적이고 저렴한 모델을 개발해 원가를 절감하려는 노력이 필요합니다. 소버린 AI를 강조하고 있는 우리에게도 중요한 시사점입니다.

연산 속도만 빠르면 병목현상 발생전체 시스템 효율까지도 뒤떨어져브로드컴 ‘맞춤형 AI 인프라’ 확대엔비디아 ‘고속 인터커넥트’ 꺼내전문가 “국내도 SW 상용화 필요” 인공지능(AI) 모델의 규모와 연산량이 급증하면서 AI 인프라 전쟁이 개별 반도체의 성능을 높이는 데서 메모리와 저장장치, 네트워크 등을 하나의 시스템으로 얼마나 잘 연결하느냐를 겨루는 경쟁으로 확장되고 있다. 아무리 연산 성능이 뛰어난 칩을 갖춰도 데이터가 제때 공급되지 않으면 AI 효율이 떨어지기 때문이다. SK하이닉스는 31일 뉴스룸을 통해 “AI는 더 이상 하나의 모델이나 칩만으로 설명되지 않는다”며 AI 시스템의 실제 성능이 데이터를 얼마나 빠르게 공급하고 이동시키느냐에 달려 있다고 진단했다. AI 연산에 필요한 데이터는 스토리지(저장장치)에 보관됐다가 시스템 메모리를 거쳐 고대역폭메모리(HBM) 등 AI 가속기와 가까운 메모리로 이동한 뒤 그래픽처리장치(GPU) 등으로 공급된다. GPU 한 개의 연산 속도가 아무리 빨라도 메모리 대역폭이나 스토리지, 서버 간 네트워크 중 한 곳에서라도 병목이 발생하면 전체 시스템의 처리 속도가 떨어진다. 데이터가 끊김 없이 빠르게 흐르기 위해선 메모리, 스토리지, 네트워크, 전력·냉각 등이 유기적으로 연결돼야 한다는 뜻이다. UC버클리 연구진의 ‘AI와 메모리 월’ 논문에 따르면 지난 20년간 서버의 연산 성능이 2년에 3배씩 높아지는 동안 D램 대역폭은 1.6배, 장치와 장치 사이에서 데이터를 전달하는 인터커넥트 대역폭은 1.4배 증가하는 데 그쳤다. 고속 상승한 칩의 연산 능력에 비해 데이터를 공급하고 옮기는 기술의 발전이 뒤처지면서 ‘데이터 병목’이 AI 성능을 좌우하는 요소로 부상한 것이다. 이에 따라 AI 산업 생태계의 경쟁 방식도 달라지고 있다. 이전까지 반도체, 서버, 네트워크, 클라우드, 스토리지 등의 업체들이 각자 자신의 부품 성능만 높였다면, 최근에는 고객사의 AI 모델과 데이터 종류 등을 고려해 맞춤형 제품을 내놓는 경우가 늘고 있다. 브로드컴은 고객별로 AI 데이터센터 수요에 맞춘 주문형 반도체(ASIC)를 설계하면서 네트워킹과 인터커넥트, 첨단 패키징까지 아우르는 ‘맞춤형 AI 인프라’ 사업을 확대 중이다. AI 가속기 기업의 사업 영역도 커지고 있다. 엔비디아는 GPU뿐 아니라 고속 인터커넥트인 ‘엔비링크’와 중앙처리장치(CPU)·네트워크·소프트웨어까지 아우르는 ‘AI 데이터센터 시스템’으로 사업 영역을 확장했다. 대표 제품이 72개의 루빈 GPU와 36개의 베라 CPU를 엔비링크로 연결한 ‘베라 루빈 NVL72’다. AMD도 지난 7월 72개 GPU를 하나의 컴퓨팅 자원처럼 연결하고 네트워크와 소프트웨어까지 통합한 제품 ‘헬리오스’를 공개했다. 김용석 가천대 반도체대학 석좌교수는 “AI 성능을 결정하는 데 칩의 역할은 30~40%이고, 소프트웨어의 비중이 60~70%라고 본다”며 “칩을 잘 팔기 위해선 결국 칩 외의 풀스택 소프트웨어까지 함께 갖춰야 하는 것”이라고 설명했다. 이어 “국내 팹리스 기업들도 칩 성능에만 몰두하기보단 소프트웨어 인력을 확보하며 상용화에 나서야 한다”고 제언했다.

애플 맥 미니는 저렴한 가격에 사용할 수 있는 개인용 미니 컴퓨터로 등장했습니다. 하지만 AI 시대에는 로컬 AI 장치로 더 인기를 끌고 있습니다. 특히 오픈클로(OpenClaw) 머신으로 인기가 높습니다. 오픈클로는 사용자의 컴퓨터를 직접 제어하고 메신저로 소통하며 24시간 자율적으로 업무를 수행하는 오픈소스 AI 에이전트 프로그램입니다. 단순한 답변이나 초안 작성을 넘어 파일 조작, 프로그램 실행, 이메일 전송 등을 대신하는 AI 비서로 활용할 수 있습니다. 맥 미니가 오픈클로 머신으로 인기가 높은 이유는 M 시리즈 프로세서의 높은 AI 성능과 통합형 메모리 구조, 상대적으로 낮은 전력 소모와 비용, 작은 크기 덕분입니다. 24시간 켜 놓는 개인 AI 비서로 사용하기 위해서는 전력 소모가 낮을수록 유리합니다. 비슷한 성능의 x86 컴퓨터와 비교할 때 맥 미니는 전력 소모가 상당히 낮고 고장 가능성도 작습니다. AI 성능 확 끌어올린 M6 맥 미니이런 점을 반영해 맥 미니에 탑재되는 M 시리즈 프로세서는 세대가 올라갈수록 AI 성능을 강화하고 있습니다. 8월 25일 발표된 신형 M6 맥 미니 역시 이런 추세를 고스란히 반영해 AI 성능을 대폭 개선했습니다. M6는 애플 최초의 2㎚ 제품으로 TSMC의 N2 노드에서 제작됩니다. M6에서 눈에 띄는 변화 중 하나는 고성능·고효율 코어의 두 가지 구성이던 CPU가 고성능·중간·고효율의 세 가지 구조로 바뀌었다는 점입니다. 2개의 슈퍼 코어와 4개의 퍼포먼스 코어, 6개의 고효율 코어 등 총 12코어로 바뀌었는데, 기존 4+6 구성과 비교해 멀티스레드 성능이 20% 정도 빨라졌다는 게 애플의 주장입니다. 이런 트리플 구성은 앞으로 프로, 맥스 등 다른 버전에도 적용될 것으로 보입니다. 이보다 더 중요한 변화는 듀얼 16코어 뉴럴 엔진(Neural Engine)으로 연산 능력이 최대 두 배 증가했다는 것입니다. 다만 단순히 AI 연산 능력이 두 배 증가한 것은 아닙니다. 대신 LLM을 구동할 때 초기 단계인 프리필(prefill)을 주로 가속해 첫 토큰이 나올 때까지 걸리는 시간을 크게 단축할 수 있습니다. 실제 토큰이 생성되는 디코드 단계에서는 메모리 대역폭이 중요한데, M6 맥 미니는 대역폭이 170GB/s로 이전보다 10% 이상 빨라졌습니다. 여기에 12코어로 늘어난 GPU는 각 코어마다 신경 가속기를 지녀 최대 AI 연산 성능이 30% 정도 향상됐습니다. 전반적인 성능 향상을 감안하면 M6 맥 미니의 AI 성능은 이전 세대보다 높아져 로컬에서 LLM을 구동하거나 오픈클로 머신으로 사용할 때 진가를 발휘할 것으로 보입니다. 다만 이제는 기본 모델이 899달러(국내 출시가 149만 9000원)에 달해 비싼 가격이 부담입니다. 특히 좀 더 큰 모델을 돌리기 위해 메모리나 저장장치를 추가하면 가격이 크게 올라가는 것이 걸림돌이 될 것으로 보입니다. 더 강력해진 M5 울트라…가격은 ‘전문가급’이런 문제는 최상위 모델인 맥 스튜디오에서 더 두드러집니다. M4 울트라를 건너뛰고 발표된 M5 울트라 맥 스튜디오는 앞서 공개한 M5 프로(듀얼 다이)를 다시 두 개 붙여 쿼드 다이 형태로 제조했습니다. 다이 연결 대역폭은 4.4TB/s 이상으로 1.76배 개선돼 다이 수가 늘어난 데 따른 병목을 최소화했습니다. CPU 코어 수는 36코어로 증가했는데, 개선된 고성능 코어 덕분에 연산 능력이 높아져 애플 주장으로는 CPU 성능이 싱글스레드는 최대 25%, 멀티스레드는 최대 30% 향상됐습니다. M5 울트라 역시 AI 성능을 강화했습니다. 모든 GPU 코어(최대 80코어)에 신경망 가속기를 탑재해 AI 관련 매트릭스 연산(LLM 프리필, 이미지 생성 등)에서 상당한 성능 향상이 예상됩니다. 애플에 따르면 LLM 프롬프트 처리(LM Studio 기준) 성능도 최대 4배 수준으로 향상됐습니다. 여기에는 GPU 성능뿐 아니라 메모리 대역폭이 819GB/s에서 1.2TB/s로 늘어난 것도 영향을 미친 것으로 보입니다. 하지만 M5 울트라 맥 스튜디오는 가격이 5499달러로 인상돼 이제는 전문적인 용도로 사용하는 경우에도 다소 부담스러운 가격이 됐습니다. 96GB 메모리와 1TB SSD를 지닌 기본 모델도 949만원에 달합니다. 업무 목적이 아니라 단지 내 컴퓨터에서 AI 모델을 돌리기 위해 지불하기에는 너무 많은 비용입니다. 오픈클로 머신으로 맥 미니의 인기는 계속되겠지만, 맥 스튜디오는 전문가 영역으로 사용 범위가 더 좁아질 것으로 보입니다.

엔비디아가 삼성전자 파운드리에서 생산한 인공지능(AI) 추론 전용 칩 ‘그록3’를 본격 상용화한다. 첫 고객사까지 확보하면서 삼성전자는 첨단 공정의 가동률을 높일 추가 물량 확보의 발판을 마련했다. 엔비디아가 그래픽처리장치(GPU)에 이어 추론 전용 칩까지 제품군을 넓히면서 AI 반도체 경쟁도 학습에서 추론으로 확산하고 있다. 엔비디아는 24일(현지 시간) 그록3 칩 256개를 묶은 ‘그록3 LPX’가 양산에 들어갔다고 밝혔다. AI 클라우드 업체 네비우스가 첫 도입 고객사로, 올해 안에 데이터센터에 설치해 서비스를 시작한다. 구체적인 공급 규모는 공개하지 않았다. 그록3는 엔비디아가 지난해 기술 사용권을 확보한 미국 AI 반도체 기업 그록의 설계를 바탕으로 삼성전자가 4나노 공정에서 생산한다. 학습과 추론 등 다양한 AI 연산을 처리하는 GPU와 달리, 그록3는 학습을 마친 AI가 답변을 생성하는 추론 작업에 특화했다. 데이터를 칩 내부의 고속 S램에서 바로 불러와 AI 에이전트의 응답 지연을 줄이는 방식이다. 실제 성능 시험에서 그록3 LPX는 10만 토큰 분량의 자료를 처리하면서 초당 약 3400개의 출력 토큰을 생성했다. 가장 빠른 기존 플랫폼보다 약 4배 높은 속도다. 일반 시스템에서는 50초가 걸리는 5000개 토큰 생성도 약 1.5초 만에 마쳤다. 코딩과 검색, 도구 호출 등을 연속 수행하는 AI 에이전트 시장을 겨냥한 성능이다. 이번 양산은 삼성 파운드리의 4나노 기술이 설계 검증을 넘어 실제 고객 서비스에 투입된다는 데 의미가 있다. 후속 고객과 추가 물량을 확보하면 가동률과 매출 확대에도 보탬이 될 수 있다. 그록3는 엔비디아의 차세대 플랫폼 ‘베라 루빈’과 함께 사용해 추론 속도를 높인다. 그록3 자체에는 고대역폭메모리(HBM)가 들어가지 않지만 루빈 GPU에는 HBM4가 탑재된다. 엔비디아는 베라 루빈이 전작보다 ㎿(메가와트)당 처리량을 최대 30배 높이고 토큰 비용은 최대 35분의 1로 낮췄다고 밝혔다. 베라 루빈 보급이 늘면 삼성전자와 SK하이닉스의 HBM4 공급 기회도 커질 전망이다.

최근 열린 ‘핫 칩스 2026’ 행사에는 삼성과 SK 하이닉스가 공개한 미래 고대역폭 메모리(HBM) 로드맵이 관심을 끌었습니다. HBM4까지 발전한 상태에서 두 회사 모두 같은 발열과 전력 소모 증가, 복잡도 증가 같은 문제에 직면한 상태이며 비슷하지만 약간 다른 방식을 통해 이 문제를 풀어가기 위해 노력하고 있습니다. 아마도 가장 비슷한 점은 궁극적으로 HBM 메모리를 그래픽처리장치(GPU) 같은 프로세서 위에 올리려고 한다는 점일 것입니다. 일단 SK 하이닉스는 HBM4E와 HBM5에서 당면한 문제를 해결하기 위해 몇 가지 해결책을 몇 가지 제시했습니다. 이미 올해 초 CES에서 SK 하이닉스는 HBM4 16단(16Hi) 제품을 공개하면서 용량 48GB 용량, 대역폭 2.9TB/s의 스펙을 자랑한 바 있습니다. 이처럼 높은 용량과 대역폭은 여러 층의 D램 다이를 관통하는 TSV(실리콘 관통 전극) 덕분입니다. HBM4에서는 TSV 수가 이미 2만 개를 넘어섰고 HBM의 최하층에 있는 베이스 다이는 GPU와 데이터를 고속으로 주고받기 위해 1만 6148개의 베이스 마이크로 범프로 실리콘 인터포저와 연결되어 있습니다. 문제는 앞으로입니다. 다음 세대 HBM 메모리에서는 속도를 더 높이기 위해 TSV 간 거리를 지금보다 더 줄여 18㎛ 미만으로 낮춰야 하는데, 이미 마이크로 범프 간 간격이 너무 줄어든 상황입니다. 따라서 아예 범프 없이 인터포저에 직접 접합하는 하이브리드 본딩(hybrid bonding) 기술이 시도되고 있습니다. 현재 12-Hi 하이브리드 본딩 HBM이 검증 완료된 상태이고 앞으로 16-20Hi 스택 하이브리드 본딩 기술을 개발해 장기적으로 HBM4E/HBM5에 적용할 계획입니다. 하지만 하이브리드 본딩 기술이 발열 문제는 해결해 주지 못합니다. 그래서 SK 하이닉스는 iHBM (ICE-HBM)이라는 냉각 기술을 개발 중입니다. 이는 열이 많이 발생하는 부위에 높은 열전도율과 전기 절연성을 갖춘 냉각 소자를 내장하여 열 저항을 30% 이상 줄이는 기술입니다. 다만 더 장기적으로 보면 HBM – 실리콘 인터포저 – GPU/CPU의 구조는 늘어나는 전력 소모와 복잡도를 감당하기 점점 힘들어집니다. 가장 좋은 방법은 아예 메모리와 프로세서 간격을 최대한 짧게 만들기 위해 아예 붙여 버리는 것입니다. 그러면 전기적 신호가 매우 짧은 거리를 이동하기 때문에 전력 소모가 줄어들고 속도도 빠르게 할 수 있습니다. 이와 같은 접근법은 삼성전자도 크게 다르지 않습니다. 삼성은 3단계 로드맵을 제시했는데, 우선 첫 단계로 베이스 다이를 고급 로직 공정으로 옮겨 신호를 주고받는 물리적 층인 PHY를 작게 만들고, 메모리 컨트롤러 같은 프로세서 영역을 베이스 다이로 옮길 수 있는 면적을 확보할 예정입니다. 동시에 iHBM과 비슷하지만 조금 다른 냉각 기술인 HPB(Heat Path Block)를 도입해 PHY 영역의 약 50%를 커버하고 피크 온도를 35% 이상 낮출 계획입니다. 두 번째 단계에서는 베이스 다이에 더 많은 기능을 넣어 HBM을 ‘똑똑한 메모리’로 만들고 마지막 단계에서는 아예 HBM을 프로세서 위로 올려 실리콘 인터포저라는 중간 단계를 생략하고 바로 프로세서와 메모리를 고속으로 연결합니다. 이 단계는 기존처럼 가로 방향(lateral)으로 통신하던 방식을 없애고, 수직으로 메모리가 올라가기 때문에 z축이라는 의미에서 zHBM이라고 명명했습니다. 삼성전자는 zHBM을 도입하면 전력 효율 약 70% 향상, D램 대역폭 2.3배 이상 증가, D램 모듈당 약 100W 전력 절감 등의 효과를 거둘 수 있을 것으로 기대하고 있습니다. 다만 해결해야 할 문제도 적지 않습니다. 중간 단계인 실리콘 인터포저를 없애고 아예 프로세서 위에 수직으로 메모리를 올리면 메모리와 프로세서 간 거리를 최대로 좁힐 수 있지만 대신 발열 제어가 어려워집니다. 소비자용 프로세서인 라이젠 X3D의 경우에도 프로세서 위에 캐시 메모리를 올린 후 발열 제어가 어려워 1세대에서는 클럭을 높이는 데 제한이 있었습니다. 이미 전기 먹는 하마가 된 지 오래인 GPU나 서버 CPU는 문제가 더 심각할 수밖에 없습니다. 현재도 수랭식 시스템으로 겨우 열을 제어할 수 있는 상황입니다. 따라서 초기 프로세서 적층형 HBM은 발열 관리를 위해 별도의 열전달 경로를 배치하고 I/O 전력을 대폭 줄이면서 메모리를 16층(16Hi)이 아니라 4층(4Hi) 정도 낮은 높이로 올릴 가능성이 높습니다. 그래도 이미 전력 소모가 감당하기 힘든 수준인 GPU 위에 역시 전기를 많이 먹는 메모리를 올리는 일은 쉽지 않을 가능성이 높습니다. 다만 이제까지 수많은 기술적 어려움을 돌파하면서 성장한 기업들인 만큼 앞으로 새로운 돌파구를 만들어 결국 문제를 해결할 것으로 기대합니다.

삼성, GPU 일부 연산 기능 옮겨와성능·전력효율 맞춤형 HBM 제시하닉, 20단 이상 적층할 접합 기술발열 부위 식혀주는 ‘iHBM’ 개발 삼성전자와 SK하이닉스가 차세대 고대역폭 메모리(HBM)의 승부처로 각각 연산 기능과 패키징 기술을 꺼내 들었다. 삼성전자는 HBM의 기능을 넓히고, SK하이닉스는 20단 이상 높이 쌓아도 발열과 뒤틀림을 잡는 접합·냉각 기술을 개발한다. AI 반도체의 성능 경쟁이 그래픽처리장치(GPU)를 넘어 메모리로 확산되는 가운데 중국의 추격에도 대응하려는 전략이다. 두 회사는 23일(현지 시간) 미국 스탠퍼드대에서 개막한 학술회의 ‘핫칩스 2026’에서 차세대 HBM 전략을 공개했다. 업계의 공통 고민은 AI 칩의 계산 속도를 메모리가 따라가지 못하는 ‘메모리 병목’이다. GPU가 아무리 빨리 계산해도 필요한 데이터를 메모리가 제때 보내주지 못하면 제 성능을 낼 수 없다. AI 가속기의 연산 성능은 2년마다 약 3배씩 높아지는 반면 HBM의 데이터 전송 속도 증가 폭은 같은 기간 2배에도 못 미친다는 게 업계의 분석이다. 삼성전자의 해법은 HBM 자체를 더 ‘똑똑하게’ 만드는 것이다. HBM 맨 아래에는 여러 장의 D램과 GPU 사이에서 데이터 흐름을 관리하는 ‘베이스다이’가 있다. 삼성전자는 여기에 지금까지 GPU가 맡았던 메모리 제어 기능과 데이터 처리 작업 일부를 옮기는 방안을 제시했다. GPU의 부담을 HBM이 나눠 맡는 셈이다. 메모리 제어 기능을 HBM으로 옮겨 확보한 GPU 내부 공간에 연산 코어를 더 넣으면 성능을 높일 수 있다는 것이다. SK하이닉스는 HBM을 더 높이 쌓을 때 생기는 열과 뒤틀림을 해결하는 데 초점을 맞췄다. HBM은 D램을 여러 층 쌓을수록 용량은 늘지만 열을 빼내기 어렵고 칩이 휘는 문제도 커진다. SK하이닉스는 20단 이상 적층을 위해 칩 사이 금속을 직접 붙여 층간 간격을 줄이는 ‘하이브리드 본딩’을 연구하고 있다. HBM 내부에 냉각 요소를 넣어 열을 빼내는 ‘iHBM’도 개발 중이다. 이재식 SK하이닉스 아메리카 부사장은 “HBM 자체의 성능뿐 아니라 GPU와 패키징, 파운드리까지 고객과 함께 최적화해야 한다”고 말했다. 이 같은 기술 경쟁은 HBM 수요가 엔비디아 GPU 중심에서 구글·아마존·메타 등 빅테크의 자체 AI 가속기로 확대되는 흐름과 맞물린다. 카운터포인트리서치는 주문형 반도체(ASIC)용 HBM 수요가 2024년부터 2028년까지 35배로 늘어날 것으로 전망했다. 중국 메모리 업체들의 추격도 변수다. 중국 최대 D램 업체 창신메모리(CXMT)는 지난해 4분기 세계 D램 시장 매출 기준 점유율 7.7%로 4위까지 올라섰다. 범용 D램에서 중국의 추격이 거세진 만큼 차세대 HBM에서 기술 격차를 벌리는 것이 중요해진 셈이다. 당장의 승부처는 HBM4와 내년 양산을 앞둔 HBM4E다. 삼성전자는 지난 2월, SK하이닉스는 2분기부터 HBM4 양산 공급에 들어갔으며 두 회사 모두 HBM4E 샘플을 고객사에 전달했다. HBM의 승부 기준도 단순히 데이터를 더 빨리 보내고 더 많이 쌓는 데서 고객의 AI 칩에 맞춰 기능과 구조까지 설계하는 방향으로 바뀌고 있다.

그레이스 블랙웰·베라 루빈에 적용서버용 메모리 수요 증가세 기대AI 인프라 투자비 부담 상승 변수 엔비디아의 인공지능(AI) 칩을 탑재한 서버 가격이 내년 초부터 15% 이상 오른다. 차세대 제품 출하를 앞두고 고대역폭메모리(HBM)와 서버용 D램 등 메모리 가격 상승분을 반영한 조치다. 메모리 가격 강세가 내년까지 이어질 가능성이 커지면서 삼성전자와 SK하이닉스의 실적 전망에도 힘이 실리고 있다. 블룸버그통신은 22일(현지시간) 마이크로소프트와 구글, 오라클 등에 서버를 공급하는 제조업체들이 최근 고객사에 가격 인상 계획을 전달했다고 보도했다. 현행 주력 제품인 ‘그레이스 블랙웰’과 차세대 ‘베라 루빈’을 탑재한 서버가 대상이다. 인상 폭은 가속기 세대와 메모리 구성에 따라 달라진다. 가격 인상의 주된 원인은 AI 서버에 들어가는 메모리 가격 급등이다. AI 가속기의 성능을 끌어내려면 그래픽처리장치(GPU)에 대량의 데이터를 빠르게 전달하는 HBM이 필수적이고, 서버용 D램도 일반 서버보다 많이 들어간다. 내년 출하분 가격 인상까지 예고한 것은 메모리 공급 부족이 단기간에 해소되기 어렵다는 판단을 반영한 것으로 풀이된다. 삼성전자와 SK하이닉스에는 판매가격 상승과 고부가 제품 확대가 모두 실적 개선 요인이다. HBM과 서버용 D램 가격이 오르면 같은 물량을 팔아도 매출이 늘어난다. 반도체는 공장과 장비 등에 들어가는 고정비 비중이 커, 가동률을 유지한 채 제품 가격이 오르면 매출보다 영업이익이 더 큰 폭으로 늘 수 있다. 엔비디아의 주요 HBM 공급사인 SK하이닉스는 베라 루빈 출하 확대에 따른 수혜가 예상된다. 삼성전자도 HBM 생산 확대와 함께 서버용 D램과 기업용 솔리드스테이트드라이브(SSD)의 가격 상승이 실적 개선에 보탬이 될 전망이다. 구글과 아마존 등이 자체 AI 가속기를 늘리더라도 HBM과 서버용 메모리 수요는 이어질 가능성이 크다. 서버 가격 상승이 AI 인프라 투자비를 키우는 점은 변수다. 디인포메이션은 이번 인상으로 1GW급 AI 데이터센터의 구축비가 최소 50억 달러 늘어날 수 있다고 추산했다. 비용 부담으로 데이터센터 착공이나 장비 도입이 늦어지면 중장기 메모리 수요에도 영향을 줄 수 있다. 시장에서는 26일 발표되는 엔비디아의 2027회계연도 2분기(2026년 4월 27일~7월 26일) 실적에도 주목하고 있다. 시장은 매출 약 920억 달러, 주당순이익 2.09달러를 예상한다. 베라 루빈 공급 일정과 부품 가격 상승에 따른 수익성 변화, 주요 고객사의 AI 투자 계획이 삼성전자와 SK하이닉스의 내년 실적을 가늠할 핵심 지표가 될 전망이다.

현대적인 반도체 제조 공정은 ‘웨이퍼’라는 동그란 기판을 기반으로 진행됩니다. 최종적인 프로세서나 메모리 등은 웨이퍼에서 사각형 형태로 하나씩 떼어 내서 제조됩니다. 하지만 미국의 인공지능(AI) 반도체 기업 ‘세레브라스 시스템즈’(Cerebras Systems)는 전혀 다른 접근 방법으로 초대형 칩을 개발했습니다. 이들이 개발한 ‘웨이퍼 스케일 엔진’(WSE)은 실리콘 웨이퍼를 자르지 않고 하나의 거대한 프로세서로 사용합니다. 이렇게 하면 기존의 방식으로는 만들 수 없는 거대한 칩을 만들 순 있지만, 대신 제조 과정에서 오류가 난 부분으로 인해 프로세서에 결함이 생길 수 있습니다. 웨이퍼 스케일 엔진의 해결책은 매우 작은 프로세서 코어를 여러 개 만들고 이들을 서로 연결해서 중간에 몇 개 오류가 나더라도 전체 프로세서 기능에는 큰 영향을 미치지 않게 하는 것입니다. 세레브라스 시스템은 최근 ‘WSE-3T’를 공개했습니다. 흥미로운 사실은 2년 전 공개한 WSE-3와 동일한 TSMC 5㎚ 공정을 사용하고 동일한 4조 개의 트랜지스터를 집적했지만, 연산 성능과 대역폭을 대폭 개선했다는 점입니다. WSE-3T의 AI 연산 성능은 125 PFLOPS(희소성 적용 시 250 PFLOPS), 대역폭은 43.2 PB/s로 이전 대비 2배 정도 높아졌습니다. 참고로 WSE-3T 프로세서 하나에는 90만 개의 코어와 44GB의 초고속 SRAM이 통합돼 있습니다. 하지만 더욱 주목할 부분은 프로세서만 공개한 것이 아니라 데이터센터에서 바로 사용할 수 있는 랙 서버 시스템인 CS-4를 함께 공개했다는 것입니다. 각각의 CS-4는 3개의 WSE-3T 프로세서를 장착해 최대 750 PFLOPS의 AI 연산 능력을 지니고 있습니다. 세레브라스의 주장에 따르면 GPT-OSS 120B 모델 기준으로 단일 CS-4 랙이 초당 4400토큰 이상을 생성할 수 있으며, GPU와 비교해 최대 30배 정도 빠른 속도를 보일 수 있다고 합니다. 그러나 CS-4는 단독으로 쓰이기보다 AMD의 헬리오스 AI 랙과 함께 사용하는 것을 염두에 두고 설계됐습니다. 마치 엔비디아의 베라 루빈 시스템과 그록 시스템을 조합한 것과 비슷하게, AMD 그래픽처리장치(GPU)가 AI 연산의 앞 단계인 프리필 단계(입력 프롬프트 처리, 대규모 컨텍스트 윈도우 계산, KV 캐시 생성)를 담당하면, CS-4에 있는 WSE-3T는 최종 출력 단계인 디코드 단계, 즉 토큰 생성을 담당하는 것입니다. 마지막 단계는 메모리 대역폭이 속도에 큰 영향을 미치는데, 아예 프로세서에 메모리가 통합된 WSE-3T가 강점을 지닌 분야입니다. 이렇게 헬리오스 랙과 CS-4 랙으로 AI 파이프라인을 구축하면 전력 대비 토큰 생성 효율을 최대 5배까지 높일 수 있다는 것이 세레브라스의 설명입니다. 이를 통해 비용을 절감하면서도 성능을 최대화할 수 있고 엔비디아의 베라 루빈 + 그록 AI 파이프라인에 대항할 수 있습니다. 현재 AI 시장에서 엔비디아의 위치는 공고해 보이지만, 구글, 아마존, 마이크로소프트 같은 하이퍼스케일러들은 자체 칩을 개발해 엔비디아 의존도와 비용을 줄이기 위해 노력하고 있으며, 경쟁자인 AMD도 시장의 파이를 일부 차지하기 위해 노력하고 있습니다. AMD가 세레브라스와의 협업을 통해 엔비디아의 점유율을 얼마나 빼앗을 수 있을지 주목됩니다.

반도체·차량·보안 등 분야 다양해GPU·소프트웨어 ‘과도 의존’ 우려“NPU 육성해 자체 솔루션 만들어야” 삼성전자·SK·현대자동차그룹·LG·두산·네이버 등 국내 주요 기업들의 ‘엔비디아 활용법’이  베일을 벗은 가운데 로보틱스, 반도체, 인공지능(AI) 인프라, 보안 등 협력 분야는 광범위했다. 다만 미래 산업의 두뇌를 하나의 플랫폼에 과도하게 의존할 수 있다는 우려도 나온다. 17일 업계에 따르면 젠슨 황 엔비디아 최고경영자(CEO)의 장녀이자 로보틱스 분야 임원인 매디슨 황은 LG전자 양재 연구·개발(R＆D) 캠퍼스의 데이터 팩토리를 18일 찾는다. LG는 그룹의 전자·부품·통신 역량을 결합해 피지컬 AI 분야에서 엔비디아와 협력하고 있다. 삼성전자는 고대역폭메모리(HBM) 등 AI용 반도체와 반도체 공장의 AI화를, SK는 차세대 HBM과 대규모 AI 인프라를 각각 공략한다. 현대자동차그룹은 자율주행·로보틱스에서, 두산은 산업용 로봇 분야에서, 네이버는 AI 클라우드·모델 부문에서 엔비디아와 손을 잡았다. 국내 기업들은 반도체·클라우드·로보틱스·AI 모델·보안 등 대부분의 층위에서 엔비디아와 동맹을 맺었다. 최병호 고려대 AI연구소 교수는 “엔비디아는 CUDA(쿠다)처럼 하나의 생태계를 만들고 월드 모델까지 포함해 결국 피지컬 AI를 주도하려는 전략”이라며 “지금은 원하는 시기에 원하는 GPU를 공급받을 수 있느냐 자체가 기업의 능력이 된 만큼 국내 기업에는 사실상 불가피한 선택”이라고 말했다. AI 생태계의 맹주가 된 엔비디아를 무시하고 독자 노선을 고집하다 개발 속도와 비용 면에서 뒤처질 수 있다는 의미다. 소프트웨어정책연구소는 엔비디아가 전 세계 데이터센터 GPU 매출에서 약 86%를 차지한다고 분석했다. 반대로 엔비디아 의존을 우려하는 시선도 적지 않다. 엔비디아의 생태계는 데이터센터를 통한 AI 모델의 학습부터 가상공간 시뮬레이션, 로봇과 자동차의 현장 판단과 행동 등 산업 전반으로 뻗어 내리고 있다. 엔비디아가 20년간 구축한 병렬 컴퓨팅 플랫폼 CUDA 등 소프트웨어 생태계는 구조적인 진입 장벽으로 작용하며 다른 플랫폼으로 갈아타는 전환 비용도 높이고 있다. 하지만 한국 기업의 일방적 종속으로 보기는 힘들다는 관측이 대체적이다. 제조 데이터와 현장 실증 기반, 삼성전자·SK하이닉스가 공급하는 HBM 등이 한국의 핵심 협상 카드다. 결국 양측은 ‘엔비디아 우위의 비대칭적 상호의존’ 관계에 가깝다는 분석이 나온다. 국내 기업에는 AI 경쟁력을 빠르게 끌어올릴 플랫폼이, 엔비디아에는 한국의 HBM과 제조 기반이 필요하다. 최 교수는 “국내 신경망처리장치(NPU) 업체와 스타트업을 더욱 육성해 우리만의 솔루션을 만들 필요가 있다”며 “우리가 잘하는 제조를 살려 방산과 선박, 메모리 등 경쟁력 있는 분야를 최대한 강화하면서 우리만의 경쟁력을 살리는 쪽으로 가야 한다”고 강조했다.

삼성전자·SK·현대자동차그룹·LG·두산·네이버 등 국내 주요 기업들의 ‘엔비디아 활용법’이 모두 베일을 벗은 가운데 로보틱스, 반도체, 인공지능(AI) 인프라, 보안 등 협력 분야는 예상보다 광범위했다. 다만 미래 산업의 두뇌를 하나의 플랫폼에 과도하게 의존할 수 있다는 우려도 나온다. 17일 업계에 따르면 젠슨 황 엔비디아 최고경영자(CEO)의 장녀이자 로보틱스 분야 임원인 매디슨 황은 LG전자 양재 연구·개발(R＆D) 캠퍼스의 데이터 팩토리를 18일 찾는다. LG는 그룹의 전자·부품·통신 역량을 결합해 피지컬 AI 분야에서 엔비디아와 협력하고 있다. 삼성전자는 고대역폭메모리(HBM) 등 AI용 반도체와 반도체 공장의 AI화를, SK는 차세대 HBM과 대규모 AI 인프라를 각각 공략한다. 현대자동차그룹은 자율주행·로보틱스에서, 두산은 산업용 로봇 분야에서, 네이버는 AI 클라우드·모델 부문에서 엔비디아와 손을 잡았다. 엔비디아의 글로벌 AI 생태계는 빅테크·AI 모델, 클라우드, 반도체·메모리, 로보틱스, 산업용 소프트웨어, 보안 AI 등 전방위로 확장 중이다. 국내 기업들은 반도체·클라우드·로보틱스·AI 모델·보안 등 대부분의 층위에서 엔비디아와 동맹을 맺었다. 최병호 고려대 AI연구소 교수는 “엔비디아는 CUDA(쿠다)처럼 하나의 생태계를 만들고 월드 모델까지 포함해 결국 피지컬 AI를 주도하려는 전략”이라며 “지금은 원하는 시기에 원하는 GPU를 공급받을 수 있느냐 자체가 기업의 능력이 된 만큼 국내 기업에는 사실상 불가피한 선택”이라고 말했다. GPU 병목을 이용해 세계 AI 생태계의 맹주가 된 엔비디아를 무시하고 독자 노선을 고집하다 개발 속도와 비용 면에서 뒤처질 수 있다는 의미다. 소프트웨어정책연구소는 엔비디아가 전 세계 데이터센터 GPU 매출에서 약 86%를 차지한다고 분석했다. 반대로 엔비디아 의존을 우려하는 시선도 적지 않다. GPU에서 출발한 엔비디아의 생태계는 데이터센터를 통한 AI 모델의 학습부터 가상공간 시뮬레이션, 로봇과 자동차의 현장 판단과 행동 등 산업 전반으로 뻗어 내리고 있다. 엔비디아가 20년간 구축한 병렬 컴퓨팅 플랫폼 CUDA 등 소프트웨어 생태계는 구조적인 진입 장벽으로 작용하며 다른 플랫폼으로 갈아타는 전환 비용도 높이고 있다. 엔비디아가 GPU의 연산 능력을 실제 AI 성능으로 끌어내는 프레임워크·라이브러리·드라이버·컴파일러까지 일찌감치 선점한 만큼 소프트웨어와 모델 개발·운용 체계 등을 특정 플랫폼에 맞추면 공급자를 바꾸는 비용은 더욱 커진다. 하지만 한국 기업의 일방적 종속으로 보기는 힘들다는 관측이 대체적이다. 엔비디아가 직접 확보하기 어려운 제조 데이터와 현장 실증 기반, 삼성전자·SK하이닉스가 공급하는 HBM 등이 한국의 핵심 협상 카드다. 결국 양측은 ‘엔비디아 우위의 비대칭적 상호의존’ 관계에 가깝다는 분석이 나온다. 국내 기업에는 AI 경쟁력을 빠르게 끌어올릴 플랫폼이, 엔비디아에는 한국의 HBM과 제조 기반이 필요하다. 최 교수는 “국내 신경망처리장치(NPU) 업체와 스타트업을 더욱 육성해 우리만의 솔루션을 만들 필요가 있다”며 “우리가 잘하는 제조를 살려 방산과 선박, 메모리 등 경쟁력 있는 분야를 최대한 강화하면서 우리만의 경쟁력을 살리는 쪽으로 가야 한다”고 강조했다.