저자: 이형수 · 한국인
요약 보기
삼성 파운드리·패키징(SOP) 투자와 테슬라 AI6 수주 가능성을 긍정적으로 봄. 엑시노스 2600 수율이 핵심 확인 지표. HBM4 가격은 전작 대비 인상폭이 과장됐고(실질 20~30%), SK하이닉스는 마진 방어가 필요하다고 봄. 삼성 HBM4 공급은 가능하나 물량이 관건. 소캠(SOCAMM)은 온디바이스 AI 중심으로 성장 가능성이 있다고 봄.
다듬은 글
우리나라 잘할 수 있습니다. 1세대 제품이 지금은 엔비디아의 개인용 슈퍼컴퓨터에 채택이 됐습니다. 아마 2세대부터는 삼성전자나 하이닉스가 메인으로 납품하게 될 것 같습니다. 온 디바이스 AI라고 하는 AI PC나 AI 스마트폰, 아니면 휴머노이드 로봇, 나중에는 자율주행차에도 채택될 수 있겠죠. 삼성이 속도를 내서 추격한다면 양상이 완전히 달라질 수 있습니다.
삼성전자의 이른바 '이나노' 프로젝트가 성공할 가능성이 있다고 봅니다. 당장 확인할 수 있는 지표는 엑시노스 2600의 성공 여부입니다. 물론 모바일 AP와 테슬라가 생산하는 차량용 칩은 차이가 있고, 특히 서버용 칩이라는 점에서 다르긴 합니다. 하지만 이나노가 안정적으로 생산될 수 있는지는 내년 갤럭시 S26에 채택되는 엑시노스 2600이 안정적으로 생산되고 수율이 잘 나오는지로 확인할 수 있을 겁니다. 그 결과는 몇 달 안에 나올 것입니다.
이것이 안정적으로 이루어진다면 테슬라의 프로젝트 성공 가능성도 높아지고, 실제 시장에서 문제없이 구동된다면 주가에도 추가 모멘텀이 생길 수 있습니다. 저는 삼성전자의 주가 모멘텀이 메모리나 HBM보다는 파운드리 쪽에 있다고 계속 말씀드렸고, 그 관점은 유효합니다. 지금은 파운드리 쪽에 재료가 어느 정도 나왔고 HBM 재료도 아직 살아 있어서 상황이 달라질 수 있지만, 가시성 측면에서는 삼성 파운드리가 더 낫다고 생각합니다.
삼성전자가 일본 요코하마에 2,500억 원을 투자해 최첨단 패키징 연구소를 세운다고 발표했습니다. TSMC는 파운드리와 패키징을 결합한 턴키 서비스로 시장 점유율을 확대하고 있는데, 이번 투자가 삼성전자가 TSMC를 추격할 발판이 될 수 있을까요?
TSMC는 선단 공정도 잘하지만, 특히 어드밴스드 패키징 기술이 압도적입니다. 그래서 AI 가속기 시장을 전망할 때는 TSMC의 CoWoS 캐파부터 봅니다. CoWoS는 2.5D 패키징으로, GPU와 HBM을 인터포저로 연결하고 그 아래 플립칩 BGA 구조로 3층 구조를 만드는 방식입니다. 이 패키징이 가장 중요하고, 기술은 점점 확장되는 흐름입니다. 웨이퍼 단계에서 칩을 병렬로 연결해 웨이퍼 수준의 패키지를 만드는 방향으로 가고 있습니다. 최근 TSMC가 공개한 SoW-X가 그 예입니다. 시스템 온 웨이퍼로, PCB 없이 웨이퍼 한 판에 패키징을 하는 방식입니다.
테슬라의 AI6 칩도 원래 AI4나 AI5는 자율주행차용 FSD 칩이었지만, AI6는 엣지보다 서버용이 더 중요합니다. 특히 추론용 AI 서버에 쓰기 위해 만드는 칩이어서 패키지를 크게 만드는 것이 중요하고, 최근에는 이를 SoP(시스템 온 패널)로 큰 패널 하나에 대규모로 실장하는 방향으로 기술이 발전하고 있습니다.
삼성은 CoWoS 쪽에서 확실히 밀렸습니다. 이에 대응하는 기술인 I-Cube도 많이 늦어졌습니다. 지금은 웨이퍼나 패널 단계의 패키징 기술이 활발해지고 있는데, 여기서 삼성이 속도를 내 추격한다면 양상이 달라질 수 있습니다. 빅테크들이 자체 설계 칩을 큰 패키지로 만들고 싶어 하기 때문에 이 분야에 관심이 많을 것입니다.
최근 삼성은 테일러 공장에 원래 투자했던 금액에 더해 약 10조 원 규모를 추가 투자하기로 했다는 이야기가 나오고 있습니다. 대부분 패키징 쪽으로 들어갈 것으로 보이고, SoP나 I-Cube 쪽 투자가 될 것입니다. 삼성이 SoP를 고도화하면 테슬라 차세대 도조 AI 슈퍼컴퓨터의 패키징 공급망에 진입할 가능성도 거론되고 있습니다.
테슬라의 AI6 웨이퍼는 미국 내에서 생산되지만, 삼성은 미국 내 후공정 라인이 거의 없습니다. 초기에는 웨이퍼를 만들어 아시아로 보내 패키징한 뒤 다시 미국으로 가져가는 방식도 가능하겠지만, 물류가 복잡해지고 비용도 커집니다. 현재 테슬라는 전공정은 테일러의 삼성 파운드리에 맡기고, 후공정은 인텔에 맡기는 방안을 검토하는 것으로 보입니다. 인텔은 EMIB라는 실리콘 브리지 기반 패키징 기술이 좋은 편입니다. 다만 삼성도 부가가치를 높이려면 웨이퍼 생산부터 패키지까지 일괄 라인을 갖추는 것이 중요합니다. 그 핵심이 SoP 같은 기술입니다.
AI6 칩을 512개씩 병렬로 연결해 칩 간 통신을 하려면 큰 패키지에 촘촘히 배치하는 것이 훨씬 유리합니다. 엔비디아 칩이 쓰이는 이유도 CUDA 같은 개발 플랫폼뿐 아니라 칩 간, 서버 간 통신 속도가 빠르기 때문입니다. 웨이퍼나 패널 수준의 패키징은 이런 이점을 더 키울 수 있어서 계속 발전시켜야 합니다.
최근 삼성전자가 HBM3E 12단 물량을 3만 개에서 5만 개 규모로 공급하기로 확정했다는 보도가 나왔습니다. 작년부터 기대해 온 부분이 현실화된 것으로 보이는데, 투자 관점에서 어떤 의미가 있을까요?
아직 더 확인해 볼 필요가 있습니다. 2년 동안 '이번에 됐다'는 이야기를 들었다가 무산된 경우가 너무 많아서 이번에도 조심스럽습니다. 다만 작년보다는 가능성이 확실히 높아 보입니다. 엔비디아 밸류체인에 진입했다는 것만으로도 의미가 큽니다. 그동안 삼성전자 메모리가 막혀 있던 이유는 두 가지였습니다. 1세대 D램 설계에 결함이 있었던 점, 그리고 엔비디아 퀄테스트를 통과하지 못해 HBM 품질 경쟁력에 의문이 있었던 점입니다. 이 부분이 해소될 계기가 마련된 것입니다.
SK하이닉스와 엔비디아의 HBM4 공급 협상이 진행 중이고, 이전 세대 대비 60~70% 인상된 500달러 수준으로 합의됐다는 보도가 나왔습니다. 이 가격이 실제로 성사될 가능성은 어떻게 보시나요?
500달러대 후반이나 600달러대 초반까지 보고 있습니다. 다만 HBM3 12단 대비 60% 인상이라는 비교는 논란이 있습니다. 내년 HBM3 12단 가격 대비로 추정한 것 같은데, 올해 HBM3 대비 내년 가격은 30% 정도 떨어집니다. 그 하락한 가격을 기준으로 HBM4와 비교해서 많이 올라 보이는 착시가 있습니다. 실제 인상폭은 20~30% 수준일 것으로 봅니다.
지난해에는 HBM 물량이 6월쯤 완판됐다는 이야기가 나왔지만, 아직 그런 소식은 없습니다. 이번에 주목할 포인트는 두 가지입니다. 첫째, 연단위 계약이 아닐 수도 있습니다. 지난 1년간 SK하이닉스와 엔비디아는 연간 계약으로 가격과 물량을 정했는데, 이번에는 엔비디아가 계약을 쪼갠 것 같습니다. 초도 물량은 높은 가격으로 하고, 이후 반기나 분기 단위로 추가 협상을 하려는 것으로 보입니다. 둘째, 변수는 하반기 마이크론과 삼성전자의 HBM4 샘플 결과입니다.
HBM 수요가 늘고 실적이 좋아진 것은 맞지만, 주가는 성장률에 가장 민감합니다. 그래서 상승 탄력이 둔화될 수도 있습니다. 이미 SK하이닉스 주가에 이런 부분이 반영돼 있을 수 있습니다. HBM 비즈니스 구조가 작년과 달라졌고, 내년 계약이 왜 이렇게 늦어지는지 의문이 생기는 이유입니다.
마이크론은 이미 내년 협상을 마무리했다는 이야기가 나옵니다. 가격을 많이 낮춰서 물량을 확보했을 가능성이 있습니다. 그렇다면 SK하이닉스 입장에서는 좋지 않습니다. 지금은 승부수를 던져야 하는 시점입니다. 마이크론에 끌려가 마진이 줄어든 상태로 내년 비즈니스를 할지, 후발 주자와의 기술 격차가 여전히 크니 엔비디아와 제대로 맞붙어 볼지 선택해야 합니다.
작년과 재작년에 TSMC와 엔비디아 사이의 협상에서도 같은 구도를 봤습니다. 결국 TSMC가 이겼습니다. SK하이닉스도 기술에 자신이 있다면 TSMC처럼 강하게 나가는 것도 방법입니다. 엔비디아 납품 비중이 70~80%에서 절반 정도인 50%대로 줄어들더라도, 마진을 훼손하는 것은 회사의 성장 방향에 좋지 않다고 생각합니다.
엔비디아에서 빠지는 물량은 다른 곳에서 더 좋은 가격으로 받을 수 있습니다. 빅테크들의 자체 설계 칩에는 대부분 HBM이 채택됩니다. 이들 업체에 엔비디아보다 좋은 가격으로 HBM을 공급하려면 부가가치를 높여야 합니다. 엔비디아에 해 주는 것처럼 커스텀 설계 서비스를 다른 빅테크에도 제공하면 됩니다. 지금 SK하이닉스가 HBM 커스텀 설계를 해 주는 곳은 엔비디아뿐인데, 마이크로소프트, 구글, 메타로 확대하면 가격을 훨씬 높일 수 있습니다. 물량이 분산되고 관리 포인트가 늘어나는 단점은 있지만, SK하이닉스가 AI 혁명 속에서 제대로 레벨업하려면 메모리를 파는 회사에서 파운드리 같은 회사가 되어야 한다고 생각합니다.
엔비디아가 원하는 대로만 따라가면 결국 사이클에 따라 가격이 깎이는 전형적인 메모리 회사가 됩니다. 기술력이 있다면 새로운 비즈니스 구조를 만들어 볼 만합니다. 메모리 회사가 TSMC의 길을 선택해야 장기적으로 유망하고, 높은 멀티플도 받을 수 있습니다. 삼성전자나 마이크론과 비슷한 수준의 제품만 만든다면 프리미엄을 받기 어렵습니다. 점점 커스터마이징 서비스를 요구하는 만큼, 그만큼의 편익을 제공할 수 있다면 가격에 충분히 반영될 것입니다. 그것이 내년 시장의 리트머스 시험지가 될 것입니다.
삼성전자의 HBM4 공급 가능성은 어떻게 보시나요? HBM4는 공급은 될 것으로 보입니다. 관건은 얼마나 많은 물량을 맡느냐입니다. 마이크론과 삼성전자는 내년에 두 회사가 40% 이상을 담당할 것이라고 강하게 이야기하고 있고, 엔비디아도 이를 믿고 SK하이닉스에 가격 압박을 가하고 있는 것 같습니다. 그건 실제로 지켜봐야 합니다.
최근 AI 반도체 시장에서 SOCAMM2가 주목받고 있습니다. SK하이닉스와 삼성전자도 양산을 공식화했습니다. 기술적 특징과 시장 성장 가능성은 어떻게 보시나요?
SOCAMM은 의미가 있습니다. 메모리 하면 흔히 범용 D램을 떠올리는데, HBM이 주문형 메모리로 바뀐 첫 번째 아이템이라면 SOCAMM이 두 번째입니다. HBM과 SOCAMM의 차이는 HBM이 서버용 고가 제품에 초점을 맞춘 칩이라면, SOCAMM은 B2C, 특히 온디바이스 AI에서 가능성이 큰 칩이라는 점입니다. 물론 서버에서도 쓰입니다. CPU 주변에 쓰입니다. AI 서버를 꾸릴 때 GPU가 CPU보다 중요하지만, 기존 CPU는 범용 메모리를 썼습니다. 그레이스 CPU는 주변에 LPDDR5를 썼습니다. 내년에 나오는 베라 CPU부터는 SOCAMM 모듈 네 개가 채택됩니다. GPU는 루빈으로 바뀌고요.
SOCAMM은 칩을 수직으로 연결해 대역폭을 높인다는 점에서는 HBM과 비슷하지만, 내부 구조는 완전히 다릅니다. HBM은 TSV 기반으로 칩에 구멍을 뚫고 구리를 채워 연결하는데, SOCAMM은 칩을 수직으로 쌓아 연결하는 방식은 같아도 기존 와이어 본딩, 즉 레거시 공정을 씁니다. 그래서 커스텀 메모리이지만 비교적 싸게 만들 수 있고, 'HBM의 마일드 버전'이라고 부르기도 합니다. 대역폭은 높습니다. 입출력 수 기준으로 SOCAMM은 약 700~1,000개 수준이고, HBM은 1,024개에서 2,048개로 넘어가는 중입니다. 성능 차이는 있지만 가격 면에서는 SOCAMM이 훨씬 쌉니다.
또 하나 중요한 차이는 설계 표준입니다. 보통 메모리 설계 표준은 JEDEC 같은 글로벌 기구에서 만들고, DDR4, DDR5, LPDDR5처럼 그 표준에 맞춰 제품을 만듭니다. 그런데 SOCAMM은 엔비디아라는 개별 기업이 설계 표준을 만들었습니다. 표준화 기구와는 별개입니다. 이제는 개별 기업이 제안한 설계에 따라 메모리가 만들어지는 시대가 열릴 수 있다는 것을 보여주는 사례입니다.
이 분야에서 우리나라 반도체 기업들이 경쟁력을 가지고 있을까요? 잘할 수 있습니다. HBM보다 싸게 만드는 기술이 많이 필요한데, 그렇다고 기술 수준이 더 높은 것은 아닙니다. 맞습니다. HBM을 싸게 만들어야 하고, 칩과 칩을 연결하고 대역폭을 높이며 수직으로 쌓는 기술이 필요합니다. 우리는 이런 부분을 잘할 수 있고, 이제 가성비 있게 만드는 것이 관건입니다.
SOCAMM의 1세대 제품은 엔비디아의 AI 서버 시스템에 채택됐습니다. 1세대는 마이크론이 대부분 납품하고 있고, 2세대부터는 삼성전자나 SK하이닉스가 메인으로 납품할 것 같습니다. 본 게임은 2세대나 3세대부터입니다. 그때부터 기술 제조 난이도가 많이 올라갈 것으로 봅니다.
이것은 최첨단 AI 반도체에 쓰이는 게 아니라 그보다 하위 모델에 들어가는 것인가요? 온디바이스 AI, 즉 AI PC, AI 스마트폰, 휴머노이드 로봇, 나중에는 자율주행차에도 쓰일 수 있습니다. 디바이스 자체에서 빠르게 연산하려면 메모리 대역폭이 필요한데, HBM은 너무 비싸서 그보다 싸게 만든 범용화는 아니지만 대중화된 메모리라고 볼 수 있습니다. 시장 규모는 더 클 수도 있습니다. 앞으로 더 커질 수도 있지만, 결국은 온디바이스 AI와 에이전틱 AI가 어떻게 발전하느냐에 달려 있다고 봐야 합니다.
Comments 0