저자: 미상 · 한국인
요약 보기
데이터센터 CPU 수요가 AI 에이전트 시대에 급증하며 CPU 중요성이 커진다는 주장. AMD가 서버 CPU 시장에서 출하량 점유율 28%, 매출 기준 40%로 인텔을 추격 중이며, AMD CEO는 서버 CPU TAM이 2030년까지 2배 성장(연 35%)을 전망. CPU 증가에 따라 DDR5 등 메모리 수요가 늘어 메모리 3사(삼성·SK하이닉스·마이크론)가 수혜를 볼 것으로 봄. 인텔은 차세대 다이아몬드래피즈 지연·SMT 누락 등으로 열세, 암(ARM) 아키텍처 부상도 언급.
다듬은 글
어, 이런 식으로 CPU를 이제 하이퍼스러들이 많이 구매하고 막 교체하면서 메모리 반도체 수요가 올라가면 그럼 또 누가 수혜를 보느냐? 뭐 똑같은 애들이죠.이 메모리 3대장들이 결국엔 돈을 제일 많이 벌게 됩니다. 어, 그리고 또 이와 동시에이 데이터 센터 CPU 업계에서 하나이 AMD와 인텔이 모두 경계해야 할 대상이 한 가지 있는데요. 바로이 암진영입니다. 네. 올해도 반도체 업계는 굉장히 호황을 나타내고 있죠. 어, 특히 그 가운데 이제 미국 증시에서 AMD와 인텔의 주가 흐름이 굉장히 심상치 않습니다. 소위 AI 대장주, 뭐 AI의 가장 큰 수혜주라고 할 수 있는 N엔 M비디아보다도 오래 들어서만 놓고 보면은 주가 흐름이 훨씬 더 좋은 편인데요.
특히 인텔 같은 경우에는 거의 뭐 200%에 가까운 그런 주가 상승을 보여주고 있기도 하죠. 이런 일들이 벌어지는 까다이 무엇이냐? 오래 들어이 CPU의 해가 다시 돌아왔다.이 2026년은 데이터 센터 CPU의 지형도가 바뀌는 한해다. 이런 담론들이 오기 시작하면서 어 올해는 이런 CPU 기업들이 정말 큰 수혜를 입는 그런 한해가 되는 거 아니냐 이제 이런 관측들이 나오고 있기 때문에 그렇습니다. 그래서 오늘은 왜 이렇게 데이터 센터 CPU 시장에 주목을 받고 있는 것인지 그리고 이런 수혜가 앞으로 언제까지 지속될 수 있을지 그런 전망들에 대해서 한번 살펴보려고 합니다.
가장 먼저 데이터 센터 CPU가 무엇인지 그리고 이게 왜 그렇게 중요한 어떤 키워드로 떠오르게 됐는지부터 알아봐야겠죠. 데이터 센터라고 하는 것은 기본적으로이 AI를 돌리는 거대한 인프라고 할 수 있는데요. 그 데이터 센터를 보시면은 이렇게 생긴 렉들이 무수히 많이 이제 모여 있는 그런 단지를 이제 데이터 센터라고 하죠. 그렇다면이 서버렉은 어떤 식으로 구성이 되어 있느냐를 한번 살펴보게 되면요. 이제 뭐 표준형이라고도 할 수 있는 이제 엔비디아의 NVL 72 렉을 기준으로 넣고 봤을 때 하나의 렉은 이제 한 48개의 유닛으로 구성이 되어 있습니다.
그리고 그중에서 총 18개의 유닛이 이제 컴퓨트 연산을 위한 어떤 유닛으로 구성이 되어 있고요.이 컴퓨팅 트레이 안에는 두 개의 그레이스 CPU와네 개의 블랙 GPU가 들어가게 된다. 뭐 이런 식으로 스펙시트에 나와 있습니다. 각각이 그레이스 CPU와 블랙글 GPU라는게 뭐냐? 뭐 이렇게 생긴 반도체입니다. 이렇게 이제 하나의 트레이 안에 두 개의 GPU가 들어가고 하나의 CPU가 들어간 다음에 여기 자세히 보시면은이 트레이가 하나의 유닛에 총 두 개가 들어가는 식으로 해 가지고 이런 유닛이 총 18개가 들어가게 된다라는 것이죠. 이렇게 하나의 렉이 구성이 되면은이 렉들을 또 무수히 많이 막 모아 가지고 물론 렉마다 또 막 구성이 다르기도 하고 그래요.
근데 어쨌거나 이제 그냥 제일 기본이 되는 NVL 기준으로 봤을 때는 이런 렉들이 또 이제 무수히 많이 모이면은 데이터 센터가 된다. 뭐 그런 구조인 셈입니다. 그렇다면 도대체이 CPU와 GPU라는 반도체가 각각 무엇이길래 데이터 센터에서 가장 핵심이라고 할 수 있는이 연산부에이 칩들이 들어가는 것이냐 간략히 비교해 보면 다음과 같다고 말씀드릴 수 있습니다. 이제는 이미 다들 잘 아실 것도 같아요. CPU라고 하면은 기본적으로 이것이 이제 센트럴 프로세싱 유닛의 약어이고요.이 GPU는 그래픽 프로세싱 유닛의 약어입니다. 사실 요즘은 이제 그래픽 말고 AI를 더 많이 연산하죠.
각각의 역할도 뭐 이름 그대로입니다. 이제 CPU 같은 경우에는 어떤 중앙 통제를 이제 주로 맡게 되고요. GPU 같은 경우에는 이제 막대한 병렬 연산을 담당하는 그런 계산기의 역할을 한다라고 말씀드릴 수 있어요. CPU 같은 경우에는이 해당 칩을 구성하는 반도체의 코어가 소수 정에에 가깝습니다. 개수가 좀 적고 대신에 개별 코어가 크고 강력한 그런 식의 구성을 나타내고요. GPU 같은 경우에는 이제 물량 공세죠. 코어의 개수가 요즘 뭐 수만 개 뭐 그보다도 훨씬 더 많이도 막 만들어 내고 있는 그런 상황에 놓여 있고 개별 코어는 작고 기능이 굉장히 단순한 그런 식으로 구성이 되어 있습니다.
CPU가 잘하는 것 어떤 복잡한 조건문 같은 것들을 처리하는데 특화가 되어 있어요. 운영 체제를 구동하고 어떤 순차적인 논리 제어를 하는 실질적인 어떤 통제수의 역할을 하는 것이 CPU다라고 한다면은이 GPU 같은 경우에는 코어의 개수가 굉장히 방대하기 때문에 어떤 사칭 연산 단순한 행렬 곱셈 같은 것들을 방대한 양으로 동시에 병렬로 수행할 수 있다라는 것이 가장 큰 특징입니다. 그렇기 때문에이 AI 데이터 센터 안에서 CPU 같은 경우에는 GPU에게 작업을 지시하고 통제하는 그런 역할을 수행을 하게 되고요. GPU 같은 경우에는 이제 실질적인 어떤 work스 실제 그 연산을 수행하는 그런 일꾼과 같은 역할을 하게 된다라는 것이 대략적인 정리라고 말씀드릴 수 있겠습니다.
가장 많이 드는 비유 중 하나가 어떤 뭐 한 명의 교수님대 여러 명의 초등학생 뭐 이런 대결의 구도를 많이 예시로 들고는 해요. 당연히 이제 교수님 쪽이 이제 CPU인 것이고 이제 초등학생 쪽이 이제 GPU인 것이죠. 한 명의 교수님과 여러 명의 초등학생이 문제 풀이를 놓고서 대결을 펼친다라고 했을 때 만약에 뭐 주어지는 문제가 수능 30번 같은 그런 미적분 문제가 주어진다라고 하면은 이런 어떤 복잡한 문제가 주어졌을 때는 당연히 이제 한 명의 교수님이 그 문제를 푸는데 있어서 훨씬 더 빠르게 풀어낼 거예요. 아마 뭐 초등학생들은 아무리 많이 모여도이 문제를 풀어내지도 못하겠죠.
그런데 반대로 아주 단순한 그냥 사칭산을 문제를 100개를 풀어야 된다라고 가정을 하면은 어떨까요? 한 명의 교수님이 문제를 100개를 순차적으로 풀어내는 속도보다 그냥 여러 명의 초등학생이 뭐 각각 한 다섯 문제씩 분배받아 가지고 풀기 시작하면은 훨씬 더 빠른 속도로이 전체 작업을 마칠 수가 있겠죠.이 이 CPU와 GPU의 관계도 딱 그렇습니다. CPU는 복잡하고 무거운 연산을 수행할 수 있는데 이제 한 번에 연산을 하나씩밖에 처리를 하지 못하기 때문에 혹은 코어의 개수가 상대적으로 적기 때문에 동시에 수행할 수 있는 작업의 개수가 떨어져서 단순하지만 양이 방대한 그런 연산을 수행할 때는 GPU가 더 유리하다.
뭐 이렇게 볼 수 있는 것이죠. 그리고이 AI 연산이라고 하는 것은 기본적으로 아주 단순한 행렬의 연속입니다. 다만이 양이 이제 조단위로 많아지는 이제 그런 것이 바로 AI 연산의 본질이라고 할 수 있는데요. 자, 그러다 보니까 음, 지금까지 CPU보다 GPU가 어떤 AI 워크로드를 수행하데 있어서 훨씬 더 적합하다라고 하는 것이 AI 업계 이제 상식으로 통하게 된 것이죠. 이제 그렇게 되면서 가장 성능이 뛰어난 GPU를 만드는 기업 엔비디아의 주가가 폭발하게 된 것이고요. 상대적으로 이제 2013년 이후로부터 데이터 센터 투자는 그렇기 때문에 GPU에 굉장히 많은 자금이 들어가게 되었고 서버 CPU를 만드는 기업들 같은 경우에는 조금 소외되는 그런 현상을 나타냈습니다.
물론 AMD 같은 경우에는 GPU도 함께 만들기 때문에 뭐 인텔에 비해서는 좀 더 AI 붐에 동반 수혜를 입기도 했었는데요. 즉 그래도 뭐 엔비디아와 비교하면은 훨씬 더이 AI 붐에서 소외되었다라고 말씀드릴 수 있죠. 그러다가 상황이 좀 변하기 시작한 것은이 AI 모델이 점점 더 고도화되면서 붙어였습니다. 어떤 추론 모델이 나오기 시작하고 또 요즘에는 이런 어떤 에이전틱한 AI 모델들도 굉장히 많이 사용되고 있잖아요. 이런 AI 모델의 고도화가 진행이 되면서 반도체 업계의 판도도 또 한번 바뀌기 시작했어요. 초창기 LRM들이 초창기 AI 같은 경우에는 사용자가 프롬프트를 입력하면은 그거를 그냥 보고 한 번에 이제 연산해서 바로 이제 즉을 하는 그런 방식으로 이제 답변이 많이 생성이 되었는데요.
사실이 과정에서는이 CPU가 할 일이 별로 없었어요. 그냥 사용자의 프롬포트를 토큰 해 주면 이제 GPU가 연산을 한꺼번에 쫙 다 처리하고 이제 아웃풋을 다시 자연으로 변환해 주기만 하면 되는 CPU의 역할이 거의 없고 거의 대부분의 연산을 그냥 GPU가 하는 그런 방식이었는데요. 음. AI의 연산 방법 자체가 점점 더 고도화되기 시작한 겁니다. 대표적으로 뭐인 of that 혹은 취 of that 이런 AI 연상 기법들이 나오기 시작하면서 점점 더 LM들이 수행하는 어떤 답변을 생성하는 AI 워크로드 자체가 더 방대해지고 훨씬 더 복잡해지기 시작을 한 거죠.
어 이런 방식으로 AI가 발전한 이유는 뭐냐? 결국에는이 AI가 더 많은 맥락을 이해하고 사용자의 질문에 대해서 더 정확도 높은 그런 응답을 생성하기 위해서 이와 같은 이제 알고리즘의 변화가 나타나게 된 것인데요. 어 이처럼 AI 워크로드가 수행되는 방식이 달라졌기 때문에 점차 실제로 그 워크로드를 수행하는이 프로세서들의 관계에서도 많은 변화가 나타내기 시작했습니다. 예를 들어서 어떤 한자가 AI 모델에게 2025년 삼성전자와 애플의 AI 매출 비중을 좀 한번 비교해 줘라는 이제 요청을 했다라고 가정을 해 볼게요. 어, 이런 요청이 이루어지면 옛날 모델들 같은 초기의 LM들 같은 경우에는 그냥 AI 모델이 이걸 보고 학습된 데이터를 바탕으로 그냥 바로 응답을 딱 하고 생성하고 끝났을 거예요.
근데 요즘은 그렇게 진행되지 않죠. 이런 프롬프트가 입력이 되면은 일단 가장 먼저 일어나는 건 이제 CPU가이 프롬프트를 GPU가 이해할 수 있는 토큰으로 변환을 하게 됩니다. 뭐 이거는 옛날이나 지금이나 똑같죠. 어, 참고로 여기 나눠져 있는 거는 실제로 이런 식으로 토큰이 아니진 않을 거예요. 그냥 제가 이미대로 쪼개 놓은 건데 뭐 형태소를 더 잘게 막 잘라서 가져가는 경우들도 있고 해가지고 뭐 사실 정확 갈 순 없습니다. 근데 그냥 이대로 한번 그냥 나눠 봤고요. 어쨌거나 자연어를 토큰으로 바꾸는 거는이 텍스트를 미리 정의되어 있는 어떤 어위 사전과 대조를 해서 그것에 일치하는이 정수 아이디로 변환을 하는 과정입니다.
이런 식으로 쭉쭉쭉 어떤 정수 아이디들이 나열이 되는 것이죠. 그러면은 이제 GPU는 이런 정수나열 이런 토큰들을 이해할 수 있기 때문에 이런 어떤 토큰화된 지시서를 이제 CPU과 GPU에게로 전송을 하게 되는 겁니다. 근데 이제 여기서 한 가지 이제 문제가 발생을 하는 거죠. 바로 이제 AI가 학습되었던 그 시점에는 어 우리는 트레이닝 단계에선 2015년 데이터가 없었는데라는 그런 일들이 벌어질 수 있다는 거예요. 뭐 실제로 그 초기에 최지T를 써 보셨거나 하신 분들은 기억하시겠지만 너무 최신의 일을 물어보게 되면은 어 저는 뭐 2022년까지의 데이터만 가지고서 학습이 돼 가지고 그 문제에 대해서는 제가 대답해 드릴 수 없습니다.
뭐 이런 응답들이 만들어지기도 했었잖아요. 이처럼 모든 AI 모델들은 그 훈련이 맞춰지는 시점 이후의 일들은 전혀 알 수 없단 말이에요. 그런데 사용자는 굉장히 최신의 것, 최신의 자료들까지도이 AI가 끌어와서 다 답답변을 생성해 주기를 기대하잖아요. 네. 그렇기 때문에 요즘 AI들은 옛날에는 이제 그렇게 아, 저는 옛날 것까지만 학습해서 몰라요. 하고 끝났다면은 요즘 AI들은 어떻게 하느냐? 어,네 개는 사용자의 프롬프트에 답할 만한 어떤 그런 데이터 학습이 되어 있지 않은데라고 결론이 나게 되면은 CPU에게 다시 한번 작업을 요청을 하게 됩니다.
어, 2025년 데이터를 네가 좀 끌어다 줘라. 이런 어떤 AI 매출에 대해서 검색 엔진을 통해서 한번 네가 알아봐 줘라는 요청을 하게 되는 거예요. 그럼 CPU가 검색 엔진 API를 호출해서 뭐 인터넷이나 혹은 다른 어떤 외브 데이터베이스에 접속을 해 가지고 거기서 자료를 가져다가 이제 반환된 것을 다시 한번 GPU에게 전달을 해 주는 거죠. 그럼 또 GPU는 그거를 보고서 아이 정도면 답변을 생성하기 충분한가 뭐 이런 것들을 판단하고 더 많은 자료가 필요하다 하면 이제 CPU에게 또 한번 요청을 하고 이게 왔다 갔다 하는 것을 계속해서 반복을 하게 되는 겁니다.
요즘 AI에서 사고 모델이나 어떤 프로 모델 같은 것들로 이제 프롬프트를 작성해서 응답을 요청하시게 되면은 거기 막 이렇게 로딩 창이 계속 돌아가면서 뭐 어디를 알아보는 중 뭐를 하는 중 다음 단계는 이런 걸 하는 중 그 사고의 과정을 볼 수 있게 해 놨잖아요. 그런 1년에 이제 AI 워크로드가 진행되는 동안 이제 계속 이런 일들이 일어나고 있는 거예요. 그러다가이 모든 것들이 마무리가 되면은 이제 그때 가서 모든 조사된 자료들을 한꺼번에 이제 컨텍스트 윈도우에 넣고요. 뭐 사용자의 프롬프트와 어떤 시스템 프롬프트가 있다면은 그런 것들을 또 포함하고 검색해서 혹은 외부 DV에서 끌어온 어떤 자료들이 모든 것들을 한꺼번에 이제 GPU가 프리필 한 다음에 그것을 디코드 하게 되어서 생성된 답변을 CPU가 다시 한번 자연으로 번역해 가지고 사용자에게 응답이 생상이 되는 그런 과정을 거치게 되는 겁니다.
과거에 비해서는 예 CPU에 할 일이 굉장히 많아진 것이죠. 특히 요즘은 AI를 가지고서 코딩도 굉장히 많이 하시잖아요. 코딩을 하게 되면은 GPU 같은 경우에는 코드를 쓸 수는 있는데 스스로 그 코드를 검증하지는 못하거든요. 그러면은 그 작성한 코드를 CPU가 한번 가상형의 샌드박스 공간을 만들어 가지고 거기서 코드를 한번 검증해 보고 어 이거 뭐 신택 세러가 발생하는데 그러면은 다시 한번 돌려보내 가지고 너 다시 써 와 뭐 이런 것들을 요청하기도 하고 하거든요. 이런 식으로 워크로드가 왔다 갔다 왔다 갔다를 계속 많이 반복을 하게 된다는 겁니다.
하물명 어떤 추론 모델이나 이런 AI 모델을 활용할 때도 이런데 앞으로 또 에이전트 시대가 펼쳐지면 어떻게 될까요? 에이전트 시대는 AI 워크로다가 훨씬 더 작업이 복잡해지죠. 어떤 이벤트가 발생을 하면은 그거를 또 프리프로세싱을 하고 막 여기서 뭘 끌어오고 여기서 뭘 찾아오고 에이전트한테도 에이전트가 막 세 종류네 종류 있어 가지고 작업을 따로 분배하고 그 한꺼번에 모아 가지고 요약하고 막 이런 것들이 너무너무 복잡하게 이제 작업이 이루어진단 말이에요. 그러다 보니까 어떤 AI 에이전트 시대의 워크로드는 앞으로는 지금과 또 비교할 수 없는 정도의 수준의 복잡성으로 이것이 더 늘어나게 될 거란 말이죠.
어, 그렇게 됐을 때 어떤 일들이 벌어지냐? 마치 메모리 병목처럼 CPU가 GPU의 발목을 잡는 일들이 벌어집니다. 어, 실제로이 에이전트 시대의 CPU의 어떤 중요성을 연구하는 논문들도 굉장히 많이 있는데요. 그 중에서 하나 사례를 가져와 보면은 뭐 대표적으로이 렉 아까 보신게 이제이 retrieval ented generation이죠.이 이 검색 증강 생성이라고 해서 외부 자료를 가지고 와서 그거를 가지고서 답변을 생성하는 이제 그런 것들을이 레그라고 하고요. 이제 이거는 이제 어떤 화학 연구를 위한 AI 활용의 케이스를 가져와 본 건데요.
여기 보시게 되면은이 AI가 전체 런타임 중에서 그 CPU가 잡아먹는 시간이 GPU에 비해서 훨씬 더 많다. 이제 그러한 어떤 특정 분야들이 있다라는 것을 아실 수가 있어요. 뭐 레그 워크로드를 수행할 때라던가 어떤 화학 연구를 위한 워크로드를 수행할 때는이 CPU의 활용이 GPU의 활용 시간보다 훨씬 더 길다라는 것이죠. 쉽게 말해서 CPU가 시간을 많이 잡아먹는다 뭐 이런 겁니다. 우리 흔히 메모리 장벽 혹은 뭐 네트워크 장벽 같은게 있어서이 GP의 유효 상태가 좀 심각하다.이 장벽들을 빨리 해소해야 된다. 뭐 이런 이야기들을 굉장히 많이 하는데 GPU 입장에서는 그냥 하나같이 너 너나 너나 다 그냥 발목 잡는 놈들이군 뭐 이런 생각을 들게 하는 그런 일들이 벌어질 수 있다는 거예요.
그러다 보니 이제 이런 어떤 레이턴시 문제를 해결하기 위해서 최근 들어서 어떤 혁신들이 이루어지고 있느냐? CPU의 코어 개수를 늘리고 있습니다. 예. 쉽게 말해서 CPU도 너 동시에 여러 개의 작업을 처리해라. 동시 다발적으로 그냥 다 해라. 왜냐면은 GPU가 일을 너무 빨리 하고 처리한 연산 결과를 가져다 주는데 CPU가 일을 한 한 번에 하나씩밖에 못 해 가지고 막 이거를 또 처리하는데 시간이 너무 오래 걸리면은 GPU는 또 오래 놀고 있어야 되니까 너도 마치 GPU가 하는 것처럼 어떤 특정 부분들에 있어서 마치 병렬 연산을 하듯이 동시에 여러 작업을 해 버려.
이런 식으로 이제 만들기 시작한 거예요. CPU의 코어 카운트가 보시면은 뭐 2017년, 2018년 이때 이후로부터 급격하게 증가하는 것을 보실 수가 있죠. 점차적으로 이제 AI 에이전트가 똑똑해져서 뭐 여러 개의 도구를 동시에 막 가져다가 끌어다 쓰면 쓸수록이를 받쳐주 CPU 코어의 물량이 어떤 전체 시스템의 지연 시간을 결정지는 핵심처럼 되어 가고 있다라는 것입니다. 상황이 이러다 보니까 이제 트렌드 포스 자료에 따르면은 통상적인이 LM을 구동하는 어떤 인프라 같은 경우에는 CPU대 GPU의이 반도체 비중이 한 1대 8 정도 수준이었는데 앞으로 에이전틱 AI 시대가 오게 되면은 이것이 거의 1대 1 수준으로 맞춰질 거다.
그만큼 앞으로 데이터 센터 인프라를 확충할 때는 CPU도 굉장히 많이 구매를 해야 될 거다. 이런 전망까지도 나오고 있는 상황이에요. 실제로 이번 AMD의 1분기 실적 발표 때도 이제 리사수 CEO가 앞으로이 데이터 센터 서버 CPU의 총 시장 규모 토탈ble 마켓의 규모 자체가 어 예전에는 우리가 한 60빌리언 정도 600억 달러 정도 규모로 성장하면은 딱 될 거다라고 생각을 했었는데 이제는 아야 2030년까지 보니까 그 두 배는 성장하겠다. 연간으로 35%씩 그냥 어마어마한 성장률 보이겠다. 이런 전망을 제시하기도 했거든요. 그만큼 앞으로는 점점 더이 AI 업계에서 CPU의 중요성이 커지고 이에 따라서 이제 AI 인프라를 확충하기 위한 기업들도 CPU를 훨씬 더 많이 구매해야 할 것이다라는 전망들이 나오고 있는 것이죠.
그렇다면 실질적으로이 CPU를 만드는 기업들 중에서는 어느 곳이 좀 두각을 드러내고 있을까요? 일단 CPU 시장에는 아키텍처에 따라서 뭐 진형이 크게 두 갈래로 나닙니다. 이제 X86 진영 여기가 좀 더 레거시 진영이죠.이 이 그리고 암진영이 있는데요.이 중에서 CPU 시장에서 더 패권을지고 있는 진영이 어디냐라고 하면은 뭐 당연히 X86 진영입니다. 1978년이었네요. 이제 그때 인텔이 806 프로세서를 출시하면서부터이 X86 아키텍처는 지금까지 꾸준히 사랑받는 뭐 많이 활용되는 그런 아키텍처이기 때문에 오랜 레거시만큼이나 어떤 생태계에도 훨씬 더 풍성하게 자리 잡혀 있고 아미 X6을 뭐 100% 대체하기는 좀 어려울 것으로 생각이 되고 있죠.
그러면은이 X6 진영 중에서는 그럼 또 어떤 기업이 요즘 가장 많이 각광을 받고 있느냐? 뭐 바야흐로 이제는 AMD의 시간이 도래했다. 뭐 이런 평가들이 굉장히 많이 나오고 있습니다. 뭐 실제 데이터만 봐도 그 이유를 명확히 아실 수 있을 것 같은데요. 네. 인텔이 거의 독점하다시피 했던이 서버 CPU 시창을 AMD가 최근 들어서 굉장히 빠르게 점유를 치고 올라오고 있어요. 예. 출하량을 기준으로 했을 때 예. 작년 4분기에 거의 28%의 점유율을 AMD가 차지를 하면서 인텔의 점유율이 굉장히 많이 떨어졌거든요. 이때는 99.2%였는데 지금은 70%대로 떨어졌으니까 엄청나게 많은 시장을 이제 AMD가 빼서 온 거죠.
근데 이게 출혈량을 기준으로만 봐도 AMD의 지금 성과가 굉장히 고무적인데 매출 기준으로 보면은 더 놀랍습니다. 매출 기준으로만 점유율을 따지게 되면은이 AMD의 시장 점유율이 40%에 달합니다. 출하량은 28%밖에 안 되는데 매출이 어떻게 이렇게 높냐라고 한다면은 쉽게 말해서 그만큼 반도체 하나 가격이 훨씬 더 비쌌다라는 것이죠.이는 이는 다시 말해서 하이퍼스케일러들 어떤 그 AI를 구동하는 그 최전선에 있는 기업들이 구매하는이 플래그십 반도체가 많이 나왔다라는 것을 알 수 있게 해주는 그런 자료입니다. 고가의 고성능 칩들 그런 그 뭐 AMD 같은 경우는 이제 에픽 시리즈가 거기에 해당하죠.
그런 칩들이 집중적으로 판매되었기 때문에 출량 물량으로만 따지면은 뭐 아직 28% 수준이지만 매출 기준으로는 이제 전체 시장의 40% 파일을 가져오는 그런 폭발적인 성장을 보여 주었다라는 것이에요. 특히 최근 AMD의 성장세가 또 굉장히 긍정적인 평가를 받는 이유 중 하나는 그 성장이 출하량 증가에 의해서 거의 견인되었기 때문입니다. 매출이 늘어나는 방식은 크게 두 가지가 있죠. 하나는 뭐 판매 가격이 올라가면은 이제 그에 따라서 매출이 올라갈 수도 있을 것이고요. 판매량이 올라가서 매출이 올라갈 수도 있을 거예요. 당연하지만 뭐 판매가가 올라가서 매출이 올라가는 것도 뭐 부정적인 것은 아니지만 판매량이 올라가서 매출이 늘어나는 것이 훨씬 더 긍정적이라고 할 수 있겠죠.
이게 실질적인 어떤 수요를 나타내 주는 것이니까요. 뭐 판매 가격이 어떤 외부적인 요인에 의해서 왔다 갔다 할 수 있는데 판매량은 이제 수요가 견인하는 것이다 보니이 출화량 증가에 의해서 성장을 했다라는 것은 굉장히 긍정적인 사인이다라고 볼 수 있는 겁니다. 또 이제 이번 어닝콜 때 리사수 CEO가 우리의 평균 판매 단가이 프라이스는 그냥 인플레이션 압박을 해지하는 정도 수준으로만 올렸지 우리가 뭐 가격을 폭리를 취해 가지고 이런 식으로 매출 상승을 이끌어낸게 아니다. 뭐 이런 이야기를 하기도 했거든요. 그러면서 동시에 앞으로이 서버 CPU 시장에서 우리가 점유율을 50%까지도 늘려 나갈 수 있을 걸 이제 이런 자신감 있는 전망까지도 제시를 하면서 굉장히 또 그 실적 발표 당일날 좋은 주가 흐름을 보이기도 했습니다.
2017년 출혈한 기준으로 고작 점유율이 0.8% 수준이었던 때와 비교하면은 정말이 마음이 그냥 웅장해지는 그런 실적과 가이던스를 제시한 것이에요. 예. 그래서 하루 만에 막 15% 넘게 주가가 뛰고 그런 일들도 이제 벌어졌던 거죠. 어, 그렇다면이 서버 CPU 시장에서 AMD는 도대체 어떻게 패권을 잡게 된 걸까요? 사실 2017년에 AMD가이 서버시 CPU 시장에 뛰어들었을 때는 진짜 인텔이 완전히 그 AMD를 조롱하다시피 했거든요. 이게 그때 당시에 인텔의 공식이 PPT 장표인데 보시면은이 인텔과 AMD를 비교하면서 어 인텔은 리ist스tic 데이터 센터 솔루션 우리는 통합적인 그런 데이터 센터 솔루션을 제공을 하는데 AMD는 repurposed deskop product for server 그 서버에 들어가는이 칩을 그냥 데스크톱에 들어가는 제품을 그냥 대충 짝기 해 가지고 만든다 막 이런 식으로 이제 조롱하기도 했어요.
여기 보시게 되면은 여기 이렇게 for gled to des데 desktop이라고 적혀 있는게 보이시죠? 이거 안 좋다. 막 하면서 야 그냥 너네 데스크톱용 반도체를 풀로 붙여 가지고 이거를 서버용이라고 팔고 있냐? 뭐 그런다고 되겠냐? 막 이런 식으로 이제 조롱을 한 겁니다. 이때까지는 이제 인텔이 미쳐 알지 못했던 것이죠. 이게 얼마나 큰 혁신이었는지 말이에요. AMD는 이것을 이제 침렛이라고 부르기로 했습니다. 오늘날 이런 식으로 여러 개의 반도체 다이를 붙여 가지고 하나의 칩을 만드는 것을 이제 침 구조라고 부릅니다. 전통적으로는 이제 하나의 거대한 단일칩에 만들던 반도체를 여러 개 작고 특화된 기능별 칩들로 이제 세 분화해서 만든 다음에 하나로 결합하는 그런 기술인 것이죠.
AMD가 본격적으로 이제 데이터 센터용 CPU의 이런 침릿 구조를 적용하기 시작한 거는 사실 그 아까 보셨던 그 1세대보다는 그다음에 나온 롬 시리즈 이제 2세대 시리즈부터라고 말씀드릴 수 있는데 어이 침넷 구조가 사실상 AMD가이 서버용 CPU 시장을 장악하게 만들어 준 가장 큰 강점이라고 볼 수 있습니다. 침례 구조에는 여러 가지 장점이 있는데요. 그 중 하나는 예 비용 절감 및 수율 향상이 있습니다. 사실 두 개가 뭐 동어 반복이라고 해도 과언이 아니죠. 어떤 식으로 수율이 좋아질 수 있느냐?이 각각 개별 다위 크기를 작게 쪼개서 만든 다음에 결합하는 방식을 택하다 보니까음 불량률이 낮아지게 됩니다.
당연한 현상인게 어떤 그 단일 칩셋이 크기가 커지게 되면은 거기서 어디 하나만 문제가 생겨도 그 전체 칩셋을 버려야 되잖아요. 근데 다위를 잘게 쪼이게 되면은 어디 하나에서 문제가 생겨도 그것만 날리고 나머지다는 다 살릴 수 있기 때문에이 수율이 훨씬 더 좋아지게 되는 효과가 생긴다는 것이죠. 아 또한이 칩을 여러 개 다위로 쪼개 가지고 그걸 결합하는 방식을 하다 보니까 필요한 기능에 맞춰서 가장 적합한 공정을 혼합해서 생산을 할 수 있게 됩니다. 뭐 어디는 3n노 공정을 쓰고 뭐 여기는 7n노 공정을 쓰고 이런 다음에 이걸 두 개를 합치는 식의 그런 반도체를 만들어내는 것이죠.
모든 다이에 대해서 뭐 최신 공정을 다 쓸 필요가 없기 때문에 훨씬 더 이제 구형 공정과 신형 공정을 혼합해서 이제 제조를 하는 비용 효율적인 방식으로 반도체를 생산을 할 수 있게 된다라는 거예요. 어, 또 두 번째로는이 침 구조는 확장성이 굉장히 좋습니다. 모듈식으로 이제 블록 같이 침을 갖다 붙이기 때문에 이것을 더 이어 붙이기만 하면은 훨씬 더 빠르게 이제 업 칩을 업그레이드를 할 수가 있고 또 여러모로 이제 믹스앤 매치가 가능하기 때문에 어떤 고객사의 요청에 맞춰서 맞춤형으로 칩을 제작하기도 훨씬 더 좋습니다. 이제 그러다 보니 결과적으로 굉장히 성능 최적화가 좋아지게 되는 그런 결과까지도 나타나게 되는 것이죠.이 이 목적에 맞는 그런 특화 설계를 적용할 수 있기 때문에 전체 칩셋 성능을 이제 내가 원하는 그 작업을 수행하 있어서 훨씬 더 효율적으로 만들어낼 수 있다라는 그런 장점이 나타나게 됩니다.
네. 앞서 말씀드린 것처럼 이제 AMD는이 롬, 로마 시리즈부터 이제 AMD는 자사 데이터 센터 CPU에다가이 이탈리아의 도시 이름들을 붙여 가지고 출시를 하는데요. 어 이때부터 본격적으로 이제 AMD가 인텔에 비해서 그 코어수에 있어서 이제 CPU 코어수에 있어서 인텔을 제치는 앞지르는 그런 상황이 나타나게 됩니다. 인텔이 28코어에 머물러 있는 동안 AMD는 단숨에 이제 64코어까지 이제 CPU의 코어수를 확 늘리게 돼요. 어 그래서 그 이후로부터 이제 침넷을 가지고서 확장성 좋게 계속해서 차세대 CPU를 내놓다 보니까이 CPU의 코어수가 급격하게 늘어나데 있어서이 침렛 구조가 1등 공신이 되었다라고 말씀드릴 수 있는 겁니다.
인텔도 이제 뭐 뒤늦게라지만 정신을 차리고 이걸 따라잡기 위한 노래를 굉장히 많이 했습니다. 이제 사파이어 레피즈부터는 우리도 이제 침릿 구조로 간다라는 식으로 방향성을 선해를 했었는데요. 이게 쉽지는 않았어요. 계속해서 기술적인 문제로 이제 출시가 지연이 되면서 이게 정작 출시가 되고 났을 때는 이미 한 세대 뒤쳐져 있는 오히려 그 CPU의 세대간 격차가 AMD랑 더 벌어지는 막 그런 일들이 벌어졌거든요. 심지어 다음 세대에 대해서도 이미 그 승자는 AMD로 결정이 거의 있다 싶습니다. 다음 세대로 이제 인텔이 출시할 데이터 센터용 CPU는이 다이아몬드 레피즈예요.
사실 2026년에 출시를 목표로 했었는데 지금 또 최근에 보 나온 거 보니까 이게 2027년으로 또 밀린다라는 이야기가 있더라고요. 예. 업계에서 계속 이런 소문이 도는 거 같아요.이 다이아몬드 래피지 인텔이 지금 준비하고 있는 차세대 데이터 센터 CPU에 제일 큰 문제가 뭐냐면은요. 이게 동시 멀티스레딩을 지원하지 않는다라는 겁니다. 이걸 SMT이 사이모테니스 멀티스레딩이라고 하는데요. 동시 멀티스레딩이라고 하는 것은 쉽게 말해서 하나의 코어가 동시에 여러 개의 작업을 수행할 수 있게 만들어 주는 것인데요. 이제 AMD 같은 경우에는 이제이 SMT가 적용이 되어 있는데 인텔 같은 경우에는 그 차세대 다이아몬드레의 비즈에서이 SMT가 빠져 있습니다.
자, 그러다 보니까 단순히 코어 개수로만 따지면은 CPU 코어 개수가 네, 둘이 비슷하거나 인텔이 조금 더 앞서는 그런 모습을 보여 주는데 오히려 예, 실질적인 어떤 작업의 처리으로 따지면은 네, AMD는 SMT가 적용되어 있기 때문에 훨씬 더 많은 이제 작업량을 동시에 수익을 할 수 있게 되는 그런 일이 이제 예정되어 있는 것이죠. 또 어떤 연결 방식에 따른 레이턴시의 문제도 있습니다. 이제 인텔 같은 경우에는이 다이아몬드 레피에서이 다이간 연결을 어떤 패키지 기판의 긴 물리적 배선을 사용해서 연결을 하고 있는데요. 이제 AMD 베니스 같은 경우에는 고속 단거리 링크라는 새로운 첨단 패키징 기술을 적용을 해 가지고 훨씬 더 빠른 속도로이 다이간에 이제 인터컨 커넥션이 가능하게 되거든요.이 이 GPU 병목에서도 이전에 말씀드린 것처럼 GPU의 성능이 올라가면 올라갈수록 어떤 네트워크에 의한 병목, 메모리 병목 이런 것들이 발목을 잡는다 말씀드린 것처럼 CPU도 코어의 개수가 늘어나면 늘어날수록이 코어간 인터넥션 속도가 또 병목으로 작용을 하게 돼요.
그런 부분에서 이제 AMD의 반도체는 훨씬 더 패키징도 더 좋아 가지고 레이턴시 문제도 훨씬 잘 잡았다. 그래서 이미 이제 다음 세대 2016에서 2018년 그 시즌을 끌고 갈 데이터 센터 CPU의 경쟁에서도 이미 인텔이 거의 뭐 사실상 패배가 기종 사실화 되어 있다. 뭐 이렇게 보여지는 그런 상황이 지금 놓여 있는 겁니다. 그러다 보니까 이제 AMD 입장에서는 어 이제 우리 인텔 완전히 제칠 수 있어. 우리 서버시피 시장 점유율 50%까지도 올라갈 거야. 이런 자신감 있는 발언을 할 수가 있게 되는 것이죠. 그렇다면 인텔 시대는과 이대로 끝이냐?
뭐 꼭 그렇게 보기는 어렵습니다. 이제 어쨌거나 인텔 같은 경우도이 CPU의 수요 자체가 워낙에 지금 폭발적이다 보니까 맨 처음 살펴본 것처럼 인텔의 주가 흐름은 되게 좋은 편이에요. 실적도 잘 나왔고요. 어 계속해서 그냥 수요가 워낙에 많다 보니까 AMD뿐만 아니라 인텔로도 그 수요가 굉장히 많이 몰리고 있는 그런 상황은 펼쳐지고 있고 그리고 또 특히 다이아몬드 레피즈의 그다음 세대 코랄 레피지 때는 우리가 이젠 진짜 AMD를 따라 잡을 겁니다. 이제 이런 식으로 지금 칼을 갈고 있기도 해요.이 코랄지부터는 동시 멀티레딩도 다시 한번 도입을 하게 될 예정이라서요.
2018년 출시 예정으로 되어 있는데 뭐 이때 가서는 어 데이터 센터 CPU의 성능이 AMD 비교해서 다시 한번 뭐 또 좋은 준수한 성과를 보여 줄 수 있을지 이런 것도 한번 지켜보기는 해야 될 것 같습니다. 음. 다만 문제는 어 CPU 성능을 따라잡는다고 해서 이제 와서 그 벌어진 AMD와 인텔 사이에 갭을 좁힐 수가 있을까 하는 의무는 들기는 해요. 왜냐면은 이제는 뭐 단순히 코어 쓰레드의 문제가 아니게 된지 좀 사실 오래됐거든요. 요즘 뭐 MBA 같은 경우도 보시게 되면은 막 이런 풀 렉 단위로 이제 아예 데이터 센터 인프라를 세트 바리로 막 팔잖아요.
이제 그런 이유가 요즘 AI 어떤 스타트업들이 너무나도 많이 우후죽 막 생겨나고 있고 얘들은 가능한한 빠르게이 AI 컴퓨팅 자원을 확보하고 싶어 하는데 이거를 그러면은 우리가 그냥 한꺼번에 이제 약간 턴키 계약을 맺는 것처럼 그냥이 렉을 전체를 그냥 풀 렉 플랫폼으로 제공을 할게 너는 이거 그냥 통째로 사서 쓰면은 그 즉시 바로 AI 워크로드를 수행할 수 있어. 이제 이런 방식으로 이제 인프라의 구축이 많이 이루어지고 있거든요. 근데 AMD 같은 경우에는 GPU도 자체적으로 생산을 하잖아요. 설계를 하고 있잖아요. 이제 그러다 보니까 AMD는 이제 엔비디아의이 어떤 뭐 블랙겔 플랫폼 막 이런 것들이 있다면은 AMD 역시 이제 헬리오스라고 하는 이제 플랫폼을 준비를 하고 있어요.
이제 이런 풀 렉 스케일 단위로 우리도 데이터 센터 인프라를 공급하겠다라고 준비를 하고 있는 것이죠. 어, 근데 인텔 같은 경우에는 아직 이런 식의 어떤 생태계를 구축을 하지는 못했거든요. 이제 그러다 보면은 고객들의 입장에서는 더더욱 이제 AMD보다 인텔를 선택할 만한 이유가 하나가 또 사라지는 것이죠. 그리고 또 AMD 같은 경우는 AI 시대에 맞춰서 어떤 제품의 믹스도 훨씬 더 잘 구성을 해 놨습니다. 어떤 범용 연산을 위한 어떤 제품 믹스라던가 아니면 뭐 AI 에이전트만을 위한 그런 CPU라던가 뭐 베라노 CPU 같은 이제 AI 인프라 전용으로 막 설계되어 있는 그런 애들도 있거든요.
그런 것처럼이 제품 믹스를 잘 구성을 해 놔서 고객의 요청에 맞춰서 그들이 꼭 딱 필요로 하는 그런 CPU들을 제공할 수 있는데 반해서 이제 인텔 같은 경우에는이 정도로 이제 제품 믹스를 잘 구성해 놓지는 못했단 말이에요. 그러다 보니 어 이게 단순히 어떤 코랄레 피즈가 나온다고 해서이 AMD와의 격차를 단시간에 좁힐 수 있을까? 이런 부분에 대해서는 이제 전망이 아주 받지는 않은 편이라고 말씀드릴 수 있겠습니다. 자, 그러다 보니 이제 인텔도 뭐 여러모로 그 단순히 CPU 스펙만으로 승부하기보다도 어떤 외부 고객의 특정 워크로드에 맞춘 맞춤명 실리콘 이직이라고 하죠.
그런 사업에 대해서도 좀 많이 투자를 하고 있고 또 AMD와 비교해서 인테리지는 가장 큰 강첨면 이제 앱을 보유하고 있다라는 거잖아요. 직접 이제 제조를 한다라는 그 파운더리를 가지고 있기 때문에 그런 부분에 있어서 또 이제 새로운 돌파고를 마련하려는 모습들은 보이고 있어서 뭐 앞으로 어떤 식으로이 반도체 업계 판도가 또 흘러갈지는 더 지켜보긴 해야 될 것 같습니다. 어, 그리고 또 이와 동시에이 데이터 센터 CPU 업계에서 하나이 AMD와 인텔이 모두 경계해야 할 대상에 한 가지 있는데요. 바로이 암형입니다. 가장 처음에 이제이 CPU 시장이 아키텍처를 X86을 쓰느냐 아니면 암을 쓰느냐에 따라서 크게 두 진영으로 다닌다라고 말씀드렸잖아요.
사실 지금까지이 데이터 센터 CPU 시장은 X86 아키텍처 거의 지배하다시피 해왔는데요. 최근 들어서는이 암 CPU도 굉장히 많은 어떤 수요가 나타나고 있어요. 암 아키텍처의 가장 큰 특징 중 하나가 전력 소모가 적다라는 것인데요. 에너지 효율적으로 데이터 센터를 구현하기 위해서 이제 이런 암 아키텍처의 CPU를 가져다 쓰는 일들이 점점 늘어나고 있는 것이죠. 가장 대표적인게 이제 엔비디아가 만들어낸이 그레이스 CPU가 암 아키텍처를 사용하고 있습니다. 그리고 또이 암 아키텍처의 창시자인 암 자체도 또 최근에 그냥 자체 설계 반도체를 출시하면서이 프로젝트 피닉스를 운영하고 있기도 하고 그 외에 그 모든 어떤 빅테크들 어떤 자체 하이퍼스케일러들을 만들어내고 있는이 자체 칩들 있잖아요.이 에이직 반도체들은 모두 다이 암 아키텍처를 사용하는 CPU를 만들어 내고 있어 가지고 암진형이 지금 무섭게 치고 올라오고 있어요.
중국 쪽에서도이 아키텍처를 많이 쓰고 있기도 하고 그래요. 그러다 보니이 서버 CPU 전체 시장을 놓고 보게 되면은 이제 인텔의 점유율은 계속 떨어지는 중이고 AMD의 점유율 계속 올라가고 있고이 암 아키텍처도 어 미약하긴 하지만 아직은 계속해서 올라가는 추세다라고 말씀드릴 수 있겠습니다. 암 아키텍처에 대해서 긍정적으로 보시는 분들은 장례에는이 암 CPU가 뭐 50%까지도 이걸 늘어날 수 있다. 뭐 이런 식으로 볼리시하게 보시는 분들도 계시더라고요. 예. 이처럼이 데이터 센터 CPU 시장은 지금 본격적으로 폭발적인 어떤 성장을 맞이하고 있는 중입니다.
그리고 그런 가운데 저희 마지막으로 한번 살펴볼 것이이 모든 것이 기승전 메모리 수요로 이어지고 있다라는 그런 분석도 지금 나오고 있어요. 이게 무슨 말이냐? 이제 처음 말씀드린 것처럼이 CPU의 코어 카운트가 계속해서 올라가고 있잖아요. 이제는 CPU도 막 수백개 코어 특히 암페어사의 CPU 같은 경우에는 뭐 앞으로 전망되고 있는 4세대 CPU에서 500개 코어 이상의 코어가 탑재될 것으로 예상이 되고 있는 그런 상황까지도 나타나고 있는데 코어의 수가 늘어난다는게 무슨 말이냐? 이제 코어라는 거는 결국엔 뭐 개별 일꾼 같은 거잖아요.
각각의 일꾼의 숫자가 늘어나면은 그 일꾼이 일할 수 있는 그 작업대의 숫자도 동시에 늘려야겠죠.이 결국이 CPU가 일을 하기 위해서는 메모리 반도체가 옆에 딱딱 붙어 있어야 되는데 코어의 개수가 늘어나면 늘어날수록 디램의 수요도 그럼 결국 같이 늘어나게 된다라는 겁니다. 요즘 메모리 반도체 기업들 정말 바빠요. 사실이 그 웨이퍼의 개수는 한정되어 있잖아요. 근데 GPU 만드는 애들은 야, 우리 그걸 가지고서 HBM 좀 만들어 줘. 근데 CPU 만드는 기업들은 아니다. 우리 그 DDR 이거 디램도 필요하다. 나 메모리 반드체 너무 부족해.
이런 식으로 서로 막 이걸 가져가려고 이제 안님을 쓰고 있다 보니까 사실 뭐 PC 좋아하시는 분들은 이제 뭐 PC를 맞출 수가 없게 됐죠. 너무 가격이 비싸져 가지고. 음. 메모리 반도체를 그냥 데이터 센터 단에서 그냥 싹 다 흡수해 가고 있는 그런 상황이 펼쳐지고 있습니다. 어 그런 가운데이 CPU가 사용하는이 DDR 5 디램과이 GPU가 사용하는 HBM 메모리 반도체 디램을 수직으로 적한 반도체죠.이 두 개의 차이점이 한 가지 존재하는데요. 그게 뭐냐? 어 이거 잘못 썼네요. 원가가 높습니다. 예. HBM의 특징은 원가가 높고 가격이 고정이라는 특징이 있어요.
무슨 말이냐? 예. HBM은 이제 디램을 여러 장을 수직으로 적층하는 이제 반도체이잖아요. 그러다 보니까 만드는데 돈이 많이 됩니다. 칩에 또 미세한 구멍을 뚫어야 되는 그런 TSV 공정 같은 것들이 조금만 잘못해도 이거를 그냥 통째로 다 버려야 되는 일들이 벌어지다 보니까 수율도 상대적으로 안 좋은 편이에요. 이제 그 DDR 5와 비교했을 때요. 그러다 보니까 원가가 굉장히 높습니다. 그리고 가격은 근데 또이 GPU 기업들 엔비디아 같은 애들이 ACM 물량을 확보하려고 막 1, 2는 장기 계약으로 그냥 한꺼번에 다 사겠다라는 식으로 계약을 맺었다 보니까 제조사 입장에서 뭐 안정적인 매출을 올린다는 큰 장점은 있지만 그 계약이 끝날 때까지는 가격이 고정되어 있다라는 단점도 있거든요.
근데 이에 반해서 DDR5는 어떻냐? 원가가 낮고 가격의 수요에 따라서 잘 변동하는 편입니다. 그 DDR5는 뭐 지난 이제 수십년 동안이 메모리 반도체가 계속 발전을 거듭하면서이 계속해서 다듬오면 성숙한 공정이거든요. 이제 그러다 보니 수율도 굉장히 높은 편이고요. 추가적인 패키징 비용도 HBM에 비해서는 거의 들어가지 않는 편이죠. 그러다 보니까 이제 원가가 낮아질 수밖에 없는 것이고요. 그리고 이제 가격의 구조가 HPM처럼 어떤 장기 계약을 통해서 이것을 공급하는 것이 아니다 보니까 예 시가에 따라서 수요에 따라서 가격이 올라갔다 내려갔다를 반복을 하는데요.
예. 지금은 수요가 폭발적으로 증가하는 그런 상황에 놓여 있다 보니까 요즘이 디램, DDR 5의 가격이 엄청나게 올라가고 있어요. 그래서 마진이 진짜 폭발하고 있거든요. 그래 가지고이 원가는 그대로 가격이 올라가면은 그만큼 기업의 마진이 좋아지기 마련이잖아요. 그래서 요즘은이 HBM보다 DDR 5가 오히려 영업 이익률이 더 좋게 나오는 마진 역전 형상까지도 벌어지고 있습니다. 뭐 이런 식으로 CPU를 이제 많이 벌게 됩니다. 뭐 삼전스 마이크론이 애들이 또 너냐 또 나다 하면서 계속해서이 메모리 반도체 수혜를 입게 되는 것이죠. 특히 디램 시장 같은 경우에는 이제 삼성이 또 최근에 다시 1위 자리를 탈란을 했어요.
뭐 근데 3전 닉스가 좀 더 치고 나가는 모습을 보여주고 있고 마이크론이이 둘에 비해서는 조금 더 부진하지만 뭐 그래도 3대장이라고 묶기에는 전혀 부끄럽지 않은 그런 실적을 나타내고 있는 그런 추세이거든요. 그러다 보니이 세계 메모리 반도체 기업들은 앞으로도 뭐 여러모로 이제 수요가 탄탄하게 받쳐 줄 것 같다. 이제 그런 전망이 요즘 나오고 있습니다. 삼성전자 최근 들어서 이제 시가 총액 1조 달러 클럽을 가입을 하면서 이제 아시아에서는 TSMC를이어서 두 번째로 이제 시가 총액이 1조 달러를 넘어서는 그런 기염을 토하기도 했고 뭐 SK 하이닉스도 뭐 최근 이제 로이터에서 나온 단독보드를 보니까 어 거의 수요가 너무 많아 가지고 지금 뭐 케파가 아예 없다 뭐 그런 수준으로 지금 그냥 찍어내는 대로 다 팔리고 있고 어떤 고객이 어떻게 팔아야 될지가 너무 고민이다 이런 이야기가 나오고 있을 정도로 정말 호조의 그런 수요 강세를 보여주고 있는데요.
뭐 오죽하면 증권가에서 이제 50만 전자 300만 닉스 간다. 뭐 이런 분석까지도 나오고 있는만큼 앞으로도 또이 GPU에이어서 또 CPU 교체 주기가 견인하는 어떤 이런 메모리 호황이 또 당분간 더 지속될 수 있지 않을까 이런 생각도 해 보게 입니다.
Comments 0