“AI시대 주연 된 메모리… 성능 병목 ‘메모리 월’ 극복이 승부처” (2026년 6월 16일, 국민일보, 박상은 기자) 원문보기: https://www.kmib.co.kr/article/view.asp?arcid=1781601964&code=11151400&cp=nv [핵심 요약] [1] AI 시대의 핵심 부품으로 부상한 메모리 SK하이닉스 조영만 미래기술연구원 부사장은 생성형 AI 확산으로 데이터 규모가 폭증하면서 과거 저장장치 역할에 머물렀던 메모리가 AI 성능을 좌우하는 핵심 기술로 자리 잡았다고 설명 [2] AI 고도화에 따른 ‘메모리 월’ 문제 부각 AI 모델의 매개변수 규모가 급격히 증가하면서 메모리 성능이 시스템 전체 성능을 제한하는 ‘메모리 월’ 현상이 새로운 과제로 떠오르고 있으며 이를 해결하는 기업이 경쟁 우위를 확보할 것으로 전망 [3] HBM이 AI 시대 대표 메모리로 자리매김 HBM은 여러 개의 D램을 수직 적층해 용량과

TSMC, 반도체 '패널 레벨 패키징(PLP)' 본격 양산 준비…삼성과 한판승부 (2026년 6월 15일, 전자신문, 권동준 기자) 원문보기: https://www.etnews.com/20260615000239 [핵심 요약] [1] TSMC, PLP 양산 체제 구축 본격화 TSMC가 패널 레벨 패키징(PLP) 양산을 위해 소재·부품·장비 공급망 구축과 설비 투자 협의를 진행하고 있으며 이르면 내년 대량 생산 돌입 계획 [2] 생산성을 크게 높이는 차세대 패키징 기술 PLP는 원형 웨이퍼 대신 사각 패널 위에서 패키징을 진행하는 방식으로 폐기 영역을 줄일 수 있으며 600×600㎜ 패널 기준 기존 300㎜ 웨이퍼보다 5~6배 많은 칩 생산 가능 [3] 삼성전자가 먼저 상용화 경험 축적 삼성전자는 2019년 삼성전기로부터 관련 사업을 인수한 뒤 모바일 AP와 PMIC에 PLP를 적용하며 기술력을 확보해왔으며 현재 PLP 분야에서 선도적 위치 유지 [4

삼성전기, '실리콘 캐패시터'로 AI·전장 시장 정조준…“MLCC 공존 자신” (2026년 6월 14일, 전자신문, 김영호 기자) 원문보기: https://www.etnews.com/20260612000013 [핵심 요약] [1] 실리콘 캐패시터를 AI 핵심 부품으로 육성 삼성전기가 MLCC와 반도체 패키지 기판에 이어 실리콘 캐패시터를 AI 첨단 부품 라인업에 추가하며 AI 토털 솔루션 공급자로 도약 추진 [2] AI 반도체 전력 안정성 확보 역할 실리콘 캐패시터는 반도체에 안정적으로 전력을 공급하고 전기 노이즈를 제거하는 수동부품으로 GPU와 HBM이 탑재된 AI 서버 패키지에서 시스템 성능과 안정성을 뒷받침하는 핵심 부품으로 평가 [3] 초박형·고주파 특성으로 차별화 D램 제조에 활용되던 ISC 공정을 적용해 작은 면적에서도 높은 전기 용량 구현이 가능하며 초박형 구조와 우수한 고주파 특성, 높은 환경 안정성을 강점으로 확보 [4] MLCC와

中, ASML 장비 없이 포토닉 칩 웨이퍼 생산…비용 10분의 1 (2026년 6월 11일, 디지털투데이, 홍진주 기자) 원문보기: https://www.digitaltoday.co.kr/news/articleView.html?idxno=674126 [핵심 요약] [1] 중국 기업, 노광장비 없이 포토닉 칩 웨이퍼 생산 중국 반도체 장비 기업 프리나노가 ASML의 DUV 노광장비를 사용하지 않고 8인치 포토닉 칩 웨이퍼 생산에 성공하며 새로운 제조 공정 가능성 제시 [2] NIL 기술 적용으로 제조 비용 대폭 절감 나노임프린트 리소그래피(NIL) 기술을 활용해 광통신과 라이다용 포토닉 칩 생산이 가능하며 기존 제조 방식 대비 생산 비용은 약 10분의 1 수준 [3] 첨단 노광장비 규제 대응 기술 확보 미국과 네덜란드의 반도체 장비 수출 규제 강화 속에서 DUV와 EUV 장비 의존도를 낮출 수 있는 대체 생산 기술 개발 추진 [4] 10나노 이하 해

초고속 S램까지 쌓는 메모리 타운, 피지컬 AI 핵심 될 것 (2026년 6월 9일, 한국경제, 박한신 기자) 원문보기: https://www.hankyung.com/article/2026060965651 [핵심 요약] [1] AI 시대 경쟁력의 중심은 메모리 김정호 KAIST 교수는 AI 성능 향상의 핵심이 GPU 연산 능력보다 연산장치와 메모리 간 데이터 이동 효율에 있다고 설명하며 향후 AI 산업 경쟁력은 메모리 기술이 좌우할 것으로 예상 [2] HBM 이후에는 HBF 중요성 확대 AI 모델 규모가 빠르게 증가하면서 현재의 HBM만으로는 처리 수요 대응에 한계가 예상되며 대용량 데이터를 고속 공급하는 고대역폭 플래시(HBF)의 역할 확대 전망 [3] 초고속 S램 적층 기술 HBS 개념 제시 기존 D램과 낸드플래시에 이어 S램까지 적층하는 고대역폭 S램(HBS) 개념을 공개했으며 초고속 데이터 처리와 대용량 저장 성능 확보를 목표로 하는 차세

“엔비디아 안 부럽다”... 베일 벗은 토종 AI 칩, 초거대 모델 한 장으로 돌렸다 (2026년 6월 7일, 이데일리, 김현아 기자) 원문보기: https://www.edaily.co.kr/News/Read?newsId=02755206645479424&mediaCodeNo=257&OutLnkChk=Y [핵심 요약] [1] 국산 AI 반도체 성능 검증 결과 공개 한국형 AI 성능평가 K-Perf 시범 검증에서 리벨리온과 퓨리오사AI가 각각 다른 강점을 보여주며 국산 AI 반도체 경쟁력 입증 [2] 리벨리온 단일 칩으로 초거대 모델 구동 리벨리온 R100은 1200억 개 매개변수 규모의 GPT-oss-120B 모델을 단일 카드에서 구동하며 높은 추론 성능과 처리량 기록 [3] 퓨리오사AI는 멀티카드 확장성 강점 확인 레니게이드는 카드 수가 늘어날수록 처리량이 비례해 증가하며 대규모 데이터센터 환경에 적합한 확장성 입증 [4] 서로 다른 전략으로 AI