[제 20260816-AI-01호] 2026년 8월 3주차 글로벌 반도체산업 관련 기사 분석

AI 반도체 경쟁, ‘칩 성능’에서 ‘메모리·연결·생산 생태계’ 경쟁으로

글쓴이: 이종욱

8월 3주차 글로벌 반도체 산업의 가장 중요한 변화는 중국 메모리 기업의 기술 추격이 단순한 생산능력 확대를 넘어 첨단 구조·공정·패키징 기술 확보 단계로 진입하고 있다는 점이다. 특히 주목해야 할 기업은 D램의 CXMT보다 낸드플래시의 YMTC다. YMTC는 400단 이상 고층 낸드 기술과 하이브리드 본딩, 장비 국산화 등을 통해 글로벌 선두업체와의 기술 격차를 빠르게 좁히고 있다. 이미 낸드 출하량 기준 세계 3위에 올라섰다는 분석도 나오면서 삼성전자와 SK하이닉스에 대한 위협 수준이 한 단계 높아지고 있다. YMTC의 경쟁력은 중국 정부의 대규모 지원만으로 설명하기 어렵다. 핵심은 미국의 장비 제재를 상대적으로 우회하기 쉬운 낸드의 기술적 특성에 있다.

D램은 미세화가 진행될수록 노광 장비와 공정 정밀도에 대한 의존도가 높아진다. 반면 낸드는 수직 적층을 통해 집적도를 높이는 구조이기 때문에 미세 선폭 경쟁만으로 기술 격차가 결정되지 않는다. YMTC가 셀과 로직을 별도 웨이퍼에서 제조한 뒤 하이브리드 본딩으로 결합하는 엑스태킹 기술을 발전시킨 것도 이러한 구조적 특성을 활용한 전략으로 볼 수 있다. 따라서 미국의 장비 제재가 지속되더라도 중국이 낸드 분야에서 기술적으로 따라잡을 가능성은 D램보다 높다. 이는 한국 메모리 산업에 상당히 중요한 의미를 갖는다. CXMT의 경우 아직 선단 D램 공정에서 삼성전자와 SK하이닉스에 상당한 기술 격차가 존재하지만, YMTC는 이미 시장 점유율을 빠르게 확대하면서 실제 경쟁 제품을 시장에 공급하고 있다는 점이 다르다. 더욱이 YMTC는 2분기 낸드 출하량 기준 약 14%의 점유율로 세계 3위에 진입한 것으로 분석됐다. 삼성전자와 SK하이닉스가 각각 25%, 22%를 유지하는 가운데 YMTC가 빠르게 추격하고 있는 것이다. 따라서 향후 한국 메모리 업계가 경계해야 할 대상은 단순히 '중국 D램'이 아니라 YMTC를 중심으로 한 중국 낸드 생태계의 성장이다.

[1] HBM 슈퍼사이클, 역설적으로 ‘HBM 사용량 최적화’ 시대를 열 수 있다

AI 반도체 시장에서는 또 다른 변화가 나타나고 있다. 지금까지 AI 가속기의 성능 경쟁은 GPU 성능과 함께 HBM 탑재량을 얼마나 늘리느냐가 중요한 기준이었다. 그러나 엔비디아가 차세대 AI 칩인 루빈 울트라에서 HBM 탑재량을 줄이는 방안을 검토하고 있다는 관측은 이러한 공식에 변화가 생길 가능성을 보여준다. 배경에는 급등한 HBM 가격이 있다. AI 데이터센터가 확대되면서 HBM은 단순한 메모리 부품이 아니라 AI 가속기의 성능과 원가를 동시에 결정하는 핵심 부품이 됐다. HBM 공급이 제한되고 가격이 상승하면 GPU 자체의 가격 경쟁력에도 영향을 줄 수 있다.

따라서 엔비디아 입장에서는 무조건 HBM 용량을 늘리는 것보다 AI 모델의 성능을 유지하면서 필요한 HBM 용량을 최적화하는 방향이 경제적으로 더 합리적일 수 있다. 이 변화는 HBM 업체에도 중요한 시사점을 준다. HBM 시장의 성장 여부를 단순히 'AI GPU 출하량 × GPU당 HBM 용량'으로 계산해서는 안 된다. 향후에는 AI 가속기의 아키텍처 변화, 메모리 압축 기술, 캐시 구조, 인터커넥트 기술에 따라 가속기 한 개당 HBM 탑재량이 달라질 수 있기 때문이다. 즉 HBM 산업은 지금까지의 '더 많이 쌓는 경쟁'에서 앞으로는 더 높은 대역폭과 더 낮은 전력, 더 높은 집적도와 효율을 구현하는 경쟁​으로 이동할 가능성이 높다.

[2] 메모리의 역할이 ‘저장장치’에서 ‘연산 시스템의 일부’로 바뀐다

이번 주 인텔이 CPU와 메모리를 직접 적층하는 새로운 메모리 아키텍처를 검토하고 있다는 소식은 이러한 변화를 더욱 명확하게 보여준다. 삼성전자와 SK하이닉스가 HBM과 차세대 적층 메모리를 개발하는 가운데 인텔까지 CPU와 메모리의 물리적 결합을 추진하고 있는 것은 우연이 아니다. AI 시스템에서 가장 큰 병목 중 하나는 연산능력 자체가 아니라 데이터를 연산장치까지 이동시키는 데 필요한 시간과 에너지이기 때문이다.

이에 따라 반도체 산업의 경쟁구조가 다음과 같이 변화하고 있다. "GPU 성능 경쟁 → HBM 대역폭 경쟁 → 메모리-연산 근접화 → 메모리-연산 직접 통합". 삼성전자의 zHBM, SK하이닉스의 커스텀 HBM, 인텔의 XBM 구상은 서로 다른 형태이지만 방향은 동일하다. 바로 메모리를 연산 시스템의 일부로 재정의하는 것이다. 향후 메모리 기업의 경쟁력은 단순한 D램 셀 기술이나 낸드 적층 기술뿐 아니라 베이스 다이, 인터페이스, 패키징, 시스템 아키텍처까지 얼마나 깊게 통합할 수 있느냐에 의해 결정될 가능성이 높다.

[3] GPU 다음의 전쟁터는 ‘연결’이다

AI 데이터센터의 규모가 수천 개에서 수만 개의 GPU로 확대되면서 또 하나의 병목이 등장하고 있다. 바로 GPU 사이의 연결이다.

AI 시스템에서 GPU 수가 증가하면 GPU 간 통신량도 폭발적으로 증가한다. 이때 기존 구리 기반 연결은 대역폭 증가에 따른 전력 소모와 신호 감쇠 문제를 피하기 어렵다. 이 때문에 실리콘 포토닉스와 CPO(Co-Packaged Optics)가 차세대 AI 인프라의 핵심 기술로 부상하고 있다. 이는 AI 반도체 경쟁의 범위가 GPU와 HBM이라는 '칩'에서 칩과 칩을 연결하는 인터커넥트로 확대되고 있음을 의미한다.

특히 향후 광통신 기술이 GPU와 HBM 사이의 연결까지 확대된다면 AI 시스템의 구조 자체가 바뀔 수 있다. 현재는 GPU와 HBM을 최대한 가깝게 배치해 데이터 이동거리를 줄이는 것이 핵심이지만, 광 인터커넥트가 발전하면 연산자원과 메모리 자원을 물리적으로 분리하면서도 고속으로 연결하는 분산형 AI 컴퓨팅 구조가 가능해진다. 따라서 앞으로의 AI 반도체 경쟁은 "GPU → HBM → 패키징 → 인터커넥트 → 광통신" 으로 경쟁 영역이 계속 확장될 가능성이 높다.

한국 기업 입장에서는 이 부분이 특히 중요하다. 한국은 HBM에서 세계적인 경쟁력을 확보하고 있지만 광통신과 실리콘 포토닉스, 고속 인터커넥트에서는 상대적으로 생태계가 약하다. HBM의 성공을 차세대 반도체 경쟁력으로 연결하기 위해서는 메모리에서 광 인터커넥트까지 가치사슬을 확장하는 전략이 필요하다.

[4] High-NA EUV는 ‘1나노 시대’를 준비하는 기술 경쟁의 신호

삼성전자가 1나노 공정부터 High-NA EUV 적용을 준비하고 있다는 점도 주목할 필요가 있다. 2나노와 1.4나노에서는 기존 0.33 NA EUV를 활용한 멀티 패터닝이 중요한 역할을 하겠지만, 1나노급으로 갈수록 공정 복잡도와 비용을 줄이기 위해 0.55 NA 기반 High-NA EUV의 활용 가치가 커질 수 있다. High-NA EUV의 의미는 단순히 더 미세한 회로를 만들 수 있다는 데 있지 않다.

핵심은 멀티 패터닝을 줄여 공정 단계를 단순화하고 생산성을 높일 수 있다는 것이다. 하지만 High-NA EUV는 장비 가격이 높고 마스크, 펠리클, 레지스트 등 주변 소재와 공정기술까지 함께 발전해야 한다. 따라서 차세대 파운드리 경쟁에서는 단순히 EUV 장비를 보유했느냐가 아니라 EUV를 안정적으로 양산에 적용할 수 있는 전체 생태계가 구축됐느냐가 경쟁력을 결정할 것이다.

[5] 미국과 일본의 반도체 전략도 ‘공장 유치’에서 ‘생태계 구축’으로 진화한다

일본이 2021년 이후 약 6조엔 규모의 외국 자본을 반도체 산업에 유치한 것은 글로벌 반도체 공급망 재편의 또 다른 축을 보여준다. TSMC와 소니의 이미지센서 생산라인, 마이크론의 히로시마 D램 투자, 타워세미컨덕터의 일본 투자, 키옥시아의 낸드 증설, 라피더스의 2나노 프로젝트가 동시에 진행되고 있다. 일본의 전략은 명확하다. 정부 보조금을 활용해 글로벌 기업을 일본으로 유치하고, 동시에 일본 소재·장비 기업과 연결해 국내 반도체 생태계를 재구축하는 것​이다. 그러나 생산시설만으로는 충분하지 않다.

일본이 과거 반도체 산업에서 경쟁력을 잃었던 중요한 이유 중 하나는 설계와 시스템 시장에서의 경쟁력 약화였다.

따라서 일본의 다음 과제는 생산시설에 이어 반도체 설계 기업, AI 기업, 시스템 기업 등 안정적인 수요처를 육성하는 것​이다. 이는 한국에도 중요한 시사점을 준다. 반도체 경쟁력은 팹의 숫자로 결정되는 것이 아니라 "설계 → 소재 → 장비 → 제조 → 패키징 → 시스템 → 수요기업" 전체를 연결하는 생태계의 경쟁력으로 결정된다.

[6] 삼성전자 테일러팹의 진짜 의미는 ‘미국에서 만드는 2나노’다

삼성전자의 미국 테일러팹도 이러한 글로벌 공급망 재편이라는 관점에서 볼 필요가 있다. 테일러팹은 단순한 해외 생산공장이 아니다. 미국에서 AI 반도체를 생산할 수 있는 선단 파운드리 거점이라는 점에서 전략적 의미가 크다. 특히 테슬라 AI5를 비롯해 미국 빅테크의 맞춤형 ASIC 시장이 성장하면 미국 내 선단공정 생산능력의 가치는 더욱 커질 수 있다. 현재 TSMC의 선단공정 생산능력이 AI 수요로 빠르게 채워지고 있다는 점도 삼성전자에는 기회다.

다만 삼성전자가 테일러팹을 성공시키기 위해서는 세 가지 조건이 필요하다. 첫째, 2나노 수율 안정화다. 둘째, 테슬라뿐 아니라 퀄컴·브로드컴 등 추가 고객 확보가 필요하다. 셋째, 미국 내 생산거점과 한국의 메모리·첨단 패키징 역량을 하나의 공급망으로 연결해야 한다. 결국 테일러팹의 성공 여부는 공장을 얼마나 빨리 가동하느냐보다 가동 이후 얼마나 높은 가동률을 확보하느냐에 달려 있다.

[7] GPU가 금융자산이 되는 시대, AI 산업의 투자 구조도 바뀐다

이번 주 등장한 또 하나의 흥미로운 변화는 GPU의 '자산화'다. AI 데이터센터에 투입되는 GPU가 단순한 IT 장비를 넘어 장기간 경제적 가치를 갖는 자산으로 평가되면서 GPU를 구매하고 임대하거나, GPU를 담보로 금융을 조달하거나, 구형 GPU를 다른 데이터센터에서 재활용하는 새로운 금융 모델이 등장하고 있다. 이는 AI 산업의 자본집약도가 얼마나 높아지고 있는지를 보여준다.

과거 데이터센터 투자는 건물과 전력설비가 핵심이었다면 이제는 GPU·HBM·네트워크·냉각설비가 결합된 AI 인프라 자체가 투자자산이 되고 있다.

따라서 향후 AI 산업에서는 반도체 기업과 데이터센터 사업자뿐 아니라 금융기관, 자산운용사, 인프라 투자자까지 AI 공급망에 참여하는 구조가 만들어질 가능성이 높다. AI 반도체 산업이 '제조산업'에서 금융과 인프라 산업이 결합된 새로운 자산시장으로 진화하고 있다는 의미다.

결론적으로,

8월 3주차 기사들을 종합하면 글로벌 반도체 산업의 경쟁구조는 매우 빠르게 변하고 있다.과거에는 반도체 산업의 경쟁력을 주로 미세공정과 트랜지스터 집적도로 평가했다. 그러나 AI 시대에는 이것만으로 경쟁력을 설명할 수 없다. 현재 경쟁의 축은 다음과 같이 확대되고 있다. ① 연산→ GPU·ASIC의 성능, ② 메모리→ HBM·차세대 D램·낸드, ③ 패키징→ 2.5D·3D·하이브리드 본딩, ④ 연결→ 고속 인터커넥트·CPO·실리콘 포토닉스, ⑤ 제조→ 2나노·1.4나노·High-NA EUV, ⑥ 공급망→ 미국·일본·한국·대만의 생산거점 재편, ⑦ 자본→ GPU와 AI 데이터센터의 금융자산화.

이 가운데 가장 주목해야 할 변화는 '반도체의 시스템화'​다. YMTC가 하이브리드 본딩을 통해 낸드의 구조적 경쟁력을 높이고, 엔비디아가 HBM 사용량을 최적화하며, 인텔이 CPU와 메모리의 직접 결합을 추진하고, 글로벌 기업들이 CPO와 광통신을 개발하는 이유가 모두 같다. 바로 데이터 이동에 필요한 비용과 에너지를 줄이는 것이다. AI의 성능 향상은 이제 단순히 더 많은 트랜지스터를 집적하는 방식만으로는 한계가 있다. 연산과 메모리를 얼마나 가깝게 배치하고, 얼마나 빠르게 연결하며, 얼마나 적은 전력으로 데이터를 이동시키느냐가 새로운 경쟁력이 되고 있다.

한국 반도체 산업에 대한 시사점은 다음과 같다. 한국은 HBM이라는 AI 반도체 핵심 시장에서 강력한 경쟁력을 확보하고 있다. 그러나 이번 주의 흐름은 HBM만으로는 AI 반도체 패권을 장기적으로 유지하기 어렵다는 사실을 보여준다. 특히 세 가지 과제가 중요하다. 첫째, 메모리 경쟁의 범위를 HBM 이후까지 확장해야 한다. HBM을 단순한 고대역폭 메모리가 아니라 AI 시스템의 일부로 보고, 커스텀 HBM·베이스 다이·3D 적층·메모리-로직 통합 기술까지 경쟁 영역을 확대해야 한다. 둘째, 광통신·인터커넥트 생태계를 강화해야 한다. AI 데이터센터의 병목이 GPU에서 네트워크로 이동한다면 실리콘 포토닉스, CPO, 광트랜시버, 인터커넥트 칩 등이 새로운 성장산업이 될 수 있다. 한국은 메모리와 패키징 역량을 광통신 기술과 연결하는 전략을 적극적으로 검토할 필요가 있다. 셋째, 중국의 낸드 추격을 과소평가해서는 안 된다. CXMT의 D램 추격은 아직 시간이 필요하지만 YMTC는 다른 상황이다.

낸드의 구조적 특성과 중국 내수시장, 정부 지원, 장비 국산화가 결합되면 YMTC가 예상보다 빠르게 글로벌 시장 점유율을 확대할 가능성이 있다. 특히 AI 추론 확산으로 기업용 SSD와 고성능 스토리지 수요가 증가한다면 낸드는 다시 전략적 중요성이 높아질 수 있다.