티스토리 뷰
▶개요?
AI 산업이 수년간 가장 강력한 산업 중에 하나로 떠오르고 있다. 특히나 우리나라 삼성전자 하이닉스를 비롯한 해외의 엔비디아까지 AI 반도체 관련주들의 상승 흐름이 계속되는 가운데 과연 현재 대장격 종목은 어떠한 종목이고 앞으로 차기 대장격 종목은 또 어떠한 종목군들을 우리가 눈여겨 봐야 되는지 우리 함께 공부해 보도록 하자.
오늘 공부해 볼 내용은 AI 반도체에 대해서 공부를 해볼까 한다. 우리가 올해 초에 챗봇GPT 열풍에 따라서 AI 관련주들을 관심을 갖고 있다. 그리고 그 중심에는 AI 반도체가 있으면서 국내에는 삼성전자 SK하이닉스 해외에는 엔비디아가 굉장히 강한 상승 흐름 보여주고 있다. 아무래도 AI라는 산업 자체가 지금이 끝이 아니라 어찌보면 앞으로의 메가트렌드에 있어서 큰 상승 흐름에 초입이라고도 볼 수 있다. 그러므로 더 늦기 전에 우리가 현재이 AI 반도체에 대해서 좀 더 면밀하게 살펴볼 필요가 있다고 생각한다. 그래야 비로소 큰 투자 기회를 남들보다 한발 더 앞서 잡을 수가 있기 때문이다. 그래서 오늘은 AI 반도체에 대해서 정리를 해볼까 한다.
▶AI반도체는 무엇인가?
현재는 A반도체라는 가장 크게 주목을 받고 있는 섹터가 무엇일까요? AI 반도체 중에서도 GPU라는 반도체 칩이다. 그렇다면 GPU는 왜 이렇게 중요한 걸까? 우선 우리가 인공지능 AI를 생각을 해봤을 때이 구조에 대한 이해가 필요할 것 같다. 인공지능 AI는 수많은 빅데이터를 수집하고 저장을 한 다음이 빅데이터를 가지고 누가 더 빨리 학습하고 추론하는지, 즉 데이터를 얼마나 빠르게 처리해서 실질적으로 활용을 하는지이 구조가 굉장히 중요하다고 볼 수가 있다 그래서 1차적으로는 누가 얼마나 더 많은 빅데이터를 수집해 놓고 있느냐 두 번째로는이 수많은 빅데이터를 가지고 누가 얼마나 더 빨리 학습하고 추론해서 활용하느냐의 싸움이라고 볼 수가 있다. 그래서 AI에는이 빅데이터를 수집하고 저장하기 위한 메모리 반도체 칩도 중요하다. 또한 많은 빅데이터를 가지고 빠르게 처리할 수 있는 비메모리 반도체 칩도 역시나 중요하다.
그런데 이 비메모리 반도체 칩에서 수년 전까지만 하더라도 데이터 센터를 구성하는 가장 핵심적인 연산 장치가 바로 CP다. 근데 이러한 CPU에서 이제는 대부분 GPU를 많이 쓰고 있다는 것이다. 그 이유는 CPU보다 GPU가 더 많은 코어 수를 가지고 있기 때문이다. 코어는 CPU와 GPU의 핵심 기능을 수행하는 하드웨어 장치로서 연산을 수행하거나 데이터를 저장하고 또는 데이터를 전송하는 기능을 제공하는 역할을 한다. 그렇기 때문에이 코어 수가 많으면 많을수록 컴퓨터는 더 많은 작업을 동시에 수행할 수 있는 건데 일반적으로는 CPU는 수십 개 정도의 코스를 갖고 있고 반대로 GPU는 수천 수만개의 코스를 보유하고 있다고 한다. 그렇다 보니까 CPU 대비 GPU가 훨씬 같은 생성형 AI를 구동시킬 수 있는 AI GPU 설계는 엔비디아의 점유율이 무려 90%를 상회한다. 거의 독점적인 지위를 엔비디아가 차지하고 있다는 것인데 그렇기 때문에 지금 전 세계적으로 챗GPT 이후 AI에 대한 투자를 다수의 기업들이 발빠르게 진행을 할 때 있어서 가장 크게 수혜를 받고 있는게 현재 엔비디아이다. 그래서이 GPU를 설계할 수 있는 업체가 엔비디아만큼의 GPU의 성능을 좋게 설계할 수 있는 업체가 나오지 않는다면 지속적으로 엔비디아의 수혜는 계속될 것 같다라고 볼 수 있다. 우리가 새롭게 주목해 볼 것은 과연 그 엔비디아의 지위를 누가 위협하고 있느냐인데 대표적인게 AMD라는 기업이 있다. 이 기업은 최근 6월 중순에 MI300 시리즈를 발표했다. AMD가이 제품을 공개하면서 가장 강조했던 부분이 바로 메모리 용량이다. 기존 엔비디아의 H100이 HBM3를 80기가바이트 장착한다라는 점을 비교 했을 때 MI300x 같은 경우 HBM3을 무려 192gb로 탑재한다라는 것이다.
물론 메모리 용량 외에 다른 성능들에 대한 요인들 역시 우리가 기존 엔비디아의 칩에 비해 더 나은 성능인지는 좀 더 확인해 볼 필요가 있다. 그럼 AMD는 왜 이렇게 메모리 용량을 강조할까? 아무래도 앞에서 말한 것처럼 인공지능 AI의 성능을 좌지우지하는 건 얼마나 빠른 속도로 연산하고 추론하느냐도 중요하겠지만 얼마나 많은 데이터를 수집하고 저장을 해 놨느냐도 중요하기 때문이다. 그래서 GPU가 학습할 데이터들을 빠르게 공급해 줄 수 있는 메모리 반도체가 굉장히 또 중요한 포인트가 될 수가 있다는 것인데 최근에 핫한 이슈로 떠오르고 있는 HBM 메모리 반도체 칩이 수많은 데이터들을 많이 저장하는 역할을 하면서 이러한 인공지능 시스템의 성능을 좋게 만드는데 크게 기여한다라는 것이다. 기존의 1차로 자동차들이 막 달리던 곳에서 2차로 3차로 4차로가 생기면서 자동차들이 더 쌩쌩 달리고 있는데 문제는이 자동차가 점점 더 많아지다 보니까 아무리 도로가 많아진다 한들 정체 구간이 잡히는 것과 비슷하다. 그래서 이 정체 구간을 해소하려면 어떻게 되느냐 그 도로에 폭을 넓혀서 더 많은 자동차가 더 쌩쌩 달릴 수 있게끔 길을 넓혀 준다는 걸로 이해하면 될 것이다. 즉 데이터를 빠르게 공급할 때 가장 중요한 특징 중에 하나가 메모리의 대역 폭을 넓히는 건데 그 메모리 대역폭을 넓히는데 필요한 반도체 칩이 최근에 HBM으로 각광받고 있다고 생각한다. 실제로 HBM 탑재량은 매년 40%씩 늘면서 무려 2027년이 되면 현재 시장의 100배 이상 성장이 가능할 것이라는 전망이 예상되고 있다. 그렇게 되면 메모리 반도체에서 기존 D램 낸드 시장만큼 새로운 HBM 시장이 큰 하나의 메모리 반도체 시장으로 자리를 잡을 수가 있다는 걸로 우리가 기대해 볼 수 있다. 그 만큼 AI 시장이 성장함에 따라 가장 큰 수혜로 기대할 수 있는 부분이 바로이 HBM이라는 것으로 우리가 이해할 수가 있다. 현재 HBM에서 가장 고성능의 반도체 칩을 전 세계에서 가장 잘 만들고 많이 만들 수 있는 업체가 SK하이닉스다. 현재는 12단으로 적칭하는 구조인데 하이닉스는 16단에서 24단까지 올리는 로드맵까지 공개했다. 그래서 현재는 HBM 매출이 SK하이닉스 기준으로 봤을 때는 큰 매출은 되고 있지 않지만, 앞으로이 시장이 커지면 커질수록 SK하이닉스의 전체 매출 캡파 역시도 추가적인 성장 동력을 얻어낼 수 있는 또 좋은 무기가 되지 않을까라는 생각도 가져볼 수가 있다. 물론 이부분은 장기적으로 봐야한다. 또한 삼성전자도 과거이 사업부를 철수했었다가 다시 한번 여기에 또 집중하는 모습을 보여주면서 삼성전자 역시 HBM 개발과 양산에 집중하는 모습을 보여주고 있다. 이런 상황에 혹시라도 AMD가 새롭게 출시되어 4분기에 양산이 되어 해당 반도체 칩의 성능을 기존 엔비디아의 칩과 비교를 했을 경우 엔비디아보다 좋은 결과를 도출하게 되면 비로소 시자은 어떠한 생각을 가져 볼 수가 있을까? 전체 AI 반도체 시장 중에서도 굉장히 중요한 요소가 되는 것이다. HBM 관련된 관심과 투자가 더 확대가 될 수 있는 것이다. 그렇게 된다면 이를 개발하고 양산할 수 있는 업체인 삼성전자와 SK 하이닉스의 투자자들의 관심도는 더욱더 커질 수가 있을 것이다. 그러니까 이번 4분기에 AMD의 새로운 반도체 칩 성능을 한번 우리가 확인해 볼 필요가 있겠다. 그 다음 GPU라는 반도체 칩은 비메모리 반도체인데 반도체를 만들 때 있어서 설계만 한다고 만들 수 있는 것은 아니다. 즉 엔비디아가 설계한 도면을 바탕으로 누군가는 생산을 해줘야 되는데 생산한 업체를 바로 파운드리 업체, 그 중에서도 TSMC가 현재로서는 독보적이다. 왜냐하면 비메모리 반도체 칩을 보다 고성능의 반도체 칩으로 생산하기 위해서는 크게 전공정과 후공정에 대한 기술적인 해자가 필요하다. 전공정은 가장 대표적으로 초미세공정 나노공정이라 이해를 하면 되는데 현재로서 엔비디아의 AI GPU를 만들 수 있으려면 4나노 공정을 갖춰야한다. 근데 4나노 공정을 갖출 수 있는 업체가 크게 전 세계 2개 업체 밖에 없기 때문에 대표적으로 TSMC고 그 다음에 삼성전자다. 원래 4나노 공정에서 TSMC와 삼성전자의 수율에 대한 격차가 많이 벌어져 있는데 최근에 삼성전자가 유의미한 수준까지 수율을 끌어올리면서 TSMC는 80%내외의 삼성전자는 70%이상으로 격차를 많이 줄였다고 한다. 상황이 이렇다보니 전공정 분야에서는 어느 정도 TSMC와 삼성전자의 격차가 많이 좁혀진 것이고 그래서 격차가 많이 줄어든 만큼 이제는 삼성전자도 AI반도체 칩을 많이 생산할 수 기대감이 붙고 있기 하지만 문제는 후공정이다. 왜냐하면 전공정의 영향만으로는 엔비디아의 AI GPU 반도체 칩을 생산하는게 불가능하기 때문이다. 반드시 후공정내에서도 높은 수준의 첨단 패키징 기술이 필요하기 때문이다. TSMC 같은 경우에는 글로벌 아담 패키징의 최강자로서 2.5D패키징 공법을 활용하고 있는데 그게 바로 CoWoS공법이라고 보면 된다. 이것은 칩렛과 같은 로직 프로세서와 HBM과 같은 메모리를 경합해서 조립하는 것이다. 기존의 전통적인 칩들은 개별적으로 패키징한 다음에 기판에 조립이 되어 왔지만 CoWoS공법은 2D의 로직 프로세서와 3D구조의 메모리를 한 번에 패키징할 수 있는 공법으로써 패키징은 인포토저 위에서 이루어지는데 다시 말해서 서로 다른 칩을 실리콘 인포토저 위에 올려서 연결한 다음 패키지 기판을 통해 메인보드와 연결하는 방식이라 할 수 있다. 기술이 너무나도 어려운 기술이기 때문에 TSMC가 이 분야에서 압도적인 기술력을 갖고 있고 그렇기 때문에 엔비디아의 반도체가 계속해서 거의 독점적이라 보면 될 것 같다. 그래서 삼성전자도 이에 질세라 최신 2.5D 패키징 기술에 대해서 계속 개발하고 양산을 준비하는 상황에 놓여져 있는데 만약에 삼성전자가 당장에는 어렵겠지만 내년이나 내후년 정도의 AI GPU를 생산할 수 있을 정도의 첨단 패키징 기술을 어느 정도 확보만 한다면 앞으로는 삼성 파운드리가 엔비디아와 AMD 등의 이러한 설계 업체들과의 협력 구조가 맺어지면서 AI반도체 칩 생산을 확보만 한다면 그때부터는 삼성전자뿐만 아니라 삼성전자와 관련된 후공정 업체들 역시 마찬가지 시장에서 큰 관심을 받을 수가 있을 것 같다.
사실 엔비디아가 최근에 AI GPU 생산을 위한 협의를 삼성 파운드와 진행하고 있다는 소식이 밝혀지고 있는데 상황이 그럴 수밖에 없는 것이 엔비디아 입장에서도 TSMC 외에 다른 생산 업체를 확보하는게 훨씬 유리할 것으로 보인다. 이유는 이미 TSMC같은 경우 CoWoS공법 관련된 투자를 더 확대하려고 하는 입장인데 문제는 시간이 걸린다는 것이다. 앞으로도 이러한 생산 리스크가 발생하지 안을 것이란 확신을 엔비디아 입장에서는 안 할 수 없을 것이다. 그래서 혹시 모를 생산 리스크를 대비하는 것뿐만 아니라 아무래도 다양한 생산 업체들이 확보해 놓는 것이 서로 간의 가격 경쟁을 만들어서 가격 협상력 측면에서도 우위를 점할 수 있는게 엔비디아가 될 수가 있기에 삼성전자가 어느 정도의 궤도 수준의 기술력만 갖춰 놓는다면 충분히 삼성전자에게도 AI 반도체 칩에 대한 수준을 요청하지 않을까라는 시대감을 가져 볼 수가 있다.
삼성전자는 TSMC에 비해서 큰 장점이 있다. 바로 메모리뿐만 아니라 비메모리 반도체를 모두 생산할 수 있는 종합 반도체 기업일다라는 것인데 만약에 GPU를 설계하는 업체가 삼성전자의 HDM을 사용하게 된다면 메모리 공정에서 생산된 HDM을 삼성전자 파운드리에서 만든 로직 칩과 곧바로 2.5D 패키징을 하면서 AI GPU반도체 칩을 생산할 수가 있기 때문에 이것은 한번에 끝내는 것이라 보다 편리할 뿐만 아니라 비용 절감에도 효과적일 수가 있어서 삼성전자가 어느 정도 기술력에 대한 기반만 만들어 놓는다면 충분히 AI 반도체 칩에 있어서 생산 관련된 경쟁력을 확보해 낼 수 가 있겠다라는 생각이 든다. 그렇기 때문에 여러모로 올해에는 AI 반도체에 있어서 가장 대장격 종목이면서도 가장 큰 수혜를 받고 있는게 엔비디아와 TSMC이지만 내년부터 이 흐름이 어찌보면 깨질 수도 있고 새로운 대장이 튀어나갈 수도 있겠다라는 생각을 가져볼 필요가 있다. AMD 그리고 삼성전자의 기술력에 우리는 좀 더 주목해 볼 필요가 있겠고 그 기술력이 기존 업체들과 비교를 했을 때 경쟁력이 있는 기술력이라는 확인이 된다면 해당 기업들뿐만 아니라 그 기업들과 연계되어 있는 기업들까지도 같이 주목해 볼 필요가 있다. AI라는 시자이 커지고 그 안에서 AI반도체 칩에 대한 전반적인 수요와 투자가 확대가 된다면 중장기적으로 충분히 수혜를 기대할 수 있을 만한 종목군들이기 때문에 개별적으로도 계속 집중적으로 공부해 보면 좋을 것 같다.