[카테고리:] 반도체

  • 화합물 전력반도체 기술이 이끄는 AI 데이터센터 효율 혁신

    화합물 전력반도체 기술이 이끄는 AI 데이터센터 효율 혁신

    💡 본 글은 clearpoint.kr의 특별 연재 기획 [디지털 안보와 미래 산업] AI 엣지 생태계를 선점할 6대 게임 체인저 총정리 시리즈]의 핵심 원고입니다.

    엔비디아 블랙웰 시리즈를 필토로 한 초고성능 그래픽처리장치(GPU) 기반의 인공지능 인프라 경쟁이 심화되면서, 글로벌 테크 업계의 가장 큰 병목 구간은 연산 능력이 아닌 ‘전력 공급’으로 이동했습니다. 하이퍼스케일 데이터센터가 소비하는 막대한 에너지는 전력망에 치명적인 고부하를 주며 기술 확장의 거대한 장벽이 되고 있기 때문입니다.

    이러한 에너지 대란 속에서 시스템 붕괴를 막을 핵심 하드웨어 솔루션이 바로 차세대 와이드 밴드갭(WBG) 소자입니다. 기존 규소(Si) 기반 반도체의 물리적 한계를 정면으로 돌파하며 에너지 효율성을 극한으로 끌어올리는 화합물 전력반도체 기술은, 이제 단순한 전원 공급 장치를 넘어 전력 인프라 대장주의 가치를 판가름하는 가장 핵심적인 테크 자산으로 급부상하고 있습니다. 본 글에서는 차세대 소재의 도입 배경과 시장 파급력을 깊이 있게 분석해 보겠습니다.


    1. 화합물 전력반도체 기술이 AI 데이터센터에 왜 필수적인가?

    기존의 데이터센터 전원 장치에 사용되던 실리콘 기반 반도체는 오랜 가공 역사 덕분에 단가는 낮지만 고전압, 고주파, 고온 환경에서 전력 변환 효율이 급격히 저하되는 치명적인 물성 한계를 가집니다. 통상적인 AC(교류) 기반 전력망이 다단계 전압 변환을 거쳐 서버 랙(Rack)에 도달하는 과정에서 발생하는 열 손실은 무려 15% 이상에 달합니다. 이 발열을 식히기 위해 공조 시스템(냉각 팬)을 가동하는 데 또다시 가공할 만한 전력이 소모되는 악순환이 반복되는 구조입니다.

    반면 탄화규소(SiC)와 질화갈륨(GaN)을 활용한 3세대 반도체는 실리콘 대비 3배 이상 넓은 밴드갭과 높은 파괴전계를 자랑합니다. 이는 더 높은 전압을 버티면서도 스위칭 손실과 저항을 획기적으로 줄여 전력 변환 효율을 티타늄 등급 기준인 96% 이상으로 끌어올릴 수 있음을 뜻합니다. 전력 시스템 단에서 손실율을 단 1%만 줄여도 기가와트(GW)급 하이퍼스케일 시설 기준 연간 수백만 달러의 비용 절감과 원자력 발전소 1기를 추가 가동하는 수준의 압도적인 경제적 가치를 만들어내기에 글로벌 테크 기업들이 군침을 흘릴 수밖에 없습니다.


    2. SiC와 GaN 소재는 전력 아키텍처에서 어떻게 작동하는가?

    SiC와 GaN 전력반도체가 적용된 AI 데이터센터 전력변환 장치, AI 생성 이미지
    SiC와 GaN 전력반도체는 데이터센터의 전력 변환 과정에서 손실과 발열을 줄이고 고효율 전력 공급을 가능하게 한다. AI 생성 이미지

    화합물 전력반도체는 무조건 하나만 쓰이는 것이 아니라, 물리적 특성에 따라 데이터센터 내부 인프라의 적재적소에 배치되어 시너지를 냅니다. 먼저 탄화규소(SiC)는 대용량 고전압 제어 능력이 매우 탁월합니다. 이 때문에 발전소 그리드에서 넘어오는 수천 볼트의 초고압 AC 전력을 AI 인프라 구동에 필요한 고전압 직류(HVDC)로 직접 변환해 주는 고체변압기(SST)나 무정전 전원장치(UPS) 같은 대규모 전력 인프라 백본망의 중추 역할을 수행합니다.

    반면 질화갈륨(GaN)은 전류 이동 속도가 매우 빨라 초고주파 스위칭에 특화되어 있습니다. 이 특성은 부품의 크기를 획기적으로 축소할 수 있는 소형화 고밀도 인프라의 핵심 솔루션이 됩니다. 따라서 대규모 연산을 수행하느라 공간이 매우 협소한 메인 서버 랙 내부의 스위칭 전원공급장치(SMPS)나 최첨단 GPU 주변의 전압 레귤레이터 회로에 탑재되어, 전력이 서버 칩셋 바로 턱밑까지 손실 없이 전달되도록 고밀도 전류를 정밀 제어하는 방패 역할을 완수합니다.


    3. 글로벌 시장에서 전력 인프라 대장주들의 수급 동향은 어떠한가?

    화합물 전력반도체 모듈을 생산하고 검사하는 자동화 제조 현장, AI 생성 이미지
    AI 데이터센터 수요가 확대되면서 화합물 전력반도체는 연구개발을 넘어 대규모 생산과 공급망 확대가 중요한 산업 경쟁력으로 떠오르고 있다. AI 생성 이미지

    전력반도체 시장은 전기차(EV) 시장의 캐즘을 넘어, AI 데이터센터 가속기라는 거대한 신성장 동력을 확보하며 완전히 개화기에 진입했습니다. 글로벌 1위 기업인 인피니언테크놀로지스가 빅테크 고객사들과 수십억 유로 규모의 장기 공급계약을 체결하고, 온세미컨덕터가 데이터센터용 전력 라인업에 생산 케파를 최우선 배정하는 전략적 움직임이 이를 증명합니다. [

    국내 자본 시장 역시 테마성 움직임에서 벗어나 실제 대규모 설비투자(CAPEX)와 글로벌 공급망(Value Chain) 진입 여부에 따라 대장주들이 뚜렷하게 갈리고 있습니다. 국내 유일의 GaN 파워반도체 파운드리 플랫폼을 구축하고 독자적인 특화 공정을 전개하는 기술 기업이나, 화합물 반도체용 초고방열·고밀도 패키지 기술을 바탕으로 글로벌 팹리스 및 북미향 인프라 공급망 증설 유상증자를 단행한 밸류체인 핵심 선도 기업들이 기관과 외국인 수급을 강하게 빨아들이며 전력 인프라 대장주로서의 입지를 공고히 다져나가는 추세입니다.


    ❓ 자주 하는 질문 (FAQ)

    Q1. 화합물 전력반도체가 기존 실리콘 반도체보다 효율이 좋은데도 왜 이제야 데이터센터에 대규모로 도입되기 시작했나요?

    가장 큰 원인은 제조 공정의 난이도와 그에 따른 단가 문제였습니다. 탄화규소(SiC)와 질화갈륨(GaN)은 화합물 소재 특성상 웨이퍼 결정 성장 과정에서 결함이 발생하기 쉽고 대형 웨이퍼 양산이 어려워 실리콘 대비 칩 가격이 수 배 이상 비쌌습니다. 그러나 AI 데이터센터의 전력 소모량이 한계치에 다다르고 전력 효율 개선이 기업의 생존 및 비용 절감과 직결되면서 부품 단가보다 변환 효율 향상으로 얻는 이득이 훨씬 커짐에 따라 급격한 도입이 이루어지고 있습니다.

    Q2. 데이터센터에 수랭식이나 액침 냉각 시스템을 도입하는 것과 전력반도체를 교체하는 것은 어떤 차이가 있나요?

    수랭식이나 액침 냉각 시스템은 이미 발생한 엄청난 ‘열을 어떻게 외부로 빠르게 배출할 것인가’에 초점을 맞춘 사후 냉각 기술입니다. 반면 화합물 전력반도체 도입은 고전압 전력 변환 과정 자체에서 버려지는 저항 손실을 줄여 ‘애초에 발열 발생량 자체를 원천적으로 억제하는’ 사전 방어 기술입니다. 따라서 두 기술은 대립하는 것이 아니며, 화합물 반도체로 발열을 1차 차단하고 최첨단 냉각 시스템으로 2차 제어하는 방식으로 상호 보완되어 적용됩니다.

    Q3. 개인 투자자 관점에서 전력 인프라 대장주를 선별할 때 단순 테마주와 실적형 수혜주를 구별하는 팁이 있을까요?

    과거 단순히 “연구를 진행 중이다”라는 언론 보도만으로 급등락을 반복하던 종목들은 경계해야 합니다. 진짜 실적형 대장주는 글로벌 전력 팹리스 기업에 실제 방열 패키지나 파운드리 IP를 턴키로 공급하고 있는지, 글로벌 데이터센터 백본망 전환 스펙에 맞춰 신공장 증설(CAPEX 투자) 공시나 유상증자에 최대주주가 직접 참여하는지 등 눈으로 확인 가능한 인프라 투자 지표와 분기별 수주 잔고 수치를 추적하는 것이 안전합니다.


    📚 참고자료

    1. [전자신문] “AI 데이터센터, 전력반도체 업계 ‘새 먹거리’ 급부상” (클릭해서 읽기)
    2. [전기신문] “AI 데이터센터가 바꾼 美 발전시장…’효율보다 속도’” (클릭해서 읽기)
    3. [한국경제] “전력 손실 줄인 화합물 반도체…효율 1%만 높여도 원전 1기 효과” (클릭해서 읽기)
    4. [이투뉴스] “KT, 국방 시스템에 양자내성암호 보안 적용” (클릭해서 읽기)

    ✨ 함께 보면 좋은 글

    🌐 [특별 연재 기획] 디지털 안보와 미래 산업을 선점할 6대 게임 체인저

    1. 화합물 전력반도체 기술이 이끄는 AI 데이터센터 효율 혁신(클릭하고 읽기)
    2. 에이전틱 AI 상용화 트렌드와 기업용 자율 업무 에이전트 도입 전략(클릭하고 읽기
    3. 모듈형 칩렛 반도체 아키텍처 트렌드와 글로벌 제조 헤게모니 선점 전략(클릭하고 읽기)
    4. AI코딩 어시스턴트 생산성 (개발자 실무 생산성 및 효율성 극대화 트렌드 선점(클릭하고 읽기)
    5. 양자 내성 암호 양방향 통신 기술의 필요성과 디지털 안보 인프라 선점 전략(클릭하고 읽기)
    6. 온디바이스 AI 스마트폰 시대의 도래와 생태계 변화(클릭하고 읽기)
    7. 종합 사령탑 ‘페이지’

  • [반도체 팹리스] 인공지능의 뇌 ‘국내 NPU 관련주’ 원리부터 핵심 수혜주 총정리!

    [반도체 팹리스] 인공지능의 뇌 ‘국내 NPU 관련주’ 원리부터 핵심 수혜주 총정리!

    안녕하세요, 여러분! 반도체 후공정 3대장 시리즈에 이어, 오늘은 드디어 AI 반도체의 설계 패권을 쥐고 엔비디아의 독점에 도전하는 국내 NPU(신경망처리장치) 팹리스 생태계 이야기를 들고 왔습니다.

    현재 글로벌 AI 칩 시장은 엔비디아의 GPU가 장악하고 있지만, 정신 나간 가격과 엄청난 전력 소모 때문에 빅테크 기업들의 고민이 깊어지고 있습니다. 이 틈새를 타 ‘인간의 뇌’를 모방해 저전력·고효율로 AI 연산만 골라 처리하는 NPU 기술이 무서운 대안으로 떠올랐는데요.

    특히 글로벌 시장에서 조 단위 몸값을 자랑하는 리벨리온, 퓨리오사AI, 딥엑스 등 국산 AI 반도체 유니콘들의 상장(IPO) 시계가 빨라지면서 상장 주식 시장의 관련 수혜주들도 뜨겁게 달아오르고 있습니다. [인베스트조선]


    1. NPU 기술 작동 원리와 인공지능의 뇌로 불리는 핵심 이유?

    NPU 기반 엣지 AI가 산업용 카메라로 부품을 실시간 인식하는 현장을 생성형 AI로 재현한 모습
    NPU 기반 엣지 AI가 산업용 카메라로 부품을 실시간 인식하는 현장을 생성형 AI로 재현한 모습

    엔비디아의 GPU는 원래 ‘그래픽 화면’을 빠르게 그리려고 만든 칩입니다. 범용성이 좋아서 AI 학습에도 쓰이지만, 바둑판 전체를 한꺼번에 계산하는 것처럼 전력을 무지막지하게 잡아먹는다는 치명적인 단점이 있습니다.

    • NPU(신경망처리장치)의 등장: NPU는 오직 ‘인공지능 알고리즘(딥러닝·추론)’만을 위해 태어난 특화 반도체입니다. 우리 뇌의 신경망 세포가 동시에 신호를 주고받는 구조를 그대로 본떴기 때문에, 대규모 행렬 연산을 처리할 때 GPU 대비 NPU는 신경망 연산에 필요한 작업을 효율적으로 처리하도록 설계된 전용 가속기입니다. 특정 AI 추론 작업에서는 범용성이 높은 GPU보다 높은 전력 효율을 구현할 수 있어, 전력과 공간이 제한된 엣지·온디바이스 환경에서 특히 주목받고 있습니다
    • 학습에서 ‘추론’의 시대로: 지금까지가 AI를 가르치는 ‘학습(GPU)’의 시대였다면, 이제는 스마트폰, 자율주행차, 로봇 등 일상 기기에서 AI가 스스로 생각하고 답하는 ‘추론(NPU)의 시대’가 열리고 있습니다. 온디바이스 AI 시장의 폭발과 함께 국산 NPU 생태계의 몸값이 천정부지로 뛰는 이유입니다.

    2. NPU 기술 국내 팹리스 생태계 핵심 수혜주 TOP 5 명단 분석

    NPU AI 반도체의 성능과 전력·발열을 검증하는 테스트 현장을 생성형 AI로 재현한 모습
    NPU AI 반도체의 성능과 전력·발열을 검증하는 테스트 현장을 AI로 재현한 모습

    현재 국내에는 상장된 순수 NPU 팹리스 외에도, 조 단위 비상장 NPU 유니콘(리벨리온, 퓨리오사AI, 딥엑스 등) 지분을 가졌거나 이들의 칩 설계를 돕는 핵심 파트너사들이 시장을 주도하고 있습니다.

    오픈엣지테크놀로지 (Openedges Technology)

    • 핵심 분야: NPU 자체 설계 IP(지식재산권) 및 고속 메모리 서브시스템 IP를 동시에 공급하는 글로벌 유일의 기업입니다.
    • 투자 포인트: 국산 NPU 스타트업들이 칩을 설계할 때 오픈엣지의 메모리 제어 기술(컨트롤러 IP)을 필수적으로 가져다 씁니다. 국내외 AI 팹리스 생태계가 커질수록 라이선스 매출이 연쇄적으로 늘어나는 독보적인 구조적 수혜주입니다.

    칩스앤미디어 (Chips&Media)

    • 핵심 분야: AI 영상 처리에 필수적인 비디오 코덱 반도체 IP 전문 기업입니다.
    • 투자 포인트: 자체 개발한 AI 특화 NPU IP(영상 추론 고속화 기술)를 글로벌 자율주행 및 데이터센터 고객사에 라이선스 공급하고 있습니다. 온디바이스 AI 카메라와 영상 분석 시장 성장의 직접적인 대장주 역할을 하고 있습니다.

    캡스톤파트너스 (Capstone Partners)

    • 핵심 분야: 국내 3대 AI 반도체 유니콘 중 하나인 ‘딥엑스(DeepX)’의 초기 핵심 투자사입니다.
    • 투자 포인트: 온디바이스 AI 및 로봇용 NPU 시장의 강자인 딥엑스의 대규모 프리IPO 및 상장 모멘텀이 부각될 때마다 지분 가치가 재평가되며 딥엑스 상장 수혜주 중 가장 탄력적으로 움직이는 종목입니다. [1, 2, 3]

    텔레칩스 (Telechips)

    • 핵심 분야: 차량용 인포테인먼트(IVI) 및 자율주행향 고성능 AP를 설계하는 대표 팹리스입니다.
    • 투자 포인트: 독자적인 NPU 기술을 적용한 차세대 자율주행 칩 ‘돌핀(Dolphin)’ 시리즈 등을 개발해 국내외 완성차 공급망을 확보했습니다. 현대차그룹 등 대기업과의 국산 AI 반도체 컨소시엄에 주도적으로 참여하고 있습니다.

    아이텍 (Itech)

    • 핵심 분야: 시스템 반도체 생산의 최종 관문인 후공정 테스트 전문 기업입니다.
    • 투자 포인트: 양산 단계에 진입한 국산 NPU 유니콘 기업들의 AI 반도체 웨이퍼 및 패키지 테스트 물량을 확보하여 수행하고 있습니다. 비상장 팹리스들이 시제품을 넘어 진짜 ‘대량 양산’으로 갈 때 실적이 퀀텀 점프하는 실질적 낙수효과 종목입니다.

    3. NPU 기술 기반 차세대 반도체 시장을 뒤흔들 4대 핵심 트렌드 종합 요약

    기술 항목유리기판 (TGV)CXL (메모리 확장)HBM (고대역폭 메모리)NPU (신경망처리장치)
    핵심 컨셉기판 소재를 플라스틱에서 유리로 변경해 신호 속도와 내구성을 극대화메모리를 외장하드처럼 연결해 용량을 무한대로 확장하는 도로망D-RAM을 아파트처럼 높게 쌓아 데이터 전송 속도를 극단적으로 향상인간의 뇌 신경망을 모방해 AI 연산만 초고효율·저전력으로 처리
    핵심 해결 과제플라스틱 기판의 물리적 미세화 한계 및 열 변형 문제 극복AI 대용량 데이터 처리 시 발생하는 고질적인 ‘메모리 병목 현상’ 해결고성능 AI GPU(엔비디아 등) 구동에 필수적인 초고속 데이터 공급엔비디아 GPU의 살인적인 가격과 엄청난 전력 소모 문제 대안
    핵심 공정 / 핵심 역할TGV (유리 관통 전극)
    유리에 미세 균열 없이 정밀하게 구멍 뚫기
    신규 프로토콜 검사
    새로운 인터페이스 규격의 정상 작동 테스팅
    TC 본딩 및 3D 검사
    얇은 칩을 정밀하게 접합하고 단수별 불량 검사
    핵심 IP 설계 및 알고리즘
    특화 연산 회로 설계 및 온디바이스 기기 최적화
    국내 핵심 수혜주필옵틱스, 이오테크닉스, 주성엔지니어링, HB테크놀러지네오셈, 엑시콘, 오픈엣지테크놀로지, 퀄리타스반도체한미반도체, 피에스케이홀딩스, 테크윙, 인텍플러스오픈엣지테크놀로지, 칩스앤미디어, 캡스톤파트너스, 텔레칩스
    본격 시장 개화2026년~2027년 (글로벌 제조사 양산 가동)2026년 (CXL 2.0 지원 서버향 CPU 채용 본격화)현재 진행형 (HBM3E 양산 지속 및 차세대 HBM4 전환)2026년~현재 (온디바이스 AI 확산 및 토종 유니콘 IPO 가속화)

    ❓ 자주 묻는 질문(FAQ)

    Q1. 비상장 유니콘인 리벨리온이나 퓨리오사AI에 직접 투자할 수 있는 상장주는 없나요?

    국내 상장사 중 리벨리온에 대규모 투자를 단행한 KT나 SK텔레콤(사피온 합병 지분 보유) 같은 대형 통신사들이 앵커 투자자로 연결되어 있습니다. 중소형주 중에서는 이들의 설계 외주를 담당하는 디자인하우스(가온칩스, 에이직랜드 등)나 초기 투자 조합에 참여한 벤처캐피탈(VC) 종목들을 통해 지분 가치 상승 모멘텀을 간접적으로 누릴 수 있습니다.

    Q2. 엔비디아가 버티고 있는데 국산 NPU 스타트업들이 살아남을 수 있을까요?

    엔비디아의 주 무대는 엄청난 자본이 들어가는 초거대 AI ‘학습’ 시장입니다. 반면 우리 국산 NPU 기업들은 로봇, CCTV, 스마트폰, 자동차 등 개별 기기에서 가볍고 싸게 작동해야 하는 ‘추론 및 엣지 AI’ 시장의 틈새를 타깃으로 삼고 있습니다. 굳이 엔비디아와 전면전을 벌이지 않아도 온디바이스 AI 시장의 크기 자체가 워낙 압도적으로 커지고 있어 생존 및 자생력이 충분하다는 평가를 받습니다. [1, 2]

    Q3. NPU 관련주를 고를 때 흑자 전환 여부가 가장 중요한가요?

    팹리스 스타트업 특성상 칩을 연구개발(R&D)하는 초기 비용이 수백억 원씩 들기 때문에 적자를 기록 중인 곳이 많습니다. 따라서 현재 당장의 당기순이익보다는 개발된 NPU 제품이 글로벌 테크 기업들의 실증 평가(POC)를 통과했는지, 그리고 공공 클라우드나 가전제품 등에 실제 납품 계약(수주 잔고)을 맺기 시작했는지를 성장성의 척도로 보아야 합니다. [1, 2, 3]

    Q4. 투자자가 가장 주의 깊게 점검해야 할 리스크는 무엇인가요?

    파운드리(생산 거점) 확보 리스크입니다. NPU 팹리스는 설계만 할 뿐 생산은 TSMC나 삼성전자 파운드리에 맡겨야 합니다. 글로벌 파운드리의 미세공정 예약이 꽉 막히거나 단가가 올라갈 경우 제품 출시 스케줄이 밀려 비용 부담이 가중될 수 있으므로, 메이저 파운드리와의 파트너십 구축 여부를 항상 동행 확인하셔야 합니다.


    엔비디아의 독주 체제를 깨부수고 대한민국 반도체의 새로운 자존심이 될 NPU 팹리스 밸류체인 정보가 유익하셨나요? 다가오는 국산 AI 반도체 상장 대어들의 흐름을 미리 길목 지키기 하셔서 성공적인 투자 기회를 선점하시길 바랍니다. 오늘 글이 도움 되셨다면 공감과 댓글, 이웃 추가 꼭 부탁드립니다! 😊


    📚 참고자료

    1. [녹색경제신문] “[CES 2026] ‘양산 돌입’ NPU 팹리스 딥엑스vs모빌린트, 올해 상용화 대결 본격화”
    2. [머니투데이] “”반도체 호황 이제 시작…국내 NPU에 기회” [팹리스 서밋 2026 ①]
    3. [머니투데이] “[파워인터뷰 화제人] 이성현 오픈엣지테크놀로지 대표 “AI 반도체 핵심 설계 기술, 반도체 IP 선도기업”

    ✨차세대 핵심 기술 시리즈 함께 보면 좋은 글

    1. [반도체 후공정 3편]HBM 다음 게임 체인저 ‘유리기판’ 도입 원리와 국내 대장주 관련주 총정리 [(클릭해서 읽기)]
    2. [반도체 후공정 4편] 서버 한계 뛰어넘는 CXL(컴퓨트 익스프레스 링크) 원리와 CXL 관련주 전망 [(클릭해서 읽기)]
    3. [반도체 후공정 2편]HBM 필수 공정, 본딩·검사 장비의 중요성과 핵심 수혜주 분석 [(클릭해서 읽기)
    4. 인공지능의 뇌 ‘국내 NPU 관련주’ 원리부터 핵심 수혜주 총정리!(현재글)
  • 광학 패키징- 데이터센터 전기 먹는 하마를 잡을 ‘빛’의 반도체

    광학 패키징- 데이터센터 전기 먹는 하마를 잡을 ‘빛’의 반도체

    AI 반도체 시장이 폭발적으로 성장함에 따라 엔비디아의 차세대 블랙웰 칩셋을 비롯한 초고성능 가속기들이 전 세계 데이터센터에 빽빽하게 들어차고 있습니다. 그러나 이로 인해 발생하는 거대한 전력 소모와 상상을 초월하는 발열 문제는 인류가 직면한 새로운 병목 현상입니다.

    기존의 구리선 기반 데이터 전송 방식은 전류가 흐를 때 발생하는 저항 손실과 물리적 한계로 인해 이미 임계점에 도달했습니다. 이러한 전기 먹는 하마를 잡기 위해 구리 대신 ‘빛(광신호)’으로 데이터를 전송하는 실리콘 포토닉스 및 CPO(공동광학 패키징) 기술이 대안으로 부상하고 있으며, 이 혁신의 심장부에 바로 유리기판이 자리하고 있습니다. 데이터센터 패러다임을 통째로 바꿀 광학 패키징 생태계를 세밀하게 분석합니다.


    1. AI 데이터센터 전력 과부하

    현재 운영되는 초대형 하이퍼스케일 데이터센터는 연산 장치 자체의 소모 전력뿐만 아니라, 이를 식히기 위한 냉각 인프라 가동에 전체 전력의 40% 이상을 쏟아붓고 있습니다. 기존 반도체 패키징 판 위에서 칩과 칩, 혹은 칩과 메모리 사이를 연결하는 통로는 수십 년간 구리(Copper) 배선이 담당해 왔습니다.

    하지만 수천억 개의 매개변수를 가진 LLM(거대언어모델) 연산을 처리하기 위해 전송 데이터양이 기하급수적으로 늘어나자 고질적인 문제가 터졌습니다. 구리선에 고주파 신호를 억지로 밀어 넣을수록 저항이 커져 엄청난 열이 발생하고 신호가 찌그러지는 감쇄 현상이 일어나는 것입니다. 테라바이트급 데이터를 막힘없이 주고받으려면 전력을 더 많이 밀어주어야 하고, 이는 다시 발열 증가라는 악순환으로 이어집니다. 결국 데이터센터의 전력 과부하를 해결하지 못하면 AI 인프라의 확장 자체가 불가능한 기술적 장벽에 부딪히게 되었습니다.


    2. 실리콘 포토닉스 광학 패키징

    실리콘 포토닉스 CPO 광신호를 검사하는 연구 현장을 생성형 AI로 재현한 모습
    실리콘 포토닉스 CPO 광신호를 검사하는 연구 현장을 생성형 AI로 재현한 모습

    구리 배선의 물리적 한계를 돌파하기 위해 등장한 혁신 기술이 바로 실리콘 포토닉스(Silicon Photonics)CPO(Co-Packaged Optics)입니다. 이는 전기 신호를 빛(광자)으로 변환하여 데이터를 주고받는 개념입니다. 빛은 구리선과 달리 저항이 거의 없고 간섭 현상이 전혀 없기 때문에, 전력 소모를 최대 10분의 1 이하로 줄이면서도 데이터 전송 속도를 수십 배 이상 끌어올릴 수 있습니다.

    기술 구성 요소기존 구리 배선 패키징차세대 CPO 광학 패키징
    매개체 (전송 수단)전자
    (Electrical Signal)
    광자
    Optical Signal)
    전력 손실 및 발열고속 전송 시 급증
    (병목 발생)
    거리와 무속도에 상관없이 극소화
    유리기판 시너지미세 회로 평탄도 제공에 국한광도파로(Optical Waveguide) 직접 내장
    데이터 대역폭물리적 한계로 정체이론상 무한대에 가까운 확장성

    여기서 유리기판은 단순한 지지대를 넘어 빛의 통로 역할을 수행하는 핵심 플랫폼으로 진화합니다. 유리는 광신호(빛)를 투과시키는 성질이 탁월하기 때문에 기판 내부에 빛이 지나다니는 미세한 ‘광도파로(Optical Waveguide)’를 직접 형성할 수 있습니다.

    기존 플라스틱 기판은 빛을 다룰 수 없어 별도의 실리콘 인터포저나 복잡한 광모듈을 얹어야 했지만, 유리기판은 그 자체로 빛과 전기가 동시에 흐르는 완벽한 하이브리드 인프라가 됩니다. 이 덕분에 공정 단계가 획기적으로 단축되고 광 패키징의 수율과 단가 경쟁력이 급상승하게 됩니다.


    3. 차세대 데이터 전송 패러다임 전환과 인프라 투자 방향

    유리기판에 광도파로를 가공하고 검사하는 공정을 생성형 AI로 재현한 모습
    유리기판에 광도파로를 가공하고 검사하는 공정을 생성형 AI로 재현한 모습

    유리기판과 광학 패키징의 융합은 글로벌 빅테크 기업들의 인프라 투자 방향은 물론, 미래 신산업 스타트업 생태계 지형까지 통째로 바꾸고 있습니다. 마이크로소프트, 구글, 메타 등 자체 데이터센터를 대규모로 구축하는 기업들은 이미 광학 컴포넌트가 내장된 유리기판 칩셋의 표준화를 서두르고 있습니다.

    이러한 패러다임 시프트 속에서 빛을 정밀하게 제어하는 ‘광학 팹리스’ 스타트업과 유리기판 전용 레이저 미세 가공 장비를 개발하는 소부장 벤처 기업들이 새로운 유니콘 후보로 급부상하고 있습니다.

    과거 전공정 미세화에만 목을 매던 벤처캐피털(VC)들의 자금도 이제는 데이터센터의 전력 효율을 직접적으로 개선할 수 있는 차세대 광학 패키징 스타트업으로 빠르게 유입되는 추세입니다. 유리기판 기반의 CPO 기술은 단순한 소재의 변화를 넘어, 전력 인프라의 한계에 봉착한 AI 산업 전체의 생명줄을 연장하는 강력한 테크 패러다임으로 자리매김하고 있습니다

    4. 글로벌 빅테크의 광학 패키징 도입 현황 및 락인 전략

    현재 광학 패키징 시장을 주도하기 위한 빅테크 기업들의 합종연횡은 상상을 초월할 정도로 치열합니다. 글로벌 AI 가속기 시장을 독점하고 있는 엔비디아는 차세대 아키텍처에 실리콘 포토닉스 기술을 접목하기 위해 TSMC와의 기술 밀월 관계를 더욱 공고히 하고 있습니다. TSMC는 ‘COUPE(컴팩트 광학 엔진)’ 플랫폼을 전면에 내세워, 칩과 광학 모듈을 유기적으로 결합하는 첨단 패키징 공정 표준을 선점하겠다는 전략을 발표했습니다.

    인텔 또한 전통적인 실리콘 제조 경쟁력을 바탕으로 자체적인 광학 패키징 생태계를 구축하는 데 수십억 달러를 쏟아붓고 있습니다. 인텔은 유리기판 제조 기술과 실리콘 포토닉스를 하나로 묶어 고성능 컴퓨팅(HPC) 시장에서 독자적인 주도권을 잡겠다는 락인(Lock-in) 전략을 구사하고 있습니다. 인프라 운영 효율이 곧 기업의 생존과 직결되는 구글과 아마존 역시 아웃소싱에만 의존하지 않고 자체 광학 스위칭 기술을 개발하며 독자 노선을 걷기 시작했습니다. 이러한 움직임은 2026년 현재 데이터센터용 반도체가 단순한 ‘연산 능력 경쟁’에서 ‘전력 및 전송 효율 경쟁’으로 완전히 재편되었음을 증명합니다.

    유리기판에 광도파로를 가공하고 검사하는 공정을 생성형 AI로 재현한 모습

    5. 광학 패키징 대중화를 위한 기술적 난제와 미래 전망

    다만 빛의 반도체 시대가 완벽히 열리기 위해서는 아직 해결해야 할 전제 조건들이 존재합니다. 가장 큰 걸림돌은 전기를 빛으로 변환하고 다시 빛을 전기로 바꾸는 과정에서 발생하는 ‘광 변환 효율’과 레이저 광원의 수명 문제입니다. 데이터센터는 24시간 365일 내내 무중단으로 가동되어야 하므로, 기판 내부에 탑재되는 미세 레이저 다이오드가 고온의 가혹한 환경에서 얼마나 오랜 기간 열화 없이 버텨줄 수 있는지가 상용화의 핵심 열쇠입니다.

    또한 유리기판 내부에 눈에 보이지 않는 미세한 광도파로를 오차 없이 정밀하게 뚫어내는 공정의 수율 확보도 시급한 과제입니다. 머리카락 굵기의 수백분의 일에 불과한 광섬유와 기판의 정렬(Alignment) 작업에서 미세한 오차만 발생해도 광신호가 밖으로 새어 나가는 손실 현상이 발생하기 때문입니다.

    그럼에도 불구하고 전문가들은 2027년을 기점으로 이 기술이 본격적인 볼륨 업 단계에 진화할 것으로 확신합니다. 전력 과부하로 멈춰 서기 직전인 AI 데이터센터를 구원할 유일한 탈출구는 결국 광학 패키징뿐이기 때문입니다.



    ❓ 자주 묻는 질문(FAQ)

    Q1. 빛으로 데이터를 보내면 신호 왜곡이나 손실은 전혀 없나요?

    빛은 간섭 현상이 없어 구리선에 비해 왜곡이 극도로 적습니다. 다만 광신호를 전기로 바꾸고 다시 전기를 빛으로 바꾸는 변환 효율(광전변환) 기술이 핵심이며, 유리기판은 이 변환 과정에서의 손실을 최소화하는 역할을 합니다.

    Q2. CPO 광학 패키징 기술은 언제 데이터센터에 전면 도입되나요?

    현재 초고성능 AI 가속기 및 스위치 칩 중심으로 부분적인 실증 테스트가 진행 중입니다. 주요 칩 제조사들의 유리기판 양산 로드맵과 맞물려 2027~2028년경부터 하이퍼스케일 데이터센터의 핵심 표준으로 자리 잡을 것으로 예상됩니다.

    Q3. 실리콘 포토닉스와 CPO의 차이점은 무엇인가요?

    실리콘 포토닉스는 실리콘 반도체 기술을 활용해 광학 소자를 만드는 기술 자체를 뜻하며, CPO(공동광학 패키징)는 이 광학 소자를 메인 연산 칩과 하나의 기판 위에 아주 가깝게 묶어 패키징하는 구체적인 실무 구현 방식을 의미합니다.

    Q4. 유리기판이 왜 광학 패키징에 필수적인가요?

    기존 플라스틱 기판은 불투명하고 열에 약해 빛의 통로(광도파로)를 내부에 만들 수 없습니다. 반면 유리는 열에 매우 강할 뿐만 아니라 빛을 그대로 투과시키는 성질이 있어 전선과 광선이 동시에 흐르는 하이브리드 기판을 만들 수 있는 유일한 대안이기 때문입니다.

    H3: 참고자료


    📚 참고자료


    ✨함께 보면 좋은 글


  • 반도체에 부는 빌트인 혁명, ‘임베디드(내장형) 기판’과 삼성전기의 독점적 생태계

    반도체에 부는 빌트인 혁명, ‘임베디드(내장형) 기판’과 삼성전기의 독점적 생태계


    AI 반도체의 성능을 한계까지 끌어올리기 위한 후공정 패키징 전쟁이 치열합니다. 앞서 다룬 유리기판이 플라스틱 기판의 물리적 한계인 ‘워피지(Warpage, 휨 현상)’를 해결하는 차세대 ‘땅’이라면, 오늘 다룰 기술은 그 땅속을 파고드는 혁신인 ‘부품 내장형(Embedded, 임베디드) 기판’입니다.

    아파트에 냉장고와 세탁기를 벽 안으로 집어넣는 ‘빌트인’ 시스템처럼, 이제 반도체 기판도 표면에 거추장스럽게 부품을 늘어놓는 대신 기판 내부 깊숙한 곳에 부품을 심어버리는 기술이 대세로 자리 잡고 있습니다. 왜 글로벌 빅테크 기업들이 이 기술에 열광하는지, 그리고 왜 이 시장에서 대한민국 삼성전기가 독보적인 지위를 선점할 수밖에 없는지 구조적으로 분석해 보겠습니다.


    1. AI 시대, 왜 기판 속에 부품을 숨겨야 할까?

    일반 기판과 MLCC 내장형 임베디드 기판 구조 비교를 AI로 재현한 이미지
    일반 기판과 MLCC 내장형 임베디드 기판 구조 비교를 생성형 AI로 재현한 모습

    스마트폰이나 메인보드를 뜯어보면 초록색 기판 위에 주 칩(AP나 CPU)이 있고, 그 주변에 깨알 같은 수동소자들이 징그럽게 박혀 있는 것을 볼 수 있습니다. 이 수동소자 중 가장 핵심이 되는 것이 바로 전류를 안정적으로 공급해 주는 적층세라믹콘덴서(MLCC)입니다.

    하지만 AI 반도체는 처리해야 할 데이터와 소모하는 전력량이 상상을 초월합니다. 기존처럼 칩 옆에 MLCC를 멀리 떨어뜨려 놓으면 치명적인 문제가 발생합니다.

    • 전기적 이동 거리의 한계: 칩과 부품 사이의 거리가 멀수록 신호가 이동하면서 전력 손실(Power Loss)노이즈가 발생합니다. 1분 1초가 급한 초고속 AI 연산에서 이는 치명적인 병목입니다.
    • 면적의 한계: AI 칩(GPU, HBM 등) 자체의 크기가 점점 거대해지면서 기판 위 공간이 턱없이 부족해졌습니다. 더 이상 주변에 MLCC를 깔 자리가 없습니다.

    2. 임베디드 기판이 가져오는 3대 혁신: 속도, 전력, 소형화

    이 문제를 해결하기 위해 기판 제조사들은 기판 내부에 미세한 홈을 파고, 그 안에 MLCC나 반도체 다이(Die)를 아예 집어넣은 뒤 뚜껑을 덮어버리는 임베디드 기판 기술을 완성했습니다. 부품을 숨기자 놀라운 변화가 일어났습니다.

    • 신호 전송 속도 폭발: 부품이 칩 바로 아래(지하실)에 위치하게 되면서 이동 거리가 획기적으로 줄어듭니다. 신호 지연이 사라지고 데이터 전송 속도가 극대화됩니다.
    • 전력 소모 및 노이즈 30% 감소: 전류가 새어나갈 틈이 없어 전력 효율이 크게 개선됩니다. 엄청난 전력비용을 감당해야 하는 AI 데이터센터 입장에서 비용을 아끼는 최고의 치트키입니다.
    • 칩 두께의 슬림화(소형화): 기판 표면에 튀어나온 부품이 사라지니 반도체 패키지 전체 두께가 얇아지고 공간 효율성이 극대화됩니다.

    3. 글로벌 유일의 ‘MLCC + 기판’ 연합군, 삼성전기의 독점적 구조

    임베디드 기판의 정밀 레이저 가공과 미세 비아 제조 공정을 AI로 재현한 이미지
    임베디드 기판의 정밀 레이저 가공과 미세 비아 제조 공정을 생성형 AI로 재현한 모습

    부품 내장형 임베디드 기판 시장이 열리자 일본의 이비덴, 대만의 유니마이크론 등 글로벌 기판 거인들도 부랴부랴 개발에 뛰어들고 있습니다. 하지만 글로벌 투자 업계가 유독 삼성전기를 이 시장의 강력한 지배자로 꼽는 이유가 있습니다.

    임베디드 기판을 만들려면 기판 안에 들어갈 ‘극도로 얇은 특수 수동소자(MLCC 나 실리콘 커패시터)’가 필수적입니다. 일반 MLCC는 두꺼워서 기판 속에 넣으면 기판이 터져버리기 때문입니다.

    • 삼성전기의 독보적 지위: 삼성전기는 전 세계 하이엔드 MLCC 시장의 강자이자, 고성능 반도체 기판(FC-BGA)을 모두 자체 생산하는 글로벌 유일의 기업입니다.
    • 타사(이비덴 등)들은 기판 안에 넣을 특수 MLCC나 실리콘 커패시터를 외부에서 비싸게 사 와서 조립해야 하지만, 삼성전기는 공장에서 기판과 내장형 부품을 한 번에 맞춤형으로 뚝딱 만들어 패키지로 공급할 수 있습니다. 기술적 마진과 가격 경쟁력에서 경쟁사들이 비빌 수 없는 독점적 생태계를 쥐고 있는 셈입니다.
    • 최근 글로벌 대형 IT 기업과 조 단위 규모의 실리콘 커패시터(임베디드 기판용 필수 부품) 공급 계약을 체결했다는 소식은 삼성전기의 이 독점적 구조가 시장에서 통하기 시작했다는 명확한 증거입니다.

    4. 유리기판과의 만남: 3D 반도체 기판 시대의 도래

    가장 흥미로운 점은 우리가 앞서 다룬 유리기판과의 시너지입니다. 유리기판의 핵심 공정인 TGV(유리 관통 비아) 기술을 통해 미세한 구멍을 뚫고 전기 신호를 연결하면, 유리 기판 내부에 MLCC나 실리콘 커패시터를 임베디드(내장)하기가 기존 플라스틱보다 훨씬 정밀하고 수월해집니다.

    기술의 박자가 기가 막히게 맞아떨어지고 있습니다. 표면은 매끄러운 유리 소재로 바꾸고, 그 내부는 부품을 빌트인으로 매립(임베디드)하는 형태가 바로 AI 반도체 후공정이 도달할 최종 목적지입니다. [2, 3]


    결론: 눈에 보이는 현상 너머, 구조를 지배하는 자가 이긴다

    주식 시장에서 사람들은 당장 눈에 보이는 ‘엔비디아 칩이 얼마나 팔렸나’, ‘HBM 수율이 얼마인가’ 같은 뉴스에 일희일비합니다. 하지만 진정한 투자자라면 그 화려한 현상 뒤에서 “초고속 연산을 가능하게 만드는 숨은 구조적 인프라”를 보아야 합니다.

    칩이 아무리 빨라져도 전력이 새고 신호가 막히면 무용지물입니다. 기판의 공간 한계와 전력 손실이라는 거대한 병목을 해결하는 ‘임베디드 기판 기술’, 그리고 그 기술에 필요한 핵심 부품과 기판 제조력을 모두 양손에 쥔 삼성전기의 생태계는 앞으로 하이엔드 반도체 시장이 커질수록 대체 불가능한 뼈대가 될 것입니다. 현상에 속지 말고, 판을 바꾸는 숨은 힘에 주목해야 할 때입니다.

    💡 자주 묻는 질문 (FAQ)

    Q1. 임베디드 기판과 일반 기판의 제작 공정상 가장 큰 차이는 무엇인가요?

    일반 기판은 부품을 기판 표면에 장착하지만, 임베디드 기판은 일부 부품을 기판 내부에 매립합니다. 이 때문에 기판을 다시 눌러 만드는 재적층 공정과 내부 부품을 연결하기 위한 미세 도금 공정 등이 추가됩니다.

    Q2. 실리콘 커패시터는 무엇이며 왜 MLCC 대신 기판에 내장되나요?

    실리콘 커패시터는 유기물이 아닌 실리콘 웨이퍼 위에서 파운드리 공정으로 만드는 차세대 수동소자입니다. 두께가 머리카락 수준으로 극도로 얇으면서도 고온 환경에서 MLCC보다 훨씬 안정적이기 때문에, 초미세 임베디드 기판의 핵심 부품으로 급부상하고 있습니다.

    Q3. 임베디드 기판은 왜 만드는 공정이 더 어려운가요?
    부품을 기판 내부에 넣은 뒤 고온·고압으로 다시 적층해야 하고, 매립된 부품을 전기적으로 연결하기 위해 레이저로 미세한 구멍을 뚫고 도금하는 공정이 필요하기 때문입니다.

    Q4. 임베디드 기판은 내부 부품의 불량을 어떻게 검사하나요?
    부품이 기판 내부에 있어 겉으로 직접 확인할 수 없기 때문에 X-ray를 이용해 내부 상태를 검사합니다. 따라서 검사 기술 역시 임베디드 기판 제조에서 중요한 요소가 됩니다.

    📚 참고자료

    1. [전자신문].삼성전기, 반도체 내장형 임베디드 기판 개발

    2.[전자신문] 삼성전기가 연 ‘임베디드 반도체 기판’ 시장, 일본·대만도 경쟁 가세

    3. [더벨]삼성전기, 글로벌 유일 ‘MCLL +기판’경쟁력 빛 본다.

    4. 네이버 프리미엄콘텐츠 테크/재테크 전문 채널 분석 리포트 참조 (일부 유료 구독 콘텐츠)

    ✨함께 보면 좋은 글

    1. [반도체 후공정 1편] HBM 다음 병목은 첨단 패키징? AI 반도체에서 CoWoS가 중요한 이유

    2. 유리기판의 심장 TGV 장비, 수율의 벽을 깨부술 국내 수혜주 총정리

    3.[반도체 후공정 2편]HBM 다음은 유리기판, 인텔·TSMC 패권 전쟁 속 한국 기업의 기회

    #임베디드기판 #부품내장형기판 #삼성전기 #MLCC #실리콘커패시터 #반도체패키징 #FCBGA #구글SEO

  • 컴퓨터 하드웨어 구성 요소 이해하고 나에게 딱 맞는 사양 선택하는 방법 완벽 가이드

    컴퓨터 하드웨어 구성 요소 이해하고 나에게 딱 맞는 사양 선택하는 방법 완벽 가이드

    1. 컴퓨터 하드웨어의 기초: 나에게 필요한 사양은 무엇일까

    컴퓨터를 구매하거나 업그레이드할 때 가장 어려운 점은 수많은 부품 이름과 복잡한 숫자들입니다. 하지만 컴퓨터 하드웨어의 핵심 원리만 파악하면 예산을 낭비하지 않고도 나에게 최적화된 시스템을 구축할 수 있습니다. 컴퓨터는 단순히 하나의 기계가 아니라 여러 부품이 유기적으로 연결된 시스템입니다. 각 부품이 어떤 역할을 하는지 알면 성능 저하의 원인을 찾거나, 작업 효율을 높이는 데 큰 도움이 됩니다. 이 글에서는 일반 사용자가 반드시 알아야 할 핵심 하드웨어 5가지를 중심으로 살펴봅니다.

    CPU: 컴퓨터의 두뇌

    CPU는 사람의 뇌와 같은 역할을 합니다. 모든 연산과 명령을 처리하는 핵심 부품이죠. 최근에는 인텔과 AMD 두 기업이 시장을 양분하고 있습니다. CPU를 고를 때는 ‘코어 수’와 ‘클럭 속도’를 확인해야 합니다. 사무용이라면 4코어 이상, 영상 편집이나 고사양 게임을 즐긴다면 8코어 이상의 제품을 추천합니다.

    RAM: 데이터의 임시 저장소

    메모리라고 불리는 RAM은 CPU가 작업을 수행할 때 필요한 데이터를 잠시 올려두는 책상과 같습니다. 책상이 넓을수록 여러 작업을 동시에 띄워놓고 빠르게 전환할 수 있습니다. 현재 기준으로 일반적인 사용 환경에서는 16GB가 표준이며, 무거운 작업이 많다면 32GB 이상을 고려하는 것이 좋습니다.

    2. 핵심 부품별 선택 가이드와 주의사항

    CPU와 RAM, GPU, SSD 등 컴퓨터 하드웨어가 연결된 데스크톱 내부를 생성형 AI로 재현한 모습
    CPU와 RAM, GPU, SSD 등 컴퓨터 하드웨어가 연결된 데스크톱 내부를 생성형 AI로 재현한 모습

    하드웨어를 선택할 때 가장 흔히 하는 실수는 무조건 고사양 제품만 고집하는 것입니다. 자신의 사용 목적에 맞는 적정 수준을 찾는 것이 경제적인 구매의 핵심입니다.

    그래픽카드(GPU)와 저장장치(SSD)

    그래픽카드는 화면을 출력하고 게임이나 영상 그래픽을 처리합니다. 게임이나 3D 작업이 목적이라면 예산의 40% 이상을 그래픽카드에 투자하는 것이 효율적입니다. 저장장치는 HDD에서 SSD로 완벽히 넘어왔습니다. 데이터 입출력 속도가 PC 체감 성능을 결정하므로 반드시 NVMe 방식의 SSD를 선택하세요.

    파워서플라이와 메인보드의 중요성

    파워서플라이는 컴퓨터에 전력을 공급하는 심장입니다. 출력이 부족하면 시스템이 갑자기 꺼지거나 부품 고장의 원인이 됩니다. 정격 출력을 확인하고 80플러스 인증을 받은 제품을 선택하세요. 메인보드는 모든 부품을 연결하는 플랫폼입니다. CPU와 호환되는 소켓 규격인지 반드시 확인해야 합니다.

    3. 하드웨어 유지보수 및 업그레이드 팁

    RAM을 추가하는 업그레이드 과정을 생성형 AI로 재현한 모습
    기존 컴퓨터의 성능을 높이기 위해 RAM을 추가하는 업그레이드 과정을 생성형 AI로 재현한 모습

    컴퓨터 하드웨어는 시간이 지나면 성능이 저하되거나 먼지 등으로 인해 발열 문제가 발생합니다. 정기적인 청소와 관리는 기기 수명을 2~3년 이상 늘려주는 효과가 있습니다.

    발열 관리의 핵심, 쿨링 시스템

    고성능 부품일수록 열이 많이 발생합니다. 열을 제대로 식히지 못하면 CPU가 성능을 강제로 낮추는 ‘쓰로틀링’ 현상이 발생합니다. 케이스 내부의 공기 흐름을 고려해 쿨링팬을 배치하고, 1~2년에 한 번은 CPU 서멀구리스를 재도포하는 것이 좋습니다.

    업그레이드 순서 정하기

    컴퓨터가 느려졌다고 무조건 새로 살 필요는 없습니다. 먼저 RAM을 추가하거나 SSD를 교체하는 것만으로도 수년 된 컴퓨터를 새것처럼 빠르게 만들 수 있습니다. 업그레이드 시에는 현재 메인보드가 지원하는 규격인지 확인하는 과정이 필수입니다.

    4. 결론: 합리적인 하드웨어 선택을 위한 제언

    컴퓨터 하드웨어는 기술 발전 속도가 매우 빠릅니다. 최신 제품이 항상 정답은 아니며, 본인의 예산과 용도 사이의 균형점을 찾는 것이 중요합니다.

    1.용도 정의: 사무용, 게임용, 전문가용 중 하나를 명확히 하세요.

    2.예산 설정: 전체 예산의 우선순위를 정하고 그래픽카드와 CPU에 비중을 두세요.

    3.호환성 확인: 부품 간 규격이 맞는지 조립 PC 견적 사이트를 활용해 검증하세요.

    이 가이드가 여러분의 스마트한 디지털 생활에 도움이 되길 바랍니다. 추가적인 정보가 필요하다면 제조사 공식 기술 문서를 참고해 보세요

    ✨함께 보면 좋은 글

    반도체 8대 공정, 비전공자도 이해하는 쉬운 정리

    파운드리 vs 팹리스 vs IDM 차이 한눈에 보기

    EUV 노광장비가 뭐길래 ASML 주가가 비쌀까

    📚참고 자료

    1. 다나와 PC 견적 서비스
    2. 인텔 프로세서 기술 지원

  • 유리기판의 심장 TGV 장비, 수율의 벽을 깨부술 국내 수혜주 총정리

    유리기판의 심장 TGV 장비, 수율의 벽을 깨부술 국내 수혜주 총정리

    안녕하세요! 반도체 시장의 차세대 게임 체인저로 주목받는 ‘유리기판(Glass Substrate)’과 그 핵심 공정인 TGV(Through Glass Via, 유리 관통 전극) 장비, 그리고 관련 국내 수혜주를 완벽하게 정리해 드립니다.

    AI 반도체의 폭발적인 성장으로 기존 플라스틱(FC-BGA) 기판이 물리적 한계에 부딪히면서, 글로벌 빅테크 기업들이 유리기판 도입을 서두르고 있습니다. 이 유리기판 생태계에서 가장 진입장벽이 높고 핵심이 되는 기술이 바로 ‘TGV’입니다.


    유리기판의 심장, TGV(유리 관통 전극)란 무엇인가?

    유리기판이 플라스틱 기판보다 우수한 이유는 더 얇고, 더 고밀도의 회로를 새길 수 있으며, 열에 강해 변형이 적기 때문입니다. 하지만 유리라는 소재의 특성상 칩과 기판을 연결하기 위해 미세한 구멍을 뚫는 것이 매우 까다롭습니다.

    이 유리에 머리카락 수십 분의 일 크기의 미세한 구멍(Via)을 수백만 개 이상 깨끗하게 뚫고 신호선을 연결하는 핵심 공정이 바로 TGV(Through Glass Via)입니다.

    현재 유리기판 상용화의 가장 큰 걸림돌은 ‘수율(양품률)’‘유리가 깨지는 크랙(Crack) 현상’입니다. 따라서 미세 균열 없이 빠르고 정확하게 구멍을 뚫어 수율의 벽을 깨부술 수 있는 TGV 장비 기업들이 유리기판 공급망에서 가장 먼저 수혜를 입을 것으로 전망됩니다.

    한눈에 그려지는 TGV 공정 3단계 원리

    유리기판의 심장이라 불리는 TGV 공정, 글로만 보면 조금 어렵게 느껴지시죠? 눈앞에서 공장이 돌아가는 것처럼 아주 쉽게 비유해 드릴게요! 😉

    1단계: 레이저로 ‘길잡이 자국’ 내기 (Laser Preprocessing)

    유리기판에 미세 비아를 만드는 TGV 레이저 가공 공정을 AI로 재현한 모습


    유리는 부도체라 전기가 통하지 않고 매끄러워서 무작정 구멍을 뚫으려고 하면 와장창 깨지기 십상이에요. 그래서 먼저 필옵틱스(Philoptics) 같은 기업의 초정밀 레이저 장비로 구멍을 뚫을 자리에만 에너지를 콕콕 찔러 넣습니다. 이렇게 하면 레이저를 맞은 부분의 유리 분자 구조가 살짝 변하면서 “나중에 여기를 먼저 깎아줘!” 하고 길잡이 자국이 남게 돼요.

    2단계: 식각액 목욕으로 ‘매끈한 구멍’ 완성 (Etching)

    유리기판 TGV의 미세 구멍과 크랙을 검사하는 공정을 생성형 AI로 재현한 모습
    유리기판 TGV에 금속을 증착하고 구리로 채우는 공정을 AI로 재현한 모습


    레이저 자국이 난 유리기판을 특수 화학 식각액(에칭액)에 퐁당 담급니다. 신기하게도 레이저를 맞았던 부분만 화학 반응이 초고속으로 일어나면서 슥삭 녹아내려요. 덕분에 유리에 미세한 상처(크랙)를 남기지 않고, 머리카락보다 가느다란 미세 구멍(Via)이 수백만 개나 깨끗하고 매끈하게 뻥 뚫리게 된답니다.


    3단계: 전기가 통하도록 ‘구리 풀칠 & 채우기’ (Metallization & Plating)

    유리기판 TGV에 금속을 증착하고 구리로 채우는 공정을 AI로 재현한 모습
    유리기판 TGV에 금속을 증착하고 구리로 채우는 공정을 AI로 재현한 모습

    이제 구멍은 뚫렸지만 여전히 유리라서 전기가 안 통하겠죠? 여기서 주성엔지니어링(Jusung Engineering) 같은 기업의 증착 기술이 등판합니다. 구멍 내벽에 전기가 통할 수 있도록 금속으로 얇게 ‘풀칠(시드 레이어 형성)’을 해준 뒤, 전기 도금 방식을 이용해 구리를 구멍 속에 빈틈없이 꽉꽉 채워 넣습니다. 마지막으로 울퉁불퉁한 표면을 매끄럽게 갈아내는 화학적 기계 연마(CMP) 공정까지 거치면 마침내 완벽한 유리기판이 완성됩니다!


    수율의 벽을 깨부술 국내 TGV 장비 관련 수혜주 리스트

    국내에서 레이저 기술력과 반도체 후공정 장비 노하우를 바탕으로 TGV 시장을 선점하고 있는 대표적인 기업들을 정리했습니다.

    • 필옵틱스 (Philoptics)
      • 핵심 모멘텀: 국내에서 가장 먼저 유리기판 TGV 레이저 가공 장비를 개발하여 양산 평가용 장비를 공급한 선두 주자입니다.
      • 기술 특징: 유리에 미세한 크랙을 남기지 않고 초고속으로 구멍을 뚫는 독보적인 레이저 유도 에칭(Laser Induced Etching) 기술력을 보유하고 있습니다. 유리기판 대장주로 손꼽힙니다.
    • 이오테크닉스 (EO Technics)
      • 핵심 모멘텀: 반도체 레이저 마커, 레이저 그루빙 장비 분야의 글로벌 강자입니다.
      • 기술 특징: 축적된 반도체 후공정 레이저 기술을 바탕으로 TGV 장비 개발을 완료하고 글로벌 기판 및 OSAT 업체들과 테스트를 진행 중입니다. 강력한 국내외 반도체 고객사 네트워크가 강점입니다.
    • 주성엔지니어링 (Jusung Engineering)
      • 핵심 모멘텀: 유리기판 공정에서 TGV로 구멍을 뚫은 후, 그 내벽에 금속(구리 등)을 얇고 균일하게 입히는 증착(ALD) 기술이 필수적입니다.
      • 기술 특징: 세계 최고 수준의 ALD(원자층증착) 장비 기술을 보유하고 있어, TGV 형성 후 수율을 극대화하는 핵심 전도체 증착 공정에서 큰 수혜가 예상됩니다.
    • HB테크놀러지 (HB Technology) / HB솔루션
      • 핵심 모멘텀: 유리기판은 외관 검사와 불량 선별이 수율 관리에 절대적입니다.
      • 기술 특징: 유리 소재 검사 및 리페어(수리) 장비 분야에서 강점을 가지고 있으며, 글로벌 선두 기판 제조사의 공급망에 진입하여 TGV 공정 전후의 불량을 잡아내는 검사 장비를 공급하고 있습니다.
    • 와이씨켐 (YC Chem)
      • 핵심 모멘텀: 장비는 아니지만, TGV 공정 효율을 극대화하는 세정 및 에칭(식각) 특수 화학 소재를 개발하고 있습니다.
      • 기술 특징: 유리기판 TGV 공정 시 레이저 조사 후 구멍을 깨끗하게 뚫어내는 유리 전용 에칭액과 균열 방지용 특수 코팅 소재를 개발하여 양산 테스트를 진행 중입니다.

    투자자를 위한 체크포인트 및 결론

    유리기판 시장은 2026~2027년을 기점으로 본격적인 본격 양산 플랜이 가동될 예정입니다. 인텔, 삼성전기, SKC(앱솔릭스) 등 글로벌 주요 기업들이 라인 구축을 서두르고 있는 만큼, 장비 발주가 가장 먼저 이루어지는 지금 시점이 관련 기업들의 가치가 재평가되는 구간입니다.

    다만, 유리기판은 아직 완벽한 표준화가 이루어지지 않은 초기 시장이므로, 실제 고객사 시제품 테스트를 통과하고 최종 양산 퀄(Qualification)을 획득하는 기업이 어디인지 지속적으로 추적하는 것이 중요합니다. 수율의 한계를 극복하는 TGV 장비주들의 행보를 주목해 보시기 바랍니다.


    차세대 반도체의 핵심이 될 유리기판과 TGV 장비 이야기, 생각보다 어렵지 않으셨죠? 테마가 본격적으로 움직일 때 길을 잃지 않도록 미리미리 공부해 두자고요! 다음에도 재미있고 알찬 반도체 이야기로 찾아올게요. 도움되셨다면 공감과 댓글 부탁드려요! 😊

    📚 참고자료



    ❓ 자주 묻는 질문(FAQ)

    Q1. 유리기판은 도대체 언제부터 진짜 쓰이기 시작하나요?

    A. 글로벌 기업들의 로드맵을 보면 2026년에서 2027년 사이를 본격적인 대량 양산 시점으로 잡고 있어요. 인텔이나 삼성전기, SKC(앱솔릭스) 같은 기업들이 열심히 공장을 짓고 라인을 깔고 있으니, 장비 발주는 바로 지금부터 눈여겨보셔야 합니다.

    Q2. TGV 장비가 왜 유리기판 수율의 핵심인가요?

    A. 유리는 충격에 약해서 조금만 잘못 건드려도 미세한 균열(크랙)이 생겨요. 수백만 개의 구멍을 뚫다가 하나라도 깨지면 기판 전체를 버려야 하니 수율이 뚝 떨어지겠죠? 이 크랙 없이 완벽하게 구멍을 뚫는 TGV 장비가 유리기판 성공의 마스터키이기 때문이에요.

    Q3. 기존 플라스틱 기판 장비 업체들은 타격을 입나요?

    A. 당장 모든 기판이 유리로 바뀌는 건 아니에요! 유리기판은 먼저 최고급 AI 서버나 데이터 센터용 고성능 칩에 도입될 예정입니다. 따라서 기존 일반 기판 시장은 유지되면서, 고부가가치 하이엔드 시장이 새로 열리는 것으로 이해하시면 좋아요.

    Q4. 투자자 입장에서 가장 조심해야 할 리스크는 무엇인가요?

    A. 유리기판은 이제 막 걸음마를 뗀 초기 시장이에요. “우리 기술 개발했다!”라는 소문만 믿기보다는, 실제 대기업의 시제품 테스트를 통과하고 최종 양산 승인(Qual)을 받아서 진짜 매출로 이어지는지 눈으로 꼭 확인하는 꼼꼼함이 필요합니다.



    ✨함께 보면 좋은 글

    [반도체 후공정 총론]삼성전자 턴키 전략, TSMC 독주에 맞서는 3가지 승부수

    [반도체 후공정 2편]HBM 다음은 유리기판, 인텔·TSMC 패권 전쟁 속 한국 기업의 기회

    [반도체 후공정 1편] HBM 다음 병목은 첨단 패키징? AI 반도체에서 CoWoS가 중요한 이유

    #반도체 #유리기판 #유리기판관련주 #TGV장비 #반도체후공정 #필옵틱스 #이오테크닉스 #주성엔지니어링 #HB테크놀러지 #와이씨켐 #반도체주식 #AI반도체 #CXL #HBM #주식공부 #테마주정리 #테크트렌드 #반도체공정 #TGV원리 #식각장비 #구리도금

  • [반도체 후공정 3편]HBM 다음 게임 체인저 ‘유리기판’ 도입 원리와 국내 대장주 관련주 총정리

    [반도체 후공정 3편]HBM 다음 게임 체인저 ‘유리기판’ 도입 원리와 국내 대장주 관련주 총정리

    AI 반도체 시장의 열기가 식지 않고 있습니다. 엔비디아의 GPU와 SK하이닉스·삼성전자의 HBM(고대역폭메모리) 연합군이 시장을 주도하는 가운데, 투자자들의 시선은 벌써 ‘그다음 병목(Bottleneck)’을 해결할 차세대 기술로 향하고 있습니다.

    CoWoS(칩온웨이퍼온서브스트레이트) 등 첨단 패키징 기술이 AI 반도체의 핵심으로 떠올랐지만, 결국 이 모든 첨단 칩을 올려놓아야 하는 ‘바닥’, 즉 반도체 기판이 버텨주지 못하면 아무리 좋은 칩도 제 성능을 낼 수 없습니다.

    오늘 다룰 이야기는 AI 반도체의 마지막 퍼즐이자, 판도를 바꿀 게임 체인저인 ‘유리기판(Glass Substrate)’에 대한 이야기입니다. 기술 표준을 쥐려는 글로벌 거인들과 제조 능력을 앞세운 국내 공급망 기업들의 흥미진진한 패권 경쟁을 분석해 봅니다.


    왜 플라스틱 기판은 AI 시대에 버텨내지 못할까? (워피지 현상)

    지금까지 우리가 사용해 온 미세 반도체 기판은 대부분 플라스틱 계열(FC-BGA 등)이었습니다. 하지만 AI 가속기와 초거대 데이터센터용 칩이 등장하면서 플라스틱 기판은 물리적 한계에 부딪혔습니다.

    워피지(Warpage, 휨 현상)의 한계: AI 칩은 엄청난 열을 뿜어냅니다. 플라스틱은 열에 약하기 때문에 대면적 패키징을 할 때 기판이 휘어지거나 비틀어지는 불량이 발생합니다.

    미세 배선 피치의 한계: 칩과 기판을 연결하는 선(배선)이 촘촘해야 데이터가 빠르게 오가는데, 플라스틱 표면은 거칠어서 미세한 선을 새기는 데 한계가 있습니다. 이를 해결하기 위해 중간에 ‘실리콘 인터포저’라는 비싼 부품을 억지로 끼워 넣어야만 했습니다.


    유리기판 양산의 절대적 열쇠, TGV 기술이란 무엇인가

    유리기판 TGV 미세 가공 공정을 생성형 AI로 재현한 모습
    유리기판 TGV 미세 가공 공정을 생성형 AI로 재현한 모습

    플라스틱을 빼고 ‘유리’를 바닥에 깔면 어떻게 될까요? 유리는 열에 강해 절대 휘어지지 않고, 표면이 극도로 매끄럽습니다. 인터포저 같은 중간 부품 없이도 유리 표면에 직접 미세 배선 피치를 새겨 넣을 수 있어 인터커넥트 밀도를 극대화할 수 있습니다.

    여기서 핵심이 되는 공정이 바로 TGV(Through Glass Via, 유리 관통 비아) 기술입니다.

    유리에 머리카락 수십 분의 일 크기의 미세한 구멍을 수만 개 뚫고, 그 속을 구리로 채워 전기가 통하는 길을 만드는 기술입니다. 유리는 깨지기 쉬운 특성이 있어 이 TGV 공정에서 수율(양품 비율)을 잡아내는 것이 곧 기술 장벽이자 핵심 경쟁력이 됩니다.


    인텔과 TSMC가 벌이는 유리기판 주도권 전쟁

    이 거대한 판을 주도하는 두 거인은 각자 다른 속내를 가지고 움직이고 있습니다.

    인텔 (원천 기술과 표준 장악): 인텔은 10년 전부터 10억 달러 이상을 투자해 유리기판의 개념을 정립한 ‘원조’입니다. 자체 대규모 양산 시점은 2030년 전후로 다소 여유가 있지만, 기술 표준을 쥐고 생태계를 통제하려는 목적이 강합니다.

    TSMC (생태계 장악과 잠재적 위협): 파운드리 최강자 TSMC는 자사의 독점적 패키징 생태계인 CoWoS에 유리기판을 이식하겠다고 선언했습니다. 특히 일본의 소재·장비 강소기업(이비덴 등)들과 폐쇄적인 연합 전선을 구축하며 판을 흔들고 있습니다.


    ‘제조의 힘’을 쥔 한국 기업들, 퍼스트 무버가 될 수 있을까?

    AI 반도체 유리기판 자동화 양산라인을 생성형 AI로 재현한 모습
    AI 반도체 유리기판 자동화 양산라인을 생성형 AI로 재현한 모습

    판은 글로벌 거인들이 짜고 있지만, “누가 가장 먼저 공장에서 돈이 되는 수율로 찍어낼 수 있는가?”라는 제조 경쟁력의 관점에서는 한국 기업들이 압도적인 선두 주자입니다.

    SKC 앱솔릭스: 세계 최초 상용화의 가시권

    SKC의 자회사 앱솔릭스는 전 세계에서 가장 발 빠르게 움직였습니다. 미국 조지아주에 세계 최초의 유리기판 양산 공장을 이미 완공했고, 현재 글로벌 빅테크 기업들과 최종 인증 테스트를 진행 중입니다.

    인텔의 자체 공장 완공(2030년)을 기다리지 않고, 2026년 말~2027년 초 세계 최초 상용 양산이라는 타이틀을 선점하여 시장의 ‘사실상 표준(De facto standard)’을 강제하겠다는 무서운 속도전을 펼치고 있습니다.

    삼성전기: 종합 반도체 생태계의 시너지

    삼성전기는 인텔 출신의 핵심 임원을 영입하며 기술 완성도를 바짝 끌어올렸습니다. 2026년 샘플 공급, 2027년 하반기 본격 양산을 로드맵으로 달리고 있습니다.
    삼성전기의 진짜 무서운 점은 그룹 내 시너지입니다. 삼성전자 파운드리, HBM 메모리 사업부와 연계하여 “칩 생산부터 유리기판 후공정까지 한 번에 해결해 주는 턴키(Turn-key) 솔루션”을 제공할 수 있다는 독보적인 구조적 강점을 가집니다.


    투자자라면 ‘수율의 벽’을 넘어설 장비를 봐야 합니다

    유리기판 시장을 바라보는 투자자의 시선은 명확해야 합니다. “누가 유리기판을 쓰느냐”보다 “유리기판을 만들기 위해 반드시 필요한 독점적 장비와 소재를 누가 공급하느냐”가 중요합니다.

    유리를 깨뜨리지 않고 미세한 구멍을 뚫는 TGV 레이저 장비 기업, 미세 균열을 검사하는 계측·검사 장비 기업 등 공급망 내에서 대체 불가능한 기술력을 가진 기업들이 초기 유리기판 시장의 과실을 가장 크게 따먹을 것입니다.

    인텔이 표준을 만들고 TSMC가 생태계로 압박해 오더라도, 결국 공장에서 수율을 맞춰 물건을 만들어낼 ‘제조의 힘’은 한국의 공급망 기업들이 선점하고 있습니다. 2026년과 2027년, 글로벌 반도체 패권 전쟁의 향방을 바꿀 유리기판의 1라운드 주도권은 한국 기업들의 손에 달려있습니다.


    ❓ 자주 묻는 질문(FAQ)

    유리기판이 차세대 기술임에도 아직 대량 양산이 늦어지는 가장 큰 걸림돌은 무엇인가요?
    A. 가장 큰 과제는 ‘유리의 취약성(깨짐)’‘초기 수율 확보’입니다. 유리는 가공이나 운송 중에 미세한 충격에도 쉽게 금이 가거나 깨질 수 있습니다. 특히 구멍을 뚫는 TGV 공정에서 균열 없이 미세 회로를 안착시켜 양산 수율을 경제적인 수준까지 끌어올리는 것이 현재 전 세계 장비·소재 기업들이 넘어야 할 가장 높은 기술적 장벽입니다.

    Q. 글로벌 빅테크 기업들 중에서 유리기판 도입에 가장 적극적인 곳은 어디인가요?
    A. 현재 시장을 주도하고 있는 것은 인텔(Intel)입니다. 인텔은 이미 10년 전부터 유리기판 원천 기술 확보에 10억 달러 이상을 투자해 왔으며, 이 판을 처음 짠 주인공입니다. 최근에는 엔비디아, AMD, 애플 같은 글로벌 팹리스 및 빅테크 기업들도 독점적인 고성능 AI 가속기 생산을 위해 국내 공급망 기업들과 긴밀하게 도입을 논의하고 있습니다.

    Q. 유리기판은 기존 플라스틱 기판을 완전히 대체하나요?
    A. 당장은 단가와 수율 문제로 모든 기판이 유리로 바뀌지는 않습니다. 최고 성능을 내야 하는 초고성능 AI 가속기, 데이터센터용 칩 등 하이엔드 시장부

    Q. 유리기판 도입 시 반도체 성능은 얼마나 좋아지나요?
    A. 기존 유기 기판 대비 전력 소비는 30% 이상 감소하고, 데이터 전송 속도와 밀도는 8배 이상 향상될 수 있는 것으로 알려져 있습니다.터 우선 도입된 후 점진적으로 확대될 것입니다.


    📚 참고자료

    1. 코리아헤럴드 “KH Explains Korea’s hidden AI race is made of glass
    2. 트렌드 뉴스 “[뉴스] 한국, 앱솔릭스와 삼성의 유리 기판 표준 관련 인텔에 이의 제기… 상용화 가속화”
    3. [매일경제] 유리 기판 시장에서 승리한다는 것은 경쟁 우위를 확보하는 것을 의미합니다”.
    4. 한국경제TV “반도체 유리기판 전쟁! 삼성전기 vs. SKC, 그 승자는?

    💡 [반도체 후공정 시리즈 함께 읽기]

  • [반도체 후공정 총론]삼성전자 턴키 전략, TSMC 독주에 맞서는 3가지 승부수

    [반도체 후공정 총론]삼성전자 턴키 전략, TSMC 독주에 맞서는 3가지 승부수

    수직계열화 전략이 본격적으로 가동되는 지금, 정작 업계에서 가장 주목하는 카드는 칩 설계나 공정 미세화가 아니라 ‘패키징’이라는 사실은 꽤 의외로 다가옵니다.

    앞선 글 「HBM 다음 병목은 첨단 패키징? AI 반도체에서 CoWoS가 중요한 이유」에서 CoWoS의 구조와 HBM 연결 방식은 이미 자세히 다뤘으니, 이번에는 삼성전자가 꺼내든 I-Cube·X-Cube 전략이 실제로 어떤 판을 짜고 있는지에만 집중해보겠습니다.

    TSMC가 CoWoS 생산능력을 작년 말 월 3만 5000장 수준에서 올해 말 월 13만 장 수준까지 끌어올리는 동안(ZDNet Korea, 2026-06-09), 삼성전자는 숫자 경쟁 대신 ‘한 곳에서 다 해결해드립니다’라는 턴키(turnkey) 카드를 앞세우고 있습니다.

    과연 이 전략이 통할까요? 그 가능성과 한계를 함께 짚어보겠습니다.

    이 소식을 처음 접했을 때 솔직한 인상 — 삼성전자 턴키 전략, 왜 지금인가

    제 나름의 판단을 말씀드리면, 삼성전자는 꽤 오래 전부터 준비해온 카드를 이제야 공개적으로 꺼내든 것으로 보입니다. 메모리·파운드리·패키징을 한 지붕 아래 묶는다는 구상은 새로운 게 아닌데, TSMC가 CoWoS로 AI 패키징 시장을 빠르게 잠식하자 삼성전자도 더 이상 ‘내부 역량 개발 중’이라는 말만 반복할 수 없게 된 것이죠.

    흔히들 이렇게 말하죠 — “삼성은 뭐든 다 만들 수 있는데 왜 TSMC를 못 이기느냐”고요. 그 질문에 대한 삼성전자의 답이 바로 이번 턴키 전략입니다. 각각의 기술이 뛰어난 게 아니라, 그것들을 하나의 공급망으로 연결할 수 있다는 점이 차별점이라는 거죠.

    TSMC는 순수 파운드리 회사라 메모리를 직접 만들지 않습니다. 엔비디아 GPU에 HBM을 붙이는 작업을 할 때, TSMC는 SK하이닉스·마이크론 같은 외부 메모리 회사의 HBM을 받아서 패키징해야 합니다. 실제로 이들 3사는 이미 신규 생산 능력의 70%를 HBM으로 전환했지만, 전체 공급 부족률은 여전히 50~60%에 달하는 것으로 알려져 있습니다(TradingKey, 2026-06-04).반면 삼성전자는 HBM을 자체 생산하면서 파운드리와 패키징까지 한 번에 묶어 고객에게 제공할 수 있다는 점이 이론상 강력한 무기입니다.

    삼성전자 I-Cube·X-Cube — 2가지 패키징 기술의 차이

    삼성전자의 첨단 패키징 브랜드를 이해하려면 두 가지 이름을 기억하면 됩니다. I-Cube와 X-Cube입니다.

    I-Cube는 2.5D 인터포저 기반 패키징입니다. 쉽게 설명하면, 칩들을 한 층짜리 ‘공용 선반(인터포저)’ 위에 나란히 올려놓고 그 선반을 통해 서로 신호를 주고받게 하는 방식입니다. 여러 칩이 같은 층에 놓이되, 그 아래 공용 배선 기판이 고속 통로 역할을 합니다. CoWoS와 유사한 접근이죠.

    X-Cube는 TSV(Through Silicon Via) 기반 3D 수직적층 패키징입니다. 이건 선반에 나란히 두는 게 아니라, 칩을 위아래로 쌓아 올리고 미세한 구멍(TSV)을 뚫어 수직으로 연결하는 방식입니다. 아파트 층간 배선처럼, 위 칩과 아래 칩이 수직으로 직접 소통합니다. 면적을 줄이면서 더 빠른 연결이 가능하다는 점에서 AI 칩의 밀도 요구에 잘 맞습니다.

    I-Cube와 X-Cube를 가르는 핵심 차이 2가지

    첫 번째 차이는 공간 활용 방식입니다. I-Cube는 수평으로 칩을 배치하기 때문에 전체 면적이 늘어나지만, 제조 난이도가 상대적으로 낮습니다. X-Cube는 수직으로 쌓기 때문에 면적은 줄어드는 대신, 층간 정렬 정밀도와 열 방출 관리가 훨씬 까다롭습니다.

    두 번째 차이는 적합한 용도입니다. I-Cube는 GPU와 HBM을 나란히 연결하는 AI 가속기 패키징에 자연스럽게 맞아 들어가고, X-Cube는 고집적 메모리나 로직 칩 위에 메모리를 바로 올리는 고밀도 구성에 더 어울립니다. 두 기술을 모두 보유한 덕분에 삼성전자는 고객의 요구에 따라 선택지를 제시할 수 있다는 게 장점입니다.

    턴키 전략을 뒷받침하는 3가지 실제 움직임

    전략이 말에 그치지 않으려면 구체적인 계약과 협력이 따라와야 합니다. 최근 보도들을 보면 삼성전자의 턴키 전략은 실제 계약 레벨에서도 조금씩 결실을 맺기 시작한 것으로 보입니다.

    테슬라 AI6 — 2033년까지 22조 7000억원 규모 위탁생산 계약

    뉴스핌(2026-04-14) 보도에 따르면 삼성전자는 테슬라의 차세대 AI 칩 AI6의 위탁생산 계약을 체결했습니다. 글로벌이코노믹(2026-03-31)은 이 계약 규모가 2033년까지 22조 7000억원에 이른다고 전했습니다.

    특히 눈에 띄는 수치는 2나노 공정 수율입니다. 뉴스핌 보도 기준으로 약 60% 수준까지 끌어올렸다는 내용인데, 이는 양산 진입을 위한 현실적인 기준선에 근접했다는 신호로 읽힙니다. KB증권 김동원 연구원은 삼성전자 파운드리 사업 내 테슬라 매출 비중이 2027년 3%에서 2031년 30%까지 확대될 것으로 전망했습니다(글로벌이코노믹, 2026-03-31).

    저 역시 이 부분에서 고개를 끄덕이게 됐습니다 — 테슬라는 TSMC에 대한 단일 공급망 의존을 줄이고 싶은 구매자이고, 삼성전자는 대형 고객이 절실한 상황이니, 이해관계가 상당히 깔끔하게 맞아 떨어집니다.

    삼성전자 턴키 전략 기반의 파운드리 생산 현장을 생성형 AI로 구현한 2나노 AI 반도체 웨이퍼 검사 공정 가상 연출
    AI로 생성한 이미지

    브로드컴 협력 확대 — HBM을 넘어 2나노 파운드리·패키징까지

    파이낸셜뉴스(2026-08-14) 보도에 따르면 삼성전자는 브로드컴과의 협력 범위를 HBM 등 메모리 솔루션 공급에서 2나노 이하 파운드리 공정과 첨단 패키징까지 확대하고 있습니다.

    브로드컴은 ASIC 시장의 약 55~60%를 점유하는 회사로, 구글과는 2031년까지 이어지는 TPU 장기 공급계약을 맺었고 메타·오픈AI 등도 주요 고객사로 확보하고 있습니다(TradingKey, 2026-04-27). 이 회사가 삼성전자의 파운드리와 패키징을 함께 쓰게 된다면, 그 자체로 삼성전자 턴키 전략의 ‘증명 사례’가 됩니다.

    IBM·리벨리온 — 현재 확인된 2.5D 패키징 고객

    ZDNet Korea(2026-06-09) 보도에 따르면 삼성전자 I-Cube 등 2.5D 패키징의 확인된 고객은 현재 미국 IBM과 국내 AI 팹리스 스타트업 리벨리온 정도로 알려져 있습니다. 누적 출하량도 아직 소량 수준이라고 합니다.

    이 대목은 솔직히 아쉬운 부분입니다. 기술 브랜드가 있고 실물 제품도 나왔는데, 아직 TSMC와 같은 반열의 대형 고객(엔비디아·AMD·퀄컴 급)이 보이지 않습니다. 전략의 설계도는 완성됐지만, 집에 입주자가 아직 많이 들어오지 않은 상태라고 볼 수 있습니다.

    TSMC CoWoS 독주 — 삼성전자가 넘어야 할 2가지 벽

    TSMC가 왜 이 시장에서 독보적인지를 알면, 삼성전자가 어디서 얼마나 싸워야 하는지가 보입니다.

    글로벌이코노믹(2026-05-14) 보도에 따르면 TSMC는 CoWoS 용량을 2022년부터 연평균 90% 수준으로 확대해왔으며, 현재 18개의 신규 팹을 건설 중입니다. ZDNet Korea(2026-06-09) 보도 기준으로 CoWoS 생산능력은 작년 말 월 3만 5000장에서 올해 말 월 13만 장 수준까지 늘어납니다. 이 속도가 첫 번째 벽입니다.

    생산능력 격차 — 숫자로 드러나는 현실

    월 13만 장이라는 숫자는 단순히 크다는 게 아니라, 엔비디아·AMD·구글 등 주요 AI 칩 고객이 필요로 하는 물량을 실질적으로 소화할 수 있는 규모에 진입한다는 의미입니다. 생산능력이 받쳐주지 않으면 아무리 기술이 좋아도 고객이 발주를 내기 어렵습니다.

    삼성전자 Cube 패키징의 현재 출하량이 소량 수준이라는 점을 감안하면, 생산능력 측면에서 따라잡기까지는 상당한 시간이 필요해 보입니다.

    고객 신뢰 — TSMC가 쌓아온 실적이라는 벽

    두 번째 벽은 ‘검증된 파트너’라는 인식입니다. 엔비디아·퀄컴 같은 대형 팹리스는 수십억 달러짜리 제품의 수율과 납기를 믿고 맡길 수 있는 파운드리를 선택합니다. TSMC는 수십 년의 전업 파운드리 경력과 고객 데이터 보안 신뢰도로 이 인식을 쌓아왔습니다.

    삼성전자는 메모리 사업부와 파운드리 고객 사이에서 정보 방화벽을 잘 유지하고 있음을 지속적으로 증명해야 하는 숙제를 안고 있습니다. 이건 기술이 아니라 관계와 신뢰의 문제라, 단기간에 해결하기 어렵습니다.

    패널 단위 패키징(PLP)·SoP — 삼성전자가 노리는 2가지 구조 전환

    삼성전자는 기술 측면에서도 기존의 틀을 바꾸는 시도를 하고 있습니다. ZDNet Korea(2026-06-09) 보도에 따르면 삼성전자는 기존 웨이퍼 단위 패키징(WLP) 대신 패널 단위 패키징(PLP)과 시스템온패널(SoP)로의 전환을 추진 중입니다.

    웨이퍼는 원형입니다. 그런데 AI 칩은 점점 커지고, 원형 기판 위에 큰 칩을 올리면 가장자리에서 버려지는 면적이 늘어납니다. 패널은 직사각형입니다. 큰 칩을 효율적으로 배치하기엔 네모난 판이 훨씬 유리하죠. 마치 원형 쟁반 대신 직사각형 도마를 쓰는 것처럼, 재료 낭비가 줄고 면적 활용도가 올라갑니다.

    삼성전자 턴키 생산 전략의 핵심인 첨단 패키징 현장을 생성형 AI로 실사처럼 구현한 패널 단위 PLP 및 SoP 공정 라인 가상도
    AI로 이미지화

    시스템온패널(SoP)은 여기서 한 발 더 나아가, 하나의 패널 위에 로직 칩·메모리·수동 소자까지 통합하는 방향입니다. AI 서버의 핵심 구성요소를 하나의 판 위에 올려버리는 것이죠. 이 방향이 현실화되면 삼성전자의 수직계열화 강점이 가장 직접적으로 발휘될 수 있습니다.

    삼성이 TSMC를 넘기 위해 준비하는 차세대 구조 전환의 핵심인 유리기판과 임베디드 기판의 글로벌 패권 구도는 [반도체 후공정 2편: 유리기판 분석 글 보러가기]*에서 더 자세히 확인할 수 있습니다.

    인텔의 등장 — 삼성 대 TSMC 2파전이 아닌 3가지 변수

    이 경쟁을 삼성전자 대 TSMC의 2파전으로만 보면 전체 그림의 절반을 놓치게 됩니다. 녹색경제신문(2026-05-15) 보도에 따르면 인텔도 파운드리·첨단 패키징 시장에서 빠르게 존재감을 키우고 있으며, 애플이 자체 설계 프로세서 일부를 인텔 18A 공정에 맡기는 방안을 예비 합의한 것으로 전해집니다.

    인텔 18A가 만들어내는 3가지 변수

    첫 번째 변수는 고객 분산입니다. 애플이 인텔 18A를 쓰게 되면 TSMC 단일 의존에서 벗어난다는 신호가 되고, 다른 팹리스도 대안을 검토하는 계기가 됩니다.

    두 번째 변수는 삼성전자의 포지셔닝입니다. 인텔이 TSMC 고객을 가져가면 삼성전자에게 기회가 줄어드는 것처럼 보이지만, 역으로 ‘탈TSMC 흐름’이 시장에서 확산되면 삼성전자도 수혜를 입을 수 있습니다.

    세 번째 변수는 패키징 경쟁 구도입니다. 인텔은 뉴멕시코 리오랜초 생산시설을 거점으로 포베로스(Foveros) 3D 스태킹과 EMIB(임베디드 멀티다이 인터커넥트 브리지) 등 자체 첨단 패키징 기술을 고도화하고 있습니다(이데일리, 2026-07-30).삼성전자 I-Cube·X-Cube 전략과 인텔의 패키징 기술이 같은 고객을 놓고 경쟁하는 구도가 될 수 있습니다. 삼성전자 수직계열화 전략이 통하려면 TSMC뿐 아니라 인텔과의 차별화도 동시에 설득해야 하는 셈입니다.

    앞으로 삼성전자 I-Cube·X-Cube 전략의 성패를 가를 가장 중요한 관전 포인트는 크게 세 가지입니다.

    첫 번째는 2.5D 패키징 대형 고객 확보입니다. IBM·리벨리온을 넘어 글로벌 빅테크 또는 대형 팹리스 가운데 누가 다음 고객으로 공개되느냐가 이 전략의 현실성을 시장에 증명하는 결정적 장면이 될 것입니다.

    두 번째는 테슬라 AI6 양산 수율입니다. 2나노 공정 수율이 60% 수준에서 실제 양산 단계에서 어디까지 올라가느냐는 삼성전자 파운드리의 기술 신뢰도와 직결됩니다. 2027년 테슬라 매출 비중이 KB증권 전망치대로 흘러가는지 수치로 확인해보는 것도 좋은 기준이 됩니다.

    세 번째는 패널 단위 패키징(PLP·SoP)의 양산 전환 속도입니다. AI 칩이 계속 대형화되는 방향이라면 이 전환은 삼성전자에게 구조적 이점이 될 수 있습니다. 관련 공식 발표나 고객 사례가 나오는 시점을 눈여겨보시길 권합니다.

    삼성전자 수직계열화 턴키 전략은 아직 완성된 답이 아니라 진행 중인 실험입니다. 그 실험이 어떤 결과를 낼지, 이 세 가지 지표를 기준으로 계속 지켜봐도 좋을 것 같습니다.

    참고 자료

    ❓ 삼성전자 턴키 전략에 대해 자주 하는 질문 (FAQ)

    Q. 삼성전자 I-Cube와 X-Cube의 차이는 무엇인가요?

    I-Cube는 2.5D 인터포저 기반 패키징으로 칩들을 수평으로 배치해 고속 연결하는 방식이고, X-Cube는 TSV(Through Silicon Via) 기반 3D 수직적층 패키징으로 칩을 위아래로 쌓아 수직으로 연결하는 방식입니다. 전자는 GPU와 HBM 연결 등 AI 가속기에 적합하고, 후자는 고밀도 집적이 필요한 구성에 더 적합합니다.

    Q. 삼성전자 턴키 전략이란 무엇인가요?

    메모리(HBM)·파운드리·첨단 패키징(I-Cube, X-Cube)을 삼성전자 한 곳에서 일괄 제공하는 전략입니다. 고객 입장에서는 각 단계별로 다른 공급사를 쓸 필요 없이 삼성전자 한 곳에서 설계부터 패키징까지 해결할 수 있습니다. TSMC는 메모리를 자체 생산하지 않아 이 방식이 불가능하다는 점이 삼성전자의 차별점입니다.

    Q. 테슬라 AI 칩 위탁생산 계약의 규모와 기간은 어떻게 되나요?

    글로벌이코노믹(2026-03-31) 보도에 따르면 삼성전자의 테슬라향 AI 칩(AI6) 위탁생산 계약 규모는 2033년까지 22조 7000억원으로 알려져 있습니다. KB증권 김동원 연구원은 이 계약을 바탕으로 삼성전자 파운드리 사업 내 테슬라 매출 비중이 2027년 3%에서 2031년 30%까지 확대될 것으로 전망했습니다.

    Q. 삼성전자 2.5D 패키징의 현재 고객은 누구인가요?

    ZDNet Korea(2026-06-09) 보도를 기준으로 현재 확인된 삼성전자 2.5D 패키징(I-Cube) 고객은 미국 IBM과 국내 AI 팹리스 스타트업 리벨리온으로 알려져 있습니다. 누적 출하량은 아직 소량 수준이며, 업계에서는 대형 고객 확보가 시급하다는 평가가 나오고 있습니다.

    📚참고 자료

    1. 한국경제TV “반도체 유리기판 전쟁! 삼성전기 vs. SKC, 그 승자는?”
    2. HBM 다음 병목은 첨단 패키징? AI 반도체에서 CoWoS가 중요한 이유
    3. 뤼튼은 589억 적자인데 어떻게 1조 원짜리 회사가 됐을까?
    4. 국내 AI 반도체 스타트업 딥엑스, 현대차·바이두·삼성 동시 협력의 의미
    5. 파이낸셜뉴스 “TSMC, AI칩 패키징 질주…삼성전자, HBM·파운드리·패키징 역량 총력”
    6. ZDNet Korea “삼성전자 반도체 모멘텀의 마지막 퍼즐은 ‘패키징’ “

    반도체 후공정 시리즈 함께 보면 좋은 글

  • 르네사스, 차량용 반도체 생산 종료 선언 — AI 반도체로 대이동, 자동차 업계는 어디로?

    르네사스, 차량용 반도체 생산 종료 선언 — AI 반도체로 대이동, 자동차 업계는 어디로?


    2026년 8월 9일, SPTA TIMES 보도에 따르면 일본의 반도체 기업 르네사스(Renesas)가 6인치 웨이퍼 기반 차량용 반도체 생산을 단계적으로 종료하기로 결정했다고 합니다. 이유는 두 가지입니다. 설비가 노후화됐다는 것, 그리고 AI 반도체 중심으로 생산 전략을 전환하겠다는 것이죠.

    이건 르네사스만의 이야기가 아닐 겁니다. 글로벌 반도체 기업들이 너나 할 것 없이 수익성 높은 AI 반도체 쪽으로 생산 역량을 몰아가면서, 차량용 반도체라는 ‘조용하지만 필수적인’ 부품의 공급이 서서히 줄어들 가능성이 생긴 겁니다.

    르네사스의 결정이 왜 나왔는지, 그 배경과 파급 효과를 차근차근 짚어드리겠습니다.

    글로벌 차량용 반도체 1위 기업, 르네사스(Renesas)는 어떤 회사인가

    르네사스 일렉트로닉스는 일본을 대표하는 반도체 기업 중 하나로, 특히 자동차용 마이크로컨트롤러(MCU) 분야에서 세계적인 점유율을 자랑해 온 회사입니다. 쉽게 말하면, 자동차 안에 들어가는 수십~수백 개의 전자 두뇌 역할을 하는 칩을 만드는 곳이죠.

    우리가 운전할 때 브레이크를 밟으면 ABS가 작동하고, 에어컨 온도가 자동으로 조절되고, 계기판이 숫자를 표시합니다. 이런 동작 하나하나 뒤에 작은 반도체 칩이 명령을 처리하고 있는데, 르네사스는 바로 그 칩을 수십 년째 공급해 온 회사입니다.

    그런 르네사스가 6인치 웨이퍼 기반 차량용 반도체 생산을 단계적으로 줄이겠다고 선언했습니다. 이것이 왜 단순한 기업 내부 결정이 아닌지, 하나씩 살펴보겠습니다.

    6인치 웨이퍼 뜻과 특징: 반도체 제조 공정의 기초 이해

    반도체를 이해하려면 웨이퍼를 먼저 알아야 합니다. 웨이퍼는 반도체 칩을 만드는 얇고 둥근 실리콘 원판인데, 농부의 밭에 비유하면 이해가 쉽습니다.

    밭이 클수록 한 번에 더 많은 작물을 수확할 수 있죠. 반도체도 마찬가지입니다. 웨이퍼 지름이 클수록 한 번의 공정으로 더 많은 칩을 만들 수 있어 생산 효율이 높아집니다. 현재 최신 반도체 공장들은 주로 12인치(300mm) 웨이퍼를 씁니다.

    반면 6인치(150mm) 웨이퍼는 12인치보다 생산 면적이 훨씬 작고, 그 기반 위에서 돌아가는 설비들은 이미 수십 년이 지난 구형 장비인 경우가 많습니다. 에너지 효율도 낮고, 유지보수 비용도 점점 올라갑니다. 르네사스가 ‘노후화된 설비’를 철수 이유 중 하나로 든 것도 바로 이 맥락입니다.

    왜 지금까지 6인치 웨이퍼로 차량용 반도체를 만들어 온 걸까요? 차량용 반도체는 최첨단 초미세 공정보다 신뢰성과 내구성이 더 중요하기 때문에, 오히려 오래된 공정에서도 충분히 생산 가능했던 겁니다. 자동차는 영하 수십 도의 겨울부터 한여름 까지, 진동과 충격 속에서도 10년 이상 안정적으로 작동해야 하니까요.

    반도체 구형 공정을 ‘레거시 공정’이라 부르는 이유와 중요성

    업계에서는 6인치, 8인치처럼 오래된 웨이퍼 공정을 ‘레거시 공정’이라고 부릅니다. 낡았다는 뜻이 아니라, 지금도 특정 분야에서 꾸준히 쓰이는 검증된 기술이라는 의미가 강합니다.

    자동차, 산업 기계, 전력 관리 반도체 같은 분야는 최첨단 미세 공정보다 이 레거시 공정에서 더 잘 만들어지는 칩들이 있습니다. 문제는 이런 레거시 라인을 계속 유지하는 데 드는 비용과 기회비용이 점점 커지고 있다는 것이죠. 특히 AI 반도체처럼 엄청난 이익을 가져다주는 제품이 눈앞에 있을 때는 더더욱 그렇습니다.

    글로벌 반도체 기업들이 엔비디아 AI 반도체 시장으로 이동하는 이유

    🖼️ 여기에 이미지 1 삽입

    르네사스 성숙공정에서 사용하는 작은 실리콘 웨이퍼를 검사하는 모습

    여러 장의 그래프와 데이터가 인쇄된 종이 뭉치가 테이블 위에 넓게 펼쳐져 있고, 주변에 펜, 노트, 작은 소품들이 여유 있게 배치된 장면. 낮은 각도에서 촬영해 종이 표면의 질감과 그래프 선이 또렷이 보이고, 이른 아침의 옅고 부드러운 자연광이 측면에서 비쳐 차분하고 깔끔한 화이트 기조의 분위기.

    요즘 반도체 업계를 보면, 마치 골드러시 시대에 모두가 서부로 달려가던 것과 비슷한 느낌입니다. 그 목적지는 단연 AI 반도체입니다.

    ChatGPT를 비롯한 대형 AI 서비스들이 폭발적으로 성장하면서, 이를 구동하는 데이터센터용 고성능 반도체 수요가 급격하게 늘었습니다. 엔비디아의 GPU가 대표적이지만, 그 외에도 다양한 AI 가속 칩들이 주목받고 있죠. 관련 업계에서는 AI 반도체 시장이 앞으로도 빠른 속도로 성장할 것이라는 전망이 잇따르고 있습니다.

    반도체 기업 입장에서 AI 반도체는 단위 가격도 높고 마진도 두껍습니다. 같은 공장, 같은 시간, 같은 인력을 투입했을 때 돌아오는 수익이 차량용 반도체와 비교가 안 될 정도로 큰 거죠. 그러니 기업들이 생산 라인을 AI 반도체 쪽으로 옮기고 싶어 하는 것은 어쩌면 당연한 경영 판단이기도 합니다.

    르네사스도 같은 흐름 안에 있습니다. 수익성이 낮아지고 있는 레거시 라인을 정리하고, 성장하는 AI 반도체 시장에 집중하겠다는 전략이죠. 이 결정 자체가 나쁘다고 단정하기는 어렵습니다. 다만 문제는 그 빈자리가 생긴다는 점입니다.

    파운드리 및 팹리스 업계 전반의 최첨단 공정 전환 흐름

    르네사스의 이번 결정이 유독 주목받는 이유는, 이것이 반도체 업계의 더 큰 흐름을 상징하기 때문입니다. 최근 관련 업계에서는 여러 글로벌 반도체 제조사들이 차량용·산업용 같은 레거시 공정 제품보다 AI·데이터센터 관련 첨단 반도체에 투자를 집중하는 경향이 뚜렷하다는 이야기가 나오고 있습니다.

    공급 측면에서 보면, 여러 회사가 동시에 같은 방향으로 생산 전략을 바꿀 경우 특정 부품의 공급이 일시에 줄어드는 ‘공급 절벽’ 현상이 나타날 수 있습니다. 2020년대 초반 코로나19 이후 차량용 반도체 부족 사태를 경험한 자동차 업계로서는 이 흐름이 결코 남의 일처럼 느껴지지 않을 것입니다.

    구형 반도체 공급 부족(쇼티지)이 글로벌 자동차 업계에 미치는 영향

    차량용 반도체 공급이 줄면 가장 먼저 영향을 받는 것은 자동차 완성차 메이커들입니다. 자동차 한 대에는 수십에서 수백 개의 반도체 칩이 들어가는데, 그 중 하나라도 공급이 막히면 생산 라인 전체가 멈출 수 있습니다.

    우리가 주변에서 흔히 보듯, 반도체 하나 때문에 완성차 수십만 대 생산이 지연됐던 사례가 실제로 있었습니다. 2021~2022년의 차량용 반도체 쇼티지 때, 전 세계 자동차 공장들이 잇달아 가동을 중단했고 신차 출고 대기 기간이 수개월에서 1년 이상 늘어나기도 했었죠. 그 기억이 아직 생생한 분들도 많을 겁니다.

    르네사스의 이번 결정이 곧바로 같은 규모의 위기로 이어진다고 단언하기는 어렵습니다. 하지만 공급원 하나가 줄어드는 것은 분명히 업계 전체의 안전 마진을 좁히는 일입니다. 특히 전기차(EV) 전환이 빠르게 진행되면서 차량 한 대당 반도체 사용량이 오히려 늘어나는 추세인 만큼, 공급 감소의 영향은 과거보다 더 예민하게 작용할 수 있습니다.

    내연기관을 넘어 전기차·자율주행 시대에 차량용 반도체가 필수인 이유

    내연기관차에서 전기차로 넘어갈수록, 자동차 안에 들어가는 전자 부품의 비중이 폭발적으로 늘어납니다. 배터리 관리 시스템(BMS), 모터 제어, 회생제동, 각종 ADAS(첨단 운전자 지원 시스템) 등 전기차에만 필요한 기능들이 모두 반도체를 필요로 합니다.

    즉, AI 반도체 쪽으로 생산이 집중되는 시기에, 차량용 반도체 수요는 오히려 늘어나는 역설적인 상황이 펼쳐질 수 있는 겁니다. 이 간극을 누가 어떻게 메울지가 앞으로 자동차 업계의 핵심 과제 중 하나가 될 것으로 보입니다.

    차량용 반도체 공급망 다변화와 향후 시장 전망 분석

    르네사스의 차량용 반도체 생산 단계 종료로  자동차 생산라인이 영향을 받는 모습

    회로기판 하나를 중간 거리에서 낮은 각도로 촬영한 사진. 기판 표면의 초록빛 회로 패턴과 납땜 부품들이 또렷하게 보이고, 이른 아침의 옅고 은은한 자연광이 기판 위에 부드럽게 얹혀 있는 구도. 배경은 밝은 화이트 계열로 간결하며, 기판 자체에 시선이 집중되도록 주변 요소 없이 클로즈업한 실사 사진 느낌.

    르네사스가 빠져나간 자리를 두고 업계의 시선이 엇갈립니다. 한편으로는 다른 레거시 공정 전문 파운드리들이 그 수요를 흡수할 것이라는 낙관론도 있고, 다른 한편으로는 단기간에 공급처를 바꾸는 것이 결코 쉽지 않다는 우려도 있습니다.

    차량용 반도체는 자동차 안전과 직결되기 때문에, 공급사를 바꾸려면 품질 검증·인증 절차를 처음부터 다시 밟아야 합니다. 이 과정이 짧게는 수개월, 길게는 몇 년씩 걸리기도 하죠. 그 사이의 공백 기간이 문제입니다.

    또 주목할 점은 자동차 메이커들이 이런 리스크를 줄이기 위해 반도체를 직접 설계하거나, 장기 공급 계약을 맺거나, 심지어 반도체 회사에 직접 투자하는 움직임이 최근 빠르게 늘고 있다는 겁니다. 반도체 공급망이 ‘사는 쪽’과 ‘파는 쪽’의 단순한 구조에서 벗어나, 훨씬 복잡하게 얽히는 방향으로 진화하고 있는 거죠.

    르네사스의 이번 결정은 그 변화를 더욱 가속화하는 신호탄이 될 수도 있습니다. 관련 업계 전반에서 공급망 재편 논의가 활발하게 일어날 것으로 예상됩니다.

    현대차 등 완성차 제조사들의 반도체 내재화 및 대체 수급 전략

    대응 전략은 크게 세 방향으로 나눌 수 있습니다. 첫째, 대안 공급사를 조기에 확보해 공급처를 다변화하는 것. 둘째, 자체 반도체 설계 역량을 키워 의존도를 줄이는 것. 셋째, 기존 부품 재고를 최대한 확보해 전환 기간 동안의 충격을 완충하는 것입니다.

    어느 방법도 하루아침에 되는 일은 아닙니다. 결국 지금 이 시점부터 얼마나 빠르게 준비에 나서느냐가 향후 위기 대응 능력을 좌우하게 될 것입니다. 반도체 공급망 문제는 한번 불거지면 대응이 매우 느린 특성이 있기 때문에, ‘미리 대비’하는 것 외에 뾰족한 방법이 없다는 점을 업계 관계자들도 잘 알고 있습니다.

    르네사스의 6인치 웨이퍼 기반 차량용 반도체 생산 단계 종료 결정은, 표면적으로는 한 일본 기업의 생산 전략 변경처럼 보입니다. 하지만 그 속을 들여다보면, 반도체 산업 전체가 AI라는 거대한 조류에 따라 움직이고 있다는 현실이 보입니다.

    수익성 높은 AI 반도체로 생산 역량이 집중되는 것은 기업으로서 충분히 합리적인 결정입니다. 그러나 그 과정에서 차량용 반도체처럼 눈에 잘 띄지 않지만 없어서는 안 되는 부품의 공급이 서서히 줄어들 수 있다는 점은, 자동차 업계와 소비자 모두가 주목해야 할 부분입니다.

    전기차 전환이 빨라질수록 차량용 반도체 수요는 오히려 늘어납니다. 공급은 줄고 수요는 느는 이 구조적 간극이 어떻게 해소될지, 앞으로의 흐름을 계속 주시할 필요가 있습니다. 르네사스의 이번 결정이 업계의 공급망 재편 논의를 앞당기는 계기가 되기를 기대해봅니다.

    참고자료

    모닝스타 : 테슬라 주가가 로보택시 사업 확대를 앞두고 급등했습니다

    퍼플렉시티

    [FAQ] 르네사스 및 차량용 반도체에 대해 자주 묻는 질문

    Q. 르네사스가 차량용 반도체 생산을 완전히 중단하는 건가요?

    A. SPTA TIMES 보도에 따르면 ‘단계적 종료’이며, 6인치 웨이퍼 기반 차량용 반도체 라인을 점진적으로 줄이는 방식입니다. 모든 차량용 반도체 생산을 즉시 멈추는 것은 아니지만, 해당 라인의 생산 규모가 줄어드는 것은 분명합니다.

    Q. 6인치 웨이퍼와 12인치 웨이퍼는 어떻게 다른가요?

    A. 웨이퍼는 반도체 칩을 만드는 실리콘 원판인데, 지름이 클수록 한 번에 더 많은 칩을 생산할 수 있어 효율이 높습니다. 6인치는 비교적 오래된 규격이고, 최신 공장들은 주로 12인치를 씁니다. 6인치 기반 설비는 유지보수 비용이 높아지는 반면 생산성 향상에 한계가 있어 노후화 문제가 발생합니다.

    Q. 차량용 반도체 공급이 줄면 소비자에게는 어떤 영향이 있나요?

    A. 공급 부족이 심해질 경우 신차 생산 지연, 출고 대기 기간 증가, 그리고 차량 가격 상승으로 이어질 수 있습니다. 2021~2022년 차량용 반도체 쇼티지 당시 전 세계적으로 신차 출고가 수개월 이상 지연됐던 사례가 있는 만큼, 공급 감소는 소비자에게도 직접적인 영향을 줄 수 있습니다.

    Q. AI 반도체와 차량용 반도체는 왜 같은 공장에서 만들기 어렵나요?

    A. AI 반도체는 초미세 공정이 필요한 최첨단 칩인 반면, 차량용 반도체는 내구성·신뢰성이 핵심이라 오히려 검증된 레거시 공정에서 주로 생산됩니다. 생산 공정 자체가 달라서 같은 설비에서 두 가지를 동시에 만들기 어렵고, 기업들은 더 높은 수익을 주는 AI 반도체 쪽으로 투자를 집중하는 경향이 있습니다.

    함께 보면 좋은 글

    업스테이지는 왜 ‘다음’을 인수했을까? AI 스타트업이 30년 포털을 품은 이유

  • HBM 다음 주인공? CXL 반도체 개념과 관련주 쉽게 이해하기

    HBM 다음 주인공? CXL 반도체 개념과 관련주 쉽게 이해하기


    AI 반도체 이야기를 하다 보면 빠지지 않고 등장하는 것이 HBM입니다. GPU가 아무리 빠르게 계산해도 필요한 데이터를 제때 공급받지 못하면 제 성능을 낼 수 없기 때문에, GPU 가까이에서 많은 데이터를 빠르게 주고받는 HBM이 중요해졌습니다. 그런데 생성형 AI가 실제 서비스에 널리 사용되면서 또 다른 문제가 나타나고 있습니다. 빠른 메모리뿐 아니라 엄청나게 많은 메모리도 필요해지기 시작한 것입니다.

    챗GPT 같은 생성형 AI를 생각해보면 이해하기 쉽습니다. 한두 사람이 짧은 질문을 하는 것과 수많은 사람이 동시에 긴 대화를 이어가는 것은 필요한 메모리의 양부터 다릅니다. 그렇다고 모든 서버에 앞으로 필요할 최대 용량을 예상해 메모리를 잔뜩 넣어두면 평소에는 사용하지 않는 메모리가 많아집니다. 반대로 필요한 만큼만 설치했다가 사용량이 갑자기 늘어나면 메모리가 부족할 수 있습니다.

    그렇다면 서버가 원래 가지고 있는 메모리 외에 별도의 대용량 메모리를 추가해 필요할 때 사용할 수는 없을까요? 실제로 그런 방법이 개발되고 있습니다. 별도의 DRAM 메모리를 추가하고, 서버가 이 추가 메모리를 사용할 수 있도록 연결하는 것입니다. 이때 서버와 추가 메모리를 연결해 데이터를 빠르게 주고받도록 해주는 기술이 CXL(Compute Express Link)입니다.

    메모리는 따로 있고, CXL은 그곳으로 가는 길입니다

    여기서 가장 먼저 구분해야 할 것이 있습니다. CXL 자체가 메모리는 아닙니다. 실제 데이터를 담는 메모리는 따로 있습니다. 우리가 잘 알고 있는 DRAM을 이용해 서버가 추가로 사용할 수 있는 메모리 공간을 만드는 것입니다. 그리고 서버가 그 추가 메모리에 접근해 데이터를 주고받을 수 있도록 연결해주는 기술이 CXL입니다.

    삼성전자 실제 CXL 2.0 D램 장치

    아파트를 떠올려보겠습니다. 각 가정에는 원래 자기 집에서 사용하는 창고가 있습니다. 그런데 앞으로 짐이 얼마나 늘어날지 모르니 모든 집이 아주 큰 창고를 미리 만들어놓는다면 어떤 집은 창고가 꽉 차고, 어떤 집은 절반 이상이 비어 있을 겁니다. 그렇다고 옆집 벽에 붙어 있는 창고를 떼어다가 우리 집으로 가져올 수도 없습니다.

    그래서 아예 아파트에 별도의 대형 공동창고를 하나 더 만든다고 생각해보겠습니다. 각 집의 개인 창고는 그대로 있습니다. 평소에는 자기 창고를 사용하다가 짐이 많아지면 공동창고의 공간을 추가로 이용합니다.

    여기서 공동창고가 추가 메모리이고, 각 가정과 공동창고를 연결하는 전용도로가 CXL이라고 생각하면 됩니다. 공동창고는 실제 물건을 보관하는 공간이고, 도로는 그 창고를 이용하기 위해 오가는 길입니다. 둘은 전혀 다른 것이지만 공동창고를 제대로 이용하려면 둘 다 필요합니다.

    그래서 뉴스에서 흔히 말하는 ‘CXL 메모리’는 CXL이라는 새로운 종류의 메모리가 아닙니다. CXL이라는 연결 방식을 이용해 서버에 추가로 연결한 메모리라는 뜻입니다.

    그렇다면 ‘메모리 풀링’은 또 무엇일까요?

    여기까지 이해했다면 다음 계단은 어렵지 않습니다. 서버가 추가로 사용할 메모리 장치를 하나만 연결할 수도 있지만, 여러 개의 추가 메모리를 연결해 하나의 큰 메모리 공간처럼 구성할 수도 있습니다. 그리고 여러 서버가 필요에 따라 이 추가 메모리 자원을 활용하도록 만들 수 있습니다. 이것을 **메모리 풀링(memory pooling)**이라고 합니다.

    다시 아파트로 돌아가보겠습니다. 공동창고에 작은 창고방이 여러 개 있다고 생각하면 됩니다. 각각 따로 놀게 두는 대신 전체를 하나의 큰 공동 보관공간처럼 운영합니다. 1호 집에 짐이 많아지면 더 많은 공간을 배정하고, 나중에 3호 집에 공간이 필요해지면 그쪽에도 필요한 공간을 배정하는 식입니다.

    중요한 것은 각 집의 기존 창고를 서로 나눠 쓰는 것이 아니라는 점입니다. 각 집의 창고는 그대로 있습니다. 그 밖에 별도의 공동창고를 추가하고 필요할 때 이용하는 것입니다. 마찬가지로 CXL 메모리 풀링도 기존 서버에 들어 있는 메모리의 남는 부분을 떼어 모으는 것이라고 생각하면 정확하지 않습니다. 별도로 추가한 메모리들을 CXL을 통해 연결하고, 이 추가 메모리 자원을 여러 서버가 보다 유연하게 활용하도록 만드는 것입니다.

    AI는 왜 이렇게 많은 메모리가 필요할까요?

    여기까지가 CXL의 기본 구조라면 이제 중요한 질문이 남습니다. “그런데 굳이 왜 이런 복잡한 일을 해야 하지?” 이유는 AI가 사용하는 메모리의 양이 크게 늘어나고 있기 때문입니다.

    생성형 AI는 사용자의 질문에 답하면서 앞에서 처리했던 내용을 일정 부분 기억해두고 다시 활용합니다. 우리가 대화하면서 앞에서 무슨 이야기를 했는지 전혀 기억하지 못한다면 대화가 제대로 이어지지 않는 것과 비슷합니다. AI 역시 앞서 처리한 정보를 일정 부분 메모리에 저장해두고 다음 답변을 만들 때 활용합니다.

    이렇게 AI가 작업 과정에서 잠시 정보를 저장해두는 공간을 기술적으로 KV Cache라고 합니다. 이름은 외우지 않아도 됩니다. 그냥 ‘AI가 대화를 이어가기 위해 사용하는 임시 메모장’이라고 생각하면 됩니다. 사용자가 적고 대화가 짧으면 작은 메모장으로 충분합니다. 하지만 수많은 사람이 동시에 이용하고 대화가 길어진다면 필요한 메모리도 빠르게 늘어납니다.

    결국 AI 서비스가 커질수록 문제가 생깁니다. GPU 주변의 빠른 메모리와 서버가 원래 가지고 있던 메모리만으로는 부족해질 수 있기 때문입니다. 그래서 서버가 추가로 사용할 수 있는 큰 메모리 공간을 만들고, 그것을 CXL을 통해 연결해 활용하는 방법이 주목받는 것입니다.

    HBM이 있는데 CXL 메모리까지 필요한 이유

    여기서 자연스럽게 이런 의문이 생깁니다. “HBM이 그렇게 빠르고 좋은 메모리라면서 HBM을 더 많이 넣으면 되는 것 아닌가?” 하지만 HBM과 CXL로 연결한 추가 메모리는 하는 일이 조금 다릅니다.

    HBM은 GPU 바로 가까이에서 엄청난 양의 데이터를 매우 빠르게 주고받는 데 강점이 있습니다. 그래서 HBM을 ‘지금 당장 사용할 자료를 펼쳐놓는 아주 빠른 책상’이라고 생각해보겠습니다. 일을 빨리하려면 지금 필요한 자료가 손을 뻗으면 바로 닿는 곳에 있어야 합니다. 하지만 처리해야 할 자료가 계속 늘어난다고 해서 책상을 끝없이 넓힐 수는 없습니다.

    그러면 책상 근처에 큰 자료실을 하나 더 만드는 방법을 생각할 수 있습니다. 이 자료실이 추가 메모리라면, 책상과 자료실을 연결해 필요한 자료가 오갈 수 있도록 만든 통로가 CXL입니다.

    그래서 HBM과 CXL은 서로 경쟁해서 하나가 다른 하나를 없애는 기술이라고 보면 안 됩니다. HBM은 GPU에 데이터를 얼마나 빠르게 공급할 것인가가 중요하고, CXL을 이용한 추가 메모리는 부족한 메모리 용량을 어떻게 더 유연하게 늘려 사용할 것인가에 초점이 있습니다.

    실제 AI 서버에서도 효과가 있을까요?

    새로운 기술을 볼 때 가장 중요한 질문은 결국 이것입니다. “그래서 실제로 써보니 되는가?” 원리가 아무리 훌륭해도 실제 AI 서버에서 성능이 크게 떨어지거나 비용이 너무 많이 든다면 널리 사용되기 어렵기 때문입니다.

    삼성전자는 최근 여러 개의 CXL 기반 메모리를 연결해 총 1TB 규모의 추가 메모리 공간을 만들고, AI가 작업하면서 기억해야 하는 정보를 이곳에 저장하는 실험을 진행했습니다. 쉽게 말하면 AI 서버 옆에 큰 추가 자료실을 만들고 CXL이라는 통로를 통해 실제로 사용해본 것입니다.

    삼성전자에 따르면 특정 시험 환경에서 여러 GPU를 사용하는 경우에도 기존 서버 메모리를 이용했을 때와 비교해 약 92% 수준의 성능을 유지하면서 더 큰 메모리 공간을 제공했습니다. 물론 이 숫자 하나만 보고 CXL을 이용한 추가 메모리가 기존 메모리를 대체한다고 생각해서는 안 됩니다. 특정 장비와 프로그램을 이용한 시험 결과이고 실제 성능은 서버 구성이나 작업에 따라 달라질 수 있습니다.

    중요한 것은 AI 서비스에서 메모리 부족이라는 문제가 실제로 커지고 있고, 별도의 추가 메모리를 CXL로 연결해 사용하는 방식이 그 문제를 해결할 하나의 방법으로 시험되고 있다는 점입니다.

    CXL이 주목받는 진짜 이유는 ‘효율’입니다

    데이터센터를 운영하는 회사의 입장에서 생각하면 CXL의 의미가 더 분명해집니다. 서버마다 앞으로 얼마나 많은 메모리가 필요할지 정확하게 예측하기는 어렵습니다. 부족할까 걱정해 모든 서버에 많은 메모리를 미리 설치하면 사용하지 않는 메모리가 생기고 비용도 늘어납니다. 반대로 너무 적게 설치하면 이용자가 갑자기 늘었을 때 메모리가 부족해질 수 있습니다.

    여기에 별도의 추가 메모리 공간을 만들어 여러 서버가 필요할 때 활용할 수 있다면 선택지가 하나 더 생깁니다. 각 서버에는 기본적으로 필요한 메모리를 설치하고, 추가로 필요한 메모리는 CXL을 통해 연결된 메모리 공간에서 확보하는 방식입니다.

    다시 아파트로 돌아가면 간단합니다. 네 가구가 혹시 짐이 늘어날까 봐 각각 거대한 창고를 하나씩 만드는 것보다, 각자 평소 필요한 개인 창고를 가지고 있으면서 별도의 공동창고를 하나 마련하고 필요할 때 이용하는 것입니다. CXL이 관심을 받는 이유도 결국 메모리의 용량을 늘리는 것뿐 아니라 비싼 메모리 자원을 필요한 곳에서 보다 효율적으로 활용할 가능성을 열어주기 때문입니다.

    삼성전자와 SK하이닉스가 CXL에 관심을 갖는 이유

    HBM과 CXL 메모리의 역할 차이

    AI 시대의 메모리 시장은 지금까지 HBM을 중심으로 움직였습니다. 하지만 AI 서비스가 커지면서 빠른 메모리뿐 아니라 더 많은 메모리도 필요해지고 있습니다. 그렇다면 메모리를 만드는 삼성전자와 SK하이닉스 같은 기업에는 HBM 이외에 서버용 추가 메모리라는 새로운 시장이 성장할 가능성이 있습니다.

    다만 CXL이 중요하다고 해서 곧바로 거대한 시장이 만들어졌다고 판단해서는 안 됩니다. CXL을 실제 데이터센터에서 널리 사용하려면 서버와 CPU, 메모리, 프로그램 등 여러 부분이 함께 지원해야 합니다. 실제로 사용했을 때 비용을 얼마나 줄일 수 있는지, 성능은 충분한지에 대한 검증도 필요합니다. 지금은 ‘CXL이 HBM 다음의 거대한 시장이다’라고 단정하기보다, AI 시대의 메모리 부족 문제를 해결할 유력한 방법 가운데 하나가 실제 시험대로 올라오고 있다고 보는 편이 적절합니다.

    투자자의 입장에서도 당장 ‘CXL 관련주’를 찾기보다 앞으로 AI 데이터센터에서 CXL로 연결하는 추가 메모리가 실제로 얼마나 많이 사용되는지를 보는 것이 중요합니다. 기술이 등장하는 것과 기업이 그 기술로 큰돈을 벌기 시작하는 것 사이에는 상당한 시간이 걸릴 수 있기 때문입니다.

    HBM 다음에는 ‘메모리를 어떻게 연결하고 쓸 것인가’도 중요합니다

    AI 반도체를 처음 공부하면 GPU와 HBM이 가장 먼저 눈에 들어옵니다. GPU가 계산하고 HBM이 데이터를 빠르게 공급하니 둘만 잘 만들면 될 것처럼 보입니다. 하지만 하나씩 들여다보면 AI 서버는 훨씬 복잡합니다. GPU와 HBM을 연결하는 첨단 패키징이 필요하고, 엄청난 데이터를 저장할 SSD가 필요하며, 이제는 늘어나는 메모리를 어떻게 효율적으로 확장하고 활용할 것인가라는 문제까지 등장하고 있습니다.

    CXL이 흥미로운 이유가 여기에 있습니다. 앞으로 CXL이 얼마나 큰 시장으로 성장할지는 아직 지켜봐야 합니다. 하지만 AI 반도체 시장을 이해하려면 한 가지 변화는 기억해둘 만합니다. AI 시대의 메모리 경쟁은 단순히 ‘누가 더 빠른 메모리를 만드느냐’에서 끝나지 않고 ‘필요한 메모리를 어떻게 연결하고 효율적으로 활용하느냐’의 경쟁으로 넓어지고 있습니다.

    그래서 CXL이라는 낯선 세 글자를 어렵게 외울 필요는 없습니다. 뉴스에서 CXL이라는 말이 다시 등장한다면 세 가지만 떠올리면 됩니다.

    모든 글

    추가 메모리는 실제 데이터를 담는 공간입니다.
    CXL은 서버와 그 추가 메모리를 연결하는 통로입니다.
    메모리 풀링은 여러 추가 메모리를 묶어 필요한 서버가 활용하도록 만드는 방식입니다.

    이 세 개의 계단만 밟으면 CXL이라는 상당히 전문적인 기술의 기본 구조는 이해한 것입니다.

    삼성전자

    Q&A

    Q1. CXL 자체가 메모리인가요?

    아닙니다. 실제 데이터를 저장하는 메모리는 별도로 존재합니다. CXL은 서버와 그 추가 메모리를 연결해 데이터를 주고받을 수 있도록 해주는 연결 기술입니다. 흔히 ‘CXL 메모리’라고 부르는 것은 CXL이라는 방식을 통해 서버에 연결해서 사용하는 메모리를 뜻합니다.

    Q2. CXL 메모리는 기존 서버에서 남는 메모리를 모아서 만든 것인가요?

    그렇게 이해하면 정확하지 않습니다. 각 서버가 원래 가지고 있는 메모리는 그대로 두고, 별도의 추가 메모리를 마련해 CXL을 통해 연결합니다. 여러 추가 메모리를 하나의 큰 공간처럼 구성해 여러 서버가 활용할 수도 있습니다.

    Q3. HBM이 있는데 왜 CXL로 연결한 추가 메모리가 필요한가요?

    역할이 다릅니다. HBM은 GPU 가까이에서 데이터를 매우 빠르게 공급하는 데 강점이 있습니다. CXL은 별도의 추가 메모리를 서버에 연결해 사용할 수 있도록 함으로써 부족한 메모리 용량을 보다 유연하게 확장하는 데 중요한 역할을 합니다.

    Q4. CXL은 앞으로 크게 성장할 기술인가요?

    AI 서비스가 커질수록 필요한 메모리 용량도 증가하기 때문에 CXL이 주목받을 가능성은 있습니다. 하지만 아직 성장 중인 시장이므로 실제 데이터센터의 도입 규모와 비용 절감 효과, 관련 생태계의 확대를 함께 지켜볼 필요가 있습니다.

    함께 보면 좋은 글

    .메모리 반도체, 올해 전체 시장 60% 차지…2028년까지 공급 부족

    태그: CXL, CXL 메모리, 메모리 풀링, AI 서버, AI 반도체