[태그:] #AI 반도체

글

AI 이야기를 보다 보면 GPU와 함께 자주 등장하는 반도체가 있습니다. 바로 NPU(Neural Processing Unit, 신경망 처리 장치)입니다.

GPU는 이제 익숙합니다. 생성형 AI가 빠르게 성장하면서 엔비디아 GPU가 AI 산업의 핵심 반도체로 떠올랐기 때문입니다. 그런데 최근 스마트폰과 AI PC에서는 NPU라는 이름도 자주 보입니다.

조금 이상합니다. GPU가 이미 AI 연산을 아주 잘하는데, 왜 굳이 NPU라는 새로운 반도체가 필요한 걸까요?

NPU GPU 차이를 이해하려면 두 반도체의 사양부터 비교하는 것보다 GPU가 어떻게 AI 반도체의 주인공이 됐는지부터 살펴보는 편이 쉽습니다.

GPU가 AI 시대의 핵심 반도체가 된 이유

GPU(Graphics Processing Unit)는 처음부터 AI를 위해 만들어진 반도체가 아닙니다. 이름 그대로 원래는 그래픽 처리를 위해 발전했습니다.

게임 화면에 복잡한 3D 그래픽을 그린다고 생각해봅시다. 화면을 구성하는 수많은 픽셀에 비슷한 계산을 동시에 반복해야 합니다. CPU가 복잡하고 다양한 명령을 순서대로 빠르게 처리하는 데 강하다면, GPU는 많은 연산을 동시에 처리하는 병렬 처리에 강합니다.

그런데 AI가 발전하면서 GPU에 뜻밖의 일이 벌어졌습니다. 딥러닝에서도 행렬 곱셈을 비롯해 비슷한 수학 연산을 엄청난 규모로 반복해야 했기 때문입니다. 그래픽을 위해 발전시켜온 GPU의 병렬 처리 능력이 AI와 아주 잘 맞았습니다.

그래서 GPU는 그래픽 반도체에서 AI 시대의 핵심 연산 장치로 올라섰습니다. 오늘날 GPU는 거대한 AI 모델을 학습시키는 데뿐 아니라 이미 학습된 모델을 실제 서비스에서 사용하는 추론(inference)에도 널리 활용됩니다.

그렇다면 질문이 하나 남습니다.

이렇게 GPU가 AI를 잘하는데 NPU는 왜 필요할까요?

GPU도 AI를 잘하는데 NPU가 등장한 이유

핵심은 GPU가 AI를 못해서가 아닙니다. 오히려 GPU는 굉장히 강력합니다. 그래픽뿐 아니라 AI, 과학 계산 등 다양한 병렬 연산을 처리할 수 있습니다.하지만 모든 AI 작업에 언제나 가장 강력하고 범용적인 연산 장치가 필요한 것은 아닙니다.

예를 들어 노트북에서 화상회의를 하는 동안 배경을 흐리게 하고, 카메라가 사람의 얼굴을 따라가고, 주변 소음을 계속 제거한다고 생각해봅시다. 이런 AI 기능은 회의하는 내내 반복적으로 작동해야 합니다.

이때 중요한 것은 단순히 ‘얼마나 강력한가’만이 아닙니다. 얼마나 적은 전력으로 필요한 AI 연산을 계속 처리할 수 있는가도 중요합니다. 그래서 이런 생각이 나옵니다.

AI에서 반복적으로 사용하는 연산에 필요한 기능을 집중해서 칩을 만들면 더 효율적이지 않을까?

이런 목적에 맞춰 등장한 것이 NPU입니다.

NPU는 신경망과 머신러닝에서 자주 사용되는 연산을 효율적으로 처리하도록 설계된 AI 특화 프로세서입니다. IBM은 GPU와 NPU 모두 AI에 필요한 병렬 처리에 강하지만, NPU는 머신러닝과 AI 작업을 위해 특별히 만들어졌다는 점을 중요한 차이로 설명합니다.

NPU GPU 차이는 결국 ‘범용성과 특화’에 있다

여기까지 오면 NPU GPU 차이가 조금 선명해집니다.

GPU는 매우 높은 병렬 처리 성능을 제공하면서 여러 종류의 작업에 사용할 수 있습니다. 반면 NPU는 AI 신경망에서 많이 사용하는 연산을 효율적으로 처리하는 데 좀 더 특화되어 있습니다.

자동차에 비유해보겠습니다.

GPU가 여러 종류의 도로에서 강력한 성능을 낼 수 있는 고성능 차량이라면, NPU는 특정 목적에 맞춰 연비와 효율을 높인 전용 차량에 가깝습니다.

따라서 둘을 단순히 ‘어느 것이 더 좋은 반도체인가’로 비교하면 중요한 부분을 놓치게 됩니다.

구분	GPU	NPU
출발점	그래픽 병렬 처리	AI·신경망 연산
핵심 특징	높은 병렬 처리 성능과 범용성	AI 연산에 특화
AI 학습	매우 강함	설계 목적에 따라 다름
AI 추론	매우 강함	효율적인 추론에 많이 활용
전력	높은 성능을 위해 많은 전력을 사용할 수 있음	저전력 AI 처리에 강점
주요 활용	AI·그래픽·과학연산 등	AI·머신러닝 중심
핵심 가치	성능과 범용성	전력·비용·지연시간 등의 효율

물론 모든 NPU가 모든 GPU보다 전력 효율이 좋거나 빠르다는 의미는 아닙니다. 실제 성능은 칩의 구조와 AI 모델, 소프트웨어, 메모리, 사용 환경 등에 따라 달라집니다.

중요한 것은 NPU가 GPU보다 ‘상위’ 또는 ‘하위’의 반도체가 아니라 설계 목적이 다른 반도체라는 점입니다.

GPU는 학습, NPU는 추론이라는 설명이 틀린 이유

NPU와 GPU를 설명할 때 흔히 이런 구분을 볼 수 있습니다.

GPU = AI 학습
NPU = AI 추론

처음 개념을 이해하기에는 편리하지만 정확한 구분은 아닙니다.

GPU는 AI 모델을 학습시키는 데 매우 강력하지만 추론에도 널리 사용됩니다. 따라서 NPU가 등장했다고 해서 AI 추론 시장을 NPU가 담당하고 GPU는 학습만 담당한다고 생각하면 안 됩니다.

NPU가 추론과 자주 함께 언급되는 이유는 다른 데 있습니다.

이미 학습된 AI를 실제 서비스나 기기에서 계속 사용하려면 최고 성능뿐 아니라 전력 소비, 비용, 발열, 처리 지연시간 같은 요소가 중요해집니다.

특히 스마트폰이나 노트북처럼 배터리로 작동하는 기기에서는 전력 효율이 더욱 중요합니다. 그래서 지속적인 AI 작업을 낮은 전력으로 처리하는 NPU의 장점이 커집니다. Intel도 AI PC에서 GPU를 높은 처리량이 필요한 작업에, NPU를 지속적인 AI 작업을 저전력으로 처리하는 데 적합한 장치로 설명합니다.

즉 ‘학습이냐 추론이냐’보다 ‘어떤 작업을 어느 정도의 성능과 전력으로 처리해야 하느냐’가 더 정확한 구분 기준입니다.

스마트폰과 AI PC에서 NPU가 필요한 이유

NPU의 역할은 데이터센터보다 우리가 사용하는 스마트폰이나 노트북을 생각하면 직관적으로 이해하기 쉽습니다. 화상회의 배경 흐림, 소음 제거, 자동 프레이밍, 음성 인식처럼 AI가 계속 작동해야 하는 기능이 늘어나고 있습니다.

이런 작업을 할 때마다 클라우드 서버로 데이터를 보내 처리할 수도 있지만, 기기 안에서 직접 처리하면 인터넷 연결에 대한 의존을 줄이고 지연시간을 낮추며 민감한 데이터를 외부로 보내지 않아도 되는 장점이 있습니다.

문제는 배터리입니다. 노트북에서 지속적인 AI 기능을 처리하기 위해 고성능 연산 장치를 계속 강하게 사용한다면 전력 소비가 커질 수 있습니다. 그래서 최근 AI PC에는 CPU와 GPU뿐 아니라 NPU까지 함께 들어갑니다.

각각 잘하는 일을 나누는 것입니다.

CPU는 빠른 응답이 필요한 범용 작업, GPU는 높은 처리량이 필요한 대규모 병렬 작업, NPU는 지속적으로 작동하는 저전력 AI 작업을 담당하는 식입니다. Intel은 실제 AI PC를 CPU·GPU·NPU가 함께 작동하는 구조로 설명합니다.

결국 중요한 것은 누가 다른 칩을 없애느냐가 아니라 적합한 일을 적합한 연산 장치에 맡기는 것입니다.

NPU가 결국 GPU를 대체하게 될까?

NPU가 빠르게 성장하고 있다는 이야기를 들으면 자연스럽게 이런 질문이 생깁니다. “그러면 결국 NPU가 GPU를 대체하는 것 아닐까?” 현재의 구조를 보면 그렇게 단순하게 보기는 어렵습니다.

GPU의 강점은 압도적인 연산 성능뿐 아니라 범용성에 있습니다. 다양한 AI 모델과 작업을 처리할 수 있고, 오랫동안 발전한 소프트웨어 생태계도 갖추고 있습니다.

반대로 NPU는 AI에 필요한 연산에 더 집중해 특정 환경에서 전력이나 비용 등의 효율을 높이는 방향으로 발전하고 있습니다.

실제 AI PC가 CPU·GPU·NPU를 함께 사용하는 것도 그래서입니다. 하나의 칩이 나머지를 모두 밀어내기보다는 작업의 특성에 따라 서로 다른 프로세서가 역할을 나눠 갖는 구조가 이미 나타나고 있습니다.

따라서 앞으로의 경쟁을 단순한 ‘GPU 대 NPU’의 승부로 보는 것보다 이렇게 질문하는 편이 낫습니다.

이 AI 작업을 가장 싸고 빠르고 효율적으로 처리할 수 있는 반도체는 무엇인가?

바로 이 질문이 NPU가 존재하는 이유와도 연결됩니다.

NPU GPU 차이를 알면 한국 AI 반도체가 다르게 보인다

여기까지 이해하고 나면 반도체 시장에서 또 하나 재미있는 질문이 생깁니다.

엔비디아 GPU가 이렇게 강력한데 왜 한국에서는 새로운 AI 반도체 스타트업들이 계속 등장하는 걸까요? 엔비디아보다 더 강력한 범용 GPU를 만들어 정면으로 싸우는 것만이 AI 반도체 시장에 진입하는 방법은 아닙니다.

AI가 데이터센터에서 스마트폰, 자동차, 로봇, 공장과 각종 엣지 기기로 확산될수록 필요한 반도체의 조건도 달라집니다. 어떤 곳에서는 최고 성능이 가장 중요하지만, 다른 곳에서는 전력 소비와 가격, 발열, 지연시간이 더 중요할 수 있습니다.

그 틈에서 AI 연산에 특화된 다양한 반도체가 등장할 공간이 생깁니다. 그래서 리벨리온이나 모빌린트 같은 한국 AI 반도체 기업을 볼 때도 단순히

“엔비디아보다 좋은 칩을 만들 수 있을까?”

라고 묻는 것보다,

“엔비디아 GPU를 사용하는 것이 너무 비싸거나 과한 영역에서 더 효율적인 선택지를 만들 수 있을까?”

라고 질문해보는 것이 더 중요합니다.

NPU와 GPU의 차이를 이해하는 것은 단순히 반도체 용어 하나를 배우는 일이 아닙니다. 엔비디아가 압도적인 시장에서도 왜 새로운 AI 반도체 기업에 투자금이 몰리는지를 이해하는 출발점이기도 합니다.

📚참고자료

IBM “NPU와 GPU: 차이점은 무엇인가요?”

인텔”AI PC란 무엇 인가요?

인텔”AI PC용 OpenVINO™ 툴킷”

❓ 자주 묻는 질문(FAQ)

NPU란 무엇인가요?
NPU는 Neural Processing Unit의 약자로, 신경망과 머신러닝에서 자주 사용하는 연산을 효율적으로 처리하도록 설계된 AI 특화 프로세서입니다.

NPU와 GPU 중 어느 것이 더 빠른가요?
단순하게 비교하기 어렵습니다. GPU는 높은 병렬 처리 성능과 범용성이 강점이고, NPU는 특정 AI 작업을 효율적으로 처리하도록 특화되어 있습니다. 어떤 AI 모델과 환경에서 사용하는지에 따라 결과가 달라집니다.

GPU는 학습용이고 NPU는 추론용인가요?
아닙니다. GPU는 AI 학습뿐 아니라 추론에서도 널리 사용됩니다. NPU가 추론에 많이 활용되는 것은 특히 지속적인 AI 작업에서 전력과 비용 등의 효율을 높이는 데 유리할 수 있기 때문입니다.

NPU가 앞으로 엔비디아 GPU를 대체할까요?
전면적인 대체보다는 역할 분화에 가깝게 보는 편이 좋습니다. AI 작업이 다양해질수록 GPU와 NPU를 비롯한 여러 종류의 연산 장치가 각각 적합한 작업을 담당할 가능성이 큽니다.

---

✨함께 보면 좋은 글

국내 AI 반도체 스타트업 빅3 성장 잠재력 — 엔비디아 독점 깰 대안은?

국내 AI 반도체 스타트업 리벨리온·모빌린트·하이퍼엑셀 경쟁력 분석

#NPU, #GPU, #AI 반도체, #AI 가속기, #온디바이스 AI

AI 반도체 이야기를 따라가다 보면 한동안 시선은 온통 HBM에 머물렀습니다. GPU가 아무리 빠르게 계산해도 데이터를 제때 공급하지 못하면 성능을 제대로 낼 수 없으니, HBM이 AI 시대의 핵심 메모리로 떠오른 것은 자연스러운 일이었습니다. 저 역시 AI와 메모리를 생각하면 가장 먼저 HBM부터 떠올렸습니다. 그런데 최근 낸드플래시 시장을 들여다보면 조금 다른 풍경이 나타납니다. 스마트폰이나 PC가 갑자기 엄청나게 팔리기 시작한 것도 아닌데 낸드 수요가 강해지고, 기업용 SSD가 AI 인프라의 중요한 부품으로 떠오르고 있습니다.

여기서 궁금증이 생깁니다. AI는 계산하는 기술인데 왜 저장장치까지 바꾸고 있는 걸까요? 이 질문을 따라가다 보면 AI 산업을 GPU와 HBM만으로 바라봐서는 전체 그림이 보이지 않는다는 것을 알 수 있습니다. AI는 엄청난 연산능력을 필요로 하는 동시에 엄청난 양의 데이터를 만들어내고, 읽고, 저장하고, 다시 불러오는 산업이기 때문입니다. 그리고 바로 그 지점에서 한동안 HBM의 화려한 성장에 가려져 있던 낸드가 다시 등장하고 있습니다.

HBM과 낸드는 하는 일이 다릅니다

HBM과 낸드는 모두 메모리 반도체지만 역할은 상당히 다릅니다. HBM은 GPU가 계산하는 동안 필요한 데이터를 매우 빠른 속도로 전달하는 작업 공간에 가깝습니다. 반면 낸드는 전원을 꺼도 데이터가 사라지지 않는 비휘발성 메모리로, 우리가 사용하는 스마트폰과 SSD 등에 데이터를 저장하는 역할을 합니다. 쉽게 말하면 HBM이 책상 위에 펼쳐놓고 당장 사용하는 자료라면, 낸드 기반 SSD는 필요할 때 꺼내 쓰기 위해 자료를 보관해두는 서류함에 가깝습니다.

그동안 AI 반도체 시장에서는 이 ‘책상’의 크기와 속도가 워낙 중요했습니다. GPU 성능이 급격히 높아지면서 데이터를 얼마나 빨리 공급하느냐가 병목이 됐고, 그래서 HBM이 시장의 주인공이 됐습니다. 하지만 AI 서비스가 실제 산업으로 확대되면서 상황이 달라지고 있습니다. 학습 데이터, 모델 데이터, 이미지와 영상, 기업 내부 자료, 그리고 AI가 생성하는 새로운 데이터까지 계속 쌓이고 있기 때문입니다. 계산을 아무리 빨리해도 이 데이터를 저장하고 다시 빠르게 불러올 공간이 부족하면 시스템 전체의 효율이 떨어질 수밖에 없습니다.

AI가 커질수록 저장해야 할 데이터도 함께 늘어납니다

생성형 AI 초창기에는 시장의 관심이 ‘얼마나 빠르게 학습할 수 있는가’에 집중됐습니다. 하지만 AI가 실제 서비스로 들어가면 이야기가 달라집니다. 수많은 사용자가 AI에 질문하고, 기업은 내부 데이터를 연결하고, AI 에이전트는 여러 작업을 반복해서 수행합니다. 텍스트뿐 아니라 이미지·영상·음성처럼 용량이 큰 데이터도 계속 증가합니다. AI가 발전할수록 계산해야 할 데이터뿐 아니라 보관하고 다시 불러와야 할 데이터의 양도 함께 커지는 구조인 것입니다.

실제로 2026년 낸드 시장에서는 이런 변화가 숫자로 나타나고 있습니다. TrendForce에 따르면 2026년 1분기 세계 5대 낸드 업체의 매출은 전 분기보다 83.7% 증가해 389억 달러를 넘어섰습니다. 주요 원인으로 AI 서버 인프라 구축에 필요한 고속·대용량 기업용 SSD 수요 증가가 지목됐습니다. 특히 고용량 QLC 기업용 SSD가 데이터센터 저장장치로 빠르게 확대되고 있습니다. 스마트폰과 PC 수요가 강해서 만들어진 전통적인 낸드 호황과는 성격이 다르다는 점이 중요합니다.

HDD가 있는데 굳이 비싼 SSD를 써야 할까?

여기에서 또 하나의 질문이 생깁니다. 데이터만 많이 저장하면 된다면 기존 HDD를 계속 사용하면 되지 않을까요? 실제로 HDD는 대용량 데이터를 저렴하게 보관하는 데 여전히 강점이 있습니다. 하지만 AI 데이터센터에서는 저장용량만큼 데이터 접근 속도와 전력효율, 설치 공간도 중요해지고 있습니다. 게다가 최근에는 대용량 HDD 공급 부족까지 겹치면서 일부 저장 수요가 SSD로 이동하고 있습니다. TrendForce는 2026년 AI 서버 저장 수요 증가와 HDD 공급 부족이 맞물리면서 고용량 QLC 기업용 SSD 수요가 강해지고 있다고 분석합니다.

SSD 업체들이 만드는 제품도 이를 보여줍니다. 마이크론은 올해 5월 245TB 기업용 SSD 출하를 시작했습니다. 회사 측에 따르면 같은 원시 저장용량을 HDD 기반 시스템으로 구성했을 때와 비교해 필요한 랙 수를 크게 줄일 수 있습니다. 삼성전자도 7월 PCIe 6.0 기반 기업용 SSD PM1763 양산을 시작하면서 AI 학습과 추론에서 데이터량이 급증함에 따라 데이터를 빠르고 안정적으로 공급하는 기업용 SSD의 중요성이 커지고 있다고 설명했습니다. 저장장치 경쟁이 단순히 ‘몇 TB를 저장하느냐’에서 얼마나 많은 데이터를 좁은 공간에서 빠르고 효율적으로 처리하느냐의 경쟁으로 옮겨가고 있는 셈입니다.

낸드 시장의 주인공도 스마트폰에서 데이터센터로 이동하고 있습니다

예전 낸드 시장을 볼 때 중요한 지표는 스마트폰과 PC 판매량이었습니다. 스마트폰 저장용량이 커지고 PC에 SSD가 보급되면서 낸드 수요가 늘었기 때문입니다. 그래서 소비경기가 나빠지고 스마트폰과 PC 판매가 줄어들면 낸드 업황도 함께 흔들리는 경우가 많았습니다. 그런데 지금은 소비자 시장이 아주 강하지 않은 상황에서도 기업용 SSD가 수요를 받쳐주는 새로운 구조가 나타나고 있습니다.

TrendForce는 2026년 기업용 SSD가 낸드플래시의 가장 큰 응용처로 올라설 것으로 전망했고, 최근 조사에서도 주요 공급업체들이 생산 자원을 서버 저장장치 쪽에 우선 배분하고 있다고 분석했습니다. 2026년 낸드 시장이 공급 부족 상태를 유지하고 있는 배경에도 AI 관련 수요 증가와 제한적인 생산능력 확대가 함께 자리 잡고 있습니다. 결국 낸드 시장을 볼 때도 이제 스마트폰 출하량만 확인해서는 부족합니다. AI 데이터센터 투자 → 서버 증가 → 기업용 SSD 증가 → 낸드 수요 증가라는 새로운 길이 하나 더 만들어진 것입니다.

그렇다면 삼성전자와 SK하이닉스에는 어떤 의미일까?

이 변화가 흥미로운 이유는 한국 메모리 기업을 바라보는 시각도 달라질 수 있기 때문입니다. AI 메모리 경쟁이라고 하면 자연스럽게 HBM 점유율부터 떠올리지만 삼성전자와 SK하이닉스 모두 낸드 사업을 가지고 있습니다.

특히 SK하이닉스 그룹에는 기업용 SSD 사업을 하는 솔리다임이 포함되어 있습니다. TrendForce 집계에서 2026년 1분기 삼성전자는 낸드 매출 135억1천만 달러로 31.6%의 점유율을 기록했고, SK하이닉스와 솔리다임을 합친 SK그룹은 약 75억3천만 달러로 17.6%를 차지했습니다. 솔리다임의 고용량 QLC 기업용 SSD 주문 증가도 그룹 실적에 힘을 보탰습니다.

다만 여기서 ‘AI가 뜨니 낸드는 무조건 좋다’고 단순하게 결론 내리면 곤란합니다. 낸드는 오랫동안 공급 증가와 가격 하락을 반복해온 산업이고, 기업용 SSD 수요가 강하더라도 생산업체들이 공급을 얼마나 늘리느냐에 따라 가격과 수익성은 다시 달라질 수 있습니다.

실제로 TrendForce는 현재의 공급 부족이 2026년에는 이어지겠지만 공정 전환에 따른 생산량 증가 등으로 2027년 하반기에는 수급이 점차 완화될 가능성을 전망하고 있습니다. 결국 투자자가 봐야 할 것은 단순한 낸드 출하량이 아니라 기업용 SSD 비중, 낸드 가격, 공급업체의 증설 속도와 AI 데이터센터 투자 흐름입니다.

AI 반도체 경쟁은 이제 ‘계산’만의 경쟁이 아닙니다

AI 산업을 하나의 거대한 사무실이라고 생각하면 구조가 조금 선명해집니다. GPU는 일을 아주 빠르게 처리하는 직원이고, HBM은 직원이 바로 손을 뻗어 사용하는 넓은 책상입니다. 그런데 회사가 커지고 처리해야 할 업무가 폭증하면 책상만 넓힌다고 문제가 해결되지 않습니다. 자료를 쌓아두고 필요할 때 빠르게 찾아올 수 있는 거대한 자료실도 함께 필요합니다. 그 자료실의 역할을 담당하는 것이 낸드 기반의 SSD입니다.

그래서 최근 낸드의 변화는 단순한 메모리 가격 반등 이상의 의미가 있습니다. AI가 발전하면서 반도체 산업의 병목이 GPU에서 HBM으로, 다시 첨단 패키징과 저장장치로 넓어지고 있기 때문입니다. 앞으로 AI 반도체 뉴스를 볼 때는 “GPU가 얼마나 팔렸나?”만 볼 것이 아니라 그 GPU가 만들어내고 사용하는 방대한 데이터를 어디에 저장하고 얼마나 빠르게 다시 꺼낼 것인가도 함께 볼 필요가 있습니다. AI 시대가 바꾸고 있는 것은 계산하는 칩만이 아닙니다. 그 계산을 뒷받침하는 저장장치까지 함께 바뀌고 있습니다.

자주 하는 질문

Q1. 낸드플래시와 SSD는 같은 것인가요?
같은 것은 아닙니다. 낸드플래시는 데이터를 저장하는 반도체 메모리이고, SSD는 낸드플래시와 컨트롤러 등을 결합해 만든 저장장치입니다. 쉽게 말하면 낸드가 핵심 재료라면 SSD는 그 재료로 만든 완제품에 가깝습니다.

Q2. AI 서버에는 왜 기업용 SSD가 필요한가요?
AI 학습과 추론 과정에서는 많은 데이터를 반복적으로 읽고 저장해야 합니다. 기업용 SSD는 대용량 데이터를 빠르게 처리하면서 서버 환경에서 요구되는 성능과 안정성을 제공하기 때문에 AI 데이터센터에서 중요성이 커지고 있습니다.

Q3. QLC SSD란 무엇인가요?
QLC는 하나의 낸드 셀에 4비트의 데이터를 저장하는 방식입니다. 같은 공간에 더 많은 데이터를 저장할 수 있어 대용량 SSD를 만드는 데 유리합니다. 최근 AI 데이터센터에서는 고용량 QLC 기업용 SSD 수요가 빠르게 증가하고 있습니다.

Q4. AI 수요가 늘면 낸드 가격은 계속 오를까요?
반드시 그렇지는 않습니다. 현재는 AI 서버용 기업용 SSD 수요와 제한적인 공급으로 수급이 타이트하지만, 낸드는 공급량 변화에 민감한 산업입니다. 공정 전환과 생산량 증가가 이어지면 수급이 다시 완화될 수 있으며, TrendForce는 현재 공급 부족이 2027년 하반기부터 점차 완화될 가능성을 전망하고 있습니다.

참고자료

조선일보 헬로T

함께 읽으면 좋은 글

HBM 다음 병목은 첨단 패키징? AI 반도체에서 CoWoS가 중요한 이유

메타 디스크립션
7월 28일 코스피가 10.84% 폭락하고 서킷브레이커까지 발동됐습니다. 삼성전자 90조 호실적에도 반등이 안 되는 이유, 구조적 취약성부터 수급까지 균형 있게 정리했습니다.

제가 7월 28일 오전 증시 화면을 처음 봤을 때, 솔직히 눈을 의심했습니다. 코스피가 단 하루 만에 10.84%나 빠지면서 서킷브레이커가 발동된 건 꽤 오랜만의 일이었거든요.

더 당혹스러웠던 건 그 이후였습니다. 삼성전자가 2분기에 약 90조 원 규모의 깜짝 호실적을 발표했는데, 증시는 별 반응이 없었습니다. 실적이 좋으면 주가가 올라야 하는 것 아닌가, 하는 교과서 같은 질문이 머릿속을 맴돌더라고요.

이 글에서는 단순히 ‘올라간다, 내려간다’는 예측 대신, 지금 시장에서 나오고 있는 여러 분석 시각을 가능한 한 균형 있게 풀어보겠습니다. 펀더멘털(실적·수익성)과 수급·심리 요인이 어떻게 다른지 구분해보는 것만으로도 지금 상황을 보는 눈이 달라질 수 있으니까요.

7월 28일 코스피 폭락, 정확히 무슨 일이 있었나

먼저 사실관계부터 짚어보겠습니다. 7월 28일 코스피는 단일 거래일 기준 10.84% 하락했고, 지수는 6000선 아래로 떨어졌습니다. 서킷브레이커는 지수가 전일 종가 대비 8% 이상 하락하면 20분간 모든 거래를 일시 중단하는 제도인데, 이게 발동됐다는 것 자체가 시장의 충격이 얼마나 컸는지를 보여줍니다.

직접적인 트리거는 두 가지였습니다. 첫 번째는 중국의 메모리 반도체 기업 CXMT(창신메모리)의 상장 소식이었습니다. CXMT는 중국 정부의 전폭적인 지원을 받아 급성장한 D램 제조사로, 이 회사의 본격적인 시장 진입이 삼성전자·SK하이닉스의 메모리 가격과 점유율을 위협할 수 있다는 우려가 갑작스럽게 증폭됐습니다.

두 번째는 미국 반도체주의 동반 급락이었습니다. 엔비디아를 포함한 미국 AI·반도체 관련주들이 같은 시기 큰 폭으로 하락하면서, 글로벌 반도체 투자심리 자체가 한꺼번에 꺾인 게 국내 증시에 그대로 전이됐습니다.

서킷브레이커란 무엇인가

서킷브레이커를 일상에 비유하자면, 전기 과부하가 걸렸을 때 집 전체가 타지 않도록 차단기가 내려가는 것과 같습니다. 주가가 너무 빠르게 급락할 때 시장 참여자들이 ‘잠깐 멈추고 냉정하게 생각해보라’는 취지로 거래를 일시 중단시키는 안전장치입니다. 2020년 코로나 팬데믹 초기 이후 오랜만에 발동됐다는 점에서, 이번 하락이 단순한 조정 수준이 아니었음을 방증합니다.

첫 번째 시각: 반도체 쏠림이 만든 구조적 취약성

일부 시장 전문가들은 이번 폭락을 단순한 외부 충격이 아니라, 코스피가 오래전부터 안고 있던 구조적 취약성이 터진 것으로 해석합니다.

핵심은 코스피 시가총액에서 삼성전자와 SK하이닉스 두 종목이 차지하는 비중이 지나치게 높다는 점입니다. 두 종목의 합산 시총 비중이 전체 코스피의 30%를 훌쩍 넘는 수준이다 보니, 이 두 종목이 10% 이상 빠지면 지수 전체가 3~4%p 이상 그냥 끌려 내려가는 수학이 됩니다.

우리가 주변에서 흔히 보듯, 건물 하중을 기둥 두세 개에만 집중시키면 그 기둥에 문제가 생겼을 때 건물 전체가 흔들립니다. 기둥이 튼튼할 때는 아무 문제가 없지만, 외풍이 세게 불면 집중 하중이 도리어 약점이 되는 거죠. 지금 코스피가 딱 그 상황이라는 겁니다.

CXMT 위협이 현실화되면 어떤 일이 생기나

CXMT의 D램 진입이 단순한 ‘잠재적 위협’에서 ‘현실적 경쟁’으로 바뀌면, 메모리 반도체 가격 전반이 하방 압력을 받을 수 있습니다. 메모리 가격은 공급이 조금만 늘어도 크게 떨어지는 특성이 있거든요. 이를 냉장고 유통에 비유하면, 동네에 마트가 하나 더 생기는 수준이 아니라, 정부 보조금을 가득 받아 거의 공짜로 파는 새 마트가 문을 여는 것과 같습니다. 기존 마트도 가격을 내릴 수밖에 없게 됩니다.

코스피 업종 다양성 문제와 장기 구조 개편 논의

이 맥락에서 코스피의 업종 다양성 부족이 다시 도마에 오르고 있습니다. 미국 S&P500은 기술주, 헬스케어, 소비재, 금융, 에너지 등 업종이 고르게 분산돼 있어 어느 한 섹터가 무너져도 지수 전체가 그 충격을 일정 부분 흡수합니다. 반면 코스피는 반도체 빅2의 등락이 전체 지수의 방향을 사실상 결정하는 구조여서, 해외 반도체 뉴스 하나에도 극도로 민감하게 반응하게 됩니다.

두 번째 시각: 펀더멘털은 탄탄, 밸류에이션 과열의 자연스러운 조정

반면, 지금의 하락이 구조적 붕괴가 아니라 ‘급등 후 숨고르기’일 뿐이라는 시각도 상당히 설득력 있습니다.

삼성전자는 2025년 2분기에 약 90조 원에 달하는 매출을 기록하며 실적 기대치를 뛰어넘었습니다. SK하이닉스도 HBM(고대역폭 메모리) 수요 덕분에 사상 최대 실적 행진을 이어가고 있고요. 반도체 수출액도 상반기 기준 역대 최고 수준을 기록했습니다.

이 시각에서 보면, 문제는 기업이 아니라 주가에 있었습니다. 올해 초부터 코스피와 반도체주는 AI 투자 붐을 타고 상당히 빠른 속도로 올랐는데, 주가 상승 속도가 실제 이익 개선 속도보다 훨씬 빨랐습니다. 이걸 주가수익비율(PER)로 보면, 주가가 현재 이익 대비 ‘미래 기대치’를 많이 선반영한 상태였다는 의미가 됩니다.

제가 최근에 느낀 점은, 이런 상황이 마치 맛있는 식당 앞에 사람들이 몰려서 웨이팅이 2시간이 된 것과 비슷하다는 겁니다. 식당이 나빠진 게 아니라, 기대가 실제 음식보다 훨씬 과하게 부풀어 있었던 거죠. CXMT 뉴스는 그 기대 버블에 핀 하나를 꽂은 이벤트였을 수 있습니다.

실적이 좋은데 왜 주가는 안 오르나

‘좋은 실적 = 주가 상승’이라는 공식이 항상 맞는 건 아닙니다. 시장이 이미 그 좋은 실적을 ‘기대’하고 미리 주가에 반영해놓았다면, 실적이 나왔을 때 추가 상승 에너지가 없게 됩니다. 심지어 ‘이 정도면 이미 다 알려진 호재’라며 오히려 차익 실현 매물이 나오기도 하죠. 이를 시장에서는 ‘사실에 팔아라(Sell the fact)’라고 부릅니다. 삼성전자 호실적 발표 이후 증시가 조용했던 이유 중 하나가 여기에 있다는 분석이 나옵니다.

세 번째 시각: 외국인 매도와 수급 구조의 균열

세 번째로 살펴볼 건 수급, 즉 누가 팔고 누가 사느냐의 문제입니다. 어떤 주식이든 팔 사람이 살 사람보다 많으면 가격은 내려갑니다. 지금 코스피가 반등을 못 하는 이유를 수급 측면에서 보면 꽤 명확한 그림이 나옵니다.

외국인 투자자들은 폭락 전후로 상당한 규모의 매도를 이어가고 있습니다. 표면적인 이유는 CXMT 등 중국발 경쟁 심화이지만, 더 큰 맥락에서는 글로벌 AI 투자 사이클에 대한 회의감이 깔려 있습니다. 엔비디아·마이크로소프트 등 빅테크의 AI 설비 투자가 과연 그에 맞는 수익을 낼 수 있는가, 라는 의문이 월가에서 꾸준히 제기되고 있거든요. AI 투자 사이클이 꺾인다면, 가장 큰 수혜자 중 하나였던 HBM 수요도 영향을 받게 됩니다.

개인과 기관의 저가 매수가 외국인 매도를 못 받아내는 이유

폭락 이후 개인 투자자들은 ‘저가 매수’ 기조로 대응하고 있고, 국내 기관도 일부 순매수를 이어가고 있습니다. 하지만 외국인 매도 규모가 이를 훨씬 웃돌고 있는 게 문제입니다. 물을 쏟아붓는 속도가 퍼내는 속도보다 빠른 상황인 셈이죠.

국내 기관 중 연기금이나 일부 자산운용사들은 일정 수준 이하에서는 기계적으로 매수에 나서지만, 외국인의 글로벌 포트폴리오 리밸런싱(자산 재배분) 흐름을 상쇄할 만큼의 화력은 아닙니다. 결과적으로 매도 우위의 수급 구조가 지속되면서 지수가 반등 동력을 찾지 못하고 있다는 분석이 나옵니다.

글로벌 AI 투자 사이클 우려, 어느 정도 신뢰할 수 있나

AI 투자 사이클 피크 아웃(정점 통과) 우려는 사실 2024년 하반기부터 꾸준히 제기돼온 이슈입니다. 빅테크들이 수백조 원 규모의 AI 인프라에 투자하고 있지만, 그 투자가 실제 기업 수익으로 얼마나 빠르게 연결될 것인지에 대한 의구심이 있습니다. 이 우려가 현실화되면 GPU와 HBM 수요 성장세가 둔화될 수 있고, 그게 SK하이닉스와 삼성전자 실적 전망에도 영향을 줍니다. 다만 이 시나리오 역시 ‘우려’에 머물러 있을 뿐, 아직 실제 수요 데이터가 그 방향을 확정적으로 가리키진 않고 있습니다.

세 가지 시각을 어떻게 함께 읽을 것인가

여기까지 정리하면, 지금 코스피 약세를 설명하는 세 가지 시각은 서로 모순되는 게 아닙니다. 오히려 동시에 작동하고 있을 가능성이 높습니다.

구조적 취약성(반도체 쏠림), 밸류에이션 과열 후 조정, 수급 불균형이라는 세 요인이 각각 독립적으로 존재하면서도 서로를 강화하는 구조입니다. 한 가지 요인만으로는 설명이 부족하고, 세 가지를 동시에 고려할 때 비로소 지금 상황이 입체적으로 보입니다.

제가 최근에 느낀 점은, 이런 복합 요인이 얽혀 있는 장세일수록 단일한 ‘원인’을 찾는 데 집착하기보다, 각각의 요인이 얼마나 빠르게 해소될 수 있는지를 따져보는 게 더 실용적이라는 겁니다.

단기·중기·장기 요인의 구분

밸류에이션 과열에 따른 조정은 상대적으로 단기적인 성격입니다. 시간이 지나면서 이익이 주가를 따라잡거나, 주가가 이익 수준까지 내려오면 자연스럽게 해소됩니다. 수급 불균형도 외국인 심리가 바뀌거나 글로벌 반도체 투자 심리가 회복되면 달라질 수 있습니다. 반면 반도체 쏠림이라는 구조적 취약성은 코스피 전체의 산업 다양화가 이뤄지지 않는 한 단기간에 해결되기 어렵습니다. 이 세 가지 요인 중 어느 것에 더 무게를 두느냐에 따라 지금 상황을 보는 시계(時計)가 달라집니다.

코스피 6000선 붕괴, 반도체 호실적에도 반등 없는 증시, 외국인 매도 지속. 이 모든 상황이 겹치면서 투자자들의 혼란은 커지고 있습니다.

하지만 이번 상황을 보면서 분명히 구분해야 할 게 있습니다. 삼성전자와 SK하이닉스의 실적 자체는 여전히 탄탄합니다. 반도체 수출 수치도 그렇습니다. 이 ‘펀더멘털’이 흔들린 게 아니라, 그 펀더멘털이 반영된 주가 수준(밸류에이션)과 글로벌 심리·수급 구조가 흔들리고 있는 겁니다.

‘반등이 임박했다’거나 ‘추가 하락이 불가피하다’는 식의 단정은 누구도 할 수 없습니다. 오히려 지금은 코스피 구조적 취약성이 얼마나 현실적인 리스크인지, 밸류에이션 부담이 어느 수준까지 해소됐는지, 외국인 수급 흐름이 어떻게 바뀌는지를 차분하게 지켜보는 시기입니다. 데이터와 팩트를 중심으로, 내러티브에 휩쓸리지 않는 눈이 필요한 장세입니다.

자주 묻는 질문

Q. 코스피 서킷브레이커는 어떤 조건에서 발동되나요?

A. 코스피 서킷브레이커는 지수가 전일 종가 대비 8% 이상 하락한 상태가 1분 이상 지속될 때 발동됩니다. 발동되면 모든 종목의 매매가 20분간 중단되고, 이후 10분간 단일가 매매로 재개됩니다. 하루에 두 번까지 발동될 수 있으며, 장 종료 40분 전 이후에는 발동되지 않습니다. 이번 7월 28일 발동은 2020년 코로나 팬데믹 초기 이후 오랜만의 일이었습니다.

Q. CXMT가 삼성전자·SK하이닉스에 실제로 위협이 되나요?

A. CXMT는 중국 정부의 대규모 보조금 지원을 받아 성장한 D램 제조사입니다. 기술 수준은 삼성전자·SK하이닉스 대비 1~2세대 뒤처진다는 평가가 일반적입니다. 다만 저가 물량 공세로 범용 D램 가격에 하방 압력을 줄 수 있다는 점은 실질적인 우려입니다. 고부가가치 제품인 HBM 분야에서는 아직 경쟁이 제한적이지만, 중장기적으로는 기술 격차가 줄어들 가능성을 배제하기 어렵습니다.

Q. 실적이 좋은데 왜 주가는 오르지 않나요?

A. 주가는 현재 실적이 아니라 ‘미래 기대치’를 반영합니다. 삼성전자 90조 실적이 발표됐지만, 시장은 이미 그 정도의 실적을 몇 달 전부터 가격에 녹여놓았을 수 있습니다. 이런 상황에서는 좋은 실적 발표가 추가 상승 동력이 되지 않고, 오히려 ‘알려진 호재’로 차익 실현의 계기가 되기도 합니다. 주가가 실적보다 너무 빠르게 올랐던 기간이 있었다면, 지금은 그 간격을 좁히는 과정일 수 있습니다.

Q. 지금 코스피에서 외국인이 계속 파는 이유는 무엇인가요?

A. 외국인 매도의 주된 배경으로는 크게 두 가지가 거론됩니다. 첫 번째는 CXMT 등 중국발 반도체 경쟁 심화로 인한 국내 반도체주 투자 매력 감소, 두 번째는 글로벌 AI 투자 사이클 지속 가능성에 대한 의구심입니다. 여기에 달러 강세, 글로벌 포트폴리오 리밸런싱 흐름까지 겹치면서 한국 시장에서의 비중 축소로 이어지고 있다는 분석이 나옵니다. 다만 이 흐름이 구조적 이탈인지, 일시적 심리 위축인지는 아직 확정하기 어렵습니다.

#코스피 6000선 붕괴#코스피 서킷브레이커#CXMT 반도체 상장#삼성전자 2분기 실적#외국인 매도 코스피#반도체 수급 구조

AI 반도체·메모리 슈퍼사이클 전망 – HBM이 이끄는 9,750억 달러 시장의 명암