[태그:] HBM

삼성전자가 반도체 직원 1인당 평균 약 4억 원의 인센티브를 지급한다. 노사 막판 합의 끝에 결정된 총 지급 규모는 최대 266억 달러(약 35조 원)다. 숫자가 먼저 말한다. AI가 반도체 수요를 끌어올리고, 그게 실적이 되고, 결국 월급봉투에 찍히는 구조가 완성됐다.

AI가 반도체 판을 뒤집은 방식

5년 전만 해도 컴퓨팅의 무게중심은 CPU였다. 지금은 GPU와 NPU(신경망처리장치)가 그 자리를 꿰찼다. 이유는 단순하다. AI 모델은 수천 개 연산을 동시에 처리해야 하는데, CPU 구조로는 처음부터 한계가 있다.

반도체 기술 혁신의 방향도 달라졌다. 범용보다 특수 목적 칩 수요가 폭증했고, 메모리도 단순 저장에서 고속 처리 중심으로 재편됐다. 시스템 반도체 시장이 불과 몇 년 새 이 정도로 커진 배경이다.

HBM: 지금 가장 뜨거운 메모리

고대역폭 메모리(HBM)는 D램 칩 여러 장을 수직으로 쌓아서 데이터 처리 속도를 극한까지 올린 제품이다. 기존 D램 대비 대역폭 차이가 수십 배까지 벌어진다. GPU가 AI 연산 중 데이터 병목으로 멈추는 걸 막아주는 역할이라고 보면 된다.

SK하이닉스와 삼성전자가 이 시장에서 치열하게 맞붙고 있다. 핵심 경쟁력은 칩을 쌓고 연결하는 첨단 패키징 기술이다. 소자 기술이 아니라 패키징에서 승부가 갈리는 구도가 됐는데, 이건 좀 의외의 흐름이기도 하다. 국내 기업들이 현재 이 부분에서 앞서 있다는 건 사실이다.

파운드리: 3나노 다음은 2나노

AI 칩 설계는 엔비디아·퀄컴 같은 팹리스 기업들이 맡는다. 그걸 실제 실리콘 위에 새기는 건 파운드리(Foundry)의 몫이다. TSMC와 삼성전자가 현재 3나노 공정을 양산 중이고, 2나노를 향해 막대한 투자를 쏟아붓고 있다.

미세 공정의 의미는 단순히 크기만이 아니다. 트랜지스터 집적도가 올라가면 같은 면적에서 더 많은 연산이 가능하고, 전력 효율도 올라간다. AI 데이터센터 전력 소비가 국가 전력망을 위협한다는 말이 나오는 시대다. 칩 효율이 곧 경쟁력이 된 것이다. 이 기술 싸움이 미-중 패권 다툼으로 번진 이유이기도 하다.

지금 실제로 수요 폭증 중인 직무 4개

AI 반도체 붐이 인력 수요를 특정 직무에 집중시키고 있다.

• AI 반도체 설계 엔지니어: GPU·NPU 등 AI 연산 특화 칩을 설계한다. 하드웨어 아키텍처와 소프트웨어 최적화를 동시에 이해해야 해서 진입 장벽이 높다. 그만큼 처우도 업계 최상위권이다.
• 공정/장비 개발 엔지니어: 미세 공정 기술 개발과 수율 개선이 핵심 업무다. Fab 현장에서 실제 장비를 다루는 직무라, 이론보다 실전 감각이 더 결정적이다.
• HBM/패키징 기술 엔지니어: AI 칩 성능에 직결되는 포지션이다. HBM 수요 폭증 이후 이 분야 인력 부족이 가장 심각하다.
• 데이터·AI 소프트웨어 개발자: 공정 데이터를 분석해 최적화에 기여하거나, AI 모델을 칩 위에서 효율적으로 돌리는 소프트웨어를 짠다. 비전공자도 진입 경로가 생긴 분야다.

품질 관리, 영업, 마케팅 같은 기존 직무들도 AI 분석 툴과 결합하면서 요구 역량이 달라졌다. 예전 방식 그대로론 점점 어렵다.

커리어 준비, 실질적인 것들

반도체는 공부 범위가 넓다. 전자공학·재료공학·물리학·화학이 다 엮여 있다. 기초 없이 취업부터 노리는 전략은 거의 통하지 않는다.

• 기초 학문: 반도체 소자 물리, 회로 이론, 프로그래밍은 어느 직무든 기본이다. 하나의 전공에서 깊이를 쌓아야 응용이 가능하다.
• 실무 경험: 학교 연구실, 인턴십, 공모전을 통해 실제 문제를 만져봐야 한다. Cadence·Synopsys 같은 시뮬레이션 툴 경험은 면접에서 꽤 결정적으로 작용한다.
• 기술 추적 습관: 반도체 기술은 3년이 다르다. ISSCC·IEDM 같은 학회 논문이나 주요 기업 IR 자료를 정기적으로 보는 루틴이 있으면 확실히 다르다.
• 끈기: 공정 문제 하나 잡는 데 몇 달이 걸리기도 한다. 논리적 사고력과 버티는 체력이 이 바닥에서 살아남는 기본기다.

다음 수순은

반도체는 기술만으로 굴러가지 않는다. 미국 CHIPS Act, 대중국 수출 규제, 각국 보조금 경쟁이 기업 전략을 수시로 뒤흔든다. 공급망 재편도 현재진행형이다. 어디서 칩을 만들지, 소재를 어디서 조달할지가 기업 생존에 직결되는 시대다.

AI 다음 수요처도 줄을 서고 있다. 자율주행, IoT, 양자 컴퓨팅이 순서를 기다린다. 단일 트렌드에 올인하기보다 기초를 넓게 다져두는 전략이 장기적으로 유리하다. 삼성 반도체 직원 1인당 평균 약 4억 원의 보너스 소식은 단순한 복지 이야기가 아니다. Tom’s Hardware 보도를 보면, 이 분야 기술 인력의 시장 가치가 그 수준이라는 신호다.

출처: Tom’s Hardware

AI 가속기 한 대 가격이 4억 원을 넘어섰다. GPU 값이 비싸다는 건 알겠는데, 그 GPU 한 장 안에서 메모리 반도체가 차지하는 비용이 절반을 넘길 때도 있다. 그 메모리가 바로 HBM이다.

GPU나 알고리즘 이야기는 넘쳐나는데, 정작 HBM은 잘 모르는 경우가 많다. 삼성전자가 스마트폰 사업 수익성 걱정에 빠진 것도, SK하이닉스가 갑자기 주목받기 시작한 것도 결국 HBM 때문이다. HBM, 풀네임은 High Bandwidth Memory. 고대역폭 메모리다.

HBM이란 정확히 무엇인가

이름 그대로 ‘데이터를 빠르게, 많이 주고받는 메모리’인데—그냥 빠른 RAM이 아니라 구조 자체가 다르다.

일반 DRAM은 기판 위에 평평하게 깔린다. 공간도 많이 차지하고, GPU와의 거리도 멀다. HBM은 DRAM 칩을 여러 장 수직으로 쌓아 올린다. 8단, 12단씩. 그리고 칩과 칩 사이를 TSV(Through-Silicon Via), 즉 실리콘 관통 전극으로 연결한다. 층간 이동 거리가 극단적으로 짧아지는 구조다.

• 적층 구조: DRAM 다이를 8단~12단으로 수직으로 쌓는다.
• TSV 기술: 칩과 칩을 수직으로 관통하는 전극으로 직접 연결한다. 데이터 이동 경로가 수십 분의 1로 줄어든다.
• GPU 바로 옆에 탑재: 같은 패키지 안에 GPU와 나란히 들어가 신호 지연을 최소화한다.

이 구조 덕분에 데이터 처리 속도와 대역폭이 일반 DRAM과 비교가 안 된다. 한 번에 더 많이, 더 빠르게 주고받는다.

AI가 HBM을 필요로 하는 이유

LLM 같은 거대 AI 모델은 학습 과정에서 수십~수백억 개의 파라미터를 동시에 처리한다. GPU가 아무리 연산을 빠르게 해도 데이터를 제때 못 받으면 멈춰 선다. 이게 ‘메모리 병목’이다. 초고속 스포츠카를 사도 진입로가 왕복 2차선이면 아무 소용 없는 것과 같다.

• 병목 해소: HBM은 GPU가 원하는 데이터를 지연 없이 밀어 넣는다. AI 연산 효율이 직결되는 지점이다.
• 병렬 처리에 최적화: 수억 개의 파라미터를 동시에 읽고 써야 하는 AI 연산 특성상, 높은 대역폭은 선택이 아니라 필수다.
• 전력 효율: 데이터 이동 거리가 짧으니 전력 소모도 적다. 수천 장의 GPU가 돌아가는 데이터센터에선 이게 운영비와 직결된다.

엔비디아 호퍼(H100)와 블랙웰(B200) 시리즈가 HBM을 핵심 부품으로 채택하는 건 이 때문이다. HBM 없이는 그 성능이 안 나온다.

일반 DRAM과 뭐가 다른가

성능 수치만 다른 게 아니다. 만드는 방식부터 쓰이는 곳까지 전혀 다른 제품이라고 봐야 한다.

• 대역폭 차이: DDR5 대비 수십 배 높다. HBM3E 기준으로 초당 1.2TB 이상의 데이터를 처리한다. 일반 도로와 16차선 고속도로 차이라고 보면 된다.
• 제조 난이도: TSV 적층 공정은 일반 DRAM 라인에서 만들 수 없다. 완전히 다른 설비와 공정이 필요하고, 수율 관리가 극도로 까다롭다. 이 수율이 제조사의 명운을 가른다.
• 가격: 일반 DRAM보다 훨씬 비싸다. AI 서버 한 대 단가가 수억 원까지 올라가는 데 HBM이 크게 한몫 한다.
• 수요처의 특수성: 일반 DRAM은 PC·스마트폰·서버 전반에 쓰인다. HBM은 AI 서버·데이터센터용 GPU·고성능 컴퓨팅에만 들어간다.

아르스 테크니카(Ars Technica)가 전한 바에 따르면, HBM 생산에 집중하는 현상이 스마트폰 같은 일반 소비자 기기 생산에도 간접적으로 여파를 줄 수 있다고 한다. 이 공급 불균형이 현재 메모리 반도체 시장의 구조적 긴장을 만들어내는 원인이다.

HBM이 뒤흔든 반도체 시장

수요가 폭발하면서 메모리 시장 구조 자체가 바뀌고 있다. HBM이 수익성이 월등히 높으니 제조사들이 거기로 생산 라인을 돌리는 건 당연한 수순이다. 그러면 일반 DRAM 공급이 줄어든다.

• 생산 포트폴리오 재편: 삼성전자, SK하이닉스, 마이크론이 HBM 투자를 최우선으로 올려놓았다. 다른 메모리 제품의 생산 비중은 자연스럽게 줄었다.
• 가격 상승 압력: AI 서버 단가가 오르고, 공급이 타이트해진 일반 DRAM 가격이 PC·스마트폰 부품 가격에도 영향을 줄 여지가 생겼다.
• AI 가속기 시장 성장: HBM 수요 증가는 AI 가속기 시장이 그만큼 커지고 있다는 신호다. GPU 제조사 입장에선 HBM 공급망 확보가 곧 경쟁력이다.
• 기술 패권 경쟁: HBM 기술력이 AI 반도체 패권을 가르는 기준이 되면서, 제조사 간 개발 경쟁이 갈수록 치열해지고 있다.

솔직히 이 변화가 단순한 시장 현상이 아니다. IT 산업 전체의 방향을 결정하는 구조적 전환이다. 5년 전엔 메모리 회사가 이렇게 중심에 서게 될 줄 몰랐다.

다음 수순은 HBM4

HBM1 → HBM2 → HBM2E → HBM3 → HBM3E. 지금 주력은 HBM3와 HBM3E이고, 이미 HBM4 개발이 진행 중이다.

• 세대별 진화: 세대가 오를수록 적층 가능한 DRAM 다이 수와 대역폭이 늘어난다. HBM3E는 HBM3보다 대역폭이 약 50% 높고, 초당 1.2TB 이상을 처리한다. 영화 30편을 1초 만에 전송하는 속도다.
• 기술 방향: 16단 이상 적층, 더 미세한 TSV 공정, 전력 관리 효율화가 주요 과제다. AI 모델이 커질수록 HBM이 따라잡아야 할 성능 기준도 계속 올라간다.
• 양산 능력 싸움: 기술보다 수율이 진짜 문제다. 설계를 잘 해도 안정적으로 대량 생산하지 못하면 경쟁에서 밀린다. 삼성·SK하이닉스·마이크론 모두 여기에 막대한 자원을 쏟고 있다.

AI가 빨라질수록 HBM도 빨라져야 한다. 이 사이클이 당분간 멈출 것 같진 않다.

자주 묻는 것들

• Q: HBM이 스마트폰이나 일반 PC에도 들어오나?
  A: 지금은 아니다. AI 서버, 데이터센터, 고사양 그래픽카드가 주 무대다. 일반 기기엔 HBM 수준의 대역폭이 필요하지 않다. 다만 온디바이스 AI가 본격화되면 모바일용 저전력 HBM 시도가 나올 가능성은 열려 있다.
• Q: 가격은 언제 내려가나?
  A: 생산 수율이 안정되고 증설 투자가 마무리되면 어느 정도 하락 압력이 생긴다. 근데 AI 수요 자체가 계속 늘어나는 한 가격이 확 떨어질 가능성은 낮다. 공급이 늘어난 만큼 수요도 따라 커지는 구조라 쉽지 않다.
• Q: 시장 주도권은 누가 쥐고 있나?
  A: 삼성전자, SK하이닉스, 마이크론 세 곳이 경쟁 중이다. 현재는 SK하이닉스가 엔비디아에 HBM3E를 가장 먼저 공급하며 앞서 있다는 평가가 많다.

출처: Ars Technica