중국이 삼성 D램을 위협한다고?···진짜 경쟁자는 SK하이닉스다 작성일 05-21 37 목록 <div id="layerTranslateNotice" style="display:none;"></div> <strong class="summary_view" data-translation="true">토큰맵 얼마나 안정적으로 붙드나 경쟁 <br>삼성은 ‘적층’, SK는 ‘압축’ 노선 선택 <br>AI 시대 병목은 연산 아닌 메모리 이동 <br>‘중국 위협론’보다 한국 내부가 분기점</strong> <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> <section dmcf-sid="uKWFSpYCt3"> <figure class="figure_frm origin_fig" contents-hash="f7c594e7f57f6d838e44205b59783fa4b479850e0cb37052f3a30102b6b21d36" data-idxno="458787" data-type="photo" dmcf-pid="79Y3vUGhGF" dmcf-ptype="figure"> <p class="link_figure"><img alt="이재용 삼성전자 회장과 최태원 SK그룹 회장이 2023년 2030 부산세계박람회 공식 리셉션에 참석한 모습. / 연합뉴스" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202605/21/552814-8XPEppr/20260521140008584vllv.png" data-org-width="620" dmcf-mid="60cL4ax2HQ" dmcf-mtype="image" height="auto" src="https://img4.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202605/21/552814-8XPEppr/20260521140008584vllv.png" width="658"></p> <figcaption class="txt_caption default_figure"> 이재용 삼성전자 회장과 최태원 SK그룹 회장이 2023년 2030 부산세계박람회 공식 리셉션에 참석한 모습. / 연합뉴스 </figcaption> </figure> <p contents-hash="8e3ca962b5971d5e55ca2f68c27fd05e2d3a3555094126441d876f8b142223f5" dmcf-pid="z2G0TuHlXt" dmcf-ptype="general">삼성전자 D램의 진짜 위협은 중국만이 아니라는 분석이 나온다. 중국 메모리 업체들의 추격 속도도 빨라지고 있지만, 인공지능(AI) 서버용 최첨단 메모리 시장에서 실질적인 격차를 벌리고 있는 것은 같은 한국의 SK하이닉스라는 것이다.</p> <p contents-hash="a56d3c58ffea8f94fe569dd60e4ef0f8684347fb8ec978325a13555f6ca72a09" dmcf-pid="qVHpy7XSZ1" dmcf-ptype="general">21일 반도체 업계 등에 따르면 AI 서버용 메모리 품귀 속에서 빅테크 기업들은 단기 구매가 아니라 5년 단위 장기공급계약(LTA)을 추진 중이다. 마이크로소프트(MS)·구글 등이 그 중심에 있다. 일부 계약에서는 전체 계약액의 10~30%를 선지급하는 조건까지 거론된다. 메모리를 단순 부품이 아니라 AI 인프라 핵심 자산으로 보기 시작했다는 의미다.</p> <p contents-hash="86fb617a3c515706f9832e4c505d3ad36605d0bc997484aa2f9d0c324c4e2b42" dmcf-pid="BfXUWzZvY5" dmcf-ptype="general">중국 업체(YMTC·CXMT) 추격 가능성도 점쳐지지만 업계에서는 아직 첨단 1c·HBM4 영역에서 빅테크 장기계약 명단에 본격 진입하지 못했다는 평가가 많다. 위협이 없다는 뜻이 아니라, 지금 시장 판세를 가르는 핵심 좌표는 아니라는 얘기다.</p> <p contents-hash="ef515ca6f90b01a4845a57e9198d208511fc9a8d87c141fa8f814c99c31153c2" dmcf-pid="b4ZuYq5T5Z" dmcf-ptype="general">범용 D램 시장에서 세계 점유율 1위를 자랑하는 삼성전자의 가장 큰 위협은 중국 업체가 아니라 국내 2위 SK하이닉스라는 평가가 나온다. 엔비디아 HBM 공급망 우위를 기반으로 SK하이닉스가 차세대 1c D램 기반 HBM4와 LPDDR5X 시장에서도 최우선 공급사 지위를 굳혀가고 있기 때문이다. HBM3E 공급 경험과 수율 안정성이 이어지면서 빅테크 장기 수주 우위까지 확보했다는 분석이다.</p> <p contents-hash="ef8ddbb772c0d2d1b5d17c317e29ed5339456e42e96e880758912dbef63e91ef" dmcf-pid="K857GB1y1X" dmcf-ptype="general">특히 양사의 격차는 AI 메모리 생태계 내 단순 점유율이 아니라 셀트랜지스터 구조 설계 자체에서 갈리고 있다는 평가다. AI 시대 병목이 데이터 이동 효율로 이동하면서, 차세대 셀 구조 경쟁이 향후 HBM·AI 서버 시장 판세를 좌우할 가능성이 커지고 있다.</p> <p contents-hash="48f1f6e9cc93e4c2645e1a7120fb0a38fb27f17eb9b6a76bb6bbfa8b1030fb22" dmcf-pid="9QFBZ93GYH" dmcf-ptype="general">삼성전자는 GAAFET(Gate-All-Around) 기반 3D VS-DRAM 방향을 연구 중이다. 셀을 더 작게 줄이는 대신 커패시터를 수직 적층하는 구조를 검토하고, 회로부 아래에 메모리 셀을 올리는 POC(Peri-on-Cell) 구조까지 결합하는 방식이다. 낸드플래시 적층 경험을 D램으로 확장해 초고대역폭·AI 서버 최적화 방향으로 가겠다는 전략이다.</p> <p contents-hash="3c6e9bcfc43cb27109ed8c81452873a4c69362b9996e8957c3dd58e4255a1eb9" dmcf-pid="2x3b520HGG" dmcf-ptype="general">반면 SK하이닉스는 4F² VG(Vertical Gate) 기반 초고집적 방향에 무게를 두고 있다. 기존 6F² 대비 셀 면적을 크게 줄이고, 비트라인 실딩(BLS)·공유 백게이트·웨이퍼 본딩 같은 기술로 간섭과 수율 문제를 해결하겠다는 접근이다.</p> <p contents-hash="9fd085a082b269fb4309419bebe675e92728dc195e7cd031afb214b5a241641a" dmcf-pid="VM0K1VpXtY" dmcf-ptype="general">이 차이가 중요한 이유는 AI 시대 병목 자체가 바뀌고 있기 때문이다. 업계에서는 "AI 시대 병목은 연산이 아니라 메모리 이동"이라는 말이 나온다. GPU 연산 성능(FLOPS)을 아무리 높여도 KV 캐시·임베딩·어텐션 가중치를 메모리에서 안정적으로 불러오지 못하면 AI 서버 전체 효율이 떨어진다는 의미다.</p> <p contents-hash="6850f7dd00b5a5720a9d55ec178b91234dd335db13296ad7e4fe9535415f08d3" dmcf-pid="fRp9tfUZGW" dmcf-ptype="general">HBM·웨이퍼 본딩·CXL 메모리 풀링·근접 메모리 연산(Near-memory compute)·PIM 같은 기술이 동시에 부상하는 것도 같은 흐름이다. 삼성식 적층 구조가 표준이 되면 AI 서버는 CPU·GPU 옆에 초고대역폭 메모리를 최대한 가깝게 붙이는 방향으로 갈 가능성이 크고, SK식 초고집적 구조가 자리 잡으면 핵심은 얼마나 많은 데이터를 안정적으로 저장·공급할 수 있느냐로 이동하게 된다.</p> <p contents-hash="e09d04198bb5ac67a557f8f45f90c5e1e46cd0c661bbf3d37d379a013c945e19" dmcf-pid="4eU2F4u5Xy" dmcf-ptype="general">과거에는 CPU·GPU의 연산 성능 자체가 핵심이었다면 인공지능 시대에는 연산장치가 D램 안의 토큰 맵(KV cache·embedding·attention weight 일부)을 얼마나 빠르게 불러오느냐가 핵심 경쟁력으로 떠오르고 있다. GPU 연산 성능(FLOPS)을 아무리 높여도 필요한 데이터를 메모리에서 제때 가져오지 못하면 AI 서버 전체 효율이 급격히 떨어지기 때문이다.</p> <div contents-hash="b6ddfb03aeb74226afc072f0831fba652914073aef18f1d99b45634c861d9fd5" dmcf-pid="8duV3871GT" dmcf-ptype="general"> 이 지점에서 삼성전자와 SK하이닉스의 차세대 D램 노선 차이도 분명해지고 있다. 삼성은 초고대역폭·근접 적층 방향에 더 가깝고, SK하이닉스는 경제성과 대규모 공급 안정성에 더 가까운 구조라는 평가가 나온다. </div> <figure class="figure_frm origin_fig" contents-hash="bac450f468ef653f2dbed2e5c6f1bb955c9bcece9f66fb4ade30c9b7ef7e513f" data-idxno="458788" data-type="photo" dmcf-pid="6J7f06ztYv" dmcf-ptype="figure"> <p class="link_figure"><img class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202605/21/552814-8XPEppr/20260521140009900hrec.jpg" data-org-width="1280" dmcf-mid="pOZTEYsAtp" dmcf-mtype="image" height="auto" src="https://img4.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202605/21/552814-8XPEppr/20260521140009900hrec.jpg" width="658"></p> </figure> <p contents-hash="98d72b22dc7de9a71410edc2c1bc5359f2d496ca59bb92f609b2d39622907ee0" dmcf-pid="Piz4pPqFHS" dmcf-ptype="general"><strong>누가 CPU로 토큰 잘 불러들이나?</strong><br><strong>벤치마크보다 구조적 효율성 중요</strong><br><strong>셀트랜지스터 경쟁이 운명 가를 것</strong></p> <p contents-hash="de1f2bba714810f5e54d348a460a83974a3cbd94d91b4e552a922b93b88c66eb" dmcf-pid="Qnq8UQB31l" dmcf-ptype="general">인공지능 모델은 토큰 하나를 생성할 때마다 내부적으로 수십~수백 GB급 KV 캐시와 가중치 일부를 반복 호출한다. 문제는 이 데이터 이동량이 GPU 연산 증가 속도보다 더 빠르게 커지고 있다는 점이다. 이 구조에서는 단순 최고 속도보다 얼마나 많은 데이터를 안정적으로 저장하고 지속적으로 공급할 수 있느냐가 더 중요해진다.</p> <p contents-hash="3f6995b0e8159ecd17206dddd64f7d957f075aa542d0645e9363f48ffc87a539" dmcf-pid="xLB6uxb0Zh" dmcf-ptype="general">이런 점에서 기술 업계에서는 SK하이닉스의 초고집적 압축 노선이 현재 AI 서버 현실과 더 맞닿아 있다는 평가가 나온다. 4F² VG 기반 구조는 같은 면적 안에 더 많은 토큰 데이터를 넣을 수 있고, 비트라인 실딩(BLS)·공유 백게이트 같은 구조로 고집적 과정에서 발생하는 간섭과 수율 문제를 줄이는 방향에 초점이 맞춰져 있다.</p> <div contents-hash="eb9496b5d0224beaf79fa0f3ba8c2c4cfcc1afcb2a6012e69ef2f2e516fcf9f9" dmcf-pid="y1wScyrNZC" dmcf-ptype="general"> 특히 AI 데이터센터는 단순 벤치마크 성능보다 장기간 안정성과 대규모 공급 능력이 훨씬 중요하다. HBM3E 양산 경험과 엔비디아 공급망 검증을 먼저 확보한 SK하이닉스가 빅테크 장기계약에서 우위를 점하는 이유도 여기에 있다는 분석이다. 두 회사의 셀트랜지스터 구조 경쟁이 향후 30년 AI 메모리 표준을 어떻게 가를지 주목된다. </div> <figure class="figure_frm origin_fig" contents-hash="f8d8c3baba872c953eaf5b7cb0b6973592c4d1cc88b971a3284875d2fbe725c5" data-idxno="458786" data-type="photo" dmcf-pid="WtrvkWmjHI" dmcf-ptype="figure"> <p class="link_figure"><img alt="삼성전자와 SK하이닉스의 차세대 D램 전략 차이를 정리한 인포그래픽이다. 삼성은 CPU·GPU 가까이에 메모리를 수직 적층해 초고대역폭과 데이터 이동 속도를 높이는 '적층(Stacking)' 방향에 무게를 두고 있고, SK하이닉스는 같은 면적 안에 더 많은 데이터를 안정적으로 저장하는 '압축(Compression)' 구조에 집중하고 있다는 내용을 담고 있다. 중앙에는 AI 시대 병목이 단순 GPU 연산 성능이 아니라 KV 캐시·임베딩·가중치 같은 토큰 데이터를 얼마나 빠르고 안정적으로 불러오느냐에 있다는 점을 설명하고 있다. / GPT-5.5 이미지 2.0" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202605/21/552814-8XPEppr/20260521140011295voqn.png" data-org-width="1280" dmcf-mid="UjP9tfUZG0" dmcf-mtype="image" height="auto" src="https://img4.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202605/21/552814-8XPEppr/20260521140011295voqn.png" width="658"></p> <figcaption class="txt_caption default_figure"> 삼성전자와 SK하이닉스의 차세대 D램 전략 차이를 정리한 인포그래픽이다. 삼성은 CPU·GPU 가까이에 메모리를 수직 적층해 초고대역폭과 데이터 이동 속도를 높이는 '적층(Stacking)' 방향에 무게를 두고 있고, SK하이닉스는 같은 면적 안에 더 많은 데이터를 안정적으로 저장하는 '압축(Compression)' 구조에 집중하고 있다는 내용을 담고 있다. 중앙에는 AI 시대 병목이 단순 GPU 연산 성능이 아니라 KV 캐시·임베딩·가중치 같은 토큰 데이터를 얼마나 빠르고 안정적으로 불러오느냐에 있다는 점을 설명하고 있다. / GPT-5.5 이미지 2.0 </figcaption> </figure> <p contents-hash="05ec20e2149633d54b83b60cdff035c090facecc5c399156606012bb5937fa70" dmcf-pid="YAfeKi4q1O" dmcf-ptype="general"><strong>☞ D램 셀트랜지스터</strong> = 메모리 셀 안에서 데이터를 저장·읽기·삭제할 때 전류 흐름을 제어하는 핵심 스위치 역할을 하는 구조다. D램은 기본적으로 '트랜지스터 1개 + 커패시터 1개' 조합으로 데이터를 저장하는데, 셀트랜지스터는 CPU·GPU가 요청한 데이터를 실제로 열고 닫아 전달하는 관문이다. 문제는 공정이 10나노미터(nm) 이하로 내려가면서 기존 평면(2D) 구조만으로는 전류 누설·간섭·수율 문제를 감당하기 어려워졌다는 점이다. 이 때문에 글로벌 메모리 업체들은 단순 미세화 대신 새로운 셀트랜지스터 구조 경쟁에 들어간 상태다.</p> <p contents-hash="a90120b347173ea8374b0edf55559303f27a026b988df80e0ba9573a0d936226" dmcf-pid="Gc4d9n8BGs" dmcf-ptype="general">삼성전자가 연구 중인 방향은 GAAFET(Gate-All-Around) 기반 3D VS-DRAM 계열이다. 핵심은 셀을 단순히 더 작게 줄이기보다 메모리 구조 자체를 수직으로 적층해 CPU·GPU 가까이에 붙이는 데 있다. 커패시터를 수직 적층하고 회로부 아래에 메모리 셀을 올리는 POC(Peri-on-Cell) 구조까지 결합해 초고대역폭과 데이터 이동 거리 최소화를 노린다. AI 서버에서 반복 호출되는 KV 캐시·임베딩·가중치 데이터를 최대한 가까운 위치에서 빠르게 공급하겠다는 접근이다.</p> <p contents-hash="f3780ccfe9ffaf8383181ae7c17f9b970b6cf252d586835676440a297daa0968" dmcf-pid="Hk8J2L6b1m" dmcf-ptype="general">반면 SK하이닉스는 4F² VG(Vertical Gate) 기반 초고집적 압축 구조에 무게를 두고 있다. 같은 면적 안에 더 많은 데이터를 저장하는 방향이다. 트랜지스터 게이트를 수직 구조로 세워 셀 면적을 줄이고, 비트라인 실딩(BLS)·공유 백게이트 같은 기술로 간섭과 수율 문제를 완화하는 방식이다. AI 데이터센터에서는 단순 최고 속도보다 얼마나 많은 토큰 데이터를 안정적으로 저장하고 지속 공급할 수 있느냐가 중요해지면서, 업계에서는 이런 초고집적 압축 노선이 대규모 AI 서버 현실과 더 맞닿아 있다는 평가도 나온다.</p> <p contents-hash="968cfe928254ef1facb586281d293d6c7096abda4b29ef90f772aa0004498e7b" dmcf-pid="XE6iVoPKZr" dmcf-ptype="general">여성경제신문 이상헌 기자<br>liberty@seoulmedia.co.kr</p> <p contents-hash="9382e5f588120aac3f73f29ea27f6206a3c77b937ca70771e7665e7155f64257" dmcf-pid="ZDPnfgQ95w" dmcf-ptype="general">*여성경제신문 기사는 기자 혹은 외부 필자가 작성 후 AI를 이용해 교정교열하고 문장을 다듬었음을 밝힙니다. 기사에 포함된 이미지 중 AI로 생성한 이미지는 사진 캡션에 밝혀두었습니다.</p> </section> </div> 관련자료 이전 현대오토에버, 美서 그룹 로보틱스 핵심 역할 재확인…SI·관제 역할 부각 05-21 다음 과기정통부 AI 챔피언·루키에 1124팀 도전장…1등 상금 최대 '5억원' 05-21 댓글 0 등록된 댓글이 없습니다. 로그인한 회원만 댓글 등록이 가능합니다.
