AI 관련 주식이 오를 때 "지금이라도 사야 하나" 고민하다 놓치고, 떨어지면 "역시 거품이었나" 후회한 적 있으신가요? 저도 그랬습니다. 그런데 최근 AI 도구를 직접 써보면서 이 기술이 단순한 테마가 아니라는 걸 몸으로 느꼈고, 왜 이 흐름이 산업 전반을 바꾸는지 비로소 보이기 시작했습니다.
메모리 반도체가 핵심인 이유, 그 다음 단계는
AI가 발전하려면 어마어마한 계산이 필요합니다. 그 계산을 담당하는 게 GPU(그래픽처리장치)이고, 그 계산 결과를 빠르게 저장하고 불러오는 것이 HBM(고대역폭 메모리)입니다. 여기서 HBM이란 기존 메모리보다 데이터 처리 속도를 수십 배 높인 고성능 반도체로, 현재 AI 학습용 서버에 필수적으로 탑재됩니다. 한국의 삼성전자와 SK하이닉스가 이 시장을 사실상 독점하고 있다는 점이 코스피가 주목받는 핵심 이유 중 하나입니다.
제가 직접 AI 도구를 써봤는데, 블로그 문구 하나를 잡는 데 예전엔 한 시간이 걸렸다면 지금은 10분이면 됩니다. 이걸 수백만 사람이 동시에 하고 있다고 생각하면, 데이터센터가 처리해야 할 연산량이 얼마나 폭발적으로 늘어나는지 감이 옵니다. 그러니 메모리 수요가 꺾인다는 말은 당장은 설득력이 약합니다.
그런데 여기서 중요한 게 있습니다. 지금은 학습 단계, 즉 AI에게 무언가를 가르치는 인프라 투자 시기입니다. 앞으로는 추론 단계로 넘어갑니다. 추론이란 학습이 끝난 AI가 실제 현장에서 판단을 내리는 것을 말합니다. 이 단계에서는 반도체 사용량을 최소화한 ASIC(주문형 반도체)이 부각됩니다. ASIC이란 특정 기능만 반복 수행하도록 설계된 칩으로, GPU 대비 전력 소모가 낮고 비용 효율이 높습니다. 브로드컴이나 AMD 같은 기업이 이 영역에서 강점을 가지는 이유입니다.
그렇다고 엔비디아가 끝났다고 보기는 이릅니다. 학습과 추론 사이에는 시뮬레이션 단계가 있기 때문입니다. 로봇이 공장에 투입되기 전, 가상 환경에서 수천 번 반복 훈련하는 플랫폼을 엔비디아가 장악하고 있습니다. 솔직히 이건 처음 들었을 때 예상 밖이었습니다. 단순히 칩 파는 회사인 줄 알았는데, 사실상 AI 생태계의 운영체제를 가져가고 있는 구조였습니다.
AI 투자에서 주목할 핵심 흐름을 정리하면 다음과 같습니다.
- 학습 단계: HBM 중심의 메모리 반도체 수요 지속
- 시뮬레이션 단계: 엔비디아의 물리 시뮬레이션 플랫폼 독점
- 추론 단계: ASIC 기반 저전력 반도체 부각, 브로드컴·AMD 수혜
- 소재 단계: 전력 수요 급증에 따른 우라늄, 구리, 희토류 수요 확대
2024년 글로벌 반도체 시장 규모는 약 6,112억 달러로 집계되었으며, 이 중 메모리 반도체 비중이 빠르게 증가하고 있습니다(출처: 한국반도체산업협회).
피지컬 AI 시대, 왜 한국 공정 데이터가 무기가 되는가
요즘 자주 들리는 피지컬 AI, 혹은 휴머노이드 로봇 이야기를 처음 접했을 때 저는 솔직히 "아직 멀었겠지"라고 생각했습니다. 그런데 생각해 보면 로봇이 공장에서 일하려면 단순히 팔을 움직이는 것 이상이 필요합니다. 어떤 공정에서 어떤 실수가 나오는지, 어떤 환경 변수가 생기는지를 알아야 합니다. 그게 바로 공정 데이터입니다.
인간이 학습하는 방식과 기계가 학습하는 방식은 근본적으로 다릅니다. 사람은 "숲에서 뱀을 만나면 위험하다"는 맥락 속에서 배웁니다. 반면 지금 AI는 뱀이 어떻게 생겼는지, 어디 사는지를 개별 데이터로 쌓을 뿐 맥락을 잘 연결하지 못합니다. 이 한계를 극복하는 데 필요한 것이 상황 기반 학습 데이터인데, 제조 공정이 바로 그 환경입니다. 공정 안에서 로봇이 어떤 실수를 반복하는지, 어떻게 수정해야 하는지가 이미 수십 년치로 쌓여 있는 나라가 한국입니다.
현대차가 단순한 자동차 회사가 아니라 피지컬 AI 기업으로 재평가받는 이유가 여기 있습니다. 자동차 조립 라인 전체의 공정 노하우는 어떤 외부 기업도 하루아침에 가져올 수 없는 자산입니다. 제 경험상 이런 종류의 진입 장벽은 기술보다 훨씬 오래 유지됩니다. 기술은 베낄 수 있어도 수십 년간 쌓인 공정 오류 데이터는 베낄 수 없으니까요.
다만 한국 증시에는 여전히 코리아 디스카운트 문제가 남아 있습니다. 코리아 디스카운트란 한국 기업의 실제 가치 대비 주가가 낮게 평가되는 현상을 말합니다. 지배구조 문제도 있지만, 더 본질적인 이유 중 하나는 반도체와 자동차 두 산업에 이익이 지나치게 집중돼 있다는 점입니다. 한국 기업 이익의 약 90%가 반도체·소재, 자동차, 금융에 몰려 있다는 분석은 이를 잘 보여줍니다. 피지컬 AI 시대에 공정 데이터가 새로운 산업으로 꽃피려면, 그 위에서 실제로 돈을 버는 기업이 더 다양하게 나와야 합니다.
국내 산업 생산성과 제조업 디지털 전환 현황에 관한 보다 상세한 자료는 산업통상자원부에서 확인할 수 있습니다(출처: 산업통상자원부).
AI와 반도체의 성장 방향은 대체로 맞는 것 같습니다. 그런데 제가 느끼는 건 방향과 타이밍은 다르다는 점입니다. 좋은 산업이라도 가격이 너무 앞서가면 기다리는 게 오히려 나을 수 있습니다. 반도체 가격 상승세가 둔화되는 시점, 추론 단계로 전환이 가시화되는 시점 같은 변화 신호를 미리 공부해두시는 걸 권합니다. 남들이 좋다고 해서 따라가는 것보다, 왜 좋은지를 먼저 이해하면 흔들릴 때 버틸 수 있고 팔아야 할 때 팔 수 있습니다. 이 글은 개인적인 경험과 의견을 공유한 것이며, 전문적인 투자 조언이 아닙니다.