트렌드 경제노트

AI 시대의 주인공은 단순히 엔비디아(NVIDIA)에 그치지 않습니다. 최근 반도체 업계와 주식 시장을 뜨겁게 달구고 있는 핵심 화두는 바로 HBM(고대역폭 메모리)을 넘어설 HBF(High Bandwidth Flash)와 HBS(High Bandwidth SRAM)입니다.KAIST 김정호 교수의 최신 인터뷰를 바탕으로, AI 컴퓨터 구조가 어떻게 3D 적층 반도체 형태로 진화하고 있으며 국내 반도체 거두인 삼성전자와 SK하이닉스가 왜 절대적인 우위를 점할 수밖에 없는지 깊이 있게 분석해 보겠습니다.1. AI 패권의 핵심은 "GPU"가 아닌 "메모리"다지금까지 AI 학습 시대의 주인공은 엔비디아의 GPU였습니다. 하지만 본격적인 추론(Inference) 및 에이전틱 AI(Agentic AI) 시대로 접어..

최근 카이스트 김정호 교수와 동양철학자 구법모 소장이 나눈 대담은 단순히 '어떤 주식이 오를 것인가'를 넘어, AI 기술과 반도체의 본질을 인문학적 시각으로 재해석한 매우 깊이 있는 통찰을 보여주었습니다. 기술의 한계선에 다다른 현대 과학이 왜 동양철학의 '비움'과 '자유'라는 개념에서 해답을 찾고 있는지, 그리고 이것이 왜 메모리 반도체의 100년 호황론으로 이어지는지 정리해 봅니다. 1. 바람은 그물에 걸리지 않는다: HBM 설계와 동양철학HBM(고대역폭 메모리)의 핵심은 GPU와 메모리 사이에서 데이터를 얼마나 빠르고 저항 없이 주고받느냐에 있습니다. 김정호 교수는 이를 동양철학의 '바람'에 비유합니다. ● 데이터 전송의 본질: 구리선의 저항을 줄이고 가볍게 데이터가 흘러가도록 만드는 기술적 과제는..

솔직히 처음엔 저도 "이번엔 다르다"는 말을 믿었습니다. AI가 바꿔놓는 세상을 눈앞에서 보면서, 반도체 사이클 같은 오래된 법칙은 이제 옛말이 됐다고 생각했으니까요. 그런데 직접 업무에 AI를 도입해보고, 비용 구조를 들여다보기 시작하면서 뭔가 어긋나고 있다는 느낌이 왔습니다. GPU와 HBM에 천문학적인 돈이 쏟아지는 동안, 정작 그 돈이 이익으로 돌아오는 경로는 생각보다 훨씬 좁고 느렸기 때문입니다.AI 수익화(Monetization)의 벽 — 투자는 폭발적인데 이익은 어디에제가 직접 써봤는데, AI 툴의 성능 자체는 정말 놀랍습니다. 문서 요약, 이미지 생성, 데이터 분류까지 초반 도입 효율은 의심할 여지가 없었습니다. 문제는 그 다음이었습니다. API 호출 비용, 서버 유지비, 최신 인프라 구독..

한국이 반도체와 AI에서 진짜 승부를 걸려면 기술보다 먼저 풀어야 할 숙제가 있습니다.최고 인재들이 의대로만 몰리는 현실입니다. 중국은 명문대 전자공학과 대학원생이 학교 한 곳당 약 1,000명에 달하는데,우리는 KAIST 전체를 합쳐도 그 수준입니다. 저도 이 수치를 처음 접했을 때 솔직히 좀 아찔했습니다.퍼스트 무버(First Mover) 시대에 사람이 없으면 전략도 예산도 의미가 없기 때문입니다.의대 쏠림이 반도체·AI 경쟁력을 갉아먹는 이유한국의 이공계 위기를 숫자로 보면 상황이 더 선명해집니다.미국·중국과 비교했을 때 고급 반도체·AI 엔지니어 수가 약 10분의 1 수준에 불과하다는 분석이 있습니다.단순히 연구 속도가 느려진다는 문제가 아닙니다. 반도체 팹(Fab), 즉 실제 칩을 찍어내는 대규..

저는 올해 7월에 반도체 관련 포지션을 일부 정리했습니다.CXMT(창신메모리)의 과창판 상장 소식이 터지던 날 국내 반도체주가 일제히 급락하는 걸 보면서, 저도 순간 흔들렸거든요.그런데 막상 숫자를 들여다보니 "내가 너무 심리에 끌려갔구나"라는 생각이 들었습니다.이 글은 그 복기 과정에서 정리한 내용입니다. 중국이 AI·반도체 패권 경쟁에서 만들고 있는 균열이 진짜 위협인지,아니면 시장이 먼 공포를 오늘로 당겨온 것인지, 여러 시각을 놓고 같이 따져봤으면 합니다.1. 자금쏠림 : 중국 공모펀드 편입 비중이 말하는 것제가 처음 이 데이터를 접했을 때 눈을 의심했습니다.중국 본토 공모펀드의 전자·테크 업종 편입 비중이 43%를 넘어섰다는 수치였는데, 과거 중국 시장에서 편입 비중이 20%만 넘어도 버블 논쟁..

AI가 정답을 다 알려주는 시대에, 공부를 잘한다는 게 무슨 의미일까요?저는 얼마 전 한 포럼에서 이 질문을 처음 정면으로 마주쳤고, 솔직히 이건 예상 밖이었습니다."AI가 더 잘 풀어주는데, 수학을 왜 배워야 하나요?"라는 아이들의 말이 완전히 틀린 게 아니었기 때문입니다.하지만 그 질문 뒤에 감춰진 진짜 문제는 따로 있었습니다.AI가 답을 내리는 속도보다, 그 답을 의심하는 능력이 훨씬 더 희귀해지고 있다는 사실이었습니다.사고의 개방성 — AI 시대에 진짜 필요한 능력한 교육 포럼에서 이런 장면이 소개됐습니다. 수학 수업에서 "75 곱하기 12를 계산하는 방법을 열 가지 찾아봐"라고 했을 때,처음에는 멍하게 있던 아이들이 하나둘씩 서로 다른 방법을 꺼내놓기 시작했다는 겁니다.0.75 × 1200으로 ..