트렌드 경제노트

2026년 5월, 한국 전체 수출에서 반도체가 차지한 비중이 42.3%를 넘어섰습니다. 수출 100달러 중 42달러가 반도체에서 나온다는 뜻입니다. 이 숫자를 처음 봤을 때 저는 자랑스러움보다 묘한 아찔함을 먼저 느꼈습니다. 이 글은 지금 AI 반도체 시장에서 실제로 벌어지고 있는 일들을 짚고, 투자자로서 제가 직접 겪은 실수와 그 과정에서 배운 것들을 솔직하게 풀어낸 기록입니다.HBM 패권 전쟁, 삼성이 뒤처진 이유AI 반도체 시장에서 가장 뜨거운 키워드는 단연 HBM입니다. HBM(High Bandwidth Memory)이란 여러 개의 D램 칩을 수직으로 쌓아 GPU와 초고속으로 연결하는 특수 메모리입니다. 쉽게 말해, AI가 계산을 아무리 빠르게 해도 데이터를 제때 공급받지 못하면 성능이 막히는데,..

매장 에스프레소 머신이 갑자기 멈춘 날, 저는 생각보다 빨리 냉정해졌습니다. 콜드브루를 꺼내 손님께 드리면서 속으로는 "구조 자체가 문제였구나"를 되뇌었는데, 나중에 AI 반도체 이야기를 접하고 그 느낌이 묘하게 겹쳤습니다. 기존 컴퓨터 구조의 병목 현상을 뿌리째 바꾸려는 시도가, 그날 제가 배운 교훈과 꼭 닮아 있었기 때문입니다.폰 노이만 구조, 왜 한계에 부딪혔나일반적으로 컴퓨터는 빠를수록 좋다고만 알려져 있지만, 제 경험상 속도만큼 중요한 건 구조 자체의 효율입니다. 현재 대부분의 컴퓨터와 서버는 폰 노이만(Von Neumann) 아키텍처 위에서 작동합니다. 여기서 폰 노이만 구조란? 연산을 담당하는 장치(CPU·GPU)와 데이터를 보관하는 메모리가 물리적으로 분리된 설계 방식입니다. 사무실과 서류..

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..