오픈AI 데브데이가 닷새 앞으로 다가오면서 AI 시장의 관심이 다시 뜨거워지고 있습니다.

이번에는 단순히 새로운 AI 모델 하나가 공개되는 수준이 아닐 수 있다는 기대감이 큰데요.

시장이 주목하는 핵심은 사람이 일일이 명령하지 않아도 여러 업무를 스스로 처리하는 AI 에이전트입니다.

AI가 질문에 답하는 챗봇을 넘어 코딩하고, 외부 프로그램을 연결하고, 필요한 작업을 순서대로 수행하는 단계로 발전한다면 필요한 연산량도 지금보다 크게 늘어날 수밖에 없습니다.

그래서 최근 시장의 관심도 AI 소프트웨어 자체에서 이를 실제로 돌려주는 반도체와 데이터센터 인프라로 빠르게 이동하고 있습니다.

특히 고대역폭 메모리인 HBM, 초고속 광통신, 첨단 파운드리와 같은 분야가 다시 주목받고 있습니다.

여기에 차세대 광통신 기술이 공개되고 마이크론의 실적 발표까지 예정되면서 AI 반도체 산업의 성장세가 얼마나 이어질지가 중요한 관심사로 떠오르고 있습니다.

이제 AI 산업은 단순한 기대감만으로 움직이는 단계에서 벗어나 실제 투자와 매출이 발생하는 구간으로 넘어가고 있습니다.

그렇다면 지금부터는 무조건 AI라는 이름이 붙은 기업을 따라가기보다 실제로 돈을 벌 수 있는 기업을 구분해서 볼 필요가 있습니다.

2나노 광통신 기술이 중요한 이유

AI 데이터센터가 커질수록 가장 큰 문제 중 하나는 칩 자체의 성능보다 칩과 칩 사이에서 데이터를 얼마나 빠르게 주고받을 수 있느냐입니다.

아무리 GPU가 빨라도 여러 GPU 사이에서 데이터가 제대로 이동하지 못하면 전체 시스템 성능은 떨어질 수밖에 없습니다.

그래서 최근 AI 인프라 시장에서는 초고속 광통신 기술의 중요성이 빠르게 커지고 있습니다.

최근 유럽 광통신 관련 행사에서는 TSMC의 차세대 공정을 활용한 고속 광통신 기술이 소개되면서 시장의 관심을 받았습니다.

기존에는 전기 신호를 이용해 서버와 칩 사이에서 데이터를 주고받았다면 앞으로는 광신호를 적극적으로 활용해 속도를 높이고 전력 소비를 줄이는 방향으로 발전하고 있습니다.

특히 AI 모델이 커질수록 GPU 수천 개, 수만 개를 연결해야 하기 때문에 이 과정에서 발생하는 전력 소비와 발열을 얼마나 줄일 수 있느냐가 중요한 경쟁력이 됩니다.

결국 AI 반도체 경쟁은 단순히 GPU 하나의 성능 싸움이 아닙니다.

GPU와 메모리, 네트워크, 광통신, 전력 관리 기술이 하나의 시스템처럼 움직여야 제대로 된 성능을 낼 수 있는 구조로 바뀌고 있습니다.

마이크론 실적이 중요한 이유

메모리 시장에서는 마이크론의 실적 발표도 중요한 이벤트입니다.

AI 서버에 들어가는 HBM 수요가 계속 증가하면서 메모리 업체들의 생산 능력이 시장의 관심을 받고 있기 때문입니다.

특히 엔비디아를 비롯한 AI 가속기 업체들이 차세대 GPU를 계속 출시하면서 HBM3E와 앞으로 등장할 HBM4에 대한 수요도 빠르게 늘어날 것으로 예상되고 있습니다.

HBM은 일반적인 메모리보다 생산 과정이 복잡하고 수율 관리도 어렵습니다.

공장을 갑자기 크게 늘린다고 해서 단기간에 공급량을 확대하기도 쉽지 않습니다.

그래서 AI 가속기 수요가 계속 강하게 유지된다면 당분간은 HBM 공급 능력을 확보한 기업들이 유리한 위치를 차지할 가능성이 있습니다.

SK하이닉스와 삼성전자, 마이크론 등 주요 메모리 업체가 AI 시장에서 계속 주목받는 이유도 여기에 있습니다.

앞으로 마이크론 실적에서 확인해야 할 부분도 단순히 이번 분기 매출이 얼마나 늘었느냐가 아닙니다.

HBM 주문이 얼마나 확보되어 있는지, 생산 능력을 얼마나 확대하고 있는지, 차세대 HBM 공급 계획이 어떻게 진행되고 있는지를 함께 보는 것이 중요합니다.

AI 산업의 중심이 챗봇에서 AI 에이전트로 이동한다

지금까지 생성형 AI라고 하면 대부분 챗GPT처럼 질문을 입력하면 답변을 만들어주는 서비스를 떠올렸습니다.

하지만 앞으로 시장의 중심은 AI 에이전트로 이동할 가능성이 높습니다.

AI 에이전트는 단순히 대답만 하는 것이 아니라 사용자의 목표를 이해하고 필요한 작업을 스스로 나눠서 처리하는 형태입니다.

예를 들어 사용자가 “이번 달 매출 자료를 분석해서 보고서를 만들어줘”라고 요청했다고 가정해 보겠습니다.

기존 챗봇이라면 사용자가 데이터를 직접 입력하고 여러 번 질문해야 했습니다.

하지만 AI 에이전트가 발전하면 회사 데이터베이스에 접속하고, 필요한 자료를 불러오고, 데이터를 분석한 뒤 그래프와 보고서까지 만드는 과정을 자동으로 처리하는 방향으로 발전할 수 있습니다.

개발 영역에서도 마찬가지입니다.

코드를 작성하는 것뿐만 아니라 오류를 찾고, 외부 API를 연결하고, 테스트하고, 수정하는 과정까지 AI가 스스로 처리하는 구조가 확산될 수 있습니다.

이렇게 되면 AI가 사용하는 연산량도 크게 늘어납니다.

사용자에게 한 번 답변하고 끝나는 챗봇과 달리 AI 에이전트는 하나의 업무를 처리하기 위해 여러 단계의 추론과 도구 호출을 반복해야 하기 때문입니다.

결국 AI 소프트웨어가 발전할수록 데이터센터에서 처리해야 하는 연산량과 데이터 이동량도 함께 증가하게 됩니다.

AI가 똑똑해질수록 반도체가 더 많이 필요한 구조가 만들어지는 것입니다.

AI 소프트웨어와 반도체가 연결되는 구조

AI 산업을 크게 보면 몇 개의 중요한 영역으로 나눌 수 있습니다.

가장 위에는 오픈AI, 구글, 앤스로픽처럼 AI 모델을 개발하는 기업들이 있습니다.

이들은 AI 에이전트와 추론 기술을 발전시키면서 기업 업무 자동화 시장을 확대하고 있습니다.

그 아래에는 AI 모델을 실제로 구동하기 위한 반도체와 데이터센터 인프라가 있습니다.

GPU와 AI 가속기가 늘어날수록 대용량 데이터를 빠르게 전달하기 위한 광통신 기술도 함께 중요해집니다.

이 시장에서는 브로드컴, 마벨, 아스테라 랩스 등 데이터센터 연결 기술을 보유한 기업들이 주목받고 있습니다.

또 하나의 핵심은 HBM입니다.

AI 가속기는 엄청난 양의 데이터를 빠르게 처리해야 하기 때문에 일반 메모리보다 훨씬 높은 대역폭을 제공하는 HBM이 필요합니다.

이 분야에서는 SK하이닉스, 삼성전자, 마이크론이 경쟁하고 있습니다.

그리고 이 모든 반도체를 실제로 생산하기 위해서는 첨단 파운드리 기술이 필요합니다.

TSMC와 삼성전자 파운드리는 2나노를 비롯한 차세대 공정을 개발하면서 AI 반도체 생산 경쟁을 이어가고 있습니다.

결국 AI 모델이 발전하면 AI 가속기가 더 필요해지고, AI 가속기가 늘어나면 HBM과 광통신 수요가 증가하며, 이를 생산하기 위한 첨단 파운드리 투자도 함께 늘어나는 구조입니다.

하나의 산업이 아니라 거대한 AI 인프라 생태계가 동시에 성장하고 있는 셈입니다.

AI 투자에서 무엇을 봐야 할까?

AI 시장이 크게 성장하고 있다는 사실과 모든 AI 관련 기업의 주가가 계속 오른다는 것은 전혀 다른 이야기입니다.

오히려 산업이 커질수록 기업 간 경쟁은 더욱 치열해질 가능성이 높습니다.

그래서 AI 관련 기업을 볼 때는 몇 가지 기준을 따져볼 필요가 있습니다.

첫 번째는 실제로 AI 인프라 투자에서 돈을 벌고 있는 기업인지입니다.

AI 애플리케이션 시장에서는 어떤 서비스가 최종 승자가 될지 아직 알기 어렵습니다.

하지만 AI 서비스를 운영하기 위해서는 GPU와 메모리, 네트워크, 데이터센터가 반드시 필요합니다.

그래서 AI 서비스 경쟁이 치열해질수록 오히려 그 아래에서 인프라를 공급하는 기업들의 매출이 증가할 수도 있습니다.

두 번째는 공급이 쉽게 늘어날 수 없는 제품인지 확인해야 합니다.

대표적인 사례가 HBM입니다.

수요가 크게 증가하더라도 생산 능력을 단기간에 늘리기 어렵다면 공급자에게 유리한 시장이 만들어질 수 있습니다.

공급 부족이 실제 실적과 가격 상승으로 연결되는지를 확인하는 것이 중요합니다.

세 번째는 AI 데이터센터 확대에 따라 함께 성장하는 산업을 볼 필요가 있습니다.

AI 데이터센터는 GPU만 있다고 만들어지는 것이 아닙니다.

전력 공급 시설과 냉각 시스템, 광통신 네트워크, 스위치, 전력 반도체 등 수많은 장비가 함께 필요합니다.

특히 AI 모델의 규모가 커질수록 칩과 칩 사이에서 데이터를 빠르게 이동시키는 네트워크 기술과 전력 효율 기술의 중요성도 높아질 수밖에 없습니다.

AI 거품론보다 중요한 것은 실제 투자 흐름

AI 산업을 두고 거품이라는 주장과 새로운 산업혁명이라는 주장이 계속 충돌하고 있습니다.

하지만 투자자 입장에서 더 중요한 것은 이런 논쟁 자체가 아닙니다.

실제 기업들이 어디에 돈을 쓰고 있는지를 보는 것이 훨씬 중요합니다.

글로벌 빅테크 기업들은 AI 데이터센터와 반도체에 막대한 자금을 투자하고 있습니다.

그리고 AI 모델이 단순 챗봇을 넘어 업무를 직접 처리하는 AI 에이전트로 발전한다면 필요한 연산량 역시 지금보다 크게 늘어날 가능성이 있습니다.

결국 앞으로 AI 시장에서는 단순히 “AI가 성장한다”는 이야기보다 실제 수요가 어디에서 발생하고 있는지를 확인해야 합니다.

AI 모델이 발전할수록 GPU가 필요하고, GPU가 늘어날수록 HBM과 광통신이 필요합니다.

그리고 이를 생산하기 위해 첨단 파운드리와 패키징 기술까지 함께 성장하게 됩니다.

그래서 앞으로 AI 산업을 볼 때는 특정 기업 하나만 보기보다 AI 모델에서 반도체, 메모리, 광통신, 데이터센터까지 이어지는 전체 밸류체인을 함께 살펴볼 필요가 있습니다.

AI 시장의 다음 상승 국면을 결정하는 것도 결국 기대감이 아니라 실제 주문과 매출, 공급 부족, 데이터센터 투자 규모가 될 가능성이 높습니다.

오픈AI 데브데이와 마이크론 실적 발표 역시 이런 흐름을 확인할 수 있는 중요한 이벤트가 될 수 있습니다.

지금은 AI라는 단어가 붙은 기업을 무조건 따라가기보다 실제 AI 인프라 투자에서 수익을 만들어내고 있는 기업이 어디인지 차분하게 구분해서 볼 시점입니다.