학습 늦어져도 추론·에이전트 사용량은 확대 가능
67개국 ‘소버린 AI’ 가세…국가 주도 인프라 투자가 수요 받쳐
HBM서 서버 D램·eSSD로 확산…진짜 변수는 CAPEX ‘지연’
글로벌 AI 업계에서 개발 속도를 늦추자는 ‘속도조절론’이 확산하면서 반도체 수요 둔화 우려도 커지고 있다. 그러나 새로운 AI 모델을 만드는 ‘학습’ 속도가 느려진다고 AI에 필요한 메모리 수요까지 함께 줄어들지는 미지수다. 이미 개발된 모델을 실제 서비스에서 사용하는 ‘추론’과 AI 에이전트의 사용량은 계속 증가할 수 있어서다.
여기에 AI 인프라 경쟁이 빅테크를 넘어 국가 단위로 확산하고 있다는 점도 변수다. 세계 각국이 자국 내 데이터센터와 그래픽처리장치(GPU) 인프라를 확보하는 ‘소버린 AI’에 뛰어들면서 일부 프런티어 모델의 개발 일정이 늦춰지더라도 전체 AI 인프라 수요를 받쳐줄 가능성이 있다.
국내 메모리 양대 기업인 삼성전자와 SK하이닉스 입장에서는 앞으로 AI 모델이 얼마나 빨리 똑똑해지느냐뿐 아니라 얼마나 많은 AI가 실제로 사용되고 얼마나 많은 국가가 독자 컴퓨팅 인프라를 구축하느냐가 새로운 수요 방정식이 될 전망이다.
최근 AI 업계에서는 프런티어 모델의 역량 강화 속도를 안전 기술의 발전 속도와 맞춰야 한다는 주장이 힘을 얻고 있다. 다리오 아모데이 앤트로픽 최고경영자(CEO)는 12일 AI 모델의 능력 향상 속도를 낮출 필요가 있다고 제안했다. AI가 다음 세대 AI 개발에 직접 참여하는 ‘재귀적 자기개선(RSI)’과 자율 에이전트의 통제 위험 등이 배경이다. 샘 올트먼 오픈AI CEO 등도 방향성에 동조했다.
현재 논의는 AI 연구나 모델 학습을 전면 중단하자는 것과는 거리가 있다. 외부 평가기관의 검증을 강화하고 일정 수준 이상의 위험 능력이 확인되면 다음 단계로 넘어가기 전 안전성을 확인하자는 데 가깝다.
시장에서는 실제 속도조절론이 현실화하더라도 프런티어 AI 개발 자체가 멈추기보다는 출시 전 평가 기간 확대와 위험 기능 제한, 외부 검증 강화 등의 형태로 나타날 가능성이 높다는 분석이 나온다. 내부 모델 연구가 이어지는 한 AI 기업 간 경쟁 역시 계속될 가능성이 높다.
반도체 업계가 주목해야 할 지점도 여기에 있다. AI 모델의 개발 속도와 AI 컴퓨팅 사용량은 같은 변수가 아니기 때문이다. AI 반도체 수요는 새로운 모델을 몇 개 출시하느냐만으로 결정되지 않는다. 초거대 AI 모델을 처음 만드는 학습 단계에서는 막대한 GPU와 고대역폭메모리(HBM)가 투입된다. 모델이 상용화된 이후에는 이용자의 질문에 답하거나 AI 에이전트가 업무를 수행할 때마다 추론 연산이 발생한다. 프런티어 모델 출시 주기가 길어져도 기존 모델의 사용자가 늘고 AI가 수행하는 업무가 복잡해지면 전체 컴퓨팅 사용량은 증가할 수 있다는 의미다.
특히 자율적으로 장시간 업무를 수행하는 AI 에이전트와 과학 연구 등 새로운 서비스가 늘면서 토큰 사용량이 확대될 경우 컴퓨팅 병목은 오히려 심화할 수 있다는 관측이 나온다. 모델 개발 속도와 AI 컴퓨팅 사용량을 같은 방향으로 봐서는 안 된다는 분석이다.
프런티어 모델의 개발 속도와 기존 모델의 추론 이용량, 데이터센터 구축, HBM 발주 역시 각각 별개의 변수다. 현재까지 AI 안전 논쟁이 데이터센터 투자나 반도체 주문의 뚜렷한 변곡점으로 이어졌다는 신호도 확인되지 않고 있다. AI 속도조절론을 곧바로 ‘학습 감소→GPU 감소→HBM 감소’로 연결하기 어려운 이유다.
새롭게 주목할 변수는 ‘소버린 AI’다. 세계 각국은 AI 기술과 데이터를 자국 통제 아래 두기 위해 독자적인 데이터센터와 GPU 클러스터, AI 모델을 구축하고 있다. 최근 들어 소버린 AI 투자가 모델 개발보다는 실제 컴퓨팅 인프라 확보에 집중되는 흐름도 나타나고 있다.
이는 반도체 수요 측면에서 의미가 크다. 일부 미국 프런티어 기업의 차세대 모델 출시 주기가 늦춰지더라도 각국 정부가 GPU와 서버, 데이터센터를 확보하는 흐름까지 동시에 멈출 가능성은 낮기 때문이다.
더구나 소버린 AI는 경제성만으로 결정되는 민간 투자와 성격이 다르다. AI 주권과 데이터 안보, 산업 경쟁력 확보라는 정책 목표가 투자 판단에 함께 작용한다. 빅테크의 설비투자(CAPEX)가 AI 메모리 수요의 상단을 결정한다면 국가 주도의 소버린 AI 투자는 수요의 하단을 받치는 또 다른 축이 될 수 있는 셈이다.
AI 투자 주체와 사용 방식의 변화는 메모리 수요 구조에도 영향을 줄 전망이다. AI 투자 초기에는 초거대 모델 학습을 위한 GPU 확보 경쟁이 벌어지면서 GPU와 함께 탑재되는 HBM이 메모리 시장의 핵심으로 떠올랐다.
하지만 AI 산업의 무게중심이 모델 개발에서 실제 서비스 사용으로 넓어질수록 필요한 메모리도 다양해진다. 추론 서버에는 가속기뿐 아니라 대규모 데이터를 처리하기 위한 서버 D램과 데이터를 저장하는 기업용 솔리드스테이트드라이브(SSD)가 함께 필요하다. AI 에이전트가 장시간 업무를 수행하고 동시에 처리하는 작업이 많아지면 메모리와 스토리지 사용량 역시 증가할 수 있다.
소버린 AI 역시 마찬가지다. 각국이 데이터센터와 GPU 클러스터를 독자적으로 구축하면 HBM뿐 아니라 서버 D램과 SSD, 네트워크 등 데이터센터 구성요소 전반에 추가적인 수요가 발생한다. 따라서 프런티어 모델의 학습 증가율이 둔화하더라도 추론과 국가 단위 인프라 투자가 이를 보완한다면 AI 메모리 시장의 성장축은 ‘HBM 단일 품목’에서 ‘HBM+서버 D램+기업용 SSD’로 확장될 가능성이 있다. AI 속도조절론이 곧 메모리 슈퍼사이클 종료를 의미하기보다는 수요의 성격을 바꾸는 변수가 될 수 있다는 분석이다.
이 같은 변화는 삼성전자와 SK하이닉스에도 서로 다른 영향을 줄 수 있다. SK하이닉스는 HBM 시장에서 경쟁력을 확보하며 AI 학습용 가속기 시장 성장의 직접적인 혜택을 받아왔다. 그만큼 프런티어 AI 투자 기대가 달라질 경우 시장의 민감도도 높을 수 있다.
다만 실제 HBM 주문과 가격이 유지되고 있다면 AI 안전 논쟁에 따른 단기 주가 변동과 메모리 산업의 사이클 종료를 동일하게 볼 필요는 없다는 분석이 나온다. HBM 경쟁력이 높은 기업일수록 AI 기대 변화에 대한 시장 민감도가 높은 것은 사실이지만 주문·가격·재고 등 실물 지표가 꺾이는지를 함께 봐야 한다는 것이다.
삼성전자는 HBM뿐 아니라 서버 D램과 낸드까지 포트폴리오가 넓다. 추론과 소버린 AI 인프라가 확대될 경우 여러 제품군에서 수요를 흡수할 여지가 있다는 점이 특징이다. SK하이닉스 역시 HBM만으로 평가하기는 어렵다. 서버 D램과 자회사 솔리다임을 통한 기업용 SSD 사업을 갖고 있다. 결국 양사의 AI 경쟁력을 판단하는 기준도 HBM 점유율에서 AI 서버 한 대에 들어가는 메모리 전체를 얼마나 확보하느냐로 넓어질 가능성이 있다.
그렇다고 속도조절론의 영향을 가볍게 볼 수만은 없다. 반도체 업계가 경계해야 하는 것은 AI 투자가 사라지는 것보다 실제 집행 시점이 뒤로 밀리는 경우다. 모델 출시 전에 제3자 검증이 추가되고 개발 일정이 길어지면 하이퍼스케일러(전 세계에 대규모 데이터센터를 직접 설계·운영하며 클라우드와 AI 인프라를 제공하는 초대형 IT 기업)가 데이터센터 투자 시점을 조정할 가능성이 있다. 총 투자 규모가 같더라도 착공과 서버 발주가 몇 분기 늦어지면 공급업체의 매출 인식 시점도 밀린다.
시장에서는 단기적으로 AI 성장의 종료보다 투자 집행과 실적 실현의 지연 가능성을 더 주의해야 한다는 분석이 나온다. 안전성 검증이 모델 개발·출시 일정을 바꾸고 설비투자 계획의 재검토로 이어질 경우 반도체와 서버·통신장비의 발주 시점도 달라질 수 있기 때문이다.
금리 상승까지 겹치면 위험은 커진다. 자금조달 비용이 높아지면 내부수익률이 낮은 데이터센터 프로젝트부터 투자 시기가 미뤄질 수 있다. 반대로 HBM 주문과 가격, 하이퍼스케일러의 설비투자가 유지된다면 AI 속도조절론 자체만으로 반도체 업황의 변곡점을 판단하기는 어렵다.
결국 국내 반도체 업계가 확인해야 할 신호는 ‘AI 개발을 천천히 하자’는 선언 자체가 아니다. 하이퍼스케일러의 설비투자 하향과 GPU 신규 주문 축소, HBM 계약 재협상, 메모리 가격 하락이 실제로 나타나는지가 중요하다. AI 모델이 만들어지는 속도는 느려질 수 있다. 하지만 이미 만들어진 AI가 더 오래, 더 많이 사용되고 각국 정부까지 자체 AI 인프라 확보 경쟁에 뛰어든다면 필요한 연산과 메모리는 오히려 늘어날 수 있다.
업계 관계자는 “AI가 얼마나 빨리 똑똑해지는가에서 얼마나 넓게 쓰이는가로, 빅테크가 얼마나 투자하는가에서 몇 개 국가가 AI 인프라를 구축하는가로 AI 수요 방정식이 바뀌고 있다”고 진단했다.
