CHINA SYSTEM · OPERATING LOGIC
개념을 작동 구조로 읽습니다
GPU 한 개의 숫자로 AI 반도체를 읽을 수 없다
人工智能芯片(AI 반도체)을 말할 때 시장은 흔히 GPU의 최고 연산성능부터 본다. 그러나 학습과 추론이 실제로 처리하는 것은 칩 한 개의 이론값이 아니다. 모델의 가중치와 토큰이 메모리에서 이동하고, 여러 가속기가 네트워크로 통신하며, 패키지가 열을 빼고, 소프트웨어가 작업을 나눠야 한다. 어느 한 곳이 막히면 비싼 연산기는 대기한다.
그래서 AI칩의 가치는 FLOPS나 TOPS의 최고치보다 특정 정밀도와 모델에서 나온 토큰 처리량, 지연시간, 전력, 실패율, 개발도구와 총소유비용으로 봐야 한다. 학습은 대규모 집단통신과 안정성을 중시하고, 추론은 응답시간·동시처리·비용과 배포유연성을 중시한다. 범용 GPU, 전용가속기, 엣지 NPU는 같은 순위표에 놓을 수 없는 도구다.
성능 비교에는 공통 프로토콜이 필요하다. 칩 제조사가 제시한 정밀도와 희소성, 배치 크기, 모델 구조가 다르면 초당 연산수는 직접 비교할 수 없다. 실제 고객은 특정 모델의 학습시간, 첫 토큰 지연, 초당 토큰, 메모리 용량과 대역폭, 노드 간 확장효율, 전력과 장애복구를 함께 봐야 한다. 소프트웨어가 성숙하지 않아 가속기 사용률이 낮으면 값싼 칩도 비싸다. 발표 벤치마크와 제3자 재현, 시험샘플과 양산보드의 결과를 분리하는 것이 기업지도의 출발점이다. 공공 시험베드는 동일 모델·정밀도·배치·전력제한과 장애조건을 공개하고 원시 로그를 보존해 제조사별 결과가 제3자에게 반복 검증되도록 해야 한다.
메모리와 연결이 연산기를 살리거나 굶긴다
高带宽存储器(고대역폭메모리·HBM)는 대량의 가중치와 중간값을 연산기로 빠르게 전달한다. 온칩 SRAM, DDR, 저장장치와 함께 메모리 계층을 이루며, 용량과 대역폭이 부족하면 연산기의 사용률이 떨어진다. 서버 내부의 PCIe·CXL, 가속기간 고속연결, 서버간 이더넷·인피니밴드와 광모듈도 집단통신의 병목을 결정한다.
先进封装(첨단패키징)은 더 이상 조립을 담당하는 후공정이 아니다. 칩렛, 2.5D·3D 적층, 실리콘 인터포저와 고밀도기판이 연산칩과 HBM의 거리를 줄이고 큰 칩의 수율한계를 보완한다. 동시에 대면적 패키지의 뒤틀림, 미세범프, 검사·리워크, 열과 기판 공급이 새로운 병목이 된다. 36Kr이 지적하듯 AI 시대에는 HBM과 CoWoS류 패키징이 기술적으로 결합돼 있고, 공급능력도 함께 계산해야 한다.
AI 반도체의 밸류체인은 설계 뒤부터 더 복잡해진다. 파운드리 공정, HBM과 범용 D램, 실리콘 인터포저·기판·범프, 첨단패키징·시험, 광·전기 인터커넥트, 서버전원과 액체냉각이 동시에 맞아야 한다. 그 위에 컴파일러, 커널 라이브러리, 프레임워크, 클러스터 관리와 모델 최적화가 쌓인다. 한 단계의 수율이나 납기가 흔들리면 비싼 부품이 재고로 묶인다. 따라서 ‘국산화율’보다 완성 시스템에서 안정적으로 납품 가능한 물량과 고객이 실제 사용한 시간이 더 강한 증거다. 핵심부품마다 승인 공급사, 대체재, 리드타임, 공정·패키지 수율과 고객인증 상태를 연결한 공급망 지도를 운영해야 병목의 실제 위치가 드러난다.
중국은 전 공급망을 하나의 정책대상으로 본다
중국의 집적회로 정책은 설계·제조·패키징테스트뿐 아니라 장비·소재·핵심소프트웨어와 인력을 함께 지원한다. 세제혜택, 국가·지방 산업기금, 연구개발 프로젝트, 국유기업과 통신사의 구매가 서로 다른 단계에 투입된다. 2026년 AI+제조 행동은 학습·추론·엣지 칩을 산업모델·지능체·데이터셋과 연결해 현장 적용을 늘리는 방향을 제시한다.
이 시스템의 강점은 시장이 아직 작을 때도 정책수요와 자본으로 기업을 버티게 하고, 클라우드·통신사·지방 지능연산센터가 초기 고객이 될 수 있다는 데 있다. 그러나 ‘국산화 목록에 포함됐다’는 사실은 수율, 성능, 고객검증과 반복매출을 보증하지 않는다. 지원금, 샘플, 설계채택, 양산승인, 출하와 입금은 서로 다른 증거다.
중국의 중앙정책은 세제·연구개발·조달·기금으로 공급망 전반을 겨냥하고, 지방정부는 설계사 유치·제조라인·패키징단지·연산센터를 묶는다. 이 구조는 장기투자와 첫 고객을 만들지만, 같은 기술을 여러 지역이 반복지원하고 설계 발표가 양산능력보다 앞서는 부작용도 낳는다. 투자자는 정부기금 출자나 시범채택을 매출로 보지 말고 테이프아웃, 웨이퍼 투입, 패키징 수율, 서버 인증, 소프트웨어 포팅과 반복구매를 단계별로 확인해야 한다. 정책자금은 특허·인력·설비도입보다 검증칩, 양산수율, 소프트웨어 이식, 유료사용과 후속 반복주문의 단계별 증거에 따라 집행하는 편이 효율적이다.
중국 기업 지도는 설계사만으로 완성되지 않는다
华为(화웨이)의 어센드 생태계는 칩·서버·클러스터·소프트웨어를 함께 구축한다. 寒武纪(캠브리콘), 摩尔线程(무어스레드), 壁仞科技(비런테크), 沐曦(무시·MetaX), 燧原科技(쑤이위안커지·Enflame) 등은 학습·추론 가속기와 플랫폼을 놓고 경쟁한다. 中芯国际(중신궈지·SMIC)과 华虹半导体(화훙반도체)는 제조, 长鑫存储(창신메모리·CXMT)는 메모리, 长电科技(창뎬커지·JCET) 등은 패키징·테스트의 축을 맡는다.
2025년 中国联通(차이나유니콤)의 青海(칭하이) 데이터센터는 阿里巴巴(알리바바)의 반도체 사업부 平头哥(핑터우거·T-Head) 등 여러 중국산 AI 칩을 대규모로 도입해 이종 칩 운영의 실험장이 됐다. 이는 공급망 자립의 진전이지만, 여러 칩을 한 플랫폼에서 효율적으로 쓰려면 컴파일러·프레임워크·통신라이브러리와 운영도구가 필요하다. 칩 수가 늘어날수록 소프트웨어 파편화 비용도 커질 수 있다.
기업 지도는 기능별로 읽어야 한다. 화웨이 어센드·캠브리콘·무어스레드 같은 가속기 설계, 중신궈지의 제조, 창뎬커지·通富微电(퉁푸마이크로)의 패키징과 시험, 메모리 업체, 서버·통신사·클라우드, 대학과 소프트웨어 개발자가 서로 다른 병목을 해결한다. 특정 설계사의 성능 발표가 전체 생태계의 자립을 의미하지 않으며, 반대로 최첨단 공정 제약이 성숙공정 추론칩과 패키징 혁신의 시장까지 없애는 것도 아니다. 고객군·작업유형·공급능력을 기업 이름보다 먼저 분류해야 한다. 기업 비교표에는 설계 IP, 제조·패키징 파트너, 메모리·서버 조달, 소프트웨어 도구, 주요 작업과 고객검증 단계를 나눠 생태계 역량을 과장하지 않아야 한다.
왜 지금 중국의 추격을 과대평가도 과소평가도 해서는 안 되는가
미국의 첨단 AI칩·HBM·반도체 제조장비 수출통제는 중국 기업의 접근을 제한해 왔다. 동시에 이 제약은 중국이 효율적 아키텍처, 국산 장비·소재, HBM과 패키징, 오픈소스 소프트웨어에 더 많은 자원을 투입하도록 압박했다. 로이터는 중국이 AI칩 생산을 늘리려는 계획과 화웨이 중심의 공급확대를 보도했지만, 계획된 생산능력과 양품 출하는 구분해야 한다.
중국의 강점은 거대한 내수·정책자본·엔지니어와 시스템 통합속도다. 약점은 최첨단 노광·계측·EDA, HBM 세대, 패키징 수율과 글로벌 소프트웨어 생태계의 동시 제약이다. 일부 구간의 성과만으로 전체 공급망 자립을 선언하는 것도, 최첨단 공정 격차만으로 모든 응용에서 경쟁력이 없다고 보는 것도 틀리다. 추론·산업엣지에서는 비용과 현지지원이 최고 공정보다 중요할 수 있다.
최종 수율은 한 공정의 합격률이 아니라 각 부품의 양품률과 조립수율이 결합된 결과다. 로직 다이, 여러 HBM 스택, 인터포저와 기판을 한 패키지에 결합하면 각 부품의 양품률과 조립수율이 최종 원가를 함께 결정한다. 검사장비·열변형·미세접합·수리 가능성도 양산규모에서 중요해진다. 수출통제로 최첨단 장비가 제한될수록 설계는 우회공정과 더 많은 칩을 쓰게 되고, 이는 전력·네트워크·소프트웨어 최적화 부담을 키울 수 있다. 병목은 ‘몇 나노’ 한 숫자가 아니라 성능·수율·전력·공급의 동시 최적화다. 수출통제·장비고장·HBM 부족과 고객주문 축소를 동시에 가정한 시나리오에서 생산량, 원가와 납기를 계산해야 단일 병목 해소가 전체 회복으로 오인되지 않는다.
가장 큰 병목은 단일 공정이 아니라 공급망 전체의 최종 수율이다
웨이퍼 제조수율이 높아도 HBM 적층이나 인터포저·기판이 부족하면 완제품이 나오지 않는다. 패키지가 완성돼도 컴파일러가 모델 연산자를 제대로 지원하지 못하면 성능이 떨어진다. 서버가 있어도 네트워크와 냉각이 맞지 않으면 클러스터 가동률이 낮아진다. AI 반도체 공급능력은 각 단계의 최대치가 아니라 가장 약한 단계와 전체 공정의 최종 수율로 결정된다.
거래위험도 기술만큼 크다. 최종사용자, 군민양용 가능성, 수출·재수출 통제, 제재대상, 설계자료와 공정레시피의 이전을 확인해야 한다. 공동개발에서 생긴 개선 IP, 샘플 분석, 인력접근과 제3국 판매를 계약하지 않으면 단기 매출이 장기 경쟁력 유출로 바뀔 수 있다. 반대로 모든 중국 거래를 일률적으로 차단하면 한국이 강한 메모리·소재·장비의 민간 수요와 표준형성 기회를 잃는다.
자본의 시간축도 기술과 맞아야 한다. 설계사는 매출 전에 여러 차례 테이프아웃 비용을 지불하고, 제조·패키징은 높은 고정투자를 장기간 회수한다. 지방기금의 단기 회수압력이나 상장 기대가 높으면 검증 전 제품발표와 중복설비가 늘 수 있다. 금융기관은 특허와 정책지정만 보지 말고 고객 공동검증, 예약주문, 공급계약, 수율 개선곡선과 소프트웨어 개발자 활동을 확인해야 한다. 장비·소재 기업에는 한 번의 국산대체 납품보다 여러 팹의 반복인증이 더 중요한 KPI다. 금융기관은 매출총이익보다 웨이퍼 선급금, 재고·폐기, 반복 테이프아웃, 고객집중과 양산수율 민감도를 현금흐름에 넣어 기술위험을 가격화해야 한다.
한국은 메모리를 ‘시스템 성능’으로 팔아야 한다
한국의 HBM 경쟁력은 중요한 출발점이지만 종착점이 아니다. 메모리 기업은 가속기·패키징·기판·광연결·냉각·소프트웨어 기업과 고객 워크로드를 공동검증해야 한다. 장비·소재 기업은 단일 공정의 스펙보다 양산수율·가동률·유지보수와 공급복원력을 계약해야 한다. 정부는 통제 준수와 정상적인 민간 거래를 구분할 수 있는 품목·사용자·국가 위험지도를 제공해야 한다.
한국은 HBM 공급자라는 한 역할에 머물 필요가 없다. 대기업은 메모리·기판·패키징·냉각·서버를 묶어 특정 모델의 처리량과 전력효율을 보증하고, 중견·중소기업은 검사·접합·열관리·소재의 병목을 공략할 수 있다. 정부는 수출통제 준수와 개방형 시험베드를 동시에 제공하고, 지방정부는 고객검증이 없는 생산라인보다 공동패키징·시스템 실증을 지원해야 한다. 대학·출연연은 재현 가능한 벤치마크를, 스타트업은 컴파일러·모델최적화를, 금융기관은 양산수율과 반복고객을 기준으로 투자해야 한다. 한국 컨소시엄은 특정 가속기의 홍보성 최고치가 아니라 실제 산업모델의 처리량·전력·안정성과 부품 교체 가능성을 공동 성과지표로 계약해야 한다. 공급중단 상황의 대체부품 전환시간과 고객 재인증 기간도 정기적으로 모의검증해야 한다.
대학과 출연연은 칩 독립형 벤치마크와 메모리–연산–네트워크 공동최적화를, 스타트업은 컴파일러·추론엔진·검증도구를 맡을 수 있다. 금융기관은 발표자료의 최고성능 대신 웨이퍼 투입, 패키징 양품, 고객인증, 반복출하와 현금흐름을 순서대로 확인해야 한다. 한국 산업계가 답해야 할 마지막 질문은 우리는 HBM 몇 개를 팔 것인가가 아니라, 어떤 AI 시스템의 병목을 우리 기술 묶음으로 해결하고 그 가치의 얼마를 가져올 것인가?