[태그:] AI반도체

  • 삼성 파운드리 가격 인상 이유, AI 칩 수요가 4·5나노 공급 구조를 바꾼 이유

    삼성 파운드리 가격 인상 이유, AI 칩 수요가 4·5나노 공급 구조를 바꾼 이유

    삼성전자 파운드리 가격 인상의 핵심 배경은 단순한 원가 상승보다 AI·HPC용 반도체 주문 증가와 첨단공정 생산능력의 빠듯함에 가깝습니다.

    로이터는 2026년 8월 19일 복수의 소식통을 인용해 삼성전자가 일부 신규 파운드리 주문에서 4나노와 5나노 가격을 최대 15% 올렸고, 8나노 가격도 약 10% 인상했다고 보도했습니다. 삼성전자는 개별 고객 가격에 대해서는 확인하지 않았습니다.

    중요한 부분은 인상률 자체보다 왜 지금 가격을 올릴 수 있었느냐입니다. 삼성전자는 2026년 2분기 실적 발표에서 미국과 중국 고객의 전 공정 수요가 늘고 있으며, 하반기에는 2세대 2나노 공정 생산 확대와 4나노 기반 제품 판매 확대, AI·HPC 설계 수주 확대를 추진한다고 공식적으로 밝혔습니다.

    즉, 이번 가격 변화는 삼성 파운드리 하나의 사건이라기보다 AI 반도체 수요가 파운드리 공급망 전체의 가격 결정력을 바꾸고 있다는 신호로 보는 편이 더 정확합니다.

    삼성 파운드리 가격은 얼마나 올랐나

    현재 공개적으로 확인되는 가격 인상 폭은 삼성전자가 발표한 공식 가격표가 아니라 로이터가 업계 소식통을 취재해 보도한 수치입니다.

    공정보도된 가격 변화주요 특징
    4나노일부 고객 5~15% 수준AI·HPC, 모바일, HBM 베이스 다이 등 활용
    5나노약 10~15%AI·HPC 및 고성능 로직 수요
    8나노약 10%비교적 성숙한 공정이지만 특정 수요가 견조
    2나노이번 보도의 직접 인상 대상 아님삼성전자가 생산 확대 중인 차세대 핵심 공정

    로이터 보도에 따르면 중국과 미국 고객의 일부 4나노 주문에는 10~15%, 대만 고객에는 5~10%의 인상이 적용된 것으로 전해졌습니다. 5나노 웨이퍼도 10~15%, 8나노는 약 10% 올랐다는 내용입니다. 실제 계약 가격은 고객·물량·공정 조건에 따라 달라질 수 있습니다.

    삼성 파운드리 가격 인상 이유 1: AI 칩이 4·5나노 수요까지 끌어올렸다

    AI 반도체라고 하면 가장 미세한 2나노나 3나노만 떠올리기 쉽습니다. 실제 공급망은 그렇게 단순하지 않습니다.

    AI 가속기와 데이터센터 시스템에는 GPU·ASIC뿐 아니라 각종 주변 로직, 네트워크 칩, 전력관리 반도체, HBM과 연결되는 로직 다이 등이 필요합니다. 따라서 AI 인프라 투자가 늘면 여러 공정 세대에 수요가 분산됩니다.

    TrendForce는 2026년 AI GPU와 클라우드 사업자의 자체 AI 칩 개발이 5·4나노 이하 첨단공정의 핵심 수요처가 되고 있으며, 삼성 파운드리 역시 5·4나노급 주문이 눈에 띄게 증가했다고 분석했습니다.

    삼성전자 역시 공식 2분기 실적 발표에서 하반기 4나노 기반 LPU와 베이스 다이 제품의 판매 확대를 예고했습니다.

    따라서 4나노 가격 인상을 단순히 ‘오래된 공정 가격이 올랐다’고 해석하면 AI 반도체 공급망의 실제 모습을 놓칠 수 있습니다.

    가격 인상 이유 2: TSMC 생산능력이 빠듯해지면서 대체 공급처 가치가 커졌다

    두 번째 배경은 파운드리 1위 사업자인 TSMC입니다.

    TrendForce는 TSMC의 5·4나노 이하 생산능력이 2026년 말까지 높은 가동 상태를 유지할 것으로 전망하면서, AI GPU와 자체 설계 AI 칩이 첨단공정 수요를 이끌고 있다고 분석했습니다. 같은 자료에서는 삼성 역시 5·4나노 주문 증가의 수혜를 받고 있다고 설명합니다.

    TSMC도 공식적으로 미국 내 첨단 생산시설 추가 투자를 확대하면서 그 배경으로 AI와 고성능컴퓨팅을 포함한 강한 고객 수요를 제시하고 있습니다.

    로이터 보도에서는 TSMC의 빠듯한 생산능력 때문에 일부 수요가 삼성전자와 다른 파운드리로 이동하고 있다는 설명도 나왔습니다.

    이 구조에서는 삼성 입장에서 무조건 가격을 낮춰 고객을 확보해야 하는 상황보다 생산능력을 확보하려는 고객과 가격을 협상할 여지가 커집니다.

    가격 인상 이유 3: 삼성 4나노 자체의 활용 범위가 넓어졌다

    가격을 올리려면 수요뿐 아니라 해당 공정이 안정적으로 쓰일 수 있어야 합니다.

    삼성전자는 2026년 4월 공식 반도체 뉴스룸에서 자사 4나노 공정이 양산 경험을 축적하면서 공정 안정성과 수율 신뢰성을 높였고, 고성능 로직 제품에 적용할 수 있는 확장성을 확보했다고 설명했습니다.

    4나노는 최첨단 공정인 2나노보다 숫자가 크지만 여전히 중요한 공정입니다. 모든 반도체를 가장 최신 공정으로 생산할 필요는 없으며, 비용·성능·전력·양산 안정성을 고려해 제품별로 적합한 공정을 선택하기 때문입니다.

    삼성전자가 2분기 실적 발표에서 4나노 기반 제품 판매 확대를 별도로 언급한 것도 이런 역할과 연결됩니다.

    2026년 삼성 파운드리 가격 변화 타임라인

    이번 일을 하루짜리 뉴스로만 보면 가격 인상의 의미를 파악하기 어렵습니다.

    시점확인된 변화의미
    2026년 1월삼성, 2026년 첨단공정 중심 두 자릿수 매출 성장 목표 제시2나노·4나노 확대 전략 명확화
    2월4·8나노 일부 공정 가격 인상 추진 보도수요가 높은 공정부터 가격 조정 신호
    3월AI 수요에 따른 5·4나노 공급 부족 분석 확대업계 전체 가격 결정력 변화
    4월삼성, 4나노 공정 안정성과 활용 범위 공식 강조4나노 경쟁력 강화
    7월삼성 일부 신규 주문 가격 조정 정황실제 가격 인상 단계
    7월 30일삼성 2분기 실적 발표에서 하반기 수요 확대 전망가동률·가격 효과를 통한 수익성 개선 전략
    8월 19일로이터, 최대 15% 가격 인상 보도시장 관심 본격 확대

    삼성전자는 2025년 연간 실적 발표 당시에도 2026년 파운드리 사업에서 첨단공정 중심의 매출 성장과 수익성 개선을 추진하고 2세대 2나노 및 성능·전력 최적화 4나노 생산을 확대하겠다고 밝혔습니다.

    2월에는 4나노와 8나노 일부 공정에 약 10% 안팎의 가격 인상이 검토되고 있다는 별도 보도도 나왔습니다.

    8월의 가격 인상 보도는 갑자기 등장한 사건이라기보다 상반기부터 진행된 수요 회복 → 가동률 상승 → 가격 결정력 회복 흐름의 연장선으로 해석할 수 있습니다.

    TSMC와 삼성 모두 가격을 올린다면 무엇이 달라질까

    여기서 주의할 점이 있습니다. 삼성전자의 가격 인상이 곧바로 TSMC와의 기술 격차가 사라졌다는 의미는 아닙니다.

    파운드리 고객이 제조사를 결정할 때 보는 기준은 가격 하나가 아닙니다.

    • 목표 공정의 성능과 전력 효율
    • 수율과 양산 안정성
    • 필요한 시점에 확보할 수 있는 생산능력
    • 패키징과 메모리 연계
    • 설계 생태계와 IP
    • 납기
    • 장기간 공급 안정성

    이 가운데 AI 붐이 크게 바꾼 항목이 바로 생산능력과 납기입니다.

    원하는 시점에 TSMC 생산능력을 확보하기 어려워진 고객에게는 두 번째 공급처의 가치가 높아집니다. 삼성전자가 가격을 일부 올렸음에도 주문을 받을 수 있다면, 시장이 가격보다 생산능력 확보를 더 중요하게 평가하는 구간이 나타나고 있다는 뜻입니다.

    삼성 파운드리 가격 인상 이유와 AI 반도체 수요 증가를 상징하는 첨단 반도체 생산라인과 웨이퍼
    삼성 파운드리 가격 인상 이유와 AI 반도체 수요 증가를 상징하는 첨단 반도체 생산라인과 웨이퍼

    그렇다면 AI 칩 가격도 바로 10~15% 오를까

    그렇게 단순 계산할 수는 없습니다.

    파운드리 웨이퍼 가격은 완성된 AI 가속기나 서버 가격을 구성하는 여러 비용 가운데 하나입니다. 칩 설계, 수율, 첨단 패키징, HBM, 테스트, 기판 등도 최종 비용에 영향을 미칩니다.

    또한 이번에 알려진 10~15% 인상률은 삼성전자 모든 고객과 모든 제품에 일괄 적용되는 공식 요금표가 아닙니다. 로이터가 복수의 소식통을 통해 파악한 일부 신규 주문 조건입니다.

    따라서 ‘삼성 파운드리 15% 인상 = AI 제품 가격 15% 상승’으로 연결하는 것은 적절하지 않습니다.

    오히려 주목할 것은 삼성 파운드리의 가격 결정력이다

    이번 변화에서 가장 중요한 지점은 절대적인 가격보다 삼성이 할인 경쟁 대신 일부 공정에서 가격을 올릴 수 있는 환경이 만들어졌다는 점입니다.

    TrendForce는 AI 수요가 2026년 파운드리 시장 성장을 이끌고 있으며 5·4나노 이하 첨단공정의 높은 가동률이 지속될 것으로 전망했습니다.

    삼성전자도 공식적으로 미국·중국 고객 수요 증가와 AI·HPC 설계 수주 확대를 제시하고 있습니다.

    두 흐름을 함께 보면 앞으로 확인해야 할 질문도 명확해집니다.

    앞으로 확인할 5가지

    1. 4나노 높은 가동률이 얼마나 지속되는가
    2. 2나노 주문 확대가 실제 양산 매출로 이어지는가
    3. AI·HPC 고객의 신규 설계 수주가 늘어나는가
    4. TSMC의 생산능력 확대가 공급 부족을 완화하는가
    5. 삼성의 가격 인상이 일시적 조정인지 장기적인 가격 결정력 회복인지

    특히 삼성은 하반기에 2세대 2나노 모바일 제품 생산을 확대하고, 4나노 제품 판매와 AI·HPC 설계 수주를 늘리겠다는 계획을 공식 발표했습니다.

    핵심 요약

    삼성 파운드리 가격 인상 이유를 한 문장으로 정리하면 AI 반도체 수요 증가로 4·5나노를 포함한 생산능력이 빠듯해지면서 삼성의 가격 협상력이 높아졌기 때문입니다.

    8월 19일 보도된 최대 15% 인상은 일부 신규 주문을 대상으로 한 것으로 전해졌으며 삼성전자가 고객별 가격을 공식 확인한 것은 아닙니다.

    다만 AI·HPC 주문 확대, 4나노 활용 증가, TSMC의 높은 첨단공정 가동률은 삼성과 시장조사업체의 자료에서도 별도로 확인됩니다.

    그래서 이번 이슈에서 봐야 할 것은 ‘15%’라는 숫자 하나가 아니라 AI 수요가 글로벌 파운드리의 공급능력과 가격 결정 구조를 어떻게 바꾸고 있는지입니다.

    FAQ

    삼성 파운드리 가격은 정확히 15% 오른 건가요?

    모든 공정과 고객의 가격이 일괄적으로 15% 오른 것은 아닙니다. 로이터는 일부 신규 주문에서 4나노·5나노 가격이 고객에 따라 최대 15%, 8나노는 약 10% 올랐다고 보도했습니다. 삼성전자는 개별 고객 가격은 확인하지 않았습니다.

    삼성은 왜 가격을 낮추지 않고 올릴 수 있게 됐나요?

    AI·HPC 수요 증가로 4·5나노급 공정 주문이 늘었고 TSMC를 포함한 첨단공정 생산능력이 빠듯해지면서 대체 생산능력을 확보하려는 고객 수요가 커진 영향이 있습니다.

    4나노도 AI 반도체에 쓰이나요?

    그렇습니다. AI 시스템에는 최첨단 GPU뿐 아니라 다양한 로직 칩과 HBM 관련 부품이 사용됩니다. 삼성전자는 2026년 하반기 4나노 기반 LPU와 베이스 다이 제품 판매 확대 계획을 공식적으로 밝혔습니다.

    이번 가격 인상으로 AI 제품 가격도 바로 오르나요?

    직접적인 비율로 연결할 수 없습니다. 파운드리 생산 비용은 최종 AI 칩이나 서버 원가의 한 요소이며 메모리, 패키징, 테스트, 수율 등 여러 비용이 함께 영향을 줍니다.

    앞으로 가장 중요한 변수는 무엇인가요?

    삼성 4나노의 가동률 지속 여부, 2나노 양산 확대, AI·HPC 신규 고객 수주, TSMC의 생산능력 확대 속도 등을 함께 확인할 필요가 있습니다. 삼성전자는 2026년 하반기에 2나노 생산과 AI·HPC 설계 수주를 확대하겠다는 계획을 제시했습니다.

    출처 및 참고자료

    1. Samsung Electronics, 「Samsung Electronics Announces Second Quarter 2026 Results」, 2026 — 삼성전자 공식 2분기 실적 및 파운드리 사업 전략.
    2. Samsung Semiconductor, 「삼성전자 4나노 파운드리 공정: 안정성 위에 확장성을 더하다」, 2026-04-28 — 삼성전자 4나노 공정 특성.
    3. TSMC, Arizona Manufacturing Expansion — AI·HPC 고객 수요와 첨단 생산능력 확대 관련 공식 자료.
    4. Reuters, 「Samsung hikes chipmaking prices by up to 15% on demand spike」, 2026-08-19 — 삼성 파운드리 가격 인상 및 수요 상황 보도.
    5. TrendForce, 「Strong AI Momentum to Drive 24.8% Growth in Foundry Revenue in 2026」, 2026-03-19 — AI 수요와 5·4나노 첨단공정 공급 상황 분석.
    6. ZDNET Korea, 「삼성 파운드리, 4·8나노 공정 가격 인상 추진」, 2026-02-04 — 상반기 가격 조정 움직임.
  • AMD Taalas 인수 의미, Instinct GPU와 AI 추론칩 전략은 어떻게 달라지나

    AMD Taalas 인수 의미, Instinct GPU와 AI 추론칩 전략은 어떻게 달라지나

    AMD가 2026년 8월 6일 AI 추론 반도체 스타트업 Taalas(탈라스) 인수 계약을 발표했습니다.

    이번 인수의 핵심은 AMD가 Instinct GPU를 버리고 Taalas 칩으로 교체한다는 데 있지 않습니다. AMD의 공식 설명은 오히려 반대입니다. Taalas 기술을 기존 Instinct GPU·Helios 랙스케일 시스템·ROCm 생태계와 결합해 AI 추론용 선택지를 넓히겠다는 전략에 가깝습니다.

    구체적인 Taalas 기반 AMD 제품명이나 출시 일정, 인수 가격은 아직 공개되지 않았습니다.

    Taalas는 일반적인 GPU와 무엇이 다른가

    GPU는 다양한 모델과 연산을 소프트웨어로 바꿔가며 처리할 수 있다는 점이 강점입니다. 반면 Taalas는 특정 AI 모델에 맞게 하드웨어 자체를 강하게 특화하는 접근을 택했습니다.

    Taalas는 첫 제품 HC1에서 Llama 3.1 8B 모델의 데이터 흐름과 가중치를 하드웨어에 밀착시키는 구조를 사용했습니다. 회사 설명에 따르면 별도의 HBM에 모델 가중치를 계속 불러오는 일반적인 구조와 달리 계산과 메모리 사이의 데이터 이동을 크게 줄이는 것이 목적입니다.

    구분AMD Instinct GPU 계열Taalas식 모델 특화 실리콘
    기본 성격범용성이 높은 AI 가속기특정 모델에 강하게 특화
    모델 변경소프트웨어 중심으로 대응하드웨어 변경 부담이 큼
    메모리 구조HBM 등 외부 고속 메모리 활용첫 제품은 모델 정보를 실리콘에 강하게 통합
    장점학습·추론 및 여러 모델 대응특정 추론에서 높은 속도·효율 목표
    약점데이터 이동·메모리 병목 가능유연성이 낮고 모델 교체 비용 발생
    AMD가 밝힌 방향계속 핵심 플랫폼으로 사용Instinct와 결합하는 보완 기술

    AMD도 인수 발표에서 Taalas 기술을 Instinct GPU와 함께 사용하는 시스템 수준 솔루션으로 발전시키겠다고 설명했습니다.

    즉 현시점에서는 ‘GPU 대 Taalas’보다는 GPU와 모델 특화 칩을 어떤 워크로드에 나눠 쓸 것인가가 더 정확한 질문입니다.

    왜 AI 추론에서 이런 방식이 필요한가

    AI 서비스는 모델을 학습시키는 단계와 학습된 모델을 실제 사용자 요청에 반복적으로 실행하는 추론 단계로 나눌 수 있습니다.

    대규모 서비스에서 같은 모델을 수없이 반복 실행하면 연산 성능만큼이나 메모리에서 모델 데이터를 가져오는 비용과 전력, 지연시간​이 중요해집니다.

    Taalas는 이 병목을 줄이기 위해 하드웨어를 모델에 맞추는 극단적인 선택을 했습니다. Reuters도 이번 인수 배경을 AI 시장이 학습 중심에서 실시간·대규모 추론으로 확대되면서 반도체 업체들이 추론 비용을 줄이는 기술에 집중하고 있는 흐름과 연결했습니다.

    ‘초당 1만7천 토큰’은 그대로 받아들여도 될까

    Taalas는 자체 테스트에서 HC1이 Llama 3.1 8B를 사용자당 약 초당 1만7천 토큰 수준으로 처리했다고 발표했습니다.

    다만 이 수치는 세 가지 조건을 붙여서 봐야 합니다.

    첫째, Taalas 자체 측정치입니다.

    둘째, 첫 제품은 특정 모델인 Llama 3.1 8B에 맞춰져 있습니다. EE Times도 높은 성능의 대가로 첫 칩이 사실상 해당 모델에 특화돼 있다는 점을 지적했습니다.

    셋째, Taalas는 자사 자료에서 첫 실리콘이 공격적인 3비트·6비트 양자화를 사용하기 때문에 GPU 기준과 비교했을 때 일부 품질 저하가 있다고 직접 밝혔습니다.

    따라서 이 수치를 모든 대형언어모델에서 GPU보다 몇 배 빠르다는 일반적인 성능 수치로 확대해 해석하면 안 됩니다.

    AMD는 왜 GPU 회사가 모델 특화 칩을 사들였나

    AMD의 공식 발표를 보면 인수 목적은 비교적 명확합니다.

    Taalas의 기술을 기존 AMD 풀스택 AI 플랫폼에 추가해 워크로드에 따라 서로 다른 연산 방식을 제공하는 것입니다.

    AMD가 언급한 기존 플랫폼에는 다음이 포함됩니다.

    • AMD Instinct GPU
    • EPYC CPU
    • ROCm 소프트웨어
    • Helios 랙스케일 설계
    • 기타 AI 생태계

    Helios 역시 한 종류의 칩만 판매하는 제품이 아니라 GPU·CPU·네트워킹 등을 랙 단위로 결합하는 레퍼런스 디자인입니다. AMD 공식 자료는 현재 Helios를 판매용 단일 제품이 아니라 OEM·ODM이 시스템을 구성할 수 있도록 제공하는 설계 청사진이라고 설명합니다.

    여기에 Taalas 기술이 추가되면 AMD는 범용 GPU뿐 아니라 특정 추론 작업에 최적화된 실리콘까지 시스템 차원에서 배치할 수 있는 선택지를 확보하게 됩니다.

    다만 어떤 Helios 시스템에 언제 Taalas 기반 칩이 실제로 들어가는지는 AMD가 아직 발표하지 않았습니다.

    Instinct GPU가 사라질 가능성이 낮은 이유

    Taalas 방식에는 분명한 대가가 있습니다. 바로 유연성입니다.

    AI 모델이 자주 교체되는 환경에서는 소프트웨어만 업데이트하면 되는 GPU가 유리합니다. 반대로 모델이 안정적으로 고정되고 요청량이 막대한 서비스에서는 모델에 맞춘 하드웨어가 경제성을 만들 가능성이 있습니다.

    그래서 현재 공개된 내용만 놓고 보면 다음과 같은 역할 분담이 가능하다는 해석이 나옵니다.

    워크로드상대적으로 유리할 가능성이 있는 방식
    모델이 자주 바뀌는 서비스프로그래밍 가능한 GPU
    학습·파인튜닝GPU 중심
    다양한 모델을 하나의 인프라에서 운영GPU
    고정된 모델의 대규모 반복 추론특화 실리콘의 장점이 커질 수 있음
    초저지연이 중요한 특정 서비스특화 추론칩 활용 가능성

    이 표는 AMD가 제품 배치를 공식 발표한 내용이 아니라 두 아키텍처 특성을 바탕으로 한 비교입니다. 실제 제품 구성은 향후 AMD 발표를 확인해야 합니다.

    AMD Taalas 인수 의미를 보여주는 범용 GPU와 AI 추론 특화 반도체의 결합 구조
    AMD Taalas 인수 의미를 보여주는 범용 GPU와 AI 추론 특화 반도체의 결합 구조

    이번 인수에서 아직 모르는 것

    AMD Taalas 인수 의미를 판단할 때 오히려 미공개 항목이 중요합니다.

    • 인수가격
    • 거래 완료 시점
    • 첫 AMD·Taalas 공동 제품명
    • 실제 출시 일정
    • 적용할 AI 모델
    • Helios 내부에서 맡게 될 구체적 역할
    • Taalas 기술과 Instinct GPU 사이의 실제 워크로드 분담
    • 대량 생산 시 성능·비용·전력 효율

    Reuters와 AMD 모두 거래 금액을 공개하지 않았습니다. AMD는 Taalas 기술을 자사 가속기 로드맵에 통합한다는 방향까지만 밝혔습니다.

    따라서 지금 단계에서 “AMD가 GPU에서 ASIC으로 전략을 전환했다”거나 “Instinct를 Taalas가 대체한다”고 단정할 근거는 없습니다.

    AMD Taalas 인수에서 확인할 다음 발표

    앞으로는 다음 세 가지가 중요합니다.

    1. 첫 제품 로드맵
      Taalas 기술을 AMD가 어느 세대 제품부터 적용하는지 확인할 필요가 있습니다.
    2. Instinct와 실제 연결 방식
      별도 추론 가속기로 사용하는지, 하나의 랙 안에서 역할을 나누는지, 다른 형태로 IP를 통합할지 아직 공개되지 않았습니다.
    3. 독립적인 실사용 성능
      Taalas가 공개한 초기 벤치마크는 인상적이지만 회사 자체 측정치입니다. 다양한 모델과 긴 컨텍스트, 실제 서비스 환경에서의 데이터가 필요합니다.

    현재 단계에서 이번 인수의 가장 분명한 의미는 AMD가 GPU 하나로 모든 AI 연산을 해결하는 전략보다 범용 GPU와 특화 추론 실리콘을 함께 갖춘 풀스택 전략을 강화하고 있다는 점입니다.

    이 방향이 실제 경쟁력으로 이어지는지는 앞으로 공개될 제품과 고객, 독립 벤치마크를 확인한 뒤 판단해야 합니다.

    이 글은 기업의 공식 발표와 공개 기술자료를 정리한 정보이며 AMD 등 특정 증권의 매수·매도 권유나 주가 전망이 아닙니다.

    FAQ

    Taalas는 AMD Instinct GPU를 대체하나요?

    현재 AMD 발표에는 그런 내용이 없습니다. AMD는 Taalas 기술을 Instinct GPU와 함께 시스템 수준에서 활용하겠다고 밝혔습니다.

    AMD는 Taalas를 얼마에 인수했나요?

    2026년 8월 7일 현재 거래 금액은 공개되지 않았습니다.

    Taalas의 1만7천 토큰 성능은 공식 AMD 제품 성능인가요?

    아닙니다. Taalas가 자체 HC1·Llama 3.1 8B 환경에서 측정해 공개한 결과입니다. 다른 모델이나 실제 AMD 제품의 성능으로 일반화할 수 없습니다.

    Taalas 기반 AMD 제품은 언제 나오나요?

    AMD는 구체 제품명과 출시 시점을 아직 발표하지 않았습니다. 현재 공식적으로 확인되는 것은 Taalas 기술을 가속기 로드맵과 Instinct 기반 시스템 솔루션에 통합한다는 방향입니다.

    출처 및 참고자료

    1. AMD, 「AMD Acquires Taalas to Advance Compute Solutions for Rapidly Growing AI Inference Market」, 2026-08-06. AMD 공식 인수 발표
    2. Taalas, 「The path to ubiquitous AI」 — HC1 기술 및 자체 성능 자료. Taalas 기술자료
    3. AMD, 「AMD Helios」 공식 제품·레퍼런스 디자인 설명. AMD Helios 공식 자료
    4. Reuters, 「AMD deepens AI inference bet with Taalas deal as chip race heats up」, 2026-08-06. Reuters 보도
    5. EE Times, 「AI Chip Startup Taalas Acquired by AMD」, 2026-08-06. EE Times 분석
    6. The Register, 「AMD acquires AI chip startup Taalas…」, 2026-08-06. The Register 분석
    7. 조선비즈, 「AMD, AI 반도체에 ‘지름길’ 뚫는다…캐나다 스타트업 ‘탈라스’ 인수 의미는」, 2026-08-07. 조선비즈 분석
  • HBF와 HBM 차이, AI 추론용 메모리는 무엇이 다른가

    HBF와 HBM 차이, AI 추론용 메모리는 무엇이 다른가

    HBF는 HBM을 없애기 위한 대체품이 아니다. HBM은 연산에 즉시 필요한 데이터를 빠르게 공급하고, HBF는 HBM만으로 담기 어려운 대규모 데이터를 GPU·AI 가속기 가까이에 두기 위한 보완 계층에 가깝다.

    두 기술은 모두 넓은 데이터 통로를 목표로 하지만 출발점이 다르다. HBM은 빠른 DRAM을 쌓고, HBF는 용량과 비휘발성이 강점인 NAND 플래시를 쌓는다. 이 차이 때문에 HBM은 지연시간이 중요한 연산용 작업공간에, HBF는 읽기 중심의 대규모 AI 추론에 초점이 맞춰져 있다.

    2026년 8월 3일 샌디스크와 SK하이닉스는 OCP를 통해 첫 HBF 기술 사양을 발표했다. 이 사양은 HBF가 HBM과 함께 사용되는 계층형 메모리 구조를 전제로 하며, HBF를 HBM의 단순 교체품으로 정의하지 않는다.

    HBM과 HBF의 가장 큰 차이

    HBM은 High Bandwidth Memory, HBF는 High Bandwidth Flash의 약자다. 이름은 비슷하지만 내부에 사용하는 메모리 셀이 다르다.

    • HBM: DRAM 다이를 수직으로 적층한 고대역폭 메모리
    • HBF: NAND 플래시 다이를 적층해 대역폭을 높인 고대역폭 플래시
    • SSD: NAND 플래시를 사용하지만 PCIe·NVMe를 거쳐 비교적 멀리 배치되는 저장장치

    HBM은 전원이 꺼지면 데이터가 사라지는 휘발성 메모리다. 대신 지연시간이 짧고 작은 단위의 데이터를 빠르게 반복해서 읽고 쓸 수 있다.

    HBF는 NAND 기반이므로 전원을 끊어도 데이터를 유지한다. 용량을 크게 늘리기 쉽지만, HBM보다 지연시간이 길고 데이터를 페이지 단위로 처리한다. 샌디스크 역시 자사 시뮬레이션 설명에서 HBF가 HBM보다 지연시간이 길고 페이지 크기가 크다고 명시했다.

    HBF와 HBM 비교표

    비교 항목HBMHBF
    기반 메모리DRAMNAND 플래시
    데이터 유지전원을 끄면 사라짐전원을 꺼도 유지
    핵심 강점짧은 지연시간과 높은 대역폭큰 용량과 높은 읽기 대역폭
    주요 역할연산 중인 핫 데이터와 작업공간대규모 모델·데이터를 연산장치 가까이에 배치
    접근 특성작은 단위의 빈번한 읽기·쓰기상대적으로 큰 페이지 단위, 읽기 중심에 유리
    2026년 상태HBM3E 상용 공급, HBM4 양산·출하 단계첫 OCP 기술 사양 공개, 제품 샘플 단계
    대표 공개 용량HBM3E 스택당 24GB·36GB 사례16단 스택 기준 최대 512GB 사양
    대표 공개 대역폭HBM3E 1.2TB/s 이상, HBM4 2.8~3.3TB/s급 사례표준 등급에 따라 약 0.4~3.0TB/s
    적합한 작업AI 학습, 지연시간 민감 추론, 활성 데이터대용량·읽기 중심 AI 추론
    관계핵심 연산 메모리HBM과 SSD 사이의 보완 계층

    표의 수치는 같은 제품 세대와 조건을 직접 시험한 벤치마크가 아니다. Micron의 HBM3E는 스택당 24GB 또는 36GB와 1.2TB/s 이상의 대역폭을 제공하며, Samsung HBM4는 최대 3.3TB/s를 제시한다. HBF의 0.4~3.0TB/s와 최대 512GB는 2026년 공개된 HBF 규격 범위다.

    HBF가 등장한 이유는 용량 때문이다

    AI 가속기는 연산만 빠르다고 성능이 올라가지 않는다. 연산에 필요한 모델 가중치와 데이터를 제때 공급하지 못하면 GPU 코어가 기다리게 된다.

    HBM은 대역폭이 높지만 한 스택에 담을 수 있는 용량이 제한적이고, 여러 스택을 GPU 패키지 주변에 배치할 수 있는 면적도 한정돼 있다. 반면 SSD는 수 테라바이트의 용량을 제공하지만 GPU에서 멀리 있고, 기존 HBM보다 대역폭과 지연시간 면에서 불리하다.

    HBF는 이 두 계층 사이를 채우려는 기술이다.

    AI 가속기
       ↓ 가장 가깝고 빠른 데이터
    HBM
       ↓ 대용량이지만 높은 대역폭이 필요한 데이터
    HBF
       ↓ 장기간 보관하거나 상대적으로 덜 자주 쓰는 데이터
    SSD

    SK하이닉스는 HBF를 HBM과 SSD 사이에 놓이는 새로운 메모리 계층으로 설명한다. 한 종류의 메모리만으로 모든 AI 워크로드를 처리하기보다, 속도·용량·비용이 다른 메모리를 함께 사용하는 ‘티어드 메모리’ 구조가 전제다.

    HBF는 어떻게 NAND를 빠르게 만드는가

    일반 SSD도 NAND 플래시를 사용한다. 그렇다면 HBF가 단순히 빠른 SSD와 다른 점은 무엇일까.

    핵심은 병렬 데이터 경로와 배치 위치다.

    HBF는 여러 NAND 다이를 수직으로 쌓고, 많은 데이터 경로를 동시에 사용해 대역폭을 확보한다. 2026년 공개된 HBF 규격은 8단과 16단 스택, 최대 512GB 용량, 약 0.4~3.0TB/s의 세 가지 대역폭 등급을 포함한다.

    프로세서와 HBF 사이의 연결에는 UCIe 기반 구조가 채택됐다. UCIe는 서로 다른 칩렛을 패키지 내부에서 고속으로 연결하기 위한 개방형 인터커넥트 규격이다. HBF 사양에는 xPU-HBF 호스트 인터페이스, 전기적 특성, 패키징·신뢰성 지침, 읽기·쓰기용 소프트웨어 가이드도 포함됐다.

    따라서 HBF는 기존 SSD처럼 CPU와 시스템 메모리, PCIe 장치를 차례로 거치는 저장장치라기보다 GPU·CPU·AI 가속기 가까이에 배치되는 메모리 인접 스토리지 계층으로 보는 편이 정확하다.

    HBF가 HBM보다 무조건 좋은 것은 아니다

    HBF의 최대 장점은 용량이지만, NAND의 특성까지 사라지는 것은 아니다.

    1. HBM보다 지연시간이 길다

    대역폭은 일정 시간 동안 옮길 수 있는 데이터의 총량이고, 지연시간은 데이터를 요청한 뒤 첫 응답을 받기까지 걸리는 시간이다.

    차선을 수천 개로 늘리면 한꺼번에 많은 데이터를 보낼 수 있지만, 첫 차량이 도착하는 시간이 반드시 짧아지는 것은 아니다. HBF는 많은 NAND 채널을 병렬로 사용해 대역폭을 높이지만 개별 접근 지연시간은 DRAM 기반 HBM보다 길다.

    이 때문에 작고 불규칙한 데이터를 수시로 갱신하는 작업에서는 HBM이 유리하다.

    2. 쓰기 성능과 내구성 검증이 필요하다

    NAND 플래시는 읽기보다 쓰기와 삭제가 복잡하며 쓰기 횟수에 따른 내구성도 고려해야 한다.

    2026년 HBF 사양에는 읽기·쓰기 지침과 신뢰성·패키징 기준이 들어갔지만, 실제 제품의 쓰기 성능과 내구성, 발열, 수율을 비교할 독립적인 양산 벤치마크는 아직 공개되지 않았다.

    3. 현재 공개된 성능 수치는 제조사 목표가 중심이다

    샌디스크는 2025년 자료에서 1세대 HBF가 16단 기준 512GB와 1.6TB/s의 읽기 대역폭을 목표로 한다고 밝혔다. HBM보다 8~16배 큰 용량과 유사한 대역폭을 제공한다는 설명도 포함했다.

    다만 HBM 대비 성능 차이가 2.2%에 불과하다는 수치는 독립 기관의 실측 결과가 아니다. 8비트로 사전 학습된 Llama 3.1 405B 모델의 가중치를 읽는 상황을 가정한 샌디스크 내부 시뮬레이션이며, 비교 대상 HBM은 용량 제한이 없는 것으로 가정됐다. 실제 제품과 워크로드에서는 결과가 달라질 수 있다.

    HBF가 AI 추론에 적합한 이유

    AI 학습에서는 가중치와 활성값, 기울기를 계속 읽고 쓰며 갱신한다. 지연시간과 쓰기 성능이 중요하기 때문에 HBM의 역할이 크다.

    추론에서는 이미 학습된 가중치를 불러와 반복해서 읽는 작업의 비중이 상대적으로 커진다. 서비스하는 모델이 커지거나 여러 모델을 동시에 운영하면 HBM에 모든 데이터를 담기 어려워진다.

    HBF가 목표로 하는 영역은 다음과 같다.

    • HBM에 전부 들어가지 않는 대규모 모델 가중치
    • 반복적으로 읽지만 매번 수정하지는 않는 데이터
    • GPU와 가까운 위치에서 높은 처리량이 필요한 데이터
    • SSD보다 빠르게 접근해야 하지만 HBM 수준의 지연시간까지는 필요하지 않은 데이터

    HBF가 도입되더라도 즉시 계산해야 하는 활성 데이터는 계속 HBM에 남을 가능성이 높다. HBF에는 큰 모델과 읽기 중심 데이터가 배치되고, SSD에는 장기 보관 데이터가 남는 구조다.

    HBF HBM 차이를 보여주는 AI 가속기용 DRAM 적층 메모리와 NAND 적층 플래시 비교 이미지
    HBF HBM 차이를 보여주는 AI 가속기용 DRAM 적층 메모리와 NAND 적층 플래시 비교 이미지

    HBF는 HBM을 대체할까

    현재 공개된 사양을 기준으로는 완전 대체보다 공존 가능성이 높다.

    샌디스크의 2026년 발표도 HBF가 HBM과 함께 사용될 수 있도록 사양을 설계했다고 설명한다. SK하이닉스 역시 HBF를 HBM과 SSD 사이의 계층으로 규정했다.

    판단 기준은 다음과 같다.

    필요한 조건적합한 계층
    지연시간이 매우 짧아야 하고 데이터가 자주 변경됨HBM
    매우 큰 데이터를 높은 대역폭으로 반복해서 읽음HBF
    전원을 꺼도 대량 데이터를 장기간 저장해야 함SSD
    연산 성능과 대용량을 모두 확보해야 함HBM과 HBF 병행

    따라서 “HBM 다음은 HBF”라는 표현은 기술 세대가 통째로 교체된다는 뜻으로 받아들이면 부정확하다. HBF는 HBM의 뒤를 잇는 동일 계열 제품이라기보다, AI 메모리 계층에 새로 추가되는 NAND 기반 구성요소다.

    2026년 HBF 개발 단계와 상용화 일정

    HBF는 개념 발표를 넘어 기술 사양이 나온 단계지만, HBM처럼 대량 공급되는 상용 제품 단계는 아니다.

    날짜확인된 내용
    2025년 7월샌디스크가 HBF 기술 자문위원회와 1세대 목표 사양 공개
    2025년 8월샌디스크와 SK하이닉스가 HBF 표준화 협력 체결
    2026년 2월OCP HBF 워크스트림을 통한 표준화 작업 시작
    2026년 8월 3일첫 HBF OCP 기술 사양 발표
    2026년 8월 4~6일FMS 2026에서 HBF 사양과 계층형 메모리 구조 소개
    2026년 하반기샌디스크가 제시한 첫 HBF 샘플 목표 시점
    2027년 초HBF를 적용한 AI 추론 장치 샘플의 목표 시점

    OCP는 현재 High Bandwidth Flash를 스토리지 분야 워크스트림으로 등재하고 있다. 첫 규격에는 인터페이스와 전기적 특성, 신뢰성, 패키징, 소프트웨어 입출력 지침이 포함됐지만 실제 고객 인증과 양산 시점은 별도의 확인이 필요하다.

    2026년 하반기 샘플과 2027년 초 적용 장치 일정은 샌디스크가 2025년에 제시한 목표다. 확정된 출하 실적이 아니라 향후 개발 일정이므로 지연되거나 변경될 수 있다.

    HBF를 볼 때 확인해야 할 네 가지

    HBF 관련 발표를 읽을 때는 용량과 대역폭만 보면 안 된다.

    독립 벤치마크가 공개됐는가

    현재 주요 성능 수치는 제조사 사양이나 내부 시뮬레이션이 중심이다. 실제 AI 가속기에 장착한 상태에서 HBM만 사용한 시스템과 처리량, 응답시간, 전력소비를 비교한 자료가 필요하다.

    읽기뿐 아니라 쓰기 성능이 어느 수준인가

    AI 추론도 모든 데이터가 읽기 전용인 것은 아니다. 캐시와 중간 결과처럼 변경되는 데이터가 있으므로 쓰기 지연시간과 내구성이 실제 시스템 설계에 영향을 준다.

    HBM을 얼마나 줄일 수 있는가

    HBF가 추가되더라도 지연시간에 민감한 데이터에는 HBM이 필요하다. HBM을 전부 없애는 것이 아니라 필요한 HBM 용량을 줄일 수 있는지가 핵심이다.

    제품 샘플과 양산 일정이 지켜지는가

    규격 공개와 제품 양산 사이에는 수율, 발열, 패키징, 컨트롤러, 소프트웨어 최적화, 고객 인증 과정이 남아 있다. HBF 적용 제품이 실제로 출하되기 전까지는 목표 사양과 상용 성능을 구분해야 한다.

    핵심 요약

    • HBM은 DRAM 기반의 저지연·고대역폭 메모리다.
    • HBF는 NAND 기반의 대용량·고대역폭 플래시다.
    • HBF는 HBM보다 용량 확장에 유리하지만 지연시간은 길다.
    • 현재 HBF는 AI 학습보다 읽기 중심의 대규모 AI 추론을 주목표로 한다.
    • 2026년 공개 사양은 최대 512GB와 약 0.4~3.0TB/s 범위를 제시한다.
    • HBF는 HBM의 완전 대체품이 아니라 HBM과 SSD 사이의 보완 계층이다.
    • 실제 성능과 경제성은 독립 벤치마크와 양산 제품이 나온 뒤 판단해야 한다.

    FAQ

    HBF와 HBM 중 어느 기술이 더 빠른가요?

    개별 데이터 접근과 지연시간은 DRAM 기반 HBM이 유리하다. HBF는 많은 NAND 채널을 병렬로 사용해 높은 총대역폭을 목표로 하지만, HBM보다 접근 지연시간과 페이지 크기가 크다.

    HBF는 빠른 SSD와 같은 것인가요?

    둘 다 NAND를 사용하지만 배치와 인터페이스가 다르다. SSD는 일반적으로 PCIe·NVMe 저장장치로 연결되고, HBF는 GPU나 AI 가속기 가까이에 배치돼 HBM과 SSD 사이의 메모리 계층으로 작동하도록 설계된다.

    HBF가 나오면 HBM이 필요 없어지나요?

    그럴 가능성은 낮다. HBF는 큰 용량을 담당하고, HBM은 지연시간에 민감한 활성 데이터를 담당하는 병행 구조가 현재 사양의 기본 방향이다.

    HBF 제품은 지금 구매할 수 있나요?

    2026년 8월 기준으로 첫 기술 사양이 공개된 단계다. 샌디스크가 2026년 하반기 첫 샘플을 목표로 제시했지만 일반적으로 구매 가능한 양산 제품과 실제 적용 장치는 아직 확인되지 않았다.

    HBF가 일반 PC나 그래픽카드에도 들어갈까요?

    현재 공식 발표는 데이터센터와 AI 추론 시스템에 집중돼 있다. 소비자용 그래픽카드나 PC 적용 제품, 가격, 출시 일정은 발표되지 않았다.

    출처 및 참고자료

    1. Sandisk·SK하이닉스, 첫 HBF OCP 기술 사양 공개, Sandisk, 2026-08-03
    2. SK hynix Unveils First HBF Standard Specifications with Sandisk, SK하이닉스, 2026-08-04
    3. OCP Semi-Private Workstreams — High Bandwidth Flash, Open Compute Project, 확인일 2026-08-05
    4. Sandisk HBF Fact Sheet, Sandisk, 2025-07
    5. Micron HBM3E 제품 사양, Micron, 확인일 2026-08-05
    6. Samsung HBM4 제품 사양, Samsung Semiconductor, 확인일 2026-08-05
    7. UCIe Specifications, UCIe Consortium, 확인일 2026-08-05