인공지능 시대, 왜 더 많은 반도체가 필요할까?
챗GPT 하나에 응답하는 데 필요한 연산량은 구글 검색 한 번보다 수십 배 많다. 단순히 '더 똑똑한 소프트웨어'가 아니라, 그 뒤에서 돌아가는 하드웨어의 규모가 근본적으로 달라졌다는 뜻이다. AI가 일상에 깊숙이 들어올수록 반도체 수요는 선형이 아닌 기하급수적으로 늘어난다. 그 이유를 제대로 이해하면, 왜 전 세계가 반도체 공장 하나에 수십조 원을 쏟아붓는지 납득이 된다. AI Generated · Google Imagen AI 반도체란 정확히 무엇인가? 일반 CPU와 무엇이 다른가 우리가 수십 년간 써온 CPU는 '순서대로 빠르게 처리하는' 구조다. 복잡한 명령을 하나씩 정확하게 실행하는 데 최적화되어 있다. 반면 AI 연산, 특히 딥러닝은 수천만 개의 단순한 곱셈과 덧셈을 동시에 처리해야 한다. 이 차이가 GPU와 NPU(신경망 처리 장치) 같은 AI 전용 칩이 등장한 근본 이유다. NVIDIA의 H100 GPU 하나에는 약 800억 개의 트랜지스터가 집적되어 있다. 이 칩 하나의 가격이 한때 시장에서 수천만 원을 넘어섰다는 사실은, 수요가 공급을 얼마나 압도했는지를 단적으로 보여준다. 대형 AI 모델을 훈련시키려면 이런 칩이 수천 개에서 수만 개 단위로 필요하다. 메모리도 함께 진화해야 한다 연산 칩만 빠르면 되는 게 아니다. 데이터를 칩으로 얼마나 빠르게 공급하느냐, 즉 '메모리 대역폭'이 병목이 된다. 이 문제를 해결하기 위해 등장한 것이 HBM(고대역폭 메모리)이다. HBM은 메모리 칩을 수직으로 쌓아 연산 칩 바로 옆에 붙이는 방식으로, 기존 DRAM 대비 데이터 전송 속도가 수 배 이상 빠르다. SK하이닉스와 삼성전자가 이 분야에서 핵심 공급자로 부상한 것은 우연이 아니다. AI Generated · Google Imagen AI 모델이 커질수록 반도체 수요가 폭발하는 이유 '스케일링 법칙...