중국 AI와 반도체 (제번스의 역설, AI 공급 확대, 메모리 수요)
중국 스타트업 문샷 AI가 직원 300명, 제재받은 GPU로 만든 키미 K3가 글로벌 최상위 AI 모델과 맞붙을 수 있는 수준이라는 소식이 나왔습니다. 시장은 반사적으로 나스닥을 팔았지만, 저는 이 뉴스를 보자마자 반도체 섹터에 오히려 강한 매수 신호로 읽었습니다. 제어 시스템 자동화 현장을 10년 가까이 봐온 엔지니어 입장에서, 기술 효율화가 시장을 줄이는 게 아니라 폭발적으로 키워왔다는 걸 몸으로 알고 있기 때문입니다.
| 용어 | 정의 |
|---|---|
| 제번스의 역설 | 기술 효율화로 자원 소비량이 줄어드는 대신, 오히려 사용 범위가 넓어져 총소비량이 증가하는 현상 |
| PLC | 공장 설비의 동작을 자동으로 제어하는 산업용 컴퓨터(프로그래머블 로직 컨트롤러) |
| AGI | 특정 분야에 국한되지 않고 인간처럼 범용적으로 사고하고 판단하는 인공일반지능 |
| HBM | 일반 D램보다 수십 배 빠른 속도로 데이터를 처리하도록 칩을 수직으로 쌓아올린 고대역폭 메모리 |
| sLLM | 대규모 인프라 없이도 구동 가능한 경량화된 소형 대형 언어 모델 |
| 케펙스(CapEx) | 기업의 설비 투자 규모 |
제번스의 역설 — 효율화가 수요를 줄인다는 오해
효율화가 수요를 줄인다는 통념
일반적으로 기술이 좋아지면 같은 일을 하는 데 자원이 덜 필요하니 총수요가 줄어들 거라고 생각하는 분들이 많습니다. 저도 처음엔 그렇게 봤습니다. 키미 K3처럼 저렴하고 효율적인 AI 모델이 나오면, 엔비디아 GPU나 HBM(고대역폭 메모리) 수요가 쪼그라드는 게 자연스러운 흐름 아닌가 싶었죠.
현장에서 본 반대의 증거 — PLC 자동화 사례
그런데 제 경험상 이건 좀 다릅니다. 제가 직접 공장 자동화 프로젝트에 참여했을 때, PLC 성능이 해마다 좋아질수록 현장에 투입되는 제어 기기 수는 오히려 기하급수적으로 늘었습니다. 여기서 PLC란 공장 설비의 동작을 자동으로 제어하는 산업용 컴퓨터를 말하는데, 가격이 내려가고 설치가 쉬워지자 기업들이 기존엔 수동으로 처리하던 공정까지 전부 자동화하기 시작한 겁니다.
제번스의 역설이란 무엇인가
이것이 경제학에서 말하는 제번스의 역설입니다. 여기서 제번스의 역설이란 기술 효율화로 자원 소비량이 줄어드는 대신, 오히려 사용 범위가 넓어져 총소비량이 증가하는 현상을 말합니다. 19세기 영국 경제학자 윌리엄 스탠리 제번스가 석탄 효율이 올라갈수록 석탄 총소비가 늘어나는 현상을 처음 관찰했고(출처: Britannica), AI 반도체 시장에도 정확히 같은 원리가 작동하고 있습니다.
반도체 역사가 보여주는 패턴
1940년대에는 전 세계에 진공관 컴퓨터가 10여 대 있었지만, 지금은 스마트폰 한 대에도 수십억 개의 트랜지스터가 들어갑니다. 반도체 한 개당 성능은 수조 배 올랐지만, 반도체 총수요는 그것보다 훨씬 더 폭발적으로 늘었습니다. AI도 지금 이 경로를 똑같이 밟고 있다는 게 저의 판단입니다.
| 시대 | 반도체 규모 |
|---|---|
| 1940년대 | 전 세계 진공관 컴퓨터 약 10여 대 |
| 현재 | 스마트폰 한 대에 수십억 개의 트랜지스터 |
- 기술 효율화 → 진입장벽 하락 → 더 많은 기기·기업에 AI 적용
- 개별 모델의 연산량 감소 ≠ 전체 반도체 수요 감소
- 제번스의 역설: 효율이 오를수록 총소비는 오히려 증가
AI 공급 확대 — 꿈과 비전이 반도체를 산다
키미 K3가 허문 심리적 장벽
키미 K3의 진짜 파급력은 모델 성능 자체가 아니라, 전 세계 기업과 국가에 "우리도 할 수 있다"는 인식을 심어준 데 있습니다. 솔직히 이건 예상 밖이었습니다. 제가 직접 스타트업 쪽 고객사들과 미팅을 해보면, AI 인프라 구축에 가장 큰 걸림돌은 기술 자체가 아니라 "우리 규모로 과연 가능한가?"라는 심리적 장벽이거든요.
문샷 AI의 키미 K3는 그 장벽을 한 번에 허물었습니다. 직원 300명짜리 스타트업이 수출 규제로 고급 GPU조차 못 쓰는 상황에서 클로드, GPT와 맞붙을 수 있는 수준의 AI를 만들었다는 사실은, 각국 정부와 중견기업들에게 "거대 하이퍼스케일러가 아니어도 AI 개발에 뛰어들 수 있다"는 강렬한 시그널입니다.
AGI 경쟁과 각국의 AI 자립 의지
AGI(인공일반지능)를 개념적으로 설명하면, 특정 분야에 국한되지 않고 인간처럼 범용적으로 사고하고 판단하는 AI를 말합니다. 여기서 AGI란 단순한 기술 목표가 아니라 국가 패권과 직결되는 전략 자산으로, 어떤 나라도 이 경쟁에서 완전히 손을 뗄 수가 없습니다. 미국이 중국과의 기술 격차를 벌리기 위해 투자를 더 늘릴 수밖에 없고, 한국·유럽·중동 등 'AI 잠나라'들도 미국·중국 AI에만 의존하다가 서비스가 막히는 상황을 이미 경험했습니다. 실제로 2025년에 특정 AI 서비스가 수 주간 접근 제한된 사례는 각국 정부의 자체 AI 개발 의지를 크게 자극했습니다.
- 미국 — 중국과의 기술 격차를 벌리기 위해 투자 확대
- 한국·유럽·중동 등 'AI 잠나라' — 미국·중국 AI 의존에 따른 서비스 제한 경험 후 자체 개발 의지 자극
- 2025년 특정 AI 서비스의 수 주간 접근 제한 사례가 각국 정부의 자체 AI 개발 촉발
AI 춘추전국시대와 케펙스
결국 AI 공급자 풀이 하이퍼스케일러 2~3곳에서 수십, 수백 개의 플레이어로 넓어지는 AI 춘추전국시대가 가시화되고 있습니다. 99%는 실패하더라도, 그들이 반도체를 구매한 뒤에 실패한다는 점이 시장에는 중요합니다. 케펙스, 즉 설비 투자 규모가 축소될 것이라는 우려는 이번을 계기로 상당히 희박해졌다고 봅니다.
| 구분 | AI 공급자 풀 |
|---|---|
| 기존 | 하이퍼스케일러 2~3곳 중심 |
| 키미 K3 이후 | 수십~수백 개 플레이어로 확대 (AI 춘추전국시대) |
메모리 수요 — 아직 시작도 안 한 시장의 진짜 크기
클라우드 대체론에 대한 반론
~라는 의견도 있는데, 저는 메모리 반도체 수혜를 전혀 다른 각도에서 봅니다. AI가 효율화될수록 클라우드 렌탈이나 경량 모델로 대체돼 HBM 수요가 줄 것이라는 시각도 있지만, 제 경험상 실제 시장은 그보다 훨씬 복잡하게 움직입니다.
HBM은 왜 대체되지 않는가
HBM(고대역폭 메모리)이란 일반 D램보다 수십 배 빠른 속도로 데이터를 처리할 수 있도록 칩을 수직으로 쌓아올린 메모리입니다. AI 모델이 복잡한 추론을 할수록 대용량의 HBM이 필수적인데, 키미 K3처럼 효율적인 모델이 나온다 해서 HBM이 필요 없어지는 게 아니라 오히려 더 많은 기기에서 AI 추론을 돌리는 게 가능해지기 때문에 총수요는 커집니다.
AI 에이전트 보급률 1% 미만의 의미
지금 현재 전 세계 AI 에이전트 이용자가 전체 인구의 1%도 안 됩니다(출처: Our World in Data). 자율주행, 산업용 로봇, 개인화 AI 기기 같은 영역은 아직 초입 단계입니다. 제가 직접 참여한 공장 자동화 프로젝트에서도 AI 기반 예측 정비 시스템을 도입한 라인은 아직 전체의 10%도 안 됩니다. 나머지 90%가 전부 잠재 수요입니다.
| 지표 | 현재 수준 |
|---|---|
| 전 세계 AI 에이전트 이용률 | 인구 1% 미만 |
| 공장 자동화 프로젝트 내 AI 예측정비 도입 라인 | 전체의 10% 미만 (90%는 잠재 수요) |
sLLM 확산과 수요 양극화
다만 여기서 한 가지 짚고 싶은 건, 반도체 수혜가 '무조건적인 폭발'보다는 질적 양극화 구조로 전개될 가능성이 있다는 점입니다. sLLM(소형 대형 언어 모델), 즉 대규모 인프라 없이도 구동 가능한 경량화 AI 모델이 확산되면서 저전력·고효율 칩과 HBM 같은 고성능 메모리 간의 수요 분화가 뚜렷해질 것으로 보입니다. 모든 반도체가 고르게 수혜를 받기보다, 기술 전환점마다 수혜 품목을 구분해서 볼 필요가 있습니다.
| 구분 | 특징 |
|---|---|
| 저전력·고효율 칩 | 대규모 인프라 없이도 구동 가능한 경량화 AI 모델(sLLM) 확산과 함께 수요 증가 |
| HBM (고성능 메모리) | 복잡한 추론을 하는 AI 모델일수록 필수적인 대용량·고속 메모리 |
- 현재 AI 에이전트 이용률: 전 세계 인구의 1% 미만 — 수요 폭발은 아직 시작 전
- 자율주행·산업 로봇·개인 AI 기기 등 HBM 대형 소비처가 본격화되지 않은 상태
- sLLM 확산으로 저전력 칩 ↔ 고성능 HBM 간 수요 양극화 가능성 주목
자주 묻는 질문
Q. 키미 K3가 나스닥을 떨어뜨린 건데, 왜 반도체에는 호재라는 건가요?
A. 일반적으로 효율적인 AI 모델이 나오면 GPU 수요가 줄 거라고 보는 시각이 있습니다. 그런데 제번스의 역설 관점에서 보면 실제로는 반대입니다. 기술 장벽이 낮아질수록 AI를 도입하려는 기업과 국가의 수 자체가 늘어나고, 결국 반도체 총구매량은 증가합니다. 개별 모델의 효율과 전체 시장 규모는 다른 문제입니다.
Q. 클라우드로 빌려 쓰면 반도체를 직접 안 사도 되는 거 아닌가요?
A. 맞는 말이기도 하고, 반은 틀린 말이기도 합니다. 클라우드를 제공하는 하이퍼스케일러들이 결국 그 반도체를 대신 사는 구조이기 때문에 반도체 수요 자체가 없어지지는 않습니다. 오히려 클라우드 인프라를 늘리기 위해 더 많은 HBM과 서버용 칩이 필요해집니다. 다만 개별 기업이 직접 구매하는 방식과 클라우드 경유 방식 간 비중 변화는 꾸준히 살펴볼 필요가 있습니다.
Q. AI 춘추전국시대가 오면 삼성전자나 SK하이닉스가 직접 수혜를 받나요?
A. AI 모델을 만들려는 플레이어가 늘어날수록 HBM과 고용량 D램 수요는 증가하는 구조라 메모리 반도체 업체들에게 유리한 환경이 만들어지는 건 맞습니다. 다만 단기 주가는 별개의 문제이고, 수혜 시점과 폭은 실제 고객사 주문 흐름, 재고 사이클, 지정학적 변수에 따라 달라집니다. 장기 구조와 단기 매매 타이밍은 분리해서 판단하는 게 좋습니다.
Q. sLLM이 뭔가요? HBM이랑 무슨 관계인가요?
A. sLLM은 소형 대형 언어 모델(Small Large Language Model)의 약자로, 스마트폰이나 엣지 디바이스처럼 제한된 환경에서도 구동할 수 있도록 경량화한 AI 모델을 말합니다. sLLM이 늘어나면 고성능 HBM 수요는 상대적으로 분산될 수 있지만, 동시에 엣지 기기용 저전력 메모리 칩 수요가 새롭게 생겨납니다. 결국 메모리 시장의 '파이'가 줄기보다는 구성이 바뀌는 양극화 시나리오가 더 현실적입니다.
결론
키미 K3를 둘러싼 시장 반응을 보면서, 기술 효율화를 수요 감소 신호로 읽는 관성적 해석이 아직도 강하다는 걸 다시 확인했습니다. 제가 엔지니어링 현장에서 직접 목격한 건, 기술이 싸지고 쉬워질수록 그걸 쓰는 사람과 기기의 수가 압도적으로 늘어난다는 사실입니다. AI도 지금 그 경로 위에 있고, 반도체 수요의 본격적인 폭발은 아직 시작되지 않았다고 봅니다.
다만 모든 반도체가 동등하게 수혜를 받는다는 단순 낙관보다는, HBM 같은 고성능 메모리와 sLLM 시대의 저전력 칩으로 수요가 양극화되는 흐름을 구분해서 보는 시각이 필요합니다. 어떤 품목이 각 사이클에서 더 큰 수혜를 받을지를 따라가는 게 앞으로의 핵심 과제가 될 것입니다.