AI 시대, 반도체 특징을 알아야 반도체 주식 투자 성공합니다 | 정인성 작가 #2 [투자Insight]

증시각도기TV
44 팔로워
2024. 1. 10.
- 촬영일 : 2023년 12월 13일
- 진행자 : 곽상준 (증시각도기TV 각도기)
- 게스트 : 정인성 ('반도체 제국의 미래', 'AI 혁명의 미래' 저자)
그러니까 우리는 이런 거를 좀 생각을
해야 돼요 왜 hbm 쓰느냐 메모리에
자주 왔다 갔다 하는 애가 있기
때문에 쓰는 거예요네 그 뭐냐 지금
AI 그 거대의 인공 신경만 학습인
거죠 우리한테 예 그니까 그런 일을
하지 않는 기기에는음 들어갈 가능성이
높지
[음악]
않죠네 반도체 회사 현장까지 아니지만
이제 예 그 뭐랄까 소프트웨어
엔지니어를 하셨으니까 우리보다는 훨씬
더 많이 하실 것 같아서 여쭤 보면은
삼성전자가 이렇게 늦은게 결국 저희를
그 투자자들 입장에서 보면 결국은 뭐
최근에 이제 코웍스 아고 표현되는 그
패키지 쪽에서의 그 완성도가 떨어졌기
때문에 이렇게 지금 안 나온다라고
보고 있거든요 그런 이유만은 아니고
파운드리가 계속 발전을
하면서네 그 미세화가 잘 안 되잖아요
그죠 안죠 그러니까 그 미세화로이
미세화를 통한 이득이 줄어드니까
그렇죠 계속 외부에 다른 기술을
넣어서 땜빵하고 있는 과정일 뿐이에요
근데 삼성전자가 이런 파운드리 쪽
위기를 겪은 건 실제론 패키징다는 그
앞에 그 이유부 도입하는 시기에
갑자기 화 안 좋아졌죠 아 그래요 예
원래 그 제가 이제 회사당 몇 년 뭐
됐을 때 그때 뭐 14나노 16나노
이런 거 했을 때는요
삼성이네 그 최천 공경 기준으로
tsmc 테 그 특성이 부족하지
않았어요네 그까 삼성전자 당시 ap
이런 거 성능 보면은 뭐 진짜 설계도
잘하고 제조도 잘하고 그 갤럭시 S6
이런 시절이에요 이게 그런 시절이
있었어요 분명히 근데 그때는 핀펫
처음 들어갔을 때 핀펫 타고 나서
그다음이 라노 세계 최초로이 공장
올린다고 막 했는데 그다음부터 막
지지부진 해요 회사가 나노 오나노
나노 이런 것까진 계속 이제 뭔가
묘한 물건이 나오고 있는 거죠 어
그리고 근데 그 이전거 euv 안쓴
거 아까 말했던 팔라오 이런 거
그거는 뭐 엔비디아 수주하고 잘
되잖아요 네네 지금 문제는 이제
패키징도 잘해야 되는게 문제 맞는데
위기 자체는 이에서 시작했다고 봐야죠
아 그러니까 euv 가지고 와서
전공정에 적응이 잘 안 되고 있다
그거 자체가 제일 큰 문제였을 거고
지금은 이제 그런 문제를 많이
해결하고 있는데 이제는 패키징도 해야
되는 상황이 되는 거죠 그렇죠 그
이번에 이제 아주 tsmc 패키징
최고의 인이라고 하는 사람을 당겨
왔어요 그니까 어 어떻게 보십니까
전방 그냥 개인적인 그냥 편 저는
어쨌거나
삼성전자는 그 파운드리 회사고 이미
아이디으로서 크잖아요 그렇죠 그 자기
할 일 열심히 할 거라고 생각해요음
그러니까 아마 점유율은 저는 여기서
뭐 떨다 왔다 갔다 하겠지만 그 정도
포지션일 거 같아요 그냥 1강 2중
뭐 이런 식으로 가지 않나 싶어요
이거는 왜냐하면 이제 와서 예를 들면
정말 게이트 라운드가 가 잘돼 갖고
그때 수주를 많이 했다 근데 그거를
알고 예를 들면 투자를 한 세 내배
늘려서 tsmc 파운드리 급으로 몇
년 하겠냐 이거죠 그거는 힘들겠죠
그렇죠
못하죠 그러면 그냥 점유율은 뭐 몇
퍼센트 때 왔다 갔다 하는
수준이겠다 시장 자체에 성장세가
매섭기 때문에네 그 점유율만
유지하면서 가도 저는 상관없다고
생각해요 사실 어 저희가 이제 되게
투자자로서 안타깝게 생각하는 거는
완전히 물을 만
왜 소식이 들려오지 않고 그쪽에서
제가 보기엔 지금 뭐 메모리 쪽 랜드
쪽 좀 어려운 것이이 정도 상황이면
파운더리 쪽에서 실제로 상당 부분
커버할 수 있지 않을까 잘 되면 근데
그 얘기가 하나도 안 들리는 거예요
아니 아니 이렇게 좋을 때를 만났는데
어데 이거 어느 정도 운이죠 사실은
왜냐하면이 지금 AI 학습용 예를
들면 hbm 같은 거 언제부터 썼냐
하면은 00이라는 GPU 2019년
나온 GPU 터 쓰긴 했어요네 그때도
학습용 카드라는게 필요했으니까음네
근데 시장 자체도 2023년에 막
커지잖아요 그러면 그냥 우리가
추정했을 때는 그동안 hbm이 디램
시장 1% 뭐 안 됐던 걸로
기억하는데네 계속 그렇게 갈 거라고
판단해도 틀린 건 아니잖아요 그렇죠네
그러면 이럴 때 이제 좀 판단이
틀리고 할 수는 있죠음 그러면 전
그것까지 엄청나게 큰 실기를 했느냐
음과 잘지 어 정도 이거 나중에
따라잡지 않겠는가 그렇게 생각을
해요네 그래도 그 부분도 저희가 이제
기존에 우리가 알고 있었던 삼성전자
맞는가 하는 생각을 하는데 볼륨이
작으니까 hbm 하겠다고 한게 지금
벌써 6개월은 넘은 6개월 쯤 됐는데
본격적으로 하겠다고 하는게 보통
과거에 우리가 알고 있는 삼성전자
같은면 지금쯤에 hbm 제대로 된
제품이 나왔어야 되는 거 아 아마
이제 저도 패키징을 잘 알진 않는데
hbm 만드는 공정 중에 핵심적인
공정들이 많이 다른 거겠죠 지금네
그러니까 아마 지금 개발하는 h
팔려고 하는 hbm 뭐 지금 넣으려는
뭐 2 이런 거겠죠 아마네 지금
양산품는 투나 22 이런 걸 넣고
싶을 텐데 거기 제조 공정을 뒤집어
엎을 수는 없을 거라고요 6개월 만에
기존의 랜드 공정 그러니까 일단 하던
공정으로 어떻게든 막 최선을 다해
갖고 일단 팔고 내년부터 혹은 내년
내후년부터 이제 완전히 그 양산이
훨씬 쉬운 공정으로 넘어가는 식으로
할 수밖에 없죠 네네 저는 그래서
2022년 말에 채치 PT 갑자기
유행하고 hbm 주문이 늘었다 그럼
전 당연히 올해는 그럴 수밖에 없다고
생각해요음 오해는 헤멜 수밖에 없다
예 왜냐하면 그냥 예를 들면
삼성전자가 이미 hbm 만드는 법을
아는데 공장이 부족했다 이런게 아닌
거잖아요 네네 그냥 처음부터 그
양산성이 좋은 그런 공장을 안 쓴
거에 가깝겠죠네 그 공장을 한번 다
디랜 공장을 뒤집어 엎어야 되는
거잖아요 그예 그러니까 투자를 더 해
갖고 볼륨을 늘려야 되는 상황이 아닌
거겠죠음 그 예 그러면 올해는 당연히
전 미스 할 거라고 생각해요네 그러
거기서 이제 좀 궁금한게 그 뭐
hbm이 워낙 작았는데 그 hbm이
이런 속도로 나가면 디램 라인의 상당
부분을 hbm 라인으로 교체해서 예를
들자면음 그 디램 생태까지 영향을
미칠까 하는 궁금증이 좀 있어요 그
hbm 근데 좀 보수적으로 만들어야죠
아 당연히 겠죠 왜냐하면 그 일단 칩
자체가 다르게 생겼죠 얘는네 네 그
안에 그 천 몇 개 전극이 뭐 2천
몇 개 전극 공간이 있어야 되기
때문에 공간 낭비도 심해요 되게 네네
그리고 hbm 만들어 놓으면 그
파운드리 어드밴스드 패키징 쓰는
고객한테 팔 수 있어요 그렇죠네
tsmc 팔고 거잖아 지금 사실상
그렇죠 뭐 이후에 삼성전자도 그런
기한 패키징을 하 할 거지만 예 이제
그리고 그런데 만들려면 그 GPU
설계한 회사도 hbm 쓸 준비를
해놔야 되죠 그렇죠 그러니까 그
삼박자가 딱 맞아야만 HB 을 쓸 수
있는 거야 그러니까 얘는 그냥 만들어
놓으면 재고 자체가 소화 안 될
가능성이 높죠 그렇죠 주문자 생산
방식 하는 것처럼 주문 받은 것만
내보내야지 그냥 사전에 먼저
만들었다가는 쓸 사람이 구야 이렇게
되는 상황이니까 그렇죠 왜냐면 이건
고객도 자기 칩 설계할 때부터 난
무조건 hbm 쓸 거야라는 마음을
먹고 설계를 해야 되고 그렇죠 그리고
여기도 무조건 팔 거야라고 생각해서
hbm 만들고 그렇게 해서
파운드리에서 만나 갖고 어드밴스드
패키징 해야 되는 거거든요 그니까
지금은 이제 뭐 예를 들면 내년치
주문 같은 거 이미 달
그만큼은 무조건 공장을 겠죠 근데
이게 예를들 3 4년 뒤를 보고 막
투자를 몇 배 늘릴 거야 이런 판단을
할 수 있을까 저는 그런 거에서는
메모리 회사들이 되려 조심해야 되지
않을까음 왜냐면 훨씬 리스크가 크니까
제고가 됐을 때 맞아요 그거는 램은
2년 전 3년 전에 만들어 놓은
것도네 갑자기 시장 분위기 좋아지면
갔다가 팔면 되니까 콘 끼면 되잖아요
진짜 그거는 디램이 들어가는 제품은
엄청 많잖아요 예 들면 모바일 램은
스마트폰에 에도 들어가지만 여기
패드에도 들어가고 뭐 특정한 컴퓨터는
그냥 lpddr 쓰기도 해요 보면은
노트북에 쓰기도 하죠 심지어 그 램은
컴퓨터 막 끼면 되고요 네네 그러니까
훨씬 응용가 많죠음 반면에 hbm
그런게 아니에요음 처음부터 아주 비싼
집에만 결합되는 녀석이죠 얘는네 마치
조금 거칠게 예를 들자면 레은 그냥
원단을 만드는 거라서 사람들이 원단이
필요할 때 언제든지 갖다 쓰지만 예를
들자면 HB 옷을 만들어 거라서 그걸
가지고 옷을 만들어 놔서 갑자기
패션이나 유행이 잠깐 바뀌면 그것도
뭐 무늬 같은게 엄청 화려하고 목적이
수한 거 예를 들면 여기 옷에 신한금
투자 이렇게 찍어 놓은 거랑 똑같은
거죠 예 그렇죠 그 어디에 팔겠어 어
만약에 청바진데 꽃무니 막 알로 새겨
놓고 막 이랬는데 갑자기 거기서 안
사 이러면은 그냥 어디 팔 데가 없고
쓸 데가 없는자는 거죠 굉장히 쓰기
힘든 물건인 거죠 그 예예 그리고
지금 그게 또 완성품으로 나오는게
아니고 반제품으로 나와서 예 그
완성품으로 나오면 어떻게 조금
모르겠어요 나중에 컴퓨터가 나도 좋은
거 쓸 거야 하고 그걸 붙일 수도
있을지 모르겠는데 반품이 아아 지금
반 반제품으로 나간 거잖아 아 저는
그 완제품으로 나와도 현실적이진
않다고 봐요 컴퓨터에 네네 그 컴퓨터
스마트폰이랑 메모리 가격이 한 88%
10% 차지하자아요 예예 근데 지금
뭐 뉴스 나오는 거 보면 hbm이
용량당 가격이 한 다섯 배 비싸다
그러죠 아 램보다 다섯 배 비까 뭐
세 배네 다섯 배네 뭐 일곱 배네 뭐
이런 얘기들 많이 하는데 네네 적어도
세 배 이상은 비싼 장 근처 왔다
갔다 하겠죠 이제네 그러면 어폰
가격이 얘전에 지금 100만 원인데
10% 램값이 그럼 130만 원이
되는 거예요 폰이 근데이 스마트폰은
하루 뭐 한 20시간 이상 아무것도
안
하죠네 아 그렇습니까 예 지금 이게
뭘 하고 있겠어요 이거 메모리를
끊임없이 접근하고 있을까요 아
스마트폰 자체가 쓸 때만죠 메모리
아주 조금 왔다 갔다 하잖아 근데
hbm이 잘하는 건 뭐냐하면 대량의
데이터를 덤프 트럭처럼 기는 일만
잘할 뿐이에요 그렇죠 그래서 그
학습용 GPU 쓰는 거예요 왜냐면
저도 학습용 GPU 구동하면 그 니퍼
7 그 24시간 7일 내내 돌아가요
진짜로 가동률이 떨어지질 않죠 그리고
GPU 끊임없이 hbm 테 데이터를
받아서 학습 받고 학습하고 다른
데이터 가져와서 학습하고 이거를
반복해요네 그런 거니까 밸류가 있는
거죠네 그러니까이 스마트폰에는 hbm
넣을 만한 그런 공간도 없지만네
그리고 ap BM 준비를 하려면 또
엄청 비싸지겠죠 면적이 커지니까
그렇죠네 근데 설령 넣는다고 해봤자
화면이 더 조금 더 빨리 열리고 게임
조금 빨라지고 이런 거밖에 없는 거요
그러면 이런 거는 ap 회사도 자기
원가 상승을 감내하기 싫어요 왜냐
hbm 스마트폰에 넣으려면 ap
커져요 그렇죠 왜냐하면 지금은 램이랑
뭐 한 64개 128개 연결이 있는데
1024개 연결이 있어야 돼요
그때부터 hbm 3 가면 248개
있어야 되고 말씀하시는 거죠 예 근데
그 아오가 2048 그것도 그 웨이퍼
공간을 차지해요 아오 위치가 마만
그을 버리는 거죠 그러면 면적
커지죠네 거기다 ap 붙이고 ap
밑에다가 그 웨이퍼 기반 그
어드밴스드 패키징 놔야 돼요네네 너무
비싸죠 그렇죠 그러니까 그렇게 할
일이 별로 없는 거죠 그러니까 우리는
이런 거를 좀 생각을 해야 돼요 왜
hbm 쓰느냐 메모리에 자주 왔다
갔다 하는 애가 있기 때문에 쓰는
거예요네 그 뭐냐 지금 AI 그
거대의 인공 신경만 학습인 거죠
우리한 예 그니까 그런 일을 하지
않는
기기에는음 들어갈 가능성이 높지
않죠네 근데 이제 또 반면에 이제
우리가 삼성전자에 대해 안타까운
얘기를 많이 했는데 반면에 하이닉스는
너무너무 지금 운때가 맞았는지
너무너무 잘하고 있어요 그리고 패키지
능력도 많이 커졌는데 과거에 이제
하이닉스 연구 원이었으니이 부분에
대해서 훨씬 더 저희보다 잘하실 것
같은데 글쎄 저는 이제 하인스 큰
회사니까 제 연구원으로서 아는 바는
많지 않아요 근데 어떻게 이렇게 어
물론 이제 운때가 맞은 거긴 하지만
이렇게 잘 적응하고 정확하게는이
hbm이라는 물건은 이제 하이닉스가
선호하는 물건이었고 저 입사했을 때도
근데 그때 hbm a 아이디어는 원래
뭐냐하면 우리 메모리를 만드는데
메모리 성능 메모리는 사실 성능
계선이 잘 안 돼요 용량은 커져요네
근데 용량은 커지고 전력 사용량은
좀씩
줄어드는데음 메모리의 그 전송 속도가
안 빨라져요음 음 왜냐하면 이거는 그
내부에 있는 소자 자체에 한개에
가깝거든요 어 그래서 이제 우리
메모리를 그럼 어떻게 성능을 높이나
이런 고민들을 많이 했어요 예 그래서
그때 이제 제일 쉽게 선택할 수 있는
거 보통 CPU 그 메모리랑 32개
64개 이렇게 연결 개수를 갖는데
음네 그 연결 개수를 늘리면 되지
않느냐 그러면 개별 그 전송 핀이
느려도 핀이 많으니까 가능하다 아
이제 그게 그 hbm 컨셉인 거죠 아
문을 많이 만드는 거구나 출입을 쉽게
하려고 네 그리고 문을 늘려놓고 개별
그 문의 속도를 줄이면 전력 사용량이
줄어요 이게 무슨 말이냐면 제가 여기
선 하나 있잖아요 얘 속도를 두 배
늘리면 전력 한네 배 늘어나요네
실제로는 제가 동일한 양의 데이터를
전송하고 싶 때 선 하나 쓰는 거랑
두 개 쓰는 거 비교해 보면은 하나
쓰는 애가 전력을 두 배 쓰는 거죠
어떻게 보면 그러니까 개수를 늘리는게
유리해요 유일한 문제는 비싸진다는
거죠 네네 왜냐하면은 칩 자체가
연결을 많이 만들어야 되니까 모 음네
그거 쓰는 CPU 비싸지고 왜냐면
문은 양쪽에 다 있잖아요 네네네
비싸지죠 그렇게 그러면 비싸도 만들
거냐는 뭐가 결정하겠습니다 그거를
사서 쓰는 놈이 얼마나 돈을 버느냐
그렇죠 그거를 구매하는 자가 돈을
많이 쓰면 그걸 만드는 거 근데 그
hbm 혹은 그 경쟁자였던 마이크론이
좋아 있던 hmc 이런 거 다 컨셉이
비슷해요 네네 제 비슷한 물건이라고
해 둘게요음 근데 그 시절에
아이디어는 다
내놨는데 시장이 크지가 않았어요 그때
네음 왜냐하면 그때는 AI 잘될 줄
몰랐거든요 그렇죠 제대로 아는 사람이
없었죠음 비디아 자신도 이렇게 클 줄
몰랐을 거예요 그 10년 전에는
그럼요네 이제 그러니까 그 시점은
불확실한 미래기 때문에이 HB 얼마나
그 좀 힘을 줄 거냐음 이거는
회사들의 선택인 거예요 거기서네
왜냐면 지금 AI 세상 완전히 모르고
결정한 거니까네 그러니까 어느 정도는
좀 뒷걸음칠 치다가 그 쥐자 분 격일
수도 있죠 이거는네네네 음 다만 이제
그 hbm 응용을 계속 찾는 회사들은
나왔어요 거기서 인텔도 계속 어디 써
보려고 했고 그 AMD 써보려고 했죠
그 게임 쪽에다가 그렇게 해서 AMD
한번 팔았죠 하이닉스는 그때 이제
GPU 좀 써본 경험들이 도움되지
않았을까 저는 그렇게
생각해요네 이번에 AMD 신규로
출시하 mi 300 시리즈에서는 어
메모리 대역을 훨씬 더 키워 가지고
훨씬 더 많은 메모리를 부착하게
만들었습니다 예 CPU 옆에다가
다다다닥 붙여놓 놓고 CPU 타일을네
개 합쳐 놨죠네 침례이라고 하죠
거기서 그런 거 합쳐 갖고 hbm
한분에 여덟 개 정도 보일 거예요 그
단일 시스템
안에서네 이제 메모리 용량을 늘리려는
거죠 그 시스템 하나 안에서네음 그
결국 근데 보면 하는게 다 비슷하죠음
그 예전에 슈퍼 컴퓨터용으로 만든다고
했던 인텔의 그 자기들 패키징 잔뜩
썼다는 폰테 베 키오가 이런 제품
있어 그것도 hbm 비슷하게 붙어
있어요 보면 네 다들 생각은 비슷한
거예요 이쪽 하는 사람들이 네네음
근데 아마 폰테 베키는 원래 AI
man 하려고 만든 물건은 아닐
거고음 근데 그런 비슷한 물건들이
AI 뜨면서 막 커진 거예요 어떻게
보면 기상청 슈퍼 컴퓨터가 필요로
하는 칩과 인공지능이 필요라는 칩은
비슷해요네 큰 차이가 안 나죠 네네
근데 기상청 슈퍼컴퓨터는 시장이 작고
AI 시장이 이만
하니까음 우리 뭐 기상청 슈퍼 컴퓨터
해 봤자 아 또 틀렸어 이러고
있겠지만음 치피 쓰면은 감동하지아요
네네 그리고 고객이 감동하 그 더
만들어야죠음네 근데 이제 하나 여기서
궁금한 부분이 있는데 왜
램은 그 더 미세화로 잘 못 가는
걸까 미세화로 가면 속도도 빨라지고
hbm 같은 거 필요 없이 그냥
램으로 끝낼 수도 있는 거잖아요 뭐
그렇게 됐으면 좋았겠죠 근데 이제
디램이란게 밀도를 올리기 위해서 했던
선택들이 있잖아요 지금까지 디램
어떻게 보면 계속해서 밀도와 싸움을
해 왔어요 CPU 속도를 올리고 램은
속도를 좀 포기하는 구조를 가는 대신
밀도를 높이기 위해 이런 일들을
해왔어요 이게 우리 데이터를
저장한다는 거는 결국 방 안에다가네
그 전 전자를 채워 놓는 거예요
그러니까 전기를 이렇게 충전해 놓는
거죠네 네네 근데이 충전을 예전에는
충전량을 한 500 정도 놨다가음 그
내년에 250 이렇게 줄여도 이게 잘
됐어요네 미세화를 할 때 그 충전하는
전하량을 계속 줄여도 됐죠 네 근데
미세화를 계속하니까 이게 전화가
누설되는 양도 막 많아지고 그래요
벽이 점점 많아 이렇게 얇아지면
전자가 새요 밑으로 옛날에도 세데
이제 점점 감당 안 되게 세는 거죠
어 그러면 어떻게 되느냐 전하의 양을
많이 줄일 수가 없는 거죠네 그러니까
저는 칩을 줄이고 싶은데 개별 소자가
가지고 있어야 되는 전하의 양을 많이
줄일 수가 없는 거야 그럼 어떻게
하냐 그 전화를 저장하는이 컵 같은
거를 이렇게 계속 위로 올립니다
이렇게네 커지죠 예 그러면 제조가
힘들어져요음 왜냐면 얘 얘가 막
옆으로 쓰러지고 그래요 실제로 만들어
왔더니 쓰러지고 옆이랑 붙어서
합성되고 이런 일들이 계속 생기는
거야네 그니까 우리가 생각하는 CPU
같은 반도체는 그런 문제가 없어요 그
CPU 같은 애들은 그 소자가 그냥
밑바닥에 만 렇 붙어 있는 형태라서
미세와 그 소자 미세와 자체는 좀
자유로운데음 그 디램 같은 저장소
특히 이렇게 위로이 구조가 쭉 올라가
있는 애는네 만들기가 점점 힘들어지는
거죠 음 다 줄여 얘가 문제되는
거예요 계속네 어 그래서 어려운
거예요 어 뭐 이런 문제만 있지
않겠죠 계속 크기를 작게 만들어
놨더니 여기 캐패시터 터지고 저기
캐패시터 터지고 뭐 그다음에 여기
있는 뭐 어디 트랜지스터 터지고 이게
반복되는 거예요네 작게만 그린다고
되는게 아닌
거예요음네 그게 시스템만 넣치 하고
차이가 저 에면 예 그렇게 랩만의
어려움이 있어요 예를 들어서 저장
장치이기 때문에 신기 기면 뱅크 같은
거를 만드는데 그거 예를
어 종이 격벽으로 만들었는데 그 종이
격벽으로 물듯이 전화가 계속 세는
거고 종이 격벽을 그래서 위로 높게
치는데 종이라는 소재가 힘이 없으니까
그렇죠 위로 많이 못 올린다네 그게
어려움 중 하나예요 어려움은 뭐
수두룩 하겠죠 찾아보면 근데 제조하기
힘든 이유죠 하나예요 어떻게 보면
이부가 좀 늦게 들어간 이유기도
하고네음 그 이브이가 들어가 순서는이
썼을 때 원가가 많이 떨어지는
애들부터 썼겠죠 그렇겠죠 예 램은
이제 그려 놓는 것만으로 해결 안
되는 문제가 많았던 거죠음 그렇군요
그러면 결국 소재 한계에 봉착해 있다
램도 그 구조 자체가
이제 미세화 하기에 그 유리한 녀석이
아닌
거죠음 이런 선택을 과거에 왜 했느냐
그거 30년 전이 아아네 30년이면
충분히 잘했죠 네네 이제 그러니까
마이크론 같은 데가 그 3D 디램
이런 거 특허가 나오기 시작하는
거야요음 근데 제대로 양산해 본
회사는 하나도 없죠네네 그러니까
이것도 아마 그 그 어떻게 보면 삼성
마이크로 하이닉스의 큰 갈림길 중
하나가 될 거예요 예 언제 처음으로
3D 디램 시도해 볼 것이냐 예 저는
그거의 승자는 정말로 잘 모르겠어요
너무 달라요 써 놓은 특허들이 어 예
그 구조 그 지금은 물리적인 모양
가지고 막 이런 특허를 쓰는데네 예예
뭐가 양산이 잘될지 잘 모르겠어요
저는음 그게 이제 결국 운과 노하고
있네요 그렇죠네 아마 그리고 말씀하신
운의 영향도 되게 중요할 건데 지금
hbm 어떻게 보면
하이닉스가 채치 ptga 6년 뒤에
나올 거니까 우리 미리 AMD 퓨리에
팔아야지고 생각하진 않았을 거잖아요
일단 고객님이 오셨으니까 최대한 맞춘
거에 가깝죠 그다 시장이 확 열린
거잖아요 네네 하이닉스도 그걸 위해서
원가는 얼마 포기하고 대신 특성을
얼마 올리고 이런 선택을 했겠죠네
거게 고객한테 맞으면 들어가는 거죠
아마 3D 디램 나오면 모든 특성이
압도적으로 좋긴 힘들 거예요
회사들마다 어떤 는 뭐 밀도가 좀
높은데 원가가 높고 어느 회사는 뭐
대신 전력 소모가 적고 이런
선택지들이 잔뜩 있을 거잖아요 네네
그중에 그 순간에 이제 시장 흐름에
맞는 애가 딱 택해 겠죠음 서버 단과
그 하드웨어 단에 대한 이야기를
지금까지 나눠 보았으면네 이제 이게
우리가 어떻게 쓸 거냐에 대한
이야기가 이제 서서히 되고 있습니다깐
즉 그 온 디바이스 그렇죠 드디어
이제 그 이야기를 하기 시작했죠네 쫙
어 일반 처음 보시는 분들을 위해서
그 좀 설명을 해 주시면 좋을 것
같아요 뭐 이런 겁니다 사실 AI
프로그램이지아요네 그리고 프로그램은
어디서 돌아가요 컴퓨터에서 돌아가죠
사실 이것도
컴퓨터아이피 그죠 근데 그 AI 들어
있는 컴퓨터가 어디 있느냐의 문제예요
우리가 온 디바이스라고 하면은 우리
기계 안에 실제로 그 AI 돌리는
칩과음 인공지능 일종의 프로그램이죠
같이 들어가 있는 것이고 그 반대는
이제 클라우드 클라우드 AI 이제네
에 있는 거 그렇죠 예를 들면 얘가
요즘이 스마트폰 써 보면 그 사진에서
글자만 뽑아주는 그런 인공 지능들
있죠네 그걸 두 가지로 두 가지
방법으로 만들 수 있어요음 한 가지는
여기서 제가 사진을 찍으면 저기 예를
들면 구글 서버로 보내 갖고 구글
OCR 호출해서 구글 서버 클라우드가
처리하고 제가 결과만 받아보는 방법이
있죠네 또 하나 방법은 제가 사진
찍으면 제 스마트폰 안에서 AI
돌려서 스스로 글자 뽑아내는 방법이
있죠 예 앞에게 클라우드 뒤에게
온디바이스 온디바이스 호가 엣지라는
방식인 거죠 이렇게 생각하시면 돼요음
근데 이제 그 사실은 그 그동안에
우리가 했던 이야기 엔비디아의 침
이야기 이거는 완전히 다 서버
클라우드 쪽에 대한 이야기고 그렇게
비싼 걸 어떻게 온디바이스 할 수
있느냐 불가능한 거 아니냐 근데 이게
불가능하면 AI 확장이 안 되는 거죠
뭐 아 근데 사실은 저는 이건 되게
최근 온디바이스 얘기하는 거는 채치
PT 같은 거 나오고 하니까 그
완제품을 파는 입장에서 마케팅용으로
얘기하는 거에 가까워 보여요 네네
왜냐면 기존엔 그런 온디바이스 AI
안 돌렸어라고 물어보면 했는데요라고
대답을 하죠 저는 왜냐하면 실제로
있거든 예를 들면 삼성 AI 지우게
이런 거 있어요 여기 그 AI
지우개는 한 삼성이 자기들 그래도
적었듯이 엑시노스 mpu 구동해서 응
그 이런 거 사진에 예를 들어요
마이크 있잖아요 마이크 선택해서
마이크를 지워 달라 그러면 싹 지우고
뒤에다가 이제요 마이크 없었던 것처럼
그림을 바꿔 줘요네네 그것도
온디바이스 아아네네 제가 찍은 사진은
엑시노스 mpu 처리해서음 마이크
그림을 없앤 거니까 그거 원래 있었던
거죠 실제로 네네네네 아마
현실적으로는 AI 구동하는 그
스마트폰 앱이 많아 삼성전자 직접
만든 앱이 많아질 거예요 이런 홍보에
가깝다고 봐요 저는 그니까 사실은
지금 기존에 이제 ap 한 축을
담당하고 있는 mpu 우리가 생각하는
AI 성향의 일들을 해낼 수 있는
거잖아요 예 그러니까 이미 뭐 온드
바이스 아닌 건 아니고 우리
핸드폰에는 일정 부분 AI 관련된 그
기능이 들어가 있다 예 이미 우리
써본 사람도 많은 거예요 그러니까네
실제 문제는 뭐였냐 어디 쓰지 문제가
훨씬 컸어요 이거는음네 예네 왜냐면
스마트폰은 느려요음 스마트폰에 mpu
이런게 들어와서 성능이 아무리
올라가도 별로 안 빨라요 사실은
네네네음 그러니까 이걸로 엄청난 걸
또 돌릴 수는 없고
그 쪼꼬미들을 돌려야 되는데네 그걸로
얼마나 큰 걸 할 수 있냐 예를 들면
온 디바이스로 채지 피티를 구동한다
정말 말도 안 되죠죠 엄청 크니까
그럼 그것보다 작은 GPT 2는 돌릴
수 있냐 그것도 안 돌아갑니다 사실
그죠네 GPT 2 같은 것도 용량을
아무리 줄여도 8gb 가까이 해요
메모리가 일단 메모리가 터지겠죠
스마트폰에 심지어 어떻게든 메모리를
늘려서 gpt2 같은 거 집어넣 도요
그러니까 창고에 이제 AI 들어갔는데
음 능 해 인하는 속도로 구동이 안
거예요네 GPT 2까지만 해도음 그
실제로 얘들 그 스냅드래곤 이런 거
보면 AI 처리 속도가 뭐 3테라
옵스 그렇거든요네네 근데 이제
엔비디아가 만든 그 서버용 GPU
이런 거의 그 테라스 보면 400대가
나와요 추론의 막 400 테라스 뭐
몇 배 차이나 버리죠네 우리가
생각하는 굉장히 그 멋있는 그림 엄청
잘 그리는 인공지능 이런 것 또 못
들어가는 거예요음 음 현실적으로 저는
뭐 그 번역기 정도나 들어가지
않을까네 실시간 뭐 목소리 정도는
번역할 수 있거든요 그러면 결국은
그럼에도 불구하고 이제 AI 발달하면
그 엣지 디바이스도 발전하지 않는다면
그 소비자들한테 그거를 제대로 못 써
먹겠죠 서버 업체들이 예 근데 이건
되게 다과 달걀 문제예요 그래서 예를
들면 삼성이나 퀄컴이네 그 mpu
크기를 한 세 배 늘려갔고네 그리고
이제 미세 공경도 썩 한 여섯 배
정도 늘렸다음 한 20th 넣다 응
그러면 그걸로 무슨 AI 구동할 거냐
이거요 저는 응응 응 그럼 여기서
이미지 멀티모달 이거는 꿈도 못
꾸겠습니다네 뭐 번역 성능이 좀 더
좋아진다 이런 거밖에 없죠 사실은음
그 그게 문제인 거예요 정확하게
저는이 온디바이스 하는 건 다 좋은데
사용예를 직접 보여 줘야 돼요 폰
회사들이 네네 그래서 봤더니 예를
들면 번역 정도가 좀 빠르더라 음 뭐
이겠죠 사람들이 응 사실은 근데
오히려 그 네트워크 성능이 훨씬 더
좋아져야 되는 거 아닙니까 그 결국은
AI 서버 쪽에서 거의 다 처리할
것이고 그 그쪽에서 처리한 내용들을
내가 얼마나 빨리 받을 것이냐 아
그건 기획 문제에 가깝죠네 예를 들면
채치 PT 같은 거를 제가 서버에서
돌리는 건 네트워크는 별로 안
중요해요음 왜냐하면 채지 PT 테
제가 보내는 채지 PT 쓰려고 보내요
뭐예요 문자줘 문자 열 몇 천 글자
길어봐야 그럼 뭐 전송하는데 얼마나
걸리겠어요네 채치 PT 처리하는데
오래 걸리고 또 돌아오는 거 얼마 안
걸리죠 그러니까 이런 식의 서비스는
그 네트워크에 별로 중요하지 않아요
그리고 아마 온디바이스 서버가 나눠서
하는 AI 다 비슷할 거예요 예를
들면 제가 서버 AI 막 쓰는데
스마트폰에서 영화 한 편을 다 보내
갖고 처리하겠죠 예예 끽해봐야 뭐
사진 정도나 전송할 거잖아요 근데 그
정도는
네트워크이다 어떤 방식으로 앞으로
발전하게 될까 이런 생각 하실까요
역시 저는 되게 말하기 힘든 거
같아요 지금 결국 스마트폰이라는
플랫폼 제한이 있고음 저희가 이제
지금 최근에 유행했던 AI 그을 보면
딱 스마트폰에서 구동될 수 있는
사이즈들은 아니거든요 네네 그러니까
우리에게 그 AI 어떤 그 강력함을
보여줬던 최근 두 가지 발견 채지
피티와 스테이블 디퓨전 그린 그려
주는 거 이런 애들 전부 이게 폰에서
구동되는 애는 아니에요 그렇죠 그러면
우리한테 남은 거는 그 간단한 번역기
요런 거밖에 안
떠오르는데음 그래서 삼성이 계속 혹은
삼성이랑 그 갤럭시 안드로이드 개발
생태에 있는 사람들이 쓸만한 앱을 나
내 놓으면은 그때야 그 온디바이스
시대가 열렸다고 얘기할 것 같아요음네
어떤 의에서 기계는 항상 준비되어
있었어요 항상 mpu 갖고 있어서
뭔가 할 수 있었죠음 그러면 이제
예를 들어서 어쨌든 AI 세상이
커지니에 그 서버 단위든 엣지 단위든
뭐 방향성은 늘어나는 방향 뭐 mpu
키우던지 해서 늘어나는 방향으로 갈
텐데 그죠 어 그럼 과연 어떤 회사가
여기서 유리하게 될까 일단 첫 번째
떠오르는 회사는 퀄컴 같은 회사입니다
아 근데 퀄컴은 모르죠 그 왜
모르느냐 퀄컴이 예전 스마트폰용 온
디바이스를 하려고 한다음 근데
스마트폰에서 정말 돌리고 싶어하는
AI 지금 그 퀄컴 mpu 안 돼요
그럼 어떻게 해야 되죠 컴이 칩이
커지죠 mpu 늘려야 되니까 그럼
원가가 나빠지
이거네 근데 이렇게 생각할 수 있어요
개발자들은 아 우리 제이 온
디바이스용 AI 해 봤자 지금
apga 따라 주질 않네 응 만들지
말아야겠다 이럴 수도 있어요 예 그럼
퀄컴이 삼성 같은 데가 ap
선제적으로 내놔야 되죠 그렇죠
내놨는데 쓸 만한 AI 안 만들면
어떡할 거예요 사람들이 그럼 손해 본
거잖아요 괜히 피만 늘려 갖고 웨이퍼
더 쓴 거니까네 그러니까요 교착
상태를 푸는게 훨씬 중요하죠 네 저는
그 교 상태는 이제 완제품 파는
회사가 먼저 해야 된다고 생각해요음
단 삼성전자 스마트폰이 좀 맛갈나는
앱이 있어야 되는 거죠 AI 있어야만
돌아가는 맛깔나는게 있어야죠 네네
그리고 서버 쪽에 보내면 뭔가 좀
힘든 거 예를 들면 서버에 보내서
하려고 했더니음 너무 그 사진을
처리해야 되는데 사진 처리가 오래
걸리더라 전송에네 그런 요구 사항들이
맞아야 돼요 아까 말씀드린 것처럼 그
글자를 그 사진에서 채우는 는네 금방
해요 왜냐면 가는 데이터 사진 한
장이고 서버에서 무거운 AI 무겁지도
않죠 이거는 돌려서 그냥 나오는
거잖아요 네네 그 채치 피티는 네트워
관점에선 더 쉬워요 글자 갖다가 글자
와요 네네 그냥 서버에 연산 자원이
엄청 많이 필요한 것이죠 그렇죠네
그러니까 여기에서 딱 먹히는 거는
반응 속도가 엄청 중요하거나
인공지능이음 예를 들면은 제가 이렇게
사진 딱 됐는데 0점 몇 초 만에
하여튼 결과가 나와야 돼요네 그런
경우면 네트워 을 타는게 불리하죠네
그런 AI 그나음 혹은 지속적으로
계속 호출해야 돼 갖고 데이터를 너무
쓰는 녀석 음음 근데 그 중에도
mpu 그래는 돌아갈 정도로 작아야
되는
거죠네네네음 이제 저가 AI 했을
때는 그렇게 돌아가면 사물 인식
정도밖에 안 떠올라요 솔직하게음
결국은 그러면 앱이 얼마나 그
AI 필요한 앱을 만들 수 있느냐
그렇죠 예 이게 핵심이겠죠 되겠네요네
그러니까 서버에서 돌리는 것보다
유리해죠 말씀드린 것처럼 반응 속도가
엄청
중요하다음 그래서 이제 네트워크로
갔다 오는 시간 뭐 몇백 밀리 초가
도저히 그걸로는 앱을 만들 수 없다음
이런 경우여야 되는 거죠네네 예 아
예 자 이제 그 AI 시대가 이제
본격화되고 있습니다 앞으로 펼쳐질
세상이 어떤게 펼쳤을 거라고
생각하시는지 한번 큰틀에서 한번음
설명을 한번 해네 저는 이제 처음에
GPT 3 이런 거 얘기했을 때 막
이런 소문들 돌았어요 막 GPT
다음건 100 트릴리언 신경망이 그냥
신경망 크기가 근데 이거는 세 마트만
나와서 아니다이 얘기를 해버렸죠이
현실적으로 반도체가 따라갈 수 없는
그런 성능이야 잘 보면은 반도체가 할
수 없는 양이었던 그거 그런 소문도
돌았고 뭐 갑자기 agi 얘기도 나무
막
하잖아요네 저는 근데 반대로 기술을
좀 이해해서 그쪽 방향이 안 일어나는
건 아닌데음 그게 일어나기 전에
반드시 보여야 되는 현상들이 있다는
건 생각했으면
좋겠어요가 나오려면 어떻게 해야
되느냐 힌튼 박사의 역전파 넘는 어떤
이론이 있어야 되고 그 역전파 나오고
나서는 그거에 맞는 반도체 찾은
다음에나 가능했죠 저는 그런 선행
후행하는 이벤트를 좀 이해했으면
좋겠어요 그럼 앞으로 어떤 미래가
펼쳐질 거냐 agi 같은 극단적인
물건은 안 나올 것이기 때문에 네네
우리는 AI 지금과 비슷하게 그
업무효율 향상의 파트너 로 여기게 될
가능성이 높아요네 대신 이제 제치
피티가 열리면서 기존에 좀 어려웠던
거 좀 로봇 제어나 이런 부분이 열린
감은 있어요 그래서 우리가 기존에 좀
자동화하고 싶어도 안 됐던 거 이제
되게 예전에 보면 재밌는 결과들이
많아요 2016년 이럴 때 인공지능이
대체할 수 있는 직업 없는 직업
조사하면 대체되는 직업으로 콘크리트
뭐 그 뭐 하는 사람 이런게
대체되고 예술가 뭐 이런 사람 대체가
안 된다 그랬어요 근데 그린 그린
AI 딱 나왔잖아요네 이제 완전
거꾸로 되고 있죠 오히려 제가 보기엔
육체노동 쪽은 AI 대신하기 어려울
거 같고 근데 이게 좀 재밌게도 채치
PT 나오고 나서 언어 모델이란 로봇
제어를 결합하려는 시도를 구글 이런
데서 해요 결과가 좀 나오거든요
그러니까 우리는 대려 언어 모델이
등장했는데 그 뒤엔 아까 말했던
콘크리트나 이런 부분이 부분적으로
대체될 수 있다 이거를 좀 생각해야
될 거 같아요 네네 예 딱 보면은
직관적이지 않은데 어떤 로봇의
추상적인 행동과 인간이 시키는
명령을음 언어로 언어라는 매개체로
연결하면 좀 된다 이런 연구들이
존재하는 거예요음 저는 그런 거에 더
길를 기울여야 될 거 같아요 어
그러면 이제 그 말씀하신 걸 정리해
보면 화이트 컬러 쪽에 상당 부분
대체가 되고 기계 장치가 진보가게
일어날거다 거 사람 확 그렇게
대체되는 거 아닌데 그러니까 지금도
그 채치 PT 같은 것도 그런데 제가
예전 세 책을 쓴다 안 쓰고 있지만
그럼 채치 PT 시킬 수 없어요
왜냐면 얘는
컨텍스트가 지금 뭐 제일 큰 거
나와봤자 단어 수로 12,000 단어
정도밖에 안 되거든요네 근데 제가
책을 쓸 때 책의 길이나 한 단어로는
8만 단어가 넘고 그 책을 쓰기 위해
참고한 단어는 몇 단어까지 훨씬 많죠
뭐 몇십만 단위가 있겠죠 그런 건 안
되는 거예요 그러니까네 예를 들면
제가 채치 피티는 반도체 관련한
정보를 한 번도 안 봤을 가능성이
높죠 제가 보는 정보들을 그러면 제가
채치 PT 한테 책을 써 주라고
하려면 어떻게 해야 되겠어요
현실적으로 입력을 해줘야 되 나한테
자료가 이거 이거 이거 이거 이거
있다 쭉 그다음에 한 8만
단어리스트 피트를 책 쓸 때 어떻게
할 거냐음고 길이에 맞는 정도 그걸
채치 PT 할 수 있는 정도만 쓸
거요 야 나한테 이만한 문 있는데
틀린 단어 있냐 막 이런 거
물어보겠죠네 저는 그것만으로도 사실
생산성이 높아져요 그렇죠 그러니까
심지어 아마 로봇 같은게 그 언어
모델로 제어가 돼도 마찬가지일 거예요
역시 완전히 해결 안 되는 건 많을
거고요 그러면 인간이 또 해결을 해
줘야 되겠죠서네 그렇죠음 그리고 아마
주도권은 계속 인간한테 있을 것
같아요 그네네네 예 오늘 마지막
이야기가 이제 AI 때문에 지금 걱정
스러우신 분들이 굉장히 많은데 결국은
어떤 측면에 보면 어드밴스
엑셀 뭐 그렇게 생각하는게 좋겠죠 예
예 그렇게 생각을 하고 접근하시는게
AI 내 편으로 만드는 최고로 좋은
방법 아닐까 하는 생각이
들었습니다네 그게 되게 중요한 거
우리가 그 0과 1로 생각하면 안
돼요 그 유토피아 디스토피아 이런게
아니라는 거예요 그냥 우리는 계속
새로운 누구가 개발되면 새로운 일을
해요 뭐 그 중 하나인 거죠 음음
저도 그 도구로서의 능력은 잘 봐
왔고요 그 과정에서 우리가이 채집
PT 나와서 그 학계가 그 그것
때문에 아이디어를 얻는 경우가 되게
많잖아요 뭔가 개발되면 그래서
로봇에도 써보고 하는 거잖아요
사람들이 그럼 저는 그런 발표들 논문
이런 것도 좀 지켜볼 필요가 있다고
생각해요 예상치 못한데 갑자기 그 딱
영향력을 튀겨 버리는 거죠 이것도
된다 어 그렇네 막 이런 거죠네네 예
아 예 오늘 너무너무 감사합니다 오늘
어 정인상 작에 오른 만에 나오셔
가지고 역시나 뭐
그냥 뻥뚫리게 그냥 아주 그냥 정통파
한 150km 강속 그다 아 우리의
그 그 AI 대한 어떤 의문점을 뚫어
주신 거 같습니다 예 그래서 너무
감사하고요 어 앞으로도 계속
중간중간에 나오셔서 이렇게 해안을
해안으로 저희를 해이면서 많이
틀리기도 하잖아요 아니요 근데 굉장히
오늘 정리가 너무너무 잘됐어요 저는
아주 정리가 잘되는 좋은
시간이었습니다 아마 우리 시청자분들도
그렇게 생각하실 것같
좋은 댓글 달아주시면 우리 정선
작가님도 기분 좋게 어 이렇게 나오실
수 있을 것 같습니다 오늘 귀한 시간
말해 주셔서 감사드립니다네 고생하네
어 우리 시청자분들께도
인사드리겠습니다 인사드립니다
[음악]
고맙습니다
m
