Jensen Huang 발언: Nvidia가 HBM4의 첫 고객이 될 것이며, 이 주문 물량의 70%를 확보한 AI 메모리 주식이 있습니다.

인공지능(AI)의 폭발적인 성장은 메모리 반도체 분야에 강력한 슈퍼사이클을 촉발했습니다. 대규모 언어 모델(LLMs)과 생성형 AI 시스템이 수조 개의 토큰으로 확장됨에 따라, 병목 현상은 순수 컴퓨팅 능력에서 데이터 이동 속도와 용량으로 옮겨가고 있습니다.

Nvidia (NASDAQ: NVDA)는 이 생태계의 지배적인 힘이며, 단순히 그래픽 처리 장치(GPUs)를 선도적으로 설계하는 것을 넘어 특화된 고대역폭 메모리(HBM)에 대한 수요의 주요 동인입니다. 이 회사의 GPU는 대부분의 하이퍼스케일 트레이닝 클러스터와 추론 워크로드를 지원하며, 메모리 제조업체들이 Nvidia의 성능 목표에 로드맵을 맞추도록 강제하고 있습니다.

2009년 Nvidia를 놓쳤나요? 이 희귀한 신호가 다시 깜빡이고 있습니다.* 2009년에 'Double Down' 신호가 Nvidia라는 잘 알려지지 않은 칩 제조업체에 깜빡였습니다. 수년 만에 처음으로, 같은 'Total Conviction' 신호가 Nvidia의 1/100 크기 회사에 깜빡이고 있습니다. *계속 보기 »

HBM4를 대규모로 생산할 기술과 제조 전문성을 가진 세 회사가 있습니다: SK Hynix (NASDAQ: SKHY), Samsung, 그리고 Micron Technology (NASDAQ: MU)입니다. 각 회사는 Nvidia의 사양을 충족하기 위해 역량을 공격적으로 확장하고 제조 공정을 개선하고 있습니다.

Nvidia CEO Jensen Huang은 메모리 슈퍼사이클을 매우 심각하게 받아들이고 있습니다. 지난 몇 년 동안, Huang은 Nvidia에 우호적인 메모리 공급업체들과 연결되는 일부 단서들을 조용히 흘려왔습니다. Huang이 메모리 병목 현상에 대해 무슨 말을 했는지 살펴보고, 지금 주목해야 할 AI 메모리 주식이 무엇인지 탐구해 봅시다.

AI에게 메모리가 왜 그렇게 중요할까요?

메모리는 AI 애플리케이션이 근본적으로 메모리 병목(memory-bound)에 있기 때문에 칩 스택에서 가장 중요한 구성 요소 중 하나로 부상하고 있습니다. 모델을 학습시키고 실행하려면 수십만 개의 GPU 간에 엄청난 양의 데이터를 극도로 낮은 지연 시간으로 전송해야 합니다.

기존 DRAM은 이러한 대역폭 요구 사항을 따라잡는 데 어려움을 겪어, 컴퓨팅 자원의 활용률 저하와 긴 학습 시간을 초래합니다. HBM은 DRAM 다이를 적층하고 수직 인터커넥트(vertical interconnects)를 통해 이를 연결함으로써 이 문제를 해결합니다. 이는 기존 메모리 솔루션보다 의미 있게 높은 대역폭을 제공하면서도 전력 소모는 줄입니다.

HBM4는 메모리 발전의 다음 단계를 나타냅니다. Nvidia는 차세대 플랫폼에 동력을 공급하기 위해 HBM4가 필요하며, 이 칩은 더 큰 모델 크기, 더 빠른 토큰 생성, 그리고 GPU 클러스터의 보다 효율적인 확장을 가능하게 하기 때문입니다. 특히, Nvidia의 Vera Rubin 아키텍처는 고객이 기대하는 성능 향상을 제공하기 위해 HBM4에 크게 의존할 것으로 예상됩니다.