AI 수요로 RAM 비용이 다시 2007년 수준으로 치솟았다

Tom's Hardware의 보도에 따르면, 컴퓨터 과학자 Daniel Lemire는 RAM의 단위당 비용이 현재 대략 2007년 당시 수준에 이르렀다는 놀라운 역전을 지적했다.

이 비교가 구매자들이 20년 전과 같은 컴퓨팅 시장을 마주하고 있다는 뜻은 아니다. 현대 메모리는 더 빠르고, 더 고밀도이며, 더 강력한 시스템에 탑재된다. 이는 용량 단위당 지불 가격이 기술 발전으로 이미 지나간 것으로 여겨졌던 수준까지 다시 상승했다는 의미다.

Lemire는 역사적으로 메모리 가격이 5년마다 약 10분의 1로 하락했다고 주장한다. 최근의 부족 현상은 수개월 만에 이러한 정규화된 발전의 약 20년치를 지워버렸다. AI 인프라 수요가 이 역전의 중심에 있지만, 원인은 단순히 데이터센터가 더 많은 칩을 구매하는 데 그치지 않는다.

메모리 제조업체들은 AI 가속기에 데이터를 빠르게 공급하는 고대역폭 메모리, 즉 HBM으로 첨단 생산 역량을 전환해 왔다. 서버 제조업체 역시 CPU, 스토리지 캐싱, 추론 워크로드를 위해 기존 DRAM이 필요하다. 그 결과 소비자 PC, 스마트폰, 워크스테이션, 일반 서버는 자금력이 더 큰 AI 고객들보다 뒤로 밀려났다.

따라서 핵심 갈등은 서로 분리된 두 시장으로서의 AI 메모리와 소비자 메모리 사이의 대립이 아니다. 점점 희소한 AI 지향 생산에 보상하는 배분 체계와, 더 저렴한 용량을 약속해 온 반도체 산업의 오랜 약속 사이의 충돌이다.

Tom's Hardware가 역사적 맥락에서 짚은 RAM 가격 역전

Lemire의 비교에서 주목할 부분은 메모리가 또 다른 가격 사이클에 진입했다는 사실이 아니다. 역사적 발전이 얼마나 많이 사라졌는지가 핵심이다.

Tom's Hardware가 공개한 RAM 가격 분석은 Lemire의 주장을 용량 단위당 과거 가격으로 추적한다. 그의 차트는 장기 하락세를 직선이 아닌 지수적 추세로 다룬다.

이 차이는 중요하다. 비교 가능한 기간마다 10배씩 저렴해지는 기술은 수십 년에 걸쳐 그래프로 표시할 경우 가파른 하향 곡선을 만든다. 일시적인 상승은 발생할 수 있지만, 정규화된 방향성은 하락세로 유지된다.

Lemire는 현재 수준이 이 역사적 곡선이 2007년경 예측했을 법한 수준과 일치한다고 말한다. 다시 말해 업계는 단지 1~2년의 개선을 포기한 것이 아니다. 예상된 비용 궤적의 상당 부분을 거꾸로 되돌아갔다.

이 비교는 정규화에 의존하므로 완전한 소매 가격 지수로 오해해서는 안 된다. 개별 키트는 용량, 속도, 지연 시간, 브랜드, 세대, 지역, 판매 채널에 따라 다르다. DDR5를 DDR2와 기능이 동일한 것처럼 직접 비교할 수는 없다.

용량당 과거 가격 시계열 역시 서로 다른 시장 환경에서 수집된 관측치를 결합한다. 소매 등록 가격, 계약 가격, 현물시장 거래는 각기 다른 속도로 움직일 수 있다. 제조업체가 더 높은 계약 가격을 협상하는 동안에도 구매자는 할인 혜택을 접할 수 있다.

그렇더라도 이러한 한계가 움직임의 방향 자체를 지우지는 않는다. 현대 메모리 모듈은 더 많은 대역폭과 효율성을 제공하면서도, 용량 단위당 가격은 극적으로 덜 감당 가능한 수준이 될 수 있다. 기술적 개선과 비용 측면의 후퇴는 동시에 존재할 수 있다.

이 때문에 Lemire는 이번 사태를 이례적이라고 표현했다. 기술 시장에서는 부족 현상, 출시 초기 프리미엄, 투기적 급등이 흔히 발생한다. 제조 역량의 지속적인 발전은 보통 공급이 수요를 따라잡으면 비용 하락 곡선을 회복시킨다.

현재의 부족 사태는 수요가 단일 소비자 업그레이드 주기에 연결돼 있지 않다는 점에서 이런 기대에 도전한다. 수요는 학습 클러스터, 추론 시스템, 클라우드 서버, AI 지원 기업 인프라의 광범위한 구축에서 비롯된다.

이 차이는 Tom's Hardware의 보도를 PC 조립자에 대한 경고 이상의 이야기로 만든다. 범용 컴퓨팅의 경제성이 구조적 우회로에 들어선 것은 아닌지라는 더 큰 질문을 제기한다.

변화가 순환적이라면 신규 생산능력과 약화된 소비자 수요가 결국 기존 곡선을 회복시켜야 한다. 구조적 변화라면 구매자들은 기기와 소프트웨어가 전제할 수 있는 메모리 양을 재검토해야 할 수 있다.

AI 수요는 HBM만 소비하는 것이 아니다

AI 시스템은 메모리 계층 전반의 수요를 강화하므로, 더 특화된 HBM을 생산한다고 해서 일반 DRAM이 부족 사태에서 분리되지는 않는다.

HBM은 매우 넓은 인터페이스를 통해 연결된 수직 적층 DRAM으로 구성된다. 이는 최신 AI 가속기에 모델 파라미터와 중간 데이터를 충분히 공급하는 데 필요한 대역폭을 제공한다.

이 설명은 HBM이 노트북이나 기존 서버에 사용되는 메모리와 분리된 것처럼 들리게 할 수 있다. 완성품은 다르지만, 제조 자원, 엔지니어링 역량, 첨단 패키징 생산능력, 공급업체 투자는 공유한다.

TrendForce는 제조업체들이 2026년을 맞으며 첨단 공정 노드와 신규 생산능력을 서버 제품 및 HBM으로 재배분했다고 보도했다. 해당 생산능력 배분 연구는 이러한 결정을 증가하는 AI 서버 수요와 직접 연결했다.

HBM은 실제 제공 용량만으로 예상되는 것보다 더 많은 생산 자원을 소모한다. 적층 다이는 까다로운 제조 및 패키징 공정을 요구한다. 결함이 있는 구성 요소 하나하나가 완성된 스택의 생산량을 낮출 수 있기 때문에 수율 손실도 중요하다.

한편 AI 서버에는 가속기 메모리 외에도 필요한 것이 있다. CPU에는 시스템 DRAM이 필요하며, 이는 흔히 서버용으로 설계된 등록 DIMM을 통해 제공된다. 스토리지 계층은 NAND 플래시를 사용하고, 네트워킹과 캐싱은 추가 메모리 수요를 더한다.

추론은 이 범위를 더욱 확장한다. 학습은 크지만 비교적 집중된 인프라 수요를 만든다. 추론은 요청을 지속적으로 처리하며 더 많은 시스템, 지역, 애플리케이션 유형으로 퍼질 수 있다.

에이전틱 시스템은 또 다른 층을 더한다. 이들은 더 긴 컨텍스트를 유지하고, 도구 출력을 관리하며, 여러 모델 호출을 조율하고, 중간 상태를 저장한다. 생성 중 어텐션 데이터를 유지하는 KV 캐시는 대화가 길어질수록 상당한 메모리를 소비할 수 있다.

TrendForce는 효율적인 KV 캐시 관리가 추론 성능에 필수적이 됐다고 말한다. 해당 AI 메모리 전망은 확대되는 추론 워크로드를 HBM과 기존 DRAM 모두에 대한 수요와 연결한다.

이 메커니즘은 부족 현상이 확산되는 이유를 설명한다. 클라우드 제공업체는 가속기 클러스터를 구축하기 위해 HBM을 확보하려 경쟁한다. 같은 구축 환경은 서버 DRAM, 스토리지, 네트워킹 구성 요소도 소비한다. 이후 제조업체들은 가장 강력한 계약과 마진이 붙은 제품을 우선시한다.

소비자가 영향을 받기 위해 소비자 메모리가 HBM에 할당된 정확히 같은 생산 라인을 사용할 필요는 없다. 자본, 공정 전환, 웨이퍼 투입, 엔지니어링 팀 또는 공급업체의 관심을 두고 경쟁하기만 하면 된다.

따라서 세계 최대 DRAM 생산업체 3곳인 Samsung, SK hynix, Micron은 합리적인 배분 결정을 마주한다. AI 고객은 대량 주문, 더 긴 계획 기간, 긴급한 성능 요구를 제시한다. 소비자 전자제품은 여전히 부품 비용에 더 민감하다.

이 불균형은 소매 수요가 건전한 상황에서도 AI 인프라에 우선순위를 부여한다. 또한 공급업체가 투자를 즉시 인증된 생산량으로 전환할 수 없기 때문에, 가격 상승에 대한 일반적인 대응을 약화시킨다.

새로운 메모리 팹은 계획, 건설, 장비 도입, 가동 안정화까지 수년이 걸린다. 기존 시설도 공정 전환과 고객 검증이 필요하다. HBM 패키징은 웨이퍼 제조를 넘어 추가 병목을 만든다.

따라서 부족 현상은 물리적이면서 경제적이다. 계획된 모든 시스템에 공급할 만큼 바람직한 메모리 제품이 충분하지 않으며, 공급업체는 AI 지향 수요를 먼저 충족할 강한 유인을 갖고 있다.

소비자 컴퓨팅이 부담을 떠안고 있다

즉각적인 피해자는 AI 인프라 수준의 마진을 창출할 수는 없지만, 유용성을 유지하려면 상당한 메모리가 필요한 기기 구매자들이다.

PC 제조업체는 높은 부품 비용에 여러 방식으로 대응할 수 있다. 시스템 가격을 올리거나, 기본 메모리 구성을 줄이거나, 업그레이드를 늦추거나, 제품군을 축소하거나, 더 낮은 마진을 감수할 수 있다.

어느 것도 눈에 띄지 않는 해결책은 아니다. 메모리가 적은 노트북은 최신 브라우저, 크리에이티브 애플리케이션, 로컬 개발 도구, 멀티태스킹에서 어려움을 겪을 수 있다. 온보드 메모리는 보수적인 출고 구성을 나중에 바로잡기 더 어렵게 만든다.

데스크톱 구매자는 더 많은 유연성을 유지하지만, 여전히 선택의 기로에 놓인다. 조립자는 더 높은 용량의 키트 구매를 미루거나, 더 느린 메모리를 선택하거나, 다른 구성 요소에 쓸 돈을 돌릴 수 있다. 워크스테이션 사용자는 더 큰 용량에서 비슷한 선택에 직면한다.

스마트폰 제조업체는 더 엄격한 물리적·상업적 제약 아래에서 운영된다. 더 많은 메모리는 온디바이스 AI, 카메라 처리, 게임, 더 긴 소프트웨어 지원을 뒷받침한다. 하지만 부품 가격 상승은 제품군 전체에 넉넉한 구성을 제공하기 어렵게 만든다.

기업 구매자는 다른 형태의 문제에 직면한다. 기존 서버는 데이터베이스, 가상화, 분석, 인메모리 워크로드를 위해 대규모 DRAM 풀을 필요로 한다. 이러한 애플리케이션은 공급업체 생산능력을 두고 AI 구축 환경과 간접적으로 경쟁한다.

기업은 직원용 노트북 교체를 미룰 수 있지만, 노후 하드웨어에는 그 자체의 비용이 따른다. 성능 저하, 짧아진 배터리 수명, 보안 제약, 수리 요구는 대규모 기기군 전반에 누적된다.

소프트웨어 개발자도 압박을 받는다. 로컬 컨테이너, 가상 머신, 통합 개발 환경, 테스트 스위트, AI 코딩 도구는 동시에 메모리를 소비할 수 있다. 제약된 워크스테이션은 일상적인 개발 작업을 자원 배분의 문제로 바꾼다.

이 압박은 소프트웨어 설계에 영향을 줄 수 있다. 이전에는 메모리를 저렴한 자원으로 여겼던 개발자들이 캐시 크기, 백그라운드 프로세스, 로컬 모델 규모, 기본 애플리케이션 동작을 재검토할 수 있다.

이러한 조정에는 잠재적 이점이 있지만, 그렇다고 부족 사태가 무해해지는 것은 아니다. 최적화에는 엔지니어링 시간이 들며, 강제적인 축소는 응답성을 떨어뜨리거나 기능을 제한할 수 있다.

수요 위축은 이미 시장 전망의 일부가 됐다. TrendForce는 전체 DRAM 공급이 여전히 극도로 타이트한 상황에서도 3분기 동안 소비자 부문의 약세가 가격 상승 속도를 완화하고 있다고 분석했다.

이는 중요한 구분이다. 상승세 둔화가 반드시 부족 사태의 종료를 의미하지는 않는다. 구매자들이 감당할 수 있는 한계에 도달했다는 뜻일 수 있다.

소비자가 기기 구매를 미루거나 더 작은 구성을 선택하면 출하량 전망은 약해진다. 서버 수요가 그 감소를 상쇄할 만큼 강하게 유지된다면 공급업체는 가격 결정력을 유지할 수 있다.

분배 효과를 무시하기는 어렵다. 하이퍼스케일러는 미래 AI 서비스 수익을 통해 희소한 메모리의 비용을 정당화할 수 있다. 노트북을 교체하는 가정은 그 비용을 수백만 건의 모델 요청에 분산할 수 없다.

중소기업과 독립 개발자는 그 중간에 놓인다. 이들은 AI 제품을 구축하기 위해 성능 좋은 시스템이 필요하지만, 대형 클라우드 제공업체만큼의 구매 협상력은 없다.

Tom's Hardware의 보도는 이 압박에 기억하기 쉬운 역사적 기준점을 부여한다. 시장은 사실상 AI 구축이 더 빠르게 진행될 수 있도록 일반 구매자에게 예상했던 수년간의 가격 접근성을 포기하라고 요구해 왔다.

그 호재는 공개적으로 협상된 것이 아니었습니다. 이는 공급업체의 인센티브, 자본 투자 약정, 그리고 현대 AI 시스템의 기술적 수요가 맞물려 나타난 결과입니다.

기존 비용 곡선이 새로운 배분 현실과 맞닥뜨리다

핵심적인 반전은 컴퓨팅 비용이 당연히 낮아질 것이라는 기대와 AI 수익성에 따른 메모리 배분이 충돌한 데 있습니다.

수십 년 동안 반도체 비용 하락은 소프트웨어의 확장을 가능하게 했습니다. 운영체제는 더 커졌고, 브라우저는 더 많은 프로세스를 열었으며, 애플리케이션은 더 많은 데이터를 메모리에 유지했습니다.

개발자들은 미래의 하드웨어가 오늘날의 고비용 워크로드를 평범한 수준으로 만들어 줄 것이라고 가정했습니다. 이러한 가정은 더 풍부한 인터페이스, 관리형 런타임, 로컬 데이터베이스, 그리고 갈수록 야심 차지는 창작 소프트웨어를 뒷받침했습니다.

메모리 가격은 그 역사 내내 변동성이 컸습니다. 업계는 공급 과잉, 재고 조정, 공장 가동 차질, 급격한 수요 변화를 겪었습니다. 그럼에도 각각의 주기는 전반적인 용량 비용 하락 추세 안에서 전개됐습니다.

AI는 유례없이 큰 규모와 긴급성을 지닌 수요원을 도입했습니다. 선도 기업들은 이미 확립된 워크로드를 충족하기 위해서만 메모리를 구매하는 것이 아닙니다. 미래의 모델 사용량을 예상하며 인프라를 구축하고 있습니다.

이러한 선구매는 수요가 실현된 매출을 앞서가게 할 수 있습니다. 클라우드 제공업체들은 용량이 부족하면 고객을 지원하지 못하거나 경쟁력 있는 모델을 학습시키지 못할 수 있다고 우려합니다.

공급업체들은 장기 약정을 확보하고 수익성이 더 높은 제품을 우선시하며 대응합니다. 각 참여자에게는 이해할 만한 행동이지만, 그 결합된 결과는 익숙한 소비자 비용 궤적을 무너뜨립니다.

S&P Global은 HBM이 반도체 업계에서 가장 수익성이 높은 부문 가운데 하나가 되었다고 관찰했습니다. 해당 기관의 메모리 공급 분석은 높은 마진이 생산업체로 하여금 기존 엔터프라이즈 및 소비자용 메모리보다 AI 연계 제품을 우선하도록 유도했다고 설명합니다.

그 결과는 전통적인 부족 현상보다 배분 충격에 가깝습니다. 공급은 존재하고, 투자는 늘고 있으며, 제조업체들은 막대한 양의 메모리를 생산하고 있습니다. 하지만 가장 가치 있는 고객이 무엇을 먼저 증설할지를 결정합니다.

이는 피드백 루프를 만듭니다. 희소성은 확보된 공급의 가치를 높입니다. 대형 AI 구매자는 더 긴 약정으로 대응하고, 이는 비슷한 구매력을 갖지 못한 구매자에게 돌아갈 수 있는 용량을 줄입니다.

높아진 메모리 비용은 AI 개발자에게 최적화를 유도할 수도 있습니다. 양자화, 소형 모델, 캐시 압축, 더 선별적인 검색 같은 기법은 요청당 메모리 소비를 줄입니다.

효율성만으로 총수요 감소가 보장되지는 않습니다. 각 요청이 더 저렴해지면 기업은 더 많은 요청을 처리하고, 더 많은 에이전트를 배포하거나, 더 긴 컨텍스트를 처리할 수 있습니다. 개별 워크로드가 개선되더라도 총소비량은 계속 증가할 수 있습니다.

이러한 역학은 다른 기술에서 나타나는 반동 효과와 닮았습니다. 자원을 더 효율적으로 사용하면 활동의 비용이 낮아지고, 그 결과 절감분을 상쇄할 만큼 추가 활동이 촉진될 수 있습니다.

따라서 기존 곡선은 두 가지 상반된 힘에 직면합니다. 더 나은 공정, 더 높은 집적도, 최적화된 소프트웨어는 비용을 낮추는 방향으로 작용합니다. 반면 가속되는 AI 배포와 우선 배분은 실질적인 가용성을 반대 방향으로 밀어붙입니다.

결과는 어느 힘이 더 빨리 확장되는지에 달려 있습니다. 역사적인 반도체 발전은 여전히 현실이지만, 더는 모든 구매자 계층이 같은 시점에 그 혜택을 받을 것이라고 보장하지는 않습니다.

2007년 비교가 증명하지 못하는 것

역사적 비유는 반전의 심각성을 포착하지만, 현재 상황이 얼마나 오래 지속될지는 입증할 수 없습니다.

Lemire의 차트는 설득력 있는 문제 제기 도구이지만, 전 세계 DRAM 시장의 완전한 모델은 아닙니다. 이 차트는 제품과 데이터 품질이 변화해 온 긴 시간대에 걸친 정규화된 용량 비용을 설명합니다.

소매 메모리 가격은 계약 시장보다 먼저 또는 나중에 움직일 수 있습니다. 할인은 제조 공급 변화가 아니라 유통업체가 보유한 재고를 반영할 수 있습니다. 지역별 가용성과 환율 변동도 추가적인 차이를 만듭니다.

제품 구성 역시 비교를 복잡하게 합니다. 현재 DDR5 모듈은 이전 DDR 세대가 제공하지 못했던 기능과 성능을 제공합니다. 서버 DIMM, 노트북 메모리, 그래픽 메모리, HBM은 서로 다른 기술적 요구사항을 충족합니다.

용량 비용이 과거 시기와 비슷하더라도 구매자는 오늘날 더 많은 성능을 얻습니다. 이는 구매력 문제를 무효화하지는 않지만, “2007년으로 돌아갔다”는 표현의 의미를 바꿉니다.

이 표현은 정규화된 가격 수준을 설명해야 하며, 전체 컴퓨팅 경험이 되돌아갔다는 주장이 되어서는 안 됩니다. 현대 시스템은 여전히 비교할 수 없을 만큼 뛰어난 성능을 제공하며, 메모리 하위 시스템 역시 더 높은 대역폭과 효율성을 갖춥니다.

인과관계에도 주의가 필요합니다. AI 수요는 업계 분석가들이 지목한 지배적 압력이지만, 유일한 영향 요인은 아닙니다. 공급업체의 절제된 운영, 증설 지연, 공정 전환, 재고 정책, 일반적인 서버 수요 모두 가용성에 영향을 미칩니다.

소비자 행동은 흐름을 빠르게 바꿀 수 있습니다. 기기 출하량이 급격히 약화되면 서버용 제품은 여전히 타이트한 상황에서도 제조업체는 일부 범주에서 과잉 재고에 직면할 수 있습니다.

일시적인 소매 가격 조정이 구조적 논리를 반드시 반박하는 것은 아닙니다. 장기 계약이 견조한 상태에서도 판매업체가 재고를 소진하면서 PC 키트 가격은 하락할 수 있습니다.

반대도 마찬가지입니다. 계약 가격의 지속적인 상승이 모든 소매 제품의 가격이 계속 오를 것임을 증명하지는 않습니다. 유통 채널은 변화를 흡수하거나 지연시킬 수 있습니다.

중국의 CXMT는 또 다른 불확실성을 더합니다. 보도에 따르면 PC 제조업체들은 특히 중국에서 판매되는 시스템을 중심으로 이 회사의 범용 DRAM을 제한적으로 사용하는 방안을 검토했습니다. 추가 경쟁은 궁극적으로 일부 소비자 부문의 부담을 완화할 수 있습니다.

다만 인증, 지역적 제약, 기술 격차, 생산 규모는 신규 공급업체가 세계 시장의 균형을 얼마나 빨리 되돌릴 수 있는지를 제한합니다. 범용 메모리의 추가 생산량도 모든 HBM 또는 고급 서버 병목을 해결하지는 못합니다.

Micron의 2026년 실적은 HBM, 저전력 메모리, DDR DRAM, 데이터센터 스토리지 전반에서 개발이 계속되고 있음을 보여줍니다. 이러한 폭넓은 포트폴리오는 단순한 HBM 대 PC 구도가 불완전한 이유를 보여줍니다.

공급업체들은 서로 연결된 포트폴리오를 관리합니다. 제품군 간 투자를 전환할 수는 있지만, 고객 인증과 제조 제약 때문에 즉각적인 변화는 불가능합니다.

가장 안전한 결론은 가장 극적인 헤드라인보다 좁습니다. AI 수요는 메모리 비용의 역사적 하락 추세에서 이례적인 이탈을 만드는 데 기여했습니다. 지속 기간과 최종 규모는 여전히 불확실합니다.

이 구분은 구매 결정에 중요합니다. 패닉 바잉은 모든 제품이 끝없이 더 희소해질 것이라고 가정합니다. 끝없이 기다리는 것은 기존의 하락 곡선이 예정대로 회복될 것이라고 가정합니다.

어느 가정도 입증되지 않았습니다.

공급 부족 완화 여부를 보여줄 세 가지 신호

다음 단계는 개별 소매 할인보다 계약 가격, 인증된 생산능력, 실제 AI 메모리 효율성에 의해 결정될 것입니다.

첫 번째 신호는 향후 분기 동안 서버와 PC DRAM 계약 가격이 어느 방향으로 움직이는지입니다. 계약 시장은 단기 소매 프로모션을 넘어 대형 제조업체와 구매자가 무엇을 예상하는지 보여줍니다.

TrendForce는 소비자 수요 약화로 3분기 가격 인상 폭이 완화되고 있다고 보도했습니다. 그러나 시장이 극도로 타이트한 상태이며 서버 수요가 계속 뒷받침하고 있다고도 설명했습니다.

서버와 소비자 계약 모두에서 지속적인 안정화가 나타난다면, 업계가 장기적인 배분 재편에 진입했다는 주장은 약해질 것입니다. 기기 출하량이 약해지는 상황에서도 가격 상승이 계속된다면 그 주장은 강해질 것입니다.

따라서 독자들은 할인된 키트와 광범위한 계약 가격 완화를 구분해야 합니다. 세일은 한 구매자에게 도움이 될 수 있지만, 공급이 수요를 따라잡았다는 뜻은 아닙니다.

두 번째 신호는 인증된 생산능력입니다. 신규 공장 발표보다 중요한 것은 고객에게 실제로 제공되는 사용 가능한 생산량입니다.

Samsung, SK hynix, Micron은 PC, 스마트폰, 범용 서버용 기존 DRAM을 충분히 유지하면서 고급 메모리를 증설해야 합니다. CXMT와 다른 생산업체들은 특정 시장에서 경쟁 압력을 높일 수 있습니다.

핵심 증거에는 공정 노드 램프업, 고객 인증, HBM 패키징 생산량, 안정적인 수율이 포함됩니다. 아직 건설 중인 생산능력은 현재 주문의 부담을 완화할 수 없습니다.

기존 DRAM 가용성이 의미 있게 증가한다면 역사적 비용 곡선으로의 복귀를 뒷받침할 것입니다. 주로 프리미엄 AI 제품에 투입되는 생산능력은 소비자 측 압박을 대체로 그대로 둘 수 있습니다.

세 번째 신호는 AI 작업당 메모리 사용량입니다. 모델 개발자들은 양자화, 캐시 관리, 더 작은 아키텍처, 단순한 요청을 부담이 적은 모델로 배정하는 라우팅 시스템을 연구하고 있습니다.

성공적인 효율성 향상은 유용한 작업 단위당 필요한 메모리를 줄여야 합니다. 다만 총배포량이 그 절감 속도보다 느리게 증가할 때에만 공급 부족 논지를 약화시킵니다.

애플리케이션이 더 많은 에이전트를 실행하거나, 더 긴 컨텍스트를 유지하거나, 모든 워크플로에 모델을 내장하는 방식으로 대응한다면 총수요는 여전히 증가할 수 있습니다. 이 경우 효율성은 완화가 아니라 확장을 뒷받침하게 됩니다.

실험실 벤치마크가 약속하는 것뿐 아니라 AI 기업이 실제로 무엇을 배포하는지 지켜봐야 합니다. 통제된 테스트에서 메모리 사용량이 줄어드는 것은, 실제 운영 시스템이 더 큰 컨텍스트 창과 더 많은 동시 사용자를 추가한다면 중요성이 떨어집니다.

Tom Hardware의 보도는 궁극적으로 두 개의 지수 곡선 사이의 경쟁을 지목합니다. 하나는 메모리 비용의 역사적 하락을 나타냅니다. 다른 하나는 인프라, 모델, 사용량을 함께 확장하는 AI 산업의 수요를 나타냅니다.

구매자에게 실질적인 대응은 규율 있는 계획 수립입니다. 워크로드에 실제로 필요한 용량을 측정하고, 가능한 경우 업그레이드 유연성을 유지하며, 하나의 구성요소가 아니라 전체 시스템 구성을 평가해야 합니다.

개발자에게도 이는 메모리 효율성을 다시 제품 제약 조건으로 다뤄야 할 이유입니다. 실제 워크로드를 프로파일링하고, 불필요한 백그라운드 활동을 제한하며, 현실적인 용량 제한 아래에서 소프트웨어가 어떻게 동작하는지 테스트해야 합니다.

무엇보다 유명한 역사적 비교를 고정된 예측으로 오해해서는 안 됩니다. Lemire의 2007년 표지는 시장이 얼마나 멀리 움직였는지를 알려줍니다. 계약 추세, 인증된 공급, 실제로 배포된 AI 효율성이 시장이 다시 돌아갈 수 있는지를 알려줄 것입니다.