PieceMakers AI 메모리, 프로세서에 적층한 DRAM으로 HBM에 도전

PieceMakers는 9월 16일 대만 흥궤시장(Emerging Stock Board)에서 거래를 시작했지만, 이 회사의 더 큰 승부수는 기준가 NT$740을 넘어선 곳에 있다. PieceMakers AI 메모리 전략은 모든 추론 가속기가 HBM으로 더 잘 알려진 고대역폭 메모리에 의존하게 될 것이라는 통념을 거부한다.

Nanya가 지원하는 이 설계 기업은 웨이퍼-온-웨이퍼 하이브리드 본딩을 사용해 맞춤형 DRAM을 프로세서 바로 위에 배치하려 한다. 이 방식은 기존 적층 구조에 쓰이는 솔더 마이크로범프 없이 구리 접점을 연결한다. PieceMakers는 더 짧고 조밀한 연결이 온칩 SRAM보다 더 큰 용량을 제공하면서도 HBM 기반 패키지보다 전력 소모를 줄일 수 있다고 말한다.

이 제안은 PieceMakers를 두 가지 확립된 접근법 사이에 위치시킨다. HBM은 대규모 학습 시스템에 필요한 용량과 대역폭을 제공한다. SRAM은 매우 빠른 메모리를 프로세서 위에 배치하지만, 면적과 용량 비용 때문에 탑재 가능한 규모가 제한된다.

PieceMakers는 추론에 세 번째 선택지가 필요하다고 본다. 이 회사는 여전히 고객이 수용 가능한 수율로 설계를 제조하고, 경제적으로 확장하며, 2027년 중 제품을 출하할 수 있음을 입증해야 한다.

시장 데뷔는 검증되지 않은 전환에 가치를 부여했다

PieceMakers는 적층 메모리의 검증된 대량 시장이 아니라 수익성 있는 설계 서비스 사업을 바탕으로 공개 거래에 진입했다.

PieceMakers는 NT$740의 기준가로 타이베이 거래소 흥궤시장에서 거래를 시작했다. 이 시장은 기업이 정식 메인보드 상장을 신청하기 전에 거래를 지원한다. 따라서 일반적인 기업공개(IPO)가 완료된 경우와는 다르다.

주가는 NT$1,035에 출발해 NT$1,205까지 올랐고, 첫 거래일을 NT$915에 마감했다. 이는 기준가보다 23.6% 높은 수준이다. 발행주식 약 6,040만 주를 기준으로 하면, 기준가는 약 NT$447억의 기업가치를 시사했다.

이 수치는 상당한 투자자 관심을 반영하지만, 제안된 메모리 아키텍처를 검증하는 것은 아니다. 초기 시장 데뷔 보도에 따르면, PieceMakers는 적층 설계를 위한 대량 고객을 공개하지 않았다. 조셉 팅 회장은 첫 대량 고객 프로그램이 2027년 이전에는 재무적으로 기여하지 않을 것이라고 말했다.

PieceMakers는 이미 성장하는 AI 관련 사업을 보유하고 있다. 맞춤형 AI 설계 서비스는 2026년 상반기 매출의 약 40%를 차지했다. 이 비중은 2025년 34%, 2024년 약 4%에서 상승했다.

회사 수치에 따르면, 상반기 매출은 2025년 NT$3억1,300만에서 2026년 NT$10억9,000만으로 세 배 이상 증가했다. 로열티 로드맵에 보도된 회사 수치에 따르면 순이익은 NT$2억500만에서 NT$5억6,400만으로 늘었다. 매출총이익률은 54%에서 67%로 상승했다.

그러나 AI 관련 매출의 대부분은 비경상 엔지니어링 비용, 즉 NRE 비용에서 발생했다. 고객은 칩이 대량 생산에 들어가기 전 맞춤형 설계 작업에 대해 이러한 선불 비용을 지불한다. 이는 활발한 개발 프로그램의 증거이지만, 반복적인 칩 출하와 동일하지는 않다.

PieceMakers는 수익 모델을 NRE 비용에서 지식재산권 라이선스, 로열티, 턴키 제조로 발전시키고자 한다. 회사는 고객 프로그램이 2027년과 2028년에 생산 단계에 도달하면 이러한 전환이 시작될 것으로 예상한다.

이 순서는 초기 설계 매출이 성공적인 제품을 보장하지 않은 채 매력적으로 보일 수 있기 때문에 중요하다. 고객은 아키텍처 작업, 시뮬레이션 또는 검증에 자금을 지원한 뒤에도 프로그램을 취소할 수 있다. 제조 비용, 수율 또는 변화하는 가속기 요구사항은 대량 생산 이전에 설계를 좌초시킬 수 있다.

Nanya Technology는 PieceMakers에 독립 설계 회사보다 더 큰 신뢰성을 부여한다. Nanya는 거래 시작 전 일부 지분을 줄인 뒤에도 회사 지분 약 3분의 1을 보유한 최대 주주다.

2024년 12월, Nanya는 최대 2,200만 주에 대해 최대 NT$6억6,000만을 투자하는 안을 승인했다. 발표된 Nanya 파트너십은 Nanya의 10nm급 DRAM 공정과 PieceMakers의 맞춤형 메모리 설계를 결합했다.

이 관계는 DRAM 제조 전문성에 대한 접근을 제공하지만, 핵심적인 상용화 질문을 해소하지는 않는다. PieceMakers는 여전히 프로세서 고객, 적합한 로직 파운드리, 검증된 본딩, 신뢰할 수 있는 최종 조립을 확보해야 한다.

따라서 이번 데뷔는 두 사업에 동시에 가치를 매겼다. 하나는 현재 수익을 내는 맞춤형 설계 사업이다. 다른 하나는 여전히 개발 단계에 있는 대량 메모리 플랫폼이다.

PieceMakers AI 메모리가 학습 대신 추론을 겨냥하는 이유

PieceMakers는 모든 곳에서 HBM을 대체하려는 것이 아니라, 추론이 서로 다른 우선순위를 지닌 별도의 메모리 시장을 만든다고 주장한다.

AI 학습에는 방대한 데이터세트를 처리하고 모델 가중치를 업데이트하기 위한 대규모 클러스터가 필요하다. 용량, 총처리량, 기존 가속기 플랫폼과의 호환성이 모두 중요하다. HBM은 인터포저 위에서 GPU 또는 가속기 옆에 적층 DRAM을 배치해 이러한 요구를 충족한다.

추론은 학습된 모델을 들어오는 프롬프트에 적용한다. 여기에는 프롬프트 처리, 토큰 생성, 추천 순위화, 비전 분석 및 기타 프로덕션 워크로드가 포함된다. 이러한 작업은 학습에 유리한 균형과는 달리, 더 낮은 지연 시간과 더 적은 데이터 이동 에너지의 이점을 얻을 수 있다.

이샤오원 사장은 학습용과 추론용 메모리가 분화될 것이라고 주장한다. 그의 견해로는 HBM이 무거운 학습 워크로드에 계속 적합한 반면, 맞춤형 3D 메모리는 추론을 더 효율적으로 처리할 수 있다.

이 주장이 추론이 하나의 균일한 시장이라는 뜻은 아니다. 클라우드 서비스는 긴 컨텍스트와 많은 동시 사용자를 갖춘 매우 큰 모델을 실행할 수 있다. 엣지 시스템은 전력, 냉각, 물리적 공간 및 메모리 용량에 더 엄격한 제약을 받을 수 있다.

서버 랙 내부의 추론 가속기는 AI PC나 산업용 장치의 프로세서와도 다른 제약에 직면한다. PieceMakers는 하나의 범용 부품을 판매하기보다 각 고객에 맞춰 용량, 대역폭 및 인터페이스 설계를 조정해야 한다.

회사는 이러한 맞춤화를 장점으로 본다. 보도에 따르면 목표 고객에는 클라우드 추론 가속기 개발사, 국제 반도체 기업 및 북미 고객이 포함된다. 일부 프로그램은 설계 또는 검증 단계에 있지만, PieceMakers는 이들의 신원을 공개하지 않았다.

이 전략은 Nanya의 입지와도 부합한다. Nanya는 선도 HBM 세대에서의 직접 경쟁을 피하고 맞춤형, 저전력, 엣지 지향 DRAM 기회에 집중해 왔다.

Nanya의 투자는 실질적으로 AI 메모리 시장의 다른 부문에 대한 노출을 제공한다. Nanya는 DRAM 기술을 공급하고, PieceMakers는 인터페이스, 수리 방식 및 고객별 아키텍처를 개발할 수 있다.

SRAM을 고려하면 대조가 더 분명해진다. 정적 랜덤 액세스 메모리는 데이터를 프로세서 로직 가까이에 유지하며 탁월한 대역폭과 지연 시간을 제공한다. 그러나 SRAM 셀은 DRAM 셀보다 더 많은 실리콘 면적을 차지해 실용적인 용량을 제한하고 비용을 높인다.

추론 칩은 용량보다 예측 가능하고 매우 빠른 실행이 중요할 때 SRAM을 선호할 수 있다. 하지만 더 큰 모델에는 더 많은 저장 가중치가 필요하며, 이로 인해 설계자는 여러 칩이나 랙에 메모리를 분산해야 할 수 있다.

HBM은 설계 스펙트럼의 다른 끝에 있다. 온칩 SRAM보다 훨씬 큰 용량을 제공하지만, 데이터는 여전히 별도의 메모리 다이와 프로세서 다이 사이를 이동한다. 인터포저, 물리적 인터페이스 및 패키징은 모두 복잡성과 에너지 소비를 더한다.

PieceMakers는 맞춤형 AI 메모리가 이 두 선택지 사이의 영역을 차지하기를 원한다. 자사의 DRAM은 SRAM 대비 밀도 우위를 유지하면서 기존 HBM보다 프로세서에 물리적으로 더 가까이 이동한다.

Nvidia의 SRAM 중심 Groq LPU 활용은 추론이 학습과 분화되는 사례로 이 대표에게 주목할 만한 예시를 제공한다. 이 아키텍처는 SRAM 용량이 시스템 수준의 절충을 초래함에도 빠르고 예측 가능한 디코딩을 우선시한다.

이 사례는 더 넓은 주장을 뒷받침하지만, PieceMakers의 특정 솔루션을 검증하지는 않는다. Nvidia는 특수 하드웨어를 개발하고 이를 전체 랙 아키텍처로 둘러싸는 비용을 감당할 수 있다. 소규모 가속기 기업에는 그러한 유연성이 없을 수 있다.

기업 구매자에게 실질적인 질문은 어느 한 메모리 유형이 모든 벤치마크에서 승리하는지 여부가 아니다. 완전한 시스템이 수용 가능한 지연 시간, 처리량, 용량, 전력 사용량, 신뢰성 및 소프트웨어 호환성을 제공하는지가 중요하다.

따라서 PieceMakers는 HBM의 기술적 관련성이 아니라 HBM의 보편성에 도전하고 있다. 회사에는 맞춤형 칩 프로그램을 뒷받침할 만큼 자사의 특정 절충안을 가치 있게 여기는 추론 고객이 필요하다.

PieceMakers 하이브리드 본딩, DRAM을 프로세서 위로 이동시키다

핵심 메커니즘은 물리적 근접성이다. PieceMakers는 DRAM을 로직 위에 직접 적층해 연산과 메모리 사이의 경로를 단축하려 한다.

기존 HBM 패키지는 여러 DRAM 스택을 프로세서 옆에 배치한다. 두 요소는 패키지 전반에 걸쳐 많은 병렬 신호를 전달하는 실리콘 인터포저를 통해 연결된다. 이 2.5D 구성은 메모리를 열이 발생하는 연산 로직 바로 위에 놓지 않으면서도 높은 대역폭을 제공한다.

PieceMakers는 3D 웨이퍼-온-웨이퍼 구성을 제안한다. DRAM 웨이퍼와 로직 웨이퍼를 정렬해 결합한 뒤, 결합 구조를 개별 장치로 절단하는 방식이다.

하이브리드 본딩은 노출된 구리 패드와 주변 절연 재료를 직접 결합한다. 이는 일반적으로 적층 다이를 연결하는 솔더 범프를 제거한다. 더 작은 접점은 같은 면적 안에 더 많은 연결을 가능하게 한다.

더 많은 연결은 더 넓은 메모리 인터페이스를 만들 수 있다. 더 짧은 전기 경로는 지연 시간과 각 비트를 이동하는 데 쓰이는 에너지도 줄일 수 있다.

이것이 PieceMakers 하이브리드 본딩 제안의 기반이다. 회사는 계획 중인 웨이퍼-온-웨이퍼 제품이 지연 시간을 20나노초 미만으로 유지하면서 레이어당 2 TB/s를 초과할 수 있다고 말한다. 이 수치는 독립적으로 검증된 생산 결과가 아니라 회사 사양으로 남아 있다.

PieceMakers는 현재 두 가지 관련 기술을 제시한다. HBLL(High Bandwidth Low Latency RAM)은 144 GB/s로 평가되는 2차원 설계다. 회사는 2016년 Intel 고성능 컴퓨팅 프로그램을 위해 이 설계를 테이프아웃했다고 말한다.

HiBaLL은 3D 적층 후속 기술이다. PieceMakers는 공개 메모리 사양에서 이를 1 TB/s 이상으로 제시한다. 더 최근의 회사 발표 자료는 레이어당 2 TB/s를 초과하는 구성을 설명한다.

이 설계는 프로세서와 메모리 간의 긴밀한 조율에 의존한다. 고객은 적층 DRAM을 단순히 구매해 일반 패키지 부품처럼 부착할 수 없다. 로직 인터페이스, 메모리 레이아웃, 테스트 구조, 열 한계 및 수리 기능을 함께 설계해야 한다.

PieceMakers는 하이브리드 본딩을 직접 수행할 계획이 없다. 팅은 고객의 로직 파운드리가 실리콘 관통 전극과 본딩을 처리할 것이라고 말했다. 이러한 수직 전기 연결은 실리콘을 관통해 적층 레이어를 연결한다.

이러한 역할 분담은 PieceMakers가 설계 지식재산권에 집중하게 한다. 동시에 실행은 직접 통제 밖에 있는 기업들에 의존하게 된다.

고객은 메모리의 이점을 활용할 프로세서를 확정해야 한다. 파운드리는 로직을 제조하고 정밀 본딩을 수행해야 한다. Nanya 또는 다른 메모리 생산업체는 호환 가능한 DRAM 웨이퍼를 공급해야 한다.

이후 테스트 및 조립 파트너는 전체 스택의 경제성을 훼손하지 않으면서 결함 부품을 식별해야 한다. 모든 참여자는 긴밀하게 결합된 하나의 제품 일정에 맞춰 협력해야 한다.

이 메커니즘에는 실제 업계 선례가 있다. AMD는 3D V-Cache 프로세서에 하이브리드 본딩 캐시를 사용하고 있으며, TSMC는 System on Integrated Chips 패키징 플랫폼을 제공한다. Intel 역시 Foveros Direct 아키텍처에서 직접 구리 본딩을 사용한다.

이들 제품은 하이브리드 본딩이 양산에 도달할 수 있음을 보여준다. 그러나 맞춤형 추론 프로세서 위에 웨이퍼-온-웨이퍼 방식으로 DRAM을 적층하는 접근법이 동일한 경제성을 달성할 수 있다는 점까지 증명하지는 않는다.

메모리는 다른 문제를 수반한다. DRAM 용량에는 여러 층이 필요하고, 프로세서는 상당한 열을 발생시킨다. 둘을 직접 적층하면 열 설계는 더 어려워진다.

웨이퍼-온-웨이퍼 본딩은 다이의 크기가 호환되고 수율이 높을 때 가장 효과적이다. 전체 웨이퍼를 결합하기 때문에, 설계자는 본딩 전 가장 우수한 개별 다이만 자유롭게 선별해 배치할 수 없다.

이 기술은 매우 높은 연결 밀도와 높은 제조 처리량을 제공할 수 있다. 그러나 어느 한 웨이퍼의 결함 영역도 다른 웨이퍼의 대응 영역을 낭비하게 만들 수 있다.

따라서 PieceMakers의 수리 아키텍처는 인터페이스 대역폭만큼이나 중요하다. 이중화 메모리 요소, 본딩 전 테스트, 본딩 후 테스트, 최종 로직 통합이 함께 작동해야 한다.

결과는 단순히 더 빠른 DRAM이 아니다. 이는 설계, 제조, 테스트, 수리가 하나의 시스템으로 작동해야 경제적으로 성공할 수 있는 맞춤형 프로세서-메모리 어셈블리다.

진정한 경쟁 상대는 HBM의 범용적 입지다

PieceMakers는 워크로드별 통합이 HBM의 용량, 성숙도, 공급업체 규모를 상쇄할 만큼 충분한 가치를 만든다는 점을 보여줘야 한다.

HBM은 AI 가속기를 중심으로 구축된 광범위한 생태계의 혜택을 받고 있다. Samsung, SK hynix, Micron은 메모리 설계와 첨단 패키징에 막대한 투자를 하고 있다. 가속기 개발업체들은 이 기술을 중심으로 이미 확립된 인터페이스, 설계 관행, 공급 관계를 갖추고 있다.

HBM은 메모리 스택을 메인 프로세서와 분리한다. 이 구조는 패키지 설계자에게 열을 관리하고 서로 다른 다이를 조합할 수 있는 더 큰 자유도를 제공한다. 제조업체는 최종 조립 전에 일부 부품을 테스트할 수 있다.

PieceMakers는 더 긴밀한 통합을 위해 이러한 모듈성의 일부를 포기한다. 이 접근법은 전기적 경로를 단축할 수 있지만, 메모리를 특정 프로세서 설계에 묶어 둔다.

이러한 약속은 요구사항이 안정적인 대량 생산 가속기에는 가치가 있을 수 있다. 그러나 아직 아키텍처를 변경 중이거나 수요가 불확실한 고객에게는 정당화하기가 더 어렵다.

맞춤형 개발은 피드백 주기도 연장한다. 하나의 실패는 메모리 인터페이스, 로직 웨이퍼, 본딩 공정 또는 테스트 계획 전반의 변경을 요구할 수 있다. HBM 기반 설계는 보다 표준화된 부품에 의존할 수 있다.

따라서 PieceMakers는 직접적인 부품 비교가 아니라 아키텍처 차원에서 HBM에 도전한다. 고객에게 업계 최고의 고대역폭 메모리를 부착하는 대신, 전체 추론 장치를 최적화하라고 요구하는 셈이다.

Samsung의 자체 로드맵은 이러한 구분이 좁혀질 수 있음을 보여준다. 이 회사는 하이브리드 본딩을 통해 DRAM을 프로세서 바로 위에 배치하는 zHBM이라는 미래 아키텍처를 논의한 바 있다.

이 방향은 더 짧은 메모리 경로의 중요성을 뒷받침한다. 동시에 PieceMakers가 궁극적으로 유사한 물리적 통합을 추구하는 훨씬 큰 경쟁업체들과 맞설 수 있음을 의미한다.

SK hynix는 보다 신중한 일정을 제시했다. 이 회사의 패키징 리더십은 하이브리드 본딩이 HBM4E에는 준비되지 않을 것이며, HBM5가 가장 이른 유력 세대라고 밝혔다.

업계 보도는 본격적인 하이브리드 본딩 HBM의 시점을 2029년 또는 2030년에 더 가깝게 본다. 상세한 본딩 일정은 기존 마이크로범프가 초기 HBM4 제품에는 여전히 충분하다고 지적한다.

이 지연이 PieceMakers의 기회를 만든다. 모든 HBM 출하량을 대체할 필요는 없다. 표준 HBM이 비슷한 본딩 밀도를 채택하기 전에, 더 작고 고도로 맞춤화된 스택을 생산에 투입하면 된다.

이 시점은 모순도 드러낸다. 선도적인 메모리 공급업체들은 경제성과 제조 공정이 여전히 까다롭기 때문에 하이브리드 본딩을 미루고 있다. PieceMakers는 고객이 관련 방식을 더 일찍 채택하기를 바란다.

제안된 스택은 미래의 16단 또는 20단 HBM보다 층수가 적고 목적도 다르다. 이는 제조 과제를 더 관리하기 쉽게 만들 수 있다. 그렇더라도 직접적인 프로세서 통합은 자체적인 열 및 수율 제약을 추가한다.

회사의 장점은 궁극적으로 고유한 메모리 범주의 소유권보다 설계 서비스에 있을 수 있다. PieceMakers는 가속기 개발업체가 맞춤형 장치에 인터페이스, 이중화, 수리 기능을 구축하도록 도울 수 있다.

이 역할은 특화된 지식재산 제공업체와 닮아 있다. NRE 수수료는 초기 엔지니어링 비용을 충당하고, 로열티는 성공적인 생산에 보상하며, 턴키 서비스는 제조 체인을 조율할 수 있다.

이 모델은 PieceMakers가 제조 시설에 투입해야 할 자본을 제한한다. 동시에 최종 일정과 제조 결과에 대한 통제력도 제한한다.

HBM 공급업체는 막대한 자본 비용을 부담하지만 제품 로드맵의 더 많은 부분을 통제한다. PieceMakers는 모든 물량 프로그램에서 고객 수요와 파트너의 실행력에 의존한다.

가장 분명한 기회는 HBM의 패키지 크기나 전력 프로파일을 감당할 수 없는 응용 분야에 있다. 엣지 AI 장치, 소형 추론 시스템, 산업용 프로세서, 특화된 클라우드 가속기가 이 요구사항에 부합할 수 있다.

그러나 “엣지 AI”는 경제성이 크게 다른 많은 제품을 포괄한다. 자동차용 프로세서는 인증과 장기 신뢰성을 중시한다. AI PC는 대량 생산과 공격적인 비용 관리를 요구한다. 실험적인 클라우드 가속기는 출시 속도를 우선시할 수 있다.

PieceMakers는 자사 아키텍처가 측정 가능한 문제를 해결하는 좁은 세그먼트를 식별해야 한다. 추론 시장이 분화될 것이라는 광범위한 주장은 생산 계약을 성사시키기에 충분하지 않다.

수율은 대역폭 우위를 비용 문제로 바꿀 수 있다

결정적인 위험은 하이브리드 본딩 DRAM이 빠르게 작동할 수 있는지 여부가 아니라, 제조 후 충분한 수의 완성 스택이 정상 작동하는지 여부다.

수율은 제조된 장치 가운데 사양을 충족하는 비율을 측정한다. 적층 제품에서는 모든 층이 동일한 최종 어셈블리 안에서 작동해야 하므로 결함이 누적된다.

Lee는 각 층의 수율이 80%인 사례로 이 문제를 설명했다. 독립적으로 수율이 발생하는 4개 층의 결합 수율은 약 41%가 된다. 8개 층은 다른 조립 손실을 고려하기 전에도 약 17%까지 떨어진다.

이 사례는 최종 제품에 대한 전망치가 아니다. 이는 단일 층 공정이 유리하더라도 여러 층을 결합하면 경제성이 없어질 수 있는 이유를 보여준다.

PieceMakers는 수리 로직이 결함이 있는 메모리 영역을 보완할 수 있다고 말한다. 이 시스템은 본딩 전, 본딩 후, 그리고 프로세서와의 통합 후에 부품을 테스트하게 된다.

제한적인 결함이 발생할 때 이중화 행, 열, 인터페이스 또는 채널은 기능을 유지할 수 있다. Known-good-die 전문성 또한 비용이 큰 후속 단계 전에 사용 가능한 메모리를 식별하는 데 도움이 된다.

그러나 웨이퍼-온-웨이퍼 본딩은 선별을 복잡하게 만든다. 제조업체는 개별적으로 테스트한 메모리 다이를 배치하는 대신 완성된 웨이퍼 전체를 본딩한다. 결함 영역 하나가 그 아래 또는 위에 정렬된 로직을 낭비하게 만들 수 있다.

표면 품질은 또 다른 손실 원인이다. 하이브리드 본딩에는 매우 평평하고 깨끗한 표면과 정밀한 정렬이 필요하다. 미세한 입자도 더 넓은 주변 영역에서 연결 형성을 방해할 수 있다.

열은 별도의 제약을 더한다. 프로세서는 상당한 전력을 발생시킬 수 있는 반면, DRAM의 성능과 신뢰성은 온도에 반응한다. 메모리를 로직 바로 위에 적층하면 열 제거에 사용할 수 있는 경로가 줄어든다.

설계자는 스택 높이를 제한하거나 활동을 분산하거나 클록 속도를 조정할 수 있다. 이러한 완화책 각각은 아키텍처를 정당화했던 용량 또는 성능 우위를 줄일 수 있다.

이러한 우려는 초기 매출이 엔지니어링 수수료에서 나오는 이유를 설명한다. 고객들은 생산에 전념하기 전에 인터페이스와 신뢰성 문제를 해결하는 대가로 PieceMakers에 비용을 지불하고 있다.

회사의 재무 실적은 이 작업에 가치가 있음을 보여준다. 그러나 몇 개의 설계가 검증을 완료할지, 성공한 각 프로그램이 어느 정도의 로열티 매출을 창출할지는 보여주지 않는다.

고객 집중도도 또 다른 불확실성이다. 특화된 메모리 아키텍처가 수십 곳의 상호 대체 가능한 구매자와 함께 출시될 가능성은 낮다. 가속기 하나의 지연도 매출 일정을 크게 바꿀 수 있다.

실명 고객이 물량 주문을 확인한 사례는 없다. Qualcomm은 Computex 기조연설에서 PieceMakers를 대만 생태계 파트너 중 하나로 소개했지만, 어느 회사도 상업적 관계를 정의하지는 않았다.

기밀 반도체 개발 중에는 고객 이름이 공개되지 않는 것이 이해할 만하다. 그럼에도 이는 외부인이 생산량, 응용 요건 또는 파운드리 준비 상태를 평가하지 못하게 한다.

투자자는 PieceMakers의 현재 마진과 향후 제조 매출 구성을 구분해야 한다. 설계 수수료는 동일한 칩 재고 노출 없이 엔지니어링 작업을 수익화하기 때문에 매력적인 마진을 만들 수 있다.

턴키 생산과 직접 칩 판매는 자재 비용, 공급 약정, 잠재적인 재고 위험을 도입한다. 로열티는 높은 수익성을 낼 수 있지만, 고객이 의미 있는 물량을 출하한 후에야 가능하다.

따라서 2027년 목표는 결론이 아니라 검증 기간의 시작으로 봐야 한다. 초기 생산은 시뮬레이션에서 드러나지 않은 결함, 열 제약 또는 워크로드 한계를 드러낼 수 있다.

성공적인 테이프아웃은 설계가 제조에 진입했음을 확인해 줄 것이다. 하지만 수율이 상업적 규모를 뒷받침한다는 점까지 보여주지는 않는다. 인증, 고객 수용, 반복 주문이 더 강력한 증거를 제공할 것이다.

PieceMakers는 메모리 월에 대한 기술적으로 일관된 해답을 제시했다. 검증의 공백은 데이터 이동을 줄여야 한다는 기본 동기가 아니라 제조 성능과 고객 채택에 있다.

2027년 베팅의 성패를 가를 세 가지 신호

다음 증거는 PieceMakers의 설계 수수료 성공을 실명 제품, 반복 가능한 제조 공정, 반복적인 생산 매출과 연결해야 한다.

첫 번째 신호는 공개된 물량 고객 또는 제품이다. PieceMakers는 고객 범주를 설명했지만, 그러한 설명은 일정, 규모 또는 응용 분야에 대해 거의 알려주지 않는다.

실명 가속기가 공개되면 구매자는 프로세서, 워크로드, 파운드리 및 의도된 배포 환경을 검토할 수 있다. 또한 첫 제품이 클라우드 추론, 엣지 하드웨어 또는 다른 특화 시장을 겨냥하는지도 분명해질 것이다.

Qualcomm과의 관계에 대한 공식적인 설명이 프로세서-메모리 개발을 포함한다면 이 사례는 더욱 강화될 것이다. 정의된 프로그램 없이 생태계 파트너로 계속 등장하는 것은 훨씬 약한 증거가 될 것이다.

두 번째 신호는 제조 검증이다. 투자자와 잠재 고객은 스택 높이, 본딩 수율, 열 특성, 수리 범위 및 인증 진행 상황에 대한 정보를 필요로 한다.

대역폭 수치만으로는 상업적 실행 가능성을 입증할 수 없다. PieceMakers는 완전한 프로세서-메모리 어셈블리가 충분한 수의 제조 단위에서 일관되게 작동함을 보여줘야 한다.

고객의 로직 파운드리에서의 진전은 PieceMakers 자체의 설계 작업만큼 중요할 것이다. 회사는 최종 장치에 사용되는 실리콘 관통 비아와 하이브리드 본딩을 해당 파트너에 의존한다.

세 번째 신호는 매출 질의 변화다. 고객 프로그램이 물량 단계에 도달한다면 NRE 수수료는 궁극적으로 로열티, 라이선스 매출, 턴키 생산 또는 칩 판매로 이어져야 한다.

그 전환은 2027년과 2028년의 재무 공시에서 나타날 것으로 보인다. 투자자들은 현재의 설계 프로젝트가 성숙한 이후에도 AI 관련 매출이 계속 성장하는지 주시해야 한다.

Nanya의 실적은 PieceMakers의 기업가치가 Nanya의 재무 보고와 연결되는 지분 관계에 있어 이를 뒷받침하는 근거가 될 수 있다. 그러나 투자 가치의 변화는 고객으로부터 발생하는 생산 매출을 대체하지 못한다.

경쟁사들의 일정 역시 기회를 좌우할 것이다. SK hynix나 Samsung이 직접 접합 메모리의 개발을 가속하면, PieceMakers는 더 큰 제조 조직을 보유한 공급업체들의 압박에 직면하게 된다.

주요 HBM 생산업체들이 더 늦은 일정을 유지한다면, PieceMakers는 지식재산과 고객 관계를 구축할 시간을 더 확보하게 된다. 그럼에도 기존 HBM이 개선되기 전에 이 기회를 활용해야 한다.

개발자와 기업 구매자에게 이 경쟁은 중요하다. 메모리 아키텍처가 추론에 사용할 수 있는 시스템을 좌우하기 때문이다. 데이터 이동에 필요한 에너지가 줄어들면 냉각 요건과 배포 비용도 낮출 수 있다.

더 많은 로컬 용량은 프로세서가 작업을 여러 칩에 분산하지 않고도 더 큰 모델을 처리할 수 있게 해준다. 더 낮은 지연 시간은 인터랙티브 서비스의 성능을 개선할 수 있지만, 완전한 애플리케이션 성능은 소프트웨어와 네트워킹에도 좌우된다.

PieceMakers AI 메모리는 이러한 시스템상 이점이 제조 과정에서도 유지되고 고객 제품에 구현될 때에만 의미를 갖게 된다. Emerging Board 데뷔는 투자자들에게 그 가능성을 평가할 방법을 제공했지만, 생산이 이 아키텍처의 위상을 결정할 것이다.

2027년의 질문은 구체적이다. PieceMakers는 출하 중인 가속기, 수용 가능한 수율, 그리고 반복적인 로열티를 공개할 것인가? 그러한 신호가 나오기 전까지 맞춤형 설계 사업은 실재하지만, HBM에 대한 도전은 여전히 정교하게 설계된 베팅에 머물러 있다.