TSMC와 SK hynix가 NVIDIA AI GPU를 뒷받침하는 공급망을 지배한다

NVIDIA는 AI 칩 관련 Google News 보도를 주도하지만, 자사의 설계를 실제 작동하는 가속기로 구현하는 과정에서는 두 아시아 공급업체에 의존한다. TSMC는 프로세서를 제조하고 패키징하며, SK hynix는 막대한 모델 데이터를 처리하는 시스템에 필요한 고대역폭 메모리를 공급한다.

이러한 의존성은 NVIDIA가 인공지능 분야의 확고한 왕자라는 익숙한 서사를 복잡하게 만든다. NVIDIA는 아키텍처, 소프트웨어 플랫폼, 고객 관계를 보유하고 있다. 그러나 주력 프로세서를 생산하는 첨단 공장은 소유하지 않는다.

회사는 팹리스 제조 전략을 사용한다고 설명한다. 칩을 설계하고 웨이퍼 제조, 조립, 테스트, 메모리, 패키징은 외부 파트너와 계약한다. 이 방식은 NVIDIA가 설계에 집중하게 해주지만, 동시에 핵심 생산 제약을 공급업체에 넘긴다.

따라서 핵심 갈등은 NVIDIA와 TSMC 또는 SK hynix의 대결이 아니다. NVIDIA의 설계 리더십과 이를 뒷받침하는 공급망의 물리적 한계 사이의 긴장이다.

Blackwell 가속기에는 완성된 그래픽 프로세서 이상이 필요하다. 최첨단 로직, 여러 개의 특수 메모리 스택, 그리고 이들 구성 요소를 초고속으로 연결하는 첨단 패키징이 요구된다. 어느 한 단계에서든 부족이 발생하면 완제품 출하가 제한될 수 있다.

이 때문에 TSMC와 SK hynix는 단순한 지원 공급업체를 넘어선다. 이들은 NVIDIA가 단기간에 재현하거나 대체하거나 자체 운영 안으로 들여올 수 없는 제조 역량을 통제한다.

Google News 헤드라인은 세 기업의 제품을 감춘다

완성 시스템에 NVIDIA 이름이 붙어 있더라도, NVIDIA AI 가속기는 단일 기업의 제품이 아니다.

NVIDIA는 2024년 3월 Blackwell 플랫폼을 공개했다. 회사는 주력 프로세서가 두 개의 대형 다이에 걸쳐 2,080억 개의 트랜지스터를 담고 있다고 밝혔다. 다이는 가공된 웨이퍼에서 잘라낸 기능적 실리콘 조각이다.

이들 다이는 맞춤형 TSMC 4NP 제조 공정을 사용한다. NVIDIA는 원래의 Blackwell 사양에 따르면 초당 10테라바이트의 대역폭을 제공하는 칩 간 링크로 이를 연결한다.

이들 다이를 생산하는 일은 시작에 불과하다. 프로세서 옆에는 일반적으로 HBM이라고 부르는 고대역폭 메모리가 배치돼야 한다. HBM은 여러 메모리 다이를 수직으로 쌓아 프로세서 가까이에 배치함으로써 데이터 이동 거리를 줄인다.

이는 AI 프로세서가 모델 파라미터와 중간 결과를 메모리와 컴퓨팅 코어 사이에서 반복적으로 옮기기 때문이다. 프로세서가 막대한 연산 능력을 갖추고 있어도 메모리가 데이터를 충분히 빠르게 공급하지 못하면 유휴 상태에 머물 수 있다.

구성 요소들은 첨단 패키징을 통해 결합된다. CoWoS로 알려진 TSMC의 Chip-on-Wafer-on-Substrate 기술은 고밀도 중간층을 통해 대형 프로세서와 HBM 스택을 연결한다.

이 패키징 단계는 완성된 칩을 단순히 봉지하는 작업보다 소형 전자 시스템을 구축하는 일에 가깝다. 수천 개의 연결, 높은 전기 부하, 열, 그리고 극도로 엄격한 물리적 공차를 처리해야 한다.

NVIDIA는 규제 공시에서 이러한 의존성을 인정한다. 2025 회계연도 공시는 계약 제조 모델을 설명하며 웨이퍼 공급업체로 TSMC와 Samsung을 지목한다. 또한 자사 제품에 사용되는 패키징 기술로 CoWoS를 언급한다.

같은 연차 공시는 제3자가 NVIDIA의 반도체를 제조, 조립, 테스트, 패키징한다고 경고한다. 이 구조는 회사를 공급업체 생산능력, 부품 가용성, 품질, 지정학적 위험에 노출시킨다.

실질적으로 NVIDIA는 매우 복잡한 기계를 위한 설계 지침을 만든다. TSMC는 이를 대규모로 안정적으로 생산하는 데 필요한 공장과 공정 제어를 제공한다.

SK hynix는 그 기계의 또 다른 필수 부품을 공급한다. 이 메모리 기업은 2024년 9월 12단 HBM3E 양산을 시작했다. HBM3E는 데이터 집약적 컴퓨팅을 위해 설계된 고대역폭 메모리의 향상된 세대다.

이 제품은 12개의 메모리 다이를 쌓아 36기가바이트 용량을 제공한다. SK hynix는 각 다이를 이전 세대보다 40% 더 얇게 만들었다고 밝혔다. 이에 따라 완성 스택의 두께를 늘리지 않고도 용량을 50% 높일 수 있었다.

이 결과는 AI GPU 생산을 트랜지스터 설계만으로 축소해 설명할 수 없는 이유를 보여준다. 고객이 사용할 수 있는 시스템을 받기 전에 NVIDIA는 로직, 메모리, 패키징, 보드, 네트워킹, 냉각, 전력 공급, 소프트웨어를 모두 조율해야 한다.

Google News는 이 공급망을 NVIDIA 수요에 관한 더 단순한 헤드라인으로 압축하는 경향이 있다. 하지만 그 아래의 하드웨어는 훨씬 더 분산된 이야기를 보여준다.

TSMC는 NVIDIA의 설계를 제조 가능한 실리콘으로 바꾼다

NVIDIA는 더 빠른 GPU를 설계할 수 있지만, 허용 가능한 수율로 수백만 개의 설계를 생산할 수 있는 것은 검증된 파운드리뿐이다.

파운드리는 다른 기업이 설계한 칩을 제조한다. TSMC는 자체 소비자용 프로세서 대규모 포트폴리오로 고객과 경쟁하지 않고 고객에게 서비스를 제공하며 입지를 구축했다.

이 모델은 NVIDIA가 반도체 제조 공장을 운영하지 않고도 제조 기술을 이용할 수 있게 한다. 반도체 팹에는 특수 장비, 공정 지식, 숙련 인력, 지속적인 자본 투자가 필요하다.

재정적 투자는 장애물 중 하나일 뿐이다. 기업은 수십억 개의 미세한 구조 전반에서 결함을 통제할 수 있는 제조 데이터를 수년간 축적해야 한다. 설계 전문성이 자동으로 이러한 생산 지식으로 이어지는 것은 아니다.

Blackwell은 두 회사의 기술이 얼마나 깊이 연결돼 있는지를 보여준다. NVIDIA는 완성된 설계도를 대체 가능한 공장에 보내는 대신, 맞춤형 TSMC 공정을 중심으로 아키텍처를 설계했다.

이 프로세서는 제조 장비가 웨이퍼에 노광할 수 있는 한계 부근에서 두 개의 다이를 결합한다. 이를 하나의 GPU처럼 작동하도록 연결하려면 실리콘, 인터커넥트, 전력, 패키징 전반의 공동 설계가 필요하다.

TSMC는 7나노미터 이하 첨단 기술이 2024년 웨이퍼 매출의 69%를 창출했다고 보고했다. 이는 2024 연차 보고서에 따르면 2023년의 58%에서 상승한 수치다.

회사는 그해 연결 기준 매출 900억8,000만 달러를 기록해 전년 대비 30% 증가했다. 순이익은 365억2,000만 달러로 35.9% 늘었다.

이 수치에는 많은 고객과 제품 범주가 포함돼 있다. NVIDIA 생산만을 측정한 것은 아니다. 그러나 첨단 컴퓨팅에 필요한 제조 기술을 중심으로 축적되는 상업적 가치를 보여준다.

TSMC의 중요성은 트랜지스터 밀도를 넘어선다. AI 가속기는 패키징을 시스템 성능의 중심으로 끌어올리고 있다.

기존 패키징은 주로 칩을 보호하고 회로 기판에 연결하는 역할을 했다. CoWoS는 프로세서와 메모리를 인터포저 주변에 배치하며, 인터포저는 이들 사이에 고밀도 전기 연결을 제공한다.

이 구조는 현대 가속기에 필요한 대역폭을 공급한다. 동시에 첨단 패키징 생산능력은 즉시 확대할 수 없기 때문에 또 다른 생산 제약을 만든다.

새 패키징 라인에는 장비, 청정 제조 환경, 소재, 테스트, 검증된 공정이 필요하다. 패키징 생산능력이 웨이퍼 생산량 증가를 따라가지 못하면 사용 가능한 다이가 최종 통합을 기다리게 될 수 있다.

TSMC는 2025년 4월 투자자들에게 그해 CoWoS 생산능력을 두 배로 늘리기 위해 노력하고 있다고 밝혔다. 또한 강력한 고객 수요를 반영해 AI 가속기 매출도 두 배가 될 것으로 예상했다.

이 계획은 NVIDIA의 제품 출시 주기가 만들어내는 실제 압박을 드러낸다. 새로운 가속기 세대마다 더 많은 실리콘 면적, 더 많은 HBM, 더 정교한 패키징이 필요할 수 있다.

따라서 NVIDIA는 TSMC가 여러 역량을 함께 확대해야 한다. 패키징이 다음 병목이 된다면 최첨단 웨이퍼를 더 많이 확보해도 가치는 제한적이다.

Samsung과 Intel Foundry를 비롯한 대체 파운드리도 존재한다. 그러나 생산 전환은 다른 유통업체에 같은 부품을 주문하는 일과는 다르다.

프로세서는 새 파운드리의 설계 규칙, 라이브러리, 전기적 특성, 패키징 옵션에 맞춰 조정돼야 한다. 이후 엔지니어들은 성능과 생산 수율을 검증해야 한다.

이 작업에는 시간이 걸리는 반면 NVIDIA의 경쟁사들은 자체 제품 개발을 계속한다. 백업 공급업체는 회복력을 높일 수 있지만, 성숙한 제조 파트너십을 즉각 대체하는 경우는 드물다.

지리적 요인도 또 다른 우려를 더한다. TSMC의 최첨단 제조 생산능력 상당수는 역사적으로 Taiwan에서 운영돼 왔지만, NVIDIA는 전 세계 고객에게 서비스를 제공한다.

TSMC는 Arizona를 포함해 Taiwan 외 지역으로 확장해 왔다. 그러나 전체 생산 경로가 현지화되려면 지리적 다변화가 제조, 패키징, 테스트, 지원 소재까지 포괄해야 한다.

제조 단계 하나를 옮긴다고 공급망 전체가 이전되는 것은 아니다. 한 국가에서 생산된 웨이퍼도 완성된 가속기가 되기 전 다른 곳에서 패키징해야 할 수 있다.

이 때문에 TSMC는 NVIDIA의 소프트웨어 고객을 직접 놓고 경쟁하지 않으면서도 영향력을 가진다. TSMC는 아키텍처와 출하 가능한 제품을 잇는 생산의 다리를 통제한다.

SK hynix는 AI 메모리 병목을 해결한다

메모리 대역폭이 속도를 따라가지 못하면 가장 빠른 컴퓨팅 코어도 광고한 성능을 낼 수 없다.

AI 모델은 특이한 메모리 문제를 만든다. 학습과 추론에는 프로세서가 대규모 파라미터 배열, 활성화 값, 캐시된 데이터를 반복해서 불러와야 한다.

프로세서에서 더 멀리 떨어진 기존 메모리는 허용 가능한 전력 한도 안에서 항상 충분한 대역폭을 제공할 수는 없다. HBM은 수직 적층과 넓은 인터페이스를 통해 이 제약을 해소한다.

SK hynix는 생성형 AI가 이 기술을 널리 알려지게 하기 훨씬 전부터 HBM 시장에 진출했다. 가속 컴퓨팅이 메모리 대역폭을 핵심 경로로 끌어올리면서 초기 투자는 가치를 발휘했다.

회사는 HBM1부터 HBM3E까지 모든 HBM 세대를 아우르는 제품을 개발하고 공급했다고 말한다. 2024년 3월 8단 HBM3E 제품 공급을 시작했으며, 그해 9월에는 12단 버전의 양산을 개시했다.

12단 HBM3E는 핀당 초당 9.6기가비트의 성능을 제공한다고 회사는 주장한다. 회사는 하나의 GPU에 연결된 4개 스택이 700억 개의 Llama 3 파라미터 전체를 초당 35회 읽을 수 있다고 밝혔다.

이 비교는 회사가 제시한 예시일 뿐, 독립적인 워크로드 벤치마크는 아니다. 실제 애플리케이션 성능은 프로세서, 소프트웨어, 네트워킹, 수치 형식, 모델 동작에도 좌우된다.

그럼에도 이 사례는 HBM의 역할을 잘 보여준다. 메모리는 프로세서가 핵심 작업을 수행하는 동안 단순히 모델을 저장하는 장치가 아니다. 메모리 대역폭은 프로세서의 연산 능력 중 얼마나 많은 부분이 활성 상태로 유지되는지를 결정하는 데 기여한다.

HBM 제조는 일반 DRAM보다 더 많은 어려움을 수반한다. 여러 다이를 얇게 만들고, 정밀하게 적층하며, 수직 경로를 통해 연결해야 한다.

이러한 경로를 TSV(through-silicon via)라고 한다. 이는 개별 메모리 다이를 통해 신호와 전력을 전달해 스택이 하나의 고대역폭 구성 요소처럼 작동하도록 한다.

더 얇은 다이는 기계적 문제를 만든다. 제조 과정에서 휘거나 뒤틀릴 수 있고, 조밀하게 쌓인 층은 열을 집중시킨다.

SK hynix는 첨단 몰드 언더필 공정을 사용해 층간 연결부를 지지하고 보호한다. 회사는 이 방식이 이전 세대 대비 방열 성능을 10% 개선했다고 밝혔다.

이러한 생산 세부 사항은 고객에게 전달되는 사용 가능한 스택의 수에 영향을 미친다. HBM 공급은 메모리 웨이퍼 생산능력, 적층 처리량, 패키징 수율, 테스트, 열 성능에 좌우된다.

수요는 더 넓은 메모리 시장에도 영향을 줄 수 있다. 제조사들은 HBM, 일반 DRAM 및 기타 제품 사이에서 장비와 웨이퍼 생산능력을 얼마나 배분할지 결정해야 한다.

Samsung과 Micron은 중요한 경쟁 압력을 제공한다. 두 회사 모두 첨단 HBM에 투자해 가속기 설계자에게 추가 공급처를 제공하고, 한 회사에 대한 의존도를 낮춘다.

하지만 인증은 마찰을 만든다. 메모리 제품은 속도, 열, 전력, 신뢰성, 주변 패키지와의 호환성에 관한 엄격한 요건을 충족해야 한다.

공급업체가 HBM 제품을 발표했다고 해서 모든 가속기에 대해 인증된 제품을 즉시 무제한 공급할 수 있다는 의미는 아니다. 제품은 고객 테스트를 통과해야 하며, 이후 일관된 수율을 유지하면서 생산을 확대해야 한다.

NVIDIA는 여러 메모리 공급업체와 협력할 수 있지만, 이들 공급업체는 여전히 소수에 집중돼 있다. 선도적인 HBM에 필요한 공장, 지식재산권, 패키징 경험을 보유한 기업은 많지 않다.

이러한 집중도는 SK hynix에 소비자 브랜드 인지도보다 훨씬 큰 전략적 중요성을 부여한다. 대부분의 AI 사용자는 클라우드 플랫폼을 통해 가속기를 임대할 때 그 회사의 이름을 보지 못한다.

대신 모델 속도, 용량, 시스템 가용성, 인프라 비용을 통해 간접적으로 그 기여를 경험한다.

TSMC와의 관계 역시 공급망이 더욱 통합되고 있음을 보여준다. 2024년 4월, SK hynix는 HBM4 개발 및 첨단 패키징을 위한 TSMC와의 협력을 발표했다.

HBM4는 메모리와 프로세서 사이에 더 넓은 인터페이스를 제공하는 차세대 제품이다. 양사는 베이스 다이 제조와 패키징 최적화에서 협력하겠다고 밝혔다.

베이스 다이는 메모리 스택과 주변 시스템 사이의 연결을 관리한다. 첨단 로직 공정으로 이 층을 생산하면 메모리 설계와 파운드리 제조가 또 한 번 교차하게 된다.

이 협업은 NVIDIA가 각 공급업체를 독립적인 벤더로 관리할 수 있다는 인식을 약화시킨다. 구성 요소들은 완성된 시스템이 출하되기 수년 전부터 공동의 기술적 결정을 점점 더 많이 요구한다.

진정한 제품은 패키지다

Blackwell의 핵심 제조 과제는 단순히 대형 GPU 다이를 생산하는 것이 아니라 통합이다.

현대 AI 가속기는 정밀하게 조립된 컴퓨팅 시스템과 닮아 있다. 로직 다이, 메모리 스택, 인터포저, 기판, 전력 부품, 냉각 하드웨어가 함께 작동해야 한다.

NVIDIA의 아키텍처 결정은 이러한 통합의 가치를 높인다. Blackwell은 초당 10테라바이트 연결을 이용해 두 개의 대형 GPU 다이를 결합한다.

이 회사는 또한 프로세서 간 데이터 이동을 위한 고속 인터커넥트인 NVLink로 다수의 가속기를 연결한다. NVIDIA에 따르면 5세대 NVLink는 GPU당 초당 1.8테라바이트의 양방향 대역폭을 제공한다.

랙 수준에서 GB200 NVL72는 72개의 Blackwell GPU를 Grace 중앙 프로세서 및 네트워킹과 결합한다. 이러한 시스템에서는 제조 조율 자체가 제품 아키텍처의 일부가 된다.

한 구성 요소의 결함이나 지연은 훨씬 더 가치 있는 시스템의 완성을 막을 수 있다. 따라서 메모리 스택 하나가 부족할 때의 비용은 메모리 자체에만 국한되지 않는다.

프로세서, 보드, 냉각 장비, 고객 데이터센터의 용량이 대기 상태에 놓일 수 있다. 이런 증폭 효과는 공급 예측 가능성을 이론적 성능만큼 중요하게 만든다.

이것이 가속기 부족에 관한 많은 Google News 기사 뒤에 숨은 메커니즘이다. 수요는 하나의 생산 라인을 두고 경쟁하는 것이 아니다. 여러 전문 산업 전반에서 정렬된 생산능력을 두고 경쟁한다.

프로세서 다이는 충분한 수율이 필요하며, 이는 각 웨이퍼에서 충분한 수의 정상 칩이 나와야 함을 뜻한다. HBM 스택 역시 여러 접합 층 전반에서 자체적인 허용 수율을 확보해야 한다.

패키징 공정은 고가의 구성 요소를 손상시키지 않고 연결해야 한다. 이후 모듈이 서버에 들어가기 전에 테스트를 통해 결함을 찾아내야 한다.

제조사가 더 많은 구성 요소를 결합할수록 수율 위험은 복합적으로 커진다. 한 부품의 문제가 다른 정상 부품 여러 개에서 회수할 수 있는 가치를 낮출 수 있다.

기업들은 테스트, 이중화 설계, 공정 개선, 더 긴밀한 공급업체 조율로 이에 대응한다. 그러나 이러한 방법 어느 것도 물리적 한계를 없애지는 못한다.

열 특성은 또 다른 제약을 더한다. 촘촘히 배치된 프로세서와 메모리는 패키지를 거쳐 서버 냉각 시스템으로 이동해야 하는 열을 발생시킨다.

더 높은 메모리 용량과 대역폭은 전력 밀도를 높일 수 있다. 더 큰 가속기 시스템은 그에 따라 더욱 정교한 액체 냉각, 전력 공급, 랙 설계를 요구한다.

NVIDIA는 이러한 한계를 고려해 아키텍처와 소프트웨어를 최적화할 수 있다. 하지만 소프트웨어만으로 이를 해결할 수는 없다.

이것이 첨단 패키징이 잘 알려지지 않은 생산 단계에서 면밀히 지켜보는 생산능력 지표로 이동한 이유다. CoWoS 가용성은 NVIDIA가 출하할 수 있는 고성능 가속기의 수에 영향을 미친다.

또한 이것이 TSMC와 SK hynix가 NVIDIA의 제품 로드맵에서 핵심이 된 이유이기도 하다. 이들의 공정 선택은 미래 가속기의 실현 가능한 크기, 대역폭, 열 특성, 납기 일정에 영향을 미친다.

NVIDIA는 여전히 조율하는 아키텍처를 제공한다. 프로그래밍 플랫폼인 CUDA는 개발자에게 NVIDIA 하드웨어 전반에서 워크로드를 배포할 수 있는 성숙한 환경을 제공한다.

이러한 소프트웨어 입지는 클라우드 제공업체와 AI 기업이 NVIDIA 시스템을 주문하도록 유도한다. 강한 수요는 이어 TSMC와 메모리 공급업체가 생산능력을 확대해야 한다는 압박을 높인다.

이 관계는 양방향으로 작동한다. 더 나은 제조와 메모리는 더 강력한 NVIDIA 시스템을 가능하게 하고, NVIDIA의 고객 기반은 막대한 수요를 공급업체로 향하게 한다.

한 회사를 단지 다른 회사를 지원하는 존재로 묘사하는 것보다 이러한 상호 의존 관계가 더 정확하다. NVIDIA는 상업적 영향력을 보유하지만, TSMC와 SK hynix는 희소한 제조 역량을 보유한다.

경쟁사들도 같은 기본 제약에 직면한다. AMD 역시 Instinct 가속기를 위해 선도 공정 파운드리 생산능력, HBM, 첨단 패키징, 보드, 시스템 파트너가 필요하다.

Google, Amazon, Microsoft 및 기타 클라우드 사업자가 설계한 맞춤형 칩도 관련 공급망에 의존한다. 아키텍처는 다르지만, 이들 역시 첨단 제조 자원을 두고 경쟁한다.

NVIDIA의 규모는 유리한 공급 약정을 확보하는 데 도움이 될 수 있다. 더 큰 주문을 내고, 더 장기적인 수요 예측을 제공하며, 개발을 더 일찍 조율할 수 있다.

규모가 무제한 생산능력을 만들어내는 것은 아니다. 오히려 제약된 생산에서 더 큰 비중을 최대 구매자에게 배정함으로써 집중도를 심화할 수 있다.

이 결과는 소규모 가속기 기업에 압박을 가한다. 기술적으로 신뢰할 만한 설계라도 개발사가 충분한 웨이퍼, 메모리 또는 패키징 슬롯을 확보하지 못하면 상업적 가치는 제한적이다.

따라서 업계의 경쟁 경계는 확대됐다. 이제 칩 기업들은 아키텍처와 소프트웨어뿐 아니라 공급 약정과 제조 파트너십을 통해 경쟁한다.

다변화는 도움이 되지만 위험을 없애지는 않는다

NVIDIA는 공급업체 집중도를 낮출 수 있지만, TSMC나 SK hynix를 빠르게 대체하는 일은 기술적으로나 상업적으로나 여전히 어렵다.

NVIDIA의 공시에 따르면 회사는 이중화와 회복탄력성을 개선하기 위해 공급업체 관계를 확대했다. 이는 증가하는 수요와 지리적 집중에 대한 합리적인 대응이다.

그러나 “복수의 공급업체”라는 표현은 여전히 오해를 불러일으킬 수 있다. 사양이 유사한 두 구성 요소가 인증된 가속기 패키지 내부에서 반드시 상호 교체 가능한 것은 아니다.

새 공급업체는 전기적, 물리적, 열적, 신뢰성 요건을 충족하는 부품을 생산해야 한다. NVIDIA는 설계 변경, 펌웨어 업데이트, 새로운 테스트 또는 고객 재인증도 필요할 수 있다.

파운드리 다변화에도 같은 한계가 적용된다. Samsung은 첨단 프로세서를 제조할 수 있으며, Intel은 수탁 제조 사업을 구축하고 있다.

선도적인 가속기 생산을 파운드리 간에 옮기려면 광범위한 엔지니어링이 필요하다. 각 제조 공정은 서로 다른 트랜지스터 특성, 밀도, 라이브러리, 설계 규칙을 제공한다.

웨이퍼 생산이 바뀐 뒤에도 패키징 가용성은 제약으로 남을 수 있다. 다변화된 제조 계획도 여전히 소수의 패키징 제공업체에 의존할 수 있다.

Samsung과 Micron이 SK hynix와 경쟁하기 때문에 HBM 조달은 다소 더 큰 유연성을 제공한다. 하지만 인증 가속화와 물량 확대는 새로운 수율 또는 신뢰성 위험을 만들 수 있다.

공급업체들 역시 재무적 불확실성에 직면한다. 이례적인 수요 주기에 맞춰 생산능력을 구축하려면 제조사가 그 수요의 지속 기간을 알기 전에 자본을 투입해야 한다.

AI 인프라 구매자들은 현재 대규모 지출을 하고 있지만, 향후 요구 사항은 모델 경제성, 고객 채택, 에너지 가용성, 소프트웨어 효율성에 달려 있다.

더 효율적인 모델은 일부 작업에 필요한 컴퓨팅을 줄일 수 있다. 반대로 추론 비용이 낮아지면 사용량이 충분히 증가해 전체 수요가 늘어날 수 있다.

수출 통제는 또 다른 불확실성을 더한다. 정부는 첨단 가속기, 제조 장비 또는 관련 기술의 판매 지역을 제한할 수 있다.

NVIDIA는 특정 시장용 제품을 수정할 수 있지만, 규제 변화는 공급 약정이 체결된 뒤 수요 예측을 바꿀 수 있다. 공급업체들은 더 긴 시간 범위에 걸쳐 공장을 계획해야 한다.

지리적 다변화에도 상충 관계가 따른다. 새로운 팹은 회복탄력성을 높이고 생산을 고객 가까이로 가져올 수 있다.

그러나 선도적인 반도체 클러스터는 소재 공급업체, 장비 전문가, 엔지니어, 패키징 제공업체, 물류 운영업체의 네트워크에 의존한다. 이러한 네트워크를 재현하는 데는 수년이 걸린다.

미국에서 생산된 웨이퍼는 중요한 이정표다. 그렇다고 이후의 모든 제조 단계가 같은 국가에서 이뤄진다는 뜻은 아니다.

가장 큰 위험은 NVIDIA가 일상적인 운영 중에 두 주요 파트너에 대한 접근권을 갑자기 모두 잃는 것이 아니다. 더 지속적인 위험은 수요가 인증된 생산능력보다 더 빠르게 증가하는 것이다.

그 경우 NVIDIA는 성공적인 아키텍처와 확정된 고객을 보유하고도 완성된 시스템이 부족할 수 있다. 그러면 매출 인식 시점은 NVIDIA가 직접 통제할 수 없는 생산 개선에 좌우된다.

품질 문제도 유사한 결과를 낳을 수 있다. 복잡한 패키지는 제조, 운송, 설치, 고부하 환경에서의 지속 운영을 견뎌야 한다.

문제를 해결하려면 설계와 제조 전반에 걸친 변경이 필요할 수 있다. 여러 회사가 기술 스택의 서로 다른 계층을 소유할 때 이 과정은 더 어려워진다.

이 모든 것이 NVIDIA를 무력하게 만드는 것은 아니다. 주문 규모, 엔지니어링 자원, 시장 지위는 공급업체 투자에 대해 상당한 영향력을 제공한다.

회사는 약정에 자금을 지원하고, 대안을 인증하며, 구성 요소를 재설계하고, 로드맵을 조율할 수 있다. 소프트웨어 플랫폼 역시 공급업체가 NVIDIA 제품과의 호환성을 우선시하도록 하는 강력한 동기를 제공한다.

그럼에도 영향력은 소유권과 다르다. TSMC는 제조 공정, 생산능력 배분, 공장 운영을 통제한다. SK hynix는 메모리 개발, 수율, 생산 확대를 통제한다.

따라서 투자자와 기업 구매자는 두 가지 상반된 결론을 모두 경계해야 한다. NVIDIA는 다른 회사의 기술 위에 앉아 있는 빈껍데기 브랜드도 아니고, 완전히 독립적인 제조사도 아니다.

NVIDIA는 희소한 역량으로 구성된 공급망의 설계자이자 상업적 조율자다. 그 강점은 경쟁사들이 자신의 의존성을 관리하는 방식보다 이러한 의존성을 더 잘 관리하는 데서 부분적으로 나온다.

세 가지 신호가 AI 공급을 실제로 통제하는 주체를 보여줄 것이다

AI 하드웨어 경쟁의 다음 단계는 패키징 생산량, 인증된 HBM 공급, 그리고 실제 납품된 시스템으로 평가될 것이다.

첫 번째 신호는 TSMC의 첨단 패키징 증설이다. 투자자들은 CoWoS 생산능력이 Blackwell 및 차세대 가속기 수요와 함께 확대되는지 주시해야 한다.

발표만으로는 충분하지 않다. 의미 있는 근거는 생산량, 고객 출하, 그리고 생산능력 제약에 관한 경영진의 언급에서 드러날 것이다.

수요 약화 없이 패키징 가용성이 개선된다면 NVIDIA는 주문을 완성된 시스템으로 전환할 여지를 더 확보하게 된다. 제약이 지속된다면 생산 관문 역할을 하는 TSMC의 입지는 더욱 강화될 것이다.

두 번째 신호는 최신 HBM 세대의 인증과 양산이다. SK hynix, Samsung, Micron은 대역폭, 용량, 제조 수율을 높이기 위해 경쟁하고 있다.

SK hynix와 TSMC의 HBM partnership는 메모리 개발을 로직 및 패키징 공정과 연결한다는 점에서 특히 주목할 만하다.

더 많은 인증 공급업체가 확보되면 NVIDIA의 유연성은 커진다. 그러나 인증 지연이나 불균일한 수율은 가장 먼저 안정적인 생산을 달성한 업체의 우위를 유지시킬 것이다.

세 번째 신호는 NVIDIA가 보고한 수요와 실제 시스템 납품 간의 격차다. 클라우드 제공업체에는 조립되지 않은 부품이 아니라 설치되어 운영 가능한 클러스터가 필요하다.

NVIDIA의 생태계에는 서버 제조사, 네트워킹 공급업체, 냉각 기업, 인프라 운영업체가 포함된다. 회사의 systems partnership 목록은 핵심 실리콘 설계 이후에도 얼마나 많은 조직이 참여하는지를 보여준다.

납품 일정은 공급망이 하나의 시스템처럼 확장될 수 있는지를 드러낼 것이다. 리드타임 단축은 반도체 제조, HBM, 패키징, 서버 조립이 더 잘 정렬되고 있음을 의미한다.

긴 지연은 제약이 사라진 것이 아니라 다른 곳으로 옮겨갔음을 보여준다. 웨이퍼가 늘어나면 메모리 부족이 드러날 수 있고, HBM이 늘어나면 패키징이나 전력 제약이 드러날 수 있다.

AMD와 맞춤형 클라우드 가속기는 중요한 비교 대상이다. 이들의 출하 증가세는 NVIDIA가 확장하는 가운데 경쟁사들 역시 동일한 희소 자원을 확보할 수 있는지를 보여줄 것이다.

경쟁사가 시장에 영향을 미치기 위해 NVIDIA의 아키텍처를 뛰어넘을 필요는 없다. 고객이 충분한 NVIDIA 하드웨어를 확보하지 못할 때, 즉시 제공 가능한 시스템을 제시하는 것만으로도 입지를 넓힐 수 있다.

이 가능성은 기업 구매자들이 반도체 공급을 주시해야 할 실질적인 이유가 된다. 인프라 가용성은 프로젝트 일정, 클라우드 용량, AI 서비스 배포 비용에 영향을 미친다.

개발자들도 하드웨어 공급과 소프트웨어 이식성의 관계를 살펴봐야 한다. 특정 가속기 플랫폼에 밀접하게 묶인 팀은 생산능력이 제약될 때 선택지가 더 적다.

조직은 워크로드 요구사항을 문서화하고, 대체 인스턴스를 시험하며, 공급업체와 클라우드 제공업체가 제공하는 신뢰할 수 있는 기술 정보를 보존함으로써 대비할 수 있다. 검색 가능한 knowledge base는 엔지니어링 팀이 변화하는 요구사항을 비교하는 데 도움을 줄 수 있다.

더 큰 교훈은 하나의 Google News 헤드라인을 넘어선다. NVIDIA의 우위는 아키텍처, 소프트웨어, 시장 접근성, 공급망 조정이 결합된 결과다.

TSMC는 설계를 첨단 실리콘으로 구현하고, 희소한 패키징 생산능력을 통해 이를 통합한다. SK hynix는 고가의 컴퓨팅 코어가 데이터 공급을 지속적으로 받을 수 있게 하는 메모리를 제공한다.

각 회사는 서로 다른 계층을 통제하며, 어느 한 곳도 혼자서 완성된 결과물을 제공할 수 없다. 이것이 바로 ‘AI의 왕’이라는 비유가 설명하는 것보다 가리는 것이 더 많은 이유다.

더 나은 질문은 이 세 회사가 보조를 맞춰 확장할 수 있느냐는 것이다. 발표된 성능만이 아니라 실제 납품된 가속기를 지켜봐야 한다.

시제품 사양만이 아니라 인증된 메모리를 지켜봐야 한다. 완성된 웨이퍼만이 아니라 패키징 생산량을 지켜봐야 한다.

이 지표들이 함께 상승한다면 NVIDIA는 현재의 속도를 유지할 수 있다. 하나라도 뒤처진다면, 병목은 그동안 주목받지 못했던 어느 공급업체가 가장 즉각적인 영향력을 지니는지 드러낼 것이다.

다음 Google News 보도 물결이 도착할 때는 NVIDIA라는 이름 아래를 들여다봐야 한다. 결정적인 변화는 TSMC의 패키징 라인이나 SK hynix의 메모리 스택에서 나올 수 있다.