클라우드 기억 저장소
[전기전자] AI 하드웨어의 돈줄이 GPU 밖으로 번지는 구조적 재평가 국면임 본문
📋 핵심 내용 요약
이 리포트의 핵심은 AI 가치가 GPU 같은 실리콘 단품에서 기판, MLCC, CCL, 전력·냉각, 네트워크까지 포함한 시스템 전체로 이동한다는 주장임. [해석]
생성형 AI는 질문에 답하는 단계였지만, Agentic AI는 계획·검색·실행·검증·재시도를 반복하므로 한 번의 명령이 수십 번의 연산으로 커지는 구조임. [팩트, p03]
Agentic AI는 GPU, CPU, DRAM, SSD, 네트워크, 기판, 수동부품, 전력·냉각 인프라까지 병목을 확산시키는 2차 AI 투자 사이클을 촉발한다고 제시됨. [팩트, p03]
[AI의 발전 방향, p3]토크노믹스는 토큰을 많이, 빠르게, 싸게 생산하는 경제 구조이며, AI 데이터센터를 토큰 생산 공장처럼 보게 만드는 개념임. [팩트, p05]
[Agentic AI 환경에서 토큰 사용량 증가, p5]2026
2027년 클라우드 서비스 사업자 CAPEX 전망은 계속 상향되고 있어, AI 하드웨어 수요가 단기 과잉투자보다 공급 부족에 가깝다는 논리를 뒷받침함. [팩트, p08p09]
[CSP CAPEX 상향 추이, p9]AI 하드웨어 재평가의 본질은 범용 부품이 아니라 고객 인증, 품질, 납기, 공급 안정성이 중요한 비커머디티 부품의 가격 결정력이 커지는 변화임. [해석]
리포트가 제시한 핵심 비커머디티 부품은 고다층 FC-BGA, MLB, 서버용 MLCC, 하이엔드 CCL임. [팩트, p30]
[비커머디티 제품군, p30]쇼티지는 GPU에서 메모리, CPU, 패키징, 기판, CCL, MLCC, 전력반도체, 장비로 확산되는 구조로 제시됨. [팩트, p21]
[병목의 확산, p21]Top Picks는 삼성전기, 두산, 이수페타시스, 심텍이며, 공통점은 쇼티지 부품군에서 EPS 상승 가능성이 큰 주도주라는 점임. [팩트, p46]
[Top Picks, p46]투자 판단은 섹터 전체를 무조건 사는 방식보다 쇼티지 강도와 EPS 상향이 실제로 확인되는 주도 부품 업체를 선별하는 방식이 더 합리적임. [해석]
🚀 사건의 핵심은?
이 보고서의 넛그래프는 “AI 투자가 GPU 중심에서 시스템 중심으로 바뀌며, 한국 전기전자 부품사의 이익 구조가 다시 평가받는 국면”으로 정리됨. [해석]
과거 AI 1차 사이클은 GPU와 HBM 중심이었지만, 2차 사이클은 GPU를 잘 쓰기 위해 필요한 주변 시스템 전체로 돈이 퍼지는 흐름임. [해석]
시스템은 쉽게 말해 자동차 엔진만이 아니라 변속기, 냉각장치, 타이어, 도로까지 모두 좋아져야 속도가 나는 구조와 같음. [해석]
리포트 제목의 “가치는 실리콘 밖으로 이동한다”는 말은 칩 자체보다 칩을 안정적으로 연결하고 작동시키는 부품의 가치가 커진다는 뜻임. [해석]
Agentic AI는 답변을 한 번 만들고 끝나는 챗봇이 아니라, 목표를 쪼개고 도구를 쓰고 실패하면 다시 시도하는 디지털 작업자에 가까움. [팩트, p03~p04]
한 번의 사용자 명령이 계획, 검색, 실행, 검증, 재시도로 이어지면 모델 호출, 메모리 접근, 네트워크 통신, 소프트웨어 실행이 함께 늘어남. [팩트, p04]
이 과정에서 GPU만 늘리면 비용이 너무 커지므로 CPU, DPU, NIC 같은 보조 프로세서가 역할을 나누는 분산 컴퓨팅이 중요해짐. [팩트, p04]
DPU는 데이터 처리 장치이고 NIC는 네트워크 인터페이스 카드이며, 쉽게 말해 GPU가 계산에 집중하도록 주변 교통정리를 해주는 부품임. [해석]
따라서 AI 하드웨어 수혜는 “GPU가 많이 팔린다”에서 “GPU가 일을 잘하게 만드는 모든 부품이 필요하다”로 확장됨. [해석]
이 확장은 기판, MLCC, CCL, 전력부품, 냉각부품처럼 과거에는 주연이 아니던 부품을 주연으로 끌어올림. [해석]
🧠 Agentic AI와 토크노믹스가 왜 중요한가?
토큰은 AI가 문장을 읽고 쓰는 최소 단위이며, AI 서비스에서는 토큰 처리량이 곧 생산량에 가까운 지표가 됨. [해석]
토크노믹스는 Token과 Economics를 합친 개념으로, 토큰을 얼마나 경제적으로 생산하느냐가 AI 사업의 수익성을 좌우한다는 뜻임. [팩트, p05]
리포트는 일반 챗봇 대비 단순 검색·예약 Agent의 작업당 토큰이 약 10~20배 증가할 수 있다고 제시함. [팩트, p05]
[Agentic AI 환경에서 토큰 사용량 증가, p5]복수 단계 기업 Workflow는 일반 챗봇 대비 작업당 토큰이 약 20~50배 증가할 수 있다고 제시됨. [팩트, p05]
[Agentic AI 환경에서 토큰 사용량 증가, p5]장시간 코딩·리서치 Agent는 일반 챗봇 대비 작업당 토큰이 약 200~1000배 증가할 수 있다고 제시됨. [팩트, p05]
[Agentic AI 환경에서 토큰 사용량 증가, p5]Google 월별 토큰 처리량은 2024년 5월 10조개에서 2026년 5월 3,200조개로 증가한 것으로 제시됨. [팩트, p05]
[토큰 수요 폭증, p5]Qualcomm 미래 토큰 처리량 전망은 10초당 토큰 사용량이 2026년 317억개에서 2030년 1조2,700억개로 늘어나는 그림을 제시함. [팩트, p05]
[Qualcomm 미래 토큰 처리량 전망, p5]토큰이 늘면 GPU만 중요한 것이 아니라 전력 효율, 네트워크 지연, 메모리 병목, 서버 안정성이 모두 비용으로 연결됨. [해석]
리포트는 GPU가 AI 데이터센터에서 가장 비싼 자원이므로 GPU 사용률을 높이는 것만으로 인프라 경제성이 크게 달라진다고 설명함. [팩트, p06]
서버 랙 내 GPU 가격 비중은 약 60%로 제시되어 GPU를 놀리지 않는 시스템 설계의 중요성을 보여줌. [팩트, p06]
[서버 랙 내 GPU 가격 비중, p6]Nvidia Vera Rubin 플랫폼은 CPU, GPU, NVLink, SuperNIC, DPU, Ethernet Switch를 함께 설계해 Blackwell 대비 추론 토큰 비용을 최대 10분의 1로 낮출 수 있다고 제시됨. [팩트, p06]
Google TPU 8i는 직전 세대 대비 저지연 대형 MoE 추론에서 성능당 비용을 최대 80% 개선한다고 제시됨. [팩트, p06]
MoE는 Mixture of Experts의 약자이며, 여러 전문가 모델 중 필요한 모델을 골라 쓰는 방식으로 이해하면 됨. [해석]
AI 투자의 경쟁 단위가 칩 하나에서 랙, 클러스터, 데이터센터 전체로 커졌기 때문에 부품사의 매출 기회도 함께 커짐. [해석]
결국 토크노믹스는 “좋은 GPU를 사는 문제”가 아니라 “같은 전기요금으로 더 많은 토큰을 만드는 공장 설계 문제”로 바뀌는 과정임. [해석]
🏗️ CAPEX는 정말 꺾이지 않는가?
리포트는 Hyperscaler CAPEX 축소 우려가 기우이며, 컴퓨팅 수요가 여전히 공급능력을 초과한다고 판단함. [팩트, p02]
CSP 4개사의 CAPEX는 2024년과 2025년에 연초 예상치 대비 각각 큰 폭으로 상향된 전례가 있다고 제시됨. [팩트, p09]
[CSP CAPEX 상향 추이, p9]Google의 2026년 CAPEX 예상치는 2026년 1월 171조원에서 2026년 6월 288조원으로 상향된 것으로 제시됨. [팩트, p09]
[CSP CAPEX 상향 추이, p9]Amazon의 2026년 CAPEX 예상치는 2026년 1월 211조원에서 2026년 6월 307조원으로 상향된 것으로 제시됨. [팩트, p09]
[CSP CAPEX 상향 추이, p9]Meta의 2026년 CAPEX 예상치는 2026년 1월 158조원에서 2026년 6월 206조원으로 상향된 것으로 제시됨. [팩트, p09]
[CSP CAPEX 상향 추이, p9]Microsoft의 2026년 CAPEX 예상치는 2026년 1월 142조원에서 2026년 6월 180조원으로 상향된 것으로 제시됨. [팩트, p09]
[CSP CAPEX 상향 추이, p9]Google은 2026년 1분기 실적발표에서 단기 Compute Constraint를 인정했고, 용량이 충분했다면 Cloud 매출이 더 높았을 것이라고 밝힌 것으로 제시됨. [팩트, p09]
Compute Constraint는 컴퓨팅 자원이 부족해 더 팔고 싶어도 못 파는 상황을 뜻함. [해석]
Google Cloud Backlog는 분기 매출의 23배인 약 4,620억달러로 제시됨. [팩트, p09]
Microsoft는 최근 12개월 내 2GW 이상의 신규 용량을 투입했으나 수요가 가용 용량을 초과했다고 제시됨. [팩트, p09]
AWS의 2026년 1분기 매출은 전년 대비 28% 증가했고, 최근 15개 분기 중 가장 높은 성장률을 기록한 것으로 제시됨. [팩트, p10]
CoreWeave의 2026년 1분기 매출은 전년 대비 112% 증가했고, 수주잔고는 전분기 대비 49% 증가한 994억달러로 제시됨. [팩트, p10]
Nebius의 매출은 전년 대비 684%, 전분기 대비 75% 증가했고, 가용 컴퓨팅 용량이 전량 판매됐다고 언급된 것으로 제시됨. [팩트, p10]
이 데이터들은 AI 인프라가 아직 유휴설비보다 공급 부족에 더 가까운 상황이라는 보고서의 논리를 강화함. [해석]
다만 CAPEX가 무한히 늘어난다는 뜻은 아니며, 신규 용량 가동률과 장기 약정 이행 여부를 계속 확인해야 함. [해석]
🌐 Non-Hyperscaler가 만드는 두 번째 수요축
리포트는 Non-Hyperscaler 고객군인 Enterprise, Sovereign, Cloud의 성장이 하드웨어 업체의 장기 성장성을 뒷받침한다고 봄. [팩트, p02]
Hyperscaler는 Microsoft, Amazon, Google, Meta 같은 초대형 클라우드 사업자를 뜻함. [해석]
Non-Hyperscaler는 자체적으로 모든 서버를 설계하기 어려운 기업, 정부, 네오클라우드 업체를 뜻함. [해석]
Hyperscaler는 표준화 서버와 자체 ASIC을 설계할 수 있지만, Non-Hyperscaler는 완성된 시스템을 구매하는 경향이 큼. [팩트, p14]
ASIC은 특정 목적에 맞춘 주문형 반도체이며, 맞춤 양복처럼 특정 작업에 최적화된 칩으로 이해하면 됨. [해석]
Non-Hyperscaler는 서버 한 대가 아니라 네트워크, 스토리지, 보안, 소프트웨어, 유지보수가 묶인 시스템을 필요로 함. [팩트, p14]
이 구조에서는 Dell, HPE, Supermicro, Gigabyte 같은 OEM·솔루션 업체 역할이 커짐. [팩트, p14]
OEM은 주문자상표부착생산 또는 완성 시스템 제조사를 뜻하며, 부품을 모아 고객이 쓸 수 있는 제품으로 만드는 조립자에 가까움. [해석]
NVIDIA의 Non-Hyperscaler 매출은 Data Center 매출에서 별도로 구분될 만큼 중요해졌고, ACIE 매출은 Data Center 매출액의 49.7%를 차지했다고 제시됨. [팩트, p15]
[주요 인프라 업체 Enterprise & Sovereign AI 관련 언급, p15]HPE는 2026년 2분기 AI 백로그가 전년 대비 97% 증가한 63억달러를 기록했다고 제시됨. [팩트, p15]
[주요 인프라 업체 Enterprise & Sovereign AI 관련 언급, p15]HPE는 Enterprise와 Sovereign이 누적 주문의 60% 이상을 차지했다고 제시됨. [팩트, p15]
[주요 인프라 업체 Enterprise & Sovereign AI 관련 언급, p15]Dell은 2026년 2분기부터 2027년 1분기 사이 AI 백로그가 4.4배 확대되어 513억달러를 기록했다고 제시됨. [팩트, p15]
Sovereign AI는 국가가 데이터와 모델 접근권을 통제하기 위해 자체 AI 인프라를 확보하는 흐름임. [해석]
글로벌 Sovereign Cloud IaaS 지출은 2025년 593억달러에서 2027년 1,106억달러로 증가할 전망으로 제시됨. [팩트, p16]
[Sovereign Cloud IaaS 지출액, p15]IaaS는 Infrastructure as a Service의 약자이며, 서버와 저장장치 같은 인프라를 서비스처럼 빌려 쓰는 구조임. [해석]
국가와 기업이 AI 인프라를 중복 구축하면 사회 전체 효율은 낮아질 수 있지만, 하드웨어 총수요는 오히려 커질 수 있음. [해석]
이 점이 AI 하드웨어를 단기 Hyperscaler CAPEX 파생산업이 아니라 장기 성장산업으로 보게 만드는 핵심 근거임. [해석]
결국 수요축은 Hyperscaler, Enterprise, Sovereign의 세 축으로 넓어지는 구조임. [해석]
🔩 시스템 확산이 부품 가치로 연결되는 경로
리포트는 AI CAPEX가 GPU 중심에서 시스템 중심으로 변화하며 하드웨어 산업의 중장기 성장성이 확보된다고 설명함. [팩트, p17]
데이터센터 1GW당 CAPEX는 H100 서버에서 GB300 서버, VR200 서버로 갈수록 증가하는 그림으로 제시됨. [팩트, p17]
[데이터센터 1GW당 CAPEX 금액의 증가, p17]H100 서버 대비 GB300 서버에서 GPU 외 투자금액 증가율이 GPU 금액 증가율보다 더 크다는 점이 제시됨. [팩트, p17]
GB300 서버부터 Agentic AI 공급이 본격화되며 CPU, DRAM, 네트워크, 전력, 냉각 투자 비중이 확대되는 구조임. [해석]
NVL72 랙 기준 GB200의 GPU 비중은 약 65%였지만 VR200은 약 50%까지 낮아지는 것으로 제시됨. [팩트, p18]
[랙 BoM Cost 내 GPU 비중 변화, p18]BoM은 Bill of Materials의 약자이며, 제품 하나를 만들 때 들어가는 부품 원가표를 뜻함. [해석]
랙 가격이 오르는데 GPU 비중이 낮아진다는 것은 GPU 외 부품의 탑재량과 단가가 더 빠르게 오른다는 뜻임. [해석]
GB200 대비 VR200에서 FC-BGA 기판 전체 원가는 205% 증가하는 것으로 제시됨. [팩트, p18]
[GB200 NVL72 vs GB300/VR200 NVL72 부품 원가 증가율, p18]GB200 대비 VR200에서 MLCC 원가는 160% 증가하는 것으로 제시됨. [팩트, p18]
[GB200 NVL72 vs GB300/VR200 NVL72 부품 원가 증가율, p18]GB200 대비 VR200에서 네트워크칩 원가는 245% 증가하는 것으로 제시됨. [팩트, p18]
[GB200 NVL72 vs GB300/VR200 NVL72 부품 원가 증가율, p18]GB200 NVL72의 랙 ASP 추정치는 300만달러, GB300은 400만달러, VR200은 780만달러로 제시됨. [팩트, p19]
[엔비디아 랙 세대별 Contents 변화, p19]VR200은 NVSwitch ASIC 수가 36개로 GB200·GB300의 18개보다 많아지는 것으로 제시됨. [팩트, p19]
[엔비디아 랙 세대별 Contents 변화, p19]VR200의 GPU당 네트워크 대역폭은 1.6Tb/s로 GB300의 800Gb/s보다 높아지는 것으로 제시됨. [팩트, p19]
[엔비디아 랙 세대별 Contents 변화, p19]VR200의 MLCC 탑재량은 약 50~60만개로 제시되어 GB200의 44만개보다 증가함. [팩트, p19]
[엔비디아 랙 세대별 Contents 변화, p19]VR200의 GPU FC-BGA 면적은 8,051㎟로 GB200·GB300의 5,913㎟보다 커지는 것으로 제시됨. [팩트, p19]
[엔비디아 랙 세대별 Contents 변화, p19]면적이 커지고 층수가 늘면 같은 설비에서 만들 수 있는 기판 수가 줄어들기 때문에 공급 부족이 더 심해질 수 있음. [해석]
시스템 확산은 부품 수량 증가와 사양 상승이 동시에 발생하는 Q와 P의 동시 상승 구조임. [해석]
⚙️ 쇼티지의 확산과 투자 논리
쇼티지는 특정 부품이 부족해 전체 제품 생산을 막는 병목 현상임. [해석]
AI 서버는 고사양 부품 중 하나라도 빠지면 완성되지 않기 때문에 가장 부족한 부품이 전체 생산량을 결정함. [팩트, p20]
리포트는 AI 데이터센터의 병목이 GPU에서 메모리, CPU, 고부가 패키징, 기판, MLCC, 전력반도체로 확장된다고 제시함. [팩트, p21]
[병목의 확산, p21]CoWoS와 EMIB는 고성능 칩을 묶어 연결하는 첨단 패키징 기술이며, 여러 엔진을 하나의 고성능 장치처럼 묶는 기술로 이해하면 됨. [해석]
기판의 고다층·대면적화는 저손실 CCL, HVLP 동박, T-glass, 초미세 드릴비트 수요를 끌어올리는 구조임. [팩트, p21]
CCL은 Copper Clad Laminate의 약자이며, PCB의 바탕이 되는 동박적층판임. [해석]
HVLP 동박은 표면이 매우 매끄러운 고성능 동박이며, 고속 신호가 덜 손실되도록 돕는 소재임. [해석]
T-glass는 고성능 유리섬유 소재이며, 기판이 열과 전기 신호 변화에 안정적으로 버티도록 돕는 재료임. [해석]
공급업체들이 증설을 발표하고 있지만 공장 건설과 제품 인증 기간 때문에 2028년 이후부터 쇼티지가 완화될 것으로 예상됨. [팩트, p20]
AI 데이터센터 프로젝트의 통상 건설 기간이 2년 이상이고 2025~2027년에 많은 프로젝트가 시작되므로 수요 장기화 가능성이 제시됨. [팩트, p20]
[AI 데이터센터 증설 프로젝트 분석, p20]2020
2022년 기판 쇼티지 당시 주요 기판 업체들의 영업이익률이 빠르게 상승한 사례가 제시됨. [팩트, p20]22년 쇼티지 당시 기판업체 영업이익 상승, p20]**
**[20메모리 가격도 쇼티지 이후 급등한 사례가 제시되어 병목 부품의 가격 상승 논리를 설명함. [팩트, p20]
[메모리 월별 가격, p20]이번 사이클은 단순 수요 증가가 아니라 품질, 인증, 공급 안정성이 중요한 부품의 가격 결정력 확대라는 점이 다름. [해석]
따라서 투자 핵심은 “AI에 들어간다”가 아니라 “부족하고, 대체가 어렵고, 가격을 올릴 수 있는가”임. [해석]
쇼티지 부품 공급사는 매출 증가보다 이익률 상승이 더 중요하며, EPS 상향이 주가의 방어 논리가 됨. [해석]
🧱 Revaluation의 본질은 비커머디티화임
비커머디티화는 제품이 단순 가격 경쟁에서 벗어나 기술, 품질, 고객 인증, 공급 안정성으로 차별화되는 과정임. [팩트, p29]
커머디티 부품은 공급사 교체가 쉽고 가격 결정권이 고객과 시장에 있어 수익성이 흔들리기 쉬움. [팩트, p29]
[커머디티 vs 비커머디티, p29]비커머디티 부품은 공급사 교체가 어렵고 고객별 커스터마이징이 필요해 가격 결정력이 상대적으로 강함. [팩트, p29]
[커머디티 vs 비커머디티, p29]AI 서버는 부품 가격보다 불량으로 시스템이 멈췄을 때의 손실이 훨씬 크기 때문에 신뢰성이 중요함. [해석]
이 구조에서는 싸게 만드는 업체보다 안정적으로 납품하고 고객 승인을 받은 업체가 더 높은 가치를 인정받을 수 있음. [해석]
리포트는 고다층 FC-BGA, MLB, 서버용 MLCC, 하이엔드 CCL을 비커머디티 제품군으로 제시함. [팩트, p30]
[비커머디티 제품군, p30]고다층 FC-BGA는 수익성이 20~30% 수준으로 제시됨. [팩트, p30]
[비커머디티 제품군, p30]MLB는 수익성이 15~25% 수준으로 제시됨. [팩트, p30]
[비커머디티 제품군, p30]서버용 MLCC는 수익성이 20% 이상으로 제시됨. [팩트, p30]
[비커머디티 제품군, p30]하이엔드 CCL은 수익성이 40% 이상으로 제시됨. [팩트, p30]
[비커머디티 제품군, p30]과거 IT 하드웨어 산업은 공급 증가가 초과수익을 빠르게 소멸시켜 낮은 밸류에이션을 받았음. [팩트, p31]
과거 IT 하드웨어 산업은 스마트폰, PC, TV 같은 세트 출하량에 크게 의존해 구조적 성장주가 아니라 경기 민감주로 평가됐음. [팩트, p31]
과거 IT 하드웨어 산업은 소수 대형 고객의 가격 인하 압박 때문에 이익률 개선이 제한됐음. [팩트, p32]
과거 IT 하드웨어 산업은 기술 업그레이드가 점진적이어서 사업 모델을 크게 바꿀 만한 변화가 부족했음. [팩트, p32]
AI 사이클은 전방 수요가 레거시 세트에서 데이터센터와 Edge Device로 확장되기 때문에 과거와 다른 성장 논리를 제공함. [해석]
Revaluation은 Contents 증가, 낮은 공급 탄력성, 장기 이익 가시성이 동시에 확인될 때 발생한다고 제시됨. [팩트, p35]
[Revaluation의 조건, p35]Contents 증가는 제품 한 대에 들어가는 부품 수와 부품 가치가 커지는 현상임. [해석]
낮은 공급 탄력성은 수요가 늘어도 공장, 수율, 고객 인증 때문에 공급이 빨리 늘지 못하는 상황임. [해석]
장기 이익 가시성은 LTA, 고객사의 Capa Booking, 선수금 등을 통해 향후 매출과 이익을 어느 정도 미리 볼 수 있는 상태임. [팩트, p35]
LTA는 Long-Term Agreement의 약자이며, 장기 공급 계약으로 이해하면 됨. [해석]
🧩 FC-BGA와 MLB의 핵심 논리
FC-BGA는 고성능 반도체와 메인보드를 연결하는 고급 기판이며, 고속도로의 교차로처럼 전기 신호를 안정적으로 연결하는 역할을 함. [해석]
리포트는 이번 FC-BGA 사이클이 2021~2022년 단기 쇼티지와 다르다고 판단함. [팩트, p36]
과거 FC-BGA 사이클은 PC와 일반 서버 수요가 중심이었지만, 이번에는 GPU, ASIC, CPU, DPU, NVSwitch, NIC로 수요처가 넓어짐. [팩트, p37]
[FC-BGA 시장이 커지는 이유, p37]FC-BGA는 칩이 대면적화되고 고다층화될수록 같은 장비로 생산 가능한 패널 수가 줄어 Capa Loss가 발생함. [팩트, p37]
[FC-BGA 시장이 커지는 이유, p37]Capa Loss는 같은 공장에서 만들 수 있는 실제 생산량이 줄어드는 현상임. [해석]
FC-BGA 시장 규모는 2018년 이후 확대되어 2030년까지 더 커지는 전망이 제시됨. [팩트, p37]
[FC-BGA 시장규모 전망, p37]엔비디아 Blackwell의 FC-BGA 크기는 77×77mm, 5,913㎟, 14층으로 제시됨. [팩트, p39]
[엔비디아 가속기 세대별 FC-BGA 크기, p39]엔비디아 Rubin의 FC-BGA 크기는 90×90mm, 8,051㎟, 18층으로 제시됨. [팩트, p39]
[엔비디아 가속기 세대별 FC-BGA 크기, p39]엔비디아 Rubin Ultra의 FC-BGA 크기는 127×127mm, 16,102㎟, 20층으로 제시됨. [팩트, p39]
[엔비디아 가속기 세대별 FC-BGA 크기, p39]층수가 14층에서 20층으로 올라가면 공정 난도가 높아지고 불량 리스크가 커져 검증된 업체의 가치가 올라감. [해석]
MLB는 Multi-Layer Board의 약자이며, 여러 층을 쌓아 고속 신호와 전력을 복잡하게 연결하는 다층 회로기판임. [해석]
리포트는 고다층 MLB에서 18층 이상 제품이 전년 대비 80% 이상 성장한다고 제시함. [팩트, p33]
[비커머디티 부품군 정리, p33]고다층 MLB는 다중적층 공정 부담이 3배이고 ASP는 기존 대비 2~3배 책정된다고 제시됨. [팩트, p33]
[비커머디티 부품군 정리, p33]ASP는 Average Selling Price의 약자이며, 평균판매단가를 뜻함. [해석]
MLB의 적용처는 NIC, DPU Board, Midplane 등으로 넓어지고 있어 AI 서버 구조 변화와 직접 연결됨. [팩트, p33]
Midplane은 서버 랙 안에서 여러 보드와 모듈을 연결하는 중앙 연결판으로 이해하면 됨. [해석]
FC-BGA와 MLB 모두 단순 물량 증가보다 고난도 제품 비중 상승이 핵심임. [해석]
따라서 기판 투자는 생산능력 숫자보다 고객 인증, 고다층 수율, 고부가 제품 믹스를 봐야 함. [해석]
🔋 MLCC와 CCL의 핵심 논리
MLCC는 Multi-Layer Ceramic Capacitor의 약자이며, 전기를 잠깐 저장했다가 필요한 순간 안정적으로 공급해주는 작은 배터리 같은 수동부품임. [해석]
리포트는 이번 MLCC 사이클의 핵심이 생산능력이 아니라 유효 생산능력이라고 설명함. [팩트, p42]
AI 서버용 MLCC는 고용량, 고전압, 저ESR, 저ESL, 고온, 고신뢰성이 필요해 일반 MLCC보다 공정 부하가 3~6배까지 발생한다고 제시됨. [팩트, p42]
ESR은 등가직렬저항이고 ESL은 등가직렬인덕턴스이며, 둘 다 낮을수록 전기가 더 빠르고 안정적으로 흐름. [해석]
AI 서버용 고부가 MLCC에서 Side Gap을 안정적으로 제어해 대량 양산하고 고객 승인을 받을 수 있는 업체는 삼성전기와 Murata가 유일하다고 제시됨. [팩트, p42]
Side Gap은 MLCC 내부 전극과 외부 사이의 여유 공간으로, 작게 만들수록 고용량화에 유리하지만 제조 난도가 높아짐. [해석]
삼성전기에 따르면 AI 서버는 일반 서버 대비 10~15배 이상의 MLCC를 사용한다고 제시됨. [팩트, p43]
AI 서버용 MLCC 수요는 초고용량과 고전압 제품으로 확산되고 있다고 제시됨. [팩트, p43]
GPU와 CPU 주변에서는 0402 사이즈 47µF, 0603 사이즈 100µF급 고용량 MLCC와 embedded·landside MLCC가 필요해진다고 제시됨. [팩트, p43]
어플리케이션별 MLCC 탑재량은 일반 서버 2,000개, AI 서버 Hopper 45,000개, GB200 NVL72 230,000개, GB300 NVL72 440,000개, VR200 NVL72 600,000개로 제시됨. [팩트, p44]
[어플리케이션별 MLCC 탑재량, p44]MLCC는 수량이 늘어나는 동시에 소형화와 고용량화가 필요해 단가와 이익률이 함께 좋아질 수 있는 구조임. [해석]
CCL은 PCB의 기본 재료이므로 AI 서버의 고속 신호가 늘수록 저손실 고급 CCL 수요가 증가함. [해석]
하이엔드 CCL은 400G에서 800G 수요 확대와 1.6T 수요 증가에 따라 고부가 수요가 확대된다고 제시됨. [팩트, p33]
[비커머디티 부품군 정리, p33]1.6T는 초고속 네트워크 전송 속도를 뜻하며, 데이터센터 안의 데이터 고속도로가 넓어지는 변화로 이해하면 됨. [해석]
고부가 CCL은 공급업체 수가 제한되고 고객 인증이 길어 가격 결정력이 강한 부품으로 분류됨. [팩트, p30]
두산은 고부가 CCL 산업의 주도주로, 글로벌 1위 AI 인프라 업체향 Compute Tray용 CCL을 독점하고 있다고 제시됨. [팩트, p46]
Compute Tray는 AI 서버 랙 안에서 GPU와 CPU 같은 핵심 연산 부품을 담고 연결하는 쟁반형 모듈로 이해하면 됨. [해석]
CCL과 MLCC는 눈에 잘 띄지 않지만 AI 서버가 빨라지고 전력을 많이 쓸수록 더 중요해지는 부품임. [해석]
📱 Edge Device와 애플 밸류체인
리포트는 1차 AI 투자 사이클을 학습·Scale-up, 2차를 추론·Agentic AI·Scale-out, 다음 성장 동력을 On-device AI와 Edge Device로 제시함. [팩트, p24]
On-device AI는 클라우드에만 의존하지 않고 스마트폰, PC, 자동차 같은 기기 안에서 AI를 직접 실행하는 방식임. [해석]
Edge Device는 사용자 가까이에 있는 스마트폰, PC, 웨어러블, 자동차, 로봇 같은 단말을 뜻함. [해석]
Agentic AI가 이메일, 일정, 문서, 카메라, 음성, 위치를 계속 확인하려면 모든 데이터를 클라우드로 보내기보다 기기 안 처리와 클라우드 처리를 섞는 Hybrid AI가 합리적임. [팩트, p24]
[Hybrid AI 구조, p24]Hybrid AI는 민감하고 반복적이며 지연에 민감한 작업은 기기에서 처리하고, 복잡한 추론은 클라우드로 보내는 구조임. [해석]
Nvidia는 Computex 2026 GTC에서 AI PC 시장 진입을 공표했고, RTX Spark를 개인용 Agent 구동 플랫폼으로 제시했다고 리포트는 설명함. [팩트, p25]
RTX Spark는 CPU와 GPU가 하나의 메모리 공간을 공유해 최대 128GB 통합 메모리를 활용하는 구조로 제시됨. [팩트, p25]
AI PC의 경쟁 기준은 CPU 성능, GPU 성능, 저장용량에서 모델 크기, 메모리 용량, 토큰 처리속도, Agent 지속 가동시간, 보안으로 확장됨. [팩트, p25]
리포트는 AI PC 연간 2억대와 스마트폰 연간 12억대 시장으로 Agentic AI 보급이 확산될 경우 하드웨어 산업의 중장기 흐름이 지속될 수 있다고 판단함. [팩트, p25]
Edge Device 사이클의 수혜 흐름은 Agentic AI 확산 → NPU·CPU·GPU 연산 증가 → DRAM·NAND·LPCAMM2 확대 → 전력·열관리 고도화 → PCB·기판 고다층화 → 소재 고급화로 제시됨. [팩트, p26]
NPU는 Neural Processing Unit의 약자이며, AI 계산을 전담하는 전용 처리장치임. [해석]
LPCAMM2는 노트북·PC용 차세대 저전력 메모리 모듈로, 더 얇고 효율적인 AI PC 설계에 유리한 부품임. [해석]
리포트는 Edge Device 흐름에서 소프트웨어와 하드웨어 풀스택, 자체 생태계, 많은 기기 공급량을 갖춘 업체로 애플을 주목함. [팩트, p27]
애플 밸류체인 국내업체로 LG이노텍, LG디스플레이, 비에이치, 덕산네오룩스, 이녹스첨단소재, LX세미콘, 파인엠텍, 자화전자가 제시됨. [팩트, p28]
[애플 국내업체 Valuation Table, p28]
📈 투자전략과 종목별 해석
리포트는 메모리 가격 상승이 먼저 반영됐지만 MLCC와 FC-BGA의 본격 가격 상승은 이제부터 시작될 수 있다고 판단함. [팩트, p46]
이 때문에 전기전자 산업이 메모리 산업 주가와 디커플링될 가능성이 있다고 제시됨. [팩트, p46]
디커플링은 두 자산이 과거에는 같이 움직였지만 앞으로는 서로 다르게 움직이는 현상임. [해석]
Top Picks는 삼성전기, 두산, 이수페타시스, 심텍으로 제시됨. [팩트, p46]
[Top Picks, p46]삼성전기는 FC-BGA와 MLCC를 모두 보유해 쇼티지 국면에서 가장 가파른 EPS 상승 여력을 가진 업체로 제시됨. [팩트, p46]
삼성전기 투자의견은 BUY, 목표주가는 280만원으로 제시됨. [팩트, p49]
두산은 고부가 CCL 산업의 주도주이며, 글로벌 1위 AI 인프라 업체향 Compute Tray용 CCL 독점과 증설이 핵심으로 제시됨. [팩트, p46]
두산 투자의견은 BUY, 목표주가는 220만원으로 제시됨. [팩트, p56]
이수페타시스는 AI 사이클 지속, MLB ASP 상승, 5공장 단계적 가동, 구글 TPU와 800G 스위치 고부가 매출 확대가 핵심 흐름으로 제시됨. [팩트, p72]
이수페타시스 투자의견은 BUY, 목표주가는 19만원으로 제시됨. [팩트, p48]
심텍은 메모리 모듈 가동률이 90%를 초과하고, 저부가 물량 이관을 통한 추가 Capa 확보 가능성이 제시됨. [팩트, p47]
심텍 투자의견은 BUY, 목표주가는 19만원으로 제시됨. [팩트, p48]
LG이노텍은 FC-BGA 기대감 리레이팅이 어느 정도 진행됐고, 추가 고객사 확보와 양산 수율 확보가 향후 주가 상승의 핵심으로 제시됨. [팩트, p61]
기가비스는 FC-BGA 쇼티지와 주요 업체 증설 국면에서 과반 이상의 점유율을 바탕으로 수혜가 예상된다고 제시됨. [팩트, p77]
대덕전자는 FC-BGA, MLB, 광모듈용 PCB, 메모리 패키징 기판 등 여러 병목 부품에 걸쳐 업황을 보여주는 종목으로 해석됨. [해석]
해성디에스는 히트슬러그와 전력반도체에서 기회가 있고, 800VDC 확산 시 실적 상승 가능성이 제시됨. [팩트, p47]
📌 관계도/표
| 변화 | 원인 | 수혜 부품 | 대표 기업 |
|---|---|---|---|
| Agentic AI 확산 | 작업당 토큰 증가 | CPU, 네트워크, 기판, MLCC | 삼성전기, 이수페타시스, 심텍 |
| 랙 단위 시스템화 | GPU 사용률 극대화 | FC-BGA, MLB, CCL | 삼성전기, 두산, 대덕전자 |
| 전력밀도 상승 | AI 서버 전력 증가 | MLCC, 전력반도체, 히트슬러그 | 삼성전기, 해성디에스 |
| Non-Hyperscaler 성장 | 기업·정부 자체 AI 인프라 | 서버 시스템 부품 전반 | 두산, 이수페타시스 |
| Edge Device 확산 | On-device AI 필요 | 메모리, 기판, 카메라, 디스플레이 | LG이노텍, LG디스플레이 |
[비커머디티 제품군, p30 / 병목의 확산, p21 / Top Picks, p46]
📈 리스크 & 기회
단기 1~3개월 기회는 MLCC와 FC-BGA의 가격 인상 및 LTA 뉴스이며, 확률 65%, 영향도 높음, 확인법은 삼성전기·기판업체 실적발표에서 ASP와 수주잔고를 확인하는 것임. [해석]
단기 1~3개월 리스크는 이미 높아진 멀티플에 대한 차익실현이며, 확률 55%, 영향도 보통, 확인법은 EPS 컨센서스 상향 속도가 주가 상승 속도를 따라가는지 점검하는 것임. [해석]
중기 6~12개월 기회는 Hyperscaler 외 Enterprise와 Sovereign AI 투자가 실제 발주로 이어지는 흐름이며, 확률 60%, 영향도 높음, 확인법은 Dell, HPE, NVIDIA ACIE, 주요 부품사 증설·장기계약 공시를 보는 것임. [해석]
중기 6~12개월 리스크는 2028년 이후 증설 물량이 예상보다 빠르게 들어와 쇼티지가 완화되는 상황이며, 확률 35%, 영향도 높음, 확인법은 FC-BGA·MLCC·CCL 신규 라인 램프업 일정과 고객 승인 속도를 확인하는 것임. [해석]
🧭 나라면 투자할지 판단
나라면 이 섹터에 전면 매수는 하지 않고, 주도주 중심으로 분할 접근함.
완벽한 확신까지는 어렵기 때문에 확정적 투자 의견은 보류함.
다만 리포트의 논리는 강함.
AI 수요가 GPU 밖 시스템 부품으로 번지고 있고, FC-BGA·MLCC·CCL·MLB는 단순 범용 부품이 아니라 고객 인증과 공급 부족이 결합된 비커머디티 부품으로 바뀌고 있음.
따라서 섹터 전체보다 삼성전기, 두산, 이수페타시스, 심텍처럼 쇼티지와 EPS 상향이 직접 연결되는 기업을 확인하면서 나눠 접근하는 전략이 더 합리적임.
🧵 한 줄 코멘트
이번 전기전자 사이클은 “엔진보다 도로와 냉각장치가 부족해지는 AI 공장 증설기”와 같아서, 눈에 덜 띄는 부품을 안정적으로 공급하는 기업이 더 오래 돈을 벌 수 있음.
☑️ 태그
#AI하드웨어 #전기전자 #Revaluation #비커머디티화 #FCBGA #MLCC #CCL #MLB #AgenticAI #토크노믹스 #쇼티지 #삼성전기
https://finance.naver.com/research/industry_read.naver?nid=45252
'돈 불리기 > 산업보고서' 카테고리의 다른 글
| [인터넷] AI가 일을 시작하면 데이터센터는 건물이 아니라 토큰을 생산하는 공장으로 바뀜 (0) | 2026.07.13 |
|---|---|
| [지주회사] 떼어내도 핵심 엔진은 남고, 할인율이 줄어드는 구조임 (0) | 2026.07.09 |
| [은행] 비은행이 은행주의 이익 체력을 다시 키우는 국면임 (0) | 2026.07.09 |
| [제약] 제약바이오는 ‘기술 이벤트’보다 ‘자금이 붙는 검증된 성장’으로 골라야 하는 국면임 (0) | 2026.07.08 |
| [전기전자] AI 인프라 노이즈보다 실적 가시성이 더 중요한 구간임 (0) | 2026.07.08 |