저한테 이메일 오는 횟수 보면 중국도 3년내 HBM3 만듭니다

01핵심 개요

02핵심 기능/내용 구조

1. 중국의 HBM3 자체 개발 임박: 김정호 교수는 본인에게 오는 이메일(공동연구·자문 요청 등) 빈도로 미루어 화웨이·알리바바 같은 중국 기업이 이미 HBM 개발에 착수했을 것으로 추정하며, 3년 내 HBM3 자체 생산이 가능할 것으로 전망한다. 창신메모리(디램 생산)와 양쯔메모리(낸드 생산) 등이 물량과 자본을 투입하면 성능은 한국산보다 떨어지더라도 HBM 자체 생산까지 이어질 수 있다는 것. 그는 수율 확보 등 넘어야 할 과제가 있지만, 한국이 최소 한 세대(가능하면 두 세대) 앞서 있어야 용량·속도 격차로 시장에서 계속 선택받을 수 있다고 주장한다.
2. 가장 큰 위협은 애플의 중국산 메모리 채택: 애플이 아이폰에 중국산 메모리를 탑재하면 기술 지원까지 제공하는 셈이 되어 중국의 성장을 가속화한다고 지적한다. 이미 일부 PC 기업이 중국산 디램을 쓰기 시작했다는 언급도 나온다. 대응책으로 그는 (1) 미국 의회의 규제, (2) 한국 기업의 생산량 조절 및 미국 현지 공장 건설로 대미 수요 흡수, (3) 마진율을 현재 약 80%에서 60% 수준으로 낮춰 고객사 반발을 완화하는 전략을 제시한다. 다만 미·중이 반도체를 매개로 손을 잡는 상황이 한반도 국제정치 관점에서 가장 위협적이라고 경고한다.
3. 한국의 컴퓨팅 인프라 부족: 정부가 26만 장 규모의 GPU 도입을 발표했지만 활용 방안에 대한 구체적 청사진이 부족하다고 비판하며, 최소 100만 대 규모가 필요하다고 주장한다. 중국은 스타트업·연구소가 정부 지원으로 GPU를 자유롭게 쓰는 반면, 한국은 수요는 많지만 대부분 아마존 등 해외 클라우드를 비싸게 빌려 쓰는 처지라고 지적한다. 학교 현장에도 AI 교육용 GPU가 부족하다고 언급한다.
4. AI 데이터센터 자체 설계 필요성: 네이버가 엔비디아 투자를 받아 세종에 10만 대 규모 자체 데이터센터를 구축 중인 사례를 긍정적으로 평가하면서도, 한국이 슈퍼컴퓨터를 자체 설계해 본 경험이 없다는 점을 약점으로 짚는다. 그는 메모리 강점을 축으로 NPU(예: 리벨리온, 퓨리오사), 전력반도체, 포토닉스(광통신), 인버터·컨버터 등 주변 부품 국산화를 하나씩 늘려가야 한다고 주장하며, 국가 AI 데이터센터(해남 등)에서 국산 NPU를 최소 10% 이상 의무 사용하도록 하는 국산화 비율 규제를 제안한다.
5. AI 에이전트 커머스 실험: 연구실에서 HBM 설계를 AI 에이전트에 맡기는 "AI 에이전트 엔지니어링" 실험을 확장해, 학생들이 주식 투자·스테이블코인 매수·쿠팡 구매 등 일상 경제활동까지 에이전트에게 맡기는 실험을 진행했다. 학생 한 명은 농협 계좌 ID·비밀번호를 에이전트에게 주고 200만 원으로 투자를 맡겼는데, 3일간 400회 매매 후 2만 5천 원 손실을 기록했다는 사례를 소개한다. 그는 이런 통제를 "하니스 엔지니어링(harness engineering)"이라 부르며, 에이전트에게 자유를 주되 규범과 금지 행동을 명확히 지시하고 총액 한도가 있는 별도 계좌로 리스크를 분리해야 한다고 강조한다. AI 에이전트는 공포심 없이 논리적으로만 판단해 인간과 다른 매매 패턴을 보인다고도 언급한다.

03기술적 맥락

HBM(고대역폭 메모리)은 다이(die)를 수직으로 적층해 데이터 처리 속도를 높인 차세대 D램으로, AI 반도체(GPU) 성능을 좌우하는 핵심 부품이다. 현재 SK하이닉스·삼성전자 등 한국 기업이 시장을 주도하고 있으나, 중국의 창신메모리(디램)·양쯔메모리(낸드)가 물량과 자본을 투입하면 성능은 낮아도 HBM3 수준의 자체 생산이 가능해질 것이라는 게 김정호 교수의 진단이다. 그는 데이터센터 경쟁력을 "GPU 대수 → HBM·스토리지(HBF) 용량(몇 테라·페타바이트) → 발전소 용량(몇 기가와트)"으로 이어지는 단계별 게임으로 설명하며, 현재 중국이 GPU와 메모리 확보에서 가장 큰 병목을 겪고 있다고 짚는다. 아마존이 SK하이닉스 울산 데이터센터를 설계하는 사례처럼, 한국의 주요 AI 데이터센터(해남 국가 AI 데이터센터 등)도 외국 기술에 의존하는 상황을 지적하며, 프랑스 고속철 기술을 도입해 KTX를 국산화했던 것처럼 초기엔 외국 기술을 들여오되 부품 단위로 하나씩 국산화해 나가는 단계적 전략을 제안한다.

04전략적 의미

첫째, 김정호 교수는 중국의 HBM3 자체 개발을 "만약"이 아니라 "3년 내" 시점의 문제로 규정하며, 한국이 세대 격차(한 세대 이상, 이상적으로 두 세대)를 유지하지 못하면 가격 경쟁에서 밀릴 수 있다고 경고한다. 이는 단순 기술 우위론이 아니라 마진율 조정(80%→60%)과 미국 내 생산 확대라는 가격·공급 전략까지 포함한 종합 대응을 요구하는 주장이다. 둘째, 애플의 중국산 메모리 채택 가능성을 반도체 산업의 지정학적 리스크로 규정하며, 이 사안이 순수 산업 문제가 아니라 미·중 패권 경쟁과 한미 관계에 직결된 국제정치 이슈임을 강조한다. 셋째, 한국의 GPU·데이터센터 인프라 부족은 정부 발표(26만 장) 대비 청사진 부재라는 구체적 비판으로 이어지며, 최소 100만 대 규모의 스케일과 활용 전략 수립을 정책 과제로 제시한다. 넷째, AI 에이전트 커머스 논의는 반도체 전공자가 하드웨어를 넘어 "에이전트가 돈을 다루고 스스로 수수료를 버는" 신경제 모델까지 사고를 확장하고 있음을 보여주며, 미래 인력상을 "에이전트를 지휘하는 디렉터/오케스트레이터"로 재정의하고 대학 교육이 "에이전트 점수" 중심으로 재편될 수 있다는 전망을 제시한다.

05핵심 워크플로우 또는 비교표

06활용 시나리오

1. 반도체·소재 산업 투자자의 중국 리스크 점검: HBM3 자체 개발 시점(3년 내)과 애플의 중국산 메모리 채택 가능성을 반도체 관련주 투자 판단의 리스크 요인으로 참고할 수 있다.
2. 정책 입안자·산업 전략가의 AI 인프라 정책 설계: GPU 확충 규모(26만 장 대 최소 100만 대 필요)와 국산 NPU 의무 사용 비율 같은 구체적 수치를 국가 AI 인프라 전략 수립의 근거 자료로 활용할 수 있다.
3. AI 에이전트 개발자의 리스크 관리 설계: 학생의 실제 계좌 자동매매 사례(400회 매매, 2만 5천 원 손실)를 통해 "하니스 엔지니어링" — 에이전트에 명확한 금지 규범과 한도가 분리된 계좌를 부여하는 방식 — 을 실제 자율 에이전트 배포 시 안전장치 설계에 참고할 수 있다.
4. 대학·교육기관의 AI 인재 양성 전략 수립: "에이전트 오케스트레이터"로 재편되는 미래 인력상과 "졸업작품으로 자신만의 지식 에이전트를 만들고 그 점수로 평가받는" 교육 모델 제안을 커리큘럼 설계 참고자료로 활용할 수 있다.

07현황 및 전망

김정호 교수는 중국의 HBM3 자체 생산을 3년 내 현실화될 가능성이 높은 사안으로 보며, 한국이 최소 한 세대 이상의 기술 격차를 유지하지 못하면 가격 경쟁력만으로는 버티기 어렵다고 전망한다. 애플을 포함한 글로벌 빅테크의 중국산 부품 채택 여부가 미국 의회의 규제 스탠스와 물가 압박 등 정치적 요인에 따라 유동적으로 움직일 수 있다고 진단한다. 한국은 26만 장 GPU 도입이 예정돼 있으나 구체적 활용 계획이 부족한 상태이며, 네이버의 세종 자체 데이터센터(10만 대 규모) 같은 개별 기업 시도가 진행 중이다. 김정호 교수 연구실 차원에서는 12월경 주식 투자·예약 등 AI 에이전트의 일상 업무 자동화 실험을 추가로 시도할 계획이라고 밝혔다.

08용어 사전