AMD는 어떻게 NVIDIA를 추격하고 있을까?
반도체 산업을 움직이는 글로벌 기업 ㉕
AMD AI GPU·HBM·Chiplet·Infinity Fabric·ROCm차세대 AI 반도체 경쟁
핵심 키워드: AMD, AI 반도체, GPU, Instinct, MI300, MI350, HBM, Chiplet, Infinity Fabric, ROCm, Zen, TSMC, NVIDIA, CUDA, 데이터센터, AI 가속기
들어가며 – NVIDIA의 강력한 경쟁자가 등장하다
앞선 24강에서는 NVIDIA가 어떻게 GPU 기업에서 AI 컴퓨팅 플랫폼 기업으로 성장했는지 살펴봤다.
NVIDIA의 가장 강력한 경쟁자 가운데 하나가 바로 AMD다.
AMD는 과거 PC용 CPU와 GPU 시장에서 Intel, NVIDIA와 경쟁하던 기업이었다.
하지만 AI 시대가 시작되면서 AMD의 사업 영역도 빠르게 변화하고 있다.
특히 데이터센터용 AI 가속기 시장에서 Instinct 제품군을 중심으로 NVIDIA에 도전하고 있다.
AMD의 전략에서 중요한 것은 단순히 GPU 성능을 높이는 것이 아니다.
AMD는,
GPU
HBM
Chiplet
Infinity Fabric
ROCm
을 결합해 AI 컴퓨팅 플랫폼을 구축하려 하고 있다.
이러한 전략은 NVIDIA의,
GPU
HBM
NVLink
CUDA
생태계와 직접적으로 경쟁하는 구조다.
이번 25강에서는 AMD가 어떻게 CPU 기업에서 AI 반도체 기업으로 성장했는지, Chiplet과 Infinity Fabric이 어떤 역할을 하는지, HBM과 AI GPU가 어떻게 연결되는지, 그리고 AMD가 NVIDIA의 강력한 CUDA 생태계에 어떻게 도전하고 있는지 살펴보겠다.
AMD는 어떤 회사인가?
AMD는 미국의 대표적인 팹리스 반도체 기업이다.
주요 사업은 크게 보면 다음과 같다.
- CPU
- GPU
- AI 가속기
- 데이터센터 프로세서
- 게임용 그래픽
- 임베디드 반도체
- 네트워크 및 적응형 컴퓨팅
AMD는 CPU 분야에서 Ryzen과 EPYC 제품군을, GPU와 AI 가속기 분야에서는 Radeon과 Instinct 제품군을 발전시켜 왔다.
특히 데이터센터 시장에서는 EPYC CPU와 Instinct AI 가속기를 함께 활용할 수 있는 플랫폼을 구축하고 있다.
AMD가 중요한 이유
AMD를 주목해야 하는 이유는 단순히 NVIDIA의 경쟁기업이기 때문만은 아니다.
AMD는 반도체 산업의 여러 핵심 기술을 동시에 가지고 있다.
대표적으로,
CPU 설계
GPU 설계
Chiplet
고속 인터커넥트
AI 소프트웨어
를 함께 발전시키고 있다.
특히 Chiplet 기술은 AMD의 중요한 경쟁력 가운데 하나다.
Chiplet이란 무엇인가?
Chiplet은 하나의 거대한 반도체를 하나의 다이로 만드는 대신 여러 개의 작은 칩을 연결해 하나의 시스템을 만드는 방식이다.
전통적인 방식에서는 하나의 대형 칩 안에 모든 기능을 넣었다.
하지만 칩이 너무 커지면 제조가 어려워지고 비용도 증가할 수 있다.
Chiplet 구조에서는,
CPU Chiplet
GPU Chiplet
I/O Chiplet
메모리 인터페이스
등을 각각 나누어 설계한 뒤 하나의 패키지에서 연결할 수 있다.
AMD가 Chiplet을 중요하게 생각하는 이유
반도체가 복잡해질수록 하나의 거대한 칩을 만드는 것이 어려워진다.
특히 AI 반도체에서는 CPU, GPU, 메모리, 인터페이스 등 다양한 기능을 하나의 시스템에 통합해야 한다.
Chiplet을 사용하면 필요한 기능을 여러 개의 다이로 분리할 수 있다.
이러한 구조는 설계 유연성을 높이고 제조 측면에서 여러 장점을 제공할 수 있다.
AMD는 CPU 분야에서 Chiplet 기반 설계를 적극적으로 활용해 왔으며 이러한 경험은 데이터센터와 AI 가속기에도 중요한 기술적 기반이 되고 있다.
AMD의 Zen 아키텍처
AMD의 CPU 경쟁력을 이야기할 때 Zen 아키텍처를 빼놓을 수 없다.
Zen은 AMD가 CPU 시장에서 경쟁력을 회복하는 데 중요한 역할을 한 CPU 아키텍처다.
Ryzen과 EPYC 등 다양한 제품에 활용되면서 AMD의 CPU 경쟁력을 높이는 기반이 됐다.
특히 EPYC는 데이터센터 시장에서 중요한 제품군으로 성장했다.
AI 데이터센터에서는 GPU만 필요한 것이 아니다.
CPU도 데이터를 관리하고 GPU 작업을 지원하기 때문에 전체 시스템에서 중요한 역할을 한다.
AI 데이터센터에서 CPU와 GPU의 관계
AI 서버를 단순화하면,
CPU
→ 시스템 제어 및 일반 연산
GPU/AI 가속기
→ 대규모 병렬 연산
HBM
→ 고속 데이터 공급
구조로 볼 수 있다.
따라서 AMD가 CPU와 GPU를 모두 설계한다는 것은 AI 데이터센터 시장에서 중요한 장점이 될 수 있다.
AMD Instinct는 무엇인가?
AMD의 AI 가속기 제품군이 Instinct다.
Instinct는 데이터센터의 AI 학습과 추론, 고성능 컴퓨팅을 목표로 한다.
대표적으로 MI 시리즈가 있다.
MI 시리즈는 GPU 기반의 고성능 컴퓨팅과 AI 연산을 수행하도록 설계됐다.
특히 고성능 AI 가속기에서는 GPU 연산성능뿐 아니라 HBM과 메모리 대역폭이 중요하다.
MI300 시리즈와 AI 반도체
AMD의 MI300 계열은 AI와 고성능 컴퓨팅 시장에서 중요한 제품군이다.
특히 MI300X는 대규모 AI 모델의 학습과 추론을 목표로 하는 데이터센터용 GPU다.
MI300 계열에서 중요한 특징 가운데 하나는 고대역폭 메모리와 고집적 패키징이다.
AI 모델이 커질수록 GPU의 연산능력뿐 아니라 GPU가 얼마나 많은 데이터를 빠르게 처리할 수 있는지도 중요하기 때문이다.
HBM과 AMD AI GPU
23강에서 SK하이닉스의 HBM을 설명하면서 HBM이 AI GPU에서 왜 중요한지 살펴봤다.
AMD의 AI 가속기 역시 HBM을 적극적으로 활용한다.
구조를 간단하게 보면,
GPU 연산
HBM 데이터 공급
이 하나의 시스템으로 결합된다.
GPU가 빠르게 계산하려면 메모리에서 데이터를 빠르게 공급받아야 한다.
따라서 AI 가속기의 성능을 평가할 때는 단순한 연산성능뿐 아니라 메모리 용량과 대역폭도 중요하다.
HBM 용량이 중요한 이유
AI 모델이 커지면서 모델의 파라미터와 작업 데이터도 증가한다.
이때 GPU 메모리에 더 많은 데이터를 저장할 수 있으면 데이터를 외부 메모리에서 가져오는 횟수를 줄일 수 있다.
특히 대규모 AI 모델에서는 메모리 용량이 중요한 요소가 될 수 있다.
따라서 AI 가속기 경쟁에서는,
연산성능
HBM 용량
메모리 대역폭
전력효율
을 함께 봐야 한다.
AMD의 Infinity Fabric
AMD의 또 다른 중요한 기술이 Infinity Fabric이다.
Infinity Fabric은 AMD의 프로세서와 여러 컴퓨팅 구성요소를 연결하기 위한 고속 인터커넥트 기술이다.
쉽게 말하면,
CPU
와
GPU
그리고
여러 개의 Chiplet
사이에서 데이터를 빠르게 이동시키기 위한 연결기술이라고 이해할 수 있다.
Chiplet 구조가 확대될수록 이런 고속 연결기술의 중요성도 커진다.
왜 인터커넥트가 중요할까?
AI 반도체는 하나의 칩만으로 끝나지 않는다.
수많은 GPU와 CPU, 메모리, 네트워크 장치가 연결된다.
이때 각 구성요소가 데이터를 얼마나 빠르게 주고받을 수 있는지가 중요하다.
예를 들어,
GPU 성능 ↑
하지만
GPU 간 통신 속도 ↓
라면 전체 AI 시스템 성능이 제한될 수 있다.
따라서 NVIDIA가 NVLink를 중요하게 생각하는 것처럼 AMD 역시 고속 인터커넥트를 중요하게 보고 있다.
AMD와 NVIDIA의 인터커넥트 경쟁
두 기업의 전략을 비교하면 흥미롭다.
| 분야 | NVIDIA | AMD |
|---|---|---|
| GPU | GeForce·데이터센터 GPU | Radeon·Instinct |
| AI 가속기 | 데이터센터 GPU | Instinct |
| 소프트웨어 | CUDA | ROCm |
| GPU 연결 | NVLink | Infinity Fabric 계열 기술 |
| 메모리 | HBM | HBM |
| 설계방식 | 고집적 GPU·시스템 | Chiplet 중심 설계 강점 |
| CPU | 제한적 | EPYC 등 |
| 데이터센터 | AI·GPU 중심 | CPU + GPU 플랫폼 |
두 기업 모두 GPU만 판매하는 것이 아니라 전체 컴퓨팅 시스템을 장악하려는 방향으로 움직이고 있다.
ROCm이란 무엇인가?
AMD가 NVIDIA의 CUDA에 대응하기 위해 중요하게 발전시키고 있는 것이 ROCm이다.
ROCm은 AMD GPU에서 고성능 컴퓨팅과 AI 프로그램을 개발·실행하기 위한 소프트웨어 플랫폼이다.
NVIDIA의 CUDA가 오랫동안 GPU 컴퓨팅 생태계를 구축해 온 것처럼 AMD도 ROCm을 통해 개발자와 AI 기업을 확보하려 하고 있다.
CUDA와 ROCm의 경쟁
AI 반도체 경쟁에서 가장 어려운 부분 중 하나가 바로 소프트웨어다.
하드웨어는 새로운 세대가 나오면 성능 경쟁을 할 수 있다.
하지만 소프트웨어 생태계는 오랜 시간이 필요하다.
NVIDIA는 CUDA를 통해 오랫동안 개발자 생태계를 구축했다.
AMD는 ROCm을 발전시키면서 CUDA 중심의 AI 개발환경에 도전하고 있다.
이를 단순하게 표현하면,
NVIDIA
→ GPU + CUDA
AMD
→ GPU + ROCm
이라는 경쟁구조다.
AMD가 소프트웨어를 강화하는 이유
아무리 좋은 GPU를 만들어도 개발자가 사용하기 어렵다면 실제 시장에서 경쟁하기 어렵다.
AI 개발자는 이미 특정 프레임워크와 라이브러리를 사용하고 있다.
따라서 AMD가 AI 가속기 시장을 확대하려면 기존 AI 소프트웨어를 AMD GPU에서도 효율적으로 실행할 수 있도록 지원해야 한다.
이것이 ROCm 생태계 확대가 중요한 이유다.
AMD와 TSMC의 관계
AMD 역시 팹리스 반도체 기업이기 때문에 실제 생산을 위해서는 파운드리가 필요하다.
AMD는 주요 제품 생산에서 TSMC와 긴밀하게 협력하고 있다.
따라서 AMD의 최신 CPU와 GPU가 발전할수록 TSMC의 첨단 제조공정과 연결된다.
이 구조는 NVIDIA와 매우 유사하다.
NVIDIA → TSMC
AMD → TSMC
라는 구조가 형성된다.
결국 TSMC는 세계적인 AI·고성능 컴퓨팅 반도체 기업의 중요한 제조 파트너 역할을 하고 있다.
AMD와 SK하이닉스·삼성전자의 연결
AMD의 AI 가속기에는 HBM이 필요하다.
HBM을 생산하는 대표적인 기업이 SK하이닉스와 삼성전자다.
따라서 AMD의 AI GPU 시장이 확대되면 HBM 공급망에도 영향을 줄 수 있다.
이를 전체 공급망으로 보면,
AMD
→ AI 가속기 설계
↓
TSMC
→ GPU 제조
↓
SK하이닉스·삼성전자 등
→ HBM 공급
↓
첨단 패키징
→ GPU + HBM 통합
↓
AI 데이터센터
라는 구조로 연결된다.
AMD와 NVIDIA의 가장 큰 차이
AMD와 NVIDIA는 모두 GPU와 AI 가속기를 개발하지만 전략에는 차이가 있다.
NVIDIA는 오랜 기간 CUDA를 중심으로 강력한 GPU 생태계를 구축했다.
반면 AMD는 CPU와 GPU를 함께 보유하고 있으며 Chiplet 기술을 적극적으로 활용하고 있다.
따라서 AMD의 강점은,
CPU + GPU + Chiplet + 인터커넥트
를 함께 설계할 수 있다는 점에서 찾을 수 있다.
AMD의 Chiplet 전략이 중요한 이유
AI 반도체가 점점 복잡해지면서 하나의 거대한 칩보다 여러 개의 칩을 연결하는 방식이 중요해질 가능성이 있다.
특히,
GPU
CPU
I/O
HBM
네트워크
를 하나의 시스템으로 구성해야 한다.
Chiplet은 이러한 복잡한 시스템을 구성하는 데 유연성을 제공할 수 있다.
AMD는 CPU 분야에서 이미 Chiplet 설계 경험을 축적했다.
이러한 경험은 AI 가속기와 데이터센터용 시스템에서도 중요한 경쟁력이 될 수 있다.
AI 반도체에서 패키징이 중요해지는 이유
AI 가속기의 성능이 높아질수록 칩 하나만 잘 만드는 것으로는 충분하지 않다.
GPU와 HBM을 가까이 배치하고 빠르게 연결해야 한다.
따라서 첨단 패키징이 중요하다.
예를 들어,
GPU
HBM
을 하나의 고성능 패키지로 구성하면 데이터 이동거리를 줄이고 높은 대역폭을 구현하는 데 도움이 될 수 있다.
이 때문에 TSMC를 비롯한 반도체 생태계에서 첨단 패키징 기술이 점점 중요해지고 있다.
AMD의 특허와 기술적 진입장벽
AMD 역시 CPU와 GPU, Chiplet, 인터커넥트, AI 가속기와 관련된 다양한 특허와 지식재산을 보유하고 있다.
대표적인 기술영역을 보면,
- CPU 아키텍처
- GPU 아키텍처
- Chiplet
- Infinity Fabric
- 메모리 인터페이스
- AI 가속
- 패키징
- 전력관리
- 데이터센터 프로세서
등이 있다.
하지만 AMD의 경쟁력을 특허 숫자로만 판단해서는 안 된다.
중요한 것은,
아키텍처
설계 노하우
Chiplet 기술
소프트웨어
고객 생태계
가 함께 작동한다는 점이다.
AMD가 NVIDIA를 따라잡기 어려운 이유
AMD가 NVIDIA와 경쟁하면서 가장 어려운 부분 가운데 하나는 소프트웨어 생태계다.
NVIDIA는 CUDA를 오랫동안 발전시키면서 개발자와 기업이 CUDA 기반으로 AI 시스템을 구축하도록 만들었다.
따라서 AMD가 단순히 GPU 성능을 높이는 것만으로 NVIDIA를 따라잡기는 어렵다.
AMD가 성공하려면,
GPU 성능
HBM
가격 경쟁력
전력효율
ROCm
개발자 생태계
를 동시에 발전시켜야 한다.
그렇다면 AMD에게 기회는 없는 것일까?
그렇지 않다.
AI 시장 자체가 빠르게 성장하고 있기 때문이다.
AI 데이터센터가 확대되면 GPU와 AI 가속기의 수요가 증가할 수 있다.
시장이 커지면 특정 기업 하나만으로 전체 수요를 충족하기 어려울 수 있다.
이때 AMD는 NVIDIA의 대안으로 시장을 확대할 기회를 가질 수 있다.
특히 기업 입장에서는,
공급 안정성
가격
성능
전력효율
소프트웨어 호환성
등을 종합적으로 비교할 수 있다.
AMD의 미래 성장 분야
앞으로 AMD에서 주목할 분야는 다음과 같다.
AI 가속기
Instinct 제품군을 중심으로 데이터센터 AI 시장을 확대할 가능성이 있다.
HBM
AI 가속기 성능이 증가할수록 고대역폭 메모리의 중요성도 높아질 수 있다.
Chiplet
복잡한 AI 시스템을 구성하는 핵심 설계방식으로 활용될 가능성이 있다.
EPYC
AI 데이터센터의 CPU 수요와 함께 성장할 수 있다.
ROCm
CUDA에 대응하는 AI 소프트웨어 생태계 확대가 중요하다.
데이터센터
CPU와 GPU를 결합한 종합적인 데이터센터 플랫폼 경쟁이 가능하다.
엣지 AI
AI가 PC, 자동차, 산업장비 등으로 확대되면서 새로운 시장이 열릴 수 있다.
AMD가 해결해야 할 과제
AMD 역시 여러 과제를 가지고 있다.
첫 번째는 CUDA 생태계와의 경쟁이다.
GPU 하드웨어만으로는 AI 시장에서 충분한 경쟁력을 확보하기 어렵다.
두 번째는 AI 가속기 시장 점유율 확대다.
기업과 클라우드 사업자가 AMD GPU를 적극적으로 선택하도록 만들어야 한다.
세 번째는 소프트웨어 호환성이다.
AI 개발자가 AMD GPU를 쉽게 사용할 수 있도록 ROCm 생태계를 계속 발전시켜야 한다.
네 번째는 공급망 관리다.
TSMC의 첨단 공정과 HBM 공급망, 첨단 패키징 등 여러 요소가 동시에 필요하다.
다섯 번째는 전력효율이다.
AI 데이터센터의 전력비용이 증가할수록 성능 대비 전력효율이 중요한 경쟁요소가 될 수 있다.
마무리 – AMD는 NVIDIA의 대항마를 넘어 AI 컴퓨팅 플랫폼을 만들고 있다
AMD를 단순히 “NVIDIA의 GPU 경쟁기업”이라고 표현하면 AMD의 전략을 충분히 이해하기 어렵다.
AMD는 CPU와 GPU를 모두 설계하고 있으며 Chiplet과 Infinity Fabric을 활용해 다양한 컴퓨팅 구성요소를 연결하고 있다.
여기에 Instinct AI 가속기와 HBM을 결합하고 ROCm 소프트웨어 생태계를 확대하고 있다.
즉 AMD가 만들어가고 있는 것은 단순한 GPU가 아니라 AI 컴퓨팅 플랫폼이다.
NVIDIA가,
GPU + HBM + NVLink + CUDA
를 중심으로 AI 플랫폼을 구축했다면,
AMD는,
CPU + GPU + HBM + Chiplet + Infinity Fabric + ROCm
을 중심으로 경쟁하고 있다.
이 차이는 매우 중요하다.
앞으로 AI 데이터센터가 더욱 커지면 하나의 GPU 성능보다 수많은 컴퓨팅 자원을 얼마나 효율적으로 연결할 수 있는가가 중요해질 가능성이 높다.
이때 Chiplet과 고속 인터커넥트 기술은 중요한 역할을 할 수 있다.
또한 AI 반도체 시장이 커질수록 NVIDIA 하나의 공급망에 의존하기보다 여러 가속기 플랫폼을 활용하려는 기업도 늘어날 가능성이 있다.
이러한 환경은 AMD에게 중요한 기회가 될 수 있다.
AMD를 한 문장으로 정리하면,
AMD는 CPU와 GPU 설계 역량을 기반으로 Chiplet·Infinity Fabric·HBM·ROCm을 결합해 NVIDIA 중심의 AI 컴퓨팅 시장에 도전하는 대표적인 차세대 AI 반도체 기업이다.
25강 시리즈 전체 정리 – 반도체는 하나의 산업이 아니다
이번 25강까지 우리는 반도체 산업을 움직이는 다양한 기업을 살펴봤다.
처음에는 반도체가 단순히 하나의 제품이라고 생각하기 쉽다.
하지만 실제로는 전혀 그렇지 않다.
반도체 하나가 만들어지기까지는,
설계
↓
반도체 장비
↓
웨이퍼 제조
↓
노광
↓
증착·식각
↓
검사·계측
↓
메모리
↓
첨단 패키징
↓
AI GPU
↓
데이터센터
라는 거대한 생태계가 연결된다.
반도체 장비기업
ASML은 EUV 노광 기술을 통해 최첨단 회로를 웨이퍼에 형성하는 데 중요한 역할을 한다.
Applied Materials는 증착과 식각, CMP 등 다양한 제조공정 장비를 제공한다.
Lam Research는 식각과 증착 분야에서 강력한 기술력을 가지고 있다.
Tokyo Electron은 증착·식각·세정·코터/디벨로퍼 등 다양한 전공정 장비를 공급한다.
KLA는 검사와 계측, 공정제어를 통해 반도체 제조의 품질과 수율을 관리하는 데 중요한 역할을 한다.
반도체 제조기업
TSMC는 세계적인 순수 파운드리 기업으로 성장했다.
삼성전자는 메모리와 파운드리를 동시에 운영하는 종합 반도체 기업이다.
SK하이닉스는 DRAM과 HBM을 중심으로 AI 반도체 메모리 공급망에서 중요한 위치를 차지하고 있다.
AI 반도체 기업
NVIDIA는 GPU와 CUDA, HBM, NVLink를 연결해 AI 컴퓨팅 생태계를 구축했다.
AMD는 CPU와 GPU, Chiplet, Infinity Fabric, ROCm을 결합해 NVIDIA에 도전하고 있다.
결국 AI 반도체 경쟁은 ‘생태계’ 경쟁이다
25강을 하나의 그림으로 정리하면 다음과 같다.
ASML
노광
↓
Applied Materials / Lam Research / Tokyo Electron
증착·식각·세정
↓
KLA
검사·계측
↓
TSMC / 삼성전자
반도체 제조
↓
SK하이닉스 / 삼성전자
HBM·메모리
↓
NVIDIA / AMD
AI GPU·가속기
↓
첨단 패키징
GPU + HBM
↓
AI 데이터센터
생성형 AI·대규모 AI 연산
이것이 바로 현대 반도체 산업의 구조다.
25강을 마치며
반도체 산업을 공부할 때 가장 중요한 것은 기업 이름을 외우는 것이 아니다.
각 기업이 공급망에서 어떤 역할을 하는지 이해하는 것이 더 중요하다.
ASML을 이해하면 왜 EUV가 중요한지 알 수 있다.
KLA를 이해하면 왜 반도체 검사와 수율이 중요한지 알 수 있다.
TSMC를 이해하면 왜 파운드리가 현대 반도체 산업의 핵심인지 알 수 있다.
삼성전자와 SK하이닉스를 이해하면 왜 메모리와 HBM이 AI 산업에서 중요한지 알 수 있다.
NVIDIA와 AMD를 이해하면 왜 GPU와 AI 가속기가 AI 시대의 핵심 반도체가 되었는지 알 수 있다.
그리고 이 모든 기업을 연결하면 하나의 결론에 도달한다.
미래의 반도체 경쟁은 단일 기업의 경쟁이 아니라 기술 생태계 전체의 경쟁이다.
더 미세한 트랜지스터를 만드는 기술도 필요하고,
더 빠른 메모리도 필요하다.
더 정밀한 검사장비도 필요하고,
더 빠른 패키징도 필요하다.
그리고 이 모든 기술을 하나의 AI 시스템으로 연결해야 한다.
앞으로 반도체 산업에서는 2나노·GAA·HBM4·3D 패키징·Chiplet·광통신·AI 가속기가 서로 연결되면서 새로운 산업 생태계를 만들어갈 가능성이 높다.
따라서 앞으로 반도체 기업을 공부할 때는 단순히,
“이 회사가 무엇을 만드는가?”
에서 끝내지 말고,
“이 기술이 다음 단계의 반도체와 어떻게 연결되는가?”
를 함께 살펴보는 것이 중요하다.
이번 25강 시리즈가 바로 그 흐름을 이해하는 데 도움이 될 수 있다.
반도체 → 나노기술 → 첨단 제조 → HBM → 첨단 패키징 → GPU → AI 컴퓨팅
이 연결고리를 이해하면 앞으로 등장하는 새로운 반도체 기술과 기업을 바라보는 시각도 훨씬 넓어질 것이다.
25강 핵심 기업 한눈에 보기
| 기업 | 핵심 기술 | 반도체 산업에서의 역할 |
|---|---|---|
| ASML | EUV | 최첨단 노광 |
| Applied Materials | 증착·식각·CMP | 전공정 장비 |
| Lam Research | 식각·증착 | 전공정 장비 |
| Tokyo Electron | 증착·식각·세정 | 전공정 장비 |
| KLA | 검사·계측 | 공정제어 |
| TSMC | 첨단 파운드리 | 반도체 제조 |
| 삼성전자 | DRAM·NAND·HBM·파운드리 | 종합 반도체 |
| SK하이닉스 | DRAM·HBM | AI 메모리 |
| NVIDIA | GPU·CUDA | AI 가속기 |
| AMD | GPU·Chiplet·ROCm | AI 가속기 경쟁 |
25강 시리즈의 핵심은 바로 이것이다.
좋은 반도체 하나는 한 기업이 만드는 것이 아니라 수많은 기업의 기술이 연결되어 만들어진다.
그리고 AI 시대에는 그 연결의 중심에 HBM, 첨단 패키징, GPU, 고속 인터커넥트, 데이터센터가 자리 잡고 있다.
유트
