아시아태평양 기술 및 AI 반도체 공급망: Rubin Ultra, 계층형 HBM 구성 채택 가능성…AI 컴퓨팅 확장은 CoWoS·웨이퍼·테스트·광 인터커넥트 수요 지속 견인

개요

본 보고서는 AI GPU 및 ASIC 공급망의 아키텍처 조정, 메모리 구성, 서버 랙, 광 인터커넥트, 첨단 패키징, 테스트 수요 및 전력 제약에 초점을 맞춘다. 핵심 관점은 Rubin Ultra가 계층형 HBM 사양을 통해 메모리 부족과 비용 압박을 완화할 수 있다는 것이다. Kyber 랙은 PCB 및 냉각 문제로 지연에 직면해 있으며, NVIDIA는 단기적으로 Oberon NVL72를 연장하고 CPO/NPO를 활용해 더 큰 규모의 인터커넥트를 지원할 수 있다. 동시에 Google TPU 및 CPU, Rubin 시리즈와 기타 맞춤형 ASIC의 확대는 CoWoS, 첨단 노드 웨이퍼, HBM 및 테스트 수요를 계속 견인할 것이다.

핵심 견해

첫째, Rubin Ultra는 고사양 제품에 HBM4e를, 저사양 제품에 HBM4를 사용하는 복수의 HBM 구성 계층을 형성해 서로 다른 워크로드에 대응하고 공급 및 비용 압박을 완화할 수 있다. 둘째, 메모리 사양 하향은 긴 컨텍스트 대규모 모델의 디코딩 성능을 약화시킬 수 있으나, 칩당 메모리 감소는 총 가속기 출하량을 늘릴 수도 있다. 셋째, Kyber 랙의 명확한 납품 일정은 아직 없으며, 1세대 Rubin Ultra 시스템은 Oberon NVL72 아키텍처를 계속 사용하고 CPO/NPO를 통해 NVL576 수준의 연결성을 달성할 수 있다. 넷째, 파운드리 공정 및 SerDes 속도 제약으로 중국 AI GPU 업체들은 슈퍼노드 구축에 NPO를 더 선호하는 반면, NVIDIA의 CPO 경로는 스케일아웃 확장에서 차별화를 만들 수 있다. 다섯째, Google TPU, CPU 및 Rubin 수요는 2026년부터 2027년까지 AI 반도체 공급망의 지속 성장을 뒷받침하지만, 전력 공급은 칩 생산능력보다 더 엄격한 제약이 될 수 있다.

분석 프레임워크

보고서는 공급망 채널 점검과 보텀업 추정을 결합한다. CoWoS 웨이퍼 배정, 웨이퍼당 생산 가능 칩 수 및 HBM 구성을 바탕으로 가속기 출하량과 메모리 수요를 추정하고, 공정 노드, 칩렛 수, 웨이퍼 소비량 및 웨이퍼 가격을 기반으로 웨이퍼 매출 기회를 추정한다. 또한 HGX 서버 9대를 NVL72 랙 1대와 동등한 것으로 간주해 칩-랙 매칭 모델에 반영하며, GPU 또는 ASIC당 평균 전력 소비량을 이용해 전체 전력 용량 요구사항을 추정한다.

방법론 메모

• 공급망 리서치채널 점검

  메모리, 패키징, 서버 및 테스트 산업 체인의 피드백을 통해 제품 사양과 납품 속도를 평가한다.

  채널 피드백은 Rubin Ultra의 계층형 HBM 계획, Kyber 랙 지연, CPO/NPO 채택 방향 및 Google TPU와 CPU 테스트 수요를 평가하는 데 사용된다.

• 용량 및 출하량 추정CoWoS 보텀업 모델

  CoWoS 웨이퍼 배정과 웨이퍼당 생산 가능한 칩 수를 이용해 가속기 출하량을 추정한다.

  이 모델은 칩당 HBM 용량, 적층 수 및 세대를 추가로 결합해 총 HBM 수요를 추정하고, 고객 및 칩 공급업체별 CoWoS 수요를 분해한다.

• 시스템 출하량 매칭칩-랙 등가 환산

  HGX 시스템과 NVL72 랙을 통합 GPU 소비 지표로 환산한다.

  보고서는 GPU 8개를 탑재한 HGX 서버 9대가 NVL72 랙 1대와 동등하다고 가정하고, 이를 사용해 Blackwell 칩 공급과 서버 랙 수요를 재매칭한다.

• 인프라 제약전력 용량 환산

  가속기 수에 평균 열설계전력을 곱해 필요한 전력 용량을 추정한다.

  GPU 또는 ASIC당 약 2kW라는 예시 파라미터를 사용해 보고서는 2027년 약 1,900만 개 가속기를 약 38GW의 전력 수요로 환산하여, 칩 수요 전망이 인프라로 뒷받침될 수 있는지를 검증한다.

자산 매핑 및 비교

투자 논리에서 명시된 자산으로의 구조화 매핑(강점, 약점, 비교 대상, 위험).

• NVIDIA

  Rubin, Rubin Ultra, Blackwell 및 슈퍼노드 아키텍처의 핵심 동인

  강점

  GPU와 NVLink부터 랙 수준 시스템에 이르는 완전한 생태계를 보유하고 있으며, CPO 로드맵은 대규모 인터커넥트 성능을 강화할 것으로 예상되고 Rubin 시리즈는 2026년 하반기에 양산 램프업 사이클에 진입할 것으로 예상된다.

  약점

  Rubin Ultra는 HBM 공급과 비용 간 트레이드오프에 직면하고, Kyber 랙은 PCB, 냉각 및 납품 시점과 관련한 불확실성이 있다.

  비교

  NPO를 사용하는 중국 슈퍼노드 솔루션과 비교해 NVIDIA는 랙 간 스케일아웃 성능 향상을 위해 CPO 사용에 더 기울어 있다.

  위험

  성능에 영향을 주는 HBM 사양 조정, 랙 지연, 전력 부족, 공급망 버퍼 재고 소진이 예상에 못 미치는 위험 및 규제 제한.

• TSMC

  AI GPU 및 ASIC용 첨단 노드 웨이퍼와 CoWoS 패키징 생산능력의 핵심 공급업체

  강점

  GPU, TPU 및 맞춤형 ASIC의 동반 성장 수혜를 받으며, 보고서는 2024년부터 2029년까지 AI 관련 매출 CAGR이 약 60%에 이를 것으로 예상한다.

  약점

  수요는 고객 자본지출, 첨단 패키징 생산능력 확대 및 이를 뒷받침하는 데이터센터 인프라에 크게 의존한다.

  비교

  CoWoS 생산능력은 글로벌 AI 칩 공급 및 고객 배정을 측정하기 위해 보고서에서 사용된 핵심 기준이다.

  위험

  전력 병목으로 최종 배치가 칩 생산능력에 미달할 위험, 고객 배정 변화 및 첨단 노드·패키징 생산능력 확대의 실행 위험.

• SK hynix, Micron, Samsung

  HBM3e, HBM4 및 HBM4e의 주요 잠재 공급업체

  강점

  총 AI HBM 소비량은 2026년 최대 약 300억 Gb에서 2027년 최대 약 500억 Gb로 증가할 것으로 예상된다.

  약점

  Rubin Ultra의 계층형 구성은 일부 제품의 칩당 HBM 콘텐츠를 낮출 수 있으며, 공급업체들은 서로 다른 적층 및 세대 사양도 충족해야 한다.

  비교

  서로 다른 GPU 및 ASIC 제품 전반의 인증과 배정은 공급업체별로 다르며, 일부 맞춤형 ASIC 및 저사양 구성에서 Samsung의 참여가 확대될 수 있다.

  위험

  사양 하향, 인증 지연, 수율, 가격 압박 및 신규 생산능력이 수요보다 빠르게 풀릴 위험.

• MediaTek

  Google TPU 맞춤형 ASIC 설계 파트너이자 2nm 제품 공급망의 잠재 수혜자

  강점

  회사는 2027년 ASIC 시장점유율 15%~20%를 가이던스로 제시하며, 2nm TPU가 램프업됨에 따라 2028년 매출 비중이 추가로 상승할 것으로 예상한다.

  약점

  매출 성장은 Google 프로젝트 일정, 첨단 노드 양산 및 후공정 테스트 역량에 의존한다.

  비교

  Broadcom의 기존 TPU 프로젝트와 병행해 MediaTek은 TPU v8t, v9 및 후속 세대에서 참여를 확대할 것으로 예상된다.

  위험

  프로젝트 지연, 고객 집중, 2nm 양산 위험 및 ASIC 경쟁 심화.

• King Yuan Electronics Co Ltd

  Google TPU 및 CPU 웨이퍼 테스트, 최종 테스트 및 시스템 수준 테스트 수요의 수혜자

  강점

  Google 관련 수요는 2026년 매출의 8%~10%에서 2027년 10%~15%로 상승할 것으로 예상되며, 더 긴 테스트 시간과 높은 복잡도는 테스트 콘텐츠 가치에 긍정적이다.

  약점

  관련 매출은 단일 고객 프로젝트의 램프업 속도에 민감하며, 일부 매출은 2026년 및 2027년 4분기로 이연됐다.

  비교

  칩 물량에서만 수혜를 받는 공급업체와 달리 KYEC는 번인 테스트 및 시스템 수준 테스트의 침투율 상승에서도 혜택을 받는다.

  위험

  TPU 또는 CPU 출하량 부진, 테스트 생산능력 배정 오류, 고객 집중 및 프로젝트 이연.

• GUC

  맞춤형 ASIC 설계 서비스 공급업체이자 TPU 후공정 설계의 잠재 참여자

  강점

  회사는 미래 TPU 세대를 위한 컴퓨트 칩렛 후공정 설계 서비스 제공에 관심을 표명했으며, 보고서는 관련 CoWoS 수요가 빠르게 증가할 것으로 예상한다.

  약점

  프로젝트 수주와 매출 인식은 고객 결정 및 제품 양산 시점에 의존한다.

  비교

  MediaTek 및 Broadcom 같은 종합 ASIC 파트너와 비교해 GUC는 설계 서비스와 고객 맞춤형 프로젝트에 더 집중한다.

  위험

  프로젝트 미실현, 설계 복잡성, 첨단 패키징 생산능력 및 고객 집중 위험.

• 중국 AI GPU 업체

  초대형 모델 훈련 및 추론을 위한 국내 슈퍼노드 아키텍처 구축

  강점

  NPO를 통해 복수의 랙을 연결함으로써 국내 공급망 제약 아래에서 확장해 2조 개 이상의 파라미터를 가진 대규모 모델을 지원할 수 있다.

  약점

  파운드리 공정 제약으로 국내 GPU의 SerDes 레인당 속도는 여전히 약 100Gb/s 수준일 수 있어 인터커넥트 효율을 제한한다.

  비교

  NVIDIA가 선호하는 랙 간 CPO 방향과 비교해 중국 업체들은 현재 근접 패키지 광학 NPO 솔루션에 더 기울어 있다.

  위험

  공정 노드, 인터커넥트 대역폭, 전력 소비, 소프트웨어 생태계, 수출 통제 및 양산 실행 위험.

핵심 데이터

• Google TPU 출하량2026년 370만 대; 2027년 700만 대 이상표의 합계는 2027년 약 735만 대이며, 주로 TPU v8i와 v8t가 기여한다.
• Google CPU 출하량2026년 150만 대; 2027년 300만 대관련 프로젝트에는 번인 테스트 및 시스템 수준 테스트가 필요하다.
• KYEC 매출 중 Google 관련 사업 비중2026년 8%~10%; 2027년 10%~15%TPU, CPU, 최종 테스트 및 일부 웨이퍼 테스트 매출을 포함한다.
• MediaTek의 ASIC 시장점유율 가이던스2027년 15%~20%회사는 2nm TPU 제품이 램프업됨에 따라 2028년에도 매출 비중이 계속 상승할 수 있다고 본다.
• Blackwell 출하량 전망2026년 540만 대보고서는 2026년 하반기에 칩 공급이 Grace Blackwell NVL72 수요를 충족하기에 충분할 것으로 본다.
• Rubin 및 Rubin Ultra 출하량 전망2027년 700만 대에 근접Rubin은 2026년 3분기에 램프업을 시작하고, 랙 출하는 4분기에 시작될 것으로 예상된다.
• Rubin NVL72 랙 출하량2027년 약 9만 세트전망은 칩-랙 소비 매칭 모델에 기반한다.
• 2027년 CoWoS 기준 AI 칩 물량약 1,900만 대칩당 평균 2kW를 가정하면 약 38GW의 전력 수요에 해당한다.
• AI HBM 소비량2026년 최대 약 300억 Gb; 2027년 최대 약 500억 Gb추정치는 AI GPU 및 주요 클라우드 공급업체 ASIC 구성을 포괄한다.
• AI 웨이퍼 소비 가치2026년 최소 미화 260억 달러; 2027년 최소 미화 590억 달러가속기 출하량, 칩렛 수, 공정 노드 및 웨이퍼 가격을 기준으로 추정됐다.
• 글로벌 CoWoS 총수요 전년 대비 성장률2026년 102%; 2027년 93%수요 성장은 NVIDIA, Broadcom, AMD 및 GUC를 포함한 고객사들이 공동으로 견인한다.
• TSMC의 AI 관련 매출 성장2024년부터 2029년까지 예상 CAGR 약 60%범용 AI 칩, 맞춤형 ASIC, CoWoS 및 웨이퍼 테스트, AI 서버 CPU를 포괄한다.

영향과 시사점

산업 체인에 미치는 영향은 일방적이지 않다. 계층형 HBM 구성은 고사양 메모리 공급 압박을 완화하고 시스템 비용을 낮출 수 있지만, 칩당 HBM 용량 하락은 메모리 콘텐츠 가치를 억제할 수 있는 반면 더 높은 칩 출하량은 웨이퍼, 패키징, 테스트 등 물량 중심 공급업체에 혜택을 준다. Kyber 지연은 단기적으로 신규 랙 채택에 부정적이나, Oberon NVL72와 관련 PCB, 냉각 및 시스템 공급망의 수명주기를 연장할 수 있다. 더 큰 규모의 슈퍼노드는 CPO/NPO, 고속 인터커넥트 및 광 부품의 중요성을 높일 것이다. Google TPU 및 CPU 수요의 상향 조정은 MediaTek, GUC, KYEC 및 관련 첨단 패키징·테스트 부문의 기회를 직접 강화한다. 장기적으로 가장 큰 제약은 점차 칩 생산능력에서 전력, 데이터센터 건설 및 시스템 수준 냉각 역량으로 이동할 수 있다.

위험

• 지속적인 HBM 부족 또는 인증 지연은 Rubin Ultra의 최종 사양 및 램프업 속도 변경으로 이어질 수 있다.
• HBM 사양 하향은 긴 컨텍스트 대규모 모델의 디코딩 성능에 상대적으로 큰 영향을 미칠 수 있다.
• Kyber 서버 랙은 PCB, 냉각 및 시스템 엔지니어링 문제의 영향을 받고 있으며 납품 시점은 여전히 불확실하다.
• 글로벌 전력, 데이터센터 건설 및 계통 연결 역량은 전망된 AI 가속기 설치 규모를 지원하지 못할 수 있다.
• CoWoS, 첨단 노드 웨이퍼 또는 테스트 생산능력 확대가 실제 수요와 불일치할 수 있다.
• 클라우드 공급업체 자본지출, Google TPU 및 CPU 또는 Rubin 프로젝트 출하량이 기대에 미치지 못할 수 있다.
• CPO/NPO 기술 로드맵, 수율, 비용 및 양산 시점에는 불확실성이 존재한다.
• 미국 행정명령, 수출 통제 및 관련 거래 제한은 특정 기업과 증권에 영향을 미칠 수 있다.
• Morgan Stanley는 여러 커버리지 기업과 지분 보유, 투자은행 업무 또는 기타 사업 관계를 맺고 있어 잠재적 이해상충을 초래할 수 있다.

주시할 점

• 2026년 3분기 말 이전 Rubin Ultra HBM 사양에 대한 NVIDIA의 최종 결정.
• 서로 다른 HBM 구성이 디코딩, 프리필 및 긴 컨텍스트 대규모 모델 성능에 미치는 실제 영향.
• Kyber 랙의 명확한 양산 일정과 PCB 및 냉각 문제 해결 진척.
• Oberon NVL72가 NVL576으로 확장됨에 따른 CPO와 NPO의 채택 비율.
• 2026년 3분기 Rubin 양산 램프업 및 4분기 랙 출하의 실행.
• 2027년 Google TPU 700만 대 이상 및 CPU 300만 대 전망의 실현 정도.
• TPU 프로젝트에서 MediaTek의 매출 비중과 2nm 제품 진척.
• KYEC의 번인 테스트 및 시스템 수준 테스트 생산능력 가동률과 Google 관련 매출 기여.
• TSMC CoWoS 고객 배정, 생산능력 확대 속도 및 AI 관련 매출 성장.
• 글로벌 AI 데이터센터 전력 용량, 계통 연결 진척 및 냉각 인프라 구축.