China AI infrastructure ecosystem 리서치 보고서 해설

개요

이 산업 심층 보고서는 중국 AI 추론 수요의 급격한 증가가 광범위한 국내 인프라 구축을 어떻게 이끌 수 있는지 검토한다. JPMorgan의 핵심 견해는 현지화가 빠르게 확대되어 여러 공급망 부문을 지원하겠지만, 제한된 첨단 파운드리 역량, 수율 과제 및 제약된 HBM 공급이 단기 칩 공급을 억제하고 수혜 기업을 가를 것이라는 것이다.

핵심 견해

JPMorgan은 중국 AI 인프라 사이클이 학습보다 주로 추론에 의해 주도된다고 본다. DeepSeek를 포함한 저비용 오픈소스 모델의 등장으로 일일 토큰 소비량은 2024년 초 약 100 billion에서 2026년 3월 140 trillion 이상으로 늘어 2년 미만 동안 1,000배 이상 증가했다. 소비자·기업 채택, 에이전트형 AI, 멀티모달 애플리케이션, 더 긴 컨텍스트, 반복적 도구 호출이 세션당 토큰량을 계속 높일 것으로 예상한다. JPMorgan 중국 인터넷팀은 2025-30년 토큰 소비가 약 330% CAGR를 기록할 것으로 전망한다. 보고서는 추론 처리량 프레임워크로 토큰 전망을 인프라 수요로 전환한다. 첫 토큰까지의 시간에 영향을 미치는 컴퓨팅 집약적 prefill과 출력 토큰당 시간을 결정하는 메모리 집약적 decode를 구분하며, 후자는 더 큰 메모리 용량과 대역폭을 필요로 한다. 가정에는 671 billion 파라미터 모델 배포, 50ms 미만 TPOT, 128 배치 크기, 4,096 KV 캐시 길이가 포함된다. 이 방식에 따르면 증분 추론 컴퓨팅 수요는 2030년까지 약 80% CAGR로 증가해 전체 컴퓨팅 요구량의 85%를 차지한다. 단일 다이 패키지와 꾸준한 성능 개선을 가정하면 AI 칩 수요는 2026-30E에 약 40% CAGR로 증가해 2030E 약 14 million units에 이른다. 모델은 초기 1 Throughput (tokens/s) per TFLOPS와 2028E까지 3.3에 이르는 약 30% 연간 효율 개선을 가정한다. 최적화는 수요를 완화할 수 있지만 공급 제약을 해소하지는 못한다. 공급은 보고서의 핵심 제약이다. JPMorgan은 국내 AI 칩 출하를 2026E, 2027E, 2028E에 각각 2 million, 3 million, 5 million units로 추정하며, 해외 GPU 공급이 계속 제약되는 가운데 국내 현지화 비중이 2028E 총공급의 80%, 2030E 90%에 이를 것으로 예상한다. 현지 기업들은 향후 2-3년간 첨단 로직 역량을 150,000-200,000 wafers per month 추가하는 것을 목표로 하지만, 유효 생산량은 수율 개선과 더 첨단 공정 노드로의 전환에 좌우된다. 따라서 향후 6-12개월 국산 GPU와 ASIC은 판매자 시장을 유지하며, 확보된 역량 또는 재고를 가진 기업이 우위에 설 것으로 본다. AI 서버/하드웨어 매출은 2026E, 2027E, 2028E에 약 RMB230 billion, RMB326 billion, RMB532 billion으로 전망하나, H200 또는 다른 해외 칩 조달 승인에는 불확실성이 따른다. HBM은 두 번째 주요 병목이다. 기존 국산 칩은 주로 HBM2e를 사용하지만 HBM3/HBM3e로의 전환은 인증 기간과 장비 접근의 제약을 받는다. JPMorgan은 2026-30E HBM 수요를 약 60% CAGR로 전망하며, 2030E까지 현지화 수요를 완전히 충족하려면 약 200,000 wafers per month의 HBM3e 메모리 다이 전공정 역량이 필요하다고 추정한다. 제품 경쟁력이 역량 확대만큼 중요하므로 HBM 자립 격차는 점진적으로만 좁혀질 것으로 본다. 많은 현행 국산 AI 칩이 FP8/FP4를 아직 지원하지 않아 기반 모델 경쟁력과 AI 애플리케이션 확산을 저해할 수 있다고도 지적한다. JPMorgan은 첨단 패키징, 인터커넥트 및 시스템 설계를 전공정 제약 아래에서 실사용 성능을 높이는 현실적 경로로 본다. 칩렛 및 멀티다이 설계는 더 작은 다이를 사용해 수율 한계를 완화하고 웨이퍼당 생산량을 개선할 수 있어 2.5D/3D 패키징과 효율적 다이 간 통신의 중요성을 높인다. 국내 OSAT는 CoWoS-S 유사 솔루션 또는 CoWoS-R 혼합을 처리할 수 있으나 CoWoS-L 유사 기술로의 전환은 2026년 말 이후로 예상되어 모니터링이 필요하다. 보고서는 Huawei의 Tau Scaling과 LogicFolding을 기하학적 스케일링 제약에도 성능 향상을 추구하는 사례로 제시한다. Kirin 2026의 2층 LogicFolding은 트랜지스터 밀도를 238MTr/mm2로, 한 세대에 55% 높이고 성능 코어 전력 효율을 41% 개선할 것으로 예상된다. 시스템 수준에서 중국 업체들은 워크로드 특화, 고밀도 scale-up, 소프트웨어 최적화로 개별 칩의 격차를 상쇄할 수 있다고 보고서는 본다. Huawei Ascend 950PR은 prefill과 추천용이고 950DT는 더 높은 메모리 용량과 대역폭으로 decode와 학습용이며, 후자는 최대 4TB/s 대역폭과 144GB 메모리를 제공한다. Huawei CloudMatrix384는 384개의 Ascend 910 칩과 192개의 Kunpeng CPU를 300 PFLOPS 이상의 시스템으로 통합한다. Alibaba Panjiu AL128은 128-144개의 GPU를 지원하고, Sugon의 슈퍼클러스터는 10,240장의 가속기 카드를 사용하며 5 EFLOPS 이상의 총 컴퓨팅 성능을 주장한다. 이들 시스템은 scale-out 네트워크의 효율 손실을 줄이는 데 목적이 있으나, 큰 자본지출, 더 높은 전력 용량, 데이터센터 재설계를 요구한다. Huawei CANN, Cambricon NeuWare, MetaX MXMACA, Moore Threads MUSA 같은 독자 툴킷은 하드웨어 활용도를 높이려는 것이지만 장기 채택은 프레임워크 호환성과 비용 대비 성능에 좌우된다. 보고서는 이 논리를 반도체 밖으로 확장한다. AI 서버와 데이터센터는 랙당 전력 밀도를 높여 액체 냉각의 필요성을 높이고, 조립식 전력 모듈, 800V DC, 고체 변압기, 백업 전력, ESS, 스마트그리드 투자 수요를 촉진한다. JPMorgan은 2026-30E AI 데이터센터 증분 전력 수요가 약 50% CAGR로 증가하고, 2030E 데이터센터 사용량이 중국 전체 전력 소비의 약 5%를 차지할 것으로 전망한다. 중국의 총전력 공급을 제약으로 보지는 않지만, 열관리, 전력 아키텍처, 저장장치, 그리드 통합을 중심으로 구조적 인프라 사이클이 형성될 것으로 본다. JPMorgan은 국산 AI 공급망 전반의 수혜 기업을 식별한다. 재고와 첨단 AI 칩 생산 역량을 갖춘 국내 AI 칩 공급업체, 국내 WFE 기업, OSAT 및 테스트 제공업체, 서버 ODM/OEM, AI 캐비닛 수요와 강화된 전력 쿼터 심사에 힘입는 도매 IDC를 선호한다. 주요 선호 종목은 Iluvatar CoreX, NAURA, AMEC, JCET, V-Test, Huaqin, VNET, Sungrow, CATL, TGOOD이다. SMIC는 낮은 수율과 상승하는 감가상각비가 마진을 압박하므로 Neutral을 유지하고, Envicool은 부진한 1Q26 실적, 실적 추정치 하향 및 현재 주가가 내포하는 글로벌 서버 냉각 점유율과의 가치평가 격차로 Underweight를 유지한다.

분석 프레임워크

JPMorgan은 관측된 토큰 성장과 추론 사용 전망에서 출발해 모델 서빙 가정으로 토큰 처리량을 컴퓨팅 및 칩 수요로 환산하고, 이를 파운드리·패키징·HBM 공급과 대조한다. 이어 멀티다이 패키징, 슈퍼노드, 소프트웨어 스택, 전력 인프라가 하드웨어 제약을 어떻게 완화하는지 평가하고, 그 수요를 커버리지 공급망 기업에 매핑한다.

방법론 메모

• 산업 분석 프레임워크수급 프레임워크

  AI 칩·파운드리 역량·HBM 수급 분석

  보고서는 컴퓨팅, 칩 및 HBM의 토큰 주도 수요를 가용 제조 역량, 수율 및 인증 진척과 비교해 예상 병목과 수혜 기업을 식별한다.

• 산업 분석 프레임워크산업 가치사슬 상·중·하류 전이

  AI 인프라 공급망 매핑

  분석은 AI 칩과 제조 장비에서 패키징, 서버, 데이터센터를 거쳐 냉각, 전력, ESS 및 그리드 장비까지 수요를 추적한다.

• 산업 분석 프레임워크물량·가격 분해

  추론 처리량 및 칩 단위 수요 모델

  보고서는 토큰 물량을 컴퓨팅 처리량으로, 다시 칩 단위 수요로 전환하고 하드웨어 활용도, 효율 및 패키지 크기 가정을 반영한다.

자산 매핑 및 비교

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

• Iluvatar CoreX (9903 HK)

  국내 칩 수요와 제한된 해외 GPU 접근의 수혜가 기대되는 선호 국내 AI 칩 공급업체.

  강점

  JPMorgan은 제품 및 공급망 전략, 재고, 역량 지원을 언급한다.

  위험

  파운드리 역량 배분, 제품 성능, 호환성, 비용 효율성이 여전히 중요하다.

• NAURA (002371 CH)

  첨단 로직 및 메모리 역량 추가의 선호 WFE 수혜 기업.

  강점

  현지화와 더 높은 밀도의 자본지출에 대한 익스포저.

  위험

  국내 역량 추가와 기술 전환의 실행.

• AMEC (688012 CH)

  첨단 제조 현지화 수요 호조의 수혜가 기대되는 선호 WFE 기업.

  강점

  첨단 로직 및 메모리 역량의 지속적 추가에 대한 익스포저.

  위험

  파운드리 역량 확대와 수율 진전.

• JCET (600584 CH)

  첨단 패키징 증가의 수혜를 받는 커버리지 OSAT 기업.

  강점

  JPMorgan은 고부가가치 풀스택 CoWoS 유사 패키징 서비스와 점유율 상승을 예상한다.

  약점

  CoWoS-L 유사 기술로의 전환은 핵심 불확실성이다.

  위험

  기술 전환 진척 및 상류 웨이퍼 생산 시점.

• V-Test (688372 CH)

  고급 AI 칩의 물량 증가와 테스트 시간 증가에 수혜를 받는 커버리지 테스트 제공업체.

  강점

  낮은 제조 수율과 멀티칩 패키지 채택 가속에 따른 테스트 시장의 승수 효과.

  위험

  국내 파운드리 칩 생산량에 의존.

• Huaqin (603296 CH)

  Superpod 배치와 국내 서버 수요의 수혜를 받는 선호 서버 ODM/OEM 기업.

  강점

  AI 서버, 일반 서버, 고속 스위치 전반의 풀스택 R&D 및 제조 역량.

  위험

  고객 자본지출 및 배치 복잡성.

• VNET (VNET US)

  AI 관련 주문과 고전력 캐비닛 배치의 수혜를 받는 최선호 IDC 종목.

  강점

  경영진은 현재 신규 주문의 약 70% 이상이 AI 관련이라고 밝혔으며, 전력 쿼터 심사는 가격과 마진을 지지할 수 있다.

  위험

  국내 AI 칩 공급 제약과 예상보다 낮은 중국 CSP 자본지출.

• Sungrow (300274 CH)

  그리드 친화적 AI 데이터센터 전력 구성의 수혜를 받는 ESS 기업.

  강점

  경영진은 AIDC를 ESS의 새로운 기회로 규정한다.

  위험

  AIDC ESS 채택의 범위와 속도.

• CATL (3750 HK/300750 CH)

  AIDC 에너지저장장치 배치의 수혜를 받는 선호 배터리 공급망 기업.

  강점

  ESS 셀 및 시스템 기술, 나트륨이온 ESS, 배치 채널을 확보하는 VNET 전략적 지분.

  위험

  목표 AIDC 배치와 인프라 투자의 실행.

• TGOOD (300001 CH)

  선호 AI 데이터센터 전력 장비 종목.

  강점

  납기, 자본지출 및 전력 비용을 줄이는 것을 목표로 하는 고전압 조립식 인프라와 AI Powerhouse 모듈에 대한 익스포저.

  위험

  800V DC/SST 및 조립식 전력 아키텍처의 채택.

핵심 데이터

• 일일 토큰 소비량More than 140 trillion by March 20262024년 초 약 100 billion에서 증가했으며, 2년 미만 동안 1,000배 이상 성장.
• 중국 토큰 소비 전망~330% CAGR, 2025-30채택 확대와 에이전트형/멀티모달 사용 사례가 견인하는 JPMorgan 중국 인터넷팀 전망.
• 추론 컴퓨팅 수요~80% CAGR through 20302030년까지 전체 컴퓨팅 요구량의 85%를 차지할 전망.
• AI 칩 수요~40% CAGR, 2026-30E; ~14 million units by 2030E토큰 수요 성장, 단일 다이 패키지 및 가정된 성능 개선에 기반.
• 국내 AI 칩 공급2 million / 3 million / 5 million unitsJPMorgan의 2026E / 2027E / 2028E 추정치.
• 첨단 로직 역량 추가 목표150,000-200,000 wafers per month향후 2-3년 목표이나 수율 및 노드 전환 과제가 유효 생산량을 제한.
• HBM 수요~60% CAGR, 2026-30E2030년까지 현지화 수요를 충족하려면 약 200,000 wafers per month의 HBM3e 메모리 다이 역량이 필요.
• AI 데이터센터 증분 전력 수요~50% CAGR, 2026-30E2030년까지 데이터센터 전력 소비가 중국 전체의 약 5%에 이를 전망.

영향과 시사점

보고서의 핵심 함의는 해외 칩 접근 제약과 국내 첨단 공급 부족이 중국 AI 하드웨어 생태계 전반의 현지화를 가속할 것이라는 점이다. 확보된 역량, 재고, 첨단 패키징 또는 테스트 역량을 가진 기업과 고밀도 AI 서버, 데이터센터, 냉각, 전력 시스템, ESS, 그리드 통합을 가능하게 하는 공급업체가 가장 강한 수요 혜택을 받을 것으로 예상한다.

위험

• 첨단 파운드리 역량, 수율, 기술 전환으로 국내 AI 칩 공급이 수요를 밑돌 수 있다.
• HBM3/HBM3e 인증 및 장비 접근 제약이 자립화를 지연시킬 수 있다.
• H200 또는 다른 해외 칩 조달 승인이 국내 하드웨어 수요 가정을 바꿀 수 있다.
• 슈퍼노드 및 클러스터 배치에는 막대한 자본지출, 더 큰 전력 용량, 데이터센터 재설계가 필요하다.
• 국내 AI 칩 경쟁력은 성능, 호환성, 비용 효율성, 소프트웨어 프레임워크 지원에 좌우된다.
• 예상보다 낮은 중국 CSP 자본지출은 데이터센터 수요를 압박할 수 있다.

주시할 점

• 첨단 파운드리 역량 배분, 수율, 2H26 이후 웨이퍼 생산 진척.
• HBM3/HBM3e 인증, 역량 개발 및 국내 제품 경쟁력.
• CoWoS-S/R 유사 솔루션에서 CoWoS-L 유사 첨단 패키징으로의 전환.
• CSP 및 기업 자본지출, 국내 하드웨어 채택, 현지화 AI 칩에 대한 고객 만족도.
• FP8/FP4 지원, 소프트웨어 최적화, 독자 툴킷 호환성의 채택.
• AI 관련 데이터센터 주문, 전력 쿼터 정책, 액체 냉각 채택, ESS/그리드 인프라 배치.