반도체(AI 칩, 파운드리, 메모리, 첨단 패키징, 테스트 및 양자 하드웨어 보안): AI 자본지출, 맞춤형 ASIC 및 중국 자체 컴퓨팅 파워가 강력한 반도체 전망을 공동으로 뒷받침
Morgan Stanley는 글로벌 반도체 시장이 2030년까지 US$1.5tn에 도달하고 AI 반도체가 약 절반을 기여할 것으로 예상한다. 클라우드 자본지출, 첨단 공정, CoWoS, HBM 및 맞춤형 ASIC이 핵심 성장 동력이다. 보고서는 중국 AI 칩의 확대와 양자 보안으로의 전환에도 낙관적이지만, 예산, 에너지, 칩 생산능력 및 규제 제약을 강조한다.
요약
Morgan Stanley는 글로벌 반도체 시장이 2030년까지 US$1.5tn에 도달하고 AI 반도체가 약 절반을 기여할 것으로 예상한다. 클라우드 자본지출, 첨단 공정, CoWoS, HBM 및 맞춤형 ASIC이 핵심 성장 동력이다. 보고서는 중국 AI 칩의 확대와 양자 보안으로의 전환에도 낙관적이지만, 예산, 에너지, 칩 생산능력 및 규제 제약을 강조한다.
- 글로벌 AI 반도체 TAM은 2030년까지 약 US$753bn에 도달할 것으로 예상되며, 같은 기간 글로벌 반도체 시장은 US$1.5tn에 이를 수 있다.
- 4대 CSP의 자본지출은 2026년 2분기에 전년 대비 87% 증가했으며, 자본지출 대비 EBITDA 비율은 70%를 초과했다.
- Morgan Stanley는 전 세계 14개 최대 상장 CSP의 2027년 클라우드 자본지출이 소버린 AI를 제외하고 US$1.4tn에 근접할 것으로 추정한다.
- TSMC의 AI 반도체 매출은 2026년 매출의 30% 이상을 차지할 것으로 예상되며, N2 생산능력은 2026년부터 2028년까지 70% CAGR을 달성할 수 있다.
- Alchip의 Trainium 매출은 2028년 US$8bn에 도달할 수 있으며, MediaTek의 TPU 매출은 2029년 US$70bn에 이를 수 있다.
- 중국의 AI 칩 TAM은 2030년까지 US$91bn으로 성장할 것으로 예상되며, 자체 칩은 낮은 가격으로 강력한 가성비를 보인다.
- 양자 보안으로의 전환은 2030년을 핵심 변곡점으로 하며, PUF 시장은 2030년까지 약 US$310mn에 도달할 것으로 예상된다.
보고서 해설
개요
글로벌 클라우드 자본지출과 총 AI 칩 수요에서 출발해, 보고서는 GPU와 맞춤형 ASIC, TSMC의 첨단 공정 및 CoWoS, HBM과 범용 메모리, 중국의 자체 AI 컴퓨팅 파워, 포스트 양자 암호 전환을 순차적으로 분석한다. 핵심 결론은 AI가 반도체 산업의 가장 강력한 성장 엔진으로 남아 있지만, 비AI 칩, 비용 인플레이션 및 컴퓨팅 인프라 병목이 산업 내 뚜렷한 차별화를 초래하고 있다는 것이다.
핵심 견해
보고서는 먼저 클라우드 자본지출을 활용해 AI 반도체 수요의 지속 가능성을 검증한다. 글로벌 반도체 시장은 2030년까지 US$1.5tn에 도달할 것으로 예상되며 AI 반도체가 약 절반을 기여할 전망이다. AI 반도체 TAM은 2030년 약 US$753bn으로 예상되고, 공급망 데이터 기반의 2026년 클라우드 AI 반도체 시장 강세 시나리오는 US$485bn이다. 4대 CSP인 Amazon, Google, Microsoft 및 Meta의 자본지출은 2026년 2분기에 전년 대비 87% 증가했으며, 자본지출 대비 EBITDA 비율은 70%를 넘어섰다. 전 세계 14개 최대 상장 CSP 추적에 따르면 소버린 AI를 포함하기 전에도 2027년 클라우드 자본지출은 US$1.4tn에 근접할 전망이다. 보고서는 이 수준의 투자가 GPU, ASIC, 서버 CPU, 첨단 패키징, HBM 및 테스트 수요를 계속 견인할 것으로 보지만 예산 제약도 더욱 중요해지고 있다고 판단한다. AI 인프라 공급망 내에서 보고서는 AI 컴퓨팅 웨이퍼 소비 가치가 2027년 US$46bn을 초과할 것으로 예상하며, NVIDIA가 여전히 대부분을 차지할 것으로 본다. 같은 기간 HBM 소비는 최대 48bn Gb에 달할 수 있고 NVIDIA가 최대 수요처로 남을 전망이다. TSMC는 2025년에 관련 칩 5.1mn개를 생산한 것으로 추정되며, 연간 GB200 NVL72 랙 출하량은 30k에 도달할 것으로 예상된다. 발표된 전력 배치, 랙당 전력 소비 및 칩 수를 바탕으로 보고서는 CoWoS 및 2/3nm 웨이퍼 수요를 도출하며, 지속적인 강력한 AI 수요가 TSMC로 하여금 2027년 CoWoS 생산능력을 200kwpm까지 확장하도록 이끌 수 있다고 판단한다. 수급의 전이는 첨단 공정, 첨단 패키징, HBM, I/O 및 테스트에 공동 수혜를 시사하는 한편, ABF 기판 같은 보조 공급품이 특정 AI 칩의 물량 확대를 제약할 수 있다. TSMC는 이 성장 논지의 핵심 수혜자다. 보고서는 TSMC의 N2 고객 수요가 강하게 유지되고 있으며, 회사가 제시한 생산능력 로드맵은 2026년부터 2028년까지 N2 생산능력의 약 70% CAGR을 시사한다고 언급한다. N5 생산능력은 2027년에 감소할 것으로 예상되는 반면 N3 생산능력은 보고서의 수요 전망과 일치하게 계속 증가한다. 성숙 및 특수 공정 생산능력은 2024년부터 2029년까지 7% CAGR을 유지할 것으로 예상된다. AI 반도체 매출은 2026년 TSMC 매출의 30% 이상을 차지하고 매출 믹스와 마진을 모두 개선할 것으로 예상된다. 첨단 패키징에서 TSMC CoWoS는 웨이퍼당 약 9.5배 레티클 크기 또는 4개 칩까지 지원할 수 있다. 공급망 실행이 원활하게 진행될 경우 Intel EMIB는 12배 레티클 크기를 초과하는 대형 칩을 더 쉽게 지원할 수 있다. 따라서 초대형 패키지의 확장성 및 양산 실행이 두 기술 간 핵심 경쟁 영역이다. 범용 GPU를 넘어 보고서는 CSP들이 맞춤형 칩을 계속 필요로 할 것이라고 강조한다. 서로 다른 클라우드 플랫폼은 학습, 추론, 비용, 전력 소비 및 자체 소프트웨어 스택에 대한 최적화가 필요하므로, NVIDIA GPU의 강력한 성능도 ASIC 수요를 없애지는 못한다. AWS Trainium 전망에 따르면 Alchip의 인식 가능한 Trainium 매출은 2026년 US$1.8bn에서 2027년 US$2.8bn으로 증가하고 Trainium4에 힘입어 2028년 US$8bn에 도달할 수 있다. 이때 Trainium 매출은 Alchip의 예상 총매출 US$9.8bn 중 약 82%를 차지한다. Google TPU의 경우 보고서는 총 출하량이 2026년 3.7mn개에서 2027년 7.35mn개로 증가하고 2028년에도 6.5mn개 이상을 유지할 것으로 예측한다. 고객 소유 도구 모델에서도 보고서는 MediaTek이 TPU v10의 패키징 및 I/O 다이를 최소한 담당할 수 있다고 보며, TPU 매출은 2027년 US$13.5bn, 2028년 US$43.5bn, 2029년 US$70bn으로 추정한다. KYEC는 AI GPU, TPU 및 CPU의 테스트 물량이 함께 증가하면서 수혜를 볼 것이다. CPU도 새로운 성장 부문으로 부상하고 있다. NVIDIA Vera는 여러 칩렛으로 분할되지 않은 CPU 코어 설계를 사용해 코어 간 연결을 더 빠르게 하며, 보고서는 성능이 최고 성능 x86 CPU의 1.8배에 도달할 수 있다고 추정한다. Morgan Stanley의 톱다운 모델에서 Agentic CPU TAM은 F26부터 F30까지 251% CAGR로 확대될 것으로 예상되며, 강세 시나리오는 US$238bn 규모의 CPU 오케스트레이션 시장을 시사한다. 이 견해는 에이전틱 워크로드가 단순히 GPU 수를 늘리는 것이 아니라 더 강력한 CPU 스케줄링, 데이터 준비 및 시스템 오케스트레이션 역량을 요구한다는 데 기반한다. 전통적 반도체 사이클은 AI 업사이클과 동기화되지 않는다. 보고서는 로직 파운드리 가동률이 2026년 하반기에 80%에 도달할 것으로 예상하며, 역사적으로 재고일수 감소는 일반적으로 반도체 주가지수 상승과 일치했다고 언급한다. 그러나 메모리와 NVIDIA AI GPU 매출을 제외하면 비AI 반도체 성장은 2026년에 감소할 전망이다. 웨이퍼, 조립 및 테스트, 메모리 비용 상승은 “칩 인플레이션”을 만들고 있으며, 가격 탄력성은 기술 제품 수요를 억제하고 2026년 칩 설계 기업의 마진을 압박할 수 있다. 동시에 공급망의 AI 반도체 우선순위는 비AI 제품용 T-Glass 및 메모리 같은 자원을 밀어내고 있다. 메모리에서는 AI 스토리지 수요가 NAND 부족을 초래할 것으로 예상되며 NOR Flash 부족은 2026년까지 지속될 수 있다. DDR4 부족은 현물 가격 상승 여력이 제한적이지만 2026년 하반기까지 이어질 것으로 예상된다. 보고서는 웨이퍼 현물 가격, 모듈 가격 및 분기별 수급 세부 내역을 이용하고, AI 서버의 생산능력 수요와 공급업체 철수 또는 생산능력 전환을 결합해 공급 격차를 평가한다. 이는 메모리 회복이 균일하지 않을 것임을 시사한다. 제품군별 부족 지속 기간, 현물가와 계약가 간 스프레드, 공급업체의 생산능력 추가 속도가 계속해서 실적 실현 정도를 결정할 것이다. 중국의 AI 컴퓨팅 파워는 또 다른 독립적 성장 테마다. DeepSeek은 저비용 추론 역량을 보여주었으며, 보고서는 이것이 추론 수요를 자극할 것으로 판단한다. ByteDance의 Volcano Engine/Doubao에서 토큰 사용량이 급증한 것 또한 견조한 수요의 증거로 해석된다. 자체 파운드리와 AI GPU 공급망의 역량이 개선되고 있으며, 보고서는 중국 AI 칩 TAM이 2030년 US$91bn으로 성장할 것으로 예상한다. 대형 모델 추론 경제성 비교는 중국 자체 칩이 더 낮은 총소유비용을 가지며 NVIDIA 프로세서와 유사한 토큰당 비용을 달성할 수 있음을 보여준다. 현저히 낮은 판매가격은 더 강력한 가성비를 제공한다. 인프라 수준의 클러스터링도 시장이 인식하는 기술 격차를 좁히고 있다. 2026년 WAIC에서 공개된 Huawei Atlas 950 SuperPod는 1,024개의 Ascend 950DT NPU까지 확장할 수 있고 최대 256TB의 풀드 메모리를 갖춘 하이브리드 구리 및 광 인터커넥트를 사용한다. 보고서는 또한 중국 CPU TAM이 2030년 US$42bn에 도달하고 Hygon의 중국 서버 CPU 시장 점유율이 2028년 18%에 이를 것으로 예상한다. 양자 보안 섹션은 기존 비대칭 암호에서 포스트 양자 암호로의 전환에 초점을 둔다. 보고서는 정부들이 PQC 전환 로드맵을 수립했으며 주요 경제권이 대체로 NIST 표준에 맞추고 있으나 지역별 진전은 다르다고 언급한다. 2030년은 핵심 변곡점이다. 비대칭 암호화가 현대 전자 시스템에 광범위하게 사용되기 때문에 전환은 칩과 기기부터 다양한 연결 계층까지 모든 것에 영향을 미칠 것이다. 하드웨어 보안은 양자 공급망의 기반이며, PUF는 기기에 하드웨어 신뢰 루트를 제공할 수 있다. 보고서는 PUF TAM이 2030년 약 US$310mn에 도달할 것으로 추정하고, 글로벌 반도체 및 PUF IP 관련 기업의 2027년 P/E 비율과 eMemory의 과거 P/E 범위를 이용해 관련 자산의 밸류에이션을 평가한다. 보고서의 전체 산업 포지셔닝은 긍정적이지만 내부 선별은 명확히 차별화돼 있다. MediaTek은 AI Top Pick으로 선정됐으며, 다른 주요 AI 종목에는 TSMC, SMIC, Aspeed, Alchip, KYEC, ASE, FOCI, ASMPT, AllRing 및 GUC가 포함된다. AP Memory는 메모리 Top Pick이며 Macronix, Nanya Tech, Winbond 및 GigaDevice도 강조된다. 중국 AI/반도체/장비 목록에는 Iluvatar, Cambricon, Hygon, NAURA Tech 및 AMEC가 포함된다. 테스트 장비 및 소모품 목록에는 WinWay, MPI, Hon Hai Precision 및 Gudeng이 포함되며, 성숙 공정 목록에는 UMC가 포함된다. Hygon은 명시적으로 OW 등급을 받았다. OmniVision, Phison, MetaX, Realtek 및 GlobalWafers는 EW 등급이며, WIN Semi, Silergy 및 ASMedia는 UW 등급이다.
분석 프레임워크
보고서는 먼저 CSP 자본지출, 전력 배치 및 랙 수를 이용해 AI 컴퓨팅 수요를 추정한 뒤 이를 GPU/ASIC 수량, 웨이퍼, 첨단 공정, CoWoS, HBM 및 테스트 물량으로 세분화한다. 이후 기업 프로젝트와 고객 세대별 로드맵에 기초해 Alchip, MediaTek 및 TSMC 등의 매출 익스포저를 예측한다. 중국의 경우 토큰 수요, 칩 가격, 총소유비용, 토큰당 비용 및 SuperPod 시스템 역량을 결합해 자체 대체를 평가한다. 양자 보안 섹션은 지역별 PQC 전환 일정, 연결 계층 및 하드웨어 신뢰 루트 수요에 기초해 PUF 시장을 추정하고 P/E 비율로 관련 자산을 비교한다.
방법론 메모
AI 칩, CoWoS, HBM, NAND, NOR 및 DDR4의 수요-공급 모델
보고서는 최종 시장 컴퓨팅 수요를 칩, 웨이퍼, 패키징 및 메모리 소비로 전환한 뒤, 각 단계의 생산능력 및 공급 증가와 비교하여 부족, 가동률 및 가격 방향을 판단한다.
반도체 공급망을 통한 클라우드 자본지출의 전이
CSP 자본지출과 데이터센터 전력 배치에서 출발하여 보고서는 랙, GPU 및 ASIC, 첨단 공정 웨이퍼, CoWoS, HBM, I/O 및 테스트 수요를 순차적으로 도출한다.
ASIC 프로젝트 출하량과 칩당 ASP 매출의 분해
Alchip과 MediaTek의 매출 전망은 각 Trainium 또는 TPU 세대의 출하량에 인식 가능한 칩당 ASP를 곱해 산출되며, 이를 통해 고객 프로젝트의 기업 매출 기여도를 보여준다.
횡단면 P/E 비교 및 과거 범위
보고서는 파운드리, 조립 및 테스트 기업, 메모리 기업, IDM, 장비 기업 및 팹리스 설계업체의 밸류에이션을 비교하고, 2027년 P/E 비율과 eMemory의 과거 P/E 범위를 사용해 양자 보안 관련 자산을 평가한다.
재고일수와 산업 여건의 관계
보고서는 2026년 1분기 공급망 재고일수를 추적하며, 역사적으로 재고일수 하락은 일반적으로 반도체 주가지수 상승과 일치했다고 언급한다.
GPU, ASIC, 파운드리, 패키징, 메모리, 테스트 및 시스템 통합을 아우르는 가치사슬
보고서는 매출 귀속과 수혜 부문을 판단하기 위해 AI 칩 설계, I/O 다이, 웨이퍼 제조, 첨단 패키징, HBM, 테스트 및 SuperPod 시스템에서 각 기업의 역할을 식별한다.
총소유비용 및 토큰당 비용 비교
보고서는 최고 성능만 비교하는 대신 칩 가격, 시스템 투자 및 추론 산출량을 결합해 중국 자체 칩과 NVIDIA 프로세서의 추론 경제성을 비교한다.
전력 배치로부터 칩 및 웨이퍼 수요 도출
보고서는 발표된 전력 용량, 랙 전력 소비, 프로젝트 수명주기 및 랙당 칩 수를 활용해 GPU/ASIC 수량과 CoWoS 및 2/3nm 웨이퍼 수요를 도출한다.
자산 매핑 및 비교
투자 논리에서 명시된 자산으로의 구조화 매핑(강점, 약점, 비교 대상, 위험).
- MediaTekAI Top Pick으로 선정됐으며, 보고서는 TPU 매출이 2029년 US$70bn에 도달할 것으로 예상한다.
- 강점
- TPU v10의 최소 패키징 및 I/O 다이를 맡고, 이후 여러 TPU 세대에 참여할 것으로 예상된다.
- 약점
- 매출 실현은 Google TPU 프로젝트의 규모와 고객 소유 도구 모델에서 인식 가능한 가치 비중에 달려 있다.
- 비교
- 순수 GPU 경로와 달리 MediaTek의 기회는 CSP 맞춤형 ASIC 및 첨단 패키징 가치에서 비롯된다.
- 위험
- 프로젝트 출하량, 양산 실행 또는 인식 가능한 ASP가 보고서 가정에 미달할 수 있다.
- TSMCAI GPU, ASIC, 첨단 공정 및 CoWoS 수요의 핵심 제조 제공업체이며 주요 AI 종목에 포함된다.
- 강점
- N2 수요가 강하고 N3 생산능력은 계속 증가한다. AI 반도체는 2026년 매출의 30% 이상을 차지할 것으로 예상된다.
- 약점
- N5 생산능력은 2027년에 감소할 것으로 예상되며, 생산능력 확장은 빠르게 증가하는 AI 수요를 따라가야 한다.
- 비교
- CoWoS는 약 9.5배 레티클 크기까지 지원하는 반면, Intel EMIB는 실행이 원활할 경우 12배 레티클 크기를 초과하는 규모를 지원할 수 있다.
- 위험
- CoWoS, 첨단 공정 및 보조 소재의 생산능력 확장이 수요에 뒤처지거나 고객 자본지출이 둔화할 수 있다.
- AlchipAWS Trainium 맞춤형 AI 칩의 수혜를 보며 주요 AI 종목에 포함된다.
- 강점
- Trainium 매출은 2026년 US$1.8bn에서 2028년 US$8bn으로 증가할 것으로 예상된다.
- 약점
- Trainium 매출은 2028년 총매출의 82%를 차지할 것으로 예상되어 높은 고객 및 프로젝트 집중도를 시사한다.
- 비교
- 성장은 주로 AWS Trainium에서 비롯되는 반면, MediaTek의 주요 추가 성장은 Google TPU에서 나온다.
- 위험
- Trainium4 출하량, ASP 인식 또는 고객 배치 진전이 가정에 미달할 수 있다.
- KYECAI GPU, TPU 및 CPU 성장으로 발생하는 칩 테스트 수요의 수혜를 보며 주요 AI 종목에 포함된다.
- 강점
- 수요원은 범용 GPU, 맞춤형 ASIC 및 서버 CPU에 걸쳐 있다.
- 비교
- 단일 칩 설계 기업과 달리, 매출 익스포저는 여러 유형의 AI 칩에 필요한 테스트 부문에 있다.
- 위험
- AI 칩 출하가 둔화하거나 테스트 수요가 예상보다 늦게 실현될 수 있다.
- AP Memory메모리 Top Pick으로 선정됐으며 Intel EMIB 관련 첨단 패키징 기술 논의에 포함된다.
- 강점
- 메모리와 첨단 패키징 관련 기술 모두에 익스포저가 있다.
- 비교
- 보고서는 Macronix, Nanya Tech, Winbond 및 GigaDevice와 함께 주요 메모리 목록에 포함한다.
- 위험
- 메모리 수급 여건 개선 또는 첨단 패키징 프로젝트의 실현이 기대에 미달할 수 있다.
- Hygon명시적으로 OW 등급을 받았으며 중국 CPU 시장 확대 및 통합 CPU+GPU 컴퓨팅 플랫폼의 수혜를 본다.
- 강점
- 보고서는 중국 서버 CPU 시장 내 점유율이 2028년 18%에 도달할 것으로 예상한다.
- 약점
- 성장은 중국 서버 시장 및 자체 컴퓨팅 인프라 개발에 달려 있다.
- 비교
- 보고서는 Hygon을 통합 CPU+GPU 플랫폼으로 포지셔닝하는 반면, 다른 자체 공급업체들은 AI 가속기에 더 집중한다.
- 위험
- 중국의 칩 생산능력, 규제 및 컴퓨팅 인프라 개발 속도와 관련된 제약.
- Cambricon、MetaX、Iluvatar모두 중국 AI 가속기 및 자체 컴퓨팅 확대 테마와 연관돼 있으며, Cambricon과 Iluvatar는 주요 중국 AI/반도체/WFE 목록에 포함된다.
- 강점
- 자체 칩은 가격이 더 낮으며, 보고서는 경쟁력 있는 총소유비용과 가성비를 제공한다고 판단한다.
- 약점
- 첨단 칩 생산능력은 여전히 중국 AI 성장의 제약 요인 중 하나다.
- 비교
- 보고서는 Cambricon, MetaX 및 Iluvatar를 비교하며 MetaX는 EW 등급이다.
- 위험
- 칩 생산능력, 생태계 성숙도, 규제 및 프로젝트 실행과 관련된 위험.
- OmniVision、Phison、MetaX、Realtek、GlobalWafers보고서는 이들 기업에 EW 등급을 부여한다.
- 약점
- 방향성 등급은 보고서의 Top Pick 및 핵심 수혜 기업보다 더 중립적이다.
- 비교
- 모두 EW로 포지셔닝된다.
- 위험
- 제공된 리서치 텍스트에서는 기업별 위험이 완전히 상세히 설명되지 않았다.
- WIN Semi、Silergy、ASMedia보고서는 이들 기업에 UW 등급을 부여한다.
- 약점
- 보고서는 이들에 비중축소 방향의 포지셔닝을 부여한다.
- 비교
- 등급은 매력적인 산업 전망 및 주요 AI 종목의 포지셔닝보다 더 신중하다.
- 위험
- 제공된 리서치 텍스트에서는 기업별 위험이 완전히 상세히 설명되지 않았다.
핵심 데이터
- 2030년 글로벌 반도체 시장 규모US$1.5tn보고서는 AI 반도체가 약 절반을 기여할 것으로 예상한다.
- 2030년 글로벌 AI 반도체 TAM약 US$753bn보고서의 장기 시장 규모 전망.
- 2026년 클라우드 AI 반도체 TAM 강세 시나리오US$485bn공급망 데이터에서 도출됨.
- 4대 CSP 자본지출 성장2026년 2분기 전년 대비 87% 성장Amazon, Google, Microsoft 및 Meta를 포함.
- CSP 자본지출 대비 EBITDA 비율70% 초과AI 인프라 투자 강도가 높은 수준임을 나타냄.
- 2027년 글로벌 클라우드 자본지출US$1.4tn에 근접전 세계 최대 상장 CSP 14개를 포함하며 소버린 AI는 제외.
- 2027년 AI 컴퓨팅 웨이퍼 소비US$46bn 초과NVIDIA가 대부분을 차지할 것으로 예상됨.
- 2027년 HBM 소비최대 48bn GbNVIDIA가 계속해서 공급의 대부분을 소비.
- TSMC N2 생산능력 성장2026년부터 2028년까지 70% CAGRTSMC가 제공한 생산능력 로드맵에 기초.
- TSMC AI 반도체 매출 비중2026년 30% 초과회사의 예상 매출 중 비중.
- Alchip Trainium 매출2028년 US$8bn예상 총매출 US$9.8bn의 약 82%.
- MediaTek TPU 매출2027년 US$13.5bn; 2028년 US$43.5bn; 2029년 US$70bn고객 소유 도구 모델에서도 보고서는 MediaTek이 패키징 및 I/O 다이 작업 일부를 수행할 것으로 예상한다.
- Agentic CPU TAM 성장F26부터 F30까지 251% CAGRMorgan Stanley의 톱다운 모델; 강세 시나리오는 US$238bn.
- 중국 AI 칩 TAM2030년 US$91bn클라우드 서비스 제공업체, 통신사업자, 소버린 기관 및 국유기업의 수요가 견인.
- 중국 CPU TAM2030년 US$42bnHygon의 중국 서버 CPU 시장 점유율은 2028년 18%에 이를 것으로 예상됨.
- Atlas 950 SuperPod 규모1,024 Ascend 950DT NPU2026년 WAIC에서 공개됐으며 최대 256TB의 풀드 메모리를 지원.
- PUF TAM2030년 약 US$310mn양자 하드웨어 보안 시장 내 하드웨어 신뢰 루트 기회.
영향과 시사점
보고서는 AI 자본지출이 첨단 공정, CoWoS, HBM, 맞춤형 ASIC, 서버 CPU 및 테스트에 매출과 생산능력을 계속 집중시킬 것으로 판단한다. TSMC, MediaTek, Alchip 및 KYEC 같은 기업은 명확한 프로젝트 또는 생산능력 익스포저로 더 직접적인 수혜를 본다. 한편 비AI 칩은 자원 구축효과와 비용 인플레이션의 영향을 받을 수 있다. 중국에서는 저비용 추론, 개선되는 자체 칩 공급 및 SuperPod 클러스터링이 자체 컴퓨팅 기회를 확대하고 있으며, PQC 전환은 2030년을 향해 PUF 및 하드웨어 보안 IP에 대한 새로운 수요를 창출하고 있다.
위험
- AI 인프라 예산이 자본지출의 지속적인 급성장을 제한할 수 있다.
- 미국의 데이터센터 에너지 공급이 AI 컴퓨팅 배치를 제약할 수 있다.
- 중국의 첨단 칩 생산능력이 자체 AI 수요의 실현을 제한할 수 있다.
- 규제 변화가 AI 칩 투자, 거래 또는 공급망 배치에 영향을 미칠 수 있다.
- 웨이퍼, 조립 및 테스트, 메모리 비용 상승은 가격 탄력성을 통해 기술 제품 수요를 억제하고 2026년 칩 설계 기업의 마진을 압박할 수 있다.
- AI 반도체를 위한 공급망 자원 우선 배정은 T-Glass 및 메모리 같은 자원의 부족을 만들고 비AI 제품을 밀어낼 수 있다.
- ABF 기판 공급은 Google TPU 같은 AI 칩의 물량 확대를 제약할 수 있다.
- 메모리와 NVIDIA AI GPU를 제외하면 비AI 반도체 매출 성장은 2026년에 감소할 것으로 예상된다.
주시할 점
- 글로벌 CSP 자본지출 성장, 자본지출 대비 EBITDA 비율 및 발표된 전력 배치의 실제 이행을 추적한다.
- 2027년까지 CoWoS 생산능력을 200kwpm으로 확장하는 TSMC의 진전과 N2, N3 및 N5 생산능력 믹스 변화를 모니터링한다.
- GB200/300 NVL72 랙 출하량, AI 컴퓨팅 웨이퍼 소비 및 2027년 HBM 수급을 추적한다.
- Trainium4, 이후 Google TPU 세대 및 MediaTek과 Alchip 프로젝트의 매출 실현 속도를 모니터링한다.
- NAND, NOR Flash 및 DDR4 부족의 지속 기간과 현물 및 계약 가격 변화를 추적한다.
- 중국 AI GPU 수요, 토큰 사용량, 자체 칩 생산능력 및 SuperPod 배치 진전을 모니터링한다.
- 2030년 이전에 지역별 PQC 전환 로드맵이 계획대로 진행될 수 있는지 관찰한다.