AI Briefing

HBM 이후를 준비하는 차세대 메모리 기술: 마그논과 수직 FeRAM의 부상

·2026.09.02 09:00

핵심 내용

HBM의 한계를 넘어서기 위해 접근 속도가 빠른 Magnonics와 밀도가 높은 Vertical FeRAM 등 차세대 메모리 기술이 주목받고 있다.

1 / 4

자세히 보기

메모리 산업은 HBM 수요 폭증으로 슈퍼사이클에 진입했으나, 기존 DRAM의 미세화 한계와 HBM의 물리적 제약으로 인해 새로운 기술적 돌파구가 요구되고 있다. Nvidia의 H100 대비 1년 제품 출시 주기와 소프트웨어 생태계 우위 등을 고려할 때, 단순한 성능 개선으로는 경쟁 우위를 점하기 어렵다는 분석이다.

HBM의 한계와 새로운 수요

현재 HBM3e 12-layer 스택의 수율은 약 75% 수준으로 낮으며, Samsung, SK Hynix, Micron 등 주요 업체들은 향후 수년간의 공급 계약을 완료한 상태다. Stargate 프로젝트 하나만으로도 글로벌 DRAM 생산량의 **40%**가 필요할 만큼 수요가 폭발적이지만, 기존 DRAM 미세화는 이미 한계에 도달했다. 이에 따라 기존 업체들은 수직 적층 패키징에 집중하고 있으나, 이는 근본적인 속도 및 에너지 격차인 '메모리 벽'을 해결하기에는 부족하다는 평가다.

차세대 메모리 후보 기술

기존 HBM의 대안으로 두 가지 주요 방향의 기술이 부상하고 있다.

  • Magnonics (자석파 기반 메모리): 반강자성체를 활용해 1-2 picosecond 수준의 초고속 동적 특성과 낮은 전력 소모를 실현한다. 최근 연구로 신호 읽기(readout) 전압이 100 nanovolts에서 microvolts 이상으로 개선되었으나, 상업적 활용을 위해서는 100 millivolts 도달이 과제다.
  • Vertical FeRAM (수직 적층 강유전체 메모리): NAND와 유사한 밀도를 제공하면서 HBM급 대역폭을 구현할 수 있는 2T-nC vertical strings 구조가 제안되었다. Micron은 관련 시연에 10억 달러를 투입했으나 열화 및 비용 문제로 중단된 바 있어, 스타트업들은 확실한 IP와 제조 기술 확보가 필수적이다.

AI 가속화와 상용화 전망

**Neural Network Potentials (NNPs)**와 같은 AI 도구의 발전으로 소재 발견부터 제조 규모 확대까지의 격차가 좁혀지고 있다. OpenAI의 Jalapeño 칩 설계 사례처럼 AI 기반 설계 도구가 도입되면서, 과거 Cerebras나 Groq처럼 수천 명의 엔지니어가 필요했던 개발 프로세스가 50명 수준의 소규모 팀으로도 가능해지고 있다. 이러한 기술적 가속화와 1조 달러 규모의 시장 기회는 Magnonics와 Vertical FeRAM 같은 이질적 접근법이 예상보다 빠르게 상용화될 가능성을 높이고 있다.

이 한국어 요약은 AI가 자동으로 만들었습니다. 원문의 주장과 맥락은 원문에서 확인해 주세요. 저작권은 원저작자에게 있습니다.

AI 처리 방식을 확인하거나, 요약 오류와 출처 표기 문제, 삭제 요청을 문의 · 건의로 알려주세요.