아스트라''가 꺼져가는 ''반도체주'' 살릴까? with. 이형수 HSL파트너스 대표｜채상욱의 경제쇼｜KBS 260910 방송

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

아스트라는 대규모 AI 학습에 따른 GPU·HBM 수요 기대를 되살려 반도체주 반등의 계기가 될 수 있지만, 상승 지속 여부는 실적과 금리·투자자금 조달에 달려 있다.

📌 핵심 요점

1. 아스트라의 핵심은 GPU 보유량보다 단일 학습 규모다. 방송은 GPU 10만 장을 하나의 학습 작업에 투입했다는 점에 주목한다. 수많은 GPU를 동기화하는 기술적 과제를 해결했다는 평가이며, 경쟁사들이 학습 규모를 확대하면 고성능 HBM 수요도 늘어날 수 있다는 전망이다.
2. 반도체 수요 확대는 메모리와 테스트 투자로 연결된다. HBM 적층과 GPU·HBM 패키징은 제품 가격과 불량 손실을 높여 중간 검사의 중요성을 키운다. 방송은 삼성전자의 베트남 테스트 시설 투자와 관련 소재·부품·장비 종목의 움직임을 이런 흐름으로 설명한다.
3. 메모리 업체의 주가 차이는 사업 구성과 주주환원을 함께 봐야 한다. SK하이닉스는 높은 HBM 매출 비중 때문에 수요 확대가 이익에 미치는 영향이 크다는 분석이다. 외국인 수급과 자사주 매입·소각 선호도 주가 차이의 요인으로 제시되지만, 각 요인의 기여도를 정확히 측정한 것은 아니다.
4. HBM4 전환은 삼성전자의 추격 기회로 제시된다. 방송은 삼성전자가 로직 다이에 4나노 공정, D램 코어 다이에 1c 공정을 적용해 성능 여유를 확보했다고 설명한다. 범용 D램의 높은 수익성이 투자 기반이 됐다는 해석이며, 점유율 수치는 시장 범위를 확인해야 한다.
5. 산업 확장과 금융 제약을 동시에 살펴야 한다. 엔비디아의 네트워크·추론 칩·개발 플랫폼 확장은 생태계 지배력 강화 요인으로, CXMT의 HBM 진입은 단기 범용 D램 공급 감소와 중장기 경쟁 심화 요인으로 제시된다. 다만 고금리가 하이퍼스케일러의 자금조달을 제약하면 투자 계획이 실제 수요로 이어지지 못할 수 있다.

🧩 배경과 문제 정의

• 미국 금리와 거시경제 우려에 눌렸던 반도체주가 아스트라 공개 이후 반등하면서, 대규모 AI 학습이 GPU와 메모리 수요를 다시 확대할지가 핵심 쟁점으로 떠올랐다.
• 메모리 업체별 주가 차이에는 HBM 매출 비중뿐 아니라 주주환원 방식과 외국인 수급이 함께 작용한다. HBM 세대교체는 삼성전자와 SK하이닉스의 경쟁 구도에도 영향을 준다.
• 엔비디아의 하드웨어·소프트웨어 사업 확장과 중국 CXMT의 HBM 진입은 반도체 생태계의 지배력과 중장기 경쟁을 바꿀 변수다.

🕒 시간순 섹션별 상세정리

1. 금리 우려 속에서도 반도체 업종 재료가 주가에 반영되기 시작했다

• 7월 급락 이후 8월에는 미국 연준 금리가 시장의 관심을 지배해 반도체 업종의 호재가 잘 반영되지 않았지만, 지난주부터 반응이 달라졌다는 진단이다. [01:09]
• 미국 장기금리가 뚜렷하게 내려오지 않고 뉴욕 증시가 하락한 상황에서도 필라델피아 반도체 지수는 약 3% 상승했다. 아스트라 공개와 엔비디아의 허깅페이스 인수가 업종 분위기를 바꾼 요인으로 드러난다. [01:25]

2. 고가의 복합 반도체가 후공정 테스트 투자를 늘린다

• 삼성전자의 베트남 테스트 특화 시설 투자 계획은 40억 8천만 달러 규모이며, 약 1,600대의 장비가 모두 테스트용이라는 설명이다. [02:16]
• HBM처럼 칩을 수직으로 쌓거나 GPU와 HBM을 하나로 패키징하면 제품 가격과 불량 손실이 커진다. 칩 하나가 4만 달러에 이르는 만큼 중간 공정에서 불량을 찾아내는 검사 투자의 중요성이 높아진다. [02:49]

3. GPU 10만 장 보유와 단일 학습에 10만 장 투입은 다르다

• 아스트라의 반도체 수요 측면 핵심은 GPU 10만 장을 학습에 사용했다는 점이다. 데이터센터에 그만큼의 GPU를 확보하는 것과 하나의 학습 작업에 모두 투입하는 것은 다른 기술적 과제다. [04:39]
• 대규모 학습에서는 GPU들이 서로 정보를 주고받으며 동기화해야 한다. 10만 명의 합주처럼 일부에서 문제가 생기면 작업을 멈추고 다시 진행해야 하는 어려움이 있다. [05:37]

4. 대규모 학습 경쟁이 고성능 HBM 수요를 다시 자극할 수 있다

• 오픈AI의 대규모 학습 성공을 앤트로픽과 구글 등이 따라가면 고성능 HBM 수요에 큰 영향을 줄 수 있다는 전망이다. [06:59]
• 추론 중심으로 AI 인프라 수요를 바라보면서 학습의 중요성이 낮아졌다고 여겼던 시각에 아스트라가 반대 근거를 제공했다. 학습 투자 확대도 반도체 수요의 주요 동력이 될 수 있다는 해석이다. [07:43]

5. HBM 매출 비중이 높은 SK하이닉스의 이익 민감도가 크다

• SK하이닉스는 D램 사업에서 HBM 매출 비중이 가장 높아 HBM 수요 확대 기대에 따른 이익 증가 효과가 크다는 분석이다. 이 사업 구성이 주가의 탄력적인 반등을 설명하는 요인이다. [08:38]

6. 외국인 수급과 자사주 소각 선호도 주가 차이를 만든다

• SK하이닉스는 40조 원에 이르는 자사주 매입·소각으로 전체 지분의 약 3.3%를 줄이는 주주환원 정책을 내놓았다. 삼성전자는 지배구조상 매입·소각이 쉽지 않아 배당 중심으로 환원한다는 설명이다. [08:55]
• 과거 10년간 외국인 수급과 국내 증시의 상관계수는 약 0.8이었지만, 개인 자금 유입이 강했던 최근 6개월에는 약 0.2까지 낮아졌다. 7월 손실 이후 개인의 시장 이탈과 자금 감소로 8월부터 외국인 수급의 중요성이 다시 커졌다는 진단이다. [09:41]

7. HBM4 전환기에 삼성전자의 점유율이 높아진다

• HBM의 제품명 숫자와 실제 세대는 다르다. HBM2E가 3세대, HBM3가 4세대, 블랙웰에 주로 쓰이는 HBM3E가 5세대이며 HBM4는 6세대다. [11:42]
• 이전 세대에서 SK하이닉스의 엔비디아 내 점유율은 약 85%로, 나머지를 삼성전자와 마이크론이 나누는 구도였다는 설명이다. [12:13]

8. 범용 D램의 높은 수익성이 삼성전자의 HBM 확대를 뒷받침한다

• 삼성전자는 전체 D램 생산능력의 절반에 조금 못 미치는 규모를 보유하고, D램 매출 중 HBM 비중은 약 15%, 나머지 약 85%는 범용 제품이라는 설명이다. [13:57]
• 지난 1년간 범용 D램의 이익률이 HBM보다 높았던 덕분에 삼성전자는 큰 이익을 확보했다. 이 수익이 HBM 출하 확대에 따른 수익성 부담을 감수하고 공격적으로 투자할 재무적 기반이 됐다. [14:19]

9. 루빈에는 HBM4, 루빈 울트라에는 HBM4E가 연결된다

• HBM4는 루빈 GPU와 베라 루빈 플랫폼의 주력 메모리로 적용된다. 이전 블랙웰 울트라에서 다음 플랫폼으로 넘어가면서 메모리 세대도 바뀌는 구조다. [14:46]
• HBM4E는 2027년 본격적으로 등장해 루빈 울트라에 탑재될 예정이라는 설명이다. 메모리 3사는 차세대 경쟁력을 고객에게 보여주기 위해 HBM4E 기술 로드맵을 적극적으로 공개하고 있다. [15:17]

10. 삼성전자는 HBM4에 더 앞선 공정을 투입하는 선택을 했다

• 삼성전자의 추격 기반에는 경영진 교체 이후의 내부 혁신과 메모리·파운드리 경쟁력 개선이 있었다는 평가다. 범용 메모리 가격 급등도 실적과 주가 회복에 유리하게 작용했다. [16:08]
• HBM4의 하단 로직 다이에 삼성전자는 4나노 공정을, SK하이닉스와 마이크론은 12나노 공정을 사용했다는 설명이다. 삼성전자는 더 비싼 공정을 선택해 성능 여유를 확보했다. [17:11]

11. 엔비디아의 요구 성능 상향이 삼성전자의 공정 선택에 유리하게 작용했다

• 요구 성능이 처음에는 95였다가 100으로 높아졌다는 가상의 척도로 변화가 드러난다. SK하이닉스는 TSMC에 로직 다이를 맡겼지만, 자체 메모리 공장에서 제작한 마이크론은 성능을 더 높이는 데 어려움을 겪었다는 분석이다. [19:13]
• 같은 비유에서 요구치가 105를 거쳐 110까지 높아지자 12나노 공정의 한계가 드러났고, 삼성전자는 4나노 공정으로 117까지 대응할 여유가 있었다는 설명이다. 이 숫자들은 실제 제품 성능 측정값이 아니다. [20:15]

12. 엔비디아는 네트워크와 추론 칩까지 하드웨어 사업을 넓힌다

• 엔비디아는 CPU·GPU를 넘어 광 네트워크 관련 코히런트·루멘텀·마벨 등에 조 단위 투자를 하며 하드웨어 수직계열화를 확대한다는 분석이다. [22:01]
• 초저지연 추론용 LPU를 개발하는 그록과의 거래는 반독점 문제를 고려한 사실상 인수로 읽힌다. 국내 리벨리온에 대한 인수합병 제안도 사업 확장 사례로 거론된다. [22:33]

13. 허깅페이스 확보는 AI 개발 생태계와 유통 접점의 확장을 뜻한다

• 엔비디아의 소프트웨어 영역은 CUDA에서 디지털 트윈 시뮬레이션용 옴니버스와 로봇 개발 플랫폼 등으로 넓어졌다. 허깅페이스는 개발 결과물을 공유하고 내려받아 활용하는 AI 분야의 깃허브 같은 역할을 한다. [22:52]
• 허깅페이스 인수의 의미는 개발자 접점과 관련 개발 데이터가 엔비디아에 모일 수 있다는 데 있다. 개발 결과물의 유통과 시장 동향을 파악하면서 소프트웨어 영역의 지배력을 강화할 수 있다는 해석이다. [24:14]

14. CXMT는 낮은 생산 효율에도 범용 메모리 부족의 수혜를 받는다

• CXMT의 생산능력은 300mm 웨이퍼 기준 월 약 30만 장이며, 연말에는 36만 장으로 늘려 마이크론과 비슷한 규모가 될 계획이라는 설명이다. 다만 실제 비트 기준 출하량은 마이크론의 약 40%에 그쳐 생산능력 대비 효율이 낮다는 진단이다. [26:40]
• 상반기 매출 29조 원과 순이익 15조 원이 제시되며, 스마트폰·PC 업체의 메모리 부족으로 범용 D램에 높은 마진을 붙일 수 있었던 점이 수익의 배경으로 지목된다. [27:26]

15. 중국의 HBM 진입은 단기 공급 부담 완화와 중장기 경쟁 심화를 함께 낳는다

• CXMT가 HBM3 생산에 웨이퍼를 투입하면 범용 D램 출하가 줄어들 수 있다. 선두 메모리 3사도 같은 용량의 HBM을 만드는 데 범용 제품보다 웨이퍼를 2~3배 투입하는 만큼, 생산 효율이 낮은 CXMT의 부담은 더 클 수 있다. [28:08]
• 단기적으로는 CXMT가 공급하지 못하는 범용 메모리 수요가 기존 3사에 돌아갈 수 있다. 그러나 반복 생산으로 수율이 개선되면 중국의 HBM 진입이 경쟁 압력이 되며, 그 영향이 나타날 시점은 최소 2~3년 정도로 예상된다. [29:01]

16. 생산 역량과 실적 개선에도 금리·투자자금 조달이 변수다

• 정부 자금력이 뒷받침되면 수요가 15~20% 수준이어도 생산을 가동하고, 반복 생산으로 수율을 높일 수 있다. 해외 인력 확보도 생산 역량을 끌어올리는 수단으로 거론된다. [30:02]
• 7월 주가 하락 당시에도 반도체 펀더멘털은 개선됐고 EPS 전망치는 오히려 높아졌다. 하이퍼스케일러들도 2분기 실적 발표에서 설비투자를 줄이겠다고 한 곳이 없었지만, 금리와 거시경제 여건 때문에 9월까지 변동성이 이어질 수 있다는 판단이다. [30:40]

17. 내년 상반기 낙관론 속 금리 충격과 주주환원의 효과를 구분한다

• 자산시장이 6~9개월 앞서 반영한다는 전제에서 연말과 내년 상반기까지 반도체 주식을 긍정적으로 본다. 다만 그 전망만으로 단기 안정을 확신하기는 어렵고, 먼저 9월 FOMC와 금리 결정을 확인해야 한다. [32:39]
• 금리를 올리면 단기적인 자산시장 충격은 불가피할 것으로 보지만, 그것이 AI 사이클의 방향까지 바꾸지는 않을 것이라는 판단이다. 현금을 보유한 투자자에게는 이런 조정이 분할 매수 기회가 될 수도 있다. [33:14]

🧾 결론

• 방송의 중심 논지는 추론뿐 아니라 대규모 학습 투자도 반도체 수요를 확대할 수 있다는 것이다. 아스트라는 이 기대를 다시 부각하는 사례로 제시된다.
• 업종 전체의 수요 증가가 업체별로 같은 이익 증가를 뜻하지는 않는다. HBM 매출 비중, 공정 경쟁력, 범용 D램 수익성, 주주환원 방식에 따라 효과가 달라질 수 있다.
• 연말과 내년 상반기에 대한 방송의 낙관론은 금리와 자금조달 여건이라는 조건을 동반한다. 산업 전망과 단기 주가 안정성을 구분해 읽어야 한다.

📈 투자·시사 포인트

• 수요 기대의 실적 전환: 경쟁 AI 기업의 학습 투자 확대가 GPU·HBM 주문, 출하, 매출로 이어지는지 확인필요가 있다.
• 업체별 수익 구조: SK하이닉스의 HBM 비중과 삼성전자의 범용 D램 수익·HBM4 확대를 함께 비교해야 한다. 점유율 상승만으로 수익성 개선을 단정하기는 어렵다.
• 후공정 투자: 고가의 복합 반도체가 늘수록 검사 투자도 중요해진다는 논리다. 관련 기업은 투자 발표와 실제 장비 발주·실적을 구분해 살펴볼 수 있다.
• 금리와 자금조달: 하이퍼스케일러의 설비투자 의지뿐 아니라 채권시장에서 필요한 자금을 확보할 수 있는지가 수요 실현의 변수다.
• 경쟁과 주가 지지 요인: CXMT의 진입은 단기 공급 효과와 장기 경쟁 압력을 나눠 평가하고, 배당·자사주 소각은 실적 전망과 별도로 확인할 요소다.

⚠️ 불확실하거나 확인이 필요한 부분

• 아스트라의 GPU 10만 장 단일 학습, GPT-4의 학습 기간·셧다운 횟수는 제공 자료에 제시된 설명이다. 실제 학습 구성과 수치의 원출처는 별도 확인이 필요하다.
• 엔비디아의 허깅페이스 인수, 그록과의 거래, 리벨리온 인수합병 제안은 거래별 공식 발표와 진행 상태를 확인해야 한다. 특히 그록 거래를 ‘사실상 인수’로 보는 것은 방송의 해석이다.
• 삼성전자 HBM4 점유율 약 30%는 전체 시장인지 특정 고객 내 비중인지 명확하지 않다. SK하이닉스 점유율과 비교할 때도 제품 세대·기간·분모를 맞춰야 한다.
• 자막 기반 정리: 타임스탬프가 있는 자막을 기준으로 정리했으며, 고유명사·수치·인용은 원문 확인 필요 시 별도 검증한다.
• 영상 속 주장: 발표자의 해석·전망·비교는 확인된 외부 사실이 아니라 영상 속 주장으로 분리해 읽는다.
• 검증 필요: 수치, 기업 실적, 정책·시장 전망은 발행 전 최신 자료로 별도 검증이 필요하다.

✅ 액션 아이템

• 아스트라 학습 규모와 관련 기술 설명의 원출처를 확인하고, GPU 확보량과 단일 학습 투입량을 구분해 기록한다.
• 메모리 업체의 실적 발표에서 HBM 매출 비중·출하·수익성을 비교하고, HBM4 점유율 수치의 시장 범위와 기준 기간을 확인한다.
• 삼성전자의 테스트 시설 투자와 메모리 업체의 주주환원 계획을 공식 공시로 대조한다.
• 엔비디아 관련 인수·투자·제안의 공식 발표를 확인해 완료된 거래와 계획·해석을 구분한다.

❓ 열린 질문

• 경쟁 AI 기업이 아스트라 수준의 대규모 학습에 나선다면 GPU·HBM 추가 수요는 언제, 얼마나 발생할까?
• 삼성전자의 앞선 공정 선택은 HBM4 점유율 확대와 함께 수익성 개선으로도 이어질까?
• 고금리가 지속돼도 하이퍼스케일러는 제시된 설비투자 규모에 필요한 자금을 조달할 수 있을까?