MLCC와 기판 없으면, AI 반도체는 절대 못 만듭니다"(박철민 삼성전기 상무)

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

MLCC와 기판은 AI 반도체의 전력·집적도·패키징 요구를 떠받치는 필수 부품이며, AI 확산에 따라 수요와 공정 가치가 비선형적으로 커지고 있다.

📌 핵심 요점

1. 반도체 산업은 파운드리와 메모리뿐 아니라 기판과 MLCC가 있어야 완성되며, 박철민 상무는 이를 대체하기 어려운 초크포인트로 설명한다.
2. AI 시스템의 집적도와 소비전력이 높아지면서 기판은 더 커지고 층수가 늘어나며, 전력을 안정적으로 공급하기 위한 MLCC의 개수와 용량도 함께 증가한다.
3. MLCC는 적층 수와 세라믹 유전율을 높여 같은 크기에서 더 큰 용량을 구현해야 하며, 삼성전기와 선도 업체의 재료 배합 및 박막 적층 기술이 경쟁력의 핵심입니다.
4. AI용 FC BGA는 여러 개의 SoC와 HBM을 연결하기 때문에 기존 모바일용 FC CSP보다 면적·층수·배선 복잡도가 크게 증가하고, 그만큼 공정 부담과 부가가치도 높습니다.
5. 단기적으로는 데이터센터가 부품 수요를 이끌고, 이후에는 자율주행·로봇을 포함한 피지컬 AI가 MLCC와 고성능 기판의 추가 응용처가 될 가능성이 제시된다.

🧩 배경과 문제 정의

• 영상은 AI 반도체 산업의 가치가 파운드리·메모리에만 집중된다는 통념에서 벗어나, 기판과 MLCC가 실제 제조와 성능 구현을 좌우하는 필수 요소라는 문제의식을 제시한다.
• 핵심 질문은 AI의 집적도와 전력 사용량 증가가 MLCC 및 FC BGA 수요를 왜 더 빠르게 키우는지, 그리고 삼성전기가 이 시장에서 어떤 기술적 위치를 차지하는지입니다.
• 금광보다 청바지 업체가 돈을 벌었다는 비유를 통해 AI 칩 자체뿐 아니라 모든 칩에 필요한 부품과 패키징의 전략적 가치를 강조한다.

🕒 시간순 섹션별 상세정리

1. AI 금광과 세 가지 핵심 품목

• 반도체를 구성하는 세 가지 핵심 품목으로 파운드리, 메모리, 기판·MLCC를 제시하고, AI 시대에 기판과 MLCC가 없으면 반도체를 만들 수 없다는 주장을 전면에 내세웁니다. [03:18]
• 파운드리와 메모리 수요가 50~70% 늘어날 때 기판과 MLCC는 두세 배 늘어날 수 있다며 이들을 AI 공급망의 초크포인트로 보여준다. [03:57]

2. 집적도와 전력이 만드는 수요 배수

• 더 많은 칩을 집적하려면 기판의 크기와 층수가 증가하고, 소비전력이 커질수록 기판에 탑재해야 할 MLCC도 늘어나는 중첩 효과가 발생합니다. [04:20]
• AI용 GPU의 소비전력이 500~1,000W 수준에서 1,500~2,000W 수준으로 높아졌다는 사례를 들며 MLCC와 기판 수요가 전력 증가보다 더 커질 수 있다고 보여준다. [04:43]

3. MLCC의 구조와 재료 혁신

• MLCC는 세라믹과 니켈·구리 등의 전극으로 구성되며, 작은 제품도 개별 검사한 뒤 개수 단위로 판매한다고 보여준다. [05:34]
• 같은 크기에서 용량을 높이려면 적층 수를 늘리고 유전율이 높은 재료를 사용해야 하며, 약 2년마다 용량이 두 배가 되는 흐름을 MLCC가 겪는 무어의 법칙에 비유합니다. [06:36]
• 삼성전기와 무라타 등 선도 업체의 차별화 요소로 고유한 세라믹 배합, 높은 유전율, 얇은 층을 반복해 쌓는 기술을 제시합니다. [07:19]

4. 데이터센터로 이동하는 MLCC 시장

• 삼성전기의 여러 생산 거점과 확장 움직임을 AI라는 금광을 만난 뒤 폭증하는 수요에 대응하는 흐름으로 보여준다. [07:49]
• MLCC의 중심 수요처가 휴대폰에서 AI 데이터센터로 이동하고 있으며, 자율주행차와 휴머노이드 로봇처럼 전력을 많이 쓰는 제품도 새로운 수요처가 될 수 있다고 전망합니다. [08:35]

5. AI 패키징과 FC BGA의 확대

• AI용 기판에는 약 4~5개의 SoC와 8~10개의 HBM이 올라가므로 과거 손톱 크기의 기판이 손바닥 크기로 확대되고 배선 층도 늘어납니다. [09:25]
• 플립칩 방식의 FC BGA와 유리기판을 소개하면서 AI 반도체에는 기존 방식과 다른 첨단 패키징 공법도 사용된다고 보여준다. [10:06]
• 고성능 FC BGA 분야에서 일본·대만·한국의 대표 업체가 앞서 있으며 삼성전기도 세계 선도 그룹에 포함된다는 평가를 제시합니다. [10:27]

6. FC CSP와 FC BGA의 공정 격차

• 모바일용 FC CSP는 약 10~15mm 크기와 2~3개 배선 층, 하나의 칩을 연결하는 비교적 단순한 구조라고 보여준다. [11:24]
• FC BGA는 약 100×100mm 크기와 20~30개 층을 사용하므로 면적 100배와 층수 10배를 곱하면 공정 부담이 약 1,000배로 커진다는 계산을 제시합니다. [11:58]
• AI용 FC BGA에는 약 15개의 칩과 빠르고 복잡한 배선이 필요하며, 하이엔드 GPU·CPU용 제품의 본격 양산 역사는 약 5년이고 동급 기술을 가진 업체도 소수라고 보여준다. [13:36]

7. 삼성전기의 전략과 중국의 추격

• 삼성전기는 성장 가능성이 보이는 분야에 기술 개발, 실행력, 투자를 집중하는 전략으로 AI 부품 시장에서 입지를 높였다고 보여준다. [14:12]
• 중국 업체는 희토류 등 기초 재료를 활용해 시장 진입을 시도하지만 최첨단 제품과 선단 고객을 기반으로 형성된 플랫폼에는 아직 격차가 있다는 평가를 내놓습니다. [15:14]
• 일본과 한국 업체가 초고사양 제품에 집중하는 동안 중국이 저사양 시장에서 규모와 수익을 확보할 수 있으므로 해당 시장을 완전히 방치해서는 안 된다고 경고합니다. [16:45]

8. AI 과잉투자 논쟁과 생태계 전략

• 현장에서는 재고나 투자 실패보다 투자하지 않아 경쟁에서 뒤처지는 위험을 더 크게 우려하며, 마이크로소프트와 구글도 투자하지 않는 위험을 강조한다고 전합니다. [17:38]
• AI 경쟁이 GPU에서 패키징과 전체 생태계로 이동하는 만큼 한국은 고유한 강점과 집중 분야를 명확히 정의하는 장기 전략이 필요하다고 제안합니다. [18:18]

9. 데이터센터와 피지컬 AI의 다음 10년

• 데이터센터는 단순한 서버 임대 시설에서 지속적으로 혁신을 만드는 생태계로 발전했으며, 당분간 전자부품 시장의 가장 큰 동력이 될 것으로 전망합니다. [19:09]
• 그다음 기회로 로봇과 자율주행을 포함한 피지컬 AI를 제시하며, 실제 생활 방식의 변화를 만드는 응용이 새로운 부품 수요를 촉발할 것으로 기대합니다. [19:33]

10. AI 시대의 청바지 기업

• 진행자는 AI 금광 옆에서 필수 도구를 공급하는 청바지 기업이라는 비유로 삼성전기와 MLCC·기판의 전략적 가치를 다시 강조하며 대화를 마무리합니다. [20:00]

🧾 결론

• AI 반도체 경쟁은 GPU나 메모리 단품을 넘어 전력 부품, 기판, 패키징을 포함하는 생태계 경쟁으로 이동하고 있다.
• AI용 부품 수요는 반도체 출하량과 같은 비율로 증가하는 것이 아니라 기판 면적·층수와 전력 사용량이 중첩되면서 더 빠르게 확대될 수 있다.
• FC BGA와 고용량 MLCC는 재료·미세 배선·다층 적층·양산 수율을 동시에 확보해야 하므로 선도 업체와 후발 업체 사이에 기술 격차가 형성될 수 있다.
• 다만 수요 배수와 시장 전망은 출연자의 현장 경험과 회사 관점에 기반한 발언이므로 실제 실적과 투자 규모를 통해 지속적으로 검증해야 한다.

📈 투자·시사 포인트

• AI 투자 사이클을 볼 때 GPU와 HBM뿐 아니라 MLCC 탑재량, FC BGA 면적·층수, 데이터센터 전력 증가를 함께 추적필요가 있다.
• 고사양 제품의 기술 장벽은 선도 업체에 유리하지만, 저사양 시장을 장기간 비워두면 중국 업체가 규모와 수익 기반을 확보할 수 있다는 경고도 중요한다.
• MLCC는 단순한 수량 증가뿐 아니라 동일 크기에서 용량을 높이는 고부가 제품 전환이 실적과 기술 경쟁력을 가를 수 있다.
• 데이터센터 투자의 지속성과 피지컬 AI의 상용화 속도가 향후 전자부품 수요가 단기 호황에 그칠지 장기 구조적 성장으로 이어질지를 결정할 핵심 변수입니다.

⚠️ 불확실하거나 확인이 필요한 부분

• MLCC와 기판 수요가 두 배 또는 세 배 증가한다는 설명은 구체적인 기간·제품군·비교 기준이 제시되지 않아 실제 출하량과 매출 자료로 확인해야 한다.
• AI용 GPU 소비전력이 기존 500~1,000W에서 1,500~2,000W로 높아졌다는 수치는 특정 제품이나 시스템 기준인지 명확하지 않습니다.
• FC BGA의 면적 100배, 층수 10배, 공정 부담 1,000배라는 수치는 구조적 복잡성을 설명하기 위한 개략적 계산으로 보이며 실제 원가·공정 수와 동일하다고 단정하기 어렵습니다.
• 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

• AI 서버 세대별 소비전력과 MLCC 개수·용량 요구가 실제로 어떻게 변하는지 동일 기준으로 비교한다.
• FC CSP와 AI용 FC BGA의 크기, 층수, 탑재 칩 수, 양산 난이도를 제품군별로 구분해 추적한다.
• 삼성전기의 MLCC·기판 증설이 실제 가동률, 고사양 제품 비중, 수익성 개선으로 연결되는지 점검한다.
• 고사양 시장의 기술 우위와 중국 업체가 진입하는 저사양 시장의 점유율 변화를 별도의 경쟁 구도로 관찰한다.

❓ 열린 질문

• AI 데이터센터 투자가 둔화할 경우 MLCC와 FC BGA 수요는 반도체 출하량보다 더 크게 조정될까요, 아니면 높은 부품 탑재량이 충격을 완화할까요?
• 동일 크기 MLCC의 용량을 계속 높이기 위해 필요한 재료 변경과 박막 적층 기술은 어느 지점에서 수율·원가 한계에 부딪힐까요?
• 피지컬 AI가 데이터센터 다음 성장축이 되려면 자율주행과 로봇 가운데 어느 응용처가 먼저 대규모 부품 수요를 만들까요?