설계 → 파운드리 → 메모리 → 장비 → 패키징 → 네트워킹 → 서버·전력 → 클라우드 → 프론티어 AI까지, AI 인프라 가치사슬을 떠받치는 핵심 종목을 단계별로 짚었습니다. 각 기업의 사업 모델, AI 공급망 내 역할, 경쟁 구도를 한눈에 이해할 수 있도록 정리했습니다.
※ 본 해설은 정보 제공을 목적으로 한 편집 콘텐츠이며, 특정 종목의 매수·매도를 권유하지 않습니다.
AI 가속기의 아키텍처와 소프트웨어 생태계를 쥔 두뇌. 공장 없이 칩을 설계한다.
AI 가속기의 사실상 표준, GPU+CUDA 생태계의 절대 강자
NVIDIA는 데이터센터용 GPU를 설계해 직접 생산하지 않고 TSMC에 위탁하는 팹리스다. 그러나 이 회사의 진짜 해자는 실리콘이 아니라 소프트웨어다. 15년 넘게 쌓아 올린 CUDA 생태계와 cuDNN·TensorRT 같은 라이브러리, 그리고 NVLink·InfiniBand로 수만 장의 GPU를 한 덩어리처럼 묶는 시스템 역량이 결합되면서, AI 학습 인프라는 사실상 NVIDIA를 전제로 설계된다.
수익 구조도 단일 칩 판매에서 GB200 같은 랙 단위 시스템 판매로 옮겨가며 객단가가 수직 상승했다. 경쟁 구도에서 AMD가 MI 시리즈로, 구글·아마존이 자체 ASIC(TPU·Trainium)으로 추격하지만, 소프트웨어 전환 비용과 공급망 장악력 때문에 데이터센터 학습 시장 점유율은 여전히 압도적이다. 관건은 추론(inference) 시장이 커지며 가격 대비 성능 경쟁이 본격화될 때 이 프리미엄이 유지되느냐다.
CPU·GPU 양면 전선, NVIDIA의 가장 현실적인 대항마
AMD는 서버 CPU(EPYC)에서 인텔로부터 점유율을 꾸준히 빼앗는 동시에, Instinct MI300/MI350 시리즈로 AI 가속기 시장에 본격 진입했다. MI300은 CPU와 GPU를 한 패키지에 통합한 칩렛 설계로 메모리 용량 면에서 강점을 내세우며, 대형 추론 워크로드에서 가격 대비 성능 카드를 들고 나왔다.
약점은 소프트웨어다. ROCm 생태계가 CUDA를 따라잡는 속도가 시장의 핵심 변수이고, 하이퍼스케일러들이 멀티 벤더 전략으로 AMD를 채택하기 시작한 점은 우호적이다. NVIDIA의 독점을 깨고 싶어 하는 고객의 구조적 수요가 AMD의 가장 큰 자산이다.
맞춤형 AI 칩(ASIC)과 네트워킹의 숨은 수혜주
브로드컴은 범용 GPU 대신, 하이퍼스케일러가 자체 설계하려는 AI 가속기(맞춤형 ASIC)의 공동 개발·양산 파트너로 자리 잡았다. 구글 TPU를 비롯한 빅테크의 자체 칩 상당수가 브로드컴의 설계 IP와 패키징 역량을 거친다. 여기에 데이터센터 트래픽을 처리하는 고속 스위치 칩(Tomahawk·Jericho)까지 더해, AI 인프라가 커질수록 '범용이든 맞춤형이든' 양쪽에서 매출이 발생한다.
사업 모델은 반도체와 인프라 소프트웨어(VMware 인수)로 다각화돼 현금 흐름이 안정적이다. 경쟁 구도에서 맞춤형 ASIC은 마벨과 경합하지만, 빅테크가 NVIDIA 의존도를 낮추려는 흐름 자체가 브로드컴 ASIC 사업의 구조적 성장 동력이다.
모든 칩의 밑바탕, 라이선스로 먹는 IP 제국
Arm은 칩을 만들지 않는다. CPU 명령어 집합(ISA)과 코어 설계를 라이선스로 제공하고, 출하되는 칩마다 로열티를 받는 IP 회사다. 스마트폰의 사실상 표준을 넘어, 이제 데이터센터(엔비디아 Grace, 아마존 Graviton)와 AI 가속기의 호스트 CPU로 영역을 넓히며 전력 효율 우위를 무기로 삼는다.
수익 모델 특성상 칩 시장 전체가 커지면 자동으로 수혜를 보고, 한 번 채택되면 교체 비용이 커 록인이 강하다. 위험 요인은 RISC-V라는 오픈소스 대안의 부상과, 일부 대형 고객이 자체 설계로 로열티를 우회하려는 시도다.
설계된 칩을 실제로 찍어내는 제조의 병목. 첨단 공정 capacity가 곧 권력이다.
AI 붐의 진짜 관문, 첨단 공정과 CoWoS 패키징의 독점적 공급자
TSMC는 NVIDIA·AMD·애플·브로드컴 등 거의 모든 첨단 팹리스의 칩을 위탁 생산하는 세계 최대 파운드리다. AI 가속기에 필요한 3nm·5nm 공정은 물론, GPU와 HBM을 한 패키지에 붙이는 CoWoS 첨단 패키징까지 사실상 독점에 가깝다. 즉 NVIDIA가 아무리 주문을 받아도 TSMC의 CoWoS capacity가 출하량의 실질적 상한선을 정한다.
경쟁 상대는 삼성 파운드리와 인텔이지만, 수율·고객 신뢰·에코시스템에서 격차가 크다. 리스크는 지정학(대만 집중)과 거대한 설비투자 부담이며, 이를 상쇄하는 것이 첨단 공정에서의 압도적 가격 결정력이다.
메모리·파운드리·세트를 모두 가진 유일한 종합 반도체
삼성전자는 HBM을 포함한 메모리, 파운드리, 그리고 스마트폰·가전 세트 사업을 모두 보유한 종합 반도체 기업이다. AI 사이클에서 핵심은 두 축이다. 하나는 HBM에서 SK하이닉스에 빼앗긴 주도권을 되찾는 것, 다른 하나는 파운드리에서 TSMC와의 첨단 공정 격차를 좁히는 것이다.
종합 모델은 메모리·로직·패키징을 한 회사 안에서 묶어 'AI 토털 솔루션'으로 제안할 수 있다는 잠재력을 갖지만, 동시에 모든 전선에서 1위 사업자와 동시에 싸워야 하는 부담을 안는다. HBM 고객 인증과 파운드리 수율 회복이 실적 반등의 분기점이다.
GPU 옆에 쌓이는 고대역폭 메모리. AI 성능의 진짜 병목은 연산이 아니라 메모리 대역폭이다.
HBM 시장의 선두주자, AI 붐 최대 수혜 메모리 기업
SK하이닉스는 NVIDIA AI 가속기에 들어가는 HBM(고대역폭 메모리)의 핵심 공급사로, AI 사이클에서 가장 직접적인 수혜를 누리는 기업이다. HBM은 DRAM을 수직으로 쌓아 대역폭을 극대화한 고난도 제품으로, 일반 DRAM보다 부가가치가 훨씬 높고 미리 완판되는 '주문 생산' 성격이 강해 메모리 특유의 가격 변동성을 상당 부분 상쇄한다.
선제적 투자로 HBM3E에서 시장을 선점했고, 차세대 HBM4와 고대역폭 플래시(HBF)까지 로드맵을 끌고 간다. 경쟁은 삼성·마이크론이지만, 고객 인증을 먼저 통과한 선점 효과가 크다. 위험은 HBM 증설 경쟁에 따른 공급 과잉과 범용 DRAM 업황의 동반 변동이다.
미국 유일의 메모리 종합기업, HBM 3강의 추격자
마이크론은 DRAM·NAND를 함께 생산하는 미국 유일의 대형 메모리 업체로, HBM 시장에 후발로 진입했지만 빠르게 점유율을 끌어올리고 있다. 미국 내 생산 기반과 정책적 지원은 공급망 다변화를 원하는 고객에게 매력적인 요소다.
마이크론은 스토리지(NAND/SSD)와 메모리(HBM)에 양다리를 걸쳐 AI 데이터 폭증의 저장·연산 두 계층에서 모두 수혜를 본다. 다만 HBM에서는 SK하이닉스·삼성을 추격하는 3위 사업자라, 증설 속도와 고객 인증 확대가 점유율 상승의 관건이다.
차세대 고대역폭 플래시(HBF)를 노리는 NAND 전문기업
샌디스크는 웨스턴디지털에서 분할 상장한 NAND·엔터프라이즈 SSD 전문기업이다. AI 데이터센터가 폭증하는 학습 데이터를 저장하면서 고성능 플래시 스토리지 수요가 늘고, 샌디스크는 그 저장 계층의 핵심 공급자로 자리한다.
주목할 카드는 차세대 'HBF(고대역폭 플래시)'다. HBM처럼 플래시를 적층해 대역폭을 끌어올려, 메모리와 스토리지의 경계를 허무는 AI 전용 메모리로 개발 중이다. 성공하면 메모리·스토리지 양쪽 섹터에 걸치는 독보적 위치를 갖지만, 아직 초기 단계라 상용화 속도가 변수다.
칩을 새기는 기계. 공정 미세화의 물리적 한계를 결정하는 보이지 않는 독과점.
EUV 노광장비 독점, 첨단 칩의 절대적 관문
ASML은 첨단 반도체를 새기는 데 필수인 EUV(극자외선) 노광장비를 세계에서 유일하게 만든다. 7nm 이하 공정은 ASML 장비 없이는 불가능하므로, TSMC·삼성·인텔의 첨단 공정 로드맵은 곧 ASML의 장비 출하 일정에 종속된다.
한 대에 수천억 원에 달하는 장비와 수십 년간 쌓인 광학·정밀기계 노하우, 그리고 차이스 같은 협력사 생태계가 진입장벽을 천문학적으로 높인다. 경쟁자가 사실상 없는 독점 구조라, 리스크는 경쟁이 아니라 지정학적 수출 규제와 반도체 설비투자 사이클의 변동성이다.
증착·식각의 종합 백화점, 공정 전반의 핵심 장비사
어플라이드 머티어리얼즈는 박막 증착, 식각, 이온주입 등 반도체 전공정의 광범위한 장비를 공급하는 세계 최대 장비기업이다. ASML이 노광 한 영역을 독점한다면, AMAT은 그 전후 공정의 여러 단계를 폭넓게 커버해 'AI 칩이 어디서 만들어지든' 매출이 발생한다.
AI 칩의 미세화·적층화·첨단 패키징은 모두 더 많고 더 정교한 공정 단계를 요구하므로 장비 수요를 구조적으로 끌어올린다. 경쟁은 램리서치·도쿄일렉트론과 영역별로 겹치지만, 포트폴리오 폭과 서비스 매출이 안정성을 더한다.
식각·증착의 강자, 3D 적층 시대의 수혜주
램리서치는 식각(etch)과 증착(deposition)에 특화된 장비기업이다. NAND가 수직으로 층을 쌓고 DRAM·HBM이 고단 적층으로 가면서, 깊고 정밀하게 깎아내는 식각 기술의 난도가 급격히 올라갔다. 램리서치는 바로 이 영역의 핵심 공급자다.
메모리 업황에 상대적으로 민감하지만, HBM·고단 NAND 등 AI가 요구하는 메모리 구조가 모두 식각·증착 집약적이라는 점이 구조적 수혜로 작용한다. 어플라이드·도쿄일렉트론과 경합하나, 특정 공정에서의 기술 리더십으로 자리를 지킨다.
일본 장비 챔피언, 코터·디벨로퍼의 강자
도쿄일렉트론(TEL)은 일본 최대 반도체 장비기업으로, 코팅·현상(코터/디벨로퍼), 식각, 세정 등 여러 공정 장비에서 높은 점유율을 갖는다. 특히 EUV 노광 공정과 짝을 이루는 코터/디벨로퍼는 ASML 장비와 함께 쓰여 첨단 공정 확대의 직접 수혜를 본다.
글로벌 장비 빅5 중 하나로, AI 칩 제조의 미세화·적층화가 진행될수록 장비 수요가 늘어난다. 미·중 갈등 속 일본 장비사로서의 지정학적 위치가 양날의 검으로 작용한다.
모든 칩 설계의 출발점. 수십억 트랜지스터를 사람이 손으로 그릴 수는 없다.
칩 설계 소프트웨어의 양대 산맥, IP까지 거머쥔 필수 인프라
시놉시스는 반도체 설계 자동화(EDA) 소프트웨어와 검증 IP를 공급하는 회사다. 수십억 개 트랜지스터로 이뤄진 AI 칩은 시놉시스·케이던스의 툴 없이는 설계·검증이 불가능하므로, 모든 첨단 칩 프로젝트가 이들의 소프트웨어를 거친다.
구독·라이선스 기반 매출이라 현금 흐름이 안정적이고, 칩 설계 시도가 늘어날수록(특히 빅테크의 자체 칩 붐) 수요가 구조적으로 커진다. 케이던스와 사실상 복점을 이루며, 최근에는 설계 과정에 AI를 접목해 생산성을 높이는 방향으로 진화하고 있다.
시놉시스와 양분한 EDA 복점의 한 축
케이던스는 시놉시스와 함께 EDA 시장을 양분하는 설계 소프트웨어 기업이다. 디지털 설계, 시뮬레이션, 그리고 시스템·패키지 단계의 설계 툴에서 강점을 가지며, AI 칩의 복잡한 멀티 다이 패키징 설계 수요가 늘며 영역이 넓어졌다.
두 회사가 시장을 사실상 나눠 갖는 구조라 경쟁보다는 동반 성장에 가깝고, 진입장벽이 매우 높다. 설계 단계에 생성형 AI를 도입해 엔지니어 생산성을 끌어올리는 흐름이 새로운 성장축으로 부상하고 있다.
여러 칩을 하나로 붙이고(패키징) 불량을 걸러내는(테스트) 마무리 단계. AI 칩일수록 비중이 커진다.
세계 최대 OSAT, 첨단 패키징 외주의 핵심
ASE는 세계 최대의 반도체 패키징·테스트 외주(OSAT) 기업이다. 칩이 점점 더 미세화의 한계에 부딪히면서, 여러 다이를 한 패키지에 붙이는 첨단 패키징이 성능 향상의 새로운 무대가 됐고, ASE는 TSMC가 다 소화하지 못하는 패키징 물량을 받아내는 보완재 역할을 한다.
AI 칩의 칩렛·이종집적 트렌드는 후공정의 부가가치를 키운다. 다만 파운드리(TSMC)가 첨단 패키징을 내재화하는 흐름과의 경쟁, 그리고 범용 패키징의 경기 민감성이 변수다.
미국·서방 공급망의 패키징 거점
앰코는 ASE에 이은 글로벌 2위권 OSAT로, 미국에 본사를 두고 서방 고객 기반이 강하다. 미국이 반도체 공급망을 자국·동맹 중심으로 재편하면서, 첨단 패키징을 역내에서 처리할 수 있는 앰코의 전략적 가치가 부각된다.
애리조나 신공장 등 미국 내 첨단 패키징 투자는 정책 수혜와 맞물린다. AI 칩 수요가 후공정 물량으로 이어지는 구조 속에서, 지역 분산을 원하는 고객의 수요가 성장 동력이다.
테스트 장비의 1인자, HBM 검사 수혜주
어드반테스트는 칩이 제대로 작동하는지 검사하는 테스트 장비의 세계 1위 기업이다. AI 가속기와 HBM처럼 고난도·고집적 칩일수록 테스트 항목과 시간이 늘어나기 때문에, 같은 출하량이라도 더 많은 테스트 장비가 필요해진다.
특히 HBM은 적층 단계마다 검사가 필요해 테스트 강도가 높고, 이는 어드반테스트 실적과 직결된다. 테라다인과 복점을 이루며, AI 칩 복잡도 상승이 구조적 수요를 만든다.
수만 장의 GPU를 한 덩어리처럼 잇는 고속 통신. AI 클러스터의 혈관이다.
데이터센터 스위치의 강자, AI 클러스터의 백본
아리스타는 데이터센터용 고속 이더넷 스위치를 공급하는 기업이다. AI 학습은 수많은 GPU가 끊임없이 데이터를 주고받아야 하므로, 이 트래픽을 지연 없이 처리하는 네트워크가 곧 클러스터 성능을 좌우한다. 아리스타는 이 영역에서 하이퍼스케일러의 핵심 파트너다.
소프트웨어(EOS) 기반의 일관된 운영체제로 차별화하며, AI 데이터센터 확장과 함께 고사양 스위치 수요가 늘어난다. NVIDIA의 InfiniBand 진영과 이더넷 진영의 표준 경쟁이 장기 변수다.
맞춤형 AI 칩과 광통신 DSP의 핵심 공급자
마벨은 맞춤형 AI 가속기(ASIC) 설계와, 데이터센터 간·내부를 잇는 광통신·고속 인터커넥트 칩에서 강점을 가진다. 브로드컴과 함께 빅테크의 자체 칩 개발을 돕는 양대 파트너로 꼽히며, 동시에 AI 트래픽 폭증의 수혜를 보는 광 DSP·전송 칩을 공급한다.
범용 GPU가 아닌 '맞춤형·연결' 영역에 포지셔닝해, AI 인프라가 커질수록 데이터 이동 계층에서 매출이 발생한다. 맞춤형 칩 수주의 양산 전환 속도가 실적의 핵심 변수다.
연결 반도체 전문, PCIe·CXL 시대의 다크호스
아스테라랩스는 칩과 칩, 보드와 보드를 안정적으로 잇는 '연결 반도체(커넥티비티)'에 특화된 신생 강자다. GPU·메모리·스토리지가 더 빠른 속도로 데이터를 주고받을수록 신호 무결성을 지키는 리타이머·스위치의 중요성이 커지는데, 아스테라는 PCIe·CXL 등 차세대 인터커넥트 표준에서 입지를 다졌다.
AI 서버의 복잡도가 올라갈수록 연결 칩 수가 늘어나는 구조라 성장성이 높다. 다만 신생 기업 특유의 고객 집중도와 대형 경쟁사의 진입 가능성이 리스크다.
GPU를 실제로 담아 돌리는 하드웨어와, 그 막대한 전기·열을 감당하는 설비.
AI 서버 조립의 속도전 챔피언
슈퍼마이크로는 GPU·메모리·전력·냉각을 통합한 AI 서버를 빠르게 설계·조립해 공급하는 시스템 기업이다. 모듈형 설계와 액체냉각 솔루션으로 최신 GPU를 가장 먼저 랙 단위로 실장해주는 속도가 강점이다.
AI 서버 수요 폭증의 직접 수혜를 보지만, 조립·통합 사업 특성상 마진이 얇고 부품(특히 GPU) 수급에 실적이 휘둘린다. 델·HPE 등 대형 OEM과의 경쟁, 그리고 회계 신뢰성 이슈가 변수로 작용해 왔다.
엔터프라이즈 AI 서버의 전통 강자
델은 서버·스토리지·PC를 아우르는 종합 IT 기업으로, AI 사이클에서는 기업·기관용 AI 서버 공급자로 부상했다. 방대한 영업·서비스 네트워크와 금융·공급망 역량을 무기로, 슈퍼마이크로보다 큰 고객을 안정적으로 소화한다.
AI 서버는 매출을 키우지만 GPU 원가 비중이 높아 마진을 압박한다. 기업들이 자체 데이터센터에 AI를 도입하는 '엔터프라이즈 AI' 흐름이 본격화되면 델의 통합 솔루션 가치가 커진다.
데이터센터 전력·냉각 인프라의 핵심, 액체냉각 수혜주
버티브는 데이터센터의 전력 분배·UPS와 냉각(공조·액체냉각) 설비를 공급하는 인프라 기업이다. AI 가속기는 기존 서버보다 훨씬 많은 전력을 먹고 그만큼 발열이 커서, 랙당 전력밀도가 급등하며 액체냉각이 필수가 되고 있다. 버티브는 바로 이 전환의 핵심 수혜자다.
GPU만큼 화려하지 않지만, AI 데이터센터를 '실제로 가동 가능하게' 만드는 필수 설비라 수주 잔고가 빠르게 쌓인다. 전력·냉각이 데이터센터 증설의 물리적 병목으로 떠오르며 구조적 성장 국면에 들어섰다.
AI 인프라에 가장 큰돈을 쓰는 큰손이자, 자체 칩으로 NVIDIA 의존을 줄이려는 플레이어.
GPU 전문 네오클라우드의 대표주자
코어위브는 범용 클라우드 대신 GPU 연산에 특화된 '네오클라우드'다. NVIDIA GPU를 대규모로 확보해 AI 스타트업·연구소·빅테크에 임대하며, 최신 GPU를 누구보다 빠르게 배치하는 민첩성으로 급성장했다.
수요 폭증의 직접 수혜를 보지만, GPU 구매를 위한 막대한 차입과 소수 대형 고객 의존이 양날의 검이다. AI 학습 수요가 꺾이거나 GPU 임대 단가가 하락하면 레버리지가 역으로 작용할 수 있어, 성장성과 재무 리스크가 공존한다.
OpenAI 파트너십과 Azure, AI 상업화의 최전선
마이크로소프트는 OpenAI와의 파트너십을 축으로, Azure 클라우드와 Copilot 제품군에 AI를 빠르게 상업화하는 빅테크다. AI 인프라에 막대한 설비투자를 집행하는 최대 고객 중 하나이자, 그 투자를 구독 매출로 회수하는 사업 모델을 갖췄다.
NVIDIA GPU의 대형 구매자인 동시에, 자체 가속기(Maia)로 의존도를 낮추려 한다. AI 자본지출과 실제 매출 회수 속도의 균형, 그리고 OpenAI와의 관계 변화가 핵심 관전 포인트다.
자체 칩(TPU)과 Gemini를 모두 가진 수직통합 AI
알파벳(구글)은 검색·광고의 현금흐름 위에, 자체 AI 가속기 TPU와 파운데이션 모델 Gemini를 모두 보유한 보기 드문 수직통합 기업이다. TPU로 NVIDIA 의존을 줄이고, 클라우드(GCP)에서 이를 외부 고객에게도 제공한다.
검색이라는 본진이 생성형 AI로 위협받는 동시에, 그 위협을 자체 모델·인프라로 방어하는 양면 게임을 한다. 자체 칩·모델·데이터센터를 한 회사가 통제한다는 점이 장기 비용 경쟁력의 원천이다.
AWS와 자체 칩(Trainium)으로 무장한 클라우드 1위
아마존은 클라우드 시장 1위 AWS를 통해 AI 인프라를 가장 많이 파는 사업자이자, 자체 가속기 Trainium·Inferentia로 비용을 낮추려는 플레이어다. 앤트로픽 등 모델 기업에 투자해 자사 칩·클라우드의 수요처를 확보하는 전략도 병행한다.
AWS의 AI 매출 성장과 막대한 데이터센터 설비투자가 동시에 진행되며, 자체 칩의 채택 확대가 마진 방어의 핵심이다. 리테일 본업의 안정적 현금흐름이 공격적 AI 투자를 뒷받침한다.
오픈 모델 Llama와 초대형 GPU 투자의 큰손
메타는 광고 수익을 기반으로 AI에 공격적으로 투자하는 빅테크다. 오픈 가중치 모델 Llama를 공개해 생태계 영향력을 키우는 한편, 추천·광고 알고리즘과 차세대 제품을 위해 수십만 장 규모의 GPU를 사들이는 최대 큰손 중 하나다.
AI 투자는 광고 효율 개선으로 회수되는 구조라 본업과 시너지가 명확하다. 자체 가속기(MTIA) 개발로 NVIDIA 의존도 완화를 시도하며, 막대한 설비투자 대비 수익화 속도가 시장의 평가 잣대다.
인프라 위에서 실제 가치를 만들어내는 응용·플랫폼 계층.
기업·정부용 AI 운영 플랫폼의 선두
팔란티어는 정부·기업이 흩어진 데이터를 통합해 의사결정과 운영에 활용하도록 돕는 소프트웨어 기업이다. 최근에는 AIP(AI 플랫폼)를 통해 대형 언어모델을 실제 업무 프로세스에 안전하게 접목하는 'AI 운영체제'로 포지셔닝하며 상업 부문 매출을 빠르게 키우고 있다.
GPU·칩 같은 하드웨어가 아니라, AI를 현장에 적용해 ROI를 만드는 응용 계층에 위치한다. AI 인프라 투자가 실제 생산성으로 전환되는지를 보여주는 바로미터격 기업이지만, 높은 밸류에이션이 변동성의 원인이다.