K-반도체, 메모리만으론 부족함 — AI칩 생태계는 아직 B학점

• 이재명 정부 1년의 AI 반도체 정책 평가는 대체로 “방향은 맞는데, 아직 세게 밀어붙이진 못했다”에 가까움

  • 지디넷코리아가 창간 26주년 특집으로 반도체 업계와 학계 의견을 모았고, 전반 평가는 B학점 분위기임
  • 한국이 강한 메모리 반도체만으로는 AI 시대 전체 판을 잡기 어렵고, 온디바이스 AI·국산 NPU·팹리스 생태계까지 넓혀야 한다는 얘기가 핵심임

• 온디바이스 AI 쪽은 정부가 꽤 의미 있는 출발을 했다는 평가가 나옴

  • 정부는 지난해 9월 제조 AX 얼라이언스, 즉 M.AX 얼라이언스를 출범시켰고 AI 팩토리·자율주행·휴머노이드·AI 반도체 등 10개 분과로 구성함
  • AI 반도체 분과는 여러 산업에서 상용 수준 온디바이스 AI 반도체 시제품을 만드는 게 목표임
  • 올해는 K-온디바이스 AI 반도체 신규 과제를 편성하고, 전체 자금 조성 규모는 최소 8000억원으로 예상됨

• 전문가들이 좋게 보는 포인트는 “수요 기업이 같이 돈을 넣고, 진짜 쓸 칩을 만든다”는 구조임

  • 김용석 AI 반도체 M.AX 얼라이언스 위원장은 수요 기업이 주축이 되어 팹리스에 필요한 AI 반도체를 만드는 방식이라 상용화 압박이 생긴다고 설명함
  • 그냥 정부 과제로 끝나는 게 아니라 자동차, 로봇, 드론 같은 실제 산업 수요와 연결될 수 있다는 점이 의미 있음
  • 다만 김 위원장은 국내 AI 반도체 팹리스를 제대로 키우려면 1조원 규모 추가 과제를 기획할 필요가 있다고 봄

• 데이터센터용 국산 NPU도 그냥 “있으면 좋은 칩” 수준이 아니라 국가 인프라 이슈로 다뤄야 한다는 목소리가 나옴

  • 김형준 차세대지능형반도체사업단장은 데이터센터용 NPU를 설계할 수 있는 나라가 미국, 중국, 한국 정도라고 짚음
  • 그래서 이걸 단순 사업이 아니라 국가 주권을 키우는 관점에서 봐야 한다고 주장함
  • 정부와 국가기관이 국산 NPU를 직접 실증해줘야 팹리스가 기술력을 쌓고 레퍼런스를 만들 수 있다는 제안도 나옴

• 업계가 아쉬워하는 건 생태계 확장성과 실증 규모임

  • 한 AI 반도체 기업 임원은 정부가 업계 의견을 적극 듣고 연구개발과 실증 과제를 공급하는 점은 긍정적으로 평가함
  • 국민성장펀드 같은 투자형 지원이 리벨리온, 퓨리오사AI 같은 회사에 실질적 도움이 되고 있다는 평가도 있음
  • 하지만 국가 AI 데이터센터 사업에서 초기 “국산 AI 반도체 50% 도입” 조항이 유찰 후 삭제된 점은 아쉽다는 반응임
  • 최소 10% 같은 절충안이라도 남겼으면 국산 칩 실증 기회를 만들 수 있었는데, 제약을 아예 없앤 게 문제라는 시각임

• AI 시장이 학습에서 추론으로 넓어지는 흐름도 놓치면 안 됨

  • 업계 관계자는 전 세계적으로 추론 시장이 성장하고 있고 학습과 추론 비중이 1:1 수준이라고 설명함
  • 그런데 정부 정책은 학습용 GPU 확보에 크게 쏠려 있고, 국산 NPU 기반 추론 실증은 규모가 너무 작다는 지적임
  • 기술력이 양산 단계에 도달했더라도 대규모 실증이 없으면 고객에게 보여줄 시장 레퍼런스가 부족해짐

• 반도체 소부장 쪽은 대외 리스크 때문에 체감 난도가 더 올라간 상태임

  • 미중 갈등으로 반도체 공급망이 갈라지면서 국내 소재·부품·장비 기업은 선택을 강요받거나 큰 기업을 상대로 협상력이 약해지는 상황임
  • 트럼프 2기 행정부는 중국향 최첨단 반도체 장비 수출을 막고 있고, 중국은 희토류·갈륨 같은 전략광물 수출 통제를 강화함
  • 미국-이란 전쟁까지 원자재와 물류비 상승으로 이어지면서 중소 소부장 기업엔 부담이 더 커짐

• 용인 반도체 클러스터는 여전히 한국 반도체 전략의 큰 축임

  • 2047년까지 생산 팹 10기를 짓고 총 622조원을 투자하는 세계 최대급 반도체 단지로 추진 중임
  • 정부는 규제 요건과 임대사업 제한을 완화해 기업 투자 속도를 높이는 쪽으로 지원해 왔음
  • 한때 지역 이전 논란이 있었지만 최근에는 줄었고, 삼성전자와 SK하이닉스는 설비투자에 속도를 내는 분위기라고 함

---

기술 맥락

• 여기서 온디바이스 AI가 중요한 이유는 AI 연산이 데이터센터 안에만 머물지 않기 때문이에요. 자율주행차, 로봇, 드론처럼 현장에서 바로 판단해야 하는 기기는 네트워크 지연이나 개인정보 문제 때문에 기기 안에서 추론을 처리해야 하거든요.

• 국산 NPU 이야기가 계속 나오는 것도 같은 맥락이에요. 한국이 메모리만 잘 팔면 AI 붐의 수혜는 받지만, 추론 인프라의 핵심 연산 장치를 외산에 의존하면 데이터센터와 서비스 운영의 주도권은 제한될 수밖에 없어요.

• 실증 규모가 중요한 이유는 반도체는 “성능 좋아요”만으로 팔기 어렵기 때문이에요. 실제 데이터센터나 공공 시스템에서 대량으로 돌린 기록이 있어야 안정성, 전력 효율, 소프트웨어 스택까지 검증됐다고 말할 수 있어요.

• 정부가 GPU 26만장 확보에 집중하는 건 학습 인프라를 빠르게 키우는 데는 맞는 선택이에요. 다만 추론 시장이 커지는 상황에서 국산 NPU 실증이 1만장 미만이면, 국내 팹리스가 글로벌 고객에게 보여줄 사례를 만들기가 빡세져요.