엔비디아 베라 CPU에 AI 업체들이 몰린다, 삼성·SK하이닉스 메모리 기회도 커지는 중

GPU만으론 부족해진 AI 서버

• 엔비디아가 이제 데이터센터용 CPU 시장까지 본격적으로 밀고 들어가는 중임

  • 신형 CPU ‘베라(Vera)’는 차세대 AI 플랫폼 ‘베라 루빈(Vera Rubin)’의 핵심 부품
  • 그동안 서버 CPU는 인텔과 AMD가 주도해왔는데, 엔비디아가 AI 플랫폼 전체를 잡기 위해 CPU까지 직접 끌고 가는 모양새임
  • 엔비디아는 베라 CPU 사업에서 이번 회계연도 말까지 200억달러 규모 매출을 기대하는 것으로 알려짐

• 핵심은 AI 플랫폼이 GPU 하나로 끝나는 구조가 아니라는 점임

  • 베라 루빈에는 HBM4, 서버용 저전력 메모리, 고성능 스토리지가 함께 들어감
  • AI 모델 학습과 추론에서는 GPU 연산 성능만 좋아도 데이터가 늦게 들어오면 병목이 생김
  • 그래서 CPU, GPU, 메모리, 스토리지를 같이 최적화한 플랫폼 경쟁으로 바뀌고 있음

삼성전자와 SK하이닉스가 보는 기회

• 국내 메모리 업계에는 새 공급 기회가 열릴 수 있음

  • 삼성전자와 SK하이닉스는 HBM 공급망에서 엔비디아의 주요 파트너로 꼽힘
  • 젠슨 황 엔비디아 CEO는 지난달 방한 당시 삼성전자, SK하이닉스, 마이크론이 HBM4 자격 심사를 통과했고, 베라 루빈 공급 경쟁이 진행 중이라고 밝힌 바 있음

• 삼성전자는 메모리뿐 아니라 스토리지까지 공급 범위를 넓히고 있음

  • 지난 3월 GTC 2026에서 루빈 GPU용 HBM4, 베라 CPU용 소캠2(SOCAMM2), 기업용 SSD PM1763을 베라 루빈 플랫폼과 함께 공개함
  • PM1763은 PCIe 6.0 기반 eSSD로, 최근 양산에 들어간 제품
  • AI 모델 학습과 추론에서 처리해야 할 데이터가 폭증하면서 GPU와 CPU 대기 시간을 줄여주는 고성능 스토리지의 중요성이 커지고 있음

• SK하이닉스도 베라 루빈 생태계 대응에 속도를 내고 있음

  • 10나노급 6세대(1c) LPDDR5X 기반 소캠2 192GB 제품 양산에 돌입함
  • 소캠2는 모바일용 저전력 D램을 서버용으로 재설계한 메모리 모듈
  • 낮은 전력 소비, 높은 대역폭, 교체 가능한 구조를 동시에 갖춘 게 특징임

AI 업체들이 왜 엔비디아 CPU를 보나

• 퍼플렉시티, 오픈AI, 앤스로픽, 오라클 등이 엔비디아 CPU 활용 방침을 밝히거나 도입 계획을 공개함

  • AI 검색 스타트업 퍼플렉시티는 최근 베라 CPU 도입 계획을 공개함
  • 오픈AI, 앤스로픽, 오라클도 엔비디아 CPU 활용 방침을 밝힌 바 있음
  • AI 업체들이 단순 GPU 클러스터가 아니라 더 통합된 AI 서버 플랫폼을 원한다는 신호로 볼 수 있음

• AI 에이전트 확산도 CPU 경쟁을 키우는 요인으로 언급됨

  • 업계에서는 AI 에이전트가 늘수록 빅테크의 자체 CPU 개발 경쟁도 본격화될 것으로 봄
  • CPU와 GPU, 메모리를 함께 최적화한 AI 플랫폼이 늘면 국내 메모리 업체들의 공급 기회도 같이 커질 수 있음
  • 결국 AI 인프라 경쟁은 ‘누가 GPU를 많이 사느냐’에서 ‘전체 시스템을 얼마나 덜 막히게 설계하느냐’로 이동 중임

---

기술 맥락

• 이번 기사에서 중요한 선택은 엔비디아가 AI 데이터센터를 GPU 단품이 아니라 플랫폼 단위로 묶어가고 있다는 점이에요. 왜냐하면 대형 모델 학습과 추론에서는 연산 장치만 빨라져도 메모리와 스토리지가 따라오지 못하면 전체 처리량이 막히거든요.

• Vera CPU와 Vera Rubin 플랫폼은 CPU, GPU, HBM4, SOCAMM2, SSD를 같이 설계하는 방향이에요. 이렇게 하면 각 부품을 따로 조합할 때보다 데이터 이동 경로를 줄이고, 전력과 대역폭을 더 촘촘하게 맞출 수 있어요.

• 삼성전자와 SK하이닉스가 주목받는 이유도 HBM 하나 때문만은 아니에요. CPU 주변 저전력 메모리, 고성능 SSD, HBM4까지 플랫폼 안에 들어가는 부품 범위가 넓어지면 공급 기회가 여러 레이어로 퍼지거든요.

• SOCAMM2가 흥미로운 건 모바일용 저전력 D램 계열을 서버용 모듈로 다시 설계했다는 점이에요. AI 서버는 전력과 발열이 큰 제약이라서, 대역폭을 올리면서도 전력 효율을 잡는 선택이 중요해요.

• PCIe 6.0 기반 eSSD가 같이 언급되는 것도 같은 맥락이에요. 모델 학습과 추론에서 데이터가 저장장치에서 CPU와 GPU로 이동하는 시간이 길어지면 비싼 가속기가 놀게 되니까, 스토리지까지 플랫폼 최적화 대상이 되는 거예요.