메모리 다음의 질문

HBM 1등의 불안한 장면

지난 1년 한국 반도체 업계의 가장 빛나는 숫자는 HBM이었다. 엔비디아의 가속기 한 장에 들어가는 고대역폭 메모리를 SK하이닉스가 사실상 먼저 채워 넣었고, 삼성전자와 마이크론이 뒤를 쫓았다. 한국이 다시 메모리에서 세계를 이겼다는 안도가 퍼졌다.

그런데 그 빛나는 숫자를 들여다보면 불안한 장면이 하나 있다. HBM은 엔비디아가 설계한 시스템 안에서만 값이 매겨진다. 엔비디아가 다음 세대 아키텍처에서 메모리를 몇 단으로 쌓을지, 어느 표준을 채택할지를 결정하면 한국 기업은 그 사양에 맞춰 라인을 다시 짠다. 우리는 가장 어려운 부품을 가장 잘 만든다. 그러나 그 부품이 어디에 어떻게 쓰일지를 정하는 자리에는 앉아 있지 않다. 단품의 1등과 시스템의 설계자는 같은 말이 아니다.

엔비디아가 최근 자신을 칩 회사가 아니라 'AI 팩토리'를 짓는 회사라고 부르기 시작한 것이 그 증거다. GPU 한 장이 아니라, 가속기와 네트워크와 소프트웨어 스택과 데이터센터 전력 설계를 한 덩어리로 묶어 판다. 경쟁의 단위가 단품에서 통합 시스템으로 올라갔다.

빠른 추격이 멈추는 지점

한국 산업은 추격에 능했다. 남이 먼저 연 시장에서 공정을 더 정밀하게, 수율을 더 높게, 단가를 더 낮게 만들어 따라잡았다. 메모리, 디스플레이, 배터리가 같은 방식으로 컸다. 문제 자체는 선진국이 냈고, 우리는 그 문제를 누구보다 빨리 풀었다.

이 모델이 멈추는 지점이 지금이다. AI 팩토리 경쟁은 정답이 있는 시험이 아니라 아직 표준이 정해지지 않은 빈 공간이다. 제조 현장의 데이터를 어떻게 모델로 바꿀지, 로봇의 동작을 어떤 구조로 학습시킬지, 가속기와 메모리와 전력을 어떤 비율로 묶을지에 합의된 정답이 없다. 정답이 없는 곳에서는 빨리 따라가는 능력이 쓸모를 잃는다. 따라갈 대상이 아직 만들어지는 중이기 때문이다.

수직 통합은 그래서 등장한다. 엔비디아가 칩에서 데이터센터까지 묶고, 테슬라가 차량과 공장과 로봇을 한 학습 루프 안에 넣으려는 이유는, 어디에 정답이 있는지 모를 때는 전체를 손에 쥐고 시행착오를 반복하는 쪽이 유리하기 때문이다. 단품을 잘 만드는 회사는 남의 시행착오에 부품을 납품할 뿐, 그 시행착오를 자기 자산으로 쌓지 못한다.

축적은 실패를 자산으로 바꾸는 구조다

프런티어 기술의 핵심은 한 번의 성공이 아니라 실패가 남는 구조다. 제조AI는 수천 개 공정의 불량 데이터가 쌓여야 쓸 만해지고, 산업용 로봇은 수없이 넘어진 기록 위에서야 안정된다. 이 데이터와 경험은 돈으로 한 번에 사올 수 없다. 시간을 들여 같은 현장에서 반복해야만 몸에 붙는다. 축적이란 그 반복을 버리지 않고 자산으로 전환하는 시스템을 뜻한다.

여기서 선진국과 한국의 시간표가 갈린다. 미국의 빅테크는 수익이 나지 않는 단계에서 10년 넘게 모델과 인프라에 돈을 부었다. 독일은 통합 자동화 표준을 20년에 걸쳐 산업 전체에 깔았다. 이들은 당장의 분기 실적이 아니라 다음 세대의 표준을 보고 투자했다.

한국의 성과주의는 그 시간을 견디기 어렵다. 3년 안에 매출이 안 나오는 연구는 접히고, 임원 평가는 분기로 돌아가며, 실패한 프로젝트의 데이터는 보고서와 함께 폐기된다. 한 엔지니어가 10년 같은 문제에 머물며 실패를 쌓을 자리가 조직에 거의 없다. 부산의 조선과 기계 산업이 풍부한 현장 데이터를 갖고도 그것을 모델로 전환하지 못한 채 흘려보낸 것이 같은 구조의 그림자다. 데이터는 있었지만, 그것을 오래 쌓을 시스템이 없었다.

반론은 가능하다. 한국은 빠른 추격으로 메모리 세계 1위에 올랐으니, 같은 속도로 AI 팩토리도 따라잡으면 되지 않느냐는 것이다. 그러나 추격은 목표가 고정돼 있을 때만 작동한다. 표적이 움직이고 표준이 아직 없는 영역에서는, 빨리 달리는 능력이 오히려 남이 정한 방향으로만 빨리 가게 만든다. 속도는 방향을 대신하지 못한다.

무엇을 쌓아야 하는가

한국이 생태계 설계자가 되려면 쌓아야 할 것은 더 좋은 칩이 아니라 다른 세 가지다. 첫째, 제조 현장의 데이터를 버리지 않고 모델로 전환하는 파이프라인이다. 조선, 철강, 정유, 반도체 라인에서 매일 나오는 공정 데이터는 세계 어느 나라도 갖지 못한 자산인데, 지금은 대부분 폐기된다. 둘째, 실패가 경력으로 인정되는 인력 구조다. 같은 문제에 10년 머문 사람이 손해 보지 않는 평가와 보상이 없으면 축적은 시작되지 않는다. 셋째, 부품과 시스템을 함께 설계해본 경험이다. 메모리를 잘 만드는 것과 메모리가 들어갈 시스템을 설계하는 것은 다른 근육이고, 그 근육은 직접 묶어봐야 생긴다.

이것은 더 많은 R&D 예산의 문제가 아니라 시간의 문제다. 같은 돈도 분기로 끊어 쓰면 단품 개선에 그치고, 10년으로 묶어 쓰면 시스템 설계 경험으로 쌓인다. 한국에 부족한 것은 자본도 인재도 아니라, 그 자본과 인재를 오래 한자리에 묶어둘 인내의 구조다.

정답에서 질문으로

추격의 시대에는 정답을 빨리 찾는 나라가 이겼다. 한국은 그 시대의 우등생이었다. HBM 1위는 그 우등생이 받은 마지막 만점짜리 답안일지도 모른다.

프런티어의 시대는 다른 것을 묻는다. 누가 남이 낸 문제를 빨리 푸느냐가 아니라, 누가 아직 아무도 묻지 않은 문제를 먼저 만들어내느냐다. AI 팩토리라는 빈 공간의 표준을 누가 쓸 것인가는 속도가 아니라 축적이 정한다. 한국은 이 기술을 오래 쌓을 구조를 가졌는가. 실패가 경험으로 남는 시스템을 가졌는가. 이 두 질문에 답하지 못하면, 우리는 또 한 번 가장 어려운 부품을 만들면서 가장 중요한 결정에서는 빠질 것이다. 정답을 빨리 찾는 나라가 아니라, 질문을 먼저 만드는 나라가 되어야 한다.