[AI 인프라 완전분석] Vera Rubin은 왜 다른가? HBM4와 구리→광케이블 대전환까지

 

 

---

[AI 인프라 완전분석] Vera Rubin은 왜 다른가? HBM4와 구리→광케이블 대전환까지

---

안녕하세요, 책 읽는 숲입니다.

"엔비디아 루빈", "HBM4", "실리콘 포토닉스"... AI 반도체 뉴스에서 이 단어들이 쏟아지고 있습니다. 오늘은 이 세 가지를 하나의 흐름으로 연결해 드립니다. 기술이 왜 바뀌는지, 그 변화가 어떤 투자 기회로 이어지는지, 처음부터 차근차근 설명해 드릴게요.

---

1. Vera Rubin이 뭔가요? — 이름부터 알고 시작하기

베라 루빈(Vera Rubin, 1928~2016)은 은하의 회전 속도를 관측해 우주 암흑물질의 존재를 입증한 미국 천문학자입니다. 엔비디아는 블랙웰(물리학자), 호퍼(수학자)처럼 과학자 이름을 GPU 세대명으로 씁니다. 루빈은 엔비디아의 차세대 AI 가속기 플랫폼 이름이자, 2026년 하반기 본격 상용화를 앞둔 AI 인프라의 새 기준점입니다.

---

2. HBM 세대별 비교 — 루빈이 다른 이유

기존 HBM과 루빈에 탑재되는 HBM4의 차이를 먼저 이해해야 합니다.

세대 인터페이스 폭 대역폭 주요 탑재

HBM2E	1,024비트	~460 GB/s	A100
HBM3	1,024비트	~819 GB/s	H100
HBM3E	1,024비트	~1.2 TB/s	블랙웰
HBM4	2,048비트	최대 3.3 TB/s	베라 루빈

 

핵심은 단순히 칩을 더 많이 쌓은 게 아니라는 점입니다.

HBM4의 핵심 혁신은 메모리 인터페이스 폭을 기존 1,024비트에서 2,048비트로 2배 확장한 데 있습니다. 쉽게 말해 더 넓은 도로를 만들어 한 번에 더 많은 데이터를 실어나르는 원리입니다. 루빈 GPU의 HBM4 대역폭은 소켓당 22TB/s로, 블랙웰 대비 약 2.8배 향상된 수치입니다.

그리고 베이스 다이(Base Die) 기술이 또 하나의 혁신입니다.

HBM4부터는 메모리 적층 구조의 가장 아래에 위치해 전력·신호를 제어하는 '베이스 다이'에 초미세 파운드리 공정이 필수적으로 도입됩니다. SK하이닉스는 TSMC의 12나노 로직 공정을 활용해 베이스 다이를 생산, 대역폭을 기존 대비 2배, 전력 효율을 40% 이상 끌어올렸습니다.

삼성전자도 마찬가지로 HBM4에 최선단 1c D램과 함께 자사 파운드리의 4나노 공정으로 생산한 베이스 다이를 적용했습니다. HBM 경쟁이 단순 메모리 기술을 넘어 파운드리와 패키징까지 아우르는 '시스템 경쟁'으로 번지고 있다는 의미입니다.

---

3. 루빈 플랫폼의 성능 — 얼마나 달라지나?

엔비디아는 베라 루빈 NVL72가 블랙웰 대비 추론 성능 5배 향상, 토큰당 비용 10배 절감, MoE 모델 학습 GPU 소요량 4분의 1 감소를 달성한다고 밝혔습니다.

루빈 플랫폼은 공랭식을 완전히 배제하고 100% 액체 냉각 시스템을 채택합니다. 이를 통해 데이터 센터의 전력 효율 지수(PUE)를 1.1 수준까지 낮춰 냉각에 드는 낭비 전력을 최소화합니다.

쉽게 설명하면 이렇습니다. 같은 전기를 쓰면서 10배 더 많은 AI 연산을 처리하고, 냉각 손실도 최소화한다는 뜻입니다. AI 추론 비용 자체가 10분의 1로 떨어진다는 건 GPT 같은 서비스를 훨씬 싸게 운영할 수 있다는 의미입니다.

---

4. 구리 → 광케이블 대전환 — 이게 왜 중요한가?

HBM4와 루빈 얘기를 하다 보면 반드시 나오는 또 하나의 키워드가 있습니다. 바로 실리콘 포토닉스와 **CPO(Co-Packaged Optics)**입니다.

왜 구리 배선이 문제인가?

데이터센터 안에서 GPU끼리, 서버끼리 데이터를 주고받을 때 지금까지는 구리 케이블을 썼습니다. 그런데 AI 연산이 폭발적으로 늘어나자 구리 배선의 한계가 드러났습니다.

구리 배선 한계
① 속도 한계 — 전기 신호는 빛보다 느리다
② 발열 — 전기 저항으로 열이 발생
③ 전력 소모 — 신호 증폭에 추가 전력 필요
④ 거리 제한 — 장거리 전송 시 신호 감쇠

 

광케이블(실리콘 포토닉스)은 뭐가 다른가?

광트랜시버 기술은 전기 신호를 빛(광신호)으로 변환하여 데이터를 초고속으로 전송할 수 있도록 지원하는 핵심 부품으로, 현재 구리선 기반 반도체 대비 10배 빠른 속도로 데이터 송신이 가능하며 동시에 전력 소비도 절감할 수 있습니다.

루빈 플랫폼은 구리 배선 대신 빛(광신호)을 이용해 데이터를 전송하는 실리콘 포토닉스 기술을 적용하여 통신 과정에서 발생하는 전력 소모를 5배 이상 줄였습니다.

 

CPO는 한 단계 더 나아간 기술입니다. 광학 부품을 GPU 칩 패키지 바로 옆에 붙여버리는 방식으로, GPU 칩과 광엔진을 하나의 패키지에 통합해 전력 소비를 기존 대비 3분의 1로 절감합니다.

---

5. 엔비디아가 직접 베팅한 기업들

엔비디아는 미국의 광트랜시버 제조업체인 루멘텀홀딩스와 코히런트에 약 6조 원 규모의 투자를 단행했으며, 마벨 테크놀로지에 20억 달러를 투자하고 글로벌 광학 부품사들과의 협력을 공식화했습니다. GTC 2026에서 젠슨 황은 광통신을 AI 인프라의 핵심 기술로 직접 언급했습니다.

이 발언 이후 국내 광통신 관련주들이 무더기 상한가를 기록했습니다.

---

6. 투자 관점에서 보는 밸류체인 지도

[AI 모델 고도화]
      ↓
[HBM4 수요 폭증] → SK하이닉스, 삼성전자
      ↓
[루빈 플랫폼 탑재]
      ↓
[데이터센터 내부 통신 병목]
      ↓
[구리 → 광케이블 전환]
      ↓
실리콘 포토닉스 / CPO → 루멘텀, 코히런트 (글로벌)
광섬유 융착·광모듈 → 이노인스트루먼트 등 (국내)
후공정 장비 → 한미반도체, 유니테스트 (국내)

글로벌 업계에서는 2026년 엔비디아 루빈 플랫폼에 CPO 기술이 탑재되면서 상용화 원년으로 보고 있으나, 대규모 양산과 국내 기업의 실적 반영은 2027~2028년이 현실적 일정으로 언급됩니다.

---

책 읽는 숲 생각

Vera Rubin이 이전 세대와 근본적으로 다른 이유는 단 하나입니다. HBM4는 메모리 병목을 해결하고, 실리콘 포토닉스는 통신 병목을 해결합니다. AI 시대에 GPU 성능 경쟁은 이미 '칩 하나의 속도'에서 '시스템 전체의 데이터 흐름'으로 넘어갔습니다. 이것이 루빈 플랫폼이 단순한 세대 교체가 아닌 패러다임 전환인 이유입니다.

투자자 입장에서는 HBM4 → 후공정 장비 → 실리콘 포토닉스로 이어지는 세 단계 밸류체인을 시기별로 나눠 접근할 필요가 있습니다. 지금은 HBM4 공급사와 후공정 장비주가 먼저 움직이고, 실리콘 포토닉스 실적 반영은 2027~2028년에 본격화될 가능성이 높습니다. 테마에 쏠리기보다 수주 공시와 분기 실적을 확인하며 단계적으로 접근하시길 권합니다.

---

 

#베라루빈 #HBM4 #실리콘포토닉스 #CPO #광케이블 #엔비디아루빈 #AI데이터센터 #광통신투자 #SK하이닉스 #삼성전자 #한미반도체 #광반도체관련주 #AI인프라 #구리배선한계 #책읽는숲