Nvidia Vera Rubin HBM4: Jensen Huang, 3개 공급업체 모두 Q3 양산 확인

젠슨 황은 금요일 서울 김포 비즈니스 에비에이션 센터에 도착했다. 그가 가져온 소식은 AI 인프라 사이클에서 가장 명확한 공급망 신호였다: 세계의 세 주요 메모리 제조업체 모두가 동시에 검증되었고, 생산 중이며, 엔비디아의 베라 루빈 AI 서버 플랫폼을 위한 고대역폭 메모리 4(HBM4) 칩 납품 경쟁에 참여하고 있다. 첫 번째 시스템은 2026년 3분기에 출하될 예정이다.

"세 벤더 모두 검증되었습니다"라고 황은 기자들에게 말했다. "세 벤더 모두 생산 중이며, 모두 베라 루빈을 지원하기 위해 경쟁하고 있습니다." 이 확인은 수개월의 공급망 추측을 끝냈으며, 황이 공개적으로 삼성전자, SK 하이닉스, 마이크론 테크놀로지 세 벤더를 모두 동일한 플랫폼에서 HBM4 납품으로 승인한 첫 번째 사례이다.

베라 루빈은 황의 6월 1일 타이페이 GTC 기조연설 이후 완전 생산에 진입했다. 엔비디아가 플랫폼이 2026년 3분기에 고객 출하를 시작할 것이라고 발표했다. 황은 올해 하반기를 대규모 생산 확대로 묘사했으며, 상반기보다 훨씬 크며, 내년은 더욱 증가할 것이라고 했다. DRAM과 HBM 공급망 전반에 걸친 긴밀한 조율이 필요하다.

**HBM4 기술**

HBM4는 전임자의 단순한 속도 업그레이드가 아니라 구조적 단절을 나타낸다. JEDEC JESD270-4 표준에 따르면, HBM4는 메모리 인터페이스 폭을 1,024비트(오늘날 그레이스 블랙웰 서버를 구동하는 HBM3E 칩의 수치)에서 2,048비트로 두 배로 늘리며, 독립적인 데이터 채널을 16에서 32로 증가시킨다. 더 넓은 버스는 HBM4가 메모리 스택당 JEDEC 기본값에서 최소 2테라바이트/초의 대역폭을 전달할 수 있게 한다. 4나노미터 로직 다이와 12단 DRAM 스택을 사용하는 삼성전자의 생산 HBM4는 핀당 11.7기가비트/초에서 작동하며 3.3테라바이트/초에 도달한다. 이는 규격을 훨씬 초과한다.

아키텍처는 명령 버스와 데이터 버스를 분리하여, 대규모 AI 학습 및 추론에서 지배적인 동시 다중 채널 메모리 작업 중 지연 시간을 줄인다. 각 베라 루빈 NVL72 랙은 20.7테라바이트의 HBM4 메모리를 실어서 1.6페타바이트/초의 집계 대역폭을 전달한다. 이는 그레이스 블랙웰 시스템에서 HBM3E가 제공한 8테라바이트/초보다 2.7배 향상된 것이다.

제조 공정이 가장 중요한 제약 조건이다. HBM4는 쓰루 실리콘 비아를 사용하여 DRAM 다이를 수직으로 쌓는다. 미세한 구리 기둥은 기존 기판 트레이스의 신호 무결성 손실 없이 레이어 간의 데이터를 전송한다. 삼성전자와 SK 하이닉스가 현재 출하 중인 12단 스택은 각 실리콘 다이를 약 50마이크로미터로 얇혀야 한다. 두 회사가 2027년 말 예상되는 베라 루빈 울트라 검증을 위해 경쟁 중인 16단 스택은 약 30마이크로미터로 얇혀야 한다. 이는 인간의 머리카락 지름의 약 절반이다. 동시에 JEDEC 규정 높이 제한 약 720마이크로미터 내에서 전체 패키지를 유지하여 표준 CoWoS 실리콘 인터포저 패키징에 맞아야 한다.

**베라 루빈 대 그레이스 블랙웰**

베라 루빈은 엔비디아의 그레이스 블랙웰의 더 빠른 버전이 아니다. 그것은 다른 클래스의 시스템이며, 엔비디아가 "에이전틱 AI" 워크로드라고 부르는 것을 위해 특별히 구축되었다. 이는 단일 사용자 프롬프트가 응답이 반환되기 전에 수백 또는 수천 개의 자율 추론, 검색 및 도구 사용 단계를 트리거하는 작업이다.

각 NVL72 랙은 72개의 루빈 GPU와 36개의 베라 CPU를 액체 냉각 랙 규모 시스템으로 쌍을 이룬다. 각 루빈 GPU는 3,360억 개의 트랜지스터를 실어서 50페타플롭의 NVFP4 추론 성능을 전달하며, NVLink 6을 통해 상호연결하여 GPU당 3.6테라바이트/초의 전방향 확장 대역폭을 제공한다. 이는 블랙웰의 NVLink 5 대역폭의 두 배 이상이다. 엔비디아는 그레이스 블랙웰 대비 와트당 10배 높은 추론 처리량, 추론 토큰당 10배 낮은 비용, 대규모 혼합 전문가 모델을 학습하는 데 필요한 GPU 수의 1/4을 주장한다. 전기 비용이 연간 200만 달러를 초과할 수 있는 규모로 추론을 실행하는 하이퍼스케일러의 경우, 효율성 향상은 직접 자본 계획 결정으로 해석된다. 황은 그레이스 블랙웰 시스템이 베라 루빈 확대에 따라 성공적으로 배포되고 있다고 확인했으며, 두 세대를 순차적 교체가 아닌 겹치는 공급 기간으로 자리매김한다.

**3자 생산 경쟁**

업계 분석가들은 SK 하이닉스가 베라 루빈에 할당된 HBM4 출량의 약 60~70%를 보유하고 있다고 추정하며, 삼성전자는 약 25~30%, 마이크론이 나머지를 공급한다고 본다. 엔비디아는 공식 수치를 공개하지 않았다. 이러한 추정은 검증 이력으로 형성된 경쟁 역학을 반영한다. SK 하이닉스는 이전 세대에 걸쳐 엔비디아의 주요 HBM 공급업체였으며, 2025년 중반 현재 전체 HBM 시장의 약 62%를 보유하고 있다.

삼성전자의 위치는 더 복잡하다. 이 회사는 HBM4 대량 생산을 처음 시작했으며, 2026년 2월 12일 상용 출하를 발표했다. 4나노미터 로직 다이와 12단 스택을 사용하여 3.3테라바이트/초에 도달했다. 이는 공개적으로 발표된 가장 빠른 HBM4 규격이다. 삼성전자는 또한 HBM4E 샘플을 처음으로 출하했다. 이는 강화된 차세대 표준으로 16기가비트/초에서 3.6테라바이트/초를 목표로 하며, 2027년 베라 루빈 울트라에 대비하고 있다.

SK 하이닉스는 질량 리플로우 주형 언더필을 사용하고 있다. 이는 삼성전자의 하이브리드 본딩보다 확장하기 쉬운 본딩 접근법이다. 하이브리드 본딩은 레이어 간의 전통적인 납 마이크로범프를 제거하여 전기 저항을 줄이고 신호 밀도를 향상시킨다. 하이브리드 본딩은 더 조밀한 스택을 위한 구조적 이점을 제공하지만 초기 수율 문제에 직면했다. 이는 삼성전자의 기술적 우위가 자동으로 더 큰 생산 할당으로 해석되지 않는 이유를 보여준다.

마이크론은 세 회사 중 가장 작은 HBM 시장 점유율을 가진 회사로, 중요한 세 번째 공급업체로 부상했다. 이 회사는 2026년 HBM 생산 용량을 모두 판매하기로 약속했으며, 이전에 HBM 연간 수익 실적이 약 80억 달러에 접근할 것으로 전망했다.

**서울 연구개발 센터, 로봇공학, RTX 스파크**

황의 서울 방문은 공급망 조율을 넘어섰다. 그는 엔비디아가 서울에 연구개발 센터를 채용 중이며, 인력이 충분한 규모에 도달하면 물리적 부지를 구축할 계획이라고 발표했다. 한국의 제조 강점을 주요 물리적 AI 파트너십 의제의 기초로 설명했다. 센터는 물리적 AI와 로봇공학 연구에 중점을 둘 것이며, 현대자동차그룹과 LG가 배포 중인 제트슨 토르 로봇공학 프로세서가 한국 산업 배포의 핵심 플랫폼이 될 것이다. 황은 기자들에게 로봇공학이 한국의 다음 주요 성장 부문이 될 것이라고 말했으며, 고급 제조 및 AI 역량의 조합으로 물리적 AI 시대에 독특하게 적합한 국가로 한국을 꼽았다.

그의 저녁 일정에는 서울의 한 캐주얼 돼지고기 구이 레스토랑에서 SK 그룹, LG 그룹, 네이버의 회장들과의 저녁 식사가 포함되었다. 이는 지난 7개월간 두 번째 비공식 모임으로, 지난해 10월 한국에서의 치킨과 맥주 세션에 뒤따른 것이다.

앞서 황은 서울 마포구의 T1 베이스 캠프(이스포츠 카페)를 방문했다. 그곳에서 여섯 번의 리그 오브 레전드 월드 챔피언인 이상혁 선수(게이머명 "페이커")를 만났으며, 그에게 개인이 서명한 GeForce RTX 5090 그래픽스 카드를 선물했다. 이 행사는 컴퓨텍스에서 공개된 엔비디아의 새로운 AI 노트북 슈퍼칩인 RTX 스파크의 플랫폼 소개 역할을 했다.

RTX 스파크는 TSMC의 3나노미터 공정으로 제작된 700억 트랜지스터 시스템온칩이다. 20코어 그레이스 암 CPU와 6,144 CUDA 코어를 탑재한 블랙웰 GPU, 그리고 1페타플롭의 FP4 AI 성능이 가능한 5세대 텐서 코어로 구성되어 있다. 칩은 CPU와 GPU를 600기가바이트/초에서 NVLink-C2C를 통해 연결한다. 이는 PCIe Gen 5 대역폭의 약 5배이다. 128기가바이트의 통합 LPDDR5X 메모리를 300기가바이트/초에서 갖추고 있다. 이 통합 메모리 풀은 별도의 버스를 통해 GPU가 CPU와 통신할 때 발생하는 데이터 전송 병목을 제거하여, 클라우드 연결에 의존하지 않고 대규모 AI 워크로드와 온디바이스 에이전트를 실행할 수 있도록 한다. 황은 이를 40년 만에 PC의 첫 근본적 재설계로 설명했다: 개인 보조 역할을 하는 온디바이스 AI 에이전트를 위해 처음부터 구축된 노트북 플랫폼이다. 수동적 도구가 아닌.