마이크론은 최근 2026년 HBM 판매에 대한 자신감을 표출했고 , 선두 업계의 2026년 물량 협상은 마무리 단계에 진입한 것으로 추정. HBM4의 공급 본격화 시점 (2Q26 예상) 및 제품 생산의 리드타임 (5-6개월)을 감안 시, 2025년 9월 내로 2026년 연간 물량 협상에 대한 논의는 마무리될 것으로 전망. 이에, 공급 협상 지연이 가져온 불확실성은 완화되기 시작할 것이라는 판단.
HBM4 가격의 경우, 예년과 달리, 가격이 연중 고정되지는 않을 것으로 전망. 분기/반기 단위로 초기 계약이 진행될 것이라는 판단. 고무적인 점은 시장의 비관론 (HBM4 12 단 가격: 500달러 초반) 대비 HBM4 12 단의 초기 가격이 높게 형성될 가능성이 높아지고 있다는 점. HBM4 초기 가격은 , 2025년 HBM3e 12단 가격 대비 10% 중후반의 가격 프리미엄을 받을 것으로 전망.
보다 주목해야 할 부분이 있다면 , 사업 전략. 수익성이 의사판단의 기준점으로 여전히 자리잡고 있고, 이는 과거 범용 반도체에서 봐왔던 자발적 가격 할인 경쟁이 재현되지 않을 수 있다는 기대감을 높일 수 있는 변화.
AI 버블론이 재차 수면 위로 떠오르고 있으나 , 우려는 아직 기우라는 판단. AI추론 생태계의 확산 속, 다방면에서 AI의 초과수요 현상이 목격. 이에, 데이터센터 Build up 수요는 여전히 견고한 성장세를 지속. 최근 북미 CSP들의 메모리반도체 (DDR5, eSSD) 구매 수요도 유의미하게 상향.
AI 모델의 효율적 구동을 지원하기 위한 목적으로 일반 서버 투자가 재개. 반면, 공급 단의 병목은 지속. 단기적으로 , 고객들의 수요 상향에 모두 대응하긴 어려운 상황. 일반 서버향 수급 환경 개선 영향으로 사이클의 둔화 Risk는 축소. 4Q25 범용 DRAM 가격 전망을 기존 3% 하락에서 2% 성장으로 상향.
Cyclical 주식에 있어 불확실성은 차익 실현의 매개체로 작용. 8월의 주가 부진도 이러한 부분에서 기인. 업황의 불확실성을 축소시켜줄 수 있는 변화가 다가오고 있는 만큼 보다 긍정적으로 주식을 바라볼 때라는 판단. 삼성전자와 SK하이닉스에 대한 매수 의견을 재확인.
2026년 HBM 공급 협상이 지연되고 있다. 지난 2년간, 고객들은 가격표를 보지 않고, HBM 을 구매해왔다 . 단기 가격보다는 적정 물량 확보를 우선시해왔던 것이고 , 이에 차년도 HBM 공급 협상은 대부분 4-5월 경에 마무리 되어 왔다. AI 사이클이 3년 차에 접어들며 , 이러한 기조에도 변화가 찾아오고 있다. HBM 공급 경쟁은 심화되고 있고, 고객들도 제품 구매 이전에 가격표를 보기 시작했다. 당사는 이러한 불확실성 이 3Q25 말로 가며, 지속 완화될 것으로 전망한다 . 첫 번째 신호탄은 연간 물량의 가시성 확대이다 . 불확실성의 완화라는 주가 반등의 기회가 가까워지고 있는 만큼 메모리반도체 주식에 재차 주목해야 할 시점이라는 판단이다 .
연간 물량 협의는 마무리 단계에 진입
최근 Micron Technology 는 2026년 HBM 계획 물량을 모두 판매할 수 있을 것이라 언급했다 .
2026년 판매에 대한 자신감을 표출한 것이며 , 이는 선두 업계 중심으로 연간 공급 물량에 대한 협의가 일정 수준 진전되 었음을 시사한다 .
당사는 HBM4 12 단의 공급 본격화 시점 (2Q26 예상)과 제품 생산의 리드타임 (5-6개월) 등을 감안 시, 2025년 9월 내로 2026년 연간 물량 협의는 마무리 될 것으로 전망한다.
이에, HBM 사업에 드리운 불확실성 이 완화되기 시작할 것이라 는 판단이다 .
구분 | 삼성전자 | SK하이닉스 | Micron Technology |
---|---|---|---|
Engineering Sample 제출 | 2025년 8월 말 제출 목표 | 2025년 3월 제출 | 2025년 6월 제출 |
Customer Sample 제출 | 2025년 11월 말 제출 예상. | 2025년 9월 제출 예상 (유상 Sample 매출 인식 예정) | 2025년 10-11월 제출 예상 |
Customer Sample 완료 | 2025년 2월 완료 목표 | 2025년 내 완료 목표. | 2025년 내 완료 목표 |
본격 양산 및 출하 시점 | 1Q26-2Q26. | 1Q26. | 1Q26-2Q26 |
표 1. HBM4 12단: 제품 인증 및 공급 Timeline
가격을 둘러싼 줄다리기가 팽팽하게 전개되고 있고, 가격 체결의 기조 또한 변하기 시작한 것으로 추정된다 . 2023-2024년 구간에 HBM 가격이 반기/연간 단위로 체결되어왔던 것에 반하여 , 분기/반기 단위로 가격 체결의 기준점이 변화하고 있는 모습이 다.
1) GPU 업계의 HBM 재료비 제어 노력이 강화되 고 있다. GPU 신제품의 경우, HBM 최선단 제품을 신규 채용하고 했으며 , 탑재량도 전작 대비 높다. 이에, 신제품 내 HBM 의 원가 비중이 증가하고 있으며, 재료비 제어의 중요성이 높아지고 있다. 2) HBM 공급업계의 경쟁도 심화되고 있다. 모든 공급업계가 적극적으로 주요 고객 시장 진입 및 자사 HBM 판매에 나서고 있는 만큼 고객도 이러한 환경을 적극 활용하여 가격을 추가 인하하기 위한 시간을 벌라고 하는 것으로 추정된다 .
이에, 초기 가격이 연평균 가격으로 귀결되던 과거의 모습은 재현되기 어려워지는 분위기이다 . 고무적인 부분이 있다면 , 신제품 (HBM4) 제값 받기 노력이 강화되고 있다는 점이다 . 고객 입장에서도 공급망 안정화가 중요한 만큼 초기 시점부터 가격을 무한정 인하하긴 어려울 것이라 생각한다 .
이에, HBM4 의 초기 가격 프리미엄 (4Q25 -2Q26) 은 시장의 비관론 (HBM4 12 단 가격: 500달러 초반) 대비 높게 형성될 가능성이 높아지고 있고, 2025년 HBM3e 12 단 가격 대비 10% 중후반의 가격 프리미엄은 초기 국면에 충분히 정당화될 수 있을 것이라는 판단이다 . 초기 가격의 형성 지점이 시장의 우려 대비 높아질 수 있다는 점은 주가에 긍정적 시그널로 다가올 것이라 생각한다 .
반면, HBM3e 12 단의 가격 하락 폭은 확대될 것으로 전망한다 . 2026년 연평균 HBM3e 12단 가격은 2025년 대비 30% 내외 하락할 것이라는 판단이다 . 1) 구제품 가격 인하는 필연적인 현상이 라 생각한다 . 아웃렛과 백화점이 구분되어 있는 것도 신제품과 구제품 간의 가격 방향성이 다르기 때문이다 . 2) 구제품화 및 공급 확대라는 업황의 변화 방향성을 감안하여 가격 하락 폭이 확대될 가능성이 높다는 판단이다 .
HBM은 여전히 메모리반도체의 고성장을 견인할 수 있는 제품이며 , 공급업계에서도 어렵게 잡은 기회를 쉽게 놓쳐선 안된다는 공감대가 형성되어 있을 것이라 생각한다 . 시장이 기대했던 Custom HBM 시장의 개화 시점이 HBM4e 로 밀린 만큼, 과도기 국면에 있는 2026년의 사업 전략에 시장의 이목이 집중되 고 있는 시점이다 .
- 2026년 구간에 HBM 을 일반 메모리 제품으로 변모시킬지 , 아니면 특화 상품으로 지속되게 할지는 공급업계의 전략에 달려있다 . 과도기 에 접어들고 있는 만큼 과거와 같은 무분별한 점유율 경쟁은 부가가치의 훼손이라는 악수로 이어질 수 있다. 다행스러운 점이 있다면 , HBM 사업 전개에 있어 수익성이 여전히 의사판단의 기준점으로 작용하고 있다는 점이다. HBM 이 생산 단의 Risk ( 불량의 기회비용이 범용 제품 대비 높게 형성)를 감수해야 하는 제품인 만큼, 적정 수준의 수익성을 담보할 수 있어야 공급업계도 적극적으로 생산에 임할 수 있을 것이고 , 수익성 보전 노력은 지속 강화되고 있는 것으로 추정된다 .
세부적으로 보면, 원가 경쟁력이 발생한 제품의 가격을 추가 할인해주되 신제품 가격에 보유 기술 가치를 최대한 반영 (제값 받기)시키는 방향으로 사업이 전개되고 있는 것으로 추정된다. 이는 2026년 수익성 관점에서 유리한 변화라 생각한다 .
1) 2026년에 구제품이 되는 HBM3e 12 단 사업에 있어선 공급업계의 원가 관리 역량이 보다 강조될 것이라 생각한다 . SK하이닉스의 경우, HBM3e 의 원가 구조가 경쟁사 대비 우위에 있기에 2026년 연평균 가격이 2025년 대비 30% 하락해도 OPM 60%는 충분히 유지 가능할 것이라는 판단이다 . 삼성전자와 Micron Technology 의 경우, 추가 원가 혁신 노력을 통해 가격 하락 분을 만회해갈 것으로 전망한다 . 원가 절감이 계획대로 전개된다면, 30% 내외의 OPM 은 충분히 유지 가능한 수준이 될 것이라 생각한다 .
2) 2026년 신제품 인 HBM4 의 경우, 기술 가치를 최대한 초기 가격에 전가하려는 노력이 강화되고 있다. DRAM 3 사의 공급망 진입 시점 및 강도에 따라 2026년 하반기 가격은 가변적일 수 있으나 , 아직 해당 영향을 Pricing 하긴 이르다고 생각한다 . 삼성전자의 HBM4 12 단 성과가 나오는 2026년 초는 되어야 HBM4 경쟁 강도 및 하반기 가격에 대한 윤곽이 보다 뚜렷해질 것이라는 판단이다 .
3) 2026년의 과도기를 이겨내고 나면, HBM 탑재량 증가 사이클 이 재개된다 . 가격 프리미엄 중심에서 물량 성장으로의 구도 전환이 이뤄질 수 있는 시점이며 , HBM4e 부터는 Custom 반도체를 통한 추가 부가가치 확보 기회도 새롭게 발생할 것이라는 판단이다 . 중장기 물량 성장의 방향성과 현재 나타나고 있는 수익성 중심의 전략 기조 등을 감안 시, HBM 의 가치가 추가 De-Rating 될 가능성은 제한적 일 것이라 는 판단이다 .
구분 | 도체 출시 시점 | HBM Type | HBM 탑재량 (GB) | Cube 수 | Cube당 용량 (GB) | 적층단수 | Mono Die 용량 (Gb) |
---|---|---|---|---|---|---|---|
Nvidia | A100/A800 2020 | HBM2e | 80 | 5 | 16 | 8 | 16 |
H100 1Q23 | HBM3 | 80 | 5 | 16 | 8 | 16 | |
H200 1Q24 | HBM3e | 141 | 6 | 24 | 8 | 24 | |
Blackwell 4Q24 | HBM3e | 192 | 8 | 24 | 8 | 24 | |
Blackwell Ultra 3Q25 | HBM3e | 288 | 8 | 36 | 12 | 24 | |
Rubin 2H26 | HBM4 | 288 | 8 | 36 | 12 | 24 | |
Rubin Ultra 2H27 | HBM4e | 1,024 | 16 | 64 | 16 | 32 | |
AMD | MI250 1Q22 | HBM2e | 128 | 8 | 16 | 8 | 16 |
MI300 4Q23 | HBM3 | 128 | 8 | 16 | 8 | 16 | |
MI300x 4Q23 | HBM3 | 192 | 8 | 24 | 12 | 16 | |
MI325 4Q24 | HBM3e | 288 | 8 | 36 | 12 | 24 | |
MI350 4Q25 | HBM3e | 288 | 8 | 36 | 12 | 24 | |
AMD | MI400 2H26 | HBM4 | 432 | 12 | 36 | 12 | 24 |
표 2. 주요 AI GPU의 HBM 스펙 추이 및 전망
구분 | 도체 출시 시점 | HBM Type | HBM 탑재량 (GB) | Cube 수 | Cube당 용량 (GB) | 적층단수 | Mono Die 용량 (Gb) |
---|---|---|---|---|---|---|---|
Nvidia | H20 1Q24 | HBM3 | 96 | 6 | 16 | 8 | 16 |
H20e 1Q25 | HBM3e | 144 | 6 | 24 | 8 | 24 | |
AMD | MI308 3Q24 | HBM3 | 96 | 4 | 24 | 12 | 16 |
표 3. 주요 AI GPU의 HBM 스펙 추이 및 전망 (중국 전용)
구분 | 2023년 | 2024년 | 2025년 | 2026년 | 2027년 |
---|---|---|---|---|---|
Google GPU | TPU v5e/v5p (5nm) HBM TPU v5e: HBM2e 16GB TPU v5p: HBM2e 96GB | TPU v6e (3nm) HBM3 32GB | TPU v6p (3nm) HBM3e 192GB | TPU v7e/v7p (3nm) v7e: HBM3e 288GB v7p: HBM3e 144GB | TPU v8e HBM |
AWS GPU | Trainium 1 (7nm) Inferentia 2 (5nm) HBM Trainium 1: HBM2e 32GB Inferentia 2: HBM2e 32GB | Trainium 2 (5nm) HBM3/3e 96GB/144GB | Inferentia 2.5 (3nm) HBM3 48GB | Trainium 3 (3nm) HBM3e 216GB | |
Microsoft GPU | Maia 100 (5nm) HBM HBM2e 64GB | Maia 200 (3nm) HBM3e 96GB | Maia 300 (3nm) | ||
Open AI GPU | ASIC v1 (가칭) HBM | HBM4 (탑재량 미정) |
표 4. 주요 ASIC 업계의 Tech Roadmap
1. Nvidia 의 HBM4 스펙 상향 요청과 시장의 분화 가능성
HBM4 Engineering Sample 검증 절차가 한창인 가운데 , Nvidia 의 HBM4 스펙 상향 요청이 업계의 화두가 되고 있다.
I/O Speed ( 핀당 스피드 )를 10Gbps 로 상향해달라는 것이 고객의 새로운 요청인 것으로 판단된다.
I/O Speed 상향을 통해 Bandwidth 에 추가 혁신을 가져가고 , 이를 통해 현존하는 Computing 의 비효율성 (GPU 유휴 시간 축소, 시스템 효율성 향상 등)을 타파해보려는 의지에서 비롯되었을 것이라 생각한다 . 이에, 시장 일각에서는 HBM4 12단 시장이 I/O Speed 를 기준으로 10Gbps 시장과 그 외 시장 (10Gbps 이하 시장)으로 분화될 수 있다는 지적이 새롭게 나오고 있는 상황이다 .
다만, 현실적인 고민도 존재한다 . HBM4 공급이 본격화되는 2Q26 전까지 스펙 상향 제품이 적기 출시될 수 있을지 불확실하 고, 공정 단의 추가 혁신 또한 필요하 기 때문이다 .
1) Bandwidth 를 높이기 위해 공급업계가 취할 수 있는 선택지는 크게 2가지이다 . I/O의 수를 늘리는 방법이 있고, I/O의 Speed 를 늘리는 방법이 있다.
2) I/O의 수를 늘리려면 현 Design 에서 많은 수정이 필요하다 . 새로운 Design 에 소요되는 시간을 감안 시, 해당 방법은 대응 수단이 되기 어렵다 .
이에, 고객도 I/O Speed 를 높이는 것이 가장 현실적인 수단이 라 판단한 모습이다 .
3) DRAM 1c (Core Die) 와 파운드리 4nm 공정 (Base Die) 의 조합이라면 , Speed 마진에 있어 상향 여력이 생길 수 있다.
DRAM 1 b 공정을 사용할지라도 , 공정 혁신이 동반된다면, 대응 가능할 수 있다. 하지만 , 현실적인 문제가 있다면 , 전력 제어이다.
I/O의 수를 늘리는 것 대비 I/O의 Speed 를 상향하는 것이 Power 에 있어 더 큰 성장을 가져오기 마련이고 , 이 경우, 전력 효율화의 난이도가 추가 상향될 수 있다. 현 기술 여건에서 고객의 요청에 부합하기 위해선 단기적으로 공정 단의 혁신이 필요하다. 그만큼 문제 해결의 난이도 가 높다는 판단이다 .
결론적으로 , 공정 혁신에 필요한 시간과 공급망의 안정성을 추구해야 하는 Nvidia의 상황을 감안 시, I/O Speed 에 따른 시장의 분화 가능성은 아직 장담하기 이르다는 판단이다.
2. Nvidia 의 HBM4e Base Die 양산
외신 보도에 따르면 , Nvidia 는 HBM4e 부터 자체 Base Die 개발에 착수할 것으로 추정된다.
GPU와의 호환성을 높여 Computing 혁신 및 시스템 최적화를 가져가기 위한 시도이며, Custom 시장과 Standard 시장으로 분리되는 HBM4e 부터 해당 시도가 일부 나타날 것이라는 것이 보도의 골자이다 .
다만, 이러한 변화가 나타나더라도 , 메모리반도체의 부가가치가 급격히 줄어들 것으로 보긴 어렵다는 판단이다. 실제로 Nvidia 가 Base Die 개발에 나설지라도 , Base Die 설계의 주체만이 바뀐 수준에서 마무리될 가능성이 높다고 생각한다 .
- 메모리반도체 입장에서 최악의 Case가 있다면 , Core Wafer 만을 공급하는 안 (TSMC에서 Nvidia 가 설계한 Base Die 를 양산, Core Wafer 를 받아 패키징까지 진행)이다.
- 다만, 이 경우, 후공정으로 창출할 수 있는 부가가치를 모두 로직/파운드리 업계에 내줘야 하며, 그 가능성은 제한적일 것이라 생각한다 .
AI 버블론의 재점화, 아직은 시기상조
흔히 우리는 AI 사이클을 산업 혁명에 비유하곤 한다. 그만큼 AI가 산업계 전반에 미칠 영향은 크고, 광범위하다 .
하지만 , 파급력이 큰 만큼 수요 예측도 어렵다 . 이에, AI 버블론과 낙관론이 팽팽히 맞서고 있고, 그렇게 지난 2년이 흘러갔다 .
당사의 경우, AI 사이클의 연장 가능성에 보다 무게를 두고 있다. 시장 일각에서는 버블의 재현을 우려하고 있으나 , 지난 IT 버블 때와 금번 AI 사이클에는 차이점이 존재한다 .
1) 사이클의 시작점이 다르다 . 인터넷은 기반 인프라를 새롭게 Set up 하는 동시에 수익화의 기회를 모색해야 했다. 하지만 , AI는 이미 깔려 있는 인프라 (인터넷 )을 기반으로 작동한다 . 데이터센터의 전력 이슈, 상업화의 구체적 매개체 확보 등의 과제가 아직 남아있지만 기술의 혁신과 확산 모두 인터넷 사이클 대비 빠르게 전개될 수 있는 환경이 구현되어 있다고 보는 것이 보다 합리적이라 생각한다 .
2) AI의 선순환이 이미 시작되고 있다. 학습을 너머 추론으로 AI 생태계 확산이 본격화되고 있고, 추론의 확산 속, 토큰은 기하급수적으로 늘어나고 있다. Open AI 뿐 아니라 , Azure 와 같은 여러 플랫폼에서 이를 경험하고 있고, AI의 초과수요 현상이 곳곳에서 목격되고 있다. 이에, 관련 데이터센터 Build up 수요는 여전히 견고한 상황이다 .
일반 서버 오더의 상향
학습 중심의 서버 투자 시기에는 일반 서버에 대한 투자가 후순위로 밀린 경향이 있었다. 하지만 , 이러한 상황에 변화가 조금씩 나타나기 시작하고 있다.
연산 수요의 확산이 지속되고 있는 상황에서 이를 지원하기 위한 목적으로 일반서버 오더가 상향되고 있다.
이에, 북미 CSP 업계 중심으로 HBM 뿐 아니라 , 범용 메모리반도체 (DDR5, eSSD) 에 대한 단기 구매 오더 또한 상향되는 모습이다 .
공급 단의 병목 지속
일반 서버 수요의 상향 분이 단기에 모두 소화된다면 , 이는 단발적 성과에 그칠 수 있다.
하지만 , 공급 단의 병목으로 공급업계가 고객의 수요 상향에 모두 대응하기 어려운 환경이며, 이는 범용 반도체 사이클의 둔화 시점을 Push back 해줄 수 있는 기회요소로 작용하고 있다.
일반서버 수급 환경 개선 영향을 반영하여 4Q25 범용 DRAM 가격 전망을 기존 3% 하락에서 2% 성장으로 상향한다.
공급 단의 병목이 발생하고 있는 이유는 무엇일까 ?
최근 수요가 상향되고 있는 일반 서버향 고부가 DDR5 의 경우, DRAM 1b 공정을 통해 양산이 이뤄지고 있다. 각 기업별 공급 환경의 차이가 공통적으로 공급 병목을 이끌고 있는 것으로 추정된다 .
1) 삼성전자 : DRAM 1b 공정으로 서버 수요에 대응 중이나 , 일부 고객들은 DRAM 1b Prime 을 통한 납기를 요청 중인 것으로 추정된다 . 문제는 DRAM 1b Prime 이 단기에 Ramp up 되기 어렵다는 점이다 . DRAM 1b Prime 기반 제품 출하가 4Q25 에 소량 발생하고, 2026년부터 본격화된다는 점을 감안 시, 현재 나타나고 있는 일반 서버 수요의 상향 분을 단기에 모두 소화하긴 어려울 것으로 전망한다 .
2) SK하이닉스와 Micron Technology: DRAM 1b 공정으로 HBM 과 고부가 DDR5 를 양산 중이며 , DRAM 1a 로 대응 가능한 제품은 한정적이다 . 고부가 제품 양산에 활용될 수 있는 DRAM 1c 공정의 경우, 아직 Ramp up 의 강도가 강하지 않다.
3) 재고도 문제이다 . HBM 의 Capa 잠식 효과가 지속되는 가운데 , 업계의 고부가 DDR5 재고는 3주 내외 수준으로 제한적인 것으로 판단된다 .
그렇다면 , 수급 환경의 우위 속, 일반 서버 중심으로 가격 인상을 지속 추진할 수 있는 환경이 구현되고 있다고 보는 것이 보다 합리적이라 생각한다 .
금융투자업규정 4-20조 1항5호사목에 따라 작성일 현재 사전고지와 관련한 사항이 없으며, 당사의 금융투자분석사는 자료작성일 현재 본 자료에 관련하여 재산적 이해관계가 없습니다. 당사는 동 자료에 언급된 종목과 계열회사의 관계가 없으며 당사의 금융투자분석사는 본 자료의 작성과 관련하여 외부 부당한 압력이나 간섭을 받지 않고 본인의 의견을 정확하게 반영하였습니다. 본 자료는 투자자들의 투자판단에 참고가 되는 정보제공을 목적으로 배포되는 자료입니다. 본 자료에 수록된 내용은 당사 Research Center의 추정치로서 오차가 발생할 수 있으며 정확성이나 완벽성은 보장하지 않습니다. 본 자료를 이용하시는 분은 동 자료와 관련한 투자의 최종 결정은 자신의 판단으로 하시기 바랍니다.
※ 본 콘텐츠는 당사 리서치센터 보고서를 기반으로 생성된 요약·해설 자료입니다. 본 자료는 인공지능(AI)을 활용하여 자동 생성되었으며, 투자자 이해를 돕기 위한 목적입니다. 일부 내용은 원문과 차이가 있을 수 있으며, 최종 투자 판단은 원문 보고서를 참고하시기 바랍니다. 본 자료는 투자 권유를 목적으로 하지 않으며, AI 생성 특성상 오류가 포함될 수 있습니다.