아마존이 2026년 자본지출 전망을 약 2,000억 달러에서 2,200억 달러로 올렸는데도 데이터센터 수요를 모두 충족하기 어렵다고 밝혔습니다. HBM만 바라보던 시선이 이제 서버용 DDR5와 낸드·eSSD, 첨단 패키징으로 넓어지는 이유가 여기에 있어요.
HBM 다음 투자처는 하나의 제품으로 정리되지 않습니다. 차세대 성능을 노린다면 HBM4·HBM4E, AI 서버의 보급 확대를 본다면 서버용 DDR5, 데이터 저장과 추론 인프라를 본다면 낸드·eSSD, 공급 안정성을 본다면 첨단 패키징을 나눠서 살펴봐야 합니다.
HBM 다음에는 서버용 DDR5를 먼저 봐야 하는 이유
HBM과 일반 D램은 서로 완전히 다른 메모리가 아니에요. 둘 다 DRAM 계열이지만, HBM은 TSV를 활용해 여러 메모리 층을 쌓고 높은 대역폭을 확보한 제품이며, 서버용 DDR5는 CPU가 데이터를 처리할 때 사용하는 기본 시스템 메모리입니다.
AI 서버 한 대에는 GPU나 AI 가속기와 연결되는 HBM만 필요한 것이 아닙니다. 운영체제와 데이터베이스, 가상머신, 전처리·후처리 작업을 맡는 서버 메모리도 함께 들어가므로, AI 서버가 늘어날수록 HBM과 DDR5가 함께 필요한 구조가 만들어집니다.
다만 HBM 수요가 커진다고 일반 D램 가격과 수요가 같은 폭으로 오르는 것은 아닙니다. 메모리 업체의 생산능력이 제품별로 재배치될 수 있어 서버용 DDR5의 출하량과 공급 안정성을 별도로 봐야 합니다.
HBM은 가속기의 대역폭을 높이고, DDR5는 서버 전체가 데이터를 다루는 공간을 넓힙니다.
투자 후보 4가지를 같은 기준으로 비교하기
‘HBM 다음’이라는 표현을 차세대 메모리 하나로 좁히면 시장 흐름을 놓치기 쉽습니다. 제품의 역할과 수요가 발생하는 지점을 나누면 다음과 같이 정리할 수 있어요.
| 투자 후보 | 서버에서 맡는 역할 | 살펴볼 기준 |
|---|---|---|
| HBM4·HBM4E | AI 가속기의 고대역폭 메모리 | 양산 출하, 수율, 고객사 인증, 장기계약 |
| 서버용 DDR5 | CPU와 서버 시스템의 주기억장치 | AI 서버 보급량, 공급능력, 클라우드 성장 |
| 낸드·eSSD | 데이터 저장과 추론 처리용 스토리지 | AI 추론, KV 캐시, 기업용 저장 수요 |
| 첨단 패키징 | HBM 적층과 칩 연결을 뒷받침하는 후공정 | 수율 개선, 생산 안정성, 공급 병목 |
HBM4·HBM4E는 고성능 제품 경쟁이 핵심이고, DDR5는 더 많은 AI 서버가 실제로 설치되는지에 민감합니다. 낸드·eSSD는 연산 성능보다 데이터의 저장과 이동, 첨단 패키징은 메모리 제품을 안정적으로 생산하는 능력에 초점이 맞춰져 있어요.
AI 데이터센터 투자는 DDR5 수요의 핵심 신호
서버용 DDR5가 실제 수요로 이어지는지 판단할 때는 메모리 가격만 볼 수 없습니다. 데이터센터 증설 규모와 클라우드 사업자의 성장률을 함께 봐야 하며, 2026년 2분기 AWS 매출 성장률은 전년 동기 대비 37%로 시장 추정치 31.3%를 웃돌았습니다.
AWS 순매출도 2026년 1분기 396억 달러에서 2분기 411억 달러로 늘어 전분기 대비 약 3.8% 증가했습니다. 전년 대비 성장률과 전분기 대비 증가율은 기준이 다르지만, 분기 매출이 400억 달러를 넘는 규모에서 클라우드 사업이 빠르게 커지고 있다는 점은 서버 부품 수요를 판단하는 중요한 단서입니다.
아마존은 2026년 자본지출을 2,200억 달러까지 집행해도 해당 연도 전체 수요를 충족하기 어려울 수 있다고 설명했고, 2027년에도 비슷한 상황을 예상했습니다. 이 금액은 서버와 네트워크 장비 등을 포함한 전체 지출이므로 HBM이나 DDR5 투자액으로 해석하면 안 되지만, AI 인프라 확장이 메모리 수요의 바닥을 넓히는 흐름은 분명하게 보여줍니다.
HBM4·HBM4E와 eSSD는 어떤 신호를 봐야 할까
HBM4·HBM4E를 볼 때는 제품명이나 개발 발표보다 실제 양산 출하가 중요합니다. 여기에 수율이 안정되는지, 고객사 인증을 통과했는지, 장기계약이 확대되는지를 함께 살펴야 차세대 제품의 매출 연결 여부를 판단할 수 있습니다.
HBM이 AI 학습에 쓰이는 핵심 부품이라면, AI 추론이 늘어날수록 스토리지의 역할도 커집니다. 대규모 모델이 생성한 데이터를 저장하고 반복적으로 불러오는 과정에서 낸드와 eSSD가 활용되며, KV 캐시를 효율적으로 처리하려는 수요가 스토리지 영역으로 번질 수 있어요.
AI 수요는 학습용 서버에만 머물지 않습니다. 클라우드 사업자의 추론 서비스와 기업의 업무용 AI 도입이 늘면 서버 메모리와 스토리지의 사용량도 달라지기 때문에, HBM 이후에는 연산·메모리·저장을 묶은 전체 인프라 흐름을 봐야 합니다.
생산능력과 거시환경을 함께 점검하는 방법
메모리 생산능력 투자는 발표 자체보다 실제 가동 시점이 중요합니다. SK하이닉스의 용인 Y2와 청주 M17 같은 생산 거점도 공장 가동 일정이 AI 데이터센터 수요 증가 속도와 맞물려야 공급 확대 효과가 나타납니다.
HBM과 DDR5, 낸드·eSSD 사이에서 생산라인이 이동하면 특정 제품의 공급 상황이 달라질 수 있습니다. 따라서 설비투자 규모만 보고 공급 부족이 곧바로 해소되거나 가격이 같은 방향으로 움직인다고 판단하면 안 됩니다.
시장 전체의 투자 심리는 빅테크 AI CAPEX와 미국 10년물 국채금리의 영향을 크게 받습니다. 전자는 HBM·DRAM·SSD 수요를 좌우하고, 후자는 성장주 밸류에이션과 할인율에 영향을 주므로 두 변수를 따로 구분해 보는 편이 정확합니다.
결국 2026년 8월 기준으로는 HBM4·HBM4E의 양산과 인증, 서버용 DDR5의 공급 확대, 낸드·eSSD의 추론 수요, 첨단 패키징의 수율 개선을 함께 추적해야 합니다. 가장 중요한 주의점은 AI 서버 투자액 전체를 특정 메모리 제품의 매출로 단순 환산하지 않는 것이며, 제품별 수요와 공급을 따로 분석해야 시장의 변화를 제대로 읽을 수 있습니다.
