지난 16일(현지시간)부터 미국 캘리포니아주 새너제이 컨벤션센터에서 진행된 엔비디아의 연례 개발자회의 ‘GTC 2026’에 마련된 삼성전자 전시장에서 한 관객이 삼성전자의 7세대 고대역폭메모리(HBM) ‘HBM4E’ 시제품을 살펴보고 있다. [연합]

[헤럴드경제=김유진 기자] 엔비디아 GTC 2026 이후 인공지능(AI) 반도체 투자 포인트로 데이터 처리와 이동 역량이 부상하고 있다. 시장에서는 고대역폭메모리(HBM)와 패키징, 네트워크 등 데이터 이동 관련 기술에 주목하는 흐름이 나타나고 있다.

23일 미래에셋자산운용은 ‘TIGER ETF’ 반도체 산업 최신 트렌드 웹세미나를 열고 ‘GTC 2026으로 본 메모리 반도체 투자 방향’을 AI 구조전환 측면에서 짚었다.

당장 이번 GTC에서 확인된 변화는 이전보다 중요해진 데이터 저장·전달 성능이다. AI가 단순히 결과를 생성하는 단계를 넘어 계획·실행·점검을 반복하는 구조로 발전하면서, 연산 자체보다 데이터를 얼마나 빠르게 저장하고 전달하느냐가 전체 성능을 좌우하는 환경이 조성됐다는 설명이다.

AI 구조 변화는 반도체 설계 방식도 바꿔놨다. 기존에는 그래픽처리장치(GPU)의 연산 성능이 경쟁력의 핵심이었다면, 현재는 메모리에서 데이터를 불러오고 칩 간 데이터를 전달하는 속도가 전체 성능을 제한하는 병목으로 작용하고 있다.

엔비디아가 공개한 차세대 플랫폼 ‘베라 루빈(Vera Rubin)’은 최근 흐름을 보여주는 대표 사례다. 복수의 칩과 랙을 결합한 대규모 시스템 구조를 기반으로 연산과 데이터 처리를 분리하는 방식이 적용됐으며, 추론 전용 칩(LPU) 개념이 부각돼 있다. AI 인프라 구조가 고도화되는 방향이 확인됐다는 평가다.

CPO(Co-Packaged Optics·광 기반 반도체 연결 기술) 등 광 인터커넥트 기술도 주목된다. 데이터센터 내 병목을 줄이고 전력 효율과 데이터 처리량을 동시에 개선하기 위한 기술이다.

메모리 반도체의 위상 변화도 뚜렷하다. 과거에는 보조적 역할로 인식됐지만, 에이전틱 AI 구조에서는 중간 데이터를 반복적으로 저장하고 재호출하는 과정이 핵심이 되면서 메모리가 시스템 성능을 좌우하는 핵심 자원으로 재평가되고 있다는 설명이다.

국내 반도체 산업에 대한 기대도 커졌다. 삼성전자와 SK하이닉스가 고대역폭메모리(HBM) 경쟁력을 바탕으로 AI 반도체 밸류체인에서 핵심 역할을 담당하며 관련 종목비중이 높은 ETF가 투자처로 각광받고 있다.

미래에셋자산운용 측은 “‘TIGER 반도체TOP10 ETF’를 통해 관련 흐름을 반영할 수 있다”며 “보다 적극적인 투자 성향의 경우 ‘TIGER 반도체TOP10레버리지 ETF’를 활용해 반도체 업황 반등 국면에서 수익 변동성을 확대하는 전략도 가능하다”고 제안했다.