AI 반도체 활용분야, 관련주 (HBM, CXL, PIM)

서론

주식 시장에서 광풍이 불고 있는 AI 반도체 분야의 활용분야와 종류, 관련주를 알아보겠습니다.

 

 

HBM 메모리

HBM(고대역 메모리, High Bandwidth Memory) 은 D램을 여러 개 쌓아 올린 고대역폭 메모리입니다. 이는 주로 그래픽 처리 장치(GPU) 및 고성능 컴퓨팅 시스템에서 사용되며, 메모리와 프로세서 사이의 대역폭을 크게 올려 성능을 높입니다. HBM은 다수의 실리콘 칩 스택을 사용하여 높은 대역폭을 제공하며, 전력 소모도 줄일 수 있습니다. 이러한 기술은 데이터 중심 및 그래픽 집약적인 작업에 대한 처리 속도를 향상하는 데 중요한 역할을 합니다.

 

HBM 활용 분야

• 그래픽 카드 및 비디오 게임 : HBM은 그래픽 카드에서 고해상도 비디오 및 3D 그래픽을 처리하는 데 사용됩니다. 고성능 그래픽 카드에서는 HBM을 통해 대량의 데이터를 빠르게 읽고 쓸 수 있으며, 이는 게임과 같은 요구가 높은 작업에 적합합니다.
• 고성능 컴퓨팅 (HPC) : HBM은 과학 및 엔지니어링 분야에서의 대규모 데이터 처리 및 계산에 이상적입니다. 고성능 컴퓨팅 시스템에서는 HBM을 사용하여 대규모 데이터 세트를 신속하게 읽고 쓰며, 병렬 계산 작업을 효율적으로 수행할 수 있습니다.
• 인공지능 및 딥러닝 : 인공지능 및 딥러닝 모델은 대용량의 데이터를 처리해야 합니다. HBM은 이러한 모델 학습 및 추론에 필요한 메모리 대역폭을 제공하여 처리 속도가 빠릅니다.
• 네트워킹 및 데이터 센터 : HBM은 높은 대역폭과 저전력 소비 특성을 가지고 있어 네트워킹 장비나 데이터 센터에서의 데이터 처리 및 전송에 적합합니다. 대용량 데이터를 빠르게 읽고 쓰는 데 사용될 수 있습니다.
• 자율 주행 자동차 : 자율 주행 자동차 시스템은 실시간으로 대량의 센서 데이터를 처리해야 합니다. HBM은 이러한 시스템에서 필요한 빠른 데이터 처리와 응답 속도를 제공할 수 있습니다.

 

HBM 관련주

SK하이닉스, 삼성전자, 한미반도체, 이오테크닉스, 원팩, 오픈엣지테크놀로지 등이 있습니다.

 

 

CXL 메모리

CXL(Cache-coherent Interconnect for Accelerators)은 인텔이 주도해 2019년 처음 나온 기술입니다. 가속기와 메모리 간에 캐시 일관성을 유지하면서 연결하는 데 사용되는 새로운 인터커넥트 기술입니다. 이 기술은 서버, 데이터 센터 및 클라우드 환경에서 빅 데이터 및 인공 지능(AI) 워크로드와 같은 가속화된 애플리케이션에 대한 성능과 효율성을 올려주는 데 중요한 역할을 합니다. CXL은 CPU, GPU, FPGA 등 다양한 유형의 가속기와 메모리 디바이스를 연결하는 데 사용됩니다. 이를 통해 이전에는 메모리와 가속기 간의 통신이 제한되던 문제를 해결하고, 데이터 전송 속도와 전력 효율성을 높여줍니다. 또한, CXL은 높은 대역폭 및 낮은 지연 시간을 제공하여 데이터 이동과 처리를 더욱 효율적으로 만들어 줍니다.

※ HBM과 차이점? HBM이 여러 개의 D램을 연결해 빠른 연산이 가능한 제품이라면, CXL은 메모리 용량을 유연하게 확장하는 기술이다. HBM이 거대한 빌딩이라면, CXL은 공유 오피스 정도로 비유할 수 있습니다. HBM은 고속 메모리 기술이며, CXL은 다양한 종류의 장치를 연결하는 데 사용되는 고속 및 저지연 인터페이스 표준입니다. CXL은 HBM과 비교해 대역폭이 크지는 않습니다. HBM3E가 819 GBps, 삼성전자가 개발한 CXL 2.0D램이 35 GBps에 불과합니다. 대신 CXL은 쉽게 여러 기기를 연결해 병목을 최소화할 수 있다는 게 장점입니다. 대역폭을 높이는 이유가 병목 현상 때문인데 CXL은 이런 근본적인 문제를 해결한 셈입니다.

 

CXL 활용 분야

• 고성능 컴퓨팅 (HPC) : HPC 시스템은 대규모 데이터를 처리하고 복잡한 계산을 수행해야 합니다. CXL은 다중 프로세서와 메모리 간의 고속 및 저지연 연결을 제공하여 HPC 시스템의 성능을 올려줍니다.
• 빅데이터 및 데이터 분석 : 대규모 데이터를 처리하고 분석하는 데 필요한 높은 대역폭 및 저지연 연결이 필요합니다. CXL은 이러한 요구 사항을 충족시키기 위해 메모리와 다른 장치들 간의 고속 데이터 전송을 지원합니다.
• 인공지능 및 딥러닝 : 인공지능 및 딥러닝 모델은 대용량 데이터를 처리하고 병렬 계산을 수행해야 합니다. CXL은 다양한 종류의 가속기와 메모리 간의 고속 연결을 제공하여 모델 학습 및 추론 속도를 올려줍니다.
• 머신러닝 가속 : 머신러닝 작업은 대규모 데이터 세트를 처리하고 복잡한 계산을 수행해야 합니다. CXL은 다양한 종류의 가속기와 메모리 간의 효율적인 데이터 전송을 지원하여 머신러닝 작업의 성능을 향상할 수 있습니다.
• 데이터 센터 및 클라우드 컴퓨팅 : 데이터 센터와 클라우드 컴퓨팅 환경에서는 대규모 작업 부하를 처리하고 다양한 종류의 장치를 연결해야 합니다. CXL은 다양한 종류의 프로세서와 메모리, 가속기 등을 효율적으로 연결하여 데이터 센터 및 클라우드 컴퓨팅 시스템의 성능과 효율성을 향상할 수 있습니다.

 

CXL 관련주

SK하이닉스, 삼성전자, 네오셈, 엑시콘, 오킨스전자, 퀄리타스반도체, 오픈엣지테크놀로지, 코리아써키트 등이 있습니다.

 

 

PIM 메모리

PIM(Processing-in-Memory) 메모리는 컴퓨터 아키텍처에서 중요한 개념 중 하나입니다. 이 기술은 메모리와 프로세서 간의 경계를 흐려지게 하여 데이터 처리를 가속화합니다. 전통적으로 CPU가 데이터를 메모리에서 가져와 처리하는 반면, PIM은 데이터를 메모리에서 직접 처리할 수 있습니다. PIM은 주로 병렬 처리 작업에 적합하며, 데이터를 메모리 내에서 처리함으로써 데이터 이동에 따른 지연 시간을 줄이고 에너지 효율성을 높여줍니다. 이는 AI, 빅 데이터 분석, 그래픽 처리 및 다른 데이터 집약적인 작업에 특히 유용합니다. PIM은 여러 가지 형태로 구현될 수 있으며, 이는 메모리 셀 자체에 계산 능력을 포함시키는 방식으로 이루어질 수 있습니다. 또한, 특수한 형태의 프로세서 유닛을 메모리와 통합하여 메모리 내 처리를 가능하게 하는 방식도 있습니다. 이 기술은 현재 연구 단계에서 상용 제품으로의 발전이 진행 중이지만, 메모리 및 프로세서 기술의 발전과 함께 미래에는 더 널리 채택될 것으로 예상됩니다.

※ CXL과 차이점? PIM은 데이터 처리와 메모리를 통합하여 성능을 올리는 기술이며, CXL은 다양한 종류의 장치를 연결하여 시스템의 성능을 올리는 인터페이스 표준입니다.

 

PIM 활용 분야

• 빅데이터 분석 : 대용량 데이터셋에 대한 빠른 액세스와 처리가 필요한 데이터 분석 및 머신 러닝 작업에 PIM 메모리를 활용할 수 있습니다. 이는 데이터 분석 및 예측 모델의 속도를 높여주고 대용량 데이터를 더 효율적으로 처리할 수 있게 해 줍니다.
• 인메모리 데이터베이스: 인메모리 데이터베이스는 메모리에 데이터를 저장하고 처리하는 데이터베이스 시스템입니다. 특히 실시간 분석 및 트랜잭션 처리를 위해 PIM을 사용하는 데이터베이스 시스템이 많이 개발되고 있습니다.
• 인공지능 및 기계 학습 : 인공지능 및 기계 학습 알고리즘은 대용량 데이터셋을 처리해야 합니다. PIM 메모리는 이러한 알고리즘의 처리 속도를 높이고 메모리와 프로세서 간의 데이터 이동을 최소화하여 성능을 최적화할 수 있습니다.
• 실시간 분석 및 응용 프로그램 : 실시간 분석 및 응용 프로그램은 실시간 데이터 스트림에서 데이터를 분석하고 응답해야 합니다. PIM 메모리는 이러한 응용 프로그램의 성능을 향상하고 응답 시간을 줄일 수 있습니다.
• 고성능 컴퓨팅 : 대규모 과학 및 공학 시뮬레이션, 계산 문제 해결, 그래픽 처리 등의 작업에서 PIM 기술을 사용하여 처리 성능을 올릴 수 있습니다.

 

PIM 관련주

매커스, 제주반도체, 피에스케이, 이오테크닉, KTis, 원팩 등이 있습니다.

 

 

마무리 글

AI 반도체에 대해서 크게 3가지로 정리했습니다.

투자 전 각 메모리에 대한 정확한 설명과 활용분야를 숙지해봅시다.