2026년 9월 7일 월요일

Tech Daily Brief

오늘은 삼성의 HBM 점유율 급반등, GPT‑6 Astra의 실제 API/에이전트 구조 변화, OPEC+의 증산 동결과 유가 리스크, 1 THz 메타표면 하나로 8개 논리게이트를 구현한 새 논문, 그리고 Foxconn이 다시 AI 서버 수요 강세를 확인한 것 순으로 보는 게 좋습니다.

5 storiescomplete
01

삼성 HBM 점유율 21% → 33%, SK하이닉스와 격차 급축소

카운터포인트리서치가 공개한 2026년 2분기 HBM 매출 점유율에서 **SK하이닉스 50%, 삼성전자 33%, 마이크론 18%**로 집계됐습니다. 삼성은 1분기 21%에서 한 분기 만에 12%p 상승했고, SK하이닉스는 전년 동기 64%에서 50%로 내려왔습니다.

전체 DRAM에서는 삼성전자가 38%로 1위, SK하이닉스 25%, Micron 24%, CXMT 10%였습니다. 특히 CXMT는 전년 동기 4%에서 두 배 이상 올라 중국 DRAM의 존재감도 빠르게 커지고 있습니다.

핵심은 HBM4입니다. 카운터포인트는 현재 HBM 매출 대부분이 여전히 HBM3E에서 발생하지만, 하반기부터 HBM4 출하가 본격화되며 삼성이 추가 점유율을 확보할 것으로 전망했습니다.

HBM4는 단순히 DRAM stack만 발전하는 게 아닙니다.

HBM4=DRAM dies+TSV+base die+advanced packaging+ultra-wide I/O\text{HBM4} = \text{DRAM dies} + \text{TSV} + \text{base die} + \text{advanced packaging} + \text{ultra-wide I/O}

특히 custom base die와 GPU/ASIC 쪽 인터페이스가 중요해지면서 메모리 공정 + logic/foundry + package + PHY의 경계가 흐려지고 있습니다.

Why it matters

작년까지 “HBM = SK하이닉스 압도적 우위”라는 구도가 꽤 명확했지만, 올해는 삼성의 추격 속도가 생각보다 빠릅니다. 반대로 SK하이닉스는 HBM 비중을 크게 높인 만큼 commodity DRAM 점유율이 39% → 25%로 내려간 구조도 같이 봐야 합니다.

공부·연구: 메모리 회로를 볼 때 DRAM cell에서 끝내지 말고 HBM PHY, SI/PI, package/interposer, base die까지 같이 보면 좋습니다.

투자: 앞으로 삼성·SK하이닉스 비교에서는 단순 HBM 점유율보다 HBM4 yield + customer qualification + ASP + conventional DRAM mix를 같이 보는 편이 정확합니다.


02

GPT‑6 Astra 공개 — 핵심은 모델 성능보다 long-running agent API

OpenAI는 9월 3일 GPT‑6 Astra를 공식 공개했습니다. 아직 제한된 조직부터 순차 rollout 중이지만 API 모델 자체는 release note와 developer 문서에 올라왔습니다.

Astra는 reasoning·coding·computer use·research·문서 작업을 한 장기 workflow로 연결하는 모델로 설계됐습니다. 특히 API 변화가 눈에 띕니다.

  • tool calling은 Responses API 사용 권장
  • temperature, top_p, logprobs 미지원
  • none reasoning effort 미지원
  • async tool calling
  • 장시간 agent 작업 중 misalignment monitoring

이 포함됩니다.

특히 async tool calling이 중요합니다. 기존 agent loop가

LLMtoolwaitLLM\text{LLM} \rightarrow \text{tool} \rightarrow \text{wait} \rightarrow \text{LLM}

이었다면 이제는 여러 tool operation을 병렬·비동기로 처리하면서 agent가 계속 작업할 수 있습니다.

대형 repo나 리서치 작업에서는 실제 latency가

Ttotal=Treasoning+Ttool waitT_{total} = T_{reasoning} + \sum T_{tool\ wait}

인데, tool wait를 병렬화하면 전체 wall-clock time을 크게 줄일 수 있습니다.

OpenAI는 또 agent가 사용자 의도를 잘못 해석했을 가능성을 별도 monitoring으로 탐지해 작업을 일시 중지하거나 review를 요청할 수 있다고 밝혔습니다.

Why it matters

coding agent 경쟁의 중심이 점점 모델 자체 → agent runtime으로 이동하고 있습니다.

좋은 agent=Model+Tool scheduler+Context+Permission+Monitoring\text{좋은 agent} = \text{Model} + \text{Tool scheduler} + \text{Context} + \text{Permission} + \text{Monitoring}

으로 보는 게 맞습니다.


For you
개발

자체 챗봇이나 coding workflow를 만들 때 provider abstraction만 두는 것보다 이제 async tools, retry, state persistence, cancellation, approval boundary까지 runtime 설계에 넣는 게 중요해집니다.

03

OPEC+, 10월 증산 동결 — 기술주에 다시 유가/금리 변수

OPEC+가 9월 6일 회의에서 10월 생산정책을 그대로 유지하기로 결정했습니다. 지난달까지 이어지던 증산 사이클을 사실상 멈춘 셈입니다.

더 중요한 건 OPEC+가 실제 물리적 공급시장에 행사하는 영향력이 약해졌다는 점입니다. 이란전쟁과 호르무즈 해협 문제 때문에 생산 목표를 올려도 실제 원유가 시장에 도달하지 못하는 상황이 이어지고 있습니다.

이번 회의 이후 핵심 쟁점은 2027년 생산 baseline과 quota 재설정으로 넘어갑니다.

시장 연결은 다시 익숙한 구조입니다.

OilInflation expectationYieldDiscount rate\text{Oil}\uparrow \rightarrow \text{Inflation expectation}\uparrow \rightarrow \text{Yield}\uparrow \rightarrow \text{Discount rate}\uparrow

그래서 AI 기업의 실적이 좋아도 기술주 valuation에는 계속 압박이 될 수 있습니다.

지난 금요일에는 강한 미국 고용지표 때문에 Fed 인상 기대가 올라가면서 주요 지수는 약세였지만, 반도체주는 상대적으로 강했습니다. 즉 현재 시장은 여전히

AI earnings strengthvsOil + rates\boxed{\text{AI earnings strength}} \quad \text{vs} \quad \boxed{\text{Oil + rates}}

의 싸움입니다.


For you
투자

이번 주 AI 반도체를 볼 때는 CPI/PPI뿐 아니라 Brent/WTI와 미국 2년·10년물 금리를 같이 보는 게 좋습니다. Bitcoin도 현재 $80K 부근에서 $82K 저항을 넘지 못하고 있어 macro 민감도가 높은 상태입니다.

04

오늘의 EE 논문 — 메타표면 하나로 8개 Boolean gate

9월 6일 Scientific Reports에 공개된 **“A single passive terahertz metasurface implementing eight Boolean logic gates through polarization multiplexing”**이 오늘 연구 픽입니다.

연구진은 1 THz에서 하나의 passive transmissive metasurface로

  • OR
  • AND
  • XOR
  • BUFFER
  • NOR
  • NAND
  • XNOR
  • NOT

8개 Boolean logic operation을 구현했습니다.

핵심 아이디어는 polarization multiplexing입니다.

두 개의 직교 선형편광을 각각 별도의 연산 channel로 사용합니다.

Exlogic profile AE_x \rightarrow \text{logic profile A}

Eylogic profile BE_y \rightarrow \text{logic profile B}

그리고 4545^\circ linear polarization을 넣으면 두 채널이 동시에 동작해 gate와 complement gate를 동시에 계산할 수 있습니다.

소자는 gold-on-polyimide 구조이며, crossed resonant arm의 Lx,LyL_x,L_y를 따로 조절해 x/y polarization의 transmission phase를 독립적으로 설계합니다.

전체 aperture는

16λ0×16λ016\lambda_0 \times 16\lambda_0

이고 28개의 모든 gate/input 조합에 대해 full-wave simulation에서 올바른 output routing을 확인했습니다.

평균 detector contrast는

13.22 dB13.22\ \mathrm{dB}

최소값도

5.88 dB5.88\ \mathrm{dB}

였습니다.

Why it matters

전통적인 Boolean computing은

transistor switchinglogic\text{transistor switching} \rightarrow \text{logic}

이지만 이 연구에서는

wave propagation+phase profile+polarizationlogic\text{wave propagation} + \text{phase profile} + \text{polarization} \rightarrow \text{logic}

으로 계산합니다.

물리적 wave propagation 자체가 연산입니다.

당장 CMOS를 대체할 기술은 아닙니다. 특히 입력 encoding, detector, cascade, fabrication tolerance 문제가 남습니다. 하지만 THz signal processing이나 optical neural network에서 전자식 ADC/DSP로 들어가기 전에 아날로그 wave-domain preprocessing을 하는 방식으로는 상당히 흥미롭습니다.


For you
공부·대학원

전자기학의 E-field, polarization, diffraction과 디지털 논리회로가 한 논문에서 직접 연결됩니다.

05

Foxconn: AI 서버 수요 더 강해졌다 — 3분기 시장 예상 상회 전망

Foxconn이 9월 5일 공개한 전망에서 3분기 실적이 시장 예상보다 좋을 것이라고 밝혔습니다. 핵심 이유는 AI 관련 제품 수요입니다.

8월 매출은

T$921.8 billionT\$921.8\text{ billion}

291.5억 달러로 전년 대비

+51.98%+51.98\%

늘었고, 역대 8월 최고치였습니다. 두 달 연속 9,000억 대만달러를 넘겼습니다.

Foxconn은 NVIDIA의 주요 AI 서버 제조사이기 때문에 이 데이터는 꽤 의미가 있습니다.

NVIDIA 매출이 “GPU가 팔렸는가”를 보여준다면 Foxconn은 그 GPU가 실제로

GPU+HBM+NIC+Power+Cooling+Rack\text{GPU} + \text{HBM} + \text{NIC} + \text{Power} + \text{Cooling} + \text{Rack}

형태의 실물 서버 시스템으로 조립되고 있는지를 보여주는 downstream indicator에 가깝습니다.

Why it matters

현재 AI bubble 논쟁에서 가장 중요한 체크포인트는 AI 기업 valuation보다 실제 server delivery와 CAPEX가 계속 증가하는가입니다.

Foxconn의 record revenue는 적어도 현재까지는

AI compute demandactual hardware shipment\text{AI compute demand} \rightarrow \text{actual hardware shipment}

경로가 살아 있음을 보여줍니다.


For you
반도체

HBM, networking, power semiconductor, liquid cooling, advanced packaging 수요에 계속 긍정적입니다.

투자

NVIDIA 실적과 함께 Foxconn·Dell·ODM backlog를 보면 AI CAPEX의 실제 체력을 판단하기 좋습니다.

오늘의 연결고리

오늘 가장 중요한 변화는 AI 하드웨어와 소프트웨어가 둘 다 “단일 부품” 경쟁에서 “시스템” 경쟁으로 넘어가고 있다는 점입니다.

반도체에서는

DRAMHBM stackbase diepackageGPU system\text{DRAM} \rightarrow \text{HBM stack} \rightarrow \text{base die} \rightarrow \text{package} \rightarrow \text{GPU system}

이 되고 있고,

소프트웨어에서는

LLMagentasync toolsmonitoringworkflow\text{LLM} \rightarrow \text{agent} \rightarrow \text{async tools} \rightarrow \text{monitoring} \rightarrow \text{workflow}

로 확장되고 있습니다.

그래서 앞으로 HBM4·고속 I/O·패키징agent runtime·context·tool orchestration이 각각 하드웨어와 소프트웨어의 핵심 병목으로 남을 가능성이 높습니다.