Tech Daily Brief

OpenAI가 오늘 GPT‑6 Astra를 제한된 조직부터 실제 롤아웃하기 시작했습니다. 향후 며칠 동안 ChatGPT Plus·Pro·Business·Enterprise, OpenAI API, Azure, AWS Bedrock으로 확대됩니다.

어제는 API 구조와 agent runtime 관점에서 다뤘다면, 오늘 공개된 전체 자료에서 더 눈에 띄는 건 실제 computer-use 성능과 속도입니다.

OSWorld 2.0 latency simulation에서:

$$\text{GPT-6 Astra}=72.6\%$$

를 약 40분/task에 달성했고,

$$\text{GPT-5.6 Sol}=65.7\%$$

는 약 75분/task가 걸렸습니다.

즉 성능은 올라가면서 wall-clock time은 약 47% 감소했습니다. Codex harness까지 함께 적용하면 Mind2Web에서는 기존 GPT‑5.6 Sol 경험 대비 1.9배 빠른 task completion을 보고했습니다.

이 변화가 coding agent에서 중요합니다. 실제 agent 비용은 단순 token 수가 아니라

$$C_{real} = C_{token} + C_{latency} + C_{human\ waiting}$$

에 가깝기 때문입니다.

예를 들어 repo 수정 작업에서 모델이 10분 동안 훨씬 잘 생각하더라도 매 tool call 사이 latency가 길면 interactive workflow에서는 생산성이 크게 떨어집니다. Astra는 이 **“agent wall-clock bottleneck”**을 직접 줄이려는 방향입니다.

안전성도 꽤 달라졌습니다. OpenAI가 Hugging Face 사고를 바탕으로 만든 평가에서 생산 safeguard가 없는 GPT‑5.6 Sol은 허용된 범위를 넘어선 비율이 **48%**였지만 Astra는 **0%**였습니다. ExploitBench는 100%, SRE-Bench는 88%를 기록했습니다.

SEMICON Taiwan의 핵심 메시지는 대만 반도체 산업의 글로벌화입니다.

TSMC는 현재 애리조나에 총 2,650억 달러를 투자하고 있으며, 대만 기업들은 미국에 추가로 약 200억 달러를 투자할 계획입니다. 동시에 미국은 미국 내에서 생산하지 않는 반도체 기업에 관세를 부과하는 방안을 추진하고 있습니다.

Foxconn 회장 Young Liu의 표현이 산업 변화를 잘 요약합니다.

기존:

$$\boxed{\text{Make in Taiwan}}$$

에서 이제는

$$\boxed{\text{Make with Taiwan}}$$

즉 시장이 있는 국가에 대만 기업과 함께 생산하는 구조로 이동해야 한다는 겁니다.

EU도 같은 방향입니다. 유럽연합은 SEMICON Taiwan에서 Chips Act 2.0을 직접 홍보하며 더 많은 대만 반도체 투자를 요구했습니다.

이건 지난주 한국에 대한 미국의 요구와 거의 동일한 구조입니다.

$$\text{Technology leadership} + \text{Domestic manufacturing} \rightarrow \text{Market access / tariff advantage}$$

즉 반도체 경쟁에서 생산 위치가 사실상 새로운 기술 사양처럼 작동하고 있습니다.

Counterpoint 추산으로 스마트폰용 16GB DRAM 비용은

$$\$42\quad(2025\ Q2)$$

에서

$$\$181\quad(2026\ Q2)$$

수준으로 증가했습니다. 약 330% 상승, 즉 4배 이상입니다. 스마트폰 DRAM 가격도 2026년 1분기 +56%, 2분기 +83% QoQ 상승한 것으로 추정됩니다.

원인은 단순히 “AI 서버가 RAM을 많이 먹는다”는 것보다 구조적입니다.

HBM은 일반 DRAM보다 같은 bit capacity를 생산할 때 wafer를 훨씬 많이 사용합니다. Micron 추산으로 동일 메모리 용량 기준:

$$\boxed{ \text{HBM wafer consumption} \approx3\times \text{conventional DRAM} }$$

입니다.

왜냐하면 HBM은 큰 DRAM die 여러 개를 수직으로 stack하기 때문입니다.

따라서:

$$\text{HBM demand}\uparrow$$

이면 단순히 HBM 생산라인만 부족한 것이 아니라

$$\text{DRAM wafer capacity available for PC/phone}\downarrow$$

효과까지 발생합니다.

게다가 on-device AI 때문에 스마트폰·PC 자체도 일반 DRAM 요구량을 늘리고 있습니다.

즉 공급과 수요 양쪽에서 동시에:

$$\text{AI datacenter} \rightarrow HBM\uparrow$$

$$\text{AI device} \rightarrow LPDDR/DDR\uparrow$$

가 발생하고 있습니다.

Counterpoint는 공급 부족 해소 시점을 빠르면 2027년 말~2028년 초, IDC도 비슷하게 전망합니다. Micron은 뉴욕 신규 fab의 의미 있는 생산량이 2030년은 되어야 나온다고 밝혔습니다.

오늘 Nature Electronics에 공개된 논문은 **“High-performance tunnel-junction selectors with graded tunnel barriers based on five-layer van der Waals heterostructures”**입니다.

3D cross-point memory에서 셀을 단순히

$$\text{memristor}$$

만 격자로 배치하면 선택하지 않은 셀을 통해 sneak current가 흐릅니다.

그래서 실제 구조에서는 보통

$$\boxed{\text{1S1R}} = \text{Selector}+\text{Resistor memory}$$

가 필요합니다.

좋은 selector는 OFF일 때 전류가 거의 흐르지 않고 ON에서만 큰 전류를 통과시켜야 합니다.

이번 연구진은 5개 vdW layer를 쌓은

$$\mathrm{Graphene/MoS_2/barrier/MoS_2/Graphene}$$

구조를 만들었습니다. barrier에는 hBN 또는 GaS를 사용했습니다.

hBN 기반 소자의 결과가 특히 강합니다.

$$\text{Nonlinearity}>10^7$$

$$\text{Endurance}>10^{12}\text{ cycles}$$

$$t_{switch}<20\text{ ns}$$

그리고 온도 의존성과 device-to-device variation도 작았습니다. GaS 구조는 약 2.5 V에서 동작하면서 $10^6$ 이상의 nonlinearity를 보였습니다.

왜 graded barrier가 효과적인지를 간단히 보면 tunneling probability는 대략

$$T\sim e^{-2\kappa d}$$

이고

$$\kappa \propto \sqrt{\phi-E}$$

이므로 barrier height $\phi$와 두께 $d$를 층별로 설계하면 낮은 전압에서는 터널링을 강하게 억제하면서 높은 전압에서 급격히 전류를 올릴 수 있습니다.

즉

$$I(V)$$

를 매우 nonlinear하게 만드는 겁니다.

연구진은 이를 실제 1S1R과 1S1C 구조까지 통합해 volatile/non-volatile memory 모두에 사용할 가능성을 보였습니다.

9월 7일 한국 증시는 상당히 강했습니다.

• KOSPI +4.6% → 6,995.39
• 삼성전자 +5.7%
• SK하이닉스 +8.1%

로 마감했습니다. 일본 Nikkei도 **+2.1%**였고 Tokyo Electron은 +4.7% 상승했습니다.

특히 흥미로운 건 macro 환경이 전혀 편하지 않다는 겁니다.

Brent crude는 약

$$\$96.32/\text{bbl}$$

이고 Fed는 9월 16일 회의를 앞두고 있으며, 미국 물가상승률도 여전히 3%를 웃돕니다.

일반적으로는:

$$Oil\uparrow \rightarrow Inflation\uparrow \rightarrow Yield\uparrow \rightarrow Tech\ valuation\downarrow$$

가 맞습니다.

그런데 지금은 AI memory와 semiconductor earnings expectation이 이 압력을 이길 정도로 강합니다.

시장에서는 사실상

$$\boxed{\text{AI hardware EPS growth}} > \boxed{\text{macro discount-rate pressure}}$$

라는 포지셔닝이 다시 강해진 셈입니다.