모건 스탠리 분석: AI 칩 열풍, 전력 수요는 따라잡을 수 있을까? 2027년 예상 수요 약 38GW

모건 스탠리의 최신 아시아 공급망 조사에 따르면 AI 확장을 보다 직관적인 전력 소비량 수치로 환산할 수 있습니다. 2027년에 약 1,900만 개의 CoWoS 기반 GPU 및 ASIC이 사용될 것으로 예상되며, 칩당 평균 TDP가 2kW라고 가정할 때, 이러한 칩 배치에 필요한 전력 용량은 약 38GW에 달합니다.

이 중 엔비디아가 약 16GW, 구글이 약 9GW, AMD가 약 7GW, AWS가 약 2GW, 그리고 마이크로소프트, 메타 및 기타 업체들이 각각 약 1GW를 차지합니다.

38GW라는 수치는 당시 전 세계 AI 데이터 센터의 총 전력 소비량도 아니고, 이미 확보된 전력 용량도 아니라는 점을 강조해야 합니다. CPU, 네트워크, 스토리지, 냉각 장치 및 기타 지원 시설의 전력 소비량을 모두 포함한 수치도 아닙니다. 오히려 칩 출하량을 기반으로 한 일종의 스트레스 테스트에 가깝습니다. 즉, 2027년에 공급망 모델에 따라 AI 가속기 생산량이 증가할 경우, 전력 인프라가 이러한 칩 물량을 동시에 처리할 수 있을지 여부를 가늠하는 척도입니다.

이는 AI 컴퓨팅 성능 확장에 대한 제약 조건이 "GPU 생산 가능 여부"에서 HBM, CoWoS, 테스트, 랙 배송 및 전력 공급이 동시에 제공될 수 있는지 여부로 확대되고 있음을 의미합니다.

38GW 스트레스 테스트로 AI 병목 현상이 전력 부문으로 옮겨갔습니다.

모건 스탠리의 계산은 두 가지 핵심 가정에 기반합니다. 2027년 CoWoS에 사용되는 GPU 및 ASIC 칩의 수는 약 1,900만 개이며, 칩당 평균 TDP는 2kW이므로 해당 칩에 필요한 전력량은 약 38GW에 달할 것이라는 가정입니다.

2kW라는 수치는 총 전력 소비량을 추정하기 위해 사용되는 평균적인 가정치이며, 모든 GPU와 ASIC의 전력 소비량이 동일하다는 것을 의미하지는 않습니다. 또한 38GW라는 수치는 데이터 센터의 실제 운영 부하를 나타내는 것이 아닙니다. 칩이 항상 최대 용량으로 작동하는 것은 아니며, 서버의 CPU, 네트워크, 스토리지 및 냉각 시스템은 추가적인 전력을 발생시키기 때문입니다.

하지만 이 수치는 여전히 참고할 만한 가치가 있습니다. 지난 2년간 AI 공급망에 대한 논의는 주로 GPU 생산 일정, HBM 공급, CoWoS 용량에 집중되었습니다. 칩 출하량이 계속 증가함에 따라 전력망 연결, 변전소 건설, 데이터센터 부지 선정, 장기 전력 구매 계약 등이 칩이 실제 사용 가능한 컴퓨팅 성능으로 전환될 수 있는지 여부에 직접적인 영향을 미칠 수 있습니다.

칩 공급은 단지 첫 단계일 뿐입니다. GPU나 ASIC이 데이터 센터에 도입된 후에는 서버, 랙, 네트워크, 냉각 시스템, 전력 공급 장치, 운영 및 유지 관리 시스템 등 관련 인프라도 필요합니다. 인프라 구축이 칩 출하량을 따라가지 못하면 "칩은 도착했지만 데이터 센터와 전력 공급 시설은 아직 갖춰지지 않은" 불균형 현상이 시장에 발생할 수 있습니다.

2027년 GPU/ASIC 칩의 예상 전력 소비량은 엔비디아 16GW, 구글 9GW, AMD 7GW를 포함하여 약 38GW에 달합니다.

엔비디아에게 16GW라는 암묵적인 요구 사항은 회사가 랙당 GPU 밀도를 지속적으로 높이는 이유를 설명해 줍니다. 보고서에 따르면 엔비디아는 확장형 아키텍처를 통해 더 많은 GPU를 연결함으로써 랙 수준의 컴퓨팅 성능을 향상시키기를 오랫동안 희망해 왔습니다.

하지만 1세대 루빈 울트라 랙용 카이버 솔루션은 여전히 PCB 및 열 관리 문제를 안고 있으며, 오베론 NVL72 설계를 계속 사용하다가 CPO 또는 NPO 인터커넥트를 통해 NVL576 규모로 확장할 가능성이 있습니다. 랙 밀도를 높인다고 해서 전력 요구량이 줄어드는 것은 아니며, 오히려 고사양 데이터센터 설계에 전원 공급, 냉각 및 인터커넥트 관련 부담이 집중될 것입니다.

HBM과 CoWoS는 동시에 확장되고 있으며, Rubin Ultra의 사양은 아직 확정되지 않았습니다.

전력 외에도 HBM과 첨단 패키징 기술은 2027년경 AI 칩 확장의 주요 제약 조건으로 남아 있습니다.

모건 스탠리의 공급망 모델에 따르면 2027년 AI 칩용 HBM 수요는 약 486억 1,800만 Gb에 달할 것으로 예상됩니다. 표 3은 CoWoS 구성 물량을 약 266만 4천 웨이퍼로 나타내고 있으며, 표 5는 전 세계 CoWoS 수요를 약 269만 4천 웨이퍼로 제시하고 있습니다. 두 수치는 통계 범위의 차이로 인해 약간의 차이를 보입니다.

이 보고서는 또한 AI 컴퓨팅 칩용 웨이퍼 매출 시장 규모가 2027년까지 최소 588억 달러에 달할 것으로 추정합니다. 엔비디아는 약 122만 2천 개의 웨이퍼를 소비하며 CoWoS의 최대 소비자로 남아 있으며, AMD와 브로드컴은 각각 약 53만 개와 48만 4천 개의 웨이퍼를 소비할 것으로 예상됩니다.

2027년 AI HBM 수요는 CoWoS 구성 및 다양한 GPU와 ASIC에 필요한 HBM 요구 사항을 포함하여 486억 Gb로 추산됩니다.

수요 예측에는 여전히 중요한 변수가 하나 있습니다. 바로 Rubin Ultra용 HBM 구성이 아직 최종 확정되지 않았다는 점입니다.

공급망 점검 결과, Rubin Ultra는 고급형 버전에는 HBM4e 8Hi를, 저가형 버전에는 HBM4 12Hi 또는 8Hi를 사용하는 등 등급별 사양을 채택할 가능성이 있는 것으로 나타났습니다. 모건 스탠리는 엔비디아가 2026년 3분기 말까지 최종 결정을 내릴 것으로 예상합니다.

이러한 조정은 주로 HBM 용량 부족, 메모리 비용 상승, 다양한 AI 워크로드에 따른 용량 및 대역폭 요구 사항의 차이 등 세 가지 압력을 반영합니다. 보고서에 따르면, 특히 컨텍스트가 긴 대규모 모델의 경우, 사전 채우기보다 HBM 구성을 줄이는 것이 디코딩 워크로드에 더 큰 영향을 미칠 수 있다고 합니다.

표 3은 여전히 HBM4e 12Hi를 탑재하고 칩당 총 용량이 384GB인 Rubin Ultra 구성을 기준으로 계산되었다는 점에 유의해야 합니다. 따라서 486억 Gb의 HBM 요구량은 잠재적인 단계적 축소 계획을 완전히 반영하지 않습니다. 최종 구성이 축소될 경우 칩당 HBM 사용량은 감소할 수 있지만, 메모리 비용 절감으로 칩 출하량이 증가하여 칩당 사용량 감소의 영향을 부분적으로 상쇄할 수도 있습니다.

마이크론의 공개 정보에 따르면 HBM4는 양산 단계에 진입했으며, HBM4E는 2027년에 양산될 것으로 예상됩니다. 공급 측면에서는 신제품 출시가 활발히 진행되고 있지만, 루빈 울트라의 최종 구성은 성능, 비용, 공급 안정성 등 여러 요소를 종합적으로 고려하여 엔비디아가 결정해야 할 사항입니다.

Rubin 시리즈는 공격적인 출하 속도를 이어가고 있습니다. 보고서에 따르면 2027년 Rubin과 Rubin Ultra의 합산 출하량은 약 700만 대에 이를 것으로 예상되며, 이 중 Rubin이 약 592만 대, Rubin Ultra가 약 104만 대를 차지할 것으로 전망됩니다. Rubin NVL72 랙 유닛의 출하량은 약 9만 대에 이를 것으로 예상됩니다.

루빈은 2026년 3분기부터 생산량을 늘리기 시작하여 4분기부터 랙 출하를 시작할 것으로 예상합니다. 또한 보고서는 블랙웰의 "재고"에 대한 이전 시장의 우려가 대부분 공급망 완충 재고였으며, 이는 2026년까지 완전히 소진될 것으로 예상된다고 밝혔습니다.

Rubin 및 Rubin Ultra 칩과 Rubin NVL72 랙의 출하량 예측입니다.

이는 2026년 하반기부터 2027년까지 엔비디아의 공급망이 블랙웰 재고 소진, 루빈 생산량 증대, HBM 사양 전환, 랙 납품을 동시에 완료해야 함을 의미합니다. 이러한 단계 중 어느 하나라도 지연될 경우 최종적으로 제공되는 컴퓨팅 성능에 영향을 미칠 수 있습니다.

구글의 TPU 생산량이 735만 개로 증가했으며, 테스트체인으로 주문이 쏟아지고 있습니다.

엔비디아 외에도 구글의 TPU는 보고서에서 주목할 만한 성장 동력으로 꼽힙니다.

모건 스탠리는 구글의 TPU 출하량이 2026년 370만 대에서 2027년 735만 대로 증가할 것으로 예측합니다. 이 중 브로드컴의 v8i가 400만 대, 미디어텍의 v8t가 300만 대, v9가 약 15만 대, 그리고 나머지 약 20만 대는 v7이 출하될 것으로 예상됩니다.

구글의 세대별 TPU 출하량 예측치와 KYEC 매출에 대한 잠재적 기여도.

TPU 생산량 증가는 칩 설계, 웨이퍼 제조, 첨단 패키징 및 테스트 분야의 주문을 촉진할 것입니다. 보고서는 TPU 관련 사업이 2026년 KYEC 매출의 7~8%를 차지하고, 최종 테스트 및 일부 웨이퍼 프로빙 매출을 포함하여 2027년에는 10%를 약간 웃도는 수준을 기록할 것으로 예측합니다.

구글의 CPU, TPU, 최종 테스트 및 일부 웨이퍼 프로빙 사업을 모두 포함할 경우, 구글 관련 수요는 2027년 KYEC 매출의 10~15%를 차지할 것으로 예상되며, 이는 2026년의 8~10%에서 증가한 수치입니다.

테스트 요구 사항 또한 점점 더 복잡해지고 있습니다. 보고서에 따르면 미디어텍의 3nm TPU는 AI 칩의 성능 안정성과 신뢰성을 향상시키기 위해 번인 테스트를 적용할 것으로 예상되며, 구글의 CPU 프로젝트 역시 번인 테스트와 시스템 수준 테스트를 필요로 합니다.

더욱 복잡해진 테스트 프로세스와 길어진 테스트 주기는 테스트 시설에 대한 수요를 증가시키겠지만, 테스트 용량이 병목 현상을 초래할지는 칩당 테스트 시간과 전체 출하량의 변화를 종합적으로 고려해야 합니다. 보고서는 또한 일부 분야에서 테스트 시간이 단축됨에 따라 최근의 용량 압박이 완화될 수 있다고 지적하며, 따라서 테스트 수요 증가를 필연적인 용량 부족으로 단정해서는 안 된다고 강조합니다.

38GW는 수요의 최종 목표가 아니라 공급 능력에 대한 시험대입니다.

이번 공급망 분석에서 가장 주목할 만한 점은 AI 칩 출하량 수치가 추가된 것뿐만 아니라, 2027년까지의 주요 확장 제약 요인들이 동일 모델에 포함되었다는 것입니다. 엔비디아는 GPU 밀도를 지속적으로 높이고, 구글은 TPU 생산량을 빠르게 늘리고 있으며, HBM과 CoWoS에 대한 수요가 동시에 증가하고, 칩에 필요한 전력 수요는 최대 38GW까지 증가할 것으로 예상됩니다.

이러한 수치는 여전히 몇 가지 전제 조건에 따라 달라집니다. Rubin Ultra용 계층형 HBM 솔루션은 아직 최종 확정되지 않았으며, 메모리 구성 축소가 장기 컨텍스트 디코딩 성능에 미치는 영향도 검증이 필요합니다. CoWoS 및 HBM 생산 능력은 계획대로 확장되어야 하며, 서버, 랙, 전력 및 냉각 인프라 구축은 칩 공급 속도에 맞춰 진행되어야 합니다.

상호 연결 솔루션 또한 차이를 야기할 수 있습니다. 보고서에 따르면, 현지 파운드리 공정의 한계로 인해 중국 AI GPU 제조업체의 SerDes 속도는 여전히 채널당 100Gb/s로 제한될 수 있습니다. 따라서 이들 업체는 슈퍼노드 아키텍처에 NPO 상호 연결을 점점 더 많이 채택하고 있는 반면, NVIDIA는 오랫동안 CPO를 우선시해 왔습니다. 이러한 접근 방식의 차이는 슈퍼노드 설계, 구축 비용 및 시스템 효율성에 영향을 미칠 것입니다.

따라서 38GW는 2027년 실제 전력 소비량을 정확하게 예측한 수치가 아니라, 칩 출하량을 기반으로 한 스트레스 테스트 결과입니다. 이는 AI 칩에 대한 수요가 여전히 강세를 보이고 있음을 보여주는 동시에, AI 컴퓨팅 성능 실현 여부를 결정하는 요소가 더 이상 GPU 생산 일정뿐 아니라 HBM, CoWoS, 테스트, 랙, 전력 공급 등이 동시에 확보될 수 있는지 여부라는 점을 시장에 상기시켜 줍니다.