모건스탠리: AI 투자 '둔화기' 진입, 그러나 칩 가치량은 여전히 상승 중

TL;DR
·모건스탠리는 글로벌 주요 클라우드 업체들의 자본적 지출(Capex)이 2028년까지 약 1조 6천억 달러에 근접하겠지만, 전년 대비 성장률은 약 12%로 둔화될 수 있다고 전망했다.
·그러나 AI 반도체는 전체 Capex와 동일한 속도로 둔화되지 않을 전망이다. 2028년 글로벌 2.5D 첨단 패키징 생산능력은 여전히 전년 대비 약 50% 성장할 수 있다.
·모건스탠리는 2030년까지 글로벌 반도체 시장 규모가 약 1조 5천억 달러에 도달하고, AI 반도체 TAM은 약 7,530억 달러로 업계 전체의 절반에 육박할 것으로 예상했다.
·다음 단계의 성장 동력은 더 이상 NVIDIA GPU만이 아니다. Google TPU, AWS Trainium 등 맞춤형 ASIC이 빠르게 확장되며 성장이 첨단 공정, 패키징, 테스트, 메모리 부문으로 확산되고 있다.
·중국의 AI 수요가 확대되고 있지만 칩 생산능력은 여전히 핵심 제약 요인이다. 창신메모리(CXMT)의 신규 생산능력을 포함하더라도 모건스탠리는 2026년과 2027년 전체 DRAM 수급 격차가 각각 약 17%와 15%에 달할 것으로 전망했다.

Capex는 둔화되기 시작하지만 AI 반도체는 동시에 정점을 찍지 않는다

지난 2년간 시장이 AI 경기를 판단하는 가장 직접적인 방법은 Meta, Google, Microsoft, Amazon이 자본적 지출을 계속 늘릴 의지가 있는지 확인하는 것이었다.

2026년에도 이 지표는 여전히 매우 강력하다. 모건스탠리 집계에 따르면 Amazon, Google, Microsoft, Meta 4대 클라우드 업체의 2분기 자본적 지출은 전년 대비 87% 증가했으며, Capex/EBITDA가 70% 이상으로 상승했다.

하지만 이처럼 높은 성장률이 영원히 지속될 수는 없다.

이에 이 보고서는 시야를 2028년으로 확장했다. 모건스탠리는 당시 글로벌 상위 14개 상장 클라우드 서비스 제공업체의 자본적 지출이 약 1조 6천억 달러에 근접하겠지만, 전체 전년 대비 성장률은 약 12%로 하락할 것으로 예상했다.

이 수치만 보면 'AI 투자 사이클이 냉각되기 시작했다'는 판단을 내리기 쉽다. 그러나 보고서는 곧바로 또 다른 데이터를 제시한다. 2028년 글로벌 2.5D 첨단 패키징 생산능력은 여전히 전년 대비 약 50% 성장할 전망이다.

모건스탠리는 2028년 글로벌 2.5D 첨단 패키징 생산능력이 여전히 전년 대비 약 50% 성장할 전망이라고 밝혔다.

이것이 바로 이 보고서에서 가장 주목해야 할 부분이다.

클라우드 업체들의 전체 Capex 둔화가 AI 반도체의 동반 정점을 의미하지는 않는다.

지난 몇 년간 AI 칩 성장은 주로 자본적 지출 총량 확대에 의존했다. 데이터센터를 더 많이 지을수록 GPU 구매량이 늘어나는 구조였다.

그러나 다음 단계로 접어들면 CSP Capex 성장률이 50%대, 80%대에서 10%~20%로 둔화되더라도 AI가 전체 자본적 지출에서 차지하는 비중이 계속 높아지기만 하면 GPU, ASIC, HBM, 첨단 공정, 첨단 패키징은 여전히 총 Capex를 상회하는 성과를 낼 수 있다.

다시 말해 시장은 '총량 스토리'에서 '구조적 스토리'로 전환되고 있다.

모건스탠리의 장기 시장 규모 전망도 이를 반영한다. 보고서는 2030년까지 글로벌 반도체 산업 규모가 약 1조 5천억 달러에 도달하고, 이 중 AI 반도체 TAM은 약 7,530억 달러로 전체 시장의 거의 절반을 차지할 것으로 예상했다. 공급망이 주도하는 낙관적 시나리오에서는 2026년 클라우드 AI 반도체 시장이 4,850억 달러에 달할 수 있다고 전망했다. 다만 4,850억 달러는 보고서에 명시된 강세 시나리오(bull case)이며 기준 전망치는 아니라는 점에 유의해야 한다.

동시에 AI 반도체와 비AI 반도체 간의 양극화가 심화되고 있다.

보고서는 메모리와 NVIDIA AI GPU 매출을 제외하면 2026년 비AI 반도체 성장률이 오히려 감소할 수 있다고 전망했다. 이는 이번 사이클에 '반도체 산업 전반의 회복'이라는 전통적인 프레임워크를 단순 적용하기가 점점 더 어려워지고 있음을 의미한다.

진정한 고성장은 AI가 웨이퍼, 메모리, 첨단 패키징, 테스트 자원을 지속적으로 흡수하며 형성하는 독립적인 산업 생태계이다.

성장 논리가 'GPU 더 많이 구매'에서 더 높은 AI 가치량으로 전환

1단계 AI 투자의 핵심이 'GPU를 더 많이 구매하는 것'이었다면, 2단계에서 더 중요한 질문은 'AI 서버 한 대당 얼마나 더 비싸고 복잡한 반도체가 필요한지'이다.

TSMC가 가장 직접적인 사례다.

모건스탠리는 AI 반도체가 TSMC의 2026년 매출에서 차지하는 비중이 이미 30%를 넘어섰을 수 있다고 전망했다. 동시에 TSMC의 N2 패밀리 생산능력은 2026년부터 2028년까지 약 70%의 CAGR(연평균 성장률)을 기록할 것으로 예상되며, N3 생산능력은 계속 증가하는 반면 N5는 2027년부터 감소하기 시작할 수 있다.

AI 반도체가 TSMC 매출에서 차지하는 비중은 지속적으로 상승하여 2026년에는 이미 30%를 넘어섰을 수 있다.

그 이면의 논리는 복잡하지 않다.

AI 칩은 수량이 증가할 뿐만 아니라 개별 칩 자체도 계속 '비싸지고' 있다. 5nm에서 3nm, 2nm로 전환되고, 일반 패키징에서 CoWoS와 SoIC로 진화하며, 더 많은 HBM을 탑재함에 따라 AI 가속기 세대가 거듭될수록 칩 하나당 웨이퍼, 패키징, 메모리 가치가 증가하고 있다.

따라서 향후 서버 수량 증가 속도가 점차 둔화되더라도 서버 한 대당 반도체 가치는 계속 상승할 수 있다. 이것이 첨단 패키징 성장률이 전체 Capex를 크게 상회할 수 있는 이유이기도 하다.

동시에 AI 칩의 성장 동력도 NVIDIA에서 맞춤형 ASIC으로 확산되기 시작했다.

모건스탠리는 NVIDIA가 더 높은 성능의 GPU를 지속적으로 출시하더라도 대형 CSP는 여전히 자체 맞춤형 칩이 필요하다고 판단한다. Google은 TPU를, Amazon은 Trainium을 보유하고 있으며 Meta 등도 자체 ASIC 프로젝트를 추진하고 있다.

클라우드 업체가 충분히 큰 컴퓨팅 수요를 보유하게 되면 자체 ASIC을 통해 특정 워크로드에 맞춰 비용, 성능, 전력 효율을 최적화하는 동시에 단일 GPU 공급업체에 대한 의존도를 낮출 수 있다.

따라서 미래의 AI 칩 시장은 'NVIDIA 성장이 끝난 후 누가 바통을 이어받을 것인가'의 문제라기보다는 GPU가 계속 성장하는 동시에 ASIC이 두 번째 성장 곡선이 되는 구도가 될 가능성이 높다.

모건스탠리는 Alchip의 AWS Trainium 관련 매출이 2026년 약 18억 달러에서 2027년 28억 달러로 증가하고, 2028년에는 80억 달러에 도달할 것으로 전망했다. 2028년에는 Trainium 매출이 Alchip 전체 매출의 약 82%를 차지하게 된다.

Google TPU에 대한 전망은 더욱 공격적이다.

보고서는 자체 모델에 따르면 MediaTek의 TPU 관련 매출이 2027년 135억 달러에서 2028년 435억 달러로 증가하고, 2029년에는 700억 달러에 이를 것으로 예상했다. 2028년에는 TPU 매출이 이미 MediaTek 총매출의 약 65%를 차지할 수 있다.

모건스탠리는 CSP 자체 ASIC 프로젝트가 계속 증가하고 Google TPU 등 맞춤형 칩이 빠른 물량 확대 단계에 진입할 것으로 전망했다.

이 수치들은 모두 장기 모델에 기반한 것으로, 실제 달성 여부는 칩 양산, 수율, 고객 구매, 클라우드 업체 자체 자본적 지출에 달려 있다. 그러나 방향성은 매우 분명하다. AI 산업 생태계의 성장이 단순한 GPU 출하에서 ASIC, 첨단 공정, 첨단 패키징, ABF 기판, 칩 테스트로 확장되고 있다는 것이다.

보고서는 특히 Google TPU의 향후 추가 물량 확대 잠재력이 ABF 기판 공급 제한을 받을 가능성이 있다고 지적했다. 따라서 AI 사이클을 판단할 때 'GPU가 얼마나 팔렸는가'는 여전히 중요하지만 더 이상 전부는 아니다.

중국 AI 수요는 살아났지만 진짜 병목은 여전히 생산능력

중국 시장은 또 다른 변화를 보여준다.

과거 중국산 AI 칩 논의에서 시장은 주로 '국산화'에 주목했다. 그러나 모건스탠리는 이번에 수요 창출을 더 강조했다.

보고서는 DeepSeek이 더 낮은 비용의 AI 추론 능력을 선보였으며, 이것이 추론 수요를 더욱 자극할 수 있다고 평가했다. 동시에 중국 국내 웨이퍼 제조 공급망의 AI GPU 생산 능력도 향상되고 있다.

이는 중국 AI 칩의 논리가 단순한 '수입 대체'에서 점차 '추론 비용 하락 → 애플리케이션 증가 → 컴퓨팅 수요 확대 → 국내 칩 수요 증가'로 변화하고 있음을 의미한다.

이에 모건스탠리는 중국 AI 및 반도체 장비 부문에서 Iluvatar CoreX, Cambricon Technologies, Hygon Information Technology, NAURA Technology Group, Advanced Micro-Fabrication Equipment Inc. China를 중점적으로 언급했으며, SMIC도 AI 부문 비중확대(Overweight) 포트폴리오에 포함시켰다.

그러나 수요가 현재 가장 큰 제약은 아니다. 보고서는 글로벌 AI 발전의 주요 병목 요인을 정리하면서 미국의 문제를 '에너지(Energy)'로, 중국의 문제를 '칩 생산능력(Chip Capacity)'으로 요약했다. 즉, 중국 AI 칩이 궁극적으로 얼마나 많은 물량을 공급할 수 있을지는 첨단 공정, 첨단 패키징, 메모리가 얼마나 많은 유효 생산능력을 확보하느냐에 더 크게 좌우된다.

메모리가 가장 대표적인 사례다.

모건스탠리는 2028년까지 글로벌 DRAM 생산능력이 약 3,374kwpm에 도달하고, 이 중 창신메모리(CXMT)가 약 500kwpm으로 전 세계의 약 15%를 차지할 것으로 전망했다. 2025년부터 2028년까지 창신메모리의 비트 출하량은 약 40%의 CAGR(연평균 성장률)을 기록할 것으로 예상된다.

동시에 창신메모리는 HBM 시장에도 진출하기 시작했다.

보고서는 창신메모리의 HBM TSV 생산능력이 2026년 20kwpm에서 2027년 40kwpm, 2028년 70kwpm으로 증가할 것으로 전망했다. 비트 출하량 기준으로 창신메모리는 2026년 글로벌 HBM 시장의 약 3.8%, 2027년 약 4.4%를 차지할 전망이다.

그러나 이것이 글로벌 메모리 공급 부족 구도를 즉시 바꾸지는 못했다.

창신메모리의 신규 생산능력을 포함하더라도 모건스탠리 모델에 따르면 2026년 글로벌 DRAM 전체 공급 부족은 여전히 17%에 달하고, 2027년에는 약 15%에 이를 수 있다. HBM 시장도 계속 공급 부족 상태를 유지할 전망이다.

창신메모리의 DRAM 및 HBM 생산능력이 빠르게 확장되고 있지만, 모건스탠리는 글로벌 메모리 공급이 AI 수요 증가를 따라잡기 어려울 것으로 전망했다.

이것이 이번 메모리 사이클이 과거와 가장 크게 다른 점 중 하나다.

과거 DRAM과 NAND는 전형적인 PC·스마트폰 사이클 상품에 가까웠다. 수요가 증가하고 가격이 오르면 업체들이 생산을 확대하고, 이후 공급 과잉이 발생했다. 그러나 AI 서버에서 HBM, 서버 DRAM, 고성능 메모리는 점점 인프라 병목 자산에 가까워지고 있다. 더 이상 GPU 옆의 주변 부품이 아니라 AI 서버 한 대를 생산할 수 있는지, 전체 컴퓨팅 클러스터가 계획대로 확장될 수 있는지를 직접 결정하는 요소가 되기 시작했다.

결국 이 61페이지 보고서가 전달하려는 핵심은 단순히 'AI가 계속 상승할 것'이라는 말이 아니다. 더 정확히 말하면 AI 반도체가 CSP 자본적 지출의 고속 성장에 의존하는 1단계에서 AI 비중 상승과 서버 한 대당 가치 상승에 의존하는 2단계로 진입하고 있다는 것이다.

따라서 향후 AI 하드웨어 사이클이 정말 변곡점에 가까워졌는지 판단하려면 Meta, Google, Microsoft, Amazon의 Capex 성장률만으로는 부족하다.

더 주목해야 할 지표는 AI Capex 비중, CoWoS/EMIB 생산능력, HBM 수급, 2nm 가동률, 그리고 Google TPU, AWS Trainium 등 ASIC의 실제 출하 일정이다.

향후 CSP 전체 Capex 성장률이 하락하더라도 이러한 지표들이 계속 높은 성장세를 유지한다면 AI 반도체 경기가 총 Capex와 함께 정점을 찍지 않을 수 있다. 반대로 이러한 핵심 지표들이 동시에 약세로 전환되기 시작할 때 비로소 AI 반도체 사이클의 진정한 변곡점 신호에 더 가까워진다고 볼 수 있다.