미래 유망 산업들

텐배거 포트폴리오 - 김학주가 짚어주는 시장의 미래를 바꿀 주식 TOP 50
김학주 지음 / 페이지2(page2) / 2025년 12월

 저자는 패권이란 누가 부가가치를 만들고 그것을 나눠줄 힘을 가졌느냐에 달렸다고 본다. 그리고 새 부가가치를 창출하는 신기술, 신소재는 대개 미국의 대학과 연구소, 빅테크가 개발한다고 본다. 하지만 미국은 부채가 많다. 기존에 미국은 국채로 이를 해결했는데 이걸로도 모자라니 스테이블 코인을 꺼내들었다. 이에 대응해 세계 각국은 CBCD를 개발하고 있다. 미국은 정작 CBDC발행에 반대한다. 미국은 스테이블 코인으로 당장의 부채를 증가시켜서 투자할 돈을 벌고 이것을 신기술, 즉 인공지능에 투입하여 생산성을 크게 개선시키려 한다. 그리고 이것으로 인플레시션 압력을 낮춰서 자신들의 패권을 유지하려고 한다. 

 GPU는 원래 게임산업에서 3차원 그래픽을 표현하고자 개발한 것이다. 좌표, 조명, 재질 등 여러 변수를 동시에 고려하여 조합하는 것으로 각 변수를 병렬로 놓고 계산하는 것이다. AI에서 문제가 되는 것은 많은 데이터를 처리할 때 데이터가 순간적으로 쏠리는 병목현상이다. 이를 방지하기 위해 여러 코어로 데이터를 분산시키는 프로세서가 DPU다. DPU는 데이터의 저장 및 출력, 압축 및 해제 등 CPU가 하는 일 중 일부를 대신하여 CPU의 처리속도를 높인다. TPU는 구글이 만든 반도체로 병렬처리속도를 더욱 높인다. 인공지능 딥러닝이 특화된 것이다. 

 인공지능은 뇌를 모방한 것이다. 인간이 감지한 정보는 뉴런과 뉴런 사이를 연결하는 시냅스의 연결강도 패턴에 따라 저장한다. 뉴런은 수많은 시냅스 정보들을 병렬로 놓고 연결지어 계산하고 작은 패턴을 찾는다. 만일 비슷한 정보가 자주 들어오면 시냅스가 활성화되어 가중치가 올라가고 나중에 유사자극이 다시 입력되면 뉴런은 더 크게 자극 받는다. 뇌에서 뉴런과 시냅스의 역할을 인공지능에서 GPU가 담당한다. 그리고 부분적 패턴을 찾으면 더 큰 패턴을 판단해야 하는데 뇌에서는 이것을 전전두엽이 한다. 이를 위해 작은 패턴의 잠시 저장이 필요한데 그 역할을 하는 것이 반도체의 D램이다. 문제는 D램이 느려 병목현상이 발생한다는 것이다. 이를 해소하고자 S램이 계산에 필요한 data를 임시로 저장하고 빠르게 읽을 수 있도록 도와주는 역할을 한다. 특히, 똑같은 계산을 반복할 필요 없이 임시로 미리 지정한 계산값을 주어 불필요한 계산을 방지한다. 뇌에서 모든 연산이 끝나 확정된 패턴을 분류하고 장기기억으로 만드는 곳이 해마다. 인공지능에서는 낸드플래시 메모리가 오래 기억할 필요가 있다는 판단한 장기기억 데이터 저장 반도체다. 낸드플래시 메모리는 모아놓은 덩어리가 SSD다. 

 학습을 위해서는 데이터센터와 많은 기능성 반도체가 필요하지만 AI의 추론서비스 과정에서는 ASIC, FPGA등 제한적 기능을 하는 반도체가 주로 사용된다. ASIC는 특정 목적의 작업만 반복하는 직접회로다. FPGA는 몇 가지 포괄적인 기능을 하는 잠재력이 있는 반도체다. 설계자가 특정 목적을 구체화 시킬 수 있다는 점에서 줄기세포와 비슷하다. 추론 서비스가 커질 수록 두 반도체는 수요가 커질 수 있다. 

 CXL은 CPU 및 D램, SSD 같은 메몰 반도체, 그리고 GPU, FPGA, DPU 등 AI 가속기 사이를 빠르게 연결하는 새로운 인터페이스 표준이다. 가령 CPU와 D램은 직접 연결되어 빠르나 CPU와 SSD는 여러 단계를 거쳐야 해서 병목이 일어난다. CXL은 이를 해결한다. CPU와 GPU는 서로 간에 효과적으로 메모리를 공유하지 못하는데 이 때 CXL이 공유 메모리를 만들어서 이를 해결해준다. 아스테라 랩스는 CXL 사업 비중이 높은 기업이다. 

 신재생에너지는 사막이나 바다등의 격오지에는 풍부하다. 문제는 송전망이다. 손전망의 구축에 돈이 많이 들고 설치하는데 반대도 격심하다. 대안은 생산한 전력을 수소로 바꾸어 수송하는 것이다. 이것이 녹색수소다. 관련 기업은 플러그 파워와 블룸에너지다. 하지만 물분해에는 에너지가 많이 들고 반응자체가 격렬하여 비용이 많이 든다. 

 전 세계적으로 전기 요금이 오르는 것은 송전 시설이 그 동안의 과부하를 견디지 못하고 노후화하여 그 교체비용이 급증했기 때문이다. 대책은 분산형 전력망이다. 

 소형원전은 곳곳에 배치하여 지역의 전력을 자체 해결하는 방식이다. 송전망이 필요없다. 소형원전은 부피대비 표면적이 넓어 열전달이 빠르고 성능이 탁월하며 구조가 단순해 제어가 쉽고 안전하다. 특히 켜고 끄기가 수월하다. 미국은 이미 대형원전 건설 능력도 상실했다. 웨스팅 하우스는 파산하여 캐나다 카메코로 넘어갔다. 

 소형원전은 대규모 건설이 아닌 고부가 제조 기술이다. 여기에 사용하는 특수합금은 미국이 주도하는 위성 및 휴머노이드 제작에 사용하는 소재로 생산인프라가 이미 갖춰져 있다. 소형원전은 성능을 높이려면 고농축 우라늄이 필요한데 농축될수록 폭발위험이 크다. 미국은 농축 기술이 우수하여 93%수준까지 할 수 있다. 

 소형원전설계는 2017년 본격화했는데 당시 한국은 탈원전 정책 중이라 대부분의 특허를 미국이 선점했다. 원자로는 작을 수록 부피당 표면적이 커지고 열전달이 빨라 제어가 편하고 안전하다. 원자로 내에서  발생한 증기는 위에서 열교환기를 통해 열을 빼앗기고 그 열은 에너지로 사용된다. 이후 식은 증기는 무거워져 순환운동한다. 

 원전은 중성자를 투입해 핵연료를 쪼개어 핵반응을 일으켜 상실한 질량만큼 에너지를 얻어 발전한다. 다만 중성자 속도를 늦추기 위해 감속재로 물을 사용하는데 물의 수소가 중성자와 크기가 비슷해 감속재로 적합하기 때문이다. 다만 물이 너무 빨리 끓기에 물의 압력을 높여야만 하고 그것이 폭발의 위험으로 작용한다. 그래서 4세대 원자로는 감속재로 나트륨을 쓴다. 나트륨은 끓는점이 매우 높아 압력을 높일 필요가 없아 안정적이다. 다만 감속효과가 작기에 고농축 우라늄이 필요하다. 

 소형원전은 이점이 많다. 송전망이 필요없고, 발생하는 거대한 열을 지열 발전 및 수소생산에 사용할 수 있다. 소형원전의 도입이 늦는 것은 기술적 문제때문인데 자연 대류가 되려면 높이가 보장되어야 하는데 크기가 작으면서 높이를 높이는 것이 어렵기 때문이다. 다만 규모가 작아 건설 기회가 많다보니 꾸준한 시행착오로 인한 학습경험이 많아져서 발전 속도도 빨라지고 있다. 미국의 고농축 우라늄 기술은 BWX테크놀로지스가 보유하고 있다. 

 청록수소는 천연가스로 수소를 생산하는 것이다. 소형원전 도입시 유가는 크게 하락할 수 있는데 소형원전에서 발생하는 열을 이용해 여기서 메탄으로부터 수소를 추출하는 것이다. 그리고 그 과정에서 생기는 부산물은 탄소를 이용해 고부가가치 제품을 생산하면 일석이조가 될 수 있다. 향후 기후위기로 인해 수소는 철강산업과 정유화학에서도 수요가 발생한다. 또한 대형트럭, 기차, 항공기에서는 수소연료전지가 사용될 가능성이 높다. 로봇이나 휴머노이드도 수소연료전지가 사용될 가능성이 농후하다. 

 플러그파워는 녹색수소를 생산, 액화, 저장하고 각 하드웨어에 적용할 수 있는 연료전지를 섭렵하는 기업이다. 녹색수소는 신재생에너지로 전기를 물로 분해하는 것인데 물의 결합이 강해 반응이 격렬하고 장비 손상이 큰 게 문제다. 

 전기는 고압으로 송전된다. 그래서 변전소에서 전압을 낮춘다. 하지만 그 조차 높기에 전력용 반도체가 따로 있다. 기기는 일정 전력이 필요하다. 그래서 전압을 내리면 전류를 올려야 하는데 그러면 발열이 일어난다. 그래서 고전압을 견디는 소재가 있다면 발열문제가 해결된다. 실리콘 카바이드는 실리콘과 탄소의 결합으로 고전압에 잘 견딘다. 이걸 생산하는 대표기업이 온세미 컨덕터다. 전기차에 주로 들어가는데 캐즘으로 최근 실적이 부진하지만 전기차나 휴머노이드에 보급되면 빠르게 실적이 호전될 것으로 예상된다. 

 각 기능 반도체에는 상황에 따라 정확한 전력 배분이 필요하다. 고속 스위칭이 필요한데 이를 제어하는 기능이 반도체 설계 자동화 EDA다. 이를 하는 기업이 시놉시스다. 질화갈륨은 실리콘 카바이드보다 자고 얇은 크기면서 고전압을 잘 버티고 발열이 덜하다. 이걸 만드는 곳이 나비타스 반도체다. 다만 질화갈륨은 크게 만들기 어려워 상용화 문제가 있다. 

 지금 로봇은 스스로 판단하고 행동하고 학습하고 있다. 그리고 그 과정에서 경험을 클라우드를 통해 다른 로봇과 공유한다. 인간의 세계는 사람이 쓰도록 구성되었기에 로봇은 반드시 휴머노이드여야 한다. 테슬라의 옵티머스는 키173cm 무게 57kg이다. 목표가격은 대당 2만달러다. 공장 창고에서 하루 8시간 단순 노동을 하고 수명은 3년이다. 소요비용은 인간 노동자의 1/3수준이면서 생산성은 2배다. 문제는 대량생산에서의 수율이다. 휴머노이드는 내부배선이 복잡하다. 생산자동화가 어렵다. 사람이 손으로 작업해야 하는 부분이 아직 많아 생산속도가 매우 느리다. 중국의 유비테크는 2023년 휴머노이드 H1을 공개했다. 가격은 15만 달러로 아직 경제성이 없다. 

 엔비디아는 로봇개발 소프트웨어 플랫폼을 완성했다. DGX는 수많은 데이터를 모아 딥러닝을 통해 패턴을 찾고 로봇에 기본학습을 시켜주는 플랫폼이다. 아이작은 로봇이 현장에서 맞이할 수 있는 다양한 상황을 만들고 교훈을 경험시키는 플랫폼이다. 잿슨은 로봇이 현장에 투입되었을 때 학습을 바탕으로 판단, 제어하는 기능을 수행하는 컴퓨팅 환경을 제어하는 플랫폼이다. 결국 추론서비스를 제공하는 로봇 기업은 엔비디아의 학습 및 추론플랫폼을 사용해야 하며 여기에 의존하는 한 엔비디아가 요구하는 반도체를 사용해야 한다. 

 테슬라는 하드웨어에서 얻은 데이터를 기반으로 로보틱스를 선도한다. 테슬라는 휴머노이드에 있어 모든 것의 자체 생산이 가능해 가격 경쟁력이 있다. 

 양자컴퓨터는 게이트 기반방식과 퀀텀 어닐링 방식이 있다. 전자는 전통적 컴퓨터처럼 논리 연산자를 포함하여 계산해나가는 형태지만 양자의 중첩, 얽힘, 간섭의 성질을 이용해 속도를 높이는 것이다. 후자는 특화된 해를 해결하는데 국한되어 회로의 구조가 단순하고 오류가 상대적으로 적고, 사용화가 빠르지만 적용분야가 제한된다. 

 구글은 2024년 12월 윌로우라는 양자칩을 발표했는데 큐비트가 늘수록 오류가 준다는 혁신적인 주장을 했다. 이는 기존의 상식에 반한다. 얽혀있는 큐비트가 많아질수록 주변 큐비트의 계산 정확도를 감시하는 큐비트가 많아지기에 정확도가 높아진다는 이유였다. 

 게이트기반 양자컴퓨터의 강자는 구글과 IBM이다. 정확도는 2큐비트 기준 99.6-99.8%이다. 실용성을 가지려면 정확도가 99.9%이상이여야 한다. 계산규모가 커질수록 오류가 기하급수적으로 커지기 때문이다. 리게티의 계산정확도는 99.5%이지만 개선속도가 빠르다. 리게티는 양자칩 소프트웨어, 큐비트 설계, 전자장치 같은 하드웨어 그리고 기존 컴퓨터에서 양자서비스를 이용하게 하는 클라우드기능까지 모두 커버한다. 양자컴퓨팅에 국방이 매우 중요한데 미국방부의 가장 긴밀한 파트너는 리게티다. 

 초전도 현상은 유지에 비용이 들고 어려워 오류가 많다. 그래서 아이온큐는 칼슘 이온등을 진공에서 진기장으로 고정시킨 다음 레이져로 이온의 위상을 바꿔가며 계산하는 방식을 사용한다. 아이온큐의 계산 정확도는 2큐비트 기준 99.9%를 넘어선다. 상용화단계다. 이는 이온이 균일하고, 이온이 진공에 떠서 고정되고 외부간섭이 없어 양자상태를 오래 유지하고, 레이저는 자기장 같은 마이크로파보다 수천 수만배 정밀하기 때문이다. 문제는 이와 같은 이온 트랩방식은 이온수가 늘어날대마다 이온간 간섭으로 인해 오류가 크게 증가한다. 즉, 계산 규모를 키우기가 매우 어렵다는 의미다.