AI가 GPU를 넘어 SSD 가격까지 끌어올린 이유

URL: https://www.youtube.com/watch?v=eOSy8XNopuY 날짜: 2026-09-16 채널: ScienceADAM 영상 원제: 악성 재고가 될 뻔한 부품들이 없어서 못 사는 희귀품이 될 때까지 | 바비위키 영상 ID: eOSy8XNopuY 콘텐츠 유형: YouTube 심층 다이제스트 주제: AI·메모리 반도체·NAND·SSD·PC 부품 가격

---

📌 핵심 질문 / 이 영상이 다루는 핵심 논점

==AI 투자가 GPU에서 HBM·DRAM을 거쳐 NAND와 SSD까지 연쇄적으로 끌어당기면서, PC 게이머용 부품이 AI 데이터센터의 우선순위에 밀리고 가격과 제품 설계까지 바뀌고 있다.==

• 2TB Solidigm SSD의 중고 가격이 구매 당시보다 거의 세 배로 뛸 정도로 NAND·SSD 가격이 급등했다.
• AI 모델은 긴 context와 대규모 데이터 교환을 요구하므로 GPU·HBM·VRAM만으로는 부족하고 빠르고 큰 SSD가 필요하다.
• 삼성전자·SK hynix·Micron·Kioxia·SanDisk 등 소수 메모리 기업이 생산을 조정하는 동안 AI 수요가 새로 유입되어 공급 부족이 심해졌다.

제품은 기존 고객이 사용하던 방식에 고정된 것이 아니다. AI라는 새로운 수요가 등장하면 CPU·DRAM·SSD의 기능과 사양, 제조사의 생산 우선순위, 가격 사이클까지 바뀐다. GPU 가격 상승으로 시작한 AI의 파급효과가 HBM과 DRAM을 거쳐 NAND·SSD로 내려오면서 PC 업그레이드 비용을 전반적으로 높이는 구조가 만들어졌다.

1. 개인용 SSD 가격에 나타난 AI 반도체 파급효과

AI 데이터센터의 수요 확대가 일반 PC 부품의 가격과 접근성까지 바꾸는 과정을 개인적인 SSD 사례에서 출발해 설명한다.

1.1. 보관 중이던 2TB SSD가 희귀품이 된 과정

1. Solidigm 2TB SSD의 개인적 사연

   1. Solidigm 2TB SSD를 지난해 구매했지만 별도 패키지도 없는 제품이었고, PC의 SSD 슬롯이 이미 가득 차 설치하지 못했다.
   2. 설치할 곳이 없어 집에 보관하던 중고 부품을 최근 Carrot Market에 올려볼 생각을 하면서 가격을 확인했다.

2. 거의 세 배가 된 가격

   1. 해당 SSD의 가격은 지난해 구매했을 때보다 거의 세 배까지 올랐다.
   2. 지난해 그래픽카드와 RAM, SSD를 미리 교체·업그레이드해 둔 것이 결과적으로 다행이 된 셈이다.

1.2. 반도체 가격 상승의 세 단계

1. 첫 번째 물결: GPU

   1. AI 붐은 먼저 GPU 붐을 일으켰고, 그래픽카드 가격을 크게 끌어올렸다.
   2. GPU가 더 이상 3D 그래픽만 처리하는 부품이 아니라 AI 연산의 핵심 장치가 되면서 PC 게이머가 체감하는 가격 부담이 커졌다.

2. 두 번째 물결: HBM과 DRAM

   1. AI 연산량이 늘어나자 GPU 옆에서 빠르게 데이터를 공급하는 HBM과 DRAM 수요가 폭발했다.
   2. 메모리 제조사들이 수익성이 높은 HBM에 생산 역량을 배분하면서 일반 DRAM의 공급과 가격에도 영향이 생겼다.

3. 세 번째 물결: NAND와 SSD

   1. 긴 context와 대규모 데이터 저장이 필요한 reasoning AI와 agentic AI가 확산되면서 NAND와 SSD에도 AI 수요가 번졌다.
   2. 반도체 수요가 GPU에서 HBM·DRAM, 다시 NAND로 내려오는 흐름은 반도체 산업의 ‘trickle-down effect’처럼 작동했고, PC 게이머에게는 재앙에 가까운 상황을 만들었다.

2. GPU가 AI의 핵심 연산 장치가 된 이유

GPU의 병렬 처리 방식과 AI 연구기관의 구매 방식이 결합하면서 그래픽카드가 게임용 부품에서 AI 인프라의 고가 핵심 자산으로 바뀌었다.

2.1. CPU와 GPU의 연산 방식 차이

1. 순차 처리와 병렬 처리

   1. CPU는 하나의 복잡한 작업을 순서대로 처리하는 데 강하다.
   2. GPU는 작업을 작은 단위로 쪼개 여러 작업을 동시에 처리하므로, 같은 종류의 반복 연산을 대규모로 수행하는 AI와 잘 맞는다.

2. 3D 그래픽에서 검증된 병렬성

   1. 3D 게임 속 물체는 수많은 작은 polygon으로 구성되고, GPU는 각 polygon의 계산을 동시에 수행해 3D 움직임을 합성한다.
   2. 이 병렬 처리 덕분에 게임 그래픽은 계속 좋아졌고, 같은 구조가 AI 연구의 대규모 행렬·텐서 연산에 활용되면서 GPU 붐이 일어났다.

2.2. 고가 GPU를 둘러싼 게이머와 AI 연구기관의 차이

1. 게이머의 구매 구조

   1. 대부분의 게이머는 예산에 맞춰 보급형 60 시리즈를 선택하고, 조금 더 비싼 70 시리즈만 구매해도 주변에서 큰돈을 썼다는 반응을 듣는다.
   2. 최상위 모델은 전체 게이머 중 일부만 구매하므로, 게임 시장에서는 고가 GPU가 제한된 수량으로 판매된다.

2. AI 연구기관의 구매 구조

   1. AI 연구기관은 가장 높은 연산 성능을 얻기 위해 가장 비싼 제품을 선택하려 한다.
   2. 구매 비용이 연구기관의 R&D 예산으로 지불되므로 개인 게이머처럼 가격에 강하게 제약받지 않는다.

3. 수익성이 만드는 우선순위 변화

   1. 게이머의 GPU 구매는 주로 개인의 소비지만, AI 연구·데이터센터의 GPU는 수익을 창출하는 인프라 투자로 간주된다.
   2. 제조사 입장에서는 고가 GPU를 대량으로 구매하는 AI 연구소와 기관이 더 높은 부가가치를 제공하므로, 게이머는 자연스럽게 공급 우선순위에서 밀려났다.

3. HBM과 DRAM: 좁은 조리대에서 넓은 맞춤형 조리대로

AI의 병렬 연산을 수용하려면 GPU만 늘려서는 안 되고, 동시에 많은 연산 장치에 데이터를 공급할 메모리 대역폭도 확장해야 한다.

3.1. 레스토랑·주방 비유로 이해하는 병렬 연산

1. CPU는 숙련된 수석 셰프다

   1. CPU는 복잡한 고급 요리를 혼자 완성할 수 있는 fine-dining 수석 셰프처럼 하나의 작업을 정교하게 처리한다.
   2. 그러나 모든 재료 준비와 조리, 결합, 서빙을 혼자 담당하면 완성 속도가 느려진다.

2. GPU는 수많은 보조 셰프다

   1. 요리 과정을 재료 준비·손질·색 입히기·각 재료 조리·최종 결합처럼 아주 작은 단계로 분해하면, 수많은 보조 셰프에게 동시에 나눠 맡길 수 있다.
   2. 보조 셰프 한 명은 수석 셰프만큼 뛰어나지 않아도 단순한 작업 하나를 처리하면 되므로, 전체를 합치면 수석 셰프가 혼자 만든 것과 거의 같은 요리를 훨씬 빠르게 완성한다.

3.2. DRAM과 HBM이 맡는 조리대 역할

1. AI는 약 1,000명의 보조 셰프가 필요한 주방이다

   1. 게임 그래픽보다 AI 연산은 훨씬 복잡하고 많은 작은 작업으로 나뉘므로, 비유상 약 1,000명의 보조 셰프가 동시에 일해야 한다.
   2. 보조 셰프 수가 늘자 다른 문제가 생겼다. 사람은 많지만 조리대가 좁아 모든 작업을 제때 끝낼 수 없었다.

2. DRAM은 일반 조리대다

   1. 일반적인 DRAM 조리대에서는 보통 규모의 요리에 문제가 없지만, 수많은 보조 셰프가 한꺼번에 작업하기에는 공간이 부족하다.
   2. AI가 요구하는 동시 처리량을 기존 DRAM만으로 감당하려 하면 데이터와 작업이 조리대 앞에서 대기하는 병목이 생긴다.

3. HBM은 특수 제작한 넓은 조리대다

   1. 제조사는 많은 인원이 동시에 일할 수 있도록 넓은 맞춤형 조리대를 만들었고, 이것이 HBM에 해당한다.
   2. HBM은 AI의 대규모 병렬 연산에 필요한 높은 메모리 대역폭을 제공하지만, 생산 가능한 업체와 물량이 제한되어 일반 DRAM보다 수익성이 높다.

3.3. 제조사의 생산 전환과 DRAM 가격 상승

1. HBM 생산 기업

   1. HBM과 관련된 제조 공정에는 Samsung Electronics, SK hynix, Micron 같은 글로벌 메모리 기업이 참여한다.
   2. 이 기업들은 원래 표준 DRAM 조리대를 주로 만들었지만, AI 데이터센터에서 넓은 맞춤형 조리대 주문이 몰리자 수익성이 높은 HBM 생산에 집중했다.

2. 2022~2023년 DRAM 불황의 후유증

   1. 2022년과 2023년에는 일반 DRAM 가격이 매우 낮아지고 대규모 손실이 발생했다.
   2. 제조사들은 같은 손실을 반복하지 않기 위해 DRAM 생산을 보수적으로 운영하고, HBM처럼 더 높은 이익을 내는 제품에 생산라인을 배분했다.

3. 공급 감소가 만든 가격 상승

   1. 수익성 높은 HBM으로 생산라인이 이동하면서 DRAM 생산량은 상대적으로 줄었다.
   2. AI 수요가 HBM을 계속 흡수하는 동안 일반 DRAM 공급도 타이트해져 메모리 가격이 상승했다.

4. Reasoning AI와 Agentic AI가 NAND·SSD를 필요로 하는 이유

긴 대화와 context를 유지하는 AI는 GPU 메모리만으로 모든 데이터를 처리할 수 없으므로, 빠르고 큰 비휘발성 저장장치를 시스템의 필수 구성요소로 끌어들인다.

4.1. HBM만으로 해결되지 않는 데이터 문제

1. context와 대화의 장기화

   1. 과거 AI보다 reasoning AI 시대의 모델은 context와 대화 기록이 훨씬 길어졌다.
   2. Agentic AI 모델은 방대한 context를 보유하고 계속해서 큰 규모의 데이터를 주고받아야 한다.

2. HDD와 HBM의 양쪽 한계

   1. HDD는 대용량 저장에는 유리하지만 데이터 접근 속도가 너무 느려 AI가 요구하는 처리량을 따라가기 어렵다.
   2. HBM은 매우 빠르지만 용량이 작고 가격이 극도로 비싸므로, 모든 context와 중간 데이터를 HBM에 담을 수 없다.

3. NAND의 필요성

   1. 부족한 HBM과 DRAM을 보완하려면 NAND를 이용해 더 많은 데이터를 저장하고 필요할 때 꺼내는 계층이 필요하다.
   2. 빠른 고용량 SSD는 HDD의 속도 문제와 HBM의 용량·가격 문제 사이를 메우는 현실적인 선택이 된다.

4.2. NAND는 주문형 AI를 위한 재료 창고다

1. 메뉴 주문에서 완전 맞춤형 주문으로

   1. 과거에는 정해진 메뉴 중 하나를 주문하면 됐지만, AI가 처리하는 작업은 맞춤형 선택지가 폭발적으로 늘어난 완전 주문형 요리에 가깝다.
   2. 선택지가 많아지면 필요한 재료를 매번 새로 조달할 수 없으므로, 모든 재료를 창고에 보관하고 주문에 따라 꺼내는 시스템이 필요하다.

2. NAND·SSD의 창고 역할

   1. NAND는 매우 다양한 재료를 대량으로 보관하는 창고에 해당하고, NAND로 만든 SSD는 데이터를 유지하면서 필요한 때 빠르게 제공한다.
   2. AI가 생성하고 소비하는 막대한 데이터가 어딘가에 저장되어야 하므로, 저장장치는 AI 시스템의 필수 축이 된다.

4.3. DRAM·NAND·HBM의 차이와 게임·AI의 공통 구조

1. 메모리 반도체의 구분

   1. HBM, DRAM, NAND는 모두 메모리 반도체 범주에 들어가지만, DRAM과 NAND는 역할이 다르다.
   2. DRAM은 전원이 끊기면 내용이 사라지는 volatile memory라 주로 작업용 메모리로 쓰이고, NAND는 전원이 꺼져도 데이터를 유지하는 non-volatile storage memory다.

2. PC 게임의 세 축

   1. 고성능 게임을 제대로 실행하려면 고성능 GPU가 달린 그래픽카드와 충분한 RAM이 필요하다.
   2. 여기에 데이터를 저장하고 필요할 때 빨리 불러와 병목을 막는 고속 저장장치까지 갖춰져야 GPU·RAM·스토리지의 3요소가 완성된다.

3. AI 인프라로 확장된 세 축

   1. AI도 대량의 데이터를 생성·소비하므로 GPU와 메모리만이 아니라 데이터를 저장할 저장장치가 필요하다.
   2. HDD는 느리고 HBM은 작고 비싸기 때문에, AI의 context와 정보량이 늘수록 NAND 기반 고성능 SSD가 구조적으로 요구된다.

5. NAND 공급 부족과 PC 게이머의 우선순위 하락

AI 시스템의 처리량이 커지면서 GPU·HBM·VRAM·NAND가 차례로 병목을 일으키고, 일반 소비자와 데이터센터 사이의 고객 경쟁이 가격을 밀어 올린다.

5.1. GPU에서 NAND까지 이어지는 병목 사슬

1. 연쇄 병목

   1. AI가 요구하는 거대한 throughput을 처리하는 과정에서 GPU, HBM, VRAM, NAND 순으로 병목이 형성됐다.
   2. GPU에 연결되는 저장장치에 대한 Nvidia의 제한·지원 사례까지 등장하면서 저장장치가 단순한 보조 부품이 아니라 AI 처리 경로의 일부가 됐다.

2. 수요 폭증과 생산량의 불일치

   1. DRAM과 NAND는 2024년까지 큰 적자와 생산 축소를 겪었고, 제조사들은 그 시기에 생산을 공격적으로 늘리지 않았다.
   2. 이후 AI 수요가 갑자기 폭발했지만 현재 생산량으로는 새 수요를 즉시 충족할 수 없어 가격이 상승했다.

5.2. 작은 PC 식당과 글로벌 AI 프랜차이즈

1. 과거의 고객 구조

   1. 과거 GPU·DRAM·NAND 제품은 PC 게이머 같은 작은 식당을 주요 고객으로 삼는 사업에 가까웠다.
   2. 고객 규모가 비교적 작았기 때문에 게이머는 부품을 합리적인 가격에 구할 수 있었고, 필요한 부품을 쉽게 조달할 수 있었다.

2. AI 시대의 고객 구조

   1. AI가 부상하면서 주요 고객은 대규모 프랜차이즈와 세계적인 fine-dining 레스토랑에 해당하는 AI 연구소·데이터센터가 됐다.
   2. 대규모 고객이 더 높은 가격과 장기 주문을 제시하므로, PC 게이머와 소규모 조립 PC 시장은 공급 우선순위에서 밀릴 수밖에 없다.

5.3. NAND 시장으로 넓어진 AI 반도체 투자 범위

1. GPU에서 NAND 기업까지의 확장

   1. AI 반도체 투자는 처음에는 GPU 제조사에 집중됐고, 이후 HBM을 만들 수 있는 메모리 반도체 기업으로 확장됐다.
   2. 이제는 NAND 생산과 SSD 설계에 특화된 기업까지 AI 수혜 범위에 포함된다.

2. 주요 기업군

   1. Samsung Electronics와 SK hynix 같은 종합 메모리 기업은 HBM·DRAM과 NAND를 함께 생산한다.
   2. Kioxia와 SanDisk처럼 NAND flash memory에 집중하는 기업도 AI 저장장치 수요의 영향을 받는다.

3. 시장 집중도

   1. 글로벌 NAND 시장에서 Samsung Electronics, SK hynix, Kioxia, SanDisk, Micron이 상위 5개 기업을 구성한다.
   2. 이 다섯 기업이 세계 시장의 거의 90%를 차지하므로, 소수 제조사의 생산 결정이 전체 공급과 가격에 큰 영향을 준다.

5.4. NAND와 SSD 자체의 재설계

1. 단순한 저장용량 확대를 넘어선 변화

   1. NAND 제조사들은 과거처럼 고속 저장장치를 만드는 데만 머무르지 않고, AI 환경에서 GPU 메모리에 생길 병목을 보완하는 방향으로 제품을 재설계하고 있다.
   2. AI의 흐름은 NAND flash memory 수요만 늘린 것이 아니라 SSD라는 제품의 설계 방식과 쓰임새까지 바꾸고 있다.

2. 게이머의 ‘MBDI’ 농담

   1. 암호화폐 붐과 COVID-19 시기에 게이머들은 그래픽카드를 바꾸려면 그래픽카드 가격 상승으로 이익을 얻는 MBDI에 투자해야 한다는 식으로 농담했다.
   2. 이제는 메모리와 NAND 역시 비슷하게 투자 대상이자 가격 상승의 중심이 된 시대가 온 것처럼 보인다.

6. 메모리 산업 사이클과 공급 확대의 한계

NAND의 잠재력은 커졌지만 메모리 산업의 가격 사이클과 최근 불황 때문에 제조사는 공급을 빠르게 늘리기 어렵다.

6.1. 메모리 기업의 가격 사이클

1. 가격 변동성

   1. 메모리 제품은 수요와 공급에 따라 가격이 크게 오르내리는 사이클 산업이다.
   2. 현재 수요가 강하다는 이유만으로 제조사가 곧바로 생산을 크게 늘리면, 다음 공급 과잉 국면에서 다시 큰 손실을 볼 수 있다.

2. 공급 확대가 느린 이유

   1. 반도체 공장을 짓는 데는 최소 몇 년이 걸리므로 오늘의 수요를 내일의 생산량으로 바꿀 수 없다.
   2. NAND 산업은 불과 몇 년 전 엄청난 불황을 겪었고 제조사들은 거의 파산할 뻔했기 때문에, 새 공장과 증설에 과거보다 훨씬 신중하다.

6.2. 수요의 새 성격이 만든 장기 부족

1. 공급 측의 보수성

   1. 제조사는 AI 수요가 지속될지 확신하기 전까지 대규모 투자를 주저한다.
   2. HBM과 AI용 NAND처럼 새로운 수요에 맞는 제품에 생산 역량을 집중하면서 기존 제품의 공급이 더 팽팽해질 수 있다.

2. 수요 측의 구조적 확대

   1. AI의 context, 추론, agentic workflow가 커질수록 GPU·메모리·저장장치가 함께 필요해져 수요가 한 부품에만 머물지 않는다.
   2. AI 기술이 발전하면서 NAND의 잠재적 활용 영역은 과거보다 커졌고, 현재의 공급 부족이 단기간에 해소되지 않을 가능성이 커졌다.

7. 결론 및 시사점

1. 새로운 수요는 기존 제품의 가격만 올리는 것이 아니라 제품의 특성과 기능 자체를 바꾼다.
2. CPU·DRAM·SSD는 지금까지 주로 게임에 쓰였지만, AI 수요에 맞춰 AI 전용 GPU, HBM, AI용 NAND·SSD로 계속 분화되고 있다.
3. AI 투자가 완전히 멈추지 않는 한 GPU와 메모리, SSD 가격이 과거의 PC 중심 구조로 완전히 돌아가기는 어렵다.
4. PC 게이머는 산업 사이클을 이해해야 원하는 시점에 부품을 구할 수 있으며, 산업 사이클을 따라가면 새로운 투자 기회를 발견할 수도 있다.
5. 현재의 가격 상승은 단순한 유통 마진 문제가 아니라 AI 인프라 확장, 생산라인 전환, 최근 불황의 후유증, 공장 건설에 필요한 시간, 고객 우선순위 변화가 겹친 결과다.

주요 발언 모음

“AI 붐이 GPU 붐을 만들었고, 이제는 HBM과 DRAM을 거쳐 NAND 붐까지 일으켰다.”

“AI 연구기관과 데이터센터는 가장 비싼 제품을 사용하고, 그 비용은 R&D 예산으로 충당되기 때문에 게이머는 우선순위에서 밀린다.”

“HBM은 수많은 보조 셰프가 동시에 일할 수 있도록 만든 아주 넓은 맞춤형 조리대와 같다.”

“HDD는 너무 느리고 HBM은 용량이 작고 비싸기 때문에, AI에는 고용량·고성능 SSD가 구조적으로 필요하다.”

“새로운 수요의 등장은 제품의 특성과 기능을 바꿀 수 있다.”

핵심 데이터 & 수치

• Solidigm SSD: 지난해 구매한 2TB 제품의 중고 가격이 구매 당시보다 거의 세 배 상승했다.
• AI 메모리 비유: AI의 병렬 작업 규모를 약 1,000명의 보조 셰프가 필요한 주방으로 설명한다.
• DRAM 불황: 일반 DRAM은 2022~2023년에 저가와 대규모 손실을 겪었고, 제조사는 HBM 쪽으로 생산을 전환했다.
• NAND 시장 집중도: Samsung Electronics, SK hynix, Kioxia, SanDisk, Micron 상위 5개사가 글로벌 NAND 시장의 거의 90%를 차지한다.
• 공급 리드타임: 반도체 공장 건설에는 최소 몇 년이 걸리므로 AI 수요 급증에 즉시 대응하기 어렵다.
• 메모리 계층: DRAM은 전원 차단 시 데이터가 사라지는 volatile memory이고 NAND는 데이터를 유지하는 non-volatile storage memory다.
• AI 병목 사슬: GPU → HBM → VRAM → NAND 순으로 병목이 이어지며 저장장치도 AI 처리 경로의 핵심 요소가 됐다.

협찬 및 관련 상품

KB Asset Management가 콘텐츠를 후원했으며, “Where is your new semiconductor investment headed?”라는 문구와 함께 RISE Global AI NAND Memory Semiconductor ETF가 소개됐다.

핵심 요약 (20줄)

Solidigm 2TB SSD의 중고 가격이 1년 만에 거의 세 배로 오르며 AI발 메모리 가격 상승이 개인용 부품 시장에 번졌다.

AI 붐은 GPU 가격 상승에서 시작해 HBM과 DRAM을 거쳐 NAND와 SSD로 확산되는 세 단계의 파급효과를 만들었다.

CPU는 복잡한 작업을 순서대로 처리하고 GPU는 작업을 잘게 나눠 병렬 처리하므로 AI 연산에 더 적합하다.

3D 게임의 polygon을 동시에 계산하던 GPU의 병렬성이 대규모 AI 행렬과 텐서 연산에 활용되며 GPU 붐을 일으켰다.

게이머는 예산에 맞춰 60·70 시리즈를 고르지만 AI 연구기관은 R&D 예산으로 최고가 GPU를 구매한다.

AI 데이터센터의 높은 부가가치 때문에 제조사는 개인 게이머보다 AI 연구소와 기관을 공급 우선순위에 둔다.

AI는 약 1,000명의 보조 셰프가 동시에 일하는 주방처럼 대량의 병렬 연산과 메모리 대역폭을 요구한다.

DRAM이 좁은 일반 조리대라면 HBM은 수많은 연산 장치가 동시에 작업할 수 있는 넓은 맞춤형 조리대다.

Samsung Electronics, SK hynix, Micron은 수익성이 높은 HBM 주문에 대응하며 일반 DRAM 생산을 상대적으로 줄였다.

2022~2023년 DRAM 불황과 손실은 제조사가 증설과 생산 확대에 신중해진 배경이 됐다.

Reasoning AI와 Agentic AI는 긴 context와 대규모 데이터 교환을 처리해야 하므로 HBM만으로는 충분하지 않다.

HDD는 느리고 HBM은 용량이 작고 비싸기 때문에 고용량·고성능 NAND 기반 SSD가 중간 저장 계층으로 필요하다.

NAND는 전원이 꺼져도 데이터를 보존하는 창고이고 DRAM은 전원이 끊기면 내용이 사라지는 작업용 메모리다.

AI 시스템은 GPU·HBM·VRAM·NAND가 연결된 구조라 한 계층의 병목이 다음 계층의 공급 부족과 가격 상승으로 이어진다.

DRAM과 NAND의 생산 축소 뒤 AI 수요가 갑자기 폭발하면서 현재 생산량으로 새 수요를 맞추기 어려워졌다.

PC 게이머라는 작은 식당은 대규모 프랜차이즈와 세계적인 fine-dining 데이터센터에 부품 구매 우선순위를 빼앗겼다.

Samsung Electronics, SK hynix, Kioxia, SanDisk, Micron 상위 5개사가 글로벌 NAND 시장의 거의 90%를 차지한다.

NAND 제조사는 단순히 용량을 늘리는 데서 나아가 GPU 메모리 병목을 보완하도록 SSD 자체를 재설계하고 있다.

메모리 가격은 사이클을 따르며 반도체 공장 건설에 최소 몇 년이 걸려 공급 부족은 단기간에 해소되기 어렵다.

AI 투자가 완전히 멈추지 않는 한 PC 부품 시장은 과거로 돌아가기보다 AI 수요에 맞춰 제품과 가격이 계속 변할 가능성이 높다.