오늘 반도체 주가가 왜 빠졌냐면
3월 25일(현지시각) 구글 리서치가 ‘터보퀀트(TurboQuant)’라는 AI 압축 알고리즘을 공개했다. 발표 직후 미국 증시에서 메모리 반도체 관련 주가가 일제히 하락했다. 마이크론은 3% 넘게 빠졌고, 샌디스크 5.7%, 웨스턴디지털 4.7% 하락. 국내에서도 삼성전자와 SK하이닉스 프리마켓이 약세를 보였다.
이유는 단순하다. “AI가 메모리를 6배 덜 쓰게 되면, 메모리 반도체 수요가 줄어드는 것 아니냐”는 공포감이다. 근데 이게 실제로 맞는 얘기일까.
터보퀀트가 뭔지부터
AI 모델이 대화할 때, 대화 맥락 전체를 ‘KV 캐시(Key-Value Cache)’라는 단기 메모리에 저장한다. 대화가 길어질수록 이 캐시가 폭발적으로 커지면서 GPU 메모리를 잡아먹는 게 AI 서비스의 핵심 병목이었다.
구글 리서치가 발표한 터보퀀트는 이 KV 캐시를 재학습 없이 3비트로 압축하면서도 정확도 손실이 전혀 없다고 주장한다. 결과적으로 메모리 사용량을 최소 6배 줄이고, 엔비디아 H100 GPU에서 어텐션 연산 속도를 최대 8배까지 높였다는 것이다. 테크42 보도에 따르면 이 기술은 오는 ICLR 2026 학술대회에서 공식 발표될 예정이다.
해외에서는 드라마 실리콘밸리의 ‘파이드파이퍼’에 비유하며 화제가 됐고, 클라우드플레어 CEO는 “이건 구글판 딥시크”라고까지 했다.
근데 이 공포감, 과장된 측면이 있다
시장이 과민반응하는 이유가 몇 가지 있다.
첫째, 실험 모델이 너무 작다. 터보퀀트 테스트는 Llama-3.1-8B, Ministral-7B 같은 7~8B 파라미터급 모델로 진행됐다. 실제 서비스에 쓰이는 Claude, GPT-4 같은 초대형 모델과는 규모 자체가 다르다. 소형 모델에서 효과적이라고 해서 대형 모델에 그대로 적용되는 건 아니다.
둘째, 이미 1년 전에 나온 논문이다. Stark Insider 분석에 따르면 이 논문은 2025년 4월 arXiv에 먼저 올라왔다. 구글이 ICLR 2026 발표를 앞두고 이번 주 다시 블로그로 소개한 것이다. 현재 대형 AI 기업들은 이미 이 기술을 검토하고 있을 가능성이 높다.
셋째, 소프트웨어와 하드웨어는 별개다. 알고리즘이 효율적이 된다고 해서 메모리 칩 자체의 필요성이 없어지는 게 아니다. 압축 알고리즘은 GPU와의 하드웨어 궁합이 맞아야 실제 성능이 나오고, 아직 주요 오픈소스 서빙 프레임워크에 통합된 것도 아니다.
AI 효율화의 역설 – 메모리 수요는 오히려 늘어났다
이 부분이 핵심이다. 과거에도 비슷한 공포가 반복됐다. 딥시크가 저비용 학습 기법을 공개했을 때도 반도체 주가가 급락했다가 반등했다.
AI가 효율적이 될수록 실제로는 더 많은 사람이 더 많은 AI 모델을 사용하게 된다. 16GB로 돌아가던 모델이 압축으로 3GB로 줄어들면, 개발자들은 같은 하드웨어에서 6배 더 복잡하고 정확한 모델을 돌리려 든다. Investing.com 분석에서도 이 ‘제본스 역설(Jevons Paradox)’을 지적한다. 효율이 높아지면 소비가 줄어드는 게 아니라 오히려 더 늘어난다는 경제학 개념이다.
게다가 터보퀀트는 추론(Inference) 메모리에 집중된 기술이다. AI 모델 학습(Training)에 들어가는 대규모 메모리 수요에는 영향이 없다.
결론 – 단기 충격, 중장기 영향은 제한적
오늘 주가 하락은 투자자들의 공포 반응이다. 이해할 수 있는 반응이지만 기술의 실제 영향과는 거리가 있다. 딥시크 공개 당시와 비슷한 패턴이다. 당시도 반도체 주가가 급락했다가 결국 회복됐다.
중장기적으로는 AI 효율화 기술이 발전할수록 AI 사용 자체가 더 폭발적으로 늘어나고, 그 결과 메모리 반도체 수요는 줄어들기보다 오히려 더 커질 가능성이 높다.
단기 변동성을 투자 기회로 볼지, 아니면 진짜 구조적 위협인지는 각자 판단할 문제다. 다만 “AI 메모리가 6배 줄었으니 반도체 끝”이라는 단순 논리는 근거가 약하다. 관련해서 불확실한 시장에서 투자 판단하는 법도 같이 읽어보면 도움이 된다.
📎 참고 출처: 테크42 | TechCrunch | Investing.com | 스톡플러스