2027년이 끝이 아니다 - 씨티가 본 2031년 메모리 슈퍼사이클

메모리 슈퍼사이클의 시간표가 2028년에서 2031년으로 길어졌다

지금까지 메모리 업계의 강한 시나리오는 대체로 “2027년이 가장 빡빡하고, 2028년부터 신규 공급이 조금씩 따라온다”는 그림이었다. 그런데 씨티가 9월 14일 내놓은 글로벌 반도체 리포트는 한 단계 더 나아갔다.

씨티는 AI가 단순한 훈련과 추론을 넘어 지속 학습 - continual learning으로 이동하면서 글로벌 메모리 공급 부족이 2031년까지 이어질 수 있다고 전망했다. 특히 2028년에는 수급이 완화되기는커녕 더 나빠질 가능성을 제시했다.

이 관점이 맞다면 메모리 수요의 성격이 달라진다. 모델을 한 번 학습할 때만 대량의 HBM이 필요한 것이 아니라, 서비스가 작동하는 동안 서버 DRAM과 SSD까지 지속적으로 더 많이 필요해진다.

씨티가 제시한 숫자는 상당히 공격적이다

씨티는 2027년 글로벌 DRAM bit 수요가 전년 대비 약 30.2% 증가하는 반면 공급은 18.8% 늘어나는 데 그칠 것으로 봤다. 2028년에는 수요가 약 35% 늘고 공급은 약 22% 증가한다는 전망이다. 수요와 공급의 차이가 줄어드는 것이 아니라 오히려 벌어진다.

서버 DRAM이 특히 중요하다. 씨티는 서버 DRAM 수요를 1Gb 환산 기준 2026년 2,263억 개에서 2027년 3,417억 개로 약 51% 늘어날 것으로 추산한다. 서버가 전체 DRAM 수요의 약 67%를 차지한다는 계산이다.

가격 전망도 강하다. 씨티는 2026년 DRAM blended ASP가 전년 대비 242.4% 상승하고, 2027년에도 추가로 23.1% 상승할 수 있다고 추정한다. 다만 242.4%는 씨티가 구성한 blended ASP 추정치다. 모든 DRAM 제품의 현물가격이 일률적으로 세 배 넘게 오른다는 의미로 해석해서는 안 된다.

왜 ‘지속 학습’이 메모리를 더 많이 먹는가

현재 대부분의 생성형 AI는 거대한 모델을 미리 학습시킨 뒤, 사용자의 요청에 추론으로 답한다. 물론 모델은 주기적으로 업데이트되지만 매 순간 새 지식을 자기 파라미터에 계속 반영하는 것은 아니다.

지속 학습은 여기서 한 단계 더 나간다. AI가 새로운 업무와 새로운 정보를 계속 받아들이고, 이미 배운 지식을 잃지 않으면서 성능을 갱신해야 한다.

그렇게 되면 메모리는 세 방향에서 동시에 필요해진다.

쉽게 말하면 오늘의 AI가 ‘시험공부를 끝낸 학생’에 가깝다면, 지속 학습 AI는 일을 하면서 매일 새로운 교재를 읽고, 과거 노트를 기억하고, 다음 업무에 다시 꺼내 쓰는 직원에 가깝다. 계산량뿐 아니라 기억의 양 자체가 커진다.

HBM을 조금 줄여도 메모리 수요는 사라지지 않는다

씨티 리포트에서 특히 흥미로운 부분은 최근의 HBM ‘de-spec’ 논쟁을 보는 시각이다. 일부 AI 가속기에서 HBM 용량을 낮추거나 KV Cache 일부를 외부 스토리지로 넘기는 움직임을 메모리 수요 둔화로 볼 수도 있다.

씨티의 해석은 반대에 가깝다. HBM이 귀하고 비싸기 때문에 시스템 설계자가 일부 데이터를 서버 DRAM이나 고용량 eSSD로 이동시키는 것이며, 이것이 오히려 메모리 수요를 다른 계층으로 확산시킨다는 것이다.

특히 KV Cache 오프로딩이 확대되면 QLC 기반 고용량 기업용 SSD가 새로운 수혜를 받을 수 있다. NAND에서도 씨티는 2027년 수요 +29% 대 공급 +21%, 2028년 수요 +33% 대 공급 +25%를 예상한다. 공급 부족률은 2027년 약 6.1%, 2028년 약 5.5%로 제시됐다.

이것은 중요한 변화다. AI 메모리 투자를 HBM 하나로 정의하기 어려워진다. 시스템 설계가 바뀌면 수요가 사라지는 것이 아니라 HBM에서 DDR5, eSSD로 이동할 수 있다.

공급은 왜 이렇게 느린가

수요가 30~60%씩 증가한다면 메모리 회사가 공장을 많이 지으면 되는 것처럼 보인다. 하지만 이번 사이클은 공급 대응 속도가 유난히 느리다.

첫째, HBM이 일반 DRAM 생산능력을 잠식한다. HBM은 일반 DDR보다 웨이퍼 소모량과 후공정 부담이 크다. HBM 생산을 늘릴수록 범용 DRAM에 돌아갈 여유가 줄어든다.

둘째, 미세공정 전환만으로 얻는 bit growth가 과거보다 쉽지 않다. 씨티는 2027년 DRAM 업계 평균 웨이퍼 생산능력이 약 8% 증가하는 수준에 그칠 것으로 본다.

셋째, 신규 팹은 발표와 생산 사이의 시간이 길다. 부지 확보, 건설, 장비 반입, 수율 안정화, 고객 인증까지 수년이 걸린다. CapEx가 급증해도 당장 다음 분기 공급으로 나오지 않는다.

결국 메모리 업계는 수요가 급증하는 동안 생산능력을 재배치해야 하고, 그 재배치 자체가 다른 메모리의 공급을 줄이는 구조에 들어가 있다.

2028년 이후에는 Personal AI와 Physical AI가 변수다

씨티의 2031년 전망이 특히 공격적인 이유는 2028년 이후 새로운 수요층까지 가정하기 때문이다.

Personal AI가 개인별 이메일, 문서, 일정, 과거 대화와 선호를 장기간 기억한다면 사용자 한 명당 필요한 저장공간과 활성 메모리는 지금보다 커진다.

Physical AI가 로봇, 자율주행차, 산업 자동화로 확산되면 AI는 클라우드뿐 아니라 차량과 공장, 로봇에서도 계속 센서 데이터를 저장하고 처리해야 한다.

씨티의 장기 시나리오는 바로 이 두 수요가 지속 학습과 결합한다는 가정 위에 서 있다. 이것이 실현된다면 2028년 신규 팹이 가동돼도 새 공급이 신규 수요에 빠르게 흡수될 수 있다.

메모리 3사를 보는 방법도 달라져야 한다

씨티는 삼성전자, SK하이닉스, 마이크론뿐 아니라 SanDisk와 Kioxia도 주요 메모리 선호주로 제시했다. 장비와 소재에서는 Applied Materials와 Lam Research 등도 언급했다. 다만 ‘top pick’이라는 사실은 씨티의 투자판단이지 기업가치 상승을 보장하는 사실은 아니다.

세 가지 시나리오로 보면 더 명확하다