삼성 zHBM 첫 공개, HBM5 대비 최대 8배 성능과 상용화 변수
가로 16:9로 확정한 10~15초 MP4입니다. 다운로드 완료 뒤 대기 중인 Instagram·TikTok 업로드를 자동으로 이어갑니다.
삼성전자가 AI 가속기 위에 HBM을 수직으로 쌓는 차세대 3D 메모리 아키텍처 ‘zHBM’을 처음 공개했습니다. 삼성전자는 HBM5 대비 최대 8배 성능을 제시했지만, 이번에 공개한 대상은 판매 제품이나 시제품이 아닌 기술 방향을 보여주는 목업입니다.
삼성 zHBM은 어떤 메모리인가
zHBM은 고대역폭메모리인 HBM을 AI 가속기 옆에 배치하지 않고 가속기 상단에 수직으로 적층하는 구조입니다. 메모리와 연산장치 사이의 물리적 거리를 줄여 데이터 이동 과정에서 발생하는 병목과 전력 소모를 낮추는 것이 핵심입니다.
삼성전자는 미국 캘리포니아주 산타클라라에서 열린 ‘FMS 2026’에서 zHBM과 zNAND-O의 목업을 업계 최초로 공개했습니다.
기존 HBM 시스템에서는 GPU나 다른 AI 가속기와 HBM이 기판 위에 나란히 놓입니다. 두 부품이 고속 인터페이스로 연결되더라도 데이터가 이동해야 하는 거리와 연결 구조에는 한계가 있습니다.
zHBM은 평면 배치를 수직 구조로 바꿉니다.
기존 HBM: AI 가속기 옆에 메모리 배치
zHBM: AI 가속기 위에 메모리 적층
기대 효과: 데이터 이동 거리 단축, 대역폭 확대, 전력효율 개선
적용 목적: 대규모 AI 모델의 학습과 추론 처리 성능 향상
AI 가속기와 HBM 사이에는 ‘인터레이어’가 들어갑니다. 인터레이어는 두 반도체 사이에서 신호를 연결하고 필요한 기능을 추가하는 중간 반도체 층입니다.
삼성전자는 이 인터레이어에 고객 맞춤형 설계자산인 IP를 넣어 메모리 용량을 늘리거나 AI 가속기의 특정 기능을 강화할 수 있다고 설명했습니다.
HBM5보다 최대 8배 빠르다는 말의 기준
삼성전자가 제시한 최대 8배 수치는 zHBM이 적용된 차세대 인터페이스 시스템을 HBM5와 비교한 예상 성능입니다. 완성된 상용 제품을 같은 조건에서 시험한 독립 벤치마크 결과로 해석해서는 안 됩니다.
| 비교 항목 | HBM5 기준 | 삼성 zHBM 제시 수치 |
|---|---|---|
| 시스템 성능 | 1 | 최대 8배 |
| 전력 대비 성능 | 1 | 최대 3배 |
| 메모리 집적도 | 1 | 10배 초과 |
| 열 저항 | 1 | 절반 미만 |
| 공개 단계 | 차세대 HBM 목업 | 3D 아키텍처 목업 |
‘최대’라는 표현도 중요합니다. 모든 AI 모델과 데이터센터에서 처리 속도가 일괄적으로 8배 높아진다는 의미는 아닙니다.
실제 성능은 AI 가속기 구조, 메모리 용량, 인터페이스, 냉각 방식, 소프트웨어 최적화와 처리하는 AI 모델에 따라 달라질 수 있습니다.
발표 수치를 증감률로 바꾸면
삼성전자가 제시한 배수를 HBM5의 값을 1로 놓고 환산하면 다음과 같습니다.
성능 8배: 최대 700% 증가
전력 대비 성능 3배: 최대 200% 증가
집적도 10배 초과: 900% 초과 증가
열 저항 절반 미만: 50% 초과 감소
이는 삼성전자의 발표 배수를 증감률로 바꾼 작성자 계산입니다.
계산식은 ‘배수에서 1을 뺀 뒤 100을 곱하는 방식’입니다. 예를 들어 8배는 `(8-1)×100=700%` 증가입니다.
다만 성능, 집적도, 전력효율은 서로 다른 지표입니다. 세 수치를 더하거나 곱해 실제 AI 서비스의 속도 향상률을 계산할 수는 없습니다.
왜 AI 가속기 위에 메모리를 쌓는가
AI 반도체의 연산 능력이 높아져도 메모리가 데이터를 충분히 빠르게 공급하지 못하면 가속기가 기다리는 시간이 늘어납니다. 연산장치 성능보다 데이터 공급 속도가 발목을 잡는 현상을 메모리 병목 또는 메모리 장벽이라고 부릅니다.
HBM은 여러 개의 D램을 수직으로 쌓아 대역폭을 높였지만, HBM 묶음과 AI 가속기는 여전히 기판 위에서 옆으로 연결되는 구조가 일반적입니다.
zHBM은 HBM 내부의 D램만 쌓는 데서 더 나아가 HBM 전체를 AI 가속기 위로 올리는 방향입니다. 메모리와 연산장치를 하나의 수직 시스템으로 구성해 연결 거리를 줄이겠다는 접근입니다.
이 구조가 계획대로 구현되면 다음과 같은 변화가 예상됩니다.
첫째, 한정된 패키지 면적에 더 많은 메모리를 배치할 수 있습니다.
둘째, 데이터가 이동하는 거리가 짧아져 대역폭과 전력효율을 높일 여지가 생깁니다.
셋째, 고객의 AI 프로세서에 맞춰 메모리 용량과 연결 기능을 조정하는 맞춤형 설계가 쉬워질 수 있습니다.
발열은 오히려 더 심해지지 않을까
AI 가속기 위에 메모리를 쌓으면 데이터 이동 거리는 짧아지지만, 열이 집중될 가능성도 커집니다. 3D 적층 기술에서 성능 못지않게 냉각과 열 배출 구조가 중요한 이유입니다.
삼성전자는 차세대 웨이퍼 본딩 기술을 적용하면 HBM5보다 열 저항을 절반 이상 낮출 수 있다고 밝혔습니다. 열 저항은 반도체 내부의 열이 외부로 얼마나 잘 빠져나가는지를 나타내는 지표이며, 값이 낮을수록 열을 내보내기 쉽습니다.
다만 이번 공개 자료에는 실제 가동 칩의 온도, 소비전력, 냉각 조건, 장시간 부하 시험 결과가 포함되지 않았습니다.
따라서 열 저항 개선 목표와 실제 데이터센터에서의 냉각 성능은 구분해서 봐야 합니다. 향후 실리콘 시제품과 고객 검증 과정에서 확인해야 할 부분입니다.
zHBM은 지금 생산하거나 판매하는 제품인가
2026년 8월 5일 현재 삼성 zHBM은 상용 제품이 아니라 차세대 기술 방향을 보여주는 콘셉트 아키텍처입니다. 삼성전자가 공개한 것도 작동하는 최종 제품이 아닌 목업입니다.
목업은 제품의 구조와 형태를 시각적으로 보여주기 위해 만든 모형입니다. 목업 공개는 기술 개발 방향을 공식화했다는 의미는 있지만, 제품의 성능 검증이나 양산 준비가 끝났다는 뜻은 아닙니다.
삼성전자는 고객사와 협력해 AI 프로세서와 메모리의 결합 구조를 최적화하겠다는 계획을 밝혔습니다. 그러나 다음 내용은 아직 공식적으로 공개하지 않았습니다.
zHBM 시제품 제작 시점
고객사 샘플 제공 일정
양산 시기
적용할 AI 가속기와 고객사
제품별 용량과 대역폭
가격과 제조 원가
실제 수율
냉각 방식과 패키지 규격
따라서 ‘삼성전자가 HBM5보다 8배 빠른 메모리를 출시했다’고 표현하면 공개 단계를 잘못 전달하게 됩니다.
정확한 표현은 ‘삼성전자가 HBM5 대비 최대 8배 성능을 목표로 하는 zHBM 아키텍처의 목업을 처음 공개했다’입니다.
이번 공개가 중요한 이유
zHBM은 HBM 세대의 숫자를 높이는 방식만으로는 미래 AI 시스템의 요구를 충족하기 어렵다는 판단을 보여줍니다. 메모리 칩 자체뿐 아니라 AI 가속기, 인터페이스, 패키징과 냉각을 하나의 시스템으로 설계하는 경쟁이 본격화되고 있다는 의미입니다.
삼성전자는 메모리, 시스템반도체 설계, 파운드리, 첨단 패키징을 함께 제공할 수 있다는 점을 zHBM 전략과 연결하고 있습니다.
특히 고객 맞춤형 인터레이어에 어떤 기능을 넣을 수 있는지, AI 가속기 업체와 실제 공동 설계가 진행되는지가 기술의 상용화 가능성을 판단할 기준이 됩니다.
다만 새로운 아키텍처가 공개됐다는 사실만으로 공급 계약이나 실적 개선을 단정할 수는 없습니다. 기술 목표가 실제 제품으로 이어지려면 수율, 비용, 발열, 신뢰성, 고객 검증을 통과해야 합니다.
앞으로 확인해야 할 발표
zHBM의 실질적인 진척은 목업보다 다음 단계에서 확인할 수 있습니다.
가장 먼저 봐야 할 것은 실제 반도체로 제작된 실리콘 시제품 공개 여부입니다. 시제품이 나오면 용량, 대역폭, 소비전력과 냉각 조건을 포함한 구체적인 성능 수치를 비교할 수 있습니다.
이후에는 고객사 샘플 공급, AI 가속기와의 호환성 검증, 양산 일정이 이어져야 합니다.
HBM5의 개발·양산 일정과 zHBM이 어떤 관계로 구성되는지도 중요합니다. zHBM이 HBM5를 바로 대체하는 별도 메모리인지, HBM5를 수직으로 통합하는 시스템 아키텍처인지에 따라 제품 로드맵의 의미가 달라질 수 있기 때문입니다.
2026년 8월 5일 공개된 내용만 놓고 보면 zHBM은 출시를 앞둔 완성 제품보다 삼성전자가 제시한 차세대 AI 메모리 설계 방향에 가깝습니다.
최대 8배 성능이라는 숫자보다 먼저 확인할 부분은 실제 시제품, 고객 검증, 양산 일정입니다. 세 단계가 공개돼야 zHBM의 기술 목표가 상용 데이터센터 성능으로 이어지는지 판단할 수 있습니다.