인간의 학습 능력을 컴퓨팅 시스템으로 구현한 인공지능(AI) 기술은 개인화한 맞춤형 서비스 양산 시대를 열었다. 기술혁신을 넘어서는 산업구조 재편을 촉진하고 있다. 표준화 제품을 대량생산하는 포디즘(Fordism) 시대는 저물고, 다품종·유연 생산의 포스트 포디즘(Post Fordism)이 보편화하고 있다.
메모리 반도체(이하 메모리) 산업의 패권을 쥐었던 삼성전자가 2025년까지 고대역폭 메모리(HBM) 시장에서 고전한 건 AI 생태계의 '수요 맞춤형 생산'에 적응하지 못한 탓이었다. 메모리 설계 구조가 팹리스(반도체 설계) 요구에 맞추는 것으로 바뀌었지만, 범용 D램과 낸드(NAND) 양산 역량이 핵심인 기존 메모리 생산방식은 이를 따라가지 못했다.
최근 범용 HBM을 넘어 특정 그래픽처리장치(GPU) 아키텍처와 워크로드에 최적화된 '커스텀 HBM' 수요가 빠르게 늘면서, 메모리는 표준화된 제품에서 개별 고객과 시스템에 맞춰 설계되는 '맞춤형 부품'으로 변하고 있다. 메모리 산업마저 포스트 포디즘적 생산으로 바뀌고 있는 것이다.
메모리 품귀에 따른 가격 상승으로 삼성전자와 SK하이닉스 영업이익은 사상 최대 수준으로 늘었다. 삼성전자는 1분기에 분기 기준으로 사상 최대인 57조원대 영업이익을 올리며 역사적인 실적을 올렸지만, 범용 제품 위주 생산방식에서 벗어나지 못하면 차세대 메모리 시장 주도권을 두고 고전할 수 있다. 맞춤형 제작 역량을 확보한 기업에 경쟁 우위를 확보할지, 불투명하기 때문이다.
생산에서 학습으로, 경쟁 법칙이 바뀐다
AI 주도 생산은 데이터센터와 GPU 등에 자본이 몰리는데, 초기 투자 비용을 감당할 수 있는 거대 자본은 축적된 데이터를 활용한 네트워크 효과를 통해 승자 독식의 시장구조를 구축한다. 포디즘이 '더 많이, 더 싸게 만드는 것'을 핵심 역량으로 한다면, AI 시대는 '누구에게, 얼마나 최적화해 주느냐'가 경쟁력이다.
가치 창출 방식 역시 달라지고 있다. 성능이 곧 경쟁력인 구조에서 최첨단 기술을 확보한 기업은 압도적 수익성과 시장 지배력, 가격 결정권을 동시에 확보한다. 이 기술 격차는 수익 격차로 직결돼 가격 사이클에 기업 수익이 휘청이는 불확실성에서 해방된다. 이것이 바로 AI 경제의 핵심 법칙이다.
AI 연산용 GPU로 반도체 산업 패러다임을 바꾼 엔비디아는 이 법칙의 좋은 사례다. 엔비디아의 70%대 영업이익률은 GPU 성능 영향뿐만 아니라 쿠다(CUDA) 생태계를 통해 개발자와 기업을 자사 아키텍처에 묶어뒀기에 가능했다. GPU가 AI 반도체의 '표준 인프라'로 자리 잡으면서, 플랫폼 기업이 가격을 결정할 수 있는 구조가 완성됐다.
이 구조는 파운드리(반도체 수탁 생산)에도 적용된다. 빅테크(대형 정보기술 기업)의 AI 칩을 만드는 대만 TSMC는 2㎚(나노미터·1㎚는 10억분의 1m), 3㎚ 등 초미세 공정을 넘어, InFO(Integrated Fan-Out)와 Co-WoS(Chip on Wafer on Substrate)로 모바일·AI 등 전 영역의 패키징 기술을 장악했다. 칩을 연결해 연산을 구현하는 과정을 통제한다는 게 핵심 경쟁력이다. 의료 기기에 사용되는 가로세로 0.57㎜ 크기 초소형 이미지 센서부터 웨이퍼(반도체 원판) 단위 초대형 AI 칩까지 확장 가능한 기술 체계를 구축한 것이다. 그 결과 TSMC의 최첨단 공정은 생산 주문이 2028년까지 모두 예약됐다. 제조 기업으로 전례 없는 50~60%대 영업이익률 배경은 TSMC가 다양하고 유연한 기술로 AI 공급망을 주도하고 있다는 점이다.
공장에서 모델로, 산업 중심이 이동하다
한국을 제조업 강국 반열에 올려놓은 경쟁력은 공정 효율화로 범용 제품을 '더 빠르고, 더 싸게, 더 많이' 만드는 포디즘적 생산능력이었다. 그러나 AI 시대는 '학습 모델'이 핵심 생산수단이다. 무형의 지식과 알고리즘을 고도화하는 능력이 수익을 창출하기 때문에 한계생산비가 '제로(0)'에 수렴한다. 데이터에 기반하는 '학습 경제' 시대가 열린 셈이다.
반도체 산업에서 패키징 중요성이 커진 것은 변화의 핵심을 보여준다. 서로 다른 기능의 칩을 하나로 묶는 어드밴스드 패키징(advanced packaging)은 AI 학습 모델의 연산 효율을 결정하는 설계 영역이자, 부가가치가 극대화하는 과정으로 부상했다.
이런 변화 속에서 패키징 역량이 취약한 한국은 AI 공급망 주변부로 몰릴 처지다. 시장조사 업체 테크서치에 따르면, 2024년 한국의 글로벌 OSAT(Outsourced Semiconductor Assembly and Test·반도체 패키징 및 테스트를 전문적으로 대행하는 기업) 시장점유율은 4.3%로, 1위 대만(46.2%)의 10분의 1 수준이다. ASE 등 대만 기업이 주도하는 글로벌 OSAT 상위 10위권에 한국 기업은 없다. 전자통신연구원(ETRI) 연구에 따르면, 기술 수준 역시 최고국 대비 66%에 불과하며, 그 격차는 3.4년에 이른다.
한국이 AI 공급망 중심 역할을 하기 위해서는 국내 소재·부품·장비(소부장) 기업과 협력해 독자적인 패키징 솔루션을 확보하려고 노력해야 한다. 대기업 원가 절감을 위해 납품 기업 단가를 압박하는 기존 시스템은 경쟁력을 저해한다. 맞춤형 생산에서는 공급망 내 중소·중견기업 역량이 완성품 경쟁력을 결정하기 때문이다. 한국이 기술 선도국과 격차를 좁히려면 삼성전자, SK하이닉스 등이 첨단 기술 스타트업 등의 연구개발(R&D)을 지원하는 플랫폼 역할을 해야 한다는 지적도 있다.
大공장 기반 법·규제 바꿔야 성장 해법 보여
TSMC가 AI 생태계의 인프라로 자리 잡은 것은 몰입 지향적 R&D 체계가 배경이다. 핵심 엔지니어 인력을 3교대로 운용해 24시간 연구를 지속하는 '나이트 호크' 시스템은 고객 요구에 맞춘 빠른 기술 개발이 가능하게 했다. 엔비디아, 애플, 테슬라 등 빅테크 역시 프로젝트 단위의 유연한 근무 체계를 통해 고숙련 인재의 몰입도를 극대화하고 있다.
이와 달리 한국의 R&D는 '나인 투 식스(Nine to Six·오전 9시부터 오후 6시까지 근무)'에 갇혀있다. 연구 집중을 제약하는 '주 52시간 근로제'는 대공장 중심 포디즘의 산물이다. 창의적 아이디어와 몰입이 부가가치를 창출하는 AI 시대에 맞지 않는다. 정해진 시간에 맞춰 일하는 방식으로는 기술 격차를 따라잡기 어렵다. AI 시대 노동은 양이 아니라 질과 속도 경쟁이다. AI 시대에도 제조 강국 지위를 유지하려면, 법규제에 소프트웨어적 유연성을 가미하는 제도 개혁이 필수적이다. 잘 만드는 것을 넘어 시스템 설계를 잘할 수 있는 새로운 성장 모델을 모색해야 하기 때문이다. AI 시대 경쟁력은 구조를 설계하는 능력에 달렸다.