MEMORY INDUSTRY INTELLIGENCE
주장
3059건 공개자료 기반 개인 관찰 기록
| 기록 | 상태·범위 | 수정일·발행일 | |
|---|---|---|---|
| SK하이닉스는 스타트업 기술에서 출발해 용도를 찾는 대신, 자사 R&D·제조 과제를 검토하고 이를 해결할 기술을 식별한다. | 승인확인 사실 | 2026.10.11 19:20 | |
| SK하이닉스는 포트폴리오 기업과의 협업을 공동 장비 개발, 기술 평가, 새로운 공급망 및 고객 기회 개발로 확대했다. | 승인확인 사실 | 2026.10.11 19:20 | |
| SK하이닉스의 CVC 활동은 신흥 기술·기업을 일찍 발굴하는 '기술 감지'에서 기술을 제품·사업에 연결하는 '경로 찾기'로 발전했다. | 승인확인 사실 | 2026.10.11 19:20 | |
| SK하이닉스가 2026 미래포럼에서 도출된 인사이트를 임직원 학습 콘텐츠로 재가공해 내부에 공유하고 각 조직의 과제와 연결해 실행으로 이어가며, AI 시대의 골든타임에 대응해 풀스 | 승인회사 계획 | 2026.10.11 19:19 | |
| 김경훈 부사장이 3D 적층 DRAM의 실제 제품화에는 설계 최적화뿐 아니라 방열과 공정 복잡성 등 과거와 다른 기술적 과제 해결이 필요하다고 말했고, 손호영 부사장이 3D 기술이 | 승인분석가 해석 | 2026.10.11 19:19 | |
| 김경훈·손호영 SK하이닉스 부사장이 3D 기술을 소자 집적과 이종 집적으로 나누고 주요 기술 방향으로 데이터 버스 폭 극대화, 초단거리 전송, DRAM 주변회로(Peri.)의 로직 | 승인회사 계획 | 2026.10.11 19:19 | |
| 신창환 고려대 교수가 3D를 메모리와 컴퓨팅 칩의 구분을 없애는 기술로 설명하고, 소자 스케일링 한계와 데이터 전송 시간·전력 소비 증가로 3D 전환이 불가피하다고 주장하며 재료· | 승인분석가 해석 | 2026.10.11 19:19 | |
| 임의철 SK하이닉스 부사장이 3D 적층 DRAM, HBM, HBF 등 다양한 메모리를 워크로드 특성에 맞게 조합하고 AI 서비스·소프트웨어·가속기 생태계 파트너와 시스템 수준 공동 | 승인회사 계획 | 2026.10.11 19:19 | |
| 김주영 하이퍼엑셀 CEO가 멀티 에이전트 운영과 장시간 실행 작업 확대로 메모리 용량·대역폭 병목이 나타나고 있으며, HBM·DRAM·CXL·SSD·새로운 메모리 계층을 워크로드별 | 승인분석가 해석 | 2026.10.11 19:19 | |
| 윤성로 서울대 교수가 AI 워크로드가 반응형 AI에서 에이전틱 AI로 진화함에 따라 AI 상태 정보의 양과 다양성이 커져 단일 범용 메모리로는 대응이 어렵고, 워크로드 특성에 맞는 | 승인분석가 해석 | 2026.10.11 19:19 | |
| 주재욱 SK하이닉스 부사장이 GaiA 플랫폼을 통해 팹 내 생산을 운영할 준비를 하고 있으며, 안전 감독 로봇과 고소 작업용 VLM 드론 배치 등 AI를 전방위적으로 활용할 계획이 | 승인회사 계획 | 2026.10.11 19:19 | |
| 앤트로픽 테릭 시히파르 프로덕트 총괄이 Claude 실제 사용 데이터를 바탕으로 AI가 일하는 방식을 바꾸고 있다고 설명하고, 반도체 산업의 '소프트웨어 팩토리' 구축과 AI 자기 | 승인분석가 해석 | 2026.10.11 19:19 | |
| 곽노정 SK하이닉스 CEO가 환영사에서 과거 메모리 시장은 '직선도로'였지만 오늘은 순간순간 바뀌는 '구불구불한 길'과 같다고 비유하며 외부 변화를 읽고 유연해지는 속도의 중요성을 | 승인확인 사실 | 2026.10.11 19:19 | |
| 포럼은 세 개의 기조연설과 패널 토론으로 구성됐고, 국내외 업계 인사와 대학 교수들이 참여했다. | 승인확인 사실 | 2026.10.11 19:19 | |
| SK하이닉스가 2026년 9월 8일 이천 캠퍼스 SUPEX 센터에서 'AI 시대의 골든타임: AI 메모리 솔루션 크리에이터가 세상을 바꾸는 순간'을 주제로 2026 SK하이닉스 미 | 승인확인 사실 | 2026.10.11 19:19 | |
| Tesseract는 2015년 제42회 ACM/IEEE 국제 컴퓨터 아키텍처 심포지엄에서 발표된 병렬 그래프 처리용 분산 근접 메모리 가속 연구 아키텍처로, 기존 프로세서 중심 설 | 승인연구 결과 | 2026.10.11 19:18 | |
| NVLink와 NVSwitch는 NVIDIA가 개발한 고속 인터커넥트로, GPU 간 또는 GPU와 다른 장치 간 고대역폭 연결을 제공하고 대규모 AI 클러스터에서 GPU 간 데이터 | 승인확인 사실 | 2026.10.11 19:18 | |
| CXL은 CPU·GPU/NPU/TPU·메모리·가속기 간 고속 연결을 제공하는 차세대 인터커넥트 표준으로 메모리 확장·공유·풀링의 기반을 제공하며, 메모리 근처에서 처리를 수행하는 | 승인확인 사실 | 2026.10.11 19:18 | |
| 메모리 중심 컴퓨팅은 데이터 위치와 이동 비용을 시스템 설계의 핵심 고려 사항으로 삼아 메모리 배치와 컴퓨트 아키텍처를 함께 최적화하며, 일부 데이터는 HBM에, 다른 데이터는 공 | 승인분석가 해석 | 2026.10.11 19:18 | |
| HBM은 GPU/NPU/TPU 옆에서 초고속으로 대량 데이터를 전달해 컴퓨트 장치 지연을 줄이는 데 도움을 주지만, 성능을 완전히 활용하려면 GPU/NPU/TPU·HBM뿐 아니라 | 승인분석가 해석 | 2026.10.11 19:18 | |
| LLM이 토큰을 생성할 때마다 KV 캐시와 어텐션 연산으로 방대한 중간 데이터를 처리하며, 추론이 길어지고 컨텍스트가 길어질수록 메모리 용량·대역폭 요구가 급증해 메모리 병목이 커 | 승인분석가 해석 | 2026.10.11 19:18 | |
| TPU 시스템에서 실행되는 신경망 모델 연구는 대규모 ML 모델에서 시스템 에너지의 90% 이상이 연산이 아니라 메모리 접근·데이터 이동에 소비될 수 있음을 입증했다. | 승인연구 결과 | 2026.10.11 19:18 | |
| DRAM에서 데이터를 한 번 가져오는 데 필요한 에너지는 단순 산술 연산보다 150~2,000배 클 수 있다. | 승인확인 사실 | 2026.10.11 19:18 | |
| 오늘날 컴퓨팅 시스템의 근본 아키텍처는 여전히 프로세서 중심이며, 데이터는 센서·스토리지·메모리·캐시에서 컴퓨트 장치까지 그리고 다시 돌아오는 메모리 계층 전반을 이동해야 한다. | 승인확인 사실 | 2026.10.11 19:18 | |
| AI 인프라 경쟁의 초점이 더 빠른 GPU/NPU/TPU와 큰 클러스터 배치에서 GPU·메모리·스토리지·네트워크의 통합 시스템 공동 설계와 데이터 이동 최소화로 이동하고 있다. | 승인분석가 해석 | 2026.10.11 19:18 |