이 글을 포스팅하기 앞서 말씀드리자면, 저는 엔비디아나 SK하이닉스 같은 개별 종목을 들고 있지 않습니다. 부끄러운 얘기지만 영어가 약하다 보니 미국 주식 실시간 뉴스를 따라가기가 버거워서, 지수형 ETF 위주로 투자해왔거든요. 그런데 요즘 AI 반도체 관련 콘텐츠가 워낙 쏟아지다 보니 처음엔 포모(FOMO)가 꽤 심하게 왔습니다. 이 글은 그 포모를 어떻게 정리했는지, 그리고 반도체 투자 구조를 직접 뜯어보며 깨달은 것들을 공유해보겠습니다.
HBM이 뭔지 몰랐던 저도 이제는 압니다
솔직히 말하면, 저는 HBM이라는 단어를 처음 봤을 때 그냥 고성능 메모리 정도겠거니 하고 넘겼습니다. 제가 실수한 부분이 있었는데, 이게 단순한 메모리 업그레이드 개념이 아니었다는 겁니다. 요즘에야 HBM하면 모두 다 아시겠지만 그때는 저도.. 잘 몰랐었었요. 오늘 다시 한 번 개념 정리하고 HBF까지 말씀드리겠습니다.
HBM(High Bandwidth Memory)이란 D램 칩을 수직으로 쌓아 올린 뒤 데이터를 전달하는 통로, 즉 인터페이스를 대폭 늘린 메모리입니다. 여기서 '대역폭'이란 데이터가 이동하는 도로의 넓이 같은 개념으로, 도로가 넓을수록 한 번에 더 많은 차량이 달릴 수 있듯이 데이터를 더 빠르게 공급할 수 있습니다. AI 학습처럼 GPU가 엄청난 양의 데이터를 쉴 새 없이 소화해야 하는 작업에는 이 넓은 도로가 필수입니다.
문제는 이 HBM 시장에서 삼성전자가 한발 늦었다는 점입니다. AI 붐이 오기 전까지 HBM은 주로 고급 그래픽 카드 정도에 쓰이는 소규모 시장이었습니다. 삼성처럼 큰 회사 입장에서는 굳이 거기에 자원을 집중할 이유가 없었던 거죠. 반면 SK하이닉스는 2등 업체 특성상 꾸준히 준비를 해왔고, AI 수요가 폭발하자 그 준비가 빛을 발했습니다. 엔비디아의 AI 가속기에 HBM을 독점 수준으로 공급하는 위치를 선점한 겁니다. 조사해보니까 엔비디아의 차세대 플랫폼인 베라 루빈에는 HBM4가 탑재되며, 여기에 삼성전자가 처음으로 공급사로 이름을 올렸다는 점이 인상적이었습니다.
최근 마이크론의 실적 발표도 이 시장이 얼마나 뜨거운지를 보여줍니다. 마이크론은 2026년 3분기 단 한 분기 매출 가이던스로 335억 달러를 제시했는데, 이는 2025년 연간 매출 383억 달러에 육박하는 수준입니다. 한 분기 만에 연간 수준의 매출을 올리겠다는 얘기입니다. 마이크론 CEO는 현재 핵심 고객사 수요의 50~60%밖에 충족하지 못하고 있다고 밝히기도 했습니다(출처: 마이크론 테크놀로지 공식 IR).
다음으로는 HBF(High Bandwidth Flash) 입니다. HBF란 기존 HBM이 D램을 쌓아 만든 것과 달리, 낸드 플래시 메모리를 GPU 근처에 붙여 추론 작업에 활용하려는 차세대 개념입니다. 낸드 플래시는 USB나 SSD에 쓰이는 그 메모리로, D램보다 훨씬 저렴하고 용량을 크게 만들 수 있지만 쓰기 속도가 느립니다. AI 추론 단계에서는 학습처럼 데이터를 계속 바꾸는 작업이 적기 때문에, 읽기 중심의 낸드를 활용해 비용을 낮추자는 발상입니다. 현재 SK하이닉스와 샌디스크가 손잡고 HBF 표준을 공동 개발 중인 것도 이런 맥락입니다.
지금 이 시장에서 주목할 핵심 플레이어들을 정리하면 다음과 같습니다.
- 엔비디아: AI 가속기 사실상 독점 공급사, 팹리스(반도체 설계만 전담) 구조
- TSMC: 엔비디아 GPU의 실제 제조를 담당하는 파운드리
- SK하이닉스: HBM 공급 1위, 엔비디아 생태계 핵심
- 삼성전자: HBM4부터 엔비디아 공급망 진입, 낸드 최대 생산 역량 보유
- 마이크론: 메모리 3위, HBM 및 차세대 메모리 경쟁 중
- 샌디스크: HBF 표준 개발 참여, 낸드 플래시 주요 플레이어
ETF로 반도체에 발 담그는 현실적인 방법
저처럼 개별 종목이 부담스러운 분들이라면 ETF가 현실적인 선택지입니다. 저는 지수형 ETF를 오래 해왔는데, AI 반도체 콘텐츠를 보면서 "나스닥100이나 S&P500만 들고 있으면 괜찮은 건가?"라는 고민을 실제로 했습니다. 제가 직접 확인해봤는데, 나스닥100에는 엔비디아, 마이크론, AMD 같은 AI 반도체 핵심 기업들이 이미 포함되어 있습니다. 그래서 처음 포모가 왔을 때, 조금만 들여다보니 저는 이미 간접적으로 이 흐름에 올라타 있었던거에요.
다만 반도체 비중을 좀 더 높이고 싶다는 분들에게 자주 언급되는 ETF들이 있습니다. 필라델피아 반도체 지수(SOX)를 추종하는 ETF가 한때 기준이었지만, 이 지수는 반도체 생태계 전반을 아우르는 만큼 엔비디아나 TSMC 같은 핵심 종목의 비중이 상대적으로 낮습니다. 필라델피아 반도체 지수란 미국에 상장된 반도체 관련 기업들을 묶은 지수로, AI 이전 시대에는 경기 선행 지표로도 활용되던 지수였습니다.
요즘 주목받는 건 SMH입니다. SMH란 반도체 섹터 내에서도 엔비디아, TSMC 등 AI 가속기 핵심 종목들의 비중이 높은 ETF로, 국내에서는 KODEX 미국 반도체 ETF가 동일한 기초 지수를 추종합니다. 같은 반도체 ETF라도 추종 지수에 따라 구성이 상당히 달라진다는 수 있기 때문에, 투자를 하시고 싶으시다면 해당 ETF가 정확히 어떤 지수를 추종하는 지, 어떤 기업을 담고 있는 지 확인하시길 바랍니다.
다시 주식으로 돌아오면, 삼성전자와 SK하이닉스까지 담고 싶다면 국내 반도체 ETF를 병행할 수 있습니다. TIGER 반도체 TOP10은 삼성전자와 SK하이닉스를 각각 25%씩 담고, 나머지 50%는 한미반도체 등 국내 반도체 장비주로 채웁니다. HBM에 더 집중하고 싶다면 KODEX 글로벌 HBM 반도체 ETF도 있는데, 삼성전자·SK하이닉스·마이크론 세 종목을 약 75% 담고 나머지는 ASML 같은 장비주로 구성됩니다.
근데 요즘 AI 반도체가 유명하고 대세이며, 요즘 실적이 어마무시하더라 라는 이유로 관련 주식만 모두 사시는 건 저는 리스크가 있다고 생각합니다. 지금 제가 설명해드린 주식 중에서도 이걸 전부 담는 것보다는 자신의 투자 성향에 따라 2~3개를 선택하는 게 낫다고 생각합니다.
반도체에 투자할 자산 비중을 세팅해둔 뒤, 미국 반도체 비중을 7, 국내 메모리 비중을 3 정도로 가져가는 조합이 가장 무난한 출발점으로 보입니다. 국내 자본시장연구원에 따르면 섹터 집중 ETF는 수익률 변동성이 지수형 ETF 대비 평균 1.5~2배 높게 나타납니다(출처: 자본시장연구원). 이 말은 수익이 클 수 있지만 손실도 그만큼 크다는 의미입니다.
위에서 말씀드렸다싶이 저 개인적으로는, 반도체만으로 포트폴리오를 100% 채우는 건 여전히 부담스럽습니다. 현재 지정학적 리스크가 완전히 해소되지 않은 상황에서 빅테크들의 대규모 자본 지출이 꺾이는 시점이 오면, 기대감으로 선반영된 종목들은 꽤 긴 횡보 또는 하락을 겪을 수 있습니다. 단기 사이클이 좋아 보인다고 해서 모든 자산을 한 섹터에 집중하는 건 제 성향과 맞지 않기 때문이기도 합니다.
AI 반도체 시장이 구조적으로 성장하고 있다는 건 분명해 보입니다. 다만 그 성장이 내 계좌에서도 그대로 이어지려면 결국 본인의 자금 상황, 투자 기간, 리스크 허용 범위를 먼저 따져야 합니다. 저처럼 안정 성향이라면 나스닥100이나 S&P500으로 이미 흐름에 올라타 있다는 사실만 확인해도 포모는 꽤 줄어들 겁니다. 반도체 ETF를 추가하고 싶다면 전체 포트폴리오의 일부분으로만 배분하고, 채권이나 다른 자산과 함께 섞어가는 걸 권합니다. 이 글은 개인적인 경험과 의견을 공유한 것이며, 전문적인 금융 투자 조언이 아닙니다.