AI의 병목은 연산이 아니라 기억이었다 Cerebras와 SRAM이 다시 설계하는 AI 컴퓨팅의 미래 RyanLab 미래기술 투자연구 | 2026년 9월 삽화 1 연산 능력이 아무리 커져도 데이터가 좁은 길을 건너오지 못하면 AI는 기다려야 한다 최근 AI 반도체를 공부하다 보면 이상한 장면을 만나게 됩니다. 우리는 더 많은 연산 능력을 얻기 위해 수천 개의 GPU를 연결하고 있습니다. 그런데 GPU가 많아질수록 데이터가 이동해야 할 거리도 길어지고, 칩과 칩 사이를 연결하는 장비와 전력도 함께 늘어납니다. 처음에는 AI의 발전이 연산량의 문제라고 생각했습니다. 더 빠른 GPU를 만들고 더 많은 GPU를 연결하면 되는 문제처럼 보였습니다. 하지만 Cerebras Systems를 들여다보기 시작하면서 질문이 달라졌습니다. 혹시 AI가 기다리고 있는 것은 계산기가 아니라 기억일까. 연산장치가 느린 것이 아니라, 연산에 필요한 데이터를 가져오는 길

AI 반도체의 숨은 벽 SRAM 3개의 트랜지스터로 6개의 트랜지스터에 도전하는 RAAAM Technologies AI 반도체의 성능은 연산 능력뿐 아니라 데이터를 얼마나 가까이 보관하고 이동시키는지에 의해 결정된다. RyanLab 미래기술 투자연구소 2026년 9월 ◆ 이 글에서 살펴볼 내용 · ✓ RAAAM Memory Technologies의 설립 배경과 CEO 및 공동창업자 · ✓ SRAM이 여전히 프로세서 내부에서 가장 중요한 메모리인 이유 · ✓ 6T SRAM의 면적과 전력 한계를 GCRAM이 공략하는 방식 · ✓ GlobalFoundries 및 NXP와의 관계가 상용화에 갖는 의미 · ✓ 특허보다 더 중요한 공정 검증과 Retention 및 Refresh 노하우 · ✓ GCRAM이 SRAM을 대체할 수 있는 영역과 남아 있는 위험 ★ 핵심 결론은 분명합니다. GCRAM이 성공하더라도 SRAM 전

EUV 없이 더 낮은 전압으로전원이 꺼져도 기억하는 메모리 Kepler Computing은 AI 반도체의 공식을 바꿀 수 있을까 RyanLab | AI Memory and Future Technology 평면 미세화에서 3D 적층으로 반도체 발전의 방향을 바꾸려는 Kepler의 접근 최근 AI 반도체를 공부하면서 계속 같은 단어를 만나게 됩니다. HBM, HBM4, HBF, HBS. GPU의 계산 능력이 아무리 빨라져도 데이터를 제때 공급하지 못하면 비싼 GPU가 기다리게 됩니다. 그래서 이제 AI 반도체의 경쟁은 단순히 “누가 더 많은 연산을 할 수 있는가”를 넘어 “누가 더 많은 데이터를 더 빠르고 적은 전력으로 옮길 수 있는가”의 싸움으로 바뀌고 있습니다. 그런데 이 흐름을 조사하다가 Kepler Computing이라는 낯선 회사를 발견했습니다. 처음에는 또 하나의 HBM 스타트업인 줄 알았습니다. 하지만 조금 더 들여다보니 이 회사