CXL의 작동 원리와AI 투자 기회

Ryan

Sep 23

9 min read

CXL의 작동 원리와AI 투자 기회

메모리 확장과 공유에서 미국 상장사 분석까지

RyanLab 라이언랩 | 미래기술 투자연구소리서치 기준 2026년 9월 23일

CXL은 프로세서와 메모리를 연결해 용량을 확장하고, 자원을 더 효율적으로 배분하도록 돕는 기술입니다. 이 글은 CXL이 필요한 이유와 작동 원리, AI의 KV Cache와 연결되는 지점, 상용화의 제약을 살펴본 뒤 투자 후보를 비교합니다.

그림 1 데이터센터의 메모리 연결을 표현한 파스텔톤 개념 삽화 | AI 생성

핵심 관점

CXL의 가치는 메모리를 더 많이 연결하는 데서 끝나지 않습니다. 필요한 곳에 메모리를 배치하고, 실제 고객의 비용을 줄일 수 있어야 합니다. 투자 연구는 ALAB와 MRVL을 우선 비교하고 MU와 RMBS의 서로 다른 수혜 구조를 함께 검토하는 접근이 적절합니다.

기업의 기술 경쟁력과 현재 주가의 매력은 별개의 판단입니다. 본문의 후보 선정은 사업 연결성에 대한 분석이며, 목표 주가나 매수 가격을 산정한 결과는 아닙니다.

1 CXL은 메모리를 연결하는 표준

AI 반도체를 공부하다 보면 처음에는 GPU의 연산 성능에 눈길이 갑니다. 이후 GPU에 데이터를 공급하는 HBM이 중요하다는 것을 알게 됩니다. 그다음에는 빠른 메모리는 비싸고 필요한 데이터는 계속 늘어나는데, 모든 데이터를 GPU 바로 옆에 두어야 하는지라는 질문을 만나게 됩니다.

CXL은 Compute Express Link의 약자입니다. 프로세서와 메모리, 가속기를 연결하는 개방형 표준으로, PCIe의 물리적 연결 기반을 활용하면서 메모리 접근과 데이터 일관성을 지원합니다. 새로운 종류의 DRAM을 의미하지는 않습니다. [1, 2]

사진 1 Micron CZ122 CXL 메모리 확장 모듈 | Micron 공식 제품 이미지 [17]

구분	무엇을 의미하는가	쉬운 비유
DRAM과 HBM	데이터를 실제로 담는 메모리	물건을 보관하는 공간
메모리 컨트롤러	읽기와 쓰기 요청을 처리하는 장치	창고 관리자
CXL	프로세서와 장치 사이의 연결 규칙	도로와 교통 규칙

CXL 메모리 장치 안에도 DRAM이 들어갈 수 있습니다. 외부 메모리라는 표현은 CPU의 직접 연결 메모리 밖에 있다는 의미로 쓰이며, 서버 내부 확장 모듈일 수도 있고 별도 메모리 장치일 수도 있습니다.

2 메모리를 더 꽂는 것만으로 부족한 이유

기존 서버는 CPU가 지원하는 메모리 채널과 DIMM 슬롯에 따라 확장 한계가 생깁니다. 더 많은 메모리가 필요하면 고용량 DIMM을 구입하거나 CPU와 서버까지 추가해야 할 수 있습니다. CXL은 별도의 연결 경로로 메모리를 붙여 이러한 제약을 완화합니다. [2]

문제	서버에서 생기는 일	CXL의 접근
용량 부족	연산 자원은 남는데 데이터가 메모리에 들어가지 않음	메모리 확장
자원 불균형	어떤 서버는 부족하고 다른 서버는 여유가 있음	메모리 풀링
비용 부담	모든 데이터를 비싼 메모리에 보관하기 어려움	메모리 계층화

사용하지 못하는 메모리도 비용이다

가상의 서버 A와 B가 각각 1TB의 메모리를 보유한다고 가정해보겠습니다. A는 1.3TB가 필요하지만 B는 0.3TB만 사용합니다. 전체 사용량은 1.6TB로 총용량 2TB보다 작지만, 기존 구조에서는 A가 B의 남는 메모리를 자기 메모리처럼 쉽게 사용할 수 없습니다.

처음부터 적절한 CXL 풀링 구조로 설계한다면 일부 메모리를 공통 자원으로 두고 필요한 서버에 배분할 수 있습니다. 다만 기존 서버의 남는 DIMM이 CXL 케이블만 연결하면 자동 공유되는 것은 아닙니다. 이를 지원하는 메모리 장치와 관리 체계가 필요합니다. [3]

대역폭과 용량은 서로 다른 문제다

용량은 얼마나 많은 데이터를 담을 수 있는지이고, 대역폭은 일정 시간에 얼마나 많이 이동할 수 있는지입니다. 저장 공간이 넓어져도 출입구가 좁으면 많은 작업이 동시에 데이터를 가져갈 때 병목이 생깁니다. CXL을 평가할 때는 추가 용량과 함께 링크 수, 링크 대역폭, 실제 접근 패턴을 확인해야 합니다.

같은 PCIe 형태의 슬롯을 사용한다고 모든 서버가 CXL을 지원하는 것도 아닙니다. CPU와 연결 장치, BIOS와 펌웨어, 운영체제까지 지원이 맞아야 합니다. [2, 4]

3 CPU는 CXL 메모리를 어떻게 읽는가

작동 원리의 핵심은 장치의 메모리를 CPU가 접근할 수 있는 주소 공간에 연결한다는 점입니다. 저장장치에서 파일을 읽는 방식과 달리, 설정된 메모리 주소를 읽고 쓰는 요청이 CXL 장치로 전달됩니다. [4, 5]

1 장치 발견

부팅 과정에서 서버가 CXL 장치와 사용 가능한 메모리를 발견합니다.

2 주소 영역 설정

펌웨어와 운영체제가 장치의 메모리 영역과 접근 경로를 설정합니다.

3 메모리로 노출

Linux는 해당 영역을 일반 메모리 페이지 또는 DAX 장치 형태로 노출할 수 있습니다.

4 요청과 응답

CPU의 읽기 요청이 CXL 링크로 전달되고, 장치 컨트롤러가 DRAM에서 데이터를 읽어 반환합니다.

프로토콜	핵심 역할
CXL.io	장치 발견과 설정, 관리 및 입출력
CXL.cache	장치가 호스트 메모리를 캐시에 보관하면서 일관성을 유지
CXL.mem	호스트가 장치에 연결된 메모리를 읽고 쓰는 경로

일반적인 메모리 확장 장치인 Type 3는 CXL.io와 CXL.mem을 사용합니다. 모든 CXL 장치가 세 프로토콜을 전부 구현하는 것은 아닙니다. [6]

일관성은 데이터 복사본이 어긋나지 않도록 관리한다는 뜻입니다. 하지만 이를 모든 서버와 GPU가 하나의 메모리를 제한 없이 공유한다는 의미로 이해하면 안 됩니다. 공유 범위와 동작은 CXL 세대와 장치, 시스템 설계에 따라 달라집니다. [1, 7]

4 확장과 풀링과 공유의 차이

CXL 기사에서는 확장과 풀링, 공유라는 표현이 자주 함께 등장합니다. 투자자는 이 기능들을 구분해야 제품 출하가 어떤 시장의 진전인지 판단할 수 있습니다. [3, 7]

그림 2 서버가 공통 메모리 자원을 활용하는 개념 삽화 | AI 생성

기능	의미	기대 효과
확장	한 서버가 사용할 메모리를 추가	메모리 부족 해소
풀링	공통 자원을 나누어 여러 서버에 배정	남는 용량과 과잉 구매 감소
공유	여러 호스트가 같은 메모리 영역에 접근	데이터 복제와 이동 감소

풀링은 공용 창고를 구획별로 나누어 빌려주는 것에 가깝습니다. 공유는 여러 작업자가 같은 자료에 접근하는 것에 가깝습니다. 공유는 활용 가능성이 크지만 동기화와 접근 권한, 오류 처리까지 함께 고려해야 합니다.

따라서 메모리 확장 모듈의 출하를 대규모 공유 메모리 데이터센터의 완성과 동일시해서는 안 됩니다. 단일 서버의 확장에서 여러 서버의 풀링과 공유로 갈수록 시스템 전체의 검증이 중요해집니다.

5 GPU와 CPU와 KV Cache의 연결

LLM은 다음 토큰을 생성할 때 앞서 처리한 정보를 활용합니다. Attention 계산에 사용하는 Key와 Value를 보관하는 것이 KV Cache입니다. 대화가 길어지고 동시에 처리하는 사용자가 많아질수록 메모리 사용량도 커집니다. [8]

도식 1 CPU 연결 CXL 메모리를 사용하는 개념 구성 | RyanLab 작성 [2, 4, 8]

현재 생성 작업에서 자주 읽는 캐시와, 잠시 중단된 세션이나 나중에 재사용할 캐시를 같은 위치에 둘 필요는 없습니다. 일부를 외부 메모리에 보관하고 필요할 때 복원하면 GPU 메모리의 용량 부담을 줄일 수 있습니다.

위 도식은 CPU 연결 CXL 구성의 이해를 돕기 위한 예시입니다. 실제 GPU 데이터 이동 경로에는 DMA, 플랫폼 지원과 소프트웨어가 관여하며, 호스트 DRAM을 중간에 활용하는 구현도 있을 수 있습니다. 모든 시스템이 동일하게 동작하지 않습니다.

별도의 GPU용 메모리 연결도 있습니다. Astera Labs의 Leo X-Series는 PCIe와 플랫폼별 프로토콜을 이용하는 전용 메모리 계층을 제시합니다. 이 경로를 모두 CXL.mem 기반 접근으로 설명하거나 HBM과 같은 것으로 취급하면 부정확합니다. [9, 10]

6 HBM과 CXL이 함께 필요한 이유

GPU 바로 옆의 HBM이 제공하는 높은 대역폭과, CXL을 통한 메모리 용량 확장은 서로 다른 문제를 다룹니다. CXL의 등장만으로 HBM이 필요 없어지는 것으로 보기는 어렵습니다.

그림 3 속도와 용량과 비용을 조합하는 메모리 계층 개념 삽화 | AI 생성

계층	주로 고려하는 역할	핵심 판단 요소
GPU HBM	GPU 연산에 필요한 데이터를 빠르게 공급	대역폭과 전력
로컬 DRAM	CPU 작업과 일반 메모리 접근	지연시간과 대역폭
CXL 메모리	용량 확장과 추가 메모리 계층	연결 비용과 활용률
SSD	큰 데이터를 저장하고 필요할 때 이동	용량당 비용과 복원 시간

이 표는 시스템을 분석하는 틀이지 고정된 데이터 배치 규칙은 아닙니다. 어떤 데이터를 어느 계층에 둘지는 작업의 접근 빈도와 허용 지연시간에 따라 달라집니다.

CXL을 추가하면 총대역폭이 늘어나는 경우도 있습니다. Xeon 6 서버에 Micron CZ122 모듈 8개를 추가한 연구에서는 읽기 대역폭 24%, 혼합 읽기와 쓰기 대역폭 최대 39% 개선을 보고했습니다. 특정 구성에서 접근을 분산한 결과이며, CXL 모듈 하나가 로컬 DRAM이나 HBM보다 빠르다는 뜻은 아닙니다. [11]

7 CXL의 경제성과 상용화 제약

CXL의 경제성은 추가된 메모리 용량만으로 결정되지 않습니다. 실제 작업에서 성능을 유지하면서 총비용을 낮추는지 확인해야 합니다.

접근 경로가 길어지고 대역폭은 제한된다

링크와 컨트롤러, 경우에 따라 스위치를 거치므로 로컬 메모리와 성능 특성이 다릅니다. 큰 용량을 연결해도 많은 작업이 동시에 접근하면 연결 경로가 병목이 될 수 있습니다. 지연시간에 민감한 작업에서는 계층 간 차이가 특히 중요합니다. [2]

데이터를 잘 배치하는 소프트웨어가 필요하다

빈번하게 접근하는 데이터를 상대적으로 느린 계층에 두면 오히려 성능이 떨어질 수 있습니다. Linux 공식 문서도 CXL 구성이 하드웨어와 BIOS, 커널, 사용자 정책 사이의 협업을 요구한다고 설명합니다. 메모리를 연결하는 것과 잘 활용하는 것은 별개의 과제입니다. [4, 5]

비용 절감은 전체 시스템에서 계산해야 한다

컨트롤러와 스위치의 가격뿐 아니라 전력, 운영 복잡성, 신뢰성과 장애 대응까지 포함해야 합니다. 서버 한 대의 메모리 가격만 비교해서는 데이터센터의 경제성을 판단하기 어렵습니다.

분석 틀 CXL의 경제적 가치 = 줄어든 메모리와 서버 비용 + 늘어난 처리 능력의 가치 − 추가 장비와 전력 및 운영 비용

관찰할 위험	검증할 질문
성능 손실	실제 작업의 응답시간과 처리량은 유지되는가
소프트웨어 부담	데이터 배치와 이동을 안정적으로 관리하는가
추가 비용	스위치와 전력까지 포함해 총비용이 줄어드는가
운영 신뢰성	메모리 오류와 장치 장애가 다른 작업에 미치는 영향은 관리되는가

같은 제품도 대용량 데이터베이스에서는 유리하고, 지연시간에 민감한 다른 작업에서는 불리할 수 있습니다. 공급사의 최대 성능 수치보다 고객이 실제로 반복 구매하는 이유를 확인하는 편이 투자에 더 유용합니다.

8 표준의 발전과 실제 도입 단계

2026년 현재는 초기 상용 적용과 차세대 제품 개발이 함께 진행되는 단계로 보는 것이 타당합니다. 표준의 최신 버전, 제품의 지원 버전, 고객의 실제 설치 기반은 구분해야 합니다.

인포그래픽 1 기술 발표에서 반복 매출까지의 확인 단계 | RyanLab 작성

시점	확인된 내용	투자 해석
2025년 11월	Microsoft가 Xeon 6와 CXL 메모리 기반 Azure VM의 Private Preview 발표 [12]	전체 고객 대상 보편적 제공과는 구별
2025년 11월	CXL 4.0 표준 발표 64GT/s에서 128GT/s로 확대 [13]	표준 발표가 설치 기반 전환을 뜻하지 않음
2026년 8월	Marvell이 Structera X 출하와 하이퍼스케일러 적용 설명 [14]	회사 설명이며 전체 시장 침투율은 별도
2026년 9월	Astera Labs가 확장 Leo 제품군 발표와 고객 샘플링 설명 [10]	샘플링과 대량 양산 매출을 구별

CXL 4.0은 포트 결합과 신뢰성 관련 개선도 포함합니다. 그러나 최신 표준을 지원하는 제품과 CPU, 운영체제의 준비가 맞아야 실제 기능을 활용할 수 있습니다. [13]

시장 전체를 판단할 때는 CXL 지원이라는 문구보다 제품별 출하 상태, 고객 적용, 반복 주문과 매출을 확인해야 합니다. 일부 제품이 양산된다는 사실과 차세대 제품군 전체가 대규모 보급됐다는 주장은 다릅니다.

9 우선 연구 후보인 ALAB와 MRVL

Astera Labs는 메모리 연결의 직접적인 후보

Astera Labs는 Leo 제품군으로 메모리 연결을 직접 다룹니다. Leo 2 E 및 P-Series는 CXL 3.2 기반 CPU 연결 확장과 풀링 및 공유에 대응하고, Leo X-Series는 PCIe와 플랫폼별 프로토콜을 사용하는 가속기 측 메모리 연결에 대응합니다. 발표상 신제품군은 고객 샘플링 단계입니다. [10]

회사의 2026년 2분기 전체 매출은 $392.4M으로 전년 대비 104% 증가했습니다. 그러나 회사는 성장을 AI 패브릭과 신호 처리 제품 전반의 성과로 설명했습니다. 이를 CXL 매출 성장률로 사용하면 안 됩니다. [15]

제 판단은 CXL과 AI 메모리 연결의 확장을 함께 연구하기 좋은 후보라는 것입니다. 실제 매수 판단에는 Leo의 매출 기여도와 고객 확대, 전체 성장 기대가 주가에 얼마나 반영됐는지 확인이 필요합니다.

Marvell은 메모리 시스템 전체의 확장을 보는 후보

제품군	역할
Structera X	메모리 용량 확장
Structera A	메모리 가까이에서 일부 연산 수행
Structera S	여러 장치를 연결하고 메모리 풀 구성

Marvell은 XConn 인수를 통해 스위치 제품군을 보강했습니다. 2026년 3월 발표에서는 기존 CXL 2.0 스위치의 양산과 차세대 제품의 2026년 3분기 샘플링 계획을 구별했습니다. [16]

제 판단은 메모리 확장 카드에서 랙 단위 구성으로 발전할 경우 주목할 후보라는 것입니다. 제품군이 넓다는 사실만으로 시장 점유율이나 수익성 우위가 입증되지는 않습니다. 고객의 실제 채택과 전체 사업 내 기여가 중요합니다.

ALAB와 MRVL의 비교 핵심은 제품 숫자가 아니라 고객 환경에서 구현할 수 있는 범위, 검증된 성능, 반복 출하와 수익성입니다. 두 회사 모두 전체 매출을 CXL 매출로 간주해서는 안 됩니다.

10 메모리와 설계 IP 관점의 후보

Micron은 수요 증가와 효율화 효과를 함께 봐야 한다

Micron은 CXL 모듈과 그 안에 들어가는 메모리를 공급할 수 있습니다. CZ122를 사용한 시스템 연구는 실제 제품의 연결고리를 보여줍니다. [11] 그러나 CXL은 새 메모리를 더 연결하도록 돕는 동시에, 기존 메모리의 활용률을 높이고 DDR4를 재사용하게 만들 수도 있습니다. Marvell과 Astera Labs도 이 재사용을 제품 가치로 강조합니다. [10, 14]

따라서 CXL 확산이 신규 DRAM 판매량의 같은 비율 증가를 의미하지는 않습니다. AI 서비스 확대에 따른 수요와 풀링 및 재사용에 따른 절감 효과를 함께 봐야 합니다. MU는 CXL 하나보다 전체 메모리 수급과 제품 경쟁력 안에서 평가하는 편이 적절합니다.

Rambus는 칩 설계에 들어가는 기술을 공급한다

Rambus는 다른 회사의 ASIC이나 FPGA 설계에 사용할 수 있는 CXL 3.1 컨트롤러 IP를 제공합니다. [18] 관련 칩 설계가 늘어나면 사업 기회가 확대될 수 있지만, 모든 CXL 제품에서 Rambus가 수익을 얻는 것은 아닙니다. 실제 설계 채택과 계약별 수익 구조를 확인해야 합니다.

Microchip은 실적 기여도의 확인이 먼저다

Microchip의 SMC 2000은 CXL Type 3 메모리 컨트롤러 제품군입니다. [19] 기술적 관련성은 있지만 제품을 보유한다는 사실만으로 회사 전체의 성장 동력이라고 판단하기는 어렵습니다. CXL 테마만을 목적으로 한다면 ALAB와 MRVL보다 후순위로 연구하겠습니다.

회사와 티커	수혜 연결고리	확인할 핵심
Astera Labs ALAB	메모리 컨트롤러와 연결	Leo 채택과 매출 기여
Marvell MRVL	확장과 연산 및 스위치	제품군의 실제 고객 매출
Micron MU	DRAM과 CXL 모듈	신규 수요와 재사용 효과
Rambus RMBS	CXL 설계 IP	설계 채택과 계약 구조
Microchip MCHP	CXL 컨트롤러	사업 내 기여도

11 기술의 가능성을 투자 판단으로 연결하기

이번 리서치에서는 ALAB와 MRVL을 심층 분석 우선 후보로, MU를 메모리 공급 관점의 후보로, RMBS를 설계 IP 관점의 후보로 선정할 수 있습니다. 이는 사업 연결성의 판단이며 현재 가격을 반영한 매수 순위는 아닙니다.

확인 항목	투자 판단에 필요한 이유
샘플링인가 양산인가	기술 발표와 실제 매출 사이의 거리를 파악
고객이 늘어나는가	단일 프로젝트를 넘어 반복 가능한 수요인지 확인
관련 매출이 구분되는가	다른 AI 사업의 성장을 CXL 성장으로 오인하지 않기 위해
실제 비용이 줄어드는가	데모 성능보다 구매 이유의 지속성을 확인
주가는 어떤 성장을 요구하는가	좋은 기술이 좋은 투자 수익으로 이어질 가격인지 판단

메모리를 필요한 곳에 배치하는 변화

CXL에서 제가 가장 주목하는 변화는 메모리를 서버에 고정된 부품으로만 취급하던 방식에서, 필요에 따라 확장하고 배분하는 자원으로 바꾸려는 시도입니다. AI가 커질수록 더 많은 메모리와 함께 그 메모리를 효율적으로 사용하는 구조가 필요합니다.

그 과정에서 모든 참여 기업이 같은 방식으로 수혜를 얻지는 않습니다. 컨트롤러 공급사는 연결 경로의 증가에서, 메모리 공급사는 추가 용량 수요에서, 설계 IP 기업은 새로운 칩 설계에서 기회를 찾습니다. 반대로 활용률 개선과 재사용은 신규 메모리 구매를 줄이는 방향으로도 작용할 수 있습니다.

투자 기회는 이 구조를 실제 고객 환경에 구현하고 비용 절감 효과를 반복적인 매출로 전환하는 회사에서 찾아야 합니다. 기술이 필요하다는 결론 다음에는 누가 얼마나 돈을 벌 수 있는지, 그리고 그 기대가 현재 가격에 얼마나 반영됐는지를 확인해야 합니다.

투자 판단의 범위 현재 주가와 기업가치, 향후 이익 추정치에 대한 비교는 포함하지 않았습니다. 기업의 발표와 성능 수치는 고객 적용 단계 및 시험 조건과 함께 해석해야 합니다.

관련 동영상을 시청하고 싶은신 분은 아래 링크를 클릭해 주세요^^

https://youtu.be/gFM3ri_n5w8