📖 약 8분 소요
3/26 종목별 하락률 비교
터보퀀트 발표 다음 날 (2026년 3월 26일)
핵심: SK하이닉스·삼성전자의 낙폭이 코스피(-3.22%) 대비 크게 확대 — 반도체 섹터에 집중된 충격
기준: 2026년 3월 26일 종가 / 출처: CNBC, 한국거래소
오늘의 주제: 구글 터보퀀트로 삼성전자·SK하이닉스가 급락했습니다. HBM 수요와 정말 관련 있는지 데이터로 확인합니다.
터보퀀트(TurboQuant) 때문에 메모리 반도체는 이제 끝났다는 말이 빠르게 퍼졌습니다. 3월 26일 하루 만에 삼성전자는 4.22%, SK하이닉스는 5.47% 빠졌고, 코스피 전체가 3.22% 내려앉았죠.
그런데 잠깐. 이 기술이 정확히 무엇을 압축하는지 한 번이라도 확인해보셨나요? 공포가 먼저 오고, 이해는 나중에 오는 경우가 많습니다. 데이터를 찬찬히 뜯어보면 이야기가 좀 달라집니다.
터보퀀트, 뭘 압축하는 기술인가
2026년 3월 25일, 구글 리서치·딥마인드·뉴욕대·KAIST 한인수 교수 연구팀이 공동으로 발표한 기술입니다. 핵심은 AI 언어 모델(LLM)의 KV 캐시(Key-Value Cache)를 6배 이상 압축하면서도 정확도 손실을 0%로 유지하는 방식입니다.
기술 원리는 PolarQuant라는 방법론입니다. 데이터 벡터를 기존 직교 좌표 방식에서 극좌표(크기·방향)로 분리해 압축합니다. 덕분에 32비트 데이터를 3비트까지 줄이면서도 H100 GPU에서 추론 속도가 최대 8배 향상됩니다.
수치만 보면 충격적입니다. 그런데 핵심 질문은 따로 있죠.
KV 캐시가 뭔지부터 알아야 합니다.
KV 캐시는 AI가 긴 문장을 처리할 때 앞선 맥락을 일시적으로 저장하는 메모리입니다. 쉽게 말해 AI가 대화를 이어가기 위해 직전 내용을 잠깐 기억하는 임시 메모지 같은 거예요. 추론(inference), 즉 AI가 실제로 답변을 생성하는 단계에서만 쓰입니다.
ℹ️ 터보퀀트 영향 범위 한눈에
- 압축 대상: 추론(inference)용 KV 캐시 메모리만
- 영향 없음: AI 학습(training), 모델 가중치(weights), HBM 수요
- 효과: 같은 GPU로 4~8배 더 긴 맥락 처리 또는 더 많은 동시 사용자 처리 가능
문제는 여기서 발생합니다. AI 인프라 투자의 대부분은 학습(training) 단계에 집중되어 있습니다. HBM(고대역폭 메모리)의 핵심 수요도 모델 가중치와 학습용 연산에서 나오는 거지, KV 캐시가 아닙니다. 터보퀀트는 HBM 수요에 직접적인 영향을 주지 않습니다.
HBM 시장은 지금 어디쯤 왔나
시장 반응과는 별개로, HBM 시장 자체의 숫자를 먼저 봐야 합니다.
| 항목 | 수치 |
|---|---|
| 2026년 HBM 시장 규모 | 546억 달러 (최고) |
| 전년 대비 성장률 | 58% |
| DRAM 전체 대비 HBM 비중 | 약 40% |
| SK하이닉스 ADR 상장 추진 (3/24 SEC 제출) | 10~15조 원 규모 |
| 삼성전자·SK하이닉스 2026년 합산 투자 계획 | 70조 원 |
2026년 HBM 시장 비중
DRAM 전체 시장 내 HBM 비중
546억
달러
HBM (고대역폭 메모리)
DRAM 전체 대비
일반 DRAM
DRAM 전체 대비
핵심: HBM이 DRAM 전체의 40%를 차지하며 슈퍼사이클 진입 — 터보퀀트는 이 학습용 HBM 수요에 직접 영향 없음
기준: 2026년 전망치 / 출처: SK하이닉스 뉴스룸, 시장조사기관
주력 제품도 HBM3E에서 HBM4로 전환을 준비 중입니다. 이 수치가 터보퀀트 발표 하루 전날까지의 업계 컨센서스였습니다.
물론 “그 전망이 이제 바뀐 것 아니냐”는 반론도 나올 수 있습니다. 솔직히 이 점은 처음 기사를 접하면 신경 쓰일 수 있습니다. 그래서 더 들여다봤는데, 역사가 꽤 명확한 답을 줍니다.
제번스 역설 — 효율화가 수요를 키운다
1865년 영국 경제학자 윌리엄 제번스(William Jevons)가 발견한 역설이 있습니다. 석탄 엔진 효율이 개선되자 석탄 비용이 내려갔고, 그러자 석탄을 쓰는 산업이 폭발적으로 늘어나면서 총 소비량은 오히려 증가했습니다.
AI 역사에서도 같은 패턴이 반복됐죠.
제번스 역설 — 효율화가 수요를 키운다
AI 분야 3가지 역사적 사례
→
② 충격 단계
→
③ 수요 확대
사례 1 · 영상 압축
영상 압축 기술
H.264 → HEVC → AV1
파일 크기 50~70% 절감
스트리밍 서비스 폭발
유튜브 4K 넷플릭스 확산
비용 낮아지자 소비 폭증
데이터센터 투자 급증
서버·스토리지·메모리
수요 오히려 증가
사례 2 · 딥시크 쇼크 (2025.1)
딥시크 R1 발표
2025년 1월
학습 비용 95% 절감
반도체주 급락
GPU 수요 감소 공포
엔비디아 -17%
AI 서비스 폭발 성장
연산 수요 오히려 증가
반도체주 수주 내 회복
사례 3 · 터보퀀트 (2026.3, 진행 중)
터보퀀트 발표
2026년 3월
KV 캐시 6배 압축
반도체주 급락
SK하이닉스 -5.47%
삼성전자 -4.22%
추론 수요 확대?
추론 비용↓→이용 폭증
GPU·메모리 수요 증가?
?
핵심: 효율화 기술은 역설적으로 총수요를 확대시켜 왔다 (제번스 역설)
출처: 헤럴드경제, VentureBeat, Google Research Blog / 기준: 2026년 3월
효율화 기술이 수요를 줄인 게 아니라, 시장 자체를 키운 사례들입니다.
- 영상 압축 기술 고도화 → 유튜브·숏폼·4K 스트리밍 확산 → 데이터센터 투자 폭증
- 자동차 연비 개선 → 운전 빈도 증가, 교통량 폭발
- 딥시크(DeepSeek) 쇼크 (2025년 1월): 효율적인 AI 모델 등장 → “GPU 수요 줄겠다”는 공포 → 반도체주 급락 → 이후 AI 서비스 폭발 성장으로 연산 수요 오히려 증가 → 반도체주 회복
터보퀀트도 같은 경로로 전개될 가능성이 있습니다. 추론 비용이 내려가면 더 많은 서비스가 더 긴 맥락으로 AI를 활용합니다. 더 많은 동시 사용자를 처리하려면 더 많은 GPU와 메모리가 필요하게 됩니다.
⚠️ 하지만 단기 주가 변동은 별개입니다
제번스 역설이 장기적으로 맞더라도, 단기 주가 회복 시점은 예측할 수 없습니다. 딥시크 쇼크 때도 공포가 해소되기까지 수 주가 걸렸습니다.
이번 급락, 과도한 반응이었나
전문가들의 주류 의견은 “과도한 우려”입니다.
| 논거 | 내용 |
|---|---|
| 학습 수요 | 현재 AI 인프라 투자의 대부분이 학습(training)용 — 터보퀀트는 학습에 영향 없음 |
| HBM 드라이버 | HBM 핵심 수요는 모델 가중치·학습용 연산 — KV 캐시가 아님 |
| 제번스 역설 | 추론 비용 하락 → 더 많은 사용자·더 복잡한 에이전트 → 수요 확대 경로 |
| 오픈소스 미공개 | 터보퀀트 코드는 아직 비공개 (ICLR 2026 발표 예정) — 실제 도입까지 시간 필요 |
헤럴드경제는 “하나만 알고 둘은 모른다”며 제번스 역설을 강조했고, 와우테일 분석도 “HBM 위기론은 과장”이라고 진단했습니다.
국내 반도체주를 보유하고 계신 분이라면 확인할 지점은 하나입니다. 지금 내가 들고 있는 삼성전자·SK하이닉스가 이번 충격으로 훼손된 건 학습용 HBM 수요인지, 추론용 KV 캐시 수요인지입니다. 두 가지가 다릅니다.
삼성전자와 SK하이닉스의 HBM 성장 구조는 삼성전자 20만원·SK하이닉스 100만원 동시 돌파 글에서 자세히 다뤘으니 함께 읽어보시면 맥락이 더 잡힙니다.
독자들이 가장 궁금해한 포인트
터보퀀트가 HBM 수요를 실제로 줄일 가능성은 없나요?
현재로선 직접적인 감소 경로가 없습니다. 터보퀀트는 추론 단계의 KV 캐시만 압축하는 기술이고, HBM 수요의 핵심 드라이버는 모델 가중치 저장과 학습 연산입니다. 다만 장기적으로 추론 비중이 학습 비중을 크게 초과하는 시점이 오면, 그때는 다시 따져봐야 하는 변수입니다.
딥시크 쇼크와 비교하면 어떻게 다른가요?
두 사건 모두 “AI 효율화 → 반도체 수요 감소” 공포를 만들었다는 점에서 비슷합니다. 차이점은 딥시크가 모델 전체의 학습 비용을 낮춘 반면, 터보퀀트는 추론 단계 메모리 일부만 압축한다는 점입니다. 충격 범위가 더 좁죠. 딥시크 이후 반도체주는 몇 주 내에 상당 부분 회복됐습니다.
이번 급락을 저점 매수 기회로 볼 수 있나요?
제번스 역설과 HBM 성장 전망이 유효하다면, 장기 관점에서 분할 매수를 검토해볼 여지는 있습니다. 단, 지정학 리스크(이란-미국 긴장)와 터보퀀트 공포가 겹친 상황이라 VKOSPI가 3월 26일 기준 60선으로 높습니다. 한 번에 몰아 매수하기보다 분할 접근이 낫습니다.
* 투자 결정은 반드시 본인의 판단과 책임하에 진행하세요.
결론 — 공포가 압축한 것과 기술이 압축한 것
핵심 수치를 다시 정리합니다.
| 항목 | 수치 |
|---|---|
| 터보퀀트 KV 캐시 압축률 | 6배 |
| 추론 속도 향상 | 최대 8배 |
| 영향받는 메모리 범위 | 추론용 KV 캐시만 |
| 삼성전자 3/26 하락 | -4.22% |
| SK하이닉스 3/26 하락 | -5.47% |
| 2026년 HBM 시장 성장 전망 | 전년 대비 58% ↑, 546억 달러 |
터보퀀트가 압축한 건 KV 캐시 메모리입니다. 시장이 압축한 건 삼성전자·SK하이닉스의 주가였습니다. 두 가지가 같은 선상에 있지는 않습니다.
딥시크 쇼크 때도 비슷한 공포가 있었고, 반도체주는 이후 회복했습니다. 역사가 반복된다는 보장은 없지만, 이번 급락이 펀더멘털(기초체력) 훼손이 아닌 오해에서 비롯됐다면, 시간이 지나면서 시장은 스스로 수정합니다.
지금 포트폴리오에서 국내 반도체 비중이 어느 정도인지, 그리고 그게 단기 추론 효율화 이슈에 얼마나 노출돼 있는지 먼저 점검해보세요.
이 글이 도움이 됐다면, 비슷한 이슈가 생길 때마다 저장해두고 꺼내 보세요. 공포가 먼저 오는 시장에서 기준이 하나 있으면 흔들림이 줄어듭니다.
급락장에서의 대응 전략은 코스피 폭락 -7.24% 검은 화요일 — 지금 어떻게 해야 할까 글에서 별도로 다뤘습니다.
참고 자료
- TurboQuant: Redefining AI efficiency with extreme compression — Google Research Blog
- Google’s TurboQuant compresses LLM KV caches to 3 bits with no accuracy loss — Tom’s Hardware
- Memory stocks fall after Google posts AI development TurboQuant — CNBC
- Google’s new TurboQuant algorithm speeds up AI memory 8x — VentureBeat
- 삼성전자·하이닉스, 하나만 알고 둘은 모른다…제번스의 역설 주목 — 헤럴드경제
- 2026년 시장 전망 — HBM이 이끄는 메모리 슈퍼사이클에 주목 — SK하이닉스 뉴스룸
본 글은 정보 제공 목적으로 작성되었으며, 특정 종목이나 상품의 매수·매도를 권유하지 않습니다. 모든 투자 판단과 책임은 투자자 본인에게 있습니다.
