상승 전환추적 후보Codex 검토Agentic AI 확산이 DRAM과 SSD가 추론 과정에서 쓰이는 범위를 넓힐 수 있다는 검토다.성장 규모 확대여러 변화의 연결달라진 점작성자는 Reasoning 모델 비중이 50%를 넘고 Agentic AI가 여러 도구와 여러 번의 추론을 거치면서 컨텍스트와 메모리 사용을 키운다고 설명한다.다르게 볼 이유Codex 검토: 이는 AI 인프라 메모리·스토리지의 사용 범위를 넓힐 수 있는 상승 방향의 구조 변화다. 다만 원문은 수요의 실제 실현량이나 개별 기업의 이익을 확인하지 않아 watch로 둔다.남은 확인개별 메모리 기업별 수요·가격·이익의 실현 정도는 현재 원문만으로 확인되지 않는다.
원문을 바탕으로 한 Codex의 독립 판단입니다. 출처가 전한 사실·해석과 구분해 읽을 수 있습니다.
분석 대상 · Reasoning과 Agentic AI
이전에는
이전 상태의 비교 근거가 이 분석에 정리되지 않았습니다.
새롭게 달라진 점
작성자는 Reasoning 모델 비중이 50%를 넘고 Agentic AI가 여러 도구와 여러 번의 추론을 거치면서 컨텍스트와 메모리 사용을 키운다고 설명한다.
원문 근거
*왼쪽 : 지능을 높이는 방법 → ⓐ모델 훈련에 들이는 컴퓨팅을 늘리기 / ⓑ한 건당 추론시간에 쓰는 컴퓨팅을 늘리기 *중간 : OpenAI o1이 Test-time compute를 통해서 더 높은 지능에 도달하는 모습 *오른쪽 : DeepSeek-R1이 Test-time compute를 통해서 더 높은 지능에 도달하는 모습 이런 흐름 속에서 모델의 지능을 높이기 위한 방법으로 추론시간을 키우는 Reasoning 모델이 전체 모델들의 추론 요청당 차지하는 비율이 현재 50%를 넘겼습니다. GPT-5, Claude 4.5, Gemini 3 같은 모델들이 이어지면서 이제는 Reasoning 모델이 표준이 된 시대입니다. 컨텍스트 윈도우의 변화 원래 오픈AI의 o1이 출시되기 전에 컨텍스트 윈도우가 크다는 건 엄청난 양의 문서를 넣고(input), 짧은 답변을 얻는(output) 식이었습니다. Prefill은 병렬 연산이 가능하기 때문에 상대적으로 매우 빠르고 저가에 토큰을 생성할 수 있으니 이건 큰 부담이 아니었습니다. 그런데 이제 o1처럼 모델이 스스로 생각하는 시간을 키우다보니 이건 답변을 얻는 과정(output) 자체가 길어지며 Decode 작업에 훨씬 더 많은 부하가 생기는 쪽으로 작용합니다.
Reasoning → Agentic AI = 다시 한 번 10x~100x 여기에 더 나아가 사용자들은 단순히 더 높은 지능의 답변을 생성하는 모델을 넘어서 에이전트처럼 좀 더 완성도 높은 결과물을 제품을 점점 더 선호하고 있습니다. 단일 작업을 넘어서 여러 작업이 포함된 하나의 '업무'단위를 한 번에 이해하고 각종 도구를 써서 해결하는 것이므로 애플리케이션화 되는 단계입니다. 기존 LLM은 사용자들이 한 번 질문을 넣으면 → 한 번의 추론을 해서 답하는 구조였습니다. 그런데 Agentic AI는 하나의 요청을 넣으면 → 검색엔진 활용, DB 읽기, 단계별 API 직접 호출, 외부 툴 활용 등을 통해서 중간중간마다 몇 번의 추론을 거쳐서 하나의 작업물을 내놓습니다. 여기서 스텝마다 LLM이 사전에 훈련했던 데이터를 쓰는 게 아니라 CPU가 이메일을 불러오고, 소프트웨어를 호출하여 가동하여 작업물을 내고, 가져온 데이터를 다시 LLM에 넣어서 GPU에서 추론하기를 반복합니다. 하나의 작업물을 내놓는 데 훨씬 더 많은 요소들이 쓰이고 추론 컨텍스트 윈도우도 훨씬 더 커집니다.
Agentic AI → DRAM과 SSD 수요를 높게 유지시킬 트렌드 기술이나 방식은 다르지만 공통적으로 성능과 비용 개선의 방향을 GPU와 HBM에만 집중시키는 것이 아니라, 메모리/스토리지 계층에서도 기여할 수 있게 바꾸는 과정입니다. 이제부터는 단순히 메모리를 붙이는 구조가 아니라 추론의 Inner Loop 내에서 핵심 요소가 됐음을 느낄 수 있던 자료였습니다. Agentic AI가 채택되는 과정에서 엔비디아의 Rubin CPX, Spectrum-X, BlueField DPU의 중요도도 높아지고, 컨텍스트 윈도우를 키우면서 DRAM과 SSD 사용량이 크게 증가할 것으로 예상합니다. 메모리 실제 수요와 가격 추이 공급자 주도 시장, 가격 인상과 쇼티지 국면 쇼티지 국면 공급자 주도 국면이 유지되고 있습니다. 미국 하이퍼스케일러 수요도 다 채워지지 않고 있습니다. 2025년 미국 하이퍼스케일러향 DRAM 수요 충족률은 ~70%였고, 마이크론은 4Q25 실적발표에서 중기적으로 주요 고객들의 수요 충족률이 50~75%일 것으로 예상했으며, 모건스탠리의 1월 6일 대만 공급망 체크 결과 미국 하이퍼스케일러들의 SSD 수요 충족률은 아직 40%에 불과합니다.
다르게 볼 이유
Codex 검토: 이는 AI 인프라 메모리·스토리지의 사용 범위를 넓힐 수 있는 상승 방향의 구조 변화다. 다만 원문은 수요의 실제 실현량이나 개별 기업의 이익을 확인하지 않아 watch로 둔다.
원문 근거
Agentic AI → DRAM과 SSD 수요를 높게 유지시킬 트렌드 기술이나 방식은 다르지만 공통적으로 성능과 비용 개선의 방향을 GPU와 HBM에만 집중시키는 것이 아니라, 메모리/스토리지 계층에서도 기여할 수 있게 바꾸는 과정입니다. 이제부터는 단순히 메모리를 붙이는 구조가 아니라 추론의 Inner Loop 내에서 핵심 요소가 됐음을 느낄 수 있던 자료였습니다. Agentic AI가 채택되는 과정에서 엔비디아의 Rubin CPX, Spectrum-X, BlueField DPU의 중요도도 높아지고, 컨텍스트 윈도우를 키우면서 DRAM과 SSD 사용량이 크게 증가할 것으로 예상합니다. 메모리 실제 수요와 가격 추이 공급자 주도 시장, 가격 인상과 쇼티지 국면 쇼티지 국면 공급자 주도 국면이 유지되고 있습니다. 미국 하이퍼스케일러 수요도 다 채워지지 않고 있습니다. 2025년 미국 하이퍼스케일러향 DRAM 수요 충족률은 ~70%였고, 마이크론은 4Q25 실적발표에서 중기적으로 주요 고객들의 수요 충족률이 50~75%일 것으로 예상했으며, 모건스탠리의 1월 6일 대만 공급망 체크 결과 미국 하이퍼스케일러들의 SSD 수요 충족률은 아직 40%에 불과합니다.
판단을 바꿀 조건
이 검토는 Agentic AI 채택과 컨텍스트 확대가 DRAM·SSD 사용량을 크게 늘린다는 원문의 예상이 확인되지 않을 경우 약화될 수 있다.
원문 근거
Agentic AI → DRAM과 SSD 수요를 높게 유지시킬 트렌드 기술이나 방식은 다르지만 공통적으로 성능과 비용 개선의 방향을 GPU와 HBM에만 집중시키는 것이 아니라, 메모리/스토리지 계층에서도 기여할 수 있게 바꾸는 과정입니다. 이제부터는 단순히 메모리를 붙이는 구조가 아니라 추론의 Inner Loop 내에서 핵심 요소가 됐음을 느낄 수 있던 자료였습니다. Agentic AI가 채택되는 과정에서 엔비디아의 Rubin CPX, Spectrum-X, BlueField DPU의 중요도도 높아지고, 컨텍스트 윈도우를 키우면서 DRAM과 SSD 사용량이 크게 증가할 것으로 예상합니다. 메모리 실제 수요와 가격 추이 공급자 주도 시장, 가격 인상과 쇼티지 국면 쇼티지 국면 공급자 주도 국면이 유지되고 있습니다. 미국 하이퍼스케일러 수요도 다 채워지지 않고 있습니다. 2025년 미국 하이퍼스케일러향 DRAM 수요 충족률은 ~70%였고, 마이크론은 4Q25 실적발표에서 중기적으로 주요 고객들의 수요 충족률이 50~75%일 것으로 예상했으며, 모건스탠리의 1월 6일 대만 공급망 체크 결과 미국 하이퍼스케일러들의 SSD 수요 충족률은 아직 40%에 불과합니다.
판단을 뒷받침하는 근거
- 작성자는 Agentic AI가 채택되는 과정에서 컨텍스트 윈도우 확대와 함께 DRAM·SSD 사용량이 크게 증가할 것으로 예상했다.
원문 근거
Agentic AI → DRAM과 SSD 수요를 높게 유지시킬 트렌드 기술이나 방식은 다르지만 공통적으로 성능과 비용 개선의 방향을 GPU와 HBM에만 집중시키는 것이 아니라, 메모리/스토리지 계층에서도 기여할 수 있게 바꾸는 과정입니다. 이제부터는 단순히 메모리를 붙이는 구조가 아니라 추론의 Inner Loop 내에서 핵심 요소가 됐음을 느낄 수 있던 자료였습니다. Agentic AI가 채택되는 과정에서 엔비디아의 Rubin CPX, Spectrum-X, BlueField DPU의 중요도도 높아지고, 컨텍스트 윈도우를 키우면서 DRAM과 SSD 사용량이 크게 증가할 것으로 예상합니다. 메모리 실제 수요와 가격 추이 공급자 주도 시장, 가격 인상과 쇼티지 국면 쇼티지 국면 공급자 주도 국면이 유지되고 있습니다. 미국 하이퍼스케일러 수요도 다 채워지지 않고 있습니다. 2025년 미국 하이퍼스케일러향 DRAM 수요 충족률은 ~70%였고, 마이크론은 4Q25 실적발표에서 중기적으로 주요 고객들의 수요 충족률이 50~75%일 것으로 예상했으며, 모건스탠리의 1월 6일 대만 공급망 체크 결과 미국 하이퍼스케일러들의 SSD 수요 충족률은 아직 40%에 불과합니다.
다음 확인 지점
- Agentic AI 채택과 더 긴 컨텍스트가 실제로 메모리 사용량 확대로 이어지는지 확인한다.
원문 근거
Agentic AI → DRAM과 SSD 수요를 높게 유지시킬 트렌드 기술이나 방식은 다르지만 공통적으로 성능과 비용 개선의 방향을 GPU와 HBM에만 집중시키는 것이 아니라, 메모리/스토리지 계층에서도 기여할 수 있게 바꾸는 과정입니다. 이제부터는 단순히 메모리를 붙이는 구조가 아니라 추론의 Inner Loop 내에서 핵심 요소가 됐음을 느낄 수 있던 자료였습니다. Agentic AI가 채택되는 과정에서 엔비디아의 Rubin CPX, Spectrum-X, BlueField DPU의 중요도도 높아지고, 컨텍스트 윈도우를 키우면서 DRAM과 SSD 사용량이 크게 증가할 것으로 예상합니다. 메모리 실제 수요와 가격 추이 공급자 주도 시장, 가격 인상과 쇼티지 국면 쇼티지 국면 공급자 주도 국면이 유지되고 있습니다. 미국 하이퍼스케일러 수요도 다 채워지지 않고 있습니다. 2025년 미국 하이퍼스케일러향 DRAM 수요 충족률은 ~70%였고, 마이크론은 4Q25 실적발표에서 중기적으로 주요 고객들의 수요 충족률이 50~75%일 것으로 예상했으며, 모건스탠리의 1월 6일 대만 공급망 체크 결과 미국 하이퍼스케일러들의 SSD 수요 충족률은 아직 40%에 불과합니다.
아직 모르는 점
- 개별 메모리 기업별 수요·가격·이익의 실현 정도는 현재 원문만으로 확인되지 않는다.
원문 근거 3개 펼치기
출처의 해석·전망
- 원문은 추론시간에 토큰을 더 쓰는 Reasoning 모델의 비중이 50%를 넘었고, 에이전트는 검색·DB·API·외부 도구를 오가며 여러 번 추론해 컨텍스트를 키운다고 설명한다. 작성자는 효율화 기술이 있어도 긴 컨텍스트와 Agentic AI 채택으로 DRAM·SSD 수요가 높게 유지될 것으로 예상한다.
보존 원문 발췌
*왼쪽 : 지능을 높이는 방법 → ⓐ모델 훈련에 들이는 컴퓨팅을 늘리기 / ⓑ한 건당 추론시간에 쓰는 컴퓨팅을 늘리기 *중간 : OpenAI o1이 Test-time compute를 통해서 더 높은 지능에 도달하는 모습 *오른쪽 : DeepSeek-R1이 Test-time compute를 통해서 더 높은 지능에 도달하는 모습 이런 흐름 속에서 모델의 지능을 높이기 위한 방법으로 추론시간을 키우는 Reasoning 모델이 전체 모델들의 추론 요청당 차지하는 비율이 현재 50%를 넘겼습니다. GPT-5, Claude 4.5, Gemini 3 같은 모델들이 이어지면서 이제는 Reasoning 모델이 표준이 된 시대입니다. 컨텍스트 윈도우의 변화 원래 오픈AI의 o1이 출시되기 전에 컨텍스트 윈도우가 크다는 건 엄청난 양의 문서를 넣고(input), 짧은 답변을 얻는(output) 식이었습니다. Prefill은 병렬 연산이 가능하기 때문에 상대적으로 매우 빠르고 저가에 토큰을 생성할 수 있으니 이건 큰 부담이 아니었습니다. 그런데 이제 o1처럼 모델이 스스로 생각하는 시간을 키우다보니 이건 답변을 얻는 과정(output) 자체가 길어지며 Decode 작업에 훨씬 더 많은 부하가 생기는 쪽으로 작용합니다.
Reasoning → Agentic AI = 다시 한 번 10x~100x 여기에 더 나아가 사용자들은 단순히 더 높은 지능의 답변을 생성하는 모델을 넘어서 에이전트처럼 좀 더 완성도 높은 결과물을 제품을 점점 더 선호하고 있습니다. 단일 작업을 넘어서 여러 작업이 포함된 하나의 '업무'단위를 한 번에 이해하고 각종 도구를 써서 해결하는 것이므로 애플리케이션화 되는 단계입니다. 기존 LLM은 사용자들이 한 번 질문을 넣으면 → 한 번의 추론을 해서 답하는 구조였습니다. 그런데 Agentic AI는 하나의 요청을 넣으면 → 검색엔진 활용, DB 읽기, 단계별 API 직접 호출, 외부 툴 활용 등을 통해서 중간중간마다 몇 번의 추론을 거쳐서 하나의 작업물을 내놓습니다. 여기서 스텝마다 LLM이 사전에 훈련했던 데이터를 쓰는 게 아니라 CPU가 이메일을 불러오고, 소프트웨어를 호출하여 가동하여 작업물을 내고, 가져온 데이터를 다시 LLM에 넣어서 GPU에서 추론하기를 반복합니다. 하나의 작업물을 내놓는 데 훨씬 더 많은 요소들이 쓰이고 추론 컨텍스트 윈도우도 훨씬 더 커집니다.
Agentic AI → DRAM과 SSD 수요를 높게 유지시킬 트렌드 기술이나 방식은 다르지만 공통적으로 성능과 비용 개선의 방향을 GPU와 HBM에만 집중시키는 것이 아니라, 메모리/스토리지 계층에서도 기여할 수 있게 바꾸는 과정입니다. 이제부터는 단순히 메모리를 붙이는 구조가 아니라 추론의 Inner Loop 내에서 핵심 요소가 됐음을 느낄 수 있던 자료였습니다. Agentic AI가 채택되는 과정에서 엔비디아의 Rubin CPX, Spectrum-X, BlueField DPU의 중요도도 높아지고, 컨텍스트 윈도우를 키우면서 DRAM과 SSD 사용량이 크게 증가할 것으로 예상합니다. 메모리 실제 수요와 가격 추이 공급자 주도 시장, 가격 인상과 쇼티지 국면 쇼티지 국면 공급자 주도 국면이 유지되고 있습니다. 미국 하이퍼스케일러 수요도 다 채워지지 않고 있습니다. 2025년 미국 하이퍼스케일러향 DRAM 수요 충족률은 ~70%였고, 마이크론은 4Q25 실적발표에서 중기적으로 주요 고객들의 수요 충족률이 50~75%일 것으로 예상했으며, 모건스탠리의 1월 6일 대만 공급망 체크 결과 미국 하이퍼스케일러들의 SSD 수요 충족률은 아직 40%에 불과합니다.
상승 관점 보조 신호 · 가격 충격·지속성·후속 근거
장대양봉급 뉴스
근거 미확인- 이 자료에서 판단할 근거를 확보하지 못했습니다.
지속 턴어라운드
근거 미확인- 이 자료에서 판단할 근거를 확보하지 못했습니다.
셀온 뒤 재상승 근거
근거 미확인- 이 자료에서 판단할 근거를 확보하지 못했습니다.