마이크론(MU): "HBM, 쌓는 게 왜 이렇게 어려울까?" 반도체 적층 기술(TSV)의 난이도와 수율 전쟁

1.  더 이상 '찍어내는' 메모리가 아니다

과거 D램 시장은 '소품종 대량생산'의 영역이었습니다. 공장에서 붕어빵 찍어내듯 웨이퍼를 돌려 칩을 자르고 팔면 끝이었습니다.

삼성전자와 마이크론이 치킨게임을 벌이며 가격 경쟁을 하던 시절입니다.

하지만 AI 시대가 도래하며 메모리의 패러다임이 바뀌었습니다.

이제 메모리는 단순한 저장 장치가 아니라, GPU의 연산 속도를 보조하는 핵심 엔진이 되었습니다.

바로 고대역폭메모리(HBM)의 등장입니다.

최근 마이크론이 SK하이닉스를 맹추격하며 HBM3E 시장에 진입했지만, 여전히 공급 부족 이야기가 나옵니다.

도대체 D램을 위로 쌓는 것이 공학적으로 얼마나 어렵길래 전 세계 반도체 기업들이 수율 잡기에 애를 먹는 것인지 분석해 봅니다.

 

---

2. 핵심 기술: 구멍 뚫어 연결하기, TSV (Through-Silicon Via)

HBM은 D램 칩을 수직으로 여러 층(8단, 12단) 쌓아서 만듭니다.

이때 가장 중요한 기술이 TSV, 즉 '실리콘 관통 전극'입니다.

기존의 패키징 방식(와이어 본딩)은 칩 가장자리를 금선으로 연결했습니다.

하지만 HBM은 칩 내부에 미세한 구멍을 수천 개 뚫어서 전기가 통하는 길을 만듭니다.

마치 아파트 1층부터 12층까지 엘리베이터 통로를 뚫는 것과 같습니다.

문제는 이 '구멍'의 크기와 정밀도입니다.

머리카락 굵기의 20분의 1도 안 되는 미세한 구멍을, 얇게 갈아낸(Grinding) 웨이퍼 위에 정확한 위치에 뚫어야 합니다.

만약 8개의 칩 중 하나라도 구멍 위치가 미세하게 어긋나면 전송 속도가 느려지거나 칩 전체가 먹통이 됩니다.

 

---

3. 본딩의 딜레마: 열과의 전쟁

구멍을 뚫었다면 이제 칩들을 서로 붙여야(Bonding) 합니다.

이때 엄청난 열과 압력이 가해집니다.

칩 사이에는 접착제 역할을 하는 필름(NCF)이나 액체(MR-MUF)가 들어갑니다.

마이크론은 전통적인 방식인 TC-NCF(열압착 비전도성 접착 필름) 방식을 고도화하여 사용하고 있습니다.

이 과정에서 발생하는 열을 제어하지 못하면 칩이 휘어지거나(Warpage), 접착제가 제대로 퍼지지 않아 빈 공간(Void)이 생깁니다. 이 빈 공간은 나중에 열이 빠져나가지 못하게 막는 단열재 역할을 하여, AI 서버 가동 시 칩이 타버리는 원인이 됩니다.

마이크론이 "우리는 전력 효율이 30% 더 좋다"고 강조하는 이유도, 이 열 제어 기술에 자신이 있다는 방증입니다.

 

---

4. 수율의 악몽: KGSD의 함정 (KGSD, Known Good Stacked Die)

투자자들이 HBM 마진율을 걱정하는 가장 큰 이유는 '복합 수율' 때문입니다.

일반 D램은 웨이퍼에서 칩 100개를 만들어서 10개가 불량이면 90개를 팔면 됩니다. 하지만 HBM은 다릅니다.

예를 들어 8단 HBM을 만든다고 가정해 봅시다. 8개의 칩 중 7개가 멀쩡해도, 맨 마지막 1개가 불량이면 그 8단 패키지 전체(KGSD, Known Good Stacked Die)를 버려야 합니다.

즉, 단수가 높아질수록 양품을 건질 확률은 기하급수적으로 떨어집니다.

마이크론이 HBM3E 양산에 성공했다고 발표했지만, 시장이 "그래서 실제 수율이 얼마냐?"를  묻는 이유가 여기에 있습니다.

수율이 황금비율(Golden Ratio)을 넘지 못하면 만들수록 손해를 보는 구조가 될 수도 있기 때문입니다.

 

 

---

5. 결론: 마이크론의 도박과 기회

마이크론은 이전 세대인 HBM3를 건너뛰고, 곧바로 HBM3E로 직행하는 과감한 도박을 걸었습니다.

그리고 엔비디아의 인증을 통과하며 그 도박이 성공했음을 증명했습니다.

물론 선두주자인 SK하이닉스의 벽은 높고, 삼성전자의 물량 공세도 위협적입니다.

하지만 AI 시장의 수요는 공급을 훨씬 초과하고 있습니다.

엔지니어 관점에서 볼 때, TSV 적층 공정의 난이도 때문에 HBM은 당분간 '없어서 못 파는' 귀한 몸이 될 것입니다.

마이크론이 수율 안정화 구간에 진입한다면, 단순한 메모리 사이클 기업이 아닌 고부가가치 AI 인프라 기업으로 재평가받을 기술적 근거는 충분합니다.

 

---

📌 함께 읽어보면 좋은 글

메모리(마이크론)가 아무리 빨라져도, 이 데이터를 처리하는 두뇌(GPU)가 비효율적이면 소용이 없습니다. 구글이 자체 칩 TPU를 통해 메모리와 연산 장치의 효율을 어떻게 극대화했는지 비교해 보세요.

🔗 구글이 엔비디아를 덜 사도 되는 이유 (TPU 분석) 글 보러가기