Google TurboQuant가 쏘아 올린 메모리 주식 공포 — SK하이닉스·삼성은 정말 위험한가?
지난주 Google 발표 하나에 SK하이닉스가 하루 만에 -6.2%, 삼성전자 -4.7%, 미국 Micron -6.97% 폭락했습니다. 투자자들 사이엔 “AI가 메모리를 6배 덜 쓴다고 하던데, 반도체 주식 팔아야 하나?”는 불안이 퍼졌습니다. 그런데 전문가들은 오히려 정반대 이야기를 합니다. 도대체 무슨 일이 일어난 건지, 쉽게 풀어드리겠습니다.
1TurboQuant가 뭐길래 반도체 주식이 폭락했나
ChatGPT나 Claude 같은 AI와 긴 대화를 나눌 때, AI는 앞서 나눈 내용을 계속 기억하면서 답변합니다. 그 기억을 저장하는 공간이 바로 KV 캐시(Key-Value Cache, AI의 단기 작업 메모)입니다. 대화가 길어질수록 이 메모장이 커지고, 그만큼 고성능 메모리(HBM·DRAM)가 많이 필요해집니다. AI 업체들이 반도체 칩을 수십조 원어치 사들인 이유 중 하나가 바로 이것입니다.
Google이 3월 24일 발표한 TurboQuant는 이 메모장의 크기를 최대 6분의 1로 줄이는 압축 기술입니다. 메모 내용이 줄어드는 게 아니라, 같은 내용을 훨씬 작은 공간에 담는 것입니다. 고화질 사진을 JPG로 압축해도 사진이 흐려지지 않는 것처럼요. 실제로 H100 GPU 기준 메모리 사용량은 최소 6배 절감, 처리 속도는 최대 8배 향상됐습니다. 별도 재학습 없이 기존 AI 모델에 바로 적용 가능합니다.
PolarQuant (폴라퀀트) — 보물찾기를 할 때 “오른쪽으로 3칸, 위로 4칸 가”라고 복잡하게 말하는 대신, “2시 방향으로 5걸음만 가!”라고 나침반처럼 알려주는 방식입니다. AI 데이터들은 가리키는 방향이 서로 비슷비슷해서 복잡한 숫자 대신 ‘방향 스티커’와 ‘총 거리’만 딱 적어서 공책(메모리)을 아주 조금만 써도 됩니다.
QJL — 데이터를 줄이는 과정에서 생기는 아주 작은 실수들을 ‘딱 1비트(O/X 체크 수준)’의 짧은 신호로 바로잡아 정확도를 높여주는 기술입니다.
논문은 ICLR 2026에서 정식 발표 예정이며, KAIST 한인수 교수(현 Google Research 방문 연구원)가 공동 저자로 참여했습니다.
시장의 반응은 즉각적이었습니다. “메모리를 6배 덜 쓰면, 반도체 수요가 그만큼 줄어드는 거 아닌가?” — 이 공포가 매도 버튼을 누르게 했습니다.
2주가 폭락, 진짜 이유는 무엇인가
숫자를 먼저 보겠습니다. TurboQuant 발표 직후 하루 동안의 변화입니다.
공포의 논리는 단순했습니다. “AI가 메모리를 덜 쓴다 → 반도체 회사 매출이 줄어든다 → 팔아라.” 그런데 이 논리에는 두 가지 빠진 게 있습니다.
첫째, TurboQuant는 추론용 메모리 일부만 건드립니다. AI를 학습시키는 과정(Training)과, 학습된 AI를 실제로 사용하는 과정(Inference·추론)은 전혀 다릅니다. TurboQuant가 줄이는 건 “사용하는 단계”의 메모리 일부입니다. 모델 자체의 무게(수백억 개의 숫자들, 가중치)는 건드리지 않습니다. Morgan Stanley 애널리스트 Joseph Moore는 “TurboQuant는 HBM 수요나 학습 워크로드에 영향을 주지 않는다”고 명시했습니다.
둘째, 효율이 올라가면 오히려 수요가 폭발합니다. 이것을 경제학에서 제번스의 역설(Jevons Paradox)이라고 부릅니다. 1865년 영국 경제학자 윌리엄 스탠리 제번스가 발견한 현상으로, 증기기관의 연료 효율이 높아지자 석탄 소비는 줄지 않고 오히려 폭발적으로 늘었습니다. 왜냐고요? 더 경제적인 증기기관을 쓰는 공장이 훨씬 많아졌으니까요. AI도 마찬가지입니다. 비용이 낮아지면, 지금까지 AI를 도입하지 못했던 중소기업·스타트업이 대거 진입합니다. KB증권·Samsung증권·Hana증권 분석가들이 공통적으로 내놓은 결론입니다.
중국의 DeepSeek이 “훨씬 저렴하게 만든 AI 모델”을 공개했을 때도 똑같은 공포 매도가 있었습니다. NVIDIA 주가가 하루 만에 -17% 폭락했죠. 그러나 이후 AI 칩 수요는 더 강해졌습니다. 저렴해진 AI가 더 많은 곳에 쓰이기 시작했기 때문입니다. TurboQuant도 같은 맥락에서 읽을 수 있습니다.
Evercore 애널리스트는 “TurboQuant가 광범위하게 채택될 경우 DRAM·NAND 수요에 실질적 하방 압력이 생길 수 있다”고 경고했습니다. 현재 TurboQuant는 연구 단계 기술입니다. 실제 AI 서비스에 대규모로 적용되기 시작하는 시점은 빨라야 2026년 하반기입니다. 지금의 주가 충격은 공포가 앞서간 측면이 크지만, 장기적 영향은 채택 속도를 지켜봐야 합니다.
3효율화 이후 열리는 세계 — AI가 어디서나 돌아간다면
TurboQuant의 진짜 의미를 한 문장으로 정리하면 이렇습니다. “AI를 돌리는 데 드는 비용이 절반 이하로 낮아진다.” VentureBeat는 엔터프라이즈 기준 AI 추론 비용이 50% 이상 절감될 수 있다고 분석했습니다.
지금까지 AI 서비스를 제대로 운영하려면 AWS나 Azure 같은 대형 클라우드에 막대한 돈을 써야 했습니다. 수백억 원짜리 GPU 서버, 대용량 메모리 — 이 인프라를 직접 소유한 대기업만 경쟁력 있는 AI를 만들 수 있었습니다. TurboQuant가 이 문턱을 낮추면, AI가 데이터센터 밖으로도 퍼져나갑니다. 소규모 서버, 엣지 기기, 심지어 오프라인 환경에서도요.
그런데 여기서 새로운 질문이 생깁니다. AI 에이전트(스스로 판단하고 행동하는 AI)가 분산된 여러 환경에서 동시에 돌아간다면 — “이 에이전트가 정말 그 AI 모델을 정직하게 사용한 건지 누가 보장해주나?” 이것이 바로 0G Labs가 풀려는 문제입니다.
40G Labs — “AI 에이전트의 공증 사무소”
부동산 거래를 할 때 공증 사무소가 필요합니다. “이 계약이 진짜로 이 조건에 이 날짜에 체결됐다”는 것을 제3자가 보증해주는 곳이죠. AI 에이전트 시대에도 똑같은 필요가 생깁니다. “이 AI가 조작 없이, 정해진 모델 그대로 이 추론을 실행했다”는 것을 증명할 수 있어야 합니다.
0G Labs는 이것을 블록체인 기술로 구현합니다. CEO Michael Heinrich의 표현을 빌리면, “AI agents are software that makes decisions and takes actions on behalf of users. If those agents run on infrastructure controlled by someone else, they aren’t autonomous — they’re tenants.” 남의 서버 위에서 돌아가는 AI 에이전트는 진짜 자율적이지 않다는 것입니다. 세입자는 건물주 마음대로 쫓겨날 수 있으니까요.
| 0G Labs가 제공하는 것 | 쉽게 말하면 | 투자자에게 중요한 이유 |
|---|---|---|
| Verified Compute (검증된 AI 연산) | AI가 추론을 실행할 때마다 “이 결과는 조작되지 않았다”는 암호화 인증서 발급 | EU AI Act 등 규제가 “AI 결과 출처 증명”을 요구하기 시작함 |
| 0G Storage (탈중앙 저장소) | AI 에이전트의 기억과 데이터를 특정 회사 서버가 아닌 분산 네트워크에 저장 | 클라우드 장애(AWS·Claude 다운타임 등) 리스크 제거 |
| 초고속 데이터 처리 | 기존 이더리움 대비 50,000배 빠르고 100배 저렴한 데이터 처리 | AI 에이전트가 실시간으로 대규모 데이터를 처리할 수 있는 속도 확보 |
0G Labs는 2025년 9월 메인넷을 출시했으며, 약 4,000억 원($290M) 펀딩을 바탕으로 Chainlink·Google Cloud·Alibaba Cloud 등 100개 이상의 파트너를 확보했습니다. 2025년 7월에는 1,070억 개의 파라미터를 가진 대형 AI 모델을 일반 가정용 인터넷 속도(1Gbps) 환경에서 탈중앙 방식으로 학습시키는 데 성공하기도 했습니다.
젠슨 황은 GTC 2026에서 AI 에이전트 시장이 1조 달러 규모로 성장할 것이라 발표했습니다. 0G Labs는 그 1조 달러짜리 에이전트들이 실제로 ‘살고 일하는’ 땅을 만들고 있는 셈입니다. 에이전트가 많아질수록, 에이전트들이 신뢰할 수 있는 인프라의 가치도 커집니다.
5두 기술이 만나면 — AI 민주화의 다음 단계
TurboQuant와 0G Labs는 서로 다른 문제를 풀고 있지만, 같은 방향을 가리킵니다. 하나는 “AI를 더 싸게 돌릴 수 있게”, 다른 하나는 “어디서 돌려도 믿을 수 있게”입니다.
| TurboQuant (Google) | 0G Labs | |
|---|---|---|
| 핵심 역할 | AI 추론 비용을 50%+ 절감 | AI 에이전트 실행을 검증·보증 |
| 누가 혜택을 받나 | AI 서비스 운영사, 최종 사용자 | AI 에이전트 개발사, 규제 대응이 필요한 기업 |
| 현재 상태 | 연구 발표 완료, 실서비스 적용 진행 중 | 메인넷 운영 중, 100+ 파트너 생태계 구축 |
조합의 논리는 이렇습니다. TurboQuant로 AI 추론 비용이 낮아지면, 지금보다 훨씬 많은 AI 에이전트가 훨씬 다양한 곳에서 실행됩니다. 에이전트가 많아질수록 “이 에이전트가 정말 정직하게 작동했는가”에 대한 검증 수요가 커집니다. 중앙화된 클라우드는 그 검증을 객관적으로 제공하기 어렵습니다 — 자기 서버에서 일어난 일을 스스로 증명하는 구조이니까요. 0G Labs는 그 역할을 제3자(블록체인 네트워크)가 담당하게 만듭니다.
6그래서 투자자는 어떻게 봐야 하나
이 모든 것이 SK하이닉스·삼성전자를 보유 중인 40·50대 투자자에게 어떤 의미인지 세 가지로 정리합니다.
메모리 주식 급락 — 일단 팔기보다 확인하세요
SK하이닉스의 2026년 HBM 물량은 이미 완판 상태입니다. Micron도 마찬가지입니다. 지금의 하락은 “실제 수요 감소”가 아니라 “혹시 줄어들면 어쩌지”라는 공포가 만든 가격 조정입니다. DeepSeek 이후 메모리 주가가 결국 회복된 흐름을 기억하세요. 단, Micron 분기 실적 발표(2026년 6월 예정)를 확인하면서 분할 접근하는 것이 원칙입니다.
AI 인프라 테마가 넓어지고 있습니다
지금까지 AI 투자는 NVIDIA·Microsoft·Amazon(AWS)으로 집중됐습니다. TurboQuant와 0G Labs가 가리키는 방향은 AI가 대형 클라우드 바깥으로도 퍼진다는 것입니다. 이 흐름이 본격화되면, 엣지 컴퓨팅·탈중앙 인프라 관련 기업에도 자본이 흘러들 가능성이 있습니다. 지금은 공부하고 모니터링하는 단계입니다.
0G Labs($0G 토큰) — 지금은 관찰만 하세요
$0G 토큰은 Binance·OKX·Bybit에 상장돼 있습니다. 개념은 설득력이 있지만, AI 에이전트 경제가 실제로 이 인프라를 채택하는지를 먼저 확인해야 합니다. 핵심 지표는 월별 온체인 AI 추론 요청 수, 신규 파트너 유입 속도입니다. 이 숫자가 꾸준히 오른다면 그때 포지션 크기를 결정해도 늦지 않습니다.
이 글의 모든 내용은 투자 권유가 아닌 정보 제공 목적입니다. TurboQuant는 현재 연구 단계 기술이며 대규모 프로덕션 배포는 확인되지 않았습니다. 0G Labs 관련 수치는 공식 보도자료 기반이며, 토큰 투자는 높은 변동성과 손실 가능성을 수반합니다. 모든 투자 판단과 책임은 본인에게 있으며, 중요한 결정 전 전문 금융 어드바이저 상담을 권고합니다.
결론 — 공포를 분석하면 기회가 보입니다
1865년 더 효율적인 증기기관이 나왔을 때, 석탄 산업이 망할 것이라는 공포가 있었습니다. 실제로는 반대였습니다. 효율적인 기계가 공장을 늘리고, 늘어난 공장이 석탄을 더 많이 태웠습니다.
TurboQuant도 같은 맥락입니다. “AI 메모리 수요 붕괴”의 신호가 아니라, AI가 더 많은 곳에서 더 많이 쓰이게 되는 전환의 신호입니다. 0G Labs가 말하는 “에이전트는 세입자가 아니어야 한다”는 메시지는, EU AI Act 규제와 클라우드 집중 리스크가 동시에 커지는 지금 — 생각보다 빠르게 현실이 될 수 있습니다.
알렙은 앞으로도 이 흐름을 계속 추적합니다. 다음 포스트에서는 HBM4 양산 레이스와 SK하이닉스·Micron의 차별화 포인트를 다룰 예정입니다.
📌 이 분석, 도움이 됐나요?
다음 포스트에서는 “HBM4 레이스 — SK하이닉스가 Micron을 앞서갈 수 있을까?”를 다룰 예정입니다.
댓글로 TurboQuant와 메모리 주식에 대한 여러분의 생각을 남겨주세요.
