옵티머스 3세대 심층 기획 / AI 메모리의 벽, HBM을 눕히다 - 2026.07.17

#tesla #optimus #휴머노이드로봇 #spacex #반도체 #HBM #AI메모리 #EV #일론머스크 #심층분석

옵티머스 3세대, 로봇이 자동차 공장의 노동자가 되는 순간

테슬라 프리몬트 공장에서 지난 5월, 세단 모델S와 모델X를 만들던 조립라인이 46일 만에 통째로 뜯겨 나갔다. 20년 가까이 테슬라의 상징이었던 두 차종의 최종 생산 물량이 5월 초 라인을 떠난 직후 벌어진 일이다. 그 자리에 들어선 것은 자동차가 아니라 휴머노이드 로봇, 옵티머스 3세대를 만들기 위한 생산라인이다. 일론 머스크는 올해 3월 애번던스 서밋에서 "옵티머스3의 완성 마무리 단계에 있다"고 말했고, 실제로 프리몬트의 새 라인은 7월 말에서 8월 사이 저속 가동을 시작할 예정이라고 회사 관계자들이 밝혔다. 자동차 회사가 자사의 핵심 생산 설비를 로봇 공장으로 바꾸는 이 장면은, 테슬라가 스스로를 어떤 회사로 재정의하려는지를 가장 직접적으로 보여주는 사례다.

 

전시된 테슬라 옵티머스 로봇. 사진: Benjamin Ceci, CC0, Wikimedia Commons

옵티머스 3세대에서 가장 눈에 띄는 변화는 손이다. 테슬라 엔지니어 밀란 코박은 이전 세대 대비 개선점을 설명하며 "손에는 22개의 자유도가 있고, 손목과 전완부에 3개가 더 있다"고 밝혔다. 기존에는 손 자체에 분산돼 있던 구동부를 전완부(팔뚝) 안으로 옮겨, 한쪽 팔당 25개의 액추에이터를 팔뚝 내부에 몰아넣는 생체모방적 설계를 택했다. 손가락은 모터가 아니라 힘줄과 유사한 텐던 방식으로 움직이는데, 이는 사람 손의 구조를 공학적으로 옮겨온 결과에 가깝다. 이런 손 구조는 올해 6월부터 실제 공장 환경에서 24시간 교대 근무 형태의 산업 현장 테스트에 투입되고 있으며, 부품을 집고 조립하고 옮기는 반복 작업에서의 내구성과 정밀도가 검증되는 단계다.

로봇의 손과 몸을 아무리 정교하게 만들어도 그것을 실시간으로 통제할 두뇌가 없으면 무용지물이다. 이 지점에서 테슬라가 꺼내든 카드가 차세대 AI5 칩이다. 머스크는 지난 실적발표 컨퍼런스콜에서 "어떤 지표로 보면 AI5 칩은 AI4 칩보다 40배 뛰어나다"고 말했는데, 이 발언 직후 그는 "40퍼센트가 아니라 40배"라며 숫자를 재차 강조했다. 조금 더 구체적으로 들여다보면 AI5는 AI4 대비 연산 능력 8~10배, 메모리 용량 9배, 대역폭 5배 수준의 향상을 보이며, 특정 신경망 워크로드 벤치마크에서 최대 40배까지 격차가 벌어진다는 것이 회사 측 설명이다. 머스크는 화상 발표에서 시제품 칩을 직접 들어 보이기도 했는데, 칩 표면에 새겨진 "KR 2613"이라는 마킹은 2026년 13주차에 패키징이 이뤄졌음을 시사한다. 그는 이 자리에서 파운드리 파트너를 처음으로 공식 확인했는데, 대만 TSMC와 삼성전자를 동시에 활용하는 이중 소싱 전략이라는 점도 함께 밝혔다.

옵티머스 3세대는 바로 이 AI5 실리콘을 탑재하는 첫 제품이 될 예정이다. 10월이나 11월로 예상되는 AI 데이(AI Day) 2026에서 공식 공개가 유력하며, 올해 안에 5,000대에서 1만 대 규모의 초도 생산을 거쳐 2027년에는 연간 25만 대 규모로 양산을 확대한다는 것이 테슬라가 제시해 온 로드맵이다. 이 숫자 자체는 이미 여러 차례 뒤로 밀린 전례가 있어 곧이곧대로 받아들이기는 어렵다는 게 업계의 중론이지만, 적어도 이번에는 실물 생산라인 전환이라는 물리적 증거가 함께 따라오고 있다는 점에서 이전의 공언들과는 결이 다르다는 평가가 나온다.

옵티머스가 상업적으로 의미를 가지려면 결국 "공장에서 실제로 쓸모가 있는가"라는 질문을 통과해야 한다. 손의 자유도를 25개까지 늘리고 액추에이터를 팔뚝에 재배치한 것도, 궁극적으로는 나사를 조이고 부품을 집어 옮기고 케이블을 배선하는 인간 노동자의 미세 동작을 재현하기 위해서다. 테슬라 내부에서 옵티머스의 첫 실전 배치 장소로 자사 공장을 택한 것도 이 때문이다. 로봇을 판매하기 전에 자기 공장에서 스스로 검증하는, 자율주행 소프트웨어를 자사 차량 수백만 대에서 먼저 검증해 온 것과 같은 방식론을 그대로 로보틱스에 옮겨온 셈이다. 다만 차량용 자율주행과 달리 휴머노이드 로봇은 다관절 제어, 촉각 피드백, 물체 인식이 동시에 실시간으로 맞물려야 하는 훨씬 복잡한 문제여서, 프리몬트의 새 라인이 실제로 몇 대의 로봇을 얼마나 안정적으로 가동하는지가 이후 산업 전반의 휴머노이드 도입 속도를 가늠하는 첫 시험대가 될 전망이다. 모델S·모델X 라인의 폐쇄라는 상징적인 결정을 이미 내린 이상, 테슬라로서는 이제 물러설 곳이 많지 않은 베팅을 시작한 셈이다.

AI 메모리의 벽, DRAM을 눕혀서 넘을 수 있을까 — HBM 이후를 노리는 두 개의 실험

거대언어모델을 학습시키고 구동하는 데 필요한 연산 능력은 최근 몇 년 사이 기하급수적으로 늘었지만, 정작 AI 가속기의 발목을 잡는 것은 연산 능력 그 자체가 아니라 데이터를 처리장치와 메모리 사이로 실어 나르는 속도, 이른바 '메모리 벽'이다. 이 병목을 풀기 위해 업계가 택해 온 해법은 고대역폭메모리, HBM을 층층이 쌓아 올리는 것이었는데, 쌓는 층이 늘어날수록 열은 빠져나갈 곳을 잃고 칩 사이를 잇는 실리콘관통전극(TSV)은 점점 더 많은 면적을 잡아먹는 역설에 부딪혔다. 지난 6월 국제 반도체 학회인 2026 IEEE/JSAP VLSI 기술·회로 심포지엄에서, 한국과 일본의 연구팀이 이 문제에 대해 서로 다르지만 근본적으로는 같은 발상을 내놓았다. D램을 위로 쌓지 말고, 옆으로 눕혀 세우자는 것이다.

 

기존 HBM 구조에서 볼 수 있는 D램 다이 적층 클로즈업 사진. 사진: Fritzchens Fritz, CC0, Wikimedia Commons

울산과학기술원(UNIST)이 KAIST, 한밭대학교 연구진과 함께 제안한 '브이다이(V-Die)'는 이름 그대로 D램 다이를 세로로 세우는 구조다. 기존 HBM은 다이를 수평으로 쌓고 그 사이를 수직으로 관통하는 TSV로 신호를 주고받았는데, V-Die는 다이를 수직으로 세운 뒤 각 다이 아래쪽 가장자리에 입출력 단자를 배치해 TSV 자체를 없앴다. 다이와 다이 사이 공간에는 액체 냉각 채널을 끼워 넣어, 적층 구조가 안고 있던 열 문제를 아예 구조적으로 우회했다. 연구팀이 제시한 수치는 인상적이다. HBM4 대비 최대 4배 많은 인터커넥트를 확보할 수 있고, 메모리 접근 지연시간은 37% 줄어든다. 16층 스택과 H100급 하드웨어, GPT-3 규모의 워크로드를 가정한 시뮬레이션에서는 V-Die가 초당 540토큰의 처리량을 기록해 HBM4의 초당 296토큰을 크게 앞질렀고, 첫 토큰이 나오기까지 걸리는 시간(TTFT)도 약 24밀리초로 32% 줄어든 것으로 나타났다.

도쿄대학교 연구팀이 내놓은 접근은 조금 다른 문제의식에서 출발한다. 이들이 만든 '모자이크(MOSAIC)'는 성능 극대화보다 양산 가능성에 초점을 맞췄다. 다이를 옆으로 세우는 방식은 미세한 두께 편차만 있어도 신호 단자 정렬이 어긋날 위험이 있는데, 도쿄대 팀은 이 문제를 아예 물리적 접촉이 필요 없는 방식으로 우회했다. 미세한 코일을 이용한 비접촉 유도결합 방식을 채택해, 모든 신호 단자가 물리적으로 정확히 맞닿지 않아도 미세한 틈을 사이에 두고 데이터를 주고받을 수 있게 한 것이다. 시제품 인터페이스는 채널당 최대 4Gbps의 데이터 전송률을 지원하며, GPU에 D램을 직접 얹는 구성에서는 HBM4 대비 메모리 용량을 두 배로 늘릴 수 있는 것으로 나타났다. 하드웨어 실증 결과 기존 적층형 메모리 대비 열전도율은 최대 3배, 메모리 용량은 최대 30% 늘어나는 것으로 확인됐다.

두 연구 모두 '메모리 벽'이라는 같은 문제를 겨냥하고 있지만 접근의 무게중심은 다르다. V-Die는 순수하게 성능과 발열 억제에 초점을 맞춘 제안 단계의 개념으로, 전기적·열적 성능을 검증하기 위한 시제품 개발이 이제 막 시작되는 단계다. 반면 모자이크는 이미 개념검증 하드웨어까지 만들어졌지만, 상용 D램 생산에 필요한 수율과 원가 경쟁력, 장기 신뢰성을 입증하는 일은 아직 남아 있는 과제라고 연구팀 스스로 밝히고 있다. SK하이닉스, 삼성전자, 마이크론 등 기존 메모리 제조사들은 HBM4와 iHBM, HBM5 같은 차세대 제품에서도 여전히 전통적인 수직 적층 구조를 유지한 채 열 성능을 개선하는 방향으로 움직이고 있어, 이번에 발표된 두 개념이 실제 상용 HBM 로드맵에 언제, 어떤 형태로 반영될지는 아직 불분명하다.

그럼에도 이 두 연구가 눈길을 끄는 이유는 분명하다. AI 반도체 업계가 지금껏 '더 높이 쌓는다'는 하나의 방향으로만 문제를 풀어왔다면, 이번 제안들은 애초에 쌓지 않는다는 발상의 전환 자체를 학술적으로 실증했다는 점에서 의미가 있다. 거대언어모델의 파라미터 규모가 계속 커지고 추론 수요가 폭증하는 지금, TSV를 대체할 새로운 신호 전달 방식과 열을 근본적으로 다르게 다루는 적층 철학은 SK하이닉스가 준비 중인 하이브리드 본딩 기술이나 인텔이 2030년을 목표로 개발 중인 대체 메모리 아키텍처와 함께, HBM 이후 시대를 두고 벌어지는 여러 갈래 경쟁의 한 축으로 자리 잡을 가능성이 있다.

자료 출처: RoboZaps - Optimus Gen 3, Tesla Optimus at Fremont (iFactory), Tom's Hardware - Tesla AI5, TrendForce - V-Die/MOSAIC HBM 아키텍처