AI Agent 시대, 왜 메모리 수요가 폭발할까? HBM·DRAM·SSD까지 연결되는 이유 26.09.10

AI가 발전하면 왜 반도체, 그중에서도 메모리 수요가 늘어날까요?

보통 AI 반도체라고 하면 GPU와 HBM부터 떠올립니다.

하지만 이번 한화투자증권 반도체 산업 리포트는 조금 다른 질문을 던집니다.

“AI가 질문에 답하는 챗봇에서 실제 업무를 수행하는 Agent로 바뀐다면 메모리는 얼마나 더 필요해질까?”

리포트의 핵심은 AI 모델의 성능 향상 자체보다 AI를 사용하는 방식의 변화에 있습니다.

기존 챗봇은 사람이 질문하면 답을 생성하고 작업을 끝냈습니다. 반면 AI Agent는 하나의 업무를 완료하기 위해 자료를 찾고, 프로그램을 실행하고, 결과를 확인하고, 오류를 수정하는 과정을 반복합니다.

여기에 여러 Agent가 동시에 움직이기 시작하면 연산량뿐 아니라 AI가 기억하고 저장해야 하는 데이터도 크게 증가할 수 있습니다.

이번 글에서는 한화투자증권의 「Astra가 예고하는 메모리 수요의 폭발적 증가」 리포트를 바탕으로 AI Agent 시대가 왜 HBM뿐 아니라 서버 DRAM과 Enterprise SSD까지 영향을 줄 수 있는지 쉽게 정리해보겠습니다.

---

리포트 한눈에 보기

구분	내용
산업	반도체
증권사	한화투자증권
발행일	2026년 9월 10일
리포트 제목	Astra가 예고하는 메모리 수요의 폭발적 증가
산업 의견	Positive (한화투자증권 의견)
핵심 키워드	AI Agent · 추론 · Token · KV Cache · HBM · 서버 DRAM · Enterprise SSD
핵심 질문	AI Agent 확산이 왜 메모리 수요를 크게 증가시킬 수 있을까?

이번 리포트에서 일반 투자자가 가장 중요하게 볼 부분은 특정 AI 모델의 벤치마크 점수 자체가 아닙니다.

AI의 사용 단위가 '질문 한 번'에서 '업무 하나'로 바뀌고 있다는 것, 그리고 이것이 반도체 수요 구조를 어떻게 변화시킬 수 있는지가 핵심입니다.

---

⭐ 이번 리포트에서 꼭 봐야 할 3가지

1. AI가 챗봇에서 '직원'처럼 일하는 Agent로 바뀌고 있다

기존 생성형 AI의 사용 방법은 비교적 단순했습니다.

사람이 질문하거나 자료를 주면 AI가 답변을 생성하는 방식입니다.

하지만 이번 리포트에서 설명하는 AI Agent는 다릅니다.

사용자가 최종 목표를 전달하면 AI가 필요한 작업을 스스로 나누고 웹 브라우저, 스프레드시트, 문서 프로그램, 사내 시스템 등을 오가면서 업무를 진행합니다.

예를 들어 출장비 정산을 맡겼다고 생각해보겠습니다.

기존 AI가 영수증 내용을 읽어주는 수준이었다면 Agent는 영수증과 카드 사용 내역을 비교하고, 회사 규정에 맞지 않는 비용을 확인하고, 정산 시스템에 내용을 입력한 뒤 결재 문서까지 만드는 방향으로 발전하고 있다는 것입니다.

리포트에서는 이러한 변화를 가능하게 하는 핵심 기능으로 비동기 도구 호출, 장기 Context 관리, Multi-Agent를 제시합니다.

Multi-Agent가 중요한 이유

하나의 AI가 모든 일을 순서대로 하는 대신 여러 AI Agent가 업무를 나누어 동시에 수행하는 방식입니다.

대표 Agent가 전체 계획을 세우고 다른 Agent가 자료 조사, 데이터 정리, 결과 검증 등을 나누어 처리한 뒤 다시 결과를 취합합니다.

쉽게 말하면 AI 한 명에게 질문하는 구조에서 여러 명의 AI 직원에게 동시에 업무를 맡기는 구조로 바뀌는 것입니다.

▲ OpenAI와 Anthropic의 AI Agent 제품 로드맵

리포트 p.4의 표를 보면 주요 AI 기업의 개발 방향도 이러한 변화를 보여줍니다.

웹사이트를 조작하는 기능에서 시작해 조사·분석·행동을 통합하고, 이후 기업용 Agent 구축과 장시간 복합 업무 수행으로 발전하는 흐름입니다.

즉, 경쟁의 기준이 단순히 “누가 질문에 더 정확하게 답하는가?”에서 “누가 더 복잡한 업무를 오래 수행할 수 있는가?”로 넓어지고 있다는 것이 리포트의 시각입니다.

---

2. Agent가 늘어나면 AI가 사용하는 Token이 크게 증가할 수 있다

여기서부터 반도체 이야기가 시작됩니다.

일반적인 챗봇은 질문에 답하면 연산이 끝납니다.

하지만 Agent는 업무 하나를 끝내기 위해

계획 → 정보 검색 → 프로그램 실행 → 결과 확인 → 오류 수정 → 재실행

과정을 반복합니다.

여러 Agent가 동시에 움직이는 Multi-Agent 환경이라면 이러한 작업이 여러 갈래에서 동시에 발생합니다.

▲ 업무 방식별 상대 Token 사용량

이번 리포트에서 가장 눈여겨볼 그래프 중 하나입니다.

업무 방식	상대 Token 사용량
일반 채팅	1배
단일 Agent	약 4배
Multi-Agent	약 15배

리포트가 인용한 Anthropic의 Research 시스템 사례에서는 일반 Agent가 일반 채팅 대비 약 4배, Multi-Agent는 약 15배의 Token을 사용했습니다.

물론 모든 AI 업무에서 정확히 4배 또는 15배가 된다는 의미는 아닙니다.

하지만 이 숫자가 보여주는 방향은 중요합니다.

기존 AI 시장의 주요 변수는

사용자 수 × 질문 횟수

였다면 Agent 시대에는 여기에

사용자당 Agent 수 × Agent 업무시간 × 업무당 처리량

이라는 변수가 추가될 수 있기 때문입니다.

왜 중요한가?

AI 사용자가 크게 늘지 않더라도 한 사람이 여러 Agent를 사용하고, 각각의 Agent가 수십 분 또는 수시간 동안 백그라운드에서 업무를 처리한다면 AI 인프라가 실제로 일하는 시간은 크게 늘어날 수 있습니다.

따라서 Agent의 확산은 단순한 AI 소프트웨어의 변화가 아니라 데이터센터의 연산 수요를 증가시키는 변화로 볼 수 있습니다.

---

3. 진짜 중요한 변화는 HBM에서 끝나지 않을 수 있다

이번 리포트에서 개인적으로 가장 주목할 부분은 바로 여기입니다.

AI Agent가 늘어나면 GPU만 더 필요한 것이 아닙니다.

AI가 기억해야 하는 데이터도 함께 증가합니다.

여기서 중요한 개념이 KV Cache입니다.

KV Cache란 무엇일까?

AI가 이전에 처리했던 내용을 다음 계산에서 다시 활용하기 위해 임시로 저장해두는 데이터라고 이해하면 쉽습니다.

기존 챗봇은 질문에 답하고 대화가 끝나면 KV Cache를 오래 유지할 필요가 상대적으로 적었습니다.

하지만 Agent는 최초 지시사항부터 참고자료, 검색 결과, 프로그램 실행 결과, 중간 산출물, 이전 판단 등을 업무가 끝날 때까지 계속 참고해야 합니다.

업무가 길어질수록 필요한 KV Cache가 커지고, 여러 Agent가 동시에 움직이면 각 Agent마다 별도의 데이터가 필요해집니다.

결국 한 사람이 AI와 한 번 대화하던 환경에서 한 사람이 여러 Agent에게 동시에 업무를 맡기는 환경으로 변하면 메모리 사용량 역시 커질 수 있다는 논리입니다.

---

AI Agent가 메모리 수요를 늘리는 구조

이번 리포트의 핵심 논리를 한 번에 정리하면 다음과 같습니다.

AI 챗봇 → AI Agent

↓

업무 수행시간 증가

↓

Multi-Agent 동시 실행

↓

Token·Context·KV Cache 증가

↓

AI 가속기 가동시간 증가

↓

HBM·서버 DRAM·Enterprise SSD 수요 확대 가능성

즉, 단순히 “AI가 발전하니까 HBM이 많이 필요하다”는 이야기가 아닙니다.

AI가 실제 업무를 수행하는 시간이 길어지고 동시에 작동하는 Agent가 많아질수록 연산과 저장을 담당하는 전체 반도체 인프라의 사용량이 증가할 수 있다는 것이 핵심입니다.

---

HBM·DRAM·SSD는 각각 어디에 사용될까?

이 부분은 리포트 p.5의 「에이전트 확산에 따른 메모리별 용처」 표가 매우 잘 정리돼 있습니다.

▲ Agent 확산에 따른 메모리별 용처

초보 투자자가 이해하기 쉽게 다시 정리하면 다음과 같습니다.

메모리	주요 역할	Agent 시대에 필요한 이유
HBM	GPU가 현재 계산 중인 모델·KV Cache	동시에 실행되는 Agent와 긴 Context 증가
서버 DRAM	곧 다시 사용할 Context·중간 결과	모든 데이터를 비싼 HBM에 저장할 수 없기 때문
Enterprise SSD	업무 기록·문서·장기 Context	Agent의 업무시간이 길어지면서 데이터가 누적

쉽게 비유하면 HBM은 지금 책상 위에 펼쳐놓고 사용하는 자료에 가깝습니다.

서버 DRAM은 잠시 뒤 다시 사용할 자료를 가까운 곳에 보관하는 공간, Enterprise SSD는 오랫동안 보관해야 할 문서와 업무 기록을 저장하는 창고라고 생각하면 이해하기 쉽습니다.

Agent가 많아지면 책상 위에 필요한 자료도 늘어나고, 잠시 보관할 자료도 많아지고, 장기간 저장해야 할 업무 기록도 함께 쌓입니다.

그래서 한화투자증권은 Agent 확산이 HBM뿐 아니라 서버 DRAM과 Enterprise SSD까지 메모리 수요를 확산시킬 가능성에 주목하고 있습니다.

---

긴 Context가 왜 메모리에 중요할까?

Agent가 실제 업무를 수행하려면 많은 정보를 오랫동안 기억할 수 있어야 합니다.

이번 리포트에서 다루는 Astra의 최대 Context Window는 105만 Token입니다.

Context Window는 쉽게 말해 AI가 하나의 업무를 처리하면서 동시에 참고할 수 있는 정보의 범위입니다.

중요한 것은 단순히 많은 정보를 넣을 수 있다는 것만이 아닙니다.

리포트에 따르면 Astra는 장문맥 평가에서 51.2만~100만 Token 구간에서도 96.3%의 정보 검색 정확도를 기록했습니다.

▲ 장문맥 정보 검색 정확도

AI가 수십만~100만 Token 규모의 정보를 실제 업무에서 활용할 수 있게 된다면 Context가 단순한 스펙 경쟁을 넘어 실제 데이터 처리량 증가로 연결될 가능성이 있습니다.

특히 Agent는 텍스트뿐 아니라 영수증, 제품 사진, 화상회의 기록, 컴퓨터 화면 등 다양한 데이터를 함께 처리할 수 있기 때문에 업무 범위가 넓어질수록 처리하고 저장해야 하는 데이터 역시 증가할 수 있습니다.

---

GPU와 ASIC은 어떻게 될까?

Agent 시대에는 GPU뿐 아니라 AI 전용 ASIC의 역할도 커질 수 있다는 것이 이번 리포트의 전망입니다.

Agent 서비스가 대규모로 확산되면 동일한 모델의 추론을 수많은 사용자에게 반복해서 제공해야 합니다.

연산 방식이 일정하고 규모가 큰 서비스에서는 특정 연산에 최적화된 ASIC이 범용 GPU보다 전력효율과 운영비용 측면에서 유리할 수 있습니다.

다만 리포트는 Agent 업무 전체가 곧바로 ASIC으로 전환될 것으로 보지는 않습니다.

Agent마다 사용하는 모델과 Context 길이, 프로그램, 연산 방식이 다르고 새로운 모델과 추론 기법도 빠르게 등장하기 때문입니다.

따라서 한화투자증권은 초기 개발과 복잡한 Agent 업무에서는 GPU가 중심을 유지하고, 사용량이 충분히 크면서 연산 방식이 표준화된 서비스부터 ASIC 비중이 높아질 가능성을 제시합니다.

즉, Agent 시장의 확대가 GPU를 ASIC으로 단순 대체하기보다는 전체 추론 시장 자체를 키우면서 GPU와 ASIC 수요가 함께 증가하는 방향을 예상하고 있는 것입니다.

---

앞으로 좋아질 수 있는 이유

이번 리포트의 논리를 기준으로 메모리 산업의 긍정적인 요인은 크게 네 가지로 정리할 수 있습니다.

첫째, AI의 사용시간이 길어질 수 있습니다.
질문에 답하고 끝나는 챗봇과 달리 Agent는 하나의 업무를 수십 분 또는 수시간 수행할 수 있습니다.

둘째, 한 사람이 사용하는 Agent의 숫자가 증가할 수 있습니다.
여러 Agent가 동시에 실행되면 각각 별도의 Context와 KV Cache가 필요합니다.

셋째, AI가 처리하는 데이터의 양과 종류가 증가할 수 있습니다.
문서와 텍스트뿐 아니라 이미지·영상·업무 기록·프로그램 실행 결과 등으로 데이터가 다양해질 수 있습니다.

넷째, 메모리 수요가 HBM에만 머물지 않을 가능성이 있습니다.
현재 연산에는 HBM, 가까운 데이터에는 서버 DRAM, 장기 업무 기록에는 Enterprise SSD가 사용되면서 메모리 수요가 여러 계층으로 확산될 수 있습니다.

---

체크해야 할 위험요인

리포트의 논리는 상당히 흥미롭지만 아직 실제 메모리 수요로 얼마나 연결될지는 확인해야 합니다.

1. Agent 사용량이 실제로 얼마나 증가할까?

Multi-Agent가 일반 채팅보다 많은 Token을 사용하는 것은 확인할 수 있지만 모든 업무에서 15배의 Token이 필요한 것은 아닙니다.

기업과 개인이 Agent를 얼마나 빠르게 도입하는지가 중요합니다.

2. AI 서비스의 효율화도 함께 진행될 수 있다

AI 모델과 반도체, 소프트웨어는 계속 효율화되고 있습니다.

Agent 사용량 증가가 곧바로 같은 비율의 반도체 수요 증가로 연결된다고 단순하게 계산해서는 안 됩니다.

3. GPU와 ASIC의 경쟁구도도 확인해야 한다

Agent 서비스가 표준화되면 Hyperscaler가 자체 ASIC 비중을 높일 가능성도 있습니다.

다만 이번 리포트에서는 이를 GPU의 단순 대체보다는 전체 추론 시장 확대 과정에서 나타나는 변화로 보고 있습니다.

4. 리포트의 핵심은 '전망'이다

한화투자증권은 반도체 산업에 Positive 의견을 제시하고 있지만, 이는 향후 업종 수익률에 대한 증권사의 전망입니다.

AI Agent 확산이 실제 HBM·DRAM·SSD 출하량과 가격 상승으로 이어지는지는 앞으로 실제 산업 데이터를 통해 확인해야 합니다.

---

초보 투자자가 알아둘 내용

Token

AI가 문장을 읽고 생성할 때 처리하는 기본 단위입니다.

Agent가 더 많은 문서와 정보를 읽고 더 오래 업무를 수행할수록 처리해야 하는 Token도 많아질 수 있습니다.

Context Window

AI가 하나의 작업에서 동시에 참고할 수 있는 정보의 최대 범위입니다.

Context Window가 커지면 긴 문서와 과거 작업 기록을 함께 참고하면서 복잡한 업무를 수행하기 쉬워집니다.

KV Cache

AI가 이미 처리한 정보를 다음 계산에서 다시 활용하기 위해 임시로 저장하는 데이터입니다.

긴 Context와 여러 Agent의 동시 실행은 KV Cache 수요를 증가시키는 요인이 될 수 있습니다.

Enterprise SSD

일반 소비자용 PC가 아니라 서버와 데이터센터에서 사용하는 고성능·고신뢰성 SSD입니다.

AI Agent가 장시간 업무를 수행하면서 생성하는 문서와 기록, 장기 Context가 늘어나면 이러한 데이터를 저장하는 공간의 중요성도 커질 수 있습니다.

---

앞으로 확인해야 할 숫자 5가지

확인할 지표	왜 중요한가?
AI Agent 실제 사용자·기업 도입	Agent 시장이 실제로 확대되는지 확인
AI 추론 Token 사용량	AI 사용량 증가 속도 확인
GPU당 HBM 탑재량	고성능 메모리 수요 증가 확인
서버 DRAM 수요·가격	수요가 HBM 밖으로 확산되는지 확인
Enterprise SSD 수요·가격	AI 데이터 저장 수요 확대 여부 확인

특히 앞으로는 HBM 하나만 보는 것보다 서버 DRAM과 Enterprise SSD까지 함께 확인하는 것이 중요해질 수 있습니다.

---

핵심 정리

이번 한화투자증권 리포트에서 가장 중요한 내용은 특정 AI 모델이 얼마나 똑똑해졌느냐가 아닙니다.

AI가 사용되는 방식 자체가 바뀌고 있다는 것입니다.

기존에는 사람이 AI에게 질문하면 답변을 생성하고 작업이 끝났습니다.

Agent 시대에는 AI가 자료를 찾고, 프로그램을 실행하고, 결과를 검토하고, 오류를 수정하면서 하나의 업무를 장시간 수행할 수 있습니다.

여기에 여러 Agent가 동시에 움직이기 시작하면

Agent 증가 → 업무시간 증가 → Token 증가 → Context·KV Cache 증가 → 연산·메모리 수요 증가

라는 새로운 구조가 만들어질 수 있습니다.

그리고 이 변화가 중요한 이유는 수혜 가능성이 HBM 하나에서 끝나지 않을 수 있기 때문입니다.

현재 연산에 필요한 데이터는 HBM, 곧 다시 사용할 데이터는 서버 DRAM, 장기간 축적되는 업무 데이터는 Enterprise SSD로 연결될 수 있습니다.

결국 앞으로 메모리 산업에서 확인해야 할 질문은 단순히

“AI 서버가 몇 대 더 만들어질까?”

만이 아닐 수 있습니다.

“한 명의 사용자가 몇 개의 Agent를 얼마나 오래 사용하고, 그 과정에서 얼마나 많은 데이터를 처리하고 저장하게 될까?”

이번 리포트가 일반 투자자에게 던지는 가장 중요한 질문은 이것이라고 볼 수 있습니다.

---

자료 출처

한화투자증권 리서치센터, 「반도체 - Astra가 예고하는 메모리 수요의 폭발적 증가」, 2026년 9월 10일.
Analyst 박준영 / RA 김나우
본문에 언급된 AI 모델 및 Agent 관련 자료의 원출처는 리포트에 기재된 OpenAI, Anthropic 자료 등을 바탕으로 합니다.

---

투자 유의사항
이 글은 한화투자증권 산업 리포트의 내용을 일반 투자자가 이해하기 쉽도록 재구성한 정보성 콘텐츠입니다. 리포트에서 제시한 전망과 판단은 해당 증권사의 분석 의견이며 실제 결과와 다를 수 있습니다. 특정 기업이나 종목에 대한 매수·매도 추천이 아니며, 최종 투자 판단과 책임은 투자자 본인에게 있습니다.