엔비디아 GPU·메모리, 이제 덜 필요할까? 플래핑 에어플레인즈의 도전

플래핑 에어플레인즈(Flapping Airplanes)가 AI 효율을 높이려는 것은 맞지만, 엔비디아 GPU와 메모리가 더는 많이 필요하지 않다고 입증한 것은 아닙니다. 같은 일을 더 적은 자원으로 처리하는 기술과, AI 산업 전체의 반도체 수요가 줄어드는 현상은 다른 문제입니다.

이 소식은 메모리 투자자에게 꽤 불편한 질문을 던집니다. 비싼 장비를 더 사는 대신 이미 산 장비를 더 잘 쓰면 되는 것 아닐까요? 저는 이 질문을 가볍게 넘길 필요도, 곧바로 ‘HBM 호황의 끝’으로 받아들일 필요도 없다고 봅니다.

확인일: 2026년 10월 23일 KST. 기업의 설명, 공개 연구 결과, 아래의 가상 계산을 구분합니다. 이 글은 산업을 읽기 위한 정보이며 매수·매도 추천이나 주가 예측이 아닙니다.

먼저 구분할 세 문장

적은 데이터로 학습한다 ≠ 모델 가중치가 작아졌다.
메모리에서 덜 기다린다 ≠ 장착한 HBM 용량이 줄었다.
커널 하나로 묶는다 ≠ GPU 한 개만 쓴다.

목차와 핵심 용어

공식 발표 — 회사가 공개한 목표와 아직 검증하지 못한 부분.
메가커널 — 여러 실행 단계를 하나의 GPU 프로그램으로 엮는 접근.
용량과 대역폭 — 저장할 수 있는 양과 초당 옮기는 양.
단위 효율과 총수요 — 절감률만으로 산업의 크기를 계산할 수 없는 이유.
메모리 산업 체크포인트 — 제품별 출하·가격·수익성으로 검증하기.

1. 10억 달러가 몰렸지만, 성능표를 산 것은 아니다

Index Ventures는 2026년 10월 21일 Flapping Airplanes의 10억 달러 Series A 투자를 이끈다고 발표했습니다. 투자 유치는 확인할 수 있는 사건이지만, 그 금액이 기술의 성능을 검증해 주지는 않습니다. 투자자 발표와 고객 환경의 재현 가능한 측정은 구분해야 합니다.

회사 공식 사이트는 모델과 시스템을 함께 개선하고, 메가커널에서 학습과 추론을 겹쳐 실행할 수 있다고 설명합니다. NVIDIA도 후원 투자자 명단에 있습니다. 회사는 자신의 접근이 AI 수요를 더 키울 수 있다고 봅니다. 이것은 회사의 주장과 전망이지, 독립 검증된 시장 수요 예측은 아닙니다.

검토한 발표 자료에는 비교 가능한 조건으로 ‘GPU 몇 % 감소, HBM 몇 % 감소’를 확정할 근거가 없습니다. 원문 SNS에 함께 등장한 Recursive의 Flint는 별개 회사의 모델입니다. 그 모델의 노트북 실행 설명을 Flapping Airplanes의 성과로 옮기지 않습니다. NVIDIA가 투자한 이유를 ‘칩이 안 팔릴까 봐 든 보험’으로 확정할 근거도 없습니다.

2. 메가커널은 칩을 없애는 기술일까?

아닙니다. NVIDIA의 CUDA 설명에서 커널은 GPU에서 실행하도록 호출하는 함수입니다. 칩 개수를 세는 단위가 아닙니다. 메가커널이라는 단어만 보고 데이터센터 전체가 GPU 한 개로 대체됐다고 읽으면 출발점부터 어긋납니다.

쉽게 말하면 작업 사이의 빈틈을 줄이는 문제입니다. 계산 장치가 일할 때 다음 데이터를 준비하고, 통신이 진행되는 동안 가능한 다른 일을 배치하는 식입니다. 단, 모든 작업을 동시에 돌릴 수는 없습니다. 같은 대역폭이나 메모리 공간을 두 작업이 함께 요구하면 서로 방해할 수도 있습니다. 자원을 공유한다는 사실과 자원이 무한해졌다는 말은 다릅니다.

학술적 선행 사례도 범위를 붙여 읽어야 합니다. 2025년 9월 Stanford Hazy Research의 공개 연구는 H100 기반 Llama-70B 추론을 다뤘습니다. 이는 2026년 회사의 학습 시스템 성능표가 아닙니다. 연구 소개는 8-GPU 구성도 명시합니다.

3. 메모리를 더 잘 쓴다면 HBM은 줄어야 하지 않을까?

경우에 따라 그럴 수 있지만 자동으로 성립하지는 않습니다. 용량은 GB, 대역폭은 GB/s, 데이터 이동량은 GB처럼 구분해야 합니다. 왕복 이동이나 대기 시간이 줄어도, 모델 가중치와 KV cache를 담을 공간이 그대로 필요할 수 있습니다.

반대 방향의 교환도 가능합니다. 같은 2025년 연구의 특정 설계는 통신을 줄이려고 일부 가중치를 복제하면서 GPU당 메모리 9GB를 추가로 쓰고 최대 배치 크기는 약 15% 줄었다고 설명합니다. 이 수치를 현재 회사의 제품에 적용할 수는 없지만, ‘더 빠르면 메모리도 반드시 덜 든다’는 등식이 성립하지 않는 사례입니다.

여기서 확인할 질문은 구체적입니다. 줄었다는 것이 최대 상주 메모리인가요, HBM을 오가는 바이트인가요, 작업 완료 시간인가요? 세 수치가 어떻게 달라졌는지 공개하지 않으면 메모리 업체의 출하량까지 계산할 수 없습니다.

4. 25% 빨라졌는데 총 GPU 사용량은 28% 늘 수도 있다

다음은 회사의 전망이 아니라 직접 검산한 가상 예제입니다. 같은 GPU·품질·작업 구성에서 처리량이 1.25배가 됐다고 가정해 봅시다. 이전에 100 GPU·시간이던 고정 작업은 80 GPU·시간으로 줄어듭니다. 그러나 요청량이 1.6배가 되면 필요한 시간은 128 GPU·시간입니다.

가정: 같은 조건에서 처리량 1.25배

↓

요청량 그대로: 100 ÷ 1.25 = 80 GPU·시간
자원 사용 20% 감소

요청량 1.6배: 100 × 1.6 ÷ 1.25 = 128 GPU·시간
총사용 28% 증가

작성자가 만든 조건부 산술 도식. 회사 실측·수요 전망·HBM 출하 예측이 아닙니다. GPU·시간은 GPU 대수와 같지 않습니다.

이 단순식은 ‘처리할 일의 증가율 ÷ 유효 처리량의 증가율’입니다. 실제 서비스에서는 지연 목표, 피크 시간, 가동률, 장애 여유분도 들어갑니다. 효율 향상으로 가격이 내려가도 이용량이 반드시 크게 늘어난다는 보장은 없습니다. 반대로, 신규 이용이 절감 효과를 넘어설 가능성도 열어둬야 합니다.

5. 삼성·SK하이닉스는 무엇을 확인해야 할까?

삼성전자의 HBM 제품 자료와 SK하이닉스의 HBM4 발표는 두 회사가 이 메모리 시장에 실제로 노출돼 있음을 보여줍니다. 그렇다고 새 소프트웨어 발표만으로 두 회사의 향후 출하량이나 영업이익 변화를 알 수는 없습니다.

고정 작업 절감: 같은 품질·지연 목표에서 실제 GPU 구매나 증설이 줄었는가?
장착 용량: 가속기당 HBM 용량과 패키지 구성이 바뀌었는가?
이용량: 싸진 비용 덕분에 새 서비스와 유료 사용량이 얼마나 늘었는가?
제품 믹스: HBM·서버 DRAM·스토리지 중 어느 수요가 이동했는가?
실적: 계약 조건, 비트 출하량, 실제 판매가격과 이익률이 어떤 순서로 바뀌는가?

메모리 매출을 읽는 기본은 여전히 제품·기간을 맞추는 것입니다. DRAM·NAND 가격·물량·제품 믹스 구분을 함께 보면 발표 한 줄에서 실적 결론으로 건너뛰는 실수를 줄일 수 있습니다. 서비스 성능은 최고 처리량보다 지연 조건을 통과한 Goodput으로 비교해야 합니다.

6. 결론: ‘덜 필요하다’보다 먼저 확인할 것

Flapping Airplanes의 도전이 성공하면 같은 결과를 내는 데 쓰는 GPU·전력·데이터가 줄어들 수 있습니다. 그 가능성은 인프라 투자 논리의 중요한 위험 요인입니다. 하지만 현재 확인된 내용은 GPU의 퇴장이 아니라 활용 방식을 바꾸려는 시도입니다.

저는 ‘메모리 수요가 끝났다’와 ‘효율이 오르면 수요는 무조건 폭발한다’ 둘 다 성급하다고 봅니다. 먼저 재현 가능한 성능과 최대 메모리 사용량을 확인하고, 그다음 실제 이용량·주문·가격 변화를 따라가야 합니다. 자극적인 제목 뒤에서 놓치지 말아야 할 답은 이 순서입니다.

Appendix. 검증할 때 받아야 할 최소 자료

비교할 모델·품질, GPU 종류와 대수, 정밀도, 입력·출력 길이, 배치·동시 요청, 지연 백분위수, 최대 메모리 사용량, 전력·완료 시간을 같은 표에 둡니다. 학습 데이터 효율은 같은 품질에 도달하는 학습 자원으로, 추론 효율은 실제 서비스 요청으로 따로 확인합니다. 위 계산은 Node.js 24.14.1·Windows에서 산술만 실행했으며 GPU나 회사 프레임워크는 실행하지 않았습니다.

출처와 확인 범위

계기가 된 10월 22일 X 게시물: 회사 두 곳을 구분해 확인했으며, 기술 근거는 위 공식 자료로 교차 확인했습니다.
Flapping Airplanes 공식 사이트: 회사 주장·투자자 명단, 10월 23일 확인.
Index Ventures의 10월 21일 투자 발표: 투자자의 관점임을 구분했습니다.
Hazy Research의 2025년 공개 연구: 현재 회사 성능과 구분했습니다.
CUDA·삼성 HBM·SK하이닉스 HBM4 자료는 각 관련 문단에 연결했습니다. 기사 사진·원문 차트는 재사용하지 않았습니다.

이 블로그 검색

Deoks