AI 수요는 GPU 수만 세어서는 계산할 수 없습니다. 가속기당 HBM, CPU 메모리, 랙 수량과 ASIC 구성이 모두 중요합니다.
01
랙당 메모리
GB300 NVL72는 HBM 20.736 TB와 CPU 메모리 17.280 TB, 합계 38.016 TB입니다. Vera Rubin 모델은 HBM 20.736 TB와 CPU 메모리 54 TB, 합계 74.736 TB를 사용합니다.
36.720 TB 증가는 주로 CPU 측에서 발생합니다. 최종 HBM 구성이 높아지면 현재 모델은 보수적입니다.
02
NVIDIA 연간 수요
2026년 GB300 6.5만 랙과 Rubin 1만 랙은 3.2184 EB를 소비합니다. 2027년 Rubin 8.5만 랙은 6.3526 EB로 전년 대비 3.1342 EB 증가합니다.
랙당 TB에 랙 수를 곱하고 1,000,000으로 나눕니다. 연간 총량과 증가량은 엄격히 구분합니다.
03
ASIC과 총증가
Google, AWS, Meta, Microsoft, OpenAI 및 기타 ASIC 기준 모델은 2.705 EB를 추가합니다. NVIDIA와 합친 엄격한 증가량은 5.839 EB입니다.
이는 AI 가속 시스템의 추가 수요이며 2027년 글로벌 DRAM 총수요가 아닙니다.
산업 리서치용이며 투자 조언이 아닙니다. 전망은 가정에 따라 실제 결과와 크게 다를 수 있습니다.
방법론