GPU on Korea Invest Insights

AI 인프라 멀티플 지도: 왜 삼성전자는 싸고 삼성전기는 비싸 보이는가

Sun, 31 May 2026 09:00:00 +0900

후속 글 맥락 이 글은 삼성전자 특별성과급·슈퍼사이클 글과 삼성전기 시총 138조원 peer premium 글을 연결하는 글입니다. 앞선 글들이 각각 “삼성전자 DS 이익 duration"과 “삼성전기 MLCC·FC-BGA·Si-Cap 프리미엄"을 봤다면, 이번 글은 같은 AI 인프라 사이클 안에서 왜 서로 다른 멀티플을 받아야 하는지 정리합니다. 관련 허브는 AI HBM 허브, AI 기판·PCB 허브, 한국 반도체 밸류체인 허브입니다.

TL;DR

같은 AI 인프라 사이클 안에 있어도 시장은 같은 멀티플을 주지 않습니다. 멀티플은 단순한 “AI 노출도"가 아니라 이익 지속기간, 가격 결정권, 고객 lock-in, 증설 리스크, 피크이익 의심의 함수입니다.

현재 가장 위험한 구간은 MLCC·FC-BGA 병목주를 GPU/HBM급 구조적 독점처럼 재평가하는 부분입니다. 병목은 맞지만, 모든 병목이 NVIDIA 같은 플랫폼 멀티플을 받을 수는 없습니다.

가장 강한 상대가치 아이디어는 삼성전자입니다. HBM catch-up, 메모리 가격, 파운드리 옵션을 갖고도 입력 자료의 2026-05-29~30 공개 데이터 스냅샷 기준 forward P/E 약 7.8배, P/B 약 4.4배 수준입니다. 반대로 삼성전기는 방향은 맞지만 가격이 이미 여러 해의 성공을 요구합니다. (Yahoo Finance)

1. 핵심 산식

AI 인프라 멀티플 차이는 “누가 같은 수요 사이클에 노출되어 있는가"가 아니라, 누가 초과이익을 더 오래, 더 적은 재투자로, 더 확실한 계약 구조 아래 가져가는가의 차이입니다.

Multiple Premium
= 가격 결정권 × 수요 지속성 × 고객 lock-in × FCF 전환율

Multiple Discount
= 증설 capex 부담 × 공급 과잉 가능성 × 피크이익 의심 × 고객 집중 리스크

이 산식으로 보면 GPU, HBM, CPU, MLCC, FC-BGA는 모두 AI capex 사이클 안에 있지만 서로 다른 자산입니다.

레이어	멀티플을 올리는 요인	멀티플을 누르는 요인	핵심 질문
GPU / 플랫폼	CUDA, rack-scale system, software lock-in, asset-light 구조	custom ASIC, 중국 규제, hyperscaler bargaining power	고객이 시간을 사는가, 칩을 사는가
HBM / 메모리	HBM4, sold-out, LTA, GPU당 탑재량 증가	메모리 피크이익 의심, capex, 공급 다변화	이익이 사이클인가, 계약 기반 franchise인가
CPU	AI 서버 attach 증가, orchestration 수요	대체 가능성, ARM/custom CPU, 낮은 scarcity	primary bottleneck인가, 필수 보조재인가
FC-BGA	대면적·고다층 기판, 고객 인증, 긴 리드타임	capex-heavy, 감가상각, ABF 과잉 기억	capex가 LTA/선급금으로 underwritten 되는가
MLCC / Si-Cap	전력무결성 병목, 고신뢰 제품, 작은 BOM이라 가격 저항 낮음	AI 매출 순도 부족, 범용 MLCC 사이클, 경쟁 공급	shipment blocker인가, 단순 수동부품인가

2. GPU: 최고 멀티플을 받는 이유

GPU는 단순 반도체 부품이 아닙니다. NVIDIA는 GPU, networking, rack-scale system, CUDA, software stack, reference architecture를 함께 지배합니다. 고객은 칩 하나를 사는 것이 아니라 AI factory 구축 시간을 삽니다.

NVIDIA FY2027 1분기 매출은 816억 달러, 데이터센터 매출은 752억 달러였고, 다음 분기 매출 가이던스는 910억 달러입니다. 이 정도 성장률과 gross margin 구조라면, 시가총액이 크다는 사실만으로 “과열"이라고 보기 어렵습니다. (NVIDIA Investor Relations)

GPU 멀티플의 본질은 다음입니다.

항목	해석
P	GPU·랙·시스템 단위 ASP를 유지하거나 올릴 수 있음
Q	AI 데이터센터 capex가 accelerator 수요로 직접 연결
C	fabless 구조와 플랫폼 프리미엄으로 capex 부담이 공급망에 분산

Red Team도 있습니다. hyperscaler custom ASIC, 전력·부지·냉각 병목, 중국 수출 규제, 고객 bargaining power가 모두 리스크입니다. Broadcom의 AI 매출도 Q1 84억 달러, Q2 AI semiconductor revenue 가이던스 107억 달러로 빠르게 커지고 있습니다. (Broadcom Inc.)

그래도 GPU 플랫폼은 여전히 AI 인프라에서 가장 높은 quality multiple을 받을 수 있는 레이어입니다. 이유는 “GPU라서"가 아니라 AI factory operating system을 장악하기 때문입니다.

3. HBM: 이익은 뜨겁지만 피크이익 의심을 받는 이유

HBM은 GPU와 custom ASIC의 성능을 결정하는 메모리 대역폭 병목입니다. HBM 없이는 GPU도 제대로 출하되지 않습니다. 그런데도 SK하이닉스·Micron 같은 HBM 기업의 forward P/E는 NVIDIA나 Broadcom보다 낮게 보입니다.

이것은 수요가 약해서가 아닙니다. 시장이 HBM 이익을 아직 “구조적 이익"으로 완전히 인정하지 않고, 여전히 메모리 사이클의 피크이익으로 할인하기 때문입니다.

항목	해석
P	HBM ASP는 범용 DRAM 대비 강한 프리미엄
Q	GPU·ASIC당 HBM 탑재량, stack 수, HBM4/HBM4E 전환이 성장축
C	TSV, stacking, packaging, yield, wafer allocation 부담이 큼

HBM의 핵심은 LTA입니다. 전통 DRAM은 spot 가격과 재고 사이클에 노출됐지만, HBM은 고객별 qualification, allocation, 장기 계약, 가격·물량 확정 구조가 강해지고 있습니다. LTA가 강할수록 시장은 HBM을 단순 commodity DRAM이 아니라 계약 기반 high-value memory franchise로 볼 수 있습니다.

다만 P/B를 같이 봐야 합니다. 입력 자료 기준 SK하이닉스와 Micron의 forward P/E는 낮지만 P/B는 이미 상당히 높습니다. 이것은 “싸다"와 “피크이익 의심이 크다"가 동시에 존재하는 상태입니다. (Yahoo Finance, Yahoo Finance)

4. CPU: 필수지만 primary choke point는 아니다

CPU는 AI 서버에 필수입니다. host CPU, orchestration, storage/network control, preprocessing, inference serving에 필요합니다. AMD의 Q1 데이터센터 매출도 58억 달러로 전년 대비 57% 증가했습니다. (Advanced Micro Devices, Inc.)

하지만 AI 인프라 투자에서 primary bottleneck은 GPU, HBM, networking, advanced packaging 쪽에 더 가깝습니다. CPU는 필요하지만 대체 가능성이 큽니다. x86, ARM, hyperscaler internal CPU, NVIDIA Vera CPU, Intel Xeon, AMD EPYC 사이에서 고객 선택권이 있습니다.

그래서 CPU 멀티플은 조심해야 합니다.

회사	해석
AMD	서버 CPU 점유율 상승은 사실이나, 높은 forward P/E는 EPYC share gain과 Instinct GPU ramp를 동시에 요구
Intel	턴어라운드 옵션은 있으나, foundry·공정·AI accelerator 중 최소 하나의 실행 증거가 필요

CPU는 AI 사이클의 수혜를 받지만, standalone CPU thesis는 GPU/HBM/FC-BGA/MLCC보다 알파 강도가 낮습니다.

5. FC-BGA와 MLCC: 맞는 테마지만 현재 가격은 병목을 독점으로 오인할 수 있다

삼성전기, Murata, Ibiden이 부각되는 이유는 분명합니다. AI accelerator, server CPU, networking ASIC이 커질수록 대형·고다층 FC-BGA와 고신뢰 MLCC 수요가 늘어납니다. AI 서버는 전력 피크가 커지고, 전압 마진은 줄어들며, 순간 전압강하를 잡는 전력무결성 부품의 가치가 올라갑니다.

삼성전기는 Q1 2026 매출 3.209조원, 영업이익 2,806억원을 기록했고, AI 서버용 MLCC와 AI accelerator/server CPU용 FC-BGA 공급 증가를 실적 개선 요인으로 제시했습니다. (Samsung Electro-Mechanics)

또한 삼성전기는 글로벌 대형 기업과 약 1.5조원 규모의 실리콘 커패시터 공급계약을 체결했습니다. 계약 기간은 2027년 1월 1일부터 2028년 12월 31일까지입니다. (Samsung Electro-Mechanics)

이것은 강한 팩트입니다. 문제는 가격입니다.

레이어	왜 병목인가	왜 GPU/HBM 멀티플과 같을 수 없는가
FC-BGA	칩이 커질수록 면적·층수·신호무결성 난이도 상승	capex-heavy, 감가상각 부담, ABF 과잉 기억
MLCC	작은 부품이지만 전력 안정화 실패 시 서버 출하 차질 가능	범용 MLCC 사이클과 섞이고, AI 매출 순도가 낮음
Si-Cap	AI GPU·HBM 패키지 내부 die-near PDN 부품	고객·마진·수율·반복 수주가 아직 대부분 미공개

ResearchAndMarkets는 글로벌 FC-BGA 시장이 2026년 24.6억 달러에서 2032년 37.4억 달러로 증가하고, CAGR 7.1%를 기록할 것으로 제시합니다. 이 시장 성장률만으로 일부 FC-BGA 주식의 100배 P/E를 장기 정당화하기는 어렵습니다. (Research and Markets)

따라서 MLCC·FC-BGA thesis의 결론은 “틀렸다"가 아닙니다. 정확히는 방향은 맞지만, 가격은 LTA·선급금·마진·AI 매출 순도 확인을 요구한다입니다.

6. 삼성전자 vs 삼성전기: 같은 AI 사이클, 다른 가격

삼성전자: 메모리 사이클주가 아니라 AI memory hierarchy option

삼성전자의 상대가치가 가장 흥미로운 이유는 HBM 순도만이 아닙니다. 삼성전자는 HBM4E catch-up, DDR5, SOCAMM2, eSSD/KV-cache storage, 파운드리 option을 동시에 갖습니다. NVIDIA Vera Rubin 추론 스택 글에서 정리했듯, AI 추론은 HBM만이 아니라 SRAM, eSSD, KV-cache, networking이 결합된 memory hierarchy 문제로 바뀌고 있습니다.

입력 자료 기준 삼성전자는 forward P/E 약 7.8배, P/B 약 4.4배입니다. SK하이닉스보다 HBM 순도는 낮지만, valuation gap과 HBM catch-up option 때문에 risk/reward가 더 좋습니다. (Yahoo Finance)

삼성전자 thesis의 핵심 체크포인트는 다음입니다.

체크포인트	의미
HBM4E qualification	SK하이닉스와의 valuation gap 축소 조건
DDR5·server DRAM 가격	범용 메모리 supercycle duration 확인
eSSD/KV-cache	AI inference memory hierarchy 노출
Samsung Foundry	custom ASIC option이 살아나는지 확인

삼성전기: thesis는 맞지만 가격이 먼저 갔다

삼성전기는 MLCC + FC-BGA + Si-Cap을 동시에 가진 희소한 한국 부품사입니다. 삼성전기 Si-Cap과 EMIB-T 글과 시총 138조원 peer premium 글에서 본 것처럼, 삼성전기는 AI 패키지 전력무결성 supplier로 재분류될 수 있습니다.

하지만 재분류 가능성과 현재 주가의 매력은 다릅니다. 입력 자료 기준 삼성전기는 TTM P/E 약 195배, forward P/E 100배 이상, P/B 약 16배 구간입니다. 이 가격은 “좋은 회사"가 아니라 반복 수주, 고마진, 2027~2028년 이익 레벨업이 모두 확인되는 회사를 요구합니다.

삼성전기에서 지금 봐야 할 것은 스토리가 아니라 숫자입니다.

필요 증거	왜 중요한가
추가 Si-Cap 고객	단일 대형 계약인지, 플랫폼화인지 구분
Si-Cap margin	고부가 thesis 검증
AI 서버용 MLCC ASP	범용 MLCC와 차별화 확인
FC-BGA 가동률·OPM	capex-heavy 리스크 흡수 여부
LTA/선급금	capex 회수 확실성 확인

7. 실전 판단

구분	판단	이유
Samsung Electronics	Under / Buy now 후보	HBM catch-up + 범용 메모리 가격 + 파운드리 option 대비 멀티플 낮음
NVIDIA	상대적 Fair~Under	forward P/E는 높지 않지만, 시총·규제·custom ASIC 리스크 때문에 position sizing 필요
SK hynix	Fundamental Under, Tactical Wait	HBM pure alpha는 강하지만 P/B와 단기 급등 부담
Micron	Fair~Under, 변동성 큼	HBM·DRAM cycle upside와 P/B re-rating이 동시에 존재
Broadcom	Fair~소폭 Over	AI ASIC visibility는 강하나 이미 높은 valuation
AMD	Over	CPU share gain만으로는 높은 멀티플 방어 어려움
Intel	Over / Avoid	턴어라운드 기대가 실행 증거보다 먼저 감
Samsung Electro-Mechanics	Over / Avoid chasing	thesis는 맞지만 가격이 반복 수주와 고마진을 선반영
Murata / Ibiden	Over	AI passive/substrate 병목은 맞지만 멀티플이 이미 독점 수준

결론은 단순합니다.

이 사이클에서 가장 위험한 실수는 “NVIDIA 공급망에 들어갔다"는 이유만으로 모든 부품주에 플랫폼 멀티플을 주는 것입니다.

GPU, HBM, MLCC, FC-BGA는 모두 중요합니다. 그러나 margin capture 구조는 다릅니다. 현재 가격 기준으로는 삼성전자와 NVIDIA는 아직 논리적 매수 근거가 있고, SK하이닉스·Micron은 구조적으로 싸지만 진입 타이밍이 문제입니다. 반대로 삼성전기, Murata, Ibiden은 좋은 회사일 수 있으나 현재 주식은 좋지 않을 수 있습니다. 가격이 이미 완벽한 실행을 요구합니다.

8. 근거 구분

[Fact]

NVIDIA FY2027 1분기 매출은 816억 달러, 데이터센터 매출은 752억 달러, Q2 매출 가이던스는 910억 달러입니다. (NVIDIA Investor Relations)
Broadcom Q1 AI revenue는 84억 달러, 전년 대비 106% 증가했고, Q2 AI semiconductor revenue 가이던스는 107억 달러입니다. (Broadcom Inc.)
AMD Q1 2026 데이터센터 매출은 58억 달러, 전년 대비 57% 증가했습니다. (Advanced Micro Devices, Inc.)
삼성전기 Q1 2026 매출은 3.209조원, 영업이익은 2,806억원이며, AI 서버용 MLCC와 AI accelerator/server CPU용 FC-BGA 공급 증가를 실적 개선 요인으로 제시했습니다. (Samsung Electro-Mechanics)
삼성전기는 약 1.5조원 규모 silicon capacitor 공급계약을 체결했고, 계약기간은 2027년 1월 1일부터 2028년 12월 31일까지입니다. (Samsung Electro-Mechanics)

[Inference]

NVIDIA는 GPU supplier라기보다 AI factory platform owner에 가까워 일반 반도체 부품주보다 높은 멀티플을 받을 수 있습니다.
HBM 업체의 낮은 forward P/E는 수요 부진이 아니라 메모리 업황 피크아웃 의심을 반영합니다.
삼성전자는 SK하이닉스보다 HBM 순도는 낮지만, valuation gap과 HBM catch-up optionality 때문에 risk/reward가 더 좋습니다.
MLCC·FC-BGA는 병목 가치가 있으나, CUDA 같은 software/platform lock-in이 아니므로 100배 P/E를 장기 정당화하려면 반복 수주와 마진 증거가 필요합니다.

[Speculation]

2027년 이후 HBM LTA가 fixed-price 또는 prepayment-backed 구조로 확대되면, SK하이닉스와 Micron은 과거 메모리 평균보다 높은 구조적 멀티플을 받을 수 있습니다.
삼성전자가 HBM4E 고객 qualification을 빠르게 통과하면, 2026년 하반기 핵심 alpha는 SK하이닉스보다 삼성전자가 될 수 있습니다.
삼성전기의 Si-Cap 사업이 두 번째·세 번째 AI ASIC 고객으로 확장되면 현재 valuation 부담 일부가 사후적으로 설명될 수 있습니다.

[Blocked]

NVIDIA Vera Rubin향 MLCC/FC-BGA BOM, Murata·삼성전기 납품 비율, 개별 고객별 LTA/선급금 조건, FC-BGA 공급계약의 가격 escalator 조항은 공개자료로 확인되지 않습니다.
삼성전기 Si-Cap의 ASP, 수량, 수율, OPM, 고객명, take-or-pay 여부는 공개되지 않았습니다.
입력 자료의 멀티플은 2026-05-29~30 공개 데이터 스냅샷 기준이며 실시간 시세가 아닙니다.

AI 서버 수동소자 병목: GPU보다 작은 전력 안정화 부품이 왜 중요해졌나

Tue, 26 May 2026 00:00:00 +0000

삼성전기 시리즈 후속편입니다. 이전 글은 삼성전기 시총 100조 돌파, 실리콘 커패시터 1.5조원 계약, MLCC와 실리콘 커패시터 이해하기, 엔비디아 이후 AI 반도체 병목을 참고하세요. 관련 허브는 AI HBM 허브, AI 기판·PCB 허브, 반도체 밸류체인 허브입니다.

TL;DR

AI 서버 수동소자 병목은 GPU가 부족해서가 아니라, GPU가 먹는 전기를 안정적으로 공급·완충·필터링하는 작은 부품들이 고스펙화되며 부족해지는 현상입니다.
쉽게 말하면 AI 서버는 초고성능 엔진이고, MLCC·실리콘 커패시터·인덕터는 연료펌프·충격흡수장치·정수필터입니다.
NVIDIA DGX GB200 랙은 랙당 약 120kW를 소비하고, Lenovo의 GB300 NVL72 구성은 랙당 135kW TDP, 최대 155kW 피크를 언급합니다. AI 서버는 이제 일반 서버가 아니라 전기 먹는 공장 설비에 가깝습니다. (NVIDIA, Lenovo)
투자 관점에서는 MLCC 전체가 아니라 AI 서버용 고용량·저저항·저노이즈·초박형 부품이 병목입니다.
삼성전기가 주목받는 이유는 MLCC + FC-BGA + 실리콘 커패시터를 한 회사 안에서 연결할 수 있기 때문입니다. 다만 이것은 좋은 회사 논리이지, 모든 가격에서 좋은 주식이라는 뜻은 아닙니다.

1. 한 문장 설명

AI 서버 수동소자 병목은 GPU가 순간적으로 엄청난 전기를 빨아먹을 때 전압이 흔들리지 않도록 막아주는 전기 완충재가 더 많이, 더 고성능으로 필요해진다는 이야기입니다.

AI 성능 경쟁은 보통 GPU, HBM, 네트워크 칩으로 설명됩니다. 맞는 말입니다. 그런데 이 칩들이 제대로 작동하려면 더 아래층의 전기 문제가 먼저 해결돼야 합니다.

GPU는 연산할 때 전력을 일정하게 쓰지 않습니다. 연산 부하가 바뀌면 전류가 순간적으로 튑니다. 이때 전압이 흔들리면 연산 오류, 성능 저하, 시스템 불안정이 생깁니다. 그래서 GPU와 HBM 주변에는 전압을 잡아주는 작은 부품이 촘촘하게 필요합니다.

그 작은 부품이 바로 MLCC, 실리콘 커패시터, 인덕터, 필터, 페라이트, VRM 주변 부품입니다.

2. 수동소자는 무엇인가

수동소자는 스스로 계산하지 않습니다. 대신 전기 흐름을 안정화합니다.

부품	비전공자용 비유	AI 서버에서 하는 일
커패시터 / MLCC	물탱크, 쇼크업소버	GPU가 순간적으로 전기를 더 달라고 할 때 바로 공급하고 전압 흔들림을 흡수
실리콘 커패시터	GPU 바로 옆 초소형 비상 배터리	GPU·HBM 패키지 안쪽 또는 바로 근처에서 전력 노이즈를 가장 가까운 위치에서 제거
인덕터	전기 흐름을 부드럽게 만드는 관성 장치	전압 변환 과정에서 전류를 안정적으로 흐르게 함
저항·필터·페라이트	속도 제한기, 잡음 제거 필터	고속 신호와 전력선의 노이즈를 줄임
VRM 주변 부품	GPU용 전력 조리기	48V·12V 전원을 GPU가 먹는 1V 이하 전압으로 변환

TDK는 데이터센터 전원 구조를 UPS → PSU → IBC → VRM → CPU/GPU 전압으로 설명합니다. 각 단계에서 고효율, 낮은 리플, 내열성, 장기 신뢰성이 필요합니다. (TDK)

투자자에게 중요한 포인트는 이것입니다. AI 서버가 커질수록 전원 경로의 모든 단계가 커지지만, 가장 고부가가치가 붙는 곳은 GPU와 가장 가까운 위치입니다.

3. 왜 AI 서버에서 갑자기 병목이 되는가

3.1 GPU는 낮은 전압으로 엄청난 전류를 먹습니다

GPU와 CPU는 보통 1V 이하의 낮은 전압에서 동작합니다. 그런데 연산 부하가 바뀔 때 전류는 수십~수백 암페어 단위로 즉시 변동할 수 있습니다. 삼성전기는 이 때문에 GPU 근처의 고용량 MLCC가 전류 버퍼 역할을 해야 안정적인 시스템 동작이 가능하다고 설명합니다. (Samsung Electro-Mechanics)

비유하면 이렇습니다.

일반 서버: 수도꼭지를 일정하게 틀어놓는 수준
AI 서버: 소방호스를 수십 개 묶어놓고 동시에 열었다 닫았다 하는 수준

물압이 출렁이면 배관이 흔들립니다. 전압이 출렁이면 GPU가 흔들립니다. 그래서 전력 안정화 부품이 AI 서버 성능의 일부가 됩니다.

3.2 평균 전력보다 더 무서운 것은 순간 피크입니다

NVIDIA는 GB300 NVL72에서 에너지 저장 기능을 가진 PSU를 통해 AI 워크로드의 전력 피크를 완화한다고 설명합니다. 대규모 학습에서는 수천 개 GPU가 동시에 움직이기 때문에 전력 수요가 갑자기 변동하고, 이 변동은 전력망에도 부담이 됩니다. NVIDIA는 새 PSU가 AI 워크로드의 전력 스파이크를 완화하고 피크 그리드 수요를 최대 30% 줄인다고 설명합니다. (NVIDIA Developer)

이 말은 간단합니다.

진짜 문제는 평균 전력만이 아니라 순간 피크입니다.

전력 피크를 잡으려면 GPU 가까이에 커패시터가 촘촘히 깔려 있어야 합니다. 멀리 있는 전원장치는 반응이 늦습니다. 그래서 GPU 바로 옆, HBM 바로 옆, 패키지 내부 부품의 가치가 올라갑니다.

3.3 부품 개수도 늘고, 사양도 올라갑니다

The Elec은 일반 스마트폰에는 MLCC가 1,000개 이상 들어가며, AI 서버 보드는 그 10~20배 수준의 MLCC를 사용한다고 보도했습니다. 단순 적용하면 스마트폰 1,000개 기준 AI 서버 보드는 10,000~20,000개 이상입니다. (The Elec)

다만 이 숫자는 범용 BOM처럼 고정된 값이 아닙니다. 서버 플랫폼, 보드 구성, 전력 아키텍처에 따라 달라집니다. 핵심은 숫자의 정확한 개수보다 방향입니다.

AI 서버는 더 많은 MLCC를 쓰고, 그 MLCC의 사양도 더 높아진다.

4. 병목의 본질은 “작은 부품이 많이 필요하다”가 아닙니다

더 정확히는 네 가지가 동시에 발생합니다.

병목 요인	쉬운 설명	투자적 의미
수량 증가	서버 한 대당 들어가는 부품 수가 폭증	출하량 증가
사양 상승	아무 MLCC나 안 되고 고성능품이 필요	ASP 상승 가능
위치 변화	GPU에서 더 가까운 곳에 배치해야 함	실리콘 커패시터·임베디드 기판 가치 상승
검증 난이도 상승	한번 서버에 들어가면 고장 나면 안 됨	고객 인증, 공급망 락인 강화

Samsung Electro-Mechanics는 AI 서버 전력 아키텍처에서 알루미늄 폴리머 커패시터를 MLCC로 대체하는 흐름이 확대되고 있다고 설명합니다. MLCC는 더 낮은 높이와 작은 면적에서 필요한 용량을 구현할 수 있고, 낮은 ESR·ESL 덕분에 빠른 전압 응답에 유리합니다. (Samsung Electro-Mechanics)

즉 병목은 “MLCC가 많이 들어간다”가 아닙니다.

AI 서버에 맞는 고성능 MLCC가 필요해진다가 핵심입니다.

5. MLCC와 실리콘 커패시터의 차이

MLCC: 보드 위의 대량 전기 완충재

MLCC는 메인보드와 GPU 보드 곳곳에 깔립니다. 역할은 전압 안정화, 노이즈 제거, 순간 전류 보완입니다. AI 서버에서는 48V 전원 아키텍처, GPU 보드, 네트워크 보드, PCIe, NIC 주변까지 넓게 쓰입니다.

비유하면 건물 곳곳에 놓인 소화기입니다. 하나하나가 서버 전체 원가에서 차지하는 비중은 작아 보여도, 전체 시스템 안정성에는 필수입니다.

실리콘 커패시터: GPU 패키지 안쪽의 초근접 전기 안정화 장치

실리콘 커패시터는 더 고급 영역입니다. GPU와 HBM 같은 고성능 반도체 패키지 내부 또는 아주 가까운 위치에 들어갑니다.

삼성전기는 2026년 5월 20일 글로벌 대형 기업과 약 1.5조원 규모의 실리콘 커패시터 공급계약을 체결했다고 발표했습니다. 계약기간은 2027년 1월 1일~2028년 12월 31일입니다. 삼성전기는 이 부품이 AI 서버용 고성능 반도체 패키지 내부에서 전력 공급 안정성을 높인다고 설명했습니다. (삼성전기)

핵심 차이는 거리입니다.

구분	위치	역할	비유
MLCC	보드 위 여러 곳	전원 안정화의 대량 기본재	건물 곳곳의 소화기
실리콘 커패시터	GPU·HBM 바로 옆 또는 패키지 내부	초고속 전력 흔들림 억제	엔진 실린더 바로 옆 연료 압력 조절기

삼성전기는 실리콘 커패시터가 기존 MLCC 대비 ESL/ESR이 100배 이상 낮다고 설명합니다. 여기서 ESL/ESR은 쉽게 말해 전기가 빠르게 오갈 때 생기는 방해 요소입니다. 낮을수록 고속 GPU 주변에서 유리합니다. (삼성전기)

6. 왜 아무 회사나 못 하나

수동소자는 겉보기에는 단순해 보입니다. 하지만 AI 서버용 고급 부품은 다릅니다.

첫째, 작아야 합니다. GPU 주변 공간은 매우 좁습니다. 부품이 커지면 패키지와 기판 설계가 어려워집니다.

둘째, 빠르게 반응해야 합니다. GPU 전류가 순간적으로 튀면 커패시터가 즉시 전기를 내줘야 합니다. 반응이 느리면 전압이 떨어지고 연산 오류가 납니다.

셋째, 열을 버텨야 합니다. AI 서버 내부는 고온·고전력 환경입니다. 성능이 좋아도 열에서 버티지 못하면 탈락입니다.

넷째, 고객 인증이 어렵습니다. 삼성전기는 실리콘 커패시터 시장이 높은 기술 진입장벽과 까다로운 고객 인증 절차 때문에 소수 기업 중심으로 과점되어 왔다고 설명합니다. (삼성전기)

투자자 언어로 번역하면 이렇습니다.

일단 들어가면 쉽게 바뀌지 않는 부품입니다.

AI 서버용 수동소자는 단가가 서버 전체 BOM에서 압도적으로 크지는 않아도, 고장 나면 전체 서버 안정성을 무너뜨릴 수 있습니다. 그래서 고객은 검증된 공급사를 선호합니다.

7. 병목이 생기는 위치를 아주 쉽게 그리면

전력망
 ↓
데이터센터 전원장치
 ↓
서버 랙 전원공급장치 PSU
 ↓
48V / 12V 전원 변환
 ↓
VRM: GPU가 먹는 1V 이하 전압으로 변환
 ↓
MLCC·인덕터·필터가 전압 흔들림 제거
 ↓
GPU / HBM 바로 옆 실리콘 커패시터가 마지막으로 안정화
 ↓
AI 연산 정상 수행

병목은 아래쪽으로 갈수록 강해집니다.

전원장치 병목 → 보드 전력부품 병목 → GPU 패키지 내부 수동소자 병목

가장 고부가가치 영역은 GPU와 가장 가까운 곳입니다.

8. 삼성전기 투자 해석

삼성전기가 주목받는 이유는 단순히 MLCC를 만들기 때문이 아닙니다. MLCC, FC-BGA, 실리콘 커패시터를 동시에 연결할 수 있는 한국 대형 상장사이기 때문입니다.

레이어	삼성전기 노출	AI 서버에서의 의미
MLCC	컴포넌트 사업부	보드와 칩 주변 전력 안정화
FC-BGA	패키지솔루션	GPU·CPU·ASIC을 실장하는 고성능 패키지 기판
실리콘 커패시터	신규 고부가 부품	GPU·HBM 패키지 내부 초근접 전력 안정화
카메라모듈	광학통신솔루션	AI thesis에는 직접 핵심은 아니며 전사 마진 희석 변수

이전 글에서 정리했듯, 삼성전기 시총 100조원은 이미 단순 MLCC 사이클보다 훨씬 높은 기대를 반영합니다. 따라서 오늘 글의 결론은 “무조건 사자”가 아닙니다. 더 정확한 결론은 다음입니다.

삼성전기 리레이팅의 기술적 전제는 유효하다. 그러나 주가가 더 오르려면 이 전제가 전사 OPM과 2027~2028년 이익 추정치로 확인되어야 한다.

봐야 할 지표는 다섯 가지입니다.

AI 서버용 MLCC ASP 상승과 고객 인증
실리콘 커패시터 매출 인식 속도
실리콘 커패시터 추가 고객·추가 플랫폼 수주
FC-BGA의 AI 서버·네트워크향 매출 성장
전사 OPM이 15%를 넘어 20%에 접근하는지

9. 비전공자용 최종 비유

AI 서버를 초고성능 레이싱카 72대가 한 차고 안에서 동시에 급가속·급제동하는 구조라고 보면 됩니다.

GPU는 엔진입니다. HBM은 고속 연료통입니다. 기판은 도로입니다. 전원장치는 주유소입니다. MLCC와 실리콘 커패시터는 엔진이 덜컥거리지 않게 해주는 초정밀 연료압 조절 장치입니다.

예전에는 엔진만 좋으면 됐습니다. 이제는 엔진이 너무 강해져서, 주변의 연료압·진동·열·전기 노이즈를 잡는 부품이 성능의 일부가 됐습니다.

그래서 AI 서버 시대의 수동소자는 더 이상 “싸고 흔한 주변 부품”이 아닙니다.

GPU가 제 성능을 내기 위한 전력 안정성 병목 부품입니다.

투자 관점에서는 이것이 삼성전기, 무라타, TDK 같은 고급 수동소자 업체의 리레이팅 논리입니다.

근거 분류

[Fact]

NVIDIA DGX GB200 랙은 약 120kW의 랙 전력 소비를 사용합니다. (NVIDIA)
Lenovo GB300 NVL72 구성은 랙당 135kW TDP, 워크로드와 EDP 동작에 따라 최대 155kW 피크를 언급합니다. (Lenovo)
TDK는 데이터센터 전원 경로를 UPS → PSU → IBC → VRM → CPU/GPU 전압으로 설명합니다. (TDK)
Samsung Electro-Mechanics는 GPU와 CPU가 1V 이하에서 동작하고 전류가 수십~수백 암페어 단위로 즉시 변할 수 있어 고용량 MLCC가 전류 버퍼 역할을 해야 한다고 설명합니다. (Samsung Electro-Mechanics)
삼성전기는 2027~2028년 약 1.5조원 규모의 실리콘 커패시터 공급계약을 발표했습니다. (삼성전기)

[Inference]

AI 서버 수동소자 병목은 단순 부품 수량 증가보다 수량 증가 + 사양 상승 + GPU 근접 배치 + 고객 인증 난이도 상승의 결합입니다.
삼성전기 리레이팅은 MLCC 단일 사이클보다 MLCC + FC-BGA + 실리콘 커패시터를 묶은 AI 패키지 전력무결성 thesis에 가깝습니다.

[Speculation]

실리콘 커패시터가 삼성전기 전사 OPM을 20% 근처로 끌어올릴지는 아직 검증 전입니다.
AI 서버용 MLCC ASP 상승과 공급 부족이 몇 년 지속될지는 hyperscaler CapEx, GPU 플랫폼 전환, 경쟁사 증설에 따라 달라질 수 있습니다.

[Blocked]

삼성전기 실리콘 커패시터 계약의 정확한 고객명, 제품별 마진, 제품별 백로그는 공개되지 않았습니다.
AI 서버 보드당 MLCC 탑재 수량은 플랫폼마다 다르므로, 10~20배 수치는 산업 보도 기반의 방향성 지표로만 써야 합니다.

Disclaimer: 이 글은 정보 제공과 리서치 목적입니다. 특정 종목의 매수·매도 추천이 아닙니다. 언급된 기업과 수치는 투자 판단의 예시이며, 실제 의사결정에는 본인의 리스크 허용도와 추가 실사를 반영해야 합니다.