QSike Tech Notes

구글·​테슬라 실적, 메모리 신호

구글과 테슬라의 2분기 실적 발표를 메모리 수요 관점에서 읽습니다. 매출 숫자보다 AI 서비스가 반복 실행될수록 커지는 데이터센터·추론·메모리 계층의 부담을 짚습니다.

발행 2026-07-23 수정 2026-07-23 AI 인프라 #AI 인프라#메모리#HBM#구글#테슬라#데이터센터#추론

클라우드 AI 서비스와 자율주행 데이터 흐름, HBM 메모리 계층을 표현한 기술 이미지

실적 발표를 볼 때 보통은 매출, 영업이익, 주가 반응부터 봅니다. 그런데 AI 인프라 관점에서는 조금 다른 질문을 던져야 합니다.

“이 회사가 앞으로 얼마나 많은 연산을 반복해서 돌릴 것인가?”

“그 연산을 감당하려면 메모리는 어디까지 늘어나야 하는가?”

이번 구글과 테슬라 실적 발표는 그 질문을 다시 꺼내게 만들었습니다. 두 회사의 사업은 다르지만, 공통점은 분명합니다. AI가 제품의 일부가 아니라 비용 구조와 설비투자의 중심으로 들어오고 있다는 점입니다.

구글 실적에서 보이는 것: 클라우드와 AI 투자

구글 모회사 알파벳의 2분기 실적 보도에서 가장 눈에 띄는 대목은 클라우드 성장과 AI 설비투자입니다. Reuters는 클라우드 주도의 실적 상회 뒤 알파벳이 설비투자 전망을 다시 높였다고 보도했습니다. Yahoo Finance와 qz.com도 구글 클라우드 성장 및 전체 매출 증가를 함께 다뤘습니다. qz.com은 알파벳의 전체 매출이 전년 동기 대비 24% 증가했다고 전했습니다.

여기서 중요한 것은 “구글이 돈을 잘 벌었다”는 단순한 결론이 아닙니다. 검색, 유튜브, 클라우드, Gemini 계열 서비스가 더 많은 AI 기능을 품을수록 구글은 추론을 계속 돌려야 합니다. 학습은 한 번에 큰 비용이 들어가는 성격이 강하지만, 추론은 사용자가 질문하고, 요약하고, 검색하고, 영상·이미지를 만들 때마다 반복됩니다.

이 반복 비용의 중심에는 GPU나 TPU만 있는 것이 아닙니다. 모델 파라미터, KV cache, 사용자 컨텍스트, 검색·추천 데이터가 계속 메모리에 올라가야 합니다. 그래서 AI 인프라 경쟁은 단순한 FLOPS 경쟁에서 HBM, 온칩 메모리(SRAM), DDR, CXL, SSD까지 포함한 메모리 계층 경쟁으로 넓어지고 있습니다.

GPU·TPU 가속기, 온칩 SRAM, HBM, 서버 D램, CXL, NVMe SSD가 연결되는 AI 추론 메모리 계층 추론 서비스가 커질수록 연산 칩뿐 아니라 각 메모리 계층에 데이터를 어떻게 배치하고 이동할지가 비용과 성능을 좌우한다.

구글이 자체 TPU를 계속 고도화하는 이유도 여기에 있습니다. 범용 GPU를 사서 쓰는 것만으로는 서비스별 비용 구조를 끝까지 낮추기 어렵습니다. 검색형 AI, 영상 추천, 생성형 AI, 클라우드 고객 워크로드는 서로 다른 메모리 병목을 갖습니다. 결국 구글은 칩, 서버, 네트워크, 메모리 배치를 함께 최적화해야 합니다.

테슬라 실적에서 보이는 것: 자동차 회사의 AI 비용

테슬라는 구글과 다릅니다. 본업은 전기차이고, 실적에서는 자동차 수요와 마진 압박이 먼저 보입니다. Reuters는 머스크가 자동차 밖의 사업으로 전환하는 가운데 테슬라의 자동차 사업이 압박을 받고 있다는 프레임을 제시했습니다. Automotive News는 2분기 순이익 감소와 로보택시 출시 속도보다 안전을 우선한다는 머스크 발언을 함께 전했습니다. CNBC는 영업이익률이 1.4% 수준까지 하락하고 무상현금흐름이 마이너스로 전환됐다고 보도했습니다.

그런데 테슬라를 메모리 관점에서 보면 다른 그림이 보입니다. 자율주행, 로보택시, 휴머노이드 로봇, 차량 내 AI는 모두 대규모 데이터와 반복 추론을 필요로 합니다. 도로 주행 영상, 센서 데이터, 시뮬레이션, 모델 업데이트가 계속 쌓이고, 이를 학습·검증·배포하는 과정에서 데이터센터와 스토리지 부담이 커집니다.

로보택시의 센서 데이터가 AI 데이터센터의 학습·저장·추론 파이프라인으로 순환하는 모습 차량에서 생성되는 데이터는 학습·검증·배포를 거치며 데이터센터의 연산뿐 아니라 저장과 데이터 이동 부담도 키운다.

테슬라의 AI 투자는 구글처럼 클라우드 고객 매출로 바로 보이지 않을 수 있습니다. 오히려 자동차 마진이 눌리는 구간에서는 AI 투자가 현금흐름 부담으로 보일 수 있습니다. 하지만 기술 구조만 놓고 보면 테슬라도 메모리 수요의 한 축입니다. 차량이 더 많은 데이터를 만들고, 로보택시가 더 긴 시간 판단하며, 휴머노이드가 실제 환경에서 움직일수록 필요한 것은 연산 장치만이 아닙니다. 데이터를 읽고, 보관하고, 빠르게 불러오는 메모리·스토리지 체계입니다.

왜 ‘메모리 수요’가 다시 핵심인가

AI 초기에는 “누가 GPU를 많이 확보했나”가 화제였습니다. 이제는 질문이 조금 바뀌고 있습니다.

첫째, 추론 비용이 커지고 있습니다. 챗봇, 검색, 코딩 에이전트, 로보택시처럼 사용자가 매번 호출하는 서비스는 사용량이 늘수록 메모리 접근도 함께 늘어납니다.

둘째, 컨텍스트가 길어지고 있습니다. 긴 문서, 영상, 주행 데이터, 작업 이력을 다루려면 더 큰 메모리 풀과 빠른 대역폭이 필요합니다.

셋째, 데이터 이동 비용이 병목이 됩니다. 칩이 빨라도 필요한 데이터를 제때 가져오지 못하면 성능은 멈춥니다. 그래서 HBM은 여전히 중요하고, 동시에 DDR, LPDDR, CXL, NVMe SSD 같은 주변 계층도 함께 커집니다.

넷째, 회사별 자체칩 전략이 메모리 설계를 바꾸고 있습니다. 구글 TPU, 테슬라 AI 칩, AWS Trainium, Microsoft Maia, Meta MTIA는 모두 같은 답을 내는 칩이 아닙니다. 각 회사의 서비스 비용을 낮추기 위한 설계입니다. 이때 메모리는 부품이 아니라 아키텍처의 일부가 됩니다.

이번 실적을 읽는 관점

구글 실적은 AI 서비스가 클라우드와 설비투자를 동시에 밀어 올리는 사례로 볼 수 있습니다. 테슬라 실적은 자동차 본업의 압박 속에서도 AI 투자가 비용 구조에 들어오는 사례로 볼 수 있습니다.

두 회사 모두 “메모리를 얼마나 더 사느냐”라는 단순한 질문으로 끝나지 않습니다. 더 정확한 질문은 이것입니다.

“AI가 반복 실행되는 사업일수록, 어느 메모리 계층이 병목이 되는가?”

HBM은 고성능 AI 학습과 대형 추론에서 계속 중요합니다. 서버 D램은 더 큰 메모리 풀을 만들고, CXL은 CPU·GPU 바깥의 확장 메모리 계층을 열어 줍니다. SSD는 대규모 데이터셋과 벡터 검색, 로그, 영상 데이터를 받칩니다. 결국 AI 인프라 수요는 한 가지 메모리 제품으로만 설명하기 어렵습니다.

정리

구글과 테슬라의 실적 발표는 서로 다른 산업의 이야기처럼 보입니다. 하지만 AI 인프라 관점에서는 같은 방향을 가리킵니다. AI가 서비스 안으로 깊게 들어갈수록 연산은 반복되고, 반복되는 연산은 더 큰 메모리 대역폭과 용량을 요구합니다.

그래서 이번 실적 시즌의 핵심 질문은 “어느 회사가 시장 예상치를 넘겼나”만이 아닙니다. “AI가 실제 사업 비용으로 들어올 때, 메모리 계층은 어디까지 확장되는가”입니다. 이 질문이 앞으로 HBM, 서버 D램, CXL, SSD까지 이어지는 메모리 수요를 읽는 출발점이 될 것입니다.

이 글은 특정 종목 추천이 아니라 AI 인프라와 메모리 수요를 이해하기 위한 기술 해설입니다.

확인한 출처 / 근거