한국 AI 연산 인프라의 81%를 SK 그룹이 담당한다는 분석이 나왔다. SK하이닉스 HBM3E·HBM4가 엔비디아 GPU 공급망을 주도하고, SK텔레콤이 국내 AI 클라우드·데이터센터를 운영하며 동남아 시장 진출을 추진한다. 개발자 관점에서 국내 GPU 클라우드 선택지 변화, HBM 공급 상황이 클라우드 비용에 미치는 영향, 동남아 다국어 AI 서비스 수요 확대까지 정리했다.
한국 AI 인프라의 81%를 SK 그룹이 담당한다는 분석이 나왔다. SK하이닉스가 AI 가속기에 필수적인 HBM(고대역폭 메모리) 시장을 주도하고, SK텔레콤이 AI 클라우드와 데이터센터 인프라를 운영하며, SKC가 반도체 소재를 공급하는 구조다. 메타조차 확보하지 못했다고 보도된 AI 연산 자원을 SK가 어떻게 장악했는지, 그리고 동남아 시장 공략 전략이 개발자에게 어떤 의미인지 정리했다.
2026년 6월 보도에 따르면 한국 AI 연산 인프라의 81%를 SK 그룹 계열사들이 담당하고 있다. 단일 기업 집단이 한 국가의 AI 인프라를 이처럼 높은 비율로 장악한 것은 이례적이다.
이 수치의 근거는 세 축이다. 첫째, SK하이닉스의 HBM(고대역폭 메모리)이 전 세계 AI 가속기용 메모리 시장 점유율을 높이고 있다. 둘째, SK텔레콤이 국내 AI 클라우드 및 데이터센터 인프라를 운영한다. 셋째, SKC가 반도체 소재(유리 기판, 절연 소재)를 공급한다.
같은 보도에서는 메타가 원하는 수준의 AI 연산 자원을 확보하지 못했다는 점도 언급됐다. 이는 고성능 AI 인프라 부품이 아직 공급이 수요를 따라가지 못하는 상황임을 보여주는 단면이다. SK가 이 공급 제약 속에서 핵심 위치를 점유하고 있다는 의미다.
SK하이닉스는 2026년 현재 엔비디아 H100·H200·블랙웰 GPU에 탑재되는 HBM 메모리의 주력 공급사다. HBM은 일반 DRAM 대비 데이터 전송 속도(대역폭)가 10배 이상 빠르며, AI 모델 추론·학습의 병목인 메모리 대역폭 문제를 해결하는 핵심 부품이다.
SK하이닉스는 HBM3E(5세대)에서 삼성전자와 마이크론을 앞서고 있으며, 차세대 HBM4와 HBM5 개발도 동시에 진행 중이다. 특히 HBM4는 기존보다 용량과 대역폭이 모두 향상될 것으로 알려져 있다.
개발자 관점에서 HBM이 중요한 이유는 AI 가속기 성능과 직결되기 때문이다. GPU 당 탑재 가능한 HBM 용량이 커질수록 더 큰 모델을 단일 GPU에서 실행할 수 있다. 예를 들어 HBM 용량이 80GB에서 141GB로 늘어나면 70B 파라미터 이상의 LLM을 단일 GPU에서 직접 실행하는 것이 가능해진다. SK하이닉스의 HBM 공급 능력은 전 세계 AI 인프라 확장 속도와 직접 연결된다.
SK텔레콤은 통신 인프라를 기반으로 AI 클라우드 서비스를 제공한다. 자체 AI 에이전트 브랜드를 운영하며 기업 고객 대상 에이전틱 AI 서비스를 확장하고 있다. 국내 데이터센터에 엔비디아 H100 클러스터를 구축해 GPU 클라우드 서비스를 제공한다.
SK텔레콤의 AI 인프라 전략에서 주목할 점은 통신 인프라와 AI 컴퓨팅을 묶는 것이다. 5G 네트워크를 통한 저지연 AI 서비스, 엣지 컴퓨팅 기반 온프레미스 AI 배포 등이 기업 고객을 위한 주요 서비스 영역이다. 데이터 주권이 중요한 공공기관이나 금융권 고객에게는 국내 데이터센터에서만 데이터를 처리하는 구조를 제공할 수 있다는 점이 강점이다.
SK텔레콤은 2025~2026년 사이 아마존웹서비스(AWS), 앤트로픽 등 글로벌 AI 기업과 파트너십을 체결하며 국내 AI 인프라 생태계를 구축하고 있다. 이는 글로벌 AI 인프라를 국내에 접목시키는 중간 허브 역할을 노리는 전략이다.
보도에 따르면 SK는 한국 AI 인프라 장악에서 나아가 동남아 시장 공략을 목표로 하고 있다. 동남아 지역은 AI 데이터센터 수요가 급증하고 있지만 현지 반도체·AI 인프라 기술 기반이 취약하다.
인도네시아, 베트남, 태국, 말레이시아 등 동남아 주요 국가는 디지털 경제 전환을 위해 대규모 AI 인프라 투자를 계획 중이다. 구글, 아마존, 마이크로소프트가 이미 동남아 데이터센터 확장에 수십 억 달러를 투자하고 있는 상황에서 SK는 HBM 공급망과 통신 인프라를 묶어 차별화된 패키지를 제공하려 한다.
SK하이닉스의 HBM이 들어가는 AI 가속기를 동남아 데이터센터에 공급하고, SK텔레콤의 네트워크 인프라 노하우를 현지 통신사와 연계하는 방식이다. 동남아 AI 인프라는 초기 구축 단계이기 때문에 선점 효과가 크다는 판단이다.
SK의 AI 인프라 장악이 개발자에게 의미하는 것은 크게 세 가지다.
첫째, 국내 GPU 클라우드 옵션이 다양해진다. SK텔레콤이 직접 GPU 클라우드를 운영한다는 것은 AWS·구글 클라우드·마이크로소프트 애저 외에 국내 데이터 주권을 보장하는 GPU 클라우드 선택지가 생겼음을 의미한다. 공공기관이나 금융권 프로젝트에서 데이터를 국내에서만 처리해야 하는 규제 요건이 있다면 국내 GPU 클라우드가 현실적인 대안이 된다.
둘째, HBM 공급 상황이 모델 선택에 영향을 준다. 개발자가 직접 HBM을 구매하는 것은 아니지만, HBM 생산 능력이 AI 가속기 공급을 결정하고 클라우드 GPU 비용에 영향을 미친다. SK하이닉스의 HBM 생산 확대는 중기적으로 GPU 클라우드 공급량 증가와 비용 완화로 이어질 수 있다.
셋째, 동남아 진출은 다국어·다지역 AI 서비스 수요를 만든다. 동남아 AI 인프라가 확장되면 인도네시아어, 베트남어, 태국어 등 동남아 언어를 처리하는 AI 서비스 수요도 함께 증가한다. 글로벌 제품을 만드는 개발자라면 동남아 언어 모델 지원, 현지 결제(GoPay, MoMo, PromptPay 등), 각국 데이터 규제를 함께 고려할 시점이다.
일반 GDDR6/GDDR7 메모리는 GPU 옆에 따로 붙어 있는 반면, HBM은 GPU 다이 위에 수직으로 적층(3D 스태킹)해 연결한다. 데이터 이동 거리가 짧아지고 연결 폭이 넓어져 대역폭이 GDDR6 대비 5~10배 이상 높다. AI 모델은 학습과 추론 모두 메모리 대역폭이 병목이 되는 경우가 많아, HBM을 사용하는 AI 가속기(H100, MI300X 등)가 일반 게이밍 GPU보다 AI 워크로드에 훨씬 효율적이다.
SK텔레콤은 기업 고객 중심의 GPU 클라우드 서비스를 운영하고 있다. 개인 개발자가 직접 접근할 수 있는 자체 소비자 GPU 클라우드 서비스는 2026년 현재 명확하게 공개된 정보가 제한적이다. 국내 GPU 클라우드가 필요한 경우 KT 클라우드, NHN 클라우드, 네이버 클라우드 플랫폼(NCP) 등 국내 대안도 함께 비교해보는 것을 권장한다.
SK가 동남아 AI 인프라 사업을 확장하면 현지 통신사·데이터센터 연동, 다국어 AI 모델 현지화, 동남아 결제 시스템 연동 등의 기술 인력 수요가 생긴다. 특히 인도네시아어·베트남어 자연어 처리(NLP) 경험이나 동남아 현지 API(GoPay, DANA 등) 연동 경험을 가진 개발자에게 기회가 될 수 있다. 국내 대기업 해외 사업 부서나 SK 계열사 해외 법인 채용에서 이 역량이 차별화 요소가 될 전망이다.
SK하이닉스와 삼성전자 모두 HBM4를 2025~2026년에 양산 시작한다는 계획을 공개적으로 밝혔다. HBM4는 HBM3E 대비 대역폭과 용량이 더 향상될 것으로 예상된다. HBM5는 그 이후 세대로, 구체적인 양산 시기는 아직 공식 발표가 제한적이다. HBM 세대가 올라갈수록 단일 GPU에서 더 큰 AI 모델을 실행할 수 있어, GPU 클라우드 인스턴스의 단위당 성능이 지속적으로 향상될 것으로 보인다.
한 기업 집단이 국가 AI 인프라의 80% 이상을 담당하는 구조는 공급망 집중 리스크를 의미한다. SK하이닉스 공장에 장애가 생기거나 SK텔레콤 데이터센터에 문제가 발생하면 국내 AI 서비스 전반에 영향이 갈 수 있다. 중요한 AI 서비스를 운영하는 팀이라면 멀티 클라우드·멀티 공급사 전략으로 단일 인프라 의존도를 줄이는 것이 리스크 관리 측면에서 바람직하다.
단순 가격만 비교하면 AWS·구글 클라우드·마이크로소프트 애저의 GPU 인스턴스가 대체로 더 다양한 옵션을 제공하며 글로벌 스팟 인스턴스 마켓을 활용하면 저렴하게 이용할 수 있다. 국내 GPU 클라우드는 가격보다 데이터 주권·저지연·국내 데이터 잔류 요건이 있는 경우에 선택하는 것이 적합하다. 프리티어가 필요한 개인 개발자나 스타트업은 글로벌 클라우드의 무료 크레딧 프로그램을 먼저 활용하는 편이 현실적이다.
