최근 KLA, Advantest, Teradyne를 비롯한 반도체 검사장비 업체들의 어닝콜을 정리하면서 흥미로운 공통점을 발견했다.
여기에 FormFactor, 광학 계측장비 업체 Santec, 정밀 광학 정렬장비 업체 GMT(高明鐵), 후공정 테스트 업체 Sigurd까지 함께 살펴보니, 이번 검사장비 시장의 호황을 단순히 AI 반도체 생산량 증가에 따른 수혜로만 해석하기에는 부족하다는 생각이 들었다.
특히 Meta가 발표한 Integrated Optics at Scale이라는 기술 발표를 함께 살펴보면서 이러한 생각이 조금 더 분명해졌다.
앞으로 AI Hardware 산업에서는 반도체를 얼마나 많이 생산할 수 있는가뿐 아니라, 복잡하게 통합된 반도체가 정상적으로 작동한다는 것을 얼마나 빠르고 정확하게 검증할 수 있는가가 중요한 경쟁력이 될 가능성이 높아 보인다.
이것이 이번 글에서 정리하고 싶은 핵심이다.
앞선 생각정리 408·409에서 살펴봤듯이 차세대 AI Hardware는 개별 칩의 연산성능을 높이는 것에서 벗어나 GPU·ASIC·HBM을 더욱 높은 밀도로 통합하고, 나아가 광학 엔진까지 ASIC 가까이 배치하는 방향으로 발전하고 있다.
그런데 이처럼 시스템의 집적도와 복잡성이 높아지면 두 가지 변화가 발생한다.
첫째는 Test Intensity의 상승이다.
반도체 한 개를 생산하는 과정에서 요구되는 검사 항목이 증가하고, 더욱 높은 정밀도와 긴 테스트 시간이 필요해질 수 있다. 따라서 반도체 생산량이 동일하더라도 검사·계측에 투입되는 자본은 증가할 가능성이 있다.
둘째는 Failure Cost의 상승이다.
과거에는 개별 반도체의 불량이 해당 칩의 손실로 끝나는 경우가 많았다면, 이제는 고가의 GPU·HBM·Interposer와 광학 부품이 하나의 시스템으로 결합되면서 개별 부품의 결함이 전체 시스템의 경제성에 영향을 미칠 수 있다.
결국 시스템을 통합하기 이전에 불량을 찾아내고, 제조 단계에서 신뢰성을 확보하는 기술의 중요성이 높아지는 것이다.
AI 반도체 생산량 증가에 따른 검사장비의 양적 성장뿐 아니라, 제품당 검사 강도와 불량 검출의 경제적 가치가 높아지는 질적 성장에도 주목할 필요가 있다는 생각이다.
검사장비 수요를 단순화하면 다음과 같은 구조로 이해할 수 있다.
검사장비 수요 ≈ 생산량 × 제품당 검사 강도 ÷ 장비당 유효 처리능력
실제 장비 수요는 검사 방식, 병렬 처리 효율, 장비 가동률 등에 따라 달라지겠지만 기본적인 인과관계는 이렇다.
여기에 반도체의 고성능화로 장비의 정밀도와 기술적 난도가 높아진다면, 장비 한 대의 부가가치 역시 달라질 수 있다.
최근 검사장비 업체들의 어닝콜에서는 이러한 변화가 서로 다른 공정에서 공통적으로 나타나고 있었다.
KLA는 첨단 DRAM의 검사 강도가 선단 로직 수준으로 높아지고 있다고 설명했고, FormFactor는 GPU·ASIC·HBM의 고속화와 첨단 패키징이 Probe Card의 성능 요구를 높이고 있다고 강조했다.
Advantest와 Teradyne은 GPU·ASIC·CPU·HBM의 고성능화가 실제 테스트 수요 확대로 이어지고 있다고 설명했다.
Santec와 GMT에서는 광학 인터커넥트의 고속화와 정밀 결합에 따른 계측·자동화 수요가 나타나고 있으며, Sigurd에서는 이러한 변화가 실제 테스트 서비스의 가동률과 수익성 개선으로 연결되는 모습을 확인할 수 있었다.
그리고 Meta의 CPO 실증 결과는 이들 기업의 사업을 관통하는 기술적 배경을 보여준다.
반도체와 광학 부품의 통합 수준이 높아질수록 제조 공정은 복잡해지고, 불량을 뒤늦게 발견했을 때 발생하는 경제적 손실은 커진다.
그렇다면 시스템을 통합하기 이전에 정상 제품을 선별하고, 제조공정 중간에 결함을 찾아내며, 최종적으로 시스템 전체의 신뢰성을 보증하는 검사·계측 기술의 가치도 함께 높아질 수밖에 없지 않을까.
이번 글에서는 Meta의 CPO 실증 결과와 최근 일곱 검사·계측 관련 기업들의 어닝콜을 연결해 이러한 변화가 이미 어느 공정에서 나타나고 있는지 정리해 본다.
1. Meta의 CPO 실증 — 전력 효율보다 주목해야 할 신뢰성
 |
| AI 인프라를 위한 통합 광학 기술: 51.2T CPO 검증에서 Meta의 102.4T까지 |
Meta는 약 18개월 동안 51.2T CPO 시스템과 기존 Pluggable Optics를 동일한 환경에서 비교하는 A/B 테스트를 진행했다.
CPO(Co-Packaged Optics)는 기존 광트랜시버처럼 장비 전면부에 광모듈을 꽂는 대신, 광학 엔진을 스위치 ASIC과 같은 패키지에 배치하는 기술이다.
이렇게 하면 ASIC에서 광학 엔진까지 이어지는 고속 전기신호의 이동거리가 크게 단축된다.
전기신호 경로가 짧아지는 만큼 신호손실과 이를 보상하기 위한 전력 소비도 감소한다.
Meta에 따르면 기존 Retimed Pluggable Optics 대비 CPO의 전력 절감 효과는 약 60~65%에 달했다.
AI 데이터센터의 전력 소비가 급격히 증가하고 있다는 점을 감안하면 이 정도의 절감 효과만으로도 충분히 의미가 있다.
그런데 개인적으로는 전력 효율보다 시스템의 신뢰성에 관한 결과가 더 눈길을 끌었다.
Meta — Integrated Optics at Scale 발표 요지
약 180만 시스템 시간의 데이터를 수집했으며, 성숙한 Phase 2 CPO 시스템에서는 약 135만 시스템 시간 동안 교체 불가능한 광학 엔진의 하드웨어 고장이 관측되지 않았습니다.
CPO의 링크 중단율은 기존 Pluggable 시스템보다 약 6배 낮았으며, 특정 외부 레이저 결함을 제외하면 개선 폭은 30배를 넘어섰습니다.
CPO의 가장 큰 약점 중 하나는 서비스 가능성(Serviceability)이었다.
기존 Pluggable Optics는 광트랜시버에 문제가 발생하면 해당 모듈만 교체하면 된다.
반면 CPO는 광학 엔진이 스위치 ASIC과 통합되어 있기 때문에, 광학 엔진에 고장이 발생하면 현장에서 개별 부품만 간단히 교체하기 어렵다.
따라서 CPO가 실제 데이터센터에 도입되려면 매우 높은 수준의 신뢰성이 요구된다.
이번 Meta의 실증 결과는 적어도 특정 CPO 구현에서는 이러한 문제를 상당 부분 완화할 수 있다는 것을 보여준 셈이다.
여기서 또 하나 흥미로운 사실이 있다.
Meta가 측정한 CPO의 평균 BER(Bit Error Rate)은 기존 Retimed Pluggable보다 오히려 약 두 자릿수 높은 수준이었다.
즉, 평균적인 비트 오류율은 CPO가 더 나빴는데 실제 링크 중단율은 CPO가 더 낮았다.
Meta는 BER가 매우 낮다는 사실만으로 시스템의 신뢰성이 높다고 판단할 수는 없다고 강조했다.
실제 데이터센터에서 발생하는 장애는 단순히 평균 BER가 점진적으로 나빠지는 형태만으로 설명되지 않기 때문이다.
짧은 순간에 집중적으로 발생하는 Burst Error, 광커넥터 오염, 레이저 드라이버의 특정 결함 등이 링크 중단을 유발할 수 있다.
기존 Pluggable에서는 원인 규명이 어려운 일시적 오류가 전체 장애의 약 3분의 1을 차지했지만, 이번 CPO 실증에서는 이러한 유형의 오류가 관측되지 않았다.
결국 개별 광학 부품의 성능이 좋다는 것과 전체 시스템이 안정적으로 작동한다는 것은 서로 다른 문제라는 의미다.
AI Hardware가 복잡해질수록 개별 부품의 성능뿐 아니라 통합된 시스템 전체의 신뢰성을 얼마나 확보할 수 있는가가 중요해지는 것이다.
제조 단계의 통합 검사가 중요해지는 이유
Meta는 CPO 시스템의 신뢰성이 개선된 원인으로 전기·광 인터페이스의 감소, ASIC과 광학 엔진의 공동 설계, 제조 단계의 통합 검사, 현장 작업자의 개입 감소를 제시했다.
특히 제조 단계의 통합 검사라는 설명이 눈에 들어왔다.
기존에는 ASIC과 광트랜시버를 각각 제조한 뒤 데이터센터에서 연결하는 구조였다.
반면 CPO에서는 광학 엔진과 ASIC이 하나의 통합된 시스템으로 설계된다.
따라서 제조 단계에서부터 광학 엔진과 ASIC이 함께 정상적으로 작동하는지 검증하는 과정이 중요해진다.
실제 Meta가 발견한 장애 원인을 보면 이러한 변화가 더욱 분명해진다.
CPO에서 발생한 링크 중단의 약 85%는 특정 외부 레이저 광원(ELS)의 드라이버 SMT 부품 문제와 관련되어 있었다.
반면 광학 엔진 자체의 하드웨어 고장은 매우 드물게 나타났고, Phase 2에서는 관측되지 않았다.
또한 광섬유와 커넥터의 오염 및 손상도 주요 장애 원인 중 하나였다.
Meta는 이를 해결하기 위해 외부 레이저 모듈을 현장에서 교체 가능한 구조로 설계하고, Fiber Array는 제조공장에서 사전에 조립해 데이터센터 현장에서는 가급적 건드리지 않는 방식을 추진하고 있다.
광학 엔진과 외부 레이저, 광커넥터를 연결하는 광섬유의 정밀 조립도 주요 기술 과제로 강조했다.
일부 광섬유 손상은 일반적인 기능검사에서는 발견되지 않다가 온도 사이클 테스트 과정에서 드러날 수 있다는 설명이었다.
이러한 변화는 단순히 광학 엔진을 잘 만드는 것만으로는 충분하지 않다는 의미다.
광학 부품을 정밀하게 정렬하고 결합하는 기술, 완성된 시스템의 신뢰성을 검증하는 기술까지 함께 발전해야 한다.
현장에서 부품을 교체하기 어려워질수록 제조 단계에서 불량을 사전에 찾아내는 능력의 경제적 가치가 높아질 가능성이 있다.
여기서 최근 검사장비 업체들의 강한 실적과 Meta의 기술 변화가 연결된다.
2. KLA — DRAM의 검사 강도가 선단 로직 수준으로 높아지고 있다
Meta의 CPO 실증이 통합된 시스템의 신뢰성 문제를 보여줬다면, KLA의 최근 어닝콜은 비슷한 변화가 이미 반도체 제조공정에서 일어나고 있다는 점을 보여준다.
 |
| 2026.10.28 KLA |
KLA는 10월 28일 실적발표에서 2026년 9월 분기 매출 41.4억 달러, 영업이익률 46.1%를 기록했다고 발표했다.
다음 분기 매출 가이던스도 47억 달러를 제시했다.
더 놀라운 것은 WFE 시장 전망이다.
Advanced Packaging을 포함한 2026년 WFE 시장을 1,500억 달러 중반으로 전망하면서, 2027년에는 2,000억 달러를 넘어설 것으로 예상했다.
하지만 개인적으로는 시장 규모 전망보다 DRAM과 Advanced Packaging에 대한 코멘트가 더 중요하게 느껴졌다.
KLA — FY2027 1Q 어닝콜 발언 요지
HBM과 첨단 DRAM의 성능 요구가 높아지면서 검사·계측 강도가 계속 상승하고 있습니다. 일부 DRAM 제품의 공정 제어 강도는 선단 로직과 유사한 수준까지 높아졌습니다.
과거 DRAM은 표준화된 메모리 셀을 반복적으로 생산하는 성격이 강했다.
하지만 HBM은 단순히 DRAM을 여러 장 쌓아 올리는 것 이상의 제조 복잡성을 요구한다.
TSV, 박막화, 적층, 본딩, Base Die를 비롯한 여러 공정이 추가되고 있으며, 최근에는 Hybrid Bonding과 Logic Integration까지 기술 발전의 방향으로 논의되고 있다.
더 중요한 것은 이러한 HBM이 고가의 GPU·ASIC과 하나의 패키지로 통합된다는 점이다.
만약 최종 패키징을 마친 뒤 HBM에서 불량이 발견된다면 그 손실은 DRAM 칩 하나의 가격으로 끝나지 않을 수 있다.
이미 조립된 GPU, Interposer, 첨단 패키징 비용까지 영향을 받을 수 있기 때문이다.
따라서 최종 조립 이후 불량을 발견하는 것보다 공정 중간 단계에서 결함을 발견하고 정상 제품을 선별하는 일이 더욱 중요해진다.
KLA는 Hybrid Bonding과 Logic Integration 확대에 따라 일부 첨단 패키징 공정의 검사 요구 수준이 기존 마이크론 단위에서 100nm급까지 높아지고 있다고 설명했다.
2026년 Advanced Packaging Process Control 매출도 약 11억 달러로 전년 대비 70% 이상 증가할 것으로 전망했다.
여기서 생각해 볼 부분은 검사장비 시장의 성장이 단순히 반도체 생산량 증가에 의해서만 결정되지 않는다는 점이다.
같은 수량의 웨이퍼를 생산하더라도 공정이 복잡해지고 수율 관리가 어려워지면 더 많은 검사 공정과 높은 정밀도의 장비가 필요할 수 있다.
반도체 생산능력의 증가율보다 검사·계측에 투입되는 자본의 증가율이 더 높아질 수 있다는 의미다.
3. FormFactor — 웨이퍼 검사에서 CPO까지 확장되는 Test Intensity
이번 실적시즌에 개인적으로 흥미롭게 봤던 기업이 하나 더 있다.
바로 FormFactor다.
 |
| 2026.10.28 Formfactor |
KLA가 반도체 제조 과정에서 발생하는 결함을 검사하고 측정하는 장비를 공급한다면, FormFactor는 반도체 웨이퍼 단계에서 전기적 성능을 검사할 때 사용하는 Probe Card에 강점을 가진 기업이다.
Probe Card는 웨이퍼 위에 형성된 반도체와 테스트 장비 사이에서 전기적 신호를 전달하는 핵심 인터페이스다.
따라서 반도체의 I/O 수가 증가하고 신호 전송속도가 높아질수록 더욱 정교한 접촉 기술과 신호 무결성 관리가 필요해진다.
FormFactor의 2026년 3분기 매출은 2억 8,050만 달러로 전년 대비 38.4% 증가했다.
4개 분기 연속 사상 최대 매출을 기록했으며, Non-GAAP 매출총이익률도 56.5%까지 상승했다.
여기서 주목할 부분은 DRAM뿐 아니라 Foundry & Logic과 광학 테스트 관련 사업에서도 동시에 성장 동력이 나타나고 있다는 점이다.
FormFactor Mike Slessor CEO — 2026년 3분기 어닝콜 발언 요지
차세대 GPU와 Custom ASIC에서 고속 인터페이스, 높은 전력밀도, 복잡해지는 첨단 패키징 및 Chiplet 구조가 Probe Card의 성능 요구 수준을 높이고 있습니다.
FormFactor는 이러한 변화에 대응하기 위해 고성능 MEMS Probe 기술을 확대하고 있으며, 2027년 GPU 및 Custom ASIC 시장에서 점유율을 높일 수 있는 기반을 구축하고 있다고 설명했다.
실제로 이번 분기에는 주요 파운드리 고객사의 특정 GPU 설계에 수백만 달러 규모의 Probe Card를 공급했다고 밝혔다.
이는 단순히 새로운 시장에 진입하기 위해 연구개발을 진행하고 있다는 수준을 넘어, 실제 고객사의 양산공정에서 고성능 Probe Card의 채택이 확대되고 있다는 의미로 볼 수 있다.
여기서 KLA와 FormFactor의 사업이 연결된다.
KLA가 공정 중간 단계의 결함과 미세구조를 검사한다면, FormFactor는 완성된 웨이퍼상의 반도체가 요구되는 전기적 성능을 충족하는지 검증하는 역할을 수행한다.
고성능 GPU·ASIC의 I/O가 증가하고 패키징 구조가 복잡해질수록 두 영역 모두 기술적 난도가 높아질 수 있다.
HBM의 적층 구성 변화도 Probe Card 수요에 영향을 준다
FormFactor의 DRAM 관련 코멘트도 흥미로웠다.
2026년 3분기 DRAM Probe Card 매출은 전분기의 사상 최대 수준을 유지했지만 제품 구성이 상당히 달라졌다.
HBM 관련 매출은 감소한 반면 DDR5 관련 매출이 증가했다.
회사는 이러한 변화가 고객사들이 범용 DRAM 가격 상승에 따른 수익 기회를 확보하기 위해 생산 비중을 조정한 결과라고 설명했다.
특히 DRAM 제품 구성이 DDR5 중심으로 변화했음에도 기록적인 수익성을 달성했다는 점이 눈에 들어왔다.
과거에는 HBM 비중이 높아질수록 Probe Card의 매출 구성과 수익성이 좋아지는 구조로 이해하기 쉬웠다.
하지만 FormFactor는 제조원가 절감과 생산 효율 개선을 통해 DDR5 중심의 제품 구성에서도 높은 수익성을 확보할 수 있음을 보여줬다.
또한 HBM의 사양 완화 가능성에 대한 질문에도 현재까지 의미 있는 부정적 영향을 확인하지 못했다고 설명했다.
HBM 적층 높이가 낮아지면 동일한 DRAM 웨이퍼 투입량에서 더 많은 스택이 생산될 수 있고, 그만큼 완성된 스택을 검사해야 하는 수량이 증가할 수 있기 때문이다.
이는 앞서 Teradyne의 어닝콜에서 언급됐던 논리와도 일치한다.
다만 실제 장비 수요는 적층 구성 변화뿐 아니라 테스트 시간, 병렬 처리 효율, 접촉 횟수 등에 따라 달라질 수 있다.
결국 HBM 테스트 시장을 바라볼 때 단순히 메모리 비트 생산량이나 웨이퍼 생산량만으로 접근하기보다는, 제품 구조와 테스트 공정의 변화를 함께 고려해야 한다는 생각이다.
FormFactor에서 가장 눈길을 끌었던 것은 CPO 테스트 사업
그런데 이번 FormFactor 어닝콜에서 개인적으로 가장 주목한 부분은 DRAM보다 Systems 사업이었다.
FormFactor — 2026년 3분기 어닝콜 발언 요지
CPO용 Triton 시스템의 수요가 가속화되면서 Systems 사업은 전분기 대비 20% 이상 성장했습니다. 연초에는 2026년 Triton 매출을 1,000만~2,000만 달러로 예상했지만, 현재는 3,000만 달러 이상을 전망하고 있습니다.
상당히 흥미로운 변화다.
올해 초까지만 해도 CPO 관련 테스트 시스템의 사업 규모를 상대적으로 작게 예상했는데, 불과 몇 분기 사이 연간 매출 전망이 크게 높아진 것이다.
 |
| 2026.10.28 Formfactor |
FormFactor는 CPO뿐 아니라 NPO와 기존 Pluggable Photonics 관련 테스트 수요도 대응하고 있다고 설명했다.
물론 3,000만 달러는 FormFactor 전체 매출에서 아직 큰 비중을 차지하는 규모는 아니다.
하지만 중요한 것은 현재의 절대적인 시장규모보다 성장 방향이라고 생각한다.
앞서 Meta는 CPO 시스템의 가장 중요한 과제 중 하나로 제조 단계의 통합 검사와 신뢰성 확보를 강조했다.
그리고 FormFactor에서는 실제로 CPO용 테스트 시스템의 매출 전망이 상향되고 있다.
서로 다른 기업의 발표이지만 기술적 인과관계는 상당히 자연스럽다.
광학 엔진이 ASIC 가까이 배치되고, 전기신호와 광신호를 함께 검증해야 하는 공정이 확대되면서 기존 반도체 테스트와 광학 테스트의 경계가 점차 가까워지는 것이다.
FormFactor가 2026년 10월 Teradyne과 차세대 반도체 테스트 기술 개발 및 양산 확대를 위한 전략적 협력을 발표한 것도 같은 맥락에서 주목할 만하다.
FormFactor의 사례는 검사장비 시장의 변화가 웨이퍼 단계의 전기적 테스트뿐 아니라 광학 엔진 및 CPO 시스템의 검증 영역으로까지 확장되고 있음을 보여준다.
4. Advantest·Teradyne — 반도체 생산량보다 Test Intensity가 더 빠르게 증가한다
KLA와 FormFactor가 전공정 검사 및 웨이퍼 테스트 단계의 변화를 보여준다면, Advantest와 Teradyne은 이러한 변화가 최종 성능 테스트에도 영향을 미치고 있음을 보여준다.
 |
| 2026.10.29 advantest |
Advantest의 2026년 7~9월 분기 매출은 전년 대비 81.7%, 영업이익은 146% 증가했다.
영업이익률은 55.9%에 달했다.
그런데 이번 어닝콜에서 가장 흥미로웠던 것은 GPU나 ASIC이 아니라 CPU에 대한 설명이었다.
Advantest Douglas Lefever CEO — 2026.10.28 어닝콜 발언 요지
GPU와 Custom ASIC 수요는 여전히 매우 강합니다. 업계가 예상하지 못했던 것은 Agentic AI가 큰 CPU 수요를 창출하고 있다는 점입니다. CPU는 GPU와 ASIC에 더해 세 번째 주요 성장 동력이 됐습니다.
이 발언은 최근 Agent AI를 직접 사용하면서 느꼈던 변화와도 맞닿아 있다.
AI가 단순히 질문에 답하는 Chatbot에서 여러 도구를 호출하고 복잡한 작업을 순차적으로 실행하는 Agent로 발전하면서 컴퓨팅 자원의 구성이 달라지고 있다.
GPU에서 수행되는 추론 연산뿐 아니라 CPU가 담당하는 작업 실행, 데이터 처리, 시스템 운영 등의 부담도 함께 증가하는 것이다.
최근 실적시즌에 어닝모델 몇 개를 업데이트하는 것만으로도 상당한 양의 토큰이 소비되는 경험을 하고 있는데, 이러한 Agent 기반 작업이 산업 전반으로 확산된다면 CPU와 GPU, 메모리, 네트워킹 수요가 동시에 증가하는 것도 충분히 이해할 만하다.
그리고 그만큼 테스트가 필요한 반도체의 종류와 수량도 증가한다.
Teradyne의 어닝콜 역시 비슷한 메시지를 전달하고 있었다.
 |
| 2026.10.29 Teradyne |
Teradyne은 2026년 3분기 매출이 전년 대비 약 70% 증가했고, AI 관련 매출 비중은 60%를 넘어섰다고 발표했다.
특히 메모리 테스트 매출은 3억 100만 달러로 사상 최고치를 기록했다.
여기서 흥미로운 것은 HBM의 적층 구성에 따른 테스트 수요 변화에 대한 설명이다.
Teradyne — 2026년 3분기 어닝콜 발언 요지
HBM 생산에서 낮은 적층 높이의 제품 비중이 증가하면 동일한 DRAM 웨이퍼로 더 많은 HBM 스택을 생산할 수 있습니다. 그만큼 성능 테스트가 필요한 스택 수가 늘어나며, HBM Performance Test 시장에 긍정적으로 작용합니다.
HBM의 수요를 계산할 때 흔히 DRAM 웨이퍼 투입량이나 생산 비트 수를 기준으로 접근한다.
하지만 테스트 장비의 수요는 조금 다르게 움직일 수 있다.
같은 수량의 DRAM 웨이퍼를 투입하더라도 HBM의 적층 높이, 패키지 수, 검사 항목, 테스트 시간에 따라 필요한 장비 수가 달라질 수 있기 때문이다.
이것은 앞서 FormFactor에서 확인했던 제품 구성 변화와도 연결된다.
FormFactor가 HBM의 제품 구조에 따라 Probe Card 수요가 달라질 수 있음을 보여줬다면, Teradyne은 완성된 HBM 스택의 성능검사 단계에서도 비슷한 변화가 발생할 수 있음을 설명한 셈이다.
다만 병렬 테스트 효율이 개선되면 장비 수요의 일부는 상쇄될 수 있다.
그럼에도 이번 실적발표에서 Teradyne이 제시한 수치에는 주목할 필요가 있어 보인다.
반도체 설비투자 내 Test 관련 투자 비중이 2025년 6.4%에서 2026년 1~8월 8.1%로 상승했다는 설명이다.
같은 반도체 투자금액 중 테스트에 배분되는 비중 자체가 높아지고 있다는 의미다.
또한 Advantest는 CPO의 광학 엔진 수율을 보장하기 위해 상당히 긴 테스트 시간이 필요하며, 관련 ATE 시장이 향후 약 10억 달러 규모까지 성장할 가능성을 언급했다.
Teradyne 역시 2028년 CPO 관련 테스트 장비시장이 약 3억~7억 달러 수준에 이를 수 있다는 전망을 제시했다.
아직 초기 시장에 대한 업체별 추정치이므로 이를 단순 합산하거나 확정적인 시장규모로 받아들이기는 어렵다.
하지만 전통적인 반도체 ATE 업체들까지 광학 반도체 테스트 시장의 성장을 언급하고 있다는 점은 의미가 있어 보인다.
AI 반도체의 수요가 GPU에서 CPU·ASIC·HBM·네트워킹으로 확산되는 동시에, 개별 반도체를 검사하는 데 필요한 시간과 장비의 기술적 난도도 함께 높아지고 있는 것이다.
5. Santec·GMT — 광학 인터커넥트가 새로운 검사시장을 만들고 있다
최근 Optical Supply Chain을 조사하면서 InP Wafer, 레이저 광원, 광학 엔진 및 광트랜시버의 공급 부족에 주목해 왔다.
그런데 실제 광학 부품을 제조하는 과정에서 필요한 정밀 계측과 자동 정렬 장비의 중요성도 함께 높아지고 있었다.
대표적인 기업이 일본의 Santec다.
 |
| 2026.08.08 Santec |
Santec는 파장가변 레이저, 광파워미터, 광섬유 검사장비 등 고정밀 광학 계측 솔루션을 공급한다.
2026년 4~6월 분기 광계측기 사업 매출은 전년 대비 65% 증가했으며, 세그먼트 영업이익률은 약 38%를 기록했다.
Santec — 2026.08.07 결산설명자료의 설명 요지
데이터센터용 광통신 장비의 고속화와 대용량화가 진행되면서 광부품의 평가·검사 수요가 확대되고 있습니다. 파장가변 광원과 광파워미터 판매가 호조를 보이고 있으며, 광섬유 케이블 검사장비 수요도 견조하게 이어지고 있습니다.
광통신 속도가 800G에서 1.6T, 나아가 3.2T로 높아지면 단순히 광부품 생산량만 증가하는 것이 아니다.
광신호의 출력과 파장, 삽입손실, 연결 안정성 등을 더욱 정밀하게 검증해야 한다.
그리고 CPO·NPO처럼 광학 엔진을 ASIC 가까이 배치하는 기술이 확산되면 개별 광부품 검사에 더해 통합된 시스템의 성능과 신뢰성까지 확인해야 한다.
여기에 대만 GMT(高明鐵)의 사업이 연결된다.
GMT는 전통적인 반도체 ATE 업체보다는 정밀 모션제어와 광학 부품의 자동 정렬·결합 장비에 강점을 가진 기업이다.
GMT — 2025.09.05 SEMICON Taiwan 공개 발표 요지
Silicon Photonics와 CPO의 양산을 위해서는 빛을 찾고, 정렬하고, 안정적으로 결합하는 과정을 자동화해야 합니다. 능동 정렬과 웨이퍼 수준 광결합 테스트를 통합한 솔루션을 제공하고 있습니다.
광학 인터커넥트에서는 광학 엔진을 제조하는 것만큼 광섬유와 정확하게 결합하는 과정이 중요하다.
광학 엔진에서 생성된 빛을 광섬유에 효율적으로 전달하려면 매우 정밀한 위치 정렬이 필요하기 때문이다.
이 과정이 불안정하면 삽입손실이 높아지고, 온도 변화나 기계적 스트레스에 따른 신뢰성 문제도 발생할 수 있다.
그런데 광정렬이 숙련된 작업자의 수작업이나 연구개발 단계의 장비에 의존한다면 대규모 양산에는 한계가 있을 수밖에 없다.
따라서 높은 정밀도를 유지하면서도 반복적으로 정렬·결합할 수 있는 자동화 기술이 필요해진다.
여기서 앞서 살펴본 Meta와 FormFactor의 발표가 다시 연결된다.
Meta는 차세대 102.4T 통합광학 플랫폼에서 Fiber Array Unit의 제조 신뢰성을 매우 중요한 과제로 지목했다.
FormFactor에서는 CPO용 Triton 테스트 시스템의 수요가 예상보다 빠르게 증가하고 있었다.
그리고 Santec와 GMT는 각각 광학적 특성을 정밀하게 측정하고, 광학 부품을 정확하게 정렬·결합하는 기술을 제공하고 있다.
각 기업의 역할은 다르지만 기술적 방향은 비슷하다.
광학 엔진의 통합화가 진행될수록 광학 계측, 정밀 정렬, 자동화 검사, 시스템 신뢰성 검증이 하나의 제조공정 안에서 더욱 밀접하게 연결될 가능성이 있다.
물론 현재 확인되는 광학 계측장비의 매출 증가가 모두 CPO에서 발생하는 것은 아니다.
기존 고속 광트랜시버와 광통신 장비의 투자 확대가 상당 부분을 차지하고 있을 것이다.
하지만 장기적으로 보면 광트랜시버의 고속화와 CPO·NPO의 통합화가 서로 다른 경로를 통해 광학 계측과 자동화 검사 수요를 증가시킬 수 있다는 점이 흥미롭다.
6. Sigurd — 테스트 서비스의 수익성 개선으로 이어지는 변화
마지막으로 살펴볼 기업은 대만의 Sigurd Microelectronics다.
 |
| 2026.08.24 Sigurd Microelectronics |
Sigurd는 앞서 언급한 장비 제조사들과 달리 반도체 테스트 서비스를 제공하는 업체다.
따라서 장비업체들의 주문 증가가 실제 테스트 서비스 시장의 가동률과 수익성 개선으로 연결되고 있는지 확인하는 데 의미가 있다.
2026년 2분기 Sigurd의 매출은 전년 대비 23.1%, 영업이익은 34.4% 증가했다.
영업이익률도 전년 동기 23.5%에서 25.6%로 상승했다.
특히 AI·CPU·GPU·ASIC·Silicon Photonics 관련 매출이 전년 대비 40% 이상 증가한 점이 눈에 띄었다.
Sigurd — 2026년 실적발표 및 사업설명 요지
AI Compute에서는 CPU, GPU, ASIC 및 AI Accelerator 테스트를 확대하고 있습니다. AI Connectivity에서는 EIC, PIC, Optical Engine을 포함한 Silicon Photonics 테스트 역량을 구축하고 있으며, 2027년부터 관련 고객의 양산이 더욱 확대될 것으로 기대합니다.
회사는 AI 관련 제품 매출 비중이 2026년 약 24%에서 2027년에는 30% 이상으로 높아질 것으로 예상했다.
여기서 주목할 부분은 테스트 대상의 변화다.
과거 후공정 테스트의 주요 대상은 개별 반도체의 전기적 성능이었다.
하지만 최근에는 전자집적회로(EIC), 광집적회로(PIC), Optical Engine과 같은 광학 반도체 관련 테스트 역량까지 확대하고 있다.
또한 Sigurd는 일부 메모리 고객들이 테스트 생산능력을 확보하기 위해 가격 인상을 수용하고 있다고 설명했다.
이는 검사장비 수요의 증가가 단순한 미래 전망에 그치지 않고 실제 테스트 서비스 시장의 생산능력 확보 경쟁으로 일부 연결되고 있다는 의미로 볼 수 있다.
물론 모든 후공정 테스트 업체에서 동일한 공급 부족이나 가격 상승이 나타나고 있다고 단정하기는 어렵다.
다만 KLA, FormFactor, Advantest, Teradyne가 이야기하는 검사 강도 상승이 Sigurd의 매출 구성 및 수익성 변화에서도 일부 확인되고 있다는 점에서 의미가 있다.
7. Test Intensity와 Failure Cost — 검사장비 산업을 바라보는 새로운 관점
지금까지 살펴본 일곱 기업과 Meta의 기술 발표를 하나로 묶어보면 결국 두 가지 개념으로 정리할 수 있을 것 같다.
바로 Test Intensity와 Failure Cost다.
1. 첫 번째는 반도체 생산량 대비 검사 강도의 상승이다.
전통적으로 반도체 장비시장을 분석할 때는 웨이퍼 투입량과 신규 공장 증설, 미세공정 전환에 따른 장비 수요를 중심으로 접근했다.
하지만 AI Hardware의 기술 변화에서는 여기에 검사 강도라는 변수를 추가로 고려할 필요가 있다.
KLA는 첨단 DRAM과 Hybrid Bonding에서 검사 공정의 정밀도가 높아지고 있다고 설명했다.
FormFactor는 GPU·ASIC의 고속 인터페이스와 복잡한 패키징 구조가 Probe Card의 성능 요구 수준을 높이고 있다고 강조했다.
Advantest와 Teradyne은 GPU·ASIC·HBM의 고성능화와 제품 구성 변화가 테스트 수요를 증가시키고 있다고 설명했다.
여기에 광학 인터커넥트까지 반도체 패키징과 결합되면서 기존 전기적 검사에 광학적 성능 검증이 추가되고 있다.
결국 반도체 한 개를 생산하기 위해 필요한 검사의 수와 시간, 기술적 난도가 동시에 높아질 수 있다는 의미다.
2. 두 번째는 불량의 경제적 비용 증가다.
과거에는 개별 반도체의 수율과 원가가 중요했다면, 앞으로는 여러 반도체가 하나의 패키지로 통합된 이후 발생하는 불량의 비용이 더욱 중요해질 것이다.
GPU, HBM, Interposer가 고밀도로 통합되고, 향후 광학 엔진까지 ASIC과 가까이 배치되는 구조를 생각해 볼 필요가 있다.
개별 부품의 수율이 99%라고 해도 여러 부품을 결합한 시스템 전체의 수율이 자동으로 99%가 되는 것은 아니다.
예를 들어 서로 독립적인 부품 열 개가 각각 99%의 수율을 가진다고 단순 가정하면 모두 양품일 확률은 약 90.4%로 낮아진다.
물론 실제 패키징에서는 불량이 서로 독립적이지 않고, 공정별 선별검사와 수율 개선 과정도 복잡하므로 이를 그대로 적용할 수는 없다.
다만 시스템을 구성하는 부품의 수와 복잡성이 증가할수록 개별 부품의 불량이 전체 시스템의 경제성에 미치는 영향이 커질 수 있다는 점을 이해하기에는 충분하다.
Meta가 CPO 시스템에서 제조 단계의 통합 검사를 강조한 것도 같은 맥락에서 이해할 수 있다.
현장에서 교체하기 어려운 고가의 광학 엔진이 ASIC과 통합된다면, 제조 단계에서 불량을 발견하는 일의 경제적 가치는 더욱 높아진다.
여기서 검사장비의 역할은 단순히 불량품을 찾아내는 데 그치지 않는다.
고가의 부품을 조립하기 전에 정상 제품을 선별하고, 공정 중간에 결함을 발견하며, 최종 시스템의 신뢰성을 높임으로써 전체 제조원가와 가동 중단 비용을 줄이는 역할까지 수행하게 된다.
검사·계측장비가 반도체 제조공정에서 차지하는 경제적 가치가 높아질 수 있다고 생각하는 이유다.
8. AI Hardware의 새로운 병목은 검증 능력이 될 수 있지 않을까
최근 반도체 산업을 분석하면서 계속해서 관심을 두는 것은 기술 변화가 어떤 새로운 병목을 만들어내는가 하는 점이다.
HBM이 대표적인 사례였다.
GPU의 연산성능이 빠르게 증가하면서 이를 뒷받침할 메모리 대역폭과 용량이 중요해졌고, 그 결과 HBM의 공급능력과 적층 기술이 핵심 제약 요인으로 부상했다.
이후에는 CoWoS를 비롯한 첨단 패키징 생산능력과 ABF 기판, 고속 네트워킹과 광학 인터커넥트의 중요성이 높아졌다.
그런데 이번 검사장비 업체들의 어닝콜과 Meta의 CPO 발표를 함께 보면서 또 다른 생각이 들었다.
반도체를 생산할 수 있는 능력과 생산된 반도체가 정상적으로 작동한다는 것을 보증할 수 있는 능력이 서로 다른 제약 요인으로 작용할 수 있지 않을까.
특히 GPU·ASIC·HBM·CPO처럼 단위 제품의 가치가 높고 복잡성이 큰 영역에서는 검사 시간과 수율 검증 능력이 전체 생산량을 결정하는 요소가 될 가능성이 있다.
예를 들어 첨단 패키징 생산능력을 충분히 확보하더라도 각 공정에서 요구되는 검사시간이 길어지고 장비의 처리능력이 이를 따라가지 못한다면 최종 양품 출하량은 제약을 받을 수 있다.
광학 엔진 생산능력이 증가하더라도 광섬유의 정밀 정렬과 결합, 광학적 성능검사, 신뢰성 검증이 병목이 된다면 실제 출하량은 생산능력만큼 증가하지 못할 수 있다.
이러한 상황에서는 검사장비의 단순한 처리속도뿐 아니라 정밀도, 자동화, 병렬 처리능력, 공정 중 결함 검출 능력의 가치가 높아질 것이다.
KLA는 DRAM과 첨단 패키징의 검사 강도 상승을 이야기했고, FormFactor는 GPU·ASIC용 고성능 Probe Card와 CPO 테스트 시스템의 성장 가능성을 보여줬다.
Advantest는 Agentic AI가 CPU 테스트 수요까지 확대하고 있다고 설명했고, Teradyne은 HBM의 제품 구성 변화와 고속 반도체의 성능검사 수요를 강조했다.
Santec와 GMT는 광학 인터커넥트의 고속화와 정밀 결합에 따른 계측 및 자동화 수요를 보여줬으며, Sigurd는 이러한 변화가 실제 후공정 테스트 서비스의 매출과 수익성으로 이어지고 있음을 보여줬다.
그리고 Meta는 CPO의 실증 결과를 통해 앞으로 광학 엔진과 ASIC을 통합하는 과정에서 제조 단계의 품질검증과 시스템 신뢰성이 얼마나 중요한 문제인지 설명했다.
서로 다른 공정과 사업을 영위하는 기업들이지만 결국 하나의 기술 변화와 연결되어 있다는 생각이 든다.
AI Hardware 산업의 경쟁이 개별 반도체의 성능 향상에서 더욱 복잡한 시스템을 통합하는 방향으로 발전하면서, 반도체를 제조하는 데 필요한 자본뿐 아니라 이를 정밀하게 검사하고 검증하는 데 투입되는 자본의 비중도 높아지고 있는 것이다.
앞으로 AI 반도체 산업의 부가가치는 단순히 더 많은 칩을 생산하는 기업에만 집중되지는 않을 수 있다.
더 복잡한 반도체를 높은 수율로 제조하고, 서로 다른 부품을 정밀하게 결합하고, 전체 시스템이 정상적으로 작동하는지 신속하게 검증할 수 있는 기술의 가치도 함께 높아질 가능성이 있다.
최근 검사장비 업체들의 강한 실적은 이러한 구조적 변화의 초기 신호일지도 모르겠다.
=끝
참고자료
Meta — Integrated Optics at Scale, 51.2T CPO 실증 결과 및 102.4T Integrated Optics 설계 발표. 제공된 발표 자막 및 Q&A
KLA — Investor Relations : FY2027 1Q 실적발표 및 컨퍼런스콜
Advantest — Financial Results : FY2026 2Q 실적발표
Teradyne — Investor Relations : 2026년 3분기 실적발표 및 컨퍼런스콜
Santec Holdings — Investor Relations : 2026년 4~6월 분기 실적자료
관련 이전 글: 생각정리 408 — The Next AI Hardware / 생각정리 409 — CoWoS·CoPoS, Advanced Packaging / 생각정리 413 — Optical Supply Chain Update
