PCB/ABF/CCL 산업에 구조적인 수요 변곡점이 온 것 같아 뒤늦게라도(?) 정리 기록해본다.
Agent AI 시대의 CCL·PCB·ABF 수요를 Bottom-up으로 다시 계산해본다
며칠 전 글에서는 Agent 기능이 확산될수록 왜 데이터센터 내부 트래픽과 PCB 수요가 함께 증가하는지를 정리했다.
Agent는 질문 한 번에 답변 한 번을 생성하는 서비스가 아니다. 하나의 작업을 처리하기 위해 계획을 세우고, 외부 도구를 호출하고, 결과를 검증한 뒤 다시 추론한다. 이 과정에서 토큰 소비량뿐 아니라 KV Cache, 메모리 접근, GPU 간 통신, 랙 간 East-West Traffic이 함께 증가한다.
이 부분은 아래 글에서 이미 자세히 다뤘기 때문에 이번 글에서는 반복하지 않는다.
이번 글에서 확인하려는 것은 그다음 단계다.
Agent AI 수요가 실제 GPU·ASIC 출하량으로 얼마나 연결되고, GPU·ASIC의 증가가 랙당 PCB·CCL·ABF 탑재액을 얼마나 높이며, 이를 종합했을 때 관련 시장이 2030년까지 어느 정도 성장할 수 있는가?
기존에 작성했던 GPU·ASIC·HBM 수요 모델을 출발점으로 삼고, 이를 랙 구조와 부품 탑재량까지 연결해봤다.
1. 기존 추정치는 여전히 유효한가
2025년 7월 CCL·PCB 산업 리서치에서는 AI PCB 시장을 2025년 $5.3bn, 2027년 $17.4bn으로 추정했다. 같은 기간 AI CCL 시장은 $2.3bn에서 $8.0bn으로 증가한다고 계산했다.
이번 모델에서는 NVIDIA 중심의 GPU 추정치에 AMD를 추가하고, 공개되지 않은 CSP 내부 ASIC 수요와 랙당 부품 탑재량 변화를 반영했다.
수정된 2027년 시장규모는 PCB $19.0bn, CCL $8.2bn, ABF $3.8bn이다.
PCB는 AMD와 비공개 ASIC 수요를 반영하면서 기존 추정치보다 높아졌지만, CCL은 기존 추정치와 거의 같다. 과거 모델도 이미 고다층화와 고사양 CCL 전환을 상당 부분 반영하고 있었기 때문이다.
중요한 것은 2027년의 절대 수치보다 이후의 성장 기울기다.
이번에는 기존 모델을 2030년까지 연장하면서 가속기 수량, 랙 구조, 보드 수, PCB 층수와 소재 Mix를 하나의 계산식으로 연결했다.
2. GPU와 ASIC 출하량
가속기 출하량은 기존 HBM 산업 리서치에서 계산했던 제품별 수요를 기초로 했다.
NVIDIA, AMD, Google, AWS와 주요 ASIC 설계업체의 제품별 HBM 탑재량과 출하량은 아래 글에서 정리했기 때문에 이번 글에서는 계산 결과만 사용한다.
기존 HBM 모델은 공개된 제품과 고객 프로젝트를 중심으로 계산한 Visible Demand였다.
전체 AI Accelerator 시장을 추정하려면 공개되지 않은 CSP 내부 프로젝트와 비공개 ASIC 프로그램을 추가해야 한다.
이를 반영한 GPU와 ASIC 출하량은 다음과 같다.
전체 AI Accelerator 출하량은 2025년 660만 개에서 2030년 3,290만 개로 약 5배 증가한다.
GPU는 NVIDIA와 AMD를 중심으로 고성능·고단가 제품이 늘어난다. 절대 출하량 증가뿐 아니라 가속기가 랙 단위 시스템으로 전환되는 과정이 PCB와 CCL 수요에 더 큰 영향을 준다.
ASIC은 TPU, Trainium, Inferentia와 CSP 자체 가속기의 확산으로 출하량 증가 속도가 더 빠르다. 개당 시스템 탑재액은 GPU보다 낮을 수 있지만, 물량 증가 폭이 이를 상쇄한다.
따라서 PCB·CCL 관점에서는 ASIC의 물량 성장과 GPU의 랙당 Content 상승을 동시에 봐야 한다.
3. 가속기 한 개에서 랙 전체로
기존 AI 서버 모델은 GPU나 ASIC 한 개에 들어가는 기판과 PCB를 계산하는 방식이었다.
하지만 Blackwell 이후에는 가속기 개수만 세는 방식으로 실제 부품 수요를 설명하기 어려워졌다.
NVL72와 같은 랙에는 GPU Compute Tray뿐 아니라 다음과 같은 부품이 함께 들어간다.
- CPU Tray
- NVLink Switch Tray
- Network Interface Board
- Backplane·Midplane
- Power Distribution Board
- Storage·Control Board
따라서 GPU 72개가 들어간 랙의 PCB 수요는 GPU용 메인보드 72장의 합이 아니다.
가속기 간 통신과 랙 전체의 전력·네트워크·스토리지를 연결하기 위한 PCB가 추가된다. 세대가 바뀔수록 이러한 비가속기 PCB의 증가율이 GPU 보드 증가율보다 높아지고 있다.
Rubin의 PCB·CCL·Glass Fiber 구조와 Advanced PCB의 세부 정의는 아래 글에서 이미 정리했다.
이번 글에서는 기술 설명을 반복하지 않고 세대별 랙당 탑재액 변화에 집중한다.
4. NVL72, NVL144 그리고 NVL576
NVL576은 GPU 576개를 한 개의 물리적 랙에 넣은 구조가 아니다.
NVIDIA가 공개한 Rubin POD 구조를 기준으로 보면 NVL576은 72개의 GPU가 들어가는 랙 8개를 연결한 Scale-up Domain이다.
반면 Kyber NVL144는 144개의 Rubin Ultra GPU가 들어가는 하나의 고밀도 랙이다.
따라서 PCB 수요를 계산할 때는 물리적 랙과 전체 Scale-up Domain을 구분해야 한다.
NVIDIA가 공개한 Rubin 시스템 구조는 아래 자료에서 확인할 수 있다.
이 구분이 중요한 이유는 2030년까지 PCB 수요가 단순히 GPU 숫자를 따라가는 것이 아니라, 하나의 Scale-up Domain을 구성하는 랙과 네트워크 보드의 숫자까지 함께 증가하기 때문이다.
5. 랙당 PCB·CCL·ABF 탑재액
랙 구조와 보드 수, PCB 층수, CCL 등급, 패키지 기판 면적을 바탕으로 계산한 세대별 탑재액은 다음과 같다.
그래프의 범위형 수치는 상단과 하단의 중간값을 사용했다. NVL576은 물리적 단일 랙이 아니기 때문에 랙당 비교 그래프에서는 제외했다.
GB300에서 Rubin NVL72로 넘어가도 GPU 수는 72개로 같다.
그런데 PCB 탑재액은 약 $35K에서 $117K로 3배 이상 증가한다. CCL과 ABF 역시 GPU 개수 변화보다 빠르게 늘어난다.
기존 모델이 첫 번째 변수인 가속기 출하량에 집중했다면, Rubin 이후 성장 기울기를 결정하는 것은 두 번째와 세 번째 변수다.
6. 왜 랙당 탑재액이 증가하는가
PCB 층수 증가
GPU 성능이 올라갈수록 전력과 데이터 신호를 전달해야 하는 배선 수가 증가한다.
Compute Board의 층수는 Blackwell 22층에서 Rubin 26층 수준으로 높아지고, NVLink Switch Board와 Backplane은 30층 이상으로 올라간다. 일부 고밀도 Backplane은 70층 이상의 구조가 필요하다.
PCB 면적이 같더라도 층수가 증가하면 Core와 Prepreg 사용량이 늘어난다. 따라서 PCB 생산 면적보다 CCL 사용 면적이 더 빠르게 증가한다.
고사양 CCL 비중 증가
800G·1.6T 이상의 데이터 전송에서는 신호 손실을 줄이기 위해 Low-loss·Ultra-low-loss CCL이 필요하다.
Blackwell의 M7 중심 구조는 Rubin에서 M8으로 이동하고, Rubin Ultra와 이후 플랫폼에서는 M9 적용 영역이 확대된다.
CCL은 사용 면적과 제품 등급이 동시에 상승한다.
Switch·Backplane 비중 증가
Agent와 추론 워크로드는 GPU 연산만 증가시키지 않는다.
KV Cache를 여러 GPU가 공유하고, 긴 Context를 처리하며, 하나의 요청을 여러 Agent와 Model이 나눠 처리하는 과정에서 GPU 간 통신과 랙 간 통신량이 증가한다.
그 결과 서버 내부 PCB뿐 아니라 NVLink Switch, Network Switch, Backplane과 Midplane PCB의 증가가 더 중요해진다.
패키지 기판의 대형화
GPU·ASIC 패키지가 커지고 HBM Stack 수가 증가하면서 ABF 기판 면적과 층수도 함께 증가한다.
ABF는 가속기 개수 증가뿐 아니라 패키지당 기판 면적 증가의 영향을 받는다.
다만 PCB·CCL과 달리 ABF 수요는 서버 랙 전체보다는 가속기와 Switch ASIC 패키지에 더 직접적으로 연결된다.
7. 2030년까지 AI PCB 시장
여기서 AI PCB는 가속기 보드만 의미하지 않는다.
AI 서버 랙과 연결된 Compute, CPU, Switch, Network, Backplane, Storage·Control PCB를 포함한다.
AI PCB 시장은 2025년 $5.5bn에서 2030년 $54.7bn으로 증가하며, 연평균 성장률은 약 **58.5%**다.
GPU용 PCB는 랙당 탑재액 상승의 영향을 크게 받고, ASIC용 PCB는 출하량 증가의 영향을 더 크게 받는다.
2030년에는 ASIC System이 AI PCB 수요의 약 **60%**를 차지하는 것으로 계산된다.
8. AI CCL과 ABF Substrate 시장
CCL은 PCB의 원재료이므로 PCB 시장과 합산하면 안 된다. ABF는 GPU·ASIC 패키지에 사용되는 별도의 Package Substrate 시장이다.
CCL 시장은 2025년 $2.4bn에서 2030년 $22.7bn으로 증가하며, 연평균 성장률은 약 **56.8%**다.
CCL은 PCB 면적보다 층수와 제품 등급이 더 중요하다. 동일한 PCB 한 장이라도 20층에서 30층, M7에서 M8·M9으로 바뀌면 CCL 매출은 크게 증가할 수 있다.
ABF 시장은 같은 기간 $1.1bn에서 $10.4bn으로 증가하며, 연평균 성장률은 약 **55.8%**다.
GPU는 패키지 면적과 HBM 탑재량 증가가 수요를 끌어올리고, ASIC은 출하량 증가가 시장 성장을 주도한다. 2030년 기준으로는 GPU와 ASIC의 ABF 수요 기여도가 비슷해진다.
9. 시장의 성장 기울기가 가팔라진 이유
이번 추정에서 가장 중요한 부분은 2025년부터 2030년까지의 성장이 하나의 변수로 설명되지 않는다는 점이다.
첫째, GPU와 ASIC 출하량은 2025년 660만 개에서 2030년 3,290만 개로 약 5배 증가한다.
둘째, AI 인프라의 판매 단위가 가속기에서 랙으로 바뀌고 있다. NVL72 이후에는 Switch, Network와 Backplane을 포함한 랙 전체가 하나의 컴퓨팅 시스템으로 설계된다.
셋째, GPU 수가 같아도 세대가 바뀌면 Compute Board, Switch Board와 Backplane의 면적 및 층수가 증가한다. GB300 NVL72에서 Rubin NVL72로 전환될 때 PCB 탑재액이 3배 이상 늘어나는 이유다.
넷째, CCL은 수량과 가격이 동시에 오른다. PCB의 대형화·고다층화로 사용 면적이 증가하고, M7에서 M8·M9으로 이동하면서 면적당 ASP도 상승한다.
다섯째, CSP의 자체 ASIC이 확대되면서 PCB와 CCL의 전방 수요가 다변화된다. ASIC은 GPU를 완전히 대체하기보다 특정 추론·추천·검색 워크로드에 추가되는 경우가 많다.
2025년을 100으로 놓으면 2030년 시장지수는 PCB 995, CCL 946, ABF 945 수준이다.
세 시장이 비슷한 기울기로 성장하지만 내부의 성장동력은 서로 다르다.
PCB는 랙 시스템의 복잡도, CCL은 층수와 소재 Mix, ABF는 가속기 수량과 Package Body Size의 영향을 더 직접적으로 받는다.
10. 2025~2030년 성장 구간
2025~2027년: 플랫폼 전환과 Mix 상승
이 구간에서는 Blackwell에서 Rubin으로 넘어가는 제품 전환이 중요하다.
가속기 출하량도 증가하지만, PCB·CCL 시장이 더 빠르게 성장하는 이유는 랙당 탑재액과 고사양 제품 비중이 동시에 상승하기 때문이다.
2027년 PCB 시장은 2025년 대비 약 3.5배, CCL은 3.4배, ABF는 3.5배로 증가한다.
2028~2030년: ASIC과 다중 랙 시스템의 확산
이 구간에서는 Custom ASIC 물량과 대형 Scale-up Domain이 성장을 주도한다.
GPU 플랫폼도 NVL144 이상의 고밀도 시스템으로 이동하고, ASIC은 자체 네트워크와 Switch 구조를 확대한다.
따라서 후반부에는 가속기 개수뿐 아니라 시스템당 PCB Content와 네트워크 구조가 시장을 결정하는 변수가 된다.
11. 산업 수요를 볼 때 확인해야 할 지표
PCB·CCL·ABF 산업을 추적할 때 GPU 출하량만 봐서는 부족하다.
GPU 출하량과 HBM 탑재량은 비교적 쉽게 확인할 수 있다.
반면 PCB와 CCL 수요의 기울기를 판단하려면 랙당 보드 수, PCB 층수, CCL 등급과 Switch 구조를 함께 봐야 한다.
개인적인 생각
2025년 CCL·PCB 산업을 처음 계산했을 때는 GPU와 ASIC 출하량 증가가 수요의 대부분을 설명한다고 생각했다.
하지만 Blackwell과 Rubin의 시스템 구조를 다시 살펴보면 더 중요한 변화는 가속기 자체보다 가속기 주변에서 발생하고 있다.
GPU 72개가 144개로 늘어나는 것만이 중요한 게 아니다.
72개의 GPU를 하나의 컴퓨터처럼 동작하게 만들기 위해 Switch, Backplane, Network와 Power PCB가 증가하고, 이를 여러 랙으로 확장하기 위해 다시 고사양 PCB와 CCL이 필요하다.
Agent AI는 이 변화를 더욱 가속한다.
Agent는 더 많은 토큰을 소비할 뿐 아니라 더 많은 메모리 접근과 GPU 간 통신을 유발한다. 모델이 커지고 Context가 길어지며 여러 Agent가 작업을 나눠 수행할수록 데이터센터 내부의 데이터 이동량은 연산량보다 빠르게 증가할 수 있다.
따라서 CCL·PCB·ABF 산업의 성장 기울기는 다음 세 가지가 겹친 결과라고 생각한다.
이번 AI PCB,CCL,ABF 25-30년 Bottom-up 추정에서
AI PCB $5.5bn에서 $54.7bn,
CCL은 $2.4bn에서 $22.7bn,
ABF는 $1.1bn에서 $10.4bn으로 증가했다.
세 시장 모두 5년간 연평균 50% 중후반의 성장률이다.
숫자 자체보다 중요한 것은 산업을 바라보는 단위가 바뀌고 있다는 점이다.
과거에는 GPU 한 개당 HBM과 기판을 계산했다면,
앞으로는 하나의 GPU가 어느 랙에 들어가고,
그 랙이 몇 개의 Switch 및 Backplane과 연결되며,
몇 개의 랙이 하나의 Scale-up Domain을 구성하는지를 계산해야 한다.
AI 인프라의 기본 단위가
Chip에서 ->Package로,
->Package에서 Board로,
->Board에서 Rack으로 확장되고 있다.
그리고 이 변화가 CCL·PCB·ABF 수요의 성장 기울기를 과거 예상보다 더 가파르게 만들고 있다.
 |
| 2026.10.07 Nanya PCB |
 |
| 2026.10.07 Elite materials |
 |
| 구글 파이낸스 이전 버전으로 좀 누가 돌려놔줬으면.. |
다시금 느끼지만,
기술 발전에 따른 산업의 방향성이 기존 가정과 같더라도 성장 기울기는 계속 달라진다.
그 변화를 제때 감지하고 가정과 수치를 다시 조정해
Top-down 방식으로 어닝모델까지 연결하는 과정이 가장 번거롭고 어려운 일인것 같다.
=끝
