인공지능(AI) 시대를 맞아 주문형 반도체(ASIC)가 핵심으로 부상하고 있다. 미국의 빅테크 기업들은 자신들이 원하는 반도체를 찾게 되면서 주문형 반도체 칩에 대한 성장이 이어질 것이 예상된다.고대역폭메모리(HBM) 역시 6세대인 HBM4부터는 커스텀 HBM이 적용됨에 따라 K-반도체도 "고객 맞춤형"에도 드라이브를 걸어야 한다. 주요 빅테크 기업의 ASIC칩 메모리 탑재현황기업명ASIC 제품명탑재 메모리구글TPUHBM2E아마존, AWSTrainuum2HBM3MSMaia 100HBM2METAMTIALPDDR5 시장조사업체 코히어런트마켓인사이트에 따르면 올해 ASIC칩 시장 규모는 약 202억 9000만 달러(약 29조원)로, 오는 2031년까지 약 328억 4000만 달러(약 47조원)까지 성장할 것으..

1. 4분기 실적매출: 14,054M USD (컨센서스 14,091M USD, In-Line)조정 EBITDA: 9,089M USD (컨센서스 8,924.25M USD, In-Line)조정 EPS: 1.42 USD (컨센서스 1.39 USD, Beat)영업현금흐름: 5.482M USD사업 부문: 반도체 부문(82.3억 달러)은 예상보다 높은 실적을 기록, AI 매출 확대로 매출 성장이 나타났고 소프트웨어 부문은 다소 부진2. 주가 24% 상승시킨 컨센서스하이퍼스케일러급 신규 고객사 2곳 추가AI 향 매출이 향후 600억~900억 달러로 성장할 수 있다고 전망3. ASIC의 경쟁력ASIC : 고객의 요구에 맞춘 맞춤형 반도체 설계로 성능 향상, 전력 절감, 비용 절감 등의 장점이 있음. AI 신경망 연산을..

로젠블랏은 브로드컴(AVGO)에 대한 투자의견을 매수로 유지했고, 목표주가를 240달러에서 250달러로 상향조정했다.한스 모지스먼 애널리스트는 “동사가 AI 및 네트워킹 부문 성장 모멘텀 지속, 그리고 VM웨어 통합후 첫 분기실적이라는 점에 힘입어 FY24 4 분기(8~10월) 컨센서스를 소폭 상회하는 실적을 기록했다”고 평가했다. 브로드컴은 FY24 4분기(8~10월) 어닝스 콜에서 “현재 하이퍼 스케일러 주문형 반도체(ASIC) XPU(AI 가속기) 고객 3사가 향후 3년에 걸쳐 서로 다른 속도로 전개할 여러 세대의 자체 AI XPU 로드맵을 개발해왔으며, 이는 XPU 및 네트워크에 대한 AI 서비스가능시장(SAM) 매출이 FY27 에만 해도 600억~900억 달러에 도달할 것임을 가리킨다”고 예..

브로드컴 어제 미국 증시에서 24% 올라 시가총액이  1조달러를 돌파했습니다. 브로드컴 실적발표에서 CEO가 2027년에 600~900억불의 AI 관련 매출도 가능하다고 언급했는데, 이게 어느 정도 규모인지를 산정 해보겠습니다. 올해 브로드컴의 전사 매출이 500억 달러 을 조금 넘습니다. AI매출 비중이 1/4정도 되니깐 125억 달러 정도 될 것으로 예상됩니다.27년 AI관련 매출이 600~900억 달러가되면, AI 매출만 5 ~ 7배 정도 증가 한다는 겁니다.AI 매출에 대한 이익률과 멀티플을 감안하여 약 0.5 ~ 0.7 조달러 증가를 추정할 수 있습니다.현재 시가초액대비 1.5~1.7배 입니다. 2027년까지입니다. 기간을 고려하시기 바라며 2년은 짧지 않은 기간이라는 것도 알아야 하시고요 h..

변곡점 온 AI ASIC의 시대 + AI 데이터센터의 HW, SW 모두 품은 브로드컴주요 재무 실적:- 2024 회계연도 연결 매출: 전년 대비 44% 증가한 516억 달러 (VMware 제외 시 9% 성장)- Q4 연결 매출: 전년 대비 51% 증가한 141억 달러 (VMware 제외 시 11% 성장)- Q4 영업이익: 88억 달러 (전년 대비 53% 증가), 영업이익률 63%주요 사업 현황:1) VMware 통합- VMware 인수 후 통합이 대부분 완료- 운영 마진이 2024년 말 70%까지 상승- 초기 목표였던 85억 달러의 조정 EBITDA를 3년 목표보다 빨리 달성할 전망2) AI 사업 성과- AI 관련 매출이 전년 대비 220% 증가한 122억 달러 기록 (반도체 매출의 41% 차지)- 20..

AI 가속기와 ASIC 반도체는 모두 인공지능 작업을 가속화하기 위해 설계된 특수 목적 하드웨어이지만, 몇 가지 중요한 차이점이 있습니다. 두 기술을 비교 검토해보겠습니다.설계 및 용도AI 가속기일반적으로 다양한 AI 및 머신러닝 작업에 사용할 수 있도록 설계됨GPU, TPU 등이 대표적인 예시다양한 AI 모델과 알고리즘을 실행할 수 있는 유연성 제공ASIC 반도체특정 AI 애플리케이션이나 알고리즘에 최적화되어 설계됨용도에 맞게 개별적인 집적회로 설계 및 제작이 이루어짐공급 이후 회로 및 레이아웃 수정이 불가능성능 및 효율성AI 가속기다양한 AI 작업에 대해 우수한 성능 제공범용성으로 인해 특정 작업에 대해서는 ASIC보다 효율이 떨어질 수 있음ASIC 반도체특정 AI 작업에 대해 최고의 성능과 효율성 ..