1. Bernstein은 AI 발전을 학습 → 기본 챗봇 → 고급 추론 → 에이전틱 AI의 네 단계로 구분함. AI가 고도화될수록 수혜가 HBM에만 집중되지 않고 전체 메모리·스토리지로 확산되는 구조
2. 1단계인 모델 학습에서는 HBM 수요가 압도적이며, 일반 DRAM과 NAND·HDD 수요도 강하게 발생함. 지금까지 시장이 주목한 AI 메모리 사이클은 대부분 이 구간이었음
3. 기본 챗봇 추론 단계에서는 자원 소모가 일시적으로 낮아짐. 이미 학습된 모델에 단순한 질문과 답변을 처리하는 수준이라면 HBM을 제외한 메모리·스토리지 수요는 상대적으로 제한적임
4. 그러나 장문 컨텍스트와 RAG, 추론이 결합되는 3단계부터 수요가 다시 급증함. HBM뿐 아니라 NAND와 기업 SSD 수요도 최상위 수준으로 올라가며, 데이터를 저장하고 불러오는 능력이 중요해짐
5. 에이전틱 AI 단계에서는 수혜의 중심이 더 넓어짐. 에이전트가 과거 작업을 기억하고, 도구를 사용하며, 장시간 워크플로를 수행하려면 일반 DRAM과 NAND가 대량으로 필요. HDD 수요까지 높아지는 이유
6. 메모리 트레이드를 HBM 단일 사이클이 아님. 초기 수혜가 GPU와 HBM에 집중됐다면, 다음 수요는 범용 DRAM → NAND·SSD → 대용량 HDD
7. 현재를 고급 추론에서 에이전틱 AI로 넘어가는 구간으로 본다면, HBM 고점 논쟁보다 메모리 수요의 외연이 얼마나 빠르게 넓어지는지가 더 중요