CoWoS-L과 CoWoS-R 차이, AI 반도체 패키징은 왜 더 커져야 할까

컴퓨터를 맞출 때 보통은 CPU나 그래픽카드부터 보게 됩니다.

저도 예전에는 그랬습니다. 게임 성능을 가장 크게 바꾸는 부품이 CPU와 그래픽카드라고 생각했기 때문입니다. 실제로 그래픽카드를 바꾸면 프레임이 바로 달라지고, CPU를 바꾸면 작업 속도가 체감되는 경우가 많습니다.

그런데 컴퓨터를 직접 맞추다 보면 성능 좋은 부품만 산다고 끝나지 않는다는 걸 알게 됩니다.

그래픽카드는 좋은데 케이스에 안 들어가거나, 파워 용량이 부족하거나, 메인보드 슬롯 구조 때문에 장착이 애매한 경우가 있습니다. 부품 자체는 좋은데 그 부품을 담고 연결하는 구조가 받쳐주지 않으면 제 성능을 내기 어렵습니다.

AI 반도체도 지금 비슷한 국면에 들어왔습니다.

GPU 성능은 폭발적으로 올라갔습니다. HBM도 HBM3, HBM3E를 지나 HBM4로 진화하고 있습니다. 그런데 GPU와 HBM을 하나의 패키지 안에서 제대로 연결하지 못하면 AI 서버는 종이 위 성능만 높을 뿐 실제 공급과 성능 효율에서 한계를 드러낼 수밖에 없습니다.

이 지점에서 전면으로 떠오른 기술이 바로 CoWoS입니다.

그리고 이제는 단순히 CoWoS가 중요하다는 수준을 넘어, CoWoS-S, CoWoS-L, CoWoS-R의 차이까지 봐야 하는 단계가 되었습니다.

1.CoWoS-S는 AI GPU 시대를 연 기본 구조입니다

CoWoS는 Chip-on-Wafer-on-Substrate의 약자입니다.

TSMC가 개발한 2.5D 첨단 패키징 기술입니다. 쉽게 말하면 GPU 같은 로직 칩과 HBM 같은 고대역폭 메모리를 하나의 패키지 안에 올리고, 그 사이를 매우 촘촘한 배선으로 연결하는 기술입니다.

기본형에 가까운 구조가 CoWoS-S입니다.

TSMC 공식 CoWoS 설명에서는 CoWoS-S를 실리콘 인터포저 기반 구조로 설명합니다. 로직 칩과 HBM을 큰 실리콘 인터포저 위에 올리고, 그 안의 미세 배선을 통해 고밀도 연결을 구현하는 방식입니다.

이 구조가 중요한 이유는 단순합니다.

AI GPU는 HBM에서 데이터를 계속 받아와야 합니다. GPU와 HBM 사이 연결이 느리면 GPU는 기다립니다. 그래서 HBM을 GPU 가까이에 붙이고, 실리콘 인터포저를 통해 넓은 데이터 통로를 만드는 CoWoS-S가 AI 가속기 시대의 핵심 기술이 된 것입니다.

TSMC 공식 자료를 보면 CoWoS-S는 최대 3.3배 레티클 크기, 약 2700mm² 수준의 인터포저까지 수용할 수 있습니다. 생성형 AI 초기에는 이 정도 구조로도 충분했습니다.

H100, H200 같은 GPU 시대에는 CoWoS-S가 강력한 해법이었습니다.

하지만 Blackwell 이후부터는 문제가 달라집니다.

2.CoWoS-S의 한계는 크기와 수율입니다

AI 모델이 커질수록 GPU도 커집니다.

HBM도 더 많이 필요해집니다.

처음에는 큰 GPU 하나와 HBM 여러 개를 하나의 실리콘 인터포저 위에 올리면 됐습니다. 그런데 최신 AI GPU는 단일 칩 하나로 끝나지 않습니다. 여러 개의 로직 다이를 묶고, 더 많은 HBM을 붙이고, GPU끼리 초고속으로 연결해야 합니다.

여기서 CoWoS-S의 한계가 나타납니다.

실리콘 인터포저는 정밀한 배선을 만들 수 있다는 장점이 있습니다. 하지만 인터포저 면적이 커질수록 제조 비용과 수율 부담이 커집니다. 큰 실리콘 판을 만들수록 결함 가능성도 높아지고, 열팽창 차이로 인한 휨 현상도 커질 수 있습니다.

TSMC가 공식 자료에서 3.3배 레티클보다 큰 인터포저 크기에는 CoWoS-L 또는 CoWoS-R을 권장한다고 설명하는 이유도 여기에 있습니다.

즉 CoWoS-S는 성숙하고 강력한 기술이지만, 초대형 AI GPU 시대에는 더 큰 확장성이 필요해진 것입니다.

AI 반도체 병목이 단순히 웨이퍼 제조에서 끝나지 않고, 패키징으로 이동하기 시작한 지점입니다.

3.CoWoS-L은 Blackwell 이후의 고성능 해법입니다

CoWoS-L은 이 문제를 해결하기 위해 등장한 구조입니다.

핵심은 전체 면적을 모두 비싼 실리콘 인터포저로 덮는 대신, 정말 고밀도 연결이 필요한 부분에만 실리콘 브리지를 사용하는 것입니다.

TSMC는 CoWoS-L을 Local Silicon Interconnect 기반 구조로 설명합니다.

쉽게 말하면 CoWoS-S가 큰 실리콘 판 전체에 고속도로를 까는 방식이라면, CoWoS-L은 GPU와 GPU, GPU와 HBM처럼 가장 중요한 구간에만 초고속 실리콘 다리를 놓는 방식입니다.

나머지 영역은 RDL과 유기 소재를 활용해 더 큰 패키지로 확장할 수 있습니다.

이 구조가 중요한 이유는 Blackwell 때문입니다.

NVIDIA Blackwell Ultra 자료를 보면 Blackwell Ultra GPU는 최대 288GB HBM3E와 8TB/s 메모리 대역폭을 제공합니다. 또한 Blackwell 세대 NVLink는 GPU당 1.8TB/s 양방향 대역폭을 제시합니다.

이 정도 구조에서는 GPU, HBM, GPU 간 연결이 모두 중요해집니다.

Reuters는 2025년 1월 Jensen Huang의 발언을 인용해, NVIDIA가 Hopper에서는 CoWoS-S를 사용했고 Blackwell에서는 주로 CoWoS-L을 사용한다고 보도했습니다. 동시에 CoWoS-S 주문을 줄이는 것이 아니라, Blackwell 수요에 맞춰 CoWoS-L 용량을 늘리는 것이라고 설명했습니다.

이 말은 매우 중요합니다.

NVIDIA가 CoWoS-S를 버린 것이 아닙니다.

AI GPU가 커지면서 CoWoS-S만으로는 부족해졌고, 더 큰 패키지를 위한 CoWoS-L 수요가 새로 폭발한 것입니다.

4.CoWoS-R은 비용과 유연성을 위한 선택입니다

CoWoS-R은 CoWoS-L과 목표가 조금 다릅니다.

TSMC 공식 자료에서 CoWoS-R은 RDL Interposer 기반 기술로 설명됩니다. RDL은 Redistribution Layer, 즉 재배선층입니다.

CoWoS-R은 실리콘 인터포저 대신 폴리머와 구리 배선을 활용한 RDL 구조를 사용합니다. TSMC는 CoWoS-R의 최소 배선 피치를 4μm, 즉 2μm line/space 수준으로 설명합니다.

CoWoS-R의 장점은 비용과 유연성입니다.

실리콘 인터포저를 적게 쓰거나 사용하지 않기 때문에 제조 비용 부담을 낮출 수 있습니다. 또 유기 소재 기반 구조는 대형 패키지에서 생기는 열팽창 스트레스를 어느 정도 흡수하는 데 유리합니다.

하지만 단점도 분명합니다.

CoWoS-L처럼 극단적인 고밀도 연결이 필요한 플래그십 AI GPU에서는 한계가 있을 수 있습니다. 배선 밀도와 신호 전송 성능 면에서 CoWoS-L이 더 강합니다.

그래서 CoWoS-R은 최고성능 AI 학습용 GPU보다는 네트워크 ASIC, 일부 커스텀 AI 칩, 비용 효율이 중요한 영역에서 더 의미가 큽니다.

정리하면 이렇습니다.

CoWoS-S는 성숙한 실리콘 인터포저 구조입니다.

CoWoS-L은 초대형 고성능 AI GPU를 위한 확장형 구조입니다.

CoWoS-R은 비용과 유연성을 중시하는 RDL 기반 구조입니다.

세 기술은 단순히 우열 관계가 아니라, 서로 다른 시장을 담당하는 패키징 옵션에 가깝습니다.

5.Blackwell과 B300이 CoWoS-L 수요를 키우고 있습니다

현재 시장에서 가장 중요한 흐름은 Blackwell 이후 CoWoS-L 수요가 커지고 있다는 점입니다.

TrendForce는 2024년 10월 NVIDIA가 Blackwell Ultra 제품군을 B300 시리즈로 재편했고, B300과 GB300 라인이 CoWoS-L 기술을 사용하면서 2025년 첨단 패키징 수요를 끌어올릴 것으로 봤습니다.

이 흐름은 자연스럽습니다.

Blackwell 이후 GPU는 더 커지고, HBM은 더 많이 붙고, GPU 간 연결 대역폭도 더 높아집니다. 결국 패키지 크기와 배선 밀도가 동시에 올라갑니다.

이때 필요한 것이 CoWoS-L입니다.

CoWoS-L은 실리콘 브리지로 핵심 연결부의 고밀도 배선을 유지하면서도, 전체 패키지는 더 크게 확장할 수 있습니다.

쉽게 말해 CoWoS-L은 Blackwell 이후 AI GPU가 물리적으로 커지는 문제를 해결하기 위한 현실적인 해법입니다.

6.HBM4 시대에는 패키징 난이도가 더 올라갑니다

앞으로 문제는 더 커집니다.

HBM4는 기존 HBM3E보다 더 넓은 인터페이스를 사용합니다. HBM3 계열이 1024비트 인터페이스를 사용했다면, HBM4는 2048비트 인터페이스로 확대됩니다.

이 말은 GPU와 HBM 사이에 연결해야 할 통로가 크게 늘어난다는 뜻입니다.

메모리 대역폭을 높이려면 단순히 HBM만 좋아져서는 안 됩니다. 그 HBM을 GPU와 연결하는 패키징 구조도 같이 발전해야 합니다.

그래서 HBM4 시대에는 CoWoS-L의 중요성이 더 커질 가능성이 높습니다.

특히 Rubin 이후 세대에서는 더 많은 HBM, 더 넓은 인터페이스, 더 큰 패키지, 더 복잡한 열관리 문제가 동시에 등장할 가능성이 큽니다.

AI 반도체 경쟁이 단순히 칩 설계 경쟁이 아니라 패키징 경쟁으로 이동하는 이유입니다.

7.투자 관점에서는 TSMC를 다르게 봐야 합니다

AI 반도체를 볼 때 많은 사람은 엔비디아만 봅니다.

물론 엔비디아는 핵심입니다. 하지만 엔비디아 GPU가 실제 제품으로 출하되려면 HBM과 CoWoS가 필요합니다.

여기서 병목이 생기면 GPU 설계가 끝나도 제품 공급은 늘어나지 않습니다.

Reuters 보도에서도 Jensen Huang은 Blackwell이 복잡한 CoWoS 첨단 패키징 기술을 사용한다고 설명했고, 패키징 용량 제약이 여전히 병목으로 남아 있다고 언급했습니다.

이 말은 TSMC를 단순 파운드리 회사로만 보면 안 된다는 뜻입니다.

TSMC는 이제 칩을 찍어내는 회사이면서 동시에 GPU와 HBM을 하나의 제품으로 완성하는 패키징 권력까지 쥐고 있습니다.

AI 반도체 밸류체인은 이렇게 이어집니다.

GPU 설계는 NVIDIA와 AMD가 담당합니다.

HBM은 SK하이닉스, 삼성전자, 마이크론이 공급합니다.

CoWoS 패키징은 TSMC가 핵심 역할을 합니다.

ABF 기판과 서버 조립, 전력과 냉각까지 이어져야 최종 AI 데이터센터가 완성됩니다.

이 중 하나라도 막히면 AI 인프라 확장은 느려집니다.

그래서 CoWoS-L과 CoWoS-R은 단순한 기술 용어가 아닙니다.

AI 반도체 공급량과 투자 흐름을 이해하기 위한 핵심 키워드입니다.

결론

CoWoS-S는 생성형 AI 초기 시대를 연 핵심 패키징 기술이었습니다.

실리콘 인터포저 위에 GPU와 HBM을 올려 초고속 데이터 통로를 만들었고, H100과 H200 같은 AI GPU의 기반이 됐습니다.

하지만 Blackwell 이후부터는 패키지 크기와 연결 복잡도가 더 커졌습니다.

TSMC 공식 자료에서 CoWoS-S는 최대 3.3배 레티클, 약 2700mm² 수준까지 지원하지만, 그보다 큰 구조에서는 CoWoS-L 또는 CoWoS-R이 필요하다고 설명합니다.

CoWoS-L은 최고성능 AI GPU를 위한 구조입니다.

필요한 곳에만 실리콘 브리지를 넣어 대형 패키지에서도 고밀도 연결을 유지합니다. NVIDIA가 Hopper에서는 CoWoS-S를 쓰고 Blackwell에서는 주로 CoWoS-L로 이동한다고 밝힌 것도 이 때문입니다.

CoWoS-R은 비용과 유연성을 위한 구조입니다.

RDL 기반으로 더 유연한 패키징을 구현할 수 있지만, 초고성능 플래그십 AI GPU에서는 CoWoS-L만큼의 고밀도 연결이 필요할 수 있습니다.

결국 두 기술은 공존할 가능성이 큽니다.

최고성능 AI GPU와 HBM4 기반 대형 패키지는 CoWoS-L 중심으로 갈 가능성이 높습니다.

비용 효율이 중요한 ASIC과 일부 네트워크 칩은 CoWoS-R이 맡을 수 있습니다.

AI 반도체 경쟁은 더 이상 칩 설계만의 싸움이 아닙니다.

좋은 GPU를 설계하는 것만큼, 그 GPU와 HBM을 실제 제품으로 묶어낼 수 있는 패키징 능력이 중요해졌습니다.

이것이 TSMC가 AI 시대에 더 강해진 이유입니다.

그리고 이것이 앞으로 AI 반도체 투자를 볼 때 CoWoS-L과 CoWoS-R을 반드시 이해해야 하는 이유입니다.

AI 반도체 관련 글 이어보기 

[이전글 보기] : CoWoS란 무엇인가: AI 반도체에서 패키징이 병목이 된 이유. By하은아빠

https://www.hanvelog.com/2026/04/blog-post_23.html

[다음글 보기] : AI 시대에 TSMC가 더 강해지는 이유

https://www.hanvelog.com/2026/06/why-tsmc-is-winning-the-ai-era.html

#CoWoS #CoWoSL #CoWoSR #TSMC #AI반도체 #첨단패키징 #엔비디아 #Blackwell #HBM #HBM4 #AI인프라 #데이터센터 #반도체투자 #SK하이닉스 #삼성전자 #마이크론 #AI칩 #패키징기술 #반도체공급망