SK하이닉스 Autonomous Fab 2030 — OHT에 AI가 올라타면 어떤 일이 생기나

한 줄 요약 SK하이닉스가 2030년 자율 팹을 선언했다. OHT·AMR에 AI가 올라타는 순간, FA 개발자가 짜온 룰 기반 반송 로직의 판이 바뀐다.

---

🌐 해외 사례

SK하이닉스 디지털 트랜스포메이션(DT) 부문장 도승용 부사장은 2026년 3월 NVIDIA GTC 2026 패널 세션 "Building the Future of Manufacturing"에서 2030년 Autonomous Fab 구축 계획을 공식 발표했다. 핵심 메시지는 단순한 팹 증설만으로는 AI 수요 증가 속도를 따라갈 수 없다는 것이다. "새 팹을 짓고 양산 안정화까지 시간이 너무 걸린다. 증설과 기존 팹 생산성 향상을 동시에 해야 한다"는 발언이 그 배경을 설명한다. (출처: Korea IT Times, Korea Times, 2026.03.18)

Autonomous Fab의 기술 축은 세 가지다. Operational AI는 공장의 두뇌로, 설비 유지보수·불량 분석 처리 시간을 기존 대비 50% 이상 단축했다. Physical AI는 실행 시스템으로, OHT(천장 반송 시스템)에 AI를 통합하고 AMR(자율 이동 로봇)을 투입해 물류 효율을 높이고 부품 재고를 약 30% 줄이는 것을 목표로 한다. Digital Twin은 NVIDIA Omniverse 기반으로 실제 팹을 가상 공간에 그대로 재현해, 생산 흐름·물류 동선·공정 조건을 실제 라인 중단 없이 사전 검증한다. SK텔레콤 주도로 NVIDIA GPU 약 2,000대 규모의 Manufacturing AI Cloud 데이터센터도 구축 중이다. (출처: Cleanroom Technology, Seoul Economic Daily, 2026.03.18~25)

---

⚡ 왜 중요한가

OHT는 반도체 팹 물류의 핵심이다. 웨이퍼 캐리어(FOUP)를 공중 레일로 이동시키는 이 시스템은 지금까지 PLC와 룰 기반 스케줄러가 제어해왔다. "어느 장비가 비었을 때 어느 캐리어를 보낸다"는 로직을 개발자가 직접 정의하는 방식이다.

SK하이닉스가 선언한 건 이 로직을 AI가 대체한다는 것이다. 단순 룰이 아니라 실시간 데이터 기반으로 스스로 판단하고 최적화하는 구조로의 전환이다. 아래 표는 그 차이를 정리한 것이다.

구분	기존 룰 기반 OHT	AI 기반 OHT
제어 방식	PLC + 정적 스케줄러	Operational AI 실시간 판단
이상 대응	알람 → 개발자 룰 수정	AI 자동 감지·경로 재최적화
물류 최적화	사전 정의된 우선순위	실시간 공정 상황 반영
유지보수	주기적 PM 스케줄	예측 정비(설비 이상 사전 감지)
재고 관리	버퍼 기반 수동 관리	AI 수요 예측으로 약 30% 감축 목표

이 변화가 반도체 팹에만 머물지 않는다는 점이 핵심이다. OHT·AMR 기반 반송 시스템은 반도체뿐 아니라 디스플레이·2차전지·물류 창고까지 동일한 구조로 운영된다. SK하이닉스의 Autonomous Fab 실험이 성공하면, 이 레퍼런스는 국내 전 제조업으로 퍼진다.

---

🇰🇷 한국 적용 가능성 / 도입 장벽

SK하이닉스는 이미 청주 M15X 팹(20조 원 투자)을 2026년 2월 상업 생산 개시했고, 용인 반도체 클러스터(총 120조 원 투자 예정)를 장기 거점으로 삼고 있다. Autonomous Fab의 핵심 기술인 AI 웨이퍼 결함 탐지 모델은 고려대학교 연구팀과 공동 개발해 Scientific Reports에 게재하기도 했다. 국내 기업이 자체 연구 역량으로 이 전환을 주도하고 있다는 점은 고무적이다.

장벽은 역시 규모의 경제다. SK하이닉스가 구축 중인 Manufacturing AI Cloud는 GPU 2,000대 규모다. 일반 제조사가 이 인프라를 그대로 따라가기는 불가능하다. 현실적인 진입점은 기존 OHT·AMR 시스템에 엣지 AI를 점진적으로 올리는 방식이다. NVIDIA Jetson 계열 엣지 모듈이나 국내 SI 업체들이 제공하는 경량화 솔루션이 이 역할을 할 가능성이 높다.

---

🔧 현장 노트

💡 개발자 시점 OHT 스케줄러를 짜본 개발자라면 이 변화가 얼마나 큰지 바로 느낄 것이다. 지금 방식은 "장비 A가 비면 우선순위 1번 FOUP을 보내라"는 룰을 개발자가 직접 정의하고, 예외 상황이 생길 때마다 룰을 수정한다. 공정이 복잡해질수록 룰은 기하급수적으로 늘어나고, 어느 순간 아무도 전체 로직을 파악하지 못하는 상태가 된다. AI 기반 전환은 이 '룰 지옥'에서 벗어나는 시도다. 다만 AI가 왜 그 판단을 내렸는지 설명하기 어려운 블랙박스 문제는 여전히 숙제로 남는다.

✍️ 발행인 한마디 Stocker 반송 로직을 짜면서 예외 케이스가 하나씩 쌓일 때마다 느꼈던 그 답답함이 있다. SK하이닉스가 만들려는 건 그 예외 케이스를 AI가 스스로 학습하고 처리하는 시스템이다. 방향은 맞다. 다만 그 시스템을 유지보수하는 개발자는 이제 로직 대신 데이터와 모델을 관리해야 한다는 걸, 지금부터 준비해야 한다고 생각한다.

 

※ AI 보조 작성 | FA 개발자 검토·편집