HBF(High Bandwidth Flash) 시대의 개막: 반도체 투자의 새로운 좌표와 핵심 수혜주 분석

'HBF(High Bandwidth Flash) 시대의 개막: 반도체 투자의 새로운 좌표'라는 제목이 크게 적힌 블로그 썸네일. Cobalt Blue(#0047AB)와 Deep Sky Blue(#00BFFF) 컬러 조합으로 전문성을 강조했으며, 배경에는 회로 기판을 형상화한 심플한 그래픽과 상승하는 화살표 아이콘을 배치했습니다.

 

HBF(High Bandwidth Flash) 시대의 개막: 반도체 투자의 새로운 좌표와 핵심 수혜주 분석


1. 서론: 왜 지금 HBM이 아닌 'HBF'에 주목해야 하는가?

2024년과 2025년이 고대역폭 메모리인 HBM(High Bandwidth Memory)의 독주 시대였다면, 2026년은 HBF(High Bandwidth Flash)가 반도체 시장의 수익률을 결정짓는 핵심 키워드가 될 것입니다. 인공지능(AI) 모델이 거대해짐에 따라 데이터 처리 속도뿐만 아니라, 막대한 양의 데이터를 저전력으로 저장하고 빠르게 읽어오는 '저장 장치의 대역폭'이 새로운 병목 구간으로 떠올랐기 때문입니다.

HBF(High Bandwidth Flash)는 기존의 낸드플래시와 차별화된 고성능 인터페이스를 결합하여, AI 서버의 읽기 속도를 획기적으로 개선한 차세대 메모리입니다. 이는 단순한 저장 장치를 넘어 AI 연산의 효율을 극대화하는 '컴퓨팅 스토리지'의 시대를 의미합니다. 본 포스팅에서는 HBF 기술의 실체와 이 거대한 흐름 속에서 막대한 수혜를 입을 기업들을 분석해 보겠습니다.

AI 반도체 생태계 내에서 HBM과 HBF의 역할을 비교하는 한글 인포그래픽. Cobalt Blue 배경에 Deep Sky Blue 포인트를 사용했습니다. GPU를 중심으로 초고속 연산을 지원하는 HBM과, 대규모 데이터를 병목 없이 공급하는 HBF(High Bandwidth Flash)의 상호작용 및 주요 수혜 기업(삼성전자, SK하이닉스 등)을 심플한 아이콘으로 나타냈습니다.



2. HBF(High Bandwidth Flash) 기술의 핵심과 시장의 변화

HBF는 기존 SSD의 한계를 극복하기 위해 설계되었습니다. AI 학습과 추론 과정에서는 데이터 센터의 전력 소모를 줄이면서도 테라바이트(TB)급 데이터를 순식간에 처리해야 합니다.


① 기술적 차별점: 적층 기술과 컨트롤러의 혁신

HBF는 단순한 고용량이 아닙니다. 낸드플래시를 수직으로 쌓는 적층 기술(V-NAND)에 고속 데이터 전송 규격(CXL 등)을 최적화하여 대역폭을 비약적으로 넓혔습니다.

  • 실제 사례: 최근 주요 반도체 기업들이 발표한 HBF 솔루션은 기존 기업용 SSD 대비 읽기 성능은 5배 이상, 전력 효율은 40% 이상 개선된 수치를 보여주고 있습니다.


② 데이터 센터의 패러다임 변화

구글, 마이크로소프트와 같은 빅테크 기업들은 이제 GPU와 HBM뿐만 아니라, 이를 뒷받침할 고성능 저장 장치인 HBF 인프라 구축에 수조 원을 투입하기 시작했습니다. 이는 낸드플래시 시장이 '범용 제품'에서 '고부가 가치 특화 제품'으로 변모하고 있음을 시사합니다.



3. HBF(High Bandwidth Flash) 시장의 핵심 수혜 기업

투자자의 관점에서 HBF 시장을 주도할 기업은 기술력과 양산 능력을 동시에 갖춘 소수의 리딩 기업으로 압축됩니다.


① 삼성전자: 압도적인 V-NAND 적층 기술력

삼성전자는 세계 최고의 낸드플래시 점유율과 적층 기술력을 보유하고 있습니다. 특히 HBF 구현의 핵심인 '1Tb(테라비트)급 고용량 V-NAND' 양산에서 가장 앞서 있습니다.

  • 수혜 요인: HBF는 미세 공정보다 적층 효율이 중요합니다. 삼성전자의 '본딩 기술'과 수직 적층 노하우는 HBF의 수율을 높이는 데 결정적인 역할을 할 것입니다.


② SK하이닉스: HBM의 성공 신화를 HBF로 재현

HBM 시장에서 엔비디아와 공고한 파트너십을 맺은 SK하이닉스는 그 노하우를 HBF에 이식하고 있습니다.

  • 수혜 요인: 자회사 솔리다임(Solidigm)과의 시너지를 통해 고성능 기업용 SSD 시장에서의 입지를 강화하고 있으며, HBM과 HBF를 패키징하여 공급하는 '통합 메모리 솔루션' 전략이 유효할 것으로 보입니다.


③ 컨트롤러 및 소재 기업

HBF는 데이터 흐름을 제어하는 컨트롤러 칩의 성능이 매우 중요합니다. 이에 따라 고성능 컨트롤러를 설계하는 팹리스 기업들과, 고대역폭 구현을 위한 특수 세라믹 기판 및 봉지재(EMC)를 공급하는 소부장 기업들의 동반 성장이 기대됩니다.



4. 주의사항 : HBF 투자의 기회와 리스크

HBF 시장이 반도체 사이클의 '질적 도약'을 가져올 것이라고 확신합니다. 하지만 투자 시 다음의 관점을 반드시 고려해야 합니다.

(1) 첫째, 기술 표준 주도권 경쟁입니다. HBF는 아직 HBM만큼 표준화가 완벽하지 않습니다. 특정 기업의 규격이 시장의 표준이 되느냐에 따라 수혜의 크기가 달라질 것입니다. 따라서 개별 기업의 기술 공시뿐만 아니라 글로벌 표준 기구(JEDEC 등)의 동향을 면밀히 살펴야 합니다.

(2) 둘째, 낸드플래시 가격 변동성입니다. HBF는 고부가가치 제품이지만 기초가 되는 낸드플래시 업황에 영향을 받습니다. 범용 낸드 가격이 폭락할 경우 HBF의 수익성도 일부 희석될 수 있으므로, 해당 기업의 포트폴리오 비중을 확인해야 합니다.

 


5. FAQ: HBF(High Bandwidth Flash)에 대해 자주 묻는 질문

Q1. HBF와 HBM의 차이점은 무엇인가요? 

A1. HBM은 연산 장치(GPU) 바로 옆에서 '단기 기억'을 담당하는 초고속 메모리(DRAM 기반)이고, HBF는 거대한 데이터를 저장하고 불러오는 '장기 기억'을 담당하면서도 전송 속도를 획기적으로 높인 저장 장치(NAND 기반)입니다. AI 시대에는 이 둘의 조화가 필수적입니다.


Q2. HBF 시장은 언제 본격적으로 개화하나요? 

A2. 이미 2025년 하반기부터 샘플 공급이 시작되었으며, 2026년 상반기 빅테크들의 데이터 센터 교체 주기에 맞춰 본격적인 양산 및 매출 발생이 예상됩니다.


Q3. 일반 투자자가 HBF 수혜주를 찾는 팁이 있다면? 

A3. 기업용 SSD(eSSD) 비중이 높은 기업을 먼저 보십시오. 일반 소비자용 낸드보다 기업용 시장에서 HBF로의 전환이 훨씬 빠르게 일어나기 때문입니다.


Q4. HBF가 기존 SSD를 완전히 대체할까요? 

A4. 일반 PC나 스마트폰에서는 비용 문제로 기존 SSD가 유지될 것입니다. HBF는 고성능 연산이 필요한 AI 서버, 자율주행 컴퓨팅, 거대 데이터 분석 시스템 등 특수 분야에서 먼저 주류가 될 전망입니다.


Q5. HBF 관련해서 주목해야 할 해외 기업은 어디인가요? 

A5. 미국의 마이크론(Micron)과 컨트롤러 설계의 강자 마벨(Marvell)을 주목할 필요가 있습니다. 특히 마벨은 HBF 데이터 처리 효율을 높이는 가속기 칩 분야에서 독보적입니다.



6. 결론: 2026년 반도체 포트폴리오의 필수 아이템

반도체 투자의 핵심은 항상 '병목(Bottleneck)'이 어디로 이동하느냐를 찾는 것입니다. CPU에서 GPU로, 다시 HBM으로 이동했던 병목은 이제 HBF(High Bandwidth Flash)로 향하고 있습니다.

단기적인 주가 등락에 일희일비하기보다, 낸드플래시 시장의 질적 변화를 주도하는 기업들에 장기적인 관점으로 접근해야 합니다. HBF는 단순한 기술적 진보를 넘어, 인공지능 경제의 효율성을 결정짓는 최후의 퍼즐이 될 것입니다.



※ 참고사항 HBF(High Bandwidth Flash) 성장에 투자하기 좋은 핵심 ETF


1. KODEX 반도체 (국내)

삼성전자와 SK하이닉스를 가장 높은 비중으로 담고 있는 국내 대표 반도체 ETF입니다.

  • 투자 포인트: HBF 시장의 양대 산맥인 삼성전자와 SK하이닉스의 비중이 압도적입니다. 특히 SK하이닉스의 솔리다임(Solidigm) 시너지와 삼성전자의 V-NAND 기술력을 한꺼번에 소유할 수 있는 가장 확실한 대안입니다.

  • 실제 사례: 2025년 하반기 낸드 업황 턴어라운드 시기에 가장 가파른 수익률 회복을 보여주었으며, HBF 양산 소식이 들릴 때마다 민감하게 반응하는 특징이 있습니다.


2. TIGER AI반도체핵심공정 (국내)

HBF의 고대역폭 구현을 위해서는 적층 기술과 이를 연결하는 패키징 공정이 필수적입니다.

  • 투자 포인트: HBF는 일반 낸드보다 훨씬 정밀한 후공정(OSAT) 기술을 요구합니다. 이 ETF는 한미반도체 등 HBF와 HBM 공정에 필수적인 장비주들을 포함하고 있어, 메모리 제조사 외의 '소부장' 수혜를 누리기에 적합합니다.

  • 실제 사례: HBF의 적층 수가 300단 이상으로 높아지면서 필수적으로 도입되는 하이브리드 본딩 관련 장비주들이 이 ETF의 성장을 견인하고 있습니다.


3. iShares Semiconductor ETF (SOXX) (해외)

미국 증시에 상장된 글로벌 반도체 핵심 기업들에 투자하는 대표적인 상품입니다.

  • 투자 포인트: HBF의 두뇌 역할을 하는 컨트롤러 칩 설계 강자인 마벨(Marvell)과 브로드컴(Broadcom), 그리고 낸드 기술 혁신을 주도하는 마이크론(Micron)의 비중이 높습니다.

  • 실제 사례: 마벨이 AI 서버용 고성능 스토리지 컨트롤러 신제품을 발표할 때마다 SOXX 내의 데이터 센터 섹터 비중이 실적을 뒷받침하며 안정적인 우상향 곡선을 그려왔습니다.


이 블로그의 인기 게시물

2026 테슬라 1분기 인도량 14% 급락, 끝인가 기회인가? FSD 가치 평가와 머스크의 반격

이미지
테슬라 인도량 14% 급락, 끝인가 기회인가? FSD v14.3 가치 평가와 머스크의 반격 실적 쇼크를 넘어 AI 기업으로 진화하는 테슬라의 변곡점 분석 테슬라의 2026년 1분기 성적표는 시장에 큰 파장을 일으켰습니다. 직전 분기 대비 14% 감소한 358,023대 라는 인도량은 월가의 기대치를 크게 밑도는 '어닝 미스'였습니다. 중동의 지정학적 리스크와 전기차 수요 둔화가 겹치며 투자 심리는 위축되었지만, 일론 머스크는 오히려 자신만만한 태도를 보이고 있습니다. 그 중심에는 바로 FSD(Full Self-Driving) v14.3 업데이트 가 있습니다. 1. 일론 머스크의 선언: "숫자보다 가치에 집중하라" 일론 머스크는 이번 실적 발표 직후, 테슬라를 바라보는 시장의 시각이 바뀌어야 함을 역설했습니다. 이제 테슬라는 자동차 제조 대수로 평가받는 단계를 넘어섰다는 것입니다. "테슬라의 시가총액 중 자동차 제조가 차지하는 비중은 점점 낮아질 것입니다. 우리의 진정한 가치는 FSD v14 와 같은 자율주행 소프트웨어, 그리고 이를 구동하는 AI 신경망 에 있습니다. 우리는 이제 '소프트웨어 기업'의 멀티플을 적용받아야 합니다." 실제로 테슬라는 최근 HW4(Hardware 4) 전용 FSD v14.3 배포를 시작하며, 하드웨어 판매 부진을 소프트웨어 기술력으로 정면 돌파하겠다는 의지를 보였습니다. 2. 역대급 업데이트: FSD v14.3의 핵심 변화 이번 v14.3 버전은 단순한 개선을 넘어 '엔드투엔드(En...
자세한 내용 보기

AI 보험 진단 '보장 부족' 결과, 무조건 믿고 새로 가입해도 될까? (2026 팩트체크)

이미지
AI 보험 진단 '보장 부족' 결과, 무조건 믿고 새로 가입해도 될까? (2026 팩트체크) 핀테크 AI의 진화와 그 이면에 숨겨진 '보험 리모델링'의 진실 1. 서론: 2026년, 내 손안의 AI 설계사 시대 2026년 현재, 대한민국 성인 10명 중 8명은 마이데이터 기반의 AI 보험 진단 서비스 를 이용해 본 경험이 있습니다. 스마트폰 터치 몇 번이면 내가 가입한 모든 보험을 분석해 '점수'를 매겨주고, 부족한 보장을 빨간색 경고등으로 표시해 줍니다. 하지만 "보장 금액이 부족합니다. 이 상품으로 보충하세요" 라는 AI의 권유를 그대로 믿고 기존 보험을 해지하거나 새 보험에 덜컥 가입해도 괜찮을까요? 결론부터 말씀드리면, AI의 '보장 분석'은 객관적인 데이터가 아니라 특정 알고리즘에 기반한 '제안'일 뿐 이라는 점을 명심해야 합니다. 2. 핵심 요약: AI 보험 진단 결과, 이것만은 알고 보자 가장 중요한 정보를 먼저 전달해 드립니다. AI 보험 진단 서비스 이용 시 반드시 고려해야 할 핵심 포인트입니다. ● 표준화된 알고리즘의 한계: AI는 통계적 평균치를 기준으로 보장 금액을 산출합니다. 개인의 가족력, 직업적 위험도, 실제 생활 수준은 고려하지 못할 수 있습...
자세한 내용 보기

AI 유료 결제 시대: 사무직 71.9% 경험이 전문직의 ‘지갑’을 열게 된 경제적 이유 (2026 보고서)

이미지
2026년 대한민국은 인공지능(AI)이 일상의 표준이 된 시대를 맞이했습니다. 최근 발표된 전국 인터넷 이용실태조사 에 따르면, 생성형 AI 사용률은 전년 대비 11.2%p 급증한 44.5% 를 기록했습니다. 특히 사무직 종사자의 71.9% 가 AI를 실무에 도입하면서, 전문직들의 유료 서비스 결제가 폭발적으로 늘고 있습니다. 왜 그들은 기꺼이 지갑을 열었을까요? 그 경제적 가치를 분석합니다. 🚀 핵심 요약 (Executive Summary) 2026년 AI 이용률: 44.5% (전년比 11.2%p ↑) 사무직 AI 경험률: 71.9% - 업무 필수 도구화 전문직 유료화 트렌드: 시간당 생산성 가치 증명으로 인한 자발적 결제 급증 1. 2026 AI 이용률 실태: 숫자로 보는 대중화 AI는 이제 특정 계층의 전유물이 아닙니다. 아래 그래프는 2026년 현재 대한민국 성인의 AI 이용률 변화를 보여줍니다. [연도별 생성형 AI 이용률 변화] 2025년 2026년 *출처: 2026 전국 인터넷 이용실태조사 재구성 주요 서비스별 이용 현황 압도적 1위인 챗GPT를 필두로, 각 업무 영역에 특화된 AI들이 시장을 분점하고 있습니다. 순위 서비스 명 점유율 주요 타겟 ...
자세한 내용 보기

100조 원 규모 AI 커머스 시장의 습격: 네이버 '쇼핑 에이전트'가 바꿀 소비 지형도

이미지
100조 원 규모 AI 커머스 시장의 습격: 네이버 '쇼핑 에이전트'가 바꿀 소비 지형도 2026년 이커머스 판도를 뒤흔드는 '제로 클릭' 쇼핑의 시대 들어가며: '검색'의 시대가 저물고 '에이전트'의 시대가 왔다 2026년 현재, 대한민국 이커머스 시장은 거대한 변곡점에 서 있습니다. 과거 소비자가 원하는 물건을 찾기 위해 수십 개의 탭을 띄워놓고 최저가를 검색하던 '노동형 쇼핑'은 이제 구시대의 유물이 되었습니다. 그 중심에는 네이버가 지난 2월 정식 출시한 '쇼핑 AI 에이전트' 가 있습니다. 글로벌 투자은행과 시장조사기관에 따르면, AI 기반 커머스 시장 규모는 2026년 기준 국내에서만 100조 원을 상회할 것으로 전망됩니다. 단순한 추천 알고리즘을 넘어 사용자의 의도를 완벽히 파악하고 결제 직전까지의 모든 과정을 대행하는 '에이전트'의 습격은 단순한 서비스 업데이트가 아닌, 인류의 소비 행태를 바꾸는 거대한 흐름입니다. 1. 네이버 쇼핑 에이전트, 무엇이 다른가? 네이버의 쇼핑 에이전트는 하이퍼클로바X(HyperCLOVA X)의 고도화된 추론 능력을 바탕으로 구현되었습니다. 기존의 챗봇이 "검색 결과를 보여주는 수준"이었다면, 2026년형 쇼핑 에이전트는 '퍼스널 쇼퍼(Personal Shopper)' 에 가깝습니다. 주요 특징 3가지 ...
자세한 내용 보기

2026 농어촌 전형 합격의 비밀: AI 생기부 분석으로 합격률 25% 높이는 실전 전략

이미지
[2026 대입] 농어촌 전형, AI 생기부 분석으로 합격률 25% 높이는 법 요약: 2026학년도 농어촌 특별전형 수험생을 위한 AI 생기부 분석 전략을 공개합니다. 전문가의 실전 사례와 데이터 기반 분석을 통해 학생부 종합전형의 합격 가능성을 25% 이상 끌어올리는 구체적인 로드맵을 확인하세요. 1. 2026 농어촌 전형의 변화와 AI 분석의 필연성 2026학년도 대입은 전공자율선택제(무전공) 확대 와 학생부 종합전형의 질적 평가 강화 가 핵심 키워드입니다. 특히 농어촌 특별전형은 일반 전형에 비해 정보 접근성이 낮아, 자신의 학교생활기록부(이하 생기부)가 대학의 평가 기준에 얼마나 부합하는지 객관적으로 파악하는 것이 합격의 당락을 결정합니다. 필자는 지난 수년간 수백 명의 농어촌 수험생들을 컨설팅하며, '데이터 기반의 객관적 분석' 이 부족해 안타깝게 탈락하는 사례를 수없이 보았습니다. 2026년 현재, 단순한 활동 나열만으로는 부족합니다. AI 생기부 분석 에이전트 를 활용해 대학별 인재상 매칭률을 수치화하고 부족한 키워드를 보완하는 전략이 필수적입니다. 이를 통해 실제로 평균 합격률을 25% 이상 상향 시킬 수 있습니다. 2. 왜 농어촌 전형에서 'AI 분석'이 게임 체인저인가? 농어촌 전형은 지원 자격이 강력한 진입장벽이 되지만, 반대로 비슷한 환경의 학생들끼리 경쟁하기 때문에 생기부의 차별성을 드러내기가 매우 어렵습니다. 전문가가 본 농어촌 생기부의 흔한 함정 인프라 부족: 학교 내 개설 과목 제한으로 심화 탐구 기록 부족 활동의 단순 나열: '무엇을 했다'는 결과 위주의 기록으로 학업 역량 증명 실패 최신 키워드 부재: 2026년 대학이 주목하는 ...
자세한 내용 보기

2029년 비트코인 해킹 확률 41%? AI가 앞당긴 ‘양자 역습’과 자산 방어 전략

이미지
2029년 비트코인 해킹 확률 41%? AI가 앞당긴 ‘양자 역습’과 자산 방어 전략 들어가며: 10분의 침묵을 깨는 9분의 습격 최근 가상자산 커뮤니티를 발칵 뒤집어놓은 소식이 하나 있습니다. 바로 2026년 3월 말, 구글(Google) 퀀텀 AI 팀이 발표한 "암호화폐의 양자 취약성 보고서" 입니다. 보고서의 핵심은 간결하면서도 치명적입니다. "2029년경, 양자 컴퓨터는 비트코인 네트워크를 단 9분 만에 해킹할 수 있으며, 그 성공 확률은 무려 41%에 달한다" 는 것입니다. 우리가 '디지털 금'이라 믿으며 수조 달러를 예치한 비트코인의 보안 성벽에 커다란 균열이 발견된 셈입니다. 중요한 것은 이 위협이 단순한 하드웨어의 발전 때문만이 아니라는 점입니다. 오늘 저는 AI(인공지능)가 어떻게 양자 해킹의 기폭제가 되었는지 , 그리고 이 '역습'의 실체가 무엇인지 구조적으로 분석해 드리겠습니다. 1. AI는 어떻게 양자 컴퓨터의 '치명적인 두뇌'가 되었나? 과거의 예측에 따르면 양자 컴퓨터가 비트코인의 암호 체계(secp256k1)를 무너뜨리려면 약 3,000만 개의 물리적 큐비트가 필요했습니다. 이는 2040년 이후에나 가능할 것으로 보였죠. 하지만 2026년 현재, 그 예측치는 50만 개 수준 으로 대폭 하향 조정되었습니다. 💡 전문가의 쉬운 비유: "내비게이션 AI" ...
자세한 내용 보기

아버지는 검정고무신, 아들은 파이썬을 배운다 — 우리들의 두 세대 이야기

이미지
  검정고무신과 무선 이어폰 1. 경북 의성, 1978년 여름. 이만복은 논두렁에 쪼그려 앉아 발바닥을 들여다봤다. 검정고무신 안쪽에 땀이 차서 발가락 사이가 짓물러 있었다. 열여덟 살이었다. 그 나이에 벌써 손등은 아버지처럼 거칠었고, 허리는 오십 먹은 사람처럼 뻐근했다. "만복아, 뭐하노. 빨랑 와서 모 심어라." 어머니 목소리가 논 건너편에서 날아왔다. 그는 고무신을 다시 꿰고 일어섰다. 발목까지 차오른 논물이 생각보다 차가웠다. 한낮인데도 그늘 한 점 없는 들판에서 그는 허리를 굽혔다. 모를 한 줌 쥐고, 손목을 꺾고, 다시 허리를 세우고. 그 동작을 하루에 수천 번 반복했다. 그래도 그는 불평하지 않았다. 불평을 배운 적이 없었다. 그해 가을, 추수가 끝나고 마을 청년들 몇이 대구로 떠났다. 공장에 취직한다고 했다. 만복은 마지막까지 망설이다가 어머니 몰래 보따리 하나를 쌌다. 버스 정류장까지 걸어가는 새벽길에 고무신 바닥이 아스팔트에 끌렸다. 딸각딸각. 그 소리가 오랫동안 귓속에 남았다. 2. 대구 성서공단, 1983년 봄. 섬유공장 직조반에서 시작해서 영업부로 올라오기까지 오 년이 걸렸다. 이만복은 구두를 처음 샀다. 비닐 재질에 가죽 무늬를 인쇄한, 국산 만 이천 원짜리였다. 신어 보니 발뒤꿈치가 까졌다. 그래도 매일 아침 걸레로 닦았다. 그해 그는 김순이를 만났다. 봉제공장 재단사였다. 그녀는 말이 없었고, 손이 빨랐고, 웃을 때 눈이 없어졌다. 만복은 처음 보는 날부터 마음을 빼앗겼지만 석 달 동안 아무 말도 못하고 공장 앞 분식집에서 같은 시간에 밥만 먹었다. 고백은 했는지 안 했는지 모를 정도로 어설펐다. "저하고 밥 한 번 더 드시겠십니까." 순이는 웃었다. 눈이 없어졌다. 그들은 1985년에 결혼했다. 전세 보증금 삼백만 원짜리 방 한 칸. 이불 한 채, 밥솥 하나, 흑백 텔레비전 하나. 그것이 전부였다. 만복은 그게 부끄럽지 않았다. 시작이라고 생각했다. 시작은 원래 작...
자세한 내용 보기