주간전략보고 : 투자의 생각 (10월 12일~10월 16일)

[원문 유형] 네이버 프리미엄 콘텐츠
[채널] 올바른 미국주식 by SAPIENS
[게시일] 2026.10.12
[원문 URL] https://contents.premium.naver.com/sapiens/sapiensasset/contents/261012104613155st
[제목] 주간전략보고 : 투자의 생각 (10월 12일~10월 16일)
[수집 기준] 구매회원 본인이 QR 로그인으로 승인한 구독 열람권을 사용해 개인 문서 보관용으로 확보했다. 목록 메타데이터가 아니라 아래 실제 본문만 분석 근거로 사용한다.

[구독 원문 본문]
​

안녕하세요 올바른입니다.

​

앞으로 12개월을 내다보며 AI HW에 대한 생각을 정리하고, 이번주도 원리를 이해하실 수 있는 코멘트들을 넣었습니다. 오픈AI ARR, RL가 중요한 이유, 데이터센터 자금조달 구조, '뚱냥이' 분석입니다.

​

오라클-블룸에너지가 연관된 Project Jupiter의 심리 일정 변화, 루멘텀 CEO CY29까지 SOLD OUT 인터뷰, Ethernet Alliance, OCS 업계 코멘트, ECOC 2026 데이터 분석.

​

마벨 Investor Day 2026, 도시바가 돌을 던진 HDD 산업, 구글-유니티의 전략적 파트너십 'Playground' 함의, 사이버보안의 중요도를 느낄 수 있는 Epoch 데이터가 담겼습니다.

​

주간전략보고

2026-10-05

주간전략보고 : 투자의 생각 (10월 5일~10월 9일) (바로가기​)

2026-09-28

주간전략보고 : 투자의 생각 (9월 28일~10월 2일) (바로가기​)

2026-09-21

주간전략보고 : 투자의 생각 (9월 21일~9월 25일) (바로가기)

2026-09-14

주간전략보고 : 투자의 생각 (9월 14일~9월 18일) (바로가기​)

2026-09-07

주간전략보고 : 투자의 생각 (9월 7일~9월 11일) (바로가기​)

투자자문 서비스에 따른 투자 시 원금 손실이 발생할 수 있으며, 투자 손익에 대한 책임은 전적으로 고객에게 귀속됩니다. 또한 과거의 투자수익이 미래의 수익률을 보장하지 않습니다.

​

신규 구독 전에, 아래 투자자문계약 권유문서의 계약 관련 제반 사항을 반드시 읽으시고 충분히 검토하시기 바랍니다.

​

*투자자문계약 권유문서 : https://naver.me/5ZST47Qf

목차

주간전략보고 투자의 생각 : Forward 12M EPS는 꾸준히 상승 중

3Q26 1주차 실적발표 훑어보기 : 1주차 6개 기업 - 업사이클 & 다운사이클 비교

투자의 생각 : INTC, CBRS, U, CRWV/NBIS, BE, MU/SNDK, LITE/VIAV/SMTC, FTNT

Magnificent 7 : 오픈AI ARR, RL 비중 up, AI 인프라, 뚱냥이, 데이터센터 자금구조, Haiku 5.5

​

📆 주간 캘린더 (10월 12일~10월 16일)

​

👨‍💻 → ASML/TSMC, SEMICON West/OCP, CPI/PPI

​

> 경기/물가 : CPI (수) PPI (목)

> 고용/실업 : 신규실업수당청구건수 (목)

> 실적발표 : UNH, JPM, JNJ, GS, C (화), ASML, BAC, MS (수) TSM, PLD, IBKR (목) TRV (금)

> 이벤트 : 파리 모터스 (월) SEMICON West 2026, OCP Global (화) 테슬라-로드스터 (목) 애플-아이폰 듀오 사전주문 접수 (금)

​

​

주간전략보고 : 투자의 생각

Forward 12M EPS는 꾸준히 상승 중

​

🧭 S&P500 EPS 추정치 변화 (~10/9)

25년 EPS : $271.23

26년 EPS : $363.41 ▲ (9/11 $362.03 ← 8/7 $358.66 ← 7/10 $340.74)

27년 EPS : $420.59 ▲ (9/11 $416.53 ← 8/7 $405.17 ← 7/10 $398.43)

​

S&P 500 밸류에이션 : 매력적

계속해서 생각은 같습니다.

​

지금 밸류는 (ㄱ) 2022년의 인플레이션으로 인해 하락했던 시기, (ㄴ) 2025년 4월 관세부과 시기, (ㄷ) 2026년 2월 이란전쟁 시작에 따른 하락 시기와 비슷한 밸류입니다.

​

위에 Factset Research EPS 추정치를 보셔서 아시겠지만 CY26/CY27 EPS가 계속해서 상승하고 있는데 주가는 횡보 or 하락해서 그렇습니다. 주식 변동성 때문에 피로하실 수 있지만 밸류상 매력적인 구간이라고 봅니다.

​

*위 자료는 YTD를 기준으로 한 숫자이며, 아래 '주간 퍼포먼스 체크'는 이번 주만을 따졌을 때입니다.

​

주간 퍼포먼스 체크

지수(4) : S&P500(+1.2%), Dow30(+0.9%), Nasdaq100(+0.2%), Russell2000(-0.9%)

빅테크(7) : 아마존(+4.3%), 마이크로소프트(+3.4%), 테슬라(+3.3%), 구글(+2.4%), 애플(+0.9%), 메타(-1.3%), 엔비디아(-2.0%)

섹터(11) : 유틸리티(+4.0%), 필수소비재(+3.6%), 에너지(+3.6%), 헬스케어(+2.8%), 경기민감재(+2.6%), 금융(+2.3%), 리츠(+2.0%), 원자재(+1.2%), 커뮤니케이션(+0.1%), 산업재(-0.4%), 테크(-0.5%)

3Q26 1주차 실적발표 훑어보기

1주차 6개 기업 - 업사이클 & 다운사이클 비교

​

*업사이클이란? : 매출성장률이 역성장(-)에서 성장(+)으로 전환한 기업이거나, '성장률'자체가 약한성장(+)에서 고성장(++)으로 증가하는 기업을 선별하기 위해 많이 참고하고 있습니다. 매출성장률과 영업이익률이 동시에 증가하는 기업일 때는 실적 증가폭도 크지만 리레이팅도 같이 붙기 때문에 가장 좋아하는 구간입니다.

​

*다운사이클이란? : 매출성장률이 성장(+)에서 역성장(-)으로 전환되거나, 역성장(-) 상태를 유지하거나, 고성장(++)에서 약한성장(+)으로 낮아지는 기업일 경우를 선별하기 위해 참고합니다. 업황이 다운사이클에 들어가면 매출성장률도 낮아지고 영업이익률도 동시에 감소하는 경우가 많기 때문에 실적 감소폭도 크지만 디레이팅도 같이 생기므로 가장 기피하는 구간입니다.

​

*'클릭 후 더블클릭'하시면 크게 보실 수 있습니다.

​

3Q26 1주차 실적발표

업사이클 ↗ : 이번주 실적발표 기업 중 업사이클인 기업은 없었습니다.

다운사이클 ↘ : 다운사이클인 기업도 딱히 없었습니다.

무중력 ↔ : 딱히 표시를 안한 기업군은 순풍/역풍이 뚜렷하지는 않다고 보는 기업군들입니다. 매크로 순풍이나 역풍에 움직이지 않을 때에는 대부분 무중력인 기업군이 많은 것이 정상입니다.

투자의 생각

INTC, CBRS, U, CRWV/NBIS, BE, MU/SNDK, LITE/VIAV/SMTC, FTNT

​

상대적인 매력도 평가

주가와 기업의 펀더멘탈을 고려해서 세 가지 기준으로 평가하고 있습니다.

​

Overweight = 비중확대

Neutral = 중립

Underweight = 비중축소

올바른 미국주식 by SAPIENS

Overweight *순서는 비중, 강도와 무관합니다*

Nvidia

Vertiv

Bloom Energy

Meta Platforms

Figure Tech

Micron

Sandisk

Semtech

Lumentum

Viavi Solutions

Unity Software

Fortinet

CoreWeave

Nebius

​

인텔(INTC)

​

인텔INTC는 투자의견 없음을 유지합니다.

​

머스크-TSMC의 테라팹 협력 논의, 두 가지 사업 구조가 거론됐습니다

10월 2일 Culpium의 대만 소식통에 따르면, 일론 머스크가 TSMC와 테라팹(Terafab) 반도체 생산 프로젝트의 협력을 논의 중이라고 보도했습니다. 머스크도 10월 3일 X를 통해 논의 사실을 인정했지만, 아직 초기 단계라고 선을 그었습니다.

​

당시 거론된 사업 구조는 두 가지였습니다.

​

플랜 A — TSMC가 소유 및 운영 : TSMC가 새로운 반도체 팹의 지배지분을 확보하고 직접 운영합니다. 스페이스X는 TSMC 지배 JV의 일부 지분에 투자하거나 일정 물량의 칩 구매를 약정하는 방식으로 참여합니다. TSMC가 일본 JASM(지분 72.6%)과 독일 ESMC(70%)에서 채택했던 JV 구조와 유사합니다.

플랜 B — 스페이스X가 지배지분 확보 : 스페이스X가 지분 51% 이상을 확보하고 TSMC는 자본 투입을 줄이는 대신 공정 기술과 팹 운영 전문성을 제공합니다. TSMC가 소수지분만 보유하면서 다른 기업이 지배하는 팹의 운영을 맡는다는 점에서 기존 사업 모델과 다른 구조입니다.

​

머스크의 공식 입장은, '테라팹의 주도권은 직접 갖겠다'는 것

그리고 이후에 머스크는 "테라팹을 자신들의 회사가 직접 건설하고 운영할 것"이라고 명확히 밝혔습니다. TSMC가 테라팹 시설 일부를 임차하는 방안은 가능하지만, 그 이상의 역할은 없을 것이라고 설명했습니다. 따라서 Culpium이 보도한 두 가지 협력 구조는 여러 안을 열어둔 초기 검토안으로 봐야 합니다.

​

현재 머스크의 공식 입장은 테라팹의 건설과 운영을 직접 통제하겠다는 것입니다.

​

TSMC 참여 논의에도 인텔의 14A 협력은 유지된다

인텔 입장에서는 14A를 채택하겠다는 고객이 유지됐다는 것이 긍정적입니다. 14A는 인텔이 외부 파운드리 고객을 적극적으로 유치해야 하는 차세대 공정입니다. 14A 공정 기술을 라이선스하고 기술 지원을 제공하는 구조가 될 가능성이 높습니다.

세레브라스(CBRS)

​

세레브라스CBRS는 Neutral을 유지합니다.

세레브라스 2Q26 실적발표 → 주간전략보고 : 투자의 생각 (8월 17일~8월 21일)

세레브라스 1Q26 실적발표 → 주간전략보고 : 투자의 생각 (6월 29일~7월 3일)

세레브라스 IPO 분석 (요약버전) → 주간전략보고 : 투자의 생각 (5월 18일~5월 22일)

세레브라스 IPO 분석 : 엔비디아 킬러인가?

​

Jane Street의 초저지연 추론 수요, 1GW당 $200B라는 숫자

SemiAnalysis에 따르면(뉴스레터 X) 오픈AI가 세레브라스 칩을 활용해 Jane Street 등 기관 고객에게 제공하는 Ultrafast 추론 서비스의 가격이 MW당 약 $200M에 달한다고 전해졌습니다. 연간 매출 기준으로 1GW까지 환산하면 무려 $200B입니다.

​

이와 관련해 숄토 더글라스(Sholto Douglas)도 재미있는 전망을 내놨습니다. CY27에는 지속형 개인 AI 에이전트들이 인기 식당, 공연 티켓, 테니스 코트 등 한정된 예약 자리를 확보하기 위해 HFT 기업들처럼 초저지연 추론 하드웨어와 서버 위치를 놓고 경쟁하는 시대가 올 수 있다는 것입니다.

​

CY27에는 개인 AI 에이전트끼리 HFT 경쟁을 벌인다?

숄토의 이야기를 조금 더 풀어보면 다음과 같습니다.

​

지금 HFT 기업들은 거래소 서버와 물리적으로 최대한 가까운 곳에 서버를 배치하는 코로케이션을 통해 몇 밀리초, 심지어 마이크로초라도 주문을 빨리 넣으려고 경쟁하고 있습니다. 개인 AI 에이전트들도 앞으로 비슷한 경쟁을 벌일 수 있다는 것입니다.

​

예를 들어 오전 10시에 인기 레스토랑의 예약이 열린다고 가정해 보겠습니다. 수백만 명의 개인 AI 에이전트가 동시에 같은 자리를 노린다면, 예약을 잘하는 똑똑한 AI를 보유한 것보다 누가 먼저 예약 요청을 성공시키느냐가 중요해집니다. 이 과정에서 추론 칩이 AI의 판단 시간을 줄이고, 예약 서버와 가까운 데이터센터에 에이전트를 배치하면 네트워크 지연까지 줄일 수 있습니다.

​

숄토는 샌프란시스코 테니스 코트 예약이 워낙 어렵다 보니, 사람들이 테니스 코트 예약 시스템이 돌아가는 서버 바로 옆 랙에 자기 에이전트를 배치하려고 경쟁할 것이라는 농담도 했습니다.

​

물론 실제로는 예약 시스템이 대기열이나 경매 방식으로 바뀔 수도 있겠지만, AI가 사람 대신 희소한 자원을 확보하기 시작했을 때 추론 속도에 어떤 경제적 가치가 생길지 보여주는 재미있는 비유입니다.

​

세레브라스의 새로운 수요처가 될 수 있지만...

제가 이 이야기를 흥미롭게 보는 이유는 HFT 기업들이 세레브라스의 초저지연 추론에 높은 가격을 지불하고 있다는 정황 때문입니다. 만약 금융권에서 이런 수요가 실제 대규모 계약으로 이어진다면, 세레브라스가 앞으로 확보할 고객과 계약 규모에 대해서도 다시 생각해 볼 필요가 있습니다. 기존에 예상했던 것보다 초저지연 추론의 경제적 가치가 훨씬 클 수도 있기 때문입니다.

​

다만 개인적인 성향상 쪽지정보를 가지고 경향성을 판단해 확률 게임에 베팅하는 것보다, If, Then 조건을 정해놓고 실제 실적과 수주로 확인한 뒤 노출값을 키워 수익을 확대하는 방식을 선호합니다. 금융권의 초저지연 추론 수요가 얼마나 큰지, 실제로 세레브라스에 얼마만큼의 매출이 돌아오는지 확인하고 나서 판단할 생각입니다.

유니티(U)

​

유니티U는 Overweight을 유지합니다. CY27 PER 26.0배(CY27 EPS $1.8)입니다.

유니티 2Q26 실적발표 : 앱러빈이 이미 걸어간 길, 유니티는 이제 그 초입에 서 있다

유니티 기업분석 : 게임엔진 + AI 광고엔진, 숫자로 증명하기 시작한 시너지

​

구글 X 유니티 전략적 파트너십 'Playground'

​

10월 7일 구글과 유니티가 AI 게임 제작/유통 플랫폼을 공동으로 구축하는 전략적 파트너십을 발표했습니다. 핵심 플랫폼은 구글은 자연어 프롬프트만으로 게임을 만들고 플레이할 수 있는 Playground를 출시한 것입니다. 코딩을 몰라도 게임의 캐릭터/규칙/물리 효과 등을 대화형으로 수정할 수 있으며, Google Play Games와 연동해 리더보드와 멀티플레이 등의 기능도 지원합니다.

​

올해 말에는 Unity Spark를 통합해 더욱 복잡한 3D 게임까지 제작할 수 있도록 지원할 예정입니다.

​

구글이 AI 기술과 기존 사용자 기반을 통해 게임 제작자와 게이머를 끌어들이고,

유니티가 게임 제작에 필요한 엔진과 에셋을 공급하는 구조입니다.

​

AI로 게임을 만드는 사람이 늘면, 유니티 엔진의 가치가 높아진다

게임을 만들던 기존의 바이브코딩은 AI가 게임 코드와 그래픽, 작동 원리까지 직접 생성하는 방식입니다. 간단한 2D 게임이라면 충분하지만 3D 게임은 충돌 판정, 물리 시뮬레이션, 애니메이션, 렌더링까지 구현해야 하므로 난도가 매우 높아집니다.

​

Unity Spark는 다른 접근법입니다. AI가 자연어를 게임 제작 명령으로 해석하고, 실제 게임을 구동하는 것은 검증된 Unity Runtime이 담당합니다. 여기에 Unity Asset Store에 이미 존재하는 고품질 에셋들을 활용할 수 있습니다. AI가 모든 그래픽과 3D 모델을 새로 생성할 필요 없이, 기존 크리에이터들이 제작한 에셋을 가져와 조합하면 됩니다. 이 과정에서 Asset Store의 거래가 늘어나면 기존 에셋을 만든 크리에이터들에게도 새로운 수익 기회가 생깁니다.

​

유니티가 AI 게임 제작에 접근하는 방식이 흥미로운 이유입니다. AI가 게임 제작을 쉽게 만들수록 게임 엔진이 필요 없어지는 것이 아니라, 기존에 게임 엔진을 사용할 줄 몰랐던 사람들까지 유니티 생태계로 들어오게 됩니다. 이러한 전략은 Unity 7에서도 이어지고 있습니다. 10월 5일 공개된 Unity 7.0 Alpha는 개발자와 아티스트뿐 아니라 AI 코딩 에이전트도 게임 개발에 참여하는 환경을 지향하며, 정식 출시는 CY27 초로 예정돼 있습니다.

​

게임을 유통하고 수익화하는 능력이 중요해집니다

여기서 한 단계 더 생각해 볼 필요가 있습니다.

​

AI 덕분에 게임을 제작하는 비용과 시간이 줄어들면 새로운 게임이 쏟아질 것입니다. 그런데 게임이 10배 많아진다고 해서 사람들이 게임에 쓰는 시간까지 10배 늘어나지는 않습니다. 게임을 만드는 것보다 수많은 게임 중에서 어떤 게임을 어떤 게이머에게 보여줄 것인가가 어려워집니다.

​

구글은 이미 수십억 명이 사용하는 서비스들을 보유하고 있습니다. Playground에서 만든 게임을 기존 구글 서비스들에 노출할 수 있다면 상당한 유통 경쟁력이 생깁니다. 유튜브와의 연동은 아직 발표되지 않았지만, 향후 확대 여부를 지켜볼 만합니다.

​

그리고 유니티 입장에서는 여기서 또 다른 기회가 생깁니다.

​

AI로 생성되는 게임이 많아지면 게임 개발사들 사이에서 게이머를 확보하기 위한 경쟁도 심해질 것입니다. 이 과정에서 User Acquisition(UA) 광고에 대한 수요가 늘어날 수 있습니다.

​

유니티는 이미 Vector를 통해 광고 성과를 최적화하고 x LevelPlay로 게임 내 광고를 수익화하며 x Unity IAP로 인앱결제를 구현할 수 있는 제품들을 갖고 있습니다. Playground를 통해 탄생한 게임들이 독립적인 모바일 게임으로 발전하고 유니티의 광고/결제 솔루션까지 채택한다면, 유니티는 게임 제작에서 시작해 이용자 확보와 수익화까지 사업 영역을 넓힐 수 있습니다.

​

*이미 구글 AI Overview/AI Mode를 통해서 다양한 웹사이트들의 organic traffic이 줄어들자 디지털 광고 단가가 높아진 건 구글이 보여준 바 있습니다.

​

특히 흥미롭게 보는 부분은 데이터입니다.

​

게임을 만들 때 사용한 에셋과 게임의 특성, 어떤 유저가 어떤 광고에 반응하는지, 어느 시점에 인앱결제가 발생하는지 등의 데이터를 연결해 활용할 수 있다면 광고 모델을 더욱 정교하게 학습시킬 수 있습니다.

​

유니티는 이미 Vector에서 인앱결제와 광고 매출을 함께 고려하는 ROAS 최적화를 지원하고 있습니다. 향후 AI로 만들어진 게임까지 이 생태계에 편입된다면 광고 학습에 활용할 수 있는 데이터와 광고 인벤토리가 함께 늘어날 여지가 있습니다.

​

모건스탠리, "플레이어 100만 명 당 유니티 EBITDA가 1% 증가할 것"

모건스탠리는 10월 7일 리포트를 통해서 Playground와 Unity Spark의 경제적 가치를 추산했습니다:

​

플레이어 100만 명이 매일 20분씩 게임 이용

시간당 광고 12회 노출

광고 CPM $12, 연간 광고 매출 약 $17.5M

증분 EBITDA Margin 85% 가정 시 EBITDA 약 $14.9M

​

이 경우 유니티의 FY28 예상 EBITDA $1.21B 대비 약 ​1.2%의 추가 이익​입니다.

​

물론 다만 이 계산에는 중요한 전제가 있습니다. 게임 내 광고 인벤토리를 유니티가 확보해야 한다는 것입니다. 구글은 게임 유통을 담당하는 만큼 직접 광고 사업을 운영하거나 광고 매출의 상당 부분을 가져갈 수도 있습니다. 양사의 광고 수익 배분 조건은 아직 공개되지 않았습니다.

​

현재로서는 Playground에서 게임이 얼마나 많이 만들어지는지보다, 실제로 얼마나 많은 사람들이 플레이하는지와 유니티가 그 이용자들의 광고 수익에서 어느 정도의 몫을 확보하는지가 더 중요합니다. 어쨌든 제 생각에는 이번 협력이 성공한다면 유니티의 사업 구조에 꽤 흥미로운 변화가 생길 수 있습니다.

​

기존에는 전문 개발자들이 게임을 만들 때 유니티 엔진을 사용하고 게임 출시 이후 광고 사업에서 별도로 수익을 얻는 구조였습니다. 그런데 이제 앞으로는 구글이 일반인들을 게임 제작자로 유입시키고 → 이들이 Unity Spark와 Asset Store를 활용해 게임을 만든 다음 → 실제 게임이 성장하는 과정에서 유니티의 광고 솔루션까지 이용할 수 있습니다. 유니티가 게임을 만드는 사람의 증가와 게임을 플레이하는 사람의 증가 양쪽에서 모두 수익을 얻을 수 있는 구조입니다.

코어위브(CRWV), 네비우스(NBIS)

​

코어위브CRWV는 Overweight을 유지합니다.

코어위브 2Q26 실적발표 / 주간전략보고 : 투자의 생각 (8월 17일~8월 21일)

코어위브 1Q26 실적발표 : 적자만 보면 놓치는 코어위브의 진짜 변화

네오클라우드 뜯어보기 #2 : 새로운 시대의 AI 계급도, 전력을 돈으로 바꾼 Powered Shell

네오클라우드 뜯어보기 : GPU 임대의 경제학, 네오클라우드 BIG 4 비교분석

​

네비우스NBIS는 Overweight을 유지합니다.

네비우스 2Q26 실적발표 / 주간전략보고 : 투자의 생각 (8월 17일~8월 21일)

네비우스 기업분석 : GPU 네오클라우드의 선두주자

네오클라우드 뜯어보기 #2 : 새로운 시대의 AI 계급도, 전력을 돈으로 바꾼 Powered Shell

네오클라우드 뜯어보기 : GPU 임대의 경제학, 네오클라우드 BIG 4 비교분석

​

B200 On-demand 가용 물량 0% : GPU 임대료는 당분간 상승할 듯

엔비디아 B200의 On-demand 임대 시장에서 즉시 확보할 수 있는 GPU 슬롯 비중이 2026년 8월부터 0%를 유지하고 있습니다.

관측되는 물량이 사실상 모두 소진된 상태로, 현재의 수요-공급 불균형을 감안하면 GPU 임대료는 당분간 추가 상승할 것으로 예상합니다.

​

이 데이터가 중요한 이유는 네오클라우드의 수익성 개선이 AI HW 전체 밸류체인에 대한 투자 확대로 이어질 수 있기 때문입니다.

​

GPU 가동률과 임대료가 높게 유지될수록 임대 사업자의 현금흐름과 차입 여력이 개선됩니다. 금융기관 입장에서도 대출 상환 안정성이 높아지므로 GPU 인프라에 더 많은 자금을 공급할 유인이 생깁니다.

​

이렇게 조달된 자금이 다시 GPU와 서버 발주로 이어지는 구조입니다. GPU 임대 사업의 수익성이 높아질수록 AI 인프라에 유입되는 자금도 늘어날 수 있다는 점에서, 엔비디아와 네오클라우드를 넘어 AI HW 공급망 전반에 긍정적인 데이터라고 판단합니다.

블룸에너지(BE)

​

블룸에너지BE는 Overweight을 유지합니다. CY27 PER 31.2배(CY27 EPS $9)입니다.

블룸에너지 2Q26 실적발표 : Phase 2 커뮤니티 수용성의 차이, 모든 하이퍼스케일러를 고객으로 품다 ⚡️

블룸에너지 1Q26 실적발표 : 매출 130% 성장과 마진 빅서프, AI 전력난 해결사⚡️의 일은 이제 시작

​

오라클 Project Jupiter 인허가 심리 다시 진행되기 시작

​

오라클 Project Jupiter의 대기질 인허가 절차가 정상화되고 있습니다. 10월 2일 뉴멕시코 환경부(NMED)가 새로운 심리 담당자로 James O. Browning 전 연방판사를 임명했고, 10월 6일에는 첫 번째 Pre-Hearing Order가 내려왔습니다. 위 사진은 그 Pre-Hearing Order입니다.

​

이번 명령의 핵심은 두 가지입니다.

​

모든 당사자가 참여하는 일정조정 회의를 열어 후속 심리 일정을 확정하도록 했습니다.

10월 9일까지 NMED의 Air Quality 부서가 인허가 심사 관련 행정기록을 제출하도록 했습니다.

​

*10월 9일은 최종 인허가 결정일이 아니라, 본격적인 심리를 재개하기 위한 자료 제출 기한입니다.

​

그동안의 진행 상황을 보면 다음과 같습니다.

​

8월 22~23일 : 기존 담당자 Max Shepherd가 공정성 논란 끝에 자진 회피했고, 뉴멕시코주 대법원이 환경단체들의 긴급 청구를 검토하기 위해 인허가 절차를 잠정 중단했습니다.

9월 17일 : 대법원이 환경단체들의 긴급 청구를 기각하고 절차 재개를 허용했습니다.

10월 2일 : 새로운 심리 담당자 James O. Browning을 임명했습니다.

10월 6일 : 심리 재개를 위한 첫 명령을 내렸습니다.

​

이미 기술 검토는 마친 상태입니다

긍정적으로 보는 부분은 NMED가 Project Jupiter의 대기질에 대한 기술 검토를 이미 마쳤다는 사실입니다. 6월 16일 발행된 76페이지의 대기오염 확산 모델링 검토 보고서에서 NMED는 Project Jupiter의 연료전지 발전시설이 적용 가능한 대기질 기준을 초과하지 않을 것이라고 결론 내렸습니다.

​

대기오염 확산 모델링 분석에 근거하면 인허가를 발급할 수 있다고 명시한 것입니다. 7월 29일에는 14페이지 분량의 인허가 판단 근거 초안(Statement of Basis)도 공개했습니다. 기술 검토상 허가 발급이 가능하다는 판단이 이미 나온 만큼 긍정적으로 보고 있습니다. 다만 기술 검토 통과가 최종 허가를 보장하는 것은 아니며, 공청회에서 제기될 반대 의견과 절차적 적법성 문제는 여전히 남아 있습니다.

​

11월 23일 인허가 결정 기한을 지킬 수 있는지가 관건

NMED가 기존에 제시한 최종 인허가 결정 기한은 11월 23일입니다. 앞으로 가장 중요한 것은 일정조정 회의에서 공청회 시작일과 최종 심리 일정이 어떻게 확정되느냐입니다.

​

이후 심리에서 큰 문제가 발생하지 않는다면 최종 결정 권한을 가진 NMED 부장관 John Rhoderick이 대기질 인허가를 승인할 수 있습니다. 반대로 심리 일정이 길어지거나 추가적인 절차적 문제가 발생하면 11월 23일 기한도 연장될 수 있습니다. 현시점에서는 기술적 인허가 가능성보다 심리를 얼마나 신속하게 마무리할 수 있느냐가 더 중요한 변수라고 판단합니다. Project Jupiter의 인허가가 예정대로 마무리된다면 SOFC 발전시설의 구축 일정에 대한 불확실성도 상당 부분 해소될 것입니다.

​

Project Jupiter에 대한 이전 분석 자료는

Project Jupiter 이슈 분석 #1 → 7월 20일 주간전략보고

Project Jupiter 이슈 분석 #2 → 9월 21일 주간전략보고

Project Jupiter 이슈 분석 #3 → 9월 28일 주간전략보고를 참고해주세요.

물밑에서 진행 중인 여러 프로젝트들

블룸에너지의 SOFC 도입을 추진하는 프로젝트들이 계속 확인되고 있습니다. 최근 인허가 자료와 협력사 발표에서 확인된 세 가지 소식입니다.

​

1. AAOI, 대만 공장 증설에 BE SOFC 채택

어플라이드 옵토일렉트로닉스(AAOI)가 대만 자회사인 祥茂光電의 공장 증설을 위해 블룸에너지의 SOFC 현장발전 시스템을 도입합니다. 대만 EPC 업체인 Leadray Energy가 10월 7일 발표한 내용으로 1Q27까지 구축을 완료하고 가동할 예정입니다.

발전용량과 계약금액은 공개되지 않았습니다. 데이터센터 수요만 증가하는 게 아니라 각종 C&I향 고객 수요도 꾸준히 증가하고 있다는 걸 잊지 않아야 합니다.

​

AAOI는 AI 데이터센터용 고속 광통신 제품 수요에 대응해 대만 생산능력을 확대하고 있습니다. 공장 증설 과정에서도 안정적인 전력 확보가 중요해지면서 SOFC를 선택한 사례입니다.

​

*왼쪽 : 애리조나주 카사 그란데 시 1.2GW 프로젝트 허가 초안

*오른쪽 : 와이오밍주 샤이엔에 건설 중인 구글 Proejct Tembo향 0.9GW 프로젝트

​

2. 애리조주나 카사 그란데, 1.2GW SOFC 데이터센터 계획 승인

10월 1일 애리조나주 카사 그란데의 도시계획구역설정위원회가 Grande Valley 데이터센터의 조건부 사용허가를 6대 1로 승인했습니다. 발전시설 운영 주체는 Sonoran Outrider이며, 천연가스를 이용한 SOFC를 주 전력원으로 사용할 계획입니다. 프로젝트의 대기질 인허가 초안을 살펴보면 블룸에너지의 325kW급 ES6.5 Energy Server 3,693개, 총 1.2GW 규모의 현장발전 시스템이 명시돼 있습니다.

​

3. 와이오밍주 구글-Project Tembo 900MW SOFC 계약도 유지

와이오밍주 샤이엔의 Project Tembo도 있습니다.

​

이 프로젝트는 기존 Crusoe가 개발하던 Project Jade(당시 메인 임차인 오라클)에서 출발했으며, 개발 주체가 변경된 이후 구글의 데이터센터 프로젝트인 Project Tembo로 재편됐습니다. 해당 지역의 SOFC 발전 프로젝트와 관련해 AEP는 올해 1월 약 $2.65B 규모의 연료전지 구매계약을 체결했습니다.

900MW 규모의 추가 물량을 포함하며, 신용도가 높은 하이퍼스케일러 고객과 20년 장기 전력구매계약도 맺었습니다.

마이크론(MU), 샌디스크(SNDK)

​

마이크론MU는 Overweight을 유지합니다. CY27 PER 5.15배(EPS: CY27 $200)입니다.

마이크론 2Q26 실적발표 : 이제 메모리는 찍기도 전에 팔린다

마이크론 1Q26 실적발표 : 흔들릴 이유가 없는 어닝 서프라이즈, 구조적 성장주로 거듭나는 길

추론의 시대, 핵심이 된 메모리 #2 : Agentic AI의 시대, NAND가 중요한 이유 'DualPath'

추론의 시대, 핵심이 된 메모리 : 메모리 쇼티지를 떠받치고 있는 힘

​

샌디스크SNDK는 Overweight을 유지합니다. CY27 PER 5.27배(Bernstein Bull $300)입니다.

샌디스크 Investor Day 2026 코멘트 / 주간전략보고 : 투자의 생각 (8월 17일~8월 21일)

샌디스크 2Q26 코멘트 / 주간전략보고 : 투자의 생각 (8월 10일~8월 14일)

샌디스크 1Q26 코멘트 / 주간전략보고 : 투자의 생각 (5월 4일~5월 8일)

추론의 시대, 핵심이 된 메모리 #2 : Agentic AI의 시대, NAND가 중요한 이유 'DualPath'

추론의 시대, 핵심이 된 메모리 : 메모리 쇼티지를 떠받치고 있는 힘

​

TrendForce - AI 부품별 리드타임

TrendForce의 이번 주 리드타임 체크를 정리하면:

CPU - Tight : 25~30주 / 균형 리드타임 16~20주 (=, 지난주와 동일)

GPU - Balanced : 30~40주 / 30~40주 (=)

DRAM - Very Tight : 20주 / 8주 (=)

NAND - Tight : 16주 / 8주 (=)

HDD - Very Tight : 50주 / 16주 (=)

ABF - Very Tight : 48~56주 / 12주 (=)

MLCC - Tight : 35주(지난주 32주) / 12주 (▲)

​

대만 기업들의 4Q ASP 예상 코멘트

Nanya는 4Q26 DRAM ASP가 QoQ +10% 추가 상승할 것으로 예상하고 있으며, Winbond도 4Q26에 DRAM ASP가 QoQ +8~13% 상승할 것으로 예상했습니다. 현재 TrendForce 기준 컨센은 4Q26 DRAM은 QoQ +10~15%, NAND는 QoQ +15~20%로 잡혀 있습니다. 생각보다 QoQ low double digit 수준의 가파른 가격상승세가 4Q~1Q27까지도 이어질 것으로 예상합니다.

루멘텀(LITE), 비아비(VIAV), 셈텍(SMTC)

​

루멘텀LITE는 Overweight을 유지합니다. CY27 PER 35.6배(CY27 EPS $31)입니다.

루멘텀 2Q26 실적발표 : ALL BEAT, 더욱 강해진 루멘텀의 모멘텀

루멘텀 1Q26 실적발표 : 3Q OCS, 4Q CPO, 차례로 점화를 기다리는 고성능 엔진들

'빛💡'의 시대 #2 : 구리도 광모듈도 CPO도 다 커진다, AI 인터커넥트의 폭발

'빛💡'의 시대 : 광학 밸류체인 한 눈에 보기

​

비아비VIAV는 Overweight을 유지합니다. CY27 PER 22.7배(CY27 EPS $2)입니다.

비아비 솔루션스 2Q26 실적발표 : CPO 정상 진행 중, 광학 테스트 수요는 Lab → Production으로

비아비 솔루션스 1Q26 실적발표 : 본격 개화하는 빛의 시대, 물만난 테스트 수요

'빛💡'의 시대 #2 : 구리도 광모듈도 CPO도 다 커진다, AI 인터커넥트의 폭발

'빛💡'의 시대 : 광학 밸류체인 한 눈에 보기

​

셈텍SMTC는 Overweight을 유지합니다. CY27 PER 34.1배(CY27 EPS $5.5)입니다.

셈텍 2Q26 실적발표 : 생각보다 더 빨리 온 1.6T 변곡점, 한 분기 사이 생산능력 완판

셈텍(SMTC) 기업분석 : 미디어텍 TPU와 함께 성장할 기업, 'DSP를 지우는 자'

'빛💡'의 시대 #2 : 구리도 광모듈도 CPO도 다 커진다, AI 인터커넥트의 폭발

'빛💡'의 시대 : 광학 밸류체인 한 눈에 보기

​

루멘텀, 광학부품 생산능력 CY29 초까지 'SOLD-OUT'

​

10월 5일 주간전략보고에서 루멘텀(LITE) CEO 마이클 헐스턴이 9월 24일 스페인 말라가 Optica 컨퍼런스에서 했던 발언을 전해드렸습니다. "CY27에는 NPO와 CPO 수요가 급증하면서 고객들이 요청하는 레이저 물량의 30%밖에 공급하지 못할 것이"라고 말했습니다. 지난 5월에는 약 70%의 수요를 충족할 수 있었는데 9월에는 수요 충족률이 30%까지 떨어질 것으로 전망한 것입니다.

​

그리고 10월 9일 Bloomberg 인터뷰에서는 한층 더 강한 발언이 나왔습니다. ⓐ"일부 제품들은 CY27까지 수요 충족률이 30%일 것"으로 예상되고, ⓑ"쇼티지가 심한 부품들은 CY28까지도 수요 충족률이 30%일 것"이며, ⓒ"사실상 CY29 초까지 광학부품 생산능력이 전량 예약된 상태이기에 고객들이 CY30 물량 주문을 확정하기 시작했다"고 덧붙였습니다.

​

루멘텀은 지난 2년간 일본 사가미하라 공장의 생산능력을 12배 늘렸지만 여전히 수요를 따라가지 못하고 있습니다. 헐스턴은 신규 생산능력을 확보하는 데 3~5년이 걸린다고 설명했고, 일본에 추가 InP 팹을 인수하는 방안까지 검토하고 있습니다.

​

루멘텀의 공장은 총 6개 = InP Optical Lane 팹 5개 + 트랜시버 조립 공장 1개입니다. 이에 대해서는 5월 11일 주간전략보고에서 전해드린 바 있습니다. 중요한 요소이므로 각각의 팹들에 대해서 아래 설명을 붙입니다:

일본 사가미하라 팹 : 주력 InP 팹입니다. EML과 CW 레이저의 글로벌 최대 단일 생산지로 현재 3인치 InP 웨이퍼에서 4인치로 이전 중이며, 4인치 웨이퍼로 이전하는 물량 한 장마다 유효 칩 생산량이 3인치의 1.8~2배로 늘어납니다. 장비 감가상각과 에너지 소비는 웨이퍼 인치에 비례하여 증가하지 않으니 단위비용 하락 및 GPM 상승을 이끄는 요인입니다.

일본 다카오 팹 : 펌프 레이저와 좁은 선폭 레이저 컴포넌트를 주로 생산하는 공장입니다. 역사적으로 통신 및 해저 광케이블 시장에 서비스하는 제품을 만들었는데, 지금은 DCI 수요가 크게 늘어나면서 Scale-across 제품을 위한 제품으로 쓰이고 있습니다.

영국 캐스웰 팹 : 좁은 선폭 레이저 컴포넌트, ZR/ZR+ 코히런트 컴포넌트의 주요 생산지입니다. DCI향 제품에 쓸 부품을 만드는 또 다른 공장입니다. 캐스웰은 원래는 가동률이 낮은 팹 중 하나였는데 이제는 캐스웰 팹의 가동률을 높여서 2H26에 매출과 이익률을 더 끌어올리기 위해 노력 중입니다. 2Q26에 경영진이 캐스웰 팹 가동률 상향 룸이 꽤 있다는 논지로 말하기도 했습니다.

미국 산호세 팹 : 현재 CPO향으로 쓰일 UHP(초고출력) InP 레이저를 생산하고 있습니다. 루멘텀이 생산하는 제품 중 가장 기술적 난도가 높고 GPM이 가장 좋은 제품입니다. 산호세 공장에 생산캐파를 늘리고 있으며 펌프 레이저 생산능력을 끌어올리는 것도 미국 산호세 팹에 의존하고 있습니다. 현재 엔비디아 CPO향 UHP 레이저 칩을 독점 생산하고 있는 만큼, 엔비디아 CPO 스위치 수요/공급과 루멘텀의 산호세 팹에 대한 소식을 연계해서 생각하시면 좋습니다. UHP 레이저 칩은 CY26 초부터 산호세에서 현재 생산 중이고 → CY27부터는 영국 캐스웰에서 → CY28부터는 그린스보로 팹에서 생산량을 크게 끌어올릴 예정입니다.

미국 그린스보로 팹 : 엔비디아로부터 $2B의 현금을 지원받으면서 CPO 물량을 대기 위해 인수한 팹입니다. 1Q26에 Qorvo로부터 인수했습니다. 6인치 InP 웨이퍼 기반으로 UHP 레이저 칩 등 CPO향 제품을 주로 생산할 예정입니다. CY28부터 양산이 시작될 예정인데 단일 공장 가동이 예상대로 될 경우 ARR $5B까지도 추가할 수 있는 팹입니다. 그린스보로가 6인치로 양산을 시작할 경우 사가미하라 팹 생산량보다 크게 높아서 루멘텀 역사상 가장 큰 단일 생산공장이 될 전망입니다. 흥미로운 건 OFC 2026에서 ARR $8B까지 가는 궤적에 그린스보로 팹의 기여는 0%라고 짚었단 점입니다. 즉, CY27 기준 ARR $8B가 된다고 보면 → CY28에 ARR $5B가 더해지면서 총 ARR $13B까지도 열려있단 의미이기도 합니다.

태국 나바 나콘 팹 : 800G/1.6T 클라우드 트랜시버 모듈의 포장 및 테스트 공장입니다.

시스템 사업의 메인 공장입니다. 루멘텀 내에서 레이저 칩을 파는 사업부와 CloudLight로 인수한 트랜시버 모듈 완제품을 판매하는 사업부는 별개의 조직으로 운영 중입니다. 다만, 최근에 사가미하라에서 InP 생산용량이 늘어남에 따라 2Q 및 하반기부터는 자체 CloudLight 800G/1.6T 트랜시버에 넣을 CW 레이저도 내부 조달 비중을 키워서 시스템 사업 및 전사 GPM을 더 높일 수 있다고 말했습니다.

​

CY27~28부터 NPO/CPO가 예상보다 큰 레이저 수요를 만들어낸다

기존 800G/1.6T 광트랜시버 수요도 CY27까지 계속해서 강할 것으로 예상되지만, 앞으로 공급 부족을 더 심화시킬 요인은 Scale-up용으로 사용할 NPO/CPO(CY27~CY28는 Scale-up은 NPO OE)의 본격적인 도입입니다.

​

기존에는 주로 랙과 랙 사이를 연결하는 Scale-out에서 광학제품을 사용했지만, 차세대 XPU는 Scale-up에서도 광학 연결을 확대하려 하고 있습니다. NPO와 CPO가 도입되면 광엔진에 빛을 공급하는 고출력 레이저 수요가 추가됩니다.

​

루멘텀은 CY27 하반기부터 CPO용 초고출력 레이저 출하를 확대하고, CY28에는 이를 탑재한 차세대 XPU 시스템의 구축이 늘어날 것으로 전망하고 있습니다. 헐스턴은 CY29 전후 본격화될 칩 근접 광학 시장이 기존보다 한 자릿수 이상(10배) 큰 시장이 될 수 있다고도 평가했습니다.

​

그리고 S.5548과 FCC 규제, Vital Materials를 통한 6인치 InP 기판 수급 가능성에 대해서도 생각해보시면 루멘텀의 수혜강도는 점점 더 높아지고 혹시 6인치 InP 기판 공급 퀄을 통과할 경우 루멘텀이 지금은 3인치 InP 웨이퍼를 4인치로 바꾸면서 InP 레이저 생산량을 늘리고 있는데, 6인치로 늘려서 훨씬 더 많은 레이저를 생산하여 수요충족률을 끌어올릴 가능성도 있습니다.

​

같은 결로, 비아비의 테스트 장비 수요도 크게 증가할 것

핵심은 CY27부터 램프업이 시작될 CPO와 NPO 수요가 생각보다 훨씬 더 크기 때문에 생긴 문제라는 게 핵심입니다. 그리고 그 과정에서 최근 NPO/CPO 테스트 장비들(e.g. Laser, Power Meter)의 수요가 폭증하면서 여기도 리드타임이 12개월 가까이 벌어지고 있습니다. 비아비가 꽤 직접적인 수혜 기업입니다:

​

NPO/CPO 광엔진을 양산하려면 레이저와 광학부품을 개별적으로 검사하고, 광엔진으로 조립한 뒤 다시 테스트해야 합니다. 최종 패키징 이후에도 광출력과 Insertion Loss 등을 검증해야 합니다.

​

VIAVI는 MAP-300 플랫폼에서 Tunable Laser/VOA/Optical Switch/Power Meter 등을 구성할 수 있습니다. 최근에는 한 장비에서 최대 192개 광채널을 측정할 수 있는 고밀도 Power Meter도 공급하고 있습니다. CPO는 광엔진을 고가의 ASIC과 결합하기 전에 불량 여부를 확인해야 하므로 기존 광트랜시버보다 테스트 단계가 많고 복잡합니다.

​

비아비의 CEO인 올레그 카이킨(Oleg Khaykin)도 과거에는 반도체 테스트 사업에 참여하지 않았지만, CPO가 등장하면서 Advantest, Teradyne, FormFactor 등과 함께 반도체 패키징 테스트 시장에 진입하게 됐다고 설명했습니다. 이미 CPO용 테스트 장비의 초기 출하도 시작됐습니다. 테스트용 레이저는 Santec·Keysight 등이 경쟁하고 있고 Power Meter 역시 비아비의 독점 시장은 아닙니다. 다만 비아비가 기존에 참여하지 않았던 CPO 반도체 테스트 시장에서 새로운 매출 기회를 확보했다는 점이 좋습니다.

​

루멘텀은 NPO/CPO에 필요한 레이저 자체의 수요 증가를, 비아비는 이를 생산하기 위해 필요한 테스트 장비 수요 증가를 누리는 기업입니다. 특히 비아비는 테스트 복잡도가 높아질수록 광포트당 공급하는 장비의 가치도 커질 수 있다는 점에서 긍정적으로 보고 있습니다.

전체 인터커넥트 아키텍처가 중요해지는 중

​

400G/lane부터는 SerDes보다 전체 인터커넥트 아키텍처가 중요

10월 7~8일 개최된 TEF(Ethernet Alliance Technology Exploration Forum)에서 흥미로운 논의들이 나왔습니다. 전체를 관통하는 흐름은 인터커넥트 아키텍처상 변화가 많다는 부분인데, 왜 그런가를 먼저 정리해봅니다.

​

지금까지는 SerDes의 전송속도를 100G → 200G로 높이면서 네트워크 대역폭을 확대해왔습니다. 하지만 400G/lane에 도달하면 SerDes 자체의 성능 향상만으로는 해결하기 어려운 문제들이 생깁니다. 전기 신호의 속도가 높아질수록 PCB와 구리 배선에서 신호 손실이 커지기 때문입니다.

​

*왼쪽 : PAM4의 Eye Diagram (2비트를 묶어서 00, 01, 10, 11로 / 신호를 4단계 진폭으로 변조)

*오른쪽 : PAM6의 Eye Diagram (5비트를 2개의 심볼에 매핑 / 신호를 6단계 진폭으로 변조 QAM-32로 표현)

​

PAM4 대신 PAM6를 선택하면 동일한 데이터 속도에서 심볼 속도를 낮출 수 있지만 잡음에 취약해지고, 광학 구간에서 PAM4를 사용한다면 별도의 신호 변환이 필요할 수 있습니다. 강력한 FEC를 적용하거나 리타이머를 추가하는 방법도 있지만 전력소비와 지연시간이 늘어납니다.

따라서 400G/lane부터는 (ㄱ) 전기적 인터페이스 + (ㄴ) 광학적 인터페이스 + (ㄷ) FEC를 함께 설계해야 하는 아키텍처의 문제가 되고 있습니다.

​

그리고 주제별로도 쭉 정리해봅니다:

​

1. NPO가 CPO보다 현실적인 선택지가 될 수 있는 이유

고속 전기 신호를 멀리 전송하기 위해 보정 회로를 계속 추가하는 것보다 광엔진을 ASIC 가까이에 배치해 전기 신호가 이동하는 거리를 줄이는 방법이 있습니다. NPO와 CPO입니다.

​

CPO는 광엔진을 ASIC과 같은 패키지에 배치해 전기 경로를 극단적으로 줄일 수 있지만, 패키징 수율/냉각/유지보수 문제가 발생합니다. 광엔진에 결함이 생기면 고가의 ASIC 패키지까지 영향을 받을 수 있고, 하이퍼스케일러 입장에서는 공급업체를 자유롭게 선택하기도 어려워집니다.

​

이와 관련해 Huawei Connect 2026에서 화웨이 회장 에릭 쉬(Eric Xu)가 상당히 흥미로운 이야기를 했습니다. "화웨이는 일찌감치 CPO보다 NPO를 선택했으며, 상당 기간 NPO가 더 좋은 선택일 것"이라고 전망했습니다.

​

화웨이의 Hi-ONE NPO 광엔진은 메인 칩에서 약 5cm 떨어진 곳에 배치됩니다. CPO가 칩과 OE간 거리가 약 5mm인 것과 비교하자면 전기적 경로는 길지만 나머지 SuperPoD 연결을 광학으로 구성할 수 있습니다.

​

화웨이가 제시한 NPO의 장점은 다음과 같습니다.

​

비용 : 화웨이의 설계 비교에서 NPO가 CPO보다 약 40% 저렴합니다.

유지보수 : 광엔진에 문제가 발생하더라도 AI 칩을 통째로 교체하지 않고 광엔진만 교체할 수 있습니다.

양산 수율 : 광엔진과 ASIC을 분리해 생산하므로 패키징과 불량 처리 측면에서 유리합니다.

​

2. 오라클의 800G LPO 실증 데이터가 상당히 긍정적

앞서 ECOC 2026에서 오라클이 공개했던 데이터도 TEF 논의와 연결됩니다. 오라클은 "현재 40만 개 이상의 800G LPO 링크를 운영하고 있으며, 실제 환경에서 충분히 좋은 성능을 확인했다"고 밝혔습니다.

​

LPO는 광트랜시버 내부의 DSP를 제거하고 ASIC의 SerDes와 아날로그 부품을 활용해 신호를 처리하는 구조입니다. 전력소비와 지연시간을 줄일 수 있지만 신호 품질에 대한 여유가 부족해질 수 있다는 우려가 있었습니다. 오라클이 이를 수십만 링크 규모에서 검증한 것은 긍정적입니다. 다만 오라클도 1.6T에서는 LPO의 신호 품질 마진이 부족하다고 판단해 LRO/FRO를 채택하기로 했습니다. 이 부분은 실증 데이터가 어떻게 가느냐를 좀 더 살펴볼 예정입니다.

​

오라클이 제기했던 이슈 중 또 하나 흥미로운 것은 광커넥터 오염 문제였습니다.

​

오라클이 ECOC 2026에서 공개한 자료에 따르면 AI 백엔드 네트워크의 링크 장애 중 90% 이상이 오염과 관련됐고, 분석시설로 보내진 광모듈의 97%에서 먼지, 오염, 스크래치 등의 문제가 발견됐습니다.

​

이게 무슨 뜻인가 하면 결과적으로 보자면 현장 작업자가 광모듈과 커넥터를 직접 만져야 하는 횟수를 줄이는 것이 중요한 과제란 뜻입니다. 그럴 때 NPO/CPO의 가치가 생각보다 더 커질 수 있습니다. NPO/CPO는 광엔진을 스위치 내부에 배치해 공장에서 사전 조립 및 검사하는 범위를 늘릴 수 있습니다. 현장에서 광모듈을 직접 꽂고 교체하는 작업을 줄일 수 있다는 점에서 긍정적입니다. 물론 외부 광섬유 커넥터의 오염 문제까지 없어지는 것은 아닙니다만 터치포인트가 줄어들수록 링크 오류율이 줄어든다는 점에서 좋습니다.

​

3. 셈텍의 가치제안은 3.2T 등 고밀도 광엔진에서 더 중요해질 것

최근 셈텍(SMTC)에 대한 업계 피드백도 들어왔습니다.

​

NPO에서는 DSP를 제거한 Linear 아키텍처가 많이 검토되고 있습니다. 이 경우 광신호를 전기 신호로 변환하는 TIA와 광변조기를 구동하는 Driver의 성능이 중요해집니다. 셈텍은 이미 224G Linear TIA/Driver 제품군을 출시했고, 1.6T부터 12.8T까지 다양한 광엔진을 지원하는 제품 로드맵을 갖고 있습니다.

​

업계에서 전해지는 고객별 설계 동향은 다음과 같습니다.

​

중국 : 초기 NPO 설계에서 셈텍 TIA가 성능과 개발 속도 측면에서 선호되고 있으며, Driver는 마벨이 강세라는 피드백입니다.

AWS : 3.2T NPO를 개발하고 있지만 TIA는 셈텍 이외의 공급업체를 채택한 것으로 전해집니다.

구글 : 6.4T NPO를 목표로 하고 있으며 셈텍의 차세대 TIA 채택 가능성이 열려 있습니다. 일부 모듈 업체들이 셈텍의 신규 칩을 기다리고 있다는 정보입니다.

엔비디아 : 6.4T와 7.2T NPO 구성을 검토하고 있으며 셈텍이 관련 설계에 참여하고 있다고 전해집니다.

FIT Tech Day의 교훈도 비슷 : '생각보다 NPO의 시간이 길수도'

​

CPO보다 NPO가 오래 살아남을 수 있는 이유

9월 16일 개최된 FIT Tech Day에서 나온 광학 인터커넥트 관련 코멘트들을 추가로 정리해 봅니다. 워낙 여러 컨퍼런스가 있었다보니 깊게 살펴보면서 다시금 발견하는 코멘트들도 많네요.

​

가장 흥미로웠던 것은 CPO의 전력 절감 효과를 데이터센터 전체 관점에서 평가한 부분입니다.

광학 링크가 데이터센터 전체 전력소비에서 차지하는 비중은 약 4~9% 수준으로 추정됩니다. CPO가 광학 링크의 전력소비를 50% 줄이더라도 데이터센터 전체로 환산하면 약 2~4.5%의 절감 효과입니다. 실제 CPO 적용 범위가 제한된다면 그보다 작아집니다. 칩이나 랙 단위의 전력효율 개선이 데이터센터 전체에서 얼마나 큰 경제적 가치가 있는지는 별도로 생각해야 합니다.

​

CPO의 전력효율보다 NPO의 유지보수 경제성이 중요할 수 있습니다

비슷하게 연결되는 부분이지만, CPO는 광엔진을 XPU나 스위치 ASIC과 함께 패키징하기 때문에 광엔진에 문제가 발생하면 고가의 ASIC 패키지 전체를 정비하거나 교체해야 할 수 있습니다. GPU-HBM이 함께 패키징돼 있기 때문에 CPO를 도입했을 때 광엔진에 장애가 발생하면 잃는 것이 더 큽니다. 칩 자체가 물리적으로 손상되지 않더라도 수리하는 동안 고가의 XPU를 사용하지 못하게 됩니다.

​

CPO/NPO는 스위치 ASIC과 XPU 양쪽에 모두 적용될 수 있지만, 이러한 경제성을 감안하면 NPO가 생각보다 오랫동안 채택될 수 있다고 보고 있습니다. CPO가 확산되더라도 스위치 ASIC보다 XPU에 본격적으로 적용되기까지는 더 많은 시간이 필요할 것으로 예상합니다.

​

400G/lane의 공급 부족, EML과 SiPh가 동시에 성장할 가능성

400G/lane에서는 EML이 이미 좋은 성능을 입증하고 있습니다. 문제는 생산능력입니다.

​

셈텍 CEO 홍허우 박사(Hong Hou)는 EML이 400G 성능을 입증했지만 공급능력의 한계가 있다고 설명했습니다. 그래서 CW 레이저와 SiPh 변조기를 조합하는 방식도 개발하고 있습니다.

SiPh 역시 아직 성능 개선이 필요하지만 기존 실리콘 제조 인프라를 활용할 수 있다는 장점이 있습니다. 광학 인터커넥트 수요가 급격하게 늘어나는 과정에서 특정 기술 하나만 모든 수요를 충족시키기 어려워 EML과 SiPh + CW 레이저가 함께 성장할 것으로 예상합니다.

​

3.2T부터는 레인당 속도를 높이는 것과 레인 수를 늘리는 방식이 경쟁

지금까지 광트랜시버는 레인당 속도를 100G → 200G → 400G로 높이며 대역폭을 키웠습니다. 일반 OSFP의 고속 전기 레인 8개를 기준으로 계산하면 8×100G = 800G, 8×200G = 1.6T, 8×400G = 3.2T입니다.

​

그런데 레인당 속도가 높아질수록 신호 손실과 전력소비가 문제가 됩니다. 그래서 800G를 4×200G로 구성하거나, OSFP-XD처럼 레인을 16개로 늘려 16×200G = 3.2T를 구현하는 방식도 등장했습니다. 400G/lane의 기술적 난도가 높아질수록 레인당 속도를 계속 높이는 것보다 레인 수를 늘리는 Wide & Slow 방식도 경쟁력을 가질 수 있습니다.

​

광섬유 수와 커넥터 밀도가 증가한다는 부담은 있지만, 400G/lane으로 넘어가는 속도가 늦어지더라도 3.2T 인터커넥트 자체의 도입은 진행할 수 있는 구조입니다.

​

Scale-across에서도 새로운 제품이 등장하고 있습니다. 데이터센터 캠퍼스 간 연결을 위한 Coherent-Lite로, 구글이 OCS 네트워크의 포트당 대역폭을 높이기 위해 2.4T 제품을 추진하고 있습니다. 아직 대규모 양산 채택이 확정된 단계는 아니지만 기존 장거리 통신용 Coherent 기술이 데이터센터 내부와 캠퍼스 연결 시장으로 확대되는 흐름입니다.

​

폭스콘의 차세대 고속 구리 케이블, 셈텍의 이퀄라이저 수혜

셈텍과 관련해서도 긍정적인 코멘트가 나왔습니다.

​

셈텍 CEO인 홍허우 박사는 고속 구리 케이블에 Linear Equalizer를 적용하면 신호 감쇠를 15~20dB 수준으로 보정할 수 있으며, 이를 통해 구리 연결거리를 약 3m까지 늘리는 방법을 제시(ACC)했습니다. 현재 224G급 제품을 공급하고 있으며 주요 고객들과 448G급 제품도 공동 개발하고 있다고 설명했습니다.

​

폭스콘의 336G/448G SerDes 케이블에 셈텍 이퀄라이저가 사용되고 있다는 업계 피드백도 있었습니다. 다만 실제 고객별 채택과 양산 규모는 추가 확인이 필요합니다. ACC는 1.6T부터 채택이 확대되고 있지만, 3.2T와 6.4T로 갈수록 고속 신호를 구리 배선으로 전달하는 난도가 훨씬 높아집니다. 그만큼 신호를 보정하는 이퀄라이저의 가치도 커질 것으로 예상합니다.

​

구리 인터커넥트의 수명이 길어질수록 셈텍의 ACC 사업에는 긍정적이고, NPO/CPO가 성장하면 TIA와 Driver 사업에서도 추가적인 기회가 생깁니다.

OCS : ⓐTPU ⓑ엔비디아 GPU

​

같은 칩을 사도 같은 성능이 나오지 않는 시대, OCS의 가치가 높아집니다

광학 분야에서 OCS 수요를 결정하는 요인들을 정리해 보겠습니다.

​

<구글 TPU v8 네트워킹의 모든 것 : 같은 칩을 사도 같은 성능이 나오지 않는 시대> 자료에서 전해드렸던 핵심은 CY27 이후에는 개별 칩이나 랙의 성능만큼이나 네트워크를 어떻게 구성하느냐가 중요해진다는 것입니다.

​

오픈AI의 애빌린처럼 수십만 개의 GPU를 수용하는 데이터센터를 넘어, 앞으로 100만 개 이상의 XPU를 연결하는 클러스터를 구성한다면 네트워크 장애를 어떻게 처리하고 컴퓨트 자원을 얼마나 효율적으로 활용하느냐가 중요해집니다.

가령 TPU 1,000개로 하나의 워크로드를 처리하는데 일부 칩이나 링크에 장애가 발생하면 정상적으로 작동하는 나머지 TPU들의 처리량까지 영향을 받을 수 있습니다.

​

OCS는 광신호를 전기 신호로 변환하지 않고 경로를 재구성할 수 있습니다. 장애가 발생한 TPU와 링크를 피해 새로운 경로를 만들어 컴퓨트 자원의 가동률을 높이는 것입니다. 같은 수량의 XPU를 구매하더라도 네트워킹 아키텍처에 따라 실제 처리량(Goodput)이 크게 달라질 수 있습니다.

​

구글의 OCS 수요, TPU 출하량 증가와 추론 클러스터 도입 확대

현재 OCS 시장의 가장 큰 고객은 구글입니다. 향후 12~24개월을 바라보면 세 가지 변화가 중요합니다.

​

TPU 출하량 자체가 크게 증가 : 시장에서는 CY27 TPU 출하량이 YoY 약 100% 증가할 것으로 전망하고 있습니다. CY28에도 높은 성장세가 이어질 것으로 예상합니다.

훈련용 클러스터에 집중됐던 OCS가 추론용 클러스터로 확대 : 기존 TPU의 3D Torus 구조에서는 TPU당 약 1.5개의 OCS 포트를 사용했습니다. 훈련용 클러스터에 주로 적용됐고, 추론용 클러스터에는 상대적으로 제한적으로 사용됐습니다. 그런데 TPU v8i의 Boardfly에서는 추론용 클러스터에도 OCS가 채택됩니다. TPU v8i는 칩당 OCS 포트 수가 약 1.25개로 3D Torus보다는 요구량이 아주 약간 낮지만, OCS를 사용하는 TPU의 범위가 추론용까지 확대되고 출하량도 빠르게 늘어나기 때문에 전체 수요는 크게 증가시킬 요인입니다.

3D Torus → 6D Torus, 12개월 이상을 생각하면 차세대 TPU의 네트워킹 구조가 변수 : TPU v9로 거론되는 Humufish와 후속 Triggerfish에 6D Torus가 적용될 경우 칩당 OCS 포트 수가 최대 6개까지 늘어날 수 있다는 전망도 있습니다.

일부 링크를 공유한다고 보더라도 TPU당 OCS 포트 수가 3개 이상일 것으로 예상되는 만큼 6D Torus부터는 TPU당 OCS 수요가 크게 증가할 요인입니다.

​

엔비디아가 CY28부터 OCS를 도입한다면 시장이 한 번 더 커집니다

구글의 성장도 좋지만 CY30까지 바라봤을 때 제가 더 흥미롭게 보는 것은 엔비디아 GPU의 Scale-up 네트워크에 OCS가 적용되는 것입니다. 엔비디아의 Vera Rubin Ultra NVL576은 72개의 GPU가 탑재된 랙 8개를 연결해 576개의 GPU를 하나의 NVLink Scale-up Domain으로 구성하는 아키텍처입니다.

​

랙 내부는 구리 연결을 사용하고, 랙 간에는 광학 인터커넥트를 도입합니다. 여기서 광학 연결을 동적으로 재구성하기 위해 OCS를 도입할 가능성이 있습니다. 구글은 이미 OCS를 대규모로 사용하고 있지만 엔비디아는 아직 본격적인 양산 수요가 발생하지 않은 고객입니다. 엔비디아의 GPU Scale-up에서 OCS가 본격 채택된다면 지금의 구글 TPU 중심 시장보다 클 새로운 수요처가 생길 수 있습니다.

​

루멘텀, 구글의 최대 OCS 공급업체가 될 것

루멘텀(LITE)은 구글 OCS 수요 증가의 직접적인 수혜 기업입니다.

​

구글은 원래 OCS를 대부분 자체 설계하고 위탁생산하는 방식으로 조달했습니다. 그런데 CY26부터 외부 공급업체의 비중을 높이기 시작했고, 루멘텀은 이 시장에서 빠르게 점유율을 확대하고 있습니다. 루멘텀 CEO 마이클 헐스턴은 2Q26 실적발표에서 "CY27 초에는 구글의 자체 조달 물량을 넘어 최대 OCS 공급업체가 될 것"이라고 전망했습니다.

​

OCS 기술 경쟁 : MEMS 이후에는 SiPh?

여기서 좀 더 생각해 볼 부분은 차세대 OCS 기술 경쟁입니다. 현재 구글과 루멘텀이 채택한 MEMS 방식은 광손실이 낮고 대규모 포트 구성을 지원한다는 장점이 있습니다. 반면 코히런트(COHR)는 액정 방식 OCS를 공급하고 있습니다. 개인적으로는 현재 구글의 요구조건에서 MEMS가 더 경쟁력 있다고 보고 있습니다. 액정 방식은 광손실 측면에서 불리한 구조일 수밖에 없고, 앞으로 300~400G/lane으로 넘어가면서 광링크의 손실 허용범위가 줄어드는 것도 부담입니다.

​

차세대 OCS에서 생각해 볼 또 다른 기술은 SiPh(Silicon Photonics)입니다. 엔비디아의 Scale-up 네트워크에 OCS가 도입된다면 기존 구글의 대형 OCS와 달리 랙 내부 공간이나 포트 집적도에 대한 제약이 더 중요해질 수 있습니다. SiPh는 광스위칭 소자를 칩에 집적할 수 있어 소형화와 빠른 재구성 속도 측면에서 장점이 있습니다. 물론 다만 대규모 포트 확장 시 광손실과 실제 신뢰성은 검증해야 합니다.

​

아직 CY28 엔비디아의 최종 OCS 기술이 무엇이 될지는 알 수 없습니다. 그럼에도 지금의 루멘텀을 긍정적으로 보는 이유는 MEMS 하드웨어 외에도 하이퍼스케일러와 네트워킹 아키텍처를 공동 개발하고, 이를 제어하는 소프트웨어까지 공급하는 역량을 확보하고 있기 때문입니다. 따라서 여러모로 차세대 OCS가 다른 광스위칭 기술을 채택하더라도 루멘텀이 계속 협력업체로 참여할 여지는 충분하다고 판단합니다.

​

다만 그래도 차세대 OCS 관련해서 어떤 논의가 오가는지는 좀 더 타이트하게 볼 필요가 있긴 합니다.

포티넷(FTNT)

​

포티넷FTNT은 Overweight을 유지합니다. CY27 PER 48.7배(CY27 EPS $4)입니다.

포티넷 기업분석 : Agentic AI가 폭발시킨 트래픽, 방화벽의 두 번째 전성기

포티넷 Rosenblatt 컨퍼런스 콜 / 주간전략보고 : 투자의 생각 (8월 24일~8월 28일)

포티넷 2Q26 실적발표 / 주간전략보고 : 투자의 생각 (8월 3일~8월 7일)

​

치명적 보안 취약점이 급증하고 있다

​

Epoch AI가 AWS, 마이크로소프트, 구글, 애플 등을 포함한 21개 주요 소프트웨어 기업의 보안 취약점 공개 데이터를 분석했습니다. 지난 4년 동안 월간 100건을 넘은 적이 없었던 치명적(Critical) 취약점 공개 건수가 2026년 봄부터 급증했습니다.

​

2026년 3월: 57건

2026년 4월: 98건

2026년 5월: 142건

2026년 6월: 372건

2026년 7월: 606건

​

Critical까지는 아닌, High 등급까지 포함하면 7월에만 약 2,500건의 심각한 취약점이 공개됐습니다.

​

실제 보안 취약점이 갑자기 6배 늘어난 것이 아닙니다. AI가 기존에 발견하지 못했던 취약점들을 훨씬 빠르게 찾아내기 시작한 영향이 큽니다. 문제는 공격자도 똑같은 AI를 사용할 수 있다는 것이 문제입니다. 취약점을 찾아내고 실제 공격에 활용하는 데 필요한 시간과 비용이 줄어들면서 기업들도 보안 대응 속도를 높여야 하는 상황입니다.

​

사이버보안 산업에는 상당히 긍정적인 환경이라고 보고 있습니다. 포티넷에 대해서는 <포티넷 기업분석 : Agentic AI가 폭발시킨 트래픽, 방화벽의 두 번째 전성기> 자료를 통해 기업분석으로 전해드린 바 있습니다.

계속해서 All-time High를 경신하고 있습니다.

​

오픈AI, 전체 프로덕션 엔지니어의 25%를 보안 강화에 투입

오픈AI의 그렉 브록먼이 새로운 사이버보안 대응 체계에 대해 설명했습니다.

​

오픈AI는 최근 프로덕션 엔지니어의 25%를 보안 업무로 전환했습니다. 기존 프로젝트를 중단하고 자사 시스템에서 보안 취약점을 찾아내는 업무에 집중시킨 것입니다. 이때 활용한 것이 GPT-6 Astra입니다.

​

Astra를 자사 시스템에 투입하자 여러 건의 심각한 보안 취약점이 발견됐고, 이를 수정했습니다. 이후에도 새로운 문제가 나왔지만 어느 시점부터는 추가로 발견되는 취약점이 거의 없어졌다고 합니다. 브록먼은 현재 Astra의 능력으로 찾아낼 수 있는 최우선순위(P0) 보안 문제와 치명적 취약점은 모두 발견했다고 설명했습니다.

​

그런데 새로운 모델이 나오면 어떻게 될까요?

​

더 똑똑해진 모델은 이전 모델이 발견하지 못했던 취약점을 찾아낼 것입니다. 그러면 다시 그 모델을 자사 시스템에 투입해 보안 취약점을 찾아내고 수정하는 과정을 반복해야 합니다.

​

오픈AI는 궁극적으로 새로운 모델 출시 → 보안 취약점 발견 → 검증 및 수정 → 다음 모델로 재검사하는 전체 과정을 자동화하려 하고 있습니다. 브록먼은 이를 Defense Factory라고 부릅니다.

​

프론티어 AI Labs들의 보안 방어 체계

이러한 움직임은 오픈AI만의 이야기가 아닙니다.

​

오픈AI — Daybreak : 프론티어 모델과 Codex Security를 활용해 취약점 발견부터 검증·수정까지 자동화하고, 외부 보안 파트너들에게도 관련 기술을 제공합니다.

앤스로픽 — Project Glasswing : Claude Mythos를 보안 파트너들에게 제공해 주요 소프트웨어와 핵심 인프라의 취약점을 선제적으로 발견하고 수정하도록 지원합니다.

구글 — Fairwind Program : Gemini의 사이버보안 역량을 정부기관과 주요 인프라 운영사 등 검증된 파트너들에게 제공해 취약점 탐지와 자동 수정을 지원합니다.

​

재미있는 것은 사이버보안의 공격과 방어에 필요한 기술이 본질적으로 같다는 점입니다.

​

공격자는 취약점을 찾아내 시스템에 침투하려 하고, 방어자는 자신들의 시스템에 레드팀을 투입해 공격자보다 먼저 취약점을 발견하고 수정합니다. AI가 발전할수록 공격자가 수행할 수 있는 보안 침투의 복잡도도 높아지지만, 방어자 역시 더 강력한 AI를 사용할 수 있습니다.

​

앞으로 새로운 프론티어 모델이 출시될 때마다 기업들은 자사 시스템의 보안을 다시 검증해야 할 것입니다. 기존에 사람이 수개월에 걸쳐 수행하던 취약점 탐색과 수정 업무가 AI를 활용한 상시 보안 점검으로 바뀌고 있습니다. 사이버보안 산업에서 기업들이 사용하는 AI 모델의 지능이 높아질수록 보안에 요구되는 수준도 함께 높아진다는 점을 긍정적으로 보고 있습니다.

Interconnect > Custom

앞으로의 5년을 전망한 마벨 (Investor Day 2026)

​

마벨 Marvell Technology : 앞으로 5년 수요 체크

10월 7일 마벨 투자자의 날 핵심만 정리해봅니다:

​

마벨 투자자의 날 2026 : FY31 $70~90B

업데이트된 숫자들부터 정리하면 다음과 같습니다.

​

FY28 : 전사 매출 기존 $18B → $20B로 상향.

데이터센터 매출 $18B(기존 FY29 목표를 1년 앞당겼습니다)

FY29 : Custom 매출 기존 >$10B → >$12B로 상향.

FY31(New) : 전사 매출 $70~90B. 중간값 $80B를 기준으로 인터커넥트 $37.5B, Custom $30B, 스위치+스토리지 $10B, 기타 $2.5B입니다. Non-GAAP EPS는 >$30을 제시했습니다.

장기 마진 목표 : GPM 56~59%, OPM 44~46%, FCF Margin >36%입니다.

​

Custom 사업의 비중이 커지면서 GPM은 낮아질 수 있지만, 매출 규모가 커지는 만큼 OPM과 FCF Margin은 오히려 높아진다는 것을 숫자로 제시한 Investor Day였습니다.

​

Custom보다 인터커넥트가 더 큰 사업이 됩니다

FY31 기준으로 마벨의 Custom 사업부 매출($30B)보다 인터커넥트 매출($37.5B)이 더 클 것으로 예상했습니다. 기존 Scale-out의 성장에 Scale-up과 Scale-across 광학제품 수요가 더해지기 때문입니다. CY27~28부터 Scale-up 광학 매출이 급증할 것으로 예상하고 있으며, 이번 발표 이후 인터커넥트 관련주도 바스켓으로 강세를 보였습니다.

​

구리 → NPO → CPO가 아니라 / 구리 + NPO + CPO입니다

인터커넥트의 성장 궤적은 구리 → NPO → CPO로 앞 단계의 성장이 사라지면서 다음 단계가 오는 구조가 아니라, 구리 + NPO + CPO가 상당 기간 동시에 존재하는 구조가 될 것임을 전망했습니다. 이에 대해서는 <'빛💡'의 시대 #2 : 구리도 광모듈도 CPO도 다 커진다, AI 인터커넥트의 폭발>에서 자세히 전해드린 바 있습니다.

​

NPO에 대해서는 "ramp for sure"라고 자신 있게 말했습니다. 이미 광모듈 업체에서 확보했던 design-win들이 실제 하이퍼스케일러의 design-win으로 이어지고 있으며, CPO 역시 병행해서 개발하고 있습니다.

​

Custom 매출 상향의 핵심은 XPU Attach입니다

FY29 Custom 매출이 >$10B에서 → >$12B로 상향됐습니다. 상향한 주요 근거는 XPU Attach입니다.

​

XPU 본체의 출하량 증가 외에도 XPU에 연결되는 주변 칩의 종류와 수량이 늘고 있습니다. 기존의 범용 컨트롤러들이 고성능 Custom ASIC으로 바뀌면서 XPU 한 개당 마벨이 공급할 수 있는 반도체의 가치도 커지는 구조입니다. 마벨은 XPU당 1~2개의 Attach 소켓을 갖고 x 소켓당 ASP 약 $1,000을 제시했습니다. 개별 XPU Attach 제품군 하나만으로도 $1B 규모의 사업이 될 수 있으며, 일부는 Several Bilions까지도 성장할 수 있다고 설명했습니다.

​

추론과 KV Cache가 커지면서 CXL와 SSD 수요도 확대됩니다

추론과 KV Cache의 메모리 요구량이 늘어나면서 Memory Wall이 AI 시스템의 주요 병목으로 떠올랐습니다. 마벨은 이와 관련한 메모리 확장과 스토리지 사업에서도 성장 기회를 보고 있습니다.

​

CXL: 기존 CPU 중심의 메모리 확장 시장에서 XPU로 사업 영역이 넓어지고 있습니다. 마벨의 기존 메모리 확장 제품은 여러 하이퍼스케일러에서 design-win을 확보했으며, 현재는 고속 SerDes를 통해 XPU에 직접 연결되는 커스텀 메모리 확장 제품도 개발 중입니다.

SSD/스토리지: AI 시스템에서 SSD가 XPU에 지속적으로 데이터를 공급하면서 스토리지 컨트롤러와 가속기의 성능도 중요해졌습니다. 마벨은 XPU 세대가 바뀔 때마다 스토리지 요구량이 대략 2배씩 증가하고 있다고 설명했습니다.

HDD 산업에 도시바가 던진 돌

도시바 증설의 핵심인 TDK를 노린 시게이트 (Toshiba-TDK 관련)

​

시게이트, 웨스턴디지털 Seagate, Western Digital : HDD 산업 체크

최근 도시바 증설과 관련돼서 TDK의 동향이 중요해졌습니다. 10월 5일 주간전략보고에서 전해드렸던 도시바의 HDD 증설 계획에도 차질이 생길 가능성이 있습니다.

​

시게이트/웨스턴디지털은 핵심 부품을 내재화, 도시바는 대부분 외부 조달

10월 7일 시게이트와 도시바가 TDK의 HDD용 자기헤드(Magnetic Heads) 사업 인수를 놓고 경쟁하고 있다는 소식을 전해드렸습니다. 이와 관련해 Cantor가 HDD 3사의 부품 조달 구조를 분석했는데, 도시바가 왜 TDK 인수전에서 불리한 위치에 있는지 더 명확해졌습니다.

​

시게이트(STX) : 헤드 웨이퍼(내부) → 헤드 조립(내부) → HAMR 레이저(내부/외부-Sony) → Media(내부) → 기판(외부-Hoya) → 서스펜션(외부-Nitto/NHK Spring/TDK) → 스핀들 모터(외부-Nidec/Minebea) → 컨트롤러/프리앰프(외부-Broadcom)

웨스턴디지털(WDC) : 헤드 웨이퍼(내부) → 헤드 조립(내부) → HAMR 레이저(외부-Sony) → Media(내부/외부-Resonac) → 기판(외부-Hoya/향후 내재화 예정) → 서스펜션(외부-Nitto/NHK Spring/TDK) → 스핀들 모터(외부-Nidec/Minebea) → 컨트롤러/프리앰프(외부-Marvell)

도시바(Toshiba) : 헤드 웨이퍼(외부-TDK/SAE) → 헤드 조립(외부-TDK/SAE/Dongguan) → HAMR 레이저(외부-Sony) → Media(외부-Resonac) → 기판(외부-Hoya) → 서스펜션(외부-Nitto/NHK Spring/TDK) → 스핀들 모터(외부-Nidec/Minebea) → 컨트롤러/프리앰프(외부-Marvell)입니다.

​

가장 큰 차이는 HDD의 핵심 기술인 자기헤드와 기록 미디어의 내재화 여부입니다.

​

시게이트와 웨스턴디지털은 두 부품을 자체 생산할 수 있어 원가와 마진 측면에서 유리하고, 차세대 HDD 기술 개발과 양산 일정도 직접 통제할 수 있습니다. 도시바는 핵심 부품 대부분을 외부에서 조달하기 때문에 공급업체의 생산능력과 기술 로드맵에 더 크게 영향을 받습니다.

​

TDK 인수전에서 도시바가 잃을 수 있는 것

현재 HDD 시장점유율은 시게이트와 웨스턴디지털이 각각 약 45%, 도시바가 약 10%입니다. 그런데 TDK는 HDD 자기헤드를 외부에 공급하는 사실상 유일한 독립 업체입니다.

​

시게이트가 TDK를 인수하고 신규 생산능력을 자사 HDD에 우선 배정한다면 도시바에는 상당한 문제가 됩니다. 도시바는 AI 데이터센터용 HDD 수요 증가에 대응해 FY27까지 생산능력을 2배 확대하겠다는 계획을 발표했습니다. 하지만 HDD 조립라인만 증설한다고 출하량이 늘어나는 것은 아닙니다. 자기헤드와 미디어 공급도 함께 늘어나야 하는데, 도시바는 이 부분을 직접 통제하지 못합니다.

​

장기적으로는 HAMR 전환도 문제입니다. 도시바는 과거 MAMR 개발부터 TDK와 협력해왔으며, 차세대 자기헤드 기술 확보에서도 TDK가 중요한 파트너입니다.

​

물론 시게이트가 TDK를 인수하더라도 도시바에 대한 공급을 곧바로 중단한다고 단정할 수는 없습니다. 경쟁사의 핵심 부품 공급망을 통제하게 되는 거래인 만큼 반독점 심사도 상당한 변수가 될 것입니다. EU집행위원회가 2011년에 이미 한 번 심사했던 내용이기도 합니다. 그래서 거래가 실제로 추진된다면 장기 공급계약이나 생산능력 보장 같은 조건이 붙을 가능성이 높겠지만 어쨌든 시게이트가 도시바의 허를 찌른 모양이 흥미로웠습니다.

Magnificent 7

오픈AI ARR, RL 비중 up, AI 인프라, 뚱냥이, 데이터센터 자금구조, Haiku 5.5

*왼쪽 테이블 : 2026년 10월 11일 EPS 추정치를 변경했습니다.

*오른쪽 차트 : Mag 7 기업들의 CY26, CY27 순이익 차트입니다.

엔비디아, 26년 PER 24배 / Overweight

엔비디아 2Q26 실적발표 : 반창고를 뗴고 얻은 두 가지 - CY27 매출성장률 YoY 70% vs GPM 72~73% (바로가기)

엔비디아 2Q26 Preview : 3R에 답할 시간 - Rubin, Rubin Ultra, Revenue Share (바로가기)

AI 사이클의 모든 것을 담은 게빈 베이커 인터뷰 : 버블의 역사는 반복되지 않지만, 운율은 반복된다 (바로가기)

​

오픈AI ARR, Gross $70B = Net $50B

​

이번 주 AI 주식 하락을 촉발했던 뉴스 중 하나는, 10월 8일 FT의 오픈AI ARR 보도였습니다. "오픈AI의 ARR이 9월 말 시장이 예상했던 $70B보다 $20B나 적다. 이러한 큰 격차는 AI 수요 증가에 대한 낙관론을 꺾을 가능성이 높다"라고 보도했습니다.

​

그런데 실제 내용은 굉장히 단순명료합니다. Gross Revenue와 Net Revenue를 혼용하면서 발생한 차이입니다. 오픈AI의 매출이 갑자기 $20B 감소한 것도 아니고, AI 수요가 예상보다 부진했다는 새로운 데이터가 나온 것도 아닙니다. 9월 말 기준 오픈AI의 연환산 매출은 파트너 매출까지 포함한 비교용 Gross 기준으로 약 $68B, 자사가 집계하는 Net 기준으로 약 $50B입니다.

​

오픈AI Net Revenue는 7월 $30B → 9월 $50B로 폭증

위 차트를 통해서 확인하실 수 있듯이, 오픈AI의 Net Revenue 기준 매출 추이는 2025년 9월 $15B → 2025년 12월 $20B → 2026년 2월 $25B → 2026년 6월까지 $25B 유지 → 2026년 7월 $30B → 2026년 8월 $38B → 2026년 9월 $50B 추세입니다.

​

CY26 상반기에는 성장이 다소 정체됐지만 7월부터 가속하기 시작했고, 9월에는 $50B까지 올라왔습니다. 7월 $30B에서 9월 $50B로 불과 두 달 사이에 67% 증가한 것입니다.

​

게다가 GPT-6 Astra는 9월 3일, GPT-6.1 Sol은 9월 29일 출시됐습니다. 기업 고객들이 새로운 모델로 워크로드를 이전하고 API 사용량을 늘리기까지 시간이 필요하다는 점을 감안하면 9월 말 ARR에는 GPT-6 Astra의 효과가 주로 반영됐고, GPT-6.1 Sol의 효과는 거의 반영되지 않았다고 보는 것이 합리적입니다.

​

이에 최근 Codex와 ChatGPT Work의 합산 주간 활성사용자가 4,000만 명을 돌파한 것까지 생각하면 10월의 매출 증가세도 계속해서 좋을 것으로 기대하고 있습니다.

​

앤스로픽과 오픈AI ARR을 직접 비교하면 안되는 이유

Gross와 Net의 차이는 클라우드 파트너를 통한 API 판매에서 발생합니다.

​

앤스로픽은 AWS/GCP/Azure 등의 마켓플레이스를 통해 고객이 구매한 Claude 사용료 전체를 매출로 인식하고, 클라우드 사업자에게 지급하는 수수료는 비용으로 처리합니다. 반면 오픈AI는 일부 클라우드 파트너 판매에서 자사에 귀속되는 금액만 매출로 인식합니다.

​

따라서 양사가 발표하는 ARR을 그대로 비교하면 앤스로픽의 매출이 상대적으로 크게 보이는 문제가 있습니다.

다른 축으로 살펴보면 실제로 서드파티 데이터인 TickerTrends가 9월 말 추산한 ARR은 다음과 같습니다.

​

앤스로픽 : $76.8B

오픈AI : $50.4B

​

여기서도 앤스로픽은 Gross 방식이고 오픈AI는 Net 방식이므로 동일한 기준의 비교가 아닙니다.

​

오픈AI가 투자자들에게만 공개한 재무 지표를 살펴보시면, Gross/Net으로 볼 때

2026년 2월 : Gross $??B / Net $25B

2026년 7월 : Gross $40B / Net $30B

2026년 9월 : Gross $68B / Net $50B입니다.

​

오픈AI의 Gross 대비 Net 비율인 약 73%를 앤스로픽 ARR에도 적용하면 $56.1B가 나오고, 오픈AI와의 격차가 약 10%까지 줄어드는 계산이 가능합니다. 분명한 것은 기존에 알려진 두 회사의 ARR 격차가 동일한 매출 인식 기준에서 계산된 격차는 아니라는 점입니다.

​

마이크로소프트의 Azure 판매 수익배분까지 고려해야 합니다

한 가지 더 생각해 볼 부분은 2026년 4월 변경된 마이크로소프트와 오픈AI의 계약입니다.

​

4월 27일 발표된 수정 계약에 따르면 마이크로소프트는 자사가 판매하는 오픈AI 모델에 대해 더 이상 오픈AI에 매출 수익배분금을 지급하지 않습니다. 반대로 오픈AI가 마이크로소프트에 지급하는 수익배분은 CY30까지 유지됩니다. 따라서 Azure에서 오픈AI 모델의 사용량이 증가하더라도 해당 판매액이 오픈AI의 ARR에 잡히지 않습니다. 이것까지 감안하면 실제로는 2026년 9월 기준 오픈AI의 매출이 앤스로픽을 능가했을 가능성이 매우 높으며 + 이후 데이터들까지도 매출성장세가 가파를 것으로 예상할 수 있습니다.

프론티어 AI Labs의 컴퓨트 사용처 : RL이 커지다

​

SemiAnalysis의 Tokenomics Model을 기반으로 Social Capital이 프론티어 AI Labs의 컴퓨트가 어디에 사용되는지 시각화했습니다. 2024년 1분기와 2026년 4분기 예상치를 비교하면 상당히 큰 변화있습니다.

​

Pre-training : 67% → 7% (-60%p)

Post-training / RL : 4% → 55% (+51%p)

Inference : 29% → 38% (+11%p)

​

이제 프론티어 AI Labs가 사용하는 컴퓨트의 절반 이상이 사후훈련과 RL에 투입되고 있다는 추정입니다. 여기서 사전훈련의 비중이 67%에서 7%로 감소했다고 해서 사전훈련에 사용하는 컴퓨트의 절대량이 줄었다는 뜻은 아닙니다. 전체 컴퓨트 규모가 빠르게 커지는 가운데 RL이 그보다 훨씬 빠르게 성장하고 있다는 것입니다.

​

Data Wall을 극복하기 위해 RL과 Test-time Compute가 중요해졌습니다

이러한 변화는 모델의 지능을 높이는 방법이 달라지고 있기 때문입니다.

​

인터넷에서 수집한 고품질 데이터만으로 사전훈련을 계속 확대하기 어려워지면서, 모델이 직접 문제를 풀고 검증하는 과정에서 생성한 합성 데이터와 성공적인 Trajectory를 학습에 활용하는 비중이 높아지고 있습니다.

​

2024년 9월 출시된 o1-preview가 중요한 전환점이었습니다.

​

오픈AI는 RL로 모델이 더 오래 생각하도록 훈련하고, 추론할 때도 더 많은 Test-time Compute를 사용해 복잡한 문제를 해결하는 방식을 본격적으로 상용화했습니다.

​

여기서 RL과 Test-time Compute는 구분해야 합니다. RL은 모델의 추론 전략을 학습시키는 사후훈련이고, Test-time Compute는 학습이 끝난 모델이 실제 문제를 해결하는 과정에서 사용하는 연산량입니다. RL 과정에서도 모델이 여러 풀이를 생성하는 추론 연산이 발생하지만, 이는 훈련을 위한 컴퓨트입니다. 반면 실제 고객의 요청을 처리하는 것은 Inference로 구분됩니다.

​

그렇지만 둘은 서로 연결됩니다. RL로 모델이 효과적으로 추론하는 방법을 학습하면 추론 과정에서 더 많은 컴퓨트를 활용해 성능을 높일 수 있습니다. 이때 생성된 풀이 과정과 Trajectory 중 유효성이 검증된 데이터를 선별해 다시 사전훈련이나 사후훈련에 활용하는 것도 가능합니다. 훈련이 곧 추론이고, 추론이 곧 훈련인 상태입니다.

​

GB200 NVL72 도입과 Claude Code의 확산이 맞물렸습니다

2025년부터 이러한 변화가 가팔라졌던 배경에는 하드웨어와 AI 애플리케이션 양쪽의 발전이 있었습니다.

​

하드웨어 : 2025년 3월부터 본격적으로 엔비디아의 GB200 NVL72 랙 시스템이 양산되기 시작했었습니다. 랙 스케일 테스트는 1월 말에 마쳤고 → Preview는 2~3월에 걸쳐서 조금씩(GCP, Azure) → 본격 외부 서비스가 시작됐던 시기는 4월쯤부터(오라클, 코어위브)입니다. AWS는 전략실패 덕에 액체냉각 대신 자체 개발한 공냉식 RDHx를 새롭게 짜느라 P6e-GB200 UltraServer GA 시점이 2025년 7월로 굉장히 늦었어서 논외입니다. 그러고 나서 GB200 NVL72 시스템이 채택되는 사이클을 따라서 달러당 유효 컴퓨트가 압도적으로 많아졌으니 RL과 추론 수요도 크게 증가한 것입니다.

Agentic AI : 2025년 5월 22일에는 앤스로픽이 Opus 4/Sonnet 4 공개와 함께 Claude Code​를 GA했습니다. 그리고 8월 20일 Teams/Enterprise 구독제에 배포하고 → 9월 29일 Claude Code 2.0 업데이트로 장시간 작업 수행능력 크게 향상 → 11월 24일 Opus 4.5(지금까지 Claude Code를 통해 얻은 Trajectory 데이터를 넣었더니 장시간 코딩 에이전트 성능 크게 개선) 업데이트를 거치면서 채택 사이클이 굉장히 가팔라졌었습니다.

​

기존 챗봇에서는 좋은 답변 하나를 생성하는 것이 중요했다면, 코딩 에이전트는 수십~수백 단계에 걸쳐 코드를 수정하고 테스트한 뒤 실제로 작업을 성공시켜야 합니다.

​

여기서 중요한 학습 데이터는 성공적으로 작업을 끝낸 Trajectory입니다.

모델이 어떤 도구를 사용했고, 어디서 실수했으며, 어떤 과정을 거쳐 문제를 해결했는지 학습할 수 있습니다. 이러한 성공/실패 기록을 활용해 RL을 수행할수록 장시간 작업 수행능력을 개선할 수 있고, 더 어려운 작업을 수행하는 과정에서 다시 새로운 학습 데이터를 확보할 수 있습니다.

​

Agentic AI가 확대될수록 RL 컴퓨트 수요가 커집니다

코딩 에이전트에서 확인된 발전 방향이 Computer Use와 범용 Agentic AI로 확대되고 있습니다. AI가 복잡한 작업을 수행하려면 정답이 있는 문제를 잘 푸는 것을 넘어, 여러 단계에 걸쳐 도구를 사용하고 실패를 복구하면서 최종 목표를 달성해야 합니다.

​

이러한 능력을 개선하기 위해서는 RL에 더 많은 컴퓨트를 투입해야 합니다. 실제 작업에서 축적한 Trajectory를 학습에 활용할 수 있다는 점도 기존 사전훈련과 다른 성장 동력입니다. Claude Code뿐 아니라 Codex와 Muse 등 주요 에이전트 제품들이 비슷한 방향으로 발전하고 있습니다.

​

결과적으로 정리하자면 프론티어 AI Labs의 컴퓨트 사용처가 사전훈련 중심에서 RL 중심으로 이동하는 것은, AI 모델의 경쟁이 얼마나 많은 지식을 학습했느냐에서 얼마나 복잡한 작업을 실제로 성공시킬 수 있느냐로 확대되고 있는 흐름과 맞닿아 있습니다.

*오른쪽 : AI Labs들이 직접 메모리를 구매하기 시작하는 현상 코멘트

​

AI 인프라 전체를 Bird-eye View로 생각해보기

​

AI 인프라에서 앞으로 어디에 돈이 가장 많이 쓰일 것인지 쭉 생각해 보겠습니다.

​

XPU의 주요 사용처는 차세대 모델 훈련에서 추론으로 무게중심이 옮겨가고 있습니다.

추론 워크로드 자체도 Instant → Reasoning → Agentic으로 진화하고 있습니다.

​

AI의 추론 퍼포먼스를 결정하는 하드웨어는 크게 ①컴퓨트 ②메모리 ③인터커넥트로 구성됩니다. 그리고 이 세 가지 자원 사이의 상대적인 가치가 계속 바뀌고 있습니다.

​

메모리 : Phase 1에서 Phase 2로 바뀌어가는 구간

CY3Q25~CY1Q26에는 비싼 GPU의 가동률을 높이기 위해 칩당 HBM 용량을 늘리고, 시스템 전체의 메모리 용량을 확대하는 데 투자가 집중됐습니다. 그런데 이제는 하이퍼스케일러들이 원하는 만큼 메모리를 구매하기 어려운 단계에 도달했습니다. 최종 수요의 상당 부분은 AI Labs에서 발생하기 때문에 사실상 AI Labs가 CSP를 통해 간접적으로 메모리를 구매하는 구조입니다.

​

메모리 공급업체 입장에서는 상황이 바뀌고 있습니다.

​

고객들이 당장 메모리를 더 달라고 요구하는 단계를 지나, LTA/SCA를 통해 향후 수년간의 구매물량을 약정하고 CY28 이후 공급을 위한 클린룸 증설을 뒷받침하는 방향으로 움직이고 있습니다. AI Labs가 직접 메모리 공급업체와 구매약정을 체결하려는 움직임도 나타나고 있습니다.

​

메모리 Phase 1의 P 상승형 랠리를 지나, Phase 2의 Q 증가형 랠리로 전환하는 과정이라고 보고 있습니다. 물론 실제 Q 증가가 나타나려면 신규 클린룸과 생산설비가 가동돼야 합니다. 다만 장기 구매약정을 통해 공급업체들이 증설을 결정할 수 있는 수요 가시성이 높아졌다는 것이 중요합니다.

​

인터커넥트 : 메모리를 더 늘리기 어렵다면 Scale-up Domain을 키운다

이번에는 구매자인 AI Labs의 입장에서 생각해 보겠습니다.

​

AI Labs가 원하는 것은 컴퓨트~메모리~인터커넥트를 적절하게 조합해 달러당 더 높은 지능과 더 많은 토큰을 생산하는 것입니다. 칩 메이커 역시 이 문제를 해결해 주면서 높은 GPM으로 제품을 판매하는 입장입니다. 칩당 메모리 용량을 늘리는 방법이 한계에 도달했다면 다음으로 선택할 수 있는 방법은 Scale-up Domain을 확장하는 것입니다.

​

더 많은 XPU를 고속 인터커넥트로 묶어 하나의 도메인으로 만들고, 개별 XPU의 제한된 메모리를 시스템 차원에서 활용하는 것입니다. 여기서는 XPU 숫자만 늘린다고 되는 것이 아닙니다. XPU 사이의 통신 속도가 느리면 KV Cache와 데이터를 주고받는 과정에서 병목이 생겨 GPU 가동률이 떨어집니다.

​

Scale-up Domain을 충분히 크고 빠르게 구성할 수 있다면 KV Cache를 외부로 Offloading하는 부담을 줄이고, 더 많은 메모리를 하나의 시스템처럼 활용할 수 있습니다. 워크로드에 따라 토큰당 추론비용도 낮아집니다. 따라서 CY27~CY28에는 XPU 자체의 성능 향상과 함께 인터커넥트의 대역폭/전력효율에 대한 요구가 훨씬 높아질 것으로 예상하며, 이미 그 기술적인 변화가 주가에 반영되고 있는 구간입니다.

​

컴퓨트 : Recurrent Depth, 메모리 대신 컴퓨트를 더 적극 활용하다

오픈AI는 여기서 한 번 더 나아간 접근법을 연구하고 있는 것으로 알려졌습니다. Recurrent Depth입니다.

​

AI 모델의 지능을 높이는 방법은 크게 세 가지입니다.

① Pre-training

② RL/Post-training

③ Test-time Compute입니다.

​

2024년 9월 o1-preview 이후에는 ③Test-time Compute를 늘리는 방법으로 주로 Reasoning 토큰을 더 많이 생성하는 방식을 사용했습니다.

​

그런데 Recurrent Depth는 다른 접근법입니다.

​

모델이 다음 토큰을 생성하기 전에 내부적으로 같은 Transformer Layer를 여러 차례 통과시키는 것입니다. 외부로 생성하는 Reasoning 토큰을 늘리지 않고도 토큰당 내부 컴퓨트 사용량을 늘려 모델의 지능을 높이려는 시도입니다. 같은 레이어의 가중치를 반복해서 사용하기 때문에 매번 새로운 파라미터를 불러올 필요 없이 추가적인 연산을 수행할 수 있습니다.

​

흥미롭게 보는 것은 지능을 높이기 위해 메모리 용량이나 출력 토큰 수를 늘리는 방법 외에도, 이미 확보한 컴퓨트를 더 많이 활용하는 새로운 선택지가 생겼다는 점입니다.

​

CY27 이후로 중요해지는 것은 '인터커넥트'

어떤 자원을 많이 써서 퍼포먼스를 끌어올릴 수 있을 것인지를 다루는 과정입니다. 이 흐름을 종합해서 생각해 보면, 메모리를 확보하기 위한 경쟁이 이어지는 가운데 그다음으로 중요해지는 것은 인터커넥트입니다. 칩당 메모리 용량을 계속 늘리기 어렵다면 Scale-up Domain을 확장해야 하고, 더 많은 XPU를 하나의 시스템으로 묶으려면 인터커넥트에 훨씬 더 많은 투자를 해야 합니다.

​

엔비디아의 VR300 NVL72이 양산되기 시작하는 CY2H27부터는 Global Scale-up Domain을 구성하기 위한 구리/NPO/CPO 수요가 함께 증가하면서, 랙당 BoM에서 인터커넥트가 차지하는 비중도 크게 높아질 것으로 예상합니다.

이에 대해서 실제 세대별 숫자들을 정리드린 자료가 <'빛💡'의 시대 #2 : 구리도 광모듈도 CPO도 다 커진다, AI 인터커넥트의 폭발>입니다.

​

AI CapEx 사이클이 어디까지 커지고 길어질지는 $/Watt의 경제성이 결정

CY27~CY28로 갈수록 컴퓨트-메모리-인터커넥트에 모두 더 많은 투자가 필요합니다. 이때 데이터센터를 어디까지 증설할 수 있는지를 결정하는 것은 AI 모델의 지능을 높여서 $/Token과 $/Watt의 경제적 가치를 얼마나 높일 수 있겠느냐는 것입니다.

​

이게 중요하기에 GPU당 임대료가 얼마까지 높아지느냐가 결국 이 산업의 수요를 보여주는 것이기도 하고, 숄토 더글라스가 전망했던 지속형 개인 AI 에이전트 및 Jane Street 같은 HFT 기업들이 초저지연 추론에 높은 가격을 지불할 유인이 있다는 점을 흥미롭게 보는 이유입니다. 이런 고부가가치 추론 시장이 실제로 성장한다면 CY27 이후 높아질 데이터센터 Powered Shell 구축비용도 감당할 수 있는 여력이 커질 것입니다.

​

전력 수요가 FTM 공급능력을 초과한다면, 블룸에너지의 가치가 높아진다

여기서 블룸에너지(BE)의 투자 논지로 연결됩니다.

​

AI 인프라 투자의 경제성이 개선돼 데이터센터 전력 수요가 예상보다 가파르게 증가한다고 가정해 보겠습니다. 기존 전력망을 통해 공급받는 FTM(Front-of-the-Meter) 방식만으로는 필요한 속도로 데이터센터를 온라인시키기 어려워집니다. 미국에서 FTM으로는 연간 10~15GW 정도만 추가할 수 있기에 그렇다면 나머지 증가분은 BTM(Behind-the-Meter) 방식의 현장발전을 통해 확보해야 합니다.

​

BTM의 주요 발전원으로는 가스터빈엔진, 왕복엔진, SOFC가 있습니다. 이 중에서 SOFC를 긍정적으로 보는 이유는 ⓐ구축 리드타임과 ⓑ모듈형 증설, 그리고 ⓒ현장 배출가스 측면의 경쟁력 때문입니다.

​

가스터빈은 대형 프로젝트에서 규모의 경제를 누릴 수 있지만 신규 장비 확보에 상당한 시간이 걸립니다. 그리고 지금 같이 숙련공이 부족한 시기에 현장 엔지니어 수급도 이슈입니다.

​

반면 SOFC는 상대적으로 짧은 기간에 모듈 단위로 설치할 수 있고, 전기를 화학반응으로 생산하기 때문에 연소식 발전설비보다 지역 대기오염물질 배출도 적습니다. 전력 확보에 걸리는 시간과 데이터센터 전체 구축비용까지 고려하면 경쟁력이 높아질 수 있는 구조입니다.

​

공화당과 민주당을 가리지 않고 지역 주민들이 데이터센터의 전력 사용과 환경 문제를 점점 더 까다롭게 평가하고 있다는 점도 생각해야 합니다. 대규모 데이터센터를 건설하려면 기술적인 인허가뿐 아니라 커뮤니티 수용성까지 확보해야 합니다. AI 추론의 경제성이 개선돼 데이터센터를 더 빠르게 증설할 유인이 커질수록, 정작 전력 확보에 걸리는 시간이 병목으로 떠오르게 됩니다.

미스트랄의 부활 '뚱냥이'

​

미국/유럽에서도 프론티어급 Open-weight 모델이 나왔다

프랑스 AI Lab인 미스트랄(Mistral)이 10월 6일 Mistral Large 4, 코드명 'Le Chonk(뚱냥이)'를 공개했습니다. 중국 AI Labs들이 Open-weight 모델 시장을 주도하고 있는 상황에서 미국/유럽권에서도 경쟁력 있는 모델이 등장했다는 점이 흥미롭습니다.

​

미스트랄은 자사 모델이 미국/유럽에서 개발된 Open-weight 모델 중 가장 뛰어난 성능을 기록했다고 발표했습니다. 중국 모델들과 비교해도 일부 코딩, 에이전트, 사이버보안 작업에서 경쟁력을 확보했습니다. 현재는 API Preview로 제공하고 있으며, 모델 가중치는 10월 27일 공개할 예정입니다.

​

3,800개 Grace Blackwell GPU로 학습한 1T 모델, 파라미터 대비 성능이 좋습니다

Mistral Large 4는 유럽에 위치한 미스트랄 자체 데이터센터의 엔비디아 Grace Blackwell GPU 3,800개로 사전훈련한 모델입니다. 모델 규모는 총 파라미터 약 1.05T, 활성 파라미터 49B입니다. MoE 구조를 사용하며 전체 파라미터 중 토큰당 약 4.7%만 활성화합니다.

​

중국 AI Labs의 주요 모델들과 비교하면 다음과 같습니다:

​

Mistral Large 4 : 총 1.05T / 활성 49B (활성비율 4.7%)

Kimi-K3 : 총 2.8T / 활성 104B (활성비율 3.7%)

Qwen3.8-Max : 총 2.4T / 활성 95B (활성비율 4.0%)

DeepSeek-V4-Pro : 총 1.6T / 활성 49B (활성비율 3.1% = 압도적)

GLM-5.3 : 총 744B / 활성 39B (활성비율 5.2%)

​

DeepSeek V4 Pro의 활성비율이 약 3.1%, Kimi K3가 3.7%인 것과 비교하면 Mistral Large 4의 Sparsity는 다소 아쉽습니다. 그런데 실제 성능을 보면 이야기가 달라집니다. 총 파라미터 규모가 더 큰 일부 중국 모델보다 코딩 및 에이전트 성능이 잘 나옵니다.

이 차이는 왜그런가 하면 사전훈련 데이터의 품질과 양, 모델 아키텍처, RL에 얼마나 많은 컴퓨트를 투입했는지에 따라 결과가 크게 달라지기에 그렇습니다.

​

Terminal-Bench 4.0에서 28.3%, Qwen과 Kimi를 앞섰습니다

Terminal-Bench 4.0 결과를 보면 주요 모델들의 성능은 다음과 같습니다.

​

Terminal-bench 4.0 업데이트(2026-10-07) → Opus 5.5 64.8% > Sonnet 5.5 61.8% > GPT-6 Astra 58.2% > GPT-6.1 Sol 58.2% > Fable 5.1 57.9% > GLM-5.3 41.8% > Grok 4.7 37.6% > Mistral Large 4 28.3% > Qwen3.8-Max-0902 27.0% > Kimi-K3 21.0% > Gemini 3.8 Flash 19.1% > GPT-6 Luna 16.4%

​

아직 최상위 폐쇄형 프론티어 모델들과는 격차가 있습니다. GLM-5.3보다도 상당히 낮습니다. 하지만 1T 규모의 첫 모델로 Qwen3.8, Kimi-K3보다 높은 결과를 기록했고, 종합 코딩 에이전트 평가에서도 일부 중국 모델들을 앞섰다는 점이 좋습니다. 앞으로 미스트랄이 ⓐ모델 규모를 2T 수준으로 확대할 수 있을지, ⓑ사후훈련과 RL을 반복하면서 얼마나 빠르게 성능을 개선할 수 있을지도 지켜볼 만합니다.

​

가격은 백만토큰당 API 비용 $1.36/$4.18입니다.

​

주요 모델 API 가격 업데이트(2026-10-07) → GPT-6 Astra $10/$50 = Mythos/F

able 5.1 $10/$50 > Opus 5.5 $4/$20 > Kimi-K3 $3/$15 > Gemini 3.1 Pro $2/$12 > GPT-6 Sol $2/$10 = Sonnet 5.5 $2/$10 > Qwen 3.8-Max-0902 $2/$6 = Grok 4.7 $2/$6 > GLM-5.3 $1.4/$4.4 > Muse Spark 1.3 $1.25/$4.25 > Mistral Large 4 $1.36/$4.18 > DeepSeek-V4-Pro-0813 $1.32/$3.96 > Gemini 3.8 Flash $0.75/$3.75 > DeepSeek-V4.1-Flash $0.30/$1.20 > GPT-6 Luna $0.10/$0.50

​

작업당 비용 $1.13, Gemini 3.8 Flash와 비교해도 경쟁력이 있습니다

작업당 비용 기준으로 보시면 Mistral Large 4는 $1.13입니다.

​

같은 평가에서 Qwen3.8-Max는 $5.41, Kimi K3는 $2.00, Gemini 3.8 Flash는 $1.24입니다.

​

작업당 평균 토큰 수 69K, 사전학습도 꽤나 잘 먹힌 모습

토큰 사용량도 흥미롭습니다.

​

Mistral Large 4 : 69K (Reasoning 52K + Answer 17K)

Qwen3.8-Max : 108K (Reasoning 71K + Answer 37K)

Kimi-K3 : 48K (Reasoning 32K + Answer 16K)

Gemini 3.8 Flash : 71K (Reasoning 43K + Answer 28K)

​

Mistral Large 4는 Qwen보다 적은 토큰으로 작업을 처리했고, Kimi-K3는 48K(생각 32K + 답변 16K)라서 굉장히 토큰을 적게 쓰지만 기본적으로 2.8T 모델에서 사전학습을 잘 돌려서 나오는 값이며, Gemini 3.8 Flash 71K(생각 43K + 답변 28K)보다도 약간 낮게 나와서 경쟁력 있는 정도였습니다.

​

Open-weight 모델이 발전할수록 컴퓨트 수요가 증가하는 이유

기존에는 AI 서비스를 만들려는 기업들이 오픈AI나 앤스로픽의 API를 구매하면 됐습니다. 이때 추론에 필요한 컴퓨트는 대부분 해당 AI Labs와 클라우드 파트너(AWS, GCP, Azure)의 데이터센터에서 소비됩니다.

​

그런데 성능 좋은 Open-weight 모델이 등장하면 기업들이 직접 모델을 운영하는 선택지가 생깁니다. 가령 은행이나 의료기업이 고객 데이터를 외부 API로 전송하기 어렵다면 자체 데이터센터에서 Mistral Large 4를 실행할 수 있습니다. 데이터에 대한 통제권을 확보하면서 기업 내부 업무에 맞춰 모델을 파인튜닝할 수도 있습니다. 이 과정에서 AI 모델을 직접 서빙하기 위한 GPU가 필요해집니다.

​

여기서 또 하나 생각해야 할 것은 모델의 크기입니다. Mistral Large 4는 활성 파라미터가 49B에 불과하지만 총 파라미터는 약 1.05T입니다. MoE 모델은 추론할 때 일부 전문가만 활성화하더라도 전체 가중치를 빠르게 불러올 수 있도록 메모리에 올려놓아야 합니다. 8비트로 가중치를 저장한다고 가정하면 모델 가중치만 약 1TB의 메모리가 필요합니다. 여기에 KV Cache와 실제 추론을 위한 추가 메모리도 확보해야 합니다.

​

따라서 49B만 활성화된다고 해서 작은 GPU 한두 개로 간단히 운영할 수 있는 모델은 아닙니다. 높은 동시성과 처리량을 확보하려면 여러 GPU를 연결한 추론 서버가 필요합니다. 기업들이 자체 모델을 운영하기 시작하면 해당 모델을 파인튜닝하거나 도메인별로 특화하는 데에도 추가 컴퓨트를 사용하게 됩니다.

​

쓸만한 open-weight 모델이 나오면 각 기업이 직접 AI 인프라를 구축할 경제적 유인이 커지는 구조입니다.

​

AI Sovereignty 수요까지 생각하면 미스트랄의 기회가 커집니다

미국/유럽 기업들 중에는 보안과 데이터 주권 문제로 중국 Open-weight 모델을 채택하기 어려운 곳들이 있습니다. 그동안 중국 모델을 제외하면 자체 데이터센터에 배포할 수 있는 고성능 Open-weight 모델의 선택지가 제한적이었습니다. Mistral Large 4가 이 시장에서 중요한 대안이 될 수 있습니다.

​

아직 Large 4의 가중치가 공개되지 않았고 상업적 라이선스 조건도 확인해야 하지만, 공개 이후 유럽의 기업과 정부기관에서 얼마나 빠르게 도입할지 기대해 볼 만합니다.

AI 데이터센터를 위한 자금조달 구조 변천사

​

1단계 : 하이퍼스케일러가 직접 GPU-Powered Shell 구매

가장 왼쪽의 Simple Beginning 구조입니다.

​

하이퍼스케일러가 엔비디아에 GPU 구매대금을 지급하고, 데이터센터 부지를 확보해 전력/냉각/네트워크 인프라까지 직접 건설합니다. 이 방식은 구조가 단순하고 모든 자산을 직접 통제할 수 있지만, 문제는 투자액이 커질수록 CapEx가 증가하고 FCF가 악화됩니다. 예를 들어 GPU 구매에 $10B, 데이터센터 건설에 $10B가 필요하다면 하이퍼스케일러가 총 $20B의 투자를 직접 부담해야 합니다.

​

기업의 내부 현금흐름이 충분하다면 문제가 없지만 AI 인프라 투자 규모가 계속 커지면 자체 자금만으로 성장속도를 유지하기 어려워집니다.

​

2단계 : 네오클라우드가 GPU 소유, 하이퍼스케일러는 '임대'

가운데의 Moved Off-Balance-Sheet 구조입니다.

​

하이퍼스케일러는 GPU를 직접 구매하지 않고 코어위브 같은 네오클라우드와 장기 컴퓨트 구매계약을 체결합니다. 네오클라우드는 이 계약을 바탕으로 금융기관에서 돈을 빌려 GPU를 구매하고, 데이터센터 사업자로부터 시설을 확보합니다.

​

그림에서는 GPU 구입대금의 75%를 부채(Debt), 25%를 자기자본(Equity)으로 조달하는 예시를 제시했습니다. GPU가 $10B 필요하다고 가정하면 네오클라우드가 자기자본 $2.5B를 투입하고 금융기관에서 $7.5B를 차입해 구매하는 구조입니다.

​

여기서 중요한 것은 금융기관이 무엇을 믿고 대출을 해주느냐입니다:

​

Take-or-Pay 계약 : 하이퍼스케일러가 네오클라우드와 장기간 GPU 컴퓨트를 구매하기로 약정합니다. 계약에 정해진 최소 사용료를 지급하도록 설계돼 있다면 GPU의 실제 가동률이 떨어지더라도 네오클라우드의 현금흐름이 일정 부분 보장됩니다.

GPU를 담보로 활용 : GPU 서버와 관련 자산, 그리고 고객과 체결한 장기 계약에서 발생할 미래 현금흐름을 담보로 대출을 받을 수 있습니다.

GPU 제조사가 수요를 뒷받침 : 엔비디아가 공급망의 생산자로서 고객사에 투자하거나, 네오클라우드의 남는 컴퓨트 용량을 구매하기로 약정하는 방식입니다.

​

3단계 : 데이터센터, GPU를 각각 별도 금융상품으로 만드는 중

오른쪽의 Now Multi-layered가 가장 중요한 부분입니다.

​

이전에는 네오클라우드가 GPU를 구매하는 데 필요한 자금을 빌리는 정도였다면, 이제는 데이터센터 건물과 GPU를 아예 별도의 자산으로 분리해서 각각 자금을 조달합니다.

​

① 데이터센터는 부동산/인프라 투자자들이 소유합니다.

실제 사례가 메타와 Blue Owl Capital의 Hyperion 프로젝트입니다.

​

2025년 10월 21일 발표된 구조를 보면 다음과 같습니다:

개발비 약 $27B의 데이터센터 캠퍼스를 JV가 건설하고 소유합니다.

Blue Owl이 운용하는 펀드가 JV 지분 80%, 메타가 20%를 보유합니다.

별도의 부채 조달에는 PIMCO 등 채권 투자자들이 참여합니다.

메타는 완공된 데이터센터를 임차해 사용합니다.

​

Powered Shell을 JV가 소유하고, 메타는 시설을 임차하는 것입니다. 메타의 초기 임대계약 기간은 4년이며 최대 20년까지 연장할 수 있습니다. 임대는 2029년부터 개시될 예정입니다. 이게 왜 한 번에 임대계약을 길게 안 하느냐 하면 임대기간의 절반 이상을 솔로로 임대할 경우 사실상 영업자산 리스로 봐서 메타의 대차대조표에 인식되기 때문입니다.

​

여기서 금융기관 입장에서 생기는 문제가 있습니다. 메타가 4년만 사용하고 계약을 종료하면 JV는 수십억 달러를 들여 건설한 데이터센터를 어떻게 처리해야 할까요? 그래서 등장하는 것이 Residual Value Guarantee(잔존가치 보증)입니다. 메타가 데이터센터 사용을 중단하더라도 자산의 시장가치가 약정된 수준보다 낮으면 특정 조건 아래 그 차액을 보전하는 방식입니다.

​

실제로 메타는 Hyperion 프로젝트에 대해 16년간의 잔존가치 보증을 제공했습니다.

금융기관 입장에서 데이터센터는 장기간 임대료를 지급하는 우량 고객이 존재하고 잔존가치까지 일정 부분 보장되는 인프라 자산이 됩니다.

​

② GPU는 네오클라우드가 소유하고 금융기관이 자금을 공급합니다.

이번에는 같은 데이터센터에 설치되는 GPU를 생각해 보겠습니다.

​

메타가 직접 GPU를 구매하지 않고 코어위브와 같은 네오클라우드에 컴퓨트를 구매하기로 약정합니다. 네오클라우드는 컴퓨트 구매계약을 바탕으로 대출을 받아 GPU를 구매합니다.

​

여기서 GPU 제조사인 엔비디아가 남는 컴퓨트 용량의 최소 구매를 약정하거나 일부 매출을 보장한다면 금융기관의 대출 위험을 더 낮출 수 있습니다. 결국 한 데이터센터를 구축하는 데 두 종류의 투자자가 자금을 공급하게 됩니다. 데이터센터 건물은 인프라 펀드와 채권 투자자가, GPU는 사모신용 펀드와 네오클라우드의 자본 투자자가 부담합니다.

​

자금조달 구조가 바뀌고, 부채는 대차대조표 바깥에 있다

Off-Balance-Sheet라는 표현은 외부 JV가 조달한 부채를 하이퍼스케일러의 연결재무제표에 직접 합산하지 않을 수 있다는 뜻입니다. 그렇다고 경제적인 부담까지 사라지는 것은 아닙니다. 하이퍼스케일러에는 데이터센터 임대료, GPU 컴퓨트 구매약정, 잔존가치 보증 등 여러 의무가 남습니다. 관련 리스부채도 회계기준과 계약 개시 시점에 따라 인식됩니다.

​

그렇다면 왜 이렇게 복잡한 구조를 만드는 것일까요?

​

가장 큰 이유는 하이퍼스케일러가 모든 CapEx를 직접 부담하지 않고도 AI 인프라를 확대할 수 있기 때문입니다. 과거에는 $20B를 직접 투자해야 했다면, 이제는 일부 지분투자와 장기 계약을 통해 외부 자금 $20B를 동원할 수 있습니다.

동일한 자기자본으로 더 많은 프로젝트를 동시에 추진할 수 있는 여지가 생깁니다.

​

돌고 돌아서 결국 레버리지입니다.

​

금융구조가 복잡해질수록 주의해야 할 것들

이 구조에는 주의할 부분도 있습니다.

​

GPU의 빠른 감가상각 : 데이터센터 건물은 수십 년 동안 사용할 수 있지만 GPU의 경제적 가치는 차세대 제품이 등장하면서 빠르게 하락할 수 있습니다. 금융기관이 GPU 잔존가치를 너무 높게 평가해 대출했다면 GPU 임대료가 하락하거나 기술 세대교체가 빨라질 때 담보가치가 부족해질 수 있습니다.

계약을 통한 신용위험의 연결 : 네오클라우드의 금융구조는 결국 하이퍼스케일러나 AI Labs의 컴퓨트 구매약정에 크게 의존합니다. 최종 고객이 계약을 이행하지 못하거나 컴퓨트 수요가 예상보다 약해지면 네오클라우드와 대출기관까지 영향을 받습니다. 엔비디아가 최소 매출을 보장하거나 남는 컴퓨트 용량을 구매하기로 약정한 경우에는 수요 위험의 일부가 엔비디아로 이동합니다.

금융시장의 자금조달 여건 : GPU 임대 사업이 아무리 좋아도 금융기관이 AI 인프라 대출을 줄이기 시작하면 신규 데이터센터 발주가 영향을 받을 수 있습니다. 따라서 실제 최종 고객의 사용량 증가와 금융기관의 자금 공급 증가가 함께 나타나는지를 봐야 합니다.

​

아직은 세 가지 모두 양호한 상태이지만 앞으로 계속 생각해야 할 이슈들입니다.

​

애플, 26년 PER 37배 / Underweight

애플 2Q26 실적발표 코멘트 / 주간전략보고 中 (바로가기)

애플 1Q26 실적발표 코멘트 / 주간전략보고 中 (바로가기)

애플 3Q25 실적발표 코멘트 / 주간전략보고 中 (바로가기)

​

애플, 아이폰 18 Pro 수요 부진으로 주문량 15% 감축

10월 9일 닛케이 보도에 따르면 애플이 iPhone 18 Pro와 Pro Max의 부품 공급업체들에 생산량 축소를 요청했습니다. 복수의 공급망 관계자들에 따르면 애플은 9월 초부터 출하 전망을 보수적으로 조정했으며, 10월 부품 주문량은 당초 계획보다 최소 15%, 일부 업체에서는 15~20% 감소했습니다.

​

애플은 iPhone 18 Pro와 Pro Max의 미국 출시가격을 전작보다 각각 $100 인상한 $1,199와 $1,299로 책정했습니다. 그런데 인상 이후 소비자 수요가 예상보다 부진해지면서 부품 주문량까지 조정하기 시작한 것입니다.

​

10월 8일 TrendForce가 발표한 노트북 시장 전망에서도 비슷한 문제가 확인됩니다.

​

TrendForce는 CY27 글로벌 노트북 출하량이 한 자릿수 초반 감소할 것으로 예상했지만, DRAM과 CPU 가격 상승이 소비자에게 전가될 경우 한 자릿수 후반까지 감소폭이 커질 수 있다고 전망했습니다.

​

노트북 OEM은 가격/사양/마진 중 하나를 포기해야 하는 상황

TrendForce에 따르면 MSRP $900 주류 노트북에서 CPU+DRAM+SSD가 차지하는 비중은 3Q26 기준 전체 BoM의 68%입니다. 판매가격 $900의 68%라는 뜻이 아니라 부품 원가에서 차지하는 비중입니다. 그동안 제조업체들이 저렴하게 구매해 놓았던 부품 재고도 점차 소진되고 있습니다. 앞으로 비싸진 CPU/DRAM/SSD를 새로 구매해야 하므로 원가 부담이 더 커집니다.

​

제조업체들의 선택지는 제한적입니다.

​

판매가격 인상 : 소비자들이 노트북 교체를 미루면서 출하량이 감소합니다.

가격 유지 : 높아진 부품 원가를 직접 부담해야 하므로 GPM이 하락합니다.

제품 사양 축소 : DRAM/SSD 용량을 줄여 원가를 낮추지만 제품 경쟁력이 떨어집니다.

​

AI Labs들이 물량을 받아가며 가격은 유지될 듯

AI Labs와 하이퍼스케일러들은 메모리 부족으로 고가의 XPU를 제대로 활용하지 못하는 비용이 훨씬 크기 때문에 상대적으로 높은 가격을 감당할 유인이 있습니다. 메모리를 구매하는 고객들 사이에서 가격을 감당할 수 있는 능력의 격차가 점점 커지고 있는 중입니다.

​

구글, 26년 PER 30배 / Neutral

구글 2Q26 실적발표 : GCP 82% 성장의 이면, 딥마인드의 컴퓨트 갈증 (바로가기)

구글 TPU v8 네트워킹의 모든 것 : 같은 칩을 사도 같은 성능이 나오지 않는 시대 (바로가기)

구글 1Q26 실적발표 : 검색은 방어했고, 클라우드는 폭발했습니다 (바로가기)

​

Gemini 4 출시 전부터 차세대 모델 'Carbon' 테스트 중

구글 내부에서 AI 모델 개발이 상당히 빠르게 진행되고 있다는 소식입니다.

​

Gemini 4 Argon이 아직 출시되지도 않았는데, 구글은 이미 그다음 체크포인트인 Carbon을 내부 테스트 중인 것으로 전해집니다. Carbon의 성능을 내부 개발도구 Jetski에서 시험 중인데 Claude Opus 5.5 수준에 근접하고 있다는 평가도 나오고 있습니다.

​

아직 외부에서 검증된 성능은 아니지만, 그동안 구글의 모델 개발을 가로막았던 내부적인 병목들이 해소되면서 프론티어 모델 경쟁력이 빠르게 개선되고 있는 것 아니냐는 생각이 듭니다. Argon의 실제 출시 성능과 Carbon의 후속 개발 속도를 함께 지켜볼만 하겠습니다.

​

구글 Gemini Agent 공개, 기업의 모든 업무를 수행하는 범용 AI 에이전트 플랫폼

10월 8일, 구글이 Gemini at Work 2026에서 Gemini Agent를 공개했습니다.

​

구글은 Gemini를 질문에 답하는 AI 챗봇에서 기업의 실제 업무를 수행하는 범용 AI 에이전트 플랫폼으로 발전시키려 하고 있습니다. 사용자가 업무 목표만 전달하면 Gemini가 필요한 도구를 선택하고, 여러 하위 에이전트에게 작업을 분담해 자료 조사~데이터 분석~코딩~문서 작성까지 수행하는 구조입니다.

​

Gmail/Drive/Docs/Sheets 등 Google Workspace뿐 아니라 Microsoft 365, Slack 등 외부 소프트웨어와도 연결됩니다. 클라우드에서 실행되므로 사용자가 컴퓨터를 꺼도 몇 시간에서 며칠이 걸리는 작업을 계속할 수 있습니다. 기업은 특정 업무를 전담하는 에이전트에게 별도의 이메일/캘린더/Drive와 접근 권한을 부여해 실제 직원처럼 운영할 수도 있습니다.

​

흥미로웠던 건 Gemini라는 에이전트 플랫폼과 그 안에서 작동하는 AI 모델을 분리했다는 점입니다. 구글은 자체 Gemini 모델뿐 아니라 앤스로픽의 Claude도 활용하고, 업무 난이도와 비용에 따라 최적의 모델을 자동으로 선택하는 라우팅을 지원합니다.

앞으로 다른 프론티어 모델과 Open-weight 모델도 추가할 계획입니다.

​

최근 일론 머스크가 Grok Bot에서 코딩에는 Claude Opus, 이미지 생성에는 다른 전문 모델을 활용하겠다고 밝힌 전략과 비슷합니다. 프론티어 모델의 성능 순위는 몇 달마다 달라질 수 있습니다. 하지만 사용자의 업무 이력과 기업 데이터, 여러 소프트웨어와의 연결, 에이전트의 기억과 실행 환경을 플랫폼이 확보한다면 이야기가 달라집니다.

TPU 로드맵, 브로드컴도 참여

​

TPU v9 개발 동향 : 브로드컴도 참여 중

10월 5일 UBS가 브로드컴(AVGO) 경영진과 진행한 콜 및 공급망 체크 결과를 정리했습니다.

​

최근 투자자들은 TSMC의 2nm 웨이퍼 배정에서 브로드컴의 물량이 확인되지 않자, 구글 TPU v9에서 브로드컴의 N2 프로젝트가 취소된 것이 아니냐는 우려를 제기해왔습니다. 그런데 브로드컴 경영진은 UBS와의 대화에서 "TPU v8i 이후 다음 두 세대의 설계에도 깊이 관여하고 있다"고 설명했습니다.

​

UBS가 공급망을 확인한 결과 이 괴리가 발생한 이유는 TPU v9의 설계 변경 때문인 것으로 보입니다. 기존 브로드컴의 TPU v9 프로젝트인 Pumafish를 수정해, 2nm 대신 여러 개의 3nm Compute Die를 하나의 패키지로 연결하는 MCM(Multi-Chip Module) 아키텍처로 전환하고 있다는 것입니다.

​

각 Compute Die의 크기도 기존 TPU v8i Sunfish보다 커질 것으로 예상합니다. UBS는 새로운 3nm MCM 제품이 CY27 말부터 양산을 시작해 CY28 TPU 출하량에서 상당한 비중을 차지할 것으로 전망했습니다.

​

개인적으로도 TPU v9에서 브로드컴이 완전히 배제됐다는 주장은 그대로 받아들이기 어려웠습니다. 브로드컴이 2nm 웨이퍼 배정에서 보이지 않았던 이유가 프로젝트 취소가 아니라 3nm MCM으로의 설계 변경이었다면 상당히 합리적으로 설명됩니다.

​

TPU v10 : 2nm + 3.5D 패키징 + 448G SerDes로 넘어갑니다

UBS는 브로드컴이 TPU v10에서 2nm 공정으로 전환할 것으로 전망했습니다. CY28 말부터 출하를 시작해 CY29에는 브로드컴의 TPU 물량 대부분을 차지할 것으로 예상합니다.

​

기술적으로는 상당히 큰 변화가 예정돼 있습니다.

​

3.5D 패키징 : 브로드컴의 차세대 패키징 기술을 도입해 하나의 패키지에 최대 16개 Die를 집적합니다.

448G SerDes : 차세대 고속 SerDes를 적용해 Die 사이와 외부 인터커넥트의 대역폭을 높입니다.

이기종 Die 통합 : Compute Die 외에도 SRAM, ARM CPU 코어 등을 함께 집적하는 방향으로 발전합니다.

​

브로드컴이 남아 있다고 해서 미디어텍의 점유율 확대 논지가 훼손되지는 않습니다

앞서 GF증권이 미디어텍(MTK)에 대해 분석했던 내용과 함께 생각해 보면 흥미롭습니다. GF증권은 미디어텍이 TPU v9에서 Humufish와 Triggerfish를 담당하고, TPU v10에서는 Icefish를 확보한 것으로 보고 있습니다.

​

반면 브로드컴은 TPU v9의 3nm MCM 프로젝트에 참여하고, TPU v10에서는 Merope와 관련한 수주 경쟁이 진행되는 구도로 해석할 수 있습니다.

다만 Merope의 최종 공급사가 브로드컴으로 확정된 것은 아닙니다.

​

두 증권사의 분석은 반드시 충돌하지 않습니다.

​

GF증권은 TPU v9의 2nm 프로젝트에서는 미디어텍의 입지가 강하다는 것이고, UBS는 브로드컴도 3nm MCM을 통해 TPU v9 세대에 계속 참여한다는 것입니다. 미디어텍은 TPU v8부터 구글과의 협력을 확대했고 TPU v9에서는 Humufish뿐 아니라 고성능 추론/RL용 Triggerfish까지 공급 범위를 넓히려 하고 있습니다. TPU v10 Icefish까지 이어진다면 단순히 출하량만 늘어나는 것이 아니라 칩당 ASP와 공급하는 반도체의 가치도 높아지는 구조입니다.

​

따라서 TPU v8 → v9 → v10으로 갈수록 미디어텍이 구글의 전체 TPU 공급망에서 차지하는 비중과 중요도가 높아진다는 기존 논지는 유지합니다. 구글 입장에서도 브로드컴과 미디어텍을 동시에 활용하는 것이 나쁘지 않습니다. 공급업체 사이에 경쟁을 유도하고, 각 업체가 강점을 가진 공정과 아키텍처를 선택해 TPU의 CapEx 달러당 컴퓨트 성능을 개선할 수 있기 때문입니다.

구글-컨스텔레이션, Uprate를 동반한 계약

구글이 컨스텔레이션(CEG, Constellation)과 장기 전력 계약을 발표했습니다.

​

구글이 PJM 지역에서 최대 3.59GW 규모의 장기 전력을 확보하는 동시에, 컨스텔레이션의 기존 원전 11기를 업그레이드해 890MW의 '새로운' 원전 용량을 만들어내는 계약입니다.

​

조금 더 세분화하면 : ⓐ컨스텔레이션의 기존 PJM 원자력 발전자산으로부터 2.7GW 용량을 15년간 구매하는 계약을 체결했고 + ⓑ원전 Uprate PPA를 맺어서 기존 원전 11기 출력을 높인 것에서 생긴 890MW를 20년간 구매하는 계약입니다.

​

원전 Uprate를 위해서 컨스텔레이션이 $4.3B를 투자합니다. $4.8M/MW 정도의 CapEx입니다. 구글이 사실상 컨스텔레이션의 CapEx를 보장해주는 구조입니다. 20년 PPA를 써주면 컨스텔레이션은 20년간 수익이 보장되기 때문에 $4.3B를 투입해서 Uprate를 하게 되는 것입니다. Bring Your Own Power의 예시입니다.

​

9월 28일 주간전략보고에서 CY27부터 본격 심화될 전력 문제를 충당하기 위한 방법에서 소개드린 '기존 원전의 Uprate' 사례입니다.

​

마이크로소프트, 26년 PER 30배 / Neutral

마이크로소프트 2Q26 실적발표 코멘트 / 주간전략보고 中 (바로가기)

마이크로소프트 1Q26 실적발표 코멘트 / 주간전략보고 中 (바로가기)

오픈AI 기업분석 : 빅테크를 위협하는 새로운 플랫폼으로서 ChatGPT의 가치를 생각해보다 (바로가기)

​

Codex/Work WAU 4,000만 명 달성

​

오픈AI의 Codex/Work WAU가 4,000만 명을 달성했습니다.

​

Codex/Work WAU 히스토리:

2026년 초 : 50만 명 링크

2026년 2월 5일 : 100만 명 링크 (월 +82만 명 페이스)

2026년 2월 27일 : 160만 명 링크 (월 +171만 명 페이스)

2026년 3월 6일 : 200만 명 링크 (월 +94만 명 페이스)

2026년 4월 7일 : 300만 명 링크 (월 +214만 명 페이스)

2026년 4월 21일 : 400만 명 링크 (월 +77만 명 페이스)

2026년 5월 30일 : 500만 명 링크 (월 +70만 명 페이스)

2026년 7월 12일 : 600만 명 링크 (월 +70만 명 페이스) *여기부터 Codex + ChatGPT Work 합산*

2026년 7월 13일 : 700만 명 링크 (월 +3,000만 명 페이스)

2026년 7월 14일 : 800만 명 링크 (월 +3,000만 명 페이스)

2026년 7월 15일 : 900만 명 링크 (월 +3,000만 명 페이스)

2026년 7월 21일 : 1000만 명 링크 (월 +500만 명 페이스)

2026년 8월 13일 : 1500만 명 링크 (월 +652만 명 페이스)

2026년 8월 19일 : 2000만 명 링크 (월 +2,500만 명 페이스)

2026년 8월 31일 : 2500만 명 링크 (월 +1,250만 명 페이스)

2026년 9월 29일 : 3500만 명 (월 +1,034만 명 페이스) *OpenAI DevDay 2026 언급*

2026년 10월 7일 : 4000만 명 링크 (월 +1,875만 명 페이스)

​

"Windows를 에이전트 OS로 전환하겠다"

마이크로소프트가 Windows를 AI 에이전트의 OS로 전환하겠다는 포부를 말했습니다:

​

Windows 11에서 AI 에이전트용 샌드박스를 출시했습니다. "MXC"(Microsoft Execution Containers)입니다. AI 에이전트가 접근할 수 있는 파일과 네트워크를 제한하고, 에이전트별 권한과 활동을 관리하는 기술입니다. 프로세스 격리부터 가상머신까지 다양한 격리 방식을 지원합니다.

​

이미 Codex, GitHub Copilot, OpenClaw를 지원하고 → Claude Code, Manus, Perplexity를 지원할 예정이며, Muse도 Windows 네이티브 앱으로 출시하고 MXC도 지원할 예정입니다.

​

크게 두 가지 함의점이 있습니다:

​

마이크로소프트는 Windows를 자사 Copilot뿐 아니라 경쟁사의 AI 에이전트까지 실행할 수 있는 개방형 플랫폼으로 만들기 위한 방향입니다.

AI 에이전트를 Windows PC에서 로컬로 직접 실행하고, 복잡한 작업에만 클라우드 모델을 호출하도록 하겠다는 방향입니다.

​

아마존, 26년 PER 33배 / Neutral

아마존 2Q26 실적발표 코멘트 / 주간전략보고 中 (바로가기)

아마존 1Q26 실적발표 코멘트 / 주간전략보고 中 (바로가기​)

아마존 4Q25 실적발표 코멘트 / 주간전략보고 中 (바로가기)

​

Luna와 경쟁할 Haiku 5.5 발표

​

소형 모델에서도 오픈AI와 가격 경쟁이 본격화

앤스로픽이 10월 7일 Claude Haiku 5.5를 발표했습니다.

​

Haiku 5.5는 오픈AI의 GPT-6 Luna와 경쟁하는 소형 모델입니다. 두 모델 모두 상위 모델이 복잡한 작업을 수행하는 동안 하위 에이전트로 여러 작업을 병렬 처리하는 용도가 중요합니다.

​

현재 오픈AI와 앤스로픽의 모델을 비교하면 다음과 같습니다.

대형 : GPT-6 Astra vs Fable 5.1(→ Fable 5.5 업데이트 시점에 Astra도 업데이트할 것)

중형 : GPT-6.1 Sol vs Opus 5.5 (→ 피크 지능은 Opus 5.5, 가성비는 GPT-6.1 Sol 압승. 상당한 압승이라 오픈AI가 ARR 성장분 대부분을 가져가는 중)

소형 : GPT-6 Luna vs Haiku 5.5 (→ GPT-6 Luna도 업데이트할 것으로 예상)

​

소형 모델에서는 Haiku 5.5가 Luna보다 높은 성능을 확보했습니다. 다만 Luna는 아직 6.1 세대 업데이트가 나오지 않았기 때문에, 양사의 최신 소형 모델을 같은 선에서 비교하려면 GPT-6.1 Luna 출시 이후를 보는 것이 합리적이라고 생각합니다.

​

성능, 가격... 근데 작업당 비용이?

앤스로픽이 공개한 코딩 벤치마크 결과를 보면 다음과 같습니다.

​

Terminal-Bench 4.0 : Haiku 5.5 39.2% vs GPT-6 Luna 16.4%

FrontierCode 1.1 : Haiku 5.5 46.4% vs GPT-6 Luna 42.4%

​

Haiku 5.5가 앞서고 있으며, 특히 Terminal-Bench에서 차이가 큽니다. 그런데 더 흥미로운 것은 가격입니다.

​

Haiku 4.5는 백만 토큰당 Input $1.00 / Output $5.00이었는데 → Haiku 5.5는 Input $0.10 / Output $0.50으로 무려 90% 인하했습니다. GPT-6 Luna와 동일한 가격입니다. 소형 모델 시장에서도 가격 경쟁이 상당히 치열해졌습니다.

​

그런데 모델의 가격을 평가할 때 백만토큰당 가격만 보면 안 됩니다.

작업당 비용을 살펴보면 다음과 같습니다.

​

Claude Haiku 5.5(Max) : $0.21

GPT-6 Luna(Max) : $0.07

​

Haiku 5.5가 더 높은 지능을 보여주는 것은 맞지만 실제 API 사용자는 그 지능을 얻기 위해 얼마의 비용을 지불해야 하는지도 함께 고려합니다. 이런 기준으로 볼 때는 여전히 이전 버전인 GPT-6 Luna임에도 불구하고 경쟁력이 살아있다고 봅니다.

​

그리고 참고로 GPT-6.1 Sol의 Reasoning을 Low로 낮추면 Intelligence Index 42점, 작업당 비용 $0.13입니다. Haiku 5.5를 Xhigh로 설정했을 때의 41점, $0.12와 비슷한 수준입니다. 상위 모델인 Sol의 Reasoning을 줄이면 소형 모델인 Haiku와도 작업당 경제성을 경쟁할 수 있다는 점이 상당히 흥미롭습니다.

​

앤스로픽은 더 많은 Reasoning 토큰을 사용해 성능을 높이고 있습니다

작업당 토큰 수를 비교하면 차이가 더 분명하게 나타납니다.

​

Haiku 5.5(Max) : 162K (Reasoning 129K + Answer 33K)

GPT-6 Luna(Max) : 50K (Reasoning 39K + Answer 11K)

​

Haiku 5.5는 작업당 약 3.2배 많은 출력 토큰을 사용합니다. 특히 내부 Reasoning에 사용하는 토큰이 129K로 Luna의 39K보다 훨씬 많습니다. 최근 Opus 5.5와 Sonnet 5.5를 함께 살펴보면, 앤스로픽은 Test-time Compute를 적극적으로 활용해 높은 성능을 확보하고 있는 것으로 보입니다.

​

물론 토큰을 많이 사용한다고 사전훈련이나 RL이 부족하다는 뜻은 아닙니다. 두 모델의 토크나이저와 추론 전략도 다르고, 얼마나 많은 Reasoning 토큰을 사용할지는 평가 설정의 영향을 받습니다. 다만 벤치마크에서 높은 점수를 얻는 것과 실제 작업을 저렴하게 끝내는 능력은 별개로 평가해야 한다는 점이 중요합니다.

​

달러당 지능을 함께 봐야 하는 시대

AI 사이클이 발전하면서 모델을 평가할 때 확인해야 하는 변수도 늘어나고 있습니다. 예전에는 벤치마크에서 누가 더 높은 점수를 받았는지가 가장 중요했다면, 이제는 같은 작업을 완료하는 데 얼마나 많은 토큰과 시간이 필요하고 실제 API 비용이 얼마인지도 함께 평가해야 합니다.

​

사실 저도 개인 입장에서는 High Context를 유지하는 것이 피로한 일이지만, 고객들이 어떤 모델을 선택하고 실제 컴퓨트 소비가 어디로 이동하는지를 더 정확하게 분석할 수 있다는 점에서 리서치로 알파를 낼 공간도 넓어지고 있다고 생각합니다.

​

메타, 26년 PER 24배 / Overweight

메타 2Q26 실적발표 코멘트 / 주간전략보고 中 (바로가기)

Muse Spark 1.1 코멘트 / 주간전략보고 中 (바로가기)

메타 1Q26 실적발표 코멘트 / 주간전략보고 中 (바로가기)

메타가 $14B를 주고 데려온 남자 : MSL을 이끄는 알렉산더 왕의 통찰 (바로가기)

​

알렉산더 왕이 말하는 Muse

알렉산더 왕(Alexandr Wang)이 클레오 아브람(Cleo Abram) 팟캐스트에 나왔습니다.

알렉산더 왕의 발언 중 인상 깊던 포인트만 정리해봅니다:

비즈니스 모델:

기존 기술 제품들은 사용자의 시간을 빼앗아 광고 수익을 극대화하는 경향이 있었으나, Muse는 사용자에게 시간을 돌려주는 것을 목표로 하는 제품이다.

Muse는 현재 무료이며 향후 광고 모델 도입 가능성도 있지만 사용자에게 시간을 돌려주는 것과 광고 기반 비즈니스 모델 간의 이슈를 잘 다룰 수 있어야 한다.

거래 수수료 기반 모델 등 사용자에게 이익이 되는 다양한 비즈니스 모델을 고려하고 있으며, 광고 모델이 반드시 시간을 뺏어야만 성립 가능한 비즈니스 모델이라고 생각하진 않는다.

Muse의 안전성을 설계한 접근법:

개인정보보호:

Secure VM을 기반으로 작동하며, 사용자의 정보는 이 가상 머신 안에 안전하게 저장된다.

Sentinel Agent는 AI 에이전트가 외부와 통신할 때 어떤 정보를 주고받는지를 감시하고, 민감한 정보(e.g. 신용카드 번호, 주민등록번호)가 외부로 유출되지 않도록 차단한다.

AI의 재량권 및 윤리적 판단:

AI 에이전트는 사용자의 요청을 수행하되 법률, 윤리, 사회적 규범을 위반하지 않는 재량권을 가져야 한다. 정렬을 통해서 사용자의 의도를 수행하되 사회적 가치에 부합하는 행동을 하도록 모델 자체를 훈련하고 평가하는 도구를 갖고 있다.

엄격한 테스트와 레드팀 운영을 통해 잠재적 위험을 사전에 파악하고 개선한다. AI가 주어진 목표를 극단적으로 추구하여 예상치 못한 부정적 결과를 초래하는 상황도 방지해야 한다.

​

저커버그가 수박 사진을 올렸다

Muse 관련 자료들을 모아보면

마크 저커버그가 인스타그램에 수박 사진을 올렸습니다. Smoking('쩐다') + Watermelon으로 차세대 Muse base model 공개가 얼마 남지 않았음을 시사했습니다.

Citi 추정 10월 6일자 기준 Muse 다운로드는 누적 660만 회+, DAU 180만 명입니다.

YipitData에 따르면 이미 지속형 개인용 에이전트가 고가치 상품 구매에 영향을 끼치고 있는 것으로 파악됩니다. 메타가 최근 업데이트를 통해 Muse/에이전트가 촉진한 지출에 대해 추적할 수 있는 기능을 도입했습니다. 현재 사용자들이 Muse를 통해 무엇에 지출하고 있는가를 살펴보면:

여행: 지출규모의 30% (거래량의 12%)

소매: 지출규모의 30% (거래량의 35%)

엔터테인먼트 및 이벤트: 지출규모의 11% (거래량의 11%)

보험: 지출규모의 6% (거래량의 3%)입니다.

​

테슬라, 26년 PER 186배 / Underweight

테슬라 2Q26 실적발표 코멘트 / 주간전략보고 中 (바로가기)

스페이스X IPO 분석 #2 : 화성으로 가는 길에서, 지구를 손에 넣다 (바로가기)

스페이스X IPO 분석 : 머스크 제국의 심장, 스타링크가 떠받치는 스타십과 AGI (바로가기)

​

일론 머스크, Grok Bot에 경쟁사 AI 모델까지 채택하기로

10월 7일, 일론 머스크가 Grok Bot에 대해 중대한 전략 변화를 발표했습니다:

​

앞으로 Grok Bot은 주어진 작업에 가장 적합한 백엔드 모델을 선택해 사용합니다. 코딩과 복잡한 추론에는 Claude Opus 5.5, 이미지 생성에는 Midjourney, 음악 생성에는 Suno 등 외부 프론티어 모델을 적극 활용하겠다는 것입니다. 대부분의 단순 요청은 향후 출시될 Grok 4.8의 고속 버전이 처리하고, 고난도 작업에서 외부 모델을 호출하는 구조입니다.

​

Grok 자체 모델의 경쟁력이 충분하지 않더라도 Grok Bot이라는 에이전트 제품은 최고 수준의 성능을 제공하겠다는 전략입니다.

​

메타가 사용했던 전략이고, Cursor가 이미 검증한 방법입니다

메타도 유사한 접근법을 사용했습니다.

​

ⓐ2025년 8월 Midjourney와 이미지/영상 생성 기술 라이선스 계약을 체결했고, 2026년 7월에는 자체 개발한 Muse Image를 출시했습니다. ⓑ코딩 에이전트인 Muse Code 역시 자체 모델 개발과 에이전트 개발을 병행하다가 2026년 8월 Muse Spark 1.2와 함께 출시했습니다. 현재는 Muse Spark 1.3까지 업그레이드됐습니다.

​

Cursor도 모델 선택을 자동화하는 Cursor Router를 운영하고 있습니다.

​

Cursor는 실제 개발자들이 수행한 60만 건 이상의 요청 데이터를 기반으로 작업 난이도와 모델별 성능을 평가하고, 가장 적합한 모델을 선택하도록 Router를 훈련했습니다. 실제 고객 환경에서 고성능 모델을 무조건 사용하는 것보다 약 30~50% 낮은 비용으로 비슷한 품질을 확보했다고 설명했습니다.

​

외부 모델을 사용하면서 자체 모델을 개선할 데이터도 축적할 수 있습니다

Grok Bot 입장에서 또 하나 흥미로운 부분은 Trajectory 데이터입니다.

​

Grok 모델이 어떤 작업에서 실패하는지, 같은 작업을 외부 모델에 맡기면 성공하는지, 사용자가 결과물을 얼마나 수정하는지 등을 비교할 수 있습니다. 그 과정에서 모델별 강점과 약점을 파악하고, 자체 모델의 RL에 필요한 학습 과제를 설계할 수 있습니다.

​

물론 외부 모델의 출력물을 실제 훈련에 활용하는 것은 API 제공업체와의 계약 및 데이터 사용 권한에 따라 달라집니다. 그렇더라도 실제 사용자들이 수행하는 복잡한 에이전트 작업을 통해 어떤 능력이 부족한지 파악할 수 있다는 것만으로도 가치가 있습니다. 외부 모델을 활용해 에이전트의 성능을 높이는 동시에, 자체 모델이 무엇을 학습해야 하는지도 알아갈 수 있는 구조입니다.

​

Grok 모델의 경쟁력을 회복할 시간을 확보하는 전략

개인적으로는 현재 Grok 모델의 성능과 작업당 가성비가 경쟁사 대비 아쉬운 만큼 합리적인 선택이라고 생각합니다. 자체 모델만 고집하면서 Grok Bot의 경쟁력까지 떨어뜨리기보다는, 당분간 외부 API 비용을 더 지불하더라도 사용자 기반을 먼저 키우겠다는 것입니다.

​

에이전트 플랫폼을 확보하면 사용자의 업무 이력과 메모리, 외부 소프트웨어 연결, 실행 환경 등이 쌓입니다. 이후 Grok 모델의 성능이 개선되면 외부 모델이 담당하던 작업을 자체 모델로 대체하면서 추론비용을 낮출 수 있습니다.

물론 그때까지 외부 API 비용을 부담해야 하므로 수익성에는 불리할 수 있습니다. 그래도 지금처럼 AI 에이전트의 사용자 확보 경쟁이 빠르게 진행되는 시기에 자체 모델의 경쟁력이 올라올 때까지 기다리는 것보다는 나은 선택이라고 판단합니다.

​

스페이스X의 모바일 이동통신 시장 진출 본격화

10월 8일 스페이스X가 사모펀드 Grain Management가 보유한 미국 전역의 800MHz 저주파 대역 라이선스 포트폴리오 100%를 인수하기로 했습니다. 최대 14MHz의 페어드 주파수이며, 인수가격은 약 $8B로 알려졌습니다. 원래 T-Mobile이 보유했던 자산으로, Grain이 올해 8월 인수한 지 불과 두 달 만에 스페이스X에 매각하는 것입니다. 최종 거래 완료에는 FCC 승인이 필요합니다.

​

이번 인수가 중요한 이유는 Starlink Mobile이 기존 이동통신사를 보완하는 위성 서비스에서, 독립적인 이동통신 사업자로 발전할 수 있는 기반을 확보했기 때문입니다.

​

위성망과 지상망을 결합해 기존 통신사들과 직접 경쟁합니다

기존 Starlink Mobile은 T-Mobile과 협력해 지상 통신망이 닿지 않는 지역에서도 일반 스마트폰이 위성에 직접 연결될 수 있도록 지원하는 구조였습니다. 이번에 스페이스X가 발표한 차세대 네트워크는 위성과 지상 기지국을 함께 활용합니다.

​

스페이스X가 구상하는 새로운 네트워크는 두 가지를 합치는 것입니다.

​

2GHz 대역 : 앞서 EchoStar에서 확보한 주파수를 통해 위성 직접 통신의 데이터 전송 용량을 담당합니다.

800MHz 대역 : 이번에 확보하기로 한 저주파 대역으로, 전파의 도달거리와 건물 내부 투과 특성을 활용해 커버리지를 보완합니다.

​

스페이스X는 지상 기지국과 안테나까지 활용하는 네트워크를 구축하겠다고 밝혔습니다. 기존 스마트폰 대부분이 해당 주파수 대역을 지원한다는 점도 유리합니다. 위성만으로는 인구 밀집 지역과 건물 내부에 충분한 통신 용량을 제공하기 어렵지만, 지상망을 결합하면 이를 보완할 수 있습니다. 이렇게 되면 Starlink가 자체 브랜드로 이동통신 요금제를 판매하고 고객을 직접 확보하는 사업까지 확대할 수 있습니다.

​

AT&T/Verizon에 더 큰 위험은 가입자 이탈보다 요금 경쟁

AT&T와 Verizon 입장에서 이번 발표가 부정적인 이유는 당장 얼마나 많은 가입자가 Starlink로 이동할 것인지보다, 장기적으로 미국 이동통신 시장의 가격 경쟁이 심해질 수 있기 때문입니다.

​

기존 이동통신사들은 안정적인 가입자 기반과 ARPU를 바탕으로 장기간의 현금흐름을 창출하는 사업입니다. 그런데 Starlink가 자체 모바일 요금제를 출시한다면 농촌이나 외곽 지역처럼 기존 셀룰러망의 커버리지가 부족했던 지역부터 가입자를 확보할 수 있습니다.

​

여기서 더 중요한 것은 Starlink가 미국 이동통신 가입자의 일부만 확보하더라도 AT&T와 Verizon이 기존 가입자를 유지하기 위해 요금을 낮추거나 할인 혜택을 늘려야 할 수 있다는 점입니다.

실제 가입자 이탈이 크지 않더라도 미국 이동통신 시장 전체의 ARPU와 수익성에 하락 압력이 생길 수 있습니다.

​

여기에 Starlink의 기존 가정용 위성 인터넷과 모바일 요금제를 묶어 할인 판매하는 전략까지 생각해 볼 수 있습니다. 기존 Starlink 가입자 기반을 모바일 고객으로 전환할 수 있다는 점에서 경쟁력 있는 접근입니다.

​

당장 기존 통신사를 대체하기는 어렵지만, 장기적으로는 분명히 위협

물론 저주파 대역을 확보했다고 곧바로 AT&T나 Verizon과 동일한 수준의 통신 서비스를 제공할 수 있는 것은 아닙니다. 800MHz는 넓은 지역을 커버하는 데 유리하지만 데이터 전송 용량이 제한적입니다. 인구 밀집 지역에서 수많은 가입자가 동시에 고속 데이터를 사용하려면 이정도보다 더 많은 주파수와 지상 기지국, 백홀 네트워크가 필요합니다.

​

Bernstein 애널리스트는 스페이스X가 독립적인 미국 지상 이동통신망을 구축하려면 주파수 확보 비용까지 포함해 약 $50~130B의 투자가 필요할 것으로 추산했습니다. 이러한 이유로 기존 이동통신사와의 협력을 병행하거나 지상망을 점진적으로 확충하는 방식이 현실적일 수 있습니다. 그래도 장기적으로 보자면 어쨌든 T, VZ에게 좋지 않은 건 맞습니다.