주간전략보고 : 투자의 생각 (10월 19일~10월 23일)

[원문 유형] 네이버 프리미엄 콘텐츠
[채널] 올바른 미국주식 by SAPIENS
[게시일] 2026.10.19
[원문 URL] https://contents.premium.naver.com/sapiens/sapiensasset/contents/261019150344872nv
[제목] 주간전략보고 : 투자의 생각 (10월 19일~10월 23일)
[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.

​

앤스로픽이 IPO에서 흑자를 강조하는 이유와 ARR 둔화에 대한 종합적인 생각, 마이크로소프트 MAI-Base-2가 중요한 이유, 구글 TPU에서 OCS의 역할 분석을 자세히 정리했습니다.

​

앤스로픽의 1H26 대규모 Binding 계약을 맺었던 것이 AI 인프라 시장의 자본비용 상승을 불러오고 있는 상태이기도 합니다. 종합적으로 어떻게 생각하고 있는가도 담았습니다.

​

주간 메모리 채널 체크와 CXMT의 4F² DRAM, OCP Global Summit의 여섯 가지 주제별 생각, 모델 증류의 효과에 대한 코멘트, Muse Wonder, 스페이스X 계약가격을 정리한 주간자료입니다.

​

주간전략보고

2026-10-12

주간전략보고 : 투자의 생각 (10월 12일~10월 16일) (바로가기​)

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​)

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 : 시타델 스콧 루브너의 10월 시장에 대한 생각

3Q26 2주차 실적발표 훑어보기 : 2주차 12개 기업 - 업사이클 & 다운사이클 비교

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

직접 공급망을 확인하는 호국신산 : CapEx 상향 & 미국으로의 특파원 파견 (3Q26 실적발표)

Magnificent 7 : Frontier AI Labs ARR $150B(+408%), OCS 역할, TPU 변화, MAI-Base-2, 증류 방어

​

📆 주간 캘린더 (10월 19일~10월 23일)

​

👨‍💻 → 3Q26 실적시즌 시작

​

> 경기/물가 : 원유재고 (수) 서비스 PMI (금)

> 고용/실업 : 신규실업수당청구건수 (목)

> 실적발표 : GE, RTX, GM, HAL, VICR, NFLX, ISRG (화) TSLA, META, IBM, SAP, LRCX, MEDP, TXN, NEE (수) BE, NOK, WDC, SPOT, VLO, FIX, MXL (목) AXP, SLB (금)

> 이벤트 : 클라우드플레어 Connect (월) 엔비디아 GTC 베를린 (화) ESMO 암 학술대회 (금)

​

​

주간전략보고 : 투자의 생각

시타델 스콧 루브너의 10월 시장에 대한 생각

​

🧭 S&P500 EPS 추정치 변화 (~10/16)

25년 EPS : $271.23

26년 EPS : $364.14 ▲ (9/18 $362.41 ← 8/7 $358.66 ← 7/17 $341.59)

27년 EPS : $421.55 ▲ (9/18 $417.35 ← 8/7 $405.17 ← 7/17 $400.05)

​

S&P 500 밸류에이션 : 매력적

계속해서 생각은 같습니다.

시타델, 스콧 루브너의 10월 뷰

10월 14일 올라온 루브너의 자료를 정리해봅니다.

1. 실적으로 돌아가기 : 3Q EPS YoY 27%

9월 증시가 부진했음에도 불구하고 실적 전망치는 여전히 매우 높은 수준을 유지하고 있습니다. 시장 컨센서스는 S&P 500 기업의 3분기 EPS가 YoY +27% 성장할 것으로 예상하고 있는데, 이는 2010년 이후 코로나19 팬데믹 이후 회복세를 보였던 두 분기에 이어 세 번째로 높은 수치입니다.

​

2. 이번 3Q 실적발표는 매우 타이트할 것

일정이 이례적으로 빡빡합니다. 10월 28일~11월 3일까지 5거래일 동안 S&P 500 지수 구성 기업의 약 47%와 예상 수익 성장률의 3분의 1이 실적을 발표할 예정입니다.

​

3. 실적 상향의 상당부분이 소수 기업으로부터 발생

S&P 500 예상 EPS 성장에 대한 기여도 차트입니다.

​

MU와 NVDA만으로도 S&P 500 예상 수익 성장률의 36%를 차지합니다.

상위 10개 주요 산업이 예상 성장률의 약 3분의 2를 차지합니다.

이 열 개 기업을 제외하면 예상 수익 성장률은 약 11%로 떨어집니다.

시가총액 기준 S&P 500 기업 중 규모가 작은 300개 기업의 수익은 약 5% 성장할 것으로 예상됩니다.

​

4. 자사주 매입 금지 기간 한복판에 있는 증시

현재 S&P 500 지수 구성 종목 중 자사주 매입 금지 기간이 적용되지 않는 기업은 24%에 불과합니다. 미국 기업들은 올해 들어 현재까지 사상 최대 규모인 $1.3T의 자사주 매입 승인을 발표했는데, 이는 지난해 기록적인 수치보다 8% 앞선 것입니다. 이 중 기술 부문이 $573B로 전체의 43%를 차지합니다.

​

5. 균등가중지수가 Nasdaq 100 대비 5년 만의 최저치에서 반등 중

Market Breadth가 역대급으로 안 좋았다가 개선되고 있습니다. 이 과정에서 AI HW의 약세가 동반되고 있는 상태이긴 하지만, 대형 지수 구성 종목 대비 동일 가중 포트폴리오의 성과가 계속해서 개선되고 있는 건 증시를 길게 보면 좋게 볼 요인입니다.

​

6. S&P 500 대비 50일 이평선 이상 종목 비율

마찬가지로 Market Breadth가 역대급으로 안 좋았다가 개선되고 있습니다2.

​

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

​

주간 퍼포먼스 체크

지수(4) : Dow30(+0.7%), S&P500(-1.9%), Russell2000(-3.0%), Nasdaq100(-5.5%)

빅테크(7) : 애플(+2.0%), 마이크로소프트(-1.1%), 메타(-1.3%), 구글(-3.1%), 아마존(-4.7%), 엔비디아(-6.6%), 테슬라(-7.3%)

섹터(11) : 필수소비재(+5.0%), 에너지(+4.9%), 헬스케어(+3.5%), 원자재(+3.0%), 유틸리티(+1.9%), 금융(+1.4%), 리츠(+1.3%), 커뮤니케이션(-0.1%), 경기민감재(-0.4%), 산업재(-0.9%), 테크(-7.7%)

3Q26 2주차 실적발표 훑어보기

2주차 12개 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 2주차 실적발표

업사이클 ↗ : 이번주 실적발표 기업 중 업사이클인 기업은 TSMCTSM이 있었습니다.

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

DASH, CRWV/NBIS, U, 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

​

​

​

도어대시(DASH)

​

도어대시DASH는 Neutral을 유지합니다.

​

도어대시, 우버이츠와의 MAU 격차 꾸준히 축소

도어대시의 MAU는 꾸준히 증가하는 반면 우버이츠는 사실상 횡보하고 있습니다.

​

3Q26 기준 도어대시 MAU는 7,200만 명으로 YoY +12.5% 증가했지만, 우버이츠는 8,400만 명으로 YoY +2.4% 성장에 그쳤습니다. 양사의 MAU 격차도 1년 전 1,800만 명에서 1,200만 명으로 줄었습니다. 적어도 MAU 기준으로는 도어대시가 우버이츠 대비 이용자 점유율을 계속 높이고 있는 모습입니다.

코어위브(CRWV), 네비우스(NBIS)

​

코어위브CRWV, 네비우스NBIS를 Neutral로 하향했습니다.

​

AI 인프라 금융시장의 자본비용 상승 → 네오클라우드 이슈

​

이번 주 일간보고를 통해서 전해드리면서, AI 인프라 금융시장의 자금조달 비용이 높아지고 있는 이유로 코어위브(CRWV)와 네비우스(NBIS)의 투자의견을 Neutral로 하향했습니다.

​

AI 컴퓨트 수요가 둔화한다고 판단해서는 아닙니다. 고객 계약을 정상적으로 이행하더라도 자금조달 비용이 높아지면 주주에게 돌아오는 수익률이 낮아질 수 있습니다.

​

코어위브와 네비우스는 대규모 컴퓨트 계약을 확보한 뒤 외부 자본을 조달해 GPU 인프라를 구축하는 사업모델입니다. 금리가 높아지면 프로젝트의 수익성이 악화되고, 필요한 부채를 충분히 조달하지 못한다면 증자로 자금을 마련해야 할 수도 있습니다. 아예 최근 금융시장에서 나타나는 신호들이 자금을 빌려주지 않겠다는 것이 아니라, 더 높은 금리와 엄격한 조건 요구하겠다는 방향으로 나타나고 있습니다.

​

브로드컴 CEO 호크 탄이 경고했던 자본의 병목

10월 12일 싱가포르 DBS 컨퍼런스에서 브로드컴 CEO 호크 탄은 "앞으로 AI 산업의 가장 큰 제약이 자본(Capital)이 될 것"이라고 말했습니다. 그동안 AI 인프라 확대의 병목이었던 웨이퍼와 메모리 공급부족은 시간이 지나면서 공급이 늘면 점차 완화될 수 있지만, 필요한 자본을 조달하는 문제는 더 어려워질 수 있다는 것입니다.

​

호크 탄은 여전히 AI 컴퓨트 수요가 강하다고 보고 있습니다. 오픈AI와 앤스로픽이 상당한 매출을 창출하기 시작했고, 향후 2년 정도는 AI 컴퓨트 수요가 공급을 초과할 것으로 전망했습니다. 그런데 AI 인프라 사업자들이 필요로 하는 투자금액은 계속 커지고 있습니다. 프로젝트 규모가 수십억 달러에서 수백억 달러로 확대되면서 이를 감당할 금융시장의 자금조달 능력과 위험 선호도가 중요해졌습니다.

​

최근 Volta, 코어위브, 앤스로픽의 대출 사례들이 이러한 변화를 보여주고 있습니다.

​

1. 앤스로픽 : $60B TPU 금융조달, 후순위 대출 금리 10% 이상

10월 17일 FT에 따르면 앤스로픽은 구글 TPU 1.5GW를 확보하기 위해 Project North Star라는 $60B 규모의 금융조달을 추진하고 있습니다. 현재까지 추진된 AI 반도체 금융거래 가운데 가장 큰 규모입니다.

​

이 프로젝트는 별도의 금융기구가 자금을 조달해 TPU를 구매하고, 앤스로픽이 5년간 지급하는 리스료를 통해 투자자들에게 원리금을 상환하는 구조입니다. $60B는 두 종류의 대출로 나뉩니다:

​

선순위 대출 $42B(70%) : 브로드컴의 잔존가치 보장으로 신용을 보강하는 구조

후순위 대출 $18B(30%) : 앤스로픽의 리스료에 대한 신용위험을 더 크게 부담하는 구조

​

블랙스톤은 후순위 대출 $18B 가운데 절반인 $9B를 인수하는 방안을 추진하고 있습니다. 블랙스톤에 제시된 쿠폰금리는 10%이며, 발행할인과 수수료 등을 고려한 실제 투자수익률은 10%를 넘습니다. 후순위 대출의 나머지 $9B는 앞으로 다른 투자자들에게 판매할 계획이며, 이쪽은 더 낮은 금리로 조달될 수도 있다고 합니다. 아직 전체 거래가 최종적으로 완료된 것은 아닙니다.

​

비교하자면 앤스로픽은 불과 4개월 전 비슷한 구조의 Project Big Sky를 통해 약 $4.4B를 8.5% 수준의 금리로 조달했습니다. 다만 이번에는 조달 규모와 채무의 우선순위가 다르므로 두 금리를 직접 비교해 자금조달 비용이 정확히 150bp 상승했다고 볼 수는 없지만, 몇 개월만에 투자자들의 요구 수익률이 크게 달라졌다는 걸 체감할 수 있는 숫자들입니다.

​

참고로 미국 BB등급 하이일드 회사채 시장의 평균 수익률은 약 7%입니다. 블랙스톤이 제시받은 수익률은 이보다 300bp 이상 높지만, 이번 거래는 후순위 프로젝트 금융이라는 차이도 고려해야 합니다.

​

1-a. 브로드컴이 $42B를 지원한다는 것의 의미

Project North Star에서 또 하나 눈여겨볼 부분은 브로드컴의 역할입니다.

​

브로드컴은 $42B의 선순위 대출에 잔존가치 보장(Residual Value Support)을 제공하는 것으로 알려졌습니다. 앤스로픽이 리스료를 지급하지 못하고 담보인 TPU를 처분해야 할 경우, 처분금액이 선순위 대출의 회수액에 미치지 못하면 브로드컴이 약정된 범위에서 부족분을 보전하는 구조입니다. 모든 상황에서 $42B 전액을 무조건 대신 갚는 일반적인 지급보증과는 차이가 있습니다.

​

브로드컴의 신용이 뒷받침되므로 선순위 대출은 상대적으로 낮은 금리로 조달할 여지가 생깁니다. 반대로 이러한 보장이 없는 후순위 자본은 앤스로픽의 지급능력에 더 크게 의존하는 구조입니다.

​

1-b. 앤스로픽의 IPO와 투자적격 신용등급이 필요해진 이유

여기서 중요한 부분은 앤스로픽처럼 AI 컴퓨트 수요가 확실한 고객조차(물론 아직 신용등급이 없기 때문에 문제, IPO를 하고 나면 신용등급을 받을 것이므로 이번에는 IPO를 꼭 해야 하는 상황) 후순위 자본을 확보하기 위해 10%가 넘는 수익률을 제시하고 있다는 사실입니다.

​

블랙스톤은 앤스로픽이 IPO 이후 투자적격 신용등급을 확보하면 차입비용이 크게 낮아질 것으로 기대하고 있습니다. 앤스로픽이 IPO를 통해 재무정보를 공개하고 신용등급을 높인다면 관련 프로젝트의 조달금리도 낮아질 것을 기대하는 것입니다.

그래서 앤스로픽도 자꾸 흑자상태임을 강조하는 중입니다.

​

2. Volta : $5B 대출은 성공했지만, 투자자를 확보하기 위해 금리를 높였다

Semafor가 보도한 Volta Infrastructure의 사례도 비슷합니다.

​

Volta는 노르웨이 데이터센터에 GPU 인프라를 구축하기 위해 총 $5.012B의 대출을 추진했습니다. 앤스로픽과 약 6년간의 컴퓨트 공급 계약을 확보한 프로젝트입니다. 대출은 크게 두 부분으로 구성됐습니다:

​

$1.3B(26%) : 데이터센터 임대차 계약을 기반으로 한 대출

$3.712B(74%) : GPU 구매를 위한 대출

​

JP모건과 골드만삭스가 거래를 주관했는데, $1.3B에 대해서만 인수보증을 제공하고 $3.7B GPU 대출에는 인수보증을 제공하지 않았습니다. 여기서 은행들이 GPU 대출 자체를 거절했다고 이해해서는 안 됩니다. 투자자들에게 판매되지 않은 대출 물량을 은행이 직접 떠안는 위험을 부담하지 않겠다는 것입니다.

​

10월 16일 블룸버그 후속 보도에 따르면 약 $5B의 대출은 결국 투자자들에게 판매됐습니다.

​

다만 조건이 악화됐습니다. 처음에는 SOFR+625~650bp, 발행가격 97~98 수준에서 투자자를 모집했지만 최종적으로 SOFR+650bp, 발행가격 95까지 낮췄습니다. 액면가 $100의 채권을 투자자가 $95에 매입하는 구조이므로 차입자의 실질 조달비용은 표면적인 대출금리보다 높습니다. 최종 투자수익률은 11%를 넘어섰습니다.

​

투자자 보호조항도 강화됐고, 차입자가 대출을 조기에 상환하면 추가 비용을 지급하도록 했습니다. 흥미롭게도 앤스로픽이 투자적격 신용등급을 확보하면 Volta의 대출금리가 낮아지는 조건까지 포함된 것으로 알려졌습니다.

​

3. 코어위브 : $2.6B 대출에 더 높은 금리, 무담보채권 수익률은 15%까지 상승

코어위브는 지난 8월 10일 $2.6B 규모의 DDTL 5.5 대출을 성공적으로 마무리했습니다. 당시 코어위브가 투자자들에게 처음 제시한 조건은 SOFR+425~450bp, 발행가격 99 수준이었습니다. 그러나 투자자 반응이 충분하지 않자 최종적으로 SOFR+550bp, 발행가격 96~97 수준까지 조건을 조정했습니다. 최초 제안보다 금리 스프레드가 100~125bp 높아졌습니다.

​

조건을 조정한 이후 투자자 주문은 약 $9B까지 증가했고 대출도 성공적으로 마무리됐습니다. 계속 비슷한 현상입니다. 대출이 다 팔리긴 팔리는데 투자자들에게 제안하는 수익률이 생각보다 높아진다는 것입니다.

​

다만 당시 DDTL 5.5 대출은 만기가 약 5년인 데 비해 담보가 되는 고객 계약의 평균 기간은 약 3년입니다. 투자자들은 계약이 종료된 이후에도 해당 GPU를 재임대할 수 있을지 평가해야 합니다. 그래서 새로운 성격의 DDTL이었던 만큼 당시에는 긍정적으로 평가할 여지가 있었지만 지금처럼 자본비용이 증가한 시점에서는 얘기가 좀 달라졌습니다.

​

최근 코어위브의 무담보채권 시장에서는 더 큰 변화가 나타났습니다. 코어위브가 6월 발행한 2032년 만기, 쿠폰 9.625%의 선순위 무담보채권은 10월 14일 유통시장에서 만기수익률이 15%를 넘어섰습니다. 기존 채권의 수익률이 높아졌다고 코어위브가 지급해야 하는 쿠폰금리가 바로 상승하는 것은 아닙니다. 하지만 신규 무담보채권을 발행하거나 기존 부채를 차환할 때는 높아진 수익률이 부담입니다.

​

3-a.

젠슨 황의 지원사격

네오클라우드들의 투자수익률 악화가 기존의 이슈와 전혀 다른 국면으로 접어들고 있던 상황이었기에, 10월 15일 스웨덴 스톡홀름에서 열린 블룸버그 행사에서 젠슨 황은 코어위브의 재무건전성에 대해 직접 발언했습니다.

​

엔비디아가 코어위브에 추가적인 Backstop을 제공할 필요는 없다고 밝혔습니다.

코어위브의 재무적 체력은 매일 개선되고 있다고 평가했습니다.

코어위브의 자본조달 비용은 오히려 낮아지고 있다고 말했습니다.

​

다 맞는 말이기는 하지만, 말로 구조적으로 자본병목을 해소시켜줄 수 있는 것은 아니긴 합니다.

​

이게 뜯어서 하나하나 잘 봐야하는 것은 수요도 멀쩡하고 실제 수익률도 높지만 투자자들이 요구하는 수익률이 높아지면서 자본조달에 대한 가시성이 이전과는 달라졌다는 이슈가 생긴 것이 핵심입니다. 조달은 되는데 요구수익률이 높아지고 있습니다.

​

시장이 막힌 게 아니라, 부담해야 할 비용이 높아지는 중

최근 사례들을 보면 AI 인프라 금융시장이 완전히 막힌 것은 아닙니다.

​

Volta는 $5B 대출을 성공시켰고, 코어위브도 $2.6B 대출을 마무리했습니다. 소프트뱅크는 $11.1B의 채권을 발행했으며, 앤스로픽은 $60B라는 대규모 금융조달을 추진하고 있습니다.

​

문제는 자본을 확보하기 위해 부담해야 하는 비용입니다. 금융비용이 높아지면 기존 계약을 기반으로 충분한 수익을 확보한 프로젝트는 추진하더라도 수익성이 낮은 신규 프로젝트들이 생깁니다. 이런 상황에서는 AI 컴퓨트 임대가격이 강하고 GPU 수요가 공급을 초과하더라도 네오클라우드의 주주 수익률은 기대보다 낮아질 수 있는 방향입니다.

​

실제로 GPU 임대가격 자체는 꾸준히 상승 중

B200 1년 고정계약 가격이 $6.57/GPU-hours에 도달했습니다. 2026년 3월 대비 78% 상승했습니다.

유니티(U)

​

유니티U는 Overweight을 유지합니다. CY27 PER 22.4배(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

​

유니티, 광고 최적화에 Runtime Data 활용 확대

유니티가 광고 캠페인 대시보드를 개편했습니다. 핵심은 Unity Vector의 광고 최적화에 활용할 수 있는 데이터를 확대하는 것입니다. 두 가지 변화가 있습니다.

​

①Developer Data 공유 요청 : 개발자가 Accept and enable 버튼을 통해 동의하면 Unity Ads가 개발자의 프로젝트 데이터를 광고 최적화에 활용할 수 있도록 하는 구조입니다.

②Google Analytics/Firebase 연동 유도 : 외부 분석 도구에 축적된 사용자 행동 데이터까지 광고 최적화에 연결하려는 방향입니다.

​

게임 내 행동 데이터로 유저의 LTA를 더 일찍 예측할 수 있다

기존 광고 최적화에서는 광고 클릭과 설치 이후 발생하는 구매/수익/잔존 이벤트가 중요한 학습 신호였습니다. 여기에 Runtime Data가 더 풍부하게 연결되면 Vector가 유저의 장기적인 가치(LTV)를 더 일찍 예측할 수 있습니다. 설치한 지 얼마 지나지 않은 유저라도 세션 길이, 반복 플레이, 게임 진행 정도 등을 바탕으로 향후 결제 가능성과 예상 수익을 추정하는 것입니다.

​

유니티도 자사 ROAS 최적화 자료에서 Vector가 광고 기여 데이터뿐 아니라 비기여 데이터와 게임 이용 패턴까지 활용해 유저의 가치를 예측한다고 설명하고 있습니다.

​

이번 개편은 학습에 활용할 수 있는 데이터의 범위를 넓히려는 움직임입니다.

​

가파른 Vector의 성능 개선 기대

Runtime Data와 Purchase Data는 게임엔진과 결제 시스템을 보유한 유니티가 차별화된 접근성을 확보할 수 있는 데이터입니다.

​

물론 개발자 동의와 실제 데이터 연동이 얼마나 확대되는지가 중요합니다. 다만 유니티가 확보할 수 있는 게임 내 행동 데이터의 깊이를 고려하면, Vector는 앱러빈 AXON의 성능 개선 궤적을 따라가면서도 개선 속도와 최종 성능 모두 더 높은 수준에 도달할 수 있을 것으로 예상합니다.

​

기존 광고 네트워크가 확보하기 어려웠던 게임 내 행동 데이터가 Vector의 학습에 얼마나 연결되는지가 앞으로 중요해질 것으로 봅니다.

블룸에너지(BE)

​

블룸에너지BE는 Overweight을 유지합니다. CY27 PER 24.6배(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 업데이트

오라클의 Project Jupiter 업데이트를 해봅니다:

​

1. 지역 주민 전기요금 지원책 발표, 블룸에너지 SOFC 전력공급계획은 그대로 유지

10월 13일 오라클은 뉴멕시코 주민들의 전기요금 부담을 줄이기 위해 지역 전력회사 El Paso Electric(EPE)과 새로운 전력공급계약을 추진한다고 발표했습니다.

향후 10년간 연간 $10M, 총 $100M의 전력 구매 비용을 지불하고, 별도 계약으로 뉴멕시코 지역 가정과 소규모 사업자에게 연간 최대 $55M의 전기요금 크레딧을 최장 3년간 제공하는 방안입니다.

​

이번 계약은 Project Jupiter의 기존 전력공급계획을 변경하는 것이 아닙니다. 주력 전력원은 기존 계획대로 블룸에너지의 연료전지를 활용한 독립형 마이크로그리드입니다. EPE에서 공급받는 전력은 데이터센터 건설 후반부, 초기 시운전, 비상 예비전력, 현장 안전설비 등에 사용됩니다.

​

2. 핵심 병목인 Green Chile 천연가스 파이프라인, 승인 신속 처리 요청

같은 날 오라클은 FERC에 Green Chile 천연가스 파이프라인의 승인 절차를 신속하게 처리해 달라고 요청했습니다. Green Chile 파이프라인은 블룸에너지의 연료전지 마이크로그리드에 천연가스를 공급하는 핵심 인프라로, 약 17.8마일 길이에 하루 최대 4억 입방피트의 천연가스를 공급하도록 설계됐습니다.

​

기존에 가스터빈엔진+왕복엔진 조합일 때에는 2026년 8월 가동을 목표로 했지만 주정부가 파이프라인의 토지 사용을 거부하면서 경로를 연방정부 관할 토지로 변경해야 했고, 이후 발전원을 블룸에너지의 SOFC 프로젝트로 바꾸면서 가동 목표는 2027년 2월로 바뀌었던 바 있습니다.

​

3. Mizuho, 파이프라인 환경심사 재실시는 없을 듯

미즈호는 10월 13일 도냐 아나 카운티 위원회 회의에 온라인으로 참석해 Project Jupiter의 진행 상황을 확인했습니다. 별도로 미즈호의 Clean Energy 팀이 전직 뉴멕시코 BLM 국장과 전문가 통화를 진행한 결과, 변경된 파이프라인 경로에 대해 환경심사를 처음부터 다시 진행하지 않아도 될 가능성이 있다는 평가를 받았습니다.

​

FERC는 이미 지난 9월 Green Chile 파이프라인의 환경평가(EA)를 완료했고 중대한 환경영향이 없을 것이라는 결론을 내렸습니다. 추가 환경심사를 다시 시작하지 않는다면 승인 절차에서 발생할 수 있는 지연을 줄일 수 있습니다. 미즈호는 아직 규제당국의 최종 승인이 남아 있지만 Project Jupiter의 건설 진행 상황을 긍정적으로 평가했으며, 오라클의 FY27 실적 추정치에도 영향이 없다고 판단했습니다.

​

CY27 컴퓨트 가동을 위한 전력 50GW 필요

UBS에 따르면 CY27에는 50GW의 컴퓨트 장비가 출하될 예정인데, 데이터센터의 PUE를 감안하면 총 57GW의 Powered Shell이 필요한 상황입니다. 현재 가시적인 Powered Shell은 38GW이기 때문에 나머지 19GW 정도에 대해서는 BTM을 통해서 대부분 충당될 것으로 예상했습니다.

​

9월 28일 주간전략보고에서 정리드렸던 내용을 가져와보면,

​

크게 보자면, CY27부터 본격 심화될 전력 문제는 몇 가지 방법을 통해서 충당될 것으로 예상합니다:

전력망(FTM)을 통한 데이터센터 온라인

노후화되어 페쇄하는 석탄화력발전소의 수명연장 혹은 천연가스 발전소로 업그레이드

기존 원전의 Uprate + 폐쇄 원전 재가동

BTM 프로젝트에서 현장발전원을 통한 온라인 → 발전원 믹스는 #1 가스터빈엔진(Gas Turbine Engine) #2 왕복엔진(Reciprocating Engine) #3 SOFC입니다.

호주, 캐나다, 일본 등 미국의 우방국에 각각 1GW의 클러스터들을 구축하여 비동기식 학습

궤도 컴퓨팅 → 스페이스X / 구글

더 먼 미래이지만 CY28~CY29쯤이 되면 이전의 칩들인 B200/300, Trainium2/3, TPU6/7을 뜯어내고 Feynman과 같은 시기에 나오는 칩들로 교체함으로써 일부 해결될 수 있습니다. 전력이 훨씬 부족해질 경우에는 와트당 토큰에 대한 중요성이 달러당 토큰에 대한 우선순위를 넘어섭니다. 문제는 이렇게 될 때 향후 감가상각이 어떻게 될지는 업계가 좀 생각해볼 문제입니다.

​

AI 데이터센터의 전력 배분

엔비디아의 슈퍼컴퓨팅, AI 클라우드 인프라 및 EMEA 지역 AI/HPC VP인 Rod Evans에 따르면, AI 데이터센터 전력의 60~70%만 AI 작업에 쓰인다고 말했습니다.

​

전체 Powered Shell이 1GW를 쓴다고 하면,

~200MW는 냉각, 전력 분배, 변환 과정에서 사용되고

~100MW는 랙 오설정, 장애 및 재시작으로 인해서 손실되며,

~700MW가 AI 작업에 쓰이고 이것도 효율이 낮은 경우는 ~600MW만 쓰입니다.

엄밀히 말하면 냉각도 필수적인 분야이긴 하지만, 어쨌든 전체 데이터센터 차원에서 보자면 이미 사용 가능한 전력에서도 출력을 높일 수 있는 여러 가지 인센티브가 있다는 의미입니다. 더 나은 냉각 시스템, 랙 구성 및 클러스터 신뢰성을 높이는 여러 작업으로 컴퓨트에 쓸 전력을 더 늘릴 수 있다는 의미입니다.

​

마이크로소프트, Nscale의 영국 GB300 23,000개 게약 철회

10월 19일 FT에 따르면 마이크로소프트가 영국 네오클라우드 Nscale과 체결했던 에식스주 로턴 데이터센터의 컴퓨트 임대 계약을 철회했습니다. Nscale과 계약이 다 취소되는 건 아니고 해당 프로젝트만 취소입니다.

​

해당 프로젝트는 50MW 규모의 데이터센터에 GB300 23,000개를 설치해 1Q27부터 공급하는 계약이었습니다. 그러나 전력망 연결이 2030년 이후에나 가능할 것으로 예상되면서 마이크로소프트가 계약을 철회한 것입니다. Nscale은 현재 대체 전력원을 확보하는 방안을 검토하고 있으며, 마이크로소프트와의 다른 계약에는 영향이 없다고 설명했습니다.

​

전력망 연결 지연이 길어질수록 블룸에너지 SOFC의 가치가 높아진다

AI 컴퓨트 수요가 아무리 강하더라도 데이터센터에 전력을 공급하지 못하면 고객 계약 자체가 사라질 수 있습니다. Nscale은 이미 마이크로소프트라는 고객을 확보했지만 전력망 연결이 수년간 지연되면서 계약을 잃었습니다. 데이터센터 사업자 입장에서는 전력 생산단가뿐 아니라 얼마나 빨리 GPU를 가동하고 매출을 발생시킬 수 있는지가 중요합니다. 전력 확보가 늦어져 고객 계약을 잃을 위험이 크다면 현장 발전에 더 많은 비용을 지불할 이유가 생깁니다.

마이크론(MU), 샌디스크(SNDK)

​

마이크론MU는 Overweight을 유지합니다. CY27 PER 4.39배(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 4.33배(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

​

CXMT의 4F² DRAM, 기술이 아니라 중요한 건 양산

​

10월 10일 CXMT의 차오칸위(曹堪宇) 사장은 중국 반도체 콘퍼런스에서 4F² DRAM 아키텍처 개발에 중요한 진전이 있었으며, 연말까지 이를 적용한 차세대 DDR5 RDIMM을 출시하겠다고 발표했습니다.

​

4F²는 기존 6F²보다 메모리 셀을 더 좁은 면적에 배치하는 기술입니다. 같은 미세공정을 사용한다면 셀 하나가 차지하는 면적이 33% 줄어들고, 이론적으로 같은 면적에 50% 더 많은 셀을 배치할 수 있습니다. CXMT는 수직형 트랜지스터(VSG)와 하이브리드 본딩 등을 활용해 이러한 구조를 구현하고 있으며, 관련 특허도 300개 이상의 패밀리를 확보했다고 밝혔습니다. 상당한 기술적 진전인 것은 맞습니다.

​

다만 이번 발표에서 4F² 제품의 수율, 실제 DRAM 다이 용량, 셀 피치, 동작 속도, 비트당 제조원가는 공개되지 않았습니다. 연말 제품 출시 목표가 곧 대량생산을 의미하는 것도 아닙니다. 구체적인 제품 사양과 양산 규모가 제시되지 않은 상태에서 CXMT가 SEC/SKH/MU 3사를 기술적으로 추월했다고 판단하기는 어렵습니다.

​

SEC/SKH도 4F² 구현은 이미 했다

4F²는 CXMT만 개발하고 있는 기술이 아닙니다.

​

SEC는 2026년 2월 ISSCC에서 16Gb 용량의 4F² DRAM 시제품을 공개했습니다. 10nm급 DRAM 공정에서 수직 채널 트랜지스터와 웨이퍼 간 하이브리드 본딩을 적용했으며 실제 읽기와 쓰기 동작까지 검증했습니다. 동일한 설계 규칙을 적용했을 때 웨이퍼당 다이 수를 20% 이상 늘릴 수 있다는 연구 결과도 발표했습니다.

​

SKH도 2025년 VLSI에서 수직 게이트(VG) 트랜지스터와 주변회로를 셀 아래에 배치하는 PUC 구조를 결합한 4F² DRAM을 공개했습니다.

​

정리해보자면 기존 메모리 기업들이 CXMT보다 기술적으로 뒤처져 있어서 4F² 제품을 출시하지 못하고 있다고 해석하는 것은 맞지 않습니다. 구현을 못하는 기술이 아닙니다. 기술을 구현하는 것과 해당 기술을 대규모로 양산해 충분한 수익을 확보하는 것은 다른 문제입니다.

​

삼성전자가 4F² 양산을 2028년 전후로 검토하는 이유도 기존 6F² 공정을 미세화하는 편이 현재로서는 더 유리할 수 있기 때문입니다. 새로운 아키텍처가 더 높은 집적도를 제공하더라도 추가 공정 비용과 수율을 고려했을 때 기존 공정보다 경제적이어야 합니다. 메모리 업체들은 새로운 기술을 먼저 발표했다고 해서 바로 양산에 도입하지 않습니다. 이 업 자체가 양산게임이지 시제품 생산 게임이 아닙니다.

​

6F² vs 4F²라는 헤드라인보다 'F의 절대 크기'가 중요합니다

4F²와 6F²를 비교할 때 가장 먼저 확인해야 하는 것은 F의 절대 크기입니다. F는 셀 구조를 정의하는 최소 특성 치수이며, 서로 다른 제조사의 F가 같을 때만 4F²와 6F²의 면적 효율을 직접 비교할 수 있습니다.

지금 서버용 DRAM으로 양산하고 있는 CXMT의 G4와 1b/1c를 비교하기 위해 CXMT의 F가 16nm(G4)이고 SEC/SKH의 F가 12nm(1b/1c)라고 가정해 보겠습니다.

​

CXMT의 4F² : 4 × 16² = 셀 면적 1,024nm²

SEC/SKH의 6F² : 6 × 12² = 셀 면적 864nm²

​

CXMT는 4F²라는 더 작은 셀 아키텍처를 사용했지만 실제 셀 면적은 경쟁사보다 18.5% 더 큽니다. 4F²를 먼저 도입하더라도 경쟁사가 더 작은 F를 확보하고 있다면 실질적인 셀 집적도에서 앞서지 못할 수 있다는 것입니다.

​

여기서 셀 면적과 실제 DRAM 다이의 Bit Density도 구분해야 합니다. 4F²는 셀 배열의 면적을 줄이지만 DRAM 다이에는 주변회로와 입출력 회로 등 셀 외의 영역도 필요합니다. 실제 제품의 집적도 개선 폭이 이론적인 50%보다 낮아질 수 있는 이유입니다. Citi는 4F² 적용에 따른 실질적인 집적도 개선 효과를 약 30%정도로 평가했습니다.

​

결국 실제 Bit Density와 웨이퍼당 생산 가능한 양품 비트 수를 비교해야 기술적 우위를 판단할 수 있습니다.

​

CXMT가 4F² 개발을 서두르는 이유 : EUV 장비에 접근할 수 없기 때문

CXMT가 4F²에 적극적으로 투자하는 배경에는 미국의 반도체 장비 수출규제가 있습니다. SEC/SKH/MU​는 EUV를 활용해 기존 6F² 기반 DRAM을 계속 미세화할 수 있지만, CXMT는 EUV 장비에 접근할 수 없습니다.

​

CXMT도 DUV 멀티패터닝을 활용해 공정을 개선하고 있습니다. 지난 9월 양산을 발표한 G5 공정에는 SAQP(쿼드러플 패터닝)를 적용했고, Active Area Half-Pitch 11.95nm를 달성했다고 밝혔습니다.

CXMT는 이미 DUV 공정을 상당한 수준까지 밀어붙이고 있습니다. 문제는 앞으로 공정을 더 미세화할수록 여러 번의 노광과 식각 공정이 필요하고 제조비용과 수율을 관리하기도 어려워집니다.

​

4F²는 이 문제를 해결할 수 있는 방법 중 하나입니다. 기존의 6F² 구조를 유지하면서 계속 F를 줄이는 대신, 셀 아키텍처 자체를 바꿔 같은 F에서도 더 많은 비트를 생산하려는 것입니다. 결과적으로 CXMT의 특이한 구조 때문에 제조공정의 복잡성이 과하게 높아지더라도 밀도를 높이기 위해서 쓰는 방법이고, 이것도 실제 양산에서의 데이터가 어떨지는 아직 알 수 없습니다.

​

집적도가 높아져도 수율이 나빠지면 비트당 원가는 오히려 상승

4F² 구현에는 상당한 기술적 난관이 있습니다. 수직 트랜지스터의 전기적 특성을 안정적으로 유지해야 하고, 셀을 더 촘촘하게 배치하면서 발생하는 비트라인 간 간섭도 제어해야 합니다. 주변회로와 셀 배열을 서로 다른 웨이퍼에서 제조한 뒤 하이브리드 본딩으로 결합하는 구조라면 공정 비용이 더 높아질 수 있습니다. 웨이퍼 간 정렬과 접합 과정에서 발생하는 불량도 관리해야 합니다.

​

4F²의 집적도 개선이 공짜로 얻어지는 것이 아니란 의미입니다. Citi는 CXMT가 구세대 1y-nm(4세대 전) 공정을 기반으로 4F²를 개발하고 있으며, 구현 과정에서 추가 웨이퍼와 공정이 필요해 제조비용이 기존 방식보다 약 10~20% 높아질 수 있다고 평가했습니다. 대량생산도 2028년 이전에는 어려울 것으로 전망했습니다.

​

이 부분을 숫자로 계산해 보겠습니다.

​

기존 6F² : 웨이퍼당 생산 비트 100 X 제조비용 100 X 양품 수율 90%

신규 4F² : 웨이퍼당 생산 비트 130 X 제조비용 120 X 양품 수율 70%

​

4F² 적용으로 웨이퍼당 비트 수가 30% 증가하더라도 추가 공정 때문에 제조비용이 20% 높아지고 수율이 90%에서 70%로 낮아진다면, 양품 비트당 원가는 오히려 18.7% 상승합니다. DRAM 업체들이 4F²를 연구하면서도 실제 양산 도입에는 신중한 이유입니다. 메모리 산업에서 가장 중요한 것은 결국 최종적인 비트당 원가입니다.

​

CXMT의 점유율이 12%까지 높아지더라도 중국 내수시장 흡수를 고려해야 합니다

CXMT의 공급능력 확대를 그냥 무시할 수는 없습니다.

​

Counterpoint Research에 따르면 CXMT의 글로벌 DRAM Bit 출하 점유율은 CY25 8% → CY26 9% → CY28 11%까지 증가할 것으로 전망됩니다. 글로벌 DRAM 시장에서 상당한 점유율을 확보하게 되는 시나리오입니다. 실제로 2Q26 글로벌 DRAM 매출 점유율은 TrendForce 기준 9.5%까지 상승했습니다.

​

다만 CXMT의 추가 생산량이 글로벌 시장에 얼마나 직접적으로 공급되는지는 별도로 살펴봐야 합니다. 중국은 전 세계 DRAM 수요의 약 3분의 1을 소비하는 거대한 시장으로 추정됩니다. 중국 정부도 반도체 자립도를 높이기 위해 자국 기업들에 CXMT와 YMTC 제품을 우선적으로 구매하도록 유도하고 있습니다.

​

지난 9월 TrendForce가 인용한 업계 분석에서도 CXMT의 신규 생산량 대부분이 중국 내수 수요에 흡수될 것으로 전망했습니다. 단기적으로 글로벌 첨단 DRAM 공급을 크게 늘리기는 어렵다는 평가입니다.

물론 CXMT의 중국 내수 점유율 확대도 SEC/SKH/MU에는 영향을 줄 수 있습니다. 중국 고객들이 기존에 수입하던 DRAM을 CXMT 제품으로 대체하면 해외 업체들의 판매 기회가 줄어들기 때문입니다.

​

다만 CXMT가 세계 시장에 대규모 저가 물량을 직접 쏟아내는 상황과 중국 내부의 수입대체가 진행되는 상황은 구분해서 평가해야 합니다.

​

CXMT가 글로벌 DRAM 가격을 무너뜨릴 경제적 유인도 현재로서는 크지 않습니다

CXMT의 주력사업 1H26 GPM이 84.84%였습니다. HBM 비중이 높은 한국과 미국의 메모리 업체들과 달리 Conventional DRAM 중심의 포트폴리오로도 매우 높은 수익성을 확보하고 있습니다. 글로벌 DRAM 공급부족이 지속되면서 CXMT에도 높은 가격을 받을 기회가 생긴 것입니다.

​

로이터는 지난 7월 CXMT가 일부 제품을 SEC/SKH보다 비싸게 판매하고 있으며, 중국 고객사들이 가격 인상에 반발하고 있다고 보도했습니다. CXMT는 과거처럼 한국 기업들보다 훨씬 낮은 가격을 제시해야만 제품을 판매할 수 있는 상황이 아닙니다. 현재처럼 높은 마진을 확보하고 있다면 굳이 저가 수출을 통해 글로벌 DRAM 가격을 무너뜨릴 경제적 유인은 크지 않습니다.

​

CXMT가 '글로벌 DRAM 수급 균형을 깰 만큼' 양품 비트를 생산하느냐

개인적으로도 CXMT의 기술 발전 자체를 과소평가할 생각은 없습니다.

​

CXMT는 이미 G5 공정을 양산하고 있고, DRAM 시장점유율도 꾸준히 높이고 있습니다. 4F²에 대해서도 수년간 R&D를 진행해 왔기 때문에 앞으로 상업적인 경쟁력을 확보할 가능성은 충분히 있습니다.

하지만 이번 4F² 발표로 글로벌 DRAM 공급과잉이 앞당겨질 것이라고 판단하기에는 아직 확인되지 않은 정보가 많습니다.

​

특히 지금처럼 센티먼트가 이미 악화되어 있는 상태일수록 더 이성적으로 생각하는 게 중요하다고 생각합니다. 기업들별로 최근에 주가와 함께 펀더멘탈이 같이 나빠진 케이스인지, 아니면 펀더멘탈은 변화가 없는데 주가만 달라진 것인지를 판단하는 게 중요하단 의미입니다. 장기 시계열로 볼 때 CXMT의 점유율 향상과, 단기 시계열로 볼 때 펀더멘탈이 악화된 것을 혼동해서 보면 안될 구간이라 생각합니다.

마이크론, SKH보다 더 많은 양의 자사주 매입 승인

마이크론이 지난주 10-K를 통해서 $33B의 추가 자사주 매입을 승인했습니다.

​

총 자사주 매입 규모는 $35B입니다. CHIPS Act 제한이 해제되는 2026년 12월 9일부터 자사주 매입이 실행될 예정입니다. 흥미로운 건 SKH가 자사주 매입을 $29B 실행했기에 TD Cowen은 MU의 매출이나 시총에 맞춰 $20B 정도 자사주매입을 하지 않겠나 예상했었는데, 실제로는 다른 메모리 기업들보다 훨씬 더 공격적으로 주주환원을 할 것임을 드러낸 것입니다.

​

메모리 공급망 체크 : TrendForce, Nanya, MS/KeyBanc

​

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 / 12주 (=)

​

Nanya, DRAM 공급부족은 CY27말~CY28초까지 이어질 것

대만 DRAM 업체 Nanya의 3Q26 실적발표에서 AI가 장기적이고 구조적인 DRAM 공급부족을 유발할 가능성이 얼마나 높은지에 대한 질문이 나왔습니다.

​

Nanya는 그럴 가능성이 매우 높다고 평가하며, '적어도' CY27 말~CY28 초까지는 DRAM 공급부족을 해소하기 어려울 것이라고 답했습니다. 더 중요한 것은 그 이후의 전망입니다. Nanya는 AI 투자가 지속적으로 충분한 수익을 창출한다면 CY28 이후에도 DRAM 수급이 장기간 타이트한 상태를 유지할 것이라고 예상했습니다.

​

메모리 채널 체크 : ⓐMS ⓑKeyBanc

모건스탠리와 KeyBanc의 메모리 채널 체크를 정리하면:

​

모건스탠리:

HBM ASP는 CY27 YoY 121% 상승할 것으로 예상됩니다. HBM4는 $3~5/Gb, HBM4E는 $5+/Gb입니다.

VR200 생산 속도가 계획보다 느려서, CY26 VR200 NVL72 랙 출하는 10K 미만으로 예상됩니다.

DRAM의 4Q26 계약가격은 QoQ +3~8% → QoQ +10~15%로 상향 조정됐습니다. PC는 QoQ +13~18%, 서버는 QoQ +10~15%, 모바일은 QoQ +0~5%입니다. 미국 하이퍼스케일러들이 CY27 추가 RDIMM 주문을 하고 있습니다.

NAND의 4Q26 계약가격은 QoQ +0~5% → QoQ +15~20%로 상향 조정됐습니다. eSSD 가격은 QoQ +23~28% 상승할 것으로 예상됩니다. 여러 주요 미국 CSP들이 TLC SSD + HDD 조합에서 QLC SSD로 전환하고 있습니다. QLC 비용은 동등 용량 기준 TLC의 3분의 1 수준입니다.

​

KeyBanc:

마이크론이 4Q26 SSD/NAND 시장 가격을 공격적으로 제시했습니다. 컨센서스는 QoQ +20%이지만, 마이크론은 채널에 4Q26 SSD 가격을 QoQ +40~45% 인상해서 부르고 있습니다.

HP, DELL, 구글 같은 고객사들이 CY30 이후까지도 LTA 연장을 조기에 추진하고 있습니다.

HP, DELL은 CY30 LTA를 CY31까지 연장했고

구글은 CY30 LTA를 CY35까지 연장하기 위해 논의 중인 상태입니다.

메모리 공급업체들이 데이터센터용 생산 물량을 늘리기 위해 CY27에는 PC/스마트폰향 bit supply를 20~30% 축소할 계획입니다. 데이터센터향 공급은 YoY 50~60% 증가할 것으로 예상됩니다.

루멘텀(LITE), 비아비(VIAV), 셈텍(SMTC)

​

루멘텀LITE는 Overweight을 유지합니다. CY27 PER 26.6배(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 16.7배(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 24.9배(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

​

2026 OCP Global Summit 총정리

최근에 광학/인터커넥트 쪽은 여러 컨퍼런스마다 계속 새로운 내용들이 빠르게 추가되고 있다보니, 디테일 좀 더 읽기 쉬운 글로 다듬기 위해서 고민해보고 정리해봤습니다.

​

주제는 크게 여섯 가지: ①LPO, ②USFP/XPO, ③NPO/CPO, ④ELS, ⑤VCSEL, ⑥광학 테스트 장비입니다.

​

원래는 Day 1, Day 2... 느낌으로 쭉 정리할까도 했는데 주제별로 정리하고 기술적 내용, 의미, 기업별로 어떤 함의가 있는지 순서대로 쭉 정리했습니다.

​

OCP - ① 메타의 LPO 실증 데이터 : DSP를 제거했더니 전력소비아 장애 동시 감소

메타가 이번 OCP에서 가장 의미 있는 데이터를 공개한 분야는 LPO(Linear Pluggable Optics)입니다. LPO는 기존 광트랜시버에서 DSP를 제거하고 스위치의 SerDes와 아날로그 회로를 활용하는 구조입니다. 기존 플러거블의 교체 편의성을 유지하면서 전력소비와 발열을 줄이는 것이 목적입니다.

​

메타는 실제 데이터센터의 DSF 네트워크에서 4,000개의 LPO 모듈을 4개월간 운영한 결과를 공개했습니다.

​

서비스에 영향을 미치는 장애(Failure) : LPO가 기존 Retimed 광모듈 대비 2.6배 적게 발생했고,

일시적인 통신 중단(Interruption) : LPO가 기존 대비 2.0배 적게 발생했으며,

최근 60일 통신 중단 : LPO가 기존 대비 8.4배 적게 발생했습니다. 특히 처음에는 약 2배였던 통신 중단 빈도 차이가 최근 60일에는 8.4배까지 확대됐습니다. 메타는 초기 배포 과정에서 발생했던 문제들이 해결되면서 LPO의 신뢰성 우위가 더욱 뚜렷해졌다고 설명했습니다.

​

별도로 1,000개의 LPO 모듈을 104일간 테스트한 실험실 결과도 공개했습니다. 모듈당 전력소비는 46% 낮고, 모듈 온도도 17.5도 낮으며, 광출력 안정성도 높았습니다. 이는 LPO가 DSP를 제거해 전력과 발열을 줄이면서도 장기간 안정적으로 작동할 수 있다는 근거입니다.

​

풀어서 설명드리면:

​

최근 NPO/CPO에 대한 논의가 뜨거운 건 광학 엔진을 ASIC 가까이 가져가면 기존 플러거블보다 전력 효율과 신호 품질이 좋아진다는 것이었습니다.

그런데 메타의 데이터는 기존 플러거블 구조를 유지하면서 DSP만 제거해도 상당한 효과를 얻을 수 있음을 보여줍니다. 100G/lane 환경에서 LPO는 전력소비를 46% 줄여주고 CPO는 64% 줄여줍니다.

​

LPO의 전력 절감 효과가 충분히 크고 유지보수도 쉽다면, 기존 리타이머 탑재된 플러거블 광모듈에서 → LPO → NPO/CPO라는 단계적 전환이 가능하고 각 방식이 생각보다 오랫동안 공존할 수 있다는 이야기입니다.

​

개인적으로는 느끼기에는 결국 DSP를 없애는 게 핵심입니다. 그리고 결과적으로는 ⓐ광엔진을 아예 칩에 가깝게 붙이는 NPO/CPO 혹은 ⓑ구리는 ACC, 광학은 LPO 등 리타이머를 없애고 아날로그 칩을 중요시하게 되는 두 가지 갈래로 기술이 발전해나간다고 느낍니다.

​

투자자 입장에서는

루멘텀(LITE) : LPO는 DSP를 제거하지만 레이저는 그대로 사용합니다. 메타가 사용한 800G 모듈은 100G급 광학 채널 8개로 구성됩니다. LPO 전환 자체가 레이저 채널을 없애는 변화는 아닙니다.

셈텍(SMTC) : DSP 제거로 아날로그 신호 품질의 중요성이 높아집니다. TIA, 드라이버, 이퀄라이저 등을 공급하는 셈텍에는 유리한 구조입니다. 특히 200G/lane LPO가 상용화될수록 의미가 커집니다.

비아비(VIAV) : LPO의 생산 및 검증 과정에서는 DSP가 없는 상태에서도 링크 마진, 신호 품질, 장애율을 확보해야 합니다. 새로운 테스트 요구가 발생할 수 있지만 루멘텀이랑 비슷하게 거의 변화는 없을 듯 합니다.

​

OCP - ② USFP vs XPO : 플러거블의 한계를 넘으려는 두 가지 전략

이쪽은 플러거블 광트랜시버를 더 업그레이드하는 방향의 기술개발입니다.

​

이전 자료 '빛💡'의 시대 #2 : 구리도 광모듈도 CPO도 다 커진다, AI 인터커넥트의 폭발에서도 전해드렸지만 이게 오해하시면 안될 것은 기술이 하나로 수렴해가는 과정이 아니라, 워낙 여러 층위의 기술이 동시에 가성비와 유지보수 편의성 등을 고려해서 발전하고 있습니다. 각 기술별로 꾸준히 다년간 발전해가는 과정입니다. 현실이 여러 층위, 여러 갈래의 발전인데 이것을 편하게 이해하자고 하나의 각도로 바라보면 3D를 2D로 보는 것과 똑같이 왜곡이 커집니다.

​

엔비디아/시스코의 USFP와 아리스타 네트웍스의 XPO는 차세대 플러거블 광트랜시버 시장에서 서로 다른 접근 방식을 제시했습니다.

USFP : 기존 레인당 200G를 → 400G로 높이고, 레인 수도 8개 → 16개로 늘립니다. 그 결과 기존 1.6T OSFP 대비 총 대역폭을 4배 확대해 6.4T를 구현합니다. 향후 32개 레인으로 확장하는 방향도 제시했습니다.

XPO : 레인당 200G 기술을 유지하면서 레인을 64개로 늘려 12.8T를 구현합니다. 대신 패키징에 변화를 줬습니다. ⓐ두 개의 PCB 사이에 액체냉각판을 삽입해 부품 온도를 기존 공랭식 OSFP보다 약 20~25°C 낮춥니다. ⓑ48~50V 전원을 사용해 고전력 환경에서 전류와 커넥터 부담을 줄입니다.

​

아리스타가 제시한 구성에 따르면 204.8T 스위치를 구현하는 데 기존 1.6T OSFP는 128개가 필요하지만, 12.8T XPO는 16개면 됩니다. 제시된 설계에서는 필요한 공간을 4RU에서 1RU로 줄일 수 있습니다.

​

풀어서 설명하자면:

USFP는 레인 하나를 훨씬 빠르게 만드는 방법이고,

XPO는 현재 검증된 속도의 레인을 많이 병렬로 배치하는 방법입니다.

​

USFP는 장기적으로 작은 공간에서 높은 대역폭을 구현할 잠재력이 있지만, 400G/lane 신호 무결성, 발열, 커넥터 및 제조 수율 등에서 해결할 문제가 많습니다.

​

XPO는 200G/lane을 사용하므로 레인당 속도에 따른 기술적 위험은 상대적으로 작습니다. 대신 64개 레인을 집적한 대형 모듈의 제조 수율, 액체냉각 연결부, 대형 모듈 하나가 고장 났을 때의 영향을 관리해야 합니다. 가까운 시점의 상용화 현실성에서는 XPO의 접근 방식이 매력적입니다.

​

중요한 건 플러거블 방식에서도 총 대역폭을 늘릴 방법이 계속 나오고 있다는 사실입니다. 업계가 플러거블을 포기하고 NPO/CPO로 일괄 전환하는 상황은 아닙니다.

​

투자자 입장에서는

루멘텀(LITE) : 마찬가지입니다. USFP와 XPO 모두 광학 부품이 필요합니다. 레인당 속도가 빨라질수록 구현 난도가 높고 수율의 차이가 중요하다보니 USFP 쪽이 루멘텀의 경쟁역량을 더 부각시켜주는 쪽이긴 하겠지만 루멘텀 입장에서 볼 때 총 수요는 Scale-up, Scale-across, Scale-in 등 워낙 여러 갈래에서 더해지는 구조라 영향은 없을 거라고 봅니다.

셈텍(SMTC) : 100~200G/lane에서 LPO, XPO, NPO 관련 아날로그 기술을 모두 보유하고 있습니다. 이미 100~200G/lane 이후부터 이미 도달 가능 거리가 중요한 것이 아니라 전력효율과 신호무결성을 고려하는 쪽으로 옮겨온 상태이기 때문에 큰 차이는 없을 것으로 봅니다.

비아비(VIAV) : 비아비 입장에서도 큰 차이는 없을 듯 합니다. 800G도 여전히 CY27까지도 계속해서 도입되고 있는 것처럼, 1.6T, 3.2T도 꾸준히 도입될 예정입니다.

​

OCP - ③ NPO vs CPO : 효율성만큼이나 중요한 게 공급망과 유지보수

GPU 클러스터의 Scale-up Domain이 1,000개 이상의 XPU로 확대되면서 기존 구리 연결의 한계가 두드러지고 있습니다. 100G/lane 이상의 고속 SerDes 환경에서 구리 배선의 실용적인 전송거리가 약 1~3m 수준으로 제한됩니다. 이런 제약을 해결하는 두 가지 주요 구조가 NPO와 CPO입니다.

​

CPO(Co-Packaged Optics)는 광학 엔진을 ASIC 패키지에 직접 통합합니다. 전기적 경로가 5mm 정도로 가장 짧아 고속 신호를 처리하기 유리합니다.

NPO(Near-Packaged Optics)는 광학 엔진을 ASIC 가까이에 배치하지만 별도 모듈로 구성할 수 있습니다. CPO보다 전기적 경로가 5cm 정도로 길어지는 대신 제조, 유지보수 및 공급망 다변화 측면에서 유리합니다.

​

OCP에서는 NPO가 단순한 연구개발 단계를 넘어 실제 Scale-up 네트워크에 도입되기 시작했다는 점이 확인됐습니다. 미국과 중국 모두 비슷한 방향으로 움직이고 있지만 고객별 도입 시점과 대역폭에는 차이가 있습니다.

​

Scale-up 네트워크에서의 NPO 도입 일정들을 정리해보면

​

미국:

엔비디아: CY27 VR300 3.2T NPO OE 600만 개 → CY28 VR300 3.2T NPO OE 1970만 개 → CY2H28 이후 Feynman에서는 6.4T NPO/CPO OE를 동시 개발 중

아마존: CY27 0개 → CY28 Trainium 4 6.4T NPO OE 1200만 개

AMD: CY27 MI500 6.4T NPO OE 50만 개 → CY28 MI550 6.4T NPO OE 170만 개

타 CSP들: CY27 0개 → CY28 900만 개

​

중국:

화웨이: 3Q27부터 Scale-up에 7.2T NPO 모듈 채택한 Atlas 960E SuperPod 양산

알리바바: CY26 3.2T NPO 소량 채택 → CY27 3.2T 양산/6.4T 소량 → CY28 6.4T 양산

텐센트: CY26 NPO SuperNode 도입 시작 계획

바이트댄스: Dayu 3.0 광연결 아키테처 추진 계획, 일정은 미공개

바이두: NPO 기반 Scale-up을 지지했으나, 일정은 미공개

이번 OCP에서는 Open CPX라는 NPO 표준도 논의됐습니다. Open CPX는 ASIC 주변에 장착하는 6.4T/7.2T급 광학 모듈을 정의하며, 내장형 레이저(ILS)와 외장형 레이저(ELS)를 모두 허용합니다. TeraHop이 제안한 방식도 주목할 만합니다. 레이저를 ASIC 내부에 넣는 것이 아니라 ASIC 가까이에 배치한 NPO 엔진에 통합하고, 별도의 냉각판을 사용하는 방식입니다.

​

풀어서 설명하자면:

CPO는 전력 효율과 고속 확장성에서 구조적으로 유리합니다.

​

반면 NPO는 광학 엔진을 별도 모듈로 공급할 수 있어 하이퍼스케일러가 특정 ASIC 업체나 광학 업체에 종속되는 부담을 줄입니다. 하이퍼스케일러는 장기간 안정적으로 대규모 AI 인프라를 운영해야 하므로 특정 업체만 부품을 공급할 수 있다는 위험을 굉장히 중요하게 평가합니다.

이런 관점에서 NPO의 공급망 다변화와 모듈화는 CPO의 전력 효율 우위를 상당 부분 상쇄할 수 있는 요소입니다.

​

NPO의 핵심 시장은 향후 2~3년에 걸쳐 확대될 가능성이 있습니다. 특히 중요한 시점은 CY28입니다. 엔비디아의 물량 확대에 더해 아마존, AMD 및 기타 CSP의 본격적인 도입까지 예상되기 때문입니다.

​

또한 3.2T에서 6.4T로 넘어가더라도 반드시 레인당 속도를 두 배 높여야 하는 것은 아닙니다. 400G/lane을 이용하면서 레인 수를 늘리는 방법으로 총 대역폭을 확장할 수 있습니다. 이러한 전략이 성공한다면 NPO는 CPO보다 전기적 전송거리가 길다는 약점에도 불구하고 상당한 기간 동안 활용될 수 있습니다.

​

NPO의 성장 기간이 길어지는 이유는 기술 발전이 느려서가 아니라, 레인 수 확대와 모듈화를 통해 기존 아키텍처를 계속 활용할 수 있기 때문입니다. 실제 메타도 102.4T급 차세대 스위치에서 NPO와 CPO 중 어느 쪽을 채택하겠느냐는 질문에 두 방식 모두 고려한다는 입장을 밝혔습니다.

​

다만 장기적으로는 NPO 역시 한계가 있습니다. 메타는 448G급 SerDes부터 선형 NPO 구조가 신호 무결성 문제에 직면할 수 있으며, 이를 해결하려고 리타이머를 추가하면 확보했던 전력과 비용 이점이 줄어든다고 설명했습니다.

​

투자자 입장에서는

루멘텀(LITE) : Open CPX는 표준화된 광학 엔진과 레이저 공급망을 구축할 기회를 제공합니다. NPO와 CPO 가운데 어느 구조가 확대되더라도 광원 시장에 참여할 여지가 있습니다. 어느 쪽이건 광학을 칩에 가까이 붙이면 붙일수록 루멘텀 입장에서는 순풍입니다.

NPO OE 생산량이 늘어날수록 레이저와 광학 부품의 잠재 수요가 증가합니다.

셈텍(SMTC) : NPO 광학 엔진에 사용되는 TIA와 MZM 드라이버, 전기 신호처리 부품의 수요가 확대될 수 있습니다. 특히 NPO 도입 기간이 길어지는 시나리오가 긍정적입니다.

비아비(VIAV)​ : 루멘텀과 비슷한 입장입니다. NPO/CPO 테스트 장비를 새롭게 만들어서 판매하고 있기 때문에, NPO건 CPO건 어떤 구조가 채택되더라도 광학을 칩에 가까이 붙이고 테스트 복잡도가 크게 높아질수록 비아비 입장에서 순풍입니다.

​

OCP - ④ ELS vs ILS : 레이저를 어디에 둘 것인가, 신뢰성 데이터가 말해주는 것

이번 OCP에서는 광학 엔진 자체보다 레이저를 어디에 배치하고 어떻게 유지보수할 것인가가 중요한 주제로 다뤄졌습니다. ELS(External Laser Source)는 레이저를 광학 엔진에서 분리하고 외부 광원 모듈로 공급하는 구조입니다. ILS(Integrated Laser Source)는 레이저를 광학 엔진에 통합합니다.

​

두 방식은 서로 다른 장단점을 갖고 있습니다.

일단 먼저 ELS / ILS를 놓고 비교하자면

​

레이저 배치 → 광학 엔진 외부 / 광학 엔진 내부

주요 장점 → 열 관리, 독립 교체, 광원 공유 / 광손실 감소, 구조 단순화

주요 부담 → 추가 광손실, 광연결부 증가(비용부담) / 레이저 고장 시 유지보수 부담

요구 광출력 → 상대적으로 높음 / 상대적으로 낮음

​

ELS는 레이저를 외부로 분리하기 때문에 추가적인 광결합과 커넥터에서 손실이 발생합니다. 추가 손실은 3dB 이상입니다.

3dB의 광손실은 빛의 출력이 대략 절반으로 감소한다는 의미입니다. 예를 들어 ILS에서 100mW의 레이저 출력으로 충분하다면, ELS에서는 광손실을 보상하기 위해 200~300mW 이상의 출력이 필요합니다.

​

CPO 신뢰성 데이터가 공개됐습니다

위 사진의 내용에 담겨 있는 내용인데 CPO 광학 엔진 자체는 상당히 안정적이었지만, 관찰된 장애 가운데 약 83~85%가 ELS 모듈에 집중됐습니다. 다만 여기서 중요한 건 원인입니다.

​

장애 원인이 레이저 다이오드 자체가 아니라 레이저 구동 회로의 SMT 부품으로 특정됐으며, 설계를 수정한 뒤 개선 효과를 확인했다고 밝혔습니다. 레이저가 ELS로 분리돼 있다면 해당 모듈을 독립적으로 교체할 수 있습니다. 반대로 ILS는 레이저의 고장이 광학 엔진 전체의 수리나 교체로 이어질 수 있습니다.

​

풀어서 설명하자면:

지금까지는 ELS가 광손실이 더 크다는 이유로 ILS보다 불리할 수 있다는 주장이 있었습니다. 그래서 ILS를 채택하려는 논의들도 꽤 있었습니다. 그런데 대규모 AI 인프라에서는 광효율만큼이나 장애 발생 시 얼마나 빨리 복구할 수 있는지가 중요합니다. 특히 수십~수백만 개의 광학 채널을 운영하는 환경에서는 레이저 하나의 고장 때문에 광학 엔진 전체를 교체하는 비용과 운영상 부담도 고려해야 합니다.

​

그래서 이런 것들을 고려하면 현실적으로 NPO에서도 ELS가 더 광범위하게 채택될 것으로 예상합니다.

​

지난 9월 9일 루멘텀의 Citi's 2026 Global TMT Conf.에서 디테일하고 기술적으로 새로운 내용들이 많이 나왔었기 때문에 9월 14일 주간전략보고에서 정리드렸던 바 있습니다.

당시 중요했던 포인트는 NPO 채택 시 ILS(통합 레이저)와 ELS(외부 레이저)가 50:50 정도인데 기술적으로 보자면 기존에 ILS를 검토하던 고객들도 ELS를 채택하는 흐름으로 가고 있다고 전해드렸었습니다. 이번 OCP에서 공개된 자료도 살펴보면 NPO에서 ELS 채택이 더 늘어날 근거들이 담겨 있습니다

​

루멘텀은 단순히 ELSFP 폼팩터에 레이저를 탑재하는 것만으로는 충분하지 않으며, 고온 환경에서의 안정성, 열 설계, 번인(Burn-in), 제조 품질 관리까지 검증되어야 한다고 강조했습니다. 루멘텀은 20년 이상 고출력 펌프 레이저를 양산해 온 경험을 CPO용 외부 광원에 활용하고 있습니다.

​

그리고 이번에 루멘텀이 OCP에서 공개한 ELS용 고출력 레이저 성능도 중요했습니다.

이번 OCP에서 공개한 DWDM UHP/ELSFP 플랫폼의 성능은:

​

광출력: 50°C에서 350mW 이상

전력변환효율(PCE): 50°C에서 20% 이상

레이저 선폭(Linewidth): 150~400mW 출력 구간에서 500kHz 미만

초고출력 레이저: 칩 출사면(Facet) 기준 800mW(이건 6.4T에서 사용할 SHP입니다)

​

루멘텀은 CPO가 일부 Scale-out 네트워크에서 가까운 시일 내 도입될 것으로 예상하지만, GPU와 광엔진이 더욱 가까워지는 Scale-up 아키텍처에서는 최적의 레이저 배치 방식이 아직 확정되지 않았다고 설명했습니다. 루멘텀은 요즘 1060nm VCSEL을 밀고 있습니다.

​

투자자 입장에서는

루멘텀(LITE) : 세 기업 가운데 이 주제의 가장 직접적인 수혜 후보입니다.

특히 CPO는 이미 거의 100% ELS이기 때문에 NPO에서도 ELS가 ILS보다 더 많이 채택될 것인가가 중요합니다. 고출력의 광원을 요구하고, 칩에 더 가까이 붙고 하는 방향일수록 ASP가 높아지고 수혜강도가 커지는 느낌이라고 이해하시면 됩니다. 구체적으로 보자면 300~400mW UHP와 800mW SHP 레이저의 실제 고객 채택이 중요합니다.

셈텍(SMTC) : ELS와 ILS 선택 자체보다는 광학 엔진 내 TIA 및 드라이버 탑재 구조가 더 중요합니다. 어쨌든 NPO가 채택되는 방향이라면 셈텍 입장에서는 긍정적입니다. 따로 아날로그 IC를 떼어서 판매해도 돈을 벌 수는 있지만 NPO에서는 FiberEdge 칩으로 그대로 판매할 수 있어서 그렇습니다. 이게 하이퍼스케일러들의 생각도 엔비디아나 브로드컴처럼 특정 기업이 모든 것을 생산하는 CPO 구조보다는 NPO 구조를 원하고 있어서 셈텍과 이해관계가 맞아떨어지는 상태입니다.

비아비(VIAV) : 여기도 큰 방향에서 NPO/CPO 도입이 늘어나면 테스트 장비 수요도 높아지니 순풍입니다.

​

OCP - ⑤ Scale-up 광원 : 1060nm VCSEL로 PCIe까지 광연결 확대

루멘텀, 아스테라랩스, 코닝은 이번 OCP에서 1060nm VCSEL 기반 광학 PCIe 연결을 시연했습니다. Scale-up과 Scale-in에서 VCSEL의 잠재력은 9월 28일 주간전략보고에서 전해드린 바 있습니다.

​

루멘텀은 VCSEL 어레이를 통해 채널당 32Gb/s NRZ 신호를 생성합니다.

코닝은 멀티모드 광섬유(MMF)를 제공합니다.

아스테라랩스는 Scorpio PCIe 스위치를 통해 연결을 구성합니다.

​

목표는 기존에 구리선으로 연결하던 GPU 및 PCIe 시스템을 광섬유로 확장하는 것입니다. 이번 시연은 다수의 상대적으로 저속인 채널을 병렬로 사용하는 접근 방식입니다.

​

풀어서 설명하자면

기존 광통신 기술은 주로 스위치-to-스위치, 서버-to-스위치를 연결하는 Scale-out 네트워크에 사용됐습니다. 그런데 GPU/XPU 클러스터 규모들이 커지면서 랙 내부와 여러 랙에 걸친 PCIe 연결에서도 구리선의 전송거리와 신호 품질 문제가 중요해지고 있습니다.

​

이때 무조건 채널당 전송속도를 200G/lane나 400G/lane까지 높이는 방법만 있는 것은 아닙니다. VCSEL을 활용해 상대적으로 낮은 속도의 광채널을 다수 병렬로 구성하면, 짧은 거리에서 높은 집적도와 전송 용량을 확보하는 방향도 가능합니다. 광학 연결 시장이 Ethernet 네트워크 밖의 PCIe 영역으로 확장될 가능성을 보여준다는 점에서 중요합니다.

​

투자자 입장에서는

루멘텀(LITE) : ELS용 고출력 CW 레이저뿐 아니라 VCSEL을 통한 Scale-in 및 Scale-up 광연결 시장에도 진입할 수 있습니다. 기존 스마트폰 3D 센싱용 VCSEL 생산 경험을 활용할 수 있다는 점도 긍정적입니다.

셈텍(SMTC) : 이번 시연 자체가 기존 고속 Ethernet용 TIA 및 드라이버의 직접적인 수요 증가를 입증하는 것은 아닙니다. PCIe 광연결용 아날로그 반도체에서 별도 설계 채택을 확보할지가 중요합니다. 그래도 보통 웬만한 광모듈 기업들과 협력하고 있어서 채택 자체는 될 것으로 예상하곤 있습니다.

비아비(VIAV) : PCIe 광연결이 확산된다면 다채널 광학 신호 및 시스템 신뢰성 테스트라는 추가 시장이 생길 수 있습니다.

실제 수혜 여부는 관련 테스트 장비의 고객 채택에 달려 있습니다.

​

OCP - ⑥ NPO/CPO 테스트 장비 : 양산 수율과 신뢰성 확보가 어려워지는 문제

이번 OCP에서 주목할 부분은 NPO/CPO 양산의 병목이 광학 정렬(Optical Alignment)에서 테스트 처리량(Throughput)으로 이동하고 있다는 점입니다. NPO/CPO의 대량 생산이 중요해지고 있지만, 광학 엔진을 얼마나 빠르게 검사할 수 있느냐가 새로운 과제입니다.

​

핵심은 세 가지입니다.

​

① 광학 정렬보다 테스트 시간이 더 큰 병목으로 부상하고 있습니다.

​

광학 엔진과 광섬유를 정밀하게 연결하는 광학 정렬 시간은 기술 발전으로 수초에서 일부 공정에서는 1초 미만까지 단축됐습니다. 반면 단일 PIC(Photonic Integrated Circuit)의 전체 테스트에는 여전히 100초 이상이 소요될 수 있습니다. 따라서 테스트 시간을 줄이면서도 정확도와 신뢰성을 유지하는 것이 양산의 중요한 과제가 됐습니다.

​

② 개별 계측장비보다 광-전기 통합 테스트 플랫폼의 중요성이 높아지고 있습니다.

​

CPO 테스트에는 레이저 소스, 광스위치, 광파워미터, 광스펙트럼 분석기 등 다양한 광학 계측장비가 필요합니다. 여기에 초고속 전기 신호 측정과 자동화 테스트도 함께 수행해야 합니다. 문제는 이런 고가의 계측장비를 테스트 스테이션마다 개별적으로 설치하면 설비 투자비가 증가하고 장비 활용률도 낮아진다는 것입니다. 따라서 여러 테스트 스테이션이 계측장비를 공유하고, 통합 소프트웨어로 광학-전기 측정을 제어하는 방식이 중요해지고 있습니다.

산업의 경쟁도 개별 계측장비의 성능에서 전체 테스트 셀을 얼마나 효율적으로 운영하느냐로 확대되고 있습니다.

​

③ Advantest와 Teradyne를 중심으로 통합 플랫폼 경쟁이 본격화되고 있습니다.

​

기존 ATE 업체들이 광학 계측 역량을 확보하면서 광-전기 통합 테스트 플랫폼 시장에 진입하고 있습니다.

​

Advantest : 기존 ATE 플랫폼에 외부 광학 계측장비를 통합하는 전략입니다. 2026년 9월 비아비 솔루션스 및 SENKO와 협력을 발표했으며, ECOC에서는 CPO 모듈의 양산 테스트를 모사한 워크플로를 시연했습니다.

Teradyne : 2025년 광학 테스트 전문기업 Quantifi Photonics를 인수하면서 광학 계측 역량을 내재화했습니다. 기존 반도체 ATE 사업과 광학 테스트 기술을 결합하는 전략입니다.

​

풀어서 설명하자면:

지금까지 광학 엔진을 양산할 때 중요한 과제 중 하나는 광섬유와 광학 칩을 얼마나 정밀하게 정렬하느냐였습니다. 광학 정렬에 오랜 시간이 걸리거나 정렬 오차가 발생하면 생산성이 떨어지기 때문입니다. 그런데 정렬 속도가 빨라지면서 이제는 정렬을 마친 광학 엔진을 얼마나 빠르고 정확하게 검사하느냐가 중요해지고 있습니다.

​

투자자 입장에서는

루멘텀(LITE) : UHP CW 레이저와 VCSEL, 광학 엔진 등 생산량이 확대되는 제품의 제조 수율과 신뢰성 확보가 중요해집니다. 테스트 자동화와 처리량 개선은 양산 비용을 줄이는 데 긍정적이지만, 루멘텀은 검사장비 공급업체가 아니라 검사장비를 활용하는 광학 부품 공급업체라는 점에서 수혜의 성격이 다릅니다.

어쨌든 모든 생산에서의 병목이 풀릴수록 더 고출력 광원 레이저 출하량도 늘어날 것이므로 간접 수혜이긴 합니다.

셈텍(SMTC) : 테스트와 관련해서 직접적인 수혜는 없습니다. NPO쪽으로도 출하가 늘면 수혜라고 볼 수도 있겠지만 루멘텀보다도 더 간접적이긴 합니다.

비아비(VIAV) : 비아비는 광학 및 고속 계측장비 공급업체로 분류되며, 2026년 9월 Advantest-SENKO와의 협력을 통해 CPO 양산용 통합 테스트 플랫폼에 참여하고 있습니다. CPO 양산이 본격화될수록 고객에게 검증된 통합 테스트 솔루션을 제공한다는 점이 유리할 수 있습니다.

셈텍 Data Center Analyst Day : 달라진 건 없습니다

​

셈텍(SMTC)이 Data Center Analyst Day를 열고 FY2030 장기 재무 목표와 데이터센터 사업부 성장 전략을 공개했습니다. 당일 주가는 -10% 마감했습니다. FY2029~FY2030의 성장률이 예상보다 낮게 제시된 것이 주된 이유였지만, 기술 로드맵이나 수요 전망에 부정적인 변화가 나타난 것은 아닙니다.

​

먼저 (1) Analyst Day 핵심 내용을 정리한 뒤, (2) 주가 하락에 대한 함의점과 생각으로 넘어가겠습니다.

​

(1) Data Center Analyst Day 핵심 정리

셈텍이 처음으로 FY2030 장기 재무 목표를 공개했습니다.

​

FY2030 데이터센터 매출 $2.1B, 전체 매출 $3.2B 목표

CY2029(FY2030) 3개년 장기 재무 목표는 처음으로 밝혔습니다:

​

FY30 전체 매출 목표는 $3.2B(FY26~FY30 CAGR +38%)입니다.

데이터센터 매출 목표는 $2.1B(FY26~FY30 CAGR +75%)입니다.

LoRa 사업도 FY26~30 CAGR +30% 성장을 목표로 했습니다.

Adj GPM 70%, Adj OPM은 48~50%, Adj EPS는 $12.40~13.00 목표입니다.

​

데이터센터가 전체 매출 66%를 차지하고, 높은 매출 성장률과 함께 수익성도 크게 개선되는 그림입니다.

​

FY3Q27 가이던스도 상향 조정

장기 목표와 별개로 당장 이번 분기인 CY3Q27(FY3Q27)의 가이던스도 상향했습니다:

​

매출: 기존 $410M → 신규 $417.5M

Adj GPM: 기존 58.3% → 신규 59.0%

Adj OPM: 기존 31.0% → 신규 33.0%

Adj EPS: 기존 $1.05 → 신규 $1.14입니다.

​

매출뿐 아니라 마진과 EPS도 동시에 상향했습니다. 특히 Adj OPM은 기존 대비 2.0%p 높아졌습니다.

​

데이터센터 사업의 성장 전략 ⓐⓑⓒ

데이터센터 사업의 성장 전략은 크게 세 가지입니다:

​

인터커넥트 고속화에 따른 저전력 신호처리 수요 증가

광학과 구리 인터커넥트 전반으로 제품 포트폴리오 확대

하이퍼스케일러 및 광모듈 제조사와의 공동 설계 강화

​

핵심은 800G → 1.6T → 3.2T로 발전할수록 셈텍이 광모듈 한 개에서 가져가는 콘텐츠 금액이 증가한다는 것입니다. 셈텍의 세부적인 FiberEdge, CopperEdge, HieFo를 통한 광원 제조업체로의 전환 전략은 셈텍 2Q26 실적발표 : 생각보다 더 빨리 온 1.6T 변곡점, 한 분기 사이 생산능력 완판에서 전해드린 것에서 따로 업데이트된 코멘트나 숫자는 없었습니다.

​

CY2025(FY2026) 데이터센터 매출이 $223M이었고, 이번 분기 CY2Q26(FY2Q27) 데이터센터 매출이 $100M(YoY +91%, QoQ +31%)를 기록했습니다. 여기서부터 CY2029 기준 데이터센터향 매출이 $2.1B까지 올라가려면 다년치 공급망 약정을 키우고 생산능력 확충도 동시에 해야 하는 만큼 애널리스트 데이 이틀 전인 10월 13일 Tower Semi와의 다년간 SiGe 생산능력 확대 계약을 발표하기도 했습니다.

​

기술 로드맵에서는 NPO 물량이 CY27 말부터 본격화될 것으로 전망했으며, 300G 포토다이오드는 OFC 2027에서 시제품을 시연할 계획이라고 밝혔습니다.

​

(2) 함의점과 생각

이에 대한 개인적인 생각들을 쭉 정리해봅니다.

​

FY2029~FY2030의 데이터센터 성장률을 보수적으로 제시했습니다

이번에 주가가 -10% 하락한 가장 중요한 이유입니다.

​

셈텍은 이전부터 FY2028까지 데이터센터 매출이 매년 두 배 이상 성장할 것이라고 설명해 왔습니다. FY2026 매출 $223M을 기준으로 매년 두 배씩 성장한다고 단순 계산하면 다음과 같습니다. 회계연도별 데이터센터 매출은 FY26 $223M → FY27 $446M+ → FY28 $892M+ → FY30 $2.1B가 됩니다.

​

문제는 FY2028까지 매출이 매년 100% 성장하다가 FY2029~FY2030에는 연평균 성장률이 약 53%로 낮아지는 구조라는 것입니다. 그런데 FY2028 이후에도 1.6T 광트랜시버의 보급이 확대되고, 3.2T 및 NPO/CPO 도입이 본격화될 예정입니다.

그렇다면 왜 FY2030 데이터센터 매출은 $2.1B에 머무르는 것일까요?

​

이것이 Analyst Day Q&A에서 처음 제기된 질문이었습니다.

​

Susquehanna의 크리스토퍼 롤랜드는 경영진에게 FY2029~FY2030 성장률이 앞선 2년에 비해 크게 둔화되는 것처럼 보인다며, 장기 전망의 불확실성 때문인지 아니면 실제 사업에서 둔화 조짐을 감지하고 있는 것인지 물었습니다.

​

이에 대한 마크 린 CFO의 설명이 중요했습니다.

​

FY2027(CY26) : 이미 확보한 수주잔고를 기반으로 성장 전망을 제시했습니다.

FY2028(CY27) : 마찬가지로 이미 확보한 수주잔고를 기반으로 하여 아직은 매출로 연결되지 않은 하이퍼스케일러와 광모듈 기업들향 Design Win까지 반영했습니다.

FY2029~FY2030(CY28~CY29) : 시장 전체의 성장률 가정을 적용했습니다.

​

그리고는 셈텍 경영진은 "향후 수요 둔화 조짐을 관찰하고 있는 것이 아니다"라고 명확하게 밝혔습니다. 또한 FY2030 재무 목표에 대해서도 "이것은 가이던스나 예상이 아닌 내부적인 목표입니다.(Targets and goals, not guidance or forecasts.)"라고 강조했습니다. FY2028까지는 수주잔고와 Design Win이라는 구체적인 근거가 있지만, 그 이후에는 보수적인 시장 성장률을 적용했다는 이야기입니다.

​

제가 보기에는 셈텍이 원래 그랬던 것처럼 장기 전망을 신중하게 제시한 것에 가깝습니다. 수요나 공급망에서 부정적인 변화가 발견된 것이 아니며, 새로운 기술적 문제가 발생했다는 설명도 없었습니다.

​

단기적으로는 아쉽게 느껴질 수 있지만, 펀더멘탈이 개선되는 과정에서 지속적으로 Beat and Raise를 보여주는 편이 장기적으로 더 낫다고 생각합니다. 미국 성장주 기관투자자들은 실적 가시성과 경영진의 가이던스 신뢰도를 중요하게 평가합니다. 아직 확실하지 않은 미래까지 무리하게 약속하지 않는 것도 재무적으로 관리가 잘 되고 있다는 인상을 만드는 방법입니다.

​

따라서 이번 FY2030 목표만으로 셈텍의 장기 성장성이 훼손됐다고 판단할 이유는 없습니다.

​

HieFo를 통한 콘텐츠 금액 확대도 FY2030 목표에 제한적으로 반영됐습니다

또 하나 중요했던 질의응답은 HieFo에 관한 내용이었습니다.

​

셈텍은 현재 800G FRO 광모듈에서 약 $8의 콘텐츠 금액을 확보하고 있으며, 3.2T FRO/LPO에서는 이를 약 $80까지 확대하는 로드맵을 제시하고 있습니다. 여기에 HieFo를 통해 광원 제조 역량까지 통합한다면 이론적으로는 모듈당 콘텐츠 금액이 $100 이상으로 높아질 가능성도 있습니다.

​

B. Riley의 크레이그 앨리스는 이러한 HieFo의 잠재력이 FY2030 데이터센터 매출 목표 $2.1B에 얼마나 반영돼 있는지 물었습니다.

​

홍 허우 CEO의 답변은 다음과 같았습니다. "아주 제한적인 수준만 반영했습니다. 우리가 생각하는 잠재력에 가까운 수준조차 모델에 넣지 않았습니다." HieFo를 통한 광원 사업 확대의 잠재력이 FY2030 재무 목표에 충분히 반영되지 않았다는 의미입니다.

​

셈텍은 이번 Analyst Day에서 엔지니어들을 대상으로 여러 기술적 데이터를 공개했지만, 재무적으로는 아직 가시성이 낮은 사업 기회까지 세부적으로 반영하려 하지 않았습니다.

NPO/CPO와 HieFo 관련 고객 프로그램이 하나씩 현실화되면, 현재의 $2.1B 목표를 상향할 여지가 충분히 남아 있습니다.

​

이번 Analyst Day 이후에도 셈텍의 핵심 투자 논리는 달라지지 않았습니다. 800G에서 1.6T, 3.2T로 발전할수록 광모듈당 콘텐츠 금액이 확대되고, 구리 및 광학 인터커넥트와 NPO/CPO 전반으로 사업 영역을 넓혀가는 전략입니다.

포티넷(FTNT)

​

포티넷FTNT은 Overweight을 유지합니다. CY27 PER 42.3배(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)

​

AI가 취약점을 더 잘 찾아낼수록, 사이버보안의 중요성이 높아진다

오픈AI가 사이버보안 사업 확대를 위해 Trail of Bits 인수를 추진 중입니다:

​

이번 인수 추진은 오픈AI가 사이버보안을 새로운 사업 영역으로 키우려 한다는 점에서도 중요하지만, AI가 사이버보안 산업을 어떻게 바꾸고 있는지 보여주는 사례라는 점에서 더 흥미롭습니다.

​

Trail of Bits가 지난 6월부터 오픈AI와 진행한 Patch the Planet 프로젝트의 성과를 보면, 첫 일주일 동안 19개 오픈소스 프로젝트에서 수백 건의 버그를 발견하고 64개의 수정 요청(Pull Request)과 51개의 이슈를 제출했습니다. 특히 GPT-5.5-Cyber와 Codex를 활용해 기존 보안 전문가가 이전에 2~3주에 걸쳐 구축해야 했던 취약점 탐색용 퍼징(Fuzzing) 환경을 하루 만에 완성했습니다.

​

투자 관점에서는 사이버보안 산업 전체에 상당히 긍정적인 환경이라고 생각합니다. 프론티어 모델의 지능이 높아질수록 새로운 취약점을 찾아내는 능력도 높아지고, 그에 맞춰 기업들이 요구하는 보안 수준도 계속 높아지는 구조입니다. 이런 점에서 사이버보안을 AI 발전에 따른 구조적 성장 산업 중 하나로 보고 있습니다.

직접 공급망을 확인하는 호국신산

CapEx 상향 & 미국으로의 특파원 파견 (3Q26 실적발표)

​

TSMC Taiwan Semiconductor Manufacturing Co : AI HW 공급망 그자체

10월 15일 TSMC 3Q26 실적의 핵심만 정리해봅니다:

​

CY27에도 매출 YoY 39% 성장 전망

3Q26 매출 $46.72B(컨센 $44.93B)로 YoY 41%, EPS $4.60(컨센 $4.48), GPM 66.4%, OPM 58.7%, NPM 51%대입니다.

​

4Q26 가이던스는 매출 $52.3~54.3B로 중간값 기준 YoY 58%, GPM 65~67%입니다. CY27에도 매출 YoY 39% 성장을 전망했습니다. 해외 생산시설 확장에도 CY27~CY28 마진율은 Flat을 예상했습니다.

​

CY26 CapEx $60~64B로 상향 : 기존 증설 계획으로는 수요 감당 어려워

CY26 CapEx 가이던스를 연초 $52~56B에서 $60~64B로 상향했습니다. CY25 CapEx $40.9B 대비 중간값 기준 YoY 52% 증가하는 규모입니다. CapEx의 70~80%는 첨단공정, 약 10%는 특수공정, 나머지는 첨단패키징/테스트/마스크 제작에 투입됩니다.

​

TSMC는 향후 3년간 CapEx가 과거 3년보다 훨씬 더 큰 규모로 확대될 것이라고 밝혔습니다. 기존 생산능력 확대 계획만으로는 중장기 고객 수요를 충족하기 어렵다고 판단하고 있습니다.

​

AI 가속기 매출 CAGR 50% 중후반 : 데이터센터 건설 현황까지 직접 검증

TSMC는 나름 AI 산업의 수비수 역할도 하고 있습니다. 고객사의 주문을 그대로 받아 생산능력을 늘렸다가 칩이 잉여가 되는 상황을 경계하고 있기 때문입니다. 이를 위해 미국에 직접 인력을 파견해 CSP들의 데이터센터 건설 진행률과 위치, 설치 랙 수, 전력 확보 상황 등을 자체적으로 검증하고 있습니다. 현재까지 확인한 실제 인프라 구축 현황에 대해서는 긍정적으로 평가했습니다.

​

인텔 EMIB-T 증설을 오히려 환영하는 TSMC

TSMC는 인텔의 EMIB-T 생산능력 확대를 환영한다고 답했습니다.

​

현재 첨단패키징 공급부족이 너무 심각해서 TSMC의 전공정 웨이퍼 사업 성장까지 제약하고 있기 때문입니다. TSMC가 제조한 웨이퍼를 인텔 EMIB-T와 같은 외부 패키징 기술로 처리할 수 있다면 고객들은 최종 제품을 더 많이 출시할 수 있습니다. TSMC 입장에서는 일부 후공정 매출을 다른 기업에 넘겨주더라도 매출의 대부분을 차지하는 전공정 웨이퍼 사업을 더 크게 확대할 수 있다는 논리입니다.

​

기타 코멘트 : CPO, 아날로그 칩

광엔진에 대해서는 COUPE 생산이 이미 시작됐으며 앞으로 생산량을 확대할 것이라고 밝혔습니다.

아날로그 반도체 전반이 공급부족인 상황은 아니라고 설명했습니다. 다만 AI 데이터센터와 직접 연결되는 ①PMIC와 ②센서 관련 반도체는 수요가 강하다고 밝혔습니다.

반대로 일반 소비자용 제품을 중심으로 한 성숙공정 수요는 상대적으로 약한 상태입니다. 이 분야는 늘 밸류체인별로 전방 수요를 잘 따져봐야 합니다.

Magnificent 7

Frontier AI Labs ARR $150B(YoY +408%), OCS 역할, TPU 변화, MAI-Base-2, 증류 방어

*왼쪽 테이블 : 2026년 10월 18일 EPS 추정치를 변경했습니다.

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

엔비디아, 26년 PER 23배 / 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)

​

프론티어 AI 시장 전체의 ARR은 $150B, YoY +408%

​

업계에서 추정하는 2026년 9월 말 기준 프론티어 AI 서비스의 합산 ARR은 $150B, YoY +408%입니다.

​

오픈AI : Gross 기준 $70B

앤스로픽 : $70B

Cursor / xAI : $6.0B

Gemini Enterprise : $4.1B

​

ARK는 공개 자료와 자체 추정치를 결합했으며, 클라우드 인프라 임대 매출(IaaS)은 제외했습니다. 중요한 건 앤스로픽 한 곳이 아니라 프론티어 AI 서비스 시장 전체를 봐야 한다는 점입니다.

​

올해 하반기부터 GB200/GB300 클러스터를 기반으로 학습한 새로운 프론티어 모델들이 출시되면서 오픈AI뿐 아니라 메타, 스페이스X 등도 경쟁력을 높이고 있습니다. 여기에 중국 AI Labs들의 Open-weight 모델의 추론 수요까지 감안하면 실제 AI 컴퓨팅 시장은 두 기업의 ARR보다 훨씬 넓습니다.

​

정리하자면 Bird-eye view로 최근의 달라진 동향을 인식하지 못하고 앤스로픽의 ARR 성장률에 집중하는 동안 AI 모델과 추론 컴퓨트에 대한 전체 수요는 계속 정상적으로 확대되고 있다는 의미입니다.

​

오픈AI와 앤스로픽의 ARR을 비교할 때는 Gross/Net 차이를 고려해야 합니다

앤스로픽은 IPO를 준비하는 과정에서 투자자들에게 3Q26 매출과 수익성 지표를 공개한 것으로 전해졌습니다.

​

3Q26 매출 : $16.8B

Non-GAAP GPM : 85%

Non-GAAP OPM :​ 11%

FCF : Positive

​

여기서 9월 말 ARR은 직접 공개된 확정치가 아니라 분기 매출과 기존 ARR을 이용해 추정해야 합니다. 7월 말에 공개됐던 ARR '$65B'를 기준으로 계산하면 두 가지 시나리오가 가능합니다.

​

7월 매출을 $65B ÷ 12로 계산하고 월별 성장률이 일정하다고 가정하면 9월 말 ARR은 약 $69B입니다.

7월 말에 $65B의 매출 속도에 도달했고 월중에도 매출이 계속 성장했다고 가정하면 9월 말 ARR은 약 $74B로 추정됩니다. 이 중에서는 두 번째가 더 현실적이라고 보고 있습니다. 따라서 9월 말 앤스로픽 ARR은 약 $74B를 기준으로 평가하고 있습니다.

​

그런데 오픈AI와 앤스로픽의 ARR을 비교할 때는 집계 방식에 차이가 있다는 점도 중요합니다.

​

2026년 4월 27일 마이크로소프트와의 수정 계약에 대한 설명에 따르면, Azure OpenAI API를 마이크로소프트가 직접 고객에게 판매하면서 발생하는 매출에 대한 오픈AI의 수익배분 구조가 변경됐습니다. 따라서 오픈AI가 인식하는 Net ARR만을 기준으로 비교하면 Azure를 통한 모델 이용 규모가 충분히 반영되지 않습니다.

​

앤스로픽에 대한 진짜 우려는 ARR 자체보다, '다년간 컴퓨트 계약'

앤스로픽의 ARR 성장 속도가 앞으로 둔화될 수 있다는 우려에도 합리적인 근거가 있습니다. 앤스로픽은 2H26 들어 AWS, GCP 및 여러 네오클라우드 사업자들과 대규모 컴퓨트 공급 계약을 체결했습니다. 문제는 이러한 계약 상당 부분이 다년에 걸쳐 있다는 것입니다.

​

만약 ARR 성장세가 예상보다 빠르게 둔화된다면 이미 약정한 컴퓨팅 자원이 필요 이상으로 많아질 수 있습니다. 과거 오픈AI의 대규모 컴퓨트 계약에 대해 시장이 제기했던 우려가 이제 앤스로픽에도 적용되는 상황입니다. 따라서 확인해야 할 것은 앤스로픽의 ARR 증가 속도가 이미 계약한 컴퓨트 용량과 비용의 증가 속도를 얼마나 잘 따라갈 수 있느냐입니다.

​

다만 개인적으로는 시장의 우려가 다소 과도하다고 보고 있습니다.

​

첫 번째, 프론티어 AI 시장에서는 컴퓨트가 모델 연구 경쟁력과 상용 서비스 공급능력을 동시에 결정합니다.

​

충분한 컴퓨트를 확보한 기업일수록 강력한 모델을 개발하고 더 많은 고객을 수용할 가능성이 높습니다.

따라서 대규모 컴퓨트 확보를 비용 부담으로만 보기보다는 미래의 매출과 연구 경쟁력을 위한 선제적 투자로 함께 평가할 필요가 있습니다.

​

두 번째로, 장기적으로 오픈AI와 앤스로픽의 경쟁력을 긍정적으로 보는 또 다른 이유는 모델 연구에 필요한 자원과 기술적 진입장벽입니다.

​

10월 5일 주간전략보고에서 전해드린 것처럼 앞으로 자체적으로 충분한 연구력(컴퓨팅 + 인재)을 갖춘 미국 프론티어 AI Labs들과 이들의 모델을 증류함으로써 RL 부족분을 메우던 중국 AI Labs들과의 격차는 더욱 벌어질 것으로 예상합니다(앤스로픽이 증류를 막고 나서 Qwen, GLM, Kimi 모델의 업데이트가 없는 것을 생각해보시면 됩니다). 모델 학습을 위해 사용할 RL 부족분이라는 게 상당히 큽니다.

​

10월 12일 주간전략보고에서 프론티어 AI Labs의 워크로드 비중에서 RL이 차지하는 비중이 3Q26 기준 53%까지 높아져있는 것을 보시면 아실 수 있습니다.

​

적어도 현재 앤스로픽과 오픈AI는 단기적으로 ARR 성장을 포기하면서까지 모델 증류를 철저하게 막고 있기 때문에, 글로벌 1등 AI Labs의 모델을 증류해서 따라잡던 전략은 힘을 잃게 됐습니다. 물론 3~4등인 메타나 스페이스X의 모델을 증류할 수도 있겠지만 오픈AI와 앤스로픽 등 미국 프론티어 AI Labs들의 지위가 장기적으로 더 공고해지는 효과를 만들 것을 예상할 수 있기에, 단기적으로는 앤스로픽 ARR에 대해서 시장이 크게 우려하지만 실제로는 앤스로픽 ARR도 알아서 잘 성장할 것이라 예상할 수 있습니다.

Ramp AI Index 데이터 : 토큰 소비량은 꾸준히 늘어나는 중

Ramp가 공개한 9월 AI Index 데이터를 정리해보면, 기업들의 AI 도입률 증가세는 둔화되고 있지만 실제 AI 사용량은 계속해서 증가하고 있습니다. 다만 AI 사용량 증가가 동일한 비율의 매출 증가로 이어지지는 않고 있다는 점도 중요합니다.

​

1. AI 채택률 55.9% : 기존 고객의 사용 확대를 기대할 시점

9월 기준 Ramp 고객사들의 AI 유료 도입률은 55.9%로, 전월 대비 0.62%p 증가했습니다. 8월의 증가폭은 0.40%p였습니다. 주요 AI Labs별 도입률을 보면 다음과 같습니다:

​

전체 기업들의 AI 도입률: 7월 54.8% → 8월 55.2% → 9월 55.9%(+0.4%p)입니다.

​

앤스로픽 : 7월 43.2% → 8월 43.5% → 9월 43.8%(+0.3%p)

오픈AI : 7월 39.5% → 8월 39.5% → 9월 40.6%(+1.1%p)

xAI : 7월 2.8% → 8월 3.5% → 4.1%(+0.6%p)입니다.

​

전체적으로는 AI를 새롭게 도입하는 기업의 증가 속도는 둔화되고 있습니다. Ramp의 수석 이코노미스트 Ara Kharazian도 기업들의 AI 도입이 S-Curve의 상단에 접근하고 있을 가능성을 제기했습니다. AI를 처음 도입하는 기업 수보다 이미 도입한 기업들이 얼마나 더 많이 사용하는지가 중요해지고 있다는 뜻입니다.

​

2. 직원당 AI 지출은 다시 증가하는 중

두 번째 차트에서는 기업들의 직원당 AI 지출을 비교했습니다.

​

특히 AI 지출 상위 1% 기업들의 직원당 월평균 지출은 9월 $9,568으로, MoM +11.7% 증가했습니다.

다만 7월의 최고치였던 $9,873보다는 여전히 3.1% 낮습니다.

​

반면 상위 10% 기업과 중위 기업의 직원당 AI 지출은 꾸준히 증가하고 있습니다. 여기서 중요한 건 기업별 AI 지출의 격차가 상당히 크다는 것입니다. Ramp에 따르면 오픈AI와 앤스로픽에서 발생하는 기업 지출의 약 80%가 상위 1% 고객사에서 나옵니다.

​

다만 7~9월 최상위 기업들의 지출이 주춤했던 것은 구조적인 수요 둔화보다는 GB200/GB300 클러스터로 학습한 새로운 모델들이 출시되고, GitHub Copilot, Muse Code, Grok Build 등 코딩 도구를 통한 사용이 확대되면서 발생한 일회적인 지출처 이동의 영향으로 보고 있습니다. 이러한 전환 과정에서 발생하는 지출 변동은 매월 반복되는 구조적인 요인이 아니라는 점이 중요합니다.

​

오히려 기업 전반의 AI 활용 확대를 판단할 때는 상위 10%와 중위 기업들의 직원당 AI 지출이 계속 증가하고 있다는 점에 주목할 필요가 있습니다. 이미 AI를 도입한 기업들이 더 많은 업무에 AI를 활용하면서 실제 지출까지 늘리고 있다는 근거이기 때문입니다.

​

3. 직원당 AI 지출은 다시 증가하는 중

세 번째 차트가 가장 흥미롭습니다.

​

Ramp 고객사들의 토큰 소비량은 2026년 들어 가파르게 증가하고 있으며, 9월 이후에도 상승세가 이어지고 있습니다. 반면 토큰 지출액은 8~9월 두 달 동안 사실상 정체됐습니다. 10월 초에야 다시 증가하면서 8월의 이전 최고치보다 1.5% 높은 수준에 도달했습니다. 토큰 사용량과 지출액 사이의 격차가 벌어지고 있습니다.

여기에는 프론티어 모델 가격 인하, 추론 효율 개선, 상대적으로 저렴한 모델의 활용 확대 등이 영향을 미치고 있습니다.

​

애플, 26년 PER 38배 / Underweight

애플 2Q26 실적발표 코멘트 / 주간전략보고 中 (바로가기)

애플 1Q26 실적발표 코멘트 / 주간전략보고 中 (바로가기)

애플 3Q25 실적발표 코멘트 / 주간전략보고 中 (바로가기)

​

미국 법무부, 애플과 반독점 소송 합의 협상 진행 중

10월 16일 The Information에 따르면 미국 법무부(DOJ)가 애플과 2024년 제기한 반독점 소송의 합의를 협상하고 있습니다. 법무부는 장기간 소송을 진행하기보다 합의를 통해 문제를 해결하는 방향을 선호하고 있습니다. 현재 협상의 초점은 아이폰과 외부 기기/서비스 간의 상호운용성(Interoperability) 개선에 맞춰져 있습니다.

​

대표적으로 ⓐ애플워치가 경쟁사 스마트워치보다 아이폰과 더 원활하게 연동되는 문제, ⓑ애플페이 이외의 결제 앱이 아이폰 NFC 기능을 동등하게 활용하기 어려운 문제 등이 있습니다. 애플은 이미 RCS 메시징을 도입하고 외부 결제 앱에 NFC 접근을 허용하는 등 일부 정책을 변경했습니다.

​

합의가 성사되더라도 애플의 개방은 제한적일 듯

트럼프 행정부에서는 장기간 소송보다 빠른 합의를 선호하는 기조가 강화됐습니다. 법무부 반독점국을 임시로 이끄는 스탠리 우드워드도 합의가 재판보다 소비자에게 빠르게 혜택을 제공하고 정부 비용을 줄일 수 있다고 판단하고 있습니다. 다만 애플이 개발사들이 요구하는 수준의 대규모 생태계 개방을 받아들일지는 불확실합니다.

차기 반독점국장 후보인 애덤 캔듀브의 상원 인준이 지연되면서 협상도 예상보다 길어지고 있습니다.

​

애플 입장에서는 합의가 성사되면 장기간 이어질 수 있는 반독점 소송의 불확실성을 줄일 수 있습니다. 반면 개발사들이 요구하는 앱스토어 정책 변화는 제한적으로 반영될 가능성이 있습니다.

​

구글, 26년 PER 29배 / 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)

​

구글과 OCS의 역할

​

구글 TPU 시스템에서 OCS의 역할에 대해서 정리해봅니다. 구체적인 OCS에 대한 내용은 구글 AI 인프라 총괄 인터뷰 : $200B를 쏟아붓는 구글, Goodput과 OCS가 중요한 이유 자료에서 보실 수 있습니다.

​

OCS의 본질 : 물질적인 네트워크 연결을 소프트웨어로 변경합니다

기존 EPS(Electrical Packet Switching)는 패킷을 전기적으로 처리하고 목적지를 확인해 데이터를 전달합니다.

​

반면 OCS는 광섬유에서 들어온 빛을 다른 광섬유로 직접 연결합니다. 구글이 사용하는 MEMS 기반 OCS는 미세한 거울의 각도를 조절해 입력 포트와 출력 포트 사이의 광 경로를 설정합니다. 핵심은 물리적인 광섬유 케이블을 다시 꽂지 않고도 네트워크의 연결 구조를 바꿀 수 있다는 것입니다.

​

한 번 경로를 설정하면 데이터를 패킷 단위로 해석하지 않고 빛을 그대로 전달합니다.

다만 OCS는 패킷 스위치를 완전히 대체하는 장치는 아닙니다. 물리적 광 회로를 설정하는 기술이므로 트래픽별 패킷 전달이나 라우팅은 다른 네트워크 구성 요소가 담당합니다.

​

TPU 장애 복구 : 고장난 장비 대신 예비 장비를 빠르게 연결합니다

대규모 AI 학습은 수많은 TPU가 동시에 작동하는 구조입니다. 예를 들어 10만 개 TPU 중 일부에서 장애가 발생했는데 필요한 통신 경로가 끊어지면, 영향을 받은 학습 작업을 중단하고 체크포인트부터 다시 시작해야 할 수 있습니다.

​

OCS가 없다면 고장난 장비를 교체하거나 시스템이 허용하는 다른 자원에 워크로드를 재배치해야 합니다. OCS를 사용하면 미리 준비해 둔 예비 TPU 랙으로 광 연결을 변경할 수 있습니다. 아민 바흐다트에 따르면 광 스위치의 경로 변경 자체는 밀리초 단위로 수행할 수 있습니다. 이것의 중요한 효과는 장애 복구 시간을 줄일 수 있다는 것입니다.

​

자원 스케줄링 : 떨어져 있는 정상 TPU들을 하나의 클러스터로 묶습니다

개인적으로 OCS의 역할 가운데 가장 중요한 부분이라고 생각합니다.

​

구글의 TPU v4 사례를 보면 이해하기 쉽습니다.

​

TPU v4는 4,096개의 TPU를 64개씩 묶어 64개의 Cube로 구성합니다. Cube 내부의 연결은 고정되어 있지만 Cube 사이의 연결은 OCS로 재구성할 수 있습니다. 예를 들어 256개 TPU가 필요한 학습 작업을 실행한다고 해보겠습니다. 고정형 네트워크에서는 필요한 연결 구조를 갖춘 256개의 TPU가 확보되어야 합니다. 이 중 일부 Cube에 장애가 발생하면 필요한 규모의 연속된 자원을 확보하기 어려워질 수 있습니다.

OCS를 사용하면 물리적으로 서로 떨어진 정상 Cube 네 개를 선택해 하나의 256개 TPU Slice로 구성할 수 있습니다.

​

이 구조에서는 전체 TPU 중 일부가 고장 나더라도 정상 장비를 재조합해 학습에 필요한 규모를 확보할 수 있습니다. 이것이 Scheduling Goodput을 높이는 핵심 원리입니다.

​

학습 속도 개선 : TPU의 통신 대기 시간을 줄입니다

OCS는 장애가 없을 때도 중요합니다.

​

대규모 분산학습에서는 All-reduce, All-gather, All-to-all 같은 통신 작업이 반복적으로 발생합니다. 각 TPU가 자신의 연산을 끝내더라도 다른 TPU로부터 필요한 데이터가 도착하지 않으면 다음 연산을 진행할 수 없습니다. 여기서 OCS는 워크로드의 통신 패턴에 맞게 TPU 그룹 사이의 연결을 재구성함으로써 통신 병목과 느린 경로에서 발생하는 대기 시간을 줄이는 데 도움을 줍니다.

​

OCP Global Summit 중 OCS에 대한 내용들

OCS와 관련해서는 루멘텀 관련에서 안 다루고, 여기로 정리해봤습니다.

​

2026년 10월 OCP Global Summit에서 루멘텀의 OCS 제품 책임자 Michael DeMerchant와 오라클 AI 인프라 아키텍트 Kannan Raj가 OCS의 대규모 데이터센터 도입에 대해 발표했습니다.

​

루멘텀은 올여름 동안 OCS 1,000대를 생산했으며, 장비 간 광 삽입손실(Insertion Loss)의 편차가 약 0.2dB에 불과했다고 밝혔습니다. 각 OCS의 무게는 약 50kg에 달하지만 광학 정렬, 보정, 테스트 공정을 완전히 자동화했습니다.

DeMerchant는 아무리 우수한 OCS를 설계하더라도 일주일에 5대밖에 생산하지 못한다면 실제 데이터센터에 대규모로 배치할 수 없다고 강조했습니다.

​

이번 발표의 핵심은 OCS의 기술적 성능뿐 아니라 대량생산 능력과 품질의 일관성을 입증했다는 점입니다.

​

광 삽입손실은 기존 광트랜시버 표준을 충족

루멘텀이 공개한 최근 OCS 1,000대의 1310nm 파장 기준 삽입손실 측정 결과는 다음과 같습니다.

​

Median : 약 1.2~1.45dB

98th Percentile : 약 1.6~1.9dB

장비 간 편차 : 발표자 설명 기준 약 0.2dB

​

OCS를 광통신 경로에 추가하더라도 기존 광트랜시버의 손실 예산 안에서 연결을 설계할 수 있다는 의미입니다. 다만 실제 연결에서는 광섬유와 커넥터 등에서도 손실이 발생하므로 전체 광 경로의 손실을 함께 고려해야 합니다. 중요한 것은 OCS가 데이터센터 내부의 단거리 연결부터 장거리 광통신까지 다양한 광 인터페이스와 호환될 수 있다는 점입니다.

​

오라클이 OCS를 도입하려는 이유 : GW급 데이터센터의 확장

오라클의 Kannan Raj는 OCS 수요가 증가하는 가장 중요한 이유로 데이터센터의 규모 확대를 꼽았습니다.

​

이제 AI 데이터센터는 단일 건물을 넘어 여러 건물로 구성되는 GW급 캠퍼스로 발전하고 있습니다. 건물 사이의 거리가 수십 km에 달하는 경우도 있지만, 대규모 동기식 AI 학습에서는 서로 다른 건물에 배치된 GPU들을 하나의 학습 작업에 참여시켜야 합니다.

​

이때 OCS는 건물 사이의 광 연결을 소프트웨어로 재구성할 수 있게 합니다.

​

오라클이 강조한 두 가지 활용처는 다음과 같습니다.

Scale-out : 캠퍼스 내 여러 건물에 분산된 GPU 클러스터를 연결합니다.

Scale-across : 수십 km에 이르는 장거리 구간에서 컴퓨팅 자원을 연결합니다.

​

앞서 구글 TPU에서 살펴본 OCS의 주요 역할이 Pod 내부의 TPU 연결 재구성과 장애 우회, Scheduling Goodput 개선이었다면, 오라클은 여러 건물에 걸쳐 분산된 GPU를 하나의 대규모 학습 시스템으로 묶는 데 OCS를 활용하려는 것입니다.

​

OCS가 언제부터 대규모로 도입되겠느냐는 질문에 Kannan Raj는 약 1년 뒤라고 답했습니다. 진행자가 초기 테스트나 실증 프로젝트를 의미하는 것인지 다시 묻자, Raj는 명확하게 "For production deployment(실제 운영 환경에 배치하기 위한 것)"이라고 답했습니다.

구글, Gemini 4 Argon 정식 출시

구글이 Gemini 4 Argon을 GA했습니다.

​

Gemini 4 Argon은 10월 5일 주간전략보고에서 다뤘던 모델입니다. 공급망의 칩/랙 출하 시기를 맞춰보면 TPU v7 20만 개 정도로 학습했을 가능성이 높다고 보고 있습니다. TPU v7은 GB200과 비교해 전반적으로 좋은 성능을 보여주고 있으며, Argon 역시 가격 대비 성능이 좋은 모델이라는 기존 판단을 유지합니다.

​

구글 vs 메타의 3위 경쟁 : 코딩 에이전트 사용자 확보가 중요

앞으로 AI 모델 경쟁에서 3위 자리를 두고 벌어질 구글과 메타의 경쟁도 흥미롭습니다.

​

구글은 Antigravity CLI, 메타는 Muse Code의 사용자 풀을 키워나가야 합니다. 코딩 에이전트가 실제 작업을 성공적으로 수행한 Trajectory를 확보하고, 이를 다시 모델 학습에 활용하는 데이터 Flywheel을 구축할 수 있기 때문입니다. 사용자가 많아질수록 실제 코딩 환경에서 발생하는 학습 데이터도 풍부해집니다. 모델의 코딩 성능이 개선되면 더 많은 개발자가 유입되는 구조입니다. 이 경쟁에서 어느 쪽이 더 빠르게 사용자 기반을 확대하는지 지켜볼 생각입니다.

​

세르게이 브린 "내부적으로는 몇 단계 더 앞선 모델을 사용하고 있다"

구글이 Gemini 4 Argon에 대해서 유튜브에서 말한 것을 정리해보면:

​

Gemini 4 Argon은 출시 전 3~4주 이상 내부적으로 광범위하게 테스트됐습니다. 10만 명 이상의 엔지니어(구글 임직원만 해도 190,820명)가 내부적으로 모델을 써봤습니다. 모델 구축 과정에 내부 Gemini 에이전트를 더 많이 쓴 모델입니다.

세르게이 브린은 "우리는 이제 RSI을 통한 트레드밀에 올라타기 시작하고 있다. 사람들이 이걸(Gemini 4 Argon 출시 유튜브) 볼 무렵에는 내부적으로는 이미 몇 단계 앞선 모델 몇 개를 사용 중일 것이다. 개발 진척과 속도를 보는 게 흥미로우며 앞으로 계속해서 가속화될 것이라고 기대하고 있다. 내부적인 모델을 사용하여 개발하는 과정에서 기술적인 돌파구들이 여럿 발생하여 모델 성능이 크게 향상됐다."고 말했습니다.

구글 TPU의 변화 : ⓐTCO/Perf ⓑ공급망

​

구글이 SemiAnalysis의 AgentX 추론 벤치마크에 TPU v7(Ironwood)의 FP8/vLLM 기반 성능 측정치를 처음으로 제출했습니다. Qwen3.5-397B 모델을 실행한 결과, TPU v7이 엔비디아 GB300 NVL72의 FP4 대비 최대 1.67배 높은 TCO당 추론 성능을 기록했습니다.

​

SemiAnalysis의 추정에 따르면 칩당 시간당 TCO는 TPU v7이 $1.03, GB300 NVL72가 $2.31입니다. 비교한 특정 구간에서 TPU v7의 칩당 Throughput은 GB300의 약 74% 수준이었지만, TCO가 훨씬 낮다 보니 비용 대비 토큰 처리량에서 앞섰습니다.

​

더 중요한 변화는 vLLM/PyTorch를 통한 소프트웨어 진입장벽 완화

개인적으로는 하드웨어 성능 못지않게 TPU v7이 vLLM에서 대규모 MoE 모델을 원활하게 서빙했다는 점을 중요하게 봅니다. 구글은 TorchTPU를 통해 기존 PyTorch 기반 모델과 추론 엔진을 TPU에서도 사용할 수 있도록 지원하고 있습니다.

​

vLLM/PyTorch를 적극적으로 지원하면 개발자들이 TPU를 사용하기 위해 기존 모델과 추론 시스템을 처음부터 다시 작성해야 하는 부담이 줄어듭니다. GPU와 TPU 사이에서 워크로드를 이동하기가 쉬워지는 것입니다. 물론 하드웨어별 커널 최적화와 분산처리의 차이는 여전히 남아 있지만, 엔비디아 CUDA 생태계의 진입장벽은 AI의 커널 작성능력 향상 속도만큼씩 낮아지고 있는 방향입니다.

​

TPU 공급망 체크 : JPM, GF증권, 대만

TPU 관련해서 다양한 채널 체크 자료들이 나와서 쭉 모아봅니다.

​

10월 12일, JPM의 미디어텍 ASIC 프로젝트 관련 채널 체크를 정리해봅니다:

TPU v8t(Zebrafish) : 양산 일정 정상 진행 중입니다. 투자자들이 우려하고 있지만 JPM 팀이 확인해볼 때 실제로는 TSMC에서 예정대로 양산이 확대되고 있다고 말했습니다.

TPU v9(Humufish) : TPU v9 개발도 순조롭게 진행되고 있습니다. N3 및 N2 공정 기반의 여러 칩렛이 이미 개별 tape-out을 완료했으며, 최종 tape-out은 2026년 11~12월로 예상됩니다. 최근 ASIC과 GPU 모두 양산에 앞서 두 차례 이상의 테이프아웃을 거치는 경우가 많아, TPU v9 역시 추가 설계 변경이나 일정 변동이 발생할 가능성은 있습니다.

​

10월 13일, GF증권의 TPU v9/v10 관련 프로젝트 코멘트를 정리해봅니다:

TPU v9(Humufish) : 미디어텍 core 칩 설계가 3주 지연돼서, 샘플링 일정은 여전히 2026년 11월이지만 최종적인 tape-out은 2027년 1월, MP tape-out은 2Q27, 양산은 1Q28부터 시작될 것으로 전망했습니다. 인텔의 EMIB-T 수율은 긍정적으로 잘 올라오고 있습니다.

Gemini 4 시리즈는 약 20만 개의 TPU v7로 훈련한 모델이지만, 여전히 자체 모델 훈련과 추론에 TPU v7 할당이 부족한 상태입니다. 앤스로픽향으로 할당을 해놓다보니 CY27에도 앤스로픽과 오픈AI의 컴퓨트에 비해서 구글 딥마인드 팀이 가질 수 있는 GW 규모가 적을 것이란 예상입니다.

미디어텍의 TPU v8t(Zebrafish) 물량이 CY27~CY28까지도 더 높을 것으로 예상되기 때문에 TPU v9(Humufish)의 출하 시점이 약간 지연되더라도 문제는 없을 것으로 예상했습니다.

TPU v10은 4Q28~1Q29쯤 양산될 칩입니다. 주류 SKU는 Icefish로 미디어텍과 GUC가 함께 설계하는 칩(미디어텍은 I/O die와 SerDes, Integration에 집중 + GUC는 Compute die의 적층 설계 담당)입니다. Merope SKU를 실제 진행할지는 알 수 없으며 Merope를 놓고 브로드컴/마벨/AMD가 수주 경쟁을 벌이고 있는 상태입니다.

​

10월 13일, 대만 채널 체크를 통해 정리해보면:

TPU v8t(Zebrafish)가 1Q27에 다시 Tape-out을 진행할 예정입니다. 10월의 tape-out 물량이 생각보다 잘 안 나왔지만 요즘 칩은 원래 몇 번의 tape-out을 거쳐서 내놓기 때문에 실질적인 영향은 없을 것으로 예상했습니다.

TPU v10 Merope는 원래 브로드컴이 맡았던 TPU 프로젝트인데, AMD+마벨이 힘을 합쳐 수주 경쟁이 뛰어들면서 판이 바뀐 상태입니다. 상대적으로 브로드컴은 미디어텍이 진행하던 Icefish SKU도 가져오려고 노력하던 상황에서, Merope라도 따내려는 입장으로 바뀌었기 때문에 미디어텍이 다소 한숨을 돌릴 수 있게 된 상황입니다. 이에 미디어텍은 최근 구글/바이트댄스 외 다른 하이퍼스케일러들 대상으로도 ASIC 프로젝트 수주 경쟁 중입니다.

Maia 300 물량은 시장에서 예상하는 것보다 상당히 많을 것으로 예상했습니다.

​

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)

​

마이크로소프트의 MAI-Base-2 사전학습 완료

​

MAI-Base-2, 총 파라미터 2.8T/활성 파라미터 80B

10월 15일 마이크로소프트는 MAI-Base-2의 사전학습을 완료했다고 발표했습니다.

​

모델의 주요 사양은 다음과 같습니다.

​

파라미터 : 총 2.8T / 활성 80B, 활성비율 2.86%

아키텍처 : 102개 레이어, 모든 레이어에 MoE 적용

MoE 구조 : 512개 Routed Expert 중 7개를 선택하고 Shared Expert 1개를 함께 활성화

학습 데이터 : 총 50T 토큰, 이 중 18%는 비전/언어 데이터

학습 인프라 : GB200 GPU 16,000개를 활용해 2026년 8~9월 중 38일간 학습

학습 효율 : MFU 21%, Goodput 89%

​

활성비율이 2.86%에 불과할 정도로 MoE의 희소성을 높였습니다. 총 파라미터 2.8T 가운데 토큰당 약 80B만 활성화하는 구조입니다. 사전학습 파이프라인도 상당히 잘 구축했다고 봅니다. 마이크로소프트는 내부 평가에서 MAI-Base-2가 비교 대상 오픈웨이트 모델들을 앞섰으며, DeepSeek-V4-Pro-Base보다 동일한 사전학습 평가 손실에 도달하는 데 필요한 FLOPs가 4.2~12.3배 적었다고 밝혔습니다.

​

사전학습 성과가 좋더라도 RL 이후의 모델 경쟁력은 별개입니다

사전학습 성과를 최종적인 모델 성능과 동일하게 평가해서는 안 됩니다. 앞서 MAI-Base-1을 기반으로 사후학습을 진행했던 MAI-Thinking-1도 나름의 성과는 있었지만, 개인적으로는 프론티어 모델 경쟁에서 기대할 만한 수준까지 올라오지는 못했다고 판단했습니다.

​

사전학습을 잘하더라도 RL을 포함한 사후학습에서 추론 능력과 에이전트 작업 성능을 얼마나 끌어올리느냐에 따라 최종적인 결과가 달라집니다. MAI-Base-2는 현재 사후학습 중입니다. 이번에는 더 좋은 결과가 나올 수 있겠지만, 저는 아직 큰 기대를 하고 있지는 않습니다.

​

현재로서는 개인적으로 새로운 모델들을 기대해봄직한 AI Labs는 ⓐ오픈AI, ⓑ앤스로픽, ⓒ구글, ⓓ메타, ⓔ미스트랄, ⓕSSI, ⓖ딥시크 정도입니다.

​

마이크로소프트 보고서가 중요한 이유 : 프론티어 모델을 추정할 단서이기 때문

사실 마이크로소프트 MAI 팀이 앞으로 공개할 모델의 최종 성능보다 이번 기술보고서 자체가 더 흥미롭습니다. 오픈AI와 앤스로픽은 최근 프론티어 모델의 파라미터 규모나 구체적인 MoE 구조, 학습 토큰 수와 MFU 등을 거의 공개하지 않고 있습니다. 반면 마이크로소프트는 MAI-Base-2의 모델 구조부터 학습 과정에서 사용한 최적화 기법까지 상당히 상세하게 공개했습니다.

​

마이크로소프트는 오픈AI와의 계약을 통해 모델과 관련 기술에 대한 IP 라이선스를 확보하고 있으며, 2026년 4월 수정 계약 이후에도 2032년까지 해당 권리를 유지합니다.

물론 MAI-Base-2가 오픈AI의 모델 구조를 그대로 복제했다는 뜻은 아닙니다. 다만 오픈AI의 기술에 접근할 수 있는 마이크로소프트가 어느 정도 규모의 모델을 어떤 학습 방식으로 구현하고 있는지는 프론티어 AI Labs의 기술 발전을 가늠하는 데 참고할 만합니다.

​

"Maia를 Multi-GW급으로 확대하겠다"

마이크로소프트가 Azure Maia 시스템을 multi-GW급으로 배포하겠다고 발표했습니다. CY27부터 multi-GW로 배포한다고 했지 'CY27에' 배포하겠다고 한 것이 아닙니다. 마이크로소프트의 CY27의 Maia 실질 구축량은 500MW 내외일 것으로 예상합니다.

​

Maia 200은 현재 서비스 중입니다. Copilot을 비롯한 마이크로소프트 자체 워크로드를 지원하고 있고, 연말까지 GitHub Copilot과 Microsoft Foundry 워크로드도 지원할 계획입니다. 또한 차세대 모델 개발부터 공동 설계하기 위해 MAI 팀을 지원하고 있습니다.

CY27 Maia 300이 온라인 될 예정입니다. 8개의 HBM4 스택을 사용해 TDP 950W에서 18.0TB/s의 메모리 대역폭을 제공하다보니 와트당 HBM 대역폭을 강점으로 삼았습니다. *첨부자료 10*

어쨌든 AWS는 Trainium, 구글은 TPU를 통해서 1GW당 CapEx 규모, FLOPS당 CapEx 규모에서 이점을 보고 있는 상황인데 마이크로소프트는 ASIC에서 가장 늦었습니다.

그러더라도 최근의 UBS ASIC 채널 체크상 CY27 칩 개수를 정리해보면 Maia는 그닥 많진 않습니다.

TPU : CY27 900만 개

Trainium : 320만 개

Jalapeno : 60~70만 개

MTIA : 45만 개

Maia : 40만 개 (Maia 200 5만 개 + Maia 300 35만 개)

엔비디아 : 880만 개

AMD : 190만 개

오픈AI 광고주 6만 개 돌파, 6주 만에 3배 증가

오픈AI의 광고 사업이 빠르게 성장하고 있습니다.

​

ChatGPT에 광고를 집행하는 광고주는 8월 말 약 20,000개 → 10월 초 60,000개로 증가했습니다. 6주 만에 3배로 늘어난 것입니다. Sensor Tower는 10월 미국 내 ChatGPT 광고 지출이 MoM 40% 증가할 것으로 추정했습니다. 광고 사업의 ARR은 8월 말 $1B에 도달했습니다.

​

다만 9월 말 기준 오픈AI 전체 ARR이 약 $50B에 근접한 것과 비교하면 아직 규모가 작습니다. 연초 투자자들에게 제시했던 CY26 광고 매출 $2.4B 목표에도 미달할 가능성이 높습니다.

​

현재 ChatGPT 광고는 60개 이상의 국가로 확대됐으며, 오픈AI는 광고 영업인력도 공격적으로 충원하고 있습니다. Crustdata에 따르면 약 140명의 광고 담당 직원 가운데 절반가량이 7~9월에 합류했습니다. 메타 출신이 가장 큰 비중을 차지하고 있으며, 광고 부문 총괄인 데이브 듀건 역시 메타에서 12년간 근무했습니다.

​

광고 타겟팅과 성과 측정은 아직 개선이 필요

광고 사업이 빠르게 성장하고 있지만 초기 단계의 한계도 나타나고 있습니다.

광고주들은 자신의 광고가 어떤 사용자 대화에서 노출되는지 구체적으로 확인하기 어렵다고 지적합니다. 구글 광고와 ChatGPT 광고의 성과를 직접 비교할 수 있는 분석 도구도 부족합니다.

​

오픈AI는 이러한 피드백을 반영해 광고 상품과 성과 측정 기능을 개선하고 있습니다.

​

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)

​

앤스로픽의 연구 발표 두 건 : ⓐ증류 방어 ⓑAI 자기복제 위험

​

앤스로픽, 추론 데이터 증류 공격 방어 강화로 탈취량 90~99% 감소

10월 12일 앤스로픽은 다른 AI Labs들이 Claude의 추론 데이터를 무단으로 추출해 경쟁 모델 학습에 사용하는 것을 막기 위한 방어 체계를 강화했다고 발표했습니다. 새로운 방어 체계를 도입한 이후 공격자들이 탈취한 추론(Thinking) 토큰이 기존 대비 90~99% 감소했습니다.

​

앤스로픽은 이전부터 Claude의 전체 추론 과정을 공개하는 대신 요약본만 제공해 증류 효율을 낮춰왔습니다. 실제 SWE-bench Verified 평가에서 전체 추론 기록을 학습한 모델은 80.4%를 기록했지만, 요약본만 학습한 모델은 71.8%에 그쳤습니다.

​

그러나 공격자들이 수십만 개의 가짜 계정을 활용해 추론 과정을 우회 추출하면서 추가적인 방어가 필요해졌습니다.

이번 조치의 핵심은 ⓐ모델 및 계정 간 추론 데이터 이동 제한(Preserved Thinking), ⓑ추론 추출 시도를 탐지하는 2단계 분류기 도입, ⓒ반복 증류 시도 계정에 대한 사용량 제한 및 차단입니다. 분류기의 오탐률은 0.1% 미만이며 수만 개의 공격 계정을 차단했고 상당수는 공격 시작 후 2시간 이내로 차단했습니다.

​

흥미로운 것은 앤스로픽이 이번 방어 강화로 상당한 매출과 수조 개 토큰에 해당하는 유료 트래픽을 포기했다고 직접 밝혔다는 점입니다. 경쟁 모델을 학습시키기 위해 Claude API를 대규모로 호출하는 AI Labs와 중개업체들 역시 앤스로픽의 유료 고객이었기 때문입니다. 단기적인 API 매출을 포기하더라도 경쟁사들이 Claude의 추론 데이터로 모델을 개선하는 것을 막는 편이 장기적으로 유리하다고 판단한 것입니다.

​

'중국 AI Labs들 경쟁력 50%는 증류에서 나왔던 것'

10월 18일 오픈AI 전략미래팀장(Head of Strategic Futures) 딘 볼(Dean W. Ball)도 흥미로운 발언을 했습니다.

​

딘 볼은 중국 AI 모델들이 미국 프론티어 모델의 벤치마크 성능을 바짝 따라붙은 이유 중 하나가 증류라는 사실은 알고 있었지만, 오픈AI에 합류해 내부 정보를 접한 이후 증류의 기여도가 생각보다 훨씬 크다고 판단하게 됐다고 밝혔습니다. 기존에는 경쟁력의 30% 정도가 아닐까 했는데 실제 살펴보니 50% 정도로 보인다고 말했습니다.

​

앞으로 오픈AI+앤스로픽이 증류 방어를 강화할수록 중국을 비롯한 후발 AI Labs의 RL 효율이 낮아질 수 있습니다.

자체적으로 고품질 추론 데이터를 생성하기 위해 더 많은 컴퓨트와 연구개발이 필요해지기 때문입니다.

​

저가 IoT 기기 15대로 26B 모델 구동, 데이터센터 없는 AI 자기복제 가능성 연구

같은 날 앤스로픽은 소형 AI 모델이 데이터센터 없이도 스스로 복제하고 확산할 수 있는 위험을 분석한 연구도 발표했습니다. 연구진은 개당 $55인 Android TV 박스 15대를 연결해 Gemma4-26B-A4B 모델의 분산 추론 환경을 구현했습니다. 총 하드웨어 구매비용은 약 $825이며, 추론 속도는 0.39 TPS였습니다. 속도는 매우 느리지만 저사양 IoT 기기들을 연결해 26B 규모의 모델을 실제로 실행할 수 있다는 것을 검증했습니다.

​

자기복제 실험도 진행했습니다. 격리된 8개 GCP 노드에서 GLM-5.2는 5번의 시도 중 4번에서 전체 8개 노드로 확산하는 데 성공했습니다. 다만 인증이 없는 연결 경로를 제공하고 모델 자체는 별도 추론 서버에서 실행한 환경이므로 실제 외부 시스템을 자율적으로 침투한 것은 아닙니다.

​

앤스로픽은 소형 모델의 지능이 지금과 같은 속도로 개선된다면 2026년 말에는 자율적인 자기복제에 필요한 능력을 확보할 수 있다고 경고했습니다. 아직 실제 환경에서의 자율적인 자기복제 위험은 제한적입니다.

​

Qwen3.5-9B가 추론 환경을 구축하는 데 약 28~51시간이 필요했고, Gemma4-26B-A4B는 약 71~150시간이 걸렸습니다. 이 기기들의 추론 컴퓨트는 H100 약 40개 수준에 불과하다고 추정했습니다.

개별 기기의 연산능력이 낮고 모델을 실행하는 데도 상당한 시간이 필요합니다. 다만 소형 모델의 지능이 계속 높아지고 Edge 기기의 컴퓨트 자원이 늘어난다면 상황이 달라질 수 있습니다.

​

이번 연구를 보면서 지난 9월 일리야 수츠케버가 네오클라우드의 사이버보안에 대해 경고했던 발언도 떠올랐습니다. 일리야는 AI 에이전트가 통제에서 벗어난다면 더 많은 복제본을 실행하고 컴퓨트 자원을 확보하기 위해 대규모 GPU 인프라를 장악하려 할 수 있다고 경고했습니다. 네오클라우드는 수만~수십만 개의 GPU를 확보하고 있어 침투에 성공할 경우 대규모 컴퓨트를 활용할 위험이 있습니다. 반대로 IoT 기기는 연산능력은 낮지만 수많은 기기에 분산돼 있어 통제와 차단이 어려워질 수 있습니다.

​

아직은 당장의 실재한 위험은 아니지만 기술 발전의 방향을 보여주는 연구입니다. 다만 소형 AI 모델의 성능 향상과 Edge 컴퓨트의 보급이 결합되면 데이터센터 밖에서도 자율적으로 실행되고 확산하는 AI 에이전트가 현실적인 사이버보안 문제가 될 수 있다는 것이 앤스로픽의 경고입니다.

​

메타, 26년 PER 23배 / 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)

​

메타, Muse Wonder(Full) 출시

​

메타가 새로운 모델인 Muse Wonder(코드명 Watermelon)를 공개했습니다:

​

메타에 대한 Overweight 의견을 계속해서 유지합니다. Muse Wonder의 성능을 보면 메타가 이제 프론티어 AI Labs의 자리에 올라왔다고 판단합니다. Muse Wonder 출시 이후의 경쟁 구도를 감안하면 개인적으로 AI Labs를 다음과 같이 분류하고 있습니다.

​

Tier 1 : 오픈AI, 앤스로픽, 구글, 메타

Tier 2 : Z.ai, 딥시크, 미스트랄, 스페이스X, 알리바바, 문샷

​

앞으로는 구글과 메타가 3위 자리를 놓고 경쟁하는 양상을 예상합니다. 두 기업 모두 사전학습(Pre-training)에서 유의미한 도약에 성공했으며, 이제부터는 RL을 얼마나 잘 개선해 나가느냐에 따라 차이가 벌어질 것으로 봅니다.

​

구글의 Gemini 4 Argon은 가격 대비 성능이 굉장히 좋은 모델입니다. 메타의 Muse Wonder도 절대적인 성능에서는 상당히 잘 나왔지만 비용 효율까지 감안하면 Gemini 4 Argon에 비해 아쉬운 부분이 있습니다. 반대로 스페이스X는 Grok 4.7을 비롯한 후속 모델의 발전 속도가 기대에 미치지 못하고 있습니다. Cursor의 코딩 데이터를 활용하면서 잠시 좋은 성과를 냈던 것인가 싶을 정도로 최근 코딩 성능의 개선이 아쉽습니다.

​

코딩 성능은 프론티어 수준에 도달

이번에 공개한 모델은 두 가지입니다.

​

Muse Wonder : Meta Model API와 Muse Code에서 즉시 사용할 수 있으며, 향후 Muse에도 적용될 예정입니다.

Muse Wonder Full : 더 강력한 모델입니다. 현재는 Muse Code의 Power/Maximum Usage 구독자에게만 제공됩니다.

​

ⓐ성능, ⓑ가격, ⓒ가성비, ⓓ작업당 비용, ⓔ작업당 토큰 순으로 살펴봅니다.

​

ⓐ코딩 성능으로 보자면 Terminal-Bench 4.0-AA 기준 (ㄱ) Muse Wonder 52.0%, (ㄴ) Muse Wonder Full 57.1%입니다. 절대적인 성능 자체가 굉장히 좋습니다. 프론티어 AI Labs라고 꼽을 수 있을 정도입니다. 다만 가성비를 생각하자면 Gemini 4 Argon이나 GPT-6.1 Sol에 비해서는 경쟁력이 약간 떨어집니다.

​

Terminal-Bench 4.0-AA 업데이트(2026-10-13) → Opus 5.5 59.6% = GPT-6 Astra 59.6% > Muse Wonder Full 57.1% = Gemini 4 Argon 57.1% = GPT-6.1 Sol 56.1% > Fable 5.1 55.1% > Muse Wonder 52.0% > GLM-5.3 41.9% > Qwen3.8-Max 38.9% > Muse Spark 1.3 33.3% > Haiku 5.5 32.8% = GLM-5.3 Flash 32.8% > DeepSeek-V4.1-Flash 26.8% = Mistral Large 4 26.8% > Grok 4.7 25.8%

Terminal-Bench 4.0-AA란? Terminal-Bench 4.0 공식 프로젝트 업데이트가 느리다보니 Artificial Analysis가 평가한 지표입니다. 기존 Terminal-Bench 4.0과의 차이는 공식버전은 예를 들어 GPT-6.1 Sol을 Codex에서 실행하는 것인데, Terminal-Bench 4.0-AA는 GPT-6.1 Sol을 mini-swe-agent에서 실행합니다. 모델간의 깡성능 차이를 비교하려면 4.0-AA가 더 좋습니다. 모든 모델에 동일한 mini-swe-agent를 사용하기 때문에 에이전트 종류에 따른 차이를 줄일 수 있어서 그렇습니다.

​

ⓑ가격은 (ㄱ) Muse Wonder 기준 Input/Output $4/$20입니다. (ㄴ) Muse Wonder Full의 API 가격은 공개하지 않았습니다.

​

ⓒ가성비를 보시면 파레토 프론티어를 쭉 정리해봅니다. 모델(reasoning) 코딩성능/작업당 비용 순입니다. GPT-6.1(max) 56.1%/$1.82 → Opus 5.5(high) 56.6%/$5.12 → GPT-6 Astra(xhigh) 59.6%/$5.86 → Gemini 4 Argon(high) 57.1%/$6.78 → GPT-6 Astra(max) 59.1%/$8.50 → Opus 5.5(xhigh) 59.6%/$8.78 → Opus 5.5(max) 59.6%/$13.11 → Muse Wonder(max) 52.0%/$17.97입니다.

여기서도 보실 수 있듯이, 피크 지능을 놓고 보면 앤스로픽 모델들이 화려하지만 실제 기업들이 사용하는 비용까지를 고려하면 오픈AI의 모델 경쟁력이 유의미하게 높습니다.

이렇게 놓고 보면 Muse Wonder 시리즈의 가성비가 많이 별로인데, 문득 드는 생각은 중국 AI Labs들의 distillation 수요를 먹어서 성장하려는 건가 싶기도 합니다.

​

테슬라, 26년 PER 172배 / 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)

​

테슬라 신형 로드스터 공개 : 0→60mph 0.81초에 공중비행까지 시연

10월 15일 테슬라는 텍사스 스페이스X 시험시설에서 2세대 로드스터(Roadster)를 공개했습니다. 2017년 처음 발표한 이후 9년 만입니다. 가장 인상적인 부분은 스페이스X의 Cold Gas Thruster(냉가스 추진기)를 활용한 공중 기동 시연입니다. 로드스터가 경사로를 타고 올라가 거꾸로 매달린 상태로 주행하다가 공중에서 회전해 착륙했고, 다른 테슬라 차량 여러 대를 뛰어넘는 장면까지 시연했습니다.

​

핵심 기술은 두 가지입니다.

​

① Sucker System : 차량 하부에 장착된 20kW 팬 4개로 공기를 빨아들여 강한 다운포스를 발생시킵니다.

차가 정지해 있을 때도 노면에 달라붙을 수 있어 거꾸로 매달린 주행이 가능합니다.

② Cold Gas Thruster : 스페이스X의 우주항공 기술을 활용해 고압 질소가스를 분사하는 추진기입니다. 가속력을 높이거나 공중에서 차량의 자세를 제어하고 착륙할 때 사용합니다.

​

이번에 공개한 로드스터는 세 가지 버전으로 구분됩니다.

​

ⓐPerformance는 일반 도로 주행을 위한 모델이고, ⓑThrust는 가속 성능을 극대화한 한정판입니다. ⓒRocket은 초청받은 고객에게만 판매할 계획이며, 현재 공공도로 주행 승인을 받지 못했습니다. 이번에 공개한 공중비행 기능도 일반 로드스터의 기본 기능은 아닙니다.

​

최고속도는 230mph(약 370km/h) 이상, 주행거리는 300마일(약 483km) 이상을 제시했습니다.

​

양산은 CY28부터 시작, 가격은 미공개

로드스터는 2028년 양산을 시작할 계획입니다.

​

2017년 최초 공개 당시에는 2020년 출시, 주행거리 620마일(약 1,000km), 최고속도 250mph 이상을 제시했으나 실제 출시가 여러 차례 지연됐습니다. 이번에 발표한 주행거리는 기존 목표보다 크게 낮아졌습니다.

​

판매가격은 공개하지 않았습니다. 예약금은 Performance $50,000, Thrust $250,000이며 Rocket은 초청제로 운영됩니다. 예약금과 실제 판매가격은 구분해야 합니다.

​

당장의 매출보다 테슬라/스페이스X의 엔지니어링 역량 홍보 차원

이번 로드스터는 대규모 판매를 통해 실적을 끌어올릴 제품이라기보다 테슬라의 기술력과 브랜드 가치를 보여주는 Halo Car에 가깝습니다. 시연 자체는 굉장히 인상적이었지만 테슬라의 기업가치에 미치는 영향은 제한적이라고 판단합니다. 현재 테슬라의 투자 판단에서는 로보택시 사업의 상용화와 옵티머스 양산 진행 상황이 훨씬 더 중요합니다.

​

스페이스X, 신규 GB300 계약 2건 확보하며 임대가격 상승

Grok 모델 경쟁력이 약화되는 가운데 스페이스X는 네오클라우드 사업을 확대하고 있습니다.

​

도이체방크 자료에 따르면 최근 신규 고객 두 곳과 각각 GB300 11만 개, 220MW 규모의 계약을 확보했습니다. 계약가격은 각각 MW당 연간 $61M, $60M 수준입니다. 1GW로 보자면 $60~61B입니다.

​

2026년 6월에 구글과 체결했던 GB300 11만 개 계약이 MW당 $50M이었던 것과 비교하면 신규 계약의 임대가격이 약 20~22% 높아진 것입니다. GPU당 시간당 임대료도 구글의 $11.46 → 이번에 발표된 신규 고객은 $13.90, $13.80으로 상승했습니다. 연간 8,760시간 가동을 가정하면 두 신규 계약의 연간 환산 매출은 26.7B입니다. 같은 GB300 세대에서 더 높은 가격으로 계약을 확보하고 있다는 점은 긍정적입니다.