2026.06.15 · 네이버 프리미엄 콘텐츠 · 올바른 미국주식 by SAPIENS

주간전략보고 : 투자의 생각 (6월 15일~6월 19일)

네이버 프리미엄 콘텐츠 원문 보기 별의순간 선택 분석 시작 심층분석 시작 분석 기준 보기

유형

네이버 프리미엄 콘텐츠

날짜

2026.06.15

강연자/작성자

올바른 미국주식 by SAPIENS

분석 주제

미지정

자료 길이

본문 58,296자

문서 전체 조망

핵심 구조

AI 인프라의 수요와 채택 경로를 숫자·계약·기술 조건으로 함께 점검한다

이 자료는 지수 EPS, AI 하드웨어와 광학·메모리 공급망, 데이터센터 투자와 CPU 수요를 한 주의 관찰로 묶는다. 기술 채택의 형태와 실제 출하·수율·계약 조건이 달라질 수 있어, 같은 AI 수요도 기업별로 확인할 지점이 다르다는 문제의식을 제시한다.

지수는 EPS 추정치 상승과 주가 횡보가 겹치며 PER 기준 매력이 유지됐다

25~27년 S&P 500 EPS 추정치는 각각 271.23달러, 338.99달러, 392.48달러로 제시됐다. EPS가 오르는 동안 주가가 횡보하거나 소폭 하락해 2024~2025년 평균과 비교한 밸류에이션 매력이 높아진 상태라는 판단이다.

실적에서는 성장률과 영업이익률의 동반 방향을 업사이클·다운사이클의 기준으로 둔다

매출성장률이 역성장에서 성장으로 바뀌거나 성장률이 높아지는 구간을 업사이클로, 반대 방향을 다운사이클로 설명한다. 오라클은 업사이클, 러브색과 레나는 다운사이클 사례로 분류했다.

광학은 CPO 지연만으로 판단하기보다 NPO·OCS와 고속 연결 채택량을 함께 봐야 한다

SemiAnalysis의 800VDC와 협의의 Scale-up CPO 시점 조정은 특정 채택 경로의 기대를 낮춘다. 그러나 CPO·NPO·OCS·고속 트랜시버 가운데 어느 형태로 가더라도 광학 콘텐츠가 늘어나는지가 루멘텀의 핵심이라는 해석을 제시한다.

AI 인프라는 병목·전력·자본 조달과 수익화가 맞물린 장기 구축 구간으로 제시된다

메모리를 실제 병목으로 보고, 궤도 컴퓨팅·데이터센터·GPU 파이낸싱까지 자본과 물리적 제약을 함께 다룬다. 하이퍼스케일러 CapEx 전망과 대형 데이터센터 협상은 계획·가정과 확정 집행을 구분해 읽어야 한다.

추론 중심 변화는 GPU만이 아니라 CPU·메모리·네트워크의 역할을 다시 넓힌다

Reasoning과 Agentic AI에서는 호스트 CPU가 GPU의 데이터·메모리 공급을 맡고, 별도 오케스트레이션 CPU가 도구 실행과 작업 관리를 맡는다고 설명한다. NVLink-C2C의 대역폭과 Prefill·Decode 분리는 추론 비용과 기존 GPU의 경제적 수명에 연결된다.

밸류에이션은 구조적 수혜 주장과 실제 이익·공급 조건을 함께 비교해야 한다

메모리의 낮은 배수와 반도체 장비의 높은 배수를 비교하고, HBM·서버 DRAM 수요와 공급 부족이 이어질 경우의 문제를 제기한다. 엔비디아 역시 칩 하나가 아니라 네트워크·소프트웨어·시스템·공급망을 연결한 스택으로 평가해야 한다고 본다.

발생·예정 사건과 출처별 관점

이슈 분석

이 자료가 이슈의 어떤 사실을 다루고, 작성자가 무슨 결론을 어떤 근거로 내렸는지 원문에 붙여 읽습니다.

발생진행 중발생일 26-6-9

26-6 SemiAnalysis의 CPO·800VDC 기대치 조정

작성자의 핵심 판단

작성자는 이 분석이 광학 인터커넥트 전체를 부정한 것이 아니라 협의의 Scale-up CPO 도입 타이밍을 1~2분기 조정한 것이라고 평가했다.

근거 보기 2

원문 구간 1
하이퍼스케일러들의 데이터센터 CapEx 중 메모리가 차지하는 비중은 CY26 35% → CY27 48%일 것으로 예상됩니다. 이에 따른 밸류에이션이 매겨져야 한다는 입장입니다. 또한 추론 수요가 크게 늘고 워크로드의 성격이 Agentic AI 및 Physical AI로 변하면서 향후 3~4년 동안 메모리가 계속 공급부족 상태에 머물 것으로 예상했습니다. LTA가 결국 주요 공급업체 생산능력의 50%를 차지하게 되면 업계의 이익 구조는 극적으로 변화할 것입니다. DRAM 공급업체 재고는 2~3주분이며 2H26 계약가격에 지속적인 상승 압력이 가해질 것으로 예상합니다. 특히 HBM의 마진이 높아질 것으로 예상했습니다. 더 자세하게 살펴본 모건스탠리 메모리 채널 체크 6월 10일자 모건스탠리의 메모리 채널 체크 결과, DRAM: SemiAnalysis가 말한 VR200 NVL72 SOCAMM 메모리 구성이 랙당 55TB → 28TB로 바뀌는 것은 채널 체크 내용과 일치하지만, 전체 엔비디아의 메모리 주문 규모는 줄어들지 않았습니다. HBM 가격 협상이 진행 중이며, CY27에는 가격이 YoY 최소 50~100% 인상될 가능성이 높습니다. CY26 HBM 가격은 이미 2025년 초 협상된 연간 계약에 따라 확정됐던 것이며, 2H26에는 단기적인 가격 변화가 없을 것으로 예상합니다. 3Q26에도 DRAM 계약가격은 계속 상승할 것으로 예상되며, 현재 초기 호가는 QoQ 20% 수준이 예상되고 있습니다. 다만 이미 2Q26 가격 인상 이후 소비자 가전제품 같은 경우는 주문을 줄이기 시작하는 징후가 있어서, 3Q26부터는 AI와 Non-AI 제품 간 수요가 갈릴 것으로 예상됩니다. CY26은 전체 bit supply 중 AI 관련 출하량이 50%를 차지하고, CY27에는 거의 70%까지 비중이 높아질 것으로 예상합니다. 신규 캐파에서 공급이 추가되더라도 워낙 지금 타이트한 상태이기 때문에 계속해서 주문 압박이 이어질 것으로 예상됩니다.
원문 구간 2
NAND: 3Q26는 eSSD가 주도하면서 QoQ 30% 상승할 가능성이 높습니다. 소비자 가전제품 시장이 가격을 소화하기 어려워하다보니 현물가 자체는 상승이 제한적인데 계약가격 호가는 강합니다. HBF 제품 전망은 업계 피드백상 엇갈립니다. CSP는 NAND die를 GPU와 함께 패키징할 경우 GPU의 수명주기가 NAND die의 대구성에 영향을 받으니 GPU의 내구성이 크게 낮아질 수 있는 점을 우려하고 있습니다. 현재로서는 eSSD가 더 낫고 더 신뢰성 높은 솔루션이란 것입니다. 한 고객은 AI 애플리케이션용으로 스마트폰/엣지 디바이스용 HBF 기술에 관심을 보이고 있습니다. CY27로 갈수록 AI용 NAND 수요는 출하량이 크게 늘어날 것으로 예상됩니다. CSP의 KV cache offloading 수요와 HDD쪽 쇼티지에 대응하기 위한 QLC SSD 주문 증가가 견인할 것으로 예상됩니다. 아직 시장에서 BlueField DPU STX 랙에 대한 추가 수요가 얼마나 될지는 대략만 추정할뿐 정확한 추정은 없는데, 향후 CY27으로 갈수록 구체적인 수요가 얼마나될지 추려질 것으로 예상됩니다. 주요 IB들의 마이크론 CY27 EPS 추정치 CY27 EPS 기준 ⓐUBS $155, ⓑGS $145, ⓒWolfe $135, ⓓMS $113.85입니다. 클린룸 제약으로 인해 공급이 타이트한 상태인데, Agentic AI CPU 트렌드로 메모리 부족은 더 심해질 것이고, LTA 덕에 리레이팅 수요가 생길 것이라는 핵심 포인트들은 계속해서 같습니다. 샌디스크(SNDK) 샌디스크SNDK는 Overweight을 유지합니다. CY27 PER 5.4배(GF증권 CY27 EPS $366)입니다. 샌디스크 1Q26 코멘트 / 주간전략보고 : 투자의 생각 (5월 4일~5월 8일) 추론의 시대, 핵심이 된 메모리 : 메모리 쇼티지를 떠받치고 있는 힘 '이제 데이터센터향 매출 비중 크게 늘릴 것'

이 자료에서 다룬 사실

SemiAnalysis는 6월 9일 리서치에서 800VDC 도입은 2028년 이후, 협의의 Scale-up CPO 양산은 2029년 이후가 될 가능성을 제기하고 CPO 시스템 수율 부담과 메모리 병목을 언급했다.

근거 보기 3

원문 구간 1
[원문 유형] 네이버 프리미엄 콘텐츠 [채널] 올바른 미국주식 by SAPIENS [게시일] 2026.06.15. 오후 1:42 [원문 URL] https://contents.premium.naver.com/sapiens/sapiensasset/contents/260615134216468kl [제목] 주간전략보고 : 투자의 생각 (6월 15일~6월 19일) [수집 기준] 승인된 구독 열람권으로 실제 본문을 보존했다. 이미지·첨부는 별도 미디어 원장에 보관하며 시각적 의미 검토 여부를 구분한다. [구독 원문 본문] 안녕하세요 올바른입니다. 인터뷰 전문을 요약하여 AI 사이클에 중요한 9가지를 뽑아냈습니다. 병목은 자본주의가 해결한다, 만인의 호국신산, 종량제로의 변화가 의미하는 것 등등을 다뤘습니다. 기업단에서는 WWDC26에서 공개된 애플 AFM 3가 샌디스크 강세를 이끈 이유, NVLink가 추론에서 중요한 두 가지 이유, SemiAnalysis 'CPO 지연' 그 너머의 디테일을 정리했습니다. 메모리 공급망을 체크해보고, Crusoe의 Project Jade 중지가 블룸에너지 SOFC 주문에 미치는 영향, 인적자본과 토큰자본, 등장하자마자 갇힌 Fable 5에 대한 생각이 담겨있습니다. 주간전략보고 2026-06-08 주간전략보고 : 투자의 생각 (6월 8일~6월 12일) (바로가기) 2026-06-01 주간전략보고 : 투자의 생각 (6월 1일~6월 5일) (바로가기) 2026-05-25 주간전략보고 : 투자의 생각 (5월 25일~5월 29일) (바로가기) 2026-05-18 주간전략보고 : 투자의 생각 (5월 18일~5월 22일) (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.
원문 구간 2
원래 뉴트론 연도별 발사 목표는 첫 해 1번 → 두 번째 해 3번 → 세 번째 해 5번으로 점차 늘려가는 것이 목표였던지라, 자체 활용 가능할 캐파는 2029년 이후부터 가용 가능할 것이라고 말했습니다. Electron/HASTE : 이미 가동되는 중인 성장 엔진 일렉트론에 대해서는 기업분석 자료에 가치제안이 담겨있고, HASTE는 일렉트론 기반의 극초음속 발사 플랫폼입니다. CFO는 2026년 HASTE가 전체 발사의 20%를 차지하고 단기 CAGR은 30~50% 수준으로 꽤나 성장할 것이라 가정했습니다. 일렉트론 상업 발사가 ASP $8~9M에 HASTE는 $10M 정도이기에 발사 횟수 증가효과와 ASP 상승 효과가 동시에 발생합니다. Neutron : 밸류에이션을 바꾸기 위해 필요한 중형급 발사체 스페이스X는 처음부터 중형급 발사체인 Falcon 9으로 시작했으나, 로켓랩 입장에서는 뉴트론 발사가 성공해야 중형급 발사체 그리고 재사용 발사체를 발사하는 기업이 됩니다. 원래 뉴트론의 첫 발사일은 2025년만 하더라도 2025년 말까지 한다였고, 2025년 하반기에는 2026년 초반에 한다였는데, 2026년 1월 발생한 1단 탱크 퀄 실패로 인해서 목표 발사 시점이 4Q26로 다시금 지연됐습니다. 뉴트론의 부스터 1대당 원가가 $50M이고, 뉴트론의 ASP는 $50~55M입니다. 재사용성이 입증되고 나서는 부스터 원가를 여러 발사에 걸쳐 상각할 수 있기에 장기적으로 GPM 50% 모델이 가능하다고 봤습니다. Space Systems : 사실 본업은 이것 부품 판매를 넘어서 위성 제조와 방산 페이로드까지 만들고 있습니다. 우주 저궤도 활동이 늘어날수록 수혜를 보는 기업입니다. 이에 대해서도 가치제안은 기업분석 자료에서 전해드린 바 있습니다. 오라클(ORCL) 오라클ORCL은 Neutral을 유지합니다. 오라클 2Q26 실적발표 : FY27 CapEx는 71% 늘지만, 외부 자금조달은 오히려 줄어든다
원문 구간 3
하이퍼스케일러들의 데이터센터 CapEx 중 메모리가 차지하는 비중은 CY26 35% → CY27 48%일 것으로 예상됩니다. 이에 따른 밸류에이션이 매겨져야 한다는 입장입니다. 또한 추론 수요가 크게 늘고 워크로드의 성격이 Agentic AI 및 Physical AI로 변하면서 향후 3~4년 동안 메모리가 계속 공급부족 상태에 머물 것으로 예상했습니다. LTA가 결국 주요 공급업체 생산능력의 50%를 차지하게 되면 업계의 이익 구조는 극적으로 변화할 것입니다. DRAM 공급업체 재고는 2~3주분이며 2H26 계약가격에 지속적인 상승 압력이 가해질 것으로 예상합니다. 특히 HBM의 마진이 높아질 것으로 예상했습니다. 더 자세하게 살펴본 모건스탠리 메모리 채널 체크 6월 10일자 모건스탠리의 메모리 채널 체크 결과, DRAM: SemiAnalysis가 말한 VR200 NVL72 SOCAMM 메모리 구성이 랙당 55TB → 28TB로 바뀌는 것은 채널 체크 내용과 일치하지만, 전체 엔비디아의 메모리 주문 규모는 줄어들지 않았습니다. HBM 가격 협상이 진행 중이며, CY27에는 가격이 YoY 최소 50~100% 인상될 가능성이 높습니다. CY26 HBM 가격은 이미 2025년 초 협상된 연간 계약에 따라 확정됐던 것이며, 2H26에는 단기적인 가격 변화가 없을 것으로 예상합니다. 3Q26에도 DRAM 계약가격은 계속 상승할 것으로 예상되며, 현재 초기 호가는 QoQ 20% 수준이 예상되고 있습니다. 다만 이미 2Q26 가격 인상 이후 소비자 가전제품 같은 경우는 주문을 줄이기 시작하는 징후가 있어서, 3Q26부터는 AI와 Non-AI 제품 간 수요가 갈릴 것으로 예상됩니다. CY26은 전체 bit supply 중 AI 관련 출하량이 50%를 차지하고, CY27에는 거의 70%까지 비중이 높아질 것으로 예상합니다. 신규 캐파에서 공급이 추가되더라도 워낙 지금 타이트한 상태이기 때문에 계속해서 주문 압박이 이어질 것으로 예상됩니다.

그렇게 판단한 이유

CPO와 NPO는 패키징 위치는 달라도 광원·ELS 등 필요한 구성요소가 겹치며, 광학 콘텐츠 채택량이 늘어나는지가 핵심이라는 논리를 든다.

근거 보기 2

원문 구간 1
NAND: 3Q26는 eSSD가 주도하면서 QoQ 30% 상승할 가능성이 높습니다. 소비자 가전제품 시장이 가격을 소화하기 어려워하다보니 현물가 자체는 상승이 제한적인데 계약가격 호가는 강합니다. HBF 제품 전망은 업계 피드백상 엇갈립니다. CSP는 NAND die를 GPU와 함께 패키징할 경우 GPU의 수명주기가 NAND die의 대구성에 영향을 받으니 GPU의 내구성이 크게 낮아질 수 있는 점을 우려하고 있습니다. 현재로서는 eSSD가 더 낫고 더 신뢰성 높은 솔루션이란 것입니다. 한 고객은 AI 애플리케이션용으로 스마트폰/엣지 디바이스용 HBF 기술에 관심을 보이고 있습니다. CY27로 갈수록 AI용 NAND 수요는 출하량이 크게 늘어날 것으로 예상됩니다. CSP의 KV cache offloading 수요와 HDD쪽 쇼티지에 대응하기 위한 QLC SSD 주문 증가가 견인할 것으로 예상됩니다. 아직 시장에서 BlueField DPU STX 랙에 대한 추가 수요가 얼마나 될지는 대략만 추정할뿐 정확한 추정은 없는데, 향후 CY27으로 갈수록 구체적인 수요가 얼마나될지 추려질 것으로 예상됩니다. 주요 IB들의 마이크론 CY27 EPS 추정치 CY27 EPS 기준 ⓐUBS $155, ⓑGS $145, ⓒWolfe $135, ⓓMS $113.85입니다. 클린룸 제약으로 인해 공급이 타이트한 상태인데, Agentic AI CPU 트렌드로 메모리 부족은 더 심해질 것이고, LTA 덕에 리레이팅 수요가 생길 것이라는 핵심 포인트들은 계속해서 같습니다. 샌디스크(SNDK) 샌디스크SNDK는 Overweight을 유지합니다. CY27 PER 5.4배(GF증권 CY27 EPS $366)입니다. 샌디스크 1Q26 코멘트 / 주간전략보고 : 투자의 생각 (5월 4일~5월 8일) 추론의 시대, 핵심이 된 메모리 : 메모리 쇼티지를 떠받치고 있는 힘 '이제 데이터센터향 매출 비중 크게 늘릴 것'
원문 구간 2
샌디스크가 6월 9일 Mizuho 컨퍼런스에 참석했습니다: Enterprise SSD 매출이 전사 매출비중의 25%까지 올라왔지만 이제 막 시작된 것에 가깝다고 설명했습니다. 고성능 TLC SSD는 이미 여러 하이퍼스케일러에게 퀄을 받았고, QLC Stargate SSD는 이제 막 매출인식이 시작될 예정입니다. 더 높은 부가가치의 eSSD 믹스가 높아지고 있다는 것이 좋습니다. HBF는 지금의 AI 시스템에 꽂아 넣었을 때는 효용이 낮고, 고객이 HBF 구조에 맞게 모델과 하드웨어 조를 변경해야 제대로 작동하는 기술이라고 말했습니다. 따라서 실제 HBF 매출을 기대하려면 CY28쯤이 넘어야 가능할 것으로 보입니다. 애플의 WWDC : MoE를 애플식으로 다시 구조화하다 이번 WWDC26에서 의외였던 게 3세대 파운데이션 모델을 다루는 방식이었습니다. 나름 애플식으로 LLM을 녹여내기 위해 고민을 많이 했구나 싶은 점들이 있었습니다. 애플의 3세대 파운데이션 모델에 대한 System card는 ML 페이지에서 볼 수 있었습니다. 제미나이를 가져다가 distilled해서 만든 AFM 3(Apple Foundation Model 3)입니다. system card를 보다가 가장 눈에 띄었던 건 MoE입니다. 애플은 이것도 Static weigths in DRAM, Dynamic experts, inactive experts라고 색다르게 표현했는데 Total parameter, Active Parameter로 생각하시면 됩니다. 애플이 잘하는 것 중 하나는 이미 전문가 집단에서 통용되는 개념을 본인들만의 언어로 다시 풀어내는 것입니다. 설명 자체는 직관적이지만 처음 보면 마치 애플이 이 구조를 처음 만든 것처럼 착각하기 쉽습니다. DRAM 대신 NAND 활용한 MoE : 가격 대비 용량과 지연시간의 트레이드오프 두 번째로 흥미로웠던 부분은 애플이 비싼 DRAM 대신 NAND를 적극 활용했다는 점입니다.

발생진행 중발생일 26-6-9

26-6 루멘텀의 CPO·NPO·OCS 사업 전망 발언

작성자의 핵심 판단

작성자는 루멘텀이 특정 아키텍처 하나에 의존하지 않고 CPO·NPO·OCS 어느 경로에서도 수혜를 볼 수 있다고 평가했다.

근거 보기 2

원문 구간 1
여기서 비싸다는 말은 절대적인 수치상의 가격이 아니라, 메모리 계층 구조에서 $/GB 기준으로 DRAM이 NAND보다 훨씬 비싸다는 의미입니다. 결국 핵심은 $/GB와 Latency의 트레이드오프입니다. 애플은 전체 파라미터를 DRAM이 아니라 NAND에 저장하는 구조를 택했습니다. 다만 표준적인 MoE 모델처럼 토큰 단위로 expert 가중치를 계속 교환하려면 NAND와 DRAM 사이의 대역폭이 너무 느립니다. 그래서 애플은 토큰 단위 라우팅이 아니라 프롬프트 단위 라우팅에 가까운 구조를 선택했습니다. 즉, 특정 사용 사례별로 미리 정해진 활성 매개변수를 사용하는 방식입니다. 랜덤성이 커질수록 NAND-DRAM 대역폭 병목이 부각될 수 있으니, 아예 결정론적으로 움직이도록 설계한 것입니다. 애플을 최상위 프런티어 모델 기업으로 보기는 어렵고 Tier 3 정도로 보는 것이 맞겠지만, 이 접근 자체는 꽤 흥미롭습니다. 이런 부분은 <LLM 추론 토큰 가격의 비밀 : MoE의 시대, 엔비디아의 NVL72가 중요한 이유>을 보고 나셨다면 이해가 더 잘 되실 내용입니다. 샌디스크가 주간으로 강세였던 이유도 파라미터를 NAND에 저장하는 새로운 시도를 선보였기 때문이라고 생각하고 있습니다. 사전훈련은 TPU, 추론은 NVDA B200 GPU 세 번째 포인트는 애플이 GCP의 TPU를 활용해 사전훈련 규모를 대폭 키웠다는 점입니다. 이후 각 모델을 실제 서빙할 하드웨어에 맞게 별도로 최적화했습니다. ⓐAFM Core, ⓑAFM 3 Core Advanced, ⓒAFM 3 Cloud, ⓓADM 3 Cloud(Image)는 Apple Silicon에 맞게 최적화했고, 가장 고지능의 거대 모델인 ⓔAFM 3 Cloud Pro는 엔비디아 GPU에 최적화했다는 내용이 확인됩니다. 사람들의 일반적인 인식과는 다를 수 있지만 구조적으로 보면 대규모 행렬곱을 수행하고 Pod 단위에서 큰 Scale-up 도메인 메모리 용량을 확보해야 하는 사전훈련에서는 TPU가 유리한 지점이 있습니다(랙 단위 OCS Scale-up 덕분).
원문 구간 2
반면 MoE 모델 추론 영역에서는 엔비디아 GPU가 여전히 TCO 대비 성능이 가장 높습니다. 특히 가속기를 대략 6년 단위로 운용한다고 보면 핵심은 결국 추론의 경제학입니다. 모델은 한 번 훈련하고 끝나는 것이 아니라 수년간 계속 서빙되어야 하며, 사용량이 누적될수록 비용의 중심은 추론으로 이동합니다. 이 관점에서 애플이 가장 고지능의 거대 모델인 AFM 3 Cloud Pro를 엔비디아 GPU에 최적화했다는 것은 전체 가속기 TCO 관점에서 가장 비용이 많이 들고 부가가치를 많이 생산하는 모델의 경우 여전히 엔비디아가 가장 좋은 선택지임을 보여준 셈입니다. 추론이 중요한 이유는 단순히 서빙 비용 때문만은 아닙니다. 2024년 9월 o1-preview 이후 test-time compute("Reasoning")이 본격화된 이후로 추론과 훈련의 경계가 이미 흐려져있습니다. 이제는 추론이 곧 훈련이고 훈련이 곧 추론입니다. 여기에 QAT(Quantization Aware Training)와 FP4 조합까지 더해지면서 저정밀도 연산의 이점이 더 큽니다. 엔비디아는 Grace Blackwell부터 FP4를 Native로 지원하고 있지만, 3Q26 양산 예정인 TPU v7, Trainium3까지도 여전히 FP4를 지원하지 않을 예정입니다. 이 때문에 엔비디아는 MoE 모델 추론에 가장 최적화된 칩이라는 지위를 유지하고 있고, 앞으로도 유지할 것으로 예상합니다. 이것도 마찬가지로 <AI 가속기 심화면 : GPU vs TPU, 무엇이 칩을 다르게 만드나 (feat. CPU, ASIC, FPGA> 자료를 보고 나셨다면 이해가 더 잘 되실 내용입니다. 루멘텀(LITE), 비아비(VIAV) 루멘텀LITE는 Overweight을 유지합니다. CY27 PER 30배입니다. 루멘텀 1Q26 실적발표 : 3Q OCS, 4Q CPO, 차례로 점화를 기다리는 고성능 엔진들

이 자료에서 다룬 사실

루멘텀 CEO는 현재 매출에 OCS·CPO/NPO·Scale-up Network가 반영되지 않았고, 3분기 OCS와 4분기 CPO 관련 도입이 시작될 예정이라고 말했다.

근거 보기 2

원문 구간 1
샌디스크가 6월 9일 Mizuho 컨퍼런스에 참석했습니다: Enterprise SSD 매출이 전사 매출비중의 25%까지 올라왔지만 이제 막 시작된 것에 가깝다고 설명했습니다. 고성능 TLC SSD는 이미 여러 하이퍼스케일러에게 퀄을 받았고, QLC Stargate SSD는 이제 막 매출인식이 시작될 예정입니다. 더 높은 부가가치의 eSSD 믹스가 높아지고 있다는 것이 좋습니다. HBF는 지금의 AI 시스템에 꽂아 넣었을 때는 효용이 낮고, 고객이 HBF 구조에 맞게 모델과 하드웨어 조를 변경해야 제대로 작동하는 기술이라고 말했습니다. 따라서 실제 HBF 매출을 기대하려면 CY28쯤이 넘어야 가능할 것으로 보입니다. 애플의 WWDC : MoE를 애플식으로 다시 구조화하다 이번 WWDC26에서 의외였던 게 3세대 파운데이션 모델을 다루는 방식이었습니다. 나름 애플식으로 LLM을 녹여내기 위해 고민을 많이 했구나 싶은 점들이 있었습니다. 애플의 3세대 파운데이션 모델에 대한 System card는 ML 페이지에서 볼 수 있었습니다. 제미나이를 가져다가 distilled해서 만든 AFM 3(Apple Foundation Model 3)입니다. system card를 보다가 가장 눈에 띄었던 건 MoE입니다. 애플은 이것도 Static weigths in DRAM, Dynamic experts, inactive experts라고 색다르게 표현했는데 Total parameter, Active Parameter로 생각하시면 됩니다. 애플이 잘하는 것 중 하나는 이미 전문가 집단에서 통용되는 개념을 본인들만의 언어로 다시 풀어내는 것입니다. 설명 자체는 직관적이지만 처음 보면 마치 애플이 이 구조를 처음 만든 것처럼 착각하기 쉽습니다. DRAM 대신 NAND 활용한 MoE : 가격 대비 용량과 지연시간의 트레이드오프 두 번째로 흥미로웠던 부분은 애플이 비싼 DRAM 대신 NAND를 적극 활용했다는 점입니다.
원문 구간 2
여기서 비싸다는 말은 절대적인 수치상의 가격이 아니라, 메모리 계층 구조에서 $/GB 기준으로 DRAM이 NAND보다 훨씬 비싸다는 의미입니다. 결국 핵심은 $/GB와 Latency의 트레이드오프입니다. 애플은 전체 파라미터를 DRAM이 아니라 NAND에 저장하는 구조를 택했습니다. 다만 표준적인 MoE 모델처럼 토큰 단위로 expert 가중치를 계속 교환하려면 NAND와 DRAM 사이의 대역폭이 너무 느립니다. 그래서 애플은 토큰 단위 라우팅이 아니라 프롬프트 단위 라우팅에 가까운 구조를 선택했습니다. 즉, 특정 사용 사례별로 미리 정해진 활성 매개변수를 사용하는 방식입니다. 랜덤성이 커질수록 NAND-DRAM 대역폭 병목이 부각될 수 있으니, 아예 결정론적으로 움직이도록 설계한 것입니다. 애플을 최상위 프런티어 모델 기업으로 보기는 어렵고 Tier 3 정도로 보는 것이 맞겠지만, 이 접근 자체는 꽤 흥미롭습니다. 이런 부분은 <LLM 추론 토큰 가격의 비밀 : MoE의 시대, 엔비디아의 NVL72가 중요한 이유>을 보고 나셨다면 이해가 더 잘 되실 내용입니다. 샌디스크가 주간으로 강세였던 이유도 파라미터를 NAND에 저장하는 새로운 시도를 선보였기 때문이라고 생각하고 있습니다. 사전훈련은 TPU, 추론은 NVDA B200 GPU 세 번째 포인트는 애플이 GCP의 TPU를 활용해 사전훈련 규모를 대폭 키웠다는 점입니다. 이후 각 모델을 실제 서빙할 하드웨어에 맞게 별도로 최적화했습니다. ⓐAFM Core, ⓑAFM 3 Core Advanced, ⓒAFM 3 Cloud, ⓓADM 3 Cloud(Image)는 Apple Silicon에 맞게 최적화했고, 가장 고지능의 거대 모델인 ⓔAFM 3 Cloud Pro는 엔비디아 GPU에 최적화했다는 내용이 확인됩니다. 사람들의 일반적인 인식과는 다를 수 있지만 구조적으로 보면 대규모 행렬곱을 수행하고 Pod 단위에서 큰 Scale-up 도메인 메모리 용량을 확보해야 하는 사전훈련에서는 TPU가 유리한 지점이 있습니다(랙 단위 OCS Scale-up 덕분).

그렇게 판단한 이유

1.6T EML, 하이퍼스케일러 OCS, UHP Laser와 ELS의 포지션을 근거로 들고, ASIC NPO의 광 레인 수 기회가 클 수 있다는 설명을 연결했다.

근거 보기 3

원문 구간 1
여기서 비싸다는 말은 절대적인 수치상의 가격이 아니라, 메모리 계층 구조에서 $/GB 기준으로 DRAM이 NAND보다 훨씬 비싸다는 의미입니다. 결국 핵심은 $/GB와 Latency의 트레이드오프입니다. 애플은 전체 파라미터를 DRAM이 아니라 NAND에 저장하는 구조를 택했습니다. 다만 표준적인 MoE 모델처럼 토큰 단위로 expert 가중치를 계속 교환하려면 NAND와 DRAM 사이의 대역폭이 너무 느립니다. 그래서 애플은 토큰 단위 라우팅이 아니라 프롬프트 단위 라우팅에 가까운 구조를 선택했습니다. 즉, 특정 사용 사례별로 미리 정해진 활성 매개변수를 사용하는 방식입니다. 랜덤성이 커질수록 NAND-DRAM 대역폭 병목이 부각될 수 있으니, 아예 결정론적으로 움직이도록 설계한 것입니다. 애플을 최상위 프런티어 모델 기업으로 보기는 어렵고 Tier 3 정도로 보는 것이 맞겠지만, 이 접근 자체는 꽤 흥미롭습니다. 이런 부분은 <LLM 추론 토큰 가격의 비밀 : MoE의 시대, 엔비디아의 NVL72가 중요한 이유>을 보고 나셨다면 이해가 더 잘 되실 내용입니다. 샌디스크가 주간으로 강세였던 이유도 파라미터를 NAND에 저장하는 새로운 시도를 선보였기 때문이라고 생각하고 있습니다. 사전훈련은 TPU, 추론은 NVDA B200 GPU 세 번째 포인트는 애플이 GCP의 TPU를 활용해 사전훈련 규모를 대폭 키웠다는 점입니다. 이후 각 모델을 실제 서빙할 하드웨어에 맞게 별도로 최적화했습니다. ⓐAFM Core, ⓑAFM 3 Core Advanced, ⓒAFM 3 Cloud, ⓓADM 3 Cloud(Image)는 Apple Silicon에 맞게 최적화했고, 가장 고지능의 거대 모델인 ⓔAFM 3 Cloud Pro는 엔비디아 GPU에 최적화했다는 내용이 확인됩니다. 사람들의 일반적인 인식과는 다를 수 있지만 구조적으로 보면 대규모 행렬곱을 수행하고 Pod 단위에서 큰 Scale-up 도메인 메모리 용량을 확보해야 하는 사전훈련에서는 TPU가 유리한 지점이 있습니다(랙 단위 OCS Scale-up 덕분).
원문 구간 2
반면 MoE 모델 추론 영역에서는 엔비디아 GPU가 여전히 TCO 대비 성능이 가장 높습니다. 특히 가속기를 대략 6년 단위로 운용한다고 보면 핵심은 결국 추론의 경제학입니다. 모델은 한 번 훈련하고 끝나는 것이 아니라 수년간 계속 서빙되어야 하며, 사용량이 누적될수록 비용의 중심은 추론으로 이동합니다. 이 관점에서 애플이 가장 고지능의 거대 모델인 AFM 3 Cloud Pro를 엔비디아 GPU에 최적화했다는 것은 전체 가속기 TCO 관점에서 가장 비용이 많이 들고 부가가치를 많이 생산하는 모델의 경우 여전히 엔비디아가 가장 좋은 선택지임을 보여준 셈입니다. 추론이 중요한 이유는 단순히 서빙 비용 때문만은 아닙니다. 2024년 9월 o1-preview 이후 test-time compute("Reasoning")이 본격화된 이후로 추론과 훈련의 경계가 이미 흐려져있습니다. 이제는 추론이 곧 훈련이고 훈련이 곧 추론입니다. 여기에 QAT(Quantization Aware Training)와 FP4 조합까지 더해지면서 저정밀도 연산의 이점이 더 큽니다. 엔비디아는 Grace Blackwell부터 FP4를 Native로 지원하고 있지만, 3Q26 양산 예정인 TPU v7, Trainium3까지도 여전히 FP4를 지원하지 않을 예정입니다. 이 때문에 엔비디아는 MoE 모델 추론에 가장 최적화된 칩이라는 지위를 유지하고 있고, 앞으로도 유지할 것으로 예상합니다. 이것도 마찬가지로 <AI 가속기 심화면 : GPU vs TPU, 무엇이 칩을 다르게 만드나 (feat. CPU, ASIC, FPGA> 자료를 보고 나셨다면 이해가 더 잘 되실 내용입니다. 루멘텀(LITE), 비아비(VIAV) 루멘텀LITE는 Overweight을 유지합니다. CY27 PER 30배입니다. 루멘텀 1Q26 실적발표 : 3Q OCS, 4Q CPO, 차례로 점화를 기다리는 고성능 엔진들
원문 구간 3
'빛💡'의 시대 : 광학 밸류체인 한 눈에 보기 비아비VIAV는 Overweight을 유지합니다. CY27 PER 27배(Rosenblatt CY27 EPS $2)입니다. 비아비 솔루션스 1Q26 실적발표 : 본격 개화하는 빛의 시대, 물만난 테스트 수요 '빛💡'의 시대 : 광학 밸류체인 한 눈에 보기 전체적으로 Copper and Optics Scale-up, Scale-out의 구리/광학에 대해 잘 정리한 테이블이 있습니다. 원래 Scale-out은 광학을 메인으로 사용하고 있습니다. Scale-up은 구리가 메인이었지만, CY27쯤부터는 엔비디아를 필두로 CPO/NPO가 도입되며 광학이 쓰이기 시작합니다. 아마존은 Trainium과 구글 TPU 전략의 차이에서 전해드렸던 것처럼 'TCO 대비 퍼포먼스' 차원에서 초저비용-중간 정도의 퍼포먼스를 목표로 하는 인프라라서 가장 마지막까지 구리, 가장 마지막까지 Active Rear Door(RDHx), 가장 마지막까지 자체 NIC를 사용하는 기업입니다. 루멘텀 : CPO 지연 노이즈보다 NPO/OCS가 더 중요 1. SemiAnalysis의 주장 : 협의의 CPO와 800VDC 기대치 조정 SemiAnalysis가 6월 9일 COMPUTEX 26 Taiwan 이후 AI HW 전반에 대해 기관용 리서치를 냈습니다. 핵심은 크게 네 가지입니다. 첫째, 800VDC 도입은 2028년 이후로 밀릴 가능성이 높다고 봤습니다. 이 때문에 WOLF, NVTS 같은 순수 WBG 전력반도체 기업들은 단기적으로 멀티플을 정당화할 추가 콘텐츠 증가 촉매가 부족하다는 판단입니다. 800VDC 도입 지연으로 전력반도체 성장곡선은 시장 기대보다 완만해질 수 있다고 봤습니다. 둘째, CPO 양산시점은 2029년 이후가 될 가능성이 높다고 봤습니다. CY27~CY28 Vera Rubin Ultra용 NVL576에서 Scale-up CPO 스위치 물량이 일부 존재하는 것은 맞지만, GPU-to-GPU 연결이 아니라 NVSwitch-to-NVSwitch 구간에 제한적으로 쓰이는 구조이고 전체 시장의 판도를 바꿀 정도의 물량은 아니라는 해석입니다.

발생진행 중발생일 26-6-9

26-6 하이퍼스케일러 ASIC의 NPO 도입 전망

작성자의 핵심 판단

작성자는 CPO와 NPO 중 어느 방식인지보다 고속 광학 연결의 채택량이 늘어나는지가 중요하다고 봤다.

근거 보기 2

원문 구간 1
NAND: 3Q26는 eSSD가 주도하면서 QoQ 30% 상승할 가능성이 높습니다. 소비자 가전제품 시장이 가격을 소화하기 어려워하다보니 현물가 자체는 상승이 제한적인데 계약가격 호가는 강합니다. HBF 제품 전망은 업계 피드백상 엇갈립니다. CSP는 NAND die를 GPU와 함께 패키징할 경우 GPU의 수명주기가 NAND die의 대구성에 영향을 받으니 GPU의 내구성이 크게 낮아질 수 있는 점을 우려하고 있습니다. 현재로서는 eSSD가 더 낫고 더 신뢰성 높은 솔루션이란 것입니다. 한 고객은 AI 애플리케이션용으로 스마트폰/엣지 디바이스용 HBF 기술에 관심을 보이고 있습니다. CY27로 갈수록 AI용 NAND 수요는 출하량이 크게 늘어날 것으로 예상됩니다. CSP의 KV cache offloading 수요와 HDD쪽 쇼티지에 대응하기 위한 QLC SSD 주문 증가가 견인할 것으로 예상됩니다. 아직 시장에서 BlueField DPU STX 랙에 대한 추가 수요가 얼마나 될지는 대략만 추정할뿐 정확한 추정은 없는데, 향후 CY27으로 갈수록 구체적인 수요가 얼마나될지 추려질 것으로 예상됩니다. 주요 IB들의 마이크론 CY27 EPS 추정치 CY27 EPS 기준 ⓐUBS $155, ⓑGS $145, ⓒWolfe $135, ⓓMS $113.85입니다. 클린룸 제약으로 인해 공급이 타이트한 상태인데, Agentic AI CPU 트렌드로 메모리 부족은 더 심해질 것이고, LTA 덕에 리레이팅 수요가 생길 것이라는 핵심 포인트들은 계속해서 같습니다. 샌디스크(SNDK) 샌디스크SNDK는 Overweight을 유지합니다. CY27 PER 5.4배(GF증권 CY27 EPS $366)입니다. 샌디스크 1Q26 코멘트 / 주간전략보고 : 투자의 생각 (5월 4일~5월 8일) 추론의 시대, 핵심이 된 메모리 : 메모리 쇼티지를 떠받치고 있는 힘 '이제 데이터센터향 매출 비중 크게 늘릴 것'
원문 구간 2
현재 OCS 출하의 상당 부분은 Spine Switch(Leaf-Spine 중 Spine을 대체)를 교체하는 용도로 쓰이고 있습니다. 그런데 앞으로는 구글 같은 하이퍼스케일러가 Scale-up 토폴로지에서 OCS를 더 적극적으로 사용하면서 광 케이블과 구리 케이블 링크 수와 길이를 줄일 가능성이 있습니다. 이 경우 CPO/NPO를 일부 대체하거나 보완하는 효과가 생깁니다. 그렇지만 루멘텀과 비아비 입장에서는 OCS 확장 자체가 직접적인 수혜입니다. Rosenblatt의 5월 27일 공급망 체크에 따르면, 이미 ROADM 테스트의 100%를 비아비가 하고 있기에 현재로서 OCS 테스트 물량 100%를 비아비가 맡을 것으로 예상됩니다. 경쟁에 있어서는 MEMS 방식 OCS에 대한 자신감을 보였습니다. 코히런트는 LCOS 방식이 2~3배 비싸더라도 장기적으로 하이퍼스케일러향 OCS에 침투할 수 있다고 주장합니다. 반면 루멘텀은 데이터센터 고객들이 가장 민감하게 보는 요소가 광 손실이라고 강조했습니다. MEMS는 거울을 움직여 빛의 경로를 바꾸는 방식이기 때문에 구조적으로 손실이 낮습니다. 반면 LCOS는 빛이 시스템 내부를 통과하는 과정에서 손실이 발생할 수밖에 없습니다. 루멘텀은 MEMS의 신뢰성도 이미 통신망에서 검증됐다고 봅니다. Verizon, AT&T 같은 장거리 광케이블망에서 20년 넘게 사용돼 왔고, 특히 지하에 매설된 네트워크에서 쓰였다는 점이 핵심입니다. 신뢰성이 낮았다면 유지보수 비용 때문에 이런 구조가 장기간 유지되기 어려웠을 것입니다. 하이퍼스케일러들이 여전히 MEMS를 고려하는 이유도 결국 낮은 손실과 검증된 신뢰성 때문입니다. 3. 같은 날#2, Needham NDR : CY27 하이퍼스케일러 ASIC NPO 도입 6월 9일 Needham NDR에서도 비슷한 메시지입니다. 첫째, 하이퍼스케일러들의 ASIC NPO 도입 일정이 앞당겨지고 있습니다.

이 자료에서 다룬 사실

Needham NDR은 하이퍼스케일러 ASIC의 NPO 도입 출하가 CY27부터 시작될 것으로 정리했다.

근거 보기 1

원문 구간 1
현재 OCS 출하의 상당 부분은 Spine Switch(Leaf-Spine 중 Spine을 대체)를 교체하는 용도로 쓰이고 있습니다. 그런데 앞으로는 구글 같은 하이퍼스케일러가 Scale-up 토폴로지에서 OCS를 더 적극적으로 사용하면서 광 케이블과 구리 케이블 링크 수와 길이를 줄일 가능성이 있습니다. 이 경우 CPO/NPO를 일부 대체하거나 보완하는 효과가 생깁니다. 그렇지만 루멘텀과 비아비 입장에서는 OCS 확장 자체가 직접적인 수혜입니다. Rosenblatt의 5월 27일 공급망 체크에 따르면, 이미 ROADM 테스트의 100%를 비아비가 하고 있기에 현재로서 OCS 테스트 물량 100%를 비아비가 맡을 것으로 예상됩니다. 경쟁에 있어서는 MEMS 방식 OCS에 대한 자신감을 보였습니다. 코히런트는 LCOS 방식이 2~3배 비싸더라도 장기적으로 하이퍼스케일러향 OCS에 침투할 수 있다고 주장합니다. 반면 루멘텀은 데이터센터 고객들이 가장 민감하게 보는 요소가 광 손실이라고 강조했습니다. MEMS는 거울을 움직여 빛의 경로를 바꾸는 방식이기 때문에 구조적으로 손실이 낮습니다. 반면 LCOS는 빛이 시스템 내부를 통과하는 과정에서 손실이 발생할 수밖에 없습니다. 루멘텀은 MEMS의 신뢰성도 이미 통신망에서 검증됐다고 봅니다. Verizon, AT&T 같은 장거리 광케이블망에서 20년 넘게 사용돼 왔고, 특히 지하에 매설된 네트워크에서 쓰였다는 점이 핵심입니다. 신뢰성이 낮았다면 유지보수 비용 때문에 이런 구조가 장기간 유지되기 어려웠을 것입니다. 하이퍼스케일러들이 여전히 MEMS를 고려하는 이유도 결국 낮은 손실과 검증된 신뢰성 때문입니다. 3. 같은 날#2, Needham NDR : CY27 하이퍼스케일러 ASIC NPO 도입 6월 9일 Needham NDR에서도 비슷한 메시지입니다. 첫째, 하이퍼스케일러들의 ASIC NPO 도입 일정이 앞당겨지고 있습니다.

그렇게 판단한 이유

레인당 200G 환경에서 구리 백플레인의 물리적 한계가 커지고 랙 백플레인에 더 많은 1.6T 레인이 필요해진다는 설명을 근거로 든다.

근거 보기 2

원문 구간 1
반면 MoE 모델 추론 영역에서는 엔비디아 GPU가 여전히 TCO 대비 성능이 가장 높습니다. 특히 가속기를 대략 6년 단위로 운용한다고 보면 핵심은 결국 추론의 경제학입니다. 모델은 한 번 훈련하고 끝나는 것이 아니라 수년간 계속 서빙되어야 하며, 사용량이 누적될수록 비용의 중심은 추론으로 이동합니다. 이 관점에서 애플이 가장 고지능의 거대 모델인 AFM 3 Cloud Pro를 엔비디아 GPU에 최적화했다는 것은 전체 가속기 TCO 관점에서 가장 비용이 많이 들고 부가가치를 많이 생산하는 모델의 경우 여전히 엔비디아가 가장 좋은 선택지임을 보여준 셈입니다. 추론이 중요한 이유는 단순히 서빙 비용 때문만은 아닙니다. 2024년 9월 o1-preview 이후 test-time compute("Reasoning")이 본격화된 이후로 추론과 훈련의 경계가 이미 흐려져있습니다. 이제는 추론이 곧 훈련이고 훈련이 곧 추론입니다. 여기에 QAT(Quantization Aware Training)와 FP4 조합까지 더해지면서 저정밀도 연산의 이점이 더 큽니다. 엔비디아는 Grace Blackwell부터 FP4를 Native로 지원하고 있지만, 3Q26 양산 예정인 TPU v7, Trainium3까지도 여전히 FP4를 지원하지 않을 예정입니다. 이 때문에 엔비디아는 MoE 모델 추론에 가장 최적화된 칩이라는 지위를 유지하고 있고, 앞으로도 유지할 것으로 예상합니다. 이것도 마찬가지로 <AI 가속기 심화면 : GPU vs TPU, 무엇이 칩을 다르게 만드나 (feat. CPU, ASIC, FPGA> 자료를 보고 나셨다면 이해가 더 잘 되실 내용입니다. 루멘텀(LITE), 비아비(VIAV) 루멘텀LITE는 Overweight을 유지합니다. CY27 PER 30배입니다. 루멘텀 1Q26 실적발표 : 3Q OCS, 4Q CPO, 차례로 점화를 기다리는 고성능 엔진들
원문 구간 2
현재 OCS 출하의 상당 부분은 Spine Switch(Leaf-Spine 중 Spine을 대체)를 교체하는 용도로 쓰이고 있습니다. 그런데 앞으로는 구글 같은 하이퍼스케일러가 Scale-up 토폴로지에서 OCS를 더 적극적으로 사용하면서 광 케이블과 구리 케이블 링크 수와 길이를 줄일 가능성이 있습니다. 이 경우 CPO/NPO를 일부 대체하거나 보완하는 효과가 생깁니다. 그렇지만 루멘텀과 비아비 입장에서는 OCS 확장 자체가 직접적인 수혜입니다. Rosenblatt의 5월 27일 공급망 체크에 따르면, 이미 ROADM 테스트의 100%를 비아비가 하고 있기에 현재로서 OCS 테스트 물량 100%를 비아비가 맡을 것으로 예상됩니다. 경쟁에 있어서는 MEMS 방식 OCS에 대한 자신감을 보였습니다. 코히런트는 LCOS 방식이 2~3배 비싸더라도 장기적으로 하이퍼스케일러향 OCS에 침투할 수 있다고 주장합니다. 반면 루멘텀은 데이터센터 고객들이 가장 민감하게 보는 요소가 광 손실이라고 강조했습니다. MEMS는 거울을 움직여 빛의 경로를 바꾸는 방식이기 때문에 구조적으로 손실이 낮습니다. 반면 LCOS는 빛이 시스템 내부를 통과하는 과정에서 손실이 발생할 수밖에 없습니다. 루멘텀은 MEMS의 신뢰성도 이미 통신망에서 검증됐다고 봅니다. Verizon, AT&T 같은 장거리 광케이블망에서 20년 넘게 사용돼 왔고, 특히 지하에 매설된 네트워크에서 쓰였다는 점이 핵심입니다. 신뢰성이 낮았다면 유지보수 비용 때문에 이런 구조가 장기간 유지되기 어려웠을 것입니다. 하이퍼스케일러들이 여전히 MEMS를 고려하는 이유도 결국 낮은 손실과 검증된 신뢰성 때문입니다. 3. 같은 날#2, Needham NDR : CY27 하이퍼스케일러 ASIC NPO 도입 6월 9일 Needham NDR에서도 비슷한 메시지입니다. 첫째, 하이퍼스케일러들의 ASIC NPO 도입 일정이 앞당겨지고 있습니다.

발생 가능진행 중발생월 26-6

26-6 SMCI의 xAI GB300 NVL72 추가 수주 보도

작성자의 핵심 판단

작성자는 Dell 수주도 확인된다는 전제에서 이 물량이 10월부터 구글에 서비스될 신규 클러스터일 가능성을 제시했다.

근거 보기 2

원문 구간 1
그래서 Agentic AI 환경에서는 별도의 Standalone CPU, 즉 오케스트레이션용 CPU 수요가 커지게 됩니다. 앞으로 중요한 변화는 수백 개에서 수천 개의 하위 에이전트가 병렬로 실행되는 구조입니다. 이미 채택이 시작됐습니다. 6월 11일 주간전략보고에서 전해드린 것처럼 Opus 4.8의 핵심은 Dynamic Workflows이었습니다. 이제 단일 에이전트가 하나의 작업을 순차적으로 수행하는 구조를 넘어서는 변화입니다. 3. 기존 클라우드용 CPU 마지막 축은 기존 클라우드용 CPU입니다. 이는 GP 서버용 CPU 수요입니다. 이 영역은 이미 성숙한 시장이고, 워크로드도 매우 세분화되어 있습니다. 클라우드 CPU SKU가 많은 이유도 세분화가 워낙 많이 진행됐기 때문입니다. General Purpose용 SKU, 컴퓨팅 최적화 SKU, 메모리 최적화 SKU, 스토리지 최적화 SKU 등 사용 목적에 따라 필요한 CPU 특성이 다릅니다. 예를 들어 SQL이나 VMware처럼 코어당 과금이 붙는 워크로드에서는 고객들이 같은 CPU 안에서도 코어 수는 적고 코어당 성능은 높은 구성을 선호합니다. 반면 웹서버처럼 대량 요청을 처리하는 워크로드에서는 와트당 처리량이 더 중요합니다. 기존 클라우드용 CPU는 이미 성숙한 시장이지만, AI 인프라 확장과 별개로 계속 유지되는 기본 수요입니다. SMCI, xAI로부터 GB300 NVL72 추가 수주 BlueFin에 따르면 SMCI는 xAI로부터 $5.2B 규모의 GB300 NVL72 랙 1,500개를 추가 수주한 것으로 보입니다. GPU 수량으로는 GB300 약 10.8만 개입니다. SMCI를 둘러싼 여러 이슈에도 불구하고 xAI는 여전히 SMCI에 배정되는 GB200/GB300 물량에 관심을 보이며 비즈니스 관계를 이어가고 있습니다.
원문 구간 2
이번 주문은 기존에 알려졌던 Colossus 2향 GB300 NVL72 랙 3,100개, 테슬라향 랙 1,000개에 이어 나온 추가 물량입니다. 해당 빌드는 6월 초 시작됐고, 8월 전후로 완료될 예정입니다. 이제 어느 정도 퍼즐이 맞춰지는 듯합니다. 지난 주 주간전략보고의 코어위브 코멘트에서 말씀드린 스페이스X의 구글향 계약 물량은 GB300 NVL72일 가능성이 높아 보입니다. 이게 왜 미스테리였나 하면, 시간당 임대가격이 GB200 NVL72치고는 상당히 높았기 때문입니다. 그래서 GB300이 아닐까 했는데 아마 이 물량을 구글이 임대하기로 한 것이 아닐까 싶습니다. 다만 Dell 역시 GB300 NVL72 물량을 수주한 것으로 확인되기 때문에, 구조적으로 보면 SMCI 물량 약 11만 개는 빌드가 끝난 직후인 10월부터 구글에 서비스되는 신규 클러스터 물량일 가능성이 있습니다. 즉 기존에 보유하던 GB200 물량을 재판매하거나 단순 임대한 것이 아니라, 가장 최신 세대의 신규 GB300 NVL72 빌드를 바로 서비스하는 구조로 봐야 합니다. 중국도 이제 국가 주도의 AI DC 계획 적극 추진 중국이 향후 5년간 약 $295B를 투입해 전국 단위의 AI 데이터센터 구축 계획을 추진 중입니다. 국가적인 계획을 세우고, 국유 통신사들이 운영과 연결을 담당합니다. 전국의 흩어진 컴퓨팅 자원을 하나로 묶는 프로젝트입니다. 목표 시점은 2028년까지로 생각보다는 빠릅니다. 재원조달은 초장기 특별국채 + 반도체 펀드 + 은행 대출 + 민간기업의 자본을 통해 조달할 예정입니다. 전체적으로 계속해서 자국 내 AI HW 공급망 그리고 데이터센터 인프라 확충에 더욱 돈을 쏟아붓는 쪽으로 드라이브 중입니다. 구글, 26년 PER 30배 / Overweight 구글 1Q26 실적발표 : 검색은 방어했고, 클라우드는 폭발했습니다 (바로가기)

이 자료에서 다룬 사실

BlueFin에 따르면 SMCI는 xAI로부터 52억달러 규모 GB300 NVL72 랙 1,500개를 추가 수주한 것으로 보이며, 빌드는 6월 초 시작돼 8월 전후 완료될 예정이라고 전했다.

근거 보기 2

원문 구간 1
그래서 Agentic AI 환경에서는 별도의 Standalone CPU, 즉 오케스트레이션용 CPU 수요가 커지게 됩니다. 앞으로 중요한 변화는 수백 개에서 수천 개의 하위 에이전트가 병렬로 실행되는 구조입니다. 이미 채택이 시작됐습니다. 6월 11일 주간전략보고에서 전해드린 것처럼 Opus 4.8의 핵심은 Dynamic Workflows이었습니다. 이제 단일 에이전트가 하나의 작업을 순차적으로 수행하는 구조를 넘어서는 변화입니다. 3. 기존 클라우드용 CPU 마지막 축은 기존 클라우드용 CPU입니다. 이는 GP 서버용 CPU 수요입니다. 이 영역은 이미 성숙한 시장이고, 워크로드도 매우 세분화되어 있습니다. 클라우드 CPU SKU가 많은 이유도 세분화가 워낙 많이 진행됐기 때문입니다. General Purpose용 SKU, 컴퓨팅 최적화 SKU, 메모리 최적화 SKU, 스토리지 최적화 SKU 등 사용 목적에 따라 필요한 CPU 특성이 다릅니다. 예를 들어 SQL이나 VMware처럼 코어당 과금이 붙는 워크로드에서는 고객들이 같은 CPU 안에서도 코어 수는 적고 코어당 성능은 높은 구성을 선호합니다. 반면 웹서버처럼 대량 요청을 처리하는 워크로드에서는 와트당 처리량이 더 중요합니다. 기존 클라우드용 CPU는 이미 성숙한 시장이지만, AI 인프라 확장과 별개로 계속 유지되는 기본 수요입니다. SMCI, xAI로부터 GB300 NVL72 추가 수주 BlueFin에 따르면 SMCI는 xAI로부터 $5.2B 규모의 GB300 NVL72 랙 1,500개를 추가 수주한 것으로 보입니다. GPU 수량으로는 GB300 약 10.8만 개입니다. SMCI를 둘러싼 여러 이슈에도 불구하고 xAI는 여전히 SMCI에 배정되는 GB200/GB300 물량에 관심을 보이며 비즈니스 관계를 이어가고 있습니다.
원문 구간 2
이번 주문은 기존에 알려졌던 Colossus 2향 GB300 NVL72 랙 3,100개, 테슬라향 랙 1,000개에 이어 나온 추가 물량입니다. 해당 빌드는 6월 초 시작됐고, 8월 전후로 완료될 예정입니다. 이제 어느 정도 퍼즐이 맞춰지는 듯합니다. 지난 주 주간전략보고의 코어위브 코멘트에서 말씀드린 스페이스X의 구글향 계약 물량은 GB300 NVL72일 가능성이 높아 보입니다. 이게 왜 미스테리였나 하면, 시간당 임대가격이 GB200 NVL72치고는 상당히 높았기 때문입니다. 그래서 GB300이 아닐까 했는데 아마 이 물량을 구글이 임대하기로 한 것이 아닐까 싶습니다. 다만 Dell 역시 GB300 NVL72 물량을 수주한 것으로 확인되기 때문에, 구조적으로 보면 SMCI 물량 약 11만 개는 빌드가 끝난 직후인 10월부터 구글에 서비스되는 신규 클러스터 물량일 가능성이 있습니다. 즉 기존에 보유하던 GB200 물량을 재판매하거나 단순 임대한 것이 아니라, 가장 최신 세대의 신규 GB300 NVL72 빌드를 바로 서비스하는 구조로 봐야 합니다. 중국도 이제 국가 주도의 AI DC 계획 적극 추진 중국이 향후 5년간 약 $295B를 투입해 전국 단위의 AI 데이터센터 구축 계획을 추진 중입니다. 국가적인 계획을 세우고, 국유 통신사들이 운영과 연결을 담당합니다. 전국의 흩어진 컴퓨팅 자원을 하나로 묶는 프로젝트입니다. 목표 시점은 2028년까지로 생각보다는 빠릅니다. 재원조달은 초장기 특별국채 + 반도체 펀드 + 은행 대출 + 민간기업의 자본을 통해 조달할 예정입니다. 전체적으로 계속해서 자국 내 AI HW 공급망 그리고 데이터센터 인프라 확충에 더욱 돈을 쏟아붓는 쪽으로 드라이브 중입니다. 구글, 26년 PER 30배 / Overweight 구글 1Q26 실적발표 : 검색은 방어했고, 클라우드는 폭발했습니다 (바로가기)

그렇게 판단한 이유

기존 GB200 물량의 재판매·단순 임대가 아니라 최신 GB300 NVL72 빌드를 바로 서비스하는 구조일 수 있다는 시간당 임대가격과 빌드 일정의 해석을 들었다.

근거 보기 1

원문 구간 1
그래서 Agentic AI 환경에서는 별도의 Standalone CPU, 즉 오케스트레이션용 CPU 수요가 커지게 됩니다. 앞으로 중요한 변화는 수백 개에서 수천 개의 하위 에이전트가 병렬로 실행되는 구조입니다. 이미 채택이 시작됐습니다. 6월 11일 주간전략보고에서 전해드린 것처럼 Opus 4.8의 핵심은 Dynamic Workflows이었습니다. 이제 단일 에이전트가 하나의 작업을 순차적으로 수행하는 구조를 넘어서는 변화입니다. 3. 기존 클라우드용 CPU 마지막 축은 기존 클라우드용 CPU입니다. 이는 GP 서버용 CPU 수요입니다. 이 영역은 이미 성숙한 시장이고, 워크로드도 매우 세분화되어 있습니다. 클라우드 CPU SKU가 많은 이유도 세분화가 워낙 많이 진행됐기 때문입니다. General Purpose용 SKU, 컴퓨팅 최적화 SKU, 메모리 최적화 SKU, 스토리지 최적화 SKU 등 사용 목적에 따라 필요한 CPU 특성이 다릅니다. 예를 들어 SQL이나 VMware처럼 코어당 과금이 붙는 워크로드에서는 고객들이 같은 CPU 안에서도 코어 수는 적고 코어당 성능은 높은 구성을 선호합니다. 반면 웹서버처럼 대량 요청을 처리하는 워크로드에서는 와트당 처리량이 더 중요합니다. 기존 클라우드용 CPU는 이미 성숙한 시장이지만, AI 인프라 확장과 별개로 계속 유지되는 기본 수요입니다. SMCI, xAI로부터 GB300 NVL72 추가 수주 BlueFin에 따르면 SMCI는 xAI로부터 $5.2B 규모의 GB300 NVL72 랙 1,500개를 추가 수주한 것으로 보입니다. GPU 수량으로는 GB300 약 10.8만 개입니다. SMCI를 둘러싼 여러 이슈에도 불구하고 xAI는 여전히 SMCI에 배정되는 GB200/GB300 물량에 관심을 보이며 비즈니스 관계를 이어가고 있습니다.

발생 가능진행 중발생월 26-6

26-6 중국의 국가 주도 AI 데이터센터 구축 계획

작성자의 핵심 판단

작성자는 중국이 자국 AI 하드웨어 공급망과 데이터센터 인프라에 계속 자금을 투입하는 방향으로 드라이브를 건다고 정리했다.

근거 보기 1

원문 구간 1
이번 주문은 기존에 알려졌던 Colossus 2향 GB300 NVL72 랙 3,100개, 테슬라향 랙 1,000개에 이어 나온 추가 물량입니다. 해당 빌드는 6월 초 시작됐고, 8월 전후로 완료될 예정입니다. 이제 어느 정도 퍼즐이 맞춰지는 듯합니다. 지난 주 주간전략보고의 코어위브 코멘트에서 말씀드린 스페이스X의 구글향 계약 물량은 GB300 NVL72일 가능성이 높아 보입니다. 이게 왜 미스테리였나 하면, 시간당 임대가격이 GB200 NVL72치고는 상당히 높았기 때문입니다. 그래서 GB300이 아닐까 했는데 아마 이 물량을 구글이 임대하기로 한 것이 아닐까 싶습니다. 다만 Dell 역시 GB300 NVL72 물량을 수주한 것으로 확인되기 때문에, 구조적으로 보면 SMCI 물량 약 11만 개는 빌드가 끝난 직후인 10월부터 구글에 서비스되는 신규 클러스터 물량일 가능성이 있습니다. 즉 기존에 보유하던 GB200 물량을 재판매하거나 단순 임대한 것이 아니라, 가장 최신 세대의 신규 GB300 NVL72 빌드를 바로 서비스하는 구조로 봐야 합니다. 중국도 이제 국가 주도의 AI DC 계획 적극 추진 중국이 향후 5년간 약 $295B를 투입해 전국 단위의 AI 데이터센터 구축 계획을 추진 중입니다. 국가적인 계획을 세우고, 국유 통신사들이 운영과 연결을 담당합니다. 전국의 흩어진 컴퓨팅 자원을 하나로 묶는 프로젝트입니다. 목표 시점은 2028년까지로 생각보다는 빠릅니다. 재원조달은 초장기 특별국채 + 반도체 펀드 + 은행 대출 + 민간기업의 자본을 통해 조달할 예정입니다. 전체적으로 계속해서 자국 내 AI HW 공급망 그리고 데이터센터 인프라 확충에 더욱 돈을 쏟아붓는 쪽으로 드라이브 중입니다. 구글, 26년 PER 30배 / Overweight 구글 1Q26 실적발표 : 검색은 방어했고, 클라우드는 폭발했습니다 (바로가기)

이 자료에서 다룬 사실

중국은 향후 5년간 약 2,950억달러를 투입해 전국 단위 AI 데이터센터 구축을 추진하고, 2028년까지 국유 통신사가 운영·연결을 담당하는 계획을 제시했다고 전했다.

근거 보기 1

원문 구간 1
이번 주문은 기존에 알려졌던 Colossus 2향 GB300 NVL72 랙 3,100개, 테슬라향 랙 1,000개에 이어 나온 추가 물량입니다. 해당 빌드는 6월 초 시작됐고, 8월 전후로 완료될 예정입니다. 이제 어느 정도 퍼즐이 맞춰지는 듯합니다. 지난 주 주간전략보고의 코어위브 코멘트에서 말씀드린 스페이스X의 구글향 계약 물량은 GB300 NVL72일 가능성이 높아 보입니다. 이게 왜 미스테리였나 하면, 시간당 임대가격이 GB200 NVL72치고는 상당히 높았기 때문입니다. 그래서 GB300이 아닐까 했는데 아마 이 물량을 구글이 임대하기로 한 것이 아닐까 싶습니다. 다만 Dell 역시 GB300 NVL72 물량을 수주한 것으로 확인되기 때문에, 구조적으로 보면 SMCI 물량 약 11만 개는 빌드가 끝난 직후인 10월부터 구글에 서비스되는 신규 클러스터 물량일 가능성이 있습니다. 즉 기존에 보유하던 GB200 물량을 재판매하거나 단순 임대한 것이 아니라, 가장 최신 세대의 신규 GB300 NVL72 빌드를 바로 서비스하는 구조로 봐야 합니다. 중국도 이제 국가 주도의 AI DC 계획 적극 추진 중국이 향후 5년간 약 $295B를 투입해 전국 단위의 AI 데이터센터 구축 계획을 추진 중입니다. 국가적인 계획을 세우고, 국유 통신사들이 운영과 연결을 담당합니다. 전국의 흩어진 컴퓨팅 자원을 하나로 묶는 프로젝트입니다. 목표 시점은 2028년까지로 생각보다는 빠릅니다. 재원조달은 초장기 특별국채 + 반도체 펀드 + 은행 대출 + 민간기업의 자본을 통해 조달할 예정입니다. 전체적으로 계속해서 자국 내 AI HW 공급망 그리고 데이터센터 인프라 확충에 더욱 돈을 쏟아붓는 쪽으로 드라이브 중입니다. 구글, 26년 PER 30배 / Overweight 구글 1Q26 실적발표 : 검색은 방어했고, 클라우드는 폭발했습니다 (바로가기)

그렇게 판단한 이유

초장기 특별국채, 반도체 펀드, 은행 대출, 민간 자본을 재원 조달 수단으로 제시한 내용을 근거로 든다.

근거 보기 1

원문 구간 1
이번 주문은 기존에 알려졌던 Colossus 2향 GB300 NVL72 랙 3,100개, 테슬라향 랙 1,000개에 이어 나온 추가 물량입니다. 해당 빌드는 6월 초 시작됐고, 8월 전후로 완료될 예정입니다. 이제 어느 정도 퍼즐이 맞춰지는 듯합니다. 지난 주 주간전략보고의 코어위브 코멘트에서 말씀드린 스페이스X의 구글향 계약 물량은 GB300 NVL72일 가능성이 높아 보입니다. 이게 왜 미스테리였나 하면, 시간당 임대가격이 GB200 NVL72치고는 상당히 높았기 때문입니다. 그래서 GB300이 아닐까 했는데 아마 이 물량을 구글이 임대하기로 한 것이 아닐까 싶습니다. 다만 Dell 역시 GB300 NVL72 물량을 수주한 것으로 확인되기 때문에, 구조적으로 보면 SMCI 물량 약 11만 개는 빌드가 끝난 직후인 10월부터 구글에 서비스되는 신규 클러스터 물량일 가능성이 있습니다. 즉 기존에 보유하던 GB200 물량을 재판매하거나 단순 임대한 것이 아니라, 가장 최신 세대의 신규 GB300 NVL72 빌드를 바로 서비스하는 구조로 봐야 합니다. 중국도 이제 국가 주도의 AI DC 계획 적극 추진 중국이 향후 5년간 약 $295B를 투입해 전국 단위의 AI 데이터센터 구축 계획을 추진 중입니다. 국가적인 계획을 세우고, 국유 통신사들이 운영과 연결을 담당합니다. 전국의 흩어진 컴퓨팅 자원을 하나로 묶는 프로젝트입니다. 목표 시점은 2028년까지로 생각보다는 빠릅니다. 재원조달은 초장기 특별국채 + 반도체 펀드 + 은행 대출 + 민간기업의 자본을 통해 조달할 예정입니다. 전체적으로 계속해서 자국 내 AI HW 공급망 그리고 데이터센터 인프라 확충에 더욱 돈을 쏟아붓는 쪽으로 드라이브 중입니다. 구글, 26년 PER 30배 / Overweight 구글 1Q26 실적발표 : 검색은 방어했고, 클라우드는 폭발했습니다 (바로가기)

발생 가능진행 중발생월 26-6

26-6 엔비디아의 중국 고객 대상 Vera CPU 주문 개시 보도

작성자의 핵심 판단

작성자는 GPU 수출규제가 타이트한 상황에서 엔비디아가 Agentic AI CPU 판매를 노리는 것으로 해석했다.

근거 보기 1

원문 구간 1
골드만삭스는 AI 인프라 투자를 단순히 서버 구매 사이클로 보기보다, 철도나 자동차 산업 초기의 인프라 구축기와 비교했습니다. 새로운 범용기술이 경제 전반에 침투하는 초기 국면에서는 GDP 대비 상당한 수준의 투자가 수년간 지속될 수 있다는 관점입니다. 이 프레임으로 보면 AI 인프라 투자가 GDP의 2~3% 수준까지 올라가는 것도 정상적인 범위입니다. 이를 CY27 하이퍼스케일러 CapEx로 환산하면 연간 약 $1.1T~$1.25T까지 가능하다는 계산이 나옵니다. 현재 시장 컨센서스보다 훨씬 높은 수치입니다. 그리고 Bull Case는 더 공격적입니다. 하이퍼스케일러들이 영업현금흐름과 채권시장 조달 여력을 최대한 활용한다고 가정하면, 연간 CapEx가 최대 $1.4T까지도 가능하다고 봤습니다. 이 경우는 CY26 YoY 84%에 이어서 CY27에도 CapEx가 YoY 89% 성장하는 것입니다. 엔비디아, 중국 고객에게 Vera CPU 주문 받기 시작 로이터 보도에 따르면, 엔비디아는 최근 중국 고객들에게 Vera CPU가 8월부터 출시될 수 있으며 지금 바로 주문을 시작할 수 있다고 전하고 있습니다. GPU쪽은 수출규제가 타이트한 상태이다보니, Agentic AI CPU 판매를 노리는 중입니다. 이에 최근 중국 클라우드 기업들이 엔비디아 Vera CPU에 관심을 보이고 있으며 초기 출하분은 대부분 중국 내로 들어가기보단 중국 기업들이 임대하고 있는 중국 외의 데이터센터 임대 클러스터에 탑재될 것으로 예상됩니다. 오픈AI-엔비디아 10GW 딜 막바지 협상 중 오픈AI가 엔비디아의 지원을 받아 오하이오주에 10GW 규모의 데이터센터 임대를 하기 위한 막바지 협상을 진행 중입니다. 총 비용은 $500B에 달할 것으로 예상되며, 구조는 정확히 밝혀지진 않았지만 아마 앤스로픽-브로드컴 구조와 비슷할 것으로 예상됩니다.

이 자료에서 다룬 사실

로이터 보도에 따르면 엔비디아는 중국 고객에게 Vera CPU가 8월부터 출시될 수 있으며 주문을 시작할 수 있다고 전했다.

근거 보기 1

원문 구간 1
골드만삭스는 AI 인프라 투자를 단순히 서버 구매 사이클로 보기보다, 철도나 자동차 산업 초기의 인프라 구축기와 비교했습니다. 새로운 범용기술이 경제 전반에 침투하는 초기 국면에서는 GDP 대비 상당한 수준의 투자가 수년간 지속될 수 있다는 관점입니다. 이 프레임으로 보면 AI 인프라 투자가 GDP의 2~3% 수준까지 올라가는 것도 정상적인 범위입니다. 이를 CY27 하이퍼스케일러 CapEx로 환산하면 연간 약 $1.1T~$1.25T까지 가능하다는 계산이 나옵니다. 현재 시장 컨센서스보다 훨씬 높은 수치입니다. 그리고 Bull Case는 더 공격적입니다. 하이퍼스케일러들이 영업현금흐름과 채권시장 조달 여력을 최대한 활용한다고 가정하면, 연간 CapEx가 최대 $1.4T까지도 가능하다고 봤습니다. 이 경우는 CY26 YoY 84%에 이어서 CY27에도 CapEx가 YoY 89% 성장하는 것입니다. 엔비디아, 중국 고객에게 Vera CPU 주문 받기 시작 로이터 보도에 따르면, 엔비디아는 최근 중국 고객들에게 Vera CPU가 8월부터 출시될 수 있으며 지금 바로 주문을 시작할 수 있다고 전하고 있습니다. GPU쪽은 수출규제가 타이트한 상태이다보니, Agentic AI CPU 판매를 노리는 중입니다. 이에 최근 중국 클라우드 기업들이 엔비디아 Vera CPU에 관심을 보이고 있으며 초기 출하분은 대부분 중국 내로 들어가기보단 중국 기업들이 임대하고 있는 중국 외의 데이터센터 임대 클러스터에 탑재될 것으로 예상됩니다. 오픈AI-엔비디아 10GW 딜 막바지 협상 중 오픈AI가 엔비디아의 지원을 받아 오하이오주에 10GW 규모의 데이터센터 임대를 하기 위한 막바지 협상을 진행 중입니다. 총 비용은 $500B에 달할 것으로 예상되며, 구조는 정확히 밝혀지진 않았지만 아마 앤스로픽-브로드컴 구조와 비슷할 것으로 예상됩니다.

그렇게 판단한 이유

초기 출하분은 중국 내보다 중국 기업이 임대하는 해외 데이터센터 클러스터에 탑재될 것으로 예상된다는 설명을 들었다.

근거 보기 1

원문 구간 1
골드만삭스는 AI 인프라 투자를 단순히 서버 구매 사이클로 보기보다, 철도나 자동차 산업 초기의 인프라 구축기와 비교했습니다. 새로운 범용기술이 경제 전반에 침투하는 초기 국면에서는 GDP 대비 상당한 수준의 투자가 수년간 지속될 수 있다는 관점입니다. 이 프레임으로 보면 AI 인프라 투자가 GDP의 2~3% 수준까지 올라가는 것도 정상적인 범위입니다. 이를 CY27 하이퍼스케일러 CapEx로 환산하면 연간 약 $1.1T~$1.25T까지 가능하다는 계산이 나옵니다. 현재 시장 컨센서스보다 훨씬 높은 수치입니다. 그리고 Bull Case는 더 공격적입니다. 하이퍼스케일러들이 영업현금흐름과 채권시장 조달 여력을 최대한 활용한다고 가정하면, 연간 CapEx가 최대 $1.4T까지도 가능하다고 봤습니다. 이 경우는 CY26 YoY 84%에 이어서 CY27에도 CapEx가 YoY 89% 성장하는 것입니다. 엔비디아, 중국 고객에게 Vera CPU 주문 받기 시작 로이터 보도에 따르면, 엔비디아는 최근 중국 고객들에게 Vera CPU가 8월부터 출시될 수 있으며 지금 바로 주문을 시작할 수 있다고 전하고 있습니다. GPU쪽은 수출규제가 타이트한 상태이다보니, Agentic AI CPU 판매를 노리는 중입니다. 이에 최근 중국 클라우드 기업들이 엔비디아 Vera CPU에 관심을 보이고 있으며 초기 출하분은 대부분 중국 내로 들어가기보단 중국 기업들이 임대하고 있는 중국 외의 데이터센터 임대 클러스터에 탑재될 것으로 예상됩니다. 오픈AI-엔비디아 10GW 딜 막바지 협상 중 오픈AI가 엔비디아의 지원을 받아 오하이오주에 10GW 규모의 데이터센터 임대를 하기 위한 막바지 협상을 진행 중입니다. 총 비용은 $500B에 달할 것으로 예상되며, 구조는 정확히 밝혀지진 않았지만 아마 앤스로픽-브로드컴 구조와 비슷할 것으로 예상됩니다.

발생 가능진행 중발생월 26-6

26-6 오픈AI와 엔비디아의 오하이오 데이터센터 협상 보도

작성자의 핵심 판단

작성자는 구체적 구조는 밝혀지지 않았으며 엔비디아의 지급보증이 포함되는 구조일 수 있다고 추정했다.

근거 보기 1

원문 구간 1
Phase 1은 800MW이며 2028년에 가동 예정입니다. 이 부지 소유자이자 디벨로퍼는 소프트뱅크가 대주주인 SB Energy입니다. 오픈AI가 엔비디아 하드웨어를 구매하고 → 엔비디아가 오픈AI의 임대료와 SB Energy가 Powered Shell을 구축하는 프로젝트의 자금조달에 대한 지급보증을 제공할 것으로 예상됩니다. Agentic AI로 인한 CPU 수요 증가 : 자세히 보기 BofA가 Agentic AI 수요를 반영해 CPU TAM을 크게 상향했습니다. 핵심은 AI 인프라 확장이 GPU만의 이야기가 아니라는 점입니다. Reasoning과 Agentic AI로 워크로드의 성격이 바뀌면서 GPU를 보조하고 조율하는 CPU의 역할도 함께 커지고 있습니다. BofA가 제시한 2030년 데이터센터 TAM은 $2.1T입니다. 이 중 AI가 $1.7T / Non-AI가 $0.4T입니다. 여기서 CPU가 차지하는 영역은 크게 세 가지입니다. 컴퓨트/헤드노드용 CPU $70B 오케스트레이션용 CPU $70B 기존 CPU 사용 사례 $30B입니다. BofA 내용은 위 시장규모까지만 정리가 되어 있는데, 생각난김에 Agentic AI CPU의 역할에 대해서 좀 더 자세히 정리해봅니다. 1. GPU에 붙는 Host CPU Agentic AI용 CPU 수요의 첫 번째 축은 호스트 CPU or 헤드노드용 CPU입니다. 쉽게 말하면 GPU 가속기에 직접 붙어 GPU가 제대로 일할 수 있도록 지원하는 CPU입니다. Vera Rubin Compute Tray를 생각하면 이해하기 쉽습니다. 해당 Tray에는 Host CPU인 Vera CPU 1개와 Rubin GPU 2개가 하나의 세트처럼 탑재되고, 이런 구성이 Tray 내부에 2세트 들어갑니다. 즉 GPU만 있는 것이 아니라 GPU를 먹여 살리는 CPU가 함께 들어가는 구조입니다.

이 자료에서 다룬 사실

오픈AI가 엔비디아 지원을 받아 오하이오주 10GW 규모 데이터센터 임대를 위한 막바지 협상을 진행 중이며, Phase 1은 800MW로 2028년 가동 예정이라는 보도가 소개됐다.

근거 보기 2

원문 구간 1
골드만삭스는 AI 인프라 투자를 단순히 서버 구매 사이클로 보기보다, 철도나 자동차 산업 초기의 인프라 구축기와 비교했습니다. 새로운 범용기술이 경제 전반에 침투하는 초기 국면에서는 GDP 대비 상당한 수준의 투자가 수년간 지속될 수 있다는 관점입니다. 이 프레임으로 보면 AI 인프라 투자가 GDP의 2~3% 수준까지 올라가는 것도 정상적인 범위입니다. 이를 CY27 하이퍼스케일러 CapEx로 환산하면 연간 약 $1.1T~$1.25T까지 가능하다는 계산이 나옵니다. 현재 시장 컨센서스보다 훨씬 높은 수치입니다. 그리고 Bull Case는 더 공격적입니다. 하이퍼스케일러들이 영업현금흐름과 채권시장 조달 여력을 최대한 활용한다고 가정하면, 연간 CapEx가 최대 $1.4T까지도 가능하다고 봤습니다. 이 경우는 CY26 YoY 84%에 이어서 CY27에도 CapEx가 YoY 89% 성장하는 것입니다. 엔비디아, 중국 고객에게 Vera CPU 주문 받기 시작 로이터 보도에 따르면, 엔비디아는 최근 중국 고객들에게 Vera CPU가 8월부터 출시될 수 있으며 지금 바로 주문을 시작할 수 있다고 전하고 있습니다. GPU쪽은 수출규제가 타이트한 상태이다보니, Agentic AI CPU 판매를 노리는 중입니다. 이에 최근 중국 클라우드 기업들이 엔비디아 Vera CPU에 관심을 보이고 있으며 초기 출하분은 대부분 중국 내로 들어가기보단 중국 기업들이 임대하고 있는 중국 외의 데이터센터 임대 클러스터에 탑재될 것으로 예상됩니다. 오픈AI-엔비디아 10GW 딜 막바지 협상 중 오픈AI가 엔비디아의 지원을 받아 오하이오주에 10GW 규모의 데이터센터 임대를 하기 위한 막바지 협상을 진행 중입니다. 총 비용은 $500B에 달할 것으로 예상되며, 구조는 정확히 밝혀지진 않았지만 아마 앤스로픽-브로드컴 구조와 비슷할 것으로 예상됩니다.
원문 구간 2
Phase 1은 800MW이며 2028년에 가동 예정입니다. 이 부지 소유자이자 디벨로퍼는 소프트뱅크가 대주주인 SB Energy입니다. 오픈AI가 엔비디아 하드웨어를 구매하고 → 엔비디아가 오픈AI의 임대료와 SB Energy가 Powered Shell을 구축하는 프로젝트의 자금조달에 대한 지급보증을 제공할 것으로 예상됩니다. Agentic AI로 인한 CPU 수요 증가 : 자세히 보기 BofA가 Agentic AI 수요를 반영해 CPU TAM을 크게 상향했습니다. 핵심은 AI 인프라 확장이 GPU만의 이야기가 아니라는 점입니다. Reasoning과 Agentic AI로 워크로드의 성격이 바뀌면서 GPU를 보조하고 조율하는 CPU의 역할도 함께 커지고 있습니다. BofA가 제시한 2030년 데이터센터 TAM은 $2.1T입니다. 이 중 AI가 $1.7T / Non-AI가 $0.4T입니다. 여기서 CPU가 차지하는 영역은 크게 세 가지입니다. 컴퓨트/헤드노드용 CPU $70B 오케스트레이션용 CPU $70B 기존 CPU 사용 사례 $30B입니다. BofA 내용은 위 시장규모까지만 정리가 되어 있는데, 생각난김에 Agentic AI CPU의 역할에 대해서 좀 더 자세히 정리해봅니다. 1. GPU에 붙는 Host CPU Agentic AI용 CPU 수요의 첫 번째 축은 호스트 CPU or 헤드노드용 CPU입니다. 쉽게 말하면 GPU 가속기에 직접 붙어 GPU가 제대로 일할 수 있도록 지원하는 CPU입니다. Vera Rubin Compute Tray를 생각하면 이해하기 쉽습니다. 해당 Tray에는 Host CPU인 Vera CPU 1개와 Rubin GPU 2개가 하나의 세트처럼 탑재되고, 이런 구성이 Tray 내부에 2세트 들어갑니다. 즉 GPU만 있는 것이 아니라 GPU를 먹여 살리는 CPU가 함께 들어가는 구조입니다.

그렇게 판단한 이유

오픈AI의 하드웨어 구매와 SB Energy의 Powered Shell 구축 자금조달을 연결한 구조를 원문은 예상으로 제시했다.

근거 보기 1

원문 구간 1
Phase 1은 800MW이며 2028년에 가동 예정입니다. 이 부지 소유자이자 디벨로퍼는 소프트뱅크가 대주주인 SB Energy입니다. 오픈AI가 엔비디아 하드웨어를 구매하고 → 엔비디아가 오픈AI의 임대료와 SB Energy가 Powered Shell을 구축하는 프로젝트의 자금조달에 대한 지급보증을 제공할 것으로 예상됩니다. Agentic AI로 인한 CPU 수요 증가 : 자세히 보기 BofA가 Agentic AI 수요를 반영해 CPU TAM을 크게 상향했습니다. 핵심은 AI 인프라 확장이 GPU만의 이야기가 아니라는 점입니다. Reasoning과 Agentic AI로 워크로드의 성격이 바뀌면서 GPU를 보조하고 조율하는 CPU의 역할도 함께 커지고 있습니다. BofA가 제시한 2030년 데이터센터 TAM은 $2.1T입니다. 이 중 AI가 $1.7T / Non-AI가 $0.4T입니다. 여기서 CPU가 차지하는 영역은 크게 세 가지입니다. 컴퓨트/헤드노드용 CPU $70B 오케스트레이션용 CPU $70B 기존 CPU 사용 사례 $30B입니다. BofA 내용은 위 시장규모까지만 정리가 되어 있는데, 생각난김에 Agentic AI CPU의 역할에 대해서 좀 더 자세히 정리해봅니다. 1. GPU에 붙는 Host CPU Agentic AI용 CPU 수요의 첫 번째 축은 호스트 CPU or 헤드노드용 CPU입니다. 쉽게 말하면 GPU 가속기에 직접 붙어 GPU가 제대로 일할 수 있도록 지원하는 CPU입니다. Vera Rubin Compute Tray를 생각하면 이해하기 쉽습니다. 해당 Tray에는 Host CPU인 Vera CPU 1개와 Rubin GPU 2개가 하나의 세트처럼 탑재되고, 이런 구성이 Tray 내부에 2세트 들어갑니다. 즉 GPU만 있는 것이 아니라 GPU를 먹여 살리는 CPU가 함께 들어가는 구조입니다.

사실·구조, 해석·전망, 시점 관찰, 판단 방법

지식·관점

사건 밖에서도 다시 참고하거나 다른 자료와 비교할 가치가 있는 내용을 대상과 반복 가능한 논점으로 묶습니다.

시점 관찰S&P 500 EPS 추정치와 밸류에이션주 대상 · 시장·자산 · S&P500기준 2026.06.13

EPS 추정치 상승과 주가 횡보가 PER 평가에 어떤 의미를 갖는가?

이 자료가 더한 내용

25년 EPS 271.23달러, 26년 338.99달러, 27년 392.48달러 추정치를 제시하며 EPS 상승과 주가 횡보·소폭 하락으로 PER 기준 밸류 매력이 높아진 상태라고 정리했다.

근거 보기 1

원문 구간 1
🧭 S&P500 EPS 추정치 변화 (~6/13) 25년 EPS : $271.23 26년 EPS : $338.99 ▲ (5/15 $334.06 ← 4/17 $323.29 ← 3/12 $314.95) 27년 EPS : $392.48 ▲ (5/15 $384.43 ← 4/17 $375.32 ← 3/12 $366.18) S&P 500 P/E → 적정 이번 주도 비슷하게 EPS 추정치가 크게 상승하는 데 주가가 횡보 혹은 약간 하락한 상태를 이어가다보니, PER 기준으로는 2024~2025년 평균 대비 밸류 매력이 더 높은 상태가 지속되고 있습니다. *위 자료는 YTD를 기준으로 한 숫자이며, 아래 '주간 퍼포먼스 체크'는 이번 주만을 따졌을 때입니다. 주간 퍼포먼스 체크 지수(4) : Russell2000(+2.8%), Nasdaq100(+0.5%), Dow30(+0.4%), S&P500(-0.1%) 빅테크(7) : 테슬라(+3.0%), 구글(-1.5%), 엔비디아(-2.2%), 아마존(-3.3%), 메타(-4.1%), 마이크로소프트(-5.8%), 애플(-5.8%) 섹터(11) : 필수소비재(+3.6%), 원자재(+2.9%), 금융(+2.0%), 경기민감재(+1.6%), 리츠(+1.5%), 산업재(+0.6%), 유틸리티(+0.6%), 헬스케어(+0.4%), 커뮤니케이션(+0.2%), 테크(-0.2%), 에너지(-0.9%) 1Q25 11주차 실적발표 훑어보기 11주차 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.

판단 방법매출성장률과 영업이익률의 사이클 판단주 대상 · 투자판단·운용 · 실적 사이클 판단

업사이클과 다운사이클은 어떤 성장·마진 변화로 구분하는가?

이 자료가 더한 내용

매출성장률의 역성장·성장 전환과 성장률 변화, 영업이익률의 동반 방향을 업사이클·다운사이클 판단 기준으로 설명했다.

근거 보기 2

원문 구간 1
🧭 S&P500 EPS 추정치 변화 (~6/13) 25년 EPS : $271.23 26년 EPS : $338.99 ▲ (5/15 $334.06 ← 4/17 $323.29 ← 3/12 $314.95) 27년 EPS : $392.48 ▲ (5/15 $384.43 ← 4/17 $375.32 ← 3/12 $366.18) S&P 500 P/E → 적정 이번 주도 비슷하게 EPS 추정치가 크게 상승하는 데 주가가 횡보 혹은 약간 하락한 상태를 이어가다보니, PER 기준으로는 2024~2025년 평균 대비 밸류 매력이 더 높은 상태가 지속되고 있습니다. *위 자료는 YTD를 기준으로 한 숫자이며, 아래 '주간 퍼포먼스 체크'는 이번 주만을 따졌을 때입니다. 주간 퍼포먼스 체크 지수(4) : Russell2000(+2.8%), Nasdaq100(+0.5%), Dow30(+0.4%), S&P500(-0.1%) 빅테크(7) : 테슬라(+3.0%), 구글(-1.5%), 엔비디아(-2.2%), 아마존(-3.3%), 메타(-4.1%), 마이크로소프트(-5.8%), 애플(-5.8%) 섹터(11) : 필수소비재(+3.6%), 원자재(+2.9%), 금융(+2.0%), 경기민감재(+1.6%), 리츠(+1.5%), 산업재(+0.6%), 유틸리티(+0.6%), 헬스케어(+0.4%), 커뮤니케이션(+0.2%), 테크(-0.2%), 에너지(-0.9%) 1Q25 11주차 실적발표 훑어보기 11주차 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.
원문 구간 2
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. 1Q26 11주차 실적발표 업사이클 ↗ : 이번주 실적발표 기업 중 업사이클 오라클ORCL이 있습니다. 다운사이클 ↘ : 다운사이클인 기업은 러브색LOVE, 레나LEN가 있습니다. 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 RKLB, ORCL, FIGR, VRT/BE, MU, SNDK, LITE/VIAV, AAOI 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 Google Vertiv Bloom Energy Sea Limited DoorDash Micron dLocal MercadoLibre Figure Tech Sandisk CoreWeave Lumentum Applied Optoelectronics Viavi Solutions 로켓랩(RKLB) 로켓랩RKLB은 Neutral을 유지합니다. 로켓랩 1Q26 실적발표 분석글 / 주간전략보고 (5월 11일~5월 15일) 로켓랩 2Q25 실적발표 : 스페이스X와 경쟁할, 뉴트론 첫 번째 발사로 향하는 길 뉴트론의 자체 위성망은 2029년 이후부터 가능 뉴트론 실험 발사 시간이 계속 지연되다보니 위성발사 사업에 뉴트론을 사용할 타임라인도 계속 지연되고 있습니다.

사실·구조CPO·NPO·OCS의 광학 채택 경로주 대상 · 산업·업종 · 광학 인터커넥트 산업

광학 인터커넥트 수요는 아키텍처 선택과 어떻게 연결되는가?

이 자료가 더한 내용

CPO와 NPO는 PIC·EIC의 패키징 위치가 다르지만 광원·ELS 수요의 핵심 구성요소는 겹치며, Scale-out CPO·NPO·OCS·고속 트랜시버의 광학 채택량을 함께 봐야 한다고 설명했다.

근거 보기 3

원문 구간 1
하이퍼스케일러들의 데이터센터 CapEx 중 메모리가 차지하는 비중은 CY26 35% → CY27 48%일 것으로 예상됩니다. 이에 따른 밸류에이션이 매겨져야 한다는 입장입니다. 또한 추론 수요가 크게 늘고 워크로드의 성격이 Agentic AI 및 Physical AI로 변하면서 향후 3~4년 동안 메모리가 계속 공급부족 상태에 머물 것으로 예상했습니다. LTA가 결국 주요 공급업체 생산능력의 50%를 차지하게 되면 업계의 이익 구조는 극적으로 변화할 것입니다. DRAM 공급업체 재고는 2~3주분이며 2H26 계약가격에 지속적인 상승 압력이 가해질 것으로 예상합니다. 특히 HBM의 마진이 높아질 것으로 예상했습니다. 더 자세하게 살펴본 모건스탠리 메모리 채널 체크 6월 10일자 모건스탠리의 메모리 채널 체크 결과, DRAM: SemiAnalysis가 말한 VR200 NVL72 SOCAMM 메모리 구성이 랙당 55TB → 28TB로 바뀌는 것은 채널 체크 내용과 일치하지만, 전체 엔비디아의 메모리 주문 규모는 줄어들지 않았습니다. HBM 가격 협상이 진행 중이며, CY27에는 가격이 YoY 최소 50~100% 인상될 가능성이 높습니다. CY26 HBM 가격은 이미 2025년 초 협상된 연간 계약에 따라 확정됐던 것이며, 2H26에는 단기적인 가격 변화가 없을 것으로 예상합니다. 3Q26에도 DRAM 계약가격은 계속 상승할 것으로 예상되며, 현재 초기 호가는 QoQ 20% 수준이 예상되고 있습니다. 다만 이미 2Q26 가격 인상 이후 소비자 가전제품 같은 경우는 주문을 줄이기 시작하는 징후가 있어서, 3Q26부터는 AI와 Non-AI 제품 간 수요가 갈릴 것으로 예상됩니다. CY26은 전체 bit supply 중 AI 관련 출하량이 50%를 차지하고, CY27에는 거의 70%까지 비중이 높아질 것으로 예상합니다. 신규 캐파에서 공급이 추가되더라도 워낙 지금 타이트한 상태이기 때문에 계속해서 주문 압박이 이어질 것으로 예상됩니다.
원문 구간 2
NAND: 3Q26는 eSSD가 주도하면서 QoQ 30% 상승할 가능성이 높습니다. 소비자 가전제품 시장이 가격을 소화하기 어려워하다보니 현물가 자체는 상승이 제한적인데 계약가격 호가는 강합니다. HBF 제품 전망은 업계 피드백상 엇갈립니다. CSP는 NAND die를 GPU와 함께 패키징할 경우 GPU의 수명주기가 NAND die의 대구성에 영향을 받으니 GPU의 내구성이 크게 낮아질 수 있는 점을 우려하고 있습니다. 현재로서는 eSSD가 더 낫고 더 신뢰성 높은 솔루션이란 것입니다. 한 고객은 AI 애플리케이션용으로 스마트폰/엣지 디바이스용 HBF 기술에 관심을 보이고 있습니다. CY27로 갈수록 AI용 NAND 수요는 출하량이 크게 늘어날 것으로 예상됩니다. CSP의 KV cache offloading 수요와 HDD쪽 쇼티지에 대응하기 위한 QLC SSD 주문 증가가 견인할 것으로 예상됩니다. 아직 시장에서 BlueField DPU STX 랙에 대한 추가 수요가 얼마나 될지는 대략만 추정할뿐 정확한 추정은 없는데, 향후 CY27으로 갈수록 구체적인 수요가 얼마나될지 추려질 것으로 예상됩니다. 주요 IB들의 마이크론 CY27 EPS 추정치 CY27 EPS 기준 ⓐUBS $155, ⓑGS $145, ⓒWolfe $135, ⓓMS $113.85입니다. 클린룸 제약으로 인해 공급이 타이트한 상태인데, Agentic AI CPU 트렌드로 메모리 부족은 더 심해질 것이고, LTA 덕에 리레이팅 수요가 생길 것이라는 핵심 포인트들은 계속해서 같습니다. 샌디스크(SNDK) 샌디스크SNDK는 Overweight을 유지합니다. CY27 PER 5.4배(GF증권 CY27 EPS $366)입니다. 샌디스크 1Q26 코멘트 / 주간전략보고 : 투자의 생각 (5월 4일~5월 8일) 추론의 시대, 핵심이 된 메모리 : 메모리 쇼티지를 떠받치고 있는 힘 '이제 데이터센터향 매출 비중 크게 늘릴 것'
원문 구간 3
샌디스크가 6월 9일 Mizuho 컨퍼런스에 참석했습니다: Enterprise SSD 매출이 전사 매출비중의 25%까지 올라왔지만 이제 막 시작된 것에 가깝다고 설명했습니다. 고성능 TLC SSD는 이미 여러 하이퍼스케일러에게 퀄을 받았고, QLC Stargate SSD는 이제 막 매출인식이 시작될 예정입니다. 더 높은 부가가치의 eSSD 믹스가 높아지고 있다는 것이 좋습니다. HBF는 지금의 AI 시스템에 꽂아 넣었을 때는 효용이 낮고, 고객이 HBF 구조에 맞게 모델과 하드웨어 조를 변경해야 제대로 작동하는 기술이라고 말했습니다. 따라서 실제 HBF 매출을 기대하려면 CY28쯤이 넘어야 가능할 것으로 보입니다. 애플의 WWDC : MoE를 애플식으로 다시 구조화하다 이번 WWDC26에서 의외였던 게 3세대 파운데이션 모델을 다루는 방식이었습니다. 나름 애플식으로 LLM을 녹여내기 위해 고민을 많이 했구나 싶은 점들이 있었습니다. 애플의 3세대 파운데이션 모델에 대한 System card는 ML 페이지에서 볼 수 있었습니다. 제미나이를 가져다가 distilled해서 만든 AFM 3(Apple Foundation Model 3)입니다. system card를 보다가 가장 눈에 띄었던 건 MoE입니다. 애플은 이것도 Static weigths in DRAM, Dynamic experts, inactive experts라고 색다르게 표현했는데 Total parameter, Active Parameter로 생각하시면 됩니다. 애플이 잘하는 것 중 하나는 이미 전문가 집단에서 통용되는 개념을 본인들만의 언어로 다시 풀어내는 것입니다. 설명 자체는 직관적이지만 처음 보면 마치 애플이 이 구조를 처음 만든 것처럼 착각하기 쉽습니다. DRAM 대신 NAND 활용한 MoE : 가격 대비 용량과 지연시간의 트레이드오프 두 번째로 흥미로웠던 부분은 애플이 비싼 DRAM 대신 NAND를 적극 활용했다는 점입니다.

해석·전망하이퍼스케일러 AI CapEx 전망주 대상 · 산업·업종 · 하이퍼스케일러 AI 인프라

과거 컨센서스와 실제 집행의 차이가 CY27 CapEx 전망에 무엇을 시사하는가?

이 자료가 더한 내용

골드만삭스 관점으로 CY24~26의 컨센서스가 실제 또는 현 전망보다 낮았던 사례와 AI 인프라가 GDP의 2~3%까지 투자될 수 있다는 계산을 소개했다.

근거 보기 2

원문 구간 1
기존 5~6년 경제적 내용연수가 10년 이상으로까지 길어질 수 있다는 의미입니다. GPU의 경제적 유효 수명이 길어진다면 GPU를 담보로 한 대출의 리스크도 낮아집니다. 지금까지 많은 사모 신용 자금은 GPU의 경제적 수명을 3~4년 정도로 보고 대출 구조를 짰습니다. 그런데 Prefill/Decode 분리와 추론 가속기 조합으로 기존 GPU가 10년 이상 경제적 가치를 유지할 수 있다면, GPU 파이낸싱의 위험 가정은 달라질 수 있습니다. 자산의 유효 수명이 길어지면 잔존가치가 높아지고, 담보 안정성이 개선되며, 조달 금리도 낮아질 수 있습니다. AI 인프라는 수백억 달러 단위의 자본이 필요한 산업입니다. 따라서 금리 1~2%포인트 차이도 전체 프로젝트 경제성에 큰 영향을 줍니다. 9. AI 기업들의 밸류에이션은 말이 안되는 것들이 몇 개 있다 현재 AI 관련 자산들의 밸류에이션을 교차적으로 비교해보면 상당히 이상한 지점이 많습니다. 어떤 자산은 극단적으로 높은 배수를 받고 있고, 반대로 어떤 자산은 구조적 수혜가 분명한데도 매우 낮은 배수에 머물러 있습니다. 특히 메모리가 그렇습니다. AI 인프라 수요가 구조적이고, 메모리 공급이 부족하며, HBM과 서버 DRAM 수요가 계속 강하다면 메모리 기업들이 지금처럼 낮은 밸류에이션을 받아야 하는지 의문이라 평했습니다. 가장 이상한 비교는 반도체 장비 기업과 DRAM 기업 사이에서 나옵니다. 반도체 장비 회사들은 Forward PER 기준으로 40배 수준에 거래되고 있습니다. 반면 DRAM 회사들은 한 자릿수 중반 수준에 거래되고 있습니다. 물론 장비 기업들의 비즈니스 모델이 과거보다 좋아진 것은 사실입니다. 장비 기업들은 부품, 서비스, 유지보수 매출이 늘어나면서 반복 수익 성격이 강해졌고 수익의 질도 과거보다 개선되었습니다. 하지만 그렇다고 해도 장비 기업과 메모리 기업 사이의 밸류에이션 격차가 이 정도까지 벌어지는 것이 정당한지는 별개의 문제입니다.
원문 구간 2
HBM이 메모리 산업의 수익성을 구조적으로 끌어올릴 가능성이 있다면, 메모리 기업들의 낮은 배수는 더 설명하기 어려워집니다. 엔비디아 역시 비슷한 관점에서 볼 수 있습니다. 엔비디아는 지난 12년 동안을 살펴볼 때, 밸류에이션이 최저점에 머물러 있을 수준까지 내려왔고, 절대 밸류에이션 기준으로도 매우 낮아졌습니다. 이 밸류에이션을 정당화하려면 엔비디아가 앞으로 상상하기 어려울 정도로 큰 점유율을 잃는다는 가정이 필요합니다. 즉, 시장은 엔비디아의 경쟁 우위가 빠르게 훼손되고, GPU 수요가 둔화되며, 대체 칩들이 의미 있게 점유율을 가져간다는 시나리오를 일부 가격에 반영하고 있는 것으로 보입니다. 하지만 현실은 아직 그렇게 보이지 않습니다. 엔비디아는 하드웨어뿐 아니라 네트워크, 소프트웨어, 시스템 설계, 공급망, 고객 최적화까지 연결된 전체 AI 컴퓨팅 스택을 갖고 있습니다. 단순히 칩 하나의 성능 비교만으로 엔비디아의 경쟁력을 설명하기 어렵습니다. AI 인프라의 핵심 병목을 쥐고 있는 기업들이 사이클 피크 논리만으로 할인받고 있는 셈입니다. GS, '하이퍼스케일러 CY27 CapEx 전망은 꽤 보수적이다' 골드만삭스가 보는 핵심은 시장이 하이퍼스케일러 CapEx를 계속 과소추정해왔다는 점입니다. 현재 컨센서스는 CY27 하이퍼스케일러 CapEx가 YoY 22%로 둔화된다고 보고 있습니다. 하지만 과거 패턴을 보면 이 수치는 여전히 보수적일 가능성이 높습니다. CY24는 당시 컨센서스가 YoY 19%였지만 실제로는 54% 성장했습니다. CY25도 컨센서스는 22%였지만 실제로는 73%까지 높아졌습니다. CY26 역시 컨센서스는 36%였지만 현재 전망치는 84%까지 올라와 있습니다. 즉 매년 시장은 하이퍼스케일러 CapEx를 낮게 잡았고 이후 실제 집행 규모가 크게 상향되는 패턴이 반복됐습니다.

사실·구조Agentic AI의 CPU 역할주 대상 · 기술·제품 · Agentic AI CPU관련 대상 · 기업·종목 · 엔비디아

추론·에이전트 환경에서 호스트 CPU와 오케스트레이션 CPU는 각각 무엇을 맡는가?

이 자료가 더한 내용

호스트 CPU는 GPU 드라이버·데이터 토큰화·스테이징·메모리 관리와 공급을 맡고, 오케스트레이션 CPU는 도구 실행·API 호출·파일 처리·워크플로우 관리를 맡는 별도 수요로 설명했다.

근거 보기 3

원문 구간 1
Phase 1은 800MW이며 2028년에 가동 예정입니다. 이 부지 소유자이자 디벨로퍼는 소프트뱅크가 대주주인 SB Energy입니다. 오픈AI가 엔비디아 하드웨어를 구매하고 → 엔비디아가 오픈AI의 임대료와 SB Energy가 Powered Shell을 구축하는 프로젝트의 자금조달에 대한 지급보증을 제공할 것으로 예상됩니다. Agentic AI로 인한 CPU 수요 증가 : 자세히 보기 BofA가 Agentic AI 수요를 반영해 CPU TAM을 크게 상향했습니다. 핵심은 AI 인프라 확장이 GPU만의 이야기가 아니라는 점입니다. Reasoning과 Agentic AI로 워크로드의 성격이 바뀌면서 GPU를 보조하고 조율하는 CPU의 역할도 함께 커지고 있습니다. BofA가 제시한 2030년 데이터센터 TAM은 $2.1T입니다. 이 중 AI가 $1.7T / Non-AI가 $0.4T입니다. 여기서 CPU가 차지하는 영역은 크게 세 가지입니다. 컴퓨트/헤드노드용 CPU $70B 오케스트레이션용 CPU $70B 기존 CPU 사용 사례 $30B입니다. BofA 내용은 위 시장규모까지만 정리가 되어 있는데, 생각난김에 Agentic AI CPU의 역할에 대해서 좀 더 자세히 정리해봅니다. 1. GPU에 붙는 Host CPU Agentic AI용 CPU 수요의 첫 번째 축은 호스트 CPU or 헤드노드용 CPU입니다. 쉽게 말하면 GPU 가속기에 직접 붙어 GPU가 제대로 일할 수 있도록 지원하는 CPU입니다. Vera Rubin Compute Tray를 생각하면 이해하기 쉽습니다. 해당 Tray에는 Host CPU인 Vera CPU 1개와 Rubin GPU 2개가 하나의 세트처럼 탑재되고, 이런 구성이 Tray 내부에 2세트 들어갑니다. 즉 GPU만 있는 것이 아니라 GPU를 먹여 살리는 CPU가 함께 들어가는 구조입니다.
원문 구간 2
이 CPU의 역할은 단순한 보조가 아닙니다. GPU 드라이버를 실행하고, 커널을 시작하고, 데이터를 토큰화하고, 데이터를 스테이징하고, 메모리를 관리하고, GPU에 필요한 데이터를 계속 공급합니다. 그래서 이를 'token path'에 있는 CPU라고도 표현합니다. 호스트 CPU 역할에서 중요한 것은 단순한 코어 수가 아닙니다. 코어당 메모리 대역폭이 중요합니다. GPU 작업에 병목이 되지 않도록 코어당 성능이 높아야 하고, GPU-CPU 간 대역폭이 충분히 커야 하며, GPU가 필요로 하는 데이터를 저장하고 빠르게 꺼내올 수 있는 CPU DRAM 용량과 메모리 대역폭도 중요합니다. Vera CPU가 단순한 서버 CPU가 아니라 AI 가속기 플랫폼의 일부로 설계되는 이유이기도 합니다. Vera CPU 자료를 참고하시면 더욱 도움이 되실 것 같습니다. 자세히 : 추론에서는 CPU 메모리도 GPU 메모리의 확장 공간이 된다 과거 GPU를 주로 훈련에 사용할 때에는 GPU가 CPU 메모리를 적극적으로 필요로 하는 정도가 크지 않았습니다. GPU는 별도의 HBM을 사용했고, CPU와 GPU는 PCIe로 연결된 별도의 메모리 풀처럼 동작했습니다. 하지만 추론 워크로드가 Reasoning으로 바뀌면서 상황이 달라졌습니다. 2024년 9월 12일 o1-preview → 2024년 12월 5일 o1 GA를 거치면서 Reasoning 모델이 본격화됐고, 2025년 9월 29일 Claude Code GA 이후 Agentic AI 흐름이 생겼습니다. 한 번의 답변에서 사용하는 토큰 수가 늘어나는 것이고, 다르게 표현하면 context length가 커지면서 KV cache 사용량이 급증했다는 것으로 표현할 수 있습니다. *Reasoning의 처음은 오픈AI가 만들었지만 토큰의 경제학을 완성시킬 플랫폼은 GB200 NVL72이었습니다.
원문 구간 3
*Agentic AI의 처음은 앤스로픽이 만들었지만, 여기도 경제학을 완성시킬 플랫폼은 VR200 NVL72일 것입니다. 이 과정에서 문제는 GPU 메모리가 쉽게 차버린다는 점입니다. 이때 KV cache 일부를 CPU DRAM으로 offloading한 뒤, 필요할 때 빠르게 다시 읽어오는 작업이 중요합니다. 추론 시대에는 CPU DRAM이 GPU 메모리의 보조 저장공간처럼 쓰이게 됩니다. 여기서 NVLink-C2C가 중요합니다. 이 변화에 맞춰 엔비디아는 Grace Blackwell부터 NVLink-C2C를 통해 GPU가 CPU 메모리를 마치 자신의 메모리처럼 사용할 수 있는 구조를 만들었습니다. 기존 PCIe 기반 연결에서는 대역폭이 단방향 약 128GB/s 수준이었지만, NVLink-C2C에서는 CPU와 GPU가 약 7배 빠른 900GB/s 속도로 데이터를 공유할 수 있습니다. Vera에서는 이 대역폭이 1.8TB/s까지 높아질 예정입니다. NVLink를 통해 추론의 시대에 두 가지 강력한 경쟁역량을 손에 쥐었습니다. (1) MoE 추론에서는 All-to-All 통신이 중요하고 NVLink의 Switched Scale-up Network 구조는 이 통신 특성과 잘 맞습니다. (2) NVLink-C2C를 통한 CPU-GPU 메모리 이동 병목 완화까지 더해지면서 엔비디아 플랫폼이 추론 TCO 관점에서 매우 강한 우위를 갖고 있습니다. GPU, CPU, 메모리, 네트워킹, 소프트웨어 스택이 하나의 시스템으로 결합되면서 생기는 플랫폼 해자입니다. 개인적으로는 NVLink Fusion가 미칠 영향도 관심있게 보고 있습니다. 엔비디아가 NVLink Fusion을 외부 생태계에도 열기 시작했기 때문입니다. AWS가 Trainium 4부터 NVLink Fusion을 채택하면, 향후 Trainium 4 생태계에서도 엔비디아가 호스트 CPU 또는 관련 연결 기술을 판매할 수 있는지가 중요한 관전 포인트가 됩니다.

사실·구조NVLink-C2C와 추론 메모리주 대상 · 기술·제품 · NVLink-C2C관련 대상 · 기업·종목 · 엔비디아

CPU DRAM과 GPU 메모리 연결은 추론 워크로드에서 왜 중요해지는가?

이 자료가 더한 내용

Reasoning·긴 컨텍스트로 KV cache가 늘면 CPU DRAM offloading이 중요해지고, NVLink-C2C가 PCIe보다 높은 CPU-GPU 데이터 공유 대역폭을 제공한다고 설명했다.

근거 보기 1

원문 구간 1
이 CPU의 역할은 단순한 보조가 아닙니다. GPU 드라이버를 실행하고, 커널을 시작하고, 데이터를 토큰화하고, 데이터를 스테이징하고, 메모리를 관리하고, GPU에 필요한 데이터를 계속 공급합니다. 그래서 이를 'token path'에 있는 CPU라고도 표현합니다. 호스트 CPU 역할에서 중요한 것은 단순한 코어 수가 아닙니다. 코어당 메모리 대역폭이 중요합니다. GPU 작업에 병목이 되지 않도록 코어당 성능이 높아야 하고, GPU-CPU 간 대역폭이 충분히 커야 하며, GPU가 필요로 하는 데이터를 저장하고 빠르게 꺼내올 수 있는 CPU DRAM 용량과 메모리 대역폭도 중요합니다. Vera CPU가 단순한 서버 CPU가 아니라 AI 가속기 플랫폼의 일부로 설계되는 이유이기도 합니다. Vera CPU 자료를 참고하시면 더욱 도움이 되실 것 같습니다. 자세히 : 추론에서는 CPU 메모리도 GPU 메모리의 확장 공간이 된다 과거 GPU를 주로 훈련에 사용할 때에는 GPU가 CPU 메모리를 적극적으로 필요로 하는 정도가 크지 않았습니다. GPU는 별도의 HBM을 사용했고, CPU와 GPU는 PCIe로 연결된 별도의 메모리 풀처럼 동작했습니다. 하지만 추론 워크로드가 Reasoning으로 바뀌면서 상황이 달라졌습니다. 2024년 9월 12일 o1-preview → 2024년 12월 5일 o1 GA를 거치면서 Reasoning 모델이 본격화됐고, 2025년 9월 29일 Claude Code GA 이후 Agentic AI 흐름이 생겼습니다. 한 번의 답변에서 사용하는 토큰 수가 늘어나는 것이고, 다르게 표현하면 context length가 커지면서 KV cache 사용량이 급증했다는 것으로 표현할 수 있습니다. *Reasoning의 처음은 오픈AI가 만들었지만 토큰의 경제학을 완성시킬 플랫폼은 GB200 NVL72이었습니다.

해석·전망Prefill·Decode 분리와 GPU 경제적 수명주 대상 · 기술·제품 · GPU 인프라

추론 단계 분리가 기존 GPU 자산의 사용기간과 금융 조건에 어떤 영향을 줄 수 있는가?

이 자료가 더한 내용

A100·H100이 Decode 병목을 맡지 않아도 Prefill에서 의미 있는 자산으로 남을 수 있으며, 경제적 내용연수와 담보·조달금리 가정이 달라질 수 있다는 논리를 제시했다.

근거 보기 2

원문 구간 1
6. AI 요금제의 변화 : 정액제 → 종량제 과거 통신 산업은 정액 요금제와 사용량 기반 요금제가 결합되어 있을 때 강한 성장 산업이었습니다. 일정 사용량까지는 고정 요금을 내고, 이를 초과하면 사용한 만큼 추가 요금을 내는 구조였습니다. 하지만 모바일 통신과 국제전화의 성장은 모두가 정액제를 쓰기 시작하면서 둔화됐습니다. 사용량이 늘어나도 매출이 함께 늘어나지 않는 구조가 되었기 때문입니다. AI는 지금 반대 방향으로 가고 있습니다. 정액요금제에서 종량제 구조로 이동하고 있습니다. 이는 AI 산업 전체에는 매우 강한 매출 성장 요인입니다. 사람들은 AI를 쓰는 것을 좋아합니다. 과거 사람들이 전화 통화와 국제전화를 좋아했던 것처럼, 이제는 AI에게 질문하고, 글을 쓰게 하고, 코드를 짜게 하고, 업무를 맡기는 것을 좋아합니다. 여기에 Agentic AI가 더해지면 사용량은 훨씬 더 빠르게 늘어날 것입니다. 한 사람이 하나의 챗봇을 쓰는 시대가 아니라 한 사람이 10개, 50개, 100개의 에이전트를 동시에 돌리는 시대가 오고 있습니다. 이 구조에서는 토큰 사용량이 선형적으로 늘지 않습니다. 업무가 에이전트화될수록 사용량은 폭발적으로 증가할 수 있습니다. 사용량 기반 요금제로의 전환은 오픈AI와 앤스로픽 같은 프론티어 AI 기업의 ARR을 크게 끌어올릴 수 있습니다. 이유는 두 가지입니다. 첫째, 더 많은 컴퓨트가 온라인되면서 공급 가능한 토큰량이 늘어납니다. 둘째, 기업용 사용량 기반 모델에서는 프론티어 토큰에 더 높은 가격을 받을 수 있습니다. 정액제에서는 사용자가 많이 쓸수록 기업의 원가 부담이 커집니다. 반대로 사용량 기반 요금제에서는 사용량이 늘어날수록 매출도 함께 증가합니다. AI 기업 입장에서는 훨씬 건강한 수익 모델입니다. 다만 이 변화는 모두에게 긍정적이지만은 않습니다. 프론티어 AI를 제대로 쓰기 위해서는 더 많은 비용을 지불해야 하기 때문입니다.
원문 구간 2
결국 중요한 질문은 '누가 더 비싼 토큰 비용을 감당할 수 있는가', 더 정확히는 '누가 더 많은 토큰을 써서 더 큰 부가가치를 만들어낼 수 있는가'입니다. 프론티어 모델의 토큰당 가격이 올라간다는 말은 단순히 비용 부담이 커진다는 뜻이 아닙니다. 더 높은 부가가치를 생산할 수 있는 개인, 조직, 기업, 국가만이 최첨단 AI를 계속 활용할 수 있다는 의미입니다. 7. 다시금 강조드린 MoE & Swicthed Scale-up Network의 강점 MoE는 활성 파라미터만 연산하기 때문에 compute 비용을 크게 줄여줍니다. 그러나 그 대가로 Expert Parallelism이 필수가 됩니다. 전문가들이 여러 GPU나 가속기에 흩어져 있기 때문에 토큰은 매번 필요한 전문가가 있는 칩으로 이동해야 합니다. 여기서 핵심은 all-to-all 통신입니다. 모든 칩이 모든 칩과 빠르게 연결되어야 합니다. 그런데 all-to-all 통신은 전체 속도가 가장 느린 경로에 의해 결정됩니다. *이것에 대해서 다른 구조를 택한 게 위의 샌디스크 코멘트에서 전해드린 AFM 3의 특이한 MoE 구조입니다. 아무리 연산량을 줄여도, 토큰이 전문가에게 이동하는 과정에서 통신 대기시간이 길어지면 MoE가 제공하는 compute 절감 효과는 통신 비용에서 사라집니다. 결국 MoE의 진짜 경제성은 모든 GPU-to-GPU 경로가 얼마나 균일하고 빠른가에 달려 있습니다. Switched Scale-up Network가 중요한 이유는 MoE가 이론적으로 아껴주는 compute 비용을 실제 토큰 처리량으로 그대로 연결해주기 때문입니다. NVL72 구조에서는 어떤 GPU에서 다른 어떤 GPU로 가더라도 경로가 짧고 균일합니다. hop 2번입니다. 자기 GPU에서 NVSwitch를 거쳐 목적지 GPU로 가는 구조입니다. 가장 느린 경로가 전체 추론 속도를 잡아먹는 문제가 크게 줄어듭니다.

해석·전망메모리 공급·HBM과 밸류에이션주 대상 · 산업·업종 · 메모리 산업

AI 메모리 수요와 공급 제약은 메모리 기업의 평가와 어떻게 연결되는가?

이 자료가 더한 내용

AI 인프라 수요, 메모리 공급 부족, HBM과 서버 DRAM 수요가 계속 강하다면 메모리 기업의 낮은 배수를 설명하기 어렵다는 의문을 제기했다.

근거 보기 2

원문 구간 1
결국 중요한 질문은 '누가 더 비싼 토큰 비용을 감당할 수 있는가', 더 정확히는 '누가 더 많은 토큰을 써서 더 큰 부가가치를 만들어낼 수 있는가'입니다. 프론티어 모델의 토큰당 가격이 올라간다는 말은 단순히 비용 부담이 커진다는 뜻이 아닙니다. 더 높은 부가가치를 생산할 수 있는 개인, 조직, 기업, 국가만이 최첨단 AI를 계속 활용할 수 있다는 의미입니다. 7. 다시금 강조드린 MoE & Swicthed Scale-up Network의 강점 MoE는 활성 파라미터만 연산하기 때문에 compute 비용을 크게 줄여줍니다. 그러나 그 대가로 Expert Parallelism이 필수가 됩니다. 전문가들이 여러 GPU나 가속기에 흩어져 있기 때문에 토큰은 매번 필요한 전문가가 있는 칩으로 이동해야 합니다. 여기서 핵심은 all-to-all 통신입니다. 모든 칩이 모든 칩과 빠르게 연결되어야 합니다. 그런데 all-to-all 통신은 전체 속도가 가장 느린 경로에 의해 결정됩니다. *이것에 대해서 다른 구조를 택한 게 위의 샌디스크 코멘트에서 전해드린 AFM 3의 특이한 MoE 구조입니다. 아무리 연산량을 줄여도, 토큰이 전문가에게 이동하는 과정에서 통신 대기시간이 길어지면 MoE가 제공하는 compute 절감 효과는 통신 비용에서 사라집니다. 결국 MoE의 진짜 경제성은 모든 GPU-to-GPU 경로가 얼마나 균일하고 빠른가에 달려 있습니다. Switched Scale-up Network가 중요한 이유는 MoE가 이론적으로 아껴주는 compute 비용을 실제 토큰 처리량으로 그대로 연결해주기 때문입니다. NVL72 구조에서는 어떤 GPU에서 다른 어떤 GPU로 가더라도 경로가 짧고 균일합니다. hop 2번입니다. 자기 GPU에서 NVSwitch를 거쳐 목적지 GPU로 가는 구조입니다. 가장 느린 경로가 전체 추론 속도를 잡아먹는 문제가 크게 줄어듭니다.
원문 구간 2
반대로 Torus 구조(TPU v7까지, Trainium2/2.5까지 Torus)에서는 목적지에 따라 hop 수가 달라집니다. 같은 랙 안에서는 괜찮더라도, 전문가가 랙 밖에 있으면 훨씬 느린 scale-out 네트워크를 타야 합니다. 이 경우 토큰의 일부가 느린 경로로 이동하면서 전체 추론 성능이 그 속도에 묶일 수 있습니다. *TPU v8i부터는 Boardfly를 택하긴 했는데, 이건 최대 hop 기준 3D Torus는 16 hop이던 것을 Boardfly에서는 7 hop으로 낮춰줄뿐 All-to-All 통신의 이점을 따라오진 못합니다. 추론의 Decode 단계는 토큰을 하나씩 순차적으로 생성하는 과정입니다. 이 단계에서는 작은 지연도 누적됩니다. 예를 들어 토큰 하나를 생성하는 시간이 20ms에서 30ms로 늘어나면, 같은 하드웨어가 시간당 생산할 수 있는 토큰 수는 크게 줄어듭니다. 하드웨어 비용은 그대로인데 산출되는 토큰 수가 줄어드는 것입니다. 이 말은 곧 백만 토큰당 비용이 올라간다는 뜻입니다. AI 추론에서 TCO는 단순히 칩 가격이 아니라 같은 자본비와 전력비로 얼마나 많은 토큰을 생산할 수 있느냐의 문제입니다. 따라서 hop을 줄이고, 통신 지연을 줄이고, 모든 GPU 간 경로를 균일하게 만드는 것은 MoE 추론에서 곧바로 TCO 대비 성능 개선으로 이어집니다. 8. Prefill/decode 분리로 'GPU를 더 오래 쓰게 될 것' 기존 GPU가 모든 작업을 최고 속도로 처리해야 한다면 기술 변화에 따라 빠르게 구식이 될 수 있습니다. 하지만 Prefill과 Decode가 분리되면 이야기가 달라집니다. A100이나 H100은 최신 모델의 가장 민감한 Decode 병목을 담당하지 않더라도, Prefill 작업에서는 여전히 의미 있는 자산으로 남을 수 있습니다. 그렇게 되면 GPU는 물리적으로 수명을 다할 때까지 계속 경제적 가치를 가질 수 있습니다.

사실·구조엔비디아의 AI 컴퓨팅 스택주 대상 · 기업·종목 · 엔비디아

엔비디아의 경쟁력은 칩 성능 외에 어떤 시스템 구성에서 설명되는가?

이 자료가 더한 내용

하드웨어뿐 아니라 네트워크·소프트웨어·시스템 설계·공급망·고객 최적화를 연결한 전체 AI 컴퓨팅 스택을 엔비디아의 경쟁력으로 설명했다.

근거 보기 1

원문 구간 1
반대로 Torus 구조(TPU v7까지, Trainium2/2.5까지 Torus)에서는 목적지에 따라 hop 수가 달라집니다. 같은 랙 안에서는 괜찮더라도, 전문가가 랙 밖에 있으면 훨씬 느린 scale-out 네트워크를 타야 합니다. 이 경우 토큰의 일부가 느린 경로로 이동하면서 전체 추론 성능이 그 속도에 묶일 수 있습니다. *TPU v8i부터는 Boardfly를 택하긴 했는데, 이건 최대 hop 기준 3D Torus는 16 hop이던 것을 Boardfly에서는 7 hop으로 낮춰줄뿐 All-to-All 통신의 이점을 따라오진 못합니다. 추론의 Decode 단계는 토큰을 하나씩 순차적으로 생성하는 과정입니다. 이 단계에서는 작은 지연도 누적됩니다. 예를 들어 토큰 하나를 생성하는 시간이 20ms에서 30ms로 늘어나면, 같은 하드웨어가 시간당 생산할 수 있는 토큰 수는 크게 줄어듭니다. 하드웨어 비용은 그대로인데 산출되는 토큰 수가 줄어드는 것입니다. 이 말은 곧 백만 토큰당 비용이 올라간다는 뜻입니다. AI 추론에서 TCO는 단순히 칩 가격이 아니라 같은 자본비와 전력비로 얼마나 많은 토큰을 생산할 수 있느냐의 문제입니다. 따라서 hop을 줄이고, 통신 지연을 줄이고, 모든 GPU 간 경로를 균일하게 만드는 것은 MoE 추론에서 곧바로 TCO 대비 성능 개선으로 이어집니다. 8. Prefill/decode 분리로 'GPU를 더 오래 쓰게 될 것' 기존 GPU가 모든 작업을 최고 속도로 처리해야 한다면 기술 변화에 따라 빠르게 구식이 될 수 있습니다. 하지만 Prefill과 Decode가 분리되면 이야기가 달라집니다. A100이나 H100은 최신 모델의 가장 민감한 Decode 병목을 담당하지 않더라도, Prefill 작업에서는 여전히 의미 있는 자산으로 남을 수 있습니다. 그렇게 되면 GPU는 물리적으로 수명을 다할 때까지 계속 경제적 가치를 가질 수 있습니다.

시간흐름대로 모든 내용을 살려 정리

안녕하세요 올바른입니다.

[원문 유형] 네이버 프리미엄 콘텐츠
[채널] 올바른 미국주식 by SAPIENS
[게시일] 2026.06.15. 오후 1:42
[원문 URL] https://contents.premium.naver.com/sapiens/sapiensasset/contents/260615134216468kl
[제목] 주간전략보고 : 투자의 생각 (6월 15일~6월 19일)
[수집 기준] 승인된 구독 열람권으로 실제 본문을 보존했다. 이미지·첨부는 별도 미디어 원장에 보관하며 시각적 의미 검토 여부를 구분한다.

[구독 원문 본문]

안녕하세요 올바른입니다.

인터뷰 전문을 요약하여 AI 사이클에 중요한 9가지를 뽑아냈습니다. 병목은 자본주의가 해결한다, 만인의 호국신산, 종량제로의 변화가 의미하는 것 등등을 다뤘습니다.

기업단에서는 WWDC26에서 공개된 애플 AFM 3가 샌디스크 강세를 이끈 이유, NVLink가 추론에서 중요한 두 가지 이유, SemiAnalysis 'CPO 지연' 그 너머의 디테일을 정리했습니다.

메모리 공급망을 체크해보고, Crusoe의 Project Jade 중지가 블룸에너지 SOFC 주문에 미치는 영향, 인적자본과 토큰자본, 등장하자마자 갇힌 Fable 5에 대한 생각이 담겨있습니다.

주간전략보고

2026-06-08

주간전략보고 : 투자의 생각 (6월 8일~6월 12일) (바로가기)

2026-06-01

주간전략보고 : 투자의 생각 (6월 1일~6월 5일) (바로가기)

2026-05-25

주간전략보고 : 투자의 생각 (5월 25일~5월 29일) (바로가기)

2026-05-18

주간전략보고 : 투자의 생각 (5월 18일~5월 22일) (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.

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

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

주간전략보고 투자의 생각 : 여전히 적정 밸류에이션, 지수와 EPS를 같이 봐야

1Q26 11주차 실적발표 훑어보기 : 11주차 6개 기업 - 업사이클 & 다운사이클 비교

투자의 생각 : RKLB, ORCL, FIGR, VRT/BE, MU, SNDK, LITE/VIAV, AAOI

Magnificent 7 : AI 사이클 9가지, Agentic AI CPU, 인간자본과 토큰자본, 출시와 함께 갇힌 Fable 5

📆 주간 캘린더 (6월 15일~6월 19일)

👨‍💻 → 이란 이슈 완화 / Juneteenth 금 휴장

> 휴장 : Juneteenth (금)

> 경기/물가 : 소매판매, 원유재고 (수)

> 고용/실업 : 신규실업수당청구건수 (목)

> 실적발표 : Jabil, Carmax (수) Accenture, Kroger (목)

> 이벤트 : G7 정상회담 (월) AWS Summit (NY) (화)

저희 회사에서 운용하는 메리츠 올바른투자랩(사피엔스)에 대한 기사가 나와서 전해드립니다.

많은 관심 부탁드립니다.

https://www.thebell.co.kr/front/newsview.asp?key=202606091358270040107835

메리츠-사피엔스자문랩, AI 집중투자 전략 통했다

메리츠증권의 해외 주식 자문형 랩어카운트가 두드러진 성과를 내고 있다. 사피엔스투자자문에서 자문을 받아 인공지능(AI) 하드웨어 업종에 집중적으로 투자한 전략이 유효했다는 평가다. 8일 금융투자업계에 따르면 지난해 8월 1일 설정된 이 랩은 올해 5월 31일 기준...

www.thebell.co.kr

주간전략보고 : 투자의 생각

여전히 적정 밸류에이션, 지수와 EPS를 같이 봐

🧭 S&P500 EPS 추정치 변화 (~6/13)

야

🧭 S&P500 EPS 추정치 변화 (~6/13)

25년 EPS : $271.23

26년 EPS : $338.99 ▲ (5/15 $334.06 ← 4/17 $323.29 ← 3/12 $314.95)

27년 EPS : $392.48 ▲ (5/15 $384.43 ← 4/17 $375.32 ← 3/12 $366.18)

S&P 500 P/E → 적정

이번 주도 비슷하게 EPS 추정치가 크게 상승하는 데 주가가 횡보 혹은 약간 하락한 상태를 이어가다보니, PER 기준으로는 2024~2025년 평균 대비 밸류 매력이 더 높은 상태가 지속되고 있습니다.

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

주간 퍼포먼스 체크

지수(4) : Russell2000(+2.8%), Nasdaq100(+0.5%), Dow30(+0.4%), S&P500(-0.1%)

빅테크(7) : 테슬라(+3.0%), 구글(-1.5%), 엔비디아(-2.2%), 아마존(-3.3%), 메타(-4.1%), 마이크로소프트(-5.8%), 애플(-5.8%)

섹터(11) : 필수소비재(+3.6%), 원자재(+2.9%), 금융(+2.0%), 경기민감재(+1.6%), 리츠(+1.5%), 산업재(+0.6%), 유틸리티(+0.6%), 헬스케어(+0.4%), 커뮤니케이션(+0.2%), 테크(-0.2%), 에너지(-0.9%)

1Q25 11주차 실적발표 훑어보기

11주차 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 참고합

니다. 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.

1Q26 11주차 실적발표

업사이클 ↗ : 이번주 실적발표 기업 중 업사이클 오라클ORCL이 있습니다.

다운사이클 ↘ : 다운사이클인 기업은 러브색LOVE, 레나LEN가 있습니다.

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

RKLB, ORCL, FIGR, VRT/BE, MU, SNDK, LITE/VIAV, AAOI

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

Google

Vertiv

Bloom Energy

Sea Limited

DoorDash

Micron

dLocal

MercadoLibre

Figure Tech

Sandisk

CoreWeave

Lumentum

Applied Optoelectronics

Viavi Solutions

로켓랩(RKLB)

로켓랩RKLB은 Neutral을 유지합니다.

로켓랩 1Q26 실적발표 분석글 / 주간전략보고 (5월 11일~5월 15일)

로켓랩 2Q25 실적발표 : 스페이스X와 경쟁할, 뉴트론 첫 번째 발사로 향하는 길

뉴트론의 자체 위성망은 2029년 이후부터 가능

뉴트론 실험 발사 시간이 계속 지연되다보니 위성발사 사업에 뉴트론을 사용할 타임라인도 계속 지연되고 있습

니다. 원래 뉴트론 연도별 발사 목표는 첫 해 1번 → 두 번째 해 3번 → 세 번째 해 5번으로 점차 늘려가는 것이 목표였던지라, 자체 활용 가능할 캐파는 2029년 이후부터 가용 가능할 것이라고

니다. 원래 뉴트론 연도별 발사 목표는 첫 해 1번 → 두 번째 해 3번 → 세 번째 해 5번으로 점차 늘려가는 것이 목표였던지라, 자체 활용 가능할 캐파는 2029년 이후부터 가용 가능할 것이라고 말했습니다.

Electron/HASTE : 이미 가동되는 중인 성장 엔진

일렉트론에 대해서는 기업분석 자료에 가치제안이 담겨있고, HASTE는 일렉트론 기반의 극초음속 발사 플랫폼입니다. CFO는 2026년 HASTE가 전체 발사의 20%를 차지하고 단기 CAGR은 30~50% 수준으로 꽤나 성장할 것이라 가정했습니다. 일렉트론 상업 발사가 ASP $8~9M에 HASTE는 $10M 정도이기에 발사 횟수 증가효과와 ASP 상승 효과가 동시에 발생합니다.

Neutron : 밸류에이션을 바꾸기 위해 필요한 중형급 발사체

스페이스X는 처음부터 중형급 발사체인 Falcon 9으로 시작했으나, 로켓랩 입장에서는 뉴트론 발사가 성공해야 중형급 발사체 그리고 재사용 발사체를 발사하는 기업이 됩니다. 원래 뉴트론의 첫 발사일은 2025년만 하더라도 2025년 말까지 한다였고, 2025년 하반기에는 2026년 초반에 한다였는데, 2026년 1월 발생한 1단 탱크 퀄 실패로 인해서 목표 발사 시점이 4Q26로 다시금 지연됐습니다.

뉴트론의 부스터 1대당 원가가 $50M이고, 뉴트론의 ASP는 $50~55M입니다. 재사용성이 입증되고 나서는 부스터 원가를 여러 발사에 걸쳐 상각할 수 있기에 장기적으로 GPM 50% 모델이 가능하다고 봤습니다.

Space Systems : 사실 본업은 이것

부품 판매를 넘어서 위성 제조와 방산 페이로드까지 만들고 있습니다. 우주 저궤도 활동이 늘어날수록 수혜를 보는 기업입니다. 이에 대해서도 가치제안은 기업분석 자료에서 전해드린 바 있습니다.

오라클(ORCL)

오라클ORCL은 Neutral을 유지합니다.

오라클 2Q26 실적발표 : FY27 CapEx는 71% 늘지만, 외부 자금조달은 오히려 줄어

이번 오라클 실적의 핵심은:

든다

이번 오라클 실적의 핵심은:

메모리 가격상승분은 전가 가능하다.

RPO 중 BYOH/선불계약 비중이 늘고 영업현금흐름이 늘면서, FY27 CapEx는 크게 늘지만 외부 자금조달 규모는 $48B → $40B로 줄어들었다.

다만, FY27(3Q26~2Q27)의 $40B 자금조달 중에서 $20B에 대해 명확히 밝히지 않아서 하락이 있었다.

세 가지입니다. 이에 대해 자료로 전해드렸던 내용들을 보면,

매출성장률 가속화 진행 중, 다음 분기는 YoY 27~29%

오라클은 이번 분기 매출은 $19.2B로 YoY 21% 성장했고, 다음 분기인 CY3Q26 가이던스는 YoY 27~29% 성장으로 제시했습니다. 오라클 매출의 52%가 클라우드에서 나오고 있으며 고성장하는 클라우드 사업부의 비중이 높아지면서 전사 매출성장률도 자연스럽게 높아지는 구조입니다.

메모리 가격상승은 고객에게 전가 가능

투자자들은 메모리 가격이 상승하면서 서버 비용이 상승하니 장기 AI 인프라 마진이 훼손되는 게 아니냐는 우려했는데, 이에 대해 CEO는 원가 구조를 확실히 알고 있는 구간에서만 고정가 계약을 체결한다고 설명했습니다. 전력, 부지, 인건비, 부품 가격 등 주요 원가가 확실한 경우에는 고정계약(Fixed Price) 구조로 계약하지만, 원가 불확실성이 큰 경우에는 비용 변동분을 고객에게 전가할 수 있는 변동가격(Floating) 구조로 계약한다는 것입니다.

RPO $638B, 퀄리티가 달라졌다

수요는 매우 높습니다. 수요를 잘 보여주는 지표가 두 가지 있었습니다. 첫 번째는 이례적으로 이번 분기에 공개한 글로벌 GPU 가동률입니다. 매우 높습니다. 97.5%입니다. 두 번째는 RPO입니다.

RPO는 아직 매출로 인식되지는 않았지만 이미 계약으로 잡혀 있는 잔여 계약 매출입니다. 쉽게 말해 앞으로 데이터센터를 짓고, GPU 클러스터를 온라인하고, 고객에게 서비스를 제공하면서 매출로 전환될 수 있는 수주잔고입

니다. 이번 분기 오라클의 RPO는 1Q26 $553B → 2Q26 $638B로 한 분기 만에 $85B 증가했습니다.

니다. 이번 분기 오라클의 RPO는 1Q26 $553B → 2Q26 $638B로 한 분기 만에 $85B 증가했습니다.

이번 컨퍼런스콜에서 더 중요했던 것은 RPO의 규모가 아니라 '퀄리티'입니다. 시장의 오라클 회의론은 '수주잔고는 거대한데, 그걸 실제 매출로 만들려면 오라클이 계속 빚을 내서 데이터센터를 지어야 하는 것 아니냐'는 우려입니다. RPO가 커질수록 매출 가시성은 좋아지지만 동시에 자본조달 부담도 커지는 구조입니다.

Bring-Your-Own-Hardware/선불계약

이번에 실적발표가 직전 분기의 오라클보다 긍정적이었던 핵심이 BYOH(Bring-Your-Own-Hardware)와 선불계약입니다. 오라클은 2Q26에 증가한 대형 AI 인프라 계약의 상당 부분이 고객이 GPU 대금을 선납했거나 고객이 직접 하드웨어를 사서 오라클에 들고 오는 BYOH 구조라고 설명했습니다. BYOH/선불계약 누적 규모는 $75B입니다. 1Q26에 대략 $29B였으니 이번 분기에 $46B 가량 늘어난 셈입니다.

이를 다시 두 가지 의미로 나눠볼 수 있습니다:

BYOH의 의의 #1 - 자금조달 부담이 줄어든다

오라클이 모든 GPU와 데이터센터 투자비를 자기 돈으로 먼저 부담하는 구조만은 아니라는 뜻입니다. 예를 들어, 이번 FY27 CapEx 목표치는 $90B~$95B인데 그중 $70B가 순현금 CapEx 규모이고 나머지 $20B~$25B는 BYOH/선불금으로 충당할 예정입니다. 이렇게 BYOH/선불을 받는 구조이더라도 기존 계약에 비해서 마진이 같거나 더 좋은 수준이라고도 디테일을 말해줬습니다.

고객이 GPU 클러스터 비용의 일부를 선납하여 1GW를 온라인하는 데 드는 자금조달 부담이 줄어드는 구조는 오라클만 해당하는 것은 아니고 최근 네오클라우드 업계 전반에서 일어나는 일입니다. 빌리려는 수요는 많은데 GPU 공급이 그에 따라 늘어나진 않으니 계약구조가 점점 클라우드에게 유리하게 바뀌는 중입니

BYOH의 의의 #2 - GPU만 있다고 다 클라우드는 아니다

다.

BYOH의 의의 #2 - GPU만 있다고 다 클라우드는 아니다

고객이 하드웨어를 직접 들고 와서도 OCI를 선택한다는 것은 오라클의 역할이 단순히 'GPU를 대신 사주는 금융업자'는 아니라는 뜻입니다. 물론 그렇다고 고마진 사업 혹은 부채가 깨끗한 사업은 아니지만, GPU만 있다고 다 클라우드가 될 수 있다는 것은 아니라는 정도입니다.

고객이 오라클에게 원하는 것은 데이터센터 부지 확보, 전력 설계, 네트워크 설계, 보안, 클라우드 운영, 스토리지, 로드밸런싱, 아이덴티티, 일반 컴퓨트까지 포함한 전체 AI 클러스터 운영 역량입니다. 지금의 OCI는 멀티테넌트 구조로 되어 있는데 AI ASIC을 가져오면 대신 그 칩에 맞게 데이터센터를 설계하고 운영해주는 역할을 맡아주고 마진을 챙기는 식입니다.

TTM OCF는 $32.0B, TTM FCF는 -$23.7B

FY27에 쓸 CapEx $90B~$95B를 나누면 이렇습니다:

순현금 투입 : FY26 $48B → FY27 ~$70B

BYOH/선불계약 자금투입 : FY26 $0 → FY27 $20~$25B

시장에서 자금조달하는 금액 : FY26 $48B → FY27 ~$40B입니다.

영업현금흐름이 FY25 $20.8B → FY26 $32.0B로 크게 늘어났고 FY27에도 영업현금흐름은 늘어날테니 ⓐ오라클 자체 영업현금흐름에서 $30B를 조달할 수 있게 됐고 + ⓑ$40B를 외부에서 조달하고 + ⓒ고객으로부터 받은 $20B~$25B를 투입하여 총 $90B~$95B CapEx를 집행하겠다는 것입니다.

CapEx를 많이하고 있기는 하지만 대부분의 금액을 감당되는 수준에서 하고 있으며, 자금조달 규모는 오히려 FY26에 비해 FY27에 더 줄어들었다는 것은 좋게 볼 수 있는 부분입니다.

$40B 자금조달 중 $20B의 출처는 어디에?

다만, 시간외로 문제가 됐던 건 FY27(CY3Q26~2Q27)에 실시할 $40B 자금조달 규모 중에서 $20B를 어디서 가져올 것인지 출처를 밝히지 않아서일 듯 합

니다. ⓐ일단 $40B 중 $20B는 오라클 주주들을 대상으로 ATM 유상증자하여 조달하겠다는 것을 밝힌 상태입니다. ⓑ그리고 CY26에는 추가로 부채를 통한 자금조달이 없다고 말했습니다. 여기까지

니다. ⓐ일단 $40B 중 $20B는 오라클 주주들을 대상으로 ATM 유상증자하여 조달하겠다는 것을 밝힌 상태입니다. ⓑ그리고 CY26에는 추가로 부채를 통한 자금조달이 없다고 말했습니다. 여기까지만 말했습니다.

그러면 결국 두 가지 해석이 가능합니다. ⓐ주주 자본 희석을 통해서 나머지 $20B도 조달하겠다는 것인지, ⓑ아니면 CY1Q27~2Q27쯤에 채권을 통해서 조달하겠다는 것인지를 오픈한 상태입니다. 주주 입장에서는 ⓐ의 가능성을 높게 보고 올해 최대 $40B 가량(시총 대비 6.9%, Enterprise Value 대비 5.6%)을 주식으로 조달하려는 것인지를 모르다보니 하락한 것으로 생각됩니다.

피겨 테크(FIGR)

피겨 테크FIGR는 Overweight을 유지합니다. CY26 PER 28배입니다.

피겨 테크놀로지 1Q26 실적발표 : 블록체인으로 대출시장을 바꾸는 중, 이번에도 매출 YoY 98%

피겨 테크, $717M에 키아비 인수

피겨 테크가 6월 10일 Kiavi를 인수했습니다. 좋습니다.

Kiavi는 어떤 회사인가

2013년 LendingHome으로 출발해서 누적 대출 $30B를 집행한 미국 최대급 비은행 부동산 대출기관이고, 025년 한 해에만 사상 최대 규모인 $7.8B 규모를 발행한 RTL 1위 사업자입니다.

RTL (Residential Transition Loan, 흔히 "fix and flip") → 집을 사서 고친 뒤 되파는 투자자에게 내주는 1년 미만 단기/고금리 대출입니다. 집을 담보로 잡으며, 고친 후에 얼마 가치가 될지를 모르니 전통 은행이 대체로 기피하는 영역이라 비은행이 장악하고 있습니다.

DSCR (Debt Service Coverage Ratio loan) → 임대수익으로 원리금을 갚는 장기 임대용 부동산 대출입니다. FIGR은 이걸 first-lien HELOC과 같은 수요의 상품으로 봅니다.

RTL로 고친 집이 DSCR로 리파이낸싱되는 경로가 있어서, RTL → DSCR를 거치며 두 번 대출을 할 수 있다는 것이 피겨 테크의 큰 그림입니

키아비의 해자는 집을 리노베이션 한 뒤 집값이 얼마가 될지를 예측하는 13년치 데이터를 가진 모델입니다. 시장에서도 이것을 점점 더 인정해서 더 좋은 금리를 주고 더 많이 대출해주기에, 그게 더 좋

다.

키아비의 해자는 집을 리노베이션 한 뒤 집값이 얼마가 될지를 예측하는 13년치 데이터를 가진 모델입니다. 시장에서도 이것을 점점 더 인정해서 더 좋은 금리를 주고 더 많이 대출해주기에, 그게 더 좋은 대출자를 불러오는 플라이휠을 만들고 있습니다. 2026년 2월에 $350M RTL 증권화를 했는데 5배 가량 초과청약받아 최대 $1.2B 규모를 조달한 게 좋은 사례입니다.

검증된 1위 RTL 사업자와의 시너지

마이크 캐그니가 컨콜에서 '피겨는 2~3등은 안 사고, 1등만 살 것이다'라고 말했습니다. 지금보다 25배 더 큰 시장이 부동산 담보의 first-lien 시장이므로 이를 향하는 가장 빠른 길로서 키아비의 기존 데이터와 인프라를 그대로 피겨의 블록체인 인프라에 합쳤습니다.

또한, 키아비는 원래 Direct-to-consumer로 D2C로 판매하던 기업인데 이를 Figure 플랫폼에 있는 380개 파트너사들에게 열어줌으로써 상당한 수준의 성장이 나올 수 있다고 말했습니다. 피겨가 HELOC에서 했던 것과 똑같은, 이미 했던 플레이북을 그대로 RTL/DSCR에 적용하는 것이기에 성장 가시성도 높을 것으로 예상합니다.

펀딩은 Sixth Street이 맡아주기로 약속

간단하게 정리하자면 'D2C로 하던 RTL 대출 사업을 마켓플레이스로 만들겠다'는 의미인데 마켓플레이스가 되기 위해서 중요한 건 수요와 공급 양면시장을 모두 키우기 위해 노력하는 것입니다. 이 과정에서 키아비 인수가 굉장히 좋았던 건 $130B를 운용하는 Sixth Street가 키아비의 투자자이기도 해서 키아비/피겨를 통해 발행될 RTL 자산을 발행하는 만큼 사기로 했다는 것입니다. 이제 그럼 피겨는 발행시장의 성장에만 집중하면 됩니다.

코어위브(CRWV)

코어위브CRWV는 Overweight을 유지합니다.

코어위브 1Q26 실적발표 : 적자만 보면 놓치는 코어위브의 진짜 변화

코어위브, Nasdaq-100 인덱스

6월 22일 월요일부터 Nasdaq 100 지수에 아스테라랩스, 코어위브, 네비우스, 로켓랩, 테라다인이 편입됩니다. 펀더멘탈적으로 달라지는 것보다는 지수를 추종하는 패시브 자금이 유입될 것을 가정

편입

6월 22일 월요일부터 Nasdaq 100 지수에 아스테라랩스, 코어위브, 네비우스, 로켓랩, 테라다인이 편입됩니다. 펀더멘탈적으로 달라지는 것보다는 지수를 추종하는 패시브 자금이 유입될 것을 가정하고 미리 수급 순풍이 불 것에 대한 기대가 있습니다.

버티브(VRT), 블룸에너지(BE)

버티브VRT는 Overweight을 유지합니다. 버티브 CY27 PER 33배입니다.

버티브 1Q26 실적발표 : 첫 토큰을 앞당기는 힘, 공장에서 만드는 데이터센터

블룸에너지VRT, BE는 Overweight을 유지합니다. 블룸에너지 CY27 PER 29배입니다.

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

숙련공 부족이 데이터센터의 병목

지난주 주간전략보고에서도 숙련공 부족 이슈를 전해드렸는데, 여러 채널로도 비슷한 말들이 이어집니다.

코어위브 공동창업자 브래닌 맥비는 Odd Lots 팟캐스트에서 현재 GPU 클러스터를 가동하는 데 가장 심각한 병목 중 하나가 숙련공 부족이라고 언급했습니다. Powered Shell 구축 속도가 병목입니다. 전력, 냉각, 배전, 랙 설치, 현장 시공이 모두 맞물려야 데이터센터가 가동되는데 이 작업을 수행할 수 있는 숙련 인력이 부족하다는 의미입니다. 생각보다 숙련공을 늘리는 방식으로는 병목이 단기간에 해결되기는 어렵습니다. 이 정도 규모의 데이터센터 현장에서 바로 투입 가능한 기술자가 되려면 통상 수년의 견습과 현장 경험이 필요합니다. 즉, 노동력 부족은 단순히 인력을 더 교육한다고 바로 풀리는 문제가 아닙니다.

해결방향 #1 → 모듈식 데이터센터, 버티브의 수혜

이 병목을 줄이는 첫 번째 방법은 사전 제작된 모듈식 데이터센터 제품의 사용을 늘리는 것입니다. 버티브 1Q26 실적발표 자료의 헤드라인이 '첫 토큰을 앞당기는 힘, 공장에서 만드는 데이터센터'인 이유가 있습

니다. 현장에서 모든 것을 직접 조립하고 설치하는 방식은 숙련공 의존도가 높습니다. 반대로 전력/냉각 관련 인프라를 공장에서 미리 제작한 뒤 현장에서는 설치와 연결만 하는 방식은 공사 기간과 현장

니다. 현장에서 모든 것을 직접 조립하고 설치하는 방식은 숙련공 의존도가 높습니다. 반대로 전력/냉각 관련 인프라를 공장에서 미리 제작한 뒤 현장에서는 설치와 연결만 하는 방식은 공사 기간과 현장 노동 투입을 줄일 수 있습니다.

이런 관점에서 버티브 수혜가 있을 것으로 예상합니다. 데이터센터 전력과 냉각에 대한 높은 수준의 엔지니어링 역량과 생산 인프라를 바탕으로 모듈화해 제공할 수 있는 기업이기 때문입니다. 원래 이게 당연히 숙련공을 현장 투입하는 것보다 비싸니까 지금까지는 마이너한 사용 사례였는데, 숙련공 부족으로 인해 생긴 경제성으로 모듈식 데이터센터 채택이 빠르게 늘어나며 이를 해결할 것으로 예상합니다. 자본주의가 병목을 해결하는 사례들 중 하나가 될 것으로 예상합니다.

해결방향 #2 → 가스터빈에서 SOFC로 일부 전환, 블룸에너지의 수혜

두 번째 해결책은 기존 가스터빈 기반 프로젝트 중 일부 발전원을 SOFC로 바꾸는 것입니다. 블룸에너지 입장에서 순풍입니다. 가스터빈은 터빈만 가져오면 끝나는 구조가 아닙니다. 현장에서 기초 공사, 페데스탈 작업, 배관, 보조 설비, EPC 시공이 필요합니다. 결국 가스터빈도 숙련공과 현장 시공 역량에 크게 의존합니다.

따라서 가스터빈 납기뿐 아니라 설치와 시공 단계의 병목까지 커지면 일부 프로젝트는 SOFC를 대안으로 검토하게 됩니다. SOFC는 상대적으로 모듈화(미리 모듈화해서 트럭에 실어서 보냄)가 쉽고, 납기 가시성이 높으며, 지역사회 수용성 측면에서도 유리하다는 점을 내세울 수 있습니다. 이에 대해서는 6월 8일 주간전략보고에서도 설명드린 바 있습니다.

데이터센터 채널 체크(TD Cowen, Bernstein)에서는 '숙련공' & NIMBY' 언급

TD Cowen의 데이터센터 채널 체크를 정리하면:

수요 : 하이퍼스케일러와 AI Las의 수요가 기록적인 수준이며, 하이퍼스케일러와 네오클라우드의 데이터센터 구축 수요가 이제 미국을 벗어나 확장되고 있으며 점점 더 공격적으로 입찰 중입니

리드타임 : 800V DC 관련 부품 주문들 중 UPS와 중전압 스위치기여 리드타임이 약간 지연됐습니다.

다.

리드타임 : 800V DC 관련 부품 주문들 중 UPS와 중전압 스위치기여 리드타임이 약간 지연됐습니다.

전력/건설 : 현장발전원 믹스가 가스터빈에서 → 점차 왕복엔진(reciprocating engines), SOFC, BESS 등으로 이동하는 중입니다. 두 가지 이유가 큽니다. ⓐ숙련공 노동비용은 YoY 30% 증가하고 일부의 경우 전체 건설비용의 40~45% 수준까지 높아져서가 있고, ⓑNIMBY가 이제 거의 전력조달만큼이나 병목으로 꼽히고 있기 때문입니다. 커뮤니티 수용성이 이정도로 병목이 된 것은 처음이라고 코멘트했습니다.

블룸에너지 1Q26 실적발표에서도 Project Jupiter 프로젝트에 기존 가스터빈/왕복엔진을 전량 SOFC로 대체한 것 관련 코멘트드린 바 있습니다. 계속해서 같은 뷰입니다. 그리고 가스터빈 가격이 높아지다보니 왕복엔진을 선호하기도 하는데, 왕복엔진은 현장 숙련공 비용을 더 줘야 하는 구조라서 kW당 가격으로 보자면 거의 $3,000~$4,000/kW인 건 같습니다. ⓐ이제 LCOE면에서 SOFC가 더 싸지는 상태로 들어가고 있는데, ⓑSOFC는 납기도 잘 지켜지니 프로젝트 가시성을 높이면서, ⓒ커뮤니티 수용성도 좋은 발전원이라는 것으로 어필하고 있습니다.

Bernstein도 같은 날 같은 방향을 말했습니다.

데이터센터 파이프라인 MoM 10% : 지난 한 달 동안 데이터센터 프로젝트 파이프라인은 MoM 10% 증가하며 324GW까지 확대됐습니다. 5월 기준 건설 중인 데이터센터 용량도 4.4GW 증가해 63GW니다.

NIMBY 영향 증가 중 : 다만 동시에 NIMBY 이슈로 인해 일부 프로젝트의 속도는 조금씩 느려지고 있습니다. 지연 또는 제약이 있는 용량은 1.9GW 증가해 34GW가 됐고, 이는 전체 파이프라인의 약 11%에 해당합니다. 2025년 7~9월의 7~9% 수준보다 높아진 수치입니다. 지연/제약 용량의 비중은 11%에서 더 높아지고 있는 건 아니고 최근 좀 안정화되고 있다고 말했기에 여기서 더 문제가 될 수준으로 갈 것 같지는 않은데 커뮤니티 수용성 측면으로 생각해보더라도 가스터빈보다는 SOFC를 택하는 것이 배출가스나 소음에서 훨씬 더 유리하기에 커뮤니티 수용성 떄문에도 SOFC로의 이전도 나올 것으로 예상합니

데이터센터 채널 체크 #3 BofA

다.

데이터센터 채널 체크 #3 BofA

BofA가 Datacloud'26 컨퍼런스 내용을 정리했습니다:

Agentic AI 수요가 높아지며 데이터센터 구축 속도는 더욱 가속화될 것으로 전망했습니다. 유럽은 대규모 배포에서 계속 뒤처지는 중이며 규제 및 허가 지연으로 제약이 되고 있습니다. 다만 추론 워크로드가 늘면 유럽 및 아시아로도 대규모 데이터센터 수요가 더욱 커질 것으로 봤습니다.

전력이 제약입니다. 잘 알려져 있지만 모든 형태의 발전장비 가격이 계속 상승하고 있습니다.

개인적으로 느끼기에는 이런 과정에서도 별도의 공급망을 쓰는 만큼 SOFC의 가격은 그대로일 것이므로 블룸에너지에게 좋은 방향입니다.

열과 전기를 공동설계하는 역량이 데이터센터 프로젝트 수주 시 기업들 간의 차별화 요소가 되고 있습니다. 통합된 아키텍처 설계 및 배포 역량을 가진 소수가 구조적 우위를 점하고 있습니다.

버티브에게 좋은 요인입니다.

고전압 변압기는 리드타임이 2~6년, 가스발전기는 3~4년, 중전압 UPS/스위치기어는 1~2년 수준입니다. 저전압 전기장비는 10~25주, 저전압 케이블은 ~10주 정도로 거의 리드타임이 없는 수준입니다.

Kyber 800VDC 가치제안은 아마 2028년부터 통할 듯

몇 가지 추가로 체크하다보니, Rubin Ultra의 랙 아키텍처는 Oberon을 계속 사용할 가능성이 높아 보입니다. Kyber 800VDC 구조는 Feynman이 출시되기 전까지 메인으로 채택되진 않는다는 의미입니다. 랙당 compute 칩 die는 144개로 유지되고, 전력 소비량은 원래 1MW 예상이었으나 500kw 혹은 그 이하로 예상됩니다. 다만 400V건 800V건 랙당 dollar content는 비슷하기 때문에 여기도 사실 달라진 게 커보이진 않습니다.

Crusoe의 와이오밍 프로젝트 중단 해석하기

Crusoe가 와이오밍 프로젝트 개발을 일시정지한다는 소식으로 인해서 블룸에너지가 주간으로 잠깐 약세였었습

니다. 기본적으로는 하이퍼스케일러들이 여러 사이트를 오가는 과정에서 일부 사이트를 digest 차원에서 중단-취소하고, 다른 사이트의 완공을 당기는 식으로 대응하는 오케스트레이션 과정의 일부로 보고

니다. 기본적으로는 하이퍼스케일러들이 여러 사이트를 오가는 과정에서 일부 사이트를 digest 차원에서 중단-취소하고, 다른 사이트의 완공을 당기는 식으로 대응하는 오케스트레이션 과정의 일부로 보고 있습니다. 이에 대해서는 주간전략보고 중 블룸에너지 코멘트에서 생각을 전해드린 바 있습니다.

전체와 부분을 구분하기

개인적으로는 이런 헤드라인을 볼 때, 먼저 문제가 전체 시장으로 번질 사안인지부터 구분하는 것이 중요하다고 생각합니다. 예를 들어 데이터센터 프로젝트에 초과 청약이 안 된다거나, SPV 형태의 칩 자금조달에 수요가 없다거나, 하이퍼스케일러들의 임차 의지가 약해지는 신호라면 전반적인 문제로 볼 수 있습니다.

그러나 지금처럼 다른 프로젝트들은 정상적으로 진행되고 있고, 특정 사이트에서만 전력/물/인허가 문제가 생긴 것이라면 해당 프로젝트가 가진 특수성을 더 크게 봐야 합니다. 모든 헤드라인을 산업 전체의 문제로 확대해석하면, 오히려 투자 판단의 민감도가 지나치게 높아질 수 있습니다.

*2026년 6월 10일, 오라클 CY2Q26 실적발표에서 공개된 미시간주 데이터센터 현장사진

오라클 미시간 프로젝트도 정상 착공됐다

비슷한 사례로 2025년 12월 시장의 관심이 컸던 오라클 미시간주 데이터센터 프로젝트가 있었습니다. 당시에도 여러 우려가 있었지만 해당 프로젝트는 이미 3개월 전에 금융 파트너를 잘 매칭했고 착공에 들어갔습니다. 현재는 건물 한 채의 외관 공사가 거의 끝난 상태입니다.

결국 하이퍼스케일러든, 데이터센터 디벨로퍼든, 프로젝트별 조정과 digest는 계속 나타납니다. 하지만 큰 흐름에서 보면 데이터센터 수요는 여전히 우상향하고 있습니다. 너무 큰 프랙탈만 보면 세부 리스크에 둔감해지는 단점이 있지만, 반대로 너무 작은 프랙탈에 민감해지면 개별 프로젝트 이슈를 산업 전체 문제로 확대해석할 위험이 있습니다. 이 둘 사이에서 중용을 지키는 것이 투자자의 역할이라고 생각합니

크루소의 이탈이 블룸에너지 SOFC 주문 취소/지연이 아니라 보는 이유

다.

크루소의 이탈이 블룸에너지 SOFC 주문 취소/지연이 아니라 보는 이유

따로 살펴본 결과, 다른 하이퍼스케일러 고객사는 주문을 바꾼 것이 없고 Crusoe만 해당 프로젝트에서 이탈하는 구조로 보입니다. 따라서 블룸에너지의 SOFC 출하 계획 자체는 현재로서는 그대로 유지되는 것으로 판단됩니다.

이 프로젝트의 레이어를 나누어 보면 구조가 더 명확해집니다. (1) 최종 하이퍼스케일러 고객은 비공개이며, (2) 데이터센터 개발사는 기존 Crusoe에서 다른 사업자로 교체되는 중입니다. (3) 에너지 사업자는 Tallgrass, (4) 전력 유틸리티는 Black Hills로 파악됩니다. 즉 Crusoe는 프로젝트의 한 레이어이고 에너지 인프라와 전력 공급 계획 전체가 동시에 취소된 것은 아닙니다.

프로젝트의 기본 구조

Wyoming Cheyenne 프로젝트는 2028년 초 서비스 개시를 목표로 하는 대형 데이터센터 프로젝트입니다. 현재 논의 중인 데이터센터 캠퍼스 규모는 1.8GW이며, 장기적으로는 10GW까지 확장 가능한 부지로 알려져 있습니다. 이미 고객은 $200M 이상의 선급금을 지급했고 이 자금을 바탕으로 변전소 계약과 발전설비 발주도 진행된 상태입니다. 이것이 중요한 이유는 프로젝트가 단순한 초기 검토 단계가 아니라 이미 전력 인프라와 발전 설비 발주 단계까지 상당 부분 진척되어 있었다는 의미이기 때문입니다.

RBC 체크, Tallgrass 전력 허브는 계획대로 진행 중

RBC Capital 애널리스트의 체크를 통해 교차검증해보면, Crusoe가 진행하던 Project Jade의 데이터센터 캠퍼스 용량은 1.8GW입니다. 반면 Tallgrass가 진행하는 인접 현장발전 인프라 및 전력 허브 규모는 2.7GW입니다. 장기적으로는 10GW까지 확장 가능한 구조입니다.

따라서 Tallgrass가 2.7GW 규모의 천연가스 발전 및 탄소포집 인프라 개발을 계획대로 진행한다는 것은 블룸에너지 입장에서도 일정에 큰 문제가 없다는 의미로 볼 수 있습

니다. 블룸에너지의 SOFC는 데이터센터 개발사인 Crusoe가 아니라 전력 인프라를 담당하는 Tallgrass 측 계획에 포함된 것으로 보는 것이 더 자연스럽습니다.

On-site power generation Mix

현재 파악되는 Tallgrass 측 현장발전 구성은 다음과 같습니다.

ⓐ블룸에너지 SOFC 900MW

ⓑMHI M501JAC CCGT 664MW 2기, 총 1,328MW

ⓒGEV LM6000 aeroderivatives 51MW 3기, 총 153MW

ⓓGEV LM2500 aeroderivatives 34.5MW 13기, 총 448.5MW

ⓔ임시 발전용 GEV LM2500 aeroderivatives 34.5MW 24기, 총 828MW

이를 모두 합치면 약 3.66GW입니다. 다만 임시 발전기 828MW를 제외한 상시 발전 구성만 보면 약 2.83GW입니다. 여기서 블룸에너지 SOFC 900MW는 상시 발전 구성의 약 3분의 1에 해당합니다.

이번 구성에서 주목할 부분은 발전 설비가 데이터센터 부하보다 꽤 넉넉하게 잡혀 있다는 점입니다. 상시 발전 용량은 약 2.83GW이고, 여기에 임시 발전기 828MW가 추가됩니다. 데이터센터 전력 공급의 특성상 필요한 redundancy 버퍼입니다. 예를 들어 664MW급 M501JAC CCGT 한 기가 정기 점검이나 수리로 멈춘다고 가정하면 이를 대체할 수 있는 충분한 예비 발전 용량이 필요합니다. 데이터센터는 전력이 끊기면 안 되기 때문에, 발전 설비는 명목 부하보다 훨씬 보수적으로 설계될 수밖에 없습니다. 이런 맥락에서 보면 828MW 규모의 임시 발전기는 프로젝트 안정성을 위한 버퍼 성격이 강합니다.

최종 고객 : 이전 오라클 → 현재 구글

6월 11일 추가 보도를 보면, 원래 Wyoming 프로젝트는 오라클을 하이퍼스케일러 고객으로 유치하려고 했으나 최근에는 구글을 주 고객으로 확보한 것으로 보입

니다. 만약 이 헤드라인이 실제 성사된다면 시장에서는 '구글이 지원하는 네오클라우드에 블룸에너지 SOFC를 납품하는 사례'로 받아들일 가능성이 있습니다. 프로젝트의 2028년 초 가동 목표를 감안하

니다. 만약 이 헤드라인이 실제 성사된다면 시장에서는 '구글이 지원하는 네오클라우드에 블룸에너지 SOFC를 납품하는 사례'로 받아들일 가능성이 있습니다. 프로젝트의 2028년 초 가동 목표를 감안하면, 900MW 규모의 SOFC 납품 시점은 2027년 3분기 이후가 될 가능성이 높아 보입니다. 물론 이는 현재 파악되는 프로젝트 일정 기준의 추정입니다.

'구글', 헤드라인으로는 멋지지만, 펀더로는 별 차이 없다

펀더멘탈 관점에서 보면, 블룸에너지 입장에서 최종 고객이 오라클인지 구글인지는 생각보다 덜 중요합니다. 데이터센터 사용자는 전력을 직접 조달하는 주체라기보다 Powered Shell과 gray space가 준비된 환경에서 white space를 안정적으로 운영할 수 있으면 그만입니다. 어떤 전력원이 쓰였느냐보다 전력 사업자가 SLA를 지키며 안정적으로 전력을 공급할 수 있느냐가 핵심입니다.

오라클과 Crusoe의 텍사스주 애빌린 프로젝트(Stargate 1) 사례도 비슷합니다. 오라클은 Powered Shell의 임차인이고 white space를 구축해 운영하는 쪽입니다. 임대인은 Crusoe입니다. 2026년 초 겨울폭풍으로 일부 액체냉각 장비가 제대로 작동하지 않고, 데이터센터가 며칠간 중단되었으며, 가스발전기 가동에도 어려움이 생기자 오라클은 Crusoe에 SLA 준수를 요구했습니다. 이후 VoltaGrid 장비가 추가 투입된 사례가 있었습니다.

펀더멘탈적으로 생각해보자면 그러면 오히려 Tallgrass의 입장에서 왜 SOFC를 전체 2.7GW 규모 중 3분의 1이나 채웠는가가 더 중요한 건데, 그런 내용은 사실 하나하나 가치제안을 뜯어보며 이해해야 하기 때문에 고리타분하니, 얼마 전의 'CPO delay? → dump' 같은 헤드라인만 보고 매매하는 게 훨씬 더 많이 나타나곤 합니다. 시장이 뭔가를 잘 모른다고 생각될 때는 답답함을 느끼기 보다는 '아직 시장에 알파가 남아있구나' 정도로 느끼시는 게 더 지혜로운 방향일 거라고 생각하고 있습니

PJM에 2027년 말까지 한시적 전력망 패스트트랙이 생기다

다.

PJM에 2027년 말까지 한시적 전력망 패스트트랙이 생기다

FERC가 PJM Interconnection이 제안한 신속 상호연결 프로그램을 승인했습니다.

대상은 3년 이내 가동될 수 있는 최소 250MW 이상의 신규 또는 증설 발전 용량입니다. 기존 전력망 연결 절차가 지나치게 길어지면서 데이터센터, 산업용 전력 수요, 신규 발전 프로젝트 모두 병목을 겪고 있었는데, PJM 권역 안에서 이를 일부 완화하기 위한 패스트트랙이 생긴 셈입니다. 이 프로그램은 2027년 말까지 한시적으로 운영될 예정입니다.

기존 상호연결 절차는 수년 단위로 길어질 수 있었지만, 이번 프로그램은 프로젝트 제출부터 상호연결 계약 체결까지 10개월 내 처리를 목표로 하고 있습니다. 첫 번째 선정 프로젝트 10개는 2026년 10월 발표될 예정입니다. 대기열에 있던 프로젝트가 아닌 것이 패스트트랙으로 추가되는 것이라서 BTM 프로젝트 침투율이 더 높아질 수 있는 이벤트로 보고 있습니다.

*BTM 프로젝트가 늘어나면 전력망에서 했어야 할 일을 데이터센터 캠퍼스에서 처리하기 때문에 버티브 입장에서도 동일 MW~GW 기준으로 보자면 더 많은 매출을 거둘 수 있는 트렌드이긴 합니다.

마이크론(MU)

마이크론MU는 Overweight을 유지합니다. CY27 PER 6.3배입니다.

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

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

메모리 공급망 체크 ⓐⓑⓒⓓ

마이크론/샌디스크에 대해서 애널리스트들의 코멘트가 이어졌습니다:

Cantor : 메모리 트레이드는 건재하다(The Memory Trade is Alive and Well)가 제목입니다. Cantor의 뷰는 CY26/27/28 내내 DRAM 및 NAND 모두가 공급부족 상태가 지속될 것으로 보인다는 점입

니다. 이제 Agentic AI 워크로드에 맞는 CPU 수요가 크게 올라오기 시작하지만 이를 따라잡을 수준의 생산능력 확대가 일어나고 있지 않기 때문입니다. 결과적으로 고객들이 현재의 가격이 오래

니다. 이제 Agentic AI 워크로드에 맞는 CPU 수요가 크게 올라오기 시작하지만 이를 따라잡을 수준의 생산능력 확대가 일어나고 있지 않기 때문입니다. 결과적으로 고객들이 현재의 가격이 오래 유지될 것을 인정하게 만들고 있으며 현재 메모리-하이퍼스케일러 간 계약들을 쭉 살펴보면 DRAM과 NAND 모두에서 2026년 말까지 Bit Supply 물량의 50% 정도가 선수금과 보장된 가격 범위를 포함하는 LTA로 묶일 것이라고 추정했습니다. 장기적인 수익 창출 능력에 영구적인 변화를 가져오기에 충분한 물량이란 입장입니다.

BofA : 샌디스크와 고객사 간의 다년간 공급 파트너십인 "NBM"의 디테일을 정리했습니다. NBM는 초기 일정 기간에는 고정 가격을, 계약의 나머지 기간에는 변동 가격을 적용하는 구조입니다. 예를 들자면, 5년 LTA를 맺는다고 볼 때 2년은 고정가격-고정물량 + 3년은 변동가격-고정물량 구조입니다. 가격이 하한에 도달하더라도 마진은 GPM 80% 선에서 유지되도록 설계되어 있습니다. 현재 샌디스크는 FY2027(3Q26~2Q27) 매출의 3분의 1 이상을 NBM을 통해 계약했으며 NAND 공급 물량의 60% 이상이 아직 추가 계약분으로 열려있음을 의미합니다. 계약가격 추세는 여전히 상승세이며 CY26까지도 더 높은 가격을 예상하고, 1H27까지도 가격이 견조할 것으로 예상합니다. 실질적인 공급 증가는 CY28/29쯤에나 가능할 거란 예상입니다.

MS : COMPUTEX 2026 이후 모건스탠리의 공급망 체크 결과, 서버 OEM들은 3Q26에 DRAM 가격이 QoQ 25~30% 추가로 상승할 것으로 예상했고, NAND 가격도 QoQ 20~40% 추가 상승할 것으로 전망했습니다. 현재 컨센으로는 보통 5~8%, 높아도 15% 상승 정도를 예상하고 있는 상태라서 여전히 EPS Upside가 더 남아있을 수 있음을 의미하는 수치라 좋습니다.

CLSA : AI 인프라는 컴퓨팅 제약이라기 보다 메모리 제약에 놓여져 있으며, 메모리가 전체 AI CapEx에서 가장 전략적인 부분이 되고 있습

니다. 하이퍼스케일러들의 데이터센터 CapEx 중 메모리가 차지하는 비중은 CY26 35% → CY27 48%일 것으로 예상됩니다. 이에 따른 밸류에이션이 매겨져야 한다는 입장입니다. 또한 추론 수

니다. 하이퍼스케일러들의 데이터센터 CapEx 중 메모리가 차지하는 비중은 CY26 35% → CY27 48%일 것으로 예상됩니다. 이에 따른 밸류에이션이 매겨져야 한다는 입장입니다. 또한 추론 수요가 크게 늘고 워크로드의 성격이 Agentic AI 및 Physical AI로 변하면서 향후 3~4년 동안 메모리가 계속 공급부족 상태에 머물 것으로 예상했습니다. LTA가 결국 주요 공급업체 생산능력의 50%를 차지하게 되면 업계의 이익 구조는 극적으로 변화할 것입니다. DRAM 공급업체 재고는 2~3주분이며 2H26 계약가격에 지속적인 상승 압력이 가해질 것으로 예상합니다. 특히 HBM의 마진이 높아질 것으로 예상했습니다.

더 자세하게 살펴본 모건스탠리 메모리 채널 체크

6월 10일자 모건스탠리의 메모리 채널 체크 결과,

DRAM:

SemiAnalysis가 말한 VR200 NVL72 SOCAMM 메모리 구성이 랙당 55TB → 28TB로 바뀌는 것은 채널 체크 내용과 일치하지만, 전체 엔비디아의 메모리 주문 규모는 줄어들지 않았습니다.

HBM 가격 협상이 진행 중이며, CY27에는 가격이 YoY 최소 50~100% 인상될 가능성이 높습니다. CY26 HBM 가격은 이미 2025년 초 협상된 연간 계약에 따라 확정됐던 것이며, 2H26에는 단기적인 가격 변화가 없을 것으로 예상합니다.

3Q26에도 DRAM 계약가격은 계속 상승할 것으로 예상되며, 현재 초기 호가는 QoQ 20% 수준이 예상되고 있습니다. 다만 이미 2Q26 가격 인상 이후 소비자 가전제품 같은 경우는 주문을 줄이기 시작하는 징후가 있어서, 3Q26부터는 AI와 Non-AI 제품 간 수요가 갈릴 것으로 예상됩니다.

CY26은 전체 bit supply 중 AI 관련 출하량이 50%를 차지하고, CY27에는 거의 70%까지 비중이 높아질 것으로 예상합니다. 신규 캐파에서 공급이 추가되더라도 워낙 지금 타이트한 상태이기 때문에 계속해서 주문 압박이 이어질 것으로 예상됩니

3Q26는 eSSD가 주도하면서 QoQ 30% 상승할 가능성이 높습니다. 소비자 가전제품 시장이 가격을 소화하기 어려워하다보니 현물가 자체는 상승이 제한적인데 계약가격 호가는 강합니다.

다.

NAND:

HBF 제품 전망은 업계 피드백상 엇갈립니다. CSP는 NAND die를 GPU와 함께 패키징할 경우 GPU의 수명주기가 NAND die의 대구성에 영향을 받으니 GPU의 내구성이 크게 낮아질 수 있는 점을 우려하고 있습니다. 현재로서는 eSSD가 더 낫고 더 신뢰성 높은 솔루션이란 것입니다. 한 고객은 AI 애플리케이션용으로 스마트폰/엣지 디바이스용 HBF 기술에 관심을 보이고 있습니다.

CY27로 갈수록 AI용 NAND 수요는 출하량이 크게 늘어날 것으로 예상됩니다. CSP의 KV cache offloading 수요와 HDD쪽 쇼티지에 대응하기 위한 QLC SSD 주문 증가가 견인할 것으로 예상됩니다. 아직 시장에서 BlueField DPU STX 랙에 대한 추가 수요가 얼마나 될지는 대략만 추정할뿐 정확한 추정은 없는데, 향후 CY27으로 갈수록 구체적인 수요가 얼마나될지 추려질 것으로 예상됩니다.

주요 IB들의 마이크론 CY27 EPS 추정치

CY27 EPS 기준 ⓐUBS $155, ⓑGS $145, ⓒWolfe $135, ⓓMS $113.85입니다. 클린룸 제약으로 인해 공급이 타이트한 상태인데, Agentic AI CPU 트렌드로 메모리 부족은 더 심해질 것이고, LTA 덕에 리레이팅 수요가 생길 것이라는 핵심 포인트들은 계속해서 같습니다.

샌디스크(SNDK)

샌디스크SNDK는 Overweight을 유지합니다. CY27 PER 5.4배(GF증권 CY27 EPS $366)입니다.

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

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

'이제 데이터센터향 매출 비중 크게 늘릴

샌디스크가 6월 9일 Mizuho 컨퍼런스에 참석했습니다:

것'

샌디스크가 6월 9일 Mizuho 컨퍼런스에 참석했습니다:

Enterprise SSD 매출이 전사 매출비중의 25%까지 올라왔지만 이제 막 시작된 것에 가깝다고 설명했습니다. 고성능 TLC SSD는 이미 여러 하이퍼스케일러에게 퀄을 받았고, QLC Stargate SSD는 이제 막 매출인식이 시작될 예정입니다. 더 높은 부가가치의 eSSD 믹스가 높아지고 있다는 것이 좋습니다.

HBF는 지금의 AI 시스템에 꽂아 넣었을 때는 효용이 낮고, 고객이 HBF 구조에 맞게 모델과 하드웨어 조를 변경해야 제대로 작동하는 기술이라고 말했습니다. 따라서 실제 HBF 매출을 기대하려면 CY28쯤이 넘어야 가능할 것으로 보입니다.

애플의 WWDC : MoE를 애플식으로 다시 구조화하다

이번 WWDC26에서 의외였던 게 3세대 파운데이션 모델을 다루는 방식이었습니다. 나름 애플식으로 LLM을 녹여내기 위해 고민을 많이 했구나 싶은 점들이 있었습니다. 애플의 3세대 파운데이션 모델에 대한 System card는 ML 페이지에서 볼 수 있었습니다. 제미나이를 가져다가 distilled해서 만든 AFM 3(Apple Foundation Model 3)입니다.

system card를 보다가 가장 눈에 띄었던 건 MoE입니다. 애플은 이것도 Static weigths in DRAM, Dynamic experts, inactive experts라고 색다르게 표현했는데 Total parameter, Active Parameter로 생각하시면 됩니다. 애플이 잘하는 것 중 하나는 이미 전문가 집단에서 통용되는 개념을 본인들만의 언어로 다시 풀어내는 것입니다. 설명 자체는 직관적이지만 처음 보면 마치 애플이 이 구조를 처음 만든 것처럼 착각하기 쉽습니다.

DRAM 대신 NAND 활용한 MoE : 가격 대비 용량과 지연시간의 트레이드오프

두 번째로 흥미로웠던 부분은 애플이 비싼 DRAM 대신 NAND를 적극 활용했다는 점입

니다. 여기서 비싸다는 말은 절대적인 수치상의 가격이 아니라, 메모리 계층 구조에서 $/GB 기준으로 DRAM이 NAND보다 훨씬 비싸다는 의미입니다. 결국 핵심은 $/GB와 Latency의 트레이

니다. 여기서 비싸다는 말은 절대적인 수치상의 가격이 아니라, 메모리 계층 구조에서 $/GB 기준으로 DRAM이 NAND보다 훨씬 비싸다는 의미입니다. 결국 핵심은 $/GB와 Latency의 트레이드오프입니다.

애플은 전체 파라미터를 DRAM이 아니라 NAND에 저장하는 구조를 택했습니다. 다만 표준적인 MoE 모델처럼 토큰 단위로 expert 가중치를 계속 교환하려면 NAND와 DRAM 사이의 대역폭이 너무 느립니다. 그래서 애플은 토큰 단위 라우팅이 아니라 프롬프트 단위 라우팅에 가까운 구조를 선택했습니다. 즉, 특정 사용 사례별로 미리 정해진 활성 매개변수를 사용하는 방식입니다.

랜덤성이 커질수록 NAND-DRAM 대역폭 병목이 부각될 수 있으니, 아예 결정론적으로 움직이도록 설계한 것입니다. 애플을 최상위 프런티어 모델 기업으로 보기는 어렵고 Tier 3 정도로 보는 것이 맞겠지만, 이 접근 자체는 꽤 흥미롭습니다. 이런 부분은 <LLM 추론 토큰 가격의 비밀 : MoE의 시대, 엔비디아의 NVL72가 중요한 이유>을 보고 나셨다면 이해가 더 잘 되실 내용입니다.

샌디스크가 주간으로 강세였던 이유도 파라미터를 NAND에 저장하는 새로운 시도를 선보였기 때문이라고 생각하고 있습니다.

사전훈련은 TPU, 추론은 NVDA B200 GPU

세 번째 포인트는 애플이 GCP의 TPU를 활용해 사전훈련 규모를 대폭 키웠다는 점입니다. 이후 각 모델을 실제 서빙할 하드웨어에 맞게 별도로 최적화했습니다. ⓐAFM Core, ⓑAFM 3 Core Advanced, ⓒAFM 3 Cloud, ⓓADM 3 Cloud(Image)는 Apple Silicon에 맞게 최적화했고, 가장 고지능의 거대 모델인 ⓔAFM 3 Cloud Pro는 엔비디아 GPU에 최적화했다는 내용이 확인됩니다.

사람들의 일반적인 인식과는 다를 수 있지만 구조적으로 보면 대규모 행렬곱을 수행하고 Pod 단위에서 큰 Scale-up 도메인 메모리 용량을 확보해야 하는 사전훈련에서는 TPU가 유리한 지점이 있습니다(랙 단위 OCS Scale-up 덕

분). 반면 MoE 모델 추론 영역에서는 엔비디아 GPU가 여전히 TCO 대비 성능이 가장 높습니다.

분). 반면 MoE 모델 추론 영역에서는 엔비디아 GPU가 여전히 TCO 대비 성능이 가장 높습니다.

특히 가속기를 대략 6년 단위로 운용한다고 보면 핵심은 결국 추론의 경제학입니다. 모델은 한 번 훈련하고 끝나는 것이 아니라 수년간 계속 서빙되어야 하며, 사용량이 누적될수록 비용의 중심은 추론으로 이동합니다. 이 관점에서 애플이 가장 고지능의 거대 모델인 AFM 3 Cloud Pro를 엔비디아 GPU에 최적화했다는 것은 전체 가속기 TCO 관점에서 가장 비용이 많이 들고 부가가치를 많이 생산하는 모델의 경우 여전히 엔비디아가 가장 좋은 선택지임을 보여준 셈입니다.

추론이 중요한 이유는 단순히 서빙 비용 때문만은 아닙니다. 2024년 9월 o1-preview 이후 test-time compute("Reasoning")이 본격화된 이후로 추론과 훈련의 경계가 이미 흐려져있습니다. 이제는 추론이 곧 훈련이고 훈련이 곧 추론입니다. 여기에 QAT(Quantization Aware Training)와 FP4 조합까지 더해지면서 저정밀도 연산의 이점이 더 큽니다. 엔비디아는 Grace Blackwell부터 FP4를 Native로 지원하고 있지만, 3Q26 양산 예정인 TPU v7, Trainium3까지도 여전히 FP4를 지원하지 않을 예정입니다. 이 때문에 엔비디아는 MoE 모델 추론에 가장 최적화된 칩이라는 지위를 유지하고 있고, 앞으로도 유지할 것으로 예상합니다.

이것도 마찬가지로 <AI 가속기 심화면 : GPU vs TPU, 무엇이 칩을 다르게 만드나 (feat. CPU, ASIC, FPGA> 자료를 보고 나셨다면 이해가 더 잘 되실 내용입니다.

루멘텀(LITE), 비아비(VIAV)

루멘텀LITE는 Overweight을 유지합니다. CY27 PER 30배입니다.

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

'빛💡'의 시대 : 광학 밸류체인 한 눈에 보기

진들

'빛💡'의 시대 : 광학 밸류체인 한 눈에 보기

비아비VIAV는 Overweight을 유지합니다. CY27 PER 27배(Rosenblatt CY27 EPS $2)입니다.

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

'빛💡'의 시대 : 광학 밸류체인 한 눈에 보기

전체적으로 Copper and Optics

Scale-up, Scale-out의 구리/광학에 대해 잘 정리한 테이블이 있습니다.

원래 Scale-out은 광학을 메인으로 사용하고 있습니다. Scale-up은 구리가 메인이었지만, CY27쯤부터는 엔비디아를 필두로 CPO/NPO가 도입되며 광학이 쓰이기 시작합니다.

아마존은 Trainium과 구글 TPU 전략의 차이에서 전해드렸던 것처럼 'TCO 대비 퍼포먼스' 차원에서 초저비용-중간 정도의 퍼포먼스를 목표로 하는 인프라라서 가장 마지막까지 구리, 가장 마지막까지 Active Rear Door(RDHx), 가장 마지막까지 자체 NIC를 사용하는 기업입니다.

루멘텀 : CPO 지연 노이즈보다 NPO/OCS가 더 중요

1. SemiAnalysis의 주장 : 협의의 CPO와 800VDC 기대치 조정

SemiAnalysis가 6월 9일 COMPUTEX 26 Taiwan 이후 AI HW 전반에 대해 기관용 리서치를 냈습니다.

핵심은 크게 네 가지입니다.

첫째, 800VDC 도입은 2028년 이후로 밀릴 가능성이 높다고 봤습니다. 이 때문에 WOLF, NVTS 같은 순수 WBG 전력반도체 기업들은 단기적으로 멀티플을 정당화할 추가 콘텐츠 증가 촉매가 부족하다는 판단입니다. 800VDC 도입 지연으로 전력반도체 성장곡선은 시장 기대보다 완만해질 수 있다고 봤습니다.

둘째, CPO 양산시점은 2029년 이후가 될 가능성이 높다고 봤습니다. CY27~CY28 Vera Rubin Ultra용 NVL576에서 Scale-up CPO 스위치 물량이 일부 존재하는 것은 맞지만, GPU-to-GPU 연결이 아니라 NVSwitch-to-NVSwitch 구간에 제한적으로 쓰이는 구조이고 전체 시장의 판도를 바꿀 정도의 물량은 아니라는 해

석입니다. *이건 이미 알던 내용이라 상관없습니다*

셋째, CPO 시스템 수율도 아직 부담입니다. 광 엔진 부착 수율을 95%로 가정하더라도 하나의 가속기에 32개의 광 엔진을 장착하면 시스템 수율은 0.95^32, 즉 약 19%에 그칩니다. 시스템 수율을 85%까지 끌어올리려면 엔진당 부착 수율이 99.5% 수준까지 올라가야 합니다. 따라서 현재 CPO 관련 트레이딩은 단기적으로 과열됐고 기대치 조정이 필요하다는 내용입니다. *이건 사실 '이제 막 수율을 높이는 중인 건데, 왜?' 싶습니다.*

넷째, 메모리는 여전히 진정한 병목이라고 봤습니다. 수요-공급 구조가 가장 타이트하고 AI 하드웨어 내에서 가시성이 가장 높은 영역이라는 판단입니다.

다만 여기서 중요한 것은 SemiAnalysis가 부정한 것이 광학 인터커넥트 전체가 아니라는 점입니다. NPO 물량은 상당할 것이라고 봤습니다. Scale-out CPO는 정상 도입된다고 봤습니다. 부정한 것은 '협의의 Scale-up CPO 도입 타이밍이 1~2분기 지연된다'입니다. 투자자들은 CPO와 NPO를 모두 CPO라는 넓은 표현으로 묶어 보는 경우가 많지만, 실제로는 서로 다른 채택경로입니다.

이에 대해서 개인적인 생각을 정리해보면:

Scale-out CPO는 정상 도입 중 → Scale-out CPO는 원래대로 진행됩니다. 고객 반응은 좋습니다. 젠슨은 COMPUTEX에서 CPO가 예정대로 진행될 것이라고 분명히 말했습니다. 네오클라우드(CoreWeave, Lambda)와 오라클 및 익명의 한 주요 CSP가 Scale-out CPO를 구축 중입니다. 폭스콘의 CPO 대량생산도 매우 순조롭게 진행되고 있습니다. 공급망 피드백도 매우 긍정적입니다. CPO 도입이냐 NPO 도입이냐가 아니라 루멘텀의 ELS 도입은 똑같습니다. 수요 자체가 똑같지만 어느 애플리케이션으로 출하되느냐만 다

옵토일렉트로닉스는 트랜시버 기업인데? → 옵토일렉트로닉스 같은 경우는 CPO에 필요한 ELSFP는 아직 하이퍼스케일러향 검증을 시작하지도 않은 상태라서, 트랜시버가 연장되면 오히려 수혜를 보는 것으

릅니다.

옵토일렉트로닉스는 트랜시버 기업인데? → 옵토일렉트로닉스 같은 경우는 CPO에 필요한 ELSFP는 아직 하이퍼스케일러향 검증을 시작하지도 않은 상태라서, 트랜시버가 연장되면 오히려 수혜를 보는 것으로 여겨지던 기업입니다.

인터커넥트가 더 많이, Copper vs Optics 중 Optics이 더 많이 쓰인다는 기본 전제가 중요 → 기본 전제는 광학 인터커넥트의 전망이 CPO에만 의존하는 것이 아니라 최종 형태가 CPO이건 NPO이건, CPO/NPO가 공존하건 어떤 형태로건 클러스터 내부와 외부에서 광학 인터커넥트가 차지하는 비중이 점차 높아질 것이라는 데 있습니다. 2025년 하반기~2026년 초에 광학 기업들에 대한 주문이 폭증하고 채택속도가 빨라지며 구리 인터커넥트 기반의 기업들도 서둘러 광학 스타트업들을 인수한 것이 우연은 아닙니다. 시스템 아키텍처는 점점 더 높은 대역폭 밀도, 더 낮은 전력 소비, 더 높은 수준의 시스템 통합을 향해 가고 있습니다.

CPO? or NPO? 마치 흑묘백묘 논쟁을 보는 것 같다 → CPO든 NPO든 필요한 구성요소는 크게 다르지 않습니다. Laser Source, Fiber Array Unit, PIC/EIC가 모두 필요합니다. 차이는 PIC와 EIC를 어디에 최종 패키징하느냐입니다. Switch ASIC 기판 위에 붙이면 CPO이고, ASIC 기판 밖의 근접 영역에 두면 NPO입니다. 즉 패키징 기업 입장에서는 차이가 크지만, 광원과 ELS를 공급하는 루멘텀 입장에서는 최종 형태가 CPO인지 NPO인지보다 광학 채택 자체가 늘어나는지가 더 중요합니다. CPO건, NPO건, OCS건, 1.6/3.2T 트랜시버건 고속으로 갈수록 고출력의 노이즈/선폭 등의 높은 스펙을 다룰 수 있는 광원 설계 및 양산력이 중요해지는 트렌드에서 광학 콘텐츠 채택량만 늘어나면 상관없다는 의미입니다.

2. 같은 날 #1, Mizuho 컨콜 : 루멘텀은 CPO/NPO/OCS 어디로 가

같은 맥락에서 같은 날(6월 9일), Mizuho Tech Conf. 26에서 나온 루멘텀 CEO의 코멘트가 중요합니다.

도 수혜

같은 맥락에서 같은 날(6월 9일), Mizuho Tech Conf. 26에서 나온 루멘텀 CEO의 코멘트가 중요합니다.

아직 루멘텀은 OCS, CPO/NPO, Scale-up Network 매출이 반영되지 않았다고 말했습니다. 그럼에도 현재 매출 성장은 가이던스 상단을 달성하거나 초과할 속도로 진행 중이라고 설명했습니다. 3Q부터 OCS 도입이 시작되고, 4Q부터는 CPO 관련 도입도 시작될 예정입니다.

루멘텀의 강점은 특정 아키텍처 하나에만 의존하지 않는다는 점입니다. ⓐ현재 1.6T 트랜시버 도입에서는 EML이 대부분을 차지하고 있고, ⓑ하이퍼스케일러향 OCS는 루멘텀이 사실상 단독으로 생산/납품 중입니다. ⓒOCS는 단순 부품이 아니라 풀스택 시스템에 가깝기 때문에 트랜시버보다 마진 구조도 더 좋습니다. ⓓCPO/NPO로 가더라도 결국 광원의 중요성은 더 커지기 때문에 루멘텀의 UHP Laser와 ELS 포지션은 훼손되지 않습니다. 현재 엔비디아향 UHP Laser는 루멘텀이 단독 납품 중입니다.

특히 흥미로운 부분은 Non-NVIDIA 고객들의 NPO 관심이 최근 2개월 사이에 뚜렷하게 증가했다는 점입니다. 엔비디아는 CPO 도입을 주도하고 있지만, 자체 ASIC을 쓰는 하이퍼스케일러들은 NPO를 더 적극적으로 검토하고 있습니다. 레인당 200G 환경으로 넘어가면 구리 백플레인의 물리적 한계가 커지기 때문에 ASIC 진영도 랙 백플레인에 더 많은 1.6T 레인을 구축해야 합니다. *이게 기본 핵심입니다*

루멘텀은 "하이퍼스케일러 ASIC향 NPO TAM이 엔비디아 CPO TAM보다 더 커 보인다"고 말했습니다. 랙 수로 보면 작아 보일 수 있지만, 광 레인 수 기준으로 보면 ASIC NPO 기회가 훨씬 클 수 있기 때문입니다. NPO 버전 스위치는 2H27부터 첫 출하가 시작될 예정입니다.

OCS로 가더라도 수혜는 충분하다는 메시지도 있

었습니다. 현재 OCS 출하의 상당 부분은 Spine Switch(Leaf-Spine 중 Spine을 대체)를 교체하는 용도로 쓰이고 있습니다. 그런데 앞으로는 구글 같은 하이퍼스케일러가 Scale

었습니다. 현재 OCS 출하의 상당 부분은 Spine Switch(Leaf-Spine 중 Spine을 대체)를 교체하는 용도로 쓰이고 있습니다. 그런데 앞으로는 구글 같은 하이퍼스케일러가 Scale-up 토폴로지에서 OCS를 더 적극적으로 사용하면서 광 케이블과 구리 케이블 링크 수와 길이를 줄일 가능성이 있습니다. 이 경우 CPO/NPO를 일부 대체하거나 보완하는 효과가 생깁니다. 그렇지만 루멘텀과 비아비 입장에서는 OCS 확장 자체가 직접적인 수혜입니다. Rosenblatt의 5월 27일 공급망 체크에 따르면, 이미 ROADM 테스트의 100%를 비아비가 하고 있기에 현재로서 OCS 테스트 물량 100%를 비아비가 맡을 것으로 예상됩니다.

경쟁에 있어서는 MEMS 방식 OCS에 대한 자신감을 보였습니다.

코히런트는 LCOS 방식이 2~3배 비싸더라도 장기적으로 하이퍼스케일러향 OCS에 침투할 수 있다고 주장합니다. 반면 루멘텀은 데이터센터 고객들이 가장 민감하게 보는 요소가 광 손실이라고 강조했습니다. MEMS는 거울을 움직여 빛의 경로를 바꾸는 방식이기 때문에 구조적으로 손실이 낮습니다. 반면 LCOS는 빛이 시스템 내부를 통과하는 과정에서 손실이 발생할 수밖에 없습니다.

루멘텀은 MEMS의 신뢰성도 이미 통신망에서 검증됐다고 봅니다. Verizon, AT&T 같은 장거리 광케이블망에서 20년 넘게 사용돼 왔고, 특히 지하에 매설된 네트워크에서 쓰였다는 점이 핵심입니다. 신뢰성이 낮았다면 유지보수 비용 때문에 이런 구조가 장기간 유지되기 어려웠을 것입니다. 하이퍼스케일러들이 여전히 MEMS를 고려하는 이유도 결국 낮은 손실과 검증된 신뢰성 때문입니다.

3. 같은 날#2, Needham NDR : CY27 하이퍼스케일러 ASIC NPO 도입

6월 9일 Needham NDR에서도 비슷한 메시지입니다.

첫째, 하이퍼스케일러들의 ASIC NPO 도입 일정이 앞당겨지고

있습니다. 출하는 CY27부터 시작됩니다. 이는 Mizuho 컨콜에서 나온 "ASIC NPO TAM이 엔비디아 CPO보다 커 보인다"는 메시지와 같은 방향입니다.

있습니다. 출하는 CY27부터 시작됩니다. 이는 Mizuho 컨콜에서 나온 "ASIC NPO TAM이 엔비디아 CPO보다 커 보인다"는 메시지와 같은 방향입니다.

둘째, 엔비디아의 UHP Laser 램프업은 계획대로 진행 중입니다. 출하는 3Q26부터 시작되고, 4Q26부터 의미 있는 물량으로 확대될 예정입니다. 즉 엔비디아 Scale-out CPO용 UHP Laser 일정은 지연되고 있지 않습니다.

셋째, 펌프 레이저 출하량은 향후 4~6개 분기 동안 4배 증가할 것으로 예상됩니다. 현재 약 $1.5B 규모의 사업이 CY29까지 약 $4.0B 시장으로 커질 수 있다는 전망입니다. DCI와 Scale-across 수요가 동시에 증가하고 있기 때문입니다. 멀티레일 구조로 갈수록 펌프 레이저 수요가 늘어나는 것도 같은 맥락입니다.

넷째, 루멘텀은 2025년 12월 대비 2026년 12월까지 생산능력을 50% 늘릴 예정입니다. 핵심은 4인치 InP 웨이퍼 전환입니다. 3인치에서 4인치로 전환하면 웨이퍼 한 장당 유효 칩 생산량이 약 1.8~2배로 늘어납니다. 장비 감가상각이나 에너지 비용은 웨이퍼 면적만큼 선형적으로 증가하지 않기 때문에, 단위비용이 낮아지고 GPM이 올라갈 여지도 큽니다. 지난 1년간의 마진 확대가 가격인상에 의해 주도됐다면, 앞으로 1년간의 마진 확대는 비용절감에 의해 주도될 것이라 전망했습니다. 현재 1.5개 팹이 최대 가동률로 돌아가고 있고, CY27에도 추가 생산능력 확대 여지가 남아 있습니다.

*아래는 5월 11일 주간전략보고에 올려드렸던, 루멘텀 팹에 대한 정리입니다.

*5월 11일 주간전략보고에서 4인치 전환을 전해드렸었고,

*6인치 InP 웨이퍼로 전환하지 않는 이유는 4월 6일 주간전략보고에서 JPM IR 미팅 내용을 전해드렸었습니다.

다섯째, OCS는 ARR $1B까지 내부 생산으로 대응하고, 그 이상부터는 위탁제조를 통해 생산능력을 확대할 계

획입니다. 흥미로운 점은 아웃소싱을 하더라도 마진이 낮아지는 구조가 아니라는 것입니다. 내부 생산능력은 공통 부품 생산에 집중시키고, 외부 생산은 시스템 조립 확장에 활용하는 방식이기 때문에 오히려

획입니다. 흥미로운 점은 아웃소싱을 하더라도 마진이 낮아지는 구조가 아니라는 것입니다. 내부 생산능력은 공통 부품 생산에 집중시키고, 외부 생산은 시스템 조립 확장에 활용하는 방식이기 때문에 오히려 규모의 경제가 커지기에 마진이 높아질 것이라고 전망하고 있습니다.

4. 결론 : 광학 채택 경로가 무엇이든 돈만 잘 벌면 된다

앞으로 돈 잘 버느냐를 묻기 위한 것이지, 그 돈이 CPO에서 나왔느냐를 묻기 위한 논쟁을 할 필요는 없습니다. 물론 절대값이 아니라 성장률의 변화를 먹고 사는 것이 투자자인 만큼, 여기서 중요한 건 '더 잘 버느냐?'인데 이번 ①Mizuho, ②Needham 코멘트를 모아서 생각해보면 하이퍼스케일러들의 ASIC NPO 도입이 빨라지면서 '더 벌 것 같다'입니다.

SemiAnalysis의 주장은 협의의 CPO 양산 타이밍에 대한 기대치 조정입니다. 이는 일부 CPO 관련 주식의 단기 멀티플에는 부담일 수 있습니다. 그러나 루멘텀의 핵심 투자 포인트는 CPO 하나에만 있지 않습니다.

단기적으로는 1.6T EML, OCS, UHP Laser, 펌프 레이저가 있습니다. 중장기적으로는 CY27부터 시작될 ASIC NPO 기회, 엔비디아 CPO, Scale-up 광학 전환이 있습니다. 최종 아키텍처가 CPO든 NPO든, 또는 OCS가 일부 토폴로지에서 CPO/NPO를 대체하든, 루멘텀이 공급하는 고성능 광원과 광학 시스템의 필요성은 줄어들지 않습니다.

오히려 하이퍼스케일러들이 엔비디아에 대응하기 위해 자체 ASIC 백플레인에서 더 많은 1.6T 레인을 구축하려 한다면, ASIC NPO 기회는 엔비디아 CPO보다 더 큰 TAM이 될 것입니다. 광학 채택 경로가 어디로 가느냐, 그리고 그 경로에서도 루멘텀의 해자가 여전히 잘 통하는 경로인가(매출, 마진율, 이익 가시성 측면을 고려하기 위해)가 중요한데 여전히 루멘텀의 경쟁역량이 잘 통하고

있습니다. 핵심 전제는 하나입니다. AI 클러스터는 점점 더 높은 대역폭 밀도, 더 낮은 전력소비, 더 높은 시스템 통합을 요구하고 있습니다.

있습니다. 핵심 전제는 하나입니다. AI 클러스터는 점점 더 높은 대역폭 밀도, 더 낮은 전력소비, 더 높은 시스템 통합을 요구하고 있습니다.

5. Appendix, 기술력이 곧 InP 생산성으로 연결되는 구간

광학이 꽃피울 시기를 앞두고 루멘텀을 여전히 선호하는 이유는 광학 인터커넥트에서는 기술력이 곧 생산성이고, 생산성이 곧 성장 가시성이기 때문입니다. 어떤 형태로 가더라도 클러스터 내부와 외부에서 더 많은 광원, 더 많은 레이저, 더 높은 성능의 광학 부품이 필요해집니다. 그리고 이 구간에서는 '누가 같은 InP 면적에서 더 좋은 레이저를 더 많이 만들 수 있느냐'가 중요해집니다.

대표적인 예시가 좁은 선폭의 레이저입니다. 하이퍼스케일러와 칩 메이커들이 더 좁은 선폭, 더 낮은 노이즈, 더 높은 출력을 요구할수록 InP 쇼티지는 더 심해집니다. 그런데 같은 요구 스펙을 더 작은 InP 면적으로 구현할 수 있는 기업과, 더 큰 InP 면적을 써야만 구현할 수 있는 기업 사이에는 생산성 차이가 크게 벌어집니다. 좁은 선폭의 레이저를 만들기 위한 cavity length와 관련된 이야기입니다.

레이저에는 cavity가 있습니다. cavity는 빛이 왕복하면서 증폭되는 공진기입니다. 쉽게 말하면 레이저 안에서 빛이 정렬되고 증폭되는 활주로의 길이입니다.

이 cavity length를 늘리면 세 가지 장점이 있습니다. 첫째, 더 많은 광출력을 뽑기가 쉬워집니다. 둘째, 광자가 cavity 안에 머무는 시간이 길어지기 때문에 노이즈와 선폭을 좁히는 데 유리합니다. 셋째, 같은 출력을 낼 때 전류와 열부하를 더 넓은 면적으로 분산할 수 있습니다.

경쟁사 입장에서 하이퍼스케일러나 칩 메이커가 요구하는 노이즈, 선폭, 출력 스펙을 맞추지 못할 때 가장 쉬운 해결책은 cavity length를 늘리는 것입니다. 설계와 공정 역량이 부족하면 면적을 더 써서 성능을 맞추는 방식으로 대응하게

문제는 cavity length가 공짜가 아니라는 점입니다. cavity를 길게 만들면 그만큼 die 면적이 커집니다. 같은 InP 레이저를 만들 때 루멘텀이 1.0의 면적으로 구현할 수 있는 스펙

됩니다.

문제는 cavity length가 공짜가 아니라는 점입니다. cavity를 길게 만들면 그만큼 die 면적이 커집니다. 같은 InP 레이저를 만들 때 루멘텀이 1.0의 면적으로 구현할 수 있는 스펙을 경쟁사가 1.6의 면적으로 구현해야 한다면, 레이저 하나가 차지하는 InP 면적은 60% 증가합니다. 단순화하면 웨이퍼 한 장에서 나올 수 있는 die 수는 1 / 1.6, 즉 기존의 62.5%로 줄어듭니다. 레이저 개수 기준으로는 웨이퍼당 생산량이 37.5% 감소하는 것입니다. 이것은 수율 악화를 반영하기 전의 단순 면적 효과만 계산한 것입니다.

더 큰 문제는 수율입니다. 웨이퍼 위의 결함 밀도는 대체로 비슷하다고 가정할 수 있습니다. 그러면 die 면적이 커질수록 하나의 완성된 레이저 안에 결함이 포함될 확률이 높아집니다. 따라서 cavity length를 늘리는 것은 두 가지 부정적 효과를 동시에 만듭니다. 하나는 웨이퍼당 생산 가능한 레이저 수가 줄어드는 것입니다. 다른 하나는 die 면적 증가로 인해 수율이 낮아지는 것입니다.

즉 경쟁사가 성능을 맞추기 위해 cavity를 60% 더 길게 만들어야 한다면, 단순히 InP를 60% 더 쓰는 문제가 아닙니다. 웨이퍼당 die 수가 줄고, 수율도 낮아지기 때문에 실제 출하 가능한 레이저 수는 그보다 더 크게 줄어들 수 있습니다. 이것이 InP 쇼티지 국면에서 기술력 격차가 더 크게 보이는 이유입니다. 공급이 넉넉할 때는 면적을 더 써서 스펙을 맞추는 방식도 어느 정도 가능하지만, InP가 부족해지는 구간에서는 같은 웨이퍼에서 얼마나 많은 고성능 레이저를 뽑아낼 수 있느냐가 곧 경쟁력이 됩니다.

루멘텀의 강점은 짧은 cavity에서도 높은 성능을 낸다는 것입니다. 더 짧은 cavity에서도 같은 출력, 같은 수준의 낮은 노이즈, 좁은 선폭을 구현할 수 있습니다. 브로드컴도 이 영역의 강자이기 때문에 루멘텀과 브로드컴이 사실상 Top

2입니다. 격차는 단순한 설계 역량만으로 만들어지는 것이 아닙니다. 레이저 설계, 웨이퍼를 다루고, 수율 관리, 패키징까지 이어지는 공정 역량이 모두 필요합니다. 그래서 단기간에 따라잡기 어렵습니다

2입니다. 격차는 단순한 설계 역량만으로 만들어지는 것이 아닙니다. 레이저 설계, 웨이퍼를 다루고, 수율 관리, 패키징까지 이어지는 공정 역량이 모두 필요합니다. 그래서 단기간에 따라잡기 어렵습니다.

결국 같은 수요를 받더라도 루멘텀은 더 작은 InP 면적으로 더 많은 고성능 레이저를 생산할 수 있습니다. 반대로 경쟁사는 같은 스펙을 맞추기 위해 더 많은 InP 면적을 써야 하고, 그 과정에서 웨이퍼당 생산량과 수율이 동시에 악화됩니다. 루멘텀이 지금까지 광학이 점점 더 중요해지는 트렌드 속에서 매출과 마진율을 동시에 끌어올리고 있는 배경이기도 합니다.

옵토일렉트로닉스(AAOI)

옵토일렉트로닉스AAOI는 Overweight을 유지합니다.

'빛💡'의 시대 : 광학 밸류체인 한 눈에 보기

Jonah Lupton이 말한 옵토일렉트로닉스

옵토일렉트로닉스는 Jonah Lupton의 코멘트로 크게 상승했습니다.

CY27/28 목표 달성 측면에서 생산용량 확충은 순조롭게 진행되고 있다. 수요는 문제가 되지 않으며 수요가 공급을 훨씬 초과하고 있다.

향후 몇 년 안에 GPM 35% 달성이 확실해보인다.

모든 하이퍼스케일러가 LTA를 제안하며 공급을 선제적으로 확보하려 하고 있다.

트랜시버 10만 대를 만드는 데 CapEx $120M이 들어간다. 연간 120만 대이고 ASP가 $500라 가정하면 연간 $600M의 매출에 GPM 35~40%로 GP $210M~$240M를 버는 데에 $120M를 투자하는 셈이다.

Magnificent 7

AI 사이클의 9가지 포인트, Agentic AI CPU, 인간자본과 토큰자본, 출시와 함께 갇힌 Fable 5

*왼쪽 테이블 : 2026년 6월 14일 EPS 추정치를 변경했습니다.

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

엔비디아, 26년 PER 22배 / Overw

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

eight

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

AI 가속기 심화편 : GPU vs TPU, 무엇이 칩을 다르게 만드나 (feat. CPU, ASIC, FPGA) (바로가기)

엔비디아 컴퓨텍스 2026 : 사람을 위한 CPU의 시대를 넘어, GPU를 굶기지 않는 CPU 'Vera' (바로가기)

LLM 추론 토큰 가격의 비밀 : MoE의 시대, 엔비디아 NVL72가 중요한 이유 (바로가기)

엔비디아 1Q26 실적발표 : 젠슨황, "하이퍼스케일러 CapEx보다 '더' 빠르게 성장하겠다" (바로가기)

엔비디아 1Q26 Preview : "I'm Back" (바로가기)

엔비디아 CEO 젠슨황 인터뷰 : 'TPU도 Trainium도, 그렇게 자신 있으면 공개적으로 붙어보자' (바로가기)

AI 반도체 공급망 체크 : 엔비디아 Rubin/Ultra, MI450 지연, TPU 진검승부, 기어를 바꾸는 Trainium (바로가기)

엔비디아 GTC 2026 : 7개의 칩, 5개의 랙 시스템, 그리고 하나의 슈퍼컴퓨터 (바로가기)

AI 심화편, 게빈 베이커 인터뷰

이번 심화편 자료 <AI 사이클의 모든 것을 담은 게빈 베이커 인터뷰 : 버블의 역사는 반복되지 않지만, 운율은 반복된다> 도 많은 디테일들을 담고 있기에 꼭 한 번씩 살펴보시길 권해드립니다.

중요하게 생각하는 부분들만 아홉 가지를 정리해봅니다:

1. 병목의 대부분은 결국 '자본주의'가 해결할 것

규제와 정치적 반발이 과도하게 커지지 않는다면, 전력 부족 문제는 결국 자본주의가 해결할 가능성이 높습니다. 가격 신호가 생기고, 수요가 충분히 크고, 자본이 몰리면 발전 설비와 전력 인프라 공급망은 시간이 지나며 확장되기 때문입니다. 수요가 확실하다면 공급망은 결국 병목을 완화하는 방향으로 움직입니다.

2. 궤도 컴퓨팅은 우주에 '랙'을 띄우는 것

2. 궤도 컴퓨팅은 우주에 '랙'을 띄우는 것

궤도 컴퓨팅을 우주에 거대한 데이터센터 건물을 띄우는 개념으로 보면 비현실적으로 느껴집니다. 하지만 핵심은 훨씬 단순합니다. 우주에 데이터센터 건물을 짓는 것이 아니라 컴퓨팅 랙 하나를 궤도에 올리는 것입니다. Blackwell 랙 하나 정도의 컴퓨팅 노드에 대형 태양광 패널과 방열판을 붙이고 이를 태양 동기 궤도에서 운영하는 구조입니다. 데이터센터를 건물 단위가 아니라 랙 단위의 궤도 컴퓨팅 노드로 재정의하는 것입니다.

랙을 우주에 올리는 것 자체보다 더 어려운 문제는 고장 났을 때 어떻게 수리하고 교체할 것인가입니다. 지상 데이터센터에서는 사람이 들어가 서버, GPU, 랙을 교체할 수 있습니다. 하지만 우주에서는 그렇게 할 수 없습니다. 결국 초기 단계에서는 고장 난 장비를 수리하기보다는 모듈 단위로 교체하거나 수리 없이 운영하는 구조가 될 가능성이 높습니다. 게빈 베이커는 향후 옵티머스가 우주에 나가서 수리할 수 있게 되기 전에는 수리 없이 운영할 것으로 봤습니다.

3. 인간은 컴퓨트를 물리적으로 가능한 한 한계까지 끌어다 쓸 것

핵심은 AI 수요가 특정 인프라 하나로 끝나지 않는다는 점입니다. 디바이스에서 처리할 수 있는 것은 디바이스에서 처리하고, 지상 데이터센터에서 처리해야 하는 것은 지상에서 처리하며, 시간이 지나면 궤도 컴퓨팅까지 동원될 수 있습니다. 결국 인간은 사용할 수 있는 만큼의 전력을 컴퓨트로 전환하게 될 것입니다. AI 시대의 병목은 GPU에서 시작했지만, 점점 더 와트, 입지, 인허가, 냉각, 네트워크, 그리고 궤도 인프라로 확장되고 있습니다.

4. 역사 속 버블과는 다르지만, 운율은 반복된다

AI가 정말 중요한 기술이라면 오히려 버블 가능성을 배제해서는 안 됩니다. 과거에도 새로운 범용기술이 등장할 때마다 시장은 먼저 그 기술의 중요성을 알아봤고, 그다음 인프라 투자가 폭

발했습니다. 철도, 운하, 전기, 통신망, 인터넷 모두 비슷한 과정을 거쳤습니다. 처음에는 시장이 새로운 기술의 잠재력을 제대로 인식합니다. 이후 점점 더 많은 투자자가 같은 방향으로 낙관하기 시작

발했습니다. 철도, 운하, 전기, 통신망, 인터넷 모두 비슷한 과정을 거쳤습니다. 처음에는 시장이 새로운 기술의 잠재력을 제대로 인식합니다. 이후 점점 더 많은 투자자가 같은 방향으로 낙관하기 시작합니다. 마이클 모부신이 말하는 ‘다양성의 붕괴’가 일어나는 것입니다. 의견의 다양성이 사라지고 모두가 같은 방향을 보기 시작하면, 그때 버블이 만들어집니다.

버블은 나쁜 것만은 아닙니다. 역사적으로 버블은 새로운 기술 인프라를 구축하는 자금을 공급했습니다. 철도망, 통신망, 인터넷 인프라도 이런 과정을 통해 빠르게 깔렸습니다. 문제는 어느 순간 공급이 수요를 앞지른다는 점입니다. 인프라 투자가 너무 빠르게 늘어나면 결국 과잉 구축이 발생합니다. 그리고 그때 폭락이 찾아옵니다.

다만 현재 AI 인프라 사이클은 2000년 인터넷 버블과 중요한 차이가 있습니다. 가장 큰 차이는 자금 조달 구조입니다. 지금 AI 인프라 투자의 상당 부분은 여전히 영업현금흐름에서 나오고 있습니다. 2000년 당시에는 현금흐름이 거의 없는 기업들이 막대한 밸류에이션을 받았고, 부채와 자본시장 자금으로 인프라를 과도하게 지었습니다. 반면 지금 AI 인프라 투자의 중심에는 막대한 현금흐름을 창출하는 빅테크 기업들이 있습니다.

사용률도 다릅니다. 과거 광섬유 버블 당시에는 깔아놓은 광섬유의 대부분이 사용되지 않았습니다. 반면 지금은 GPU가 사실상 100%에 가까운 가동률(오라클 2Q26 "글로벌 GPU 가동률 97.5%")로 사용되고 있습니다. 공급이 남아도는 것이 아니라 수요를 감당하지 못하는 상태입니다.

5. 만인의 호국신산 'TSMC'

AI 사이클에서 가장 중요한 병목 중 하나는 웨이퍼입니다. 그리고 이 병목의 중심에는 TSMC가 있습니다. TSMC는 일반적인 공급업체가 아닙니다. 엔비디아와 하이퍼스케일러들에게 TSMC의 웨이퍼 공급은 곧 매출의 상한입니다. 게빈 베이커가 여전히 현 시장을 낙관적으로 보는 이유는 TSMC가 통제하고 있는 웨이퍼 쇼티지가 AI 버블을 막아주는 역할을 하고 있기 때

AI 수요가 아무리 강해도 TSMC가 만들 수 있는 웨이퍼 수가 제한되어 있다면, 공급이 수요를 과도하게 앞지르는 상황까지 가기 어렵습니다. 이 병목이 오히려 과잉 구축을 제어하는 안전장치처럼 작동

문입니다.

AI 수요가 아무리 강해도 TSMC가 만들 수 있는 웨이퍼 수가 제한되어 있다면, 공급이 수요를 과도하게 앞지르는 상황까지 가기 어렵습니다. 이 병목이 오히려 과잉 구축을 제어하는 안전장치처럼 작동하고 있는 셈입니다.

진짜 리스크는 인텔과 삼성의 공급 확대입니다.

고객들이 인텔과 삼성파운드리로도 눈을 돌리기 시작했습니다. 역사적으로 보면 공급을 늘리고 싶은 유혹을 끝까지 참는 기업은 많지 않습니다. 인텔이든 삼성파운드리든, 둘 중 하나는 어느 시점에 공격적인 공급 확대에 나설 가능성이 있습니다. 한쪽이 공격적으로 생산능력을 늘리기 시작하면 다른 플레이어들도 가만히 있기 어렵습니다. 고객들은 제2공급원을 원하고, 정부는 파운드리 공급망을 가져오길 원하며, 자본시장은 성장 스토리를 원합니다. 이 조합은 결국 TSMC에게도 공급 확대 압력으로 이어질 수 있습니다.

결국 많은 부분은 TSMC가 인텔과 삼성에 대해 얼마나 큰 우위를 유지할 수 있느냐에 달려 있습니다. TSMC가 충분한 기술 격차, 수율 우위, 생산 안정성, 고객 신뢰를 유지한다면 공급 확장은 일정한 균형 안에서 관리될 수 있습니다. 반대로 인텔이나 삼성이 빠르게 추격해 대규모 제2공급원으로 부상하면, 웨이퍼 제약은 완화되고 AI 인프라 공급은 더 빠르게 늘어날 수 있습니다. 이것은 단기적으로는 긍정적으로 보일 수 있지만, 중장기적으로는 과잉 구축과 버블의 토대가 될 수 있습니다.

따라서 AI 버블을 판단할 때 단 하나의 변수를 봐야 한다면, TSMC의 생산능력 결정을 봐야 한다는 것이 게빈 베이커의 주장입니다. TSMC에게 필요한 것은 골디락스입니다. 생산능력을 너무 적게 늘리면 AI 수요를 제대로 충족하지 못하고 고객들은 인텔과 삼성 같은 대체 공급원을 더 강하게 찾게 됩니다. 반대로 생산능력을 너무 많이 늘리면 공급이 수요를 앞지르기 시작하고 AI 인프라 버블의 토대가 만들어질 수

6. AI 요금제의 변화 : 정액제 → 종량제

있습니다.

6. AI 요금제의 변화 : 정액제 → 종량제

과거 통신 산업은 정액 요금제와 사용량 기반 요금제가 결합되어 있을 때 강한 성장 산업이었습니다. 일정 사용량까지는 고정 요금을 내고, 이를 초과하면 사용한 만큼 추가 요금을 내는 구조였습니다. 하지만 모바일 통신과 국제전화의 성장은 모두가 정액제를 쓰기 시작하면서 둔화됐습니다. 사용량이 늘어나도 매출이 함께 늘어나지 않는 구조가 되었기 때문입니다.

AI는 지금 반대 방향으로 가고 있습니다. 정액요금제에서 종량제 구조로 이동하고 있습니다. 이는 AI 산업 전체에는 매우 강한 매출 성장 요인입니다. 사람들은 AI를 쓰는 것을 좋아합니다. 과거 사람들이 전화 통화와 국제전화를 좋아했던 것처럼, 이제는 AI에게 질문하고, 글을 쓰게 하고, 코드를 짜게 하고, 업무를 맡기는 것을 좋아합니다.

여기에 Agentic AI가 더해지면 사용량은 훨씬 더 빠르게 늘어날 것입니다. 한 사람이 하나의 챗봇을 쓰는 시대가 아니라 한 사람이 10개, 50개, 100개의 에이전트를 동시에 돌리는 시대가 오고 있습니다. 이 구조에서는 토큰 사용량이 선형적으로 늘지 않습니다. 업무가 에이전트화될수록 사용량은 폭발적으로 증가할 수 있습니다.

사용량 기반 요금제로의 전환은 오픈AI와 앤스로픽 같은 프론티어 AI 기업의 ARR을 크게 끌어올릴 수 있습니다. 이유는 두 가지입니다. 첫째, 더 많은 컴퓨트가 온라인되면서 공급 가능한 토큰량이 늘어납니다. 둘째, 기업용 사용량 기반 모델에서는 프론티어 토큰에 더 높은 가격을 받을 수 있습니다. 정액제에서는 사용자가 많이 쓸수록 기업의 원가 부담이 커집니다. 반대로 사용량 기반 요금제에서는 사용량이 늘어날수록 매출도 함께 증가합니다. AI 기업 입장에서는 훨씬 건강한 수익 모델입니다.

다만 이 변화는 모두에게 긍정적이지만은 않습니다. 프론티어 AI를 제대로 쓰기 위해서는 더 많은 비용을 지불해야 하기

때문입니다. 결국 중요한 질문은 '누가 더 비싼 토큰 비용을 감당할 수 있는가', 더 정확히는 '누가 더 많은 토큰을 써서 더 큰 부가가치를 만들어낼 수 있는가'입니다. 프론티어 모델의 토큰당 가격

때문입니다. 결국 중요한 질문은 '누가 더 비싼 토큰 비용을 감당할 수 있는가', 더 정확히는 '누가 더 많은 토큰을 써서 더 큰 부가가치를 만들어낼 수 있는가'입니다. 프론티어 모델의 토큰당 가격이 올라간다는 말은 단순히 비용 부담이 커진다는 뜻이 아닙니다. 더 높은 부가가치를 생산할 수 있는 개인, 조직, 기업, 국가만이 최첨단 AI를 계속 활용할 수 있다는 의미입니다.

7. 다시금 강조드린 MoE & Swicthed Scale-up Network의 강점

MoE는 활성 파라미터만 연산하기 때문에 compute 비용을 크게 줄여줍니다. 그러나 그 대가로 Expert Parallelism이 필수가 됩니다. 전문가들이 여러 GPU나 가속기에 흩어져 있기 때문에 토큰은 매번 필요한 전문가가 있는 칩으로 이동해야 합니다. 여기서 핵심은 all-to-all 통신입니다. 모든 칩이 모든 칩과 빠르게 연결되어야 합니다. 그런데 all-to-all 통신은 전체 속도가 가장 느린 경로에 의해 결정됩니다.

*이것에 대해서 다른 구조를 택한 게 위의 샌디스크 코멘트에서 전해드린 AFM 3의 특이한 MoE 구조입니다.

아무리 연산량을 줄여도, 토큰이 전문가에게 이동하는 과정에서 통신 대기시간이 길어지면 MoE가 제공하는 compute 절감 효과는 통신 비용에서 사라집니다. 결국 MoE의 진짜 경제성은 모든 GPU-to-GPU 경로가 얼마나 균일하고 빠른가에 달려 있습니다.

Switched Scale-up Network가 중요한 이유는 MoE가 이론적으로 아껴주는 compute 비용을 실제 토큰 처리량으로 그대로 연결해주기 때문입니다. NVL72 구조에서는 어떤 GPU에서 다른 어떤 GPU로 가더라도 경로가 짧고 균일합니다. hop 2번입니다. 자기 GPU에서 NVSwitch를 거쳐 목적지 GPU로 가는 구조입니다. 가장 느린 경로가 전체 추론 속도를 잡아먹는 문제가 크게 줄

반대로 Torus 구조(TPU v7까지, Trainium2/2.5까지 Torus)에서는 목적지에 따라 hop 수가 달라집니다. 같은 랙 안에서는 괜찮더라도, 전문가가 랙 밖에 있으면 훨씬 느린 sc

어듭니다.

반대로 Torus 구조(TPU v7까지, Trainium2/2.5까지 Torus)에서는 목적지에 따라 hop 수가 달라집니다. 같은 랙 안에서는 괜찮더라도, 전문가가 랙 밖에 있으면 훨씬 느린 scale-out 네트워크를 타야 합니다. 이 경우 토큰의 일부가 느린 경로로 이동하면서 전체 추론 성능이 그 속도에 묶일 수 있습니다.

*TPU v8i부터는 Boardfly를 택하긴 했는데, 이건 최대 hop 기준 3D Torus는 16 hop이던 것을 Boardfly에서는 7 hop으로 낮춰줄뿐 All-to-All 통신의 이점을 따라오진 못합니다.

추론의 Decode 단계는 토큰을 하나씩 순차적으로 생성하는 과정입니다. 이 단계에서는 작은 지연도 누적됩니다. 예를 들어 토큰 하나를 생성하는 시간이 20ms에서 30ms로 늘어나면, 같은 하드웨어가 시간당 생산할 수 있는 토큰 수는 크게 줄어듭니다. 하드웨어 비용은 그대로인데 산출되는 토큰 수가 줄어드는 것입니다. 이 말은 곧 백만 토큰당 비용이 올라간다는 뜻입니다. AI 추론에서 TCO는 단순히 칩 가격이 아니라 같은 자본비와 전력비로 얼마나 많은 토큰을 생산할 수 있느냐의 문제입니다. 따라서 hop을 줄이고, 통신 지연을 줄이고, 모든 GPU 간 경로를 균일하게 만드는 것은 MoE 추론에서 곧바로 TCO 대비 성능 개선으로 이어집니다.

8. Prefill/decode 분리로 'GPU를 더 오래 쓰게 될 것'

기존 GPU가 모든 작업을 최고 속도로 처리해야 한다면 기술 변화에 따라 빠르게 구식이 될 수 있습니다. 하지만 Prefill과 Decode가 분리되면 이야기가 달라집니다. A100이나 H100은 최신 모델의 가장 민감한 Decode 병목을 담당하지 않더라도, Prefill 작업에서는 여전히 의미 있는 자산으로 남을 수 있습니다.

그렇게 되면 GPU는 물리적으로 수명을 다할 때까지 계속 경제적 가치를 가질 수

있습니다. 기존 5~6년 경제적 내용연수가 10년 이상으로까지 길어질 수 있다는 의미입니다. GPU의 경제적 유효 수명이 길어진다면 GPU를 담보로 한 대출의 리스크도 낮아집니다.

지금까지 많은 사모 신용 자금은 GPU의 경제적 수명을 3~4년 정도로 보고 대출 구조를 짰습니다. 그런데 Prefill/Decode 분리와 추론 가속기 조합으로 기존 GPU가 10년 이상 경제적 가치를 유지할 수 있다면, GPU 파이낸싱의 위험 가정은 달라질 수 있습니다. 자산의 유효 수명이 길어지면 잔존가치가 높아지고, 담보 안정성이 개선되며, 조달 금리도 낮아질 수 있습니다. AI 인프라는 수백억 달러 단위의 자본이 필요한 산업입니다. 따라서 금리 1~2%포인트 차이도 전체 프로젝트 경제성에 큰 영향을 줍니다.

9. AI 기업들의 밸류에이션은 말이 안되는 것들이 몇 개 있다

현재 AI 관련 자산들의 밸류에이션을 교차적으로 비교해보면 상당히 이상한 지점이 많습니다. 어떤 자산은 극단적으로 높은 배수를 받고 있고, 반대로 어떤 자산은 구조적 수혜가 분명한데도 매우 낮은 배수에 머물러 있습니다. 특히 메모리가 그렇습니다. AI 인프라 수요가 구조적이고, 메모리 공급이 부족하며, HBM과 서버 DRAM 수요가 계속 강하다면 메모리 기업들이 지금처럼 낮은 밸류에이션을 받아야 하는지 의문이라 평했습니다.

가장 이상한 비교는 반도체 장비 기업과 DRAM 기업 사이에서 나옵니다. 반도체 장비 회사들은 Forward PER 기준으로 40배 수준에 거래되고 있습니다. 반면 DRAM 회사들은 한 자릿수 중반 수준에 거래되고 있습니다. 물론 장비 기업들의 비즈니스 모델이 과거보다 좋아진 것은 사실입니다. 장비 기업들은 부품, 서비스, 유지보수 매출이 늘어나면서 반복 수익 성격이 강해졌고 수익의 질도 과거보다 개선되었습니다.

하지만 그렇다고 해도 장비 기업과 메모리 기업 사이의 밸류에이션 격차가 이 정도까지 벌어지는 것이 정당한지는 별개의

문제입니다. HBM이 메모리 산업의 수익성을 구조적으로 끌어올릴 가능성이 있다면, 메모리 기업들의 낮은 배수는 더 설명하기 어려워집니다.

문제입니다. HBM이 메모리 산업의 수익성을 구조적으로 끌어올릴 가능성이 있다면, 메모리 기업들의 낮은 배수는 더 설명하기 어려워집니다.

엔비디아 역시 비슷한 관점에서 볼 수 있습니다. 엔비디아는 지난 12년 동안을 살펴볼 때, 밸류에이션이 최저점에 머물러 있을 수준까지 내려왔고, 절대 밸류에이션 기준으로도 매우 낮아졌습니다. 이 밸류에이션을 정당화하려면 엔비디아가 앞으로 상상하기 어려울 정도로 큰 점유율을 잃는다는 가정이 필요합니다. 즉, 시장은 엔비디아의 경쟁 우위가 빠르게 훼손되고, GPU 수요가 둔화되며, 대체 칩들이 의미 있게 점유율을 가져간다는 시나리오를 일부 가격에 반영하고 있는 것으로 보입니다.

하지만 현실은 아직 그렇게 보이지 않습니다. 엔비디아는 하드웨어뿐 아니라 네트워크, 소프트웨어, 시스템 설계, 공급망, 고객 최적화까지 연결된 전체 AI 컴퓨팅 스택을 갖고 있습니다. 단순히 칩 하나의 성능 비교만으로 엔비디아의 경쟁력을 설명하기 어렵습니다. AI 인프라의 핵심 병목을 쥐고 있는 기업들이 사이클 피크 논리만으로 할인받고 있는 셈입니다.

GS, '하이퍼스케일러 CY27 CapEx 전망은 꽤 보수적이다'

골드만삭스가 보는 핵심은 시장이 하이퍼스케일러 CapEx를 계속 과소추정해왔다는 점입니다.

현재 컨센서스는 CY27 하이퍼스케일러 CapEx가 YoY 22%로 둔화된다고 보고 있습니다. 하지만 과거 패턴을 보면 이 수치는 여전히 보수적일 가능성이 높습니다. CY24는 당시 컨센서스가 YoY 19%였지만 실제로는 54% 성장했습니다. CY25도 컨센서스는 22%였지만 실제로는 73%까지 높아졌습니다. CY26 역시 컨센서스는 36%였지만 현재 전망치는 84%까지 올라와 있습니다. 즉 매년 시장은 하이퍼스케일러 CapEx를 낮게 잡았고 이후 실제 집행 규모가 크게 상향되는 패턴이 반복

골드만삭스는 AI 인프라 투자를 단순히 서버 구매 사이클로 보기보다, 철도나 자동차 산업 초기의 인프라 구축기와 비교했습니다. 새로운 범용기술이 경제 전반에 침투하는 초기 국면에서는 GDP 대비 상

됐습니다.

골드만삭스는 AI 인프라 투자를 단순히 서버 구매 사이클로 보기보다, 철도나 자동차 산업 초기의 인프라 구축기와 비교했습니다. 새로운 범용기술이 경제 전반에 침투하는 초기 국면에서는 GDP 대비 상당한 수준의 투자가 수년간 지속될 수 있다는 관점입니다. 이 프레임으로 보면 AI 인프라 투자가 GDP의 2~3% 수준까지 올라가는 것도 정상적인 범위입니다. 이를 CY27 하이퍼스케일러 CapEx로 환산하면 연간 약 $1.1T~$1.25T까지 가능하다는 계산이 나옵니다. 현재 시장 컨센서스보다 훨씬 높은 수치입니다.

그리고 Bull Case는 더 공격적입니다. 하이퍼스케일러들이 영업현금흐름과 채권시장 조달 여력을 최대한 활용한다고 가정하면, 연간 CapEx가 최대 $1.4T까지도 가능하다고 봤습니다. 이 경우는 CY26 YoY 84%에 이어서 CY27에도 CapEx가 YoY 89% 성장하는 것입니다.

엔비디아, 중국 고객에게 Vera CPU 주문 받기 시작

로이터 보도에 따르면, 엔비디아는 최근 중국 고객들에게 Vera CPU가 8월부터 출시될 수 있으며 지금 바로 주문을 시작할 수 있다고 전하고 있습니다. GPU쪽은 수출규제가 타이트한 상태이다보니, Agentic AI CPU 판매를 노리는 중입니다. 이에 최근 중국 클라우드 기업들이 엔비디아 Vera CPU에 관심을 보이고 있으며 초기 출하분은 대부분 중국 내로 들어가기보단 중국 기업들이 임대하고 있는 중국 외의 데이터센터 임대 클러스터에 탑재될 것으로 예상됩니다.

오픈AI-엔비디아 10GW 딜 막바지 협상 중

오픈AI가 엔비디아의 지원을 받아 오하이오주에 10GW 규모의 데이터센터 임대를 하기 위한 막바지 협상을 진행 중입니다. 총 비용은 $500B에 달할 것으로 예상되며, 구조는 정확히 밝혀지진 않았지만 아마 앤스로픽-브로드컴 구조와 비슷할 것으로 예

Phase 1은 800MW이며 2028년에 가동 예정입니다. 이 부지 소유자이자 디벨로퍼는 소프트뱅크가 대주주인 SB Energy입니다. 오픈AI가 엔비디아 하드웨어를 구매하고 → 엔비디아가 오픈A

상됩니다.

Phase 1은 800MW이며 2028년에 가동 예정입니다. 이 부지 소유자이자 디벨로퍼는 소프트뱅크가 대주주인 SB Energy입니다. 오픈AI가 엔비디아 하드웨어를 구매하고 → 엔비디아가 오픈AI의 임대료와 SB Energy가 Powered Shell을 구축하는 프로젝트의 자금조달에 대한 지급보증을 제공할 것으로 예상됩니다.

Agentic AI로 인한 CPU 수요 증가 : 자세히 보기

BofA가 Agentic AI 수요를 반영해 CPU TAM을 크게 상향했습니다. 핵심은 AI 인프라 확장이 GPU만의 이야기가 아니라는 점입니다. Reasoning과 Agentic AI로 워크로드의 성격이 바뀌면서 GPU를 보조하고 조율하는 CPU의 역할도 함께 커지고 있습니다.

BofA가 제시한 2030년 데이터센터 TAM은 $2.1T입니다. 이 중 AI가 $1.7T / Non-AI가 $0.4T입니다.

여기서 CPU가 차지하는 영역은 크게 세 가지입니다.

컴퓨트/헤드노드용 CPU $70B

오케스트레이션용 CPU $70B

기존 CPU 사용 사례 $30B입니다.

BofA 내용은 위 시장규모까지만 정리가 되어 있는데,

생각난김에 Agentic AI CPU의 역할에 대해서 좀 더 자세히 정리해봅니다.

1. GPU에 붙는 Host CPU

Agentic AI용 CPU 수요의 첫 번째 축은 호스트 CPU or 헤드노드용 CPU입니다. 쉽게 말하면 GPU 가속기에 직접 붙어 GPU가 제대로 일할 수 있도록 지원하는 CPU입니다.

Vera Rubin Compute Tray를 생각하면 이해하기 쉽습니다. 해당 Tray에는 Host CPU인 Vera CPU 1개와 Rubin GPU 2개가 하나의 세트처럼 탑재되고, 이런 구성이 Tray 내부에 2세트 들어갑니다. 즉 GPU만 있는 것이 아니라 GPU를 먹여 살리는 CPU가 함께 들어가는 구

이 CPU의 역할은 단순한 보조가 아닙니다. GPU 드라이버를 실행하고, 커널을 시작하고, 데이터를 토큰화하고, 데이터를 스테이징하고, 메모리를 관리하고, GPU에 필요한 데이터를 계속 공급합니다.

조입니다.

이 CPU의 역할은 단순한 보조가 아닙니다. GPU 드라이버를 실행하고, 커널을 시작하고, 데이터를 토큰화하고, 데이터를 스테이징하고, 메모리를 관리하고, GPU에 필요한 데이터를 계속 공급합니다. 그래서 이를 'token path'에 있는 CPU라고도 표현합니다.

호스트 CPU 역할에서 중요한 것은 단순한 코어 수가 아닙니다. 코어당 메모리 대역폭이 중요합니다. GPU 작업에 병목이 되지 않도록 코어당 성능이 높아야 하고, GPU-CPU 간 대역폭이 충분히 커야 하며, GPU가 필요로 하는 데이터를 저장하고 빠르게 꺼내올 수 있는 CPU DRAM 용량과 메모리 대역폭도 중요합니다. Vera CPU가 단순한 서버 CPU가 아니라 AI 가속기 플랫폼의 일부로 설계되는 이유이기도 합니다. Vera CPU 자료를 참고하시면 더욱 도움이 되실 것 같습니다.

자세히 : 추론에서는 CPU 메모리도 GPU 메모리의 확장 공간이 된다

과거 GPU를 주로 훈련에 사용할 때에는 GPU가 CPU 메모리를 적극적으로 필요로 하는 정도가 크지 않았습니다. GPU는 별도의 HBM을 사용했고, CPU와 GPU는 PCIe로 연결된 별도의 메모리 풀처럼 동작했습니다.

하지만 추론 워크로드가 Reasoning으로 바뀌면서 상황이 달라졌습니다. 2024년 9월 12일 o1-preview → 2024년 12월 5일 o1 GA를 거치면서 Reasoning 모델이 본격화됐고, 2025년 9월 29일 Claude Code GA 이후 Agentic AI 흐름이 생겼습니다. 한 번의 답변에서 사용하는 토큰 수가 늘어나는 것이고, 다르게 표현하면 context length가 커지면서 KV cache 사용량이 급증했다는 것으로 표현할 수 있습니다.

*Reasoning의 처음은 오픈AI가 만들었지만 토큰의 경제학을 완성시킬 플랫폼은 GB200 NVL72이

*Agentic AI의 처음은 앤스로픽이 만들었지만, 여기도 경제학을 완성시킬 플랫폼은 VR200 NVL72일 것입니다.

었습니다.

*Agentic AI의 처음은 앤스로픽이 만들었지만, 여기도 경제학을 완성시킬 플랫폼은 VR200 NVL72일 것입니다.

이 과정에서 문제는 GPU 메모리가 쉽게 차버린다는 점입니다. 이때 KV cache 일부를 CPU DRAM으로 offloading한 뒤, 필요할 때 빠르게 다시 읽어오는 작업이 중요합니다. 추론 시대에는 CPU DRAM이 GPU 메모리의 보조 저장공간처럼 쓰이게 됩니다.

여기서 NVLink-C2C가 중요합니다.

이 변화에 맞춰 엔비디아는 Grace Blackwell부터 NVLink-C2C를 통해 GPU가 CPU 메모리를 마치 자신의 메모리처럼 사용할 수 있는 구조를 만들었습니다. 기존 PCIe 기반 연결에서는 대역폭이 단방향 약 128GB/s 수준이었지만, NVLink-C2C에서는 CPU와 GPU가 약 7배 빠른 900GB/s 속도로 데이터를 공유할 수 있습니다. Vera에서는 이 대역폭이 1.8TB/s까지 높아질 예정입니다.

NVLink를 통해 추론의 시대에 두 가지 강력한 경쟁역량을 손에 쥐었습니다. (1) MoE 추론에서는 All-to-All 통신이 중요하고 NVLink의 Switched Scale-up Network 구조는 이 통신 특성과 잘 맞습니다. (2) NVLink-C2C를 통한 CPU-GPU 메모리 이동 병목 완화까지 더해지면서 엔비디아 플랫폼이 추론 TCO 관점에서 매우 강한 우위를 갖고 있습니다. GPU, CPU, 메모리, 네트워킹, 소프트웨어 스택이 하나의 시스템으로 결합되면서 생기는 플랫폼 해자입니다.

개인적으로는 NVLink Fusion가 미칠 영향도 관심있게 보고 있습니다.

엔비디아가 NVLink Fusion을 외부 생태계에도 열기 시작했기 때문입니다. AWS가 Trainium 4부터 NVLink Fusion을 채택하면, 향후 Trainium 4 생태계에서도 엔비디아가 호스트 CPU 또는 관련 연결 기술을 판매할 수 있는지가 중요한 관전 포인트

가 됩니다. 엔비디아는 GPU만 파는 회사에서, AI 인프라의 연결 표준을 장악하는 회사로 확장되고 있습니다. 외부 ASIC 생태계가 커진다고 해서 엔비디아가 반드시 배제되는 구조가 아니라, 오히려

가 됩니다. 엔비디아는 GPU만 파는 회사에서, AI 인프라의 연결 표준을 장악하는 회사로 확장되고 있습니다. 외부 ASIC 생태계가 커진다고 해서 엔비디아가 반드시 배제되는 구조가 아니라, 오히려 NVLink를 통해 일부 생태계 안으로 다시 들어갈 가능성이 생기는 것입니다.

모델 빌더들이 우연히 엔비디아의 플랫폼에 잘 맞게 된 건가 싶으실 수 있는데, 우연이 아닙니다. Hardware Lottery 관점에서 보면, AI Labs들이 어떤 하드웨어 위에서 프론티어 모델을 개발하느냐가 향후 모델 구조와 워크로드 설계에 큰 영향을 미칩니다. 엔비디아는 AI Labs들의 프론티어 모델 성능을 끌어올리는 데 가장 적극적으로 기여해왔고, 그 결과 AI Labs들은 엔비디아 하드웨어 생태계에 맞춰 모델과 워크로드를 최적화해왔습니다. 이는 고정된 해자라기보다는 동적인 해자에 가깝습니다.

2. 오케스트레이션용 CPU

CPU TAM 확대의 두 번째 축은 오케스트레이션용 CPU입니다.

앞서 설명한 호스트 CPU 수요가 GB200 NVL72부터 본격적으로 중요해졌다면, 오케스트레이션용 CPU는 Agentic AI의 확산으로 새롭게 커지는 수요입니다.

에이전트는 단순히 모델에게 한 번 질문하고 답변을 받는 구조가 아닙니다. 작업을 수행하는 과정에서 모델에게 무엇을 해야 할지 계속 묻고, 지시를 받아 각종 소프트웨어 도구를 실행하고, 다시 모델에게 묻는 과정을 반복합니다. 이때 GPU가 두뇌라면 CPU는 손발에 가깝습니다.

문제는 이런 작업을 호스트 CPU에 모두 맡기면 GPU 작업 자체에 부담이 생긴다는 점입니다. 호스트 CPU의 제1 역할은 GPU가 병목 없이 돌아가도록 데이터를 공급하고 관리하는 것입니다. 그런데 여기에 수많은 도구 실행, API 호출, 파일 처리, 코드 실행, 브라우징, 워크플로우 관리까지 맡기면 본래 역할이 훼손될 수

있습니다. 그래서 Agentic AI 환경에서는 별도의 Standalone CPU, 즉 오케스트레이션용 CPU 수요가 커지게 됩니다.

있습니다. 그래서 Agentic AI 환경에서는 별도의 Standalone CPU, 즉 오케스트레이션용 CPU 수요가 커지게 됩니다.

앞으로 중요한 변화는 수백 개에서 수천 개의 하위 에이전트가 병렬로 실행되는 구조입니다. 이미 채택이 시작됐습니다. 6월 11일 주간전략보고에서 전해드린 것처럼 Opus 4.8의 핵심은 Dynamic Workflows이었습니다. 이제 단일 에이전트가 하나의 작업을 순차적으로 수행하는 구조를 넘어서는 변화입니다.

3. 기존 클라우드용 CPU

마지막 축은 기존 클라우드용 CPU입니다. 이는 GP 서버용 CPU 수요입니다. 이 영역은 이미 성숙한 시장이고, 워크로드도 매우 세분화되어 있습니다.

클라우드 CPU SKU가 많은 이유도 세분화가 워낙 많이 진행됐기 때문입니다. General Purpose용 SKU, 컴퓨팅 최적화 SKU, 메모리 최적화 SKU, 스토리지 최적화 SKU 등 사용 목적에 따라 필요한 CPU 특성이 다릅니다. 예를 들어 SQL이나 VMware처럼 코어당 과금이 붙는 워크로드에서는 고객들이 같은 CPU 안에서도 코어 수는 적고 코어당 성능은 높은 구성을 선호합니다. 반면 웹서버처럼 대량 요청을 처리하는 워크로드에서는 와트당 처리량이 더 중요합니다.

기존 클라우드용 CPU는 이미 성숙한 시장이지만, AI 인프라 확장과 별개로 계속 유지되는 기본 수요입니다.

SMCI, xAI로부터 GB300 NVL72 추가 수주

BlueFin에 따르면 SMCI는 xAI로부터 $5.2B 규모의 GB300 NVL72 랙 1,500개를 추가 수주한 것으로 보입니다. GPU 수량으로는 GB300 약 10.8만 개입니다. SMCI를 둘러싼 여러 이슈에도 불구하고 xAI는 여전히 SMCI에 배정되는 GB200/GB300 물량에 관심을 보이며 비즈니스 관계를 이어가고

있습니다. 이번 주문은 기존에 알려졌던 Colossus 2향 GB300 NVL72 랙 3,100개, 테슬라향 랙 1,000개에 이어 나온 추가 물량입니다.

있습니다. 이번 주문은 기존에 알려졌던 Colossus 2향 GB300 NVL72 랙 3,100개, 테슬라향 랙 1,000개에 이어 나온 추가 물량입니다.

해당 빌드는 6월 초 시작됐고, 8월 전후로 완료될 예정입니다.

이제 어느 정도 퍼즐이 맞춰지는 듯합니다. 지난 주 주간전략보고의 코어위브 코멘트에서 말씀드린 스페이스X의 구글향 계약 물량은 GB300 NVL72일 가능성이 높아 보입니다. 이게 왜 미스테리였나 하면, 시간당 임대가격이 GB200 NVL72치고는 상당히 높았기 때문입니다. 그래서 GB300이 아닐까 했는데 아마 이 물량을 구글이 임대하기로 한 것이 아닐까 싶습니다.

다만 Dell 역시 GB300 NVL72 물량을 수주한 것으로 확인되기 때문에, 구조적으로 보면 SMCI 물량 약 11만 개는 빌드가 끝난 직후인 10월부터 구글에 서비스되는 신규 클러스터 물량일 가능성이 있습니다. 즉 기존에 보유하던 GB200 물량을 재판매하거나 단순 임대한 것이 아니라, 가장 최신 세대의 신규 GB300 NVL72 빌드를 바로 서비스하는 구조로 봐야 합니다.

중국도 이제 국가 주도의 AI DC 계획 적극 추진

중국이 향후 5년간 약 $295B를 투입해 전국 단위의 AI 데이터센터 구축 계획을 추진 중입니다. 국가적인 계획을 세우고, 국유 통신사들이 운영과 연결을 담당합니다. 전국의 흩어진 컴퓨팅 자원을 하나로 묶는 프로젝트입니다. 목표 시점은 2028년까지로 생각보다는 빠릅니다. 재원조달은 초장기 특별국채 + 반도체 펀드 + 은행 대출 + 민간기업의 자본을 통해 조달할 예정입니다. 전체적으로 계속해서 자국 내 AI HW 공급망 그리고 데이터센터 인프라 확충에 더욱 돈을 쏟아붓는 쪽으로 드라이브 중입니다.

구글, 26년 PER 30배 / Overweight

구글 1Q26 실적발표 : 검색은 방어했고, 클라우드는 폭발했습니다 (

주간전략보고 中 TPU v8t, TPU v8i에 대한 설명 (바로가기)

바로가기)

주간전략보고 中 TPU v8t, TPU v8i에 대한 설명 (바로가기)

구글 4Q25 실적발표 : CY26 CAPEX 102%! 역대급 베팅과 자신감의 근거 (바로가기)

구글 3Q25 실적발표 : AI ARR $13B 돌파, 검색엔진이 다시 성장 엔진이 됐다 (바로가기)

Quick Take : 구글 반독점법 소송 판결, '계급장 떼고 붙어라' (바로가기)

구글 2Q25 실적발표 : 더욱 가속을 말하다, '2026년까지 AI 수요는 채워지지 않을 것' (바로가기)

Wolfe, GCP 및 AWS를 통한 순풍

Wolfe는 구글과 아마존, 두 기업 모두 GCP 및 AWS로 인해 수혜를 볼 것이라 언급했습니다.

구글의 경우 CY27 EPS는 $15.27(컨센 $14.72) → CY28 EPS는 $18.76(컨센 $17.23)을 전망했습니다. 그리고 CapEx는 CY27 $300B+(컨센 $242B)/CY28 $400B+(컨센 $262B) 전망입니다. 앤스로픽이 기여하는 비중은 GCP의 경우 매출의 25~30%입니다. CY27~CY28 기간 동안 데이터센터 GW 추가는 매년 7~8GW씩 추가된다고 봤습니다.

아마존의 경우 CY27 EPS는 $10.45(컨센 $10.06), CY28 EPS는 $11.91(컨센 $12.89)를 전망했습니다. CapEx는 CY27 $280B+(컨센 $223B)를 전망했으며, 앤스로픽의 AWS 매출 기여는 30%정도로 봤습니다. 데이터센터 GW 추가는 CY27~CY28 동안 6~7GW씩 추가된다고 봤습니다.

*아마존의 AWS Bedrock을 통한 Token-as-a Service 시장 침투에 대해서는 6월 1일 주간전략보고 내용을 참고하시면 좋습니다. 캡처로 아래에 붙여두겠습니다.

Gemini는 생각보다 잘 성능개선이 안 되는 듯

구글 Gemini 3.5 Pro에 대해 성능 루머가 돌고 있습니다.

한 뉘앙스

구글 Gemini 3.5 Pro에 대해 성능 루머가 돌고 있습니다.

구글은 Gemini 3.5 Pro에 대해서 공격적인 개선을 계속하고 있는데, 원하는 수준의 성능이 나오지 않아 더 많은 체크포인트를 거쳐야 할 것으로 추정됩니다.

가장 큰 문제는 Agentic AI 워크로드의 핵심인 길고 복잡한 작업을 잘 수행하지 못한다는 데 있습니다. 가격은 3.1 Pro보다 더 높아질 것이며 현재 기대에 따르면 6월 중순쯤 출시를 목표로 하고 있습니다.

애플, 26년 PER 32배 / Underweight

애플 1Q26 실적발표 코멘트 / 주간전략보고 中 (바로가기)

애플 3Q25 실적발표 코멘트 / 주간전략보고 中 (바로가기)

WWDC26 : Gemini는 썼지만 애플스럽게 바꿨다

애플 WWDC26을 마쳤습니다. Apple Foundation Model 3의 MoE 구조가 어떤 함의가 있는지에 대해서는 위의 샌디스크 코멘트에 정리드린 부분을 참고하시면 됩니다.

그 외에 중요했던 건 애플이 구글과 연간 $1B 규모의 계약을 맺고 제미나이 모델을 가져다가 Siri 및 Apple Intelligence 구현을 위한 모델로 사용 중임을 밝힌 것입니다.

총 세 가지 모델이 지능을 담당합니다:

AFM Cloud는 애플이 자체적으로 만든 모델이며 제미나이로부터 distilled한 모델이라고 밝혔습니다.

AFM Local 모델은 전적으로 애플이 만든 모델입니다.

AFM Cloud Pro는 제미나이 모델을 갖고 서빙하는 것으로 보이는데 애플이 자체적으로 사전훈련~사후훈련~RL Stack까지 구현했습니다. 구글이 제미나이를 어떻게 다루는지에 대해서 따로 애플에게 공개한 것으로 보입니다.

애플은 AI에서 언젠가 따라잡을 것이란 '기대'

궈밍치가 WWDC26를 보고 코멘트

애플의 핵심 내러티브는 '애플이 AI에서 일시적으로는 뒤처져 있더라도, 결국 따라잡아 앞서나갈 것이다'입니다. 이 내러티브가 깔려있다보니 '애플이 AI 없이도 이정도 성과를 내고 있으니 AI를 도입

했습니다:

애플의 핵심 내러티브는 '애플이 AI에서 일시적으로는 뒤처져 있더라도, 결국 따라잡아 앞서나갈 것이다'입니다. 이 내러티브가 깔려있다보니 '애플이 AI 없이도 이정도 성과를 내고 있으니 AI를 도입하고 나서는 더욱 강하겠구나'라는 생각이 투자자들의 컨센입니다.

WWDC26의 핵심은 애플이 제미나이를 사용해서 구글보다 나은 AI 애플리케이션, 개인화된 에이전트, 온디바이스 및 클라우드 경험을 제공할 수 있느냐가 핵심입니다. 모델을 남의 것을 썼더라도 결국 사용자 경험은 구글의 픽셀보다 낫게 만드는 것이 중요합니다.

마이크로소프트, 26년 PER 22배 / Neutral

마이크로소프트 1Q26 실적발표 코멘트 / 주간전략보고 中 (바로가기)

마이크로소프트 4Q25 실적발표 코멘트 / 주간전략보고 中 (바로가기)

마이크로소프트 3Q25 실적발표 : 오픈AI가 주도하는 스타게이트에 업혀가는 마이크로소프트 (바로가기)

마이크로소프트 2Q25 실적발표 : 클라우드가 이끄는 성장, Agentic AI 도입 가속화 (바로가기)

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

오픈AI도 비공개 S-1 파일 초안 제출

오픈AI도 SEC에 S-1 초안을 비공개로 제출했습니다.

그러면서 <Built to benefit everyone: our plan>을 올렸습니다.

사티아 나델라, '프론티어 모델만으로는 충분하지 않다'

마이크로소프트 CEO 사티아 나델라가 X에 가벼운 글을 썼습니다.

내용을 보자면:

프론티어 모델만으로는 충분하지 않으며, AI 전환의 본질은 도구 도입이 아니라 기업의 학습 구조를 바꾼다는 것이 핵심입니다. 이번 AI 전환은 과거의 플랫폼 변화와 다릅니다. 과거에는 디지털 시스템이 인간의 생산성을 보조하는 역할에 가까웠다면, 이제는 인간과 디지털 시스템 사이에 실제 인지적 피드백 루프가 만들어지고

있습니다. 이는 기업이 일을 정의하고, 지식을 축적하고, IP를 만들고, 차별화하는 방식 자체를 바꿉니다.

있습니다. 이는 기업이 일을 정의하고, 지식을 축적하고, IP를 만들고, 차별화하는 방식 자체를 바꿉니다.

핵심은 AI를 어떤 업무에 쓰느냐가 아니라, AI 모델이 인간과 조직의 전문성을 계속 흡수하고 이를 범용화하는 세계에서 기업이 어떻게 자기만의 학습 능력과 경쟁력을 유지할 수 있느냐입니다.

기업의 자본은 이제 인간자본과 토큰자본으로 재구성될 전망입니다.

앞으로 모든 기업은 인간자본과 토큰자본을 함께 구축해야 합니다. 인간자본은 사람들의 지식, 판단력, 관계, 창의성, 패턴 인식 능력입니다. 토큰자본은 기업이 직접 구축하고 소유하는 AI 역량입니다.

중요한 점은 토큰자본이 커질수록 인간자본의 가치가 낮아지는 것이 아니라 오히려 더 중요해진다는 점입니다. 인간은 목표를 설정하고, 여러 영역의 지식을 연결하며, 중요한 패턴을 알아보고, 관계를 만들어냅니다. 인간의 방향성이 없다면 AI는 단순히 컴퓨팅 자원을 소모하며 제자리에서 반복될 뿐입니다.

이에 기업의 진짜 기회는 가장 좋은 모델을 고르는 데 있지 않습니다. 모델 위에 인간자본과 토큰자본이 함께 복리로 성장하는 학습 루프를 구축하는 데 있습니다. 업무나 직무 일부는 AI에 맡길 수 있지만, 기업이 스스로 학습하는 능력까지 외주화할 수는 없습니다. 따라서 기업은 특정 범용 모델을 교체하더라도 내부에 축적된 지식은 잃지 않는 구조를 만들어야 합니다. 이것이 앞으로 기업의 통제력과 주권을 판단하는 핵심 기준이 됩니다.

고유의 IP를 강화해야 하는 것입니다. 기업은 자신들의 업무흐름, 도메인 지식, 축적된 판단을 AI 시스템 안에 반영해야 합니다. 중요한 것은 외부 벤치마크 점수가 아니라 실제 비즈니스 성과와 연결된 내부 평가 체계입니다. 기업 고유의 평가표를 만들고 모델이 해당 기업에 중요한 결과를 기준으로 실제 개선되고 있는지를 측정해

야 합니다. 또한 내부 업무 기록과 실제 사용 데이터를 기반으로 한 강화학습 환경은 모델을 기업의 현실에 맞게 더 강하게 만들 수 있습니다. 지식베이스는 조직의 기억을 검색 가능하게 만들고, 토큰

야 합니다. 또한 내부 업무 기록과 실제 사용 데이터를 기반으로 한 강화학습 환경은 모델을 기업의 현실에 맞게 더 강하게 만들 수 있습니다. 지식베이스는 조직의 기억을 검색 가능하게 만들고, 토큰 사용 효율성도 높입니다. 이 루프 자체가 새로운 기업 IP가 됩니다.

지극히 단순화한 얘기이긴 하지만 결과적으로 보자면, CSP 위에서 모델을 굴리라는 구호입니다.

아마존, 26년 PER 30배 / Neutral

아마존 1Q26 실적발표 코멘트 / 주간전략보고 中 (바로가기)

아마존 4Q25 실적발표 코멘트 / 주간전략보고 中 (바로가기)

아마존 3Q25 실적발표 코멘트 / 주간전략보고 中 (바로가기)

아마존 2Q25 실적발표 : 물류혁신의 3단계 진입, AWS의 현 상태 체크 (바로가기)

앤스로픽, Fable 5 출시

앤스로픽이 Mythos의 일반 사용자용 버전인 Fable 5와 전문가용 버전인 Mythos 5를 출시했습니다. 성능은 프런티어 모델 중에서도 가장 강한 수준으로 끌어올렸고, 가격은 기존 Mythos Preview 대비 절반 이하로 낮췄습니다. 가격은 input 백만 토큰당 $10, output 백만 토큰당 $50입니다. 가격을 기존 Mythos Preview에 비해서 절반 이하로 낮췄습니다. Opus 4.8은 $5/$25, GPT-5.5는 $5/$30, GPT-5.5-pro는 $30/$180입니다.

코딩 모델의 한계를 끌어올리다

가장 중요한 벤치마크는 SWE-Bench Pro입니다. Fable 5는 여기서 80.3%를 기록했습니다. Gemini 3.1 Pro 54.2%, GPT-5.5 58.6%, Opus 4.8 69.2%를 크게 상회하는 수치입니다.

그리고 좋았던 건 단순히 '기본 성능이 높다'는 것에 그치지

않습니다. FrontierCode에서는 Opus 4.8이나 GPT-5.5급 모델의 경우 test-time compute를 늘려도 성능 개선 폭이 제한적이었습니다. 그런데 Fable 5는 이 구간을

않습니다. FrontierCode에서는 Opus 4.8이나 GPT-5.5급 모델의 경우 test-time compute를 늘려도 성능 개선 폭이 제한적이었습니다. 그런데 Fable 5는 이 구간을 확실히 뚫었습니다. 여전히 컴퓨트를 더 투입하면 성능이 더 올라가는 모델이라는 점을 확인했습니다.

앞으로 최고 지능의 모델은 종량제에서만 사용 가능할 것

지금은 모종의 이유로 Fable 5 사용이 막혔고 이에 대해서는 아래에 정리드릴텐데,

어쨌든 출시와 동시에 Claude Fable 5은 GA됐고 API를 통해 사용할 수 있었습니다. 흥미로운 점은 과금 구조입니다. 6월 22일까지는 Pro, Max, Team, Enterprise Plan 같은 구독 요금제에서 추가 비용 없이 사용할 수 있지만, 6월 23일부터는 사용량 기반 과금 구조로만 제공될 예정입니다.

앞으로 가장 높은 수준의 지능을 가진 모델은 구독료 안에서 무제한으로 쓰는 구조가 아니라, 사용한 만큼 비용을 지불하는 구조에서만 쓸 수 있도록 할 것이란 의미라서 굉장한 변화였습니다.

백악관, 앤스로픽 모델을 긴급 차단하다

이번 사안의 핵심은 앤스로픽의 최신 모델 Fable 5와 Mythos 5가 출시 직후 미국 정부의 수출통제 대상이 됐다는 점입니다. 백악관은 해당 모델의 가드레일을 우회할 수 있는 취약점이 발견됐고, 이것이 국가안보 리스크로 이어질 수 있다고 판단했습니다.

보도에 따르면, 백악관은 수출통제를 곧바로 발동한 것이 아니라 먼저 앤스로픽에 자발적으로 모델을 내리라고 요구했습니다. 그러나 다리오 아모데이 CEO는 해당 취약점이 범용적인 jailbreak가 아니라 특정한 우회 사례에 가깝다고 반박했습니다. 앤스로픽도 체크 이후 "아직 광범위하게 안전장치를 무력화하는 universal jailbreak는 발견되지 않았다"고 주장

반면 백악관은 아마존이 제기한 취약점 사례를 NSA에도 검토시켰고 충분한 증거가 있다고 판단했습니다. 재무장관 스콧 베센트와 백악관 사이버국장 션 케언크로스는 앤스로픽의 설명을 받아들이지 않았고,

했습니다.

반면 백악관은 아마존이 제기한 취약점 사례를 NSA에도 검토시켰고 충분한 증거가 있다고 판단했습니다. 재무장관 스콧 베센트와 백악관 사이버국장 션 케언크로스는 앤스로픽의 설명을 받아들이지 않았고, 결국 Fable 5와 Mythos 5에 대한 수출통제를 발동했습니다. 이 조치로 앤스로픽은 모든 고객 대상으로 해당 모델을 사실상 중단해야 했습니다.

앤스로픽은 정부가 고위험 AI 배포를 막을 권한은 인정하지만 이번 조치는 기술적 사실에 기반한 투명하고 공정한 절차가 아니었다고 반발했습니다. 특히 앤스로픽 측은 백악관이 실제 위협에 대한 충분한 세부정보 없이 90분 안에 모델을 내리라는 식으로 압박했다고 주장했습니다.

우회? 국가안보 취약점?

양측의 충돌 지점은 명확합니다. 앤스로픽은 이번 문제가 '제한적인 우회 사례'이며 모델 전체의 안전장치가 붕괴된 것은 아니라고 봅니다. 반면 백악관은 고성능 AI 모델에서 '특정한 우회 사례라도 사이버 역량 확장으로 이어질 수 있다면 국가안보 리스크로 봐야 한다'고 판단했습니다.

스스로 '우리 모델은 핵폭탄'이라고 규정해왔던 앤스로픽

앤스로픽이 원래 AI 규제와 안전성 논의를 굉장히 강력하게 주장해왔던 기업인데, 백악관의 입장에서는 그렇게 말했던 기술에서 유의미한 취약점이 발견됐음에도 왜 모델을 내리지 않느냐고 압박했던 상황입니다.

데이비드 삭스 역시 이 지점을 지적했습니다. 그동안 앤스로픽은 AI 안전성을 최우선 가치로 내세워왔는데, 정렬된 Fable 5의 안전장치를 우회해 사실상 Mythos 5 수준의 기능에 접근할 수 있는 유의미한 탈옥 사례가 보고됐음에도 서비스를 계속 강행하려 했다는 것입니다. 특히 아마존을 비롯한 외부 AI 연구자들이 안전 리스크를 백악관에 알린 상황에서도 앤스로픽이 즉각적인 중단이나 보완 조치에 소극적 혹은 계속 서비스하겠다는 방식으로 대응하자, 백악관 관계자들은 상당히 당황한 것으로 전해

메타, 26년 PER 19배 / Neutral

졌습니다.

메타, 26년 PER 19배 / Neutral

메타 1Q26 실적발표 코멘트 / 주간전략보고 中 (바로가기)

메타 4Q25 실적발표 : GPU를 조려봤습니다. 또 한 번의 서프라이즈 (바로가기)

골드만삭스 테크 컨퍼런스 : "전례 없는 수요를 보고 있습니다" (바로가기)

메타, 저커버그는 왜 지금 '세계 최고의 AI 용병단'을 꾸렸나 (바로가기)

메타의 야망, AI 시대의 '눈 👀'을 차지하라 (스마트 글래스) (바로가기)

메타, 내부 AI 사용량에 예산/한도 도입

메타가 직원들의 AI 토큰 사용량을 관리하기 시작합니다. 앞으로는 팀별/개인별 토큰 사용량을 더 구조적으로 관리하고 예산 배정과 사용 한도를 도입할 예정입니다.

AI Gateway라는 중앙 대시보드를 만들고 있습니다. 이 플랫폼은 직원들의 AI 사용량과 비용을 실시간으로 추적하고, 특정 팀이나 개인의 사용량이 비정상적으로 급증하면 자동 알림을 보내는 역할을 합니다. 단순한 비용 통제가 아니라 향후 컴퓨팅 캐파 계획과 외부 벤더 협상에도 활용될 예정입니다.

Claude 의존도를 낮추고 Muse Spark 모델을 더 적극 사용하려고도 하고 있습니다. 자체 개발한 코딩 어시스턴트인 MetaCode를 개선해 내부 사용을 확대하려는 방향입니다. 다만 외부 최신 모델에 대한 접근 자체를 막지는 않고, 내부 도구 중심으로 사용 비중을 옮기려는 전략입니다.

테슬라, 26년 PER 197배 / Underweight

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

테슬라 1Q26 실적발표 / 주간전략보고 中

테슬라 4Q25 실적발표 : AI 초가속을 진심으로 믿는다면, 피할 수 없는 CAPEX (바로가기)

(바로가기)

테슬라 4Q25 실적발표 : AI 초가속을 진심으로 믿는다면, 피할 수 없는 CAPEX (바로가기)

테슬라 3Q25 실적발표 : 머스크의 새로운 24개월 로드맵, 합리적인 기대는 어디일까? (바로가기)

테슬라 2Q25 실적발표 : 트럼프 OBBBA의 네 가지 역풍, 머스크의 고민 (바로가기)

유럽 내 FSD 승인 계속해서 진행 중

네덜란드, 리투아니아, 에스토니아에 이어 테슬라 소유주들이 공도에서 FSD를 사용할 수 있도록 하는 사용승인이 계속해서 나오고 있습니다. 화요일에는 덴마크가 FSD를 승인, 수요일에는 벨기에가 FSD를 승인했습니다. 이들이 쭉 승인이 나오고 나서는 시차를 두고 영국, 이탈리아, 프랑스, 스페인, 독일에서도 나올 것으로 예상합니다.

물론 미국 내에서도 아직 FSD로 인한 유의미한 매출 및 이익 상승이 나오고 있는 상태가 아니다보니 단순한 확장 자체는 함의가 없는데, 앞으로 FSD의 자율주행 능력이 더 높아졌을 때 한 번에 열릴 TAM 옵션가치가 더 커지는 쪽으로 가고 있다는 데 함의가 있습니다.

스페이스X는 전체 유통주식 수의 4.25%만 거래 중

현재 스페이스X는 초기 유통주식 수가 그리 많지 않습니다. 이후 2Q26 실적발표가 끝나고 나서 유통주식 수가 3.6배 증가할 예정인데 그전까지는 유통주식 수는 상당히 작은 상태를 유지할 것으로 예상됩니다. 생각보다 수급에 미치는 영향은 적고, '본업이 아주 아주 멋진 오라클' 포지션을 가진 스페이스X의 시총이 높아짐에 따라 AI HW 전반의 밸류에이션도 같이 상승압력을 받을 수 있는 좋은 구도로 보

그럼에도 빠진내용 정리

잡담·곁다리 내용

별도 참고사항이 없습니다.

생략 기록

별도 생략 기록이 없습니다.

그럼에도 빠진내용 정리

보존 범위	원문의 제목, 일정, 수치, 계산 전제, 조건, URL과 투자 유의문을 60개 흐름 구간에 순서대로 남겼다.
원문의 유보	CPO·NPO 채택 시점, 데이터센터 계약·가동, CapEx와 제품 출하는 원문이 제시한 전망·협상·예상 단계로 유지했다.
작성자 판단	상대 매력도, 밸류에이션, 기업별 강점과 우려는 자료 작성자의 판단으로 보존했으며 별도 투자 의견을 더하지 않았다.

원문 확인

document_work_runner prepare가 입력 원문을 수정 없이 보존했다.

원문 다운로드 새 창에서 보기