2026.09.30 · 네이버 프리미엄 콘텐츠 · 올바른 미국주식 by SAPIENS

유형
네이버 프리미엄 콘텐츠
날짜
2026.09.30
강연자/작성자
올바른 미국주식 by SAPIENS
분석 주제
미지정
자료 길이
본문 13,774자
1

문서 전체 조망

핵심 구조

지속형 AI의 확산은 모델 경쟁과 인프라 수요를 함께 바꾼다

오픈AI DevDay의 제품·요금제 변화와 AI 연구소의 성능·비용 경쟁, TPU·Trainium·광네트워킹 공급망의 지연과 확장을 한데 점검한다. 에이전트가 기억을 오래 보관하고 작업을 지속할수록 모델만이 아니라 저장·추론·네트워크의 실제 구축 속도가 중요해진다는 문제의식이다.

Dots는 지속형 개인용 에이전트의 한 사례다

Dots는 GPT-6 Astra 기반으로 출시됐고, 이 글은 이를 장기 기억·작업 재개·관계 최적화를 담은 지속형 개인용 에이전트로 규정한다. 수요는 함께 커질 것으로 보되 Tier 1에는 Muse가 있을 것이라는 판단을 유지한다.

성능보다 작업당 비용과 토큰 효율이 경쟁을 가른다

GPT-6.1 Sol은 벤치마크 성능과 함께 작업당 비용이 비교 모델보다 크게 낮게 제시됐다. 같은 지능도 더 많은 추론 토큰을 썼는지, 사전학습과 모델 구조로 효율을 높였는지에 따라 API 비용과 학습 효율의 의미가 달라진다는 설명이다.

AI 연구소의 매출과 훈련 규모가 경쟁 격차의 배경이다

오픈AI ARR 700억달러 보도와 자금조달 계획은 선두 연구소의 사업 기반을 보여주는 재료다. distillation 환경 변화와 북미 연구소의 더 큰 훈련 규모 전망은 미국과 중국 open-weight 연구소의 격차가 다시 벌어질 수 있다는 판단으로 이어진다.

지속형 에이전트는 기억을 성능으로 만든다

사용자 정보와 작업 맥락을 오래 보관해야 더 깊은 제안을 할 수 있으므로, 토큰 생성 속도뿐 아니라 기억 자체가 퍼포먼스가 되는 과정으로 설명한다. 그 결과 Memory Tiering과 eSSD 수요가 커질 수 있다는 연결이다.

TPU와 Trainium의 전환은 소프트웨어 적응이 변수다

TPU v9와 Trainium4는 생산능력만으로 바로 투입되지 않고 워크로드 이전, 설계 확정, 사용자 피드백과 공급망 주문이 함께 맞아야 한다. 개별 지연을 AI 사이클 전체의 붕괴로 읽기보다 현재 스케일의 움직임으로 보자는 태도다. 즉 발표된 생산량보다 실제 전환과 최적화가 가능한지가 공급 일정의 조건이 된다.

광엔진과 광스위치는 다음 세대 수요를 준비한다

CPO 스위치의 조기 양산과 NPO 광엔진 수요 확대가 제시되며, VR300 시점에는 기술 성숙도 때문에 NPO가 주력 SKU가 될 것으로 전망한다. OCS 수요와 1.6T 부품 부족도 고속 광통신의 수급 조건으로 함께 남는다. 이는 광부품의 수요 전망이 장비 출하와 부품 부족이라는 실행 조건에 묶여 있다는 뜻이다.

광고 소송과 USDC 지표는 개별 사업의 확인 재료다

앱러빈의 유니티 TRO 신청은 유니티의 광고 성과 개선을 둘러싼 대립으로 다뤄졌고, 작성자는 이를 유니티 강세 확인으로 해석한다. USDC는 유통량이 횡보하는 가운데 현재 증감이 결제 확산보다 크립토 페어 거래 예탁금에 더 좌우된다고 정리한다.

ANALYSIS VIEW사건별 사실과 작성자의 판단, 지속 정보를 나누어 읽기
2
발생·예정 사건과 출처별 관점

이슈 분석

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

발생발표·발생 후발생일 26-9-30

26-9 오픈AI DevDay 2026 개최

작성자의 핵심 판단

지속형 개인용 에이전트 수요는 전반적으로 커질 것으로 보며, 그중 Muse가 Tier 1에 있을 것이라는 기존 판단을 유지한다.

근거 보기 1
  1. 원문 구간 1

    Dots를 출시했습니다. GPT-6 Astra로 구동됩니다. 개인용 에이전트라고 많이 말씀드렸었는데, 정확히 표현하자면 '지속형 개인용 에이전트(Persistent Personal Agent)'가 더 기술적인 특징과 함의를 잘 담은 단어입니다. Muse, Dots, Grok Bot, Cue, Instinct가 대표적입니다. 전반적으로 지속형 개인용 에이전트 수요가 다 같이 높아질 것이라 예상합니다. 다만 Tier 1에 Muse가 있을 것이란 생각은 계속 같습니다. Dots는 출시하고 시연하는 과정에서 실수가 많았습니다: Dots 라이브 시연 당시의 첫 번째 실수와 두 번째 실수 링크입니다.

이 자료에서 다룬 사실

오픈AI가 DevDay 2026에서 GPT-6 Astra 기반 Dots, GPT-6.1 Sol, Ultrafast 모드, ChatGPT Space와 Codex 클라우드를 공개했다고 정리했다.

근거 보기 4
  1. 원문 구간 1

    Dots를 출시했습니다. GPT-6 Astra로 구동됩니다. 개인용 에이전트라고 많이 말씀드렸었는데, 정확히 표현하자면 '지속형 개인용 에이전트(Persistent Personal Agent)'가 더 기술적인 특징과 함의를 잘 담은 단어입니다. Muse, Dots, Grok Bot, Cue, Instinct가 대표적입니다. 전반적으로 지속형 개인용 에이전트 수요가 다 같이 높아질 것이라 예상합니다. 다만 Tier 1에 Muse가 있을 것이란 생각은 계속 같습니다. Dots는 출시하고 시연하는 과정에서 실수가 많았습니다: Dots 라이브 시연 당시의 첫 번째 실수와 두 번째 실수 링크입니다.

  2. 원문 구간 2

    오픈AI CFO가 CNBC 인터뷰 중 "Muse는 더 나아질 겁니다. 죄송합니다. Muse가 아니라, Dots가 더 나아질 겁니다"라고 말한 링크입니다. DevDay 하루 전에 Tibo가 Pro 구독 요금제의 토큰 할당량을 절반으로 낮췄음을 말했습니다. Plus가 1x면 → 예전 Pro $100은 10x, $200은 20x였는데 → 이제는 Pro $100은 5x, $200은 10x, 새로 출시된 $500은 25x가 됐습니다. B2B인 API 영역에서 모델 가격을 크게 낮춘 만큼, B2C에서는 손실을 줄이기 위해 토큰 할당량을 줄인 것이라 생각합니다.

  3. 원문 구간 3

    Ultrafast 모드를 출시했습니다. 가격은 GPT-6 Astra Ultrafast 모드 기준 $60/$300입니다. 원래 $10/$50이니 6배 비싸졌습니다. 토큰 생성 속도는 Codex에서 최대 8배, API에서는 최대 6배 빠른 토큰 생성 속도로 서비스됩니다. 속도만큼 비싸진 셈입니다. 원래 TPS/User는 37.5인데 → 300 TPS로 Codex에서는 8배, API로는 6배 빨라졌습니다. ⓐAPI에서 즉시 사용할 수 있고, 구독제에서는 ⓑPro $500와 ⓒEnterprise 플랜의 ChatGPT Work/Codex에서 사용할 수 있습니다.

  4. 원문 구간 4

    ChatGPT Space가 나왔습니다. ChatGPT를 켜놓고 팀원들과 협업할 수 있는 기능입니다. Codex 클라우드가 출시됐습니다. 필요한 곳 어디서든 Codex를 실행할 수 있습니다. ​ (2) 가장 중요한 것이라 따로 뺐는데, 오픈AI가 DevDay에서 GPT-6.1 Sol을 출시했습니다*첨부자료 2, 3*: *첨부자료 2* Terminal-Bench 4.0 기준으로는 점수에서도 Opus 5.5, Fable 5.1, GPT-6 Astra보다 뛰어난 모델인데, *첨부자료 3* 작업당 비용(Cost per Task) 기준으로 비교하자면 GPT-6.1 Sol이 $0.72이고, Fable 5.1($7.63)/Sonnet 5.5($7.60) 기준 10분의 1, Opus 5.5($5.98) 기준으로도 8분의 1 수준 비용입니다.

그렇게 판단한 이유

Dots의 장기 기억·작업 재개·관계 최적화라는 성격과, 제품·요금제·협업 기능을 함께 공개한 점을 연결해 지속형 에이전트의 확산으로 읽었다.

근거 보기 3
  1. 원문 구간 1

    Dots를 출시했습니다. GPT-6 Astra로 구동됩니다. 개인용 에이전트라고 많이 말씀드렸었는데, 정확히 표현하자면 '지속형 개인용 에이전트(Persistent Personal Agent)'가 더 기술적인 특징과 함의를 잘 담은 단어입니다. Muse, Dots, Grok Bot, Cue, Instinct가 대표적입니다. 전반적으로 지속형 개인용 에이전트 수요가 다 같이 높아질 것이라 예상합니다. 다만 Tier 1에 Muse가 있을 것이란 생각은 계속 같습니다. Dots는 출시하고 시연하는 과정에서 실수가 많았습니다: Dots 라이브 시연 당시의 첫 번째 실수와 두 번째 실수 링크입니다.

  2. 원문 구간 2

    오픈AI CFO가 CNBC 인터뷰 중 "Muse는 더 나아질 겁니다. 죄송합니다. Muse가 아니라, Dots가 더 나아질 겁니다"라고 말한 링크입니다. DevDay 하루 전에 Tibo가 Pro 구독 요금제의 토큰 할당량을 절반으로 낮췄음을 말했습니다. Plus가 1x면 → 예전 Pro $100은 10x, $200은 20x였는데 → 이제는 Pro $100은 5x, $200은 10x, 새로 출시된 $500은 25x가 됐습니다. B2B인 API 영역에서 모델 가격을 크게 낮춘 만큼, B2C에서는 손실을 줄이기 위해 토큰 할당량을 줄인 것이라 생각합니다.

  3. 원문 구간 3

    ChatGPT Space가 나왔습니다. ChatGPT를 켜놓고 팀원들과 협업할 수 있는 기능입니다. Codex 클라우드가 출시됐습니다. 필요한 곳 어디서든 Codex를 실행할 수 있습니다. ​ (2) 가장 중요한 것이라 따로 뺐는데, 오픈AI가 DevDay에서 GPT-6.1 Sol을 출시했습니다*첨부자료 2, 3*: *첨부자료 2* Terminal-Bench 4.0 기준으로는 점수에서도 Opus 5.5, Fable 5.1, GPT-6 Astra보다 뛰어난 모델인데, *첨부자료 3* 작업당 비용(Cost per Task) 기준으로 비교하자면 GPT-6.1 Sol이 $0.72이고, Fable 5.1($7.63)/Sonnet 5.5($7.60) 기준 10분의 1, Opus 5.5($5.98) 기준으로도 8분의 1 수준 비용입니다.

발생발표·발생 후발생월 26-9

26-9 오픈AI Pro 구독 토큰 할당량 조정

작성자의 핵심 판단

B2B API 가격을 크게 낮춘 뒤 B2C 손실을 줄이려는 조정으로 해석한다.

근거 보기 1
  1. 원문 구간 1

    오픈AI CFO가 CNBC 인터뷰 중 "Muse는 더 나아질 겁니다. 죄송합니다. Muse가 아니라, Dots가 더 나아질 겁니다"라고 말한 링크입니다. DevDay 하루 전에 Tibo가 Pro 구독 요금제의 토큰 할당량을 절반으로 낮췄음을 말했습니다. Plus가 1x면 → 예전 Pro $100은 10x, $200은 20x였는데 → 이제는 Pro $100은 5x, $200은 10x, 새로 출시된 $500은 25x가 됐습니다. B2B인 API 영역에서 모델 가격을 크게 낮춘 만큼, B2C에서는 손실을 줄이기 위해 토큰 할당량을 줄인 것이라 생각합니다.

이 자료에서 다룬 사실

DevDay 하루 전 Pro 구독 요금제의 토큰 할당량이 조정돼, Plus 1x 기준 기존 Pro $100·$200의 10x·20x가 5x·10x가 되고 $500 요금제는 25x가 됐다고 적었다.

근거 보기 1
  1. 원문 구간 1

    오픈AI CFO가 CNBC 인터뷰 중 "Muse는 더 나아질 겁니다. 죄송합니다. Muse가 아니라, Dots가 더 나아질 겁니다"라고 말한 링크입니다. DevDay 하루 전에 Tibo가 Pro 구독 요금제의 토큰 할당량을 절반으로 낮췄음을 말했습니다. Plus가 1x면 → 예전 Pro $100은 10x, $200은 20x였는데 → 이제는 Pro $100은 5x, $200은 10x, 새로 출시된 $500은 25x가 됐습니다. B2B인 API 영역에서 모델 가격을 크게 낮춘 만큼, B2C에서는 손실을 줄이기 위해 토큰 할당량을 줄인 것이라 생각합니다.

그렇게 판단한 이유

API 영역의 가격 인하와 Pro 요금제별 토큰 배분 축소가 동시에 나타난 점을 근거로 들었다.

근거 보기 1
  1. 원문 구간 1

    오픈AI CFO가 CNBC 인터뷰 중 "Muse는 더 나아질 겁니다. 죄송합니다. Muse가 아니라, Dots가 더 나아질 겁니다"라고 말한 링크입니다. DevDay 하루 전에 Tibo가 Pro 구독 요금제의 토큰 할당량을 절반으로 낮췄음을 말했습니다. Plus가 1x면 → 예전 Pro $100은 10x, $200은 20x였는데 → 이제는 Pro $100은 5x, $200은 10x, 새로 출시된 $500은 25x가 됐습니다. B2B인 API 영역에서 모델 가격을 크게 낮춘 만큼, B2C에서는 손실을 줄이기 위해 토큰 할당량을 줄인 것이라 생각합니다.

발생발표·발생 후발생일 26-9-29

26-9 오픈AI ARR 700억달러 보도

작성자의 핵심 판단

이 보도는 오픈AI와 AI 설비투자 사이클을 보는 관점에서 긍정적이며, 실제 ARR이 700억달러에 가까울 가능성도 높게 본다.

근거 보기 1
  1. 원문 구간 1

    그런데 10시간 전에 올라온 9월 29일자 Axios 보도에 따르면 오픈AI ARR이 $70B에 달한다는 보도가 나왔습니다. 상당히 오픈AI 입장/AI CapEx 사이클 전체를 보는 입장에서도 Bullish한 내용입니다. 사실 오픈AI가 Codex Reset 퍼주기 모드로부터 벗어나서 갑의 입장에서 Pro Plan 토큰 사용량을 절반으로 줄인 것, 감속을 말하기 시작한 것 등등을 생각해보면 $70B에 가까울 가능성도 꽤나 높아 보입니다. 주간전략보고에서 전해드린 것처럼 중국 AI Labs들도 모두 합치면 2026년 9월 기준 ARR $5B에 달할 것으로 예상됩니다.

이 자료에서 다룬 사실

Axios의 9월 29일 보도가 오픈AI ARR이 700억달러에 달한다고 전했다고 소개했다.

근거 보기 1
  1. 원문 구간 1

    그런데 10시간 전에 올라온 9월 29일자 Axios 보도에 따르면 오픈AI ARR이 $70B에 달한다는 보도가 나왔습니다. 상당히 오픈AI 입장/AI CapEx 사이클 전체를 보는 입장에서도 Bullish한 내용입니다. 사실 오픈AI가 Codex Reset 퍼주기 모드로부터 벗어나서 갑의 입장에서 Pro Plan 토큰 사용량을 절반으로 줄인 것, 감속을 말하기 시작한 것 등등을 생각해보면 $70B에 가까울 가능성도 꽤나 높아 보입니다. 주간전략보고에서 전해드린 것처럼 중국 AI Labs들도 모두 합치면 2026년 9월 기준 ARR $5B에 달할 것으로 예상됩니다.

그렇게 판단한 이유

Codex Reset의 공격적 제공에서 벗어나 Pro 토큰 사용량을 줄이고 감속을 말하기 시작한 점을 근거로 연결했다.

근거 보기 1
  1. 원문 구간 1

    그런데 10시간 전에 올라온 9월 29일자 Axios 보도에 따르면 오픈AI ARR이 $70B에 달한다는 보도가 나왔습니다. 상당히 오픈AI 입장/AI CapEx 사이클 전체를 보는 입장에서도 Bullish한 내용입니다. 사실 오픈AI가 Codex Reset 퍼주기 모드로부터 벗어나서 갑의 입장에서 Pro Plan 토큰 사용량을 절반으로 줄인 것, 감속을 말하기 시작한 것 등등을 생각해보면 $70B에 가까울 가능성도 꽤나 높아 보입니다. 주간전략보고에서 전해드린 것처럼 중국 AI Labs들도 모두 합치면 2026년 9월 기준 ARR $5B에 달할 것으로 예상됩니다.

발생진행 중발생월 26-9

26-9 앱러빈의 유니티 임시금지명령 신청

작성자의 핵심 판단

이 소송은 유니티의 구조적 강세를 앱러빈의 행동으로 확인하는 과정으로 보고 긍정적으로 평가한다.

근거 보기 2
  1. 원문 구간 1

    그러면서 중요한 말을 했는데 법정에서 "Ad Quality가 최근 Unity 광고 사업 성과 개선의 원인은 아니다."라고 못박았기에 앱러빈이 이것을 막건 안 막건 유니티의 성과 개선은 지속될 것이라고 말했습니다. 이미 소송 전에 앱러빈이 중단해달라고 해서, 유니티는 데이터 수집을 중단하겠다고 말했었는데 그래도 유니티의 성과 개선이 끝나지 않고 있고 최근에는 전일 일간보고와 주간전략보고로 전해드린 것처럼 2Q26 → 3Q26 사이에 유니티가 올라오고, 앱러빈은 하강하는 추세가 강해지다보니 소송까지 감행한 것으로 보입니다.

  2. 원문 구간 2

    유니티의 구조적인 강세를 앱러빈의 행동으로 확인하는 과정이므로 긍정적으로 보고 있습니다. 의료기기/핀테크/코인: ​ (1) 오늘 트랜스메딕스의 3Q 비행 건수는 2,809건, 오늘의 일간 비행데이터는 +30건이었습니다. 3Q는 91일이 지났으며 일평균 비행속도는 30.87건 속도였습니다.

이 자료에서 다룬 사실

앱러빈이 유니티의 특정 데이터 수집·사용을 임시로 금지해 달라는 TRO를 신청했고, Ad Quality SDK가 광고·사용자·기기·경매 정보를 수집해 입찰 모델 성능을 높였다고 주장했다고 적었다.

근거 보기 2
  1. 원문 구간 1

    광고/이커머스: ​ (1) 앱러빈이 유니티를 고소했습니다. 앱러빈이 최근 자체 Pixel을 깔고 있는 것과 연관되는 얘기로 보입니다: 앱러빈이 샌프란시스코 캘리포니아 고등법원에 'Unity의 특정 데이터 수집 및 사용을 임시로 금지해달라는 TRO(Temporary Restraining Order, 임시금지명령)'를 신청했습니다. 앱러빈 주장에 따르면 유니티의 Ad Quality SDK가 앱러빈이 송출한 광고 관련해서 ⓐ광고 정보 ⓑ사용자와 디바이스 정보 ⓒ광고 노출당 매출과 관여도 ⓓ광고 경매 관련 정보를 수집했다는 주장입니다.

  2. 원문 구간 2

    앱러빈은 주장하기로 이러한 output을 유니티의 모바일 광고 입찰 모델에 투입해서 성능을 끌어올리고 있다는 주장입니다. 유니티는 앱러빈의 소송을 "지배적 사업자가 경쟁 심화와 성장 둔화에 대응해 소송과 위협을 사용하는 전형적인 사례"라고 표현했습니다. 유니티 측 설명에 따르면 Ad Quality는 원래 게임 내 부적절하거나 유해한 광고를 탐지하는 무료 제품입니다. 그리고 유니티는 앱러빈이 최근 유니티의 광고 사업 성과가 빠르게 좋아지는 것을 보고, 그 원인을 Ad Quality 데이터라고 생각해 해당 제품을 막으려 한다고 주장했습니다.

그렇게 판단한 이유

유니티가 데이터 수집 중단 의사를 밝혔는데도 성과 개선이 이어졌고, 유니티는 Ad Quality가 성과 개선의 원인이 아니라고 법정에서 못박았다는 설명을 근거로 들었다.

근거 보기 2
  1. 원문 구간 1

    앱러빈은 주장하기로 이러한 output을 유니티의 모바일 광고 입찰 모델에 투입해서 성능을 끌어올리고 있다는 주장입니다. 유니티는 앱러빈의 소송을 "지배적 사업자가 경쟁 심화와 성장 둔화에 대응해 소송과 위협을 사용하는 전형적인 사례"라고 표현했습니다. 유니티 측 설명에 따르면 Ad Quality는 원래 게임 내 부적절하거나 유해한 광고를 탐지하는 무료 제품입니다. 그리고 유니티는 앱러빈이 최근 유니티의 광고 사업 성과가 빠르게 좋아지는 것을 보고, 그 원인을 Ad Quality 데이터라고 생각해 해당 제품을 막으려 한다고 주장했습니다.

  2. 원문 구간 2

    그러면서 중요한 말을 했는데 법정에서 "Ad Quality가 최근 Unity 광고 사업 성과 개선의 원인은 아니다."라고 못박았기에 앱러빈이 이것을 막건 안 막건 유니티의 성과 개선은 지속될 것이라고 말했습니다. 이미 소송 전에 앱러빈이 중단해달라고 해서, 유니티는 데이터 수집을 중단하겠다고 말했었는데 그래도 유니티의 성과 개선이 끝나지 않고 있고 최근에는 전일 일간보고와 주간전략보고로 전해드린 것처럼 2Q26 → 3Q26 사이에 유니티가 올라오고, 앱러빈은 하강하는 추세가 강해지다보니 소송까지 감행한 것으로 보입니다.

3
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.

사실·구조지속형 개인용 에이전트주 대상 · 기술·제품 · 지속형 개인용 에이전트

지속형 개인용 에이전트는 왜 장기 저장장치를 더 요구하는가?

이 자료가 더한 내용

지속형 개인용 에이전트는 사용자의 선호·결정·사실을 기억하고 수일간 작업을 이어가며 관계를 최적화한다. 모델 지능만으로 사용자 기억을 대체할 수 없어서, 커진 컨텍스트와 장기 데이터 보관이 Memory Tiering 및 eSSD 수요를 끌어올릴 요인으로 제시됐다.

근거 보기 2
  1. 원문 구간 1

    ​ AI HW: ​ (1) 오픈AI DevDay 2026에 대한 AI HW 관점의 생각을 이어가봅니다: 지속형 개인용 에이전트의 특징은 크게 세 가지입니다: ⓐ컨텍스트 지속성(Context Persistence) : 사용자의 선호도, 과거 결정 사항, 중요 사실 등을 장기 기억에 저장하고 회상합니다. ⓑ작업 지속성(Task Persistence) : 여러 단계나 수일에 걸친 작업을 중단 없이 이어가며, 피드백을 기다렸다가 자율적으로 재개합니다. ⓒ관계 지속성(Relationship Persistence) : 사용자의 소통 방식, 일상 루틴, 목표 변화에 맞춰 상호작용을 최적화합니다.

  2. 원문 구간 2

    이번 주 주간전략보고에서 전해드린 것처럼 Memory Tiering을 통해 상대적으로 eSSD 수요를 크게 끌어올릴 요인으로 봅니다. 컨텍스트 윈도우의 규모가 매우 커지고 개인에 대해서 저장해야 할 데이터가 많아지기 때문입니다. 지속형 개인용 에이전트가 사용자에게 더 깊은 제안을 하고 더 부가가치를 높이려면 사용자에 관한 정보를 다양하게, 많이, 오래 저장해야 합니다. 모델 자체의 지능이 높아지는 것만으로 사용자에 대한 기억을 대체 할 수는 없다는 게 특징입니다. 토큰 생성의 퍼포먼스에 관여하는 수준을 넘어서 기억 그 자체가 퍼포먼스가 되는 과정입니다.

사실·구조AI 모델의 지능 효율주 대상 · 기술·제품 · AI 모델관련 대상 · 산업·업종 · AI 추론 인프라

같은 성능에서도 토큰 사용량과 비용은 무엇을 보여주는가?

이 자료가 더한 내용

모델 성능은 사전학습, RL·사후학습, 답변 시 추론 연산의 세 축으로 높일 수 있으며, 같은 지능에서도 작업당 토큰과 비용이 적으면 API 추론비용과 사전학습의 지능 압축 효율을 함께 읽을 수 있다고 설명한다.

근거 보기 3
  1. 원문 구간 1

    이게 같은 지능에 도달한 모델이라 할지라도 토큰을 많이 써서 지능을 끌어올린 모델이냐 아니냐가 꽤나 중요합니다. 상대적으로 AI Labs-CSP를 통한 API 추론비용도 높다는 의미이고, 사전학습을 더 많이 시켜서 모델을 더 Sparsity하게 만들수록(= MoE에서 토큰당 expert를 덜 불러오게 = Active Parameter를 더 작게 = expert들과 라우터를 학습시켜야 하므로 더 양질의 데이터를 많이) 토큰당 지능 압축비가 좋아지기 때문에 사전학습에서의 지능 향상이 크지 않았다는 의미로도 읽을 수 있습니다. 전일 말씀드린 것처럼 모델의 지능을 끌어올리는 데에는 세 가지가 중요합니다:

  2. 원문 구간 2

    (ㄱ) Pre-training: 더 많은 데이터와 학습 컴퓨트, 더 나은 아키텍처를 통해 weights 자체의 기본 능력을 높이는 방법입니다. (ㄴ) RL/Post-training: RL과 양질의 작업별 데이터를 통해 이미 학습한 모델이 실제 문제를 더 정확하고 효율적으로 풀도록 만드는 방법입니다. (ㄷ) Test-time compute: 모델이 실제 답을 낼 때 reasoning budget을 늘려 더 오래 생각하도록 만드는 방법입니다. 오픈AI는 그렇다면 어떻게 가능했나를 생각해보면 엔비디아의 NVL72 랙에 특화시켜서 MoE 모델을 훈련시키고 추론하고 있기 때문이라고 생각하는데(앤스로픽은 AWS Trainium에서 모델 훈련) → 뒤이어서 그런데 왜 오픈AI가 더 적자를 크게 많이 보고 있는가를 생각해보면 결국 오픈AI가 감당하고 있는 ChatGPT 10억 명의 WAU(그중 유료 구독자는 5천만 명 정도)로부터 오는 추론비용 부담에서 오고 있다고 생각합니다.

  3. 원문 구간 3

    GPT-6부터 놓고 보자면 참고로 output token 중 reasoning 토큰의 크기가 오픈AI가 압도적으로 적은 것과 관련해서 전부 엔비디아 NVL72 효과만은 아닙니다. Recurrent Depth 효과가 지배적입니다. 앤스로픽은 Reasoning 토큰을 모두 공개하는데, 오픈AI는 GPT-6 Astra부터 Recurrent Depth를 사용하고 있어서 CoT에 드러나지 않는 생각을 해서 그렇습니다. 다만 GPT-5도 그렇고 이전부터 오픈AI가 앤스로픽에 비해서 reasoning 토큰을 적게 써왔던 기조이기에 전반적인 연구 흐름 관점에서 말씀드린 것입니다.

해석·전망프런티어 AI 연구소 경쟁주 대상 · 산업·업종 · 프론티어 AI 랩

미국과 중국 AI 연구소의 경쟁 격차는 무엇으로 설명되는가?

이 자료가 더한 내용

중국 AI 연구소의 distillation 성공률이 앤스로픽의 취약점 차단 뒤 낮아졌고, 북미 연구소의 훈련 규모가 더 커질 수 있다는 점을 들어 향후 6~12개월 격차가 다시 벌어질 가능성을 제시한다.

근거 보기 3
  1. 원문 구간 1

    그리고 요즘 마이너한 생각 중 하나로 ⓐTPU v7 → TPU v8t 효과 덕에 시장의 생각보다 Gemini 4가 나올 가능성이 있다를 말씀드리는 것처럼, ⓑ앞으로 6~12개월은 미국 프론티어 AI Labs들과 중국 open-weight AI Labs들과의 격차가 다시 벌어질 가능성이 있어 보입니다: 2026년 상반기까지만 해도 중국 AI Labs들이 Claude의 CoT를 가져다가 distillation하기가 매우 용이했습니다. 그러나 2026년 8월 앤스로픽이 해당 취약점을 막은 뒤 distillation 성공률이 10%까지 급감했고 Opus 4.8 이후 모델들은 거의 distillation이 잠겨있습니다.

  2. 원문 구간 2

    GPT-6 Astra는 distillation이 가능하기는 한데 문제는 Recurrent Depth를 쓰고 있으니 output token에서 reasoning token이 차지하는 비중이 매우 작습니다. distillation이라 함은 Teacher 모델이 어떻게 생각하는지를 가져다가 Student 모델이 학습하는 구조인데 선생님이 풀이 방법을 알려주지 않고 눈으로 풀다가 답을 끄적이니 학생 입장에서는 어떻게 그 답이 나왔는지를 알기가 어려워지는 구조입니다. Kimi가 그랬듯이 중국 AI Labs들은 해외에서 엔비디아의 칩을 구매하여 훈련용 클러스터를 만들고 있습니다.

  3. 원문 구간 3

    대략 소버린 클라우드를 통해서 많이 구했다고 하더라도 B300 5만 개 정도의 클러스터이기에 100 cMW 규모입니다. 그런데 CY27쯤이면 오픈AI/앤스로픽/메타/구글/스페이스X는 500 cMW~1 cGW정도로 훈련한 모델을 출시할 것으로 예상됩니다. 여기에 더해 북미 AI Labs들은 VR200을 가져다가 구축하기 시작하기 때문에 실질 compute 격차는 10~20배 가까이 벌어질 수 있습니다. 결과적으로는 Tier 1 AI Labs인 오픈AI, 앤스로픽 입장에서도 좋지만, 후발주자인 메타, 스페이스X, 구글에게도 CY27이 빠르게 주도권을 회복할 수 있는 해가 될 것으로 예상합니다.

사실·구조AI 가속기 전환주 대상 · 기술·제품 · AI 가속기

AI 연구소의 가속기 전환은 왜 하드웨어 공급 일정과 함께 봐야 하는가?

이 자료가 더한 내용

TPU v9 전환에는 소프트웨어 적응기간이 필요하고, Trainium4도 설계·공급망·사용자 피드백이 일정에 영향을 준다. 외부 고객의 하드웨어 최적화 역량과 실제 워크로드 이전이 생산계획을 바꿀 수 있다는 구조다.

근거 보기 4
  1. 원문 구간 1

    (2) 오늘은 여러 소스를 통해서 AI HW 공급망 체크를 해보면: 구글 TPU v9: 앤스로픽이 기존 TPU 워크로드를 TPU v9로 옮기는 데만 하더라도 3개월 이상의 적응기간이 필요하다고 요청하며, 그래도 모든 요구사항을 충족하진 못하고 있다고 전해집니다. 결과적으로 구글이 TSMC에게 일부 생산일정을 늦추도록 요청했고, 관련 생산능력은 2027년 중반까지 확보해둔 채로 지연시켜둔 상태입니다. 2027년 중반에도 TPU v9 물량 램프업 궤적이 정해지지 않으면 TSMC가 할당을 엔비디아나 다른 기업에게 이전시킬 수 있는 권리를 갖고 있습니다.

  2. 원문 구간 2

    외부 고객이 HW를 가져다가 소프트웨어 최적화해주고 맞춰주는 작업에서는 엔비디아보다 성숙하진 않기 때문에 소프트웨어 작업에서 약간씩의 지연이 발생하는 양상입니다. 구글은 CY28의 TPU v9 출하를 위해서 인텔 EMIB-T가 메인이지만 EMIB-T 수율이 올라오는 시점에만 베팅할 수 없기에 구글이 이중 소싱 차원에서 TSMC의 CoWoS-L도 준비 중입니다. CY28 기준 TPU v9를 300만 개 생산 할 예정인데 인텔의 EMIB-T가 200~250만 개 분량 + TSMC의 CoWoS-L이 50만 개를 지원할 것으로 예상됩니다.

  3. 원문 구간 3

    AWS Trainium4: 엔비디아의 NVLink Fusion을 적극 채택하고 엔비디아와 더 협력 강도를 높이면서 Trainium에서 Native CUDA 지원이 훨씬 강화됐습니다. 또한 Trainium 4는 설계 단계부터 앤스로픽의 요구사항이 반영된 첫 칩입니다. 다만 Trainium4가 원래 3Q27쯤 양산 시작 예정이었는데, 아직 설계가 확정되지 않았고 대만 공급망에도 주문이 확정적으로 들어간 상태가 아니기 때문에 CY1Q28쯤으로 출시가 밀리는 게 아니냐는 얘기가 있습니다.

  4. 원문 구간 4

    앤스로픽은 Trainium으로 훈련하고 → TPU로 워크로드를 옮겨 추론하는 게 메인 HW 인프라 전략입니다. 이렇게 되면 앤스로픽 입장에서는 다른 AI Labs들은 VR300 NVL576으로 연구/추론의 효율을 끌어올리고 있을 시기에 Trainium 3/3.5로 훈련하고 TPU v8i로 추론하는 상태가 될 수 있습니다. Meta/Microsoft: 최근 하이퍼스케일러들 내부에서도 Maia 400, MTIA 500번대 가속기가 사실상 마지막 시험대라는 얘기들이 나오고 있습니다. 성과가 기대에 못미치면 다시 엔비디아 가속기의 비중을 높이는 쪽으로 선회할 수 있다는 의미입니다.

해석·전망NPO·CPO 광네트워킹주 대상 · 산업·업종 · 광통신 네트워크

AI 스케일업 네트워킹에서 NPO와 CPO의 채택은 어떻게 전개되는가?

이 자료가 더한 내용

Scale-out CPO 스위치 출하와 Scale-up 광엔진 수요가 늘어나는 가운데, 기술 성숙도를 감안하면 VR300 양산 시점에는 NPO가 주력 SKU가 될 것으로 전망한다. CPO와 NPO는 이후 세대에도 병행 개발되고 있다.

근거 보기 4
  1. 원문 구간 1

    엔비디아의 Scale-out CPO 스위치 출하 속도가 예상보다 빠릅니다. 출하량 전망은 4Q26 15K → 1Q27 16K → 2Q27 30K → 2H27 54K(CY27 전체로 100K) 예상입니다. 생산 확대를 지원하기 위해 TSMC는 CPO 테스트/검사 역량을 확충했으며, 특히 Insertion 2/3 장비를 추가로 도입했습니다. 주요 부품 공급업체들의 수율 개선 덕분에 Spectrum-6 CPO 스위치가 예상보다 빠르게 양산 단계에 들어갔습니다. FAU 같은 핵심 부품도 순조롭게 진행되고 있으며, 여러 차례 플러그를 꽂고 뽑는 과정에서의 수율(multi-plug/unplug yield)이 개선되고 있는 점이 도움이 되고 있습니다.

  2. 원문 구간 2

    시스템 단에서는 주요 부품 공급업체들이 이미 현장에 들어와 있는 것으로 판단하며, 이에 따라 9월 초부터 클린룸 단계의 시스템 통합 작업이 가능해진 것으로 보입니다. Scale-up NPO/CPO OE(Optical Engine, 광엔진) 출하량 추정치 CY27 6.5M → CY28 42.4M입니다: Scale-up NPO OE 수요: 엔비디아 VR300용 3.2T NPO OE: CY27 600만 개 → CY28 1970만 개 AWS Trainium 4용 6.4T NPO OE: CY27 0개 → CY28 1200만 개

  3. 원문 구간 3

    AMD MI500~550X용 6.4T NPO OE: CY27 50만 개 → CY28 170만 개 타 CSP들의 NPO OE: CY27 0개 → CY28 900만 개 업계 전체: CY27 650만 개 → CY28 4240만 개 엔비디아 VR300 NVL576 양산 일정은 CY2H27으로 유지되고 있습니다. NVSwitch Tray 하나에는 Switch Board가 2개가 들어가며, 각 보드에는 NVSwitch ASIC 4개가 탑재됩니다. 그리고 ASIC 하나당 3.2T급 OE 4개가 연결됩니다.

  4. 원문 구간 4

    엔비디아는 VR300 NVL576 Scale-up 스위치용으로 CPO와 NPO용을 동시에 개발 중입니다. ⓐCPO는 Quantum-5 + 3.2T OE 4개 / ⓑNPO는 Quantum-5 + 소켓 방식으로 장착되는 3.2T OE 4개입니다. 기술의 성숙도를 감안하면 CY2H27 양산 시점에는 NPO가 메인 SKU를 구성할 것이라고 전망됩니다. 흥미로운 건 CY2H28쯤 출하될 Feynman도 CPO 버전과 NPO 버전이 동시에 개발되고 있습니다. 마찬가지로 CPO나 NPO 모두 Quantum-6 + 6.4T OE 6개 조합이고 NPO는 소켓 방식으로 장착된다의 차이입니다.

시점 관찰USDC 유통량주 대상 · 시장·자산 · USDC기준 2026.09.30

유통량 변화가 결제 사용 증가를 뜻하는가?

이 자료가 더한 내용

USDC 유통량은 745억7천만달러로 약 1년 횡보했고, 주간 -1.70%·월간 +0.70%였다. 현 시점 변화는 주로 BTC·USDC 등 페어 거래 예탁금에 따른 것이며 스테이블코인 결제 사용 증가로 펀더멘털이 바뀐 것은 아니라고 판단한다.

근거 보기 2
  1. 원문 구간 1

    ​ (2) 오늘의 서클 USDC 유통량은 $74.57B, CCTP 전송량은 30일 기준 $19.8B입니다. USDC 유통량 자체는 거의 1년간 횡보 중입니다. 횡보를 뚫는 기준은 MoM 기준 20% 이상의 성장세를 1주간 유지하는가입니다. 오늘 주간 기준 -1.70%, 월간 기준 +0.70% 수준입니다.

  2. 원문 구간 2

    지금은 Crypto Pair Trading(e.g. BTC/USDC, ETH/USDC 등)을 위한 예탁금으로 인해서 USDC 유통량이 바뀌는 게 가장 큽니다. 그래서 크립토가 오르면 USDC 유통량이 일시적으로 오르고 합니다. 아직 스테이블코인 결제가 더 쓰인다거나 하는 요소로 펀더멘탈이 바뀌는 것은 아닙니다.

4

시간흐름대로 모든 내용을 살려 정리

시간흐름대로 모든 내용을 살려 정리

1
도입과 시장 폭

이 글은 2026년 9월 30일 데일리 보고다. 이전 주간·일간 보고 링크와 투자 손실 책임 고지를 먼저 두고, 이날 주요 지수는 나스닥 -0.09%, S&P -0.17%, 다우 -0.26%, 러셀 -0.35%였다고 적었다.

2
시장 섹터

상승 종목 비율은 NYSE 72%, 나스닥 69%였다. 반도체·유틸리티·커뮤니케이션·산업재·적자성장주는 강했고, 에너지·원자재·필수소비·헬스케어는 약했다고 시장 폭을 정리한 뒤 빅테크와 AI 연구소 뉴스로 들어간다.

3
Dots 공개

오픈AI DevDay 2026 키노트를 마쳤다고 전하며 Dots를 소개한다. GPT-6 Astra 기반 Dots는 단순 개인용 에이전트보다 지속형 개인용 에이전트라는 표현이 기술적 특징을 더 잘 담고, Muse·Grok Bot·Cue·Instinct와 함께 수요가 커질 것으로 본다.

4
Dots 시연 혼선

Dots는 출시·시연 과정에서 실수가 많았다고 짚었다. 라이브 시연의 두 실수와 CFO가 Muse를 Dots로 잘못 말한 인터뷰를 연결하며, 제품 공개 과정에서 나온 혼선을 그대로 남긴다.

5
Pro 토큰 조정

DevDay 하루 전 Pro 구독 토큰 할당량이 조정됐다. Plus를 1x로 볼 때 기존 Pro $100·$200의 10x·20x가 5x·10x가 되고 $500은 25x가 됐으며, API 가격 인하 뒤 B2C 손실을 줄이려는 것으로 생각한다.

6
Ultrafast 가격

GPT-6 Astra Ultrafast는 $60/$300으로 기존 $10/$50보다 6배 비싸고, Codex에서 최대 8배·API에서 최대 6배 빠른 속도를 내세웠다. API와 Pro $500, Enterprise의 ChatGPT Work·Codex에서 쓸 수 있으며, 속도만큼 비싸진 셈이라고 말한다.

7
협업·클라우드

ChatGPT를 켜 둔 채 팀원과 협업하는 ChatGPT Space와 어디서든 Codex를 실행하는 Codex 클라우드도 나왔다. 이어 가장 중요한 발표로 GPT-6.1 Sol을 따로 꺼낸다.

8
GPT-6.1 Sol 비용

Terminal-Bench 4.0에서 GPT-6.1 Sol은 Opus 5.5·Fable 5.1·GPT-6 Astra보다 높게 제시됐고, 작업당 비용은 $0.72로 Fable 5.1·Sonnet 5.5의 약 10분의 1, Opus 5.5의 약 8분의 1이라고 비교한다.

9
토큰 효율

같은 지능이라도 많은 토큰으로 끌어올렸는지가 중요하다고 본다. 더 sparsity한 MoE, 즉 토큰당 호출하는 expert 수를 줄이는 구조는 더 많은 양질 데이터와 라우터 학습을 요구하지만 토큰당 지능 압축비를 좋게 만들 수 있다는 설명이다.

10
지능의 세 축

지능을 높이는 축은 사전학습, RL·사후학습, test-time compute 세 가지라고 정리한다. 사전학습은 데이터·학습 컴퓨트·아키텍처로 기본 능력을 높이고, RL은 작업을 더 정확하고 효율적으로 풀게 하며, test-time compute는 답할 때 더 오래 생각하게 한다.

11
Recurrent Depth

GPT-6의 낮은 reasoning 토큰 비중을 NVL72 효과만으로 보지 않는다. Recurrent Depth가 한 요소이며, 연구 리더십을 되찾은 배경과 관련해 이미 주간 보고에서 설명했다고 이어간다.

12
비교 기준

코드 병합성을 고려한 FrontierCode v1.1을 인용하지 않은 이유도 밝힌다. 다른 모델은 max 또는 xhigh reasoning인데 GPT-6.1 Sol은 medium reasoning으로 평가돼 같은 기준이 아니라고 판단했다.

13
ARR 지표

AI 연구소 전체 ARR은 계속 순항 중이라고 본다. TickerTrends 기준 9월 24일 앤스로픽 ARR은 768억달러, 오픈AI는 504억달러였고, 9월 29일 Axios는 오픈AI ARR 700억달러 보도를 냈다고 적었다.

14
연구소 격차

700억달러 보도는 오픈AI와 AI 설비투자 사이클에 긍정적이라고 본다. Codex Reset의 퍼주기 모드에서 벗어나 Pro 토큰 사용량을 줄이고 감속을 말하기 시작한 점도 700억달러에 가까울 가능성을 뒷받침하는 정황으로 든다.

15
distillation 제약

TPU v7에서 TPU v8t로의 효과 때문에 Gemini 4가 시장 생각보다 나올 수 있다는 기존 생각을 언급한다. 앞으로 6~12개월에는 미국 프런티어 연구소와 중국 open-weight 연구소의 격차가 다시 벌어질 가능성이 있다고 본다.

16
훈련 규모

중국 연구소는 2026년 상반기 Claude의 CoT를 가져와 distillation하기 쉬웠지만, 앤스로픽이 8월 취약점을 막은 뒤 성공률이 10%까지 급감했다고 적었다. Recurrent Depth 모델은 풀이 과정을 충분히 드러내지 않아 학생 모델이 배우기 어려운 비유로 설명한다.

17
MSL 경쟁

요즘 3~4등 경쟁에서는 MSL이 스페이스X보다 앞서 보인다고 한다. 코딩 능력은 비슷하지만 Muse Spark 1.3의 작업당 비용은 $1.60, Grok 4.7은 $3.74이고 output token은 60K와 81K로 비교했다.

18
토큰 효율의 배경과 자금

MSL은 처음부터 사전학습과 RL 스택을 설계해 토큰 효율이 높았기 때문이라고 본다. 오픈AI는 1조4천억달러 가치로 300억달러 자금조달을 진행해 CY27까지 필요한 자금을 미리 채우려는 계획이라고 덧붙인다.

19
메타 Muse

Muse에 사업 운영·신규 고객 확보 목표를 주면 달성해 준다는 구상이다. 메타는 인스타그램·페이스북 계정의 제품·브랜드 이미지·고객 문의를 활용해 영업·마케팅팀을 위한 계속 일하는 비서가 될 수 있고, Muse Code에는 Monitor 기능도 더해졌다고 한다.

20
지속성 세 가지

AI 하드웨어 관점에서 지속형 개인용 에이전트의 특징을 세 가지로 다시 정리한다. 컨텍스트 지속성은 선호·결정·사실을 장기 기억에 저장하고 회상하는 것이다.

21
기억과 eSSD

작업 지속성은 여러 단계나 수일의 작업을 중단 없이 잇고 피드백 뒤 자율 재개하는 성격이다. 관계 지속성은 사용자 소통 방식·일상 루틴·목표 변화에 맞게 상호작용을 최적화하는 성격이다.

22
초고속 추론

이 특성은 Memory Tiering으로 eSSD 수요를 크게 끌어올릴 요인이라고 본다. 컨텍스트 창과 개인별 저장 데이터가 커지고, 더 깊은 제안에는 사용자 정보를 다양하고 오래 저장해야 하므로 기억 자체가 퍼포먼스가 되는 과정이라고 말한다.

23
GPU와 세레브라스

8월 13일 GPT-5.6 Sol Ultrafast는 Cerebras 칩으로 750 TPS 서비스였지만 SemiAnalysis는 GPT-6.1 Sol Ultrafast가 엔비디아 GPU의 낮은 배치 크기로 서비스될 수 있다고 봤다. GPT-6 Astra Ultrafast도 300 TPS와 공식 표기 부재를 들어 엔비디아 GPU 조합으로 추정한다.

24
TPU v9 이전

엔비디아는 TileRT 등으로 Fast Inference에서도 GPU 서빙을 개선하고 있다. 가장 사업성이 큰 프런티어 모델은 엔비디아 GPU에서, 구형 모델은 컴파일러·웨이퍼 파이프라인·커널·통신 최적화 뒤 세레브라스에서 일부 제공될 수 있다고 예상한다.

25
소프트웨어 지연

구글 TPU v9는 앤스로픽이 기존 워크로드 이전에 3개월 이상 적응기간을 요청했고 요구사항도 모두 충족하지 못한다는 소식이 전해진다. 구글은 TSMC에 일부 생산일정 지연을 요청했고 생산능력은 2027년 중반까지 확보해 둔 상태라고 한다.

26
이중 소싱

2027년 중반에도 램프업 궤적이 정해지지 않으면 TSMC가 할당을 다른 기업으로 돌릴 권리를 가진다. 외부 고객 하드웨어의 소프트웨어 최적화에서는 엔비디아보다 성숙하지 않아 지연이 난다는 관찰이다.

27
EMIB-T 능력

CY28 TPU v9는 인텔 EMIB-T를 중심으로 하되 TSMC CoWoS-L도 이중 소싱으로 준비한다. 300만개 중 EMIB-T가 200~250만개, CoWoS-L이 50만개를 맡는다는 예상이며, CoWoS-L에는 새 마스크 레이어와 tape-out이 필요하다.

28
Trainium4

EMIB-T 생산능력은 CY26 5kwpm에서 CY28 40~45kwpm으로 늘어 TPU v9 약 250만개를 만들 분량으로 본다. 부족분은 CoWoS-L로 조달하고 CY27~28 능력 대부분은 미디어텍·구글에 쓰일 것으로 예상한다.

29
앤스로픽 전략

AWS Trainium4는 NVLink Fusion을 적극 채택하고 Native CUDA를 강화했으며, 설계부터 앤스로픽 요구가 반영된 첫 칩이라고 적었다. 다만 설계·대만 공급망 주문이 확정되지 않아 3Q27 양산이 1Q28로 밀릴 수 있다는 얘기가 있다.

30
Meta·Microsoft와 거리

Meta와 Microsoft 내부에서는 Maia 400·MTIA 500번대가 마지막 시험대라는 얘기가 나온다. TPU v9·Trainium4의 자잘한 흐름을 너무 크게 우려하진 않으며, 한 발짝 떨어져서 보면 다 제 속도대로 제 갈길을 가는 과정인 경우가 많다고 말한다.

31
CPO 스위치

Meta와 Microsoft 내부에서는 Maia 400·MTIA 500번대가 사실상 마지막 시험대라는 얘기도 나온다. 성과가 기대에 못 미치면 엔비디아 가속기 비중을 다시 높일 수 있다는 의미로 읽는다.

32
시스템 통합

주요 부품 공급업체가 현장에 들어와 9월 초부터 클린룸 단계의 시스템 통합도 가능해졌다고 본다. Scale-up NPO/CPO 광엔진 출하 추정은 CY27 650만개에서 CY28 4,240만개로 증가한다.

33
광엔진 수요

NPO 광엔진 수요는 VR300용 3.2T가 600만개에서 1,970만개, Trainium4용 6.4T가 0에서 1,200만개, AMD용이 50만개에서 170만개, 다른 CSP가 0에서 900만개로 제시됐다.

34
VR300 구조

VR300 NVL576 양산은 CY2H27로 유지된다. NVSwitch Tray에는 보드 두 장, 보드마다 ASIC 네 개, ASIC마다 3.2T 광엔진 네 개가 연결된다. VR300용 Scale-up 스위치에는 CPO와 NPO를 함께 개발하며 기술 성숙도를 감안하면 CY2H27에는 NPO가 메인 SKU일 것으로 전망한다.

35
CPO와 NPO

CY2H28쯤 Feynman도 CPO와 NPO 버전을 동시에 개발하며 Quantum-6와 6.4T 광엔진 여섯 개 조합이다. Trainium4 tape-out은 3Q27에서 1Q28로 늦어질 수 있어 AWS 광엔진 수요 전망도 CY27 0에서 CY28 1,200만개로 수정했다.

36
Feynman·일정

루멘텀은 UHP CW Laser와 ELS, 비아비는 테스트 장비, 셈텍은 TIA·Driver에서 수혜를 본다는 관점이다. 특히 NPO 사이클이 기존 컨센서스보다 길고 높을 것으로 예상해 좋게 본다.

37
부품 수혜 관점

VR300용 Scale-up 스위치에는 CPO와 NPO를 함께 개발한다. Quantum-5와 3.2T 광엔진 네 개 조합에서 NPO는 소켓 방식이라는 차이가 있고, 기술 성숙도를 감안하면 CY2H27에는 NPO가 메인 SKU일 것으로 전망한다.

38
OCS 수요

CY2H28쯤 Feynman도 CPO와 NPO 버전을 동시에 개발하며 Quantum-6와 6.4T 광엔진 여섯 개 조합이다. Trainium4 tape-out은 3Q27에서 1Q28로 늦어질 수 있어 AWS 광엔진 수요 전망도 CY27 0에서 CY28 1,200만개로 수정했다.

39
트랜시버 제약

루멘텀은 UHP CW Laser와 ELS, 비아비는 테스트 장비, 셈텍은 TIA·Driver에서 수혜를 본다는 관점이다. 특히 NPO 사이클이 기존 컨센서스보다 길고 높을 것으로 예상해 좋게 본다.

40
GPU 임대료

Nomura Expert Call에서는 OCS 수요가 더 강해져 구글 CY27 3.5만~4만대, 다른 CSP 포함 4만~5만대로 예상한다. MEMS 방식 OCS는 CY26 점유율 80~85%로 여전히 선도하며 LCOS·SiPh의 유의미한 돌파가 없다고 적었다.

41
블룸에너지

북미 800G는 CY26 4,500만~5,000만개 출하하고 1.6T 수요는 3,000만개지만 3nm DSP와 TIA·Driver 부족으로 실제 출하는 1,000만~1,500만개에 제한될 수 있다. CY27 트랜시버 가격도 견조할 것으로 예상한다.

42
TRO 신청

앱러빈은 유니티의 특정 데이터 수집·사용을 막아 달라는 TRO를 신청했다. 앱러빈은 Ad Quality SDK가 광고·사용자·기기·매출·경매 정보를 수집해 모바일 광고 입찰 모델 성능을 높였다고 주장한다.

43
유니티 반박

유니티는 이를 지배적 사업자가 경쟁 심화와 성장 둔화에 대응해 소송과 위협을 쓰는 사례라고 맞섰다. Ad Quality는 유해 광고를 탐지하는 무료 제품이고, 유니티 성과 개선의 원인은 아니라고 법정에서 못박았다는 설명이다.

44
의료·핀테크 지표

이미 소송 전에 앱러빈이 중단을 요구해 유니티는 데이터 수집 중단 의사를 밝혔지만 성과 개선은 끝나지 않았다고 한다. 2Q26에서 3Q26 사이 유니티는 오르고 앱러빈은 하락하는 추세가 강해져 소송까지 갔으며, 이를 유니티의 구조적 강세 확인으로 긍정적으로 본다. 트랜스메딕스 3Q 비행 건수는 2,809건, 일평균은 30.87건이었다.

45
USDC와 마무리

USDC 유통량은 745억7천만달러, CCTP 전송량은 198억달러이며 약 1년 횡보했다고 기록한다. 주간 -1.70%, 월간 +0.70%로, 월간 20% 이상 성장세를 한 주 유지하는지를 횡보 탈피 기준으로 든다. 현재 변화는 주로 크립토 페어 거래 예탁금 때문이며 결제 펀더멘털 변화는 아니라고 한다. 피겨 테크 지표와 랩 운용 안내로 글을 마친다.

5

그럼에도 빠진내용 정리

잡담·곁다리 내용

별도 참고사항이 없습니다.

생략 기록

별도 생략 기록이 없습니다.

그럼에도 빠진내용 정리

압축/생략
이전 보고 링크, 투자 책임 고지, 첨부자료 링크와 증권사·랩 안내는 원문 순서상 위치를 보존하되 내용은 반복하지 않았다.
잡담/운영
Dots 시연 실수와 CFO의 제품명 착오는 제품 공개 과정의 맥락으로 flow에 남겼다. 첨부자료의 화면·표·링크 자체는 원문에 텍스트 수치만 있어 추가 판독하지 않았다.
불확실한 표현
TPU·Trainium 일정, AI 연구소의 훈련 규모와 ARR, 광부품 수요·가격, 유니티 소송의 원인과 향후 성과는 원문 속 보도·추정·작성자 판단으로 구분해 보존했다.
원문 확인

document_work_runner prepare가 입력 원문을 수정 없이 보존했다.