2026.09.21 · 네이버 프리미엄 콘텐츠 · 올바른 미국주식 by SAPIENS

주간전략보고 : 투자의 생각 (9월 21일~9월 25일)

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

유형
네이버 프리미엄 콘텐츠
날짜
2026.09.21
강연자/작성자
올바른 미국주식 by SAPIENS
분석 주제
미지정
자료 길이
본문 72,432자
1

문서 전체 조망

핵심 구조

AI Labs의 개발 속도와 인프라 병목이 이번 주 판단의 중심이다

AI Labs의 사전학습·RL 경쟁과 메모리·광통신·전력 제약을 함께 다룬다. 개발 속도가 빨라질수록 컴퓨트와 인프라 수요의 구조가 달라져, 각 기술의 공급 병목과 실제 이익 지속성이 중요해진다는 관점이다.

모델 경쟁은 컴퓨트와 RL의 실제 가동 능력으로 옮겨간다

OpenAI·앤스로픽·구글의 경쟁력은 모델 발표 횟수보다 사전학습 클러스터, RL과 데이터 파이프라인을 얼마나 안정적으로 연결하느냐에 달렸다고 본다. 개발 속도가 너무 빠르다는 점 때문에, AI가 다음 모델과 하드웨어 최적화에 참여하는 RSI의 초기 징후도 중요한 변수로 제시한다.

메모리는 성능 계층에서 이익 지속성의 문제로 넘어간다

메모리 Phase 1에서 AI 성능 계층으로 편입되며 이익 추정치가 빠르게 올랐다면, 지금은 메모리 Phase 2로 넘어가는 과정이라고 보고 있습니다. 높은 이익이 얼마나 오래 지속될지를 보는 단계이기 때문에 HBM·DRAM·NAND 부족 대응은 데이터 배치와 인터커넥트 구조까지 함께 바꾼다고 설명한다.

광학·전력·데이터센터는 구축 방식의 병목을 드러낸다

CIOE가 보여준 NPO·CPO·플러거블의 공존, 고속 레이저와 InP 기판의 공급 제약, 인허가 부지와 현장발전의 중요성은 AI 인프라가 한 기술만으로 확장되지 않는다는 점을 보여준다.

중국은 토큰 생산과 유통의 분업으로 접근한다

중국 AI 산업은 Token Factory가 토큰을 생산하고 플랫폼이 이를 라우팅하는 구조로 설명한다. 모델·가속기·서비스가 함께 생태계를 만드는 과정과 실제 사용량 확대를 함께 본다.

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 26-9-16

26-9 미국 클래리티 법안 표결

작성자의 핵심 판단

표결 지연은 단기적으로 불확실성을 남겼지만, 정당 간 접점이 넓어진 점을 법안 통과 가능성을 다시 볼 근거로 평가한다.

근거 보기 2
  1. 원문 구간 1

    서클(CRCL), 로빈후드(HOOD) ​ 서클CRCL은 Neutral을 유지합니다. 로빈후드HOOD는 Neutral을 유지합니다. ​ CLARITY Act : 60표가 필요했는데 49표에 그쳤습니다 CLARITY Act가 결국 상원 본회의 심의에도 들어가지 못했습니다. ​ 9월 15일 상원은 CLARITY Act를 본회의에서 다루기 위한 cloture 표결을 진행했는데, 결과는 찬성 49표 : 반대 50표였습니다. 필요한 표는 60표였습니다. 법안 내용을 놓고 본격적으로 토론하거나 최종 표결까지 간 것도 아니고, 본회의 심의를 시작하기 위한 첫 번째 문턱에서 11표가 부족했습니다. ​ 법안은 2025년 7월 17일 하원에서 294 대 134로 통과했고 → 2026년 5월 14일에는 상원 은행위원회도 15 대 9로 통과했습니다. 여기까지는 초당적인 표가 어느 정도 붙었습니다. → 그러나 마지막 본회의 단계에서는 전혀 달랐습니다. ​ 마지막까지 좁히지 못한 ⓐ트럼프 일가의 코인 이해관계 ⓑ이자 지급 막판 협상의 가장 큰 쟁점 중 하나는 트럼프 대통령과 가족이 직접 암호화폐 사업에서 경제적 이해관계를 갖고 있는 상황에서, 이를 법으로 어디까지 제한할 것이냐였습니다. 민주당 측은 대통령과 고위 공직자가 코인 산업의 규칙을 만드는 동시에 본인이나 가족의 코인 사업에서 이익을 얻는 구조를 더 강하게 막아야 한다고 요구했습니다. ​ 공화당도 표를 확보하기 위해 상당 부분 양보했습니다. 트럼프 대통령은 공화당 Thom Tillis와 민주당 Ruben Gallego가 협상한 윤리조항의 약 80%를 받아들였고, 일정 규모 이상의 암호화폐 자산을 매각하거나 Blind Trust에 맡기는 방안, 법 위반 시 주 검찰총장도 직접 집행할 수 있도록 하는 조항 등이 최종안에 들어갔습니다.

  2. 원문 구간 2

    ​ 공화당은 민주당의 요구를 반영해 최종안에 상당 부분의 윤리조항을 추가했고, 트럼프 대통령도 Tillis-Gallego가 제안한 이해충돌 방지안의 상당 부분을 수용했습니다. 주 검찰총장의 집행권과 일정 규모 이상의 암호화폐 자산에 대한 매각 또는 blind trust 관련 조항까지 들어갔습니다. ​ 그래도 충분하지 않았습니다. 민주당 협상에 참여했던 의원들까지 결국 반대표를 던졌고, 공화당에서도 4명이 이탈하면서 cloture에 필요한 60표를 확보하지 못했습니다. ​ 윤리조항만 해결하면 끝나는 것도 아니었습니다. ​ 은행권은 스테이블코인을 보유한 이용자에게 이자나 보상을 지급하는 구조를 강하게 반대했습니다. 예금과 비슷하게 수익을 주기 시작하면 고객이 예금에서 돈을 빼 스테이블코인으로 옮길 수 있다는 우려 때문입니다. 트럼프 대통령의 코인 이해관계에 대한 민주당의 우려와 은행권의 예금 경쟁 우려가 법안 부결의 주요 배경입니다. ​ 중간선거 전 CLARITY Act 처리는 사실상 끝났습니다 이제 시간은 사실상 거의 남지 않았습니다. ​ 하원은 9월 16일 예정됐던 일정보다 일찍 본회의를 마치고 중간선거 선거운동을 위한 휴회에 들어갔습니다. 상원에서도 이번 표결이 60표에 한참 못 미쳤기 때문에 단기간에 다시 표를 모으기는 쉽지 않은 상황입니다. ​ CLARITY Act 자체가 공식적으로 폐기된 것은 아닙니다. 절차적으로는 재표결 여지가 남아 있습니다. 다만 적어도 11월 중간선거 이전에 시장구조법이 처리되는 시나리오는 사실상 끝났다고 보는 편이 맞습니다. 이후에는 중간선거 이후에 다시 시도할지, 아니면 2027년 새 의회로 넘길지가 남습니다. 로빈후드 : Robinhood Chain 이슈는 주식 관점에서 일단락 Robinhood Chain이 시장의 주목을 받던 9월 4일 일간보고 이후의 흐름을 정리해보면, 로빈후드가 사용자들의 Gas 한도를 상향하고 수수료를 낮춘 뒤 체인 수수료는 고점 대비 약 90% 가까이 하락한 것으로 보입니다.

이 자료에서 다룬 사실

글은 클래리티 법안 표결에 60표가 필요했으나 표결이 연기됐고, 공화당이 민주당 요구를 반영한 윤리조항과 이해충돌 방지안을 수용했다고 적었다.

근거 보기 2
  1. 원문 구간 1

    서클(CRCL), 로빈후드(HOOD) ​ 서클CRCL은 Neutral을 유지합니다. 로빈후드HOOD는 Neutral을 유지합니다. ​ CLARITY Act : 60표가 필요했는데 49표에 그쳤습니다 CLARITY Act가 결국 상원 본회의 심의에도 들어가지 못했습니다. ​ 9월 15일 상원은 CLARITY Act를 본회의에서 다루기 위한 cloture 표결을 진행했는데, 결과는 찬성 49표 : 반대 50표였습니다. 필요한 표는 60표였습니다. 법안 내용을 놓고 본격적으로 토론하거나 최종 표결까지 간 것도 아니고, 본회의 심의를 시작하기 위한 첫 번째 문턱에서 11표가 부족했습니다. ​ 법안은 2025년 7월 17일 하원에서 294 대 134로 통과했고 → 2026년 5월 14일에는 상원 은행위원회도 15 대 9로 통과했습니다. 여기까지는 초당적인 표가 어느 정도 붙었습니다. → 그러나 마지막 본회의 단계에서는 전혀 달랐습니다. ​ 마지막까지 좁히지 못한 ⓐ트럼프 일가의 코인 이해관계 ⓑ이자 지급 막판 협상의 가장 큰 쟁점 중 하나는 트럼프 대통령과 가족이 직접 암호화폐 사업에서 경제적 이해관계를 갖고 있는 상황에서, 이를 법으로 어디까지 제한할 것이냐였습니다. 민주당 측은 대통령과 고위 공직자가 코인 산업의 규칙을 만드는 동시에 본인이나 가족의 코인 사업에서 이익을 얻는 구조를 더 강하게 막아야 한다고 요구했습니다. ​ 공화당도 표를 확보하기 위해 상당 부분 양보했습니다. 트럼프 대통령은 공화당 Thom Tillis와 민주당 Ruben Gallego가 협상한 윤리조항의 약 80%를 받아들였고, 일정 규모 이상의 암호화폐 자산을 매각하거나 Blind Trust에 맡기는 방안, 법 위반 시 주 검찰총장도 직접 집행할 수 있도록 하는 조항 등이 최종안에 들어갔습니다.

  2. 원문 구간 2

    ​ 공화당은 민주당의 요구를 반영해 최종안에 상당 부분의 윤리조항을 추가했고, 트럼프 대통령도 Tillis-Gallego가 제안한 이해충돌 방지안의 상당 부분을 수용했습니다. 주 검찰총장의 집행권과 일정 규모 이상의 암호화폐 자산에 대한 매각 또는 blind trust 관련 조항까지 들어갔습니다. ​ 그래도 충분하지 않았습니다. 민주당 협상에 참여했던 의원들까지 결국 반대표를 던졌고, 공화당에서도 4명이 이탈하면서 cloture에 필요한 60표를 확보하지 못했습니다. ​ 윤리조항만 해결하면 끝나는 것도 아니었습니다. ​ 은행권은 스테이블코인을 보유한 이용자에게 이자나 보상을 지급하는 구조를 강하게 반대했습니다. 예금과 비슷하게 수익을 주기 시작하면 고객이 예금에서 돈을 빼 스테이블코인으로 옮길 수 있다는 우려 때문입니다. 트럼프 대통령의 코인 이해관계에 대한 민주당의 우려와 은행권의 예금 경쟁 우려가 법안 부결의 주요 배경입니다. ​ 중간선거 전 CLARITY Act 처리는 사실상 끝났습니다 이제 시간은 사실상 거의 남지 않았습니다. ​ 하원은 9월 16일 예정됐던 일정보다 일찍 본회의를 마치고 중간선거 선거운동을 위한 휴회에 들어갔습니다. 상원에서도 이번 표결이 60표에 한참 못 미쳤기 때문에 단기간에 다시 표를 모으기는 쉽지 않은 상황입니다. ​ CLARITY Act 자체가 공식적으로 폐기된 것은 아닙니다. 절차적으로는 재표결 여지가 남아 있습니다. 다만 적어도 11월 중간선거 이전에 시장구조법이 처리되는 시나리오는 사실상 끝났다고 보는 편이 맞습니다. 이후에는 중간선거 이후에 다시 시도할지, 아니면 2027년 새 의회로 넘길지가 남습니다. 로빈후드 : Robinhood Chain 이슈는 주식 관점에서 일단락 Robinhood Chain이 시장의 주목을 받던 9월 4일 일간보고 이후의 흐름을 정리해보면, 로빈후드가 사용자들의 Gas 한도를 상향하고 수수료를 낮춘 뒤 체인 수수료는 고점 대비 약 90% 가까이 하락한 것으로 보입니다.

그렇게 판단한 이유

윤리조항과 이해충돌 방지안 수용으로 반대 요인이 일부 완화됐다는 연결을 든다.

근거 보기 2
  1. 원문 구간 1

    서클(CRCL), 로빈후드(HOOD) ​ 서클CRCL은 Neutral을 유지합니다. 로빈후드HOOD는 Neutral을 유지합니다. ​ CLARITY Act : 60표가 필요했는데 49표에 그쳤습니다 CLARITY Act가 결국 상원 본회의 심의에도 들어가지 못했습니다. ​ 9월 15일 상원은 CLARITY Act를 본회의에서 다루기 위한 cloture 표결을 진행했는데, 결과는 찬성 49표 : 반대 50표였습니다. 필요한 표는 60표였습니다. 법안 내용을 놓고 본격적으로 토론하거나 최종 표결까지 간 것도 아니고, 본회의 심의를 시작하기 위한 첫 번째 문턱에서 11표가 부족했습니다. ​ 법안은 2025년 7월 17일 하원에서 294 대 134로 통과했고 → 2026년 5월 14일에는 상원 은행위원회도 15 대 9로 통과했습니다. 여기까지는 초당적인 표가 어느 정도 붙었습니다. → 그러나 마지막 본회의 단계에서는 전혀 달랐습니다. ​ 마지막까지 좁히지 못한 ⓐ트럼프 일가의 코인 이해관계 ⓑ이자 지급 막판 협상의 가장 큰 쟁점 중 하나는 트럼프 대통령과 가족이 직접 암호화폐 사업에서 경제적 이해관계를 갖고 있는 상황에서, 이를 법으로 어디까지 제한할 것이냐였습니다. 민주당 측은 대통령과 고위 공직자가 코인 산업의 규칙을 만드는 동시에 본인이나 가족의 코인 사업에서 이익을 얻는 구조를 더 강하게 막아야 한다고 요구했습니다. ​ 공화당도 표를 확보하기 위해 상당 부분 양보했습니다. 트럼프 대통령은 공화당 Thom Tillis와 민주당 Ruben Gallego가 협상한 윤리조항의 약 80%를 받아들였고, 일정 규모 이상의 암호화폐 자산을 매각하거나 Blind Trust에 맡기는 방안, 법 위반 시 주 검찰총장도 직접 집행할 수 있도록 하는 조항 등이 최종안에 들어갔습니다.

  2. 원문 구간 2

    ​ 공화당은 민주당의 요구를 반영해 최종안에 상당 부분의 윤리조항을 추가했고, 트럼프 대통령도 Tillis-Gallego가 제안한 이해충돌 방지안의 상당 부분을 수용했습니다. 주 검찰총장의 집행권과 일정 규모 이상의 암호화폐 자산에 대한 매각 또는 blind trust 관련 조항까지 들어갔습니다. ​ 그래도 충분하지 않았습니다. 민주당 협상에 참여했던 의원들까지 결국 반대표를 던졌고, 공화당에서도 4명이 이탈하면서 cloture에 필요한 60표를 확보하지 못했습니다. ​ 윤리조항만 해결하면 끝나는 것도 아니었습니다. ​ 은행권은 스테이블코인을 보유한 이용자에게 이자나 보상을 지급하는 구조를 강하게 반대했습니다. 예금과 비슷하게 수익을 주기 시작하면 고객이 예금에서 돈을 빼 스테이블코인으로 옮길 수 있다는 우려 때문입니다. 트럼프 대통령의 코인 이해관계에 대한 민주당의 우려와 은행권의 예금 경쟁 우려가 법안 부결의 주요 배경입니다. ​ 중간선거 전 CLARITY Act 처리는 사실상 끝났습니다 이제 시간은 사실상 거의 남지 않았습니다. ​ 하원은 9월 16일 예정됐던 일정보다 일찍 본회의를 마치고 중간선거 선거운동을 위한 휴회에 들어갔습니다. 상원에서도 이번 표결이 60표에 한참 못 미쳤기 때문에 단기간에 다시 표를 모으기는 쉽지 않은 상황입니다. ​ CLARITY Act 자체가 공식적으로 폐기된 것은 아닙니다. 절차적으로는 재표결 여지가 남아 있습니다. 다만 적어도 11월 중간선거 이전에 시장구조법이 처리되는 시나리오는 사실상 끝났다고 보는 편이 맞습니다. 이후에는 중간선거 이후에 다시 시도할지, 아니면 2027년 새 의회로 넘길지가 남습니다. 로빈후드 : Robinhood Chain 이슈는 주식 관점에서 일단락 Robinhood Chain이 시장의 주목을 받던 9월 4일 일간보고 이후의 흐름을 정리해보면, 로빈후드가 사용자들의 Gas 한도를 상향하고 수수료를 낮춘 뒤 체인 수수료는 고점 대비 약 90% 가까이 하락한 것으로 보입니다.

원문에서 직접 연결한 대상미국 디지털자산 정책
발생발표·발생 후발생일 26-9-17

26-9 프로젝트 주피터 인허가 절차 재개

작성자의 핵심 판단

여러 이슈가 얽혀 있지만 현재 공사·허가·우회노선 절차가 병렬로 진행될 수 있어 펀더멘털 영향은 없을 것으로 평가한다.

근거 보기 3
  1. 원문 구간 1

    새로운 아키텍처로 한 번에 넘어가는 것보다 기존 시스템을 확장하면서 냉각과 전력 밀도를 높이는 쪽이 길어지면, 버티브가 현재 갖고 있는 포지션을 더 오래 활용할 수 있습니다. ​ 800VDC 전환에 직접 베팅한 업체에는 일정 지연 반대로 800VDC 전환 자체가 투자 포인트인 업체들에는 좋지 않은 변화입니다. ​ 전력반도체 업체나 데이터센터용 SST(Solid State Transformer)를 준비하고 있는 인페이즈/솔라엣지 같은 기업들은 실제 채택 시점이 뒤로 밀리면 매출 발생 시점도 늦어집니다. 그래서 이번 변화는 기존 데이터센터 인프라 사업자에는 긍정적이고, 800VDC 전환 속도에 직접 베팅한 업체에는 부정적인 흐름으로 보고 있습니다. ​ 미국 데이터센터 전력망 협회 출범 Emerald AI-구글-엔비디아가 AMEA(AI Energy Management Alliance)를 출범했습니다. 목표는 AI 데이터센터가 전력망 상황에 따라 전력 소비를 동적으로 조절할 수 있도록 공통 기술/운영/정책 프레임워크를 만드는 것입니다. 기존 전력망 설비를 더 효율적으로 쓰고 데이터센터의 계통 연결 속도를 높이기 위해 엔비디아 GPU 생태계 + 구글 TPU 생태계의 표준을 만들려는 작업입니다. 블룸에너지(BE) ​ 블룸에너지BE는 Overweight을 유지합니다. CY27 PER 29.5배(CY27 EPS $9)입니다. 블룸에너지 2Q26 실적발표 : Phase 2 커뮤니티 수용성의 차이, 모든 하이퍼스케일러를 고객으로 품다 ⚡️ 블룸에너지 1Q26 실적발표 : 매출 130% 성장과 마진 빅서프, AI 전력난 해결사⚡️의 일은 이제 시작 ​ 다시 한 번 시끄러운 Project Jupiter ​ 오라클? 중요한 건 목표 가동일 '2027년 2월 1일' FT에 따르면 글로벌 은행들은 지난해 말 오라클 데이터센터 착공을 위해 약 $18B를 대출했지만, 오라클의 부채 급증과 신용도 악화로 이를 기관투자자에게 재매각하려던 신디케이션이 막혔습니다.

  2. 원문 구간 2

    S&P의 신용등급 강등까지 겹치면서 은행들이 예상보다 많은 오라클 관련 대출을 직접 보유하게 됐다는 내용입니다. ​ 이것 자체로 엄청난 문제가 생긴 것까지는 아닙니다. 7월 20일 주간전략보고에서 Project Jupiter를 다뤄드렸던 것에서부터 업데이트해봅니다. 중요한 건 오라클이 가스터빈+왕복엔진 조합으로 뉴멕시코주 도나아나 카운티에서 진행하기 어려워지자 커뮤니티 수용성을 높이려고 SOFC를 택했다는 것이 가장 중요한 전제입니다. ​ 블룸에너지 입장에서는 ⓐ과거의 Project Jupiter와 ⓑ지금의 Project Jupiter 자체가 전혀 다른 의미이며 이번 FT 보도도 마치 ⓐ의 이슈가 지금까지 이어지고 있는 것처럼 적혀있습니다. ​ 기존에 Project Jupiter에 대해서 전해드렸던 내용에서 쭉 업데이트하자면: ​ Energy Transfer는 8월 기존 노선을 변경해 뉴멕시코 주 자체의 관할 토지를 피하고 연방 토지를 통과하는 경로를 새로 제출했습니다. 대신 파이프라인의 목표 가동일은 2026년 8월 15일 → 2027년 2월 1일로 밀렸습니다. 이미 오라클은 Doña Ana County 고객 인도를 1H27 시작으로 표시하고 있습니다. 이것도 7월 20일 말씀드렸던 것처럼 '주/커뮤니티 토지'가 아닌 '연방 토지'이기 때문에 통과될 확률이 매우 높다고 보고 있습니다. 환경단체의 소송 때문에 뉴멕시코주 대법원이 8월 23일 Jupiter의 air permit 관련 행정절차를 일시 중단했지만, 9월 17일 대법원이 두 환경단체의 청구를 기각하면서 허가 프로세스를 다시 진행할 수 있게 됐습니다. 현재 상태는 오히려 건물 공사 진행 → Air permit 재개 → Gas pipeline 우회노선 승인 대기에 가깝습니다. 지금 이미 Shell은 짓고 있어서 병렬로 처리할 수 있는 건입니다.

  3. 원문 구간 3

    ​ 여러 이슈를 한 번에 엮어놔서 쉽게 풀기 어렵게 해뒀지만, 펀더멘탈에 영향은 없을 것으로 봅니다. ​ 데이터센터 구축 우려를 하지 않는 이유 ​ 데이터센터 모라토리엄, 20GW가 규제권 안에 있지만 실제 지연은 2.3GW SemiAnalysis가 <Everyone Says Datacenter Moratoriums Are Killing the US Buildout. We disagree> 뉴스레터 자료를 통해 최근 늘어난 데이터센터 규제가 미국의 전체 구축 속도를 크게 떨어뜨리고 있다는 해석에 반박했습니다. ​ 미국에서는 300개가 넘는 지방정부가 데이터센터 모라토리엄이나 제한 조치를 도입했고, 약 20GW의 계획 용량이 규제 지역 안에 들어가 있습니다. 숫자만 보면 상당히 커 보입니다. ​ 그런데 SemiAnalysis가 프로젝트와 필지를 하나씩 대조한 결과 지방정부 규제로 실제 일정이 밀리고 있는 용량은 1,525MW에 불과했습니다. 여기에 뉴욕주의 조치로 직접 지연되는 약 0.8GW를 더해도 현재 미국에서 규제 때문에 실제로 밀리는 용량은 2.3GW라는 계산입니다. ​ CY27 신규 IT Capacity 38GW 전망도 거의 바뀌지 않았습니다 SemiAnalysis는 미국에서 ​CY27에 38GW의 신규 데이터센터 IT Capacity가 추가될 것으로 보고 있습니다. CY26의 두 배가 넘는 규모입니다. 중요한 건 이 38GW가 아직 계획만 잡혀 있는 숫자가 아니라는 점입니다. ​ 이 가운데 22GW는 이미 건물을 실제로 올리는 공사 단계에 들어갔습니다. 나머지 16GW도 상당수는 자금조달을 끝냈거나 부지 정리/기초 공사를 진행하면서 본공사를 준비하고 있습니다. 쉽게 말하면, CY27 물량의 상당 부분은 이미 돈이 들어가고 공사가 시작된 프로젝트입니다.

이 자료에서 다룬 사실

글은 뉴멕시코주 대법원이 9월 17일 두 환경단체의 청구를 기각해 Project Jupiter의 air permit 절차를 다시 진행할 수 있게 됐다고 적었다. 파이프라인 목표 가동일은 2027년 2월 1일로 변경됐다고도 썼다.

근거 보기 3
  1. 원문 구간 1

    새로운 아키텍처로 한 번에 넘어가는 것보다 기존 시스템을 확장하면서 냉각과 전력 밀도를 높이는 쪽이 길어지면, 버티브가 현재 갖고 있는 포지션을 더 오래 활용할 수 있습니다. ​ 800VDC 전환에 직접 베팅한 업체에는 일정 지연 반대로 800VDC 전환 자체가 투자 포인트인 업체들에는 좋지 않은 변화입니다. ​ 전력반도체 업체나 데이터센터용 SST(Solid State Transformer)를 준비하고 있는 인페이즈/솔라엣지 같은 기업들은 실제 채택 시점이 뒤로 밀리면 매출 발생 시점도 늦어집니다. 그래서 이번 변화는 기존 데이터센터 인프라 사업자에는 긍정적이고, 800VDC 전환 속도에 직접 베팅한 업체에는 부정적인 흐름으로 보고 있습니다. ​ 미국 데이터센터 전력망 협회 출범 Emerald AI-구글-엔비디아가 AMEA(AI Energy Management Alliance)를 출범했습니다. 목표는 AI 데이터센터가 전력망 상황에 따라 전력 소비를 동적으로 조절할 수 있도록 공통 기술/운영/정책 프레임워크를 만드는 것입니다. 기존 전력망 설비를 더 효율적으로 쓰고 데이터센터의 계통 연결 속도를 높이기 위해 엔비디아 GPU 생태계 + 구글 TPU 생태계의 표준을 만들려는 작업입니다. 블룸에너지(BE) ​ 블룸에너지BE는 Overweight을 유지합니다. CY27 PER 29.5배(CY27 EPS $9)입니다. 블룸에너지 2Q26 실적발표 : Phase 2 커뮤니티 수용성의 차이, 모든 하이퍼스케일러를 고객으로 품다 ⚡️ 블룸에너지 1Q26 실적발표 : 매출 130% 성장과 마진 빅서프, AI 전력난 해결사⚡️의 일은 이제 시작 ​ 다시 한 번 시끄러운 Project Jupiter ​ 오라클? 중요한 건 목표 가동일 '2027년 2월 1일' FT에 따르면 글로벌 은행들은 지난해 말 오라클 데이터센터 착공을 위해 약 $18B를 대출했지만, 오라클의 부채 급증과 신용도 악화로 이를 기관투자자에게 재매각하려던 신디케이션이 막혔습니다.

  2. 원문 구간 2

    S&P의 신용등급 강등까지 겹치면서 은행들이 예상보다 많은 오라클 관련 대출을 직접 보유하게 됐다는 내용입니다. ​ 이것 자체로 엄청난 문제가 생긴 것까지는 아닙니다. 7월 20일 주간전략보고에서 Project Jupiter를 다뤄드렸던 것에서부터 업데이트해봅니다. 중요한 건 오라클이 가스터빈+왕복엔진 조합으로 뉴멕시코주 도나아나 카운티에서 진행하기 어려워지자 커뮤니티 수용성을 높이려고 SOFC를 택했다는 것이 가장 중요한 전제입니다. ​ 블룸에너지 입장에서는 ⓐ과거의 Project Jupiter와 ⓑ지금의 Project Jupiter 자체가 전혀 다른 의미이며 이번 FT 보도도 마치 ⓐ의 이슈가 지금까지 이어지고 있는 것처럼 적혀있습니다. ​ 기존에 Project Jupiter에 대해서 전해드렸던 내용에서 쭉 업데이트하자면: ​ Energy Transfer는 8월 기존 노선을 변경해 뉴멕시코 주 자체의 관할 토지를 피하고 연방 토지를 통과하는 경로를 새로 제출했습니다. 대신 파이프라인의 목표 가동일은 2026년 8월 15일 → 2027년 2월 1일로 밀렸습니다. 이미 오라클은 Doña Ana County 고객 인도를 1H27 시작으로 표시하고 있습니다. 이것도 7월 20일 말씀드렸던 것처럼 '주/커뮤니티 토지'가 아닌 '연방 토지'이기 때문에 통과될 확률이 매우 높다고 보고 있습니다. 환경단체의 소송 때문에 뉴멕시코주 대법원이 8월 23일 Jupiter의 air permit 관련 행정절차를 일시 중단했지만, 9월 17일 대법원이 두 환경단체의 청구를 기각하면서 허가 프로세스를 다시 진행할 수 있게 됐습니다. 현재 상태는 오히려 건물 공사 진행 → Air permit 재개 → Gas pipeline 우회노선 승인 대기에 가깝습니다. 지금 이미 Shell은 짓고 있어서 병렬로 처리할 수 있는 건입니다.

  3. 원문 구간 3

    ​ 여러 이슈를 한 번에 엮어놔서 쉽게 풀기 어렵게 해뒀지만, 펀더멘탈에 영향은 없을 것으로 봅니다. ​ 데이터센터 구축 우려를 하지 않는 이유 ​ 데이터센터 모라토리엄, 20GW가 규제권 안에 있지만 실제 지연은 2.3GW SemiAnalysis가 <Everyone Says Datacenter Moratoriums Are Killing the US Buildout. We disagree> 뉴스레터 자료를 통해 최근 늘어난 데이터센터 규제가 미국의 전체 구축 속도를 크게 떨어뜨리고 있다는 해석에 반박했습니다. ​ 미국에서는 300개가 넘는 지방정부가 데이터센터 모라토리엄이나 제한 조치를 도입했고, 약 20GW의 계획 용량이 규제 지역 안에 들어가 있습니다. 숫자만 보면 상당히 커 보입니다. ​ 그런데 SemiAnalysis가 프로젝트와 필지를 하나씩 대조한 결과 지방정부 규제로 실제 일정이 밀리고 있는 용량은 1,525MW에 불과했습니다. 여기에 뉴욕주의 조치로 직접 지연되는 약 0.8GW를 더해도 현재 미국에서 규제 때문에 실제로 밀리는 용량은 2.3GW라는 계산입니다. ​ CY27 신규 IT Capacity 38GW 전망도 거의 바뀌지 않았습니다 SemiAnalysis는 미국에서 ​CY27에 38GW의 신규 데이터센터 IT Capacity가 추가될 것으로 보고 있습니다. CY26의 두 배가 넘는 규모입니다. 중요한 건 이 38GW가 아직 계획만 잡혀 있는 숫자가 아니라는 점입니다. ​ 이 가운데 22GW는 이미 건물을 실제로 올리는 공사 단계에 들어갔습니다. 나머지 16GW도 상당수는 자금조달을 끝냈거나 부지 정리/기초 공사를 진행하면서 본공사를 준비하고 있습니다. 쉽게 말하면, CY27 물량의 상당 부분은 이미 돈이 들어가고 공사가 시작된 프로젝트입니다.

그렇게 판단한 이유

기존 Shell 공사 진행, air permit 재개, 연방 토지를 통과하는 우회 노선이라는 조건을 함께 든다.

근거 보기 3
  1. 원문 구간 1

    새로운 아키텍처로 한 번에 넘어가는 것보다 기존 시스템을 확장하면서 냉각과 전력 밀도를 높이는 쪽이 길어지면, 버티브가 현재 갖고 있는 포지션을 더 오래 활용할 수 있습니다. ​ 800VDC 전환에 직접 베팅한 업체에는 일정 지연 반대로 800VDC 전환 자체가 투자 포인트인 업체들에는 좋지 않은 변화입니다. ​ 전력반도체 업체나 데이터센터용 SST(Solid State Transformer)를 준비하고 있는 인페이즈/솔라엣지 같은 기업들은 실제 채택 시점이 뒤로 밀리면 매출 발생 시점도 늦어집니다. 그래서 이번 변화는 기존 데이터센터 인프라 사업자에는 긍정적이고, 800VDC 전환 속도에 직접 베팅한 업체에는 부정적인 흐름으로 보고 있습니다. ​ 미국 데이터센터 전력망 협회 출범 Emerald AI-구글-엔비디아가 AMEA(AI Energy Management Alliance)를 출범했습니다. 목표는 AI 데이터센터가 전력망 상황에 따라 전력 소비를 동적으로 조절할 수 있도록 공통 기술/운영/정책 프레임워크를 만드는 것입니다. 기존 전력망 설비를 더 효율적으로 쓰고 데이터센터의 계통 연결 속도를 높이기 위해 엔비디아 GPU 생태계 + 구글 TPU 생태계의 표준을 만들려는 작업입니다. 블룸에너지(BE) ​ 블룸에너지BE는 Overweight을 유지합니다. CY27 PER 29.5배(CY27 EPS $9)입니다. 블룸에너지 2Q26 실적발표 : Phase 2 커뮤니티 수용성의 차이, 모든 하이퍼스케일러를 고객으로 품다 ⚡️ 블룸에너지 1Q26 실적발표 : 매출 130% 성장과 마진 빅서프, AI 전력난 해결사⚡️의 일은 이제 시작 ​ 다시 한 번 시끄러운 Project Jupiter ​ 오라클? 중요한 건 목표 가동일 '2027년 2월 1일' FT에 따르면 글로벌 은행들은 지난해 말 오라클 데이터센터 착공을 위해 약 $18B를 대출했지만, 오라클의 부채 급증과 신용도 악화로 이를 기관투자자에게 재매각하려던 신디케이션이 막혔습니다.

  2. 원문 구간 2

    S&P의 신용등급 강등까지 겹치면서 은행들이 예상보다 많은 오라클 관련 대출을 직접 보유하게 됐다는 내용입니다. ​ 이것 자체로 엄청난 문제가 생긴 것까지는 아닙니다. 7월 20일 주간전략보고에서 Project Jupiter를 다뤄드렸던 것에서부터 업데이트해봅니다. 중요한 건 오라클이 가스터빈+왕복엔진 조합으로 뉴멕시코주 도나아나 카운티에서 진행하기 어려워지자 커뮤니티 수용성을 높이려고 SOFC를 택했다는 것이 가장 중요한 전제입니다. ​ 블룸에너지 입장에서는 ⓐ과거의 Project Jupiter와 ⓑ지금의 Project Jupiter 자체가 전혀 다른 의미이며 이번 FT 보도도 마치 ⓐ의 이슈가 지금까지 이어지고 있는 것처럼 적혀있습니다. ​ 기존에 Project Jupiter에 대해서 전해드렸던 내용에서 쭉 업데이트하자면: ​ Energy Transfer는 8월 기존 노선을 변경해 뉴멕시코 주 자체의 관할 토지를 피하고 연방 토지를 통과하는 경로를 새로 제출했습니다. 대신 파이프라인의 목표 가동일은 2026년 8월 15일 → 2027년 2월 1일로 밀렸습니다. 이미 오라클은 Doña Ana County 고객 인도를 1H27 시작으로 표시하고 있습니다. 이것도 7월 20일 말씀드렸던 것처럼 '주/커뮤니티 토지'가 아닌 '연방 토지'이기 때문에 통과될 확률이 매우 높다고 보고 있습니다. 환경단체의 소송 때문에 뉴멕시코주 대법원이 8월 23일 Jupiter의 air permit 관련 행정절차를 일시 중단했지만, 9월 17일 대법원이 두 환경단체의 청구를 기각하면서 허가 프로세스를 다시 진행할 수 있게 됐습니다. 현재 상태는 오히려 건물 공사 진행 → Air permit 재개 → Gas pipeline 우회노선 승인 대기에 가깝습니다. 지금 이미 Shell은 짓고 있어서 병렬로 처리할 수 있는 건입니다.

  3. 원문 구간 3

    ​ 여러 이슈를 한 번에 엮어놔서 쉽게 풀기 어렵게 해뒀지만, 펀더멘탈에 영향은 없을 것으로 봅니다. ​ 데이터센터 구축 우려를 하지 않는 이유 ​ 데이터센터 모라토리엄, 20GW가 규제권 안에 있지만 실제 지연은 2.3GW SemiAnalysis가 <Everyone Says Datacenter Moratoriums Are Killing the US Buildout. We disagree> 뉴스레터 자료를 통해 최근 늘어난 데이터센터 규제가 미국의 전체 구축 속도를 크게 떨어뜨리고 있다는 해석에 반박했습니다. ​ 미국에서는 300개가 넘는 지방정부가 데이터센터 모라토리엄이나 제한 조치를 도입했고, 약 20GW의 계획 용량이 규제 지역 안에 들어가 있습니다. 숫자만 보면 상당히 커 보입니다. ​ 그런데 SemiAnalysis가 프로젝트와 필지를 하나씩 대조한 결과 지방정부 규제로 실제 일정이 밀리고 있는 용량은 1,525MW에 불과했습니다. 여기에 뉴욕주의 조치로 직접 지연되는 약 0.8GW를 더해도 현재 미국에서 규제 때문에 실제로 밀리는 용량은 2.3GW라는 계산입니다. ​ CY27 신규 IT Capacity 38GW 전망도 거의 바뀌지 않았습니다 SemiAnalysis는 미국에서 ​CY27에 38GW의 신규 데이터센터 IT Capacity가 추가될 것으로 보고 있습니다. CY26의 두 배가 넘는 규모입니다. 중요한 건 이 38GW가 아직 계획만 잡혀 있는 숫자가 아니라는 점입니다. ​ 이 가운데 22GW는 이미 건물을 실제로 올리는 공사 단계에 들어갔습니다. 나머지 16GW도 상당수는 자금조달을 끝냈거나 부지 정리/기초 공사를 진행하면서 본공사를 준비하고 있습니다. 쉽게 말하면, CY27 물량의 상당 부분은 이미 돈이 들어가고 공사가 시작된 프로젝트입니다.

원문에서 직접 연결한 대상블룸에너지
발생발표·발생 후발생일 26-9-10

26-9 Aligned 데이터센터 프로젝트 피닉스 착공

작성자의 핵심 판단

Project Phoenix는 CY28~CY29에 완공될 대형 데이터센터 프로젝트로, SOFC 기반 현장발전 규모가 크다는 점을 의미 있게 본다.

근거 보기 3
  1. 원문 구간 1

    ​ 그래서 최근 지방정부들이 데이터센터 규제를 많이 만들었다고 해도 이미 허가를 받고 공사가 진행 중인 프로젝트까지 갑자기 멈추기는 어렵습니다. SemiAnalysis가 최근 1년 동안 모라토리엄이 크게 늘었는데도 CY27 데이터센터 공급 전망을 거의 낮추지 않은 이유입니다. ​ 이미 인허가를 확보한 데이터센터 부지가 더 귀해집니다 투자자 입장에서 먼저 볼 부분은 이미 zoning과 인허가를 확보한 기존 데이터센터 부지의 가치입니다. ​ 지방정부의 규제가 많아질수록 새로 승인을 받아야 하는 Greenfield 개발의 불확실성은 커집니다. 반대로 기존 권리를 확보한 부지는 그대로 공사를 진행할 수 있어 상대적인 희소성이 높아집니다. 모라토리엄이 데이터센터 수요 자체를 없애기보다는 어느 부지에서 먼저 지을 수 있는지를 더 중요하게 만드는 방향에 가깝습니다. ​ 전력망 연결이 어려워질수록, BTM 전력은 더 필요해진다 두 번째는 Behind-the-Meter 전력입니다. ​ 전력망 연결이나 인허가를 까다롭게 만들수록 데이터센터 사업자는 가스터빈, 왕복엔진, SOFC(현장발전원 Top 1~3)처럼 현장에서 직접 전력을 확보하는 방법을 더 적극적으로 찾게 됩니다. SemiAnalysis도 텍사스의 경우 전력망 연결 절차 강화가 일부 프로젝트에는 몇 개월의 행정 지연을 만들지만 전력망을 거치지 않는 BTM 프로젝트에는 오히려 유리하게 작용한다고 보고 있습니다. 블룸에너지에게 계속해서 순풍인 방향으로 보고 있습니다. Aligned Data Centers의 2GW ‘Project Phoenix’ RBC Capital에서 블룸에너지의 새로운 프로젝트 'Project Phoenix'에 대해 알렸습니다. 개발사는 Aligned Data Centers로, 펜실베이니아주 비버 카운티에서 9월 10일 착공식을 진행했습니다.

  2. 원문 구간 2

    3개 데이터센터 시설을 합쳐 전체 프로젝트 규모는 2GW입니다. ​ 전력 조달 구조가 꽤 독특합니다. ​ 전체 2GW 가운데 약 1.2GW는 바이오가스를 블룸에너지 SOFC에 주입해 데이터센터 부지에서 직접 발전하는 방식으로 파악됩니다. 나머지 전력은 약 750MW를 인근 Shippingport 발전소에서 가져올 예정입니다. 이 발전소는 기존 석탄화력에서 가스 발전으로 전환하는 사업이 진행 중입니다. 부족한 전력은 PJM 전력망에서 조달하는 구조입니다. 결국 ⓐ블룸에너지 SOFC + ⓑ인근 가스발전소 + ⓒPJM Grid를 함께 사용하는 하이브리드 전력 프로젝트입니다. ​ 완공 시점은 대략 CY28~CY29로 파악됩니다. 블룸에너지 입장에서는 오라클의 Project Jupiter와 비슷한 시기에 또 하나의 대형 데이터센터 프로젝트가 들어오는 셈입니다. 특히 이번 건은 1.2GW가 SOFC 기반 현장발전으로 잡혀 있어, 기존에 알려진 프로젝트들과 비교해도 규모가 상당히 큽니다. ​ 800V DC 적용 시 1GW 데이터센터 CapEx $3.6B 절감 블룸에너지가 <The New Rules of AI Power> 보고서를 통해 800V DC Native 전력 구조의 경제성을 강조했습니다. 1GW 규모 데이터센터에서 블룸에너지 SOFC로 현장발전한 전력을 800V DC 구조로 직접 공급할 경우, 기존 AC 기반 전력 시스템 대비 CapEx를 $3.6B 절감할 수 있다는 계산입니다. 데이터센터의 전력/냉각/배전 인프라에 해당하는 Powered Shell 비용만 놓고 보면 27% 절감 효과입니다. ​ 5년간 총소유비용(TCO) 기준으로는 절감액이 $5.5B, 전체 TCO의 9%에 달합니다. ​ 핵심은 현장에서 생산한 전력을 다시 여러 단계의 AC/DC 변환을 거치지 않고 800V DC로 직접 서버 랙까지 보내면서 변압기/스위치기어/UPS 등 중간 전력설비를 줄이는 구조입니다.

  3. 원문 구간 3

    블룸에너지는 800V DC 전환이 SOFC의 발전 효율뿐 아니라 데이터센터 전체 건설비를 낮추는 쪽에서도 의미가 크다고 주장하고 있습니다. 마이크론(MU), 샌디스크(SNDK) ​ 마이크론MU는 Overweight을 유지합니다. CY27 PER 5.6배(FY27 PER 6.0배, EPS $170)입니다. 마이크론 2Q26 실적발표 : 이제 메모리는 찍기도 전에 팔린다 마이크론 1Q26 실적발표 : 흔들릴 이유가 없는 어닝 서프라이즈, 구조적 성장주로 거듭나는 길 추론의 시대, 핵심이 된 메모리 #2 : Agentic AI의 시대, NAND가 중요한 이유 'DualPath' 추론의 시대, 핵심이 된 메모리 : 메모리 쇼티지를 떠받치고 있는 힘 ​ 샌디스크SNDK는 Overweight을 유지합니다. CY27 PER 6.0배(Bernstein Bull $300)입니다. 샌디스크 Investor Day 2026 코멘트 / 주간전략보고 : 투자의 생각 (8월 17일~8월 21일) 샌디스크 2Q26 코멘트 / 주간전략보고 : 투자의 생각 (8월 10일~8월 14일) 샌디스크 1Q26 코멘트 / 주간전략보고 : 투자의 생각 (5월 4일~5월 8일) 추론의 시대, 핵심이 된 메모리 #2 : Agentic AI의 시대, NAND가 중요한 이유 'DualPath' 추론의 시대, 핵심이 된 메모리 : 메모리 쇼티지를 떠받치고 있는 힘 ​ HBM5 : 4-hi? 8/12-hi? ​ 지난주 주간전략보고에서 SemiAnalysis가 최근 트렌드상 향후 로드맵에서 4-hi HBM 선호가 나타날 것이라 주장하는 부분과 이것이 현실화됐을 때의 시나리오 분석을 정리드렸었는데, 이후 피드백상 GF증권/TrendForce는 HBM5 4-hi는 데이터센터용으로는 사실상 어려울 것을 짚었습니다.

이 자료에서 다룬 사실

글은 Aligned Data Centers가 펜실베이니아 비버 카운티에서 9월 10일 2GW 규모 Project Phoenix 착공식을 진행했고, 약 1.2GW를 블룸에너지 SOFC 기반 현장발전으로 조달하는 구조라고 소개했다.

근거 보기 3
  1. 원문 구간 1

    ​ 그래서 최근 지방정부들이 데이터센터 규제를 많이 만들었다고 해도 이미 허가를 받고 공사가 진행 중인 프로젝트까지 갑자기 멈추기는 어렵습니다. SemiAnalysis가 최근 1년 동안 모라토리엄이 크게 늘었는데도 CY27 데이터센터 공급 전망을 거의 낮추지 않은 이유입니다. ​ 이미 인허가를 확보한 데이터센터 부지가 더 귀해집니다 투자자 입장에서 먼저 볼 부분은 이미 zoning과 인허가를 확보한 기존 데이터센터 부지의 가치입니다. ​ 지방정부의 규제가 많아질수록 새로 승인을 받아야 하는 Greenfield 개발의 불확실성은 커집니다. 반대로 기존 권리를 확보한 부지는 그대로 공사를 진행할 수 있어 상대적인 희소성이 높아집니다. 모라토리엄이 데이터센터 수요 자체를 없애기보다는 어느 부지에서 먼저 지을 수 있는지를 더 중요하게 만드는 방향에 가깝습니다. ​ 전력망 연결이 어려워질수록, BTM 전력은 더 필요해진다 두 번째는 Behind-the-Meter 전력입니다. ​ 전력망 연결이나 인허가를 까다롭게 만들수록 데이터센터 사업자는 가스터빈, 왕복엔진, SOFC(현장발전원 Top 1~3)처럼 현장에서 직접 전력을 확보하는 방법을 더 적극적으로 찾게 됩니다. SemiAnalysis도 텍사스의 경우 전력망 연결 절차 강화가 일부 프로젝트에는 몇 개월의 행정 지연을 만들지만 전력망을 거치지 않는 BTM 프로젝트에는 오히려 유리하게 작용한다고 보고 있습니다. 블룸에너지에게 계속해서 순풍인 방향으로 보고 있습니다. Aligned Data Centers의 2GW ‘Project Phoenix’ RBC Capital에서 블룸에너지의 새로운 프로젝트 'Project Phoenix'에 대해 알렸습니다. 개발사는 Aligned Data Centers로, 펜실베이니아주 비버 카운티에서 9월 10일 착공식을 진행했습니다.

  2. 원문 구간 2

    3개 데이터센터 시설을 합쳐 전체 프로젝트 규모는 2GW입니다. ​ 전력 조달 구조가 꽤 독특합니다. ​ 전체 2GW 가운데 약 1.2GW는 바이오가스를 블룸에너지 SOFC에 주입해 데이터센터 부지에서 직접 발전하는 방식으로 파악됩니다. 나머지 전력은 약 750MW를 인근 Shippingport 발전소에서 가져올 예정입니다. 이 발전소는 기존 석탄화력에서 가스 발전으로 전환하는 사업이 진행 중입니다. 부족한 전력은 PJM 전력망에서 조달하는 구조입니다. 결국 ⓐ블룸에너지 SOFC + ⓑ인근 가스발전소 + ⓒPJM Grid를 함께 사용하는 하이브리드 전력 프로젝트입니다. ​ 완공 시점은 대략 CY28~CY29로 파악됩니다. 블룸에너지 입장에서는 오라클의 Project Jupiter와 비슷한 시기에 또 하나의 대형 데이터센터 프로젝트가 들어오는 셈입니다. 특히 이번 건은 1.2GW가 SOFC 기반 현장발전으로 잡혀 있어, 기존에 알려진 프로젝트들과 비교해도 규모가 상당히 큽니다. ​ 800V DC 적용 시 1GW 데이터센터 CapEx $3.6B 절감 블룸에너지가 <The New Rules of AI Power> 보고서를 통해 800V DC Native 전력 구조의 경제성을 강조했습니다. 1GW 규모 데이터센터에서 블룸에너지 SOFC로 현장발전한 전력을 800V DC 구조로 직접 공급할 경우, 기존 AC 기반 전력 시스템 대비 CapEx를 $3.6B 절감할 수 있다는 계산입니다. 데이터센터의 전력/냉각/배전 인프라에 해당하는 Powered Shell 비용만 놓고 보면 27% 절감 효과입니다. ​ 5년간 총소유비용(TCO) 기준으로는 절감액이 $5.5B, 전체 TCO의 9%에 달합니다. ​ 핵심은 현장에서 생산한 전력을 다시 여러 단계의 AC/DC 변환을 거치지 않고 800V DC로 직접 서버 랙까지 보내면서 변압기/스위치기어/UPS 등 중간 전력설비를 줄이는 구조입니다.

  3. 원문 구간 3

    블룸에너지는 800V DC 전환이 SOFC의 발전 효율뿐 아니라 데이터센터 전체 건설비를 낮추는 쪽에서도 의미가 크다고 주장하고 있습니다. 마이크론(MU), 샌디스크(SNDK) ​ 마이크론MU는 Overweight을 유지합니다. CY27 PER 5.6배(FY27 PER 6.0배, EPS $170)입니다. 마이크론 2Q26 실적발표 : 이제 메모리는 찍기도 전에 팔린다 마이크론 1Q26 실적발표 : 흔들릴 이유가 없는 어닝 서프라이즈, 구조적 성장주로 거듭나는 길 추론의 시대, 핵심이 된 메모리 #2 : Agentic AI의 시대, NAND가 중요한 이유 'DualPath' 추론의 시대, 핵심이 된 메모리 : 메모리 쇼티지를 떠받치고 있는 힘 ​ 샌디스크SNDK는 Overweight을 유지합니다. CY27 PER 6.0배(Bernstein Bull $300)입니다. 샌디스크 Investor Day 2026 코멘트 / 주간전략보고 : 투자의 생각 (8월 17일~8월 21일) 샌디스크 2Q26 코멘트 / 주간전략보고 : 투자의 생각 (8월 10일~8월 14일) 샌디스크 1Q26 코멘트 / 주간전략보고 : 투자의 생각 (5월 4일~5월 8일) 추론의 시대, 핵심이 된 메모리 #2 : Agentic AI의 시대, NAND가 중요한 이유 'DualPath' 추론의 시대, 핵심이 된 메모리 : 메모리 쇼티지를 떠받치고 있는 힘 ​ HBM5 : 4-hi? 8/12-hi? ​ 지난주 주간전략보고에서 SemiAnalysis가 최근 트렌드상 향후 로드맵에서 4-hi HBM 선호가 나타날 것이라 주장하는 부분과 이것이 현실화됐을 때의 시나리오 분석을 정리드렸었는데, 이후 피드백상 GF증권/TrendForce는 HBM5 4-hi는 데이터센터용으로는 사실상 어려울 것을 짚었습니다.

그렇게 판단한 이유

SOFC·인근 가스발전소·PJM 전력망을 함께 쓰는 하이브리드 전력 조달 구조와 1.2GW 규모를 근거로 든다.

근거 보기 3
  1. 원문 구간 1

    ​ 그래서 최근 지방정부들이 데이터센터 규제를 많이 만들었다고 해도 이미 허가를 받고 공사가 진행 중인 프로젝트까지 갑자기 멈추기는 어렵습니다. SemiAnalysis가 최근 1년 동안 모라토리엄이 크게 늘었는데도 CY27 데이터센터 공급 전망을 거의 낮추지 않은 이유입니다. ​ 이미 인허가를 확보한 데이터센터 부지가 더 귀해집니다 투자자 입장에서 먼저 볼 부분은 이미 zoning과 인허가를 확보한 기존 데이터센터 부지의 가치입니다. ​ 지방정부의 규제가 많아질수록 새로 승인을 받아야 하는 Greenfield 개발의 불확실성은 커집니다. 반대로 기존 권리를 확보한 부지는 그대로 공사를 진행할 수 있어 상대적인 희소성이 높아집니다. 모라토리엄이 데이터센터 수요 자체를 없애기보다는 어느 부지에서 먼저 지을 수 있는지를 더 중요하게 만드는 방향에 가깝습니다. ​ 전력망 연결이 어려워질수록, BTM 전력은 더 필요해진다 두 번째는 Behind-the-Meter 전력입니다. ​ 전력망 연결이나 인허가를 까다롭게 만들수록 데이터센터 사업자는 가스터빈, 왕복엔진, SOFC(현장발전원 Top 1~3)처럼 현장에서 직접 전력을 확보하는 방법을 더 적극적으로 찾게 됩니다. SemiAnalysis도 텍사스의 경우 전력망 연결 절차 강화가 일부 프로젝트에는 몇 개월의 행정 지연을 만들지만 전력망을 거치지 않는 BTM 프로젝트에는 오히려 유리하게 작용한다고 보고 있습니다. 블룸에너지에게 계속해서 순풍인 방향으로 보고 있습니다. Aligned Data Centers의 2GW ‘Project Phoenix’ RBC Capital에서 블룸에너지의 새로운 프로젝트 'Project Phoenix'에 대해 알렸습니다. 개발사는 Aligned Data Centers로, 펜실베이니아주 비버 카운티에서 9월 10일 착공식을 진행했습니다.

  2. 원문 구간 2

    3개 데이터센터 시설을 합쳐 전체 프로젝트 규모는 2GW입니다. ​ 전력 조달 구조가 꽤 독특합니다. ​ 전체 2GW 가운데 약 1.2GW는 바이오가스를 블룸에너지 SOFC에 주입해 데이터센터 부지에서 직접 발전하는 방식으로 파악됩니다. 나머지 전력은 약 750MW를 인근 Shippingport 발전소에서 가져올 예정입니다. 이 발전소는 기존 석탄화력에서 가스 발전으로 전환하는 사업이 진행 중입니다. 부족한 전력은 PJM 전력망에서 조달하는 구조입니다. 결국 ⓐ블룸에너지 SOFC + ⓑ인근 가스발전소 + ⓒPJM Grid를 함께 사용하는 하이브리드 전력 프로젝트입니다. ​ 완공 시점은 대략 CY28~CY29로 파악됩니다. 블룸에너지 입장에서는 오라클의 Project Jupiter와 비슷한 시기에 또 하나의 대형 데이터센터 프로젝트가 들어오는 셈입니다. 특히 이번 건은 1.2GW가 SOFC 기반 현장발전으로 잡혀 있어, 기존에 알려진 프로젝트들과 비교해도 규모가 상당히 큽니다. ​ 800V DC 적용 시 1GW 데이터센터 CapEx $3.6B 절감 블룸에너지가 <The New Rules of AI Power> 보고서를 통해 800V DC Native 전력 구조의 경제성을 강조했습니다. 1GW 규모 데이터센터에서 블룸에너지 SOFC로 현장발전한 전력을 800V DC 구조로 직접 공급할 경우, 기존 AC 기반 전력 시스템 대비 CapEx를 $3.6B 절감할 수 있다는 계산입니다. 데이터센터의 전력/냉각/배전 인프라에 해당하는 Powered Shell 비용만 놓고 보면 27% 절감 효과입니다. ​ 5년간 총소유비용(TCO) 기준으로는 절감액이 $5.5B, 전체 TCO의 9%에 달합니다. ​ 핵심은 현장에서 생산한 전력을 다시 여러 단계의 AC/DC 변환을 거치지 않고 800V DC로 직접 서버 랙까지 보내면서 변압기/스위치기어/UPS 등 중간 전력설비를 줄이는 구조입니다.

  3. 원문 구간 3

    블룸에너지는 800V DC 전환이 SOFC의 발전 효율뿐 아니라 데이터센터 전체 건설비를 낮추는 쪽에서도 의미가 크다고 주장하고 있습니다. 마이크론(MU), 샌디스크(SNDK) ​ 마이크론MU는 Overweight을 유지합니다. CY27 PER 5.6배(FY27 PER 6.0배, EPS $170)입니다. 마이크론 2Q26 실적발표 : 이제 메모리는 찍기도 전에 팔린다 마이크론 1Q26 실적발표 : 흔들릴 이유가 없는 어닝 서프라이즈, 구조적 성장주로 거듭나는 길 추론의 시대, 핵심이 된 메모리 #2 : Agentic AI의 시대, NAND가 중요한 이유 'DualPath' 추론의 시대, 핵심이 된 메모리 : 메모리 쇼티지를 떠받치고 있는 힘 ​ 샌디스크SNDK는 Overweight을 유지합니다. CY27 PER 6.0배(Bernstein Bull $300)입니다. 샌디스크 Investor Day 2026 코멘트 / 주간전략보고 : 투자의 생각 (8월 17일~8월 21일) 샌디스크 2Q26 코멘트 / 주간전략보고 : 투자의 생각 (8월 10일~8월 14일) 샌디스크 1Q26 코멘트 / 주간전략보고 : 투자의 생각 (5월 4일~5월 8일) 추론의 시대, 핵심이 된 메모리 #2 : Agentic AI의 시대, NAND가 중요한 이유 'DualPath' 추론의 시대, 핵심이 된 메모리 : 메모리 쇼티지를 떠받치고 있는 힘 ​ HBM5 : 4-hi? 8/12-hi? ​ 지난주 주간전략보고에서 SemiAnalysis가 최근 트렌드상 향후 로드맵에서 4-hi HBM 선호가 나타날 것이라 주장하는 부분과 이것이 현실화됐을 때의 시나리오 분석을 정리드렸었는데, 이후 피드백상 GF증권/TrendForce는 HBM5 4-hi는 데이터센터용으로는 사실상 어려울 것을 짚었습니다.

원문에서 직접 연결한 대상블룸에너지데이터센터 전력 산업
발생발표·발생 후발생월 26-9

26-9 CIOE 2026 광통신 컨퍼런스

작성자의 핵심 판단

이번 행사는 NPO를 짧은 과도기 기술로 보는 시각을 바꾸며 NPO·CPO·플러거블이 함께 성장하는 시간이 길어질 수 있다는 문제의식을 남긴다.

근거 보기 5
  1. 원문 구간 1

    그래서 CY27에는 광모듈 조립 캐파만 보는 것이 아니라, 브로드컴과 마벨이 TSMC에서 DSP용 3nm 웨이퍼를 얼마나 확보하느냐까지 봐야 합니다. DSP 공급이 부족하면 트랜시버 업체들이 생산라인을 늘려도 실제 출하량은 제한될 수 있습니다. ​ 여기서 파생된 아이디어로, MaxLinear(MXL)는 SF4에서 DSP를 생산하기 때문에 1.6T향 3nm DSP가 쇼티지가 생길 정도로 필요하면 MXL이 가진 IP의 가치가 높아지는 게 아니냐는 얘기가 있는데, 이건 구체적으로 얼마나 DSP 수요가 되고 실제 할당에 얼마나 영향을 줄지, DSP 기업들별 기술 비교를 해볼 역량이 안돼서 'MXL의 SF향 DSP 생산 설계능력이 향후 부각될 수도 있겠구나' 정도로만 파악해두고 있습니다. ​ 400G/lane은 성공했지만 양산은 아직 물음표 400G/lane은 기술적으로 구현됐지만, 업계에서는 아직 양산 가능성을 완전히 확신하지 못하고 있습니다. 수율, 전력, 열관리, 시스템 Validation 문제가 남아 있기 때문에 첫 400G/lane 상용 제품은 2027년 3월 OFC 전후가 될 것으로 예상됐습니다. ​ 초기에는 3.2T 트랜시버에도 들어가겠지만 더 현실적인 적용처는 1.6T 트랜시버의 Optical Lane 수를 줄이는 것으로 보입니다. 기존에는 200G × 8 lane으로 1.6T를 구현했다면, 400G/lane에서는 400G × 4 lane으로 줄일 수 있습니다. 광소자 수와 패키징 복잡도를 낮추고 전력효율도 개선할 수 있습니다. ​ 플러거블 → NPO → CPO가 아니라, 세 가지가 오래 공존할 가능성 400G/lane으로 넘어가려면 광원/DSP/패키징/열설계까지 여러 부분을 동시에 바꿔야 합니다. 그래서 CIOE에서는 1.6T 플러거블과 NPO 사이클이 예상보다 길어질 가능성을 많이 언급했습니다.

  2. 원문 구간 2

    ​ 기존에는 플러거블 → NPO → CPO 순서로 넘어가면서 NPO를 중간 단계의 브릿지 기술처럼 보는 시각이 많았습니다. 이번에는 분위기가 조금 달랐습니다. 화웨이, 알리바바, 바이트댄스, 텐센트 같은 중국 하이퍼스케일러 및 칩 메이커들이 NPO를 적극적으로 검토하면서, 플러거블 + NPO + CPO가 장기간 함께 사용될 가능성이 높아졌습니다. ​ 특히 중국에서는 NPO와 LPO의 전략적 가치가 매우 큽니다. ​ 중국 업체들은 TSMC를 통해 3nm DSP를 확보할 수 있는 물량이 제한적입니다. 그래서 DSP를 제거하거나 줄일 수 있는 NPO/LPO 구조의 가치가 서구 업체보다 더 큽니다. 이 흐름은 셈텍에 상당히 좋습니다. ​ 셈텍은 LPO/NPO에서 필요한 TIA나 Driver 등 아날로그 프론트엔드 쪽에 강점이 있기 때문에, 미디어텍향 구글 TPU 사이클뿐 아니라 중국 AI CapEx 확대도 중요한 순풍이 될 수 있습니다. 수출규제 대상도 아닙니다. 그리고 NPO/LPO 사이클이 생각보다 더 오랜기간 동안 지속될 가능성이 높아졌다는 점에서도 좋았습니다. ​ 이게 ACC/NPO/LPO에 대해서 시장이 다소 과하게 브릿지 기술이라고 생각하고 있다고 느낍니다. 전체를 좀 더 객관적으로 보시려면 이 부분은 <'빛'의 시대 #2> 자료를 보시면 도움이 되실 것 같습니다. 데이터센터의 전체적인 네트워킹 계층에 대해서 이해할 때 CPO의 시대에도 여전히 구리, 플러거블 트랜시버도 성장하고, 그럼 당연히 NPO도 충분한 고성장 중임을 더 잘 이해하실 수 있습니다. ​ 'CPO'라고 부른다고 실제 구조가 모두 CPO인 것은 아닙니다 여기서 자주 생기는 오해가 하나 있습니다. ​ 기업들은 차세대 광학 구조를 통칭해서 CPO라고 부르는 경우가 많지만 실제 구현은 NPO일 수 있습니다.

  3. 원문 구간 3

    그래서 이름보다 광엔진이 ASIC과 어느 정도 떨어져 있는지, 광원을 어디에 두는지, DSP를 사용하는지를 봐야 합니다. 엔비디아 공급망에서도 VR300 NVL576의 Scale-up 스위치는 NPO가 메인 아키텍처가 될 가능성이 높게 거론되고 있습니다. ​ Spectrum-6 Photonics는 이미 CPO 양산 단계 반면 엔비디아의 Scale-out용 Spectrum-6 Photonics CPO 스위치는 이미 양산 단계로 들어가고 있습니다. ​ 현재 파악되는 공급망은 다음과 같습니다. TSMC : SiPh wafer SPIL : Packaging / Test 루멘텀 : UHP Laser chip TFC : Laser module 조립 Foxconn : Spectrum switch 최종 조립 ​ NPO와 CPO가 동시에 진행되고 있다는 것을 보여주는 사례입니다. Scale-up과 Scale-out이 같은 속도로 같은 아키텍처로 넘어간다고 볼 필요는 없습니다. ​ 저출력 CW Laser는 풀리는데, 고출력/고속 Laser는 여전히 부족합니다 Laser 공급도 사양별로 차이가 커지고 있습니다. ​ 70~100mW급 저출력 CW Laser는 중국 업체들이 생산을 빠르게 늘리면서 공급부족이 완화되고 있습니다. 300~400mW급 고출력 CW Laser와 200G EML급 고속 Laser는 여전히 공급이 타이트합니다. 특히 400mW급은 현재 루멘텀/코히런트 정도만 생산 가능한 것으로 파악됩니다. ​ 이 구간은 옵토일렉트로닉스에게 썩 좋은 흐름은 아닙니다. 고출력에서는 아직 중국 업체들이 인증을 받지 못했지만, 저출력 Laser부터 빠르게 따라오면서 범용 제품의 경쟁은 더 치열해지고 있기 때문입니다. ​ 앞으로는 OCS가 어디에 들어가는지도 더 중요하게 봐야 합니다

  4. 원문 구간 4

    이번 CIOE에서는 VR300 NVL576 구조에 향후 OCS를 추가해 연결 구조 자체를 OCS 중심으로 재편할 가능성도 논의됐습니다. 아직 확정된 구조로 보기에는 이르지만 차세대 AI 칩이나 랙 아키텍처를 볼 때는 GPU/스위치/광모듈만 볼 것이 아니라 OCS가 들어가는지, 들어간다면 어느 구간에 배치되는지까지 같이 봐야겠습니다. ​ 이번 CIOE를 정리하면: ​ 1.6T 수요는 예상보다 강하고, 400G/lane 전환은 생각보다 느리며, 그 사이 NPO/CPO와 플러거블이 함께 커지는 시간이 길어질 가능성이 높아졌습니다. ​ NPO/LPO의 가치 #2- 화웨이 커넥트 2026 ​ Huawei Connect 2026이 개막했습니다. 이번 발표에서 가장 눈에 띄는 것은 화웨이가 업계 최초로 NPO를 적용한 Atlas 960E SuperPoD을 공개했다는 점입니다. ​ 화웨이는 오래전부터 NPO/CPO 논쟁에서, 유지보수와 교체 가능성을 고려하면 최종적으로는 NPO가 더 넓게 쓰일 가능성이 높다고 주장해왔습니다. 네트워킹 역량만 놓고 보면 엔비디아/브로드컴과 비교해도 상당히 강한 업체인 만큼, 이번 선택은 업계 전체에서도 참고할 만합니다. ​ Atlas 960E SuperPoD : 4,096개의 Ascend 960을 하나의 Scale-up Domain으로 연결 Atlas 960E SuperPoD은 3Q27 출시 예정입니다. 4,096개의 Ascend 960을 하나의 Scale-up Domain으로 묶고, 기존에 필요했던 48,000개의 800G 플러거블 모듈을 5,500개의 Hi-ONE NPO 모듈로 대체합니다. Hi-ONE은 모듈당 7.2Tbps를 지원합니다. ​ 화웨이는 이 구조를 통해 클러스터 단위에서 550kW 이상의 전력을 절감할 수 있고 시스템 가동률도 99.8%까지 높일 수 있다고 설명했습니다.

  5. 원문 구간 5

    단순히 대역폭을 높이는 것보다 광모듈 수를 크게 줄여 전력과 복잡도를 낮추는 쪽에 초점을 둔 구조입니다. ​ Ascend 960 출시 일정도 앞당겼습니다 칩 로드맵도 빨라졌습니다. ​ Ascend 960DT : 1Q27 출시 예정, 기존 로드맵보다 3분기 앞당김 Ascend 960PR : 3Q27 출시 예정, 기존보다 1분기 앞당김 ​ 화웨이가 AI 가속기와 네트워킹 로드맵을 동시에 당기고 있다는 점도 중요합니다. 중국 AI 인프라 투자가 커질수록 NPO 채택도 같이 빨라질 수 있습니다. ​ 이번 발표도 셈텍에는 좋은 흐름 CIOE 2026에서 정리드렸던 내용과 연결해서 보면, 이번 Atlas 960E SuperPoD 발표 역시 셈텍에게 가장 좋은 흐름 중 하나로 보고 있습니다. 중국은 TSMC 3nm DSP 조달에 제약이 있기 때문에 DSP를 줄이거나 제거할 수 있는 NPO/LPO의 전략적 가치가 더 큽니다. 화웨이가 대규모 Scale-up 시스템에서 NPO를 직접 채택했다는 것은 이 방향성이 실제 제품 로드맵으로 들어오고 있다는 의미입니다. ​ *참고로 셈텍의 광학/HieFo에 대해서는 9월 14일 주간전략보고에서 정리드린 바 있습니다. Magnificent 7 요즘 AI Labs 판에 대한 투자의 생각, 초기 RSI란?, 메모리 부족 대응, 중국 AI 산업 *왼쪽 테이블 : 2026년 9월 20일 EPS 추정치를 변경했습니다. *오른쪽 차트 : Mag 7 기업들의 CY26, CY27 순이익 차트입니다. 엔비디아, 26년 PER 24배 / Overweight 엔비디아 2Q26 실적발표 : 반창고를 뗴고 얻은 두 가지 - CY27 매출성장률 YoY 70% vs GPM 72~73% (바로가기) 엔비디아 2Q26 Preview : 3R에 답할 시간 - Rubin, Rubin Ultra, Revenue Share (바로가기)

이 자료에서 다룬 사실

글은 중국 선전에서 열린 CIOE 2026을 9월 9일~11일 행사로 소개하고, NPO·CPO·플러거블 광학 구조가 공존할 가능성과 공급망 변화를 정리했다.

근거 보기 5
  1. 원문 구간 1

    그래서 CY27에는 광모듈 조립 캐파만 보는 것이 아니라, 브로드컴과 마벨이 TSMC에서 DSP용 3nm 웨이퍼를 얼마나 확보하느냐까지 봐야 합니다. DSP 공급이 부족하면 트랜시버 업체들이 생산라인을 늘려도 실제 출하량은 제한될 수 있습니다. ​ 여기서 파생된 아이디어로, MaxLinear(MXL)는 SF4에서 DSP를 생산하기 때문에 1.6T향 3nm DSP가 쇼티지가 생길 정도로 필요하면 MXL이 가진 IP의 가치가 높아지는 게 아니냐는 얘기가 있는데, 이건 구체적으로 얼마나 DSP 수요가 되고 실제 할당에 얼마나 영향을 줄지, DSP 기업들별 기술 비교를 해볼 역량이 안돼서 'MXL의 SF향 DSP 생산 설계능력이 향후 부각될 수도 있겠구나' 정도로만 파악해두고 있습니다. ​ 400G/lane은 성공했지만 양산은 아직 물음표 400G/lane은 기술적으로 구현됐지만, 업계에서는 아직 양산 가능성을 완전히 확신하지 못하고 있습니다. 수율, 전력, 열관리, 시스템 Validation 문제가 남아 있기 때문에 첫 400G/lane 상용 제품은 2027년 3월 OFC 전후가 될 것으로 예상됐습니다. ​ 초기에는 3.2T 트랜시버에도 들어가겠지만 더 현실적인 적용처는 1.6T 트랜시버의 Optical Lane 수를 줄이는 것으로 보입니다. 기존에는 200G × 8 lane으로 1.6T를 구현했다면, 400G/lane에서는 400G × 4 lane으로 줄일 수 있습니다. 광소자 수와 패키징 복잡도를 낮추고 전력효율도 개선할 수 있습니다. ​ 플러거블 → NPO → CPO가 아니라, 세 가지가 오래 공존할 가능성 400G/lane으로 넘어가려면 광원/DSP/패키징/열설계까지 여러 부분을 동시에 바꿔야 합니다. 그래서 CIOE에서는 1.6T 플러거블과 NPO 사이클이 예상보다 길어질 가능성을 많이 언급했습니다.

  2. 원문 구간 2

    ​ 기존에는 플러거블 → NPO → CPO 순서로 넘어가면서 NPO를 중간 단계의 브릿지 기술처럼 보는 시각이 많았습니다. 이번에는 분위기가 조금 달랐습니다. 화웨이, 알리바바, 바이트댄스, 텐센트 같은 중국 하이퍼스케일러 및 칩 메이커들이 NPO를 적극적으로 검토하면서, 플러거블 + NPO + CPO가 장기간 함께 사용될 가능성이 높아졌습니다. ​ 특히 중국에서는 NPO와 LPO의 전략적 가치가 매우 큽니다. ​ 중국 업체들은 TSMC를 통해 3nm DSP를 확보할 수 있는 물량이 제한적입니다. 그래서 DSP를 제거하거나 줄일 수 있는 NPO/LPO 구조의 가치가 서구 업체보다 더 큽니다. 이 흐름은 셈텍에 상당히 좋습니다. ​ 셈텍은 LPO/NPO에서 필요한 TIA나 Driver 등 아날로그 프론트엔드 쪽에 강점이 있기 때문에, 미디어텍향 구글 TPU 사이클뿐 아니라 중국 AI CapEx 확대도 중요한 순풍이 될 수 있습니다. 수출규제 대상도 아닙니다. 그리고 NPO/LPO 사이클이 생각보다 더 오랜기간 동안 지속될 가능성이 높아졌다는 점에서도 좋았습니다. ​ 이게 ACC/NPO/LPO에 대해서 시장이 다소 과하게 브릿지 기술이라고 생각하고 있다고 느낍니다. 전체를 좀 더 객관적으로 보시려면 이 부분은 <'빛'의 시대 #2> 자료를 보시면 도움이 되실 것 같습니다. 데이터센터의 전체적인 네트워킹 계층에 대해서 이해할 때 CPO의 시대에도 여전히 구리, 플러거블 트랜시버도 성장하고, 그럼 당연히 NPO도 충분한 고성장 중임을 더 잘 이해하실 수 있습니다. ​ 'CPO'라고 부른다고 실제 구조가 모두 CPO인 것은 아닙니다 여기서 자주 생기는 오해가 하나 있습니다. ​ 기업들은 차세대 광학 구조를 통칭해서 CPO라고 부르는 경우가 많지만 실제 구현은 NPO일 수 있습니다.

  3. 원문 구간 3

    그래서 이름보다 광엔진이 ASIC과 어느 정도 떨어져 있는지, 광원을 어디에 두는지, DSP를 사용하는지를 봐야 합니다. 엔비디아 공급망에서도 VR300 NVL576의 Scale-up 스위치는 NPO가 메인 아키텍처가 될 가능성이 높게 거론되고 있습니다. ​ Spectrum-6 Photonics는 이미 CPO 양산 단계 반면 엔비디아의 Scale-out용 Spectrum-6 Photonics CPO 스위치는 이미 양산 단계로 들어가고 있습니다. ​ 현재 파악되는 공급망은 다음과 같습니다. TSMC : SiPh wafer SPIL : Packaging / Test 루멘텀 : UHP Laser chip TFC : Laser module 조립 Foxconn : Spectrum switch 최종 조립 ​ NPO와 CPO가 동시에 진행되고 있다는 것을 보여주는 사례입니다. Scale-up과 Scale-out이 같은 속도로 같은 아키텍처로 넘어간다고 볼 필요는 없습니다. ​ 저출력 CW Laser는 풀리는데, 고출력/고속 Laser는 여전히 부족합니다 Laser 공급도 사양별로 차이가 커지고 있습니다. ​ 70~100mW급 저출력 CW Laser는 중국 업체들이 생산을 빠르게 늘리면서 공급부족이 완화되고 있습니다. 300~400mW급 고출력 CW Laser와 200G EML급 고속 Laser는 여전히 공급이 타이트합니다. 특히 400mW급은 현재 루멘텀/코히런트 정도만 생산 가능한 것으로 파악됩니다. ​ 이 구간은 옵토일렉트로닉스에게 썩 좋은 흐름은 아닙니다. 고출력에서는 아직 중국 업체들이 인증을 받지 못했지만, 저출력 Laser부터 빠르게 따라오면서 범용 제품의 경쟁은 더 치열해지고 있기 때문입니다. ​ 앞으로는 OCS가 어디에 들어가는지도 더 중요하게 봐야 합니다

  4. 원문 구간 4

    이번 CIOE에서는 VR300 NVL576 구조에 향후 OCS를 추가해 연결 구조 자체를 OCS 중심으로 재편할 가능성도 논의됐습니다. 아직 확정된 구조로 보기에는 이르지만 차세대 AI 칩이나 랙 아키텍처를 볼 때는 GPU/스위치/광모듈만 볼 것이 아니라 OCS가 들어가는지, 들어간다면 어느 구간에 배치되는지까지 같이 봐야겠습니다. ​ 이번 CIOE를 정리하면: ​ 1.6T 수요는 예상보다 강하고, 400G/lane 전환은 생각보다 느리며, 그 사이 NPO/CPO와 플러거블이 함께 커지는 시간이 길어질 가능성이 높아졌습니다. ​ NPO/LPO의 가치 #2- 화웨이 커넥트 2026 ​ Huawei Connect 2026이 개막했습니다. 이번 발표에서 가장 눈에 띄는 것은 화웨이가 업계 최초로 NPO를 적용한 Atlas 960E SuperPoD을 공개했다는 점입니다. ​ 화웨이는 오래전부터 NPO/CPO 논쟁에서, 유지보수와 교체 가능성을 고려하면 최종적으로는 NPO가 더 넓게 쓰일 가능성이 높다고 주장해왔습니다. 네트워킹 역량만 놓고 보면 엔비디아/브로드컴과 비교해도 상당히 강한 업체인 만큼, 이번 선택은 업계 전체에서도 참고할 만합니다. ​ Atlas 960E SuperPoD : 4,096개의 Ascend 960을 하나의 Scale-up Domain으로 연결 Atlas 960E SuperPoD은 3Q27 출시 예정입니다. 4,096개의 Ascend 960을 하나의 Scale-up Domain으로 묶고, 기존에 필요했던 48,000개의 800G 플러거블 모듈을 5,500개의 Hi-ONE NPO 모듈로 대체합니다. Hi-ONE은 모듈당 7.2Tbps를 지원합니다. ​ 화웨이는 이 구조를 통해 클러스터 단위에서 550kW 이상의 전력을 절감할 수 있고 시스템 가동률도 99.8%까지 높일 수 있다고 설명했습니다.

  5. 원문 구간 5

    단순히 대역폭을 높이는 것보다 광모듈 수를 크게 줄여 전력과 복잡도를 낮추는 쪽에 초점을 둔 구조입니다. ​ Ascend 960 출시 일정도 앞당겼습니다 칩 로드맵도 빨라졌습니다. ​ Ascend 960DT : 1Q27 출시 예정, 기존 로드맵보다 3분기 앞당김 Ascend 960PR : 3Q27 출시 예정, 기존보다 1분기 앞당김 ​ 화웨이가 AI 가속기와 네트워킹 로드맵을 동시에 당기고 있다는 점도 중요합니다. 중국 AI 인프라 투자가 커질수록 NPO 채택도 같이 빨라질 수 있습니다. ​ 이번 발표도 셈텍에는 좋은 흐름 CIOE 2026에서 정리드렸던 내용과 연결해서 보면, 이번 Atlas 960E SuperPoD 발표 역시 셈텍에게 가장 좋은 흐름 중 하나로 보고 있습니다. 중국은 TSMC 3nm DSP 조달에 제약이 있기 때문에 DSP를 줄이거나 제거할 수 있는 NPO/LPO의 전략적 가치가 더 큽니다. 화웨이가 대규모 Scale-up 시스템에서 NPO를 직접 채택했다는 것은 이 방향성이 실제 제품 로드맵으로 들어오고 있다는 의미입니다. ​ *참고로 셈텍의 광학/HieFo에 대해서는 9월 14일 주간전략보고에서 정리드린 바 있습니다. Magnificent 7 요즘 AI Labs 판에 대한 투자의 생각, 초기 RSI란?, 메모리 부족 대응, 중국 AI 산업 *왼쪽 테이블 : 2026년 9월 20일 EPS 추정치를 변경했습니다. *오른쪽 차트 : Mag 7 기업들의 CY26, CY27 순이익 차트입니다. 엔비디아, 26년 PER 24배 / Overweight 엔비디아 2Q26 실적발표 : 반창고를 뗴고 얻은 두 가지 - CY27 매출성장률 YoY 70% vs GPM 72~73% (바로가기) 엔비디아 2Q26 Preview : 3R에 답할 시간 - Rubin, Rubin Ultra, Revenue Share (바로가기)

그렇게 판단한 이유

중국의 전략적 NPO·LPO 수요, 고출력·고속 레이저 부족, OCS 적용 위치의 중요성을 연결한다.

근거 보기 5
  1. 원문 구간 1

    그래서 CY27에는 광모듈 조립 캐파만 보는 것이 아니라, 브로드컴과 마벨이 TSMC에서 DSP용 3nm 웨이퍼를 얼마나 확보하느냐까지 봐야 합니다. DSP 공급이 부족하면 트랜시버 업체들이 생산라인을 늘려도 실제 출하량은 제한될 수 있습니다. ​ 여기서 파생된 아이디어로, MaxLinear(MXL)는 SF4에서 DSP를 생산하기 때문에 1.6T향 3nm DSP가 쇼티지가 생길 정도로 필요하면 MXL이 가진 IP의 가치가 높아지는 게 아니냐는 얘기가 있는데, 이건 구체적으로 얼마나 DSP 수요가 되고 실제 할당에 얼마나 영향을 줄지, DSP 기업들별 기술 비교를 해볼 역량이 안돼서 'MXL의 SF향 DSP 생산 설계능력이 향후 부각될 수도 있겠구나' 정도로만 파악해두고 있습니다. ​ 400G/lane은 성공했지만 양산은 아직 물음표 400G/lane은 기술적으로 구현됐지만, 업계에서는 아직 양산 가능성을 완전히 확신하지 못하고 있습니다. 수율, 전력, 열관리, 시스템 Validation 문제가 남아 있기 때문에 첫 400G/lane 상용 제품은 2027년 3월 OFC 전후가 될 것으로 예상됐습니다. ​ 초기에는 3.2T 트랜시버에도 들어가겠지만 더 현실적인 적용처는 1.6T 트랜시버의 Optical Lane 수를 줄이는 것으로 보입니다. 기존에는 200G × 8 lane으로 1.6T를 구현했다면, 400G/lane에서는 400G × 4 lane으로 줄일 수 있습니다. 광소자 수와 패키징 복잡도를 낮추고 전력효율도 개선할 수 있습니다. ​ 플러거블 → NPO → CPO가 아니라, 세 가지가 오래 공존할 가능성 400G/lane으로 넘어가려면 광원/DSP/패키징/열설계까지 여러 부분을 동시에 바꿔야 합니다. 그래서 CIOE에서는 1.6T 플러거블과 NPO 사이클이 예상보다 길어질 가능성을 많이 언급했습니다.

  2. 원문 구간 2

    ​ 기존에는 플러거블 → NPO → CPO 순서로 넘어가면서 NPO를 중간 단계의 브릿지 기술처럼 보는 시각이 많았습니다. 이번에는 분위기가 조금 달랐습니다. 화웨이, 알리바바, 바이트댄스, 텐센트 같은 중국 하이퍼스케일러 및 칩 메이커들이 NPO를 적극적으로 검토하면서, 플러거블 + NPO + CPO가 장기간 함께 사용될 가능성이 높아졌습니다. ​ 특히 중국에서는 NPO와 LPO의 전략적 가치가 매우 큽니다. ​ 중국 업체들은 TSMC를 통해 3nm DSP를 확보할 수 있는 물량이 제한적입니다. 그래서 DSP를 제거하거나 줄일 수 있는 NPO/LPO 구조의 가치가 서구 업체보다 더 큽니다. 이 흐름은 셈텍에 상당히 좋습니다. ​ 셈텍은 LPO/NPO에서 필요한 TIA나 Driver 등 아날로그 프론트엔드 쪽에 강점이 있기 때문에, 미디어텍향 구글 TPU 사이클뿐 아니라 중국 AI CapEx 확대도 중요한 순풍이 될 수 있습니다. 수출규제 대상도 아닙니다. 그리고 NPO/LPO 사이클이 생각보다 더 오랜기간 동안 지속될 가능성이 높아졌다는 점에서도 좋았습니다. ​ 이게 ACC/NPO/LPO에 대해서 시장이 다소 과하게 브릿지 기술이라고 생각하고 있다고 느낍니다. 전체를 좀 더 객관적으로 보시려면 이 부분은 <'빛'의 시대 #2> 자료를 보시면 도움이 되실 것 같습니다. 데이터센터의 전체적인 네트워킹 계층에 대해서 이해할 때 CPO의 시대에도 여전히 구리, 플러거블 트랜시버도 성장하고, 그럼 당연히 NPO도 충분한 고성장 중임을 더 잘 이해하실 수 있습니다. ​ 'CPO'라고 부른다고 실제 구조가 모두 CPO인 것은 아닙니다 여기서 자주 생기는 오해가 하나 있습니다. ​ 기업들은 차세대 광학 구조를 통칭해서 CPO라고 부르는 경우가 많지만 실제 구현은 NPO일 수 있습니다.

  3. 원문 구간 3

    그래서 이름보다 광엔진이 ASIC과 어느 정도 떨어져 있는지, 광원을 어디에 두는지, DSP를 사용하는지를 봐야 합니다. 엔비디아 공급망에서도 VR300 NVL576의 Scale-up 스위치는 NPO가 메인 아키텍처가 될 가능성이 높게 거론되고 있습니다. ​ Spectrum-6 Photonics는 이미 CPO 양산 단계 반면 엔비디아의 Scale-out용 Spectrum-6 Photonics CPO 스위치는 이미 양산 단계로 들어가고 있습니다. ​ 현재 파악되는 공급망은 다음과 같습니다. TSMC : SiPh wafer SPIL : Packaging / Test 루멘텀 : UHP Laser chip TFC : Laser module 조립 Foxconn : Spectrum switch 최종 조립 ​ NPO와 CPO가 동시에 진행되고 있다는 것을 보여주는 사례입니다. Scale-up과 Scale-out이 같은 속도로 같은 아키텍처로 넘어간다고 볼 필요는 없습니다. ​ 저출력 CW Laser는 풀리는데, 고출력/고속 Laser는 여전히 부족합니다 Laser 공급도 사양별로 차이가 커지고 있습니다. ​ 70~100mW급 저출력 CW Laser는 중국 업체들이 생산을 빠르게 늘리면서 공급부족이 완화되고 있습니다. 300~400mW급 고출력 CW Laser와 200G EML급 고속 Laser는 여전히 공급이 타이트합니다. 특히 400mW급은 현재 루멘텀/코히런트 정도만 생산 가능한 것으로 파악됩니다. ​ 이 구간은 옵토일렉트로닉스에게 썩 좋은 흐름은 아닙니다. 고출력에서는 아직 중국 업체들이 인증을 받지 못했지만, 저출력 Laser부터 빠르게 따라오면서 범용 제품의 경쟁은 더 치열해지고 있기 때문입니다. ​ 앞으로는 OCS가 어디에 들어가는지도 더 중요하게 봐야 합니다

  4. 원문 구간 4

    이번 CIOE에서는 VR300 NVL576 구조에 향후 OCS를 추가해 연결 구조 자체를 OCS 중심으로 재편할 가능성도 논의됐습니다. 아직 확정된 구조로 보기에는 이르지만 차세대 AI 칩이나 랙 아키텍처를 볼 때는 GPU/스위치/광모듈만 볼 것이 아니라 OCS가 들어가는지, 들어간다면 어느 구간에 배치되는지까지 같이 봐야겠습니다. ​ 이번 CIOE를 정리하면: ​ 1.6T 수요는 예상보다 강하고, 400G/lane 전환은 생각보다 느리며, 그 사이 NPO/CPO와 플러거블이 함께 커지는 시간이 길어질 가능성이 높아졌습니다. ​ NPO/LPO의 가치 #2- 화웨이 커넥트 2026 ​ Huawei Connect 2026이 개막했습니다. 이번 발표에서 가장 눈에 띄는 것은 화웨이가 업계 최초로 NPO를 적용한 Atlas 960E SuperPoD을 공개했다는 점입니다. ​ 화웨이는 오래전부터 NPO/CPO 논쟁에서, 유지보수와 교체 가능성을 고려하면 최종적으로는 NPO가 더 넓게 쓰일 가능성이 높다고 주장해왔습니다. 네트워킹 역량만 놓고 보면 엔비디아/브로드컴과 비교해도 상당히 강한 업체인 만큼, 이번 선택은 업계 전체에서도 참고할 만합니다. ​ Atlas 960E SuperPoD : 4,096개의 Ascend 960을 하나의 Scale-up Domain으로 연결 Atlas 960E SuperPoD은 3Q27 출시 예정입니다. 4,096개의 Ascend 960을 하나의 Scale-up Domain으로 묶고, 기존에 필요했던 48,000개의 800G 플러거블 모듈을 5,500개의 Hi-ONE NPO 모듈로 대체합니다. Hi-ONE은 모듈당 7.2Tbps를 지원합니다. ​ 화웨이는 이 구조를 통해 클러스터 단위에서 550kW 이상의 전력을 절감할 수 있고 시스템 가동률도 99.8%까지 높일 수 있다고 설명했습니다.

  5. 원문 구간 5

    단순히 대역폭을 높이는 것보다 광모듈 수를 크게 줄여 전력과 복잡도를 낮추는 쪽에 초점을 둔 구조입니다. ​ Ascend 960 출시 일정도 앞당겼습니다 칩 로드맵도 빨라졌습니다. ​ Ascend 960DT : 1Q27 출시 예정, 기존 로드맵보다 3분기 앞당김 Ascend 960PR : 3Q27 출시 예정, 기존보다 1분기 앞당김 ​ 화웨이가 AI 가속기와 네트워킹 로드맵을 동시에 당기고 있다는 점도 중요합니다. 중국 AI 인프라 투자가 커질수록 NPO 채택도 같이 빨라질 수 있습니다. ​ 이번 발표도 셈텍에는 좋은 흐름 CIOE 2026에서 정리드렸던 내용과 연결해서 보면, 이번 Atlas 960E SuperPoD 발표 역시 셈텍에게 가장 좋은 흐름 중 하나로 보고 있습니다. 중국은 TSMC 3nm DSP 조달에 제약이 있기 때문에 DSP를 줄이거나 제거할 수 있는 NPO/LPO의 전략적 가치가 더 큽니다. 화웨이가 대규모 Scale-up 시스템에서 NPO를 직접 채택했다는 것은 이 방향성이 실제 제품 로드맵으로 들어오고 있다는 의미입니다. ​ *참고로 셈텍의 광학/HieFo에 대해서는 9월 14일 주간전략보고에서 정리드린 바 있습니다. Magnificent 7 요즘 AI Labs 판에 대한 투자의 생각, 초기 RSI란?, 메모리 부족 대응, 중국 AI 산업 *왼쪽 테이블 : 2026년 9월 20일 EPS 추정치를 변경했습니다. *오른쪽 차트 : Mag 7 기업들의 CY26, CY27 순이익 차트입니다. 엔비디아, 26년 PER 24배 / Overweight 엔비디아 2Q26 실적발표 : 반창고를 뗴고 얻은 두 가지 - CY27 매출성장률 YoY 70% vs GPM 72~73% (바로가기) 엔비디아 2Q26 Preview : 3R에 답할 시간 - Rubin, Rubin Ultra, Revenue Share (바로가기)

원문에서 직접 연결한 대상광통신 산업
발생발표·발생 후발생일 26-9-18

26-9 OpenAI Astra for Law 출시

작성자의 핵심 판단

OpenAI가 특정 전문 업무의 실제 활용 흐름에 제품을 맞추는 사례로 제시한다.

근거 보기 2
  1. 원문 구간 1

    따라서 추가 자금조달은 예상 밖의 이벤트라기보다 처음부터 사업계획 안에 들어가 있었던 전제에 가깝습니다. ​ $1.2T 밸류로 자금조달 논의 중 실제로 최근 오픈AI는 다시 $1.2T 이상의 밸류에이션을 기준으로 추가 펀딩 라운드를 논의하고 있습니다. ​ 이번에는 오픈AI가 먼저 자금을 요청했다기보다 투자자들이 오픈AI에 접근해 신규 투자를 논의하기 시작한 것으로 알려졌습니다. GPT-5.6 Sol과 GPT-6 Astra 출시 이후 오픈AI가 다시 AI 모델 경쟁에서 강한 모멘텀을 보이기 시작한 시점과도 겹칩니다. ​ 샘 올트먼은 최근 CY27 이전 IPO 가능성을 일축하고 있기 때문에, 기존 투자자들 입장에서는 이번 라운드가 IPO 이전에 오픈AI 지분을 추가로 확보할 수 있는 기회이기도 합니다. ​ 지난 3월 자금조달 당시 오픈AI의 기업가치는 약 $852B였습니다. 현재 논의되고 있는 $1.2T를 기준으로 보면 불과 6개월 사이 기업가치가 약 41% 상승한 것입니다. 투자자들이 보고 있는 것은 현재의 FCF가 아니라 2030년 $350B 매출까지 성장했을 때 오픈AI가 확보하게 될 AI 플랫폼의 지위와 그 이후의 수익성에 가깝습니다. ​ 법률 업계를 바꿀 'Astra for Law' 오픈AI가 법률 업무에 최적화된 제품인 'Astra for Law'를 발표했습니다. ​ GPT-6 Astra + 법률 분석과 작성 지침 + 더 오작동을 막는 설정 + 2억 3천만 개 이상의 URL에서 미국 판례, 법령, 규정, 법원 규칙 및 행정 결정을 검색할 수 있는 색인을 결합한 프로그램입니다.

  2. 원문 구간 2

    미국 변호사들이 활용할 수 있는 워크플로우에 맞게 접목시켰습니다. ​ 아마존, 26년 PER 32배 / Neutral 아마존 2Q26 실적발표 코멘트 / 주간전략보고 中 (바로가기) 아마존 1Q26 실적발표 코멘트 / 주간전략보고 中 (바로가기​) 아마존 4Q25 실적발표 코멘트 / 주간전략보고 中 (바로가기) ​ 앤스로픽 IPO 일정, 11월로 두 번째 연기 앤스로픽이 원래는 9월 말에 IPO할 것을 목표로 했는데 → 한 번 10월로 연기했었고 → 이번에는 11월 선거 이후로 두 번째 연기했습니다. 오픈AI GPT-6 Astra 발표를 통해서 AI Labs들 사이의 연구 리더십을 오픈AI가 갖게된 것이 영향을 준 것으로 보고 있습니다. ​ 앤스로픽-Rum Group과 컴퓨트 계약 체결 앤스로픽이 Rumble을 보유한 RUM Group과 6년간 총 $13.7B 규모의 컴퓨팅 계약을 체결했습니다. RUM Group은 이번 계약과 함께 앤스로픽에 자사 주식 5,100만 주를 주당 $0.01에 취득할 수 있는 옵션도 부여한 것으로 알려졌습니다. ​ 흥미로운 것은 계약 상대방입니다. Rumble은 트럼프 진영과 연결고리가 많은 기업입니다. Truth Social은 2022년부터 Rumble Cloud 인프라를 사용하고 있고, Rumble의 2021년 초기 투자 라운드에는 당시 JD Vance가 공동운영하던 Narya Capital과 Peter Thiel이 참여했습니다. ​ 그래서 이번 계약은 우선적으로는 앤스로픽이 대규모 컴퓨트를 장기간 확보하는 거래로 봐야 하지만, 트럼프 행정부와 가까운 인사/기업 생태계와 새로운 사업적 연결고리를 만든다는 점도 눈에 띕니다.

이 자료에서 다룬 사실

글은 OpenAI가 법률 업무에 최적화된 Astra for Law를 발표했고, 미국 변호사의 활용 워크플로우에 맞게 접목했다고 적었다.

근거 보기 2
  1. 원문 구간 1

    따라서 추가 자금조달은 예상 밖의 이벤트라기보다 처음부터 사업계획 안에 들어가 있었던 전제에 가깝습니다. ​ $1.2T 밸류로 자금조달 논의 중 실제로 최근 오픈AI는 다시 $1.2T 이상의 밸류에이션을 기준으로 추가 펀딩 라운드를 논의하고 있습니다. ​ 이번에는 오픈AI가 먼저 자금을 요청했다기보다 투자자들이 오픈AI에 접근해 신규 투자를 논의하기 시작한 것으로 알려졌습니다. GPT-5.6 Sol과 GPT-6 Astra 출시 이후 오픈AI가 다시 AI 모델 경쟁에서 강한 모멘텀을 보이기 시작한 시점과도 겹칩니다. ​ 샘 올트먼은 최근 CY27 이전 IPO 가능성을 일축하고 있기 때문에, 기존 투자자들 입장에서는 이번 라운드가 IPO 이전에 오픈AI 지분을 추가로 확보할 수 있는 기회이기도 합니다. ​ 지난 3월 자금조달 당시 오픈AI의 기업가치는 약 $852B였습니다. 현재 논의되고 있는 $1.2T를 기준으로 보면 불과 6개월 사이 기업가치가 약 41% 상승한 것입니다. 투자자들이 보고 있는 것은 현재의 FCF가 아니라 2030년 $350B 매출까지 성장했을 때 오픈AI가 확보하게 될 AI 플랫폼의 지위와 그 이후의 수익성에 가깝습니다. ​ 법률 업계를 바꿀 'Astra for Law' 오픈AI가 법률 업무에 최적화된 제품인 'Astra for Law'를 발표했습니다. ​ GPT-6 Astra + 법률 분석과 작성 지침 + 더 오작동을 막는 설정 + 2억 3천만 개 이상의 URL에서 미국 판례, 법령, 규정, 법원 규칙 및 행정 결정을 검색할 수 있는 색인을 결합한 프로그램입니다.

  2. 원문 구간 2

    미국 변호사들이 활용할 수 있는 워크플로우에 맞게 접목시켰습니다. ​ 아마존, 26년 PER 32배 / Neutral 아마존 2Q26 실적발표 코멘트 / 주간전략보고 中 (바로가기) 아마존 1Q26 실적발표 코멘트 / 주간전략보고 中 (바로가기​) 아마존 4Q25 실적발표 코멘트 / 주간전략보고 中 (바로가기) ​ 앤스로픽 IPO 일정, 11월로 두 번째 연기 앤스로픽이 원래는 9월 말에 IPO할 것을 목표로 했는데 → 한 번 10월로 연기했었고 → 이번에는 11월 선거 이후로 두 번째 연기했습니다. 오픈AI GPT-6 Astra 발표를 통해서 AI Labs들 사이의 연구 리더십을 오픈AI가 갖게된 것이 영향을 준 것으로 보고 있습니다. ​ 앤스로픽-Rum Group과 컴퓨트 계약 체결 앤스로픽이 Rumble을 보유한 RUM Group과 6년간 총 $13.7B 규모의 컴퓨팅 계약을 체결했습니다. RUM Group은 이번 계약과 함께 앤스로픽에 자사 주식 5,100만 주를 주당 $0.01에 취득할 수 있는 옵션도 부여한 것으로 알려졌습니다. ​ 흥미로운 것은 계약 상대방입니다. Rumble은 트럼프 진영과 연결고리가 많은 기업입니다. Truth Social은 2022년부터 Rumble Cloud 인프라를 사용하고 있고, Rumble의 2021년 초기 투자 라운드에는 당시 JD Vance가 공동운영하던 Narya Capital과 Peter Thiel이 참여했습니다. ​ 그래서 이번 계약은 우선적으로는 앤스로픽이 대규모 컴퓨트를 장기간 확보하는 거래로 봐야 하지만, 트럼프 행정부와 가까운 인사/기업 생태계와 새로운 사업적 연결고리를 만든다는 점도 눈에 띕니다.

그렇게 판단한 이유

법률 업계 사용자를 위한 워크플로우 결합이라는 제품 설명을 근거로 든다.

근거 보기 2
  1. 원문 구간 1

    따라서 추가 자금조달은 예상 밖의 이벤트라기보다 처음부터 사업계획 안에 들어가 있었던 전제에 가깝습니다. ​ $1.2T 밸류로 자금조달 논의 중 실제로 최근 오픈AI는 다시 $1.2T 이상의 밸류에이션을 기준으로 추가 펀딩 라운드를 논의하고 있습니다. ​ 이번에는 오픈AI가 먼저 자금을 요청했다기보다 투자자들이 오픈AI에 접근해 신규 투자를 논의하기 시작한 것으로 알려졌습니다. GPT-5.6 Sol과 GPT-6 Astra 출시 이후 오픈AI가 다시 AI 모델 경쟁에서 강한 모멘텀을 보이기 시작한 시점과도 겹칩니다. ​ 샘 올트먼은 최근 CY27 이전 IPO 가능성을 일축하고 있기 때문에, 기존 투자자들 입장에서는 이번 라운드가 IPO 이전에 오픈AI 지분을 추가로 확보할 수 있는 기회이기도 합니다. ​ 지난 3월 자금조달 당시 오픈AI의 기업가치는 약 $852B였습니다. 현재 논의되고 있는 $1.2T를 기준으로 보면 불과 6개월 사이 기업가치가 약 41% 상승한 것입니다. 투자자들이 보고 있는 것은 현재의 FCF가 아니라 2030년 $350B 매출까지 성장했을 때 오픈AI가 확보하게 될 AI 플랫폼의 지위와 그 이후의 수익성에 가깝습니다. ​ 법률 업계를 바꿀 'Astra for Law' 오픈AI가 법률 업무에 최적화된 제품인 'Astra for Law'를 발표했습니다. ​ GPT-6 Astra + 법률 분석과 작성 지침 + 더 오작동을 막는 설정 + 2억 3천만 개 이상의 URL에서 미국 판례, 법령, 규정, 법원 규칙 및 행정 결정을 검색할 수 있는 색인을 결합한 프로그램입니다.

  2. 원문 구간 2

    미국 변호사들이 활용할 수 있는 워크플로우에 맞게 접목시켰습니다. ​ 아마존, 26년 PER 32배 / Neutral 아마존 2Q26 실적발표 코멘트 / 주간전략보고 中 (바로가기) 아마존 1Q26 실적발표 코멘트 / 주간전략보고 中 (바로가기​) 아마존 4Q25 실적발표 코멘트 / 주간전략보고 中 (바로가기) ​ 앤스로픽 IPO 일정, 11월로 두 번째 연기 앤스로픽이 원래는 9월 말에 IPO할 것을 목표로 했는데 → 한 번 10월로 연기했었고 → 이번에는 11월 선거 이후로 두 번째 연기했습니다. 오픈AI GPT-6 Astra 발표를 통해서 AI Labs들 사이의 연구 리더십을 오픈AI가 갖게된 것이 영향을 준 것으로 보고 있습니다. ​ 앤스로픽-Rum Group과 컴퓨트 계약 체결 앤스로픽이 Rumble을 보유한 RUM Group과 6년간 총 $13.7B 규모의 컴퓨팅 계약을 체결했습니다. RUM Group은 이번 계약과 함께 앤스로픽에 자사 주식 5,100만 주를 주당 $0.01에 취득할 수 있는 옵션도 부여한 것으로 알려졌습니다. ​ 흥미로운 것은 계약 상대방입니다. Rumble은 트럼프 진영과 연결고리가 많은 기업입니다. Truth Social은 2022년부터 Rumble Cloud 인프라를 사용하고 있고, Rumble의 2021년 초기 투자 라운드에는 당시 JD Vance가 공동운영하던 Narya Capital과 Peter Thiel이 참여했습니다. ​ 그래서 이번 계약은 우선적으로는 앤스로픽이 대규모 컴퓨트를 장기간 확보하는 거래로 봐야 하지만, 트럼프 행정부와 가까운 인사/기업 생태계와 새로운 사업적 연결고리를 만든다는 점도 눈에 띕니다.

원문에서 직접 연결한 대상OpenAI
발생발표·발생 후발생일 미확인

앤스로픽 IPO 일정 두 번째 연기

작성자의 핵심 판단

IPO 연기는 자료가 AI Labs의 경쟁력과 컴퓨트 확충을 설명하는 흐름 안에서 별도 자금조달 일정 변수로 남는다.

근거 보기 1
  1. 원문 구간 1

    미국 변호사들이 활용할 수 있는 워크플로우에 맞게 접목시켰습니다. ​ 아마존, 26년 PER 32배 / Neutral 아마존 2Q26 실적발표 코멘트 / 주간전략보고 中 (바로가기) 아마존 1Q26 실적발표 코멘트 / 주간전략보고 中 (바로가기​) 아마존 4Q25 실적발표 코멘트 / 주간전략보고 中 (바로가기) ​ 앤스로픽 IPO 일정, 11월로 두 번째 연기 앤스로픽이 원래는 9월 말에 IPO할 것을 목표로 했는데 → 한 번 10월로 연기했었고 → 이번에는 11월 선거 이후로 두 번째 연기했습니다. 오픈AI GPT-6 Astra 발표를 통해서 AI Labs들 사이의 연구 리더십을 오픈AI가 갖게된 것이 영향을 준 것으로 보고 있습니다. ​ 앤스로픽-Rum Group과 컴퓨트 계약 체결 앤스로픽이 Rumble을 보유한 RUM Group과 6년간 총 $13.7B 규모의 컴퓨팅 계약을 체결했습니다. RUM Group은 이번 계약과 함께 앤스로픽에 자사 주식 5,100만 주를 주당 $0.01에 취득할 수 있는 옵션도 부여한 것으로 알려졌습니다. ​ 흥미로운 것은 계약 상대방입니다. Rumble은 트럼프 진영과 연결고리가 많은 기업입니다. Truth Social은 2022년부터 Rumble Cloud 인프라를 사용하고 있고, Rumble의 2021년 초기 투자 라운드에는 당시 JD Vance가 공동운영하던 Narya Capital과 Peter Thiel이 참여했습니다. ​ 그래서 이번 계약은 우선적으로는 앤스로픽이 대규모 컴퓨트를 장기간 확보하는 거래로 봐야 하지만, 트럼프 행정부와 가까운 인사/기업 생태계와 새로운 사업적 연결고리를 만든다는 점도 눈에 띕니다.

이 자료에서 다룬 사실

글은 앤스로픽의 IPO 일정이 11월로 두 번째 연기됐다고 적었다.

근거 보기 1
  1. 원문 구간 1

    미국 변호사들이 활용할 수 있는 워크플로우에 맞게 접목시켰습니다. ​ 아마존, 26년 PER 32배 / Neutral 아마존 2Q26 실적발표 코멘트 / 주간전략보고 中 (바로가기) 아마존 1Q26 실적발표 코멘트 / 주간전략보고 中 (바로가기​) 아마존 4Q25 실적발표 코멘트 / 주간전략보고 中 (바로가기) ​ 앤스로픽 IPO 일정, 11월로 두 번째 연기 앤스로픽이 원래는 9월 말에 IPO할 것을 목표로 했는데 → 한 번 10월로 연기했었고 → 이번에는 11월 선거 이후로 두 번째 연기했습니다. 오픈AI GPT-6 Astra 발표를 통해서 AI Labs들 사이의 연구 리더십을 오픈AI가 갖게된 것이 영향을 준 것으로 보고 있습니다. ​ 앤스로픽-Rum Group과 컴퓨트 계약 체결 앤스로픽이 Rumble을 보유한 RUM Group과 6년간 총 $13.7B 규모의 컴퓨팅 계약을 체결했습니다. RUM Group은 이번 계약과 함께 앤스로픽에 자사 주식 5,100만 주를 주당 $0.01에 취득할 수 있는 옵션도 부여한 것으로 알려졌습니다. ​ 흥미로운 것은 계약 상대방입니다. Rumble은 트럼프 진영과 연결고리가 많은 기업입니다. Truth Social은 2022년부터 Rumble Cloud 인프라를 사용하고 있고, Rumble의 2021년 초기 투자 라운드에는 당시 JD Vance가 공동운영하던 Narya Capital과 Peter Thiel이 참여했습니다. ​ 그래서 이번 계약은 우선적으로는 앤스로픽이 대규모 컴퓨트를 장기간 확보하는 거래로 봐야 하지만, 트럼프 행정부와 가까운 인사/기업 생태계와 새로운 사업적 연결고리를 만든다는 점도 눈에 띕니다.

그렇게 판단한 이유

IPO 일정이 11월로 다시 미뤄졌다는 사실만을 제시한다.

근거 보기 1
  1. 원문 구간 1

    미국 변호사들이 활용할 수 있는 워크플로우에 맞게 접목시켰습니다. ​ 아마존, 26년 PER 32배 / Neutral 아마존 2Q26 실적발표 코멘트 / 주간전략보고 中 (바로가기) 아마존 1Q26 실적발표 코멘트 / 주간전략보고 中 (바로가기​) 아마존 4Q25 실적발표 코멘트 / 주간전략보고 中 (바로가기) ​ 앤스로픽 IPO 일정, 11월로 두 번째 연기 앤스로픽이 원래는 9월 말에 IPO할 것을 목표로 했는데 → 한 번 10월로 연기했었고 → 이번에는 11월 선거 이후로 두 번째 연기했습니다. 오픈AI GPT-6 Astra 발표를 통해서 AI Labs들 사이의 연구 리더십을 오픈AI가 갖게된 것이 영향을 준 것으로 보고 있습니다. ​ 앤스로픽-Rum Group과 컴퓨트 계약 체결 앤스로픽이 Rumble을 보유한 RUM Group과 6년간 총 $13.7B 규모의 컴퓨팅 계약을 체결했습니다. RUM Group은 이번 계약과 함께 앤스로픽에 자사 주식 5,100만 주를 주당 $0.01에 취득할 수 있는 옵션도 부여한 것으로 알려졌습니다. ​ 흥미로운 것은 계약 상대방입니다. Rumble은 트럼프 진영과 연결고리가 많은 기업입니다. Truth Social은 2022년부터 Rumble Cloud 인프라를 사용하고 있고, Rumble의 2021년 초기 투자 라운드에는 당시 JD Vance가 공동운영하던 Narya Capital과 Peter Thiel이 참여했습니다. ​ 그래서 이번 계약은 우선적으로는 앤스로픽이 대규모 컴퓨트를 장기간 확보하는 거래로 봐야 하지만, 트럼프 행정부와 가까운 인사/기업 생태계와 새로운 사업적 연결고리를 만든다는 점도 눈에 띕니다.

원문에서 직접 연결한 대상앤스로픽
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.

해석·전망AI Labs와 컴퓨트주 대상 · 산업·업종 · AI 모델 산업관련 대상 · 기업·종목 · OpenAI관련 대상 · 기업·종목 · 앤스로픽관련 대상 · 기업·종목 · 구글

사전학습·RL 역량과 컴퓨트는 향후 경쟁력을 어떻게 가르는가?

이 자료가 더한 내용

사전학습과 RL 역량, 대규모 클러스터의 실제 가동 시점을 함께 봐야 향후 6~12개월 경쟁력을 가늠할 수 있다고 본다. 모델 개발이 AI에 의해 빨라지는 RSI의 초기 징후도 이 경쟁의 일부로 제시한다.

근거 보기 12
  1. 원문 구간 1

    AI 사이클의 모든 것을 담은 게빈 베이커 인터뷰 : 버블의 역사는 반복되지 않지만, 운율은 반복된다 (바로가기) ​ 요즘 AI Labs 판에 대한 투자의 생각 ​ Pre-training과 RL을 나눠서 보는 중 AI Labs를 볼 때는 (ㄱ) Pre-training을 얼마나 크게 할 수 있는지, (ㄴ) RL(Reinforcement Learning, 강화학습)을 통해 그 모델의 능력을 얼마나 끌어올릴 수 있는지를 나눠봅니다. 간단하게 보자면 이 두 가지 능력으로 모델과 제품의 퍼포먼스가 결정됩니다. ​ 업계의 컨센을 정리하자면 AI Labs의 컴퓨트 배분은 연구용 컴퓨트 50% : 추론용 컴퓨트 50%가 균형입니다. 연구에는 사전학습과 RL뿐 아니라 같은 하드웨어에서 더 많은 성능을 뽑아내는 최적화도 포함됩니다. 당장의 추론 매출에 쓰지 않는 컴퓨트가 많아 보여도, 연구를 통해 전체 컴퓨트의 효율을 높일 수 있다면 장기적으로는 더 나은 선택입니다. 이 관점에서 보면 각 Labs가 무엇을 잘하고 어디에서 막혀 있는지가 조금 더 선명해집니다. ​ 오픈AI : 쌓아둔 RL 역량에 Blackwell Pre-training 클러스터 효과가 붙기 시작 제가 보는 오픈AI의 변화는 GPT-5에서 RL에서 쌓아뒀던 역량에 본격적으로 스타게이트 애빌린 사전학습 인프라 스케일업이 붙자 엄청난 가속도를 내기 시작했다는 점입니다. GPT-6 Astra의 역전이 구조적이었음을 생각해본다면 앞으로도 AI Labs 지형도에서 오픈AI의 강세를 예상할 수 있습니다. ​ 애빌린이 그동안 가동을 거의 유의미하게 못했던 이유는 엔비디아의 HGX 8-GPU에서 NVL72로 넘어가면서 랙 단위의 하드웨어와 네트워킹, 이를 운용하는 소프트웨어까지 다시 맞춰야 했기 때문입니다.

  2. 원문 구간 2

    애빌린의 가동 시작과 대규모 사전학습을 안정적으로 돌리는 시점 사이에는 차이가 있었다고 보고 있습니다. ​ 오픈AI가 애빌린을 통해서 초기 GB200 NVL72 워크로드 가동은 2025년 7월입니다. Blackwell 클러스터를 추론/RL에는 충분하게 사용했으니 오픈AI의 역량에 충분하게 기여했던 시기이지만, 대규모로 사전학습에 채택한 시기는 2026년 4월에 출시된 GPT-5.5부터였다고 보입니다. ​ 컴퓨트 스케일업 제약이 있었던 GPT-5 시기에는 RL이 성능 향상을 주도했습니다. GPT-5 시절에 RL로만 성능향상을 주도했을 정도였으니 그 사이 RL에 대한 연구는 업계 1위였습니다. 그리고 이제 애빌린이 차례차례 온라인되면서 사전학습을 통한 성능 향상까지 더해지는 구간입니다. ​ 첫 200 cMW(Critical IT Load) 규모의 컴퓨트가 GPT-5.6 Sol과 GPT-6 Astra로 이어졌다고 봅니다. 지금은 현재 8개 동 중 6개 동인 600 cMW가 가동되고 있고, 여기서 훈련한 후속 모델을 내부적으로 사용하고 있다는 전제를 놓고 보면, 다음 메이저 모델 출시 시점은 10~11월 정도를 생각하고 있습니다. 단순하게 전력 용량이 세 배가 됐다고 모델 성능도 세 배가 된다는 뜻은 아닙니다만 그동안 사전학습의 발목을 잡던 제약이 풀리고 있다는 것입니다. 연구 주도권을 가져왔다는 의미입니다. ​ 앤스로픽 : AWS Project Rainier를 먼저 활용할 수 있었고, 이제 다음 증설을 기다리는 중 앤스로픽도 RL은 뛰어나다고 보고 있습니다. 그래서 오픈AI와의 경쟁에서는 어느 시점에 얼마나 큰 사전학습 클러스터를 실제로 사용할 수 있었는지가 중요합니다. ​ 앤스로픽은 Claude 사전학습에 AWS의 Project Rainier를 활용하고 있습니다.

  3. 원문 구간 3

    2025년 6월 24일에 약 50만 개의 Trainium2를 연결한 이 클러스터를 앤스로픽이 모델 개발과 서비스에 사용하기 시작했고 → 2025년 10월 29일에는 Trainium2 100만 개 규모를 구축했었습니다. 규모로 보자면 800cMW입니다. ​ 1GW급 클러스터를 가장 먼저 온라인했던 AI Labs였다는 의미입니다. 오픈AI가 Blackwell 조율에 시간을 쓰던 동안 앤스로픽이 이 인프라를 먼저 활용했고, 그 효과가 Opus 4.5~5.0과 Mythos/Fable로 이어지는 모델 출시 주기를 뒷받침했다고 보고 있습니다. ​ 다음은 증설입니다. 2026년 4월 발표한 파트너십에는 2Q Trainium2 추가 용량과 하반기 Trainium3 대규모 투입, 연말까지 두 세대를 합쳐 약 1GW의 신규 용량을 가동하는 계획이 담겨 있습니다. 2Q에 추가될 물량은 FLOPS로 보면 많지는 않아서, 3Q26에 Trainium3 양산이 시작되는대로 3Q~4Q26에 Trainium3 투입이 늘고 그 효과가 연구와 모델 출시로 이어지려면 2~3개월 정도가 걸릴테니 4Q26~1Q27쯤에 앤스로픽의 연구용 클러스터 역량이 강화되는 것입니다. ​ 그런데 오픈AI가 연구 주도권을 유지할 것으로 예상하는 이유는 GB200/GB300과 Trainium2/2.5의 FLOPS 차이가 크기 때문입니다. 같은 800 cMW를 구축한다는 계산에서는 Trainium2가 667 ExaFLOPS BF16이고, GB300 1,000 ExaFLOPS BF16입니다. FLOPS 기준으로 같으려면 GB300 800cMW = Trainium2 1.2GW와 같습니다. 이론적인 피크 FLOPS가 실제 훈련 처리량과 같지는 않지만 기본적으로 FLOPS 차이가 큽니다. ​ *Dense BF16로 보는 이유는 체크포인트 모델 사전학습 워크로드에 대해서 컴퓨트 격차의 감을 잡기 위함입니다.

  4. 원문 구간 4

    FP8나 FP4, 추론/Reasoning/RL쪽으로 넘어가면 엔비디아가 기본적으로 더 우수합니다. ​ 여기에 오픈AI는 4Q26부터 본격적으로 더 격차를 크게 벌릴 VR200을 대규모로 온라인하기 시작합니다. 같은 시기에 앤스로픽은 Trainium3을 온라인합니다. ​ 이것도 한 번 비교해보자면, Trainium3 NL72 랙은 하나당 81.7kW입니다(NL72x2가 하나의 시스템일 것인데, NL72를 기본 Unit으로 잡았습니다). NL72 랙 하나의 BF16은 48.3 PFLOPS입니다. VR200은 랙 하나당 188~228kW(MaxQ 188, MaxP 228kW)입니다. 랙 하나의 BF16은 288 PFLOPS입니다. ​ 결과적으로는 VR200이 Trainium3의 2.14배~2.59배 BF16 Compute를 갖게 되는 효과입니다. 처음 전제를 잡았던 것처럼 Pre-training + RL 조합으로 역량이 결정되는데 그 중 향후 6~12개월 사전학습 역량에서 오픈AI가 앤스로픽을 앞설 가능성이 높다고 보고 있습니다. ​ 구글 : TPU v8t의 힘을 Gemini 4에서 확인할 차례 구글은 사전학습 인프라가 강한 회사라고 봅니다. TPU, 데이터센터, 네트워크를 함께 설계해온 경험이 있고, 이번 TPU 8t 역시 더 큰 훈련 처리량과 Scale-up 대역폭에 초점을 맞췄습니다. 구글은 이전 세대 대비 Pod당 연산 성능이 거의 세 배라고 설명했습니다. ​ 개인적인 생각으로는 구글이 TPU v8t를 갖고 Gemini 4를 사전훈련 중일 듯 합니다. ​ 구글이 내부적으로 칩을 사용할 준비가 된 시점에 공개하고, GCP에 GA하기 전에 내부 모델 개발에 먼저 활용해왔다는 리듬을 적용한 추정입니다. 2026년 4월 TPU 8t/8i 공개 이후 7월 21일 전후부터 Gemini 4 사전학습에 들어갔을 것이라는 생각입니다.

  5. 원문 구간 5

    ​ 그리고 아직은 마이너한 생각인 것 같은데 개인적으로 Gemini 4에 대해서도 꽤나 기대해보고 있습니다. TPU v7에서 v8t로 넘어가며 사전학습 여력이 커지는 방향을 기대할 만합니다. Hopper → Blackwell 전환의 힘을 믿었다면, TPU v7 → v8t 전환의 힘도 Gemini 4에서 확인해볼 필요가 있지 않겠나 생각하고 있습니다. ​ 물론 RL 역량이 뒤처지기 때문에 특히 코딩이나 장시간 에이전틱 작업에서 성능을 얼마나 안정적으로 끌어올리는지가 관건인데, MSL/xAI도 성공한 것을 구글이 못할 것이란 베팅도 과소평가하는 것이라고 생각합니다. Gemini 4가 다시 구글을 Tier 1 AI Labs에 올리게 만들 것인지 아니면 3등권에서 경쟁하게 만들 것인지를 결정할 변수로 보고 있습니다. 현 시점에 공개된 벤치마크들로 AI Labs들 순위를 매긴다면 오픈AI > 앤스로픽 > 메타(Muse Spark 1.3이 워낙 좋음) > Z.ai = Alibaba = Moonshot = 스페이스X > 구글 > DeepSeek입니다. ​ 메타/스페이스X : 돈으로 연구력 강화 → RL과 데이터 파이프라인 강화 중 메타와 스페이스X는 모두 대규모로 엔비디아 GPU에 올인해서 연구용 FLOPS를 엄청나게 확보했고, 이를 연구성과로 바꾸는 단계입니다. Muse Spark 1.3은 GPT-5.6 Sol보다 약간 뒤처질 정도의 퍼포먼스인데 가격은 GPT-5.6 Sol이 $4/$20이고, Muse Spark 1.3은 $1.25/$4.25니 상당한 경쟁력입니다. ​ 메타/스페이스X는 오픈AI나 앤스로픽보다 외부 추론 서비스에 묶이는 컴퓨트 부담이 아직 없는 수준이기 때문에, 연구에 훨씬 더 많은 컴퓨트를 할당하여 경쟁력을 끌어올리고 있습니다.

  6. 원문 구간 6

    ​ 여기에 남은 과제는 RL과 데이터 파이프라인인데 이건 스페이스X와 메타가 각기 다른 방식으로 보강했습니다. 스페이스X의 Cursor 인수는 코딩 작업의 피드백 루프를 확보하는 움직임으로 양질의 에이전틱/장기간 Trajectory를 얻는 풀로 사용하고 있습니다. MSL의 헤드인 알렉산더 왕의 Scale.ai 사업 자체가 데이터 파이프라인 구축 사업이었기에 메타는 큰 우려가 없습니다. 메타의 내부 Computer Use 평가 환경은 엔지니어의 피드백을 모델 개선으로 연결하려는 시도입니다. ​ 요즘 보기에 Grok, Muse Spark의 성능 향상 기울기가 워낙 가파르다보니, 이 흐름이 이어지면 10~12월에는 지금보다 훨씬 춘추전국시대에 가까운 AI Labs 경쟁이 나타나지 않을까 싶습니다. Pacing the Frontier : 모델의 공개 속도와 컴퓨트 수요는 따로 봐야 ​ 일단 먼저 ​9월 14일 주간전략보고에서 전해드린 다리오 아모데이의 Pacing the Frontier에 대한 해석을 보셨다고 가정하고 글을 이어갑니다. 후속 발언들을 보면, 저는 아직 AI CapEx의 큰 방향을 바꿀 근거로는 보고 있지 않습니다. 모델을 더 신중하게 출시한다는 것과 컴퓨트를 덜 쓴다는 것은 다른 얘기이기 때문입니다. ​ 오픈AI 컴퓨트 담당 임원 사친 카티(Sachin Katti)의 9월 15일 AI Infra Summit 발언이 설명했습니다: 우리(오픈AI)가 프론티어 모델들이 안전하고 정렬되도록 보장하는 방법은 컴퓨트를 투자하는 것입니다. 그래서 역설적인 점은 미래 모델들이 더 안전하고 정렬되도록 하기 위해 우리는 더 많은 컴퓨트가 필요할 것이라는 점입니다. The way we will make sure frontier models are safe and aligned is by spending compute.

  7. 원문 구간 7

    So the counterintuitive point is that we’ll need even more compute to make sure future models are more safe and aligned 같은 컴퓨트를 갖고 있다면 속도를 약간 늦추는 게 되겠지만, 같은 속도를 유지하는 방법은 컴퓨트 투자를 늘리는 것입니다. ​ 일론 머스크가 9월 14일 All-In Summit에서 제안한 Cross-Lab 테스팅도 같은 관점에서 볼 수 있습니다. 각 회사가 자기 모델만 평가하는 대신 경쟁사의 테스트 하네스로도 검증하자는 제안입니다. 실행한다면 모델 하나를 출시하기 전에 수행하는 검사와 추론 작업이 더 늘어납니다. 물론 컴퓨트를 늘리면 모든 정렬 문제가 해결되거나 검증 기간이 사라진다는 뜻은 아닙니다. 병렬화할 수 있는 작업은 더 빨리 처리할 수 있어도, 새로운 문제를 발견하고 원인을 이해하는 데 필요한 시간까지 모두 대체하지는 못합니다. ​ 이미 하던 정렬과 새로 제안된 개발 제한은 구분해야 9월 14일 주간전략보고에서 말씀드린 생각도 이와 연결됩니다. 내부 연구에 사용하는 모델과 고객에게 공개해 수익화하는 모델의 기준은 다릅니다. AI가 다음 모델의 연구를 돕는 속도가 빨라지더라도, 그 결과물을 외부에 내놓기 전에는 별도의 검증이 필요합니다. ​ 저커버그도 경쟁과 손해배상 책임이 각 Labs에 안전성을 확보할 유인을 준다고 주장했습니다. 메타가 보안을 강화하기 위해 Muse 출시를 늦췄고, 다른 회사의 동참을 기다리지 않고 자체적으로 조치했다는 사례를 들었습니다. 정렬과 검증이 이미 제품 개발 과정에 들어가 있었다는 얘기입니다. ​ 가속(RSI)과 감속(정렬)의 상쇄 AI를 활용한 연구 가속(+)과 출시 전 검증 강화(-)가 동시에 진행되는 시나리오를 보고 있습니다.

  8. 원문 구간 8

    모델이 더 빨리 만들어지는 만큼 검증할 대상과 작업도 늘어나는 구조입니다. 두 효과가 정확히 상쇄된다고 계산할 수는 없지만 외부 출시 간격만으로 내부 연구 속도나 컴퓨트 사용량을 판단하기는 어렵습니다. ​ 그리고 이것도 결국에는 RSI를 통해서 유효 컴퓨트가 증가하더라도 그만큼을 다시 정렬에 써야 하기에 Physical Compute에 대한 수요는 계속해서 우상향할 가능성이 높다는 점이므로 AI HW/AI 사이클에는 긍정적이라 보고 있습니다. 개인적으로 RSI 트렌드로 인해서 우려했던 포인트 중 하나가 <1873년, 미국의 미래를 맞힌 투자자들은 왜 파산했을까>에서 전해드린 것처럼 유효 컴퓨트가 기하급수적으로 좋아짐으로써 나타나는 변화였습니다. ​ 9월 14일 브로드컴 CEO의 CNBC 인터뷰 발언도 같은 맥락입니다. 짐 크레이머가 "Pacing the Frontier로 인해 브로드컴의 CY27, CY28 AI 반도체 전망을 재고하게 된 것이 있느냐"고 묻자 호크 탄은 "전혀 그렇지 않다"며, "컴퓨팅 인프라, AI 개발, AI 프론티어 모델, 그리고 이를 통해 세상에 제공되는 제품들에 대한 추론 수요는 매우 강력하고 매우 지속적일 것으로 예상한다"고 말했습니다. ​ 잡썰 : AI 규제 강화파 vs 온건파 이정도까지 깊게 볼 필요는 없으면 좋겠지만, AI 규제와 관련해서는 트럼프 정부 내에서도 AI 규제강화파와 온건파로 나뉩니다. 공화당 내에서 노동자층-중간선거를 생각하는 참모들은 AI 규제를 말하고 있고, 실리콘밸리-성장을 생각하는 참모들은 AI 온건을 말하고 있는 상태입니다. ​ 강화파 → 수지 와일즈(비서실장, 트럼프 선거 총괄), 스콧 베센트(재무부장관), 숀 케언크로스(국가사이버보안책임자), 다리오 아모데이(앤스로픽), 샘 올트먼(오픈AI), 순다르 피차이/데미스 허사비스(구글)

  9. 원문 구간 9

    물론 26%는 업무별 자동화 수준을 가중 합산한 회사 자체 지표이지, 연구 속도가 26% 빨라졌다거나 연구인력의 26%가 필요 없어졌다는 뜻은 아닙니다. ​ GLM : 자신을 서비스할 인프라의 퍼포먼스를 13일 만에 3.22배 높이다 같은 날 Z.ai도 RSI에 대한 연구 자료를 발표했습니다. ​ Z.ai의 사례는 이러한 연구·개발 자동화가 실제 컴퓨트 효율 개선으로 연결된 경우입니다. Z.ai는 10만 개 이상의 중국산 AI 가속기에서 GLM-5.3-Flash를 서비스하는 추론 인프라를 구축했다고 설명했습니다. 이 과정에 GLM-5.3 기반 인프라 에이전트가 참여했고 엔지니어와 에이전트가 함께 시스템을 최적화했습니다. ​ 메모리 용량과 대역폭이 제한된 하드웨어에서 새로운 모델 구조, 1M 컨텍스트, 멀티모달 요청을 처리해야 했습니다. 커널 지원까지 충분하지 않은 환경이었습니다. 개별 연산을 빠르게 만드는 작업뿐 아니라 모델을 나누어 실행하는 방식, 통신, 캐시 처리까지 손봤습니다. 이 사례에서 인상적인 것은 칩을 새 세대로 교체한 것이 아니라 같은 하드웨어를 더 잘 쓰는 소프트웨어를 만드는 데 AI가 참여했다는 점입니다. ​ 추론을 효율적으로 만들면, 다음 개선을 위한 AI도 더 많이 돌릴 수 있다 두 자료가 연결되는 부분은 여기입니다. ​ 앤스로픽에서는 AI가 연구 업무를 더 많이 맡고 있습니다. Z.ai에서는 AI가 참여한 인프라 최적화로 같은 하드웨어에서 더 많은 추론을 처리하게 됐습니다. 이 효율 개선을 연구에 다시 배분한다면 같은 예산으로 더 많은 에이전트를 운용하거나 더 많은 실험을 수행할 여지가 생깁니다. 연구에 쓰인 컴퓨트가 이후 연구에 사용할 컴퓨트의 효율을 높이는 구조입니다. ​ 가령 에이전트가 추론 시스템의 병목을 찾아 개선했다고 가정해보겠습니다.

  10. 원문 구간 10

    그 개선을 실제 서비스에 적용하면 이후 해당 시스템을 사용하는 작업들이 혜택을 받습니다. 다음 최적화를 수행할 에이전트도 그중 하나가 될 수 있습니다. 이런 작업은 외부 고객에게 판매하는 토큰처럼 당장 매출을 만들지는 않습니다. 대신 한 번의 연구 성과가 이후 수많은 추론에 반복적으로 적용된다면 연구에 넣은 컴퓨트의 회수 효과는 커집니다. AI Labs가 컴퓨트를 전부 고객 서비스에 배분하지 않고 내부 연구에 상당 부분 남겨둘 경제적 이유도 여기에서 생각해볼 수 있습니다. ​ 오픈AI : AI가 자신이 돌아갈 차세대 GPU까지 직접 최적화 중 앞의 Z.ai 사례가 중국산 가속기에서 나타난 현상이었다면, ​ AI Infra Summit에서 공개된 오픈AI와 엔비디아 사례는 같은 변화가 가장 프론티어에 있는 모델과 하드웨어에서도 이미 나타나고 있다는 점에서 더 인상적이었습니다. 엔비디아의 이안 벅(Ian Buck)과 오픈AI 컴퓨트 책임자 사친 카티의 대담에 따르면, 오픈AI는 Blackwell에 맞춰 개발하던 GPT-6 Astra 체크포인트 모델을 Rubin으로 옮겨 약간의 수정만으로 바로 실행할 수 있었습니다. ​ *여기서 체크포인트 모델은 Labs가 내부적으로 계속 발전시키고 있는 차세대 모델입니다. 이 모델을 계속 빚어가다가 특정 시점의 체크포인트를 잘라 정렬과 제품화를 거친 뒤 외부에 출시합니다. ​ Rubin에 옮긴 것만으로 3배, Astra가 직접 최적화하자 다시 2배 GPT-6 Astra를 VR200 NVL72에 올리자 Throughput이 바로 3배 높아졌습니다. 같은 시간에 생성하는 토큰이 세 배로 늘었다는 뜻입니다. 정확한 토큰당 비용 개선율은 Rubin 시스템의 높아진 TCO까지 같이 계산해야 하지만, 새로운 하드웨어로 넘어가는 것만으로 추론 경제성이 크게 좋아진 것은 맞습니다.

  11. 원문 구간 11

    ​ 그다음이 더 흥미롭습니다. 오픈AI는 72시간만에 GPT-6 Astra 자체를 에이전트로 사용해, VR200에서 Astra를 더 빠르게 돌리기 위한 추론 커널을 최적화했습니다. 그 결과 Throughput이 다시 2배 올라갔습니다. 하드웨어 전환에서 3배 x 이후 Astra가 직접 수행한 소프트웨어 최적화에서 다시 2배가 붙으면서 GPT-6 Astra 기준 VR200의 Throughput은 GB300 대비 6배 수준까지 높아졌습니다. ​ 몇 주에서 몇 달씩 걸리던 커널 최적화를 이제 주말 사이에 끝내고 있습니다. ​ RSI가 유효 컴퓨트에 미치는 영향 앞에서 본 Z.ai도 비슷했습니다. GLM-5.3 기반 인프라 에이전트가 중국산 가속기의 커널·통신·캐시 구조를 최적화해 13일 만에 Throughput을 3.22배 높였습니다. 이번에는 Astra가 최신 엔비디아 GPU 위에서 자기 자신의 커널을 72시간 동안 최적화했습니다. AI가 다음 모델의 연구를 돕고, 그 모델이 돌아갈 칩을 설계하고, 새로운 칩에 맞는 커널과 소프트웨어를 최적화하고, 그 결과 같은 하드웨어에서 더 많은 토큰을 만들고, 절약된 컴퓨트를 다시 연구에 투입하는 것 까지 하나의 루프입니다. ​ 8월 31일 주간전략보고 자료 중 오픈AI의 할라페뇨에서 함의점으로 전해드렸던 내용에서 이어집니다. 모델의 지능이 높아질수록 HW를 둘러싼 SW를 최적화하는 능력도 같이 좋아집니다. 앤스로픽에서는 AI가 연구를 더 많이 맡기 시작했고, Z.ai에서는 AI가 인프라를 최적화했고, 오픈AI에서는 이제 프론티어 체크포인트 모델이 차세대 엔비디아 GPU 위에서 자기 자신을 더 빠르게 만드는 단계까지 왔습니다. ​ Compute를 점점 더 커머디티화할 수 있는 방향

  12. 원문 구간 12

    AI Labs 입장에서는 굉장히 좋은 변화입니다. 새로운 하드웨어를 도입한 뒤 실제 생산성으로 전환하기까지 걸리는 시간이 짧아지고, 특정 하드웨어의 소프트웨어 스택이 완벽하게 성숙하기를 기다릴 필요도 줄어듭니다. ​ 반대로 칩 메이커 입장에서는 조금 다른 문제가 생깁니다. 과거에는 좋은 칩을 만드는 것뿐 아니라 그 칩을 실제 워크로드에서 제대로 돌릴 수 있는 소프트웨어 생태계 자체가 강력한 진입장벽이었습니다. 경쟁사가 비슷한 FLOPS의 칩을 내놓더라도 커널과 컴파일러, 네트워크, 서빙 스택을 안정화하는 데 상당한 시간이 필요했습니다. ​ AI가 이 시간을 몇 달에서 며칠까지 줄일 수 있다면 이기종 Compute를 실제로 쓸 수 있는 상태로 만드는 속도도 훨씬 빨라집니다. CUDA의 경쟁력이 갑자기 사라진다는 얘기는 아닙니다. 이번 사례처럼 가장 뛰어난 모델과 소프트웨어가 엔비디아의 신제품 성능을 가장 먼저 끌어올릴 수도 있습니다. 다만 고객 입장에서는 이기종 컴퓨트를 엮어서 처리할 장벽이 줄어드니 특정 Compute 공급사에 묶여 있어야 하는 이유는 더 약해집니다. ​ 수요는 높아지는데, 칩 메이커의 실질 GPM은 내려갈 수 있다 최근 Compute 계약들을 계속 살펴보면 이 변화가 계약 구조에서도 나타나고 있습니다. ​ 강도는 다르지만 엔비디아-LPS 보증(칩의 가치에는 관여 X, 약한 Balance Sheet-as-a-Service), 브로드컴-XPV 플랫폼을 통한 대출보증(칩의 잔존가치에 직접 관여 O, 강한 Balance Sheet-as-a-Service), 오픈AI/앤스로픽/메타-AMD(워런트), 오픈AI-세레브라스(워런트), Semi-COT를 위한 AWS-알칩/구글-미디어텍(AVGO XPU GPM 67% → MTK XPU GPM 40%), 구글-마벨(워런트), AWS-퀄컴 계약(워런트)들의 함의가 다 같습니다.

해석·전망AI 메모리 사이클주 대상 · 산업·업종 · 메모리 반도체 산업관련 대상 · 기술·제품 · HBM관련 대상 · 기술·제품 · NAND

메모리 Phase 1에서 Phase 2로 넘어갈 때 무엇을 봐야 하는가?

이 자료가 더한 내용

Phase 1은 AI 성능 계층으로 편입되며 주가와 이익 추정치가 빠르게 올라간 구간이고, Phase 2는 높은 이익이 얼마나 오래 이어질지를 보는 단계라고 정리한다. 메모리 부족 대응은 용량 확대만이 아니라 데이터 성격별 계층 배치와 인터커넥트·소프트웨어 구조의 변화까지 포함한다.

근거 보기 11
  1. 원문 구간 1

    ​ 일단 3Q26 초부터 4-hi 샘플이 공급업체들의 주목을 받은 것은 맞습니다. 칩 메이커들은 차세대 플랫폼에 필요한 HBM을 확보하기 위해 적층 수를 낮추는 방안까지 검토하고 있습니다. 다만 TrendForce에 따르면 아직 공급사들이 해당 사양의 양산을 약속한 단계는 아니며, 현재 구체적인 관심은 데이터센터보다 일부 자율주행이나 로봇용 플랫폼에 더 가깝습니다. ​ 현실적으로는 8-hi/12-hi가 메인일 것 그러나 현실적으로 4-hi 채택이 메인이 아닐 것이라는 논리는: ​ 스택당 용량이 너무 작고(HBM5/HBM4E는 16GB), Q를 늘리더라도 HBM5는 N2 base die 수요를 충족하기 어려워 공급증가 효과가 드라마틱하지 않으며, base die 자체가 비싼지라 4-hi의 Gb당 비용은 8-hi보다 높기 때문에 총 큐브 비용은 유사한 수준이고, 공급망 체크 결과, 아직 칩 메이커들의 주류 SKU는 여전히 8-hi, 12-hi에 집중되어 있습니다. ​ 또한 GF증권의 칩 메이커 로드맵 체크로 정리하자면 Rubin Ultra는 ⓐHBM4 8-hi 192GB, ⓑHBM4E 8-hi 256GB, ⓒHBM4E 12-hi 384GB의 3가지 SKU로 병렬 개발될 것을 예상했습니다. 출시 시점 순서대로 보면 (ㄱ) HBM4 8-hi 192GB 조합이 가장 먼저 출시될 가능성이 높습니다. 그 다음에는 (ㄴ) HBM4E 8-hi가 주류이고, (ㄷ) 최상 스펙을 원하는 일부에게 HBM4E 12-hi 384GB가 출하될 것으로 예상했습니다. ​ 개인적으로도 두 논리 중에서 합리적인 건 9월 7일 주간전략보고의 8월 DRAMeXchange 리뷰 당시 파운드리에서 생산할 base die의 Q 자체가 생각보다 관건일 수 있음을 전해드렸던 것을 고려해볼 때, GF/TrendForce 예상대로 아마 대부분은 그냥 지금처럼 8hi/12hi 스펙을 지킬 것으로 예상합니다.

  2. 원문 구간 2

    ​ 참고로 시점은 기본적으로 논의 자체가 'HBM5쯤(Feynman, CY2H28) 어떤 HBM 스펙 조합이 될 것이냐'를 말하는 단계입니다. CY27의 HBM 수요-공급 이슈와는 무관합니다. ​ Edgewater, AI Labs들이 메모리를 직접 구매하기 시작하다 9월 15일, Edgewater의 메모리 코멘트를 정리해보면: ​ 데이터센터 수요라 공급 증가를 압도하면서 메모리 공급부족이 심화되고 가격상승은 CY27 이후까지 지속될 것으로 전망했습니다. 공급업체들이 LTA 물량 초과분에는 시장가를 부과하고 있기 때문에 메모리 공급자 우위 구조가 강화되고 있습니다. 수요-공급을 연도별로 정리하면 ⓐCY26는 서버 DRAM 수요 +65%에 공급 +45%인데 → CY27는 수요 +70%에 공급 +45~50%로 계속해서 수요가 공급을 강하게 초과하는 상태입니다. ⓑPC/모바일은 CY27 Bit demand가 -10%일 것으로 예상해서 PC/모바일에 할당된 DRAM Wafer 최대 30%를 데이터센터향으로 할당을 바꿀 것으로 예상합니다. ⓒHBM 공급은 CY27 55B 1Gb일 것으로 예상했습니다. 엔비디아의 HBM/LPDDR5x 수요치는 CY27 HBM은 ~30B 1Gb, LP5x는 ~50B 1Gb로 약간 하향조정됐고, 반면 브로드컴향은 할당이 늘어 CY28 엔비디아를 추월할 것으로 전망했습니다. 앤스로픽이 CY27에 쓸 메모리(40~50B 1Gb)의 20%를 직접 구매할 것으로 예상됩니다. 앤스로픽이 CY27에 구매할 DRAM 용량만 하더라도 엔비디아와 맞먹는 DRAM 볼륨입니다. 시장에 꽤 영향을 미칠 역학 변화입니다. CY28에는 앤스로픽이 직접 구매할 메모리 비율이 더 증가할 전망입니다. 오픈AI도 CY27에 메모리를 직접 구매하기 시작할 것으로 예상됩니다. 최종 수요자인 AI Labs들이 중간상 마진을 우회하고 메모리 기업들과 직접 계약하는 과정입니다.

  3. 원문 구간 3

    DRAM + NAND가 x86 서버 BOM의 최대 85%를 차지할 정도(원래는 40~45%)로 비중이 커졌습니다. 서버 원가구조 자체가 메모리 사이클에 더 민감해지는 방향입니다. ​ BofA, 메모리 업계 체크 주말에 나온 BofA Global Memory Tech 자료를 정리해보면: ​ 최근 메모리 공급업체, 현물 유통업체, OEM들과의 확인 결과 3Q26 ASP는 LTA가 확대됐음에도 불구하고 견조하게 상승하는 수준입니다. 대부분의 DRAM 제품에 대한 3Q26 ASP는 QoQ +20~30% 상승했으며, NAND는 QoQ +15% 이상 상승했습니다. 4Q26에도 QoQ +7~9%대 상승이 예상됩니다. 그리고 최근 특이했던 것은 하이퍼스케일러들이 1Q27 DRAM ASP를 4Q26보다 높게 지불하기로 하는 새로운 계약을 체결하기 시작했습니다. 2H26 ASP 상승에 대해서는 기존의 낙관적인 전망을 유지하며, 1H27에 대해서는 메모리 공급 부족 지속과 OEM/빅테크의 공격적인 칩 생산용 메모리 물량 확보 경쟁으로 인해 더 긍정적으로 추정치를 상향했습니다. PC/모바일 생산량 감축은 연초 이후 심각한 수준이 아니며, 메모리 칩 할당량 부족에도 불구하고 물량 감소는 YoY -10% 안팎으로 상당히 제한적인 수준입니다. 신규 GPU/ASIC에서 메모리 despec 없이 오히려 칩당 HBM 용량은 더욱 커질 것으로 전망했습니다. VR300은 1TB, 신형 VR200은 384GB로 현재 288GB 대비 더 커질 거란 전망입니다. ​ TrendForce, NAND 수요가 생각보다 더 세다 TrendForce 데이터로 살펴볼 때, 미국 CSP들이 eSSD를 생각보다 강하게 구매하면서 NAND Blended ASP가 빠르게 상승하고 있습니다. GF증권은 원래 3Q26 +18% → 4Q26 +2% → 1Q27 0%로 추정했었는데, 이번 데이터를 통해서 생각보다 eSSD 수요가 강하자 이번에 가격을 3Q26 +21% → 4Q26 +17% → 1Q27 +15%로 강하게 상향 조정했습니다.

  4. 원문 구간 4

    ​ 메모리 코멘트들 모음 : 애플, 인텔, TD Cowen ​ 애플, SEC가 제안한 1Q27 메모리 가격 인상을 수용 : 애플이 SEC가 제시한 1Q27 DRAM $2.0/Gb, NAND $0.33/Gb 가격을 수용했다는 보도가 나왔습니다. 3Q26 당시 제시가는 LPDDR4X $1.4/Gb, LPDDR5X $1.5/Gb, NAND $0.26/Gb였습니다. 이를 기준으로 보면 불과 두 분기 사이 DRAM과 NAND 모두 30~40% 수준의 가격 인상입니다. 인텔 CEO "CY27에는 메모리 쇼티지가 더 심해질 것" : 립부탄이 AI Infra Summit에서 CY27 메모리 쇼티지가 더 심해질 것이라고 언급했습니다. 저가형 스마트폰과 노트북은 DRAM에 BoM의 70~80%를 쓰는 수준이고, HBM/Commodity DRAM과 같은 웨이퍼를 공유하기 때문에 AI 랙 가격이 높아지는 것과 발맞춰서 가격이 높아질 수밖에 없는 상태입니다. TD Cowen의 마이크론 코멘트 '마진은 8이닝, 수요는 아직 4이닝' : TD Cowen의 마이크론 코멘트도 재미있었습니다. 현재 메모리 마진 확대 사이클은 약 80%, 야구로 치면 8이닝까지 왔지만 수요 사이클은 아직 4이닝 정도라고 평가했습니다. 쉽게 말하면 가격과 마진은 이미 상당히 많이 올라왔지만, 실제 메모리 수요 증가는 아직 사이클 중반에도 못 왔다는 얘기입니다. 4Q26(9월~11월) EPS 가이던스는 $37 수준(컨센 $35)으로 예상했습니다. GPM은 CY2Q27쯤에 89%까지 상승하는 것이 피크 마진일 것으로 예상했습니다. 루멘텀(LITE) ​ 루멘텀LITE는 Overweight을 유지합니다. CY27 PER 30.0배(CY27 EPS $31)입니다. 루멘텀 2Q26 실적발표 : ALL BEAT, 더욱 강해진 루멘텀의 모멘텀

  5. 원문 구간 5

    Compute 계약의 실질 GPM이 생각보다 더 빠르게 감소하고 있습니다. ​ 이어서, ​ 메모리 부족에 대응하는 방법 앞서 살펴본 Z.ai 사례에서 한 가지 더 눈에 띄는 것은 무엇을 더 쓰고, 무엇을 줄였느냐입니다. ​ Z.ai는 ⓐ메모리 대역폭 사용을 줄이는 대신 연산을 더 수행하고 ⓑ가속기당 메모리 용량을 줄이는 대신 장치 간 통신을 늘리는 최적화를 적용했다고 설명했습니다. 중국 기업인지라 메모리가 부족하기 때문에 제한된 메모리 대역폭과 메모리 용량을 갖고 throughput을 높이기 위해 Compute, Memory, Interconnect의 사용 비율을 다시 조정한 것입니다. ​ 계속해서 드리는 말씀이지만 AI Labs 입장에서는 ⓐCompute, ⓑMemory, ⓒInterconnect 중에서 현재 수요 대비 메모리 공급부족의 정도가 심한 상태이니 ⓐ를 더 많이 사용하거나(CoT 늘리는 대신 Recurrent Depth), ⓒ를 더 많이 사용하는 식(Rubin Ultra 칩당 HBM 용량은 낮추고, Scale-up CPO로 VR300 NVL576 Global Scale-up Domain)으로 대응할 수 있습니다. ​ 그렇지만, Data Movement를 최소화하는 게 제1입니다 부족한 상태에서 throughput을 높이기 위한 방법이지, 그렇다고 메모리 용량과 메모리 대역폭의 중요도가 낮아진다는 얘기는 아닙니다. 메모리 수요-공급 쇼티지로 인해 할당되는 분량으로도 부족하기 때문에 하는 작업임을, 우선순위를 잊지 않아야 합니다. ​ KV Cache만 봐도 자주 사용하는 데이터일수록 가능한 한 HBM 가까이에 두는 것이 가속기 활용률에는 가장 유리합니다. HBM이 부족하니 서버 DRAM을 쓰고, 여기에도 전부 담기 어려우니 SSD까지 Memory Tier를 넓히는 것입니다.

  6. 원문 구간 6

    SSD에 둘 수 있는 데이터를 굳이 HBM에 두지 않는 것이지, 충분한 HBM을 싸게 확보할 수 있다면 일부러 더 느린 계층으로 내릴 이유는 없습니다. ​ 다만 추가로 발생하는 Memory Wall을 어떤 자원을 더 써서 풀고 있느냐는 조금씩 달라지고 있습니다. 지금 기술개발의 방향은 부족한 메모리를 무작정 더 붙이는 것만이 아니라, 컴퓨트를 더 사용하거나 통신을 강화해서 같은 메모리에서 더 많은 토큰을 뽑는 쪽으로 가고 있습니다. 현재는 기술개발 단계가 많고, 실제 제품에서 이 변화가 본격적으로 보이는 시점은 CY27부터라고 생각합니다. ​ 메모리 Phase 1 : AI 퍼포먼스 계층으로 진입하다 지금의 메모리 업계를 정리해보자면, Phase 2 초입에 접어들었다고 생각합니다. ​ 제가 메모리 Phase 1이라고 보는 것은 2H25~1H26에 있었던 변화입니다. ​ 모델 파라미터 규모는 계속 커지고, 2025년 9월 Claude Code GA 이후 코딩/에이전틱 워크로드 수요가 폭발적으로 늘면서 요청당 컨텍스트도 길어졌습니다. HBM만으로 Model Weight와 KV Cache를 모두 처리하기 어려워지자 NVLink-C2C를 통해 Grace CPU의 DRAM으로 KV Cache를 Offloading하고, 이후에는 SSD까지 붙여 Memory Tiering을 구성하기 시작했습니다. ​ 특히 코딩 에이전트는 이전에 계산했던 KV Cache를 다시 사용하는 비율이 높습니다. 비싼 GPU에서 같은 내용을 다시 계산하는 것보다, DRAM이나 SSD에 저장해둔 KV Cache의 Hit Rate를 높이는 편이 시스템 전체의 경제성이 좋아지는 구간이 생긴 것입니다. ​ 그래서 CY23~CY24처럼 AI 메모리 수요를 사실상 HBM 중심으로만 보던 시각에서 벗어나 Conventional DRAM과 NAND까지 가속기당 토큰 생산량을 높이는 자원으로 들어오기 시작했습니다.

  7. 원문 구간 7

    서버당 메모리 할당을 늘려 GPU가 기다리는 시간을 줄이고 단위시간당 더 많은 토큰을 생성할 수 있다면, 결국 토큰당 비용은 내려갑니다. 하이퍼스케일러 입장에서는 메모리 가격이 올라도 추가 메모리를 확보하는 편이 경제적일 수 있습니다. ​ 이 과정에서 메모리 업체들의 이익 추정치는 빠르게 올라왔고, 현재는 SEC/SKH/MU 모두 CY27 이익 기준 PER 4~5배 수준까지 내려와 있습니다. ​ 메모리 Phase 2 : 높은 이익이 얼마나 오래 지속될지를 보는 단계 지금은 메모리 Phase 2로 넘어가는 과정이라고 보고 있습니다. ​ 2H25~1H26에는 메모리와 스토리지가 처음으로 단순한 저장장치를 넘어 컴퓨트의 실제 경제성을 결정하는 Performance Layer로 들어왔고 그 결과 가격과 마진이 크게 상승했습니다. 이제 중요한 것은 높은 가격 자체보다 높아진 GPM과 OPM을 얼마나 오래 유지할 수 있느냐입니다. ​ 메모리 업체들은 LTA를 늘리면서 높은 수익성을 다년 계약으로 연결하려 하고 있습니다. 과거처럼 먼저 증설하고 나서 고객을 찾는 선증설-후수주 구조에서, 고객 물량을 먼저 확보하고 그에 맞춰 투자하는 선수주-후증설 구조로 조금씩 이동하고 있습니다. ​ 이 변화가 자리 잡으면 메모리 산업에서 가장 큰 할인요인이었던 실적 변동성도 낮아집니다. 피크 이익은 높은데 다음 해 실적을 알 수 없어서 낮은 밸류에이션을 받던 산업이 수주를 기반으로 몇 년 뒤 물량과 이익까지 어느 정도 볼 수 있는 산업으로 바뀌는 것입니다. 그래서 지금은 메모리 기업들의 성장률과 이익 가시성에 비해 밸류에이션이 여전히 낮다고 보고 있습니다. TSMC/WDC-STX가 받는 12M Forward PER과 비교해보면 그렇습니다.

  8. 원문 구간 8

    ​ Phase 1에서 워낙 빠르게 주가와 이익 추정치가 올라왔기 때문에 지금은 Phase 1 → Phase 2로 넘어가는 과정에서 손바뀜과 기간조정이 나타나는 구간이라고 생각합니다. 제 판단으로는 이 과정이 몇 년씩 이어질 문제라기보다는 몇 개월 정도의 문제에 가깝습니다. 그리고 Z.ai 사례는 메모리 투자 논리와 반대되는 사례라기보다 오히려 다음 단계를 보여줍니다. 메모리가 가장 부족해지자 Compute와 Interconnect까지 동원해서 Memory의 효율을 높이고 있습니다. ​ AI 시스템에서는 이제 토큰 생성을 다루는 퍼포먼스 계층에서 Compute, Memory, Interconnect를 따로 떼어서 볼 수 없습니다. 셋 중 하나가 부족하면 나머지 둘을 더 써서 보완하고, 그렇게 한계를 밀어낼수록 다시 더 큰 모델과 더 긴 컨텍스트를 사용할 수 있게 됩니다. 이 세 자원을 하나의 시스템으로 공동설계하는 방향이 CY27부터 훨씬 뚜렷해질 것으로 보고 있습니다. ​ AI Infra Summit 2026 : 업계도 Memory Wall을 같은 방향으로 푸는 중 앞에서 설명드린 Compute, Memory, Interconnect의 공동설계는 AI Infra Summit 2026에서도 가장 반복적으로 등장한 주제였습니다. BofA와 Citi가 정리한 내용을 보면, 지금의 병목은 단순히 FLOPS가 부족한 것이 아니라 GPU가 계산할 데이터를 얼마나 빠르게 공급할 수 있느냐로 이동하고 있습니다. 모델 크기와 컨텍스트 길이, 에이전틱 워크로드는 빠르게 커지고 있는데 메모리 용량과 대역폭은 같은 속도로 늘기 어렵기 때문입니다. ​ GPU가 데이터를 기다리거나, KV Cache가 HBM 용량을 넘어가거나, 서로 다른 메모리 계층 사이에서 데이터를 옮기는 과정에서 Latency와 전력 소모가 발생하면 가속기의 FLOPS가 아무리 높아도 실제 활용률은 떨어집니다.

  9. 원문 구간 9

    그래서 지금 업계의 방향은 모든 데이터를 가장 비싼 HBM에 넣는 것이 아니라, ​​데이터의 성격에 따라 서로 다른 메모리를 배치하는 Memory Disaggregation으로 가고 있습니다. ​ SKH : ⓐPIM ⓑHBF ⓒSALT-KV SK하이닉스가 제시한 것도 같은 방향입니다. ​ PIM은 메모리 자체에 일부 연산 기능을 넣어 데이터가 Compute 쪽으로 이동해야 하는 양을 줄이는 구조입니다. 데이터 이동 자체가 병목이라면, 아예 메모리 가까이에서 일부 계산을 처리하자는 접근입니다. HBF는 HBM보다 느린 대신 훨씬 큰 용량을 제공하는 새로운 메모리 Tier입니다. SK하이닉스는 HBM 대비 약 10배 수준의 용량을 목표로 제시했습니다. Long Context와 대규모 KV Cache처럼 전부 HBM에 둘 필요는 없지만 SSD까지 내리기에는 성능이 중요한 데이터가 주요 대상입니다. SALT-KV는 이 구조를 소프트웨어로 관리합니다. KV Cache를 전부 HBM에 두는 것이 아니라 자주 사용하는 Hot Data는 HBM에, 덜 자주 사용하는 데이터는 DRAM이나 더 낮은 Tier로 내려보내는 방식입니다. ​ 결국 HBM → DRAM → SSD를 단순히 용량 순서대로 쌓는 것이 아니라 어떤 데이터를 어느 계층에 두는 것이 토큰당 비용을 가장 낮추는지 소프트웨어가 판단하는 구조로 가고 있습니다. ​ SEC : HBM 자체의 구조를 바꾸려는 ⓓzHBM 삼성전자가 제시한 zHBM은 조금 다른 접근입니다. ​ 기존 HBM을 단순히 더 높게 쌓는 연장선이 아니라 3D DRAM 구조를 활용해 메모리 자체의 성능과 열 특성을 바꾸려는 방향입니다. 발표된 목표치는 HBM5 대비 GPU당 성능 약 4~8배, 와트당 성능 약 3배, 열저항은 기존의 0.1~0.25배 수준입니다.

  10. 원문 구간 10

    아직 제품화까지는 시간이 필요한 기술이지만 방향은 같습니다. Memory Wall을 더 많은 메모리 용량 하나로 해결하지 않고, 구조와 소프트웨어까지 같이 바꾸고 있습니다. ​ 소프트웨어가 좋아질수록 오래된 HW 경제적 수명도 길어집니다 여기서 앞의 RSI 얘기와 다시 연결되는 부분도 있습니다. ​ AWS는 2017년에 출시된 V100 인스턴스를 아직도 임대하고 있고, GCP에서도 2020년 출시된 A100이 계속 사용되고 있습니다. 구글 내부에서는 TPU v2~v4처럼 상당히 오래된 TPU도 일부 워크로드에 계속 활용되고 있습니다. ​ 새로운 칩이 나왔다고 기존 칩의 경제적 가치가 바로 0이 되는 것이 아닙니다. 커널/컴파일러/스케줄링/캐시 관리가 계속 개선되면 같은 하드웨어에서도 유효 컴퓨트는 시간이 지나면서 올라갈 수 있습니다. 앞에서 본 Z.ai의 13일간 3.22배 Throughput 개선도 같은 사례입니다. 그래서 AI 가속기의 경제적 수명은 회계상 감가상각 기간보다 길어질 수 있습니다. 최신 프론티어 모델 훈련에는 새로운 칩을 쓰더라도 이전 세대 가속기는 추론이나 다른 워크로드로 내려가 계속 돈을 벌 수 있습니다. ​ 지금은 메모리 부담을 → 인터커넥트 부담으로 이전 중 개인적인 생각으로 다시금 넘어오면, <LLM 추론 토큰 가격의 비밀 : MoE의 시대, 엔비디아 NVL72가 중요한 이유>에서도 말씀드렸듯이 추론할 때는 기본적으로 가속기 HBM에서 Model Weight와 KV Cache를 모두 처리해야 합니다. Expert Parallelism이나 Context Parallelism을 사용하면 한 가속기가 부담해야 하는 메모리 용량은 줄일 수 있습니다. 다만 그 대가로 장치 간 통신이 늘어납니다.

  11. 원문 구간 11

    ​ MoE도 마찬가지입니다. 한 번의 추론에서는 일부 Active Parameter만 계산하더라도 전체 모델 가중치는 시스템 어딘가에 존재해야 합니다. 이를 여러 가속기나 다른 메모리 계층에 나눠두면, 이번에는 필요한 데이터를 가져오기 위한 통신 비용이 생깁니다. 결국 Parallelism은 모델이 커지면서 발생하는 메모리 대역폭과 용량 문제를 없애는 기술이라기보다, 메모리 부담의 일부를 컴퓨트와 인터커넥트로 옮기는 기술에 가깝습니다. ​ 여기서 더 나가서 이제 모델(1~1.5T에서 이제 2~3T로 가는 중)은 하나의 GPU나 하나의 랙 안에서 모든 것을 해결하기 어려운 크기로 가고 있습니다. 그래서 앞으로는 GPU 몇 개를 넣었는지만 보는 것보다 얼마나 많은 메모리를 붙였는지, 그 메모리를 어떤 계층으로 구성했는지, 그리고 그 데이터를 얼마나 빠르게 이동시킬 수 있는지를 같이 봐야 합니다. JP모건의 CoWoS 업데이트 JP모건의 CoWoS 업데이트를 정리하면: ​ 업계 CoWoS 캐파 추정치가 CY27 +4%, CY28 +6% 상향됐습니다. 엔비디아 Vera CPU 수요와 AI ASIC 수요가 생각보다 높았어서 10k wfpm의 CoWoS-R 추가 증설을 반영한 값입니다. Rubin에 대한 네오클라우드와 스페이스X의 주문이 매우 강력하여 VR200, VR300 수요 전망치가 상향되고 있으며, 두 칩간 설계 변경이 적어서 VR300으로의 램프업 궤적 전환이 생각보다 빠를 것으로 예상됩니다. 구글 TPU는 CY27 950만 개 → CY28 1,140만 개로 소폭 상향됐고, 업사이드는 주로 미디어텍의 TPU v8t와 차세대 v9에서 나왔습니다. EMIB-T를 적용한 TPU v9는 CY28 출하 목표로 인텔의 패키징 수율 상승세가 순조로우며, 이제 TPU v9에 대한 TSMC CoWoS Plan B를 고려하고 있지 않은 상태로 추정됩니다.

사실·구조AI 광통신 공급망주 대상 · 산업·업종 · 광통신 산업관련 대상 · 기술·제품 · 레이저관련 대상 · 기술·제품 · 인듐인(InP) 기판

광학 수요 확대에서 레이저와 기판 공급망은 왜 중요한가?

이 자료가 더한 내용

광학 구조의 변화와 무관하게 고속 레이저·광원과 InP 기판의 공급 능력이 병목이 될 수 있으며, 고출력·고속 레이저 부족과 기판 증설의 긴 리드타임을 함께 살펴야 한다고 설명한다.

근거 보기 8
  1. 원문 구간 1

    루멘텀 1Q26 실적발표 : 3Q OCS, 4Q CPO, 차례로 점화를 기다리는 고성능 엔진들 '빛💡'의 시대 #2 : 구리도 광모듈도 CPO도 다 커진다, AI 인터커넥트의 폭발 '빛💡'의 시대 : 광학 밸류체인 한 눈에 보기 ​ 크레도 uLED/투자에 대한 생각 ​ 크레도의 microLED(uLED) 기술은 어쨌든 실제 성공하던 실패하던 함의가 많을 기술입니다. 30m까지 신뢰성 높게 작동할 수 있다면 일부 optical link를 대체하는 효과를 낼 것이니 CRDO의 다음 성장 웨이브가 CY27~CY28까지도 강력할 수 있겠다 싶어지는 것이고, 5~10m 정도에 제한되면 사실상 Scale-out은 기존 광학 솔루션들이 그대로 침투할 것으로 예상합니다. ​ 간단하게 정리해서: 성공하면 LITE/COHR/AAOI 등에게 부정적, 실패하면 기존 투자 논거를 그대로 유지하는 것이 됩니다. ​ 다만 현재로서는 크레도 자체도 uLED 기술진전 속도가 느려 micro-VCSEL 개발로 선회 중이라는 소식이 있는 만큼 현재 시장은 uLED 기술이 광범위하게 채택될 가능성에 대해서 그닥 반영하고 있는 상태가 아닙니다. 이거는 워낙 지금 막 개발 중인 기술들이기에 모든 if, then을 열어놓고 투자하는 방법밖에 없습니다. ​ <투자의 생각> #1 : 순풍을 따라다니는 과정 제가 만드는 <투자의 생각>은 기본적으로 이익이 우상향하는 과정에서 순풍이 많이 부는 곳을 찾는 자료입니다. ​ 정성적인 스토리만 보는 것이 아니라 성장성/밸류에이션/실적 가시성을 함께 봅니다. 그래서 시대정신과 순풍이 바뀌면 다른 산업을 액티브하게 볼 준비도 언제든 되어 있습니다. 오래 보신 분들은 기억하시겠지만 그동안 테슬라, 증권, 혁신의료기기, 우주 발사체, 스테이블코인, 태양광, ESS, 천연가스 개발업자, 통신, 빅테크, 비상발전기, GLP-1, 소비재, RFID 등 정말 여러 산업을 다뤘습니다.

  2. 원문 구간 2

    CY28 244M(+39%) → EML 122M(+30%, 비중 50%) / CW 123M(+52%, 비중 50%) CY29 343M(+41%) → EML 155M(+27%, 비중 45%) / CW 188M(+53%, 비중 55%) ​ 여기서 중요한 건 EML이 역성장하는 그림이 아닙니다. EML 출하량도 CY25 37M → CY29 155M으로 네 배 이상 늘어납니다. 다만 CW Laser가 더 빠르게 성장하면서 믹스가 바뀌는 구조입니다. ​ 고속 EML에서는 루멘텀이 압도적 고속 EML 시장에서는 루멘텀 50%, 스미토모 22%, 브로드컴 21%로 상위 3개 업체가 대부분입니다. 전체 EML 시장만 놓고 보면 루멘텀 점유율은 33% 수준이지만, AI 데이터센터에서 중요한 것은 고속 EML입니다. 같은 Optical InP Lane을 팔더라도 어느 속도대 제품을 공급하느냐에 따라 ASP와 마진이 달라지기 때문입니다. ​ 그리고 루멘텀의 장점은 EML만 잘하는 회사가 아니라는 점입니다. ​ EML과 SiPh + CW Laser를 모두 공급하고 있고, 그 위로 OCS, UHP Laser(400mW급)/ELS(NPO/CPO)처럼 더 복잡하고 마진이 높은 제품 비중을 늘리고 있습니다. 결국 Laser/Light Source 자체를 설계하고 양산하는 능력이 강합니다. 하이퍼스케일러와 차세대 AI 인프라를 공동 설계할 수 있는 것도 이 부분과 연결됩니다. ​ CW Laser가 단순해보여도 양산 자체는 쉽지 않다 Mizuho는 CY26 말 전체 EML 생산능력이 YoY 100% 늘어나 연간 약 5억 8,300만 개의 레이저 칩을 공급할 수 있는 수준까지 올라갈 것으로 예상했습니다. ​ 흥미로운 부분은 CW Laser을 결합한 완제품 단위의 수율입니다.

  3. 원문 구간 3

    구조만 보면 EML보다 단순하다는 인식이 있지만, 현재는 오히려 수율이 낮아 플러거블에 통합했을 때 불량으로 이어지는 간접비가 더 큽니다. 또한 CW Laser 생산라인을 EML로 바로 바꾸는 것도 쉽지는 않습니다. EML은 CW보다 마스킹 공정이 약 두 배 많고 에피택셜 공정도 다시 인증해야 하기 때문에 전환에는 시간이 걸리고 추가 CapEx도 필요합니다. ​ UHP CW Laser는 루멘텀/브로드컴이 선도 NPO/CPO의 ELS에 들어가는 200~500mW급 Ultra-high Power CW Laser는 현재 브로드컴/루멘텀/코히런트 정도만 생산할 수 있습니다. 그중에서도 Mizuho는 루멘텀과 브로드컴을 기술적으로 Top 2로 평가했습니다. ​ 가격 차이도 큽니다. 플러거블용 70~100mW CW Laser : $7~9 NPO용 120~150mW Mid-power Laser : $15~20 NPO/CPO용 400mW UHP CW Laser : $50~75 ​ 400mW급은 더 좁은 선폭, 높은 출력, 열 안정성, 낮은 초기 수율 때문에 상당한 프리미엄을 받습니다. 루멘텀과 브로드컴이 UHP Laser 생산을 늘리면서 CY29 기준 CW Laser 시장에서 브로드컴의 점유율은 23%, 루멘텀의 점유율도 20%까지 올라갈 것으로 예상했습니다. ​ 코히런트는 결국 트랜시버 중심이라 마진 차이가 꽤 큽니다 코히런트에 대한 평가는 제가 계속 전해드렸던 맥락과 비슷합니다. ​ 코히런트는 광원 기술에서 루멘텀/브로드컴보다 열위에 있기 때문에 최첨단 시스템을 만들 때 일부 레이저를 외부에서 조달하고 있습니다. 이 가운데 상당 부분을 루멘텀이 공급합니다. ​ 사업구조도 다릅니다. 코히런트는 트랜시버 판매 비중이 높고, 루멘텀은 상대적으로 Laser/Light Source 쪽 비중이 높습니다.

  4. 원문 구간 4

    이 차이가 그대로 마진에 나타납니다. ​ Mizuho는 CY28 기준으로, 루멘텀 GPM : 50% 초반 코히런트 GPM : 40% 초반 GPM 약 10~11%p의 차이를 예상했습니다. ​ OPM 격차는 더 큽니다. 루멘텀 OPM : 40% 중반, 코히런트 OPM : 20% 중반입니다. ​ 자체 팹을 운영하는 업체들은 제품 믹스와 가동률 차이가 영업레버리지로 크게 확대되기 때문입니다. ​ 광학이 중요해질수록, Laser/Light Source를 다루는 능력 자체가 중요하다 이번 자료에서 가장 중요하게 보는 부분도 이겁니다. ​ AI 인프라에서 광학이 차지하는 비중이 계속 커질수록 Laser/Light Source를 직접 설계하고 양산할 수 있는 능력이 더 중요해집니다. 이 능력은 단순한 기술 우위에 그치지 않습니다. ASP와 마진, 차세대 제품의 선행 설계 참여, 하이퍼스케일러와의 관계까지 연결됩니다. 그래서 EML → CW → UHP CW → ELS로 제품 믹스가 바뀌더라도, 루멘텀의 경쟁력은 특정 레이저 방식 하나에 묶여 있다기보다 광원을 다루는 능력 자체에 있다고 보고 있습니다. 광학 업계에 순풍이 강해지는 중 : InP substrate 병목 완화 최근 광학 공급망에서 가장 업스트림에 있는 InP 기판(InP substrate)의 공급부족이 조금씩 풀리는 흐름이 나타나고 있습니다. 수요-공급 미스매칭 규모가 날로 커지고 있던 와중에 공급쪽에서 가장 병목이던 것이 풀린다는 의미이고, 결과적으로 광학 완제품을 더 많이 만들 수 있게 된다는 것이니 업계 전반에 좋습니다. ​ InP 기판은 루멘텀/코히런트 같은 업체들이 EML, CW Laser, 고출력 레이저, 일부 PD·PIC 등을 만들기 위해 필요한 핵심 재료입니다. 공급망을 가장 단순하게 연결하면 다음과 같습니다:

  5. 원문 구간 5

    InP 원재료 → InP 단결정 → InP substrate → Epitaxial Growth → InP Device Wafer → EML/CW Laser/DML/PD/PIC → Optical Transceiver·Optical Engine → Optical Lane Optical Lane에서 어떤 광원을 얼마나 사용할지는 EML, CW Laser, NPO/CPO 등 아키텍처에 따라 달라집니다. 이 부분은 9월 14일 주간전략보고에서 다뤘던 '용도별로 어떤 광원을 사용할 것인가'와 연결됩니다. ​ 증설에 18~36개월이 걸리는 가장 느린 구간 InP 기판이 중요했던 이유는 광통신 공급망 가운데 생산능력을 늘리는 데 걸리는 시간이 가장 긴 구간 중 하나이기 때문입니다. 신규 단결정 성장부터 기판 생산능력이 실제로 올라오기까지 대략 18~36개월이 걸립니다. EML이나 CW Laser 수요가 갑자기 늘었다고 해서 바로 공급량을 늘릴 수 있는 품목이 아닙니다. 그래서 그동안 하위 단계에서 레이저 생산능력을 아무리 늘려도 InP 기판이 부족하면 전체 출하량이 제한되는 구조였습니다. ​ 중국의 InP 기판 수출 승인이 다시 늘어나고 있습니다 8월 31일 대만경제일보 보도로 확인해보면, 중국 정부는 2026년 5월 말 첫 번째 InP 기판 수출 물량을 승인했고, 7월에는 두 번째 물량도 승인했습니다. 두 번째 승인량은 첫 번째보다 더 많았습니다. 특히 2026년 5월과 7월 두 차례 승인량을 합치면 CY25 전체 승인량보다 많았다는 점이 눈에 띕니다. 중국산 InP 기판이 다시 글로벌 공급망으로 들어오는 물량 자체가 늘어나고 있는 것입니다. ​ 3Q26부터 공급망에 효과가 나타나기 시작 5월 승인 물량이 실제로 선적된 뒤 Epitaxy → Device Wafer → Laser → Optical Module로 내려오는 시간을 감안하면 3Q26부터 공급 완화 효과가 나타나기 시작하는 구간이 될 것으로 예상합니다.

  6. 원문 구간 6

    ​ 7월 승인 물량은 이보다 늦은 4Q26부터 영향을 주는 요인입니다. 여기에 4Q26부터는 중국 외 InP 기판 업체들의 증설 물량도 추가될 예정입니다. 그래서 InP 기판이 갑자기 공급과잉으로 바뀐다는 얘기는 아닙니다. 절대적인 수급은 여전히 타이트하지만 적어도 상반기처럼 병목이 계속 심해지는 방향에서는 벗어나고 있습니다. 비아비(VIAV) ​ 비아비VIAV는 Overweight을 유지합니다. CY27 PER 17.7배(CY27 EPS $2)입니다. 비아비 솔루션스 2Q26 실적발표 : CPO 정상 진행 중, 광학 테스트 수요는 Lab → Production으로 비아비 솔루션스 1Q26 실적발표 : 본격 개화하는 빛의 시대, 물만난 테스트 수요 '빛💡'의 시대 #2 : 구리도 광모듈도 CPO도 다 커진다, AI 인터커넥트의 폭발 '빛💡'의 시대 : 광학 밸류체인 한 눈에 보기 ​ SENKO-Advantest-VIAVI, CPO 양산용 테스트 플랫폼 공동 개발 SENKO와 Advantest, VIAVI가 CPO를 연구실이 아니라 실제 양산라인에서 반복적으로 검사할 수 있는 테스트 플랫폼을 공동 개발하고 있습니다. ​ Advantest : 자동화 테스트 환경 SENKO : 탈착형 광 커넥터 + 양산용 테스트 커넥터 VIAVI : 200Gbps/lane급 고속 광학 측정 및 BER(Bit Error Rate) 테스트 장비 ​ 핵심은 CPO가 양산 단계로 넘어갈 때 필요한 검사 방식을 미리 잡는 것입니다. CPO는 광엔진이 스위치 ASIC과 가까이 붙어 있기 때문에 기존 플러거블 트랜시버처럼 모듈을 쉽게 꽂았다 뺐다 하면서 테스트하기 어렵습니다. 양산 과정에서 광 연결을 반복적으로 체결하고, 자동으로 신호 품질과 BER을 검사할 수 있는 장비가 필요합니다.

  7. 원문 구간 7

    ​ 비아비 : 플러거블 테스트 → CPO 양산 테스트로 영역 확대 비아비 입장에서는 기존에는 플러거블 트랜시버를 장비에 꽂아 성능을 측정하는 테스트 솔루션이 중심이었습니다. 이제는 CPO 제품이 실제 공장에서 대량 생산될 때 필요한 테스트 장비까지 공급 범위를 넓히고 있습니다. ​ 시에나, FY29까지 3개년 장기 성장 프레임워크 발표 시에나가 FY2029(CY4Q28~CY3Q29)까지의 3개년 장기 성장 프레임워크를 발표했습니다. ​ 매출 : FY2026~FY2029까지 CAGR 30% 성장 Non-GAAP GPM : 50%로 상승할 것 (이번 분기인 FY3Q26에서 46.4%였음) Non-GAAP OPM : 32~35%로 상승할 것 (FY3Q26 : 22.5%였음) FCF Margin : 20%로 상승할 것 ​ 또한 FY1Q27(CY4Q26)부터는 AI 데이터센터 매출이 얼마나 커지는지 더 잘 보이도록 사업부도 바꿉니다. ⓐOptical Systems, ⓑInterconnects, ⓒGlobal Services, ⓓRouting & Other로 나눠서 보고할 예정입니다. ​ Scale-across 강세가 광학 공급망 전반으로 이어졌습니다 시에나는 AI 클러스터의 Scale-across 구간에서 핵심적인 기업입니다. 이런 시에나가 FY29까지 장기 매출 성장 전망을 크게 올리면서 광학 인터커넥트 관련 기업들도 전반적으로 강했습니다. 시에나의 이번 장기 가이던스는 개별 기업 하나의 실적 전망이라기보다, Scale-across를 포함한 데이터센터 인터커넥트 투자가 FY29까지 강하게 이어질 것이라는 또 하나의 업계 신호로 보고 있습니다. ​ 참고로 시에나는 Systems를 만드는 기업이고, 그 안의 핵심 Components들은 루멘텀이 거의 납품합니다.

  8. 원문 구간 8

    위 사진 3개는 Scale-across link의 각 단계별로 사용되는 루멘텀의 광학 부품들입니다. ​ Coherent Tx = CDM + ITLA + TROSA Coherent Rx = TROSA ROADM : Coherent OCM + WSS 전체를 오가는 Pump Laser ​ 루멘텀이 Scale-across 수혜로부터 직접적인 수혜를 보는 입장이고, 비아비는 ROADM 100%를 비아비 장비로 테스트하기 때문에 업계 전반 수요와 연관되어 있습니다. 셈텍(SMTC) ​ 셈텍SMTC는 Overweight을 유지합니다. CY27 PER 33.6배(CY27 EPS $5.5)입니다. 셈텍 2Q26 실적발표 : 생각보다 더 빨리 온 1.6T 변곡점, 한 분기 사이 생산능력 완판 셈텍(SMTC) 기업분석 : 미디어텍 TPU와 함께 성장할 기업, 'DSP를 지우는 자' '빛💡'의 시대 #2 : 구리도 광모듈도 CPO도 다 커진다, AI 인터커넥트의 폭발 '빛💡'의 시대 : 광학 밸류체인 한 눈에 보기 ​ NPO/LPO의 가치 #1 - CIOE 2026 핵심 정리 (9월 9일~9월 11일) 중국 선전에서 개최된 CIOE 2026(9월 9일~9월 11일)를 정리하면: ​ 1.6T 출하 사이클의 병목 CY26부터 1.6T 출하가 본격적으로 늘고 있고, CY27에는 수요 증가 속도가 더 빨라질 것이라는 전망입니다. 일부 업체들은 "주문이 예상보다 너무 빠르게 늘고 있어서 모든 주문을 받을 수 없는 상태"라고 설명했습니다. ​ CY27 1.6T의 병목은 3nm DSP가 될 수 있습니다. CY27 1.6T 트랜시버에는 브로드컴 Sian3, 마벨 Ara 같은 3nm DSP가 들어갑니다. 둘 다 TSMC 3nm에서 생산됩니다. 문제는 이 DSP가 AI 가속기와 같은 3nm 웨이퍼 할당을 놓고 경쟁한다는 점입니다.

해석·전망데이터센터 구축주 대상 · 산업·업종 · 데이터센터 전력 산업관련 대상 · 기술·제품 · 현장발전

규제와 전력 제약은 데이터센터 구축을 어떻게 바꾸는가?

이 자료가 더한 내용

지방정부 규제가 늘어도 이미 인허가와 공사가 진행된 부지는 상대적으로 희소해지고, 전력망 연결이 어려울수록 현장발전과 하이브리드 전력 조달의 필요성이 커진다고 본다.

근거 보기 7
  1. 원문 구간 1

    ​ 여러 이슈를 한 번에 엮어놔서 쉽게 풀기 어렵게 해뒀지만, 펀더멘탈에 영향은 없을 것으로 봅니다. ​ 데이터센터 구축 우려를 하지 않는 이유 ​ 데이터센터 모라토리엄, 20GW가 규제권 안에 있지만 실제 지연은 2.3GW SemiAnalysis가 <Everyone Says Datacenter Moratoriums Are Killing the US Buildout. We disagree> 뉴스레터 자료를 통해 최근 늘어난 데이터센터 규제가 미국의 전체 구축 속도를 크게 떨어뜨리고 있다는 해석에 반박했습니다. ​ 미국에서는 300개가 넘는 지방정부가 데이터센터 모라토리엄이나 제한 조치를 도입했고, 약 20GW의 계획 용량이 규제 지역 안에 들어가 있습니다. 숫자만 보면 상당히 커 보입니다. ​ 그런데 SemiAnalysis가 프로젝트와 필지를 하나씩 대조한 결과 지방정부 규제로 실제 일정이 밀리고 있는 용량은 1,525MW에 불과했습니다. 여기에 뉴욕주의 조치로 직접 지연되는 약 0.8GW를 더해도 현재 미국에서 규제 때문에 실제로 밀리는 용량은 2.3GW라는 계산입니다. ​ CY27 신규 IT Capacity 38GW 전망도 거의 바뀌지 않았습니다 SemiAnalysis는 미국에서 ​CY27에 38GW의 신규 데이터센터 IT Capacity가 추가될 것으로 보고 있습니다. CY26의 두 배가 넘는 규모입니다. 중요한 건 이 38GW가 아직 계획만 잡혀 있는 숫자가 아니라는 점입니다. ​ 이 가운데 22GW는 이미 건물을 실제로 올리는 공사 단계에 들어갔습니다. 나머지 16GW도 상당수는 자금조달을 끝냈거나 부지 정리/기초 공사를 진행하면서 본공사를 준비하고 있습니다. 쉽게 말하면, CY27 물량의 상당 부분은 이미 돈이 들어가고 공사가 시작된 프로젝트입니다.

  2. 원문 구간 2

    ​ 그래서 최근 지방정부들이 데이터센터 규제를 많이 만들었다고 해도 이미 허가를 받고 공사가 진행 중인 프로젝트까지 갑자기 멈추기는 어렵습니다. SemiAnalysis가 최근 1년 동안 모라토리엄이 크게 늘었는데도 CY27 데이터센터 공급 전망을 거의 낮추지 않은 이유입니다. ​ 이미 인허가를 확보한 데이터센터 부지가 더 귀해집니다 투자자 입장에서 먼저 볼 부분은 이미 zoning과 인허가를 확보한 기존 데이터센터 부지의 가치입니다. ​ 지방정부의 규제가 많아질수록 새로 승인을 받아야 하는 Greenfield 개발의 불확실성은 커집니다. 반대로 기존 권리를 확보한 부지는 그대로 공사를 진행할 수 있어 상대적인 희소성이 높아집니다. 모라토리엄이 데이터센터 수요 자체를 없애기보다는 어느 부지에서 먼저 지을 수 있는지를 더 중요하게 만드는 방향에 가깝습니다. ​ 전력망 연결이 어려워질수록, BTM 전력은 더 필요해진다 두 번째는 Behind-the-Meter 전력입니다. ​ 전력망 연결이나 인허가를 까다롭게 만들수록 데이터센터 사업자는 가스터빈, 왕복엔진, SOFC(현장발전원 Top 1~3)처럼 현장에서 직접 전력을 확보하는 방법을 더 적극적으로 찾게 됩니다. SemiAnalysis도 텍사스의 경우 전력망 연결 절차 강화가 일부 프로젝트에는 몇 개월의 행정 지연을 만들지만 전력망을 거치지 않는 BTM 프로젝트에는 오히려 유리하게 작용한다고 보고 있습니다. 블룸에너지에게 계속해서 순풍인 방향으로 보고 있습니다. Aligned Data Centers의 2GW ‘Project Phoenix’ RBC Capital에서 블룸에너지의 새로운 프로젝트 'Project Phoenix'에 대해 알렸습니다. 개발사는 Aligned Data Centers로, 펜실베이니아주 비버 카운티에서 9월 10일 착공식을 진행했습니다.

  3. 원문 구간 3

    3개 데이터센터 시설을 합쳐 전체 프로젝트 규모는 2GW입니다. ​ 전력 조달 구조가 꽤 독특합니다. ​ 전체 2GW 가운데 약 1.2GW는 바이오가스를 블룸에너지 SOFC에 주입해 데이터센터 부지에서 직접 발전하는 방식으로 파악됩니다. 나머지 전력은 약 750MW를 인근 Shippingport 발전소에서 가져올 예정입니다. 이 발전소는 기존 석탄화력에서 가스 발전으로 전환하는 사업이 진행 중입니다. 부족한 전력은 PJM 전력망에서 조달하는 구조입니다. 결국 ⓐ블룸에너지 SOFC + ⓑ인근 가스발전소 + ⓒPJM Grid를 함께 사용하는 하이브리드 전력 프로젝트입니다. ​ 완공 시점은 대략 CY28~CY29로 파악됩니다. 블룸에너지 입장에서는 오라클의 Project Jupiter와 비슷한 시기에 또 하나의 대형 데이터센터 프로젝트가 들어오는 셈입니다. 특히 이번 건은 1.2GW가 SOFC 기반 현장발전으로 잡혀 있어, 기존에 알려진 프로젝트들과 비교해도 규모가 상당히 큽니다. ​ 800V DC 적용 시 1GW 데이터센터 CapEx $3.6B 절감 블룸에너지가 <The New Rules of AI Power> 보고서를 통해 800V DC Native 전력 구조의 경제성을 강조했습니다. 1GW 규모 데이터센터에서 블룸에너지 SOFC로 현장발전한 전력을 800V DC 구조로 직접 공급할 경우, 기존 AC 기반 전력 시스템 대비 CapEx를 $3.6B 절감할 수 있다는 계산입니다. 데이터센터의 전력/냉각/배전 인프라에 해당하는 Powered Shell 비용만 놓고 보면 27% 절감 효과입니다. ​ 5년간 총소유비용(TCO) 기준으로는 절감액이 $5.5B, 전체 TCO의 9%에 달합니다. ​ 핵심은 현장에서 생산한 전력을 다시 여러 단계의 AC/DC 변환을 거치지 않고 800V DC로 직접 서버 랙까지 보내면서 변압기/스위치기어/UPS 등 중간 전력설비를 줄이는 구조입니다.

  4. 원문 구간 4

    블룸에너지는 800V DC 전환이 SOFC의 발전 효율뿐 아니라 데이터센터 전체 건설비를 낮추는 쪽에서도 의미가 크다고 주장하고 있습니다. 마이크론(MU), 샌디스크(SNDK) ​ 마이크론MU는 Overweight을 유지합니다. CY27 PER 5.6배(FY27 PER 6.0배, EPS $170)입니다. 마이크론 2Q26 실적발표 : 이제 메모리는 찍기도 전에 팔린다 마이크론 1Q26 실적발표 : 흔들릴 이유가 없는 어닝 서프라이즈, 구조적 성장주로 거듭나는 길 추론의 시대, 핵심이 된 메모리 #2 : Agentic AI의 시대, NAND가 중요한 이유 'DualPath' 추론의 시대, 핵심이 된 메모리 : 메모리 쇼티지를 떠받치고 있는 힘 ​ 샌디스크SNDK는 Overweight을 유지합니다. CY27 PER 6.0배(Bernstein Bull $300)입니다. 샌디스크 Investor Day 2026 코멘트 / 주간전략보고 : 투자의 생각 (8월 17일~8월 21일) 샌디스크 2Q26 코멘트 / 주간전략보고 : 투자의 생각 (8월 10일~8월 14일) 샌디스크 1Q26 코멘트 / 주간전략보고 : 투자의 생각 (5월 4일~5월 8일) 추론의 시대, 핵심이 된 메모리 #2 : Agentic AI의 시대, NAND가 중요한 이유 'DualPath' 추론의 시대, 핵심이 된 메모리 : 메모리 쇼티지를 떠받치고 있는 힘 ​ HBM5 : 4-hi? 8/12-hi? ​ 지난주 주간전략보고에서 SemiAnalysis가 최근 트렌드상 향후 로드맵에서 4-hi HBM 선호가 나타날 것이라 주장하는 부분과 이것이 현실화됐을 때의 시나리오 분석을 정리드렸었는데, 이후 피드백상 GF증권/TrendForce는 HBM5 4-hi는 데이터센터용으로는 사실상 어려울 것을 짚었습니다.

  5. 원문 구간 5

    여러 지역의 데이터센터가 반드시 같은 순간에 같은 Training Step을 수행하지 않아도 된다면, 데이터센터 사이의 거리를 훨씬 더 늘릴 수 있습니다. 도시를 넘어 국가와 대륙 단위로 흩어진 컴퓨트를 하나의 거대한 Compute Pool처럼 활용하는 방향입니다. ​ 초기 몇 개 캠퍼스만 연결했는데도 지금의 Scale-across 수요가 나오는 것 Scale-across 시장이 중요한 이유는 아직 적용 범위가 넓지 않은데도 수요가 빠르게 늘고 있기 때문입니다. 일부 하이퍼스케일러가 초기 몇 개 데이터센터를 연결하기 시작한 것만으로 시에나의 주문이 크게 늘었습니다. 시에나의 핵심 광부품 공급사인 루멘텀도 향후 5개 분기 동안 Pump Laser 생산량을 4배 확대할 계획입니다. ​ 시에나는 과거 공급부족 제품의 가격을 한 번에 +7~9% 정도 올렸다면, 최근에는 +17~23% 수준의 가격 인상까지 가능한 상황입니다. 지금은 몇 개의 하이퍼스케일러들이 가까운 데이터센터 몇 곳을 묶는 수요만으로도 이 정도입니다. 앞으로 Asynchronous Training까지 실제로 적용되기 시작하면 Scale-across가 연결해야 하는 데이터센터의 수와 거리가 동시에 커질 수 있습니다. ​ 오픈AI가 호주를 검토한 이유 : 비동기식 학습 오픈AI​가 호주에서 모델 훈련을 논의 중입니다. 이를 단순히 해외 데이터센터 증설로만 보기보다는, 여러 국가에 분산된 컴퓨트를 Asynchronous Training으로 연결하는 초기 단계로 보고 있습니다. ​ 다만 프론티어 모델의 체크포인트와 훈련 데이터, 대규모 AI 인프라는 국가안보와 직접 연결됩니다. 미국 밖에 대형 훈련 클러스터를 만든다면 아무 국가에나 설치하기는 어렵습니다.

  6. 원문 구간 6

    그래서 초기에는 미국이 안보적으로 가장 신뢰하는 우방국부터 논의되고 있습니다. 호주가 먼저 거론된 것도 이런 맥락입니다. 엔비디아가 호주에서 DSX 파트너십을 통해 2GW 규모의 네오클라우드 인프라 구축을 추진하는 것도 같은 흐름입니다. ​ 호주 다음으로 캐나다가 거론되는 중 이번에는 캐나다입니다. ​ 오픈AI의 국가 담당 책임자인 조지 오스본은 캐나다에 대해 에너지와 토지를 확보하기 용이하기 때문에 데이터센터 파트너십을 포함해 큰 잠재력이 있다고 평가했습니다. ​ 캐나다 역시 미국과 안보적으로 밀접하고, 대규모 데이터센터에 필요한 전력과 토지를 확보할 수 있는 국가입니다. 그래서 현재 흐름을 보면 오픈AI가 미국 내에서만 수GW급 클러스터를 계속 키우는 것이 아니라, 미국을 중심으로 호주/캐나다 같은 우방국의 컴퓨트를 연결하는 구조까지 검토하기 시작한 것으로 보고 있습니다. ​ 모든 방법을 쓰게 될 CY28 그래도 AI 데이터센터의 중심은 미국에 남을 가능성이 높다고 봅니다. 추론 수요 자체가 미국에 가장 많고, 모델과 데이터센터에 대한 안보 문제도 있기 때문입니다. ​ 문제는 전력입니다. ​ 미국 전력망을 통해 매년 추가로 공급할 수 있는 데이터센터 전력은 대략 +10~15GW 수준으로 보고 있습니다. 그 이상의 데이터센터를 빠르게 온라인하려면 전력망 증설/업그레이드만 기다릴 수 없습니다.CY27에는 30~40GW 규모의 신규 데이터센터가 온라인될 것으로 예상하고 있는데, 이미 상당한 물량이 BTM을 통해 해결되는 방향입니다. 가스터빈/왕복엔진/SOFC 등 데이터센터 부지에서 직접 전력을 만드는 방식입니다. ​ 그런데 CY28부터는 필요한 컴퓨트 규모가 더 커집니다.

  7. 원문 구간 7

    가스터빈이나 SOFC를 더 설치하는 것만으로도 부족해진다면 결국 가능한 방법을 모두 사용하게 될 가능성이 높습니다. ​ 미국 내 전력망 확충 및 업그레이드 미국 내 BTM 발전 확대 미국 외 호주, 캐나다 등 우방국에 국가와 대륙을 가로지르는 Asynchronous Training 클러스터 구축 장기적으로는 지구 바깥의 궤도 컴퓨팅 ​ 모두 같은 방향입니다. ​ 제가 중요하게 보는 부분은 오픈AI가 호주나 캐나다에 데이터센터 하나를 더 짓느냐가 아닙니다. 물리적으로 멀리 떨어진 컴퓨트를 하나의 연구 자원처럼 사용할 수 있느냐가 더 중요합니다. ​ 이게 가능해지면 AI Labs가 클러스터를 확장할 때 반드시 한 지역에서 5~10GW의 전력을 한 번에 확보할 필요가 없어집니다. 미국에서 3GW, 캐나다에서 2GW, 호주에서 2GW를 확보한 뒤 이를 하나의 연구 체계 안에서 활용하는 식의 접근이 가능해집니다. 이것도 생각해보면 전력 부족 때문에 컴퓨트 확장이 막히는 문제를 네트워크를 통해 일부 우회하는 것입니다. ​ 그렇게 되면 Scale-across도 가까운 캠퍼스를 연결하는 기술에서 끝나지 않습니다. 국가와 대륙을 연결하는 AI 인프라의 한 축으로 시장 자체가 훨씬 커질 수 있습니다. 시에나/루멘텀을 계속 중요하게 보는 이유도 여기에 있습니다. 지금의 주문은 아직 Scale-across 시장이 본격적으로 넓어지기 전의 수요입니다. 중국의 AI 산업 구조 : ⓐToken Factory ⓑOpen-weight 중국 AI 산업을 볼 때 모델 성능 경쟁만 보면 놓치는 부분이 있습니다. ​ 중국에서는 이미 토큰 자체를 하나의 생산물처럼 다루는 산업 구조가 빠르게 만들어지고 있습니다.

사실·구조중국 AI 산업주 대상 · 산업·업종 · 중국 AI 산업관련 대상 · 기술·제품 · AI 가속기

중국의 Token Factory와 오픈웨이트 구조는 어떤 역할 분담을 만드는가?

이 자료가 더한 내용

컴퓨트 공급이 부족한 환경에서 여러 Token Factory가 토큰을 생산하고, 브로커·유통 플랫폼이 가격·지연시간·처리량을 기준으로 이를 라우팅하는 구조를 설명한다. 장기적으로는 오픈웨이트 모델과 중국산 가속기로 연결되는 생태계를 제시한다.

근거 보기 4
  1. 원문 구간 1

    모델을 개발하는 AI Labs, 토큰을 생산하는 Token Factory, 여러 공급자의 토큰을 모아 유통하는 플랫폼, 그리고 그 아래 AI 가속기까지 하나의 공급망으로 연결되는 모습입니다. ​ 저는 장기적으로 중국이 노리는 그림도 여기에 가깝다고 보고 있습니다. ​ 중국산 모델을 먼저 널리 보급하고 → 그 모델에서 발생하는 토큰 수요를 키우고 → 결국 그 토큰을 가장 저렴하게 생산할 수 있는 중국산 AI 인프라까지 같이 확산시키는 구조입니다. ​ 중국의 토큰 사용량은 2년 만에 약 5,000배 늘었습니다 중국의 일일 토큰 호출량은 빠르게 증가하고 있습니다. ​ 2024년 초 : 1,000억 Token/day 2025년 말 : 100조 2026년 3월 : 140조 2026년 8월 : 500조+ ​ 약 2년 만에 5,000배입니다. ​ 중국 정부 자료에서도 토큰 생성량을 반복적으로 언급하는데, 전력을 얼마나 생산하고 소비하는지를 보는 것처럼 AI 서비스가 얼마나 많이 생산되고 있는지를 보여주는 하나의 경제활동 지표로 토큰을 보는 분위기가 강해지고 있습니다. ​ 2026년 초 OpenClaw가 중국에서 폭발적으로 확산된 것도 토큰 수요를 크게 끌어올렸습니다. 챗봇에서는 사용자가 질문 한두 번을 보내면 끝날 수 있지만, 에이전트는 하나의 작업을 끝내기 위해 모델을 수십 번, 수백 번 호출합니다. 그래서 Chatbot → Agent 전환은 사용자 수 증가보다 훨씬 더 빠른 토큰 소비 증가를 만들 수 있습니다. ​ GPU를 빌려주는 것보다 토큰을 만들어 파는 것이 더 돈이 됩니다 이런 환경에서 2026년 들어 중국에서 Token Factory라는 개념이 본격적으로 등장했습니다.

  2. 원문 구간 2

    ​ 기존 GPU 사업자는 컴퓨트를 시간 단위로 빌려주고 돈을 받았습니다. 이제는 GPU에 DeepSeek/Kimi/GLM 같은 모델을 직접 올리고, 추론해서 만들어낸 토큰을 판매합니다. 단순 GPU Rental → Model Serving → Token 판매로 부가가치가 한 단계 올라간 것입니다. ​ 컴퓨트 자체를 빌려주는 것보다 모델까지 얹은 MaaS(Model-as-a-Service) 형태로 판매하는 편이 수익성이 더 높을 수 있습니다. 업계의 토큰 추론 수요도 공급보다 훨씬 빠르게 늘었습니다. 1Q26 중국의 AI 추론 컴퓨트 수요 증가율은 +417%, 공급 증가는 +128%였습니다. 알리바바와 바이두가 4월부터 AI 컴퓨트 가격을 약 34% 올렸던 배경도 여기에 있습니다. ​ 중국에서는 수백 개의 작은 Token Factory가 토큰을 생산합니다 중국의 구조가 미국과 다른 이유는 컴퓨트 공급이 부족하기 때문입니다. ​ 첨단 GPU의 정상적인 수입 경로가 제한돼 있어 대규모 컴퓨트를 가진 사업자가 많지 않습니다. Token Factory 대부분이 서버 수십 대 규모이고, 큰 사업자도 수백 대 정도입니다. 수천 대 이상의 가속기를 가진 곳은 드뭅니다. 그래서 자연스럽게 공급망이 잘게 쪼개졌습니다. 수백 개의 Token Factory → 브로커/유통 플랫폼 → 알리바바나 텐센트 같은 플랫폼 → 최종 사용자 개별 Token Factory가 고객을 직접 상대하기보다는 여러 생산자의 토큰을 하나의 플랫폼이 모아서 판매하는 구조입니다. ​ 가장 강한 협상력을 갖는 곳은 토큰을 라우팅하는 플랫폼입니다 여기서 흥미로운 건, 가속기를 가진 사업자가 반드시 가장 강한 협상력을 갖는 것은 아니라는 점입니다.

  3. 원문 구간 3

    ​ 알리바바의 Bailian이나 텐센트의 WorkBuddy 같은 플랫폼이 협상력을 갖습니다. 이들은 유통하는 입장에서 여러 Token Factory의 가격/Latency/Throughput/가동률/모델 품질을 비교하고, 그 시점에 가장 경쟁력 있는 곳으로 트래픽을 보낼 수 있습니다. ​ 공급자는 많고 토큰은 어느 정도 대체 가능합니다. Token Factory 입장에서는 얼마나 많은 GPU를 가지고 있느냐보다 플랫폼의 트래픽을 얼마나 지속적으로 받아올 수 있느냐가 더 중요해질 수 있습니다. 구조적으로 보면 클라우드 시장과도 비슷합니다. 컴퓨트 인프라 자체보다 수요를 모으고 배분하는 플랫폼의 협상력이 강합니다. ​ Token Factory 시장을 가능케한 중국 AI Labs의 Open-weight 전략 Token Factory 산업이 성립할 수 있었던 가장 중요한 전제는 중국의 주요 모델이 open-weight라는 점입니다. DeepSeek/Kimi/GLM/Qwen 등의 모델을 사업자가 자신의 가속기에 직접 올려서 서빙할 수 있습니다. ​ 만약 모두 폐쇄형 모델이었다면 토큰은 해당 AI Lab이 직접 보유한 데이터센터나 지정 클라우드에서만 생산됐을 것입니다. Token Factory가 토큰을 별도로 만들어 판매하는 시장 자체가 생기기 어렵습니다. 중국의 전략이 가능한 이유는 싸기만 한 모델이 아니라 실제 사용하기에 충분한 수준의 지능을 가진 모델을 open-weight로 풀고 있기 때문입니다. ​ 이 관점에서 중국의 open-weight 전략을 보면 조금 다르게 보입니다. GLM이나 Kimi가 널리 사용되면 Cursor나 OpenRouter 같은 글로벌 코딩 플랫폼에도 들어갑니다.

  4. 원문 구간 4

    그 모델을 사용하는 앱과 개발도구가 늘어나고, 개발자가 해당 모델에 맞춰 워크플로우를 만들기 시작합니다. 그러면 모델을 중심으로 자연스럽게 생태계가 만들어집니다. 모델이 먼저 시장을 확보하고 인프라는 뒤에서 따라가는 방식입니다. ​ 최종적으로는 중국산 가속기까지 내려가는 Flywheel 장기적으로 더 중요한 부분은 AI 가속기입니다. ​ AWS를 생각하면 이해하기 쉽습니다. Amazon Bedrock에서 사용되는 모델이 반드시 Trainium에서만 돌아가는 것은 아니지만, AWS 입장에서는 자신이 통제하는 워크로드를 Trainium에 최적화할수록 추론 원가가 낮아지고 자체 칩의 활용률도 높아집니다. ​ 중국도 비슷한 방향을 만들 수 있습니다. 중국산 open-weight 모델이 널리 깔리면 그 모델의 추론 특성을 중국 업체들이 누구보다 잘 알게 됩니다. 커널과 서빙 소프트웨어를 최적화하고, Ascend를 비롯한 중국산 AI 가속기에 맞춰 토큰당 비용을 낮출 수 있습니다. ​ 중국은 제3국가의 AI 생태계 장악이 목표 이 전략은 미국의 프론티어 Labs와 정면으로 같은 게임을 할 필요도 없습니다. 전 세계 모든 사용자가 가장 지능이 높은 모델만 원하는 것은 아닙니다. 특히 제3국 시장에서는 지능 수준이 몇 점 더 높은 것보다 같은 업무를 얼마나 저렴하게 처리할 수 있느냐가 더 중요한 경우가 많습니다. 중국이 가격에 민감한 글로벌 시장에서 충분히 좋은 모델을 매우 낮은 가격에 공급할 수 있다면 확산 속도는 더 빨라지다보니 아예 전략을 지능당 효율이 가장 좋은 모델 개발쪽으로 추진 중입니다. Figure Helix 2.5 : Physical AI에서도 스케일링 법칙이 보이기 시작

판단 방법산업 순풍과 투자 판단주 대상 · 투자판단·운용 · 투자 판단 방법

구조적 순풍을 투자 판단에 어떻게 연결하는가?

이 자료가 더한 내용

성장성·밸류에이션·실적 가시성을 함께 보고, 구조적 순풍이 실제 이익으로 연결되는지를 따라간다는 방법을 제시한다. AI에서는 Labs의 모델·칩·아키텍처 선택이 메모리·광통신·전력·냉각·네트워킹의 부족으로 어떻게 이어지는지를 본다.

근거 보기 2
  1. 원문 구간 1

    ​ 분야는 달랐지만 기본 전제는 같았습니다. 어디에서 구조적인 순풍이 불고 있고, 그 순풍이 실제 이익으로 연결될 수 있는지를 따라간 결과입니다. ​ <투자의 생각> #2 : 지금의 시대정신은 AI Labs와 인프라가 어떻게 움직이는지 보는 것 지금 가장 큰 순풍은 AI입니다. ​ 그래서 AI Labs가 어떤 모델을 만들고 있는지, 칩 메이커와 하이퍼스케일러가 어떤 아키텍처를 선택하는지, 그 선택 때문에 메모리/광통신/전력/냉각/네트워킹에서 무엇이 부족해지는지를 계속 따라가고 있습니다. ​ 좋은 점이기도 하고, 동시에 문제이기도 한 것은 '개발 속도가 너무 빠르다'는 것입니다. ​ 구시대의 학문을 공부한다면 이미 상당 부분 답이 정해져 있습니다. 지금 우리가 보고 있는 것은 그렇지 않습니다. 기업과 연구자들이 수십조~수백조원의 돈을 걸고 실시간으로 프론티어를 밀어붙이고 있고, 새로운 아키텍처와 기술이 매일 나옵니다. 정답은 아직 없습니다. ​ 다만 제각기 논리가 있으므로 이것들을 종합하면 합리적인 경향은 충분히 파악할 수 있으며, 창의적인 활동이 매일 수십개씩 나오는 것을 빠르게 특유의 Research Taste로 선별하는 것밖에 없다고 느낍니다. ​ <투자의 생각> #3 : 그래서 지금 더 필요한 것은 베이지안적 사고입니다 현 시점에서 강화해야 할 투자 역량 중 하나는 베이지안적으로 생각하는 습관이라고 봅니다. 처음부터 하나의 결론을 정해놓고 그것을 방어하는 게 아니라, 현재 정보로 가장 합리적인 가설을 만들고 새로운 증거가 나오면 판단의 확률을 계속 바꾸는 방식입니다. ​ 앞에서 이야기한 크레도 uLED도 똑같습니다. ​ 30m까지 된다면 광학 투자 논리를 수정해야 하고, 5~10m에서 막히면 기존 논리를 유지하면 됩니다. 내 생각과 반대되는 데이터가 나왔다면 기존 생각을 고집할 이유도 없습니다.

  2. 원문 구간 2

    ​ 그래서 일간보고와 주간전략보고도 '제가 이렇게 생각하니 믿어달라'는 자료보다는, 제가 중요하다고 판단한 정보와 그 정보를 보고 투자 판단을 어떻게 업데이트하고 있는지를 같이 전달하는 방향을 지향하고 있습니다. 메신저를 믿고 따라가는 수동적인 투자자보다, 큐레이팅된 정보를 직접 보고 자신의 기존 가설과 비교하면서 판단을 바꿀 수 있는 능동적인 투자자가 되는 쪽이 장기적으로 훨씬 도움이 된다고 생각합니다. ​ Mizuho 광학 보고서 : EML과 CW Laser Mizuho가 광학 산업에 대한 새로운 보고서를 냈습니다. ​ 큰 방향은 두 가지입니다: EML은 당분간 AI 데이터센터 광 인터커넥트의 주력으로 남지만, SiPh + CW Laser 조합이 빠르게 커진다는 것입니다. ​ 새로운 대역폭으로 넘어갈 때는 검증된 EML이 먼저 깔리는 경우가 많습니다. 1.6T → 2.4T → 3.2T로 넘어가는 과정에서도 당장은 EML이 가장 빠르게 양산에 들어갈 수 있는 솔루션입니다. 다만 장기로 보면 점유율은 내려갑니다. Mizuho는 전체 InP 모듈에서 EML 비중이 CY25 62% → CY29 45%까지 낮아질 것으로 예상했습니다. SiPh 기반 플러거블과 NPO/CPO에서 광원을 외부로 빼면서 CW Laser가 들어갈 자리가 커지기 때문입니다. ​ EML이 줄어드는 게 아니라, CW가 더 빨리 커지는 것 InP 모듈 출하량 추정치는 다음과 같습니다: CY25 전체 60M → EML 37M(비중 62%) / CW 23M(비중 38%) CY26 110M(+83%) → EML 66M(+78%, 비중 60%) / CW 45M(+96%, 비중 40%) CY27 175M(+59%) → EML 94M(+42%, 비중 54%) / CW 81M(+80%, 비중 46%)

4

시간흐름대로 모든 내용을 살려 정리

시간흐름대로 모든 내용을 살려 정리

1
네이버 프리미엄 콘텐츠 올바른 미국주식 by SAPIENS 2026.09.21

[원문 유형] 네이버 프리미엄 콘텐츠
[채널] 올바른 미국주식 by SAPIENS
[게시일] 2026.09.21
[원문 URL] https://contents.premium.naver.com/sapiens/sapiensasset/contents/260921132018295vz
[제목] 주간전략보고 : 투자의 생각 (9월 21일~9월 25일)
[수집 기준] 구매회원 본인이 QR 로그인으로 승인한 구독 열람권을 사용해 개인 문서 보관용으로 확보했다. 목록 메타데이터가 아니라 아래 실제 본문만 분석 근거로 사용한다.

[구독 원문 본문]

안녕하세요 올바른입니다.

요즘 AI Labs 판에 대한 생각을 정리해봤습니다. Pre-training과 RL 능력을 따져보다보면 향후 6~12개월의 경쟁력을 예상할 수 있기 때문입니다. 스타게이트 애빌린 800cMW가 가동을 시작했습니다.

RSI 초기의 징후들이 오픈AI, 앤스로픽, Z.ai에서 나온 것들을 살펴보고, 현 시점 오픈AI의 비동기식 학습 논의가 의미하는 바, 메모리 Phase 1 → Phase 2 랠리의 구조를 정리했습니다.

광학 컨퍼런스 중 매우 큰 CIOE 2026 & Huawei Connect 2026이 있었습니다. NPO에 대한 컨센이 바뀐 컨퍼런스들입니다. 앤스로픽의 두 번째 IPO 연기, Gemini 4 생각도 담긴 자료입니다.

주간전략보고

2026-09-14

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

2026-09-07

주간전략보고 : 투자의 생각 (9월 7일~9월 11일) (바로가기)

2026-08-31

주간전략보고 : 투자의 생각 (8월 31일~9월 4일) (바로가기)

2026-08-24

주간전략보고 : 투자의 생각 (8월 24일~8월 28일) (바로가기)

2
2026-08-17 주간전략보고 : 투자의 생각 (8월 17일~8월 21일) (바로가기​) 투자자문 서비

2026-08-17

주간전략보고 : 투자의 생각 (8월 17일~8월 21일) (바로가기)

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

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

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

목차

주간전략보고 투자의 생각 : 계속해서 EPS는 가파르게 상승, 주가는 횡보하며 매력도 상승 중

2Q26 11주차 실적발표 훑어보기 : 11주차 3개 기업 - 업사이클 & 다운사이클 비교

투자의 생각 : GNRC/FLNC, CRCL/HOOD, DASH, U, ORCL/CRWV/NBIS, VRT, BE, MU/SNDK, LITE, VIAV, SMTC

Magnificent 7 : 요즘 AI Labs 판에 대한 투자의 생각, 초기 RSI란?, 메모리 부족 대응, 중국 AI 산업

📆 주간 캘린더 (9월 21일~9월 25일)

👨‍💻 → 미-중 정상회담

> 정상회담 : 미-중 정상회담 (목)

> 경기/물가 : 제조업/서비스 PMI, 원유재고 (수) 신규주택판매 (목)

> 고용/실업 : 신규실업수당청구건수 (목)

> 실적발표 : AZO, KB (화) CTAS, GIS, PAYX (수) BB, COST (목)

> 이벤트 : S&P500 편입 (월) QCOM Snapdragon (화) Meta Connect (수) 미-중 정상회담 (목)

주간전략보고 : 투자의 생각

계속해서 EPS는 가파르게 상승, 주가는 횡보하며 매력도 상승 중

🧭 S&P500 EPS 추정치 변화 (~9/1

3
25년 EPS : $271.23 26년 EPS : $362.41 ▲ (8/7 $358.66 ← 7/17

8)

25년 EPS : $271.23

26년 EPS : $362.41 ▲ (8/7 $358.66 ← 7/17 $341.59 ← 6/13 $338.99)

27년 EPS : $417.35 ▲ (8/7 $405.17 ← 7/17 $400.05 ← 6/13 $392.48)

S&P 500 밸류에이션 : 매력적

계속해서 생각은 같습니다.

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

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

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

주간 퍼포먼스 체크

지수(4) : Nasdaq100(+0.9%), S&P500(-0.1%), Russell2000(-1.5%), Dow30(-1.7%)

빅테크(7) : 구글(+3.3%), 메타(+2.7%), 엔비디아(+1.8%), 애플(+1.2%), 테슬라(-0.3%), 마이크로소프트(-0.4%), 아마존(-1.2%)

섹터(11) : 헬스케어(+1.8%), 테크(+1.0%), 필수소비재(-0.7%), 에너지(-1.3%), 산업재(-1.5%), 커뮤니케이션(-1.6%), 경기민감재(-1.7%), 원자재(-1.9%), 리츠(-2.0%), 금융(-2.4%), 유틸리티(-3.0%)

2Q26 11주차 실적발표 훑어보기

11주차 3개 기업 - 업사이클 & 다운사이클 비교

*업사이클이란? : 매출성장률이 역성장(-)에서 성장(+)으로 전환한 기업이거나, '성장률'자체가 약한성장(+)에서 고성장(++)으로 증가하는 기업을 선별하기 위해 많이 참고하고 있습

4
매출성장률과 영업이익률이 동시에 증가하는 기업일 때는 실적 증가폭도 크지만 리레이팅도 같이 붙기 때문에

니다. 매출성장률과 영업이익률이 동시에 증가하는 기업일 때는 실적 증가폭도 크지만 리레이팅도 같이 붙기 때문에 가장 좋아하는 구간입니다.

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

*'클릭 후 더블클릭'하시면 크게 보실 수 있습니다.

2Q26 11주차 실적발표

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

다운사이클 ↘ : 다운사이클인 기업은 트립닷컴TRIP, 레나LEN가 있었습니다.

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

GNRC/FLNC, CRCL/HOOD, DASH, U, ORCL/CRWV/NBIS, VRT, BE, MU/SNDK, LITE, VIAV, SMTC

상대적인 매력도 평가

주가와 기업의 펀더멘탈을 고려해서 세 가지 기준으로 평가하고 있습니다.

Overweight = 비중확대

Neutral = 중립

Underweight = 비중축소

올바른 미국주식 by SAPIENS

Overweight *순서는 비중, 강도와 무관합니다*

Nvidia

Vertiv

Bloom Energy

Sea Limited

DoorDash

Micron

Figure Tech

Semtech

Sandi

5
Unity Software CoreWeave Nebius Lumentum Viavi Solutions F

sk

Unity Software

CoreWeave

Nebius

Lumentum

Viavi Solutions

Fortinet

제네락(GNRC), 플루언스(FLNC)

제네락GNRC는 Neutral을 유지합니다.

플루언스FLNC는 Neutral을 유지합니다.

제네락-AWS 최대 $8B 데이터센터 백업발전기 계약

최대 $8B 계약이지만, 당장 확정된 물량은 $2.4B

제네락이 AWS와 데이터센터용 디젤 백업발전기 공급 계약을 체결했습니다. 계약의 총 지급액은 최대 $8B까지 열려 있습니다. 대신 제네락도 아마존에 워런트를 제공합니다.

아마존이 일정 금액 이상의 제품을 구매할 때마다 제네락 주식을 받을 수 있는 구조로, 최근 대형 고객들이 장기 구매계약을 체결하면서 자주 사용하는 방식입니다. 그래서 $8B 전체를 당장 제네락의 매출로 볼 필요는 없습니다. 지금 확정적으로 봐야 할 것은 초기 납품 물량입니다.

현재 공개된 초기 공급 규모는 CY27~CY28 합산 약 $2.4B입니다. 뒤로 갈수록 납품이 커지는 구조라고 가정하면 CY27 약 $0.8B, CY28 약 $1.6B 정도로 볼 수 있습니다. 제네락의 현재 TTM 매출이 $4.4B라는 점을 감안하면 분명 큰 계약입니다.

2Q26에서 언급했던 '두 번째 하이퍼스케일러'가 AWS

이번 발표로 지난 2Q26 실적발표에서 제네락이 언급했던 두 번째 하이퍼스케일러 고객이 AWS였다는 점도 확인됐습니다. 이 내용은 8월 3일 주간전략보고에서 전해드린 바 있습니다.

당시 제네락의 데이터센터 수주잔고는 $1.6B였고, CY27에 이미 $1.35B의 데이터센터향 매출이 예정돼 있었습니다. 두 번째 하이퍼스케일러의 주문은 당시 수주잔고에 포함되지 않은 상태였습니다. 제네락은 데이터센터 수요에 대응하기 위해 대형 MW급 발전기 생산능력을 기존 연간 $1.25B 목표에서 2Q27 $3.75B~$4.0B까지 확대할 계획이었습니

6
​ 이번 AWS 계약은 '당시 회사가 생산능력을 세 배 가까이 늘려했던 이유'를 상당 부분 설명해줍니다.

다.

이번 AWS 계약은 '당시 회사가 생산능력을 세 배 가까이 늘려했던 이유'를 상당 부분 설명해줍니다.

결국 봐야 하는 것은 데이터센터가 본업을 얼마나 끌어올리느냐

지금도 제네락에 대한 생각은 8월 초와 크게 다르지 않습니다.

데이터센터용 백업발전기 시장에서 제네락이 빠르게 점유율을 확보하고 있다는 점은 분명합니다. 40~45주의 납기로 경쟁사 대비 상당한 리드타임 우위도 가지고 있고, 하이퍼스케일러 고객도 늘어나고 있습니다.

다만 이 계약 하나만으로 제네락 전체 실적이 완전히 달라진다고 보기에는 아직 애매한 규모입니다. Residential이 받쳐줄 때 C&I 내에서 데이터센터 매출이 늘어나는 건 전사 성장률을 견인하니 좋은데, Residential이 어떨지가 미지수라서 전사 기준으로는 매출과 이익성장 가시성이 높지 않다는 생각입니다.

플루언스 에너지 : 또 다시 실행력 문제

플루언스 에너지는 예전에도 여러 번 말씀드렸지만, 결국 실행력이 늘 문제입니다.

플루언스는 이번 주에 공급망 문제로 인해서 FY26 매출 가이던스를 기존 $3.0B → $2.4B로 크게 낮췄고, Adj EBITDA 전망도 -$10M → -$200M으로 대폭 악화시켰습니다. 직접적인 원인은 휴스턴 위탁 생산시설의 램프업 차질입니다. 생산 정상화가 예상보다 늦어지면서 출하와 매출 인식이 밀리고 있습니다.

플루언스가 더 부담스러운 이유는 원래부터 GPM이 낮고 경쟁이 치열한 산업에 속해 있는데, 여기에 실행 문제까지 반복된다는 점입니다. 공급망, 프로젝트 일정, 생산 램프업 등에서 1년에 몇 번씩 문제가 터져왔던 기업이라 저는 계속 선호하지 않고 있습니다. 이번 가이던스 하향도 새로운 문제라기보다는, 플루언스를 볼 때 계속 할인해서 봐야 했던 실행 리스크가 다시 드러난 사례에 가깝습니

7
서클(CRCL), 로빈후드(HOOD) ​ 서클CRCL은 Neutral을 유지합니다. 로빈후드HOOD는 N

다.

서클(CRCL), 로빈후드(HOOD)

서클CRCL은 Neutral을 유지합니다.

로빈후드HOOD는 Neutral을 유지합니다.

CLARITY Act : 60표가 필요했는데 49표에 그쳤습니다

CLARITY Act가 결국 상원 본회의 심의에도 들어가지 못했습니다.

9월 15일 상원은 CLARITY Act를 본회의에서 다루기 위한 cloture 표결을 진행했는데, 결과는 찬성 49표 : 반대 50표였습니다. 필요한 표는 60표였습니다. 법안 내용을 놓고 본격적으로 토론하거나 최종 표결까지 간 것도 아니고, 본회의 심의를 시작하기 위한 첫 번째 문턱에서 11표가 부족했습니다.

법안은 2025년 7월 17일 하원에서 294 대 134로 통과했고 → 2026년 5월 14일에는 상원 은행위원회도 15 대 9로 통과했습니다. 여기까지는 초당적인 표가 어느 정도 붙었습니다. → 그러나 마지막 본회의 단계에서는 전혀 달랐습니다.

마지막까지 좁히지 못한 ⓐ트럼프 일가의 코인 이해관계 ⓑ이자 지급

막판 협상의 가장 큰 쟁점 중 하나는 트럼프 대통령과 가족이 직접 암호화폐 사업에서 경제적 이해관계를 갖고 있는 상황에서, 이를 법으로 어디까지 제한할 것이냐였습니다. 민주당 측은 대통령과 고위 공직자가 코인 산업의 규칙을 만드는 동시에 본인이나 가족의 코인 사업에서 이익을 얻는 구조를 더 강하게 막아야 한다고 요구했습니다.

공화당도 표를 확보하기 위해 상당 부분 양보했습니다. 트럼프 대통령은 공화당 Thom Tillis와 민주당 Ruben Gallego가 협상한 윤리조항의 약 80%를 받아들였고, 일정 규모 이상의 암호화폐 자산을 매각하거나 Blind Trust에 맡기는 방안, 법 위반 시 주 검찰총장도 직접 집행할 수 있도록 하는 조항 등이 최종안에 들어갔습니

8
​ 공화당은 민주당의 요구를 반영해 최종안에 상당 부분의 윤리조항을 추가했고, 트럼프 대통령도 Tilli

다.

공화당은 민주당의 요구를 반영해 최종안에 상당 부분의 윤리조항을 추가했고, 트럼프 대통령도 Tillis-Gallego가 제안한 이해충돌 방지안의 상당 부분을 수용했습니다. 주 검찰총장의 집행권과 일정 규모 이상의 암호화폐 자산에 대한 매각 또는 blind trust 관련 조항까지 들어갔습니다.

그래도 충분하지 않았습니다. 민주당 협상에 참여했던 의원들까지 결국 반대표를 던졌고, 공화당에서도 4명이 이탈하면서 cloture에 필요한 60표를 확보하지 못했습니다.

윤리조항만 해결하면 끝나는 것도 아니었습니다.

은행권은 스테이블코인을 보유한 이용자에게 이자나 보상을 지급하는 구조를 강하게 반대했습니다. 예금과 비슷하게 수익을 주기 시작하면 고객이 예금에서 돈을 빼 스테이블코인으로 옮길 수 있다는 우려 때문입니다. 트럼프 대통령의 코인 이해관계에 대한 민주당의 우려와 은행권의 예금 경쟁 우려가 법안 부결의 주요 배경입니다.

중간선거 전 CLARITY Act 처리는 사실상 끝났습니다

이제 시간은 사실상 거의 남지 않았습니다.

하원은 9월 16일 예정됐던 일정보다 일찍 본회의를 마치고 중간선거 선거운동을 위한 휴회에 들어갔습니다. 상원에서도 이번 표결이 60표에 한참 못 미쳤기 때문에 단기간에 다시 표를 모으기는 쉽지 않은 상황입니다.

CLARITY Act 자체가 공식적으로 폐기된 것은 아닙니다. 절차적으로는 재표결 여지가 남아 있습니다. 다만 적어도 11월 중간선거 이전에 시장구조법이 처리되는 시나리오는 사실상 끝났다고 보는 편이 맞습니다. 이후에는 중간선거 이후에 다시 시도할지, 아니면 2027년 새 의회로 넘길지가 남습니다.

로빈후드 : Robinhood Chain 이슈는 주식 관점에서 일단락

Robinhood Chain이 시장의 주목을 받던 9월 4일 일간보고 이후의 흐름을 정리해보면, 로빈후드가 사용자들의 Gas 한도를 상향하고 수수료를 낮춘 뒤 체인 수수료는 고점 대비 약 90% 가까이 하락한 것으로 보입니

9
​ 다만 DEX 거래량 자체는 꽤 견고하게 유지되고 있습니다. 수수료를 낮췄는데도 실제 사용량이 크게 꺾

다.

다만 DEX 거래량 자체는 꽤 견고하게 유지되고 있습니다. 수수료를 낮췄는데도 실제 사용량이 크게 꺾이지 않았다는 점은 장기적으로 Robinhood Chain의 경쟁력을 볼 때 나쁜 신호는 아닙니다.

문제는 주식입니다. 현재 체인의 사용량과 거래 활성도가 로빈후드 전사 실적을 바꿀 정도의 매출이나 이익으로 연결되고 있지는 않습니다. 그래서 지금 시점에서는 Robinhood Chain 이슈가 체인 자체로는 계속 지켜볼 만하지만, HOOD 주식의 단기 펀더멘탈을 움직이는 재료로서는 일단락되는 분위기로 보고 있습니다.

도어대시(DASH)

도어대시DASH는 Overweight을 유지합니다. CY27 PER 24.2배(CY27 EPS $8)입니다.

도어대시 2Q26 실적발표 / 주간전략보고 : 투자의 생각 (8월 10일~8월 14일)

도어대시 1Q26 실적발표 / 주간전략보고 : 투자의 생각 (5월 11일~5월 15일)

도어대시 : Grubhub Campus Dining 사업 인수

도어대시가 Wonder와 전략적 파트너십을 체결하면서 Grubhub Campus Dining 사업을 인수했습니다.

Campus Dining은 쉽게 말하면 대학생들이 학교 안에서 밥을 주문하고 결제하는 앱입니다. 학생들은 앱이나 키오스크에서 학식당이나 교내 레스토랑 메뉴를 미리 주문하고, 학교 식권이나 미리 충전해둔 식비 포인트로 결제한 뒤 원하는 시간에 음식을 찾아갈 수 있습니다.

결국 도어대시는 일반 음식 배달 시장을 넘어 대학이라는 폐쇄형 소비 생태계 안에서 주문과 결제 인프라를 확보한 것입니다. 학생들이 매일 반복적으로 사용하는 식사 결제 영역이라는 점에서 일반 배달 주문과는 성격이 조금 다릅니다.

유니티(U)

유니티U는 Overweight을 유지합

10
CY27 PER 23.0배(CY27 EPS $1.8)입니다. 유니티 2Q26 실적발표 : 앱러빈이 이미

니다. CY27 PER 23.0배(CY27 EPS $1.8)입니다.

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

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

Unity Ads를 다루는 기업들의 채용 활동이 6월 이후 크게 늘었

TickerTrends를 통해 기업들의 Unity Ads 도입 정황을 살펴보면 최근 흐름이 꽤 좋아지고 있습니다. 이 데이터는 채용공고에서 Unity Ad를 직접 언급한 기업을 추적한 것입니다. 따라서 실제 광고주 수를 그대로 보여주는 지표는 아니지만 기업들이 Unity Ads를 내부 마케팅 스택에 넣고 관련 인력을 채용하고 있는지를 볼 수 있습니다.

2026년 8월까지 누적으로 26개 기업이 관측됐고 신규 기업이 가장 많이 등장한 달은 2026년 6월로 한 달에 4개 기업이 처음 발견됐습니다.

더 눈에 띄는 것은 채용 활동의 빈도입니다. 6~8월 Unity Ads 관련 관측 건수는 총 32건으로 3~5월보다 +190.9% 증가했습니다. 단순히 기업 수만 조금씩 늘어나는 것이 아니라 기존 기업까지 포함한 Unity Ads 관련 채용 활동 자체가 6월 이후 확실히 많아졌습니다.

Claude Code로 Unity Editor를 거의 건드리지 않고 게임을 만들다

유니티의 Claude Code 플러그인을 사용해 게임을 개발한 사례를 살펴보시면,

가벼운 수준의 게임이기는 하지만, 게임엔진에서 제대로 돌아가는지 마지막에 직접 테스트한 것 외에는 Unity Editor를 거의 한 번도 건드리지 않고 개발을 끝냈다는 점이 인상적이었습니다. 물론 여기서 Blender로 3D Asset을 직접 만들고, Suno 등을 이용해 BGM을 입히는 식으로 작업을 더하면 훨씬 완성도 높은 게임을 만들 수 있습니

11
​ 다만 빠르게 프로토타입을 만들어본 사람의 후기라는 점에서 두 가지를 볼 만했습니다. ​ Claude

다.

다만 빠르게 프로토타입을 만들어본 사람의 후기라는 점에서 두 가지를 볼 만했습니다.

Claude Code가 Unity 안에서 직접 테스트하고 버그까지 찾습니다 : 첫 번째는 Unity API를 상당히 깊은 수준까지 열어뒀다는 점입니다. Claude Code가 단순히 코드를 작성하는 데 그치지 않고 Unity 안에서 프로젝트를 실행하고, 문제가 생기면 직접 테스트하면서 버그를 찾아 수정할 수 있도록 되어 있습니다. 개발자가 Editor에서 일일이 클릭하고 확인하던 작업까지 에이전트가 가져갈 수 있는 구조입니다. 게임 개발에서 코딩 자동화보다 더 중요한 부분이 바로 이 지점일 수 있습니다.

Unity의 수익화 제품도 자연스럽게 붙습니다 : 두 번째로 흥미로웠던 것은 프로젝트를 만드는 과정에서 다른 제품들이 자연스럽게 연결됐다는 점입니다. 프로젝트는 자동으로 Developer Data Framework에 Opt-in됐고 관련 기능도 활성화됐습니다. 게임 프로젝트를 시작할 때는 LevelPlay mediation을 통한 광고 수익화와 Unity IAP 결제 시스템을 도입할 것인지도 자동으로 물어봤습니다. Claude Code가 Unity에서 게임을 만드는 진입장벽을 낮출수록 신규 프로젝트 수가 늘어날 수 있고, 그 과정에서 광고/결제 같은 Unity의 수익화 제품까지 처음부터 개발 워크플로우 안에 들어가는 구조를 만들고 있다는 점이 더 중요해 보입니다.

오라클(ORCL), 코어위브(CRWV), 네비우스(NBIS)

오라클ORCL은 Neutral을 유지합니다.

코어위브CRWV는 Overweight을 유지합니다.

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

코어위브 1Q26 실적발표 : 적자만 보면 놓치는 코어위브의 진짜

12
네오클라우드 뜯어보기 #2 : 새로운 시대의 AI 계급도, 전력을 돈으로 바꾼 Powered Shell

변화

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

네오클라우드 뜯어보기 : GPU 임대의 경제학, 네오클라우드 BIG 4 비교분석

네비우스NBIS는 Overweight을 유지합니다.

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

네비우스 기업분석 : GPU 네오클라우드의 선두주자

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

네오클라우드 뜯어보기 : GPU 임대의 경제학, 네오클라우드 BIG 4 비교분석

네비우스, 10월 1일 on-demand GPU 가격인상

네비우스가 10월 1일부터 다시금 인상한 온디맨드 GPU 컴퓨트 가격을 반영할 계획입니다. 7월 1일부로 한 번 인상했었는데 이번이 두 번째 인상입니다. 다년짜리 장기계약은 아니고 몇 개월짜리 계약입니다.

H100 : $3.85 → $4.50 (+16.9%)

H200 : $4.50 → $5.40 (+20.0%)

B200 : $7.15 → $8.50 (+18.9%)

B300 : $7.85 → $9.50 (+21.0%)

코어위브의 세 가지 뉴스

같은 날, 코어위브가 세 가지 뉴스를 냈습니다:

최대 $3.5B 규모 전환사채 발행 : 2033년 만기 $3.0B 규모 Convertible Senior Notes 발행을 추진합니다. 인수단에는 추가로 $500M까지 매입할 수 있는 옵션이 있어 최대 발행 규모는 $3.5B입니다. 금리와 전환가격은 발행 가격 결정 시 확정되며, 조달 자금 일부는 Capped Call 계약에 사용하고 나머지는 일반적인 기업 운영자금으로 사용할 예정입니다.

최대 3,500만 주 규모 ATM 프로그램 개설 : 별도로 Class A 주식 최대 3,500만주를 시장에서 수시로 발행할 수 있는 ATM(At-the-Market) 프로그램도 만들었습

13
즉시 3,500만주를 발행한다는 뜻은 아닙니다. 시장 상황과 자본구조를 보면서 필요할 때 조금씩 주식을

니다. 즉시 3,500만주를 발행한다는 뜻은 아닙니다. 시장 상황과 자본구조를 보면서 필요할 때 조금씩 주식을 발행할 수 있도록 자금조달 창구를 열어둔 것입니다.

컴퓨트 계약가격 상향 추세 발언 : 3Q26 들어 체결한 3~6개월 단기 Compute 계약의 가격이 MW당 연환산 매출 기준 약 $40M이라고 밝혔습니다.

오라클, 래리 엘리슨의 주식매도 계획 철회

래리 엘리슨이 현 오라클 주가 기준 $7.5B에 해당하는 5천만 주를 매각하려던 계획을 철회했습니다. 원래 10월 말까지 5천만 주를 매각할 계획을 발표한지 하루만에 철회한 것입니다.

버티브(VRT)

버티브VRT는 Overweight을 유지합니다. CY27 PER 26.3배(CY27 EPS $9.5)입니다.

버티브 2Q26 실적발표 : Organic 상반기 20% → 하반기 45%, 모듈러 제품이 만든 숙제

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

800VDC/Kyber 도입은 생각보다 조금 더 느려질 가능성

VR300 NVL576 자체는 Oberon 랙 기반이라 Scale-up CPO 도입 일정과는 직접적인 관련이 없습니다. 다만 Kyber 랙과 800VDC 전력 구조의 도입 속도는 기존 예상보다 조금 느려질 가능성이 커지고 있습니다.

최근 골드만삭스와 UBS 체크에서도 비슷한 흐름이 나왔습니다. 800VDC로 빠르게 전환되기보다는, 현재 데이터센터에서 사용하는 전통적인 전력·냉각 인프라가 생각보다 더 오래 유지될 것이라는 전망입니다.

버티브에는 오히려 성장 가시성이 좋아지는 흐름

버티브 입장에서는 나쁘지 않습니다.

기존 데이터센터 전력/냉각 시스템에서 이미 높은 점유율을 갖고 있는 상황에서, 구조 자체가 급격하게 바뀌기보다는 기존 인프라 위에 모듈형 데이터센터와 액체냉각 수요가 추가되는 흐름이 더 오래 이어질 수 있기 때문입

14
새로운 아키텍처로 한 번에 넘어가는 것보다 기존 시스템을 확장하면서 냉각과 전력 밀도를 높이는 쪽이 길어

니다. 새로운 아키텍처로 한 번에 넘어가는 것보다 기존 시스템을 확장하면서 냉각과 전력 밀도를 높이는 쪽이 길어지면, 버티브가 현재 갖고 있는 포지션을 더 오래 활용할 수 있습니다.

800VDC 전환에 직접 베팅한 업체에는 일정 지연

반대로 800VDC 전환 자체가 투자 포인트인 업체들에는 좋지 않은 변화입니다.

전력반도체 업체나 데이터센터용 SST(Solid State Transformer)를 준비하고 있는 인페이즈/솔라엣지 같은 기업들은 실제 채택 시점이 뒤로 밀리면 매출 발생 시점도 늦어집니다. 그래서 이번 변화는 기존 데이터센터 인프라 사업자에는 긍정적이고, 800VDC 전환 속도에 직접 베팅한 업체에는 부정적인 흐름으로 보고 있습니다.

미국 데이터센터 전력망 협회 출범

Emerald AI-구글-엔비디아가 AMEA(AI Energy Management Alliance)를 출범했습니다. 목표는 AI 데이터센터가 전력망 상황에 따라 전력 소비를 동적으로 조절할 수 있도록 공통 기술/운영/정책 프레임워크를 만드는 것입니다. 기존 전력망 설비를 더 효율적으로 쓰고 데이터센터의 계통 연결 속도를 높이기 위해 엔비디아 GPU 생태계 + 구글 TPU 생태계의 표준을 만들려는 작업입니다.

블룸에너지(BE)

블룸에너지BE는 Overweight을 유지합니다. CY27 PER 29.5배(CY27 EPS $9)입니다.

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

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

다시 한 번 시끄러운 Project Jupiter

오라클? 중요한 건 목표 가동일 '2027년 2월 1일'

FT에 따르면 글로벌 은행들은 지난해 말 오라클 데이터센터 착공을 위해 약 $18B를 대출했지만, 오라클의 부채 급증과 신용도 악화로 이를 기관투자자에게 재매각하려던 신디케이션이 막혔습

15
S&P의 신용등급 강등까지 겹치면서 은행들이 예상보다 많은 오라클 관련 대출을 직접 보유하게 됐다는 내용

니다. S&P의 신용등급 강등까지 겹치면서 은행들이 예상보다 많은 오라클 관련 대출을 직접 보유하게 됐다는 내용입니다.

이것 자체로 엄청난 문제가 생긴 것까지는 아닙니다. 7월 20일 주간전략보고에서 Project Jupiter를 다뤄드렸던 것에서부터 업데이트해봅니다. 중요한 건 오라클이 가스터빈+왕복엔진 조합으로 뉴멕시코주 도나아나 카운티에서 진행하기 어려워지자 커뮤니티 수용성을 높이려고 SOFC를 택했다는 것이 가장 중요한 전제입니다.

블룸에너지 입장에서는 ⓐ과거의 Project Jupiter와 ⓑ지금의 Project Jupiter 자체가 전혀 다른 의미이며 이번 FT 보도도 마치 ⓐ의 이슈가 지금까지 이어지고 있는 것처럼 적혀있습니다.

기존에 Project Jupiter에 대해서 전해드렸던 내용에서 쭉 업데이트하자면:

Energy Transfer는 8월 기존 노선을 변경해 뉴멕시코 주 자체의 관할 토지를 피하고 연방 토지를 통과하는 경로를 새로 제출했습니다. 대신 파이프라인의 목표 가동일은 2026년 8월 15일 → 2027년 2월 1일로 밀렸습니다. 이미 오라클은 Doña Ana County 고객 인도를 1H27 시작으로 표시하고 있습니다. 이것도 7월 20일 말씀드렸던 것처럼 '주/커뮤니티 토지'가 아닌 '연방 토지'이기 때문에 통과될 확률이 매우 높다고 보고 있습니다.

환경단체의 소송 때문에 뉴멕시코주 대법원이 8월 23일 Jupiter의 air permit 관련 행정절차를 일시 중단했지만, 9월 17일 대법원이 두 환경단체의 청구를 기각하면서 허가 프로세스를 다시 진행할 수 있게 됐습니다. 현재 상태는 오히려 건물 공사 진행 → Air permit 재개 → Gas pipeline 우회노선 승인 대기에 가깝습니다. 지금 이미 Shell은 짓고 있어서 병렬로 처리할 수 있는 건입니

16
​ 여러 이슈를 한 번에 엮어놔서 쉽게 풀기 어렵게 해뒀지만, 펀더멘탈에 영향은 없을 것으로 봅니다. ​

다.

여러 이슈를 한 번에 엮어놔서 쉽게 풀기 어렵게 해뒀지만, 펀더멘탈에 영향은 없을 것으로 봅니다.

데이터센터 구축 우려를 하지 않는 이유

데이터센터 모라토리엄, 20GW가 규제권 안에 있지만 실제 지연은 2.3GW

SemiAnalysis가 <Everyone Says Datacenter Moratoriums Are Killing the US Buildout. We disagree> 뉴스레터 자료를 통해 최근 늘어난 데이터센터 규제가 미국의 전체 구축 속도를 크게 떨어뜨리고 있다는 해석에 반박했습니다.

미국에서는 300개가 넘는 지방정부가 데이터센터 모라토리엄이나 제한 조치를 도입했고, 약 20GW의 계획 용량이 규제 지역 안에 들어가 있습니다. 숫자만 보면 상당히 커 보입니다.

그런데 SemiAnalysis가 프로젝트와 필지를 하나씩 대조한 결과 지방정부 규제로 실제 일정이 밀리고 있는 용량은 1,525MW에 불과했습니다. 여기에 뉴욕주의 조치로 직접 지연되는 약 0.8GW를 더해도 현재 미국에서 규제 때문에 실제로 밀리는 용량은 2.3GW라는 계산입니다.

CY27 신규 IT Capacity 38GW 전망도 거의 바뀌지 않았습니다

SemiAnalysis는 미국에서 CY27에 38GW의 신규 데이터센터 IT Capacity가 추가될 것으로 보고 있습니다. CY26의 두 배가 넘는 규모입니다. 중요한 건 이 38GW가 아직 계획만 잡혀 있는 숫자가 아니라는 점입니다.

이 가운데 22GW는 이미 건물을 실제로 올리는 공사 단계에 들어갔습니다. 나머지 16GW도 상당수는 자금조달을 끝냈거나 부지 정리/기초 공사를 진행하면서 본공사를 준비하고 있습니다. 쉽게 말하면, CY27 물량의 상당 부분은 이미 돈이 들어가고 공사가 시작된 프로젝트입니

17
​ 그래서 최근 지방정부들이 데이터센터 규제를 많이 만들었다고 해도 이미 허가를 받고 공사가 진행 중인

다.

그래서 최근 지방정부들이 데이터센터 규제를 많이 만들었다고 해도 이미 허가를 받고 공사가 진행 중인 프로젝트까지 갑자기 멈추기는 어렵습니다. SemiAnalysis가 최근 1년 동안 모라토리엄이 크게 늘었는데도 CY27 데이터센터 공급 전망을 거의 낮추지 않은 이유입니다.

이미 인허가를 확보한 데이터센터 부지가 더 귀해집니다

투자자 입장에서 먼저 볼 부분은 이미 zoning과 인허가를 확보한 기존 데이터센터 부지의 가치입니다.

지방정부의 규제가 많아질수록 새로 승인을 받아야 하는 Greenfield 개발의 불확실성은 커집니다. 반대로 기존 권리를 확보한 부지는 그대로 공사를 진행할 수 있어 상대적인 희소성이 높아집니다. 모라토리엄이 데이터센터 수요 자체를 없애기보다는 어느 부지에서 먼저 지을 수 있는지를 더 중요하게 만드는 방향에 가깝습니다.

전력망 연결이 어려워질수록, BTM 전력은 더 필요해진다

두 번째는 Behind-the-Meter 전력입니다.

전력망 연결이나 인허가를 까다롭게 만들수록 데이터센터 사업자는 가스터빈, 왕복엔진, SOFC(현장발전원 Top 1~3)처럼 현장에서 직접 전력을 확보하는 방법을 더 적극적으로 찾게 됩니다. SemiAnalysis도 텍사스의 경우 전력망 연결 절차 강화가 일부 프로젝트에는 몇 개월의 행정 지연을 만들지만 전력망을 거치지 않는 BTM 프로젝트에는 오히려 유리하게 작용한다고 보고 있습니다. 블룸에너지에게 계속해서 순풍인 방향으로 보고 있습니다.

Aligned Data Centers의 2GW ‘Project Phoenix’

RBC Capital에서 블룸에너지의 새로운 프로젝트 'Project Phoenix'에 대해 알렸습니다. 개발사는 Aligned Data Centers로, 펜실베이니아주 비버 카운티에서 9월 10일 착공식을 진행했습

18
3개 데이터센터 시설을 합쳐 전체 프로젝트 규모는 2GW입니다. ​ 전력 조달 구조가 꽤 독특합니다. ​

니다. 3개 데이터센터 시설을 합쳐 전체 프로젝트 규모는 2GW입니다.

전력 조달 구조가 꽤 독특합니다.

전체 2GW 가운데 약 1.2GW는 바이오가스를 블룸에너지 SOFC에 주입해 데이터센터 부지에서 직접 발전하는 방식으로 파악됩니다. 나머지 전력은 약 750MW를 인근 Shippingport 발전소에서 가져올 예정입니다. 이 발전소는 기존 석탄화력에서 가스 발전으로 전환하는 사업이 진행 중입니다. 부족한 전력은 PJM 전력망에서 조달하는 구조입니다. 결국 ⓐ블룸에너지 SOFC + ⓑ인근 가스발전소 + ⓒPJM Grid를 함께 사용하는 하이브리드 전력 프로젝트입니다.

완공 시점은 대략 CY28~CY29로 파악됩니다. 블룸에너지 입장에서는 오라클의 Project Jupiter와 비슷한 시기에 또 하나의 대형 데이터센터 프로젝트가 들어오는 셈입니다. 특히 이번 건은 1.2GW가 SOFC 기반 현장발전으로 잡혀 있어, 기존에 알려진 프로젝트들과 비교해도 규모가 상당히 큽니다.

800V DC 적용 시 1GW 데이터센터 CapEx $3.6B 절감

블룸에너지가 <The New Rules of AI Power> 보고서를 통해 800V DC Native 전력 구조의 경제성을 강조했습니다. 1GW 규모 데이터센터에서 블룸에너지 SOFC로 현장발전한 전력을 800V DC 구조로 직접 공급할 경우, 기존 AC 기반 전력 시스템 대비 CapEx를 $3.6B 절감할 수 있다는 계산입니다. 데이터센터의 전력/냉각/배전 인프라에 해당하는 Powered Shell 비용만 놓고 보면 27% 절감 효과입니다.

5년간 총소유비용(TCO) 기준으로는 절감액이 $5.5B, 전체 TCO의 9%에 달합니다.

핵심은 현장에서 생산한 전력을 다시 여러 단계의 AC/DC 변환을 거치지 않고 800V DC로 직접 서버 랙까지 보내면서 변압기/스위치기어/UPS 등 중간 전력설비를 줄이는 구조입

19
블룸에너지는 800V DC 전환이 SOFC의 발전 효율뿐 아니라 데이터센터 전체 건설비를 낮추는 쪽에서도

니다. 블룸에너지는 800V DC 전환이 SOFC의 발전 효율뿐 아니라 데이터센터 전체 건설비를 낮추는 쪽에서도 의미가 크다고 주장하고 있습니다.

마이크론(MU), 샌디스크(SNDK)

마이크론MU는 Overweight을 유지합니다. CY27 PER 5.6배(FY27 PER 6.0배, EPS $170)입니다.

마이크론 2Q26 실적발표 : 이제 메모리는 찍기도 전에 팔린다

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

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

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

샌디스크SNDK는 Overweight을 유지합니다. CY27 PER 6.0배(Bernstein Bull $300)입니다.

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

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

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

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

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

HBM5 : 4-hi? 8/12-hi?

지난주 주간전략보고에서 SemiAnalysis가 최근 트렌드상 향후 로드맵에서 4-hi HBM 선호가 나타날 것이라 주장하는 부분과 이것이 현실화됐을 때의 시나리오 분석을 정리드렸었는데, 이후 피드백상 GF증권/TrendForce는 HBM5 4-hi는 데이터센터용으로는 사실상 어려울 것을 짚었습니

20
​ 일단 3Q26 초부터 4-hi 샘플이 공급업체들의 주목을 받은 것은 맞습니다. 칩 메이커들은 차세대

다.

일단 3Q26 초부터 4-hi 샘플이 공급업체들의 주목을 받은 것은 맞습니다. 칩 메이커들은 차세대 플랫폼에 필요한 HBM을 확보하기 위해 적층 수를 낮추는 방안까지 검토하고 있습니다. 다만 TrendForce에 따르면 아직 공급사들이 해당 사양의 양산을 약속한 단계는 아니며, 현재 구체적인 관심은 데이터센터보다 일부 자율주행이나 로봇용 플랫폼에 더 가깝습니다.

현실적으로는 8-hi/12-hi가 메인일 것

그러나 현실적으로 4-hi 채택이 메인이 아닐 것이라는 논리는:

스택당 용량이 너무 작고(HBM5/HBM4E는 16GB),

Q를 늘리더라도 HBM5는 N2 base die 수요를 충족하기 어려워 공급증가 효과가 드라마틱하지 않으며,

base die 자체가 비싼지라 4-hi의 Gb당 비용은 8-hi보다 높기 때문에 총 큐브 비용은 유사한 수준이고,

공급망 체크 결과, 아직 칩 메이커들의 주류 SKU는 여전히 8-hi, 12-hi에 집중되어 있습니다.

또한 GF증권의 칩 메이커 로드맵 체크로 정리하자면 Rubin Ultra는 ⓐHBM4 8-hi 192GB, ⓑHBM4E 8-hi 256GB, ⓒHBM4E 12-hi 384GB의 3가지 SKU로 병렬 개발될 것을 예상했습니다. 출시 시점 순서대로 보면 (ㄱ) HBM4 8-hi 192GB 조합이 가장 먼저 출시될 가능성이 높습니다. 그 다음에는 (ㄴ) HBM4E 8-hi가 주류이고, (ㄷ) 최상 스펙을 원하는 일부에게 HBM4E 12-hi 384GB가 출하될 것으로 예상했습니다.

개인적으로도 두 논리 중에서 합리적인 건 9월 7일 주간전략보고의 8월 DRAMeXchange 리뷰 당시 파운드리에서 생산할 base die의 Q 자체가 생각보다 관건일 수 있음을 전해드렸던 것을 고려해볼 때, GF/TrendForce 예상대로 아마 대부분은 그냥 지금처럼 8hi/12hi 스펙을 지킬 것으로 예상합니

21
​ 참고로 시점은 기본적으로 논의 자체가 'HBM5쯤(Feynman, CY2H28) 어떤 HBM 스펙 조

다.

참고로 시점은 기본적으로 논의 자체가 'HBM5쯤(Feynman, CY2H28) 어떤 HBM 스펙 조합이 될 것이냐'를 말하는 단계입니다. CY27의 HBM 수요-공급 이슈와는 무관합니다.

Edgewater, AI Labs들이 메모리를 직접 구매하기 시작하다

9월 15일, Edgewater의 메모리 코멘트를 정리해보면:

데이터센터 수요라 공급 증가를 압도하면서 메모리 공급부족이 심화되고 가격상승은 CY27 이후까지 지속될 것으로 전망했습니다. 공급업체들이 LTA 물량 초과분에는 시장가를 부과하고 있기 때문에 메모리 공급자 우위 구조가 강화되고 있습니다.

수요-공급을 연도별로 정리하면 ⓐCY26는 서버 DRAM 수요 +65%에 공급 +45%인데 → CY27는 수요 +70%에 공급 +45~50%로 계속해서 수요가 공급을 강하게 초과하는 상태입니다. ⓑPC/모바일은 CY27 Bit demand가 -10%일 것으로 예상해서 PC/모바일에 할당된 DRAM Wafer 최대 30%를 데이터센터향으로 할당을 바꿀 것으로 예상합니다. ⓒHBM 공급은 CY27 55B 1Gb일 것으로 예상했습니다.

엔비디아의 HBM/LPDDR5x 수요치는 CY27 HBM은 ~30B 1Gb, LP5x는 ~50B 1Gb로 약간 하향조정됐고, 반면 브로드컴향은 할당이 늘어 CY28 엔비디아를 추월할 것으로 전망했습니다.

앤스로픽이 CY27에 쓸 메모리(40~50B 1Gb)의 20%를 직접 구매할 것으로 예상됩니다. 앤스로픽이 CY27에 구매할 DRAM 용량만 하더라도 엔비디아와 맞먹는 DRAM 볼륨입니다. 시장에 꽤 영향을 미칠 역학 변화입니다. CY28에는 앤스로픽이 직접 구매할 메모리 비율이 더 증가할 전망입니다. 오픈AI도 CY27에 메모리를 직접 구매하기 시작할 것으로 예상됩니다. 최종 수요자인 AI Labs들이 중간상 마진을 우회하고 메모리 기업들과 직접 계약하는 과정입니

22
DRAM + NAND가 x86 서버 BOM의 최대 85%를 차지할 정도(원래는 40~45%)로 비중이 커

다.

DRAM + NAND가 x86 서버 BOM의 최대 85%를 차지할 정도(원래는 40~45%)로 비중이 커졌습니다. 서버 원가구조 자체가 메모리 사이클에 더 민감해지는 방향입니다.

BofA, 메모리 업계 체크

주말에 나온 BofA Global Memory Tech 자료를 정리해보면:

최근 메모리 공급업체, 현물 유통업체, OEM들과의 확인 결과 3Q26 ASP는 LTA가 확대됐음에도 불구하고 견조하게 상승하는 수준입니다. 대부분의 DRAM 제품에 대한 3Q26 ASP는 QoQ +20~30% 상승했으며, NAND는 QoQ +15% 이상 상승했습니다.

4Q26에도 QoQ +7~9%대 상승이 예상됩니다. 그리고 최근 특이했던 것은 하이퍼스케일러들이 1Q27 DRAM ASP를 4Q26보다 높게 지불하기로 하는 새로운 계약을 체결하기 시작했습니다.

2H26 ASP 상승에 대해서는 기존의 낙관적인 전망을 유지하며, 1H27에 대해서는 메모리 공급 부족 지속과 OEM/빅테크의 공격적인 칩 생산용 메모리 물량 확보 경쟁으로 인해 더 긍정적으로 추정치를 상향했습니다.

PC/모바일 생산량 감축은 연초 이후 심각한 수준이 아니며, 메모리 칩 할당량 부족에도 불구하고 물량 감소는 YoY -10% 안팎으로 상당히 제한적인 수준입니다.

신규 GPU/ASIC에서 메모리 despec 없이 오히려 칩당 HBM 용량은 더욱 커질 것으로 전망했습니다. VR300은 1TB, 신형 VR200은 384GB로 현재 288GB 대비 더 커질 거란 전망입니다.

TrendForce, NAND 수요가 생각보다 더 세다

TrendForce 데이터로 살펴볼 때, 미국 CSP들이 eSSD를 생각보다 강하게 구매하면서 NAND Blended ASP가 빠르게 상승하고 있습니다. GF증권은 원래 3Q26 +18% → 4Q26 +2% → 1Q27 0%로 추정했었는데, 이번 데이터를 통해서 생각보다 eSSD 수요가 강하자 이번에 가격을 3Q26 +21% → 4Q26 +17% → 1Q27 +15%로 강하게 상향 조정했습니

23
​ 메모리 코멘트들 모음 : 애플, 인텔, TD Cowen ​ 애플, SEC가 제안한 1Q27 메모리 가

다.

메모리 코멘트들 모음 : 애플, 인텔, TD Cowen

애플, SEC가 제안한 1Q27 메모리 가격 인상을 수용 : 애플이 SEC가 제시한 1Q27 DRAM $2.0/Gb, NAND $0.33/Gb 가격을 수용했다는 보도가 나왔습니다. 3Q26 당시 제시가는 LPDDR4X $1.4/Gb, LPDDR5X $1.5/Gb, NAND $0.26/Gb였습니다. 이를 기준으로 보면 불과 두 분기 사이 DRAM과 NAND 모두 30~40% 수준의 가격 인상입니다.

인텔 CEO "CY27에는 메모리 쇼티지가 더 심해질 것" : 립부탄이 AI Infra Summit에서 CY27 메모리 쇼티지가 더 심해질 것이라고 언급했습니다. 저가형 스마트폰과 노트북은 DRAM에 BoM의 70~80%를 쓰는 수준이고, HBM/Commodity DRAM과 같은 웨이퍼를 공유하기 때문에 AI 랙 가격이 높아지는 것과 발맞춰서 가격이 높아질 수밖에 없는 상태입니다.

TD Cowen의 마이크론 코멘트 '마진은 8이닝, 수요는 아직 4이닝' : TD Cowen의 마이크론 코멘트도 재미있었습니다. 현재 메모리 마진 확대 사이클은 약 80%, 야구로 치면 8이닝까지 왔지만 수요 사이클은 아직 4이닝 정도라고 평가했습니다. 쉽게 말하면 가격과 마진은 이미 상당히 많이 올라왔지만, 실제 메모리 수요 증가는 아직 사이클 중반에도 못 왔다는 얘기입니다. 4Q26(9월~11월) EPS 가이던스는 $37 수준(컨센 $35)으로 예상했습니다. GPM은 CY2Q27쯤에 89%까지 상승하는 것이 피크 마진일 것으로 예상했습니다.

루멘텀(LITE)

루멘텀LITE는 Overweight을 유지합니다. CY27 PER 30.0배(CY27 EPS $31)입니다.

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

24
루멘텀 1Q26 실적발표 : 3Q OCS, 4Q CPO, 차례로 점화를 기다리는 고성능 엔진들 '빛 '의

멘텀

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

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

'빛💡'의 시대 : 광학 밸류체인 한 눈에 보기

크레도 uLED/투자에 대한 생각

크레도의 microLED(uLED) 기술은 어쨌든 실제 성공하던 실패하던 함의가 많을 기술입니다. 30m까지 신뢰성 높게 작동할 수 있다면 일부 optical link를 대체하는 효과를 낼 것이니 CRDO의 다음 성장 웨이브가 CY27~CY28까지도 강력할 수 있겠다 싶어지는 것이고, 5~10m 정도에 제한되면 사실상 Scale-out은 기존 광학 솔루션들이 그대로 침투할 것으로 예상합니다.

간단하게 정리해서:

성공하면 LITE/COHR/AAOI 등에게 부정적,

실패하면 기존 투자 논거를 그대로 유지하는 것이 됩니다.

다만 현재로서는 크레도 자체도 uLED 기술진전 속도가 느려 micro-VCSEL 개발로 선회 중이라는 소식이 있는 만큼 현재 시장은 uLED 기술이 광범위하게 채택될 가능성에 대해서 그닥 반영하고 있는 상태가 아닙니다. 이거는 워낙 지금 막 개발 중인 기술들이기에 모든 if, then을 열어놓고 투자하는 방법밖에 없습니다.

<투자의 생각> #1 : 순풍을 따라다니는 과정

제가 만드는 <투자의 생각>은 기본적으로 이익이 우상향하는 과정에서 순풍이 많이 부는 곳을 찾는 자료입니다.

정성적인 스토리만 보는 것이 아니라 성장성/밸류에이션/실적 가시성을 함께 봅니다. 그래서 시대정신과 순풍이 바뀌면 다른 산업을 액티브하게 볼 준비도 언제든 되어 있습니다. 오래 보신 분들은 기억하시겠지만 그동안 테슬라, 증권, 혁신의료기기, 우주 발사체, 스테이블코인, 태양광, ESS, 천연가스 개발업자, 통신, 빅테크, 비상발전기, GLP-1, 소비재, RFID 등 정말 여러 산업을 다뤘

25
​ 분야는 달랐지만 기본 전제는 같았습니다. 어디에서 구조적인 순풍이 불고 있고, 그 순풍이 실제 이익으

습니다.

분야는 달랐지만 기본 전제는 같았습니다. 어디에서 구조적인 순풍이 불고 있고, 그 순풍이 실제 이익으로 연결될 수 있는지를 따라간 결과입니다.

<투자의 생각> #2 : 지금의 시대정신은 AI Labs와 인프라가 어떻게 움직이는지 보는 것

지금 가장 큰 순풍은 AI입니다.

그래서 AI Labs가 어떤 모델을 만들고 있는지, 칩 메이커와 하이퍼스케일러가 어떤 아키텍처를 선택하는지, 그 선택 때문에 메모리/광통신/전력/냉각/네트워킹에서 무엇이 부족해지는지를 계속 따라가고 있습니다.

좋은 점이기도 하고, 동시에 문제이기도 한 것은 '개발 속도가 너무 빠르다'는 것입니다.

구시대의 학문을 공부한다면 이미 상당 부분 답이 정해져 있습니다. 지금 우리가 보고 있는 것은 그렇지 않습니다. 기업과 연구자들이 수십조~수백조원의 돈을 걸고 실시간으로 프론티어를 밀어붙이고 있고, 새로운 아키텍처와 기술이 매일 나옵니다. 정답은 아직 없습니다.

다만 제각기 논리가 있으므로 이것들을 종합하면 합리적인 경향은 충분히 파악할 수 있으며, 창의적인 활동이 매일 수십개씩 나오는 것을 빠르게 특유의 Research Taste로 선별하는 것밖에 없다고 느낍니다.

<투자의 생각> #3 : 그래서 지금 더 필요한 것은 베이지안적 사고입니다

현 시점에서 강화해야 할 투자 역량 중 하나는 베이지안적으로 생각하는 습관이라고 봅니다. 처음부터 하나의 결론을 정해놓고 그것을 방어하는 게 아니라, 현재 정보로 가장 합리적인 가설을 만들고 새로운 증거가 나오면 판단의 확률을 계속 바꾸는 방식입니다.

앞에서 이야기한 크레도 uLED도 똑같습니다.

30m까지 된다면 광학 투자 논리를 수정해야 하고, 5~10m에서 막히면 기존 논리를 유지하면 됩니다. 내 생각과 반대되는 데이터가 나왔다면 기존 생각을 고집할 이유도 없

26
​ 그래서 일간보고와 주간전략보고도 '제가 이렇게 생각하니 믿어달라'는 자료보다는, 제가 중요하다고 판단

습니다.

그래서 일간보고와 주간전략보고도 '제가 이렇게 생각하니 믿어달라'는 자료보다는, 제가 중요하다고 판단한 정보와 그 정보를 보고 투자 판단을 어떻게 업데이트하고 있는지를 같이 전달하는 방향을 지향하고 있습니다. 메신저를 믿고 따라가는 수동적인 투자자보다, 큐레이팅된 정보를 직접 보고 자신의 기존 가설과 비교하면서 판단을 바꿀 수 있는 능동적인 투자자가 되는 쪽이 장기적으로 훨씬 도움이 된다고 생각합니다.

Mizuho 광학 보고서 : EML과 CW Laser

Mizuho가 광학 산업에 대한 새로운 보고서를 냈습니다.

큰 방향은 두 가지입니다:

EML은 당분간 AI 데이터센터 광 인터커넥트의 주력으로 남지만,

SiPh + CW Laser 조합이 빠르게 커진다는 것입니다.

새로운 대역폭으로 넘어갈 때는 검증된 EML이 먼저 깔리는 경우가 많습니다. 1.6T → 2.4T → 3.2T로 넘어가는 과정에서도 당장은 EML이 가장 빠르게 양산에 들어갈 수 있는 솔루션입니다. 다만 장기로 보면 점유율은 내려갑니다. Mizuho는 전체 InP 모듈에서 EML 비중이 CY25 62% → CY29 45%까지 낮아질 것으로 예상했습니다. SiPh 기반 플러거블과 NPO/CPO에서 광원을 외부로 빼면서 CW Laser가 들어갈 자리가 커지기 때문입니다.

EML이 줄어드는 게 아니라, CW가 더 빨리 커지는 것

InP 모듈 출하량 추정치는 다음과 같습니다:

CY25 전체 60M → EML 37M(비중 62%) / CW 23M(비중 38%)

CY26 110M(+83%) → EML 66M(+78%, 비중 60%) / CW 45M(+96%, 비중 40%)

CY27 175M(+59%) → EML 94M(+42%, 비중 54%) / CW 81M(+80%, 비중

27
CY28 244M(+39%) → EML 122M(+30%, 비중 50%) / CW 123M(+52%, 비

46%)

CY28 244M(+39%) → EML 122M(+30%, 비중 50%) / CW 123M(+52%, 비중 50%)

CY29 343M(+41%) → EML 155M(+27%, 비중 45%) / CW 188M(+53%, 비중 55%)

여기서 중요한 건 EML이 역성장하는 그림이 아닙니다. EML 출하량도 CY25 37M → CY29 155M으로 네 배 이상 늘어납니다. 다만 CW Laser가 더 빠르게 성장하면서 믹스가 바뀌는 구조입니다.

고속 EML에서는 루멘텀이 압도적

고속 EML 시장에서는 루멘텀 50%, 스미토모 22%, 브로드컴 21%로 상위 3개 업체가 대부분입니다. 전체 EML 시장만 놓고 보면 루멘텀 점유율은 33% 수준이지만, AI 데이터센터에서 중요한 것은 고속 EML입니다. 같은 Optical InP Lane을 팔더라도 어느 속도대 제품을 공급하느냐에 따라 ASP와 마진이 달라지기 때문입니다.

그리고 루멘텀의 장점은 EML만 잘하는 회사가 아니라는 점입니다.

EML과 SiPh + CW Laser를 모두 공급하고 있고, 그 위로 OCS, UHP Laser(400mW급)/ELS(NPO/CPO)처럼 더 복잡하고 마진이 높은 제품 비중을 늘리고 있습니다. 결국 Laser/Light Source 자체를 설계하고 양산하는 능력이 강합니다. 하이퍼스케일러와 차세대 AI 인프라를 공동 설계할 수 있는 것도 이 부분과 연결됩니다.

CW Laser가 단순해보여도 양산 자체는 쉽지 않다

Mizuho는 CY26 말 전체 EML 생산능력이 YoY 100% 늘어나 연간 약 5억 8,300만 개의 레이저 칩을 공급할 수 있는 수준까지 올라갈 것으로 예상했습니다.

흥미로운 부분은 CW Laser을 결합한 완제품 단위의 수

28
구조만 보면 EML보다 단순하다는 인식이 있지만, 현재는 오히려 수율이 낮아 플러거블에 통합했을 때 불량

율입니다. 구조만 보면 EML보다 단순하다는 인식이 있지만, 현재는 오히려 수율이 낮아 플러거블에 통합했을 때 불량으로 이어지는 간접비가 더 큽니다. 또한 CW Laser 생산라인을 EML로 바로 바꾸는 것도 쉽지는 않습니다. EML은 CW보다 마스킹 공정이 약 두 배 많고 에피택셜 공정도 다시 인증해야 하기 때문에 전환에는 시간이 걸리고 추가 CapEx도 필요합니다.

UHP CW Laser는 루멘텀/브로드컴이 선도

NPO/CPO의 ELS에 들어가는 200~500mW급 Ultra-high Power CW Laser는 현재 브로드컴/루멘텀/코히런트 정도만 생산할 수 있습니다. 그중에서도 Mizuho는 루멘텀과 브로드컴을 기술적으로 Top 2로 평가했습니다.

가격 차이도 큽니다.

플러거블용 70~100mW CW Laser : $7~9

NPO용 120~150mW Mid-power Laser : $15~20

NPO/CPO용 400mW UHP CW Laser : $50~75

400mW급은 더 좁은 선폭, 높은 출력, 열 안정성, 낮은 초기 수율 때문에 상당한 프리미엄을 받습니다. 루멘텀과 브로드컴이 UHP Laser 생산을 늘리면서 CY29 기준 CW Laser 시장에서 브로드컴의 점유율은 23%, 루멘텀의 점유율도 20%까지 올라갈 것으로 예상했습니다.

코히런트는 결국 트랜시버 중심이라 마진 차이가 꽤 큽니다

코히런트에 대한 평가는 제가 계속 전해드렸던 맥락과 비슷합니다.

코히런트는 광원 기술에서 루멘텀/브로드컴보다 열위에 있기 때문에 최첨단 시스템을 만들 때 일부 레이저를 외부에서 조달하고 있습니다. 이 가운데 상당 부분을 루멘텀이 공급합니다.

사업구조도 다릅니다. 코히런트는 트랜시버 판매 비중이 높고, 루멘텀은 상대적으로 Laser/Light Source 쪽 비중이

29
이 차이가 그대로 마진에 나타납니다. ​ Mizuho는 CY28 기준으로, 루멘텀 GPM : 50% 초반

높습니다. 이 차이가 그대로 마진에 나타납니다.

Mizuho는 CY28 기준으로,

루멘텀 GPM : 50% 초반

코히런트 GPM : 40% 초반

GPM 약 10~11%p의 차이를 예상했습니다.

OPM 격차는 더 큽니다.

루멘텀 OPM : 40% 중반,

코히런트 OPM : 20% 중반입니다.

자체 팹을 운영하는 업체들은 제품 믹스와 가동률 차이가 영업레버리지로 크게 확대되기 때문입니다.

광학이 중요해질수록, Laser/Light Source를 다루는 능력 자체가 중요하다

이번 자료에서 가장 중요하게 보는 부분도 이겁니다.

AI 인프라에서 광학이 차지하는 비중이 계속 커질수록 Laser/Light Source를 직접 설계하고 양산할 수 있는 능력이 더 중요해집니다. 이 능력은 단순한 기술 우위에 그치지 않습니다. ASP와 마진, 차세대 제품의 선행 설계 참여, 하이퍼스케일러와의 관계까지 연결됩니다. 그래서 EML → CW → UHP CW → ELS로 제품 믹스가 바뀌더라도, 루멘텀의 경쟁력은 특정 레이저 방식 하나에 묶여 있다기보다 광원을 다루는 능력 자체에 있다고 보고 있습니다.

광학 업계에 순풍이 강해지는 중 : InP substrate 병목 완화

최근 광학 공급망에서 가장 업스트림에 있는 InP 기판(InP substrate)의 공급부족이 조금씩 풀리는 흐름이 나타나고 있습니다. 수요-공급 미스매칭 규모가 날로 커지고 있던 와중에 공급쪽에서 가장 병목이던 것이 풀린다는 의미이고, 결과적으로 광학 완제품을 더 많이 만들 수 있게 된다는 것이니 업계 전반에 좋습니다.

InP 기판은 루멘텀/코히런트 같은 업체들이 EML, CW Laser, 고출력 레이저, 일부 PD·PIC 등을 만들기 위해 필요한 핵심 재료입니다. 공급망을 가장 단순하게 연결하면 다음과 같

30
InP 원재료 → InP 단결정 → InP substrate → Epitaxial Growth → InP

습니다:

InP 원재료 → InP 단결정 → InP substrate → Epitaxial Growth → InP Device Wafer → EML/CW Laser/DML/PD/PIC → Optical Transceiver·Optical Engine → Optical Lane

Optical Lane에서 어떤 광원을 얼마나 사용할지는 EML, CW Laser, NPO/CPO 등 아키텍처에 따라 달라집니다. 이 부분은 9월 14일 주간전략보고에서 다뤘던 '용도별로 어떤 광원을 사용할 것인가'와 연결됩니다.

증설에 18~36개월이 걸리는 가장 느린 구간

InP 기판이 중요했던 이유는 광통신 공급망 가운데 생산능력을 늘리는 데 걸리는 시간이 가장 긴 구간 중 하나이기 때문입니다. 신규 단결정 성장부터 기판 생산능력이 실제로 올라오기까지 대략 18~36개월이 걸립니다. EML이나 CW Laser 수요가 갑자기 늘었다고 해서 바로 공급량을 늘릴 수 있는 품목이 아닙니다. 그래서 그동안 하위 단계에서 레이저 생산능력을 아무리 늘려도 InP 기판이 부족하면 전체 출하량이 제한되는 구조였습니다.

중국의 InP 기판 수출 승인이 다시 늘어나고 있습니다

8월 31일 대만경제일보 보도로 확인해보면, 중국 정부는 2026년 5월 말 첫 번째 InP 기판 수출 물량을 승인했고, 7월에는 두 번째 물량도 승인했습니다. 두 번째 승인량은 첫 번째보다 더 많았습니다. 특히 2026년 5월과 7월 두 차례 승인량을 합치면 CY25 전체 승인량보다 많았다는 점이 눈에 띕니다. 중국산 InP 기판이 다시 글로벌 공급망으로 들어오는 물량 자체가 늘어나고 있는 것입니다.

3Q26부터 공급망에 효과가 나타나기 시작

5월 승인 물량이 실제로 선적된 뒤 Epitaxy → Device Wafer → Laser → Optical Module로 내려오는 시간을 감안하면 3Q26부터 공급 완화 효과가 나타나기 시작하는 구간이 될 것으로 예상합

31
​ 7월 승인 물량은 이보다 늦은 4Q26부터 영향을 주는 요인입니다. 여기에 4Q26부터는 중국 외 I

니다.

7월 승인 물량은 이보다 늦은 4Q26부터 영향을 주는 요인입니다. 여기에 4Q26부터는 중국 외 InP 기판 업체들의 증설 물량도 추가될 예정입니다. 그래서 InP 기판이 갑자기 공급과잉으로 바뀐다는 얘기는 아닙니다. 절대적인 수급은 여전히 타이트하지만 적어도 상반기처럼 병목이 계속 심해지는 방향에서는 벗어나고 있습니다.

비아비(VIAV)

비아비VIAV는 Overweight을 유지합니다. CY27 PER 17.7배(CY27 EPS $2)입니다.

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

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

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

'빛💡'의 시대 : 광학 밸류체인 한 눈에 보기

SENKO-Advantest-VIAVI, CPO 양산용 테스트 플랫폼 공동 개발

SENKO와 Advantest, VIAVI가 CPO를 연구실이 아니라 실제 양산라인에서 반복적으로 검사할 수 있는 테스트 플랫폼을 공동 개발하고 있습니다.

Advantest : 자동화 테스트 환경

SENKO : 탈착형 광 커넥터 + 양산용 테스트 커넥터

VIAVI : 200Gbps/lane급 고속 광학 측정 및 BER(Bit Error Rate) 테스트 장비

핵심은 CPO가 양산 단계로 넘어갈 때 필요한 검사 방식을 미리 잡는 것입니다. CPO는 광엔진이 스위치 ASIC과 가까이 붙어 있기 때문에 기존 플러거블 트랜시버처럼 모듈을 쉽게 꽂았다 뺐다 하면서 테스트하기 어렵습니다. 양산 과정에서 광 연결을 반복적으로 체결하고, 자동으로 신호 품질과 BER을 검사할 수 있는 장비가

32
​ 비아비 : 플러거블 테스트 → CPO 양산 테스트로 영역 확대 비아비 입장에서는 기존에는 플러거블 트

필요합니다.

비아비 : 플러거블 테스트 → CPO 양산 테스트로 영역 확대

비아비 입장에서는 기존에는 플러거블 트랜시버를 장비에 꽂아 성능을 측정하는 테스트 솔루션이 중심이었습니다. 이제는 CPO 제품이 실제 공장에서 대량 생산될 때 필요한 테스트 장비까지 공급 범위를 넓히고 있습니다.

시에나, FY29까지 3개년 장기 성장 프레임워크 발표

시에나가 FY2029(CY4Q28~CY3Q29)까지의 3개년 장기 성장 프레임워크를 발표했습니다.

매출 : FY2026~FY2029까지 CAGR 30% 성장

Non-GAAP GPM : 50%로 상승할 것 (이번 분기인 FY3Q26에서 46.4%였음)

Non-GAAP OPM : 32~35%로 상승할 것 (FY3Q26 : 22.5%였음)

FCF Margin : 20%로 상승할 것

또한 FY1Q27(CY4Q26)부터는 AI 데이터센터 매출이 얼마나 커지는지 더 잘 보이도록 사업부도 바꿉니다. ⓐOptical Systems, ⓑInterconnects, ⓒGlobal Services, ⓓRouting & Other로 나눠서 보고할 예정입니다.

Scale-across 강세가 광학 공급망 전반으로 이어졌습니다

시에나는 AI 클러스터의 Scale-across 구간에서 핵심적인 기업입니다. 이런 시에나가 FY29까지 장기 매출 성장 전망을 크게 올리면서 광학 인터커넥트 관련 기업들도 전반적으로 강했습니다. 시에나의 이번 장기 가이던스는 개별 기업 하나의 실적 전망이라기보다, Scale-across를 포함한 데이터센터 인터커넥트 투자가 FY29까지 강하게 이어질 것이라는 또 하나의 업계 신호로 보고 있습니다.

참고로 시에나는 Systems를 만드는 기업이고, 그 안의 핵심 Components들은 루멘텀이 거의

33
위 사진 3개는 Scale-across link의 각 단계별로 사용되는 루멘텀의 광학 부품들입니다. ​

납품합니다. 위 사진 3개는 Scale-across link의 각 단계별로 사용되는 루멘텀의 광학 부품들입니다.

Coherent Tx = CDM + ITLA + TROSA

Coherent Rx = TROSA

ROADM : Coherent OCM + WSS

전체를 오가는 Pump Laser

루멘텀이 Scale-across 수혜로부터 직접적인 수혜를 보는 입장이고, 비아비는 ROADM 100%를 비아비 장비로 테스트하기 때문에 업계 전반 수요와 연관되어 있습니다.

셈텍(SMTC)

셈텍SMTC는 Overweight을 유지합니다. CY27 PER 33.6배(CY27 EPS $5.5)입니다.

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

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

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

'빛💡'의 시대 : 광학 밸류체인 한 눈에 보기

NPO/LPO의 가치 #1 - CIOE 2026 핵심 정리 (9월 9일~9월 11일)

중국 선전에서 개최된 CIOE 2026(9월 9일~9월 11일)를 정리하면:

1.6T 출하 사이클의 병목

CY26부터 1.6T 출하가 본격적으로 늘고 있고, CY27에는 수요 증가 속도가 더 빨라질 것이라는 전망입니다. 일부 업체들은 "주문이 예상보다 너무 빠르게 늘고 있어서 모든 주문을 받을 수 없는 상태"라고 설명했습니다.

CY27 1.6T의 병목은 3nm DSP가 될 수 있습니다. CY27 1.6T 트랜시버에는 브로드컴 Sian3, 마벨 Ara 같은 3nm DSP가 들어갑니다. 둘 다 TSMC 3nm에서 생산됩니다. 문제는 이 DSP가 AI 가속기와 같은 3nm 웨이퍼 할당을 놓고 경쟁

34
그래서 CY27에는 광모듈 조립 캐파만 보는 것이 아니라, 브로드컴과 마벨이 TSMC에서 DSP용 3nm

한다는 점입니다. 그래서 CY27에는 광모듈 조립 캐파만 보는 것이 아니라, 브로드컴과 마벨이 TSMC에서 DSP용 3nm 웨이퍼를 얼마나 확보하느냐까지 봐야 합니다. DSP 공급이 부족하면 트랜시버 업체들이 생산라인을 늘려도 실제 출하량은 제한될 수 있습니다.

여기서 파생된 아이디어로, MaxLinear(MXL)는 SF4에서 DSP를 생산하기 때문에 1.6T향 3nm DSP가 쇼티지가 생길 정도로 필요하면 MXL이 가진 IP의 가치가 높아지는 게 아니냐는 얘기가 있는데, 이건 구체적으로 얼마나 DSP 수요가 되고 실제 할당에 얼마나 영향을 줄지, DSP 기업들별 기술 비교를 해볼 역량이 안돼서 'MXL의 SF향 DSP 생산 설계능력이 향후 부각될 수도 있겠구나' 정도로만 파악해두고 있습니다.

400G/lane은 성공했지만 양산은 아직 물음표

400G/lane은 기술적으로 구현됐지만, 업계에서는 아직 양산 가능성을 완전히 확신하지 못하고 있습니다. 수율, 전력, 열관리, 시스템 Validation 문제가 남아 있기 때문에 첫 400G/lane 상용 제품은 2027년 3월 OFC 전후가 될 것으로 예상됐습니다.

초기에는 3.2T 트랜시버에도 들어가겠지만 더 현실적인 적용처는 1.6T 트랜시버의 Optical Lane 수를 줄이는 것으로 보입니다. 기존에는 200G × 8 lane으로 1.6T를 구현했다면, 400G/lane에서는 400G × 4 lane으로 줄일 수 있습니다. 광소자 수와 패키징 복잡도를 낮추고 전력효율도 개선할 수 있습니다.

플러거블 → NPO → CPO가 아니라, 세 가지가 오래 공존할 가능성

400G/lane으로 넘어가려면 광원/DSP/패키징/열설계까지 여러 부분을 동시에 바꿔야 합니다. 그래서 CIOE에서는 1.6T 플러거블과 NPO 사이클이 예상보다 길어질 가능성을 많이

35
​ 기존에는 플러거블 → NPO → CPO 순서로 넘어가면서 NPO를 중간 단계의 브릿지 기술처럼 보는

언급했습니다.

기존에는 플러거블 → NPO → CPO 순서로 넘어가면서 NPO를 중간 단계의 브릿지 기술처럼 보는 시각이 많았습니다. 이번에는 분위기가 조금 달랐습니다. 화웨이, 알리바바, 바이트댄스, 텐센트 같은 중국 하이퍼스케일러 및 칩 메이커들이 NPO를 적극적으로 검토하면서, 플러거블 + NPO + CPO가 장기간 함께 사용될 가능성이 높아졌습니다.

특히 중국에서는 NPO와 LPO의 전략적 가치가 매우 큽니다.

중국 업체들은 TSMC를 통해 3nm DSP를 확보할 수 있는 물량이 제한적입니다. 그래서 DSP를 제거하거나 줄일 수 있는 NPO/LPO 구조의 가치가 서구 업체보다 더 큽니다. 이 흐름은 셈텍에 상당히 좋습니다.

셈텍은 LPO/NPO에서 필요한 TIA나 Driver 등 아날로그 프론트엔드 쪽에 강점이 있기 때문에, 미디어텍향 구글 TPU 사이클뿐 아니라 중국 AI CapEx 확대도 중요한 순풍이 될 수 있습니다. 수출규제 대상도 아닙니다. 그리고 NPO/LPO 사이클이 생각보다 더 오랜기간 동안 지속될 가능성이 높아졌다는 점에서도 좋았습니다.

이게 ACC/NPO/LPO에 대해서 시장이 다소 과하게 브릿지 기술이라고 생각하고 있다고 느낍니다. 전체를 좀 더 객관적으로 보시려면 이 부분은 <'빛'의 시대 #2> 자료를 보시면 도움이 되실 것 같습니다. 데이터센터의 전체적인 네트워킹 계층에 대해서 이해할 때 CPO의 시대에도 여전히 구리, 플러거블 트랜시버도 성장하고, 그럼 당연히 NPO도 충분한 고성장 중임을 더 잘 이해하실 수 있습니다.

'CPO'라고 부른다고 실제 구조가 모두 CPO인 것은 아닙니다

여기서 자주 생기는 오해가 하나 있습니다.

기업들은 차세대 광학 구조를 통칭해서 CPO라고 부르는 경우가 많지만 실제 구현은 NPO

36
그래서 이름보다 광엔진이 ASIC과 어느 정도 떨어져 있는지, 광원을 어디에 두는지, DSP를 사용하는지

일 수 있습니다. 그래서 이름보다 광엔진이 ASIC과 어느 정도 떨어져 있는지, 광원을 어디에 두는지, DSP를 사용하는지를 봐야 합니다. 엔비디아 공급망에서도 VR300 NVL576의 Scale-up 스위치는 NPO가 메인 아키텍처가 될 가능성이 높게 거론되고 있습니다.

Spectrum-6 Photonics는 이미 CPO 양산 단계

반면 엔비디아의 Scale-out용 Spectrum-6 Photonics CPO 스위치는 이미 양산 단계로 들어가고 있습니다.

현재 파악되는 공급망은 다음과 같습니다.

TSMC : SiPh wafer

SPIL : Packaging / Test

루멘텀 : UHP Laser chip

TFC : Laser module 조립

Foxconn : Spectrum switch 최종 조립

NPO와 CPO가 동시에 진행되고 있다는 것을 보여주는 사례입니다. Scale-up과 Scale-out이 같은 속도로 같은 아키텍처로 넘어간다고 볼 필요는 없습니다.

저출력 CW Laser는 풀리는데, 고출력/고속 Laser는 여전히 부족합니다

Laser 공급도 사양별로 차이가 커지고 있습니다.

70~100mW급 저출력 CW Laser는 중국 업체들이 생산을 빠르게 늘리면서 공급부족이 완화되고 있습니다.

300~400mW급 고출력 CW Laser와 200G EML급 고속 Laser는 여전히 공급이 타이트합니다.

특히 400mW급은 현재 루멘텀/코히런트 정도만 생산 가능한 것으로 파악됩니다.

이 구간은 옵토일렉트로닉스에게 썩 좋은 흐름은 아닙니다. 고출력에서는 아직 중국 업체들이 인증을 받지 못했지만, 저출력 Laser부터 빠르게 따라오면서 범용 제품의 경쟁은 더 치열해지고 있기 때문입니다.

앞으로는 OCS가 어디에 들어가는지도 더 중요하

37
이번 CIOE에서는 VR300 NVL576 구조에 향후 OCS를 추가해 연결 구조 자체를 OCS 중심으로

게 봐야 합니다

이번 CIOE에서는 VR300 NVL576 구조에 향후 OCS를 추가해 연결 구조 자체를 OCS 중심으로 재편할 가능성도 논의됐습니다. 아직 확정된 구조로 보기에는 이르지만 차세대 AI 칩이나 랙 아키텍처를 볼 때는 GPU/스위치/광모듈만 볼 것이 아니라 OCS가 들어가는지, 들어간다면 어느 구간에 배치되는지까지 같이 봐야겠습니다.

이번 CIOE를 정리하면:

1.6T 수요는 예상보다 강하고,

400G/lane 전환은 생각보다 느리며,

그 사이 NPO/CPO와 플러거블이 함께 커지는 시간이 길어질 가능성이 높아졌습니다.

NPO/LPO의 가치 #2- 화웨이 커넥트 2026

Huawei Connect 2026이 개막했습니다. 이번 발표에서 가장 눈에 띄는 것은 화웨이가 업계 최초로 NPO를 적용한 Atlas 960E SuperPoD을 공개했다는 점입니다.

화웨이는 오래전부터 NPO/CPO 논쟁에서, 유지보수와 교체 가능성을 고려하면 최종적으로는 NPO가 더 넓게 쓰일 가능성이 높다고 주장해왔습니다. 네트워킹 역량만 놓고 보면 엔비디아/브로드컴과 비교해도 상당히 강한 업체인 만큼, 이번 선택은 업계 전체에서도 참고할 만합니다.

Atlas 960E SuperPoD : 4,096개의 Ascend 960을 하나의 Scale-up Domain으로 연결

Atlas 960E SuperPoD은 3Q27 출시 예정입니다. 4,096개의 Ascend 960을 하나의 Scale-up Domain으로 묶고, 기존에 필요했던 48,000개의 800G 플러거블 모듈을 5,500개의 Hi-ONE NPO 모듈로 대체합니다. Hi-ONE은 모듈당 7.2Tbps를 지원합니다.

화웨이는 이 구조를 통해 클러스터 단위에서 550kW 이상의 전력을 절감할 수 있고 시스템 가동률도 99.8%까지 높일 수 있다

38
단순히 대역폭을 높이는 것보다 광모듈 수를 크게 줄여 전력과 복잡도를 낮추는 쪽에 초점을 둔 구조입니다.

고 설명했습니다. 단순히 대역폭을 높이는 것보다 광모듈 수를 크게 줄여 전력과 복잡도를 낮추는 쪽에 초점을 둔 구조입니다.

Ascend 960 출시 일정도 앞당겼습니다

칩 로드맵도 빨라졌습니다.

Ascend 960DT : 1Q27 출시 예정, 기존 로드맵보다 3분기 앞당김

Ascend 960PR : 3Q27 출시 예정, 기존보다 1분기 앞당김

화웨이가 AI 가속기와 네트워킹 로드맵을 동시에 당기고 있다는 점도 중요합니다. 중국 AI 인프라 투자가 커질수록 NPO 채택도 같이 빨라질 수 있습니다.

이번 발표도 셈텍에는 좋은 흐름

CIOE 2026에서 정리드렸던 내용과 연결해서 보면, 이번 Atlas 960E SuperPoD 발표 역시 셈텍에게 가장 좋은 흐름 중 하나로 보고 있습니다. 중국은 TSMC 3nm DSP 조달에 제약이 있기 때문에 DSP를 줄이거나 제거할 수 있는 NPO/LPO의 전략적 가치가 더 큽니다. 화웨이가 대규모 Scale-up 시스템에서 NPO를 직접 채택했다는 것은 이 방향성이 실제 제품 로드맵으로 들어오고 있다는 의미입니다.

*참고로 셈텍의 광학/HieFo에 대해서는 9월 14일 주간전략보고에서 정리드린 바 있습니다.

Magnificent 7

요즘 AI Labs 판에 대한 투자의 생각, 초기 RSI란?, 메모리 부족 대응, 중국 AI 산업

*왼쪽 테이블 : 2026년 9월 20일 EPS 추정치를 변경했습니다.

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

엔비디아, 26년 PER 24배 / Overweight

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

엔비디아 2Q26 Preview : 3R에 답할 시간 - Rubin, Rubin Ultra, Revenue Shar

39
AI 사이클의 모든 것을 담은 게빈 베이커 인터뷰 : 버블의 역사는 반복되지 않지만, 운율은 반복된다 (

e (바로가기)

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

요즘 AI Labs 판에 대한 투자의 생각

Pre-training과 RL을 나눠서 보는 중

AI Labs를 볼 때는 (ㄱ) Pre-training을 얼마나 크게 할 수 있는지, (ㄴ) RL(Reinforcement Learning, 강화학습)을 통해 그 모델의 능력을 얼마나 끌어올릴 수 있는지를 나눠봅니다. 간단하게 보자면 이 두 가지 능력으로 모델과 제품의 퍼포먼스가 결정됩니다.

업계의 컨센을 정리하자면 AI Labs의 컴퓨트 배분은 연구용 컴퓨트 50% : 추론용 컴퓨트 50%가 균형입니다. 연구에는 사전학습과 RL뿐 아니라 같은 하드웨어에서 더 많은 성능을 뽑아내는 최적화도 포함됩니다. 당장의 추론 매출에 쓰지 않는 컴퓨트가 많아 보여도, 연구를 통해 전체 컴퓨트의 효율을 높일 수 있다면 장기적으로는 더 나은 선택입니다. 이 관점에서 보면 각 Labs가 무엇을 잘하고 어디에서 막혀 있는지가 조금 더 선명해집니다.

오픈AI : 쌓아둔 RL 역량에 Blackwell Pre-training 클러스터 효과가 붙기 시작

제가 보는 오픈AI의 변화는 GPT-5에서 RL에서 쌓아뒀던 역량에 본격적으로 스타게이트 애빌린 사전학습 인프라 스케일업이 붙자 엄청난 가속도를 내기 시작했다는 점입니다. GPT-6 Astra의 역전이 구조적이었음을 생각해본다면 앞으로도 AI Labs 지형도에서 오픈AI의 강세를 예상할 수 있습니다.

애빌린이 그동안 가동을 거의 유의미하게 못했던 이유는 엔비디아의 HGX 8-GPU에서 NVL72로 넘어가면서 랙 단위의 하드웨어와 네트워킹, 이를 운용하는 소프트웨어까지 다시 맞춰야

40
애빌린의 가동 시작과 대규모 사전학습을 안정적으로 돌리는 시점 사이에는 차이가 있었다고 보고 있습니다.

했기 때문입니다. 애빌린의 가동 시작과 대규모 사전학습을 안정적으로 돌리는 시점 사이에는 차이가 있었다고 보고 있습니다.

오픈AI가 애빌린을 통해서 초기 GB200 NVL72 워크로드 가동은 2025년 7월입니다. Blackwell 클러스터를 추론/RL에는 충분하게 사용했으니 오픈AI의 역량에 충분하게 기여했던 시기이지만, 대규모로 사전학습에 채택한 시기는 2026년 4월에 출시된 GPT-5.5부터였다고 보입니다.

컴퓨트 스케일업 제약이 있었던 GPT-5 시기에는 RL이 성능 향상을 주도했습니다. GPT-5 시절에 RL로만 성능향상을 주도했을 정도였으니 그 사이 RL에 대한 연구는 업계 1위였습니다. 그리고 이제 애빌린이 차례차례 온라인되면서 사전학습을 통한 성능 향상까지 더해지는 구간입니다.

첫 200 cMW(Critical IT Load) 규모의 컴퓨트가 GPT-5.6 Sol과 GPT-6 Astra로 이어졌다고 봅니다. 지금은 현재 8개 동 중 6개 동인 600 cMW가 가동되고 있고, 여기서 훈련한 후속 모델을 내부적으로 사용하고 있다는 전제를 놓고 보면, 다음 메이저 모델 출시 시점은 10~11월 정도를 생각하고 있습니다. 단순하게 전력 용량이 세 배가 됐다고 모델 성능도 세 배가 된다는 뜻은 아닙니다만 그동안 사전학습의 발목을 잡던 제약이 풀리고 있다는 것입니다. 연구 주도권을 가져왔다는 의미입니다.

앤스로픽 : AWS Project Rainier를 먼저 활용할 수 있었고, 이제 다음 증설을 기다리는 중

앤스로픽도 RL은 뛰어나다고 보고 있습니다. 그래서 오픈AI와의 경쟁에서는 어느 시점에 얼마나 큰 사전학습 클러스터를 실제로 사용할 수 있었는지가 중요합니다.

앤스로픽은 Claude 사전학습에 AWS의 Project Rainier를 활

41
2025년 6월 24일에 약 50만 개의 Trainium2를 연결한 이 클러스터를 앤스로픽이 모델 개발과

용하고 있습니다. 2025년 6월 24일에 약 50만 개의 Trainium2를 연결한 이 클러스터를 앤스로픽이 모델 개발과 서비스에 사용하기 시작했고 → 2025년 10월 29일에는 Trainium2 100만 개 규모를 구축했었습니다. 규모로 보자면 800cMW입니다.

1GW급 클러스터를 가장 먼저 온라인했던 AI Labs였다는 의미입니다. 오픈AI가 Blackwell 조율에 시간을 쓰던 동안 앤스로픽이 이 인프라를 먼저 활용했고, 그 효과가 Opus 4.5~5.0과 Mythos/Fable로 이어지는 모델 출시 주기를 뒷받침했다고 보고 있습니다.

다음은 증설입니다. 2026년 4월 발표한 파트너십에는 2Q Trainium2 추가 용량과 하반기 Trainium3 대규모 투입, 연말까지 두 세대를 합쳐 약 1GW의 신규 용량을 가동하는 계획이 담겨 있습니다. 2Q에 추가될 물량은 FLOPS로 보면 많지는 않아서, 3Q26에 Trainium3 양산이 시작되는대로 3Q~4Q26에 Trainium3 투입이 늘고 그 효과가 연구와 모델 출시로 이어지려면 2~3개월 정도가 걸릴테니 4Q26~1Q27쯤에 앤스로픽의 연구용 클러스터 역량이 강화되는 것입니다.

그런데 오픈AI가 연구 주도권을 유지할 것으로 예상하는 이유는 GB200/GB300과 Trainium2/2.5의 FLOPS 차이가 크기 때문입니다. 같은 800 cMW를 구축한다는 계산에서는 Trainium2가 667 ExaFLOPS BF16이고, GB300 1,000 ExaFLOPS BF16입니다. FLOPS 기준으로 같으려면 GB300 800cMW = Trainium2 1.2GW와 같습니다. 이론적인 피크 FLOPS가 실제 훈련 처리량과 같지는 않지만 기본적으로 FLOPS 차이가 큽니다.

*Dense BF16로 보는 이유는 체크포인트 모델 사전학습 워크로드에 대해서 컴퓨트 격차의 감을

42
FP8나 FP4, 추론/Reasoning/RL쪽으로 넘어가면 엔비디아가 기본적으로 더 우수합니다. ​ 여

잡기 위함입니다. FP8나 FP4, 추론/Reasoning/RL쪽으로 넘어가면 엔비디아가 기본적으로 더 우수합니다.

여기에 오픈AI는 4Q26부터 본격적으로 더 격차를 크게 벌릴 VR200을 대규모로 온라인하기 시작합니다. 같은 시기에 앤스로픽은 Trainium3을 온라인합니다.

이것도 한 번 비교해보자면, Trainium3 NL72 랙은 하나당 81.7kW입니다(NL72x2가 하나의 시스템일 것인데, NL72를 기본 Unit으로 잡았습니다). NL72 랙 하나의 BF16은 48.3 PFLOPS입니다. VR200은 랙 하나당 188~228kW(MaxQ 188, MaxP 228kW)입니다. 랙 하나의 BF16은 288 PFLOPS입니다.

결과적으로는 VR200이 Trainium3의 2.14배~2.59배 BF16 Compute를 갖게 되는 효과입니다. 처음 전제를 잡았던 것처럼 Pre-training + RL 조합으로 역량이 결정되는데 그 중 향후 6~12개월 사전학습 역량에서 오픈AI가 앤스로픽을 앞설 가능성이 높다고 보고 있습니다.

구글 : TPU v8t의 힘을 Gemini 4에서 확인할 차례

구글은 사전학습 인프라가 강한 회사라고 봅니다. TPU, 데이터센터, 네트워크를 함께 설계해온 경험이 있고, 이번 TPU 8t 역시 더 큰 훈련 처리량과 Scale-up 대역폭에 초점을 맞췄습니다. 구글은 이전 세대 대비 Pod당 연산 성능이 거의 세 배라고 설명했습니다.

개인적인 생각으로는 구글이 TPU v8t를 갖고 Gemini 4를 사전훈련 중일 듯 합니다.

구글이 내부적으로 칩을 사용할 준비가 된 시점에 공개하고, GCP에 GA하기 전에 내부 모델 개발에 먼저 활용해왔다는 리듬을 적용한 추정입니다. 2026년 4월 TPU 8t/8i 공개 이후 7월 21일 전후부터 Gemini 4 사전학습에 들어갔을 것이라

43
​ 그리고 아직은 마이너한 생각인 것 같은데 개인적으로 Gemini 4에 대해서도 꽤나 기대해보고 있습니

는 생각입니다.

그리고 아직은 마이너한 생각인 것 같은데 개인적으로 Gemini 4에 대해서도 꽤나 기대해보고 있습니다. TPU v7에서 v8t로 넘어가며 사전학습 여력이 커지는 방향을 기대할 만합니다. Hopper → Blackwell 전환의 힘을 믿었다면, TPU v7 → v8t 전환의 힘도 Gemini 4에서 확인해볼 필요가 있지 않겠나 생각하고 있습니다.

물론 RL 역량이 뒤처지기 때문에 특히 코딩이나 장시간 에이전틱 작업에서 성능을 얼마나 안정적으로 끌어올리는지가 관건인데, MSL/xAI도 성공한 것을 구글이 못할 것이란 베팅도 과소평가하는 것이라고 생각합니다. Gemini 4가 다시 구글을 Tier 1 AI Labs에 올리게 만들 것인지 아니면 3등권에서 경쟁하게 만들 것인지를 결정할 변수로 보고 있습니다. 현 시점에 공개된 벤치마크들로 AI Labs들 순위를 매긴다면 오픈AI > 앤스로픽 > 메타(Muse Spark 1.3이 워낙 좋음) > Z.ai = Alibaba = Moonshot = 스페이스X > 구글 > DeepSeek입니다.

메타/스페이스X : 돈으로 연구력 강화 → RL과 데이터 파이프라인 강화 중

메타와 스페이스X는 모두 대규모로 엔비디아 GPU에 올인해서 연구용 FLOPS를 엄청나게 확보했고, 이를 연구성과로 바꾸는 단계입니다. Muse Spark 1.3은 GPT-5.6 Sol보다 약간 뒤처질 정도의 퍼포먼스인데 가격은 GPT-5.6 Sol이 $4/$20이고, Muse Spark 1.3은 $1.25/$4.25니 상당한 경쟁력입니다.

메타/스페이스X는 오픈AI나 앤스로픽보다 외부 추론 서비스에 묶이는 컴퓨트 부담이 아직 없는 수준이기 때문에, 연구에 훨씬 더 많은 컴퓨트를 할당하여 경쟁력을 끌어올

44
​ 여기에 남은 과제는 RL과 데이터 파이프라인인데 이건 스페이스X와 메타가 각기 다른 방식으로 보강했습

리고 있습니다.

여기에 남은 과제는 RL과 데이터 파이프라인인데 이건 스페이스X와 메타가 각기 다른 방식으로 보강했습니다. 스페이스X의 Cursor 인수는 코딩 작업의 피드백 루프를 확보하는 움직임으로 양질의 에이전틱/장기간 Trajectory를 얻는 풀로 사용하고 있습니다. MSL의 헤드인 알렉산더 왕의 Scale.ai 사업 자체가 데이터 파이프라인 구축 사업이었기에 메타는 큰 우려가 없습니다. 메타의 내부 Computer Use 평가 환경은 엔지니어의 피드백을 모델 개선으로 연결하려는 시도입니다.

요즘 보기에 Grok, Muse Spark의 성능 향상 기울기가 워낙 가파르다보니, 이 흐름이 이어지면 10~12월에는 지금보다 훨씬 춘추전국시대에 가까운 AI Labs 경쟁이 나타나지 않을까 싶습니다.

Pacing the Frontier : 모델의 공개 속도와 컴퓨트 수요는 따로 봐야

일단 먼저 9월 14일 주간전략보고에서 전해드린 다리오 아모데이의 Pacing the Frontier에 대한 해석을 보셨다고 가정하고 글을 이어갑니다. 후속 발언들을 보면, 저는 아직 AI CapEx의 큰 방향을 바꿀 근거로는 보고 있지 않습니다. 모델을 더 신중하게 출시한다는 것과 컴퓨트를 덜 쓴다는 것은 다른 얘기이기 때문입니다.

오픈AI 컴퓨트 담당 임원 사친 카티(Sachin Katti)의 9월 15일 AI Infra Summit 발언이 설명했습니다:

우리(오픈AI)가 프론티어 모델들이 안전하고 정렬되도록 보장하는 방법은 컴퓨트를 투자하는 것입니다. 그래서 역설적인 점은 미래 모델들이 더 안전하고 정렬되도록 하기 위해 우리는 더 많은 컴퓨트가 필요할 것이라는 점입니다.

The way we will make sure frontier models are safe and aligned is by spending

45
So the counterintuitive point is that we’ll need even more

compute. So the counterintuitive point is that we’ll need even more compute to make sure future models are more safe and aligned

같은 컴퓨트를 갖고 있다면 속도를 약간 늦추는 게 되겠지만,

같은 속도를 유지하는 방법은 컴퓨트 투자를 늘리는 것입니다.

일론 머스크가 9월 14일 All-In Summit에서 제안한 Cross-Lab 테스팅도 같은 관점에서 볼 수 있습니다. 각 회사가 자기 모델만 평가하는 대신 경쟁사의 테스트 하네스로도 검증하자는 제안입니다. 실행한다면 모델 하나를 출시하기 전에 수행하는 검사와 추론 작업이 더 늘어납니다. 물론 컴퓨트를 늘리면 모든 정렬 문제가 해결되거나 검증 기간이 사라진다는 뜻은 아닙니다. 병렬화할 수 있는 작업은 더 빨리 처리할 수 있어도, 새로운 문제를 발견하고 원인을 이해하는 데 필요한 시간까지 모두 대체하지는 못합니다.

이미 하던 정렬과 새로 제안된 개발 제한은 구분해야

9월 14일 주간전략보고에서 말씀드린 생각도 이와 연결됩니다. 내부 연구에 사용하는 모델과 고객에게 공개해 수익화하는 모델의 기준은 다릅니다. AI가 다음 모델의 연구를 돕는 속도가 빨라지더라도, 그 결과물을 외부에 내놓기 전에는 별도의 검증이 필요합니다.

저커버그도 경쟁과 손해배상 책임이 각 Labs에 안전성을 확보할 유인을 준다고 주장했습니다. 메타가 보안을 강화하기 위해 Muse 출시를 늦췄고, 다른 회사의 동참을 기다리지 않고 자체적으로 조치했다는 사례를 들었습니다. 정렬과 검증이 이미 제품 개발 과정에 들어가 있었다는 얘기입니다.

가속(RSI)과 감속(정렬)의 상쇄

AI를 활용한 연구 가속(+)과 출시 전 검증 강화(-)가 동시에 진행되는 시나리오를

46
모델이 더 빨리 만들어지는 만큼 검증할 대상과 작업도 늘어나는 구조입니다. 두 효과가 정확히 상쇄된다고

보고 있습니다. 모델이 더 빨리 만들어지는 만큼 검증할 대상과 작업도 늘어나는 구조입니다. 두 효과가 정확히 상쇄된다고 계산할 수는 없지만 외부 출시 간격만으로 내부 연구 속도나 컴퓨트 사용량을 판단하기는 어렵습니다.

그리고 이것도 결국에는 RSI를 통해서 유효 컴퓨트가 증가하더라도 그만큼을 다시 정렬에 써야 하기에 Physical Compute에 대한 수요는 계속해서 우상향할 가능성이 높다는 점이므로 AI HW/AI 사이클에는 긍정적이라 보고 있습니다. 개인적으로 RSI 트렌드로 인해서 우려했던 포인트 중 하나가 <1873년, 미국의 미래를 맞힌 투자자들은 왜 파산했을까>에서 전해드린 것처럼 유효 컴퓨트가 기하급수적으로 좋아짐으로써 나타나는 변화였습니다.

9월 14일 브로드컴 CEO의 CNBC 인터뷰 발언도 같은 맥락입니다. 짐 크레이머가 "Pacing the Frontier로 인해 브로드컴의 CY27, CY28 AI 반도체 전망을 재고하게 된 것이 있느냐"고 묻자 호크 탄은 "전혀 그렇지 않다"며, "컴퓨팅 인프라, AI 개발, AI 프론티어 모델, 그리고 이를 통해 세상에 제공되는 제품들에 대한 추론 수요는 매우 강력하고 매우 지속적일 것으로 예상한다"고 말했습니다.

잡썰 : AI 규제 강화파 vs 온건파

이정도까지 깊게 볼 필요는 없으면 좋겠지만, AI 규제와 관련해서는 트럼프 정부 내에서도 AI 규제강화파와 온건파로 나뉩니다. 공화당 내에서 노동자층-중간선거를 생각하는 참모들은 AI 규제를 말하고 있고, 실리콘밸리-성장을 생각하는 참모들은 AI 온건을 말하고 있는 상태입니다.

강화파 → 수지 와일즈(비서실장, 트럼프 선거 총괄), 스콧 베센트(재무부장관), 숀 케언크로스(국가사이버보안책임자), 다리오 아모데이(앤스로픽), 샘 올트먼(오픈AI), 순다르 피차이/데미스

47
온건파 → 데이비드 삭스(페이팔 마피아, 트럼프 행정부가 실리콘밸리 및 크립토 업계와 연결되게 하는 인물

허사비스(구글)

온건파 → 데이비드 삭스(페이팔 마피아, 트럼프 행정부가 실리콘밸리 및 크립토 업계와 연결되게 하는 인물), 젠슨 황(엔비디아), 일론 머스크(스페이스X), 마크 저커버그(메타), 마크 안데르센(a16z)입니다.

트럼프는 주말 사이 입장을 '온건파'쪽으로 굳혔습니다.

RSI의 초기 모습 : AI가 다음 모델과 자신을 돌릴 인프라를 개선하는 단계

앤스로픽, Z.ai, 오픈AI의 자료를 함께 보시면 RSI에서 주목하고 있는 지점들이 조금 더 구체적으로 드러납니다. AI가 연구를 더 많이 담당하는 동시에 그 연구에 사용할 컴퓨트의 효율도 직접 높이는 방향입니다. 아직 인간 없이 다음 모델을 완성하는 단계는 아니지만 모델 개발과 인프라 개선에 AI가 들어가는 범위는 넓어지고 있습니다.

앤스로픽 : Claude가 주도하는 연구 비중이 3월 약 1% → 8월 26%로 늘었습니다

앤스로픽이 프론티어 AI Labs 내 AI를 통한 개발 속도를 공개했습니다.

앤스로픽의 첨부 차트를 보면 Claude가 주도하는 AI R&D 비중은 3월 약 1% → 5월 12% → 8월 26%로 높아졌습니다. 사람이 Claude와 협업하거나 그보다 더 많은 일을 맡기는 AL3 이상은 90%를 넘습니다.

AL0은 AI 개입 없는 수준 → AL1은 AI가 최소 개입 → AL2는 AI의 보조를 받는 수준 → AL3은 AI와 협업하는 수준 → AL4는 AI가 주도하는 수준 → AL5는 AI가 인간의 개입 없이 완전 자율적으로 작동하는 수준입니다.

연구자가 직접 붙어 있어야 하는 시간의 제약이 줄어드는 것이 인상적입니다. 연구자 한 명이 모든 구현과 문제 해결을 순서대로 처리해야 했다면, 이제는 여러 작업을 에이전트에 맡기고 중요한 판단과 검증에 집중하는 방향을 생각해

48
물론 26%는 업무별 자동화 수준을 가중 합산한 회사 자체 지표이지, 연구 속도가 26% 빨라졌다거나 연

볼 수 있습니다. 물론 26%는 업무별 자동화 수준을 가중 합산한 회사 자체 지표이지, 연구 속도가 26% 빨라졌다거나 연구인력의 26%가 필요 없어졌다는 뜻은 아닙니다.

GLM : 자신을 서비스할 인프라의 퍼포먼스를 13일 만에 3.22배 높이다

같은 날 Z.ai도 RSI에 대한 연구 자료를 발표했습니다.

Z.ai의 사례는 이러한 연구·개발 자동화가 실제 컴퓨트 효율 개선으로 연결된 경우입니다. Z.ai는 10만 개 이상의 중국산 AI 가속기에서 GLM-5.3-Flash를 서비스하는 추론 인프라를 구축했다고 설명했습니다. 이 과정에 GLM-5.3 기반 인프라 에이전트가 참여했고 엔지니어와 에이전트가 함께 시스템을 최적화했습니다.

메모리 용량과 대역폭이 제한된 하드웨어에서 새로운 모델 구조, 1M 컨텍스트, 멀티모달 요청을 처리해야 했습니다. 커널 지원까지 충분하지 않은 환경이었습니다. 개별 연산을 빠르게 만드는 작업뿐 아니라 모델을 나누어 실행하는 방식, 통신, 캐시 처리까지 손봤습니다. 이 사례에서 인상적인 것은 칩을 새 세대로 교체한 것이 아니라 같은 하드웨어를 더 잘 쓰는 소프트웨어를 만드는 데 AI가 참여했다는 점입니다.

추론을 효율적으로 만들면, 다음 개선을 위한 AI도 더 많이 돌릴 수 있다

두 자료가 연결되는 부분은 여기입니다.

앤스로픽에서는 AI가 연구 업무를 더 많이 맡고 있습니다. Z.ai에서는 AI가 참여한 인프라 최적화로 같은 하드웨어에서 더 많은 추론을 처리하게 됐습니다. 이 효율 개선을 연구에 다시 배분한다면 같은 예산으로 더 많은 에이전트를 운용하거나 더 많은 실험을 수행할 여지가 생깁니다. 연구에 쓰인 컴퓨트가 이후 연구에 사용할 컴퓨트의 효율을 높이는 구조입니다.

가령 에이전트가 추론 시스템의 병목을 찾아 개선했다고

49
그 개선을 실제 서비스에 적용하면 이후 해당 시스템을 사용하는 작업들이 혜택을 받습니다. 다음 최적화를

가정해보겠습니다. 그 개선을 실제 서비스에 적용하면 이후 해당 시스템을 사용하는 작업들이 혜택을 받습니다. 다음 최적화를 수행할 에이전트도 그중 하나가 될 수 있습니다. 이런 작업은 외부 고객에게 판매하는 토큰처럼 당장 매출을 만들지는 않습니다. 대신 한 번의 연구 성과가 이후 수많은 추론에 반복적으로 적용된다면 연구에 넣은 컴퓨트의 회수 효과는 커집니다. AI Labs가 컴퓨트를 전부 고객 서비스에 배분하지 않고 내부 연구에 상당 부분 남겨둘 경제적 이유도 여기에서 생각해볼 수 있습니다.

오픈AI : AI가 자신이 돌아갈 차세대 GPU까지 직접 최적화 중

앞의 Z.ai 사례가 중국산 가속기에서 나타난 현상이었다면,

AI Infra Summit에서 공개된 오픈AI와 엔비디아 사례는 같은 변화가 가장 프론티어에 있는 모델과 하드웨어에서도 이미 나타나고 있다는 점에서 더 인상적이었습니다. 엔비디아의 이안 벅(Ian Buck)과 오픈AI 컴퓨트 책임자 사친 카티의 대담에 따르면, 오픈AI는 Blackwell에 맞춰 개발하던 GPT-6 Astra 체크포인트 모델을 Rubin으로 옮겨 약간의 수정만으로 바로 실행할 수 있었습니다.

*여기서 체크포인트 모델은 Labs가 내부적으로 계속 발전시키고 있는 차세대 모델입니다. 이 모델을 계속 빚어가다가 특정 시점의 체크포인트를 잘라 정렬과 제품화를 거친 뒤 외부에 출시합니다.

Rubin에 옮긴 것만으로 3배, Astra가 직접 최적화하자 다시 2배

GPT-6 Astra를 VR200 NVL72에 올리자 Throughput이 바로 3배 높아졌습니다. 같은 시간에 생성하는 토큰이 세 배로 늘었다는 뜻입니다. 정확한 토큰당 비용 개선율은 Rubin 시스템의 높아진 TCO까지 같이 계산해야 하지만, 새로운 하드웨어로 넘어가는 것만으로 추론 경제성이 크게 좋아진

50
​ 그다음이 더 흥미롭습니다. 오픈AI는 72시간만에 GPT-6 Astra 자체를 에이전트로 사용해, V

것은 맞습니다.

그다음이 더 흥미롭습니다. 오픈AI는 72시간만에 GPT-6 Astra 자체를 에이전트로 사용해, VR200에서 Astra를 더 빠르게 돌리기 위한 추론 커널을 최적화했습니다. 그 결과 Throughput이 다시 2배 올라갔습니다. 하드웨어 전환에서 3배 x 이후 Astra가 직접 수행한 소프트웨어 최적화에서 다시 2배가 붙으면서 GPT-6 Astra 기준 VR200의 Throughput은 GB300 대비 6배 수준까지 높아졌습니다.

몇 주에서 몇 달씩 걸리던 커널 최적화를 이제 주말 사이에 끝내고 있습니다.

RSI가 유효 컴퓨트에 미치는 영향

앞에서 본 Z.ai도 비슷했습니다. GLM-5.3 기반 인프라 에이전트가 중국산 가속기의 커널·통신·캐시 구조를 최적화해 13일 만에 Throughput을 3.22배 높였습니다. 이번에는 Astra가 최신 엔비디아 GPU 위에서 자기 자신의 커널을 72시간 동안 최적화했습니다.

AI가 다음 모델의 연구를 돕고,

그 모델이 돌아갈 칩을 설계하고,

새로운 칩에 맞는 커널과 소프트웨어를 최적화하고,

그 결과 같은 하드웨어에서 더 많은 토큰을 만들고,

절약된 컴퓨트를 다시 연구에 투입하는 것

까지 하나의 루프입니다.

8월 31일 주간전략보고 자료 중 오픈AI의 할라페뇨에서 함의점으로 전해드렸던 내용에서 이어집니다. 모델의 지능이 높아질수록 HW를 둘러싼 SW를 최적화하는 능력도 같이 좋아집니다. 앤스로픽에서는 AI가 연구를 더 많이 맡기 시작했고, Z.ai에서는 AI가 인프라를 최적화했고, 오픈AI에서는 이제 프론티어 체크포인트 모델이 차세대 엔비디아 GPU 위에서 자기 자신을 더 빠르게 만드는 단계까지 왔습니다.

Compute를 점점 더 커머디티화할

51
AI Labs 입장에서는 굉장히 좋은 변화입니다. 새로운 하드웨어를 도입한 뒤 실제 생산성으로 전환하기까

수 있는 방향

AI Labs 입장에서는 굉장히 좋은 변화입니다. 새로운 하드웨어를 도입한 뒤 실제 생산성으로 전환하기까지 걸리는 시간이 짧아지고, 특정 하드웨어의 소프트웨어 스택이 완벽하게 성숙하기를 기다릴 필요도 줄어듭니다.

반대로 칩 메이커 입장에서는 조금 다른 문제가 생깁니다. 과거에는 좋은 칩을 만드는 것뿐 아니라 그 칩을 실제 워크로드에서 제대로 돌릴 수 있는 소프트웨어 생태계 자체가 강력한 진입장벽이었습니다. 경쟁사가 비슷한 FLOPS의 칩을 내놓더라도 커널과 컴파일러, 네트워크, 서빙 스택을 안정화하는 데 상당한 시간이 필요했습니다.

AI가 이 시간을 몇 달에서 며칠까지 줄일 수 있다면 이기종 Compute를 실제로 쓸 수 있는 상태로 만드는 속도도 훨씬 빨라집니다. CUDA의 경쟁력이 갑자기 사라진다는 얘기는 아닙니다. 이번 사례처럼 가장 뛰어난 모델과 소프트웨어가 엔비디아의 신제품 성능을 가장 먼저 끌어올릴 수도 있습니다. 다만 고객 입장에서는 이기종 컴퓨트를 엮어서 처리할 장벽이 줄어드니 특정 Compute 공급사에 묶여 있어야 하는 이유는 더 약해집니다.

수요는 높아지는데, 칩 메이커의 실질 GPM은 내려갈 수 있다

최근 Compute 계약들을 계속 살펴보면 이 변화가 계약 구조에서도 나타나고 있습니다.

강도는 다르지만 엔비디아-LPS 보증(칩의 가치에는 관여 X, 약한 Balance Sheet-as-a-Service), 브로드컴-XPV 플랫폼을 통한 대출보증(칩의 잔존가치에 직접 관여 O, 강한 Balance Sheet-as-a-Service), 오픈AI/앤스로픽/메타-AMD(워런트), 오픈AI-세레브라스(워런트), Semi-COT를 위한 AWS-알칩/구글-미디어텍(AVGO XPU GPM 67% → MTK XPU GPM 40%), 구글-마벨(워런트), AWS-퀄컴 계약(워런트)들의 함의

52
Compute 계약의 실질 GPM이 생각보다 더 빠르게 감소하고 있습니다. ​ 이어서, ​ 메모리 부족에

가 다 같습니다. Compute 계약의 실질 GPM이 생각보다 더 빠르게 감소하고 있습니다.

이어서,

메모리 부족에 대응하는 방법

앞서 살펴본 Z.ai 사례에서 한 가지 더 눈에 띄는 것은 무엇을 더 쓰고, 무엇을 줄였느냐입니다.

Z.ai는 ⓐ메모리 대역폭 사용을 줄이는 대신 연산을 더 수행하고 ⓑ가속기당 메모리 용량을 줄이는 대신 장치 간 통신을 늘리는 최적화를 적용했다고 설명했습니다. 중국 기업인지라 메모리가 부족하기 때문에 제한된 메모리 대역폭과 메모리 용량을 갖고 throughput을 높이기 위해 Compute, Memory, Interconnect의 사용 비율을 다시 조정한 것입니다.

계속해서 드리는 말씀이지만 AI Labs 입장에서는 ⓐCompute, ⓑMemory, ⓒInterconnect 중에서 현재 수요 대비 메모리 공급부족의 정도가 심한 상태이니 ⓐ를 더 많이 사용하거나(CoT 늘리는 대신 Recurrent Depth), ⓒ를 더 많이 사용하는 식(Rubin Ultra 칩당 HBM 용량은 낮추고, Scale-up CPO로 VR300 NVL576 Global Scale-up Domain)으로 대응할 수 있습니다.

그렇지만, Data Movement를 최소화하는 게 제1입니다

부족한 상태에서 throughput을 높이기 위한 방법이지, 그렇다고 메모리 용량과 메모리 대역폭의 중요도가 낮아진다는 얘기는 아닙니다. 메모리 수요-공급 쇼티지로 인해 할당되는 분량으로도 부족하기 때문에 하는 작업임을, 우선순위를 잊지 않아야 합니다.

KV Cache만 봐도 자주 사용하는 데이터일수록 가능한 한 HBM 가까이에 두는 것이 가속기 활용률에는 가장 유리합니다. HBM이 부족하니 서버 DRAM을 쓰고, 여기에도 전부 담기 어려우니 SSD까지 Memory Tier를

53
SSD에 둘 수 있는 데이터를 굳이 HBM에 두지 않는 것이지, 충분한 HBM을 싸게 확보할 수 있다면

넓히는 것입니다. SSD에 둘 수 있는 데이터를 굳이 HBM에 두지 않는 것이지, 충분한 HBM을 싸게 확보할 수 있다면 일부러 더 느린 계층으로 내릴 이유는 없습니다.

다만 추가로 발생하는 Memory Wall을 어떤 자원을 더 써서 풀고 있느냐는 조금씩 달라지고 있습니다. 지금 기술개발의 방향은 부족한 메모리를 무작정 더 붙이는 것만이 아니라, 컴퓨트를 더 사용하거나 통신을 강화해서 같은 메모리에서 더 많은 토큰을 뽑는 쪽으로 가고 있습니다. 현재는 기술개발 단계가 많고, 실제 제품에서 이 변화가 본격적으로 보이는 시점은 CY27부터라고 생각합니다.

메모리 Phase 1 : AI 퍼포먼스 계층으로 진입하다

지금의 메모리 업계를 정리해보자면, Phase 2 초입에 접어들었다고 생각합니다.

제가 메모리 Phase 1이라고 보는 것은 2H25~1H26에 있었던 변화입니다.

모델 파라미터 규모는 계속 커지고, 2025년 9월 Claude Code GA 이후 코딩/에이전틱 워크로드 수요가 폭발적으로 늘면서 요청당 컨텍스트도 길어졌습니다. HBM만으로 Model Weight와 KV Cache를 모두 처리하기 어려워지자 NVLink-C2C를 통해 Grace CPU의 DRAM으로 KV Cache를 Offloading하고, 이후에는 SSD까지 붙여 Memory Tiering을 구성하기 시작했습니다.

특히 코딩 에이전트는 이전에 계산했던 KV Cache를 다시 사용하는 비율이 높습니다. 비싼 GPU에서 같은 내용을 다시 계산하는 것보다, DRAM이나 SSD에 저장해둔 KV Cache의 Hit Rate를 높이는 편이 시스템 전체의 경제성이 좋아지는 구간이 생긴 것입니다.

그래서 CY23~CY24처럼 AI 메모리 수요를 사실상 HBM 중심으로만 보던 시각에서 벗어나 Conventional DRAM과 NAND까지 가속기당 토큰 생산량을 높이는 자원으로 들어오

54
서버당 메모리 할당을 늘려 GPU가 기다리는 시간을 줄이고 단위시간당 더 많은 토큰을 생성할 수 있다면

기 시작했습니다. 서버당 메모리 할당을 늘려 GPU가 기다리는 시간을 줄이고 단위시간당 더 많은 토큰을 생성할 수 있다면, 결국 토큰당 비용은 내려갑니다. 하이퍼스케일러 입장에서는 메모리 가격이 올라도 추가 메모리를 확보하는 편이 경제적일 수 있습니다.

이 과정에서 메모리 업체들의 이익 추정치는 빠르게 올라왔고, 현재는 SEC/SKH/MU 모두 CY27 이익 기준 PER 4~5배 수준까지 내려와 있습니다.

메모리 Phase 2 : 높은 이익이 얼마나 오래 지속될지를 보는 단계

지금은 메모리 Phase 2로 넘어가는 과정이라고 보고 있습니다.

2H25~1H26에는 메모리와 스토리지가 처음으로 단순한 저장장치를 넘어 컴퓨트의 실제 경제성을 결정하는 Performance Layer로 들어왔고 그 결과 가격과 마진이 크게 상승했습니다. 이제 중요한 것은 높은 가격 자체보다 높아진 GPM과 OPM을 얼마나 오래 유지할 수 있느냐입니다.

메모리 업체들은 LTA를 늘리면서 높은 수익성을 다년 계약으로 연결하려 하고 있습니다. 과거처럼 먼저 증설하고 나서 고객을 찾는 선증설-후수주 구조에서, 고객 물량을 먼저 확보하고 그에 맞춰 투자하는 선수주-후증설 구조로 조금씩 이동하고 있습니다.

이 변화가 자리 잡으면 메모리 산업에서 가장 큰 할인요인이었던 실적 변동성도 낮아집니다. 피크 이익은 높은데 다음 해 실적을 알 수 없어서 낮은 밸류에이션을 받던 산업이 수주를 기반으로 몇 년 뒤 물량과 이익까지 어느 정도 볼 수 있는 산업으로 바뀌는 것입니다. 그래서 지금은 메모리 기업들의 성장률과 이익 가시성에 비해 밸류에이션이 여전히 낮다고 보고 있습니다. TSMC/WDC-STX가 받는 12M Forward PER과 비교해보

55
​ Phase 1에서 워낙 빠르게 주가와 이익 추정치가 올라왔기 때문에 지금은 Phase 1 → Phas

면 그렇습니다.

Phase 1에서 워낙 빠르게 주가와 이익 추정치가 올라왔기 때문에 지금은 Phase 1 → Phase 2로 넘어가는 과정에서 손바뀜과 기간조정이 나타나는 구간이라고 생각합니다. 제 판단으로는 이 과정이 몇 년씩 이어질 문제라기보다는 몇 개월 정도의 문제에 가깝습니다. 그리고 Z.ai 사례는 메모리 투자 논리와 반대되는 사례라기보다 오히려 다음 단계를 보여줍니다. 메모리가 가장 부족해지자 Compute와 Interconnect까지 동원해서 Memory의 효율을 높이고 있습니다.

AI 시스템에서는 이제 토큰 생성을 다루는 퍼포먼스 계층에서 Compute, Memory, Interconnect를 따로 떼어서 볼 수 없습니다. 셋 중 하나가 부족하면 나머지 둘을 더 써서 보완하고, 그렇게 한계를 밀어낼수록 다시 더 큰 모델과 더 긴 컨텍스트를 사용할 수 있게 됩니다. 이 세 자원을 하나의 시스템으로 공동설계하는 방향이 CY27부터 훨씬 뚜렷해질 것으로 보고 있습니다.

AI Infra Summit 2026 : 업계도 Memory Wall을 같은 방향으로 푸는 중

앞에서 설명드린 Compute, Memory, Interconnect의 공동설계는 AI Infra Summit 2026에서도 가장 반복적으로 등장한 주제였습니다. BofA와 Citi가 정리한 내용을 보면, 지금의 병목은 단순히 FLOPS가 부족한 것이 아니라 GPU가 계산할 데이터를 얼마나 빠르게 공급할 수 있느냐로 이동하고 있습니다. 모델 크기와 컨텍스트 길이, 에이전틱 워크로드는 빠르게 커지고 있는데 메모리 용량과 대역폭은 같은 속도로 늘기 어렵기 때문입니다.

GPU가 데이터를 기다리거나, KV Cache가 HBM 용량을 넘어가거나, 서로 다른 메모리 계층 사이에서 데이터를 옮기는 과정에서 Latency와 전력 소모가 발생하면 가속기의 FLOPS가 아무리 높아도 실제 활용

56
그래서 지금 업계의 방향은 모든 데이터를 가장 비싼 HBM에 넣는 것이 아니라, ​​데이터의 성격에 따라

률은 떨어집니다. 그래서 지금 업계의 방향은 모든 데이터를 가장 비싼 HBM에 넣는 것이 아니라, 데이터의 성격에 따라 서로 다른 메모리를 배치하는 Memory Disaggregation으로 가고 있습니다.

SKH : ⓐPIM ⓑHBF ⓒSALT-KV

SK하이닉스가 제시한 것도 같은 방향입니다.

PIM은 메모리 자체에 일부 연산 기능을 넣어 데이터가 Compute 쪽으로 이동해야 하는 양을 줄이는 구조입니다. 데이터 이동 자체가 병목이라면, 아예 메모리 가까이에서 일부 계산을 처리하자는 접근입니다.

HBF는 HBM보다 느린 대신 훨씬 큰 용량을 제공하는 새로운 메모리 Tier입니다. SK하이닉스는 HBM 대비 약 10배 수준의 용량을 목표로 제시했습니다. Long Context와 대규모 KV Cache처럼 전부 HBM에 둘 필요는 없지만 SSD까지 내리기에는 성능이 중요한 데이터가 주요 대상입니다.

SALT-KV는 이 구조를 소프트웨어로 관리합니다. KV Cache를 전부 HBM에 두는 것이 아니라 자주 사용하는 Hot Data는 HBM에, 덜 자주 사용하는 데이터는 DRAM이나 더 낮은 Tier로 내려보내는 방식입니다.

결국 HBM → DRAM → SSD를 단순히 용량 순서대로 쌓는 것이 아니라 어떤 데이터를 어느 계층에 두는 것이 토큰당 비용을 가장 낮추는지 소프트웨어가 판단하는 구조로 가고 있습니다.

SEC : HBM 자체의 구조를 바꾸려는 ⓓzHBM

삼성전자가 제시한 zHBM은 조금 다른 접근입니다.

기존 HBM을 단순히 더 높게 쌓는 연장선이 아니라 3D DRAM 구조를 활용해 메모리 자체의 성능과 열 특성을 바꾸려는 방향입니다. 발표된 목표치는 HBM5 대비 GPU당 성능 약 4~8배, 와트당 성능 약 3배, 열저항은 기존의 0.1~0.2

57
아직 제품화까지는 시간이 필요한 기술이지만 방향은 같습니다. Memory Wall을 더 많은 메모리 용량

5배 수준입니다. 아직 제품화까지는 시간이 필요한 기술이지만 방향은 같습니다. Memory Wall을 더 많은 메모리 용량 하나로 해결하지 않고, 구조와 소프트웨어까지 같이 바꾸고 있습니다.

소프트웨어가 좋아질수록 오래된 HW 경제적 수명도 길어집니다

여기서 앞의 RSI 얘기와 다시 연결되는 부분도 있습니다.

AWS는 2017년에 출시된 V100 인스턴스를 아직도 임대하고 있고, GCP에서도 2020년 출시된 A100이 계속 사용되고 있습니다. 구글 내부에서는 TPU v2~v4처럼 상당히 오래된 TPU도 일부 워크로드에 계속 활용되고 있습니다.

새로운 칩이 나왔다고 기존 칩의 경제적 가치가 바로 0이 되는 것이 아닙니다. 커널/컴파일러/스케줄링/캐시 관리가 계속 개선되면 같은 하드웨어에서도 유효 컴퓨트는 시간이 지나면서 올라갈 수 있습니다. 앞에서 본 Z.ai의 13일간 3.22배 Throughput 개선도 같은 사례입니다. 그래서 AI 가속기의 경제적 수명은 회계상 감가상각 기간보다 길어질 수 있습니다. 최신 프론티어 모델 훈련에는 새로운 칩을 쓰더라도 이전 세대 가속기는 추론이나 다른 워크로드로 내려가 계속 돈을 벌 수 있습니다.

지금은 메모리 부담을 → 인터커넥트 부담으로 이전 중

개인적인 생각으로 다시금 넘어오면, <LLM 추론 토큰 가격의 비밀 : MoE의 시대, 엔비디아 NVL72가 중요한 이유>에서도 말씀드렸듯이 추론할 때는 기본적으로 가속기 HBM에서 Model Weight와 KV Cache를 모두 처리해야 합니다. Expert Parallelism이나 Context Parallelism을 사용하면 한 가속기가 부담해야 하는 메모리 용량은 줄일 수 있습니다. 다만 그 대가로 장치 간 통신

58
​ MoE도 마찬가지입니다. 한 번의 추론에서는 일부 Active Parameter만 계산하더라도 전체

이 늘어납니다.

MoE도 마찬가지입니다. 한 번의 추론에서는 일부 Active Parameter만 계산하더라도 전체 모델 가중치는 시스템 어딘가에 존재해야 합니다. 이를 여러 가속기나 다른 메모리 계층에 나눠두면, 이번에는 필요한 데이터를 가져오기 위한 통신 비용이 생깁니다. 결국 Parallelism은 모델이 커지면서 발생하는 메모리 대역폭과 용량 문제를 없애는 기술이라기보다, 메모리 부담의 일부를 컴퓨트와 인터커넥트로 옮기는 기술에 가깝습니다.

여기서 더 나가서 이제 모델(1~1.5T에서 이제 2~3T로 가는 중)은 하나의 GPU나 하나의 랙 안에서 모든 것을 해결하기 어려운 크기로 가고 있습니다. 그래서 앞으로는 GPU 몇 개를 넣었는지만 보는 것보다 얼마나 많은 메모리를 붙였는지, 그 메모리를 어떤 계층으로 구성했는지, 그리고 그 데이터를 얼마나 빠르게 이동시킬 수 있는지를 같이 봐야 합니다.

JP모건의 CoWoS 업데이트

JP모건의 CoWoS 업데이트를 정리하면:

업계 CoWoS 캐파 추정치가 CY27 +4%, CY28 +6% 상향됐습니다.

엔비디아 Vera CPU 수요와 AI ASIC 수요가 생각보다 높았어서 10k wfpm의 CoWoS-R 추가 증설을 반영한 값입니다. Rubin에 대한 네오클라우드와 스페이스X의 주문이 매우 강력하여 VR200, VR300 수요 전망치가 상향되고 있으며, 두 칩간 설계 변경이 적어서 VR300으로의 램프업 궤적 전환이 생각보다 빠를 것으로 예상됩니다.

구글 TPU는 CY27 950만 개 → CY28 1,140만 개로 소폭 상향됐고, 업사이드는 주로 미디어텍의 TPU v8t와 차세대 v9에서 나왔습니다. EMIB-T를 적용한 TPU v9는 CY28 출하 목표로 인텔의 패키징 수율 상승세가 순조로우며, 이제 TPU v9에 대한 TSMC CoWoS Plan B를 고려하고 있지 않은 상

59
TPU v10은 패키징 방식을 CoWoS로 할지 EMIB-T로 할지 결정되진 않았지만 4Q26 수주 결과

태로 추정됩니다. TPU v10은 패키징 방식을 CoWoS로 할지 EMIB-T로 할지 결정되진 않았지만 4Q26 수주 결과 예상을 해보면 미디어텍이 대부분의 TPU v10 물량을 가져갈 가능성이 높아보입니다.

브로드컴의 ASIC들은 MTIA가 CY27 80만 개 → CY28 110만 개로 늘리고, 오픈AI 1세대 ASIC인 할라페뇨는 CY27 40~50만 개, 2세대 ASIC인 Serrano는 CY28 더 강한 램프업을 예상하지만 아직 공급망에 주문이 결정된 상태는 아닙니다.

마벨의 마이크로소프트 Maia300은 CY27에는 70만 개로 예상되지만, Maia400 수주는 불투명한 상태입니다. AWS의 Trainium 프로젝트는 CY27 360만 개 → CY28 370만 개로 상향됐으며, Alchip이 Trainium 3/4의 유일한 백엔드 설계 파트너사를 유지하고 있습니다.

VR200 NVL72 양산이 숫자로 보이는 중

2026년 8월부터 엔비디아의 VR200 NVL72 랙 양산이 시작됐기 때문에, 대만 서버 ODM들의 매출이 이전 상승궤적보다 더 가팔라진 모습을 확인하실 수 있습니다.

오픈AI의 비동기식 학습 클러스터

9월 7일 주간전략보고에서 시에나 2Q26 실적발표를 보며 Asynchronous Training이 Scale-across의 다음 수요처가 될 수 있다는 내용을 전해드렸습니다. 지금까지 Scale-across는 주로 가까운 캠퍼스의 여러 데이터센터를 연결해 하나의 클러스터처럼 사용하는 데 쓰였습니다. 같은 Training Run에 참여하는 GPU들이 서로 통신하면서 동시에 학습하는 Synchronous Training이 중심이었습니다.

그런데 시에나와 협력하는 하이퍼스케일러들이 이제는 Scale-across를 Asynchronous Training과 추론 클러스터까지 확장하는 방안을 논

60
여러 지역의 데이터센터가 반드시 같은 순간에 같은 Training Step을 수행하지 않아도 된다면, 데

의하고 있습니다. 여러 지역의 데이터센터가 반드시 같은 순간에 같은 Training Step을 수행하지 않아도 된다면, 데이터센터 사이의 거리를 훨씬 더 늘릴 수 있습니다. 도시를 넘어 국가와 대륙 단위로 흩어진 컴퓨트를 하나의 거대한 Compute Pool처럼 활용하는 방향입니다.

초기 몇 개 캠퍼스만 연결했는데도 지금의 Scale-across 수요가 나오는 것

Scale-across 시장이 중요한 이유는 아직 적용 범위가 넓지 않은데도 수요가 빠르게 늘고 있기 때문입니다. 일부 하이퍼스케일러가 초기 몇 개 데이터센터를 연결하기 시작한 것만으로 시에나의 주문이 크게 늘었습니다. 시에나의 핵심 광부품 공급사인 루멘텀도 향후 5개 분기 동안 Pump Laser 생산량을 4배 확대할 계획입니다.

시에나는 과거 공급부족 제품의 가격을 한 번에 +7~9% 정도 올렸다면, 최근에는 +17~23% 수준의 가격 인상까지 가능한 상황입니다. 지금은 몇 개의 하이퍼스케일러들이 가까운 데이터센터 몇 곳을 묶는 수요만으로도 이 정도입니다. 앞으로 Asynchronous Training까지 실제로 적용되기 시작하면 Scale-across가 연결해야 하는 데이터센터의 수와 거리가 동시에 커질 수 있습니다.

오픈AI가 호주를 검토한 이유 : 비동기식 학습

오픈AI가 호주에서 모델 훈련을 논의 중입니다. 이를 단순히 해외 데이터센터 증설로만 보기보다는, 여러 국가에 분산된 컴퓨트를 Asynchronous Training으로 연결하는 초기 단계로 보고 있습니다.

다만 프론티어 모델의 체크포인트와 훈련 데이터, 대규모 AI 인프라는 국가안보와 직접 연결됩니다. 미국 밖에 대형 훈련 클러스터를 만든다면 아무 국가에나 설치하

61
그래서 초기에는 미국이 안보적으로 가장 신뢰하는 우방국부터 논의되고 있습니다. 호주가 먼저 거론된 것도

기는 어렵습니다. 그래서 초기에는 미국이 안보적으로 가장 신뢰하는 우방국부터 논의되고 있습니다. 호주가 먼저 거론된 것도 이런 맥락입니다. 엔비디아가 호주에서 DSX 파트너십을 통해 2GW 규모의 네오클라우드 인프라 구축을 추진하는 것도 같은 흐름입니다.

호주 다음으로 캐나다가 거론되는 중

이번에는 캐나다입니다.

오픈AI의 국가 담당 책임자인 조지 오스본은 캐나다에 대해 에너지와 토지를 확보하기 용이하기 때문에 데이터센터 파트너십을 포함해 큰 잠재력이 있다고 평가했습니다.

캐나다 역시 미국과 안보적으로 밀접하고, 대규모 데이터센터에 필요한 전력과 토지를 확보할 수 있는 국가입니다. 그래서 현재 흐름을 보면 오픈AI가 미국 내에서만 수GW급 클러스터를 계속 키우는 것이 아니라, 미국을 중심으로 호주/캐나다 같은 우방국의 컴퓨트를 연결하는 구조까지 검토하기 시작한 것으로 보고 있습니다.

모든 방법을 쓰게 될 CY28

그래도 AI 데이터센터의 중심은 미국에 남을 가능성이 높다고 봅니다. 추론 수요 자체가 미국에 가장 많고, 모델과 데이터센터에 대한 안보 문제도 있기 때문입니다.

문제는 전력입니다.

미국 전력망을 통해 매년 추가로 공급할 수 있는 데이터센터 전력은 대략 +10~15GW 수준으로 보고 있습니다. 그 이상의 데이터센터를 빠르게 온라인하려면 전력망 증설/업그레이드만 기다릴 수 없습니다.CY27에는 30~40GW 규모의 신규 데이터센터가 온라인될 것으로 예상하고 있는데, 이미 상당한 물량이 BTM을 통해 해결되는 방향입니다. 가스터빈/왕복엔진/SOFC 등 데이터센터 부지에서 직접 전력을 만드는 방식입니다.

그런데 CY28부터는 필요한 컴퓨트 규모

62
가스터빈이나 SOFC를 더 설치하는 것만으로도 부족해진다면 결국 가능한 방법을 모두 사용하게 될 가능성이

가 더 커집니다. 가스터빈이나 SOFC를 더 설치하는 것만으로도 부족해진다면 결국 가능한 방법을 모두 사용하게 될 가능성이 높습니다.

미국 내 전력망 확충 및 업그레이드

미국 내 BTM 발전 확대

미국 외 호주, 캐나다 등 우방국에 국가와 대륙을 가로지르는 Asynchronous Training 클러스터 구축

장기적으로는 지구 바깥의 궤도 컴퓨팅

모두 같은 방향입니다.

제가 중요하게 보는 부분은 오픈AI가 호주나 캐나다에 데이터센터 하나를 더 짓느냐가 아닙니다. 물리적으로 멀리 떨어진 컴퓨트를 하나의 연구 자원처럼 사용할 수 있느냐가 더 중요합니다.

이게 가능해지면 AI Labs가 클러스터를 확장할 때 반드시 한 지역에서 5~10GW의 전력을 한 번에 확보할 필요가 없어집니다. 미국에서 3GW, 캐나다에서 2GW, 호주에서 2GW를 확보한 뒤 이를 하나의 연구 체계 안에서 활용하는 식의 접근이 가능해집니다. 이것도 생각해보면 전력 부족 때문에 컴퓨트 확장이 막히는 문제를 네트워크를 통해 일부 우회하는 것입니다.

그렇게 되면 Scale-across도 가까운 캠퍼스를 연결하는 기술에서 끝나지 않습니다. 국가와 대륙을 연결하는 AI 인프라의 한 축으로 시장 자체가 훨씬 커질 수 있습니다. 시에나/루멘텀을 계속 중요하게 보는 이유도 여기에 있습니다. 지금의 주문은 아직 Scale-across 시장이 본격적으로 넓어지기 전의 수요입니다.

중국의 AI 산업 구조 : ⓐToken Factory ⓑOpen-weight

중국 AI 산업을 볼 때 모델 성능 경쟁만 보면 놓치는 부분이 있습니다.

중국에서는 이미 토큰 자체를 하나의 생산물처럼 다루는 산업 구조가 빠르게 만들

63
모델을 개발하는 AI Labs, 토큰을 생산하는 Token Factory, 여러 공급자의 토큰을 모아 유

어지고 있습니다. 모델을 개발하는 AI Labs, 토큰을 생산하는 Token Factory, 여러 공급자의 토큰을 모아 유통하는 플랫폼, 그리고 그 아래 AI 가속기까지 하나의 공급망으로 연결되는 모습입니다.

저는 장기적으로 중국이 노리는 그림도 여기에 가깝다고 보고 있습니다.

중국산 모델을 먼저 널리 보급하고 → 그 모델에서 발생하는 토큰 수요를 키우고 → 결국 그 토큰을 가장 저렴하게 생산할 수 있는 중국산 AI 인프라까지 같이 확산시키는 구조입니다.

중국의 토큰 사용량은 2년 만에 약 5,000배 늘었습니다

중국의 일일 토큰 호출량은 빠르게 증가하고 있습니다.

2024년 초 : 1,000억 Token/day

2025년 말 : 100조

2026년 3월 : 140조

2026년 8월 : 500조+

약 2년 만에 5,000배입니다.

중국 정부 자료에서도 토큰 생성량을 반복적으로 언급하는데, 전력을 얼마나 생산하고 소비하는지를 보는 것처럼 AI 서비스가 얼마나 많이 생산되고 있는지를 보여주는 하나의 경제활동 지표로 토큰을 보는 분위기가 강해지고 있습니다.

2026년 초 OpenClaw가 중국에서 폭발적으로 확산된 것도 토큰 수요를 크게 끌어올렸습니다. 챗봇에서는 사용자가 질문 한두 번을 보내면 끝날 수 있지만, 에이전트는 하나의 작업을 끝내기 위해 모델을 수십 번, 수백 번 호출합니다. 그래서 Chatbot → Agent 전환은 사용자 수 증가보다 훨씬 더 빠른 토큰 소비 증가를 만들 수 있습니다.

GPU를 빌려주는 것보다 토큰을 만들어 파는 것이 더 돈이 됩니다

이런 환경에서 2026년 들어 중국에서 Token Factory라는 개념이 본격적으로

64
​ 기존 GPU 사업자는 컴퓨트를 시간 단위로 빌려주고 돈을 받았습니다. 이제는 GPU에 DeepSeek

등장했습니다.

기존 GPU 사업자는 컴퓨트를 시간 단위로 빌려주고 돈을 받았습니다. 이제는 GPU에 DeepSeek/Kimi/GLM 같은 모델을 직접 올리고, 추론해서 만들어낸 토큰을 판매합니다. 단순 GPU Rental → Model Serving → Token 판매로 부가가치가 한 단계 올라간 것입니다.

컴퓨트 자체를 빌려주는 것보다 모델까지 얹은 MaaS(Model-as-a-Service) 형태로 판매하는 편이 수익성이 더 높을 수 있습니다. 업계의 토큰 추론 수요도 공급보다 훨씬 빠르게 늘었습니다. 1Q26 중국의 AI 추론 컴퓨트 수요 증가율은 +417%, 공급 증가는 +128%였습니다. 알리바바와 바이두가 4월부터 AI 컴퓨트 가격을 약 34% 올렸던 배경도 여기에 있습니다.

중국에서는 수백 개의 작은 Token Factory가 토큰을 생산합니다

중국의 구조가 미국과 다른 이유는 컴퓨트 공급이 부족하기 때문입니다.

첨단 GPU의 정상적인 수입 경로가 제한돼 있어 대규모 컴퓨트를 가진 사업자가 많지 않습니다. Token Factory 대부분이 서버 수십 대 규모이고, 큰 사업자도 수백 대 정도입니다. 수천 대 이상의 가속기를 가진 곳은 드뭅니다. 그래서 자연스럽게 공급망이 잘게 쪼개졌습니다.

수백 개의 Token Factory → 브로커/유통 플랫폼 → 알리바바나 텐센트 같은 플랫폼 → 최종 사용자

개별 Token Factory가 고객을 직접 상대하기보다는 여러 생산자의 토큰을 하나의 플랫폼이 모아서 판매하는 구조입니다.

가장 강한 협상력을 갖는 곳은 토큰을 라우팅하는 플랫폼입니다

여기서 흥미로운 건, 가속기를 가진 사업자가 반드시 가장 강한 협상력을 갖는 것은 아니라

65
​ 알리바바의 Bailian이나 텐센트의 WorkBuddy 같은 플랫폼이 협상력을 갖습니다. 이들은 유통

는 점입니다.

알리바바의 Bailian이나 텐센트의 WorkBuddy 같은 플랫폼이 협상력을 갖습니다. 이들은 유통하는 입장에서 여러 Token Factory의 가격/Latency/Throughput/가동률/모델 품질을 비교하고, 그 시점에 가장 경쟁력 있는 곳으로 트래픽을 보낼 수 있습니다.

공급자는 많고 토큰은 어느 정도 대체 가능합니다. Token Factory 입장에서는 얼마나 많은 GPU를 가지고 있느냐보다 플랫폼의 트래픽을 얼마나 지속적으로 받아올 수 있느냐가 더 중요해질 수 있습니다. 구조적으로 보면 클라우드 시장과도 비슷합니다. 컴퓨트 인프라 자체보다 수요를 모으고 배분하는 플랫폼의 협상력이 강합니다.

Token Factory 시장을 가능케한 중국 AI Labs의 Open-weight 전략

Token Factory 산업이 성립할 수 있었던 가장 중요한 전제는 중국의 주요 모델이 open-weight라는 점입니다. DeepSeek/Kimi/GLM/Qwen 등의 모델을 사업자가 자신의 가속기에 직접 올려서 서빙할 수 있습니다.

만약 모두 폐쇄형 모델이었다면 토큰은 해당 AI Lab이 직접 보유한 데이터센터나 지정 클라우드에서만 생산됐을 것입니다. Token Factory가 토큰을 별도로 만들어 판매하는 시장 자체가 생기기 어렵습니다.

중국의 전략이 가능한 이유는 싸기만 한 모델이 아니라 실제 사용하기에 충분한 수준의 지능을 가진 모델을 open-weight로 풀고 있기 때문입니다.

이 관점에서 중국의 open-weight 전략을 보면 조금 다르게 보입니다. GLM이나 Kimi가 널리 사용되면 Cursor나 OpenRouter 같은 글로벌 코딩 플랫폼

66
그 모델을 사용하는 앱과 개발도구가 늘어나고, 개발자가 해당 모델에 맞춰 워크플로우를 만들기 시작합니다.

에도 들어갑니다. 그 모델을 사용하는 앱과 개발도구가 늘어나고, 개발자가 해당 모델에 맞춰 워크플로우를 만들기 시작합니다. 그러면 모델을 중심으로 자연스럽게 생태계가 만들어집니다. 모델이 먼저 시장을 확보하고 인프라는 뒤에서 따라가는 방식입니다.

최종적으로는 중국산 가속기까지 내려가는 Flywheel

장기적으로 더 중요한 부분은 AI 가속기입니다.

AWS를 생각하면 이해하기 쉽습니다. Amazon Bedrock에서 사용되는 모델이 반드시 Trainium에서만 돌아가는 것은 아니지만, AWS 입장에서는 자신이 통제하는 워크로드를 Trainium에 최적화할수록 추론 원가가 낮아지고 자체 칩의 활용률도 높아집니다.

중국도 비슷한 방향을 만들 수 있습니다. 중국산 open-weight 모델이 널리 깔리면 그 모델의 추론 특성을 중국 업체들이 누구보다 잘 알게 됩니다. 커널과 서빙 소프트웨어를 최적화하고, Ascend를 비롯한 중국산 AI 가속기에 맞춰 토큰당 비용을 낮출 수 있습니다.

중국은 제3국가의 AI 생태계 장악이 목표

이 전략은 미국의 프론티어 Labs와 정면으로 같은 게임을 할 필요도 없습니다. 전 세계 모든 사용자가 가장 지능이 높은 모델만 원하는 것은 아닙니다. 특히 제3국 시장에서는 지능 수준이 몇 점 더 높은 것보다 같은 업무를 얼마나 저렴하게 처리할 수 있느냐가 더 중요한 경우가 많습니다. 중국이 가격에 민감한 글로벌 시장에서 충분히 좋은 모델을 매우 낮은 가격에 공급할 수 있다면 확산 속도는 더 빨라지다보니 아예 전략을 지능당 효율이 가장 좋은 모델 개발쪽으로 추진 중입니다.

Figure Helix 2.5 : Physical AI에서도 스케일링 법칙

67
Figure가 휴머노이드 신경망 Helix 2.5를 발표했습니다. ​ 이번 실험이 답하려는 질문은 단순합

이 보이기 시작

Figure가 휴머노이드 신경망 Helix 2.5를 발표했습니다.

이번 실험이 답하려는 질문은 단순합니다.

휴머노이드가 한 번도 가본 적 없는 집에 들어가서도 바로 일을 할 수 있는가?

Figure는 이를 위해 자체적으로 구축한 전 세계 인간 행동 데이터셋 Index를 활용해 Helix 2.5를 사전학습했습니다. 이후 해당 파운데이션 모델을 바탕으로 거실 정리·수건 접기·침대 정리 세 가지 작업을 수행하도록 만들었습니다. 그리고 학습 데이터를 한 번도 수집하지 않았던 샌프란시스코 Bay Area의 30개 실제 가정에 로봇을 투입했습니다.

사전학습만으로 Zero-shot 성공률이 9% → 56%

결과가 꽤 인상적입니다. Index를 통한 사전학습을 적용하면서 처음 보는 환경에서의 Zero-shot 성공률이 9%에서 56%로 상승했습니다. 약 6배 높아진 수준입니다.

중요한 것은 특정 집을 미리 돌아다니면서 데이터를 모으고 Fine-tuning한 결과가 아니라는 점입니다. 다양한 인간 행동 데이터를 충분히 학습한 뒤, 처음 보는 환경에 들어가도 행동을 일반화할 수 있는 능력이 크게 좋아졌습니다. Physical AI에서 가장 어려운 문제 중 하나가 Generalization입니다. 공장처럼 정해진 환경이 아니라 가정마다 가구 배치와 물건의 모양, 위치가 전부 다른데도 같은 작업을 수행해야 하기 때문입니다.

데이터-Compute-Deployment의 Flywheel

이번 Helix 2.5는 이 가운데 '더 많은 양질의 데이터와 사전학습 → 실제 처음 보는 환경에서의 성능 향상'이 연결된다는 것을 보여준 사례입니다. 지금까지 Physical AI는 데이터가 늘고 Compute를 키우면 LLM처럼 성능이 계속 올라갈 것이라는 기대는 많았지만, 실제 가정 환경에서 Zero-shot 일반화가 얼마나 개선되는지를 보여주는 데이터는 상대적으로 많

68
​ 이제 로봇 하드웨어 자체의 완성도만큼이나 누가 더 많은 실제 인간 행동 데이터를 가지고 있는지, 얼마

지 않았습니다.

이제 로봇 하드웨어 자체의 완성도만큼이나 누가 더 많은 실제 인간 행동 데이터를 가지고 있는지, 얼마나 큰 Compute로 학습할 수 있는지, 그리고 다시 얼마나 많은 로봇을 현장에 배치해 새로운 데이터를 확보할 수 있는지가 중요해질 것으로 예상합니다.

애플, 26년 PER 37배 / Underweight

애플 2Q26 실적발표 코멘트 / 주간전략보고 中 (바로가기)

애플 1Q26 실적발표 코멘트 / 주간전략보고 中 (바로가기)

애플 3Q25 실적발표 코멘트 / 주간전략보고 中 (바로가기)

Jefferies 아이폰 채널 체크 : Pro 리드타임이 짧아지다

Jefferies가 iPhone 18 시리즈의 초기 채널 상황을 체크했습니다.

9월 12일 사전주문 시작 이후 iPhone 18 Pro/Pro Max의 배송 리드타임이 전년 대비 전반적으로 짧게 나타나고 있습니다. 지역별로 보면 중국/홍콩에서는 iPhone 17 Pro Max보다 리드타임이 더 길지만, 미국/영국/독일/일본에서는 전년보다 의미 있게 짧은 상태입니다.

초기 리드타임만 놓고 보면 Pro 시리즈의 수요가 작년보다 강하다고 보기는 어렵습니다. 다만 리드타임은 수요뿐 아니라 초기 공급량과 지역별 재고 배분의 영향도 받기 때문에, 아직 판매 부진으로 단정할 단계는 아닙니다.

Duo는 10월 16일부터 사전주문이 시작됩니다.

현재까지 나온 초기 온라인 리뷰는 대체로 긍정적입니다. 그래서 이번 아이폰 사이클은 기존 Pro 라인의 초기 수요가 작년보다 약한지, Duo가 새로운 수요를 얼마나 만들어낼 수 있는지를 따로 봐야 할 것 같습니다.

애플, 2029년 기업용 AI 서버 시

69
애플이 2029년 출시를 목표로 기업용 AI 서버 시장 재진입을 준비하고 있습니다. ​ 아직 2029년

장 재진입 검토

애플이 2029년 출시를 목표로 기업용 AI 서버 시장 재진입을 준비하고 있습니다.

아직 2029년 이야기라 지금 당장 실적이나 밸류에이션에 반영할 단계는 아닙니다. 그래도 현재 검토 중인 구조를 보면 애플이 어디까지 생각하고 있는지는 꽤 잘 보입니다.

소형 시스템은 M8 Ultra 2개, 대형은 M8 Ultra 4개를 묶는 구성을 검토 중입니다. 퍼블릭 클라우드를 쓰기보다 회사 내부에서 직접 모델을 돌리고 싶어하는 온프레미스 고객이 주요 타겟입니다.

여러 개의 M8 Ultra를 묶기 위해 NVLink Fusion 검토

가장 눈에 띄는 부분은 네트워킹입니다.

애플은 여러 개의 M8 Ultra를 하나의 시스템으로 묶기 위해 엔비디아의 NVLink Fusion 사용을 검토 중입니다. 내부에서도 현재 선택 가능한 Scale-up 기술 가운데 경쟁력이 가장 높다고 평가하는 것으로 알려졌습니다.

엔비디아의 전략과도 연결됩니다. 엔비디아가 NVLink Fusion을 외부 ASIC에 개방하고, 향후 NVHBM까지 외부 생태계로 확장하려는 것도 결국 Compute 수주 경쟁이 더 치열해질 것을 전제로 네트워킹과 메모리까지 자신의 생태계 안으로 묶으려는 움직임으로 보고 있습니다. GPU를 반드시 엔비디아에서 사지 않더라도, Scale-up Network와 HBM 생태계에서는 엔비디아 기술을 쓰도록 만드는 방향입니다.

애플의 문제는 칩보다 서버 스택입니다

애플이 서버 시장에서 실제 경쟁력을 갖추려면 M8 Ultra 성능만으로는 부족합니다. 현재 약점은 크게 네트워킹, 엔터프라이즈 관리 기능, AI 소프트웨어 스

70
지금의 Mac 기반 AI 개발 수요를 기업용 서버 시장까지 확장하려면 MLX를 훨씬 더 성숙시키고, 여러

택입니다.

지금의 Mac 기반 AI 개발 수요를 기업용 서버 시장까지 확장하려면 MLX를 훨씬 더 성숙시키고, 여러 노드를 안정적으로 묶는 네트워크와 클러스터 관리 기능도 갖춰야 합니다. 장애 대응/오케스트레이션/모니터링처럼 기업 고객이 요구하는 서버 기능도 필요합니다. 애플이 나머지 영역은 내부 개발한다고 해도, Scale-up 네트워킹만큼은 NVLink Fusion을 활용하는 방안을 검토하고 있다는 점이 흥미롭습니다.

전체적으로 쭉 정리하긴 했지만, 아직 2029년 얘기라서 지금 뭔가를 반영하기에는 너무 이르긴 합니다.

구글, 26년 PER 29배 / Neutral

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

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

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

구글 : 프론티어 모델 개발에 전사 역량을 집중

9월 16일, 구글의 로건 킬패트릭(Logan Kilpatrick)이 Pomp Podcast에서 말한 내용을 정리하면 지금 구글은 프론티어 모델 개발에 전사 역량을 상당히 강하게 집중하고 있습니다. 킬패트릭은 구글의 사업 자체가 결국 프론티어 모델을 계속 보유할 수 있느냐에 달려 있다고 설명했습니다. 외부에서 보는 것보다 내부의 모델 개발 우선순위와 리소스 투입 강도가 훨씬 높다는 얘기입니다.

모델 출시 주기가 3~4주까지 짧아지고 있습니다

이 과정에서 구글도 RSI의 초기 징후를 보고 있다고 말했습니다.

최근 Gemini Flash 계열을 3.5 → 3.6 → 3.7 → 3.8처럼 빠르게 업데이트했던 것처럼, 모델 개발과 출시 주기가 3~4주 수준까지 짧아지고 있

71
중요한 것은 단순히 모델을 자주 출시한다는 점보다, 모델이 연구/개발 과정에 더 깊게 들어오면서 다음 모

다는 설명입니다. 중요한 것은 단순히 모델을 자주 출시한다는 점보다, 모델이 연구/개발 과정에 더 깊게 들어오면서 다음 모델을 만드는 속도 자체가 빨라지고 있다는 점입니다.

구글의 가장 큰 강점인 사전학습 클러스터가 본격적으로 작동

킬패트릭은 구글의 가장 큰 경쟁력 중 하나로 대규모 사전학습 클러스터를 꼽았습니다.

특히 Gemini 4는 구글이 보유한 가장 큰 사전학습 클러스터에서 훈련될 예정이며 이를 통해 경쟁 모델들과의 격차를 다시 좁힐 수 있을 것으로 기대했습니다. RL과 에이전틱 성능은 계속 지켜봐야 하지만 Pre-training 인프라 자체는 구글이 가장 강한 영역 중 하나입니다.

TPU 세대교체와 클러스터 규모 확대가 실제 모델 성능으로 연결되기 시작하면 Gemini 4는 구글이 다시 프론티어 경쟁에서 존재감을 크게 높이는 모델이 될 것으로 예상합니다.

마이크로소프트, 26년 PER 28배 / Neutral

마이크로소프트 2Q26 실적발표 코멘트 / 주간전략보고 中 (바로가기)

마이크로소프트 1Q26 실적발표 코멘트 / 주간전략보고 中 (바로가기)

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

오픈AI의 최우선 목표는 'RSI'

오픈AI 연구원 노암 브라운이 The Information의 AI Deep Dive에서 이야기한 내용을 정리해보면, 현재 오픈AI가 가장 우선적으로 보고 있는 목표는 RSI(Recursive Self-Improvement)입니다.

AI가 외부 고객의 업무를 자동화하는 것을 넘어, AI 연구개발 자체를 더 많이 수행하도록

72
특히 코딩처럼 외부 고객에게 직접적인 경제적 가치를 제공하면서 동시에 오픈AI 내부의 모델 개발 속도까지

만드는 것입니다. 특히 코딩처럼 외부 고객에게 직접적인 경제적 가치를 제공하면서 동시에 오픈AI 내부의 모델 개발 속도까지 높일 수 있는 능력은 우선순위가 높습니다. AI 연구 → 더 좋은 모델 → 더 빠른 AI 연구 → 다시 더 좋은 모델이라는 자기강화 루프를 만드는 것이 궁극적인 방향입니다.

이미 연구원들의 업무 상당 부분을 에이전트가 수행 중

이 과정은 아직 먼 미래의 이야기도 아닙니다.

노암 브라운에 따르면 오픈AI 내부에서는 이미 연구원들의 실제 업무 상당 부분이 에이전트를 통해 이뤄지고 있습니다. 에이전트가 자신의 업무 중 약 90%를 처리할 수 있게 되면서, 단순히 기존 업무를 더 빨리 처리하는 수준을 넘어 과거에는 비용과 시간 때문에 경제적으로 시도하기 어려웠던 연구 프로세스 자체가 가능해지고 있다고 설명합니다.

중요한 것은 생산성 향상 그 자체보다 연구의 탐색 공간이 커진다는 점입니다. 한 명의 연구원이 직접 수행할 수 있는 실험의 숫자에는 한계가 있지만, 에이전트가 대부분의 실행 업무를 맡기 시작하면 훨씬 많은 가설과 실험을 병렬적으로 탐색할 수 있습니다.

아직 AI에게 부족한 것은 Research Taste

반대로 현재 AI가 가장 부족한 능력으로 노암 브라운이 꼽은 것은 Research Taste입니다.

무엇을 연구해야 하는지, 어떤 실험을 먼저 해야 하는지, 수개월짜리 연구 목표를 어떤 순서로 풀어야 하는지, 어떤 연구는 중요하지 않으니 과감하게 버려야 하는지를 판단하는 감각입니다. 연구자의 역할을 생각하면 상당히 중요한 부분입니다. 실험 자체를 수행하는 능력보다 수많은 가능한 실험 가운데 무엇을 해야 하는지를 고르는 능력

73
​ 문제는 이 Research Taste를 RL로 학습시키기가 쉽지 않다는 것입니다. ​ 코딩이나 수학처

에 가깝습니다.

문제는 이 Research Taste를 RL로 학습시키기가 쉽지 않다는 것입니다.

코딩이나 수학처럼 정답을 빠르게 확인할 수 있는 문제라면 에이전트가 행동한 뒤 짧은 시간 안에 보상을 줄 수 있습니다. 하지만 AI 연구에서는 어떤 연구 전략이나 선택이 좋았는지를 확인하려면 실제로 수주에서 수개월 동안 실험을 진행하고 경우에 따라서는 모델 전체를 훈련해본 뒤에야 결과를 알 수 있습니다. Trajectory 자체가 너무 길기 때문에 RL에 필요한 피드백 루프를 만들기 어렵습니다. 현재 AI 연구 자동화에서 가장 까다로운 병목 가운데 하나입니다.

OpenAI-Hugging Face 사건에서 드러난 Multi-Agent 능력

노암 브라운은 이른바 OpenAI-Hugging Face 사건도 상당히 중요하게 보고 있습니다. 자신이 Reasoning 모델이 등장한 이후 가장 강하게 AGI를 체감했던 순간 중 하나였다고 설명했습니다.

당시 에이전트들에게 서로 협력하거나 통신하라는 지시를 한 것이 아니라 각각 독립적인 실험을 수행하도록 했는데, 에이전트들이 스스로 환경의 해킹 포인트를 발견해 통신 수단을 만들었습니다. 이후 서로 정보를 교환하기 시작했고, 일부 에이전트는 다른 에이전트들의 성과를 높이기 위해 자신의 실험을 희생하는 수준의 협력까지 나타났습니다.

노암 브라운이 여기서 주목한 것은 개별 모델의 Reasoning 능력만이 아니라, 여러 에이전트를 동시에 투입했을 때 나타나는 집단적인 문제 해결 능력이 예상보다 훨씬 강력했다는 점입니다.

오픈AI, 2030년까지 누적 FCF -$278B 전망

오픈AI가 투자자들에게 제시한 최근 자료에 따르면, 2026~2030년 누적 Free Cash Flow는 -$278

74
지난 5월 예상했던 -$305B보다는 약 $27B 개선됐지만, 앞으로도 막대한 외부 자금조달이 필요하다는

B로 전망됩니다. 지난 5월 예상했던 -$305B보다는 약 $27B 개선됐지만, 앞으로도 막대한 외부 자금조달이 필요하다는 큰 그림은 달라지지 않았습니다.

반면 매출 성장률은 상당히 공격적입니다. 오픈AI는 올해 매출을 $36B, 2030년 매출을 $350B로 전망하고 있습니다. 5년 사이 약 10배 성장하는 셈이며, 2030년까지 누적 매출은 약 $840B에 달합니다.

문제는 매출이 커지는 만큼 컴퓨트에 들어가는 돈도 빠르게 늘어난다는 점입니다.

가장 큰 비용은 결국 컴퓨트입니다

오픈AI는 2030년까지 컴퓨팅 파워와 인프라에 약 $856B를 지출할 것으로 예상하고 있습니다.

차세대 프론티어 모델을 훈련하기 위한 대규모 클러스터뿐 아니라, ChatGPT와 API에서 발생하는 추론 수요를 처리하기 위한 GPU/데이터센터 확보 비용까지 포함된 숫자입니다.

당분간 오픈AI의 사업 구조는 꽤 단순합니다.

더 좋은 모델 출시 → 사용자와 매출 증가 → 더 많은 컴퓨트 필요 → 데이터센터·GPU 투자 확대 → 다시 더 좋은 모델과 더 많은 추론 제공

매출이 성장한다고 바로 현금흐름이 좋아지는 것이 아니라 오히려 성장할수록 다음 단계의 컴퓨트를 먼저 확보해야 하는 구조입니다. 결국 오픈AI가 앞으로 얼마나 많은 매출을 만들 수 있는가 못지않게 중요한 것은 토큰당 컴퓨트 비용을 얼마나 빠르게 낮출 수 있는가입니다.

$122B를 조달했지만 2028년쯤 소진 가능

오픈AI는 올해 3월 이미 $122B를 조달했습니다. 당시 기업가치는 약 $852B였습니다.

상당한 규모의 현금을 확보해둔 상태이지만, 현재 투자 계획대로라면 이 자금 역시 2028년 전후로 소진될 가

75
따라서 추가 자금조달은 예상 밖의 이벤트라기보다 처음부터 사업계획 안에 들어가 있었던 전제에 가깝습니다.

능성이 있습니다. 따라서 추가 자금조달은 예상 밖의 이벤트라기보다 처음부터 사업계획 안에 들어가 있었던 전제에 가깝습니다.

$1.2T 밸류로 자금조달 논의 중

실제로 최근 오픈AI는 다시 $1.2T 이상의 밸류에이션을 기준으로 추가 펀딩 라운드를 논의하고 있습니다.

이번에는 오픈AI가 먼저 자금을 요청했다기보다 투자자들이 오픈AI에 접근해 신규 투자를 논의하기 시작한 것으로 알려졌습니다. GPT-5.6 Sol과 GPT-6 Astra 출시 이후 오픈AI가 다시 AI 모델 경쟁에서 강한 모멘텀을 보이기 시작한 시점과도 겹칩니다.

샘 올트먼은 최근 CY27 이전 IPO 가능성을 일축하고 있기 때문에, 기존 투자자들 입장에서는 이번 라운드가 IPO 이전에 오픈AI 지분을 추가로 확보할 수 있는 기회이기도 합니다.

지난 3월 자금조달 당시 오픈AI의 기업가치는 약 $852B였습니다. 현재 논의되고 있는 $1.2T를 기준으로 보면 불과 6개월 사이 기업가치가 약 41% 상승한 것입니다. 투자자들이 보고 있는 것은 현재의 FCF가 아니라 2030년 $350B 매출까지 성장했을 때 오픈AI가 확보하게 될 AI 플랫폼의 지위와 그 이후의 수익성에 가깝습니다.

법률 업계를 바꿀 'Astra for Law'

오픈AI가 법률 업무에 최적화된 제품인 'Astra for Law'를 발표했습니다.

GPT-6 Astra + 법률 분석과 작성 지침 + 더 오작동을 막는 설정 + 2억 3천만 개 이상의 URL에서 미국 판례, 법령, 규정, 법원 규칙 및 행정 결정을 검색할 수 있는 색인을 결합한

76
미국 변호사들이 활용할 수 있는 워크플로우에 맞게 접목시켰습니다. ​ 아마존, 26년 PER 32배 /

프로그램입니다. 미국 변호사들이 활용할 수 있는 워크플로우에 맞게 접목시켰습니다.

아마존, 26년 PER 32배 / Neutral

아마존 2Q26 실적발표 코멘트 / 주간전략보고 中 (바로가기)

아마존 1Q26 실적발표 코멘트 / 주간전략보고 中 (바로가기)

아마존 4Q25 실적발표 코멘트 / 주간전략보고 中 (바로가기)

앤스로픽 IPO 일정, 11월로 두 번째 연기

앤스로픽이 원래는 9월 말에 IPO할 것을 목표로 했는데 → 한 번 10월로 연기했었고 → 이번에는 11월 선거 이후로 두 번째 연기했습니다. 오픈AI GPT-6 Astra 발표를 통해서 AI Labs들 사이의 연구 리더십을 오픈AI가 갖게된 것이 영향을 준 것으로 보고 있습니다.

앤스로픽-Rum Group과 컴퓨트 계약 체결

앤스로픽이 Rumble을 보유한 RUM Group과 6년간 총 $13.7B 규모의 컴퓨팅 계약을 체결했습니다. RUM Group은 이번 계약과 함께 앤스로픽에 자사 주식 5,100만 주를 주당 $0.01에 취득할 수 있는 옵션도 부여한 것으로 알려졌습니다.

흥미로운 것은 계약 상대방입니다. Rumble은 트럼프 진영과 연결고리가 많은 기업입니다. Truth Social은 2022년부터 Rumble Cloud 인프라를 사용하고 있고, Rumble의 2021년 초기 투자 라운드에는 당시 JD Vance가 공동운영하던 Narya Capital과 Peter Thiel이 참여했습니다.

그래서 이번 계약은 우선적으로는 앤스로픽이 대규모 컴퓨트를 장기간 확보하는 거래로 봐야 하지만, 트럼프 행정부와 가까운 인사/기업 생태계와 새로운 사업적 연결고리를 만든다는 점도

77
​ 메타, 26년 PER 22배 / Neutral 메타 2Q26 실적발표 코멘트 / 주간전략보고 中 (바

눈에 띕니다.

메타, 26년 PER 22배 / Neutral

메타 2Q26 실적발표 코멘트 / 주간전략보고 中 (바로가기)

Muse Spark 1.1 코멘트 / 주간전략보고 中 (바로가기)

메타 1Q26 실적발표 코멘트 / 주간전략보고 中 (바로가기)

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

메타, Meta One을 통해 AI 사용량을 구독 상품화

메타가 Meta One을 출시했습니다. Meta One은 Instagram, Facebook, WhatsApp, Meta AI를 묶은 구독 서비스입니다. 기존 서비스나 Meta AI 기본 기능은 무료인데 사용량이 많은 이용자에게 더 많은 AI 생성량과 고급 기능을 제공해 구독료를 받는 방식입니다.

개인 사용자에게는 AI 사용량 자체를 상품화했습니다:

기존에는 Instagram Plus($3.99/월), Facebook Plus($3.99/월), WhatsApp Plus($2.99/월)처럼 앱별 구독 상품을 운영했습니다.

Meta One는 이를 묶고 AI 사용량을 추가한 번들 상품을 만들었습니다. Core($7.99/월), Premium($19.99/월)입니다. Muse 기반 이미지/영상 생성처럼 컴퓨팅 비용이 높은 AI 기능을 사용량 제한 → 구독 업셀링 구조로 전환하는 것이 핵심입니다.

크리에이터와 기업에게는 SaaS형 기능까지 확대하여 상품화했습니다:

프로필에 웹사이트, 위치, 리뷰 등 강조 / Reels에 Follow 버튼 더 눈에 띄게 하기 / 게시물에 링크 삽입 / 여러 팀원이 비밀번호 공유 없이 계정 관리 / 게시물 분석 / 오디언스 분석 / Meta Business Agent를 이용해 WhatsApp에서 24시간 고객 대응을 자동화할 수 있게 하는

78
구독제는 Essential($14.99/월), Advanced($49.99/월), Expert($149/

기능 등입니다.

구독제는 Essential($14.99/월), Advanced($49.99/월), Expert($149/월), Max($499/월)입니다.

MTIA 4세대부터 추론용 AI 가속기로 영역 확대

메타는 CY1H27 MTIA 450(Arke)를 배포한 뒤, 후속 MTIA 500(Astrid)까지 이어갈 예정입니다.

그동안 MTIA는 메타 내부의 Recommendation & Ranking 워크로드에 최적화된 ASIC이라는 성격이 강해서, AI 가속기 시장에서 크게 두각을 드러내지는 않았습니다. 4세대부터는 방향이 조금 달라집니다. 기존 추천/랭킹 시스템뿐 아니라 Reasoning을 포함한 범용 추론 워크로드까지 처리할 수 있도록 설계 범위를 넓히고 있습니다.

메타는 워낙 자체 서비스에서 발생하는 추론량이 큰 기업입니다. MTIA가 Reasoning까지 경제성 있게 처리할 수 있다면 엔비디아 GPU에 의존하던 추론 워크로드의 일부를 자체 ASIC으로 가져올 수 있습니다. 그래서 MTIA는 지금까지보다 Arke → Astrid 세대에서 실제 Throughput, 전력효율, 토큰당 비용이 어느 수준까지 올라오는지를 더 관심 있게 보고 있습니다.

테슬라, 26년 PER 177배 / Underweight

테슬라 2Q26 실적발표 코멘트 / 주간전략보고 中 (바로가기)

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

스페이스X IPO 분석 : 머스크 제국의 심장, 스타링크가 떠받치는 스타십과 AG

79
​ xAI : Grok 4.7 → Grok 5.0까지 빠르게 지능을 끌어올리는 로드맵 일론 머스크가 차기

I (바로가기)

xAI : Grok 4.7 → Grok 5.0까지 빠르게 지능을 끌어올리는 로드맵

일론 머스크가 차기 Grok 모델들의 성능 로드맵을 언급했습니다.

머스크의 자체 전망을 기준으로 보면 Grok 4.7은 Claude Opus 5.0과 비슷한 수준 → Grok 4.8에서 눈에 띄는 개선 → Grok 4.9는 Astra/Fable급 지능 → Grok 5는 출시 시점의 최고 모델을 넘어서는 것이 목표입니다.

물론 이건 어디까지나 xAI 내부의 목표치에 가깝습니다. 그 시점이면 오픈AI와 앤스로픽도 다음 세대 모델을 내놓고 있을 가능성이 높기 때문에, 저는 Grok 5가 절대적인 1등이 되느냐보다는 현재 선두 Labs와의 지능 격차를 얼마나 빠르게 줄이고 있느냐를 더 중요하게 보고 있습니다.

학습 과정에서 최적화 여지가 남아있다

현재 Grok은 GB300에 상당히 강하게 최적화된 모델입니다.

이전 JAX 기반 2.1T 규모 모델보다 성능은 명확하게 좋아졌지만, 머스크는 학습 과정에서 발생한 일부 오류를 중반에 가서야 수정했다고 설명했습니다. 지금 결과물이 학습 과정 전체가 매끄럽게 진행된 상태에서 나온 최종치라고 보기는 어렵다는 얘기입니다.

그래서 다음 세대에서는 모델 크기만 키우는 것보다 학습 소프트웨어의 안정성과 효율 개선에서 추가적인 성능 상승 여지가 남아 있다고 보고 있습니다.

Cursor 합병 이후 데이터 품질

80
데이터 측면에서는 Cursor와의 합병 이후 변화가 큽니다. ​ 터미널과 실제 코딩 작업에서 발생하는 데

도 좋아지는 중

데이터 측면에서는 Cursor와의 합병 이후 변화가 큽니다.

터미널과 실제 코딩 작업에서 발생하는 데이터가 들어오기 시작하면서, 모델이 학습할 수 있는 실사용 기반 피드백 데이터의 질이 크게 좋아지고 있다는 설명입니다. 코딩 에이전트가 실제 개발 과정에서 어떤 명령을 내리고, 어디에서 실패하고, 어떻게 수정하는지에 대한 데이터는 단순한 인터넷 텍스트보다 훨씬 가치가 높습니다.

앞서 계속 말씀드렸던 것처럼 RL 경쟁에서는 모델 자체만큼 좋은 피드백 루프를 얼마나 크게 확보했느냐가 중요합니다. xAI는 Cursor를 통해 이 부분을 빠르게 보강하고 있습니다.

차기 모델은 3T 규모 + 자체 학습 스택

다음 모델은 약 3T 규모로 키우고 xAI가 자체적으로 개발한 학습 소프트웨어와 개선된 데이터셋을 활용할 예정입니다. 단순히 GPU를 더 많이 넣는 것만이 아니라, 더 큰 사전훈련 클러스터 + 자체 학습 스택 개선 + Cursor를 통한 고품질 데이터가 동시에 붙는 구간으로 넘어가고 있습니다. 그래서 Grok 4.7 → 4.8 → 4.9 → 5에서 중요한 것은 개별 버전의 벤치마크 순위보다 성능 향상 기울기가 계속 가팔라지고 있는지입니다.

요즘은 오픈AI와 메타가 약진하고 있는 와중인데, Grok은 원래 예상 계획보다 2주 이상 출시 시점이 지연된 상태라서 혹시 문제가 생긴 게 아닌가 좀 더 유심히

5

그럼에도 빠진내용 정리

잡담·곁다리 내용
  • 사실, 전망과 작성자의 해석을 구분해 원문 범위 안에서 보존했다.
생략 기록

별도 생략 기록이 없습니다.

그럼에도 빠진내용 정리

보존 범위
원문 80개 구간을 순서대로 flow에 연결해 시장·기업·기술·운영 안내를 포함한 본문을 회수했다.
분석의 한계
수치·일정·기업 설명과 전망은 이 자료가 제시한 내용으로만 정리했으며 외부 확인이나 새로운 판단을 덧붙이지 않았다.
반복·링크
이전 글 제목과 바로가기, 같은 평가의 반복은 원문 흐름 안에 남기되 별도 해설로 확대하지 않았다.
원문 확인

document_work_runner prepare가 입력 원문을 수정 없이 보존했다.

원문 다운로드새 창에서 보기