2026.09.23 · 네이버 프리미엄 콘텐츠 · 올바른 미국주식 by SAPIENS

일간보고 : 투자의 생각 (260923)

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

유형

네이버 프리미엄 콘텐츠

날짜

2026.09.23

강연자/작성자

올바른 미국주식 by SAPIENS

분석 주제

미지정

자료 길이

본문 12,601자

문서 전체 조망

핵심 구조

AI 경쟁은 성능의 개척과 비용 효율의 확산을 동시에 밀어붙인다

Opus 5.5와 GPT-6 Sol·Luna의 가격·성능 전략, Muse의 커머스 확장, AI 하드웨어 수요 지표를 통해 AI가 새 사용처를 여는 단계인지와 그 수혜가 어디로 번지는지를 점검한다. 성능 프론티어가 얼마나 오랫동안 이동하는가가 이 변화의 기준이다.

Opus와 GPT-6는 효율을 다른 곳에 배분한다

Opus 5.5는 가격을 20% 낮추면서 더 많은 토큰으로 지능 상한을 높이는 쪽, GPT-6 Sol·Luna는 가격을 50% 이상 낮춰 사용처를 넓히는 쪽으로 읽힌다. 다만 Opus의 비용 40% 절감 주장은 기본 추론 설정이 달라 같은 조건의 비교가 아니라는 지적이 붙는다.

성능의 개척이 계속되면 비용 개선도 수요를 키운다

기술 사이클 초반에는 성능 향상이 이전에 없던 수요와 TAM을 만들고, 성능의 한계효용이 낮아질 때 비용·가동률 경쟁으로 이동한다. 따라서 성능 향상이 비용 하락보다 빠르게 새로운 가치를 만들면 효율 개선도 사용 사례를 경제성 안으로 끌어들인다는 관점이다.

RSI는 AI 개척 구간을 길게 만들 수 있는 변수다

더 큰 사전학습과 강화학습, 테스트 시점 컴퓨트가 계속 능력을 만들고 AI가 AI 연구 생산성까지 높이면 성능 향상률이 다시 가팔라질 수 있다. 결국 이 경우 AI는 효율화 국면으로 곧바로 넘어가기보다 새 사용 사례를 여는 기간을 연장한다.

Muse의 파트너십은 소비자 마찰을 없애는 전면부 경쟁이다

쇼피파이·페이팔·익스피디아·인스타카트의 추가는 소비자들의 관성/마찰을 없애는 움직임으로, 에이전트가 커머스 프론트엔드를 맡고 기존 기업이 백엔드를 유지하는 구조로 해석된다. 작성자는 제품화·유통·보안·광고 에이전트화의 준비 정도가 메타의 차별점이라고 본다.

개인용 VM은 메모리와 eSSD의 수요 변수를 만든다

Muse 사용자에게 전용 VM을 제공한다는 가정 아래 개인 데이터를 오래 저장하고 빠르게 읽는 일이 중요하며, 이는 모델의 지능으로 해결될 수 있는 부분이 아닙니다. 작성자는 1억 명 규모 가정의 DRAM·SSD 계산과 이날 샌디스크 강세를 함께 보며 메모리 수급과 eSSD 평가가 아직 충분히 반영되지 않았다고 본다.

AI 하드웨어는 HBM 고객 구성과 패키징 해석이 바뀐다

ASIC 생산 확대와 HBM 탑재량 증가는 CY27 수요 구성을 엔비디아 단일 축에서 바꾸고, 8Hi·12Hi 같은 워크로드별 SKU를 늘린다. 동시에 AI 가속기 외 컴퓨트 제품도 CoWoS를 쓰므로 패키징 점유율만으로 가속기 점유율을 읽으면 왜곡될 수 있다.

GPU 인프라·광고·USDC는 각자의 관찰 기준을 남긴다

Nebius의 시장 기반 스팟 가격 전환과 높은 B200 온디맨드 가격은 GPU 가동률·단위 매출의 지표로, ChatGPT Ads Pixel 확산은 광고 플랫폼 경쟁의 지표로 제시된다. USDC는 유통량 증가 자체보다 MoM 20% 이상 성장의 지속 여부를 보며 현재 변화는 크립토 예탁금 영향으로 구분한다.

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 미확인

앤스로픽 Claude Opus 5.5 출시

작성자의 핵심 판단

작성자는 Opus 5.5가 프론티어 성능을 다시 가져온 것으로 보면서도, 비용·속도 홍보의 40% 절감 수치는 기본 추론 설정이 달라 직접 비교하기 어렵다고 평가한다.

근거 보기 3

원문 구간 1
섹터 - 📈강세 : 반도체, 바이오텍, 원자재 - 📉약세 : 금융, 커뮤니케이션, 에너지 📩 메이저 뉴스 존재하지 않는 이미지입니다. 존재하지 않는 이미지입니다. 빅테크/AI Labs: (1) 앤스로픽이 Claude Opus 5.5를 출시했습니다: 오픈AI가 GPT-6 Astra를 출시한지 20일 만에 앤스로픽이 프론티어를 다시 가져왔습니다. 앤스로픽 새로운 Pre-train checkpoint 모델로 Fable 5.5를 다루고 있다는 얘기가 많은데, 이정도면 도대체 앤스로픽이 내부 RSI용 체크포인트로 어떤 수준의 모델을 쓰고 있는지가 가장 궁금하게 만드는 모델입니다.
원문 구간 2
두 AI Labs가 얻은 효율 증가분을 앤스로픽은 ⓐ에 더 많이 할당하고, 오픈AI는 ⓑ에 더 많이 할당했습니다. 앤스로픽이 Cost and speed에서 꽤나 의도적으로 과장을 섞은 게 있습니다. 앤스로픽은 일반적인 워크로드에서 Opus 5.5가 Opus 5보다 비용이 40% 저렴하다고 말했습니다. 이렇게 되면 겉으로 보기에 앤스로픽은 ⓐ에서도 상당히 좋아졌지만 ⓑ도 매우 크게 개선한 게 아닌가? 하는 생각이 들 수 있습니다. 그런데 원문을 보시면 "at default settings"라는 말이 핵심입니다.
원문 구간 3
Opus 5는 Reasoning 세팅에서 low, medium, high, extra, max 중에서 high가 기본 세팅인데, Opus 5.5는 medium이 기본 세팅입니다. 기본 세팅 값 자체가 같은 Reasoning 세팅이 아닙니다. Opus 5.5 requires less compute to serve than Opus 5, and its pricing reflects that. Our tests show that at default settings it will cost 40% less than Opus 5 on typical workloads.

이 자료에서 다룬 사실

앤스로픽은 Claude Opus 5.5를 출시하고 백만 토큰당 API 가격을 입력·출력 기준 5·25달러에서 4·20달러로 20% 인하했다. 코딩·코드 품질·업무 자동화 벤치마크로 Terminal-Bench 4.0, FrontierCode 1.1, AutomationBench가 소개됐다.

근거 보기 3

원문 구간 1
섹터 - 📈강세 : 반도체, 바이오텍, 원자재 - 📉약세 : 금융, 커뮤니케이션, 에너지 📩 메이저 뉴스 존재하지 않는 이미지입니다. 존재하지 않는 이미지입니다. 빅테크/AI Labs: (1) 앤스로픽이 Claude Opus 5.5를 출시했습니다: 오픈AI가 GPT-6 Astra를 출시한지 20일 만에 앤스로픽이 프론티어를 다시 가져왔습니다. 앤스로픽 새로운 Pre-train checkpoint 모델로 Fable 5.5를 다루고 있다는 얘기가 많은데, 이정도면 도대체 앤스로픽이 내부 RSI용 체크포인트로 어떤 수준의 모델을 쓰고 있는지가 가장 궁금하게 만드는 모델입니다.
원문 구간 2
백만토큰당 API 가격은 $4/$20(from $5/$25)으로 20% 인하했습니다. Opus 5.5 소개자료 중에 Cost and speed 부분에서 의도적인 눈속임이 좀 있습니다. 이건 오픈AI GPT-6 Sol/Luna를 다루면서 정리하겠습니다. 전체적으로 오늘 나온 Opus 5.5과 GPT-6 Sol/Luna가 가격적으로 매력도를 키워가고 있습니다. 벌써 춘추전국시대의 모습이 시작됐습니다. 주요 모델 API 가격 업데이트(2026-09-23) → Opus 5.5(SOTA) $4/$2
원문 구간 3
벤치마크를 뜯어보면 요즘은 크게 세 가지를 업계에서 많이 보고 있습니다. *첨부자료 1* 여전히 코딩에서는 많이 보는 ⓐTerminal-Bench 4.0, ⓑ코드의 품질/병합성까지 체크하는 FrontierCode 1.1, ⓒ업무에 쓰기 얼마나 좋냐를 테스트하는 AutomationBench(영업, 마케팅, 운영, 지원, 재무 및 인사 등 6개 비즈니스 기능에 걸쳐 47개의 실제 도구를 사용하여 엔드투엔드 워크플로 실행)입니다. ⓐⓑ에서 GPT-5.5 Opus가 앞서고 ⓒ에서는 GPT-6 Astra가 앞서는 상태입니다.

그렇게 판단한 이유

Opus 5는 high, Opus 5.5는 medium이 기본 Reasoning 설정이어서 'default settings' 비용 40% 절감이 같은 설정의 비교가 아니라고 짚는다. 절감된 비용을 더 많은 토큰 사용과 지능 상한으로 배분한 전략으로 해석한다.

근거 보기 3

원문 구간 1
두 AI Labs가 얻은 효율 증가분을 앤스로픽은 ⓐ에 더 많이 할당하고, 오픈AI는 ⓑ에 더 많이 할당했습니다. 앤스로픽이 Cost and speed에서 꽤나 의도적으로 과장을 섞은 게 있습니다. 앤스로픽은 일반적인 워크로드에서 Opus 5.5가 Opus 5보다 비용이 40% 저렴하다고 말했습니다. 이렇게 되면 겉으로 보기에 앤스로픽은 ⓐ에서도 상당히 좋아졌지만 ⓑ도 매우 크게 개선한 게 아닌가? 하는 생각이 들 수 있습니다. 그런데 원문을 보시면 "at default settings"라는 말이 핵심입니다.
원문 구간 2
Opus 5는 Reasoning 세팅에서 low, medium, high, extra, max 중에서 high가 기본 세팅인데, Opus 5.5는 medium이 기본 세팅입니다. 기본 세팅 값 자체가 같은 Reasoning 세팅이 아닙니다. Opus 5.5 requires less compute to serve than Opus 5, and its pricing reflects that. Our tests show that at default settings it will cost 40% less than Opus 5 on typical workloads.
원문 구간 3
정리하자면, 효율 개선을 활용하는 방향상 Opus 5.5는 ⓐ절감한 비용만큼 더 많은 토큰을 써서 모델이 풀 수 있는 문제의 난도와 지능의 상한을 높인 것이고(예를 들어, 가격 20% 절감 & 성능 40% 향상), GPT-6 Sol/Luna의 방향은 ⓑ현재의 지능 수준에서 약간 상향하면서 추론비용을 크게 낮춰 사용처를 확산하고 점유율을 높이는 방향입니다(가격 50% 절감 & 성능 10% 향상). *첨부자료 3* FrontierCode 1.1 벤치마크가 어떻게 이동했는지에서 방향성을 확인할 수 있습니다.

발생발표·발생 후발생일 26-9-23

26-9 오픈AI GPT-6 Sol·Luna 발표

작성자의 핵심 판단

작성자는 GPT-6 Sol·Luna가 약간의 지능 상향과 큰 비용 인하를 결합해 사용처 확산과 점유율 확대를 노리는 방향이라고 본다.

근거 보기 3

원문 구간 1
오픈AI의 Pre-train 체크포인트 히스토리는 전일 일간보고에서 전해드린 바 있습니다. 오픈AI가 API 가격을 매우 드라마틱하게 인하했습니다. *첨부자료 2* GPT-6 Sol은 $4/$20 → $2/$10으로 50% 인하했고, GPT-6 Luna는 $0.20/$1.20 → $0.10/$0.50로 50% 넘게 인하했습니다. 토큰당 추론비용이 낮아지면 그 효율 개선을 활용하는 방향은 크게 두 가지입니다. ⓐ절감한 비용만큼 더 많은 토큰을 사용해 모델이 풀 수 있는 문제의 난도와 지능의 상한을 높이거나, ⓑ현재의 지능 수준을 유지하면서 추론비용을 더 낮춰 AI를 더 많은 사용처로 확산시키고 시장점유율을 높이는 방식입니다.
원문 구간 2
정리하자면, 효율 개선을 활용하는 방향상 Opus 5.5는 ⓐ절감한 비용만큼 더 많은 토큰을 써서 모델이 풀 수 있는 문제의 난도와 지능의 상한을 높인 것이고(예를 들어, 가격 20% 절감 & 성능 40% 향상), GPT-6 Sol/Luna의 방향은 ⓑ현재의 지능 수준에서 약간 상향하면서 추론비용을 크게 낮춰 사용처를 확산하고 점유율을 높이는 방향입니다(가격 50% 절감 & 성능 10% 향상). *첨부자료 3* FrontierCode 1.1 벤치마크가 어떻게 이동했는지에서 방향성을 확인할 수 있습니다.
원문 구간 3
샘 올트먼이 이번 GPT-6 Sol/Luna 출시와 함께 강조한 것도 '작업당 비용 기준으로 보면 시장에서 경쟁할 만한 제품이 없으며, 모든 가격대에서 최고의 모델을 제공하는 것이 목표'임을 강조했습니다. (3) 모든 기술 사이클은 크게 (ㄱ) 성능 향상과 (ㄴ) 비용 효율 개선이라는 두 축으로 움직입니다. 이를 개인적으로 말씀드렸던 '개척 → 효율의 사이클'에 대응시키면 (ㄱ)가 개척이고, (ㄴ)가 효율입니다. 사이클 초반에는 성능 향상 자체가 시장을 키웁니다. 이전에는 불가능했던 제품과 서비스가 가능해지면서 프론티어 기업들이 새로운 스마트폰, 새로운 자동차, 새로운 소프트웨어를 만들어냅니다.

이 자료에서 다룬 사실

오픈AI는 GPT-6 Sol API 가격을 4·20달러에서 2·10달러로, GPT-6 Luna를 0.20·1.20달러에서 0.10·0.50달러로 인하했다고 적었다.

근거 보기 2

원문 구간 1
(2) 오픈AI가 GPT-6 Sol, GPT-6 Luna를 발표했습니다: 보통 한 달마다 5.x(5.1 → 5.2 → 5.3 → 5.4 → 5.5 → 5.6 → 6) 업데이트를 했던 것을 생각해보면, GPT-6 Astra를 출시한지 거의 한 달 정도 되어가는 다음주에 GPT-6.1 Astra를 출시하지 않을까 싶습니다. 마침 다음주 10월 29일(미국, 샌프란시스코 기준)이 OpenAI DevDay 2026입니다. 리듬을 보면 RL 버전은 1개월마다 출시하고 Pre-train을 바꾸면 2개월 만에 출시하곤 했습니다.
원문 구간 2
오픈AI의 Pre-train 체크포인트 히스토리는 전일 일간보고에서 전해드린 바 있습니다. 오픈AI가 API 가격을 매우 드라마틱하게 인하했습니다. *첨부자료 2* GPT-6 Sol은 $4/$20 → $2/$10으로 50% 인하했고, GPT-6 Luna는 $0.20/$1.20 → $0.10/$0.50로 50% 넘게 인하했습니다. 토큰당 추론비용이 낮아지면 그 효율 개선을 활용하는 방향은 크게 두 가지입니다. ⓐ절감한 비용만큼 더 많은 토큰을 사용해 모델이 풀 수 있는 문제의 난도와 지능의 상한을 높이거나, ⓑ현재의 지능 수준을 유지하면서 추론비용을 더 낮춰 AI를 더 많은 사용처로 확산시키고 시장점유율을 높이는 방식입니다.

그렇게 판단한 이유

토큰당 추론비용 절감분은 더 어려운 문제를 풀도록 토큰을 늘리거나, 같은 지능에서 비용을 낮춰 사용처를 넓히는 두 방향으로 쓸 수 있다고 설명한다. 작성자는 오픈AI가 후자에 더 많이 배분했다고 연결한다.

근거 보기 3

원문 구간 1
오픈AI의 Pre-train 체크포인트 히스토리는 전일 일간보고에서 전해드린 바 있습니다. 오픈AI가 API 가격을 매우 드라마틱하게 인하했습니다. *첨부자료 2* GPT-6 Sol은 $4/$20 → $2/$10으로 50% 인하했고, GPT-6 Luna는 $0.20/$1.20 → $0.10/$0.50로 50% 넘게 인하했습니다. 토큰당 추론비용이 낮아지면 그 효율 개선을 활용하는 방향은 크게 두 가지입니다. ⓐ절감한 비용만큼 더 많은 토큰을 사용해 모델이 풀 수 있는 문제의 난도와 지능의 상한을 높이거나, ⓑ현재의 지능 수준을 유지하면서 추론비용을 더 낮춰 AI를 더 많은 사용처로 확산시키고 시장점유율을 높이는 방식입니다.
원문 구간 2
두 AI Labs가 얻은 효율 증가분을 앤스로픽은 ⓐ에 더 많이 할당하고, 오픈AI는 ⓑ에 더 많이 할당했습니다. 앤스로픽이 Cost and speed에서 꽤나 의도적으로 과장을 섞은 게 있습니다. 앤스로픽은 일반적인 워크로드에서 Opus 5.5가 Opus 5보다 비용이 40% 저렴하다고 말했습니다. 이렇게 되면 겉으로 보기에 앤스로픽은 ⓐ에서도 상당히 좋아졌지만 ⓑ도 매우 크게 개선한 게 아닌가? 하는 생각이 들 수 있습니다. 그런데 원문을 보시면 "at default settings"라는 말이 핵심입니다.
원문 구간 3
정리하자면, 효율 개선을 활용하는 방향상 Opus 5.5는 ⓐ절감한 비용만큼 더 많은 토큰을 써서 모델이 풀 수 있는 문제의 난도와 지능의 상한을 높인 것이고(예를 들어, 가격 20% 절감 & 성능 40% 향상), GPT-6 Sol/Luna의 방향은 ⓑ현재의 지능 수준에서 약간 상향하면서 추론비용을 크게 낮춰 사용처를 확산하고 점유율을 높이는 방향입니다(가격 50% 절감 & 성능 10% 향상). *첨부자료 3* FrontierCode 1.1 벤치마크가 어떻게 이동했는지에서 방향성을 확인할 수 있습니다.

발생발표·발생 후발생월 26-9

26-9 메타 Muse 커머스 파트너십 확대

작성자의 핵심 판단

작성자는 Muse 파트너십이 일부 2위 사업자가 에이전트에 프론트엔드를 맡기고 백엔드를 유지하려는 움직임이며, 메타의 제품·유통·보안 준비가 추격을 어렵게 할 수 있다고 평가한다.

근거 보기 2

원문 구간 1
자체 GPU인 Zhenwu V900은 단일 클러스터 기준 최대 50만 개의 칩을 연결하며 자체 ASIC 출하량이 크게 증가할 것이라 전망했습니다. (5) 메타 Muse가 계속해서 파트너십을 추가하고 있습니다 *첨부자료 4, 5, 6*: 9월 22일 : 쇼피파이(업계 1위는 아마존) 9월 23일 : 페이팔(Adyen), 익스피디아(부킹홀딩스), 인스타카트(도어대시, 우버이츠)가 추가됐습니다. 어찌보면 업계 1위의 자리에서 내려와서 2위인 기업들이 커머스의 프론트엔드를 에이전트에게 맡기고, 백엔드를 자신들이 담당하여 수명을 연장하려는 방향의 움직임입니다.
원문 구간 2
아직까지는 Muse 스타일의 무언가는 나올 수 있어도 타 연구소가 내놓는 모델이 Muse를 따라잡지는 못할 가능성이 높다고 보고 있습니다. B2C 제품을 만드는 노하우(개인용 에이전트인데 캐릭터를 강조하는 것도 사실은 좋은 전략), 유통망 때문이기도 하지만 이건 부스트에 가깝고 생각보다 마크 저커버그가 준비를 많이 한 부분들이 있어서 그렇습니다. Fleet 단위로 학습하고 제안하는 능력, WhatsApp 종단간 암호를 만들고 Signal을 창업했던 인물을 데려와서 Muse의 개인정보보안 능력을 강화한 것, 메타는 광고 자체가 거대한 하나의 에이전트가 될 것이라고 보고 준비했기 때문에 이미 포석이 여러 개 깔려있어 상당한 시너지를 낼 수 있는 사업인데 타 기업은 준비되지 않은 것 등을 고려하면 그렇습니다.

이 자료에서 다룬 사실

9월 22일 쇼피파이, 9월 23일 페이팔·익스피디아·인스타카트가 Muse 파트너십에 추가됐다고 적었다.

근거 보기 1

원문 구간 1
자체 GPU인 Zhenwu V900은 단일 클러스터 기준 최대 50만 개의 칩을 연결하며 자체 ASIC 출하량이 크게 증가할 것이라 전망했습니다. (5) 메타 Muse가 계속해서 파트너십을 추가하고 있습니다 *첨부자료 4, 5, 6*: 9월 22일 : 쇼피파이(업계 1위는 아마존) 9월 23일 : 페이팔(Adyen), 익스피디아(부킹홀딩스), 인스타카트(도어대시, 우버이츠)가 추가됐습니다. 어찌보면 업계 1위의 자리에서 내려와서 2위인 기업들이 커머스의 프론트엔드를 에이전트에게 맡기고, 백엔드를 자신들이 담당하여 수명을 연장하려는 방향의 움직임입니다.

그렇게 판단한 이유

개인용 에이전트 제품 노하우와 유통망 외에 Fleet 단위 학습·제안, 개인정보보안 강화, 광고를 거대한 에이전트로 보는 기존 준비를 이유로 든다.

근거 보기 1

원문 구간 1
아직까지는 Muse 스타일의 무언가는 나올 수 있어도 타 연구소가 내놓는 모델이 Muse를 따라잡지는 못할 가능성이 높다고 보고 있습니다. B2C 제품을 만드는 노하우(개인용 에이전트인데 캐릭터를 강조하는 것도 사실은 좋은 전략), 유통망 때문이기도 하지만 이건 부스트에 가깝고 생각보다 마크 저커버그가 준비를 많이 한 부분들이 있어서 그렇습니다. Fleet 단위로 학습하고 제안하는 능력, WhatsApp 종단간 암호를 만들고 Signal을 창업했던 인물을 데려와서 Muse의 개인정보보안 능력을 강화한 것, 메타는 광고 자체가 거대한 하나의 에이전트가 될 것이라고 보고 준비했기 때문에 이미 포석이 여러 개 깔려있어 상당한 시너지를 낼 수 있는 사업인데 타 기업은 준비되지 않은 것 등을 고려하면 그렇습니다.

사실·구조, 해석·전망, 시점 관찰, 판단 방법

지식·관점

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

사실·구조AI 기술 사이클의 성능과 비용 효율주 대상 · 산업·업종 · AI 산업

AI 기술 사이클은 성능 향상과 비용 효율 개선에 따라 어떻게 경쟁 양상이 바뀌는가?

이 자료가 더한 내용

성능 향상은 새 제품·서비스와 TAM을 열어 시장을 키우지만, 한계효용이 낮아지면 경쟁은 비용·가동률·마진으로 옮겨가며 기존 시장의 몫을 나누는 국면이 된다고 설명한다.

근거 보기 3

원문 구간 1
샘 올트먼이 이번 GPT-6 Sol/Luna 출시와 함께 강조한 것도 '작업당 비용 기준으로 보면 시장에서 경쟁할 만한 제품이 없으며, 모든 가격대에서 최고의 모델을 제공하는 것이 목표'임을 강조했습니다. (3) 모든 기술 사이클은 크게 (ㄱ) 성능 향상과 (ㄴ) 비용 효율 개선이라는 두 축으로 움직입니다. 이를 개인적으로 말씀드렸던 '개척 → 효율의 사이클'에 대응시키면 (ㄱ)가 개척이고, (ㄴ)가 효율입니다. 사이클 초반에는 성능 향상 자체가 시장을 키웁니다. 이전에는 불가능했던 제품과 서비스가 가능해지면서 프론티어 기업들이 새로운 스마트폰, 새로운 자동차, 새로운 소프트웨어를 만들어냅니다.
원문 구간 2
이 구간에서는 기존 시장의 점유율을 빼앗는 것보다 기술이 없던 수요를 새로 만들어내는 효과가 훨씬 큽니다. 성능이 좋아질수록 TAM 자체가 계속 확장되는 시기입니다. 반대로 성능의 한계효용이 떨어지기 시작하면 경쟁의 성격이 달라집니다. 다음 세대 제품이 이전 세대보다 조금 좋아지기는 하지만, 그 차이를 위해 고객이 더 많은 돈을 지불할 이유는 점점 줄어듭니다. 이때부터 기술 발전의 중심은 성능에서 비용으로 이동합니다. 누가 더 싸게 만들고, 더 싸게 공급하고, 더 높은 가동률과 마진을 확보하느냐의 싸움이 됩니다.
원문 구간 3
성능 경쟁이 시장을 확장시키는 경쟁이라면, 비용 경쟁은 이미 만들어진 시장 안에서 몫을 나누는 경쟁에 가깝습니다. 그래서 산업은 빠르게 포화시장과 커머디티화 국면으로 넘어갑니다. 결국 한 기술 사이클의 크기를 결정하는 것은 '성능 프론티어가 얼마나 오랫동안 이동하는가'입니다. 스케일링 법칙이 중요한 이유도 여기에 있습니다. 컴퓨트를 더 투입할수록 모델의 능력이 계속 의미 있게 올라간다면, AI는 아직 효율화 단계가 아니라 새로운 사용 사례를 계속 열어젖히는 개척 단계에 있다는 뜻입니다.

해석·전망AI 성능 프론티어와 RSI주 대상 · 산업·업종 · AI 산업

연구 생산성을 높이는 RSI는 AI 개척 구간의 길이에 어떤 의미를 갖는가?

이 자료가 더한 내용

더 큰 사전학습, 강화학습, 테스트 시점 컴퓨트와 Recurrent depth가 능력을 계속 만들고 RSI가 AI 연구 생산성까지 높이면 성능 향상 기울기가 다시 가팔라져 개척 구간이 길어질 수 있다고 본다.

근거 보기 2

원문 구간 1
마침 Muse가 ChatGPT 이후 B2C에서 두 번째 사용 사례를 개척하며 B2B뿐만 아니라 B2C에서도 시장이 빠르게 확장되고 있는 시기입니다. 지금 AI 투자를 여전히 중요하게 생각하고 있는 이유는 이 성능 곡선이 아직 평평해지는 모습이 보이지 않는다는 것입니다. 더 큰 Pre-training, 더 많은 RL, Test-time Compute, Recurrent depth가 계속 새로운 능력을 만들어내고 있고, 이제는 RSI를 통해 AI가 AI 연구 자체의 생산성을 높이면서 성능 프론티어가 이동하는 속도까지 빨라질 가능성이 나타나고 있습니다.
원문 구간 2
그래서 RSI의 의미는 단순히 더 좋은 모델 하나가 나온다는 데 있지 않습니다. 일반적인 기술 사이클이라면 시간이 흐를수록 성능 향상률이 둔화되고 비용 경쟁으로 넘어가야 하는데, RSI가 작동한다면 오히려 연구 생산성이 높아지면서 성능 향상의 기울기를 다시 가파르게 만들 수 있습니다. 그렇게 되면 AI의 '개척 구간' 자체가 예상보다 훨씬 길어집니다. 성능 향상이 비용 하락보다 더 빠르게 새로운 경제적 가치를 만들어내고 있는가입니다. 이 관계가 유지되는 동안에는 효율 개선조차 수요를 줄이는 요인이 아니라, 더 많은 사용 사례를 경제성의 영역 안으로 끌어들이면서 다시 수요를 키우는 역할을 하게 됩니다.

해석·전망개인용 AI 에이전트의 메모리 수요주 대상 · 산업·업종 · 메모리 반도체관련 대상 · 산업·업종 · AI 산업

개인용 에이전트는 왜 DRAM과 eSSD 수요를 높일 수 있는가?

이 자료가 더한 내용

개인용 에이전트는 사용자 데이터를 더 많이·오래 보관하고 추론 때 빠르게 꺼내야 하므로, 전용 VM 가정 아래 DRAM·SSD 수요와 eSSD 평가가 중요해질 수 있다고 해석한다.

근거 보기 4

원문 구간 1
1년 내로 Muse 사용자가 1억 명이 될 것이라고 가정해보면 대략 얼마나 많은 수요가 필요할지 러프하게 계산할 수 있습니다. 활성 사용자들의 compute pool을 공유하면 대략 1억 명 중 10%가 특정 시점에 활성 사용자라고 가정하고 CPU 부하는 15.8만 개의 AMD Ryzen EPYC CPU(각 CPU당 126개의 코어)를 필요로 합니다. 메모리쪽은 스펙이 상대적으로 더 높습니다. 개인용 VM은 24시간 내내 사용해야 하므로 1억 명을 수용하려면 0.8EB의 DRAM, 10EB의 SSD가 필요합니다.
원문 구간 2
BofA 추정으로는 CY26 연간 DRAM 생산량은 45EB, NAND는 1,280EB(1.28ZB)입니다. 연간 생산량 중 DRAM은 1.78%, NAND는 0.78%를 추가로 소비하는 효과입니다. CY26 연간 eSSD 474EB 예상(추정치 GS)에 대입해보면 2.11%를 추가로 소비하는 효과입니다. 오늘은 특히 샌디스크가 아웃퍼폼하는 모습이었습니다. 전일 강조드렸던 부분이 반응으로 이어졌습니다. Muse 효과/개인용 AI 에이전트 효과에서 아직 저평가된 포인트가 ⓐ메모리 수요-공급 밸런스에 대한 영향과 ⓑeSSD 수요에 대한 평가라고 예상합니다.
원문 구간 3
'개인용 에이전트'의 성능을 좌우하는 것은 기본적으로 사용자에 대한 데이터를 더 많이, 더 오랫동안 저장해둘 필요성이 높아진다는 데 있습니다. 모델의 지능으로 해결될 수 있는 부분이 아닙니다. 개인적이란 의미는 나에 대해서 더 많이 알수록 더 깊은 제안을 할 수 있습니다. 그러면서도 추론할 때는 데이터를 빠르게 꺼내서 쓸 수 있어야 합니다. ⓐGB당 가격(1Q27 기준 DRAM $16.0/GB(=$2.0/Gb), NAND $0.33/GB(=$0.04/Gb)), ⓑMemory drain time을 고려하면 eSSD 수요가 높아질 가능성이 높다고 생각합니다.
원문 구간 4
여기에 향후 CY27쯤 Continual Learning으로 넘어가게 될 것을 고려해볼 경우에도 eSSD 수요는 계속해서 순풍일 것으로 예상합니다. CY28~CY29에는 HBF가 따라옵니다. 인터커넥트에서는 PCIe 연결량이 늘어날 것을 반영하면서 아스테라랩스가 강세였습니다. (3) 전일 일간보고에서 기존에 TSMC와의 협력을 진행하면서 인텔과도 Intel 18A HBM base die 관련 협력을 진행하지 않을까 했던 맥락을 조금 더 풀어보면 이렇습니다.

해석·전망ASIC과 HBM 수요 구성주 대상 · 기술·제품 · 고대역폭 메모리(HBM)관련 대상 · 기술·제품 · AI 가속기

ASIC 확대는 HBM 수요의 고객 구성을 어떻게 바꾸는가?

이 자료가 더한 내용

ASIC의 HBM 탑재량 증가로 CY27에는 ASIC이 엔비디아를 넘어 HBM 소비 최대 축이 될 것으로 예상하며, 워크로드별 8Hi·12Hi SKU 세분화와 16Hi 채택 지연도 함께 제시한다.

근거 보기 4

원문 구간 1
이제 AI 가속기뿐만 아니라 다른 컴퓨트 제품들도 CoWoS를 사용하다보니 CoWoS 패키징 점유율로 AI 가속기 시장 점유율을 추정하면 왜곡이 생깁니다. (5) 9월 22일, JP모건의 메모리 업데이트를 정리해보면 *첨부자료 1, 2, 3*: 향후 2년간 bit demand는 ⓐAI 서버급 DRAM/SOCAMM이 +92% CAGR → ⓑHBM +63% → ⓒ비-HBM 서버 DRAM +37% → ⓓPC/모바일 -3%순입니다.
원문 구간 2
ASIC들도 HBM 탑재량을 크게 늘리기 시작하면서 CY27에는 HBM 소비량에서 ASIC이 엔비디아를 넘어서는 첫 해가 됩니다. CY26에는 엔비디아가 HBM bit demand의 58%를 차지하지만 → CY27부터는 ASIC 48%, 엔비디아 43%, AMD 9%입니다. 엔비디아가 단일 고객으로서 여전히 가장 크기 때문에 구매력을 이용해 가장 저렴하게 HBM/DRAM을 구매하는 것은 CY28까지 유지될 것으로 예상하지만 프리미엄 정도는 해가 갈수록 얇아질 것으로 예상됩니다.
원문 구간 3
이제는 표준 HBM 스펙 내에서 워크로드별로 세분화된 여러 SKU가 등장할 것으로 예상됩니다. 엔비디아가 Rubin Ultra에서 12Hi/8Hi를 분리한 게 대표적인 사례이고, AMD도 MI450/455X에서, 구글도 TPU v8 Sunfish/Sunfish Ultra에서 12Hi는 퍼포먼스 티어용, 8Hi는 보편적으로 가장 널리 쓰이는 티어용 제품으로 두 가지 HBM 탑재 버전의 칩을 계획하고 있습니다.
원문 구간 4
16Hi 채택은 기술 검증과 비용 문제로 채택시점이 CY29쯤 이후로 연기됐습니다. 존재하지 않는 이미지입니다. 존재하지 않는 이미지입니다. 존재하지 않는 이미지입니다. 존재하지 않는 이미지입니다. Enterprise/GPU IaaS: (1) 네비우스가 남는 GPU 용량을 더 높은 가격에 팔 수 있도록 하던 'Preemptible VM'을 고정 할인제에서 시장 기반 Spot Pricing으로 전환한다고 발표했습니다:

시점 관찰USDC 유통량 해석 기준주 대상 · 시장·자산 · USDC기준 2026.09.23

USDC 유통량 변화는 어떤 기준으로 결제 펀더멘털 변화와 구분하는가?

이 자료가 더한 내용

USDC 유통량은 약 1년 횡보했고 주간 1.77%, 월간 2.89% 성장으로 제시됐다. 작성자는 MoM 20% 이상 성장이 1주 유지되는지를 기준으로 보며, 현재 변화는 주로 크립토 페어 트레이딩 예탁금 영향이라고 판단한다.

근거 보기 3

원문 구간 1
(1) 오늘 트랜스메딕스의 3Q 비행 건수는 2,590건, 오늘의 일간 비행데이터는 +41건이었습니다. 3Q는 84일이 지났으며 일평균 비행속도는 30.83건 속도였습니다. (2) 오늘의 서클 USDC 유통량은 $75.74B, CCTP 전송량은 30일 기준 $20.8B입니다.
원문 구간 2
USDC 유통량 자체는 거의 1년간 횡보 중입니다. 횡보를 뚫는 기준은 MoM 기준 20% 이상의 성장세를 1주간 유지하는가입니다. 오늘 주간 기준 +1.77%, 월간 기준 +2.89% 수준입니다. 지금은 Crypto Pair Trading(e.g. BTC/USDC, ETH/USDC 등)을 위한 예탁금으로 인해서 USDC 유통량이 바뀌는 게 가장 큽니다.
원문 구간 3
그래서 크립토가 오르면 USDC 유통량이 일시적으로 오르고 합니다. 아직 스테이블코인 결제가 더 쓰인다거나 하는 요소로 펀더멘탈이 바뀌는 것은 아닙니다. (3) 피겨 테크의 주간/월간 잠정 영업 지표를 여기서 확인하실 수 있습니다.

시간흐름대로 모든 내용을 살려 정리

문서의 성격과 보존 범위

네이버 프리미엄의 올바른 미국주식 채널이 2026년 9월 23일에 게시한 일간보고입니다. 아래 실제 구독 원문을 개인 문서 보관용으로 확보했고, 목록 메타데이터가 아니라 이 본문만 분석 근거로 삼습니다.

데일리 인사와 이전 보고 연결

안녕하세요 올바른입니다. 2026년 9월 23일 수요일, 데일리 전해드립니다. 9월 21일 주간전략보고와 9월 22일 일간보고의 바로가기 정보가 함께 놓였습니다.

투자자문 고지와 보고 날짜

투자 시 원금 손실과 손익 책임에 관한 고지, 투자자문계약 권유문서 링크가 이어집니다. 일간보고의 날짜는 2026년 9월 23일 수요일로 표기됐습니다.

지수와 섹터의 당일 흐름

주요 지수는 러셀 +0.51%, 나스닥 +0.45%, S&P 0.00%, 다우 -0.36% 순입니다. 반도체·바이오텍·원자재가 강세였고 금융·커뮤니케이션·에너지가 약세였습니다.

Opus 5.5의 출시와 가격

앤스로픽이 Claude Opus 5.5를 출시했습니다. GPT-6 Astra 출시 20일 만에 프론티어를 다시 가져왔다는 평가와 함께, 새 Pre-train 체크포인트 Fable 5.5 및 내부 RSI 체크포인트의 수준이 궁금해진다고 합니다.

모델 API 가격의 경쟁

Opus 5.5 API 가격은 백만 토큰당 5·25달러에서 4·20달러로 20% 낮아졌습니다. GPT-6 Astra, Fable, GPT-6 Sol, Kimi, Gemini, Qwen, Grok, DeepSeek, Luna까지의 가격표를 놓고, 가격 매력도가 커지며 춘추전국시대의 모습이 시작됐습니다.

세 종류의 모델 벤치마크

코딩에는 Terminal-Bench 4.0, 코드 품질과 병합성에는 FrontierCode 1.1, 실제 업무 자동화에는 AutomationBench를 많이 봅니다. 전자는 영업·마케팅·운영·지원·재무·인사에 걸친 47개 실제 도구의 엔드투엔드 작업을 시험하며, 앞의 두 벤치마크에서는 GPT-5.5 Opus, 업무 벤치마크에서는 GPT-6 Astra가 앞선다고 적었습니다.

GPT-6 다음 업데이트의 리듬

오픈AI가 GPT-6 Sol과 GPT-6 Luna를 발표했습니다. 과거 5.x 업데이트와 Astra 출시 리듬을 보면 다음 주 10월 29일 샌프란시스코 기준 OpenAI DevDay에 GPT-6.1 Astra가 나올 수 있다는 개인적 추정도 덧붙였습니다.

Sol과 Luna의 큰 가격 인하

GPT-6 Sol은 4·20달러에서 2·10달러로, GPT-6 Luna는 0.20·1.20달러에서 0.10·0.50달러로 낮아졌습니다. 토큰당 추론비용을 낮춘 효율은 더 많은 토큰으로 어려운 문제를 풀거나, 같은 지능에서 비용을 낮춰 사용처와 점유율을 넓히는 데 쓸 수 있습니다.

효율 개선의 두 배분 방식

두 AI Labs가 얻은 효율 증가분 가운데 앤스로픽은 지능 상한을 높이는 쪽에, 오픈AI는 비용을 낮춰 확산하는 쪽에 더 많이 배분했다고 봅니다. 앤스로픽의 Cost and speed 설명에는 의도적인 과장이 섞였다고 문제를 제기합니다.

기본 설정이 다른 40% 절감

Opus 5.5가 일반 워크로드에서 Opus 5보다 비용이 40% 낮다고 하지만 핵심은 at default settings입니다. Opus 5의 기본 Reasoning은 high, Opus 5.5의 기본은 medium이라 기본값 자체가 같은 설정이 아닙니다.

성능 상한과 사용처 확산의 대비

Opus 5.5는 절감 비용만큼 더 많은 토큰을 써 난도와 지능 상한을 높이는 방향이며, 예시로 가격 20% 절감과 성능 40% 향상을 듭니다. GPT-6 Sol·Luna는 지능을 조금 높이면서 가격을 50% 낮춰 사용처와 점유율을 넓히는 방향이고 FrontierCode의 이동이 이를 보여준다고 합니다.

모든 가격대의 최고 모델 목표

샘 올트먼은 이번 Sol·Luna 출시와 함께 작업당 비용 기준으로 경쟁할 제품이 없고 모든 가격대에서 최고의 모델을 제공하는 것이 목표라고 강조했습니다. 이어 기술 사이클의 성능 향상과 비용 효율 개선이라는 두 축으로 논의를 옮깁니다.

개척 단계가 시장을 여는 방식

개인적으로 말해온 개척→효율 사이클에서 성능 향상은 개척입니다. 사이클 초반에는 이전에 불가능했던 스마트폰·자동차·소프트웨어가 가능해지고, 기존 점유율을 빼앗기보다 없던 수요를 만들어 TAM을 키웁니다.

효율 단계가 몫을 나누는 방식

성능의 한계효용이 떨어지면 조금 더 좋아진 다음 세대 제품에 고객이 더 낼 이유가 줄고, 누가 더 싸게 만들고 공급하며 가동률과 마진을 높이느냐의 싸움이 됩니다. 성능 경쟁이 시장 확장이라면 비용 경쟁은 만들어진 시장의 몫을 나누는 경쟁이라 포화와 커머디티화로 빨리 넘어갑니다.

성능 프론티어와 B2C 사용 사례

한 기술 사이클의 크기는 성능 프론티어가 얼마나 오랫동안 이동하는가에 달렸습니다. 컴퓨트를 더 투입해 능력이 계속 오른다면 아직 새 사용 사례를 여는 개척 단계이며, Muse가 ChatGPT 이후 B2C의 두 번째 사용 사례를 열어 B2B와 B2C 모두 시장이 빨리 확장된다고 봅니다.

RSI가 바꾸는 성능 곡선

AI 투자를 중요하게 보는 이유는 성능 곡선이 아직 평평해지지 않았기 때문입니다. 더 큰 Pre-training, 더 많은 RL, Test-time Compute, Recurrent depth가 계속 능력을 만들고 RSI가 연구 생산성을 높이면 성능 프론티어 이동 속도도 빨라질 가능성이 있습니다.

알리바바의 머신 인텔리전스 전략

알리바바는 2026 APSARA 컨퍼런스에서 인간 인지 업무 대체를 넘어 머신 인텔리전스 시대로 들어가며 현재 머신 사고량이 인간의 3% 미만에서 1,000배까지 갈 수 있다고 전망했습니다. 2032년 데이터센터 20GW, Qwen의 5~10T 모델 학습 계획을 제시했습니다.

알리바바의 데이터센터 포트폴리오

GPU·CPU·NIC·인터커넥트까지 자체 포트폴리오를 구축했고, M890 AI Supernode는 2T 이상 모델 추론을 지원해 3분기부터 GA했습니다. Zhenwu V900은 단일 클러스터에서 최대 50만 칩을 연결하며 자체 ASIC 출하 증가가 예상된다고 합니다.

Muse의 추가 파트너십

Muse에는 9월 22일 쇼피파이, 23일 페이팔·익스피디아·인스타카트가 추가됐습니다. 업계 1위에서 내려온 2위 기업들이 커머스 프론트엔드를 에이전트에 맡기고 자신들은 백엔드를 맡아 수명을 연장하려는 방향으로 봅니다.

Muse 추격이 어렵다고 보는 이유

Muse 스타일의 제품은 나와도 다른 연구소 모델이 Muse를 따라잡기는 쉽지 않을 수 있다고 봅니다. 개인용 에이전트의 캐릭터 전략, 유통망, Fleet 학습·제안, 개인정보보안 강화, 광고 에이전트화를 향한 준비가 겹친 시너지라는 이유입니다.

Muse와 SaaSpocalypse의 조짐

Muse는 꽤나 유의미한 변곡점입니다. 아직 시작됐다라고 보기에는 이르지만 AI 에이전트 시대의 SaaSpocalypse가 재현될 조짐은 있어서 생각을 정리해봅니다. 증시가 횡보한 동안 EPS 상향이 가장 가팔랐던 섹터는 여전히 AI HW였습니다.

소비자 관성과 트래픽 마진

Anthropic발 충격이 AI가 인간 업무를 대신해 SaaS Seat와 기능 가치를 낮추는 것이라면, Meta·Muse발 B2C 충격은 소비자의 귀찮음을 대신해 기업이 관성에서 얻던 추가 마진을 없애는 쪽입니다. 생각보다 고부가가치의 마진은 트래픽에서 발생해 풀스택 기업이 백엔드 기업처럼 되고 take rate를 Muse가 가져갈 수 있다고 봅니다.

약세 업종과 바이오 실험 루프

최근 하락 기업군으로 이동통신·케이블·자동차·손해보험·OTA·가격비교·경쟁력이 낮은 구독·멤버십을 열거합니다. 앤스로픽은 베이 지역 wet lab에서 AI 가설을 실제 실험으로 검증하고, Claude Science와 MHS로 연구장비 조작까지 지원한다고 소개합니다.

AI가 담당하는 바이오 연구의 순환

이 방향이 발전하면 바이오에서도 가설 생성, 실험 설계, 실제 실험, 결과 분석, 다음 가설 생성의 루프를 AI가 점점 더 많이 담당하게 됩니다. 이어 Muse 효과가 AI 하드웨어에 미치는 영향으로 넘어가며 이날 메모리 기업이 아웃퍼폼했다고 합니다.

전용 VM의 규모 가정

메타는 Muse 사용자마다 2 vCPU, RAM 8GB, SSD 100GB의 전용 VM을 제공하겠다고 약속했습니다. 1년 안에 1억 사용자, 그중 10% 동시 활성이라는 러프한 가정으로 CPU는 AMD Ryzen EPYC 약 15만8천 개가 필요하다고 계산합니다.

DRAM과 SSD의 추가 수요 계산

1억 명을 수용하려면 0.8EB DRAM, 10EB SSD가 필요하다고 계산합니다. BofA의 CY26 DRAM 45EB, NAND 1,280EB 추정치에 대입하면 각각 1.78%, 0.78%이며, GS의 연간 eSSD 474EB에는 2.11%의 추가 소비 효과입니다.

개인 데이터가 만드는 eSSD 논리

샌디스크가 특히 아웃퍼폼했습니다. 개인용 에이전트는 사용자 데이터를 더 많이, 더 오래 저장하고 추론 때 빠르게 꺼내야 하므로 모델의 지능으로 해결될 수 있는 부분이 아닙니다. DRAM과 NAND의 GB당 가격, Memory drain time을 함께 고려하면 eSSD 수요가 높아질 수 있다고 봅니다.

지속학습과 인터커넥트 반응

CY27쯤 Continual Learning으로 넘어가는 점까지 보면 eSSD 수요는 계속 순풍이고 CY28~29에는 HBF가 따라온다고 예상합니다. PCIe 연결량 증가를 반영하며 아스테라랩스가 강세였습니다.

HBM5와 2nm 베이스다이

TSMC 협력과 함께 인텔 18A HBM 베이스다이 협력 가능성을 다시 풉니다. 7월 27일 SEC는 실제 양산이 CY28쯤일 HBM5에 2nm base die를 적용한다고 발표했으며, HBM4와 HBM4E의 SEC·SKH·MU 베이스다이 제조 공정을 비교합니다.

인텔 18A를 대안으로 보는 맥락

HBM4부터 base die가 성능과 전력소비의 핵심이어서 SKH와 MU의 대응 로드맵이 중요합니다. TSMC가 주 선택지이지만 공급망 다변화·원가·선단 캐파를 고려하면 2028년 목표의 TSV·3D 적층 전제 18A-PT가 HBM5 타이밍과 요구사항에 맞는 대안일 수 있다고 봅니다.

ASIC 생산량 채널 체크

UBS 채널 체크에서 구글 TPU는 CY26 410만에서 CY27 900만 패키지, AWS Trainium은 250만에서 320만, OpenAI Jalapeño는 15만에서 60~70만으로 늘어난다고 추정합니다. 메타 MTIA는 CY27 45만이 예상되나 공급망 확정 전이라 가시성이 낮다고 합니다.

Maia와 엔비디아의 생산 전망

마이크로소프트 Maia는 CY26 10만에서 CY27 40만으로 늘고 Maia 200 5만, Maia 300 35만의 믹스가 예상됩니다. 엔비디아 CY27 AI GPU 전망은 820만에서 880만으로 상향됐고, 증가분은 Rubin GPU 40만과 Rubin CPX 20만입니다.

AMD CPU와 CoWoS 해석의 주의

Rubin Ultra는 설계가 비슷해 CY27 중반부터 생산량이 빨리 늘 것으로 예상합니다. AMD AI GPU는 190만으로 같지만 Venice 서버 CPU는 400만에서 500만으로 늘고, AI 가속기 밖의 컴퓨트도 CoWoS를 쓰므로 패키징 점유율로 가속기 점유율을 추정하면 왜곡됩니다.

메모리 수요 성장률의 순서

9월 22일 JP모건 메모리 업데이트에서는 향후 2년 bit demand가 AI 서버급 DRAM·SOCAMM +92% CAGR, HBM +63%, 비-HBM 서버 DRAM +37%, PC·모바일 -3% 순으로 제시됐습니다.

CY27 HBM 소비의 고객 이동

ASIC이 HBM 탑재량을 크게 늘리며 CY27은 ASIC이 엔비디아를 HBM 소비에서 넘어서는 첫 해가 된다고 합니다. CY26 엔비디아 비중 58%에서 CY27은 ASIC 48%, 엔비디아 43%, AMD 9%로 바뀌며 엔비디아의 구매 프리미엄은 점차 얇아질 것으로 예상합니다.

HBM SKU 세분화와 16Hi 지연

표준 HBM 안에서도 워크로드별 SKU가 나옵니다. Rubin Ultra, AMD MI450·455X, 구글 TPU v8에서 12Hi는 성능 티어, 8Hi는 널리 쓰는 티어로 계획되며 16Hi는 기술 검증과 비용 문제로 CY29 이후로 밀렸습니다.

Nebius의 스팟 가격 전환

Enterprise·GPU IaaS에서 Nebius는 남는 GPU 용량을 더 높은 가격에 팔기 위해 Preemptible VM을 고정 할인제에서 시장 기반 Spot Pricing으로 전환한다고 발표했습니다. B200 온디맨드 GPU 렌탈 가격은 업계 전체 시간당 약 7.88달러로 사상 최고라고 적었습니다.

회수 가능한 VM과 가동률

기존 Preemptible VM은 일반 GPU VM보다 일정 할인율이지만 수요가 몰리면 Nebius가 회수할 수 있었습니다. AWS·GCP·Azure가 이미 쓰는 방식처럼 GPU 인프라의 가동률과 단위당 매출을 극대화하는 가격 체계로 이동하는 것입니다.

전력기기 공백과 ChatGPT Ads 확산

신재생·전력기기에는 업계의 별다른 뉴스가 없었습니다. 광고·이커머스에서는 방문자 수 상위 200만 웹사이트를 대상으로 ChatGPT Ads Pixel이 페이스북·링크드인·레딧·스냅챗·트위터 합계보다 매일 더 많은 신규 사이트에 추가된다고 적었습니다.

광고 픽셀 증가 속도

9월 초부터 속도가 가속돼 ChatGPT Ads 전체 사용 사이트 수가 한 달 전보다 두 배가 됐습니다. ChatGPT Ads가 잘될 때 상대적으로 영향을 받는 광고 플랫폼으로는 레딧을 첫 번째로 봅니다.

트랜스메딕스와 USDC 당일 지표

의료기기·핀테크·코인 구간에서 트랜스메딕스 3분기 비행 건수는 2,590건, 일간 +41건, 84일 기준 일평균 30.83건으로 제시합니다. 서클 USDC 유통량은 757.4억달러, 30일 CCTP 전송량은 208억달러입니다.

USDC의 성장 판단 기준

USDC 유통량은 거의 1년 횡보했고, 횡보를 뚫는 기준은 MoM 20% 이상 성장세가 1주 유지되는가입니다. 이날 주간 +1.77%, 월간 +2.89%였으며, 아직 그 기준과는 거리가 있습니다.

크립토 예탁금과 펀더멘털 구분

지금 USDC 유통량을 가장 크게 바꾸는 것은 BTC·USDC, ETH·USDC 같은 Crypto Pair Trading의 예탁금입니다. 그래서 크립토가 오르면 유통량도 일시적으로 오르며, 아직 스테이블코인 결제가 더 쓰이는 식으로 펀더멘탈이 바뀌는 것은 아닙니다.

피겨 테크 지표와 운용 안내

피겨 테크의 주간·월간 잠정 영업 지표 확인 경로를 남겼습니다. 마지막으로 생각을 담은 랩을 운용한다는 안내와 메리츠증권, SK증권 링크가 이어지며 보고를 마칩니다.

그럼에도 빠진내용 정리

잡담·곁다리 내용

이미지로만 제시된 근거는 화면 내용을 추정하지 않고 보존 표기만 남겼다.

생략 기록

본문에 텍스트로 복원되지 않은 이미지와 첨부자료의 시각 정보는 생략했다.

그럼에도 빠진내용 정리

이미지·첨부자료	원문에 반복된 '존재하지 않는 이미지입니다'와 첨부자료 1~6의 실제 화면·원본은 제공되지 않아 내용으로 복원하지 않았다.
외부 링크	이전 보고, 투자자문계약 문서, 증권사 및 피겨 테크 링크는 존재 사실과 원문 안의 용도만 남기고 링크 밖 내용을 추가하지 않았다.
원문 표현	SEC·SKH·MU, HBF, RSI 등 약어는 원문 표기를 따랐으며 일부 명칭과 수치는 원문 외 자료로 교정하지 않았다.

원문 확인

document_work_runner prepare가 입력 원문을 수정 없이 보존했다.

원문 다운로드 새 창에서 보기