일간보고 : 투자의 생각 (261021)

안녕하세요 올바른입니다. 2026년 10월 21일 수요일, 데일리 전해드립니다.

10월 19일~10월 23일 주간전략보고와 10월 20일 일간보고가 연결돼 있습니다.

주요 지수는 러셀 +1.65% > 다우 +1.02% > S&P +0.28% > 나스닥 -0.02%입니다. 상승종목비율은 NYSE 219%, Nasdaq 202%입니다.

바이오텍, 헬스케어, 적자성장주, 유틸리티, 금융은 강세이고 반도체와 테크는 약세입니다.

SPCX 3Q26 실적발표 후 시간외 +7%입니다. 매출 $14.58B(컨센 $12.87B) YoY 161%, EPS $0.35, 영업이익 $2.79B, Adj EBITDA $8.81B, 순이익 $4.40B입니다.

매출, 영업이익, CapEx를 사업부별로 나눠보자면 매출 $14.58B는 SI $7.56B(52%), Space $1.77B(12%), Connectivity $5.25B(36%)입니다.

영업이익 $2.79B는 SI $431M(15%), Space -$7M(-0.3%), Connectivity $2.37B(85%)로 나뉩니다.

CapEx $19.59B 가운데 SI가 $16.44B(84%), Space $1.61B(8%), Connectivity $1.54B(8%)입니다. 스페이스X에 대한 분석 자료는 앞선 두 편의 IPO 분석을 통해 전해드린 바 있습니다.

기업 자체는 매력적인지라 언제든 관심있게 보고 있는데 Grok이 프론티어 수준으로 올라와서 그 레벨을 지킬 수 있느냐 그렇지 않느냐가 중요한 요인입니다. 순위가 워낙 빠르게들 바뀌니 투자 난이도가 높긴 하지만 프론티어 모델을 가진 AI Labs인가 아닌가가 결국 기업이 갖고 있는 Watt당 얼마의 매출과 이익을 낼 수 있을지, 주도권이 누구에게 있을지를 결정하는 요소라 그렇습니다.

AI 인프라 사업부에서도 영업이익이 발생하기 시작했습니다. 영익 기준 2Q26에는 -$1.26B → 3Q26는 +$431M입니다.

물론 3Q OCF가 $9.63B이긴 했어도 CapEx가 $19.6B였기에 FCF는 -$10B입니다.

4Q26에는 CapEx $35~40B, CY27에는 최소 10GW를 확보할 예정이라 대략 CY27의 CapEx는 $400~500B에 달할 것으로 예상됩니다. 가이던스상 적어도 CY27까지 상당한 FCF 적자 상태를 유지하겠다는 것입니다.

스페이스X가 확보하려는 컴퓨트의 양이 어마어마하고 판을 바꿀 정도입니다. CY27 말 13GW를 기본 목표로 높였습니다. 원래는 많으면 10GW까지도 갖출 수 있다였는데, 이제는 아예 CY27 말에 누적 컴퓨트 용량이 13GW보다 적으면 놀랄 것이라고 짚었습니다.

계획을 쭉 정리해보면 3Q26에는 지금 1.7GW인데 → 4Q26에는 2.5~3GW → 4Q27에는 기본 13GW, 전력/냉각 인프라 확보는 20GW가 목표입니다.

현재 매월 GB300 22만 개의 규모 클러스터들을 하나씩 가동하고 있는데, CY27에는 주력 아키텍처를 Vera Rubin으로 바꿔 속도를 더 높이겠다는 계획입니다.

머스크는 현재 AI 인프라 구축의 가장 중요한 제약조건이 GPU 그 자체보다 전력, 냉각, 전기설비 등이라고 설명했습니다. 로켓 엔진을 자체 제조하면서 고도의 금속 주조 기술을 확보했기에 이를 활용해 가스터빈에 들어가는 블레이드와 베인을 직접 생산하는 방안을 추진 중입니다.

기존 로켓 엔진 제조 역량을 가스터빈 생산에 활용하면 경쟁사보다 전력 인프라를 12~18개월 빠르게 구축할 가능성이 있다는 뷰입니다.

스페이스X 2Q26 컨콜에서 Vera Rubin 컴퓨팅 용량은 와트당 $30~$50 정도로 수익화할 수 있을 거라 말했었는데, 최근 실제 가격이 기존 범위 상단인 $50/W를 소폭 넘어섰다고 밝혔습니다.

하이퍼스케일러와 중소 AI 기업 모두 더 많은 컴퓨팅 용량을 요구하고 있기 때문에, 고객들이 원하는 모든 수요를 받아들일 경우 현재 용량의 몇 배를 임대할 수 있을 수준이라는 것입니다. 자사의 학습 클러스터를 더 활용하기 위해 다른 CSP에서 추론 용량을 구매하려 해도 GB300, GB200, TPU, Trainium은 물론 H100까지 구하기 어려웠다는 것입니다.

머스크는 AI 모델이 개선될수록 같은 전력에서 얻을 수 있는 유용한 지능(Useful Intelligence per Watt)이 증가하기 때문에 AI 컴퓨팅의 와트당 경제적 가치가 상승할 것이라고 설명했습니다.

GPU가 구형이 됐다는 이유만으로 임대단가가 반드시 하락하는 것은 아니라는 논리입니다.

스페이스X 경영진은 현재 가격 기준으로 신규 AI 컴퓨팅 설비의 투자금 회수기간이 1년 미만이라고 설명했습니다. 머스크는 2027년에는 회수기간이 6개월까지 단축될 가능성도 배제하지 않았습니다.

컴퓨트 내부 사용과 외부 임대의 목표 비중은 50:50입니다. 필요에 따라 60:40, 40:60으로 유동적으로 조정할 수는 있겠지만 두 가지 사업 모두 끌고가겠다는 생각입니다.

2026년 8월 Grok Bot을 출시했고, 10월 초 유료 주간 이용자 수가 80만 명을 기록했다고 밝혔습니다. 사용자당 주간 이용량 역시 시간이 지날수록 증가하고 있습니다.

이미 일부 기업 고객을 대상으로 초기 배포를 진행하고 있으며, 본격적인 기업용 공급을 곧 확대하겠다고 밝혔습니다. 장기적으로 Grok Bot이 SpaceX 전체 SI 컴퓨팅 자원의 가장 큰 소비처가 될 가능성까지 언급했습니다.

선진국 가입자가 늘면서 ARPU가 반등했습니다. Starlink 소비자 가입자는 1,360만 명으로 2Q26보다 +160만 명 증가했습니다. V5 단말기 생산도 확대하고 있으며, 이를 통해 단말기 재고 부족 문제를 완화하고 4Q26 신규 가입자 활성화를 늘릴 계획입니다.

기업과 정부향 매출이 소비자 매출보다 빠르게 증가하고 있습니다. Connectivity 사업부의 매출구성을 보자면 B2C가 $3.12B(비중 59.9%, YoY 57%), B2B/B2G가 $2.13B(비중 40.5%, YoY 91%)입니다.

항공 시장의 성장 여력이 상당합니다. 현재 약 1만 2,000대의 항공기에 Starlink를 설치하는 계약을 확보했는데 3Q26 말 기준 실제 설치가 완료된 항공기는 3,800대입니다.

계약이 확보된 항공기 중 아직 설치되지 않은 항공기가 8,000대 이상 남아 있다는 의미입니다. 연초 이후 항공용 장비 생산속도를 4배로 높였고, 연말까지 추가로 2배 확대할 계획입니다. 항공사에 장비 설치가 완료되고 서비스가 활성화될수록 통신 관련 매출이 추가로 발생할 수 있습니다.

이동통신 이용자가 빠르게 증가하고 있습니다. Starlink Mobile의 월간 이용자는 3Q26 말 2,200만 명을 돌파했으며, QoQ +37% 증가세입니다. 2027년 Starlink Mobile V2 위성 발사를 확대하고, 새로운 주파수 자산을 활용해 2028년 초 서비스를 본격 확대할 계획입니다.

Starship Flight 14에서 최초로 궤도에 도달하고 실제 Starlink V3 위성 26기를 배치했다고 밝혔습니다.

머스크에 따르면 이 비행에서 배치한 위성의 총 다운링크 용량은 26Tbps로, Falcon 9을 이용한 Starlink 위성 발사 약 10회분에 해당합니다. 당시 Starship의 탑재량은 최대 수준의 절반 정도였으며, 경영진은 향후 최대 수준으로 탑재할 경우 Starship 한 번의 발사로 기존 Falcon 9 발사 대비 20배 이상의 다운링크 용량을 추가할 수 있을 것으로 예상합니다.

Starship의 발사비용이 낮아질수록 위성망을 확대하는 데 필요한 비용이 줄어듭니다. 동시에 한 번에 배치할 수 있는 통신 용량은 증가합니다. Starlink의 가입자 확대와 통신 품질 개선으로 연결될 수 있으며 장기적으로는 위성통신 서비스의 단위경제성에도 영향을 줍니다.

2027년 발사 빈도를 크게 늘릴 계획입니다. 머스크의 목표는 2026년 11월 Flight 15에서 부스터와 우주선의 동시 회수를 시도하고, 2027년 상반기에는 Starship 발사를 주 1회 수준으로 끌어올리는 것입니다. 2027년 하반기에는 주 2회 이상까지 확대하겠다는 목표도 언급했습니다.

Terafab은 2028년 하반기 반도체 양산을 목표로 하고 있습니다. 자체 칩 생산을 위해 매우 공격적인 개발 일정을 추진하고 있으며, 2027년 5~6월에는 오스틴에서 SRAM 테스트 칩을 생산하고 2028년 3~4Q쯤 양산이 목표입니다. ASML을 포함한 장비 공급업체들이 장비 납기를 앞당기는 데 협력하고 있다고 설명했습니다.

결과적으로 CY27 ARR 목표는 $500B~$1T입니다. CY26 말 ARR $100B에서 5~10배 성장하겠단 의미입니다.

다만 CY27 말 13GW를 확보한다고 해도 내부 사용 비중이 50%면 외부 고객에게 서비스하는 용량은 6.5GW입니다. $50/W로 계산해도 ARR $325B입니다. $500B 이상의 연환산 매출을 실현하기 위해서는 추가 컴퓨팅 용량의 확보뿐 아니라 Grok Bot과 Cursor 같은 자체 AI 애플리케이션의 수익화가 대단히 중요합니다.

스페이스X와 테슬라의 합병 가능성을 논의하기 위해 각각 독립적인 특별위원회를 구성했다고 밝혔습니다. 스페이스X-테슬라 합병에 대한 시나리오 예상은 8월 17일 주간전략보고에서 자세하게 전해드린 바 있습니다.

WSJ 보도에 따라서 앤스로픽의 S-1 초안의 내용을 정리해보면 당초 논의되던 향후 컴퓨트 계약규모가 $518B(9월 28일 이전) → $750B로 상향됐습니다. 현재 협상 중인 계약들을 포함한 규모입니다.

컴퓨트 계약 $750B는 AVGO를 통한 TPU 임대의무 $160B, GCP $111B, AWS $110B, MSFT $31B, Nscale/Lambda 등 각종 네오클라우드 $188B, 그외 $150B 추가 논의 중인 단계입니다.

샘 올트먼이 지난주 직원들에게 초지능을 안전하게 개발하기 위한 세 가지 시나리오를 말했습니다. IAEA 모델은 국제원자력기구와 유사한 국제 감독기구를 설립해 AI 개발 기업들의 안전성을 평가하고, 모델 감사와 컴퓨팅 자원 사용을 감독하는 방식입니다. 미국과 중국을 비롯한 주요 국가들의 협력이 필요하며, 알트먼이 가장 선호하는 것으로 알려졌습니다.

CERN 모델은 데미스 허사비스가 과거 제안했던 방식으로, 세계 주요 AI 연구소를 하나의 국제 공동 연구기관으로 통합해 초지능을 공동 개발하고 참여 국가들에 모델을 제공하는 것입니다. 개별 기업들의 경쟁을 없애거나 크게 제한하는 접근입니다.

Eliezer 모델은 엘리에저 유드코스키의 결정적 개입 개념에서 비롯됐습니다. 한 기업이 가장 먼저 RSI가 가능한 초지능을 개발하면 압도적인 경제적·기술적 우위를 이용해 경쟁사들이 초지능을 개발하지 못하도록 만드는 것이며, 극단적으로 다른 기업들의 GPU를 파괴하는 방안까지 거론됐습니다. 올트먼은 세 번째 방법은 당연히 끔찍한 방법이라며 반대했고 AI 개발 역량이 한 기업에 집중되는 미래도 원하지 않는다고 말했으며, 맥락상 IAEA 모델을 강조하기 위해 CERN, Eliezer 모델의 예시를 든 것입니다.

구글 CEO 순다르 피차이가 Big Technology Podcast에서 발언한 내용을 모아보면, Gemini 4 Argon은 출시 후 72시간 동안 토큰 25T 규모를 처리했는데 Gemini 3의 같은 기간 사용량보다 3배 많은 수준입니다. 사용량이 급증해서 서비스 제공 용량에 제약이 생긴 상태입니다.

RSI가 Argon 개발에 중요한 역할을 했습니다. 직관적으로 표현하면 내부적으로 더 높은 지능 모델을 가져다가 Argon 개발에 썼다는 의미입니다.

피차이에 따르면 지금의 컴퓨트 보유량은 본인이 2024년에 내린 결정의 결과입니다. 딥마인드가 연구와 프론티어 모델 개발에 필요한 컴퓨팅 접근성을 확보한 뒤 다른 사업 부분의 컴퓨트 계획을 세웁니다.

외부 고객에게 컴퓨팅을 제공하면 하드웨어의 규모의 경제를 살릴 수 있고 현실 세계에서 더 다양한 방식으로 가속기를 사용하므로 AI 스택 전반의 기술을 발전시킬 수 있다는 설명입니다.

피차이는 아마존 CEO 앤디 제시가 말한 것처럼 2028년까지 컴퓨팅 자원이 매진될 것이란 예측은 타당하다고 했습니다. 지금 고객이 대규모 컴퓨팅 자원을 요구해도 제공하기 어려우며, 구글이 작년에 단기 컴퓨트를 임대한 이유도 고객에게 서비스를 이어가기 위해서였고 업계 전반이 비슷한 상태라는 것입니다.

AI는 역사상 가장 중요한 기술의 초기 단계이며, 광섬유처럼 아직 쓰이지 않는 기술을 미리 까는 러시가 아니라 매일 사용되는 기술이란 점에서 매우 다릅니다. 수요 신호와 계약으로 확보된 수요를 검증하고, 내부적으로 컴퓨트를 어떻게 활용할지, 모델 발전 방향은 어떻게 잡을지를 총체적으로 고려해 계획한다는 설명입니다.

코딩 모델이 개발자의 생산성을 크게 높여 개발자들이 기꺼이 비용을 지불하듯 소비자 제품도 충분한 가치를 제공하면 수익을 만들 수 있고, 에이전트가 사용자를 대신해 일을 처리하면 효율성이 높아지고 서비스 제공자가 중간에 갖는 가치가 생긴다고 했습니다. 앤스로픽 초기 창립팀이 GPT 모델 개발에 참여한 세계적인 팀이었고 프론티어를 이끌 수 있다고 판단했으며, 구글은 스페이스X나 앤스로픽처럼 기술의 최전선에 있는 기업을 발굴해 파트너십을 맺어왔고 일부 협력은 TPU 사용으로도 이어졌다고 설명했습니다.

최근 가장 집중하는 연구 영역은 지속적인 학습 능력입니다. AI 모델이 출시된 후에도 새로운 내용을 배우고 기존 내용을 잊지 않도록 하는 문제입니다.

여러 병렬 처리 방식들도 연구 중이고, 합성 데이터를 어떻게 다룰 것인지, 더 효율적인 아키텍처를 어떻게 설계할지도 중요합니다. 연구 중에 생긴 아이디어가 주요 모델에 반영되기도 합니다.

딥시크가 단순히 DeepSeek-V4.1-Flash-1017만 선보인 게 아니라, 대규모 서비스에 사용하는 추론 프레임워크인 DeepInfer를 공개했습니다. 파격적인 값이고, 굉장히 여러 각도로 생각해볼 대목입니다.

DeepInfer는 학습이 끝난 모델에 사용자의 요청을 넣고 여러 GPU에 계산을 배분해 답변을 만들어내는 추론 엔진입니다. 현재 공개 버전의 지원 모델은 DeepSeek-V4.1-Flash이며 기본 실행 모델은 1017 버전이고, 하드웨어는 엔비디아 GPU 계열(SM100, Blackwell)과 화웨이 Ascend 950을 네이티브로 지원합니다.

다만 공개 범위는 오프라인 추론 중심이고, 완전한 온라인 서비스를 구성하는 KV 캐시 시스템과 단계별 분리 운영, 대규모 EP(EP64~EP128) 부하 분산은 별도 구축해야 합니다. 온프레미스로 DeepSeek-V4.1-Flash를 가져다가 DeepInfer를 적용하면 바로 추론까지 가능한 구조를 오픈소스로 풀은 것입니다.

추론 원가는 모델을 만들 때부터 결정됩니다. 딥시크의 효율을 이해하려면 입력을 읽는 Prefill과 답변을 생성하는 Decode를 나눠 봐야 합니다. V4.1-Flash는 입력을 처리할 때 약 8B, 출력을 생성할 때 약 16B의 파라미터를 활성화해 긴 입력을 읽는 과정의 계산 부담을 줄이는 구조입니다.

에이전트 작업은 효과를 크게 볼 수 있습니다. 코딩 에이전트가 파일을 읽고, 명령을 실행하고, 결과를 확인할 때마다 앞선 대화와 코드, 도구 실행 결과를 다시 입력으로 받기 때문입니다. 작업이 길어질수록 반복해서 읽는 문맥이 커집니다.

딥시크는 이 문맥의 중간 계산 결과인 KV 캐시도 줄였습니다. 간단하게 표현하면 HBM, SSD를 오가면서 훨씬 더 필요한 상태만 다시 계산하도록 만들었습니다. GPU를 빌려 DeepSeek-V4.1-Flash와 DeepInfer 조합으로 서비스하면 GPM은 85% 수준일 것으로 예상되며, 실제 운영 데이터를 바탕으로 러프하게 계산해봅니다.

토큰은 대략 10억 토큰을 서빙한다고 가정하고 캐시 입력 9.7억, 신규 입력 0.2억, 출력 0.1억으로 추정합니다. 가격은 딥시크 API 비용을 그대로 적용할 경우 비혼잡시간 $11.91(캐시 $2.91+신규입력 $3.00+출력 $6.00)이고 혼잡시간은 $23.82입니다.

GPU당 Prefill은 초당 80K, Decode는 초당 16K로 가정합니다. 신규 입력 2,000만 ÷ 80K = 250 GPU/sec, 출력 1,000만 ÷ 16K = 625 GPU/sec로, 합계 875 GPU/sec = 약 0.243 GPU/hours입니다. GPU 비용을 시간당 $3~6으로 가정하면 GPU 임대비용은 약 $0.73~1.46입니다.

시간당 비용 $3~6과 비혼잡·혼잡시간 차이는 있지만 이 계산에서는 대략 GPM 85% 이상이 나옵니다. GPU 시간당으로 매출을 계산해보면 대략 $38/GPU/hours입니다. DeepSeek-V4.1-Flash의 에이전트 토큰 throughput 차트는 기존 vLLM, SGLang 세팅과 비교해 모델-하드웨어 공동 설계 시 압도적인 토큰 처리량 향상을 누릴 수 있음을 보여주는 사례입니다.

딥시크가 실제로 DeepSeek 모델 API를 서빙하면서 엄청난 마진으로 돈을 벌고 있음을 보여줬습니다. 독보적인 저비용 추론 아키텍처와 하드웨어-모델 공동 설계의 효과를 공표하는 데 좀 더 치중되어 있으며, open-weight 진영 내에서 DeepSeek 모델 선호도가 높아질 거라 예상할 수 있습니다.

CSP들 입장에서는 DeepSeek를 사용하기가 굉장히 좋아졌습니다. 원래는 vLLM, SGLang을 가져다가 자체적인 서비스 스택을 구축하고 DeepSeek의 비용 구조를 따라가야 했는데, 이제는 내부적으로 사용하는 추론 아키텍처를 처음부터 따라하고 활용할 수 있게 됐습니다.

KV Cache Tiering, Prefill-decode 분리 추론, 로드 밸런싱은 아직 구현되지 않아 완벽한 프로덕션 시스템을 얻을 수는 없겠지만, 비용에 가장 큰 영향을 미치는 저정밀도 GEMM, 융합된 MoE, Sparse Attention은 대규모로 검증된 오픈소스 기술이 되었습니다. 선제적으로 대응하는 업체는 굉장히 마진 좋게 서비스할 수 있게 된 상태라서 어떤 CSP가 먼저 서비스할지도 관전 포인트 중 하나입니다.

화웨이 Ascend 950는 엔비디아 Blackwell과 동등한 수준의 최상위 호환 하드웨어가 됐습니다. 핵심 추론 스택이 Ascend와 Blackwell에 처음 출시부터 네이티브로 구현됐기 때문에, 중국 입장에서는 DeepSeek가 성공한다면 화웨이의 부흥을 앞당기는 효과입니다.

화웨이는 엔지니어들을 딥시크 연구소에 장기 상주시키면서 딥시크의 계산 방식과 프로세서 사이 데이터 이동 요구를 차세대 칩 설계에 반영하고 있습니다. 이 협력이 이어진다면 실제 차세대 거대 모델에서 발생하는 병목을 차세대 칩 설계에 반영할 수 있습니다. 딥시크가 자사 모델에 맞는 계산-메모리-통신 구조를 요구하고 화웨이가 구현한 뒤 실제 작업으로 검증받는 관계로, 화웨이가 얻는 중요한 자산은 칩 설계를 구체적으로 이끌어줄 대규모 고객과 검증 환경입니다.

중국 내 Cambricon, Hygon, Kunlunxin, Moore Threads, MetaX, Biren, Enflame, Iluvatar CoreX 등 GPU 공급업체에도 상당한 압력이 됩니다. DeepInfer 호환성을 높이려면 TileLang을 비롯한 컴파일러와 커널, 저정밀 연산, 칩 간 통신 체계를 지원해야 하기 때문입니다. 반드시 화웨이와 같은 하드웨어 구조를 채택해야 하는 것은 아니지만 독자적인 소프트웨어 생태계만 고집하기보다는 딥시크가 사실상 제시한 기술 표준에 맞춰야 하는 아이러니가 발생할 수 있습니다.

메모리 투자자에게 이번 공개는 양쪽을 함께 보여줍니다. V4.1-Flash는 같은 문맥을 처리하는 데 필요한 KV 공간을 크게 줄였으며, 같은 모델, 같은 문맥, 같은 동시 요청 수라면 필요한 메모리가 줄어드는 방향입니다. 딥시크는 실제 서비스에서 KV 캐시용으로 약 100PB의 SSD를 사용한다고 설명하며, 온라인 GPU당 논리 저장공간은 약 14.4TB, 캐시 보관 기간은 에이전트 트래픽 3일, 챗봇 트래픽 7일입니다.

딥시크는 예전부터 SSD의 역할을 강조해왔었습니다. KV Cache를 보관하고 읽는 비용이 훨씬 저렴하기 때문에 그에 맞게 구조를 짠 것이며, 샌디스크에게 긍정적인 방향입니다. 메모리 시장은 토큰당 자원 사용량이 얼마나 줄어드는지와 그 결과 실행 가능한 작업이 얼마나 늘어나는지를 함께 계산해야 합니다.

구조적으로 open-weight의 성장은 AI Labs가 증분값에서 가져가는 파이를 줄일 수 있지만, AI HW에는 모델 API 비용이 줄어드는 만큼 ROI가 매칭되는 사용 사례가 늘고 토큰 사용량이 크게 증가한다는 측면에서 늘 긍정적인 방향이어왔습니다.

인터커넥트에게 긍정적입니다. DeepInfer의 Decode 운영은 전문가를 64~128개 GPU에 나누는 대규모 전문가 병렬화를 사용하고, 캐시도 별도 저장 클러스터에서 가져옵니다. 계산량을 줄여 확보한 성능을 실제 처리량으로 바꾸려면 데이터가 제때 도착해야 하므로 분산된 전문가 사이의 통신, 저장장치에서 가져오는 캐시, 호스트와 가속기 사이의 전송이 모두 영향을 줍니다.

많은 칩을 효율적으로 묶는 방식으로 원가를 낮춘다면 연결 성능이 훨씬 더 중요해진다는 의미입니다. KV Cache 압축, 대규모 EP64~128 병렬 처리, Mega MoE 연산 덕에 HBM 용량 부족 이슈를 상당부분 극복할 수 있게 됐지만, 대신 상호 연결 대역폭과 노드 간 통신 지연시간이 주요 퍼포먼스 병목 현상이 됩니다. 계속해서 강조드렸던 CY27로 가면 Compute, Memory, Interconnect 중에서 Interconnect가 퍼포먼스를 좌우하는 핵심 요인이 된다는 맥락과 일치하는 방향입니다.

오늘 로이터에 따르면 바이트댄스/알리바바/텐센트가 엔비디아 RTX PRO 5500을 총 300만 개 이상, 금액으로는 $35B 이상을 주문한 것으로 추정된다고 보도했습니다.

중국에 RTX PRO 5500을 대규모로 판매할 예정이며 실질적인 효과나 배경은 10월 5일 주간전략보고에서 자세히 전해드린 바 있습니다. 당시 중국 전체의 주문규모는 500만 장 수준이라고 말씀드렸었는데 이번 로이터 보도에서는 600만 개 정도로 상향됐습니다.

엔비디아의 CY27 글로벌 RTX PRO 5500 생산능력은 약 300만 개이고, 출하 일정은 2026년 12월 초기 샘플 → 1Q27 상업 출하 예정입니다. 중국 기업들의 주문량이 생산계획을 크게 초과하면서 엔비디아는 고객사에 주문 물량을 모두 공급할 수 있다고 보장하지 못하는 상황입니다. 일부 파트너에게는 요청 물량의 5~10%만 공급받을 수 있다고 안내한 것으로 알려졌습니다.

주문을 모두 충족하지 못하는 이유는 생산능력 부족뿐 아니라 2027년 TSMC 생산능력을 차세대 Rubin 플랫폼에 우선 배정할 계획이기 때문입니다.

Mizuho가 샌디스크에 대해 코멘트한 것을 정리해봅니다. 메타, 구글, 오라클의 KV 캐시 및 AI SSD를 중심으로 eSSD의 대규모 확대가 2027~2028년에 가속화될 전망입니다.

NAND 가격은 CY27년까지 견조하게 유지될 전망입니다. 중국은 수요-공급 부족 상태이고, 중국을 제외한 NAND 생산능력이 대부분 정체된 상태로 유지되고 있기 때문입니다.

제품 믹스가 SLC NAND로 이동할 가능성이 있습니다. 2027년으로 접어들면서 키옥시아의 XL-Flash가 NAND에 낮은 지연시간과 높은 성능을 제공할 것으로 보이며, 이로 인해 2027년 NAND 수급이 상당히 타이트해질 것으로 예상됩니다.

Barclays 애널리스트 Ajay Rajadhyaksha가 코어위브발 매도에 대해 너무 크게 우려하지 말라고 코멘트했습니다. 이번 주 주간전략보고나 전일 일간보고의 큰 방향도 지금 자금조달이 안된다는 것이 이슈가 아니라, 금융 병목이 발생하면서 네오클라우드들이 빌리는 자본비용이 전반적으로 높아지고 있다는 것이 문제입니다. 단기에 심화된 이유가 1H26 앤스로픽의 대규모 Binding 계약인 만큼 앤스로픽 IPO를 통해 신용등급을 부여받게 되면 오히려 실질 금리 책정이 더 낮아지면서 긍정적인 방향으로 움직일 수 있다는 생각입니다.

바클레이즈에 따르면 코어위브의 전체 부채 및 리스 의무는 약 $35B에 달하지만, 현재 시장에서 문제가 되는 것은 이 중 약 $2B에 불과한 무담보채권입니다. 실제로 파산한다면 무담보채권보다 먼저 변제받을 채권자들이 상당히 많아 해당 채권의 회수율이 극히 낮아질 수 있습니다. 따라서 무담보채권 수익률이 15%까지 상승한 것은 해당 채권의 위험이 높다는 의미이지 코어위브 전체가 지급불능에 직면했다는 직접적인 증거는 아니라는 주장입니다.

다만 바클레이즈도 자금조달 환경이 악화되고 있다는 사실은 인정했으며, 시장이 폐쇄된 것이 아니라 자금조달 비용이 높아지고 있는 상황으로 해석했습니다. 최근 전환사채 발행 규모가 $3B에서 $3.7B로 확대됐다는 점은 당시까지 투자 수요가 존재했다는 근거입니다. 다만 주가 하락으로 향후 전환사채 발행 여건은 악화될 수 있다는 뷰입니다.

AWS가 엔비디아 GB300 랙을 먼저 사들이지만 가동할 전력은 부족한 상황입니다. 10월 20일 Business Insider가 확보한 AWS의 2026년 8월 내부 이메일에 따르면, AWS는 GB300 서버 랙의 소유권을 기존보다 일찍 확보하는 Early Rack Receipt 절차를 준비하고 있었습니다. 기존에는 완성된 서버 랙이 데이터센터에 도착하면 소유권을 넘겨받고 대금을 지급했지만, 이제는 실제 데이터센터에 설치하기 전에 공급망의 앞단에서 먼저 인수하겠다는 것입니다.

내부 이메일에서는 8월 $5B, 이후 매월 $3B 규모의 GB300 랙을 일단 인수하겠다고 말했습니다. 배경에는 GPU 공급 경쟁뿐 아니라 데이터센터의 전력 확보 지연이 큽니다. 일부 미국 AWS 데이터센터에는 서버 랙을 설치할 물리적 공간이 있지만 가동할 전력이 부족해 완성된 장비를 중간 창고에 보관하고 있는 상태입니다.

데이터센터 가동이 지연되더라도 GB300 공급 물량을 먼저 확보하는 것이 유리한 상태라서 그렇습니다. 공급이 빠듯한 상황에서 소유권을 일찍 확보하면 마이크로소프트, 오라클 등 다른 고객과의 공급 경쟁에서 예정된 물량을 확정하는 데 유리합니다. 폭스콘, 콴타 등 서버 제조업체들이 완성된 랙을 장기간 보유하면 상당한 자금이 묶이므로, AWS의 조기 인수는 제조업체의 자금 부담을 줄이고 후속 생산을 지원할 수 있습니다.

10월 20일 유니티 Chief AI Officer Felix The가 팟캐스트에서 발언한 것을 정리해보면, Vector의 성장은 엔진 데이터가 아닌 AI 모델 자체의 발전에서 나왔습니다. 2Q26의 QoQ +23% 성장은 AI 모델 아키텍처 개선과 Feature Engineering 효과로 나왔음을 꼽았습니다. 하나의 획기적인 기술이 성장을 이끌었다기보다는 지속적인 개선이 누적되면서 예측 정확도가 높아졌다고 설명했습니다.

이게 중요한 것은 Vector가 Unity 엔진의 Runtime Data를 본격적으로 활용하지 않은 상태임에도 이미 여러 분기 연속 성장하고 있었다는 점입니다.

Vector의 경쟁력은 이용자의 행동과 구매 가능성을 예측하는 데 필요한 정보를 설계하는 Feature Engineering, 이용자 행동을 분석하고 장기적인 구매 가치를 예측하는 Model Architecture, 데이터 처리·모델 학습·실험을 효율적으로 수행하게 설계된 Platform Architecture의 세 가지 요소에서 나옵니다.

마지막 요소인 플랫폼 설계도 중요하다고 강조했습니다. 광고 상품마다 서로 다른 모델과 데이터 파이프라인을 구축하면 연구개발 속도가 느려지지만, Vector는 공통 인프라를 활용해 모델을 빠르게 개선할 수 있도록 설계됐다는 것입니다. 실제 현재 모델 아키텍처는 최초 출시 당시와 상당히 달라졌으며, 아직 개선할 여지가 많다고 설명했습니다.

Felix Thé가 최근 가장 성공적이었던 개선 사항으로 꼽은 것은 D28 ROAS 최적화이며, 특히 Android D28의 성과를 강조했습니다. 기존 D7 ROAS는 광고로 유입된 이용자가 설치 이후 7일 동안 창출하는 매출을 예측하는 방식이고 D28은 그 기간을 28일로 늘립니다.

이 차이는 RPG, 전략 게임, IAP 중심 게임에서 중요합니다. 일부 게임은 이용자가 최초 구매를 하기까지 2주 이상 걸리기도 합니다. 따라서 D7까지만 관찰하면 장기적으로 높은 매출을 발생시킬 이용자를 정확하게 식별하기 어렵습니다.

D28이 어려운 이유는 D7을 단순히 4배 확장한 기술이 아니기 때문입니다. 이용자의 행동을 더 먼 미래까지 예측할수록 불확실성이 높아지고, 28일 동안 게임 업데이트나 외부 환경의 변화가 발생할 수 있으며, 소수의 고액 결제자가 만드는 긴 꼬리 분포도 정확하게 예측해야 합니다.

또한 모델의 예측이 실제로 맞았는지 확인하려면 28일을 기다려야 합니다. D7보다 학습 피드백이 늦게 들어오기 때문에 모델을 개선하는 과정도 훨씬 어렵습니다.

Unity Runtime 데이터의 핵심 가치는 데이터의 양보다 품질에 있습니다. Unity 엔진 데이터의 경쟁력을 단순히 다른 광고 네트워크가 보유하지 못한 데이터를 확보할 수 있다는 관점에서만 해석해서는 안 된다고 강조했습니다. 다른 엔진이라고 해서 데이터가 이정도로 나오는 건 아니라는 것으로, 이용자 행동의 순서, 발생 시점, 인과관계를 정확하게 기록할 수 있는 구조적 이점도 중요합니다.

일반적인 광고 네트워크는 게임 개발사, 광고 플랫폼, MMP 등 여러 출처에서 데이터를 전달받아 기록 시점이나 형식이 달라질 수 있습니다. 특히 Transformer로 행동의 순서와 맥락을 분석하는 AI 모델에서는 이런 차이가 중요한 문제가 됩니다. 반면 Unity 엔진 게임은 실행 순간부터 종료될 때까지 Runtime이 작동하므로, 개발자의 동의와 데이터 수집 설정이 갖춰지면 이벤트의 시간 순서와 맥락을 일관된 방식으로 기록할 수 있습니다.

일반 광고 네트워크에서 확보하기 어려운 게임 내 레벨, 재화, 플레이어 진행 상황 같은 게임 특화 데이터도 수집할 수 있습니다. 이런 구조가 AI 모델의 행동 이해와 미래 구매 가능성 예측에 도움이 된다고 설명했습니다. Developer Data Framework의 Runtime 데이터는 이미 사용되고 있고 현재까지 결과에도 만족하지만, 본격적인 확산은 아직 진행 중이며 도입률을 높일 여지가 상당하다고 말했습니다.

트랜스메딕스의 4Q 비행 건수는 593건, 오늘의 일간 비행데이터는 +19건이었습니다. 4Q는 20일이 지났으며 일평균 비행 속도는 29.65건 속도였습니다. 이제부터 내년 1~2월까지는 원래 계절적으로 이식 건수가 줄어드는 주기라서 실적 기대감은 더 낮아질 단계입니다.

트랜스메딕스의 3Q 비행 건수는 2,841건, 일간 비행데이터는 +35건이었습니다. 3Q는 92일이 지났으며 일평균 비행속도는 30.88건 속도였습니다.

오늘의 서클 USDC 유통량은 $72.25B, CCTP 전송량은 30일 기준 $18.9B입니다. USDC 유통량 자체는 거의 1년간 횡보 중입니다.

횡보를 뚫는 기준은 MoM 기준 20% 이상의 성장세를 1주간 유지하는가입니다. 오늘 주간 기준 -0.84%, 월간 기준 -2.81% 수준입니다.

지금은 Crypto Pair Trading, 예를 들면 BTC/USDC, ETH/USDC 등을 위한 예탁금으로 인해서 USDC 유통량이 바뀌는 게 가장 큽니다. 그래서 크립토가 오르면 USDC 유통량이 일시적으로 오르고 합니다. 아직 스테이블코인 결제가 더 쓰인다거나 하는 요소로 펀더멘탈이 바뀌는 것은 아닙니다.

피겨 테크의 주간/월간 잠정 영업 지표는 연결된 곳에서 확인하실 수 있습니다. 저희의 생각을 담아서 랩을 운용하고 있으며, 메리츠증권과 SK증권의 안내 링크가 이어집니다.