주간전략보고 : 투자의 생각 (4월 27일~5월 1일)

[원문 유형] 네이버 프리미엄 콘텐츠
[채널] 올바른 미국주식 by SAPIENS
[게시일] 2026.04.27. 오후 7:17
[원문 URL] https://contents.premium.naver.com/sapiens/sapiensasset/contents/260427191712399ai
[제목] 주간전략보고 : 투자의 생각 (4월 27일~5월 1일)
[수집 기준] 승인된 구독 열람권으로 실제 본문을 보존했다. 이미지·첨부는 별도 미디어 원장에 보관하며 시각적 의미 검토 여부를 구분한다.

[구독 원문 본문]
​

안녕하세요 올바른입니다.

​

꽤나 많은 자료들을 담았습니다. DeepSeek-V4 Technical Report 해석, TPU v8t/v8i 분석, 앤스로픽-AWS Trainium 딜에 대한 생각, GPT-5.5 Spud와 Chronicle입니다.

​

TPU v8 및 노키아 1Q26 실적을 분석하여 광학 Overweight 기업들에 대해 어떤 함의를 갖는지, 이번주 메모리 공급망은 어떤지, 네오클라우드 업계에 어떤 변화가 있는지가 담겼습니다.

​

엔비디아의 펀더멘탈을 바라볼 때, 많은 분들께서 자주 빠지는 몇 가지 함정들이 있습니다. 이러한 함정들 중 몇 가지를 정리했습니다. ASIC과 GPU에 대한 생각을 포함하고 있습니다.

주간전략보고

2026-04-20

주간전략보고 : 투자의 생각 (4월 20일~4월 24일) (바로가기​)

2026-04-13

주간전략보고 : 투자의 생각 (4월 13일~4월 17일) (바로가기​)

2026-04-06

주간전략보고 : 투자의 생각 (4월 6일~4월 10일) (바로가기​)

2026-03-30

주간전략보고 : 투자의 생각 (3월 30일~4월 3일) (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 : EPS 성장 기울기가 바뀐 시장, 여전히 매력적인 미국주식 밸류

1Q26 4주차 실적발표 훑어보기 : 4주차 24개 기업 - 업사이클 & 다운사이클 비교

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

단일 장비 → 인프라 통합 : Power → Electrification 제품 범위가 넓어지는 중 (1Q26 실적발표)

Magnificent 7 : AI Tokenomics/CUDA, DeepSeek-V4, TPU v8, Spud/Chronicle, Trainium, TSLA

​

📆 주간 캘린더 (4월 27일~5월 1일)

​

👨‍💻 → 1Q26 실적시즌 : 빅테크 실적이 몰려있는 주간

​

> 연준 : 4월 FOMC (목)

> 경기/물가 : CB 소비자신뢰지수 (화) 원유재고 (수) PCE (목) ISM 제조업 PMI (금)

> 고용/실업 : 신규실업수당청구건수 (목)

> 실적발표 : CLS, RMBS (월) BE, HOOD, STX, TER (화) AMZN, MSFT, META, GOOGL, VIAV (수) SNDK, WDC, LLY, CAT, PWR, AAPL (목) CVX, XOM (금)

> 이벤트 : 이란 이슈 아직 불투명

​

​

주간전략보고 : 투자의 생각

EPS 성장 기울기가 바뀐 시장, 여전히 매력적인 미국주식 밸류

​

🧭 S&P500 EPS 추정치 변화 (~4/24)

25년 EPS : $271.23

26년 EPS : $325.11 ▲ (3/12 $314.95 ← 2/27 $314.95 ← 1/23 $310.41)

27년 EPS : $375.32 ▲ (3/12 $366.18 ← 2/27 $363.14 ← 1/23 $358.4

5)

​

락아웃 랠리가 이어지는 시장

최근 이란 이슈에도 불구하고 미국 증시는 락아웃 랠리를 이어가고 있습니다. 여기서 락아웃 랠리란 많은 투자자들이 "조정이 오면 사야지"라고 기다리는 상황에서, 주가가 하락한 뒤 매우 빠르게 반등해 마치 매수 기회의 문이 잠겨버린 것(Lockout)처럼 상승하는 흐름을 말합니다.

​

이 이야기는 최근 지수의 흐름을 설명하기 위한 것이지, 제가 매크로나 차트 중심으로 시장을 판단한다는 뜻은 아닙니다. 개인적으로는 여전히 바텀업 관점에서 기업들의 펀더멘탈을 더 중요하게 봅니다. 지수도 마찬가지입니다. 지금 시장이 순풍인지 역풍인지를 볼 때 가장 중요하게 보는 것은 EPS 추정치입니다. 이익 전망이 ⓐ좋아지고 있는지 나빠지고 있는지(방향), 그리고 ⓑ그 변화 속도(속도)가 어떻게 진행되고 있는지를 봅니다.

​

'성장성 대비 밸류'

기업의 주가만 보면 때로는 펀더멘탈의 변화를 제대로 읽기 어렵습니다. 실제로 이익 전망이 빠르게 좋아지고 있음에도 불구하고, 시장이 그 속도를 과소평가하는 경우가 생기기 때문입니다. 그래서 단순히 주가가 올랐는지 내렸는지보다, 펀더멘탈이 개선되는 속도와 현재 밸류에이션을 함께 보는 것이 중요합니다.

​

그런 관점에서 보면, S&P 500 Forward P/E 기준 미국 주식 전반의 밸류에이션은 최근 락아웃 랠리에도 불구하고 아직 매력적인 구간입니다. 주가가 빠르게 반등했지만 그 사이에 AI로 인해서 이익 추정치가 상향되는 속도가 더 빨라진 상태라서 밸류에이션 부담은 높진 않은 상태입니다.

​

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

​

주간 퍼포먼스 체크

지수(4) : Nasdaq100(+2.4%), Russell2000(+0.6%), S&P500(+0.7%), Dow30(-0.4%)

빅테크(7) : 아마존(+5.9%), 엔비디아(+4.0%), 구글(+1.0%), 마이크로소프트(+0.8%), 애플(+0.2%), 메타(-0.7%), 테슬라(-6.3

%)

섹터(11) : 테크(+3.7%), 에너지(+3.2%), 필수소비재(+0.9%), 유틸리티(+0.2%), 원자재(+0.2%), 산업재(-0.3%), 경기민감재(-1.2%), 리츠(-1.4%), 금융(-1.7%), 커뮤니케이션(-2.7%), 헬스케어(-2.9%)

1Q26 4주차 실적발표 훑어보기

4주차 24개 기업 - 업사이클 & 다운사이클 비교

​

*업사이클이란? : 매출성장률이 역성장(-)에서 성장(+)으로 전환한 기업이거나, '성장률'자체가 약한성장(+)에서 고성장(++)으로 증가하는 기업을 선별하기 위해 많이 참고하고 있습니다. 매출성장률과 영업이익률이 동시에 증가하는 기업일 때는 실적 증가폭도 크지만 리레이팅도 같이 붙기 때문에 가장 좋아하는 구간입니다.

​

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

​

*'클릭 후 더블클릭'하시면 크게 보실 수 있습니다.

​

1Q26 4주차 실적발표

업사이클 ↗ : 이번주 실적발표 기업 중 업사이클 GEGE, 버티브VRT, 램리서치LRCX, 킨더모건KMI, 텍사스인스트루먼트TXN, 노키아NOK가 있습니다.

다운사이클 ↘ : 다운사이클인 기업은 할리버튼HAL, 테슬라TSLA, SAP SESAP이 있습니다.

무중력 ↔ : 딱히 표시를 안한 기업군은 순풍/역풍이 뚜렷하지는 않다고 보는 기업군들입니다. 매크로 순풍이나 역풍에 움직이지 않을 때에는 대부분 무중력인 기업군이 많은 것이 정상입니다.

투자의 생각

VRT, BE, ORCL/CRWV, MU, SNDK, LITE, AAOI, VIAV

​

상대적인 매력도

평가

주가와 기업의 펀더멘탈을 고려해서 세 가지 기준으로 평가하고 있습니다.

​

Overweight = 비중확대

Neutral = 중립

Underweight = 비중축소

올바른 미국주식 by SAPIENS

Overweight *순서는 비중, 강도와 무관합니다*

Nvidia

Google

Vertiv

Bloom Energy

Sea Limited

DoorDash

Micron

dLocal

MercadoLibre

Figure Tech

Sandisk

CoreWeave

Lumentum

Applied Optoelectronics

Viavi Solutions

버티브(VRT)

​

버티브VRT는 Overweight을 유지합니다. 이번 실적발표 자료는 <버티브 1Q26 실적발표 : 첫 토큰을 앞당기는 힘, 공장에서 만드는 데이터센터>에 올려드린 바 있습니다.

​

CY26으로 보자면 EPS $6.7 기준 PER 48배 → CY27로 보면 EPS $9.4 기준 PER 34배입니다. 중장기적으로 데이터센터의 전력밀도가 높아지고, 냉각밀도가 높아지고, BTM이 늘어날수록 버티브의 입장에서는 순풍입니다. 수요가 높아지니 좋기도 하지만 엔지니어링 역량이 더 많이 필요해질수록 전력과 열관리 모두에서 Tier 1 기업들이 점유율을 높일 수 있기도 하고, 버티브는 특히 데이터센터향 전력과 열관리 모두의 포트폴리오를 가진 사실상 유일한 기업이기 때문에 모듈화 데이터센터 수요도 매출로 바꿔낼 역량을 갖고 있어서 좋게 봅니다.

​

핵심 단어는 "Time-to-Token"

버티브가 강조한 Time-to-Token이란, 첫 토큰을 뽑아내기까지 걸리는 시간을 의미합니다. AI 데이터센터 고객에게 중요한 것은 더 이상 단순히 데이터센터를 짓는 것이 아니라 GPU를 들여온 뒤 실제 첫 토큰을 얼마나 빨리 뽑아내느냐입

니다. 버티브는 이 병목이 현장 시공, 숙련공 부족, 전력/냉각/IT 인프라 통합이 고난도로 바뀐 것에서 비롯된다고 보고 있습니다. 그래서 고객들은 현장에서 하나씩 조립하는 방식보다, 공장에서 미리 조립 및 검증된 모듈형 인프라를 선호하기 시작했습니다. 이 변화가 버티브에게 중요한 이유는 단품 장비 판매가 아니라 통합화된 솔루션 전체를 파는 회사로 포지션이 바뀌고 있기 때문입니다.

​

모듈형 데이터센터는 조립식 건물이 아니라, 시스템 단위 제품입니다

모듈형은 제가 임의로 이해하기 편하시도록 직관적으로 단어를 바꾼 것이고, 실제 경영진은 "prefabrication"으로 소통하고 있습니다. 이는 단순히 컨테이너형 구조물을 미리 만들어 현장에 가져다 놓는 수준이 아닙니다.

​

Vertiv OneCore, SmartRun 같은 제품은 전력 + 열관리 + IT white space + 서비스를 처음부터 하나의 시스템으로 설계된 솔루션입니다. 경영진은 이에 대해서 "prefabrication is not just prefabrication"이라고 설명했습니다. 즉, 버티브의 모듈형 전략은 고객의 현장 공사 부담을 줄이는 동시에, 버티브가 고객 프로젝트 안에서 가져가는 콘텐츠 비중을 높이는 전략입니다. BMarko 인수도 이 맥락에서 중요합니다. 버티브가 구조물 제작 역량까지 내재화하면, 전력/냉각 장비 공급업체를 넘어 제조형 데이터센터 인프라 사업자로 이동하기 때문입니다.

​

2H26 매출성장 가속화될 것 : ⓐ캐파 ⓑ수주잔고 ⓒAPAC/EMEA 회복

애널리스트들이 가장 많이 확인한 부분은 '어떻게 2H26에 성장률이 더 빨라진다고 자신하는가'였습니다. 회사이 답은 세 가지였습니다:

​

첫째, 최근 6~12개월 간 열심히 증설한 액체냉각 생산용량들이 하반기부터 본격적으로 반영됩니다.

둘째, 4Q25에 쌓인 수주잔고가 하반기 매출로 전환됩니다.

셋째, 경영진은 APAC과 EMEA가 하반기부터 성장에 다시 기여할 것으로 보고 있습

니다. 특히 EMEA 같은 경우는 1Q26까지도 매출이 부진했지만, 회사는 Q1 신규수주와 파이프라인이 좋았고, EMEA 내 AI 데이터센터 용량이 수요 대비 심각하게 부족한 수준인지라 하반기 매출 성장 전환 가능성이 높다고 설명했습니다.

개인적으로 유럽쪽에서 AI 데이터센터 용량이 수요 대비 상당히 부족하다고 말하고 있는 점, 그리고 유럽도 북미만큼이나 전력망 병목이 상당히 심하다는 것을 고려할 때 여기도 BTM 프로젝트가 많이 늘어날 거라 기대하는 만큼 향후 혹시 유럽 내에서도 블룸에너지의 SOFC 채택이 일어날 수 있을지 기대해보고 있습니다.

​

액체냉각과 서비스는 버티브의 반복매출 구조를 강화한다

AI 데이터센터는 전력밀도와 냉각밀도가 높아질수록 설치 이후의 유체 관리, 유지보수, 현장 서비스 난이도도 같이 올라갑니다. 2025년 11월 초 PurgeRite를 인수한 이유도 액체냉각이 늘어날수록 냉각수 관리, 배관, 현장 검증, 운영 서비스가 더 중요해지고, 이는 버티브의 project services(시운전까지를 보장하는 엔지니어 파견 서비스)와 lifecycle services(유지보수) 성장으로 연결되기 때문입니다.

​

제품 일회성 판매 GPM보다 마진율이 높은 서비스 사업부에서의 반복매출(recurring revenue)이 늘어나는 것입니다. 경영진도 설치 기반이 커질수록 장기적인 유지보수에 따른 고마진 매출기회가 커진다고 설명했습니다.

​

800V DC와 BTM은 CY27 이후의 순풍

엔비디아의 Rubin Ultra Kyber 랙부터 본격 침투할 800V DC, 그리고 현재도 이미 진행 중인 BTM 전력 구조는 버티브에게도 중요한 순풍 포인트로 언급됐습니다:

​

800V DC가 쓰이는 환경은 기본적으로 랙당 1MW에 달할 정도로 매우 높은 전력밀도를 가진 AI 클러스터가 되는 것을 의미하기 때문에, 칩뿐 아니라 클러스터 전반적인 전자기기 냉각 수요도 커질 수 있습니

다.

고객들이 전력망만 기다리지 않고 자체 전력자산, 마이크로그리드, BESS, UPS, 전력 제어 시스템을 함께 고려하여 자체 전력망을 짜는 BTM 구조로 이동하면, 데이터센터는 더 복잡한 전력 및 냉각 시스템이 됩니다. 원래는 유틸리티 기업들이 알아서 해줬을 것들을 하이퍼스케일러나 콜로케이션 기업들이 자체적으로 해야 하니, 버티브의 엔지니어링 역량을 더 필요로 하는 것입니다. 버티브 입장에서는 복잡성이 곧 더 큰 콘텐츠 기회(=시장 점유율 확대, 경쟁역량 강화)입니다.

블룸에너지(BE)

​

블룸에너지BE는 Overweight을 유지합니다.

​

블룸에너지도 고마진의 서비스 사업부가 있다

풍력기업들도 장기 서비스 계약에서 오는 현금흐름이 고마진이라 예전에 업황이 좋은 시절에는 좋게 봐주던 포인트 중 하나였습니다. VRT, GEV도 1Q26 실적발표에서 우리의 고마진 서비스 반복매출 사업에 대해서도 잘 평가해달라는 코멘트들을 했으니 한 번 더 정리해보자면 블룸에너지도 마찬가지입니다. 블룸에너지 CEO가 4Q25 실적발표에서 '투자자들이 서비스 사업부에 대해서 제대로 된 가치평가를 하고 있지 않다'고 강조했는데, SOFC 설치기반이 커지면서 이에 따라 유지보수 사업을 통해 벌어들일 현금흐름도 점점 더 두꺼워질 예정입니다.

​

*4Q25 기준 블룸에너지 매출의 10% 초반대 정도가 Service 매출입니다.

*블룸에너지 Service GPM은 1Q25 1.3% → 2Q25 9.3% → 3Q25 11.6% → 4Q25 16.9%로 점점 높아집니다. Service 사업부는 설치한 제품들에 대해서 장기간에 걸쳐 유지보수 및 모니터링 서비스에서 발생하는 매출입니다. 이 마진이 좋아지고 있다는 건 간단하게 설명하자면 블룸에너지가 평균무고장시간(MTBF)을 이전보다 더 높이고 있다는 의미입니다. 유지보수를 할 때 결국 제품 자체에 문제가 있으면 새 제품으로 스왑해줘야 하는데, 생산공정의 완성도를 끌어올려서 이전보다 고장이 덜 나면 유지보수에 받는 돈은 같아도 나가는 비용이 줄어드니 마진이 높아지는 것입니

다.

구글 TPU 인프라 책임자가 말하는 지금의 데이터센터 업계

아민 바흐다트가 Transition AI 2026에서 인터뷰한 내용들을 보고 개인적으로 느낀 바들을 정리해봅니다:

​

*아민 바흐다트의 생각은 이전에 <구글 AI 인프라 책임자의 경고 : '우리는 여전히 수요를 심각하게 과소평가하고 있다'>자료 에서 전해드린 바 있습니다.

​

훈련과 추론 클러스터의 차이

프론티어 모델을 훈련하는 데 드는 GW급 훈련 클러스터는 1~2년 정도 동안 훈련에 전용되고 나서 그 이후에는 해당 용량을 추론용으로 돌려서 서비스하고 있습니다. 추론 클러스터는 GW급이 필요하지 않습니다. <100MW 정도여도 충분히 대형 모델을 굴리는 데 제약이 없습니다.

​

훈련/추론용 클러스터 부분은 이전에 <AI 사이클 한 눈에 보기, SemiAnalysis 인터뷰 : "거품은 없다. AI ARR $100B가 온다"> 자료에서 좀 더 자세하게 설명드린 바 있으므로 이를 참고하시면 도움이 되실 것 같습니다.

예를 들어서 1GW 데이터센터를 구축해서 $50B CapEx를 한 다음 차세대 모델을 훈련할 클러스터를 짓고, 칩의 유효 수명이 5년이라고 볼 경우에 $50B를 5년 쓰니, 1년에 $10B씩 투입되는 셈(실제론 이것보다 덜 들어갑니다. CapEx의 30%는 Powered Shell에 대한 비용이기에)입니다. 그럼 이 클러스터는 대략 18~24개월 동안 프론티어 AI 모델을 훈련시키는 클러스터로 쓰기 때문에 2년 동안은 돈을 전혀 벌지 않습니다. 그러다가 3년차부터는 추론용으로 바꾸고 GPM 50%로 서비스할 경우 3년차 $20B, 4년차 $20B, 5년차 $20B를 벌어서 $60B를 법니다. 훈련용 클러스터로도 돈을 충분히 버는 것입니다. 그리고 나머지 추론용 컴퓨팅으로는 처음부터 서빙하니 $100B를 버니 더 마진이 좋습니다.

이 부분이 시간개념이 꼭 필요합니다, 만약, 이러한 주제를 처음 접하신다면 혹은 GPU를 통해서 진짜 돈을 버는 게 맞는 걸까에 대해서 가장 약한고리로 취급받는 네오클라우드들조차 사실은 돈을 버는 사업을 하고 있다는 것을 파악하는 게 중요하므로 <네오클라우드 뜯어보기 : GPU 임대의 경제학, 네오클라우드 BIG 4 비교분석> & <네오클라우드 뜯어보기 #2 : 새로운 시대의 AI 계급도, 전력을 돈으로 바꾼 Powered Shell>을 한 번씩 살펴보시길 권해드립니

다.

​

앞으로는 Latency가 점점 더 중요해질 것

바흐다트는 추론으로 갈수록 Latency가 중요해진다고 강조했습니다. 그 중에서도 Agentic AI가 중심 워크로드가 되면서 멀리 떨어진 사이트들끼리 추론하게 되면서 네트워킹을 거칠 때 지연이 생기는 문제들이 더욱 부각될 가능성이 높습니다. 더 상호작용적으로 변할수록 그렇습니다. 이에 따라 앞으로는 데이터센터의 지리적 근접성까지 중요해질 것으로 봤습니다. 다시금 CPU 데이터센터 시대와 비슷한 양상으로 흘러가게 되는 것입니다.

​

대형을 짓는 게 더 쉽다, 그러나...

구글이 수년간 작업하고 느낀 건 작은 클러스터 여러 개를 짓는 것보다 대형 클러스터를 몇 개만 짓는 게 더 쉽다는 점입니다. 그러나 규모가 커질수록 장애 허용성 관리가 어려워지고, 지리적 근접성이 떨어지기 때문에 비효율이 생기므로 중간 규모의 데이터센터를 적당한 수로 운영하고 + 소수의 대형 데이터센터를 보완적으로 붙이는 구조가 보편적이 될 것으로 봤습니다. 작은 수의 사이트를 1,000개씩 운영하는 것도 관리 측면에서 다른 병목들이 생기기 때문에 작은 데이터센터를 무한히 짓는 것도 그닥 좋진 않다고 말했습니다.

​

데이터센터 고객들의 '신뢰도'에 대한 인식 변화

원래 데이터센터와 소프트웨어 서비스에서는 컴퓨트가 전체 비용에서 차지하는 비중이 상대적으로 작았습니다. 그렇기에 고객들이나 운영자들은 신뢰성을 맞추기 위해 약간의 과잉구축하여 전력망 신뢰도를 99.999%(five-nines)를 갖추는 걸 원했습니다. 지금도 AI 데이터센터는 99.99%(four-nines)를 갖추려고 노력하긴 합니다만 고객들이 원하는 스펙이 달라지고 있습니다. 예를 들어서, 99.99% 가용성을 서비스 계약(SLA)에 녹이되 용량은 1x로 갖겠냐 or 99%(two-nines, 이정도면 1년에 3.65일의 다운타임) 가용성을 갖는 대신 용량을 2x로 받겠느냐 물어보면 매우 자주 고객들이 99% + 용량 2x 조합을 원한다는 것입니

다.

​

BTM으로 하면 아무래도 전력망(FTM)을 통해서 조달받는 것에 비해서 신뢰도가 낮을 수밖에 없는데, 고객들이 그것에 대해서 덜 민감해지고 있다는 건 기본적으로 BTM 프로젝트에 우호적으로 변하고 있단 의미이므로 블룸에너지에게도 좋은 방향입니다.

​

사실상 모든 것이 병목이다

칩, 전력, 노동, EPC 중 어떤 것이 더 병목인지를 강제로 순위화하지 않으며 실제 용량을 전달하는 입장에서는 하나의 병목만 개선한다고 되는 것이 아니기 때문에 모든 것을 한 번에 신경쓰고 있다고 말했습니다.

오라클(ORCL), 코어위브(CRWV)

​

오라클ORCL은 Neutral을 유지합니다.

코어위브CRWV는 Overweight을 유지합니다.

​

최근 Azure 정책변경을 통해서 살펴볼 때, GPU 수요-공급이 부족해지다보니 네오클라우드인 코어위브 입장에서 유리해지고 있습니다. 앞으로 ⓐGPU 임대가격이 높아지기도 하고 ⓑ계약 시 더 유리한 조건들을 설정할 수 있을 것으로 예상되며 ⓒ5월 케빈 워시 임명 이후부터는 금리인하로 인해 이자비용 부담도 줄어들어 순풍을 볼 것으로 기대합니다.

​

AI 스타트업이 접근할 GPU가 부족해지는 중

현재 마이크로소프트를 비롯한 클라우드 사업자들이 보유한 GPU 물량을 내부 AI팀이나 대형 클라우드 고객에게 우선 배정하면서 작은 스타트업들은 남은 서버를 더 비싼 가격에 구해야 하는 상황입니다.

​

이는 2023년 초 GPU 품귀 현상과 비슷하지만 이번에는 AI 애플리케이션 수요가 훨씬 커졌다는 점이 다릅니다. 당시에는 AI 서비스가 막 시작되는 단계라서 훈련 수요가 메인이었다면 지금은 AI 코딩툴, 자동화 도구, 이미지 생성 모델, 에이전트 서비스 등 실제 사용량이 폭증하고 있습니다.

​

이번 공급부족의 가장 큰 원인은 오픈AI/앤스로픽의 추론 수요가 폭증한 데 있습니다.

​

앤스로픽의 급격한 성장으로 인해서 막대한 컴퓨팅 자원을 필요로 하게 되면서, 클라우드 사업자들 입장에서는 중소형 스타트업들에게 GPU를 할당하기보다 우선적으로 대형 고객에게 GPU를 배정하는 게 전략적으로도 좋습

니다. 전략 고객을 붙잡기 위한 자산이 되고 있는 셈입니다.

​

마이크로소프트의 클라우드 정책 변화

최근 마이크로소프트는 엔비디아 Blackwell GPU를 임대하길 원하는 고객에게 최소 1,000개 이상의 GPU를 1년 이상 임대하는 수준의 계약을 요구하고 있습니다. "수천만 달러 이상의 계약만 받겠다"고 선언한 셈입니다.

​

또한 Azure는 고객을 지출 규모에 따라 Tier 1, Tier 2, Tier 3로 나눠 우선순위를 정하고 있습니다. 가장 큰 클라우드 지출 고객들이 먼저 GPU를 배정받고, 작은 스타트업이나 리셀러를 통해 관리되는 고객들은 뒤로 밀립니다. 이제 GPU 접근성은 돈을 낼 수 있느냐를 넘어서 → 이미 마이크로소프트 생태계에서 얼마나 중요한 고객이냐에 따라 결정되고 있습니다.

​

GPU를 배정받은 고객이 이를 충분하게 사용하지 않을 경우 접근 권한을 회수하기도 합니다. 몇 시간만 서버를 비워두더라고 GPU 접근 권한을 회수할 수 있다는 내용이 있습니다. Microsoft for Startups를 통해 무료 크레딧으로 GPU를 쓰던 스타트업들도 비슷한 압박을 받고 있습니다. GPU를 완전히 활용하지 않으면 접근 권한을 잃을 수 있다는 것입니다. 최대한 실사용률이 높은 고객에게 재배치하려는 정책을 강화하고 있다는 의미입니다.

​

Blackwell GPU 임대가격 : 6개월 전 시간당 $2.80 → 현재 $3.70

GPU 부족으로 인해서 가격이 상승하고 있기도 합니다:

​

이미지 생성 AI 스타트업 Krea는 6개월 전 Blackwell GPU를 시간당 2.80달러에 계약했지만 최근에는 시간당 3.70달러를 내기로 했습니다. 같은 Blackwell 기준으로 약 32% 오른 가격입니다.

Lightning AI의 사례도 비슷합니다. 이 회사는 약 4만 개 GPU를 운영 중이지만 약 40개 고객이 총 40만 개 GPU를 요청하는 대기 수요를 갖고 있다고 밝혔습

니다. 이로 인해 Hopper GPU 가격도 최근 6개월 동안 25% 이상 올랐다고 설명했습니다.

​

많은 AI 스타트업들이 2~3년 전 체결했던 클라우드 계약이 만료되는 시점에 들어서고 있습니다. 클라우드 사업자 입장에서는 이 시점이 기존 고객에게 더 비싼 조건을 제시하거나, 해당 GPU를 더 높은 가격을 내는 다른 고객에게 넘길 수 있는 기회입니다.

​

GCP와 오라클/코어위브 파트너십 확대

오라클이 GCP와의 파트너십을 확장했습니다. Oracle Database에서 직접 연결하여 Gemini Enteprise를 쓸 수 있는 에이전트 제품을 발표한 것입니다. IT 부서가 아닌 직원들이 오라클 DB에 저장된 데이터를 구체적으로 이해하지 않고도 알아서 제미나이가 기업 내에 있는 데이터들을 살펴보고 답해주는 서비스를 제공하려는 것입니다. 오라클 입장에서는 IaaS에 비해서 고마진인 데이터베이스 사업을 더 키우려고 하니까 좋고, 구글 입장에서는 현재 B2B에서 밀리고 있는 구도를 타개하기 위해서 Gemini Enterprise를 어디에 쓰면 좋을지 파트너십들을 확장하는 국면입니다.

​

코어위브가 GCP와 클라우드 간 AI 구현 간소화를 위한 기능들을 발표했습니다: ⓐCoreWeave Interconnect, ⓑSUNK Anywhere, ⓒLOTA Cross-Cloud입니다. 이 기능들은 네트워크, 스토리지 또는 컴퓨팅 측면에서 크로스 클라우드 AI를 더욱 쉽고 편리하게 사용할 수 있도록 지원합니다. 코어위브는 고성능 광섬유 DCI를 통해서 ⓐ를 지원할 예정입니다.

​

SemiAnalysis, ClusterMAX 2.1 업데이트

SemiAnalysis의 ClusterMAX 2.1가 발표됐습니다. 코어위브가 Platinum, 네비우스/오라클/마이크로소프트/플루이드스택이 Gold 등급입니다. IREN은 Not Recommend로 레이팅됐습니다.

​

짧은 전문가 인터뷰 : 네비우스 인프라 담

당자

최근 네비우스 인프라 담당자 인터뷰 내용을 통해서, 현 상태에 대해서 살펴보면:

​

현재 추론이 기업들의 워크로드의 90~95%를 차지합니다. 대부분의 기업이 이제 모델을 훈련하고 파인튜닝하기보다 API에 의존하기 때문입니다. 2023~2024년만 해도 훈련이 워크로드의 85~90%를 차지했던 것과 비교하자면 엄청난 반전입니다.

네오클라우드는 현재 90%의 가동률로 운영 중이며, 가동률이 100%가 아닌 이유는 클라이언트들과의 계약상 버퍼를 둬야 하기 때문입니다. 하이퍼스케일러들은 비슷한 수준이긴 한데 기업 고객들이 업무시간을 끝낼 시기쯤이 오면 가동률이 약 80% 수준까지 떨어지기도 하는 반면, 네오클라우드는 주로 AI 스타트업들이 24시간 워크로드를 운영하기 때문에 더 높은 수준을 유지하고 있습니다.

온디맨드 가격의 경우 H100이 시간당 $2.95, H200은 $3.50, B200은 $4.90~$6.50입니다. 1~2년 단위 고정가격 계약 시는 H100은 $1.50, H200은 $2.20, B200은 $3.50, B300은 $5.50부터 시작합니다. 네오클라우드 가격은 하이퍼스케일러들의 가격보다 40~80% 낮게 책정되고 있습니다.

코어위브가 네오클라우드 시장의 명확한 리더라고 평가했습니다. 현재 약 40만 개의 GPU를 갖고 있기도 하고, GLXY 같은 Powered Shell 기업들을 통해서 추가 전력 용량을 늘리면 최대 100만 개까지 GPU를 탑재할 수 있는 점, 엔지니어링 팀이나 클라이언트 관리 능력 등이 좋다고 말했습니다. 네비우스는 소프트웨어 스택이나 고객들 모델 배포의 용이성, GPU 조달능력 면에서 2위라고 평가했습니다.

​

마이크론(MU)

​

마이크론MU는 Overweight을 유지합니다.

​

BofA, 메모리 공급망 체크

4월 24일자 BofA의 메모리 공급망 체크 자료를 정리해봅니다:

​

메모리 공급업체들이 장기공급계약에 대해서 덜 적극적 : 메모리 업체들은 장기공급계약(LTA) 기반 판매에도 이전보다 덜 적극적인 태도를 보이고 있습

니다. 이유는 지금처럼 DRAM과 NAND 계약가격이 매 분기 올라가는 환경에서는 장기계약이 오히려 가격 상승 여력을 제한할 수 있기 때문입니다. 만약 메모리 공급부족이 2027~2028년까지 이어진다면, 단기/분기별 가격 협상을 통해 더 높은 가격을 받을 수 있습니다. 그런데 LTA를 너무 많이 체결하면 향후 가격 상승 구간에서 수익성 업사이드가 제한될 수 있습니다. 따라서 메모리 업체 입장에서는 지금 LTA를 무리하게 늘리기보다, 지금의 타이트한 가격 협상력을 유지하는 쪽이 더 유리하다고 판단하는 중입니다.

​

CY28 DRAM 웨이퍼 증설 기대치가 낮아지는 중 : 투자자들이 우려하는 부분은 CY28입니다. 한국과 미국에 새로 지어지는 shell fab에서 대규모 DRAM 웨이퍼 캐파가 추가될 수 있다는 걱정이 있기 때문입니다. 하지만 실제 메모리 업체들의 태도는 훨씬 더 보수적입니다. 대부분의 업체들은 2028년 신규 팹 하나당 최대 50~60K wpm 수준의 캐파 추가를 예상하는 것으로 보입니다. 클린룸 공간만 보면 100K wpm 이상도 가능할 수 있지만, 실제 장비를 넣고 1d node 같은 첨단 공정을 대규모로 안정적으로 운영하는 것은 훨씬 어렵습니다. 따라서 업체들은 전공정 장비 투자를 공격적으로 한 번에 집행하기보다, 훨씬 더 절제된 방식으로 단계적으로 캐파를 늘릴 가능성이 큽니다. 첨단 노드 전환, 수율 안정화, 장비 리드타임, 공정 난이도 등을 고려하면 공급 증가 속도는 제한적일 수밖에 없고, 결국 2028년에도 DRAM 공급은 수요를 충분히 따라가기 어렵다는 판단이 가능합니다.

​

*4월 24일자 기준, DDR5 및 NAND 웨이퍼 계약가격입니다.

​

1인당 메모리 사용량 차트

인터넷 사용자 한 명이 연간 50Gb의 메모리를 소비하는 데까지 20년이 걸렸는데, AI가 단 5년 만에 그 규모를 5배까지 늘릴 수 있을 것인가의 관점을 Coatue가 차트화시켰습

니다. 이게 결국 지능은 완성이 됐으나 지금은 마치 메멘토처럼 계속 기억을 잃는 상태인 AI이기 때문에, 점점 더 많은 것들을 기억시키려는 수요가 있을 거라 생각하는 만큼 '그럴 수도 있겠다' 정도로 생각합니다.

​

Citi, 메모리 공급업체들의 LTA 세 갈래

Citi는 최근 메모리 공급업체들의 LTA를 두고 세 가지 방향성이 논의 중이라고 말했습니다: ⓐ가격 밴드형 LTA / ⓑ선급금형 LTA / ⓒCapEx 분담형 LTA입니다.

​

ⓐ는 메모리 공급업체가 메모리 가격의 하한선과 상한선을 설정하여 고객과 공급업체 모두 다년간의 가격 변동 리스크를 줄이는 것입니다. 현 시장가격 기준으로 LTA 가격이 연동되는 방식입니다.

ⓑ는 선급금을 받는 규모가 고객이 요청하는 계약물량의 30% 정도가 될 것으로 예상하며, ⓐ형 LTA보다 훨씬 더 강한 구속력을 지닙니다. 최근 64Gb DDR5 RDIMM 및 eSSD 수요가 폭발적으로 증가하고 있기 때문에 고객들이 선급금까지 감수할 의향이 있는 상태입니다.

ⓒ는 각종 팹 건설비용을 고객이 일부 분담하고, 대가로 고객은 해당 팹 생산 용량의 일부를 사전에 확보하는 식입니다. 가장 강한 형태의 구속력을 가진 LTA입니다.

​

다시 강해지기 시작한 메모리

CY27 메모리 공급은 YoY 20~25% 정도 높아질 것으로 기대하는데, 수요는 YoY 50~70% 가까이 늘어날 것을 예고하고 있는 상황이므로 CY27에도 가격은 꾸준히 높아질 것이라고 추정하는 것이 합리적입니다. 이에 대해서 SemiAnalysis 딜런 파텔은 '지금의 공급부족 규모를 생각하고 앞으로 수요가 더 높아질 것이라는 점도 함께 생각한다면 앞으로 DRAM 가격이 현 수준에서도 2~3배가 높아질 것'이라고 전망했습니다.

​

펀더멘탈 자체는 계속해서 좋게 보고 있었기에, 요즘 더 좋아진 뉴스플로우만 한 번 정리해봅니다.

​

구글 TPU v8 : 일각에서 TurboQuant에 대해서 우려했던 게 있는 것 같으나 구글의 TPU v8t/v8i의 메모리 용량 확대를 보면서 안심한 점, 그리고 구글 TPU v8에서도 엔비디아 Rubin Pod 단위로 도입되는 CMX 랙처럼 스토리지를 더 적극적으로 TPU Direct로 연결하려 한다는 점이 긍정적이었던 주간입

니다. TurboQuant 및 NVIDIA KVTC에 대해서는 3월 23일 주간전략보고, 3월 30일 주간전략보고의 마이크론/샌디스크 코멘트에서 생각들을 정리해드린 바 있습니다.

CXMT의 HBM3 양산일정 차질 : zdnet에 따르면 CXMT가 1H26쯤 HBM3 상용화에 나서는 게 목표였지만 아직까지 소재나 부품 협력사에 양산 수준의 발주를 하지 않을 것으로 보여 HBM3 양산 일정에 차질을 겪고 있는 것으로 파악됩니다. 일정이 계속해서 지연되고 있다보니 중국 내의 HBM3 연내 양산이 어렵지 않겠나 하는 정도인지라 SEC/SKH/MU에게는 긍정적입니다.

마이크론, 미국 의회에 중국 칩 메이커들에 대한 수출제한 조치 압력 : 로이터 보도에 따르면 마이크론이 최근 CXMT/YMTC/SMIC가 칩을 만드는 데 사용하는 장비에 대한 더 강화된 장비수출 제한 조치를 미 의회가 통과시키도록 압력을 가했습니다. 미 하원위원회가 반도체 장비 수출에 대한 규제의 허점을 메우기 위해 고안한 MATCH Acts를 통과시킬 수 있도록 한 것입니다. 중국의 CXMT(창신메모리)/YMTC(양쯔메모리)가 메모리 CapEx에 매우 적극적이었기에 이들의 확장세에 제동을 걸 수 있다면 SEC/SKH/MU에게는 고르게 좋은 요인입니다.

NAND 웨이퍼 생산량이 감소하고 있습니다 : 수요는 좋은데 공급이 감소하면 수요-공급 불균형이 더욱 심해진다는 의미이므로 마찬가지로 NAND 기업들에게 좋습니다. SEC/SKH/MU는 NAND 비중보다 DRAM이 훨씬 크기에 약간 좋고, Kioxia/Sandisk는 퓨어 NAND 플레이어이기에 더 좋습니다. SEC NAND 생산량의 40%가 중국 시안 NAND 팹에서 나오고 있는데, 기존 128단 제품군을 236단 V8, 286단 V9로 전환함에 따라서 월간 NAND Flash 생산량이 월 15만 장에서 약 5~6% 감소하는 중입니다. 물론 이것 자체는 이미 3월 29일에 보도가 나왔던 것이 재인용되는 것입니다만 어쨌든 순풍인 뉴스긴 합니

다.

샌디스크(SNDK)

​

샌디스크SNDK는 Overweight을 유지합니다.

​

GF Securities, Sandisk CY1Q26 Preview

이번 주 샌디스크가 실적발표 예정인데, GF 증권의 Preview 자료를 살펴봅니다.

​

NAND ASP 상승 속도가 예상보다 강하다

NAND 평균판매가격은 3Q25에 이미 QoQ 70%대 상승했는데 → 4Q25에는 상승률이 QoQ 90~100%까지 더 가속화될 것으로 예상햇습니다. 특히 이번 사이클에서 가장 큰 서프라이즈는 소비자 전자기기 쪽입니다. 중국 안드로이드 OEM들이 출하량을 줄였음에도 공급 부족이 이어지면서, 스마트폰 업체들이 GB당 0.25달러 수준의 가격 인상을 받아들이고 있습니다. 이는 3Q25의 0.12달러/GB 대비 2배 이상 높은 수준입니다. 또한 현재 Enterprise SSD 가격 협상 범위가 $0.35~$0.37/GB 수준일 것으로 추정했습니다.

​

P 주도 상승 지속 중

이를 통해 1Q26의 NAND ASP도 QoQ 90% 상승했을 것으로 추정했습니다. 애널리스트 추정상 매출은 $4.9B, 영업이익률은 71.5%일 것이라 전망했습니다. 4Q25 매출이 $3.0B, 영업이익률 35.5%였으므로 매우 가파른 수준의 상승을 의미합니다. 더 중요한 건 2Q26 가이던스인데 이것도 애널 추정상 매출 $10B 이상, 영업이익률 84% 이상을 예상했습니다. 또한 LTA 관련 선수금이 계약부채 증가 형태로 얼마나 잡히는가도 중요할 것이라고 봤습니다.

​

CY27에는 KV Cache 수요가 100EB 더해질 것

샌디스크는 CY27에 KV Cache offloading용 수요로 100EB의 추가적인 NAND 수요가 더해질 수 있다고 언급하고 있습니다. 이정도면 CY27 전체 NAND 수요의 7%에 해당합니다. 업계에서는 향후 Agentic AI 수요가 높아지고 토큰 사용량도 늘고 있음을 생각하면 이정도 성장세도 보수적일 수 있다고 보고 있으며, 2028년에는 해당 KV Cache용 eSSD 수요가 2배로 커질 수 있다고 봤습

니다. 실제 CY26 초입부터 Codex, Claude Code 및 Cowork의 수요가 매우 높은 상태임을 생각해보면 충분히 가능성 있는 시나리오입니다.

​

수요는 빠르게 커지는 반면, NAND 공급 증가는 제한적입니다. SKH는 신규 증설보다 기술 전환에 집중하고 있고, 주요 신규 공급은 SanDisk/Kioxia의 K2 팹, 삼성 P5 라인, YMTC 정도입니다. 특히 삼성 P5는 2028년에 본격 가동될 것으로 보여 단기적으로는 공급이 수요를 빠르게 따라가기 어렵다는 관점입니다.

​

Agentic AI + NAND의 조합이 좋다

최근 주간전략보고를 통해 꾸준히 말씀드렸듯, AI 워크로드가 Agentic AI로 이동하면 단순히 연산에 필요한 메모리 할당 수요만 늘어나는 것이 아닙니다. 더 중요한 변화는 KV Cache를 저장, 조회, 재사용하는 수요가 함께 커진다는 점입니다.

​

얼마나 오래 기억하고, 병렬로 추론하느냐

메인 워크로드가 Agentic AI로 이동할수록 성능을 좌우하는 요소도 달라집니다. 앞으로는 ⓐ각 에이전트가 얼마나 큰 컨텍스트와 메모리를 다룰 수 있는지, ⓑ얼마나 많은 병렬 에이전트가 동시에 작동할 수 있는지, ⓒ얼마나 긴 추론 단계를 안정적으로 처리할 수 있는지가 중요해집니다. 이 때문에 DRAM/NAND, CPU, 고대역폭 인터커넥트가 AI 인프라 성능을 결정하는 핵심 요소로 부상하고 있습니다.

​

모든 데이터를 비싼 DRAM에 올릴 필요를 줄이는 작업

서버 DRAM은 GB당 $2.2 정도로 eSSD 대비 훨씬 비싼 자원입니다. eSSD는 QoQ 가격이 70~100%씩 몇 분기째 올라가며 GB당 $0.35~$0.37 수준까지 올라왔지만 여전히 DRAM보다 비용 효율적인 저장 계층입니다. 따라서 모든 데이터를 비싼 DRAM에 상주시켜두기보다, KV Cache와 장기 컨텍스트 데이터는 NAND 기반의 G3.5 계층에 더 많이 배치하려는 구조가 점점 더 확산될 가능성이 높습니

다.

​

엔비디아가 CES 2026에서 발표했던 CMX도 그렇고, 이번 구글이 Cloud Next'26에서 TPU v8와 함께 발표한 TPUDirect도 스토리지를 호스트 CPU나 DRAM을 거치지 않고 GPU/TPU와 직접 연결하게 하여 KV Cache를 위해 eSSD를 적극 사용하는 로드맵입니다.

​

저장, 검색/조회, 재사용

Agentic AI에서는 하나의 질문에 한 번 답하고 끝나는 구조보다, 장시간 세션을 유지하고, 대규모 컨텍스트를 참고하며, 여러 단계의 추론과 검증을 반복하는 구조가 많아집니다. 이 과정에서 중간 산출물, 이전 결과물, 장기 컨텍스트, KV Cache를 저장하고 다시 불러오는 능력이 중요해집니다. 결국 대용량 저장장치는 단순한 보조 장치가 아니라 AI 인프라의 성능과 비용 효율을 함께 결정하는 핵심 자산이 됩니다.

​

이 흐름은 NAND가 단순한 스토리지 부품이 아니라 AI 인프라의 메인 퍼포먼스 축으로 재평가받게 만드는 요인입니다. 이에 따라 향후 NAND 수요는 단순히 데이터센터 서버 대수 증가에 따라 늘어나는 수준을 넘어설 것으로 전망합니다. 이제는 Agentic AI, 영상 생성 및 서비스, 월드모델, 장기 컨텍스트 기반 추론 같은 워크로드 변화가 NAND 수요를 구조적으로 키우는 방향으로 작용할 가능성이 높습니다.

루멘텀(LITE)

​

루멘텀LITE는 Overweight을 유지합니다.

​

CY27 EPS $30 기준, CY27 PER 29배입니다. 최근 주가들이 탄력적인 기업들 대부분의 CPU 및 전력반도체 기업들의 밸류가 CY27 PER 40~50배 정도 이상임을 생각해보면 ⓐ성장성 ⓑ밸류 ⓒ각 요소별 가시성을 고려했을 때의 기준으로는 엔비디아, 코어위브, 메모리, 광학 정도의 매력도가 여전히 높다고 판단하고 있습니다.

​

최근의 광학 업계에서 중요한 포인트 4가지

TrendForce는 AI용 글로벌 광트랜시버 시장규모가 CY25 $16.5B → CY26 $26.0B로 성장한다고 예상했습

니다. 컨센과 부합하는 정도의 톤으로만 쓰인 자료라서, 큰 함의는 없으나 현 상태를 체크하기에 좋은 내용들이 많이 담겨 있습니다. TrendForce는 현재 광학 분야의 트렌드를 몇 가지 꼽았습니다:

EML, CW 레이저 같은 레이저 칩이 여전히 수요 대비 크게 부족합니다.

광학 정렬을 포함한 고정밀 제조 공정이 어렵다보니 공급이 빠르게 늘고 있지 않습니다.

엔비디아는 핵심 부품 확보를 위해서 LTA를 통해 공급 리스크를 적극 완화 중입니다.

기존의 플러거블 광모듈 전력 및 열 제약을 완화하려 LPO 및 SiPh 방향으로 가속 중입니다.

​

폭스콘, 엔비디아 Spectrum-X CPO 양산 준비 완료

대만경제일보에 따르면, 최근 폭스콘이 엔비디아 Vera Rubin 플랫폼의 CPO 양산 준비를 완료했습니다. FII는 이미 Scale-out CPO 스위치 프로토타입을 생산 중이며 올해 1만 개 이상 출하 예정이고 3Q26부터 양산에 돌입할 계획입니다. CPO 도입 일정 자체는 정상 진행 중입니다. 제품 경쟁력을 고려하자면 2H26의 Spectrum-X CPO 스위치 칩 → 2H27의 Quantum InfiniBand CPO 스위치 칩 출하가 각각 크게 늘어날 것으로 예상합니다.

옵토일렉트로닉스(AAOI)

​

옵토일렉트로닉스AAOI는 Overweight을 유지합니다.

​

InP 레이저 칩이 병목인 시대, 옵토에게 유리한 환경

주간에도 여러 광학 기업 M&A 소식들도 있고, 미디어텍의 MicroLED 개발 소식들도 있었습니다. MicroLED 같은 경우는 양산이 언제 될지는 좀 더 살펴보긴 할 예정입니다. (미디어텍-MicroLED 관련 내용은 4월 22일 일간보고 내용을 참고해주세요.) 기존에 옵토일렉트로닉스를 좋게 보는 투자포인트를 바꿀만한 뉴스는 없었습니다. InP 레이저 칩 병목이 지속되고 있는 상황에서 자체 InP/CW 레이저 칩을 생산할 수 있는 옵토일렉트로닉스에게 신규 주문이 이어질 것이란 기대입니

다.

​

기존에 전해드렸던 상태 그대로인지라, 분석 자료들은 아래를 참고해주세요:

​

'빛💡'의 시대 : 광학 밸류체인 한 눈에 보기 (바로가기)

OFC 2026 : 광학이 중요해지고 있는 이유들, 태풍의 눈에 있는 두 가지 기업 분석 (바로가기)

AI 인프라의 새로운 병목 '광학' : 앞으로의 2~3년 가파른 채택곡선 (트랜시버, OCS, CPO) (바로가기)

비아비 솔루션스(VIAV) 기업분석 : 광학의 시대, 더 많은 테스트가 필요해 (​바로가기)

비아비(VIAV)

​

비아비VIAV는 Overweight을 유지합니다.

​

샌디스크와 마찬가지로 비아비도 이번 주 실적발표 예정입니다. 비아비에게 좀 간접적인 노키아 실적발표가 있었는데, 해당 내용이 좋았기에 비아비가 지난주에 광학 내에서도 아웃퍼폼하는 모습을 보였습니다.

​

노키아 CY1Q26 실적발표에서 얻는 코멘트들

NOK가 1Q26 실적발표를 마치고 +4.8% 상승했습니다. 사업구조상 비아비 솔루션스(VIAV)와 관련이 깊기 때문에 비아비도 같은 날 +4.2% 상승했습니다. 노키아는 무선 장비와 데이터센터 광학 제품을 개발 및 판매하는 장비 공급자입니다. 반면 비아비는 이러한 장비들이 성능, 신뢰성, 상호운용성, 품질 기준을 충족하는지 검증하는 테스트 인프라 공급자입니다. 노키아의 광학 장비 수요가 강해진다는 것은, 비아비 입장에서는 해당 장비를 검증하고 인증하고 운영 단계에서 모니터링하는 테스트 수요가 함께 커질 수 있다는 의미입니다.

​

비아비에 대한 자료는 <비아비 솔루션스(VIAV) 기업분석 : 광학의 시대, 더 많은 테스트가 필요해>를 참고해주세요.

​

AI & Cloud 매출 49% 성장, 광학 수요가 숫자로 확인되는 구간

노키아 콜에서 중요했던 건 노키아는 AI & Cloud 매출이 YoY 49% 증가했고, 신규 AI & Cloud 주문 €1.0B를 받았으며, 분기 신규주문이 Optical Networks에 의해 주도됐다고 설명했

습니다. Optical Networks 매출도 YoY 20% 성장했습니다.

​

비아비 입장에서는 광학 테스트 장비 수요의 선행이자 동행지표입니다. ⓐ광모듈과 라인 시스템의 R&D 검증이 늘어납니다. ⓑ양산 전환 과정에서 생산 테스트가 늘어납니다. ⓒ고객사 채택 과정에서 상호운용성 테스트가 늘어납니다. ⓓ실제 데이터센터 구축 단계에서 현장 설치/품질 검증/장애 분석 수요가 늘어납니다. ⓔ구축 이후에는 모니터링, 서비스 보증, SLA 검증 수요가 늘어납니다.

​

AI-RAN 필드 시범사업도 중요한 포인트

또 하나 주목할 부분은 AI-RAN입니다.

​

노키아는 엔비디아와의 AI-RAN 필드 시범사업을 CY26 말까지 시작할 계획이라고 밝혔습니다. 아직 본격적인 상용화 단계는 아니고 테스트 단계입니다. 다만 비아비 관점에서는 의미가 있습니다. 비아비의 CY27~28 이후 장기 고성장을 전망하려면, 현재의 데이터센터 및 광학 밸류체인 내 테스트 장비 수요뿐만 아니라 향후 AI-RAN향 통신장비 출하 수요까지 붙어주는 것이 중요합니다.

​

그런 점에서 노키아와 엔비디아의 AI-RAN 필드 시범사업이 올해 안에 시작될 예정이라는 점은 비아비에게 긍정적인 옵션입니다. 지금 당장의 실적 기여보다는, 향후 통신장비 테스트 수요가 다시 열릴 수 있는 초기 신호로 볼 수 있습니다.

단일 장비 → 인프라 통합

Power → Electrification 제품 범위가 넓어지는 중 (1Q26 실적발표)

​

GE 버노바 GE Vernova : 가스터빈 및 전력기기 기업

4월 22일, GE 버노바가 1Q26 실적발표를 마쳤습니다. 중요한 것들만 정리해봅니다.

​

$200B 수주잔고 달성 시점을 2028 → 2027년으로 앞당기다

이번 분기에는 한 분기 사이 $13B의 수주잔고를 추가했고, 더 중요한 건 회사가 $200B 수주잔고 달성 시점을 기존 2028년 → 2027년으로 1년 앞당겼다는 것

입니다. 분기 수주 호조도 이어지지만 전력 인프라 수요가 회사가 예상했던 속도보다 계속해서 빠른 속도를 유지하고 있다는 것입니다.

​

Power는 물량, 가격, 서비스가 동시에 좋아졌다

가스터빈으로 인한 성장은 계속되고 있습니다. 1Q26 신규 가스터빈 계약은 +21GW였고, 총 주문 규모(Total GW under contract)는 83GW → 100GW로 증가했습니다. 이 중 80%는 전통 유틸리티 고객들이고(대부분 FTM향으로 출하됩니다), 20% 정도가 데이터센터 직접 수요였습니다.

​

가격도 중요한데, 가스터빈 주문 가격이 4Q25 대비 kW당 10~20p 높아질 것으로 봤습니다. 3~5년 뒤에 납품할 제품들에 대한 신규수주 가격이 계속해서 상승하고 있다는 의미입니다. Q&A에서도 최근 몇 개월간 신규 입찰활동에서 가격 상승세가 유지되고 있다고 말했습니다. 당장의 캐파를 예약하는 주문이 있고, 캐파를 주문할 수 있는 우선권을 예약하는 주문이 있는데 후자가 SRA입니다. 이 SRA의 마진이 기존 캐파를 예약하는 주문보다 더 높기 때문에 향후 Power 사업부의 마진율은 더 높아질 수 있을 거란 전망입니다.

​

캐파 확장에 대한 자신감

사실 가장 중요한 건 "수요가 있는 것은 알겠는데, GEV가 실제로 얼마나 만들 수 있느냐"입니다. 경영진은 현재 리드타임이 대략 3년이고, 2029~2030년 잔여 캐파가 합산 약 10GW라고 설명했습니다. 또 최근 15개월 동안 가스 공장에 280대의 신규 장비를 설치했고, 2025~2026년 사이 미국에서 약 1,800명의 생산직을 추가할 예정이라고 했습니다. 생산캐파 자체는 2026년 중반쯤 연간 20GW 생산 캐파 → 2028년에는 24GW로 늘릴 예정입니다. 나름 잘 할 수 있다는 자신감이었습니다.

​

GEV가 원하는대로 물량을 늘리지 못하는 이유 : 블레이드와 베인

이게 왜 GEV, 지멘스, 미쓰비시가 가스터빈 수요가 높음에도 공급을 원하는대로 늘릴 수 없고 실제 공급도 약간씩은 지연될 우려도 있냐면, GEV가 터빈을 만들기 위해서 앞단에서 블레이드와 베인을 공급받아야 하기 때문

입니다. 전체의 뷰를 보면,

​

전 세계 터빈의 블레이드(Blade)와 베인(Vane)을 주조할 수 있는 역량은 Top 3가 꽉 잡고 있는데, ⓐ프리시전 캐스트파츠(Precision Castparts, 버크셔 해서웨이 자회사), ⓑ하우멧 에어로스페이스(Howment Aerospace, $HWM), ⓒGKN 에어로스페이스(GKN Aerospace)입니다.

​

이들이 미쓰비시, 지멘스에너지, GE버노바 같은 터빈 제조사들에게 핵심 부품을 공급하는 정밀 주조 전문 기업들입니다. 터빈 OEM들도 각자 약간의 용량으로 주조하긴 하지만 ⓐⓑⓒ의 생산 캐파 확장 속도가 곧 전 세계 가스터빈 생산량의 확장 속도를 결정하는 구조입니다.

​

터빈 블레이드는 1,000도 이상의 고온에서 녹지 않고 원심력을 견뎌야 하는 Single-crystal casting 기술이 필요한데, 이 공정 자체의 수율이 낮고 CAPEX도 막대하기 때문에 신규 진입이 힘들고 생산캐파도 엄청 보수적으로 늘리곤 합니다. 생산라인이 2030년까지 꽉찬 수준이라 앞단의 병목이 쉽게 풀리기가 어렵습니다.

​

Electrification은 재평가 포인트

전력기기 사업부 수주잔고가 2022년 말 $9B → 1Q26 $42B(YoY 70%)로 커졌습니다. 분기 신규수주는 $2.4B로 2025년 연간을 넘겼습니다. 전력기기 사업부는 GEV가 하나의 통합 전력회사로 운영되기 시작하면서 가장 큰 수혜를 보는 사업부입니다. 이번 분기에 EMS 두 번째 주문도 더해졌는데, 이렇게 되면 발전장비 → 서브스테이션 → 전력관리 소프트웨어 → 중전압 UPS → 향후 데이터센터 내부 전력변환 장비까지 붙일 수 있게 되면서 FTM/BTM 1GW 추가당 GEV의 매출 기회를 키울 수 있는 구조입니다.

​

Wind는 계속 약하다

1Q26 풍력 사업부 매출은 $1.43B로 여전히 역성장 중이고, EBITDA도 -$382M로 적자지속

입니다. 10-Q에서 Wind 부진의 원인으로 Onshore Wind 장비 인도 감소, 관세 영향, Offshore Wind의 계약 손실 증가를 제시했습니다. 회사는 2026년 풍력 사업부 매출이 low double-digit 감소하고, 연간 영업이익은 약 -$400M일 것으로 봤습니다.

Magnificent 7

AI Tokenomics, CUDA, DeepSeek-V4, TPU v8, Spud/Chronicle, Trainium, TSLA 1Q26

*왼쪽 테이블 : 2026년 4월 26일 EPS 추정치를 변경했습니다.

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

엔비디아, 26년 PER 23배 / Overweight

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

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

앤스로픽 CEO 인터뷰 : AGI로 벌어들일 수조 달러의 매출, "Extermely fast, but not infinitely fast" (바로가기)

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

AI 사이클 한 눈에 보기, SemiAnalysis 인터뷰 : "거품은 없다. AI ARR $100B가 온다" (바로가기)

엔비디아 4Q25 실적발표 : 담백한 실적발표, 핵심은 모두 그린라이트 (바로가기)

엔비디아 4Q25 Preview : 컴퓨팅이 곧 매출인 시대, 결국 엔비디아의 시간은 온다 (바로가기)

​

SemiAnalysis Dylan Patel의 인터뷰 "AI 토크노믹스"

4월 23일에 올라온 딜런 파텔 인터뷰가 있어서 중요한 내용들만 쭉 정리해봅니다:

​

실행이 자동화되면 독창적 아이디어의 가치가 높

아진다

비즈니스 가치 창출의 패러다임이 바뀌고 있습니다. 과거에는 아이디어는 흔한데 이를 실행하는 과정이 어렵다보니 실행의 병목이 있었는데, 이제는 AI로 인해 실행이 자동화되며 실행은 쉬워졌는데 독창적 아이디어는 많지 않다는 것입니다. AI Labs들의 인재 비용이 비싸지는 이유도 그렇고, 기업들이 AI 토큰 지출을 크게 늘리는 이유도 비슷한 맥락이라고 생각합니다. 훌륭한 인재를 가진 기업들일수록 AI를 더 잘 쓰고, 생산성이 높아진 만큼 다시 토큰에 돈을 아끼지 않는 구도가 이어지고 있습니다.

SemiAnalysis도 회사 급여 지출의 25% 이상을 토큰에 쓰고 있는데, 이러한 추세가 지속될 경우 2026년 연말에는 급여의 100% 이상을 AI에 지출할 것이라 봤습니다.

​

앤스로픽의 컴퓨팅 부족, 2년 만의 가장 큰 도약을 이룬 Mythos

앤스로픽의 ARR은 2025년 말 $9B → 현재 $35~40B 수준까지 급증했지만, 컴퓨팅 자원 증가 속도는 이를 따라오지 못했습니다. 앤스로픽의 추론 GPM이 30% → 72% 이상으로 급증했으며 수요가 높은 나머지 자꾸만 사용량 제한을 걸 수밖에 없는 상태입니다. 앤스로픽의 Mythos 모델은 2년 만에 가장 큰 성능 향상을 보였으며 토큰당 비용은 비싸지만, 작업을 수행하는 데 필요한 토큰의 수가 적어서 실제로는 Opus 4.6보다 효율적이고 같은 작업물을 뽑는다고 보면 더 저렴합니다. *사전훈련은 토큰당 지능의 압축비를 드라마틱하게 높입니다*

개인적인 생각을 더해보자면, 앞서서 비즈니스 가치 창출의 패러다임이 바뀐다 + Mythos 토큰 가격 상승을 동시에 생각해보시면, 앞으로 기업들의 가치 집중도가 더욱 심해질 것을 의미하기도 합니다. 차세대 모델은 점점 더 비싸지겠지만 토큰을 잘 쓰냐 못쓰냐에 따라서 추가 가치 창출을 할 수 있는 기업이냐 그렇지 않느냐의 국면으로 간다는 걸 의미합니다. AI를 잘 쓰는 기업은 충분한 ROI를 내기에 상대적으로 비싼 프론티어 모델을 갖고도 빠르게 기술스택에 녹여 매출/이익/점유율을 얻을 수 있을 것이고, 그렇지 않은 기업은 계속해서 밀릴 것이란 생각

입니다. 이미 최상위 은행은 Mythos에 접근하여 사이버 보안에 활용하고 있고, 자본력이 있는 기업은 토큰과 인재를 들여와 시장을 장악하고 있습니다. 강한 기업을 더 강하게, 강한 국가를 더 강하게 만드는 쪽으로 작용하고 있습니다.

딜런 파텔은 이를 조금 더 자극적으로 표현했는데, 앞으로는 "더 많은 토큰을 사용하여 경제적 가치를 창출하지 못하는 사용자가 되면 영구적인 하층 계급(permanent underclass)이 된다"고 표현했습니다. AI를 게으르게 써서 업무시간을 줄이려고 노력하지 않고, 토큰을 더 많이 사용하고 가치를 창출하여, 그 가치를 본인의 이익으로 돌릴 수 있는 사람이 되어야 AI 시대에 살아남는다는 파텔의 생각입니다.

​

소프트웨어 특이점을 지날 경우, Physical AI가 열린다

현재 로봇은 토큰을 거의 소비하지 않지만, 소프트웨어 특이점을 지난 국면부터 로보틱스 분야에서도 드라마틱한 토큰 사용량 증가가 있을 거라 봤습니다. 로봇 프로그래밍의 어려움이 AI 모델을 통해서 해결될 것이며, AI 모델은 사람에 비하면 비효율적이긴 하지만 방대한 데이터로 훈련하여 인간을 능가할 수 있을 것이란 전망입니다. 지금의 VLA 로봇 모델은 데이터 효율성이 낮기에 확장하기 어렵지만, 대규모 사전훈련을 이룰 수 있는 데이터가 쌓이면 소수의 예시만으로 학습하는 데이터 샘플 효율성을 높일 수 있게 될 것이고, 6~18개월 내에 로봇공학 내에서 돌파구가 나타나며 몇 가지 예시만으로 작업을 수행할 수 있을 거란 전망입니다. 개인적인 뷰로도 CY26 Agentic AI → CY27 Physical AI 발현의 시기로 보고 있습니다. 최근에 아모데이, 파초키 인터뷰 자료들을 쭉 보신 분들은 아시겠지만 사전훈련~강화학습을 통한 지능을 높여서 데이터 샘플 효율성을 높이는 게 중요합니다.

​

수요 폭증 → 공급망 전반의 가격 상승

AI 수요 폭증으로 공급망 전반의 가격이 상승하고 있으며, 특히 GPU 임대 가격이 크게 올랐

습니다. GPU의 유효 수명도 연장되는 중입니다. 과거 5년 미만으로 쓸 거라 여겨졌던 GPU들이 이제는 3~4년 더 재계약되거나 A100 클러스터도 여전히 현역으로 몇 년씩 장기계약되고 있습니다. 네오클라우드 입장에서는 5년 감가상각을 끝낸 자산들이 GPM ~70% 레벨로 추론할 수 있게 된다는 것을 의미합니다.

메모리 생산 용량은 연간 10~30% 정도만 증가할 수 있는데, 지금의 강력한 수요 신호에도 불구하고 실제 증설 용량은 2027년 초나 2028년쯤이 되어서 본격적으로 더해질 것입니다. DRAM 가격은 지금 사람들이 높다고 표현하지만 이는 왜 수요-공급 불일치가 발생하여 왜 가격이 올랐는지를 모르는 얘기이며, DRAM 가격은 현재 수준에서도 2~3배 더 오를 것이라고 예상했습니다.

AI 칩 외에도 CPU와 FPGA 수요가 급증하고 있습니다. CPU는 강화학습 환경을 정의하고 실행하는 데 있어서 매우 중요한 가속기이며, 모델이 다양한 시도를 하고 성공 여부를 평가하는 환경은 CPU에서 작동합니다. 또한 AI 모델이 생성하는 코드나 유용한 결과물들은 GPU에서 직접 인간의 뇌로 갈 수 없고 CPU를 통해서 실행되는 애플리케이션을 통해 전달되기에 CPU 수요가 구조적으로 증가하고 있습니다.

​

엔비디아 CEO 젠슨황 인터뷰에서 꼽은 7가지 포인트

지난주에 최근의 젠슨황-드와르케시 파텔 인터뷰도 정리해드렸는데, 이에 대해 5가지 포인트로 정리해봅니다:

​

1. 엔비디아는 "전자를 토큰으로 바꾸는 회사"

엔비디아를 단순히 GPU를 파는 회사로 보면 본질을 놓치게 됩니다. 젠슨황은 엔비디아의 역할을 "전자를 토큰으로 바꾸는 일"이라고 설명했습니다. AI 시대의 최종 산출물은 칩도 아니고 서버도 아니고, 결국 쓸모 있는 토큰입니다. 전력, 로직 반도체, HBM, 패키징, 네트워크, CUDA, 라이브러리, 서빙 엔진이 모두 결합되어야 토큰이 나

옵니다. 따라서 엔비디아의 경쟁력은 개별 부품의 성능보다, 전체 시스템을 얼마나 효율적으로 토큰 생산 장치로 바꾸느냐에 있습니다. AI 인프라의 경쟁 단위가 칩의 성능에서 토큰 생산 시스템으로 바뀌고 있다는 점이 첫 번째 핵심입니다.

​

2. 엔비디아의 해자는 제조가 아니라 통합 능력

엔비디아는 TSMC, HBM 업체, 패키징 업체, ODM, 클라우드, 모델 회사, 소프트웨어 생태계를 모두 연결합니다. 직접 모든 것을 제조하지는 않지만 무엇을 직접 쥐고 무엇을 파트너와 나눌지 가장 정교하게 설계합니다.

​

엔비디아의 공급망 장악력은 단순한 구매 약정이 아닙니다. 업스트림 공급망 CEO들을 설득하고, 다운스트림 수요를 보여주며, 파트너들이 수년 앞서 투자하도록 만드는 역할을 합니다. 결국 엔비디아는 공급망을 사용하는 회사가 아니라 그보다 더 나아가서 공급망을 앞서 구축하는 회사입니다. 엔비디아와 TSMC가 뚫어놓은 공급망을 1~2년 시간차를 두고 사용하여 TCO 대비 퍼포먼스를 높이려는 방향이 하이퍼스케일러들과 ASIC 설계자들의 전략입니다.

​

3. GPU vs TPU 논쟁의 핵심은 변화의 속도

드와르케시의 질문은 "AI가 대부분 행렬곱이라면, 더 단순하고 최적화된 TPU가 GPU보다 유리한 것 아니냐"는 것입니다. 이에 대한 젠슨황의 답은 "AI는 행렬곱만이 아니다"입니다. 새로운 attention, Hybrid-SSM, MoE, diffusion과 autoregressive의 결합, 계속해서 더 많은 데이터를 다루기 위해 길어지고 있는 컨텍스트 윈도우, KV cache, all-to-all 통신, 서빙 최적화 기법들이 계속 바뀌기 때문에, 고정된 ASIC보다 프로그래밍 가능한 시스템이 더 중요하다는 논리입니다.

​

핵심은 AI 워크로드가 아직 안정화되지 않았다는 것입니다. 모델 아키텍처가 바뀌면 커널이 바뀌고, 커널이 바뀌면 메모리 레이아웃과 런타임 스케줄링이 바뀌며, 분산 환경에서는 통신 라이브러리와 네트워크 토폴로지가 성능을 좌우

합니다. 이 변화 속도가 빠를수록 CUDA와 GPU의 유연성이 강한 해자가 됩니다.

​

물론 사실 이것보다 더 중요한 건 젠슨황 vs 순다르 피차이의 인사이트 및 실행력 경쟁입니다. 모델이 어떤 방향으로 흘러갈지에 맞춰서 공급망을 짜고 HW-SW를 준비해놔야 다음 세대 경쟁에서도 점유율을 잃지 않을 수 있고, 인프라 성능을 크게 끌어올릴 수 있지만 아직은 미성숙한 기술 돌파구들을 어떻게 더 빠르게 상용화시킬 수 있을 것인가를 고민하는 과정이 곧 해자입니다. 그런 의미에서 젠슨황은 인텔의 전성기를 이끌었던 앤디 그로브가 강조했던 "편집광만이 살아남는다"는 교훈을 가장 잘 지키고 있는 CEO입니다.

​

4. CUDA의 해자는 "못 벗어난다"가 아닌 "가장 빨리 된다"

과거 CUDA 해자는 "CUDA가 아니면 못 한다"에 가까웠습니다. 하지만 지금 젠슨황이 강조하는 CUDA 해자는 "새로운 것을 가장 빨리 만들고, 가장 빨리 디버깅하고, 가장 넓게 배포할 수 있다"입니다.

​

프론티어 AI 연구에서는 새 아이디어를 얼마나 빨리 실험하고, 실패 원인을 얼마나 빨리 좁히며, 대규모 플릿에서 얼마나 안정적으로 돌리느냐가 중요합니다. 이때 CUDA 생태계, 설치 기반, 검증된 드라이버, 라이브러리, 프레임워크는 강력한 장점이 됩니다. 특히 vLLM, SGLang, Triton, RL 프레임워크처럼 새로운 서빙과 훈련용 스택이 계속 등장하는 환경에서는 기준점이 중요합니다.

​

5. ASIC은 구조적 변화라기보단 특수 사례에 가깝다

젠슨황은 TPU와 Trainium의 성장을 앤스로픽이라는 특수 사례로 해석합니다. 구글과 아마존이 초기에 앤스로픽에 대규모 자본과 컴퓨팅을 제공했고, 그 결과 앤스로픽이 TPU와 Trainium 생태계의 핵심 수요자가 됐다는 설명입니다. 물론 방어적인 해석이기도 합니다만, 실제로 그렇기도 합니다. 자본을 섞는 구조와 이를 감안한 유효마진까지를 생각해본 자료가 <AI 인프라 1GW의 경제학 : 엔비디아의 '현금' vs AMD의 '워런트'> 자료였는데, 엔비디아의 가치제안이 기본적으로 가장 경쟁력 있다는 결론이었습

니다.

​

젠슨황은 이에 'TPU, Trainium, 기타 ASIC들이 정말 엔비디아보다 싸고 좋다면 공개 벤치마크에서 증명하라'고 말했습니다. InferenceMAX나 MLPerf에서 TCO, 성능, 와트당 토큰 생산량을 직접 엔비디아 GPU와 비교해보자는 것입니다. 개인적으로도 추론 및 훈련 모두에서 엔비디아의 인프라보다 TCO 대비 퍼포먼스가 높을 거라 생각되진 않습니다. 특히 추론의 경우에는 high throughput으로 경쟁해야 하는데 더욱 엔비디아의 경쟁력이 부각되고 있습니다. 그리고 앞서서 Agentic AI와 함께 개화할 low latency 시장 자체도 LPU 채택을 통해서 앞서갈 예정이니 혁신의 속도는 매우 양호하다고 생각하고 있습니다.

​

AI HW 공급망 루머들

BlueFin Research의 AI HW 관련 공급망 루머에 따르면:

​

슈퍼마이크로가 최근 AI GPU를 중국으로 밀수한 혐의를 받고 기소받은 이후 오라클로부터 받았던 GB300 NVL72 랙 계약을 상실한 것으로 보입니다. 300~400개의 랙이 취소됐는데 랙당 가격은 $3.5M 정도이기에 전체 계약 규모는 $1.1B~$1.4B 선입니다. 취소되기 전에는 100~200개 정도의 랙을 이미 출하했던 상태였습니다. 엔비디아의 칩을 오라클이 구매하는 구조는 같은데, 중간 유통/조립사만 바뀌는 것이라 마이너한 이슈입니다. 대만의 Wiwynn이 랙 물량을 가져갔습니다.

SKH의 HBM4 revision을 거치는 과정에서 엔비디아 Rubin Compute Board의 설계 검증 테스트(DVT)를 끝내는 시점이 3월 → 4월 말로 밀렸으며, 생산 검증 테스트(PVT) 일정도 6월 → 7월로 밀린 상태입니다. 랙 빌드에도 몇 달 정도의 시스템 검증 테스트를 필요로 하기 때문에 랙이 나오는 시점은 9~10월 정도일 것으로 예상됩니다. 엔비디아가 TSMC에 3nm 웨이퍼를 투입한 시점은 4Q25였으며 현재 2026년 4월에는 월 3만 장 수준까지 높아졌기 때문에 7월 말까지 R200 모듈이 출하될 것으로 예상했

습니다. 초기 물량의 차이가 약간 있긴 하겠지만 기존 생각대로 지금의 엔비디아 성장성 대비 밸류 및 경쟁역학을 고려하자면 1~2개월 정도의 지연이라 GB200 NVL72 당시 있었던 것(TSMC CoWoS-L 용량/APH NVSwicth 수율 등등 이슈로 인해 당시 2025년 1월 → 3월 말로 램프업 시기 지연)과 비슷한 마이너한 이슈로 보고 있습니다.

​

DeepSeek-V4 Technical Report 공개

DeepSeek-V4의 핵심은 단순히 더 큰 모델을 만든 데 있지 않습니다. 진짜 중요한 지점은 100만 토큰 컨텍스트를 실제 서비스 가능한 비용 구조로 낮추려는 시도입니다.

​

이번에 공개된 모델은 두 가지입니다. V4-Pro는 1.6T 파라미터 규모의 MoE 모델이지만, 추론 시에는 49B 파라미터만 활성화합니다. V4-Flash는 284B 파라미터 모델이며, 추론 시 13B만 활성화합니다. 두 모델 모두 1M 토큰 컨텍스트를 지원합니다.

​

논문에서 특히 주목한 부분은 추론 시 효율성입니다. DeepSeek는 V4-Pro가 1M 컨텍스트에서 V3.2 대비 single-token 추론 FLOPs는 27%, KV cache는 10%만 필요하다고 설명했습니다. V4-Flash는 수치가 각각 10%, 7%까지 낮아집니다. 즉, 긴 컨텍스트를 다루는 데 필요한 연산량과 메모리 부담을 대폭 낮춘 것입니다.

​

2025년 DeepSeek 당시에도 R1이 주목을 받았던 것

DeepSeek 사건 당시에도 워낙 추론 효율을 끌어올린 V3를 기반으로 사후훈련/강화학습을 더한 모델인 R1이 나오면서 파급효과가 컸던 것인데 지금도 R2가 꽤나 좋게 나오지 않을까 싶습니다. V4 자체는 꽤 높은 수준의 지능을 추론비용 낮게 서비스할 수 있게 만들었으며, 특히 백만 토큰 컨텍스트를 갖고도 컴퓨팅 및 메모리 비용이 크게 안 늘어나도록 설계했다는 게 특징

입니다. 이것을 기반으로 추론시간을 크게 늘려 R2를 내놓을 것입니다.

​

현실적인 기대, 현실적인 생각

다만 이 내용을 너무 과장해서 볼 필요는 없습니다. 폐쇄소스 AI Labs들은 자신들이 어떤 기술을 쓰고, 얼마나 추론비용을 낮췄는지를 세부적으로 공개하지 않습니다. TurboQuant 당시에도 말씀드렸긴 한데 실제로 Gemini 차세대 모델에 사용 중인 기술은 논문으로 공개하지 않기 때문에 오해도 많습니다. *당연하기도 합니다. 걸린 돈이 수백 조원인지라* 따라서 DeepSeek가 공개한 기술들이 업계에서 완전히 처음 등장한 것이라기보다는 이미 주요 AI Labs들이 물밑에서 적용하고 있을 가능성이 높은 기술들을 DeepSeek가 공개적으로 구현하고 설명한 것에 가깝다고 보는 편이 합리적입니다.

​

그럼에도 이번 DeepSeek-V4 공개의 의미는 작진 않습니다. 폐쇄소스 모델들은 실제로 어떤 방식으로 추론 효율을 높이고 있는지 외부에서 확인하기 어렵습니다. 반면 DeepSeek는 긴 컨텍스트, 저비용 추론, MoE 효율화라는 방향을 논문과 모델 형태로 공개합니다. 따라서 V4는 모델 생태계가 어떤 방향으로 진화할 수 있는지를 겉에서도 볼 수 있도록 하는 중요한 사례로 볼 수 있습니다.

​

엔비디아의 입장에서 DeepSeek-V4가 의미하는 것

엔비디아 입장에서도 이번 공개는 긍정적입니다. DeepSeek가 사전훈련에 사용한 클러스터를 명시적으로 밝히지는 않았지만, 세부 기술과 구현 방식을 보면 이번 DeepSeek-V4는 Blackwell 기반 환경에서 사전훈련됐을 가능성이 높아 보입니다. 특히 FP4/MXFP4 활용 정황은 Blackwell 세대의 기능과 맞닿아 있습니다.

​

DeepSeek의 강세는 엔비디아에게도 긍정적인 함의를 가집니다:

AI Labs 내부에 집중되어 있던 모델 효율화 기술 주도권을 오픈소스 생태계로 끌어내리는 효과가 있습

니다.

같은 GPU 인프라에서 더 많은 토큰을 더 낮은 비용으로 서빙할 수 있다는 점에서, 이미 깔려 있는 엔비디아 installed base의 토큰 생산성, 즉 serving token ROI를 즉각적으로 끌어올리는 이벤트가 될 수 있습니다.

​

결국 DeepSeek-V4의 핵심은 엔비디아 수요를 줄이는 모델이라기보다, 오히려 엔비디아 하드웨어 위에서 더 많은 추론 수요를 경제적으로 처리할 수 있게 만드는 효율화 사례에 가깝습니다. 긴 컨텍스트와 저비용 추론이 가능해질수록 사용량은 더 늘어나고, 사용량이 늘어날수록 AI 인프라의 총수요도 다시 커질 수 있기 때문입니다. 이미 이 로직을 한 번씩 경험했기 때문에 이번 DeepSeek-V4 이후 엔비디아 및 AI HW 밸류체인의 주가도 강세마감한 것으로 보고 있습니다.

​

기술적으로 들어가보면... : Hybrid Attention + FP4

V4의 가장 중요한 기술적 특징은 Hybrid Attention(CSA + HCA)입니다. 여기서 CSA는 KV cache를 일정 단위로 압축한 뒤 sparse attention을 수행하고, HCA는 더 강하게 KV cache를 압축하되 dense attention을 유지합니다. 모든 토큰을 똑같이 오래 보고 비싸게 계산하는 구조가 아니라 → 장문에서 중요한 정보만 훨씬 더 압축적으로 다루는 구조입니다.

​

이 점은 AI 모델의 다음 병목이 단순 파라미터 수가 아니라 컨텍스트 윈도우의 규모, KV cache, 추론 시 메모리 트래픽을 관리하는 것임을 다시 확인시켜줍니다. 특히 Agentic AI 작업에서는 모델이 얼마나 똑똑한지도 중요하지만, 긴 컨텍스트를 얼마나 싸게 유지하느냐가 제품 경쟁력으로 직결됩니다.

​

V4는 FP4, 정확히는 MXFP4 quantization을 광범위하게 사용합니다. 이 부분은 엔비디아 Blackwell과 직접 연결

됩니다. 엔비디아 공식 자료에서도 Blackwell이 FP4 native support를 제공하는 첫 아키텍처임을 밝혔듯이 지금까지도 마찬가지입니다. 지금 FP4로 훈련했다면 Blackwell을 갖고 훈련했다는 의미와도 같습니다. 물론 NVFP4가 아니라 MXFP4를 썼기 때문에 '혹시나 매우매우 낮은 확률로 아닐 수도 있다'는 가능성은 있겠지만, 거의 높은 확률로 Blackwell일 가능성이 높습니다.

​

Kimi에 뒤처지는 DeepSeek, 화웨이를 강제하느라 흘러간 시간과 경쟁력

오픈소스 모델 중에서는 강하지만, Moonshot AI가 2026년 4월에 공개한 Kimi-K2.6과 비교하기에 K2.6이 더 낫다는 평이 많아서 이전만큼 오픈소스 내에서도 파급효과가 큰 발표는 아니었습니다. 중국 정부가 딥시크를 화웨이 AI 칩을 훈련 및 추론 스택에 광범위하게 적용하게끔 반강제하고 있는 사이에, 엔비디아의 GPU를 적극 임대하여 사용 중인 Kimi, Xiaomi, Qwen 등이 앞서가는 중​입니다.

​

흥미로운 건 중국 정부의 딥시크-화웨이 칩 채택 및 활성화 압력에도 불구하고, 훈련에는 화웨이 칩을 사실상 적용하지 못한 것으로 보이며 추론에 그나마 하반기부터 화웨이 칩들을 사용한다는 계획입니다.

​

백만 토큰 컨텍스트, 쓸 수는 있는데 성능은 낮다

V4의 long-context 성능이 중요했습니다. 처음 초점을 전해드릴 때부터 DeepSeek-V4가 백만 토큰에서 추론하는 환경에서도 충분히 효율을 높일 수 있도록 하는 데 초점을 맞춘 모델이라고 전해드렸기 때문에, 비용은 낮췄으니 성능이 얼마인지를 봐야겠죠. 그런 점에서는 MRCR를 살펴봤습니다. 벤치마크상 V4-Pro-Max가 83.5로 Gemini-3.1-Pro 76.3보다 높지만, Claude Opus 4.6의 92.9보다는 낮습니다. CorpusQA 1M에서도 V4-Pro-Max는 62.0으로 Gemini 53.8보다 높지만 Opus 71.7보다는 낮습니

다.

​

사실상 구글 Gemini 시리즈가 경쟁력을 잃어서 Tier 2로 내려간 상태라서, Tier 1 AI Labs들의 모델보다는 여전히 성능이 꽤나 뒤처지지만 Tier 2 AI Labs의 모델보다는 성능이 약간 나은 상태이다 정도의 포지셔닝임은 과거 DeepSeek-V3/R1이 나왔을 시기와 똑같습니다.

​

더 중요한 것은 MRCR 그래프에서 8K~128K 구간은 안정적이지만, 256K 이후부터는 성능 하락이 보인다는 점입니다. 백만 토큰을 쓸 수는 있는데 동일 품질로 처리되는 건 아니라는 의미입니다. 이것들을 DeepSeek-R2로 만들면서 향후 몇 개월 동안 보완하려 할텐데 이것들이 잘 보완될지도 다음 관심사입니다.

​

구글, 26년 PER 29배 / Overweight

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

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

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

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

​

구글 Cloud Next'26 : Agentic Enterprise 시대

Google Cloud Next ’26에서 구글은 기업 운영 전반에 AI 에이전트를 내재화하는 "Agentic Enterprise" 시대를 선언했습니다. 핵심은 Gemini Enterprise를 중심으로 생산성 도구, 업무용 애플리케이션, 데이터 인프라, 각종 AI 에이전트를 하나의 기업용 AI 플랫폼으로 묶겠다는 것입니다. 구글의 메시지는 기업 내부의 문서 작성, 코드 작성, 고객 응대, 데이터 분석, 업무 자동화 전반에 AI 에이전트를 심겠다는 방향입

니다.

​

숫자로 보는 AI 사용량은 빠르게 커지는 중

몇 가지 흥미로웠던 숫자들을 정리하면:

​

4Q25에는 AI가 코딩 50%를 작성하고 있다고 말했는데, 이번 2026년 4월 컨퍼런스에서는 이 비율이 75%로 높아졌습니다. 물론 앤스로픽은 2026년 2월부터 100% AI로 코딩을 하고 있고, 오픈AI도 2026년 2월 말부터 거의 100%라고 했기에 구글이 꽤 늦습니다.

GCP 고객의 75%가 AI 제품을 사용​하고 있습니다. ⓒ최근 12개월 간 330개 고객사가 1조 토큰 이상을 처리했습니다. 그 중 35개 고객사는 10조 토큰을 넘게 사용했으며, API 기준 분당 160억 개(4Q25엔 분당 100억 개)의 토큰을 처리하고 있습니다.

​

아직 아쉬운 기술

현재 구글은 기초모델에서 오픈AI 및 앤스로픽에 비해서 뒤처지고 있고, 토큰당 지능 압축 정도나 환각률을 미리 잡지 못했기 때문에 Agentic AI 트렌드에서도 뒤처지고, 챗봇/코딩제품/B2B제품 등 다양한 분야에서 두각을 드러내고 있지 못한 게 아쉬운 부분입니다. 2024년 12월에 Gemini 2.0를 발표하고 → 2025년 3월에 Gemini 2.5를 발표하고 → 2025년 11월에 Gemini 3을 발표했던 것인데 Gemini 3.5 수준의 나름 major 업데이트가 있지 않는 한 판이 크게 바뀔 거라 보이진 않습니다.

​

구글, 뒤처진 기술격차를 따라잡기 위해 노력 중

구글이 자사 AI 코딩 모델을 개선하기 위해 특별팀을 꾸렸습니다:

​

앤스로픽과 오픈AI가 모델/코딩/에이전트 등 모든 역량에서 앞서가고 있고 구글은 한참 뒤처지는 모습이라서 문제입니다. 각각은 Mythos, Spud를 통해서 뛰어난 내부 체크포인트 모델을 가지고 적극적으로 연구 강화루프에 쓰고 있기 때문입니다. 이에 세르게이 브린은 구글 딥마인드 직원에게 Agentic AI 분야에서 따라잡기 위해서 보다 적극적인 개발을 요구했습니

다.

​

구글은 일단 내부적으로 사용할 코딩 모델과 도구부터 먼저 갖추려 노력 중입니다. 구글 자체의 코드로 모델을 훈련시켜야 하는데, 구글의 내부 코드베이스는 일반적으로 범용 코딩 에이전트를 훈련시킬 때 쓰는 외부 코드와 상당히 다르기에 문제입니다.

​

Steve Yegge의 폭로, 구글 내부 AI 이중 계층 이슈

최근 Steve Yegge의 트윗도 이 논란을 키웠습니다. 그는 구글의 AI 도입 수준이 업계 평균보다 낮다는 취지의 주장을 했고, 이것에 이례적으로 데미스 하사비스가 '네 친구가 구글 내에서 일을 안하니까 그럴 뿐 구글은 잘 하고 있다. 터무니없는 헛소리를 퍼뜨리는 걸 멈춰라. 이 게시물은 완전히 거짓이고 순전한 clickbait일 뿐이다'라고 굉장히 공격적으로 반응하면서 훨씬 더 많이 퍼지게 됐었습니다.

​

이에 대해서 어제 Steve Yegge가 2차 폭로를 이어갔습니다. 중요한 부분은 구글의 문제가 단순히 "좋은 AI 코딩 도구가 부족하다"는 수준이 아니라는 점입니다.

​

핵심은 구글 내부에 아직까지 존재하는 이중 계층 시스템입니다. DeepMind 엔지니어들은 Claude를 일상적으로 사용하는 반면, 구글 내 다른 직원들은 구글 자체 에이전트와 내부 도구를 사용하도록 되어 있다는 주장입니다. 즉, 가장 앞선 AI 연구조직인 DeepMind는 외부 최고 성능 도구를 활용하고 있지만, 구글 본체의 많은 직원들은 상대적으로 덜 강력한 내부 도구를 사용해야 하는 구조라는 것입니다.

​

TPU v8 발표! 핵심은 AI 데이터센터 전체의 재설계

이번 발표의 핵심은 구글이 Agentic AI 시대에 맞춰 AI 인프라를 칩 단위가 아니라 데이터센터 전체 단위로 다시 설계하고 있다는 점입니다. 원래도 그랬지만 이번에도 칩을 세분화한 데 있어서 네트워킹도 각 칩별로 다르게 설정하고, HBM/on-chip SRAM 용량, 프레임워크들까지 공동으로 설계했습

니다.

​

TPU v8의 변화 → 훈련용 v8t, 추론용 v8i

TPU v8에서 가장 중요한 변화는 워크로드별로 칩을 분화시킨 것입니다. TPU 8t는 대규모 사전훈련용 칩이고, TPU 8i는 샘플링, 서빙, Reasoning, 강화학습에 맞춘 추론용 칩입니다. AI 워크로드가 워낙 무거워지고 고부가가치 산업이 됐기에 더 이상 하나의 범용 가속기로 모두 해결되기 어려워졌다는 신호이기도 합니다.

​

사전훈련은 대규모 Dense training, 거대한 HBM pool, 긴 시간 동안 높은 utilization을 유지하는 능력이 중요합니다. 물론 서빙은 MoE로 하지만 teacher 역할을 하는 내부 체크포인트 모델은 Dense입니다.

반면 추론은 low latency, KV cache 접근을 설계하는 일, 토큰별 MoE routing, multi-step reasoning, 동시성, tail latency가 훨씬 더 중요합니다. 요구하는 능력이 다릅니다.

​

구글은 이 차이에 맞게 TPU v8t와 TPU v8i를 여러모로 다르게 만들었습니다.

​

기존 TPU v7의 한계 : MoE 추론 워크로드에 대응하지 못하는 칩

기존 TPU 구조에서 쓰던 네트워킹인 3D Torus는 대규모 Dense training에는 합리적인 구조였습니다. 인접 칩끼리 규칙적으로 데이터를 주고받고, 거대한 모델을 장시간 훈련하는 워크로드에서는 3D Torus가 충분히 효율적입니다. 사람들의 생각과는 약간 다를 수 있지만 개인적으로 보기에 이런 점들 덕분에 TPU는 오히려 추론이 아닌 훈련에 최적화된 칩입니다.

​

문제는 TPU v7을 설계할 때(2022~2023)만 하더라도 추론도 Dense로 했었는데, 이제는 MoE로 추론 워크로드가 완전히 바뀌었다는 점입니다. Reasoning, MoE, long-context 추론에서는 토큰이 여러 칩들을 오가야 합니다(토큰이 들어올 때마다 임의의 expert를 라우팅해서 연산하므

로)가. 이때는 단순 연산량보다 All-to-All 통신, hop count, collective latency, tail latency가 중요해집니다.

​

이 지점에서 엔비디아의 NVLink 기반 구조와 TPU의 차이가 부각됐습니다. 엔비디아는 GB200 NVL72부터 랙 스케일에서 더 낮은 hop 수와 더 강한 All-to-All 연결성을 제공하는 방향으로 진화시켰습니다. 이는 MoE 모델의 Reasoning 시 특히 유리하게 작동합니다. 반면 3D Torus는 Dense training에는 좋지만, 토큰당 비용을 낮추기 위해 MoE 기반 서빙으로 갈수록 불리한 부분이 있었습니다.

​

실제로는 추론에서 엔비디아가 TPU를 압도하고 있을 것임에 대해서는 2025년 12월 8일 주간전략보고에서 전해드렸었습니다. 엔비디아는 AI Labs와 협력하면서 그들의 모델/워크로드에 맞는 가속기를 설계하기 때문에 처음부터 차세대 모델에 최적화된 칩 아키텍처를 만들 수 있습니다. 일종의 hardware lottery입니다. 해당 개념은 <엔비디아가 $20B를 주고 데려온 남자 : Groq 창업자 조나단 로스의 통찰>에서 전해드렸던 바 있습니다.

​

TPU v8i의 해법은 "Boardfly + CAE"

TPU v8i는 이 문제를 각각 보완합니다. 핵심은 두 가지입니다. 하나는 칩 바깥쪽 네트워크를 바꾸는 Boardfly이고, 다른 하나는 칩 안쪽 collective latency를 줄이는 CAE(Collectives Acceleration Engine)입니다.

​

Boardfly : 구글도 블로그에서 설명하듯 Boardfly는 3D Torus 대비 all-to-all 통신에서 발생하는 hop의 수를 줄이기 위해서 추론에 특화시킨 네트워크 토폴로지입니다. 예를 들어서, 1024개의 칩으로 pod을 구성한다고 할 경우 기존 3D Torus는 16 hop이 발생하지만 → Boardfly는 이를 7 hop까지 낮춥

니다.

CAE : TPU v8i 칩 내에는 2개의 텐서코어와 1개의 CAE가 칩렛 다이에 포함되어 있습니다. CAE는 칩 안쪽에서 발생하는 collective 병목을 줄입니다. 디코딩 작업이나 CoT 처리에서는 여러 코어가 계산한 결과를 합치고 → 동기화하고 → 다음 토큰 생성을 위해 다시 기다리는 과정이 반복됩니다. 구글은 TPU 8i의 CAE가 이런 단계들을 각각 더 빠르게 가속하며, 칩 내에서의 collective에 드는 latency를 최대 5배 줄인다고 설명했습니다. CAE 자체는 엔비디아의 Sharp나 DPU와 비슷하게, GPU/TPU가 행렬곱셈에만 집중하고 CPU는 데이터 공급 및 각종 작업에 쓰이며, 네트워킹 관련 작업은 최적화된 전용 실리콘에 맡기는 식입니다.

​

CAE는 칩 안쪽의 기다리는 시간을 줄이고, Boardfly는 칩 바깥쪽에서 데이터가 돌아오는 시간을 줄이는 구조입니다. Agentic AI에서는 이런 작은 latency들이 반복적으로 누적되기 때문에, 이 변화는 단순한 네트워크 개선이 아니라 토큰 생성 비용과 응답성을 낮추기 위한 구조적 변화로 봐야 합니다.

​

Boardfly는 광학의 중요성을 높입니다

TPU v8i에서 중요한 부분은 Boardfly가 OCS(Optical Circuit Switch)를 활용한다는 점입니다. 구글은 Boardfly 구조에서 최대 1,152개 칩을 OCS로 연결해 최대 7-hop으로 chip-to-chip latency를 보장한다고 설명했습니다. Boardfly의 본질은 더 많은 보드와 그룹을 더 낮은 hop 수로 연결하기 위해 광학 링크를 더 많이 쓰고, OCS를 적극적으로 쓰는 방향입니다. 광학이 추론 패브릭 내로 더 깊게 들어갔단 의미입니다.

​

연결 구조를 보자면,

보드(Board) : 4개의 TPU를 하나의 PCB에 구리로 연결합

니다.

그룹(Group) : 8개의 보드가 랙에 배치되고, 이들은 AEC를 통해서 연결됩니다.

포드(Pod) : 36개의 그룹이 OCS를 통해서 연결됩니다.

​

광학 공급망에 긍정적입니다. OCS 채택이 늘어나면 전기 스위치가 하던 일부 역할을 광학 회로 기반 스위칭이 보완하거나 일부 대체할 수 있습니다. 이 과정에서 InP 레이저 칩, 광학 엔진, 플러거블 광모듈, 광섬유 관리 및 유지보수, 광학 테스트의 중요도가 함께 올라갑니다. 루멘텀 입장에서는 OCS와 laser 수요가 핵심이고, 옵토일렉트로닉스와 같은 트랜시버 공급망에는 링크 수 증가가 중요합니다. 비아비 입장에서도 광 링크 수가 늘어나면 테스트 포인트와 검증 난이도가 같이 올라갑니다.

​

TPU v8t의 핵심은 "Virgo Network"

훈련용 TPU v8t의 핵심은 Virgo Network입니다. TPU v8t 자체는 3D Torus를 유지하지만, 이를 데이터센터 전체 scale-out 네트워킹과 결합해 훨씬 더 큰 훈련 클러스터로 확장하는 방향입니다. 원래는 Jupiter를 사용하던 것을 Virgo로 바꾼 것입니다. 이를 사용하여 TPU 8t는 단일 SuperPod에서 9,600개 칩, 121 exaflops, 2PB shared memory를 제공하고, Pathways + JAX를 통해 100만 개 이상의 TPU 칩을 하나의 클러스터처럼 사용할 수 있습니다.

​

가속컴퓨팅은 컴퓨팅을 병렬로 붙일 수 있다는 게 장점인 만큼, 성능 향상에는 두 가지 갈래가 있습니다:

​

칩 내의 compute die(die당 성능 개선은 전공정에서 더 미세화된 웨이퍼 사용)를 추가하여 더 큰 칩으로 패키징(칩들을 연결, 후공정에서 앞으로는 3D Stacking하는 방법까지 연구 중)하여 성능을 끌어올리는 방법이 있습

니다.

네트워킹 대역폭을 키우고 속도를 높여 사실상 하나의 클러스터로 쓸 수 있는 단일 도메인의 크기를 키우는 방법이 있습니다. 이 중에서 Virgo Network는 단일 도메인의 크기를 Pod에서 더 키우는 차원입니다.

​

GW급 AI 클러스터를 하나의 논리적 훈련 시스템으로 묶는 것입니다. AI 모델이 커질수록 병목은 칩 단일 연산성능이 아니라, 클러스터 단위의 효율화 및 통신 병목을 낮춰주는 것이 중요하기 때문에 이쪽의 성능을 끌어올리기 위해 만들어진 scale-out 패브릭입니다.

​

Virgo는 엔비디아 GPU에도 적용된다

흥미로운 점은 Virgo Network가 TPU에만 쓰이는 것이 아니라는 것입니다. 구글은 Virgo를 NVIDIA Vera Rubin NVL72 기반 A5X 클러스터에도 적용한다고 밝혔습니다. 공식 발표 기준 A5X는 NVIDIA ConnectX-9 SuperNIC와 Google Virgo networking을 결합해 단일 사이트에서 최대 80,000개 Rubin GPU, 멀티 사이트에서는 최대 960,000개 Rubin GPU까지 확장하는 것을 목표로 합니다.

​

GCP의 엔비디아 GPU는 주요 AI Labs들에서도 쓰일 예정입니다. Thinking Machines Lab이 A4X Max VM의 GB300 NVL72 시스템에서 Tinker API를 확장하고 있고, 오픈AI도 GCP에 배치된 GB200/300 NVL72 시스템에서 ChatGPT를 포함한 대규모 추론 워크로드를 실행하고 있다고 밝혔습니다. AI 모델 경쟁에서는 경쟁자이지만, AI 인프라에서는 공급자가 될 수 있는 구조임을 보여주는 사례입니다.

​

TPUDirect는 메모리 계층의 방향성을 보여준다

TPU v8t에서 또 하나 중요한 변화는 TPUDirect RDMA와 TPU Direct Storage

입니다. 구글은 TPUDirect RDMA가 TPU의 HBM과 NIC 사이의 직접 데이터 전송을 가능하게 해 host CPU와 DRAM을 우회한다고 설명했습니다. TPU Direct Storage 역시 고속 스토리지와 TPU 사이의 직접 연결을 시켜줌으로써 CPU를 거쳐 이동할 때의 병목을 줄이는 구조입니다. 이 방향은 엔비디아가 Inference Context Memory, 이후 CMX로 강조했던 문제의식과 유사합니다.

​

ASIC 공급망은 춘추전국시대로 향하는 중

구글은 TPU v8t에는 미디어텍을 통해 COT로 생산하고, TPU v8i는 브로드컴을 통해 생산 중입니다. 비교적 기존에 검증된 네트워킹 기술들을 사용하는 훈련용 칩은 최대한 직접 설계하려 하고 있고, 어렵고 새롭게 적용하려는 추론용 칩에는 외부 ASIC 파트너를 활용 중입니다. 난도와 비용 구조에 따라 파트너를 다변화하려는 방향입니다. 이전까지는 브로드컴 독점 구조였으나 TPU v8부터는 미디어텍이 본격 진입했고, TPU v9부터는 마벨도 진입할 것을 예고하고 있는 상태라서 점진적으로 더 많은 ASIC 설계기업이 기회를 얻는 구조로 해석할 수 있습니다.

​

*여기서의 COT는 Customer-owned tooling이고, 추론에서의 COT는 Chain-of-Thought입니다.

​

브로드컴, 미디어텍, 마벨, 알칩, GUC 등 다양한 ASIC 파트너들이 하이퍼스케일러들의 COT에 서로 참여하기도 하고, 일부는 프론트와 백엔드를 동시에 수주하는 등 서로서로 파이를 잃고 얻는 구조가 되고 있습니다. 이 과정에서 전반적으로는 이전처럼 고마진을 받지 못하게 되는 것을 의미하고, 예전부터 강조드렸던 내용처럼 실제로 ASIC 경쟁이 더 치열해졌음을 의미합니다.

​

v8t, v8i 모두 Axion CPU를 사용합니다. TPU대 CPU 비율은 TPU v7 당시에는 2:1이었는데(구글 내부 워크로드가 CPU-based라서가 크고, GPU 기준 비율은 현재 4:1 수준입니다) TPU v8i에서는 1:1 수준까지 높아질 수 있

습니다. 이 경우 마벨에게도 좋습니다.

​

CY27 중반 이후에나 TPU v8 효과를 보기 시작할 것

구글의 TPU v7은 Cloud Next ’26에서 GA 상태로 언급됐습니다. 지금 출하되고 있는 TPU v7은 3Q25부터 생산을 시작해 4Q25에 GA한 것입니다. 차세대 칩이자 이번에 발표한 칩인 TPU v8은 3Q26부터 생산을 시작하여 2026년 말 GA 예정입니다. TPU v8을 가지고 사전훈련할 수 있도록 구축한 GW급 클러스터는 2027년 초쯤 나오고, 이를 바탕으로 사전훈련 후 모델이 출시되는 시점은 Mid-2027일 것으로 예상합니다.

​

CY26 TPU 출하량 중 90% 정도가 TPU v7입니다. CY26 초반에는 TPU v6 생산도 이뤄졌었기 때문에 TPU v8 물량이 많진 않습니다.

​

*GF 증권이 정리한 구글 TPU 로드맵별 설계 기업인데, 브로드컴(BRCM)과 미디어텍(MTK)이 나눠갖는 구조로 되어 있습니다. 근데 4Q27에 양산을 시작할 것으로 예상하는 TPU v8p, TPU v7e이 시점상은 TPU v9일 것 같지만 여전히 v8로 네이밍되고 있다는 게 인상적입니다. 네이밍이 상당히 혼잡스럽단 의미입니다.

애플, 26년 PER 30배 / Underweight

애플 3Q25 실적발표 코멘트 / 주간전략보고 中 (바로가기)

​

애플 CEO 교체 : 팀 쿡 시대 → 존 테르누스 시대

애플 CEO 팀 쿡이 2026년 9월 1일 사임합니다.

​

새로운 CEO는 애플 하드웨어 엔지니어링 담당 SVP였던 존 테르누스(John Ternus)입니다. 팀 쿡은 CEO 대신 회장직으로 넘어갈 예정입니다. 2011년 스티브 잡스의 뒤를 이어 팀 쿡 부임 이후 15년 만의 CEO 교체입니다.

​

존 테르누스의 부상 : 하드웨어 중심의 차기

리더

존 테르누스는 애플 하드웨어 엔지니어링 담당 SVP 출신입니다. 즉, 애플의 핵심 제품 개발과 엔지니어링을 오랫동안 이끌어온 인물입니다. 특히 중요한 점은 테르누스가 애플의 첫 폴더블 아이폰 개발을 주도한 인물이란 점입니다. 애플 입장에서는 차세대 폼팩터 제품을 직접 이끈 인물이 CEO로 올라서는 것인데, 테르누스가 단순한 관리형 CEO가 아니라 제품과 기술 방향성을 전면에서 이끌 리더로 부상한다는 의미가 있습니다.

​

9월 1일, 신제품 발표 직전의 교체

테르누스가 CEO에 오르는 시점은 2026년 9월 1일입니다. 이는 애플의 연례 9월 이벤트를 불과 1~2주 앞둔 시점입니다. 애플의 9월 이벤트는 매년 가장 중요한 행사입니다. 보통 새로운 아이폰 라인업이 공개되고, 그해 연말 쇼핑 시즌의 매출 흐름을 결정하는 핵심 이벤트입니다. 그런데 2026년에는 여기에 더해 애플의 첫 폴더블 아이폰 공개 가능성이 거론되고 있습니다.

​

따라서 테르누스는 CEO 취임 직후 곧바로 애플의 차세대 핵심 제품을 시장에 소개하는 역할을 맡게 됩니다. 이는 그의 리더십을 각인시키는 첫 무대가 될 가능성이 큽니다.

​

테르누스가 해결해야 할 3가지 과제

테르누스의 역할이 여러모로 중요합니다.

​

첫째, 애플의 AI 전환입니다. 애플은 하드웨어와 생태계에서는 여전히 강력하지만, AI에서는 오픈AI, 구글, 마이크로소프트, 메타 등과 비교해 상대적으로 느리다는 평가를 받고 있습니다. 테르누스 체제에서는 AI를 아이폰, 맥, 아이패드, 웨어러블 전반에 어떻게 통합할지가 핵심 과제가 됩니다.

둘째, 중국 생산기지 의존도 완화입니다. 애플은 오랫동안 중국 중심의 제조 생태계를 활용해왔지만, 지정학 리스크와 공급망 리스크가 커지면서 인도, 베트남 등으로 생산 다변화를 진행해야 합

니다.

셋째, 다음 히트 디바이스 발굴입니다. 아이폰 이후 애플은 애플워치, 에어팟, 서비스 사업을 키웠지만, 시장을 완전히 새로 여는 수준의 차세대 디바이스는 없습니다. 폴더블 아이폰, Vision 제품군, 차세대 웨어러블, 새로운 Mac 라인업이 테르누스 시대의 핵심 시험대가 될 수 있습니다.

​

마이크로소프트, 26년 PER 24배 / Neutral

마이크로소프트 4Q25 실적발표 코멘트 / 주간전략보고 中 (바로가기)

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

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

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

​

오픈AI, "Spud" 발표 : 중요한 건 배포 가능한 지능

오픈AI가 GPT-5.5를 발표했습니다.

​

이번 발표를 단순히 벤치마크가 얼마나 올랐느냐로만 보면 의미가 작아 보일 수 있습니다. 하지만 실제로 중요한 지점은 따로 있습니다. GPT-5.5는 지능을 높이기 위해서 내부적으로 COT에 더 많은 토큰을 쓰고, 더 느려지고, 더 비싸지는 방향의 성능 개선이 아니라 같은 서비스 지연시간 안에서 더 높은 수준의 지능을 제공하는 방향으로 개선된 모델입니다.

​

보통 모델 성능을 높이려면 더 많은 reasoning 토큰을 쓰고, 더 긴 추론 시간을 쓰고, 더 큰 컴퓨팅을 필요로 합니다. 그 결과 모델은 똑똑해지지만 서비스는 느려지고 비용은 올라갑니다. 하지만 GPT-5.5는 동일한 지연시간에서 더 높은 지능을 냅니다. Interactivity(TPS/User) 관점에서 보면 GPT-5.4와 비슷한 토큰당 지연시간을 유지하면서도 더 높은 수준의 reasoning과 업무 수행 능력을 보여주는 모델입

니다.

​

GPT-5.5의 input/output 백만 토큰당 가격은 GPT-5.4 대비 약 3배 높은 수준입니다. 단기적으로는 비싸 보일 수 있지만, 새 모델을 처음 출시할 때는 당연하게도 추론 소프트웨어 스택이 완전히 최적화되지 않은 상태로 서비스 됩니다. 모델 서빙, batching, cache reuse 최적화, 라우팅 최적화, 커널 최적화 등을 매주 진행함에 따라서 몇 달 내로 추론 가격은 빠르게 내려갈 것으로 기대합니다.

​

계속해서 초점은 Agentic AI

GPT-5.5의 방향성은 명확합니다. 초점은 여전히 Agentic AI입니다.

​

오픈AI는 GPT-5.5가 코딩, 리서치, 정보 종합, 데이터 분석, 문서 중심 업무에서 강점을 보인다고 설명했습니다. 특히 Codex와 결합될 때 문서 작성, 스프레드시트 작성, 슬라이드 제작, 운영 리서치, 비즈니스 입력값 정리, 컴퓨터 조작형 업무에서 개선이 나타난다고 설명했습니다. 이제는 사용자가 질문을 던지면 답하는 AI에서 → 이제는 여러 도구를 넘나들며 실제 업무를 처리하는 AI로 이동 중입니다.

​

GPT-5.5는 GPT-6를 위한 실험일 가능성이 높다

이번 GPT-5.5는 GPT-6 이전의 중간 모델로 볼 수 있습니다.

​

GPT-4.5에서도 비슷한 흐름이 있었습니다. GPT-5를 만들기 전에 GPT-5에서 사용할 수 있는 새로운 알고리즘과 사전훈련 방식을 GPT-4.5에서 먼저 테스트하는 성격이 강했습니다. 이번 GPT-5.5 역시 GPT-6, 즉 더 큰 다음 세대 모델을 만들기 전에 사전훈련 방식을 한 번 더 업그레이드하고 검증하는 단계로 볼 수 있습니다.

​

오픈AI의 경쟁력은 컴퓨팅 조달 능력, 연말까지 주어진 우위

GPT-5.5 발표와 함께 중요하게 봐야 할 것은 오픈AI의 컴퓨팅 우위입

니다.

​

오픈AI가 2026년 4월에 투자자들에게 말했던 AI Labs들의 컴퓨팅 약정 규모를 정리하자면

2025년 말 : 오픈AI 1.9GW / 앤스로픽 1.4GW

2026년 말 : 오픈AI 10~13GW / 앤스로픽 7~8GW로 마감할 것으로 예상됩니다.

​

여기서의 함의는 두 가지입니다. 오픈AI가 먼저 컴퓨팅을 상당량 확보했기에 더 많은 사용자에게 서비스할 것으로 예상된다. Spud로 시작하여 GPT-6까지 모델과 제품 경쟁력만 어느 정도 수준으로 받쳐준다면 꽤나 많은 ARR을 추가하여 역전을 노려봄직 한 국면이다. ⓑ산업적으로 보자면 두 기업이 올해 흡수하려는 컴퓨팅 규모만 대략 15GW일 만큼 매우 수요가 높다는 것입니다.

​

하반기에도 계속하여 추론용 컴퓨팅이 오픈AI가 앤스로픽보다 더 많을 것이므로 Opus 4.7 및 Mythos로 다 커버하지 못하는 수요를 오픈AI가 상대적으로 여유 있는 추론 컴퓨팅을 통해 서빙하고 이 과정에서 B2B 수요를 상당부분 흡수하여 체급을 다시금 키울 수 있을 것으로 기대합니다.

​

Codex는 Enteprise 채널을 장악하는 핵심 채널

GPT-5.5의 실질적인 배포 채널로는 Codex를 가장 중요하게 봐야 합니다.

​

Codex WAU는 2026년 초 50만 명 수준 → 2월 초 100만 명 → 3월 초 200만 명 → 4월 초 300만 명 → 4월 하순 400만 명 수준으로 빠르게 증가하고 있습니다. 특히 4월 초까지는 기존에 4주마다 100만 명씩 늘어나는 속도였다면, 최근에는 2주마다 100만 명씩 증가하는 속도로 더 가속화된 상태입니다.

​

ChatGPT가 소비자 시장의 진입점이었다면, Codex는 기업 소프트웨어 업무의 진입점입니다. 개발자들이 매일 쓰는 도구가 되면, 이후에는 문서, 데이터 분석, 테스트, 배포, 보안, 운영 자동화까지 확장될 수 있습

니다.

​

Codex Labs도 같은 맥락입니다. Codex Labs는 오픈AI 전문가들이 직접 기업 조직 안으로 들어가 Codex를 실제 업무 문제에 적용하도록 돕는 프로그램입니다. 기업들이 Codex를 어디에 써야 하는지, 기존 workflow에 어떻게 통합해야 하는지, 초기 사용에서 반복 가능한 시스템으로 어떻게 넘어가야 하는지를 매끄럽게 지원하는 것이 목표입니다.

​

여기에 Accenture, Capgemini, CGI, Cognizant, Infosys, PwC, Tata Consultancy Services 같은 글로벌 시스템 통합업체들이 붙었습니다. 이들은 기업 고객의 내부 시스템, 업무 프로세스, 소프트웨어 및 의사결정 현대화를 다루는 데 강한 기업들입니다.

​

오픈AI가 직접 모든 기업 고객을 상대할 수는 없습니다. 하지만 이러한 파트너를 통해 Codex를 기업 워크플로우에 심을 수 있다면, 모델 성능을 빠르게 매출로 전환시킬 수 있습니다. 따라서 Codex Labs는 단순한 파트너십 발표가 아니라 오픈AI의 B2B 유통 채널을 넓히려는 시도라고 평가할 수 있습니다.

​

혹시, 멀티모달에서도 앞서나가게 될까?

ChatGPT Images 2.0을 출시했습니다. 구글의 Nano Banana 모델보다 여러 벤치마크에서 더 뛰어난 모습입니다. 최근에 보면 오픈AI/앤스로픽이 다방면에서 구글을 앞서가는 모습을 보이고 있는데, 전통적으로 제미나이가 상대적으로 두 AI Labs에 비해서 강했던 이미지/영상 제작 모델에서까지 구글을 뛰어넘을 수 있을지 관심있게 보고 있습니다.

​

"Chronicle" : Codex에 작업 기억 붙이기

오픈AI가 Chronicle을 발표했습니다. 아직 정식 배포는 아니고 Preview이긴 한데 꽤 유의미한 기능 추가이기도 하고, 향후 NAND 수요에도 긍정적일 요소라 생각하기에 가져와봤

습니다. Chronicle은 Codex가 사용자의 최근 화면 컨텍스트를 바탕으로 메모리를 만들고, 이후 대화나 작업에서 다시 불러쓸 수 있게 하는 기능입니다. 쉽게 말하면, 사용자가 방금 무엇을 보고 있었고, 어떤 작업 흐름을 이어가고 있었는지를 Codex가 기억하도록 돕는 계층입니다.

​

구조는 직관적입니다. 사용자의 최근 화면 컨텍스트를 읽고 → 그 안에서 의미 있는 작업 내용을 요약한 뒤 → 로컬 메모리 형태로 저장합니다 → 이후 Codex가 다음 작업을 수행할 때 이 메모리를 다시 컨텍스트로 활용합니다. 모델의 지능 자체를 키우는 기능이 아니라, 모델이 지금 해야 하는 일을 더 빨리 이해하도록 돕는 기능입니다. Codex 같은 코딩 에이전트에서 사용자가 가장 자주 겪는 불편은 '방금까지 무엇을 하고 있었는지'를 매번 다시 설명해야 한다는 점입니다. Chronicle은 이 문제를 줄이는 것이 목표입니다.

​

용도를 좀 더 자세하게 보자면,

​

첫 번째 용도는 현재 화면을 더 잘 이해하는 것입니다. 사용자가 코드 에디터, 브라우저, 문서, 대시보드, 터미널을 보고 있다면 Codex는 그 화면 맥락을 바탕으로 사용자가 무엇을 말하는지 더 빨리 파악할 수 있습니다.

두 번째 용도는 프롬프트에 빠진 컨텍스트를 알아서 센스있게 채우는 것입니다. 사용자는 프롬프트를 항상 완벽하게 쓰지 않습니다. '이거 고쳐줘', '아까 하던 것 이어서 해줘', '여기 왜 안 돼?'처럼 불완전한 요청을 하는 경우가 많습니다. Chronicle은 최근 화면과 작업 기록을 바탕으로 프롬프트에 빠진 맥락을 보완합니다. 따라서 Codex는 사용자가 굳이 모든 배경을 다시 설명하지 않아도, 현재 작업이 어떤 맥락에서 진행되고 있었는지에 대해서 더 잘 복원할 수 있습

니다.

세 번째 용도는 반복되는 도구와 워크플로우를 기억하는 것​​입니다. 사용자가 자주 쓰는 도구, 프로젝트별 작업 방식, 반복되는 워크플로우도 기억할 수 있습니다. 예를 들어 특정 프로젝트에서는 어떤 테스트 명령어를 쓰는지, 어떤 문서나 대시보드를 자주 참조하는지, 어떤 방식으로 디버깅하는지를 장기적으로 학습합니다.

​

아마존, 26년 PER 34배 / Neutral

아마존 4Q25 실적발표 코멘트 / 주간전략보고 中 (바로가기)

아마존 3Q25 실적발표 코멘트 / 주간전략보고 中 (바로가기)

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

​

앤스로픽-AWS 계약 : 10년간 5GW까지 확대

앤스로픽이 아마존과 전략적 파트너십을 확대했습니다. 핵심은 Claude 훈련과 추론을 위해 향후 10년간 AWS에서 최대 5GW 규모의 AI 컴퓨팅 용량을 확보한다는 것입니다. 여기에는 2Q26부터 온라인될 추가 Trainium2 용량과, 2026년 말까지 가동될 Trainium2 및 Trainium3 합산 약 1GW 용량이 포함됩니다. 또한 Claude의 아시아와 유럽 추론 수요를 처리하기 위한 지역별 추론 컴퓨팅 확장 계약도 포함됩니다.

​

아마존도 앤스로픽에 추가로 $5B를 투자하고, 향후 조건 충족 시 최대 $20B까지 추가 투자할 수 있습니다. 앤스로픽에게 기존에 $8B 투자했던 것에 더해지는 구조입니다.

​

아마존은 향후 AWS에 $100B를 투자하여 앤스로픽향 5GW 신규 용량을 추가할 예정입니다. Trainium 프로젝트들의 경우 1GW당 $20B CapEx란 의미입니다. Graviton, Trainium2/3/4까지를 포함한 옵션입니다.

​

ASIC은 크게 보이고, GPU는 작게 보이는 착시가

있다

여기서 중요한 것은 5GW라는 숫자를 그대로 현재 시장점유율처럼 읽으면 안 된다는 점입니다. 이번 계약에서 말하는 5GW는 2026년에 한 번에 들어오는 물량이 아니라, 향후 10년에 걸쳐 확보할 수 있는 최대 용량입니다. 2026년 말까지 실제로 들어오는 용량은 Trainium2와 Trainium3를 합쳐 약 1GW입니다.

​

비슷한 구조는 오픈AI-아마존 계약에서도 드러나는데, 오픈AI도 AWS와의 전략적 파트너십을 통해서 2GW의 Trainium 용량을 소비하기로 약속했고, 아마존은 오픈AI에 $50B를 투자하기로 했습니다. 이 계약도 Trainium 3와 Trainium4를 포함한 장기 용량 확보 구조의 계약입니다.

​

정리하면, 오픈AI와 앤스로픽 모두 AWS Trainium을 기존보다 더 쓰는 것은 맞습니다. 다만 이를 3년 정도의 가시적 기간으로 잘라보면, 각각 2GW 안팎의 약정으로 보는 것이 더 현실적입니다. 규모가 작다는 뜻은 아닙니다. 왜 이 부분을 따로 잘라서 정리드리는가 하면, 투자자분들이 자주 빠지는 함정 중에 ASIC 계약은 미래 물량을 크게 보이게 하는 착시가 있기 때문입니다.

​

그 이유는 단순합니다. ASIC은 미래의 것을 미리 약정하는 구조이기 때문입니다. Trainium, TPU, 기타 ASIC은 칩 설계~소프트웨어 최적화~데이터센터 전력~네트워크~고객 워크로드가 함께 묶입니다. 그래서 계약이 다년 단위로 나옵니다. 발표 숫자도 N년, xGW, $xx~xxxB처럼 크게 보입니다.

​

반면, 엔비디아 GPU 같은 경우는 그때그때 클라우드 사업자, AI Labs, 네오클라우드, 엔터프라이즈 등이 수요에 맞게 나눠서 계약합니다. 장기 공급계약도 있지만, 모든 물량이 대형 전략 파트너십 형태로 공개되지도 않

습니다. 그래서 공개 뉴스만 보면 ASIC의 점유율이 실제보다 더 커 보입니다. 장기 약정으로 잡히는 ASIC 물량은 눈에 잘 보이고, GPU 수요는 그때그때 여러 채널로 흩어져 보이기 때문입니다.

​

3년간 100~150GW에 가까운 컴퓨팅이 온라인될 것

현실적인 큰 그림은 이렇습니다.

​

AI ARR이 지금과 같은 속도로 성장한다면, 미국 내 데이터센터 컴퓨팅 용량은 CY26 약 15GW → CY27 약 40GW → CY28 약 100GW 수준까지 커질 수 있습니다. 3년 합산으로 보면 약 155GW의 컴퓨팅 용량이 필요해지는 그림입니다. 이 가정을 놓고 보면, 오픈AI와 앤스로픽이 Trainium에 각각 약 2~3GW씩 약정하고, 이후 추가로 더 빌려 각각 5GW씩 총 10GW를 사용한다고 해도 전체 AI 컴퓨팅 증가분이 3년간 150GW이므로 이 안에서는 일부에 불과합니다.

​

1GW라 그래서 같은 토큰 생산량, 같은 FLOPS가 나오지 않는다

또한, AI 인프라를 볼 때 유의하시면 도움이 되실 점 두 번째는 1GW라는 전력 단위는 같아 보여도 그 안에 들어가는 칩의 종류에 따라 실제 컴퓨팅 생산량은 완전히 달라진다는 것입니다.

​

예를 들어서, 1GW당 H100/200은 $20~25B가 들었고 → GB200/300은 $30B~35B → VR200/300은 $40~50B가 들어갈 것으로 예상합니다. AMD의 MI450~500의 경우 1GW당 $20~25B이고, ASIC들은 1GW당 $20~30B 정도입니다. Trainium은 비용과 성능 관점에서 저비용 중성능이 목표인 것이고, TPU는 중비용 고성능이 목표인 칩이니 각 칩마다 1GW당 CapEx 규모도 다릅니다.

​

몇 GW를 온라인 했느냐로 보면 ASIC이 많아보이지만, 실제로는 엔비디아의 컴퓨팅 기준으로 볼 때는 생각보다 얼마 안되는 계약일 수도 있

습니다. 예를 들어서, 1GW 용량을 채운다고 하면 GB200/300 NVL72로는 45만 개의 칩이 들어가서 BF16 기준 1125 ExaFLOPS을 내는데, Trainium 2로는 100만 개를 넣어서 667 EFLOPS를 냅니다. FLOPS 자체는 칩당 GB200 대비 59% 수준이고, TCO 대비 FLOPS에서는 44% 낮으며, Trainium 2 1.66GW가 GB200/300 1GW와 같다는 의미입니다.

​

TCO 대비 퍼포먼스로 엔비디아에 비해서 경쟁력이 없으니, AWS는 현금을 AI Labs에게 주고 지분을 받고, AI Labs들은 어차피 쓸 컴퓨팅인데 돈을 받으면서(+) 계약을 할 수 있으니 Trainium의 훈련 및 서빙 스택을 엔비디아 GPU 수준과 비슷한 레벨에 맞추는 데 필요한 시간과 비용을 기꺼이 감수(-)하는 것입니다.

​

아무튼, 여러 각도를 생각하시는 게 능동적인 투자에 도움이 되실 거라 생각하기에 한 번 정리해봤습니다 :)

​

메타, 26년 PER 22배 / Neutral

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

메타 3Q25 실적발표 코멘트 / 주간전략보고 中 (바로가기)

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

메타 2Q25 실적발표 : SUPER BEAT, AI와 GPU를 EPS로 바꾸다 (바로가기)

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

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

​

메타, AWS와 수천만 개의 Graviton 코어 편입

메타가 AWS와 협력해 수천만 개 규모의 AWS Graviton 코어(코어 기준이라, CPU 칩을 수천만 개 구매한 게

아닙니다. Graviton5 기준 196개의 코어이니 1,000만 개라고 가정하면 Graviton5 기준 5.1만 개 CPU를 구매한 것입니다) 자사 컴퓨트 포트폴리오에 편입합니다. 원문 표현상 첫 배치가 "tens of millions of Graviton cores"이며, 향후 AI 역량 확대에 따라 더 늘릴 수 있는 구조입니다. 이로써 메타는 전 세계에서 가장 큰 Graviton 고객 중 하나가 될 전망입니다.

​

Agentic AI 채택을 앞두고 CPU 수요가 오르는 시기에 여러 CPU 벤더들을 멀티로 두기 위한 계약입니다. GPU는 여전히 대규모 모델 학습과 고성능 추론의 핵심입니다만, Agentic AI가 커질수록 GPU 주변에서 작동하는 CPU 기반 작업량도 커지기 때문에, 메타는 해당 계층에 Graviton5를 넣어 효율을 높이려는 것입니다.

​

그리고 메타 자체가 <AI 인프라 1GW의 경제학 : 엔비디아의 '현금' vs AMD의 '워런트'> 자료에서 전해드렸던 것처럼 컴퓨팅 자체를 여러 벤더들을 끌어들여서 최대한 멀티벤더 상태로 유지하려고 하고 있습니다. AI 가속기에서 엔비디아, AMD, MTIA를 구매한 것처럼, CPU에서도 엔비디아의 Vera CPU 랙도 구매했고, ARM의 AGI CPU도 구매했고, AMD CPU도 구매하려는 전략입니다.

​

루머) 감원을 통한 영업비용 줄이기 예고

메타가 직원의 10%에 해당하는 8,000명을 해고하고, 6,000개의 채용 일자리를 없앨 예정입니다. 해고는 5월 20일부터 시작될 예정입니다.

​

테슬라, 26년 PER 183배 / Underweight

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

로가기)

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

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

​

테슬라 1Q26 리뷰 : 당장의 숫자는 좋으나, 구조적으로는 지속 불가능한 실적

테슬라의 1Q26 실적은 표면적으론 괜찮았습니다. 매출은 YoY 16%, FCF도 좋았습니다. 다만 그 숫자가 얼마나 반복 가능한가의 측면으로 보자면 아쉬운 부분들이 있었습니다.

​

가장 조심스러운 부분은 마진입니다. 자동차 GPM ex-credit이 19.2%까지 올라온 것은 긍정적이지만, 이 수치를 그대로 테슬라의 정상 마진은 아니었습니다. 자동차 마진 개선에는 약 $230M 규모의 보증 충당금 환입이 들어갔고, 관세 관련 혜택도 일부 반영되어 있습니다. 10-Q에도 원가가 warranty와 관세 관련 일회성 효과의 도움을 받았다고 설명했습니다.

​

에너지 사업도 마찬가지입니다. 1Q26 에너지 GPM은 39.5%로 매우 높았지만, 여기에도 관세 관련 일회성 효과가 들어갔습니다. 테슬라는 에너지 저장장치 원가 감소의 원인 중 하나로 관세 관련 일회성 환급 이익(one-time benefits)를 명시했습니다. 좋긴 한데, 일회성 효과를 제거하면 지속 가능한 수익성 개선은 아직 확인이 필요하다고 보는 편이 좀 더 현실적입니다.

​

"CapEx Heavy AI Transition"

이번에 중요했던 건 CY26부터 테슬라가 대규모 CapEx 국면이 들어간다고 발표한 점입니다. 테슬라는 2026년 CapEx가 $25B를 초과할 것이라고 밝혔습니다. 투자 대상은 단순히 자동차 공장 증설이

아닙니다. AI 데이터센터, 로보택시 운영 인프라, 옵티머스 생산라인, AI5 칩, 반도체 관련 R&D 생산설비, 에너지 저장 제조역량, 서비스 및 충전 인프라가 동시에 포함됩니다.

​

FSD/로보택시의 기대, 그러나 신중한 가이던스

자동차 사업에서 나오는 현금흐름을 바탕으로 AI, 로봇, 자율주행, 반도체, 에너지 인프라로 기업 정체성을 바꾸려 하고 있습니다. FSD 유료 고객 수가 약 130만 명까지 늘었습니다. 반복 매출형 소프트웨어 스토리에 긍정적입니다. 로보택시 자체는 장기 스토리 측면에서 꽤 고무적인 지표들도 있었습니다. 오스틴에서 안전운전자를 제거했고, 댈러스와 휴스턴으로 확장했다는 점은 더 이상 로보택시가 순수한 데모 단계에만 머물러 있지는 않다는 의미입니다.

​

하지만 단기적인 기대치는 조금 더 낮췄습니다. 머스크가 컨콜에서 올해 연말까지 "a dozen or so states"로 확대하기를 희망한다고 말하면서도, 안전성과 검증을 강조하는 더 신중한 톤을 보였습니다. 또한 로보택시가 실적에 의미 있는 기여를 하는 시점을 CY27으로 더 미뤘습니다. 기술적으로는 가능한데 이것을 얼마나 도시별로 안정하고 매끄럽게 확장 가능할 것인가가 중요합니다. 아직까지는 Waymo 혹은 Baidu 방식의 도시 확장 속도와 크게 다르지 않기 때문에 지금보다는 좀 더 출시 속도가 빨라지길 바라고 있습니다.

​

HW3 이슈는 FSD 스토리의 그림자

머스크는 HW3가 AI4 대비 메모리 대역폭이 1/8 수준에 불과해 unsupervised FSD를 달성하기 어렵다고 인정했습니다. 대략 400만 대의 HW3 차량이 영향을 받으며, HW 업그레이드나 차량 교체 없이는 unsupervised FSD를 사용할 수 없게 된 상

태입니다. FSD의 성장 스토리가 다소 제한적일 수 있는 두 번째 이유입니다.

​

옵티머스는 아직 매출 기대가 아닌, 생산 검증 단계

옵티머스는 테슬라의 가장 큰 장기 옵션 중 하나입니다. 그러나 2026년에 중요한 것은 매출이 아니라 생산 검증입니다. 프리몬트에서 Model S/X 라인을 옵티머스 생산라인으로 전환하고, 이후 기가텍사스쪽 생산 확대를 준비한다는 그림입니다.

​

옵티머스는 완전히 새로운 제품이기 때문에 새로운 부품, 새로운 공급망, 새로운 생산공정, 새로운 품질관리 체계가 필요합니다. 이 경우 생산 속도는 가장 잘 준비된 부품이 아니라 가장 느린 부품이 결정합니다.

​

옵티머스 V3 공개 시점, 프리몬트 라인 전환 속도, 테슬라 내부 공장 투입 여부, 초기 작업 skill의 범위, 기가텍사스에 옵티머스 라인이 깔리는 시점, CY27 생산 가시성 등등 중요한 것이 많긴 하지만 매출기대가 아닌 생산 검증을 기다리는 단계입니다.

​

SpaceX + Cursor 전략적 제휴 : Colossus 2를 컴퓨팅으로도 판매 중

스페이스X가 Cursor와 전략적 제휴를 맺으면서 연말에 Cursor를 $60B에 인수할 수 있는 권리도 부여했습니다. Cursor는 자체 에이전트 코딩 모델인 Composer 훈련을 강화하기 위해서 xAI의 Colosuss 2 인프라를 사용한다는 계획입니다. 오픈AI와 앤스로픽이 이미 코딩분야에서 승자로 굳힌 상태이기 때문에 Cursor는 사실상 가치가 크게 하락해있는데 이를 인수한 것이라 Tier 2-Tier 2간 인수이므로 업계에 큰 의미는 없습니다. 그리고 cash deal이 아니라 stock deal이기도