2026.10.14 · 네이버 프리미엄 콘텐츠 · 올바른 미국주식 by SAPIENS

일간보고 : 투자의 생각 (261014)

네이버 프리미엄 콘텐츠 원문 보기 별의순간 텔레 요약 바로가기 분석 기준 보기

유형

네이버 프리미엄 콘텐츠

날짜

2026.10.14

강연자/작성자

올바른 미국주식 by SAPIENS

분석 주제

미지정

자료 길이

본문 14,610자

문서 전체 조망

핵심 구조

AI 경쟁·메모리·광인터커넥트에서 이름보다 실제 실행 조건을 다시 본다

이 글은 AI 모델 공개와 방어, DRAM 구조, NPO 광학 표준, TPU·전력·플랫폼 지표를 훑으며 기술 발표의 이름이나 일정만으로 경쟁력과 공급 충격을 결론 내리지 말아야 한다는 관점을 제시한다.

수율·원가·사용자 데이터·테스트 처리량·실제 수요가 각 판단을 가르는 이유다.

AI 모델은 가격·사용 데이터·컴퓨팅 배분까지 함께 본다

Muse Wonder는 개인용 에이전트 특화와 컴퓨팅 확보를 선택했지만, 유사 모델 대비 API 가격 경쟁력은 낮게 평가됐다.
Gemini 4 Argon은 비용 대비 성능과 실제 코딩 작업의 사용자 데이터 축적 가능성을 함께 보며, 단일 데모가 아닌 장시간 작업·작업당 비용·토큰과 6~12개월 시나리오를 비교해야 한다.

증류 방어는 보안 성과와 매출의 교환관계다

앤스로픽은 생각 토큰 추출 방어로 탈취량을 90~99% 낮췄다고 했지만, 이를 막으면 Tier 2 이하 AI Labs가 토큰 ARR에 기여하던 부분도 줄어든다는 비용을 함께 짚었다.
소형 모델의 IoT 분산 추론은 가능성을 보였으나, 현재 구축 시간과 컴퓨트 규모로는 위험 수준을 높게 보지 않았다.

4F² DRAM은 구조 이름보다 양산 원가가 중요하다

CXMT의 연구 진전과 출시 계획에는 수율·셀 피치·비트당 원가가 빠져 있다.
4F²와 6F²의 비교도 F의 절대 크기, 실제 집적도와 수율을 맞춰야 하며, 중국 내수 흡수와 높은 마진은 곧바로 글로벌 저가 공급 충격으로 해석하지 말아야 할 조건이다.

NPO 표준은 광학 엔진의 역할을 남길 수 있다

Open CPX는 광학 엔진을 패키지 주변에 놓는 방식으로 멀티벤더 구조를 CPO·NPO로 확장할 가능성을 제시한다.
광학 정렬이 빨라진 뒤에는 PIC 전체 테스트의 처리량과 통합 계측 플랫폼이 양산의 병목으로 이동한다.

계획·채널 체크·일간 지표는 확정 사실과 분리한다

TPU의 테이프아웃은 여러 번 반복될 수 있어 일정 지연과 v8t 물량을 함께 읽어야 한다.
전력 캐파, Project Jupiter, 도어대시·트랜스메딕스·USDC의 일간 지표도 각각의 조건과 계절성·사용처를 분리해 해석한다.

발생·예정 사건과 출처별 관점

이슈 분석

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

발생발표·발생 후발생일 26-10-12

26-10 메타 Muse Wonder 모델 공개

작성자의 핵심 판단

Muse Wonder는 높은 가격에도 개인용 에이전트 특화와 후속 학습을 위한 컴퓨팅 확보를 택했지만, 유사 성능 모델 대비 가격·지능 경쟁력은 높아 보이지 않는다는 평가다.

근거 보기 1

원문 구간 1
추가적인 생각들을 정리해보면: Muse Wonder의 총 파라미터는 3T로 추정됩니다. Kimi-K3보다 크고, GPT-6 Astra나 Fable 5.1보다 작은 모델입니다. 오하이오주의 프로메테우스 클러스터에서 학습됐습니다. Muse Wonder API 가격은 $4/$20입니다. Opus 5.5과 백만토큰당 비용을 같게 책정했습니다. GPT-6.1 Sol과 Gemini 4 Argon은 $2/$10입니다. Muse Wonder가 물론 잘 뽑힌 모델이긴 합니다만 성능이 비슷한 모델들(GPT-6.1 Sol, Gemini 4 Argon)과 비교하자면 가격 경쟁력이나 지능을 생각해서는 경쟁력이 높아보이진 않습니다. 그럼 왜 이렇게 높은 비용을 청구할 수 있었을까 생각해보면 중국 AI Labs들이 증류할 모델로 Muse Wonder를 사용하게 만들려는 것인가 싶기도 합니다. 앤스로픽과 오픈AI가 증류 방어에 굉장히 적극적이고, 이번 주 주간전략보고에서 전해드린 것처럼 RL에 쓰는 컴퓨팅 비율이 워낙 크기 때문에 중국 AI Labs 입장에서는 어딘가를 Teacher 모델로 삼으려 할 것이라 봅니다. 메타는 7월까지만 해도 메타는 자체 GPU 인프라의 유휴 용량을 앤스로픽에게 임대하려 계획했었습니다. 그러나 최근에는 9월 Muse 출시 이후 토큰 소비량이 크게 증가하고, Wonder이 3T보다 몇 배 더 큰 후속 모델을 학습하기 위해 사전학습과 RL에 막대한 컴퓨팅 자원이 필요해지자 외부 GPU 임대 계획을 철회했습니다. 메타는 Muse Wonder를 개인용 에이전트인 Muse에 사용할 모델로서 특화했습니다. 그 과정에서 두 가지 특징이 있습니다. ⓐActive Memory를 통해서 사용자와의 대화나 개인 정보를 장기간 기억하고, ⓑActive Focus를 통해서 Computer Use 작업 도중 문제가 발생할 경우 접근 방식을 수정합니다.

이 자료에서 다룬 사실

Muse Wonder는 총 3T 파라미터로 추정되고, API 가격은 백만 토큰당 $4/$20으로 제시됐다.

근거 보기 1

원문 구간 1
추가적인 생각들을 정리해보면: Muse Wonder의 총 파라미터는 3T로 추정됩니다. Kimi-K3보다 크고, GPT-6 Astra나 Fable 5.1보다 작은 모델입니다. 오하이오주의 프로메테우스 클러스터에서 학습됐습니다. Muse Wonder API 가격은 $4/$20입니다. Opus 5.5과 백만토큰당 비용을 같게 책정했습니다. GPT-6.1 Sol과 Gemini 4 Argon은 $2/$10입니다. Muse Wonder가 물론 잘 뽑힌 모델이긴 합니다만 성능이 비슷한 모델들(GPT-6.1 Sol, Gemini 4 Argon)과 비교하자면 가격 경쟁력이나 지능을 생각해서는 경쟁력이 높아보이진 않습니다. 그럼 왜 이렇게 높은 비용을 청구할 수 있었을까 생각해보면 중국 AI Labs들이 증류할 모델로 Muse Wonder를 사용하게 만들려는 것인가 싶기도 합니다. 앤스로픽과 오픈AI가 증류 방어에 굉장히 적극적이고, 이번 주 주간전략보고에서 전해드린 것처럼 RL에 쓰는 컴퓨팅 비율이 워낙 크기 때문에 중국 AI Labs 입장에서는 어딘가를 Teacher 모델로 삼으려 할 것이라 봅니다. 메타는 7월까지만 해도 메타는 자체 GPU 인프라의 유휴 용량을 앤스로픽에게 임대하려 계획했었습니다. 그러나 최근에는 9월 Muse 출시 이후 토큰 소비량이 크게 증가하고, Wonder이 3T보다 몇 배 더 큰 후속 모델을 학습하기 위해 사전학습과 RL에 막대한 컴퓨팅 자원이 필요해지자 외부 GPU 임대 계획을 철회했습니다. 메타는 Muse Wonder를 개인용 에이전트인 Muse에 사용할 모델로서 특화했습니다. 그 과정에서 두 가지 특징이 있습니다. ⓐActive Memory를 통해서 사용자와의 대화나 개인 정보를 장기간 기억하고, ⓑActive Focus를 통해서 Computer Use 작업 도중 문제가 발생할 경우 접근 방식을 수정합니다.

그렇게 판단한 이유

글은 중국 AI Labs가 증류용 Teacher 모델로 사용할 수 있다는 가능성과, 사전학습·RL 컴퓨팅 수요 증가를 높은 가격과 GPU 정책의 배경으로 연결한다.

근거 보기 1

원문 구간 1
추가적인 생각들을 정리해보면: Muse Wonder의 총 파라미터는 3T로 추정됩니다. Kimi-K3보다 크고, GPT-6 Astra나 Fable 5.1보다 작은 모델입니다. 오하이오주의 프로메테우스 클러스터에서 학습됐습니다. Muse Wonder API 가격은 $4/$20입니다. Opus 5.5과 백만토큰당 비용을 같게 책정했습니다. GPT-6.1 Sol과 Gemini 4 Argon은 $2/$10입니다. Muse Wonder가 물론 잘 뽑힌 모델이긴 합니다만 성능이 비슷한 모델들(GPT-6.1 Sol, Gemini 4 Argon)과 비교하자면 가격 경쟁력이나 지능을 생각해서는 경쟁력이 높아보이진 않습니다. 그럼 왜 이렇게 높은 비용을 청구할 수 있었을까 생각해보면 중국 AI Labs들이 증류할 모델로 Muse Wonder를 사용하게 만들려는 것인가 싶기도 합니다. 앤스로픽과 오픈AI가 증류 방어에 굉장히 적극적이고, 이번 주 주간전략보고에서 전해드린 것처럼 RL에 쓰는 컴퓨팅 비율이 워낙 크기 때문에 중국 AI Labs 입장에서는 어딘가를 Teacher 모델로 삼으려 할 것이라 봅니다. 메타는 7월까지만 해도 메타는 자체 GPU 인프라의 유휴 용량을 앤스로픽에게 임대하려 계획했었습니다. 그러나 최근에는 9월 Muse 출시 이후 토큰 소비량이 크게 증가하고, Wonder이 3T보다 몇 배 더 큰 후속 모델을 학습하기 위해 사전학습과 RL에 막대한 컴퓨팅 자원이 필요해지자 외부 GPU 임대 계획을 철회했습니다. 메타는 Muse Wonder를 개인용 에이전트인 Muse에 사용할 모델로서 특화했습니다. 그 과정에서 두 가지 특징이 있습니다. ⓐActive Memory를 통해서 사용자와의 대화나 개인 정보를 장기간 기억하고, ⓑActive Focus를 통해서 Computer Use 작업 도중 문제가 발생할 경우 접근 방식을 수정합니다.

발생발표·발생 후발생일 26-9-30

26-9 구글 Gemini 4 Argon 발표

작성자의 핵심 판단

Gemini 4 Argon은 TPU v7 학습 가능성과 비용 대비 성능에서 긍정적으로 평가되지만, 투자 판단은 단일 데모가 아니라 코딩 작업·비용·토큰 지표와 6~12개월 시나리오를 함께 봐야 한다는 문제의식이다.

근거 보기 1

원문 구간 1
(2) 구글이 Gemini 4 Argon을 GA했습니다: Gemini 4 Argon에 대해서는 10월 5일 주간전략보고에서 전해드린 바 있습니다. 공급망 내 칩/랙 출하 시기를 맞춰보니 TPU v7로 학습했을 가능성이 높아 보입니다. TPU v7 수준은 GB200에 비해 전반적으로 좋은 정도입니다. Gemini 4 Argon은 가성비를 생각하면 좋은 모델이란 생각은 여전합니다. Argon은 이후에 Gemini 4 시리즈의 새로운 모델들에 대해서도 기대하게 하는 모델이고, 3등을 놓고 벌일 메타와의 경쟁도 어떤 양상으로 진행될지 궁금하게 만드는 모델입니다. 구글은 Antigravity CLI 사용자 풀을 키워나가고, 메타는 Muse Code 사용자 풀을 키워나가야 합니다. 실제 코딩 작업에 성공한 Trajectory를 가져다가 모델에 학습 데이터로 넣는 과정을 통해서 데이터 Flywheel을 굴릴 수 있습니다. 여러 벤치마크를 보면서 하나하나 판단하기가 까다롭다보니 요즘은 특히 3D 모델링을 몇 개 돌려보고 특정 모델의 성능이 어떻다를 많이 판단하는데, 가십성으로 보는 경우들은 이해하지만 투자자들이 그런 기준으로 보기에 맞는 판단일지는 별로 공감되지 않을 때가 많습니다. 하네스를 포함한 주요 코딩 벤치마크 비교, 장시간 에이전트 작업, 작업당 비용, 작업당 토큰 수를 판단하고 어느 방향으로 갈 것이다에 대한 감을 키워가야 투자에 쓰기가 좋습니다. 투자는 기본적으로 앞을 보고 해야 하는 것인지라 확실하고 명료하지는 않을지언정 지금 상태에서 앞으로 6~12개월을 볼 수 있어야 하고 가장 가능성이 높은 시나리오를 갖고 있는 것이 중요하다고 생각합니다. (3) 앤스로픽의 연구 내용 발표들이 있었습니다: 앤스로픽이 타 AI Labs들에 대한 모델 증류 방어구조를 크게 강화했습니다: Claude의 생각 토큰들을 무단으로 추출해서 경쟁모델 학습에 쓰는 것을 방어하기 위한 작업입니다.

이 자료에서 다룬 사실

글은 Gemini 4 Argon이 TPU v7로 학습됐을 가능성이 높고 GPT-6.1 Sol과 비교해 가격이 $2/$10이라고 적었다.

근거 보기 1

원문 구간 1
(2) 구글이 Gemini 4 Argon을 GA했습니다: Gemini 4 Argon에 대해서는 10월 5일 주간전략보고에서 전해드린 바 있습니다. 공급망 내 칩/랙 출하 시기를 맞춰보니 TPU v7로 학습했을 가능성이 높아 보입니다. TPU v7 수준은 GB200에 비해 전반적으로 좋은 정도입니다. Gemini 4 Argon은 가성비를 생각하면 좋은 모델이란 생각은 여전합니다. Argon은 이후에 Gemini 4 시리즈의 새로운 모델들에 대해서도 기대하게 하는 모델이고, 3등을 놓고 벌일 메타와의 경쟁도 어떤 양상으로 진행될지 궁금하게 만드는 모델입니다. 구글은 Antigravity CLI 사용자 풀을 키워나가고, 메타는 Muse Code 사용자 풀을 키워나가야 합니다. 실제 코딩 작업에 성공한 Trajectory를 가져다가 모델에 학습 데이터로 넣는 과정을 통해서 데이터 Flywheel을 굴릴 수 있습니다. 여러 벤치마크를 보면서 하나하나 판단하기가 까다롭다보니 요즘은 특히 3D 모델링을 몇 개 돌려보고 특정 모델의 성능이 어떻다를 많이 판단하는데, 가십성으로 보는 경우들은 이해하지만 투자자들이 그런 기준으로 보기에 맞는 판단일지는 별로 공감되지 않을 때가 많습니다. 하네스를 포함한 주요 코딩 벤치마크 비교, 장시간 에이전트 작업, 작업당 비용, 작업당 토큰 수를 판단하고 어느 방향으로 갈 것이다에 대한 감을 키워가야 투자에 쓰기가 좋습니다. 투자는 기본적으로 앞을 보고 해야 하는 것인지라 확실하고 명료하지는 않을지언정 지금 상태에서 앞으로 6~12개월을 볼 수 있어야 하고 가장 가능성이 높은 시나리오를 갖고 있는 것이 중요하다고 생각합니다. (3) 앤스로픽의 연구 내용 발표들이 있었습니다: 앤스로픽이 타 AI Labs들에 대한 모델 증류 방어구조를 크게 강화했습니다: Claude의 생각 토큰들을 무단으로 추출해서 경쟁모델 학습에 쓰는 것을 방어하기 위한 작업입니다.

그렇게 판단한 이유

구글의 Antigravity CLI와 메타의 Muse Code 사용자 풀은 실제 코딩 성공 Trajectory를 학습 데이터로 축적하는 Flywheel과 연결된다고 설명한다.

근거 보기 1

원문 구간 1
(2) 구글이 Gemini 4 Argon을 GA했습니다: Gemini 4 Argon에 대해서는 10월 5일 주간전략보고에서 전해드린 바 있습니다. 공급망 내 칩/랙 출하 시기를 맞춰보니 TPU v7로 학습했을 가능성이 높아 보입니다. TPU v7 수준은 GB200에 비해 전반적으로 좋은 정도입니다. Gemini 4 Argon은 가성비를 생각하면 좋은 모델이란 생각은 여전합니다. Argon은 이후에 Gemini 4 시리즈의 새로운 모델들에 대해서도 기대하게 하는 모델이고, 3등을 놓고 벌일 메타와의 경쟁도 어떤 양상으로 진행될지 궁금하게 만드는 모델입니다. 구글은 Antigravity CLI 사용자 풀을 키워나가고, 메타는 Muse Code 사용자 풀을 키워나가야 합니다. 실제 코딩 작업에 성공한 Trajectory를 가져다가 모델에 학습 데이터로 넣는 과정을 통해서 데이터 Flywheel을 굴릴 수 있습니다. 여러 벤치마크를 보면서 하나하나 판단하기가 까다롭다보니 요즘은 특히 3D 모델링을 몇 개 돌려보고 특정 모델의 성능이 어떻다를 많이 판단하는데, 가십성으로 보는 경우들은 이해하지만 투자자들이 그런 기준으로 보기에 맞는 판단일지는 별로 공감되지 않을 때가 많습니다. 하네스를 포함한 주요 코딩 벤치마크 비교, 장시간 에이전트 작업, 작업당 비용, 작업당 토큰 수를 판단하고 어느 방향으로 갈 것이다에 대한 감을 키워가야 투자에 쓰기가 좋습니다. 투자는 기본적으로 앞을 보고 해야 하는 것인지라 확실하고 명료하지는 않을지언정 지금 상태에서 앞으로 6~12개월을 볼 수 있어야 하고 가장 가능성이 높은 시나리오를 갖고 있는 것이 중요하다고 생각합니다. (3) 앤스로픽의 연구 내용 발표들이 있었습니다: 앤스로픽이 타 AI Labs들에 대한 모델 증류 방어구조를 크게 강화했습니다: Claude의 생각 토큰들을 무단으로 추출해서 경쟁모델 학습에 쓰는 것을 방어하기 위한 작업입니다.

발생발표·발생 후발생일 26-9-10

26-9 앤트로픽의 모델 증류 조사 결과 공개

작성자의 핵심 판단

증류 방어는 추론 토큰 탈취를 크게 줄였지만, Tier 2 이하 AI Labs의 토큰 ARR 기여까지 줄이는 매출·이익의 대가가 있는 선택으로 제시된다.

근거 보기 1

원문 구간 1
결과적으로 도입 후 공격자들이 탈취한 생각 토큰이 기존 대비 90~99% 감소했다고 발표했습니다. 핵심은 ⓐ모델 및 계정 간 추론 데이터 이동 제한(Preserved Thinking), ⓑ추론 추출 시도를 탐지하는 2단계 분류기 도입, ⓒ반복 증류 시도 계정에 대한 사용량 제한 및 차단입니다. 분류기의 오탐률은 0.1% 미만이며 수만 개의 공격 계정을 차단했고 상당수는 공격 시작 후 2시간 이내로 차단했습니다. 앤스로픽은 2026년 8월쯤부터는 Claude의 전체 추론 과정을 다 밝히지 않고 요약해 제공하는 방식으로 증류 효율을 낮춰왔었습니다. 실제 SWE-bench Verified 평가에서 전체 추론 기록을 그대로 증류한 모델은 80.4%인데, 요약본만 학습시킨 모델은 71.8%를 기록해 증류 공격 시 배울 것이 많지 않게끔 만든 효과를 냈었습니다. 그런데 공격자들이 가짜 계정 수십만 개를 활용해 추론 과정을 우회 추출하다보니 방어 체계를 별도로 고도화한 것입니다. 결과적으로는 증류를 제대로 막을 경우 중국 AI Labs를 비롯한 수많은 Tier 2 이하의 AI Labs들이 앤스로픽의 토큰 ARR을 높여주는 데 더이상 기여하지 않기 때문에 앤스로픽 입장에서는 매출과 이익을 포기하는 작업이긴 합니다. 앤스로픽이 소형 AI 모델의 데이터센터 없는 자율적 자기복제 가능성을 경고했습니다: 소형 AI 모델이 스마트 TV, 가전제품 등 상용 IoT 기기에서 인간의 개입 없이 스스로 복제하고 확산하는 능력을 수개월 내 확보할 가능성을 제기한 것입니다. 연구진은 개당 $55인 Android TV 박스 15대를 연결해서 Gemma4-26B-A4B 모델의 분산 추론 환경을 구현했습니다. TPS는 0.39이지만 구현 가능하다는 게 중요합니다. 9B 모델은 9종의 하드웨어들 중에서 8종에서 추론 환경 구축에 성공할 수 있었기에 더 범용적입니다.

이 자료에서 다룬 사실

앤스로픽은 방어 도입 뒤 탈취된 생각 토큰이 기존 대비 90~99% 감소했다고 발표했고, 오탐률 0.1% 미만의 분류기와 계정 차단을 설명했다.

근거 보기 1

원문 구간 1
결과적으로 도입 후 공격자들이 탈취한 생각 토큰이 기존 대비 90~99% 감소했다고 발표했습니다. 핵심은 ⓐ모델 및 계정 간 추론 데이터 이동 제한(Preserved Thinking), ⓑ추론 추출 시도를 탐지하는 2단계 분류기 도입, ⓒ반복 증류 시도 계정에 대한 사용량 제한 및 차단입니다. 분류기의 오탐률은 0.1% 미만이며 수만 개의 공격 계정을 차단했고 상당수는 공격 시작 후 2시간 이내로 차단했습니다. 앤스로픽은 2026년 8월쯤부터는 Claude의 전체 추론 과정을 다 밝히지 않고 요약해 제공하는 방식으로 증류 효율을 낮춰왔었습니다. 실제 SWE-bench Verified 평가에서 전체 추론 기록을 그대로 증류한 모델은 80.4%인데, 요약본만 학습시킨 모델은 71.8%를 기록해 증류 공격 시 배울 것이 많지 않게끔 만든 효과를 냈었습니다. 그런데 공격자들이 가짜 계정 수십만 개를 활용해 추론 과정을 우회 추출하다보니 방어 체계를 별도로 고도화한 것입니다. 결과적으로는 증류를 제대로 막을 경우 중국 AI Labs를 비롯한 수많은 Tier 2 이하의 AI Labs들이 앤스로픽의 토큰 ARR을 높여주는 데 더이상 기여하지 않기 때문에 앤스로픽 입장에서는 매출과 이익을 포기하는 작업이긴 합니다. 앤스로픽이 소형 AI 모델의 데이터센터 없는 자율적 자기복제 가능성을 경고했습니다: 소형 AI 모델이 스마트 TV, 가전제품 등 상용 IoT 기기에서 인간의 개입 없이 스스로 복제하고 확산하는 능력을 수개월 내 확보할 가능성을 제기한 것입니다. 연구진은 개당 $55인 Android TV 박스 15대를 연결해서 Gemma4-26B-A4B 모델의 분산 추론 환경을 구현했습니다. TPS는 0.39이지만 구현 가능하다는 게 중요합니다. 9B 모델은 9종의 하드웨어들 중에서 8종에서 추론 환경 구축에 성공할 수 있었기에 더 범용적입니다.

그렇게 판단한 이유

전체 추론 기록 대신 요약본을 제공했을 때 SWE-bench Verified 학습 성능이 80.4%에서 71.8%로 낮아졌으며, 가짜 계정 우회 추출에 대응해 방어를 고도화했다고 연결한다.

근거 보기 1

원문 구간 1
결과적으로 도입 후 공격자들이 탈취한 생각 토큰이 기존 대비 90~99% 감소했다고 발표했습니다. 핵심은 ⓐ모델 및 계정 간 추론 데이터 이동 제한(Preserved Thinking), ⓑ추론 추출 시도를 탐지하는 2단계 분류기 도입, ⓒ반복 증류 시도 계정에 대한 사용량 제한 및 차단입니다. 분류기의 오탐률은 0.1% 미만이며 수만 개의 공격 계정을 차단했고 상당수는 공격 시작 후 2시간 이내로 차단했습니다. 앤스로픽은 2026년 8월쯤부터는 Claude의 전체 추론 과정을 다 밝히지 않고 요약해 제공하는 방식으로 증류 효율을 낮춰왔었습니다. 실제 SWE-bench Verified 평가에서 전체 추론 기록을 그대로 증류한 모델은 80.4%인데, 요약본만 학습시킨 모델은 71.8%를 기록해 증류 공격 시 배울 것이 많지 않게끔 만든 효과를 냈었습니다. 그런데 공격자들이 가짜 계정 수십만 개를 활용해 추론 과정을 우회 추출하다보니 방어 체계를 별도로 고도화한 것입니다. 결과적으로는 증류를 제대로 막을 경우 중국 AI Labs를 비롯한 수많은 Tier 2 이하의 AI Labs들이 앤스로픽의 토큰 ARR을 높여주는 데 더이상 기여하지 않기 때문에 앤스로픽 입장에서는 매출과 이익을 포기하는 작업이긴 합니다. 앤스로픽이 소형 AI 모델의 데이터센터 없는 자율적 자기복제 가능성을 경고했습니다: 소형 AI 모델이 스마트 TV, 가전제품 등 상용 IoT 기기에서 인간의 개입 없이 스스로 복제하고 확산하는 능력을 수개월 내 확보할 가능성을 제기한 것입니다. 연구진은 개당 $55인 Android TV 박스 15대를 연결해서 Gemma4-26B-A4B 모델의 분산 추론 환경을 구현했습니다. TPS는 0.39이지만 구현 가능하다는 게 중요합니다. 9B 모델은 9종의 하드웨어들 중에서 8종에서 추론 환경 구축에 성공할 수 있었기에 더 범용적입니다.

발생발표·발생 후발생월 26-10

26-10 CXMT의 4F² D램 구조와 출시 계획 발표

작성자의 핵심 판단

CXMT의 4F² 발표와 연내 DDR5 RDIMM 출시 목표만으로 제조 경쟁력이나 글로벌 DRAM 공급 충격을 판단할 수 없고, 수율·비트당 원가·실제 수요 흡수가 핵심이라는 평가다.

근거 보기 1

원문 구간 1
2026년 10월 10일, CXMT의 차오칸위(曹堪宇) 사장은 중국 반도체 콘퍼런스에서 4F² DRAM 아키텍처의 연구개발에 중요한 진전이 있었으며, 연말까지 관련 기술을 적용한 차세대 DDR5 RDIMM을 출시할 계획이라고 발표했습니다. 다만 공개된 자료에는 4F² 제품의 수율, DRAM 다이 용량, 실제 셀 피치, 동작 속도, 비트당 제조원가가 제시되지 않았습니다. 출시 목표가 곧 대량생산을 의미하지도 않습니다. SEC나 SKH도 4F² 기술이 있고 구체적인 연구 성과도 이미 공개했습니다. 10nm급 DRAM 공정에서 실제로 제조되고 읽기/쓰기까지 가능한 것을 공개했고, 동일한 설계상 웨이퍼당 다이 수를 20% 이상 증가시킬 수 있다는 것도 밝혔습니다. 다만 양산 시점을 CY28쯤부터로 잡는 것은 기술 시연에 성공한 것과 상업적으로 충분한 수율을 확보하는 것과는 다르기 때문입니다. 페이퍼상 발표는 먼저 해도 실제 양산은 수 년 뒤에 이뤄지는 사례가 흔합니다. 6F²냐 4F²에서 중요한 건 F의 절대 크기입니다. 각 회사의 F가 무엇을 의미하는지, 실제 Bit Density와 원가, 수율이 어떤지 비교한 다음 기술적 우위를 판단해야 합니다. 당연히 같은 F를 적용할 때에만 구조 자체의 면적 효율을 직접 비교할 수 있습니다. 순전히 계산을 위한 가상 사례로, CXMT의 F가 16nm이고 경쟁사의 F가 12nm라고 가정해 보겠습니다. 그럼 (ㄱ) CXMT 4F²는 F=16nm이므로 셀 면적이 1024nm²입니다. (ㄴ) SEC/SKH 6F²임에도 F=12nm이므로 셀 면적은 864nm²이므로 오히려 4F²라는 더 작은 셀 아키텍처를 사용해도 실제 셀 면적상 CXMT DRAM이 18.5% 더 큽니다. 4F²라는 아키텍처 명칭만으로 경쟁사보다 높은 Bit Density를 달성했다고 판단할 수 없다는 것입니다.

이 자료에서 다룬 사실

CXMT 사장은 10월 10일 4F² DRAM 연구개발 진전과 연말 차세대 DDR5 RDIMM 출시 계획을 발표했으나, 수율·다이 용량·셀 피치·동작 속도·비트당 원가는 공개되지 않았다.

근거 보기 1

원문 구간 1
2026년 10월 10일, CXMT의 차오칸위(曹堪宇) 사장은 중국 반도체 콘퍼런스에서 4F² DRAM 아키텍처의 연구개발에 중요한 진전이 있었으며, 연말까지 관련 기술을 적용한 차세대 DDR5 RDIMM을 출시할 계획이라고 발표했습니다. 다만 공개된 자료에는 4F² 제품의 수율, DRAM 다이 용량, 실제 셀 피치, 동작 속도, 비트당 제조원가가 제시되지 않았습니다. 출시 목표가 곧 대량생산을 의미하지도 않습니다. SEC나 SKH도 4F² 기술이 있고 구체적인 연구 성과도 이미 공개했습니다. 10nm급 DRAM 공정에서 실제로 제조되고 읽기/쓰기까지 가능한 것을 공개했고, 동일한 설계상 웨이퍼당 다이 수를 20% 이상 증가시킬 수 있다는 것도 밝혔습니다. 다만 양산 시점을 CY28쯤부터로 잡는 것은 기술 시연에 성공한 것과 상업적으로 충분한 수율을 확보하는 것과는 다르기 때문입니다. 페이퍼상 발표는 먼저 해도 실제 양산은 수 년 뒤에 이뤄지는 사례가 흔합니다. 6F²냐 4F²에서 중요한 건 F의 절대 크기입니다. 각 회사의 F가 무엇을 의미하는지, 실제 Bit Density와 원가, 수율이 어떤지 비교한 다음 기술적 우위를 판단해야 합니다. 당연히 같은 F를 적용할 때에만 구조 자체의 면적 효율을 직접 비교할 수 있습니다. 순전히 계산을 위한 가상 사례로, CXMT의 F가 16nm이고 경쟁사의 F가 12nm라고 가정해 보겠습니다. 그럼 (ㄱ) CXMT 4F²는 F=16nm이므로 셀 면적이 1024nm²입니다. (ㄴ) SEC/SKH 6F²임에도 F=12nm이므로 셀 면적은 864nm²이므로 오히려 4F²라는 더 작은 셀 아키텍처를 사용해도 실제 셀 면적상 CXMT DRAM이 18.5% 더 큽니다. 4F²라는 아키텍처 명칭만으로 경쟁사보다 높은 Bit Density를 달성했다고 판단할 수 없다는 것입니다.

그렇게 판단한 이유

4F²와 6F²의 명칭 비교에는 F의 절대 크기와 실제 밀도·원가·수율이 필요하며, EUV 접근 제약과 추가 공정·수율 손실이 비트당 원가를 좌우한다고 설명한다.

근거 보기 1

원문 구간 1
CXMT가 굳이 지금 4F²를 추진하는 이유가 무엇이냐면, EUV 장비에 대해 접근할 수 없기 때문입니다. SEC/SKH/MU는 EUV를 활용한 6F² 기반 미세화를 계속 추진할 수 있지만, CXMT는 기존 DUV 기반 공정의 한계를 다른 방법으로 극복해야 합니다. 기존 미세화 경로의 제약을 극복하기 위해 4F²를 적극적으로 개발하고 있다고 해석하는 편이 합리적입니다. 이제 소비자향으로 먼저 출하되고 있는 G5 공정 같은 경우는 쿼드러플 패터닝을 하고 있습니다. 4F²가 기술적으로 공짜도 아닙니다. 수직 트랜지스터를 구현하고 비트라인 간 간섭을 제어하며, 필요한 경우 두 웨이퍼를 정밀하게 결합해야 합니다. 이 과정에서 발생하는 추가 공정 비용과 수율 손실이 셀 면적 절감의 이점을 상쇄할 수도 있습니다. 이 업 자체가 양산게임이지 시제품 생산 게임이 아닙니다. 4F²를 구현하는 데에는 상당한 기술적 난관이 있습니다. 가장 중요한 문제는 DRAM 셀을 고밀도로 배치하면서도 데이터의 정확성과 신뢰성을 유지하는 것입니다. 그리고 이런 부분은 어쨌든 CXMT가 4F²랑 3D DRAM에 더 많은 R&D를 쏟아부어 왔으니 기술적으로는 좋은 수치를 기록했다고 치더라도, 다시 돌아와서 무엇보다 중요한 것은 최종적인 비트당 원가입니다. 가령 4F²의 높은 집적도로 웨이퍼당 생산 가능한 비트 수가 50% 늘더라도, 추가 공정 때문에 제조비용이 20% 증가하고 양품 수율이 90%에서 70%로 떨어진다면 비트당 원가는 오히려 약 3% 상승할 수 있습니다. 이는 원리를 설명하기 위한 단순 가정이지만, 메모리 업체들이 4F²를 연구하고도 대량생산에 신중한 이유를 잘 보여줍니다. 그리고 CXMT의 글로벌 DRAM Bit 출하 점유율이 지금 궤적대로 CY26 9% → CY28 12%까지 늘어난다고 하더라도, 두 가지를 충분히 고려해야 합니다:

발생발표·발생 후발생일 26-10-12

26-10 OCP Global Summit 개최

작성자의 핵심 판단

Open CPX의 NPO 표준 논의는 CPO 확산에도 광학 엔진과 멀티벤더 구조가 유지될 가능성을 제시하며, 인터커넥트 기업의 수혜 구조를 다시 보게 한다.

근거 보기 1

원문 구간 1
고출력 레이저를 여러 광학 채널에서 공유해 전체 레이저 수를 줄이는 것도 가능합니다. TeraHop은 레이저를 ASIC 내부로 넣는 구조가 아닙니다. ASIC 가까이에 배치하되 별도의 냉각판을 사용하는 NPO 광학 엔진에 레이저를 통합하자는 주장입니다. NPO 구조와 독립적인 모듈 설계를 활용하면 이 두 가지 문제를 상당 부분 완화할 가능성이 있습니다. 결과적으로는 NPO 구조를 표준으로 채택하자는 것입니다. 레이저를 외부로 분리할 경우 추가적인 광결합 및 커넥터 때문에 3dB 이상의 손실이 발생합니다. 3dB의 광손실은 전송 과정에서 빛의 출력이 대략 절반으로 감소한다는 의미입니다. 동일한 광학 엔진에 필요한 빛의 세기를 유지하려면 레이저 출력을 더 높여야 합니다. 그러면 내장형인 ILS에서는 레이저 광출력이 100mW면 되는데, 외장형인 ELS로 구성하려면 200~300mW는 넘어야 합니다. 레이저를 외부로 옮기면서 추가로 발생하는 광손실을 보상하기 위해 더 강한 레이저가 필요한 구조입니다. 가장 큰 산업적 함의는 CPO/NPO 시장에서도 광학 엔진 업체들의 주도권이 유지될 수 있다는 것입니다. 기존에는 CPO가 확산되면 광트랜시버 기업들이 만드는 모듈 자체가 사라질 수 있다는 우려가 있었습니다. 엔비디아가 발표한 구조는 광엔진을 스위치 ASIC 패키지 내부로 가져오므로 전통적인 OSFP 트랜시버를 대체합니다. 그렇지만 Open CPX는 루멘텀, 코히런트 등이 제작한 표준 광엔진을 구매해서 패키지 주변에 장착하는 방식입니다. 기존 플러거블 트랜시버에서 성공했던 다중 공급업체 구조를 CPO/NPO로 확장하는 것입니다. 하이퍼스케일러들은 멀티벤더 체제를 훨씬 선호하기 때문에 NPO 구조를 더 오래 끌고갈 유인이 크다는 얘기이기도 합니다. (4) 현재 좋게 보고 있는 인터커넥트 기업들 입장에서는 Open CPX로 가더라도 달라지는 게 많지 않습니다:

이 자료에서 다룬 사실

Open CPX 표준은 ASIC 주변 6.4T·7.2T급 광학 모듈에서 내장형과 외장형 레이저를 모두 허용한다고 소개됐다.

근거 보기 1

원문 구간 1
고출력 레이저를 여러 광학 채널에서 공유해 전체 레이저 수를 줄이는 것도 가능합니다. TeraHop은 레이저를 ASIC 내부로 넣는 구조가 아닙니다. ASIC 가까이에 배치하되 별도의 냉각판을 사용하는 NPO 광학 엔진에 레이저를 통합하자는 주장입니다. NPO 구조와 독립적인 모듈 설계를 활용하면 이 두 가지 문제를 상당 부분 완화할 가능성이 있습니다. 결과적으로는 NPO 구조를 표준으로 채택하자는 것입니다. 레이저를 외부로 분리할 경우 추가적인 광결합 및 커넥터 때문에 3dB 이상의 손실이 발생합니다. 3dB의 광손실은 전송 과정에서 빛의 출력이 대략 절반으로 감소한다는 의미입니다. 동일한 광학 엔진에 필요한 빛의 세기를 유지하려면 레이저 출력을 더 높여야 합니다. 그러면 내장형인 ILS에서는 레이저 광출력이 100mW면 되는데, 외장형인 ELS로 구성하려면 200~300mW는 넘어야 합니다. 레이저를 외부로 옮기면서 추가로 발생하는 광손실을 보상하기 위해 더 강한 레이저가 필요한 구조입니다. 가장 큰 산업적 함의는 CPO/NPO 시장에서도 광학 엔진 업체들의 주도권이 유지될 수 있다는 것입니다. 기존에는 CPO가 확산되면 광트랜시버 기업들이 만드는 모듈 자체가 사라질 수 있다는 우려가 있었습니다. 엔비디아가 발표한 구조는 광엔진을 스위치 ASIC 패키지 내부로 가져오므로 전통적인 OSFP 트랜시버를 대체합니다. 그렇지만 Open CPX는 루멘텀, 코히런트 등이 제작한 표준 광엔진을 구매해서 패키지 주변에 장착하는 방식입니다. 기존 플러거블 트랜시버에서 성공했던 다중 공급업체 구조를 CPO/NPO로 확장하는 것입니다. 하이퍼스케일러들은 멀티벤더 체제를 훨씬 선호하기 때문에 NPO 구조를 더 오래 끌고갈 유인이 크다는 얘기이기도 합니다. (4) 현재 좋게 보고 있는 인터커넥트 기업들 입장에서는 Open CPX로 가더라도 달라지는 게 많지 않습니다:

그렇게 판단한 이유

NPO는 표준 광학 엔진을 패키지 주변에 장착해 전통 플러거블에서의 다중 공급 구조를 확장하고, 하이퍼스케일러의 멀티벤더 선호가 지속 유인이 된다고 설명한다.

근거 보기 1

원문 구간 1
고출력 레이저를 여러 광학 채널에서 공유해 전체 레이저 수를 줄이는 것도 가능합니다. TeraHop은 레이저를 ASIC 내부로 넣는 구조가 아닙니다. ASIC 가까이에 배치하되 별도의 냉각판을 사용하는 NPO 광학 엔진에 레이저를 통합하자는 주장입니다. NPO 구조와 독립적인 모듈 설계를 활용하면 이 두 가지 문제를 상당 부분 완화할 가능성이 있습니다. 결과적으로는 NPO 구조를 표준으로 채택하자는 것입니다. 레이저를 외부로 분리할 경우 추가적인 광결합 및 커넥터 때문에 3dB 이상의 손실이 발생합니다. 3dB의 광손실은 전송 과정에서 빛의 출력이 대략 절반으로 감소한다는 의미입니다. 동일한 광학 엔진에 필요한 빛의 세기를 유지하려면 레이저 출력을 더 높여야 합니다. 그러면 내장형인 ILS에서는 레이저 광출력이 100mW면 되는데, 외장형인 ELS로 구성하려면 200~300mW는 넘어야 합니다. 레이저를 외부로 옮기면서 추가로 발생하는 광손실을 보상하기 위해 더 강한 레이저가 필요한 구조입니다. 가장 큰 산업적 함의는 CPO/NPO 시장에서도 광학 엔진 업체들의 주도권이 유지될 수 있다는 것입니다. 기존에는 CPO가 확산되면 광트랜시버 기업들이 만드는 모듈 자체가 사라질 수 있다는 우려가 있었습니다. 엔비디아가 발표한 구조는 광엔진을 스위치 ASIC 패키지 내부로 가져오므로 전통적인 OSFP 트랜시버를 대체합니다. 그렇지만 Open CPX는 루멘텀, 코히런트 등이 제작한 표준 광엔진을 구매해서 패키지 주변에 장착하는 방식입니다. 기존 플러거블 트랜시버에서 성공했던 다중 공급업체 구조를 CPO/NPO로 확장하는 것입니다. 하이퍼스케일러들은 멀티벤더 체제를 훨씬 선호하기 때문에 NPO 구조를 더 오래 끌고갈 유인이 크다는 얘기이기도 합니다. (4) 현재 좋게 보고 있는 인터커넥트 기업들 입장에서는 Open CPX로 가더라도 달라지는 게 많지 않습니다:

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.

판단 방법AI 모델 경쟁력주 대상 · 투자판단·운용 · AI 모델 투자 판단 방법

투자 판단에서 어떤 모델 평가 기준을 함께 봐야 하는가?

이 자료가 더한 내용

글은 현재 성능의 단편 비교만으로는 앞을 보는 투자 판단이 어렵다고 설명한다.

근거 보기 1

원문 구간 1
(2) 구글이 Gemini 4 Argon을 GA했습니다: Gemini 4 Argon에 대해서는 10월 5일 주간전략보고에서 전해드린 바 있습니다. 공급망 내 칩/랙 출하 시기를 맞춰보니 TPU v7로 학습했을 가능성이 높아 보입니다. TPU v7 수준은 GB200에 비해 전반적으로 좋은 정도입니다. Gemini 4 Argon은 가성비를 생각하면 좋은 모델이란 생각은 여전합니다. Argon은 이후에 Gemini 4 시리즈의 새로운 모델들에 대해서도 기대하게 하는 모델이고, 3등을 놓고 벌일 메타와의 경쟁도 어떤 양상으로 진행될지 궁금하게 만드는 모델입니다. 구글은 Antigravity CLI 사용자 풀을 키워나가고, 메타는 Muse Code 사용자 풀을 키워나가야 합니다. 실제 코딩 작업에 성공한 Trajectory를 가져다가 모델에 학습 데이터로 넣는 과정을 통해서 데이터 Flywheel을 굴릴 수 있습니다. 여러 벤치마크를 보면서 하나하나 판단하기가 까다롭다보니 요즘은 특히 3D 모델링을 몇 개 돌려보고 특정 모델의 성능이 어떻다를 많이 판단하는데, 가십성으로 보는 경우들은 이해하지만 투자자들이 그런 기준으로 보기에 맞는 판단일지는 별로 공감되지 않을 때가 많습니다. 하네스를 포함한 주요 코딩 벤치마크 비교, 장시간 에이전트 작업, 작업당 비용, 작업당 토큰 수를 판단하고 어느 방향으로 갈 것이다에 대한 감을 키워가야 투자에 쓰기가 좋습니다. 투자는 기본적으로 앞을 보고 해야 하는 것인지라 확실하고 명료하지는 않을지언정 지금 상태에서 앞으로 6~12개월을 볼 수 있어야 하고 가장 가능성이 높은 시나리오를 갖고 있는 것이 중요하다고 생각합니다. (3) 앤스로픽의 연구 내용 발표들이 있었습니다: 앤스로픽이 타 AI Labs들에 대한 모델 증류 방어구조를 크게 강화했습니다: Claude의 생각 토큰들을 무단으로 추출해서 경쟁모델 학습에 쓰는 것을 방어하기 위한 작업입니다.

사실·구조CPO·NPO 양산주 대상 · 산업·업종 · 광인터커넥트 산업

광학 인터커넥트 양산에서 병목은 어디로 이동하는가?

이 자료가 더한 내용

광학 정렬은 수초에서 1초 미만으로 단축됐지만 단일 PIC 전체 테스트에는 100초 이상이 걸릴 수 있다고 적었다.

근거 보기 1

원문 구간 1
기존 ATE 업체들이 광학 계측 역량을 확보하면서 전체 플랫폼 단위 경쟁이 되고 있습니다. Advantest : 기존 ATE 플랫폼에 광학 계측장비를 통합하는 전략입니다. 2026년 9월에 VIAVI 및 SENKO와 협력을 발표했으며, ECOC 2026에서 CPO 모듈의 양산 테스트를 모사한 워크플로를 시연했습니다. Teradyne : 2025년 Quantifi Photonics를 인수하면서 광학 계측 역량을 내재화했습니다. (6) TPU 관련해서 다양한 채널 체크 자료들이 나와서 쭉 모아봅니다 *첨부자료 5, 6*: 10월 12일, JPM의 미디어텍 ASIC 프로젝트 관련 채널 체크를 정리해봅니다 *첨부자료 5*: TPU v8t(Zebrafish) : 양산 일정 정상 진행 중입니다. 투자자들이 우려하고 있지만 JPM 팀이 확인해볼 때 실제로는 TSMC에서 예정대로 양산이 확대되고 있다고 말했습니다. TPU v9(Humufish) : TPU v9 개발도 순조롭게 진행되고 있습니다. N3 및 N2 공정 기반의 여러 칩렛이 이미 개별 tape-out을 완료했으며, 최종 tape-out은 2026년 11~12월로 예상됩니다. 최근 ASIC과 GPU 모두 양산에 앞서 두 차례 이상의 테이프아웃을 거치는 경우가 많아, TPU v9 역시 추가 설계 변경이나 일정 변동이 발생할 가능성은 있습니다. 10월 13일, GF증권의 TPU v9/v10 관련 프로젝트 코멘트를 정리해봅니다: TPU v9(Humufish) : 미디어텍 core 칩 설계가 3주 지연돼서, 샘플링 일정은 여전히 2026년 11월이지만 최종적인 tape-out은 2027년 1월, MP tape-out은 2Q27, 양산은 1Q28부터 시작될 것으로 전망했습니다. 인텔의 EMIB-T 수율은 긍정적으로 잘 올라오고 있습니다.

판단 방법TPU 로드맵주 대상 · 기술·제품 · 구글 TPU관련 대상 · 기업·종목 · 미디어텍

테이프아웃 일정 변화는 출하 판단에 어떻게 연결되는가?

이 자료가 더한 내용

JPM과 GF증권, 대만 채널 체크는 TPU v8t·v9·v10의 서로 다른 일정과 설계 변경 가능성을 제시했다.

근거 보기 2

원문 구간 1
Gemini 4 시리즈는 약 20만 개의 TPU v7로 훈련한 모델이지만, 여전히 자체 모델 훈련과 추론에 TPU v7 할당이 부족한 상태입니다. 앤스로픽향으로 할당을 해놓다보니 CY27에도 앤스로픽과 오픈AI의 컴퓨트에 비해서 구글 딥마인드 팀이 가질 수 있는 GW 규모가 적을 것이란 예상입니다. 미디어텍의 TPU v8t(Zebrafish) 물량이 CY27~CY28까지도 더 높을 것으로 예상되기 때문에 TPU v9(Humufish)의 출하 시점이 약간 지연되더라도 문제는 없을 것으로 예상했습니다. TPU v10은 4Q28~1Q29쯤 양산될 칩입니다. 주류 SKU는 Icefish로 미디어텍과 GUC가 함께 설계하는 칩(미디어텍은 I/O die와 SerDes, Integration에 집중 + GUC는 Compute die의 적층 설계 담당)입니다. Merope SKU를 실제 진행할지는 알 수 없으며 Merope를 놓고 브로드컴/마벨/AMD가 수주 경쟁을 벌이고 있는 상태입니다. 10월 13일, 대만 채널 체크를 통해 정리해보면 *첨부자료 6*: TPU v8t(Zebrafish)가 1Q27에 다시 Tape-out을 진행할 예정입니다. 10월의 tape-out 물량이 생각보다 잘 안 나왔지만 요즘 칩은 원래 몇 번의 tape-out을 거쳐서 내놓기 때문에 실질적인 영향은 없을 것으로 예상했습니다. TPU v10 Merope는 원래 브로드컴이 맡았던 TPU 프로젝트인데, AMD+마벨이 힘을 합쳐 수주 경쟁이 뛰어들면서 판이 바뀐 상태입니다. 상대적으로 브로드컴은 미디어텍이 진행하던 Icefish SKU도 가져오려고 노력하던 상황에서, Merope라도 따내려는 입장으로 바뀌었기 때문에 미디어텍이 다소 한숨을 돌릴 수 있게 된 상황입니다.
원문 구간 2
이에 미디어텍은 최근 구글/바이트댄스 외 다른 하이퍼스케일러들 대상으로도 ASIC 프로젝트 수주 경쟁 중입니다. Maia 300 물량은 시장에서 예상하는 것보다 상당히 많을 것으로 예상했습니다. (7) 마이크론이 지난주 10-K를 통해서 $33B의 추가 자사주 매입을 승인했습니다: 총 자사주 매입 규모는 $35B입니다. CHIPS Act 제한이 해제되는 2026년 12월 9일부터 자사주 매입이 실행될 예정입니다. 흥미로운 건 SKH가 자사주 매입을 $29B 실행했기에 TD Cowen은 MU의 매출이나 시총에 맞춰 $20B 정도 자사주매입을 하지 않겠나 예상했었는데, 실제로는 $33B로 훨씬 더 공격적으로 주주환원을 할 것임을 드러낸 것입니다. Enterprise/GPU IaaS: (1) 오픈AI가 사이버보안 사업 확대를 위해 Trail of Bits 인수를 추진 중입니다: 소프트웨어 보안 취약점을 발견하고 수정하는 전문기업 Trail of Bits 인수를 초기 단계에서 논의 중인 것으로 알려졌습니다. 이미 Codex를 활용한 보안 프로젝트에서 협력 중입니다. 올해 6월부터 Patch the Planet이라는 소프트웨어 보안 프로젝트를 공동으로 진행하고 있습니다. Trail of Bits의 보안 엔지니어들이 Codex와 사이버보안 특화 AI 모델을 활용해 Python 등 주요 오픈소스 프로젝트의 취약점을 발견하고 수정하는 방식입니다. Trail of Bits CEO Dan Guido는 Codex 덕분에 기존에 몇 주씩 걸리던 작업을 하루 만에 완료할 수 있게 됐다고 설명했습니다. 신재생/전력기기: (1) 북미 데이터센터 전력 캐파는 누적 기준 CY25 54GW(+17GW) → CY26 82GW(+28GW) → CY27 125GW(+40GW)로 더 가속화되며 증가할 예정입니다.

시점 관찰USDC 유통량주 대상 · 시장·자산 · USDC기준 2026.10.14

유통량 변화가 결제 펀더멘털 변화를 뜻하는가?

이 자료가 더한 내용

당일 USDC 유통량은 $73.14B, 30일 CCTP 전송량은 $18.9B, 주간·월간 변화율은 각각 -1.54%, -1.62%로 적혔다.

근거 보기 1

원문 구간 1
*첨부자료 1* 계속해서 도어대시가 점유율을 얻고 있다는 뜻입니다. 실제 Y축의 YoY 성장률 숫자 자체도 도어대시가 훨씬 더 높습니다. 의료기기/핀테크/코인: (1) 트랜스메딕스의 4Q 비행 건수는 407건, 오늘의 일간 비행데이터는 +30건이었습니다. 4Q는 13일이 지났으며 일평균 비행 속도는 31.31건 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. (2) 오늘의 서클 USDC 유통량은 $73.14B, 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 -1.54%, 월간 기준 -1.62% 수준입니다. 지금은 Crypto Pair Trading(e.g. BTC/USDC, ETH/USDC 등)을 위한 예탁금으로 인해서 USDC 유통량이 바뀌는 게 가장 큽니다. 그래서 크립토가 오르면 USDC 유통량이 일시적으로 오르고 합니다. 아직 스테이블코인 결제가 더 쓰인다거나 하는 요소로 펀더멘탈이 바뀌는 것은 아닙니다. (3) 피겨 테크의 주간/월간 잠정 영업 지표를 여기서 확인하실 수 있습니다. 저희의 생각을 담아서 랩을 운용하고 있습니다 메리츠증권 : https://naver.me/xQiZ5UHt SK증권 : https://naver.me/FlcOtVGm

시간흐름대로 모든 내용을 살려 정리

원문 구간 001

[원문 유형] 네이버 프리미엄 콘텐츠
[채널] 올바른 미국주식 by SAPIENS
[게시일] 2026.10.14
[원문 URL] https://contents.premium.naver.com/sapiens/sapiensasset/contents/261014150535023pv
[제목] 일간보고 : 투자의 생각 (261014)
[수집 기준] 구매회원 본인이 QR 로그인으로 승인한 구독 열람권을 사용해 개인 문서 보관용으로 확보했다. 목록 메타데이터가 아니라 아래 실제 본문만 분석 근거로 사용한다.

[구독 원문 본문]

안녕하세요 올바른입니다.

2026년 10월 14일 수요일, 데일리 전해드립니다.

주간전략보고

2026-10-12

주간전략보고 : 투자의 생각 (10월 12일~10월 16일) (바로가기)

일간보고

2026-10-13

일간보고 : 투자의 생각 (261013) (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

일간보고 : 투자의 생각

2026-10-14 (수)

주요 지수 : S&P -0.02% > 나스닥 -0.15% > 다우 -0.35% > 러셀 -0.40%

상승종목비율 : NYSE 121%, Nasdaq 62% 🟢 (🟢🟡🔴)

섹터

- 📈강세 : 에너지, 커뮤니케이션, 원자재, 유틸리티

- 📉약세 : 바이오텍, 헬스케어, 적자성장주

📩 메이저 뉴스

빅테크/AI Labs:

(1) 전일 일간보고에서 메타가 Muse Wonder를 통해 프론티어 AI Labs로 등극했음을 전해드렸습니다.

원문 구간 002

추가적인 생각들을 정리해보면:

Muse Wonder의 총 파라미터는 3T로 추정됩니다. Kimi-K3보다 크고, GPT-6 Astra나 Fable 5.1보다 작은 모델입니다. 오하이오주의 프로메테우스 클러스터에서 학습됐습니다.

Muse Wonder API 가격은 $4/$20입니다. Opus 5.5과 백만토큰당 비용을 같게 책정했습니다. GPT-6.1 Sol과 Gemini 4 Argon은 $2/$10입니다. Muse Wonder가 물론 잘 뽑힌 모델이긴 합니다만 성능이 비슷한 모델들(GPT-6.1 Sol, Gemini 4 Argon)과 비교하자면 가격 경쟁력이나 지능을 생각해서는 경쟁력이 높아보이진 않습니다.

그럼 왜 이렇게 높은 비용을 청구할 수 있었을까 생각해보면 중국 AI Labs들이 증류할 모델로 Muse Wonder를 사용하게 만들려는 것인가 싶기도 합니다. 앤스로픽과 오픈AI가 증류 방어에 굉장히 적극적이고, 이번 주 주간전략보고에서 전해드린 것처럼 RL에 쓰는 컴퓨팅 비율이 워낙 크기 때문에 중국 AI Labs 입장에서는 어딘가를 Teacher 모델로 삼으려 할 것이라 봅니다.

메타는 7월까지만 해도 메타는 자체 GPU 인프라의 유휴 용량을 앤스로픽에게 임대하려 계획했었습니다. 그러나 최근에는 9월 Muse 출시 이후 토큰 소비량이 크게 증가하고, Wonder이 3T보다 몇 배 더 큰 후속 모델을 학습하기 위해 사전학습과 RL에 막대한 컴퓨팅 자원이 필요해지자 외부 GPU 임대 계획을 철회했습니다.

메타는 Muse Wonder를 개인용 에이전트인 Muse에 사용할 모델로서 특화했습니다. 그 과정에서 두 가지 특징이 있습니다. ⓐActive Memory를 통해서 사용자와의 대화나 개인 정보를 장기간 기억하고, ⓑActive Focus를 통해서 Computer Use 작업 도중 문제가 발생할 경우 접근 방식을 수정합니다.

원문 구간 003

(2) 구글이 Gemini 4 Argon을 GA했습니다:

Gemini 4 Argon에 대해서는 10월 5일 주간전략보고에서 전해드린 바 있습니다. 공급망 내 칩/랙 출하 시기를 맞춰보니 TPU v7로 학습했을 가능성이 높아 보입니다. TPU v7 수준은 GB200에 비해 전반적으로 좋은 정도입니다. Gemini 4 Argon은 가성비를 생각하면 좋은 모델이란 생각은 여전합니다.

Argon은 이후에 Gemini 4 시리즈의 새로운 모델들에 대해서도 기대하게 하는 모델이고, 3등을 놓고 벌일 메타와의 경쟁도 어떤 양상으로 진행될지 궁금하게 만드는 모델입니다. 구글은 Antigravity CLI 사용자 풀을 키워나가고, 메타는 Muse Code 사용자 풀을 키워나가야 합니다. 실제 코딩 작업에 성공한 Trajectory를 가져다가 모델에 학습 데이터로 넣는 과정을 통해서 데이터 Flywheel을 굴릴 수 있습니다.

여러 벤치마크를 보면서 하나하나 판단하기가 까다롭다보니 요즘은 특히 3D 모델링을 몇 개 돌려보고 특정 모델의 성능이 어떻다를 많이 판단하는데, 가십성으로 보는 경우들은 이해하지만 투자자들이 그런 기준으로 보기에 맞는 판단일지는 별로 공감되지 않을 때가 많습니다. 하네스를 포함한 주요 코딩 벤치마크 비교, 장시간 에이전트 작업, 작업당 비용, 작업당 토큰 수를 판단하고 어느 방향으로 갈 것이다에 대한 감을 키워가야 투자에 쓰기가 좋습니다. 투자는 기본적으로 앞을 보고 해야 하는 것인지라 확실하고 명료하지는 않을지언정 지금 상태에서 앞으로 6~12개월을 볼 수 있어야 하고 가장 가능성이 높은 시나리오를 갖고 있는 것이 중요하다고 생각합니다.

(3) 앤스로픽의 연구 내용 발표들이 있었습니다:

앤스로픽이 타 AI Labs들에 대한 모델 증류 방어구조를 크게 강화했습니다:

Claude의 생각 토큰들을 무단으로 추출해서 경쟁모델 학습에 쓰는 것을 방어하기 위한 작업입니다.

원문 구간 004

결과적으로 도입 후 공격자들이 탈취한 생각 토큰이 기존 대비 90~99% 감소했다고 발표했습니다.

핵심은 ⓐ모델 및 계정 간 추론 데이터 이동 제한(Preserved Thinking), ⓑ추론 추출 시도를 탐지하는 2단계 분류기 도입, ⓒ반복 증류 시도 계정에 대한 사용량 제한 및 차단입니다. 분류기의 오탐률은 0.1% 미만이며 수만 개의 공격 계정을 차단했고 상당수는 공격 시작 후 2시간 이내로 차단했습니다.

앤스로픽은 2026년 8월쯤부터는 Claude의 전체 추론 과정을 다 밝히지 않고 요약해 제공하는 방식으로 증류 효율을 낮춰왔었습니다. 실제 SWE-bench Verified 평가에서 전체 추론 기록을 그대로 증류한 모델은 80.4%인데, 요약본만 학습시킨 모델은 71.8%를 기록해 증류 공격 시 배울 것이 많지 않게끔 만든 효과를 냈었습니다. 그런데 공격자들이 가짜 계정 수십만 개를 활용해 추론 과정을 우회 추출하다보니 방어 체계를 별도로 고도화한 것입니다.

결과적으로는 증류를 제대로 막을 경우 중국 AI Labs를 비롯한 수많은 Tier 2 이하의 AI Labs들이 앤스로픽의 토큰 ARR을 높여주는 데 더이상 기여하지 않기 때문에 앤스로픽 입장에서는 매출과 이익을 포기하는 작업이긴 합니다.

앤스로픽이 소형 AI 모델의 데이터센터 없는 자율적 자기복제 가능성을 경고했습니다:

소형 AI 모델이 스마트 TV, 가전제품 등 상용 IoT 기기에서 인간의 개입 없이 스스로 복제하고 확산하는 능력을 수개월 내 확보할 가능성을 제기한 것입니다.

연구진은 개당 $55인 Android TV 박스 15대를 연결해서 Gemma4-26B-A4B 모델의 분산 추론 환경을 구현했습니다. TPS는 0.39이지만 구현 가능하다는 게 중요합니다. 9B 모델은 9종의 하드웨어들 중에서 8종에서 추론 환경 구축에 성공할 수 있었기에 더 범용적입니다.

원문 구간 005

저사양 IoT 기기들에서도 충분히 모델을 굴릴 수 있다는 것이 중요합니다.

이건 일리야 수츠케버가 경고했던 시나리오와 관련이 있습니다:

9월 2일, 일리야는 네오클라우드의 사이버보안이 생각보다 중요한 AI 안전 문제가 될 수 있다고 경고했습니다. 현재 AI 에이전트가 통제에서 벗어나 실제 시스템 침투를 성공할 수 있는 능력을 갖췄으니, 향후 고도화된 에이전트는 다음 목표를 더 많은 에이전트를 실행하고 자신의 능력을 배가시킬 수 있는 대규모 GPU 인프라 확보를 목표로 할 가능성이 높다는 것 입니다. 수만~수십 만 개의 GPU를 확보한 네오클라우드 인프라를 장악할 경우 제한된 수의 에이전트만 침투에 성공하더라도 대규모 컴퓨트를 통해서 스스로를 복제해 추가 지능과 실행능력 향상으로 전환할 수 있기 때문입니다.

다만 9B 모델의 추론 환경 구축에는 대략 28~51시간이 소요되기 때문에 충분히 사전에 파악할 시간이 있고, 200만 대 정도의 IoT 기기를 가정하더라도 추론 컴퓨트 능력은 H100 40개 정도에 그치기 때문에 아직은 자율적 자기복제 리스크가 높진 않지만 계속해서 소형모델의 지능이 상향되고 Edge 컴퓨트 연산 자원도 늘어난다면 소형모델 X Edge 디바이스 조합으로 자율적 자기복제를 할 수 있다는 리스크가 수 개월 내 현실화될 것을 경고한 것입니다.

AI HW:

(1) 엔비디아의 CY26 VR200 NVL72 랙 출하량은 9월 초~9월 중순쯤부터 5K로 기대치가 내려갔었습니다. 어쨌든 5K일지 7~8K일지는 모르지만 올해 출하는 현 시점에 정상적인 범주 내에서 계속되고 있는 상황이니 문제될 것이라고 보진 않습니다.

(2) 전일 일간보고에서 댓글로 CXMT의 4F² DRAM 아키텍처에 대한 추가적인 생각을 정리드렸었는데, 좀 더 글로 자세히 정리해보자면 이렇습니다:

원문 구간 006

2026년 10월 10일, CXMT의 차오칸위(曹堪宇) 사장은 중국 반도체 콘퍼런스에서 4F² DRAM 아키텍처의 연구개발에 중요한 진전이 있었으며, 연말까지 관련 기술을 적용한 차세대 DDR5 RDIMM을 출시할 계획이라고 발표했습니다. 다만 공개된 자료에는 4F² 제품의 수율, DRAM 다이 용량, 실제 셀 피치, 동작 속도, 비트당 제조원가가 제시되지 않았습니다. 출시 목표가 곧 대량생산을 의미하지도 않습니다.

SEC나 SKH도 4F² 기술이 있고 구체적인 연구 성과도 이미 공개했습니다. 10nm급 DRAM 공정에서 실제로 제조되고 읽기/쓰기까지 가능한 것을 공개했고, 동일한 설계상 웨이퍼당 다이 수를 20% 이상 증가시킬 수 있다는 것도 밝혔습니다. 다만 양산 시점을 CY28쯤부터로 잡는 것은 기술 시연에 성공한 것과 상업적으로 충분한 수율을 확보하는 것과는 다르기 때문입니다. 페이퍼상 발표는 먼저 해도 실제 양산은 수 년 뒤에 이뤄지는 사례가 흔합니다.

6F²냐 4F²에서 중요한 건 F의 절대 크기입니다. 각 회사의 F가 무엇을 의미하는지, 실제 Bit Density와 원가, 수율이 어떤지 비교한 다음 기술적 우위를 판단해야 합니다. 당연히 같은 F를 적용할 때에만 구조 자체의 면적 효율을 직접 비교할 수 있습니다. 순전히 계산을 위한 가상 사례로, CXMT의 F가 16nm이고 경쟁사의 F가 12nm라고 가정해 보겠습니다. 그럼 (ㄱ) CXMT 4F²는 F=16nm이므로 셀 면적이 1024nm²입니다. (ㄴ) SEC/SKH 6F²임에도 F=12nm이므로 셀 면적은 864nm²이므로 오히려 4F²라는 더 작은 셀 아키텍처를 사용해도 실제 셀 면적상 CXMT DRAM이 18.5% 더 큽니다. 4F²라는 아키텍처 명칭만으로 경쟁사보다 높은 Bit Density를 달성했다고 판단할 수 없다는 것입니다.

원문 구간 007

CXMT가 굳이 지금 4F²를 추진하는 이유가 무엇이냐면, EUV 장비에 대해 접근할 수 없기 때문입니다. SEC/SKH/MU는 EUV를 활용한 6F² 기반 미세화를 계속 추진할 수 있지만, CXMT는 기존 DUV 기반 공정의 한계를 다른 방법으로 극복해야 합니다. 기존 미세화 경로의 제약을 극복하기 위해 4F²를 적극적으로 개발하고 있다고 해석하는 편이 합리적입니다. 이제 소비자향으로 먼저 출하되고 있는 G5 공정 같은 경우는 쿼드러플 패터닝을 하고 있습니다.

4F²가 기술적으로 공짜도 아닙니다. 수직 트랜지스터를 구현하고 비트라인 간 간섭을 제어하며, 필요한 경우 두 웨이퍼를 정밀하게 결합해야 합니다. 이 과정에서 발생하는 추가 공정 비용과 수율 손실이 셀 면적 절감의 이점을 상쇄할 수도 있습니다. 이 업 자체가 양산게임이지 시제품 생산 게임이 아닙니다.

4F²를 구현하는 데에는 상당한 기술적 난관이 있습니다. 가장 중요한 문제는 DRAM 셀을 고밀도로 배치하면서도 데이터의 정확성과 신뢰성을 유지하는 것입니다. 그리고 이런 부분은 어쨌든 CXMT가 4F²랑 3D DRAM에 더 많은 R&D를 쏟아부어 왔으니 기술적으로는 좋은 수치를 기록했다고 치더라도, 다시 돌아와서 무엇보다 중요한 것은 최종적인 비트당 원가입니다.

가령 4F²의 높은 집적도로 웨이퍼당 생산 가능한 비트 수가 50% 늘더라도, 추가 공정 때문에 제조비용이 20% 증가하고 양품 수율이 90%에서 70%로 떨어진다면 비트당 원가는 오히려 약 3% 상승할 수 있습니다. 이는 원리를 설명하기 위한 단순 가정이지만, 메모리 업체들이 4F²를 연구하고도 대량생산에 신중한 이유를 잘 보여줍니다.

그리고 CXMT의 글로벌 DRAM Bit 출하 점유율이 지금 궤적대로 CY26 9% → CY28 12%까지 늘어난다고 하더라도, 두 가지를 충분히 고려해야 합니다:

원문 구간 008

첫째, 중국 자체가 거대한 DRAM 소비시장입니다. 맥쿼리 애널리스트 Katherine Zheng은 중국이 전 세계 DRAM의 약 3분의 1을 소비하며, CXMT의 추가 생산량이 2028년까지 중국 내수시장에 대부분 흡수될 것으로 예상했습니다. 2026년 9월 TrendForce가 인용한 업계 분석에서도 CXMT의 증설 물량이 주로 중국 내수 수요를 충족하며, 단기적으로 글로벌 첨단 DRAM 공급을 크게 늘리기는 어렵다고 평가했습니다.

둘째, 중국 시장에서는 지금 DRAM을 싸게 판매할 유인이 크지 않습니다. CXMT의 1H26 GPM은 84.84%였습니다. HBM이 없으니 Conventional DRAM 중심 포트폴리오로 엄청나게 높은 마진을 받고 있습니다. 로이터는 2026년 7월 CXMT가 일부 제품을 한국 경쟁사보다 비싸게 판매하면서 중국 고객사들의 반발을 샀다고 보도했습니다. CXMT가 굳이 저가 수출을 통해 글로벌 DRAM 가격을 무너뜨릴 경제적 유인은 현재로서는 크지 않습니다. 결국 핵심은 CXMT가 얼마나 많이 생산하느냐뿐 아니라, 글로벌 DRAM 수요 증가분 중 얼마를 CXMT가 가져가는지입니다. 이미 CXMT이 압도적으로 SEC/SKH/MU 대비 높은 밸류를 받고 있는 상태인 것을 감안한다면, 지금 중요한 건 수요-공급의 균형을 깰 우려가 있느냐 그렇지 않느냐가 더 중요합니다.

(3) 2026 OCP Global Summit에서 Open CPX NPO에 대해서 말한 것들을 정리해보면 *첨부자료 1, 2*:

Open CPX 표준은 ASIC 주변에 장착하는 6.4T/7.2T급 광학 모듈을 정의하면서 내장형 레이저와 외장형 레이저를 모두 허용합니다.

엔비디아가 외장형 레이저인 ELS를 채택한 이유는 레이저를 고온의 ASIC으로부터 분리하면 열화 위험을 줄일 수 있고, 고장 발생 시 전면부에서 빠르게 교체할 수 있어서 그랬습니다.

원문 구간 009

고출력 레이저를 여러 광학 채널에서 공유해 전체 레이저 수를 줄이는 것도 가능합니다.

TeraHop은 레이저를 ASIC 내부로 넣는 구조가 아닙니다. ASIC 가까이에 배치하되 별도의 냉각판을 사용하는 NPO 광학 엔진에 레이저를 통합하자는 주장입니다. NPO 구조와 독립적인 모듈 설계를 활용하면 이 두 가지 문제를 상당 부분 완화할 가능성이 있습니다. 결과적으로는 NPO 구조를 표준으로 채택하자는 것입니다.

레이저를 외부로 분리할 경우 추가적인 광결합 및 커넥터 때문에 3dB 이상의 손실이 발생합니다. 3dB의 광손실은 전송 과정에서 빛의 출력이 대략 절반으로 감소한다는 의미입니다. 동일한 광학 엔진에 필요한 빛의 세기를 유지하려면 레이저 출력을 더 높여야 합니다. 그러면 내장형인 ILS에서는 레이저 광출력이 100mW면 되는데, 외장형인 ELS로 구성하려면 200~300mW는 넘어야 합니다. 레이저를 외부로 옮기면서 추가로 발생하는 광손실을 보상하기 위해 더 강한 레이저가 필요한 구조입니다.

가장 큰 산업적 함의는 CPO/NPO 시장에서도 광학 엔진 업체들의 주도권이 유지될 수 있다는 것입니다. 기존에는 CPO가 확산되면 광트랜시버 기업들이 만드는 모듈 자체가 사라질 수 있다는 우려가 있었습니다. 엔비디아가 발표한 구조는 광엔진을 스위치 ASIC 패키지 내부로 가져오므로 전통적인 OSFP 트랜시버를 대체합니다. 그렇지만 Open CPX는 루멘텀, 코히런트 등이 제작한 표준 광엔진을 구매해서 패키지 주변에 장착하는 방식입니다. 기존 플러거블 트랜시버에서 성공했던 다중 공급업체 구조를 CPO/NPO로 확장하는 것입니다. 하이퍼스케일러들은 멀티벤더 체제를 훨씬 선호하기 때문에 NPO 구조를 더 오래 끌고갈 유인이 크다는 얘기이기도 합니다.

(4) 현재 좋게 보고 있는 인터커넥트 기업들 입장에서는 Open CPX로 가더라도 달라지는 게 많지 않습니다:

원문 구간 010

루멘텀(LITE) 입장에서는 NPO로 가더라도 여전히 300~400mW대 고출력 레이저(UHP CW Laser)를 생산할 수 있는 기업이 거의 루멘텀, 코히런트 두 곳 밖에 없기 때문에 충분히 수혜를 볼 것으로 예상합니다.

셈텍(SMTC) 입장에서는 224Gbps TIA 및 MZM 들이버가 NPO와 CPO에 모두 적용 가능하기 때문에 상관이 없습니다. 그리고 좀 더 크게 생각해보면 NPO OE 구조가 더욱 오랫동안 유지되기 때문에 수혜강도의 순풍이 더 세고, 기간도 더 길어질 것으로 예상합니다. 물론 셈텍도 HieFo를 통해서 CPO로 가더라도 충분한 수혜를 볼 것이라고 생각하지만 셈텍이 워낙 구리(온보드 선형 이퀄라이저) + ACC/LPO + NPO까지의 수혜강도가 다른 인터커넥트 기업들에 비해서 크기 때문에 이쪽 수혜강도를 세게 받을 수 있는 셈텍 입장에서는 NPO 사이클이 길어지는 게 미묘하게 더 좋은 상황이 됩니다.

비아비(VIAV)는 어떤 광학 구조가 승리하느냐에 덜 의존합니다. 레이저를 내장하든 외장하든 광학 엔진의 생산량과 테스트 복잡도가 증가하면 새로운 검사 장비 수요가 발생할 수 있습니다.

Scale-up 네트워크에서의 NPO 도입 일정들을 정리해보면:

미국:

엔비디아: CY27 VR300 3.2T NPO OE 600만 개 *첨부자료 3, 보시면 기술은 NPO여도 실제로는 NPO냐 CPO냐를 구분하지 않습니다.* → CY28 VR300 3.2T NPO OE 1970만 개 → CY2H28 이후 Feynman에서는 6.4T NPO/CPO OE를 동시 개발 중

아마존: CY27 0개 → CY28 Trainium 4 6.4T NPO OE 1200만 개

AMD: CY27 MI500 6.4T NPO OE 50만 개 → CY28 MI550 6.4T NPO OE 170만 개

원문 구간 011

타 CSP들: CY27 0개 → CY28 900만 개

중국:

화웨이: 3Q27부터 Scale-up에 7.2T NPO 모듈 채택한 Atlas 960E SuperPod 양산

알리바바: CY26 3.2T NPO 소량 채택 → CY27 3.2T 양산/6.4T 소량 → CY28 6.4T 양산

텐센트: CY26 NPO SuperNode 도입 시작 계획

바이트댄스: Dayu 3.0 광연결 아키테처 추진 계획, 일정은 미공개

바이두: NPO 기반 Scale-up을 지지했으나, 일정은 미공개

(5) NPO/CPO 양산의 병목은 광-전기 통합 테스트 플랫폼입니다 *첨부자료 4*:

CPO 양산의 병목이 광학 정렬에서 테스트 속도로 이동하고 있습니다 : AI 데이터센터의 고속 인터커넥트 수요가 증가하면서 CPO 양산이 본격화되고 있으며, 테스트 시간 단축과 비용 절감이 핵심 과제로 부상하고 있습니다. 광학 엔진과 칩을 정밀하게 연결하는 광학 정렬(Optical Alignment) 시간은 이미 수초에서 1초 미만까지 단축됐습니다. 그러나 단일 PIC의 전체 테스트에는 여전히 100초 이상이 소요될 수 있어, 이제는 정렬 정확도보다 테스트 처리량(Throughput)이 주요 병목으로 떠오르고 있습니다.

개별 계측장비보다 통합 테스트 플랫폼의 중요성이 커지는 중입니다 : CPO 테스트에는 레이저 소스, 광스위치, 광파워미터, 광스펙트럼 분석기 등 다양한 장비가 필요합니다. 모든 테스트 스테이션에 고가의 계측장비를 개별 배치하면 장비 가동률이 낮아지고 비용이 증가합니다. 여러 테스트 스테이션이 계측장비를 공유하고, 통합 소프트웨어로 광학/전기 측정을 제어하는 방식이 중요해지고 있습니다.

Advantest과 Teradyne 중심의 통합 플랫폼 경쟁 본격화되는 중입니다.

원문 구간 012

기존 ATE 업체들이 광학 계측 역량을 확보하면서 전체 플랫폼 단위 경쟁이 되고 있습니다.

Advantest : 기존 ATE 플랫폼에 광학 계측장비를 통합하는 전략입니다. 2026년 9월에 VIAVI 및 SENKO와 협력을 발표했으며, ECOC 2026에서 CPO 모듈의 양산 테스트를 모사한 워크플로를 시연했습니다.

Teradyne : 2025년 Quantifi Photonics를 인수하면서 광학 계측 역량을 내재화했습니다.

(6) TPU 관련해서 다양한 채널 체크 자료들이 나와서 쭉 모아봅니다 *첨부자료 5, 6*:

10월 12일, JPM의 미디어텍 ASIC 프로젝트 관련 채널 체크를 정리해봅니다 *첨부자료 5*:

TPU v8t(Zebrafish) : 양산 일정 정상 진행 중입니다. 투자자들이 우려하고 있지만 JPM 팀이 확인해볼 때 실제로는 TSMC에서 예정대로 양산이 확대되고 있다고 말했습니다.

TPU v9(Humufish) : TPU v9 개발도 순조롭게 진행되고 있습니다. N3 및 N2 공정 기반의 여러 칩렛이 이미 개별 tape-out을 완료했으며, 최종 tape-out은 2026년 11~12월로 예상됩니다. 최근 ASIC과 GPU 모두 양산에 앞서 두 차례 이상의 테이프아웃을 거치는 경우가 많아, TPU v9 역시 추가 설계 변경이나 일정 변동이 발생할 가능성은 있습니다.

10월 13일, GF증권의 TPU v9/v10 관련 프로젝트 코멘트를 정리해봅니다:

TPU v9(Humufish) : 미디어텍 core 칩 설계가 3주 지연돼서, 샘플링 일정은 여전히 2026년 11월이지만 최종적인 tape-out은 2027년 1월, MP tape-out은 2Q27, 양산은 1Q28부터 시작될 것으로 전망했습니다. 인텔의 EMIB-T 수율은 긍정적으로 잘 올라오고 있습니다.

원문 구간 013

Gemini 4 시리즈는 약 20만 개의 TPU v7로 훈련한 모델이지만, 여전히 자체 모델 훈련과 추론에 TPU v7 할당이 부족한 상태입니다. 앤스로픽향으로 할당을 해놓다보니 CY27에도 앤스로픽과 오픈AI의 컴퓨트에 비해서 구글 딥마인드 팀이 가질 수 있는 GW 규모가 적을 것이란 예상입니다.

미디어텍의 TPU v8t(Zebrafish) 물량이 CY27~CY28까지도 더 높을 것으로 예상되기 때문에 TPU v9(Humufish)의 출하 시점이 약간 지연되더라도 문제는 없을 것으로 예상했습니다.

TPU v10은 4Q28~1Q29쯤 양산될 칩입니다. 주류 SKU는 Icefish로 미디어텍과 GUC가 함께 설계하는 칩(미디어텍은 I/O die와 SerDes, Integration에 집중 + GUC는 Compute die의 적층 설계 담당)입니다. Merope SKU를 실제 진행할지는 알 수 없으며 Merope를 놓고 브로드컴/마벨/AMD가 수주 경쟁을 벌이고 있는 상태입니다.

10월 13일, 대만 채널 체크를 통해 정리해보면 *첨부자료 6*:

TPU v8t(Zebrafish)가 1Q27에 다시 Tape-out을 진행할 예정입니다. 10월의 tape-out 물량이 생각보다 잘 안 나왔지만 요즘 칩은 원래 몇 번의 tape-out을 거쳐서 내놓기 때문에 실질적인 영향은 없을 것으로 예상했습니다.

TPU v10 Merope는 원래 브로드컴이 맡았던 TPU 프로젝트인데, AMD+마벨이 힘을 합쳐 수주 경쟁이 뛰어들면서 판이 바뀐 상태입니다. 상대적으로 브로드컴은 미디어텍이 진행하던 Icefish SKU도 가져오려고 노력하던 상황에서, Merope라도 따내려는 입장으로 바뀌었기 때문에 미디어텍이 다소 한숨을 돌릴 수 있게 된 상황입니다.

원문 구간 014

이에 미디어텍은 최근 구글/바이트댄스 외 다른 하이퍼스케일러들 대상으로도 ASIC 프로젝트 수주 경쟁 중입니다.

Maia 300 물량은 시장에서 예상하는 것보다 상당히 많을 것으로 예상했습니다.

(7) 마이크론이 지난주 10-K를 통해서 $33B의 추가 자사주 매입을 승인했습니다:

총 자사주 매입 규모는 $35B입니다. CHIPS Act 제한이 해제되는 2026년 12월 9일부터 자사주 매입이 실행될 예정입니다. 흥미로운 건 SKH가 자사주 매입을 $29B 실행했기에 TD Cowen은 MU의 매출이나 시총에 맞춰 $20B 정도 자사주매입을 하지 않겠나 예상했었는데, 실제로는 $33B로 훨씬 더 공격적으로 주주환원을 할 것임을 드러낸 것입니다.

Enterprise/GPU IaaS:

(1) 오픈AI가 사이버보안 사업 확대를 위해 Trail of Bits 인수를 추진 중입니다:

소프트웨어 보안 취약점을 발견하고 수정하는 전문기업 Trail of Bits 인수를 초기 단계에서 논의 중인 것으로 알려졌습니다.

이미 Codex를 활용한 보안 프로젝트에서 협력 중입니다. 올해 6월부터 Patch the Planet이라는 소프트웨어 보안 프로젝트를 공동으로 진행하고 있습니다. Trail of Bits의 보안 엔지니어들이 Codex와 사이버보안 특화 AI 모델을 활용해 Python 등 주요 오픈소스 프로젝트의 취약점을 발견하고 수정하는 방식입니다. Trail of Bits CEO Dan Guido는 Codex 덕분에 기존에 몇 주씩 걸리던 작업을 하루 만에 완료할 수 있게 됐다고 설명했습니다.

신재생/전력기기:

(1) 북미 데이터센터 전력 캐파는 누적 기준 CY25 54GW(+17GW) → CY26 82GW(+28GW) → CY27 125GW(+40GW)로 더 가속화되며 증가할 예정입니다.

원문 구간 015

특히 2Q26에는 역대 최대인 13GW가 추가되며 증설 속도가 가속화됐습니다. 현재 미국 내에서 하이퍼스케일러별 캐파를 보자면 AWS가 10GW+, 구글 6.0GW, 마이크로소프트 5.7GW, 메타 5.0GW 순입니다.

(2) 오라클의 Project Jupiter 업데이트를 해봅니다:

뉴멕시코 주민들의 전기요금 부담을 줄이기 위한 지원책을 발표했습니다. 지역 전력회사 El Paso Electric(EPE)과 새로운 전력공급계약을 추진한다고 발표했습니다. 전력 구매 계약으로 향후 10년간 연간 $10M, 총 $100M의 전력 구매 비용을 지불하고 별도 계약을 통해 뉴멕시코 지역 가정에 연간 최대 $55M의 크레딧을 최장 3년간 제공할 예정입니다.

오라클은 이번 EPE와의 계약이 Project Jupiter의 기존 전력공급계획을 변경하는 것은 아니라고 명확히 밝혔습니다. Project Jupiter의 주력 전력원은 기존 계획대로 Bloom Energy의 연료전지를 활용한 독립형 마이크로그리드입니다. EPE로부터 공급받는 전력은 데이터센터의 건설 후반부, 초기 시운전, 비상 예비전력, 현장 근로자 안전설비 등에 사용됩니다.

같은 날, FERC에 Project Jupiter의 천연가스 공급을 위한 Green Chile 천연가스 파이프라인 승인 신속 처리를 요청했습니다. Green Chile 파이프라인은 Bloom Energy 연료전지 마이크로그리드에 필요한 천연가스를 공급하는 핵심 인프라입니다. 지역 당국의 반대로 파이프라인 경로를 주정부 소유 토지에서 연방정부 관할 토지로 변경하면서 일정이 지연됐습니다.

광고/이커머스:

(1) 도어대시의 MAU는 꾸준히 성장 중이고, 우버이츠의 MAU는 횡보 중입니다.

원문 구간 016

*첨부자료 1* 계속해서 도어대시가 점유율을 얻고 있다는 뜻입니다. 실제 Y축의 YoY 성장률 숫자 자체도 도어대시가 훨씬 더 높습니다.

의료기기/핀테크/코인:

(1) 트랜스메딕스의 4Q 비행 건수는 407건, 오늘의 일간 비행데이터는 +30건이었습니다. 4Q는 13일이 지났으며 일평균 비행 속도는 31.31건 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.

(2) 오늘의 서클 USDC 유통량은 $73.14B, 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 -1.54%, 월간 기준 -1.62% 수준입니다.

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

(3) 피겨 테크의 주간/월간 잠정 영업 지표를 여기서 확인하실 수 있습니다.

저희의 생각을 담아서 랩을 운용하고 있습니다

메리츠증권 : https://naver.me/xQiZ5UHt

SK증권 : https://naver.me/FlcOtVGm

그럼에도 빠진내용 정리

잡담·곁다리 내용

잡담, 화면 설명, 불확실한 표현을 무작정 버리지 않는다.

생략 기록

별도 생략 기록이 없습니다.

그럼에도 빠진내용 정리

보존 범위	시장 지수·섹터, 링크, 고지, 첨부자료 표기까지 flow에서 원문 순서대로 보존했다.
원문 한계	첨부자료 자체의 화면·그래프는 보존 원문에 수치·설명으로 적힌 범위만 다뤘으며 추가 해석하지 않았다.
불확실성	추정·채널 체크·계획·예상·가정은 원문의 단정 강도와 함께 보존했고 확정 사실로 바꾸지 않았다.

원문 확인

document_work_runner prepare가 입력 원문을 수정 없이 보존했다.

원문 다운로드 새 창에서 보기

문서 전체 조망

AI 경쟁·메모리·광인터커넥트에서 이름보다 실제 실행 조건을 다시 본다

1️⃣AI 모델은 가격·사용 데이터·컴퓨팅 배분까지 함께 본다

2️⃣증류 방어는 보안 성과와 매출의 교환관계다

3️⃣4F² DRAM은 구조 이름보다 양산 원가가 중요하다

4️⃣NPO 표준은 광학 엔진의 역할을 남길 수 있다

5️⃣계획·채널 체크·일간 지표는 확정 사실과 분리한다

이슈 분석

26-10 메타 Muse Wonder 모델 공개

작성자의 핵심 판단

이 자료에서 다룬 사실

그렇게 판단한 이유

26-9 구글 Gemini 4 Argon 발표

작성자의 핵심 판단

이 자료에서 다룬 사실

그렇게 판단한 이유

26-9 앤트로픽의 모델 증류 조사 결과 공개

작성자의 핵심 판단

이 자료에서 다룬 사실

그렇게 판단한 이유

26-10 CXMT의 4F² D램 구조와 출시 계획 발표

작성자의 핵심 판단

이 자료에서 다룬 사실

그렇게 판단한 이유

26-10 OCP Global Summit 개최

작성자의 핵심 판단

이 자료에서 다룬 사실

그렇게 판단한 이유

지식·관점

투자 판단에서 어떤 모델 평가 기준을 함께 봐야 하는가?

이 자료가 더한 내용

광학 인터커넥트 양산에서 병목은 어디로 이동하는가?

이 자료가 더한 내용

테이프아웃 일정 변화는 출하 판단에 어떻게 연결되는가?

이 자료가 더한 내용

유통량 변화가 결제 펀더멘털 변화를 뜻하는가?

이 자료가 더한 내용

시간흐름대로 모든 내용을 살려 정리

시간흐름대로 모든 내용을 살려 정리

그럼에도 빠진내용 정리

그럼에도 빠진내용 정리

AI 모델은 가격·사용 데이터·컴퓨팅 배분까지 함께 본다

증류 방어는 보안 성과와 매출의 교환관계다

4F² DRAM은 구조 이름보다 양산 원가가 중요하다

NPO 표준은 광학 엔진의 역할을 남길 수 있다

계획·채널 체크·일간 지표는 확정 사실과 분리한다