2026.03.30 · 네이버 프리미엄 콘텐츠 · 올바른 미국주식 by SAPIENS

주간전략보고 : 투자의 생각 (3월 30일~4월 3일) <공지사항 포함>

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

유형

네이버 프리미엄 콘텐츠

날짜

2026.03.30

강연자/작성자

올바른 미국주식 by SAPIENS

분석 주제

미지정

자료 길이

본문 41,048자

문서 전체 조망

핵심 구조

AI 수요의 확장과 기업별 실행력이 같은 주간에 교차했다

이 자료는 AI 수요의 확장과 기업별 실행 변화를 다루며, 기술 효율화가 수요를 단순히 줄이는지보다 성능·비용의 균형을 어떻게 다시 정하는지가 핵심 판단 기준이라고 본다. 소비·밸류에이션·법적 위험까지 함께 놓고 흐름과 근거를 정리한다.

낮아진 S&P 500 밸류에이션과 엇갈린 실물·심리

S&P 500의 Forward P/E는 EPS 상승과 지수 횡보·하락 때문에 2025년 4월 관세 하락기 수준까지 내려왔다. 소비심리는 유가와 인플레이션 우려로 약해졌지만 소매판매·공항·호텔 지표에서는 수요파괴가 없습니다라는 판단을 뒷받침하며, 심리와 hard data를 구분하는 것이 기준이다.

AI 인프라의 병목은 메모리 사용량만의 문제가 아니다

KV Cache 압축은 유용한 기술이지만, Agentic AI에서 길어진 추론·저장·조회 수요와 성능 우선의 선택을 고려하면 하이퍼스케일러의 메모리 투자 방향을 뒤집을 변수로 보지 않는다. 이는 같은 자원으로 더 높은 추론 성능을 만드는 경쟁이며, 압축의 적용 조건과 병목을 함께 봐야 한다.

광학과 메모리는 고부가 제품·공급 확보가 관건

루멘텀은 광 전환과 고출력 광원의 양산 난이도를, AAOI는 800G 초기 주문의 이행을, 샌디스크는 난야 투자와 장기 공급 확보를 각각 핵심 조건으로 제시한다. 광학 밸류체인에서는 소수 기업이 고부가가치를 먼저 갖고 미충족 수요를 흡수할 수 있다는 구조 변화가 근거다.

데이터센터 증설은 전력·냉각·제조능력까지 번진다

버티브의 북미 제조시설 확대와 블룸에너지의 BTM 전력 수요 논의는 AI 데이터센터 확장이 서버 밖 전력 인프라와 현장 공급능력에도 연결된다는 점을 보여준다. 가스터빈 납기와 현장 전력 확보가 조건이며, 데이터센터 증설의 범위를 넓게 보는 것이 필요하다.

AI 경쟁은 모델 성능과 자본 배분을 함께 요구한다

다리오 아모데이의 논지는 지능 향상, 데이터·컴퓨팅·환경, 공급망과 경쟁을 함께 보자는 것이다. AI Labs의 적자와 CapEx는 미래 지능 경쟁을 위한 선제적 비용이라는 프레임으로 해석하며, 단기 손익과 연구개발의 원인을 구분해야 한다.

플랫폼 기업은 에이전트·상거래·컴퓨팅의 실행을 시험한다

ARM의 완제품 CPU 진출, 오픈AI의 컴퓨팅 우선순위, 구글의 제품·에이전트, 메타의 개인용 에이전트와 쇼핑 링크 확장은 각자의 제품화와 수익화 경로를 드러낸다. 목표와 실제 채택은 다르므로 성능·가격·고객 반응이라는 확인 기준이 남는다.

법적 위험과 개별 기업의 실행 변수는 별도로 남는다

로스앤젤레스 배심원단 판단은 메타와 구글의 SNS 중독 소송에 불리한 선례가 될 수 있다는 우려로, 테슬라의 제품·FSD 관련 업데이트는 실제 생산·운영과 규제 조건을 확인해야 할 항목으로 제시된다. 사건의 법적 범위와 실행 여부는 별도 문제로 남는다.

발생·예정 사건과 출처별 관점

이슈 분석

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

발생발표·발생 후발생월 26-4

26-4 AAOI의 오라클향 800G 트랜시버 추가 주문

작성자의 핵심 판단

계약 총액보다 1.6T에 이어 800G 테스트 초기 주문을 받았고 이를 충족할 수 있는지가 중요하다고 평가한다.

근거 보기 1

원문 구간 1
이전보다 해자를 더 중시하게 바뀌고 있다는 것입니다. 옵토일렉트로닉스(AAOI) 옵토일렉트로닉스AAOI는 Overweight을 유지합니다. 옵토일렉트로닉스, 800G 트랜시버 신규 주문 옵토일렉트로닉스가 대형 하이퍼스케일러 고객사로부터 800G 트랜시버 신규 주문을 받았습니다. 시간외 +3%입니다. 지난주에 기존 1.6T 트랜시버 $200M 주문을 받았던 고객(Rosenblatt은 오라클로 추정)으로부터 800G 트랜시버도 $53M 가량의 초기 물량 주문을 받은 것입니다. 오라클과는 한동안 거래하지 않다가 거래하기 시작하는 것이라서 일단 1.6T부터 주문하고 800G도 주문한 것으로 보입니다. 고객사에서 퀄테스트를 하고 나서 800G 물량 출하는 2Q26에 시작하여 3Q26 중반에 완료할 예정입니다. 계약규모가 중요하다기보다는 하이퍼스케일러로부터 1.6T에 이어서 800G도 테스트를 위한 초기 주문을 받았고, 이를 얼마나 충족시킬 수 있느냐가 중요합니다. 마이크론(MU) 마이크론MU은 Overweight을 유지합니다. KV Cache 압축을 위한 방법들 : NVIDIA KVTC, TurboQuant 엔비디아 KVTC에 대한 생각은 지난주 주간전략보고에 남겨드린 바 있습니다. 최근 KV Cache 압축에 대한 시장의 관심이 큽니다. 펀더멘탈과 관련하여 훼손이 있을 만한 내용들은 아닙니다.

이 자료에서 다룬 사실

AAOI는 대형 하이퍼스케일러 고객으로부터 800G 트랜시버 약 5,300만달러 초기 물량 주문을 받았고, 앞선 1.6T 2억달러 주문 고객을 Rosenblatt은 오라클로 추정했다.

근거 보기 1

원문 구간 1
이전보다 해자를 더 중시하게 바뀌고 있다는 것입니다. 옵토일렉트로닉스(AAOI) 옵토일렉트로닉스AAOI는 Overweight을 유지합니다. 옵토일렉트로닉스, 800G 트랜시버 신규 주문 옵토일렉트로닉스가 대형 하이퍼스케일러 고객사로부터 800G 트랜시버 신규 주문을 받았습니다. 시간외 +3%입니다. 지난주에 기존 1.6T 트랜시버 $200M 주문을 받았던 고객(Rosenblatt은 오라클로 추정)으로부터 800G 트랜시버도 $53M 가량의 초기 물량 주문을 받은 것입니다. 오라클과는 한동안 거래하지 않다가 거래하기 시작하는 것이라서 일단 1.6T부터 주문하고 800G도 주문한 것으로 보입니다. 고객사에서 퀄테스트를 하고 나서 800G 물량 출하는 2Q26에 시작하여 3Q26 중반에 완료할 예정입니다. 계약규모가 중요하다기보다는 하이퍼스케일러로부터 1.6T에 이어서 800G도 테스트를 위한 초기 주문을 받았고, 이를 얼마나 충족시킬 수 있느냐가 중요합니다. 마이크론(MU) 마이크론MU은 Overweight을 유지합니다. KV Cache 압축을 위한 방법들 : NVIDIA KVTC, TurboQuant 엔비디아 KVTC에 대한 생각은 지난주 주간전략보고에 남겨드린 바 있습니다. 최근 KV Cache 압축에 대한 시장의 관심이 큽니다. 펀더멘탈과 관련하여 훼손이 있을 만한 내용들은 아닙니다.

이 자료에서 다룬 실제 시장 반응

시간외 주가가 3% 상승했다고 적었다.

근거 보기 1

원문 구간 1
이전보다 해자를 더 중시하게 바뀌고 있다는 것입니다. 옵토일렉트로닉스(AAOI) 옵토일렉트로닉스AAOI는 Overweight을 유지합니다. 옵토일렉트로닉스, 800G 트랜시버 신규 주문 옵토일렉트로닉스가 대형 하이퍼스케일러 고객사로부터 800G 트랜시버 신규 주문을 받았습니다. 시간외 +3%입니다. 지난주에 기존 1.6T 트랜시버 $200M 주문을 받았던 고객(Rosenblatt은 오라클로 추정)으로부터 800G 트랜시버도 $53M 가량의 초기 물량 주문을 받은 것입니다. 오라클과는 한동안 거래하지 않다가 거래하기 시작하는 것이라서 일단 1.6T부터 주문하고 800G도 주문한 것으로 보입니다. 고객사에서 퀄테스트를 하고 나서 800G 물량 출하는 2Q26에 시작하여 3Q26 중반에 완료할 예정입니다. 계약규모가 중요하다기보다는 하이퍼스케일러로부터 1.6T에 이어서 800G도 테스트를 위한 초기 주문을 받았고, 이를 얼마나 충족시킬 수 있느냐가 중요합니다. 마이크론(MU) 마이크론MU은 Overweight을 유지합니다. KV Cache 압축을 위한 방법들 : NVIDIA KVTC, TurboQuant 엔비디아 KVTC에 대한 생각은 지난주 주간전략보고에 남겨드린 바 있습니다. 최근 KV Cache 압축에 대한 시장의 관심이 큽니다. 펀더멘탈과 관련하여 훼손이 있을 만한 내용들은 아닙니다.

그렇게 판단한 이유

고객 퀄테스트 뒤 800G 출하는 2Q26에 시작해 3Q26 중반 완료 예정이며, 한동안 거래하지 않던 고객과 거래를 재개한 흐름으로 해석했다.

근거 보기 1

원문 구간 1
이전보다 해자를 더 중시하게 바뀌고 있다는 것입니다. 옵토일렉트로닉스(AAOI) 옵토일렉트로닉스AAOI는 Overweight을 유지합니다. 옵토일렉트로닉스, 800G 트랜시버 신규 주문 옵토일렉트로닉스가 대형 하이퍼스케일러 고객사로부터 800G 트랜시버 신규 주문을 받았습니다. 시간외 +3%입니다. 지난주에 기존 1.6T 트랜시버 $200M 주문을 받았던 고객(Rosenblatt은 오라클로 추정)으로부터 800G 트랜시버도 $53M 가량의 초기 물량 주문을 받은 것입니다. 오라클과는 한동안 거래하지 않다가 거래하기 시작하는 것이라서 일단 1.6T부터 주문하고 800G도 주문한 것으로 보입니다. 고객사에서 퀄테스트를 하고 나서 800G 물량 출하는 2Q26에 시작하여 3Q26 중반에 완료할 예정입니다. 계약규모가 중요하다기보다는 하이퍼스케일러로부터 1.6T에 이어서 800G도 테스트를 위한 초기 주문을 받았고, 이를 얼마나 충족시킬 수 있느냐가 중요합니다. 마이크론(MU) 마이크론MU은 Overweight을 유지합니다. KV Cache 압축을 위한 방법들 : NVIDIA KVTC, TurboQuant 엔비디아 KVTC에 대한 생각은 지난주 주간전략보고에 남겨드린 바 있습니다. 최근 KV Cache 압축에 대한 시장의 관심이 큽니다. 펀더멘탈과 관련하여 훼손이 있을 만한 내용들은 아닙니다.

발생발표·발생 후발생일 26-4-8

26-4 난야테크 DRAM 장기공급체계 구축

작성자의 핵심 판단

NAND 전업 업체가 고사양 NVMe eSSD의 DDR4 캐시 조달 문제를 겪어온 만큼, 이 투자는 신규 팹 물량을 우선 장기 공급계약으로 확보하는 파트너십 사례라고 본다.

근거 보기 3

원문 구간 1
샌디스크와 키옥시아는 NAND만 생산하기 때문에 DRAM, NAND를 같이 생산하는 기업과 달리 자사 고사양 NVMe eSSD 제품에 탑재되는 DDR4 제품 조달에 어려움을 겪어왔었습니다. 대략 데이터센터용 고성능 4TB 스토리지 SSD당 512MB~1GB 정도의 DRAM Cache가 필요합니다. 지분투자형 파트너십으로 신규 팹에서 나올 물량에 대해 우선 장기 공급계약을 맺는 사례입니다. TrendForce, 1Q/2Q26 DRAM 및 NAND 가격 상향 조정 CY1Q26 (기준: QoQ) (자료: TrendForce, jukan) DRAM PC DRAM : 50~55% → 110~115% ▲ 서버 DRAM : 60~65% → 93~98% ▲ 모바일 DRAM : 45~50% → 58~63% ▲ 전체 DRAM : 55~60% → 93~98% ▲ NAND Enterprise SSD : 33~38% → 75~80% ▲ TLC/QLC NAND : 30~35% → 75~80% ▲ 전체 NAND : 33~38% → 85~90% ▲ CY2Q26 DRAM PC DRAM : 10~15% → 40~45% ▲ 서버 DRAM : 10~15% → 43~48% ▲ 모바일 DRAM : 13~18% → 58~63% ▲ NAND Enterprise SSD : 15~20% → 68~73% ▲
원문 구간 2
TLC/QLC NAND : 15~20% → 60~65% ▲ 전체 NAND : 18~23% → 70~75% ▲ 현물가격(Spot Price) > 계약가격(Contract Price) (차트: CLSA, 벨루가의 주식 헤엄치기) DRAM 가격 중 일부가 스팟가격(현물가격) 기준 일부 하락했다고 언급되지만, 실제로는 계약가격에 비해 여전히 한참 위에 있습니다. 현재 현물가격은 DDR5 기준 $40 정도, 계약가격은 $30 정도입니다. DDR4 기준으로 보자면 현물가와 계약가 갭이 더 많이 벌어져 있습니다. DDR4의 현물가격은 $27, 계약가격은 $13입니다. 수요가 얼마나 구조화되고 있는가? 지금 메모리 주식을 볼 때 가장 중요한 포인트는 단기 스팟 가격의 등락 자체가 아니라, 수요가 얼마나 장기계약 형태로 구조화되고 있는가라고 생각합니다. 최근 주말 사이 시장에서는 오픈AI의 LOI를 고정 공급계약처럼 받아들이는 노이즈가 있었고, 스팟 가격 상승세가 다소 둔화되거나 일부 하락하자 사이클 종료를 우려하는 시선도 나왔습니다. 하지만 현재 국면은 수요 붕괴에 따른 사이클 종료라기보다, 급등 이후 나타나는 일시적 조정에 더 가깝다고 판단합니다. 실제로 가격 상승이 본격화되기 시작했던 2025년 9월 이후를 돌아보면, 12월에도 지금과 유사한 스팟 가격 조정 구간이 있었고, 그 자체가 구조적 훼손으로 이어지지는 않았습니다.
원문 구간 3
오히려 더 중요하게 봐야 할 것은 하이퍼스케일러들이 앞으로의 AI 인프라 확장에 필요한 메모리를 선제적으로 묶고 있다는 점입니다. 이들은 향후 비즈니스를 계획하고 폭발적인 AI 인프라 수요에 대응하기 위해 다년 단위의 SCA를 체결하고 있으며, 메모리 업체들 역시 이를 단발성 호황이 아닌 구조적 성장으로 연결시키기 위해 노력하고 있습니다. 마이크론 자료를 통해서 전해드렸던 것처럼, 이번 분기 마이크론이 업계 최초로 5년 단위의 SCA를 체결했다고 밝힌 점은 상당히 상징적입니다. 첫 다년치 장기공급계약이 나온 것인데 SEC, SKH, MU 모두 빅테크와 3~5년 장기공급계약을 논의해오던 상황에서 마이크론이 가장 먼저 계약을 성사시켰다는 사실 자체가 긍정적인 신호이기 때문입니다. 이유는 세 가지입니다. 메모리 가격이 여전히 좋은 수준을 유지하고 있습니다. 하이퍼스케일러들은 AI 인프라 확대에 대비해 더 많은 메모리를 선제적으로 할당받고 싶어합니다. Top 3 과점 구조에서는 한 업체가 먼저 물량을 묶기 시작할수록, 뒤에 남은 공급사들의 협상력이 더 높아질 수 있습니다. 마지막에 딜을 체결하는 업체일수록 더 많은 물량을 확보해야 하는 하이퍼스케일러들로부터 상대적으로 유리한 조건을 제시받을 가능성이 높기 때문입니다. 이런 흐름을 감안하면, SEC, SKH의 장기공급계약도 곧 나올 가능성들이 높다고 함께 묶어 생각할 수 있습니다.

이 자료에서 다룬 사실

샌디스크·키옥시아·솔리다임·시스코는 난야테크 제3자 배정 유상증자에 참여했고, 네 회사의 배정분은 3억5,157만8,000주로 난야테크 지분 약 11%다. 실제 증자·신주 발행 기준일은 2026년 4월 8일이다.

근거 보기 3

원문 구간 1
샌디스크와 키옥시아는 NAND만 생산하기 때문에 DRAM, NAND를 같이 생산하는 기업과 달리 자사 고사양 NVMe eSSD 제품에 탑재되는 DDR4 제품 조달에 어려움을 겪어왔었습니다. 대략 데이터센터용 고성능 4TB 스토리지 SSD당 512MB~1GB 정도의 DRAM Cache가 필요합니다. 지분투자형 파트너십으로 신규 팹에서 나올 물량에 대해 우선 장기 공급계약을 맺는 사례입니다. TrendForce, 1Q/2Q26 DRAM 및 NAND 가격 상향 조정 CY1Q26 (기준: QoQ) (자료: TrendForce, jukan) DRAM PC DRAM : 50~55% → 110~115% ▲ 서버 DRAM : 60~65% → 93~98% ▲ 모바일 DRAM : 45~50% → 58~63% ▲ 전체 DRAM : 55~60% → 93~98% ▲ NAND Enterprise SSD : 33~38% → 75~80% ▲ TLC/QLC NAND : 30~35% → 75~80% ▲ 전체 NAND : 33~38% → 85~90% ▲ CY2Q26 DRAM PC DRAM : 10~15% → 40~45% ▲ 서버 DRAM : 10~15% → 43~48% ▲ 모바일 DRAM : 13~18% → 58~63% ▲ NAND Enterprise SSD : 15~20% → 68~73% ▲
원문 구간 2
TLC/QLC NAND : 15~20% → 60~65% ▲ 전체 NAND : 18~23% → 70~75% ▲ 현물가격(Spot Price) > 계약가격(Contract Price) (차트: CLSA, 벨루가의 주식 헤엄치기) DRAM 가격 중 일부가 스팟가격(현물가격) 기준 일부 하락했다고 언급되지만, 실제로는 계약가격에 비해 여전히 한참 위에 있습니다. 현재 현물가격은 DDR5 기준 $40 정도, 계약가격은 $30 정도입니다. DDR4 기준으로 보자면 현물가와 계약가 갭이 더 많이 벌어져 있습니다. DDR4의 현물가격은 $27, 계약가격은 $13입니다. 수요가 얼마나 구조화되고 있는가? 지금 메모리 주식을 볼 때 가장 중요한 포인트는 단기 스팟 가격의 등락 자체가 아니라, 수요가 얼마나 장기계약 형태로 구조화되고 있는가라고 생각합니다. 최근 주말 사이 시장에서는 오픈AI의 LOI를 고정 공급계약처럼 받아들이는 노이즈가 있었고, 스팟 가격 상승세가 다소 둔화되거나 일부 하락하자 사이클 종료를 우려하는 시선도 나왔습니다. 하지만 현재 국면은 수요 붕괴에 따른 사이클 종료라기보다, 급등 이후 나타나는 일시적 조정에 더 가깝다고 판단합니다. 실제로 가격 상승이 본격화되기 시작했던 2025년 9월 이후를 돌아보면, 12월에도 지금과 유사한 스팟 가격 조정 구간이 있었고, 그 자체가 구조적 훼손으로 이어지지는 않았습니다.
원문 구간 3
오히려 더 중요하게 봐야 할 것은 하이퍼스케일러들이 앞으로의 AI 인프라 확장에 필요한 메모리를 선제적으로 묶고 있다는 점입니다. 이들은 향후 비즈니스를 계획하고 폭발적인 AI 인프라 수요에 대응하기 위해 다년 단위의 SCA를 체결하고 있으며, 메모리 업체들 역시 이를 단발성 호황이 아닌 구조적 성장으로 연결시키기 위해 노력하고 있습니다. 마이크론 자료를 통해서 전해드렸던 것처럼, 이번 분기 마이크론이 업계 최초로 5년 단위의 SCA를 체결했다고 밝힌 점은 상당히 상징적입니다. 첫 다년치 장기공급계약이 나온 것인데 SEC, SKH, MU 모두 빅테크와 3~5년 장기공급계약을 논의해오던 상황에서 마이크론이 가장 먼저 계약을 성사시켰다는 사실 자체가 긍정적인 신호이기 때문입니다. 이유는 세 가지입니다. 메모리 가격이 여전히 좋은 수준을 유지하고 있습니다. 하이퍼스케일러들은 AI 인프라 확대에 대비해 더 많은 메모리를 선제적으로 할당받고 싶어합니다. Top 3 과점 구조에서는 한 업체가 먼저 물량을 묶기 시작할수록, 뒤에 남은 공급사들의 협상력이 더 높아질 수 있습니다. 마지막에 딜을 체결하는 업체일수록 더 많은 물량을 확보해야 하는 하이퍼스케일러들로부터 상대적으로 유리한 조건을 제시받을 가능성이 높기 때문입니다. 이런 흐름을 감안하면, SEC, SKH의 장기공급계약도 곧 나올 가능성들이 높다고 함께 묶어 생각할 수 있습니다.

그렇게 판단한 이유

데이터센터용 고성능 4TB 스토리지 SSD당 512MB~1GB의 DRAM 캐시가 필요하고, 난야테크는 새 메모리 공장과 설비에 증자 자금을 쓸 예정이라는 점을 연결했다.

근거 보기 3

원문 구간 1
샌디스크와 키옥시아는 NAND만 생산하기 때문에 DRAM, NAND를 같이 생산하는 기업과 달리 자사 고사양 NVMe eSSD 제품에 탑재되는 DDR4 제품 조달에 어려움을 겪어왔었습니다. 대략 데이터센터용 고성능 4TB 스토리지 SSD당 512MB~1GB 정도의 DRAM Cache가 필요합니다. 지분투자형 파트너십으로 신규 팹에서 나올 물량에 대해 우선 장기 공급계약을 맺는 사례입니다. TrendForce, 1Q/2Q26 DRAM 및 NAND 가격 상향 조정 CY1Q26 (기준: QoQ) (자료: TrendForce, jukan) DRAM PC DRAM : 50~55% → 110~115% ▲ 서버 DRAM : 60~65% → 93~98% ▲ 모바일 DRAM : 45~50% → 58~63% ▲ 전체 DRAM : 55~60% → 93~98% ▲ NAND Enterprise SSD : 33~38% → 75~80% ▲ TLC/QLC NAND : 30~35% → 75~80% ▲ 전체 NAND : 33~38% → 85~90% ▲ CY2Q26 DRAM PC DRAM : 10~15% → 40~45% ▲ 서버 DRAM : 10~15% → 43~48% ▲ 모바일 DRAM : 13~18% → 58~63% ▲ NAND Enterprise SSD : 15~20% → 68~73% ▲
원문 구간 2
TLC/QLC NAND : 15~20% → 60~65% ▲ 전체 NAND : 18~23% → 70~75% ▲ 현물가격(Spot Price) > 계약가격(Contract Price) (차트: CLSA, 벨루가의 주식 헤엄치기) DRAM 가격 중 일부가 스팟가격(현물가격) 기준 일부 하락했다고 언급되지만, 실제로는 계약가격에 비해 여전히 한참 위에 있습니다. 현재 현물가격은 DDR5 기준 $40 정도, 계약가격은 $30 정도입니다. DDR4 기준으로 보자면 현물가와 계약가 갭이 더 많이 벌어져 있습니다. DDR4의 현물가격은 $27, 계약가격은 $13입니다. 수요가 얼마나 구조화되고 있는가? 지금 메모리 주식을 볼 때 가장 중요한 포인트는 단기 스팟 가격의 등락 자체가 아니라, 수요가 얼마나 장기계약 형태로 구조화되고 있는가라고 생각합니다. 최근 주말 사이 시장에서는 오픈AI의 LOI를 고정 공급계약처럼 받아들이는 노이즈가 있었고, 스팟 가격 상승세가 다소 둔화되거나 일부 하락하자 사이클 종료를 우려하는 시선도 나왔습니다. 하지만 현재 국면은 수요 붕괴에 따른 사이클 종료라기보다, 급등 이후 나타나는 일시적 조정에 더 가깝다고 판단합니다. 실제로 가격 상승이 본격화되기 시작했던 2025년 9월 이후를 돌아보면, 12월에도 지금과 유사한 스팟 가격 조정 구간이 있었고, 그 자체가 구조적 훼손으로 이어지지는 않았습니다.
원문 구간 3
오히려 더 중요하게 봐야 할 것은 하이퍼스케일러들이 앞으로의 AI 인프라 확장에 필요한 메모리를 선제적으로 묶고 있다는 점입니다. 이들은 향후 비즈니스를 계획하고 폭발적인 AI 인프라 수요에 대응하기 위해 다년 단위의 SCA를 체결하고 있으며, 메모리 업체들 역시 이를 단발성 호황이 아닌 구조적 성장으로 연결시키기 위해 노력하고 있습니다. 마이크론 자료를 통해서 전해드렸던 것처럼, 이번 분기 마이크론이 업계 최초로 5년 단위의 SCA를 체결했다고 밝힌 점은 상당히 상징적입니다. 첫 다년치 장기공급계약이 나온 것인데 SEC, SKH, MU 모두 빅테크와 3~5년 장기공급계약을 논의해오던 상황에서 마이크론이 가장 먼저 계약을 성사시켰다는 사실 자체가 긍정적인 신호이기 때문입니다. 이유는 세 가지입니다. 메모리 가격이 여전히 좋은 수준을 유지하고 있습니다. 하이퍼스케일러들은 AI 인프라 확대에 대비해 더 많은 메모리를 선제적으로 할당받고 싶어합니다. Top 3 과점 구조에서는 한 업체가 먼저 물량을 묶기 시작할수록, 뒤에 남은 공급사들의 협상력이 더 높아질 수 있습니다. 마지막에 딜을 체결하는 업체일수록 더 많은 물량을 확보해야 하는 하이퍼스케일러들로부터 상대적으로 유리한 조건을 제시받을 가능성이 높기 때문입니다. 이런 흐름을 감안하면, SEC, SKH의 장기공급계약도 곧 나올 가능성들이 높다고 함께 묶어 생각할 수 있습니다.

발생발표·발생 후발생일 미확인

ARM의 AI용 AGI CPU 출시

작성자의 핵심 판단

ARM의 사업 모델이 완제품 판매로 한 단계 올라서는 변화로 평가하지만, 실제 운영 환경의 성능·전력·가격과 고객 채택 여부를 볼 데이터는 아직 충분하지 않다고 단서를 단다.

근거 보기 4

원문 구간 1
Agentic AI의 시대 : ARM, CPU 완제품 판매로 넘어가다 ARM이 AI용 CPU인 AGI CPU를 출시했습니다. 기존에는 IP를 라이선스하는 사업이 중심이었고, 이후 CPU 모듈 제공까지 영역을 넓혀왔는데, 이제는 완제품 칩까지 직접 판매하는 구조로 한 단계 더 올라선 것입니다. ARM 경영진은 "AGI CPU의 ARR이 향후 5년 내에 ARR $15B까지 될 수 있다(new chip business will generate over $15B in ARR within five years)"고 말했는데 이정도면 지금 매출이 TTM $4.67B 수준이므로 5년 동안 신제품으로 더해지는 규모만 현재 매출의 3배 정도까지는 더할 수 있다는 의미입니다. 또한 전사적으로는 기존 사업에서도 성장을 이어갈테니 앞으로 5년 내 매출을 $25B까지 끌어올리겠다는 목표입니다. 수익성 측면에서는 생각보다 긍정적이었습니다. IP만 판매하던 구조와 비교하면 완제품 칩 판매는 마진율이 낮아질 수밖에 없지만, 경영진은 최소 30% 이상의 OPM은 유지할 수 있다고 언급했습니다. ARM 현재 TTM OPM이 19% 수준이라는 점을 감안하면, 사업 믹스 변화로 전사 마진 구조가 일부 달라지더라도 영업이익 규모와 레버리지 효과는 오히려 더 커질 수 있다는 의미입니다.
원문 구간 2
다만 이것이 실제로 가능한지에 대해서는 아직 판단할 데이터가 충분하지 않습니다. 실제 운영 환경에서 어느 정도의 성능, 전력 효율, TCO를 보여줄지 검증된 바가 없기 때문입니다. 발표 직후 기준으로 든 생각이기에 향후 판단은 달라질 수 있지만, 현재는 이미 높은 밸류에이션을 받고 있는 기업이 큰 성장 목표를 먼저 제시한 단계라고 보는 편이 맞습니다. 매우 러프하게 CY27 매출 $12B, 순이익률 20%를 가정하더라도 EPS는 $2.4 수준이고, 이를 기준으로 하면 CY27 PER은 대략 60배입니다. 꽤 높습니다. 결국 지금은 실현 가능성보다는 기대가 먼저 반영된 구간에 가깝다고 보고 실제 성과를 확인하면서 판단할 생각입니다. 수요처별로 보면, 하이퍼스케일러들에게는 ARM의 AGI CPU를 채택할 유인이 크지 않다고 봅니다. 이들은 이미 ARM IP를 활용해 자체 CPU ASIC을 설계하고 있으며, 그 목적 역시 AWS나 GCP 같은 각자의 시스템 구조에 맞는 칩을 만드는 데 있습니다. 즉, ML/System co-design의 강점을 극대화하는 것이 핵심이기 때문에, 더 높은 부가가치를 지불하면서까지 ARM의 완제품 CPU를 대규모로 구매할 유인은 크지 않을 수 있습니다. 반면 AI Labs 입장에서는 이야기가 다릅니다.
원문 구간 3
이들은 제한된 칩 설계 인력을 AI 가속기에 집중하고, CPU는 Merchant 제품을 구매하는 전략을 택해온 경우가 많습니다. 따라서 NVL 랙에 들어가는 Vera CPU를 제외하면, 일반 GPU 서버 랙용 CPU 시장에서는 Intel, AMD, ARM 가운데 어떤 제품을 택할지 선택할 수 있는 구도가 됩니다. 실제 AGI CPU의 초기 채택 고객으로 거론되는 곳들을 보면 Meta, OpenAI, Cerebras, Cloudflare, SAP SE, SKT, F5 등이 있습니다. 메타는 최근 MTIA 프로젝트 지연 이후 복수의 Merchant 벤더를 채택해 경쟁시키는 방향으로 피벗한 것으로 보이고, 오픈AI 역시 소프트뱅크(ARM 지분 90%를 가진 주주)가 핵심 자금 제공자 중 하나라는 점에서 초기 채택 배경을 어느 정도 이해할 수 있습니다. 다만 중요한 것은 누가 채택했느냐보다도, 실제 운영 환경에서 얼마나 좋은 TCO 대비 성능을 보여주느냐입니다. 산업 구조 측면에서 보면, 이번 ARM의 행보는 엔비디아와 정면으로 충돌하는 그림이라기보다 x86 진영을 압박하는 성격이 더 강하다고 봅니다. GTC 2026에서 확인된 것처럼 핵심 컴퓨팅 단위는 개별 칩에서 랙, 더 나아가 Pod 단위로 이동하고 있습니다.
원문 구간 4
분산 추론 환경에서는 하드웨어, 소프트웨어, 네트워킹을 묶은 전체 시스템 효율이 중요해지고 있으며, 단일 가속기의 성능 비교만으로 경쟁력을 판단하는 시대는 지나가고 있습니다. 이런 관점에서 ARM의 AGI CPU 등장은 엔비디아의 점유율을 직접 훼손하는 변수라기보다, 엔비디아 생태계 바깥의 CPU 선택지를 넓히는 정도로 보는 편이 더 적절합니다. 여러 시나리오를 감안하더라도 엔비디아는 지금보다 점유율을 빼앗기기보다 오히려 '현재 점유율보다는' 더 가져가는 흐름에 가깝다고 생각합니다. 반대로 인텔과 AMD 같은 x86 기업들에 좋은 뉴스는 아닙니다. 새롭게 열리는 AI 서버용 CPU 시장에서 ARM이 의미 있는 점유율을 확보하기 시작하면, x86의 파이는 점차 줄어들 수밖에 없기 때문입니다. 실제로 ARM의 피치덱 자체도 x86의 비효율성을 강조하면서 그들의 파이를 가져오겠다는 의도가 강하게 드러납니다. *Rubin향 HBM4 output이 많지 않을 것이라는 SemiAnalysis 자료도 있었습니다만, NVDA/MU의 최근 HBM4 발표자료들과 비교해보면 대치되는 부분들이 있어서 옮기지는 않았습니다. 애플, 26년 PER 27배 / Underweight 애플 3Q25 실적발표 코멘트 / 주간전략보고 中 (바로가기)

이 자료에서 다룬 사실

ARM은 AI용 CPU인 AGI CPU를 출시했으며, 기존 IP 라이선스와 CPU 모듈 제공을 넘어 완제품 칩까지 직접 판매하는 구조로 영역을 넓혔다.

근거 보기 4

원문 구간 1
Agentic AI의 시대 : ARM, CPU 완제품 판매로 넘어가다 ARM이 AI용 CPU인 AGI CPU를 출시했습니다. 기존에는 IP를 라이선스하는 사업이 중심이었고, 이후 CPU 모듈 제공까지 영역을 넓혀왔는데, 이제는 완제품 칩까지 직접 판매하는 구조로 한 단계 더 올라선 것입니다. ARM 경영진은 "AGI CPU의 ARR이 향후 5년 내에 ARR $15B까지 될 수 있다(new chip business will generate over $15B in ARR within five years)"고 말했는데 이정도면 지금 매출이 TTM $4.67B 수준이므로 5년 동안 신제품으로 더해지는 규모만 현재 매출의 3배 정도까지는 더할 수 있다는 의미입니다. 또한 전사적으로는 기존 사업에서도 성장을 이어갈테니 앞으로 5년 내 매출을 $25B까지 끌어올리겠다는 목표입니다. 수익성 측면에서는 생각보다 긍정적이었습니다. IP만 판매하던 구조와 비교하면 완제품 칩 판매는 마진율이 낮아질 수밖에 없지만, 경영진은 최소 30% 이상의 OPM은 유지할 수 있다고 언급했습니다. ARM 현재 TTM OPM이 19% 수준이라는 점을 감안하면, 사업 믹스 변화로 전사 마진 구조가 일부 달라지더라도 영업이익 규모와 레버리지 효과는 오히려 더 커질 수 있다는 의미입니다.
원문 구간 2
다만 이것이 실제로 가능한지에 대해서는 아직 판단할 데이터가 충분하지 않습니다. 실제 운영 환경에서 어느 정도의 성능, 전력 효율, TCO를 보여줄지 검증된 바가 없기 때문입니다. 발표 직후 기준으로 든 생각이기에 향후 판단은 달라질 수 있지만, 현재는 이미 높은 밸류에이션을 받고 있는 기업이 큰 성장 목표를 먼저 제시한 단계라고 보는 편이 맞습니다. 매우 러프하게 CY27 매출 $12B, 순이익률 20%를 가정하더라도 EPS는 $2.4 수준이고, 이를 기준으로 하면 CY27 PER은 대략 60배입니다. 꽤 높습니다. 결국 지금은 실현 가능성보다는 기대가 먼저 반영된 구간에 가깝다고 보고 실제 성과를 확인하면서 판단할 생각입니다. 수요처별로 보면, 하이퍼스케일러들에게는 ARM의 AGI CPU를 채택할 유인이 크지 않다고 봅니다. 이들은 이미 ARM IP를 활용해 자체 CPU ASIC을 설계하고 있으며, 그 목적 역시 AWS나 GCP 같은 각자의 시스템 구조에 맞는 칩을 만드는 데 있습니다. 즉, ML/System co-design의 강점을 극대화하는 것이 핵심이기 때문에, 더 높은 부가가치를 지불하면서까지 ARM의 완제품 CPU를 대규모로 구매할 유인은 크지 않을 수 있습니다. 반면 AI Labs 입장에서는 이야기가 다릅니다.
원문 구간 3
이들은 제한된 칩 설계 인력을 AI 가속기에 집중하고, CPU는 Merchant 제품을 구매하는 전략을 택해온 경우가 많습니다. 따라서 NVL 랙에 들어가는 Vera CPU를 제외하면, 일반 GPU 서버 랙용 CPU 시장에서는 Intel, AMD, ARM 가운데 어떤 제품을 택할지 선택할 수 있는 구도가 됩니다. 실제 AGI CPU의 초기 채택 고객으로 거론되는 곳들을 보면 Meta, OpenAI, Cerebras, Cloudflare, SAP SE, SKT, F5 등이 있습니다. 메타는 최근 MTIA 프로젝트 지연 이후 복수의 Merchant 벤더를 채택해 경쟁시키는 방향으로 피벗한 것으로 보이고, 오픈AI 역시 소프트뱅크(ARM 지분 90%를 가진 주주)가 핵심 자금 제공자 중 하나라는 점에서 초기 채택 배경을 어느 정도 이해할 수 있습니다. 다만 중요한 것은 누가 채택했느냐보다도, 실제 운영 환경에서 얼마나 좋은 TCO 대비 성능을 보여주느냐입니다. 산업 구조 측면에서 보면, 이번 ARM의 행보는 엔비디아와 정면으로 충돌하는 그림이라기보다 x86 진영을 압박하는 성격이 더 강하다고 봅니다. GTC 2026에서 확인된 것처럼 핵심 컴퓨팅 단위는 개별 칩에서 랙, 더 나아가 Pod 단위로 이동하고 있습니다.
원문 구간 4
분산 추론 환경에서는 하드웨어, 소프트웨어, 네트워킹을 묶은 전체 시스템 효율이 중요해지고 있으며, 단일 가속기의 성능 비교만으로 경쟁력을 판단하는 시대는 지나가고 있습니다. 이런 관점에서 ARM의 AGI CPU 등장은 엔비디아의 점유율을 직접 훼손하는 변수라기보다, 엔비디아 생태계 바깥의 CPU 선택지를 넓히는 정도로 보는 편이 더 적절합니다. 여러 시나리오를 감안하더라도 엔비디아는 지금보다 점유율을 빼앗기기보다 오히려 '현재 점유율보다는' 더 가져가는 흐름에 가깝다고 생각합니다. 반대로 인텔과 AMD 같은 x86 기업들에 좋은 뉴스는 아닙니다. 새롭게 열리는 AI 서버용 CPU 시장에서 ARM이 의미 있는 점유율을 확보하기 시작하면, x86의 파이는 점차 줄어들 수밖에 없기 때문입니다. 실제로 ARM의 피치덱 자체도 x86의 비효율성을 강조하면서 그들의 파이를 가져오겠다는 의도가 강하게 드러납니다. *Rubin향 HBM4 output이 많지 않을 것이라는 SemiAnalysis 자료도 있었습니다만, NVDA/MU의 최근 HBM4 발표자료들과 비교해보면 대치되는 부분들이 있어서 옮기지는 않았습니다. 애플, 26년 PER 27배 / Underweight 애플 3Q25 실적발표 코멘트 / 주간전략보고 中 (바로가기)

그렇게 판단한 이유

ARM 경영진의 5년 내 신규 칩 사업 ARR 150억달러와 전사 매출 250억달러 목표를 소개하면서도, 하이퍼스케일러가 자체 설계와 외부 구매 사이에서 어떤 선택을 할지, 전체 시스템 효율이 중요해진다고 설명했다.

근거 보기 4

원문 구간 1
Agentic AI의 시대 : ARM, CPU 완제품 판매로 넘어가다 ARM이 AI용 CPU인 AGI CPU를 출시했습니다. 기존에는 IP를 라이선스하는 사업이 중심이었고, 이후 CPU 모듈 제공까지 영역을 넓혀왔는데, 이제는 완제품 칩까지 직접 판매하는 구조로 한 단계 더 올라선 것입니다. ARM 경영진은 "AGI CPU의 ARR이 향후 5년 내에 ARR $15B까지 될 수 있다(new chip business will generate over $15B in ARR within five years)"고 말했는데 이정도면 지금 매출이 TTM $4.67B 수준이므로 5년 동안 신제품으로 더해지는 규모만 현재 매출의 3배 정도까지는 더할 수 있다는 의미입니다. 또한 전사적으로는 기존 사업에서도 성장을 이어갈테니 앞으로 5년 내 매출을 $25B까지 끌어올리겠다는 목표입니다. 수익성 측면에서는 생각보다 긍정적이었습니다. IP만 판매하던 구조와 비교하면 완제품 칩 판매는 마진율이 낮아질 수밖에 없지만, 경영진은 최소 30% 이상의 OPM은 유지할 수 있다고 언급했습니다. ARM 현재 TTM OPM이 19% 수준이라는 점을 감안하면, 사업 믹스 변화로 전사 마진 구조가 일부 달라지더라도 영업이익 규모와 레버리지 효과는 오히려 더 커질 수 있다는 의미입니다.
원문 구간 2
다만 이것이 실제로 가능한지에 대해서는 아직 판단할 데이터가 충분하지 않습니다. 실제 운영 환경에서 어느 정도의 성능, 전력 효율, TCO를 보여줄지 검증된 바가 없기 때문입니다. 발표 직후 기준으로 든 생각이기에 향후 판단은 달라질 수 있지만, 현재는 이미 높은 밸류에이션을 받고 있는 기업이 큰 성장 목표를 먼저 제시한 단계라고 보는 편이 맞습니다. 매우 러프하게 CY27 매출 $12B, 순이익률 20%를 가정하더라도 EPS는 $2.4 수준이고, 이를 기준으로 하면 CY27 PER은 대략 60배입니다. 꽤 높습니다. 결국 지금은 실현 가능성보다는 기대가 먼저 반영된 구간에 가깝다고 보고 실제 성과를 확인하면서 판단할 생각입니다. 수요처별로 보면, 하이퍼스케일러들에게는 ARM의 AGI CPU를 채택할 유인이 크지 않다고 봅니다. 이들은 이미 ARM IP를 활용해 자체 CPU ASIC을 설계하고 있으며, 그 목적 역시 AWS나 GCP 같은 각자의 시스템 구조에 맞는 칩을 만드는 데 있습니다. 즉, ML/System co-design의 강점을 극대화하는 것이 핵심이기 때문에, 더 높은 부가가치를 지불하면서까지 ARM의 완제품 CPU를 대규모로 구매할 유인은 크지 않을 수 있습니다. 반면 AI Labs 입장에서는 이야기가 다릅니다.
원문 구간 3
이들은 제한된 칩 설계 인력을 AI 가속기에 집중하고, CPU는 Merchant 제품을 구매하는 전략을 택해온 경우가 많습니다. 따라서 NVL 랙에 들어가는 Vera CPU를 제외하면, 일반 GPU 서버 랙용 CPU 시장에서는 Intel, AMD, ARM 가운데 어떤 제품을 택할지 선택할 수 있는 구도가 됩니다. 실제 AGI CPU의 초기 채택 고객으로 거론되는 곳들을 보면 Meta, OpenAI, Cerebras, Cloudflare, SAP SE, SKT, F5 등이 있습니다. 메타는 최근 MTIA 프로젝트 지연 이후 복수의 Merchant 벤더를 채택해 경쟁시키는 방향으로 피벗한 것으로 보이고, 오픈AI 역시 소프트뱅크(ARM 지분 90%를 가진 주주)가 핵심 자금 제공자 중 하나라는 점에서 초기 채택 배경을 어느 정도 이해할 수 있습니다. 다만 중요한 것은 누가 채택했느냐보다도, 실제 운영 환경에서 얼마나 좋은 TCO 대비 성능을 보여주느냐입니다. 산업 구조 측면에서 보면, 이번 ARM의 행보는 엔비디아와 정면으로 충돌하는 그림이라기보다 x86 진영을 압박하는 성격이 더 강하다고 봅니다. GTC 2026에서 확인된 것처럼 핵심 컴퓨팅 단위는 개별 칩에서 랙, 더 나아가 Pod 단위로 이동하고 있습니다.
원문 구간 4
분산 추론 환경에서는 하드웨어, 소프트웨어, 네트워킹을 묶은 전체 시스템 효율이 중요해지고 있으며, 단일 가속기의 성능 비교만으로 경쟁력을 판단하는 시대는 지나가고 있습니다. 이런 관점에서 ARM의 AGI CPU 등장은 엔비디아의 점유율을 직접 훼손하는 변수라기보다, 엔비디아 생태계 바깥의 CPU 선택지를 넓히는 정도로 보는 편이 더 적절합니다. 여러 시나리오를 감안하더라도 엔비디아는 지금보다 점유율을 빼앗기기보다 오히려 '현재 점유율보다는' 더 가져가는 흐름에 가깝다고 생각합니다. 반대로 인텔과 AMD 같은 x86 기업들에 좋은 뉴스는 아닙니다. 새롭게 열리는 AI 서버용 CPU 시장에서 ARM이 의미 있는 점유율을 확보하기 시작하면, x86의 파이는 점차 줄어들 수밖에 없기 때문입니다. 실제로 ARM의 피치덱 자체도 x86의 비효율성을 강조하면서 그들의 파이를 가져오겠다는 의도가 강하게 드러납니다. *Rubin향 HBM4 output이 많지 않을 것이라는 SemiAnalysis 자료도 있었습니다만, NVDA/MU의 최근 HBM4 발표자료들과 비교해보면 대치되는 부분들이 있어서 옮기지는 않았습니다. 애플, 26년 PER 27배 / Underweight 애플 3Q25 실적발표 코멘트 / 주간전략보고 中 (바로가기)

발생발표·발생 후발생일 미확인

로스앤젤레스 SNS 중독 소송 배심원단 판단

작성자의 핵심 판단

현재 계류 중인 3,000건 이상의 SNS 중독 소송에 메타와 구글에 불리한 선례가 생겼다는 점을 부정적으로 본다.

근거 보기 2

원문 구간 1
신규 앱 출시량의 증가 → 앱 심사 병목 Claude Code + Opus 4.5 조합부터 본격적으로 앱스토어 내의 신규 앱 출시량이 증가하기 시작했습니다. 문제는 애플의 앱스토어 검토 대기시간이 병목이 되고 있다는 것입니다. 애플은 앱스토어에 제출된 앱과 앱 업데이트에 대해서 모두 사람이 직접 검토하고 있기 때문입니다. 인디 개발자들을 비롯하여 X의 개발 책임자도 애플의 앱 심사 기간이 현저하게 길어졌다고 말하고 있습니다. 구글, 26년 PER 23배 / 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) SNS 중독 소송 손해배상 판결의 나비효과 최근 로스앤젤레스 배심원단이 인스타그램과 유튜브에 중독성을 유발하는 설계 결함이 있다고 판결했습니다. 인스타그램 소유주인 메타에 70%, 유튜브 소유주인 구글에 30%의 책임이 있다고 판단한 것이고, 손해배상금 자체는 $3M로 많지 않습니다.
원문 구간 2
그러나 문제는 현재 계류 중인 3,000건 이상의 SNS 중독 소송에 대해서 메타와 구글에게 불리한 선례가 생겼다는 게 부정적인 요소입니다. 항소 절차가 시작되었고 메타와 구글 모두 항소 의사를 밝혔는데, 문제는 메타와 구글로 하여금 앞으로 생길 수백~수천 건의 소송에서 자신들의 설계가 중독성을 일으켜서 개인의 삶에 문제적인 영향을 끼치지 않았음을 입증해야 하는 책임이 좀 더 무거워졌다는 게 문제입니다. 헤드폰을 실시간 번역기로 바꿀 수 있게 됐다 구글이 구글 번역기에 '헤드폰을 사용한 실시간 번역' 기능을 추가했습니다. 안드로이드 및 iOS 사용자 모두를 위해 서비스할 수 있으며 여행을 하건 사람들과 대화를 하건 언제든 실시간 통번역사를 고용하고 있는 것과 같은 효과를 낼 수 있게 됐습니다. 언어의 장벽이 빠르게 무너지고 있습니다. 이를 지원할 Gemini 3.1 Flash Live 모델도 출시했습니다. 제미나이가 멀티모달 능력으로는 오픈AI, 앤스로픽 모델들에 비해서 보통 더 뛰어난 성능들을 보이고 있는 만큼 이미지, 영상, 음성을 활용한 사용 사례에서 나름의 엣지를 갖는 사용 사례를 찾아가고 있습니다. TPU 출하량 전망치 지속 상향 GF증권이 TPU 출하량 전망치를 CY26 450만 개 → CY27 790만 개로 예상했습니다.

이 자료에서 다룬 사실

로스앤젤레스 배심원단은 메타와 구글이 각각 5,500만달러, 2,500만달러를 지급해야 한다고 판단했고, 두 회사는 청소년에게 반복 노출되는 추천 알고리즘이 중독 위험을 키웠다는 주장에 대응했다.

근거 보기 2

원문 구간 1
신규 앱 출시량의 증가 → 앱 심사 병목 Claude Code + Opus 4.5 조합부터 본격적으로 앱스토어 내의 신규 앱 출시량이 증가하기 시작했습니다. 문제는 애플의 앱스토어 검토 대기시간이 병목이 되고 있다는 것입니다. 애플은 앱스토어에 제출된 앱과 앱 업데이트에 대해서 모두 사람이 직접 검토하고 있기 때문입니다. 인디 개발자들을 비롯하여 X의 개발 책임자도 애플의 앱 심사 기간이 현저하게 길어졌다고 말하고 있습니다. 구글, 26년 PER 23배 / 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) SNS 중독 소송 손해배상 판결의 나비효과 최근 로스앤젤레스 배심원단이 인스타그램과 유튜브에 중독성을 유발하는 설계 결함이 있다고 판결했습니다. 인스타그램 소유주인 메타에 70%, 유튜브 소유주인 구글에 30%의 책임이 있다고 판단한 것이고, 손해배상금 자체는 $3M로 많지 않습니다.
원문 구간 2
그러나 문제는 현재 계류 중인 3,000건 이상의 SNS 중독 소송에 대해서 메타와 구글에게 불리한 선례가 생겼다는 게 부정적인 요소입니다. 항소 절차가 시작되었고 메타와 구글 모두 항소 의사를 밝혔는데, 문제는 메타와 구글로 하여금 앞으로 생길 수백~수천 건의 소송에서 자신들의 설계가 중독성을 일으켜서 개인의 삶에 문제적인 영향을 끼치지 않았음을 입증해야 하는 책임이 좀 더 무거워졌다는 게 문제입니다. 헤드폰을 실시간 번역기로 바꿀 수 있게 됐다 구글이 구글 번역기에 '헤드폰을 사용한 실시간 번역' 기능을 추가했습니다. 안드로이드 및 iOS 사용자 모두를 위해 서비스할 수 있으며 여행을 하건 사람들과 대화를 하건 언제든 실시간 통번역사를 고용하고 있는 것과 같은 효과를 낼 수 있게 됐습니다. 언어의 장벽이 빠르게 무너지고 있습니다. 이를 지원할 Gemini 3.1 Flash Live 모델도 출시했습니다. 제미나이가 멀티모달 능력으로는 오픈AI, 앤스로픽 모델들에 비해서 보통 더 뛰어난 성능들을 보이고 있는 만큼 이미지, 영상, 음성을 활용한 사용 사례에서 나름의 엣지를 갖는 사용 사례를 찾아가고 있습니다. TPU 출하량 전망치 지속 상향 GF증권이 TPU 출하량 전망치를 CY26 450만 개 → CY27 790만 개로 예상했습니다.

그렇게 판단한 이유

배심원단 판단이 추천 알고리즘의 위험을 인정한 첫 사례이며, 손해배상 규모보다 후속 소송에서의 법적 선례가 중요하다는 논리를 제시했다.

근거 보기 2

원문 구간 1
신규 앱 출시량의 증가 → 앱 심사 병목 Claude Code + Opus 4.5 조합부터 본격적으로 앱스토어 내의 신규 앱 출시량이 증가하기 시작했습니다. 문제는 애플의 앱스토어 검토 대기시간이 병목이 되고 있다는 것입니다. 애플은 앱스토어에 제출된 앱과 앱 업데이트에 대해서 모두 사람이 직접 검토하고 있기 때문입니다. 인디 개발자들을 비롯하여 X의 개발 책임자도 애플의 앱 심사 기간이 현저하게 길어졌다고 말하고 있습니다. 구글, 26년 PER 23배 / 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) SNS 중독 소송 손해배상 판결의 나비효과 최근 로스앤젤레스 배심원단이 인스타그램과 유튜브에 중독성을 유발하는 설계 결함이 있다고 판결했습니다. 인스타그램 소유주인 메타에 70%, 유튜브 소유주인 구글에 30%의 책임이 있다고 판단한 것이고, 손해배상금 자체는 $3M로 많지 않습니다.
원문 구간 2
그러나 문제는 현재 계류 중인 3,000건 이상의 SNS 중독 소송에 대해서 메타와 구글에게 불리한 선례가 생겼다는 게 부정적인 요소입니다. 항소 절차가 시작되었고 메타와 구글 모두 항소 의사를 밝혔는데, 문제는 메타와 구글로 하여금 앞으로 생길 수백~수천 건의 소송에서 자신들의 설계가 중독성을 일으켜서 개인의 삶에 문제적인 영향을 끼치지 않았음을 입증해야 하는 책임이 좀 더 무거워졌다는 게 문제입니다. 헤드폰을 실시간 번역기로 바꿀 수 있게 됐다 구글이 구글 번역기에 '헤드폰을 사용한 실시간 번역' 기능을 추가했습니다. 안드로이드 및 iOS 사용자 모두를 위해 서비스할 수 있으며 여행을 하건 사람들과 대화를 하건 언제든 실시간 통번역사를 고용하고 있는 것과 같은 효과를 낼 수 있게 됐습니다. 언어의 장벽이 빠르게 무너지고 있습니다. 이를 지원할 Gemini 3.1 Flash Live 모델도 출시했습니다. 제미나이가 멀티모달 능력으로는 오픈AI, 앤스로픽 모델들에 비해서 보통 더 뛰어난 성능들을 보이고 있는 만큼 이미지, 영상, 음성을 활용한 사용 사례에서 나름의 엣지를 갖는 사용 사례를 찾아가고 있습니다. TPU 출하량 전망치 지속 상향 GF증권이 TPU 출하량 전망치를 CY26 450만 개 → CY27 790만 개로 예상했습니다.

발생발표·발생 후발생일 미확인

메타 Facebook Affiliate 프로그램 확장 계획

작성자의 핵심 판단

메타가 광고를 넘어 이커머스와 결제까지 침투해 TAM을 넓히고 판매 링크 구매에서 수수료를 받는 구조를 만들려는 시도로 평가한다.

근거 보기 2

원문 구간 1
Dreamer는 사용자가 업무를 자동화할 수 있는 개인 맞춤형 AI 에이전트를 만들고 서비스하고 있었습니다. 메타가 최근에 Manus 인수도 그렇고 개인용 에이전트 개발을 위한 인재 확충에 힘을 싣는 중인데, 어쨌든 이것도 자체 파운데이션 모델이 잘 뽑혀야 가능할 것이라 5월쯤으로 출시가 연기된 Avocado가 어떤가를 봐야 합니다. 쇼핑에 대해서 놓지 않고 있는 꿈 메타가 곧 인스타그램과 페이스북 콘텐츠에 쇼핑 링크를 추가하는 방식으로, Facebook Affiliate 프로그램을 확장할 예정입니다. 마치 TikTok Shops처럼 운영하는 구조가 될 것이며 초기 파트너사로는 미국에서는 아마존/이베이, 남미에서는 메르카도리브레, 아시아에서는 쇼피가 꼽혔습니다. 메타 입장에서는 광고를 넘어서 이커머스, 결제까지 침투하여 TAM을 확 키우려는 게 목표이기에 계속해서 이커머스의 First Funnel 역할로 자리매김하려 시도하고 있습니다. 소비자들이 페이스북/인스타그램/왓츠앱/스레드에 판매자들이 올린 링크로 들어가 구매하게 되면 일정 비율의 수수료를 받는 구조를 만들고 싶어하고 있습니다. 구글, 메타, 오픈AI가 하고 싶어하는 방향이 다 비슷합니다.
원문 구간 2
자잘한 업데이트 메타 관련 짤막한 보도들도 나왔습니다: 메타가 중소기업들의 AI 도입 촉진을 위해서 Meta Small Business를 출시했습니다. 메타가 회사 전반에 걸쳐서 수백 명의 직원을 해고할 예정입니다. 4Q25 기준 7만 8천 명의 직원 중에서 수백 명이므로 감원 규모가 많진 않습니다. 두뇌에 대한 연구 지속 "TRIBE v2" 메타가 인간의 두뇌가 어떻게 시각과 청각 자극에 반응하는지를 예측하도록 훈련된 파운데이션 모델인 "TRIBE v2"를 출시했습니다. 700명 이상의 사람으로부터 얻은 500시간 이상의 fMRI 기록을 활용해 신경계 활동의 디지털 트윈을 생성한 결과입니다. 테슬라, 26년 PER 176배 / Underweight 테슬라 4Q25 실적발표 : AI 초가속을 진심으로 믿는다면, 피할 수 없는 CAPEX (바로가기) 테슬라 3Q25 실적발표 : 머스크의 새로운 24개월 로드맵, 합리적인 기대는 어디일까? (바로가기) 테슬라 2Q25 실적발표 : 트럼프 OBBBA의 네 가지 역풍, 머스크의 고민 (바로가기) 로보택시 디자인이 약간 바뀌었다

이 자료에서 다룬 사실

메타는 인스타그램과 페이스북 콘텐츠에 쇼핑 링크를 넣는 방식으로 Facebook Affiliate 프로그램을 확장할 예정이며, 초기 파트너로 미국의 아마존·이베이, 남미의 메르카도리브레, 아시아의 쇼피를 언급했다.

근거 보기 2

원문 구간 1
Dreamer는 사용자가 업무를 자동화할 수 있는 개인 맞춤형 AI 에이전트를 만들고 서비스하고 있었습니다. 메타가 최근에 Manus 인수도 그렇고 개인용 에이전트 개발을 위한 인재 확충에 힘을 싣는 중인데, 어쨌든 이것도 자체 파운데이션 모델이 잘 뽑혀야 가능할 것이라 5월쯤으로 출시가 연기된 Avocado가 어떤가를 봐야 합니다. 쇼핑에 대해서 놓지 않고 있는 꿈 메타가 곧 인스타그램과 페이스북 콘텐츠에 쇼핑 링크를 추가하는 방식으로, Facebook Affiliate 프로그램을 확장할 예정입니다. 마치 TikTok Shops처럼 운영하는 구조가 될 것이며 초기 파트너사로는 미국에서는 아마존/이베이, 남미에서는 메르카도리브레, 아시아에서는 쇼피가 꼽혔습니다. 메타 입장에서는 광고를 넘어서 이커머스, 결제까지 침투하여 TAM을 확 키우려는 게 목표이기에 계속해서 이커머스의 First Funnel 역할로 자리매김하려 시도하고 있습니다. 소비자들이 페이스북/인스타그램/왓츠앱/스레드에 판매자들이 올린 링크로 들어가 구매하게 되면 일정 비율의 수수료를 받는 구조를 만들고 싶어하고 있습니다. 구글, 메타, 오픈AI가 하고 싶어하는 방향이 다 비슷합니다.
원문 구간 2
자잘한 업데이트 메타 관련 짤막한 보도들도 나왔습니다: 메타가 중소기업들의 AI 도입 촉진을 위해서 Meta Small Business를 출시했습니다. 메타가 회사 전반에 걸쳐서 수백 명의 직원을 해고할 예정입니다. 4Q25 기준 7만 8천 명의 직원 중에서 수백 명이므로 감원 규모가 많진 않습니다. 두뇌에 대한 연구 지속 "TRIBE v2" 메타가 인간의 두뇌가 어떻게 시각과 청각 자극에 반응하는지를 예측하도록 훈련된 파운데이션 모델인 "TRIBE v2"를 출시했습니다. 700명 이상의 사람으로부터 얻은 500시간 이상의 fMRI 기록을 활용해 신경계 활동의 디지털 트윈을 생성한 결과입니다. 테슬라, 26년 PER 176배 / Underweight 테슬라 4Q25 실적발표 : AI 초가속을 진심으로 믿는다면, 피할 수 없는 CAPEX (바로가기) 테슬라 3Q25 실적발표 : 머스크의 새로운 24개월 로드맵, 합리적인 기대는 어디일까? (바로가기) 테슬라 2Q25 실적발표 : 트럼프 OBBBA의 네 가지 역풍, 머스크의 고민 (바로가기) 로보택시 디자인이 약간 바뀌었다

그렇게 판단한 이유

플랫폼이 이커머스의 First Funnel이 되려 한다는 점과, 구글·메타·오픈AI의 지향점이 유사하다는 점을 근거로 들었다.

근거 보기 2

원문 구간 1
Dreamer는 사용자가 업무를 자동화할 수 있는 개인 맞춤형 AI 에이전트를 만들고 서비스하고 있었습니다. 메타가 최근에 Manus 인수도 그렇고 개인용 에이전트 개발을 위한 인재 확충에 힘을 싣는 중인데, 어쨌든 이것도 자체 파운데이션 모델이 잘 뽑혀야 가능할 것이라 5월쯤으로 출시가 연기된 Avocado가 어떤가를 봐야 합니다. 쇼핑에 대해서 놓지 않고 있는 꿈 메타가 곧 인스타그램과 페이스북 콘텐츠에 쇼핑 링크를 추가하는 방식으로, Facebook Affiliate 프로그램을 확장할 예정입니다. 마치 TikTok Shops처럼 운영하는 구조가 될 것이며 초기 파트너사로는 미국에서는 아마존/이베이, 남미에서는 메르카도리브레, 아시아에서는 쇼피가 꼽혔습니다. 메타 입장에서는 광고를 넘어서 이커머스, 결제까지 침투하여 TAM을 확 키우려는 게 목표이기에 계속해서 이커머스의 First Funnel 역할로 자리매김하려 시도하고 있습니다. 소비자들이 페이스북/인스타그램/왓츠앱/스레드에 판매자들이 올린 링크로 들어가 구매하게 되면 일정 비율의 수수료를 받는 구조를 만들고 싶어하고 있습니다. 구글, 메타, 오픈AI가 하고 싶어하는 방향이 다 비슷합니다.
원문 구간 2
자잘한 업데이트 메타 관련 짤막한 보도들도 나왔습니다: 메타가 중소기업들의 AI 도입 촉진을 위해서 Meta Small Business를 출시했습니다. 메타가 회사 전반에 걸쳐서 수백 명의 직원을 해고할 예정입니다. 4Q25 기준 7만 8천 명의 직원 중에서 수백 명이므로 감원 규모가 많진 않습니다. 두뇌에 대한 연구 지속 "TRIBE v2" 메타가 인간의 두뇌가 어떻게 시각과 청각 자극에 반응하는지를 예측하도록 훈련된 파운데이션 모델인 "TRIBE v2"를 출시했습니다. 700명 이상의 사람으로부터 얻은 500시간 이상의 fMRI 기록을 활용해 신경계 활동의 디지털 트윈을 생성한 결과입니다. 테슬라, 26년 PER 176배 / Underweight 테슬라 4Q25 실적발표 : AI 초가속을 진심으로 믿는다면, 피할 수 없는 CAPEX (바로가기) 테슬라 3Q25 실적발표 : 머스크의 새로운 24개월 로드맵, 합리적인 기대는 어디일까? (바로가기) 테슬라 2Q25 실적발표 : 트럼프 OBBBA의 네 가지 역풍, 머스크의 고민 (바로가기) 로보택시 디자인이 약간 바뀌었다

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.

시점 관찰미국 주식 밸류에이션과 소비 수요주 대상 · 시장·자산 · S&P500관련 대상 · 거시·정책 · 미국 소비기준 2026.03.30

소비심리 악화 속에서 밸류에이션과 실물 수요는 어떻게 함께 읽는가?

이 자료가 더한 내용

S&P 500 Forward P/E는 EPS 상승과 지수 횡보·하락으로 2025년 4월 관세 하락기 수준까지 내려왔으며, 소비심리는 위축됐지만 동일 매장 소매판매는 전년 대비 5~7%대, 공항 입국자·호텔 수요도 견조해 hard data상 수요파괴는 없다고 정리한다.

근거 보기 2

원문 구간 1
미국주식 전체로 보자면 성장성 대비 밸류가 매력적인 때입니다. 아폴로 글로벌 : 매크로 데이터 체크 이코노미스트 토르스텐 슬뢰크Torsten Sløk가 정리한 차트들 중 살펴볼만 했던 차트들입니다. 차트 #1 → 소비자의 소득 수준별 심리 지수입니다. Apollo가 부르기를 '심리 파괴(Sentiment Destruction)'라고 할 만큼 소비자심리가 위축되어 있습니다. 고소득층(100k+), 중산층(50~100k), 저소득층(Under 50k) 등 소득 수준에 관계없이 모든 계층에서 소비자 심리 지수가 급격히 하락하고 있습니다. 유가 상승과 인플레이션 우려가 사람들의 경제 전망을 부정적으로 만들고 있음을 나타냅니다. 왼쪽 차트 #2 → Truflation 일일 인플레 지수입니다. 소비자 심리가 크게 하락한 이유는 2026년 초반부터 인플레이션 지표들이 반등하기 시작하면서입니다. 이란 전쟁 이후으로 인한 유가 상승이 메인입니다. 오른쪽 차트 #3 → 소비자심리인 soft data는 크게 악화되고 있지만 주간 동일 매장 소매판매 지표를 보시면, hard data상으로는 수요파괴가 없습니다. 소매판매 증가율은 여전히 YoY 5~7%대에서 안정적입니다. 왼쪽 차트 #4 → 미국 공항 일일 입국자 수입니다. 실물 수요가 좋다는 두 번째 증거입니다. 공항 입국자 수 자체는 2026년 초부터 최근에도 여전히 긍정적인 방향으로 탄탄한 모습을 보여주고 있습니다.
원문 구간 2
오른쪽 차트 #5 → 주간 호텔 수요 데이터입니다. 호텔 객실 점유율, 일평균 요금, 사용가능 객실당 매출 모두 계속해서 높은 수요를 보이고 있습니다. 인플레이션 우려와 무관하게 여행/숙박 수요는 강합니다. *위 자료는 YTD를 기준으로 한 숫자이며, 아래 '주간 퍼포먼스 체크'는 이번 주만을 따졌을 때입니다. 주간 퍼포먼스 체크 지수(4) : Russell2000(-0.6%), Dow30(-1.4%), S&P500(-3.1%), Nasdaq100(-4.7%) 빅테크(7) : 애플(-2.2%), 테슬라(-3.3%), 아마존(-5.1%), 엔비디아(-5.6%), 마이크로소프트(-7.2%), 구글(-9.3%), 메타(-13.0%) 섹터(11) : 에너지(+8.0%), 원자재(+3.2%), 유틸리티(+1.6%), 필수소비재(-0.0%), 리츠(-2.3%), 헬스케어(-2.4%), 산업재(-3.0%), 경기민감재(-3.8%), 금융(-3.8%), 커뮤니케이션(-5.3%), 테크(-5.5%) 4Q25 12주차 실적발표 훑어보기 12주차 6개 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.

판단 방법실적 사이클 분류주 대상 · 투자판단·운용 · 실적 사이클 분류

업사이클과 다운사이클은 매출성장률·영업이익률로 어떻게 구분하는가?

이 자료가 더한 내용

매출성장률이 역성장에서 성장으로 전환하거나 성장률이 높아지고 매출성장률·영업이익률이 함께 오르면 업사이클로, 반대 전환이나 고성장에서 약한 성장으로 낮아지면 다운사이클로 본다.

근거 보기 1

원문 구간 1
*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. 4Q25 12주차 실적발표 업사이클 ↗ : 이번주 실적발표 기업 중 업사이클은 없습니다. 다운사이클 ↘ : 다운사이클인 기업도 크게 없습니다. 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 LITE, AAOI, MU, SNDK, HOOD, CRCL, U, VRT, BE, FIGR 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

해석·전망Agentic AI와 KV Cache 효율화주 대상 · 산업·업종 · AI 메모리관련 대상 · 기술·제품 · KV Cache

KV Cache 압축·저장 최적화는 메모리 수요를 어떻게 바꾸는가?

이 자료가 더한 내용

TurboQuant 등은 같은 자원에서 더 높은 추론 성능을 만들기 위한 최적화이며, Agentic AI의 긴 컨텍스트·저장·조회 수요 때문에 메모리를 덜 쓰는 방향만으로 해석할 수 없다고 본다. 긴 컨텍스트에서는 속도 저하가 나타날 수 있고, 대규모 인프라는 절대 성능과 비용의 균형을 다르게 판단한다고 설명한다.

근거 보기 10

원문 구간 1
이번 흐름에서 생각할 것은 두 가지입니다. ⓐ시장이'메모리 수요가 지금처럼 높은 상태를 유지할 수 있을까'에 대해서 많은 관심을 보이고 있구나, ⓑ플레이어들이 '다들 많이 담아둔 상태에서 차익실현 빌미를 찾고 싶어하는 상태였구나' 정도입니다. 엔비디아 주가가 빠질 때에도 자주 그랬었고, 얼마 전 Citrini의 misleading으로 광학 밸류체인들이 크게 하락했을 때에도 그랬지만, 펀더멘탈에 대해서 공부는 해두시되 "사람들이 이걸 다 몰라서 그렇다"라고 생각하다보면 스트레스를 많이 받으실 겁니다. 시계열의 차이는 있겠지만 기본적으로 시차를 두고 어느 방향으로 움직일 것인가에 대해서 분석하는 게 일입니다. AI 컴퓨팅은 늘 병목을 해결해가며 발전해왔습니다 2012년 AlexNet 이후 AI/ML의 발전사는 결국 두 축의 반복이었습니다. 하나는 컴퓨팅 성능 개선을 통한 명목적인 FLOPS 향상이고, 다른 하나는 알고리즘 최적화를 통한 실질 FLOPS 향상입니다. 오늘날 AI 컴퓨팅도 마찬가지입니다. 로직-메모리, 하드웨어-소프트웨어-네트워킹의 조합 속에서 어느 지점의 병목을 먼저 해결할 것인가를 두고 최적점을 찾아가는 과정입니다. 한쪽 병목을 풀어 10배 개선을 만들면, 다른 쪽에서 다시 새로운 병목이 나타납니다. "KV Cache" 역시 원래는 GPU 연산 병목을 완화하기 위해 메모리 쪽에서 문제를 푸는 방식으로 등장한 것입니다.
원문 구간 2
지금 널리 쓰이고 있는 MoE도 그렇게 보자면 Dense 모델로 훈련시킬 때에 비해서 한 번 추론당 GPU FLOPS 및 메모리 사용량 기준 엄청난 절감을 하게 되지만, 기본적으로 AI가 더 쓸모있어짐으로 인해서 새롭게 생긴 수요의 크기가 훨씬 더 컸습니다. 더 높은 지능을 요구할수록, 더 많은 토큰을 필요로 합니다 Chatbot → Reasoning → Agentic AI로 넘어가는 과정에서 CoT의 길이가 길어지면서 추론당 요구하는 컨텍스트 메모리 규모(KV Cache)가 훨씬 커집니다. 한 번 추론을 할 때마다 지능이 높아지는 원리 자체가 Chain-of-Thought을 통해서 모델이 스스로 혼자 생각하는 시간을 오랫동안 갖는 것입니다. 사람이 질문을 받은지 1초만에 말하는 것과, 1분간 생각하고 말하는 것, 1일간 생각하고 말하는 것은 깊이가 다른데 그것과 원리가 똑같습니다. 이것이 강화학습에서의 스케일링 법칙입니다. 문제는 서버 한 대, 노드 하나가 처리할 수 있는 토큰 throughput에는 한계가 있다는 점입니다(물론 이것도 시계열을 넣어서 보면 계속 알고리즘 효율이 높아지며 토큰 throughput은 계속 많아집니다). 그러면 서버당 서비스할 수 있는 사용자의 수(interactivity)를 줄이게 되어 있습니다. 그냥 러프한 숫자들로, 예를
원문 구간 3
들어 Chatbot으로만 쓸 때에는 원래는 HGX H100 8-GPU 서버 1개에서 초당 토큰 출력량이 10만 개일 때 이를 1,000 token/user/s(초당 유저마다 토큰을 출력해주는 양)로 두고 100명에게 서비스했다면 → Reasoning으로 가면서는 CoT도 결국 token 사용이기 때문에 사용량이 평균 10배 증가한다고 하면 같은 HGX H100 8-GPU 서버 기준 10,000 token/user/s로 10명에게 서비스할 수 있습니다. 이렇게 해야 같은 latency로 서비스를 받게 될 것입니다. 그렇다면 문제는 이 경우 원래 대략 $300K를 주고 HGX H100 8-GPU 서버 1개를 사와서 백만 토큰당 $5.0에 100명에게 서비스해서 돈을 받다가, 10명한테만 서비스할 수 있게 되니 매출과 마진을 고려하자면 몇 가지 선택을 할 수 있습니다. ⓐ그대로 백만 토큰당 가격을 $50으로 10배 높일 것인가 ⓑ사용자들이 불만을 최소화할 정도로 latency를 낮춰서 5,000 token/user/s로 하면 20명에게 서비스할 수 있으니 이렇게 하고 백만 토큰당 가격을 $25로 5배 높일 것인가 등등입니다. 초당 더 많은 토큰을 출력받느냐 그렇지 않느냐는 Free 요금제 사용자들의 ChatGPT Plus, Pro 구독전환율과 밀접하게 관련이 있기에 외연 확장 혹은 구독전환 등의 다양한 제한적인 환경에서 파레토 프론티어 최적점을 그때그때 잘 찾는 게 중요합니다.
원문 구간 4
초기 세팅은 이렇게 하겠지만, 줄곧 AI Labs들이 알고리즘 효율을 높이고 H100 → GB200 NVL72로 추론 HW 세팅을 옮겨가면서 점차 같은 서버 기준 TPS/user를 높입니다. Agentic AI 시대에는 단순 연산보다 저장과 조회가 더 중요해집니다 2025년 하반기부터는 Agentic AI 수요가 빠르게 커지면서 KV Cache 사용량이 Reasoning 대비 또 한 단계 뛰는 국면으로 들어섰습니다. Claude Code, Codex, Cursor 등을 통해서 코딩 에이전트가 가장 빠르게 채택되고 있습니다. 이에 따라 단순히 제품 개발주기에 따라서 가속기당 HBM 용량과 대역폭을 높이는 것, 혹은 더 많은 가속기를 연결하는 것으로는 메모리 수요를 채우기가 부족해졌고, GPU-HBM에 최대한 가까운 위치에 더 많은 DRAM을 붙이는 방향, 다시 말해 scale-up과 scale-out을 함께 활용하는 구조가 강화됐습니다. 또한 이전에는 KV Cache를 필요할 때마다 다시 계산해도 괜찮았지만, 이제는 재연산에 따른 지연과 G1~G4 계층을 오갈 때의 latency penalty가 더 크게 부각되고 있습니다. 그래서 지금은 재연산보다 저장과 조회가 더 싸지는 구간으로 넘어가고 있습니다. DeepSeek Engram 같은 연구가 KV Cache hit rate를 높이려는 이유도 여기에 있습니다.
원문 구간 5
NVIDIA CMX처럼 읽고/쓰기가 더 빠른 고성능 eSSD를 GPU와 직접 연결하는 방식으로까지 KV Cache를 단일 포드에 더 많이 저장하는 방향도 채택되고 있는데, GPU MFU를 높여서 전체 추론 성능을 끌어올리는 데 실질적인 도움이 됩니다. 이제 Agentic AI 침투율은 기껏해야 1~3% 정도입니다(의외로 GPT-5가 나오기 전까지 ChatGPT Plus 사용자들도 7%만 Reasoning 모델을 사용했었고, 무료 사용자는 1% 미만이 사용했습니다). 올해 연초부터 Claude Code, Codex ARR이 매월 50%~100%씩 성장하는 트렌드인 것을 생각해보면 앞으로 여전히 컴퓨팅 및 메모리 사용량의 10x 모먼트가 끝나지 않았다는 의미입니다. Reasoning의 시작은 2024년 9월~2025년 1월이었지만 본격적 침투는 2025년 2월~8월이었습니다. 그때가 CSP들이 수요-공급 초과를 호소하기 시작하고 빅테크 CapEx들이 매분기마다 줄상향됐던 시기였습니다. 지금은 Agentic AI의 시작점을 지나고 있습니다. 새로운 모델, 새로운 HW 채택에 따라서 본격화될 것인데 오픈AI "Spud"/앤스로픽 "Mythos" 모델이 2026년 4~5월에 출시되고, 하반기 Rubin이 출하되기 시작함에 따라 본격화될 Agentic AI로 인한 컴퓨팅 수요 상승 추세를 코앞에 두고 있는 때입니다.
원문 구간 6
TurboQuant는 유용하되, 과장해서 볼 사안은 아닙니다 구글이 2025년 4월 28일 공개한 TurboQuant는 KV Cache를 더 작은 크기로 압축하면서도, 복원 후 내적 값이 원래와 거의 비슷하게 유지되도록 설계된 기술입니다. 이를 위해 랜덤 회전, 양자화, 1-bit 보정 같은 과정을 거치며, 실시간 처리와 가속기 친화성까지 고려한 구조를 갖고 있습니다. 기술 자체는 분명 의미가 있습니다. 다만 이것이 하이퍼스케일러와 AI Labs의 메모리 투자 방향을 뒤집을 정도의 변수인지는 별개의 문제입니다. 이미 업계는 엔비디아 주도로 추론에 FP8 KV Cache를 사용해왔고, NVFP4 전환도 적극적으로 추진하고 있습니다. 그럼에도 불구하고 로직 반도체 가까이에 더 많은 DRAM을 붙이려는 흐름은 계속됐고, 결과적으로 DRAM 수요는 여전히 공급을 초과하고 있습니다. 플레이어들이 같은 예산으로 더 적은 메모리를 쓰는 길을 택한 것이 아니라, 같은 예산으로 더 높은 성능을 내는 길을 택하고 있다는 점이 핵심입니다. 흔히 말하는 제번스의 역설이 여기에도 적용됩니다. 실전에서는 TurboQuant의 병목도 분명합니다 실무 관점에서 보면 TurboQuant의 한계도 분명합니다. 가장 큰 문제는 랜덤 회전(Random Rotation) 과정입니다. 짧은 컨텍스트에서는 유효할 수 있지만, 컨텍스트가 길어질수록 이 과정 자체가 새로운 병목이 됩니다.
원문 구간 7
실제 현장 의견을 종합하면 2,000토큰 이하에서는 쓸만하지만 컨텍스트가 2배가 될 때마다 속도가 2~7%씩 느려집니다. 긴 컨텍스트와 Agentic AI 워크로드 전반에 전면 적용하기에는 부담이 크다는 평가가 나옵니다. 거대 모델에서 장시간 구동해보면 긴 컨텍스트 구간에서 속도 저하가 더 분명해졌다는 설명도 있습니다. 지금은 컨텍스트 윈도우 백만 토큰의 시대입니다. 결국 TurboQuant는 메모리가 절대적으로 부족한 환경에서 성능 일부를 감수하고 더 많은 KV Cache를 저장하고 싶을 때는 유용합니다. 하지만 이미 메모리 여력이 충분한 하이퍼스케일러나 AI Labs 입장에서는, 성능 향상보다 오히려 추가 병목이 더 부각될 가능성이 있습니다. 로컬 LLM처럼 제한된 메모리 안에서 최대 효율을 끌어내야 하는 환경과, 대규모 인프라에서 절대 성능을 중시하는 환경은 판단 기준이 다르다는 의미입니다. 접근법이 다를뿐, 방향성은 같습니다 Engram, CMX, Dynamo, KVTC, TurboQuant, LPX 등 최근 등장하는 여러 접근법의 목적은 크게 다르지 않습니다. Chatbot과 Reasoning을 넘어 Agentic AI로 갈수록 연산량, 저장량, 전송량이 모두 10배 이상씩 급증하므로, 이를 어떤 계층에서 어떻게 분산해 처리할 것인가가 핵심 과제가 됩니다.
원문 구간 8
(1) 한쪽에서는 손실을 최소화하며 KV Cache를 더 강하게 압축하려 하고, (2) 다른 한쪽에서는 캐시를 GPU에 더 가까운 위치에 두어 계층 이동에 따른 latency penalty를 줄이려 합니다. (3) 동시에 모델이 KV Cache를 다시 계산하지 않고 바로 찾아 쓸 수 있도록 cache hit rate를 높이는 방향으로도 최적화가 진행되고 있습니다. 이 흐름은 단순히 “메모리를 덜 써도 된다”는 이야기가 아니라, “같은 자원으로 더 높은 추론 성능을 어떻게 만들 것인가”에 대한 경쟁입니다. 이 모든 것은 파레토 프론티어를 확장시키기 위한 연구개발이지 같은 자원에서 최소값을 찾기 위한 경쟁이 아니라는 의미입니다. 멀티 에이전트 환경에서 KV Cache 효율화의 진짜 가치가 드러날 것입니다 지금의 KV Cache 효율화 기술이 가장 강하게 힘을 발휘할 수 있는 구간은, 단일 대형 모델이 혼자 추론하는 환경보다 멀티 에이전트 환경입니다. 멀티 에이전트 구조에서는 planning과 orchestration은 거대 모델이 맡고, 코드 생성이나 개별 작업은 소형 모델이 분담하는 식의 역할 분화가 기본이 됩니다. 이 경우 에이전트들이 서로 이력을 공유하고 수정하며 반복 루프를 돌기 때문에 컨텍스트가 훨씬 빠르게 불어납니다. 당연히 KV Cache도 크게 늘어납니다.
원문 구간 9
다만 이런 작업은 대체로 task-specific 성격이 강해, 모든 문맥을 최고 해상도로 유지할 필요는 없습니다. 그래서 일부 손실이 있더라도 보다 공격적인 압축을 적용해도 결과물 품질 훼손이 크지 않을 가능성이 높습니다. 앞으로 KV Cache 압축 기술의 실전 적용처가 넓어진다면, 바로 이 멀티 에이전트 구간이 가장 유력합니다. 여전한 기술, 달라진 주주들의 반응 이번 KV Cache 압축 논의는 메모리처럼 이미 시장의 주도주였던 영역에서 변동성을 키우는 재료로는 작동할 수 있습니다. 하지만 산업의 큰 흐름을 뒤집는 변수로 볼 필요는 없습니다. 이미 FP16에서 NVFP4로의 전환, GQA, MLA(지금 TurboQuant는 6~8배 KV Cache 압축을 말하는데 심지어 MLA는 28배나 압축한 모델이었습니다) 등으로 KV Cache 부담을 줄이는 더 큰 변화들이 먼저 진행돼 왔습니다. 앞으로 멀티 에이전트 환경이 본격화되면, 소형 task-specific 모델을 중심으로 KV Cache 압축이 더 적극적으로 적용될 가능성은 있습니다. 그럼에도 현재 시점에서 핵심은 같습니다. Tier 1~2 AI Labs는 성능과 비용에서의 균형점을 맞추기 위해 계속 더 많은 메모리와 더 높은 효율을 동시에 추구하고 있습니다. 따라서 이번 이슈는 펀더멘털 약화보다, 과열 구간에서 나타나는 단기 소음으로 해석하는 편이 더 적절하다는 생각입니다.
원문 구간 10
그리고 당연하게도 2023년 이후로 모든 Tier 1~2 AI Labs는 진짜 비법 레시피를 오픈소스로 공개하지 않고 있습니다. 가만히 있는 Contract Price, 횡보 중인 Spot Price TrendForce DRAM, NAND 현물가들은 보합세를 유지 중입니다. 3월 계약가격이 유지되고 있고, 현물가격이 이미 계약가격보다 높은 상태에서 거래되고 있습니다. 4월에는 다시 계약가격이 상승하면 현물 가격 추이가 어떻게 되는지 계속 지켜볼 일입니다. 샌디스크(SNDK) 샌디스크SNDK은 Overweight을 유지합니다. Nanya의 3자 배정 유상증자에 참여한 샌디스크 샌디스크, 키옥시아, 솔리다임, 시스코가 난야 테크에 3자 배정 유상증자를 발표했습니다. 샌디스크 : 보통주 138,685,000주를 주당 NT$223.9에 인수 키옥시아 : 보통주 70,000,000주를 주당 NT$223.9에 인수 솔리다임 : 보통주 71,393,000주를 주당 NT$223.9에 인수 시스코 : 보통주 71,500,000주를 주당 NT$223.9에 인수했습니다. 이들이 전체 배정받은 규모는 351,578,000주로 난야 테크 주식의 11% 정도입니다. 난야 테크의 실제 자본 증자 및 신주발행 기준일은 2026년 4월 8일입니다. 난야 테크는 메모리 반도체 공장을 새롭게 짓고 설비 구축에 돈을 쓸 예정입니다.

사실·구조고속 광학 인터커넥트주 대상 · 산업·업종 · 광학 인터커넥트 산업관련 대상 · 기업·종목 · Lumentum

광 전환에서 고출력 광원 양산 능력은 왜 경쟁 우위가 되는가?

이 자료가 더한 내용

클러스터가 커질수록 스위치 규모가 커지고 구리는 전력·발열·감쇠·신호 간섭 제약을 받는다. 400G 이상과 CPO에는 고온에서도 출력·노이즈·양산성을 갖춘 고출력 광원이 필요해 소수 기업의 고부가가치 비중이 커질 수 있다고 설명한다.

근거 보기 3

원문 구간 1
업데이트 이후 CY27 기준 EPS는 $20~$25 → $30으로 상향했습니다. 트랜시버 내에서도 그렇고, OCS, CPO 등 점점 고부가가치로 갈수록 ASP가 높기에 매출도 높고 마진도 좋은 트렌드입니다. OFC 자료 중 루멘텀의 성장동력 부분들을 쭉 보시면, 웬만한 사업부들의 CAGR이 앞으로 3~4년간 85%, 200%, 150% 등등 상당한 침투 속도를 가정하고 있는 것을 보실 수 있습니다. 인터커넥트 전환(광 → 구리)에 따른 구조적 성장 광학 제품들을 만들기 위해서 가장 중요한 게 고품질의 양산이 가능한 InP 광학 레인/레이저 칩인데 이것을 만드는 기업이므로 인터커넥트의 구리 → 광 업그레이드 기조 속에서 고출력의 광원을 필요로 하는 수요가 높아질 때 가장 큰 수혜를 보는 기업입니다. 이미 4개의 팹을 100G/200G EML, UHP, OCS향으로 광학 레인당 가장 고부가가치만 생산하고 있는 상황에서 앞으로 2H27부터 반영될 Scale-up CPO향 ASP가 상당히 높을 것으로 추정하기 때문에, CPO 침투 속도가 좋다면 아직 2027년 하반기 CPO 침투 속도에 따라 추가적인 실적 상향도 기대할 수 있는 상태입니다. 이미 루멘텀은 컨콜에서 "이미 현재 출하되고 있는 Spectrum-6 CPO (Scale-out) 고객 반응이 매우 좋아서 기대 이상의 추가 수주를 확보했다"고 말했습니다.
원문 구간 2
이것도 지금은 UHP 레이저 칩만 팔고 있는 상태인데 향후 ELS 모듈까지 판매할 경우 매출은 UHP 레이저 칩만 팔 때에 비해서 2배가 됩니다. OCS, CPO 등 고부가가치 라인업으로 갈수록 ASP와 마진이 동시에 높아지는 추세입니다. AI 인프라(+) < 네트워킹(++) < 광학으로의 전환(+++) 간단하게 보자면, AI 인프라가 깔리는 규모만큼의 산업 성장세에 더해서(+) → 단일 클러스터가 커질수록 가속기당 스위치 규모는 계속해서 커지게 되어 있는데(++) → 구리로는 ⓐ속도가 높아지는 만큼 전력 소모와 발열이 늘어나고 ⓑ전기 신호는 거리에 따라 감쇠되는 특성 ⓒ케이블 밀도가 높아지면 노이즈, 간섭 등 신호 무결성에 취약해지는 점 등등을 고려하면서, 인터커넥트에서 광이 구리를 대체해가는 속도가 빨라지고 있습니다(+++). 이전보다 해자를 중시하게 되기 시작한 광학 밸류체인 레인당 400G 이상 혹은 CPO(UHP 레이저 칩)로 가기 위해서는 고출력 광원을 사용해야 하기에 데이터센터 환경의 고온을 견디면서, 강한 출력을 유지하고, 노이즈가 잘 통제된 빛을 내면서, 상용화된 크기와 가격으로, 대량생산할 수 있는 제품을 만드는 가가 중요해지다보니 일종의 Optical Hierarchy처럼 소수 기업이 고부가가치를 먼저 갖고 그 나머지가 밑의 미충족 수요를 흡수하는 구조가 만들어지고 있습니다.
원문 구간 3
이전보다 해자를 더 중시하게 바뀌고 있다는 것입니다. 옵토일렉트로닉스(AAOI) 옵토일렉트로닉스AAOI는 Overweight을 유지합니다. 옵토일렉트로닉스, 800G 트랜시버 신규 주문 옵토일렉트로닉스가 대형 하이퍼스케일러 고객사로부터 800G 트랜시버 신규 주문을 받았습니다. 시간외 +3%입니다. 지난주에 기존 1.6T 트랜시버 $200M 주문을 받았던 고객(Rosenblatt은 오라클로 추정)으로부터 800G 트랜시버도 $53M 가량의 초기 물량 주문을 받은 것입니다. 오라클과는 한동안 거래하지 않다가 거래하기 시작하는 것이라서 일단 1.6T부터 주문하고 800G도 주문한 것으로 보입니다. 고객사에서 퀄테스트를 하고 나서 800G 물량 출하는 2Q26에 시작하여 3Q26 중반에 완료할 예정입니다. 계약규모가 중요하다기보다는 하이퍼스케일러로부터 1.6T에 이어서 800G도 테스트를 위한 초기 주문을 받았고, 이를 얼마나 충족시킬 수 있느냐가 중요합니다. 마이크론(MU) 마이크론MU은 Overweight을 유지합니다. KV Cache 압축을 위한 방법들 : NVIDIA KVTC, TurboQuant 엔비디아 KVTC에 대한 생각은 지난주 주간전략보고에 남겨드린 바 있습니다. 최근 KV Cache 압축에 대한 시장의 관심이 큽니다. 펀더멘탈과 관련하여 훼손이 있을 만한 내용들은 아닙니다.

해석·전망AI Labs의 적자와 CapEx주 대상 · 산업·업종 · AI Labs

AI Labs의 적자와 설비투자는 어떤 프레임으로 해석하는가?

이 자료가 더한 내용

AI Labs의 적자와 CapEx는 본업 수익성 부족이 아니라 미래 지능 경쟁을 위한 선제 비용일 수 있으며, 지능·컴퓨팅·데이터·환경·공급망·경쟁을 함께 봐야 한다는 다리오 아모데이의 관점을 정리한다.

근거 보기 8

원문 구간 1
특히 코딩처럼 검증 가능한 영역에서는 이미 인간 수준을 넘어 end-to-end 자동화 직전 단계에 접근했다고 해석합니다. 2. 발전의 본질은 '기발한 아이디어'가 아닌 '스케일링'이다 2017년부터 다리오가 보는 스케일링 법칙의 핵심요소들은 ①순수한 컴퓨팅 파워(raw compute), ②데이터의 양(quantity of data), ③데이터의 품질과 분포(quality and distribution of data), ④훈련 시간(training time), ⑤사전훈련과 강화학습 시에 무한하게 확장 가능한 목적함수(scalable objective function), 그리고 ⑥⑦거대한 컴퓨팅을 다루는 노하우(normalization, conditioning)입니다. 사전훈련만이 아니라 강화학습도 같은 스케일링 법칙 위에서 작동한다고 보기에, 여전히 스케일링 법칙이 유효하다고 자신함을 느낄 수 있던 인터뷰입니다. 3. 암기를 위한 것이 아닌, '일반화'를 위한 것 강화학습 환경을 구축하는 이유도 특정 툴 사용법을 암기하게 하기 위해서가 아니라, 다양한 과제를 통해 모델이 일반화 능력을 획득하게 만들기 위해서입니다. 이 세상의 모든 데이터들을 LLM에게 넣고 사전훈련시켜서 LLM이 아는 도메인의 사이즈를 키우면 키울수록 창의력이 높아지며 이런저런 작업을 할 때에도 쉽게 일반화시켜 적용하는 보다 인간 같은 지능이 나오고 있습니다.
원문 구간 2
GPT-1에서 부족했던 것도 ②③의 부족이었습니다. 데이터의 규모를 훨씬 키우고 규모만 키우는 게 아니라 여러 데이터들을 commoncrawl, reddit으로 넣었더니 이 세상에 대해서 더 잘 이해하게 됐습니다. 강화학습도 마찬가지입니다. 일반화된 능력을 얻으려면 각종 능력들에 대해서 다루는 방법을 가르치고, 가르치면 가르칠수록 새로운 것을 배울 때 더 높은 지능을 가지고 배우는 데이터 샘플 효율성이 높아지고 있는 것입니다. 마치 백지상태인 사람에게 게임을 처음에 가르칠 때에는 어렵지만, RTS, 보드게임, MMORPG 등등 여러 가지 종류들도 다르고 장르도 다른 것들을 가르치고 나면 새로운 게임을 할 때에는 이전 게임에서 배웠던 패턴을 적용해가면서 보다 쉽게 배우는 것과도 같습니다. 따라서 LLM에서 보였던 것처럼 강화학습에서도 비슷한 일반화 능력이 길러지고 있다는 것이 아모데이의 생각입니다. 4. In-context Learning + Computer Use 조합으로도 AGI는 가능하다 사전훈련과 강화학습을 통해서 폭넓은 지식(양, 퀄리티, 분포측면)을 주입하고, 여기에 컨텍스트 윈도우를 크게 키우는 In-context Learning + AI가 컴퓨터를 사용하는 방법을 다루는 Computer Use만 붙이더라도 실무 능력이 지금까지 좋아진 속도보다 훨씬 더 급격하게 상승할 것이라 전망했습니다.
원문 구간 3
시간이 지나면서 새로운 데이터를 학습하더라도 기존 학습 내용을 잊지 않도록 하는 Continual Learning 능력을 갖추기 위해 AI Labs들이 노력 중이고 1~2년 내에 해결할 가능성이 높지만, 이것을 해결하지 못하더라도 AGI 수준에는 도달할 수 있으며 그것자체로도 수조 달러의 경제적 가치를 만들 수 있을 거란 생각입니다. 5. 앞으로 1~3년 내로 매우 강력한 디지털 노동력을 갖게 될 것 결과적으로 10년 안에는 거의 확실하며, 1~3년 내로는 매우 강력한 AI를 가질 것으로 봤습니다. 거의 불가항력에 의한 확률을 제외하고서는 웬만하면 AGI 도달이 가능할 것이란 추정입니다. 다만, 코드의 90%를 작성하는 것과 엔지니어의 90%를 대체하는 것은 전혀 다른 단계라고 선을 그었습니다. 전체 코드의 90%를 AI가 만드는 단계 → 100%를 AI가 만드는 단계 → 소프트웨어 엔지니어 end-to-end 작업의 90%를 AI가 하는 단계 → 소프트웨어 엔지니어 작업을 100% AI가 수행하는 단계입니다. 단번의 대체가 아닌 생산성 향상을 통해 완전 자동화로 향하는 스펙트럼입니다. 빠르기는 하지만, 분명한 도입 '곡선'은 존재합니다. 6. "Extremely fast, but not infinitely fast" : 기술 발전과 매출화의 속도는 다르다
원문 구간 4
AI의 지능은 The Big Blob of Compute Hypothesis가 가리키는 방향대로 매우 빠르고, 또 비교적 확실하게 발전합니다. 하지만 그 기술이 실제 경제 주체들 안으로 스며들어 매출로 연결되는 속도는 전혀 다른 문제입니다. 기업들은 보안, 법무, 규제, 레거시 시스템, 조직 변화 같은 현실적인 마찰을 하나씩 통과해야만 AI를 실제 업무에 적용할 수 있기 때문입니다. 그래서 AI의 확산은 0에서 1로 단숨에 점프하는 사건이라기보다, 연속적인 곡선을 따라 진행되는 S-curve에 가깝습니다. 이런 맥락에서 AGI의 등장은 곧바로 수조 달러 매출을 찍어내는 버튼이 아니라, 거대한 확산이 시작되는 출발 신호에 가깝다는 의미가 이것입니다. 인터뷰가 흥미로웠던 것도 이것입니다. 시장의 기대, 그리고 그 기대가 반영된 주가는 대체로 실제 확산 속도보다 더 빠르게 움직입니다. 그래서 체감상 모든 것이 마치 infinitely fast하게 전개될 것처럼 느껴지는 것도 자연스러운 일입니다. 하지만 다리오가 굳이 여러 차례 강조한 표현은 Extremely fast, but not infinitely fast였습니다. 기술의 발전은 폭발적일 수 있지만, 매출화와 산업 전반의 침투는 결국 현실 세계의 시간표를 따라갈 수밖에 없다는 것이 중요합니다.
원문 구간 5
7. AI Labs의 적자와 CapEx는 전통적인 기업들과 다른 프레임으로 봐야 한다 AI Labs의 적자와 CapEx를 전통적인 기업들과 같은 방식으로 보다보면 AI 산업의 본질을 놓치기 쉽습니다. 일반적인 기업은 수요가 확인된 뒤 설비를 늘리고 규모의 경제를 통해 손익분기점을 넘긴 다음, 점차 안정적인 흑자 구조로 들어갑니다. 하지만 AI Labs는 반대입니다. 이들은 1~2년 뒤의 수요를 먼저 가정한 뒤, 그 수요를 감당할 막대한 컴퓨팅 인프라를 선제적으로 구매약정해야 합니다. 즉, 미래 수요를 예측해 먼저 CapEx를 집행하고, 그 이후 실제 수요가 얼마나 따라와 주느냐에 따라 단기 실적이 결정되는 구조입니다. 이 사업구조의 특성상 책임감 있는 투자 정책을 유지해야 한다고도 말한 것입니다. 이미 확보한 컴퓨팅 자원을 유저 서비스용 추론에 얼마나 배분할지, 혹은 차세대 모델 훈련용 연구에 얼마나 배분할지에 따라 실적이 갈리게 됩니다. 만약 수요를 과대평가해 실제 유저 수요가 예상보다 적다면, 남는 컴퓨팅 자원은 자연스럽게 차세대 모델 훈련으로 이동합니다. 이 경우 당장의 GPM은 낮아지고 큰 적자를 봅니다. 그러나 그 대가로 연구 속도는 빨라지고, 경쟁사를 압도할 수 있는 차세대 모델을 더 빨리 얻게 됩니다. 반대로 수요를 과소평가해 유저 수요가 폭발하면, 서비스를 감당하기 위해 연구용으로 잡아둔 컴퓨팅까지 추론에 투입해야 합니다.
원문 구간 6
이 경우 추론의 높은 마진 덕분에 단기적으로는 큰 흑자와 높은 GPM을 기록할 수 있지만 차세대 모델 연구는 늦어지게 됩니다. 개별 모델과 회사 전체를 구분해 보면 더 명확해집니다. 예를 들어 2025년에 훈련한 어떤 모델이 훈련비용 $1B를 썼고, 그 모델로 $4B의 매출을 냈으며, 추론비용으로 $1B를 사용했다고 가정해 보겠습니다. 이 경우 전체 모델에 대한 GPM은 50%이고, 매출 대비 훈련비용 25%, 추론비용 25%입니다. 단일 모델 기준으로 보면 $2B의 이익을 낸 셈입니다. 그런데 회사 전체는 왜 적자를 보느냐 하면 지금은 그 모델이 벌어들인 현금을 회수하는 단계가 아니라, 다음 세대 모델을 훈련시키기 위해 $10B를 다시 쏟아붓는 단계이기 때문입니다. 개별 모델은 돈을 벌지만 회사는 적자를 보는 이유입니다. 지금 AI 산업에서는 더 높은 지능에 도달하기 위한 로그 스케일의 scale-up 경쟁이 벌어지고 있습니다. GPT-4급이 $100M → GPT-5 $1B → GPT-6 $10B 수준으로 모델 훈련비용을 지불하고 있습니다. 이러한 스케일업 과정에서 회사 전체의 손익은 당연히 다음 세대 훈련비용에 의해 눌릴 수밖에 없습니다. 하지만 이것은 모델이 돈을 못 벌어서가 아니라, '다음 세대 지능 확보를 위해 더 빠른 속도로 재투자하고 있어서' 나타나는 적자입니다.
원문 구간 7
전통 기업의 적자는 본업의 수익성 부족에서 오는 경우가 많지만, AI Labs의 적자는 미래 지능 경쟁을 위한 선제적 비용 집행의 성격이 강합니다. 다리오 아모데이의 핵심 주장은 지능 향상을 위해 투입해야 하는 자본이 영원히 이전 세대 대비 10배씩 불어날 수는 없다는 것입니다. 스케일링이 계속 유효하더라도 추가 컴퓨팅이 만들어내는 성능 개선은 점차 로그 선형적인 수확 체감 구간으로 들어가고, 어느 시점부터는 더 많은 자본을 사전훈련에 쏟아붓는 것보다 내부적으로 AI를 적극 활용해 연구개발의 생산성을 끌어올리고, 같은 자본으로 더 높은 '토큰당 지능'을 뽑아내는 편이 더 효율적인 선택이 됩니다. 결국 어느 지점에서는 지능 향상을 위해 요구되는 추가 자본의 증가율이 둔화되고, 그때부터는 AGI가 만들어내는 부가가치가 더 이상 대부분 다음 세대 훈련비용으로 재투입되지 않고 기업의 구조적 이익으로 더 많이 쌓이기 시작한다는 논리입니다. 3월 26일, X에서 실리콘밸리 개발자가 하는 말 & Reddit에 올라온 앤스로픽 개발자를 옆에서 본 친구가 하는 말 등등 이미 앤스로픽은 Claude Code를 보다 독점적으로 사용함으로써 내는 부스트 효과를 보고 있습니다. 이미 앤스로픽은 2026년에 들어와서 타 연구소가 따라오지 못할 속도로 신제품들을 출시하고 있습니다.
원문 구간 8
다리오 아모데이가 하는 말처럼 '우리의 모델이 가진 지능이 워낙 뛰어나기에 CapEx가 아닌 모델에서 나오는 토큰의 지능격차로 마진을 유지할 수 있는 시점이 올 것이다'라는 주장이 마냥 허황되지 않다고 보는 이유입니다. 1월 12일 : Claude Cowork (초기 릴리즈, Mac용으로) 1월 30일 : Cowork Plugin 출시 (모든 부서별 적용 가능) 2월 5일 : Opus 4.6 공개 2월 5일(2) : Claude in PowerPoint 2월 5일(3) : Claude in Excel 2월 10일 : Claude Cowork (Windows용 출시) 2월 17일 : Sonnet 4.6 공개 2월 20일 : Claude Code Security (보안) 2월 24일 : Claude Cowork Enterprise (기업용) 2월 25일 : Claude Code Remote Control (원격접속 및 실행 가능) 2월 25일 : Claude Cowork Scheduled Tasks (작업 예약실행 가능) 3월 2일 : Claude Memory (자동 메모리 기능, '기억해'하면 기억) 3월 6일 : Claude Marketplace (외부 기업들의 소프트웨어 모음) 3월 9일 : Claude Code Review (코드리뷰 자동화)

사실·구조데이터센터 BTM 전력주 대상 · 산업·업종 · 데이터센터 전력관련 대상 · 기업·종목 · Bloom Energy관련 대상 · 기업·종목 · Vertiv

데이터센터의 BTM 전력 수요는 무엇으로 파악하는가?

이 자료가 더한 내용

AI 데이터센터 증설은 서버뿐 아니라 북미 제조시설, 냉각·전력 장비와 BTM(Behind The Meter) 전력 프로젝트 수요를 함께 높이며, 가스터빈 납기와 현장 전력 확보가 공급 제약으로 작동할 수 있다는 관점을 제시한다.

근거 보기 3

원문 구간 1
총 4개입니다. 사우스캐롤라이나(2) : 두 개의 제조시설을 신설할 예정입니다. 데이터센터 모듈 제품을 더 많이 양산하기 위한 공장입니다. ⓐ데이터센터 전력 모듈 ⓑ아예 White Space 구축을 빠르게 만들 SmartRun 제품 등입니다. 완전 가동되면 모듈형 제품 생산 용량이 이전보다 7배 늘어날 것입니다. 펜실베니아(1) : 증설입니다. 랙 및 컨테이너 사업부에서 냉각 시스템 캐비닛 제조 용량을 확대하기 위해 기존 생산라인을 확장할 예정입니다. 멕시코 메히칼리(1) : 여기도 증설입니다. 전력, 배전 용량을 45% 확대할 예정입니다. 블룸에너지(BE) 블룸에너지BE는 Overweight을 유지합니다. Bloom Energy CFO 임명 : Simon Edwards 블룸에너지가 1년간 공석이었던 CFO 자리를 채웠습니다. 새롭게 임명한 인물은 현 Groq CEO/전 Groq CFO였던 사이먼 에드워즈(Simon Edwards)가 2026년 4월 13일자로 CFO로 합류할 예정입니다. 사이먼 에드워즈는 Groq의 CFO로 쭉 있었던 인물입니다. 그러다가 Groq CEO와 주요 개발진이 엔비디아로 합류하고 나서 껍데기 상태였던 Groq에 남아서 잠시 CEO를 맡았다가 마무리를 한 뒤에 블룸에너지의 CFO로 옮긴 것입니다.
원문 구간 2
꽤 적격인 CFO를 데려왔습니다. 데이터센터 업계, 가스터빈으로 파악하는 BTM 수요 및 공급 업계 전반을 파악하는 자료로서, 전력연구소(EPRI)의 선임 매니저가 얘기한 내용을 살펴보면: 대형 천연가스 터빈은 이제 주문하면 납품받기까지 60개월 이상이 걸리며, 가장 신속하게 대응할 수 있던 소형 터빈도 이제는 18~36개월이 걸립니다. 또한 EPRI 연구에 따르면 지난 6개월 동안 평균 가스터빈 가격은 kW당 $2,000 → $3,000로 50% 가까이 상승했습니다. 주문 구성이 바뀌고 있습니다. 2025년에 판매된 가스 터빈 중 70%가 100MW 미만급이었습니다. 24년에 66%였으므로 소형터빈 비율이 더 높아진 것입니다. 특히 3~20MW 모듈형에서 강한 성장 중입니다. 반면, H-Class/J-Class 등 초대형 터빈은 전체 설치대수의 14%이지만 신규 발주된 용량의 50% 이상을 차지했습니다. 데이터센터 시장에서도 비슷한 흐름입니다. 신규 데이터센터는 20~40MW 규모의 모듈형태로 구축하는 비중이 점점 더 늘어나고 있습니다. 가스터빈 자체가 수요에 대응할 수 있을 만큼 공급이 빠르게 늘고 있진 않은데, 공급망 내에서 수요를 충족하기 위한 충분한 주조품(블레이드와 베인), 충분한 공장의 공간, 충분한 숙련 노동자가 필요한데 이들이 부족하고, 변압기나 핵심 부품들도 마찬가지입니다.
원문 구간 3
데이터센터의 BTM 프로젝트 수요 상승세 Barclays 애널리스트가 DCD Connect 컨퍼런스 당시 주요 발언들을 정리했습니다: 전력 공급이 여전히 중요한 상태이다. 1년 안에 확보할 수 있을 거라고 생각했던 데이터센터향 전력이 이제는 5년 간 받더라도 충분히 다 못 받는다고 해서 프로젝트를 BTM으로 선회했다는 고객이 있었다. 배관공, 전기공 등 숙련 노동인력 부족을 느끼고 있다. 이제 NIMBY(Not-In-My-Back-Yard)를 넘어, BANANA(Build-Absolutely-Nothing-Anywhere-Near-Anyone)으로 향하고 있고, 동네마다 전력가격 상승을 이유로 짚으며 데이터센터 건설 금지 요구가 더 강해지고 있다. BYOP(Bring-Your-Own-Power)는 주로 천연가스에 의존하기에 천연가스 파이프라인 중단 위험을 고려할 때 어떻게 BTM 발전이 99.999%(five 9's)를 유지할 수 있을 것인가에 대해서 중요한 과제가 있었는데, BYOP 관련 패널 토론에서 대부분의 전문가가 현재 많은 수의 BYOP 프로젝트에서 99.9%(three 9's)만을 목표로 하고 있다고 말했습니다. five 9's를 하기 위해서 드는 추가비용이 너무 많아서입니다. five 9's 정도까지를 요구하면 전력망과 연결하거나 혹은 BESS를 대규모로 깔수밖에 없는데, 이를 대체하여 three 9's정도까지는 블룸에너지 SOFC만 깔아서도 충분히 대응이 가능한 만큼 'BTM 프로젝트들의 전력망 안정성에 대한 요구치'가 낮아지면 블룸에너지에게는 긍정적이라고 봅니다.

시간흐름대로 모든 내용을 살려 정리

원문 흐름 1

[원문 유형] 네이버 프리미엄 콘텐츠
[채널] 올바른 미국주식 by SAPIENS
[게시일] 2026.03.30. 오후 12:00
[원문 URL] https://contents.premium.naver.com/sapiens/sapiensasset/contents/260330120017583zc
[제목] 주간전략보고 : 투자의 생각 (3월 30일~4월 3일) <공지사항 포함>
[수집 기준] 승인된 구독 열람권으로 실제 본문을 보존했다. 이미지·첨부는 별도 미디어 원장에 보관하며 시각적 의미 검토 여부를 구분한다.

[구독 원문 본문]

안녕하세요 올바른입니다.

다리오 아모데이가 말하고자 하는 것들에 대해서 7가지로 정리했습니다. 사이클, 기술, 수요, 공급, 경쟁에 대해서 다루며 최근 몇 개월 인터뷰 중 가장 인상깊었던 인터뷰였습니다.

몇 주 내로 오픈AI의 Spud, 앤스로픽의 Mythos가 도래할 것입니다. Agentic AI의 시간이 다가오면서 발표한 ARM의 청사진에 대한 생각을 정리해봤습니다.

TurboQuant, KVTC, DDR 현물가 하락 등 다양한 주제들에 대해 살펴봤으며, 구글과 메타에게 중요한 로스앤젤레스 배심원단 판결의 후폭풍에 대해서도 다룬 주간전략자료입니다.

공지

이번 주는 일간보고, 인뎁스 자료, 유튜브 라이브를 쉬어갑니다.

요즘 아빠가 될 준비를 하느라 분주하게 보내고 있었는데, 드디어 내일인 3월 31일(화) 출산을 앞두고 있습니다.

원문 흐름 2

출산 후로는 회복에 집중하는 시간이 필요하기에 이번 주 인뎁스 자료는 업로드가 어렵습니다. 이번 주 후반에 시간이 허락하면 짧은 코멘트를 담은 일간보고는 남기도록 노력해보겠습니다.

따로 궁금하신 사항은 편하게 이번 자료인 <주간전략보고> 자료에 댓글 남겨주시면, 중간중간 확인 후 답변드리겠습니다. 너그러이 양해해주셔서 감사합니다. 다음주부터는 다시 정상적인 분석자료들로 찾아뵙겠습니다.

주간전략보고

2026-03-23

주간전략보고 : 투자의 생각 (3월 23일~3월 27일) (바로가기)

2026-03-16

주간전략보고 : 투자의 생각 (3월 16일~3월 20일) (바로가기)

2026-03-09

주간전략보고 : 투자의 생각 (3월 9일~3월 13일) (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

주간전략보고 투자의 생각 : 관세 하락기 수준의 Forward PER로 내려온 S&P500

4Q25 12주차 실적발표 훑어보기 : 12주차 6개 기업 - 업사이클 & 다운사이클 비교

원문 흐름 3

투자의 생각 : LITE, AAOI, MU, SNDK, HOOD, CRCL, U, VRT, BE, FIGR

Magnificent 7 : 다리오 아모데이가 말하고자 한 것들 ⑦, Spud/Mythos, ARM CPU, 중독 소송 여파

📆 주간 캘린더 (3월 30일~4월 3일)

👨‍💻 → 이번 주도 이란 뉴스가 중요한 국면

> 휴장 : 부활절 (금)

> 경기/물가 : CB소비자신뢰지수 (화) 소매판매, ISM제조업 (수) 서비스PMI (금)

> 고용/실업 : 노동부 JOLTs (화) ADP 비농업고용 (수) 신규실업수당청구건수 (목) 비농업고용 (금)

> 실적발표 : Factset, Nike (화)

> 이벤트 : G7 에너지, 재무장관 논의 (월)

주간전략보고 : 투자의 생각

관세 하락기 수준의 Forward PER로 내려온 S&P500

S&P 500 Forward P/E가 2025년 4월 관세 하락기 수준까지 내려와 있습니다. 그동안 EPS는 워낙 많이 올라있는데 지수 기준 주가는 횡보 내지는 하락했기 때문입니다. Market Breadth가 얕은 상태에서의 상승을 보이고 있었다보니, AI HW 중에서 메모리와 광학 위주로 몰려서 상승했던 것들을 제외하면 대부분의 주식은 약간씩 하락하던 추세인 게 자연스럽습니다.

원문 흐름 4

미국주식 전체로 보자면 성장성 대비 밸류가 매력적인 때입니다.

아폴로 글로벌 : 매크로 데이터 체크

이코노미스트 토르스텐 슬뢰크Torsten Sløk가 정리한 차트들 중 살펴볼만 했던 차트들입니다.

차트 #1 → 소비자의 소득 수준별 심리 지수입니다. Apollo가 부르기를 '심리 파괴(Sentiment Destruction)'라고 할 만큼 소비자심리가 위축되어 있습니다. 고소득층(100k+), 중산층(50~100k), 저소득층(Under 50k) 등 소득 수준에 관계없이 모든 계층에서 소비자 심리 지수가 급격히 하락하고 있습니다. 유가 상승과 인플레이션 우려가 사람들의 경제 전망을 부정적으로 만들고 있음을 나타냅니다.

왼쪽 차트 #2 → Truflation 일일 인플레 지수입니다. 소비자 심리가 크게 하락한 이유는 2026년 초반부터 인플레이션 지표들이 반등하기 시작하면서입니다. 이란 전쟁 이후으로 인한 유가 상승이 메인입니다.

오른쪽 차트 #3 → 소비자심리인 soft data는 크게 악화되고 있지만 주간 동일 매장 소매판매 지표를 보시면, hard data상으로는 수요파괴가 없습니다. 소매판매 증가율은 여전히 YoY 5~7%대에서 안정적입니다.

왼쪽 차트 #4 → 미국 공항 일일 입국자 수입니다. 실물 수요가 좋다는 두 번째 증거입니다. 공항 입국자 수 자체는 2026년 초부터 최근에도 여전히 긍정적인 방향으로 탄탄한 모습을 보여주고 있습니다.

원문 흐름 5

오른쪽 차트 #5 → 주간 호텔 수요 데이터입니다. 호텔 객실 점유율, 일평균 요금, 사용가능 객실당 매출 모두 계속해서 높은 수요를 보이고 있습니다. 인플레이션 우려와 무관하게 여행/숙박 수요는 강합니다.

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

주간 퍼포먼스 체크

지수(4) : Russell2000(-0.6%), Dow30(-1.4%), S&P500(-3.1%), Nasdaq100(-4.7%)

빅테크(7) : 애플(-2.2%), 테슬라(-3.3%), 아마존(-5.1%), 엔비디아(-5.6%), 마이크로소프트(-7.2%), 구글(-9.3%), 메타(-13.0%)

섹터(11) : 에너지(+8.0%), 원자재(+3.2%), 유틸리티(+1.6%), 필수소비재(-0.0%), 리츠(-2.3%), 헬스케어(-2.4%), 산업재(-3.0%), 경기민감재(-3.8%), 금융(-3.8%), 커뮤니케이션(-5.3%), 테크(-5.5%)

4Q25 12주차 실적발표 훑어보기

12주차 6개 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.

원문 흐름 6

*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.

4Q25 12주차 실적발표

업사이클 ↗ : 이번주 실적발표 기업 중 업사이클은 없습니다.

다운사이클 ↘ : 다운사이클인 기업도 크게 없습니다.

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

LITE, AAOI, MU, SNDK, HOOD, CRCL, U, VRT, BE, FIGR

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

원문 흐름 7

Vertiv

Bloom Energy

Sea Limited

DoorDash

Micron

dLocal

MercadoLibre

Figure Tech

Sandisk

CoreWeave

Lumentum

Applied Optoelectronics

Viavi Solutions

루멘텀(LITE)

루멘텀LITE은 Overweight을 유지합니다.

Stifel 애널리스트의 OFC 리뷰 '멈추지 않는 AI 인프라 수요'

애널리스트들의 OFC 2026 코멘트들이 비슷합니다.

OFC 2026에서 만난 하이퍼스케일러, 시스템 벤더, 부품 공급업체, 위탁제조업체 모두 공통적으로 강조한 가장 일관된 메시지는 "최종 시장 수요가 둔화될 기미가 보이지 않는다"였습니다. 하이퍼스케일러들의 AI 훈련 및 추론용 CapEx 약정 규모들이 계속해서 증가하고 있으며, 이에 따라 광학/구리 부품이나 반도체에 대한 수요도 더욱 더 커지고 있다는 것입니다. 특히 핵심 부품, 고속 광학 엔진, DSP의 리드타임이 계속해서 길어지고 있으며 여러 공급업체들은 주문량을 기준으로 대략 12~18개월 정도의 리드타임을 예상하는 경우가 많아졌습니다.

OFC 2026에서 업데이트된 장기 목표 마진 : OPM 27% → OPM 42%

루멘텀도 계속해서 강세인데, OFC 2026 자료로 전해드린 것처럼 Target Financial Model 업데이트 이후에 영업이익 레버리지 정도가 OPM 27%에서 끝나는 것이 아니라 OPM 42%까지도 가능할 것을 예고했기에 EPS 기준 CY26~CY27까지 폭발적인 성장을 가정해서 그렇습니다.

원문 흐름 8

업데이트 이후 CY27 기준 EPS는 $20~$25 → $30으로 상향했습니다. 트랜시버 내에서도 그렇고, OCS, CPO 등 점점 고부가가치로 갈수록 ASP가 높기에 매출도 높고 마진도 좋은 트렌드입니다.

OFC 자료 중 루멘텀의 성장동력 부분들을 쭉 보시면, 웬만한 사업부들의 CAGR이 앞으로 3~4년간 85%, 200%, 150% 등등 상당한 침투 속도를 가정하고 있는 것을 보실 수 있습니다.

인터커넥트 전환(광 → 구리)에 따른 구조적 성장

광학 제품들을 만들기 위해서 가장 중요한 게 고품질의 양산이 가능한 InP 광학 레인/레이저 칩인데 이것을 만드는 기업이므로 인터커넥트의 구리 → 광 업그레이드 기조 속에서 고출력의 광원을 필요로 하는 수요가 높아질 때 가장 큰 수혜를 보는 기업입니다.

이미 4개의 팹을 100G/200G EML, UHP, OCS향으로 광학 레인당 가장 고부가가치만 생산하고 있는 상황에서 앞으로 2H27부터 반영될 Scale-up CPO향 ASP가 상당히 높을 것으로 추정하기 때문에, CPO 침투 속도가 좋다면 아직 2027년 하반기 CPO 침투 속도에 따라 추가적인 실적 상향도 기대할 수 있는 상태입니다.

이미 루멘텀은 컨콜에서 "이미 현재 출하되고 있는 Spectrum-6 CPO (Scale-out) 고객 반응이 매우 좋아서 기대 이상의 추가 수주를 확보했다"고 말했습니다.

원문 흐름 9

이것도 지금은 UHP 레이저 칩만 팔고 있는 상태인데 향후 ELS 모듈까지 판매할 경우 매출은 UHP 레이저 칩만 팔 때에 비해서 2배가 됩니다. OCS, CPO 등 고부가가치 라인업으로 갈수록 ASP와 마진이 동시에 높아지는 추세입니다.

AI 인프라(+) < 네트워킹(++) < 광학으로의 전환(+++)

간단하게 보자면, AI 인프라가 깔리는 규모만큼의 산업 성장세에 더해서(+) → 단일 클러스터가 커질수록 가속기당 스위치 규모는 계속해서 커지게 되어 있는데(++) → 구리로는 ⓐ속도가 높아지는 만큼 전력 소모와 발열이 늘어나고 ⓑ전기 신호는 거리에 따라 감쇠되는 특성 ⓒ케이블 밀도가 높아지면 노이즈, 간섭 등 신호 무결성에 취약해지는 점 등등을 고려하면서, 인터커넥트에서 광이 구리를 대체해가는 속도가 빨라지고 있습니다(+++).

이전보다 해자를 중시하게 되기 시작한 광학 밸류체인

레인당 400G 이상 혹은 CPO(UHP 레이저 칩)로 가기 위해서는 고출력 광원을 사용해야 하기에 데이터센터 환경의 고온을 견디면서, 강한 출력을 유지하고, 노이즈가 잘 통제된 빛을 내면서, 상용화된 크기와 가격으로, 대량생산할 수 있는 제품을 만드는 가가 중요해지다보니 일종의 Optical Hierarchy처럼 소수 기업이 고부가가치를 먼저 갖고 그 나머지가 밑의 미충족 수요를 흡수하는 구조가 만들어지고 있습니다.

원문 흐름 10

이전보다 해자를 더 중시하게 바뀌고 있다는 것입니다.

옵토일렉트로닉스(AAOI)

옵토일렉트로닉스AAOI는 Overweight을 유지합니다.

옵토일렉트로닉스, 800G 트랜시버 신규 주문

옵토일렉트로닉스가 대형 하이퍼스케일러 고객사로부터 800G 트랜시버 신규 주문을 받았습니다. 시간외 +3%입니다. 지난주에 기존 1.6T 트랜시버 $200M 주문을 받았던 고객(Rosenblatt은 오라클로 추정)으로부터 800G 트랜시버도 $53M 가량의 초기 물량 주문을 받은 것입니다. 오라클과는 한동안 거래하지 않다가 거래하기 시작하는 것이라서 일단 1.6T부터 주문하고 800G도 주문한 것으로 보입니다. 고객사에서 퀄테스트를 하고 나서 800G 물량 출하는 2Q26에 시작하여 3Q26 중반에 완료할 예정입니다.

계약규모가 중요하다기보다는 하이퍼스케일러로부터 1.6T에 이어서 800G도 테스트를 위한 초기 주문을 받았고, 이를 얼마나 충족시킬 수 있느냐가 중요합니다.

마이크론(MU)

마이크론MU은 Overweight을 유지합니다.

KV Cache 압축을 위한 방법들 : NVIDIA KVTC, TurboQuant

엔비디아 KVTC에 대한 생각은 지난주 주간전략보고에 남겨드린 바 있습니다.

최근 KV Cache 압축에 대한 시장의 관심이 큽니다. 펀더멘탈과 관련하여 훼손이 있을 만한 내용들은 아닙니다.

원문 흐름 11

이번 흐름에서 생각할 것은 두 가지입니다. ⓐ시장이'메모리 수요가 지금처럼 높은 상태를 유지할 수 있을까'에 대해서 많은 관심을 보이고 있구나, ⓑ플레이어들이 '다들 많이 담아둔 상태에서 차익실현 빌미를 찾고 싶어하는 상태였구나' 정도입니다.

엔비디아 주가가 빠질 때에도 자주 그랬었고, 얼마 전 Citrini의 misleading으로 광학 밸류체인들이 크게 하락했을 때에도 그랬지만, 펀더멘탈에 대해서 공부는 해두시되 "사람들이 이걸 다 몰라서 그렇다"라고 생각하다보면 스트레스를 많이 받으실 겁니다. 시계열의 차이는 있겠지만 기본적으로 시차를 두고 어느 방향으로 움직일 것인가에 대해서 분석하는 게 일입니다.

AI 컴퓨팅은 늘 병목을 해결해가며 발전해왔습니다

2012년 AlexNet 이후 AI/ML의 발전사는 결국 두 축의 반복이었습니다. 하나는 컴퓨팅 성능 개선을 통한 명목적인 FLOPS 향상이고, 다른 하나는 알고리즘 최적화를 통한 실질 FLOPS 향상입니다.

오늘날 AI 컴퓨팅도 마찬가지입니다. 로직-메모리, 하드웨어-소프트웨어-네트워킹의 조합 속에서 어느 지점의 병목을 먼저 해결할 것인가를 두고 최적점을 찾아가는 과정입니다. 한쪽 병목을 풀어 10배 개선을 만들면, 다른 쪽에서 다시 새로운 병목이 나타납니다. "KV Cache" 역시 원래는 GPU 연산 병목을 완화하기 위해 메모리 쪽에서 문제를 푸는 방식으로 등장한 것입니다.

원문 흐름 12

지금 널리 쓰이고 있는 MoE도 그렇게 보자면 Dense 모델로 훈련시킬 때에 비해서 한 번 추론당 GPU FLOPS 및 메모리 사용량 기준 엄청난 절감을 하게 되지만, 기본적으로 AI가 더 쓸모있어짐으로 인해서 새롭게 생긴 수요의 크기가 훨씬 더 컸습니다.

더 높은 지능을 요구할수록, 더 많은 토큰을 필요로 합니다

Chatbot → Reasoning → Agentic AI로 넘어가는 과정에서 CoT의 길이가 길어지면서 추론당 요구하는 컨텍스트 메모리 규모(KV Cache)가 훨씬 커집니다. 한 번 추론을 할 때마다 지능이 높아지는 원리 자체가 Chain-of-Thought을 통해서 모델이 스스로 혼자 생각하는 시간을 오랫동안 갖는 것입니다. 사람이 질문을 받은지 1초만에 말하는 것과, 1분간 생각하고 말하는 것, 1일간 생각하고 말하는 것은 깊이가 다른데 그것과 원리가 똑같습니다. 이것이 강화학습에서의 스케일링 법칙입니다.

문제는 서버 한 대, 노드 하나가 처리할 수 있는 토큰 throughput에는 한계가 있다는 점입니다(물론 이것도 시계열을 넣어서 보면 계속 알고리즘 효율이 높아지며 토큰 throughput은 계속 많아집니다). 그러면 서버당 서비스할 수 있는 사용자의 수(interactivity)를 줄이게 되어 있습니다.

그냥 러프한 숫자들로,

예를

원문 흐름 13

들어 Chatbot으로만 쓸 때에는 원래는 HGX H100 8-GPU 서버 1개에서 초당 토큰 출력량이 10만 개일 때 이를 1,000 token/user/s(초당 유저마다 토큰을 출력해주는 양)로 두고 100명에게 서비스했다면 → Reasoning으로 가면서는 CoT도 결국 token 사용이기 때문에 사용량이 평균 10배 증가한다고 하면 같은 HGX H100 8-GPU 서버 기준 10,000 token/user/s로 10명에게 서비스할 수 있습니다. 이렇게 해야 같은 latency로 서비스를 받게 될 것입니다.

그렇다면 문제는 이 경우 원래 대략 $300K를 주고 HGX H100 8-GPU 서버 1개를 사와서 백만 토큰당 $5.0에 100명에게 서비스해서 돈을 받다가, 10명한테만 서비스할 수 있게 되니 매출과 마진을 고려하자면 몇 가지 선택을 할 수 있습니다. ⓐ그대로 백만 토큰당 가격을 $50으로 10배 높일 것인가 ⓑ사용자들이 불만을 최소화할 정도로 latency를 낮춰서 5,000 token/user/s로 하면 20명에게 서비스할 수 있으니 이렇게 하고 백만 토큰당 가격을 $25로 5배 높일 것인가 등등입니다.

초당 더 많은 토큰을 출력받느냐 그렇지 않느냐는 Free 요금제 사용자들의 ChatGPT Plus, Pro 구독전환율과 밀접하게 관련이 있기에 외연 확장 혹은 구독전환 등의 다양한 제한적인 환경에서 파레토 프론티어 최적점을 그때그때 잘 찾는 게 중요합니다.

원문 흐름 14

초기 세팅은 이렇게 하겠지만, 줄곧 AI Labs들이 알고리즘 효율을 높이고 H100 → GB200 NVL72로 추론 HW 세팅을 옮겨가면서 점차 같은 서버 기준 TPS/user를 높입니다.

Agentic AI 시대에는 단순 연산보다 저장과 조회가 더 중요해집니다

2025년 하반기부터는 Agentic AI 수요가 빠르게 커지면서 KV Cache 사용량이 Reasoning 대비 또 한 단계 뛰는 국면으로 들어섰습니다. Claude Code, Codex, Cursor 등을 통해서 코딩 에이전트가 가장 빠르게 채택되고 있습니다.

이에 따라 단순히 제품 개발주기에 따라서 가속기당 HBM 용량과 대역폭을 높이는 것, 혹은 더 많은 가속기를 연결하는 것으로는 메모리 수요를 채우기가 부족해졌고, GPU-HBM에 최대한 가까운 위치에 더 많은 DRAM을 붙이는 방향, 다시 말해 scale-up과 scale-out을 함께 활용하는 구조가 강화됐습니다.

또한 이전에는 KV Cache를 필요할 때마다 다시 계산해도 괜찮았지만, 이제는 재연산에 따른 지연과 G1~G4 계층을 오갈 때의 latency penalty가 더 크게 부각되고 있습니다. 그래서 지금은 재연산보다 저장과 조회가 더 싸지는 구간으로 넘어가고 있습니다. DeepSeek Engram 같은 연구가 KV Cache hit rate를 높이려는 이유도 여기에 있습니다.

원문 흐름 15

NVIDIA CMX처럼 읽고/쓰기가 더 빠른 고성능 eSSD를 GPU와 직접 연결하는 방식으로까지 KV Cache를 단일 포드에 더 많이 저장하는 방향도 채택되고 있는데, GPU MFU를 높여서 전체 추론 성능을 끌어올리는 데 실질적인 도움이 됩니다.

이제 Agentic AI 침투율은 기껏해야 1~3% 정도입니다(의외로 GPT-5가 나오기 전까지 ChatGPT Plus 사용자들도 7%만 Reasoning 모델을 사용했었고, 무료 사용자는 1% 미만이 사용했습니다). 올해 연초부터 Claude Code, Codex ARR이 매월 50%~100%씩 성장하는 트렌드인 것을 생각해보면 앞으로 여전히 컴퓨팅 및 메모리 사용량의 10x 모먼트가 끝나지 않았다는 의미입니다.

Reasoning의 시작은 2024년 9월~2025년 1월이었지만 본격적 침투는 2025년 2월~8월이었습니다. 그때가 CSP들이 수요-공급 초과를 호소하기 시작하고 빅테크 CapEx들이 매분기마다 줄상향됐던 시기였습니다. 지금은 Agentic AI의 시작점을 지나고 있습니다. 새로운 모델, 새로운 HW 채택에 따라서 본격화될 것인데 오픈AI "Spud"/앤스로픽 "Mythos" 모델이 2026년 4~5월에 출시되고, 하반기 Rubin이 출하되기 시작함에 따라 본격화될 Agentic AI로 인한 컴퓨팅 수요 상승 추세를 코앞에 두고 있는 때입니다.

원문 흐름 16

TurboQuant는 유용하되, 과장해서 볼 사안은 아닙니다

구글이 2025년 4월 28일 공개한 TurboQuant는 KV Cache를 더 작은 크기로 압축하면서도, 복원 후 내적 값이 원래와 거의 비슷하게 유지되도록 설계된 기술입니다. 이를 위해 랜덤 회전, 양자화, 1-bit 보정 같은 과정을 거치며, 실시간 처리와 가속기 친화성까지 고려한 구조를 갖고 있습니다. 기술 자체는 분명 의미가 있습니다.

다만 이것이 하이퍼스케일러와 AI Labs의 메모리 투자 방향을 뒤집을 정도의 변수인지는 별개의 문제입니다. 이미 업계는 엔비디아 주도로 추론에 FP8 KV Cache를 사용해왔고, NVFP4 전환도 적극적으로 추진하고 있습니다. 그럼에도 불구하고 로직 반도체 가까이에 더 많은 DRAM을 붙이려는 흐름은 계속됐고, 결과적으로 DRAM 수요는 여전히 공급을 초과하고 있습니다. 플레이어들이 같은 예산으로 더 적은 메모리를 쓰는 길을 택한 것이 아니라, 같은 예산으로 더 높은 성능을 내는 길을 택하고 있다는 점이 핵심입니다. 흔히 말하는 제번스의 역설이 여기에도 적용됩니다.

실전에서는 TurboQuant의 병목도 분명합니다

실무 관점에서 보면 TurboQuant의 한계도 분명합니다.

가장 큰 문제는 랜덤 회전(Random Rotation) 과정입니다. 짧은 컨텍스트에서는 유효할 수 있지만, 컨텍스트가 길어질수록 이 과정 자체가 새로운 병목이 됩니다.

원문 흐름 17

실제 현장 의견을 종합하면 2,000토큰 이하에서는 쓸만하지만 컨텍스트가 2배가 될 때마다 속도가 2~7%씩 느려집니다. 긴 컨텍스트와 Agentic AI 워크로드 전반에 전면 적용하기에는 부담이 크다는 평가가 나옵니다. 거대 모델에서 장시간 구동해보면 긴 컨텍스트 구간에서 속도 저하가 더 분명해졌다는 설명도 있습니다. 지금은 컨텍스트 윈도우 백만 토큰의 시대입니다.

결국 TurboQuant는 메모리가 절대적으로 부족한 환경에서 성능 일부를 감수하고 더 많은 KV Cache를 저장하고 싶을 때는 유용합니다. 하지만 이미 메모리 여력이 충분한 하이퍼스케일러나 AI Labs 입장에서는, 성능 향상보다 오히려 추가 병목이 더 부각될 가능성이 있습니다. 로컬 LLM처럼 제한된 메모리 안에서 최대 효율을 끌어내야 하는 환경과, 대규모 인프라에서 절대 성능을 중시하는 환경은 판단 기준이 다르다는 의미입니다.

접근법이 다를뿐, 방향성은 같습니다

Engram, CMX, Dynamo, KVTC, TurboQuant, LPX 등 최근 등장하는 여러 접근법의 목적은 크게 다르지 않습니다. Chatbot과 Reasoning을 넘어 Agentic AI로 갈수록 연산량, 저장량, 전송량이 모두 10배 이상씩 급증하므로, 이를 어떤 계층에서 어떻게 분산해 처리할 것인가가 핵심 과제가 됩니다.

원문 흐름 18

(1) 한쪽에서는 손실을 최소화하며 KV Cache를 더 강하게 압축하려 하고, (2) 다른 한쪽에서는 캐시를 GPU에 더 가까운 위치에 두어 계층 이동에 따른 latency penalty를 줄이려 합니다. (3) 동시에 모델이 KV Cache를 다시 계산하지 않고 바로 찾아 쓸 수 있도록 cache hit rate를 높이는 방향으로도 최적화가 진행되고 있습니다. 이 흐름은 단순히 “메모리를 덜 써도 된다”는 이야기가 아니라, “같은 자원으로 더 높은 추론 성능을 어떻게 만들 것인가”에 대한 경쟁입니다. 이 모든 것은 파레토 프론티어를 확장시키기 위한 연구개발이지 같은 자원에서 최소값을 찾기 위한 경쟁이 아니라는 의미입니다.

멀티 에이전트 환경에서 KV Cache 효율화의 진짜 가치가 드러날 것입니다

지금의 KV Cache 효율화 기술이 가장 강하게 힘을 발휘할 수 있는 구간은, 단일 대형 모델이 혼자 추론하는 환경보다 멀티 에이전트 환경입니다. 멀티 에이전트 구조에서는 planning과 orchestration은 거대 모델이 맡고, 코드 생성이나 개별 작업은 소형 모델이 분담하는 식의 역할 분화가 기본이 됩니다.

이 경우 에이전트들이 서로 이력을 공유하고 수정하며 반복 루프를 돌기 때문에 컨텍스트가 훨씬 빠르게 불어납니다. 당연히 KV Cache도 크게 늘어납니다.

원문 흐름 19

다만 이런 작업은 대체로 task-specific 성격이 강해, 모든 문맥을 최고 해상도로 유지할 필요는 없습니다. 그래서 일부 손실이 있더라도 보다 공격적인 압축을 적용해도 결과물 품질 훼손이 크지 않을 가능성이 높습니다. 앞으로 KV Cache 압축 기술의 실전 적용처가 넓어진다면, 바로 이 멀티 에이전트 구간이 가장 유력합니다.

여전한 기술, 달라진 주주들의 반응

이번 KV Cache 압축 논의는 메모리처럼 이미 시장의 주도주였던 영역에서 변동성을 키우는 재료로는 작동할 수 있습니다. 하지만 산업의 큰 흐름을 뒤집는 변수로 볼 필요는 없습니다.

이미 FP16에서 NVFP4로의 전환, GQA, MLA(지금 TurboQuant는 6~8배 KV Cache 압축을 말하는데 심지어 MLA는 28배나 압축한 모델이었습니다) 등으로 KV Cache 부담을 줄이는 더 큰 변화들이 먼저 진행돼 왔습니다. 앞으로 멀티 에이전트 환경이 본격화되면, 소형 task-specific 모델을 중심으로 KV Cache 압축이 더 적극적으로 적용될 가능성은 있습니다.

그럼에도 현재 시점에서 핵심은 같습니다. Tier 1~2 AI Labs는 성능과 비용에서의 균형점을 맞추기 위해 계속 더 많은 메모리와 더 높은 효율을 동시에 추구하고 있습니다. 따라서 이번 이슈는 펀더멘털 약화보다, 과열 구간에서 나타나는 단기 소음으로 해석하는 편이 더 적절하다는 생각입니다.

원문 흐름 20

그리고 당연하게도 2023년 이후로 모든 Tier 1~2 AI Labs는 진짜 비법 레시피를 오픈소스로 공개하지 않고 있습니다.

가만히 있는 Contract Price, 횡보 중인 Spot Price

TrendForce DRAM, NAND 현물가들은 보합세를 유지 중입니다. 3월 계약가격이 유지되고 있고, 현물가격이 이미 계약가격보다 높은 상태에서 거래되고 있습니다. 4월에는 다시 계약가격이 상승하면 현물 가격 추이가 어떻게 되는지 계속 지켜볼 일입니다.

샌디스크(SNDK)

샌디스크SNDK은 Overweight을 유지합니다.

Nanya의 3자 배정 유상증자에 참여한 샌디스크

샌디스크, 키옥시아, 솔리다임, 시스코가 난야 테크에 3자 배정 유상증자를 발표했습니다.

샌디스크 : 보통주 138,685,000주를 주당 NT$223.9에 인수

키옥시아 : 보통주 70,000,000주를 주당 NT$223.9에 인수

솔리다임 : 보통주 71,393,000주를 주당 NT$223.9에 인수

시스코 : 보통주 71,500,000주를 주당 NT$223.9에 인수했습니다.

이들이 전체 배정받은 규모는 351,578,000주로 난야 테크 주식의 11% 정도입니다. 난야 테크의 실제 자본 증자 및 신주발행 기준일은 2026년 4월 8일입니다. 난야 테크는 메모리 반도체 공장을 새롭게 짓고 설비 구축에 돈을 쓸 예정입니다.

원문 흐름 21

샌디스크와 키옥시아는 NAND만 생산하기 때문에 DRAM, NAND를 같이 생산하는 기업과 달리 자사 고사양 NVMe eSSD 제품에 탑재되는 DDR4 제품 조달에 어려움을 겪어왔었습니다. 대략 데이터센터용 고성능 4TB 스토리지 SSD당 512MB~1GB 정도의 DRAM Cache가 필요합니다. 지분투자형 파트너십으로 신규 팹에서 나올 물량에 대해 우선 장기 공급계약을 맺는 사례입니다.

TrendForce, 1Q/2Q26 DRAM 및 NAND 가격 상향 조정

CY1Q26 (기준: QoQ) (자료: TrendForce, jukan)

DRAM

PC DRAM : 50~55% → 110~115% ▲

서버 DRAM : 60~65% → 93~98% ▲

모바일 DRAM : 45~50% → 58~63% ▲

전체 DRAM : 55~60% → 93~98% ▲

NAND

Enterprise SSD : 33~38% → 75~80% ▲

TLC/QLC NAND : 30~35% → 75~80% ▲

전체 NAND : 33~38% → 85~90% ▲

CY2Q26

DRAM

PC DRAM : 10~15% → 40~45% ▲

서버 DRAM : 10~15% → 43~48% ▲

모바일 DRAM : 13~18% → 58~63% ▲

NAND

Enterprise SSD : 15~20% → 68~73% ▲

원문 흐름 22

TLC/QLC NAND : 15~20% → 60~65% ▲

전체 NAND : 18~23% → 70~75% ▲

현물가격(Spot Price) > 계약가격(Contract Price) (차트: CLSA, 벨루가의 주식 헤엄치기)

DRAM 가격 중 일부가 스팟가격(현물가격) 기준 일부 하락했다고 언급되지만, 실제로는 계약가격에 비해 여전히 한참 위에 있습니다. 현재 현물가격은 DDR5 기준 $40 정도, 계약가격은 $30 정도입니다. DDR4 기준으로 보자면 현물가와 계약가 갭이 더 많이 벌어져 있습니다. DDR4의 현물가격은 $27, 계약가격은 $13입니다.

수요가 얼마나 구조화되고 있는가?

지금 메모리 주식을 볼 때 가장 중요한 포인트는 단기 스팟 가격의 등락 자체가 아니라, 수요가 얼마나 장기계약 형태로 구조화되고 있는가라고 생각합니다. 최근 주말 사이 시장에서는 오픈AI의 LOI를 고정 공급계약처럼 받아들이는 노이즈가 있었고, 스팟 가격 상승세가 다소 둔화되거나 일부 하락하자 사이클 종료를 우려하는 시선도 나왔습니다. 하지만 현재 국면은 수요 붕괴에 따른 사이클 종료라기보다, 급등 이후 나타나는 일시적 조정에 더 가깝다고 판단합니다. 실제로 가격 상승이 본격화되기 시작했던 2025년 9월 이후를 돌아보면, 12월에도 지금과 유사한 스팟 가격 조정 구간이 있었고, 그 자체가 구조적 훼손으로 이어지지는 않았습니다.

원문 흐름 23

오히려 더 중요하게 봐야 할 것은 하이퍼스케일러들이 앞으로의 AI 인프라 확장에 필요한 메모리를 선제적으로 묶고 있다는 점입니다. 이들은 향후 비즈니스를 계획하고 폭발적인 AI 인프라 수요에 대응하기 위해 다년 단위의 SCA를 체결하고 있으며, 메모리 업체들 역시 이를 단발성 호황이 아닌 구조적 성장으로 연결시키기 위해 노력하고 있습니다.

마이크론 자료를 통해서 전해드렸던 것처럼, 이번 분기 마이크론이 업계 최초로 5년 단위의 SCA를 체결했다고 밝힌 점은 상당히 상징적입니다. 첫 다년치 장기공급계약이 나온 것인데 SEC, SKH, MU 모두 빅테크와 3~5년 장기공급계약을 논의해오던 상황에서 마이크론이 가장 먼저 계약을 성사시켰다는 사실 자체가 긍정적인 신호이기 때문입니다.

이유는 세 가지입니다.

메모리 가격이 여전히 좋은 수준을 유지하고 있습니다.

하이퍼스케일러들은 AI 인프라 확대에 대비해 더 많은 메모리를 선제적으로 할당받고 싶어합니다.

Top 3 과점 구조에서는 한 업체가 먼저 물량을 묶기 시작할수록, 뒤에 남은 공급사들의 협상력이 더 높아질 수 있습니다. 마지막에 딜을 체결하는 업체일수록 더 많은 물량을 확보해야 하는 하이퍼스케일러들로부터 상대적으로 유리한 조건을 제시받을 가능성이 높기 때문입니다.

이런 흐름을 감안하면, SEC, SKH의 장기공급계약도 곧 나올 가능성들이 높다고 함께 묶어 생각할 수 있습니다.

원문 흐름 24

AI 서버향 프리미엄 메모리를 공급할 수 있는 소수 벤더들의 협상력이 과거보다 높아졌다는 의미이자, 고객사 역시 더 이상 과거처럼 수요-공급을 짧은 주기로 예측하며 움직히지 않는 환경에 들어섰다는 의미입니다. 이런 장기 계약이 늘어날수록 업체들은 수주 잔고를 바탕으로 생산과 투자 계획의 가시성을 높일 수 있고, 시장은 그만큼 이익의 질을 높게 평가하기 시작할 것이란 예상입니다.

그래서 지금 메모리 업종에 대해 기대하는 것은 이번 사이클에서 얼마나 가격이 더 오를까라기 보단, 현실적으로 더 기대하는 것은 정말로 장기 우상향 가능한 구조적 성장주로 재평가될 수 있느냐입니다.

이 부분에서 참고할 수 있는 사례가 HDD입니다. HDD는 폭발적인 고성장 산업은 아니더라도 데이터센터 중심 수요로 구조가 바뀌면서 QoQ 5~10% 수준의 비교적 완만한 성장만으로도 장기 실적 가시성을 인정받았습니다. 결과적으로 상당한 밸류에이션 프리미엄을 받고 있습니다. WDC, STX는 데이터센터 및 클라우드 노출도가 85~90% 수준으로 매우 높아진 뒤, 가격 안정성과 이익 가시성 및 하이퍼스케일러향 장기공급계약 구조를 바탕으로 CY26 PER 20배 정도로 평가받고 있습니다.

반면 메모리 업종은 아직 그 재평가의 초입에 있다고 봅니다. 시장은 여전히 메모리를 전통적인 사이클 산업으로 보는 경향이 강하고, 그래서 SEC, SKH, MU 모두 CY26 PER 4~6배 정도에 거래되고 있습니다.

원문 흐름 25

하지만 중기적으로 주요 고객 수요조차 충분히 충족시키지 못하는 공급 타이트 상황이 이어지고 있고, 수요의 상당 부분이 데이터센터향으로 집중되기 시작했다는 점은 과거와는 분명히 다른 변화입니다. 앞으로 메모리 기업들이 LTA, SCA 같은 계약 구조를 통해 수요의 가시성을 높이고, QoQ 성장률이 폭발적이지 않더라도 안정적으로 우상향하는 모습을 보여주는 과정에서의 리레이팅을 기대하고 있습니다.

로빈후드(HOOD)

로빈후드HOOD은 Neutral을 유지합니다.

Prediction Markets 불확실성

로빈후드의 Prediction Markets와 관련한 불확실성이 남아 있습니다. 미국 상원 의원들이 예측 시장을 금지하는 초당적 법안을 발의했습니다. 현재 Kalshi 거래량의 절반 이상이 스포츠 관련 계약인데 이것이 통과되면 주요 성장동력 중 하나가 사라질 수 있는 것이라 좋진 않습니다.

서클(CRCL)

서클CRCL은 Neutral을 유지합니다.

아직 CLARITY Act 법안을 놓고 계속해서 공방 중이긴 하지만, 최근 방향성은 USDC를 예치했다고 해서 이자를 지급하는 것은 없애고, 활동 기반 보상부 이자지급(리워드 개념)만 남겨두는 방식으로 정책이 짜여지고 있습니다. 서클에게는 좋지 않습니다.

서클은 일간보고, 주간전략, 서클 분석 자료들에서 결제량과 유통량의 차이를 말씀드리곤 했는데, 결제량 자체는 이미 USDC가 USDT보다 높으나 유통량(예치규모)은 USDT가 훨씬 높습니다.

원문 흐름 26

이유는 USDT는 제3국에서 인플레이션 헷지를 위해 사용하기에 예치금이 쌓여가는 구조이지만, USDC는 바이낸스나 코인베이스 등에서 Crypto Fair Trading용(BTC/USDC, ETH/USDC, SOL/USDC)으로 쓰이는 예치금 성격을 제외하면 선진국에서 결제하고 즉시 달러로 바꾸는 정도로만 주로 쓰고 있기 때문에 그렇습니다.

이 구조상 USDC 입장에서는 법정통화와 같은 가치를 부여받고 USDC를 기관들이 가만히 보관/예치하고 있을 때에도 이자를 지급받을 수 있도록 하는 설계가 꽤나 중요합니다. 이자를 주는 상품들과 경쟁하기 위해서 필요한 작업입니다. 물론 활동기반으로 무언가를 준다고 하더라도 지금보다는 채택량이 늘어날 것이라 예상하지만, ⓐ무조건 이자지급에 비해서 조건부 이자지급으로 가게 되면 기관 입장에서는 채택할 유인이 하락하므로 침투속도의 차이가 커지고, ⓑ여기서 모호하게 정의된 '활동기반 이자지급'을 어디까지 인정하느냐를 두고 다시금 줄다리기에 들어가야 할 것으로 예상합니다.

유니티(U)

유니티U는 Neutral을 유지합니다.

Unity Software, CY1Q26 잠정실적 발표

유니티가 1Q26 잠정실적을 발표했습니다.

잠정실적에서 전망한 매출은 $505~508M(가이던스 $480~$490M), Adj EBITDA는 $130~$135M(가이던스 $105~$110M)입니다.

원문 흐름 27

매출성장률로는 YoY 17%이고, Adj EBITDA 마진도 가이던스 22% 대비 26%로 양호하게 나온 것입니다.

성장은 1Q26에 QoQ 15% 성장할 Unity Vector와 생각보다 양호했던 Create 사업 실적 호조가 영향을 줬다고 말했습니다. 또한 4월 30일부로 ironSource 광고 네트워크를 종료하고, 게임 퍼블리싱 사업도 매각하여 매출의 외형은 줄어들지만 성장속도를 높이고 Adj EBITDA 금액증가 & Adj EBITDA 마진율 개선을 기대할 수 있게 된다고 말했습니다.

최근 워낙 많이 하락했었기에 단기적으로는 상승이 있을 것 같기는 하지만, 게임 광고 시장에서 올해의 주요 화두는 메타가 5년 만에 다시 게임 광고업계로 진입했다는 게 리스크입니다. 유니티는 후발주자인데 이미 게임광고 업계에서 시장 점유율이 가장 높은 앱러빈조차도 메타 관련 노이즈가 부각될 때마다 하락하고 있을 정도입니다. 그래서 이부분에 대해서는 메타의 Non-IDFA 전략이 얼마나 효과적일 것인가, 어느 정도만큼 영향을 받는다고 볼 수 있을 것인가가 제대로 정해지기 전이라 아직 불확실성이 있다고 봐서 투자의견은 Neutral로 유지합니다.

버티브(VRT)

버티브VRT는 Overweight을 유지합니다.

버티브, 제조 생산용량 확장

버티브가 AI 수요 대응을 위해 북미 제조시설을 크게 늘린다고 발표했습니다.

원문 흐름 28

총 4개입니다.

사우스캐롤라이나(2) : 두 개의 제조시설을 신설할 예정입니다. 데이터센터 모듈 제품을 더 많이 양산하기 위한 공장입니다. ⓐ데이터센터 전력 모듈 ⓑ아예 White Space 구축을 빠르게 만들 SmartRun 제품 등입니다. 완전 가동되면 모듈형 제품 생산 용량이 이전보다 7배 늘어날 것입니다.

펜실베니아(1) : 증설입니다. 랙 및 컨테이너 사업부에서 냉각 시스템 캐비닛 제조 용량을 확대하기 위해 기존 생산라인을 확장할 예정입니다.

멕시코 메히칼리(1) : 여기도 증설입니다. 전력, 배전 용량을 45% 확대할 예정입니다.

블룸에너지(BE)

블룸에너지BE는 Overweight을 유지합니다.

Bloom Energy CFO 임명 : Simon Edwards

블룸에너지가 1년간 공석이었던 CFO 자리를 채웠습니다. 새롭게 임명한 인물은 현 Groq CEO/전 Groq CFO였던 사이먼 에드워즈(Simon Edwards)가 2026년 4월 13일자로 CFO로 합류할 예정입니다.

사이먼 에드워즈는 Groq의 CFO로 쭉 있었던 인물입니다. 그러다가 Groq CEO와 주요 개발진이 엔비디아로 합류하고 나서 껍데기 상태였던 Groq에 남아서 잠시 CEO를 맡았다가 마무리를 한 뒤에 블룸에너지의 CFO로 옮긴 것입니다.

원문 흐름 29

꽤 적격인 CFO를 데려왔습니다.

데이터센터 업계, 가스터빈으로 파악하는 BTM 수요 및 공급

업계 전반을 파악하는 자료로서, 전력연구소(EPRI)의 선임 매니저가 얘기한 내용을 살펴보면:

대형 천연가스 터빈은 이제 주문하면 납품받기까지 60개월 이상이 걸리며, 가장 신속하게 대응할 수 있던 소형 터빈도 이제는 18~36개월이 걸립니다. 또한 EPRI 연구에 따르면 지난 6개월 동안 평균 가스터빈 가격은 kW당 $2,000 → $3,000로 50% 가까이 상승했습니다.

주문 구성이 바뀌고 있습니다. 2025년에 판매된 가스 터빈 중 70%가 100MW 미만급이었습니다. 24년에 66%였으므로 소형터빈 비율이 더 높아진 것입니다. 특히 3~20MW 모듈형에서 강한 성장 중입니다. 반면, H-Class/J-Class 등 초대형 터빈은 전체 설치대수의 14%이지만 신규 발주된 용량의 50% 이상을 차지했습니다. 데이터센터 시장에서도 비슷한 흐름입니다. 신규 데이터센터는 20~40MW 규모의 모듈형태로 구축하는 비중이 점점 더 늘어나고 있습니다.

가스터빈 자체가 수요에 대응할 수 있을 만큼 공급이 빠르게 늘고 있진 않은데, 공급망 내에서 수요를 충족하기 위한 충분한 주조품(블레이드와 베인), 충분한 공장의 공간, 충분한 숙련 노동자가 필요한데 이들이 부족하고, 변압기나 핵심 부품들도 마찬가지입니다.

원문 흐름 30

데이터센터의 BTM 프로젝트 수요 상승세

Barclays 애널리스트가 DCD Connect 컨퍼런스 당시 주요 발언들을 정리했습니다:

전력 공급이 여전히 중요한 상태이다.

1년 안에 확보할 수 있을 거라고 생각했던 데이터센터향 전력이 이제는 5년 간 받더라도 충분히 다 못 받는다고 해서 프로젝트를 BTM으로 선회했다는 고객이 있었다.

배관공, 전기공 등 숙련 노동인력 부족을 느끼고 있다.

이제 NIMBY(Not-In-My-Back-Yard)를 넘어, BANANA(Build-Absolutely-Nothing-Anywhere-Near-Anyone)으로 향하고 있고, 동네마다 전력가격 상승을 이유로 짚으며 데이터센터 건설 금지 요구가 더 강해지고 있다.

BYOP(Bring-Your-Own-Power)는 주로 천연가스에 의존하기에 천연가스 파이프라인 중단 위험을 고려할 때 어떻게 BTM 발전이 99.999%(five 9's)를 유지할 수 있을 것인가에 대해서 중요한 과제가 있었는데, BYOP 관련 패널 토론에서 대부분의 전문가가 현재 많은 수의 BYOP 프로젝트에서 99.9%(three 9's)만을 목표로 하고 있다고 말했습니다. five 9's를 하기 위해서 드는 추가비용이 너무 많아서입니다.

five 9's 정도까지를 요구하면 전력망과 연결하거나 혹은 BESS를 대규모로 깔수밖에 없는데, 이를 대체하여 three 9's정도까지는 블룸에너지 SOFC만 깔아서도 충분히 대응이 가능한 만큼 'BTM 프로젝트들의 전력망 안정성에 대한 요구치'가 낮아지면 블룸에너지에게는 긍정적이라고 봅니다.

원문 흐름 31

피겨 테크(FIGR)

피겨 테크FIGR는 Overweight을 유지합니다.

대출 금액으로 보면, 3월에 다시 상승세

대출 실행 수치로 보자면 3월부터 다시금 좋아지고 있습니다.

Provenance TVL 볼륨 재상승

오늘 피겨 테크의 ⓐHELOC 발행량 방향을 알 수 있는 Provenance TVL 볼륨은 $1.66B입니다. 계단식으로 상승하곤 했기에 매일 살펴볼 지표는 아닙니다만 트래킹 차원입니다. ⓑFigure Markets가 잘 돌아가고 있는지를 파악할 수 있는 YLDS 유통량 $602M입니다. 마찬가지로 계단식으로 상승하곤 했기에 매일 살펴볼 지표는 아닙니다만 트래킹 차원입니다.

Magnificent 7

다리오 아모데이가 말하고자 한 것들 ⑦, Spud/Mythos, ARM CPU, 중독 소송 여파

*왼쪽 테이블 : 2026년 3월 29일자로 EPS 추정치를 변경했습니다.

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

엔비디아, 26년 PER 19배 / Overweight

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)

원문 흐름 32

엔비디아 GTC 2026 Preview : 새로운 시대, 새로운 패러다임 (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)

앤스로픽 CEO 인터뷰 요약 : "Extremely fast, but not infinitely fast"

이번 <앤스로픽 CEO 인터뷰 : AGI로 벌어들일 수조 달러의 매출, "Extermely fast, but not infinitely fast"> 자료는 개인적으로는 원문을 볼 때, 최근의 개인적인 궁금증을 가장 많이 해소시켜줬던 인터뷰였습니다. 쭉 보면서 느끼기에는 파텔의 질문은 아모데이가 말하고자 하는 것에 대해서 이해하지 못하다보니 계속해서 맴돌았지만, 다양한 질문에도 근본적으로 같은 것을 말하고 있습니다.

1. “AGI는 생각보다 훨씬 가까이에 있다”

다리오 아모데이는 시장과 대중이 AI 발전 속도를 심각하게 과소평가하고 있다고 봅니다. 핵심은 “우리는 이미 상당한 발전을 거듭하여, 기하급수적 발전의 끝자락에 가까워지고 있다”는 인식입니다.

원문 흐름 33

특히 코딩처럼 검증 가능한 영역에서는 이미 인간 수준을 넘어 end-to-end 자동화 직전 단계에 접근했다고 해석합니다.

2. 발전의 본질은 '기발한 아이디어'가 아닌 '스케일링'이다

2017년부터 다리오가 보는 스케일링 법칙의 핵심요소들은 ①순수한 컴퓨팅 파워(raw compute), ②데이터의 양(quantity of data), ③데이터의 품질과 분포(quality and distribution of data), ④훈련 시간(training time), ⑤사전훈련과 강화학습 시에 무한하게 확장 가능한 목적함수(scalable objective function), 그리고 ⑥⑦거대한 컴퓨팅을 다루는 노하우(normalization, conditioning)입니다. 사전훈련만이 아니라 강화학습도 같은 스케일링 법칙 위에서 작동한다고 보기에, 여전히 스케일링 법칙이 유효하다고 자신함을 느낄 수 있던 인터뷰입니다.

3. 암기를 위한 것이 아닌, '일반화'를 위한 것

강화학습 환경을 구축하는 이유도 특정 툴 사용법을 암기하게 하기 위해서가 아니라, 다양한 과제를 통해 모델이 일반화 능력을 획득하게 만들기 위해서입니다. 이 세상의 모든 데이터들을 LLM에게 넣고 사전훈련시켜서 LLM이 아는 도메인의 사이즈를 키우면 키울수록 창의력이 높아지며 이런저런 작업을 할 때에도 쉽게 일반화시켜 적용하는 보다 인간 같은 지능이 나오고 있습니다.

원문 흐름 34

GPT-1에서 부족했던 것도 ②③의 부족이었습니다. 데이터의 규모를 훨씬 키우고 규모만 키우는 게 아니라 여러 데이터들을 commoncrawl, reddit으로 넣었더니 이 세상에 대해서 더 잘 이해하게 됐습니다.

강화학습도 마찬가지입니다. 일반화된 능력을 얻으려면 각종 능력들에 대해서 다루는 방법을 가르치고, 가르치면 가르칠수록 새로운 것을 배울 때 더 높은 지능을 가지고 배우는 데이터 샘플 효율성이 높아지고 있는 것입니다. 마치 백지상태인 사람에게 게임을 처음에 가르칠 때에는 어렵지만, RTS, 보드게임, MMORPG 등등 여러 가지 종류들도 다르고 장르도 다른 것들을 가르치고 나면 새로운 게임을 할 때에는 이전 게임에서 배웠던 패턴을 적용해가면서 보다 쉽게 배우는 것과도 같습니다. 따라서 LLM에서 보였던 것처럼 강화학습에서도 비슷한 일반화 능력이 길러지고 있다는 것이 아모데이의 생각입니다.

4. In-context Learning + Computer Use 조합으로도 AGI는 가능하다

사전훈련과 강화학습을 통해서 폭넓은 지식(양, 퀄리티, 분포측면)을 주입하고, 여기에 컨텍스트 윈도우를 크게 키우는 In-context Learning + AI가 컴퓨터를 사용하는 방법을 다루는 Computer Use만 붙이더라도 실무 능력이 지금까지 좋아진 속도보다 훨씬 더 급격하게 상승할 것이라 전망했습니다.

원문 흐름 35

시간이 지나면서 새로운 데이터를 학습하더라도 기존 학습 내용을 잊지 않도록 하는 Continual Learning 능력을 갖추기 위해 AI Labs들이 노력 중이고 1~2년 내에 해결할 가능성이 높지만, 이것을 해결하지 못하더라도 AGI 수준에는 도달할 수 있으며 그것자체로도 수조 달러의 경제적 가치를 만들 수 있을 거란 생각입니다.

5. 앞으로 1~3년 내로 매우 강력한 디지털 노동력을 갖게 될 것

결과적으로 10년 안에는 거의 확실하며, 1~3년 내로는 매우 강력한 AI를 가질 것으로 봤습니다. 거의 불가항력에 의한 확률을 제외하고서는 웬만하면 AGI 도달이 가능할 것이란 추정입니다. 다만, 코드의 90%를 작성하는 것과 엔지니어의 90%를 대체하는 것은 전혀 다른 단계라고 선을 그었습니다. 전체 코드의 90%를 AI가 만드는 단계 → 100%를 AI가 만드는 단계 → 소프트웨어 엔지니어 end-to-end 작업의 90%를 AI가 하는 단계 → 소프트웨어 엔지니어 작업을 100% AI가 수행하는 단계입니다. 단번의 대체가 아닌 생산성 향상을 통해 완전 자동화로 향하는 스펙트럼입니다. 빠르기는 하지만, 분명한 도입 '곡선'은 존재합니다.

6. "Extremely fast, but not infinitely fast" : 기술 발전과 매출화의 속도는 다르다

원문 흐름 36

AI의 지능은 The Big Blob of Compute Hypothesis가 가리키는 방향대로 매우 빠르고, 또 비교적 확실하게 발전합니다. 하지만 그 기술이 실제 경제 주체들 안으로 스며들어 매출로 연결되는 속도는 전혀 다른 문제입니다. 기업들은 보안, 법무, 규제, 레거시 시스템, 조직 변화 같은 현실적인 마찰을 하나씩 통과해야만 AI를 실제 업무에 적용할 수 있기 때문입니다.

그래서 AI의 확산은 0에서 1로 단숨에 점프하는 사건이라기보다, 연속적인 곡선을 따라 진행되는 S-curve에 가깝습니다. 이런 맥락에서 AGI의 등장은 곧바로 수조 달러 매출을 찍어내는 버튼이 아니라, 거대한 확산이 시작되는 출발 신호에 가깝다는 의미가 이것입니다. 인터뷰가 흥미로웠던 것도 이것입니다.

시장의 기대, 그리고 그 기대가 반영된 주가는 대체로 실제 확산 속도보다 더 빠르게 움직입니다. 그래서 체감상 모든 것이 마치 infinitely fast하게 전개될 것처럼 느껴지는 것도 자연스러운 일입니다. 하지만 다리오가 굳이 여러 차례 강조한 표현은 Extremely fast, but not infinitely fast였습니다. 기술의 발전은 폭발적일 수 있지만, 매출화와 산업 전반의 침투는 결국 현실 세계의 시간표를 따라갈 수밖에 없다는 것이 중요합니다.

원문 흐름 37

7. AI Labs의 적자와 CapEx는 전통적인 기업들과 다른 프레임으로 봐야 한다

AI Labs의 적자와 CapEx를 전통적인 기업들과 같은 방식으로 보다보면 AI 산업의 본질을 놓치기 쉽습니다. 일반적인 기업은 수요가 확인된 뒤 설비를 늘리고 규모의 경제를 통해 손익분기점을 넘긴 다음, 점차 안정적인 흑자 구조로 들어갑니다. 하지만 AI Labs는 반대입니다. 이들은 1~2년 뒤의 수요를 먼저 가정한 뒤, 그 수요를 감당할 막대한 컴퓨팅 인프라를 선제적으로 구매약정해야 합니다. 즉, 미래 수요를 예측해 먼저 CapEx를 집행하고, 그 이후 실제 수요가 얼마나 따라와 주느냐에 따라 단기 실적이 결정되는 구조입니다. 이 사업구조의 특성상 책임감 있는 투자 정책을 유지해야 한다고도 말한 것입니다.

이미 확보한 컴퓨팅 자원을 유저 서비스용 추론에 얼마나 배분할지, 혹은 차세대 모델 훈련용 연구에 얼마나 배분할지에 따라 실적이 갈리게 됩니다. 만약 수요를 과대평가해 실제 유저 수요가 예상보다 적다면, 남는 컴퓨팅 자원은 자연스럽게 차세대 모델 훈련으로 이동합니다. 이 경우 당장의 GPM은 낮아지고 큰 적자를 봅니다. 그러나 그 대가로 연구 속도는 빨라지고, 경쟁사를 압도할 수 있는 차세대 모델을 더 빨리 얻게 됩니다. 반대로 수요를 과소평가해 유저 수요가 폭발하면, 서비스를 감당하기 위해 연구용으로 잡아둔 컴퓨팅까지 추론에 투입해야 합니다.

원문 흐름 38

이 경우 추론의 높은 마진 덕분에 단기적으로는 큰 흑자와 높은 GPM을 기록할 수 있지만 차세대 모델 연구는 늦어지게 됩니다.

개별 모델과 회사 전체를 구분해 보면 더 명확해집니다. 예를 들어 2025년에 훈련한 어떤 모델이 훈련비용 $1B를 썼고, 그 모델로 $4B의 매출을 냈으며, 추론비용으로 $1B를 사용했다고 가정해 보겠습니다. 이 경우 전체 모델에 대한 GPM은 50%이고, 매출 대비 훈련비용 25%, 추론비용 25%입니다. 단일 모델 기준으로 보면 $2B의 이익을 낸 셈입니다. 그런데 회사 전체는 왜 적자를 보느냐 하면 지금은 그 모델이 벌어들인 현금을 회수하는 단계가 아니라, 다음 세대 모델을 훈련시키기 위해 $10B를 다시 쏟아붓는 단계이기 때문입니다. 개별 모델은 돈을 벌지만 회사는 적자를 보는 이유입니다.

지금 AI 산업에서는 더 높은 지능에 도달하기 위한 로그 스케일의 scale-up 경쟁이 벌어지고 있습니다. GPT-4급이 $100M → GPT-5 $1B → GPT-6 $10B 수준으로 모델 훈련비용을 지불하고 있습니다. 이러한 스케일업 과정에서 회사 전체의 손익은 당연히 다음 세대 훈련비용에 의해 눌릴 수밖에 없습니다. 하지만 이것은 모델이 돈을 못 벌어서가 아니라, '다음 세대 지능 확보를 위해 더 빠른 속도로 재투자하고 있어서' 나타나는 적자입니다.

원문 흐름 39

전통 기업의 적자는 본업의 수익성 부족에서 오는 경우가 많지만, AI Labs의 적자는 미래 지능 경쟁을 위한 선제적 비용 집행의 성격이 강합니다.

다리오 아모데이의 핵심 주장은 지능 향상을 위해 투입해야 하는 자본이 영원히 이전 세대 대비 10배씩 불어날 수는 없다는 것입니다. 스케일링이 계속 유효하더라도 추가 컴퓨팅이 만들어내는 성능 개선은 점차 로그 선형적인 수확 체감 구간으로 들어가고, 어느 시점부터는 더 많은 자본을 사전훈련에 쏟아붓는 것보다 내부적으로 AI를 적극 활용해 연구개발의 생산성을 끌어올리고, 같은 자본으로 더 높은 '토큰당 지능'을 뽑아내는 편이 더 효율적인 선택이 됩니다. 결국 어느 지점에서는 지능 향상을 위해 요구되는 추가 자본의 증가율이 둔화되고, 그때부터는 AGI가 만들어내는 부가가치가 더 이상 대부분 다음 세대 훈련비용으로 재투입되지 않고 기업의 구조적 이익으로 더 많이 쌓이기 시작한다는 논리입니다.

3월 26일, X에서 실리콘밸리 개발자가 하는 말 & Reddit에 올라온 앤스로픽 개발자를 옆에서 본 친구가 하는 말 등등 이미 앤스로픽은 Claude Code를 보다 독점적으로 사용함으로써 내는 부스트 효과를 보고 있습니다.

이미 앤스로픽은 2026년에 들어와서 타 연구소가 따라오지 못할 속도로 신제품들을 출시하고 있습니다.

원문 흐름 40

다리오 아모데이가 하는 말처럼 '우리의 모델이 가진 지능이 워낙 뛰어나기에 CapEx가 아닌 모델에서 나오는 토큰의 지능격차로 마진을 유지할 수 있는 시점이 올 것이다'라는 주장이 마냥 허황되지 않다고 보는 이유입니다.

1월 12일 : Claude Cowork (초기 릴리즈, Mac용으로)

1월 30일 : Cowork Plugin 출시 (모든 부서별 적용 가능)

2월 5일 : Opus 4.6 공개

2월 5일(2) : Claude in PowerPoint

2월 5일(3) : Claude in Excel

2월 10일 : Claude Cowork (Windows용 출시)

2월 17일 : Sonnet 4.6 공개

2월 20일 : Claude Code Security (보안)

2월 24일 : Claude Cowork Enterprise (기업용)

2월 25일 : Claude Code Remote Control (원격접속 및 실행 가능)

2월 25일 : Claude Cowork Scheduled Tasks (작업 예약실행 가능)

3월 2일 : Claude Memory (자동 메모리 기능, '기억해'하면 기억)

3월 6일 : Claude Marketplace (외부 기업들의 소프트웨어 모음)

3월 9일 : Claude Code Review (코드리뷰 자동화)

원문 흐름 41

3월 11일 : Excel/PPT Skills 업데이트 (업무 자체를 두 앱을 오가면서 동기화)

3월 13일 : 채팅 내에서 차트와 다이어그램 시각화 기능 추가

3월 14일 : 컨텍스트 윈도우 100만 개 GA

3월 17일 : Claude Cowork 원격제어인 'Dispatch' 출시

3월 20일 : Claude Cowork에 Projects 기능 도입

3월 21일 : Claude Code Channel (OpenClaw처럼 디스코드, 텔레그램으로 실행)

3월 23일 : Claude Computer Use (OpenClaw처럼 마우스/키보드 제어)

3월 24일 : Claude Code Auto Mode (자동으로 퍼미션 판단)

3월 27일 : 새로운 모델인 Claude Mythos에 대한 루머 공개

여기서 한 가지 더 중요한 점은, 설령 그 구조적 흑자 구간에 진입하더라도 이 AI 산업의 이익률이 완전 경쟁처럼 '0'으로 수렴할 가능성은 높지 않다는 것입니다. 이유는 이 산업이 처음부터 완전 경쟁 구조가 아니라, 극도로 높은 진입장벽을 가진 과점 시장의 성격을 띠고 있기 때문입니다. 막대한 자본, 데이터센터 구축 능력, 고도화된 모델 연구 역량, 인프라 최적화, 제품화 능력을 모두 갖춘 플레이어는 소수에 불과합니다.

원문 흐름 42

클라우드 산업이 대표적인 예시입니다. 클라우드 역시 기능적으로는 비슷해 보여도 막대한 초기 투자와 운영 난이도 때문에 결국 3~4개의 주요 플레이어만 남는 구조가 됐습니다. AI도 비슷한 길을 갈 가능성이 높습니다.

다리오가 언급한 쿠르노 균형의 뉘앙스도 결국 여기에 있습니다. 소수의 거대 플레이어가 독립적으로 경쟁하더라도, 이 시장의 이익이 완전 경쟁처럼 사라지지는 않는다는 것입니다.

결국 세 가지를 함께 봐야 합니다:

단기적으로 AI Labs의 손익은 고정된 인프라와 예측 불가능한 수요에 의해 크게 좌우됩니다.

중기적으로는 개별 모델이 GPM 50% 정도로 충분히 돈을 벌고 있지만, 다음 세대의 10x 시장을 목표로 하는 더 높은 지능을 가진 모델을 위한 로그 스케일의 훈련비용 때문에 회사 전체는 적자를 봅니다.

셋째, 장기적으로는 scale-up 비용의 증가율이 수확체감 구간에 들어가며 평탄화될 가능성이 높고, 동시에 시장 구조는 과점과 차별화 덕분에 이익률이 0으로 수렴하지 않을 가능성이 높습니다. 이 세 가지를 함께 놓고 보면, AI Labs의 적자와 CapEx는 전통적인 제조업이나 SaaS 기업의 적자와는 전혀 다른 의미를 가집니다.

GPU 스팟가격 상승세 가속화

B200, H100 스팟가격이 다시금 크게 상승하고 있습니다.

원문 흐름 43

스팟가격은 변동성이 큰 지표이기 때문에 이것만으로 업황 전체를 단정할 수는 없지만, 최소한 지금 이 순간에도 AI 컴퓨팅의 수요가 공급을 초과하고 있으며 그 정도가 점점 더 심화되고 있다는 것이 중요한 부분입니다.

Latency가 중요해진다 = Groq LPX가 중요해진다

마이크로소프트 AI CEO 무스타파 슐레이만도 "향후 몇 년간 AI 업계는 수요가 공급을 크게 웃도는 환경일 것이며, 결국 중요한 것은 어떤 기업과 제품이 토큰 비용을 감당할 수 있는 마진을 가지느냐"로 규정될 것이라고 말했습니다. 특히 이제부터는 latency가 제품에 대한 사용자들의 만족도에 영향을 미치고, 사용자에 대한 만족도는 곧 피드백 데이터를 통한 제품 개선에 쓰이면서 더 많은 사용자 확보를 만들기에 latency에 최적화된 모델과 인프라의 수요가 크게 증가할 것을 말했습니다. 엔비디아 입장에서는 Groq LPX의 가치가 지금보다 훨씬 더 높아질 것임을 상상할 수 있게 하는 코멘트여서 좋았습니다.

오픈AI와 앤스로픽의 차세대 모델이 온다

곧 Blackwell급 GPU로 사전훈련된 클러스터들이 배포될 예정입니다. GB200/300 NVL72로 훈련한 오픈AI의 Spud, Trainium 2/2.5로 훈련한 앤스로픽의 Mythos입니다.

원문 흐름 44

각각 1GW급 클러스터입니다.

사전훈련을 한다는 건 토큰 하나하나당 지능이 훨씬 더 많이 압축되어 있다는 의미입니다. 지금까지 Chatbot → Reasoning → Agentic AI를 거치면서 모델이 추론할 때마다 지능을 높였던 방법이 CoT(답변을 내놓기 전 스스로 생각할 때 더 많은 "토큰"을 사용하는)임을 생각해보시면, 새로운 사전훈련 모델은 다시금 AI Labs의 매출성장을 가속화할 것이고 AI HW의 수요도 끌어올릴 것임을 예상할 수 있습니다.

오픈AI는 차기 핵심 모델로 알려진 Spud의 초기 개발을 마쳤다고 전해졌고, 샘 올트먼은 자본 조달과 공급망, 그리고 전례 없는 규모의 데이터센터 구축에 더 집중하겠다고 알려졌습니다.

오픈AI, "Spud" (GPT-6로 추정)

3월 24일, 오픈AI CEO 샘 올트먼이 직원들에게 보낸 메시지는 이렇습니다:

자금 조달, 공급망 구축, 전례 없는 규모의 데이터센터 구축에 집중하기 위해 회사 안전 및 보안 팀에 대한 직접적인 감독 권한을 포기했다. 안전팀은 최고연구책임자인 연구 조직으로, 보안팀은 공동창업자 겸 사장인 확장 조직으로 이동 예정이다.

코드명 Spud인 차세대 주요 모델의 사전훈련을 완료했다. 몇 주 안에 매우 강력한 모델이 나올 것으로 예상하며, 경제 성장 모델을 실질적으로 가속화할 수 있을 것이라 믿는다.

원문 흐름 45

상황이 오픈AI 연구진들 다수가 예상했던 것보다 훨씬 빠르게 진행되고 있다.

컴퓨팅 중요도 낮은 Sora 모바일 서비스 종료할 것이다. *이로 인해 디즈니의 오픈AI $1B 투자는 철회 예정* 이를 통해서 Spud 추론에 필요한 컴퓨팅 리소스를 확보할 계획이다. 또한 ChatGPT 비디오 기능도 당분간 미룰 예정이다. 대신 Sora 연구는 앞으로 월드모델을 만드는 데 집중할 것이다.

제품 조직의 이름을 "AGI 배포"로 바꿀 것이다. 각종 기능들을 통합하여 하나의 슈퍼 앱을 만들 것이다.

앤스로픽, "Mythos" (Claude 5.0로 추정)

데이터 유출로 인해서 앤스로픽도 Claude Mythos를 시험 중임이 밝혀졌습니다. 관련 보도와 유출 초안에 따르면 Mythos는 기존 Opus 위의 새로운 티어로 설명되며, 기존 최고 모델 대비 코딩·추론·사이버보안 영역에서 큰 폭의 성능 도약을 예고하고 있습니다. 특히, 앤스로픽은 Fortune과의 인터뷰에서 "새로운 모델이 획기적인 변화를 가져왔다"고 말했으므로 두 AI Labs 모두 자신있어 하는 모습입니다.

정식 출시 시점과 실제 배포 규모는 아직 확정적으로 볼 수 없지만, 지금도 수요가 높은 상황에서 이런 차세대 모델들이 실제 제품과 서비스에 붙기 시작하면 추론 수요까지 한 번 더 점프할 가능성이 큽니다.

원문 흐름 46

Agentic AI의 시대 : ARM, CPU 완제품 판매로 넘어가다

ARM이 AI용 CPU인 AGI CPU를 출시했습니다. 기존에는 IP를 라이선스하는 사업이 중심이었고, 이후 CPU 모듈 제공까지 영역을 넓혀왔는데, 이제는 완제품 칩까지 직접 판매하는 구조로 한 단계 더 올라선 것입니다.

ARM 경영진은 "AGI CPU의 ARR이 향후 5년 내에 ARR $15B까지 될 수 있다(new chip business will generate over $15B in ARR within five years)"고 말했는데 이정도면 지금 매출이 TTM $4.67B 수준이므로 5년 동안 신제품으로 더해지는 규모만 현재 매출의 3배 정도까지는 더할 수 있다는 의미입니다. 또한 전사적으로는 기존 사업에서도 성장을 이어갈테니 앞으로 5년 내 매출을 $25B까지 끌어올리겠다는 목표입니다.

수익성 측면에서는 생각보다 긍정적이었습니다. IP만 판매하던 구조와 비교하면 완제품 칩 판매는 마진율이 낮아질 수밖에 없지만, 경영진은 최소 30% 이상의 OPM은 유지할 수 있다고 언급했습니다. ARM 현재 TTM OPM이 19% 수준이라는 점을 감안하면, 사업 믹스 변화로 전사 마진 구조가 일부 달라지더라도 영업이익 규모와 레버리지 효과는 오히려 더 커질 수 있다는 의미입니다.

원문 흐름 47

다만 이것이 실제로 가능한지에 대해서는 아직 판단할 데이터가 충분하지 않습니다. 실제 운영 환경에서 어느 정도의 성능, 전력 효율, TCO를 보여줄지 검증된 바가 없기 때문입니다. 발표 직후 기준으로 든 생각이기에 향후 판단은 달라질 수 있지만, 현재는 이미 높은 밸류에이션을 받고 있는 기업이 큰 성장 목표를 먼저 제시한 단계라고 보는 편이 맞습니다. 매우 러프하게 CY27 매출 $12B, 순이익률 20%를 가정하더라도 EPS는 $2.4 수준이고, 이를 기준으로 하면 CY27 PER은 대략 60배입니다. 꽤 높습니다. 결국 지금은 실현 가능성보다는 기대가 먼저 반영된 구간에 가깝다고 보고 실제 성과를 확인하면서 판단할 생각입니다.

수요처별로 보면, 하이퍼스케일러들에게는 ARM의 AGI CPU를 채택할 유인이 크지 않다고 봅니다. 이들은 이미 ARM IP를 활용해 자체 CPU ASIC을 설계하고 있으며, 그 목적 역시 AWS나 GCP 같은 각자의 시스템 구조에 맞는 칩을 만드는 데 있습니다. 즉, ML/System co-design의 강점을 극대화하는 것이 핵심이기 때문에, 더 높은 부가가치를 지불하면서까지 ARM의 완제품 CPU를 대규모로 구매할 유인은 크지 않을 수 있습니다.

반면 AI Labs 입장에서는 이야기가 다릅니다.

원문 흐름 48

이들은 제한된 칩 설계 인력을 AI 가속기에 집중하고, CPU는 Merchant 제품을 구매하는 전략을 택해온 경우가 많습니다. 따라서 NVL 랙에 들어가는 Vera CPU를 제외하면, 일반 GPU 서버 랙용 CPU 시장에서는 Intel, AMD, ARM 가운데 어떤 제품을 택할지 선택할 수 있는 구도가 됩니다.

실제 AGI CPU의 초기 채택 고객으로 거론되는 곳들을 보면 Meta, OpenAI, Cerebras, Cloudflare, SAP SE, SKT, F5 등이 있습니다. 메타는 최근 MTIA 프로젝트 지연 이후 복수의 Merchant 벤더를 채택해 경쟁시키는 방향으로 피벗한 것으로 보이고, 오픈AI 역시 소프트뱅크(ARM 지분 90%를 가진 주주)가 핵심 자금 제공자 중 하나라는 점에서 초기 채택 배경을 어느 정도 이해할 수 있습니다. 다만 중요한 것은 누가 채택했느냐보다도, 실제 운영 환경에서 얼마나 좋은 TCO 대비 성능을 보여주느냐입니다.

산업 구조 측면에서 보면, 이번 ARM의 행보는 엔비디아와 정면으로 충돌하는 그림이라기보다 x86 진영을 압박하는 성격이 더 강하다고 봅니다. GTC 2026에서 확인된 것처럼 핵심 컴퓨팅 단위는 개별 칩에서 랙, 더 나아가 Pod 단위로 이동하고 있습니다.

원문 흐름 49

분산 추론 환경에서는 하드웨어, 소프트웨어, 네트워킹을 묶은 전체 시스템 효율이 중요해지고 있으며, 단일 가속기의 성능 비교만으로 경쟁력을 판단하는 시대는 지나가고 있습니다. 이런 관점에서 ARM의 AGI CPU 등장은 엔비디아의 점유율을 직접 훼손하는 변수라기보다, 엔비디아 생태계 바깥의 CPU 선택지를 넓히는 정도로 보는 편이 더 적절합니다. 여러 시나리오를 감안하더라도 엔비디아는 지금보다 점유율을 빼앗기기보다 오히려 '현재 점유율보다는' 더 가져가는 흐름에 가깝다고 생각합니다.

반대로 인텔과 AMD 같은 x86 기업들에 좋은 뉴스는 아닙니다. 새롭게 열리는 AI 서버용 CPU 시장에서 ARM이 의미 있는 점유율을 확보하기 시작하면, x86의 파이는 점차 줄어들 수밖에 없기 때문입니다. 실제로 ARM의 피치덱 자체도 x86의 비효율성을 강조하면서 그들의 파이를 가져오겠다는 의도가 강하게 드러납니다.

*Rubin향 HBM4 output이 많지 않을 것이라는 SemiAnalysis 자료도 있었습니다만, NVDA/MU의 최근 HBM4 발표자료들과 비교해보면 대치되는 부분들이 있어서 옮기지는 않았습니다.

애플, 26년 PER 27배 / Underweight

애플 3Q25 실적발표 코멘트 / 주간전략보고 中 (바로가기)

원문 흐름 50

신규 앱 출시량의 증가 → 앱 심사 병목

Claude Code + Opus 4.5 조합부터 본격적으로 앱스토어 내의 신규 앱 출시량이 증가하기 시작했습니다. 문제는 애플의 앱스토어 검토 대기시간이 병목이 되고 있다는 것입니다. 애플은 앱스토어에 제출된 앱과 앱 업데이트에 대해서 모두 사람이 직접 검토하고 있기 때문입니다. 인디 개발자들을 비롯하여 X의 개발 책임자도 애플의 앱 심사 기간이 현저하게 길어졌다고 말하고 있습니다.

구글, 26년 PER 23배 / 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)

SNS 중독 소송 손해배상 판결의 나비효과

최근 로스앤젤레스 배심원단이 인스타그램과 유튜브에 중독성을 유발하는 설계 결함이 있다고 판결했습니다. 인스타그램 소유주인 메타에 70%, 유튜브 소유주인 구글에 30%의 책임이 있다고 판단한 것이고, 손해배상금 자체는 $3M로 많지 않습니다.

원문 흐름 51

그러나 문제는 현재 계류 중인 3,000건 이상의 SNS 중독 소송에 대해서 메타와 구글에게 불리한 선례가 생겼다는 게 부정적인 요소입니다.

항소 절차가 시작되었고 메타와 구글 모두 항소 의사를 밝혔는데, 문제는 메타와 구글로 하여금 앞으로 생길 수백~수천 건의 소송에서 자신들의 설계가 중독성을 일으켜서 개인의 삶에 문제적인 영향을 끼치지 않았음을 입증해야 하는 책임이 좀 더 무거워졌다는 게 문제입니다.

헤드폰을 실시간 번역기로 바꿀 수 있게 됐다

구글이 구글 번역기에 '헤드폰을 사용한 실시간 번역' 기능을 추가했습니다. 안드로이드 및 iOS 사용자 모두를 위해 서비스할 수 있으며 여행을 하건 사람들과 대화를 하건 언제든 실시간 통번역사를 고용하고 있는 것과 같은 효과를 낼 수 있게 됐습니다. 언어의 장벽이 빠르게 무너지고 있습니다.

이를 지원할 Gemini 3.1 Flash Live 모델도 출시했습니다. 제미나이가 멀티모달 능력으로는 오픈AI, 앤스로픽 모델들에 비해서 보통 더 뛰어난 성능들을 보이고 있는 만큼 이미지, 영상, 음성을 활용한 사용 사례에서 나름의 엣지를 갖는 사용 사례를 찾아가고 있습니다.

TPU 출하량 전망치 지속 상향

GF증권이 TPU 출하량 전망치를 CY26 450만 개 → CY27 790만 개로 예상했습니다.

원문 흐름 52

원래 CY27 600만 개였음을 감안하면 30% 정도 추가 상향한 것입니다. 브로드컴이 설계한 TPU 출하량은 CY26 410만 개/CY27 580만 개일 것으로 전망했습니다. 메타의 MTIA 출하량 전망치는 CY26 30만 개/CY27 50만 개로 최근 지속 하향 중입니다.

Waymo 주간 유료승차건수 50만 건 돌파

웨이모 주간 유료승차건수가 다시 가파르게 상승하고 있습니다. 2026년 1월에 마이애미에서 서비스 Fleet을 키우기 시작했고, 2026년 2월에는 댈러스, 휴스턴, 샌안토니오, 올랜도에서 서비스하기 시작한 효과입니다. 계속해서 확장 가능한 솔루션임을 보여주고 있는 터라 유료승차건수의 규모를 키운 다음, 이러한 수요에 맞는 저가형 차량을 배포하기 시작하면 로보택시의 unit economics를 맞출 수 있다는 게 웨이모의 계획입니다.

Agent Smith 개발

구글이 내부적으로 코딩 에이전트인 Agent Smith를 개발 및 배포 중입니다. Antigravity 플랫폼 기반의 에이전트이며, 스마트폰에서 제어 가능하고 백그라운드에서 실행할 수 있는 모델입니다. 아직 제미나이의 코딩 모델 중에서 유의미한 성능을 내는 모델이 아직 안 나왔는데, TPU v7 컴퓨팅이 추가되는 속도에 맞춰서 구글도 새로운 모델을 출시할 것으로 예상합니다.

원문 흐름 53

일단은 앤스로픽이 선도하고, 오픈AI이 추격하며, 구글은 조용한 양상입니다.

마이크로소프트, 26년 PER 20배 / 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)

자금을 확보한 오픈AI, 컴퓨팅 집중

오픈AI CFO인 사라 프리어가 CNBC 짐 크레이머와의 인터뷰에서 밝힌 내용은 이렇습니다:

최근 $730B 밸류 자금조달의 일환으로 아마존 $50B + 소프트뱅크 $30B + 엔비디아 $30B로 총 $110B를 자금조달 했었는데, 그 이후 최근 a16z, DE Shaw, MGX 등으로부터 $10B 투자를 받고 있어서 총 $120B를 자금조달할 것으로 예상됩니다.

현재 오픈AI 매출의 60%가 B2C에서, 40%가 B2B에서 나오고 있으며 올해 말쯤에는 50대 50에 가까워질 것이라고 봤습니다. 이전 가이던스와 같습니다.

원문 흐름 54

또한 Sora 앱을 서비스 종료한 것에 대해서는 컴퓨팅 자원이 부족하기 때문에 우선순위 차원에서 종료한 것이라고 답했습니다.

오픈AI가 성인용 챗봇 개발 계획을 무기한 보류했습니다.

2025년 하반기에 오픈AI가 B2C에서 돈을 더 벌기 위한 방법으로 고민했던 것이었는데, 지금은 Claude Code와 Codex 등 B2B 제품을 어떻게 더 잘 만드느냐가 훨씬 중요해졌기에 굳이 매출성장도 적을 성인용 챗봇에 컴퓨팅과 인재를 할당할 여유가 없습니다.

그리고 최근 머스크의 xAI Grok 모델이 아동을 포함한 실제 인물들의 성적인 이미지를 만들어서 노이즈를 일으키고 있는데, 이것이 실제로 법적인 제재로 이어지려 하는 등 좀 복잡한 문제가 되고 결과적으로 B2B 사업에 도움이 안되기 때문입니다.

아직은 미약한 광고사업, 기대는 아직 남아있다

오픈AI가 광고사업 시범 운영 과정에서 6주 만에 ARR 기준 광고매출 $100M를 돌파했습니다. 아직은 시범정도만 한 거라서 규모가 작긴 합니다. 다만, 곧 노출량을 크게 늘리면 매출은 더 높아질 것으로 예상합니다. 추이를 계속 살펴볼 예정입니다.

원문 흐름 55

아마존, 26년 PER 25배 / 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)

AWS, 내부 AI 에이전트 적극 배포 중

AWS가 수백 명의 직원을 해고한 뒤 AI 에이전트 도입을 확대하고 있습니다. AWS 전반의 기술적인 지식을 모두 합친 에이전트입니다. 직원들의 평에 따르면 현재 B2B로 엔지니어들의 기술적인 질문에 신속하게 답변해주는 AI 에이전트를 개발하여 적용 중인데 사이버 보안, 서버 네트워킹 분야의 수천 명의 AWS 엔지니어들이 하는 업무 중 일부를 대체하는 수준이 됐다고 말했습니다. 메타에서도 My Claw 제품을 통해서 기술자들이 Q&A를 하는 대신 보다 더 생산적인 작업에 집중할 수 있도록 Q&A 답변을 자동화시켜주는 에이전트를 적극 도입 중인데 AWS에서도 비슷한 상황입니다.

AWS Trainium 핵심인사 이탈

AWS Trainium 칩은 아마존 내의 Annapruna Labs가 설계하고 만듭니다. 여기에서 AWS 수석 디렉터로 활동하며 AWS의 ASIC 개발을 이끌던 이사인 가디 허트(Gadi Hutt)가 회사를 떠났습니다.

원문 흐름 56

최근 들어서 ASIC 중에서 TPU 정도를 제외하면 Trainium, MTIA, Maia까지 차세대 칩 설계가 지연되거나 주문량으로 보자면 크게 늘리고 있지 않고 있습니다. AWS도 올해 오픈AI를 유치하면서 엔비디아 칩 구매량을 꽤 늘릴 계획입니다.

Claude, ChatGPT에 이어 가장 많이 사용되는 앱이 되다

앤스로픽의 Claude가 Gemini, Grok, DeepSeek를 제치고 ChatGPT에 이어 가장 많이 사용되는 차세대 AI 앱으로 자리잡았습니다. 몇 가지 생각을 더해보면, ⓐChatGPT의 DAU가 대략 1억 명임을 감안하면 다른 기업들의 챗봇 DAU가 1000~1500만 명 정도인 건 상대적으로 비교대상일 정도는 아닙니다. ⓑ구글 제미나이는 안드로이드 기본 앱으로 탑재되는 규모 + 각종 구글 앱에서 제미나이를 실수로 켜는(MSFT Copilot 비슷) 규모가 꽤 되다보니 큽니다.

OpenClaw류 에이전트에 대한 수요는 여전히 높다

OpenClaw 다운로드 수가 계속해서 높게 유지되고 있습니다. Claude가 오픈클로의 기능들을 지원해서 잠시 다운로드 수가 하락하기도 했었는데 최근 다시 상승 추세입니다.

원문 흐름 57

Agentic AI에 대한 수요가 상당히 높고 기술적으로는 준비되었음을 보여주는 차트들이라고 보시면 됩니다.

앤스로픽 신제품 도입이 점점 더 빨라지는 중

앤스로픽이 OpenClaw와 비슷한 기능을 출시했습니다. Claude가 컴퓨터를 사용해서 작업을 완료할 수 있도록 하는 것입니다. Claude Cowork 및 Claude Code를 사용하여 앱을 열고, 브라우저를 돌아다니고, 스프레드시트를 채우는 등 지식근로자가 하는 모든 작업을 수행할 수 있습니다.

메타, 26년 PER 17배 / 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, 에이전트 사업에 집중

메타가 AI 에이전트 스타트업인 Dreamer의 창업자와 주요 멤버를 영입했습니다.

원문 흐름 58

Dreamer는 사용자가 업무를 자동화할 수 있는 개인 맞춤형 AI 에이전트를 만들고 서비스하고 있었습니다. 메타가 최근에 Manus 인수도 그렇고 개인용 에이전트 개발을 위한 인재 확충에 힘을 싣는 중인데, 어쨌든 이것도 자체 파운데이션 모델이 잘 뽑혀야 가능할 것이라 5월쯤으로 출시가 연기된 Avocado가 어떤가를 봐야 합니다.

쇼핑에 대해서 놓지 않고 있는 꿈

메타가 곧 인스타그램과 페이스북 콘텐츠에 쇼핑 링크를 추가하는 방식으로, Facebook Affiliate 프로그램을 확장할 예정입니다. 마치 TikTok Shops처럼 운영하는 구조가 될 것이며 초기 파트너사로는 미국에서는 아마존/이베이, 남미에서는 메르카도리브레, 아시아에서는 쇼피가 꼽혔습니다.

메타 입장에서는 광고를 넘어서 이커머스, 결제까지 침투하여 TAM을 확 키우려는 게 목표이기에 계속해서 이커머스의 First Funnel 역할로 자리매김하려 시도하고 있습니다. 소비자들이 페이스북/인스타그램/왓츠앱/스레드에 판매자들이 올린 링크로 들어가 구매하게 되면 일정 비율의 수수료를 받는 구조를 만들고 싶어하고 있습니다. 구글, 메타, 오픈AI가 하고 싶어하는 방향이 다 비슷합니다.

원문 흐름 59

자잘한 업데이트

메타 관련 짤막한 보도들도 나왔습니다:

메타가 중소기업들의 AI 도입 촉진을 위해서 Meta Small Business를 출시했습니다.

메타가 회사 전반에 걸쳐서 수백 명의 직원을 해고할 예정입니다. 4Q25 기준 7만 8천 명의 직원 중에서 수백 명이므로 감원 규모가 많진 않습니다.

두뇌에 대한 연구 지속 "TRIBE v2"

메타가 인간의 두뇌가 어떻게 시각과 청각 자극에 반응하는지를 예측하도록 훈련된 파운데이션 모델인 "TRIBE v2"를 출시했습니다. 700명 이상의 사람으로부터 얻은 500시간 이상의 fMRI 기록을 활용해 신경계 활동의 디지털 트윈을 생성한 결과입니다.

테슬라, 26년 PER 176배 / Underweight

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

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

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

로보택시 디자인이 약간 바뀌었다

원문 흐름 60

David Moss가 올린 자료에 따르면, 오스틴 시내에 전시된 테슬라 사이버캡의 로고 그래픽이 좀 더 그래피티스럽게 바뀌었습니다.

기가텍사스에 새롭게 등장한 휠베이스 확장된 Model Y Long Range

Joe Tegtmeyer가 올린 사진으로 보시면, 기가텍사스 현장에 미국시장에 없었던 새로운 차가 등장했습니다. 파란색 비닐로 덮인 본체가 나무 상자 안에 담겨있는데, 중국에서 먼저 출시했던 휠베이스를 확장한 모델Y L로 보입니다. 일반적인 모델Y보다는 더 길쭉한 모습입니다. 텍사스에서도 모델Y L를 생산하기 시작하면 대형 SUV를 만들지 않고도 넓은 실내 공간을 원하는 미국 내 SUV 수요를 충족시킬 수 있을 것으로 예상합니다.

FSD 언락 툴 확산 중

원래는 FSD를 사용 허가받은 국가에서만 사용할 수 있도록 지오펜스가 걸려있는데, 최근 mikegapinski가 지역별 락이 걸려있는 것을 푸는 툴을 배포하고 있습니다. FSD가 작동하는 미국이나 캐나다 등으로 인식하게 해주는 툴을 500유로 정도에 판매하고 있습니다.

그럼에도 빠진내용 정리

잡담·곁다리 내용

별도 참고사항이 없습니다.

생략 기록

별도 생략 기록이 없습니다.

원문 확인

document_work_runner prepare가 입력 원문을 수정 없이 보존했다.

원문 다운로드 새 창에서 보기