2026.10.06 · 네이버 프리미엄 콘텐츠 · 올바른 미국주식 by SAPIENS

유형
네이버 프리미엄 콘텐츠
날짜
2026.10.06
강연자/작성자
올바른 미국주식 by SAPIENS
분석 주제
미지정
자료 길이
본문 12,880자
1

문서 전체 조망

핵심 구조

AI 추론 확장이 메모리·인터커넥트·전력의 병목을 다시 묻는다

이 일간 보고서는 AI 모델·하드웨어·전력·광학·광고·핀테크의 관찰을 묶는다. 작성자는 추천·참여·수익화 플라이휠과 메모리 Phase 2의 Q 증가형 랠리를 중심으로, 추론 확장이 데이터센터 구성요소의 제약을 어떻게 바꾸는지 설명한다.

모델 성능은 속도와 작업시간의 교환을 함께 본다

GPT-6.1 Sol의 낮은 TPS는 성능과 작업당 비용 대신 작업당 시간을 희생한 결과라는 맥락이다. Tibo가 첫 업데이트에서 TPS를 30에서 50으로 높인 사례는 속도가 별도 개선 과제임을 보여준다.

추천 시스템은 학습·추론·수익화를 순환시킨다

메타는 더 긴 사용자 상호작용 기록과 랭킹 구조 개선으로 추천 품질을 높이고, 참여 시간 증가를 광고·구독 수익으로 연결해 다음 훈련 비용을 충당하는 구조다.

광학은 전력 절감만이 아니라 고장 범위를 따져야 한다

CPO의 전력 절감 효과는 데이터센터 전체 기준으로는 제한적일 수 있고 광학 칩 실패가 GPU·스위치·메모리까지 함께 멈출 수 있다. 따라서 모듈 단위로 실패를 분리하는 NPO가 오래 병존할 수 있다고 본다.

메모리의 다음 단계는 물량과 연결망이다

하이퍼스케일러가 메모리를 원하는 만큼 사기 어려워지면서 장기 계약과 직접 구매약정이 나타났고, 이후에는 더 큰 스케일업 도메인을 위해 컴퓨트·메모리·인터커넥트를 함께 키우는 문제가 남는다.

고속 추론 수요는 아직 실적으로 확인할 대상이다

HFT와 지속형 개인용 에이전트가 초고속 추론 용량을 두고 경쟁할 수 있다는 전망을 소개한다. 다만 쪽지 정보만으로 확률 게임을 하지 않고 실제 실적을 확인한 뒤 판단하겠다는 기준을 함께 둔다.

광고·결제 지표는 경쟁과 사용처를 분리해 읽는다

앱러빈 CTO의 비제로섬 발언과 별개로 유니티의 엔진 결합·소송 상황을 고려해야 한다. 반면 USDC 유통량은 암호화폐 페어 트레이딩 예탁금 영향이 커 결제 펀더멘털 변화로 보기 어렵다고 구분한다.

ANALYSIS VIEW사건별 사실과 작성자의 판단, 지속 정보를 나누어 읽기
2
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 26-10-1

26-10 앱러빈의 유니티 금지명령 신청 기각

작성자의 핵심 판단

작성자는 이 사정과 유니티 엔진 결합을 고려하면 유니티 강세 논리를 바꿀 발언은 아니라고 평가한다.

근거 보기 2
  1. 원문 구간 1

    앱러빈도 같은 상황으로 성장할 수 있다"라고 말했습니다. 앱러빈 CTO 발언 그자체는 제로섬 게임이 아니라, 앞으로 나아가면서 더 많은 파이를 차지할 게 많다는 것을 강조하기 위한 맥락으로 이해하고 있습니다. 그래도 투자자 입장에서 중요한 것은 ⓐ유니티의 시가총액이 앱러빈의 5분의 1 정도라는 점, ⓑ앱러빈이 유니티를 상대로 손해배상을 청구하면서 소송을 제기했는데 가처분 신청이 법원에서 기각됐다는 점, ⓒ구글과 메타는 자체 광고 인벤토리를 갖고 있는 기업이지만 앱러빈과 유니티는 엄밀히 말하면 '자체'는 아니라는 점, ⓓ특히 그 와중에 유니티는 유니티 엔진과 결합하여 그나마 더 많은 플라이휠을 돌릴 수 있지만 앱러빈은 그렇지 않은 점 등을 고려하자면 유니티 강세에 대한 논리를 바꿀 코멘트는 아니라 생각합니다.

  2. 원문 구간 2

    앱러빈 제국을 무너뜨리고 있는 유니티에 대해서도 이번 주 주간전략보고에서 전해드린 바 있습니다. ​ (2) 브라질 대선 1차 투표에서 보우소나루가 깜짝 선두를 달성하면서, 아직 결선투표가 남긴 했지만 MELI에게는 순풍이 될 것이란 예상으로 MELI가 강세였습니다.

이 자료에서 다룬 사실

앱러빈이 유니티를 상대로 손해배상을 청구하며 낸 소송의 가처분 신청은 법원에서 기각됐다고 적었다.

근거 보기 1
  1. 원문 구간 1

    앱러빈도 같은 상황으로 성장할 수 있다"라고 말했습니다. 앱러빈 CTO 발언 그자체는 제로섬 게임이 아니라, 앞으로 나아가면서 더 많은 파이를 차지할 게 많다는 것을 강조하기 위한 맥락으로 이해하고 있습니다. 그래도 투자자 입장에서 중요한 것은 ⓐ유니티의 시가총액이 앱러빈의 5분의 1 정도라는 점, ⓑ앱러빈이 유니티를 상대로 손해배상을 청구하면서 소송을 제기했는데 가처분 신청이 법원에서 기각됐다는 점, ⓒ구글과 메타는 자체 광고 인벤토리를 갖고 있는 기업이지만 앱러빈과 유니티는 엄밀히 말하면 '자체'는 아니라는 점, ⓓ특히 그 와중에 유니티는 유니티 엔진과 결합하여 그나마 더 많은 플라이휠을 돌릴 수 있지만 앱러빈은 그렇지 않은 점 등을 고려하자면 유니티 강세에 대한 논리를 바꿀 코멘트는 아니라 생각합니다.

그렇게 판단한 이유

앱러빈·유니티는 자체 광고 인벤토리가 없고, 유니티는 엔진과 결합해 더 많은 플라이휠을 돌릴 수 있다는 비교를 든다.

근거 보기 1
  1. 원문 구간 1

    앱러빈도 같은 상황으로 성장할 수 있다"라고 말했습니다. 앱러빈 CTO 발언 그자체는 제로섬 게임이 아니라, 앞으로 나아가면서 더 많은 파이를 차지할 게 많다는 것을 강조하기 위한 맥락으로 이해하고 있습니다. 그래도 투자자 입장에서 중요한 것은 ⓐ유니티의 시가총액이 앱러빈의 5분의 1 정도라는 점, ⓑ앱러빈이 유니티를 상대로 손해배상을 청구하면서 소송을 제기했는데 가처분 신청이 법원에서 기각됐다는 점, ⓒ구글과 메타는 자체 광고 인벤토리를 갖고 있는 기업이지만 앱러빈과 유니티는 엄밀히 말하면 '자체'는 아니라는 점, ⓓ특히 그 와중에 유니티는 유니티 엔진과 결합하여 그나마 더 많은 플라이휠을 돌릴 수 있지만 앱러빈은 그렇지 않은 점 등을 고려하자면 유니티 강세에 대한 논리를 바꿀 코멘트는 아니라 생각합니다.

원문에서 직접 연결한 대상유니티앱러빈
발생발표·발생 후발생일 26-10-4

26-10 브라질 대선 1차 투표와 결선 진출

작성자의 핵심 판단

작성자는 결선투표 전 단계의 선두를 MELI에 대한 순풍 예상과 연결해 소개한다.

근거 보기 1
  1. 원문 구간 1

    앱러빈 제국을 무너뜨리고 있는 유니티에 대해서도 이번 주 주간전략보고에서 전해드린 바 있습니다. ​ (2) 브라질 대선 1차 투표에서 보우소나루가 깜짝 선두를 달성하면서, 아직 결선투표가 남긴 했지만 MELI에게는 순풍이 될 것이란 예상으로 MELI가 강세였습니다.

이 자료에서 다룬 사실

브라질 대선 1차 투표에서 보우소나루가 깜짝 선두를 달성했고 결선투표가 남아 있다고 적었다.

근거 보기 1
  1. 원문 구간 1

    앱러빈 제국을 무너뜨리고 있는 유니티에 대해서도 이번 주 주간전략보고에서 전해드린 바 있습니다. ​ (2) 브라질 대선 1차 투표에서 보우소나루가 깜짝 선두를 달성하면서, 아직 결선투표가 남긴 했지만 MELI에게는 순풍이 될 것이란 예상으로 MELI가 강세였습니다.

이 자료에서 다룬 실제 시장 반응

MELI는 순풍 예상으로 강세였다고 적었다.

근거 보기 1
  1. 원문 구간 1

    앱러빈 제국을 무너뜨리고 있는 유니티에 대해서도 이번 주 주간전략보고에서 전해드린 바 있습니다. ​ (2) 브라질 대선 1차 투표에서 보우소나루가 깜짝 선두를 달성하면서, 아직 결선투표가 남긴 했지만 MELI에게는 순풍이 될 것이란 예상으로 MELI가 강세였습니다.

원문에서 직접 연결한 대상메르카도리브레브라질 대선
3
사실·구조, 해석·전망, 시점 관찰, 판단 방법

지식·관점

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

사실·구조AI 모델 성능과 처리속도주 대상 · 기술·제품 · AI 모델

모델의 성능·비용·처리속도는 어떤 교환관계로 읽어야 하는가?

이 자료가 더한 내용

GPT-6.1 Sol은 성능과 작업당 비용이 좋지만 낮은 TPS의 배경에는 작업당 시간을 희생한 점이 있으며, TPS 개선이 첫 업데이트 과제였다고 설명한다.

근거 보기 1
  1. 원문 구간 1

    크게는 (ㄱ) Pre-training x (ㄴ) RL/Post-training x (ㄷ) Test-time compute 관점으로 생각해야 하는 부분이고, 최근 사용자들 사이에서 이슈가 되고 있는 GPT-6.1 Sol이 다 좋은데 문제가 TPS가 너무 낮다는 이슈를 설명해주는 맥락이기도 합니다. 퍼포먼스도 매우 좋고, 작업당 비용은 압도적으로 저렴한데, 무엇을 희생했는가는 작업당 시간(Time per Task)를 희생했다고 보시면 됩니다. 그래서 Tibo도 첫 번째 업데이트에서 TPS를 30 TPS → 50 TPS로 높이는 업데이트를 가장 먼저 한 것입니다.

사실·구조메타 추천 시스템주 대상 · 기업·종목 · 메타

추천 모델의 확장은 어떻게 참여와 수익화로 이어지는가?

이 자료가 더한 내용

더 긴 상호작용 기록과 랭킹 구조 개선이 추천 품질을 높이고, 참여·시간 지출·광고 또는 구독 수익이 다음 훈련 비용으로 이어지는 순환 구조를 소개한다.

근거 보기 3
  1. 원문 구간 1

    "이러한 스케일링 곡선은 단순한 학술 연구가 아닙니다. 세계에서 가장 큰 소비자 비즈니스들의 실제 제품 영향력을 대규모로 이끌고 있습니다. 메타의 최근 실적 보고서에서 가져온 몇 가지 예를 들어보겠습니다. Instagram Reels는 강력한 분기를 보냈으며, 전년 대비 시청 시간이 30% 증가했습니다." "그리고 추천 품질을 개선하기 위해 우리가 수행한 최적화에는 효율적인 모델 스케일링을 가능하게 하는 랭킹 아키텍처의 단순화와, 사람의 관심사를 식별하기 위한 더 긴 상호작용 기록이 포함되었습니다.

  2. 원문 구간 2

    우리는 Instagram 훈련에 사용되는 사용자 상호작용 시퀀스의 길이를 두 배로 늘렸고, 각 사용자 상호작용의 풍부함을 증가시켰습니다. 따라서 이것들은 LLM의 스케일링 곡선과 직접적인 유사점입니다." "메타가 모델을 훈련시킨 후, 추론을 실행하는데, 이것이 토큰 입력입니다. 그 추천 모델은 더 나은 콘텐츠 추천을 결과로 낳고, 소비자 참여를 유도하며, 일일 활성 사용자들의 시간 지출을 증가시킵니다. 이는 수익화와 광고 또는 구독으로 전환되며, 다음 모델 훈련 실행 비용을 지불합니다. 그래서 스케일링 곡선의 모든 단계는 이 플라이휠의 한 바퀴를 도는 것입니다.

  3. 원문 구간 3

    많은 소비자 앱들이 비즈니스의 핵심에 이 핵심 플라이휠을 돌리고 있습니다. 메타는 아직 이러한 추천 시스템을 스케일링할 길이 멉니다." ​ (4) 마찬가지로 이번 주 주간전략보고에서 전해드린 것처럼 앤스로픽 ARR은 최근 계속 횡보 중입니다. AI 사이클 전반에 주는 함의점은 없고, 엔비디아 GB200/GB300 기반으로 사전학습을 끝낸 모델들이 연달아 출시되면서 오픈AI와 중국 AI Labs들이 7월부터 치고 올라와서 그렇습니다. 더군다나 GPT-6부터는 오픈AI가 연구력과 매출 성장 모두 주도하기 시작했기에 판이 많이 바뀌어 있습니다.

사실·구조CPO와 NPO 광학 패키징주 대상 · 기술·제품 · 광학 인터커넥트

전력 절감과 실패 범위는 어떻게 함께 비교해야 하는가?

이 자료가 더한 내용

CPO의 데이터센터 단위 전력 절감은 제한적일 수 있고 광학 칩 실패가 여러 부품을 함께 멈출 수 있는 반면, NPO는 모듈 실패를 분리할 수 있다고 설명한다.

근거 보기 2
  1. 원문 구간 1

    칩이나, 랙 단위로 생각하는 것이 아니라 데이터센터 단위로 생각하는 것이 중요한 이유입니다. CPO로 XPU나 Switch를 함께 패키징했는데 광학 칩이 실패할 경우 GPU, 스위치, 메모리를 함께 다운시킬 수 있습니다. NPO는 모듈만 죽기 때문에 실패를 분리할 수 있습니다. 단일 실패지점에서 잃는 것이 달라진다는 의미입니다. CPO/NPO란 ⓐXPU ⓑ스위치 ASIC 두 분야에 주로 적용되는데 합리적으로 보자면 ⓐⓑ 둘다 생각보다 NPO가 오랫동안 유지될 수도 있겠다 싶고, CPO가 실제로 적용되더라도 ⓐ에 적용되기까지는 훨씬 더 오랜 시간이 필요할 것으로 예상합니다.

  2. 원문 구간 2

    EML은 400G/Lane에서 잘 작동하지만, EML 레이저 생산량이 수요를 못 따라가기 때문에 SiPh + CW 레이저 조합도 함께 사용될 것으로 예상됩니다. Scale-across에서 캠퍼스 간 연결을 위해 Coherent-Lite(2.4T)가 채택될 것으로 예상됩니다. 지금까지 광트랜시버의 대역폭 확대는 주로 레인당 속도를 100G → 200G → 400G로 높이는 방식으로 진행돼 왔습니다. 일반 OSFP는 8개의 고속 전기 레인을 사용하기 때문에 8×100G는 800G, 8×200G는 1.6T, 향후 8×400G라면 3.2T가 됩니다.

해석·전망AI 메모리 수요주 대상 · 산업·업종 · AI 메모리

메모리 Phase 2는 공급자와 구매자에게 무엇을 뜻하는가?

이 자료가 더한 내용

메모리 구매 제약이 장기 계약·직접 구매약정으로 이어지고, 공급자에게는 가격 상승 뒤 물량 증가 중심의 Phase 2로 전환하는 과정이라는 해석을 제시한다.

근거 보기 2
  1. 원문 구간 1

    그리고 ⓑ를 극한까지 가져다 쓰고나서 이제는 하이퍼스케일러(최종 사용자는 50% 이상이 AI Labs이기에 사실상 AI Labs가 CSP를 통해 간접적으로 구매하는 것)원하는 만큼 메모리를 살래야 살 수 없는 수준에 도달했고, LTA/SCA를 맺고 다년간 성장을 담보하고 CY28 이후의 클린룸을 늘리자는 계약으로 옮겨가고 있습니다. 또한 AI Labs들이 이젠 간접적으로 구매하지 않고 직접 메모리 기업들과 구매약정을 맺는 트렌드도 생겼습니다.

  2. 원문 구간 2

    *첨부자료 1* 메모리 Phase 1의 P 상승형 랠리를 지나, 메모리 Phase 2의 Q 증가형 랠리로 전환하는 과정입니다. 이건 메모리 공급업체 관점에서의 입장입니다. 구매자인 AI Labs 입장에서는 ⓐⓑⓒ를 구성해서 파레토 프론티어를 확장하는 게 중요합니다. 칩 메이커는 AI Labs의 입장을 해결해주면서 가치제안을 하고 높은 GPM으로 물건을 파는 입장이니 둘의 이해관계는 따로 분리하진 않아도 됩니다.

시점 관찰USDC 유통량과 결제 사용주 대상 · 시장·자산 · USDC기준 2026.10.06

USDC 유통량 변화가 스테이블코인 결제 확대를 뜻하는가?

이 자료가 더한 내용

USDC 유통량은 약 1년 횡보했고, 작성자는 암호화폐 페어 트레이딩 예탁금 영향이 커 아직 스테이블코인 결제 확대라는 펀더멘털 변화로 볼 수 없다고 적었다.

근거 보기 2
  1. 원문 구간 1

    3Q는 92일이 지났으며 일평균 비행속도는 30.88건 속도였습니다. ​ (2) 오늘의 서클 USDC 유통량은 $74.33B, CCTP 전송량은 30일 기준 $18.4B입니다. USDC 유통량 자체는 거의 1년간 횡보 중입니다. 횡보를 뚫는 기준은 MoM 기준 20% 이상의 성장세를 1주간 유지하는가입니다.

  2. 원문 구간 2

    오늘 주간 기준 -0.70%, 월간 기준 -0.52% 수준입니다. 지금은 Crypto Pair Trading(e.g. BTC/USDC, ETH/USDC 등)을 위한 예탁금으로 인해서 USDC 유통량이 바뀌는 게 가장 큽니다.

판단 방법확인 후 노출 확대주 대상 · 투자판단·운용 · 투자 판단 방법

미확인 정보와 실적 확인을 어떻게 구분하는가?

이 자료가 더한 내용

쪽지 정보로 경향성의 확률 게임을 하지 않고, if-then 조건과 실제 실적 확인 뒤 노출을 키우겠다는 방법을 제시한다.

근거 보기 2
  1. 원문 구간 1

    숄터 더글라스도 CY27에는 지속형 개인용 에이전트들이 인기 식당, 티켓, 코트 등 희소한 슬롯을 예약하기 위해서 HFT 기업들과 Ultrafast Inference 하드웨어 용량을 놓고 경쟁할 것이라고 전망했습니다. 이게 좀 굉장히 흥미로운 포인트입니다. 이미 HFT 기업들이 세레브라스의 칩을 엄청나게 요구하고 있다는 맥락에서, 세레브라스의 칩에 대한 가치가 높아지는 포인트이기 때문에 이것을 실제 실적발표에서 확인하고 나서 진짜이고 수혜강도가 꽤나 크다면 세레브라스가 앞으로 가져갈 계약에 대해서도 다시 한 번 생각해볼 수 있겠습니다.

  2. 원문 구간 2

    다만 쪽지정보를 가지고 경향성을 판단하여 확률 게임을 베팅하지 않고 if, then의 조건으로 확인하고 노출값을 키워서 수익을 키우는 것을 선호하기에 말그대로 실적으로 확인하고 나서의 일입니다. 숄터 더글라스의 생각을 좀 더 자세하게 풀어서 정리해보면: 지금 HFT 업체들이 거래소 서버와 물리적으로 최대한 가까운 곳에 서버를 두는 코로케이션을 통해 몇 밀리초~마이크로초라도 주문을 빨리 넣으려고 하듯이, 앞으로 개인 AI 에이전트들도 예약/구매/티켓팅 같은 희소한 자원을 대신 확보해주는 경쟁을 하게 된다는 뜻입니다.

4

시간흐름대로 모든 내용을 살려 정리

시간흐름대로 모든 내용을 살려 정리

1
자료 성격과 일간 지표

[원문 유형] 네이버 프리미엄 콘텐츠
[채널] 올바른 미국주식 by SAPIENS
[게시일] 2026.10.06
[원문 URL] https://contents.premium.naver.com/sapiens/sapiensasset/contents/261006113807802br
[제목] 일간보고 : 투자의 생각 (261006)
[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]

2
AI 모델을 보는 세 축

​

안녕하세요 올바른입니다.

​

2026년 10월 6일 화요일, 데일리 전해드립니다.

​

주간전략보고

2026-10-05

주간전략보고 : 투자의 생각 (10월 5일~10월 9일) (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.

3
앤스로픽 실무자 인터뷰

​

*투자자문계약 권유문서 : https://naver.me/5ZST47Qf

일간보고 : 투자의 생각

2026-10-06 (화)

​

주요 지수 : 나스닥 +1.05% > S&P +0.66% > 러셀 +0.50% > 다우 +0.18%

상승종목비율 : NYSE 93%, Nasdaq 118% 🟢 (🟢🟡🔴)

​

섹터

- 📈강세 : 적자성장주, 원자재, 커뮤니케이션, 바이오텍, 에너지

- 📉약세 : -

​

📩 메이저 뉴스

빅테크/AI Labs:

​

(1) 이번 주 주간전략보고에서는 GPT-6.1 Sol, Gemini 4 Argon, Sonnet 5.5에 대해서 어떻게 바라봐야 하는지를 정리해

4
AGI에 대한 유보와 전망

드렸습니다. 크게는 (ㄱ) Pre-training x (ㄴ) RL/Post-training x (ㄷ) Test-time compute 관점으로 생각해야 하는 부분이고, 최근 사용자들 사이에서 이슈가 되고 있는 GPT-6.1 Sol이 다 좋은데 문제가 TPS가 너무 낮다는 이슈를 설명해주는 맥락이기도 합니다. 퍼포먼스도 매우 좋고, 작업당 비용은 압도적으로 저렴한데, 무엇을 희생했는가는 작업당 시간(Time per Task)를 희생했다고 보시면 됩니다. 그래서 Tibo도 첫 번째 업데이트에서 TPS를 30 TPS → 50 TPS로 높이는 업데이트를 가장 먼저 한

5
메타 추천 시스템의 실적 연결

것입니다.

​

(2) 요즘 AI Labs들 사이에서 실무자 인터뷰가 잘 없었는데 앤스로픽의 RL 핵심 인물인 숄토 더글라스(Sholto Douglas) 인터뷰가 있었습니다. *첨부자료 1, 2* 숄토 더글라스는 앤스로픽 Claude에 대한 ⓐScaling RL/Post-training, ⓑContinual Learning, ⓒ에이전트 신뢰성, ⓓ그리고 ⓐⓑⓒ를 대규모로 돌리는 인프라에 직접 관여하는 인물입니다.

인상깊었던 코멘트 몇 가지들만 정리해봅니다. 나머지는 자료로 정리드릴 예정입니다:

"AGI는 분명히 아직 달성되지 않았다.(AGI clearly hasn’t been achieved y

6
추천 모델의 학습 데이터 확장

et.)"

"AGI는 컴퓨터를 통해서 모든 인간만큼 혹은 그보다 더 뛰어난 수준만큼 인간이 할 수 있는 모든 일을 할 수 있는 무언가가 될 것이며, 향후 몇 년 내로 달성할 가능성이 매우 높다고 생각한다.(are very likely to occur in the next couple of years)."

"지적 노동과 물리적 노동을 몇 배로 만들 것이고, 잠재적으로 수세기에 걸친 진보를 훨씬 더 빠르게 가져올 수 있게 될 것이다."

​

(3) 메타 추천 시스템 연구 Lead인 드바쉬 탄돈(Devansh Tandon)이 언급한 내용을 정리해보면 *첨부자

7
추천·참여·수익화 플라이휠

료 3*:

"이러한 스케일링 곡선은 단순한 학술 연구가 아닙니다. 세계에서 가장 큰 소비자 비즈니스들의 실제 제품 영향력을 대규모로 이끌고 있습니다. 메타의 최근 실적 보고서에서 가져온 몇 가지 예를 들어보겠습니다. Instagram Reels는 강력한 분기를 보냈으며, 전년 대비 시청 시간이 30% 증가했습니다."

"그리고 추천 품질을 개선하기 위해 우리가 수행한 최적화에는 효율적인 모델 스케일링을 가능하게 하는 랭킹 아키텍처의 단순화와, 사람의 관심사를 식별하기 위한 더 긴 상호작용 기록이 포함

8
앤스로픽 ARR의 횡보

되었습니다. 우리는 Instagram 훈련에 사용되는 사용자 상호작용 시퀀스의 길이를 두 배로 늘렸고, 각 사용자 상호작용의 풍부함을 증가시켰습니다. 따라서 이것들은 LLM의 스케일링 곡선과 직접적인 유사점입니다."

"메타가 모델을 훈련시킨 후, 추론을 실행하는데, 이것이 토큰 입력입니다. 그 추천 모델은 더 나은 콘텐츠 추천을 결과로 낳고, 소비자 참여를 유도하며, 일일 활성 사용자들의 시간 지출을 증가시킵니다. 이는 수익화와 광고 또는 구독으로 전환되며, 다음 모델 훈련 실행 비용을 지불합니다. 그래서 스케일링 곡선의 모든 단계는 이 플라이휠의 한 바퀴를 도는

9
메타·마이크로소프트의 사용량 변화

것입니다. 많은 소비자 앱들이 비즈니스의 핵심에 이 핵심 플라이휠을 돌리고 있습니다. 메타는 아직 이러한 추천 시스템을 스케일링할 길이 멉니다."

​

(4) 마찬가지로 이번 주 주간전략보고에서 전해드린 것처럼 앤스로픽 ARR은 최근 계속 횡보 중입니다. AI 사이클 전반에 주는 함의점은 없고, 엔비디아 GB200/GB300 기반으로 사전학습을 끝낸 모델들이 연달아 출시되면서 오픈AI와 중국 AI Labs들이 7월부터 치고 올라와서 그렇습니다. 더군다나 GPT-6부터는 오픈AI가 연구력과 매출 성장 모두 주도하기 시작했기에 판이 많이 바뀌어

10
자체 모델 사용의 비용 구조

있습니다.

이 과정에서 앤스로픽의 ARR이 횡보하는 이유 중 나름 크게 기여한 두 가지가 있습니다. ⓐ메타가 Claude Code 사용량을 줄이고 Muse Code로 전환하고, ⓑ마이크로소프트도 Claude Code 사용량을 줄이고 GitHub Copilot의 기본 모델로 GPT를 쓰고 있기 때문에 그렇습니다.

메타 : 연초 Claude Code 사용자가 6만 명(당시 ARR $1.3B 수준) → 최근에는 3만 명까지 낮아졌습니다. 최근 메타 내에서 어떤 코딩 에이전트를 많이 쓰는가를 나눠보면 Claude Code 30,000명 + Meta Code 30,000명 + Muse Code 6,000명

11
경쟁 모델의 개선과 해석

수준입니다. 당연히 메타가 자사가 개발한 Muse Spark + Meta Code/Muse Code를 쓰면 GPU 추론비용만 드니 매우 싼 가격에 쓸 수 있습니다.

마이크로소프트 : 한때 Claude Code 사용 비용이 ARR $1B 수준이었는데, GitHub Copilot을 통해서 모델을 사용하도록 유도하면서 마이크로소프트 내부적으로 사용하는 Claude 비용은 크게 낮아졌습니다. 오픈AI의 IP를 갖고 있기 때문에 마이크로소프트도 GPT를 쓸 때는 GPU 추론비용만 드니 매우 싼 가격에 사용할 수

12
NAND 부족 전망

있습니다.

이걸 가십성으로 해석하면 앤스로픽 IPO를 앞두고 사용량을 줄인 게 아니냐는 해석이 나오겠지만, 본류부터 해석을 쭉 이어가보면 결과적으로는 엔비디아 GB200/GB300 기반으로 사전학습을 끝낸 모델이 나와서 → ⓐ메타가 Muse Spark 1.1 → 1.2 → 1.3으로 연달아 경쟁력을 높이고, ⓑ오픈AI도 GPT-5.6 → 6 → 6.1로 연달아 경쟁력을 크게 높여서 그렇습니다. 같은 원리가 여러 영역에 작용하면서 여러 다른 헤드라인으로 나오는 것입니다.

​

AI HW:

​

(1) YMTC도 이번 NAND 부족 현상이 앞으로 3년간 지속될 것으로 예상하고

13
TSMC 선단공정 가격 인상 계획

있습니다.

​

(2) TSMC가 기존 10~20% 가격 인상에 더해서, 제조원가 및 전기료 상승을 이유로 고객에게 1Q27에 선단공정 웨이퍼 출하 가격을 6~8% 인상할 계획임을 알렸습니다. 2nm

​

(3) Culpium의 대만 소식통에 따르면, 일론 머스크가 TSMC와 테라팹 반도체 생산 프로젝트를 논의 중이라고 전해집니다. 머스크는 X를 통해서 단순 논의일 뿐이며, 어떤 결과로든 이어질 수 있다고 썼습니다. 가장 가능성이 높아 보이는 방안은 ⓐTSMC이 새로운 반도체 팹을 소유하고 운영하고, 스페이스X/테라팹은 이 사업에 투자하거나, 일정량의 칩을 보장된 물량만큼 구매하기로 약정하거나 혹은 두 가지를 병행할 수 있는 구조가 논의되고

14
TSMC·테라팹 논의

있습니다. ⓑ혹은 스페이스X가 사업 지분 51%를 확보하고, TSMC는 투자 부담은 줄이되 운영 전문 지식과 공정 기술을 제공하는 방향도 논의 중입니다.

플랜 A는 TSMC가 일본의 JASM, 독일의 ESMC JV를 맺었던 방식과 비슷할 것으로 예상됩니다.

플랜 B는 TSMC에게는 완전히 새로운 형태입니다.

​

(4) FIT Tech Day에서 여러 광학 코멘트들을 추가로 뽑아보면 *첨부자료 1*:

광학 링크는 데이터센터 전력의 한 자릿수(4~9%) 정도만 차지하고 있습니다. CPO가 사용 전력을 50%로 줄인다고 해도 실제 데이터센터 단위로 전력 절감량은 2~4%만 줄어드는

15
광학 링크의 데이터센터 전력 비중

셈입니다. 칩이나, 랙 단위로 생각하는 것이 아니라 데이터센터 단위로 생각하는 것이 중요한 이유입니다.

CPO로 XPU나 Switch를 함께 패키징했는데 광학 칩이 실패할 경우 GPU, 스위치, 메모리를 함께 다운시킬 수 있습니다. NPO는 모듈만 죽기 때문에 실패를 분리할 수 있습니다. 단일 실패지점에서 잃는 것이 달라진다는 의미입니다. CPO/NPO란 ⓐXPU ⓑ스위치 ASIC 두 분야에 주로 적용되는데 합리적으로 보자면 ⓐⓑ 둘다 생각보다 NPO가 오랫동안 유지될 수도 있겠다 싶고, CPO가 실제로 적용되더라도 ⓐ에 적용되기까지는 훨씬 더 오랜 시간이 필요할 것으로 예

16
CPO와 NPO의 실패 분리

상합니다.

EML은 400G/Lane에서 잘 작동하지만, EML 레이저 생산량이 수요를 못 따라가기 때문에 SiPh + CW 레이저 조합도 함께 사용될 것으로 예상됩니다.

Scale-across에서 캠퍼스 간 연결을 위해 Coherent-Lite(2.4T)가 채택될 것으로 예상됩니다.

지금까지 광트랜시버의 대역폭 확대는 주로 레인당 속도를 100G → 200G → 400G로 높이는 방식으로 진행돼 왔습니다. 일반 OSFP는 8개의 고속 전기 레인을 사용하기 때문에 8×100G는 800G, 8×200G는 1.6T, 향후 8×400G라면 3.2T

17
광트랜시버 대역폭 확장 방식

가 됩니다. 동시에 800G를 4×200G로 구성해 레인 수와 전력을 줄이거나, 이미 1.6T쯤부터 레인 수를 늘리는 방법으로 OSFP-XD처럼 16×200G로 레인 수를 늘려 3.2T를 구현하는 방식도 등장하고 있습니다. 400G부터는 OSFP-XD 같이 레인 수를 늘리는 쪽으로의 발전도 더 많이 보일 것으로 예상합니다.

폭스콘은 336G SerDes, 448G SerDes 케이블에 셈텍의 이퀄라이저를 사용하고 있다는 것을 세션 도중에 살짝 언급했습니다. ACC는 1.6T부터 채택되지만 3.2T, 6.4T로 가면서는 훨씬 더 인기가 있을 것으로 예상되기에 셈텍에게는 긍정적인 방향으로 진행되고

18
브로드컴의 TPU 관여 발언

있습니다.

​

(5) UBS가 브로드컴 경영진과의 진행한 콜을 정리해보면 *첨부자료 2*:

브로드컴 경영진은 "TPU v8i 이후 다음 두 세대 설계에 깊이 관여하고 있다"고 말했습니다. 그런데 투자자들은 브로드컴에 할당된 TSMC 2nm 웨이퍼가 없기 때문에 TPU v9의 N2 프로그램이 취소된 것이 아닌지 우려하고 있는 상태입니다.

UBS가 체크해봤을 때 이 괴리가 생긴 이유는, 구글이 TPU v9(Pumafish)를 여러 개의 3nm compute die로 구성한 설계로 교체하고 있기 때문이라고

19
TPU v9·v10 설계 전망

짚었습니다. 여러 다이를 하나의 멀티칩모듈(MCM)로 연결하는 구조입니다. CY27 말 램프업을 시작해 CY28 물량의 대부분을 담당하게 될 것이란 전망입니다.

이후 TPU v10(Merope)에서 2nm로 전환할 것으로 예상하며, CY28 말부터 출하를 시작해 CY29 물량의 대부분을 차지하게 될 것으로 예상됩니다. TPU v10은 브로드컴의 새로운 3.5D 패키징 기술을 적용하고, 하나의 대형 패키지 안에서 16개의 compute die를 탑재하며, 448G SerDes를 처음으로 채택할 제품이 될 것으로 예

20
브로드컴 참여에 대한 해석

상됩니다.

개인적으로 GF증권-MTK 코멘트나, UBS-AVGO 코멘트를 함께 해석해볼 때 드는 생각은:

TPU v9에서 브로드컴이 하나도 참여를 안 한다는 주장도 그대로 받아들이기에는 다소 이해가 되지 않았기 때문에 3nm MCM으로 TPU v9 Pumafish에 참여하는 게 합리적이라 생각합니다. N2 프로그램이 없으니 v9에서 없었나 했는데 3nm로 구성하기에 N2에서 보이지 않았던 것으로 생각합니다.

셈텍이 TPU v9에서 Humufish/Triggerfish 물량을 받아가고, TPU v10 Icefish가 메인인 건 맞기에 TPU v8 → TPU v9 → TPU v10로 갈수록 미디어텍이 차지하는 믹스가 많아지고, 점점 고부가가치로 바뀌어가는 트렌드는 유

21
TPU 네트워크 구조와 OCS

지됩니다.

어떤 것을 택하던 구글은 TPU v8까지 3D Torus → TPU v9부터는 6D Torus를 채택하고 이 과정에서 핵심이 OCS를 통해 Pod의 규모를 키우고 Slice를 동적으로 구성하는 것이기 때문에 수혜를 봅니다. MTK TPU이 늘면 구글 입장에서 CapEx 달러당 더 많은 양의 TPU를 찍을 수 있을 거라 예상하니 좋은 부분이므로 이 방향성도 유지됩니다.

​

(6) 이번 주 주간전략보고에서 루멘텀 CEO 마이클 헐스턴이 9월 24일 스페인 말라가 Optica 컨퍼런스에서 "CY27에는 CPO와 NPO가 본격적으로 늘어나면서 고객들이 요청하는 레이저 수요의 30%밖에 공급하지 못할 것(수요충족률이 5월에 70%였는데 → 9월에는 30%가 된 것)"이라고 말했던 것을 전해드

22
루멘텀의 레이저 공급 제약

렸습니다.

그리고 S.5548과 FCC 규제, Vital Materials를 통한 6인치 InP 기판 수급 가능성에 대해서도 생각해보시면 루멘텀의 수혜강도는 점점 더 높아지고 혹시 6인치 InP 기판 공급 퀄을 통과할 경우 루멘텀이 지금은 3인치 InP 웨이퍼를 4인치로 바꾸면서 InP 레이저 생산량을 늘리고 있는데, 6인치로 늘려서 훨씬 더 많은 레이저를 생산하여 수요충족률을 끌어올릴 가능성도 있습니다.

​

(7) 6번에서 전해드린 핵심은 CY27에 CPO와 NPO 수요가 생각보다 훨씬 더 크기 때문에 생긴 문제라는 게

23
NPO·CPO 테스트 장비 수요

핵심입니다. 그리고 그 과정에서 최근 NPO/CPO 테스트 장비들(e.g. Laser, Power Meter)의 수요가 폭증하면서 여기도 리드타임이 12개월 가까이 벌어지고 있습니다. 비아비가 꽤 직접적인 수혜 기업입니다:

CPO 광엔진을 테스트하려면 테스트용 레이저로 광신호를 넣고, VOA와 광학 스위치를 거쳐 각 채널의 출력과 insertion loss 등을 power meter로 측정해야 합니다. VIAVI는 MAP-300 플랫폼 안에서 tunable laser, VOA, optical switch, power meter 등을 모두 구성할 수 있고, 최근에는 CPO 양산 테스트에 맞춰 수십~수백 채널을 동시에 측정할 수 있는 고밀도 power meter도 출시하고

24
비아비와 경쟁사의 테스트 장비

있습니다.

비아비'만' 파는 건 아니긴 합니다. 테스트용 튜너블 레이저는 Santec과 Keysight가 강자이고, power meter도 Santec, Keysight과 함께 경쟁합니다. 그래도 비아비는 원래 이쪽 장비에 큰 점유율이 없던 기업인데 NPO/CPO 트렌드 덕에 새로운 시장에 진입했고 리드타임이 12개월까지 올라올 정도로 수요가 매우 강하다는 건 강세 코멘트입니다.

​

(8) Jane Street가 세레브라스의 칩을 사용해 빠른 속도로 추론할 경우 1GW당 $200B의 이익을 낼 수 있을 정도라고 SemiAnalysis가 내부 기관용 리포트(뉴스레터 X)를 작

25
고속 추론의 잠재 사용 사례

성했습니다. 숄터 더글라스도 CY27에는 지속형 개인용 에이전트들이 인기 식당, 티켓, 코트 등 희소한 슬롯을 예약하기 위해서 HFT 기업들과 Ultrafast Inference 하드웨어 용량을 놓고 경쟁할 것이라고 전망했습니다.

이게 좀 굉장히 흥미로운 포인트입니다. 이미 HFT 기업들이 세레브라스의 칩을 엄청나게 요구하고 있다는 맥락에서, 세레브라스의 칩에 대한 가치가 높아지는 포인트이기 때문에 이것을 실제 실적발표에서 확인하고 나서 진짜이고 수혜강도가 꽤나 크다면 세레브라스가 앞으로 가져갈 계약에 대해서도 다시 한 번 생각해볼 수

26
실적으로 확인한다는 원칙

있겠습니다. 다만 쪽지정보를 가지고 경향성을 판단하여 확률 게임을 베팅하지 않고 if, then의 조건으로 확인하고 노출값을 키워서 수익을 키우는 것을 선호하기에 말그대로 실적으로 확인하고 나서의 일입니다.

숄터 더글라스의 생각을 좀 더 자세하게 풀어서 정리해보면:

지금 HFT 업체들이 거래소 서버와 물리적으로 최대한 가까운 곳에 서버를 두는 코로케이션을 통해 몇 밀리초~마이크로초라도 주문을 빨리 넣으려고 하듯이, 앞으로 개인 AI 에이전트들도 예약/구매/티켓팅 같은 희소한 자원을 대신 확보해주는 경쟁을 하게 된다는

27
에이전트 예약 경쟁의 비유

뜻입니다. 예를 들어 오전 10시에 인기 레스토랑 예약이 열리면, 내 에이전트가 예약할 식당의 서버로 요청을 보내는데 수백만 명의 AI 에이전트가 동시에 같은 자리를 노린다면 단순히 AI가 똑똑한 것보다 누가 더 빠르게 요청을 보내느냐가 중요해질 수 있습니다. 더 빠른 칩 → 더 낮은 네트워크 latency → 예약 서버와 가까운 데이터센터 → 남들보다 수 ms 먼저 예약하는 경쟁이 벌어질 거라는 얘기입니다.

샌프란시스코 테니스 코트 예약하기가 워낙 빡세다보니, 테니스 코트 예약 시스템을 돌리는 서버 옆 랙에 자기 에이전트 서버를 놓는다는 농담도 했는데 월가 HFT 업체들이 NYSE/Nasdaq 거래소 근처에 서버를 두는 모습을 AI 에이전트 시대의 예약 전쟁에 빗댄

28
부품 리드타임 점검

것입니다.

​

(9) TrendForce의 이번 주 리드타임 체크를 정리하면 *첨부자료 3*:

CPU - Tight : 25~30주 / 균형 리드타임 16~20주 (=, 지난주와 동일)

GPU - Balanced : 30~40주 / 30~40주 (=)

DRAM - Very Tight : 20주 / 8주 (=)

NAND - Tight : 16주 / 8주 (=)

HDD - Very Tight : 50주 / 16

29
사이버보안 수요의 질문

주 (=)

ABF - Very Tight : 48~56주 / 12주 (=)

MLCC - Tight : 35주(지난주 32주) / 12주 (▲)

​

Enterprise/GPU IaaS:

​

(1) 사이버보안 기업들이 계속해서 All-time High를 경신하는 중입니다.

중요한 건 앞으로 에이전트 트래픽 추론 수요가 여기서부터 다년간 얼마나 커질까를 예상하는 과정입니다. 모델 지능이 일정 수준 이상을 넘긴 지금부터는 사이버보안 HW/SW 역량을 모두 강화하는 것이 데이터센터 CapEx에서 몇 %를 차지하게 될 것인지, 사실 더 중요한 것은 기존 기업들의 IT 인프라에서 필수적으로 몇%를 차지하게 될 것이냐가 중

30
추론 전환과 메모리 확대

요합니다.

신재생/전력기기:

(1) 다시금 태산 위로 올라가 bird-eye view로 생각해봅시다:

XPU 메인 사용처가 차세대 모델 훈련에서 추론(동시에 추론 워크로드도 Instant → Reasoning → Agentic)으로 넘어오면서 토큰 생성의 퍼포먼스를 구성하는 3요소 ⓐ컴퓨트 ⓑ메모리 ⓒ인터커넥트 중에서 ⓐ아주 비싼 GPU의 가동률을 높이기 위해서 ⓑ칩당 메모리 용량을 크게 키웠던(대역폭은 메모리의 세대가 바뀌어야 상승하므로, 기업이 결정할 수 있는 건 더 많이 사는 것뿐) 사이클이 CY3Q25부터 CY1Q26까지 나

31
메모리 공급 계약의 변화

왔습니다.

그리고 ⓑ를 극한까지 가져다 쓰고나서 이제는 하이퍼스케일러(최종 사용자는 50% 이상이 AI Labs이기에 사실상 AI Labs가 CSP를 통해 간접적으로 구매하는 것)원하는 만큼 메모리를 살래야 살 수 없는 수준에 도달했고, LTA/SCA를 맺고 다년간 성장을 담보하고 CY28 이후의 클린룸을 늘리자는 계약으로 옮겨가고 있습니다. 또한 AI Labs들이 이젠 간접적으로 구매하지 않고 직접 메모리 기업들과 구매약정을 맺는 트렌드도

32
메모리 Phase 2의 의미

생겼습니다. *첨부자료 1* 메모리 Phase 1의 P 상승형 랠리를 지나, 메모리 Phase 2의 Q 증가형 랠리로 전환하는 과정입니다. 이건 메모리 공급업체 관점에서의 입장입니다.

구매자인 AI Labs 입장에서는 ⓐⓑⓒ를 구성해서 파레토 프론티어를 확장하는 게 중요합니다. 칩 메이커는 AI Labs의 입장을 해결해주면서 가치제안을 하고 높은 GPM으로 물건을 파는 입장이니 둘의 이해관계는 따로 분리하진 않아도

33
스케일업 도메인과 KV 캐시

됩니다.

ⓑ메모리를 한계까지 쓴 상태에서 솔루션을 찾는 과정을 생각해보시면, Scale-up Domain을 키우는 방법입니다. 결과적으로 ⓐ를 더 많이 넣고, ⓒ의 스펙을 높임으로써 달러당 지능을 높이는 방법입니다. KV Cache Offloading을 하지 않고 실질적으로 하나의 도메인을 구성하여 KV Cache 처리량을 높이면 토큰당 추론비용이 낮아집니다.

AI Labs 중 오픈AI는 여기서 한 번 더 나아가서 지금 가장 싼 ⓐ컴퓨트를 더 적극적으로 활용할 방법을 고안해냈고, 그것이 Recurrent Dep

34
Recurrent Depth의 설명

th입니다. 모델의 지능을 결정하는 (ㄱ) Pre-training, (ㄴ) RL/Post-training, (ㄷ) Test-time compute 중에서 (ㄷ)는 원래 o1-preview(2024. 09.) 이후 다들 Reasoning 토큰을 더 많이 써서 처리했었는데, 그렇게 안하고 토큰을 생성할 때 내부적으로 Looped Layer를 통과하게 하여 compute를 더 많이 써서 지능을 끌어올리는

35
인터커넥트 가치의 변화

것입니다. (ㄷ) 차원을 바꾼 것입니다.

결과적으로 무엇이 바뀌었냐 하면, 지금의 메모리 Phase 2가 반영되는 CY27 이후로 가면서는 ⓒ인터커넥트의 가치가 훨씬 더 중요해지는 것입니다. Global Scale-up Domain을 구성하는 과정에서 랙당 BoM에서 인터커넥트 비용이 차지하는 비중이 높아집니다.

그리고 CY27~CY28로 가면 갈수록

36
전력 인프라와 SOFC 해석

매년 ⓐ컴퓨트 ⓑ메모리 ⓒ인터커넥트를 지금보다 훨씬 더 많이 키워야 하는 입장에서, 이것이 어디까지 감당할 수 있을까를 결정하는 것은 결국 AI 모델의 지능을 높여서 $/watt, $/token의 가치를 어디까지 끌어올릴 수 있을까가 중요한데 그런 관점에서 (i) 지속형 개인용 에이전트, (ii) HFT 기업들이 1GW당 $200B를 벌어들일 정도로 고부가

37
앱러빈·유니티 경쟁 구도

가치 사용 사례를 찾은 점은 CY27 이후에 높아질 데이터센터 Powered Shell 구축비용을 충분히 감당할 수 있게 될 것이며, 수요가 예상보다 더 가파르게 증가할수록 FTM은 연간 10~15GW만 온라인할 수 있기에 나머지 증가분은 BTM을 통해 추가해야 할 것이고, BTM 발전원은 (a) 가스터빈엔진 (b) 왕복엔진 (c) SOFC로 구성되어 있는데, 1GW 증설당 CapEx가 압도적으로 저렴하고 생산용량 증설 리드타임도 짧은 만큼 AI Speed 증설에 가장 적합한 발전원이 SOFC이며, 공화당이건 민주당이건 시민들이 점차 데이터센터 수용에 대해서 까다롭게 평가하기 시작하면서 커뮤니티 수용성에 중요해진다는 측면에서는 블룸에너지에게 계속해서 순풍이 될 요

38
유니티 강세 논리의 조건

인입니다.

​

광고/이커머스:

​

(1) 앱러빈 CTO인 Giovanni Ge가 유니티와 앱러빈의 성장 및 경쟁구도에 대해서 코멘트했습니다:

"광고 노출 경쟁은 분명히 존재하지만, 유니티가 잘되고 있다는 사실이 앱러빈에게는 안좋은 일이라는 결론으로 이어지는 것은 의문이다. 구글과 메타를 예로 들어보자면 두 회사는 온라인 광고 경제를 같이

39
브라질 대선과 MELI 반응

구축해왔다. 앱러빈도 같은 상황으로 성장할 수 있다"라고 말했습니다.

앱러빈 CTO 발언 그자체는 제로섬 게임이 아니라, 앞으로 나아가면서 더 많은 파이를 차지할 게 많다는 것을 강조하기 위한 맥락으로 이해하고 있습니다.

그래도 투자자 입장에서 중요한 것은 ⓐ유니티의 시가총액이 앱러빈의 5분의 1 정도라는 점, ⓑ앱러빈이 유니티를 상대로 손해배상을 청구하면서 소송을 제기했는데 가처분 신청이 법원에서 기각됐다는 점, ⓒ구글과 메타는 자체 광고 인벤토리를 갖고 있는 기업이지만 앱러빈과 유니티는 엄밀히 말하면 '자체'는 아니라는 점, ⓓ특히 그 와중에 유니티는 유니티 엔진과 결합하여 그나마 더 많은 플라이휠을 돌릴 수 있지만 앱러빈은 그렇지 않은 점 등을 고려하자면 유니티 강세에 대한 논리를 바꿀 코멘트는 아니라 생

40
트랜스메딕스 비행 데이터

각합니다.

앱러빈 제국을 무너뜨리고 있는 유니티에 대해서도 이번 주 주간전략보고에서 전해드린 바 있습니다.

​

(2) 브라질 대선 1차 투표에서 보우소나루가 깜짝 선두를 달성하면서, 아직 결선투표가 남긴 했지만 MELI에게는 순풍이 될 것이란 예상으로 MELI가 강세

41
USDC 유통량과 결제 사용

였습니다.

의료기기/핀테크/코인:

​

(1) 트랜스메딕스의 4Q 비행 건수는 150건, 오늘의 일간 비행데이터는 +29건이었습니다. 4Q는 5일이 지났으며 일평균 비행 속도는 30.00건 속도였습니다.

트랜스메딕스의 3Q 비행 건수는 2,841건, 일간 비행데이터는 +35건

42
USDC 변동의 해석

이었습니다. 3Q는 92일이 지났으며 일평균 비행속도는 30.88건 속도였습니다.

​

(2) 오늘의 서클 USDC 유통량은 $74.33B, CCTP 전송량은 30일 기준 $18.4B입니다. USDC 유통량 자체는 거의 1년간 횡보 중입니다. 횡보를 뚫는 기준은 MoM 기준 20% 이상의 성장세를 1주간 유지하

43
피겨 테크 지표 안내

는가입니다. 오늘 주간 기준 -0.70%, 월간 기준 -0.52% 수준입니다.

지금은 Crypto Pair Trading(e.g. BTC/USDC, ETH/USDC 등)을 위한 예탁금으로 인해서 USDC 유통량이 바뀌는 게 가

44
운용 고지

장 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

45
원문 끝맺음

있습니다.

저희의 생각을 담아서 랩을 운용하고 있습니다

메리츠증권 : https://naver.me/xQiZ5UHt

SK증권 : https://naver.me/Fl

5

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 지표, AI 모델·하드웨어·전력·광학·광고·핀테크 각 구간을 원문 순서와 수치·조건을 따라 flow에서 회수했다.
해석의 한계
TPU 설계, 레이저 수급, 고속 추론, 전력 인프라와 기업별 수혜 평가는 작성자의 전망·해석으로 보존했으며 별도 사실이나 전망을 더하지 않았다.
원문 확인

document_work_runner prepare가 입력 원문을 수정 없이 보존했다.