일간보고 : 투자의 생각 (260904)

[원문 유형] 네이버 프리미엄 콘텐츠
[채널] 올바른 미국주식 by SAPIENS
[게시일] 2026.09.04
[원문 URL] https://contents.premium.naver.com/sapiens/sapiensasset/contents/260904114139048zq
[제목] 일간보고 : 투자의 생각 (260904)
[수집 기준] 구매회원 본인이 QR 로그인으로 승인한 구독 열람권을 사용해 개인 문서 보관용으로 확보했다. 목록 메타데이터가 아니라 아래 실제 본문만 분석 근거로 사용한다.

[구독 원문 본문]
​

안녕하세요 올바른입니다.

​

2026년 9월 4일 금요일, 데일리 전해드립니다.

​

주간전략보고

2026-08-31

주간전략보고 : 투자의 생각 (8월 31일~9월 4일) (바로가기​)

일간보고

2026-09-03

일간보고 : 투자의 생각 (260903) (바로가기​)

2026-09-02

일간보고 : 투자의 생각 (260902) (바로가기​)

2026-09-01

일간보고 : 투자의 생각 (260901) (바로가기)

투자자문 서비스에 따른 투자 시 원금 손실이 발생할 수 있으며, 투자 손익에 대한 책임은 전적으로 고객에게 귀속됩니다. 또한 과거의 투자수익이 미래의 수익률을 보장하지 않습니다.

​

신규 구독 전에, 아래 투자자문계약 권유문서의 계약 관련 제반 사항을 반드시 읽으시고 충분히 검토하시기 바랍니다.

​

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

일간보고 : 투자의 생각

2026-09-04 (금)

​

주요 지수 : 나스닥 +1.40% > 다우 +1.18% > S&P +1.06% > 러셀 +0.51%

상승종목비율 : NYSE 151%, Nasdaq 173% 🟢 (🟢🟡🔴)

​

섹터

- 📈강세 : 적자성장주, 금융, 임의소비, 테크

- 📉약세 : 에너지, 바이오텍, 원자재, 필수소비

​

📩 메이저 뉴스

보시는 순서는 이렇습니다.

제목 - 참고를 위해 살펴보는 기업군 주가 : 그날의 생각

빅테크/AI Labs:

​

(1) GPT-6 Astra가 발표됐습니다. 이젠 오픈AI가 SOTA 모델을 갖게 됐습니다 *첨부자료 1, 2*:

새로운 역사가 쓰인 날이므로 다각도로 뜯어봅니다.

흥미로운 건 샘 올트먼이 '최근 안전 문제로 RL 훈련을 멈춘 모델은 Astra가 아니다'라고

말했습니다. 이보다 더 성능을 한 단계 끌어올린 모델의 사전훈련은 끝났고 사후훈련 과정에서 정렬 문제로 멈춰있는 상태입니다. 앤스로픽이 Mythos 5.2(이걸 성능 제한한 버전이 Fable 5.2)를 내부적으로 사용해서 Mythos 5.3를 개발 중인 것처럼 오픈AI도 SOTA 위의 SOTA 모델을 내부적으로 쓰는 중입니다.

GPT-6 Astra의 API 가격은 백만토큰당 $10/$50으로 Mythos/Fable과 같은 가격입니다:

주요 모델 API 가격 업데이트(2026-09-04) → GPT-6 Astra $10/$50(SOTA)​ > Mythos/Fable 5.1 $10/$50 > GPT-5.6 Sol $5/$30 > Opus 5 $5/$25 > Kimi-K3

$3/$15 > GPT-5.6 Terra $2/$12 > Gemini 3.1 Pro $2/$12 > Sonnet 5 $2/$10 > Qwen 3.8-Max-0902 $2/$6 = Grok 4.6 $2/$6(8일 내 4.7 출시 예정) > GLM-5.3 $1.4/$4.4 > Muse Spark 1.3 $1.25/$4.25 > DeepSeek-V4-Pro-0813 $1.32/$3.96 > Gemini 3.8 Flash $0.75/$3.75 > DeepSeek-V4-Flash-0731 $0.44/$1.32 > GPT-5.6 Luna $0.20/$1.20

전일 일간보고로 전해드렸던 Terminal-bench 4.0 기준으로 업데이트해보면:

Terminal-bench 4.0 업

데이트(2026-09-04) → GPT-6 Astra 58.2% > Fable 5.1 57.9% > Opus 5 51.8% > Fable 5 44.5% > GLM-5.3 41.8% > GPT-5.6 Sol 37.3% > Opus 4.8 23.6% > GPT-5.6 Terra 21.5% > Grok 4.6 20.3% > Gemini 3.8 Flash 19.1% > GPT-5.6 Luna 17.3% > Grok 4.5 12.4% = Sonnet 5 12.4%입니다.

Terminal-bench가 가장 개발자들의 환경에 가까운 비교인 이유는 실제 개발자들은 모델 + 에이전트/하네스 조합으로 사용하게 되는데 이 벤치가 그것을 모두 종합적으로 고려한 환경에서의 성능을 비교하기 때문입니다. GPT-6 Astra+Codex, Fable 5.1+Claude Code, Opus 5+Claude Code 이런 느낌으로 한쌍을 이뤄 문제를 풀게

합니다.

몇 가지 생각을 정리합니다:

코딩 에이전트는 양질의 coding trajectory를 먹고 자랍니다. 챗봇이 아니라 에이전트이기 때문에 그럴듯한 답변을 내놓는 게 아니라 어떤 도구, 어떤 경로로건 진짜 문제를 풀게 만드는 게 핵심입니다. 양질의 피드백이 많으면 에이전트의 성능이 높아집니다. GPT-6 Astra 모델이 SOTA 모델이 됐으니 Codex 사용자 및 피드백이 많아지면 Codex 전반의 코딩 및 장시간 작업 퍼포먼스가 좋아질 것으로 예상합니다. 이는 Codex 자체를 개선시키는 것이니 GPT-6 Astra가 아니더라도 GPT-5.6 Sol, GPT-5.6 Terra, GPT-5.6 Luna에게도 적용됩니다.

그렇다보니 후발주자 입장에서는 모델을 깡스펙 자체가 좋게끔 만들고 나서 → 가성비를 큰 격차로 좋게 만들어서 사용자 풀을 크게 늘린다음 → 에이전트/하네스를 개선시켜야

합니다.

다시 Terminal-bench 4.0 순위를 보시면 9위에 Grok 4.6이 순위권에 있는게 나름 xAI가 발군의 기량입니다. Grok 4.6+Grok Build 조합(가격 $2/$6, 점수 20.3%)으로 GPT-5.6 Terra+Codex($2/$12, 21.5%)에 가까운 퍼포먼스를 내고 있으니 점유율을 높여가는 중입니다. Grok이 AI Labs 3등을 놓고 벌이는 레이스에서 가장 앞서나가고 있습니다. MSL과 구글은 모델도 아직 뚜렷한 파레토 프론티어 모델이 아니고, 에이전트/하네스도 아직 제대로 갖추지 못했습니다. 갈 길이 상대적으로 조금 멉니다.

Mythos Preview와 Opus 때도 그랬듯, SOTA 모델은 System Card를 보려고 하는

편입니다. GPT-6 Astra System Card에서 인상적이었던 몇 가지 차트들을 정리해봅니다:

*첨부자료 3* Figure 47 — ExploitBench Internal Port / PDF p.89 : 사이버보안 영역에서 오픈AI가 처음으로 'Critical' 등급을 줬다고 꼽은 핵심 배경입니다. 일단 기존 ExploitBench는 과거에 공개한 취약점들을 갖고 평가하는 것이라서 학습 데이터의 오염(벤치맥싱 가능성, 늘 벤치마크를 잘 따져가며 봐야 하는 이유) 우려가 있는데 오픈AI는 이를 피하려고 Astra의 knowledge cutoff 이후인 2026년 6~8월 신규 취약점만으로 별도 평가했습니다. 해당 벤치에서 Astra는 GPT-5.6 Sol보다 훨씬 더 적은 output 토큰으로 훨씬 더 높은 성공률을 보

였습니다.

*첨부자료 4* Figure 51 — Sandbox-Bench / PDF p.93 : 여기도 사이버보안 역량 벤치마크인데, 오픈AI 내부 보안환경을 본떠 만든 취약점 22개를 공격하는 테스트입니다. 특히 22개 중 21개가 기존에 알려지지 않은 신규 취약점(zero-day) 이라서, 모델의 단순 암기가 아니라 실제 취약점 발굴 능력을 보는 테스트에 가깝습니다. Astra는 45.5%를 풀었고, Sol은 4.5%에 불과했었습니다. 새 취약점을 실제로 찾아내는 능력 자체가 크게 증가한 것입니다.

*첨부자료 5* Figure 50 — SRE-Bench / PDF p.92 : SRE-bench란 19개의 비공개 프로그램에서 만든 262개 엔지니어링 문제로 오염을 최소화한

평가입니다. pass@4에서 Astra는 99.2%, GPT-5.6 Sol은 68.7%인데 Astra가 사용한 output 토큰은 Sol의 4분의 1입니다. 훨씬 더 적은 토큰으로 훨씬 더 높은 지능을 보인 것입니다.

*첨부자료 6* Figure 52 — Internal Research Debugging Evaluation / PDF p.98 : 오픈AI 연구원이 실제 연구 중 겪었던 41개의 실제 버그를 다시 모델에게 풀게 한 평가입니다. 숙련된 오픈AI 연구자가 해결하는 데 수시간~수일이 걸렸던 문제들인데 Astra는 78.05%까지 해결했습니다. 화려한 벤치마크가 아니라 실제 오픈AI 연구자가 시간을 가장 많이 쓰는 debugging 루프를 모델이 얼마나 대체할 수 있느냐가 연구 생산성에 직접 영향을 미치는 지

표입니다.

*첨부자료 7* Figure 53 — KernelGen 1P / PDF p.99 : 모델에게 오픈AI의 할라페뇨용 커널을 직접 작성하고 최적화하도록 한 평가입니다. 편법을 쓰지 않아야 하게끔 세팅된 평가입니다. 흥미로운 건 Astra가 50~70k output 토큰 수준에서 65% 정도의 reward까지 높아지는데, Sol은 비슷한 영역까지 올라가는 데 거의 300k를 써야 합니다. 시스템 카드에서도 아예 XPU low-level 커널 최적화를 벤치마크로 쓰고 있습니다. 향후 할라페뇨 이후 2세대 ASIC이 출시될 때는 소프트웨어 최적화나 low-level 커널 최적화에 필요한 engineer hour가 크게 줄어들 가능성을 보여주는 신호입니다.

*첨부자료 8* Figure 55 — PostTrainBench Lite / PDF p.101 : 이 테스트는 연구쪽 테

스트입니다. 단순 코드를 작성하는 게 아니라 모델이 어떤 데이터를 만들지, 어떤 사후학습 기법을 사용할지, 강화학습을 어디에 어떻게 적용할지, 중간 평가지표(eval)를 보고 다음 실험은 어떻게 바꿀지를 결정하는 테스트입니다. 1개의 H100과 5시간을 주고 12개의 사후학습 과제를 수행시키는 평가입니다. 굉장히 인상적인 건 그래프상 Astra의 커브가 모든 compute 구간에서 Sol보다 상당히 높고, Sol은 사실상 이정도면 '못하는' 정도였는데 이것이 Astra부터 가능해졌습니다. 프론티어 모델 경쟁력이 이제는 강화학습을 어떻게 잘 다루는가에서 주로 갈리고 있기 때문에 RL Trajectory, 합성 데이터 생성, reward design, 사후학습 레시피를 어떻게 할 것이냐로 갈리는데 이 영역에서 꽤나 의미있는 지

표입니다.

*첨부자료 9* Figure 41 — No-CoT Math Time Horizon / PDF p.72 : Astra의 특징을 가장 잘 보여주는 차트입니다. UK AISI 평가에서 CoT를 생성하지 않고 단 한 번의 forward pass만으로 해결할 수 있는 수학 문제의 인간 풀이시간 기준 문제 난이도(time horizon)가 Sol은 3.6분이었는데 → Astra는 30.9분으로 8.6배 상승했습니다. 쉽게 말해 Sol은 사람이 3.6분 고민해야 하는 문제까지 CoT 없이 풀 수 있었다면, Astra는 사람이 30.9분 고민해야 하는 문제까지 머릿속 풀이과정을 밖으로 드러내지 않은 채 한 번에 답을 낼 수 있게 됐습니다.

이는 전일 일간보고에서 Recurrent Depth에 대해서 전해드린 바

있습니다. 상당량의 계산이 CoT로 단어화되지 않은 상태에서 처리되기 때문에 No-CoT Math Time Horizon에서 이것이 굉장히 드라마틱하게 보입니다.

LLM Scaling은 건들지 않으면서 어떤 새로운 '축'이 생긴다는 것인가에 대해서는 <Beyond Parameters: Exploring Virtual Logic Depth for Scaling Laws(2025. 06. 23)> 논문에 잘 표현되어 있습니다. 기술로는 'Recurret Depth' 혹은 모델 유형으로는 'Looped Transformer'로 부를 수 있는 이 유형에서 Loop는 지식 용량(일종의 raw intelligence)을 키우진 않습니다. 다만 같은 작업의 Reasoning 능력(같은 지식을 사용하는 응용 능력)을 높이는 데는 효

과적입니다. 벤치마크상 성능 향상 그리고 고부가가치 사용 사례를 뚫는 데에 있어서는 Reasoning 능력이 중요하기 때문에 전일 일간보고에서 Astra가 연구 주도권을 가져오는 계기가 될 것이며 Fable 5.1과 달리 기존 벤치마크를 크게 뚫을 것으로 기대했던 것입니다.

이를 잘 표현한 차트가 있습니다. 아래 *첨부자료 10* 차트를 보시면 지식 용량은 파란색 점처럼 증가하는 것이고, looped layer를 통한 Reasoning 능력 개선은 녹색 점으로 표시한 것처럼 동일 모델의 장시간/고부가가치 작업 소화의 상한을 열어주는 것입니다. 간단하게 정리하자면 오픈AI가 GPT-6 Astra를 통해서 1년간 뺏겼던 연구 주도권을 다시금 가져왔으며 LLM 훈련 과정에서의 새로운 스케일링 축을 선보인

것입니다.

*첨부자료 11* Figure 28 — CoT Controllability / PDF p.57 : 이건 모델을 얼마나 스텔스 상태로 만들 수 있는가를 확인하는 평가입니다. 같은 길이의 CoT를 놓고 모델에게 "특정 단어를 쓰지 마라", "대소문자를 번갈아 써라" 같은 제약을 줬을 때 얼마나 자기 reasoning을 의도적으로 통제할 수 있는지를 측정합니다. 10K token CoT에서 Astra 60.9% vs Sol 16.1% vs GPT-5.5 1.7%입니다. 모델이 자기 reasoning의 형태를 의도적으로 조절하는 능력이 강해졌다는 뜻입니다.

​

(2) Thinking Machines Labs가 $40B 밸류로 $1B 투자를 유치하기 위한 협상 진행

중입니다.

​

(3) 메타가 Hatch 출시를 앞두고 안전 확보를 위한 정렬 작업에 힘쓰고 있습니다:

수개월간 메타 직원들이 직접 Hatch를 사용하는 dogfooding 과정에서 상당히 심각한 문제가 발견됐습니다. 대표적인 사례들은 ⓐ호텔 예약을 허락했더니 카드사 여행 포인트를 Hyatt 계정으로 이전함, ⓑ사용자에게 허락 받지않고 이메일 발송완료 후 알림, ⓒGmail 접근 권한을 사용해 특정 웹사이트 계정 비밀번호를 허락 없이 변경, ⓓ공격적인 모드로 바꿔 앱을 방해하라고 하자 "love it"이라고 하면서 공격 시도, ⓔ메타 직원에게 사기 웹사이트에서 제품을 주문하도록 유도하는 등입니다.

기존 챗봇에서 잘못된 답변은 사용자가 읽고 무시하면 끝날 수 있는데, 하지만 에이전트가 Gmail, 결제수단, 브라우저, 호텔 계정 등에 접근한다면 잘못된 판단 하나가 곧바로 송금 → 예약 → 비밀번호 변경 → 이메일 발송 → 개인정보 유출같은 실제 행위로

연결됩니다. 그러다보니 사용자가 의도한 행동만 수행하도록 하는 것이 중요하기에 안전 정렬 작업에 좀 더 공을 들이고 있습니다.

메타는 이를 모델 정렬만으로 해소하기 어렵다고 보고, 두 가지를 만들었습니다. ⓐ모델 바깥에 별도의 안전 시스템인 'Hard Gate'를 만들었습니다. 특정 민감한 행동을 하려고 하면 Hard Gate를 거치도록 해서 사용자 승인을 꼭 받게끔 강제하는 것입니다. ⓑCredential Valut라고 해서 비밀번호 재설정, 인증 코드, 계정 자격증명 같은 민감한 정보들은 에이전트에게 노출되지 않도록 필터링하게 만들었습니다.

Hatch가 성공하면 대박이기에 안전과 정렬 문제에 대해서는 따로 알렉산더 왕과 냇 프리드먼이 직접 관여하고

있습니다. 에이전트 보안 정렬에 성공한다면 B2C 에이전트로서 독자적인 사용 사례를 여는 계기가 될 수 있다보니 Hatch의 성공이 메타에게 + AI 업계에 중요합니다.

​

AI HW:

​

(1) CIEN 2Q26 실적발표 후 본장 -10%였습니다:

매출 $1.67B(컨센 $1.63B) YoY 37%, Adj EPS $2.11(컨센 $1.73) YoY 215%, Non-GAAP GPM 46.4%, Non-GAAP OPM 22.5%, 다음 분기 가이던스는 CY3Q26(FY4Q26) 매출 $1.75B(컨센 $1.7B), Non-GAAP GPM 45%, Non-GAAP OPM 20%입니다. 이번 분기와 다음 분기 실적은 In-line에 가깝고 마진율은 다음 분기로 가면서 오히려 낮아지는 가이던스

입니다.

시에나 실적발표 이후 광학 기업들 전반이 약했는데 LITE/VIAV/SMTC는 매출성장률 가속화 x 영업이익 레버리지 가속화 x 피크 GPM/OPM이 예상보다 더 높아지는 흐름(고부가가치 product mix 상승 효과)이 이어지고 있어서 펀더멘탈에 상관없는 하락이었습니다.

CY3Q26 시작 후 한 달 만에 2Q26 전체와 거의 같은 규모의 신규 주문을 받았습니다. 시에나는 컨콜에서 FY26 말(~CY3Q26) 수주잔고를 $10B 이상으로 예상했는데 이 중 대부분이 CY27 요청 납기입니다. 근데 고객 요청 납기 자체는 CY27에 전부 받고싶어 하는데 시에나 생산능력이 부족해서 CY28로 납기가 밀리는 상태라고 말했습니다. 수요-공급이 매칭되는 시점은 CY28 이전에 오지 않을 것으로 보인다고 말했

습니다.

FY27 매출은 최소 YoY 30% 성장을 할 것으로 잡았습니다. 연간으로 보면 마진은 조금 더 높아지는 예상입니다. FY27 Non-GAAP GPM 45~46%, OPM 25~27%입니다. 그러면 매출은 +30%, 영업이익은 +59~71% 가이던스입니다. 다만 분기 기준으로 보자면 이번 분기보다 GPM/OPM은 낮아지는 가이던스입니다. 이번 분기의 EPS 서프라이즈에 시장이 그닥 좋게 반응하지 않은 이유입니다.

HyperRail은 CY26 말 고객 표준화를 마치고 CY27에 $100~300M 매출규모로 올라올 예정입니다.

Scale-across 수요가 크게 높아지는 중이지만 아직 미국에서 몇 개 하이퍼스케일러들이 첫 데이터센터를 연결하는 수요 정도로 지금의 Scale-across 수요가 나오고 있는 단계라고 설

명했습니다. 또한 지금은 Scale-across를 synchronous training(동기화된 학습)용으로 쓰는 것이지만, 앞으로는 asynchronous training(이렇게 되면 Scale-acorss가 인접 캠퍼스가 아니고 도시 간, 국가 간, 대륙 간에도 가능해질 수 있어서 원문 단어 그대로 썼습니다. 원문을 쓰는 경우는 나중에 그 단어가 굉장히 중요해질 가능성이 있을 때 주로 씁니다.)과 추론에서도 사용할 것이라고 봤습니다. 상당히 중요한 변화입니다. 간단하게 정리하자면 Synchronous는 인접 데이터센터를 하나의 거대한 컴퓨터로 만드는 작업이고, Asynchronous는 전 세계의 흩어진 GPU를 거대한 Compute Pool로 만드는 작

업입니다.

Scale-across 수요가 얼마나 높은지를 설명하면서, 시에나 하이퍼스케일러 고객사 중 하나가 시에나 경영진에게 "신규 데이터센터를 내년부터 하나도 짓지 않더라도 시에나는 아마 2년 동안 알아차리지 못할 겁니다."라고 말해왔다는 내용을 전했습니다. 이미 만들어진 데이터센터를 연결하는 작업이 많이 남아있고 기존 데이터센터의 GPU가 더 고성능 제품으로 교체될수록 외부 네트워크 대역폭 역시 크게 늘려야 하기 때문입니다. 이미 존재하는 GPU 자산을 활용하기 위해서도 WAN 업그레이드가 필요합니다.

공급부족 덕에 가격 결정력이 매우 강해졌습니다. 고객과 제품에 따라 신규 가격을 7~9% 올리던 것을 이제는 17~23%까지도 높이고 있는

상태입니다. 중요한 건 기존 수주잔고에도 가격 인상을 그대로 적용하고 있다는 것입니다. 코히어런트 광모듈 칩 점유율은 루멘텀이 70~80%이므로 루멘텀 입장에서 Pump Laser 관련 매출이 생각보다 더 강할 수 있음을 말하는 것과 같고, 마찬가지로 8월 27일 루멘텀 도이치뱅크 컨퍼런스콜에서 말했던 것과 이어집니다. CEO는 당시 컨콜에서 가장 과소평가된 사업으로 Scale-across를 꼽은 바 있습니다. 마진이 매우 높고 빠르게 성장하고 있는데도 시장이 대부분 Scale-up/CPO에만 관심을 갖고 있다는 것이었습니다.

​

(2) 엔비디아가 Hugging Face를 $12.93B에 인수했습니다:

수많은 오픈소스 모델들을 엔비디아 GPU에 맞게 가장 최적화할 수 있게끔 하는 효과를

기대합니다. 엔비디아 2Q26 실적발표 자료 말미에 엔비다아가 Nemotron 프로젝트를 통해서 오픈소스 SOTA 모델을 출시하게 될 경우 오픈AI-앤스로픽이 ASIC으로 컴퓨트 비중을 빠르게 이전하여 엔비디아가 가져갈 점유율이 낮아지는 속도를 일부 줄일 수 있다는 맥락을 전해드린 바 있습니다.

​

(3) 현재 가장 앞서고 있는 휴머노이드 기업 Figure가 Nscale과 파트너십을 맺고 엔비디아 Vera Rubin GPU를 최대 10만 개 임대하기로 계약했습니다. 약정금으로 $3.5B를 지불했고 향후 $6.0B까지 확장할 계획입니다. 초기 구축은 2H27부터 시작됩니다.

개인적으로는 CY26는 Agentic AI의 개화기일 것이고 → CY28은 Physical AI의 개화기일 것으로 생각하고

있습니다. 컴퓨트 플랫폼이 곧 지능의 프론티어를 결정하기에 컴퓨트 입장에서 정리해보면 Agentic AI는 Grace Blackwell에서 꽃봉오리를 맺고 Vera Rubin에서 개화할 것으로 예상하고, Physical AI는 Vera Rubin에서 꽃봉오리를 맺고 Rosa Feynman에서 개화할 것으로 예상합니다.

Figure는 8월 25일 휴머노이드 학습 데이터셋 구축 프로젝트인 Index를 발표한 바 있습니다. 이미 데이터셋 파이프라인 자동화를 완료한 상태에서 비디오 파이프라인을 키우는 작업이었습니다. 매초 35분 분량의 데이터가 만들어지고 있습니다. 이제 데이터는 확보했기에 이에 발맞춰 엄청난 컴퓨팅 자원이 필요하니 compute scale up의 시

간입니다.

물론 실제로 쓸모있을 정도가 되기까지는 아직 한참 시간이 필요할 것으로 예상합니다.

​

(4) 브로드컴 실적발표와 관련해서 말씀드린 것처럼 구글 TPU 물량이 생각보다 빠르게 미디어텍으로 넘어가고 있습니다. *첨부자료 1* 브로드컴이 XPU GPM 67%라면, 미디어텍은 Semi-COT니 그렇기도 하지만 XPU당 GPM 40%를 받고 있습니다.

Enterprise/GPU IaaS:

​

(1) ZS 2Q26 실적발표 후 시간외 -2%입니다:

매출 $898.2M(컨센 $877M) YoY 25%, Adj EPS $1.19(컨센 $1.09) YoY 34%, ARR $3.77B YoY 25%, Net New ARR $246M YoY 24%, Deferred Revenue $2.93B YoY 1

9%입니다. 다음 분기인 CY3Q26(FY1Q27) 가이던스는 매출 $935~939M(컨센 $927M), Adj EPS $1.15~1.16(컨센 $1.08)입니다. FY27(CY3Q26~2Q27) 가이던스는 매출 $3.91~3.94B(컨센 $3.9B)로 YoY 17%, Adj EPS $4.86~4.90(컨센 $4.60), ARR $4.40~4.43B YoY 17%입니다.

정리하면 여전히 매출성장 선행지표상 감속 중입니다. 후행지표부터 선행지표순으로 정리하면 ARR +25% → New New ARR +24% → Deferred Revenue +19% → FY27 매출 및 ARR +17%입니다. B2B SaaS/사이버보안 기업들 중 대부분이 컨콜/내러티브로는 좋은 말을 하는데 숫자로는 가속이 안 보이는 경우가

많습니다.

Zscaler는 기존 기업의 네트워크 보안 구조를 Offline 방화벽 중심의 네트워크 보안 구조에서 → 클라우드 중심의 Zero Trust 기반 연결구조로 바꾸는 회사였습니다. 모든 트래픽을 아예 그냥 Cloud PoP에다 넣고 확인시킨다음 원하는 곳으로 전송해주겠다는 가치제안입니다. 근데 이거는 트래픽이 상대적으로 많지 않은 North-south에서는 가능한 구조였고 SaaS 사용량이 많을 때는 이게 맞았는데, 포티넷 기업분석 자료에서 전해드린 것처럼 지금은 East-west 트래픽이 크게 늘고 AI를 늘리면서 내부 사용량이 많아지고 있어서 판이 달라지고 있습니다. 지난 10년간 방화벽은 점점 필요성이 낮아져가는 흐름이었는데 이제 다시 두 번째 전성기를 시작한 것으로 보고

있습니다.

사이버보안도 그렇지만 IT SW쪽을 볼 때 중요한 건 ⓐAI향 신규 고객에게 팔리는 제품이냐, ⓑ기존 고객이 AI를 사용을 늘리기 시작하면서 판매가 늘어나는 제품이냐, ⓒAI로, AI를 위해 아예 AI-Natvie로 만든 제품을 팔고 있느냐, ⓓ원래 있던 제품에 일부 AI를 넣은 다음 AI 이름만 붙인 건 아니냐 등등 따져야 할 것들이 많습니다. 왜 따지는가 하면 모든 기업은 자사가 AI 수혜 기업이라고 컨콜에서 말하기 때문에 그렇습니다. Zscaler는 아직 대부분 ⓓ에 가깝습니다.

​

(2) 포티넷 기업분석 자료를 올렸습니다:

사이버보안 기업 중 사실 유일하게 하드웨어 강점을 가진 기업입니다. 왜 그랬는가 하면 결국 지난 10년 SaaS의 시대 동안에는 모든 트래픽을 검사하기 위해서는 Cloud PoP로 트래픽을 다 보낸 다음에 원하는 곳으로 쏴주는 게 유리했기 때문에 방화벽을 점점 더 없애는 추세였기 때문

입니다.

이제는 Agentic AI로 인해서 그 방향이 바뀌기 시작한 것으로 봅니다. Agentic AI가 확산되면 서버-서버, 에이전트-데이터베이스 사이의 East-West 트래픽이 증가합니다. 그러면 단순히 데이터센터 입구의 North-South 트래픽만 검사하는 것으로는 부족해지고 내부 네트워크를 잘게 나눠 보호하는 Segmentation 수요가 커집니다.

포티넷은 이 과정에서 FortiASIC의 높은 Throughput과 전력효율을 경쟁력으로 가져갈 수 있습니다. 네오클라우드 고객과의 방화벽 계약이나 방화벽 매출 수혜강도를 보시면 PANW와 FTNT의 격차가 꽤 큽니다. FortiASIC이 경쟁역량으로 작용하고 있다는 의

미입니다.

결과적으로 새롭게 방화벽이 필요한 장소로 네오클라우드/소버린클라우드, OT가 부상하고 있습니다. 특히 네오클라우드가 TaaS를 시작하면 Tenant isolation이 필수적입니다.

AI 덕에 매출성장률은 높아지고, OpEx 효율화 효과를 보고 있습니다. GPM 자체도 기본 체력이 워낙 높았던 상태이니 영업이익 레버리지 효과가 길게는 2~3년, 가파른 구간은 1~2년 유지될 것으로 예상합니다.

포티넷의 평균 서비스 계약기간은 최근에도 약 29~30개월, 즉 2.5년입니다. 2Q25 컨콜에서 켄 시에는 과거 Product Revenue가 30~50%씩 성장했던 시기의 계약들이 평균 29~30개월에 걸쳐 Service Revenue로 인식됐다고 직접 설

명했습니다. 예를 들어 $300짜리 30개월 서비스 계약이라면 대략 Billings $300 발생 → Deferred Revenue $300 적립 → 매달 약 $10씩 Revenue 인식이라는 구조입니다. 4~6분기 정도씩 후행한다고 보시면 Service 매출성장률은 1Q26를 저점으로 조금씩 높아지다가 본격 가속되는 시점은 2H26부터일 것으로 예상(3Q25 당시 CFO 코멘트도 같습니다)합니다.

​

신재생/전력기기:

(1) 전일 일간보고의 브로드컴도 고객사들의 Powered Shell 부족을 얘기했을 만큼 CY27에 CoWoS 기준 칩 레벨 전력 수요는 45~50GW

정도입니다. 미국 내 전력망을 통한 연결은 11~14GW 정도이니 나머지 30~40GW에 달하는 전력을 어떻게 외국 + BTM으로 채울 것인가가 CY27부터 굉장히 큰 화두가 될 것으로 예상합니다. 더구나 커뮤니티 수용성은 점점 더 나빠질 것이 자연스럽습니다. 모두가 이를 알고 있기에 이 주문들이 미리 들어오기 시작할 시즌이 3Q~4Q26이 될 것으로 보고 있습니다. Powered Shell 온라인을 위한 SOFC 수요가 기존의 성장 궤적보다 훨씬 가파를 것으로 보기에 블룸에너지의 성장성 대비 밸류가 여전히 매력적이라고 보고 있습니다.

시에나는 Scale-across가 본업이고 이 분야에서 독보적인 기술력을 갖고 있는

기업입니다. 루멘텀이 Scale-across/DCI향 레이저를 판매하긴 하지만 최종 고객사인 하이퍼스케일러들의 고민을 듣고 제품을 설계해 해결해주려 하는 체인은 시에나입니다. 루멘텀은 시에나가 요구하는 스펙의 제품대로 납품하는 일입니다. 루멘텀의 사업부가 일부는 Components, 일부는 Systems로 나뉘어 있는 것도 그런 차원에서 생각해보시면 좋습니다.

시에나는 이번 분기에 모든 AI HW 밸류체인 중 처음으로 asynchronous training의 가능성을 언급했습니다. 계획임을 생각해보면 실질 배포 시점상 CY28쯤에는 인접한 클러스터의 동기식 학습이 아니라, 도시 간, 국가 간, 대륙 간 훈련이 가능해질 수

있습니다. 대부분의 Powered Shell 수요가 미국에 집중되긴 하겠으나, 일부 국가의 소버린 클라우드와 협상해 AI Labs가 GPU 베어메탈/read-only 조건으로 계약할 가능성도 열어두려 합니다. 아직 이런 협상이 오가고 있는 동향이 뚜렷하게 발견되진 않았습니다.

광고/이커머스:

​

(1) 구글은 계속해서 Zero click 검색엔진을 강화하고 있습니다. 링크를 클릭해서 들어가보지 않고, 검색어를 입력하면 검색엔진이 완성된 답변을 모두 보여주는 식입니다. 인용 링크 같은 게 붙어있기는 하지만 문제는 근거를 직접 확인하려하지 않으면 링크를 제공한 원자료 웹사이트에는 들어가지 않을 것이므로 구글 입장에서는 사용자당 검색량, 검색 세션 내 참여도를 높여주고 다 좋은데 수많은 웹사이트의 Organic Traffic을 크게 낮추는

길입니다. 디지털 광고 시장은 의외로 점점 더 무료 트래픽 얻기가 어려워지고 있습니다.

의료기기/핀테크/코인:

​

(1) 오늘 트랜스메딕스의 3Q 비행 건수는 1,973건, 오늘의 일간 비행데이터는 +33건이었습니다. 3Q는 65일이 지났으며 일평균 비행속도는 30.36건 속도였습니다.

​

(2) 오늘의 서클 USDC 유통량은 $73.87B, CCTP 전송량은 30일 기준 $18.1B입니다. USDC 유통량 자체는 42주간 횡보 중입니다. 횡보를 뚫는 기준은 MoM 기준 20% 이상의 성장세를 1주간 유지하는가입니다. 오늘 주간 기준 -0.08%, 월간 기준 +2.25% 수

준입니다.

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

​

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

​

(4) 로빈후드의 Robinhood Chain을 통한 수수료 수입이 하루 $4.5M/ARR $1.64B 수준의 성장세입니다. 로빈후드의 TTM 매출이 $4.9B였으므로 매출비중 33.5%에 해당하는 신규 사업이 생긴 효

과입니다:

그러나 '지금 추세'가 지속된다면 그게 맞는데, 이거는 굉장히 하나하나 따져볼 필요가 있습니다.

Robinhood Chain은 7월 1일 메인넷을 열었습니다. 지난 2개월 거래량은 나쁘지는 않았는데, 최근 9월 2일 로빈후드 체인에서 발생한 Gas Fee가 무려 $4.45M로 8월 22일 $54K 대비 82배 증가했습니다. 같은 기간 Transaction은 36% 증가했는데 거래 한 건당 지불하는 가스비가 크게 증가했다는 뜻입니다.

로빈후드 체인의 가스비가 왜 이렇게 갑자기 높아졌는가가 핵심입니다:

로빈후드가 체인을 만든 이유는 주식 토큰을 중심으로 전 세계 자산시장을 온체인화시키겠다는

것입니다. ERC-20 기반이니 거래도 하고 대출 담보로도 쓰고 할 수 있습니다. 근데 이걸 그냥 알아서 가져다 쓸 수 있게끔 Permissionless로 열었더니 밈코인 생태계가 로빈후드 체인으로 왔습니다.

로빈후드 체인은 거래가 몰려서 backlog가 쌓이면 가스비가 높아집니다. 밈코인들이 토큰 생성하고 매매하는 봇의 거래량을 급증시키면서 → Transaction당 가스비가 크게 높아지자 → 로빈후드 입장에서는 갑자기 수수료 수입원이 엄청나게 커진 것입니다.

로빈후드는 수수료를 받으면 아비트럼과 50대 50으로

나눕니다. 물론 여기도 좀 리스크가 있는 건 아직 로빈후드 체인에서 나오는 가스비에서 50%를 나눈 게 곧 로빈후드의 확정적인 매출인지 아닌지는 정확히 발라준 바가 없습니다.

로빈후드가 현재 생태계를 보조하고 있어서 그렇기도 합니다.

로빈후드는 메인넷을 출시하면서 첫 90일 동안 가스비를 지원한다고 발표했습니다. 9월 29일까지 유지됩니다. 그러면 지금 기업 차원에서는 로빈후드가 받는 가스비라는 게 실제로는 아비트럼에 50% 수수료를 지불하는 성격이 섞여있다는 의미입니다. 고객 대신 비용을 내주고 있는

것입니다.

로빈후드 입장에서는 성장은 유지될 가능성이 높은데, 지금의 수수료 수준이 유지될 가능성은 낮습니다. 지금은 혼잡비용이 높아졌기 때문에 돈을 벌고 있는 것입니다. 만약 로빈후드가 네트워크 캐파를 늘리고 혼잡을 해결하면 서비스는 좋아지는데 로빈후드 체인의 transaction당 fee는 크게 떨어집니다. 로빈후드 입장에서는 기술적으로 좋아지고 장기 지속가능하게 만들수록 지금의 비정상적으로 높은 가스비 매출이 내려가야 합니다. 원래는 대략 연간 $127M정도 버는 것을 목표로 하고 있었습니다. 이것도 매출비중으로 보면 2.6%이니 꽤나 큰 수입원이었을 것인데 투자자들 입장에서는 ARR $1.46B를 언급하며 기대가 커져 있는 상

태입니다.

9월 29일 전후의 transaction 수와 가스비가 어떻게 바뀌느냐가 중요합니다. 혼잡 상태가 풀리며 가스비가 많이 떨어져도 transaction이 꽤 유지된다고 보면 일간 $4.5M 수준의 매출은 일회성이었지만 로빈후드 체인에 대한 관심도가 매우 높아졌고 이를 기반으로 향후 증권 + 대출 사업도 키울 수 있으니 로빈후드의 CY27 새로운 성장동력이 강력해질 수 있고, 만약 그렇지 않고 transaction가 크게 하락하면 로빈후드가 그동안 높은 가스비를 모두 마케팅 비용처럼 부담한 것이고 무료 가스비 덕에 밈코인들이 로빈후드 체인에 일시적으로 몰려서 발생한 해프닝으로 기억될 수

있습니다.

결과적으로 굉장히 재밌는 일이기는 한데 다소 투기적인 베팅이라는 생각입니다.

​

저희의 생각을 담아서 랩을 운용하고 있습니다

메리츠증권 : https://naver.me/xQiZ5UHt

SK증권 : https://naver.me/Fl