[원문 유형] 네이버 프리미엄 콘텐츠 [채널] 올바른 미국주식 by SAPIENS [게시일] 2026.01.07. 오후 8:45 [원문 URL] https://contents.premium.naver.com/sapiens/sapiensasset/contents/260107204548327hg [제목] 엔비디아 CES 2026 : Vera Rubin의 시대, ICMS가 불러올 메모리 지각변동 [수집 기준] 승인된 구독 열람권으로 실제 본문을 보존했다. 이미지·첨부는 별도 미디어 원장에 보관하며 시각적 의미 검토 여부를 구분한다. [구독 원문 본문] ​ 안녕하세요 올바른입니다. ​ 엔비디아 CES 2026을 요약하면 "추론의 시대"입니다. GTC 2026를 앞두고 프리뷰 정도임에도 많은 것을 공개했습니다. VR200 NVL72의 파격적인 성능 그리고 'NVIDIA ICMS'가 화제입니다. ​ 기존의 G1 HBM → G2 System DRAM → G3 Rack Local SSD → G4 Shared Object/File 구조 속에 G3.5로 NVIDIA Inference Context Memory Storage를 추가했기 때문입니다. ​ 메모리 기업들이 전일 강세였던 이유를 정리해보고, 2026년 1월 대만 공급망 체크 이후 엔비디아, 브로드컴, 마벨, AMD 등 주요 칩 메이커 기업들의 수요-공급을 체크한 자료입니다. ​ 살펴보셨으면 하는 글들 2026-01-02 엔비디아가 $20B를 주고 데려온 남자 : Groq 창업자 조나단 로스의 통찰 (바로가기) 2025-12-24 구글 AI 인프라 책임자의 경고 : '우리는 여전히 수요를 심각하게 과소평가하고 있다' (바로가기) 2025-12-19 블랙록 2026 전망 : AI CAPEX $8T 시대를 열기 위한 '금융 보릿고개'를 지나는 중 (바로가기) 2025-12-17 AI 버블론을 잠재우는 숫자들 : 엔터프라이즈 AI $37B 시장의 현주소 (바로가기) 2025-12-04 엔비디아 펀더멘탈 체크 : 구글 TPU의 추격? 시장점유율에 대한 생각, 아시아 공급망 체크 (바로가기) 2025-10-08 오픈AI 퇴사자의 글 #1 : 2027년 AGI가 온다 (바로가기) 2025-10-03 엔비디아 CEO 젠슨황 인터뷰 : 오픈AI 10GW 동맹 x 극한의 풀스택 공동 설계 (바로가기) 2025-09-26 AI 사이클 한 눈에 보기, SemiAnalysis 인터뷰 : 승부사 젠슨황 그리고 화웨이의 역습 (바로가기) 투자자문 서비스에 따른 투자 시 원금 손실이 발생할 수 있으며, 투자 손익에 대한 책임은 전적으로 고객에게 귀속됩니다. 또한 과거의 투자수익이 미래의 수익률을 보장하지 않습니다. ​ 신규 구독 전에, 아래 투자자문계약 권유문서의 계약 관련 제반 사항을 반드시 읽으시고 충분히 검토하시기 바랍니다. ​ *투자자문계약 권유문서 : https://naver.me/5ZST47Qf 목차 ​ 엔비디아 CES 2026 : ⓐVera Rubin ⓑFull Production ⓒContext Memory 공급망 체크 : NVIDIA, Broadcom, AMD, AWS, MediaTek, Marvell 투자의 생각 : 엔비디아(NVDA) ​ 엔비디아 CES 2026 ⓐVera Rubin ⓑFull Production ⓒContext Memory ​ CES 2026에서 중요했던 것들 2026년 엔비디아의 첫 번째 키노트를 마쳤습니다. 작년의 CES 2025는 살펴볼 게 많이 없었고 GTC 2025에서 중요한 것들이 많이 나왔는데, 이번에는 현 시점에서 꽤 중요한 포인트들이 있었던 이벤트였습니다. Physical AI 등 미래를 준비하는 작업들은 제외하고, 현 시점의 펀더멘탈에 영향을 주는 부분들만 정리해봤습니다. Vera Rubin : Extreme Co-design 이번 아키텍처는 6개의 칩으로 구성된 하나의 시스템이고 이전보다 훨씬 더 co-design을 강조한 칩들입니다. 6가지는 ⓐVera CPU ⓑRubin GPU ⓒConnectX-9 Spectrum-X SuperNIC ⓓBlueField-4 DPU ⓔNVLink 6 Switch ⓕSpectrum-X Ethernet CPO로 구성되어 있습니다. ​ VR200 NVL72를 GB200/300 NVL72와 비교할 때 성능을 보면: NVFP4 추론은 3.6EFLOPS로 5배, NVFP4 훈련은 2.5EFLOPS로 3.5배, 랙당 LPDDR5X 용량은 서버당 54TB로 3배 늘고, HBM 용량은 20.7TB로 1.5배, HBM4 대역폭은 1.6PB/s로 2.8배, 전체 Scale-up 대역폭은 260TB/s로 2배 향상됐습니다. ​ *VR200 NVL72의 원래 이름은 NVL144였습니다만, GPU 다이 기준이 아닌 GPU 패키지 수 기준으로 정리하면서 VR200 NVL72로 이름이 바뀌었습니다. VR300 NVL576의 이름은 VR300 NVL144로 바뀔 것으로 예상합니다. ​ GB200 NVL72 vs VR200 NVL72 비교 왼쪽 차트는 10조 개의 파라미터 모델 훈련에 필요한 GPU의 수를 비교한 것입니다. xAI의 Grok 5가 대략 7조 개 파라미터이기 때문에 프론티어 모델 훈련 상황을 살펴보기에 꽤 적절한 차트입니다. 프론티어 모델의 훈련 시간 단축은 곧 AI 기업의 비용 절감과 직결됩니다. 모델 출시 속도가 빨라질수록 시장 장악력과 추론 마진율을 높게 가져갈 수 있기 때문입니다. 차트로 보시면 동일 시간 기준, VR200 NVL72은 기존 GB200 대비 4분의 1의 GPU로도 훈련이 가능할 만큼 획기적인 퍼포먼스를 보여줍니다. ​ 중간과 오른쪽 차트는 데이터센터 단위에서 낼 수 있는 토큰 처리량(Throughput)을 보여주는 차트입니다. 같은 전력, 같은 달러를 투입했을 때 얼마의 Throughput이 나오느냐가 'TCO 대비 퍼포먼스'의 핵심입니다. 엔비디아는 Kimi K2-Thinking(Reasoning) 모델 기준 GB200 NVL72에 비해서 10배 더 많은 Throughput을 달성했음을 강조했니다. 바꿔서 말하자면 하나의 토큰을 만드는 데 드는 비용은 10분의 1로 낮아졌다는 의미입니다. ​ 같은 Hopper 대비 Blackwell에서 토큰 생성비용을 10분의 1로 낮췄었는데 → Blackwell 대비 Rubin에서 다시 한 번 토큰 생성비용을 10분의 1로 낮출 예정입니다. ​ 추론의 경제학 위 차트에서 X축은 '사용자 한 명당 토큰을 생성하는 양'입니다. 한 명에게 더 많이 토큰을 빠르게 만들어줄 수록 사용자 경험이 좋아지고, 혹은 더 많은 컴퓨팅을 배정함으로써 더 똑똑한 품질의 답변을 제공할 수 있습니다. Y축은 데이터센터 기준 초당 토큰 생산량을 의미합니다. 여기에 많은 영향을 주는 게 batch size인데 이는 한 번에 병렬로 처리하는 사용자 요청 수를 의미합니다. ​ 추론의 시대에 가장 중요한 가치는 "ⓐ달러당 초당 몇 개의 토큰을 생성하여 ⓒ서버당 몇 명의 사용자에게 ⓑ어느 정도의 지연속도로 서비스 할 수 있는가"입니다. ⓐThroughput ⓑLatency ⓒInteractivity까지 3개의 축이 있으며 하이퍼스케일러들은 이 모든 축에서 최고의 값을 낼 수 있는 지점에서 서비스합니다. 이 전체의 축들을 고려할 때 최적의 스팟 기준 토큰 추론비용을 10분의 1까지 낮출 수 있다는 것입니다. ​ Vera Rubin VR200 Compute Tray는 Vera CPU 2개, Rubin GPU 4개, ConnectX-9 NIC 8개, BlueField-4 DPU 1개로 구성되어 있습니다. VR200 NVL72 랙 단위로 보자면 Compute Tray가 18개, NVLink 6 Switch Tray가 9개로 구성됩니다. NVLink 6 Switch가 Compute Tray 18개를 하나로 엮어 72개를 하나의 GPU처럼 연결하고, 이를 다른 랙들과 연결하는 Scale-out에 Spectrum-X Ethernet CPO 1개가 쓰입니다. ​ Rubin, 2가지 SKU 2025년 10월 중순에 Rubin에 대해 전해드린 내용처럼, 이번 Rubin GPU는 Max Q와 Max P 버전으로 출하될 예정입니다. Max Q는 칩은 1800W/랙은 190kW이고 Max P는 칩은 2300W/랙은 230kW입니다. 둘 다 GB300 NVL72의 칩 1400W/랙 140kW보다는 크게 높습니다. Max P를 만든 이유는 MI455X 대비 아웃퍼폼하기 위해 HBM4의 칩 스피드를 상향했기 때문이 크지만, 전력 프로필을 두 개로 나눠서 유지하고 있는 이유는 고객사들의 데이터센터 전력이 부족한 상황에서 배포의 유연성을 높이기 위한 조치입니다. ​ 젠슨황 "Vera Rubin is in full production" 젠슨황은 이번 CES 발표 도중, "6개의 칩으로 구성된 Vera Rubin 전체 세대 칩들이 양산을 시작했다("Our next generation GPU architecture, Vera Rubin, is now in full production.")​"고 말했습니다. 좋습니다. ​ 엔비디아가 Vera Rubin부터는 이전 Grace Blackwell Trasnsition에서 발생했던 오류를 다시 범하지 않고자 L10 Compute Tray를 엔비디아가 직접 공급하고 이 조립 과정에서도 아예 대량생산에 특화된 구조를 설계했습니다. VR200 Compute Tray는 케이블, 호스, 팬이 없습니다. ​ 이전에는 수작업이 필요했던 것들을 최대한 대량생산에 적합하도록 만들어서 트레이 1개당 2시간씩 걸리던 생산시간을 5분으로 단축시켰습니다. 이처럼 L10 Compute Tray를 엔비디아가 직접 생산하여 서버 기업들에게 공급함으로써 얻는 이점은 크게 두 가지입니다. ​ 생산 병목 해결 : 현재 GB200 NVL72 랙은 Foxconn, Wistron 같은 서버 ODM이 Compute Tray 등을 조립/생산하고 있습니다. 하지만 이 과정에서 수율이 기대만큼 오르지 못하고 생산 병목 현상이 발생하자, 엔비디아는 차세대 랙의 폭발적인 생산량 증가를 위해서는 이 문제를 직접 해결해야 한다고 판단했습니다. 그리고 앞으로 더욱 더 전력밀도나 냉각밀도가 높아질 것이므로 개별 기업들의 R&D로는 충분히 해결되지 않으니 데이터센터 단위에서도 충분히 잘 작동하도록 하는 과정이기도 합니다. 마진 극대화 : 엔비디아가 L10 Compute Tray를 직접 생산해 공급하면, 더 많은 공급업체가 관여하며 발생하는 변수를 통제할 수 있습니다. 이는 수율과 양산 리드타임을 직접 컨트롤하는 동시에, 기존에 파트너사가 가져가던 마진까지 엔비디아가 흡수할 수 있음을 의미합니다. NVL72를 통해서 NVLink를 Scale-up의 핵심으로 만들고 엔비디아가 그 과정에서 CPU 및 네트워킹 제품에 대한 매출 및 마진을 가져가는 것과도 비슷한 맥락입니다. 물론 이 모든 과정에는 TCO 대비 퍼포먼스를 끌어올리기 위한 고민이 제1이겠지만 그 속에서 매출과 마진에도 순풍이 부는 구조를 설계했습니다. ​ NVIDIA ICMS(Inference Context Memory Storage) 플랫폼 젠슨황은 CES 발표 당시, "HBM만으로 GPU의 컴퓨팅을 지원하기에는 턱없이 부족하며, 메모리 병목 현상은 더욱 더 심화되고 있다(With existing high-bandwidth memory, it’s far from sufficient to support GPUs, and the memory bottleneck is only getting worse)"고 말했습니다. 해당 코멘트와 함께 발표된 NVIDIA ICMS 플랫폼이 CES 2026의 핵심이자 SSD 및 메모리 기업들의 주가가 상승한 배경입니다. ​ 전체적인 흐름부터 정리해봅니다. ​ Context Memory의 문제 LLM의 사용 사례가 챗봇 → Reasoning → Agentic AI로 진화함에 따라 메모리는 더 많이 필요해지기 때문에 그렇습니다. 여러 번 생각하는 구조로 갈수록(시퀀스 길이가 증가할수록), KV Cache가 계속해서 증가하기 때문입니다. 에이전트는 특히 계속해서 LLM이 두뇌 역할을 하며 다양한 서비스를 드나들기 때문에, 중간 결과나 도구 사용 등에 대한 장기 기억을 훨씬 더 많이 필요로 합니다. ​ Transformer 기반에서 추론 컨텍스트 기억은 KV Cache를 통해서 이뤄집니다. 추론 컨텍스트를 보관함으로써 모델이 새로운 토큰을 생성할 때마다 다시 처음부터 계산하지 않도록 하는 것입니다. 기록하고 쓰지 않는 구조가 아니라 추론 컨텍스트는 다시 꺼내서 쓰고 하는 작업을 반복하기에 내구성이나 속도, 전력과 비용의 효율성도 중요합니다. ​ 추론 컨텍스트에서 KV Cache가 옮겨다니던 메모리 계층을 정리해봅니다. ​ HBM → System DRAM → Rack Local SSD → Shared File 엔비디아는 NVIDIA Dynamo를 통해서 스토리지 계층 전반에 걸쳐 추론 시 사용되는 KV Cache를 관리하고 있습니다. 구조적으로 보면 이렇게 되어 있었습니다. ​ G1 (GPU HBM) : 답변을 생성 중인 활성화된 데이터용입니다. 속도가 매우 빨라야 하고, 지연시간이 핵심인 작업에 사용됩니다. G2 (System DRAM) : HBM의 용량이 부족할 때 데이터를 임시로 옮겨두는 공간입니다. G3 (Local SSD) : 짧은 시간 안에 다시 사용될 가능성이 있는 Warm data를 저장합니다. G4 (Shared Object/File) : 당장 처리에 필요하진 않지만 보관이 필요한 Cold data를 보관합니다. ​ G1은 접근 속도에 최적화되어 있고, G3와 G4는 데이터 보존에 최적화된 구조입니다. 그런데 문제는 AI가 다루는 컨텍스트 윈도우가 점점 더 커지다보니 데이터 양이 늘어남에 따라 KV Cache가 Local Storage였던 G1~G3를 빠르게 소진시키고 Enterprise Storage 레벨인 G4까지 데이터를 이동시킬 수밖에 없는데, 이 과정에서 병목이 커진다는 게 문제입니다. 비용과 전력 소비 모두를 증가시키는 길이었습니다. ​ Pod 내의 Inference Context Memory Storage의 위치 이에 엔비디아가 Rubin부터는 컴퓨팅 Pod을 구성할 때 ICMS를 GPU와 직접적으로 연결하여 쓸 수 있게 했습니다. 위의 VR200 DGX SuperPod 구성을 보시면, 양 옆으로 Context Memory 랙을 확인하실 수 있습니다. 이번 Rubin 플랫폼부터 새롭게 추가된 부분입니다. ​ 지금보다 훨씬 더 메모리 집약적인 추론을 위해서 대규모 SSD를 마치 직접 GPU에 연결된 수준으로 가져다 쓸 수 있게끔 인프라를 짠 것입니다. ICMS을 통해서 BlueField-4 DPU 4개와 150TB 규모의 NVMe SSD를 탑재하면 GPU Pod당 PB 규모의 공유 스토리지가 생깁니다. 각 GPU당 추가로 16TB의 Context Memory를 얻게 되는 효과이며, Latency에 민감한 KV Cache의 상당부분이 이젠 ICMS에서 제공되므로 TPS는 5배 높아지고 기존 스토리지 연결구조 대비 전력 효율은 5배 높아지는 효과를 얻습니다. ​ 추론 컨텍스트 처리가 GPU에서 멀어지면 멀어질수록 지연시간은 높아지고, 에너지 사용량과 토큰당 비용이 상승하며 전체적인 효율이 떨어지는 문제가 생깁니다. 그래서 아예 Pod 레벨에서 통합된 특수한 컨텍스트 메모리 계층을 만든 것이 NVIDIA ICMS입니다. G3.5 레벨입니다. KV Cache 데이터 액세스가 훨씬 더 빨라지고 GPU가 쓸 수 있는 메모리의 규모가 크게 증가하는 만큼 효율이 높아집니다. ​ 이 과정에서 추론 레벨에서는 NVIDIA Dynamo와 NIXL(NVIDIA Inference Transfer Library)이 어떤 데이터를 언제 옮기고 어디에 옮길지 결정하는 소프트웨어 역할을 합니다. KV를 미리 옮겨 decode 병목을 줄입니다. 그리고 BlueField-4 DPU와 NVIDIA DOCA 프레임워크는 데이터 이동을 전담 처리하여 GPU의 부하를 줄이는 역할을 합니다. 네트워킹에서는 Spectrum-X Ethernet이 Rubin 컴퓨팅 노드(VR200 NVL72 or R200 HGX)과 BlueField-4 ICMS 스토리지 노드를 전체를 오가며 지연시간이 짧고 대역폭이 높은 패브릭 역할을 합니다. 아예 추론 컨텍스트에 맞게 시스템을 새롭게 설계한 것이자, 새로운 X Factor를 추가시킨 것입니다. ​ NVIDIA ICMS로 인해 달라지는 부분 2026년 하반기 VR200 NVL72 양산과 함께 도입될 NVIDIA ICMS으로 달라질 부분 중, 가장 큰 것은 SSD 수요가 이전에 비해서 레벨업 될 것을 예상합니다. 이제는 단순 저장소 역할이 아니라 추론의 Inner Loop에 속하기 때문입니다. 추론 메모리로 쓰이는 특성상 SSD 중에서 고성능 엔터프라이즈 NVMe SSD 제품군에 대한 수요가 증가하고, QLC 기반 고용랑 NAND 수요도 함께 증가할 것으로 예상합니다. eSSD 분야에서는 SK하이닉스(솔리다임), 키옥시아, 샌디스크, 마이크론이 수혜를 입는 강도가 큽니다. ​ 물론, NVIDIA ICMS으로 2026년 하반기부터 SSD 수요가 지금보다 더 늘어나는 것과 별개로 HDD 자체의 수요-공급도 쇼티지가 더욱 심해지는 구간입니다. 이부분은 아래의 공급망 체크에 정리했습니다. ​ 공급망 체크 NVIDIA, Broadcom, AMD, AWS, MediaTek, Marvell ​ AI HW : 한 달 사이 더 강해진 수요 모건스탠리의 공급망 체크 결과, 2026년 1월 초 기준 GPU 및 ASIC 전반에서 추정치 상향이 있었습니다. 왼쪽의 2025년 12월 TSMC CoWoS 할당 테이블에 비해서, 오른쪽의 현재 2026년 1월 테이블은: ​ 엔비디아 : CY26 할당이 800K → 875K(+75K)로 상향됐습니다. 브로드컴 : CY26 235K → 280K(+45K)로 상향 AMD : CY26 130K → 110K(-15K)로 하향 *Xilinx가 10K 차지* 미디어텍 : CY26 20K → 40K(+20K)로 상향 AWS/Alchip : CY26 70K → 80K(+10K)로 상향 Marvell : CY26 45K → 37K(-8K)로 하향됐습니다. ​ 고객사별 분류 엔비디아는 단기적으로 GB200-GB300 수요가 더 크게 늘었습니다. Vera Rubin 6개의 칩이 생산에 들어갔으며, Amkor 및 ASE/SPIL의 CoWoS-S 생산라인을 통해 2026년 중국 하이퍼스케일러향 H200 200만 개의 주문을 처리할 예정입니다. ​ 브로드컴은 이제 TSMC 내 TPU v8ax 칩 생산을 3Q26~4Q26부터 시작할 예정이며, TPU 수요에 대응하기 위해 Amkor향 CoWoS-S 30K 분량을 확보했습니다. 물량으로 보면 대부분의 TPU 물량은 여전히 TPU v7일 것으로 예상됩니다. ​ AMD는 추정치상 큰 변화가 없이 수요에 맞게 현실화된 것으로 판단되며, 마벨은 마이크로소프트의 Maia300 프로젝트가 순탄치 않아 CoWoS 용량 예약규모가 CY26 20K → 5K로 대폭 삭감될 것으로 예상됩니다. ​ 히스토리를 보고 싶으신 분들을 위한 *2024년 12월 → 2025년 4월 → 2025년 7월입니다. 당시 변화를 요약하면: ⓐ엔비디아의 주문량이 늘었다가 수출규제로 감소했었습니다. ⓑ브로드컴, AMD, 인텔, Alchip 주문량이 감소했습니다. ⓒ마벨 주문량이 늘었습니다. *2025년 8월 → 2025년 9월 → 2025년 10월입니다: ⓐ9월쯤 구글 TPU v7 주문량이 늘어서, 브로드컴의 CY26 CoWoS 할당이 150K → 210K로 크게 늘었습니다. ⓑ엔비디아의 Blackwell/Rubin 주문 수요가 워낙 강했어서 CY26 할당이 595K→ 685K로 크게 늘었습니다. ⓒAMD는 CY25 할당은 50K → 60K로, CY26도 함께 K → 105K로 늘었습니다. ⓓAlchip Trainium 3 할당이 50K → 70K로 늘었습니다. ⓔMediatek TPU v8 출하 일정이 지연되면서 CY26 할당이 20K → 10K로 줄었습니다. ⓕMarvell은 55K → 45K로 줄었습니다. *2025년 11월 → 2025년 12월입니다: ⓐ엔비디아 CY26 추정치가 685K → 800K로 크게 상향됐었고, ⓑ브로드컴은 210K → 235K로 소폭 상향, ⓒAMD는 115K → 130K로 상향됐었습니다. ​ 대만 체크 #1 - HDD/SSD 동향 마찬가지로 모건스탠리는 HDD 공급부족 현상이 향후 12개월 동안 200EB까지 확대될 것으로 봤습니다. 3개월 전에는 12개월 동안 100~150EB 부족할 것이라고 봤는데 50~100EB만큼 늘어난 것입니다. ​ GB당 NAND 가격은 $0.10를 넘고, HDD의 평균 가격은 GB당 $0.013이기 때문에 4Q25까지 구매비용 차이가 최대 10배 가까이 나는 상황이라 서로가 서로의 자리를 해칠 것이라고 보이진 않습니다. eSSD가 HDD를 대체하는 구조라기보다는 서로 다른 영역에서 엄청난 수요를 보이고 있다는 생각입니다. ​ CSP들의 SSD 수요 충족률은 아직 40%에 불과합니다. 미충족률이 60%입니다. 고객 수요 증가와 향후 전망에 대한 긍정적인 예측이 점점 더 강화되는 상황 속에서, SSD/HDD 공급 증가 여력은 제한적이기 때문에 그렇습니다. 공급 과잉은 없으며 계속해서 수요가 부족한 상태가 이어질 것으로 예상합니다. ​ 대만 체크 #2 - AI 서버 동향 xAI는 2025년 11월 말, 델에 GB300 NVL72 랙 3,000개를 주문했고 2026년 3~4월쯤 납품 예정입니다. 코어위브의 GB300 NVL72 랙도 델을 통해 1,000개 정도 주문이 들어갔습니다. 그리고 더 많은 네오클라우드들이 델에 주문을 넣고 있습니다. Nscale, IREN도 델에 GB300 랙을 주문했습니다. 그리고 특이한 부분은 이제 엔터프라이즈 AI 수요도 본격화되는 구간이기 때문에 금융 회사들도 델에 GB300 랙을 최대 1,000개까지 주문한 것으로 파악됩니다. ​ AI 서버 OEM 기업들에게 이제 엔비디아의 GPU는 가장 큰 병목요소가 아닙니다. GPU도 부족하기는 하지만, 엔비디아의 BlueField-3 DPU("BF3"), ConnectX-8 NIC("CX8"), DRAM, SSD가 AI 서버 생산량을 늘리는 데 병목이 되는 주 요인으로 작용하고 있습니다. ​ 대만 체크 #3 - PC 동향 1Q26 PC 수요는 양호한 수준입니다. 메모리 가격이 오르다보니 가격 인상 우려 속에 선구매가 증가하여 그렇습니다. PC 가격 자체는 아직 4Q25 수준에 있지만 메모리 비용이 크게 올랐다보니 PC 제조업체들이 1Q26 가격을 채널 파트너사들과 재협상 중입니다. 주요 PC OEM들의 메모리 가격 상승 대응 전략은 보급형 모델의 가격은 동결하면서, 부품 공급업체와 비용을 분담하거나 스펙을 낮추는 방식으로 수익성을 유지할 예정입니다. 대부분의 512GB SSD 스펙이 256GB로 대체되고 있습니다. ​ 메모리 제조업체들은 대형 PC OEM인 Dell, HP, Lenovo, Asus와의 공급협상을 조금 더 우선시 하고 있습니다. 상대적으로 소규모 OEM은 메모리 공급 확보에 어려움을 겪고 있어 스팟가 변동에 더욱 취약해지는 중입니다. ​ 투자의 생각 : 엔비디아(NVDA) ​ 엔비디아(NVDA) 25년 PER 40배 → 26년 PER 20배, EPS CAGR 3Y 60%, PEG 0.67배 : CES 2026 이후로도 엔비디아 Overweight을 유지합니다. Vera Rubin은 현재 정상 생산 중입니다. 양산은 2Q26부터 시작되며 → VR200 NVL72 랙 완성 후 판매는 3Q26부터 본격 기여할 것을 예상합니다, 이번 CES 2026 기조연설에서는 ⓐL10 Compute Tray를 대량생산에 적합하도록 설계한 부분, ⓑ45℃정도의 액체를 냉각수로 쓸 수 있도록 하여 고객사들 입장에서 냉각비용을 아낀 점, ⓒNVIDIA ICMS을 통해서 Agentic AI 워크로드에서 앞서갈 수 있도록 준비한 것, ⓓ중국향 H200 출하가 본격 반영되기 시작한 점 등이 좋았습니다. 이번 발표의 핵심은 NVIDIA ICMS이었으며 eSSD에 대한 수요가 더 높아질 것을 예상합니다. 엔비디아도 경쟁역량을 높인다는 점에서 좋았지만 메모리 기업들에게도 긍정적이었기에 마이크론도 Overweight를 유지합니다.