[원문 유형] 네이버 프리미엄 콘텐츠 [채널] 바바리안의 미국주식 정복기 [게시일] 2026.09.02 [원문 URL] https://contents.premium.naver.com/barbarian/stockideas/contents/260902170723434pw [제목] Cerebras : GPT-5.6 과 시작되는 빠른 추론의 시대 / OpenAI 할라피뇨 리뷰 : 모래주머니 차고 보여 준 성능 [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 바바리안 리서치 BK 입니다. ​ Cerebras 기업 분석 전달드리겠습니다. ​ GPT-5.6 Sol 의 Ultrafast 모드 가 성공할 경우 Cerebras 의 수혜가 기대됩니다. ​ 단기적으로는 경쟁제품이 Groq 밖에 없고 장기적으로는 OpenAI의 할라피뇨 칩이 가장 큰 경쟁자가 될 것으로 보입니다. ​ 오늘은 Cerebras 인뎁스와 할라피뇨 리뷰를 전달드리겠습니다. ​ 감사합니다. 주의사항 ​ 본 글은 주식 매수/매도 추천이 아닙니다. 투자의 책임은 투자자 본인에게 있습니다. 목차 4줄 요약 기업 히스토리 주가 히스토리 제품 및 서비스 투자 포인트 리스크 결론 1. 3줄 요약 Cerebras의 핵심 투자포인트는 ‘빠른 추론’ 시장 개화로, 에이전틱 AI 확산과 속도 프리미엄 지불 의사가 확인되는 가운데 GPT-5.6 Sol Ultrafast 흥행 여부가 단기 최대 촉매입니다. 단기 경쟁자는 사실상 NVIDIA-Groq뿐이며, Cerebras는 GPT-OSS-120B 기준 4,400+ tok/s/user의 압도적 속도를 앞세워 비-NVIDIA 진영의 고속 Decode 수요를 공략할 수 있습니다. 장기 최대 리스크는 OpenAI Jalapeño와 SRAM의 구조적 한계로, MTP·B0 등 개선이 현실화되면 Cerebras급 속도에 접근할 수 있는 반면 SRAM 미세화 정체는 Cerebras의 장기 성능·원가 개선을 제약할 수 있습니다. 2. 기업 히스토리 2016년 : 캘리포니아에서 창업 Andrew Feldman (CEO), Sean Lie (CTO), Gary Lauterbach, Jean-Philippe Fricker, Michael James 5인이 창업 CEO Andrew Feldman 의 이력이 특이한데 스탠포드 경제학/정치학 학사 / MBA 출신 본인이 말하길 어려서부터 창업 성향이 강했다고 언급 스스로가 기술적으로 인사이트가 있다기 보다는 뛰어난 사람들을 모으고 자금을 확보하고 조직을 이끄는 사람이었다고 언급 초반의 그의 이력에 Riverston Networks 와 Force10 Networks 가 있음 Riverston Networks 는 통신 사업자용 이더넷 스위치 / 라우터 업체였는데 여기서 창업에서 IPO 까지의 과정을 배웠고 컴퓨팅 병목이 CPU, 메모리 와 같은 자원 뿐만 아니라 네트워크 장비에서도 병목이 발생한다는 것을 이해 Force10 Networks 는 데이터 센터용 고성능 이더넷 스위치 기업이었는데 여기서 고객들이 서버의 연산 성능도 중요하지만 전력 소비와 공간 효율도 원한다는 것을 이해 이에 SeaMicro 라는 효율성에 중점을 둔 서버 기업을 창업 SeaMicro 는 당시까지 서버들이 고성능, 고전력 CPU 중심으로 서버를 판매해오던 것과 달리 저전력 CPU 들을 수 백개 탑재한 서버로 많은 반도체들이 병렬적으로 처리할 때 유리한 소프트웨어들 (웹검색, 웹컨텐츠 제공, 클라우드 등) 처리하는 시장을 공략함 핵심 기술은 Freedom Fabric 이라는 기술이었는데 지금의 AI 가속기들의 Scale Up 기술과 유사하게 CPU 들을 하나의 거대한 시스템 처럼 묶어주는 기술이었음 Freedom Fabric 기술 SeaMicro 서버는 Freedom Fabric 기술을 사용해서 서버 60대로 조립해야할 것을 CPU 와 메모리만 있는 작은 보드 60개를 한 서버 섀시에 넣고 Freedom Fabric ASIC 이라는 별도의 자체 ASIC 을 사용하여 CPU 60개가 하나의 시스템처럼 작동하도록 연결하였음 지금 Nvidia 의 NV Link 의 CPU 버전의 기술 다만, 당시 기술의 한계가 있었기 때문에 이렇게 병렬로 묶는 CPU 들은 저전력 저성능 CPU 들에 한정되었고 NV Link 기술처럼 주류가 되지는 못하였음 아무튼, Scale-Up 기술이 유명해진 지금보다 10년도 더 전에 GPU 도 아닌 CPU 에서 Cerebras 창업자들은 구현을 하였고 이 기술을 AMD 에 판매하며 AMD 데이터 센터 사업부에 들어갔음 Freedom Fabric 기술을 언급한 이유는 결국 반도체 한 개의 성능으로 승부를 보는 시대보다 수많은 반도체들을 네트워크로 연결하여 마치 하나의 시스템처럼 동작하도록 하는 기술의 중요성을 Cerebras 창업자들은 이미 2010년 전후에 깨닫고 있었던 것 Cerebras 는 네트워크 로 연결하는 것을 더 넘어 반도체가 웨이퍼에서 만들어지고 커팅될 필요없이 웨이퍼에서 이미 연결된 것이 가장 효율적일 것이란 생각에서 시작되었음 결국 반도체들을 연결하는 것의 끝은 웨이퍼에서 이미 연결된 것이라는 사상에서 Cerebras 가 창업되었음 굳이 이 이야기를 말씀드리는 이유는 Scale-Up 기술이 구리선 기반 네트워크에서 광 네트워크로 수렴하는 시점에서 Cerebras 가 다른 반도체 팹리스들과 차별화가 되려면 Scale-up 이 웨이퍼 레벨에서 연결되어 차원이 다른 속도를 보여줄 수 있어야 의미가 있어지기 때문 그래서 Cerebras 의 기술과 경쟁사와의 비교를 볼때도 이러한 관점에서 볼 예정 다시 돌아와서 정리하면, Cerebras 창업 직전 Feldman 은 SeaMicro를 AMD 에 매각 이후 AMD 에서 부사장으로 합류하였고 데이터 센터 솔루션 사업부를 담당 이후, Feldman 의 위에서 언급한 5인과 함께 "더이상 웨이퍼를 자르지 말고 통째로 사용하자" 는 목표를 가지고 Cerebras 를 창업 2019년 WSE-1 발표 (1세대 웨이퍼 스케일 제품) 2021년 WSE-2 발표 (2세대 웨이퍼 스케일 제품, 7나노 기반) Series F 2.5억 달러 투자 유치 2023년 UAE 와 Condor Galaxy 슈퍼컴퓨터 구축 - 연간 매출 0.79억 달러 기록 2024년 3월, WSE-3 발표 (3세대 웨이퍼 스케일 제품, 5나노 기반) 8월, Cerebras Inference 클라우드 출시 - 반도체 판매에서 클라우드 사업으로의 전환 시도 9월, S-1 제출 But 상장 심사 문제 발생 - UAE 슈퍼컴퓨터 투자하며 투자 받은 것이 문제됨 2025년 9월, Series G 11억 달러 투자 유치, 81억 달러 시가총액 인정 12월, OpenAI와 MRA 체결 - 750MW, 200억 달러 이상 다년 계약, 운전 자본 10억 달러 대출 + 3,344만 주 워런트 2026년 2월, Series H 10억 달러 유치, 밸류에이션 230억 달러. AMD 도 참여 3월 AWS 와의 바인딩 텀시트 4월, S-1 재제출 5월, 나스닥 상장, 총 64억 달러 조달 8월, 26년 2분기 실적 발표 - 가이던스 상향에도 급락 8월, Supernova 2026 에서 CS-4 공개 3. 주가 히스토리 1기 : 상장 이전 - 2024.9~2025.11 첫 S-1 상장부터 OpenAI 수주 전까지 기간은 Cerebras 에게 힘든 기간이었음 당시 UAE 가 차지하는 매출이 80% 를 넘어 시장은 엔비디아 대항마라는 수식어를 믿지 않았음 또한 UAE 를 통한 중국으로의 기술 유출 우려로 IPO 가 좌절되었음 이에 Series G 당시 밸류에이션은 81억 달러에 불과하였음 ​ 2기 : 상장 이전 - 2025.12~2026.5 Cerebras 의 힘든 상황을 반전시킨 것은 OpenAI 계약이었음 그리고 OpenAI 와의 계약이 Nvidia 의 Groq 인수를 급하게 촉발시켰다는 추측들도 있음 OpenAI 가 추론 연산에서 Decode 전용 가속기의 필요성과 SRAM 기반 솔루션의 가능성을 먼저 보았을 수 있따는 추측 아무튼, OpenAI 가 750MW 계약과 200억 달러 이상의 다년 간 추론 컴퓨트 계약을 체결하면서 장외 시장에서 동사의 밸류에이션이 급증하기 시작 OpenAI 수주로 백로그는 바로 246억 달러에 도달 (전년 매출 50억 달러 수준) 2026년 2월 Series H 시가총액 230억 달러로 상승 2026년 3월 AWS 와 바인딩 계약까지 체결하며 상장 공모가가 185달러까지 상향되었음 ​ 3기 : 상장 직후 하락기 - 2026.5~2026.7 상장 당시 주가가 급격하게 상승하였고 실적 발표 자체는 인상적이지 못 하며 실적 발표 이후 2개 실적 발표 이후 주가는 급락 매출 성장성은 YoY 100% 수준이 나왔지만 높은 밸류에이션과 컨센서스를 하회하는 이익률이 문제였음 동사의 현재 가장 큰 문제 중 하나는 데이터 센터를 구하지 못해서 데이터 센터를 갖고 있는 기업에게 동사 하드웨어를 팔고 그 기업에게 다시 클라우드로 임대해 이를 자사 클라우드 서비스로 제공하는 구조가 문제... 이러한 지점이 이익률을 지속적으로 누르고 있음 ​ 4기 : 최근 - 2026.8 신제품 CS-4 를 발표했지만 주가는 급락 CS-4 제품 자체에 대한 실망감 보다는 8월부터 나오기 시작한 오버행 물량 때문으로 추정됨 2분기 실적 발표 이후 6천만 주 이상의 물량이 매각 가능하게 되었음 11월에 남은 오버행까지는 오버행 물량이 계속 될 수 있음 4. 제품 및 서비스 기업 개요 Cerebras 는 AI 가속기를 만드는 팹리스 기업이지만 다른 팹리스 기업들처럼 반도체를 판매해서만 돈을 벌지는 않고 클라우드 서비스를 제공해서도 돈을 법니다. ​ Cerebras 의 매출 구조 구분 FY2025 Q2'26 (GAAP) Q2'26 (Core) 하드웨어 $358.4M (70%) $54.1M (30%) $82.1M (39%) 클라우드·기타 서비스 $151.6M (30%) $126.0M (70%) $127.7M (61%) 합계 $510.0M $180.1M $209.9M Cerebras 의 매출은 하드웨어 판매와 클라우드 서비스 두 가지로 보면 됩니다. 그리고 보통 미국 기업들은 GAAP 과 Non-GAAP 으로 나누어서 이야기를 해주는데 동사는 GAAP 과 Core 로 나누어서 이야기 해줍니다. Core 실적이 다른 기업들의 Non-GAAP 과 유사한 기준입니다. Non-GAAP 이 아니라 Core 라고 하는 것은 오픈AI 와 대규모 계약을 체결하면서 Cerebras 가 OpenAI에 Cerebras 주식을 거의 무상으로 살 수 있는 워런트를 주었는데 이 워런트를 고객 유치를 위한 사실상의 비용으로 보기 때문에 워런트를 계약 기간에 걸쳐 상각하면서 매출에서 차감하기 때문입니다. 향후 주식수 희석 요인이기는 하지만 일단은 Core 를 실제 영업 매출과 가깝다고 보셔도 괜찮습니다. ​ Cerebras 는 과거 아랍에미레이트와 같은 국가들에게는 하드웨어를 판매해서 돈을 벌지만 최근 오픈AI 와 같은 프론티어 AI 랩이나 하이퍼 스케일러들에게는 주로 그들이 원하는 컴퓨팅 용량만큼 Cerebras 하드웨어 기반의 클라우드 서비스를 제공하면서 돈을 벌 에정입니다. 클라우드 서비스로 제공하게 되면 일반적으로는 이익률을 높이는 비즈니스가 되지만 동사의 경우에는 2개 분기 연속 이익률을 낮추는 요소로 작용하고 있습니다. 왜냐하면 데이터 센터 부지 및 전력이 숏티지로 제대로 확보하지 못해 이를 가지고 있는 기업에게 동사 하드웨어를 팔고 다시 클라우드 서비스로 사온 뒤 이를 고객에게 재판매하는 방식으로 하고 있기 때문입니다. Cerebras 는 이로 인한 이익률 하락은 일단 이번 분기까지 해서 거의 반영되었고 향후 데이터 센터 용량을 확보해나가고 있다고 하고 있습니다. 시장 수요 자체는 좋아 성장률이 폭발적으로 나오고 있기 때문에 데이터 센터 확보를 통해 이익률 하락이 마무리 된다면 긍정적인 요소가 될 것으로 보입니다. ​ Cerebras 의 주요 고객들 연도 최대 고객 비중 2023 G42 83% 2024 상반기 G42 87% 2025 MBZUAI 62% + G42 24% 86% (UAE 2개사) 2026~ OpenAI 중심으로 이동 중 — Cerebras 의 고객은 주로 UAE 였습니다. 하지만 OpenAI 가 새로 고객으로 들어왔고 지금은 정확히 공개되어 있지 않지만 대부분의 실적이 OpenAI 에서 나올 것으로 보입니다. 향후 AWS, AMD 도 주요 고객으로 성장할 것으로 보입니다. 제품 및 서비스 Cerebras System 의 가장 기본이 되는 WSE-3 Turbo, I/O 시스템, 렉스케일 플랫폼 Cerebras 의 제품군은 WSE, I/O, 랙 스케일 제품 크게 3가지로 나누어 볼 수 있습니다. 그리고 모든 것의 시작은 Cerebras 의 웨이퍼를 자르지 않고 통째로 사용하자는 모토에서 시작된 WSE-3 Turbo 에서 시작합니다. WSE 제품군 동사 제품군의 가장 기본이 되는 WSE 계열을 보면 웨이퍼에서 자를 수 있는 거의 최대한의 정사각형 네모난 형태의 거대한 반도체를 볼 수 있습니다. WSE 이라고 불리는 동사의 주력 제품은 세대에 따라 WSE-1, WSE-2, WSE-3, WSE-3 Turbo 라고 불립니다. 3세대 제품인 WSE-3 가 현재 주력 제품이고 마이너 한 업그레이드 제품인 WSE-3 Turbo (최근 공개) 가 3분기부터 출시될 예정입니다. WSE-3 Turbo 사양 트랜지스터 4조 개 AI 코어 90만 개 온웨이퍼 SRAM 44GB AI 연산성능 250 PFLOPS 메모리 대역폭 43.2PB/s 외부 I/O 대역폭 2.4Tbps 엄청나게 빠르게 GPT-5.6을 실행할 수 있는 Cerebras 칩 (출처 : Cerebras) 웨이퍼 하나를 통째로 사용하며 웨이퍼 안에서 연결되어 있기 때문에 트랜지스터 수와 대역폭이 기존의 가속기들과 차원이 다릅니다. 다만, 약점은 비용과 SRAM 용량 제약입니다. 장점은 지금 가속기 기업들이 제공할 수 없는 추론 속도입니다. 2. Cerebras 주변부 Cerebras 칩의 양 옆에는 I/O 를 위한 파트가 붙습니다. 그리고 대형 웨이퍼 스케일의 칩을 식히기 위한 거대한 전용 방열판이 위에 붙습니다. 그리고 웨이퍼 스케일의 칩은 전력 소모 또한 웨이퍼 스케일로 먹기 때문에 별도의 파워모듈을 칩 아래에 연결해서 전력을 공급하게 됩니다. 전력 변환이 웨이퍼 바로 아래에서 이루어지기 때문에 전력 손실은 오히려 크게 감사합니다. 이러한 구조는 이전 구조 대비 전력, 냉각 용량은 2배로 늘리면서 부품 수는 50% 감소시켰습니다. 덕분에 더 높은 동작 속도로 차세대 칩에서 동작이 가능해졌습니다. 3. CS-4 랙 Cerebras 는 자사만의 특별한 웨이퍼 스케일 칩을 제공하기 때문에 서버 형태도 독특해서 서버 랙 단위로 제공합니다. 컴퓨트, 파워, I/O 3계층 모듈 구조로 되어 있습니다. 새로운 세대의 반도체가 나올 경우 기존의 서버가 모듈형으로 구현되어 있기 때문에 모듈 부분만 교환하여 사용할 수 있습니다. 랙 하나에는 WSE-3 Turbo 3개 가 탑재되어 750 PFLOPS, I/O 7.2 Tb/s, SRAM 대역폭 129.6 PB/s 성능을 내며 랙 전력은 약 120kW에 달합니다. GPT-OSS-120B 기준 유저당 4,400 tok/s 이상, GPU 대비 30배, CS-3 대비 와트당 처리량 10배가 가능합니다. 이러한 강력한 속도를 통해 OpenAI 는 기존보다 훨씬 빠른 GPT 추론 서비스를 내놓기 시작하였습니다. 경쟁사와의 비교 진영 대표 접근법 Cerebras 대비 범용 GPU NVIDIA(서버 GPU 점유율 약 97%), AMD CUDA 생태계 + HBM 압도적 규모·생태계. Cerebras는 속도 니치 Groq LPU NVIDIA가 2025.12 $20B에 자산 인수 LPU, SRAM 기반 최대 직접 경쟁자가 NVIDIA에 흡수됨 모델 고정형 ASIC 전용 Taalas → AMD가 2026.8.6 인수 모델 가중치를 실리콘에 각인 유연성 0, 속도 극단. AMD Helios에 통합 예정 Etched (Sohu) 비상장, 매출 인식 전 벤치마크 3자 검증 부재 하이퍼스케일러 자체칩 Google TPU, AWS Trainium, MS Maia 수직 통합 AWS는 경쟁자이자 파트너 동사의 SRAM 기반 반도체는 학습과 추론 (Prefill, Decode) 모두에서 사용될 수 있지만 장점이 있지만 장점을 갖는 부분은 추론 영역이고 그중에서도 디코드 영역입니다. 경쟁 제품으로는 범용 GPU, 하이퍼 스케일러 ASIC, 모델 고정형 ASIC, Groq LPU 정도가 있습니다. 추론 영역에서는 Cerebras 의 빠른 속도가 압도적이기 때문에 결국 이 시장에서는 Groq LPU 와 모델 고정형 ASIC 이 주된 경쟁자가 될 것으로 보입니다. 다만, Groq LPU 의 경우에는 Nvidia 생태계에서만 의미가 있기 때문에 모델 고정형 ASIC 이 나오기 전까지 비 엔비디아 진영의 경우 디코드에서 Cerebras 를 채택하려는 경향성이 클 것으로 보입니다. AI 사이클이 더 진행되어 지금보다 좀 더 상향 평준화가 된다면 소프트웨어 변경의 여지가 적어 비용을 낮추는 것이 중요해지고 그러면 구글 Frozen 칩이나 AMD Taalas 처럼 모델을 아예 칩 레벨에 새겨버리는 모델 고정형 ASIC 이 나올 것으로 보이고 이렇게 되면 SRAM 기반의 칩이 아니더라도 높은 추론 속도가 가능해질 것으로 보입니다. 다만 모델 고정형의 경우에는 진행 상황을 계속 체크해가야하며 아직까지는 좀 남은 미래라고 생각됩니다. 칩/시스템 아키텍처 GPT-OSS-120B (tok/s/user) 기타 모델 수치 비고 Cerebras CS-4 (WSE-3T) 웨이퍼스케일, 온칩 SRAM 4,400+ (회사 주장) — 이번 분기 출하 시작, GPU 대비 30배 주장 Cerebras CS-3 (WSE-3) 웨이퍼스케일 3,000 (회사 주장) Llama 3.3 70B ~2,100 실측치도 현존 클라우드 중 압도적 1위 Nvidia Groq 3 LPX LPU 기반 (Vera Rubin 확장) — Gemma 4 31B 3,400 연내 가동 예정. 단, 이 결과에 최소 64칩 필요 Groq LPU 데이터플로우, SRAM 스트리밍 ~476–493 Llama 3.3 70B ~750 TTFT ~0.7초로 일관된 저지연이 강점 Nvidia GPU HBM 기반 특화 칩 대비 1/10~1/20 수준 모델에 따라 다르지만 100~500 수준 처리량·모델 커버리지는 최강 따라서 현재 유일한 경쟁자는 엔비디아 Groq 3 LPU 라고 보여집니다. AI 모델에 따라 다르지만 새로 나온 Cerebras 칩과 큰 차이의 성능은 아닐 것으로 생각됩니다. OpenAI 의 Cerebras 협력을 보고 젠슨황이 놀라 빠르게 Groq 인수를 추진했다는 이야기도 있습니다. 빠른 추론 시장이 개화할 것이라고 보는 상황에서 현실적으로 지금 이를 뒷받침할 수 있는 하드웨어가 Cerebras 없는 상황에서 OpenAI가 과감하게 협업을 결정한 것으로 보입니다. 엔비디아의 경우에는 지금 하드웨어로는 대응할 수가 없기 때문에 빠르게 Groq 을 인수한 것으로 추정됩니다. 다만, 오픈AI 의 할라피뇨가 향후 오픈AI가 계획하는 만큼 개선된다면 Cerebras 에게 추론에서도 버금가는 칩이 될 수도 있지만 이는 미래에 가보기는 해야하는 문제라서 2027년까지는 고속 추론 시장이 개화한다면 Cerebras 와 Nvidia Groq 이 주목받을 가능성이 높아보입니다. 5. 투자 포인트 미개척 빠른 추론 시장 Cerebras 성장의 핵심은 빠른 추론 시장이 얼마나 성장할 것인지 입니다. 지금은 GPT 5.3 Spark 정도에만 제한적으로 적용되어 있지만 AI Agent 에서 빠른 추론이 단축할 수 있는 작업 속도가 굉장히 크다는 것이 밝혀지며 빠른 추론에 대한 지불 의사도 커지고 있습니다. 보수적으로 전망하는 곳에서도 추론 시장의 10% 이상은 빠른 추론 시장이 될 것으로 보고 있기 때문에 지금부터는 빠른 추론 시장이 어떻게 흘러가는지 잘 보아야 합니다. 시장이 아직까지 기대하고 있지 않으면서도 기술적으로 무르익은 하드웨어 부분은 이 부분 정도라고 생각됩니다. 오픈AI 가 Cerebras 로 처음 소개한 빠른 추론 서비스는 GPT-5.3 Codex Spark 입니다. 해당 서비스는 큰 흥행을 하지는 못 했습니다. Codex 에 제한되어서 라기보다는 GPT 5.3 이라는 구형 모델에 제한되었기 때문으로 생각됩니다. 하지만, Cerebras 의 본격적인 도입이라는 측면에서 긍정적이었는데요 지금부터 중요한 이유는 8월 중순부터 가장 프론티어 모델인 GPT-5.6 Sol 모델에 Ultrafast 모드란 이름으로 시험 서비스가 시작되었기 때문입니다. ​ 8월 13일 부터 Cerebras 칩 기반의 GPT-5.6 Sol 추론 서비스가 시험적으로 시작됩니다. 아직 공식 런칭은 아니지만 공식 런칭되고 시장에서 어떤 반응을 얻는지가 Cerebras 에게 굉장히 중요할 것으로 보입니다. 만약 흥행한다면 이미 업무 협약을 맺은 AWS, AMD 에서 도입을 가속화 할 뿐만 아니라 OpenAI 에서도 추가 계약을 할 수 있기 때문입니다. 할라피뇨가 잠재력 높은 칩이기는 하지만 당장 서비스를 지원할 정도로 구축이 되려면 적어도 내년 말은 되어야 합니다. Cerebras 기반으로 작동하는 GPT-5.6 Sol 은 기존 엔비디아 대비 최대 14배 정도 빠를 것으로 보입니다. 채널 체크를 해보면 빠른 추론에 대한 수요가 어느 정도는 있는 것으로 보입니다. 따라서 OpenAI 의 GPT-5.6 Sol 의 Ultrafast 모드가 공식 출시되고 얼마나 인기를 얻는지가 Cerebras 올해 주가에 중요할 것으로 보입니다. ​ 빠른 추론 / Cerebras 수요 조사 주제 조사 내용 에이전틱 추론 비중 증가 > 에이전틱 추론에서 빠른 추론 효과 더 큼 OpenAI 엔터프라이즈 출력 토큰에서 에이전틱 비중이 2025년 8월 0% → 2026년 6월 64% 2026년 4월에는 에이전틱 지출이 ChatGPT 지출 추월 에이전틱 워크로드 구조 5개 에이전틱 벤치마크에서 컨텍스트 캐시 적중률 84.6~99.5% 전체 LLM 실행시간의 91.0~98.6%가 decode Decode 는 SRAM 기반이 유리한 구조 고객사 실사용 Cerebras가 고객사 AI Assistant 트래픽의 40% 처리 제약이 없으면 80%까지 배정 의향. 현재 지출 약 $1~5M, 1년 내 2배, 1~2년 내 2~3배 예상 가격 지불 의사 경쟁 제공사보다 10~15배 빠름. 동일 모델 기준 가격은 약 30% 비싸지만, 속도를 위해 50~100% 프리미엄 지불 의사 속도 프리미엄 상품화 OpenAI Fast mode는 Standard보다 최대 2.5배 빠르고 가격은 2배. Anthropic도 Fast mode를 통상 가격의 약 2배로 제공 Cerebras 전용 Ultrafast GPT-5.6 Sol을 최대 750 tok/s, Standard 대비 최대 14배 빠르게 제공. 초기 사용사에 Jane Street·Podium·Basis·Rogo 포함 기본적으로 빠른 추론에 대한 평가는 좋으며 이를 위한 프리미엄 지불의사들이 확인되고 있습니다. 비 Nvidia 진영 AWS, AMD, OpenAI 의 선택 - Cerebras 빠른 추론 시장이 개화한다면 수혜주는 1차적으로 당연히 Groq 입니다. SRAM 기반의 고속 가속기는 결국 아직 디코드 영역에 쓰이는데 그러면 Prefill 을 해줄 파트가 같이 있어야 하기 때문입니다. 또한 이미 많이 깔려있는 엔비디아의 인프라와 같이 사용될 수 있기 때문입니다. 하지만, 엔비디아 Groq 이외의 진영에서는 디코드 를 위한 제품이 준비되어 있지 않기 때문에 단기간에서는 Cerebras 와 손잡으려는 노력을 할 것으로 보입니다. 결국 Groq 이 잘 되면 Cerebras 도 잘 될 수 있는 구조라고 생각됩니다. 6. 리스크 할라피뇨 실제 칩 모습 (출처 : OpenAI) 할라피뇨 OpenAI 는 꽤 오래 전부터 자체 반도체 설계에 대한 관심을 나타내왔습니다. 그러던 OpenAI 의 자체 AI 가속기에 대한 구체적인 성능과 정보들이 공개되었습니다. 결론적으로는 경쟁 관계가 아닌 것으로 생각되었던 Cerebras 까지 위협할 수 있는 잠재력을 가지고 있었습니다. 그리고 추론 시장에서 프론티어 AI 랩들은 자체적인 가속기로 충분히 풀스택 역량을 구축할 가능성이 있음이 확인되었습니다. 앤트로픽도 OpenAI 와 같은 길을 걸어갈 수 밖에 없을 것 같습니다. 다만, 당장 벌어질 일은 아니고 2028년부터 유의미하게 영향을 줄 것으로 보입니다. 내년까지는 CoWoS 캐파 제약이 커서 올해까지는 엔비디아 독주 구도 내년은 엔비디아와 TPU 투 톱 구조 2028년부터 엔비디아, TPU 투 톱 속에서 다양한 가속기들의 부상이 예상됩니다. ​ 할라피뇨 현세대 성능 모델 Jalapeño 속도 Peak mixed TPS/kW 비교 GPU GPT‑OSS‑120B 1,459 tok/s/user 85,448 GB200: 535 tok/s DeepSeek R1 670B 700 tok/s/user 19,641 GB300: 169 tok/s Kimi K2.5 1T 694 tok/s/user 18,195 GB300: 182 tok/s 위 표는 할라피뇨 의 성능들과 마지막에 Nvidia GPU 를 비교한 것입니다. 그리고 성능은 3가지 AI 모델들을 기준으로 측정이 되었습니다. GPT-OSS-120B, DeepSeek R1 670B, Kimi K2.5 1T 순으로 점점 더 파라미터 수가 커지는 모델을 처리할 때 성능이 어떻게 달라지는지 보여주는 것입니다. 할라피뇨 속도는 각각의 사용자들에게 초당 몇개의 토큰을 생성해줄 수 있는지를 보여줍니다. TPS/kW 는 단위 전력 소모당 얼마의 토큰 생성을 초당 할 수 있는지를 보여줍니다. 비교 GPU 는 같은 AI 모델을 실행할때 얼마나 더 빠르게 처리할 수 있는지를 보여줍니다. 파라미터 수가 적은 모델부터 많은 모델까지 할라피뇨가 Blackwell GPU 보다 확실하게 더 효율적임을 보여줍니다. 굉장히 선진적인 설계 기법이 들어갔다기 보다 오직 AI 추론, 특히 GPT 추론에 최적화되어 만들어졌기 때문입니다. 오히려 반도체 설계 관점에서는 더 개선된 설계를 적용할 여지가 남아있고 그러기 위한 흔적들이 반도체에 남아있습니다. 만약 그런 설계들이 반영될 경우에는 범용 GPU 들과의 격차가 더 커질 뿐만 아니라 SRAM 기반의 디코드 전용 반도체들마저도 속도면에서 따라잡을 가능성이 생깁니다. 이 부분이 Cerebras 에게 가장 큰 리스크라고 생각됩니다. 왜냐하면 이 다음 리스크에서 설명드릴 SRAM 기반의 AI 가속기는 파운드리 선단 공정을 가도 점점 더 얻을 이득이 적지만 로직 기반의 할라피뇨와 같은 가속기는 파운드리 선단 공정의 이점을 계속 잘 누릴 수 있기 때문에 구조적으로 할라피뇨가 유리한 싸움이기 때문입니다. ​ 할라피뇨 다음이 무서운 이유 미적용·미성숙 요소 기대 효과 신뢰도·주의점 B0 스테핑 perf/W 약 +25% 전부가 tok/s 상승으로 전환되기보다 일부는 전력 절감으로 나타날 수 있음 MTP·speculative decoding 현실적 2~3배, OpenAI 내부 가이던스 3~5배 가장 큰 업사이드. 수락률·모델·배치에 따라 편차가 큼 커널·컴파일러 최적화 full-model 약 +5~25% 추정 선택된 GPT‑OSS 블록은 AI 작성 커널이 기존 대비 1.5~1.8배 빨랐지만 모델 전체 효과는 훨씬 작음 128칩 랙·2,048 XPU 스케일업 총처리량·대형 모델 수용 증가 테스트는 8개 칩에 대한 스케일업 수준에서 테스트 되었음 실제로는 128개 칩이 하나의 랙을 형성하고 16개의 랙까지 확장 가능 단일 사용자 tok/s가 칩 수에 비례해 증가하지는 않지만 그래도 스케일업 규모가 상당히 큼 Prefill/Decode 분리 이번 계산에서 제외 OpenAI는 누락이 아니라 의도적으로 Prefill / Decode를 나누지 않음 KV 이동과 고정된 P:D 비율을 피하려는 전략 위 표는 OpenAI 할라피뇨가 대표적으로 적용하지 않은 설계 개선점이나 향후 개선점들입니다. B0 스태핑 이번 할라피뇨의 테스트는 A0 Stepping 버전을 기준으로 측정되었습니다. A0 Stepping 이란 반도체 파운드리에서 첫 시제품 과 같은 제품이라고 보시면 됩니다. 그래서 A0 Stepping 칩을 테스트 하면서 발견된 문제점들을 개선해서 설계를 최종적으로 수정하고 B0 단계의 칩을 생산하게 됩니다. 개선점이 반영되면 칩의 성능이나 효율성이 개선되는데 할라피뇨의 경우 A0 에서 B0 로 진행되며 25% 정도의 전력 당 성능 개선될 것으로 보입니다. 원래도 추론 전용 ASIC 이기 때문에 효율성이 높았지만 더 높아질 것으로 보입니다. MTP 미적용 STP (Single Token Prediction) : 한 스텝에 다음 토큰 1개만 예측하는 방식 나는 바바리안을 구독한다 라는 문장을 만들때 나는 > 바바리안을 > 구독한다 를 순서대로 만드는 방식 MTP (Multi Token Prediction) : 한 스텝에 다음 토큰 여러 개를 동시에 예측하는 방식 나는 바바리안을 구독한다 라는 문장을 만들때 나는을 생각하면 다음에 바바리안을 뿐만 아니라 구독한다까지 미리 예상을 해놓는 것입니다. 예상이 맞다면 나는 을 추론하고 바로 문장을 완성할 수 있게 됩니다. 다만 예상이 틀리다면 다시 예상 작업을 해야하는데 그럼에도 불구하고 예상 적중률이 높아지면 높아질 수록 MTP 의 성능 항샹율이 크게 개선되게 됩니다. AI 가속기가 STP 방식을 채택할 경우에는 토큰이 단계단계마다 생성되기 때문에 놀고 있는 AI 가속기 연산 부분이 많습니다. MTP 를 활용할 경우 노는 부분 없이 AI 가속기를 최대한 활용할 수 있는 장점이 있습니다. STP와 MTP 의 차이 때문에 대부분의 경우에서는 MTP 를 적용했을때 훨씬 더 빠릅니다. 할란피뇨가 기대되는 이유는 MTP 가 아닌 STP 설계를 적용하였기 때문에 향후 MTP 적용으로 인한 성능 향상을 기대할 수 있기 때문입니다. 범용 GPU 나 대부분의 AI 가속기들은 이미 모두 MTP 를 채택하고 있습니다. OpenAI는 STP 설계를 MTP 설계로 변경하면 3~5배 정도의 성능 향상이 나올 수 있다고 합니다. 이는 부풀린 부분이 있을 수도 있지만 마냥 과장은 아닙니다. 최근 중국 텐센트 연구진들이 수행한 동일한 반도체 내에서 STP 를 MTP 로 전환하는 작업을 할 경우 MTP 설계 능력에 따라 성능 향상 폭이 달라지지만 보수적으로 봐도 2배 이상의 성능 개선은 이루어졌기 때문입니다. 이미 범용 GPU 나 ASIC 들은 이러한 이유 때문에 STP 보다는 MTP 방식을 모두 채용하고 있습니다. 그럼에도 불구하고 할라피뇨가 STP 를 적용한 이유는 첫 세대 제품이기 때문에 비교적 구현하기 쉽고 안정적인 STP 를 통해 안정적인 개발도 하고 STP 적용만으로도 충분히 높은 성능을 구현할 수 있다는 것을 보여주고자 했을 가능성이 있다고 생각됩니다. 의도가 어떻든 오픈AI에서 이번 핫칩스 발표에서 MTP 방식으로 처리되기 위한 소프트웨어 구조를 정확히 설명하였고 이미 상당 부분 구현된 것으로 추정됩니다. 여기에 차세대 할라피뇨에서 MTP 전용 회로까지 들어간다면 MTP 도입을 통한 성능 향상이 클 것이고 이 방향을 향하고 있다는 것을 이번 핫칩스 발표에서 보여주었다고 생각됩니다. 128칩 랙 / 2,048 XPU 스케일업 Scale-up 영역 NVIDIA Rubin OpenAI Jalapeño 랙 내부 72 GPU 128 XPU Multi-rack scale-up 현재 기본 제품은 72 2,048 XPU 칩당 scale-up BW 3.6 TB/s Local 0.6 TB/s 세대 NVIDIA scale-up Jalapeño Blackwell/GB300 72 — Rubin 2026 72 128 local / 2,048 global Rubin Ultra 576 2,048 Nvidia 의 Scale-up 에 비해서 엄청나게 큰 숫자의 반도체들을 스케일업 시스템으로 묶을 수 있게 되었습니다. 스케일 아웃에 비해 스케일업으로 반도체들이 묶이게 되면 하나의 시스템처럼 사용될 수 있고 연결되는 반도체 수 증가에 따른 성능 향상 효율성이 감소하는 문제가 적은 장점이 있습니다. 다만 칩 당 스케일업을 위한 대역폭은 엔비디아가 훨씬 크고 스케일업이 가능한 칩의 수는 할라피뇨가 훨씬 더 높습니다. 이는 오픈AI 가 칩 당 연결될 수 있는 대역폭을 높이는 것보다 최대한 많은 칩들을 연결하는 것을 목표로 하고 있는 것을 알 수 있습니다. 스케일 업은 지금까지 대개 서버 한 개 안에 있는 칩들을 연결하는 것이었고 엔비디아의 NVL 도 서버 하나 안에 있는 반도체들을 대상으로 합니다. 오픈AI 는 이번에 서버 한 개에 있을 수 있는 칩 128개를 연결하는 것 뿐만 아니라 16개의 서버를 연결해서 서버 간에도 스케일 업이 적용될 수 있도록 하였습니다. 그래서 오픈AI 가 구축한 스케일업의 규모는 엔비디아보다 훨씬 더 크게 됩니다. 이러한 설계를 오픈AI 가 채택한 이유는 크게 두 가지로 봅니다. 스케일업은 기본적으로 스케일업으로 엮여있는 반도체들이 하나의 시스템처럼 작동하는데 의의가 큽니다. 이렇게 되면 장점은 하나의 AI 모델을 연속적으로 길게 추론 작업을 처리하는데 유리해지게 됩니다. 최근 AI Agent 시대가 오면서 특징은 대화가 굉장히 길어진다는 점입니다. 대화가 길어지면 AI 가 이어지는 맥락에서 일을 하기 위해 KV Cache 라는 메모리를 만듭니다. KV Cache 를 물론 NAND 에도 저장할 수도 있지만 만약 스케일업 시스템 규모가 커지면 서버 상에 최대한 많이 올려놓고 빠르게 대응을 할 수가 있습니다. 뿐만 아니라 가속기 간의 이동 시간이 감소하기 때문에 작업 레이턴시가 크게 감소할 수 있습니다. 이는 AI Agent 가 일을 할 경우 이전의 일이 끝나야 다음 일로 넘어갈 수 있는데 작업 레이턴시가 일이 좀 더 빨리빨리 넘어갈 수 있어 작업 속도가 굉장히 빨라질 수 있습니다. 그리고 다른 장점은 지금까지 없었던 규모의 AI 모델까지 추론이 가능해집니다. 우선 스케일 업을 하는 이유는 하나의 칩에 AI 모델 전체를 넣을 수 없기 때문에 여러 칩들을 묶어 하나의 시스템처럼 운용하여 거대한 AI 모델도 하나의 시스템에서 돌아갈 수 있게 하기 위함입니다. 지금 프론티어 모델인 Fable 5나 GPT-5.6 의 경우에는 보통 3~4조 개 수준의 파라미터가 사용되었을 것으로 추정되고 있습니다. OpenAI의 이번 2048개 규모의 스케일업 시스템은 현재 3~4조 개 수준의 모델을 처리하는 것을 넘어 10~20조 단위 수준의 모델까지도 하나의 시스템에서 추론할 수 있게 하기 위한 것으로 추정됩니다. 즉, 할라피뇨의 엄청나게 거대한 스케일업 시스템은 지금 보지 못한 규모의 AI 모델과 더 긴 맥락과 AI Agent 시대를 준비하는 OpenAI 만 가지고 있는 추론 시스템이라고 볼 수 있습니다. 이번 시연에서는 8대만 스케일업으로 연결하여 테스트하였기 때문에 이러한 거대한 스케일업 시스템의 장점을 보여주지는 않았습니다. ​ 개선시 성능 추정치 시나리오 가정 GPT‑OSS‑120B DeepSeek R1 Kimi K2.5 현재 A0·STP 1,459 700 694 보수적 MTP 2배, B0는 전력 절감으로만 2,900 1,400 1,400 기준 MTP 2.5배 × 속도 +15% 4,200 2,000 2,000 낙관적 MTP 3배 × 속도 +25% 5,500 2,600 2,600 극단적 낙관 OpenAI MTP 5배 × +25% 9,100 4,400 4,300 스케일업 시스템의 장점은 넣을 수는 없지만 B0 단계 반도체 사용과 MTP 적용에 따른 성능 향상 배수를 없는 것 부터 5배까지 나누어 앞서 공개된 숫자에 적용을 하면 향후 차세대 할라피뇨의 성능이 어디까지 좋아질 수 있는지를 가늠할 수 있습니다. 물론 여기에 더해 새로운 공정 도입, 새로운 설계 도입을 하면 더 큰 성능 향상을 이루어낼 수 있습니다. 그리고 스케일업으로 연결되는 ASIC 수를 높일 경우 파라미터가 커질 수록 경쟁사 대비 더 큰 이점을 보여줄 것으로 보입니다. MTP 의 경우 오픈AI는 최소 3배~최대 5배까지 성능 향상을 할 수 있다고 이야기 하고 있습니다. 만약 그렇게 될 경우 SRAM 기반의 디코드 머신까지 포함하더라도 경쟁할 수 있는 추론 반도체는 없을 것으로 보입니다. 논문들이 MTP 적용시 보통 2배 이상 성능 향상을 바텀으로 보기 때문에 2.5배 수준으로 보면 GPT 오픈소스 기준으로 4400 토큰/초/유저당이 나오는데 이는 SRAM 기반의 Cerebras 수준에 버금가는 것입니다. ​ 시간이 할라피뇨 편인 이유 뒤에서 말씀드리겠지만 할라피뇨는 기존 GPU 들처럼 HBM 을 가지고 있는 AI 가속기 구조이기 때문에 위와 같은 토큰 속도가 나온다면 디코트 칩이 별도로 필요 없는 수준이 될 것으로 보입니다. 이러한 강력한 구조 덕분에 오픈AI 는 당장 Prefill 과 Decode 를 나눌 필요 없다고 보고 있습니다. 1세대 할라피뇨의 토큰 생성 속도도 훌륭하지만 향후 남아있는 개선 사항들을 적용하여 토큰 생성 속도가 더 상승할 경우 SRAM 기반의 디코드 전용 반도체들은 크게 필요없을 것으로 보입니다. 특히, SRAM 기반의 시스템은 파운드리에서 물리적 한계를 4나노 이후부터 마주하고 있기 때문에 향후 개선 가능성도 할라피뇨 쪽이 더 유리할 것으로 보입니다. 그럼에도 불구하고 SRAM 기반 시스템을 Groq 이나 Cerebras 가 채택한 것은 엄청난 토큰 생성 속도 덕분인데 할라피뇨가 대단한 잠재력을 보여주고 있어서 지켜보아야 할 것으로 보입니다. 다만, OpenAI 도 할라피뇨가 긍정적인 스토리로만 진행될 것이라고 보지는 않았기에 우선 Cerebras 에게 초기 수주를 주었고 향후 더 큰 수주를 줄 여지를 남겨 놓았습니다. ​ 소결론 거의 모든 반도체 시연 행사는 시연자가 보여주고 싶은 것을 보여줍니다. 하지만 이번 오픈AI 할라피뇨의 경우에는 오히려 모래주머니를 찬 상태에서 시연한 느낌에 가까웠습니다. 오픈AI 가 준비하고 있는 자체 반도체 내재화 계획은 생각보다 엄청 크고 경쟁력 있을 것으로 보입니다. 특히 스케일업 규모가 2048개까지 확장되는 것은 오픈AI 야심이 엄청나게 크다는 것을 보여줍니다. 그리고 설계 개선의 여지도 많이 남은 점은 현재 나와있는 AI 가속기들이 굳이 오픈AI에게 필요없을 가능성이 높다는 것을 보여줍니다. 내년 하반기 할라피뇨가 본격 양산될때부터 오픈AI 가 구글보다 더 풀스택 구조가 견고하게 갖추어진 구조가 가능할 수도 있을 것으로 보이며 앤트로픽도 유사한 경로를 갈 것으로 보입니다. SRAM 기술의 제약 TSMC 공정별 SRAM 사이즈 변화 (출처 : TSMC) 현재 디코드 영역에서 주로 채택되고 있는 Sram 기반의 가속기들은 공통적으로 겪을 수 밖에 없는 치명적인 단점이 있습니다. 그것은 파운드리 산업에서 기술 개발을 가장 잘 하고 있는 TSMC 조차 4나노 이후부터는 SRAM 크기를 더 이상 축소시키지 못하고 있습니다. TSMC 가 계속해서 발전시키고 있는 부분은 로직 파트 이지 SRAM 셀 크기 축소는 아닙니다. 다만, 이는 TSMC 만의 문제는 아니고 인텔, 삼성전자 모두가 겪고 있는 문제입니다. 이는 물리적인 한계 때문인데 로직 파트의 경우 트랜지스터만 작게 만들어도 밀도를 높일 수 있지만 SRAM 의 경우 SRAM 셀 하나를 만드는데 사용되는 트랜지스터 간의 균형, 배선, 전압, 공정 편차 등을 모두 개선시켜야만 되기 때문입니다. SRAM 셀 하나만 불량이나도 치명적이기 때문에 이론적으로 문제가 없는 수준보다 더 여유를 가지고 SRAM 을 만들어야 합니다. 이러한 기술적 어려움 속에서 파운드리 3사의 SRAM 크기는 크게 줄어들지 못하고 있습니다. 문제는 SRAM 의 크기가 줄어들지 못하면 지금 4나노보다 더 선단 공정을 사용하더라도 이득을 볼 수 있는 부분이 로직 뿐인데 그러면 크게 2가지 문제가 생깁니다. SRAM 용량 제약이 SRAM 기반 가속기 중 가장 큰 제약 중 하나인데 선단 공정을 쓰더라도 SRAM 용량을 높이기가 굉장히 어렵습니다. 선단 공정을 사용할 경우 웨이퍼 한 장 가격이나 트랜지스터 개당 가격이나 모두 높아져야하는데 SRAM 크기가 같다면 올라가는 성능 대비 가격이 지나치게 높아져야 합니다. 다른 가속들의 경우 웨이퍼를 사용할때 SRAM 보다는 로직 위주로 사용하기 때문에 (어짜피 메모리는 외부에 달 HBM 이 중심이기 때문에) 선단 공정 사용의 이득이 비용 상승보다 크지만 SRAM 을 크게 달고 가야하는 Cerebras 의 경우에는 이득보다 비용이 더 클 가능성이 높습니다. 이렇게 될 경우 설계 개선 또한 점점 한계가 있기 때문에 SRAM 기반 가속기들의 발전속도가 늦어지고 경쟁 기술 대비 장기적으로 뒤쳐질 수도 있습니다. 7. 번외 할라피뇨로 인한 가속기 시장 격변 예상 연도 TSMC 연말 월 캐파 (wpm) Non-TSMC(OSAT) 연말 wpm 합산 연말 wpm 2025 70~80K ~15~20K (추정) ~90~100K 2026E 120~140K 40~60K ~170~200K 2027E ~200K ~80K ~280K 2028E 220~260K 추정 100K+ (추정) 320~360K (추정) 현재 Nvidia 독주와 TPU 투톱 체제는 2027년 상반기까지 유지될 것으로 보입니다. 지금의 구도가 유지되고 있는 이유는 추론 영역에서 엔비디아의 경쟁력이 유지되고 있다기 보다는 CoWoS 캐파를 엔비디아가 상당부분 할당받았기 때문입니다. 밸류체인 선점 효과는 내년 하반기부터 서서히 사라지기 시작할 것으로 보입니다. 이에 따라 할라피뇨의 양산도 3분기 부터 본격 램프업 되어 4분기부터 물량이 크게 증가할 것으로 보입니다. 현재 가속기 시장의 경쟁 구도가 너무 복잡해지고 있는 가운데 프론티어 AI 랩들은 할라피뇨의 놀라운 성능 덕분에 점점 더 구글의 풀스택 구조를 도입할 것으로 보입니다. 특히 TSMC 의 CoWoS 캐파가 점점 더 완화가 되는 내년 하반기부터 이러한 흐름은 본격화될 것으로 보입니다. 마이크로소프트가 오픈AI 자체 가속기에 대한 IP 권리를 가지고 있고 앤트로픽도 오픈AI 와 유사한 전략을 취할 것으로 보이기 때문에 프론티어랩들이나 빅테크들의 풀스택 화는 내년 하반기부터 본격적으로 빠르게 진행될 것으로 보입니다. 엔비디아는 계속해서 학습에서는 독점에 가까운 지위를 유지하겠지만 오픈소스 점유율이 커질 수록 유리할 것이라고 생각됩니다. 프론티어 랩들의 경우 누가 조금이라도 나은 성능을 보여주며 풀스택을 더 완성도 있게 구축하여 가격 경쟁을 할 여력을 갖추는지가 중요해질 것으로 보입니다. 이러한 복잡한 경쟁 구도가 팹리스들의 밸류에이션을 계속 누르고 있는 이유라고 생각됩니다. 투자자들이 점점 더 편해할 것은 승리한 풀스택 AI 기업이나 계속 낮아질 수 밖에 없는 토큰 가격의 수혜주를 찾는 것이라고 생각됩니다. 8. 밸류에이션 및 결론 ​ 2026 2027 PER -366.99 135.53 PSR 46.22 13.89 GPT-5.6 Sol Ultrafast 모드가 성공할 경우 동사의 추정치 상향이 기대됩니다. 지금 밸류에이션은 높지만 고성장하고 있고 이제 시작되는 빠른 추론 산업이기 때문에 산업이 얼마나 더 성장할 수 있는지 징후가 확인되는 것이 중요하다고 생각됩니다. 유일한 경쟁자는 Groq 이고 향후 최대 경쟁자는 OpenAI 의 할라피뇨라고 생각됩니다. ​