AI가 느려지면 반도체는 끝날까 - ‘다리오 쇼크’ 이후 AI 산업의 새 투자지도

이번 논쟁을 ‘AI 중단’으로 읽으면 출발부터 틀린다

그가 제안한 3단계 가운데 당장 실행 가능한 것은 Anthropic 내부에 외부 평가자를 상주시켜 훈련 과정과 안전 절차를 검증하는 1단계다. 미국 내 기업들이 공동으로 속도를 조절하는 2단계는 정부의 조정이 필요하고, 중국까지 참여하는 3단계는 훨씬 어렵다.

아모데이 자신도 전면적인 글로벌 pause는 가까운 시일 안에 실현되기 어렵다고 인정한다. 상대가 규칙을 어기면 군사·경제적 우위를 잃을 수 있기 때문이다. AI가 이미 미국과 중국의 전략 경쟁 자산이 된 상황에서 ‘모든 주요 연구소가 동시에 컴퓨팅을 줄인다’는 시나리오는 아직 기준 시나리오로 보기 어렵다.

따라서 지난 월요일 반도체주의 급락은 확인된 주문 감소를 반영한 것이 아니라, 앞으로 그런 일이 생길 수 있다는 확률을 주가가 먼저 재평가한 사건에 가깝다.

기준 시나리오: 모델 출시 간격은 길어져도 데이터센터는 바로 멈추지 않는다

현재 숫자는 아직 ‘AI CapEx 절벽’과 반대 방향을 가리킨다. Reuters가 집계한 대형 기술기업의 2026년 CapEx 전망은 약 7,950억달러, 2027년은 약 1조800억달러다.

Microsoft는 달력연도 2026년 CapEx 전망을 약 1,750억달러로 제시했고 FY2027에도 전년 대비 증가를 예상한다. Alphabet은 2026년 CapEx 가이던스를 1,950억~2,050억달러로 올렸고 2027년에도 큰 폭의 증가를 예고했다. Amazon은 2026년 약 2,000억달러를 투자할 계획이며, Meta도 1,300억~1,450억달러를 제시하고 있다.

이 돈은 모두 다음 프런티어 모델 하나를 훈련하기 위해서만 쓰이는 것이 아니다. 기존 모델의 추론, 클라우드 고객 수요, 스토리지, 네트워크, 자체 ASIC, 데이터센터 건물과 전력망까지 포함한다. 이미 계약되고 건설 중인 프로젝트도 많다.

그래서 가장 현실적인 변화는 ‘AI 투자가 사라진다’가 아니라 ‘투자의 목적이 바뀐다’는 쪽이다. 새로운 모델을 하루라도 빨리 만드는 경쟁에서, 이미 확보한 모델을 더 싸게 돌리고 더 많은 고객에게 배포하며 안전하게 기업 시스템에 연결하는 경쟁으로 무게중심이 조금 이동할 수 있다.

레이어 1 - OpenAI·Anthropic 같은 모델 기업: 성장 속도보다 수익화 시간이 늘어난다

프런티어 모델 기업에는 감속이 무조건 악재라고 보기 어렵다.

새 모델을 만들 때마다 수십억달러 규모의 훈련비와 데이터·인력 비용이 다시 발생한다. 모델 세대교체가 조금 느려지면 기존 모델을 더 오래 판매하면서 비용을 회수할 시간이 늘어난다. Anthropic이 최근 투자자들에게 2개 분기 연속 조정 영업이익 흑자를 예상한다고 알린 것으로 전해진 점도 흥미롭다. 다만 이 수치는 모델 훈련비와 일부 파트너 revenue sharing을 반영하기 전이라는 큰 단서가 있다.

반대로 위험도 분명하다. OpenAI·Anthropic의 높은 기업가치는 ‘능력이 빠르게 올라간다’는 기대를 상당 부분 포함한다. 능력 향상 속도가 구조적으로 낮아지면 밸류에이션에는 부담이다.

결국 모델 기업의 경쟁 기준은 ‘누가 다음 모델을 먼저 내놓느냐’에서 ‘누가 현재 모델로 더 많은 매출과 현금흐름을 만들고, 안전 인증을 통과해 대기업 고객을 오래 붙잡느냐’로 이동할 수 있다.

레이어 2 - Microsoft·Google·Amazon·Meta: 감속이 오히려 숨을 돌릴 시간을 줄 수 있다

하이퍼스케일러는 이번 논쟁에서 가장 복합적인 위치에 있다. AI 능력 향상이 둔화되면 클라우드용 GPU 구매 증가율은 낮아질 수 있다. 하지만 동시에 막대한 감가상각과 전력 비용을 떠안은 데이터센터를 더 오래 활용하면서 투자수익률을 끌어올릴 시간이 생긴다.

특히 Google의 TPU, Amazon의 Trainium·Inferentia처럼 자체 칩을 가진 기업은 추론 중심 시장에서 비용 효율을 무기로 삼을 수 있다. Microsoft 역시 Azure와 Copilot이라는 배포 채널을 보유하고 있다. Meta는 AI를 광고·추천·개인 에이전트에 직접 연결할 수 있다.

반대로 부채와 외부자본에 의존해 GPU 데이터센터를 빠르게 늘린 네오클라우드나 특정 대형 고객에 집중된 사업자는 더 민감하다. AI 모델 출시 속도가 늦어져 GPU 임대료와 가동률이 떨어지면 금융비용은 그대로인데 매출 회수 기간만 길어질 수 있기 때문이다.

따라서 감속 국면에서는 ‘누가 GPU를 많이 가지고 있는가’보다 ‘누가 그 GPU를 높은 가동률로 오래 돈으로 바꿀 수 있는가’가 더 중요해진다.

레이어 3 - NVIDIA·AMD·Broadcom: 훈련에서 추론으로 중심이 이동하면 승부 방식도 바뀐다

가장 먼저 주가가 맞은 곳은 당연히 가속기 기업이다. 프런티어 모델의 초대형 훈련 횟수가 줄어든다면 NVIDIA와 AMD의 가장 높은 마진을 만들어 온 최첨단 GPU 수요 증가율이 둔화될 수 있다.

그러나 여기서도 ‘GPU 수요 감소’와 ‘AI 컴퓨팅 수요 감소’를 같은 말로 쓰면 안 된다. 이미 훈련된 모델을 수억 명이 사용하고 수많은 에이전트가 하루 종일 실행되기 시작하면 추론 컴퓨팅은 계속 커질 수 있다.

이 경우 경쟁의 중심은 최고 성능 하나에서 전력당 성능과 토큰당 비용으로 이동한다. NVIDIA는 CUDA·네트워킹·Rubin까지 포함한 전체 플랫폼으로 방어할 수 있지만, Google TPU·Amazon Trainium 같은 자체 ASIC과 Broadcom이 설계하는 맞춤형 가속기, 그리고 추론에 특화된 새로운 칩들의 상대적 기회도 커진다.

실제로 Amazon은 최근 Qualcomm과 여러 세대에 걸친 AI 추론용 맞춤형 칩 개발 협력을 발표했다. 감속이 현실화될수록 ‘가장 빠른 칩’보다 ‘같은 전력으로 가장 싸게 많은 토큰을 처리하는 칩’의 경제성이 더 중요해질 가능성이 있다.

레이어 4 - SK하이닉스·삼성전자·Micron: ‘메모리 끝’이라고 부르기에는 아직 데이터가 반대다

이번 논쟁에서 개인투자자가 가장 혼란스러운 부분이 메모리다. DeepSeek V4.1-Flash가 이전 세대보다 KV 캐시에 필요한 HBM을 4분의 1, SSD를 8분의 1로 줄였다고 발표했다. NVIDIA도 Rubin Ultra에서 더 낮은 HBM 적층 구성을 검토 중이다. 겉으로 보면 ‘AI가 이제 메모리를 덜 쓰는 방향으로 간다’고 읽기 쉽다.

하지만 Rubin Ultra 사례의 배경은 오히려 반대다. TrendForce는 NVIDIA가 12-Hi HBM4E뿐 아니라 8-Hi HBM4E·12-Hi HBM4·8-Hi HBM4까지 검토하는 이유를 2027년 DRAM 공급 부족과 HBM4E 수율·인증 불확실성으로 설명한다. 2027년 HBM 비트 출하가 전년 대비 50~60% 늘어나도 수요 증가를 따라가지 못할 것으로 본다.

즉 GPU 한 대에 들어가는 HBM 용량이 줄어드는 것과 전체 HBM 시장이 줄어드는 것은 전혀 다른 문제다. 메모리를 덜 붙여 GPU 100대를 만들던 웨이퍼로 130대를 만들 수 있다면 총 HBM 비트 수요는 오히려 늘 수 있다. DeepSeek의 효율 개선도 마찬가지다. 토큰당 메모리 사용량은 줄지만 토큰 가격이 내려가면서 에이전트와 사용자 수가 더 빨리 늘면 총수요는 증가한다.

여기에 업체 간 지형 변화도 봐야 한다. Counterpoint 기준 2026년 2분기 HBM 매출 점유율은 SK하이닉스 50%, 삼성전자 33%, Micron 18%다. SK하이닉스가 여전히 1위지만 삼성의 HBM4 출하 확대가 점유율 격차를 빠르게 줄이고 있다.

따라서 지금 메모리 투자자가 봐야 할 것은 ‘AI 감속론’이라는 헤드라인이 아니라 HBM ASP, 비트 출하량, 고객 인증, 재고일수, Rubin Ultra 최종 사양이다. 그리고 DRAM과 NAND도 분리해서 봐야 한다. TrendForce는 2027년 DRAM은 타이트할 것으로 보지만 NAND는 2027년 하반기 공급 여건이 더 느슨해질 수 있다고 전망한다. ‘메모리 전체’를 한 덩어리로 판단하면 안 되는 이유다.

레이어 5 - TSMC·ASML·패키징: 감속보다 더 오래 걸리는 물리적 병목

프런티어 모델의 출시 주기는 몇 달 단위로 바뀔 수 있지만 팹과 첨단 패키징 생산능력은 그렇게 빨리 켰다 끌 수 없다.

ASML의 기존 EUV 장비는 2027년 물량까지 거의 매진돼 있고, TSMC·Samsung·SK하이닉스·Intel은 4억달러 수준의 High-NA EUV 도입을 준비하고 있다. TSMC도 2026년 들어 첨단 공정과 첨단 패키징 증설을 위한 수백억달러 규모의 자본 배정을 계속 승인하고 있다.

단기적인 AI 감속이 현실화되더라도 CoWoS와 첨단 노드의 병목이 바로 사라질 가능성은 낮다. 다만 2027~2028년 하이퍼스케일러 CapEx가 실제로 낮아진다면 가장 긴 리드타임을 가진 장비업체의 신규 주문부터 뒤늦게 영향을 받을 수 있다.

그래서 TSMC·ASML은 ‘이번 주 AI 논쟁’보다 고객의 12~24개월 생산계획을 확인하는 편이 훨씬 중요하다.

레이어 6 - 전력·냉각·보안: 감속론이 오히려 중요도를 높이는 곳

AI 데이터센터의 물리적 병목은 모델 출시 속도보다 느리게 움직인다. 전력망, 변압기, 냉각시설은 이미 부족하다. Google은 최근 핀란드 AI 인프라에 130억유로를 투자하고 원전 전력의 최대 50%를 22년 동안 구매하는 계약까지 체결했다. Vertiv는 데이터센터의 현장 전원 확보를 돕기 위해 마이크로그리드 업체 인수를 발표했다.

모델 능력이 한두 분기 천천히 올라간다고 이미 존재하는 수십억 개의 AI 요청과 데이터센터의 전력 소비가 사라지는 것은 아니다. 그래서 전력·냉각은 AI 투자 사이클에서 상대적으로 긴 듀레이션을 가진 레이어다.

보안은 더 직접적이다. 아모데이의 제안 자체가 외부 평가자, 모니터링, 샌드박싱, 모델 행동 검증을 강화하자는 내용이다. 9월 14일 반도체가 급락한 날 CrowdStrike와 Palo Alto Networks 같은 사이버보안주는 두 자릿수 상승했다.

물론 하루 주가 상승이 장기 실적을 보장하지는 않는다. 하지만 AI 에이전트가 기업의 코드·결제·클라우드 계정에 직접 접근할수록 IAM, 행동 모니터링, 정책 집행, 감사 로그는 선택사항이 아니라 운영비가 될 가능성이 높다. AI 감속론이 현실화될수록 ‘안전 비용’은 줄기보다 늘어날 가능성이 더 크다.

세 가지 시나리오로 보면 혼란이 줄어든다

첫째, 가장 현실적인 기준 시나리오는 ‘Pacing without Pause’다. 모델 출시 간격과 안전 검증은 길어지지만 훈련과 추론 투자는 계속된다. 이 경우 NVIDIA의 성장률 기대는 조금 낮아질 수 있지만 HBM·클라우드·전력·보안 수요가 무너질 이유는 아직 없다. 오히려 추론과 효율화의 비중이 높아진다.

둘째는 실제 규제가 훈련 컴퓨팅 자체를 제한하고 미국·중국까지 일정 수준 공조하는 강한 감속 시나리오다. 이 경우 NVIDIA·AMD·HBM·첨단 패키징과 고부채 데이터센터 사업자가 가장 먼저 타격을 받을 가능성이 높다. 그러나 아모데이 자신도 완전한 글로벌 pause의 현실성을 낮게 본다.

셋째는 지정학적 경쟁 때문에 실질적인 감속이 거의 일어나지 않는 시나리오다. 이 경우 현재의 AI 인프라 투자 사이클은 더 길어질 수 있다. 대신 문제는 안전이 아니라 1조달러를 넘어서는 CapEx의 수익성, 부채, 전력, 밸류에이션으로 이동한다.

어느 시나리오에서도 ‘AI가 끝난다’는 결론은 너무 단순하다. 달라지는 것은 AI 산업 안에서 돈이 이동하는 위치다.

헤드라인이 바뀌었다. 아직 투자 논리가 깨진 것은 아니다

이번 사건은 무시할 뉴스가 아니다. 처음으로 프런티어 AI 기업의 최고경영자들이 ‘능력 향상 속도’를 투자 변수로 만들었기 때문이다. 앞으로 NVIDIA와 HBM에는 새로운 할인요인이 하나 생겼다고 보는 편이 맞다.

그러나 현재 단계에서 ‘반도체, 특히 메모리는 끝났다’고 판단할 근거도 부족하다. 실제 고객의 CapEx는 아직 줄지 않았고, HBM은 공급 부족이며, ASML 장비와 첨단 패키징에는 긴 주문잔고가 남아 있다.

내가 가장 경계할 것은 주가 하락 그 자체가 아니라 펀더멘털의 순서가 바뀌는 순간이다. 하이퍼스케일러가 2027년 CapEx를 낮추고, HBM ASP와 비트 출하 전망이 동시에 꺾이고, Rubin 계열 GPU 출하 계획이 하향되고, 강제적인 컴퓨팅 규제가 법제화된다면 그때는 판단을 바꿔야 한다.

그 네 가지가 확인되기 전까지 이번 사태는 ‘AI 인프라 붕괴의 증거’라기보다, AI 투자 안에서 훈련·추론·보안·전력의 상대가치를 다시 매기는 첫 번째 큰 스트레스 테스트에 가깝다.

AI 투자자는 이렇게 대응하는 편이 낫다