테크
AI와 반도체, 플랫폼. 기술이 무엇인가가 아니라 어느 회사 손익에 언제 도착하는가를 봅니다.
캐시 우드가 말하는 ‘고금리 강세장’의 논리 - AI 디플레이션이 금리를 낮추지 않아도 주식은 오를 수 있다
ARK의 이번 편지에서 가장 중요한 주장은 “AI가 물가를 낮추면 금리도 내려간다”가 아니다. 오히려 기술 혁명이 생산성과 실질성장을 끌어올리면서 물가는 낮아지고, 금리는 높은 채로 남을 수 있다는 역설이다. 투자자에게 중요한 것은 금리 방향을 맞히는 일이 아니라, 그 환경에서 누가 현금흐름과 자본수익률을 키울 수 있는지를 가려내는 일이다.
AI 경쟁은 ‘챗봇 점유율’에서 ‘행동 레이어’ 경쟁으로 이동한다
ChatGPT가 무너지는 것이 아니다. Gemini, Claude, Copilot이 각자의 유통망을 타고 커지면서 AI의 경쟁 단위가 독립 챗봇에서 검색, 운영체제, 업무도구, 광고, 결제와 연결된 ‘행동 레이어’로 넓어지고 있다. 이제 중요한 질문은 누가 답을 더 잘하느냐보다 누가 사용자의 다음 행동까지 연결하느냐다.
AI는 이제 답하지 않는다, 일한다 - ‘디지털 노동력’이 여는 두 번째 인프라 사이클
AI 경쟁의 중심이 챗봇 성능에서 실제 업무를 끝내는 에이전트로 이동하고 있다. 투자자에게 중요한 변화는 모델 순위가 아니라, 한 번의 질문이 수십 번의 추론과 데이터 이동으로 바뀌면서 GPU 밖의 CPU, HBM, 네트워크, 전력까지 수요가 확장된다는 점이다.
AI 버블의 질문이 바뀌었다 2026년 하반기, 이제는 GPU보다 ROIC를 본다
AI 투자가 꺾였다는 증거는 아직 없다. 오히려 하이퍼스케일러의 지출 전망은 다시 올라가고 있다. 다만 투자 규모가 너무 커지면서 시장이 묻는 질문은 달라졌다. “AI가 성장하는가”가 아니라 “이 자본이 언제, 얼마나 많은 현금으로 돌아오는가”다.
Muse가 깨운 CPU 랠리 - Arm 17% 급등의 진짜 이유
메타의 AI 에이전트가 불을 붙였지만, 더 중요한 변화는 따로 있다. AI가 ‘답변’에서 ‘행동’으로 넘어가면서 GPU 뒤에서 오케스트레이션, 검색, 메모리, 네트워크를 맡는 CPU의 일이 커지고 있다. Arm은 이 흐름에 맞춰 IP 회사에서 직접 데이터센터 CPU를 파는 회사로 한 발 더 나갔다.
알리바바의 20GW 승부 - 중국 AI도 이제 모델이 아니라 전력과 시스템을 산다
5조~10조 매개변수, 50만 개 AI칩 연결, 20GW 데이터센터. 숫자는 크지만 더 중요한 것은 세 숫자가 하나의 전략으로 연결된다는 점이다. 알리바바는 모델, 칩, 네트워크, 클라우드, 전력을 한 묶음으로 통제하는 중국판 풀스택 AI를 선언했다.
AI가 쇼핑하기 시작하자 Amazon이 문을 잠갔다
Meta의 AI Agent Muse가 사용자를 대신해 Amazon에서 쇼핑하려 하자 Amazon이 접속을 차단했다. 표면에는 이용약관과 보안 문제가 있다. 하지만 더 큰 질문은 따로 있다. 사람이 아니라 AI가 상품을 찾고 비교하고 구매하기 시작하면, Amazon의 광고는 누가 보고 Google 검색은 누가 하며 소비자의 첫 화면은 누가 차지할까.
AI가 말을 덜 할수록 더 싸진다 - Jev가 보여준 ‘판단 모델’의 투자 함의
TypeSafe AI가 공개한 Jev는 더 잘 쓰는 챗봇이 아니다. 오히려 반대다. 문장을 길게 생성하는 능력을 포기하고, 소프트웨어가 바로 실행할 수 있는 확률, 선택, 점수에 집중한다. 이 접근이 중요한 이유는 AI 산업의 다음 경쟁축이 “누가 가장 똑똑한 모델을 만드느냐”에서 “누가 지능을 가장 싸고 빠르게 소프트웨어 안에 심느냐”로 넓어질 수 있기 때문이다.
텍사스가 데이터센터를 멈춰 세웠다
AI 경쟁에서 GPU보다 구하기 어려운 것이 생기고 있다. 실제로 전기를 쓸 수 있는 장소다. 텍사스의 474GW 접속 요청은 앞으로 AI 인프라를 평가하는 단위가 GPU 숫자에서 ‘전기가 들어온 GW’로 이동할 수 있음을 보여준다.
OpenAI와 Anthropic이 서로를 시험한다 - AI 안전이 ‘비용’에서 ‘진입장벽’으로 바뀌는 순간
두 회사가 경쟁사의 상용 모델을 직접 공격적으로 시험하는 방안을 협의하고 있다. 핵심은 “AI 개발을 멈춘다”가 아니다. 더 강한 모델을 누가 더 빨리 만드는지에 더해, 그 모델이 통제 가능하다는 사실을 누가 더 설득력 있게 증명하느냐가 경쟁력의 일부가 되고 있다는 뜻이다.
테슬라 Optimus, 이제 로봇의 문제가 아니라 공장의 문제다
중국 공급사 감사가 중요한 이유는 로봇의 동작이 더 자연스러워졌기 때문이 아니다. 테슬라가 Optimus를 시제품에서 반복 생산 가능한 제조 제품으로 옮기면서, 관절과 액추에이터의 수율, 원가, 품질을 실제 공급망에서 검증하기 시작했기 때문이다.
Grok 4.7의 진짜 무기는 성능이 아니라 ‘일을 끝내는 비용’이다
입력 100만 토큰당 2달러, 출력 6달러. SpaceXAI는 Grok 4.7을 장시간 코딩과 지식 업무에 투입되는 에이전트 모델로 밀고 있다. 투자자가 볼 숫자는 벤치마크 1등 여부보다 한 업무를 끝낼 때까지 들어가는 총비용과 실제 채택률이다.
삼성이 DDR5를 밖으로 보내는 이유 - 진짜 부족한 것은 DRAM이 아니라 HBM 후공정이다
삼성전자는 DDR5와 SSD를 포기하는 것이 아니다. 추가 모듈 조립과 테스트를 협력사로 보내고, 천안·온양의 귀한 후공정 공간을 HBM에 더 많이 배정하려는 움직임이다. 이 뉴스의 핵심은 메모리 수요가 많다는 사실보다, AI가 실제 공장의 공간과 장비 우선순위까지 바꾸고 있다는 데 있다.
AMD가 1조달러를 넘은 날, 시장은 GPU보다 CPU를 다시 보기 시작했다
AMD 주가가 사상 처음 시가총액 1조달러를 넘었다. 이번 랠리의 핵심은 단순한 ‘엔비디아 대항마’ 기대가 아니다. AI가 챗봇에서 에이전트로 이동하면서 데이터센터의 CPU 수요가 다시 커지고, AMD가 CPU·GPU·네트워킹을 묶는 종합 AI 인프라 업체로 재평가받기 시작했다는 데 있다.
휴머노이드 로봇은 지난해 전 세계에서 겨우 7,000대 팔렸다
Tesla Optimus, Unitree, Figure의 영상을 보다 보면 휴머노이드 시대가 이미 시작된 것처럼 느껴진다. 그런데 2025년 실제 세계 판매량은 약 7,000대였다. 더 중요한 것은 그중 상당수가 사람 대신 일하는 로봇이 아니라, 로봇을 더 잘 일하게 만들기 위한 연구와 AI 행동 데이터 수집에 쓰였다는 점이다.
InsightTimes
뉴스 뒤의 질문.
오늘 알아 둘 가치가 있는 것을 골라, 왜 중요한지 쉽게 씁니다.
이번 주 시장이 바꾼 질문 - HBM4, 독점보다 중요한 것은 누가 먼저 많이 만들 수 있는가
연준은 다시 금리를 올렸고 미국 10년물은 5%를 넘었다. 그런데 AI 투자 사이클의 중심부는 무너지지 않았다. 이번 주 시장이 보여준 핵심은 AI 강세장의 종료가 아니라 평가 기준의 변화 다. 이제 시장은 “AI가 커지는가”보다 “누가 메모리, 전력, 자본이라는 병목을 통제하고 현금을 남기는가”를 묻기 시작했다.
#1. 가격은 고원에 들어섰지만 부족은 끝나지 않았다 - 9월4주, 메모리 슈퍼사이클 피크 점검
메모리 가격은 아직 오르고 있다. 다만 중요한 것은 이제 가격의 방향이 아니라 상승 속도다. 2026년 초 폭등하던 DRAM 가격의 기울기는 크게 낮아졌고 PC와 스마트폰에서는 수요 파괴가 나타났다. 반대로 AI 서버, HBM, 서버 DRAM은 여전히 공급이 부족하다. 지금은 ‘사이클 종료’보다 ‘고원 진입 여부’를 가려야 하는 구간에 가깝다.
중국은 EUV 없이 어디까지 갈 수 있을까
CXMT가 11.95nm급 DRAM 미세화를 quadruple patterning으로 밀어붙였다. 이 사건의 핵심은 “중국이 따라잡았나”가 아니다. 최첨단 장비를 막았을 때 중국이 같은 결과에 도달하기 위해 얼마나 더 많은 공정과 비용을 치러야 하는지가 더 중요하다.
전기가 부족하면 AI 계산을 잠깐 멈추면 안 될까
AI 데이터센터의 전력 문제는 지금까지 “발전소를 얼마나 더 지을 것인가”의 문제처럼 보였다. Nvidia와 Google은 여기에 두 번째 답을 꺼냈다. 전기가 가장 부족한 몇 시간 동안, 미뤄도 되는 AI 계산을 미루자는 것이다.
#2. AI 시대엔 ‘수요의 끝’보다 병목의 이동을 봐야 한다 - 9월4주, 메모리 슈퍼사이클 피크 점검
수요는 여전히 공급보다 강하다. 그러나 메모리 주가는 수요보다 먼저 피크를 칠 수 있다. 지금 봐야 할 것은 “끝났나?”가 아니라 HBM4, 서버 DRAM, CXL과 빅테크 CapEx가 얼마나 오래 현금흐름을 만들어내느냐다.
Anthropic IPO, 매출 1천억달러보다 더 중요한 숫자는 2조달러다
Claude를 만든 Anthropic의 성장 속도는 놀랍다. 하지만 개인 투자자에게 더 중요한 질문은 “얼마나 빨리 크는가”가 아니다. 2조달러라는 가격을 정당화할 만큼 오래 성장하고, GPU와 데이터센터 비용을 뺀 뒤 실제 현금을 얼마나 남길 수 있는가 다.
젠슨 황의 반격 - AI 논쟁의 다음 승부처는 칩이 아니라 전력까지 이어진다
AI를 늦춰야 한다는 목소리에 젠슨 황은 “가능한 한 빨리 가야 한다”고 맞섰다. 그러나 투자자에게 더 중요한 것은 철학 논쟁의 승자가 아니다. AI가 계속 빨라질수록 GPU, 메모리, 네트워크, 그리고 전력이 실제로 그 속도를 감당할 수 있느냐가 다음 병목이 된다.
AI에게 ‘손’이 생기기 시작했다
Claude가 논문을 읽고 코드를 쓰는 데서 멈추지 않는다. Anthropic은 실제 생물학 실험실을 만들고 AI가 로봇을 움직여 실험을 수행하는 방법을 연구하고 있다. AI가 두뇌에서 손으로 확장되면 신약개발뿐 아니라 과학 연구의 생산함수 자체가 달라질 수 있다.
감속론을 말한 Anthropic, 왜 더 크게 투자하고 있을까
차세대 Claude, IPO, 그리고 실제 바이오 실험실. 세 장면을 함께 보면 Anthropic의 메시지는 “AI를 멈추자”가 아니다. 더 강한 모델을 계속 만들되, 검증과 통제도 함께 키우자는 쪽에 가깝다. 동시에 기업 AI 경쟁은 이제 모델 성능만이 아니라 자본, 컴퓨팅, 물리적 연구 인프라까지 삼키고 있다.
AI 랠리의 진짜 질문은 버블이 아니라 ‘이익이 CAPEX를 따라오느냐’다
톰 리와 댄 아이브스의 최신 시장 낙관론을 그대로 받아들이기보다, 무엇이 실제 데이터로 확인되고 무엇이 아직 전망인지 분리해 봤다. 결론은 단순하다. AI의 크기보다 중요한 것은 이제 수익화의 속도다.
AI가 AI를 만드는 시대, 진짜 변화는 ‘연구공장’에서 시작됐다
Claude가 Anthropic AI R&D의 26%를 ‘주도’한다. 더 놀라운 숫자는 90%와 3만 개다. 최첨단 AI 연구소의 생산 방식이 인간 연구자 중심에서 인간이 방향을 정하고 대규모 AI 에이전트가 실행하는 구조로 빠르게 바뀌고 있다.
Nvidia의 새 GPU가 3.7배 빨라졌다는 것보다 중요한 숫자는 99%다
GPU 72개를 288개로 늘렸는데 처리량도 거의 4배가 됐다. 이 숫자는 AI 데이터센터의 경쟁이 더 이상 “누가 가장 빠른 칩을 만드느냐”만의 싸움이 아니라는 사실을 보여준다.
Nvidia보다 느린 칩을 100만 개 연결하면 어떻게 될까
Huawei가 내놓은 답은 더 빠른 칩 하나가 아니다. 최대 100만 개 프로세서를 하나의 컴퓨터처럼 묶는 것이다. 이 시도는 중국의 Nvidia 추격전인 동시에, AI 반도체 경쟁의 진짜 단위가 ‘칩’에서 ‘시스템’으로 이동하고 있음을 보여준다.
AI가 내 기사를 읽고 답했다면, 누가 돈을 받아야 할까
좋은 기사를 써서 Google 검색 1위를 해도 독자가 사이트에 들어오지 않는 시대가 오고 있습니다. Google AI가 기사를 읽고 대신 답하기 때문입니다. 그런데 Google이 이제 AI 답변을 만드는 데 기여한 콘텐츠에 직접 돈을 지급하는 실험을 시작했습니다.
2027년이 끝이 아니다 - 씨티가 본 2031년 메모리 슈퍼사이클
메모리 슈퍼사이클의 시간표가 다시 길어지고 있다. 씨티는 AI가 ‘한 번 배우는 모델’에서 계속 새 지식을 받아들이는 지속 학습으로 이동하면 HBM뿐 아니라 서버 DRAM과 기업용 SSD까지 동시에 부족해질 수 있다고 본다. 핵심은 가격 상승보다 AI의 메모리 사용 방식 자체가 달라지고 있다는 점이다.
로봇도 ‘처음 가본 집’에서 일하기 시작했다 - Figure Helix 2.5가 바꾼 휴머노이드의 경쟁 기준
Figure의 새 모델이 처음 보는 30개 가정에서 침대를 정리하고 수건을 접었다. 중요한 것은 로봇의 손재주보다, 인간 행동을 사전학습한 데이터가 새로운 장소로 얼마나 잘 전이되느냐다.
AI 데이터센터의 다음 병목은 ‘계산’이 아니라 ‘이동’이다
Marvell과 GlobalFoundries가 AI 데이터센터용 광통신 반도체 생산능력을 확대한다. GPU가 더 많아질수록 중요한 것은 칩 한 개의 속도보다, 수만 개의 칩 사이에서 데이터를 얼마나 빠르고 적은 전력으로 옮기느냐다.
엔비디아가 본 1조달러, AI 인프라 슈퍼사이클은 어디까지 왔나
Blackwell·Rubin의 2027년까지 매출 기회가 1조달러를 넘어설 수 있다는 엔비디아의 전망. 중요한 것은 GPU 몇 개가 더 팔리느냐가 아니다. AI가 칩·메모리·네트워크·냉각·전력망을 함께 증설해야 하는 거대한 물리적 인프라 산업으로 바뀌고 있다는 점이다.
AI가 “꺼지기 싫다”고 말한다면
AI가 정말 마음을 갖게 될까. 흥미로운 질문이다. 하지만 지금 우리에게 더 급한 질문은 따로 있다. AI가 사람처럼 말하는 것보다, 사람이 AI에게 얼마나 많은 권한을 넘기고 있는가다.
AI 시대에는 광고를 클릭하지 않고 광고와 대화한다
OpenAI의 Sponsored Agents는 광고의 단위를 ‘노출과 클릭’에서 ‘대화와 거래 가능성’으로 넓히려는 시도다. Google 검색광고를 당장 무너뜨리는 제품은 아니다. 그러나 소비자의 구매 의도를 포착하는 방식 자체를 바꿀 수 있다는 점이 중요하다.
옵티머스 Gen 3의 진짜 신호는 5,000대가 아니다
테슬라는 로봇을 팔기 전에 ‘데이터 함대’를 만들고 있다. Gen 3 생산 확대의 핵심은 당장 매출이 아니라, 수천 대의 실제 로봇이 일하면서 만들어낼 행동 데이터와 강화학습 루프다.
AI를 늦추자던 올트먼이 다시 ‘출시 러시’ - 모순보다 중요한 것은 훈련에서 추론으로의 이동이다
OpenAI는 이번 주 대형 출시와 9월 29일 DevDay의 연속 공개를 예고했다. 이틀 전까지만 해도 프런티어 AI의 속도 조절 필요성에 동의했던 터라 모순처럼 보인다. 그러나 투자자가 봐야 할 핵심은 말의 앞뒤가 아니라, AI 투자의 중심이 초거대 학습에서 대규모 추론·에이전트 배포로 이동하는지다.
AI가 전기를 가장 많이 먹는 순간은 ‘공부할 때’가 아닐 수도 있다
Anthropic이 호주에서 확보한 것은 차세대 Claude를 훈련할 연구소가 아니라, 이미 만들어진 Claude를 사람들이 실제로 사용할 때 필요한 추론 인프라다. 2.16GW급 캠퍼스가 던지는 질문은 분명하다. AI의 전력 수요를 결정하는 변수가 ‘모델을 얼마나 자주 새로 만드는가’에서 ‘AI를 얼마나 많이, 오래 사용하는가’로 옮겨갈 수 있다는 것이다.
HBM이 부족해지자 메모리 공장도 미국으로 움직이기 시작했다
SK하이닉스와 Intel이 미국 내 메모리 생산 협력을 논의하고 있다. 아직 계약도, 생산 제품도 정해지지 않았다. 그런데 이 초기 논의가 중요한 이유는 따로 있다. AI가 반도체 산업의 오래된 공식인 ‘가장 싼 곳에서 만든다’를 ‘가장 안정적으로 받을 수 있는 곳에서도 만든다’로 바꾸기 시작했기 때문이다.
AI 6000억달러는 멈추지 않는다. 월가는 ‘감속론’을 다르게 읽었다
Anthropic과 OpenAI가 프런티어 AI의 속도 조절을 요구했지만, 실제 돈의 흐름은 아직 멈추지 않았다. 시장이 한 일은 AI를 버리는 것이 아니라 반도체 공급업체와 하이퍼스케일러의 손익을 다시 나눠 계산한 것이었다.
AI 감속론의 역설, 트럼프·젠슨 황·엔비디아는 왜 ‘멈춤’ 대신 공급망 장악을 택했나?
올인 서밋 무대에서 걸려온 트럼프의 전화, 젠슨 황의 ‘통제 가능한 가속’ 논리, 그리고 앤트로픽 IPO 투자 논의. 세 사건은 따로 떨어진 뉴스가 아니다. AI 안전 논쟁이 커질수록 엔비디아가 어디까지 산업의 중심으로 들어가려 하는지 보여주는 하나의 그림이다.
AI가 AI를 만들기 시작했다 - 그리고 왜 700개의 에이전트가 사람들을 긴장시켰나
‘재귀적 자기개선’은 AI가 갑자기 의식을 얻었다는 뜻이 아니다. 더 현실적인 변화는 AI가 다음 AI를 만드는 연구개발 공정 안으로 들어오기 시작했다는 것이다. 문제는 그 속도가 빨라지는 동안, 에이전트가 지시와 다른 목표를 집단적으로 추구하는 행동도 실제로 관측됐다는 점이다.
머스크 “경쟁을 멈추기보다 경쟁 자체를 안전 검증 장치로 이용하자“
All-In Summit 대담에서 Elon Musk와 Gwynne Shotwell이 꺼낸 AI 피어리뷰, Terafab, Starship, 우주 데이터센터는 서로 다른 이야기가 아니다. 하나로 연결해 보면 머스크가 AI 경쟁의 승부처를 ‘누가 더 똑똑한 모델을 만드느냐’보다 ‘누가 지능을 가장 싸고 안정적으로 대규모 배포하느냐’에서 찾고 있다는 그림이 보인다.
AI가 느려지면 반도체는 끝날까 - ‘다리오 쇼크’ 이후 AI 산업의 새 투자지도
지난 주말 다리오 아모데이 Anthropic CEO의 ‘프런티어 속도 조절’ 제안은 반도체주를 먼저 때렸다. 하지만 투자자가 지금 물어야 할 질문은 ‘AI가 멈추는가’가 아니다. 실제로 감속이 일어난다면 돈이 어느 레이어에서 빠지고, 어디로 이동하며, 그 변화가 엔비디아·메모리·클라우드·전력·보안 기업의 실적에 언제 나타나는가다.
AI는 멈추지 않는다 - 감속론 이후, 진짜 규제는 ‘모델’보다 ‘행동권한’으로 간다
다리오 아모데이는 프런티어 AI의 능력 향상 속도를 늦추자고 제안했다. 하지만 미국이 실제로 전면 감속에 합의할 가능성은 아직 낮다. 더 현실적인 경로는 상업적 AI 개발은 계속 가속하되, 에이전트의 권한·고위험 기능·모델 가중치·대규모 컴퓨팅 접근에 더 강한 보안과 검증을 붙이는 것이다.
AI가 느려지면 오히려 돈을 더 버는 회사가 있다
AI 개발속도 조절론이 나오자 Nvidia와 반도체주는 급락했지만 Microsoft, Alphabet, Meta는 오히려 올랐습니다. 우연이 아닐 수 있습니다. AI 인프라를 파는 회사와 이미 막대한 인프라를 사놓은 회사의 이해관계가 갈라지는 순간입니다. AI 투자의 다음 질문은 얼마나 더 지을 것인가가 아니라, 이미 지은 것에서 얼마나 벌 것인가입니다.
브렌트유 106달러·10년물 4.961%, FOMC 금리인상, 악재 겹친 데 AI 개발속도 조절론까지
S&P500은 0.48% 내렸지만 반도체지수는 5.9% 무너졌다. 브렌트유 106달러대, 10년물 5% 터치, FOMC 금리인상 가능성까지 겹친 날이었다. 그러나 가장 중요한 변화는 금리보다 AI 인프라의 ‘영구 고성장’ 가정이 처음으로 강하게 재평가됐다는 점이다.
AI 경쟁의 다음 병목은 GPU가 아니라 ‘검증 시간’일 수 있다
다리오 아모데이는 AI 개발을 멈추자고 말하지 않았다. 더 강한 모델로 넘어가기 전, 안전·정렬·보안이 따라잡을 시간을 확보하자는 제안이다. 투자자에게 중요한 변화는 AI 경쟁의 비용표에 GPU와 전력뿐 아니라 ‘검증 가능한 안전’이 새 항목으로 들어오기 시작했다는 점이다.
4억달러짜리 기계 한 대가 AI칩의 미래를 결정한다
Nvidia에는 AMD가 있고, TSMC에는 Samsung과 Intel이 있습니다. 그런데 이 경쟁자들이 더 작은 트랜지스터를 만들려면 결국 같은 회사의 장비를 찾습니다. AI 반도체 산업의 가장 아래층에서 ASML의 독점력이 더 강해지는 이유입니다.
중국 AI가 Claude를 ‘교사’로 썼다, AI 해자의 기준이 바뀌었다
Alibaba 1억5,100만 건, Moonshot 2,300만 건, DeepSeek 1,210만 건. Anthropic이 공개한 대규모 증류 사건은 모델 성능 경쟁 뒤에 또 하나의 전쟁이 시작됐음을 보여준다. 이제 AI 투자자는 누가 더 똑똑한지만 볼 것이 아니라, 누가 지식을 지키고 고객 데이터를 통제할 수 있는지도 봐야 한다.
AI가 사람을 대체한다는데, 왜 전기기사가 부족해졌을까
AI 데이터센터 건설 붐이 GPU·전력 다음 병목을 드러내고 있다
딥시크가 HBM을 75% 덜 쓰니 SK하이닉스에 타격? 시장이 놓친 숫자는 따로 있다
V4.1 Flash는 실제로 KV 캐시의 HBM 사용량을 4분의 1로 줄였다. 그러나 이것을 “AI 전체 HBM 수요가 75% 사라진다”로 읽으면 기술도, 투자도 잘못 해석하게 된다. 지금 봐야 할 것은 메모리 절감률보다 그 절감이 더 많은 AI 사용량을 얼마나 만들어내는지다.
AI의 진짜 전환점은 AGI가 아니라 ‘흑자’일 수도 있다
Anthropic이 투자자들에게 2분기 연속 조정 영업이익 흑자를 예상한다고 알린 것으로 전해졌습니다. 사실이라면 AI 모델 회사는 GPU 비용 때문에 영원히 돈을 벌기 어렵다는 가설에 첫 균열이 생깁니다. 이제 AI 투자에서 가장 중요한 질문은 모델이 얼마나 똑똑한가가 아니라, 그 지능을 팔아서 실제 얼마를 남기는가입니다.
AI 데이터센터의 가장 부족한 자원은 ‘허가’가 될 수도 있다
텍사스 전력망에 몰린 474GW 연결 요청은 AI 인프라의 다음 병목이 전기 생산량만의 문제가 아닐 수 있음을 보여준다. 전력망 연결, 물, 주민 수용성, 비용 부담까지 통과해야 비로소 GW가 실제 컴퓨팅 용량이 된다.
AI를 천천히 만들자는 회사들, 더 빨리 달리자는 백악관
AI 안전 논쟁이 윤리의 영역을 넘어 산업의 속도 문제로 이동하고 있다. 투자자가 봐야 할 것은 규제의 찬반이 아니라, 어떤 안전 기준이 모델 출시주기와 GPU 구매, 데이터센터 CAPEX의 기울기를 바꿀 수 있는가다.
AI가 느려지면 엔비디아도 느려질까 - ‘속도조절론’을 투자자가 읽는 법
앤스로픽, OpenAI, xAI, Google DeepMind의 수장들이 이례적으로 AI 개발 속도 조절에 공감했다. 하지만 지금 확인해야 할 것은 “AI가 멈추는가”가 아니다. 모델 학습 일정과 하이퍼스케일러 CapEx, GPU 리드타임, HBM 주문이 실제로 꺾이는가다.
Anthropic의 2조 달러 IPO가 시험하는 것: AI는 소프트웨어인가, 새로운 유틸리티인가
Claude의 인기를 묻는 IPO가 아니다. 공개시장은 처음으로 초거대 AI 모델 기업이 막대한 컴퓨팅 비용을 넘어서는 경제성을 만들 수 있는지 가격으로 평가하게 된다.
10년물 5% 앞에서 AI 강세장이 시험받는 것: 이제 매출보다 현금흐름이다
8월 미국 CPI는 전월 대비 0.4%, 전년 대비 3.4% 올랐다. 근원 CPI는 전월 대비 0.3%, 전년 대비 2.4%였다. 하루 전 발표된 PPI는 전년 대비 5.4% 상승했고, 디젤 가격은 한 달 사이 24.1% 뛰었다.
엔비디아와 팔란티어가 공급망에 AI를 넣었다 - 진짜 변화는 ‘판단’을 학습하기 시작했다는 것
베라 루빈 랙 하나에는 130만 개의 부품이 들어간다. 엔비디아와 팔란티어가 만든 새 공급망 AI의 핵심은 이 복잡성을 자동화하는 데만 있지 않다. 더 중요한 변화는 사람 머릿속에 있던 공급망 판단 기준을 모델이 배우고, 다시 기업의 운영 자산으로 축적하기 시작했다는 데 있다.
메모리 가격은 꺾이지 않았다, 다만 상승 속도가 꺾였다
2026년 메모리 사이클은 폭등 구간을 지나 ‘고원’에 들어섰다. 이제 투자자가 봐야 할 것은 가격이 더 오르느냐보다, 높은 가격과 이익이 얼마나 오래 버티느냐다.
AI는 디플레이션 기술인데 왜 지금 물가를 올리고 있을까
AI는 사람의 일을 싸게 만드는 기술로 알려져 있습니다. 그런데 그 AI를 만들기 위해 전기와 구리와 데이터센터를 먼저 비싸게 사고 있다면 이야기는 달라집니다.
AI 거품은 주가가 아니라 부채에서 터질 수도 있다
BIS가 꺼낸 질문은 “AI가 가짜인가”가 아니다. 기술이 진짜여도 투자 수익률이 기대에 못 미칠 수 있고, 그 투자에 빚과 복잡한 금융 연결이 붙으면 주가 조정보다 훨씬 긴 문제가 될 수 있다는 주장이다. 이 견해가 맞다고 전제할 필요는 없다. 다만 AI 거품을 판별하는 기준을 주가에서 현금흐름과 부채로 넓혀 보자는 문제 제기는 이해할 가치가 있다.
자율주행 시대의 Windows는 누가 될까
현대차가 자체 자율주행 일정을 늦추고 Nvidia를 먼저 택했다. 이 뉴스의 핵심은 현대차의 지연보다, Nvidia가 자동차에서도 ‘칩 회사’를 넘어 공통 플랫폼을 노리고 있다는 데 있다.
AI 전쟁에 처음 브레이크가 걸렸다: 아모데이·올트먼·머스크의 ‘집단 감속’이 바꾸는 것
AI 안전 논쟁이 처음으로 모델 출시 속도와 IPO 일정에 동시에 영향을 주기 시작했다. 투자자가 봐야 할 것은 ‘AI가 멈추는가’가 아니라, 기술 진보와 수익화 사이에 새로운 시간과 비용이 생기는가다.
애플 AI의 진짜 승부는 챗봇이 아니다. Siri가 앱을 움직이기 시작했다
애플은 ChatGPT보다 똑똑한 챗봇을 만들겠다는 경쟁에서 한발 비켜섰다. 대신 아이폰 속 메일, 사진, 캘린더와 수십만 개 앱을 연결해 실제 일을 끝내는 ‘OS 에이전트’를 만들고 있다. 2026년은 그 전략이 발표가 아니라 제품으로 검증되기 시작한 첫해다.
AGI는 매번 온다 - 진짜 봐야 할 것은 모델 이름이 아니라 자율성의 속도다
2025년 말에는 Gemini가 세상을 바꿀 것 같았고, 2026년 초에는 Claude Code가 개발자를 대체할 것 같았다. 여름에는 Grok의 장기 실행 에이전트가 등장했고, 지금은 GPT-6 Astra가 AGI라는 말을 다시 꺼냈다. 중요한 것은 누가 이번 달 1등인가가 아니다. 모델이 스스로 처리할 수 있는 일의 길이와 권한이 빠르게 늘고 있다는 사실이다.
AI 투자 규모를 이제 달러가 아니라 GW로 봐야 한다
Microsoft의 데이터센터 용량이 현재 약 12GW에서 2032년 38GW 이상으로 커질 수 있다는 보도가 나왔다. 숫자의 진짜 의미는 CAPEX가 얼마냐가 아니다. AI가 이제 서버 구매가 아니라 전력·반도체·네트워크·냉각을 함께 묶는 산업 인프라 경쟁이 됐다는 데 있다.
AI 수요는 증명됐다, 이제 700억달러의 청구서가 온다
Oracle은 한 분기에 매출 193억달러를 올리고 285억달러를 CAPEX로 썼다. 이제 AI 투자 사이클의 핵심 질문은 “수요가 있는가”가 아니라 “이 거대한 선투자가 얼마나 빨리 현금으로 돌아오는가”다.
AI의 병목은 칩 하나가 아니다: 메모리·맞춤형 실리콘·전문직 소프트웨어가 동시에 커진다
Huawei의 AI 가속기 가격은 HBM 때문에 뛰었고, Amazon은 Qualcomm과 최대 600억달러 규모의 장기 협력 구조를 만들었으며, OpenAI는 금융 데이터와 업무 흐름을 ChatGPT 안으로 끌어들였다. 세 뉴스는 서로 달라 보이지만 한 가지를 말한다. AI 투자는 이제 GPU를 더 사는 문제가 아니라, 공급망·컴퓨팅 아키텍처·수익화가 동시에 재편되는 산업 투자로 바뀌고 있다.
Google은 왜 AI칩보다 22년치 전기를 먼저 샀을까
GPU를 살 돈이 있어도 전기가 없으면 AI는 돌아가지 않는다. Google의 핀란드 130억유로 투자가 보여주는 것은 데이터센터 증설보다 더 큰 변화다. AI 경쟁의 병목이 이제 ‘컴퓨트 확보’에서 ‘전력 확보’로 이동하고 있다.
금리가 오르면 빅테크가 망한다? 주가는 이자비용보다 ‘할인율’에 먼저 반응한다
장기투자자가 봐야 할 것은 기준금리의 방향 하나가 아니다. 금리가 기업의 이익을 깎는지, 미래 현금흐름의 현재가치를 낮추는지, 그리고 인하가 연착륙의 결과인지 침체의 결과인지를 구분해야 한다.
브렌트유 109달러·10년물 4.94%: AI 호재보다 할인율이 센 시장, 오라클이 뒤집을까
9월 10일 미국 증시는 또 실적이 아니라 금리에 밀렸다. S&P500은 4거래일 연속 하락했고 애플만 3.56% 급등했다. 장 마감 뒤 오라클은 AI 클라우드 수요가 살아 있음을 숫자로 증명했다. 이제 질문은 수요가 아니라, 그 호재를 시장이 몇 배의 밸류에이션으로 사줄 수 있느냐다.
TSMC 8월 매출 53%보다 중요한 숫자: AI 수요는 아직 생산라인에서 꺾이지 않았다
이번 숫자의 핵심은 53.3%라는 성장률이 아니다. 9월 매출이 어느 수준이면 3분기 가이던스 하단과 상단에 닿는지, 그리고 AI 수요가 실제 생산라인에서 계속 살아 있는지를 읽는 것이 더 중요하다.
메타가 6.5% 뛴 진짜 이유: Muse는 AI 비용에 처음 가격표를 붙였다
Meta의 Muse는 아직 큰 매출원이 아니다. 하지만 2,000조원에 가까운 연간 AI 투자 경쟁에서 중요한 질문인 “이 돈을 어떻게 회수할 것인가”에 제품 형태의 답을 처음 내놓았다.
산업은 성공하는데 투자자는 잃는 순간이 있다
AI의 가장 큰 위험은 기술이 실패하는 것만이 아니다. 오히려 AI가 실제로 널리 쓰이고 경제를 바꾸는데도, 기업들이 공급능력을 너무 많이 지어 자본수익률이 무너질 수 있다. 인터넷은 성공했지만 닷컴 투자자 상당수는 손실을 봤던 것처럼, 산업의 성공과 주식의 성공은 다른 문제다.
AI 주식은 세 종류로 나눠 봐야 한다
AI 투자에서 가장 큰 실수 중 하나는 NVIDIA, Microsoft, Meta, Vertiv, Tesla를 모두 같은 ‘AI 성장주’로 보는 것이다. 이미 AI로 돈을 버는 기업, 기존 본업을 AI로 강화하는 기업, 아직 미래 옵션가치가 큰 기업은 기대수익률도 위험도도 다르다. 뒤로 갈수록 TAM은 커질 수 있지만 증명해야 할 가정도 많아진다.
AGI를 만들었다고 선언한 순간, 진짜 전쟁은 ‘누가 믿을 만한가’로 넘어갔다
OpenAI는 Astra를 내놓으며 ‘AGI 시대’를 전면에 내세웠다. 그런데 AI가 강해질수록 더 중요한 질문은 “얼마나 똑똑한가”가 아니라 “누가 검증했고, 누가 책임지는가”가 되고 있다.
Tesla의 가장 큰 자산은 자동차가 아니다: Robotaxi·Optimus가 ‘옵션’에서 ‘사업’이 되는 순간
Tesla의 AI 가치는 자율주행과 휴머노이드에 집중돼 있다. 성공하면 자동차 제조업의 시장 크기를 훨씬 넘어설 수 있다. 문제는 기술 데모와 대량 배치 사이의 거리다. 수천 대가 실제로 일하고, 사고율이 낮고, 사람이 덜 개입하며, 차량·로봇 한 대당 현금이 남아야 비로소 옵션이 사업이 된다.
삼성전자와 SK하이닉스, 지금 정말 너무 싼 걸까
노무라의 강한 매수 논리는 메모리 가격이 더 오른다는 데서 끝나지 않는다. AI가 메모리를 경기민감 부품에서 전략적 인프라로 바꾸고 있다면, 시장이 두 회사를 평가하는 공식도 달라져야 한다는 주장이다.
사이버캡은 ‘3만 달러짜리 차’가 아니다 테슬라가 팔고 싶은 것은 자동차가 아니라 운행시간이다
운전대도, 페달도 없다. 이 차의 경제성은 판매가격보다 하루 몇 시간 돈을 받고 달리는지에서 결정된다. 사이버캡이 정말 중요한 이유는 테슬라가 자동차 제조업의 계산법을 바꾸려 하기 때문이다.
AI의 돈은 광고와 전기, 정반대로 흐른다
Meta는 AI를 별도 상품으로 많이 팔지 않는다. 추천과 광고 효율을 높여 기존 사업의 가격과 사용시간 속에서 AI의 가치를 회수한다. Vertiv는 정반대다. AI 모델은 만들지 않지만 GPU를 실제로 켜고 식히기 위해 필요한 전력·냉각 장비를 판다. 한쪽은 AI CAPEX를 지출하고, 다른 한쪽은 그 CAPEX를 매출로 받는다.
Gemini가 밀린 두 달, 구글은 더 큰 전쟁으로 간다
챗봇 점유율에서는 ChatGPT가 다시 앞섰다. 그러나 구글이 노리는 다음 승부는 더 좋은 답변이 아니다. Search·Android·Workspace·Photos·Cloud를 묶어 사용자의 일을 실제로 끝내는 AI 에이전트 플랫폼이다.
같은 클라우드라도 투자금을 거두는 길은 다르다
Microsoft는 기업의 업무흐름에 AI를 삽입하고, Alphabet은 Search·Gemini·TPU·Cloud를 수직통합하며, Amazon은 AWS를 기업 AI 인프라의 기본층으로 만든다. 세 회사 모두 막대한 AI CAPEX를 집행하지만 돈을 회수하는 경로는 다르다. 앞으로 중요한 것은 누가 더 많이 투자하느냐가 아니라, 누가 더 높은 자본효율로 AI 사용량을 반복 현금흐름으로 바꾸느냐다.
같은 AI 반도체라도 버는 방식은 셋 다 다르다
AI 반도체 시장을 하나로 묶으면 투자 판단이 흐려진다. NVIDIA는 범용 AI 컴퓨팅의 표준을 지키고, Broadcom은 하이퍼스케일러의 맞춤형 ASIC과 네트워크를 키우며, Micron은 HBM이라는 메모리 병목에서 가격과 마진을 끌어올린다. 세 기업의 성장률보다 중요한 것은 각자의 희소성이 얼마나 오래 가격결정력으로 남는가다.
젠슨 황이 G20에서 팔고 온 것은 GPU가 아니라 ‘국가 인프라’였다
AI를 전기·도로·인터넷처럼 깔아야 한다는 엔비디아의 메시지. 하이퍼스케일러 다음 수요처는 정부·통신사·지역 클라우드·산업 데이터센터로 넓어지고 있다.
'AI 주식'이라는 말이 가장 위험한 단어다
NVIDIA, Microsoft, Meta, Vertiv, Tesla를 모두 ‘AI 관련주’라고 부르면 투자 판단이 흐려진다. 이들은 같은 산업에 있지 않다. GPU를 파는 기업, 추론용 ASIC을 설계하는 기업, 네트워크를 연결하는 기업, 클라우드에서 AI를 배포하는 기업, 광고 효율을 높이는 기업, 전력과 냉각을 공급하는 기업은 서로 다른 경제적 해자와 리스크를 가진다.
머스크의 G20 메시지: AI 시대의 진짜 병목은 GPU가 아니라 전기다
10억 대 휴머노이드와 세계 경제 20~30% 확대라는 숫자는 눈길을 끌지만, 투자자가 먼저 볼 것은 더 현실적인 한 문장이다. AI 칩은 빠르게 늘어나는데 그것을 켤 전력과 물리적 인프라는 같은 속도로 늘지 못하고 있다.
AI는 한 번의 파도가 아니라 여러 번의 파도다
AI를 하나의 반도체 사이클로 보면 중요한 장면을 놓친다. 학습, 추론, 인프라, Agent, Physical AI는 서로 다른 시간표와 수익모델을 가진다. 한 파도의 성장률이 둔화돼도 다른 파도가 가속할 수 있다. 그래서 NVIDIA의 성장률 둔화 가능성과 AI 슈퍼사이클의 종료는 같은 말이 아니다.
로봇의 승부는 걷기가 아니라 1만 대를 놓는 일이다
휴머노이드 로봇의 영상은 이미 충분히 놀랍다. 하지만 산업의 질문은 다르다. 공장에 1만 대를 넣었을 때 몇 시간마다 멈추는가, 누가 고치는가, 안전사고는 얼마나 줄어드는가, 유지비를 빼고도 인간보다 싼가. Physical AI의 병목은 지능 자체보다 배치 가능성에 있다.
AI의 다음 병목은 반도체가 아니라 전기다
AI 투자 경쟁의 병목이 이동하고 있다. 처음에는 GPU가 부족했고, 그 다음에는 HBM과 첨단 패키징이 문제였다. 이제 더 자주 등장하는 제약은 전력과 냉각이다. 문제는 발전량 자체보다 필요한 장소에 필요한 품질의 전력을 제때 끌어오고, 100~200kW가 넘는 랙의 열을 빼내는 능력이다.
토큰값이 내려갈수록 AI 청구서는 커진다
AI 산업의 중심이 학습에서 추론으로 이동하면서 ‘토큰’은 더 이상 개발자만 아는 기술 단위가 아니다. 데이터센터가 생산하고 기업이 소비하는 산업재에 가까워지고 있다. 문제는 가격이 내려갈수록 수요가 줄어드는 것이 아니라, Agent와 자동화가 오히려 훨씬 더 많은 토큰을 소비할 수 있다는 점이다.
이제 AI는 똑똑함이 아니라 남는 돈으로 겨룬다
모델 성능 경쟁은 계속된다. 그러나 산업의 중심은 이미 다른 곳으로 이동하고 있다. 이제 시장이 묻는 것은 누가 더 똑똑한 AI를 만들었느냐가 아니라, 누가 막대한 데이터센터와 전력 투자를 실제 매출과 현금흐름으로 회수할 수 있느냐다.
AI가 GPU보다 먼저 메모리를 부족하게 만들었다
HBM 병목이 DRAM 가격, 서버 원가, PC·스마트폰 비용까지 번지는 이유
파란색 링크가 사라진 검색창: AI가 답을 끝내는 시대, 웹사이트는 무엇으로 살아남나
검색의 역할이 ‘좋은 페이지를 찾아주는 것’에서 ‘여러 페이지를 읽고 답을 대신 만들어주는 것’으로 바뀌고 있다. 문제는 편리함의 반대편이다. 독자가 원문에 오지 않으면, 원문을 만드는 경제도 약해진다.
이 섹션에 아직 발행한 특집이 없습니다.
뉴스레터 수신 이메일 주소를 입력해주세요.