GPU(AI 가속기)
원래 그래픽을 그리던 칩인데, 같은 계산을 한꺼번에 수천 개씩 처리하는 구조라 AI 학습과 추론에 쓰인다. 지금은 그래픽카드가 아니라 AI 가속기로 팔린다.
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.
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.
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.
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.
AI 투자 3,000억달러가 장부 밖으로 이동하고 있다
AI 데이터센터가 너무 커지자 빅테크는 모든 시설을 직접 소유하지 않기 시작했다. 별도 법인이 돈을 빌려 자산을 사고, 빅테크는 장기 사용계약과 잔존가치 보증으로 뒤를 받친다. 위험이 사라진 것이 아니라 위치가 바뀌고 있다.
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.
2027년 투자에서 필요한 건 예측이 아니라 ‘정렬’이다
《이효석의 21세기 투자법》을 읽고 남는 질문은 “무엇을 살까”가 아니다. 변하지 않는 인간을 경계하면서, 빠르게 이동하는 가치와 병목에 얼마나 잘 올라타고 있는가다.
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.
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.
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.
InsightTimes
뉴스 뒤의 질문.
오늘 알아 둘 가치가 있는 것을 골라, 왜 중요한지 쉽게 씁니다.
AI가 사람을 대체한다는데, 왜 전기기사가 부족해졌을까
AI 데이터센터 건설 붐이 GPU·전력 다음 병목을 드러내고 있다
다음 1조 달러 반도체 기업은 누구일까 AMD와 ASML을 보는 전혀 다른 방법
한 회사는 엔비디아의 GPU 왕국을 쫓고 있고, 다른 회사는 그 왕국을 포함한 모든 첨단 칩 회사에 ‘칩을 그리는 기계’를 판다. 2028년 1조 달러 후보로 함께 거론되지만, 투자자가 확인해야 할 숫자는 완전히 다르다.
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.
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.
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.
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 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.
GPU가 근육이면 네트워크는 신경이다
AI 데이터센터는 GPU를 많이 사는 것만으로 빨라지지 않는다. 수천~수십만 개의 가속기가 데이터를 제때 주고받지 못하면 비싼 GPU가 기다리며 놀게 된다. Arista의 투자 논리는 바로 여기에 있다. AI 경쟁이 칩 성능에서 시스템 효율로 이동할수록 네트워크가 전체 컴퓨팅의 가동률과 경제성을 결정한다.
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.
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.
이 섹션에 아직 발행한 특집이 없습니다.
뉴스레터 수신 이메일 주소를 입력해주세요.