해외투자 Idea에 대해 점검을 해보고자 한다.
지금 우리는 AI, 에너지·전력, 금융, 방산이라는 네 가지 축을 중심으로 글로벌 포트폴리오를 재편하고 있다. 과거에는 AI 반도체 중심의 하드웨어(*Broadcom, Oracle, TSMC, Corning)에 초점을 맞췄으나, 최근에는 AI 소프트웨어 플랫폼과 실시간 실행 인프라, 즉 Platform as a Service(PaaS) 기업들로 무게중심이 이동하고 있다. 이는 단순한 기술 진화라기보다, Agentic AI의 등장과 함께 전개되는 구조적 패러다임 변화의 결과이다.
Agentic AI는 기존의 입력-출력 중심 LLM에서 한 단계 진화한 형태로, 목표를 설정하고 상황을 인식하며 스스로 계획과 실행을 반복하는 능동형 AI이다. 이러한 AI는 단일 연산이나 일회성 추론으로는 제대로 작동하지 않으며, 지속적·실시간·분산형 데이터 흐름과 실행 지능이 통합된 플랫폼 기반 인프라를 필요로 한다. 결국, AI가 ‘지능’을 넘어서 ‘행동력’을 갖추기 위해서는, 이를 지탱할 **실시간 운영 구조(PaaS)**가 반드시 병행되어야 하는 것이다.
이러한 환경에서 GitLab, MongoDB, Snowflake, Palantir, Confluent, Datadog, Cloudflare 등은 각각의 기능이 아닌 AI의 실행, 추론, 저장, 분석, 보안, 실시간 연결을 통합 관리할 수 있는 핵심 인프라를 제공하고 있다. 특히 Confluent는 Agentic AI의 정보 루프를 실시간으로 순환·처리하는 스트리밍 허브, GitLab은 생성된 코드를 운영환경까지 안전하게 자동화하는 실행 체계, Palantir는 데이터 기반 의사결정과 조직 차원의 실행 자동화, Datadog은 이 모든 과정에서 시스템 안정성을 실시간 관측하는 필수 기능을 제공하며, 이들 기업이 AI 기반의 운영 플랫폼으로 재정의되고 있는 배경이다.
뿐만 아니라, 실제 산업 현장에서 AI를 적극 활용해 경쟁우위를 확보하고 있는 Crowdstrike(보안), Intuitive Surgical(수술로봇), Tempus AI(정밀의료) 같은 기업들도 주목할 만하다. 이들 기업은 AI 기술을 통해 기존 기업들과의 격차를 벌리고 있으며, 빠르게 레퍼런스를 쌓아가고 있다는 점과 동시에 그 흐름이 재무지표상에서도 확인되고 있다는 점에서 중장기 투자 매력이 크다.
에너지·전력 부문은 AI 연산 수요의 기하급수적 증가로 인해 더욱 구조적 중요성을 확보하고 있다. NVIDIA의 차세대 AI 슈퍼컴퓨터를 비롯한 고성능 컴퓨팅 인프라는 폭발적인 전력 소비를 수반하며, 이로 인해 전력망 병목, 발전기 교체 수요, 전기 전환 효율 문제가 동시다발적으로 발생하고 있다. 특히 미국, 유럽을 포함한 글로벌 전력망은 25년 이상 노후된 설비 비중이 70%를 넘으며, 지역 전력 공급 불균형이 심화되고 있다. 이로 인해 GE Vernova, Mitsubishi Heavy Industries, Siemens Energy, Sempra, Talen Energy, Golar LNG, GTT 등은 전력기기·송전 인프라·SMR 원전·천연가스 수출 등의 영역에서 구조적 수요를 기반으로 한 장기 성장 모멘텀을 확보하고 있다.
금융 섹터는 저성장 국면 속에서도 예외적인 수익 레버리지를 확보할 수 있는 자산군이다. 고령화, 생산성 둔화, 인구감소로 인한 구조적 저성장, 이에 대응한 각국의 확장재정정책, 그리고 그 결과인 정부부채 누적, 물가상승 압력, 자산 인플레이션은 금융 섹터에 유리한 환경을 조성하고 있다. 특히 유동성은 넘치지만 소비는 둔화되는 환경에서는 기준금리 인하 압력이 커지고, 실질금리는 마이너스 영역에 진입하면서 자산 가격의 재평가가 본격화되는 국면이 열린다. 이에 따라 J.P. Morgan, Commerzbank, Mitsubishi UFJ, Chubb는 각각의 지역에서 예대마진 확대, 운용수익 증가, 자산 레버리지 개선의 핵심 수혜 기업으로 부각되고 있다.
방위산업 부문에서는 글로벌 군비경쟁 재점화가 구조적 트렌드로 고착화되고 있다. 트럼프의 보호무역, NATO 탈퇴 압박, 미중 패권 갈등은 자국 중심의 군비 확충 정당성을 강화시켰으며, AI 기술이 무기체계 전반에 결합되면서 디지털·물리 융합형 방산 수요가 급증하고 있다. 여기에 더해 희토류와 같은 전략자원의 중요성이 높아지면서 MP Materials, Lynas 등은 소재 공급망 측면에서 필수불가결한 위치를 점하고 있으며, BAE Systems, Rheinmetall, BWX Technologies, Huntington Ingalls는 각국의 방위비 확대 흐름의 중심에 서 있다.
결론적으로, 저성장, 고령화, 인구감소, 누적 정부부채, 자산 인플레이션, 유동성 증가라는 구조적 변화는 결국 생산성 향상을 위한 마지막 해법으로서 AI에 집중될 수밖에 없는 흐름을 만들고 있다.
학습 추론 시장을 넘어서 다음 AI 흐름은 Agentic AI라고 한다.
Agentic AI의 도입은 AI를 단순한 분석 툴이 아닌 자율 실행 시스템으로 진화시키고 있으며, 이에 따라 실시간 민첩성, 실행지능, 분산형 인프라를 제공하는 Platform as a Service 기반 AI 소프트웨어 기업들의 구조적 우위는 더욱 견고해지고 있다. 동시에, 이러한 AI 수요는 에너지·전력·금융·방산 전반에 걸쳐 연결된 공급망의 재편을 유도하고 있으며, 우리는 이를 반영해 분산형 포트폴리오 전략을 구축하고 있다.
#AI
Gitlab
AI의 발전으로 인해 자연어 기반 코딩이 일상화되면 코드 생산량은 기하급수적으로 증가할 것이다. 누구나 손쉽게 아이디어를 구현할 수 있는 환경이 도래하면서, 코드 자체를 생성하는 일보다 이를
효율적으로 관리·배포·보안·테스트하는 역량이 훨씬 더 중요해질 전망이다. 실제로 현재 소프트웨어 개발자들도 전체 업무 중
코딩은 25%에 불과하고, 나머지 75%는 그 외의 개발 라이프사이클(Lifecycle) 관리에 집중하고 있다.
이러한 환경에서 GitLab의 전략적 가치는 더욱 부각된다. GitLab은 코드 작성 이후의 전 과정(CI/CD, 테스트 자동화, 배포, 보안 스캔, 협업 등)을 원스톱으로 통합 관리할 수 있는 DevSecOps 플랫폼을 제공한다. 특히 AI 기반 기능들을 통해 코드 리뷰, 보안 취약점 탐지, 배포 자동화 등 모든 사이클의 효율성을 극대화하며, 인간의 개입 없이 대규모 코드 기반을 안전하고 민첩하게 운영할 수 있는 기반을 제공한다.
따라서 GitLab은 AI 시대의 ‘코드 폭증’ 환경에서 핵심 운영 인프라로서의 구조적 위치를 점하게 될 가능성이 높고, 이 점이 바로 지속 가능한 성장과 수익성을 갖춘 장기 투자처로서의 핵심 근거가 된다.
MongoDB
많은 소프트웨어는 AI 이전에 작성된 낡은 코드로 구성되어 있어, 시간이 지날수록 유연성이 떨어지고 유지보수가 어려워지는 기술 부채를 안고 있다. 이런 시스템은 결국 처음부터 새로 만들어야 하는 구조적 문제로 이어지며, 기업의 기술 경쟁력을 점점 약화시킨다.
MongoDB의 Atlas는 이러한 문제를 근본적으로 해결하는 플랫폼이다. 고정된 형식 없이 데이터를 유연하게 저장하고, 필요할 때 자동 확장 가능한 클라우드 기반 구조를 바탕으로, 빠른 개발·낮은 유지비용·유연한 대응력을 동시에 제공한다.
여기에 더해, MongoDB는 Voyage AI를 인수하며 AI 기능을 자체 플랫폼에 통합했다. 특히 주목할 점은 AI의 ‘환각(hallucination)’ 문제, 즉 사실과 다른 내용을 생성하는 오류를 줄이기 위한 고성능 검색·임베딩·리랭킹 기술을 함께 제공한다는 것이다.
신뢰할 수 있는 AI 응답을 위해, 정확한 데이터를 찾아 연결하는 기능까지 MongoDB가 자체적으로 제공하게 된 것이다.
기존에는 여러 시스템을 조합해 구현해야 했던 이런 기능들을 이제는 MongoDB 하나로 통합 구현할 수 있게 되었고, 개발 속도는 빨라지고 시스템 복잡성은 크게 낮아졌다.
실제 기업들도 MongoDB를 도입해 데이터 관리 시간 절감, 서비스 개발 속도 향상, AI 기능의 내재화 등 정량적 효과를 보고 있다.
결론적으로 MongoDB는 기술 부채에서 벗어나 민첩하게 변화에 대응하고, 신뢰성 있는 AI 기능까지 자체 제공할 수 있는 AI 시대형 핵심 데이터 플랫폼이며, 이러한 구조적 강점이 MongoDB에 지금 투자해야 하는 명확한 이유다.
CloudFlare
AI 시장이 기능 개발 단계에서 **실제 수익성과 운영 효율성이 중요한 ‘추론 시장’**으로 중심이 이동하고 있다. 이 시장의 핵심 특징은 수요의 불규칙성이다. 즉, AI 추론 요청은 일정하지 않고 순간적으로 집중되거나 줄어들 수 있다. 이러한 특성은 고정비 중심 구조를 가진 전통적 대형 데이터센터(D/C) 사업자에겐 치명적이다. 데이터센터는 가동률이 수익성의 핵심 지표인데, 추론 수요가 들쭉날쭉하면 실제 사용량 기반 과금 모델로 인해 가동률이 낮아지고, 이는 곧 수익성 하락으로 이어진다.
클라우드플레어는 전 세계 수백 개의 거점에 분산된 인프라를 통해 수요를 지역별·시간대별로 자동 분산 처리함으로써, 특정 지역의 D/C에 수요가 몰리는 현상을 완화하고 전체 네트워크 가동률을 효율적으로 유지할 수 있는 구조적 강점을 가진다.
이런 배경 속에서 지리적으로 분산되고, 실시간에 가까운 응답이 가능한 소형 도심형 ‘엣지(Edge)’ 데이터센터의 중요성이 부각된다. 특히 대부분의 AI 활용 기업들이 도심에 위치해 있기 때문에, 도심 가까이에서 민첩하게 추론 요청을 처리할 수 있는 분산형 인프라가 절대적으로 유리하다. 또한, AI 추론은 실시간성이 중요하므로, 지연(latency)을 줄이기 위한 물리적 거리의 단축이 AI 응답 품질에도 직접적인 영향을 준다.
**클라우드플레어(Cloudflare)**는 이러한 변화에 최적화된 포지션을 가진 기업이다. 전 세계 300개 이상의 도시 거점에 분산된 네트워크 인프라를 보유하고 있으며, 이를 통해 고객과 가장 가까운 위치에서 AI 추론 요청을 빠르게 처리할 수 있는 구조를 갖추고 있다. 이는 기존 대형 D/C 사업자들이 제공할 수 없는 **‘초저지연 분산형 AI 인프라’**라는 측면에서 차별화된다.
여기에 더해 Cloudflare는 보안, 네트워크, CDN(콘텐츠 전송망), 서버리스 컴퓨팅 등을 단일 플랫폼에서 통합 제공한다. 특히 AI 서비스는 데이터 보안, 접근 제어, DDoS 방어 등이 매우 중요하기 때문에, AI 인프라와 보안 기능을 원스톱으로 제공할 수 있는 점은 고객 입장에서 큰 강점이다.
결국 클라우드플레어는 단순한 CDN이나 네트워크 기업이 아니라, AI 시대에 최적화된 분산형 디지털 인프라 플랫폼으로 진화하고 있으며, AI 추론 시장이 성장할수록 수익성과 시장 지배력이 함께 강화될 수 있는 구조를 가지고 있다는 점이 핵심 투자포인트다.
Palantir Technology
팔란티르 테크놀로지는 단순한 데이터 분석 회사를 넘어, AI가 데이터를 ‘이해’하고 ‘실행 가능한 통찰’로 연결시키는 전 과정을 구현하는 지능형 플랫폼 기업이다. 최근 AI 기술은 단순히 데이터를 해석하는 수준에서 벗어나, 데이터 간의 전후맥락을 파악하고, 스스로 학습하며, 병목·리스크를 진단한 후 개선 솔루션까지 도출하는 수준으로 진화하고 있다. 팔란티르는 이 과정을 실제 산업 현장에서 끊김 없이(seamless) 구현해낸다는 점에서 매우 독보적인 위치를 차지하고 있다.
최근 토론토대학 강연에서 오픈AI의 공동창립자 **일리야 수츠케버가 "AI는 결국 인간의 생물학적 두뇌의 모든 기능을 대체할 수 있을 것"**이라 말했을 때, 가장 먼저 떠오른 기업이 바로 팔란티르였다. 인간의 인지·판단·의사결정을 체계적으로 대체하려는 AI의 진화방향과, 팔란티르가 실제 조직의 복잡한 시스템을 해석하고 판단하고 최적화하는 기능을 통합 플랫폼으로 구현해내는 방식은 매우 본질적으로 닮아 있다. 즉, 팔란티르는 단순한 AI 보조도구가 아니라, 조직 전체의 '두뇌' 역할을 수행하는 시스템 인프라를 제공하고 있는 셈이다.
기업들은 팔란티르를 통해 자사 내부의 숨은 병목을 실시간으로 식별하고, AI 기반의 실행 가능한 솔루션을 도출하며, 실제 운영성과와 수익성을 개선하는 효과를 누리고 있다. 특히 팔란티르는 단순 민간기업을 넘어, 군대·정부·공공기관 등 전통적으로 비효율과 관료주의에 고착된 영역까지 그 기능을 확장하고 있다. 이러한 분야는 그 자체가 방대한 데이터와 비효율을 내포하고 있어, 팔란티르가 침투할 구조적 기회의 범위는 산업 전반을 초월한다.
재무 측면에서도 팔란티르는 안정적인 매출 성장, 흑자 전환, 강한 잉여현금흐름을 기록하며 체질이 빠르게 개선되고 있다. 그러나 진정한 투자 포인트는 숫자 이상에 있다.
결국 팔란티르는 단기 실적에 흔들리는 기업이 아니라, AI가 인간의 사고·판단 능력을 대체해가는 흐름 속에서 그 기능을 조직 단위에서 가장 먼저 실현하고 있는 선도 기업이다. 지금의 시장가치는 이들의 구조적 위치를 충분히 반영하지 못하고 있는게 아닐까 싶다.
Snowflake
Snowflake는 인공지능이 빠르게 확산되는 환경에서 특히 주목할 만한 이유는, 데이터 처리 방식이 닫힌 구조에서 개방형 포맷 중심으로 바뀌고 있다는 흐름에 가장 잘 맞는 플랫폼이기 때문이다. 기존에는 데이터를 분석하려면 특정 플랫폼 안으로 옮기고 저장한 뒤 처리해야 했다. 하지만 AI 기술이 고도화되고 다양한 모델과 도구가 함께 쓰이게 되면서, 데이터를 한곳에 몰아넣기보다 여러 시스템에 분산된 데이터를 그대로 연결해 분석하는 방식이 점점 일반화되고 있다. 이런 변화 속에서 Snowflake는 고객이 이미 AWS, Azure, 구글 클라우드 등에 저장해둔 데이터를 옮기지 않고, 바로 그 자리에서 실시간으로 연결해 분석할 수 있는 구조를 제공한다.
이처럼 Snowflake는 데이터 형식이나 위치에 구애받지 않고 자유롭게 분석을 가능하게 해주는 개방형 구조를 채택하고 있어, AI 시대의 복잡한 데이터 흐름을 효율적으로 다룰 수 있는 플랫폼이다. 특히 Apache Iceberg 같은 개방형 테이블 포맷을 지원하면서, 고객은 데이터 저장 방식을 통제할 수 있으면서도 Snowflake의 고성능 분석 기능은 그대로 활용할 수 있다. 이 구조는 데이터를 저장하는 방식과 분석 도구가 빠르게 진화하는 AI 환경에서 특히 중요하며, 기술 유연성이 부족한 기업은 이 변화에 뒤처질 가능성이 높다.
결국 Snowflake는 AI 확산에 따라 요구되는 데이터 구조의 유연성, 포맷의 개방성, 처리 방식의 분산성을 모두 갖춘 몇 안 되는 플랫폼이다. 단순히 데이터를 저장하는 공간을 넘어서, AI와 연결된 복잡한 분석 수요를 실시간으로 대응할 수 있는 기반을 갖췄다는 점에서 Snowflake는 AI 시대의 데이터 인프라 표준으로 자리잡을 수 있는 강력한 후보이며, 이는 앞으로의 성장을 뒷받침하는 핵심 투자 이유가 된다.
Nutanix
기업 내부에 흩어져 있는 데이터들이 점점 더 연결되고, 그 전후 맥락까지 분석되어 비즈니스 효율을 높이는 사례가 늘어나면서, 결국 각각의 데이터 단위 자체의 가치가 상승하고 있다. 단순히 양적인 축적을 넘어, 데이터 간 관계를 이해하고 실시간으로 활용하는 능력이 기업의 경쟁력으로 연결되고 있는 것이다.
이런 흐름 속에서 중요한 것은, 기업의 민감한 데이터들이 반드시 퍼블릭 클라우드(보안이 상대적으로 취약한 개방형 클라우드)에 저장되는 것이 아니라, **보다 보안성이 강화된 프라이빗 클라우드 혹은 온프레미스(사내 물리적 서버 환경)**에서 안전하게 관리·운영되고자 하는 수요는 지속적으로 존재할 수밖에 없다. 실제로 기업들은 고객 정보, 내부 전략 자료, 운영 데이터 등 민감도가 높은 데이터를 외부 클라우드에 맡기기보다, 스스로 통제 가능한 하이브리드 구조에서 관리하려는 경향을 강화하고 있다.
이러한 배경에서 사내에 분산 저장된 데이터들을 서로 안전하게, 낮은 비용으로 연결하고 전송·분석할 수 있게 해주는 하이브리드 클라우드 환경의 중요성은 앞으로 더욱 커질 것으로 예상된다. 특히 AI 기반의 추론(고객 응답·의사결정 자동화) 수요가 실시간으로 늘어나는 환경에서는, 이 데이터를 빠르게 불러오고 해석해 바로 서비스에 반영하는 능력이 기업 경쟁력을 좌우하게 된다.
이런 측면에서 Nutanix는 매우 전략적인 위치에 서 있다. Broadcom의 VMware 인수 이후 발생한 시장 공백 속에서, Nutanix는 기존 VMware가 놓치고 있는 중소형·민감 산업 고객층의 니즈를 정확히 포착해, 보안성, 유연성, 비용 효율성을 갖춘 하이브리드 클라우드 인프라 솔루션을 제공하며 입지를 확대하고 있다. 특히 Nutanix는 인프라 구성의 복잡성을 낮추고, 고객이 온프레미스와 클라우드를 유연하게 넘나드는 구조를 구축할 수 있게 해주는 소프트웨어 중심의 통합 플랫폼을 제공하고 있어, 디지털 전환 수요가 커지는 시장에서 지속적인 수요를 유인할 수 있는 강점을 가진다.
결과적으로 Nutanix는 AI 추론 시장의 확산, 민감 데이터 보안 수요, 하이브리드 클라우드 전환이라는 구조적 변화 흐름을 동시에 포착하고 있으며, VMware와의 차별화를 통해 고유의 시장 영역을 구축 중인 점이 주목할 만한 투자 포인트로 평가된다.
Datadog
AI 시대에 접어들면서, 기업들은 단순히 데이터를 저장하고 분석하는 것을 넘어, 서비스 운영 전반을 실시간으로 감시하고 문제를 예측하며 자동으로 대응할 수 있는 능력, 즉 **‘관측 가능성(Observability)’**을 점점 더 중요하게 인식하고 있다. 이 맥락에서 Datadog은 클라우드 환경에서의 로그 수집, 분석, 모니터링을 통합적으로 제공하는 대표 플랫폼으로서 AI 시대의 핵심 인프라 중 하나로 부상하고 있다. 다음은 Datadog의 로그 기반 관측 기능이 왜 중요한지, 그리고 이를 중심으로 한 투자포인트 정리다:
AI 기반 시스템은 기존 시스템보다 훨씬 복잡하고 역동적으로 동작한다. 예측 불가능한 사용자 요청, 다양한 모델 연산, API 연결, 외부 데이터 호출 등이 실시간으로 반복되며, 그만큼 시스템 오류나 병목이 언제 어디서 발생할지 예측이 어렵다. 이때 가장 중요한 것은 서비스의 작동 상태를 실시간으로 ‘관찰’하고, 문제가 생기기 전 조짐을 감지하며, 자동 대응 또는 즉각 경고가 가능한 능력이다. 바로 이 기능을 제공하는 것이 Datadog의 관측 플랫폼이다.
Datadog은 로그, 메트릭(숫자 지표), 트레이싱(시스템 흐름 추적)을 하나의 플랫폼에서 통합 관리할 수 있으며, 이를 바탕으로 AI 시스템의 운영 상태를 실시간으로 분석·시각화하고, 장애를 빠르게 감지하거나 사전에 예측할 수 있는 기능을 제공한다. 특히 AI 모델 운영(MLOps), 고빈도 추론 요청 처리, 클라우드 기반 마이크로서비스 구조처럼 복잡한 환경에서, Datadog은 이상 징후 탐지와 자동화된 대응에 있어 매우 높은 정밀도를 제공한다.
Snowflake, Palantir, MongoDB, Nutanix 등 다양한 기업들이 AI를 중심으로 비즈니스 경쟁력을 구축해가는 과정에서, Datadog은 이들 시스템의 ‘운영 안정성과 품질’을 보장하는 핵심 기반 인프라로 자리 잡고 있다. 또한, 다양한 클라우드 서비스 사업자(AWS, Azure, GCP)와의 깊은 통합을 통해 고객은 어떤 환경에서도 Datadog을 통해 전사적 시스템을 일원화된 방식으로 관측·통제할 수 있다.
투자 관점에서 보면, Datadog은 단순한 모니터링 솔루션이 아니라 AI·클라우드 기반 비즈니스의 ‘신경망’을 담당하는 필수 시스템이다..
결론적으로, Datadog은 AI 시대의 복잡한 서비스 환경을 안전하게 운영할 수 있도록 돕는 관측 인프라의 중심에 있으며, AI·클라우드·데이터 플랫폼이 함께 성장할수록 그 수요는 기하급수적으로 확대될 수밖에 없다. 이런 구조적 흐름에 올라탄 Datadog은 운영 안정성·예측가능성·지속가능성이라는 기업의 가장 실용적인 문제를 해결하는 솔루션 제공자로서, 장기적 성장 가치가 매우 높은 기업이다.
Confluent
AI 시대의 핵심 과제 중 하나는 AI 모델의 추론 능력을 실제 서비스와 연결해 어떻게 ‘수익화’하느냐이다. 이를 위해 가장 중요한 조건은 **실시간 처리와 초저지연(지연 없이 빠른 응답)**이다. 아무리 정확한 AI 모델이 있더라도, 고객 요청에 즉시 응답하지 못하면 비즈니스 가치는 떨어지고 경쟁력은 급속히 약화된다. 이처럼 실시간 데이터 흐름을 기반으로 한 민첩한 추론–반응 체계를 구축하기 위해 Confluent의 역할은 AI 인프라의 핵심 축 중 하나로 평가받는다.
Confluent는 오픈소스 Kafka 기반의 스트리밍 데이터 플랫폼이다. 단순한 저장이나 **배치 처리(batch processing)**가 아니라, 서비스 안팎에서 생성되는 방대한 이벤트 데이터와 로그를 실시간으로 연결·전송·처리할 수 있도록 하는 기술을 제공한다. 즉, **"이벤트가 발생한 그 순간, AI가 이를 인지하고 즉각 반응하도록 만드는 데이터 흐름의 실시간 통로"**를 구축해주는 것이다.
예를 들어 MongoDB나 Snowflake는 데이터를 저장하고 분석하는 데 특화, Palantir는 데이터 기반 의사결정과 자동화된 실행에 강점을 가진다. 하지만 이들 시스템 사이에서 실시간 데이터를 빠르고 안정적으로 연결해주고 흐르게 해주는 역할, 다시 말해 AI 추론을 서비스로 전환하기 위한 ‘실시간 정보 순환망’의 핵심 인프라가 바로 Confluent다.
또한, 기업들은 점점 더 **복잡한 환경(멀티 클라우드, 온프레미스 혼합 등)**에서 데이터를 활용하려 한다. 이때 Confluent는 어디에서든 동일한 데이터 흐름 처리 경험을 제공할 수 있는 완전 관리형 스트리밍 플랫폼을 통해, AI 추론, 고객 행동 분석, 실시간 재고관리, 사기 탐지 등 다양한 활용 시나리오에서 기업이 빠르게 대응할 수 있도록 돕는다.
특히 최근 등장한 Agentic AI의 상용화와 확산은 데이터 스트리밍의 중요성을 한층 더 부각시키고 있다. Agentic AI는 단순한 입력–출력형 AI가 아니라, 상황을 인식하고 자체적으로 작업을 생성·실행하는 능동적 AI 에이전트를 의미한다. 이러한 AI 시스템은 상시적이고 유기적인 정보 흐름을 전제로 작동하기 때문에, 데이터의 실시간성·연결성·반응성이 과거보다 훨씬 더 중요해진다. Agentic AI의 도입은 다양한 이벤트 발생–처리–결정 루프를 동적으로 구성해야 하므로, Confluent와 같은 스트리밍 플랫폼에 대한 수요를 구조적으로 가속화시킬 것이다.
결론적으로, Confluent는 AI가 ‘지능’을 넘어서 ‘속도’와 ‘타이밍’까지 갖추도록 만드는 실시간 처리 기반 플랫폼이며, AI 기술이 실질적 매출과 고객 경험 개선으로 이어지기 위한 실시간 반응형 구조의 필수 구성요소이다. 특히 Agentic AI 시대에는 실시간 데이터 흐름이 곧 AI의 행동력으로 직결되므로, Confluent는 그 핵심 파이프라인이자 실행 토대가 된다.
AI·데이터·클라우드가 함께 진화할수록, Confluent는 그 모든 흐름의 ‘실시간 연결고리’로서 지속적 수요와 확장 가능성을 내재한 핵심 인프라 기업이라는 점이 장기 투자 포인트다.
Pure storage
AI 기술이 전 산업에 걸쳐 빠르게 확산되는 가운데, 특히 Meta와 같은 기업들이 생성형 AI와 창작 솔루션을 대규모로 도입하면서 데이터 저장 수요는 더욱 가속화되고 있다. Meta는 이미지, 영상, 오디오, 3D 객체 등 고용량의 콘텐츠를 AI로 실시간 생성하고, 사용자 단위에서 이를 개인화·최적화하는 데 초점을 맞추고 있다. 이러한 흐름은 저장해야 할 데이터의 총량을 폭발적으로 증가시키고 있으며, 특히 생성된 콘텐츠의 버전 관리, 중간 결과물 보관, 후속 AI 학습을 위한 아카이빙 등으로 인해 고성능 스토리지에 대한 수요는 구조적으로 증가할 수밖에 없다.
이러한 배경에서 Pure Storage의 전략적 위치는 더욱 부각된다. Meta와 같은 대규모 생성형 AI 기업은 단순히 데이터를 쌓아두는 저장 공간이 아닌, 고속 입출력, 안정성, 확장성, 그리고 실시간 처리 성능까지 갖춘 스토리지 인프라를 필요로 한다. Pure Storage는 하드웨어가 아닌 소프트웨어 기반으로 NAND 플래시를 최적화하는 기술을 갖고 있어, 이러한 고성능 요건을 보다 경제적이고 효율적으로 충족시킬 수 있다.
특히 데이터센터(D/C) 사업자 입장에서는, 이렇게 증가하는 저장 수요를 기존 인프라 대비 더 높은 ROIC(투자수익률)로 수용할 수 있어야 하는데, Pure Storage는 이를 가능하게 하는 몇 안 되는 파트너다. Evergreen 구독 모델을 통해 장기적인 비용 예측력과 기술 적응성을 제공하고, 클라우드·온프레미스를 아우르는 유연한 확장성도 보장한다.
요약하자면, 생성형 AI 시대, 특히 Meta와 같은 콘텐츠 중심 플랫폼의 고용량 AI 수요 확산은 데이터 스토리지 수요를 구조적으로 가속시키고 있으며, Pure Storage는 이 같은 흐름을 가장 실질적으로 흡수할 수 있는 스토리지 플랫폼이다. 고성능·저지연·소프트웨어 기반 최적화 구조를 모두 갖춘 Pure Storage는 AI 시대의 저장 인프라 전환에서 가장 중요한 수혜 기업으로 평가된다.
Nvidia
처음에는 Broadcom, Marvell, Credo Technology 등 ASIC 및 네트워킹 중심 기업들이 전력 효율성과 특화된 설계를 강점으로 하여 NVIDIA의 GPU 시장을 잠식할 것이라는 관점에서 접근했다. 특히 추론 시장이 훈련 대비 빠르게 상업화되는 흐름 속에서, **ASIC은 낮은 단가와 높은 FLOPS/W(성능당 전력효율)**을 무기로 전용 추론 팜 구축에 이상적인 대안처럼 보였다. 이러한 판단에 따라 NVIDIA는 초기 투자 포트폴리오에서 제외되었고, 대신 특화 ASIC·인터커넥트 기업에 대한 개별적 분석과 포지셔닝이 진행되었다.
그러나 Foundation Model의 고도화가 가속화되면서 상황이 급변했다. GPT-4, Claude 3, Gemini 1.5 등 초거대 모델이 등장함에 따라, 하나의 범용 모델을 증류(distillation)하고 이를 다양한 도메인에 맞춰 미세조정(fine-tuning)한 경량화된 niche inference 모델들이 폭발적으로 증가하였다. 이는 결국 데이터센터 내에 단일 inference 모델이 아닌 수십~수백 개의 heterogeneous workload가 동시에 운용되는 환경을 만들었다. 이처럼 다변화된 수요 환경에서는 ASIC의 단일 연산 최적화 구조가 오히려 유연성과 활용률 측면에서 취약하다는 한계가 부각되었다.
반면 NVIDIA의 범용 GPU는 CUDA 생태계를 바탕으로 다양한 워크로드에 동시에 대응 가능하며, Multi-Instance GPU(MIG), 가상 GPU 분할, 탄력 스케줄링 기술을 통해 자원 활용률을 80~90% 수준까지 끌어올릴 수 있다. 특히 "inference by day, training by night" 구조를 적용하면 비수기 시간대에도 idle 자원을 학습용으로 전환할 수 있어 고정비가 큰 데이터센터 환경에서는 ROIC(투하자본수익률)와 ROC(자본회전율)를 모두 극대화하는 구조가 성립된다. 실제로 MuxFlow나 Aryl 사례처럼 GPU 자원 활용률을 기존 대비 2~3배까지 개선한 사례도 다수 확인되었다.
또한 Broadcom이나 Marvell의 ASIC 기반 칩은 특정 고객사의 요구에 맞춰 설계되므로 확장성, 재사용성, 유연성에서 한계를 가질 수밖에 없다. GPU는 새로운 모델이 등장하더라도 소프트웨어 업데이트와 드라이버 호환을 통해 즉각 대응 가능하며, 파운데이션 모델 중심의 생태계 구조상 GPU는 지속적으로 수요를 독점하게 된다. GPU의 CapEx가 높더라도 자원활용률이 훨씬 높고 TCO 관점에서 절감 효과가 크기 때문에, 장기적으로 볼 때 기업 입장에서 NVIDIA GPU 기반의 혼합형 데이터센터가 훨씬 더 높은 투자 효율을 제공한다는 결론에 도달하게 되었다.
결과적으로 초기에는 ASIC 기반 기업들이 GPU 시장의 파괴적 대체자가 될 것이라는 기대가 있었지만, 파운데이션 모델의 증류·미세조정 전략이 대세가 되며 다양한 추론 워크로드가 혼재하는 환경이 형성되었고, 이는 오히려 NVIDIA GPU의 범용성과 활용률을 극대화시키는 방향으로 작용하고 있다. 하드웨어 단가보다 자원활용률과 생태계 적응력이 수익성을 결정하는 시대에, NVIDIA는 ASIC 대비 구조적으로 높은 ROIC와 장기 경쟁우위를 실현하는 유일한 선택지임이 명확해졌고, 이에 따라 투자 시각 역시 완전히 전환되었다.
AI의 저변 확산은 특정 산업 영역에서 기술 적용의 속도와 정교함이 경쟁우위를 결정짓는 핵심 요소로 부상시키고 있다. 단순히 AI 기술을 도입하는 것만으로는 의미가 없고, 이를 조기에 적용해 산업별 레퍼런스를 축적하고, 빠르게 사업모델에 내재화하며, 실제 성과로 연결짓는 기업이 구조적 경쟁력을 갖추게 된다. 특히 이러한 기술적 우위가 재무 실적 개선으로 가시화되고 있는 기업들은 장기 성장성과 기대 수익률 측면에서 주목할 만하다.
Intuitive Surgical
먼저 동사는 수술 자동화와 정밀의료 영역에서 AI를 빠르게 내재화하며 경쟁사를 압도하고 있다. 동사의 다빈치 로봇 시스템은 단순 수동 조작 기계가 아니라, 시술 전후 데이터를 학습해 정교한 피드백을 제공하고, 절개 위치와 시야 확보를 보조하는 방식으로 AI 기능을 고도화하고 있다. 이 같은 기능은 병원 측에서의 임상 신뢰도를 높이며, 기기 교체 및 유지보수 수요를 유도해 꾸준한 수익구조를 만들어낸다. 실제로 동사의 장비 매출뿐 아니라 반복 사용되는 소모품, 유지서비스 매출도 동반 성장하고 있으며, 이는 수익의 안정성과 확장성을 동시에 담보해준다.
CrowdStrike
동사는 사이버 보안 영역에서 실시간 이상탐지와 위협 대응 기능을 AI 기반으로 전환하여 차별화된 경쟁력을 갖추고 있다. 기존 보안 시스템은 사후 탐지 및 정적 룰 기반 탐지가 중심이었다면, CrowdStrike는 AI를 활용해 비정형 이상행동을 실시간으로 탐지하고, 이를 자동 방어 시스템과 연계해 대응하는 구조를 구현했다. 이 방식은 특히 클라우드 기반 시스템, 원격 근무, IoT 확대 등으로 보안의 경계가 흐려진 환경에서 필수적이다. 동사의 실적에서도 ARR(연간 반복 매출) 성장률, 고객 이탈률 감소, 제품당 매출 확대 등 정량적 성과가 꾸준히 확인되고 있으며, AI 내재화의 수익성 전환이 대표적으로 잘 드러난 사례라 할 수 있다.
Tempus AI
Tempus AI는 AI 기반 단백질 설계와 인공 단백질 합성 기술의 발전 속에서, 정밀 의료와 신약 개발을 연결하는 핵심 인프라 플랫폼으로 부상할 가능성이 크다. AlphaFold와 같은 예측 모델이 단백질 구조 정보를 대중화하면서, 이제는 구조 자체보다 환자 맥락에 기반한 기능 해석과 임상 적용성이 더욱 중요한 경쟁력이 되고 있다. 이 지점에서 Tempus는 유전체, 임상, 병리, 영상 데이터를 통합 분석해, 환자 맞춤형 단백질 타깃 도출, 변이 기반 기능 예측, 임상시험 대상군 최적화 등을 실현할 수 있다.
특히 Tempus의 AI 기반 환자 매칭 및 분석 서비스는, 단백질 치료제 개발 과정에서의 임상 성공률과 속도를 높이는 역할을 수행한다. 또한 합성 단백질이 적용될 수 있는 환자군을 사전에 예측하고, 실제 임상 데이터와 연결된 검증 루프를 제공함으로써 제약사와의 공동 연구 및 파트너십 기회를 확대한다. 이는 구조 예측 AI의 상용화 이후 등장한 데이터–분석–실행이 통합된 의료 AI 플랫폼이라는 점에서 매우 높은 전략적 가치를 지닌다.
투자 관점에서 Tempus AI의 강점은, 첫째, AI 기반 단백질 설계와 함께 성장하는 정밀 임상 데이터 시장에 대한 선점 지위이고, 둘째, 제약·바이오 기업과의 고부가가치 파트너십 모델 구축 능력이며, 셋째, 실시간 피드백 루프를 통해 임상–연구–치료를 연결하는 폐쇄형 플랫폼 구조를 갖췄다는 점이다.
이러한 구조적 강점은 Tempus를 단순한 데이터 서비스 기업이 아니라, AI 생명공학 시대에 임상 데이터를 중심으로 연구–치료–피드백을 통합하는 실질적 실행 플랫폼으로 자리잡게 하며, 향후 정밀의료 시장에서 독보적인 네트워크 효과와 진입장벽을 갖춘 선도 사업자로 성장할 가능성을 높인다.
#Energy, Utility
AI 연산 수요의 기하급수적인 증가는 연산 인프라뿐 아니라 에너지 체계 전반에 구조적인 부담을 가하고 있다. NVIDIA의 차세대 AI 슈퍼컴퓨터(예: GB200, Blackwell 등)는 이전 세대 대비 수배에 달하는 연산능력을 제공하며, 이에 따른 전력 소비량 역시 급격히 증가하고 있다. AI 추론은 훈련과 달리 수요 변동성이 높고 비선형적인 시간대별 부하 특성을 지니지만, 전체적으로 보면 데이터센터는 24시간 상시 가동되어야 하며, 그 결과 전력 수요는 변동성 없이 고정화된 상시 부하 형태로 정착되고 있다.
그러나 문제는 지금의 에너지 공급 시스템이 이러한 전력 수요를 장기적으로 감당할 수 있을지에 대한 구조적 의문이다. 특히 전력망 관점에서 심각한 노후화 문제가 병존하고 있으며, 이는 단순 발전량의 문제가 아니라 전력을 수요지까지 안정적으로 이송할 수 있는 인프라 용량 부족으로 연결된다. 미국 기준으로도 전체 전력망 중 70% 이상이 25년 이상 경과된 설비이며, 많은 송전선·변전소·분산 제어 시스템은 설계 수명을 초과한 상태에서 운영되고 있다. 이에 따라 데이터센터를 포함한 대규모 AI 전력 수요는 지역 전력망의 병목을 유발하며, 공급이 수요를 따라가지 못하는 시스템적 불균형 구조가 심화되고 있다.
더불어, 과거 건설된 원자력 및 화력발전소의 교체 사이클 도래 역시 동시에 진행되고 있다. 이는 에너지 공급의 '기저(base) 용량' 자체가 구조적으로 흔들리고 있다는 신호이며, 단순히 신재생 에너지 확대만으로 이를 보완하는 데에는 기술적·경제적 한계가 존재한다. 특히 에너지를 전기로 전환하는 과정에서의 전환효율 문제는 심각하다. 기존 석탄 화력이나 단일 사이클 발전소의 전환효율은 30% 이하에 불과하며, 이는 많은 국가에서 여전히 주요 전력원으로 활용되고 있다. 반면, 최신 복합화력발전소(Combined Cycle Gas Turbine, CCGT)는 고온 가스터빈과 열 회수 증기발생장치를 결합해 최대 60~64% 수준의 효율을 실현하고 있지만, 이마저도 기기 자체의 고도화와 설비 교체 없이는 확대가 어렵다.
결국 이러한 구조적 병목을 해소하기 위해서는 에너지-전기 변환단의 기술 효율화와 대체 인프라의 확충이 필수적이며, 이 과정의 핵심은 발전기기 효율성과 기술 집약도다. 이 분야는 GE Vernova, Mitsubishi Heavy Industries, Siemens Energy와 같은 글로벌 소수 기업들이 주도하고 있으며, AI 수요 확대와 함께 기기 교체 수요, 전력망 확장, 연료 효율화라는 세 축에서 구조적 장기 성장성을 확보할 수 있는 전략적 포지션에 있다.
여기에 더해 전력원을 다변화하고 안정적인 분산형 공급을 실현할 수 있는 대안으로 소형모듈원자로(SMR) 기술에 대한 기대감이 커지고 있다. 대형 원전의 고비용·규제 리스크를 회피하면서도 고정적이고 예측 가능한 전력을 공급할 수 있는 SMR은 AI 데이터센터와의 궁합이 매우 높다. 이 분야에서 미국 내 가장 빠른 기술 상용화 가능성을 보이는 Oklo는 최근 NRC와 DOE의 핵심 인허가 절차를 통과하고 있으며, 기존 원전 자산을 바탕으로 SMR 진입이 유력한 Talen Energy는 밸류에이션 측면에서 가장 저평가된 업체로 판단된다.
한편 에너지 생산–소비 지형의 변화 역시 주목해야 한다. 미국 남부, 특히 텍사스를 중심으로 한 천연가스 생산지에서 전력 수요지역으로의 흐름이 빠르게 가속화되고 있으며, 이에 따라 지역 인프라 투자와 송배전, 발전설비 수요도 구조적으로 증가하고 있다. 이와 관련해 텍사스 현지에서 발전소–송전망–LNG 수출까지 통합 구조를 갖춘 Sempra는 규제와 수요 지리 양면에서 가장 유리한 포지션을 점하고 있으며, 장기 계약 기반의 안정적인 수익구조와 지속적인 배당 여력을 감안할 때 향후 AI 인프라와 함께 성장할 수 있는 고배당형 우량 인프라 기업으로 평가된다.
또한 육상 발전 인프라에 대한 부담이 증가함에 따라, 장기적으로는 해상 천연가스 생산·수출 인프라의 확장이 불가피하다. 이 과정에서 최대 업력을 보유하고 있고, 이동식 LNG 생산(FSRU·FLNG) 기술을 확보한 Golar LNG는 천연가스 가격 상승에 따른 수익 민감도가 가장 높은 업체 중 하나이다. 향후 글로벌 에너지 수급 불균형이 심화되면, 해상 LNG 설비의 전략적 가치와 영업현금흐름(OCF) 탄력성은 더욱 부각될 것이다.
GTT(Gaztransport & Technigaz)**는 LNG 인프라 생태계에서 독보적인 지위를 갖춘 기업으로 주목받고 있다. GTT는 전 세계 LNG 운반선(LNGC)과 부유식 액화설비(FLNG), 저장설비(FSRU 등)의 **화물창(Membrane Cargo Containment System)**에 대한 기술특허를 보유하고 있으며, 이 기술은 LNG의 극저온 상태(-163도)를 안정적으로 유지하기 위한 핵심 구성 요소이다.
GTT의 사업모델은 전통적인 제조업과 다르게, 직접적인 선박 건조 없이 특허 라이선스 수익을 기반으로 한다. 즉, LNGC가 한 척 발주될 때마다 일정 비율의 기술사용료를 수취하는 구조로, 고정비가 거의 없는 고수익 비즈니스 모델을 보유하고 있다. 실제로 GTT는 수익성 지표인 영업이익률(EBIT Margin)이 60~70%를 넘는 수준을 기록하며, LNG 인프라 확산에 따른 레버리지 효과를 극대화하고 있다.
특히 GTT는 이러한 수익구조를 바탕으로, 향후 발생하는 수수료 수입을 주주환원(배당·자사주 매입) 중심의 정책으로 전환하겠다고 공식 발표한 바 있다. 이는 안정적이고 반복 가능한 수익원이 있는 기업이 주주이익 극대화 전략을 병행한다는 점에서, 장기적 투자 매력도를 높이는 중요한 요소다.
더 나아가 GTT는 단순히 기존 LNGC 기술에 안주하지 않고, FLNG, FSRU, 해상 액화·기화 기술, 저탄소 선박용 연료 탱크 등으로 기술 영역을 확장하고 있다. 특히 AI 기반의 글로벌 에너지 수요 예측, LNG 물류 최적화, 해상 에너지 생산의 실시간 모니터링 등이 중요해지는 시대에, GTT의 고효율·고안정 기술은 AI-에너지 융합 인프라에서도 필수적인 역할을 수행할 가능성이 크다.
요약하자면, GTT는 LNG 인프라의 구조적 확대라는 거시 흐름 위에 높은 수익성과 특허 기반 진입장벽, 그리고 주주환원 강화와 기술 다변화 전략까지 갖춘 에너지 전환 시대의 대표적 고수익 인프라 기업이다. AI로 인한 전력수요 증가와 이에 따른 LNG 인프라 확장이 지속되는 한, GTT의 기술력과 사업모델은 장기적으로 매우 강한 투자 지지력을 제공할 것이다.
종합하면, AI 연산 수요의 폭증은 단순한 반도체 수급을 넘어, 에너지 생산–변환–전송–소비의 전과정을 재편하는 구조적 전환점을 만들고 있다. 이 과정에서 기존 전력망의 노후화와 발전기기 교체 수요가 AI 수요와 충돌하면서, 공급이 수요를 따라가지 못하는 전력 병목현상이 가시화되고 있으며, 이는 곧 실물 인프라 자산군 전반에 대한 재평가 요인으로 작용한다. 우리는 이 변화가 일시적 흐름이 아닌 장기 산업 지형의 재편이자 전략적 투자 기회라고 판단하고 있으며, 이에 따라 NVIDIA를 중심으로 한 AI 반도체와 함께 전력기기, 원자력, 천연가스 인프라(육상+해상) 분야에 걸친 전방위 분산 포트폴리오 전략을 구축하고 있다.
이는 마치 미국 서부개척 골드러시 시대, 금광을 찾기 위해 몰려든 사람들보다 곡괭이와 청바지를 판 사람들이 더 큰 수익을 냈던 역사적 사례와도 유사하다. 오늘날의 AI 혁명 속에서도 진정한 기회는 눈앞의 ‘금’이 아니라, 그것을 가능하게 만드는 인프라 기반 자산에 있지 않을까 한다.
#Defense
저성장 기조가 장기화되고 있다. 생산가능인구의 구조적 감소, 베이비부머 세대의 대규모 은퇴, 낮은 출산율과 더불어 정체된 생산성은 세계 경제가 공통적으로 겪고 있는 구조적 문제다. 이러한 상황에서 대부분의 국가들은 확장적 재정정책을 통해 저성장의 벽을 돌파하려는 시도를 하고 있으나, 이는 결과적으로 누적되는 국가부채와 함께 물가상승 압력, 재정의 비효율성, 그리고 소득 양극화 심화로 이어지고 있다. 생활비 상승은 저소득층의 앵겔지수를 악화시키며 사회적 불안과 정치적 갈등을 증폭시키고 있고, 이는 궁극적으로 국가 안보 리스크로 연결될 수 있는 수준의 위기를 내포한다.
그 연장선에서 우리는 단순한 국가 간 분쟁의 고조를 넘어서, 군비경쟁의 재점화라는 흐름이 다시 나타나고 있음을 주목하고 있다. 트럼프 행정부 이후 강화된 보호무역주의, 글로벌 공급망 와해, NATO 분담금 압박과 탈퇴 가능성 시사는 모두 국제 안보 체계의 해체와 자국 중심 군비 확대를 정당화하는 동력이 되었다. 특히 AI를 포함한 첨단 기술을 둘러싼 미·중 패권경쟁은 기술 전쟁을 넘어 물리적 방어력 확보 경쟁으로 확장되고 있으며, 그 결과 BAE Systems(영국), Rheinmetall(독일), Mitsubishi 및 Mitsui 계열 방산기업(일본) 등은 방산업 전반의 리레이팅 국면에 진입하고 있다.
해군력 재편의 필요성 또한 부상하고 있다. Huntington Ingalls, BWX Technologies는 미 해군의 핵심 조선·원자로 파트너로서 해상 방어력 강화 및 핵 추진체계 도입 확대의 주요 수혜주이며, 중국의 해양 전략 확대에 대응한 미군의 해양투자 우선순위 상에서 명확한 포지셔닝을 갖고 있다. 하지만 미국은 중국과의 군비 경쟁에서 기술력은 우위이나 생산력과 자원 확보에서 구조적 병목을 겪고 있으며, 이에 따라 군수산업 전반의 예산 조기집행과 병렬 생산체계 구축이 빠르게 추진되고 있다.
그 핵심에는 희토류 자원이 있다. AI 인프라뿐 아니라 군수, 항공, 전기 추진체계, 레이더 등 방산 하드웨어 전반에 걸쳐 희토류는 사실상 대체 불가능한 전략 자원이 되었으며, 이는 ‘디지털-물리 융합 시대의 석유’로 기능하고 있다. 현재 미국 내 유일한 희토류 광산 보유 기업인 MP Materials는 상징적 존재이지만, 환경 규제와 지역 반대 여론이라는 강력한 장벽에 직면해 있다. 반면 호주의 Lynas는 희토류 채굴은 자국 내에서 진행하고, 제련은 미국 내에서 수행하는 전략적 이원화 모델을 통해 환경 부담을 최소화하면서도 미국과의 공급망 협력을 확대하고 있다. 채굴은 생태적 저항이 크고, 제련은 정치적으로 허용 가능한 영역이라는 점에서 Lynas의 사업 구조는 상업성과 실현 가능성을 동시에 확보한 유의미한 사례로 볼 수 있다.
기타 희토류 사업자들은 대부분 재무 여력이 부족하고 외부 자본 의존도가 높아, 단기간에 공급망을 안정적으로 구축하기 어려운 상황이다. 따라서 정책 대응 능력, 정치 리스크 회피 구조, 제련 상업성 확보 여부 등에서 Lynas는 전략적 중심지로 부상할 가능성이 높다.
#Finance
저성장 국면은 더 이상 일시적 경기 순환의 결과가 아니라, 글로벌 인구구조의 변화라는 구조적 요인에서 기인한다. 출산율 저하, 인구감소, 고령화, 그리고 이에 따른 노동생산성 하락은 마치 중력처럼 개별 경제주체의 시야에서는 보이지 않지만, 거시적으로는 세계 경제의 저성장 고착화를 강하게 견인하는 근원적인 힘이다. 특히 베이비부머 세대의 대규모 은퇴와 노동인구 축소는 GDP 성장률을 제약하며, 각국은 이를 극복하기 위해 확장적 재정정책을 채택할 수밖에 없는 환경에 놓이게 되었다.
그러나 이러한 정책 기조는 경제성장률(GDP Growth)의 둔화와 결합되며, 정부부채의 누적과 함께 인플레이션 압력이라는 필연적 귀결로 이어진다. 이로 인해 구조적으로 높은 물가상승률과 고금리 환경이 형성될 가능성이 크며, 이는 통화가치 하락에 대한 방어 수단으로 **실물자산과 금융자산의 전반적인 가치 재평가(자산 인플레이션)**로 이어질 것이다. 특히 중요한 것은, 확장재정정책에 따라 시중 유동성은 증가하고 있는 반면, 저성장 기조로 인해 소비활동이 제한되면서 물가상승률은 둔화되는 흐름이 나타날 수 있다는 점이다. 이 경우 기준금리 인하 압박이 강해지는 반면, 물가와 금리의 괴리는 실질금리를 마이너스 영역으로 끌어내리게 되고, 이는 결과적으로 자산가격 상승을 부추기는 강력한 촉매로 작용한다. 즉, 유동성은 넘치지만 실물 소비가 뒷받침되지 못하는 환경에서 자산 인플레이션만 가속화되는 비균형적 국면이 전개될 가능성이 높다.
따라서 부동산, 원자재, 주식, 채권 등 모든 자산 시장이 한 단계 '레벨업'되는 시대에 진입할 가능성이 높아지고 있으며, 이에 따라 대출시장과 투자금융 또한 새로운 질서로 재편될 것이다.
이러한 거시환경 속에서 금융 섹터는 단순한 방어적 섹터가 아니라 구조적 수혜를 입는 핵심 자산군으로 자리잡는다. 첫째, 고금리 환경은 예대마진 확대와 운용자산 수익률 증가를 동반하며, 이는 금융사의 기본 수익구조를 강화하는 요소다. 둘째, 자산시장 전반이 인플레이션 환경에서 재평가되는 가운데, 대출과 투자, 보험 등 자산 기반 비즈니스 모델을 가진 금융회사의 실적 레버리지 효과는 더욱 커질 수밖에 없다.
이런 배경에서 미국의 J.P. Morgan은 글로벌 금융 질서 내에서 점유율(M/S) 1위 기업으로, 자산운용·소매금융·IB·리스크관리까지 전방위적 경쟁력을 갖춘 가장 직접적인 수혜자로 꼽힌다. 유럽에서는 Commerzbank가 구조조정(조직 슬림화)을 마친 이후 독일의 확장재정정책 전환 국면에서 가장 탄력적으로 수익성을 회복할 수 있는 금융사로 평가된다. 비록 점유율은 독일 내 2위지만, 비용 통제 기반의 영업 레버리지 개선 가능성은 선두주자 이상이다.
또한, 장기간 디플레이션 기조를 벗어나 인플레이션 환경으로 가속 진입 중인 일본에서는 정부 부채가 본격적으로 수면 위로 부상하고 있다. 이 환경은 장기금리 상승과 인플레이션 리스크에 민감한 금융기관들의 운용 구조를 다시 구성할 기회가 되며, 이에 따라 일본 최대 금융그룹인 Mitsubishi UFJ Financial Group은 금리전환기에 가장 탄탄한 운용 기반과 사업 포트폴리오를 지닌 전략적 투자 대상으로 평가된다.
특히 중장기 국채금리의 구조적 상승이 예고되면서, 보험 자산을 중심으로 장기 채권에 투자하는 생명보험사들의 투자수익률 개선 가능성이 주목된다. 이와 관련해 Chubb는 글로벌 생명보험사 중 손해율 관리 능력과 비용 통제 능력이 가장 뛰어난 기업 중 하나이며, 보험 영업수익과 운용수익이 동시에 개선될 수 있는 구조적 기회를 맞고 있다.
결론적으로, 저성장–고부채–고물가–고금리–마이너스 실질금리라는 복합적 구조 변화 속에서 금융 섹터는 단기 변동성 이상의 장기적 구조적 수혜를 입을 수 있는 전략적 자산군으로 부상하고 있다. 이는 단순히 금리에 반응하는 이자 마진의 문제가 아니라, 전 세계 자산 가치와 금융 시스템 전체의 리프레이싱이 일어나는 시대적 변화에 기반한 현상이며, 그만큼 우량 금융회사의 밸류에이션 레벨 자체가 재조정될 가능성이 높다는 점에서 중장기적 투자비중 확대가 정당화될 수 있다.
=끝
