생각정리 293 (* 3대 메가 프로젝트 국민보고회 후기, 전력)

어제 3대 메가 프로젝트 국민보고회를 들으면서 문득 이런 생각이 들었다. 과연 전력은 충분할까.

AI 데이터센터, 반도체 팹, AI Factory가 전국 곳곳에 새로 들어선다면 한국의 전력수요는 지금보다 몇 단계 더 높은 수준으로 올라갈 가능성이 크다. 특히 이 수요는 일시적으로 켜졌다 꺼지는 부하가 아니라, 24시간 안정적으로 전기를 공급받아야 하는 상시 기저부하에 가깝다.

그렇다면 앞으로 기후에너지환경부는 신재생에너지 중심의 정책 기조만으로 이 거대한 신규 전력수요를 감당할 수 있을까. 물론 재생에너지 확대는 필요하지만, AI 데이터센터와 반도체 팹이 요구하는 전력의 규모와 안정성을 감안하면 결국 원전과 LNG 복합화력 같은 안정적 전원 없이는 답을 찾기 어려운 것 아닌가 하는 생각이 든다.

https://news.nate.com/view/20260629n28193

더구나 정부가 말해온 방향은 지산지소, 즉 지역에서 쓰는 전기는 지역에서 생산하고 소비하는 구조였다. 그렇다면 이번 대규모 AI·반도체 투자 계획이 현실화될수록 질문은 더 분명해진다.

 이 거대한 전력수요를 어느 지역에서, 어떤 전원으로, 얼마만큼 안정적으로 공급할 수 있을까. 

AI 데이터센터, 반도체 팹, AI Factory가 한국 전력수요를 어디까지 끌어올릴까

이번 삼성전자·SK하이닉스·SK·GS·네이버·현대차·두산·한화 등 주요 기업의 AI 투자 발표를 보면서 가장 먼저 확인해야 할 것은 투자금 규모가 아니다. 핵심은 이 투자들이 앞으로 한국 전력수요를 얼마나 구조적으로 끌어올릴 수 있는가이다.

이번 프로젝트는 단순한 산업단지 조성이나 데이터센터 몇 개의 문제가 아니다. 반도체 팹, HBM, 첨단 패키징, AI 데이터센터, AI Factory, 로봇·피지컬 AI, 전력·냉각 솔루션이 동시에 붙는 구조다.

뉴시스

핵심부터 보면, 이번 발표 물량이 2035~2040년까지 실제 가동된다고 가정할 경우 한국에는 AI·반도체·피지컬 AI 관련 신규 상시 전력부하가 약 35~45GW, 기준 시나리오로는 40GW 안팎 추가될 가능성이 있다.

여기서 중요한 점은 AI 데이터센터와 반도체 팹은 일반 제조업보다 부하 지속시간이 길고, 전력 품질 요구가 높으며, 특정 지역에 집중되는 수요라는 점이다. 1GW가 24시간 1년 내내 가동되면 연간 전력소비는 8.76TWh다. 따라서 40GW의 상시 부하는 연간 약 350TWh의 전력소비를 의미한다. 한국전력 통계 기준 국내 연간 전력판매량이 약 550TWh 수준이라는 점을 감안하면, 이는 현재 한국 전체 전력판매량의 60% 이상에 해당하는 신규 부하다.

1. 기준선은 11차 전력수급기본계획이다

먼저 기존 국가 계획과 비교해야 한다. 11차 전력수급기본계획은 2038년 목표수요를 129.3GW로 잡고 있다. 기준수요 145.6GW에서 수요관리 16.3GW를 차감한 수치다. 이 안에는 이미 반도체와 데이터센터 수요가 일부 반영돼 있다. 2038년 기준 반도체 전력수요는 15.4GW, 데이터센터 전력수요는 6.2GW로 제시돼 있다.

따라서 이번 발표를 해석할 때는 두 가지를 나눠봐야 한다.

첫째는 한국 전체에 새로 붙는 Gross 신규 부하다. 이는 AI 데이터센터, 반도체 팹, AI Factory, 피지컬 AI까지 합쳐 35~45GW로 추정된다.

둘째는 기존 전기본 대비 초과되는 Net 부하다. 11차 전기본에 이미 반도체 15.4GW, 데이터센터 6.2GW가 일부 반영돼 있으므로, 이번 발표로 인해 새롭게 초과될 수 있는 부하는 25~35GW, 기준 시나리오로는 30GW 안팎으로 보는 것이 합리적이다.

이 관점에서 보면 이번 발표의 의미는 명확하다. 기존 전기본 대비 30GW 안팎의 초과 피크 부담이 새로 생길 수 있다. 11차 전기본의 2038년 목표수요 129.3GW에 이를 단순 가산하면, 2040년 한국 피크 전력수요는 155~165GW 영역까지 올라갈 수 있다. 수요관리 미달, 데이터센터 가동률 상승, 반도체 팹 조기 가동이 겹치면 상단은 170GW 근처까지 열어둘 필요가 있다.

2. AI 데이터센터: SK·GS·네이버만으로도 18.4GW가 보인다

이번 투자에서 가장 숫자가 명확한 부분은 AI 데이터센터다. 정부와 민간은 SK·GS·네이버와 함께 1단계로 8.4GW 규모 AIDC를 구축할 계획이다. 세부적으로는 SK 5GW, GS 2.4GW, 네이버 1GW다. 이후 2단계에서 SK의 AIDC를 2035년까지 15GW로 확대하면, 전체 AIDC 규모는 18.4GW가 된다.

네이버는 엔비디아와 기가와트급 글로벌 AI Factory 구축에 합의했으며, 2027년 55MW 규모의 첫 프로젝트를 시작해 장기적으로 1GW급 인프라를 추진한다. 네이버 측 설명에 따르면 1GW는 자체 하이퍼스케일 데이터센터인 각 세종 최대 용량의 약 4배에 해당한다.

LG유플러스도 파주에 200MW급 하이퍼스케일 AIDC를 건설 중이다. 이는 SK·GS·네이버 18.4GW와 비교하면 작아 보이지만, 단일 데이터센터 기준으로는 이미 대형 프로젝트다. LG유플러스는 2030년까지 AIDC 누적 수주 5조원을 목표로 하고 있다.

결국 데이터센터만 놓고 봐도 11차 전기본의 2038년 데이터센터 전력수요 6.2GW는 이미 크게 부족해 보인다. 이번 발표가 현실화되면 데이터센터 수요는 20GW 이상, 기존 전기본 대비 초과분은 14~16GW에 달할 수 있다.

3. 반도체 팹: 호남 4기, 용인·평택·청주·충청이 동시에 움직인다

반도체 팹은 데이터센터처럼 전력용량을 직접 공개하지 않는 경우가 많다. 그러나 이번 발표에서 삼성전자와 SK하이닉스는 호남권에 총 800조원 규모 신규 반도체 허브를 조성하고, 양사가 각각 2개씩 총 4개의 메모리 팹을 짓는 계획을 제시했다. AP 보도 역시 삼성전자와 SK하이닉스가 한국 남서부에 신규 반도체 허브를 건설하고, 전력·용수·인력 확보가 핵심 과제라고 설명했다.

여기에 용인, 평택, 청주, 충청권 패키징 투자가 동시에 진행된다. SK하이닉스는 용인 첫 팹에 총 31조원 규모 투자를 진행하고 있으며, 장기적으로 용인 클러스터는 4개 첨단 팹이 들어가는 대형 프로젝트다. 청주에는 AI 메모리 수요 대응을 위한 첨단 패키징 전용 팹 투자도 진행되고 있다.

반도체 팹의 전력수요는 단순히 MW 숫자로만 보면 안 된다. 팹은 순간 정전, 전압 변동, 전력 품질 저하에 매우 민감하다. 한 번의 전력 이상이 웨이퍼 손실, 장비 정지, 생산 차질로 이어질 수 있다. 따라서 반도체 전력수요는 대용량 부하인 동시에 초고신뢰도 부하다.

이 점에서 호남 신규 팹은 전력망 관점에서도 큰 의미를 가진다. 수도권·용인·평택 중심의 반도체 전력 병목을 일부 완화하면서, 호남 재생에너지와 서남권 송전망 재구성을 동시에 요구하는 구조로 이어질 가능성이 높다.

4. AI Factory: GPU 26만개는 전력수요의 새로운 층이다

이번 발표에서 눈에 띄었던 포인트는 AI Factory다. 엔비디아는 한국 정부와 삼성전자, SK그룹, 현대차그룹, 네이버 등과 함께 한국 내 AI 인프라 확장을 추진하고 있으며, 전체적으로 25만개 이상의 GPU가 한국에 배치될 예정이다. 세부적으로 정부 5만개, 삼성·SK·현대차 각각 5만개, 네이버 클라우드 6만개 수준이 언급됐다.

삼성전자는 엔비디아와 5만개 이상의 GPU를 활용한 AI Megafactory를 구축한다. 이 AI Factory는 반도체 설계, 공정, 장비 운영, 품질관리까지 제조 전 과정을 하나의 지능형 네트워크로 통합하는 구조다.

현대차그룹도 엔비디아와 5만개의 Blackwell GPU 기반 AI Factory를 구축한다. 현대차는 이를 자율주행, 스마트팩토리, 로보틱스, 차량 AI 모델 훈련·검증·배포에 활용할 계획이다. 현대차와 엔비디아는 한국 피지컬 AI 생태계 강화를 위해 약 30억달러 투자도 언급했다.

GPU 5만개 자체의 전력만 단순 계산하면 수십 MW 수준으로 보일 수 있다. 그러나 실제 AI Factory는 GPU만으로 작동하지 않는다. CPU, 네트워크, 스토리지, 전력변환장치, 냉각, UPS, 예비전원까지 붙는다. GB200 NVL72 같은 랙 스케일 시스템은 72개 Blackwell GPU를 하나의 액체냉각 랙으로 구성하는 구조이며, 업계에서는 고밀도 AI 랙 하나가 100kW 이상 전력을 요구하는 구간으로 진입했다고 보고 있다.

이를 감안하면 삼성·SK·현대차·네이버·정부 GPU 클러스터는 중복을 제외해도 장기적으로 2~4GW급 신규 전력층을 만들 수 있다. 일부는 SK·네이버 AIDC 안에 포함되고, 일부는 삼성·현대차의 제조 AI 인프라 안에 들어간다. 따라서 총합에서는 이중계산을 피해야 하지만, 별도의 전력수요 항목으로 인식할 필요는 충분하다.

5. 현대차: 로봇 클러스터와 AI Factory가 전력수요를 만든다

현대차의 전력수요는 반도체 팹이나 AIDC처럼 단일 숫자로 공개되지는 않았다. 그러나 방향성은 분명하다. 현대차는 엔비디아와 5만개 Blackwell GPU 기반 AI Factory를 구축하고, 전북 새만금에 9조원 규모의 단계적 투자를 통해 AI 데이터센터 중심 로봇 클러스터를 조성할 계획이 보도됐다.

현대차의 전력수요는 크게 세 부분이다.

현대차의 전력수요는 데이터센터처럼 한 번에 1GW 단위로 보이기보다, 제조 AI와 로봇 생산이 결합되면서 점진적으로 커질 가능성이 높다. 다만 피지컬 AI가 실제 산업화될 경우 로봇 생산, 시험, 데이터 수집, 시뮬레이션, 자율주행 검증이 모두 전력집약적으로 변한다. 자동차 공장이 단순 조립공장에서 AI 연산과 로봇 학습을 병행하는 제조 플랫폼으로 바뀌는 셈이다.

6. GS와 네이버: 데이터센터 전력수요의 직접적인 증가분

GS와 네이버는 이번 AIDC 전력수요에서 매우 직접적인 항목이다. GS는 1단계 AIDC 프로젝트에서 2.4GW, 네이버는 1GW를 맡는다. SK 5GW와 합쳐 1단계만 8.4GW다.

GS의 경우 데이터센터 사업 자체도 중요하지만, 더 큰 의미는 에너지·인프라 사업과 AIDC가 결합될 수 있다는 점이다. 동해 AIDC가 현실화되면 전력공급, 냉각, 송전망, 부지, 열관리, ESS가 함께 움직일 수밖에 없다. 네이버는 자체 클라우드와 AI 인프라를 기반으로 1GW급 AI Factory를 추진하면서, 국내뿐 아니라 글로벌 AI 인프라 사업자로 포지션을 확장하고 있다.

따라서 GS와 네이버는 전력수요 추정에서 별도로 더할 필요가 있다. 두 회사만 합쳐도 3.4GW다. 1GW가 연간 8.76TWh를 소비한다고 보면, GS와 네이버의 3.4GW는 연간 약 29.8TWh에 해당한다. 이는 단일 기업군 투자로 보기에는 매우 큰 전력수요다.

7. 두산과 한화: 직접 부하는 작아도 전력 인프라 생태계에서는 중요하다

두산과 한화는 삼성·SK·GS·네이버처럼 “몇 GW급 AIDC를 짓겠다”고 발표한 기업은 아니다. 따라서 전력수요 증가분을 과도하게 잡으면 안 된다. 그러나 두 기업은 피지컬 AI와 전력 인프라 생태계에서 중요한 역할을 할 가능성이 높다.

두산은 두산로보틱스와 두산밥캣을 중심으로 엔비디아 솔루션을 접목한 피지컬 AI 전략을 추진하고 있다. 보도에 따르면 두산로보틱스는 엔비디아 Isaac, Cosmos, Jetson Thor를 활용해 에이전틱 로봇 OS를 개발하고, 지능형 로봇 솔루션과 산업용 휴머노이드를 순차적으로 출시할 계획이다.

한화는 직접 AIDC 수요자라기보다 전력공급·에너지 관리·데이터센터 부지 전력화 쪽에 더 가깝다. 한화 데이터센터 사업은 “전력을 갖춘 부지”와 에너지 캠퍼스 인프라를 통해 대형 데이터센터를 지원하는 방향을 제시하고 있으며, 마이크로소프트와는 AI 기반 Energy-as-a-Service 협력도 추진하고 있다.

두산과 한화의 직접 전력부하는 SK·GS·네이버 AIDC나 삼성·SK 반도체 팹과 비교하면 작다. 그러나 투자 관점에서는 오히려 다른 의미가 있다. 전력수요를 만드는 기업이 아니라, 전력수요 증가를 가능하게 해주는 기업군으로 봐야 한다. 로봇, 방산, 에너지 저장, 전력관리, 태양광, 수소, 암모니아, 데이터센터 전력 솔루션은 AI 전력 병목이 커질수록 중요해진다.

8. 최종 전력수요 추정

이번 발표와 추가 기업 전략을 모두 반영하면, 기존의 30~33GW 기준 시나리오는 다소 낮아 보인다. SK·GS·네이버 AIDC 18.4GW가 이미 명확해졌고, LG유플러스 파주 200MW, 네이버·현대차·삼성·SK·정부 GPU 클러스터, 호남 반도체 팹 4기, 충청 패키징, 현대차 로봇 클러스터까지 더하면 기준 시나리오는 40GW 안팎으로 보는 것이 더 자연스럽다.

이를 연간 전력량으로 환산하면 다음과 같다.

이 숫자는 매우 크다. 한국의 전력수요가 과거처럼 완만하게 증가하는 구조라면 40GW 신규 부하는 비현실적으로 보일 수 있다. 그러나 이번 투자의 성격은 다르다. AI 데이터센터는 24시간 상시 부하이고, 반도체 팹은 고전력·고품질 부하이며, AI Factory는 제조업의 전력밀도를 끌어올린다. 결국 한국 전력수요의 함수가 바뀌고 있다.

9. 필요한 발전·송전·변전 설비는 얼마나 될까

전력부하가 40GW 늘어난다고 발전설비도 40GW만 늘리면 되는 것은 아니다. 전력계통은 피크 수요보다 높은 예비력을 가져야 한다. 11차 전기본은 장기 설비예비율을 **22%**로 두고 있다. 이 기준을 적용하면 신규 부하별 필요 설비는 다음과 같다.

기존에 30GW 신규 부하를 가정했을 때는 예비율 포함 필요설비가 36.6GW였고, 2026년부터 2040년까지 연평균 약 2.6GW씩 설비를 확충해야 한다는 계산이 나왔다. 그러나 이번에 GS·네이버·현대차·두산·한화·LG유플러스까지 반영하면 기준 시나리오는 40GW 신규 부하, 48.8GW 필요설비, 연평균 3.5GW 설비 확충으로 올라간다.

이것은 단순 발전소 숫자가 아니다. 실제 병목은 발전소, 송전망, 변전소, 배전망, 냉각, ESS, 전력품질, 산업용 전기요금이 동시에 걸리는 복합 병목이다. 과기정통부와 기후에너지환경부가 AIDC 전력공급 업무협약을 맺고, GW급 AIDC 수요가 발생하면 공동 TF를 운영하기로 한 것도 같은 맥락이다.

10. 투자 관점에서의 결론

이번 2000조원급 메가프로젝트의 본질은 단순히 “삼성전자와 SK하이닉스가 지방에 반도체 공장을 짓는다”가 아니다. 더 정확히는 한국 산업 전력수요의 구조가 AI 중심으로 재편되기 시작했다는 의미다.

첫째, AI 데이터센터는 이미 국가 전력수급계획의 가정을 넘어섰다. 11차 전기본은 2038년 데이터센터 수요를 6.2GW로 봤지만, SK·GS·네이버·LG유플러스·정부·민간 프로젝트를 합치면 2035~2040년 데이터센터 부하는 20GW를 넘어설 가능성이 높다.

둘째, 반도체 팹 전력수요는 용인 10GW에서 끝나지 않는다. 호남 신규 메모리 팹 4기, 청주 AI 메모리, 충청 HBM 패키징, 평택·기흥·화성 고도화가 동시에 움직이면 반도체 전력수요는 기존 계획 대비 다시 상향될 수밖에 없다.

셋째, AI Factory는 제조업 전력밀도를 높이는 새로운 변수다. 삼성의 AI Megafactory, 현대차의 Blackwell AI Factory, 네이버 클라우드 GPU 인프라, SK의 제조 AI 클라우드는 모두 기존 데이터센터와 제조업의 경계를 흐린다. 공장은 더 이상 단순 생산시설이 아니라, 연산·시뮬레이션·로봇 학습·품질 예측을 수행하는 고전력 제조 플랫폼으로 바뀌고 있다.

넷째, 두산과 한화는 직접 수요보다 인프라 생태계 측면에서 중요하다. 두산은 피지컬 AI와 로봇 공급망, 한화는 에너지·전력관리·데이터센터 전력화 솔루션에서 역할이 커질 수 있다. AI 전력 병목이 커질수록 단순 전력 소비 기업보다 전력 병목을 풀어주는 기업의 가치도 커질 가능성이 높다.

결국 2040년 한국 피크 전력수요는 기존 전기본의 129.3GW를 넘어 155~165GW, 상단에서는 170GW 근처까지도 열어놓고 봐야 한다. 그리고 이 과정에서 필요한 것은 발전소 몇 개를 더 짓는 수준이 아니다.

앞으로 한국의 핵심 병목은 어디에, 언제, 어떤 품질의 전기를, 얼마의 가격으로 공급할 수 있느냐로 이동할 가능성이 높다. 

즉, 한국에서는 앞으로의 병목은 전력망, 변전소, LNG 복합, 원전·SMR, ESS, 냉각, 전력기자재, 산업용 전기요금 체계로 확산될 가능성이 높다. 

투자 관점에서 보면 이번 메가프로젝트는 반도체 투자이면서 동시에 전력 인프라 투자다. AI 데이터센터와 반도체 팹이 한국의 새로운 성장축이라면, 그 성장축을 실제로 움직이게 하는 기반은 결국 전기다. 이번 발표 이후 한국 시장에서 전력망과 전력기자재를 단순 보조 산업으로 보기 어려워진 이유다.

#글을 마치며

언제까지 친환경 드립을...

(*이런거 보면 정부의 이념에 치우쳐있는 민주당 일부 원내세력 손절이 맞는 방향인거 같기도 하고..)

https://www.youtube.com/watch?v=L9Jdbh9sMKQ
개인적으로 제일 웃겼던 PPT 장표 중 하나..

과연 호남 반도체클러스터 투자가 정말 본인 사적인 이해득실과는 전혀 무관하다고 자신 할 수 있을까..

(*광주 자체가 차세대 반도체 클러스터로 적합한건 ㅇㅈ)

https://www.mediatoday.co.kr/news/articleView.html?idxno=335437

내가 본 광주 전역에서 활발히 진행되고 있었던 아파트 대단지 공사, AI D/C 산업단지 기반공사의 실질적인 수혜는 다 어디로 귀결될까.. (*선매입 부동산)

https://www.mk.co.kr/news/business/12085234

난 이미 개돼지가 되버렸기 때문에 모든 현상을 개돼지처럼 보고 해석했던 것일까..

https://nwww.newsis.com/view/NISX20260628_0003686513

시간이 지나보면 다 알게되지 않을까 한다..

이제라도 버드나무 묘목 가격 오르기 전에 몇 그루 사들고 광주 전남 군부대 주변 땅 보러 다녀야 하는거 아닌가싶다..

g마켓

https://extmovie.com/movietalk/65639848

=끝

생각정리 292 (* 우주데이터센터, SpaceX)

정말 우주 데이터센터가 어느 시점에는 지상 데이터센터보다 더 높은 비교경쟁우위를 가질 수 있을까?

지금 기준으로 답은 아직 아니다.

우주 데이터센터는 발사비, 태양광, 방열판, 위성 구조체 비용 때문에 여전히 비싸다.

하지만 중요한 것은 가능 여부 자체가 아니다. 언제, 어떤 조건에서 비용 역전이 일어날 수 있는지이다.

지상 데이터센터는 전력망, 냉각, 용수, 인허가 비용이 계속 올라가고 있다. 반면 우주 데이터센터는 Starship 발사비 하락, 저가 실리콘 태양전지, 위성 대량생산이라는 비용 하락 요인을 갖고 있다.

결국 핵심은 두 비용 곡선이 만나는 시점이다. 이 글에서는 그 Cross over를 가늠하기 위해 Starship 유효 발사비, 우주시스템 kg/kW, 우주 추가 제조비 $/kW를 중심으로 살펴보고자 한다.

ALL IN
우주데이터센터의 디플레이션 요소가 지상데이터센터 인플레이션 요소를 앞지르는 순간이 필연적으로 온다는 내용.

우주 데이터센터 투자 thesis: 핵심은 Starship $500/kg가 아니라 $200~300/kg이다

2026년 6월 기준으로 보면, 우주 데이터센터는 아직 지상 데이터센터보다 비싸다.

가장 보수적인 공개 추정치가 이를 잘 보여준다. Wood Mackenzie는 1GW급 궤도 데이터센터 비용을 약 1,700억 달러로 추정했다. 이 중 발사와 위성 관련 비용이 약 60%, 즉 약 1,020억 달러라고 봤다. 또 지상 데이터센터와 비용이 비슷해지려면 전체 비용이 약 70% 낮아져야 한다고 분석했다.
출처: Wood Mackenzie

우주 데이터센터의 투자 thesis는 단순히 “Starship 발사비가 $500/kg까지 내려가면 된다”가 아니다.

더 보수적으로 보면 핵심 조건은 아래와 같다.

Starship 유효 발사비 $200~300/kg
우주시스템 총질량 40~60kg/kW
우주 추가 제조비 $8k~10k/kW 이하

이 세 가지가 동시에 맞아야 한다. 그래야 우주 데이터센터가 지상 데이터센터와 비용 경쟁을 할 수 있다.

---

1. 현재 비용과 목표 비용의 차이

먼저 비교 기준을 나눠야 한다.

GPU, CPU, HBM, NVLink, 네트워크 장비는 지상 데이터센터에도 필요하고 우주 데이터센터에도 필요하다. 즉, 이 비용은 공통비이다.

진짜 차이는 지상에서 드는 전력·냉각·건설 비용과 우주에서 새로 필요한 발사·태양광·방열판 비용 사이에서 발생한다.

여기서 우주 전용 비용은 다음 항목을 포함한다.

Wood Mackenzie의 추정치를 기준으로 보면 현재 우주 전용 비용은 다음과 같다.

1,700억 달러 × 60% = 1,020억 달러

1GW는 1,000,000kW이다. 따라서 kW당 비용은 다음과 같다.

1,020억 달러 ÷ 1,000,000kW = $102,000/kW

반면 우리가 생각하는 목표 비용은 훨씬 낮다.

이를 1GW 기준으로 바꾸면 목표 우주 전용 비용은 160억~280억 달러이다.

현재 보수 추정치는 1,020억 달러이다. 목표 비용과 비교하면 아직 차이가 크다.

즉, 우주 전용 비용은 현재보다 약 70~80% 더 낮아져야 한다.

전체 비용 기준으로 봐도 비슷하다. 1GW AI 데이터센터의 컴퓨트 공통비를 약 260억~350억 달러로 보면, 우주 데이터센터의 목표 all-in 비용은 420억~630억 달러이다. Epoch AI도 1GW급 AI 데이터센터의 초기 투자비를 약 380억 달러로 추정했고, 서버 비용이 전체 비용의 핵심이라고 봤다.
출처: Epoch AI

결론은 명확하다. 우주 데이터센터는 아직 비싸다. 다만 비용이 얼마나 내려가야 하는지는 계산 가능하다. 우주 전용 비용은 약 79%, 전체 비용은 약 69% 더 낮아져야 thesis 중간값에 도달한다.

---

2. 왜 Starship $500/kg만으로는 부족한가 (그리고 마지막 단가 하락 구간이 가장 어려운 이유)

Starship은 기존 로켓과 다르다. 완전 재사용을 목표로 하고, 100톤 이상을 궤도에 올릴 수 있도록 설계됐다. 출처: https://www.spacex.com/vehicles/starship

이 때문에 많은 사람들이 “Starship 발사비가 $500/kg까지 내려가면 우주 데이터센터 경제성이 생긴다”고 본다.

하지만 이 숫자만으로는 부족하다.

우주 데이터센터는 서버만 올리는 구조가 아니다. 서버 외에도 태양광 패널, 방열판, 전개 구조물, 광통신 장비, 차폐 장비가 필요하다. 특히 태양광 패널과 방열판은 부피를 많이 차지한다. 그래서 실제로는 무게보다 부피가 먼저 병목이 될 수도 있다.

현재 Falcon 9의 발사비는 대략 $3,600/kg 수준으로 인용된다. Google Project Suncatcher 관련 분석에서는 우주 AI 인프라가 의미 있는 경제성을 가지려면 발사비가 $200/kg 근처까지 내려가야 한다는 해석이 나온다.
출처: https://techcrunch.com/2026/02/11/why-the-economics-of-orbital-ai-are-so-brutal/
출처: https://research.google/blog/exploring-a-space-based-scalable-ai-infrastructure-system-design/

즉, Starship이 $500/kg까지 내려와도 끝이 아니다. $300/kg까지는 추가로 40%, $250/kg까지는 50%, $200/kg까지는 60% 더 낮아져야 한다.

여기서 중요한 포인트가 하나 더 있다.

지금까지 로켓 산업은 재사용 로켓, 생산 자동화, 발사 빈도 증가 같은 구조적 혁신을 통해 큰 폭의 비용 하락을 만들어왔다. 하지만 업계에서는 마지막 단가 구간, 즉 $500/kg에서 $200/kg로 내려가는 구간이 훨씬 더 어렵고 고통스러운 구간이 될 수 있다는 점을 반복적으로 지적한다.

예를 들어 NASA와 RAND의 재사용 발사체 경제성 분석에서는 초기 재사용 도입 단계에서는 비용이 빠르게 떨어질 수 있지만, 이후에는 운영 복잡성, 유지보수 비용, 발사 준비 비용, 보험, 실패 리스크 등 “롱테일 비용”이 남아 단가 하락 속도가 급격히 둔화될 수 있다고 설명한다.

출처: https://www.rand.org/pubs/research_reports/RR1751.html
출처: https://www.nasa.gov/sites/default/files/atoms/files/reusable_launch_vehicle_economics.pdf

또 SpaceX 내부에서도 완전 재사용이 실제로 비용을 크게 낮추려면 높은 발사 빈도와 안정적인 운영이 필수이며, 초기에는 오히려 비용이 증가할 수 있다는 점이 언급된 바 있다. 즉, 기술적으로 가능하다고 해서 곧바로 경제성이 따라오는 구조가 아니다.

이 의미는 명확하다.

Starship이 $500/kg까지 내려오는 것은 큰 혁신의 결과일 수 있다. 하지만 $500 → $300 → $200/kg 구간은 완전히 다른 문제다. 이 구간에서는 기술 혁신보다 운영 효율, 실패율 감소, 보험 비용, 정비 비용, 발사 cadence 같은 요소가 지배한다.

즉, 이 구간은 단순한 기술 문제가 아니라 산업 운영 최적화 문제이며, 시간이 오래 걸리고 변동성이 큰 구간이다.

이 차이는 실제 비용 계산에서도 드러난다.

예를 들어 우주시스템 총질량이 50kg/kW라고 하자. 발사비가 $500/kg이면 발사비만 $25,000/kW이다. 여기에 우주 추가 제조비 $9,000/kW를 더하면 총 $34,000/kW이다.

반면 우리가 보는 중간 목표는 $21,500/kW이다. $500/kg 기준 비용은 이보다 약 58% 높다.

그래서 핵심은 단순한 $500/kg가 아니다. 핵심은 실제로 작동 가능한 우주 데이터센터 1kW를 얼마에 올릴 수 있느냐이다.

---

3. NVIDIA 세대가 올라갈수록 랙은 더 무거워진다

우주 데이터센터 비용을 볼 때 NVIDIA 랙의 무게도 중요하다. 지상에서는 랙이 무거워져도 큰 문제가 아니다. 하지만 우주에서는 1kg이 모두 발사비로 연결된다.

GB200 NVL72 랙은 36개 Grace CPU와 72개 Blackwell GPU를 포함한다. HPE 자료 기준 완전 장착 중량은 약 1,472kg이고, 랙 전력은 132kW이다. 서버 랙 자체만 보면 약 11.2kg/kW이다.
출처: HPE GB200 NVL72

Vera Rubin NVL72는 더 무겁다. NVIDIA는 Vera Rubin NVL72가 약 4,000파운드, 즉 약 1,814kg이라고 설명했다. GB200 대비 약 23% 무거워지는 셈이다.
출처: NVIDIA Developer Blog

물론 성능도 좋아진다. NVIDIA는 Vera Rubin NVL72가 GB200 NVL72 대비 최대 10배 tokens/MW, 즉 같은 전력으로 훨씬 많은 AI 연산을 처리할 수 있다고 설명했다.
출처: NVIDIA Vera Rubin NVL72

그래서 같은 AI 처리량을 기준으로 보면 필요한 전력과 랙 수가 줄어들 수 있다.

하지만 1GW 데이터센터 자체를 우주로 올리는 기준에서는 이야기가 다르다. 랙이 무거워질수록 발사비 부담은 커진다.

따라서 중요한 지표는 단순 성능이 아니다.

kg/kW가 중요하다.
kg/token이 중요하다.
$/kW가 중요하다.

즉, AI 성능이 좋아져도 우주로 올려야 하는 총질량이 줄지 않으면 경제성은 쉽게 개선되지 않는다.

---

4. 지상 데이터센터도 계속 비싸지고 있다

우주 데이터센터의 기회는 지상 데이터센터의 비용 상승에서 나온다.

AI 데이터센터는 전기를 많이 쓴다. 냉각도 어렵다. 랙 밀도가 높아질수록 액체냉각 장비가 필요하다. 전력망 접속도 늦어진다. 인허가와 용수 문제도 커지고 있다.

Bernstein 추정에 따르면 GB200/NVL72 랙당 총투자비는 약 590만 달러이다. 이 중 컴퓨트 하드웨어가 약 340만 달러, 물리 인프라가 약 250만 달러이다. 여기서 물리 인프라는 전력, 냉각, 건축, 전기설비, 백업 전력 등을 의미한다.
출처: Investing.com / Bernstein 인용

GB200 랙 전력 132kW를 기준으로 보면 물리 인프라 비용은 다음과 같다.

$2.5m ÷ 132kW = 약 $18,900/kW

여기에 전력비, 전력망 접속비, 인허가 지연 비용, 냉각수 비용이 더해진다.

CBRE는 2025년 글로벌 데이터센터 시장에서 전력 부족이 핵심 병목이라고 설명했다. 전력 확보가 어려워지면서 일부 프로젝트는 2027년 이후로 밀리고, 클라우드와 AI 기업들은 미리 임대 계약을 맺고 있다.
출처: CBRE Global Data Center Trends 2025

Wood Mackenzie도 미국 내 전력망 접속이 최대 7년 걸릴 수 있고, 가스터빈 장비 대기 기간도 2030년까지 이어질 수 있다고 지적했다. 냉각용수도 일부 지역에서는 중요한 제약이 되고 있다.
출처: Wood Mackenzie

지상 데이터센터의 비용 상승 요인은 아래와 같다.

즉, 지상 데이터센터는 앞으로도 싸지기 어렵다. 특히 AI 랙이 고밀도화될수록 전력과 냉각 비용은 더 커질 가능성이 높다.

---

5. 우주 데이터센터에도 장점과 단점이 모두 있다

우주 데이터센터의 장점은 분명하다.

우주에서는 태양광을 활용할 수 있다. 일부 궤도에서는 지상보다 긴 시간 동안 태양광 발전이 가능하다. 지상 전력망 접속을 기다릴 필요도 없다. 냉각탑, 칠러, 대형 건물, 용수 인허가 부담도 줄어든다.

Starcloud는 McKinsey 인터뷰에서 우주 데이터센터가 지상 대비 인프라 비용을 낮출 수 있다고 주장했다. Starcloud 3는 약 200kW, 3톤 시스템으로 제시됐다. 단순 환산하면 15kg/kW이다.
출처: McKinsey - The case for data centers in space

하지만 이 수치는 낙관적이다. 우주에서는 냉각탑이 사라지는 대신 방열판이 필요하다. 공기나 물로 열을 식히는 것이 아니라, 열을 우주 공간으로 방출해야 한다. 이 과정에는 큰 방열 면적이 필요하다.

또 우주는 유지보수가 어렵다. 초기 세대는 약 5년 동안 스스로 버텨야 한다. 그래서 부품 고장을 대비한 중복 설계가 필요하다. 방사선 차폐도 필요하다. 지상과 연결하기 위한 광통신 장비도 필요하다.

Turyshev의 2026년 논문은 이 점을 더 보수적으로 봤다. 1MW급 궤도 데이터센터 기준으로 태양광, 저장장치, 라디에이터만 29.4kg/kW가 필요하다고 추정했다. 고정 위성 질량까지 포함하면 총 34~59kg/kW로 올라간다고 봤다.
출처: arXiv - Orbital Data Centers

그래서 보수적인 투자 thesis에서는 Starcloud식 15kg/kW보다 훨씬 무겁게 봐야 한다.

우주 데이터센터의 비용 하락 요인도 있다.

첫째, Starship 발사비 하락이다.
둘째, 비싼 우주용 태양전지 대신 저렴한 실리콘 태양전지를 쓰는 것이다.
셋째, 위성 본체와 전개 구조물을 대량 생산하는 것이다.

Rocket Lab은 우주 데이터센터용 실리콘 태양광 어레이를 발표했다. 기존의 고가 우주 태양전지보다 공급 제약을 줄이고, 기가와트급 우주 전력 시스템을 겨냥한다는 내용이다.
출처: Rocket Lab

핵심은 고급 부품을 쓰는 것이 아니다. 무겁지만 싼 부품을 낮은 발사비로 반복해서 올릴 수 있느냐이다.

---

6. 손익분기 Starship 단가는 보수적으로 $200~300/kg이다

우주 데이터센터의 경제성은 간단히 보면 아래 식으로 정리된다.

허용 발사비 = 지상에서 아낄 수 있는 비용 - 우주에서 새로 드는 비용

조금 더 정확히 쓰면 다음이다.

허용 발사비 $/kg = (지상 회피 비용 $/kW - 우주 추가 제조비 $/kW) ÷ 우주시스템 질량 kg/kW

여기서 지상 회피 비용은 전력, 냉각, 건물, 전력망 접속, 인허가, 용수 비용이다.

우주 추가 제조비는 태양광, 방열판, 위성 본체, 광통신, 차폐, 중복 설계 비용이다.

보수적으로 보면 세대별 손익분기 발사비는 다음과 같다.

이 표가 핵심이다.

GB200 세대에서는 $500/kg로 부족하다.
Vera Rubin 세대에서도 $500/kg는 아직 높다.
Feynman/Kyber 세대까지 가면 상황이 조금 나아진다. 지상 인프라 비용은 오르고, 우주 부품은 대량 생산으로 싸질 수 있기 때문이다.

그래도 명확한 비용 우위를 말하려면 $250~300/kg 이하가 필요하다.

따라서 우주 데이터센터의 진짜 투자 thesis는 다음이다.

Starship 유효 발사비 $200~300/kg
우주시스템 총질량 40~60kg/kW
우주 추가 제조비 $8k~10k/kW 이하

여기서 “유효 발사비”라는 표현이 중요하다. 명목 발사비가 낮아도 실제로 Starship 내부 부피를 다 채우지 못하면 kW당 발사비는 올라간다. 태양광 패널과 방열판은 부피를 많이 차지한다. 그래서 핵심은 단순 $/kg가 아니라 Starship 1회 발사당 실제 몇 kW를 올릴 수 있느냐이다.

---

7. 현재와 thesis의 거리

현재 보수 추정의 우주 전용 비용은 $102,000/kW이다. 우리가 보는 목표 비용은 $16,000~28,000/kW이다.

이 차이를 kg 기준으로 환산하면 더 분명하다.

정리하면 다음이다.

현재 우주 데이터센터 비용은 아직 thesis보다 높다. 하지만 필요한 하락률은 분명하다.

우주 전용 비용은 현재보다 약 79% 낮아져야 한다.
전체 비용은 현재보다 약 69% 낮아져야 한다.
Starship이 $500/kg까지 내려와도, 추가로 40~60% 더 낮아져야 한다.

---

8. 투자 관점에서 봐야 할 지표

우주 데이터센터를 투자 테마로 볼 때는 “Starship이 성공했는가”만 보면 부족하다. 실제 비용 경쟁력은 아래 지표들이 함께 맞아야 생긴다.

결론적으로 우주 데이터센터는 아직 지상 데이터센터의 즉각적인 대체재가 아니다. 지금은 전력망, 냉각, 인허가 병목이 심해질수록 가치가 커지는 장기 인프라 옵션에 가깝다.

하지만 이 옵션의 가치는 작지 않다. AI 데이터센터는 점점 더 많은 전기를 요구한다. 지상에서는 전력망, 냉각, 용수, 인허가가 병목이 되고 있다. 반면 우주에서는 Starship 발사비 하락, 저가 실리콘 태양전지, 위성 대량생산이 동시에 진행될 수 있다.

따라서 앞으로 볼 핵심은 추상적인 우주 낙관론이 아니다.

Starship 유효 단가가 $500/kg에서 $300/kg, 다시 $200/kg로 내려가는지를 봐야 한다.
우주시스템 총질량이 40~60kg/kW 안에 머무는지를 봐야 한다.
우주 추가 제조비가 $8k~10k/kW 이하로 내려가는지를 봐야 한다.

가장 압축한 결론은 다음이다.

우주 데이터센터 thesis는 “Starship $500/kg”가 아니다. 핵심은 “Starship 유효 $200~300/kg + 우주시스템 40~60kg/kW + 우주 추가 제조비 $8k~10k/kW 이하”이다. 2026년 6월 기준 보수적 공개 추정치와 비교하면, 우주 전용 비용은 현재보다 약 79%, 전체 비용은 약 69% 더 내려가야 한다. 이 비용 하락이 현실화될 때 우주 데이터센터는 전력 병목 시대의 새로운 AI 인프라 옵션이 될 수 있다.

아직까지는 그렇게 현실성이 있어보이진 않는 느낌이다. 

그런데,  태양 흑점 폭발, 태양 플레어, 코로나질량방출, 고에너지 입자 폭풍 때문에 우주 데이터센터가 고장날 가능성 등 우주 기상 리스크는 고려대상이 아닌건가? 

SF우주 광팬으로 우주데이터센터는 너무 흥미로운 주제이다..

=끝

생각정리 290 (* 소부장, 코스닥-4)

코스닥에 변화가 있어보여 생각을 정리해본다.

(*개스닥아님)

광주·전남 반도체 클러스터와 AI 시대의 새로운 분배정치

1. 호남 산업투자 흐름이 심상치 않다

최근 다시 삼성전자와 SK하이닉스의 호남 반도체 투자 가능성이 거론되고 있다. 삼성전자와 SK하이닉스가 호남 지역에 반도체 공장을 새로 짓는 방안을 검토 중이며, 후보지로 광주광역시와 전남 장성 등이 거론된다고 한다. 

https://www.hani.co.kr/arti/economy/marketing/1262548.html

가끔 아내의 본가가 있는 광주에 내려가 시내를 둘러보면 늘 의아했던 장면이 있었다. 인구 유출이 이어지는 지역임에도 곳곳에서 대형 아파트단지 공사가 계속 진행되고 있었기 때문이다. 수요가 줄어드는 지역이라면 신규 주택 공급이 위축되는 것이 자연스러운데, 현실에서는 오히려 대단지 아파트 공사가 이어지고 있었다.

이번 광주·전남 반도체 클러스터 구상이 다시 부각되면서, 그동안 느꼈던 의문이 어느 정도 해소되는 느낌을 받았다. 단순한 주택 공급이 아니라, 장기 산업 재편과 지역 개발 기대가 이미 일부 반영되고 있었던 것은 아닐까 하는 생각이다.

2. 왜 광주·전남인가

개인적으로 광주·전남의 반도체 클러스터 방향은 현 정권의 정치적 이해관계와 맞물릴 수밖에 없다고 본다. 호남은 민주당의 상징적 기반이며, 지역 균형발전이라는 명분을 가장 강하게 적용할 수 있는 지역이다. 따라서 광주·전남에 대형 산업 클러스터를 조성하는 것은 정권 입장에서 산업정책과 지역정치를 동시에 만족시키는 카드가 될 수 있다.

물론 현실적 제약도 많다. 반도체 공장은 전력, 용수, 인허가, 토지 보상, 인력 수급이라는 거대한 조건을 필요로 한다. 광주·전남 역시 이 문제에서 자유롭지 않다. 다만 이 지역은 한전 본사, 태양광, 원전, 송전 인프라와 연결될 수 있는 지리적·산업적 기반을 갖고 있다.

[지역 편중 투자 논란] 전력·물·인력 갖춰진 게 없는데…호남에 '전공정 팹' 몰아주나

AI와 반도체 시대에 가장 부족한 자원이 결국 전력망과 유휴전력이라면, 광주·전남은 장기적으로 충분히 검토 가능한 입지라고 생각한다. 최근 SK그룹과 오픈AI의 합작 데이터센터 후보지로 광주 첨단지구가 거론됐다는 전자신문 보도 역시 이 지역이 AI 인프라 관점에서 주목받고 있음을 보여준다.

3. 삼성전자와 SK하이닉스는 무엇을 얻을까

삼성전자와 SK하이닉스가 얻을 수 있는 핵심은 두 가지다. 하나는 노조법 2·3조의 재조정 가능성, 다른 하나는 상법 개정에 따른 이익 배분 구조 변화다.

먼저 노조법 2·3조는 사용자 범위 확대, 노동쟁의 범위 확대, 손해배상 책임 제한을 주요 내용으로 한다. 이는 원청 기업의 책임을 넓히고 파업의 범위를 확장하는 방향이기 때문에, 반도체처럼 생산 중단 리스크가 큰 산업에서는 부담으로 작용할 수 있다. 생산라인이 멈추면 손실 규모가 크고 글로벌 공급 신뢰에도 영향을 주기 때문이다. 이런 특성 때문에 향후 제도는 산업 특성을 반영해 일정 부분 기업친화적으로 보완될 가능성이 있다. 관련 쟁점은 고용노동부 자료와 법률신문 해설에서 확인할 수 있다.

이 과정에서 기업이 국내 투자 확대나 반도체 생태계 강화에 협조할 경우, 정부는 파업 리스크를 낮추는 방향의 제도 조정을 검토할 수 있다. 원청 책임 범위나 쟁의행위 인정 기준이 다시 좁혀진다면, 기업 입장에서는 생산 안정성을 확보하는 효과가 있다.

동시에 상법 개정은 다른 방향의 압력을 만든다. 개정 상법은 이사의 충실의무를 주주까지 확대하고, 총주주의 이익 보호와 공평한 대우를 강조한다. 이는 기업 내부의 이익 배분, 특히 성과급 정책에 직접적인 영향을 줄 수 있다. 관련 내용은 BKL 상법 개정안 해설과 매일경제 태평양 상법개정 리포트에서 확인할 수 있다.

특히 HBM과 AI 메모리 사이클에서 초과이익이 발생할 경우, 그 이익을 어디에 배분할지가 핵심 쟁점이 된다. 주주들은 배당이나 자사주 매입, 장기 투자 확대를 요구할 가능성이 높고, 이에 따라 성과급 규모와 기준에도 제약이 생길 수 있다. 이 과정에서 성과급 총액 한도, 산정 기준 공개, 주주 승인 절차 등이 중요한 변수로 떠오른다. 관련 논의는 상법 제388조, 법률신문 판례 해설, 아시아경제 보도, 경제개혁연구소 자료에서 확인할 수 있다.

거액 성과급 달라는 노조에 칼빼든 정부, 주총 결의 의무화로 제동 - 매일경제

결국 두 기업이 얻는 것은 단순한 지원이 아니라 구조적 변화다. 한쪽에서는 노조 리스크 완화를 통해 생산 안정성을 확보하고, 다른 한쪽에서는 주주 중심의 이익 배분 규율이 강화된다. 이 두 흐름이 맞물리면서 반도체 기업의 초과이익은 노동, 생산, 주주 사이에서 재배분되는 구조로 이동하게 된다.

동시에 이 변화는 SK하이닉스와 삼성전자, 그리고 정부의 이해관계가 맞닿는 절충지점이기도 하다. 기업은 생산 안정성과 투자 환경을 확보하고, 정부는 산업 경쟁력과 고용을 유지하며, 주주는 이익 배분의 투명성과 통제를 강화하는 방향으로 서로의 요구가 교차하는 지점에서 제도적 균형이 형성될 가능성이 크다.

4. 환율 기조 변화도 중요하다

이번 정부발표에서 눈에 띄는 변화 중 또 다른 하나는 환율에 대한 태도다.

과거에는 원·달러 환율이 1400원대 후반으로 올라가면 환율 방어에 강하게 나서는 흐름이 있었다. 그러나 최근에는 고환율을 일정 부분 “뉴노멀”로 받아들이는 듯한 발언이 나왔다. 

거액 성과급 달라는 노조에 칼빼든 정부, 주총 결의 의무화로 제동 - 매일경제

삼성전자와 SK하이닉스 같은 수출기업은 원·달러 환율 상승의 수혜를 크게 받는다. 매출은 달러로 발생하고 비용의 상당 부분은 원화로 집행되는 구조이기 때문에, 환율 상승은 이익 레버리지를 크게 키운다.

물론 환율 상승은 수입물가와 민생 부담을 높인다. 그러나 반도체 수출기업 입장에서는 이익 확대 요인으로 작용한다. 정부가 환율을 과거만큼 강하게 방어하지 않는다면, 이는 반도체 기업의 실적과 국내 투자 여력에도 영향을 줄 수 있다.

5. 정부가 얻는 것은 무엇인가

정부 입장에서도 계산은 복잡하다.

삼성전자와 SK하이닉스가 수십조원 이상의 이익을 벌어들이고, 그중 상당 부분이 일부 임직원에게 성과급으로 지급된다면 사회적 박탈감은 커질 수 있다. 특히 부동산 가격이 민감한 상황에서 고소득 산업 종사자들의 구매력이 특정 지역에 집중되면, 자산 격차와 지역 간 불균형이 더 크게 부각될 수 있다.

반면 성과급의 일부를 조정하고, 그 재원을 국내 반도체 공장 투자로 전환한다면 정부는 여러 효과를 동시에 얻을 수 있다.

첫째, 국내 일자리를 만들 수 있다.
둘째, 지역 균형발전의 명분을 확보할 수 있다.
셋째, 대기업 초과이익에 대한 사회적 반감을 완화할 수 있다.
넷째, 민주당 전당대회를 앞두고 광주·전남 권리당원 지지층의 표심을 강화할 수 있다.

이런 관점에서 보면 광주·전남 반도체 클러스터는 단순한 산업정책이 아니라, 노동, 자본, 지역정치, 세수, 분배정책이 한꺼번에 얽힌 거대한 정치경제적 프로젝트에 가깝다.

(물론, 전자닉스 반도체 임직원들은 배가 좀아플 수도 있다. 줬다 뺏긴 느낌이 들지도 모르겠다.)

6. 광주라는 도시의 가능성

개인적으로 광주라는 도시에 대한 인상은 나쁘지 않다.

생각정리 162 (* 빛고을 광주)

인프라는 대도시로서 부족하지 않고, 대단지 아파트도 많다. 무엇보다 아직까지 주거비가 수도권과 비교할 수 없을 정도로 낮다. 물론 이것이 앞으로 반드시 가격 상승으로 이어진다는 뜻은 아니다. 그러나 대형 산업 클러스터가 실제로 조성되고, 장기 고용과 소득이 붙는다면 도시의 경제적 성격은 달라질 수 있다.

특히 반도체 산업은 단순 제조업이 아니다. 전력, 용수, 장비, 소재, 물류, 연구개발, 교육, 주거, 의료, 상업시설까지 연쇄적으로 수요를 만든다. 따라서 광주·전남 반도체 클러스터가 현실화된다면, 해당 지역의 부동산과 소비 인프라에도 장기적인 변화가 나타날 수 있다.

다만 이 투자는 지역 주민과 민주당 핵심 지지층에게는 긍정적으로 받아들여질 가능성이 크지만, 다른 지역 국민들에게는 형평성 논란을 만들 수도 있다. 특정 지역에 대규모 전략산업 투자가 집중될 경우, 국가 산업정책이 지역정치의 도구로 사용되는 것 아니냐는 반감이 생길 수 있기 때문이다.

실제로 호남 반도체 투자 구상이 보도된 이후 지역 간 형평성 논란도 함께 제기되고 있다. 따라서 이 정책은 단순히 “호남에 공장을 짓는다”는 차원을 넘어, 영남·충청·수도권과의 산업 배치 균형까지 함께 설계되어야 한다.

7. 정치적 리스크는 여전히 남아 있다

광주·전남 반도체 클러스터가 정치적으로 강력한 카드인 것은 맞지만, 이것만으로 현 정권의 리스크를 모두 덮기는 어렵다.

이재명 대통령을 둘러싼 사법 리스크, 검찰개혁 방향, 보완수사권 문제, 특검 이슈 등은 여전히 정치적 부담으로 남아 있다.

https://www.youtube.com/watch?v=y5k-z8tyuYg
원래 이렇게 말을 잘하셨었나?

특히 검찰개혁은 민주당이 오랜 기간 추진해온 핵심 과제였지만, 최근 흐름은 지지층 내부에서도 복잡한 반응을 만들 수 있다.

https://weekly.chosun.com/news/articleView.html?idxno=52940

결국 관건은 하나다. 광주·전남 반도체 클러스터라는 대형 산업정책이 지지율 이탈을 얼마나 방어할 수 있느냐다. 지역경제와 산업정책의 성과가 가시화된다면 일정 부분 방어 효과가 있겠지만, 사법 리스크와 권력운영 방식에 대한 피로감이 더 커진다면 그 효과는 제한적일 수 있다.

8. AI 시대에는 더 많은 세금과 분배가 불가피하다

마지막으로 더 큰 틀에서 보면, 이번 논쟁은 AI 시대의 분배정치와도 연결된다.

현 정책실장의 지속적인 분배 강조, 증세 가능성, 초과이익의 사회적 환류 발언은 당장은 많은 국민의 반감을 살 수 있다. 특히 세금 부담에 민감한 중산층과 자산 보유층은 이런 발언을 불편하게 받아들일 가능성이 크다.

그러나 장기적으로 보면 방향 자체를 완전히 부정하기는 어렵다. AI가 확산될수록 생산성의 과실은 소수의 자본, 데이터, 전력, 반도체, 플랫폼을 보유한 기업과 개인에게 집중될 가능성이 높다. 반대로 AI의 혜택을 충분히 누리지 못하거나, 노동시장에서 밀려나는 사람들은 더 많아질 수 있다.

앤트로픽은 AI가 노동시장에 미칠 영향을 다룬 정책 프레임워크에서 실업률뿐 아니라 경제활동참가율, 불완전고용, 임금, 노동소득분배율을 함께 봐야 한다고 제안했다. 관련 내용은 Anthropic Economic Policy Framework에서 확인할 수 있다.

또한 앤트로픽은 실제 노동시장 데이터를 분석한 글에서 현재까지 AI가 고용에 영향을 미쳤다는 강한 증거는 제한적이지만, 향후 노동시장 충격을 측정할 새로운 프레임워크가 필요하다고 설명했다. 관련 내용은 Anthropic Labor Market Impacts of AI에 정리되어 있다.

9. 알트먼과 아모데이의 차이

샘 알트먼과 다리오 아모데이의 문제의식은 비슷하다. AI가 생산성을 끌어올리면 전체 부는 커지지만, 인간 노동의 협상력은 약해질 수 있다는 것이다. 다시 말해 AI 시대의 핵심 문제는 성장이 아니라 풍요를 어떻게 나눌 것인가가 될 수 있다.

샘 알트먼은 2021년 글 Moore’s Law for Everything에서 소프트웨어가 사람이 하던 일을 더 많이 수행하게 되면 경제적 힘이 노동에서 자본으로 이동할 것이라고 봤다. 그는 공공정책이 이에 적응하지 못하면 대부분의 사람들이 더 나빠질 수 있다고 경고했다.

알트먼은 별도 글 American Equity에서도 자동화가 막대한 풍요를 만들 수 있지만, 사람들이 경제성장의 혜택을 더 직접적으로 누릴 수 있어야 전환을 더 쉽게 받아들일 수 있다고 주장했다.

반면 아모데이는 보다 정책 당국자에 가까운 접근을 취한다. 앤트로픽의 Economic Policy Framework는 AI에 따른 노동시장 충격 강도에 따라 정책 대응을 단계화해야 한다고 제안한다. 실업률이 상승하면 실업보험, 임금보험, 직업 전환 지원, 기본 생활비 지원, 국부펀드, 지분공유 같은 장치를 검토해야 한다는 방향이다.

이 차이를 간단히 정리하면 이렇다.

개인적으로는 알트먼의 접근이 장기적으로 더 강한 사회계약이라고 본다. 사람은 단순히 보호받는 존재로 남고 싶어 하지 않는다. 내가 사회의 성장에 참여하고 있고, 미래의 상승분에 지분을 갖고 있다는 감각이 중요하다.

현금 배당은 필요하다. 그러나 현금 배당만으로는 “나는 생산에서 밀려난 사람이고 국가는 나를 부양한다”는 심리를 만들 수 있다. 반면 AI 생산자본의 지분을 나누는 방식은 “나는 AI 경제의 소유자 중 한 명이다”라는 인식을 만들 수 있다.

이 차이는 정치적으로 매우 크다. 전자는 복지 논쟁으로 흐르기 쉽지만, 후자는 국민 자본주의, 시민 소유, 공동 성장의 언어로 확장될 수 있다.

10. 가장 현실적인 해법은 3층 구조다

그렇다고 지분배분만으로 충분한 것은 아니다. 실업은 즉시 발생하지만, 지분 수익은 천천히 쌓인다. 해고된 사람에게 10년 뒤 AI 국부펀드 가치가 커질 것이라고 말하는 것은 현실적인 답이 되기 어렵다.

따라서 가장 현실적인 해법은 세 가지를 결합하는 방식이라고 본다.

첫째, 현금 바닥이다.
실업보험, 임금보험, 전환수당, 기본 생활비 지원은 노동시장 충격이 왔을 때 사회가 무너지지 않도록 시간을 벌어준다. 이는 아모데이식 안전망에 가깝다.

둘째, 시민 AI 자본계정이다.
모든 성인에게 AI 생산자본에 대한 장기 지분을 부여하되, 단기 매각이나 담보대출은 제한해야 한다. 그렇지 않으면 금융회사가 미래 배당권을 할인 매입하면서 다시 자산 불평등이 커질 수 있다. 이는 알트먼의 American Equity 구상과 맞닿아 있다.

셋째, compute 접근권이다.
AI 시대의 생산수단은 단순히 주식만이 아니다. GPU, 모델 접근권, 에이전트 사용량, 데이터센터, 전력이 모두 새로운 생산수단이 된다. 알트먼은 Abundant Intelligence에서 AI 접근권이 경제의 핵심 동력이 될 수 있으며, 언젠가는 기본적 권리처럼 여겨질 수 있다고 말했다.

11. 투자자는 무엇을 봐야 하는가

투자 관점에서 AI와 반도체 산업을 바라볼 때 단순한 사이클 논리로 접근하는 것은 점점 한계가 있다. 현재 반도체 산업은 과거의 메모리 업황 반등을 넘어, AI 데이터센터와 HBM 수요가 만들어낸 구조적 장기 호황 국면으로 진입하고 있다.

2026.06.25 SK Hynix
근 2m만에 26년 이익 추정치가 70조원 이상 상승하는 기적..
27년 op 추정은 넘 과한가 싶을정도..

2026.03.31 sk hynix

2026.06.24 Micron

2026.05.20 Micron

2026.06.24 SEC

전자는 성과급 충당금 이슈로 어닝추정 어질..


이 과정에서 삼성전자와 SK하이닉스 같은 IDM 기업에 막대한 이익이 집중되는 구조가 형성되고 있다. 그러나 중요한 변화는 이 초과이익이 기업 내부에만 머무르지 않을 가능성이 높다는 점이다. 산업 구조상 이익이 특정 기업에 과도하게 집중될 경우, 정부와 정책은 이를 완화하려는 방향으로 움직일 수밖에 없다.

이 흐름 속에서 자연스럽게 등장하는 것이 이익의 간접적 재분배다. 공급망 안정성, 국내 산업 생태계 육성, 정치경제적 균형이라는 이유로 대형 IDM과 소부장 업체 간 협상 구조가 변화할 가능성이 있다. 실제로 시장에서는 과거보다 가격 인하 압력이 완화되거나 일부 품목에서 가격 협상력이 개선되는 움직임이 나타나고 있다는 해석도 나온다.

또 하나 중요한 변수는 정책 자금과 세수 구조다. 반도체 초과이익은 법인세 증가로 이어지고, 이는 국가전략펀드나 산업 지원 정책으로 재배분될 가능성이 있다. 이 자금이 소부장 국산화, 장비 투자, 첨단 패키징 생태계로 연결된다면, 반도체 산업의 이익은 대형주를 넘어 중소형 기술기업으로 확산될 수 있다.

결국 투자자가 봐야 할 핵심은 단순하다.

첫째, 삼성전자와 SK하이닉스가 창출하는 초과이익의 규모와 지속성이다.
둘째, 그 이익이 정책과 산업 구조를 통해 어디로 흘러가는지다.
셋째, 그 과정에서 공급망 내 협상력과 수익성이 개선되는 기업이 누구인지다.

이 세 가지를 종합하면 하나의 결론으로 수렴한다. 코스닥 소부장 업체들을 다시 봐야 한다는 것이다.

지금까지 시장은 AI 반도체 수혜를 대형 메모리 기업 중심으로 해석해왔다. 그러나 다음 국면에서는 공급망 내 병목을 가진 기업, 가격 협상력이 개선되는 기업, 정책 자금의 수혜를 받는 기업 중심으로 관심이 이동할 가능성이 높다. 이는 단순한 업황 반등이 아니라 밸류에이션 체계 자체가 바뀌는 리레이팅 국면일 수 있다.

광주·전남 반도체 클러스터 역시 같은 맥락에서 이해할 수 있다. 이는 단순한 지역 투자 프로젝트가 아니라, 반도체 초과이익을 국내 산업 생태계와 지역경제로 환류시키려는 구조적 시도일 가능성이 높다.

더 큰 틀에서 보면, AI 시대의 핵심은 단순한 생산성 향상이 아니라 초과이윤의 분배 구조다. AI 도입은 기업의 마진을 개선시키지만, 그 효과가 누적될수록 정치권은 세금, 규제, 투자 유도 등을 통해 이익의 일부를 사회로 환류시키려 할 가능성이 커진다.

따라서 앞으로 투자자는 단순히 “어떤 기업이 AI로 돈을 버는가”를 넘어서, 그 이익이 어떻게 재분배되고 어떤 산업과 기업으로 확산되는지를 함께 봐야 한다. 이 흐름을 읽는 것이 다음 투자 국면의 핵심이 될 수 있다.

12. 결론

광주·전남 반도체 클러스터는 산업정책이면서 동시에 지역정치이고, 기업의 비용 구조와 정부의 분배정책이 만나는 지점이다.

정부는 지역 일자리와 지지 기반을 얻을 수 있고, 기업은 노사관계와 성과급 부담, 환율 수혜, 국내 투자 명분을 동시에 조정할 수 있다. 지역은 장기 성장의 기회를 얻지만, 다른 지역에서는 형평성 논란이 생길 수 있다.

더 큰 틀에서는 AI 시대의 분배 문제가 이미 시작되고 있다. 반도체, 전력, 데이터센터, AI 모델, compute를 가진 기업과 그렇지 못한 개인 사이의 격차는 앞으로 더 커질 가능성이 높다.

투자 관점에서도 같은 변화가 나타날 수 있다. 지금까지 AI 반도체 투자는 삼성전자와 SK하이닉스 같은 대형 IDM 중심으로 해석되어 왔다. 그러나 다음 국면에서는 반도체 초과이익이 국내 소부장 생태계로 어떻게 확산되는지가 훨씬 중요해질 수 있다.

김용범 “반도체 투자 너무 커... 진짜냐 싶을 정도로 낯설 것”
말을 좀 조리있게 잘해주시면 좋을거 같은데, 맥락 앞뒤 다짤라먹고 결론만 말하니 불신의 아이콘이 되버린 느낌.. 

개차전지, 바이오, 산업재는 잘 모르겠다.

올초 광주 -> 영광 백수해안도로에서 와이프와 함께
원전, 해상풍력단지 볼 수 있음..

무엇보다 광주 전남은 어느 음식점을 가도 음식이 다 맛있고
서비스 밑반찬도 엄청많음..

=끝

생각정리 289 (* 양극화, 쏠림, 산업재)

시클리컬 산업재에 변화가 있는듯 싶어 업데이트해본다.

시클리컬 산업재 업데이트: 화학·자동차는 수요 둔화, 정유는 마진 레버리지

올해 시클리컬 산업재를 볼 때 가장 중요한 포인트는 업종별 희비가 극단적으로 갈릴 수 있다는 점이다. 같은 비용 충격을 맞더라도, 최종 소비자에게 가격을 전가하지 못하는 산업은 실적 둔화로 연결될 가능성이 크다. 반면 원재료 조달비용은 내려가고 제품 스프레드는 유지되는 산업은 오히려 마진 레버리지를 얻을 수 있다.

이 관점에서 보면 화학과 자동차는 실물수요 둔화 신호, 정유는 원유 조달비용 하락과 제품 공급 타이트가 동시에 발생하는 수혜 업종으로 나눠볼 필요가 있다.

---

1. NCC 스프레드가 말하는 연말 소비둔화 시그널

가장 먼저 봐야 할 지표는 NCC 스프레드다. 최근 에틸렌-나프타 processing spread는 6월 초 -$110.13/t까지 밀렸고, 6월 22일에는 -$54.50/t로 일부 회복됐지만 여전히 마이너스권에 머물렀다. 같은 날 CFR Japan 나프타 가격은 $674.50/t였다. 이는 나프타 원가가 내려오더라도 에틸렌 가격이 충분히 따라오르지 못하고 있다는 뜻이다. 결국 화학제품 수요가 강해서 가격을 밀어 올리는 국면이 아니라, 원가 상승을 제품 가격으로 전가하지 못하는 국면에 가깝다.

자료: SunSirs, Analysis of China Naphtha and Processing Spread Trends

NCC 스프레드가 중요한 이유는 단순히 석유화학 업황만 보여주는 지표가 아니기 때문이다. 나프타에서 에틸렌, PE, PP, 합성고무, 플라스틱, 포장재, 자동차 내장재, 가전 부품으로 이어지는 체인은 최종 소비재 수요와 연결돼 있다. 스프레드가 마이너스권에 머문다는 것은 다운스트림 업체들이 높은 원료 가격을 받아주지 못하고 있다는 뜻이며, 이는 실물수요 약화 → 화학제품 주문 감소 → 가동률 조정 → 연말 내구재 소비 둔화로 이어질 수 있다.

특히 화학제품은 주문과 생산 사이에 시차가 있다. 6월에 주문이 들어와야 8월 공장이 돌고, 8~9월 생산이 정상화돼야 10~11월 연말 소비 시즌 물량이 채워진다. 따라서 6월부터 화학제품 주문과 스프레드가 약하면 단순한 월간 부진이 아니라, 하반기 가동률 하락과 재고 조정의 선행 신호로 봐야 한다. 이 점에서 최근 NCC 스프레드 악화는 연말 소비둔화 가능성을 보여주는 가장 빠른 소재 체인 신호다.

---

2. 자동차 판매둔화도 화학 수요 약화와 같은 실물수요 신호다

자동차 판매둔화는 화학 수요 약화와 같은 방향의 신호다. 자동차는 플라스틱, 고무, 타이어, 도료, 내장재, 배터리 소재 등 화학제품을 대량으로 사용하는 대표 내구재다. 신차 수요가 둔화되면 화학제품 수요도 후행적으로 약해진다. 따라서 NCC 스프레드 악화는 소재 체인의 가격 전가 실패, 신차판매 둔화는 최종 소비자의 구매 저항을 보여준다.

최근 글로벌 신차판매는 전지역 동시 폭락은 아니지만, 수요의 질이 약해지는 흐름이 뚜렷하다. J.D. Power·GlobalData는 2026년 4월 글로벌 경차 판매가 전년 대비 -3.4%, 5월은 -1.8% 감소할 것으로 전망했고, 2026년 글로벌 판매 전망도 9,170만 대에서 9,110만 대로 하향했다.
자료: J.D. Power·GlobalData, May 2026 Forecast

지역별로 보면 중국이 가장 약하다. CPCA 기준 중국 5월 승용차 리테일 판매는 151만 대, -22.1% YoY였고, NEV 리테일 판매도 95만 대, -7.5% YoY로 감소했다. 이는 단순한 월별 노이즈라기보다, 고유가·소비심리 약화·가격 피로가 겹친 내수 구매력 약화 신호로 해석할 수 있다.
자료: WSJ, China Auto Sales Stayed Weak in May

미국은 헤드라인 판매가 버티고 있지만, 내용은 강하지 않다. 5월 미국 신차 판매는 전년 대비 플러스였지만, 평균 월 할부금은 $810, 인센티브는 대당 $3,297, 전년 대비 +20.7% 증가했다. 네거티브 에쿼티 trade-in 비중도 30.4%까지 높아졌다. 이는 소비자가 신차 가격을 자연스럽게 받아들이는 국면이 아니라, 할인·리스·장기할부로 월 납입 부담을 낮춰야 판매가 유지되는 국면이라는 뜻이다.
자료: J.D. Power·GlobalData, May 2026 Forecast

정리하면 자동차는 화학 수요 둔화의 후행 확인 지표다. 칩플레이션 → 전장화 비용 상승 → 유가·화학소재 가격 상승 → 금리 상승 → 월 납입 부담 증가 → 리스·중고차·구매연기 확대가 동시에 나타나고 있다. 이 흐름은 자동차뿐 아니라 세탁기, 냉장고, 휴대폰 같은 내구재 소비에도 같은 방식으로 작동한다.

---

3. 중국 신차판매 둔화의 구조적 원인: 보조금 축소와 공급망 금융 축소

중국 신차판매 둔화는 단순한 경기 둔화만으로 설명하기 어렵다. 그동안 중국 전기차 시장은 보조금, 세제 혜택, 가격 인하, 장기 결제 기반 공급망 금융이 동시에 작동하면서 성장했다. 그러나 올해 들어 이 구조가 흔들리고 있다.

첫 번째 변화는 NEV 세제 혜택 축소다. 중국의 신에너지차 구매세 혜택은 2025년까지 전액 면제 구조였지만, 2026~2027년에는 50% 감면, 차량당 최대 1.5만 위안 감면으로 줄어든다. 소비자 입장에서는 실질 구매비용이 올라가는 효과가 발생한다. 보조금이 줄어드는 구간에서는 수요가 앞당겨진 뒤 공백이 나타날 수 있고, 이는 중국 전기차 판매 둔화의 한 축으로 작동한다.
자료: 중국 국가세무총국, NEV purchase tax policy

두 번째 변화는 OEM의 공급망 금융 축소다. BYD, FAW, Seres, Geely, Chery, Xpeng, Xiaomi Auto 등 주요 중국 완성차 업체들은 부품업체 결제주기를 60일 이내로 단축하겠다고 약속했다. 기존에는 일부 자동차 부품업체 결제주기가 9개월 이상으로 늘어나는 경우도 있었고, 이는 완성차 업체가 하청업체 신용을 사실상 운전자금처럼 활용해온 구조를 의미한다.
자료: China Daily, Carmakers expedite paying suppliers

이 결제주기 단축은 판매 둔화의 직접 원인이라기보다, 가격 인하 여력과 재고 밀어내기 능력을 낮추는 공급망 금융 축소 요인이다. 부품업체 대금 지급이 빨라지면 완성차 업체의 현금흐름 부담은 커지고, 공격적인 할인으로 수요를 끌어올리는 능력은 약해진다. 가격 경쟁은 계속되는데 보조금과 공급망 금융이 줄어들면, 중국 OEM의 수익성 압박은 더 커질 수밖에 없다.

따라서 중국 신차판매 둔화는 단순한 일시적 수요 공백이 아니라, 중국식 전기차 성장모델의 비용 구조가 한계에 도달하고 있다는 신호로 볼 수 있다. 과거에는 보조금과 공급망 신용을 활용해 판매량을 밀어붙일 수 있었지만, 이제는 그 방식이 점점 어려워지고 있다.

---

4. 원유시장은 정상화되지만, 아시아 정유사에는 새로운 기회가 생긴다

정유와 원유시장은 화학·자동차와 다른 방향으로 봐야 한다. 호르무즈 해협 재개통 이후 원유 공급이 시장으로 다시 들어오면서 유가는 빠르게 하락했고, 시장은 지정학적 리스크 프리미엄을 줄이기 시작했다. 최근 보도에 따르면 Brent는 배럴당 75달러 아래로 내려왔고, 호르무즈 통행 개선과 이란 공급 회복 기대가 원유 가격을 압박하고 있다.
자료: Times of India, crude falls as Hormuz traffic improves

아시아 중동산 원유 가격의 핵심 기준은 Dubai/Oman이다. 따라서 이번 사이클에서 중요한 것은 Dubai/Oman과 사우디 OSP가 얼마나 내려가느냐다. 아시아 정유사 입장에서는 중동산 원유 조달단가가 낮아지는지가 실적 레버리지의 핵심이다.

https://tradingeconomics.com/commodity/brent-crude-oil

사우디는 7월 아시아향 Arab Light OSP를 전월 대비 배럴당 6달러 인하했고, Dubai/Oman 평균 대비 프리미엄은 +$9.50/bbl로 낮아졌다. 아직 절대적인 의미에서 OSP가 마이너스로 전환된 것은 아니지만, 방향은 분명히 OSP 인하 사이클이다.
자료: BOE Report, Saudi Arabia sharply cuts July OSP for Asia

여기에 이란산 원유가 공개 시장으로 복귀하고, OPEC+를 탈퇴한 UAE도 아시아 거래선을 확보하려 한다면 사우디는 기존 고객을 방어하기 위해 추가 OSP 인하를 선택할 가능성이 높다. 실제로 호르무즈 리스크가 완화되고 공급이 늘어나면서 아시아 정유사들이 중동산 원유 구매 속도를 늦추고 있다는 보도도 나온다. 이는 중동 산유국 입장에서 아시아 거래선 확보 경쟁을 더 강하게 만들 수 있다.
자료: Moneycontrol/Bloomberg, Asian refiners slow Middle East crude buying

빠르게 정상화 수순으로 돌아가는 호르무즈 해협

이 경우 중동산 원유 비중이 높은 아시아 정유사에는 원유 조달비용 하락이라는 강한 레버리지가 발생한다. 과거 미국 정유사가 WTI 할인 효과를 누렸다면, 이번에는 Dubai/Oman과 중동 OSP 하락이 아시아 정유사에 유사한 효과를 줄 수 있다. 즉 원유 가격 하락은 정유사에 무조건 악재가 아니라, 제품 스프레드가 유지되는 한 조달비용 하락에 따른 마진 개선 요인으로 작동할 수 있다.

https://www.reuters.com/business/energy/saudi-arabia-sharply-cuts-july-osp-asia-amid-slow-demand-2026-06-08/

---

5. 원유 가격은 정상화돼도 정유제품 공급은 바로 정상화되지 않는다

이번 정유시장 업데이트의 핵심은 원유 가격은 정상화되더라도 정유제품 공급은 정상화되지 않는다는 점이다. 원유는 항로가 열리고 제재가 완화되면 비교적 빠르게 시장에 다시 들어올 수 있다. 그러나 휘발유, 경유, 항공유 같은 정유제품은 정유설비 가동률, 제품별 수율, 재고, 선박 스케줄, 보험료, 품질 규격을 모두 거쳐야 한다. 이 때문에 원유 가격은 먼저 내려가도 제품 가격은 더 늦게 내려가는 시차가 발생한다.

IEA도 2026년 글로벌 refinery crude throughputs가 전년 대비 -200만 b/d 감소하고, 2분기에는 전년 대비 -470만 b/d 감소할 것으로 전망했다. 2027년에는 정제 투입량이 회복될 수 있지만, 그 전까지는 원유 공급 정상화와 정유제품 공급 정상화 사이에 시차가 남을 가능성이 크다.
자료: IEA Oil Market Report, June 2026

특히 항공유와 중간유분은 병목이 크다. 항공유는 단순한 석유제품이 아니라 등유 계열의 고품질 제품이며, 고고도·저온 환경에서 안정적으로 작동해야 하기 때문에 품질 규격이 까다롭다. 저장과 운송에도 별도 인프라가 필요해 비축 여력이 크지 않다. 중동 정유시설과 물류 인프라가 전쟁으로 훼손된 상황에서는 원유 흐름이 정상화돼도 제품 공급이 바로 회복되기 어렵다.
자료: Bipartisan Policy Center, diesel and jet fuel prices

이 시차가 아시아 정유사에는 기회가 된다. 원유 가격과 OSP가 내려가는데, 항공유·경유·휘발유 스프레드가 버티면 정제마진은 높아진다. 즉 유가 하락이 정유사에 무조건 악재로 작동하는 것이 아니라, 원유 조달단가 하락 + 제품 스프레드 유지라는 조합으로 이익 레버리지를 만들 수 있다.

결국 이번 시클리컬 업데이트는 두 갈래로 정리된다. 화학과 자동차는 가격 전가 실패와 소비자 구매 저항이 동시에 나타나는 수요 둔화 국면이다. 반면 정유는 원유 공급 정상화와 중동 OSP 인하가 조달비용을 낮추고, 정유제품 공급 타이트가 스프레드를 지지하는 국면이다.

---

결론: 올해와 내년은 산업별 희비가 극단적으로 갈릴 수 있다

올해와 내년까지는 산업별 희비가 극단적으로 갈릴 가능성이 높다. AI 투자가 전 세계 자금과 물자를 빨아들이면서 반도체와 전력 인프라에 이례적인 수요를 만들었고, 이는 칩플레이션으로 먼저 나타났다. 이후 비용 압력은 화학소재, 금속, 부품, 물류비로 확산되며 소재 인플레이션으로 번졌다. 여기에 금리 상승까지 겹치면서 완성품 가격은 올라갔지만, 소비자는 더 이상 그 가격을 쉽게 받아주지 못하는 구간에 들어섰다.

이 과정에서 원가 상승분을 제품 가격으로 전가하지 못하는 산업은 소비자 저항에 부딪히고, 이는 하반기 판매 둔화와 실적 악화로 드러날 가능성이 크다. 화학제품 스프레드 악화와 글로벌 신차판매 둔화는 이 흐름을 이미 보여주고 있다. 반대로 원재료 조달단가는 낮아지는데 제품 스프레드는 유지되는 산업은 같은 매크로 환경에서도 이익 레버리지를 얻을 수 있다. 정유가 대표적이다.

따라서 하반기 투자 포인트는 단순히 경기민감주 전체를 좋게 보거나 나쁘게 보는 것이 아니다. 핵심은 가격 전가에 실패하는 산업과 스프레드 레버리지가 발생하는 산업을 구분하는 것이다. AI가 만든 1) 칩플레이션, +2) 소재 인플레이션, +3) 금리 상승이 동시에 작동하는 환경에서는 업종 간 격차가 더 커질 수밖에 없다.

결국 올해와 내년의 시클리컬 산업재는 수요 둔화에 노출된 산업과 비용 하락을 마진으로 흡수하는 산업 사이에서 극단적인 차별화가 나타나는 장세가 될 가능성이 높다.

#글을 마치며

새롭게 변화하는 시장 흐름을 기존의 관성으로만 해석하면,
지금의 극단적인 쏠림을 비정상적인 현상으로만 받아들이기 쉽다.

그러나 중요한 것은 이를 단순히 부정하는 것이 아니라,
시장이 왜 과거와 다른 움직임을 보이는지 새롭게 해석하려는 태도이며,
이런 접근이 오히려 수익률 측면에서 더 유효할 수 있지않을까 한다. 

과연 비정상의 정상화란 뭘까.?

변화하는 상황과 맥락을 충분히 고려하지않은채,
과거에 그랬으면 현재도 그래야 정상이고, 
과거에 그러지 않았는데 현재는 그렇다면 비정상인가?

이런 획일적인 잣대로 모든 현상을 바라보고 해석하기 시작하면, 
사회를 지나치게 정적인 사회로 바라볼 수 밖에 없다. 

그러나 사회는 끊임없이 변하고, 시장은 그 변화를 가장 빠르게 반영하는 공간이다.

특히 AI가 사회 전반에 막대한 영향을 미치기 시작한 지금,
과거의 기준만으로 현재를 재단하는 시각은 오히려 위험할 수 있지 않나 싶다. 

=끝