2026년 3월 24일 화요일

생각정리 208 (* ARM CPU, TSMC, Memory)

최근 다모다란의 인터뷰,
어제 Arm Holdings의 키노트 스피치,
그리고 최근 더욱 선명해지고 있는 TSMC의 전략적 위상 변화는 서로 다른 주제를 다루는 듯 보이지만, Agent AI 시대라는 하나의 흐름 위에서 읽을 때 공통된 의미를 갖는다.

이 세 가지는 연산 구조의 재편, 설계와 제조의 권력 이동, 그리고 AI 가치사슬의 주도권 변화를 중심으로 재구성되고 있음을 보여준다.

이 글에서는 이 세 흐름을 하나의 축으로 묶어, Agent AI 시대의 중요한 변화가 어디에서 시작되고 어디로 향하는지를 정리해보고자 한다.

핵심요지

1. Agent AI 시대의 핵심은 모델 성능 경쟁보다 실행 구조 경쟁이다.
앞으로 AI의 가치는 답변 품질 자체보다, 실제 업무를 얼마나 안정적으로 수행하고 반복 실행할 수 있느냐에서 커질 가능성이 높다.

2. 이 구조에서는 GPU만이 아니라 CPU의 전략적 중요성이 다시 올라온다.
에이전트형 AI는 작업 분배, 도구 호출, 코드 실행, 오류 재시도, 결과 통합 같은 운영 기능이 많아 CPU가 시스템의 조정자 역할을 맡게 된다.

3. Arm의 투자포인트는 단순 CPU 판매 확대가 아니라 CPU 역할의 재정의다.
CPU가 범용 연산 보조가 아니라 AI 시스템의 운영 계층 핵심으로 격상되면, Arm의 TAM과 가치평가 기준도 함께 바뀔 수 있다.

4. 메모리는 단순 부품이 아니라 Agent AI의 기억 인프라가 된다.
중간 결과 저장, 문맥 유지, 상태 추적, 검색 기반 호출이 중요해질수록 물리적 메모리와 시스템 메모리 구조의 전략적 가치가 동시에 높아진다.

5. 결국 늘어나는 AI 수요는 선단공정과 첨단 패키징 병목으로 수렴한다.
GPU뿐 아니라 CPU, 제어 로직, 인터커넥트, 메모리 관련 칩까지 함께 증가하면, 최종적으로는 TSMC의 선단공정 희소성이 더 부각될 가능성이 크다.

6. 따라서 Agent AI 시대의 수혜는 단일 칩이 아니라 실행 인프라 전반으로 확산된다.
Arm은 운영 계층, 메모리는 상태 유지 계층, TSMC는 최종 제조 병목 계층에서 각각 구조적 수혜를 받을 가능성이 있다.

한 줄로 더 줄이면 이렇다.

Agent AI 확산은 GPU 중심의 AI 투자 프레임을 CPU·메모리·선단공정까지 넓히는 변화이며, Arm과 TSMC의 전략적 가치도 이 구조 속에서 다시 평가될 가능성이 크다.

Agent AI 시대, 왜 CPU·메모리·Arm·TSMC를 함께 봐야 하는가

AI 산업의 다음 단계는 단순히 모델이 더 똑똑해지는 문제가 아니다.
핵심은 AI가 실제 일을 대신 처리하는 구조가 얼마나 빨리 넓어지느냐다.

이 점에서 지금 가장 중요한 변화는 에이전트형 AI다.
에이전트형 AI는 질문에 답하는 데서 끝나지 않는다. 목표를 받고, 일을 나누고, 필요한 도구를 고르고, 코드를 실행하고, 중간 결과를 다시 점검한 뒤 수정한다. 말 그대로 디지털 직원에 가까운 구조다.

시장도 빠르게 움직이고 있다. 가트너는 2026년 말까지 기업용 응용프로그램의 40%가 특정 업무용 AI 에이전트를 갖추게 될 것이라고 전망했다. 현재는 5% 미만 수준이다. 변화 속도가 상당히 빠르다는 뜻이다. (가트너)

1. AI 시대의 기회는 “더 좋은 답변”보다 “실제 실행”에서 커진다

다모다란이 강조한 핵심은 분명하다.
AI 시대에 더 중요해지는 것은 추론력, 맥락을 엮는 능력, 이야기로 정리하는 능력, 서로 다른 정보를 연결하는 능력이다. 반복 업무는 AI가 빠르게 대체할 수 있지만, 무엇이 중요한지 가르고 의미를 부여하는 일은 더 희소해진다. (Aswath Damodaran)

이 관점은 산업에도 그대로 들어맞는다.
앞으로 가치가 커지는 것은 단순히 “모델 성능”이 아니다. 그 모델이 실제로 일을 하게 만드는 구조가 더 중요해진다.

에이전트형 AI는 바로 그 구조다.
그래서 앞으로 AI 인프라 수요는 단순 계산 수요가 아니라, 실행 수요로 번지게 된다.

2. 애널리스트·투자자에게 남는 비교우위도 달라진다

이 변화는 투자 업무에도 직접 연결된다.
예전에는 정보를 빨리 모으고, 엑셀을 빨리 돌리고, 반복 작업을 많이 처리하는 능력이 강점이었다.

이제는 그 구간의 가치가 조금씩 내려간다.
대신 더 중요한 것은 무엇을 물어봐야 하는지 아는 능력이다.

예를 들어, 이제는 뉴스 기사나 실적 발표 내용을 바로 숫자 모델로 바꾸고, 이전 대화 맥락을 이어서 시나리오를 다시 점검하고, 기업 변수와 거시 변수까지 한 번에 넣어 비교하는 일이 훨씬 빨라진다. 이런 작업은 AI가 상당 부분 대신할 수 있다.

그렇다고 인간의 강점이 사라지는 것은 아니다.
오히려 비교우위가 더 위쪽으로 올라간다.

앞으로 더 중요해지는 것은 다음과 같은 능력이다.

문제를 잘 정의하는 능력
중요한 변수와 중요하지 않은 변수를 가르는 능력
AI가 그럴듯하게 만든 오류를 걸러내는 능력
정치·산업 변화 같은 비정형 정보를 숫자로 번역하는 능력
투자 판단의 일관성을 유지하는 능력
비중 조절과 위험 관리

즉, AI 시대의 애널리스트 비교우위는 정보 접근이나 작업 속도보다,
질문 설계, 맥락 통합, 검증, 의사결정 규율 쪽으로 이동한다.

이 점이 중요하다.
에이전트형 AI는 애널리스트를 대체한다기보다, 판단력을 더 위 단계로 끌어올리는 도구에 가깝기 때문이다.

3. 에이전트형 AI 시대에는 CPU가 다시 중심으로 올라온다

에이전트형 AI가 늘어날수록, 시스템 전체를 움직이는 축은 더 복잡해진다.

AI가 실제 일을 하려면 다음 같은 과정이 반복된다.

작업 순서 정하기
외부 도구 부르기
데이터 다시 읽기
코드 실행하기
여러 결과 묶기
오류 나면 다시 시도하기

이런 일은 대부분 GPU가 아니라 CPU가 맡는다.
GPU가 계산을 한다면, CPU는 전체 시스템을 운영하고 조정한다.

Arm은 최근 이 점을 강하게 강조하고 있다.
AI 데이터센터가 커질수록 CPU는 보조 부품이 아니라, 전체 흐름을 조정하는 중심축이 된다고 설명한다. 또 Arm 기반 데이터센터용 CPU는 이미 10억 개 이상의 코어가 배치됐고, 2025년에는 상위 대형 클라우드 사업자에 들어가는 컴퓨트의 절반 가까이 Arm 기반이 될 것이라고 밝혔다. (Arm Newsroom)

이 숫자가 의미하는 것은 단순하다.
Arm은 미래 가능성만 있는 회사가 아니라, 이미 설치 기반을 갖춘 상태에서 AI용 CPU 수요 확대의 중심에 들어가고 있는 회사라는 점이다. (Arm Newsroom)

4. Arm의 진짜 투자포인트는 “CPU 판매”보다 시장의 재정의에 있다

ARM Holdings

Arm AGI CPU의 핵심은 “Arm도 CPU를 만든다”가 아니다.
더 중요한 것은 CPU가 담당하는 시장의 범위가 커지고 있다는 점이다.

ARM은 현재 CPU 시장 기회(TAM) 를 약 30억 달러로 보고 있으나, AGI CPU 사업 확장을 통해 해당 시장이 장기적으로 1,000억 달러 규모까지 커질 수 있다고 전망하고 있다. 더 나아가 회사는 2030년까지 전체 TAM을 1조 달러 이상으로 확대하는 것을 목표로 하고 있다.

예전의 CPU 시장은 범용 서버 중심이었다.
하지만 에이전트형 AI 시대에는 CPU가 맡는 일이 훨씬 늘어난다.

예를 들면,

AI 가속기 조정
작업 분배
실행 환경 관리
중간 결과 연결
시스템 제어
보안 경로 관리

같은 일들이다.

즉, 앞으로의 CPU 시장은 단순 서버 교체 시장이 아니라,
AI 시스템 전체를 굴리는 운영 계층 시장으로 넓어진다.

이 때문에 시장 크기도 다시 봐야 한다.

또 Arm은 누적 3,500억 개 이상의 칩 출하 기반을 갖고 있다. 여기에 이미 대형 클라우드 사업자 안에서 Arm 기반 서버 비중이 빠르게 올라오고 있다. 결국 Arm의 강점은 새 시장에 “이제 들어가는 것”이 아니라, 이미 깔려 있는 생태계 위에서 더 큰 시장을 맞이한다는 점이다. (Arm Newsroom)

정리하면 Arm의 투자포인트는 이렇다.

CPU가 더 많이 팔린다는 수준이 아니다.
CPU가 맡는 역할 자체가 더 중요해지고, 그만큼 Arm이 접근 가능한 시장도 커진다는 것이다.

5. CPU가 중요해질수록 메모리의 전략적 가치도 같이 커진다

에이전트형 AI는 한 번 묻고 한 번 답하는 구조가 아니다.
중간 결과를 저장해야 하고, 이전 작업을 기억해야 하며, 맥락을 이어가야 한다.

이 때문에 메모리는 단순 부품이 아니다.
시스템의 기억 저장소가 된다.

여기서 메모리는 두 층으로 봐야 한다.

첫째는 실제 반도체로서의 메모리다.
고대역폭 메모리, 디램 같은 하드웨어가 여기에 들어간다.

둘째는 시스템 안의 기억 구조다.
세션 기록, 긴 문맥 저장, 검색용 데이터베이스, 중간 저장 지점 같은 것이 여기에 포함된다.

에이전트형 AI가 늘어날수록 이 둘 다 중요해진다.
CPU가 전체 흐름을 조정하더라도, 뒤에서 메모리가 상태를 안정적으로 저장하고 다시 꺼내주지 못하면 시스템 품질이 급격히 떨어진다.

이 문제는 현장에서도 이미 드러나고 있다.
블룸버그에 따르면 OpenAI의 최고운영책임자 브래드 라이트캡은 2026년 3월 행사에서, 현재 AI 인프라 확장의 병목으로 메모리 부족을 지목했다. 과거에는 전력이 문제였지만, 지금은 메모리가 더 직접적인 제약으로 떠오르고 있다는 뜻이다. (Bloomberg.com)

OpenAI가 최소 10기가와트 규모의 엔비디아 시스템 배치를 추진한다고 밝힌 점까지 함께 보면, AI 인프라 병목이 단순 계산 칩 부족이 아니라 계산을 떠받치는 메모리와 전력 체계 전체로 이동하고 있다는 점이 더 분명해진다. (OpenAI)

6. 결국 마지막 병목은 TSMC 선단공정으로 모인다

TSMC

counterpoint

이제 마지막으로 봐야 할 것은 TSMC다.
현재 선단공정은 이미 AI용 GPU와 맞춤형 반도체 수요만으로도 빠듯하다.

TSMC는 2025년 AI 가속기 관련 매출이 두 배 성장할 것으로 봤고, 이를 맞추기 위해 고급 패키징 설비도 늘리고 있다고 밝혔다. 또 3나노와 5나노 수요가 타이트한 상태가 몇 년 이어질 수 있다고 설명했다. (TSMC)

여기에 에이전트형 AI 확산으로 CPU 수요까지 본격적으로 붙으면 상황은 더 빡빡해질 수 있다.
중요한 것은 CPU 수요 증가가 GPU 수요를 대신하는 것이 아니라, 전체 AI 시스템이 필요로 하는 실리콘 양 자체를 늘린다는 점이다.

앞으로 늘어날 것은 GPU만이 아니다.

고성능 CPU
시스템 제어용 로직
인터커넥트 주변 칩
메모리 제어 관련 칩

까지 같이 늘어날 가능성이 높다.

이 구조에서는 TSMC의 선단공정이 단순한 생산설비가 아니다.
AI 인프라 전체를 실제로 늘릴 수 있느냐를 결정하는 핵심 병목 자산이 된다.

특히 TSMC는 2나노 공정이 고객의 에너지 효율형 컴퓨팅 수요를 겨냥하고 있고, 거의 모든 주요 반도체 혁신 기업이 TSMC와 함께 일하고 있다고 밝혔다. (TSMC)

결국 Agent AI 시대가 갈수록,
CPU와 메모리의 중요성이 커질수록,
TSMC 선단공정의 희소성도 같이 커질 가능성이 높다.

결론

에이전트형 AI의 확산은 단순히 “AI가 더 좋아진다”는 뜻이 아니다.
AI가 실제로 더 많은 일을 대신하는 구조가 열린다는 뜻이다.

이 구조가 커질수록 CPU는 다시 중심으로 올라온다.
메모리는 시스템의 기억과 연속성을 지탱하는 핵심이 된다.

그리고 이 모든 수요가 실제 칩 수요로 이어질수록, 마지막 병목은 TSMC 선단공정으로 모이게 된다.

애널리스트와 투자자의 비교우위도 여기서 다시 정의된다.
앞으로 중요한 것은 단순 정보 수집이나 반복 작업 속도가 아니다.

무엇을 물어야 하는지, 무엇이 핵심 변수인지, 무엇이 그럴듯한 오류인지, 어떤 판단 틀을 끝까지 유지할 것인지가 더 중요해진다.

한 문장으로 정리하면 이렇다.

Agent AI 시대의 본질은 모델 경쟁이 아니라 실행 구조 경쟁이며, 그 과정에서 CPU와 메모리의 전략적 가치가 커지고, Arm은 그 운영 계층의 수혜를 받을 가능성이 높으며, 최종적으로는 TSMC 선단공정의 희소성이 더 부각될 가능성이 크다.

=끝

2026년 3월 23일 월요일

생각정리 207 (* LNG, 전력인프라 value chain)

이란발 중동 전쟁 이후 재편될 에너지 지도를 살펴보고,
그중에서도 새롭게 주목받을 미국 LNG 산업 체인을 다시 정리해본다.

https://www.washingtonpost.com/world/2026/03/23/iran-war-us-lng-exports-taiwan-trump-asia-natural-gas/

중동 리스크 이후 다시 주목받는 미국산 천연가스

그런데 이번에는 AI 전력부족까지 같이 봐야 한다

최근 에너지 시장에서 가장 중요한 변화는 단순한 유가나 가스가격이 아니다.
더 중요한 것은 전기를 안정적으로 공급할 수 있는가다.

예전에는 에너지를 얼마나 싸게 들여올 수 있는지가 더 중요했다.
지금은 다르다.
이제는 공급이 끊기지 않는 것, 그리고 필요한 시점에 전력을 충분히 확보할 수 있는 것이 더 중요해지고 있다.

중동 리스크가 커질수록 이런 흐름은 더 강해진다.
유럽과 아시아는 특정 지역 의존도를 낮추려 하고, 미국산 LNG는 그 대안으로 더 자주 거론된다. 동시에 미국 안에서는 AI 데이터센터 확산으로 전력 수요가 빠르게 커지고 있다. 즉, 지금 시장은 단순히 “가스를 누가 파느냐”보다 누가 전력 부족을 해결하는 핵심 자산을 갖고 있느냐까지 보기 시작했다. (IEA)

이 지점에서 투자 포인트가 바뀐다.
LNG 수출만 보면 Cheniere와 Venture Global이 가장 눈에 띈다.
하지만 AI 확산에 따른 전력부족까지 프레임에 넣으면, Sempra와 GE Vernova가 훨씬 더 매력적으로 보일 수 있다. (Gevernova)

왜 미국산 천연가스가 여전히 중요할까

미국은 셰일가스를 바탕으로 세계적인 천연가스 생산국이 됐다.
여기에 LNG 수출 설비도 계속 늘고 있다.

EIA는 미국 LNG 수출이 신규 설비 램프업에 힘입어 계속 증가할 것으로 보고 있다. Plaquemines, Corpus Christi Stage 3, Golden Pass 같은 프로젝트가 본격 가동되면 미국 LNG 수출 능력은 크게 늘어난다. 이건 미국산 천연가스가 단순히 국내 연료가 아니라 글로벌 공급망의 핵심 자원이 된다는 의미다. (미국 에너지 정보청)

그런데 이제는 이 흐름만으로는 부족하다.
AI 데이터센터가 늘어나면 미국 안에서도 전력 수요가 더 커진다.
전력 수요가 커지면 결국 필요한 것은 세 가지다.

첫째, 안정적인 연료다.
둘째, 가스를 옮길 수 있는 인프라다.
셋째, 전기를 실제로 만들고 보낼 수 있는 설비다.

즉, 지금 시장은 LNG 수출, 가스 운송, 전력 인프라를 한 번에 연결해서 보기 시작했다. (IEA)

먼저 아주 쉽게 정리하면

이번에 볼 기업은 6곳이다.

Venture Global
Cheniere Energy
NextDecade
Sempra
Kinder Morgan
GE Vernova

이 회사들을 가장 쉽게 나누면 아래와 같다.

1. 가스를 해외에 파는 회사

Venture Global
Cheniere
NextDecade
Sempra

2. 가스를 운송하는 회사

Kinder Morgan

3. 전기를 만들고 보내는 설비 쪽 수혜 회사

GE Vernova

이 구분이 중요한 이유는 단순하다.
같은 천연가스 테마라도 돈을 버는 방식이 다르기 때문이다.

어떤 회사는 LNG 가격이 오를 때 더 좋다.
어떤 회사는 물량이 늘 때 더 좋다.
어떤 회사는 전력설비 발주가 늘 때 더 좋다.

그래서 지금 같은 국면에서는 “가스가 좋다”가 아니라,
어느 구간에서 실적이 가장 직접적으로 늘어나는가를 봐야 한다.

이번 글의 핵심 결론

먼저 결론부터 정리하면 이렇다.

LNG 수출 테마에 가장 공격적인 회사: Venture Global
LNG 업종에서 가장 안정적인 대표주: Cheniere
프로젝트 기대감이 큰 회사: NextDecade
가스 물량 증가의 안정적 수혜주: Kinder Morgan
AI 전력부족과 LNG를 함께 담는 하이브리드: Sempra
AI 전력부족 테마의 가장 직접적인 장비 수혜주: GE Vernova

즉, 이번에는 투자 우선순위를 이렇게 볼 수 있다.

LNG 수출 확대만 보면 Cheniere, Venture Global
AI 전력부족까지 같이 보면 Sempra, GE Vernova
가장 안정적인 인프라 축은 Kinder Morgan
가장 높은 개발 옵션은 NextDecade

이제부터는 왜 그렇게 보는지,
각 회사의 핵심 경쟁력과 실적 연결고리를 중심으로 풀어보겠다.

1. Venture Global

가장 공격적인 종목

Venture Global

Venture Global은 여전히 이번 비교군에서 가장 공격적인 회사다.
좋게 말하면 실적 탄성이 가장 크다.
반대로 말하면 변동성도 가장 크다.

이 회사의 핵심 경쟁력은 빠른 증설 속도와 유연한 판매 구조다.
최근 회사 측은 실적 발표에서 미국이 현재 시장 교란 국면에서 가장 큰 추가 LNG 공급 여력을 가진다고 설명했다. 또 2026년 예상 생산능력의 69%가 이미 계약돼 있고, 추가 단·중·장기 계약도 더 붙을 수 있다고 했다. (The Motley Fool)

이 말은 결국 이런 뜻이다.
Venture Global은 단순히 LNG 설비를 갖고 있는 회사를 넘어,
시장 상황이 좋아질수록 수익을 더 크게 키울 수 있는 구조를 가진 회사다.

그래서 만약 앞으로

미국산 LNG에 대한 수요가 더 커지고
글로벌 LNG 가격이 강하고
중동 리스크로 미국 공급 프리미엄이 높아진다면

가장 크게 반응할 후보 중 하나가 Venture Global이다. (The Motley Fool)

다만 이번 글의 핵심은 여기서 한 걸음 더 나간다.
Venture Global은 LNG 수출 테마에는 가장 공격적이지만,
AI 전력부족 테마에는 직접성이 상대적으로 낮다.
전력 부족의 수혜가 이 회사에 오려면, 결국 가스 수요 증가가 LNG 쪽으로 번지는 한 단계를 더 거쳐야 한다.

즉, 이 회사는 여전히 강한 종목이지만,
이번 프레임에서는 **“미국 LNG 수출 확대의 대표 공격주”**로 보는 편이 더 정확하다.

2. Cheniere Energy

가장 정석적이고 가장 완성도 높은 LNG 대표주

Cheniere Energy

Cheniere는 미국 LNG 업종에서 가장 완성도 높은 회사 중 하나다.
이미 대규모 액화설비를 운영하고 있고, 장기계약도 많이 확보하고 있다.

Cheniere의 핵심 경쟁력은 세 가지다.

첫째, 검증된 대형 설비 운영 능력이다.
둘째, 장기계약 기반의 안정적인 현금흐름이다.
셋째, 추가 증설과 마케팅 기능이다.

회사는 2025년 실적 발표에서 2026년 Adjusted EBITDA 가이던스를 67.5억~72.5억 달러로 제시했고, Corpus Christi Stage 3 확대와 장기 SPA 체결을 함께 강조했다. 2026~2030년 100억 달러 이상 자사주 매입 계획도 제시했다. 이것은 경영진이 향후 현금흐름 가시성을 매우 높게 본다는 뜻이다. (Cheniere Energy, Inc.)

쉽게 말하면 Cheniere는
**“이미 돈 버는 구조가 완성된 LNG 우량주”**다.

그래서 미국산 LNG 확대라는 큰 흐름에 투자하고 싶지만,
Venture Global처럼 높은 변동성은 부담스럽다면
Cheniere가 가장 정석적인 선택이 된다.

다만 여기서도 구분이 필요하다.
Cheniere는 AI 전력부족 테마의 직접 수혜주라기보다,
여전히 미국 LNG 수출 강세의 코어 종목에 더 가깝다.

즉, 이번 프레임에서는
“가장 안정적인 LNG 대표주”라는 위치는 여전히 유효하지만,
Sempra나 GE Vernova처럼 전력 부족 자체를 푸는 회사는 아니다.

3. NextDecade

지금보다는 미래 기대감이 중요한 회사

NextDecade

NextDecade는 앞의 두 회사와 결이 다르다.
이 회사는 지금 당장 얼마를 버느냐보다,
앞으로 프로젝트가 얼마나 현실화되느냐가 더 중요하다.

회사의 최근 비즈니스 업데이트를 보면, 핵심은 명확하다.
Rio Grande LNG의 공정률이 올라가고 있고, 첫 LNG 생산은 2027년 상반기로 예상된다. 회사는 일부 물량에 대해 forward selling도 진행하고 있다. (NextDecade Corporation)

이 회사의 핵심 경쟁력은
프로젝트 자체의 잠재 가치다.

즉, NextDecade는 현재 실적보다

공사 진행
추가 계약
자금 조달
생산 개시
장기 확장성

이 더 중요하다.

그래서 이 회사는 개발 옵션성이 크다.
프로젝트가 잘 풀리면 기업가치가 크게 재평가될 수 있다.
반대로 말하면, 아직은 안정적인 실적주라기보다 개발주에 가깝다.

이번 프레임에서 보면 NextDecade는
LNG 수출 확대의 장기 옵션이기는 하지만,
AI 전력부족 테마와 직접 연결되는 회사는 아니다.

4. Sempra

이번 프레임에서 더 매력적으로 보이는 이유

이번에 관점이 바뀌면서 가장 다시 봐야 하는 회사가 Sempra다.

Sempra의 핵심 경쟁력은
유틸리티 자산과 LNG 인프라 자산을 동시에 갖고 있다는 점이다.

이 구조가 왜 중요할까.

순수 LNG 회사는 업황이 좋을 때 실적이 빠르게 늘 수 있다.
하지만 변동성도 크다.
반면 유틸리티는 안정적이지만 성장성이 제한적일 수 있다.

Sempra는 이 두 가지를 동시에 가진다.

유틸리티 사업이 안정성을 받쳐 주고
LNG 자산이 성장 옵션을 제공하며
자산 재편과 파트너십으로 자본을 효율적으로 돌릴 수 있다

회사는 최근 실적 발표에서 2025년 조정 순이익과 2030년 EPS outlook를 제시했고, Port Arthur LNG Phase 2 FID와 Sempra Infrastructure 지분 45% 매각을 함께 발표했다. 또 회사 IR에서는 기술 섹터의 growing demand for energy를 지원할 수 있는 위치를 강조하고 있다. (Sempra)

바로 이 지점이 중요하다.
Sempra는 단순히 LNG를 수출하는 회사가 아니다.
미국 내 전력 수요 확대, 특히 AI와 데이터센터로 인한 전력 압박이 커질수록 더 주목받을 수 있는 구조다.

왜냐하면 전력 부족은 결국
연료 확보뿐 아니라 전력망과 가스망, 그리고 장기 인프라 투자 문제이기 때문이다.

Sempra는 이 문제를 푸는 쪽에 더 가깝다.
유틸리티 자산이 있고, 가스 인프라가 있고, LNG 개발 옵션도 있다.

그래서 이번 프레임에서는 Sempra를
**“LNG 회사”가 아니라 “미국 에너지 인프라 재편 수혜주”**로 보는 편이 더 정확하다.

이 점 때문에,
AI 전력부족까지 함께 보면 Sempra의 투자 매력은 분명히 높아진다.

5. Kinder Morgan

가장 안정적인 수혜주

Kinder Morgan은 가스를 직접 수출하는 회사가 아니다.
대신 가스를 옮기는 회사다.

이 회사의 핵심 경쟁력은
북미 전역에 걸친 대규모 가스 인프라 네트워크다.

LNG 수출이 늘어나려면 가스를 생산지에서 액화터미널까지 옮겨야 한다.
발전용 가스 수요가 늘어나도 마찬가지다.
결국 가스가 더 많이 움직이면, Kinder Morgan 같은 회사가 수혜를 본다.

최근 회사는 2025년 4분기 실적에서 backlog 100억 달러를 제시했고, Natural Gas Pipelines 사업의 강한 성과와 함께 backlog의 대부분이 천연가스 관련 프로젝트라고 설명했다. 회사는 또 프로젝트 중 상당 부분이 power generation 관련이라고 밝혔다. (키너 모건 투자자 관계)

이 말은 무엇을 뜻하나.

Kinder Morgan은 단순히 LNG 테마만 받는 것이 아니다.
미국 내 전력 수요 증가가 가스 발전 수요를 자극하면,
그 물량 증가도 함께 받는다.

그래서 이번 프레임에서 Kinder Morgan은
생각보다 더 중요한 회사다.

다만 이 회사는 좋은 의미로 너무 안정적이다.
즉, 실적 가시성은 높지만,
주가의 탄성이나 시장의 흥분도는 GE Vernova나 Sempra보다 낮을 수 있다.

그래서 Kinder Morgan은
이번 테마에서 핵심 인프라 축이지만,
가장 강한 주가 모멘텀 종목은 아닐 수 있다.

6. GE Vernova

이번 프레임의 가장 직접적인 수혜주

GE Vernova

이번 글에서 가장 중요하게 다시 봐야 할 회사는 GE Vernova다.

AI 데이터센터가 늘어날수록 필요한 것은 결국 전기다.
전기를 더 빨리, 더 많이, 더 안정적으로 공급하려면
가스터빈, 발전설비, 송전·변전 장비가 필요하다.

GE Vernova의 핵심 경쟁력은 바로 여기에 있다.

가스터빈 기술력
Power 장비 공급 능력
Electrification 사업
큰 backlog와 실적 가시성

회사는 2025년 실적 발표에서 backlog가 1,500억 달러로 늘었고, Power와 Electrification에서 강한 모멘텀이 이어지고 있다고 밝혔다. 또 2026년에도 가스 슬롯 예약을 실제 주문으로 전환하고, grid equipment에 대한 강한 수요와 가격을 기대한다고 설명했다. (Gevernova)

이건 단순 기대감이 아니다.
이미 수요가 backlog로 잡히고 있다는 뜻이다.

그래서 GE Vernova는
이번 프레임에서 가장 직접적인 AI 전력부족 수혜주라고 볼 수 있다.

가스가격이 오르든 내리든,
결국 전력이 부족하면 설비는 깔아야 한다.
발전소를 짓고, 터빈을 설치하고, 계통을 연결해야 한다.

그 병목 구간에 있는 회사가 GE Vernova다.

그래서 LNG 수출만 보는 시각보다,
AI 확산과 전력 부족까지 같이 보는 시각에서는
GE Vernova의 매력이 훨씬 더 커진다.

그래서 어떻게 이해하면 좋을까

이제 가장 쉽게 정리해보자.

미국산 LNG 수출 확대만 볼 때

이때는 Cheniere와 Venture Global이 더 직접적이다.

Cheniere는 가장 안정적인 LNG 대표주다.
Venture Global은 가장 공격적인 LNG 수출주다.

AI 확산으로 미국 내 전력 부족까지 함께 볼 때

이때는 Sempra와 GE Vernova가 더 매력적이다.

Sempra는 전력망, 가스망, LNG 옵션을 함께 가진다.
GE Vernova는 발전설비와 전력장비를 공급한다.

가스가 더 많이 움직이는 흐름 자체에 투자하고 싶을 때

이때는 Kinder Morgan이 좋다.

LNG 수출이 늘어도 좋고
발전용 가스 수요가 늘어도 좋다

미래 프로젝트 가치에 베팅하고 싶을 때

이때는 NextDecade를 볼 수 있다.

다만 이 회사는 안정적인 실적주보다 개발주에 가깝다.

가장 쉽게 한 줄씩 요약하면

Venture Global: LNG 수출 확대의 가장 공격적인 수혜주
Cheniere: 가장 안정적인 LNG 우량주
NextDecade: 프로젝트 가치가 중요한 개발주
Sempra: AI 전력부족과 LNG를 함께 담는 인프라 하이브리드
Kinder Morgan: 가스 물량 증가의 안정적 수혜주
GE Vernova: AI 전력부족 테마의 가장 직접적인 장비 수혜주

핵심 경쟁력까지 한 줄로 더 붙이면 이렇다.

Venture Global: 빠른 증설과 높은 실적 탄성
Cheniere: 대형 설비와 장기계약 기반 현금흐름
NextDecade: 프로젝트 개발가치와 확장 옵션
Sempra: 유틸리티 안정성과 LNG 성장 옵션의 결합
Kinder Morgan: 대규모 가스 운송 인프라 네트워크
GE Vernova: 가스터빈과 전력설비 기술·백로그 경쟁력

최종 결론

앞으로 중동 리스크가 반복되고,
유럽과 아시아가 안정적인 에너지 공급처를 더 중요하게 본다면,
미국산 LNG의 전략적 가치는 계속 높아질 가능성이 크다. 미국 LNG 수출도 신규 설비 램프업으로 증가할 전망이다. (미국 에너지 정보청)

하지만 이번에는 여기서 한 걸음 더 가야 한다.
AI 확산으로 미국 안에서 전력 수요가 빠르게 커지고 있기 때문이다. IEA도 데이터센터를 향후 전력수요 증가 요인으로 꼽고 있다. (IEA)

이렇게 되면 투자 판단은 달라진다.

단순히
**“미국산 LNG가 좋다”**에서 끝나면 안 된다.

더 중요한 질문은 이것이다.

누가 LNG를 팔아서 돈을 버는가
누가 가스를 옮기며 돈을 버는가
누가 전력 부족을 해결하는 설비를 팔며 돈을 버는가

이 차이를 이해해야 한다.

내 생각을 다시 정리하면 이렇다.

LNG 수출 확대의 코어는 Cheniere
LNG 수출 강세의 가장 공격적인 선택은 Venture Global
AI 전력부족까지 넣으면 가장 흥미로운 축은 Sempra와 GE Vernova
가장 안정적인 인프라 수혜주는 Kinder Morgan
가장 높은 개발 옵션은 NextDecade

결국 이번 국면은
한 회사만 좋은 국면이 아니다.

지금은 전력 부족을 실제로 해결할 수 있는 회사들이 더 높은 평가를 받을 가능성이 있다.

그 관점에서 보면
이번 국면에서 가장 다시 봐야 할 회사는
Sempra와 GE Vernova다.

#글을 마치며

유세프 페제시키안의 텔레그램 채널에 올라오는 글들을 보면, 이란 권력 내부를 움직이는 힘은 현실적 계산보다 종교적 신념과 이념에 더 가까워 보인다.

혁명수비대 강경파에게는 외교적 논리나 이성적 접근이 쉽게 작동하지 않는다. 이번 전쟁은 그 사실을 다시 확인시켰다.

글로벌 에너지 안보를 이들에게 사실상 맡기는 것은 지나치게 위험하다는 인식이 점차 시장의 공통된 판단으로 자리 잡지 않을까 한다.

=끝

2026년 3월 19일 목요일

생각정리 206 (* PCB MLB, CCL, Glass Fiber, Nvidia Rubin)

이전글에 이어 NVIDIA Rubin 시리즈 전환에 따라 구조적 수혜가 기대되는 투자 아이디어를 추가로 리서치해 정리한다.

NVIDIA Rubin 시대, 왜 유리섬유·CCL·MLB PCB가 함께 중요해지는가

최근 기술 발전 흐름을 보면, AI 서버의 성능은 더 이상 칩 자체만으로 설명되기 어렵다.

TSMC의 3nm 이하 선단 로직 공정과 메모리 병목이 이어지면서, 이를 보완하고 시스템 효율을 높이는 인터커넥트 기술의 중요성이 한층 커지고 있기 때문이다.

이번 글에서는 엔비디아 차세대 루빈 시리즈의 구조적 변화를 중심으로, 이에 따라 수요 확대가 기대되는 기판과 그 안에서 주목할 소재를 살펴보고자 한다.

특히 NVIDIA가 Hopper → Blackwell → Rubin → Rubin Ultra Kyber로 세대를 올려가면서, 시장은 이제 GPU 자체뿐 아니라 그 GPU를 연결하는 기판 구조의 변화를 함께 봐야 하는 단계에 들어왔다.

이 변화의 핵심을 한 문장으로 정리하면 이렇다.

Rubin 시대에는 케이블 중심 연결에서 기판 중심 연결로 무게중심이 이동하고, 그에 따라 MLB PCB·고사양 CCL·고성능 유리섬유의 중요성이 함께 커진다.

1. 먼저 큰 그림부터: Rubin에서 무엇이 달라지는가

기존 AI 서버도 이미 매우 복잡했지만, Rubin 세대로 갈수록 서버 내부 연결은 더 정교해진다.

특히 핵심 변화 중 하나는 케이블 비중 축소와 기판 기반 인터커넥트 확대다.

Rubin 랙부터는 compute tray 내부에서 기존 구리 케이블을 줄이고,
그 역할 일부를 MLB PCB가 담당하는 방향으로 구조가 진화하고 있다.

쉽게 말하면 이렇다.

예전에는 부품끼리 선으로 많이 연결했다면,
이제는 기판 자체가 더 정교한 도로망 역할을 하게 되는 것이다.

이 변화가 의미하는 바는 명확하다.

기판이 더 많은 신호를 처리하려면

더 많은 회로층이 필요하고
더 넓은 면적을 가져야 하며
더 빠른 신호를 더 적은 손실로 보내야 하고
열과 뒤틀림도 더 잘 버텨야 한다

즉, 기판의 난도가 급격히 올라간다.

2. 그래서 주목해야 하는 것이 MLB PCB다

Rubin 시대를 이해할 때 가장 먼저 봐야 하는 소재 축 중 하나가 MLB PCB다.

MLB는 쉽게 말해 여러 핵심 부품 사이를 연결하는 대형 고성능 기판이다.
GPU와 NIC, DPU, 스위치 계열 신호가 오가는 중심 통로 역할을 한다.

문제는 Rubin 세대의 MLB가 단순한 보드가 아니라는 점이다.

이제 MLB는

더 많은 신호를 동시에 처리해야 하고
신호 속도도 더 빨라져야 하며
대면적 구조를 가져야 하고
층수도 더 높아져야 한다

그래서 Rubin에 적용되는 MLB는 30~40층 이상의 고다층 구조 필요성이 커지고 있다.

비유하자면,
예전에는 왕복 4차선 도로면 충분했다면,
이제는 초고속 대형 입체 교차로가 필요해진 것이다.

그렇다면 자연스럽게 다음 질문이 나온다.

이런 MLB를 만들려면 무엇이 필요할까?

답은 더 높은 grade의 CCL이다.

3. MLB가 고도화될수록 왜 고사양 CCL이 필요해지는가

PCB는 구리만으로 만들어지지 않는다.
기판 내부에는 회로를 지지하는 절연 재료가 들어가는데, 그 대표적인 것이 CCL(Copper Clad Laminate) 이다.

쉽게 말하면 CCL은
구리 회로가 올라가는 절연 기판 재료다.

MLB가 고다층화되고 고속화될수록 CCL에는 더 높은 수준의 성능이 요구된다.

왜냐하면 신호 속도가 빨라질수록 재료가 신호를 방해하면 안 되기 때문이다.
또 층수가 많아지고 면적이 커질수록 열과 뒤틀림을 더 잘 버텨야 한다.

그래서 Rubin 세대로 갈수록 시장이 주목하는 것이 바로 M7급 이상 고사양 CCL, 더 나아가 M8·M9급 프리미엄 CCL이다.

여기서 핵심은 단순히 “비싼 기판 재료를 쓴다”는 뜻이 아니다.

고사양 CCL이 필요하다는 것은 결국

신호 손실을 더 줄여야 하고
더 높은 주파수 환경을 견뎌야 하며
대면적 고다층 구조에서도 품질이 흔들리지 않아야 한다

는 뜻이다.

즉 Rubin은 고급 GPU 시대일 뿐 아니라, 동시에 고급 CCL 시대이기도 하다.

https://m.blog.naver.com/techref/224098578008
CCL (* Copper Clad Laminate) 동박적층판의 구성요소

4. 실제로 Rubin에서 MLB PCB와 프리미엄 CCL 수요는 얼마나 늘어나는가

이 부분이 이번 글에서 가장 중요한 추가 포인트다.

많은 사람이 Rubin을 단순히 “Blackwell보다 한 단계 더 좋은 차세대 서버” 정도로 이해하지만,
실제로 소재 관점에서 보면 더 정확한 해석은 이렇다.

Rubin은 PCB MLB와 프리미엄 CCL의 수요 구조를 한 단계 바꾸는 세대 전환이다.

기준을 Blackwell NVL72 rack = 1.0x로 놓고 보면,
세대별 수요의 감각은 아래처럼 정리할 수 있다.

세대별 비교의 큰 흐름

Hopper: 아직 구세대 HGX 중심 구조
Blackwell: NVL72 기반으로 MLB와 고사양 CCL 수요가 본격 확대
Rubin NVL72: 같은 72 GPU rack이라도 재료 grade와 보드 난도가 한 단계 상승
Rubin Ultra Kyber: NVL144/NVL576로 scale-up되면서 수요가 구조적으로 점프

이를 가장 단순하게 정리하면 다음과 같다.

세대별 수요 비교 요약

이 표에서 봐야 할 핵심은 단순하다.

첫째, Hopper에서 Blackwell로 갈 때는 고사양 기판 수요가 본격화되는 단계다.
둘째, Blackwell에서 Rubin NVL72로 갈 때는 같은 72 GPU rack이어도 재료 등급이 올라간다.
셋째, Rubin Ultra Kyber로 가면 단순 업그레이드가 아니라 수요 구조 자체가 점프한다.

5. 왜 Rubin NVL72는 같은 72 GPU인데도 수요가 2배 가까이 늘어나는가

Rubin NVL72는 Blackwell NVL72와 마찬가지로 같은 72 GPU rack이다.

그렇다면 “왜 소재 수요가 1.8배, 2배씩 늘어나느냐”는 질문이 자연스럽다.

이유는 기구물 숫자 자체가 아니라 재료의 난도와 grade mix가 올라가기 때문이다.

같은 72 GPU rack이라도 Rubin에서는

더 높은 신호 무결성 요구
더 높은 인터커넥트 밀도
더 커진 MLB/backplane 부담
더 빡빡해진 loss budget

이 동시에 발생한다.

즉 단순한 수량 증분이 아니라
같은 1개 rack 안에 더 비싼 재료, 더 높은 등급의 기판이 더 많이 들어가는 구조가 되는 것이다.

그래서 Rubin NVL72 단독만 놓고 봐도

Premium CCL 물량은 Blackwell 대비 1.8~2.3배
Premium CCL 금액 기준은 2.2~3.0배
PCB MLB 물량은 1.7~2.2배
PCB MLB 금액 기준은 2.0~2.8배

수준으로 추정하는 것이 합리적이다.

여기서 중요한 포인트는
면적 증가보다 grade mix 상승 효과가 더 크다는 점이다.

즉 시장은 단순히 “얼마나 많이 쓰느냐”만 볼 것이 아니라
M7/M8 중심에서 M8/M9 중심으로 얼마나 빨리 올라가느냐를 함께 봐야 한다.

6. 본게임은 Rubin Ultra Kyber다

진짜 구조적 변화는 Rubin Ultra Kyber에서 나타난다.

Kyber는 Rubin Ultra를 NVL144 또는 NVL576까지 scale-up하는 구조이며,
핵심은 576 GPU 연결이다.

이 말은 곧 GPU scale-up domain이 Blackwell NVL72나 Rubin NVL72 대비 8배 수준으로 커진다는 뜻이다.

물론 CCL이나 MLB 수요가 기계적으로 정확히 8배가 되는 것은 아니다.

왜냐하면

일부 구조는 공유 인프라라서 8배보다 덜 늘고
반대로 premium CCL은 M9 비중 확대 때문에 금액 기준으로 더 크게 뛰며
MLB는 spine/backplane/switching density 증가로 난도가 더 가파르게 올라가기 때문이다

그래서 가장 합리적인 해석은 다음과 같다.

Blackwell rack 대비 Vera Rubin Kyber는

Premium CCL(M7~M9급) 물량: 약 8.5~11.0배**
Premium CCL dollar content: 약 18~22배
PCB MLB 물량: 약 6.5~8.0배
PCB MLB dollar content: 약 16~21배

수준의 구조적 업그레이드로 보는 것이다.

이 숫자가 의미하는 바는 매우 크다.

Kyber는 단순히 더 큰 서버가 아니라,
프리미엄 CCL과 MLB PCB의 산업 구조를 상향 이동시키는 이벤트에 가깝다.

7. 프리미엄 CCL은 어떻게 바뀌는가: M7/M8 시대에서 M8/M9 시대로

이제 CCL을 조금 더 구체적으로 보자.

Rubin 시리즈에서 중요한 것은 단순히 프리미엄 CCL 총량만이 아니다.
정말 중요한 것은 grade mix 변화다.

Blackwell rack을 1.0으로 놓고 보면 프리미엄 CCL의 흐름은 대략 이렇게 볼 수 있다.

프리미엄 CCL grade mix 변화

이 표의 의미는 아주 명확하다.

Blackwell은 사실상 M7/M8 중심 시대
Rubin은 M8 확대 + M9 진입 시작
Kyber는 M9가 구조적으로 의미 있는 비중을 차지하는 첫 시스템

즉 앞으로 시장이 진짜 봐야 할 것은
단순한 출하면적이 아니라
**“M9가 얼마나 빨리 premium mix를 잠식하느냐”**이다.

이것이 중요한 이유는 소재업체 실적이 단순 면적이 아니라

어느 grade를 얼마나 태웠는지
ASP가 얼마나 올라가는지
수익성이 얼마나 개선되는지

와 연결되기 때문이다.

8. 절대 수량 감각으로 보면 변화가 더 선명해진다

상대 배수만 보면 감이 잘 안 올 수 있다.
그래서 Blackwell NVL72 rack의 프리미엄 CCL 탑재량을 가상의 100 unit으로 두고 보면 훨씬 이해가 쉬워진다.

절대 탑재량 감각 예시

이 표는 절대값 그 자체가 중요한 것이 아니라
수요 구조가 얼마나 가파르게 상향 이동하는지를 보여주는 보조 지표다.

투자적으로는 오히려 이런 식의 상대 스케일이 더 중요하다.

왜냐하면 결국 실적은
“몇 장 나갔는가”보다
**“어떤 고급 제품이 얼마나 많이 들어갔는가”**로 연결되기 때문이다.

9. 그런데 고사양 CCL의 핵심 뼈대가 바로 유리섬유다

여기서 다시 Nittobo로 연결된다.

많은 사람이 CCL을 수지나 동박 중심으로만 보지만,
실제로 고사양 CCL은 그 안에 들어가는 유리섬유의 수준이 매우 중요하다.

유리섬유는 CCL 안에서 기판의 골격 역할을 한다.

그래서 고다층 MLB, 고속 서버 보드, 패키지기판이 고도화될수록 유리섬유에도 더 까다로운 조건이 붙는다.

예를 들어,

신호가 빨라질수록 저유전율, 저유전손실
열이 많아질수록 저열팽창
층수가 많아질수록 얇고 균일한 두께
대면적화될수록 높은 치수 안정성

이 중요해진다.

즉 좋은 CCL을 만들려면 결국 좋은 유리섬유가 먼저 필요하다.

Rubin 시대에 프리미엄 CCL과 MLB가 중요해질수록
그 밑단의 유리섬유 업체 가치도 함께 올라가는 이유가 바로 여기에 있다.

https://m.blog.naver.com/techref/224098578008

10. Nittobo의 Fiber Glass를 가장 쉽게 설명하면

Nittobo의 Fiber Glass는
AI 서버와 데이터센터용 고성능 기판을 받쳐주는 초정밀 유리 재료다.

조금 더 쉽게 말하면,
반도체가 엔진이라면 Nittobo의 유리섬유는
그 엔진이 올라가는 고성능 차체와 골격에 가깝다.

AI 서버 안에는 GPU, CPU, 메모리, NIC, 스위치 칩 같은 핵심 부품이 빽빽하게 들어간다.
이 부품들은 모두 기판 위에 올라간다.
그리고 그 기판은 단순한 판이 아니라

신호를 빠르게 보내야 하고
열을 버텨야 하며
부품 위치를 정밀하게 유지해야 하고
오래 써도 휘지 않아야 하는

정밀 구조물이다.

Nittobo의 유리섬유는 바로 그 구조물의 뼈대를 이루는 재료다.

11. Nittobo 제품은 크게 두 방향으로 이해하면 쉽다

Nittobo의 제품군은 복잡해 보이지만,크게 두 축으로 이해하면 된다.

Nitto boseki

첫째, NE / NER / NEZ 계열

이 제품군은 신호 전달 성능을 높이는 유리섬유다.

고속 기판에서는 신호가 지나가면서 힘이 빠지거나 흐트러질 수 있다.
이때 필요한 것이 저유전율과 저유전손실이다.

쉽게 말하면 이 계열은
신호가 달리는 길을 더 매끈하고 안정적으로 만들어주는 재료다.

그래서 서버 메인보드, NIC, 스위치 보드, DDR 관련 기판처럼
고속 신호 전달이 중요한 영역에서 중요하다.

둘째, T 계열

이 제품군은 열과 변형을 잘 버티는 유리섬유다.

AI 서버와 반도체 패키지기판은 열이 많고 구조가 촘촘하다.
이때 기판이 팽창하거나 휘면 성능과 수율에 문제가 생긴다.

그래서 필요한 것이 저열팽창 특성이다.

쉽게 말하면 T 계열은
뜨거워져도 구조를 더 단단하게 잡아주는 재료다.

즉 아주 단순하게 정리하면

NE / NER / NEZ = 빠른 신호 대응
T = 열과 뒤틀림 대응

이라고 보면 된다.

NITTO BOSEKI

12. 왜 Rubin 시대에는 Nittobo, CCL, MLB를 따로 볼 수 없는가

이제 전체 연결고리가 보인다.

Rubin 아키텍처 변화는 단순한 GPU 세대교체가 아니다.
그 변화는 랙 내부 인터커넥트 구조를 더 고밀도·고속·고다층 기판 중심으로 바꾸는 변화다.

그 결과 다음이 연쇄적으로 일어난다.

첫째, MLB PCB의 역할이 커진다.
기존 케이블이 담당하던 일부 기능을 기판이 더 많이 맡게 되기 때문이다.

둘째, MLB PCB의 고다층화와 대면적화가 진행된다.
그래서 Rubin, 특히 Kyber로 갈수록 PCB MLB 물량과 금액이 크게 증가한다.

셋째, 이런 MLB를 만들기 위해 더 높은 grade의 CCL이 필요해진다.
그래서 M7, M8, M9 같은 프리미엄 CCL 수요가 확대된다.

넷째, 그 프리미엄 CCL의 성능을 떠받치는 핵심 보강재가 유리섬유다.
즉 Nittobo 같은 고기능 glass fiber 업체의 가치가 함께 올라간다.

결국 이 셋은 따로 떨어진 소재가 아니라 하나의 체인이다.

Rubin 아키텍처 변화
→ MLB PCB 복잡도 상승
→ 고사양 CCL 채택 확대
→ 고기능 유리섬유 수요 증가

이 구조로 이해하는 것이 가장 정확하다.

13. 왜 800G에서 1.6T, 3.2T로 갈수록 Nittobo의 역할이 더 중요해지는가

속도가 올라간다는 것은 단순히 “더 빠르다”는 뜻이 아니다.
실제로는 기판 재료가 감당해야 하는 부담이 전부 커진다는 뜻이다.

속도가 높아질수록

신호는 더 예민해지고
손실 허용치는 더 낮아지며
열은 더 많이 쌓이고
층수는 더 늘어나고
작은 휨과 오차도 더 큰 문제를 만든다

즉 800G에서 1.6T, 3.2T로 갈수록 중요한 것은
칩만이 아니라 기판 소재의 수준이다.

예전 기판이 일반 도로였다면,
지금 AI 서버 기판은 초고속 차량이 달리는 정밀 고속도로에 가깝다.

속도가 올라갈수록 도로는 더 평탄해야 하고, 더 단단해야 하며, 더 안정적이어야 한다.
이때 CCL과 유리섬유는 그 도로의 바닥과 골조를 구성하는 핵심 재료가 된다.

그래서 차세대 서버로 갈수록 Nittobo의 역할은 줄어드는 것이 아니라,
오히려 기판 성능의 핵심 재료 공급자로서 더 중요해질 가능성이 높다.

NITTO BOSEKI

14. 왜 이런 고성능 유리섬유는 아무나 못 만드는가

고성능 유리섬유는 단순한 범용 소재가 아니다.
좋은 원료만 있으면 바로 되는 산업도 아니다.

어려운 이유는 크게 세 가지다.

첫째, 유리 성분 설계 자체가 어렵다

저손실이 중요하면 유리 조성을 바꿔야 하고,
저열팽창이 중요하면 또 다른 조성이 필요하다.

그런데 성분을 바꾸면

녹는 방식
점도
실로 뽑히는 성질
강도
가공성

까지 전부 같이 바뀐다.

즉 한 성능을 개선하면 다른 성능이 흔들릴 수 있다.

둘째, 실로 뽑는 과정이 어렵다

유리섬유는 아주 가는 실 형태로 만들어야 한다.
이때 굵기가 조금만 달라도 품질 차이가 난다.

얇고 균일한 실이 나와야 그다음 단계에서 좋은 glass cloth가 나온다.

셋째, 최종적으로 천으로 짜는 과정도 어렵다

고객이 실제로 쓰는 것은 단순 유리 원료가 아니라 glass cloth다.
그래서 실이 좋아도, 짠 뒤 두께가 불균일하거나 표면이 거칠면 문제가 된다.

특히 AI 서버, 고다층 MLB, 패키지기판 영역은
얇고, 평평하고, 균일한 cloth를 원한다.

즉 경쟁력은

유리 조성
섬유화
실 품질
직물 품질
초박형 가공
양산 안정성

전체를 함께 맞추는 데 있다.

15. 결국 해자는 양산 수율과 품질 일관성이다

진짜 중요한 것은 샘플이 아니라 양산이다.

고성능 재료는 한 번 잘 만드는 것보다,
오랫동안 같은 품질로 계속 공급하는 것이 훨씬 어렵다.

AI 데이터센터용 기판은 세대가 올라갈수록 허용 오차가 더 줄어든다.
그래서 고객은 단순히 “좋은 재료”보다
항상 같은 품질로 들어오는 재료를 원한다.

양산에서 중요한 것은 다음과 같다.

유리 성분의 균일성
실 굵기의 안정성
cloth 두께의 균일성
직물 구조의 일관성
장기간 공급 시 품질 편차 최소화

이 중 하나라도 흔들리면 고객 공정 수율이 영향을 받을 수 있다.

바로 그래서 후발주자가 따라오기 어렵고,
검증된 고기능 소재 업체의 가치가 높고,
업계에서 Nitto boseki의 Glass Fiber가 사실상 업계표준으로 불리우는 이유이다.

16. 투자 관점에서 무엇이 핵심인가

투자적으로 중요한 포인트는 단순하다.

많은 사람은 Rubin을 보면 GPU, HBM, 냉각, 전력부터 먼저 본다.
물론 그것도 중요하다.

하지만 Rubin의 진짜 구조적 변화 중 하나는
서버 내부 연결 구조의 난도 상승이고,
그 난도 상승은 결국 MLB PCB → 프리미엄 CCL → 고성능 유리섬유로 이어진다.

즉 앞으로 봐야 할 것은 단순한 AI 서버 출하량만이 아니다.

더 중요한 것은

MLB의 고다층화 속도
M7/M8/M9급 CCL 믹스 상승
저손실·저CTE 소재 채택 확대
패키지기판과 서버 보드 모두에서의 소재 업그레이드

이 네 가지다.

특히 이번 세대에서 가장 중요한 해석은 이 문장으로 정리할 수 있다.

Rubin Ultra Kyber는 premium CCL 시장을 M7/M8 중심에서 M8/M9 중심으로 재편하는 구조적 이벤트다.

즉

Blackwell까지는 M7/M8 확대
Rubin에서 M9 진입
Kyber에서 M9 의미 있는 양산 구간 진입

으로 보는 것이 맞다.

그래서 앞으로 실적에서 정말 중요한 변수는
**“AI 서버 출하량 증가” 자체보다 “M9 채택 속도와 premium mix 상승 속도”**다.

최종 정리

아주 쉽게 다시 요약하면 이렇다.

첫째, Rubin 시리즈는 단순한 GPU 업그레이드가 아니다.
서버 내부 인터커넥트 구조가 더 고밀도·고속·고다층 기판 중심으로 진화하는 변화다.

둘째, 이 과정에서 케이블 비중이 줄고 MLB PCB의 역할이 커진다.
그래서 대면적·고다층 MLB 기판 수요가 확대될 가능성이 높다.

셋째, 실제 수요도 크게 뛴다.
Blackwell 대비 Rubin NVL72는 프리미엄 CCL 물량이 1.8~2.3배, PCB MLB 물량이 1.7~2.2배 수준으로 늘어날 수 있다.
그리고 Rubin Ultra Kyber는 Blackwell 대비 프리미엄 CCL 물량 8.5~11.0배, PCB MLB 물량 6.5~8.0배 수준의 구조적 업그레이드로 해석할 수 있다.

넷째, 더 중요한 것은 단순 물량보다 grade mix 상승이다.
Blackwell이 M7/M8 중심이었다면, Rubin은 M8 확대와 M9 진입, Kyber는 M9 비중이 구조적으로 커지는 첫 시스템에 가깝다.

다섯째, 이런 고사양 CCL의 핵심 뼈대 재료가 바로 유리섬유다.
그래서 Nittobo의 Fiber Glass는 AI 서버용 기판 성능을 끌어올리는 핵심 재료로 주목받는다.

여섯째, Nittobo의 강점은 단순한 범용 유리섬유가 아니라
저손실용 NE/NER/NEZ 계열과 저열팽창용 T 계열처럼
차세대 서버와 패키지기판이 요구하는 성능을 제품군별로 대응할 수 있다는 점이다.

결국 Rubin 시대를 이해하려면
GPU만 볼 것이 아니라, 그 GPU를 연결하고 지탱하는 기판과 소재 체인까지 함께 봐야 한다.

그리고 그 체인의 핵심에는
MLB PCB, 프리미엄 CCL, 그리고 Nittobo의 고기능 유리섬유가 있다.

=끝

2026년 3월 18일 수요일

생각정리 205 (* 2026 OFC, 광통신)

OFC 2026, NVIDIA 어닝콜 내용을 엮어서 정리해본다.

OFC 2026에서 다시 확인한 것

AI가 커질수록 결국 광이 컴퓨팅의 일부가 된다

OFC 2026에서 가장 강하게 느낀 점은 하나였다.

이제 광통신은 더 이상 단순한 통신 부품이 아니다.
AI 인프라를 실제로 작동시키는 핵심 부품이 되고 있다는 점이다.

예전에는 광통신을 네트워크 장비의 한 부분으로 보는 시각이 강했다.
하지만 지금은 다르다.
이제는 광이 없으면 AI도 크게 확장되기 어려운 구조로 가고 있다.

루멘텀 발표에서 가장 인상 깊었던 대목도 바로 그 부분이었다.
핵심 메시지는 간단했다.

Agentic AI가 확산될수록 토큰 수가 늘어난다.
토큰이 늘어나면 컴퓨팅 인프라도 더 많이 필요하다.
그리고 컴퓨팅 인프라가 커질수록, 이를 연결하는 방식은 결국 구리보다 광이 더 중요해진다.

이 말이 중요한 이유는 분명하다.

과거 통신 버블은 사람의 통신 수요가 중심이었다.
반면 지금은 지능을 생성하고, 그것을 대규모로 제공하는 시스템이 인프라 투자를 만든다.

즉, 이번 사이클은 단순한 네트워크 업황 회복이 아니라
AI라는 새로운 계산 수요가 광 인프라 수요를 구조적으로 끌어올리는 변화에 가깝다.

루멘텀도 OFC 2026에서 자사를 AI-ready optical networks의 핵심 공급업체로 소개했고, 2026년 3월에는 엔비디아와의 멀티이어 전략 협력 및 고급 레이저 부품 관련 대규모 구매 약정을 발표했다. 이는 광부품이 더 이상 주변부가 아니라 AI 인프라의 중심부로 올라오고 있음을 보여준다.

왜 구리에서 광으로 넘어갈 수밖에 없는가

AI 데이터센터는
연산량이 많고,
전기를 많이 쓰고,
서로 주고받는 데이터도 엄청나게 많다.

문제는 구리가 이런 환경에서 점점 한계를 드러낸다는 점이다.

속도를 더 높이려 하면
전력 소모가 늘고,
발열이 심해지고,
거리 제약도 커진다.

그래서 연결 규모가 커질수록, 그리고 대역폭이 높아질수록
광의 장점이 더 커진다.

광은 단순히 빠르기만 한 것이 아니다.
더 긴 거리,
더 높은 대역폭,
더 나은 전력 효율을 가능하게 한다.

이 부분은 NVIDIA의 최근 코멘트와도 연결된다.

NVIDIA는 최근 실적 콜에서 이미 2027년까지 이어지는 수요를 염두에 두고 inventory와 supply commitments를 전략적으로 확보하고 있다고 설명했다. 또 네트워킹 사업 매출이 연간 310억달러를 넘겼고, scale-up과 scale-out 수요가 모두 기록적 수준이라고 밝혔다. (The Motley Fool)

동시에 Jensen Huang은 최근 GTC 기간 발언에서
구리와 광을 둘 중 하나로 볼 것이 아니라
당분간은 둘 다 쓰되, 더 높은 대역폭과 더 큰 스케일이 필요해질수록 광의 역할이 커질 것이라는 취지로 설명했다는 보도가 나왔다.

즉, 정리하면 이렇다.

구리는 당분간 계속 중요하다.
하지만 AI 인프라가 더 커질수록 광 전환은 피할 수 없다.

투자자 입장에서 중요한 것은 이 부분이다.
구리 수요가 남는다고 해서 광의 장기 성장 논리가 약해지는 것은 아니다.
오히려 점점 더 고성능 구간이 광으로 이동하는 방향성이 더 중요하다.

NVIDIA의 자본배분 발언도 같은 그림을 보여줬다

이번에 흥미로웠던 또 하나는 NVIDIA의 자본배분 관련 코멘트였다.

최근 실적 발표에서 NVIDIA는
막대한 현금흐름을 단순히 주주환원에 먼저 쓰는 것이 아니라,
우선 공급망과 생태계 확장에 투입하고 있다는 점을 분명히 보여줬다.

이 발언은 단순히 재무 정책 이야기로만 볼 수 없다.

지금 AI 인프라 시장에서는
가장 중요한 것이 기술력만이 아니라
공급망 선점이기 때문이다.

그래서 NVIDIA가 먼저 자본을 써서
생산능력을 확보하고,
공급망 파트너와 장기 협력 관계를 강화하고,
필요하면 선제적으로 물량을 잠그는 전략을 택하는 것은 매우 자연스럽다.

여기서 내가 떠올린 것은 루멘텀과 코히런트였다.

물론 NVIDIA가 특정 병목 해소를 위해 어느 회사에 얼마를 직접 배정하겠다고 공식적으로 말한 것은 아니다.

하지만 최근 NVIDIA가 광학 생태계 전반의 파트너들과 함께 실리콘 포토닉스 공급망을 구축하고 있다고 밝힌 점을 보면, 레이저·광엔진·패키징·광섬유 전반에서 핵심 파트너를 장기적으로 묶어두려는 방향은 분명히 읽힌다. NVIDIA는 2025년 photonics 발표에서 Coherent, Corning, Lumentum 등과의 협업을 공식적으로 언급한 바 있다.

즉, 이번 NVIDIA 발언은
단순히 “광도 중요하다”는 수준을 넘어,
병목이 생길 수 있는 밸류체인을 자본으로 먼저 선점하는 전략으로 이해하는 것이 더 맞아 보였다.

루멘텀이 보여준 것은 수요의 크기보다 수요의 방향이었다

루멘텀 발표에서 더 중요했던 것은
“수요가 많다”는 사실 그 자체보다,
어디에서 수요가 커지는지를 꽤 명확하게 보여줬다는 점이다.

회사가 제시한 성장축은 크게 네 가지였다.

클라우드 트랜시버,
OCS,
scale-out용 CPO,
scale-up용 CPO다.

이 중에서 특히 눈에 들어온 것은
scale-up용 CPO였다.

왜냐하면 여기부터는 시장의 크기가 기존 우리가 익숙하게 봐 온 광통신 시장보다 훨씬 더 커질 수 있기 때문이다.

기존 DCI 시장도 충분히 크다.
실제로 CIENA는 2025년 조사에서 향후 5년간 DCI 대역폭 수요가 최소 6배 증가하고, 신규 데이터센터의 43%가 AI 워크로드 전용이 될 것이라고 제시했다.

하지만 이번 OFC에서 느낀 것은
앞으로 중요한 것은 데이터센터 간 연결만이 아니라는 점이었다.

이제는
클러스터 내부,
랙 내부,
더 나아가 칩 근처까지
광이 더 깊이 들어간다.

그렇게 되면 시장은 단순히 커지는 것이 아니다.
시장 정의 자체가 다시 커진다.

그래서 내 생각에는
기존 scale-across나 DCI 시장도 커지겠지만,
실제로 더 빠르고 더 크게 열릴 시장은
scale-out과 scale-up 광 네트워킹일 가능성이 높다.

Lumentum holdings

그래서 Ciena를 넘어 코닝까지 다시 보게 됐다

이 흐름에서 자연스럽게 다시 보게 된 기업이 코닝이었다.

이전까지는 코닝을
전통적인 광섬유 업체,
혹은 경기민감 소재주에 가깝게 보는 경우가 종종 있었다.

하지만 이번 OFC를 지나며 든 생각은 조금 달랐다.

코닝은 이제
AI 데이터센터용 광연결 수요와
미국 통신사들의 FTTH 투자 확대를
동시에 받는 구조로 가고 있다.

즉, 위에서는 AI가 실적 상단을 열고,
아래에서는 통신 인프라 투자가 실적 하단을 받쳐주는 구조다.

실제로 Corning과 Meta는 2026년 1월 최대 60억달러 규모의 멀티이어 계약을 발표했다. Corning은 Meta의 미국 데이터센터 build-out을 위해 optical fiber, cable, connectivity solutions를 공급하게 된다. 이는 Corning이 AI 데이터센터 광연결의 핵심 공급자로 올라섰음을 보여준다.

통신 인프라 쪽도 강하다.

AT&T는 2026년 3월, 2030년까지 미국 통신 인프라에 2,500억달러 이상을 투자하겠다고 공식 발표했다. 투자 대상은 광섬유, 무선, 위성 연결까지 포함한다. 이는 미국 내 광섬유 네트워크 확장이 단기 테마가 아니라 중장기 투자 사이클이라는 점을 다시 보여준다.

코닝도 2025년 3월 Springboard 계획을 상향하며 2026년 말까지 연간 기준 40억달러 이상의 추가 매출과 20% 영업이익률 달성을 제시했다. 특히 Optical Communications의 Enterprise 부문 성장 전망을 상향했다.

그래서 코닝은 이제
단순한 광섬유 회사라기보다,
AI 인프라와 통신 인프라를 동시에 연결하는 플랫폼형 기업으로 다시 평가받을 여지가 있다고 본다.

Corning

이번 OFC에서 진짜 중요했던 것은 밸류체인 병목이었다

이번 행사에서 더 중요하게 느껴졌던 것은
수요가 얼마나 크냐보다
어디서 병목이 생기느냐였다.

표면적으로는 트랜시버나 모듈 업체가 가장 바빠 보인다.
하지만 실제로는 그보다 위쪽,
즉 InP substrate와 InP wafer 같은 업스트림에서 병목이 더 심해질 가능성이 높아 보였다.

이유는 단순하다.

레이저와 광엔진을 아무리 많이 만들고 싶어도
핵심 재료와 웨이퍼가 부족하면
아래쪽 생산은 결국 막히게 된다.

그래서 루멘텀이 downsteam 조립보다 substrate 쪽을 더 우려하는 듯한 톤을 보인 것은 꽤 의미가 있었다.
AI 광부품 수요가 강할수록
병목의 가치는 아래보다 위에서 더 커질 수 있다.

이 대목에서 Coherent의 6인치 InP 전략은 분명 의미가 있다

Coherent는 2024년 공식적으로 미국과 유럽에서 세계 최초의 6인치 InP 웨이퍼 팹 역량을 확보했다고 밝혔다. 회사는 이를 통해 웨이퍼당 생산 디바이스 수 4배, die cost 60% 이상 절감, 더 높은 자동화와 생산성을 달성할 수 있다고 설명했다.

6인치 전환은 단순히 웨이퍼가 조금 커지는 이야기가 아니다.

같은 설비에서 더 많이 만들고, 더 싸게 만들고, 더 안정적으로 양산할 수 있는 구조 변화다.

AI 광부품 수요가 급증하는 구간에서는
이 차이가 곧 경쟁력이 된다.

그래서 앞으로 InP 시장에서는
단순히 누가 고객을 많이 확보했느냐보다,
누가 더 큰 웨이퍼로 안정적 양산 체제를 먼저 갖췄느냐가 훨씬 중요해질 수 있다.

Coherent

반대로 AXT는 업스트림 병목의 다른 수혜 후보처럼 보인다

AXT는 루멘텀이나 Coherent보다 더 업스트림에 있다.
즉, 완성 광부품보다는 기판과 웨이퍼 쪽에 더 가까운 회사다.

회사는 2026년 2월 실적 발표에서,
2026년 성장의 핵심 동력 중 하나로 AI 인프라 구축에 따른 InP 수요 증가를 언급했다.
또 고객 기반이 확대되고 있고, InP 관련 backlog도 강하다고 설명했다.
동시에 2026년 InP 생산능력을 두 배로 늘릴 계획이라고 밝혔다.

이 부분은 투자 아이디어 차원에서 꽤 흥미롭다.

만약 InP wafer와 substrate 병목이 쉽게 풀리지 않는다면,
상대적으로 다운스트림 업체보다
업스트림 공급업체가 더 큰 협상력을 가질 수 있기 때문이다.

그래서 병목이 심해질수록 AXT 같은 상위 밸류체인 업체가 더 수혜를 받을 수 있다는 해석은 충분히 가능하다.

다만 여기서는 주의할 점도 있다.

AXT는 여전히 중국 생산과 미국 수출 인허가 리스크를 안고 있다.
회사는 최근에도 export permit 관련 제약이 있었다고 설명했다.
따라서 “미국 수출이 막히면 중국 내수로 모두 흡수하면 된다”는 식으로 단정하기보다는,
중국 내 수요가 강한 것은 맞지만, 정책 리스크를 완전히 지워주는 것은 아니다라고 보는 편이 더 균형적이다.

AXT.inc

결국 이번 OFC에서 내가 얻은 결론

이번 OFC 2026을 지나며 내가 가장 강하게 느낀 결론은 세 가지다.

첫째,
AI가 커질수록 광은 선택이 아니라 필수가 된다는 점이다.

둘째,
수혜는 단순히 트랜시버 업체에만 가는 것이 아니라
광섬유, 커넥터, OCS, CPO, 레이저, InP wafer, substrate까지
밸류체인 전반으로 넓게 퍼진다는 점이다.

셋째,
지금 시장이 보고 있는 것은 시작일 뿐일 수 있다.
진짜 큰 기회는 앞으로 scale-up과 랙 내부 광화가 본격화될 때 더 크게 열릴 가능성이 있다.

그리고 NVIDIA의 최근 발언은 이 그림을 더 선명하게 만든다.

NVIDIA는 공급망 파트너와의 장기 협력, capacity 확보, 생태계 투자를 먼저 하고 있다.
또 당분간은 구리와 광이 병행되겠지만, AI 인프라가 더 커질수록 광의 중요성이 커질 수밖에 없다는 방향을 보여주고 있다. (The Motley Fool)

그래서 지금은 광통신을
그저 옛날 통신장비 업황의 연장선으로 보기보다,
AI 인프라 확장의 병목을 해결하는 핵심 산업으로 다시 봐야 하는 시점이라고 생각한다.

그 안에서
루멘텀은 수요 방향성의 수혜,
코닝은 광섬유와 연결 인프라의 장기 수익화,
Coherent는 6인치 InP 기반 생산성 우위,
AXT는 업스트림 병목 수혜 가능성이라는 포인트로 다시 읽힐 수 있다고 본다.

=끝

2026년 3월 16일 월요일

생각정리 204 (* 장기테마)

고유가, 주거비, 연금, 그리고 코스닥

2026년 한국 경제를 움직이는 진짜 압력들

나는 모든 투자자산의 가치는 결국 비교 분석 속에서만 선명하게 드러난다고 생각한다.

그런 점에서 대한민국 내수경제를 꾸준히 추적하는 일은, 일부 주식투자자에게는 다소 고루하게 느껴질 수 있어도 결코 가볍게 볼 작업이 아니다. 특히 한국 내수의 핵심 자산군이 부동산시장이라는 점을 감안하면, 부동산의 흐름을 읽는 일은 국내 주식시장을 이해하는 데에도 사실상 불가분의 과정이라고 본다.

이번 글에서는 그동안 흩어져 있던 내수경기, 부동산시장, 국내 주식시장에 영향을 주는 구조적 압력들을 하나의 흐름으로 묶어 정리해보려 한다. 그리고 그 중심에 놓인 핵심 키워드는 양극화이다.

앞으로 한국 경제는 지역별, 자산별, 소득계층별로 격차가 더 확대될 가능성이 크다. 그러나 지금의 한국은 집값 전체가 일제히 무너지는 구조라기보다, 오히려 자산 인플레이션이 훨씬 더 비대칭적으로 전개되는 구조에 가깝다.

그 이유는 여러 압력이 동시에 중첩되고 있기 때문이다.

대외적으로는 고유가와 고환율이 지속적으로 비용 압력을 유입시키고 있다.
대내적으로는 주거비 상승 구조가 점점 더 고착화되고 있다.
노동시장에서는 원하청 교섭력 확대와 임금 상승 압력이 커지고 있다.
금융시장에서는 연기금 수급 약화와 인구구조 변화로 장기적인 자금 기반이 흔들리고 있다.
반면 성장과 유동성은 AI, 반도체, 소수 대형주, 수도권 핵심 자산으로 더욱 빠르게 집중되고 있다.

내가 보기에는 지금 한국은 단순한 경기순환 국면에 있는 것이 아니다.
오히려 성장과 자산은 수도권·AI·메가캡으로 집중되고, 비용과 부담은 지방과 실수요 가계로 분산되는 새로운 구조적 국면에 진입하고 있다.

1. 이제는 저유가보다 고유가 상시화를 걱정해야 한다

며칠전까지만해도 2026년을 두고 유가가 다시 내려갈 수 있다는 기대가 있었다.
하지만 최근 분위기는 많이 달라졌다.
이란이 예상 밖으로 주변 걸프 국가들의 에너지 인프라를 공격하면서, 중동 지역의 에너지 안보 리스크가 일시적 변수가 아니라 상시적 위협으로 전환되는 모습이다.

동시에 호르무즈 해협 불안이 커지면서 브렌트유는 3월 들어 100달러 안팎까지 올라갔고, 국제에너지기구도 추가 비축유 방출 가능성을 검토하고 있다. 호르무즈 해협은 세계 해상 원유 물동량의 약 20%가 지나던 핵심 병목지점이었다. 한국처럼 중동 에너지 의존도가 높은 나라에는 이 충격이 크게 들어올 수밖에 없다. (고용노동부)

고유가는 단순히 주유소 가격만 올리는 문제가 아니다.
정유, 석화, 철강, 운송, 건설, 전기요금, 생활물가까지 차례로 압박한다.

특히 한국은 이런 업종이 지방 산업도시에 몰려 있다.
그래서 고유가가 길어지면 지방 제조업 수익성이 먼저 흔들리고, 그 다음에는 고용과 지역경제가 흔들린다.

반면 수도권은 다르다.
AI와 반도체 중심의 수출, 고임금 일자리, 자산가격은 여전히 수도권과 대형주 쪽으로 집중될 가능성이 높다.

즉 지금 한국의 분화는 단순하다.

성장과 자산가격은 수도권·반도체·AI 쪽에 모인다.
비용상승과 고용불안은 지방 제조업과 비수도권에 더 강하게 퍼진다. (KDI)

2. 앞으로의 양질의 일자리는 더 소수 대형사 중심으로 몰릴 가능성이 크다

이 부분이 매우 중요하다.

앞으로 한국에서 법인세를 많이 내고, 대규모 CAPEX를 집행하고, 고소득 일자리를 만들고, 내수 소비를 유도하는 주체는 점점 더 소수의 초대형 기업이 될 가능성이 높다.

대표적으로 떠오르는 축은 이렇다.

삼성전자·SK하이닉스 같은 반도체·AI 메모리 기업
조선·방산 대형사
원전 관련 대형 기업
현대차 그룹의 전동화·자율주행·Physical AI 관련 투자 축

이 기업들의 공통점은 단순히 시가총액이 큰 것이 아니다.
대규모 설비투자, 고임금 일자리, 성과급, 협력업체 파급효과, 지역 소비 유발, 법인세 증가를 동시에 만들 수 있다는 점이다.

그래서 앞으로 한국 내수와 자산시장을 움직이는 힘은
“전 산업이 다 같이 좋아지는 힘”보다
상위 소수 대형사의 이익과 투자에서 내려오는 힘이 더 중요해질 가능성이 있다.

그런데 이 구조는 동시에 양극화도 심화시킨다.

조선·방산·원전·반도체·자동차 첨단 영역의 양질의 고소득 일자리와
그렇지 못한 산업의 저임금·저생산성 일자리 사이의 격차가 더 커질 수 있다.

그리고 이 격차는 산업 간 격차에 그치지 않는다.
결국 도심 vs 지방도시, 상위 소득층 vs 평균 소득층, 핵심 벨트 vs 비핵심 지역 격차로 번질 가능성이 높다.

나는 이번 이란–호르무즈 사태가 이 흐름을 더 선명하게 만들 수 있다고 본다.
고유가가 길어질수록 지방 산업도시의 부담은 커지고, 반대로 수도권 핵심지와 상위 산업군은 상대적으로 더 강한 현금흐름과 자산 방어력을 가지게 되기 때문이다.

3. 법인세와 성과급은 앞으로 ‘자산 인플레이션의 연료’가 될 수 있다

이 부분은 단순 감각보다 숫자로 보는 편이 더 명확하다.

2025년 국세수입 예산은 382.4조원, 그중 법인세는 84.6조원이었다는 가정을 기준축으로 두고 생각해보자.
여기에 삼성전자와 SK하이닉스의 회계상 법인세 비용만 단순 합산해도 약 11.8조원 정도가 나온다.
이는 2025년 국세수입의 약 3.1%, 법인세 세목의 약 13.9% 수준이다.

물론 이 숫자는 실제 국세 납부액과 1:1로 일치하는 값은 아니다.
하지만 중요한 것은 반도체 이익이 커질수록 세수 구조의 쏠림도 훨씬 커질 수 있다는 점이다.

만약 2026~2027년 반도체 이익이 매우 강하게 나온다면 어떻게 될까.
그러면 같은 해에는 성과급이 먼저 늘고,
그 다음 해에는 법인세 세수가 늘어난다.

즉 같은 이익이
민간 가계 현금흐름과
정부 세수 구조를
동시에 밀어 올리는 것이다.

이게 왜 중요하냐면, 자산 인플레이션은 단순히 돈을 푸는 것만으로 오지 않기 때문이다.
오히려 더 강한 것은 실제로 누군가의 현금흐름이 커지고, 그 돈이 자산시장으로 흘러들어오는 구조다.

4. 성과급은 집만 올리는 게 아니라, 먼저 금융자산과 상급지 수요를 자극할 가능성이 크다

반도체 호황이 오면 가장 먼저 보이는 것은 성과급이다.

이전글 산식을 그대로 빌리면,
삼성전자 DS와 SK하이닉스의 2025년 성과급 총액은 근사치로 약 7.8조원 수준이다.
그리고 반도체 이익이 크게 뛰는 시나리오에서는 이 규모가 2026년 31.0조원, 2027년 44.8조원까지 확대될 수 있다는 계산이 가능하다.

이 수치는 물론 강한 상단 시나리오다.
다만 이 계산이 보여주는 방향성은 중요하다.

반도체 초과이익은 단순히 회사 숫자에 남는 것이 아니라,
고소득·고신용 가계의 현금흐름으로 바로 이전될 수 있다는 점이다.

그렇다면 이 돈이 다 집으로 갈까.
반드시 그렇지는 않다.

고금리와 대출규제가 남아 있는 구간에서는
이 추가 현금이 먼저 주식, 채권, 예금, 해외자산, 소비, 기존 대출 상환으로 분산될 가능성이 크다.

다만 여기서 중요한 것은,
이 계층이 결국 상급지 부동산과 핵심 금융자산에 접근할 수 있는 여력을 더 크게 가진다는 점이다.

즉 성과급 쇼크는
“모든 집값을 같이 올리는 힘”이라기보다,
금융자산과 수도권 상급지, 핵심 자산을 먼저 자극하는 힘에 더 가깝다.

5. CAPEX는 기대가 아니라 실제 수요를 만든다

더 중요한 것은 CAPEX다.

성과급은 돈이 들어오는 것이고,
CAPEX는 지역에 사람과 일자리를 붙이는 것이다.

이전글 기준 시나리오를 보면,
삼성, SK, 현대차의 연간 CAPEX 관련 투자 규모를 단순화했을 때 합계가 약 87조원/년 수준까지 계산된다.
그리고 한국은행 자료를 바탕으로 10억원당 취업유발을 8.3명으로 놓으면,
1조원당 약 830명·년,
87조원이면 대략 7.2만 명·년 수준의 취업유발 효과를 생각해볼 수 있다.

물론 이것도 단순화된 계산이다.
하지만 방향은 분명하다.

대규모 투자는 단순한 뉴스가 아니다.
그 지역의 고용, 소득, 주거, 소비 수요를 실제로 만든다.

즉 CAPEX는 자산가격을 “기대”로만 떠받치는 것이 아니라,
실제 지역 수요로 받쳐주는 힘이다.

문제는 이 수요가 전국으로 퍼지지 않는다는 데 있다.

반도체 벨트, 대형 제조업 클러스터, 첨단차 산업벨트 같은 일부 지역에는
돈, 일자리, 소비, 주거 수요가 몰린다.

반면 그렇지 못한 지방도시와 비핵심 산업 지역은
오히려 고유가·인구유출·산업 공동화 압력을 더 크게 받을 수 있다.

그래서 앞으로 한국 부동산과 자산시장은
“전체 상승/전체 하락”보다
핵심 벨트 집중 + 비핵심 지역 약세의 색깔이 더 강해질 수 있다.

6. 한국 물가를 끈질기게 밀어 올리는 더 큰 문제는 주거비다

앞으로 한국에서 물가를 가장 끈질기게 올릴 수 있는 항목은 에너지 못지않게 주거비라고 본다.

이 문제는 단순히 “집값이 비싸다”는 말로 끝나지 않는다.
전세 제도는 약해지고, 대출 규제는 강해지고, 임대사업 관련 부담은 커지고, 보유비용과 금융비용은 올라간다. 이런 변화는 결국 상당 부분이 세입자에게 전가될 가능성이 높다.

실제 통계를 보면 수도권은 이미 자가 기반이 약하다.
2024년 기준 전국 자가점유가구 비율은 **58.4%**인데, 수도권은 **52.7%**로 더 낮다. 쉽게 말해 수도권은 절반 가까운 가구가 자가가 아니라 임차시장에 의존하고 있다는 뜻이다. (지표누리)

게다가 수도권의 자가 진입 장벽도 높다.
KB부동산 데이터허브 기준으로 2025년 4분기 서울 아파트담보대출 PIR은 10.0배다. 같은 자료에서 서울의 평균 가구소득은 9,084만원, 주택가격은 9억1,500만원 수준으로 제시된다. 소득의 10배짜리 집을 감당해야 한다는 뜻이다. (KB부동산 데이터허브)

여기서 중요한 것은, 이런 환경에서 전세가 약해지고 월세화가 빨라지면 가계의 매달 현금 유출이 더 커진다는 점이다.

그래서 수도권 도심에서는 다음 악순환이 생긴다.

전세 약화
→ 월세화
→ 임대인의 비용 전가
→ 주거비 상승
→ 자가 진입 더 어려워짐
→ 다시 임차 의존 확대

결국 주거비는 일시적 물가가 아니라 계속 생활비를 밀어 올리는 구조적 압력이 된다.

7. 노란봉투법 이후에는 서비스물가 압력도 더 커질 수 있다

물가를 끌어올리는 또 하나의 축은 임금과 서비스비용이다.

개정 노동조합법 2·3조는 2026년 3월 10일부터 시행됐다.
고용노동부 설명에 따르면, 이제 근로계약의 직접 당사자가 아니어도 근로조건에 대해 실질적이고 구체적으로 지배·결정할 수 있는 지위에 있으면 사용자로 인정될 수 있다. 즉 하청노조가 원청과 교섭을 요구할 수 있는 기반이 더 분명해진 것이다. 노동쟁의 대상도 넓어졌다. (고용노동부)

이 제도가 곧바로 전국 총파업으로 직결된다고 단정할 필요는 없다.
하지만 중요한 것은 원하청 교섭 확대가 실제 임금 인상과 외주단가 상승 압력으로 이어질 수 있다는 점이다.

이게 왜 물가 문제냐면, 한국의 서비스업은 인건비 비중이 높기 때문이다.
운송, 물류, 정비, 외식, 생활서비스, 시설관리, 하역 같은 업종은 생산성보다 인건비가 가격을 움직이는 경우가 많다.

실제로 2026년 2월 소비자물가를 보면 전체 CPI는 전년동월대비 2.0% 상승했다.
식료품·에너지 제외 근원물가는 2.3%, 농산물·석유류 제외 지수는 2.5% 상승했다. 통계청은 전년동월비 상승에 서비스, 공업제품, 농축수산물, 전기·가스·수도가 모두 영향을 미쳤다고 설명했다. (국가데이터연구원)

즉 한국의 물가는 이제
에너지 가격,
주거비,
서비스 인건비가
함께 밀어 올리는 구조로 바뀌고 있다.

8. 연금과 인구구조는 한국 증시의 장기 수급을 약하게 만든다

여기서 자본시장으로 넘어가 보자.

정책은 코스닥을 잠깐 띄울 수 있다.
하지만 문제는 그다음이다.

누가 계속 사 줄 것인가?

이 질문 앞에서 한국 시장은 구조적으로 불리하다.

먼저 인구구조다.
통계청 장래가구추계에 따르면 2052년에는 전체 가구의 **50.6%**가 65세 이상 가구주 가구가 될 전망이다. 1인가구 비중도 **41.3%**까지 올라간다. 고령화가 진행될수록 위험자산에 공격적으로 들어올 장기 투자자는 줄고, 자산보전 성향은 강해진다. (지표누리)

다음은 연금이다.
국민연금기금운용본부에 따르면 2025년 말 기준 국민연금 적립금은 1,458.0조원, 국내주식은 큰 축을 차지하는 핵심 자산군이다. 지금은 시장의 거대한 버팀목이지만, 장기적으로는 적립기에서 인출기로 이동할 수밖에 없다. (국민연금)

즉 지금 한국 시장은
고령화로 민간 장기투자 기반이 약해지고,
연기금은 장기적으로 매도 압력이 될 수 있고,
청년층은 주거비와 생활비 때문에 자산 형성이 늦어지는 구조다.

이런 시장에서 정부가 코스닥 수급을 유도한다고 해도, 그것이 오래 가기 어려운 이유가 여기에 있다.

9. 코스닥의 진짜 문제는 수급보다 이익 체력이다

코스닥을 볼 때 가장 중요한 질문은
“누가 사 줄까”보다
“무엇으로 돈을 벌까”다.

정책이 잠깐 수급을 만들 수는 있다.
하지만 이익이 약한 시장은 결국 오래 버티기 어렵다.

코스닥은 기대와 테마로 움직일 때가 많다.
문제는 기대를 정당화할 만큼 지속 가능한 earning power가 충분한가 하는 점이다.

시장을 장기적으로 높게 평가받게 만드는 것은 세 가지다.

첫째, 실제 이익이 나와야 한다.
둘째, 그 이익이 커질 수 있다는 믿음이 있어야 한다.
셋째, 그 산업의 경쟁력이 글로벌 기준에서도 설명 가능해야 한다.

그런데 지금 코스닥은 정책 테마가 붙을 수는 있어도,
시장 전체가 이런 조건을 충분히 충족한다고 보기는 어렵다.

그래서 코스닥 3,000 같은 구호는
현실적인 자본시장 전략이라기보다
정책이 만들어내는 단기 기대에 더 가까워 보인다.

10. 그래서 돈은 코스닥 전체보다 더 안전하고 더 강한 곳으로 몰릴 가능성이 높다

이 구조라면 자금의 흐름은 생각보다 단순하다.

먼저 메가캡 AI다.
삼성전자와 SK하이닉스처럼 글로벌 경쟁력이 분명하고, AI 투자 사이클의 직접 수혜를 받는 기업들이다.

다음은 수도권 핵심자산이다.
성장의 과실과 소득이 몰리는 곳이고, 희소성이 크며, 자가 진입 장벽도 높다.

그리고 마지막은 선택적 정책테마다.
정책이 밀어주는 일부 구간에서는 코스닥 안에서도 강한 랠리가 나올 수 있다.
하지만 그것이 곧 코스닥 전체의 장기 강세를 뜻하지는 않는다.

즉 앞으로 자금의 현실적 귀착점은
코스닥 전체가 아니라
메가캡 AI + 수도권 핵심자산 + 일부 정책테마일 가능성이 더 높다.

마무리: 그래서 나는 ‘집값 폭락’보다 ‘자산의 비대칭 인플레이션’을 더 본다

지금 한국 경제를 움직이는 압력은 하나가 아니다.

밖에서는 고유가가 들어오고,
안에서는 주거비가 계속 오를 구조가 굳어지고,
노동시장에서는 서비스물가를 자극할 임금 압력이 커지고,
금융시장에서는 연금과 인구구조가 장기 수급을 약하게 만들고 있다.

그런데 동시에
상위 소수 대형사는 더 많은 이익을 내고,
더 많은 법인세를 내고,
더 큰 CAPEX를 집행하고,
더 좋은 일자리를 만들고,
더 높은 성과급을 지급할 가능성이 있다.

이 말은 곧
모든 자산이 같이 오르는 시대가 아니라,
소득과 자금이 몰리는 자산만 더 강해지는 시대가 올 수 있다는 뜻이다.

그래서 나는 앞으로의 한국 시장을 이렇게 본다.

생활비는 더 끈질기게 오를 가능성이 크다.
가계의 가처분소득은 더 압박받을 가능성이 크다.
자금은 더 안전하고 더 강한 곳으로만 몰릴 가능성이 크다.
그리고 자산 가격은 더 비대칭적으로 움직일 가능성이 크다.

결국 중요한 것은 지수 숫자가 아니다.
정말 중요한 것은
이익의 질,
산업의 경쟁력,
고소득 일자리가 어디서 생기느냐,
가계의 실제 구매력,
그리고 시장을 오래 지탱할 수 있는 자금 구조다.

그 기반 없이 올라가는 시장은 화려해 보여도 오래가기 어렵다.
반대로 그 기반이 있는 자산은, 생각보다 훨씬 오래 강할 수 있다.

=끝

생각정리 203 (* NVIDIA 2026 GTC, Groq LPU)

NVIDIA 2026 GTC를 보고 기존에 대충 보고 넘어갔던 Groq LPU에 대해 먼저 정리해보고

그 다음 들었던 기술발전 방향 뇌피셜 생각을 시간순으로 두서없이 정리해본다.

NVIDIA GTC 2026에서 Groq LPU가 의미하는 것

AI 추론 시대의 병목은 이제 “연산량”보다 “지연시간”이다

NVIDIA의 최근 행보에서 중요한 변화가 하나 보인다.
이제 AI 인프라는 GPU 하나로 모든 것을 처리하는 구조에서, 역할을 나누는 구조로 조금씩 이동하고 있다는 점이다.

공개자료를 기준으로 보면 NVIDIA는 자체적으로는 Rubin CPX로 massive-context inference를 밀고 있고, 별도로 Groq와는 비독점 추론 기술 라이선스 계약을 체결했다. 따라서 NVIDIA가 inference stack을 더 세분화된 역할 분업 구조로 바라보고 있을 가능성은 높다.

이 변화가 중요한 이유는 단순히 칩 하나가 추가됐기 때문이 아니다.
핵심은 AI 추론의 병목이 바뀌고 있기 때문이다.
예전에는 “얼마나 많은 연산을 하느냐”가 더 중요했다.
앞으로는 “얼마나 빨리, 얼마나 일정하게 답을 내놓느냐”가 점점 더 중요해진다.
특히 에이전트형 AI, 실시간 AI, 물리 AI로 갈수록 이 변화는 더 선명해진다. (investor.nvidia.com)

1. 먼저 Groq가 어떤 회사인지 이해할 필요가 있다

Groq는 2016년에 설립된 AI 반도체 회사다.
이 회사의 출발점은 분명하다.
처음부터 훈련(training) 보다 추론(inference) 에 집중했다.

이 점이 중요하다.
AI 시장이 커질수록 모델을 한 번 학습시키는 것보다,
이미 학습된 모델을 얼마나 빠르게, 얼마나 싸게, 얼마나 많이 서비스하느냐가 더 중요해질 가능성이 높기 때문이다.

Groq는 바로 이 지점에 집중해 왔다.
즉, “AI를 똑똑하게 만드는 칩”보다 “AI가 실제로 답하게 만드는 칩” 쪽에 초점을 맞춘 회사라고 보는 편이 이해하기 쉽다. (groq.com)

2. Groq 창업자 Jonathan Ross를 이해하면 회사가 보인다

Groq를 이해하려면 창업자 Jonathan Ross를 먼저 봐야 한다.

Groq 공식 소개에 따르면 그는 구글에서 TPU effort를 20% 프로젝트로 시작했고, 1세대 TPU의 핵심 요소를 설계·구현한 인물이다.
이후 Google X의 Rapid Eval Team에서도 일했다. (groq.com)

이 이력은 매우 상징적이다.
Groq는 단순히 “구글 출신 엔지니어가 만든 스타트업”이 아니다.
조금 더 정확히 말하면, 구글 TPU 1세대가 던졌던 문제의식을 바깥으로 가져온 회사에 가깝다.

그 문제의식은 단순하다.
AI 추론은 CPU나 GPU처럼 범용 칩으로만 처리하면 비효율적일 수 있다는 것이다.
특히 사용자가 체감하는 응답속도, 즉 지연시간이 중요해질수록 이 문제는 더 커진다.

구글 TPU 1세대 논문도 같은 방향을 보여준다.
이 논문은 TPU를 데이터센터 추론용 ASIC으로 설명하면서, 큰 소프트웨어 관리형 온칩 메모리와 결정론적 실행 모델을 핵심 요소로 제시한다. Jonathan Ross도 이 논문의 공저자다. (research.google)

즉, Groq는 갑자기 등장한 회사가 아니다.
이미 TPU 시대부터 축적된 “AI 추론 전용 하드웨어 철학” 이 Groq로 이어졌다고 보는 것이 맞다. (research.google)

3. Groq가 지향한 기술의 핵심은 “초저지연”이다

Groq의 핵심 철학은 생각보다 단순하다.

AI 추론은 빨라야 한다.
그것도 평균적으로 빠른 것이 아니라,
항상 빠르게 반응해야 한다.

이 차이는 매우 크다.
사용자는 AI가 평균적으로 빠르다는 것보다, 내가 쓸 때 바로 반응하는지를 더 크게 체감한다.

특히 앞으로 중요해질 AI는 단순 챗봇이 아니다.

코딩 에이전트는 즉시 반응해야 한다.
실시간 음성 AI는 답이 늦으면 어색해진다.
로봇과 물리 AI는 반응이 늦으면 위험해질 수도 있다.

그래서 앞으로의 추론은 “많이 처리하는 능력”만으로는 부족하다.
낮은 지연시간과 일정한 응답성이 같이 필요하다.

Groq는 바로 이 지점에 집중했다.
공식 설명에서 LPU 아키텍처의 차별점으로 static scheduling, deterministic execution, chip-to-chip scaling, SRAM 중심 구조를 내세운다. (groq.com)

쉽게 말하면 이렇다.
GPU는 매우 뛰어난 종합 공장이다.
반면 Groq LPU는 특정 작업을 초고속으로 처리하는 전용 생산라인에 가깝다.
모든 것을 잘하는 대신, 추론의 특정 단계에서 아주 빠르고 일정하게 반응하도록 설계된 것이다.

4. 왜 LPU가 필요한가: 추론은 두 단계로 나뉜다

AI 추론은 크게 두 단계로 나눠 생각하면 이해하기 쉽다.

첫 번째는 프리필(prefill) 이다.
사용자가 입력한 긴 문장을 한꺼번에 읽고, 의미를 파악하고, 내부 상태를 만드는 단계다.

두 번째는 디코드(decode) 다.
이제 답변을 한 토큰씩 실제로 생성하는 단계다.

이 둘은 비슷해 보이지만 요구 조건이 다르다.

프리필은 긴 입력을 한꺼번에 읽기 때문에 대규모 병렬처리가 중요하다.
그래서 GPU가 잘한다.

반면 디코드는 한 번에 왕창 처리하기보다, 다음 토큰을 얼마나 빨리 뽑아내느냐가 중요하다.
여기서는 처리량보다 지연시간이 더 중요해진다.

바로 이 때문에 앞으로는
프리필은 GPU 중심,
디코드는 LPU 같은 저지연 전용 엔진 보완
이라는 구조가 자연스럽게 떠오른다.
GTC 2026에서 Rubin과 Groq LPU가 같이 언급된 것도 이 맥락에서 읽는 것이 가장 자연스럽다. (marketwatch.com)

5. 기존 GPU 안에도 온칩 SRAM은 있다

그런데 왜 Groq LPU가 따로 필요한가

이 질문이 가장 중요하다.

겉으로 보면 기존 GPU도 온칩 SRAM을 갖고 있다.
그렇다면 “그냥 GPU 안 SRAM을 더 늘리면 되는 것 아닌가”라는 생각이 들 수 있다.

하지만 차이는 SRAM의 존재 여부에 있지 않다.
핵심은 칩 전체를 어떤 철학으로 설계했느냐에 있다.

기존 GPU의 온칩 SRAM은 보통 고속 캐시 역할을 한다.
즉, 자주 쓰는 데이터를 잠깐 가까이에 붙잡아 두는 보조 저장공간에 가깝다.
전체 시스템은 여전히 범용 연산기로 설계되어 있다.
훈련도 해야 하고, 프리필도 해야 하고, 다양한 커널과 워크로드를 유연하게 처리해야 한다.

그래서 GPU는 구조적으로
“무엇이 들어와도 어느 정도 잘 처리하는 칩”에 가깝다.
대신 그 대가로 실행 경로가 복잡해지고,
메모리도 여러 계층을 오가며,
실행 도중 하드웨어가 그때그때 자원 배분과 스케줄링을 조정하는 구조를 갖게 된다.

반면 Groq LPU는 접근 방식이 다르다.
Groq는 아예 추론, 그중에서도 저지연 디코드를 중심에 두고 칩을 설계했다.
즉 SRAM이 보조 역할이 아니라, 칩 전체 데이터 흐름의 출발점이자 중심 인프라가 된다. Groq는 공식적으로 LPU의 차별점으로 SRAM design, static scheduling, deterministic execution, direct chip-to-chip connection을 제시한다. (Groq)

이 말은 단순히
“SRAM 용량이 많다”는 뜻이 아니다.

더 중요한 것은 다음 세 가지다.

첫째, 데이터를 꺼내오는 방식이 다르다.
기존 GPU는 큰 외부 메모리(HBM)와 여러 캐시 계층을 활용해 데이터를 가져온다.
반면 Groq는 자주 쓰는 데이터와 연산 흐름을 가능한 한 온칩 SRAM 중심으로 고정하려 한다.
즉, 데이터를 “필요할 때 찾아오는 구조”보다, 미리 준비된 작업대 위에 올려놓는 구조에 가깝다. (Groq)

둘째, 실행 순서를 정하는 방식이 다르다.
기존 GPU는 유연성이 강한 대신, 실행 도중에도 스케줄링과 자원 배분이 계속 일어난다.
반면 Groq는 컴파일 단계에서 실행 순서와 데이터 이동을 최대한 미리 정한다.
즉, “실행하면서 판단하는 칩”보다 **“실행 전에 이미 길이 정해진 칩”**에 가깝다.
Groq는 이를 static scheduling과 deterministic execution으로 설명한다. (Groq)

셋째, 칩과 칩 사이 연결 철학도 다르다.
GPU는 보통 칩을 여러 개 묶을 때 스위치, 네트워크, 메모리 계층을 함께 고려해야 한다.
반면 Groq는 LPUs가 직접 연결되어 여러 칩이 하나의 큰 코어처럼 동작하도록 설계했다고 설명한다.
즉, 칩 하나만 빠른 것이 아니라 칩 여러 개를 붙였을 때도 지연시간이 흔들리지 않도록 처음부터 구조를 잡았다는 뜻이다. (Groq)

비유하면 이렇다.

GPU는 큰 물류창고가 붙은 종합 공장이다.
다양한 일을 할 수 있다.
하지만 작업자가 창고에서 자재를 가져오고, 공정 순서를 조정하고, 현장에서 유연하게 배치하는 비용이 든다.

LPU는 작업대 옆에 필요한 부품을 미리 다 붙여놓고,
작업 순서도 공장 가동 전에 다 정해 둔 초고속 조립라인에 가깝다.
유연성은 줄 수 있지만, 그 작업에서는 훨씬 빠르고 일정하다.

즉, Groq의 차별점은
“온칩 SRAM이 많다”가 아니라,
“SRAM을 중심으로 데이터 흐름, 실행 순서, 칩 간 연결까지 다시 설계한 추론 전용 기계”라는 데 있다. (Groq)

6. 물리적으로 왜 더 빠른가

이제 한 단계 더 들어가 보자.

AI 추론에서 병목은 생각보다 연산 자체보다 데이터 이동에서 자주 생긴다.

멀리 있는 메모리에서 데이터를 가져오고,
다시 계산하고,
다시 읽고 쓰는 과정에서 시간이 걸린다.

특히 디코드 단계는 토큰을 하나 만든 뒤, 그 결과를 반영해 또 다음 토큰을 만들어야 한다.
즉 짧은 연산과 짧은 메모리 접근이 계속 반복된다.

이럴 때는 “한 번에 많은 연산을 할 수 있느냐”보다
한 토큰을 만들 때 불필요한 대기 시간을 얼마나 줄였느냐가 더 중요하다.

Groq LPU가 빠른 이유는 바로 여기에 있다.
핵심은 계산기를 더 많이 넣은 것이 아니라, 기다리는 구간을 줄였다는 점이다.

조금 더 구체적으로 보면, Groq가 재설계한 부분은 크게 네 가지다.

1) 메모리의 위치를 바꿨다

가장 자주 쓰는 데이터를 가능한 한 칩 안, 즉 SRAM 가까이에 둔다.
이렇게 하면 외부 메모리까지 왕복하는 횟수가 줄어든다.

쉽게 말하면
멀리 있는 창고를 오가는 대신,
필요한 부품을 손 닿는 곳에 둔 것이다.

디코드 단계는 이런 “짧고 반복적인 참조”가 많기 때문에
이 차이가 지연시간에서 크게 벌어진다.
Groq는 LPU를 SRAM 중심 설계라고 설명하고, Google TPU 1세대 논문도 large software-managed on-chip memory를 추론용 ASIC의 핵심으로 제시했다. (Groq)

2) 캐시에 맡기지 않고, 데이터 흐름을 더 직접 통제한다

기존 GPU는 캐시 계층이 복잡하고, 어떤 데이터가 언제 캐시에 남을지 런타임 상황의 영향을 받는다.
이 구조는 범용성에는 좋지만, 특정 요청에서는 지연시간이 흔들릴 수 있다.

반면 Groq는 가능한 한 소프트웨어와 컴파일러가 데이터 이동을 더 직접 통제하는 방향을 택한다.
즉 “운 좋게 캐시에 있으면 빠른 구조”보다,
**“애초에 필요한 데이터가 어디에 있을지 알고 움직이는 구조”**에 가깝다. (Groq)

3) 실행 순서를 미리 고정한다

기존 범용 칩은 실행 도중에도
어떤 연산을 먼저 처리할지,
어느 자원을 비울지,
어떻게 병렬화할지를 계속 조정한다.

이건 유연성에는 좋지만,
짧은 작업을 반복하는 디코드에서는 오히려 부담이 된다.

Groq는 이를 줄이기 위해 컴파일 단계에서 실행 경로를 미리 짠다.
그래서 칩은 실행 중에 “다음에 뭘 할까”를 덜 고민하고,
정해진 순서대로 바로 움직일 수 있다.
이것이 deterministic execution의 핵심이다. (Groq)

4) 칩 간 연결도 조립라인처럼 만든다

칩 하나만 빠르면 끝나는 것이 아니다.
AI 추론은 여러 칩이 같이 일해야 하는 경우가 많다.

이때 GPU 계열 구조는 칩 간 통신과 메모리 일관성 관리가 중요해진다.
반면 Groq는 칩 사이에도 assembly line 같은 흐름을 만들고, 직접 연결 구조를 통해 여러 칩이 하나의 단일 코어처럼 동작할 수 있다고 설명한다.
즉, 칩이 늘어나도 가능한 한 데이터 흐름이 끊기지 않게 하려는 것이다. (Groq)

결국 요약하면 이렇다.

기존 GPU는
**“범용성을 위해 복잡성을 받아들인 구조”**다.
반면 Groq LPU는
**“저지연 추론을 위해 복잡성을 미리 컴파일 단계로 넘긴 구조”**다.

그래서 LPU는 “엄청나게 큰 계산기”라기보다,
“데이터를 기다리는 시간을 줄이고, 실행 중 판단 비용을 줄인 계산기”라고 이해하는 편이 더 정확하다. (Groq)

7. 왜 이런 초저지연이 AI 추론 시대에 더 중요해지는가

앞으로 AI는 더 넓게 퍼질 가능성이 높다.

토큰 단가는 내려가고,
모델 성능은 올라가고,
서비스 종류는 더 많아질 것이다.

그러면 사람들은 AI를 단순 검색처럼 쓰지 않는다.
더 길게 대화하고,
더 복잡한 일을 시키고,
반복적으로 호출하고,
에이전트처럼 계속 일을 맡기게 된다.

그 결과 두 가지 요구가 동시에 커진다.

하나는 긴 컨텍스트다.
AI가 앞의 대화를 오래 기억해야 한다.

다른 하나는 즉각 반응이다.
기억은 길어지는데, 반응은 더 빨라야 한다.

이 둘이 동시에 커지면 기존 GPU 중심 구조만으로는 최적화가 점점 어려워질 수 있다.
바로 이 지점에서 GPU와 LPU의 역할 분업이 설득력을 갖기 시작한다.

8. 앞으로는 프리필과 디코드가 더 분업될 가능성이 있다

내 생각에 기술의 진화 방향은 점점 더 분업 구조로 갈 가능성이 높다.

프리필 단계에서는 긴 문맥을 한꺼번에 읽고 계산해야 한다.
이 단계는 여전히 GPU + HBM 중심 구조가 가장 강하다.

하지만 긴 컨텍스트가 길어질수록 KV cache가 폭증한다.
그러면 HBM만으로는 용량과 경제성을 모두 맞추기 어려워진다.

그래서 앞으로는 KV cache를 중심으로
HBM -> DRAM -> 외부 저장공간(SSD/NAND)
같은 메모리 계층화가 더 중요해질 가능성이 높다.
실제로 NVIDIA는 KV cache 오프로딩을 CPU RAM, 로컬 SSD, 네트워크 저장소까지 확장하는 방향을 설명하고 있다. (investor.nvidia.com)

즉 프리필의 병목은 단순히 GPU 로직칩 내부에만 있지 않다.
이제는 GPU와 메모리 전 계층 전체가 함께 움직이는 문제가 된다.

여기서 중요한 것이 하나 더 있다.
메모리 계층이 길어질수록, 결국 병목은 메모리 칩 자체뿐 아니라 계층 사이를 연결하는 인터커넥터에서도 생긴다.
HBM과 GPU 사이, GPU와 CPU 메모리 사이, 랙 내부의 가속기 사이, 더 나아가 랙과 랙 사이까지 모두 연결 비용이 커진다.
이 연결이 느리거나 전력 소모가 크면, 아무리 좋은 연산칩과 메모리를 써도 전체 시스템 효율은 떨어진다.

그래서 앞으로는 메모리 계층화와 함께 인터커넥터의 진화도 중요해진다.
초기에는 여전히 고속 copper 기반 연결이 주력이겠지만, 데이터 처리량이 계속 폭증하면 더 긴 거리에서 더 낮은 손실과 더 나은 전력 효율을 위해 optics, 즉 광 인터커넥트의 비중이 점점 커질 가능성이 높다.
이것은 단순히 속도를 높이기 위한 변화가 아니라, 전력 소모를 줄이고 지연시간을 안정화하기 위한 변화이기도 하다.

반면 디코드 단계는 다르다.
여기서는 실질적으로 토큰을 생산한다.
따라서 중요한 것은 총 처리량보다 다음 토큰을 얼마나 빨리 내놓느냐다.

그래서 앞으로는
프리필은 GPU + 메모리 계층,
디코드는 GPU + LPU
이런 식의 역할 분업 구조가 점점 강화될 가능성이 있다.

이때도 인터커넥터는 중요하다.
프리필에서 만들어진 상태와 KV cache 일부를 디코드 엔진 쪽으로 빠르게 넘겨야 하기 때문이다.
즉, GPU와 LPU를 붙인다는 것은 칩 하나를 더 추가하는 문제가 아니라, 칩과 메모리, 칩과 칩, 랙과 랙 사이의 연결 구조까지 함께 재설계하는 문제다.

특히 실시간 반응이 중요한 Physical AI 환경에서는 이런 구조가 더 중요해질 수 있다.
즉, NVIDIA의 Groq LPU 도입은 GPU를 대체하려는 움직임이라기보다,
GPU만으로는 잡기 어려운 저지연 추론 수요를 보완하려는 방향으로 해석하는 것이 가장 자연스럽다. (groq.com)

9. 이 변화는 반도체만의 이야기가 아니다

기판 산업에도 직접 연결된다

이 아키텍처 변화는 칩 업체만의 문제가 아니다.
오히려 기판 산업에도 상당히 큰 영향을 줄 수 있다.

이유는 단순하다.

1) 신호 무결성 문제: 더 많은 칩, 더 빠른 링크, 더 긴 메모리 계층.
2) 전력/열 문제: 저지연 inference일수록 순간 전력·발열 관리 중요.
3) 패키지/보드 설계 문제: GPU-HBM뿐 아니라 CPU, SSD, NIC, 광모듈까지 포함한 시스템 레벨 최적화.
4) 소재 업그레이드 문제: 저손실 CCL, 고다층 MLB, advanced packaging substrate.**

그렇게 되면 기판은 더 많은 것을 동시에 만족해야 한다.

첫째, MLB 고다층화가 필요하다.
신호선과 전력선이 많아질수록 층수를 더 늘려야 한다.

둘째, 집적화가 필요하다.
더 많은 칩과 더 많은 메모리를 좁은 공간 안에 넣어야 한다.

셋째, 신호 무결성이 중요해진다.
속도가 빨라질수록 신호 손실과 간섭이 치명적이 된다.

넷째, CCL 고기능화가 필요하다.
더 낮은 손실, 더 높은 절연 특성, 더 나은 열 특성을 가진 소재가 중요해진다.

즉, 앞으로의 기판 수혜는 단순한 물량 증가만이 아니다.
더 높은 사양과 더 높은 기술 난도가 핵심이 된다.

이 점은 매우 중요하다.
AI 서버가 복잡해질수록 진짜 수혜를 보는 것은 단순히 칩을 많이 파는 쪽만이 아니라,
그 칩들이 제대로 동작하도록 받쳐주는 기판과 소재 체계일 수 있기 때문이다.

10. 결국 NVIDIA 아키텍처 변화가 뜻하는 것

이 변화의 본질은 생각보다 명확하다.

NVIDIA는 이제 단순히 더 큰 GPU를 만드는 방향만 보고 있지 않다.
오히려 데이터 이동 거리를 줄이고,
병목을 줄이고,
에너지 효율을 높이는 방향으로 시스템을 재구성하고 있다.

이 점은 이전에 정리했던
AI+HW 2035: Shaping the Next Decade의 문제의식과도 정확히 맞닿아 있다.

미래의 AI 인프라는
연산 유닛만 계속 키우는 구조로 가지 않는다.

대신,

데이터를 더 가까이 두고
필요한 작업만 전용 엔진으로 처리하고
메모리 계층을 더 정교하게 나누고
칩과 칩, 메모리와 메모리 사이 연결을 더 효율적으로 바꾸고
copper 기반 연결은 더 고속화하고, 필요한 구간은 optics로 옮겨가며
시스템 전체의 이동 비용과 전력 소모를 줄이는 방향

으로 진화할 가능성이 높다.

Groq LPU의 의미도 바로 여기에 있다.
이것은 단순히 새로운 칩 하나의 등장이 아니다.
AI 추론 시대의 병목이 어디에 있는지, 그리고 그 병목을 어떻게 풀 것인지를 보여주는 하나의 방향 제시다.

마무리

AI 인프라는 더 큰 단일 가속기를 향해 가는 것이 아니라, prefill/decode 분리, KV cache 계층화, latency-optimized execution, 그리고 시스템 차원의 데이터 이동 최소화를 중심으로 분화되고 있다.

Groq LPU는 그중 특히 decode/real-time inference 병목을 겨냥한 한 사례이며, NVIDIA 역시 Rubin CPX와 Dynamo를 통해 같은 문제를 다른 방식으로 풀고 있다.

결국 NVIDIA의 아키텍처 변화가 보여주는 방향은 분명하다.
AI 인프라는 이제 더 많이 계산하는 구조에서, 더 짧게 이동하고 더 효율적으로 연결되며 더 안정적으로 반응하는 구조로 진화하고 있다.

마지막으로 여러 기술발전 방향과 그 변화 속도에 대해 회의감을 드러내는 리포트 및 기사에 속지(?) 않기 위해 기초공부를 꼼꼼히 해둬야 겠다는 생각이 계속 든다.

=끝