2026년 7월 8일 수요일

생각정리 304 (* 지수레벨, 정상 밸류에이션)

최근 지수가 연일 급락하면서 시장에서는 자연스럽게 “지금이 과매도 구간인가”, “이 정도면 저평가 아닌가”라는 질문이 나온다.

하지만 지수가 많이 빠졌다는 사실만으로 시장 전체를 과매도라고 단정하기는 어렵다. 손실이 발생한 구간은 과매도처럼 느껴지고, 이익이 나는 구간은 적정가치처럼 보이는 것은 투자자들이 흔히 빠지는 인지적 편향일 수 있다.

그래서 지금 필요한 것은 지수 전체를 하나의 덩어리로 보는 시각이 아니라,
어디가 싸고, 어디가 정상이며, 어디가 여전히 비싼지를 나눠보는 작업이다.

숫자를 분해해보면 결론은 생각보다 명확하다.

삼성전자와 SK하이닉스는 2026~2027년 이익 추정치가 폭발적으로 상향되었음에도 PER이 극단적으로 낮아진 구간에 있다. 반면 두 기업을 제외한 코스피 상장사들은 과거 평균 PER과 비교했을 때 과매수도, 과매도도 아닌 정상 밸류에이션 구간에 가깝다.

그리고 코스닥은 다르다. 지수가 크게 밀렸음에도 전체 이익 체력은 여전히 얇고, PER은 코스피와 비교하기 어려울 정도로 높다. 따라서 코스닥을 단순히 “많이 빠졌으니 싸다”고 보기에는 무리가 있다.

결국 지금(*KST 7/8일 기준)의 한국 주식시장은 하나의 문장으로 정리할 수 있다.

코스피의 저PER은 삼성전자와 SK하이닉스의 저PER이고, 코스닥의 하락은 이익 체력 부재를 가리는 근거가 되기 어렵다.

  


코스닥 3,000pt와 코스피 저PER을 같은 프레임으로 보면 안 되는 이유


저평가 고평가를 논하기 위해서 가장 먼저 확인해야 할 것은 지수 레벨이 아니라 시장 전체의 이익 체력이다.

주식시장은 결국 이익과 밸류에이션의 함수다. 유동성, 정책, 투자심리가 단기적으로 지수를 끌어올릴 수는 있지만, 장기적으로 그 지수를 정당화하는 것은 순이익 규모와 그 이익의 지속 가능성이다.

이 관점에서 보면 현재 한국 주식시장은 매우 특이한 구조다.

코스피는 headline PER만 보면 극단적으로 싸 보인다.
하지만 그 저PER의 대부분은 삼성전자와 SK하이닉스 두 기업의 2026~2027년 이익 추정치 폭발적 상향에서 나온다.

반면 코스닥은 지수가 밀렸음에도 여전히 코스피와 비교하기 어려울 정도로 이익 기반이 얇다.


1. 코스닥: 지수가 밀려도 이익 체력은 여전히 약하다


먼저 코스닥부터 보자.

KRX 메인 기준 2026년 7월 1일 코스닥 지수는 929.35pt, 코스닥 시가총액은 441.6조원이었다. 이후 7월 8일 코스닥 종가는 785.00pt까지 하락했다. 단순히 지수 변동률을 적용하면 7월 8일 기준 코스닥 시가총액은 약 373조원으로 환산된다. 이 값은 KRX 확정 일별 시총 원자료가 아니라, 7월 1일 KRX 시총에 7월 8일 지수 변동률을 적용한 추정치다. (KRX 데이터시스템)



순이익 체력은 이전에 확인한 코스닥 전체 순이익 역산치 약 5.9조원(*bear case 4조원)을 유지했다. 이 가정이 다소 보수적이라고 해도, 결론은 크게 달라지지 않는다.


https://uiyeonassociation.blogspot.com/2026/03/193.html

코스닥은 지수가 크게 밀렸음에도 전체 이익 체력이 4~6조원 안팎에 불과하다.
그럼에도 시가총액은 여전히 370조원 안팎으로 추정된다.

따라서 코스닥의 문제는 단순히 지수가 낮아졌느냐가 아니다.
핵심은 시가총액 대비 이익 기반이 너무 얇다는 점이다.

코스닥 PER이 100배에서 60배대로 낮아졌다고 해도, 그것이 곧 저평가를 의미하지는 않는다. 코스닥은 여전히 이익을 내는 기업의 수, 이익의 절대 규모, 이익의 지속 가능성 측면에서 코스피와 비교하기 어렵다.


2. 삼성전자·SK하이닉스: 연초 이후 이익 추정치가 수백조원 단위로 상향됐다


반대로 코스피는 다르다.
현재 코스피 headline PER이 낮아 보이는 가장 큰 이유는 삼성전자와 SK하이닉스의 이익 추정치가 연초 이후 폭발적으로 상향됐기 때문이다.

SK하이닉스는 첨부 자료 기준 연초 2026년 영업이익 추정치가 128~140조원, 2027년 추정치가 160조원 수준이었다. 그런데 현재 MarketScreener 기준 SK하이닉스의 2026E EBIT는 275.3조원, 2027E EBIT는 408.6조원까지 올라와 있다. (MarketScreener)


https://t.me/jump0000





삼성전자도 비슷하다. 연초에는 2026년 영업이익 추정치가 130~150조원대에서 논의됐지만, 현재 MarketScreener 기준 2026E EBIT는 383.5조원, 2027E EBIT는 535.6조원이다. 삼성전자의 7월 8일 종가는 277,500원으로 확인된다. (MarketScreener)



두 회사를 합산하면 변화는 더 극단적이다.


이 정도면 최근 코스피 상승을 단순한 유동성 장세로만 해석하긴 어렵다.

https://t.me/jk_bond


핵심은 삼성전자와 SK하이닉스의 2026~2027년 영업이익 추정치가 연초 대비 수백조원 단위로 상향됐다는 점이다. 코스피 지수가 오른 것은 맞지만, 그보다 더 빠르게 이익 추정치가 올라온 것이다.

여전히 삼성전자와 SK하이닉스의 이익 성장폭 대비 두 종목의 주가퍼포먼스가 못따라오는 구조이다.

https://t.me/mk81_koreainvestment
여전히 SEC, SKH EPS Growth를 못따라는 주가지수
SEC, SKH 체급을 담기엔 KOSPI가 너무 작아져버린게 아닐까 하는 의문..



3. 7월 8일 기준 코스피 시가총액 구조


이제 7월 8일 기준 코스피를 보자.

KRX 메인 기준 2026년 7월 1일 코스피 지수는 8,303.41pt, 코스피 시가총액은 5,931.1조원이었다. 이후 7월 8일 코스피 종가는 7,246.79pt로 하락했다. 7월 1일 시가총액에 지수 변동률을 적용하면 7월 8일 코스피 전체 시가총액은 약 5,176.3조원으로 환산된다. 이 역시 KRX 일별 확정 시총이 아니라 지수비례 환산치다. (KRX 데이터시스템)


개별 기업은 7월 8일 종가 기준으로 계산했다. 삼성전자 보통주는 277,500원, SK하이닉스는 2,076,000원으로 확인된다. 삼성전자우선주는 7월 8일 기준 시가총액 170.5조원이 별도로 확인된다. (MarketScreener)



삼성전자우선주는 순이익을 별도로 더하면 안 된다.
우선주는 별도 회사가 아니므로, 시가총액 계산에서는 포함하되 순이익 계산에서는 삼성전자 연결 순이익 하나만 반영하는 방식이 맞다.

이 기준으로 보면, 삼성전자 보통주·삼성전자우·SK하이닉스만 합쳐도 7월 8일 환산 코스피 시가총액의 **약 63.0%**를 차지한다.


즉, 지금 코스피의 시가총액 구조는 시장 전체의 broad-based re-rating이라기보다, 삼성전자와 SK하이닉스에 극단적으로 집중된 구조다.

넓게 S7으로보면 약 코스피 전체 시총의 70%
https://t.me/jump0000


4. 순이익 기준으로 보면 쏠림은 더 심하다


시가총액 쏠림도 크지만, 이익 쏠림은 더 크다.

MarketScreener 기준 삼성전자의 2026E 순이익은 302.5조원, 2027E 순이익은 429.2조원이다. SK하이닉스의 2026E 순이익은 228.1조원, 2027E 순이익은 328.6조원이다. (MarketScreener)

코스피 전체 2026E 순이익은 유안타증권 자료에서 FnGuide Dataguide 기준 692.6조원으로 제시되어 있고, 2027년 코스피 순이익은 하나증권 관련 보도에서 946조원까지 올라온 것으로 제시된다. (조선비즈)



비중으로 보면 더 직관적이다.


시가총액 기준으로는 삼성전자·삼성전자우·SK하이닉스가 코스피의 약 63%를 차지한다.
하지만 순이익 기준으로는 두 기업이 2026년 코스피 순이익의 76.6%, 2027년에는 80.1%를 차지한다.

즉, 지금 코스피는 시총 쏠림보다 이익 쏠림이 더 심한 시장이다.

한국경제TV
https://t.me/jump0000


5. 7월 8일 기준 PER: 코스피 전체가 싼 것이 아니라 두 기업이 압도적으로 싸다


7월 8일 환산 시가총액을 기준으로 PER을 계산하면 아래와 같다.


여기서 핵심은 코스피 전체 PER이 아니다.

코스피 전체 2026E PER은 7.5배, 2027E PER은 5.5배로 매우 낮아 보인다.
하지만 이를 분해하면, 이 낮은 PER의 대부분은 삼성전자와 SK하이닉스의 초대형 순이익 컨센서스에서 나온다.

두 기업만 놓고 보면 2026E PER은 6.2배, 2027E PER은 4.3배다.
반면 두 기업을 제외한 코스피는 2026E PER 11.8배, 2027E PER 10.2배다.

즉, 지금 코스피의 저PER은 시장 전체가 균등하게 싸다는 뜻이 아니다.
삼성전자와 SK하이닉스 단 두 종목이 코스피 전체 PER을 강제로 끌어내리고 있는 구조다.


6. 과거 코스피 평균 PER과 비교하면 두 기업 제외 코스피는 정상 범위다


여기에 과거 코스피 PER을 같이 비교 해보면 위 수치는 더 직관적이다. 

CEIC는 KOSPI P/E ratio가 KRX 제공 일별 데이터이며 2000년 이후 장기 시계열을 제공한다고 설명한다. 데이터 제공사별 산식 차이는 있지만, 2010년 이후 코스피 PER의 장기 평균을 실무적으로 보면 대략 13~14배 내외를 하나의 기준선으로 사용할 수 있다. 다만 정확한 2010~2023년 산술평균은 KRX·FnGuide·Bloomberg 등 원시계열을 직접 내려받아 계산하는 것이 가장 정확하다. (ISI)


이 비교가 중요하다.

삼성전자와 SK하이닉스를 제외한 코스피의 2026E PER 11.8배, 2027E PER 10.2배는 과거 코스피 평균 PER과 비교하면 과매수 구간이라고 보기는 어렵다. 오히려 장기 평균 대비 약간 낮은 정상 밸류에이션 구간에 가깝다.


06~23년 2026E 코스피 선행 약 PER 10~11배

다만 이것을 극단적 저평가라고 부르기도 어렵다.

극단적으로 싸 보이는 구간은 삼성전자와 SK하이닉스다.
두 기업은 2026E PER 6.2배, 2027E PER 4.3배까지 내려간다.

따라서 표현은 이렇게 정리하는 게 가장 정확하다.

두 기업 제외 코스피는 과열도 아니고, 과매도도 아닌 정상 PER 구간이다. 반면 코스피 headline PER을 극단적으로 낮게 만드는 것은 삼성전자와 SK하이닉스 두 기업이다.


7. 코스닥은 코스피와 비교하기 어렵다


이제 코스닥과 다시 비교하면 차이가 더 선명하다.


코스피는 삼성전자·SK하이닉스 쏠림 문제가 있다.
두 기업을 제외해도 2026년 예상 순이익이 162조원이다. (*Yoy mid teen %정도)

반면 코스닥은 전체 이익 체력이 6조원 안팎에 불과하다.
그럼에도 7월 8일 환산 시가총액은 약 373조원이다.

따라서 코스닥 지수가 이미 많이 밀렸다고 해도, 코스피와 같은 저평가 프레임을 적용하기는 어렵다.

코스피의 문제는 이익 쏠림이다.
코스닥의 문제는 이익 부족이다.

두 문제는 성격이 다르다.


마무리


정리하면, 7월 8일 급락 이후에도 한국시장 해석의 핵심은 크게 바뀌지 않는다.

코스피 전체 PER은 2026E 7.5배, 2027E 5.5배로 매우 낮아 보인다. 하지만 이를 분해하면, 그 저PER의 대부분은 삼성전자와 SK하이닉스의 이익 추정치가 폭발적으로 상향된 결과다.

두 기업만 놓고 보면 2026E PER은 6.2배, 2027E PER은 4.3배다.
반면 두 기업을 제외한 코스피는 2026E PER 11.8배, 2027E PER 10.2배다.

06~23년 2026E 코스피 선행 약 PER 10~11배


과거 코스피 평균 PER이 대략 13~14배 내외였다는 점을 감안하면, 두 기업 제외 코스피는 과열 구간이라고 보기도 어렵고, 극단적 저평가 구간이라고 보기도 어렵다. 정상 밸류에이션 구간에 가깝다.

따라서 지금 코스피의 저평가를 말할 때는 더 정확히 표현해야 한다.

코스피 전체가 극단적으로 싼 것이 아니다. 삼성전자와 SK하이닉스가 극단적으로 싸게 보이는 구조다.

그리고 두 기업을 제외한 나머지 코스피 기업들은 삼성전자·SK하이닉스만큼의 어닝 상향을 보여주지 못하고 있다. 그럼에도 밸류에이션은 장기 평균 근처에 머물고 있다. 즉, 지금 코스피 headline PER은 시장 전체의 광범위한 저평가라기보다, 메모리 2사의 초대형 어닝 리비전이 만들어낸 착시 효과에 가깝다.

코스닥은 더 말할 것도 없다.

지수가 밀렸어도 전체 이익 체력은 여전히 얇고, PER은 코스피와 비교하기 어려울 정도로 높다. 코스닥 3,000pt를 이야기하려면 유동성이나 정책 구호가 아니라, 코스닥 전체 순이익이 수배로 커질 수 있는 구조적 근거가 먼저 제시되어야 한다.

코스피의 저PER은 삼성전자·SK하이닉스의 저PER이고,
코스닥의 하락은 이익 체력 부재를 가리는 근거가 되기 어렵다.

#글을 마치며


숫자를 이렇게 나눠서 다시 보면, 전자닉스 반도체 우려를 이유로 다른 섹터로 로테이션해야 한다는 주장은 설득력이 떨어진다.

오히려 지금 벌어지는 조정은, 그동안 전자닉스의 가파른 이익 추정치 상향으로 한국시장에 밀물처럼 유입된 유동성의 수혜를 함께 받았던 기업들이 제자리를 찾아가는 과정에 가깝다.

사업 내용이나 펀더멘털이 전자닉스만큼 급격히 개선되지 않았음에도, 시장 전체 리레이팅에 편승해 밸류에이션만 먼저 올라갔던 기업과 산업들이 다시 본래의 이익 체력에 맞는 가격으로 조정받고 있다고 보는 편이 더 자연스럽다.

결국 이번 조정의 본질은 전자닉스의 구조적 훼손이라기보다, 전자닉스가 끌어올린 한국시장 유동성 효과에 같이 올라탔던 주변부 자산들의 밸류에이션 정상화에 가깝다고 생각한다.

현재의 리밸런싱 조정국면이 지난 후 다시 시작될 유동성 공급국면에서 시장에 유입될 수 있는 유동성은 유한하다.

그런데 SK하이닉스와 삼성전자의 이익 추정치가 계속 앞으로도 추가 상향된다면, 시장 내 유입될 자금은 다시 두 종목으로 더 강하게 쏠릴 가능성이 있다.

이 경우 기존에 다른 섹터에 머물러 있던 일부 자금까지 SEC, SKH가 흡수하게 되고, 여타 섹터는 단순한 조정을 넘어 상대적 디레이팅 국면에 들어갈 수 있다.

따라서 지금은 반도체 우려에 따른 섹터 로테이션을 말할 때라기보다, 오히려 반도체 이익 상향이 지속될수록 다른 섹터의 밸류에이션 부담이 더 크게 드러날 수 있는 구간임을 염두에 둘 필요가 있다.


자본시장에서 자산가격이 싸고 비싼지는 단순히 과거 데이터와 비교해서 판단할 문제라기 보다는, (*미래 전망에 대한 확신만 있다면 과거의 per 차트, 과거 주가 차트 그래프 따위를 봐야할 하등의 이유가 없음)

더 중요한 기준은 현재 대체 가능한 비교 자산군 대비 얼마나 매력적인가, 그리고 앞으로 벌어들일 미래 이익 대비 가격이 얼마나 합리적인가에 있다.

결국 밸류에이션 판단의 기본은 과거 평균과의 비교보다, 비교 가능한 자산군 내에서의 상대 매력도와 미래 earning power에 대한 평가라고 보는 것이 맞다.

달이 충분히 차서 기울기까지는 아직 한참 더 남아 있는 국면이 아닐까 싶다.

매수매도 추천 아님.

=끝

생각정리 303 (* All or Nothing, 데이터주권)

우리는 2023년부터 한 가지 결론에 가까워지고 있었다.

앞으로 투자자로서 오래 살아남고, 지속 가능한 수익률을 만들기 위해서는 결국 해외로 나아가야 한다는 결론이었다. 당장은 익숙한 국내 산업과 종목을 보는 것이 편할 수 있다. 그러나 돌이켜보면 투자에서 익숙함은 때로 가장 위험한 덫이 되어왔다. 편안한 영역에만 계속 머무르는 순간, 변화의 출발점을 놓치고 뒤늦은 해석만 반복하게 될 뿐이라는건 지난 경험들을 통해 충분히 알 수 있었다. 

지금도 우리는 아침에 눈을 뜬 순간부터 잠들기 전까지 리서치 할당량을 조금씩 바꾸고 있다. 국내 산업 리서치 비중을 점진적으로 줄이고, 해외 산업 리서치 비중을 높이는 방식이다.

단순히 해외 주식을 더 보겠다는 의미가 아니다. 산업 변화의 출발점이 어디에서 시작되는지, 자본과 기술의 중심이 어디로 이동하는지를 직접 따라가겠다는 의미다.

한국은 운 좋게도 메모리라는 AI 핵심 인프라 자원을 가진 국가가 되었다. 이 점은 부인하기 어렵다. HBM, DRAM, NAND는 AI 인프라 확장 과정에서 필수적인 자원이 되었고, 한국 기업들은 이 흐름의 중요한 수혜자가 되었다.

하지만 냉정하게 보면 이것은 우리가 AI 산업의 변화를 주도했기 때문이라기보다, 거인의 어깨 위에 올라탄 결과에 가깝다. 한국 메모리 산업은 AI 시대의 핵심 공급망에 올라섰지만, AI라는 거대한 산업 구조의 방향을 정하는 쪽은 여전히 미국의 프론티어 LLM 기업들, Nvidia와 같은 칩 설계 기업들, 그리고 AWS·Azure·Google Cloud·Meta와 같은 CSP와 빅테크 기업들이다.

따라서 국내 메모리 산업을 제대로 이해하려면 국내만 봐서는 안 된다. 메모리 수요의 출발점은 결국 전방 AI 투자, LLM 사용량, AI SaaS 확산, 클라우드 Capex, 데이터센터 전력 수요, 추론 비용 구조 변화에서 나오기 때문이다.

최선단의 미국 AI 산업 변화를 따라가지 못하면, 우리는 계속 백미러를 보며 운전하는 투자자가 될 수밖에 없다. 이미 벌어진 일을 사후적으로 해석하고, 지나간 실적을 근거로 뒤늦게 확신하는 후견지명의 반복에 머물 가능성이 높다는 뜻이다.

그런 방식으로는 시장수익률을 지속적으로 넘어서기 어렵다.

결국 국내 투자를 더 잘하기 위해서라도 해외 산업으로 시야를 확장해야 한다. 특히 메모리 산업을 이해하려면 AI 수요처의 다변화, LLM 업체들의 수익화, AI SaaS의 확산, CSP들의 컴퓨팅 선점 경쟁, 그리고 Physical AI로 이어지는 산업 확장을 함께 봐야 한다.

이번 글에서는 최근 프론티어 LLM, AI SaaS, Cloud CSP들의 변화하는 움직임을 살펴보고자 한다. 그리고 이 변화가 단순히 미국 기술주의 문제가 아니라, 한국 메모리·모빌리티·제조업·소프트웨어 산업에 어떤 시사점을 주는지 정리해보려 한다.


AI 경쟁은 왜 데이터 주권의 문제가 되었나


1. LLM은 단순한 챗봇이 아니라 새로운 업무 포털이 되고 있다


최근 AI 경쟁을 보면 LLM은 더 이상 단순히 질문에 답하는 챗봇이 아니다.
이제 LLM은 사용자가 업무를 시작하는 첫 화면이 되고 있다.

과거에는 사용자가 직접 Figma를 열고 디자인을 했다.
직접 Cursor를 열고 코드를 작성했다.
직접 Notion, Salesforce, Canva, Asana 같은 SaaS 앱에 들어가 업무를 처리했다.

그런데 지금은 흐름이 바뀌고 있다.

사용자는 먼저 ChatGPT, Claude, Gemini, Grok 같은 LLM을 연다.
그리고 자연어로 업무를 지시한다.

  • 이 화면을 디자인해줘.

  • 이 코드를 고쳐줘.

  • 이 자료를 요약해서 보고서로 만들어줘.

  • 이 고객 데이터를 보고 다음 액션을 추천해줘.


이 순간부터 SaaS 앱은 사용자의 첫 진입점이 아니라, LLM이 뒤에서 호출하는 도구로 밀려날 수 있다. OpenAI는 ChatGPT 안에서 외부 앱과 데이터를 연결하는 Apps SDK를 공개했고, Anthropic도 Claude 안에서 Slack, Figma, Canva, Asana 같은 업무 도구를 직접 조작하는 MCP Apps 구조를 확장하고 있다. (OpenAI)

참고 링크

  • OpenAI, Apps in ChatGPT / Apps SDK 발표 (OpenAI)

  • Anthropic Claude MCP Apps, Slack·Figma·Canva·Asana 연동 보도 (The Verge)

2. SaaS 회사들이 느끼는 진짜 위협


문제는 LLM 업체들이 SaaS 앱과 연동하면서 고객의 실제 업무 흐름을 빠르게 파악할 수 있다는 점이다.

(*CSP사들도 고객들의 사용자층의 모든 로그기록들을 원한다면 훤히 다 들여다 볼 수 있다고 함..)

물론 이를 법적으로 “훔쳤다”고 단정하기는 어렵다.
OpenAI와 Anthropic은 기업용·상업용 제품에서 고객 입력과 출력을 기본적으로 모델 학습에 사용하지 않는다고 설명하고 있다. (OpenAI)

하지만 더 중요한 문제는 따로 있다.

모델 학습 여부와 별개로, LLM 업체는 연동 과정에서 다음과 같은 제품적 인사이트를 축적할 수 있다.

  • 사용자가 어떤 기능을 자주 쓰는지

  • 어떤 작업을 반복적으로 자동화하려는지

  • 어느 지점에서 기존 SaaS 사용성이 불편한지

  • 어떤 기능이 실제로 돈이 되는지

  • 어떤 업무가 LLM 안으로 흡수될 수 있는지


이것은 단순한 데이터가 아니다.
사용자의 업무 습관, 기업의 운영 방식, 소프트웨어의 핵심 노하우에 가깝다.

실제로 LLM 앱 생태계의 데이터 노출 위험을 다룬 연구도 있다. OpenAI GPTs 생태계를 분석한 논문은 외부 Actions가 여러 종류의 사용자 데이터를 수집할 수 있고, 일부 Actions는 여러 GPT에 걸쳐 사용자 활동을 추적할 가능성이 있다고 지적했다. (arXiv)

참고 링크

  • OpenAI Enterprise Privacy: 기업용·API 데이터 기본적으로 학습 미사용 (OpenAI)

  • Anthropic Privacy Center: Claude for Work·API·Gov 데이터 기본적으로 학습 미사용 (안드로픽 개인정보 센터)

  • LLM 앱 생태계 데이터 노출 관련 논문 (arXiv)

3. Figma와 Cursor 사례가 보여주는 변화


Figma와 Cursor 사례를 보면 이 변화가 더 선명하게 보인다.

Anthropic은 Claude와 Figma의 연결을 강화하고 있다. Figma는 Claude Code에서 생성한 UI를 Figma 캔버스의 편집 가능한 디자인 요소로 변환하는 Code to Canvas 기능을 소개했다. 이는 AI로 만든 코드와 디자인 협업 툴 사이의 경계를 낮추는 변화다. (Figma)

동시에 Claude는 Figma Connector와 Plugin을 통해 디자인 파일, 컴포넌트, 디자인 토큰, 코드 변환 작업에 접근할 수 있는 구조를 제공하고 있다. (Claude)

OpenAI도 Codex를 통해 코드 수정, 기능 구현, 코드베이스 분석, PR 생성 같은 기능을 ChatGPT와 클라우드 에이전트 구조 안으로 끌어들이고 있다. OpenAI는 Codex를 “클라우드 기반 소프트웨어 엔지니어링 에이전트”로 설명하며, 여러 작업을 병렬로 수행할 수 있다고 밝히고 있다. (OpenAI)

Cursor는 여전히 강력한 AI 코드 에디터이지만, OpenAI·Anthropic·Google 등 프론티어 모델을 사용하는 구조 위에서 성장해왔다. Cursor 공식 문서도 여러 프론티어 코딩 모델과 모델별 사용량·가격 체계를 제공한다. (Cursor)

중요한 변화는 이것이다.

사용자의 첫 작업 지점이 SaaS 앱에서 LLM으로 옮겨가고 있다.

Figma와 Cursor가 당장 사라진다는 뜻은 아니다.
다만 가장 수익성이 좋고, 반복 빈도가 높고, 대중화되기 쉬운 작업부터 LLM 안으로 흡수되고 있다.

참고 링크

  • Figma, Claude Code to Figma / Code to Canvas 공식 블로그 (Figma)

  • Figma × Anthropic Code to Canvas 보도 (The Economic Times)

  • Claude Figma Connector / Plugin (Claude)

  • OpenAI Codex 공식 소개 (OpenAI)

  • Cursor 공식 문서 / 모델 가격 문서 (Cursor)


4. Alex Karp가 지적한 문제의식


Palantir의 Alex Karp가 지적하는 문제도 이와 맞닿아 있다.

Karp의 문제의식은 단순한 데이터 보안 문제가 아니다.
기업이 LLM을 쓰는 과정에서 자사의 운영 노하우, 업무 프로세스, 의사결정 로직, 고객 데이터, 권한 체계가 외부 모델 업체의 토큰 소비 구조 안으로 흘러 들어갈 수 있다는 점이다.

Axios는 Karp가 CNBC 인터뷰에서 미국 프론티어 AI 랩들이 강한 모델 개발에 집중하지만, 기업 고객에게 충분한 가치를 주지 못하고 있다고 비판했다고 보도했다. 또한 기업 IP 보호 문제에 대한 불확실성도 함께 지적했다고 전했다. (Axios)

https://www.youtube.com/watch?v=7bxa685cUao

Tom’s Hardware와 Forbes도 Karp가 OpenAI·Anthropic 같은 프론티어 AI 업체의 토큰 판매 모델과 기업 데이터 흡수 문제를 비판했다고 보도했다. 다만 이는 Karp의 주장이지, OpenAI와 Anthropic이 고객 데이터를 실제로 부당하게 사용했다는 독립 검증 사실은 아니다. (Tom's Hardware)

Palantir가 강조하는 “Sovereign AI”도 같은 맥락이다. Palantir는 AI를 도입하더라도 데이터, 인터페이스, 배포, 보안 운영에 대한 통제권을 고객이 가져야 한다고 주장한다. (The Times of India)

즉, 기업이 AI를 쓰지 말자는 이야기가 아니다.
문제는 AI를 쓰는 과정에서 자사의 운영 노하우와 업무 로직을 외부 모델 플랫폼에 넘겨도 되는가이다.

참고 링크

  • Axios, Alex Karp의 프론티어 AI 랩 비판 보도 (Axios)

  • Tom’s Hardware, Karp의 데이터·토큰 모델 비판 보도 (Tom's Hardware)

  • Forbes, Karp의 “enterprise value” 흡수 비판 보도 (포브스)

  • Palantir AI Sovereignty 관련 보도 (The Times of India)

5. AI 경쟁은 All or Nothing 구조로 가고 있다


이 흐름은 AI 경쟁 전체를 더 극단적인 구조로 몰고 간다.

여기서 말하는 All or Nothing은 단순히 “모델 성능 1등만 살아남는다”는 뜻이 아니다.

정확히는 다음 네 가지를 동시에 장악한 회사가 장기적으로 유리해진다는 의미다.

  • 프론티어 모델

  • 컴퓨팅 자원

  • 데이터와 워크플로우

  • 유통 채널


AI 모델 회사는 더 좋은 모델을 만들기 위해 더 많은 컴퓨팅이 필요하다.
더 많은 컴퓨팅을 확보하려면 더 많은 자본이 필요하다.
더 많은 자본을 만들려면 더 많은 고객 사용량과 매출이 필요하다.

이 구조는 플라이휠처럼 돌아간다.

좋은 모델 → 더 많은 사용자 → 더 많은 매출 → 더 많은 GPU와 데이터센터 → 더 좋은 모델

반대로 이 플라이휠에 올라타지 못한 회사는 빠르게 밀려날 수 있다.

이런 관점에서 AI 경쟁은 단순한 소프트웨어 경쟁이 아니다.
전력, GPU, 데이터센터, 네트워크, HBM, 냉각, 클라우드 유통망까지 모두 묶인 산업 경쟁이다.

참고 링크

  • Stanford AI Index 2026, AI 경쟁·인프라·거버넌스 관련 종합 보고서 (arXiv)

  • SemiAnalysis, AI 데이터센터·컴퓨팅 수요 모델 관련 소개 (SemiAnalysis)

  • AI 에이전트가 실제 소프트웨어 개발에 미치는 영향 관련 연구 (arXiv)

6. Anthropic의 성장은 AI 수익화가 시작됐다는 신호다


Anthropic 사례는 이 흐름을 잘 보여준다.

Anthropic은 Claude Code가 공개 출시 6개월 만에 10억 달러 run-rate revenue에 도달했다고 공식적으로 밝혔다. 이는 AI 코딩 에이전트가 단순한 실험용 도구가 아니라 실제 매출을 만드는 제품으로 진입했음을 보여준다. (안트로픽)

SemiAnalysis는 Anthropic이 Claude Code와 B2B API 중심 사업 모델을 통해 OpenAI보다 더 수익성 높은 상업화 구조를 만들고 있다고 분석한 바 있다. 다만 Anthropic의 2026년 3분기 10억 달러 EBIT 전망, ARR 600억 달러 이상, 2027년 ARR 3,000억 달러 전망 등은 SemiAnalysis의 추정값이며, 확정 실적은 아니다. 공개적으로 확인 가능한 범위에서는 SemiAnalysis 아카이브와 이를 인용한 2차 기사, 그리고 Anthropic의 공식 Claude Code 매출 마일스톤을 함께 참고할 필요가 있다. (SemiAnalysis)

(SemiAnalysis)

중요한 점은 이것이다.

AI 모델 회사가 실제로 돈을 벌기 시작하면, 빅테크의 AI Capex 정당성은 더 길게 유지될 수 있다.

과거에는 AI 데이터센터 투자가 단순 비용처럼 보였다.
하지만 이제는 다르게 봐야 한다.

컴퓨팅은 비용 항목이 아니라 미래 AI 경제권을 선점하기 위한 생산설비다.

모델 경쟁에서 이기면 자기 서비스에 쓰면 된다.
모델 경쟁에서 일부 밀리더라도, 확보한 GPU와 데이터센터 용량을 다른 기업에 팔 수 있다.

그래서 컴퓨팅은 일종의 콜옵션 자산이 되고 있다.
AI 수요가 더 커질수록, 먼저 확보한 전력·부지·GPU·네트워크·냉각 인프라의 가치는 더 커질 수 있다.

생각정리 146 (* 지각비)

참고 링크

  • Anthropic, Claude Code 10억 달러 run-rate revenue 공식 발표 (안트로픽)

  • SemiAnalysis 아카이브 / Anthropic 수익화 관련 2차 인용 자료 (SemiAnalysis)

  • Anthropic Q2 2026 흑자 전망 관련 WSJ 인용 보도 (Let's Data Science)

7. Meta의 캐나다 데이터센터는 컴퓨팅 선점 경쟁의 상징이다


Meta의 캐나다 앨버타 데이터센터 계획은 이 흐름을 상징적으로 보여준다.

AP에 따르면 Meta는 캐나다 앨버타주 Sturgeon County에 91억 달러 이상을 투자해 첫 캐나다 AI 데이터센터를 건설할 계획이다. 이 시설은 Pembina Pipeline 등이 개발하는 932MW 천연가스 발전소로 전력을 공급받을 예정이다. AP는 앨버타 전력망이 여러 대형 AI 데이터센터를 감당하기 어렵기 때문에, 자체 전력 확보 프로젝트가 우선되고 있다고 설명했다. (AP News)

또한 Meta가 남는 AI 컴퓨팅 자원을 외부에 판매하는 “Meta Compute” 가능성을 검토하고 있다는 보도도 나왔다. 이는 빅테크의 AI Capex가 단순 내부 비용이 아니라 외부 매출화 가능한 컴퓨팅 자산으로 바뀔 수 있음을 보여준다. (Tom's Hardware)

이것은 단순한 서버 투자 문제가 아니다.

AI 경쟁에서는 GPU만 중요한 것이 아니다.
전력, 부지, 송전망, 냉각, 네트워크, HBM 공급망까지 모두 경쟁력의 일부가 되고 있다.

결국 빅테크 AI Capex는 단순 과잉투자라기보다, 미래 AI 생산설비를 선점하기 위한 전면전에 가깝다.

참고 링크

  • AP, Meta 캐나다 앨버타 AI 데이터센터 투자 보도 (AP News)

  • Meta Compute / AI 컴퓨팅 외부 판매 가능성 보도 (Tom's Hardware)

  • SemiAnalysis 인용, Meta 2026년 상반기 5GW 이상 데이터센터 용량 계약 보도 (야후 금융)

8. 한국의 고정밀 지도 문제도 같은 관점에서 봐야 한다


이 관점은 한국에도 중요한 시사점을 준다.

미국 빅테크의 한국 고정밀 지도 접근 문제도 단순히 “구글맵이 한국에서 잘 작동하느냐”의 문제가 아니다.


Export Nation or Ecosystem Power: South Korea’s Choice in the AI Industrial Age

Export Nation or Ecosystem Power: South Korea’s Choice in the AI Industrial Age
미국에서 계속 한국의 정밀지도를 원하는건 그만한 미래의 경제적 가치가 크기 때문이며, 이를 기반으로 추가로 나아갈 수 있는 영역이 무한히(?) 크기 때문임. 제대로 조사도 안하고 이를 그대로 갖다바치면 진짜 돌이킬 수 없음..


자율주행, 로보택시, 배달 플랫폼, 모빌리티 데이터 주권과 연결된 문제다.

한국은 오랫동안 국가 안보를 이유로 고정밀 지도 데이터의 국외 반출을 제한해왔다. ITIF는 한국이 공간정보법 체계 아래 1:25,000보다 정밀한 디지털 지도 데이터의 국외 이전을 정부 승인 없이 제한해왔고, Google과 Apple은 1:5,000 축척 지도 데이터 반출을 신청해왔다고 설명했다. (ITIF)

다만 2026년 한국 정부는 Google의 고정밀 지도 데이터 국외 반출을 조건부로 승인했다. AP는 한국 정부가 1:5,000 축척 지도 데이터의 해외 서버 반출을 허용하되, 국내 서버에서 먼저 처리하고, 군사·핵심 인프라 이미지를 흐리게 처리하며, 등고선 등 민감 정보를 제외하는 조건을 붙였다고 보도했다. (AP News)

이 변화는 지도 앱 시장뿐 아니라 자율주행과 모빌리티 플랫폼 경쟁에도 영향을 줄 수 있다.

참고 링크

  • ITIF, 한국 고정밀 공간정보 국외 반출 제한 분석 보고서 (ITIF)

  • AP, 한국 정부의 Google 고정밀 지도 반출 조건부 승인 보도 (AP News)

  • Korea Times, Google 지도 반출 승인 조건 및 국내 지도 생태계 영향 보도 (코리아 타임스)

9. Tesla FSD의 무서운 점은 데이터 플라이휠이다


Tesla FSD를 생각해보면 더 분명해진다.

FSD의 무서운 점은 단순히 현재 기술력이 높다는 데 있지 않다.
차량이 많이 주행할수록 데이터가 계속 쌓이고, 그 데이터가 다시 FSD 품질을 높이는 구조에 있다.

Tesla는 FSD Supervised 안전 페이지에서 누적 주행거리와 도시 주행거리를 공개하고 있다. 2026년 7월 기준 Tesla FSD Supervised 페이지에는 누적 주행거리 117억 마일 이상, 도시 주행거리 44억 마일 이상이 표시되어 있다. (Tesla)

Tesla AI 페이지도 전체 차량 fleet 규모에서 알고리즘을 평가하고, 차량 센서 데이터를 시공간적으로 결합해 대규모 ground truth 데이터를 만든다고 설명한다. (Tesla)

즉, FSD에도 플라이휠이 있다.

더 많은 차량 → 더 많은 주행 데이터 → 더 좋은 FSD → 더 많은 사용자 → 더 많은 데이터

이 구조가 한 번 작동하기 시작하면 후발주자가 따라잡기 어려워진다.

참고 링크

  • Tesla FSD Supervised Safety Report (Tesla)

  • Tesla AI & Robotics 공식 페이지 (Tesla)

  • Tesla FSD 공식 제품 페이지, fleet 학습 설명 (Tesla)

10. 지도 데이터 개방은 현대차·기아만의 문제가 아니다


한국의 고정밀 지도와 위치 데이터가 해외 플랫폼에 넓게 열리고, Tesla FSD나 글로벌 로보택시 플랫폼이 국내에서 빠르게 확산된다면 국내 완성차와 모빌리티 생태계는 강한 압박을 받을 수 있다.

다만 “Tesla가 현대차·기아차 시장을 단숨에 잠식한다”고 단정하기보다는, 고정밀 위치 데이터가 개방될수록 글로벌 모빌리티 플랫폼의 국내 진입 장벽이 낮아질 수 있다고 보는 편이 더 정확하다.

문제는 자동차 판매에만 그치지 않는다.

  • 차량 판매

  • 자율주행 데이터

  • 보험

  • 정비

  • 로보택시

  • 배달

  • 주차

  • 도심 물류

  • 도시 동선 데이터


이 모든 산업이 연결될 수 있다.

한국 지도 데이터 개방 문제는 단순히 Google Maps 편의성 문제가 아니다.
한국의 도로 데이터, 도시 동선 데이터, 배달 동선 데이터, 자율주행 학습 데이터가 누구의 손에 들어가느냐의 문제다.

참고 링크

  • 한국 고정밀 지도 데이터 승인 이후 국내 지도·자율주행 생태계 영향 보도 (조선일보)

  • AP, Google 지도 반출 승인 조건과 국가안보 이슈 (AP News)

  • ITIF, 지도 데이터 규제가 Google·Apple 등 미국 기술기업에 미치는 영향 분석 (ITIF)

11. FSD와 배달 플랫폼의 승부처는 마지막 1m~100m다


자율주행과 배달 플랫폼의 서비스 품질은 단순히 “목적지 근처까지 잘 간다”로 결정되지 않는다.

진짜 차이는 마지막 구간에서 갈린다.

  • 아파트 단지의 어느 입구로 들어가야 하는지

  • 지하주차장 진입로가 어디인지

  • 어느 동 앞에 정차해야 하는지

  • 상가 후문과 정문 중 어디가 실제 배송지인지

  • 골목길에서 어디에 잠시 정차할 수 있는지

  • 보행자가 실제로 이동하는 동선은 어디인지

  • 일방통행, 차단기, 경사로, 임시 주정차 공간을 어떻게 인식하는지


TomTom은 라스트마일 배송에서 “final 100 meters”가 중요하다고 설명하며, 일반적인 지오코딩 서비스는 다층·다세대 건물의 정문, 주차 지점, 층수, 출입구 같은 정보를 충분히 제공하지 못한다고 지적한다. (TomTom)

Mapbox도 라스트미터 배송 지연을 줄이기 위해 운전자가 올바른 출입구를 찾도록 entrance data를 지오코딩 API에 포함한다고 설명한다. (Mapbox)

특히 한국은 이 문제가 더 중요하다.

한국은 아파트 단지 구조가 복잡하다.
지하주차장이 많다.
상가 후문, 골목길, 단지 내부 도로, 임시 정차 공간이 복잡하게 얽혀 있다.

그래서 FSD, 로보택시, 배달 플랫폼의 품질은 결국 마지막 1m~100m의 위치 정확성에서 갈릴 가능성이 높다.

정밀지도와 고정밀 위치 데이터는 단순 편의 기능이 아니다.
미래 모빌리티 플랫폼의 핵심 인프라다.

참고 링크

  • TomTom, final 100 meters와 last-mile geocoding 중요성 (TomTom)

  • Mapbox, entrance data와 last-meter delivery delay 감소 (Mapbox)

  • Last-mile delivery 데이터셋 및 로봇 배송 연구 (arXiv)

12. 자율주행에서 정밀지도는 핵심 인프라다


자율주행에서 정밀지도는 단순한 내비게이션 보조 도구가 아니다.
차량이 자기 위치를 정확히 추정하고, 차선, 표지판, 신호, 도로 구조, 진입 가능 경로를 이해하는 데 중요한 역할을 한다.

HD Map 관련 연구들은 고정밀 지도와 의미론적 지도 데이터가 자율주행 차량의 위치 추정과 경로 계획에서 중요한 구성요소라고 설명한다. (arXiv)

물론 Tesla는 LiDAR 기반 HD Map 의존도를 낮추고 fleet learning과 vision 기반 접근을 강조한다.
하지만 그렇다고 해서 위치 데이터와 지도 데이터의 중요성이 사라지는 것은 아니다.

오히려 한국처럼 도로 구조, 아파트 단지, 지하주차장, 골목길, 상가 출입구가 복잡한 시장에서는 실제 주행 데이터와 정밀 위치 데이터의 결합이 더 중요해질 수 있다.

참고 링크

  • High-Definition Map Generation Technologies for Autonomous Driving 논문 (arXiv)

  • Sparse Semantic HD Maps for Self-Driving Vehicle Localization 논문 (arXiv)

  • Tesla AI 공식 페이지, fleet-scale 평가와 ground truth 데이터 생성 설명 (Tesla)

13. 이 문제는 자동차 산업에만 국한되지 않는다


FSD는 자동차 산업만의 문제가 아니다.

FSD와 로보택시가 확산되면 차량 판매, 보험, 정비, 택시, 렌터카, 물류, 배달, 주차, 도시 교통, 부동산 입지 데이터까지 영향을 받을 수 있다.

배달 플랫폼도 마찬가지다.

음식 배달, 퀵커머스, 라스트마일 물류, 로봇 배송, 무인 편의점, 도심 창고 운영은 모두 위치 데이터와 연결된다.

결국 정밀지도는 미래 서비스 산업의 기반 데이터가 된다.

따라서 지도 데이터 개방 문제는 단순히 “외국 기업도 한국 지도를 쓰게 해줄 것인가”의 문제가 아니다.

한국의 도시 운영 데이터와 모빌리티 인프라를 누가 장악할 것인가의 문제다.

참고 링크

  • McKinsey, last-mile delivery 생태계 변화 보고서 (McKinsey & Company)

  • Last-mile delivery dataset 연구 (arXiv)

  • 자율 배송 로봇과 라스트마일 자동화 연구 (arXiv)

14. Physical AI 시대에는 제조 데이터 주권이 더 중요해진다


이 문제는 지도와 모빌리티에서 Physical AI 시대의 데이터주권 문제로까지 의도적으로 확장해 해석 볼 수도 있다. 

앞으로 AI는 소프트웨어를 넘어 제조 현장, 로봇, 물류창고, 조선소, 반도체 팹, 배터리 공장, 자동차 공장으로 들어간다.

이른바 Physical AI 시대다.

NVIDIA는 Physical AI를 생산 규모의 로봇·산업 자동화로 확장하기 위해 Isaac, Cosmos, GR00T 같은 시뮬레이션·로봇 모델 생태계를 공개하고, 글로벌 로봇 기업들과 협력하고 있다. (NVIDIA)

Physical AI는 단순히 로봇이 움직이는 기술이 아니다.

현장의 센서 데이터, 작업자 동선, 장비 이상 패턴, 공정 조건, 품질 데이터, 수율 개선 노하우, 부품 조립 순서, 유지보수 기록이 모두 AI의 학습 재료가 된다.

스마트 제조 AI 로드맵 관련 연구도 산업 현장에서 AI·ML이 효율성, 자율성, 디지털 트윈, 로봇, 물류 최적화, 공정 관리에 깊게 들어가고 있다고 설명한다. 동시에 산업 데이터 관리, 신뢰성, 설명가능성, 이종 시스템 통합이 핵심 과제라고 지적한다. (arXiv)

이것은 한국 제조업의 핵심 경쟁력과 직접 연결된다.

참고 링크

  • NVIDIA, Physical AI / Robotics 공식 발표 (NVIDIA)

  • 2026 Roadmap on AI and ML for Smart Manufacturing (arXiv)

  • WEF, AI in Action: 산업 AI 전환 보고서 (World Economic Forum)

15. 한국 제조업의 진짜 자산은 데이터보다 운영 노하우다


한국 기업이 미국 프론티어 LLM 업체와 협업할 때 가장 조심해야 하는 부분도 여기에 있다.

AI를 쓰는 것은 필요하다.
글로벌 프론티어 모델과 협업하는 것도 피하기 어렵다.

하지만 그 과정에서 자사의 제조 노하우, 공정 데이터, 장비 운용 데이터, 현장 의사결정 로직이 통째로 외부 모델 업체에 넘어가면 문제가 달라진다.

서울대 국가미래전략원 이슈브리프는 한국 제조업이 반도체, 조선, 방산 등 핵심 산업에서 경쟁력을 보유하고 있음에도, 운영 소프트웨어와 데이터 관리 역량 부족으로 해외 플랫폼 의존이 심화될 수 있다고 지적했다. 특히 제조 AI 도입 과정에서 생산 현장의 암묵지가 데이터화되어 해외 서버에 전송·축적·통제될 위험을 언급했다. (서울대학교 국가미래전략원)

많은 기업은 데이터 보안을 단순히 파일이나 문서 유출 문제로 생각한다.

하지만 AI 시대의 데이터 주권은 그보다 넓다.

진짜 중요한 것은 다음이다.

  • 어떤 업무가 반복되는지

  • 어떤 공정에서 병목이 생기는지

  • 어떤 장비 조건에서 불량률이 올라가는지

  • 어떤 작업자가 어떤 순서로 문제를 해결하는지

  • 어떤 고객 요청이 실제 매출로 연결되는지

  • 어떤 현장 판단이 기업의 수익성을 좌우하는지


이것은 단순한 데이터가 아니다.
기업의 운영 노하우다.

한 번 넘어간 데이터와 업무 흐름은 되찾기 어렵다.

참고 링크

  • 서울대 국가미래전략원, 한국 제조업 AI 전환과 데이터 주권 이슈브리프 (서울대학교 국가미래전략원)

  • GenAI와 Industry 5.0, 데이터 주권·산업 경쟁력 관련 연구 (arXiv)

  • Sovereign AI 관련 연구 (arXiv)

16. 한국 소프트웨어·제조 기업에게 주는 시사점


한국 기업은 AI를 피할 수 없다.
AI를 쓰지 않는 선택지는 점점 사라지고 있다.

하지만 AI를 쓴다는 것과 데이터 주권을 포기한다는 것은 전혀 다른 문제다.

국내 SaaS 회사, 플랫폼 회사, 모빌리티 회사, 제조 기반 Physical AI 회사들은 다음 질문을 반드시 해야 한다.

  • 우리의 핵심 데이터는 어디에 저장되는가

  • 외부 LLM, 외부 cloud사들이 어떤 로그와 호출 기록을 볼 수 있는가

  • 반복 업무 패턴이 외부 플랫폼에 노출되는가

  • 고객의 실제 사용 흐름이 누구에게 축적되는가

  • 외부 모델 업체가 나중에 같은 기능을 직접 만들 수 있는가

  • 우리는 LLM이 대체할 앱인가, 아니면 LLM이 반드시 호출해야 하는 시스템인가

이 질문에 답하지 못하면 위험하다.

AI를 도입했는데, 장기적으로는 자기 사업의 핵심 기반을 외부 플랫폼에 넘기는 결과가 될 수 있다.

Palantir의 Alex Karp가 말하는 문제의식도 이 지점과 맞닿아 있다. 기업은 AI를 써야 하지만, 자사의 데이터와 운영 로직을 외부 모델 업체에 무방비로 넘겨서는 안 된다는 것이다. (Axios)

참고 링크

  • Alex Karp의 프론티어 AI 랩 비판 보도 (Axios)

  • Palantir AI Sovereignty 관련 보도 (The Times of India)

  • LLM 앱 생태계 데이터 노출 연구 (arXiv)

17. 결론: AI 경쟁의 본질은 데이터 주권 전쟁이다


지금 AI 경쟁은 단순한 모델 성능 경쟁이 아니다.

전력, GPU, 데이터센터, LLM, SaaS, 지도, 모빌리티, 제조 현장 데이터가 모두 연결되고 있다.

이 구도에서는 중간층이 가장 위험하다.

얇은 SaaS는 LLM에 흡수될 수 있다.
컴퓨팅을 확보하지 못한 모델 회사는 밀려날 수 있다.
정밀지도와 위치 데이터를 내준 국가는 모빌리티 플랫폼 주도권을 잃을 수 있다.
제조 데이터를 무심코 넘긴 기업은 미래 Physical AI 시대의 핵심 노하우를 잃을 수 있다.

반대로 살아남는 쪽은 명확하다.

프론티어 모델을 갖고 있거나,
컴퓨팅을 갖고 있거나,
원천 데이터와 운영 로직을 장악하고 있거나,
이 세 가지를 동시에 묶을 수 있는 회사다.

그래서 AI Capex는 단순 과잉투자라기보다 미래 AI 경제권의 생산설비를 선점하기 위한 전면전에 가깝다.

한국 입장에서 이 전면전의 핵심은 더 분명하다.

AI를 도입하되, 데이터 주권과 제조 노하우는 반드시 지켜야 한다.

정밀지도, 모빌리티 데이터, 제조 현장 데이터, Physical AI 학습 데이터는 단순한 정보가 아니다.
미래 산업 주도권을 결정할 전략자산이다.

한 번 내준 뒤에는 다시 되찾기 어렵다.

생각정리279 (* Sovereign AI, *Hitachi)

참고 링크


=끝

2026년 7월 7일 화요일

생각정리 302 (* AI H/W 주가하락, 수급우려)

보통 시장 안에서 우리끼리 쓰던 은어 중에 ‘마바라’라는 말이 유행했던 시기가 있었다.

수치, 업황, 산업 트렌드에 대한 분석 없이 그럴듯한 뇌피셜만으로 시장을 해석하는 이른바 ‘전문가’들을 비꼬는 표현이었다.

최근 메모리와 AI H/W 관련 주가가 하락하자 비슷한 장면이 다시 반복되는 듯하다. 주가가 빠지면 늘 그렇듯, 하락 이후에 원인을 설명하는 해석은 빠르게 늘어난다. 문제는 그 해석 중 상당수가 실제 펀더멘털 변화보다는 익숙한 공포 서사를 다시 꺼내오는 데 그친다는 점이다.

물론 CSP의 FCF 부담, AI capex 지속 가능성, 빅테크 투자 효율성에 대한 우려는 충분히 논의할 수 있다. 주가가 단기간 급등했고, 글로벌 포트폴리오 안에서 AI H/W 노출이 과밀해졌다면 수급 조정도 자연스러운 과정이다.

다만 아직까지 내가 확인한 범위에서는 메모리 업황 자체의 큰 변화, AI 인프라 투자 방향의 훼손, HBM 및 고성능 메모리 수요의 구조적 둔화를 뚜렷하게 감지하기는 어렵다. 오히려 최근 움직임은 펀더멘털 붕괴라기보다, 외국인 매도와 글로벌 리밸런싱이 결합된 수급 충격에 더 가까워 보인다.

(* 중국 메모리 업체인 CXMT, YMTC를 근거로 지금의 메모리 사이클을 과거 2차전지 산업과 단순 비교 해석하는 마바라는 진짜 못듣겠음. 공급 경쟁이라는 단어만 같을 뿐, 기술 난이도, 고객 인증, 장비·공정 병목, HBM과 첨단 패키징 생태계, AI 서버 수요의 성격 뭐 하나 비슷한 구석이 없음.) 

(심지어 계속 듣다보니 최근 나온 CXMT IPO 보고서를 읽기나 했는지도 의문스러움.. )

그래서 이번 글에서는 주가 하락 이후 쏟아지는 사후적 해석보다는, 실제로 최근 수급에서 어떤 변화가 있었는지, 그리고 그 수급 변화가 삼성전자와 SK하이닉스를 비롯한 코스피 반도체 조정에 어떤 영향을 미쳤는지를 정리해보려 한다.

외국인 매도, AI Capex, 그리고 메모리 사이클에 대한 생각


1. 이번 코스피 하락의 1차 원인은 펀더멘털보다 수급이었다


최근 삼성전자와 SK하이닉스를 포함한 코스피 하락은 단순히 “메모리 업황이 꺾였다”는 식으로 보기 어렵다.

핵심은 외국인의 기계적 매도였다.

첨부한 수급 자료 기준으로 보면, 2026년 1월부터 7월까지 코스피 외국인 순매도는 약 160조 6,283억원 수준까지 확대됐다. 연간 기준으로 봐도 이는 과거 어느 해보다 압도적인 규모다. 언론 보도에서도 한국거래소 기준 외국인이 7월 초까지 코스피에서 약 157조원 이상을 순매도한 것으로 집계됐고, 매도 배경으로는 반도체 비중 부담, 원화 약세, 포지션 조정, 리밸런싱이 언급됐다. (코리아 타임스)

https://t.me/jump0000

https://t.me/jump0000

https://t.me/jump0000

https://t.me/jump0000


여기에 BlackRock Investment Institute가 2026년 중간 전망에서 AI concentration risk를 이유로 신흥국 주식 비중을 낮춘 점도 중요하다. 한국과 대만은 MSCI EM 내에서 AI 하드웨어 공급망 비중이 지나치게 커졌고, 글로벌 자산배분 관점에서는 “한국 반도체를 더 사야 하는가”보다 “AI 노출이 과도해진 EM을 줄여야 하는가”가 먼저 작동했을 가능성이 높다. (FA Mag)

따라서 이번 조정은 펀더멘털의 급격한 훼손이라기보다, AI 하드웨어 랠리 이후 글로벌 포트폴리오가 한 번에 같은 방향으로 리밸런싱된 결과에 가깝다.


2. 문제는 외국인 매도의 절대 규모다


리밸런싱이 기계적이었다면 다음 질문은 자연스럽다.

도대체 얼마나 많은 글로벌 인덱스·ETF·액티브 펀드가 삼성전자와 SK하이닉스를 들고 있었는가?

정확한 전체 금액을 완벽하게 알기는 어렵다. 하지만 주요 글로벌 ETF와 펀드의 AUM, 편입비중, 레버리지 상품의 명목 노출을 놓고 보면, 삼성전자와 SK하이닉스는 더 이상 한국 로컬 반도체 주식이 아니다.

이미 두 종목은 다음 성격을 동시에 갖고 있다.

  • MSCI EM의 핵심 AI 하드웨어 노출

  • 글로벌 ex-US ETF의 주요 테크 베타

  • AI·메모리·반도체 테마 ETF의 핵심 구성 종목

  • 한국 단일국가 ETF의 지수 대부분을 좌우하는 종목

  • 홍콩·미국 레버리지 상품을 통한 파생적 매매 대상


아래 표에서 정리한 대형 ETF 기준으로만 봐도 VXUS, IEMG, VEA, EWY, DRAM, EEM, VEU 등 주요 상품의 삼성전자·SK하이닉스 합산 노출은 조 단위를 넘어 수십조원 단위로 쌓여 있다. 특히 VXUS, IEMG, VEA 같은 초대형 글로벌·EM ETF 안에서도 두 종목의 절대 노출이 매우 크다.




SK하이닉스 ADR 상장 이후 출시 예정인 SK하이닉스 미국 ETF 개(레)버리지 상품들

이는 중요한 함의를 갖는다.

삼성전자와 SK하이닉스 주가는 더 이상 국내 반도체 업황만으로 움직이지 않는다.

이제 두 종목은 글로벌 AI 포지션의 일부다.
AI 하드웨어 비중을 줄이는 순간, 한국 반도체는 가장 먼저 매도될 수 있다.
반대로 AI capex 신뢰가 회복되는 순간, 다시 가장 먼저 매수될 수 있다.

즉, 이번 하락은 “한국 반도체가 틀렸다”의 증거라기보다, 글로벌 자산배분 안에서 한국 반도체가 너무 커졌기 때문에 발생한 수급 충격에 가깝다.


3. 메모리의 본질은 여전히 바뀌고 있다


그럼에도 기본적인 생각은 변하지 않는다.

메모리는 AI 시대에 단순 부품이 아니라 새로운 인프라 계층으로 재인식될 가능성이 높다.

생각정리 300 (* Micron SCA, Physical AI)

특히 Physical AI로 갈수록 이 관점은 더 강해진다. 기존 AI가 텍스트, 이미지, 코드, 수학 문제를 다루는 서술지능 중심이었다면, Physical AI는 차량, 로봇, 드론, 산업 자동화 장비처럼 물리세계에서 직접 행동하는 AI다.

이 구조에서는 단순 연산만으로 충분하지 않다.

  • 현재 장면을 기억해야 한다.

  • 이전 행동을 기억해야 한다.

  • 실패 데이터를 재학습해야 한다.

  • 장기 작업의 순서를 유지해야 한다.

  • 추론 과정에서 KV cache, temporal cache, 상태 메모리가 필요하다.

  • 훈련 단계에서는 HBM, DDR, SSD, NAND, 대용량 스토리지가 모두 필요하다.


결국 Physical AI는 훈련용 메모리와 추론용 메모리를 동시에 요구하는 구조다. 이 관점에서 메모리는 PC·스마트폰·서버 사이클에 종속된 시클리컬 부품이 아니라, AI가 세계를 기억하고 행동을 수정하기 위한 물리적 기반으로 확장된다. 이전 글에서도 자율주행, 로보틱스, VLA 모델, Micron의 자동차 OEM 장기공급계약을 같은 맥락으로 해석했다.

시장은 여전히 메모리를 “AI 하드웨어 사이클” 안에 가둬두고 싶어 한다.
하지만 실제 수요의 방향은 더 넓다.

AI가 데이터센터 밖으로 나오면, 메모리의 수요처도 데이터센터 밖으로 확장된다.


4. AI Capex는 이제 미국 GDP의 한 축이 됐다


여기서 더 중요한 매크로 연결고리가 나온다.

AI capex는 더 이상 빅테크 몇 개 기업의 비용 항목으로만 볼 수 없다. 이미 미국 경제 안에서 측정 가능한 성장 엔진이 되고 있다.

https://www.tftc.io/ai-capex-gdp-growth-q1-2026-bea-third-estimate

St. Louis Fed는 AI 관련 투자가 GDP 통계에 이미 반영되고 있으며, 2025년 이후 AI 관련 투자 붐이 성장률 기여 측면에서 중요한 변수로 부상했다고 설명했다. (세인트루이스 연방준비은행) CEPR 역시 AI 투자와 GDP 성장의 연결을 단순한 장기 생산성 논의가 아니라, 단기 총수요와 투자 사이클 관점에서 봐야 한다고 분석했다. (CEPR)



Bridgewater는 2026년 미국 실질 GDP 성장률에서 AI capex가 약 1.4%p, 2027년에는 약 1.5%p 기여할 수 있다고 추정했다. 이는 전체 성장률의 상당 부분이 AI 인프라 투자에 의해 지탱될 수 있다는 의미다. (Edward Conard) IMF도 AI 관련 투자가 서버, 데이터센터, 소프트웨어, 전력 인프라 수요를 자극하면서 미국 성장의 중요한 축으로 떠오르고 있다고 평가했다. (IMF)

따라서 지금의 AI capex 논쟁은 단순히 “빅테크 FCF가 줄어든다”는 회계적 논쟁으로 끝나지 않는다.

이미 AI capex는 다음 영역을 동시에 움직인다.

  • 데이터센터 건설

  • GPU·ASIC 서버

  • HBM·DRAM·NAND

  • 전력기기·변압기·송배전

  • 냉각·전력 인프라

  • 클라우드 매출

  • 미국 설비투자

  • 글로벌 AI 공급망 소득


즉, AI capex를 급격히 꺾는다는 것은 단순히 엔비디아, 삼성전자, SK하이닉스, 마이크론의 성장률을 낮추는 문제가 아니다.

미국 성장률의 핵심 축을 스스로 꺼버리는 선택에 가까워진다.


5. AI Cloud는 희소자원이 되고 있다


시장에서는 여전히 빅테크의 capex를 비용으로만 본다.

“FCF가 줄어든다.”
“AI 서버 투자가 너무 많다.”
“GPU 가격이 떨어질 것이다.”
“AI capex peak가 다가왔다.”

이런 논리는 당분간 계속 반복될 가능성이 높다.

하지만 실제 산업 구조는 조금 다르게 움직이고 있다. CSP와 빅테크의 AI 서버, AI 데이터센터, 전력 확보 능력은 점점 희소자원이 되고 있다. 단순히 서버를 많이 산 기업이 비용을 많이 쓴 것이 아니라, 미래 AI compute capacity를 선점한 기업이 되는 구조다.

생각정리 299 (* AWS Cloud)

AWS, Microsoft Azure, Google Cloud, Oracle, Meta, CoreWeave류의 공급자들은 결국 같은 병목을 마주한다.

  • 전력 확보

  • 데이터센터 부지

  • 변압기·전력기기 납기

  • GPU·ASIC 공급

  • HBM 공급

  • 네트워크 장비

  • 냉각 인프라

  • 장기 고객계약


AI cloud 서버가 희소자원이 되면 monetization timeline은 오히려 짧아질 수 있다.
즉, “투자를 언제 회수하느냐”의 문제가 “없어서 못 파는 compute capacity를 얼마에 팔 수 있느냐”의 문제로 바뀐다.

이전 AWS Cloud 관련 글에서도 핵심은 같았다. AI 수요가 견고한 이상, CSP의 capex는 비용 항목에서 수익화 가능한 자산으로 바뀌고, capex 정당화 시점은 시장이 생각하는 것보다 앞당겨질 수 있다.

Amazon aims to raise $25 billion from bond sale | Reuters
이제는 일상이 되어버린 AI Capex 투자를 위한 빅테크, CSP들의 외부차입



6. 시장은 다시 섹터 로테이션으로 도망갈 가능성이 높다


단기적으로 수급은 반도체를 피해 다른 곳으로 돌 수 있다.

화장품, 바이오, 금융, 에너지, 조선, 산업재 같은 섹터가 순환매의 대안이 될 수 있다. 실제로 시장은 항상 직전 주도주가 흔들리면 새로운 피난처를 찾는다.

하지만 여기서 중요한 질문은 따로 있다.

정말 AI capex peak가 온다면, 반도체보다 다른 경기민감 소비·산업 섹터가 더 안전한가?

내 생각은 반대에 가깝다.

AI capex가 꺾인다면 가장 먼저 하락하는 것은 AI 하드웨어 주가일 수 있다. 하지만 그 다음에는 미국 GDP 성장, 미국 가계 자산효과, 글로벌 EM 소득, AI 공급망 고용과 투자까지 함께 흔들릴 가능성이 높다.

GS

첨부한 미국 가계 자산구성 자료를 보면, 미국은 가계 총자산에서 주식·펀드 비중이 매우 높은 국가다. 부동산 비중이 높은 한국과 달리, 미국 가계의 소비 여력은 주식시장과 훨씬 직접적으로 연결된다.

AI 랠리가 미국 주식시장, 연금, 펀드, 가계 순자산을 끌어올렸다면, AI capex 둔화와 AI 주가 하락은 소비 둔화로 전이될 가능성도 커진다.

결국 AI capex peak는 반도체만의 문제가 아니다.

그것은 미국 소비의 문제이고, 글로벌 자산가격의 문제이며, AI 공급망에 연결된 EM 소득의 문제다.

그래서 “반도체를 팔고 소비주를 사면 안전하다”는 식의 단순 로테이션은 위험할 수 있다.
AI capex가 진짜로 꺾이는 국면에서는 소비주도, 산업재도, EM도 동시에 더 큰 매크로 충격을 받을 수 있기 때문이다.


7. 결론: 이번 매도는 펀더멘털 붕괴보다 포지션 과밀의 청산에 가깝다


이번 삼성전자, SK하이닉스, 코스피 하락의 본질은 아직까지 수급 충격에 더 가깝다.

외국인 매도는 컸고, 리밸런싱은 기계적이었으며, 글로벌 펀드 안에서 한국 반도체 노출은 이미 지나치게 커져 있었다. BlackRock의 EM 비중 조정처럼 글로벌 자산배분 관점에서 AI concentration risk를 줄이는 흐름이 나오면, 삼성전자와 SK하이닉스는 가장 먼저 매도 대상이 될 수밖에 없다.

하지만 이것이 메모리의 장기 논리를 훼손한다고 보기는 어렵다.

오히려 핵심은 다음과 같다.

메모리는 AI 데이터센터의 병목에서 Physical AI의 전략 자원으로 확장되고 있다.

AI capex는 미국 GDP 성장의 핵심 축으로 들어왔고, AI cloud capacity는 점점 희소자원화되고 있으며, 데이터센터 밖으로 나오는 Physical AI는 더 많은 메모리와 스토리지, 더 복잡한 memory architecture를 요구한다.

시장은 당분간 빅테크 FCF, capex peak, chip 가격 하락, 공급증가 우려를 반복할 가능성이 높다.
그 과정에서 외국인 수급은 계속 흔들릴 수 있다.

다만 정말 AI capex가 꺾이는 순간이 온다면, 그것은 메모리만의 하락 사이클로 끝나지 않을 가능성이 높다. 미국의 성장률, 가계 자산효과, 글로벌 소비, EM 소득까지 함께 흔들리는 더 큰 매크로 이벤트가 될 수 있다.

(*미국 트럼프가 11월 중간선거를 앞두고 AI 성장엔진을 꺼뜨리는 미친짓은 무슨 수를 활용해서라도 막을거라고 믿어 의심치않는다.) 

그래서 지금의 조정은 “메모리 사이클이 끝났다”는 신호라기보다, AI 시대의 핵심 인프라 자산으로 너무 빠르게 재가격된 종목들이 글로벌 리밸런싱 과정에서 한 번 과격하게 눌린 국면으로 보는 편이 더 합리적이다.

SK Hynix's $28B US Listing Oversubscribed, Signals Strong AI Chip Demand | KuCoin
미쳐버린 SKH adr 과잉 청약

TSMC의 AI 칩 주문이 너무 많아 따라잡지 못하고, 그 영향은 계속 확대되고 있습니다
미처버린 TSMC 칩 수요량


https://t.me/mk81_koreainvestment
여전히 SEC, SKH EPS Growth를 못따라는 주가지수
SEC, SKH 체급을 담기엔 KOSPI가 너무 작아져버린게 아닐까 하는 의문..
최근 개인 블로그 유입 증가 역시 SK하이닉스와 삼성전자 레버리지 ETF 출시 이후,
관련 투자 규모가 큰 국가들을 중심으로 관심이 커진 영향이 있지 않나 싶음. 
밤잠 설치면서까지 시간대가 다른 개(레)버리지 etf 투자를 해야하나 싶음..


이상 마바라 블로거

=끝

2026년 7월 6일 월요일

생각정리 301 (* 레버리지)

엊그제 오랜만에 친구를 만나 저녁을 먹다가, 내가 생각했던 것과는 조금 다른 이야기를 들었다.

나는 주식운용업에 종사해왔기 때문에, 매일 주식창을 들여다보고 시장에 인생을 거는 사람들은 주로 투자업계 사람들일 것이라 생각했다. 그런데 현실은 오히려 달랐다.

상방은 제한적이지만 하방은 상대적으로 든든하다고 여겨지는 공기업, 공무원 집단조차 매일 주식창을 바라보고 있다는 것이다.

안정적인 직장과 예측 가능한 월급만으로는 더 이상 미래가 보장되지 않는다고 느끼는 사람들이, 본업 밖에서 더 큰 변동성에 자신을 걸고 있었다.

결국 문제는 특정 집단의 투기 성향이 아니다.

월급만으로는 계층이동이 어렵고, 저축만으로는 자산가격을 따라잡기 어려운 사회에서 사람들은 점점 확률게임으로 밀려난다.

불법도박, 코인, 테마주, 단일종목 레버리지 ETF는 서로 다른 얼굴을 하고 있지만, 그 밑바닥에는 같은 심리가 깔려 있다.

이번 글은 왜 대한민국이 점점 리얼 K-오징어게임 같은 투기판으로 변해가고 있는지에 대한 기록이다.

나무위키


대한민국은 왜 도박중독 사회가 되었나


청년 도박, 쉬었음 세대, 단일종목 레버리지 ETF가 같은 현상인 이유


최근 청년 세대의 도박중독 문제가 다시 수면 위로 올라오고 있다.

연합뉴스의 「도박이 삼킨 교실」 보도는 청소년기부터 시작된 사이버도박이 군대라는 폐쇄적 또래집단 안에서 다시 증폭되는 과정을 보여준다. 지난해 사이버도박 혐의로 군 경찰에 입건된 군인은 313명, 최근 5년간 적발 건수는 1,721명이었다. 최근 전역한 1997~2004년생 30명을 대상으로 한 설문에서는 17명, 즉 56%가 군대 내 불법도박을 목격했다고 답했다.

https://v.daum.net/v/20260705080209984

더 충격적인 부분은 금액이다.

국방부 실태조사에 따르면 군에서 불법도박을 했던 52명 중 입대·임관 전부터 불법도박을 경험했던 비중은 80%에 달했고, 월평균 베팅 금액은 186만원으로 2025년 기준 병장 월급 150만원을 웃돌았다.

이건 단순히 일부 청년의 일탈로만 보기 어렵다.

교실에서 시작된 도박이 군대로 옮겨가고, 군대에서 형성된 습관이 사회초년기까지 이어지는 구조다. 청소년기에는 스마트폰과 친구 권유가 통로가 되고, 군대에서는 월급과 폐쇄적 또래문화가 증폭 장치가 된다. 사회에 나온 뒤에는 코인, 스포츠토토, 불법도박, 초단기 주식매매, 레버리지 ETF가 같은 욕망의 다른 이름으로 이어진다.

문제는 도박을 하는 청년이 아니라, 도박 말고는 답이 없어 보이는 사회다


지금 2030 청년에게 정상적인 자산형성 경로는 점점 좁아지고 있다.

고용노동부의 「고용형태별근로실태조사」는 2025년까지 연령대별 월임금총액과 월급여액을 제공한다. 해당 통계는 2026년 6월 19일 갱신됐고, 1993년부터 2025년까지의 자료를 담고 있다. 

이를 기준으로 보면 수도권 2030 임금근로자의 세후 월소득은 대략 280만~320만원, 중심값은 300만원 전후로 보는 것이 무난하다. 

여기에 주거비 부담이 붙는다. 2025년 8월 기준 서울 평균 월세가격은 103만원으로 보도됐다. 전세에서 월세로 이동하는 흐름이 빨라지면서, 청년층의 매월 현금흐름 부담은 더 직접적으로 커지고 있다.

공식 1인가구 소비지출 통계도 함께 봐야 한다. 국가데이터처의 「2025 통계로 보는 1인가구」에 따르면 2024년 1인가구 월평균 소비지출은 168만 9천원이고, 이 중 주거·수도·광열 비중은 18.4%다. 즉, 공식 1인가구 소비지출 안에는 이미 일부 주거비가 포함되어 있다.


이를 바탕으로 수도권 독립 2030의 월평균 지출을 다시 계산하면 다음과 같다.


세후소득과 지출을 맞춰보면 저축 가능액은 더 초라해진다.


핵심은 간단하다.

수도권에서 독립해 월세로 사는 2030 청년은 세후 300만원을 벌어도 월 40만~70만원 안팎밖에 남기기 어렵다. 서울 핵심권 월세를 부담하면 저축 가능액은 월 20만~50만원대로 낮아질 수 있다.

(이 모든 가정도 평생 병원 한 번 안가고, 평생 아프지않고, 사치도 안 부리고 기계처럼 일만 할 수 있다는 전제하에)

월 50만원을 1년 모아봐야 600만원이다.
10년을 모아도 단순 합산 6,000만원이다.
반면 수도권 아파트 매수에 필요한 자기자본은 이미 그 속도를 크게 앞서 있다.

전세의 월세화는 이 구조를 더 악화시킨다.

과거 전세는 최소한 강제저축에 가까운 성격이 있었다. 월세는 다르다. 매달 현금흐름이 빠져나가고, 자산축적 속도는 그만큼 느려진다. 청년 입장에서는 성실하게 일하고, 소비를 줄이고, 저축을 늘려도 수도권 아파트라는 목표와의 거리가 좀처럼 좁혀지지 않는다.

https://www.ytn.co.kr/_ln/0102_202606081022503315
정상화의 비정상화.. 미친세상..

결국 이런 계산이 나온다.

성실하게 일해서 모아도 집을 살 수 없다.
대출은 막혀 있다.
다주택자 중과세와 규제로 매도물량도 충분히 나오지 않는다.
그런데 자산가격은 언제든 다시 움직일 수 있다.

이런 환경에서는 정상적인 저축보다 한 번에 계층을 건너뛰는 확률게임이 더 매력적으로 보인다.

그 확률게임이 불법도박이면 사회문제라고 부르고, 코인이면 투기라고 부르고, 단일종목 레버리지 ETF면 금융상품투자라고 부를 뿐이다. 본질은 크게 다르지 않다.

쉬었음 청년은 노동시장 바깥의 도박 대기군이다


노동시장 통계도 같은 방향을 가리킨다.

국가데이터처의 2026년 5월 고용동향에 따르면 2026년 5월 전체 취업자는 2,912만명으로 전년동월대비 4만명 감소했고, 청년층 실업률은 7.2%로 전년동월대비 0.6%p 상승했다.

여기서 더 중요한 것은 비경제활동인구 안의 ‘쉬었음’ 인구다.

2026년 5월 기준 전체 쉬었음 인구는 243.7만명이다. 이 중 20대가 36.8만명, 30대가 28.1만명이다. 20대와 30대를 합치면 64.9만명이다. 같은 자료에서 구직단념자는 33.7만명으로 집계됐다. 국가데이터처 고용동향 첨부자료는 비경제활동인구 안에서 연령계층별 쉬었음 인구와 구직단념자를 별도 항목으로 제시한다.


이 숫자는 단순한 취업난 통계가 아니다.

사회에 진입해야 할 시기에 진입하지 못한 청년들이 쌓이고 있다는 의미다. 취업이 늦어지고, 소득 형성이 늦어지고, 저축이 늦어지고, 결혼과 출산이 늦어진다. 그 사이 자산가격은 먼저 움직이고, 주거비는 먼저 오른다.

결국 청년은 두 부류로 갈라진다.

하나는 노동시장 안에서 낮은 저축률을 견디는 청년이다.
다른 하나는 노동시장 밖에서 진입 자체를 미루는 청년이다.

https://www.youtube.com/watch?v=PkS6Y35-PbU

문제는 두 집단 모두에게 공통된 심리가 생긴다는 점이다.

“정상적인 속도로는 따라잡을 수 없다.”

이 심리가 도박의 가장 강력한 연료다.

단일종목 레버리지 ETF는 합법의 얼굴을 한 도박성 상품이 될 수 있다


최근 상장된 삼성전자·SK하이닉스 단일종목 레버리지 ETF도 같은 맥락에서 봐야 한다.

삼성자산운용은 KODEX 삼성전자단일종목레버리지와 KODEX SK하이닉스단일종목레버리지를 선보였다. 삼성자산운용은 단일종목 레버리지 상품을 설명하면서 “일간 수익률 2배 추종”을 핵심 구조로 제시하고 있다.


흥미로운점은 KODEX 삼성전자단일종목레버리지와 KODEX SK하이닉스단일종목레버리지의 가격 구간별 거래비중을 나눠봤다. 오늘 현재가 기준으로 대략 96~99%의 레버리지 투자자들이 손실 구간에 있는 것으로 추정된다는 것이다. (*인버스 레버리지 ETF 투자자들도 전부 손실상태다.)



KODEX 삼성전자단일종목레버리지



KODEX SK하이닉스단일종목레버리지

이 수치는 공식 공표 통계가 아니라 가격 구간별 거래비중을 바탕으로 한 자체 산출값이다. 다만 의미는 분명하다. 대부분의 거래가 높은 가격대에서 몰렸고, 가격이 빠진 뒤 손실 구간에 갇힌 투자자가 압도적으로 많다는 뜻이다.

즉, 투자자 상당수가 기초자산의 장기 펀더멘털을 산 것이 아니라, “오를 때 두 배로 먹겠다”는 단기 확률게임에 참여한 셈이다.

그리고 그 결과는 도박과 닮아 있다.

결국 문제는 개인이 아니라 구조다


대한민국이 도박중독에 빠졌다는 말은 모든 국민이 불법도박을 한다는 뜻이 아니다.

더 정확히 말하면, 대한민국의 보상체계가 도박처럼 바뀌고 있다는 뜻이다.

성실한 노동보다 한 번의 가격 변동이 더 크게 느껴진다.
장기 저축보다 단기 베팅이 더 현실적인 탈출구처럼 보인다.
기업가치보다 수급과 레버리지가 더 강한 언어가 된다.
사회진출에 실패한 청년은 쉬었음 인구가 되고,
사회진출에 성공한 청년도 월세와 낮은 저축률에 갇힌다.

그 틈을 도박이 파고든다.

불법도박은 가장 노골적인 형태다.
코인과 테마주는 그보다 세련된 형태다.
단일종목 레버리지 ETF는 제도권 안으로 들어온 형태다.





레버리지 ETF의 무서운점은 인버스 숏 레버리지 ETF 상품 그리고 롱 레버리지 ETF 상품 둘 다 시초가 대비 한참 낮은 상태로 레버리지 투자자 모두 다 손실 상태라는거다..

레버리지상품 출시로 환율을 안정화시키겠다는 애초의 레버리지 ETF 상품출시 목적과는 다르게 
전국민을 상대로 합법 투기판을 깔아준격이다. 


https://news.ikbc.co.kr/article/view/kbc202607070030

※ KOSPI Circuit Breakers(일시중단) 발동
- 금년 6번째, 역대 12번째 발동
https://t.me/koreainvestment_passive


k-오징어게임 실사판 .. 
레버리지 투자는 만악의 근원이다..

=끝