2026년 5월 26일 화요일

생각정리 266 (* eBay, LLM, B2C)

ChatGPT의 다음 격전지는 이커머스다


eBay의 AI 재부활이 보여주는 AI Agent 커머스의 미래


최근 LLM 업체들의 실적 개선 속도가 예상보다 훨씬 빠르다.

Anthropic의 Claude는 연말쯤 손익분기점, 즉 BEP 달성이 가능할 것으로 예상됐지만, 이미 CY 1Q26에 흑자 전환을 했다는 이야기가 나오고 있다.


https://economictimes.indiatimes.com/tech/artificial-intelligence/openai-held-1-billion-revenue-lead-over-anthropic-in-q1-the-information/articleshow/131254581.cms



OpenAI 역시 ChatGPT와 Codex의 기능 개선을 바탕으로 사용량과 활용 범위를 빠르게 넓히고 있다.

하지만 시장이 아직 충분히 반영하지 못하고 있는 영역이 하나 있다.

바로 ChatGPT의 이커머스 시장 진출 가능성이다.


시장은 아직 ChatGPT의 이커머스 잠재력을 낮게 보고 있다


현재 시장은 OpenAI를 볼 때 주로 두 가지에 집중한다.





첫째는 막대한 AI 인프라 비용에 따른 재무건전성 우려다.
둘째는 기능 측면에서 Anthropic 등 경쟁업체와의 기술 경쟁이다.

이 때문에 ChatGPT가 장기적으로 소비자의 쇼핑 의사결정 과정에 깊게 들어갈 가능성은 아직 크게 주목받지 못하고 있다.

그러나 최근 eBay의 변화를 보면 생각이 달라진다.

eBay는 AI를 활용해 오래된 이커머스 플랫폼의 불편함을 줄이고, 판매자와 구매자 모두의 사용성을 개선하고 있다.

이 사례는 ChatGPT가 앞으로 이커머스 시장에 진출했을 때 어떤 방식으로 영향력을 키울 수 있는지를 보여주는 선행 사례에 가깝다.


eBay의 부활에서 봐야 할 핵심


eBay는 한동안 성장성이 둔화된 오래된 이커머스 플랫폼으로 인식됐다.

하지만 최근 흐름은 달라지고 있다.









매출 규모, GMV, 이익률 모두 다시 개선되는 모습을 보이고 있다. 여러 영업전략이 맞물린 결과겠지만, 그중에서도 가장 주목할 부분은 AI 기능의 전면 도입이다.

eBay의 AI 활용은 어렵게 보면 “생성형 AI 커머스 플랫폼”이다.

쉽게 말하면, 중고거래와 리커머스에서 가장 귀찮은 과정을 AI가 대신 처리해주는 기술이다.

판매자는 상품을 더 쉽게 올릴 수 있다.
구매자는 원하는 물건을 더 쉽게 찾을 수 있다.
플랫폼은 거래액, 수수료, 광고 매출을 함께 키울 수 있다.

이 구조가 중요하다.

AI가 단순한 편의 기능을 넘어, 이커머스 플랫폼의 거래 효율 자체를 높이는 도구로 작동하고 있기 때문이다.


1. 판매자: 사진 한 장으로 상품 등록


과거 eBay에서 상품을 팔려면 판매자가 직접 많은 일을 해야 했다.

상품명을 정하고, 카테고리를 고르고, 상태를 설명하고, 세부 스펙을 입력하고, 적정 가격까지 고민해야 했다. 사진도 보기 좋게 찍고 편집해야 했다.

이 과정은 생각보다 번거롭다.

특히 중고거래나 리커머스에서는 전문 셀러보다 일반 판매자의 비중이 높다. 판매 등록 과정이 복잡하면 물건을 팔고 싶어도 중간에 포기하는 사람이 많아진다.

eBay의 Magical Listing 기능은 이 불편함을 줄여준다.

판매자가 상품 사진을 올리면 AI가 제품을 인식하고, 제목·카테고리·상품 설명·가격 가이드를 제안한다.

예를 들어 중고 운동화 사진을 올리면 AI가 브랜드, 상품군, 사용 상태, 적정 설명문을 자동으로 만들어주는 방식이다.

판매자는 처음부터 모든 내용을 작성할 필요가 없다. AI가 만든 초안을 보고 수정만 하면 된다.

이는 단순한 편의성 개선이 아니다.

판매 등록 시간이 줄어들면 더 많은 판매자가 더 많은 상품을 올릴 수 있다. eBay 입장에서는 플랫폼 안의 상품 공급이 늘어나는 효과가 생긴다.


2. 판매자: 사진 품질까지 AI가 개선


중고거래에서 사진 품질은 매우 중요하다.

사진이 어둡거나 배경이 지저분하면 구매자는 상품을 덜 신뢰한다. 반대로 사진이 깔끔하면 같은 상품이라도 더 전문적으로 보이고, 구매 전환율이 높아질 수 있다.

eBay는 AI를 활용해 배경 제거, 배경 생성, 상품 설명 생성 기능을 제공하고 있다.

집에서 대충 찍은 중고 상품 사진도 AI를 통해 더 깔끔한 쇼핑몰형 이미지로 바꿀 수 있다.

이 기능은 리커머스 플랫폼에서 특히 중요하다.

신상품 판매자는 제조사 이미지나 정돈된 상세 페이지를 활용할 수 있다. 반면 중고 판매자는 직접 사진을 찍고 설명을 써야 한다.

AI는 이 불편함을 줄인다.

전문 셀러가 아니어도 상품을 보기 좋게 등록할 수 있게 되고, 이는 결국 플랫폼 전체의 상품 품질과 거래 전환율 개선으로 이어진다.


3. 구매자: 키워드 검색에서 상황 검색으로


기존 이커머스 검색은 사용자가 정확한 단어를 입력해야 했다.

예를 들어 빈티지 가죽 재킷을 찾으려면 브랜드, 사이즈, 색상, 소재, 상태를 직접 검색하고 필터링해야 했다.

원하는 상품이 있어도 어떤 단어로 검색해야 할지 모르면 찾기 어렵다.

AI 쇼핑 에이전트는 이 구조를 바꾼다.

사용자가 “친구 생일 선물”, “봄 여행용 옷”, “내 취향에 맞는 중고 명품백”처럼 모호하게 요청해도 AI가 의도를 해석하고 상품을 추천해줄 수 있다.

이는 eBay 같은 플랫폼에서 특히 중요하다.

eBay의 재고는 표준화된 신상품보다 중고품, 희소품, 수집품, 부품 비중이 높다. 이런 상품은 정확한 검색어를 입력하기 어렵다.

AI가 사용자의 의도를 이해하고 재고를 찾아주면 구매자는 더 쉽게 상품을 발견한다.

결국 검색의 중심이 키워드 입력에서 의도 기반 추천으로 이동하게 된다.


4. 패션과 컬렉터블: AI가 큐레이터 역할을 한다


eBay는 패션 영역에서도 AI 기반 추천 기능을 강화하고 있다.

예를 들어 사용자의 쇼핑 이력과 취향을 바탕으로 신상품, 중고 의류, 럭셔리 아이템을 조합해 보여주는 방식이다.

구매자는 직접 수많은 상품을 뒤질 필요가 줄어든다.

AI가 사용자의 취향을 학습하고, 상황에 맞는 상품을 먼저 제안해준다.

컬렉터블 영역에서도 AI의 역할은 커진다.

카드나 수집품 거래에서는 단순히 상품을 찾는 것만으로 부족하다. 과거 거래 가격, 희소성, 등급, 상태, 수요 흐름을 함께 봐야 한다.

AI가 이런 정보를 정리해주면 구매자는 더 쉽게 판단할 수 있다.

이 지점에서 AI는 단순 검색 도구가 아니라 쇼핑 큐레이터이자 거래 판단 보조자가 된다.


5. 플랫폼 수익화: 거래가 늘면 수익화 면적도 넓어진다


AI가 판매자에게 더 좋은 리스팅을 만들게 하고, 구매자에게 더 맞는 상품을 보여주면 플랫폼에는 두 가지 효과가 생긴다.

첫째, GMV가 늘어날 수 있다.
둘째, 거래 전환율이 높아지면서 광고와 수수료 수익화 기회가 커진다.

여기서 중요한 점은 광고가 출발점이 아니라는 것이다.

핵심은 이커머스 거래 자체를 늘리는 것이다.

거래가 늘어나면 광고 매출도 따라붙는다. 판매자가 더 잘 팔기 위해 광고를 쓰고, 플랫폼은 더 정교한 추천과 노출 구조를 통해 수익화를 강화할 수 있다.

따라서 eBay의 AI는 단순히 광고 매출을 키우기 위한 도구가 아니다.

기존 마켓플레이스의 거래 마찰을 줄이고, 판매자 생산성, 구매 전환율, GMV, 광고 매출을 동시에 개선하는 운영 레버리지다.


eBay의 AI 전략은 ChatGPT 이커머스 진출의 예고편이다


eBay 사례가 중요한 이유는 ChatGPT의 미래와 연결되기 때문이다.

ChatGPT는 이미 강력한 B2C 접점을 확보하고 있다.

많은 사용자가 검색, 리서치, 문서 작성, 코딩, 업무 자동화 과정에서 ChatGPT를 사용하고 있다. 과거에는 검색엔진과 브라우저에서 시작하던 일이 이제는 ChatGPT에서 시작되는 경우가 늘고 있다.

이 변화가 이커머스에도 적용될 가능성이 높다.

소비자가 앞으로는 쇼핑할 때도 검색창에 직접 키워드를 입력하기보다, AI Agent에게 이렇게 물어볼 수 있다.

“이번 주말 여행에 필요한 옷을 추천해줘.”
“내 예산 안에서 가장 괜찮은 노트북을 골라줘.”
“부모님 선물로 적당한 건강기능식품을 비교해줘.”
“내 취향에 맞는 중고 명품 가방을 찾아줘.”

이 순간 ChatGPT는 단순한 답변 도구가 아니라 쇼핑 의사결정의 출발점이 된다.


검색엔진에서 쇼핑 에이전트로 이동하는 소비자 접점


지금까지 이커머스의 핵심 관문은 검색엔진, 가격비교 사이트, 오픈마켓, 앱이었다.

소비자는 검색엔진에서 정보를 찾고, 쇼핑몰에서 가격을 비교하고, 결제 플랫폼에서 구매를 완료했다.

하지만 AI Agent가 보편화되면 이 흐름은 바뀔 수 있다.

소비자는 상품 검색, 비교, 추천, 리뷰 요약, 가격 판단, 구매 결정까지 한 번에 AI에게 맡길 수 있다.

이 경우 기존 이커머스 업체들은 소비자와 직접 만나는 접점을 일부 잃을 수 있다.

반대로 ChatGPT 같은 LLM 플랫폼은 소비자의 의사결정 과정 앞단을 장악할 수 있다.

이것이 ChatGPT의 이커머스 진출이 중요한 이유다.

단순히 “쇼핑 기능이 추가된다”는 의미가 아니다.

소비자가 무엇을 사고, 어디서 사고, 어떤 브랜드를 선택할지를 결정하는 레이어가 이동할 수 있다는 의미다.


앞으로 기업들은 AI Agent에게 선택받기 위해 경쟁할 수 있다


AI Agent가 쇼핑의 중심이 되면 기업들의 경쟁 방식도 달라질 수 있다.

지금까지 기업들은 검색엔진 최적화, 플랫폼 광고, 리뷰 관리, 가격 경쟁, 배송 경쟁에 집중했다.

앞으로는 여기에 새로운 경쟁이 추가될 가능성이 있다.

바로 AI Agent에게 선택받기 위한 경쟁이다.

AI Agent는 단순히 광고비를 많이 쓰는 상품을 추천하지 않을 수 있다. 사용자의 취향, 예산, 과거 구매 이력, 리뷰 품질, 브랜드 신뢰도, 배송 조건, 반품 정책 등을 종합적으로 판단할 수 있다.

그렇다면 기업들은 AI가 잘 이해할 수 있는 상품 정보, 신뢰성 높은 리뷰, 투명한 가격, 명확한 재고 데이터, 빠른 배송 조건을 갖춰야 한다.

즉, 기존에는 검색엔진 최적화가 중요했다면 앞으로는 AI Agent 최적화가 중요해질 수 있다.


ChatGPT의 이커머스 진출은 기존 업체들에게 위협이 될 수 있다


ChatGPT가 이커머스 시장에 본격적으로 진출하면 기존 이커머스 업체들에게는 위협이 될 수 있다.

특히 소비자의 쇼핑 여정이 ChatGPT에서 시작되면, 기존 플랫폼들은 단순 판매 채널로 밀릴 가능성이 있다.

과거에는 소비자가 직접 쿠팡, 아마존, eBay, 네이버쇼핑, 구글 검색에 들어가 상품을 찾았다.

앞으로는 소비자가 ChatGPT에게 먼저 묻고, ChatGPT가 여러 플랫폼의 상품을 비교한 뒤 특정 상품과 판매처를 추천하는 흐름이 자연스러워질 수 있다.

이 경우 힘의 중심은 상품을 보유한 플랫폼에서 소비자의 의사결정을 중개하는 AI Agent로 이동한다.

이 변화는 광고, 결제, 마케팅, 유통 데이터, 브랜드 노출 구조까지 함께 바꿀 가능성이 있다.


AI Agent 커머스는 AI 인프라 수요를 더 키운다


ChatGPT의 이커머스 진출은 소프트웨어 시장 변화에만 그치지 않는다.

AI Agent가 쇼핑, 결제, 추천, 고객 응대, 가격 비교, 재고 확인, 개인화 마케팅까지 처리하려면 막대한 연산 자원이 필요하다.

사용자마다 다른 취향과 맥락을 이해하고, 실시간으로 상품을 비교하며, 수많은 판매자와 플랫폼 데이터를 연결해야 하기 때문이다.

이는 AI 데이터센터 수요를 더 키우는 요인이다.

결국 Agent AI 확산은 CPU, GPU, 메모리, 네트워킹, 전력기기, 냉각 시스템 등 AI 데이터센터 하드웨어 병목을 더 타이트하게 만들 수 있다.

즉, ChatGPT의 이커머스 진출은 단순히 소비자 인터넷 시장의 변화만 의미하지 않는다.

AI 소프트웨어, 이커머스, 광고, 결제, 데이터센터 인프라가 함께 연결되는 구조적 변화다.


결론: eBay는 ChatGPT 이커머스 모델의 초기 힌트다


eBay의 AI 활용은 단순한 기능 개선이 아니다.

판매자에게는 자동 상품등록 도우미가 되고, 구매자에게는 개인 쇼핑 큐레이터가 되며, 플랫폼에는 GMV와 수익화 효율을 높이는 운영 레버리지가 되고 있다.

이 구조는 ChatGPT가 장기적으로 이커머스 시장에 진출할 때 나타날 수 있는 모습과 닮아 있다.

ChatGPT가 소비자의 질문을 이해하고, 상품을 비교하고, 구매 결정을 도와주고, 결제까지 연결한다면 이커머스의 출발점은 기존 검색창과 쇼핑앱에서 AI Agent로 이동할 수 있다.

시장은 아직 OpenAI를 주로 AI 모델 기업, 생산성 도구 기업, 또는 막대한 인프라 비용을 부담하는 기업으로 보고 있다.

하지만 더 길게 보면 ChatGPT는 소비자의 구매 의사결정 레이어를 장악할 수 있는 이커머스 플랫폼으로 진화할 가능성이 있다.

eBay의 변화는 그 가능성을 먼저 보여주는 사례다.

AI가 판매자와 구매자 사이의 마찰을 줄이면 거래가 늘어난다. 거래가 늘어나면 플랫폼의 수익화 기회도 커진다. 이 흐름이 ChatGPT의 압도적인 B2C 접점과 결합될 경우, 이커머스 시장의 중심축은 예상보다 빠르게 이동할 수 있다.

#글을 마치며


이 변화는 블로그에도 예외가 아닐지도 모르겠다.

앞으로 영향력 있는 블로그를 키우려는 사람이라면, 단순히 검색엔진에 노출되는 방식만 고민해서는 부족해질 수 있다.

유튜브 크리에이터들이 알고리즘의 선택을 받기 위해 콘텐츠 구조와 시청자 반응을 연구해왔듯이, 블로그 역시 AI Agent가 어떤 글을 신뢰하고, 어떤 콘텐츠를 사용자에게 추천할지 고민해야 하는 시기로 들어설 수도 있지 않나 싶다.

결국 앞으로의 콘텐츠 경쟁은 사람에게 읽히는 글을 쓰는 것을 넘어, AI Agent에게도 선택받을 수 있도록 신뢰도와 맥락을 갖춘 글을 만드는 것이 중요해지는 시기가 올지도 모르겠다.


=끝

생각정리 266 (* SST Endgame)

전력기기와 전력반도체 시장에서 SST, Solid State Transformer가 새로운 수요처로 부상하고 있다. 아직은 생소한 개념이지만, AI 데이터센터의 전력밀도가 높아지고 800V DC 아키텍처 전환이 논의되면서 SST는 기존 변압기·UPS·정류기 중심의 전력 인프라를 재편할 수 있는 핵심 장비로 주목받기 시작했다.

투자 관점에서 이런 변화는 초기에 다소 불확실해 보인다. 그러나 구조적 변화는 대개 익숙해진 뒤에야 가격에 반영되기 시작한다. 미리 공부해두지 않으면 실제 기회가 왔을 때 확신을 갖기 어렵고, 확신이 생겼을 때는 이미 진입 난도가 높아져 있을 가능성이 크다.

그래서 이번 글에서는 이전 글에 이어 NVIDIA의 800V DC 전환이 전력기기와 전력반도체 시장에 어떤 중장기 변화를 만들 수 있는지 정리해보고자 한다.

특히 SST가 왜 중요한 장비로 부상하고 있는지, 기존 전력기기 대비 어떤 강점이 있는지, 그리고 이 변화가 제품군과 기업군별 수혜 구조로 어떻게 이어질 수 있는지를 리서치 기록 차원에서 남겨본다.

NVIDIA 800VDC 전환이 만드는 전력기기·전력반도체 시장의 구조적 변화


들어가며


AI 데이터센터의 전력 구조가 바뀌고 있다. 변화의 출발점은 NVIDIA의 800VDC 아키텍처다. 기존 데이터센터는 전력망에서 들어온 AC 전력을 여러 단계의 변압기, UPS, 배전반, PSU를 거쳐 서버에 공급했다. 이 구조는 수십 kW급 랙에서는 충분했지만, 수백 kW에서 1MW급으로 올라가는 AI 랙에서는 전류, 구리, 발열, 변환 손실이 병목으로 커지고 있다.

NVIDIA는 800VDC 아키텍처가 에너지 손실, 구리 사용량, 변환 단계를 줄이고 고밀도 AI 데이터센터를 가능하게 하는 전력 구조라고 설명한다. 또한 기존 54V 랙 전력 구조가 1MW급 랙으로 확장되기 어렵기 때문에, 2027년부터 1MW IT 랙 이상을 지원하기 위한 800VDC 전환을 추진한다고 밝혔다. (NVIDIA)

이 글의 핵심은 세 가지다.
첫째, 800VDC 전환은 전압 변경이 아니라 데이터센터 전력망의 구조 변화다.
둘째, SST와 전력반도체는 이 구조 변화의 중심 부품이다.
셋째, 수혜 기업은 공간별·시기별로 다르게 나타난다.


1. 왜 800VDC인가


전압을 높이면 전류가 줄고, 전류가 줄면 손실이 줄어든다


전력은 전압 × 전류다. 같은 전력을 보내려면 전압이 높을수록 전류는 낮아진다. 전력 손실은 대체로 전류² × 저항에 비례한다. 그래서 전류를 줄이면 구리 배선, 버스바, 커넥터, 차단기에서 생기는 발열과 손실이 급격히 줄어든다.

이 논리가 800VDC 전환의 출발점이다.

SemiAnalysis는 600kW급 랙을 예로 들었다. 54V에서는 약 11,111A의 전류가 필요하지만, 800V에서는 750A로 낮아진다. 전류가 약 14.8배 줄어들고, 동일 저항 조건에서는 저항 발열이 약 219배 낮아지는 구조다. 실제 현장에서는 구리 단면적을 줄이기 때문에 이론상 손실 감소분을 모두 가져가지는 않지만, 구리 사용량, 배선 공간, 발열 부담을 동시에 줄이는 효과가 발생한다. (SemiAnalysis)

이 물리적 효과 때문에 800VDC는 단순한 효율 개선 옵션을 넘어선다. 랙당 전력밀도가 400kW, 600kW, 1MW로 높아지는 구간에서는 저전압 대전류 구조 자체가 병목이 된다.




기존 AC·48V 구조는 변환 단계가 많다


현재 데이터센터 전력 흐름은 대체로 다음과 같다.

Grid AC → 변압기 → UPS → AC 배전 → PSU → 48/54V DC → GPU 보드 전압

이 과정에는 AC/DC, DC/AC, DC/DC 변환이 반복된다. 각 단계는 효율 손실과 발열을 만들고, 장비 수가 늘어날수록 고장 지점도 늘어난다.

NVIDIA는 13.8kV AC 계통 전력을 데이터센터 외부 또는 시설단에서 800V 고전압 DC로 직접 변환하면 중간 단계의 상당 부분을 줄일 수 있다고 설명한다. 또한 팬이 달린 PSU 수를 줄이고, 전력 흐름을 단순화해 신뢰성과 효율을 높일 수 있다고 제시한다. (NVIDIA Developer)





2. SST와 전력반도체가 구조적으로 성장하는 이유


SST는 변압기와 정류기를 통합하는 장비다


SST는 Solid State Transformer, 즉 반도체 변압기다. 기존 변압기는 철심과 구리를 이용해 AC 전압을 바꾸는 수동 장치다. 반면 SST는 전력반도체 스위칭을 이용해 변압, 정류, 절연, 전압 제어, 양방향 전력 흐름을 수행한다.

SemiAnalysis는 데이터센터용 SST를 3단 구조로 설명한다. 입력단은 13.8~45kV 중전압 AC를 DC로 바꾸고, 절연단은 고주파 변압기로 전압을 낮추며, 출력단은 최종 800VDC를 만든다. 이때 중전압 입력단에는 3.3kV 이상급 SiC MOSFET이 필요하다. (SemiAnalysis)

Jian Xu 등은 2026년 arXiv 논문에서 SST 기반 800VDC 데이터센터 구조를 시뮬레이션했다. 이 논문은 10kV MVAC를 800V LVDC 버스로 변환하는 구조를 제시했고, 3상 H-bridge AC/DC 정류단과 DAB DC/DC 변환단을 사용했다. 저자들은 RTDS 시뮬레이션을 통해 실제 데이터센터의 일간·월간 부하 프로파일에서 SST 기반 구조가 기존 UPS 대비 더 낮은 입력 에너지와 안정적인 800VDC 전압 제어를 보였다고 보고했다. (arXiv)


arXiv



SST vs UPS 손실률 차이 설명
arXiv


UPS는 특정 저주파 피크가 있는반면, SST는 0.1~수Hz 구간 spectrum이 낮고 평탄함.
이는 SST 계통이 공진을 덜 자극해 grid-friendliness함을 의미
arXiv


기존 전력기기 대비 SST의 강점


SST의 강점은 네 가지다.


SemiAnalysis도 SST가 중전압 변압기와 정류기를 하나의 전력전자 장비로 통합하면서 전력 체인의 변환 단계를 줄이고, 고주파 스위칭으로 기존 저주파 변압기 대비 코어 크기를 크게 줄일 수 있다고 설명한다. 또한 SST는 고정 비율로 전압을 바꾸는 장비에 머물지 않고, 부하에 맞춰 출력을 능동적으로 조절할 수 있다. (SemiAnalysis)

시뮬레이션 결과가 보여주는 경제성


Jian Xu 등의 800VDC SST 논문은 SST 기반 구조와 기존 UPS 구조를 동일한 데이터센터 부하 조건에서 비교했다. 30일 AI 부하 시뮬레이션에서 SST 기반 구조의 월간 평균 손실률은 1.924%, UPS 기반 구조는 9.553%였다. 논문은 SST가 같은 부하를 공급하면서 UPS보다 약 8.5% 적은 에너지를 그리드에서 끌어온다고 분석했다.



arXiv


월간 총 전력소비 비교 막대그래프
AI 부하에서 SST가 UPS 대비 26.36MWh 절감, 약 9.0% 절감
arXiv


또한 동일 논문은 하루 AI 부하 조건에서 800VDC 버스 전압이 정격 ±2% 범위 안에 100% 머물렀고, 30일 시뮬레이션에서도 전압 평균과 리플 지표가 장기적으로 악화되지 않았다고 보고했다. 이는 SST 기반 DC 전력 구조가 AI 부하의 빠른 변동을 제어하는 데 유리하다는 근거다.

arXiv
월간 800VDC 전압 평균이 0.80042kV로 유지됨
30일로 늘려도 장기 drift가 없었으며, ±2% 범위 100% 유지


3. 800VDC 시장은 네 단계로 전환된다


SemiAnalysis는 800VDC 전환을 네 단계로 나눈다. 수치 전망은 SemiAnalysis의 모델 기반 추정치이므로 업계 확정 전망이라기보다 시나리오형 시장 전망으로 해석하는 편이 적절하다.


SemiAnalysis


SemiAnalysis

Phase 1: 2026~2027년, 화이트스페이스 Retrofit


초기에는 기존 데이터센터의 그레이스페이스, 즉 전기실 구조를 크게 바꾸지 않는다. 기존 변압기, UPS, AC 배전반은 유지하고, 서버랙 근처에 HVDC Power Rack, 즉 Sidecar를 붙인다.


SemiAnalysis는 이 단계에서 AC 전력이 overhead busway를 통해 Power Rack으로 들어가고, Power Rack이 800VDC를 만들어 인접 IT 랙으로 보내는 구조를 설명한다. Power Rack 내부에는 AC/DC 정류기, BBU, 선택적으로 capacitor shelf가 들어간다. (SemiAnalysis)

초기 최대 수혜 제품은 다음과 같다.


SemiAnalysis는 Sidecar Power Rack의 ASP를 약 40만~50만 달러, deployed MW 기준 약 50만 달러/MW로 추정한다. 또한 Sidecar TAM은 2028년 약 110억 달러에서 정점을 찍은 뒤, facility-level 800VDC가 확산되면서 감소한다고 본다. (SemiAnalysis)

Phase 2: 2027~2028년, 800VDC-native Compute


Phase 2부터는 800VDC를 직접 받는 서버와 블레이드가 등장한다. 이 구간에서 800VDC는 선택적 실험에서 고밀도 AI 랙의 필수 아키텍처로 이동한다.

SemiAnalysis는 Phase 2에서 800VDC 버스가 compute blade까지 들어가고, on-blade power module이 최종 step-down을 담당한다고 설명한다. 여전히 약 50V 버스까지 낮추는 DC/DC 변환은 필요하지만, 변환 위치가 랙 외부에서 서버 내부로 더 가까워진다. (SemiAnalysis)

STMicroelectronics는 NVIDIA 800VDC reference design에 맞춰 800VDC-to-50V 솔루션에 이어 800VDC-to-12V, 800VDC-to-6V 아키텍처를 추가했다. 이 발표는 800VDC 전환이 그레이스페이스 장비만의 변화가 아니라 서버 내부 전력반도체 시장 확대로 연결된다는 점을 보여준다. (ST News)

Phase 3: 2028~2029년, 그레이스페이스 DC화


세 번째 단계에서는 변환 위치가 랙 옆에서 시설단으로 올라간다. 그레이스페이스 또는 외부에 대형 rectifier를 설치해 415V/480V AC를 800VDC로 바꾸고, 데이터홀 전체에 DC를 배전한다.

SemiAnalysis는 Phase 3에서 AC switchgear와 AC floor PDU의 역할이 줄고, DC busway, DC 보호장치, rectifier-integrated distribution이 중요해진다고 설명한다. DC는 AC처럼 전류가 자연스럽게 0을 통과하지 않기 때문에, 부하 상태에서 차단할 때 아크를 끄기 어렵다. 이 때문에 SSCB, 즉 Solid State Circuit Breaker가 핵심 보호장치가 된다. (SemiAnalysis)

이 구간에서 성장하는 제품은 다음과 같다.


SemiAnalysis는 Phase 3에서 Power Rack이 Battery Rack으로 바뀌며, Battery Rack에는 DC/DC distribution unit, BBU shelf, 선택적 supercapacitor가 남는다고 설명한다. Battery Rack content는 약 20만 달러/MW 수준으로 제시했다. (SemiAnalysis)

Phase 4: 2029년 이후, SST Endgame


SemiAnalysis


마지막 단계가 SST다. SST는 기존 저압 변압기와 AC/DC rectifier를 하나의 장비로 통합해 중전압 AC를 바로 800VDC로 변환한다.

SemiAnalysis는 SST를 800VDC 전환의 end-state로 설명한다. Phase 4에서 SST는 저압 변압기와 저압 AC/DC 정류기를 대체하고, 중전압에서 800VDC로 직접 변환한다. SST 시장은 2030년 약 130억 달러 TAM에 도달할 수 있으며, SST content는 약 125만 달러/MW로 추정된다. 다만 일부 기회는 MV rectifier와 경쟁할 수 있다. (SemiAnalysis)

상용화 속도에는 리스크도 있다. SemiAnalysis는 대규모 SST 채택이 2029년 이후 본격화될 가능성이 높고, 2026년 5월 기준 데이터센터용 SST 배치를 위한 UL 인증을 완료한 벤더는 없다고 설명한다. (SemiAnalysis)


4. 데이터센터 공간별 제품 매핑


800VDC 전환을 이해하려면 데이터센터를 네 공간으로 나눠 보는 것이 좋다.

1) Grid / 수전·변전 구간



데이터센터 바깥 또는 캠퍼스 수전단이다. 800VDC로 바뀌어도 사라지지 않는다. 오히려 AI 데이터센터가 수백 MW에서 GW급으로 커지면서 가장 먼저 병목이 생기는 구간이다.



수혜 기업군:
HD현대일렉트릭, 효성중공업, 일진전기, LS ELECTRIC, 대한전선, 가온전선, GE Vernova, ABB, Eaton, Quanta Services.

HD현대일렉트릭은 AI와 데이터센터 전력 수요 증가에 대응해 2026년까지 국내외 전력기기 생산설비에 3,968억 원을 투자한다고 보도됐다. 일진전기도 캐나다 데이터센터에 245kV 초고압 변압기 21대를 공급하는 1,200억 원 규모 계약을 확보했다. (Korea Joongang Daily)

2) Grey Space: 전기실·기계실·시설단




그레이스페이스는 가장 큰 구조 변화가 일어나는 곳이다. 기존에는 저압 변압기, UPS, AC switchgear, AC PDU가 중심이었다. 800VDC 확산 이후에는 rectifier, DC switchgear, Battery Rack, SST, SSCB가 중요해진다.




Eaton은 NVIDIA 800VDC 전환에 맞춘 reference architecture를 공개했다. 이 설계는 AI 데이터센터의 고밀도 컴퓨팅 수요를 보호하고 지원하기 위한 800VDC 전력 인프라 아키텍처다. (Eaton)

3) White Space: 데이터홀·랙 주변




화이트스페이스는 초기 800VDC 전환의 중심이다. 기존 전기실을 완전히 바꾸기보다, 서버랙 근처에 Power Rack을 붙여 800VDC를 공급하는 방식이 먼저 확산된다.



수혜 기업군:
Vertiv, Eaton, Schneider Electric, Delta, Flex, Advanced Energy, STMicroelectronics, TI, MPS, Vicor, onsemi, Infineon.

4) Rack Internal: 서버 내부·GPU 보드




랙 내부는 전력반도체 밀도가 가장 높은 구간이다. 800VDC가 들어와도 GPU는 수V 이하의 낮은 전압을 요구한다. 따라서 800V를 50V, 12V, 6V, 최종 GPU core 전압으로 낮추는 다단 DC/DC 변환이 필요하다.



Infineon은 800VDC 랙에서 서버 보드를 교체할 때 다른 서버가 계속 운용될 수 있도록 하는 CoolSiC JFET 기반 hot-swap 솔루션을 제시했다. 이는 800VDC 전환에서 보호·서비스성·안전이 전력반도체 수요로 이어진다는 점을 보여준다. (인피니언)


5. 제품군별 성장성 전망




핵심은 총 전기 인프라 비용이 사라지는 것이 아니라 투입되는 품목이 바뀌는 구조라는 점이다. SemiAnalysis는 전기 시스템 content per MW가 대체로 360만~480만 달러 범위에 머무르지만, 그 안에서 그레이스페이스와 화이트스페이스 간 비용 배분이 바뀌고, Phase 4에서는 SST가 저압 변압기와 rectifier를 대체한다고 설명한다. (SemiAnalysis)


6. 미국 상장사 수혜 구도


전력반도체 플랫폼


onsemi는 NVIDIA와의 협력에서 SST, PSU, 800VDC distribution, core power delivery까지 언급했다. 이는 단일 제품 수혜보다 800VDC 전력 경로 전반을 커버하는 플랫폼형 수혜에 가깝다. (onsemi)

TI도 NVIDIA와 함께 차세대 AI 데이터센터용 800VDC 전력 아키텍처를 공개했으며, 800V에서 GPU core 전압까지 두 단계로 낮추는 구조를 제시했다. 이는 서버 내부 전력변환에서 고효율·고밀도 power IC의 중요성이 커진다는 신호다. (TI)

SiC / GaN 고베타



Wolfspeed는 SiC 기반 SST가 중전압 그리드 전력을 800VDC로 직접 변환하는 데 핵심이라고 설명한다. 또한 Wolfspeed의 10kV SiC MOSFET은 중전압 UPS, 풍력, SST 애플리케이션을 겨냥한 제품으로 소개됐다. (Wolfspeed)

다만 Wolfspeed는 SST 완제품 업체가 아니라 SiC 소재·디바이스 공급자다. 따라서 SemiAnalysis가 제시한 SST 장비 TAM 전체가 Wolfspeed 매출로 연결되는 구조는 아니다. 투자 관점에서는 SST/SiC 순수 베타는 크지만, 시스템 업체 대비 실적 인식 경로가 간접적이라는 점을 구분해야 한다.

전력기기·데이터센터 시스템





7. 한국 상장사 수혜 구도


SST / DC 전환 옵션 보유



LS ELECTRIC은 자사 SST를 기반으로 ESS를 포함한 DC Grid와 대용량 전기차 충전 인프라를 구축하려는 계획을 공개했다. 해당 자료는 LS ELECTRIC의 SST가 전력반도체를 적용해 변압뿐 아니라 DC-AC 변환도 가능한 장비라고 설명한다. (LS Holdings)

효성중공업은 AI 데이터센터 전력망 솔루션 시장을 겨냥해 22.9kV SST를 공개했고, SST가 변압 기능과 AC-DC 정류 기능을 단일 시스템에서 통합 처리하는 차세대 장비라고 설명했다. (전기신문)

초고압 전력망·변압기 슈퍼사이클



이 그룹은 데이터센터 내부의 800VDC 전환보다 AI 데이터센터 외부 전력망 병목에 더 직접적이다. 데이터센터 내부가 DC로 바뀌어도 외부에서 GW급 전력을 끌어오는 초고압 변압기, GIS, 케이블, 변전소는 필요하다.

배전·패드 변압기와 케이블


산일전기와 제룡전기는 단기적으로 데이터센터 주변 배전망과 패드 변압기 수요에 민감하다. 다만 Phase 4에서 SST가 일부 step-down transformer 기능을 흡수할 경우, 장기적으로는 DC 배전·고전압 특수 변압기·SST 관련 부품으로의 확장이 중요해진다. 이 관점은 사용자가 정리한 한국 상장사 분류에서도 동일하게 나타난다.


8. 시기별 기업 수혜 강도


2026~2027년: White Space Retrofit




이 구간에서는 SST보다 Sidecar와 전력반도체가 먼저 커진다. 한국 전력기기 업체도 AI 데이터센터 증설 자체의 수혜를 받는다.

2027~2028년: 800VDC-native Compute


이 시기의 핵심은 서버와 가까운 전력변환이다. 800VDC가 랙 안으로 들어오면서 전력반도체 content per rack이 증가한다.

2028~2029년: Facility-level DC


이 시기부터 기존 AC PDU와 일부 저압 AC 배전반의 성장성은 둔화될 수 있다. 반대로 DC 보호장치, Battery Rack, 대형 Rectifier의 부가가치는 높아진다.

2029년 이후: SST Endgame


장기 승부는 제품 믹스 전환에서 갈린다. 변압기만 공급하는 기업보다 SST, HVDC, DC 배전, ESS/PCS, 보호장치, 전력제어 소프트웨어를 함께 제공하는 기업의 전략적 가치가 높아진다.


9. 투자 프레임 정리


미국 상장사




한국 상장사






10. 결론


NVIDIA의 800VDC 전환은 AI 데이터센터의 전력 구조를 바꾸는 사건이다. 기존에는 전력망에서 서버까지 전기를 보내는 과정에서 변압기, UPS, AC 배전, PSU가 각각 역할을 나눴다. 앞으로는 이 경로가 짧아지고, DC 중심으로 바뀌며, 전력반도체가 전력 흐름을 직접 제어하는 구조가 된다.

가장 먼저 커지는 시장은 화이트스페이스의 HVDC Power Rack과 서버 내부 DC/DC다. 이후 그레이스페이스의 대형 Rectifier, DC 배전, Battery Rack, SSCB가 성장한다. 마지막 단계에서는 SST가 MV AC를 800VDC로 직접 변환하는 핵심 장비로 부상한다.

따라서 이번 사이클의 본질은 단순한 전력기기 슈퍼사이클을 넘어선다. 전력기기 물량 증가와 제품 믹스 전환이 동시에 진행되는 구조다.

미국에서는 Vertiv, Eaton, onsemi, Infineon, ST, MPS, TI, Vicor가 800VDC 전환의 전면에 있다. Wolfspeed는 SST/SiC 고베타 후보지만, 재무와 가동률 리스크까지 함께 봐야 한다. 한국에서는 HD현대일렉트릭, 효성중공업, 일진전기가 외부 전력망과 초고압 변압기 수혜를 받고, LS ELECTRIC과 효성중공업은 장기적으로 SST·DC 전환 옵션을 가진 기업군이다.

한 문장으로 압축하면, 800VDC 시대의 최종 승자는 변압기만 파는 회사보다 전력반도체, DC 보호, 전력변환, 배전 시스템, 제어 소프트웨어를 하나로 묶을 수 있는 기업이다.

=끝

2026년 5월 21일 목요일

생각정리 265 (* 국민성장펀드)

국민성장펀드, 생산적 금융인가 위험의 이전인가


실적 시즌이 한 차례 지나간 김에 평소 생각하던 내용을 블로그에 기록해본다. 최근 주변에서 국민참여형 국민성장펀드에 가입해도 괜찮은지 묻는 분들이 있었다.

결론부터 말하면, 나는 그리 좋아 보이지 않는다고 개인적으로 답을 하곤했다. 

반도체, AI, 개차전지(?), 바이오 같은 첨단산업에 돈을 넣는 방향 자체가 문제라고 생각하는 것은 아니다. 한국 경제가 장기적으로 생산성을 높이려면 이런 분야에 자본이 흘러가야 한다. 다만 문제는 그 돈이 어떤 방식으로 공급되고, 누가 위험을 부담하며, 누가 업사이드를 가져가느냐에 있다.

1. 국민성장펀드 구조 요약


국민성장펀드는 정부가 첨단전략산업에 장기 자금을 공급하기 위해 조성하는 정책금융 성격의 펀드다. 금융위원회에 따르면 전체 목표 규모는 150조원이며, 반도체·AI·이차전지·바이오·방산·로봇·핵심광물 등이 주요 투자 대상이다.


출처: 금융위원회 보도자료


핵심은 여기 있다. 전체 150조원 가운데 대출·인프라 성격이 100조원이고, 순수한 지분성 투자는 50조원 수준이다. 국민성장펀드라는 이름만 들으면 첨단산업 성장의 업사이드를 직접 가져가는 구조처럼 느껴질 수 있지만, 실제 구조를 보면 상당 부분은 정책성 대출과 인프라 금융에 가깝다.

2. 왜 저리대출 구조가 불편한가


반도체, AI 데이터센터, HBM, 첨단 패키징 같은 영역은 성공하면 높은 수익률을 낼 수 있다. 그런데 국민성장펀드 자금이 저리대출 형태로 들어가면 펀드가 직접 가져가는 수익은 대략 2~3%대 이자수익에 머물 가능성이 크다.

반면 그 돈을 빌려 쓰는 기업은 해당 자금으로 설비투자와 R&D를 집행하고, 제품 믹스 개선과 영업 레버리지 효과를 누릴 수 있다.



즉, 자금 공급자는 낮은 이자만 받고, 산업 업사이드 대부분은 기업 주주가 가져가는 구조가 될 수 있다. 이 점이 내가 국민성장펀드를 불편하게 보는 첫 번째 이유다.

3. 주요 투자 프로젝트를 보면 성격이 더 분명해진다


금융당국이 공개한 주요 승인 사례를 보면 국민성장펀드가 어떤 영역에 자금을 넣으려는지 확인할 수 있다.


출처: 금융위원회 보도자료






이 프로젝트들이 국가적으로 불필요하다는 의미는 아니다. 오히려 장기적으로는 해야 할 투자일 수 있다. 그러나 국가적으로 필요하다는 것과 개인 투자자에게 매력적인 투자상품이라는 것은 다르다.

시장성이 충분하고 기대수익률이 높은 프로젝트라면 굳이 정책금융이 강하게 들어가지 않아도 민간 자본이 먼저 움직였을 가능성이 크다. 반대로 정책금융이 필요하다는 것은 그만큼 회수 기간이 길거나, 수익성이 낮거나, 정책 리스크가 크거나, 민간이 단독으로 감당하기 어려운 위험이 존재한다는 뜻이기도 하다.

4. 전력망 투자 구조와도 닮아 있다


비슷한 흐름은 전력 인프라에서도 나타난다. AI 데이터센터, 반도체 클러스터, 첨단산단이 늘어나면 전력 수요는 구조적으로 증가한다. 과거에는 한국전력이 국가 전력망 투자의 중심을 맡았지만, 이제는 민간 참여를 허용하는 방향으로 제도가 바뀌고 있다.

보도에 따르면 정부는 한전이 도맡던 국가 전력망 구축 사업에 민간 참여를 허용하고, 민간이 송전망을 건설한 뒤 완공 후 한전이 인수하는 방식도 추진하는 것으로 알려졌다.

출처: 조선일보 보도


이 구조도 국민성장펀드와 동기가 비슷해 보인다. 한전이 전력망 투자재원을 한전채로만 조달하면 시중 자금을 흡수하고 금리에 상방압력을 줄 수 있다. 정부 재정이나 공기업 부채만으로 감당하기 부담스러운 영역에 민간 자금을 끌어들이려는 유인이 커지는 것이다.

결국 국가적으로 필요한 인프라 투자 부담을 민간 자본시장으로 분산시키는 흐름이 강해지고 있다.

5. 그럼에도 수요가 몰리는 이유


그럼에도 국민참여형 국민성장펀드에 대한 관심은 높다. 이유는 명확하다. 한국 가계에는 아직 위험자산시장으로 이동할 수 있는 잠재 유동성이 매우 크기 때문이다.

https://www.yna.co.kr/view/AKR20260522044000002

한국은행·통계청·금융감독원의 2025년 가계금융복지조사에 따르면 2025년 3월 말 기준 가구당 평균 금융자산은 1억 3,690만원이고, 이 가운데 저축액은 9,960만원이다. 다만 여기서 말하는 저축액에는 예적금·보험뿐 아니라 펀드, 주식, 채권 등 일부 금융투자상품도 포함된다. 따라서 순수한 예적금성 자금이라기보다는 넓은 의미의 금융 저축 풀로 보는 것이 맞다.

출처: 한국은행 2025년 가계금융복지조사


투자자예탁금은 금융투자협회가 집계하는 증시 주변 대기자금이다. 보도에 따르면 2025년 9월 12일 기준 투자자예탁금은 72조 8,900억원이었다.

이를 단순 비교하면 아래와 같다.

출처: 연합뉴스 보도


즉, 증권 계좌 안에 들어와 있는 직접 대기자금은 70조원대에 불과하지만, 은행·보험·기타 금융자산에 머무는 잠재 유동성은 그보다 훨씬 크다.

물론 이 돈이 전부 주식시장으로 들어올 수 있다는 뜻은 아니다. 금리, 부동산 가격 기대, 세제, 보험 만기 구조, 은퇴 시점, 손실회피 성향이 실제 자금 이동을 제한한다. 다만 한국 가계 안에는 여전히 위험자산으로 이동할 수 있는 거대한 잠재 자금 풀이 존재한다.

6. 은퇴세대의 손실회피 성향이 핵심이다


한국의 부는 상당 부분 은퇴를 앞두었거나 이미 은퇴한 세대에 집중되어 있다. 이들은 추가 근로소득 유입이 줄어드는 구간에 들어서기 때문에 원금 손실에 민감할 수밖에 없다.



https://uiyeonassociation.blogspot.com/2025/05/37.html



국민성장펀드는 이 지점을 정확히 건드린다. 정부 재정이 후순위로 일부 손실을 먼저 부담하고, 세제혜택까지 붙여주면 평소 예금이나 보험에 머물던 자금도 움직일 수 있다.

결국 이번 상품에 대한 높은 관심은 한국 가계의 위험자산 선호가 갑자기 높아졌다는 뜻이라기보다, 손실 완충 장치가 붙으면 예금성 자금도 정책형 위험상품으로 이동할 수 있다는 신호에 가깝다.


7. 내가 보는 핵심 쟁점

국민성장펀드를 단순히 좋다, 나쁘다로 판단하기보다는 아래 질문을 먼저 봐야 한다.



내가 가장 불편하게 보는 부분은 마지막 질문이다. 누가 위험을 부담하고, 누가 업사이드를 가져가는가.

정책 목표는 국가가 가져가고, 사업 수익은 기업 주주가 가져가며, 개인 투자자는 낮은 기대수익률과 장기 환매제한을 부담하는 구조라면 이는 매력적인 투자상품으로 보기 어렵다.

8. 결론


결국 국민성장펀드는 국가적으로는 필요한 정책금융 장치일 수 있다. 반도체, AI, 전력망, 개차전지(?), 바이오 같은 영역에 장기 자금을 공급해야 한다는 방향성에도 동의한다.

다만 개인 투자자 입장에서는 이야기가 다르다. 정책적으로 필요한 프로젝트와 투자자에게 매력적인 프로젝트는 구분해서 봐야 한다. 특히 저리대출과 인프라 투융자 중심 구조라면, 내가 부담하는 위험에 비해 가져갈 수 있는 업사이드는 제한적일 수 있다.

한국 가계의 저축성 자금을 생산적 금융으로 이동시키는 것은 중요한 과제다. 그러나 그 과정에서 위험은 민간이 부담하고, 성장의 과실은 기업 주주나 정책 목표가 더 크게 가져가는 구조라면 투자자 입장에서는 신중할 수밖에 없다.

그래서 내 개인적인 결론은 단순하다.

그 돈이면 차라리 전자닉스를 더 사겠다.

물론 어디까지나 개인적인 생각이다. 다만 국민성장펀드를 “국가 성장에 투자하는 안전한 정책상품”으로만 보기보다는, 위험과 보상의 배분이 투자자에게 정말 유리한 구조인지를 한 번쯤 따져볼 필요는 있다고 본다.

의도가 뻔하다 뻔해...

=끝