2026년 6월 9일 화요일

생각정리 277 (* Optical AI Backbone, Optical Fiber -4)

아침 일찍 병원에서 대기 순번표를 뽑고 기다리던 중이었다. 시간이 애매하게 남아 다시 텔레그램 창을 열고 뉴스를 훑어봤다.

눈에 들어온 것은 CPO 수율 관련 부정적 리포트였다. 요지는 CPO 채용 시점이 기존 기대보다 1~2년가량 뒤로 밀릴 수 있다는 내용이었다. 이 보고서가 시장에 퍼지면서 전날 밤 미국장에서 광학 인터커넥팅 관련 주가가 크게 흔들렸다는 소식도 함께 확인했다.

해당 리포트를 낸 곳은 과거에도 마이크론 HBM4 퀄테스트 이슈, SOCAMM2 LPDDR5 탑재량 감소 가능성과 같은 이야기를 유료 구독자들에게 먼저 전달했던 것으로 알려진 기관이다. 그래서인지 이번에도 시장은 꽤 민감하게 반응했다. ~~(*~카더라 통신을 극혐하는 1인..)~~

물론 정보 자체를 무조건 부정할 필요는 없다. 문제는 정보에는 언제나 의도가 섞일 수 있고, 그 정보를 전달하는 주체에게도 이해관계가 존재할 수 있다는 점이다. 이를 전혀 의식하지 않는다면 시장을 지나치게 순진하게 보는 것일 수 있다.

한 번이면 우연일 수 있다. 두 번이면 반복일 수 있다. 그런데 비슷한 방식으로 세 번 연속 시장에 큰 노이즈를 만든다면, 그 정보가 전달되는 방식과 타이밍을 의심해보지 않을 수 없다.

~~(*결국 광고, 유료 구독료, 후원금에 목메는 전문지 특성상 특정 이해관계에 목메여 있겠지않나 싶기도 하다.)~~

특히 검증이 어려운 내부정보성 이야기가 그럴듯한 산업 논리와 결합해 유료 리서치 형태로 유통될 때, 투자자는 더 조심해야 한다. 사실 여부와 별개로, 시장 가격은 그런 정보에 먼저 흔들린다. 그리고 주가가 흔들린 뒤에야 사람들은 뒤늦게 그 정보가 맞았는지 틀렸는지 따지기 시작한다.

결국 이런 시장에서 스스로를 보호하는 방법은 하나다. 공부하는 것이다.

남들이 던지는 단기 정보에 휘둘리기보다, 산업의 방향과 구조를 직접 이해해야 한다. 그래야 어떤 뉴스가 본질이고, 어떤 뉴스가 노이즈인지 구분할 수 있다.

예전 같았으면 저런 노이즈만 만드는 뉴스를 볼 때마다 짜증이 먼저 올라왔을 것이다. 하지만 이제는 어느 정도 그러려니 하게 된다.

이번 글에서 보려는 것은 특정 종목의 하루 주가가 아니다. 일본, 중국, 미국이 왜 동시에 광통신망과 AI 백본 인프라에 투자하기 시작했는지, 그리고 agentic AI 시대에 광통신 백본이 왜 다시 핵심 인프라로 부상하고 있는지다.

CPO 채용 시점이 1년 밀리느냐, 2년 밀리느냐는 단기 주가에는 중요할 수 있다. 하지만 더 큰 질문은 따로 있다.

AI 시대의 컴퓨팅 자원을 누가, 어떤 광통신망으로, 얼마나 낮은 지연시간과 전력비로 연결할 것인가.

이 질문이 앞으로 광통신 산업을 이해하는 출발점이다.

Agentic AI 시대의 신경망: 일본·중국·미국의 광통신 백본 투자가 본격화되고 있다

AI 인프라의 다음 핵심은 ‘연결’이다.

앞으로의 AI는 단일 데이터센터 안에서만 답을 생성하는 구조에 머물지 않는다. 기업 시스템, 클라우드, 데이터센터, 공장, 병원, 금융망, 로봇, 자율주행 인프라를 계속 호출하고 연결해야 한다. 이처럼 AI가 여러 시스템을 스스로 조합해 업무를 수행하는 흐름을 agentic AI라고 부를 수 있다.

이 시대에는 컴퓨팅 자원 자체만큼이나 중요한 것이 있다. 바로 컴퓨팅 자원들을 하나의 신경망처럼 연결하는 광통신 백본이다. 일본, 중국, 미국이 동시에 광통신망과 데이터센터 간 연결망 투자에 속도를 내는 이유도 여기에 있다.

결론부터 말하면, 국가별 AI 인프라 경쟁은 데이터센터 구축을 넘어 ‘광통신 백본망 구축 경쟁’으로 확장되고 있다. 일본은 NTT의 IOWN/APN/AIOWN, 중국은 동수서산과 전국 AI 컴퓨팅 네트워크, 미국은 Lumen·Zayo·Corning·Microsoft·Meta·NVIDIA 중심의 AI 백본 투자가 대표적인 사례다.

1. 왜 agentic AI 시대에는 광통신망이 중요해질까

Agentic AI는 단순히 질문에 답하는 AI가 아니다. 사용자의 목표를 이해하고, 필요한 데이터를 찾고, 여러 소프트웨어를 호출하고, 결과를 비교하고, 다시 다음 행동을 실행하는 구조다.

예를 들어 기업용 agentic AI가 실제로 작동하려면 다음 과정이 필요하다.

고객 데이터 조회 → 내부 문서 검색 → 외부 데이터 호출 → 모델 추론 → 보안 검증 → 업무 시스템 입력 → 결과 보고

이 과정이 안정적으로 작동하려면 데이터센터와 데이터센터, 클라우드와 기업망, 중앙 서버와 엣지 서버가 빠르게 연결돼야 한다. 특히 금융, 제조, 헬스케어, 로봇, 자율주행처럼 지연시간이 중요한 분야에서는 네트워크 품질이 곧 AI 서비스 품질이 된다.

그래서 광통신망은 단순한 통신 인프라가 아니라 AI 시대의 백본 신경망으로 재부각되고 있다.

2. 일본: NTT의 IOWN/APN/AIOWN이 가장 직접적인 사례

일본에서 가장 명확한 전략을 제시하는 기업은 NTT다. NTT는 IOWN 구상 안에서 APN, All-Photonics Network를 핵심 인프라로 제시하고 있다. APN은 네트워크부터 단말까지 광 기반 기술을 도입해 저전력, 고품질, 대용량, 저지연 전송을 구현하는 네트워크다. NTT EAST와 NTT WEST는 2023년 3월부터 APN IOWN1.0 서비스를 시작했다. (NTT)

NTT

NTT의 중기전략을 보면 방향은 더 명확하다. 회사는 FY2030 EBITDA 4조 엔 목표를 제시하면서, 기존 통신 인프라에 해당하는 Connectivity Areas를 AI-native infrastructure, 즉 AIOWN으로 전환하겠다고 밝혔다. 동시에 성장 영역인 Value-added Areas에서는 AI, 데이터센터, NTT DATA, 금융, 기업 솔루션을 키우는 구조를 제시했다.

NTT

쉽게 말하면 NTT의 전략은 이렇다.

중요한 점은 NTT가 광망 투자를 단순한 내수 방어 투자로만 보지 않는다는 점이다. 일본 내 통신망을 광·APN 기반으로 전환하면서 실증 데이터를 쌓고, 이 경험을 데이터센터 연결, AI inference, 기업용 AI 솔루션, 해외 인프라 사업으로 확장하려는 구조다.

NTT

KDDI도 유사한 방향으로 움직이고 있다. KDDI는 2026년 5월 상용 환경에서 Point-to-Multipoint형 APN을 활용한 광신호 전송 실증에 성공했다. 이 실증에서는 기존 광섬유를 활용해 여러 거점 간 총 400G급 대용량 통신을 확인했고, 전기 장비를 줄여 네트워크 전력 사용량을 약 60% 절감할 수 있다고 밝혔다. KDDI는 이를 데이터센터, 해저케이블, APN, 6G를 묶는 Digital Belt 구상으로 연결하고 있다. (KDDI Research)

KDDI

SoftBank도 광망 투자를 진행 중이다. SoftBank는 Cisco와 협력해 일본 메트로 네트워크에 All Optical Network를 구축하고 있으며, 400GbE 지원 장비와 단순화된 IP·광 통합 구조를 통해 기존 구성 대비 에너지 소비를 약 90% 줄이는 것을 목표로 한다. SoftBank는 이 All Optical Network를 2027년까지 일본 전국 메트로망에 배포할 계획이라고 밝혔다. (ソフトバンク)

SoftBank

따라서 일본의 흐름은 명확하다. NTT가 IOWN/APN/AIOWN으로 방향을 제시하고, KDDI와 SoftBank도 각자의 방식으로 광망 고도화와 AI 인프라 연결망 투자에 들어가고 있다.

DC향 광섬유, 광케이블 호조로 가격인상을 공시하는 후지쿠라

3. 중국: 동수서산에서 전국 AI 컴퓨팅 네트워크로 진화

중국은 일본보다 더 국가 주도적인 방식으로 움직이고 있다. 핵심은 동수서산, 东数西算이다. 말 그대로 동부의 데이터를 서부에서 계산한다는 뜻이다.

중국은 이미 8개 국가 컴퓨팅 허브와 10개 데이터센터 클러스터를 추진해왔다. 베이징·톈진·허베이, 장강삼각주, 광둥·홍콩·마카오 대만구, 청두·충칭, 내몽골, 구이저우, 간쑤, 닝샤 등이 주요 거점이다. 이 8개 허브는 중국 컴퓨팅 네트워크의 백본 역할을 하며, 데이터센터·클라우드·빅데이터의 협동 구축과 동서부 컴퓨팅 자원 격차 해소를 목표로 한다. (NCSTI)

동수서산의 배경은 이해하기 쉽다. 중국 동부는 데이터와 산업 수요가 많지만 토지와 전력이 부족하다. 반면 서부는 토지와 재생에너지 자원이 상대적으로 풍부하다. 그래서 동부의 데이터 처리와 AI 연산 수요를 서부의 대형 데이터센터로 분산시키고, 이를 광통신망으로 연결하는 구조가 필요하다.

중국 정부 발표에 따르면 2024년 6월 말 기준 8개 컴퓨팅 허브 건설에 직접 투자된 금액은 435억 위안, 관련 투자 유발액은 2,000억 위안 이상, 데이터센터 랙 수는 195만 개 이상이었다. 또한 동서 허브 간 네트워크 지연시간은 대체로 20ms 요구조건을 충족한 것으로 언급됐다. (중국 국무원)

여기에 최근 보도된 2조 위안 AI 인프라 계획이 더해진다. Bloomberg 보도에 따르면 중국은 향후 5년간 약 2조 위안, 약 2,950억 달러를 투입해 전국 단위 데이터센터 네트워크를 구축하는 방안을 준비 중이다. NDRC 등 주요 기관이 청사진을 만들고 있으며, China Mobile과 China Telecom 같은 국유 통신사가 데이터센터 운영과 연결을 담당할 가능성이 언급됐다. (블룸버그 로우 뉴스)

이 계획의 핵심은 전국에 흩어진 컴퓨팅 자원을 하나의 통합 네트워크로 묶는 것이다. 보도에서는 통합 컴퓨팅 네트워크가 기업의 고성능 컴퓨팅 접근성을 높이고, AI 모델 개발 속도와 agentic AI·physical AI 서비스 확산을 촉진할 수 있다고 평가했다. (The Edge Singapore)

중국 전략의 또 다른 특징은 AI 자립이다. 같은 보도에 따르면 중국은 AI 칩, 서버 등 핵심 기술의 최소 80%를 화웨이 등 현지 공급업체로 조달하는 방향을 검토하고 있다. 이는 엔비디아와 AMD 의존도를 낮추려는 흐름과 연결된다. (The Edge Singapore)

중국의 흐름을 정리하면 이렇다.

즉, 중국은 데이터센터를 단순히 많이 짓는 것이 아니라, 데이터센터·광통신망·전력망·국산 AI 칩을 하나의 국가 단위 AI 신경망으로 묶는 방향으로 가고 있다.

4. 미국: 민간 주도형 AI 백본 투자가 확대 중

미국은 일본·중국처럼 하나의 국가 프로젝트 이름으로 움직이기보다, hyperscaler와 통신망 사업자, 광섬유 제조사가 수요를 중심으로 움직이는 구조다.

대표 사례는 Microsoft와 Lumen이다. Microsoft는 AI 수요 증가로 데이터센터 간 연결 역량을 강화하기 위해 Lumen을 전략적 네트워크 인프라 공급업체로 선택했다. Lumen의 Private Connectivity Fabric은 기존 광섬유 접근권, 신규 광섬유 설치, 디지털 네트워크 서비스를 포함하는 맞춤형 네트워크이며, Microsoft 데이터센터 간 연결의 용량, 성능, 안정성, 속도를 높이는 데 쓰인다. (Source)

Lumen은 이후 미국 전역에서 대규모 광망 확장을 추진하고 있다. 회사는 AI 수요에 대응하기 위해 2028년 말까지 3,400만 intercity fiber miles를 추가해 총 4,700만 intercity fiber miles 규모로 확대할 계획이라고 밝혔다. Lumen은 이 투자를 “AI economy의 backbone” 구축으로 설명했다. (Lumen)

Lumen Technology

Zayo도 유사한 흐름이다. Zayo는 AI 수요 증가에 맞춰 향후 5년간 5개 신규 장거리 광섬유 경로와 7개 기존 경로 증설을 추진한다고 밝혔다. 이 경로들은 주요 데이터센터 허브와 성장 지역을 직접 연결하는 저지연·고확장성 경로로 설계된다. (Zayo.com)

광섬유 공급망에서는 Corning이 핵심이다. Corning과 Meta는 미국 내 첨단 데이터센터 구축을 위해 최대 60억 달러 규모의 다년 계약을 체결했다. Corning은 Meta에 광섬유, 케이블, 연결 솔루션을 공급할 계획이다. (Corning)

Corning

Corning과 NVIDIA의 협력도 중요하다. 양사는 차세대 AI 인프라에 필요한 광연결 솔루션의 미국 내 제조를 확대하기 위한 장기 파트너십을 발표했다. Corning은 미국 내 광연결 제조능력을 10배, 광섬유 생산능력을 50% 이상 확대할 계획이며, NVIDIA 가속 컴퓨팅을 대규모로 배치하는 hyperscale 데이터센터에 광연결 솔루션을 공급할 예정이다. (Corning)

미국의 흐름은 다음처럼 볼 수 있다.

미국은 정책 주도형보다는 민간 수요 주도형이다. 그러나 방향은 같다. AI 데이터센터가 커질수록 데이터센터 내부 연결과 데이터센터 간 연결 모두 광통신망 투자를 요구한다.

5. 세 지역의 공통 결론: AI 인프라의 신경망은 광통신 백본이다

일본, 중국, 미국의 접근 방식은 다르다.

하지만 결론은 동일하다. AI 시대의 인프라는 연산 자원을 얼마나 많이 확보하느냐에서 끝나지 않는다. 그 연산 자원을 얼마나 빠르고 안정적으로 연결하느냐가 중요해지고 있다.

Agentic AI가 확산되면 AI는 더 많은 데이터를 보고, 더 많은 시스템을 호출하고, 더 많은 결정을 실시간에 가깝게 내려야 한다. 이때 광통신망은 단순한 통신망이 아니라 AI가 움직이는 경로, 즉 AI 인프라의 신경망이 된다.

6. 투자 관점에서 봐야 할 변화

이 흐름은 통신사, 광통신 장비, 광섬유, 데이터센터, 전력 인프라를 보는 관점을 바꾼다.

첫째, 통신사의 백본망 투자는 AI 인프라 투자로 재해석될 수 있다.
NTT의 AIOWN, KDDI의 Digital Belt, SoftBank의 All Optical Network는 모두 통신망을 AI 시대에 맞게 다시 설계하는 움직임이다.

둘째, 중국의 동수서산은 전국 단위 AI 컴퓨팅망의 선행 인프라다.
이번 2조 위안 AI 인프라 계획은 동수서산의 연장선에서, 컴퓨팅 자원을 더 촘촘하게 연결하고 국산 AI 칩 생태계까지 포함하려는 흐름으로 볼 수 있다.

셋째, 미국은 hyperscaler 수요가 광망 투자를 밀어 올리고 있다.
Microsoft, Meta, NVIDIA 같은 기업의 AI 인프라 확대는 Lumen, Zayo, Corning 같은 광망·광섬유 밸류체인으로 연결되고 있다.

넷째, 광망 투자는 agentic AI와 physical AI 확산의 전제 조건이 될 수 있다.
기업 AI, 로봇, 자율주행, 스마트팩토리, 금융 AI가 확산될수록 저지연·고대역폭·고신뢰 네트워크의 중요성은 커진다.

결론: 광통신 백본 투자는 AI 인프라의 다음 장이다

일본, 중국, 미국의 사례를 연결해서 보면 하나의 방향이 보인다.

AI 인프라 경쟁은 데이터센터를 짓는 단계에서, 데이터센터와 컴퓨팅 자원을 하나의 거대한 신경망으로 연결하는 단계로 넘어가고 있다.

일본은 NTT의 IOWN/APN/AIOWN을 중심으로 광 기반 AI-native 인프라를 실증하고 있다. 중국은 동수서산과 전국 AI 컴퓨팅 네트워크를 통해 국가 단위 AI 신경망을 만들고 있다. 미국은 Lumen, Zayo, Corning, Microsoft, Meta, NVIDIA를 중심으로 민간 주도형 AI 광백본 투자가 확대되고 있다.

따라서 앞으로 AI 인프라를 볼 때는 데이터센터 자체만 볼 것이 아니라, 그 데이터센터들을 연결하는 광통신 백본, 장거리 광섬유, 광모듈, 광케이블, 포토닉스, 네트워크 장비까지 함께 봐야 한다.

한 줄로 정리하면 이렇다.

Agentic AI 시대의 핵심 인프라는 분산된 AI 컴퓨팅 자원을 하나의 신경망처럼 연결하는 광통신 백본이다. 일본, 중국, 미국의 최근 투자는 이 변화가 이미 시작됐음을 보여준다.

=끝

(*SK텔레콤 이외의 다른 한국 통신사들은 광통신 백본투자 발표 안하고 뭐하고있지..?)

2026년 6월 8일 월요일

생각정리 276 (* 6.2 서울시장 선거, 차기정권 -2)

6.2 서울시장 선거 결과에 대한 나름의 해석을 정리해본다.

1. 이번 선거를 한 문장으로 보면

이번 서울시장 선거는 정권·정당 선거이면서 동시에 서울 부동산의 미래 경로를 둘러싼 자산 표심의 충돌로 볼 수 있다.

서울 전체로는 민주당이 강한 흐름을 보였지만, 서울시장만 오세훈 후보가 승리했다는 점은 서울 유권자가 중앙정부·지방의회 권력과 별도로 재개발·재건축, 한강벨트 개발, 도심 주택공급, 자가 마련 가능성에 별도 표를 던진 결과로 해석할 수 있다.

https://www.yna.co.kr/view/AKR20260604082100004

https://www.yna.co.kr/view/GYH20260604002100044

즉, 유권자 선택은 단순한 보수·진보 구도가 아니라 아래의 두 욕구가 충돌한 결과이다.

이 구도에서 서울시장 선거는 자산가치와 공급 기대가 이긴 선거, 시의원·구청장 선거는 생활비·전월세·복지 표심이 더 강하게 반영된 선거로 읽을 수 있다.

2. 왜 강남권·한강벨트는 오세훈 표심이 강했나

강남권과 한강벨트는 이미 자산가격이 높고, 향후 가격을 좌우하는 핵심 변수가 금리보다 정비사업 속도와 도시계획 규제인 지역이다. 이 지역 유권자에게 서울시장은 단순 행정가보다 재건축·재개발 기대를 현실화할 수 있는 정책 변수이다.

특히 오세훈 시장은 그동안 신속통합기획, 한강변 스카이라인, 정비사업 속도전, 용산·여의도·압구정·목동 등 주요 정비사업 이슈와 연결되어 왔다. 그래서 강남권과 한강벨트 유권자 입장에서는 오세훈 재선·연속성 = 정비사업 기대 유지 = 자산가치 방어로 인식될 여지가 크다.

https://www.yna.co.kr/view/GYH20260604002100044

내가 이해한 표심은 결국 이런 구조이다.

따라서 이번 선거는 강남권·한강벨트에서 “집값을 억누르는 정부정책”보다 “자산가치를 살릴 서울시 정책”을 선택한 표심이 강하게 드러난 사례로 볼 수 있다.

3. 강북·강서·구로권 표심은 왜 달랐나

반대로 강북, 강서, 구로, 금천, 은평, 중랑, 노원 등은 상대적으로 재건축·재개발 기대의 즉시성이 낮고, 자산소득보다 노동소득·임금·복지·주거비 부담이 더 중요한 지역이다.

이 지역에서는 “재건축 속도”보다 전세대출, 월세 부담, 생활비, 교통, 공공서비스, 복지가 더 직접적인 체감 변수이다. 그래서 민주당 후보가 더 강한 표를 얻은 것은 단순한 이념표라기보다, 자산가격 상승의 수혜보다 주거비 상승의 피해를 더 크게 느끼는 계층의 선택으로 볼 수 있다.

정원오 후보가 은평·강북·금천·중랑·강서·구로·관악 등에서 우세했다는 개표 정리도 이런 지역 구도를 보여준다.

Korea Votes

핵심은 이렇다.

이 관점에서 보면 서울시장 선거는 자가 보유자와 자가 희망자의 기대, 구청장·시의원 선거는 생활 안정과 임대료 부담을 느끼는 유권자의 방어적 선택이 더 많이 반영된 것으로 해석할 수 있다.

4. 2030 남성 표심과 “서울 도심 자가 마련” 욕구

2030 남성 표심을 부동산과 연결하는 해석은 상당히 중요한 포인트이다.

https://v.daum.net/v/20260604180051595?f=p

그럼에도 논리적으로는 연결성이 크다. 2030 남성에게 서울 부동산은 단순 투자자산이 아니라 결혼, 출산, 직장 접근성, 계층 이동 가능성을 모두 압축한 변수이다. 특히 서울 도심 또는 직주근접 지역에 자가를 마련할 수 있느냐는 미래 생애경로를 좌우한다.

이 계층이 보는 문제는 “집값이 너무 높다”에 그치지 않는다. 더 정확히는 집값은 높은데, 대출은 막히고, 전세도 불안하고, 도심 공급은 부족하다는 문제이다.

사실상 2030은 이미 먼 옛적부터 서울 도심 내 신축아파트 진입불가..

따라서 2030 남성 대다수가 오세훈 후보에게 기울었던 현상 원인을 보수 이념만으로 설명하기보다 “서울에서 살고, 결혼하고, 가정을 꾸리려면 결국 공급 확대와 정비사업이 필요하다”는 현실적 판단으로 해석할 수 있다.

이 점에서 2030 표심은 강남권 자산가 표심과 다르지만, 결과적으로는 같은 방향으로 만난다. 강남권은 기존 자산가치 방어를 원하고, 2030 자가 희망층은 미래 진입 기회 확대를 원한다. 서로 출발점은 다르지만, 둘 다 재개발·재건축 확대와 공급 완화에 정치적으로 결합될 수 있다.

5. 현 정권 부동산 규제와 선거 결과가 충돌하는 지점

현 정권은 DSR, LTV, 주담대 한도, 전세대출 제한, 토지거래허가구역, 실거주 의무 등을 통해 레버리지 수요를 누르는 방향으로 움직였다. 금융위원회는 10·15 대책에서 규제지역 주담대 LTV를 70%에서 40%로 낮추고, 전세대출 보유자의 규제지역 3억원 초과 아파트 취득을 제한한다고 밝혔다. 금융위원회 또한 수도권·규제지역 주담대 스트레스 DSR 하한을 3%로 높이고, 1주택자의 수도권·규제지역 전세대출 이자상환분을 DSR에 반영하기로 했다. 금융위원회

그런데 이번 서울시장 선거 결과는 이 규제 흐름과 다른 신호를 낸다.

중앙정부는 수요 억제를 말하는데, 서울시장 선거에서 핵심 지역 유권자는 공급 확대·정비사업 속도를 선택했다. 이 둘이 동시에 존재하면 시장에는 다음과 같은 혼합 효과가 생긴다.

결국 정책 신호는 **“사지 말라”**인데, 선거 신호는 **“서울 핵심지는 더 좋아질 수 있다”**이다. 이 괴리가 커질수록 매수자는 관망하고, 보유자는 매물을 거둬들이며, 전월세 수요는 더 눌릴 수 있다.

6. KDI 보고서와 연결되는 핵심

KDI 『주택시장과 규제』는 토지거래허가제와 임대차 규제의 효과를 실증적으로 분석했다. KDI는 토지거래허가제가 잠실·삼성·대치·청담 지역의 거래량을 38.3%, 가격을 4.3% 낮춘 반면, 비규제지역 간 가격 격차는 더 확대했다고 분석했다. KDI

이 결과는 현재 서울시장 선거 해석과 직접 연결된다.

규제는 단기적으로 거래와 가격을 누를 수 있지만, 수요 자체를 없애지는 못한다. 수요는 다른 지역으로 이동하거나, 규제가 풀릴 때까지 대기하거나, 현금부자 중심으로 재편된다. 특히 이번 선거처럼 강남권·한강벨트가 오세훈 후보에게 강하게 표를 준 상황은 시장에 “정비사업 기대는 살아 있다”는 신호로 작용할 수 있다.

KDI는 임대차 2법에 대해서도, 임차인 보호 규제가 임대가격 상승을 통해 임차인에게 비용으로 전가되었다고 설명했다. KDI 이 논리는 현재 전세대출 제한, 실거주 의무, 토허제와 연결된다. 임대 공급이 줄고 전세대출이 제한되면, 세입자 보호나 갭투자 억제라는 취지와 별개로 전세 매물 감소, 월세화, 전월세 가격 상승이 나타날 수 있다.

7. 집값과 전월세 가격에는 어떻게 연결되나

이번 선거 결과와 현 정책을 결합하면, 집값 하락보다 거래 감소와 가격 양극화 가능성이 더 커 보인다.

매매시장

서울 핵심지는 대출규제로 거래가 줄어도, 오세훈 시장 연속성으로 재건축·재개발 기대가 살아 있다. 이 경우 매도자는 급하게 팔기보다 보유를 선택할 가능성이 크다.

특히 강남권·한강벨트는 현금부자, 기존 주택 보유자, 갈아타기 대기자가 많기 때문에 대출규제의 가격 하방 효과가 제한될 수 있다. 반면 비핵심 지역은 대출규제와 세부담을 더 직접적으로 받기 때문에 가격 탄력이 약해질 수 있다.

즉, 전체 서울 집값은 눌리는 것처럼 보여도 내부적으로는 핵심지 강세, 외곽 약세, 거래량 급감이 나타날 가능성이 크다.

전월세시장

전월세시장은 더 취약하다. 매수하지 못한 2030·신혼부부·실수요자는 전세시장에 남는다. 그런데 전세대출 제한, 실거주 의무, 토허제, 보유세 부담이 동시에 작동하면 임대인은 전세보다 월세나 반전세를 선호하게 된다.

이 구조에서는 전세가격이 안정되기보다 전세 매물 감소와 월세화가 먼저 나타날 수 있다. 특히 직주근접 수요가 강한 도심·한강벨트·강남권 주변 전월세는 더 민감하다.

결국 앞으로 수 년간은 도심 내 전세, 월세, 매매 트리플강세가 나타날 가능성이 매우 높다는 뜻이다.

8. 최종 정리

이번 서울시장 선거는 서울 부동산의 정치경제적 균열을 보여준 선거이다.

강남권과 한강벨트는 재건축·재개발을 통한 자산가치 상승과 도시계획 연속성을 선택했다. 강북·강서·구로 등은 생활비, 전월세 부담, 노동소득 기반의 주거 안정을 더 중시했다. 2030 남성 자가 희망층은 기존 자산가는 아니지만, 결혼과 가정 형성을 위해 서울 도심 직주근접 자가 마련이라는 목표를 갖고 있기 때문에 공급 확대와 정비사업 기대에 반응했을 가능성이 있다.

이렇게 보면 이번 선거의 핵심은 단순히 “오세훈 대 정원오”가 아니다. 더 본질적으로는 서울을 자산 형성의 도시로 볼 것인가, 생활 안정의 도시로 볼 것인가의 충돌이다.

그리고 이 충돌은 앞으로 부동산시장에 이렇게 작용할 가능성이 크다.

결국 이번 선거와 부동산정책을 같이 보면, 가장 중요한 결론은 다음이다.

서울시민은 중앙정부의 대출·세제 규제와 별개로, 서울 핵심지의 공급 확대와 정비사업 정상화를 원한다는 신호를 보냈다. 그러나 대출규제와 전세대출 제한이 유지되는 상태에서 개발 기대만 살아나면, 가격 안정 대신 거래절벽, 매물 감소, 전월세 불안, 핵심지 가격 재상승 압력으로 이어질 수 있다.

더 나아가 이번 서울시장 선거의 구도는 앞으로의 부동산가격이 단순한 경제 변수가 아니라 다음 선거의 승패를 가를 수 있는 핵심 정치 변수로 부상하고 있음을 암시한다. 집값이 안정되지 못하고 전월세 부담이 커진다면 생활 안정 표심은 더 강하게 결집할 수 있고, 반대로 재개발·재건축 기대가 가격 상승과 자산효과로 이어진다면 핵심지 자산 표심은 더욱 공고해질 수 있다. 결국 다음 선거의 승부는 정당 구도만으로 결정되지 않고, 서울 시민이 체감하는 집값과 주거비의 방향에 의해 크게 좌우될 가능성이 크다.

https://kbthink.com/realestate/insights/research/260518-5.html

https://tradingeconomics.com/south-korea/consumer-price-index-cpi

#글을 마치며

개인적으로 이번 서울시장 선거에서 나타난 흐름은 단순한 정당 선호의 변화라기보다, 서울 유권자의 정치적 무게중심이 점차 좌에서 우로 이동하기 시작한 신호로 해석된다. 물론 이러한 변화의 근본 원인은 이념이 아니라 언제나 그렇듯 먹고사는 문제에 있다.

https://www.jonghapnews.com/news/articleView.html?idxno=484948

현재 시민들이 체감하는 핵심 변수는 CPI(소비자물가), 원·달러 환율, 부동산 주거비, 임금 상승 압력, 그리고 소득 양극화로 인한 사회적 불안이다. 특히 주거비와 물가는 대부분의 가계가 매일 체감하는 문제이며, 이는 어떤 정치적 구호보다 강력하게 표심에 영향을 미친다.

중요한 점은 이러한 흐름이 단순히 특정 정책 하나로 바뀔 수 있는 문제가 아니라는 점이다. 이미 형성된 물가 상승 압력, 자산 양극화, 주거비 부담, 세대 간 자산격차는 시간이 갈수록 누적되는 구조적 문제에 가깝다. 따라서 정부가 단기적인 처방을 내놓더라도 근본 원인이 해결되지 않는다면 오히려 기존 흐름은 더욱 고착화될 가능성이 크다.

실제로 이번 지방선거 역시 선거 전까지는 민주당의 압승을 예상하는 시각이 많았다. 그러나 서울시장 선거 결과는 예상과 다른 방향으로 나타났다. 이는 유권자들이 정치적 구호보다 현실 경제와 자산 문제를 더 중요하게 보기 시작했음을 보여주는 사례일 수 있다.

이재명 정부가 국무회의를 공개적으로 운영하고 공직사회에 긴장감을 부여하며 국정 운영에 적극적인 모습을 보이고 있는 것은 분명 긍정적으로 평가할 수 있는 부분이다. 그러나 정치적 의지와 별개로 정책이 시장의 구조적 흐름과 충돌할 경우 예상하지 못한 부작용이 발생할 수 있다.

예를 들어 소비 진작을 위한 현금성 지원 정책은 단기적으로 체감 경기를 개선할 수 있지만, 장기적으로는 환율과 물가 상승 압력으로 되돌아올 가능성이 있다.

또한 부동산 투기수요 억제를 위한 강한 규제 역시 유동성 확대와 공급 부족이라는 구조적 문제를 해결하지 못한다면 결국 가격 급등으로 되돌아올 수 있다.

과거 다주택자 양도세 중과나 강한 대출규제가 매매시장을 안정시키기보다 전월세시장 불안을 확대시켰다는 비판 역시 같은 맥락에서 이해할 수 있다.

결국 시장은 정책 의도보다 인간의 경제적 욕구에 더 크게 반응한다. 따라서 단기적으로는 효과가 있어 보이는 정책이라도 장기적으로 지속 가능하지 않다면 언젠가는 부작용이 누적되어 정치적 부담으로 돌아올 수밖에 없다.

그런 의미에서 이번 서울시장 선거는 단순한 지방선거 이상의 의미를 가진다. 서울 시민들은 이미 부동산, 물가, 주거비, 자산 형성 기회와 같은 현실 문제를 기준으로 정치적 선택을 하기 시작했으며, 앞으로도 이러한 경향은 더욱 강해질 가능성이 크다.

결국 다음 선거의 승패를 결정하는 핵심 변수는 정당의 이념이나 정치적 구호가 아니라, 국민이 실제로 체감하는 집값과 주거비, 물가와 자산 형성의 기회가 어떤 방향으로 움직이느냐가 될 가능성이 높다. 이번 서울시장 선거는 바로 그 변화의 시작을 보여준 사례일 수 있다.

다시 정권이 교체될 날도 머지않은듯 싶다.

생각정리 99 (* 차기정권)

=끝

생각정리 275 (* Optical AI Backbone, Optical Fiber -3)

지난 글에서는 Agentic AI 시대의 AI Factory와 광통신 인프라 재평가에 대해 정리했다. 핵심은 단순했다. AI 데이터센터는 더 이상 서버와 GPU가 모여 있는 건물이 아니라, 전력·GPU·HBM·광통신망·산업 데이터를 투입해 토큰을 생산하는 산업형 factory에 가까워진다는 내용이었다.

AI Factory가 토큰을 생산하는 두뇌라면, 광통신 백본·메트로망·엣지망·RAN은 그 토큰과 산업 데이터가 오가는 신경망이다. 이 관점에서 보면 광섬유, preform, 특수광섬유, 광모듈, coherent optics, CPO, 실리콘포토닉스는 단순 통신 부품이 아니라 AI 인프라의 하부 병목으로 다시 봐야 한다.

그런데 이번에 이 관점을 한 단계 더 밀어주는 뉴스가 나왔다. SK그룹과 NTT, 중화전신, 일본정책투자은행이 차세대 광통신 기술 IOWN 상용화를 위한 대규모 펀드를 조성한다는 보도다.

https://www.yna.co.kr/view/AKR20260608176900073

처음에는 단순히 일본 통신사의 광통신 투자처럼 보일 수 있다. 하지만 이 사건은 앞서 정리했던 Optical AI Backbone 논리와 정확히 맞닿아 있다.

SK-NVIDIA 협력이 AI Factory의 연산 스택에 대한 투자라면, SK-NTT IOWN 투자는 그 AI Factory들을 연결할 광자 기반 신경망에 대한 선제 투자로 볼 수 있다.

IOWN은 단순 광케이블 투자가 아니다

IOWN은 Innovative Optical and Wireless Network의 약자다. NTT가 주도하는 차세대 네트워크 구상이며, 핵심은 데이터를 처리하고 이동시키는 방식을 전기 중심에서 빛 중심으로 바꾸는 것이다.

이미 통신망에는 광섬유가 많이 쓰이고 있다. 그래서 “이미 광통신을 쓰고 있는데 무엇이 새롭나”라는 질문이 나올 수 있다. 중요한 차이는 광섬유를 쓰느냐가 아니라, 어디까지 빛으로 처리하느냐에 있다.

기존 통신망에서는 장거리 전송 구간에서는 빛을 쓰지만, 라우터·스위치·서버·칩 주변에서는 여전히 전기 신호로 바꿔 처리하는 구간이 많다.

즉, 데이터는 계속 이런 과정을 거친다.

빛 → 전기 → 처리·스위칭 → 다시 빛

이 전환 과정에서 전력 소모, 발열, 지연시간이 발생한다. AI 데이터센터에서는 이 문제가 더 커진다. GPU와 GPU가 데이터를 주고받고, 데이터센터와 데이터센터가 학습 데이터와 추론 결과를 주고받고, 엣지 서버와 산업 현장이 실시간으로 연결되면 데이터 이동량은 기하급수적으로 늘어난다.

결국 AI 시대의 병목은 GPU 연산 성능만이 아니다. 데이터를 얼마나 낮은 전력으로, 얼마나 빠르게, 얼마나 안정적으로 이동시키는가가 핵심 병목으로 올라온다.

IOWN은 바로 이 지점을 겨냥한다.

지난 글의 광통신 신경망 논리와 IOWN의 연결

지난 글에서 정리한 핵심 문장은 이것이었다.

AI Factory가 토큰을 생산하는 두뇌라면, 광섬유·광케이블은 그 토큰과 데이터를 이동시키는 신경망이다.

IOWN은 이 문장을 더 근본적인 기술 레이어로 확장한다. 기존 글이 광통신 백본·DCI·엣지망·특수광섬유·preform 수요를 봤다면, IOWN은 그 광통신망 자체를 전광 네트워크와 광전융합 반도체 생태계로 재설계하려는 시도다.

다시 말하면, 기존 글의 논리는 다음과 같았다.

AI Factory 확대 → DCI·scale-across 확대 → 광통신 백본·특수광섬유·preform 병목 부각

이번 IOWN 투자가 추가하는 논리는 이렇다.

AI Factory 확대 → 데이터 이동 전력 병목 확대 → 전기적 변환 구간 축소 필요 → APN·광전융합·실리콘포토닉스·CPO 부각

따라서 IOWN은 기존 광섬유 투자 논리를 대체하는 것이 아니다. 오히려 preform과 특수광섬유에서 시작한 Optical AI Backbone 논리를 광전융합 반도체까지 확장시키는 사건이다.

APN: 데이터센터와 데이터센터를 빛으로 묶는 구조

IOWN의 가장 중요한 축은 APN, All-Photonics Network다.

APN은 말 그대로 가능한 한 많은 구간을 광신호 기반으로 연결하는 네트워크다. 기존 네트워크가 중간중간 전기 신호로 변환하면서 데이터를 처리했다면, APN은 그 변환을 줄여 저전력·초저지연·대용량 전송을 구현하려는 방향이다.

이것은 AI Factory 시대에 매우 중요하다.

AI 데이터센터는 앞으로 한 곳에만 모이지 않는다. 전력, 부지, 냉각, 규제, 지리적 제약 때문에 여러 지역으로 분산될 수밖에 없다. 그런데 Agentic AI와 Edge AI가 현실화되려면 분산된 AI 데이터센터가 따로 노는 것이 아니라, 하나의 연산 풀처럼 연결돼야 한다.

이것이 지난 글에서 말한 scale-across다.

scale-up은 하나의 서버나 랙 안에서 연산 밀도를 높이는 것이다.
scale-out은 여러 서버와 랙을 묶는 것이다.
scale-across는 여러 데이터센터, 통신망, 엣지 인프라까지 하나의 연산 구조로 묶는 것이다.

APN은 이 scale-across의 물리적 기반에 가깝다. 데이터센터가 물리적으로 떨어져 있어도, 광통신망이 충분히 빠르고 안정적이며 전력 효율적이면 여러 AI Factory를 하나의 거대한 compute fabric처럼 활용할 수 있다.

결국 APN은 AI Factory 간 신경망을 고도화하는 기술이다.

광전융합: 진짜 중요한 변화는 반도체 패키지 안에서 일어난다

이번 IOWN 펀드에서 더 중요하게 봐야 할 단어는 광전융합이다.

광전융합은 말 그대로 광자 기술과 전자 기술을 하나로 결합하는 것이다. 영어로는 Photonics-Electronics Convergence라고 부른다. 기존에는 광통신과 전자반도체가 비교적 분리돼 있었다. 장거리 전송은 광섬유와 광모듈이 담당하고, 서버 내부와 칩 주변의 처리는 전자회로가 담당했다.

하지만 AI 데이터센터에서는 이 경계가 점점 무너지고 있다.

GPU 클러스터가 커질수록 서버 내부, 랙 간, 클러스터 간, 데이터센터 간 데이터 이동량이 폭증한다. 전기 배선만으로 이 데이터를 처리하면 전력과 발열 부담이 커진다. 그래서 광기술은 장거리 백본망에서 데이터센터 내부로, 다시 서버와 패키지 가까이로 들어오게 된다.

이 흐름의 끝에 있는 기술이 CPO, Co-Packaged Optics와 실리콘포토닉스다.

CPO는 스위치 ASIC이나 연산칩 가까이에 광모듈을 붙이는 구조다. 실리콘포토닉스는 실리콘 기판 위에 광회로를 구현하는 기술이다. 두 기술의 방향은 같다. 데이터가 전기 신호로 이동해야 하는 거리를 줄이고, 가능한 한 빨리 빛으로 바꿔 전송하는 것이다.

따라서 광전융합은 단순 광통신 부품 이야기가 아니다. 이것은 AI 반도체 패키징, 데이터센터 네트워크, 광소자, 파운드리, 소재, 장비가 만나는 새로운 생태계다.

SK가 이 투자에 관심을 가질 수밖에 없는 이유

SK그룹 입장에서 보면 IOWN은 통신 기술에만 머물지 않는다. SK는 이미 AI 인프라 밸류체인의 여러 축을 동시에 갖고 있다.

SK하이닉스는 HBM과 차세대 메모리의 핵심 공급자다.
SK텔레콤은 AI 데이터센터, GPUaaS, 통신망, 엣지 인프라를 연결할 수 있는 사업자다.
여기에 NVIDIA와의 협력을 통해 AI Factory 연산 스택을 확보하고 있다.

그런데 AI Factory가 커질수록 다음 병목은 연산 장비만이 아니라 데이터 이동으로 넘어간다. HBM이 GPU 옆에서 데이터를 빠르게 공급하는 역할을 한다면, 광통신망과 광전융합 기술은 AI Factory와 AI Factory, AI Factory와 산업 현장, AI Factory와 엣지를 연결하는 역할을 한다.

이 관점에서 SK의 전략은 다음과 같이 이어진다.

HBM → GPU cluster → AI Factory → 통신 백본망 → Edge AI → 산업 현장

여기에 IOWN이 들어오면 구조는 더 명확해진다.

HBM과 GPU가 토큰을 생산하고, APN과 광전융합 네트워크가 그 토큰을 이동시킨다.

즉, SK-NVIDIA 협력과 SK-NTT IOWN 투자는 별개의 사건이 아니다. 하나는 AI Factory의 연산 축이고, 다른 하나는 AI Factory의 광통신 축이다. 두 축이 결합될 때 통신사는 단순 회선 사업자가 아니라 AI workload를 배포하고 산업 데이터의 이동 경로를 최적화하는 인프라 사업자로 재정의될 수 있다.

광섬유와 preform 논리는 더 강해진다

IOWN이나 광전융합 이야기가 나오면, 투자 포인트가 광섬유와 preform에서 반도체 쪽으로만 옮겨가는 것처럼 보일 수 있다. 하지만 실제로는 그렇게 단절적으로 볼 필요가 없다.

광전융합 반도체가 확산될수록 데이터센터 내부와 데이터센터 간 연결에서 더 많은 광경로가 필요해진다. 칩 가까이까지 빛을 끌어오면, 그 빛이 이동할 광섬유, 커넥터, 광모듈, AOC, 고성능 케이블 수요도 같이 늘어난다.

즉, 밸류체인은 이렇게 이어진다.

AI Factory 확대 → GPU·HBM 집적도 상승 → 데이터 이동량 증가 → 광전변환 병목 확대 → CPO·실리콘포토닉스 부각 → 특수광섬유·preform·광커넥터·광모듈 수요 확대

이 구조에서는 preform이 단순 원재료가 아니다. AI 데이터센터와 백본망에 필요한 특수광섬유를 안정적으로 만들 수 있는 상류 병목이다. G.654.E, G.657, 다심 광섬유, 공심 광섬유 같은 고부가 제품 수요가 커질수록 preform과 고순도 석영, 도핑 소재, 특수 공정 역량의 전략적 가치는 더 커진다.

https://www.reuters.com/technology/amazon-corning-sign-multi-billion-dollar-deal-boost-fiber-optics-manufacturing-2026-06-08/

Corning도 핵심수혜 기업군.

지난 글에서 Hengtong, ZTT, YOFC, Sumitomo Electric, Fujikura를 정리했던 이유도 여기에 있다. 이들은 단순 전선·케이블 업체가 아니라, AI 데이터센터 시대에 광통신 소재·부품·인터커넥트 업체로 재평가될 수 있는 기업들이다.

IOWN은 이 재평가의 기술적 근거를 더 강하게 만들어준다.

한국은 고밀도 AI Factory 실험장이다

한국의 포지션도 다시 봐야 한다.

미국은 모델과 하이퍼스케일 클라우드의 본진이다. 중국은 제조 내수와 국가 주도 인프라가 강하다. 유럽은 소버린 AI와 산업 규제 시장에서 중요하다. 반면 한국은 다른 강점을 가진다.

한국은 HBM, 제조 현장, 통신망, 클라우드 사업자, 로봇·모빌리티 실증 수요가 좁은 국토 안에 밀집된 국가다. AI Factory에서 생산한 토큰을 반도체 공장, 자동차 생산라인, 배터리 공장, 조선소, 가전 제조, 로봇, 통신망, 클라우드 서비스로 빠르게 연결해볼 수 있다.

이것은 초대형 내수 시장과는 다른 경쟁력이다. 한국은 고밀도 산업형 AI Factory 실험장에 가깝다.

따라서 한국 AI Factory 전략의 본질은 단순 데이터센터 증설이 아니다. HBM 공급망, 제조 현장, 통신망, 엣지 인프라, 클라우드 사업자를 하나의 산업형 token factory로 묶는 전략이다.

여기에 IOWN과 광전융합 기술이 붙으면 한국의 역할은 더 확장된다. 한국은 AI Factory를 짓는 시장을 넘어, AI Factory에서 생산된 토큰을 산업 현장으로 낮은 지연시간에 흘려보내는 광통신·광전융합 실증 시장이 될 수 있다.

투자 관점에서 봐야 할 변화

이번 IOWN 투자의 의미는 단순히 NTT가 새로운 통신 기술을 밀고 있다는 정도에 그치지 않는다. 더 중요한 것은 AI 인프라 투자의 범위가 GPU와 HBM에서 광통신망과 광전융합 반도체로 넓어지고 있다는 점이다.

지금까지 시장은 AI 인프라를 볼 때 주로 GPU, HBM, 전력기기, 냉각, 데이터센터 REITs에 집중했다. 하지만 Agentic AI와 Edge AI가 확산될수록 투자 범위는 더 넓어진다.

앞으로 봐야 할 축은 다음과 같다.

첫째, AI Factory 내부 인터커넥트다.
GPU 클러스터가 커질수록 랙 내부, 랙 간, 서버 간 연결 병목이 커진다. 이 구간에서는 AOC, 광모듈, 고속 커넥터, CPO, 실리콘포토닉스가 중요해진다.

둘째, 데이터센터 간 연결, 즉 DCI다.
전력과 부지 제약으로 AI 데이터센터가 분산되면, 여러 데이터센터를 하나의 연산 풀처럼 묶는 scale-across가 필요하다. 이 구간에서는 coherent optics, G.654.E 초저손실 광섬유, 장거리 백본망이 중요해진다.

셋째, 메트로망·엣지망·RAN이다.
Agentic AI는 데이터센터 안에서만 작동하지 않는다. 공장, 로봇, 차량, 카메라, 기지국, 엣지 서버와 계속 연결된다. 이 구간에서는 저지연 광통신망, 엣지 데이터센터, AI-RAN, 분산 추론 인프라가 중요해진다.

넷째, 광전융합 반도체 생태계다.
광통신이 네트워크 장비 밖에서만 쓰이는 것이 아니라, 서버와 반도체 패키지 안으로 들어오면 실리콘포토닉스, CPO, 광전변환 칩, DSP, 광패키징, 파운드리 공정이 하나의 생태계로 묶인다.

결국 AI 인프라 밸류체인은 이렇게 확장된다.

GPU·HBM → AI 데이터센터 → 광통신 백본 → 특수광섬유·preform → 광모듈·coherent optics → CPO·실리콘포토닉스 → 광전융합 반도체

결론: IOWN은 Optical AI Backbone의 다음 장이다

이번 SK그룹과 NTT의 IOWN 투자는 지난 글에서 정리한 Optical AI Backbone 논리의 연장선상에 있다.

지난 글의 핵심은 AI Factory 시대에는 광섬유와 광통신 백본이 토큰 이동의 신경망으로 재평가될 수 있다는 것이었다. 이번 IOWN 투자는 그 신경망을 단순히 더 많이 까는 단계를 넘어, 네트워크·서버·반도체 패키지 안의 전기적 병목을 빛으로 대체하려는 움직임이다.

즉, AI 데이터센터가 커지고, scale-across가 확산되고, Edge AI와 Agentic AI가 산업 현장으로 들어갈수록 데이터 이동량은 더 커진다. 이때 필요한 것은 더 많은 GPU만이 아니다. 더 낮은 전력으로, 더 빠르게, 더 멀리, 더 안정적으로 데이터를 이동시키는 광자 기반 인프라다.

결국 AI 인프라의 경쟁력은 연산 장비의 규모만으로 결정되지 않는다.
토큰을 낮은 원가로 생산하고, 그 토큰을 산업 현장까지 지연 없이 전달할 수 있는가가 핵심이다.

SK-NVIDIA 협력이 토큰 생산 공장에 대한 투자라면, SK-NTT IOWN 투자는 그 토큰이 이동할 광자 기반 신경망에 대한 선제 투자다.

이 관점에서 보면 IOWN은 단순한 일본 통신사의 차세대 광통신 프로젝트으로 해석하기보다는

AI Factory, 광통신 백본, 특수광섬유, preform, CPO, 실리콘포토닉스, 광전융합 반도체 생태계를 하나로 묶는 Optical AI Backbone의 다음 장으로 해석하는게 맞지않을까 한다.

=끝

2026년 6월 7일 일요일

생각정리 274 (* Naver x Nvidia)

주말에 모아둔 자료 및 생각을 정리하는 와중에 naver 신사업 컨콜 내용을 보고 든 생각을 두서없이 정리해본다.

네이버의 신사업 계획은 과거에도 느꼈듯 참 신선하다 ..

Good luck, Naver..

네이버 AI Factory 신사업 목표와 현실성에 대한 의구심

1. 네이버 AI Factory, 무엇을 목표로 하고 있나?

네이버가 제시한 AI Factory 신사업의 핵심은 기존 인터넷 플랫폼 기업에서 AI 인프라 사업자로 사업 영역을 확장하겠다는 것이다. 네이버클라우드는 엔비디아와 협력해 인프라, 모델, 서비스를 아우르는 글로벌 AI Factory 사업을 추진하겠다고 밝혔다. 네이버 공식 보도자료에서도 이 협력을 에너지, 칩, 인프라, 모델, 애플리케이션을 포함하는 엔비디아의 AI Factory 플랫폼 전략과 연결해 설명하고 있다. 네이버 공식 보도자료

지금까지 네이버는 검색, 커머스, 콘텐츠, 핀테크처럼 이용자 트래픽과 데이터를 기반으로 매출을 만드는 플랫폼 기업에 가까웠다. 그런데 AI Factory는 성격이 다르다. 대규모 GPU, 서버, 전력, 데이터센터 부지, 냉각 설비, 금융 조달이 모두 필요한 자본집약적 인프라 사업이다.

회사 설명에 따르면 네이버는 2028년까지 약 200MW 규모의 AI 데이터센터 Capacity를 확보하고, 이후 세종 데이터센터 확장과 해외 리스·그린필드 투자를 통해 최종적으로는 GW급 AI Factory를 구축하려는 계획을 제시하고 있다. 여기서 MW는 데이터센터가 사용할 수 있는 전력 규모를 의미한다. AI 데이터센터는 일반 데이터센터보다 훨씬 높은 전력밀도와 냉각 능력이 필요하기 때문에, MW 규모는 단순한 부동산 면적보다 사업의 실제 매출 가능성을 판단하는 데 더 중요한 지표다.

회사가 제시한 숫자를 보면 목표는 상당히 공격적이다. 200MW에는 약 100억달러, 1GW에는 약 500억~600억달러의 자금이 필요하다고 보고 있으며, 1GW 규모에서 약 20조원 매출을 기대한다. 네이버는 2030년 전후로 기존 본업에서 20조원, AI Factory에서 20조원 수준의 매출을 기대하는 그림을 제시한 것으로 보인다. 이 경우 AI Factory 하나만으로 현재 네이버 전체 매출에 맞먹거나 그 이상 규모의 사업이 새로 만들어지는 셈이다.

2. 기존 네이버 사업과 AI Factory는 왜 성격이 다른가?

기존 네이버 사업은 기본적으로 플랫폼 사업이었다. 검색 광고는 이용자가 검색을 하고, 광고주가 그 트래픽에 비용을 지불하는 구조다. 커머스는 판매자와 구매자가 네이버 생태계 안에서 거래할수록 광고, 수수료, 멤버십, 결제 매출이 발생하는 구조다. 콘텐츠와 핀테크도 마찬가지로, 한 번 플랫폼을 구축하면 추가 이용자가 늘어날수록 매출이 늘고 비용 증가 속도는 상대적으로 낮아지는 구조였다.

반면 AI Factory는 먼저 막대한 투자가 들어가야 한다. GPU를 사거나 리스해야 하고, GPU를 꽂을 서버와 랙이 필요하며, HBM 메모리, CPU, NIC, 인터커넥트, 스위치, 광모듈, 냉각 설비, 전력 설비까지 모두 확보해야 한다. 여기에 데이터센터 부지와 전력 연결, 금융리스와 프로젝트 파이낸싱까지 필요하다. 즉, 고객 매출이 발생하기 전에 대규모 투자와 비용 부담이 먼저 발생한다.

이 점에서 AI Factory는 네이버의 기존 사업보다 CoreWeave, Nebius, Oracle Cloud, AWS 데이터센터 사업에 가까운 성격을 가진다. CoreWeave의 2025년 실적을 보면 AI 클라우드 매출은 빠르게 증가했지만, 동시에 대규모 감가상각과 이자비용 부담으로 GAAP 기준 순손실을 기록했다. 이는 AI 클라우드가 성장성은 높지만, 회계상 수익성은 자본비용과 감가상각에 크게 좌우된다는 점을 보여준다. CoreWeave 2025년 실적 발표

1Q26 Coreweave 비용 급증

따라서 이 사업을 평가할 때는 기존 네이버처럼 “트래픽이 늘면 이익률이 좋아진다”는 방식으로 보면 안 된다. 오히려 전력, GPU, 자본, 고객계약이 제대로 맞물리는지를 먼저 봐야 한다.

3. 네이버 목표가 현실화되려면 CoreWeave 기준으로 무엇이 검증되어야 하나?

네이버 AI Factory를 평가할 때 가장 가까운 비교 대상은 CoreWeave다. CoreWeave는 NVIDIA GPU 기반 AI 클라우드 사업자로, 대규모 GPU capacity를 확보하고 AI 기업들에게 컴퓨팅 자원을 제공하는 사업 모델을 갖고 있다. 네이버가 말하는 “아시아판 CoreWeave”라는 표현도 결국 이 구조를 염두에 둔 것으로 볼 수 있다.

다만 CoreWeave가 시장에서 주목받은 이유는 단순히 “AI 수요가 많다”는 점 때문만은 아니다. CoreWeave는 실제 가동 중인 GPU capacity, 대규모 고객계약, revenue backlog, NVIDIA와의 관계, 빠른 데이터센터 증설 능력을 일정 부분 검증했다. 2025년 말 기준 CoreWeave는 revenue backlog 668억달러, active power 850MW 이상, contracted power 약 3.1GW를 제시했다. CoreWeave FY2025 Results

1Q26 Coreweave Backlog 급증
CoreWeave backlog·active power·contracted power

네이버도 같은 기준으로 검증되어야 한다. “1GW를 만들겠다”는 목표만으로는 부족하다. 중요한 것은 계약서상 확보한 부지가 아니라 전력이 실제로 연결된 MW, 설치된 GPU 규모, 고객이 실제로 몇 년 동안 capacity를 예약했는지, 사용하지 않아도 비용을 내는 take-or-pay 계약인지, 원가 상승분을 고객에게 전가할 수 있는지다.

여기서 특히 중요한 것은 “고객이 있다”와 “계약 매출이 있다”는 표현이 다르다는 점이다. 고객이 관심을 보이는 단계, 논의 중인 단계, MOU 단계, 정식 계약 단계, take-or-pay 단계는 투자 관점에서 전혀 다르게 평가해야 한다. AI Factory는 선투자 규모가 워낙 크기 때문에, 고객 계약이 약하면 네이버가 비용 리스크를 대부분 떠안게 된다.

4. 20조원 매출은 어떤 방식으로 계산된 숫자인가?

네이버가 제시한 1GW 기준 20조원 매출 목표는 단순화하면 현재 토큰 가격 또는 현재 AI 컴퓨팅 가격을 미래 1GW capacity에 곱한 숫자로 이해할 수 있다. 즉, 1GW 규모의 AI 데이터센터가 가동되면 그 capacity에서 생산되는 AI 연산량에 현재 단가를 적용해 약 20조원 매출을 만들 수 있다는 계산이다.

문제는 이 계산이 미래 가격 변화를 충분히 반영하지 않을 수 있다는 점이다. AI 산업에서는 시간이 갈수록 토큰 가격이 하락하는 흐름이 강하게 나타나고 있다. Epoch AI는 LLM inference 가격이 작업별로 차이는 있지만 매우 빠르게 하락해왔고, 특정 성능 기준에서는 연 9배에서 900배까지 가격 하락 속도가 나타났다고 분석했다. Epoch AI, LLM inference price trends

또 다른 연구도 frontier model의 특정 성능당 inference 비용이 연 5~10배 수준으로 하락했다고 분석한다. 이는 모델 성능 개선, 알고리즘 효율화, 경쟁 심화가 고객이 지불하는 단가를 계속 낮추는 방향으로 작용하고 있음을 의미한다. The Price of Progress: Falling Cost of AI Inference

빠르게 하락하는 토큰 가격 but,
빠르게 상승하는 토큰 사용량

반대로 AI Factory를 구축하는 비용은 하락하기보다 상승하는 쪽에 가깝다. GPU rental과 lease 가격, HBM 메모리, CPU, NIC, 인터커넥트, 전력, 냉각설비, 금융비용이 모두 부담이다. 특히 최신 GPU는 수요가 강할수록 가격 협상력이 NVIDIA와 공급망 쪽에 집중된다. 결국 네이버 입장에서는 매출 단가는 하락 압력을 받고, 원가는 상승 압력을 받는 구조가 된다.

토큰 사용량 가속화에 따라 GPU Rental Index 전 품목 상승 및 재가속

따라서 현재 가격을 미래 capacity에 그대로 곱하는 방식은 매우 낙관적일 수 있다. 5년 뒤 같은 1GW가 더 많은 토큰을 생산할 수는 있지만, 토큰당 가격은 더 낮아질 가능성이 높다. 결국 중요한 질문은 “1GW가 몇 개의 토큰을 만들 수 있느냐”보다 1GW당 매출이 현재 수준으로 유지될 수 있느냐다.

5. Agentic AI 확산은 왜 마진 개선을 보장하지 않는가?

Agentic AI가 확산되면 AI 사용량이 크게 늘어날 수 있다. 기존 챗봇은 사용자가 질문하면 모델이 답을 생성하는 구조였다. 반면 Agentic AI는 목표를 달성하기 위해 스스로 검색하고, 코드를 실행하고, 여러 도구를 호출하고, 결과를 검증하고, 다시 작업하는 과정을 반복한다. 이 과정에서는 일반 챗봇보다 훨씬 많은 토큰과 컴퓨팅 자원이 필요하다.

이 점만 보면 AI Factory에는 긍정적이다. 사용량이 늘어나면 GPU 가동률이 올라가고, 가동률이 높아지면 고정비 부담을 흡수할 수 있기 때문이다. 그러나 수요 증가가 곧바로 마진 개선을 의미하지는 않는다. 고객 입장에서는 AI 사용량이 많아질수록 비용 부담도 커진다. 그러면 기업은 토큰당 비용, 업무당 비용, 자동화당 비용을 더 강하게 관리하게 된다.

실제로 Agentic workflow와 AI coding 영역에서는 일부 고사용자가 매우 큰 inference 비용을 발생시키면서, 고정요금제와 무제한형 요금제의 지속 가능성에 대한 논란이 커졌다. 이는 AI 사용량 증가가 서비스 사업자에게 항상 좋은 마진을 의미하지는 않는다는 점을 보여준다. Business Insider, inference whales and AI coding costs

즉, Agentic AI 확산은 총수요에는 긍정적이지만, 단가와 마진에는 부정적 압력을 줄 수 있다. 고객은 더 많은 AI를 쓰고 싶지만, 더 싸게 쓰고 싶어 한다. 이때 AI Factory 사업자가 단순히 토큰 사용량에 따라 과금한다면, 토큰 단가 하락을 직접 맞을 가능성이 크다.

네이버가 이 구조에서 마진을 방어하려면 단순 토큰 과금보다 capacity reservation 구조가 필요하다. 고객이 특정 GPU cluster 또는 MW capacity를 3~5년 동안 예약하고, 사용량과 관계없이 최소 비용을 부담하는 계약이어야 한다. 또 전력비, GPU 교체비, 리스료 상승분을 고객에게 넘길 수 있는 cost pass-through 조항이 있어야 한다.

6. 네이버가 말한 20% 후반대 마진은 왜 점점 더 어려워질 수 있나?

AI Factory의 수익성은 단순히 매출이 늘어난다고 좋아지는 구조가 아니다. 매출에서 GPU 리스료, 서버 감가상각, 전력비, 냉각비, 데이터센터 임차료, 네트워크 비용, 인건비, 유지보수비, 금융비용을 모두 차감해야 한다. 특히 GPU는 수명이 짧고 세대교체가 빠르다. 최신 GPU를 계속 유지하지 못하면 고객이 원하는 성능을 제공하기 어렵고, 너무 자주 교체하면 감가상각 부담이 커진다.

이 사업에서 마진이 좋아지려면 세 가지 조건이 필요하다.

첫째, 고객이 높은 가격을 받아줘야 한다.
둘째, 가동률이 매우 높아야 한다.
셋째, 원가 상승분을 고객에게 넘길 수 있어야 한다.

그런데 현실에서는 토큰 가격은 하락하고, GPU와 부품 비용은 상승하며, 금융비용과 전력비도 부담이다. 이 조합에서는 시간이 갈수록 OPM이 개선되기보다 악화될 가능성을 먼저 검토해야 한다.

또한 AI 데이터센터의 메모리 수요가 자동차, 의료기기, 통신 등 다른 산업의 메모리 공급 부족과 가격 상승으로 확산될 수 있다는 우려도 제기되고 있다. Tom’s Hardware, AI data centers and memory shortage

GPU rental 가격도 단순하게 장기 하락만 가정하기 어렵다. 구형 GPU의 단가는 시간이 지나면서 하락할 수 있지만, 최신 GPU와 예약형 capacity는 수요가 강할 때 가격 강세가 나타날 수 있다. 공개 GPU rental price index와 일부 시장 자료는 H100, B200 등 주요 GPU의 cloud rental 가격이 공급·수요에 따라 크게 변동하며, 고성능 GPU capacity에 대한 예약 수요가 가격을 지지할 수 있음을 보여준다. AI Multiple Cloud GPU Rental Price Index, CompuX GPU Pricing Trends 2026

네이버가 20% 후반대 OPM을 달성하려면 단순 GPU 임대사업으로는 부족하다. GPUaaS 위에 모델 운영, 산업별 AI 솔루션, 소버린 AI 플랫폼, 피지컬 AI, 디지털트윈, 검색·커머스 AI API 같은 고부가 서비스를 얹어야 한다. 즉, 단순 인프라 사업자가 아니라 AI 운영 플랫폼 사업자가 되어야 한다.

7. 정말 좋은 사업이라면 경쟁이 없을 수 있는가?

AI Factory가 5년 내 20조원 매출과 20% 후반대 마진을 동시에 만들 수 있는 사업이라면, 경쟁이 없을 가능성은 낮다. 오히려 그렇게 매력적인 시장이라면 글로벌 기업들이 더 공격적으로 들어올 가능성이 높다. 이미 NVIDIA, Google, Amazon AWS, Microsoft Azure, Oracle, CoreWeave, Nebius, SoftBank, 중동 국부펀드 계열 AI 인프라 회사들이 모두 AI 인프라 시장을 겨냥하고 있다.

NVIDIA는 DGX Cloud Lepton을 통해 CoreWeave, Crusoe, Lambda, Nebius, Nscale, SoftBank, Yotta 등 여러 cloud partner를 연결하는 생태계를 제시했다. 이는 NVIDIA가 특정 파트너 하나에 의존하기보다, 여러 AI cloud provider를 통해 글로벌 GPU capacity 생태계를 확장하고 있음을 의미한다. NVIDIA DGX Cloud Lepton

중동에서도 이미 대규모 경쟁 구도가 형성되고 있다. OpenAI, G42, Oracle, NVIDIA, Cisco, SoftBank가 참여하는 Stargate UAE는 1GW AI cluster를 목표로 하고, 1단계 200MW가 2026년에 가동될 예정이라고 발표됐다. OpenAI, Stargate UAE 사우디아라비아의 HUMAIN도 NVIDIA와 최대 500MW AI Factory 구축 파트너십을 발표했다. NVIDIA-HUMAIN strategic partnership

네이버가 내세울 수 있는 강점은 검색, 커머스, 지도, 클라우드, 한국어 LLM, 디지털트윈 경험이다. 이는 분명 의미가 있다. 특히 한국과 아시아 고객에게 현지화된 AI 서비스를 제공하는 데는 강점이 될 수 있다. 그러나 AI Factory의 핵심 병목은 네이버가 가진 애플리케이션 경험보다 NVIDIA GPU, CUDA, NVLink, InfiniBand, HBM, 고성능 서버, 글로벌 데이터센터 운영 경험, 대형 고객계약에 있다.

8. AI Value Chain에서 초과이익은 누가 가져갈 가능성이 높은가?

AI Factory의 수익성을 볼 때 중요한 질문은 “AI 수요가 늘어나는가”가 아니라 AI Value Chain에서 누가 초과이익을 가져가는가다. AI 산업은 크게 전력, 반도체, 인프라, 모델, 애플리케이션으로 나눌 수 있다. 이 중 현재 가장 강력한 병목은 NVIDIA GPU와 관련 소프트웨어 스택이다.

NVIDIA는 GPU뿐 아니라 CUDA, 네트워킹, 라이브러리, 개발자 생태계까지 장악하고 있다. NVIDIA의 DGX Cloud Lepton 발표도 Blackwell 등 NVIDIA architecture GPU와 클라우드 파트너 생태계를 연결하는 방향이다. 이는 AI 클라우드 사업자가 GPU capacity를 확보하더라도, 핵심 기술 병목과 생태계 지배력은 NVIDIA에 남을 가능성이 크다는 점을 보여준다. NVIDIA DGX Cloud Lepton

AI Factory 사업자는 이 장비와 소프트웨어를 기반으로 고객에게 서비스를 제공한다. 따라서 AI 수요가 폭발해도 가장 먼저 가격 결정력을 행사할 수 있는 곳은 GPU와 네트워크 장비를 공급하는 NVIDIA일 가능성이 높다.

반대로 AI Factory 운영자는 대규모 자본을 투입하고, 전력과 데이터센터를 확보하며, 고객을 유치해야 한다. 경쟁자가 많아질수록 고객은 가격을 비교하게 되고, 네이버와 같은 운영자의 마진은 squeeze될 수 있다. 결국 네이버는 AI 수요 성장의 수혜를 받을 수 있지만, 초과이익의 상당 부분은 NVIDIA와 핵심 공급망에 귀속될 가능성을 고려해야 한다.

네이버가 높은 마진을 확보하려면 단순히 GPU를 빌려주는 구조를 넘어서야 한다. 검색, 커머스, 지도, 디지털트윈, 피지컬 AI 같은 고유 자산을 활용해 고객이 네이버를 선택해야 하는 이유를 만들어야 한다. 그러나 이 차별화가 실제로 MW당 매출과 20% 후반대 OPM으로 연결될지는 아직 검증이 필요하다.

9. 소버린 AI는 왜 일반 클라우드보다 훨씬 복잡한가?

소버린 AI는 단순히 기업이 클라우드 서비스를 쓰는 문제가 아니다. 한 나라의 데이터, 공공 시스템, 금융 시스템, 국방, 산업 정보가 연결된 데이터 주권 사업이다. 따라서 고객 국가는 가격이나 성능만 보지 않는다. 데이터가 어디에 저장되는지, 누가 운영하는지, 암호키를 누가 관리하는지, 외국 정부가 개입할 가능성은 없는지, 비상시에도 서비스가 유지되는지를 함께 본다.

McKinsey는 소버린 AI를 자국 인프라, 데이터, 모델, 인재를 기반으로 AI를 개발·배포·통제할 수 있는 역량으로 설명한다. 이는 단순히 데이터센터가 자국에 있으면 되는 문제가 아니라, AI 생애주기 전체에 대한 통제권을 요구한다는 뜻이다. McKinsey, What is sovereign AI?

BCG도 sovereign cloud의 핵심을 데이터 현지 저장, 현지 통제, 외국 법집행기관 접근 리스크 차단, 데이터 격리와 같은 문제로 설명한다. 즉, 소버린 AI 고객은 외부 기업의 기술을 활용하더라도 운영권과 통제권을 쉽게 넘기지 않으려 할 가능성이 높다. BCG, Sovereign Clouds Are Reshaping National Data Security

이런 사업을 외부 기업에 전적으로 맡기는 것은 정치적으로도 쉽지 않다. 중동, 일본, 동남아 국가들이 네이버와 협력할 수는 있다. 그러나 네이버가 단독으로 인프라를 소유하고, 데이터를 운영하고, 높은 마진을 모두 가져가는 구조는 쉽지 않다. 더 현실적인 구조는 현지 정부, 국부펀드, 통신사, 전력회사, 로컬 클라우드 사업자가 함께 참여하는 JV 또는 SPV 구조다.

10. 해외 시장에도 전력과 인프라 병목은 존재한다

네이버가 한국 전력과 수도권 부지 병목을 해외로 우회할 수 있다는 논리는 일리가 있다. 한국에서 1GW 규모 AI 데이터센터를 단기간에 확보하기는 매우 어렵기 때문에, 말레이시아, 일본, 중동, 유럽 등으로 capacity를 분산하는 전략은 필요하다.

그러나 해외로 나간다고 병목이 사라지는 것은 아니다. AI 데이터센터는 일반 데이터센터보다 전력 사용량과 냉각 요구 수준이 훨씬 높다. 국제에너지기구는 글로벌 데이터센터 전력소비가 2030년까지 945TWh로 두 배 이상 증가할 수 있다고 전망했다. 이는 데이터센터 확장이 전력망과 에너지 시스템에 구조적 부담을 줄 수 있다는 의미다. IEA, Energy and AI

아시아태평양 지역에서도 전력 병목은 이미 핵심 이슈다. JLL은 APAC 데이터센터 시장에서 전력 수요 증가로 grid connection 대기기간이 신흥 시장에서는 24개월, 핵심 시장에서는 8년 이상까지 늘어날 수 있다고 분석했다. JLL, Asia Pacific Data Centre Report Deloitte도 APAC 데이터센터 전력수요가 2030년대 중반까지 최대 5배 확대될 수 있고, 무계획적 증설은 전력망 혼잡과 가격 변동성을 악화시킬 수 있다고 봤다. Deloitte, Powering Asia Pacific’s data centre boom

말레이시아 조호르 사례는 동남아에도 전력·용수 병목이 실제로 존재함을 보여준다. 조호르주는 물을 많이 사용하는 저효율 데이터센터 승인 기준을 강화했고, 일부 데이터센터가 하루 최대 5,000만리터의 물을 사용할 수 있다는 우려도 제기됐다. New Straits Times, Johor tightens approvals for data centres 또한 조호르는 데이터센터 투자 확대와 함께 대체 수자원 사용을 추진하고 있으며, 이는 물과 전력 인프라가 데이터센터 확장의 실제 병목이 되고 있음을 보여준다. New Straits Times, Johor data centre investments and alternative water sources

~~동남아 이머징시장의 전반적인 인프라수준 및 정치 불안정을 고려하면... 어휴.. 상상만해도 벌써 끔찍한데~~

~~동남아 이머징 AI Factory 시장 수요가 존재하긴 한건가?~~

https://openai.com/ko-KR/signals/data/

결국 해외 진출은 한국 병목을 완전히 없애는 해법이라기보다 병목의 위치를 다른 국가로 이동시키는 전략에 가깝다. 따라서 네이버가 1GW 목표를 제시하더라도, 국가별로 전력 연결 시점과 실제 가동 MW를 따로 확인해야 한다.

11. 미국·중국 외 시장에서 AI 수요가 충분히 빠르게 늘어날까?

네이버의 AI Factory 목표가 성립하려면 미국과 중국 외 지역에서 AI 수요가 매우 빠르게 확산되어야 한다. 특히 중동, 일본, 동남아, 유럽의 정부와 대기업들이 고가 GPU capacity를 장기로 예약하고, AI 인프라 비용을 감당할 수 있어야 한다.

그러나 현재 AI 수요의 중심은 미국과 중국이다. 미국은 OpenAI, Anthropic, Google, Meta, Microsoft 같은 대형 모델·플랫폼 기업이 있고, 중국은 자체 AI 생태계를 구축하고 있다. 이 지역에서는 AI 투자가 곧 경쟁력과 생존 문제로 이어지기 때문에 고가 GPU 수요가 강하다.

반면 일본, 동남아, 중동의 수요는 성격이 다르다. 중동은 국부펀드와 정부 주도 투자가 가능하기 때문에 대규모 프로젝트가 나올 수 있다. 실제로 Stargate UAE나 HUMAIN-NVIDIA 프로젝트처럼 국가 전략 차원의 AI infrastructure 투자가 진행되고 있다. OpenAI, Stargate UAE, NVIDIA-HUMAIN

그러나 일본은 대기업과 공공 수요가 있더라도 조달 의사결정이 보수적일 수 있고, 동남아는 성장 잠재력은 크지만 민간 기업의 AI ROI가 아직 충분히 검증되지 않았다. 고가 GPU 사용료를 장기적으로 부담할 수 있는 고객층이 제한적일 수 있다는 점도 고려해야 한다.

따라서 네이버가 20% 후반대 마진을 유지하려면 단순히 “AI 수요가 늘어난다”는 수준으로는 부족하다. 고객이 GPU, 전력, 금융비용 상승분까지 부담할 만큼 AI에서 충분한 부가가치를 창출해야 한다. 이머징 시장에서 그런 수요가 5년 안에 대규모로 형성될지는 아직 불확실하다.

12. 지정학 리스크는 왜 중요한가?

AI Factory의 핵심 장비는 NVIDIA GPU다. NVIDIA GPU는 미국 기술에 기반하고, 미국 정부의 수출통제와 안보정책의 영향을 받는다. 따라서 AI Factory는 단순 민간 데이터센터 사업으로 보기 어렵다. 특히 소버린 AI와 국가 데이터 인프라가 연결되면, 이 사업은 외교·안보·기술패권의 영역으로 들어간다.

미국 상무부 BIS는 2025년 AI Diffusion Rule을 철회하면서도 반도체 관련 수출통제를 강화하는 방향을 제시했다. 즉, 규칙의 형태는 바뀌어도 고성능 AI 반도체와 관련 기술은 계속 미국의 외교·안보 관리 대상에 남아 있다. BIS, AI Diffusion Rule rescission and chip-related export controls

중동은 이 점에서 특히 민감하다. 중동은 에너지, 해양물류, 안보동맹, 대중국 견제 측면에서 미국에게 전략적 의미가 매우 큰 지역이다. UAE의 Stargate 프로젝트도 OpenAI, G42, Oracle, NVIDIA, Cisco, SoftBank가 참여하고, 미국 정부와 긴밀히 조율된 프로젝트로 소개됐다. OpenAI, Stargate UAE

이 구조에서는 네이버의 역할이 제한될 수 있다. NVIDIA가 GPU를 공급하고, 미국 정부가 수출허가를 관리하며, 현지 정부가 데이터와 운영권을 통제하고, 미국 빅테크가 모델과 클라우드 서비스를 제공하면, 네이버는 그중 일부 운영 파트너가 될 수 있다. 이 경우 네이버가 1GW 경제성을 대부분 가져가는 구조를 기대하기는 어렵다.

13. 네이버만 이 사업을 할 수 있다는 논리는 왜 약한가?

네이버가 AI Factory에서 완전히 경쟁력이 없다는 뜻은 아니다. 네이버는 한국에서 검색, 커머스, 지도, 클라우드, 콘텐츠, 결제, AI 모델 운영 경험을 축적했다. 특히 한국어와 아시아 시장에 대한 이해, 소버린 AI 프로젝트 경험, 디지털트윈과 피지컬 AI 연결 가능성은 분명 강점이다.

그러나 이 강점이 “네이버만 할 수 있다”는 독점적 진입장벽으로 이어지기는 어렵다. AI Factory의 핵심은 GPU와 소프트웨어 스택, 전력, 자본, 대형 고객계약이다. 이 영역에서는 NVIDIA, Google, AWS, Microsoft, Oracle, CoreWeave, Nebius, SoftBank, 중동 국부펀드 계열 기업들이 이미 강력한 경쟁력을 갖고 있다.

네이버의 NVIDIA 협력도 중요한 긍정 요인이지만, NVIDIA는 이미 여러 cloud partner와 생태계를 구축하고 있다. 따라서 네이버가 NVIDIA와 협력한다고 해서 독점적 지위를 가진다고 보기는 어렵다. NVIDIA Cloud Partner ecosystem

따라서 네이버의 현실적인 위치는 글로벌 AI 인프라 시장의 지배자라기보다, NVIDIA 생태계 안에서 아시아·소버린 AI·피지컬 AI 일부 수요를 담당하는 파트너에 가깝다. 이 역할도 의미는 있지만, 5년 내 20조원 매출과 20% 후반대 OPM을 확정적으로 설명하기에는 아직 검증이 부족하다.

14. 최종 결론: 성장 옵션은 맞지만, 아직은 Bull Case에 가깝다

네이버 AI Factory는 분명 흥미로운 성장 옵션이다. 기존 네이버 사업이 성숙기에 접어든 상황에서, AI 인프라 사업은 새로운 매출원을 만들 수 있다. NVIDIA와의 협력, 소버린 AI 수요, 아시아 지역 AI 인프라 확산이라는 방향성도 완전히 틀렸다고 보기 어렵다.

다만 회사가 제시한 5년 내 20조원 매출과 20% 후반대 마진은 현재 단계에서 base case로 보기에는 부담이 크다. 이 목표가 현실화되려면 1GW급 capacity, 장기 take-or-pay 계약, 원가 pass-through, 최신 NVIDIA GPU 우선 배정, 해외 전력·부지 확보, 소버린 AI 고객의 비용 수용력, 높은 utilization이 모두 동시에 필요하다.

특히 현재 산업 환경은 네이버에 우호적이지만은 않다. 토큰 가격은 하락하고, GPU·메모리·인터커넥트·전력·금융비용은 상승하고 있다. 경쟁자는 많고, 핵심 초과이익은 NVIDIA와 같은 상위 병목 사업자에게 귀속될 가능성이 높다. 여기에 소버린 AI는 국가 안보가 걸린 사업이기 때문에 외부기업이 단독으로 높은 마진을 가져가기 어려운 구조다.

따라서 투자 관점에서는 200MW 초기 capacity는 옵션 가치로 일부 인정할 수 있다. 그러나 500MW~1GW 구간과 20조원 매출, 20% 후반대 OPM은 계약 구조와 실제 가동 지표가 확인된 뒤 단계적으로 반영하는 것이 합리적이다. 지금 필요한 것은 큰 목표보다 실제 계약, energized MW, GPU 조달 조건, 원가 pass-through, 네이버 귀속 매출률이다.

~~사실 해당 컨콜내용을 처음 봤을때 떠오른 생각은~~ 과거 ~~두나무 인수사례처럼 또 짬처리 당했거나~~
~~or 젠슨황의 립서비스에 김칫국을 거하게 마신게 아닐까 하는 부정적인 생각밖에 들지 않았다.~~

~~동시에, NAVER는 NVIDIA에게 그저 있으면 좋고 없어도 그만인 One of them에 지나지 않을까 했다.~~

회사가 말한 기존사업도 2025년 12조원에서 2030년까지 20조원이 가능한건가 싶기도 하다..
특히 성장률이 구조적으로 감소할 수 밖에 없는 내수 commerce 시장에서 말이다.

생각정리 37 (* 대한민국 내수시장)

https://fred.stlouisfed.org/data/NCXDCKRA

https://fred.stlouisfed.org/data/NIXDCKRA
https://fred.stlouisfed.org/data/NCXDCKRA

=끝