이번 Situational Awareness 사태에서 반면교사로 삼을 부분이 적지 않아,
관련 내용을 기록 차원에서 정리해본다.
Situational Risk
미래를 정확히 보고도 살아남지 못한 투자자
어제 오후, Leopold Aschenbrenner가 운용하는 Situational Awareness 펀드가 Margin Call에 직면했다는 기사를 처음 접했다.
 |
| 파이낸셜 타임스 |
처음에는 수많은 레버리지 펀드 가운데 한 곳이 청산되는 사건으로 생각했다. 그러나 Financial Times와 Reuters의 후속 보도를 읽어보니 사안의 규모와 시장에 미친 영향은 예상보다 훨씬 컸다.
Situational Awareness는 2026년 상반기 400%가 넘는 수익률을 기록하고 설정 이후에는 1,500% 이상의 성과를 올렸었고 운용자산도 한때 200억달러를 넘어섰던 것으로 보도됐다고 한다.
 |
| https://www.ft.com/ |
Situational Awareness는 AI 반도체, Memory, Storage, Data Center와 전력 인프라에 집중적으로 투자해온 펀드였다. Aschenbrenner는 누구보다 빠르게 AI Computing Infrastructure Cycle을 포착했고, 과감한 Leverage를 통해 상당한 수익을 기록했던 것으로 알려졌다.
 |
| https://x.com/HedgieMarkets |
문제는 산업의 장기 방향을 정확히 예측한 것과 그 방향이 실현될 때까지 Portfolio가 생존하는 것은 서로 다른 문제라는 점이었다.
이번 사건을 이해하기 위해서는 6월 23일부터 7월 30일까지 이어진 AI 기술주 디레버리징 과정을 먼저 면밀히 살펴볼 필요가 있다.
6월 23일, 중국의 해외 TRS 신규 거래가 중단됐다
6월 23일 저녁부터 중국 당국은 자국 사모펀드가 TRS를 활용해 해외 주식 익스포저를 확대하는 것을 제한하기 시작했다.
기존 Position은 유지할 수 있었지만 신규 매수와 교체매매가 어려워지면서, 미국과 한국의 AI·반도체 주식으로 유입되던 중국계 한계 매수세가 약해졌다. 일부 펀드는 사실상 매도는 가능하지만 신규 매수는 제한되는 상황에 놓였다.
이 조치가 이후 AI 주식 하락을 직접 일으켰다고 단정하기는 어렵다. 다만 이미 Position이 혼잡했던 시장에서 추가 매수 주체가 약해졌다는 사실 자체가 디레버리징에 취약한 환경을 만들었다.
6월 말부터 혼잡했던 AI Position이 흔들리기 시작했다
당시 글로벌 Hedge Fund들은 AI 반도체, Memory, Data Center와 전력 인프라에 유사한 Position을 쌓고 있었다.
AI Computing Infrastructure의 장기 성장성을 믿는 투자자가 많았던 만큼, 일부 종목에는 Long Position이 과도하게 집중돼 있었다. 중국계 신규 자금 유입이 둔화된 상황에서 AI 주가가 하락하자 Quant Fund와 Long-short Fund가 동시에 익스포저를 줄이기 시작했다.
집중도가 높고 Leverage가 큰 펀드에는 단순한 주가 조정이 아니었다.
주가가 하락하면 담보가치가 낮아지고, 담보가치가 낮아지면 추가 증거금 요구가 발생한다. 증거금을 마련하기 위해 주식을 매도하면 가격이 다시 하락하면서 더 큰 Margin Call이 발생한다.
주가 하락이 매도를 부르고, 매도가 다시 주가 하락을 만드는 전형적인 Deleveraging Loop가 시작된 것이다.
출처: Financial Times — Hedge funds face demands to stump up collateral as AI stocks tumble
출처: Reuters — Citadel buys most of Situational’s stock holdings after AI share rout
7월 23일, Situational Awareness의 유동성 위기가 드러났다
7월 23일 Intel은 예상보다 양호한 실적을 발표했지만 주가는 오히려 하락했다.
시장에서는 대형 투자자가 실적과 관계없이 물량을 급하게 처분하고 있다는 관측이 나왔다. Financial Times에 따르면 당시 매도 주체 가운데 하나가 Situational Awareness였다.
펀드는 Intel에 대한 투자 판단이 바뀌어서 주식을 매도한 것이 아니었다. 다른 AI 관련 Position에서 발생한 손실과 증거금 부담을 메우기 위해 유동성이 높은 Intel 주식을 처분한 것으로 전해졌다.
공식적인 최초 Margin Call 발생 시점을 7월 23일로 단정하기는 어렵다. 그러나 이 시점부터 펀드의 운용 목적이 정상적인 투자 판단에서 현금 확보와 담보 보강을 위한 강제 매도로 이동한 정황은 분명해졌다.
출처: Financial Times — How Leopold Aschenbrenner, the ‘golden child’ of the AI trade, was laid low
7월 24일, 투자자들에게 추가 자금을 요청했다
Aschenbrenner는 7월 24일 투자자들에게 서한을 보냈다.
그는 상반기까지의 높은 수익률을 강조하면서 최근 AI 기술주 하락을 추가 투자 기회로 설명했다. 이후 기존 투자자와 대주단에 신규 자금을 요청했고, 일부 투자자에게는 펀드가 보유한 자산을 직접 매입하는 방안도 제시한 것으로 알려졌다.
표면적으로는 저가매수를 위한 증자였지만, 당시 상황을 고려하면 추가 담보를 확보하고 강제청산을 피하기 위한 긴급 자금조달 성격이 더 강했던 것으로 보인다.
그러나 시장가격이 빠르게 하락하는 상황에서는 신규 자금이 들어오더라도 담보 부족분이 계속 커진다. 자금조달 속도가 자산가격 하락 속도를 따라가지 못하면 결국 Portfolio 자체를 매각할 수밖에 없다.
출처: Financial Times — Leopold Aschenbrenner’s Situational Awareness seeks to raise capital after AI rout
출처: Financial Times — How Leopold Aschenbrenner was laid low
7월 27일, CXMT가 상장했다
7월 27일 중국 Memory 기업 CXMT가 상하이 STAR Market에 상장했다. 당시 보도에 따르면 주가는 공모가 대비 큰 폭으로 상승했고 대규모 자금조달에도 성공했다.
중국 투자자금이 NVIDIA, Micron, SK하이닉스 등 해외 AI·Memory 기업보다 자국의 전략 반도체 기업으로 이동할 수 있다는 우려가 커진 시점이었다.
다만 중국의 TRS 제한이 CXMT 상장을 지원하기 위해 시행됐거나, CXMT 상장이 Situational Awareness의 청산을 직접 유발했다는 증거는 확인되지 않았다.
두 사건을 직접적인 인과관계로 연결하기보다는 중국 자금의 해외 유출을 제한하는 흐름과 자국 반도체 기업으로 자본을 유도하는 방향이 동시에 나타난 정황으로 해석하는 편이 적절하다.
출처: Associated Press — China memory chipmaker CXMT’s shares soar in Shanghai
7월 28~29일, 자금조달이 실패하고 Book 매각으로 전환됐다
AI 주식 하락이 이어지면서 Situational Awareness는 일부 주식을 매도하는 것만으로 담보 부족을 해결하기 어려운 상황에 빠졌다.
적어도 한 곳의 Prime Broker가 펀드를 감시대상에 올렸고, 최종 청산 직전까지 추가 증거금을 요구한 것으로 전해졌다.
신규 자금조달이 충분히 이뤄지지 않자 Aschenbrenner는 Jane Street, Millennium, Citadel 등 대형 금융기관과 접촉해 공개주식 Portfolio의 전부 또는 상당 부분을 일괄 매각하는 협상에 들어갔다.
이 단계에서 펀드는 더 이상 어떤 종목을 보유하고 매도할지를 독립적으로 결정하기 어려웠다.
Portfolio의 Fundamental Value보다 Prime Broker의 담보 회수와 시장 충격을 최소화하는 것이 우선되는 단계로 넘어간 것이다.
출처: Financial Times — How Leopold Aschenbrenner was laid low
출처: Financial Times — Citadel buys Situational Awareness equity holdings after steep AI losses
7월 30일, Citadel이 공개주식 Book 대부분을 인수했다
밤샘 협상 끝에 Citadel이 Situational Awareness의 공개주식 Portfolio 대부분을 넘겨받았다.
Goldman Sachs, JPMorgan, Bank of America와 Citigroup 등 주요 Prime Broker가 거래를 지원했으며, Citadel은 증권사 차입을 통해 조성된 레버리지 Position 상당 부분을 인수한 것으로 알려졌다.
펀드 전체가 Citadel에 넘어간 것은 아니다. Situational Awareness는 일부 무차입 상장주식과 Anthropic 등 비상장 지분을 남겼다.
그러나 대규모 차입을 활용해 AI Infrastructure 주식에 투자하던 공개주식 운용은 사실상 종료됐다.
6월 23일 중국의 해외 TRS 제한 이후 AI 주식의 한계 매수세가 약해졌고, 혼잡한 Position에서 디레버리징이 시작됐다. 7월 23일 Situational Awareness의 급매가 외부에 드러난 뒤 추가 자금조달을 시도했지만, 결국 7월 30일 Citadel에 공개주식 Book 대부분을 넘기게 됐다.
출처: Reuters — Citadel buys most of Situational’s stock holdings after AI share rout
출처: Financial Times — Citadel buys Situational Awareness equity holdings
출처: The Wall Street Journal — Citadel Buys Situational Awareness’s Stock Portfolio
그는 AI 산업의 방향을 틀리게 본 것이 아니었다
이번 청산을 단순히 잘못된 AI 투자에 따른 실패로 해석해서는 중요한 부분을 놓치게 된다.
Aschenbrenner는 2024년 발표한 『Situational Awareness』에서 AI가 Software 산업을 넘어 Data Center, 전력, 반도체, Memory와 국가안보를 함께 움직이는 거대한 산업 시스템으로 발전할 것이라고 주장했다.
 |
당시에는 지나치게 공격적인 전망으로 받아들여졌지만, 2026년 현재 그가 제시한 산업의 방향은 상당 부분 현실화되고 있다.
물론 그가 예상했던 2027년 AGI와 완전한 Recursive Self-Improvement가 실현됐다고 판단하기에는 이르다.
그럼에도 AI 산업이 어떤 순서로 발전하고, 그 과정에서 어떤 병목이 발생할지를 연결해서 본 그의 분석력은 상당히 뛰어났다.
데이터가 부족해지자 AI가 데이터를 만들기 시작했다
Aschenbrenner는 Internet Text를 이용한 Pre-training이 한계에 가까워질수록 Synthetic Data, Reinforcement Learning과 Self-play의 중요성이 커질 것으로 예상했다.
실제로 Frontier Model은 이제 인간이 만든 데이터를 단순히 학습하는 단계에서 벗어나고 있다.
AI가 스스로 문제와 해답을 생성하고, Verifier와 Reward Model이 결과를 평가한다. 그 가운데 우수한 결과를 다시 다음 모델의 Training Data로 사용하는 구조가 발전하고 있다.
완전한 자기개선이라고 부르기는 어렵지만, AI가 다음 AI를 개선하는 과정에 직접 참여하기 시작했다는 점은 분명하다.
데이터가 부족해지면 AI의 발전이 멈추는 대신, AI가 새로운 데이터를 생산하는 방향으로 Scaling 방식이 변화하고 있는 것이다.
생각정리 282 (* HDD)
Test-time Compute가 새로운 Scaling 축으로 자리 잡았다
기존 AI Scaling은 더 많은 Data와 Parameter, Training Compute를 투입하는 방식에 집중돼 있었다.
Reasoning Model의 등장 이후에는 학습이 완료된 모델도 답을 찾는 과정에서 더 많은 연산을 사용하면 성능을 높일 수 있게 됐다.
모델이 여러 추론 경로를 탐색하고, 오류를 수정하며, 결과를 검증하는 Test-time Compute가 새로운 성능개선 축으로 자리 잡은 것이다.
Ilya Sutskever가 강조한 Value Function도 이 흐름과 연결된다.
중요한 것은 무조건 오래 생각하는 것이 아니다. 여러 추론 경로 가운데 성공 가능성이 높은 경로를 평가하고, 가치가 높은 사고과정에 Compute를 집중하는 Algorithm이 필요하다.
Pre-training의 단순한 Scaling 효율이 낮아질수록 Value Function, Search, Verifier와 Self-play 같은 Algorithmic Breakthrough의 중요성은 더욱 커질 가능성이 높다.
생각정리 131 (* Ilya Sutskever)
 |
| https://www.reuters.com/legal/transactional/nvidia-invest-5-billion-ilya-sutskevers-ai-startup-source-says-2026-07-27/ |
AI는 기존 Software 위의 통합 Interface가 되고 있다
Aschenbrenner는 LLM의 성능이 지속적으로 향상되면 제한적인 AI 기능을 기존 Workflow에 붙이는 Software와 Wrapper의 가치가 잠식될 수 있다고 판단했다.
최근 Cursor, Figma와 Kimi의 발전은 이러한 방향을 보여준다.
Cursor는 단순한 Code Editor를 넘어 Frontier Model이 Codebase를 이해하고, 파일을 수정하며, Test와 실행까지 담당하는 AI 개발환경으로 발전하고 있다.
Figma 역시 Frontier Model을 내부에 통합하면서 자연어 요구사항을 Design, Prototype과 Code로 연결하고 있다. Kimi의 개발 방향도 AI가 Tool을 사용하고 장기 과제를 수행하며, Software 개발과 AI 연구에 참여하는 Agent 구조로 이동하고 있다.
기존 Software가 모두 사라진다는 의미는 아니다.
사용자가 각각의 Software UI를 직접 조작하는 대신 LLM에 목표를 전달하면, LLM이 여러 Application과 API를 통합해 업무를 수행하는 구조로 바뀌고 있다.
사용자 → 개별 Software UI
에서
사용자 → LLM → Software·Data·API 통합 실행
으로 Interface가 이동하는 것이다.
이 과정에서 단순한 UI와 Workflow의 가치는 낮아질 수 있다. 반면 독점적인 Data, 기업의 공식 기록, 권한체계, 결제와 거래기능을 보유한 Software는 AI가 호출하는 System of Record와 Execution Layer로 남을 가능성이 높다.
Aschenbrenner가 정확히 본 부분은 Software의 소멸보다 가치포착의 중심이 Application에서 Model과 Agent 계층으로 이동하는 구조였다.
생각정리 303 (* All or Nothing, 데이터주권)
AI의 병목은 전력과 Memory로 이동했다
Aschenbrenner는 AI 경쟁을 Software만의 문제로 보지 않았다.
모델이 발전할수록 더 많은 GPU와 Data Center가 필요하고, 결국 전력망과 반도체 공급망이 AI의 발전속도를 결정할 것으로 예상했다.
현재 AI Data Center의 건설속도는 기존 전력망의 증설속도를 앞서고 있다. 이에 따라 사업자들은 전력망 연결을 기다리는 대신 발전설비를 직접 확보하거나 Data Center 인근에서 전력을 생산하는 Behind-the-meter 모델로 이동하고 있다.
Bloom Energy의 Fuel Cell과 분산형 발전설비 수요가 증가하는 현상도 같은 흐름에서 이해할 수 있다.
병목은 GPU에서 Memory와 Storage로 확산되고 있다.
Reasoning 시간이 길어지고 Context가 커질수록 HBM, Server DRAM과 Enterprise SSD에 저장하고 이동해야 하는 데이터가 빠르게 증가한다.
GPU가 아무리 많아도 Memory 용량과 Bandwidth가 부족하면 GPU 가동률과 Token 생산량은 낮아진다.
따라서 AI Computing은 GPU 하나만으로 설명할 수 없다.
GPU, Memory, Storage, Network와 Power가 함께 작동하는 하나의 Token 생산시스템으로 이해해야 한다.
생각정리 324 (* Token Empire)
AI 경쟁은 국가 간 산업 패권경쟁으로 확장됐다
Aschenbrenner는 Frontier Model의 Weight와 Algorithm, 대규모 Computing Infrastructure가 국가안보 자산이 될 것으로 예상했다.
이 역시 현실화되고 있다.
미국과 중국의 AI 경쟁은 더 이상 어느 국가가 높은 Benchmark 점수의 LLM을 보유했는지에 머물지 않는다.
첨단 반도체, HBM, 전력, Data Center, Cloud와 제조업 공급망을 누가 통제하는지가 국가의 AI 경쟁력을 결정하고 있다.
AI 패권의 중심이 Software 성능에서 물리적 산업자산으로 완전히 이동한 것은 아니다. 그러나 경쟁의 범위가 Model 성능을 넘어 Computing Infrastructure와 국가 생산능력 전반으로 확장됐다는 사실은 분명하다.
그의 가장 큰 장점은 시스템적 사고였다
Aschenbrenner에게서 가장 크게 배울 수 있는 부분은 개별 기술을 따로 분석하지 않았다는 점이다.
그는 LLM 성능, Algorithm, Data, Software, GPU, Memory, 전력과 국가안보를 하나의 연결된 구조로 봤다.
그의 논리는 다음과 같이 이어진다.
데이터가 부족해지면 Synthetic Data와 Reinforcement Learning이 중요해진다.
Pre-training의 효율이 낮아지면 Test-time Compute와 새로운 Algorithm이 필요해진다.
AI가 Agent로 발전하면 기존 Software의 Interface와 Workflow를 흡수한다.
Token 생산량이 증가하면 GPU뿐 아니라 Memory, Storage와 전력 수요가 함께 증가한다.
AI가 경제와 군사력의 기반이 되면 기업 간 경쟁은 국가 간 패권경쟁으로 확장된다.
각각의 현상을 독립적으로 바라보면 AI 산업의 변화를 온전히 이해하기 어렵다.
Model의 성능 향상이 Software 산업을 바꾸고, Software의 변화가 Token 수요를 늘리며, Token 수요가 Memory와 전력의 희소성을 높인다. 이 물리적 자산은 다시 기업과 국가의 AI 경쟁력을 결정한다.
AI 시대에는 특정 Model이나 기업 하나를 분석하는 능력만으로 부족하다.
기술, 산업, 자본과 국가전략이 서로 어떤 영향을 주고받는지를 연결해 보는 시스템적 사고가 중요하다.
Aschenbrenner의 가장 큰 통찰은 AGI의 정확한 도달 시점을 맞힌 데 있지 않다.
AI가 전체 산업시스템을 어떤 순서와 인과관계로 재편할지를 일찍 이해했다는 점에 있다.
2026년 7월 31일 기준으로 Aschenbrenner가 예상한 변화는 다음과 같이 평가할 수 있다.
 |
| 적중률이 상당히 높았음. |
분석이 맞아도 투자자는 살아남지 못할 수 있다
그러나 뛰어난 분석력과 뛰어난 Portfolio 운용은 동일한 능력이 아니다.
Situational Awareness는 AI 반도체, Memory, Storage, Data Center와 전력 인프라에 집중적으로 투자했다.
산업의 장기 방향은 상당 부분 맞았지만, 높은 Leverage와 집중된 Position은 단기 변동성을 견디지 못했다.
AI 관련 주식이 하락하면서 담보가치가 낮아졌고, Margin Call에 대응하기 위해 공개주식 Portfolio 대부분을 매각해야 했다.
법률적으로 모든 Account가 파산했다고 단정할 수는 없다. 다만 시장에는 뛰어난 AI 분석가가 과도한 Leverage와 부족한 Risk Management로 사실상 강제청산된 사례로 기억될 가능성이 높다.
Fundamental Thesis가 맞는 것과 Portfolio가 생존하는 것은 서로 다른 문제다.
Leverage는 분석의 정확성을 높여주지 않는다.
수익이 발생하는 동안에는 확신을 증명하는 수단처럼 보이지만, 변동성이 커지는 순간 투자자가 자신의 전망이 실현될 때까지 기다릴 수 있는 권리를 빼앗는다.
방향을 정확히 예측했더라도 시장이 그 방향으로 이동하는 과정은 직선이 아니다. 시장은 예상보다 오래 비합리적일 수 있고, 좋은 자산도 수급과 담보구조에 따라 급격히 하락할 수 있다.
투자자에게 중요한 것은 최종적으로 옳은 전망을 보유하는 것만이 아니다.
그 전망이 현실화될 때까지 살아남을 수 있는 Position Size와 자본구조를 유지하는 것이 더 중요하다.
Situational Risk
Aschenbrenner는 미래의 방향을 보는 방법을 보여줬다.
Synthetic Data, Test-time Compute, AI Agent, Software 통합, 전력과 Memory의 병목, 국가 간 AI 패권경쟁까지 그의 판단은 상당 부분 현실화되고 있다.
무엇보다 그를 통해 AI 시대에는 개별 현상보다 전체 시스템의 연결관계를 이해하는 능력이 중요하다는 사실을 다시 확인할 수 있었다.
그러나 그의 Portfolio 운용방식에는 동의하기 어렵다.
산업의 방향에 대한 확신이 커질수록 Leverage를 확대하는 방식은 장기 전망이 맞더라도 단기 변동성에 의해 청산될 위험을 높인다.
좋은 분석은 미래를 보여주지만, 좋은 Risk Management만이 그 미래에 도달할 수 있도록 해준다.
Aschenbrenner의 통찰력과 시스템적 사고에는 배울 점이 많다.
동시에 Situational Awareness의 청산은 투자자가 반드시 기억해야 할 또 하나의 사실을 보여준다.
시장을 정확히 보는 능력과 시장에서 끝까지 살아남는 능력은 전혀 다른 능력임을 새삼 다시 깨닫게 된다.
#글을 마치며
그에게 조금만 더 많은 시장 경험과 파생상품 레버리지의 위험을 체감할 만한 연륜이 있었다면,
이번 AI Computing Infrastructure Cycle을 대표하는 최고의 투자자 중 한 명으로 성장했을지도 모르겠다.
=끝
댓글 없음:
댓글 쓰기