생각정리 380 (* 해외투자점검 7)

누군가는 최후의 승자가 되겠지..

※ 본 글은 투자 권유가 아닌 개인적인 판단과 포트폴리오 변화에 대한 복기 기록이다.

1. 다시 돌아온 AI Software

2022년 해외기업 P/F를 본격적으로 구성하기 시작했을 때, 가장 많은 시간과 정성을 들였던 영역은 AI Software, 그중에서도 AI 서비스를 구축하고 운영하는 기반인 PaaS 계층이었다.

당시에는 Frontier LLM이 지금처럼 강력해질 것이라고 예상하지 못했다. 데이터 주권이나 AI의 안전·보안·정렬 문제 역시 지금만큼 중요한 투자 변수로 보지 않았다. 과거 인터넷 산업에서 플랫폼과 표준을 장악한 기업들이 가장 큰 가치를 가져갔던 경험 때문에, AI에서도 하드웨어보다 소프트웨어 플랫폼의 장기적인 가치 포착력이 더 클 것이라는 선입견이 있었다.

다만 이때 세웠던 가설과 이후의 판단 변화는 이미 아래 글들에 남겨두었다. 중복되는 내용은 다시 길게 설명하기보다 이전 기록으로 갈음하려 한다.

• 해외투자 점검
  Agentic AI 확산에 따라 실시간 데이터, 실행, 저장, 관측, 보안 기능을 제공하는 PaaS의 구조적 성장을 예상했다.

• 해외투자 점검 2
  Frontier LLM이 기존 소프트웨어의 기능과 고객 접점을 직접 흡수할 가능성이 커지면서 PaaS 비중을 대폭 축소했다.

• 해외투자 점검 3 (*2Q25 Review)
  실적을 통해 AI 투자 수요가 소프트웨어보다 데이터센터와 하드웨어 병목에서 더 직접적으로 나타나는지 확인했다.

• 생각정리 90 (* 해외투자 점검4, 반도체)
  Agentic AI가 요구하는 연산량과 데이터 이동량 증가를 중심으로 메모리·패키징·전력 제약을 살펴봤다.

• 생각정리 137 (* 해외투자점검 5)
  메모리를 독립된 부품이 아니라 네트워크와 연결된 메모리 패브릭으로 보기 시작했다.

• 생각정리 243 (* 해외투자점검 6)
  가치사슬 전반에 분산돼 있던 P/F를 메모리·광통신·패키징·소재 등 실제 공급 부족과 가격 결정력이 확인되는 병목으로 압축했다.

해외투자점검 1~6의 흐름을 한 문장으로 정리하면, ‘플랫폼의 장기 가치’를 선호했던 초기 관점이 Frontier LLM의 기능 내재화를 거치며 ‘희소한 물리적 병목의 가격 결정력’을 우선하는 방향으로 이동한 과정이었다.

---

2. 2022년에 생각했던 PaaS와 지금 다시 보는 PaaS는 다르다

2022년의 가설은 AI Super App이 하나둘 등장하면 이를 개발하고 운영하기 위한 데이터·개발·배포 플랫폼의 사용량도 자연스럽게 늘어날 것이라는 생각이었다. 당시 PaaS 투자의 근거는 ‘AI 애플리케이션 수의 증가’였다.

하지만 실제 시장은 예상과 다르게 흘러갔다. AI Super App의 가능성은 다수의 독립 소프트웨어로 확산되기보다 Frontier LLM으로 집중됐고, 모델 자체가 검색·분석·코딩·데이터 처리 기능을 흡수했다. 소프트웨어가 AI의 보완재가 아니라 경쟁재가 될 수 있다는 우려가 커졌고, 이에 따라 P/F의 중심을 연산·메모리·네트워크 등 쉽게 내재화할 수 없는 하드웨어 병목으로 옮겼다.

최근 OpenClaw와 Muse 이후에는 다시 변화가 나타나고 있다. AI가 질문에 답하는 인터페이스를 넘어 사용자를 대신해 계획하고, 도구를 호출하고, 여러 단계의 작업을 지속적으로 수행하는 형태로 발전하면서 Agent AI가 새로운 Super App의 형태를 구체적으로 보여주기 시작했다.

Agent는 단순한 모델 호출만으로 완성되지 않는다. 장시간 유지되는 실행 환경, 상태와 기억의 저장, 권한 관리, 외부 시스템과의 연결, 장애 추적, 보안 통제 등이 함께 필요하다. 현재 다시 주목하는 PaaS는 과거의 범용 개발 플랫폼이 아니라, Agent의 행동을 실제 업무로 연결하고 통제하는 ‘실행계층 PaaS’다.

즉 과거에는 애플리케이션이 많아질 것이라는 기대를 근거로 PaaS를 봤다면, 지금은 Agent가 한 번의 명령을 처리하기 위해 만들어내는 실행 횟수와 데이터 이동량, 저장량, 보안 이벤트가 실제로 증가하는지를 보고 있다. 과거의 가설이 앱의 수에 기반했다면, 현재의 가설은 Agent당 실행 강도와 운영 복잡도에 기반한다.

---

3. Frontier LLM과 경쟁하는 소프트웨어가 아니라 이를 운영하는 소프트웨어

과거 PaaS 비중을 줄였던 가장 큰 이유는 Frontier LLM이 기존 소프트웨어 기능을 직접 내재화할 수 있다고 판단했기 때문이다. 이 위험은 지금도 사라지지 않았다. 따라서 AI Software 전체를 다시 긍정적으로 보는 것은 아니다.

이번에 다시 편입한 영역은 모델이 고도화될수록 대체되는 소프트웨어가 아니라, 오히려 모델과 Agent의 수가 늘어날수록 운영 복잡도가 증가하는 계층이다. 구체적으로는 Agent Network·Security, VM·Orchestration, Storage Software, Observability와 같은 실행 인프라다.

이 계층은 특정 Frontier LLM의 기능과 직접 경쟁하기보다 여러 모델과 도구 사이에서 실행을 중개한다. 기업이 하나의 모델에 모든 데이터와 권한을 맡기기 어려워질수록 모델 중립적인 실행 환경, 데이터 주권, 권한 분리, 감사 기록의 중요성도 커진다. Frontier LLM의 강해짐이 소프트웨어 전체의 종말을 의미하는 것이 아니라, 가치가 사용자 인터페이스에서 실행·통제계층으로 이동할 가능성이 커진 것이다.

최근 관련 기업들의 어닝콜과 인베스터데이를 살펴보면 개발 방향 역시 단순한 클라우드 기능 확대보다 Agent 실행, 프라이빗 환경, 멀티모델 연결, 보안과 관측 기능을 통합하는 쪽으로 움직이고 있다. 시장 참여자들이 설명하는 제품 방향과 내가 다시 설정한 투자 가설이 점차 같은 지점으로 수렴하고 있다는 점도 비중 확대의 배경이 됐다.

---

4. 5월 11일 이후 P/F의 변화

해외투자점검 6 당시에는 AI Software와 전력 비중을 사실상 제거하고, 공급 부족과 가격 결정력이 가장 분명했던 하드웨어 병목에 집중했다. 당시의 핵심 질문은 ‘AI 투자 확대 과정에서 누가 가장 희소한 자원을 공급하는가’였다.

현재는 메모리를 중심축으로 유지하면서도 광통신의 집중도를 낮추고, Agent 실행계층과 분산형 전력을 새롭게 확대했다.

가장 큰 변화는 하드웨어를 줄이고 소프트웨어로 회귀한 것이 아니라, 하드웨어 병목 위에 Agent의 실행·저장·보안·관측계층을 추가한 것이다.

메모리·스토리지는 여전히 가장 큰 비중이다. Agent가 장시간 상태를 유지하고 여러 작업을 병렬로 수행할수록 세션 데이터, 장기 기억, 로그, 체크포인트, 검색 데이터가 누적되기 때문이다. Agent의 확산은 연산량뿐 아니라 ‘보존해야 하는 상태의 총량’을 증가시킨다는 점에서 메모리 가설은 오히려 강화됐다.

광 인터커넥트는 구조적 성장 논리는 유지하지만, 이전보다 비중을 낮췄다. 특정 연결 방식에 대한 집중도를 줄이고 Agent가 실제로 소비하는 메모리·실행 인프라·전력으로 수혜 범위를 넓히기 위한 조정이다. 하나의 기술 경로에 집중하기보다 Agent 한 건이 만들어내는 전체 인프라 소비를 보려는 방향으로 바뀌었다.

새롭게 편입한 수동소자와 분산형 전력 역시 독립적인 테마가 아니다. 고밀도 연산과 상시 추론이 확대될수록 전력의 변환·분배·안정화가 중요해지고, Agent가 엣지와 기업 내부 환경으로 분산될수록 전력 수요도 데이터센터 외부로 확장될 가능성이 있다. Agent AI는 소프트웨어 수요와 전력 수요를 동시에 만드는 워크로드라는 관점이다.

---

5. 이전과 지금의 투자 관점 비교

가장 중요한 차이는 과거에는 PaaS를 AI 성장의 간접적인 대리변수로 봤지만, 지금은 Agent의 실행량 증가가 매출로 직접 연결될 수 있는 계층만 선별하고 있다는 점이다.

과거에는 좋은 기술과 플랫폼 표준을 확보하면 장기적으로 높은 가치를 가져갈 수 있다고 생각했다. 지금은 기술적 우위만으로는 부족하며, 실제 사용량 증가가 가격 결정력과 영업 레버리지로 이어지는지를 더 중요하게 본다. ‘좋은 플랫폼인가’보다 ‘Agent의 활동량이 늘 때 반드시 사용해야 하고 그 사용량을 과금할 수 있는가’를 우선한다.

또한 과거에는 AI Software와 AI Hardware를 서로 대체되는 선택지처럼 바라본 측면이 있었다. 지금은 Agent의 확산이 연산, 메모리, 네트워크, 저장, 보안, 전력을 동시에 소비한다는 점에서 두 계층을 하나의 시스템으로 보고 있다. 현재 P/F는 Software 대 Hardware가 아니라, Agent 한 건이 작동하기 위해 반드시 거쳐야 하는 전체 실행 경로에 투자하는 구조에 가깝다.

---

6. 앞으로 확인해야 할 것

현재의 가설이 맞으려면 Muse 이후 Agent 기능의 확산이 단순한 기능 체험에 그치지 않고 반복적인 실제 사용으로 이어져야 한다. 사용자 수보다 Agent당 실행 횟수, 작업 지속시간, 저장되는 상태의 양이 더 중요한 선행지표다.

두 번째는 Frontier LLM이 Agent 실행계층까지 얼마나 직접 흡수하는지다. 실행환경이 모델에 완전히 통합된다면 독립 PaaS의 가치가 다시 약해질 수 있다. 반대로 기업이 데이터 주권과 보안을 이유로 멀티모델·프라이빗 환경을 선택한다면 중립적인 실행계층의 협상력은 높아질 수 있다. 이번 Software 재편입의 성패는 모델 성능보다 실행계층의 독립성이 유지되는지에 달려 있다.

세 번째는 사용량이 실제 실적으로 전환되는 속도다. Agent 트래픽이 늘어도 단가 하락이나 과도한 인프라 비용으로 수익성이 개선되지 않는다면 투자 가설은 약해진다. 기술 채택보다 매출 전환, 유지율, 사용량 기반 매출, 마진 개선을 우선적으로 확인할 필요가 있다.

마지막으로 하드웨어 병목의 해소 속도도 계속 점검해야 한다. Agent 실행량이 예상보다 빠르게 증가하면 메모리와 전력 병목이 장기화될 수 있지만, 공급 증가와 효율 개선이 이를 앞서면 가격 결정력은 약해질 수 있다. 수요의 성장만이 아니라 공급이 따라오는 속도까지 함께 봐야 한다.

---

7. 정리

2022년에 세웠던 PaaS 가설이 완전히 틀렸다고 생각하지는 않는다. 다만 당시에는 Agent가 어떤 모습으로 등장할지, Frontier LLM이 어느 범위까지 기능을 흡수할지 알 수 없었기 때문에 수혜 범위를 지나치게 넓게 설정했던 것 같다.

이후에는 실제 실적과 공급 부족이 확인되는 하드웨어 병목으로 P/F를 압축했고, 그 과정에서 메모리·네트워크·저장·전력의 연결 구조를 더 깊게 이해할 수 있었다. 하드웨어 중심의 기간은 Software 가설을 포기한 시간이 아니라, AI 가치사슬에서 실제 가격 결정력이 어디에 형성되는지를 확인한 과정이었다.

OpenClaw와 Muse 이후 Agent AI가 Super App으로 발전할 가능성이 구체화되면서 PaaS를 다시 볼 이유가 생겼다. 그러나 이번에는 예전처럼 AI Software 전체를 넓게 담는 방식이 아니다. Frontier LLM과 경쟁하지 않으면서 Agent의 실행·기억·권한·보안·관측을 담당하는 계층으로 투자 범위를 제한했다.

얼마나 큰 시장이 될지는 아직 알 수 없다. 다만 AI가 답변을 생성하는 도구에서 실제 업무를 수행하는 Agent로 확산된다면, 가장 먼저 부족해지는 것은 모델 자체보다 이를 안정적으로 실행하고 통제할 수 있는 환경일 가능성이 높다.

현재 P/F의 핵심은 ‘지능의 희소성’에 투자하는 것이 아니라, 풍부해진 지능을 현실에서 작동시키기 위해 반드시 필요한 메모리·실행환경·보안·관측·전력의 희소성에 투자하는 것이다.

글을 마치며

최근 시장을 지켜보다 보면, 지금의 AI 투자판은 마치 모두가 큰 패를 쥐었다고 믿는 섯다판과 닮았다는 생각이 든다.

섯다판에서 내가 통제할 수 있는 것은 어떤 패가 들어오느냐가 아니다. 판에 참여할지, 언제까지 콜을 이어갈지, 그리고 전체 자금 중 얼마를 베팅할지가 내가 결정할 수 있는 영역이다. 반면 내 패와 상대의 패, 판의 흐름은 이미 주어진 환경에 가깝다.

AI 기술의 발전 속도와 산업의 확산 방향도 마찬가지다. 투자자는 기술 변화를 통제할 수 없으며, 어떤 기업이 최종 승자가 될지도 미리 알 수 없다. 산업의 변화는 테이블 위에 돌려지는 패이고, 이를 어떻게 해석해 어느 정도의 비중을 실을지는 투자자의 판단이다.

최근에는 시장 참여자 대부분이 자신이 보유한 AI 관련 자산을 최상의 패라고 확신하는 듯하다. 서로 다른 산업과 기업이 모두 구조적 수혜를 주장하고, 그 확신을 바탕으로 계속 콜을 외치며 판돈을 키우고 있다. 그러나 투자에서 가장 위험한 순간은 나쁜 패를 들었을 때보다, 모두가 좋은 패를 들었다고 확신할 때일 수 있다.

9땡도 장땡 앞에서는 패배하고, 높은 땡도 땡잡이나 암행어사 같은 특수패에 뒤집힐 수 있다. 구사가 나오면 커진 판 자체가 다시 시작될 수도 있다. 산업의 성장 방향을 맞히는 것과 그 산업 안에서 최종 승자를 맞히는 것은 전혀 다른 문제다.

지금은 불확실한 매크로 환경 위에서 AI에 대한 높은 확신이 동시에 쌓이고 있다. 기술의 방향은 맞더라도 가격, 경쟁, 공급 증가, 자본조달 환경이라는 다른 패가 결과를 뒤집을 수 있다. 결국 누군가는 크게 부풀어진 판돈을 가져가겠지만, 현재의 정보만으로 그 승자가 누구인지 단정하기는 어렵다.

그래서 지금 필요한 것은 AI의 미래를 부정하는 것도, 반대로 확신만으로 끝까지 콜을 외치는 것도 아니다. 좋은 패를 쥐었다는 판단과 얼마를 베팅할 것인가는 분리해야 한다. 산업 변화는 받아들이되, P/F 비중과 총 익스포저는 언제든 틀릴 수 있다는 전제 아래 조절해야 하지 않나 싶었다.

이번 P/F 변화 역시 어떤 패가 반드시 이긴다는 선언이라기보다, Agent AI 확산이라는 새로운 패를 확인한 뒤 베팅의 대상과 크기를 다시 조정한 기록에 가깝지 않나 싶다. 

=끝 

생각정리 243 (* 해외투자점검 6)

실적 시즌이 거의 마무리되어 가는 시점에서, 해외투자점검5에 이어 지난 5개월간의 변화 해외투자점검6을 기록해본다.

이번 포트폴리오 조정은 그동안 블로그에서 정리해왔던 AI 기술 변화의 방향성에서 크게 벗어나지 않는다. 다만 시간이 지나며 해당 흐름에 대한 확신이 더 강해졌고, 그 결과 포트폴리오는 이전보다 훨씬 더 압축된 집중 P/F 형태로 변화했다.

AI 포트폴리오는 어떻게 바뀌었나

AI 생태계 전반에서 하드웨어 병목 구간으로 이동한 과정

2025년 12월 중순부터 최근까지의 포트폴리오 변화를 보면 방향은 분명하다. 초기에는 AI 인프라 전반을 넓게 담는 구조였지만, 시간이 지나면서 AI 하드웨어 병목 구간에 집중하는 구조로 바뀌었다.

여기서 AI 인프라는 우리가 화면에서 보는 AI 서비스만을 의미하지 않는다. AI가 실제로 작동하려면 데이터센터, 반도체, 메모리, 네트워크 장비, 광통신 부품, 전력 인프라, 장비와 소재가 모두 필요하다. 사용자는 AI 소프트웨어를 경험하지만, 그 뒤에서는 막대한 하드웨어 공급망이 움직인다.

이번 포트폴리오 변화의 핵심은 AI 산업의 성장 자체보다, 그 성장 과정에서 어디에 병목이 생기고 그 병목의 가격 결정권을 누가 가져갈 것인가에 대한 판단이 더 구체화되었다는 점이다.

---

월별 포트폴리오 기업군 변화

아래 표는 포트폴리오를 산업군과 기능별로 다시 묶은 것이다. 

기업군 / 기능군	2025.12	2026.01	2026.02	2026.03	2026.04	2026.05
메모리 IDM·NAND·스토리지	13%	31%	53%	50%	43%	43%
광학 네트워킹 H/W	13%	5%	18%	36%	26%	26%
네트워킹 ASIC/IP·통신 S/W/H/W	13%	0%	0%	6%	6%	6%
비메모리 IDM·파운드리·패키징·전력반도체	5%	5%	5%	0%	24%	24%
반도체 장비·검사·계측	19%	24%	5%	0%	0%	0%
소재·기판·특수소재·테스트 인터페이스 부품	3%	3%	3%	11%	13%	13%
AI S/W·클라우드·AI 데이터센터	15%	0%	0%	0%	0%	0%
에너지·전력 인프라	19%	16%	16%	0%	0%	0%
기타 자원·방산 등	0%	16%	0%	0%	0%	0%
AI 연산칩·가속기	3%	3%	3%	0%	0%	0%
총 P/F	103%	103%	103%	103%	112%	112%

이 표에서 가장 중요한 변화는 네 가지다.

첫째, AI S/W·클라우드·AI 데이터센터 비중이 15%에서 0%로 줄었다.

둘째, 에너지·전력 인프라 비중도 19%에서 0%로 내려왔다.

셋째, 반도체 장비·검사·계측 비중은 1월 24%까지 높아졌지만 최근에는 0%로 정리됐다.

넷째, 그 자리를 메모리, 광학 네트워킹, 비메모리 제조 기반, 패키징, 소재·기판·테스트 인터페이스 부품이 채웠다.

즉, 포트폴리오는 AI 전체 생태계를 넓게 사는 방식에서 벗어나 AI 서버 내부에서 실제 병목이 발생할 수 있고, 가격 결정권이 더 강하게 나타날 수 있는 구간으로 압축되었다.

---

AI 소프트웨어 비중을 낮춘 이유

가장 먼저 줄인 영역은 AI 소프트웨어였다.

겉으로 보면 AI 소프트웨어 시장은 성장성이 매우 커 보인다. 기업들은 업무 자동화, 문서 작성, 코딩, 고객 응대, 데이터 분석, 콘텐츠 제작 등에 AI를 빠르게 도입하고 있다. 하지만 포트폴리오 관점에서는 한 가지 질문이 중요해졌다.

개별 AI 소프트웨어 업체들이 장기간 독자적인 성장성을 유지할 수 있을까.

이 의문이 커진 이유는 LLM 선두업체들의 기술 발전 속도가 너무 빠르기 때문이다. 대형 언어모델의 성능이 빠르게 올라가면, 기존에는 특정 AI 소프트웨어 업체만 제공할 수 있었던 기능들이 점점 범용 모델 안으로 흡수될 수 있다.

문서 요약, 코드 생성, 데이터 분석, 업무 자동화, 고객 응대와 같은 기능은 개별 소프트웨어의 차별점이었다. 그러나 LLM 자체가 고도화되면 이런 기능들은 플랫폼의 기본 기능으로 편입될 가능성이 커진다.

문제는 AI 소프트웨어 시장의 성장성이 약하다는 뜻이 아니다. 오히려 시장은 계속 커질 수 있다. 다만 그 성장의 과실이 개별 애플리케이션 기업에 남을지, 아니면 모델과 플랫폼을 가진 소수의 LLM 선두업체로 집중될지가 더 중요한 질문이 되었다.

---

LLM 플랫폼화는 소프트웨어 기업의 지속성장에 부담이 될 수 있다

AI 소프트웨어 비중을 낮춘 또 다른 이유는 LLM 선두업체들의 플랫폼화 전략이다.

최근 LLM 선두업체들은 단순히 모델을 제공하는 수준을 넘어, 기업 고객의 데이터와 업무 흐름을 자신들의 플랫폼 안으로 연결하려는 방향을 보이고 있다. 기업 내부 문서, 협업툴, 코드 저장소, 데이터베이스, 고객 관리 시스템이 LLM 플랫폼과 연결될수록, 사용자의 업무 흐름은 상위 플랫폼에 더 깊게 묶인다.

이 흐름은 개별 AI 소프트웨어 기업에 양면적인 영향을 준다. 단기적으로는 LLM 플랫폼을 활용해 더 빠르게 제품을 만들 수 있다. 하지만 장기적으로는 고객 데이터, 모델 성능, 배포 환경, 업무 자동화 도구가 상위 플랫폼에 종속될 수 있다.

특히 LLM 선두업체가 자사 플랫폼 위에 데이터와 업무 흐름을 쌓도록 유도한다면, 개별 AI 소프트웨어 기업은 독립적인 플랫폼이라기보다 거대 LLM 생태계 위에서 작동하는 기능형 애플리케이션에 가까워질 수 있다. 이 경우 고객 접점과 데이터 주도권은 상위 플랫폼으로 이동하고, 개별 소프트웨어 기업의 장기 마진과 성장 지속성에는 부담이 생긴다.

따라서 AI 소프트웨어 비중 축소는 AI 시장의 성장성을 부정한 결정이 아니다. 성장의 주도권이 애플리케이션 레이어보다 LLM 플랫폼 레이어에 더 집중될 수 있다는 판단이 반영된 변화다.

---

전력 인프라보다 서버 내부 병목으로 초점이 이동했다

AI 소프트웨어와 함께 줄어든 영역은 에너지·전력 인프라다.

AI 데이터센터가 늘어나면 전력 수요가 증가한다. 전력망, 원전, 가스터빈, 전력기기, 냉각 인프라가 함께 주목받는 이유다. 2025년 12월 당시에는 이 흐름을 반영해 전력 인프라 비중도 의미 있게 포함되어 있었다.

하지만 시간이 지나면서 포트폴리오는 전력 테마보다 AI 서버 내부의 직접적인 병목 구간에 더 집중하는 방향으로 바뀌었다.

초기 질문이 “AI 데이터센터가 늘어나면 무엇이 필요할까”였다면, 최근 질문은 “AI 서버가 실제로 더 많이 깔릴 때 가장 먼저 부족해지는 부품은 무엇일까”에 가까워졌다.

이 질문의 답이 메모리, 광학 네트워킹, 패키징, 소재, 제조 기반 쪽으로 이동한 것이다.

---

메모리 IDM·NAND·스토리지가 중심축으로 올라섰다

최근 포트폴리오에서 가장 큰 비중을 차지하는 영역은 메모리 IDM·NAND·스토리지다.

IDM은 반도체 설계부터 생산까지 직접 수행하는 기업군을 의미한다. 메모리 IDM은 DRAM, HBM, NAND와 같은 메모리 반도체를 직접 생산하는 기업군이다.

AI 서버는 연산칩만으로 작동하지 않는다. 거대한 AI 모델을 학습하고 추론하려면 엄청난 양의 데이터를 빠르게 불러오고, 저장하고, 다시 이동시켜야 한다. 이 과정에서 메모리 대역폭과 스토리지 성능이 전체 시스템 성능을 좌우한다.

특히 HBM과 같은 고성능 메모리는 AI 연산 속도를 끌어올리는 핵심 부품이다. AI 모델이 커질수록 더 많은 데이터를 동시에 처리해야 하고, 이때 메모리의 성능과 공급량이 병목으로 작용할 수 있다.

포트폴리오에서 메모리 비중이 2025년 12월 13%에서 2026년 2월 53%, 최근 43% 수준까지 올라간 것은 이 판단을 반영한다. AI 수요가 계속 커질수록 단순 연산칩보다 메모리와 데이터 처리 인프라의 중요성이 더 커질 수 있다는 관점이다.

---

광학 네트워킹 H/W 비중 확대도 핵심 변화다

두 번째로 중요한 변화는 광학 네트워킹 H/W 비중 확대다.

AI 데이터센터 안에는 수많은 서버가 연결되어 있다. 서버 한 대가 혼자 모든 연산을 처리하는 구조가 아니라, 여러 서버가 동시에 데이터를 주고받으며 하나의 거대한 AI 연산 시스템처럼 움직인다.

이때 중요한 것이 네트워크다. 데이터가 서버 사이를 빠르게 이동하지 못하면, 아무리 좋은 연산칩과 메모리가 있어도 전체 성능은 떨어질 수밖에 없다.

그래서 포트폴리오는 광모듈, 레이저, 광부품, 고속 데이터 전송 장비처럼 데이터 이동을 담당하는 하드웨어 쪽으로 비중을 높였다. 2025년 12월 13%였던 광학 네트워킹 H/W 비중은 2026년 3월 36%까지 커졌고, 최근에도 26% 수준을 유지하고 있다.

AI 시대에는 계산을 잘하는 칩뿐 아니라, 그 칩들이 서로 빠르게 연결되도록 해주는 통신 인프라가 중요해진다. 이 변화는 포트폴리오가 AI를 단순한 연산칩 테마가 아니라 데이터 이동 병목 테마로 보고 있음을 보여준다.

---

비메모리 IDM·파운드리·패키징 비중이 다시 올라왔다

4월 이후에는 비메모리 IDM·파운드리·패키징·전력반도체 비중이 다시 커졌다. 3월에는 이 비중이 0%까지 줄었지만, 4월과 5월에는 24%까지 회복됐다.

이 변화는 포트폴리오가 메모리와 광학 네트워킹에만 머무르지 않고, 다시 제조 기반과 후공정 병목까지 확장되었음을 의미한다.

AI 반도체는 설계만으로 완성되지 않는다. 실제로 생산할 수 있는 파운드리 능력, 고성능 칩을 묶어내는 패키징 기술, 전력 효율을 높이는 전력반도체와 전원관리 부품이 함께 필요하다.

따라서 최근 포트폴리오는 AI 하드웨어를 더 넓은 의미에서 보고 있다. 핵심은 연산칩 하나가 아니라 메모리, 네트워크, 제조, 패키징, 전력관리까지 이어지는 공급망 전체의 병목이다.

---

장비 비중을 0%까지 줄인 이유: 수요보다 가격 결정권과 이익 상향 속도를 봤다

초기 포트폴리오에는 반도체 장비·검사·계측 비중도 높았다. 2025년 12월에는 19%, 2026년 1월에는 24%까지 올라갔다.

반도체 설비투자가 늘어나면 장비 수요도 증가할 수 있기 때문에, 이 구간은 AI 반도체 투자 사이클을 넓게 반영한 영역이었다. 하지만 2월부터 장비 비중은 크게 줄었고, 3월 이후 최근 포트폴리오에서는 **0%**로 정리되었다.

이 변화는 단순히 장비 수요가 약해진다는 판단 때문만은 아니다. 핵심은 AI 병목이 심해질수록 이익 상향 조정의 속도와 가격 결정권이 칩을 직접 보유한 IDM·메모리·물리적 캐파 보유 업체 쪽에 더 빠르게 반영될 가능성이 크다는 점이다.

검사·계측 장비업체의 사례를 보면 이 차이가 드러난다. 해당 업체는 2026년 매출총이익률을 약 62% 내외로 유지할 수 있다고 봤지만, 단기적으로는 두 가지 비용 부담을 안고 있다.

첫째는 DRAM 가격 상승이다. 장비 내부에 들어가는 이미지 프로세싱 컴퓨터용 메모리 비용이 올라가면서 매출총이익률에 약 100bp 수준의 부정적 영향을 주고 있다. AI 수요로 메모리 가격이 오르면 메모리 IDM에는 실적 상향 요인이 될 수 있지만, 메모리를 부품으로 구매해야 하는 장비업체에는 비용 부담으로 작용할 수 있다.

둘째는 관세 부담이다. 현재 관세 영향으로 약 50~100bp 수준의 마진 부담이 발생하고 있으며, 회사는 운영 대응을 통해 연중 영향을 낮추려 하고 있다. 하지만 이 역시 장비업체의 단기 이익률 확장을 제한하는 요인이다.

여기에 더해 중요한 부분은 가격 정책이다. 검사·계측 장비업체는 고객 수요가 강하더라도 공급 부족을 이유로 희소성 기반 가격 인상을 하지는 않는다고 밝혔다. 가격 인상은 장비 성능 개선과 고객의 cost of ownership 개선에 기반한다는 입장이다.

이 말은 장비업체의 가격 결정 방식이 메모리 칩이나 일부 병목 부품과 다르다는 뜻이다. 메모리 가격은 수급이 타이트해지면 비교적 빠르게 판가에 반영될 수 있다. 반면 장비 가격은 고객과의 장기 관계, 생산성 개선, 장비 성능, 고객의 투자수익률 논리에 묶여 있다. 수요가 강해도 가격이 곧바로 급격히 오르기 어렵다.

식각·증착 장비업체의 경우도 비슷한 고민이 있다. 업계 전체 설치 웨이퍼 캐파가 과거 고점 대비 크게 줄어든 상황에서는 향후 greenfield 투자가 필요해질 수 있다. 3D NAND 고단화가 진행될수록 식각·증착 공정 기회가 늘어나는 것은 분명한 긍정 요인이다.

하지만 greenfield 투자는 시간이 필요하다. 부지를 확보하고, 인허가를 받고, 클린룸을 짓고, 장비를 반입하고, 엔지니어와 숙련 인력을 배치하는 과정에는 물리적인 시간이 걸린다. 인력과 설치 역량에도 제약이 있다. 따라서 NAND WFE 성장의 방향성이 좋더라도, 장비업체의 실적 상향은 메모리 칩 가격 상승처럼 즉각적으로 반영되기 어렵다.

결국 장비업체는 AI 설비투자 확대의 수혜를 받을 수 있지만, 협상 테이블에서는 상대적으로 제약이 있다. 고객인 IDM과 파운드리 업체들은 장비 구매 시 가격, 납기, 성능, 유지보수 조건을 강하게 협상한다. 반대로 메모리 IDM이나 물리적 캐파를 가진 업체들은 병목이 심해질수록 칩 가격 인상이라는 방식으로 수익성 개선을 더 빠르게 반영할 수 있다.

따라서 장비 비중 축소는 장비 산업의 장기 성장성을 부정하는 결정이 아니라, 병목 구간에서 누가 더 빠르게 이익을 상향 조정할 수 있는가에 대한 선택이다. 이번 포트폴리오는 설비투자 사이클 전체보다 가격 인상과 실적 상향이 더 직접적으로 나타날 수 있는 IDM, 메모리, 광학부품, 소재, 제조 캐파 보유 업체에 더 높은 가중치를 둔 구조로 바뀌었다.

---

소재·기판·테스트 인터페이스 부품은 하드웨어 공급망의 기초 체력이다

소재·기판·특수소재·테스트 인터페이스 부품 비중도 의미 있게 남아 있다. 2025년 12월에는 3%였지만, 2026년 3월에는 11%까지 올라갔고 최근에는 13% 수준까지 확대되었다.

AI 서버와 고성능 반도체는 칩 성능만으로 완성되지 않는다. 고속 신호를 안정적으로 전달할 수 있는 기판, 열과 전기적 특성을 견딜 수 있는 소재, 고성능 패키징에 필요한 부품, 테스트 과정에서 필요한 인터페이스 부품이 함께 필요하다.

AI 서버는 일반 서버보다 데이터 처리량이 많고 전력 소모도 크다. 그만큼 소재와 기판의 성능 요구치도 높아진다. 포트폴리오 안에서 이 영역은 AI 하드웨어 공급망의 기초 체력을 담당하는 구간이다.

이 영역을 장비와 구분해서 보는 이유도 여기에 있다. 장비업체는 고객의 설비투자 사이클과 협상 구조의 영향을 크게 받는다. 반면 소재·기판·테스트 인터페이스 부품은 AI 서버, 고성능 패키징, 고속 신호 전송, 반도체 테스트 수요와 더 직접적으로 맞닿아 있다.

---

전체 변화 방향을 정리하면

2025년 12월 중순의 포트폴리오는 AI 생태계 전반을 넓게 담고 있었다. AI 소프트웨어, 클라우드, 전력 인프라, 반도체 장비, 메모리, 네트워크, 광통신까지 함께 포함되어 있었다.

하지만 최근 포트폴리오는 훨씬 좁고 강해졌다. AI 소프트웨어와 전력 인프라는 빠졌고, 반도체 장비·검사·계측 비중도 0%로 정리되었다. 대신 메모리 IDM·NAND·스토리지, 광학 네트워킹 H/W, 비메모리 IDM·파운드리·패키징, 소재·기판·테스트 인터페이스 부품 중심으로 압축되었다.

이 변화의 핵심은 AI 시장에 대한 관점이 바뀐 데 있다. 초기에는 “AI가 성장하면 어떤 산업이 함께 좋아질까”라는 접근이었다면, 지금은 “AI가 성장할수록 무엇이 부족해지고, 그 부족함을 누가 가격과 이익으로 가장 빠르게 전환할 수 있을까”라는 접근에 가깝다.

AI 소프트웨어 비중 축소는 LLM 선두업체들의 빠른 기술 발전과 플랫폼화 흐름을 반영한다. 개별 AI 소프트웨어의 기능 차별성이 약해지고, 고객 데이터와 업무 흐름이 상위 LLM 플랫폼에 흡수될 가능성이 커졌기 때문이다.

장비 비중 축소 역시 같은 맥락이다. 장비 수요의 방향성은 좋지만, DRAM 비용 상승, 관세 부담, 고객과의 가격 협상 구조, greenfield 투자에 필요한 물리적 시간과 인력 제약을 고려하면, 장비업체의 이익 상향 속도는 IDM·메모리·물리적 캐파 보유 업체보다 상대적으로 느릴 수 있다.

결국 최근 포트폴리오는 AI 서비스의 성장성보다 AI를 실제로 구현하기 위해 반드시 필요한 하드웨어 공급망에 더 강하게 베팅하는 구조로 바뀌었다. AI가 더 많이 쓰일수록 누가 서비스를 제공하느냐보다, 그 서비스를 가능하게 만드는 메모리, 네트워크, 제조 캐파, 패키징, 소재 병목이 더 중요해질 수 있다는 판단이 반영된 변화다.

#글을 마치며

기업과 포트폴리오는 하나의 생명체와 닮아 있다.

생명체의 성장이 가장 풍부한 자원이 아니라 가장 부족한 자원에 의해 결정되듯, 산업과 기업의 성장도 결국 가장 강한 부분이 아니라 가장 취약한 병목에 의해 좌우된다.

그리고 그 병목이 해소되는 순간, 또 다른 부족한 자원이 새로운 성장의 최소값이 된다.

앞으로도 최소한의 법칙을 잊지 않고, 하나의 생명체를 키우듯 포트폴리오를 살피며, 지금의 병목이 언제까지 가격과 이익으로 전환될 수 있는지를 끝까지 검증해 나가며,

포트폴리오가 시들지 않도록 변화를 계속 관찰하고 관리하는 것이 중요하지 않을까 한다. 

=끝

생각정리 137 (* 해외투자점검 5)

이전 해외펀드 업데이트에서 메모리 계층·메모리 풀 투자 비중을 높인 데 이어, 네트워킹 섹터 비중도 추가로 확대했다.

그 배경에는 AI 시대의 메모리 풀·메모리 계층화가 더 이상 ‘메모리만의 이슈’가 아니라, 메모리와 이를 연결하는 네트워크 패브릭 전체의 구조적 변화라는 판단이 있다.

이 과정에서 Broadcom·Marvell·Credo는 각각 다른 층에서 메모리–네트워크 패브릭 수혜를 분담하는 핵심 기업군으로 보고 비중을 조정하였다.

(Gemini 3.0 성공적인 출시 이후 ASIC(=XPU)에 대한 위상이 올라간것도 이번 업데이트에 있어 주요한 포인트이기도 했다.)

ChatGPT의 점유율이 지속해서 하락하는 중

---

1. 왜 지금 “메모리 풀·계층화”가 중요한가

지금까지 AI 하드웨어 논의의 초점은 크게 두 가지였다.

• GPU, XPU 같은 연산 칩의 성능

• 그 옆에 붙어 있는 HBM의 용량·속도

그런데 **AI 추론(inference)**이 본격적인 시장으로 자리 잡으면서 문제의 성격이 달라지고 있다. 예를 들어,

• LLM의 긴 컨텍스트,

• 수많은 사용자의 동시 접속 세션,

• 에이전트·비디오 생성·자율주행처럼 상태(state)를 오래 유지해야 하는 서비스
  
  

이 늘어나면, HBM 몇 스택만으로는 용량·비용·공급 측면에서 한계에 부딪힌다.
이 지점에서 시스템 구조가 다음과 같이 변하기 시작한다.

• 칩 바로 옆에는 여전히 HBM

• 그보다 한 단계 바깥에 대용량 DRAM 풀 (DDR/LPDDR, SOCAMM, CXL 메모리 등)

• 더 바깥에 플래시 풀 (QLC SSD, HBF 등)
  
  

즉, 과거처럼 메모리가 “CPU/GPU 옆에 붙어 있는 단일 블록”이 아니라,
여러 층으로 잘게 나뉘어 “계층화”된 구조로 재편되고 있는 것이다.

여기서 핵심 포인트는 다음과 같다.

이제 메모리는 “CPU 옆에 꽂는 부품”이 아니라,
데이터센터 곳곳에 흩어져 있고, 네트워크로 묶이는 자산이 되었다.

 

이 순간부터 네트워크 계층이 메모리 스토리의 한복판으로 들어오게 된다.

---

2. 메모리 풀·계층화는 왜 네트워크를 끌어들이는가

비유를 들어보면 이해가 쉽다.

• 예전에는 책상 바로 옆 책꽂이(DIMM·HBM)에 필요한 책을 모두 꽂아두고 꺼내 쓰는 구조였다.

• 이제는 집 안 곳곳의 책장, 창고, 심지어 옆집 창고까지 책을 쌓아두고 필요할 때마다 들고 오는 구조로 바뀌고 있다.
  
  

이때 중요한 것은 두 가지다.

• 책을 어디에 얼마나 쌓아두느냐(= 메모리 용량)뿐 아니라

• 그 위치까지 얼마나 빠르고 안정적으로 다녀올 수 있느냐(= 네트워크·케이블·광 인터커넥트)이다.
  
  

다시 말해, “메모리 풀을 향한 길” 자체가 메모리 계층의 일부가 된다.
이 지점에서 Broadcom, Marvell, Credo가 서로 다른 층을 담당하게 된다.

---

3. Broadcom: 메모리 풀을 엮는 “이더넷 뼈대”

Broadcom은 가장 직관적으로 **AI 데이터센터의 “이더넷 뼈대”**를 쥐고 있는 회사라고 보면 된다.

• 랙 안·랙 간·데이터센터 전역을 묶는
  **스위치·라우터 칩(토마호크, 제리코 등)**을 공급하고,

• 최근에는 AI 전용 이더넷 패브릭을 전면에 내세우고 있다.
  
  

메모리 풀·계층화 관점에서 Broadcom의 역할은 다음과 같이 정리할 수 있다.

1. 외부 메모리 풀은 결국 네트워크 너머에 있다.

   • XPU ↔ 메모리 쉘프 ↔ 다른 랙의 CXL 메모리 박스

   • 이 모든 경로가 스위치·라우터를 통해 이더넷으로 연결된다.
     
     

2. 메모리 풀 규모가 커질수록,

   • 단순히 GPU·CPU 개수만 늘어나는 것이 아니라,

   • GPU당 필요한 네트워크 포트 수와 필요 대역폭이 더 빠른 속도로 증가한다.
     
     

따라서 메모리 풀·계층화를 이야기할 때는
“메모리 비트 증가”와 동시에 “Broadcom 포트·대역폭 증가”를 함께 보는 것이 자연스럽다.

정리하면,

Broadcom은 단순한 “AI 네트워크 업체”를 넘어서
“외부 메모리 풀까지 포함한 데이터센터 메모리 패브릭의 기본 뼈대” 역할을 한다.
메모리 풀·계층화가 진행될수록, 이 뼈대 위를 지나는 트래픽과 포트 수는 구조적으로 늘어난다.

 

---

4. Marvell: 메모리 바로 옆을 담당하는 “메모리 패브릭 칩”

Marvell 역시 네트워크 계열이지만, Broadcom보다 메모리 쪽으로 한 칸 더 들어와 있는 포지션이다.
특히 다음 두 영역이 메모리 풀과 직접 연결된다.

4-1. CXL 메모리 패브릭 (Structera 등)

• CPU·가속기와 외부 DRAM/CXL 메모리 모듈을 연결해
  하나의 메모리 풀로 만들어 주는 CXL 컨트롤러·스위치 제품군을 갖고 있다.

• 삼성전자·SK하이닉스·마이크론 등이 만드는
  CXL 메모리 모듈과 CPU/XPU 사이를 실제로 붙여주는 **“메모리 브리지”**에 가깝다.
  
  

4-2. 포토닉 패브릭 (Celestial AI 인수)

• 전기 대신 **빛(광)**으로 메모리–연산 사이를 연결하는
  **포토닉 패브릭 칩렛(Photonic Fabric)**을 인수해 전개 중이다.

• 장기적으로는 메모리 풀과 XPU 패키지 안팎을
  광 패브릭으로 엮는 구조까지 염두에 두고 있다.
  
  

메모리 계층화 관점에서 보면,

• Broadcom이 데이터센터 전역을 이더넷 패브릭으로 묶어 준다면,

• Marvell은 그 패브릭의 **“메모리 쪽 끝단”**에서
  CXL·포토닉을 통해 메모리 풀 자체를 만들고 붙이는 역할을 담당하는 셈이다.
  
  

따라서 Marvell은,

“메모리가 풀로 깔릴수록, 그 풀을 제어하고 묶어 주는 칩의 가치가 올라간다”
라는 방향에서 구조적 수혜를 받는 포지션이라고 정리할 수 있다.

 
Broadcom이 DC 전역 이더넷 패브릭에서 지배적 위치를 차지하고 있다면,

Marvell은 같은 네트워킹 포트폴리오를 바탕으로 하면서도, CXL 메모리 컨트롤러·XPU-attached·포토닉 패브릭 등 ‘메모리·XPU 인접 구간’에서의 존재감을 더 키우는 전략에 무게를 두고 있다.

---

5. Credo Technology: 케이블 회사가 아니라 “메모리 계층의 물리 레이어”

겉으로 보면 Credo는 **구리선(AEC)·광케이블(ALC, ZF Optics)**을 파는 인터커넥트 업체에 가깝다.

 하지만 최근 분기부터는 메모리 계층화 측면에서의 역할이 훨씬 더 뚜렷해지고 있다.

5-1. Weaver: HBM과 DDR을 이어주는 “메모리 전용 게이트웨이”

앞서 정리했듯이 Weaver는 새로운 메모리 칩이 아니다.
보다 정확한 표현은 다음과 같다.

**HBM만으로 부족해진 XPU에,
값싸고 많은 DDR 메모리를 “대용량으로 붙여 주는 전용 배선·연결 칩”**이다.

 

• HBM은 빠르지만 비싸고 부족한 메모리

• DDR은 상대적으로 느리지만 싸고 많이 깔 수 있는 메모리
  
  

Weaver는 이 둘을 잇는 전용 고속도로 역할을 수행한다.

이 구조를 사용하면,

• 자주 쓰는 핵심 데이터는 HBM에 두고,

• KV 캐시·히스토리·덜 자주 쓰는 파라미터는 DDR 풀에 두는 식으로
  **메모리 계층화(티어링)**가 자연스럽게 구현된다.
  
  

특히 추론 워크로드에서는,

• 동일한 XPU 수로 더 많은 세션을 처리하고,

• 더 긴 컨텍스트를 지원하며,

• 비디오/자율주행처럼 상태를 많이 들고 있어야 하는 서비스에서
  **“한 번에 들고 있을 수 있는 정보량”**을 크게 늘려 준다.
  
  

즉, Weaver는 메모리 계층화의 논리 레이어에서 직접적인 수혜를 받는 제품이다.

5-2. AEC·ALC·Zero-Flap Optics: 메모리 트래픽을 실어 나르는 물리 레이어

문제는 DDR 풀·CXL 메모리 박스가 늘어날수록,
Weaver 뒤쪽에 실제로 깔아야 하는 연결 경로가 기하급수적으로 많아진다는 점이다.

이때 Credo의 다른 제품들이 메모리 스토리와 자연스럽게 연결된다.

1. AEC (Active Electrical Cable)

   • 7m 안쪽 랙–랙·랙–보드 구간에서
     고신뢰·저전력 구리 케이블로 연결하는 제품이다.

   • XPU 보드와 인접한 메모리 쉘프·CXL 박스를 잇는
     “짧은 메모리 링크”에 적합하다.
     
     

2. ALC (Active LED Cable)

   • Micro-LED를 광원으로 사용해 최대 30m 도달 가능한
     더 얇고 긴 광 케이블이다.

   • 랙–랙, 로우(row) 단위로 흩어진
     메모리 노드·XPU 랙을 잇는 Row-scale 메모리 패브릭에 맞는다.
     
     

3. Zero-Flap Optics (ZF Optics)

   • 데이터센터 전역에서 레이저 기반 광 모듈을 더 안정적으로 쓰게 해 주는 솔루션이다.

   • 링크 상태 텔레메트리를 통해 링크 플랩을 사전에 감지·완화함으로써,
     대규모 inference 클러스터·메모리 패브릭 전체의 안정성을 높이는 역할을 한다.
     
     

정리하면, Credo는

• 위로는 Weaver로 HBM–DDR 계층화를 돕고,

• 아래로는 AEC·ALC·ZF Optics로
  DDR 풀·CXL 박스·메모리 쉘프까지 이어지는 실제 물리 경로를 책임지는 구조이다.
  
  

즉, 단순한 케이블 회사가 아니라,

“메모리 풀을 향한 길을 실제로 깔아 주는 물리 레이어”와
“HBM 한계를 DDR로 우회시키는 논리 레이어”를 동시에 가진 회사

 

로 보는 편이 훨씬 정확하다.

---

6. 정리: 메모리 비트만 보지 말고, “메모리 패브릭 체인” 전체를 보자

강조하고 싶은 메시지는 다음 한 문장으로 요약된다.

이번 AI 사이클에서 진짜 변화는
‘HBM 몇 스택을 더 붙이느냐’가 아니라,
메모리가 데이터센터 전체로 풀링되고,
그 풀을 네트워크 패브릭과 케이블이 하나의 계층으로 묶는 구조이다.

 

이 관점에서 메모리 풀·계층화의 밸류 체인을 나누면 대략 다음과 같다.

1. 메모리 비트 계층

   • HBM, DDR/SOCAMM, CXL 메모리, QLC SSD/HBF 등
     → 삼성전자, SK하이닉스, 마이크론 등
     
     

2. 메모리 패브릭·컨트롤 계층

   • Broadcom: AI 이더넷 패브릭 스위치/라우터

   • Marvell: CXL 메모리 컨트롤러·포토닉 패브릭, XPU-attached 솔루션

   • Credo Weaver: HBM–DDR 메모리 계층화 Gearbox
     
     

3. 물리 인터커넥트 계층(구리·광)

   • Credo AEC·ALC·ZF Optics 등

   • 기타 PAM4/Coherent DSP + 케이블 벤더
     
     

이 글에서 특히 강조하고 싶은 포인트는 세 가지이다.

1. 메모리 풀·계층화는 메모리 업체만의 스토리가 아니다.
   외부 메모리 풀을 깔려면, 그 메모리를 향한 길(네트워크·케이블·컨트롤러)이 함께 깔려야 한다.
   
   

2. Broadcom·Marvell·Credo는 이 “메모리 패브릭”의 서로 다른 층을 담당하는 동반 수혜주이다.

   • Broadcom: 데이터센터 전체를 묶는 이더넷 뼈대

   • Marvell: 메모리 풀 자체를 만드는 CXL·포토닉 패브릭

   • Credo: HBM–DDR 계층화(Weaver) + 메모리 트래픽이 지나는 실제 물리 경로(AEC·ALC·ZF)
     
     

3. 특히 추론(inference) 시대에는 “얼마나 싼 메모리를 얼마나 많이, 얼마나 멀리까지 붙일 수 있느냐”가 관건이며,
   이때 메모리 풀·계층화와 네트워크 계층 수혜는 분리해서 볼 수 없는 구조가 된다.
   
   

Credo Technology

Marvell Technology

Broadcom

마지막 정리

• Broadcom: DC 이더넷 패브릭 볼륨 레버리지

• Marvell: CXL·XPU-attached·포토닉 = 메모리·XPU 인접 패브릭 레버리지

• Credo: 메모리–네트워크 경계에서의 물리·논리 커넥티비티 니치 레버리지
  

=끝

생각정리 90 (* 해외투자 점검4, 반도체)

최근 Agentic AI 확산으로 테크·반도체 수요가 회복되고 있다. 앞선 글에서 메모리 사이클이 과거와 수요 측면에서 구조적으로 다를 수 있음을 지적했으며, 이번 글에서는 그 연장선에서 보다 구체적 상상을 기록해본다. 

결론적으로 무어의 법칙이 더 이상 유효하지 않은 환경에서 패키징 중심의 성능·집적도 향상과 에너지 소모 급증이 동시에 진행되고 있으며, 이는 메모리·장비·전력 인프라 전반의 수요 곡선을 재정의한다.

1. 무어의 법칙 이후: 패키징과 GPU가 여는 새로운 사이클

엔비디아의 젠슨 황과 변화를 예민하게 감지한 TSMC의 칩 엔지니어들은 CPU 중심 무어의 법칙의 한계를 일찍 인지했고, 그 결과 엔비디아는 GPU 아키텍처 고도화, TSMC는 첨단 패키징에 전력을 기울였다. 미세공정이 진전될수록 물리 법칙의 제약이 두드러지면서, 우리는 이전과는 다른 사이클의 초입에 서 있다.

관련된 내용으로는 ASML의 Investor Day에서 제시된 관점이 시사하는 바가 크다. 

첫째, 과거처럼 “칩당” 트랜지스터 집적도가 2년마다 2배 늘어나는 무어의 법칙이 아니라, “패키지당” 트랜지스터 집적도가 2년마다 2배 증가하는 새로운 패러다임(일종의 매슬로우 법칙 개념)이 미래의 지형을 설명한다는 주장이다. 

둘째, 무어의 세계에서는 2년마다 에너지 소모가 약 60% 감소했지만 이제는 반대로 AI 필요 에너지가 2년마다 5배 증가할 것이라는 전망이 제시된다. 더 나아가 AI 시대 전체 필요 에너지가 2년마다 16배 증가한다는 가정도 있다. 

이는 과거 대비 약 8배 빠른 속도의 에너지 수요 증가이며, 칩당 에너지 절감은커녕 칩당 필요 에너지가 기하급수적으로 늘어난다는 뜻이다. 필연적으로 비용과 전력 소비 문제가 전면으로 부상한다.

2. 과거의 경험칙을 넘어: AI 시대 반도체 가격 패러다임 전환

이 변화는 반도체 가격 형성의 ‘오래된 공식’을 무력화한다. 공정 미세화가 지속되면 자연스럽게 Bit growth가 증가하고 칩당 가격이 하락하던 과거의 경험칙이 더 이상 성립하지 않는다. 무어의 법칙이 한계에 봉착한 현재, 자연스러운 Bit growth·칩당 가격 하락·에너지 감소의 연쇄 공식이 붕괴하였다.

반면 AI 고도화에 따라 필요한 메모리 칩의 절대량은 기하급수적으로 증가한다. 결과적으로 과거와 달리 칩 가격의 구조적 상방 압력이 커질 가능성이 높다.

3. 선단공정의 역설: 효율 종결, 캐파·테스트의 확장

투자 관점에서의 함의는 분명하다. **종합반도체회사(IDM)**는 AI 시대의 잠재 이익을 크게 흡수할 위치에 있으며, 무엇보다 반도체 장비업체는 과거보다 훨씬 많은 수요를 충족해야 한다. 특히 과거 선단공정·미세화에 따른 자연스러운 Bit growth 증가분이 더 이상 자동으로 확보되지 않는 환경에서, 앞으로는 Bit growth 1단위당 필요한 장비 투입(장비 집약도)이 구조적으로 상승한다.

4. 투자 전략, P/F 변화

우리의 투자 전략도 위의 함의만큼이나 명확하다. 시장이 아직 감지하지 못한 이전과 다른 구조적 변화를 선제적으로 포착하고, 그 변화에 과감히 베팅한다. 이러한 원칙에 따라 우리 회사의 해외 P/F는 AI 소프트웨어 비중을 낮추고, AI 하드웨어—특히 메모리와 반도체 장비—비중을 확대하는 방향으로 재구성하였다.

해외투자 점검 3 (*이전)

선단공정 전환이 자동으로 에너지 절감으로 연결되던 시대는 끝났다. 오히려 필요 에너지 증가율이 기하급수적으로 상승하는 국면에 진입했으며, 이는 에너지, 인프라 산업 전반에 대한 capex 상향조정으로 이어진다. 

현재 시장에 유통되는 **전력 수요 예측치 다수는 Agentic AI의 본격화(예: 2025년 3분기 이후)**를 충분히 반영하지 못했다. 우리는 상향 수정 여지가 크다고 판단한다. 전력망과 에너지 공급이 물리적 한계에 직면하면 전력 가격 상승으로 이어질 가능성이 높고, 이는 SMR과 대형 원전의 ROI를 빠르게 개선하여 인허가 프로세스 가속을 촉발할 수 있다.

아울러 컨설팅 보고서의 통계·전망은 과거 데이터의 단순 결합에 머무는 경우가 적지 않다. 이러한 접근은 지정학 변화, 기술 변곡, 사회 변화 방향과 같은 핵심 변수를 충분히 내재화하지 못하는 구조적 한계가 있다. 따라서 향후 예측과 자본 배분에서는 이러한 구조적 변수의 재정의를 전제로 해야 하며, 우리는 이를 P/F 운용 전 과정에 반영한다.

요약하면, 패키지 중심 집적도 가속과 에너지 수요 폭증이라는 이중 전환이 진행 중이며, 그 결과 메모리·장비·전력 인프라 전반에서 장기적 수요 체인 상향과 가격 구조의 재편이 나타날 가능성이 크다.

지금의 메모리 사이클은 과거의 단순 순환이 아니라, 물리·아키텍처·에너지라는 3중 축의 구조 변화가 반영된 새로운 사이클에 가깝다. 그리고 우리는 그 변화가 시장 컨센서스로 인정되기 이전, 곧 대세화되기 전 단계에서 선행해 베팅을 한다. 

Lam Research

요점: Agentic AI → NAND 중심 데이터 폭증 → 3D NAND 고층화(400L→1,000L 경로)·고집적 패키징 강화가 맞물리면, **Lam Research(램리서치)**는 본업인 식각·증착·세정과 AP(첨단 패키징) 전후공정에서 동시 수혜가 커진다.

Tokyo Electron

요점: Agentic AI로 인한 메모리·로직 수요 폭증은 2nm, 3nm·HBM·첨단 패키징 램프를 앞당겨 TEL의 선단 에칭·증착·3D 집적·코터/디벨로퍼 등 핵심 장비와 필드솔루션 매출을 구조적으로 확대한다.

Advantest

요점: Agentic AI → 메모리/HBM 수요 폭증 & HBM4/HBM4E, N2 본격화 → 칩렛·KDG 중시로 웨이퍼 소트·다이레벨 테스트 인서션 급증 + SLT·핸들러·DI 동반 확대 → **Advantest(어드반테스트)**의 SoC/메모리 테스터 수요가 구조적으로 가속된다.

KLA

요점: Agentic AI 확산으로 HBM4·N2 선단로직·첨단 패키징(AP) 투자가 동시에 커지면, 공정제어(Process Control) 강도가 더 올라가므로 KLA 장비 수요는 구조적으로 동행 상승(상회 가능)

Seagate Technology

요점: Agentic AI → LLM 에이전트·멀티모달 파이프라인이 학습/미세조정·추론 로그·체크포인트·시뮬레이션·생성 데이터를 대량 생산 → 핫(SSD)만으로는 비용/TB 한계 → 하이퍼스케일러가 **웜/콜드 티어 객체저장(nearline)**을 확장 → $/TB가 가장 낮은 고용량 HDD로 캐파 증설 집중

Seagate는 HAMR 30→40(→50)TB로 드라이브/랙당 캐파를 대폭 상향해 TCO 우위 제공 + 7대 CSP 중 4곳 클라우드용 HAMR 완전 인증으로 채택 가속 + 수급 개선·BTO·신세대 우대가격으로 가격/믹스/마진 동시 개선

→ 결론: Agentic AI 데이터의 영속 저장 수요가 고용량 nearline HDD로 흘러가며 Seagate 수요와 수익성이 구조적으로 상승

(이하동문)

Western digital

Sandisk

#글을 마치며

예전에 잠깐 함께 근무했던 분께서 최근 2주간의 반도체 산업의 급격한 변화에 제대로 대응하지 못해 운용자금 상당부분을 한 번에 잃었다는 소식을 다리건너 전해 들었다.

이전과는 다른 전환점 변곡의 순간엔 언제나 희비가 엇갈리지 않나 싶다. 

구조적 전환을 빨리 읽고, 포지션을 신속히 바꾸는 사람에게는 변곡의 순간이 곧 초과수익의 기회가 될 수 있으며, 그렇지 못한 사람에게는 위기가 될 수 있다. 

지난 공식에 묶이지 않고, 최신 데이터로 가설을 계속 업데이트하는 태도가 중요하지 않나 싶다. 

=끝

해외투자 점검 3 (*2Q25 Review)

2Q25 실적이 어느정도 마무리된 시점에서 주력포지션에 대한 기업별 짧막한 리뷰를 남겨보고자 한다.

Nvidia

• 데이터센터 매출 QoQ +12%, 3Q 가이던스 +17% → Blackwell(GB200/300) 본격 램프.

• 네트워킹 급성장, InfiniBand 매출 전분기 대비 2배.

• 중국향 H20 칩 규제 변수 있지만 20~50억 달러 잠재 기회.

• 연간 아키텍처 주기(Hopper→Blackwell→Rubin)로 기술 리더십 강화.

• 총마진 70%대 복원 전망, 자사주 매입·M&A·생태계 투자 병행.
  
  

Fujikura

• 2Q25 통신시스템 매출 +58%, 영업이익 +125% → AI 데이터센터 특수.

• 전자·자동차 부문은 관세·환율·수요 전환기 영향으로 부진.

• FY25 영업이익 가이던스 +16% 상향, 순이익 1,030억 엔 전망.

• 배당 130엔→150엔(+15%), 배당성향 40%로 확대.

• 자기자본비율 52.5%, Net D/E 1:99 → 재무 안정성 개선.
  
  

Corning

• Optical Communications 수요 강세: 2023 $1.3B → 2025 $3B 이상 전망.

• Gen AI 데이터센터 확장, 엔터프라이즈 DC 광섬유 매출 급증.

• Apple과 켄터키 공장 협력, 차세대 커버글라스·R&D 강화.

• 미국 태양광 웨이퍼 사업 확대(’27년 $2.5B 목표), IRA 혜택.

• 디스플레이·특수소재 부문 안정적, 그룹 영업이익률 20% 근접.
  
  

TSMC

• 2Q25 매출 $30.1B(+17.8% QoQ), 총마진 58.6%.

• 3Q 가이던스 매출 $31.8~33B(+8% QoQ), GM 55.5~57.5%.

• 매출 74%가 선단(7nm 이하), HPC 비중 60%.

• 환율·해외 팹 딜루션이 단기 마진 압박 요인.

• N2 ’25H2 양산, A16 ’26H2 진입 → 장기 GM 53%+ 자신.

  
  

Oracle

• Q1 FY26 매출 +11%, OCI +54%, 클라우드 RPO +500%.

• AI 추론(inferencing) 수요 폭발, GPU·DB·클라우드 통합 제공.

• Butterfly 소형 클라우드·AI DB 벡터화 등 신제품 강화.

• FY26 CapEx $35B, OCI 매출 77% 성장 전망.

• 장기적으로 엔터프라이즈 데이터+LLM 결합 전략 강조.
  
  

Broadcom

• Q3 매출 $16B(+22%), AI 반도체 $5.2B(+63%).

• 신규 초대형 XPU 고객 확보, $10B 규모 주문.

• 네트워킹(Tomahawk, Jericho)로 LLM 확장 대응.

• VMware Cloud Foundation 출시, 소프트웨어 매출 +17%.

• 2026년 AI 매출 성장률 2025년보다 더 가속 전망.

Vertiv Holdings

• AI 데이터센터 특수로 35% 성장, 북투빌 1.2 유지.

• 액체 냉각 수요 확대, 고밀도 서버 인프라 투자 가속.

• 화이트 스페이스 솔루션(프리패브)로 구축기간 단축.

• 단기 관세·공급망 차질로 마진 압박 있었으나 하반기 회복 전망.

• 장기적으로 30~35% 점증 마진 구조 목표.

F5

• 3Q 매출 $780M(+12%), 제품 매출 +26%, EPS $4.16(+24%).

• 데이터센터 현대화·AI 대비 인프라 수요 반영.

• ADSP 플랫폼으로 보안·전달 통합, AI 기능 강화.

• 소프트웨어 구독 매출 +19%, 재발생 매출 73%.

• FY25 매출 성장 9%로 상향, 영업이익률 ~35% 목표.
  
  

Cloudflare

• 성장 동력 다변화: ACV 100만·500만 달러 이상 고객 급증.

• Workers 플랫폼, AI 워크로드 최적화 → GPU CapEx 확대.

• Pay-to-Crawl 모델로 LLM 학습용 콘텐츠 유료화 선도.

• Zero Trust·SASE 수요 확대, 글로벌 네트워크 차별화.

• 안정적 마진 구조 유지, 장기 고성장 가능성 강조.
  
  

Palantir Technology

• 2Q 매출 $1.004B(+48%), 미국 상업부문 +93%.

• Rule of 40 지표 94, TCV $2.3B 사상 최고.

• Ontology+AIP 기반 AI 상용화 가속, 생산성 혁신 사례 다수.

• 미 육군 10년 최대 $10B 계약 등 정부부문도 견조.

• FY25 매출 가이던스 상향, FCF 18~20억 달러 전망.

Nutanix

• VMware 전환 수요와 AI 추론 확산이 핵심 기회.

• HCI→풀 하이브리드 인프라 플랫폼 확장.

• FY26 성장률 15% 목표, 파트너십(Dell·Pure Storage) 확대.

• ARR 인식 방식 변경, 고객 로고 꾸준히 증가.

• 장기적으로 마진 확대와 안정적 성장 전망.
  
  

Spotify

• 2Q25 MAU 6.96억(+1,800만), 유료 2.76억(+800만).

• 매출 €4.2B(+15%), 영업이익 €406M, FCF €700M.

• 유럽 유료가입자 1억 돌파, LTV 극대화 전략.

• 광고는 전환기, 2026년부터 프로그램매틱 성과 기대.

• AI 기반 DJ·플레이리스트·추천 기능으로 참여도 강화
  
  

Pure Storage

• 2Q26 매출 $861M(+13%), 구독 매출 +15%, ARR $1.8B(+18%).

• Meta와 협력 본격화, FY26 내 1~2EB 규모 매출 기여 전망.

• Evergreen One·Cloud Block Store·Portworx 중심 성장.

• 총마진 72.1%, 고마진 구조 유지.

• FY26 매출 +14% 성장 전망, 구독·제품 동반 성장.
  
  

Reddit

• 2Q25 매출 $500M(+78%), 광고 +84%, DAU 1.1억(+21%).

• 광고 신제품(DPA, CAPI, Conversation Ads)로 CTR 개선.

• LLM 학습용 데이터 가치 부각, 데이터 라이선스 매출 +24%.

• 조정 EBITDA 마진 33%, 순이익 흑자 전환.

• 국제화·검색/Reddit Answers 확대가 성장축.
  
  

GE Vernova

|

• 2Q25 매출 +9%, EBITDA 마진 16.4%(Power), 전체 FCF +$200M.

• Power: 가스터빈 수주 견조, 서비스 수요 확대.

• Electrification: HVDC·변압기 수주 강세, 마진 14.6%.

• Wind: 단기 적자지만 하반기 손익분기점 근접.

• 연간 가이던스 상향(매출 $360-370억, EBITDA 89%).
  
  

Sempra

• 연간 CapEx ~$13B, 미국 규제 유틸리티 중심 투자.

• Oncor(텍사스) 5개년 360억 달러 투자, HB5247로 ROE 개선 기대.

• LNG 프로젝트(ECA, Port Arthur) 진척, 장기 수익성 확대.

• Ecogas·Infrastructure 지분 매각 추진 → 재무구조 강화.

• FY25 2Q 조정 순이익 $583M, EPS $0.89.
  
  

Siemens Energy

• 3Q25 수주 €16.6B(+65%), 수주잔고 €136B 사상 최대.

• 매출 €9.7B(+13.5%), 순이익 €697M, 마진 5.1%.

• Gas Services: 데이터센터 수요로 터빈 주문 급증.

• Grid Technologies: HVDC·변압기 강세, 마진 15.9%.

• Wind(온/오프쇼어): 재개·재설계 진행, 관세 영향 연간 €150M 수준.
  
  

Mitsubishi Heavy Industries

• 1Q25 매출 1.19조 엔(+7%), 사업이익 1,000억 엔(+25%).

• 에너지: GTCC 북미 수주 호조, 원자력·증기 안정 성장.

• 항공·방산: 보잉 787 납품 증가, 환율 역풍에도 이익 개선.

• 수주잔고 107.7조 엔, 재무 안정성 확보.

• 미국 관세 영향은 제한적, 대부분 고객 전가 가능.
  
  

Cheniere Energy

• Corpus Christi MS 8&9 FID 확정, 장기 75 mtpa 증설 로드맵.

• 2Q25 EBITDA $1.4B, DCF $0.92B, 순이익 $1.6B.

• FY25 가이던스 EBITDA $6.67.0B, DCF $4.44.8B로 상향.

• JERA·Canadian Natural 등 장기 SPA 확대, 아시아 비중↑
  
  

Cameco

• 원자력 확대 모멘텀, Tier-1 자산·Westinghouse 지분(49%) 활용.

• 2Q25 Westinghouse 매출 지분 개선, 가이던스 상향.

• 2025년 우라늄 생산 목표: McArthur/Cigar Lake 각 1,800만lb.

• 장기계약 가격대: 바닥 $70대, 상단 $130대 선호.

• GLE(레이저 농축) 2030년 첫 생산 목표, DOE와 협력 추진.
  

Vistra Corp (=Talen Energy, Constellation energy)

• 전력 수요 급증과 구조적 성장: AI·데이터센터·제조업 투자 확대에 따라 PJM·ERCOT 등 주요 시장에서 수요 증가세 지속.

• 안정적 실적 및 전망 상향: 2025년 EBITDA 55~61억 달러 가이던스 유지, 2026년 전망 최소 68억 달러로 상향.

• 성장 프로젝트 및 M&A: Lotus 가스발전소 인수(2.6GW), 원전·석탄→가스 전환

• 주주환원과 재무건전성: 자사주 매입·배당으로 65억 달러 이상 환원, 2026년부터 디레버리징 가속화로 투자등급 회복 목표.

P/F 기조

1. 구조적 CapEx 증대와 지속성

• Goldman Sachs/650 Group 추정에 따르면 2025~2029년 클라우드 데이터센터 CapEx 전망이 1Q25 대비 평균 25% 상향되었다.

• AI 학습/추론 수요에 따른 데이터센터 신규 투자와 전력 인프라 증설이 구조적으로 강화되고 있다.

• 이 흐름은 GPU/XPU·네트워킹 장비·광섬유·전력 인프라라는 포트폴리오 핵심 축을 뒷받침한다.
  
  

---

2. AI 컴퓨트 수요의 폭발적 증가

• OpenAI–Oracle 3,000억 달러 규모 계약은 단일 고객 중심 리스크에도 불구하고, 컴퓨팅 파워 확보 전쟁이 얼마나 치열한지를 보여준다.

• OpenAI는 4.5GW 전력 계약까지 체결했으며, 이는 데이터센터 전력 수요가 국가 단위 인프라에 준할 정도임을 입증한다.

• Broadcom은 AI 네트워킹·XPU 수요 급증을 반영해 AI 반도체 매출 가파른 성장세를 지속하고 있다.
  
  

---

3. 네트워킹 및 아키텍처 혁신의 부각

• Azure 임원 코멘트에서 보듯, 하이퍼스케일러조차 자체 데이터센터 100% 보유를 원하지만, 수요 폭발로 인해 코로케이션을 선택할 수밖에 없는 현실이다.

• 이는 네트워킹 장비·인터커넥트·냉각·전력 장치에 대한 병목 해소가 투자 포인트임을 의미한다.

• Google Ironwood TPU(와트당 FLOPS ~NVDA Blackwell 근접), Meta NVL72(Customized MGX), AMD MI350/400 라인업 등은 GPU/XPU 경쟁이 치열해지고 있음을 보여준다. 그러나 어떤 칩을 쓰든 네트워킹·전력·냉각·광학 인터커넥트는 공통 필수 요소로 남는다.
  
  

---

4. 전력·에너지 인프라 병목

• Musk 트윗 및 변압기 관련 코멘트에서도 나타나듯, 초고압 변압기·전력기기 공급 부족이 구조적 병목으로 부상하고 있다.

• 신규 공장 증설에는 최소 2~4년이 소요되므로, 단기적으로는 기존 업체 인수 혹은 현지 업체와의 협력이 불가피하다.

• GE Vernova, Siemens Energy, Sempra, Cheniere, Cameco, Talen Energy 등 전력망·LNG·핵연료·HVDC·원자력발전 종목은 AI 데이터센터 시대의 기저 인프라로 자리매김한다.
  
  

---

5. 광학·인터커넥트 혁신 필요성

• 구리 기반 인터커넥트는 전력 소모·비용·거리 한계에 직면.

• CPO(코패키지드 옵틱스) 및 첨단 포토닉 기술은 2027~2028년 대규모 상용화가 예상되며, **Corning·Fujikura·Broadcom(SerDes·옵틱스 통합)**이 이 분야의 핵심 수혜주이다.
  
  

---

6. 종합 포트폴리오 논리

따라서 포트폴리오를 AI H/W – S/W – 네트워킹 – 에너지 중심으로 가져가는 이유는:

1. 구조적 CapEx 상향: 데이터센터 투자 규모가 지속적으로 상향 조정됨.

2. 컴퓨트 수요 확산: GPU/XPU 경쟁이 심화되지만, 그 자체가 하드웨어·소프트웨어 수요를 폭발적으로 견인.

3. 네트워킹·인프라 병목: 전력·광섬유·냉각·변압기 등 필수 인프라가 한계에 직면, 인프라 플레이어의 가격결정력 확대.

4. 에너지 전환 필요성: AI 데이터센터는 기존 유틸리티·LNG·핵발전까지 총체적으로 끌어올림.

5. 중장기 지속성: GPU 경쟁 심화에도 불구하고, 네트워킹·광학·전력 인프라는 대체 불가적 성격을 띤다.
   

=끝

해외투자 점검 2

이전 해외투자 점검글에 이어 업데이트를 기록 해놓을까 한다.

해외투자 점검 Update

1. 포트폴리오 전략 변화 개요

이전 해외투자 점검 이후 가장 큰 변화는 PaaS 기반 AI Software 비중을 대폭 축소한 것이다. GPT-5 출시를 계기로 그간 마음속에 있던 의구심이 확신으로 바뀌었고, 이에 따라 Gitlab, Confluent, MongoDB, Datadog, Crowdstrike, Intuitive Surgical 편출시키고. Snowflake도 비중을 낮추었으며, 그 대신 Fujikura, Nitto Boseki, Oracle, TSMC, F5, Reddit, Cadence Design System, Corning, Spotify을 편입·확대했다.

---

2. LLM 고도화와 응용 소프트웨어 기업의 투자 리스크

(1) 보완재에서 경쟁재로의 전환

GPT-3·4 시기에는 대부분의 응용 소프트웨어 기업들이 대형 LLM의 조력자(Complementor) 역할을 수행했다.

• Snowflake, MongoDB는 데이터 저장·관리 인프라를 제공하며, LLM은 이를 질의·활용하는 인터페이스로 작동했다.

• Confluent, Datadog 역시 스트리밍·로그 모니터링 등 운영 데이터 공급의 핵심 축이었다.

그러나 GPT-5 이후 LLM이 데이터 질의·처리·분석·시각화 기능을 자체적으로 흡수하면서, 기존 소프트웨어 업체들은 LLM 플랫폼과 직접 경쟁하는 국면에 들어섰다.

(2) 주요 기업별 영향

• Datadog: 최대 고객인 OpenAI가 자체 로그·메트릭 툴을 개발 중이라는 보도가 나왔다. 2025년 하반기부터 Datadog 청구액이 감소할 수 있으며, Guggenheim은 이를 근거로 Datadog을 **‘중립’→‘매도’**로 하향 조정, 2026년 성장률을 기존 대비 4%p 낮춘 **15%**로 전망했다. 대형 고객 의존도가 높아 소비 최적화 압박이 구조적으로 지속될 가능성이 크다.

• Confluent: 주요 AI 네이티브 고객이 내부 데이터 플랫폼을 자가 관리(on-premise) 모델로 전환하며 Confluent Cloud 사용량을 크게 줄였다. 이는 4분기부터 매출 성장률을 단일 자리수로 둔화시키는 요인으로 작용할 전망이다.

• MongoDB: LLM이 자연어→데이터 질의 기능을 내장하면서 전통적 NoSQL 질의 인터페이스 의존도가 줄고 있다. OpenAI, Google, Anthropic이 자체 데이터 커넥터·벡터DB를 내장할 경우 일부 워크로드가 MongoDB를 거치지 않고 LLM 플랫폼에서 직접 처리된다. 단기적으로 스토리지 매출이 붕괴할 가능성은 낮으나, 장기적으로 고객 접점이 LLM에 흡수되며 부가 서비스 수익성 악화 위험이 있다.

• Snowflake: GPT-5가 경량 분석·시각화·데이터 파일 직접 질의 기능을 흡수함에 따라, Snowflake가 담당하던 BI·집계·파이프라인 일부가 불필요해질 수 있다. 단기적으로는 대규모 거버넌스·통합 수요 덕분에 안정적이나, 저부가가치 워크로드부터 LLM에 잠식될 수 있다.
  
  

(3) 산업 전반 및 투자 시사점

• 과거: 생성형 AI는 소프트웨어 기능을 강화하는 보완재였다.

• 현재: GPT-5는 데이터 저장·질의·분석·시각화 기능을 통합하며, 기존 SaaS를 대체할 가능성이 커졌다.

• 시장 반응: Business Insider, WSJ, FT 등 주요 매체들은 100여 개 이상의 SaaS 기업들이 AI 압박에 의해 squeezed(압착)되고 있다고 분석한다.
  
  

따라서 OpenAI·Anthropic·Google 등 대형 LLM 업체의 자체 기능 내재화, 소비 최적화, 온프레미스 전환 등으로 성장률 둔화가 가속화되고 있어, 응용 소프트웨어 기업의 고성장 내러티브는 약화되고 있다. 

앞으로 LLM이 더욱 고도화·정교화될수록 이러한 내재화·최적화 흐름은 한층 강화될 것으로 예상되므로, PaaS 비중을 축소하는 것이 바람직하다고 판단했다.

---

3. 신규 및 확대 포지션 기업

#Fujikura

AI 네트워킹 수요는 초기 Front-end(서버–ToR 연결)에서 출발했으나, 현재는 **백엔드 스케일아웃 네트워크(랙–랙 연결)**로 확장되고 있으며, TAM 기준으로는 프런트엔드보다 약 10배 이상 큰 시장 기회를 제공한다. NVIDIA NVL72에서 NVL144로 확장되면서 네트워크 트래픽은 기하급수적으로 증가하고 있으며, 이 과정에서 구리선(Copper Lane)의 한계가 드러나고 있다. 이에 따라 데이터 전송의 신뢰성과 효율성을 확보할 수 있는 광케이블 전환이 가속화되고 있다.

Fujikura는 일본을 대표하는 광섬유·광케이블 공급사로, 글로벌 데이터센터 및 통신 인프라 시장에서 중요한 역할을 담당하고 있다. Credo, Astera Labs가 AEC(Active Electrical Cable) 영역에서 기회를 포착한다면, Fujikura는 광케이블 수요 확대의 직접적인 수혜를 받을 수 있는 기업이다.

2025년 4월 트럼프 행정부의 관세 압박으로 AI H/W 섹터 전반이 조정을 받았으나, 미국 내 생산 투자 확대를 조건으로 일부 기업들이 관세 면제를 확보하면서 반도체 및 네트워킹 공급망의 불확실성이 완화되었다. 이러한 환경에서 Fujikura는 실적 모멘텀, 밸류에이션 매력, 엔화 절상 가능성을 동시에 보유해, 동종 업계 대비 상대적으로 높은 업사이드가 열려 있는 투자처로 평가된다.

#Nitto boseki

투자 관점에서 여전히 ASIC보다는 GPU에 우호적이며, 특히 Nvidia의 AI 칩 시장 우위를 높게 평가해 Nvidia 밸류체인에 프리미엄을 부여하는 전략을 유지하고 있다.

이 과정에서 Nvidia 공급망의 가장 큰 병목으로 지목되는 분야는 **유리섬유(glass fiber)**이며, 고품질 소재 확보의 중요성이 커지고 있다. Nitto Boseki는 반도체·AI 패키징 기판용 glass fiber 글로벌 핵심 공급사로, 기술력과 품질 측면에서 진입장벽이 높다. 다만 신규 CAPA 증설에는 최소 2년 이상의 리드타임이 소요되며, 최근 실적 발표에서도 보수적 증설 계획을 유지해 단기적으로 투자자 기대가 꺾인 바 있다.

그럼에도 불구하고, 대만 및 기타 경쟁사가 증설을 추진하고 있으나 Nitto Boseki의 품질 격차를 단기간 내 따라잡기는 어렵다. 전방 AI 수요가 꾸준히 강화되는 가운데, 동사 역시 중장기적으로 증설 태도를 바꿀 가능성이 높으며, 이는 주가의 재평가 요인으로 작용할 수 있다. 따라서 최근 조정 국면은 전략적 비중 확대의 기회로 판단했고, 무엇보다 너무 Value가 저평가되어 있었다.

#F5

AI가 소프트웨어적 두뇌 역할을 넘어 휴머노이드와 같은 H/W로 확산되면서, **AI Factory(데이터 센터)**에서 학습된 데이터가 현장 기계로 안전하게 전송·갱신되는 과정이 중요해지고 있다. 이때 핵심은 단순한 물리적 보안이 아니라, 데이터 전송 과정의 애플리케이션 보안·네트워크 최적화·API 관리이다.

F5는 글로벌 데이터센터 및 클라우드 환경에서 로드 밸런싱, 애플리케이션 보안, API 보호, 트래픽 관리를 제공하는 선도 기업이다. AI 워크로드가 확산될수록 데이터 흐름과 애플리케이션 계층 보안에 대한 수요가 폭발적으로 증가할 것이며, 이는 F5의 S/W·H/W 서비스 확장으로 이어질 전망이다. 따라서 F5는 AI 시대의 인프라 보안 및 트래픽 제어 측면에서 필수적 역할을 수행하며, 구조적인 수혜가 기대된다.

#Corning

AI 데이터센터 수요 폭증으로 인한 부지·전력·용수 등 인프라 제약이 심화되는 가운데, NVIDIA NVL144 등 고집적 장비 도입으로 데이터센터는 고밀도·소형화 추세가 가속화되고 있다. 동시에, 보안 이슈에 대응하기 위한 Sovereign AI DC와 엣지 DC의 부상이 이러한 흐름을 더욱 강화하고 있다.

이 과정에서 기존 **구리 전송(Copper Lane)**은 전송 속도·전력 효율 측면에서 한계에 도달하고 있으며, 업계는 점차 **광섬유 기반 전송(Optical Lane)**으로 구조적 전환을 진행 중이다.

Corning은 광섬유 및 광케이블용 특수유리 분야 글로벌 선도 기업으로, 미국 내 생산 거점과 원가 경쟁력을 기반으로 최적의 공급망 포지션을 확보하고 있다. 관세 부담 완화, 2025년 하반기 이후 예상되는 금리·물가 하락, 데이터센터 CAPEX 재개 국면은 Corning의 Optical Glass Fiber 사업에 가장 큰 어닝 레버리지를 제공할 것으로 보인다. 따라서 동사는 AI 인프라 투자 사이클에서 가장 탄력적인 수혜 기업 중 하나로 평가된다.

#Raddit

Reddit은 밈 주식으로 단순히 소비되던 시각과 달리, 커뮤니티 기반 양방향 소통 구조에서 차별적 강점을 지닌 플랫폼이다. 글·사진·영상 업로드와 댓글·투표를 통한 활발한 상호작용은 높은 사용자 참여도를 이끌고 있으며, 이는 Reddit의 고유한 경쟁력이다.

AI 시대에는 방대한 양의 텍스트 기반 정형 데이터가 가장 중요한 학습 자원으로 평가된다. Reddit은 이러한 데이터 생태계를 가장 활발하게 보유한 플랫폼 중 하나로, 이미 OpenAI 등 AI 기업들에 **데이터 라이선스(API)**를 제공하며 새로운 수익 모델을 구축하고 있다. Sam Altman이 초기 투자자로 참여했던 점도 상징적인 의미가 있다.

YouTube·Instagram이 비정형 데이터 중심 플랫폼이라면, Reddit은 언어·대화 기반 데이터를 제공해 AI 언어모델 학습에 특히 적합하다. 현재 LLM 학습데이터가 점차 고갈되는 상황에서, Reddit이 보유한 방대한 텍스트 데이터의 가치는 새롭게 재평가되고 있으며, 이에 따라 동사의 플랫폼 역시 구조적 수혜와 함께 재평가 국면에 진입할 것으로 판단된다.

#Oracle, TSMC

AI 해외주식투자 펀드를 처음 기획할 때 주력 포지션으로 보유했던 기업은 TSMC와 Oracle이었다. 그러나 트럼프 행정부의 관세 정책과 TSMC 정밀 타격으로 잠시 포지션을 줄였다가, 한국과 대만의 미국 내 대규모 반도체 공장 투자 약속을 조건으로 무관세 가능성이 대두되자 빠르게 재진입했다.

대만 정부는 자국 대표 반도체 기업이 미국 수출 시 100% 관세 부과 대상에서 제외되었다고 발표했고, TSMC 주가는 사상 최고치를 기록했다. TSMC는 미국 내 생산시설 구축을 이유로 관세에서 면제되었으며, 경쟁사 대비 우위를 유지할 수 있다는 평가가 나왔다.

AI 추론이 고도화되면서 토큰당 비용 경쟁력이 핵심 요소로 부상하고 있다. 이를 뒷받침하는 기반은 TSMC의 선단 공정 기술력이며, 동사는 파운드리 시장에서 압도적 점유율과 기술 리더십을 바탕으로 비용 전가력이 매우 높다. 삼성전자 및 SMIC와의 기술 격차는 여전히 뚜렷하며, 이는 TSMC의 독점적 지위를 강화하는 요인이다. 최근 미국 내 공장 투자로 트럼프 행정부의 관세 면제를 확보하면서, 지정학적 리스크 완화와 함께 주가가 사상 최고치를 기록했다.

한편, 미국 내 데이터센터 부지·전력·용수 부족으로 데이터센터 병목현상이 심화되는 가운데, Oracle은 자사의 클라우드 인프라(OCI)를 기반으로 AI 워크로드 최적화와 데이터베이스 중심 클라우드 서비스에서 차별화를 꾀하고 있다. Oracle은 AWS·Azure·GCP 대비 시장 점유율은 낮지만, 특정 고객군(기업 DB·AI 추론용 워크로드)에 특화된 성장 전략을 전개하며 장기 성장 가능성을 키워가고 있다.

#Spotify

2Q25 실적이 시장의 기대치를 하회해 매수기회가 생겼었고, 우리는 빠르게 대응했었다. 

Spotify는 글로벌 음원 스트리밍 시장에서 과점을 넘어 사실상 독점적 지위를 확보해가고 있다. 이는 단순한 음원 제공을 넘어 독보적 플랫폼으로 자리매김했음을 의미한다.

첫번째 투자 포인트로는 음원 스트리밍 시장은 저작권(소유권 이전, 사용료 배분 등)과 관련한 법적 이슈가 첨예하게 얽혀 있는 분야다. 이로 인해 신규 진입자가 단기간에 경쟁력을 확보하기 어렵고, 법·제도적 장벽이 1차적 진입장벽으로 작용한다.

두번째 투자 포인트로는 Spotify는 양면 플랫폼(two-sided platform) 구조를 기반으로 한다.

• 이용자(user) 증가 → 가치 상승: 이용자가 많아질수록 플레이리스트, 청취 데이터, 추천 알고리즘의 정교함이 향상되어 신규 사용자에게 제공되는 서비스 가치가 커진다.

• 아티스트·레이블 증가 → 콘텐츠 강화: 많은 아티스트와 레이블이 Spotify에 콘텐츠를 제공할 유인이 커지며, 이는 다시 풍부한 음원 라이브러리로 이어진다.

이처럼 사용자와 공급자가 서로를 끌어올리는 양방향 규모의 경제가 형성되어, 가입자 수가 늘어날수록 플랫폼 가치가 기하급수적으로 확대되는 선순환 구조가 자리 잡았다.

특히 2011년 페이스북 연동, 사용자 간 플레이리스트 공유 기능 등 소셜 요소를 공격적으로 도입해, 음악 자체가 **바이럴 루프(viral loop)**를 통해 신규 사용자 유입을 촉진하는 구조를 만들어냈다.

마지막 세번째 포인트로는 Spotify는 사용자 경험 기반의 데이터 축적을 통해 **스위칭 비용(switching costs)**을 높여왔다.

• 퍼스널라이즈드 추천: Discover Weekly, Daily Mix 등 개인화 추천 알고리즘은 사용자 취향 데이터가 쌓일수록 정교해져, 타 플랫폼으로의 이전 시 사용자 경험이 크게 저하된다.

• 데이터 기반 자산: 플레이리스트, 즐겨찾기, 청취 히스토리 등은 다른 서비스로 옮기기 어렵다. 이는 자연스럽게 높은 전환 장벽을 형성한다.

• 에코시스템 확장: Spotify는 음악뿐 아니라 팟캐스트, 오리지널 콘텐츠, 커뮤니티 기능을 통합해 종합 미디어 플랫폼으로 진화했다. 이는 단순 음악 청취 이상의 경험을 제공하며, 사용자가 타 서비스로 이동할 동기를 더욱 약화시킨다.
  
  

마진 확대 가능성

spotify는 다수의 창작자와 다수의 이용자를 직접 연결하는 독점적 유통 플랫폼으로 진화하며, 협상력 우위를 확보했다. 이는 원가 구조를 개선하고, 장기적으로 마진 확대 여지를 키우는 요인으로 작용한다.

Spotify가 장기간 글로벌 음원 스트리밍 시장에서 우위를 유지할 수 있었던 핵심 동력은 두 가지다.

1. 네트워크 효과: 대규모 사용자·콘텐츠 풀을 만들어내는 선순환 구조.

2. 락인 효과: 개인화 추천과 에코시스템 확장을 통한 높은 전환 장벽.

이 두 가지가 상호 보완적으로 작동하면서 Spotify는 단순한 스트리밍 서비스를 넘어, 독보적인 음악·미디어 플랫폼으로 자리매김하고 있다.

---

4. 거시환경 변화와 섹터 전략

• 거시환경: 트럼프 관세 리스크가 일단락되며 불확실성이 완화되었고, 미국 경제는 회복 국면에 진입했다.

• 섹터별 조정:

  • 금융·방산 → 비중 축소 (단기 모멘텀 약화, 안전자산 성격 희석)

  • AI 인프라·에너지 → 비중 확대 (AI Capex 모멘텀 가속, 전력·인프라 병목 심화)

• 운용 기조: 종목별 압축 전략을 통해 에너지와 인프라 비중을 실어주며, 포트폴리오 전체 집중도를 강화하는게 맞지 않나 싶었다. 
  
  

---

5. 결론

이번 조정은 거시 불확실성 완화 + AI 인프라 투자 가속이라는 이중 모멘텀을 반영한 전략적 섹터 재배치이다. 응용 소프트웨어 기업들의 불확실성이 커짐에 따라 비중을 축소하고, AI 인프라·소재·반도체·네트워킹 등 구조적 수혜 섹터로 재편함으로써 장기 경쟁력에 좀 더 초점을 맞추는 조정이었다.