Google goes heavy on investment but light on detail
https://www.ft.com/content/279f9aa5-1135-4b69-b3c5-05a73e1a56fb
https://www.ft.com/content/279f9aa5-1135-4b69-b3c5-05a73e1a56fb
#spot
- 컨퍼런스콜 중
- “DeepSeek과 관련해서, 우리는 이것이 대형 AI 모델과 인공지능 전반이 빠르게 상품화되고 오픈 소스로 전환되고 있다는 추가적인 증거라고 보고 있습니다. 즉, '단위 지능당 비용'이라고 표현할 수도 있는 이 비용이 급격히 감소하고 있으며, 업계 전망에 따르면 앞으로도 계속 하락할 것으로 예상됩니다. 따라서 우리는 신중한 수준에서 투자하고 있다고 느끼며, 앞으로도 이러한 기조를 유지할 것입니다. 현재 우리의 위치와 투자 수준에 대해 매우 긍정적으로 평가하고 있습니다.”
- 컨퍼런스콜 중
- “DeepSeek과 관련해서, 우리는 이것이 대형 AI 모델과 인공지능 전반이 빠르게 상품화되고 오픈 소스로 전환되고 있다는 추가적인 증거라고 보고 있습니다. 즉, '단위 지능당 비용'이라고 표현할 수도 있는 이 비용이 급격히 감소하고 있으며, 업계 전망에 따르면 앞으로도 계속 하락할 것으로 예상됩니다. 따라서 우리는 신중한 수준에서 투자하고 있다고 느끼며, 앞으로도 이러한 기조를 유지할 것입니다. 현재 우리의 위치와 투자 수준에 대해 매우 긍정적으로 평가하고 있습니다.”
JPM)
HBM 내 추론(Inference) 수요 증가 제한, 엣지 AI 및 일반 DRAM 수요 증가 가능성
우리는 비용 효율적인 추론 모델(예: DeepSeek)의 확산이 엣지 AI 전환을 가속화할 것으로 예상하며, 이에 따라 기존 DRAM의 수요 증가 가능성이 HBM보다 높다고 봅니다. 이는 중앙 연산(memory demand)에서 추론이 차지하는 비중이 10%에 불과하기 때문입니다.
추론용 ASIC 칩에서 HBM의 채택률은 여전히 낮으며, 이는 콘텐츠 및 비트 수요 측면에서도 마찬가지입니다(도표 14, 15 참고). 현재 우리는 2026년 PC 및 스마트폰에서 엣지 AI 도입률을 각각 25%/40%로 모델링하고 있으며, 엣지 AI가 100%로 완전히 전환될 경우 비트 수요가 급격히 증가할 가능성이 있습니다.
기본 시나리오 대비, 엣지 AI 비트 수요는 220% 이상의 증가 가능성을 보이며, 이는 전 세계 DRAM 시장(TAM, Total Addressable Market)에 20%의 성장 기회를 제공할 수 있습니다.
HBM 측면에서 보면, 비용 효율적인 추론 모델이 GPU 수요를 감소시키지는 않을 것으로 예상되며, 오히려 더 많은 수요를 유발할 가능성이 높습니다. DeepSeek의 논문(링크 참조)에 따르면 반복적 훈련(iterative training)이 추론 모델의 성능을 높이는 더 나은 방법이라고 제시하고 있으며, 이는 AI 훈련 수요가 지속될 것임을 시사합니다.
HBM 내 추론(Inference) 수요 증가 제한, 엣지 AI 및 일반 DRAM 수요 증가 가능성
우리는 비용 효율적인 추론 모델(예: DeepSeek)의 확산이 엣지 AI 전환을 가속화할 것으로 예상하며, 이에 따라 기존 DRAM의 수요 증가 가능성이 HBM보다 높다고 봅니다. 이는 중앙 연산(memory demand)에서 추론이 차지하는 비중이 10%에 불과하기 때문입니다.
추론용 ASIC 칩에서 HBM의 채택률은 여전히 낮으며, 이는 콘텐츠 및 비트 수요 측면에서도 마찬가지입니다(도표 14, 15 참고). 현재 우리는 2026년 PC 및 스마트폰에서 엣지 AI 도입률을 각각 25%/40%로 모델링하고 있으며, 엣지 AI가 100%로 완전히 전환될 경우 비트 수요가 급격히 증가할 가능성이 있습니다.
기본 시나리오 대비, 엣지 AI 비트 수요는 220% 이상의 증가 가능성을 보이며, 이는 전 세계 DRAM 시장(TAM, Total Addressable Market)에 20%의 성장 기회를 제공할 수 있습니다.
HBM 측면에서 보면, 비용 효율적인 추론 모델이 GPU 수요를 감소시키지는 않을 것으로 예상되며, 오히려 더 많은 수요를 유발할 가능성이 높습니다. DeepSeek의 논문(링크 참조)에 따르면 반복적 훈련(iterative training)이 추론 모델의 성능을 높이는 더 나은 방법이라고 제시하고 있으며, 이는 AI 훈련 수요가 지속될 것임을 시사합니다.
🤔3