‒ 이번 급락은 Momentum 롱 포지션이 과도하게 쌓인 상태에서 변동성 상승으로 VaR 제약이 동시에 작동하며, 크라우딩된 컨센서스 롱이 마진 바이어 부재 속에 한꺼번에 흔들린 전형적인 수급 붕괴였음.
‒ Morgan Stanley QDS는 단기적인 Momentum·컨센서스 롱 반등 가능성은 인정하지만, 헤지펀드 포지션 정리가 하루 만에 끝나기 어렵고 세금 시즌을 앞둔 리테일 수요 둔화를 이유로 반등 시 매도가 합리적이라고 판단.
‒ 실제 수급을 보면 리테일 순매수는 1년 기준 16퍼센타일로 매우 약했고, 기관은 오전 현물에서 강한 순매도를 기록해 하루 내내 마진 바이어가 부재한 시장이었음.
‒ 하락은 AI, 국가안보, 희토류, Retail Favorites 등 최근 가장 crowded됐던 테마에 집중됐으며, 이는 전면적 디그로싱이 아니라 선택적 롱 축소 성격을 띰.
‒ Morgan Stanley L/S Momentum 페어(MSZZMOMO)는 하루 -7.7%로 4시그마 급락했고, 손실 대부분은 롱 레그 붕괴(-5.7%)에서 발생했으며 숏 레그 상승은 제한적이었음.
‒ 과거 사례상 이런 롱 주도형 Momentum 셀오프는 단기 성과가 부정적이었고, 1~2개월 구간 부진 후 3개월 시점에서야 회복되는 경향을 보였음.
‒ 역사적으로 롱 주도형 Momentum 셀오프는 평균 약 28거래일 동안 이어졌으며, 고점 대비 저점 기준 평균 누적 하락폭은 약 22%.
‒ 이번 충격 확산의 배경에는 글로벌 반도체 트레이드의 극단적 크라우딩이 있으며, 반도체는 현재 헤지펀드 북의 16%를 차지해 1년 전 대비 크게 확대된 상태.
‒ 리테일 측면에서도 1월의 공격적 매수는 급격히 둔화됐고, Retail Favorites는 최근 1주일 -11% 하락, 1월 강세 이후 2~3월 되돌림이 나타나는 계절성과도 부합.
‒ 여기에 레버리지 ETF 리밸런싱으로 하루 약 180억 달러의 기계적 매도가 발생했고, 딜러 감마도 사실상 순숏으로 기울며 향후 며칠~1주 추가 시스템 매도 리스크가 남아 있음.
‒ Morgan Stanley QDS는 단기적인 Momentum·컨센서스 롱 반등 가능성은 인정하지만, 헤지펀드 포지션 정리가 하루 만에 끝나기 어렵고 세금 시즌을 앞둔 리테일 수요 둔화를 이유로 반등 시 매도가 합리적이라고 판단.
‒ 실제 수급을 보면 리테일 순매수는 1년 기준 16퍼센타일로 매우 약했고, 기관은 오전 현물에서 강한 순매도를 기록해 하루 내내 마진 바이어가 부재한 시장이었음.
‒ 하락은 AI, 국가안보, 희토류, Retail Favorites 등 최근 가장 crowded됐던 테마에 집중됐으며, 이는 전면적 디그로싱이 아니라 선택적 롱 축소 성격을 띰.
‒ Morgan Stanley L/S Momentum 페어(MSZZMOMO)는 하루 -7.7%로 4시그마 급락했고, 손실 대부분은 롱 레그 붕괴(-5.7%)에서 발생했으며 숏 레그 상승은 제한적이었음.
‒ 과거 사례상 이런 롱 주도형 Momentum 셀오프는 단기 성과가 부정적이었고, 1~2개월 구간 부진 후 3개월 시점에서야 회복되는 경향을 보였음.
‒ 역사적으로 롱 주도형 Momentum 셀오프는 평균 약 28거래일 동안 이어졌으며, 고점 대비 저점 기준 평균 누적 하락폭은 약 22%.
‒ 이번 충격 확산의 배경에는 글로벌 반도체 트레이드의 극단적 크라우딩이 있으며, 반도체는 현재 헤지펀드 북의 16%를 차지해 1년 전 대비 크게 확대된 상태.
‒ 리테일 측면에서도 1월의 공격적 매수는 급격히 둔화됐고, Retail Favorites는 최근 1주일 -11% 하락, 1월 강세 이후 2~3월 되돌림이 나타나는 계절성과도 부합.
‒ 여기에 레버리지 ETF 리밸런싱으로 하루 약 180억 달러의 기계적 매도가 발생했고, 딜러 감마도 사실상 순숏으로 기울며 향후 며칠~1주 추가 시스템 매도 리스크가 남아 있음.
‒ Goldman Prime Brokerage에 따르면 최근 급락 국면에서 시스템 트레이딩, 펀더멘털 롱숏, 멀티스트랫까지 모든 주요 기관 전략이 동시에 손실을 기록했으며, 하루에 세 전략 모두 75bp 이상 하락한 사례는 2020년 코로나 급락 이후 처음.
‒ 목요일 기준 Systematic L/S는 +0.2%로 소폭 반등했으나, 이는 미국 북(book)의 기여에 따른 기술적 회복이었고, EM 아시아·유럽 포지션 손실이 이를 일부 상쇄.
‒ Fundamental L/S는 -0.8% 하락했으며, 손실의 주된 원인은 알파가 아닌 시장·베타 요인이었고, 특히 TMT 중심 매니저들은 하루 -1.7% 추가 하락을 기록.
‒ Goldman은 최근 변동성이 특정 섹터에 국한되지 않고 모멘텀, 집중 롱, 크라우디드 숏이 동시에 압박받는 환경으로 전이되고 있다고 평가.
‒ Multi-Strat 전략은 -1.2% 손실로 전일보다 더 악화됐으며, Goldman은 부정적 요인으로 변동성 상승, 크라우디드 숏 노출, 전반적 수익성 악화를 지적.
‒ 멀티스트랫 손실 확대는 단순 성과 문제가 아니라, 높은 레버리지 구조 하에서 리스크 관리 트리거(VaR 등)가 작동할 가능성을 높인다는 점에서 중요.
‒ 실제 PB 데이터상 전체 Gross 레버리지는 가격 하락에 따른 분모 축소 영향으로 오히려 상승했으며, 반면 거래 활동에 따른 실질 디레버리징은 아직 초기 단계.
‒ 미국 펀더멘털 L/S의 경우 Gross 레버리지는 1년 기준 98퍼센타일, 5년 기준 100퍼센타일에 위치해 있어, 추가 가격 하락 시 강제 축소 압력이 커질 수 있는 상태.
‒ 단일 종목 기준으로는 10월 이후 최대 수준의 디그로싱이 발생했으며, 산업재·정보기술·소재 섹터에서 롱 매도가 두드러졌음.
‒ Goldman의 종합 평가는 현재 국면이 아직 전면적 패닉 청산 단계는 아니지만, 높은 레버리지와 동시 손실 환경이 지속될 경우 PB 차원의 리스크 축소와 추가 디그로싱 압력이 확대될 수 있는 취약 구간에 진입했다는 것.
‒ 목요일 기준 Systematic L/S는 +0.2%로 소폭 반등했으나, 이는 미국 북(book)의 기여에 따른 기술적 회복이었고, EM 아시아·유럽 포지션 손실이 이를 일부 상쇄.
‒ Fundamental L/S는 -0.8% 하락했으며, 손실의 주된 원인은 알파가 아닌 시장·베타 요인이었고, 특히 TMT 중심 매니저들은 하루 -1.7% 추가 하락을 기록.
‒ Goldman은 최근 변동성이 특정 섹터에 국한되지 않고 모멘텀, 집중 롱, 크라우디드 숏이 동시에 압박받는 환경으로 전이되고 있다고 평가.
‒ Multi-Strat 전략은 -1.2% 손실로 전일보다 더 악화됐으며, Goldman은 부정적 요인으로 변동성 상승, 크라우디드 숏 노출, 전반적 수익성 악화를 지적.
‒ 멀티스트랫 손실 확대는 단순 성과 문제가 아니라, 높은 레버리지 구조 하에서 리스크 관리 트리거(VaR 등)가 작동할 가능성을 높인다는 점에서 중요.
‒ 실제 PB 데이터상 전체 Gross 레버리지는 가격 하락에 따른 분모 축소 영향으로 오히려 상승했으며, 반면 거래 활동에 따른 실질 디레버리징은 아직 초기 단계.
‒ 미국 펀더멘털 L/S의 경우 Gross 레버리지는 1년 기준 98퍼센타일, 5년 기준 100퍼센타일에 위치해 있어, 추가 가격 하락 시 강제 축소 압력이 커질 수 있는 상태.
‒ 단일 종목 기준으로는 10월 이후 최대 수준의 디그로싱이 발생했으며, 산업재·정보기술·소재 섹터에서 롱 매도가 두드러졌음.
‒ Goldman의 종합 평가는 현재 국면이 아직 전면적 패닉 청산 단계는 아니지만, 높은 레버리지와 동시 손실 환경이 지속될 경우 PB 차원의 리스크 축소와 추가 디그로싱 압력이 확대될 수 있는 취약 구간에 진입했다는 것.
결국 이것저것 종합해보면 이번 조정은 그득그득 껴 있던 레버리지 + 극단적으로 크라우딩된 포지션 조정 과정에서 나타난 움직임이었다는 것
너무 최근 시세에 대해 과몰입 망상할 필요 없이 딱 이 정도로만 이해할 생각
너무 최근 시세에 대해 과몰입 망상할 필요 없이 딱 이 정도로만 이해할 생각
NVIDIA 주가가 다시 아웃퍼폼하기 위해 필요한 조건들 — MS FAQs 정리 (26.01.29)
✅ 왜 NVIDIA는 실적은 좋은데 주가는 부진했는가
‒ 2025년 말 이후 NVIDIA는 실적 기대가 매우 높은 상태에서도 YTD 주가가 상대적으로 부진
‒ 과거 언더퍼폼 국면과 달리, 이번에는 리드타임·재고·DeepSeek 같은 단기 펀더멘털 우려가 거의 사라진 상태
‒ 컨센서스 EPS는 $7.75 수준이나, 시장에서는 이미 $9+ earnings power까지 광범위하게 인식하고 있음
‒ 즉, “실적 서프라이즈 가능성” 자체는 이미 주가에 상당 부분 반영돼 있는 상태라는 점이 과거와 다른 포인트
✅ 주가를 누르는 3가지 핵심 오버행
‒ MS는 주가 부진의 원인을 ① 고객사 자금조달(financing) 우려, ② ASIC·AMD와의 경쟁 논쟁, ③ AI 수혜 종목의 확산으로 정리
‒ AI 수요는 NVIDIA 한 곳에만 집중되지 않고, 메모리·파운드리·네트워크·전력 등 반도체 전반으로 퍼지고 있음
‒ 이 과정에서 “NVIDIA만 사야 하느냐”에 대한 고민이 커지며 상대적 주가 모멘텀이 약화
✅ ① 고객사 자금조달 리스크와 NVIDIA의 투자 역할
‒ OpenAI 관련 기업(MSFT, ORCL, SoftBank, CoreWeave 등)은 자금 부담 우려로 주가가 전반적으로 부진
‒ 특히 Oracle은 OpenAI 관련 IT Capex·리스·이자 비용 증가로 FY30 EPS 추정치가 3개월 만에 50% 하향된 상태
‒ NVIDIA가 OpenAI, Anthropic, CoreWeave 등에 지분 투자를 진행하면서 “사실상 생태계 금융 제공자” 역할을 하는 것 아니냐는 우려가 발생
‒ 다만 MS는 현재 NVIDIA의 투자는 대부분 지분 투자이며, 대규모 벤더 파이낸싱이나 장기 외상 구조는 없다고 명확히 언급
✅ 자금 우려에 대한 MS의 핵심 반론
‒ 가장 공격적인 고객사 Capex 계획은 ‘베이스 케이스’가 아니라 ‘불 케이스’를 정의하는 역할
‒ 실제 지출이 그보다 낮아져도, 방향성 자체는 여전히 Multi-Year 고성장 경로를 시사
‒ LLM 경쟁도 승자독식이 아니라 다수 플레이어 공존 구조로 전개 중이며, 누가 이기든 NVIDIA는 핵심 인프라 공급자 위치 유지
‒ OpenAI는 2025년 말 기준 run-rate 매출이 YoY 약 3.6배 성장, 엔터프라이즈 비중도 빠르게 확대 중
✅ ② ASIC·AMD 경쟁 우려 vs. Vera Rubin
‒ AI 반도체 전반이 75% 이상 성장하는 환경에서는 모든 업체가 “점유율이 늘고 있다”고 느끼는 착시 발생
‒ TCO 비교는 벤더 제공 수치 기반으로는 의미가 제한적이며, 실제 대규모 배치 이후에야 판단 가능
‒ MS는 NVIDIA가 CY25 기준 매출 점유율 약 85% 수준을 유지할 것으로 판단
‒ Vera Rubin은 Blackwell 대비 보드 조립 시간이 대폭 단축(약 2시간 → 5분)돼 2026년 램프업 리스크가 매우 낮다고 평가
✅ Vera Rubin이 갖는 전략적 의미
‒ 랙 스케일 네트워킹, FP4 정밀도, 프리필·디코드 분리, Rubin CPX 등 최신 AI 워크로드 최적화 기능을 통합
‒ MS는 2026년 기준 어떤 ASIC·머천트 GPU도 이 조합을 동일 수준으로 구현하지 못할 것으로 판단
‒ 최근 체크 결과, 고객 반응은 경쟁 제품보다 Rubin에 훨씬 더 집중돼 있음
✅ ③ AI 수혜의 확산과 NVIDIA의 상대적 위치
‒ 2026년은 AI가 반도체 생산능력 자체를 제약하는 국면으로 진입
‒ 메모리, 네트워크, 파운드리, 전력, 장비 등으로 수혜가 광범위하게 확산
‒ 이 과정에서 레버리지가 큰 다른 종목들이 상대적으로 더 강한 주가 퍼포먼스를 보일 수 있음
‒ 하지만 MS는 “만약 NVIDIA 성장이 둔화되면, 그 어떤 AI 수혜주도 성립하지 않는다”고 명확히 선을 긋고 있음
💡 정리: NVIDIA 주가의 다음 단계는 ‘의심 해소 구간’
» 실적은 이미 모두가 알고 있음, 문제는 금융·경쟁·생태계 역할에 대한 의심
» Vera Rubin 램프업과 GTC(3월 중순)는 경쟁력 논쟁을 정리할 핵심 이벤트
» 고객사 자금조달 구조에 대한 투명성이 확보될수록 밸류에이션 디스카운트 해소 가능
» NVIDIA는 더 이상 단일 GPU 회사가 아니라, AI 컴퓨팅 생태계의 중심 허브로 재평가될 단계에 근접
#NVDA
‒ 2025년 말 이후 NVIDIA는 실적 기대가 매우 높은 상태에서도 YTD 주가가 상대적으로 부진
‒ 과거 언더퍼폼 국면과 달리, 이번에는 리드타임·재고·DeepSeek 같은 단기 펀더멘털 우려가 거의 사라진 상태
‒ 컨센서스 EPS는 $7.75 수준이나, 시장에서는 이미 $9+ earnings power까지 광범위하게 인식하고 있음
‒ 즉, “실적 서프라이즈 가능성” 자체는 이미 주가에 상당 부분 반영돼 있는 상태라는 점이 과거와 다른 포인트
‒ MS는 주가 부진의 원인을 ① 고객사 자금조달(financing) 우려, ② ASIC·AMD와의 경쟁 논쟁, ③ AI 수혜 종목의 확산으로 정리
‒ AI 수요는 NVIDIA 한 곳에만 집중되지 않고, 메모리·파운드리·네트워크·전력 등 반도체 전반으로 퍼지고 있음
‒ 이 과정에서 “NVIDIA만 사야 하느냐”에 대한 고민이 커지며 상대적 주가 모멘텀이 약화
‒ OpenAI 관련 기업(MSFT, ORCL, SoftBank, CoreWeave 등)은 자금 부담 우려로 주가가 전반적으로 부진
‒ 특히 Oracle은 OpenAI 관련 IT Capex·리스·이자 비용 증가로 FY30 EPS 추정치가 3개월 만에 50% 하향된 상태
‒ NVIDIA가 OpenAI, Anthropic, CoreWeave 등에 지분 투자를 진행하면서 “사실상 생태계 금융 제공자” 역할을 하는 것 아니냐는 우려가 발생
‒ 다만 MS는 현재 NVIDIA의 투자는 대부분 지분 투자이며, 대규모 벤더 파이낸싱이나 장기 외상 구조는 없다고 명확히 언급
‒ 가장 공격적인 고객사 Capex 계획은 ‘베이스 케이스’가 아니라 ‘불 케이스’를 정의하는 역할
‒ 실제 지출이 그보다 낮아져도, 방향성 자체는 여전히 Multi-Year 고성장 경로를 시사
‒ LLM 경쟁도 승자독식이 아니라 다수 플레이어 공존 구조로 전개 중이며, 누가 이기든 NVIDIA는 핵심 인프라 공급자 위치 유지
‒ OpenAI는 2025년 말 기준 run-rate 매출이 YoY 약 3.6배 성장, 엔터프라이즈 비중도 빠르게 확대 중
‒ AI 반도체 전반이 75% 이상 성장하는 환경에서는 모든 업체가 “점유율이 늘고 있다”고 느끼는 착시 발생
‒ TCO 비교는 벤더 제공 수치 기반으로는 의미가 제한적이며, 실제 대규모 배치 이후에야 판단 가능
‒ MS는 NVIDIA가 CY25 기준 매출 점유율 약 85% 수준을 유지할 것으로 판단
‒ Vera Rubin은 Blackwell 대비 보드 조립 시간이 대폭 단축(약 2시간 → 5분)돼 2026년 램프업 리스크가 매우 낮다고 평가
‒ 랙 스케일 네트워킹, FP4 정밀도, 프리필·디코드 분리, Rubin CPX 등 최신 AI 워크로드 최적화 기능을 통합
‒ MS는 2026년 기준 어떤 ASIC·머천트 GPU도 이 조합을 동일 수준으로 구현하지 못할 것으로 판단
‒ 최근 체크 결과, 고객 반응은 경쟁 제품보다 Rubin에 훨씬 더 집중돼 있음
‒ 2026년은 AI가 반도체 생산능력 자체를 제약하는 국면으로 진입
‒ 메모리, 네트워크, 파운드리, 전력, 장비 등으로 수혜가 광범위하게 확산
‒ 이 과정에서 레버리지가 큰 다른 종목들이 상대적으로 더 강한 주가 퍼포먼스를 보일 수 있음
‒ 하지만 MS는 “만약 NVIDIA 성장이 둔화되면, 그 어떤 AI 수혜주도 성립하지 않는다”고 명확히 선을 긋고 있음
» 실적은 이미 모두가 알고 있음, 문제는 금융·경쟁·생태계 역할에 대한 의심
» Vera Rubin 램프업과 GTC(3월 중순)는 경쟁력 논쟁을 정리할 핵심 이벤트
» 고객사 자금조달 구조에 대한 투명성이 확보될수록 밸류에이션 디스카운트 해소 가능
» NVIDIA는 더 이상 단일 GPU 회사가 아니라, AI 컴퓨팅 생태계의 중심 허브로 재평가될 단계에 근접
#NVDA
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from 엄브렐라리서치 Anakin의 투자노트
1.
사실상 진짜 변화는 카이버 아키텍쳐가 도입되는 루빈 울트라부터 시작. 루빈 울트라에서는 랙당 GPU가 최대 576개가 탑재
이는 HBM 수요로 비교해보면 올해 하반기 베라 루빈 NVL144에서는 HBM4 288GB가 탑재(2 die 묶음)되기 때문에 랙당 탑재량은 20.7TB가 탑재되는 반면,
루빈 울트라에서는 랙당 GPU가 576개로 급증, HBM4E 1TB가 탑재(4 die 묶음)됨에 따라 랙당 탑재량은 144TB로 증가
즉, 사실 루빈 시리즈는 ’베라 루빈‘이 진짜가 아니라 카이버 아키텍처가 도입되는 ‘루빈 울트라’ 부터가 진정한 변화라고 생각. 여기서부터 HBM의 대역폭은 상상할 수 없을 정도로 증가
거기에 SOCAMM2와 ICMS까지 가세하면서 폭증하는 토큰 처리를 위해 메모리가 전방위적인 지원을 할 예정
시장에 회자되는 엔비디아의 800VDC와 전력 반도체, 슈퍼캐패시터, 미드플레인(기판)과 같은 기술들의 근본적 목적은 -> 한 랙 안에 더 많은 GPU(576개), 더많은 메모리(HBM 144TB)를 탑재하기 위함. 결국 이 모든 기술들은 연산과 메모리를 위해 존재하는 기술들인 것
2.
최근 추론의 핵심 영역은 어떻게 하면 폭증하는 토큰처리를 위해 KV캐시를 효과적으로 처리하느냐에 있음
그리고 그 근본적 해결책으로는 메모리 대역폭을 계속 확장하는 것
이는 과거 클라우드 시대와 AI 시대와의 근본적 차이
17~18년 클라우드 시대 때 메모리는 최대한 줄여야 데이터센터 입장에서 비용을 효율화시키는 것이었음. 그래서 등장한게 SW 가상화 같은 기술들
23년~ AI 시대에서 메모리는 최대한 많이 사용해야 오히려 데이터센터 관점에서 비용을 효율화시키는 것. 연산의 영역보다 더 바틀넥으로 작동하는게 메모리의 대역폭이 된 셈
에이젼트 AI 시대에서 토큰의 증가는 필연적. 이 과정에서 KV캐시의 증가는 선형적으로 증가, KV캐시를 읽어내는 HBM의 용량 증가와 메모리 대역폭 증가는 피할 수 없는 트렌드
최근 회자되는 몰트봇도 토큰량을 가지고 가격을 책정. 이제 뛰어난 에이젼트들은 더 많은 토큰을 사용할 것이고, 토큰당 비용을 낮추는게 최대의 쟁점이 될 것이라 생각. 몰트봇이 토큰 소비량 1위를 한 것이 이를 방증
3.
일부 투자자들은 빅테크들의 FCF와 capex를 걱정. 그러나 빅테크들은 capex를 많이 해서 AI 인프라를 최대한 확보해야지만 AI 성능을 올리고 동시에 AI에 사용되는 토큰당 비용을 낮출 수가 있음
즉, 장기적인 FCF를 위해 현재의 capex를 쓸 수밖에 없는 어쩔 수 없는 환경. 여기서 capex를 줄이면 일부 투자자들은 좋아하겠지만, 결국 그 csp의 AI 경쟁력은 도태될 것(성능과 가격 경쟁력 모두)
메모리 업체들은 이번 기회를 분명하게 잘 살릴 필요가 있다고 생각. 단순히 가격 협상을 1, 2분기에 얼마나 잘하고가 중요한게 아니라고 생각
개인적으로는 이번 기회를 통해 메모리 가격 협상 방식을 근본적으로 바꾸기 위해 노력할 필요. 메모리 capa 투자 시에 빅테크의 자금 협력을 받거나, 가격 및 물량 협상의 LTA 구속력 강화 등의 흐름들이 필요하지 않을까
몇 조 번다가 중요한게 아니라, 어떻게 몇 조를 벌고 있는지가 중요한 구간
사실상 진짜 변화는 카이버 아키텍쳐가 도입되는 루빈 울트라부터 시작. 루빈 울트라에서는 랙당 GPU가 최대 576개가 탑재
이는 HBM 수요로 비교해보면 올해 하반기 베라 루빈 NVL144에서는 HBM4 288GB가 탑재(2 die 묶음)되기 때문에 랙당 탑재량은 20.7TB가 탑재되는 반면,
루빈 울트라에서는 랙당 GPU가 576개로 급증, HBM4E 1TB가 탑재(4 die 묶음)됨에 따라 랙당 탑재량은 144TB로 증가
즉, 사실 루빈 시리즈는 ’베라 루빈‘이 진짜가 아니라 카이버 아키텍처가 도입되는 ‘루빈 울트라’ 부터가 진정한 변화라고 생각. 여기서부터 HBM의 대역폭은 상상할 수 없을 정도로 증가
거기에 SOCAMM2와 ICMS까지 가세하면서 폭증하는 토큰 처리를 위해 메모리가 전방위적인 지원을 할 예정
시장에 회자되는 엔비디아의 800VDC와 전력 반도체, 슈퍼캐패시터, 미드플레인(기판)과 같은 기술들의 근본적 목적은 -> 한 랙 안에 더 많은 GPU(576개), 더많은 메모리(HBM 144TB)를 탑재하기 위함. 결국 이 모든 기술들은 연산과 메모리를 위해 존재하는 기술들인 것
2.
최근 추론의 핵심 영역은 어떻게 하면 폭증하는 토큰처리를 위해 KV캐시를 효과적으로 처리하느냐에 있음
그리고 그 근본적 해결책으로는 메모리 대역폭을 계속 확장하는 것
이는 과거 클라우드 시대와 AI 시대와의 근본적 차이
17~18년 클라우드 시대 때 메모리는 최대한 줄여야 데이터센터 입장에서 비용을 효율화시키는 것이었음. 그래서 등장한게 SW 가상화 같은 기술들
23년~ AI 시대에서 메모리는 최대한 많이 사용해야 오히려 데이터센터 관점에서 비용을 효율화시키는 것. 연산의 영역보다 더 바틀넥으로 작동하는게 메모리의 대역폭이 된 셈
에이젼트 AI 시대에서 토큰의 증가는 필연적. 이 과정에서 KV캐시의 증가는 선형적으로 증가, KV캐시를 읽어내는 HBM의 용량 증가와 메모리 대역폭 증가는 피할 수 없는 트렌드
최근 회자되는 몰트봇도 토큰량을 가지고 가격을 책정. 이제 뛰어난 에이젼트들은 더 많은 토큰을 사용할 것이고, 토큰당 비용을 낮추는게 최대의 쟁점이 될 것이라 생각. 몰트봇이 토큰 소비량 1위를 한 것이 이를 방증
3.
일부 투자자들은 빅테크들의 FCF와 capex를 걱정. 그러나 빅테크들은 capex를 많이 해서 AI 인프라를 최대한 확보해야지만 AI 성능을 올리고 동시에 AI에 사용되는 토큰당 비용을 낮출 수가 있음
즉, 장기적인 FCF를 위해 현재의 capex를 쓸 수밖에 없는 어쩔 수 없는 환경. 여기서 capex를 줄이면 일부 투자자들은 좋아하겠지만, 결국 그 csp의 AI 경쟁력은 도태될 것(성능과 가격 경쟁력 모두)
메모리 업체들은 이번 기회를 분명하게 잘 살릴 필요가 있다고 생각. 단순히 가격 협상을 1, 2분기에 얼마나 잘하고가 중요한게 아니라고 생각
개인적으로는 이번 기회를 통해 메모리 가격 협상 방식을 근본적으로 바꾸기 위해 노력할 필요. 메모리 capa 투자 시에 빅테크의 자금 협력을 받거나, 가격 및 물량 협상의 LTA 구속력 강화 등의 흐름들이 필요하지 않을까
몇 조 번다가 중요한게 아니라, 어떻게 몇 조를 벌고 있는지가 중요한 구간
Gromit 공부방
S&P500 YTD 퍼포먼스 분해 산업재·소재·에너지 섹터는 EPS 성장보다 멀티플 확장(P/E 상승)이 수익률을 주도한 반면, 기술주는 EPS 성장 기여가 가장 컸음에도 불구하고 P/E가 -2.2%로 가장 크게 축소돼 밸류에이션 디레이팅이 주가에 압력으로 작용
S&P 500 YTD 퍼포먼스 분해
미장 테크의 억울함은 해소되지 않은 모습, 뭐 그 또한 시장의 뜻이겠거니
미장 테크의 억울함은 해소되지 않은 모습, 뭐 그 또한 시장의 뜻이겠거니
Forwarded from [메리츠 Tech 김선우, 양승수, 김동관]
[메리츠증권 전기전자/IT부품 양승수]
▶ 1월 대만 낸드 컨트롤러 공급 업체 Phison 매출액 10,451.6백만대만달러(+19.9% MoM, +189.2% YoY) 발표
- 지난달에 이어 역대 단월 기준 최고 매출을 재차 경신
- 1월 컨트롤러 총 출하량은 전년 대비 160% 증가했으며, 이 중 고마진·고기술 장벽의 산업용 컨트롤러 출하량도 전년 대비 약 70% 증가해 모두 단월 기준 사상 최고치를 기록
- Phison CEO는 1월부터 강력한 성장 모멘텀이 확인되고 있다며, 이는 글로벌 고급 스토리지 수요의 견조한 기반을 반영한 결과라고 강조
- 또한 NAND Flash 산업의 공급은 여전히 극도로 타이트한 상황으로, NAND 원제조사들이 CAPEX 및 증설 계획을 보수적으로 유지하고 있어 수급 불균형은 단기간 내 해소되기 어려운 구조라고 평가
- Phison은 엔터프라이즈 SSD와 고부가가치 맞춤형 스토리지 애플리케이션에 자원을 우선 배분해, 데이터센터 및 AI 수요 확대에 적극 대응하며 수익 구조 강화를 추진할 방침
- 중국 반도체 업체들의 조기 양산 논의와 관련해, Phison CEO는 초기 수율이 낮은 현실을 감안할 때 중국 내 거대한 내수 수요를 충족하기에도 아직 역부족이라는 입장을 표명
(자료: Phsion ir)
*본 내용은 당사의 코멘트 없이 국내외 언론사 뉴스 및 전자공시자료 등을 인용한 것으로 별도의 승인 절차 없이 제공합니다
▶ 1월 대만 낸드 컨트롤러 공급 업체 Phison 매출액 10,451.6백만대만달러(+19.9% MoM, +189.2% YoY) 발표
- 지난달에 이어 역대 단월 기준 최고 매출을 재차 경신
- 1월 컨트롤러 총 출하량은 전년 대비 160% 증가했으며, 이 중 고마진·고기술 장벽의 산업용 컨트롤러 출하량도 전년 대비 약 70% 증가해 모두 단월 기준 사상 최고치를 기록
- Phison CEO는 1월부터 강력한 성장 모멘텀이 확인되고 있다며, 이는 글로벌 고급 스토리지 수요의 견조한 기반을 반영한 결과라고 강조
- 또한 NAND Flash 산업의 공급은 여전히 극도로 타이트한 상황으로, NAND 원제조사들이 CAPEX 및 증설 계획을 보수적으로 유지하고 있어 수급 불균형은 단기간 내 해소되기 어려운 구조라고 평가
- Phison은 엔터프라이즈 SSD와 고부가가치 맞춤형 스토리지 애플리케이션에 자원을 우선 배분해, 데이터센터 및 AI 수요 확대에 적극 대응하며 수익 구조 강화를 추진할 방침
- 중국 반도체 업체들의 조기 양산 논의와 관련해, Phison CEO는 초기 수율이 낮은 현실을 감안할 때 중국 내 거대한 내수 수요를 충족하기에도 아직 역부족이라는 입장을 표명
(자료: Phsion ir)
*본 내용은 당사의 코멘트 없이 국내외 언론사 뉴스 및 전자공시자료 등을 인용한 것으로 별도의 승인 절차 없이 제공합니다
MS, Starcloud: Data Centers in Space — AI Goes Orbital (26.01.27)
✅ 문제의 출발점: 지상 AI 데이터센터의 구조적 한계
‒ AI 학습·추론 수요 급증으로 대규모·고전력 데이터센터 증설이 필수가 된 상황
‒ 모건스탠리는 미국 전력 수요 중 데이터센터 비중이 2026년 약 9%, 2030년대 중반에는 약 20%까지 상승할 것으로 추정
» 전력망 병목, 냉각 비용, 물 사용, 토지 인허가 문제로 지상 데이터센터 건설 난이도 급상승
» 지역 주민 반발과 정치적 압박이 확대되며, 데이터센터는 “물가·전기요금 상승의 원인”으로 인식되기 시작
‒ 반면 재사용 로켓 확산으로 우주 접근 비용은 장기적으로 구조적 하락 국면
‒ 지상 데이터센터 비용의 인플레이션 vs 저궤도 접근 비용의 디플레이션이라는 대비 구도가 형성됨
✅ Starcloud의 핵심 아이디어: “에너지를 보내지 말고, 연산을 옮긴다”
‒ 초기에는 우주 태양광을 지상으로 송전하는 모델을 검토했으나, 전송 손실로 경제성 부재
‒ 대신 전력이 풍부한 우주로 AI 연산 자체를 이동시키는 방향으로 전략 전환
‒ AI 연산은 향후 가장 빠르게 증가하는 전력 수요원이기 때문에, 입지 이동의 경제적 타당성이 있다는 판단
‒ 이 접근은 ‘우주 태양광’보다 ‘우주 연산 인프라’가 현실적이라는 문제의식에서 출발함
✅ Starcloud는 어떤 회사인가
‒ 2024년 설립된 우주 데이터센터 전문 스타트업
‒ CEO Philip Johnston는 엔지니어 출신으로, McKinsey 재직 시절 우주 기관 자문 경험 보유
‒ 공동창업진에는 SpaceX, Microsoft, Airbus Defense & Space 출신 기술 인력이 참여
‒ 본사는 워싱턴주 레드먼드로, Amazon·Microsoft·Blue Origin·SpaceX 등 우주·클라우드 클러스터 인접
‒ 2024년 Y Combinator 참여, 대형 시드 투자 유치
‒ 2025년 11월 세계 최초로 궤도에서 AI 모델 학습에 성공한 기업이 됨
✅ 왜 데이터센터를 우주에 두려 하나 — 기술적·물리적 장점
‒ 전력: 우주는 대기 손실 없이 거의 상수에 가까운 태양 복사 에너지 확보 가능
» 태양 복사량은 약 1,361W/m²로, 지상 태양광 대비 약 30% 이상 효율 우위
‒ 냉각: 지상 데이터센터는 냉각에 전체 전력의 최대 40%를 소모
» 우주는 대류 냉각은 불가하지만, 복사 냉각을 통해 열을 직접 방출 가능
‒ 지연시간: 최적 궤도 배치 시 글로벌 사용자와 수 ms 단위 연결 가능성
‒ 확장성: 재사용 로켓으로 kg당 발사 비용이 과거 대비 10배 이상 하락
‒ 리던던시: 전력망 장애, 지정학 리스크, 자연재해로부터 연산 자산 분산 가능
✅ 동시에 존재하는 근본적 장애 요인
‒ 방사선: 고궤도로 갈수록 태양입자·우주방사선 노출 증가
» 내방사 설계·차폐가 필수이며, 이는 중량·비용 증가로 직결
‒ 보안: 우주에는 소유권 개념이 없고, 위성 근접 정찰(RPO) 리스크 상존
» 대규모 우주 데이터센터는 새로운 군사·안보 표적이 될 가능성
‒ 열 관리: 대류·액체 냉각 불가 → 대형 복사 라디에이터 필요
‒ 유지보수: 고장 시 현장 수리 불가, 위성 단위 교체·중복 설계 필요
‒ 우주 파편: 1cm 이상 파편만 100만 개 이상으로 충돌 위험 급증
‒ 발사 비용 임계점: Starcloud는 kg당 약 500달러가 지상 대비 손익분기점이라 언급
» 이는 차세대 초대형 재사용 로켓 상용화 이후에야 가능
✅ Starcloud의 아키텍처 전략: 분산 → 단일 거대 구조
‒ 단기 전략은 수백 개 소형 위성을 광학 링크로 연결한 분산형 추론 네트워크
» 이는 유지보수·교체·리스크 분산에 유리
‒ 중장기적으로는 5GW급 단일 모듈형 데이터센터를 태양 동기 궤도에 구축
‒ 태양광 패널과 복사 라디에이터가 결합된 대형 구조물에
‒ 컨테이너형 GPU 모듈을 도킹 방식으로 추가·교체
‒ 주 구조물은 10년 이상 사용, 연산 모듈은 주기적 교체를 목표
✅ 기술 세부 구상
‒ 컨테이너형 연산 모듈은 전력·냉각·네트워크가 일체형
‒ 직접 액체 냉각 또는 침지 냉각 적용 가능성
‒ 랙당 약 120kW 전력 밀도를 가정
‒ 초대형 로켓 1회 발사로 약 40MW 연산 모듈 수송 가능하다는 가정
‒ 이론상 100회 미만 발사로 5GW급 연산 자산 구축 가능
‒ 지상 연결은 레이저 통신을 활용한 기존 위성망 연계
✅ 단계별 로드맵
‒ 2025.11: Starcloud-1 실증 위성 발사, H100 GPU 탑재 및 AI 학습 성공
‒ 2026년 말: Starcloud-2 상업용 위성 발사 예정
» Blackwell B200 GPU 클러스터, 상시 전력·저장·접속 제공 목표
‒ 2027년 이후: 분산형 추론 위성 네트워크 확장
‒ 2030년 이후: 초대형 로켓 전제 하에 GW급 훈련용 데이터센터 구축 구상
✅ 파트너 및 경쟁 구도
‒ 파트너: NVIDIA, Google, Crusoe, Star Catcher, Mission Space 등
‒ 경쟁: Google(Project Suncatcher), Amazon·Blue Origin, SpaceX, Axiom Space, Aetherflux 등
‒ 빅테크와 우주 기업 다수가 동일한 문제를 각기 다른 방식으로 실험 중
💡 정리: 우주 데이터센터는 ‘아이디어 실험’이 아니라 전력 병목이 만든 구조적 선택지
» AI 연산 수요는 전력·냉각·입지 제약을 동시에 압박
» Starcloud는 연산의 위치 자체를 바꾸는 극단적 해법을 제시
» 단기 상업성은 제한적이나, 2030년대 이후 인프라 옵션으로 의미 있음
» 핵심 변수는 발사 비용, 방사선 대응, 보안 체계, 초대형 로켓 상용화 속도
‒ AI 학습·추론 수요 급증으로 대규모·고전력 데이터센터 증설이 필수가 된 상황
‒ 모건스탠리는 미국 전력 수요 중 데이터센터 비중이 2026년 약 9%, 2030년대 중반에는 약 20%까지 상승할 것으로 추정
» 전력망 병목, 냉각 비용, 물 사용, 토지 인허가 문제로 지상 데이터센터 건설 난이도 급상승
» 지역 주민 반발과 정치적 압박이 확대되며, 데이터센터는 “물가·전기요금 상승의 원인”으로 인식되기 시작
‒ 반면 재사용 로켓 확산으로 우주 접근 비용은 장기적으로 구조적 하락 국면
‒ 지상 데이터센터 비용의 인플레이션 vs 저궤도 접근 비용의 디플레이션이라는 대비 구도가 형성됨
‒ 초기에는 우주 태양광을 지상으로 송전하는 모델을 검토했으나, 전송 손실로 경제성 부재
‒ 대신 전력이 풍부한 우주로 AI 연산 자체를 이동시키는 방향으로 전략 전환
‒ AI 연산은 향후 가장 빠르게 증가하는 전력 수요원이기 때문에, 입지 이동의 경제적 타당성이 있다는 판단
‒ 이 접근은 ‘우주 태양광’보다 ‘우주 연산 인프라’가 현실적이라는 문제의식에서 출발함
‒ 2024년 설립된 우주 데이터센터 전문 스타트업
‒ CEO Philip Johnston는 엔지니어 출신으로, McKinsey 재직 시절 우주 기관 자문 경험 보유
‒ 공동창업진에는 SpaceX, Microsoft, Airbus Defense & Space 출신 기술 인력이 참여
‒ 본사는 워싱턴주 레드먼드로, Amazon·Microsoft·Blue Origin·SpaceX 등 우주·클라우드 클러스터 인접
‒ 2024년 Y Combinator 참여, 대형 시드 투자 유치
‒ 2025년 11월 세계 최초로 궤도에서 AI 모델 학습에 성공한 기업이 됨
‒ 전력: 우주는 대기 손실 없이 거의 상수에 가까운 태양 복사 에너지 확보 가능
» 태양 복사량은 약 1,361W/m²로, 지상 태양광 대비 약 30% 이상 효율 우위
‒ 냉각: 지상 데이터센터는 냉각에 전체 전력의 최대 40%를 소모
» 우주는 대류 냉각은 불가하지만, 복사 냉각을 통해 열을 직접 방출 가능
‒ 지연시간: 최적 궤도 배치 시 글로벌 사용자와 수 ms 단위 연결 가능성
‒ 확장성: 재사용 로켓으로 kg당 발사 비용이 과거 대비 10배 이상 하락
‒ 리던던시: 전력망 장애, 지정학 리스크, 자연재해로부터 연산 자산 분산 가능
‒ 방사선: 고궤도로 갈수록 태양입자·우주방사선 노출 증가
» 내방사 설계·차폐가 필수이며, 이는 중량·비용 증가로 직결
‒ 보안: 우주에는 소유권 개념이 없고, 위성 근접 정찰(RPO) 리스크 상존
» 대규모 우주 데이터센터는 새로운 군사·안보 표적이 될 가능성
‒ 열 관리: 대류·액체 냉각 불가 → 대형 복사 라디에이터 필요
‒ 유지보수: 고장 시 현장 수리 불가, 위성 단위 교체·중복 설계 필요
‒ 우주 파편: 1cm 이상 파편만 100만 개 이상으로 충돌 위험 급증
‒ 발사 비용 임계점: Starcloud는 kg당 약 500달러가 지상 대비 손익분기점이라 언급
» 이는 차세대 초대형 재사용 로켓 상용화 이후에야 가능
‒ 단기 전략은 수백 개 소형 위성을 광학 링크로 연결한 분산형 추론 네트워크
» 이는 유지보수·교체·리스크 분산에 유리
‒ 중장기적으로는 5GW급 단일 모듈형 데이터센터를 태양 동기 궤도에 구축
‒ 태양광 패널과 복사 라디에이터가 결합된 대형 구조물에
‒ 컨테이너형 GPU 모듈을 도킹 방식으로 추가·교체
‒ 주 구조물은 10년 이상 사용, 연산 모듈은 주기적 교체를 목표
‒ 컨테이너형 연산 모듈은 전력·냉각·네트워크가 일체형
‒ 직접 액체 냉각 또는 침지 냉각 적용 가능성
‒ 랙당 약 120kW 전력 밀도를 가정
‒ 초대형 로켓 1회 발사로 약 40MW 연산 모듈 수송 가능하다는 가정
‒ 이론상 100회 미만 발사로 5GW급 연산 자산 구축 가능
‒ 지상 연결은 레이저 통신을 활용한 기존 위성망 연계
‒ 2025.11: Starcloud-1 실증 위성 발사, H100 GPU 탑재 및 AI 학습 성공
‒ 2026년 말: Starcloud-2 상업용 위성 발사 예정
» Blackwell B200 GPU 클러스터, 상시 전력·저장·접속 제공 목표
‒ 2027년 이후: 분산형 추론 위성 네트워크 확장
‒ 2030년 이후: 초대형 로켓 전제 하에 GW급 훈련용 데이터센터 구축 구상
‒ 파트너: NVIDIA, Google, Crusoe, Star Catcher, Mission Space 등
‒ 경쟁: Google(Project Suncatcher), Amazon·Blue Origin, SpaceX, Axiom Space, Aetherflux 등
‒ 빅테크와 우주 기업 다수가 동일한 문제를 각기 다른 방식으로 실험 중
» AI 연산 수요는 전력·냉각·입지 제약을 동시에 압박
» Starcloud는 연산의 위치 자체를 바꾸는 극단적 해법을 제시
» 단기 상업성은 제한적이나, 2030년대 이후 인프라 옵션으로 의미 있음
» 핵심 변수는 발사 비용, 방사선 대응, 보안 체계, 초대형 로켓 상용화 속도
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from Yeouido Lab_여의도 톺아보기
[연기금 국내주식] 코스닥 투자 비중 10%까지 늘릴까…검토 단계
https://news.einfomax.co.kr/news/articleView.html?idxno=4397908
9일 기획예산처에 따르면 지난 2024년 연기금의 코스닥 투자 규모는 5조8천억원으로, 국내주식 투자 규모의 3.7% 수준이다.
실제로 A 연기금의 경우, 현재 기준으로도 국내주식 투자금 가운데 코스닥 투자 비중은 2~3%에 그치는 것으로 파악됐다.
B 연기금도 코스닥 비중이 크지 않다. 기금 운용 벤치마크로 직접 운용 자금은 코스피200, 위탁 운용 자금은 코스피를 사용하고 있기 때문이다. 주로 위탁 운용 자금에서 벤치마크 수익률을 상회하기 위한 차원에서 코스닥을 일부 투자하고 있을 것으로 추정했다.
이들은 최근 들어 코스닥 비중 확대를 검토하고 있다.
...
공제회 한 최고투자책임자(CIO)는 "정부가 코스닥 제도 개선을 적극적으로 추진하고 있다"며 "코스닥 투자를 하고 있지 않던 기관들의 수급이 들어올 여지도 있다"고 기대했다.
이성훈 키움증권 연구원은 "코스닥 시장 내 부실기업이 퇴출되고 우량기업의 실적 성장이 부각될 수 있다면, 코스닥 지수의 왜곡 현상이 해소됨으로써 지수 전반의 리레이팅을 가져올 수 있다"고 말했다.
https://news.einfomax.co.kr/news/articleView.html?idxno=4397908
9일 기획예산처에 따르면 지난 2024년 연기금의 코스닥 투자 규모는 5조8천억원으로, 국내주식 투자 규모의 3.7% 수준이다.
실제로 A 연기금의 경우, 현재 기준으로도 국내주식 투자금 가운데 코스닥 투자 비중은 2~3%에 그치는 것으로 파악됐다.
B 연기금도 코스닥 비중이 크지 않다. 기금 운용 벤치마크로 직접 운용 자금은 코스피200, 위탁 운용 자금은 코스피를 사용하고 있기 때문이다. 주로 위탁 운용 자금에서 벤치마크 수익률을 상회하기 위한 차원에서 코스닥을 일부 투자하고 있을 것으로 추정했다.
이들은 최근 들어 코스닥 비중 확대를 검토하고 있다.
...
공제회 한 최고투자책임자(CIO)는 "정부가 코스닥 제도 개선을 적극적으로 추진하고 있다"며 "코스닥 투자를 하고 있지 않던 기관들의 수급이 들어올 여지도 있다"고 기대했다.
이성훈 키움증권 연구원은 "코스닥 시장 내 부실기업이 퇴출되고 우량기업의 실적 성장이 부각될 수 있다면, 코스닥 지수의 왜곡 현상이 해소됨으로써 지수 전반의 리레이팅을 가져올 수 있다"고 말했다.
연합인포맥스
[연기금 국내주식] 코스닥 투자 비중 10%까지 늘릴까…검토 단계
정부가 기금운용평가에서 코스닥을 벤치마크(BM)로 편입하기로 하면서, 국내 주요 연기금과 공제회들도 코스닥 비중 확대 검토에 나섰다.일부는 국내주식 내 코스닥 투자 비중을 10%까지 늘릴 가능성도 열어두고 ...
Gromit 공부방
S&P 500 YTD 퍼포먼스 분해 미장 테크의 억울함은 해소되지 않은 모습, 뭐 그 또한 시장의 뜻이겠거니
이익 변화가 아니라 멀티플 변화가 2026년 S&P 500 섹터별 퍼포먼스의 거의 전부를 설명