📮 [메리츠 투자전략 황수욱]
2026.9.7

GPT-6 Astra 출시와
메모리 주가 반등 시사점

(자료) https://tinyurl.com/4wbv6a9w

Astra를 주요 벤치마크 점수를 기반으로 이전 모델과 비교할 때 AGI 달성 여부보다 중요한 것이 있다고 봅니다. 기존 AI LLM은 무엇을 해야하는지 알려주는 AI에 그쳤다면, Astra는 목표를 주면 컴퓨터를 직접 쓰면서 끝까지 결과를 만들어내는 AI에 가까워졌습니다.

OpenClaw 등 상대적으로 접근성이 높지 않았던 에이전트로서 AI의 역할을 Astra는 LLM 안에 내재화시킴으로써 일을 직접 해주는 AI 에이전트의 진입장벽을 낮춘 것이 핵심입니다. 1분, 10분, 1시간짜리 일을 해주던 것에서 3시간, 24시간짜리 일을 더 해줄 수 있게된 AI라는 겁니다.

눌려왔던 메모리 주가 반등은 2가지이유를 생각합니다. AI 워크로드의 확장에 기인한 AI 하드웨어 수요 저변 확대, 소프트웨어 주가 하락과 롱-숏 페어가 잡혀오던 반도체의 반등입니다.

7월 이후 토큰 가격 하락과 함께 AI 하드웨어 주가도 하락하고 소프트웨어 주가는 상승했습니다. 토큰 가격 하락이 AI 하드웨어 수요 둔화를 의미한다고 읽혔기 때문이라고 봅니다.

Astra를 기점으로 이 부분의 오해가 풀린다면, 다시 메모리가 반등할 재료 하나가 추가된 셈입니다. 토큰 가격을 낮추는 것은 '과열 경쟁'이 아닌 '기술진보'입니다. AI 하드웨어 수요는 GPU 임대료가 다시 반등하는 것에서 보이듯, Astra 이후 AI 컴퓨팅의 초과 수요가 더 가속화되는 그림으로 생각합니다.

최근 2달 시장 추세를 형성한 것은 펀더멘털이 아닌 매크로입니다. 금리, 환율이 당장 10월 중순까지 한국시장을 불편하게 할 수 있다는 사실은 크게 달라지지 않았습니다.

분명한 것은 매크로 불확실성 부분이 소화된다면 AI 중심으로 시장 추세를 반전시킬 재료들이 쌓여가고 있다는 겁니다. 펀더멘털 업사이드 리스크의 축적을 고려할 때, 남은 변동성 구간에서도 반도체를 크게 덜어내고 가기 어렵다는 주장을 계속 드리고 있는데, 이를 더 강화하는 그림입니다.

* 메리츠 투자전략 개별 텔레그램 링크: https://t.me/soowook_hwang

* 동 자료는 Compliance 규정을 준수하여 사전 공표된 자료이며, 고객의 증권 투자 결과에 대한 법적 책임소재의 증빙자료로 사용될 수 없습니다.

메크로가 매우 불안정한데도 지금을 유지하고 있는데 메크로가 해소되기 시작한다면?

젠슨 황, “AGI가 도래했다”

: 젠슨 황은 GPT-6 Astra가 10만 개 이상의 엔비디아 Grace Blackwell NVLink72를 활용해 학습됐으며, ChatGPT에서 o1을 거쳐 Astra까지 4년 만에 발전했다고 설명

; Astra를 계기로 AGI가 도래했다고 평가하며 오픈AI 팀에 축하 메시지 전달. 향후 추가로 40만 개의 GPU가 가동될 예정이라고 언급

: Crusoe 공동창업자 겸 CEO 체이스 록밀러도 Astra 발표를 계기로 오픈AI에 축하 메시지를 전하며, 텍사스 애빌린이 AGI의 탄생지가 된 것 같다고 평가

: 애빌린은 Crusoe가 구축에 참여한 오픈AI 스타게이트의 핵심 데이터센터 캠퍼스

→ GPT-6 Astra 성능 향상을 계기로 엔비디아와 스타게이트 인프라 파트너들이 공개적으로 ‘AGI 도달’이라는 표현을 사용하기 시작

→ 동시에 10만 개+ GPU 학습에서 추가 40만 개 GPU 가동으로 이어지는 만큼, 모델 성능 발전과 함께 프론티어 AI의 컴퓨팅 투입 규모도 확대 구간

https://x.com/jensenhuang/status/2096700264569090384

40만개로 돌린 모델은 또 어떤 세상을 만들지…

출처 : 이그전

출처 : 이그전

실리콘밸리 연구원: AI는 astra 이전과 이후로 나뉨. 이전 모델들은 지능이 있어도 사람의 일을 대체하기는 어려웠고, supervisor가 모든 것을 감시했어야 함. astra는 젠슨의 말대로 모든 분야에서 인간의 일을 대체해서 할 수 있는 수준의 지능에, 시키면 끝까지 해내는 완결성 또한 가졌음. 앞으로 컴퓨팅이 얼마나 부족할지 상상이 안 됨.

OpenAI Cofounder: AGI 시대에는 파트너(엔비디아 같은 인프라 업체)가 필수적

https://news.samsung.com/global/samsung-electronics-and-asml-expand-strategic-collaboration-for-next-generation-semiconductor-manufacturing

삼성전자 ASML과의 공식 발표에서 2028년부터 첨단 DRAM 양산에 High-NA EUV를 도입

카나투 스케줄이랑 비슷하네요.
공식적인 첫 입장

샘 올트먼, '아이디어맨의 시대'가 온다

샘 올트먼은 AI가 코딩 능력보다 아이디어와 사용자 이해력이 더 중요해지는 시대를 만들고 있다고 말했습니다.

1. GPT-5.6으로 만든 소프트웨어가 월 500달러씩 50명에게 판매되는 사례를 소개
2. GPT-6 Astra로 창업 비용이 크게 낮아졌다고 평가
3. 코딩을 못하더라도 사용자를 깊이 이해하는 사람에게 투자하고 싶다고 언급
4. 앞으로는 AI를 활용해 아이디어를 실제 제품으로 만드는 능력이 중요해질 전망

출처:
https://www.axios.com/2026/09/07/axios-interview-altman-touts-revenge-of-ideas-guy

인공지능 정보:
https://t.me/aiinnovationstudio

#SamAltman #OpenAI #GPT6Astra #창업 #AI에이전트 #인공지능

요즘 '이런 게 있었으면 좋겠다' 하고 생각만 하던 걸 현실로 만들어 가는 재미에 하루하루를 보내는 중입니다 ㅎㅎ

[삼성 파운드리 텍사스 테일러 팹, 양산 전 이미 풀 Capa]

: 삼성전자 파운드리 텍사스 테일러 팹, 이달 말 시험가동 예정

: 테슬라 AI5·브로드컴 차세대 통신반도체·Arm AI칩 등 2nm 수주로 이미 풀가동

: 2022년 이후 $370억 투자, 초기 생산능력 월 5만 웨이퍼 투입 기준

: 2nm 수율, 연초 60% 수준에서 최근 양산 가능 기준인 80%대 달성

: NVIDIA 추론 전용칩 'Groq3'(4nm 기반·256개 LPU 랙스케일 번들) 지난달부터 양산 개시, 삼성 올해 2nm 수주량 전년 대비 두 배 이상 증가 전망

: 연말 착공 예정인 테일러 2공장(2030년 양산 목표) 준비 가속

: 협력사에 생산장비 안전인증 사전 취득 요청, 일부 파트너사 수십 명 현장 파견 계획

: 경쟁사인 Intel $200억 신주 발행 후 2nm급 '18A'·차세대 1.4nm급 '14A' 투자 확대, 일본 Rapidus 홋카이도 2nm 팹 완공·웨이퍼 시험 투입 단계 진입.

============================

https://www.businesskorea.co.kr/news/articleView.html?idxno=276433

오늘 스터디에서 했던 말.

"오늘 밤 미장 흐름이 중요할 것 같다. 매크로 이슈를 아스트라를 통해 펀더멘털로 이겨낸다면 의미가 커 보인다."

내일 아침까지 좋은 흐름을 기대하며 굿밤입니다^^

오픈AI, 내부 모델로 나비에-스토크스 밀레니엄 문제 해결 발표

안녕하세요 삼성증권 글로벌 AI/SW 담당 이영진입니다.

오픈AI가 AI 산업의 변곡점으로 꼽히는 GPT-6 Astra보다도 뛰어난 '신규 내부 모델'과 멀티에이전트 시스템을 활용해 수학 난제 해결을 발표했습니다.

3차원 나비에-스토크스 방정식에서 매끄러운 초기 상태가 유한 시간 내 특이점을 형성할 수 있음을 증명한 것인데요

7개의 밀레니엄 문제는 현대 수학의 가장 중요한 미해결 난제로 해결 시 상금 100만 달러가 주어지고, 현재는 푸엥카레 추측만 해결된 상태입니다.

즉, 인류가 수십년간 해결하지 못한 최고 수준의 미해결 문제를 AI가 해결한 셈입니다.

물론 연구의 진행과 발표 조율 과정을 두고 뉴욕대 트리스탄 벅마스터와 앤스로픽 레벤트 알푀게와의 갈등이 존재했고, Lean 검증이 있다고 해서 수학계에서 문제 해결을 공식 인증한 것은 아닙니다.

하지만 이번 성과의 의의는 단순히 어려운 수학 문제 하나를 해결했다는 데 그치지 않습니다. AI 연구 자동화 능력이 새로운 단계로 발전하고 있음을 보여준 사례라는 것이 중요합니다.

오픈AI는 1만개 수준의 에이전트를 병렬로 가동해 서로 다른 가설과 접근법을 탐색시키고, 각 그룹에서 발견된 유망한 아이디어를 다른 그룹에 전파하며 연구를 진행했습니다.

사실상 대규모 연구 조직의 가설 설정, 탐색, 협업 과정을 AI 에이전트로 구현한 것입니다.

나비에-스토크스 문제 해결 과정에서 에이전트들은 270만 개의 메시지를 주고 받고, 약 1,300억 개의 출력 토큰을 사용했으며, 첫 에이전트 구동부터 해법 도출까지 걸린 시간은 약 88시간에 불과했습니다.

AI 스케일링의 축은 단일 모델 성능 향상을 넘어 에이전트 기반 AI 연구 조직의 규모와 투입되는 추론 컴퓨트로 확장되고 있습니다.

또한 내부 모델이 완성된 모델이 아니라는 점도 중요합니다. 해당 모델은 8/28일 학습을 시작했고, 연구 중 개선된 체크포인트를 지속 적용했습니다.

즉, 완성된 모델의 최대 성능이 아니라 학습 과정에서 이미 나타난 연구 능력으로 이번 결과를 만들어낸 것입니다.

마지막으로 향후 이러한 연구 방식은 수학을 넘어 과학과 공학 R&D 전반으로 확장될 가능성이 높습니다.

대규모 에이전트가 다양한 가설과 설계안을 병렬로 탐색하고, 시뮬레이션, 코딩, 실험 도구를 통해 결과를 검증하는 방식은 다양한 분야에 적용될 수 있습니다.

(2026/9/9 공표자료)

이 기사에 대한 부연설명을 추가로 해보자면
포드의 ESS 시장 진출은 K배터리에 상당한 위협 요인이었습니다