BMO 캐피탈

- 엔비디아의 데이터센터 매출이 27년 +90%, 28년 +52% 성장 전망

- 지난번 컨콜에서 젠슨황은 27년 총매출 가이던스 +70%를 제시하며 시장이 환호한 바 있음

- 관심리포트 알림 -
[KB: 산업]
반도체 - 스팟코멘트 : 미 · 중 AI 경쟁의 최대 수혜
김동원, 2026-09-08


- 미국이 AI 성능 상단을 열고, 중국이 AI 비용 하단 낮출 것
- 미국과 중국의 AI 데이터센터 2배 이상 증설 예상
- 내년은 메모리 수요 급증과 공급 제약의 교차점, Top picks: 삼성전자, SK하이닉스
☞ https://bit.ly/4gS46qt

------------------------------
▶리서치자료 찾기가 어려우셨나요?

🏄KB리서치 전용 홈페이지 Click!
☞ https://rc.kbsec.com
------------------------------

바이두, 알리바바, 텐센트, 바이트댄스 등 중국 4대 CSP 업체들은 미국 하이퍼스케일러와 마찬가지로 삼성전자와 SK하이닉스에 장기공급계약을 강하게 요청하고 있다.

CXMT가 공격적으로 증설하면 글로벌 디램 공급 충분해지는거 아니었나..

* Darren on X(중국인 AI 헤비유저)


"Astra 출시 후, API 토큰 가격은 이미 참고 가치가 없어졌고, 오픈소스 플래그십 모델의 "가성비 서사"는 완전히 파괴됐다.

토큰 단가를 단편적으로 보면, Astra는 터무니없이 비싸다:

Astra: $50/M 출력
Kimi K3: $15/M 출력
GLM 5.3: $4.4/M 출력
DS V4 Pro: $3.96/M 출력

겉보기엔 Astra가 3배에서 12배까지 비싸다.

하지만 DeepSWE에 넣어 실제 작업 하나를 완수해보면, 최종 청구서는 완전히 다른 이야기다:

Astra medium: 73% 성공률 | $4.38/작업
Kimi K3 max: 69% 성공률 | $4.65/작업

단가가 3배 이상 비싼 Astra가, 총 비용으로는 Kimi보다 더 저렴하다!


더 무서운 건 Astra low(차원 축소 타격)다:

비슷하게 ~68% 정도의 합격 성공률을 달성할 때:
GLM 5.3은 $3.99가 필요하지만, Astra low는 단 $2.19만 들면 된다.


명목 단가가 10배 비싼 모델이, 같은 일을 할 때 비용을 거의 반으로 줄여버린다.

왜 단가가 하늘 높은 모델이 실제 계산해보면 더 저렴할 수 있을까?

핵심 차이는 추론 효율성과 경로 수렴 능력에 있다:

- Astra medium: 26단계로 핵심을 직격(20k 토큰)
- Kimi K3 max: 98단계로 먼 길을 돌아 완수(81k 토큰)
- GLM 5.3 max: 124단계로 끊임없는 시행착오(80k 토큰)
- DeepSeek V4 Pro: 155단계로 끝없이 빙빙 돌기(106k 토큰)

에이전트 작업이 한 걸음만 더 가면, 거대한 역사적 컨텍스트 반복 전송과 컴퓨팅 파워 낭비가 발생한다.

Astra는 노련한 고급 아키텍트처럼 몇 걸음 만에 전투를 끝내지만, 다른 모델들은 맹목적인 시행착오로 빙빙 돈다.

26단계 vs 155단계, 절감된 건 진짜 돈뿐 아니라, 극도로 귀중한 엔드투엔드 대기 시간과 엔지니어링 안정성이다.

과거엔 모델 경쟁에서, 토큰 단가를 깎아대며 가성비를 과시하는 데 익숙했다.

하지만 Astra가 업계에 준 교훈은:

다음 세대 모델이 경쟁해야 할 건, 단순히 단가를 낮추는 게 절대 아니며, 긴 사고 사슬을 쌓아 억지로 점수를 올리는 것도 아니다.

오히려 극도로 간결하고 정밀한 경로로 문제를 우아하게 한 번에 해결하는 방법이다.

극한의 엔지니어링 효율이 명목 가격 차이를 뚫을 수 있을 때,
효율이 부족한 "저렴함"은
실제 비즈니스에서야말로 가장 비싼 독이 된다."



https://x.com/dtzy_88/status/2096898220949708909

GPU 잔존가치, 2~3년 감가상각 가정과 다른 흐름 지속 (Silicon Data)

: Silicon Data는 8월 중순 GPU 임대수익 기반 잔존가치 추정에서 A100의 가치 하락이 2025년 말 이후 멈추고, H100과 B200은 2026년 들어 상승했다고 분석

: 9월 7일 업데이트에서도 추세 지속. A100 잔존가치는 4,956달러로 2025년 말 이후 약 5,000달러 수준 유지(연초 대비는 -12.0%). H100 20,308달러, B200 71,057달러로 연초 대비 각각 +3.6%, +14.4%

: 2020년 5월 출시된 A100이 6년 이상 지난 현재도 임대료와 잔존가치를 유지하고 있다며, GPU 경제적 수명을 2~3년으로 보는 가정에 반박

: 은행들은 여전히 GPU를 3년 정액 감가상각 후 잔존가치 0으로 평가하는 경우가 많으며, 이를 AI 인프라 투자에서 중소 사업자의 금융조달을 제한하는 요인으로 지적

https://x.com/silicon_data/status/2097134792169177463

전기전자 섹터 수급

- 어제와 비슷한 흐름
- 개인 매도 1조 돌파

* FundaAI

“Deep|LLM : GPT-6 Astra, 코딩을 넘어 새로운 시장을 열다; 스케일링 법칙은 계속해서 컴퓨팅 수요를 견인한다”


- 이번 주 가장 눈에 띄는 변화는 누가 이 모델을 사용하고 있는가다.

코딩 모델이 처음 등장했을 때 열광적인 반응은 주로 터미널 화면을 캡처해 올리는 프로그래머들에게서 나왔다.

하지만 이번에는 분위기가 다르다. 피드에는 건축가, 3D 모델러, 영상 편집자들의 사례가 넘쳐나고 있다.

이들은 그동안 AI가 자신들의 업무와는 별 관련이 없다고 생각해 왔다. 모델이 아무리 훌륭한 코드를 작성할 수 있어도, 정작 자신들이 사용하는 CAD나 Blender 안에서 직접 작업하지는 못했기 때문이다.

많은 전문직에서 진입 장벽의 상당 부분은 특정 도구를 능숙하게 다루는 데 있다. 예를 들어 AutoCAD, Excel, Final Cut, KiCad 같은 소프트웨어가 그렇다.

이런 전문 소프트웨어들이 AI를 통해 점점 더 쉽게 사용할 수 있게 되면, 단순히 툴을 조작하는 능력보다 전문적인 판단력과 결과물을 검증하는 능력의 가치가 더 높아질 것이다.

그리고 이러한 직종들의 업무 방식 역시 지난 1년 동안 프로그래머들의 업무 방식이 재편된 것과 마찬가지로, 앞으로 크게 재조직될 가능성이 높다.


- 시장 규모 측면에서 보면, 코딩 AI가 공략할 수 있는 시장은 수천만 명에 이르는 프로그래머들의 임금과 전 세계 소프트웨어 지출을 합친 규모다. 대략 1조 달러 수준이며, 이 가운데 지난 1년여 동안 실제 매출로 전환된 금액은 수백억 달러에 이른다.

반면 지식 노동(knowledge work)이 공략 가능한 시장은 수억 명의 화이트칼라 노동자들의 임금과 이들이 사용하는 각종 업무 도구에 대한 지출을 합친 규모다. 임금만 따져도 10조 달러를 넘는다.

코딩 모델은 첫 번째 집단에 접근하지만, computer use는 두 번째 집단까지 접근할 수 있다. 바로 여기에서 시장 규모가 한 자릿수 배가 아니라 한 차원(order of magnitude), 즉 대략 10배 수준으로 커질 수 있다는 차이가 나온다.


- 다음 단계는 지속 학습(continual learning)이다. 이는 모델이 실제 기업 환경에 배치된 뒤, 그 회사가 가진 암묵적 지식(tacit knowledge)을 계속 축적해 나가는 것을 의미한다. 그리고 이 문제 역시 이미 해결 방향이 잡혀가고 있다.

컨텍스트 윈도우는 이제 100만 토큰까지 늘어났고, Codex는 서로 다른 컨텍스트 윈도우를 넘어 메모를 유지하고, 이전에 남긴 내용을 다시 검색해 활용할 수 있게 됐다. 이는 지속 학습의 초기 형태라고 볼 수 있다.
또한 OpenAI의 Frontier 팀과 컨설팅 파트너들이 고객사 현장에 직접 들어가 필요한 비즈니스 맥락과 회사 고유의 업무 지식을 모델에 공급하는 것도 비슷한 역할을 한다.



https://open.substack.com/pub/fundaai/p/deepllm-gpt-6-astra-opens-new-markets?utm_source=share&utm_medium=android&r=6hkvpp

"significantly more capable than GPT-6 Astra"


** 프론티어 랩들은 현재 출시된 모델보다 한두 세대 앞선 모델을 이미 내부적으로 가지고 있고 이를 모델 개발에 사용 중

메인 이벤트 대기

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

~ 8일(현지시간) 블룸버그통신에 따르면 미 재무부는 9일 오전 11시께 다음 날 실시할 만기 10~20년 국채 바이백 규모를 발표할 예정이다. 지난달 19일 기존 회당 20억달러로 예정했던 장기물 바이백 규모를 '최소 두 배'로 늘리겠다고 발표한 이후 처음 시행되는 매입이다

~ 바이백 규모는 재무부의 10년물 국채 입찰을 불과 몇 시간 앞두고 공개된다. 다음 날에는 30년물 국채 입찰과 실제 바이백이 실시될 예정이다. 시장 예상에서 벗어난 매입 규모가 발표될 경우 입찰 수요와 장기 국채금리에 영향을 미칠 수 있다고 블룸버그는 전했다

https://n.news.naver.com/article/277/0005813662?sid=104

중국 최대 D램 업체 창신메모리(CXMT)가 4세대 고대역폭메모리(HBM3) 시험 생산에 착수했지만, 초기 수율이 좀처럼 오르지 않고 있다. 반도체 업계 대량 양산의 기준선으로 통하는 이른바 ‘골든 수율’ 80%의 3분의 1 수준인 25%에서 정체된 것으로 알려졌다. SK하이닉스가 같은 제품을 2022년부터 양산해 90% 이상의 수율을 확보한 것과 비교하면 격차가 뚜렷하다.




https://v.daum.net/v/20260909060216667

* 베센트
(AI, 중국 관련)


“중국이 AI에서 미국을 앞서 나가기 시작한다면, 다른 모든 것은 의미가 없어질 것입니다.”

“중국이 AI 경쟁에서 승리한다면, 아이언돔도 미국의 국방력도 중요하지 않게 될 것입니다.”

“미국 국민들은 AI가 자신들에게 어떤 혜택을 가져다주는지 이해해야 합니다.”

“우리는 AI 개발을 멈출 수 없습니다. 중국은 멈추지 않을 것이기 때문입니다.”

"하이퍼스케일러들은 AI에 대해 대중과 소통하는 일을 형편없이 해왔습니다"
(AI 데이터센터의 효용을 설득하는데 형편없었다는 의미)




https://x.com/wallstengine/status/2097347279309111525

"(나비에 스토크 문제를 푼) 내부 모델의 훈련은 8월 28일부터 시작"


** 훈련을 시작한지 2주도 되지 않아 1만개의 병렬 에이전트 작업과 1,300억개 토큰으로 나비에-스토크 문제를 풀었다는 것인데

** 여기서 말하는 훈련이 최초 사전훈련의 시작인지, 추가 사전훈련인지, 강화학습인지 알 수 없지만 이 모델의 성능 자체는 일반적 상상을 초월하는 수준임은 분명한듯

** 특히, 이 모델도 여전히 블랙웰로 훈련하는 모델일텐데, 내년 이후 루빈으로 훈련할 모델은..

* Jim Fan(엔비디아 로보틱스 디렉터)


“이제 Astra가 새로운 VLA다.

VLA는 죽었다. VLA 2.0 만세!
로봇의 시스템 2, 즉 천천히 숙고하는 두뇌에는 멀티모달 코딩이 적합한 행동 공간이다.”




https://x.com/DrJimFan/status/2097468847817429503

네비우스 (Nebius) - 골드만삭스 Communacopia + Technology 콘퍼런스 (26.9.9)


1. AI 인프라 수요 사이클: "2028년까지 시야 확장, 공급 부족 심화"

수요 가시성 확대: 종전에는 18개월 수준의 사이클을 언급했으나, 현재는 최소 24개월 이상 강력한 초과 수요가 이어질 것으로 전망.

2028년 선주문 유입: 원한다면 2027년 공급 물량은 이미 전량 매진시킬 수 있었으나 전략적으로 잔여 용량을 남겨둔 상태. 최근에는 2028년 1~2분기 납기 주문이 들어오고 있으며, 고객들이 수만 장 단위의 차세대 '베라 루빈(Vera Rubin)' GPU를 요청 중.

불균형의 본질: AI가 실물 산업(보안, 오피스 등)에서 실제 부가가치를 창출하면서 인프라 수요는 연간 수 배~수십 배씩 폭증하는 반면, 물리적인 데이터센터 구축 속도는 이를 따라가지 못해 공급 부족과 가격 상승이 지속됨.


2. 팔란티어(Palantir)와의 소버린 파트너십 의미

기업 관점의 소버린 AI: 상용 독점 모델에 기업 데이터를 넘겨 경쟁사 학습에 쓰이게 두는 대신, 자체 통제 하에 오픈 가중치(Open-weight) 모델에 사내 데이터를 반복 학습시키는 구조.

성능 실증 (Shopify 사례): 오픈 모델에 자체 도메인 데이터를 지속 피드백 루프로 학습시킨 결과, GPT-5.6급 범용 모델보다 자사 업무 도메인에서 더 우수한 성능을 달성.

협력 구조: 팔란티어는 소프트웨어와 기업 고객망을 보유했으나, 하이퍼스케일러에 의존할 경우 데이터 주권 침해 우려가 발생함. 네비우스가 랙, DC, 토큰 팩토리(Token Factory)까지 이어지는 독립적인 풀스택 하부 인프라를 제공하고, 팔란티어는 이를 통해 엔터프라이즈 시장을 공략.


3. 칩 수요 동향: 구형 GPU의 견고함과 차세대 칩 쏠림
구형 칩(호퍼 등): 최신 칩 부족으로 인한 대체 수요도 일부 있으나, 대부분 RAG 구축, 텍스트 예측, 이미지 생성 등 덜 무거운 워크로드에 최적화된 TCO와 검증된 신뢰성을 보고 사용함. 공급되는 족족 완판되는 추세.

차세대 칩(블랙웰, 베라 루빈): 가용 칩 수 대비 고객 수요 배수가 극도로 높음. GB300 및 베라 루빈에 대한 수요 역시 폭발적인 상태.


4. 메타(Meta)·스페이스X의 용량 판매와 시장 영향
베어메탈 vs AI 클라우드: 빅테크들이 시장에 내놓는 유휴 용량은 클라우드 서비스가 아닌 '베어메탈(Bare-metal)' 수준에 불과함.

리셀러/패키징 기회: 스페이스X가 앤트로픽, 구글, MS 등에 기본 용량을 판매하듯, 네비우스 역시 빅테크의 유휴 용량을 공급받아 자사 클라우드 스택으로 재패키징해 엔드유저에게 판매하는 협력 모델이 가능함.

시장 영향 제한적: 2028년 글로벌 AI 인프라 용량이 20GW 이상으로 커지는 상황에서, 메타나 스페이스X가 추가할 수 있는 6~8GW는 약 20% 수준으로 전체 시장 판도를 뒤흔들거나 시장을 위축시키지 않는 건전한 추가 공급임.


5. 3가지 계약 버킷과 10억 달러 규모 대형 수주
단기 (3~6개월): 대규모 사전 학습 런(scale training runs) 전용으로, MW당 ARR(연간반복매출) 프리미엄을 높게 받는 구조.

중기 (1~3년, 핵심 타깃): 비즈니스의 중추. 미디어/엔터테인먼트 등 AI 네이티브, 스케일업 기업, 쇼피파이 같은 디지털 네이티브 및 일반 엔터프라이즈 포함.

장기 (5년 이상): 자본 조달 및 초기 확장 펀딩을 위해 하이퍼스케일러와 체결했던 형태.

4대 랜드마크 수주: 지난 분기 평균 10억 달러(약 1조 3천억 원 이상) 규모의 신규 고객 계약 4건을 체결. 가격이 아닌 기술 POC(개념증명) 및 인프라 안정성 경쟁에서 기존 대형 공급사를 제치고 수주했으며, 현재 차기 클러스터(GB300, 베라 루빈) 추가 확장을 협의 중.


6. 가격 결정 메커니즘: 용량 경매(Auction) 도입

심각한 초과 수요 상황에서 적정 가격을 탐색하기 위해 최근 프로세서 용량 대상 실험적 경매를 진행함.
기존 인상 가격 대비 15~20% 더 높은 프리미엄 가격에 낙찰되었으며, 고객 입장에서도 경쟁 입찰을 통해 확정 용량(guaranteed capacity)을 확실히 확보할 수 있어 만족도가 매우 높았음.

향후 셀프서브/롱테일 고객뿐 아니라 대형 고객의 기준 가격 산정에도 경매 모델을 적극 확대 적용할 방침.


7. 소프트웨어 및 에이전틱 AI(Agentic AI) 확장

단순 컴퓨팅 하드웨어 대여를 넘어 추론(Inference), 사후 학습(Post-training)을 아우르는 풀스택 플랫폼으로 진화해 마진을 극대화하는 전략.

에이전틱 검색 솔루션 기업인 '케이블(Cable)'을 인수해 에이전틱 AI 구축에 필수적인 핵심 기능을 확보했으며, 에이전트 블루프린트를 시작으로 소프트웨어 레이어 고도화 진행.


8. 자본 한계 극복: 에셋 라이트(Asset-Light) & 전력 파트너십

에셋 라이트 모델: 데이터센터 부지와 전력, 저리 자금 조달력을 갖춘 전력/부동산 인프라 기업과 파트너십 체결. 네비우스는 DC 설계 노하우, 랙/서버 아키텍처, 소프트웨어 스택, 고객망(GTM)을 제공하고 수익을 쉐어함. 2027년 이후 가동을 목표로 다수의 대형 프로젝트가 파이프라인에 진입.

자체 분산 전력 확보: 그리드 전력망 연결 대기 한계를 극복하기 위해 자체 발전기를 도입하고 있으며, 최근 수소·연료전지 발전 기업인 블룸에너지(Bloom Energy) 와 파트너십을 체결하여 현장 발전(Behind-the-meter)을 적극 확충 중.

https://x.com/DrNHJ/status/2097478966575870150?s=20

* 사라 프라이어(OpenAI CFO) @ 골드만삭스 컨퍼런스


"OpenAI의 엔터프라이즈 사업이 '폭발적으로 성장하고 있다(on a tear)'"

"ARR이 6월에서 7월 한 달 사이 20% 증가했으며, 같은 기간 엔터프라이즈 사업은 32% 성장"

"광고 사업은 OpenAI 역사상 가장 빠른 속도로 ARR 10억 달러를 돌파한 사업"

"OpenAI는 앞으로도 컴퓨팅 자원에 대한 투자를 계속해서 공격적으로 확대할 것('continue to lean in on compute')"




https://x.com/Kr00ney/status/2097415835211944011