⚡️AI 전력난, 답은 새 발전소보다 ESS (ARK Invest) source

1. 미국 전력망은 생각보다 많이 놀고 있음
- 데이터센터와 전기차 확산으로 전력 수요는 빠르게 증가 중
- ARK는 문제가 절대 발전량 부족만은 아니라고 봄
- 머스크도 미국 전력망 가동률이 약 50% 수준이라고 언급
- 대형 배터리를 붙이면 기존 발전소의 숨은 공급 여력을 더 많이 끌어낼 수

2. 단기 해법은 가스발전 + 배터리
- 미국 천연가스 발전소 절반 이상이 25% 미만의 가동률로 운영 중
- 석탄·가스 발전소 평균 가동률을 40%에서 85%까지 올리면 연간 2,550TWh 전력 추가 가능
- 이는 2024년 미국 전체 전력 생산량의 60% 수준
- 즉, 전력난을 풀기 위해 이미 깔린 발전 자산을 ESS로 더 효율적으로 쓰는 게 먼저

3. ESS는 전기 원가도 낮출 수 있음
- 발전소는 고정비 비중이 큼. 더 많이 돌릴수록 고정비가 더 많은 전력량에 나눠짐
- 가동률이 25%에서 85%로 오르면 발전 원가가 절반으로 낮아짐
- 데이터센터 입장에서는 전력 확보뿐 아니라 전력 단가 안정도 핵심

4. 정지형 ESS가 전력망의 뼈대
- 필요한 저장 용량은 매우 큼. 메가팩 기준, 미국 전력망에는 1.75TW 저장 용량이 필요
- 이는 현재 미국 ESS 기반의 약 43배 확장. 글로벌 시장까지 보면 기회는 더 커짐
- ESS는 단순한 재생에너지 보조 장치가 아닌 데이터센터, 가스발전, 태양광, 원전, 전력망을 연결하는 운영체제임

✍️전력기기/망, ESS 시스템, 가스발전/전력 공급, LFP 배터리 공급망, 구리 등 원자재 Keep going

🖼NFT 시장은 30배 성장할 겁니다 source

1. 가격은 죽었고, 기관은 움직임
- NFT 시장은 고점 대비 크게 박살난 상태
- 그러나 MoMA, LACMA 같은 주요 미술관은 온체인 아트를 컬렉션에 편입
- Sotheby’s, Christie’s도 전용 디지털 아트/온체인 경매 인프라를 구축
- 리테일은 바닥가 보고 떠났고, 기관은 조용히 미술사 편입 작업 중

2. NFT의 본질은 JPEG가 아님
- 핵심은 이미지가 아니라 프로비넌스
- 누가 만들었고, 언제 발행됐고, 누가 소유했는지가 온체인에 남음
- 전통 미술 시장의 고질병은 위작, 출처 불명, 소유권 분쟁
- NFT는 작품과 소유권 기록을 하나로 묶는 새로운 디지털 재산권 시스템

3. 새로운 예술은 원래 조롱받고 시작함
- 인상주의, 팝아트, 개념미술도 처음엔 "저게 무슨 예술이냐" 취급
- 워홀의 수프캔도 처음엔 조롱거리였지만 지금은 미술사 핵심 작품
- 온체인 아트도 지금은 JPEG 투기로 보이지만, 제도권은 다르게 보기 시작
- 중요한 건 가격이 아니라, 매체가 미술사 안에 들어가고 있다는 것

4. 핵심은 NFT가 다시 오르냐가 아님
- 전통 미술 시장은 고령화되고, 상위 작품에 가치가 과도하게 집중됨
- 다음 세대 수집가들은 온라인에서 자란 디지털 네이티브
- 이들이 물리적 캔버스만 수집할 가능성은 낮음
- 디지털 원본성, 온체인 소유권, 제너러티브 아트는 독립 카테고리가 될 것

✍️대부분의 PFP는 의미 없어질 수 있지만, foundational 온체인 아트는 다른 게임

📈DeFi에는 아직 금리 커브가 없다 source

1. 충분한 데이터가 없는 디파이
- 신용 스프레드, 기대손실, 리스크 프리미엄 같은 개념은 전혀 새롭지 않음
- Bühlmann, Duffie-Singleton, Moody’s 같은 프레임워크는 이미 수십 년 전부터 존재
- TradFi는 수십 년간 디폴트 데이터와 등급 커브를 쌓아왔음
- DeFi의 문제는 수학이 없던 게 아니라, 넣을 데이터가 부족했다는 것

2. DeFi는 이제 입력값이 생기는 중
- 온체인에서는 디폴트, 손실 경로, 담보 상태, 이용률, 청산 구조를 실시간으로 볼 수 있음
- 어떤 담보가 위험한지, 어떤 프로토콜 구조가 취약한지, 어떤 큐레이터가 리스크 관리를 잘하는지 데이터화 가능
- 과거에는 APY만 봤다면, 이제는 그 APY가 어떤 리스크에서 나오는가를 볼 수 있음
- 프레임워크보다 늦게 온 것은 모델이 아니라 입력값임

3. 지금 DeFi 수익률은 너무 뭉개져 있음
- Prime USDC, 장기꼬리 담보, LRT 노출, 브릿지 리스크가 있는 상품이 비슷한 APY로 거래됨
- 그런데 실제 손실분포는 전혀 같지 않음
- 4%짜리 안정형 상품과 10%를 받아야 할 위험 상품이 같은 시장 안에서 구분되지 않는 상태
- 그래서 DeFi에는 신용 커브가 필요함

4. 다음 단계는 온체인 신용평가 시장
- Credora, Gauntlet, Steakhouse, kpk, Morpho, Aave 같은 플레이어들이 각자 리스크 레이어를 만들고 있음
- 중요한 건 개별 리포트가 아니라, 이 데이터들이 하나의 가격 체계로 연결되는 것
- DeFi가 진짜 인터넷 자본시장이 되려면 리스크별 금리가 먼저 생겨야 함
- 시장은 아직 입력값을 제대로 가격에 반영하지 못하고 있음

🤔메모리 랠리는 끝나지 않을 겁니다 source

1. 사이클의 함정
- 베어 논리는 단순함. 메모리는 원래 사이클 산업이고, 많이 올랐고, 공급 늘면 꺾인다는 것
- 근데 이번 수요는 PC·모바일·클라우드 때와 결이 다름
- AI는 사람이 쓰는 수요가 아니라, 기계가 계속 일하면서 만드는 수요

2. HBM의 상품화 탈출
- HBM은 AI 서버에서 GPU 성능을 뽑아내는 핵심 병목
- 이제는 단순 가격보다 속도, 대역폭, 전력 효율, 수율이 중요해짐
- 즉, 커머디티 메모리라기보다 프리미엄 반도체 제품에 가까워지는 중
- 하닉·마이크론·삼성의 최상위 HBM이 재평가받는 이유

3. DRAM/NAND의 재발견
- DRAM은 3사 과점이고, HBM 전환이 일반 DRAM 캐파를 잠식함
- 공급이 과거처럼 쉽게 늘어나기 어려운 구조
- NAND는 AI가 만든 데이터, 로그, 컨텍스트를 저장하는 역할
- HBM이 AI의 작업 속도라면, NAND는 AI의 기억 공간에 가까움

4. 알파의 연결고리
- 대중은 AI 좋다 → 엔비디아? 정도에서 멈추지만 실제 체인은 훨씬 김
- 에이전트 → 추론 → 컴퓨트 → 메모리 → 패키징 → 전력 → 냉각
- 돈은 모두가 보는 헤드라인보다, 그 뒤의 병목에서 더 크게 움직임

✍️메모리 랠리의 핵심은 AI가 메모리를 단순 사이클 부품에서 인프라 병목으로 바꾸고 있다는 점

✖️특이점의 지분을 절대 뺏기지 말 것 (Andrew Kang) source

1. 선형의 종말
- 과거 앤드류 캉은 특이점 앞에서 단기 등락은 노이즈이며,
- 희소성/풀수요의 병목자산을 매수 후 절대 뺏기지 말고 버티라는 취지의 주장을 한 바 있음
- 최근에는 실제 데이터를 근거로, 기하급수적 성장을 더욱 강조하고 있음
- 시장 또한 선형 성장이 아닌, 지수적 성장하는 것들에 가격을 주고 있음

2. 인간 시간의 끝이 도래했다
- 창업 열기가 미친 듯이 강해지는 이유도 단순히 돈 때문만은 아님
- AI가 열어준 기회가 너무 많고, 동시에 인간이 의미 있는 것을 만들 시간은 짧음
- 나중으로 미루는 게 불가능한 폭발적 기회비용 구간을 지나는 중
- 투자도 창업도, 시간의 가치가 미친듯 압축되고 있음

3. 지능의 상품화
- 지능이 결국 오픈소스화되고 상품화됨
- 이러면 모델 회사보다, 지능이 실제 작동하는 인프라가 더 중요해짐
- 엔비디아도 폐쇄형 모델에 종속되면 위험하기에, 오픈소스를 키울 것
- 결국 장기적으로는 그 지능을 어디에 꽂아 넣느냐가 핵심

4. 에이전트 이후는 로보틱스
- 지금 캉이 보는 다음 핵심 전장은 로보틱스임
- 특히 휴머노이드는 인간의 공간, 도구, 작업 데이터를 그대로 쓸 수 있다는 점에서 범용 로봇의 기본 폼팩터
- AI가 디지털 노동을 잠식했다면, 로봇은 물리 노동의 오너십 싸움으로 이어짐

✍️즉, 진짜 비싸지는 건 지능 자체가 아니라, 그 지능이 현실을 움직이게 만드는 몸체, 전력, 반도체, 제조 인프라라는 것

🥇돈은 빅테크에서 AI 인프라로 source

1. 하이퍼스케일러, 돈도 벌지만 크게 쓴다
- MSFT, Google, Meta, Amazon의 총 Capex는 6,800억 달러
- FCF는 MSFT 390억 달러, Google 290억 달러, Meta 50억 달러, Amazon -70억 달러
- 즉 빅테크는 돈 버는 기업임과 동시에 돈을 계속 태우는 곳

2. 현금흐름은 반도체로 넘어가는 중
- NVIDIA, 삼전, 하닉, Micron, TSMC의 FCF은 5,250억 달러
- 하이퍼스케일러 Capex가 곧 반도체·메모리·파운드리 기업들의 매출과 현금흐름으로 전환되는 구조

3. AI 서비스보다 AI 인프라
- AI 서비스 기업은 아직 최종 승자가 불명확. 모델 경쟁, 가격 경쟁, 오픈소스, 규제, UX 변화까지 변수가 많음
- 반면 인프라는 단순함. 누가 이기든 GPU, HBM, DRAM, NAND, 파운드리, 전력, 네트워크 장비는 계속 필요

✍️시장이 메모리·반도체를 보는 이유도 여기 있음. AI 사용량 증가가 바로 Capex 증가로 연결되고, Capex는 다시 인프라 기업의 FCF가 됨

📌Tokenmaxxing보다 Contextmaxxing이 중요해질 것 source

1. AI 비용의 본질
- 예전 클라우드 비용처럼, 이제는 토큰 비용이 새로운 인프라 청구서가 됨
- 문제는 AI를 많이 쓰냐가 아니라 AI가 쓸모 있는 맥락을 받고 있느냐
- Tokenmaxxing은 AI 사용량을 극대화하는 것
- Contextmaxxing은 AI 액션 1회당 유효한 맥락을 극대화하는 것

2. 나쁜 토큰 소모?
- 좋은 토큰 소모는 추론, 작성, 테스트, 검증에 쓰이는 비용
- 나쁜 토큰 소모는 조직이 이미 아는 내용을 AI가 매번 다시 찾는 비용
- 코드베이스, 슬랙, 회의록, 티켓, 문서를 매번 다시 읽으며 "왜 이 결정이 내려졌는지" 재구성하는 것 = 기억상실 비용

3. 큰 컨텍스트가 답은 아님
- 컨텍스트 윈도우가 커진다고 문제가 해결되는 건 아님
- 오히려 더 많은 무관한 자료를 모델에 밀어 넣는 유혹이 생김
- 핵심은 많이 넣는 게 아니라 지금 작업에 필요한 정확한 맥락만 넣는 것
- 관련 결정, 고객 약속, 실패한 접근, 담당자, 최신 문서, 충돌하는 티켓 같은 정보가 중요

4. 기업 AI의 다음 해자는 회사 기억
- 앞으로 기업 AI의 성능은 모델보다 메모리 레이어에서 갈릴 가능성이 큼
- 모든 에이전트가 매번 0에서 시작하면 토큰은 계속 낭비됨
- 조직의 지식, 의사결정, 작업 이력, 고객 맥락이 구조화돼 있으면 AI는 바로 실행과 판단에 토큰을 쓸 수
- 결국 기업용 AI의 핵심 인프라는 RAG를 넘어선 Company Brain에 가까워질 것

✍️이미 알고 있는 것을 다시 기억하는 데 토큰을 낭비하지 않는 회사가 되어야 함. 즉, 조직의 맥락을 얼마나 잘 압축하고 유지하느냐

🇰🇷모두가 저점 매수를 기다리는 시장

· 지금 코스피는 단순 과열장이 아니라 구조적 재평가와 FOMO가 같이 붙은 장
· 모두가 저점 매수를 위한 조정을 기다린다면 대세 하락장은 오기 힘듦
· 작은 하락은 계속 매수 찬스로 소비될 가능성이 높음

1. 하락을 기다리는 이들이 너무 많다
- 지금 코스피는 웃기면서도 아이러니한 구간
- 많이 올랐으니 빠져야 한다고 생각하는 사람은 많은데, 그들 또한 막상 빠지면 사려고 대기 중
- 그래서 조금만 빠져도 바로 강한 매수세가 붙음
- 시장이 무서워하는 하락장이 아니라, 모두가 기다리는 할인 행사처럼 인식 중
- 물론 하닉삼전만의 이야기. 그 외 주식들은 ㄴㄴ

2. 메모리는 이제 단순 사이클 산업이 아님
- 과거 메모리는 사이클 산업이었지면 지금은 병목으로 리레이팅 중
- 그래서 이제 하이닉스는 코스피 안 대형주가 아닌 방향성 그 자체가 됨
- 이러면 많이 올랐다는 이유만으로는 안 꺾임

3. 다만 신용, 레버리지는 변동성을 키움
- 현금 들고 기다리는 사람이 많으면 하락/조정은 얕고 짧음
- 근데 이미 신용, 레버리지로 올라탄 사람이 많으면 얘기가 달라짐
- 즉, 지금 가능한 건 오래 흐르는 대세 하락이나 장기간 조정이 아닌,
- 짧고 날카롭게 흔들릴 수 있는 장

4. 봐야 할 건 가격 아닌 수치와 내러티브
- 중요한 건 메모리 thesis가 계속되느냐
- CAPEX가 꺾이는지 메모리 상승세가 둔화되는지
- 이익 추정치가 내려가는지, 외국인 수급은 어떤지
- 이들이 꾸준하다면 코스피는 생각보다 더 오래, 더 높게, 더 질기게 갈 수 있음

📦전력과 원자재 병목은 이제 시작 (feat. 크립토) source

1. 전력 병목
- AI 인프라는 결국 전기를 먹는 산업
- 데이터센터, GPU, 냉각, 서버가 늘수록 전력 수요가 먼저 막힘
- 그래서 시장의 관심이 메모리에서 전력·에너지·원자재로 확장
- 단순 테마가 아니라, AI 스케일링의 물리적 한계에 가까움

2. 안보 프리미엄
- 리튬, 구리, 우라늄은 이제 단순 원자재가 아님
- 리튬은 배터리와 ESS
- 구리는 전력망, 배선, 칩 인프라
- 우라늄은 원전과 안정적 기저전력
- 기술 패권과 에너지 독립이 겹치면서 국가 단위의 매수 세력이 붙을 것

3. AI 원자재 3종 세트
- 리튬 = 배터리 / 에너지 저장
- 구리 = 전력망 / 데이터센터 / 반도체 배선
- 우라늄 = 원전 / 24시간 전력 공급
- AI가 커질수록 이 셋은 각각 다른 층위에서 병목 역할을 함
- 특히 우라늄은 AI 전력 부족을 가장 직관적으로 거래하는 프록시

4. RWA의 강력한 수요처?
- 흥미로운 건 이 테마가 크립토와도 연결되고 있다는 점
- 우라늄, 구리, 주식형 SPV, 토큰화 원자재 같은 RWA 구조가 계속 등장 중
- 아직은 초기이고 리스크도 크지만, 방향성은 명확함
- 글로벌 자본이 AI 병목자산에 더 쉽게 접근하려는 수요는 커질 수밖에 없음

✍️컴퓨트가 늘면 메모리가 막히고, 메모리가 풀리면 전력이 막히고, 전력이 막히면 원자재와 인프라가 다시 재평가

📰다 같은 반도체가 아니다: 밸류체인 총정리 source

1. 시장의 질문이 바뀜
- 예전엔 엔비디아, GPU, HBM이면 끝
- 이제 AI 병목이 밸류체인 전체로 번짐
- CPU, 패키징, 기판, 전력, 인터커넥트, 아날로그까지 돈이 돎
- 그래서 다음 병목이 어디냐가 핵심

2. 인텔·퀄컴이 오른 이유
- 에이전트 AI는 단순히 답만 뽑는 구조가 아님
- 툴 호출, DB 검색, 작업 분배, 기록 관리까지 해야
- 이때 전체 작업을 조율하는 CPU 역할이 커짐
- 그래서 인텔, AMD, ARM 같은 서버 CPU가 살아남
- 퀄컴은 데이터센터보단 온디바이스 AI, 엣지 AI, 무선/RF 쪽 수혜 기대

3. 그래도 본진은 메모리
- CPU 수요가 늘어도 메모리가 필요
- GPU가 늘어도 HBM이 필요
- 에이전트가 길게 생각하고 기록을 유지해도 DRAM, SSD, 캐시 수요 상승
- 그래서 CPU 내러티브는 맞지만, 넓게 보면 메모리가 훨씬 강력한 병목
- CPU는 새로운 수혜, 메모리는 모든 시나리오의 공통 수혜

4. 반도체 랠리 구조
- AI는 연산만의 문제가 아님
- 연산이 커지면 메모리가 막힘
- 메모리가 커지면 패키징이 막힘
- 서버가 커지면 전력과 냉각이 막힘
- 데이터센터가 커지면 네트워크와 광통신이 막힘
- 즉, 하나의 테마가 아니라 병목이 순서대로 재평가되는 과정

✖️돈보다 생산력이 상위 자산인 시대 source

1. AI 데이터센터가 아니다
- 핵심은 100TW 컴퓨트가 만들어낼 문명 단위의 생산력
- 노동, 지식, 서비스가 인간이 아니라 컴퓨트에서 대량 생산되는 구조
- 이땐 경제의 병목은 사람이 아니라 전기, 칩, 데이터센터, 로봇, 인프라

2. 돈이 좇는 희소성은 재편된다
- 돈은 원래 희소성을 배분하는 수단
- 그런데 AI가 지능을 싸게 만들고, 로봇이 노동을 싸게 만들면 기존 가격 체계가 흔들림
- 이메일, 구글맵, 영상통화처럼 가격은 하락했는데 실제 효용은 폭증하는 현상이 물리 경제로 확장

3. 진짜 부는 생산능력
- 핵심은 돈이 얼마 있냐가 아니라 얼마나 많은 생산 지능을 통제하냐가 됨
- 전기 → 컴퓨트 → 지능 → 로봇 → 생산
이 스택을 장악한 기업/국가가 실질 경제 권력을 가짐
- 달러는 청구권이고, 에너지, 컴퓨트, 로봇, 공장이 실제 엔진

4. 그래서 에너지와 인프라가 본체
- AI 시대의 최종 병목은 결국 전기와 물리 인프라
- 데이터센터, 전력망, 원전, 배터리, 반도체 팹, 구리, 냉각, 로봇 생산능력이 핵심 자산
- AI 기업이 에너지 기업처럼 움직이는 이유도 여기에 있음
- 컴퓨트를 키우려면 먼저 전력을 장악해야 함

✍️돈이 사라지는 게 아닌, 생산 권력에 대한 청구권이 됨. 문제는 그 청구권으로 모두가 같은 자산(반도체, 전력...)을 필요로 하기에, 실제 생산 자산 가격은 지수적으로 비싸짐

✅구리 브레이크아웃 시작, 투자처는? source

1. 대형 구리주, 베이스 플레이

$FCX, $SCCO, $TECK

- 대규모 생산능력, 낮은 원가 자산, 강한 현금흐름이 핵심
- 구리 가격 상승이 실적에 가장 직접 반영
- [구리 가격 상승 = 현금흐름 레버리지]를 가장 단순하게 먹음

2. 성장주는 생산 확대 스토리

$HBM, $ERO, $LUNMF

- 생산 기반이 있으면서 증산·확장 파이프라인이 있는 구간
- 대형주보다 베타는 높고, 개발주보다는 리스크가 낮은 중간
- 구리 가격이 높은 수준에서 유지되면 밸류 리레이팅 여지

3. 고베타 구간은 리스크도 같이
- $IVPAF, $NGEX, $FILO는 대형 업사이드 있는 개발주
- $TGB, $TRQ, $CSCCF는 작은 시총의 고위험·고보상
- 개별 종목 리스크가 부담되면 $COPX 같은 구리 광산 ETF로 분산
- 다만 구리 가격뿐 아니라 프로젝트 진행, 자금조달, 정치 리스크도 봐야

📰빅테크의 다음 형태는 옴니스케일러 (McKinsey) source

1. Hyperscaler 다음은 Omniscaler
- 예전에는 클라우드를 크게 굴리는 회사들을 하이퍼스케일러라고 불렀음
- 근데 이제는 그 정도로 설명이 안 됨
- Amazon, Alphabet, Microsoft 등 회사들은 성장 산업을 동시에 밟고 있음
- 맥킨지는 이런 기업을 옴니스케일러로 칭함

2. 이게 왜 중요하냐면
- 이 회사들은 새 사업을 할 때 맨땅에서 시작하지 않음
- 이미 갖고 있는 클라우드, 데이터, 유저, 광고망, 디바이스, 물류, 반도체 역량을 그대로 가져감
- Amazon은 커머스에서 클라우드, 광고로 갔고
- Microsoft는 소프트웨어에서 클라우드, AI, 게임으로 갔고
- Tesla는 EV에서 배터리, 로보틱스, 우주, AI 쪽으로 번지고 있음

3. 미래 산업 경쟁은 이미 시작
- 미래 주요 산업 전장은 "AI, 클라우드, 반도체, EV, 배터리, 우주, 로보틱스, 사이버보안, 비만치료제" 등
- 이쪽 산업들은 2022~2025년 사이 일반 산업보다 훨씬 빠르게 성장
- 특히 반도체·클라우드·AI 소프트웨어가 이번 사이클의 중심
- 이제 미래 산업이라는 말도 애매함. 이미 시총, CAPEX, 인재, 공급망이 전부 투입 중

4. 투자 관점에서는
- 앞으로는 이 회사가 무슨 테마냐보다 몇 개의 성장 아레나를 밟고 있냐가 더 중요
- Anthropic, Figure, Rocket Lab 같은 회사들은 특정 병목 하나를 찌르면서 판을 흔드는 쪽
- Nvidia처럼 한 영역을 압도하는 focused 챔피언도 강하지만,
- 여러 전장을 동시에 장악하는 구글 같은 Omniscaler가 훨씬 강력할 것

✍️AI 메가캡은 데이터·컴퓨트·반도체 등 기존 자산을 돌려가며 여러 산업을 동시에 먹는 회사

💬예측이 곧 권력이 되는 시대 source

1. 돈벌이 아닌 월드 모델
- AI 활용의 핵심은 단순 퀀트 투자나 트레이딩이 아님
- 목표는 세상의 비효율을 줄이는 거대한 예측 엔진화
- 시장, 스타트업, 인재, 정치, 자원 배분까지 전부 예측 문제에 해당됨
- 인류에게는 세상을 더 잘 배분하는 AI가 필요함

2. 시장은 가장 좋은 실험장
- 금융 시장은 예측력이 바로 수익으로 검증되는 곳
- 맞히면 돈이 생기고, 그 돈으로 더 많은 데이터·컴퓨트·인재를 삼
- 퀀트는 단순 투자가 아닌 범용 예측 AI를 키우는 첫 수익화 레이어
- 예측 → 수익 → 리소스 확장 → 더 좋은 예측이라는 플라이휠

3. AI의 본질은 인간 판단 대체
- 중요한 포인트는 AI가 의사결정 시장을 먹는다는 것
- 투자, 채용, 교육, 창업, 정책 판단은 전부 미래를 추정하는 일
- 지금까지는 사람이 직관, 경력, 감으로 하던 일을 모델이 대체
- 결국 누가 더 좋은 예측 시스템을 갖고 있냐의 싸움

4. 결론
- AI는 예측 산업 전체의 기반이며 의사결정 인프라임
- 데이터, 컴퓨트, 메모리, 스토리지, 전력, 모델, 에이전트 레이어가 전부 연결
- 예측 정확도는 곧 돈, 권력, 자본 배분 능력으로 환산됨

📰Memory Long source

1. 엔비디아가 끝난다는 얘기는 아님
- 학습은 여전히 GPU, HBM, 네트워킹이 전부 중요함
- 이 영역은 엔비디아가 계속 강함
- 다만 AI 수요가 전부 학습에만 머물진 않음

2. 추론 시장이 쪼개지는 중
- 사람이 답을 기다리는 추론은 속도가 중요함
- 그래서 Cerebras, Groq 같은 빠른 추론칩도 의미가 있음
- 하지만 이 시장은 사람의 시간에 묶임

3. 진짜 큰 건 에이전트 추론
- AI가 답만 하는 게 아니라, 직접 작업하고 기록을 이어가는 구조
- 이때는 빠른 응답보다 긴 컨텍스트, 상태 저장, 메모리가 더 중요함
- 사람이 기다리지 않으면 조금 느려도 됨

4. 그래서 메모리 계층이 중요해짐
- 메모리, HBM은 계속 오랫동안 중요할 것
- 다만 에이전트 추론에서는 DRAM, SSD, 스토리지, CPU까지 봐야 함
- GPU 때려박는 것보다, 적당한 연산 + 큰 메모리 + 낮은 비용 조합이 중요

✖️Investing in the Singularity source

1. AI 앱보다 안쪽
- 챗봇, SaaS, 에이전트 앱은 AI 밸류체인의 바깥
- 돈은 모델을 돌리는 물리 인프라로 감
- 모델 → 칩 → 데이터센터 → 전력으로 이어지는 루프
- AI 투자는 누가 가능하게 만드냐의 게임

2. Innermost Loop
- 프론티어 모델은 더 많은 GPU, HBM, ASIC 수요를 만듦
- 반도체 수요는 데이터센터 증설 압력으로 이어짐
- 데이터센터가 늘수록 냉각, 전력 분배, 랙, 변압기 수요도 커짐
- 즉, AI 성장은 CAPEX 사이클로 나타남

3. 병목에 가격을 매긴다
- 반도체, 메모리, 전력, 냉각, 데이터센터 CAPEX 사이클임
- 그래서 하이퍼스케일러 돈은 인프라로 감
- 시장은 AI를 생산력 재편으로 보기 시작

4. 최종 병목은 전력
- 모델이 커질수록 칩이 필요하고, 칩이 늘수록 전기가 필요
- 전력과 데이터센터가 없으면 AI 못 돌림
- 원전, 가스터빈, 배터리, 그리드가 핵심 밸류체인

🤖예측시장은 이미 AI한테 따였다고? source

1. 봇이 점령한 시장은 따로 있다
- Polymarket 상위 수익 지갑의 상당수가 봇으로 분류됨
- 에이전트 지갑의 수익 계좌 비율은 약 37%, 인간은 7% 수준
- 겉으로 보면 봇이 인간을 압도
- 디테일을 보면 예측이 아니라 실행의 승리

2. 봇은 미래를 맞히는 게 아님
- 봇은 15분 BTC 방향, 실시간 스포츠, 플랫폼 간 가격 차이 같은 시장에서 강함
- 공통점은 현실 세계를 깊게 해석할 필요가 별로 없다는 거
- 바이낸스 가격이 움직였는데 폴리마켓에 늦게 반영되는 순간을 노림
- 경기 중 스코어 변화, 오라클 업데이트, YES/NO 가격 괴리 같은 틈을 먹는 것
- 쉽게 말해 봇은 예언자가 아 닌빠른 차익거래자에 가까움

3. 인간은 방향이 아닌 가격에서 패배
- 인간의 베팅이 완전히 밀리는 건 아님
- 문제는 좋은 가격에 진입하지 못하고, 스프레드를 계속 지불한다는 것
- 중위 사용자는 메이커 주문을 거의 안 씀
- 결국 인간은 예측을 틀려서만 지는 게 아니라, 비싸게 사고 싸게 팔기까지 함

4. 진짜 승자는 플랫폼
- 봇은 특정 품목에서 강함
- 인간은 정치 등 복합 정보 해석이 필요한 시장에서 아직 유의미함
- 플랫폼은 둘 다 받아먹음
- 봇은 유동성과 거래량을 만들고, 인간은 시장의 다양성과 리테일 수요를 만듦

🏅구글은 세계 1등 기업이 될 겁니다 source

1. 시장의 시선이 바뀜
- 1년 전 구글은 AI에 검색 먹히는 회사 취급
- 지금은 AI 밸류체인 전체를 먹는 회사로 재평가
- 검색, 클라우드, 유튜브, Gemini, TPU, Waymo, Anthropic 지분까지 보유
- AI 전체에 걸쳐 옵션을 가진 구조

2. 엔비디아는 칩, 구글은 풀스택
- 엔비디아는 AI 인프라의 핵심 공급자
- 다만 AI CAPEX가 둔화되면 사이클 리스크가 커질 수
- 구글은 검색 광고, 클라우드, 자체 칩, 모델, 콘텐츠, 자율주행까지 수익원이 분산
- 그래서 시장은 칩 1등보다 AI 전체 밸류체인을 먹는 회사를 보기 시작

3. 핵심은 TPU
- 구글의 TPU가 클라우드 고객에게 엔비디아 GPU의 대안으로 부상
- 자체 AI 서비스 비용도 낮추고, 인프라 매출도 만들 수
- TPU 인프라 매출은 2026년 30억 달러, 2027년 250억 달러 전망
- 구글은 AI를 쓰는 회사이면서, AI 인프라를 파는 회사가 됨

4. 싸진 않지만, 계속해서 견조할 것
- Alphabet은 최근 1년 160% 상승, 이제 숨은 저평가주까진 아님
- PER도 28배 수준으로 10년 평균보다 높음
- 그럼에도 검색, 클라우드, 칩, 모델, 유튜브, 자율주행까지 전부 가진 회사라면 더 프리미엄을 받아야

✍️엔비디아가 삽과 곡괭이라면, 구글은 광산, 철도, 정제소, 판매망까지 가진 회사