팻 프로토콜 투자 논리는 끝. 새로운 투자 바벨 전략은 한쪽에는 가치저장 자산을, 다른 한쪽에는 PMF와 실질적인 성장 잠재력을 가진 온체인 앱을 보유하는 것
1. L1이라는 이유만으로 프리미엄을 받던 시대가 끝났다가 정확함
2. 블록스페이스는 점점 싸지고 L1/L2 경쟁은 심해지고 있음
3. 실제 유저, 오더플로우, 매출, 브랜드를 소유한 앱이 가치를 가져가기 시작함
4. 앞으로는 좋은 서비스 ≠ 좋은 토큰까지 봐야 함. 토큰이 실제 현금흐름을 포착하는지가 핵심
5. 대충 Andy는 BTC, HYPE, UNI, PUMP, LIT 등 정도에 불리쉬하다고 보고 있는듯
✍️토큰을 프로토콜 지분 비슷한 것으로 상상하던 시대에서, 실제로 매출, 바이백, 소각을 통해 주식처럼 평가할 수 있는 토큰만 살아남는 방향으로 가고 있음
Please open Telegram to view this post
VIEW IN TELEGRAM
❤5
BTC는 이틀간 13%, ETH는 22% 상승했음. 이는 단순 숏스퀴즈가 아닌 추세 전환 신호가 한꺼번에 겹친 움직임임
1. 기술적 바닥 신호
- BTC, ETH가 각각 고점 대비 54%, 70% 하락 후 200일선을 회복
- BTC는 FTX 저점 기준 VWAP에서 지지
- 거래량을 동반해 50일선과 연초 VWAP 재돌파
- 약세장 기간도 약 315일로 과거 사이클 평균과 유사
2. 시장은 무관심 속에서 바닥을 만듦
- 최근까지 거래량과 변동성은 2019년 이후 가장 낮았음
- 채굴기업도 보유 BTC를 매도하고 데이터센터 사업으로 전환하면서 사실상 항복했음
- 팔 사람이 대부분 사라진 시장에 촉매가 들어오자, 숏 청산이 상승을 증폭시킨 구조
3. 촉매는 규제와 유동성
- SEC·CFTC가 우호적인 규칙을 내놓고, 재무부는 장기국채 바이백을 확대
- 바이백이 QE는 아니지만, 장기금리 상승을 방치하지 않겠다는 신호로 해석
- 비트코인은 유동성 변화에 가장 먼저 반응하는 자산
4. 알트가 살아나는 장은 아님
- 이번 사이클은 비트코인, 밈코인, 온체인 파생상품에 들어오는 자금이 서로 분리됨
- 실사용·매출·가치 환원 구조가 없는 토큰은 반등하더라도 버티기 어려움
- 반면 수수료를 벌고 바이백, 소각, 수익분배 제공 프로토콜은 강한 차별화를 보일 것
✍️이번 사이클은 실제 매출과 토큰 가치 포착 구조를 가진 자산만 재평가받는 장
Please open Telegram to view this post
VIEW IN TELEGRAM
Starkiller Capital
The Cycle Turns
Let me begin with saying that we don't publish here very often, for one specific reason. While other firms will flood their marketing channels with all kinds of content to stay top of mind with potential investors, we choose to speak only when we have something…
❤7
🤔코스피 9,300→6,300, 한국판 잃어버린 30년의 시작? (Ken Fisher) source
1. 한국 증시는 사실상 두 종목과 긴 꼬리임. 삼성전자와 하이닉스라는 두 대기업이 지수를 좌우하고, 나머지 종목들이 뒤따르는 구조임. 두 종목의 움직임이 곧 시장 전체의 급등락으로 증폭될 수밖에 없음
2. 따라서 두 달간의 급격한 조정이 반드시 한국 경제나 반도체 산업에 새로운 악재가 발생했다는 뜻은 아님. 집중도가 높은 시장의 자연스러운 변동성임. 한국 증시는 미국·영국·일본과 유럽보다 구조적으로 크게 흔들릴 수 있음
3. 글로벌 시장을 먼저 보고, 한국 시장은 그다음에 봐야 함. 한국 증시의 중장기 방향을 결정하는 것은 글로벌 증시의 방향, 유동성, AI 투자 사이클과 위험선호임. 글로벌 강세장이 이어진다면 한국 증시 역시 결국 반등할 가능성이 높음
4. 글로벌 시장은 아직 강세장 후반의 유포리아 단계가 아님. AI 기업의 밸류는 높지만, 매출과 사업 기반이 없는 기업까지 무차별적으로 상장되는 닷컴버블식 광란은 아직 나타나지 않았음
5. 여기에 미국의 중간선거의 기적도 강세 논리를 뒷받침함. 역사적으로 중간선거가 있는 해의 4분기는 88% 확률로 상승했고, 이후 두 분기도 각각 85%의 상승 확률을 기록. 4분기부터 시작하는 9개월 전체는 92% 이상 플러스임. 즉, 2026년 하반기부터 2027년 초까지 강세를 예상함
6. 가장 현실적인 위험은 채권시장 반란이나 한국 증시 급락이 아니라 연준의 정책 실수임. 단기금리를 과도하게 올리면 장단기 금리차가 축소되고, 은행의 대출 유인이 약해져 이미 둔화된 경제를 추가로 압박함
7. 코스피를 일반적인 분산형 국가 지수처럼 해석하면 안 됨. 사실상 글로벌 AI·메모리 사이클에 높은 레버리지를 가진 집중형 반도체 지수임. 한국 증시의 급락은 집중된 시장이 글로벌 변동성을 과장해 반영한 결과임
Ken Fisher의 답은 명확함. 이번 하락을 1989년 일본 니케이의 세대적 고점과 비교하는 것은 과도하다는 것
1. 한국 증시는 사실상 두 종목과 긴 꼬리임. 삼성전자와 하이닉스라는 두 대기업이 지수를 좌우하고, 나머지 종목들이 뒤따르는 구조임. 두 종목의 움직임이 곧 시장 전체의 급등락으로 증폭될 수밖에 없음
2. 따라서 두 달간의 급격한 조정이 반드시 한국 경제나 반도체 산업에 새로운 악재가 발생했다는 뜻은 아님. 집중도가 높은 시장의 자연스러운 변동성임. 한국 증시는 미국·영국·일본과 유럽보다 구조적으로 크게 흔들릴 수 있음
3. 글로벌 시장을 먼저 보고, 한국 시장은 그다음에 봐야 함. 한국 증시의 중장기 방향을 결정하는 것은 글로벌 증시의 방향, 유동성, AI 투자 사이클과 위험선호임. 글로벌 강세장이 이어진다면 한국 증시 역시 결국 반등할 가능성이 높음
4. 글로벌 시장은 아직 강세장 후반의 유포리아 단계가 아님. AI 기업의 밸류는 높지만, 매출과 사업 기반이 없는 기업까지 무차별적으로 상장되는 닷컴버블식 광란은 아직 나타나지 않았음
5. 여기에 미국의 중간선거의 기적도 강세 논리를 뒷받침함. 역사적으로 중간선거가 있는 해의 4분기는 88% 확률로 상승했고, 이후 두 분기도 각각 85%의 상승 확률을 기록. 4분기부터 시작하는 9개월 전체는 92% 이상 플러스임. 즉, 2026년 하반기부터 2027년 초까지 강세를 예상함
6. 가장 현실적인 위험은 채권시장 반란이나 한국 증시 급락이 아니라 연준의 정책 실수임. 단기금리를 과도하게 올리면 장단기 금리차가 축소되고, 은행의 대출 유인이 약해져 이미 둔화된 경제를 추가로 압박함
7. 코스피를 일반적인 분산형 국가 지수처럼 해석하면 안 됨. 사실상 글로벌 AI·메모리 사이클에 높은 레버리지를 가진 집중형 반도체 지수임. 한국 증시의 급락은 집중된 시장이 글로벌 변동성을 과장해 반영한 결과임
YouTube
Ken Fisher: Why This Bull Market Could Last Into 2027
🎥 This video was recorded on Monday, August 10, 2026
In this exclusive interview, Ken Fisher, Founder and Executive Chairman of Fisher Investments, joins 3PROTV to share his macro outlook on the global economy, Federal Reserve policies, AI valuations, and…
In this exclusive interview, Ken Fisher, Founder and Executive Chairman of Fisher Investments, joins 3PROTV to share his macro outlook on the global economy, Federal Reserve policies, AI valuations, and…
❤6
1. AI의 병목이 다시 이동 중
- 2년마다 연산 성능은 3배 증가했지만, DRAM 대역폭은 1.6배, 인터커넥트는 1.4배 증가
- AI 학습 연산량은 같은 기간 8.8배 증가
- 칩의 계산 능력보다 데이터를 공급하고 이동시키는 능력이 느린 대역폭 장벽 발생
2. HBM은 패키지 내부의 해법
- HBM은 메모리를 GPU 가까이에 수직 적층해 높은 대역폭을 확보
- 하지만 장점은 GPU와 HBM이 붙어 있는 패키지 내부에 집중
- 데이터가 패키지 밖으로 나가는 순간 구리의 전력·발열·거리 한계가 재발생
3. 더 높게 쌓는 것만으로는 부족
- HBM 적층이 높아질수록 용량은 늘지만, 발열·수율·비용·패키지 면적 부담도 증가
- 수천 개 GPU가 연결된 AI 클러스터에서는 개별 HBM 성능보다 시스템 전체의 데이터 이동이 중요
- 병목이 메모리 밀도에서 연결성으로 이동
4. 다음 해법은 CPO와 광연결
- CPO는 광학 엔진을 프로세서 가까이에 배치해 구리 이동 거리를 최소화
- 장거리 데이터 전송은 전기가 아닌 빛으로 처리
5. HBM의 역할도 재정의
- 모든 메모리를 GPU 옆에 쌓는 대신 XPU 풀과 대규모 메모리 풀을 분리
- 두 자원을 광학 인터커넥트로 연결, 가속기가 하나의 메모리 풀 공유
- HBM은 초저지연 로컬 메모리로 남고, 추가 용량은 외부로 확장
6. 광연결에 주목하는 3사
- 하닉·삼전·마이크론 모두 광인터커넥트 기업 Avicena에 투자
- 경쟁 3사가 같은 기업의 캡테이블에 들어갔다는 것은 강한 전략적 신호
- 즉, 광연결을 차세대 메모리 확장 경로로 보고 있다는 의미
✍️결론
- HBM 수요 정점이 아니라, HBM만으로 AI를 확장하는 방식의 정점
- AI 가치사슬은 GPU → HBM → 인터커넥트, 광학 기술로 확장
- 승자는 분산된 연산과 메모리를 하나의 시스템처럼 연결하는 기업
Please open Telegram to view this post
VIEW IN TELEGRAM
❤10
😇AI 붐에 돈이 떨어지면 무슨 일이 벌어질까 (Ben Thompson) source
1. AI의 다음 병목은 돈
- AI 투자는 빅테크 잉여현금흐름에서 회사채, 증자, 연기금·보험자금으로 자본곡선을 내려가는 중
- 추정치는 올해 CapEx 약 8,000억 달러, 내년 1.3조 달러
- AI 매출이 투자를 감당하기 전에 자본시장이 닫히면 대규모 조정이 발생
2. 핵심은 수익의 시간차
- 현재 컴퓨트 부족은 보수적인 증설이 만든 결과
- 반면 지금 집행되는 팹·데이터센터 투자는 2028년에야 나타남
- 현재의 희소성에서 계산한 높은 ROI가 공급 확대 후에도 유지될지는 별개의 문제
3. 철도 버블과 같은 구조
- 19세기 철도는 수익 회수에 수십 년이 필요했지만 단기 자금으로 건설됐음
- 결국 세계가 자금을 소진하며 버블은 붕괴했지만, 철도망은 남아 경제를 바꿨음
- AI 역시 주가는 무너져도 기술과 인프라는 계속 발전함
4. 증설이 시작되면 컴퓨트도 상품 사이클
- 데이터센터는 고정비가 크지만 일단 지으면 가격을 낮춰서라도 가동하게 됨
- 모두가 부족을 보고 동시에 증설하면 공급이 도착하는 순간 가격과 수익성이 급락
- 메모리처럼 부족 → 과잉투자 → 공급과잉 → 가격 붕괴가 반복
5. 자본력이 승부를 가름
- 낮은 자본비용과 기존 현금창출원을 가진 구글, 아마존 같은 빅테크가 유리함
- 반대로 외부 조달과 높은 GPU 가동률에 의존하는 모델 기업, 네오클라우드는 먼저 흔들림
- AI 투자에서는 자금조달 지속성, 원가경쟁력, 공급 증가 이후 가동률을 봐야 함
6. 버블이 남기는 자산
- GPU와 모델은 노후화되지만 전력망·데이터센터·팹·네트워크는 남음
- 닷컴버블이 값싼 광섬유를 남겼듯, AI 버블은 값싼 전력과 컴퓨팅 인프라를 남김
- 다음 승자는 붕괴 후 남은 인프라를 싸게 활용하는 기업일 것
1. AI의 다음 병목은 돈
- AI 투자는 빅테크 잉여현금흐름에서 회사채, 증자, 연기금·보험자금으로 자본곡선을 내려가는 중
- 추정치는 올해 CapEx 약 8,000억 달러, 내년 1.3조 달러
- AI 매출이 투자를 감당하기 전에 자본시장이 닫히면 대규모 조정이 발생
2. 핵심은 수익의 시간차
- 현재 컴퓨트 부족은 보수적인 증설이 만든 결과
- 반면 지금 집행되는 팹·데이터센터 투자는 2028년에야 나타남
- 현재의 희소성에서 계산한 높은 ROI가 공급 확대 후에도 유지될지는 별개의 문제
3. 철도 버블과 같은 구조
- 19세기 철도는 수익 회수에 수십 년이 필요했지만 단기 자금으로 건설됐음
- 결국 세계가 자금을 소진하며 버블은 붕괴했지만, 철도망은 남아 경제를 바꿨음
- AI 역시 주가는 무너져도 기술과 인프라는 계속 발전함
4. 증설이 시작되면 컴퓨트도 상품 사이클
- 데이터센터는 고정비가 크지만 일단 지으면 가격을 낮춰서라도 가동하게 됨
- 모두가 부족을 보고 동시에 증설하면 공급이 도착하는 순간 가격과 수익성이 급락
- 메모리처럼 부족 → 과잉투자 → 공급과잉 → 가격 붕괴가 반복
5. 자본력이 승부를 가름
- 낮은 자본비용과 기존 현금창출원을 가진 구글, 아마존 같은 빅테크가 유리함
- 반대로 외부 조달과 높은 GPU 가동률에 의존하는 모델 기업, 네오클라우드는 먼저 흔들림
- AI 투자에서는 자금조달 지속성, 원가경쟁력, 공급 증가 이후 가동률을 봐야 함
6. 버블이 남기는 자산
- GPU와 모델은 노후화되지만 전력망·데이터센터·팹·네트워크는 남음
- 닷컴버블이 값싼 광섬유를 남겼듯, AI 버블은 값싼 전력과 컴퓨팅 인프라를 남김
- 다음 승자는 붕괴 후 남은 인프라를 싸게 활용하는 기업일 것
YouTube
What Happens When the AI Boom Runs Out of Money
Ben Thompson joins Invest Like the Best for a wide-ranging conversation about the economics, geopolitics, and business models shaping the AI era. They discuss why overwhelming U.S. dominance in AI could be dangerous, whether the massive AI infrastructure…
❤5
엔터프라이즈 AI의 방향 (Databricks) source
1. Databricks가 복잡한 문서에서 데이터를 추출하는 AI Extract Precision Mode를 공개했음. 단순한 PDF 인식 기능처럼 보이지만, 실제로는 AI 산업의 가치가 범용 모델에서 에이전트 실행 시스템으로 이동하고 있다는 사례
2. 범용 LLM은 기본적으로 다음 토큰을 예측하도록 학습됨. 그래서 문서에 적힌 값을 정확히 복사해야 하는 상황에서도 오탈자를 임의로 수정하거나, 형식을 보정하고, 존재하지 않는 정보를 채워 넣을 수 있음. 일반 대화에서는 장점이지만 회계·계약·의료에서는 치명적임
3. 특히 기존 방식은 수백 페이지 뒤의 조항을 앞부분과 대조하거나, 수천 개의 송장 항목을 빠짐없이 출력하고, 300개가 넘는 중첩 필드에 계산과 추론을 적용할 때 쉽게 무너짐. 컨텍스트 초과, 출력 잘림, 필드 누락, 스키마 오류가 발생하기 때문
4. Databricks의 해법은 더 큰 모델 하나에 문서 전체를 맡기는 것이 아님. 문서 추출에 특화된 모델과 에이전틱 하네스를 결합했음. 먼저 스키마를 분석하고 문서를 의미 단위로 나눈 뒤, 여러 서브에이전트가 병렬로 추출하고 중간 결과를 보존해 최종 구조로 병합함
5. Databricks 자체 벤치마크 기준으로 9,000개의 복잡한 문서에서 94.7%의 정확도를 기록했음. 가장 강한 범용 모델 기반 방식보다 7%p 높았고, 문서당 비용도 더 낮았음
6. 핵심은 범용 모델의 성능이 낮아서가 아니라, 범용 모델만 호출하는 방식의 한계가 드러나고 있다는 점임. 실제 엔터프라이즈 환경에서는 모델 자체보다 작업 분해, 병렬 실행, 메모리, 검증, 재시도, 스키마 준수와 같은 시스템 설계가 결과를 좌우함
7. 이는 AI 가치사슬에도 중요한 변화임. 범용 모델이 상향 평준화될수록 기업은 특정 모델에 높은 비용을 계속 지불하지 않을 것임. 값싼 모델이나 자체 특화 모델을 선택하고, 자사의 데이터, 워크플로우, 평가 시스템과 결합해 동일한 작업을 더 정확하고 저렴하게 처리하려 함
8. 그 결과 토큰당 가격은 하락하지만 전체 토큰 소비는 오히려 폭증함. 하나의 거대 모델 호출이 여러 특화 모델과 서브에이전트의 병렬 실행으로 바뀌기 때문. 모델 사업자의 초과이익은 압박받을 수 있지만, 전체 컴퓨팅과 추론 수요에는 강한 제번스의 역설이 나타남
✍️다음 AI 승부처는 누가 비정형 데이터를 낮은 비용으로 신뢰 가능한 업무 결과로 전환하는가에 있음
1. Databricks가 복잡한 문서에서 데이터를 추출하는 AI Extract Precision Mode를 공개했음. 단순한 PDF 인식 기능처럼 보이지만, 실제로는 AI 산업의 가치가 범용 모델에서 에이전트 실행 시스템으로 이동하고 있다는 사례
2. 범용 LLM은 기본적으로 다음 토큰을 예측하도록 학습됨. 그래서 문서에 적힌 값을 정확히 복사해야 하는 상황에서도 오탈자를 임의로 수정하거나, 형식을 보정하고, 존재하지 않는 정보를 채워 넣을 수 있음. 일반 대화에서는 장점이지만 회계·계약·의료에서는 치명적임
3. 특히 기존 방식은 수백 페이지 뒤의 조항을 앞부분과 대조하거나, 수천 개의 송장 항목을 빠짐없이 출력하고, 300개가 넘는 중첩 필드에 계산과 추론을 적용할 때 쉽게 무너짐. 컨텍스트 초과, 출력 잘림, 필드 누락, 스키마 오류가 발생하기 때문
4. Databricks의 해법은 더 큰 모델 하나에 문서 전체를 맡기는 것이 아님. 문서 추출에 특화된 모델과 에이전틱 하네스를 결합했음. 먼저 스키마를 분석하고 문서를 의미 단위로 나눈 뒤, 여러 서브에이전트가 병렬로 추출하고 중간 결과를 보존해 최종 구조로 병합함
5. Databricks 자체 벤치마크 기준으로 9,000개의 복잡한 문서에서 94.7%의 정확도를 기록했음. 가장 강한 범용 모델 기반 방식보다 7%p 높았고, 문서당 비용도 더 낮았음
6. 핵심은 범용 모델의 성능이 낮아서가 아니라, 범용 모델만 호출하는 방식의 한계가 드러나고 있다는 점임. 실제 엔터프라이즈 환경에서는 모델 자체보다 작업 분해, 병렬 실행, 메모리, 검증, 재시도, 스키마 준수와 같은 시스템 설계가 결과를 좌우함
7. 이는 AI 가치사슬에도 중요한 변화임. 범용 모델이 상향 평준화될수록 기업은 특정 모델에 높은 비용을 계속 지불하지 않을 것임. 값싼 모델이나 자체 특화 모델을 선택하고, 자사의 데이터, 워크플로우, 평가 시스템과 결합해 동일한 작업을 더 정확하고 저렴하게 처리하려 함
8. 그 결과 토큰당 가격은 하락하지만 전체 토큰 소비는 오히려 폭증함. 하나의 거대 모델 호출이 여러 특화 모델과 서브에이전트의 병렬 실행으로 바뀌기 때문. 모델 사업자의 초과이익은 압박받을 수 있지만, 전체 컴퓨팅과 추론 수요에는 강한 제번스의 역설이 나타남
✍️다음 AI 승부처는 누가 비정형 데이터를 낮은 비용으로 신뢰 가능한 업무 결과로 전환하는가에 있음
❤8
1. Deutsche Bank가 지난 70년간의 AI 사이클 분석 자료를 공개. 핵심은 현재의 AI 붐이 단순 소프트웨어 유행이나 GPU 교체 사이클이 아니라, 반도체, 전력, 데이터센터, 국가 R&D 구조까지 바꾸는 거대한 산업 재편이라는 점
2. 딥러닝 이전까지 주요 AI 시스템의 학습 연산량은 연평균 1.4배 증가함. 2010년 이후에는 증가 속도가 연평균 4배까지 가속됨. 무어의 법칙만으로는 설명 불가한 속도임. 이는 GPU, HBM, 네트워크, 데이터, 알고리즘이 동시에 개선되면서 서로를 증폭시키고 있기 때문
3. AI 연산 비용이 하락한다고 전력과 반도체 수요가 줄어드는 것도 아님. 2006년 이후 GPU 연산 비용은 99% 하락했지만, 더 많은 기업과 서비스가 AI를 사용하면서 총연산량은 폭발적으로 증가함. 전형적인 제번스의 역설임. 효율성이 높아질수록 사용량이 늘어나며, 2024년부터 2030년까지 AI 관련 전력 소비는 2배 증가할 예정임
4. 이 구조에서는 효율화가 곧 CapEx 감소를 의미하지 않음. 모델당 연산 비용이 내려가면 더 큰 모델, 더 긴 컨텍스트, 더 많은 추론, 더 많은 에이전트를 사용하게 됨. AI 칩의 성능 개선은 GPU 수요를 파괴하는 것이 아니라 새로운 수요를 열어주는 역할을 해옴
5. 중국의 DeepSeek 역시 갑자기 등장한 게 아님. 중국은 PPP 기준 R&D 투자에서 2012년 전후 유럽을 넘어섰고, 2024년에는 미국까지 추월함. AI 특허 승인 건수는 경쟁국 대비 압도적 수준으로 벌어짐. DeepSeek는 수년간 축적된 연구 인력, 자본, 산업정책, 데이터, 공급망의 결과물임
6. 다만 특허 숫자를 곧바로 기술적 우위로 해석해서는 안 됨. 주목할 만한 AI 모델의 수에서는 아직 미국이 중국을 앞서고 있음. 중국은 연구의 양과 산업화 파이프라인에서 강점을 보이고 있고, 미국은 최첨단 모델과 플랫폼에서 우위를 유지하는 구도임. 이미 중국은 독립적 AI 생태계를 구축할 수 있는 임계점을 넘어섬
7. GPT 이후 시장의 가장 큰 수혜가 하드웨어에서 먼저 나타난 것도 같은 맥락임. 데이터센터, GPU, HBM, 반도체 장비, 패키징, 전력망, 냉각, 건설 등 물리적 인프라가 AI 확장의 선행조건이 됐음. 소프트웨어 투자는 여전히 크지만, 증가 속도와 공급 부족은 물리적 레이어에서 더욱 강하게 나타남
8. 미국의 반도체 수입이 수출의 3배에 달한다는 점도 AI 경쟁의 본질을 보여줌. 미국이 모델과 플랫폼을 장악하더라도 반도체 제조, 메모리, 소재, 장비, 패키징 공급망에서는 해외 의존도가 높음. 리쇼어링이 진행되고 있지만 팹과 전력 인프라는 짧게는 수년, 길게는 10년에 가까운 시간이 필요
9. AI를 하나의 종목군으로 묶어서는 안 됨. 병목은 GPU에서 HBM과 메모리로, 다시 네트워크와 광통신, 전력, 냉각, 데이터센터 건설로 이동 중. 이후에는 이 인프라 위에서 실제 매출과 생산성을 만들어내는 소프트웨어와 AI 에이전트가 다음 수익화 구간을 형성함
10. AI의 핵심은 특정 모델의 성능 경쟁이 아님. 전 세계의 자본, 전력, 반도체 생산능력, 연구 인력과 국가 산업정책이 하나의 방향으로 재배치되고 있음. AI는 새로운 산업 인프라를 건설하는 장기 자본 사이클임
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
❤5
1. 외계인이 지구에 와서 "인류가 지금까지 이룬 모든 성취와 앞으로 이룰 성취의 근본에 있는 하나의 차트를 보여달라"고 묻는다면, 차마스 팔리하피티야는 이 차트를 보여주겠다고 했음
2. 지난 80년간 1달러로 구매할 수 있는 연산량은 18자릿수, 즉 10¹⁸배 증가함. 로그 스케일로 봐야 할 만큼 압도적 변화임. 오늘날의 1달러는 1940년대와 비교할 수 없을 정도로 많은 계산을 수행함
3. 단순히 컴퓨터가 빨라졌다는 이야기가 아님. 연산 비용이 하락할 때마다 과거에는 불가능하거나 경제성이 없었던 문제가 새로운 산업으로 전환됐음
4. 인터넷, 스마트폰, 검색엔진, 클라우드, 유전체 분석, 기후 예측, 신약 개발, 자율주행, 로봇, 블록체인 모두 값싼 연산의 하류에서 탄생함. 처음엔 계산할 수 없었고, 이후엔 비쌌으며, 마지막엔 저렴히 대중화됨
5. AI 역시 독립적으로 갑자기 등장한 기술이 아님. 누적된 연산 비용 하락이 임계점을 넘으면서 나타난 결과물임. 다만 이번엔 연산이 추론, 설계, 연구와 같은 지적 노동 자체를 생산하기 시작했다는 차이가 있음
6. 연산 가격이 하락하면 AI는 더 많은 토큰을 생성하고, 오래 추론하며, 무한한 시뮬레이션을 수행함. 과학자는 더 많은 가설을 검증하고, 기업은 의사결정을 자동화하며, 로봇은 더 복잡한 작업을 맡게 됨
7. 연산만으로 모든 문제가 해결되지는 않음. 데이터, 에너지, 메모리, 네트워크, 규제와 물리적 자원이 새로운 병목임. 그러나 연산 효율이 개선될수록 인류가 시도할 실험의 수와 문제 해결 범위는 계속 넓어짐
8. 결국 이 차트는 문제 해결 비용의 역사에 가까움. 이 곡선이 우상향하는 한, 인류는 단순히 더 많은 문제를 푸는 것이 아니라 문제를 푸는 능력 자체를 지속적으로 확장하게 됨
✍️AI 시대의 근본적인 투자 논리는 지능과 계산의 가격이 계속 하락한다는 장기 추세에 있음
Please open Telegram to view this post
VIEW IN TELEGRAM
❤8
1. AI 토큰 가격이 하락하면 GPU와 데이터센터 수요도 줄어들 것이라는 우려가 있었음. 추론 효율이 개선되면 동일한 작업에 필요한 연산량도 감소하기 때문
2. 그러나 최근 데이터는 반대를 가리키고 있음. 6월 말 이후 토큰 가격은 40% 하락했지만, 7월 상위 1% 기업의 직원당 AI 지출은 전월 대비 49% 증가했고 상위 10%는 25%, 중간값 기업도 9% 증가함. 단가 하락보다 사용량이 더 빠르게 늘면서 총지출까지 증가한 것
3. 이것이 AI 시장의 제번스의 역설임. 기술 효율이 높아져 가격이 낮아지면 소비가 줄어드는 것이 아니라, 새로운 수요가 열리면서 총소비가 오히려 증가함
4. 토큰이 저렴해지면 기업은 같은 업무를 더 싸게 처리하고 끝내지 않음. 더 많은 문서를 분석하고, 더 긴 추론을 실행하며, 더 많은 코드와 AI 에이전트를 운영하게 됨
5. 실제로 토큰 가격은 계속 하락했지만 GPU 임대 가격은 6월 저점에서 반등했고 가격도 견조하게 유지되고 있음. 값싼 지능이 충분한 추가 사용량을 만들어내며, 기반 연산 자원 수요를 지탱하고 있다는 신호
6. 다만 모든 AI 기업이 동일하게 수혜를 받는 것은 아님. 저가 모델과 오픈웨이트 모델의 확산은 전체 AI 사용량에는 긍정적이지만, 차별화가 약한 모델·API 기업에는 압박임. 반대로 GPU, HBM, 네트워크, 전력, 냉각 등 인프라는 사용량 증가의 직접 수혜를 받음
7. 중요한 건 가격이 하락할 때 사용량이 얼마나 증가하는가임. 사용량 증가율이 가격 하락률을 넘어선다면, 토큰 가격이 계속 낮아져도 전체 컴퓨팅 수요는 오히려 증가함
8. 아직은 초기이며 공급 증설이나 모델 구조 혁신이 변수가 될 수 있음. 그럼에도 현재의 흐름은 분명함. AI는 그저 저렴해지는 것이 아니라, 가격 하락을 더 많은 지능 소비로 전환하고 있음
Please open Telegram to view this post
VIEW IN TELEGRAM
❤8
1. AI의 가장 큰 파급력은 과학 그 자체의 자동화에 있음. 수학을 시작으로 물리학·화학·생물학·재료과학의 난제가 연쇄적으로 풀리며, 인류가 수십 년 걸리던 발견을 극단적으로 압축함
2. 이 가속이 현실화되면 암을 포함한 대부분의 질병이 10년 내 정복되고, 인간의 수명과 건강수명이 크게 늘어남. 2033년에는 매년 살아가는 동안 과학이 1년 이상의 수명을 추가하는 수명 탈출 속도에 도달함
3. 향후 2년 안에는 이메일·메신저·일정·대화 기록을 모두 기억하는 상시형 개인 AI가 보편화됨. 이후에는 생체 데이터를 실시간으로 분석해 하루 전체를 개인에게 맞춰 조정하는 운영체제로 진화
4. AI는 의사·치료사·코치·교사 등 역할을 동시에 수행하게 됨. 진단은 이미 인간 의사를 추월했고, 로봇 수술까지 확장되면 의료와 교육의 핵심 비용이 인건비에서 전력과 장비 감가상각 수준으로 급락함
5. 반대편에서는 기존 사회계약이 무너짐. 좋은 학교와 대학을 졸업해 안정적인 직장에 들어가는 경로는 약화되고, 일부 기업은 AI를 활용해 인력을 대폭 축소하는 반면 소규모 스타트업과 1인 기업은 폭발적 증가
6. 고용 충격이 본격화되면 정부는 2년 안에 현금 지급이나 UBI에 가까운 정책을 도입할 것. 다만 생존비를 지급하는 것만으로는 해결되지 않으며, 일과 역할을 잃은 사람들이 의미와 정체성까지 상실하면서 사회 불안이 커짐
7. 이에 따라 향후 3년은 데이터센터와 개발 중단을 요구하는 반발이 정점에 달함. 그러나 미국이 규제를 강화해도 다른 국가가 개발을 지속하기 때문에 AI를 멈추기는 어렵고, 오히려 인류는 통제보다 적응과 방향 설정의 문제를 마주하게 됨
8. 디아만디스는 향후 10년 동안 달 기지·달 원자력 발전소·수자원 채굴·궤도 데이터센터·50만 개의 데이터센터 위성까지 현실화되며, 인류가 지금까지 등장한 공상과학을 순차적으로 스피드런할 것으로 전망함
Please open Telegram to view this post
VIEW IN TELEGRAM
YouTube
The Next 10 Years Will Shock Everyone | Peter Diamandis
ATT Business: Switch to AT&T Business at https://business.att.com
Truemed: Check your eligibility and start saving at https://truemed.com/impact
The conversation focused on the unprecedented wave of technological disruption brought about by advances in artificial…
Truemed: Check your eligibility and start saving at https://truemed.com/impact
The conversation focused on the unprecedented wave of technological disruption brought about by advances in artificial…
❤6
AI 반도체의 중심은 메모리 source
1. AI가 장문맥·추론·에이전트로 진화하면서, 성능 병목이 GPU 연산력에서 메모리 용량과 속도로 이동
2. 수백만 토큰과 KV 캐시를 HBM만으로 감당하기 어려워지면서, NAND를 적층해 용량을 크게 확장한 HBF가 HBM의 보조 메모리 계층으로 부상
3. 향후 AI 서버는 초고속 데이터는 HBM, 대규모 KV 캐시는 HBF, 저빈도 데이터는 eSSD·외부 스토리지가 처리하는 다층 메모리 구조로 재편
4. 메모리 전쟁은 GPU 바로 옆이나 위에 적층해 속도를 높이는 방식과, 대용량 메모리를 외부에 두고 광통신으로 연결하는 방식의 대결
5. 메모리를 GPU에 가까이 붙일수록 대역폭은 높아지지만 발열과 냉각 문제가 커지며, 결국 AI 반도체의 핵심 기술이 칩 설계에서 3D 패키징·열관리·냉각으로 확장됨
6. 고객별 GPU와 공동 설계하는 cHBM이 확대되면 메모리는 범용 상품에서 맞춤형 시스템 반도체로 바뀌며, 가격 경쟁과 메모리 사이클도 약화될 수 있음
7. AI 모델 자체의 격차가 줄어들수록 부가가치는 모델보다 인프라로 이동하며, A데이터센터는 사실상 메모리 팩토리가 됨
✍️HBM 실적과 HBF·cHBM 옵션을 동시에 가진 하이닉스가 코어, 샌디스크는 HBF 고베타, 패키징·광통신·전력·냉각이 후속 수혜 영역
1. AI가 장문맥·추론·에이전트로 진화하면서, 성능 병목이 GPU 연산력에서 메모리 용량과 속도로 이동
2. 수백만 토큰과 KV 캐시를 HBM만으로 감당하기 어려워지면서, NAND를 적층해 용량을 크게 확장한 HBF가 HBM의 보조 메모리 계층으로 부상
3. 향후 AI 서버는 초고속 데이터는 HBM, 대규모 KV 캐시는 HBF, 저빈도 데이터는 eSSD·외부 스토리지가 처리하는 다층 메모리 구조로 재편
4. 메모리 전쟁은 GPU 바로 옆이나 위에 적층해 속도를 높이는 방식과, 대용량 메모리를 외부에 두고 광통신으로 연결하는 방식의 대결
5. 메모리를 GPU에 가까이 붙일수록 대역폭은 높아지지만 발열과 냉각 문제가 커지며, 결국 AI 반도체의 핵심 기술이 칩 설계에서 3D 패키징·열관리·냉각으로 확장됨
6. 고객별 GPU와 공동 설계하는 cHBM이 확대되면 메모리는 범용 상품에서 맞춤형 시스템 반도체로 바뀌며, 가격 경쟁과 메모리 사이클도 약화될 수 있음
7. AI 모델 자체의 격차가 줄어들수록 부가가치는 모델보다 인프라로 이동하며, A데이터센터는 사실상 메모리 팩토리가 됨
✍️HBM 실적과 HBF·cHBM 옵션을 동시에 가진 하이닉스가 코어, 샌디스크는 HBF 고베타, 패키징·광통신·전력·냉각이 후속 수혜 영역
YouTube
“GPU 발전은 멈췄다! 이제 데이터센터는 메모리 팩토리” (김정호 카이스트 교수)
8월4일 산타클라라에서 열린 FMS 2026에서 삼성전자는 zHBM을, SK하이닉스는 샌디스크, 구글과 함께 HBF를 내놨습니다. 이 두가지가 어떤 구조인지 'HBM의 아버지' 김정호 카이스트 교수에게 들어봅니다.
특히 김 교수는 삼성전자의 zHBM처럼 GPU 위에 메모리를 쌓으면 열 때문에 메모리가 녹기때문에 순서를 뒤집어 HBM 위에 GPU를 쌓자는 tHBM을 연구중이라고 처음으로 공개했는데요. 어떤 구조인지 들어봅니다.
편집 : 이소민 영상디자이너…
특히 김 교수는 삼성전자의 zHBM처럼 GPU 위에 메모리를 쌓으면 열 때문에 메모리가 녹기때문에 순서를 뒤집어 HBM 위에 GPU를 쌓자는 tHBM을 연구중이라고 처음으로 공개했는데요. 어떤 구조인지 들어봅니다.
편집 : 이소민 영상디자이너…
❤4
중국의 HBM 추격과 AI 에이전트 경제 source
1. 중국은 막대한 자본과 인력을 투입하면 3년 내 HBM3 수준까지 추격할 수 있으나, 시제품 개발과 고수율·대량 양산은 별개의 문제
2. 진짜 위협은 중국이 HBM을 만드는 것보다 애플·글로벌 PC 업체가 중국산 메모리를 채택해 물량·품질 인증·기술 지원까지 제공하는 상황
3. 한국의 방어 전략은 중국보다 두세 세대 앞선 HBM을 개발하는 동시에, 과도한 가격으로 고객사의 중국 공급망 육성을 자극하지 않는 것
4. AI 경쟁의 중심은 HBM·스토리지·네트워크·전력을 얼마나 확보했는가
5. 한국은 메모리를 교두보로 삼아 국산 NPU, 첨단 패키징, 전력반도체, 광통신, 데이터센터 설계까지 산업 범위를 점진적으로 확장할 필요
6. 막대한 AI 인프라 투자가 지속되려면 실제 수익화가 필요하며, AI 에이전트가 구매·예약·투자·결제를 대신하는 에이전트 커머스가 핵심 현금흐름이 됨
7. 에이전트 시대의 핵심 기술은 신원·권한·결제 한도·승인 절차·감사 기록·킬스위치를 관리하는 하네스 인프라
✍️HBM·패키징·전력·광통신 같은 물리적 병목과 결제, 보안, 스테이블코인 같은 에이전트 거래 인프라를 주목, 피크 HBM 마진·정책 의존 NPU·실사용 없는 AI 에이전트 토큰은 경계
1. 중국은 막대한 자본과 인력을 투입하면 3년 내 HBM3 수준까지 추격할 수 있으나, 시제품 개발과 고수율·대량 양산은 별개의 문제
2. 진짜 위협은 중국이 HBM을 만드는 것보다 애플·글로벌 PC 업체가 중국산 메모리를 채택해 물량·품질 인증·기술 지원까지 제공하는 상황
3. 한국의 방어 전략은 중국보다 두세 세대 앞선 HBM을 개발하는 동시에, 과도한 가격으로 고객사의 중국 공급망 육성을 자극하지 않는 것
4. AI 경쟁의 중심은 HBM·스토리지·네트워크·전력을 얼마나 확보했는가
5. 한국은 메모리를 교두보로 삼아 국산 NPU, 첨단 패키징, 전력반도체, 광통신, 데이터센터 설계까지 산업 범위를 점진적으로 확장할 필요
6. 막대한 AI 인프라 투자가 지속되려면 실제 수익화가 필요하며, AI 에이전트가 구매·예약·투자·결제를 대신하는 에이전트 커머스가 핵심 현금흐름이 됨
7. 에이전트 시대의 핵심 기술은 신원·권한·결제 한도·승인 절차·감사 기록·킬스위치를 관리하는 하네스 인프라
✍️HBM·패키징·전력·광통신 같은 물리적 병목과 결제, 보안, 스테이블코인 같은 에이전트 거래 인프라를 주목, 피크 HBM 마진·정책 의존 NPU·실사용 없는 AI 에이전트 토큰은 경계
YouTube
“저한테 이메일 오는 횟수 보면 중국도 3년내 HBM3 만듭니다” (카이스트 김정호 교수)
‘HBM의 아버지’ 김정호 카이스트 교수가 생각하는 ‘에이전트 이코노미’, 그리고 ‘중국 반도체의 수준’.
“우리 연구실의 에이전트가 주식투자하고 스테이블코인 사고 쿠팡 구매하고 하더라구요. 저는 미래에는 에이전트 오케스트라만 남는다, 그러니까 디렉터나 사장 같은 사람만 남는 거죠.”
“저한테 이메일 오는 횟수를 보면, 중국도 3년내 HBM3는 만들 수 있을 것 같아요”
편집 : 장민주 PD
촬영 : 장민주 PD
자료 : 장민주 PD
진행 : 박영선…
“우리 연구실의 에이전트가 주식투자하고 스테이블코인 사고 쿠팡 구매하고 하더라구요. 저는 미래에는 에이전트 오케스트라만 남는다, 그러니까 디렉터나 사장 같은 사람만 남는 거죠.”
“저한테 이메일 오는 횟수를 보면, 중국도 3년내 HBM3는 만들 수 있을 것 같아요”
편집 : 장민주 PD
촬영 : 장민주 PD
자료 : 장민주 PD
진행 : 박영선…
❤6
비트코인 채굴 기업 BTC.TOP, 이더리움으로 노선을 바꾸다
1. 기존 약세 전망은 완전히 틀렸음
- 4년 사이클을 너무 신뢰해 이번 약세장이 더 길고 깊을 것으로 봤음
- ETH 급등을 단순 숏스퀴즈로 판단했지만, 지금은 약세장이 끝났을 확률을 90%로 평가
2.상승을 놓친 투자자라면 BTC를 재매수
- BTC가 $67K~72K까지 조정받으면 남은 자금 전부 투입
- 조정이 오지 않더라도 늦어도 10월 말까지 현재 가격에서 매수
- 즉, 이제는 더 큰 하락을 기다리는 것보다 시장 복귀를 우선시
3. 이번 강세장의 엔진은 BTC보다 ETH
- ETH/BTC가 첫 급등 이후에도 다시 상승한 점을 중요하게 봄
- 단순 BTC 상승의 후행랠리가 아니라 ETH 자체가 이번 사이클을 주도
4. ETH 강세 핵심은 미국 금융의 온체인화
- 달러·주식·채권 등 미국 금융자산이 점점 토큰화·컨트랙트화될 것
- 이 구조에서 이더리움이 핵심 인프라가 될 확률이 높음
- ETH/BTC 0.1, 즉 BTC 200k, ETH 20k까지 가능할 수 있음
✍️BTC 중심으로 시장을 보던 올드 크립토 자본이 이번 사이클의 새로운 중심을 ETH와 온체인 금융에서 찾기 시작함
Please open Telegram to view this post
VIEW IN TELEGRAM
X (formerly Twitter)
Jiang Zhuoer BTC.TOP (@JiangZhuoer) on X
Long Article: "Is the Bull Market Really Here? What Should Those Who Missed Out Do?"
Let me explain my operations over the past few days 【Figure 1】:
a. ETH sold between 1738 and 1931 was bought b…
Let me explain my operations over the past few days 【Figure 1】:
a. ETH sold between 1738 and 1931 was bought b…
❤3
미국은 채권시장의 경고음을 끄고 있다 (Druckenmiller) source
1. 미국 재무부는 30년물 금리가 19년 만의 최고치를 기록하자 장기 국채 바이백 규모를 회당 20억 달러에서 40억 달러로 확대
2. 문제는 당시 국채시장이 망가지지 않았다는 점. 입찰 실패도, 강제 청산도, 딜러 유동성 경색도 없었으며 시장은 정상적으로 높은 금리를 요구하고 있었음
3. 드러켄밀러는 이를 유동성 관리가 아니라 가격 관리로 규정. 국채금리 상승이라는 시장의 경고를 정부가 인위적으로 억누르려 한다는 비판
4. 장기채를 사들이고 이를 단기 국채 발행으로 충당하면 시장에서 듀레이션이 제거됨. 형식은 재무부 바이백이지만 효과는 재무부가 직접 수행하는 미니 양적완화에 가까움
5. 그러나 금리는 원인이 아니라 결과. 장기금리 상승의 근본 원인은 막대한 재정적자, 늘어나는 이자비용, 인플레와 국채 공급 부담이며 바이백으로 해결할 수 없음
6. 오히려 시장 가격을 억누르기 시작하면 투자자들은 정부가 감추려는 문제가 더 크다고 판단. 발표 직후 하락했던 금리가 하루 만에 원위치한 것도 시장이 개입을 신뢰하지 않았다는 의미
7. 드러켄밀러가 자신의 옛 제자 베선트에게 보내는 메시지는 명확함. 채권시장을 조작하지 말고 재정적자를 줄이라는 것
8. 현재 미국은 재정확대, 관세 인플레, 금리 인하 압박, 장기금리 억제 정책이 동시에 작동하는 모순된 정책 조합에 들어서고 있음
9. 단기적으로 바이백은 금융여건을 완화해 주식과 크립토에 호재가 될 수 있지만, 장기적으로는 재정 신뢰 훼손과 인플레 위험을 키워 장기채에 더 큰 프리미엄을 요구하게 만듦
10. 따라서 핵심 트레이드는 단순한 금리 인하 베팅이 아님. 장기채 약세, 수익률곡선 스티프닝, 금과 비트코인 강세라는 재정지배 시대의 자산 배분에 가까움
11. 더 큰 질문은 지난 40년간 이어진 채권 강세장이 2020년 제로금리와 함께 끝났는지 여부. 그렇다면 지금의 고금리는 일시적 충격이 아니라 수십 년짜리 금리 상승 사이클의 초입일 수 있음
12. 40억 달러 바이백 자체는 작음. 그러나 정부가 시장금리를 정책 목표로 관리하기 시작했다는 신호는 생각보다 중대함. 채권시장의 입을 막을수록, 다음 경고는 더 큰 금리로 돌아옴
1. 미국 재무부는 30년물 금리가 19년 만의 최고치를 기록하자 장기 국채 바이백 규모를 회당 20억 달러에서 40억 달러로 확대
2. 문제는 당시 국채시장이 망가지지 않았다는 점. 입찰 실패도, 강제 청산도, 딜러 유동성 경색도 없었으며 시장은 정상적으로 높은 금리를 요구하고 있었음
3. 드러켄밀러는 이를 유동성 관리가 아니라 가격 관리로 규정. 국채금리 상승이라는 시장의 경고를 정부가 인위적으로 억누르려 한다는 비판
4. 장기채를 사들이고 이를 단기 국채 발행으로 충당하면 시장에서 듀레이션이 제거됨. 형식은 재무부 바이백이지만 효과는 재무부가 직접 수행하는 미니 양적완화에 가까움
5. 그러나 금리는 원인이 아니라 결과. 장기금리 상승의 근본 원인은 막대한 재정적자, 늘어나는 이자비용, 인플레와 국채 공급 부담이며 바이백으로 해결할 수 없음
6. 오히려 시장 가격을 억누르기 시작하면 투자자들은 정부가 감추려는 문제가 더 크다고 판단. 발표 직후 하락했던 금리가 하루 만에 원위치한 것도 시장이 개입을 신뢰하지 않았다는 의미
7. 드러켄밀러가 자신의 옛 제자 베선트에게 보내는 메시지는 명확함. 채권시장을 조작하지 말고 재정적자를 줄이라는 것
8. 현재 미국은 재정확대, 관세 인플레, 금리 인하 압박, 장기금리 억제 정책이 동시에 작동하는 모순된 정책 조합에 들어서고 있음
9. 단기적으로 바이백은 금융여건을 완화해 주식과 크립토에 호재가 될 수 있지만, 장기적으로는 재정 신뢰 훼손과 인플레 위험을 키워 장기채에 더 큰 프리미엄을 요구하게 만듦
10. 따라서 핵심 트레이드는 단순한 금리 인하 베팅이 아님. 장기채 약세, 수익률곡선 스티프닝, 금과 비트코인 강세라는 재정지배 시대의 자산 배분에 가까움
11. 더 큰 질문은 지난 40년간 이어진 채권 강세장이 2020년 제로금리와 함께 끝났는지 여부. 그렇다면 지금의 고금리는 일시적 충격이 아니라 수십 년짜리 금리 상승 사이클의 초입일 수 있음
12. 40억 달러 바이백 자체는 작음. 그러나 정부가 시장금리를 정책 목표로 관리하기 시작했다는 신호는 생각보다 중대함. 채권시장의 입을 막을수록, 다음 경고는 더 큰 금리로 돌아옴
The Wall Street Journal
Opinion | Let the Bond Market Speak
Rising interest rates are a signal of trouble ahead. Artificially suppressing it heightens the danger.
❤7
AI 반도체 패권의 다음 10년 source
1. 경쟁은 메모리, 패키징, 네트워크, 전력, 모델, 서비스를 묶는 풀스택 경쟁으로 전환 중이며, 엔비디아 역시 GPU에서 AI 인프라 기업으로 확장 중
2. 엔비디아의 데이터센터 점유율은 향후 10년간 90%에서 60% 수준으로 낮아질 수 있지만, 시장 자체가 커지기 때문에 점유율 하락이 실적 붕괴를 의미하지는 않음
3. 가장 강력한 대항마는 구글로, TPU뿐 아니라 클라우드, AI, 모델, 검색, 유튜브, 커머스, 현금흐름까지 갖춰 AI 투자비를 실제 매출로 회수할 수 있는 구조를 보유함
4. 향후 핵심 기술은 HBM·HBF·HBS → 3D 패키징 → 칩렛 → 유리기판 → 실리콘 포토닉스 → 양자·뉴로모픽·광컴퓨팅 순이며, 앞단은 현재 실적 영역, 뒷단은 장기 옵션 영역에 가까움
5. 특히 패키징은 단순 후공정이 아니라 여러 프로세서와 메모리를 하나의 시스템으로 조립하는 핵심 기술로, 칩렛 시대에는 칩 자체보다 연결·기판·본딩·열관리·테스트의 가치가 더 커질 수 있음
6. 삼성은 메모리·파운드리·디바이스를 갖춘 가장 유력 풀스택 후보지만 AI 모델과 데이터센터가 부족하고, 하이닉스는 HBM을 통해 AI 투자 확대가 실적으로 연결되는 경로가 가장 직접적
7. 국내 NPU 기업의 성패는 반도체 성능보다 실제 데이터센터 레퍼런스와 소프트웨어 생태계에 달려 있으며, CUDA 전환 비용을 상쇄할 경제성이 없다면 산업적 필요성과 투자 수익성은 별개
✍️현재 HBM과 첨단 패키징, 다음은 광통신·전력반도체·송배전·냉각 인프라가 핵심, 결국 AI 투자의 본질은 다음 병목을 선점한 기업을 찾기
1. 경쟁은 메모리, 패키징, 네트워크, 전력, 모델, 서비스를 묶는 풀스택 경쟁으로 전환 중이며, 엔비디아 역시 GPU에서 AI 인프라 기업으로 확장 중
2. 엔비디아의 데이터센터 점유율은 향후 10년간 90%에서 60% 수준으로 낮아질 수 있지만, 시장 자체가 커지기 때문에 점유율 하락이 실적 붕괴를 의미하지는 않음
3. 가장 강력한 대항마는 구글로, TPU뿐 아니라 클라우드, AI, 모델, 검색, 유튜브, 커머스, 현금흐름까지 갖춰 AI 투자비를 실제 매출로 회수할 수 있는 구조를 보유함
4. 향후 핵심 기술은 HBM·HBF·HBS → 3D 패키징 → 칩렛 → 유리기판 → 실리콘 포토닉스 → 양자·뉴로모픽·광컴퓨팅 순이며, 앞단은 현재 실적 영역, 뒷단은 장기 옵션 영역에 가까움
5. 특히 패키징은 단순 후공정이 아니라 여러 프로세서와 메모리를 하나의 시스템으로 조립하는 핵심 기술로, 칩렛 시대에는 칩 자체보다 연결·기판·본딩·열관리·테스트의 가치가 더 커질 수 있음
6. 삼성은 메모리·파운드리·디바이스를 갖춘 가장 유력 풀스택 후보지만 AI 모델과 데이터센터가 부족하고, 하이닉스는 HBM을 통해 AI 투자 확대가 실적으로 연결되는 경로가 가장 직접적
7. 국내 NPU 기업의 성패는 반도체 성능보다 실제 데이터센터 레퍼런스와 소프트웨어 생태계에 달려 있으며, CUDA 전환 비용을 상쇄할 경제성이 없다면 산업적 필요성과 투자 수익성은 별개
✍️현재 HBM과 첨단 패키징, 다음은 광통신·전력반도체·송배전·냉각 인프라가 핵심, 결국 AI 투자의 본질은 다음 병목을 선점한 기업을 찾기
YouTube
“엔비디아를 가장 위협할 기업, 구글과 애플입니다” (김정호 카이스트 교수)
‘HBM의 아버지’ 김정호 카이스트 교수에게 듣는 향후 가장 유망한 기술, 기업, 나라는?
Q. 앞으로 엔비디아를 위협할 회사는?
A. 구글과 애플이 될 것. 엔비디아의 AI 데이터센터 점유율은 현재 90%에서 60%로 떨어질 것
Q. 가장 주목해야 할 기술은?
A. ① HBM HBF HBS 메모리혁명 ② 3D 패키징 ③ 칩렛 ④ 유리기판 ⑤ 실리콘 포토닉스 ⑥ 차세대 컴퓨팅(양자컴퓨팅, 뉴로모픽, 광컴퓨팅)
Q. AI 최종 승전국은?
A. 10년내로는…
Q. 앞으로 엔비디아를 위협할 회사는?
A. 구글과 애플이 될 것. 엔비디아의 AI 데이터센터 점유율은 현재 90%에서 60%로 떨어질 것
Q. 가장 주목해야 할 기술은?
A. ① HBM HBF HBS 메모리혁명 ② 3D 패키징 ③ 칩렛 ④ 유리기판 ⑤ 실리콘 포토닉스 ⑥ 차세대 컴퓨팅(양자컴퓨팅, 뉴로모픽, 광컴퓨팅)
Q. AI 최종 승전국은?
A. 10년내로는…
❤9
10월에는 강한 조정이 나오면서 최종 higher low를 만들 가능성이 높음. 다만 현재 쌓여 있는 데이터의 무게를 보면 추세 전환이 이미 발생했고, 이번 사이클의 바닥도 나왔다는 쪽을 무시하기 어려움
1. 4년 주기론 고수파
- BTC가 지난 3번의 사이클처럼 정확한 시점에 바닥을 만들지 않았음
- 과거에는 고점 이후 바닥까지 12개월 이상 걸렸음
- 여전히 50주 이평선(MA) 아래라 기술적으로는 약세장 구조가 유지
- 이번 BTC 하락폭이 과거 약세장 대비 너무 얕음
- 과거에도 지금과 비슷한 가격 움직임을 보였다가 다시 200일 이평선 아래로 밀린 사례가 일부 있음
- 다만 당시와 지금은 맥락이 완전히 같지는 않음
- 앞으로 주식시장에서 추가 약세가 나올 가능성을 시사
2. 바닥은 이미 나왔다는 강세파
- 200일 MA을 강하게 돌파한 뒤 그 위에서 버티고 있음
- 20주 EMA/20주 MA와 상당한 거리를 벌렸고, 어제 주봉에서도 해당 구간을 지켜냄
- 200주 MA 아래에서 꽤 오랜 시간을 보냈음
- 과거 사이클 바닥에서 나타났던 것과 비슷한 강한 주봉 임펄스 캔들이 출현
- 뒤늦게 따라붙기 어려운 락아웃 성격의 랠리가 나타남
- 현물 거래량이 150% 증가
- ETF가 다시 수십억 달러 규모의 BTC를 매수 중
- 과거 사이클에는 존재하지 않았던 새로운 한계 매수자
- SPY와 QQQ 대비 역사적으로 과매도된 수준이었고, 과거 사이클 바닥에서도 주가지수 대비 비슷한 강도의 반등 캔들이 출현
- 역사적으로도 상당한 규모의 숏스퀴즈가 발생했는데, 이는 시장 포지셔닝이 얼마나 한쪽으로 치우쳐 있었는지를 보여줌
- 이번 가격 움직임을 뒷받침하는 실제 촉매가 존재한다는 점도 중요
- 미 재무부 채권시장 개입 지속, SEC의 획기적 규제 프레임워크, 미국 정부가 BTC를 매수할 수 있다는 루머 등
- 시장에는 여전히 엄청난 걱정의 벽이 존재하고, 강세장은 원래 그 걱정의 벽을 타고 올라감
Please open Telegram to view this post
VIEW IN TELEGRAM
X (formerly Twitter)
Aylo (@alpha_pls) on X
Two camps right now:
4 year cycle loyalists
- $BTC didn't bottom in the exact timeframe is it did in the last 3 cycles, which was 12 months or more to the bottom
- Still below 50W MA so bearish…
4 year cycle loyalists
- $BTC didn't bottom in the exact timeframe is it did in the last 3 cycles, which was 12 months or more to the bottom
- Still below 50W MA so bearish…
❤6
OpenAI 할라피뇨와 반도체의 다음 전장 source
1. OpenAI가 Broadcom과 공동 개발한 자체 추론칩 Jalapeño의 성능이 공개됨. 토큰 처리량은 NVIDIA Rubin을 상회했고, 성능도 비슷
2. 다만 아직 엔지니어링 샘플과 일부 LLM 추론 워크로드 기준이며, 장문맥, 에이전트, 학습 성능과 양산 안정성은 검증되지 않음
3. 그래도 중요한 이유는 자체칩이 NVIDIA 칩과 비교 가능한 수준 도달했기 때문. 수년간 시행착오를 겪어야 한다는 기존 상식이 무너짐
4. 특히 OpenAI는 Codex를 활용해 Jalapeño용 커널을 생성, 최적화함. AI가 칩을 설계하고, 소프트웨어까지 만드는 통합 개발 체계가 열림
5. 이는 NVIDIA의 CUDA 생태계에 위협적. AI가 새 하드웨어용 커널과 라이브러리를 만들어낸다면, 자체 ASIC이 격차를 급격히 따라잡음
6. 반도체 경쟁 기준도 최고 FLOPS에서 1MW의 전력을 얼마나 많은 토큰으로 바꾸느냐. 전력이 제한된 데이터센터에서는 tokens/$가 중요
7. 물론 NVIDIA는 학습·추론·CUDA를 제공하는 범용 플랫폼이고 Jalapeño는 OpenAI 내부 워크로드에 최적화됨
8. 한편 AMD는 NVIDIA에 더해 TPU, Jalapeño 같은 자체칩과도 경쟁하게 된 상황
9. 반면 HBM thesis는 강해짐. NVIDIA GPU든 OpenAI ASIC이든 추론의 병목은 메모리. 칩 경쟁이 늘어날수록 HBM4, 첨단 패키징 등 수요 확대
10. 직접 수혜는 Broadcom. 칩 설계를 넘어 SerDes, Ethernet 스위치, 네트워킹까지 전반에 참여. OpenAI의 칩 확대가 곧 Broadcom 매출
11. Jalapeño의 HBM4는 삼전 공급 가능성이 거론되고, 연산칩은 TSMC N3P와 CoWoS를 사용하며, Celestica는 보드와 랙 시스템 구축에 참여
12. 이번 뉴스는 AI 인프라의 이익이 NVIDIA에서 ASIC, HBM, 파운드리, 패키징, 네트워크로 분산되기 시작했다는 신호
✍️결국 가장 적은 전력과 비용으로 가장 많은 토큰을 생산하는 시스템을 만드는 경쟁
1. OpenAI가 Broadcom과 공동 개발한 자체 추론칩 Jalapeño의 성능이 공개됨. 토큰 처리량은 NVIDIA Rubin을 상회했고, 성능도 비슷
2. 다만 아직 엔지니어링 샘플과 일부 LLM 추론 워크로드 기준이며, 장문맥, 에이전트, 학습 성능과 양산 안정성은 검증되지 않음
3. 그래도 중요한 이유는 자체칩이 NVIDIA 칩과 비교 가능한 수준 도달했기 때문. 수년간 시행착오를 겪어야 한다는 기존 상식이 무너짐
4. 특히 OpenAI는 Codex를 활용해 Jalapeño용 커널을 생성, 최적화함. AI가 칩을 설계하고, 소프트웨어까지 만드는 통합 개발 체계가 열림
5. 이는 NVIDIA의 CUDA 생태계에 위협적. AI가 새 하드웨어용 커널과 라이브러리를 만들어낸다면, 자체 ASIC이 격차를 급격히 따라잡음
6. 반도체 경쟁 기준도 최고 FLOPS에서 1MW의 전력을 얼마나 많은 토큰으로 바꾸느냐. 전력이 제한된 데이터센터에서는 tokens/$가 중요
7. 물론 NVIDIA는 학습·추론·CUDA를 제공하는 범용 플랫폼이고 Jalapeño는 OpenAI 내부 워크로드에 최적화됨
8. 한편 AMD는 NVIDIA에 더해 TPU, Jalapeño 같은 자체칩과도 경쟁하게 된 상황
9. 반면 HBM thesis는 강해짐. NVIDIA GPU든 OpenAI ASIC이든 추론의 병목은 메모리. 칩 경쟁이 늘어날수록 HBM4, 첨단 패키징 등 수요 확대
10. 직접 수혜는 Broadcom. 칩 설계를 넘어 SerDes, Ethernet 스위치, 네트워킹까지 전반에 참여. OpenAI의 칩 확대가 곧 Broadcom 매출
11. Jalapeño의 HBM4는 삼전 공급 가능성이 거론되고, 연산칩은 TSMC N3P와 CoWoS를 사용하며, Celestica는 보드와 랙 시스템 구축에 참여
12. 이번 뉴스는 AI 인프라의 이익이 NVIDIA에서 ASIC, HBM, 파운드리, 패키징, 네트워크로 분산되기 시작했다는 신호
✍️결국 가장 적은 전력과 비용으로 가장 많은 토큰을 생산하는 시스템을 만드는 경쟁
OpenAI
Jalapeño’s first results show industry-leading speed and efficiency in AI inference
Jalapeño is a custom inference chip from OpenAI that delivers faster, more power-efficient AI inference, with higher throughput and lower latency for modern models.
❤7
Exponential progress is unstoppable and inevitable.
What could possibly stop this? lol
- AI가 단백질을 설계하고
- mRNA가 세포에게 무엇을 만들지 지시하고
- CRISPR가 그 아래의 DNA 자체를 다시 쓰고
- 유전자 치료가 세포를 영구적으로 편집하고
- 단백질 분해 기술이 세포에게 무엇을 제거할지 지시하고
- 화학유전학이 어떤 뉴런을 발화시킬지 제어하고
- 줄기세포가 손상된 조직을 재건하고
- 실험실에서 배양한 조직이 아예 해당 기능을 대체하고
- 유전체 편집 플랫폼은 이런 편집을 반복, 재사용 가능하게 만들고
- 에이전트는 인간이 잠자는 동안에도 멈추지 않고 연구 사이클을 돌림
- 즉, 프로그래밍 가능한 인간의 시대가 다가오고 있음
✍️타임라인은 bio/acc, 즉 생명공학 가속주의적으로 흘러가는 중.
Please open Telegram to view this post
VIEW IN TELEGRAM
X (formerly Twitter)
Mgoes (bio/acc 🤖💉) (@m_goes_distance) on X
state of frontier bio, Aug 2026:
- AI designs the protein
- mRNA tells the cell what to build
- CRISPR rewrites the DNA underneath it
- gene therapy edits the cell permanently
- protein degraders…
- AI designs the protein
- mRNA tells the cell what to build
- CRISPR rewrites the DNA underneath it
- gene therapy edits the cell permanently
- protein degraders…
❤6
AI 에이전트 경제가 올까?
1. 온다. 다만 인간 대신 쇼핑하는 AI 비서보다, API, 데이터, 컴퓨트, 광고, SaaS를 자동 구매하는 B2B 머신 경제가 먼저 열릴 가능성이 높음
2. AI가 답변과 검색을 넘어 도구를 호출하고 주문·결제까지 실행하면서, 인터넷의 단위가 에이전트 작업/거래로 이동. OpenAI, Google, Shopify, Visa 등은 이미 에이전트용 커머스·결제 표준을 구축 중
3. 초기 승부처는 소비자 쇼핑보다 유료 API 호출, 데이터 구매, 추론·컴퓨트 사용, 기업 조달처럼 ROI와 지출 한도를 명확히 설정할 수 있는 업무. AWS와 Mastercard는 초소액·고빈도 결제를 실행하는 에이전트 인프라를 이미 상용화함
4. 에이전트 경제의 병목은 돈을 쓸 권한과 책임. 누가 만든 에이전트인지, 무엇을 얼마까지 살 수 있는지, 오류·사기·환불 책임을 누가 지는지를 해결하는 신원·권한·토큰화·감사 인프라가 핵심 산업으로 부상
5. 결제망은 고액 소비·상거래를 담당하는 카드/계좌망과, 고빈도·소액 거래를 담당하는 스테이블코인으로 양분. x402 같은 표준을 통해 API 호출 한 번, 데이터 한 건, 추론 한 번마다 USDC를 지불하는 pay-per-intelligence 경제가 형성
6. 2026년 표준·지갑·결제 인프라 구축 → 2027년 기업 에이전트의 자동 구매 확산 → 2028년 소비자 위임결제와 Agent-to-Agent 거래 순. 에이전트가 독립적 지갑·예산·신원·평판을 갖는 순간부터 경제적 특이점 본격화
7. 비자와 마스터카드가 신뢰·승인·결제의 코어, 코인베이스와 서클이 스테이블코인·지갑 고베타, 쇼피파이, 아마존, 클라우드플레어가 커머스 에이전트 인프라, SOL·ETH가 온체인 거래량 베타 등으로 지목됨
✍️2027년 전후로 기업들이 agentic GMV·자동결제량·유료 tool call을 실적 지표로 공개하기 시작하면, 관련 자산의 재평가가 시작될 수 있음
1. 온다. 다만 인간 대신 쇼핑하는 AI 비서보다, API, 데이터, 컴퓨트, 광고, SaaS를 자동 구매하는 B2B 머신 경제가 먼저 열릴 가능성이 높음
2. AI가 답변과 검색을 넘어 도구를 호출하고 주문·결제까지 실행하면서, 인터넷의 단위가 에이전트 작업/거래로 이동. OpenAI, Google, Shopify, Visa 등은 이미 에이전트용 커머스·결제 표준을 구축 중
3. 초기 승부처는 소비자 쇼핑보다 유료 API 호출, 데이터 구매, 추론·컴퓨트 사용, 기업 조달처럼 ROI와 지출 한도를 명확히 설정할 수 있는 업무. AWS와 Mastercard는 초소액·고빈도 결제를 실행하는 에이전트 인프라를 이미 상용화함
4. 에이전트 경제의 병목은 돈을 쓸 권한과 책임. 누가 만든 에이전트인지, 무엇을 얼마까지 살 수 있는지, 오류·사기·환불 책임을 누가 지는지를 해결하는 신원·권한·토큰화·감사 인프라가 핵심 산업으로 부상
5. 결제망은 고액 소비·상거래를 담당하는 카드/계좌망과, 고빈도·소액 거래를 담당하는 스테이블코인으로 양분. x402 같은 표준을 통해 API 호출 한 번, 데이터 한 건, 추론 한 번마다 USDC를 지불하는 pay-per-intelligence 경제가 형성
6. 2026년 표준·지갑·결제 인프라 구축 → 2027년 기업 에이전트의 자동 구매 확산 → 2028년 소비자 위임결제와 Agent-to-Agent 거래 순. 에이전트가 독립적 지갑·예산·신원·평판을 갖는 순간부터 경제적 특이점 본격화
7. 비자와 마스터카드가 신뢰·승인·결제의 코어, 코인베이스와 서클이 스테이블코인·지갑 고베타, 쇼피파이, 아마존, 클라우드플레어가 커머스 에이전트 인프라, SOL·ETH가 온체인 거래량 베타 등으로 지목됨
✍️2027년 전후로 기업들이 agentic GMV·자동결제량·유료 tool call을 실적 지표로 공개하기 시작하면, 관련 자산의 재평가가 시작될 수 있음
❤7