1. 하락의 본질은 레버리지 청산
- 비트코인은 25년 10월 12.5만달러에서 26년 6월 5.9만달러까지 53% 하락
- 당시 선물 미결제약정은 900억달러를 넘었고, 80%가 최대 125배 레버리지를 제공하는 무기한 선물
- 관세 충격 이후 하루 만에 미결제약정 200억달러가 사라지며 연쇄 청산이 발생
2. 기관은 AI로 자금 이동
- 24년 1월~25년 9월: 비트코인 ETP +600억달러, AI 테마 +100억달러
- 25년 10월 이후: 비트코인 -50억달러, AI 테마 +460억달러
- 이는 AI와의 자금 경쟁에서 발생한 순환적 자금흐름
3. 비트코인은 위험자산이자 안전자산
- 레버리지 청산기에는 나스닥처럼 움직이지만, 통화 신뢰와 지정학적 위험이 커지면 대체 통화·피난처 역할을 수행
- 지난 10년간 S&P500과의 상관계수는 0.18에 불과
- 2분기 펀딩비가 일시적으로 음수로 전환되며 투기적 포지션도 정리
4. 핵심은 집중투자가 아니라 비대칭성
- 전통적인 60/40 포트폴리오의 샤프지수는 0.81
- 비트코인 1% 편입 시 0.90, 2% 편입 시 0.96으로 상승
- 최대 낙폭은 -20.3%에서 각각 -20.6%, -20.9%로 소폭 확대
- 작은 비중으로 전체 포트폴리오의 수익 구조를 바꿀 수 있다는 의미
✍️블랙록의 결론은 이번 하락은 투자 논리의 붕괴가 아니라 포지션 구조의 붕괴에 가까웠다는 것
Please open Telegram to view this post
VIEW IN TELEGRAM
❤7
1. 가격은 조용하지만 내부 수급은 바뀌고 있음
- 비트코인은 한 달간 거의 제자리였고, 30일 실현 변동성은 27.2%까지 하락
- 거래량도 역사적 10% 수준으로 줄었지만, 고금리, 지정학적 충돌, Strategy 매도라는 악재에도 무너지지 않았음
2. VanEck의 12개 항복 신호 중 8개가 작동 중
- 최근 3개월 안에는 12개 지표가 모두 한 번 이상 항복 구간에 진입
- 2025년 10월 고점 이후 조정도 10개월째로, 과거 사이클의 평균 하락 기간인 11개월과 2011년을 제외한 평균 12.7개월에 가까워짐
- 사이클상 조정 후반부에 들어왔다는 의미
3. 새로운 매수 주체도 돌아오기 시작
- 미국 현물 비트코인 ETP는 최근 30일간 6.6억 달러의 순유입을 기록
- 직전 달 약 24억 달러 순유출에서 방향이 완전히 바뀐 것
4. 다만 장기 보유자의 매도는 계속
- 1년 이상 움직이지 않던 비트코인은 한 달간 35만6,000개 감소
- 장기 보유 물량 비중도 다시 60% 아래로 내려왔음
- 다만 매도는 주로 1~5년 보유자에게 집중됐고, 10년 이상 된 물량은 약 4,000개만 움직임
- 초기 보유자의 전면 이탈보다 중기 보유자의 차익실현과 손바뀜에 가까움
5. 파생시장은 과도하게 레버리지된 상태는 아님
- 풋옵션 프리미엄 비율은 2.30으로 역사적 99번째 백분위까지 상승
- 다만 무기한 선물 펀딩비는 장기 평균의 절반 수준이고 강제청산도 양방향 모두 절반가량 감소
- 시장 참여자들은 하락을 경계하고 있지만, 추가 청산을 촉발할 레버리지는 상당 부분 정리된 상태
6.바닥은 맞는데 아직 상승장은 아님
- 과거항복 신호가 동시에 작동했을 때 90·180일 수익률은 오히려 낮았음
- 1년 수익률에서만 우위. 그마저도 표본이 작고 서로 겹쳐 있어 과신하기 어려움
- 현재 비트코인은 급등 직전이라기보다 매도 압력이 소진되고 보유 주체가 교체되는 축적 구간
✍️단기 반등을 맞히는 시장이 아니라, 악재에도 더 이상 밀리지 않는 가격을 6~12개월의 시간축으로 바라봐야 하는 구간
Please open Telegram to view this post
VIEW IN TELEGRAM
❤7
AI Is Not a Product Cycle source
1. AI 약세론은 빅테크가 반도체, 데이터센터, 전력, 리스에 3조 달러를 약정했다는 점을 과잉투자의 증거로 제시함. 하지만 SEC 공시에 기재된 구매약정은 숨겨진 부채가 아니며, 미래 구매계약이나 아직 시작되지 않은 리스를 당장 상환해야 할 차입금과 동일하게 볼 수도 없음
2. 중요한 것은 3조 달러라는 총액이 아니라 계약의 구조와 상환 능력임. 지급 시기, 취소 가능 여부, 가격 재협상 조항, 설비의 재배치 가능성, 고객 매출과 영업현금흐름을 함께 봐야 실제 위험을 판단할 수 있음.
3. 진짜 AI 버블 붕괴는 다음과 같은 연쇄작용으로 나타나야 함:
- 데이터센터 가동률 하락
- 컴퓨팅 가격 급락
- 기업의 AI 도입 정체
- 취소할 수 없는 Take-or-pay 계약
- AI 매출이 인프라 비용을 감당하지 못하는 상황
이런 데이터 없이 언젠가 수요가 사라질 수 있다는 주장은 검증 가능한 투자 논리라기보다 막연한 가능성에 가까움
4. AI 약세론에는 더 강한 전제가 숨어 있음. 정부와 기업이 이미 충분히 자동화했고, 소비자도 값싼 지능에서 얻을 수 있는 효용을 거의 다 발견했으며, 글로벌 경제의 컴퓨팅 수요가 곧 포화될 것이라는 가정임
5. 하지만 AI는 스마트폰처럼 몇 년마다 교체되는 제품이 아닌, 프로그래밍 가능한 지능을 공급하는 새로운 인프라 계층임. 챗봇의 사용량은 인간의 질문 시간에 제한되지만, 에이전트는 기업의 업무와 글로벌 경제활동 전체를 대상으로 24시간 작동함
6. 3조 달러의 투자약정만으로 과잉설비를 결론 내릴 수 없음. AI 버블을 주장하려면 투자금의 규모가 아니라 가동률, 가격, 도입률, 현금흐름이 실제로 무너지는 과정부터 보여줘야 함. 지금의 대규모 투자는 앞으로 훨씬 더 많이 사용할 준비를 하고 있다는 시그널임
1. AI 약세론은 빅테크가 반도체, 데이터센터, 전력, 리스에 3조 달러를 약정했다는 점을 과잉투자의 증거로 제시함. 하지만 SEC 공시에 기재된 구매약정은 숨겨진 부채가 아니며, 미래 구매계약이나 아직 시작되지 않은 리스를 당장 상환해야 할 차입금과 동일하게 볼 수도 없음
2. 중요한 것은 3조 달러라는 총액이 아니라 계약의 구조와 상환 능력임. 지급 시기, 취소 가능 여부, 가격 재협상 조항, 설비의 재배치 가능성, 고객 매출과 영업현금흐름을 함께 봐야 실제 위험을 판단할 수 있음.
3. 진짜 AI 버블 붕괴는 다음과 같은 연쇄작용으로 나타나야 함:
- 데이터센터 가동률 하락
- 컴퓨팅 가격 급락
- 기업의 AI 도입 정체
- 취소할 수 없는 Take-or-pay 계약
- AI 매출이 인프라 비용을 감당하지 못하는 상황
이런 데이터 없이 언젠가 수요가 사라질 수 있다는 주장은 검증 가능한 투자 논리라기보다 막연한 가능성에 가까움
4. AI 약세론에는 더 강한 전제가 숨어 있음. 정부와 기업이 이미 충분히 자동화했고, 소비자도 값싼 지능에서 얻을 수 있는 효용을 거의 다 발견했으며, 글로벌 경제의 컴퓨팅 수요가 곧 포화될 것이라는 가정임
5. 하지만 AI는 스마트폰처럼 몇 년마다 교체되는 제품이 아닌, 프로그래밍 가능한 지능을 공급하는 새로운 인프라 계층임. 챗봇의 사용량은 인간의 질문 시간에 제한되지만, 에이전트는 기업의 업무와 글로벌 경제활동 전체를 대상으로 24시간 작동함
6. 3조 달러의 투자약정만으로 과잉설비를 결론 내릴 수 없음. AI 버블을 주장하려면 투자금의 규모가 아니라 가동률, 가격, 도입률, 현금흐름이 실제로 무너지는 과정부터 보여줘야 함. 지금의 대규모 투자는 앞으로 훨씬 더 많이 사용할 준비를 하고 있다는 시그널임
❤8
1. 저스틴 본즈가 보는 솔라나
- CT(크립토 트위터 여론)는 솔라나를 중앙화된 밈코인 카지노, 꺼버릴 수 있는 체인으로 인식
- 본즈는 바로 이 인식과 현재 네트워크의 격차가 투자 기회라고 주장
- 본인 역시 과거 대표 SOL 비판자였지만, 안정성, 사용량, 거버넌스가 개선되자 입장을 바꿈
- 핵심은 과거의 평판이 아니라 현재의 구조를 재평가해야 한다는 것
2. 논쟁의 핵심은 참여를 어떻게 정의하느냐
- 비판 측은 일반인이 검증자를 운영하기 어렵다면 탈중앙화가 아니라고 봄
- 10Gbps급 네트워크와 높은 스테이킹 자본이 필요하면, 소수의 전문 사업자만 참여하게 됨
- 반면 본즈는 대다수에게 중요한 참여는 노드 운영이 아니라, 저렴하고 자유롭게 거래를 사용하는 것이라고 반박
- 즉 BTC식 사이퍼펑크는 누구나 인프라를 운영할 수 있는가를, SOL식 사이퍼펑크는 누구나 제품을 사용할 수 있는가를 중시
3. 솔라나의 진짜 중앙화 리스크는 라우팅
- 최근 제기된 핵심 문제는 검증자들이 일부 라우팅 사업자의 회선에 집중돼 있다는 점
- 본즈도 이를 인정했지만, 고성능 체인이 공통적으로 직면하는 물리적 네트워크 병목이라고 설명
- DoubleZero 같은 전용 네트워크, 백업 검증자 운영 등이 해결책으로 제시됨
- 결국 탈중앙화는 검증자만이 아니라 회선, 데이터센터, 라우팅까지 포함해야
4. CT의 비판은 진부하고, 본즈의 낙관은 과감함
- 솔라나는 반복적 중단과 TPS 논란을 겪었지만, 이후 수수료 시장 도입과 네트워크 개선으로 안정성이 크게 높아졌음
- 본즈는 실패 거래와 투표 트랜잭션을 제외해도 665 TPS가 남으며, 실제 사용량은 최상위라고 주장
- 복수 클라이언트 개발과 SIMD-228 부결도 특정 리더십이 모든 결정을 통제하지 못한다는 근거로 제시
- 다만 사용성과 검열 저항성은 같은 개념이 아니며, 하이퍼리퀴드, 로빈후드 체인, L2가 고부가가치 주문 흐름을 가져갈 가능성도 존재
✍️ SOL의 리레이팅 조건은 명확함. 실사용과 수익이 계속 성장하는 동안, 클라이언트, 라우팅 ,검증자 구조가 함께 분산된다면 재평가될 수 있음
Please open Telegram to view this post
VIEW IN TELEGRAM
X (formerly Twitter)
Justin Bons (@Justin_Bons) on X
Solana is the biggest opportunity in crypto right now:
Exactly because most think it is centralized, has an "off-switch", & is only a "meme coin casino"
All lies; nobody is doing more for th…
Exactly because most think it is centralized, has an "off-switch", & is only a "meme coin casino"
All lies; nobody is doing more for th…
❤8
1. 이번 시장의 움직임은 단순 위험자산 반등이 아닌 기존 AI 중심 장세에서 새로운 매크로 체제로 이동하는 초기 신호. 미 재무부는 30년물 금리가 5.3%까지 올라오자 장기국채 바이백 규모를 확대했음. 40억 달러에 불과하지만, 중요한 것은 미국 정부가 장기금리 상승을 불편해하기 시작했다는 것
2. 미국 정부와 연준이 30년물 금리의 추가 상승을 실제로 억제할 수 있는가? 장기금리가 통제된다면 금, 비트코인, 성장주에는 강력한 순풍이 될 수 있음. 반대로 통제에 실패하면 높은 금리가 재정 부담과 자산 밸류를 동시에 압박하면서 시장 전반이 다시 흔들릴 가능성이 큼
3. 이번 반등에서 특히 강했던 것은 금, 비트코인, 원자재 등 통화와 재정정책의 신뢰도를 헤지하는 자산이었음. 이들은 현금흐름을 창출하지 않지만, 정부 부채와 통화가치에 대한 불확실성이 높아질수록 상대적 가치가 부각됨
4. 현재 시장에서 금과 비트코인의 역할은 단순한 인플레 헤지가 아님. 장기금리를 낮추기 위해 정부와 중앙은행이 시장에 더 깊게 개입할 가능성, 즉 재정 우위와 금융 억압 가능성에 대한 헤지에 가까움. 금리 상승을 방치해도 문제이고, 억제해도 통화 신뢰도에 부담이 발생하기 때문
5. 흥미로운 부분은 주식시장의 움직임임. S&P가 상승하고 중소형주와 소프트웨어가 강하게 반응한 반면, AI 기업의 반등은 제한적. 일반적으로 장기금리가 하락하면 미래의 현금흐름을 가진 테크 기업이 수혜를 받아야 함. 그런데도 반응 못했다는 것은 시장이 금리보다 AI 투자 사이클 자체의 성장률 둔화 가능성을 보기 시작했다는 의미
6. AI 수요가 감소한다는 이야기는 아님. 다만 Anthropic과 OpenAI 관련 헤드라인처럼 시장은 이제 AI 산업의 절대 성장보다 성장의 가속도가 계속 유지될 수 있는지를 묻고 있음. AI를 한 바구니로 매수하던 구간에서 벗어나 소프트웨어, 반도체, 데이터센터, 네오클라우드 사이의 차별화가 심해질 것
7. 장기금리가 안정되고 금·비트코인이 강세를 이어가는 동시에 AI가 부진하다면, 단순 순환매가 아님. 시장의 중심이 AI 설비투자에서 통화 신뢰도 헤지, 소프트웨어, 중소형주, 비AI 자산으로 이동하는 체제 전환임. 이제는 AI 외부의 새로운 주도 자산을 얼마나 빠르게 포착하는지가 중요해짐
Please open Telegram to view this post
VIEW IN TELEGRAM
X (formerly Twitter)
Lewis - Ouroboros Capital / Yuzu.Money (@OuroborosCap8) on X
❤11
❔주식 대비 금과 비트코인만 상승한 이유 source
1. 미 재무부의 장기채 바이백 한도를 두 배 이상 확대 후 주식은 사실상 제자리였지만 금과 비트코인은 폭발했음. 시장이 이번 조치를 경기와 기업이익을 끌어올리는 일반적 성장 부양책으로 봤다면 나스닥과 기술주가 먼저 반응했어야 하나 매수세는 통화가치 희석에 직접 노출되는 희소자산으로 향했음
2. 즉, 이번 움직임은 전형적 리스크온 아닌 피아트 오프임. 재무부가 장기금리를 누르고 달러가 약해질수록, 금과 비트코인처럼 공급이 제한된 자산의 매력도가 높아지는 구조임. 귀금속·금·비트코인처럼 통화가치 희석에 직접 노출되는 거래가 주식보다 유리함
3. 달러 약세는 미국 주식에 호재도 아님. 해외 투자자 입장에서는 주가가 횡보하더라도 환율 손실이 발생해 달러 기준 미국 자산의 매력이 약해짐. 유동성 완화가 모든 자산을 끌어올리는 것이 아니라, 고평가된 금융자산에서 실물·희소자산으로 자본을 회전시킬 수 있다는 의미
4. 금과 비트코인은 오르는데 주식이 움직이지 않는다면, 시장은 달러의 구매력 하락을 거래하고 있는 것. 다만 재무부 바이백이 돈 찍기나 부채 화폐화는 아님. 재무부가 발행한 단기국채를 연준이 다시 흡수하는 단계까지 가야함. 현재는 전 단계지만, 시장은 정책 방향의 변화를 가격에 반영하기 시작함
1. 미 재무부의 장기채 바이백 한도를 두 배 이상 확대 후 주식은 사실상 제자리였지만 금과 비트코인은 폭발했음. 시장이 이번 조치를 경기와 기업이익을 끌어올리는 일반적 성장 부양책으로 봤다면 나스닥과 기술주가 먼저 반응했어야 하나 매수세는 통화가치 희석에 직접 노출되는 희소자산으로 향했음
2. 즉, 이번 움직임은 전형적 리스크온 아닌 피아트 오프임. 재무부가 장기금리를 누르고 달러가 약해질수록, 금과 비트코인처럼 공급이 제한된 자산의 매력도가 높아지는 구조임. 귀금속·금·비트코인처럼 통화가치 희석에 직접 노출되는 거래가 주식보다 유리함
3. 달러 약세는 미국 주식에 호재도 아님. 해외 투자자 입장에서는 주가가 횡보하더라도 환율 손실이 발생해 달러 기준 미국 자산의 매력이 약해짐. 유동성 완화가 모든 자산을 끌어올리는 것이 아니라, 고평가된 금융자산에서 실물·희소자산으로 자본을 회전시킬 수 있다는 의미
4. 금과 비트코인은 오르는데 주식이 움직이지 않는다면, 시장은 달러의 구매력 하락을 거래하고 있는 것. 다만 재무부 바이백이 돈 찍기나 부채 화폐화는 아님. 재무부가 발행한 단기국채를 연준이 다시 흡수하는 단계까지 가야함. 현재는 전 단계지만, 시장은 정책 방향의 변화를 가격에 반영하기 시작함
YouTube
Treasury-Led Financial Repression Is Ushering In A Debasement Regime | Weekly Roundup
Treasury is quietly taking control of financial conditions and the market implications could trigger a new wave in the debasement trade.
This week, Felix and Quinn unpack Treasury’s accelerating intervention in long-term yields and why it could reignite…
This week, Felix and Quinn unpack Treasury’s accelerating intervention in long-term yields and why it could reignite…
❤8
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