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

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

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

AI 시대와 희소성 (Roman Yampolskiy) source

1. AGI는 사무직뿐 아니라 앞으로 새로 생길 직업까지 자동화함. AI는 인지 노동의 가격을 0에 가깝게 만드는 기술임

2. 무료에 가까운 인지 노동은 기업 생산성과 경제성장을 폭발시킬 수 있지만, 인간은 노동을 팔아 소득을 얻기 어려워짐. 결국 소득의 중심은 자산 소유권이 됨

3. 노동의 가치가 희석되고 법정화폐가 계속 발행되는 환경에서는 쉽게 복제하거나 추가 생산할 수 없는 자산이 중요해짐. 비트코인, 부동산 같은 자산이 대안

4. AI가 무한히 생산할수록 공급이 늘어나는 것의 가치는 하락하고, 공급을 늘릴 수 없는 희소 자산과 인간의 관심은 더 비싸짐

5. 사용자가 선도적 소프트웨어를 몇 분 만에 복제할 수 있다면 기능, 코드, 좌석당 구독료만으로 유지되던 SaaS의 가격 결정력은 무너짐

6. 반대로 비트코인의 경쟁력은 변경을 최소화하고, 오랜 시간 검증된 코드를 보수적으로 유지하는 것에서 나옴

7. AI 에이전트는 네트워크 위에서 활동하기 때문에 디지털 화폐와 컨트랙트는 자연스러운 경제 인프라가 됨. AI와 크립토는 에이전트 경제의 지능과 결제 레이어로 연결됨

8. 다만 AI 시대 크립토의 최대 약점은 사용자임. 음성·영상·메시지까지 위조되는 환경에서는 개인이 진짜를 판별하기 어려워지고, 셀프 커스터디의 난도도 급상승함

9. 따라서 크립토 인프라 경쟁은 지갑 보안, 생체인증, 멀티시그, 거래 의도 검증, 신원과 콘텐츠의 출처 증명​에서 벌어짐. 더 안전한 지갑과 인터페이스는 해결 가능한 문제

10. 딥페이크가 고도화되면 진위를 판별하는 것은 불가능해짐. 미래에는 정보를 보고 진짜인지 추정하는 것이 아니라, 생성 시점부터 암호학적으로 서명된 출처를 검증해야

11. AI 시대의 바벨 전략은 선명함. 한쪽에는 AI가 만들어내는 생산성 폭발에 올라타고, 다른 한쪽에는 AI가 만들 수 없는 비트코인·희소 자산·검증 가능한 신뢰·인간의 관심을 보유하는 것

12. AI는 지능을 풍요롭게 만들지만 희소성, 진위, 소유권까지 복제할 수는 없음. 디지털 세계가 무한해질수록 유한하고 검증 가능한 자산의 가치는 더 커짐

The AI Bullwhip source

1. 2023년에는 GPU가 첫 병목. ChatGPT 이후 H100 수요가 폭증하며 AI CapEx가 GPU에 집중

2. 그 여파로 일반 서버·메모리 투자가 줄었고, 이후 제조사들이 HBM으로 생산능력을 돌리면서 DRAM·SSD 공급까지 타이트

3. HBM은 일반 DDR5보다 훨씬 많은 웨이퍼 용량을 소모해, AI용 메모리를 늘릴수록 일반 메모리 공급은 더 줄어드는 구조

4. 이후 AI Agent 확산으로 CPU 수요까지 급증. 기존 GPU 중심 클러스터에서 코드 실행·툴 호출·상태 관리를 담당하는 CPU 비중이 커짐

5. 2026년에는 SSD 가격 부담 때문에 HDD 수요까지 폭증했고, WDC·Seagate의 주요 Nearline HDD 생산분도 매진

6. 병목은 전력·변압기·터빈·데이터센터 건설. 데이터센터 비용은 $20B/GW, 터빈 주문은 2031년까지 밀려 있음

7. 문제는 지금의 쇼티지를 해결하려고 쏟아붓는 CapEx가 27~28년에 한꺼번에 공급된다는 것. 수익이 못 따라가면 쇼티지는 과잉설비로 반전됨

✍️즉, AI 인프라 사이클의 핵심은 병목 해소가 아니라 병목 이동이며, 마지막에는 누적된 과잉투자가 Bullwhip처럼 되돌아올 수 있다는 것

원자재 슈퍼사이클이 온다 source

지난 10년이 무한히 확장할 수 있는 자산의 시대였다면, 앞으로는 쉽게 늘릴 수 없는 희소 자산의 시대

1. 40년짜리 환경이 뒤집힘
- 지난 40년간 금리 하락은 소프트웨어, 플랫폼 같은 자산경량 비즈니스에 유리
- 하지만 장기 금리 하락 추세는 2020년을 전후해 바닥을 찍음
- 성장주를 밀던 순풍이 약해질수록, 지난 10년간 죽은 자산 취급받던 원자재·에너지·실물자산의 매력도가 커짐

2. 금은 수익이 아니라 보험
- 금의 1800년 이후 실질 수익률은 연 0.6% 수준으로, 복리 성장 자산은 아님
- 금을 사는 이유는 통화가치 하락과 재정·신용 리스크를 방어하기 위해서
- 특히 중앙은행의 금 보유가 1996년 이후 처음으로 미 국채 보유를 넘어섰다는 점이 상징적
- 법정화폐를 발행하는 주체들부터 종이자산 대신 금을 늘리고 있음

3. 에너지는 한 번 죽었다 살아남음
- 2020년 유가가 마이너스까지 내려가면서 무리하게 차입/증산하던 기업들이 대거 정리
- 살아남은 기업들은 부채를 줄이고, 증산보다 배당·자사주 매입 등 현금환원에 집중
- 아이러니하게도 산업 전체가 외면받은 뒤에야 공급 규율이 생기며 투자 매력이 높아짐

4. 구리는 서사가 아니라 산수
- AI 데이터센터·전력망·전기차·재생에너지 확대는 모두 막대한 구리를 소모
- 문제는 수요가 늘어도 신규 광산은 만들 수 없다는 것
- 가격이 오른다고 바로 공급이 늘어나는 게 아니라 탐사, 허가, 개발, 생산까지 ~15년이 걸림
- 이 수요 증가와 공급 반응의 시차가 원자재 슈퍼사이클을 만드는 핵심

5. 미래의 해자는 물리적 희소성
- 소프트웨어는 복제할 수 있지만, 이미 확인된 구리 광산 1톤을 코드로 만들 수 없음
- 앞으로 기업의 해자는 기술뿐 아니라 지리, 규제, 매장량, 생산능력, 전력 같은 물리적 제약에서 만들어짐
- 무겁고, 느리고, 확장하기 어렵다는 점이 경쟁력이 되는 시대

✍️지난 10년은 소프트웨어, 플랫폼처럼 한계비용 없이 확장되는 자산이 높은 가치를 받았지만, 이제 빠르게 복제하거나 증산할 수 없는 희소성의 시대

코인 불장이 시작되기 전에 기억해둘 것들 source

1. 요즘 OG들이 다시 돌아오고, 새로운 폰지에 ape하는 모습도 보임. 확실히 관심과 거래량이 다시 살아나는 중인데, 이상하게도 코인들의 상단은 예전보다 낮아진 느낌. 이제는 시총 $100M만 찍어도 사람들이 엄청 흥분함

2. 미실현손익은 팔고 법정화폐로 출금하거나 BTC로 되돌려놓기 전까지는 그냥 미실현 숫자일 뿐임. 지난 사이클들에서 봤듯 음악은 언젠가 멈춤

3. 우리 모두 인간이고 탐욕이 있음. 어떤 지갑이 수익 난 걸 보면 자연스럽게 FOMO가 오지만, 친구가 상기시켜준 게 생존자 편향임. 우리는 오른 코인만 봄. 피 흘리며 0으로 간 수천 개의 코인은 안 보임

4. 물론 시장은 willing buyer, willing seller임. 하지만 온체인은 결국 카지노고, 하우스는 카지노를 계속 굴리기 위해 온갖 방법을 씀.
수익 잘 내고 영향력 있는 트레이더에게 자기 플랫폼을 쓰게 하려고 딜을 주고, 리테일이 돌아왔다고 느끼게 만드는 바이럴을 돌리고, 소수 트레이더가 먼저 돈 벌 수 있도록 번들된 코인을 만들고는 너도 할 수 있어를 외침

5. 제발 카지노에서 울지 마셈. 결국 CT/TG/온체인에서 보는 모든 것은 정보이고, 그걸 해석한 건 본인임. 아무도 매수·매도 버튼을 누르라고 강요하지 않았음. FOMO와 도박 충동을 통제할 수 없다면 멈추는 게 맞음. 스스로 rekt 당하지 마셈. 이 업계에서 돈 버는 방법은 트레이딩 말고도 많음

6. 아무런 thesis 없이 코인에 무지성 ape하거나, 단순히 포트가 크거나 승률이 높다는 이유로 남을 카피트레이딩하면 결국 본인 순자산이 녹음. 차라리 새롭고 관심이 붙는 토큰, 실제 revenue가 붙어 있는 토큰에 적절한 사이즈로 들어가는 게 나음.

7. 수익이 복리로 불어나듯 손실도 빠르게 복리화됨. 계속 이기다 보면 뭐든 이길 수 있을 것처럼 느껴지는데, 평소 shitcoin 하나에 $5k씩 ape한다면 10개만 틀려도 $50k가 날아감. 어떤 차트는 시총 $1M에서 순식간에 0으로 갈 수도 있음. 이런 손실은 정말 빠르게 누적됨

8. 랜덤 shitcoin 여러 개에 몇 천 달러씩 던져놓고 100x를 기다리는 것보다, 시총이 좀 더 높더라도 확신 있게 큰 사이즈를 실을 수 있는 종목을 찾아 2~5x를 먹는 편이 결국 더 많이 벌 가능성이 높음

9. 크립토가 카지노라면 핫월렛의 돈은 칩임. 칩을 테이블에서 빼는 법을 모르면 결국 파산함. 자산 규모가 커졌다면 상당 부분을 콜드월렛으로 옮겨두는 것도 좋은 방법. 스마트폰에서 몇 초 만에 꺼내 쓸 수 있는 돈보다, 거래하기까지 friction이 있는 돈을 만들어두는 것임

10. 공개 지갑 중 엄청난 수익을 찍고 있는 계정들을 볼 때도 생각해봐야 함. 그 수익 중 얼마나 많은 게 아직 uPnL인가? OTC 없이 그 물량 전체를 시장에 던질 유동성이 실제로 있는가? 그중 얼마나 많은 지갑이 내가 모르는 정보를 가진 내부자나 cabal인가? 또 공개된 지갑 말고 별도 사이드월렛으로 같은 토큰을 사고팔고 있는지는 어떻게 아는가?

11. 일부는 공개 지갑에서는 다이아몬드 홀드를 연출하면서, 사이드월렛에서는 몰래 팔 수도 있음. 맞았다는 걸 증명하고 싶은가, 아니면 돈을 벌고 싶은가? 요즘 젊은 트레이더들은 남들에게 보여주거나 수익을 자랑하는 데 지나치게 집착하는 것 같음. 즉, PnL을 최적화하는 게 아니라 내 예측이 맞았음을 최적화함.

12. 트레이드의 종류를 구분할 줄 알아야 함. 어떤 코인은 그 섹터의 TRADE/ATTENTION을 대표해서 오르는 것이고, 어떤 코인은 실제 펀더멘털과 좋은 제품 때문에 오르는 것임. 둘은 완전히 다른 트레이드임

13. 언젠가는 한 번의 트레이드로 큰 돈을 벌고 엄청난 도파민과 행복감을 느끼는 순간이 옴. 그러면 화면 속 숫자에 무감각해지기 시작하는데, 이게 굉장히 위험함. 그 돈을 가볍게 대하기 시작하는 순간이기 때문. 큰 승리 직후에는 잠깐 쉬고 현실로 나가서, 이 마법의 인터넷 머니 카지노 밖에서는 돈 벌기가 얼마나 어려운지 다시 체감하는 걸 추천함

13. 지금처럼 해킹과 피싱 링크가 판치는 시대에 핫월렛이나 이메일 연동 지갑에 큰 돈을 넣어두는 건 안전하지 않음. 신원이 공개된 계정으로 트레이딩하고 있고, 큰 수익을 냈으며, 치안이 좋지 않은 국가에 살고 있다면 현실 세계의 신변 안전에도 신경 써야 함

14. 불장의 후반부로 갈수록 수익을 항상 BTC로 다시 로테이션할 것. 그래도 risk-on 상태를 유지하고 싶다면 BTC, 아니면 최소한 USDT로 옮겨서 수익을 실현하는 게 좋음

오픈AI Codex 총괄이 보는 AI의 최종 승부처 (Tibo) source

1. ChatGPT와 Codex의 통합은 코딩 기능을 추가하는 수준이 아니라, 대화·리서치·코딩·도구 사용을 하나의 개인 에이전트로 묶는 작업

2. 기술자와 비기술자가 다른 제품을 쓰는 것이 아니라, 같은 인터페이스가 각 개인의 목적과 숙련도에 맞춰 변하는 방향

3. AI의 최종형태는 사용자의 목표·일상·팀 상황을 지속적으로 이해하고 선제적으로 움직이는 파트너. 음성·시각까지 결합되면 AI는 인간 행동의 자연스러운 연장선으로 스며듦

4. 노트북은 인간의 입력 속도와 작업량에 맞춰 설계된 기기라 에이전트 시대에는 병목

5. AI가 수십 개의 앱과 작업을 동시에 처리하기 시작하면 실행환경은 로컬 PC에서 대규모 자원을 사용하는 클라우드 에이전트로 이동

6. 모델이 10배 이상 빨라지면 병목은 토큰 생성에서 CPU·네트워크·툴 호출·외부 앱 지연으로 이동. 성능 경쟁은 모델부터 실행 도구까지의 전체 스택 최적화 경쟁

7. 에이전트가 많아질수록 인간의 생산성이 늘어나는 것은 아님. 15개 에이전트를 사람이 직접 관리하면 컨텍스트 스위칭이 새로운 병목. 따라서 승자는 인간의 주의력을 대신 배분해주는 서비스

8. AI 시장은 인간과 함께 사고하는 개인 AGI와, 로그 분석·성능 최적화·취약점 패치처럼 복잡한 프로세스를 무인 처리하는 자동화 시스템으로 나뉨

9. 전자는 개인의 맥락이, 후자는 신뢰성과 승인·통제 구조가 핵심 경쟁력

10. 재귀적 자기개선은 인프라에서 먼저 현실화되고 있음. 최신 모델이 추론 스택·커널·제품을 최적화하면서 비용과 속도를 개선하고 있음

✍️AI가 기본적으로 호출할 도구·데이터·권한·실행 인프라에 투자하는 시대

샘 알트만 인터뷰 ① : OpenAI가 훈련을 늦춘 이유 source

1. 최근 OpenAI가 일부 Frontier RL 훈련을 연기하고 컴퓨트를 안전·정렬 연구 쪽으로 돌렸다고 함. 근데 이유가 꽤 흥미로움

2. AI 성능 발전이 느려져서가 아니라, 오히려 모델 능력이 예상보다 너무 빠르게 올라와서 안전·정렬 기술이 따라가지 못하고 있기 때문

3. 훈련 과정에서 사고가 터졌다기보단, 여러 작은 비정렬 행동들이 관찰됐고 모델의 능력 자체가 급상승하는 모습을 보면서 보수적으로 대응하기로 했다는 것

4. 여기서 알트만이 강조한 포인트가 있음. 이제 모델이 충분히 똑똑하지 않아서 문제가 되는 경우보다 사람의 의도를 제대로 이해하고 안정적으로 수행하느냐가 더 큰 문제가 되고 있음

5. 결국 AI 경쟁도 조금씩 바뀌는 중임. 과거에는 누가 더 똑똑한 모델을 만드냐가 중요했다면, 앞으로는 누가 이 똑똑한 모델에게 안전하게 권한을 주고 실제 일을 시킬 수 있느냐가 중요함

6. 특히 에이전트가 메일을 보내고, 코드를 배포하고, 계좌와 지갑까지 만지는 시대가 오면 권한 관리, 행동 제한, 모니터링, 감사로그, 긴급 중단 및 복구 같은 부분이 모델 성능 못지않게 중요해질 것

7. 이번 발언을 AI 발전 둔화 신호로 볼 필요는 없음. 오히려 정반대임. AI가 너무 빨리 발전하면서 이제 지능보다 통제가 병목으로 올라오고 있다는 얘기