잠실개미&10X’s N.E.R.D.S
17.3K subscribers
5.36K photos
68 videos
255 files
5.81K links
'잠실개미‘ 와 ’10X’의 채널

N 내러티브(Narrative),
E 실적(Earning),
R 리스크(Risk),
D 배당성장/주주환원(Dividend growth),
S 산업분석(Sector Analysis)

https://m.blog.naver.com/68083015

https://m.blog.naver.com/tenbagger10x
Download Telegram
Forwarded from Carrot Cave 🥕
손님이 오기 전에 끝난 쇼핑

주문은 들어오는데, 쇼핑몰을 둘러보는 손님은 없다. 밤새 골라 올린 대표 사진도, 돈을 들여 마련한 배너도 아무도 보지 않는다. 손님 대신 찾아온 AI가 가격과 배송 조건을 확인하고, 물건만 사간다.

2026년 6월 24일, 쇼피파이는 AI가 사용하는 기존 장바구니 도구 두 개의 지원 종료를 예고했다. 대신 UCP라는 공통 거래 규격에 맞춘 도구로 옮기라고 안내했다. 기존 도구의 유지 기한은 8월 31일까지였다. 나는 장바구니 도구를 바꾼다는 이 작은 공지에서, 그런 쇼핑몰을 떠올렸다.

이 변화가 무엇을 뜻하는지 보려면 MCP와 UCP의 차이부터 이해할 필요가 있다.

MCP는 AI가 외부 서비스의 도구를 사용하는 공통 방식이다. 상점이 ‘상품 찾기’나 ‘장바구니 수정하기’ 같은 기능을 제공하면, AI는 사용법을 읽고 실행할 수 있다. 같은 방식으로 일정을 확인하거나 회사 문서를 찾을 수도 있다. 서비스마다 연결 방법을 처음부터 따로 개발해야 하는 수고를 줄여준다.

하지만 연결 방식이 같다고 거래 규칙까지 같은 것은 아니다. 가령 A상점에 ‘수량 2’를 보내면 상품 두 개가 추가되고, B상점에서는 장바구니에 담긴 수량이 두 개로 바뀐다고 하자. 둘 다 MCP를 쓸 수 있지만, AI는 각 상점의 설명을 읽고 차이를 처리해야 한다. 배송비를 언제 더하는지, 어느 단계에서 주문이 확정되는지도 따로 알아야 한다.

UCP는 이 거래 규칙을 맞추려는 약속이다. 상품 정보와 장바구니, 결제 절차와 주문 상태를 공통된 형식으로 주고받자는 것이다. 모든 상점의 기능을 똑같이 만들겠다는 뜻은 아니다. 기본 규칙을 공유하면서, 각자 지원하는 기능과 버전을 확인해 가능한 범위에서 거래한다. 상점 고유의 기능도 덧붙일 수 있다.

쉽게 말해 MCP가 ‘도구를 어떻게 불러 쓸 것인가’를 정한다면, UCP는 ‘거래 정보를 어떤 뜻으로 주고받고, 어떤 순서로 처리할 것인가’를 정한다. 그래서 UCP는 MCP의 다음 버전이 아니다. 둘은 함께 쓸 수 있다. 쇼피파이의 ‘UCP Cart MCP’에 두 이름이 나란히 붙은 이유다.

이제 사용자가 AI에게 이렇게 부탁한다고 해보자.

“금요일까지 도착하는 검은색 운동화 찾아줘. 사이즈는 270, 배송비 포함해서 15만 원 안에서. 결제하기 전에는 꼭 물어봐.”

이런 요청은 MCP만으로도 처리할 수 있다. 다만 상품을 장바구니에 담고, 배송지를 입력하고, 최종 금액을 확인하는 방법을 상점마다 따로 맞춰야 할 수 있다. 상점들이 필요한 UCP 기능을 지원한다면, 에이전트가 이 과정을 공통된 방식으로 처리하기 쉬워진다.

A상점은 가격이 싸지만 토요일에 도착하므로 탈락한다. B상점은 금요일에 도착하고 예산에도 맞는다. AI는 B상점의 최종 조건을 사용자에게 보여주고 승인을 기다린다.

물론 장바구니를 만들었다고 결제가 끝난 것은 아니다. 쇼피파이도 준비한 장바구니를 별도의 결제 도구로 넘긴다. 사용자의 허락과 필요한 결제 인증은 따로 거쳐야 한다. 거래 규칙이 통일됐다고 해서 AI에게 돈을 쓸 권한까지 생기는 것은 아니다.

그런데 이 구매 과정에는 우리가 익숙한 장면이 빠져 있다. 상세페이지를 읽다가 마음이 흔들리는 순간도, 나가려는 고객에게 쿠폰을 내미는 순간도 없다. AI가 조건을 비교하는 동안 A상점은 이미 후보에서 사라졌다.

A상점은 고객에게 거절당할 기회조차 얻지 못했다.

지금까지 쇼핑몰은 고객의 클릭을 얻기 위해 경쟁했다. 하지만 에이전트가 구매 후보를 추리는 환경에서는 클릭하기 전에 승부가 날 수 있다. 배송이 빨라도 언제 도착하는지 AI가 확인할 수 없다면 비교에서 밀릴 수 있다. 가격이 싸도 배송비를 더한 최종 금액을 알 수 없다면 마찬가지다. 좋은 조건을 제공하는 능력만큼, 그 조건을 기계가 읽고 확인할 수 있게 만드는 능력이 중요해진다.

이 변화가 마냥 반갑지는 않다. A상점이 배송일 때문에 빠졌는지, 에이전트 운영사에 수수료를 덜 냈기 때문에 빠졌는지 사용자는 모를 수 있다. 광고는 적어도 눈앞에 나타난다. 하지만 후보에서 빠진 상품은 존재했는지조차 알기 어렵다. 거래 규격이 열려 있어도 선택 과정까지 투명해지는 것은 아니다. 무엇을 보여줄지 결정하는 회사가 새로운 문지기가 될 수 있다.

그래도 사용자는 편리함에 익숙해질 것이다. 처음에는 운동화 하나를 맡기고, 다음에는 생필품과 여행 준비를 맡긴다. 사용자의 허락을 받아 일정과 구매 이력까지 살펴보는 에이전트라면, 언젠가는 먼저 이렇게 물을 수 있다.

“지난번 신발은 오래 걸으면 아프다고 했죠. 다음 주 여행에는 다른 걸 준비할까요?”

검색어를 입력하기도 전에 쇼핑이 시작된다. 내 생활을 먼저 이해하는 회사가 다음 구매의 출발점까지 차지한다. 쇼핑몰은 내가 여행을 간다는 사실도 모르는데, 에이전트는 이미 어떤 신발을 제외해야 할지 알고 있다.

한국 이커머스를 이 장면에 놓으면, 더 앞에서 막히는 문제가 보인다. 공통 거래 규격을 논하기 전에 먼저 물어야 한다. 고객이 보낸 AI가 상품을 조회하고 주문할 수 있는 통로부터 열려 있는가.

그 통로가 API다. 외부 프로그램이 서비스의 기능을 이용할 수 있게 해주는 접점이다. 하지만 API가 있다는 답만으로는 부족하다. 제휴 심사를 통과한 사업자에게만 열려 있다면 개인이 데려온 에이전트는 쓸 수 없다. 판매자가 상품을 등록하고 주문을 관리하는 API가 있다고 해서, 구매자를 대신해 물건을 사는 API도 있다는 뜻은 아니다. 사람이 보는 웹사이트가 공개돼 있다는 것과 프로그램이 거래할 수 있는 통로가 열려 있다는 것도 다른 이야기다.

사람은 회원가입을 하고 물건을 살 수 있다. 그런데 그 사람이 보낸 AI에는 제휴 계약을 요구한다. 사용자는 구매를 맡겼는데, 플랫폼은 그 대리인을 받아들이지 않는 셈이다.

나는 한국 플랫폼의 약점이 이 지점에서 드러날 수 있다고 본다. ‘고객이 우리 앱에 들어와야 장사가 시작된다’는 전제다. 고객을 불러들이고, 오래 머물게 하고, 그 사이 광고와 추천을 보여주는 방식에 익숙하다. 외부 에이전트가 주문만 가져오면 매출은 생겨도 광고를 보여줄 기회는 줄어든다. 기술적으로 열 수 있어도 사업적으로는 열고 싶지 않을 수 있다.

그렇다고 문을 닫아두면 고객이 계속 앱을 열어줄까. 아니면 자기 비서가 이용할 수 있는 다른 상점으로 갈까.

배송이 빠르고 물건이 좋아도 구매를 끝낼 수 없다면 에이전트는 다른 후보를 찾을 것이다. 국내 플랫폼끼리 누가 고객을 더 단단히 묶어두는지 경쟁하는 동안, 고객은 그 묶음을 풀어주는 비서에게 익숙해질 수 있다. 에이전트에게 멤버십 혜택은 충성심의 이유가 아니라, 최종 가격을 계산할 때 넣는 조건 하나일 뿐이다.

뒤늦게 외부 에이전트에 문을 여는 것만으로는 충분하지 않을 수 있다. 그때는 이미 다른 회사가 고객의 취향과 구매 이유를 쌓아두고, 다음에 어떤 제안을 보여줄지 정하고 있을 수 있기 때문이다. 그렇게 되면 국내 플랫폼은 주문을 받아 포장하고 배송하지만, 고객이 왜 샀는지와 다음에는 무엇을 살지는 에이전트 운영사가 더 잘 알게 된다.

창고는 바쁘고 배송차도 계속 나간다. 그래서 위기를 늦게 알아차릴 수 있다. 물건은 우리가 보내는데, 단골은 남의 것이 돼 있다.

국내 업계가 지금 시험해봐야 할 것은 분명하다. 제휴하지 않은 개발자가 만든 에이전트도 고객의 명시적 동의 아래 가격과 혜택을 확인하고, 주문과 취소까지 처리할 수 있는가. 할 수 없다면 어디서 막히는가. 그 장벽은 정말 고객을 보호하기 위한 것인가, 아니면 고객이 앱을 떠나지 못하게 붙잡기 위한 것인가.

UCP가 최종 표준이 될지는 모른다. 하지만 어떤 규격이 남더라도, 고객이 보낸 대리인을 맞을 준비는 필요하다. 새로운 거래 규칙을 함께 정할 역량도 갖춰야 한다. 남이 만든 규칙이 굳어진 뒤에야 입점 신청서를 쓰는 처지로 밀려나서는 안 된다.

한국 이커머스가 두려워해야 할 것은 쇼핑 AI를 조금 늦게 만드는 일이 아니다. 고객이 보낸 AI를 거절하는 동안, 고객을 이해하고 다음 구매를 제안할 기회까지 다른 회사에 넘기는 일이다.

손님을 붙잡겠다며 문을 잠그다가는, 어느 날 문밖에서 쇼핑이 전부 끝나 있을 것이다.
만약 지금보다 열 배 많은 맥락을 비슷한 비용과 속도로 다룰 수 있고, 이미 읽은 자료의 계산 결과를 다음 작업에서도 손쉽게 재사용할 수 있다면 어떨까. 지금은 자료를 자르고 요약하느라 복잡한 업무 중 일부는 훨씬 쉽게 맡길 수 있을 것이다. 즉, 더 많이 쓸 것 같다. 세상 모든 업무에 AI가 본격적으로 투입되기 시작할 것 같다. 지금은 그 천만토큰, 일억토큰으로 달려가는 과정이다. gpu, 전력은 물론, kv 캐싱에 필요한 메모리 가격 때문에 대단한 부담이 발생하고 있다. 그럼에도 인류가 이 황금알을 중도에 포기하고 '아 백만 토큰에서 우리의 진보를 멈추자'고 할 가능성은, 거의 없다고 본다. 태동기라고는 하나 아직 너무나 목 마르기 때문이다.

https://m.blog.naver.com/juliuschun/224403387398
잠실개미&10X’s N.E.R.D.S
삼성증권_ASTRA.pdf
삼성증권 글로벌AI
[OpenAI의 GPT-6 Astra는 왜 변곡점일까?]


Astra는 장시간 컴퓨터 및 도구 사용, 복잡한 다단계 작업 수행, 여러 에이전트의 동시 활용 능력 추가 개선, 중요한 변화는 자율적으로 작업을 끝까지 지속 수행할 수 있는 Time Horizon 확장, 따라서 향후 AI 경쟁에서는 모델 자체 성능뿐 아니라 메모리, 도구, 실행 환경 설계의 중요도 상승

AI가 현실에서 창출하는 가치는 단일 문제의 정답률이나 성공 여부만으로 결정되지 않음. 비슷한 능력을 가진 모델이라도 하나는 반복적으로 사람의 도움이 필요하고 다른 하나는 몇 시간 동안 스스로 작업을 완료할 수 있다면 생산성에는 상당한 차이가 발생함. 기존에는 작업 시간이 길어질수록 초기 목표를 잊거나 중간에 발생한 오류에 제대로 대응하지 못해 최종적으로 실패할 가능성이 높아졌으나 Astra는 장시간 컴퓨터와 도구를 사용하고, 복잡한 다단계 작업을 수행하고, 필요한 경우 여러 에이전트를 동시에 활용하는 능력을 추가로 끌어올림.

AI 인프라 수요는 단순 토큰 처리량 확대를 넘어 장기 에이전트 워크로드를 안정적으로 처리하는 방향으로 진행. 모델 효율 개선으로 개별 작업에 필요한 시간, 토큰, 비용이 감소하더라도 AI에게 맡길 수 있는 업무 범위의 확장과 병렬 에이전트 실행에 따른 전체 추론 수요 증가 전망

Astra가 보여준 AI 작업 시간 지평의 확장은 AI 인프라 수요가 단순 토큰 처리량 확대를 넘어 장기 에이전트 워크로드를 안정적으로 처리하는 방향으로 진행되고 있음을 의미. 모델 효율 개선으로 개별 작업에 필요한 시간, 토큰, 비용이 감소하더라도, AI에 맡길 수 있는 업무 범위의 확장과 병렬 에이전트 실행에 따라 전체 추론 수요는 오히려 증가. 또한 장기 작업에서 컨텍스트와 상태 유지, 반복적 도구 호출의 중요성이 높아짐에 따라 이를 뒷받침할 추론 인프라 전반의 중요성도 높아질 것.

BUT 소프트웨어 기업은 단순 AI 기능 제공을 넘어 자사 제품이 에이전트의 핵심 실행 환경이 되거나, 직접 업무를 수행하는 에이전트를 제공하는 방향으로 진화 필요. 기존처럼 소프트웨어의 역할에 대한 구조적 질문 재부각 가능.
구글은 갈길이 먼것 같다

힘내라 Gemini
AI는 단순한 인건비 절감 수단이 아니다. 금융회사 한 명의 생산성을 몇배로 높이는 '레버리지'에 가깝다.


https://www.hankyung.com/article/202609045313i
클로드 연간결제 해버렸다는 핑계(?)로 여지껏 Codex를 설치하지 않았었고, 3월이후 클로드에 모든 커맨드를 최적화 시켜놓아서 모델간 이동이 앞으로도 어렵겠다라는 부끄러운 생각을하다가

작투한테 늙크크 소리 (욕 비스무레) 듣고 오늘은 Astra를 꼭 써봐야겠어서 GPT Plus 가입을 하고 Codex를 설치했는데 왠걸

시키지도 않았는데 Codex 깔자마자 클로드에 세팅해놓은 모든 프롬프트/커맨드를 옮길거냐 묻더니 순식간에 가져와버리네

교훈 : 모델간 종속성 따윈 없다. 월간 구독이 답이다. 절대 연간 구독 하지 말자. 경쟁하듯 계속 비슷/우월한거 들고나온다.
Forwarded from 카이에 de market
* 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
[앤트로픽이 불을 지핀 AI TAM]
* 출처 : 삼성증권 텍톡

✅ 2026년 글로벌 GDP 126조 달러, ILO 기준 노동소득분배율 52.3% 적용시 전 세계 노동소득은 약 66조 달러.

✅ 앤트로픽이 발표한 30조 달러 TAM은 인류가 노동에 지분하는 금액의 약 45%에 해당. 앤트로픽이 바라보는 AI의 최종 시장은 기존 IT 지출이 아니라 인간이 수행하던 업무 자체를 대체 / 보완하는 시장

✅현재 AI 침투율은 22%로 2025년 미국 기업 SaaS 침투율 60%와 비교하면 3분의 1 수준: 직원 당 연간 지출액도 중간 값 기준 137달러로 SaaS 9,455달러보다 현저히 저조

→ 기존의 소프트웨어는 데이터 제공의 기능만 있을뿐 결국 성장의 엔진은 모델이 달아주는 트렌드를 감안하였을 때 중장기적으로는 AI 침투율이 미국 기업 SaaS 침투율 (60%)를 무난히 넘어서지 않을지
잠실개미&10X’s N.E.R.D.S
Photo
이쯤에서 다시보는 Anthropic의 투자설명서상 그들이 보는 TAM
Forwarded from 루팡
엔비디아 CEO 젠슨 황

엔비디아의 컴퓨팅 자원은 대체 가능하고 내구성이 뛰어나며 임대 가치가 매우 높습니다. 이는 생산적이면서 수익을 창출하는 자산입니다.

(H100은 출시된 지 3년 된 학습용 칩입니다. 한 달 새 대여 가격이 22%나 올라 시간당 3.28달러를 기록하고 있습니다.

모든 감가상각 기준은 이 정도 연식의 칩이라면 가치가 떨어지기만 할 것으로 가정합니다. 하지만 시장은 오히려 더 비싼 값을 치르고 있습니다.)
Forwarded from [ IT는 SK ] (손 건)
[SK증권 반도체 한동희, 손 건]

애플, 이례적으로 NAND 3~5년 장기계약 체결 추진… 가격상한 미설정 가능성, 메모리 협상력 판도 변화

▶️ 애플 조달전략 전환


- 애플, 키옥시아와 NAND 플래시 3~5년 장기공급계약(LTA) 협상 중
- 가격상한 미설정 가능성, 종전 '압가+멀티소싱' 전략에서 '물량확보+장기계약'으로 전환
- AI 데이터센터 고객들의 격렬한 메모리 확보 경쟁이 애플로 하여금 공급 우선 확보 전략 채택하게 한 배경

▶️ 거래 세부사항

- 거래 상대방·수량·가격 미공개, 애플도 미확인
- 시장에서는 키옥시아가 가장 유력한 공급사로 관측
- 키옥시아, SK하이닉스와 함께 이런 장기계약을 채택한 소수 주요 공급사 중 하나로 알려짐

▶️ 원가 압박 및 단말가 영향


- TrendForce 추정: 2026년 3분기 기준 256GB iPhone 18 Pro 메모리원가, 전년 대비 약 4배 상승 전망
- 메모리원가 BOM 비중, 초기 256GB Pro 모델 약 10%→약 34%로 상승, 2027년 상반기 40% 초과 가능성
- 애플 최초 폴더블 아이폰, 대용량 고급 메모리 탑재 예상되며 출시가 2099~2299달러(고용량 구성시 3000달러 초과 가능) 전망

▶️ 업계 파급 및 투자 시사점

- 삼성전자·SK하이닉스·마이크론도 향후 LPDDR5X/LPDDR6 장기계약 후보로 거론, 삼성은 전체 생산능력 60~70%를 장기계약에 배정 계획
- NAND는 SK하이닉스 폴더블용 공급 약 30%, 삼성 약 15%(합산 45%), 나머지가 키옥시아 등의 확대 여지
- 시장은 여전히 전통적 '실리콘 사이클' 프레임으로 가격 조정을 예상하나, AI發 생산능력 잠식은 구조적 성격으로 이번 메모리 사이클의 고점·지속기간이 시장 예상을 상회할 가능성

▶️ URL: https://buly.kr/3CQhT3l

* SK증권 리서치 IT팀 채널 :
https://t.me/skitteam