BlackRock''s Tony Kim on AI''s Next Winners? Chips, Memory, Robotics & Quantum

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

BlackRock's Tony Kim on AI's Next Winners? Chips, Memory, Robotics & Quantum를 중심으로, AI는 기술 산업의 가치 중심을 소프트웨어에서 컴퓨트와 하드웨어로 이동시키고 있다. 저렴한 CPU와 저장장치 위에서 SaaS가 높를 핵심 판단 포인트로 압축 정리한다.

📌 핵심 요점

1. AI는 기술 산업의 가치 중심을 소프트웨어에서 컴퓨트와 하드웨어로 이동시키고 있다. 저렴한 CPU와 저장장치 위에서 SaaS가 높은 마진을 누리던 구조와 달리, AI 데이터센터는 고가 서버와 막대한 전력을 투입해 토큰을 생산하므로 기반 연산 비용이 상위 응용 계층의 마진까지 압박한다.
2. 데이터센터의 승부처는 단순한 가속기 성능이 아니라 대역폭·전력·열을 함께 해결하는 시스템 설계다. 모델과 실리콘의 공동 설계, 구리에서 빛으로의 연결 전환, 800볼트 전력 구조와 고체 변압기까지 AI 스택의 물리 계층 전체가 다시 설계되고 있다.
3. 에이전트 확산은 AI를 연산 중심에서 기억 중심 구조로 바꾼다. 개인과 기업의 맥락을 장기간 보존하려면 SRAM·DRAM·HBM·플래시를 연산 장치 가까이에 배치해야 하지만, 메모리 생산시설은 증설에 3~4년이 걸리고 주요 공급자도 세 곳에 집중돼 단기 병목과 가격 프리미엄이 커질 수 있다.
4. 투자 전략은 예측 가능한 향후 3년과 비선형 잠재력을 가진 장기 기술을 구분해야 한다. 현재 컴퓨트·메모리·데이터센터 재편에 대부분의 자본을 배분하되, 양자컴퓨팅·소형 원자로·궤도 데이터센터처럼 2028~2030년 이정표를 겨냥한 기술에는 제한적인 장기 선택권을 남기는 접근이다.
5. 로봇은 LLM 기반 언어·기억 시스템과 움직임을 제어하는 월드 모델, 그리고 실제 신체를 결합해야 한다. 서구의 AI 두뇌와 중국·한국·일본의 제조 역량이 결합될 수 있으며, 완벽한 휴머노이드보다 고령자·청년의 외로움과 돌봄 수요를 겨냥한 친근한 동반자 로봇이 더 빠르게 시장을 열 가능성도 제시된다.

🧩 배경과 문제 정의

• AI가 기술 산업의 가치 중심을 소프트웨어에서 컴퓨트·하드웨어로 옮기면서 데이터센터 비용 구조와 기업 수익 모델이 함께 바뀌고 있다.
• 모델 성능 향상에는 더 많은 연산·메모리·전력이 필요하지만, 데이터 이동의 물리적 한계와 수년이 걸리는 반도체 생산시설 증설이 공급 병목을 만든다.
• 투자자는 자산경량·고마진 SaaS 구조에서 자산집약적 토큰 경제로 가치가 이동하는 상황을 반영해 단기 승자와 장기 기술 투자를 구분해야 한다.

🕒 시간순 섹션별 상세정리

1. 물리 계층으로 모인 네 가지 기술 축

• 디매트릭스와 차세대 컴퓨터 아키텍처를 중심으로 한 가속기 선택은 AI 연산 구조를 바꾸는 핵심 의제다. [01:39]
• 사이퀀텀의 양자컴퓨팅과 루멘텀의 광학 기술은 장기 연산 성능과 차세대 데이터센터 연결 방식을 겨냥한다. [01:52]

2. 소프트웨어 중심에서 컴퓨트 중심으로

• 기술 산업의 중심은 소프트웨어에서 컴퓨트로 이동했고, 모델과 연산 인프라는 한쪽의 요구가 다른 쪽의 설계를 바꾸는 결합 관계가 됐다. [04:45]
• 자본지출과 기업가치가 컴퓨트로 몰리면서 데이터센터 재건은 단순한 설비 증설을 넘어 AI 스택 전 층을 바꾸는 구조적 전환이 됐다. [05:42]

3. 연산 밀도가 만든 전력·열·대역폭 병목

• 모델의 연산 요구량이 늘수록 더 작은 공간에 더 많은 비트를 집적해야 하며, 데이터센터의 단위면적당 연산 밀도도 함께 높아진다. [06:12]
• 집적도가 높아지면 대역폭·전력·열 문제가 동시에 커지고, 세 요소의 부담은 데이터센터 설계를 비선형적으로 압박한다. [06:19]

4. 센티미터로 줄어든 이동 거리와 광 연결 전환

• 데이터 이동 범위는 킬로미터에서 건물·랙·칩 내부로 좁아지며, 최종적으로 센티미터와 밀리미터 단위까지 축소된다. [06:56]
• 이동 거리가 10분의 1씩 줄어들수록 대역폭·전력·열 부담은 커지며, 올해 약 1조 달러와 향후 5년 약 10조 달러의 자본지출이 이 문제에 투입된다. [07:10]

5. 모델 사양과 실리콘의 공동 설계

• 최고 성능 모델은 강력한 컴퓨트와 최적화된 추론 환경을 필요로 하므로 모델 경쟁력과 하드웨어 경쟁력을 분리하기 어렵다. [08:32]
• 실리콘은 모델의 파라미터와 사양에 맞춰지고, 모델 요구사항은 다시 연산 구조를 결정하며, 선도 기반모델 연구소들은 이 공동 설계를 새로운 개발 경로로 삼는다. [09:00]

6. 전력망과 800볼트 아키텍처

• 계량기 후단 전력망과 신규 발전원, 소형모듈원전까지 데이터센터 자체의 전력 확보 능력이 연산 확장의 조건으로 들어온다. [09:59]
• 800볼트 전력 구조와 고체 변압기는 전압을 단계적으로 낮출 때 발생하는 에너지 손실을 줄여 고밀도 연산의 효율을 높인다. [10:21]

7. 에이전트가 키우는 기억 중심 AI

• 초기 AI는 대규모 병렬 연산에 집중하고 메모리는 적게 사용했지만, 칩과 모델의 발전 방향은 기억 비중이 큰 인간 두뇌 구조에 가까워지고 있다. [11:36]
• 개인화 AI와 기업용 에이전트는 사용자 행동과 조직 맥락을 장기간 저장해야 하므로 연산 성능뿐 아니라 지속적인 메모리 용량이 필요하다. [12:02]

8. 메모리 계층과 공급 시간의 불일치

• 칩 아키텍처의 핵심은 SRAM·DRAM·적층 DRAM·HBM·고대역폭 플래시를 연산 장치와 어떻게 배치하고 조정하느냐에 있다. [12:48]
• 메모리와 저장장치를 칩 가까이에 밀집시킬수록 두뇌형 AI에 적합한 구조가 되지만, 필요한 메모리 물량도 빠르게 증가한다. [13:12]

9. 세 곳에 집중된 메모리 공급과 투자 난제

• 컴퓨트와 결합된 메모리의 중요성은 계속 높아지며, 연산 장치만으로 AI 인프라의 경쟁력을 판단하기 어려워진다. [14:20]
• 에이전트 확산으로 수요가 증가하는 가운데 주요 메모리 공급자는 세 곳에 불과해 공급 확대 속도가 제한된다. [15:44]

10. 클라우드 시대를 지탱한 저가 컴퓨트

• 2000년부터 2020년 무렵까지의 인터넷은 클라우드 컴퓨팅을 중심으로 성장했고, 당시 데이터센터는 주로 메가와트급 규모에 맞춰졌다. [17:14]
• 클라우드의 기본 연산 단위는 CPU와 하드디스크였으며, 서버 가격도 수천~수만 달러 수준이어서 컴퓨트 자체는 부차적인 비용으로 취급됐다. [17:53]

11. 얇은 컴퓨트 층 위의 20년 SaaS 호황

• 클라우드 사업자는 CPU와 저장장치를 플랫폼 서비스·데이터베이스 형태로 재판매했고, SaaS 기업은 그 위에 응용서비스를 구축했다. [18:15]
• 저렴한 컴퓨트가 무료에 가까운 범용재로 인식되면서 비용은 기반층에 얇게 남고 높은 가치와 마진은 상위 소프트웨어 계층으로 집중됐다. [18:45]

12. 2023년의 단절과 컴퓨트 단가 폭증

• 2023년 AI 전환 이후 기본 연산층의 규모는 대략 1만 배라는 추산까지 나왔고, 1만 달러 서버가 100만 달러 서버로 바뀔 만큼 단가가 뛰었다. [20:07]
• 범용재로 취급되던 DRAM은 고가의 HBM과 함께 AI 서버에 대량 탑재되며, 데이터센터 전력 규모도 메가와트에서 기가와트로 커졌다. [20:27]

13. 토큰 공장이 뒤집은 수익과 마진

• 기존 클라우드 시설은 계속 운영되지만 성장률은 둔화하고, AI용 데이터센터의 신규 매출을 확보하려면 막대한 자본을 투입한 전면 재건이 필요하다. [21:09]
• 컴퓨트 공장이 토큰을 생산하고 모델 기업이 이를 다시 판매하면서, 비싼 기반 연산 비용이 상위 응용 계층의 마진을 잠식한다. [21:53]

14. 시가총액이 보여 주는 하드웨어 중심 가치 이동

• 전 세계 시가총액 10억 달러 이상 기술기업을 약 1,500~2,000곳으로 잡은 거친 추산에서, 비(非) 매그니피센트7 소프트웨어·서비스·인터넷 부문은 10조 달러 안팎이다. [23:07]
• 매그니피센트7은 22~23조 달러, 칩·하드웨어는 30조 달러 이상으로, 약 10-20-30의 시가총액 구조가 컴퓨트 중심 시장을 드러낸다. [24:05]

15. 공격적 투자 재편과 3년의 ‘지금’

• AI 시대에는 기존 투자 철학을 다시 짜야 하며, 지능 수요가 컴퓨트 수요를 만들고 컴퓨트가 매출로 이어지는 가치 사슬에 자본배분을 맞춰야 한다. [25:55]
• 스케일링 법칙이 이어진다는 가정에서는 AI 성능이 매년 10배씩 높아져 3년간 1,000배에 이를 수 있고, 더 많은 기능과 연산 수요가 마진·방어력·경쟁우위를 계속 흔든다. [27:13]

16. 3년 실적을 넘어선 자본 배분 기준

• 정체하는 사업과 성장 아이디어 사이에서 자본을 배분할 때는 향후 3년의 실적뿐 아니라 그 이후에도 성장 동력이 남는지를 판단해야 한다. [30:01]
• 미래에 대한 신뢰가 멀티플을 좌우하므로, 가격이 싸더라도 사업이 쇠퇴하거나 성장률이 둔화하면 좋은 투자처가 아닐 수 있다. [30:29]

17. 생성형 AI 이전부터 시작된 프런티어 투자

• 2019~2021년에는 LLM 열풍을 예측하지 못했지만, 머신러닝과 AI를 위한 새로운 형태의 연산 수요가 커질 것이라는 직관이 투자 근거가 됐다. [31:46]
• 6~7년이 지난 뒤 AI 가속기 경쟁과 컴퓨팅 수요가 본격화하면서, 불확실한 미래 아키텍처에 대한 장기 투자가 현실적인 시장으로 연결됐다. [32:03]

18. 2030년으로 수렴하는 장기 기술

• 양자컴퓨팅 투자는 2019년부터 약 10년의 시간을 전제로 했으며, 궤도 데이터센터도 본격적인 확장 시점을 2030년으로 잡는다. [32:23]
• 오류보정이 가능한 100만 큐비트 양자컴퓨터, 규제 승인을 받은 소형 원자로, AGI와 800볼트 전력 아키텍처의 주요 이정표가 2028~2030년에 집중된다. [32:53]

19. 비선형 잠재력을 찾는 포트폴리오

• 현재의 AI 투자에 시간과 에너지의 80~90%를 쓰더라도, 일부 자원은 점진적 개선이 아닌 비선형적이고 비대칭적인 잠재력을 가진 미래 기술에 배분해야 한다. [34:12]
• 핵심 투자 대상은 3년 동안 재무 예측이 가능하면서도 그 이후까지 관련성을 유지해야 하며, 이 조건을 벗어난 자산은 기회비용에 비해 매력이 낮다. [34:21]

20. 5년 뒤에도 유효한 기업인가

• 2031년은 불과 5년 뒤지만 많은 기업이 그때까지도 잉여현금흐름을 내지 못할 수 있어, 이후 수익성이 플러스로 전환될 근거가 필요하다. [35:32]
• 지금 유행하는 기업도 5년 뒤에는 과거의 뉴스가 될 수 있으며, 성장 둔화와 트렌드의 반감기는 회수 시점의 멀티플을 낮춰 투자자를 곤경에 빠뜨린다. [36:10]

21. 반도체의 상품화 통념과 과점 구조

• AI 시대는 반도체와 양자컴퓨팅 같은 오래된 산업에 활력을 불어넣는 동시에 궤도 데이터센터와 휴머노이드 로봇 같은 새로운 시장을 만들었다. [38:16]
• 반도체 기업은 소프트웨어·제약·산업재·통신보다 높은 수익성을 내고 있어, 칩을 단순 상품으로 보는 통념과 실제 이익 구조가 충돌한다. [39:57]

22. 물리 기술의 부흥과 설계 인력 부족

• AI 인프라 투자는 서버·광섬유·전력·랙 설계뿐 아니라 금속·구리·열 관리·소재·기판·패키징까지 물리 과학 전반의 가치를 높였다. [41:31]
• 주요 메모리 기업도 맞춤형 메모리를 공동 설계할 인력을 구하지 못하며, 일부 소프트웨어 개발자를 메모리 공동설계 아키텍트로 전환해야 할 정도로 인재가 부족하다. [42:38]

23. 언어 두뇌와 운동 두뇌를 결합한 로봇

• 로봇은 사람과 소통하는 LLM 기반 언어·기억 시스템과, 주변 환경을 인식하고 움직임과 반응을 제어하는 월드 모델을 함께 필요로 한다. [43:30]
• 연구소가 만든 두뇌를 몸에 탑재한 뒤에는 팔·다리·손, 특히 정교한 손동작이 가장 어려운 과제로 남으며 로봇의 신체는 제조업과 하드웨어 역량에 의존한다. [44:28]

24. 중국의 로봇 제조 규모와 IPO 물결

• 중국에는 약 130~140개의 로봇 기업이 있으며, 올해만 30~40개가 IPO 후보인 반면 미국의 후보는 0~2개 수준이다. [45:08]
• 중국은 민간 자본시장의 깊이가 부족해 로봇 기업이 더 이른 단계부터 상장 시장을 자금 조달 수단으로 활용하며, 다수 기업이 파도처럼 시장에 진입한다. [45:38]

25. 서구의 두뇌와 중국의 신체를 결합하는 시장

• 중국산 로봇 신체에 서구의 AI 두뇌를 탑재하는 조합이 이미 시도되고 있으며, 양측의 강점을 섞는 다양한 제품 구성이 늘어날 수 있다. [46:54]
• 로봇의 큰 시장은 산업용 제조뿐 아니라 외로움·교육·고령자·청년 문제를 다루는 소비자용 또는 상업용 사회적 로봇에서 열릴 수 있다. [47:23]

26. 인구 절벽이 만드는 동반자 로봇 수요

• 아시아 일부 지역의 출산율은 1.0에도 미치지 못해 인구 유지에 필요한 2.1~2.2와 큰 차이가 나며, 고령화와 인구 감소는 요양 산업의 수요를 키운다. [48:21]
• 고령자는 동반자를 필요로 하고 청년층도 외로움에 노출돼 있어, 완벽한 운동 기능이 없어도 지능과 공감 능력을 구현한 로봇은 큰 시장을 만들 수 있다. [49:03]

27. 완벽한 휴머노이드보다 친근한 동반자

• 로봇은 사람과 같은 크기나 세련된 휴머노이드 외형일 필요가 없으며, 절반 크기의 친근하고 위압적이지 않은 형태가 일상적인 관계 형성에 더 적합할 수 있다. [50:15]
• 셰익스피어와 아인슈타인 수준의 지식, 다국어 능력과 공감성을 갖춘 로봇은 고령자와 대화하면서 개인의 이야기와 생애 기록까지 보존할 수 있다. [50:32]

28. 에이전트가 확장하는 데이터 시장

• 코딩 에이전트가 빠르게 확산하는 가운데 AssemblyAI 같은 음성 모델 기업도 높은 성장률을 보이며, AI 인터페이스의 범위가 코드에서 음성으로 넓어진다. [51:32]
• 에이전트가 대량의 데이터를 생성하면서 Databricks와 Snowflake 같은 데이터 플랫폼이 프리미엄을 얻고, 앱 증가에 따라 MongoDB 같은 데이터베이스 수요도 커진다. [52:05]

29. 기업을 재구성하는 컨텍스트와 토큰 흐름

• 미래의 기업에서는 외부에서 들어온 지능 토큰이 독점 데이터와 제3자 데이터를 담은 기반 위에서 상호작용하고, 기업 운영은 이 데이터 계층을 중심으로 재편된다. [53:41]
• 직원들이 축적한 지식과 기업 고유의 업무 방식은 컨텍스트 또는 온톨로지 계층을 이루며, 에이전트는 이 계층을 거쳐 데이터와 연결된다. [54:04]

30. 전체 결과를 판매하는 AI 기업과 산업 재편

• 기업은 기반 계층에서 마진을 확보하거나 모든 기술 계층을 추상화해 보험·청구 처리 전체를 맡아야 하며, 기존 비용 100의 업무를 20에 제공하는 방식으로 경쟁할 수 있다. [56:49]
• 사모펀드와 벤처펀드는 고객을 보유한 전통 산업의 기업을 인수한 뒤 비효율과 과도한 비용을 걷어내고, AI 중심의 새로운 서비스 전달 체계를 구축하려 한다. [57:39]

31. 전통 산업의 AI 전환과 인수 전략

• AI 활용이 거의 없는 전통 산업에서는 기존 업무 방식과 조직 체계 전체를 새롭게 설계하고 AI 기반으로 재구축할 여지가 크다. [1:00:19]
• 개별 제품을 판매한 뒤 기존 직원에게 변화를 맡기는 방식은 한계가 있으며, 기업을 직접 인수하면 새로운 소유자가 조직 개편과 AI 전환을 주도할 수 있다. [1:00:33]

32. 향후 12개월의 AI 인프라와 데이터센터 변화

• 전쟁, 금리, 과도한 설비투자, 자금 부족 같은 공포가 약 6개월마다 반복되지만, 컴퓨팅·메모리 병목과 폭증하는 수요가 데이터센터 재설계를 계속 밀어붙일 가능성이 크다. [1:01:53]
• 대형 파운데이션 모델 연구소의 기업공개에는 상당한 시장 수요가 있을 수 있으며, 이는 데이터센터 재구상 흐름을 입증하는 새로운 계기가 될 수 있다. [1:02:42]

33. 경력의 전환점을 만든 믿음과 자율성

• 공식적인 멘토보다 잠재력을 믿고 자유와 권한을 맡긴 사람들이 결정적이었으며, 블랙록 합류 당시에도 역량을 펼칠 수 있는 폭넓은 자율성을 얻었다. [1:05:10]
• 미국 중서부 출신의 공학도로서 컨설팅 회사들에는 채용되지 못했지만 투자은행에서 기회를 얻었고, 닷컴 시대 이전 서부로 향하라는 조언이 새로운 경력 경로를 열었다. [1:05:55]

34. 역사 속 멘토와 현실에서 만난 선의

• 카이사르, 알렉산더, 나폴레옹, 베토벤, 처칠처럼 자신의 운명을 개척한 역사적 인물들이 시간과 공간을 넘어 삶의 기준이자 멘토가 됐다. [1:06:53]
• 사회적으로 고립됐던 어린 시절을 도서관에서 보내면서 책 속 역사적 인물들이 현실에서 접하기 어려웠던 멘토의 자리를 채웠다. [1:07:12]

🧾 결론

• 이번 AI 사이클은 소프트웨어 기능의 추가가 아니라 데이터센터·전력망·메모리·광 연결·패키징을 아우르는 물리 스택의 전면 재건에 가깝다.
• 단기 승자는 연산 밀도와 데이터 이동에서 발생하는 병목을 해소하고, 모델 요구사항과 하드웨어 설계를 긴밀하게 결합하는 기업에서 나올 가능성이 크다.
• 메모리 공급 부족이나 설비투자 호황이 곧 영구적인 경쟁우위를 의미하지는 않는다. 생산능력의 추격 이후에도 성장성과 가격 결정력을 유지할 수 있는지가 핵심이다.
• 로봇과 양자컴퓨팅은 당장의 실적 가시성보다 5년 이후의 관련성과 비대칭적 잠재력을 기준으로 평가해야 할 장기 영역이다.

📈 투자·시사 포인트

• AI 인프라를 가속기 하나로 보지 말고 컴퓨트·메모리·광학·전력·냉각·기판·패키징으로 나눠 실제 병목과 공급 과점을 확인필요가 있다.
• 메모리는 에이전트 확산의 직접적인 수혜 영역이지만, 높은 가격 프리미엄의 지속 기간과 신규 생산능력의 가동 시점이 기업가치 변동성을 좌우한다.
• 소프트웨어 기업은 매출 성장뿐 아니라 토큰 조달비용, 추론비용, 데이터센터 자본집약도가 총마진과 현금흐름을 얼마나 잠식하는지 함께 평가해야 한다.
• 로봇 기업은 AI 두뇌의 성능과 신체 제조 능력을 분리해 봐야 하며, 아시아의 양산 규모와 서구의 모델 역량이 결합되는 공급망에 주목필요가 있다.
• 양자컴퓨팅 같은 장기 기술은 단기 유행보다 오류보정, 큐비트 규모, 규제 승인과 같은 구체적 이정표를 기준으로 단계적으로 판단해야 한다.

⚠️ 불확실하거나 확인이 필요한 부분

• 향후 5년 약 10조 달러의 자본지출, AI 전환 이후 연산층의 약 1만 배 확대, 기술기업 시가총액의 10-20-30 구조는 자료에서 추산 또는 거친 추산으로 제시됐으며 산출 근거는 별도로 확인해야 한다.
• AI 성능이 매년 10배, 3년간 1,000배 높아질 수 있다는 전망은 스케일링 법칙이 계속 작동한다는 가정에 의존한다.
• 메모리 공급 부족은 분명한 투자 논거지만, 가격 프리미엄이 얼마나 지속되고 신규 생산능력이 언제 수요를 따라잡을지는 예측하기 어렵다.
• 자막 기반 정리: 타임스탬프가 있는 자막을 기준으로 정리했으며, 고유명사·수치·인용은 원문 확인 필요 시 별도 검증한다.
• 영상 속 주장: 발표자의 해석·전망·비교는 확인된 외부 사실이 아니라 영상 속 주장으로 분리해 읽는다.
• 검증 필요: 수치, 기업 실적, 정책·시장 전망은 발행 전 최신 자료로 별도 검증이 필요하다.

✅ 액션 아이템

• AI 인프라 가치사슬을 컴퓨트·메모리·광 연결·전력·열 관리·패키징으로 분해하고 각 단계의 병목, 공급자 수, 증설 기간을 표로 정리한다.
• 메모리 기업을 검토할 때 HBM·DRAM 구성, 생산시설 증설 계획, 3~4년의 공급 시차와 가격 프리미엄 지속 가능성을 함께 점검한다.
• 소프트웨어와 모델 기업의 분석 모델에 토큰 조달비용, 추론비용, 자본지출과 총마진 변화를 반영한다.
• 향후 3년 실적이 가시적인 투자와 2028~2030년 기술 이정표에 의존하는 장기 투자를 별도 바스켓으로 구분한다.

❓ 열린 질문

• 메모리 생산능력이 수요를 따라잡는 시점에도 현재 공급자들의 과점과 가격 결정력은 유지될까?
• 광 연결과 800볼트 전력 구조는 데이터센터의 전력·열·대역폭 병목을 얼마나 빠르게 완화할 수 있을까?
• 모델과 응용서비스 기업은 비싼 기반 연산 비용을 고객에게 전가하면서도 기존 소프트웨어 수준의 마진을 지킬 수 있을까?