Why the Markets Are Pricing AI Wrong

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

Why the Markets Are Pricing AI Wrong를 중심으로, 가격과 펀더멘털이 역행했다. 다수 AI 종목이 고점 대비 40~60% 하락한 동안 GPU 가격·D램 현물가격·토큰 증가율에서는 감를 핵심 판단 포인트로 압축 정리한다.

📌 핵심 요점

1. 가격과 펀더멘털이 역행했다. 다수 AI 종목이 고점 대비 40~60% 하락한 동안 GPU 가격·D램 현물가격·토큰 증가율에서는 감속 신호가 나타나지 않았다. B200 임대료가 6~7개월 만에 약 50~60% 상승한 현장 사례도 공급 과잉보다 연산 부족을 가리킨다.
2. 공개시장의 가시성 공백이 수요를 과소평가하게 만든다. Anthropic·OpenAI와 오픈소스 추론 클라우드의 수요는 상장사 재무제표만으로 포착하기 어렵다. 고가 프런티어 토큰에서 저가 오픈소스 토큰으로 사용 구성이 이동하면 지출 증가율은 낮아 보여도 토큰 소비와 실제 연산량은 늘어날 수 있다.
3. 핵심 가치 변수는 설비투자 자체보다 운영현금흐름의 회수 속도다. 장기계약에 묶인 기존 연산 용량은 현물시장보다 낮은 단가로 수익화되고 있으며, 계약 재평가와 Blackwell·Rubin 수익화가 진행되면 현금흐름이 후행적으로 개선될 수 있다. 조정 기준 Microsoft·Meta·Amazon의 운영현금흐름 증가율은 28%에서 35%로 높아졌고, 제시된 차세대 GPU 수익화 시나리오에서는 운영현금흐름이 약 2조 달러로 늘면서 필요한 신용이 약 7천억 달러 감소한다.
4. 진짜 시스템 위험은 부채 기반 증설이다. 운영현금흐름으로 설비투자를 충당하면 높은 실질금리의 영향이 제한되지만, 단기 신용과 대규모 부채에 의존하면 신용 스프레드 상승과 작은 수급 오차가 빠른 청산으로 이어질 수 있다. 전력화 지연, 메모리 배정, 장기공급계약도 신규 연산 용량의 속도와 시장점유율을 좌우한다.
5. 강세 가설에는 명확한 반증 조건이 있다. 하이퍼스케일러 운영현금흐름의 정체, GPU 가격의 지속적인 급락과 공급 확보 용이성, Anthropic·OpenAI 등 주요 연구소의 합산 수요 감소가 나타나면 투자 논리는 약해진다. 여기에 데이터센터 규제, 지속학습의 기술적 돌파, 공격적인 신규 공급이 수요와 자본효율의 경로를 바꿀 수 있다.

🧩 배경과 문제 정의

• AI 관련 주가는 한 달 만에 고점 대비 40~60% 하락했지만, GPU 가격·메모리 가격·토큰 사용량·기업 현금흐름 등 기초 지표는 오히려 강해졌다.
• 공개시장은 Anthropic·OpenAI·오픈소스 추론 클라우드의 실적과 수요를 충분히 볼 수 없어, 실제 AI 연산 수요와 상장사의 밸류에이션을 다르게 평가할 위험이 있다.
• AI 인프라 확장의 핵심 변수는 높은 실질금리 자체보다 운영현금흐름으로 투자비를 충당할 수 있는지이며, 대규모 부채가 필요해지면 공급 과잉과 신용 경색이 빠른 붕괴로 이어질 수 있다.

🕒 시간순 섹션별 상세정리

1. 주가 급락과 수요 지표의 괴리

• 7월은 2022년의 약세장을 한 달에 압축한 듯한 흐름이었고, 다수 AI 종목이 고점 대비 40~60% 하락했지만 기초 여건은 전반적으로 개선됐다 [01:44]
• GPU 가용성과 소매가격, D램 현물가격, 토큰 증가율 어디에서도 감속 신호가 나오지 않았고 주요 수요 지표는 오히려 가속했다 [02:24]

2. 공개시장이 보지 못하는 민간 AI 수요

• 공개시장은 Anthropic·OpenAI와 미국 오픈소스 추론 클라우드의 수요를 직접 볼 수 없어, 상장 반도체·클라우드 기업만으로 AI 투자 수익성을 판단하는 가시성 공백을 안고 있다 [02:35]
• 오픈소스와 OpenAI의 사용량은 크게 늘었고 Anthropic도 강한 성장과 상당한 잉여현금흐름을 낼 가능성이 있어, 민간 기업을 제외한 현금흐름 도표는 AI 생태계의 수익을 과소평가한다 [03:24]

3. 노후 GPU 가격 상승과 계약 단가 재평가

• 과거에는 구형 GPU 가격이 완만하게라도 하락할 것으로 예상했지만 2026년에는 오히려 수직 상승했고, 장기계약으로 확보한 설치 연산 용량은 현물시장보다 큰 폭으로 저렴해졌다 [04:25]
• 계약 만료 후 연산 단가가 높아지면 현물가격이 일부 내려가도 매출은 재평가될 수 있으며, 일회성 비용을 조정한 Microsoft·Meta·Amazon의 운영현금흐름 증가율도 28%에서 35%로 높아졌다 [05:18]

4. Meta의 연산 임대가 과잉설로 오해된 과정

• Meta의 연산 용량 임대 계획은 초과 설비와 설비투자 축소의 신호로 받아들여졌지만, 실제 설비투자는 줄지 않았고 현물시장의 높은 프리미엄을 활용하려는 선택에 가까웠다 [06:10]
• Meta의 설비투자 계획을 추적하는 지표는 약해지지 않고 더 공격적으로 움직였으며, 2년 만에 가장 경쟁력 있는 자체 모델까지 내놓아 투자 감속 가능성을 낮췄다 [07:16]

5. 오픈소스 확산이 인프라 수요를 키우는 구조

• 토큰 지수가 둔화한 듯 보인 이유는 총사용량 감소보다 고가의 프런티어 모델 토큰에서 저렴한 오픈소스 토큰으로 이동한 구성 변화였고, 신규 모델 사용량이 지표에 반영되는 데에도 시간이 걸렸다 [07:57]
• 같은 조건의 토큰은 동일한 연산량·메모리·전력을 필요로하므로, 오픈소스 확산은 모델 계층의 높은 마진을 낮추는 대신 가격 탄력성을 통해 토큰 소비와 인프라 사업자의 수익을 늘린다 [08:58]

6. 반도체 장비 매도보다 중요한 신용시장 변화

• 중국의 심자외선 노광장비 개발 소식은 반도체 장비주 급락을 촉발했지만, AI 인프라 투자 규모가 커지는 상황에서 실질금리와 신용 스프레드가 함께 상승한 점이 더 본질적인 위험이다 [10:29]
• Meta 채권의 부진한 가격 형성과 주요 기업의 신용부도스와프 상승은 금융기관의 단순 헤지일 수 있지만, 설비 확장이 부채에 의존한다면 높아진 조달비용은 직접적인 위협이 된다 [11:09]

7. 부채 기반 설비투자가 만드는 자본순환 위험

• 부채로 건설한 인프라는 즉각적인 상환 부담을 만들기 때문에 공급과 수요가 조금만 어긋나도 빠르게 청산될 수 있으며, 인터넷 인프라 투자 붕괴가 그 선례다 [13:00]
• 향후 설비투자에 신용이 반드시 필요하다면 확대된 스프레드는 중대한 악재가 되므로, 단기 자금조달 구조와 운영현금흐름의 충당 능력이 핵심 검증 대상이다 [13:26]

8. 컨센서스가 낮게 잡은 차세대 GPU 수익화

• 컨센서스는 Blackwell·Rubin 기반 전력을 두 세대 전인 Ampere 수준의 단가로 수익화한다고 가정하며, 이에 따라 하이퍼스케일러 운영현금흐름을 약 1조3천억~1조4천억 달러로 계산한다 [14:05]
• 차세대 GPU를 현재 Blackwell보다 낮은 단가로만 수익화해도 운영현금흐름은 약 2조 달러가 되고, 필요한 신용 규모는 약 7천억 달러 줄어든다 [14:36]

9. Blackwell 투자 공백과 현금흐름의 후행 회복

• 수천억 달러를 투입한 Blackwell이 초기에 학습 용도로 쓰이면서 즉각적인 수익을 만들지 못하는 투자 공백이 1분기에 실제 위험으로 나타났다 [15:36]
• 시장은 4~6월에는 그 공백을 넘겨봤지만 여러 악재가 겹친 7월에는 운영현금흐름이 대규모로 가속하기 시작한 시점에도 위험 회피로 돌아섰고, Microsoft가 6월 추가한 대규모 용량은 2분기 실적에도 반영되지 않았다 [16:21]

10. 현장 GPU 가격이 드러낸 공급 부족

• 한 스타트업은 동일한 규모와 사양의 B200 클러스터를 7개월 전 GPU 시간당 2달러대 중반에 빌렸지만, 현재는 4달러에 가까운 가격을 지불할 상황에 놓였다 [18:51]
• GPU 임대료는 6~7개월 만에 약 50~60% 올랐고 일부 추론 클라우드는 계약 만료 후 Blackwell 비용을 두 배 지불할 계획이어서, 하이퍼스케일러의 기존 연산 자산은 현재 단가보다 낮은 수익만 반영하고 있다 [19:35]

11. Anthropic 둔화 가능성과 오픈소스의 암흑물질

• 제3자 데이터상 Anthropic의 성장 곡선이 기존 궤도에서 다소 벗어났다는 점이 거의 유일한 부정적 정량 신호지만, 같은 기간 OpenAI와 오픈소스 사용량은 크게 가속했다 [20:15]
• 공개시장이 측정하기 어려운 오픈소스 수요는 일종의 암흑물질이며, 감사된 재무자료는 아니더라도 추론 클라우드의 발언과 신규 모델의 성능 도약은 연산 수요 증가를 뒷받침한다 [20:55]

12. 낮아진 밸류에이션과 부족한 부정적 근거

• 기초 여건이 개선되는 동안 Nvidia의 선행 주가수익비율은 최근 10년 최저 수준으로 내려갔고, 시장가격에는 현재 이익이 지속되지 못할 것이라는 강한 과잉이익 가정이 반영됐다 [21:43]
• 논쟁적인 Anthropic 제3자 데이터를 제외하면 실리콘밸리 현장에서 확인할 수 있는 부정적 정량 지표가 거의 없었고, 이는 통상 긍정·부정 신호가 함께 나오던 환경과도 달랐다 [22:21]

13. AI 해석의 동질화와 압축된 시장 주기

• 신용 문제를 제외한 여러 약세 서사는 실제 지표와 맞지 않았지만, 투자자들은 빠르게 위험을 줄이고 다음 서사로 이동하면서 피상적인 순환매를 강화했다 [23:51]
• 개인과 기관투자자가 같은 뉴스를 Claude에 넣고 유사한 확률적 해석에 따라 거래하면서, 하나의 AI 판단이 시장 참여자의 관점을 동질화하는 구조가 생겼다 [25:48]

14. 지속학습과 표본 효율성이 만들 기술적 변곡점

• 지속학습과 표본 효율적 학습이 해결되면 약 300조 토큰으로 사전학습하는 방식 대신 훨씬 적은 토큰으로 출발해 현실에서 학습할 수 있어, 단기 학습 연산 수요에 불연속적인 변화가 생길 수 있다 [27:50]
• 여러 신규 연구소가 이 문제에 집중하고 있으며 성공은 사회 전체에 큰 이익이지만, 전체 AI 인프라 수요까지 감소시킬지는 불확실하고 Nvidia도 관련 스타트업에 깊이 관여하고 있다 [28:40]

15. 강세 가설을 뒤집을 명확한 조건

• 하이퍼스케일러의 운영현금흐름 증가세가 멈추면 설비투자의 자체 조달 논리가 약해지고, 대규모 부채 의존도가 높아져 강세 가설의 핵심 전제가 무너진다 [29:00]
• GPU 가격이 지속적으로 급락하거나 공급을 손쉽게 확보할 수 있게 되면 수요 부족과 연산 자산의 재평가 실패를 뜻하지만, 현재는 GPU가 남는다는 사례가 전혀 없다 [29:35]

16. 멀티모델 라우팅은 비용을 낮추면서 성능을 유지한다

• AI 네이티브는 자체 데이터로 오픈소스 모델을 미세조정하고, 라우터가 이를 먼저 호출한 뒤 Claude·Grok 같은 최전선 모델로 결과를 검증하게 해 절반가량의 비용으로 비슷하거나 더 나은 결과를 얻을 수 있다. [30:43]
• 비용 절감은 매출총이익률 약 90%인 고가 토큰을 약 30%인 저가 토큰으로 옮기는 데서 나오며, 토큰 생성에 필요한 연산량 자체는 크게 달라지지 않는다. [31:13]

17. AI 도입은 기업과 지역별로 서로 다른 속도로 진행된다

• AI 네이티브는 신규 인력보다 토큰에 자원을 집중하는 반면, 미국 내 비기술 중심 지역과 유럽 기업은 도입이나 규제를 검토하는 단계에 머물러 여러 채택 주기가 동시에 존재한다. [33:06]
• 에이전틱 AI 사용자가 전 세계 약 25만~50만 명에 불과하다는 거친 추정에도 이미 연산 부족이 발생하며, 세계 인구의 1%만 사용해도 수요 규모는 현재와 전혀 달라진다. [33:34]

18. AI 지출의 최종 재원은 성장 또는 노동 대체다

• 고객의 AI 지출을 지속적으로 늘리려면 생산성 향상으로 경제가 더 빠르게 성장하거나 노동비용이 토큰 비용으로 이동해야 하며, AI 네이티브는 해고보다 채용 축소를 통해 후자의 변화를 먼저 겪고 있다. [34:44]
• AI를 깊게 도입한 기업의 토큰비는 총보상비의 20~25%에 이르고 일부 사례는 30~50%까지 올라간다. 25조 달러 규모의 지식노동 중 20%가 이동하면 5조 달러가 되므로, 노동 대체보다 경제 성장이 이를 흡수해야 충격을 줄일 수 있다. [35:44]

19. 초기 고용과 성장 지표는 대규모 해고보다 확장을 가리킨다

• 코로나 시기 과잉 채용을 조정해도 창업자 주도 기업에서 대규모 해고는 두드러지지 않으며, AI를 빠르게 도입할 기업들조차 사람과 AI를 함께 활용할 성장 기회를 남겨두고 있다. [36:14]
• Cognition·Ramp·Stripe 지표에서는 AI 지출 상위 기업의 성장률이 더 높고 배관·냉난방 같은 비기술 업종에서도 성과 사례가 있지만, 업종 차이를 통제하지 않아 인과관계까지 확정할 수는 없다. [36:46]

20. 전력 병목과 장기공급계약이 단기 실적 중심 시장을 바꾼다

• 현재의 공급 제약은 수요 부족보다 데이터센터 전력화 지연에서 나오며, 규제 개선과 터빈·디젤 발전기 증산은 물론 노후 항공기 터빈 재활용까지 동원해 발전 용량을 늘리고 있다. [37:23]
• 특히 메모리 업체는 단기 실적 상향보다 고객 선결제와 가격 하한·상한을 포함한 장기공급계약을 택하며, 단기 가격 상승분을 포기하는 대신 매출의 지속성과 공급 관계를 확보한다. [38:01]

21. 메모리와 선구매 물량이 AI 시장점유율을 좌우한다

• Amazon·Google·AMD·Nvidia 같은 대형 연산 플랫폼이 경쟁하는 가운데, 동일 연산량에 더 많은 메모리를 결합하면 토큰 생산량이 늘고 단가가 낮아진다. 비용 하락에도 수요가 줄지 않을 만큼 메모리 효율이 다른 변수를 압도한다. [39:08]
• 향후 수년간 시장점유율은 제품 성능뿐 아니라 공급망 배정과 미리 확보한 물량에 크게 좌우되므로, 장기공급계약은 단순 구매계약이 아니라 경쟁력을 보장하는 전략 자산이 된다. [39:49]

22. 장기공급계약 파기는 미래 물량과 사업 기반을 위협한다

• 일시적인 공급과잉기에 낮은 가격을 노리고 계약을 깨더라도 메모리 업체가 다시 협상력을 얻으면 향후 배정 물량을 잃을 수 있으며, 공급과잉 뒤 공급부족이 반복되는 메모리 산업에서는 이 위험이 더 크다. [40:47]
• 과거 Apple처럼 압도적 구매자가 공급사를 교체하던 시장과 달리 현재는 대형 플랫폼과 스타트업이 동시에 경쟁한다. 공급사는 가격 약속을 깬 고객의 물량을 경쟁사로 돌릴 수 있어 계약 파기가 점유율과 사업 기반의 상실로 계속된다. [41:50]

23. Nvidia의 신용 래퍼는 구매자 금융과 로열티 수익을 결합한다

• Nvidia GPU는 자금조달이 가장 쉬운 AI 자산이고 Nvidia는 부지·전력 연결까지 지원한다. 제3자 대출에 GPU 가격 하한 초과분의 매출 공유를 결합한 신용 래퍼는 직접 대출 없이도 로열티 기반 클라우드 수익을 키운다. [43:14]
• 가정상 SK하이닉스 같은 메모리 업체도 구매자 금융에 선지급 현금을 보증 성격으로 투입하고 지속적인 매출 지분을 받을 수 있으며, 이는 장기공급계약의 안정성 교환 구조를 반복 매출로 확장한다. [45:18]

24. Nvidia의 현금흐름 투자는 매출과 경쟁우위를 함께 키운다

• AI 연구소 전반의 수요를 가까이에서 확인하는 Nvidia는 막대한 잉여현금흐름으로 지분 상승분과 매출 공유를 동시에 확보할 수 있다. 이 자금은 구매자의 현금흐름 공백을 메우고 Nvidia의 기가와트당 매출과 생태계 지배력을 높인다. [46:44]
• 스타트업 가속기는 Nvidia보다 HBM DRAM 조달가격과 금융비용에서 불리할 수 있으며, HBM 의존도가 높은 설계일수록 공급계약과 자금조달 경쟁의 압박을 직접 받는다. [47:16]

25. 모델 연구소의 연산 경쟁은 감속보다 군비경쟁을 유도한다

• Anthropic이 연산 확보에 더 공격적이었다면 선두를 크게 벌렸을 가능성이 있지만, OpenAI와 Grok이 충분한 연산을 바탕으로 다시 최전선 경쟁에 합류하면서 연산 부족의 기회비용이 분명해졌다. [47:46]
• 연산을 과도하게 매입하면 파산할 수 있지만 부족하게 확보하면 경쟁에서 탈락한다. OpenAI의 복귀를 확인한 연구소들은 영업현금흐름으로 투자를 감당할 수 있는 한 쉽게 지출을 줄이기 어렵다. [48:30]

26. 생태계 내부의 상방 가정은 공개시장보다 훨씬 공격적이다

• 극단적인 상방 시나리오는 H100 한 장의 1년 임대료가 25만 달러, 현재 현물가격의 약 15배까지 오를 가능성을 포함하며, 이는 통상적인 기대 범위를 넘어선다. [51:09]
• 연산 마진·연산량·추론 마진이 동시에 증가하면 연구소 전체 매출이 급격히 가속할 수 있다. 오픈소스 마진은 예외지만, 모델 연구소와 생태계 참여자의 기대는 주식시장보다 훨씬 공격적이다. [52:03]

27. 중국의 DUV 진전은 기술 격차와 별개로 전환점이 된다

• 중국의 DUV 확보설은 기존 ASML 기술을 수십 년 뒤쫓는 수준일 수 있지만, 장비가 전혀 없던 상태에서 자체 역량을 갖추는 변화 자체는 질적인 전환이다. DUV와 EUV 사이의 큰 성능 격차도 이 전략적 의미를 없애지는 못한다. [53:10]
• 실제 ASML 주문에 미칠 영향은 약 5년 뒤에야 나타날 수 있어 단기 주가 반응은 과도할 가능성이 크지만, 시장의 반복적인 망각과 재평가가 중국의 장기 추격 위험까지 제거하지는 않는다. [53:39]

28. 반도체 장비 추격에는 축적된 학습 주기가 필요하다

• EUV 장비가 중국으로 밀수됐다는 설은 사실 여부가 불분명하고 장비 규모상 실행도 어렵다. 중국이 이를 국가적으로 중시하더라도 반도체 장비의 시행착오와 학습 주기를 건너뛰어 선도권 수준으로 순간 이동할 수는 없다. [54:40]
• 중국의 진전은 중요하고 시장 반응은 과도할 수 있지만, 미·중 분리는 상대방의 기술 상황을 파악하기 어렵게 만들고 양측의 자립 투자를 강화한다. 이 자기강화 과정에서 어느 쪽도 경쟁을 멈추기 어렵다. [55:29]

29. 오픈소스 맞춤화는 AI 네이티브의 해자를 강화한다

• 오픈소스 모델이 최전선 성능에 가까워지고 특정 업무에서는 더 낮은 비용으로 이를 앞서면서, 소프트웨어 기업과 AI 네이티브는 단일 최전선 모델 의존도를 낮출 수 있다. [56:06]
• 일부 AI 스타트업은 창업 후 약 9개월 만에 연 매출 5천만 달러와 현금흐름을 만들었지만 지속성은 불확실하다. 다만 각 산업에서 축적한 고유 데이터는 단순한 챗봇 래퍼를 맞춤 모델 사업으로 바꿀 기반이 된다. [56:40]

30. 계층형 모델 분업은 저가 토큰과 최전선 토큰의 가치를 함께 키운다

• 최전선 모델이 계획을 세우고 상대적으로 단순한 모델들이 세부 작업을 수행하는 구조는 모델 하나가 전부 처리하는 방식보다 약 15배 높은 효율을 낼 수 있다. [58:02]
• 최전선 모델이 재귀적 자기개선에 도달한 뒤 모든 지능 수준을 저비용으로 증류하면 오픈소스의 입지가 사라질 수 있지만, 이 극단적 경로의 개연성은 아직 낮고 불확실성이 크다. [59:00]

31. 추론 클라우드와 오픈소스 토큰의 경제성

• 저렴한 오픈소스 모델이 늘어날수록 여러 모델을 조율하는 고지능 프런티어 모델의 가치도 커지며, 프런티어에 집중됐던 경제적 수익은 추론 클라우드로 일부 이동하기 시작했다. [1:00:01]
• Together·Modal·Base10과 같은 서비스는 초기 프런티어 연구소에 가까운 성장률을 보이면서도 현금 소모가 매우 적어, 기존 SaaS 효율성 기준을 크게 웃돈다. [1:00:25]

32. 개선되는 펀더멘털과 커지는 규제 위험

• AI 관련 주가는 더 저렴해지고 6월보다 7월의 현장 펀더멘털은 뚜렷하게 좋아졌지만, 규제는 기대수익을 무너뜨릴 수 있는 가장 큰 하방 위험이다. [1:02:14]
• 뉴욕의 데이터센터 모라토리엄은 정치적 판단이 신규 용량을 직접 막을 수 있음을 보여주며, 탈사실적 정치 환경과 AI 업계의 빈약한 홍보가 위험을 키운다. [1:02:46]

33. 데이터센터가 지역경제에 미치는 효과

• 계량기 뒤편 전력 계약은 데이터센터 주변의 전기료를 낮출 수 있으며, 최근 개발 계약은 병원·학교·경찰서·소방서 건립과 전기료 인하까지 포함하는 지역 투자 패키지로 확대됐다. [1:03:40]
• 배관공·전기기사·공조 기술자의 수요는 건설 이후에도 유지되며, 데이터센터의 유지보수와 설비 교체가 고임금 현장 일자리를 지속시켜 블루칼라 임금에 큰 상승 동력을 제공한다. [1:04:02]

34. 잘못된 정보와 AI 산업의 소통 실패

• 데이터센터 물 사용량을 1만 배 과대평가한 오류는 정정과 검증 이후에도 여론에 남았으며, 소수점 오류에서 시작된 시금치 철분 신화처럼 잘못된 숫자가 대중의 상식으로 굳을 수 있다. [1:05:02]
• 재단이나 정치활동위원회가 주요 스포츠 중계를 통해 전기료 인하·지역 투자·고임금 일자리를 직접 알릴 필요가 있으며, 유지보수와 기술 업그레이드는 건설 후에도 고용을 이어 간다. [1:06:12]

35. SRAM 분산 가속기가 바꾸는 추론 구조

• SRAM 기반 가속기는 HBM·DRAM 병목에서 비교적 자유롭고 구형 공정에서도 생산할 수 있어, 최신 GPU와 동일한 첨단 공정 용량을 놓고 경쟁하지 않는다. [1:08:33]
• 프리필은 별도 칩에서 처리하고, 디코드의 어텐션은 HBM을 갖춘 고성능 칩에, 피드포워드 네트워크는 SRAM 칩에 배치하는 3단 분산 구조가 이상적인 조합이다. [1:09:18]

36. 기존 권력 구도를 흔들 다크호스

• 현재 시장의 중심에 없는 기업이나 인물이 Anthropic·OpenAI·Microsoft·Amazon·Nvidia·SpaceX와 비슷한 영향력을 갖는 새로운 핵심 플레이어로 부상할 가능성이 있다. [1:10:07]
• 다크호스 후보는 자막상 ‘Li Bu’, Fireworks의 Lin, Cognition의 Scott Wu이며, 특히 추론 인프라와 AI 코딩 영역에서 성장하는 팀들이 기존 대형 사업자 구도를 흔들 수 있다. [1:10:56]

37. SpaceX의 컴퓨트 공급력과 시장의 흡수력

• SpaceX는 상장 이후 Grok 4.5와 Cursor 인수 효과가 더해졌고, 지난 3년 동안 경쟁사보다 빠르고 저렴하게 컴퓨트 용량을 공급해 펀더멘털이 개선됐다. [1:11:35]
• 막대한 컴퓨트 용량을 단기간에 시장에 추가했는데도 가격 충격이나 미판매 물량이 거의 발생하지 않아, 신규 공급을 흡수할 만큼 수요가 강하다는 근거가 생겼다. [1:12:19]

38. 공격적인 증설 전망과 저평가 논쟁

• 1년에 500MW 이상을 공급한 기업은 하이퍼스케일러·CoreWeave·Crusoe·SpaceX 정도이며, SpaceX는 가장 빠르고 낮은 비용으로 용량을 확보하고 클러스터 품질에서도 수요자의 신뢰를 얻었다. [1:14:08]
• 헤지펀드의 공매도 논리는 컴퓨트 현물가격이 90% 하락해 신규 용량의 매출이 기대에 못 미칠 수 있다는 것이며, 18개월 안에 8GW를 확보한다는 공개 전망 역시 매우 공격적이고 불확실하다. [1:14:44]

39. 궤도 컴퓨트의 현실성과 최종 불확실성

• Starbase의 진척과 Starship 착륙 성공으로 궤도 컴퓨트의 현실성이 높아졌으며, SpaceX와 협력하는 Starcloud는 궤도 데이터 전송에 중요한 Starlink 레이저 기술을 활용할 가능성이 있다. [1:16:09]
• Elon 생태계와 무관한 Benchmark가 자체 발사 역량도 없는 Starcloud에 상당한 가치로 투자한 사실은, 궤도 컴퓨트가 내부 낙관론만으로 만들어진 구상이 아닐 가능성을 높인다. [1:16:33]

🧾 결론

• AI 주가 급락과 Nvidia의 낮아진 선행 밸류에이션만으로 실제 연산 수요가 꺾였다고 판단하기는 어렵다.
• AI 인프라의 적정 가치는 GPU 현물·계약 가격, 민간 연구소와 오픈소스 수요, 토큰 구성, 운영현금흐름의 설비투자 충당 능력을 함께 봐야 한다.
• 오픈소스 확산은 모델 계층의 마진을 낮출 수 있지만 가격 탄력성을 통해 토큰 소비를 늘려 추론 클라우드와 인프라 사업자의 수익을 확대할 수 있다.
• 다만 강세 논리는 현금흐름 기반 증설이 유지된다는 조건부 가설이며, 부채 의존도 상승과 규제 확대는 이를 빠르게 뒤집을 수 있다.

📈 투자·시사 포인트

• 하이퍼스케일러와 인프라 사업자를 평가할 때 설비투자 규모보다 운영현금흐름 대비 설비투자, 신규 부채, 계약 만기와 재평가 단가를 우선 비교필요가 있다.
• GPU 임대료·가용성, D램·HBM 가격, 전력화 일정, 토큰 사용량과 오픈소스 비중은 실적 발표보다 빠른 수요 지표가 될 수 있다.
• 장기공급계약과 선구매 물량은 단순한 비용 항목이 아니라 메모리 배정과 향후 시장점유율을 방어하는 전략 자산으로 해석할 수 있다.
• 멀티모델 라우팅은 기업의 토큰당 비용을 낮추면서도 사용량을 늘릴 수 있으므로, AI 지출 둔화와 GPU 연산시간 감소를 동일시해서는 안 된다.
• 신용 스프레드·신용부도스와프·단기 자금조달 구조와 함께 데이터센터 허가와 지역 규제를 추적해야 수요 강세와 자본순환 위험을 구분할 수 있다.

⚠️ 불확실하거나 확인이 필요한 부분

• Anthropic의 성장 둔화 신호는 제3자 데이터에 기반하며, 민간 기업과 추론 클라우드의 수요·현금흐름 자료도 감사된 재무자료가 아니어서 정확한 규모를 검증하기 어렵다.
• 오픈소스 수요는 공개시장이 직접 측정하기 어려운 암흑물질에 가깝다. 토큰 증가가 실제 유료 사용, 높은 설비 가동률, 지속 가능한 인프라 매출로 연결되는지는 추가 확인이 필요하다.
• 운영현금흐름 약 2조 달러와 신용 수요 약 7천억 달러 감소는 차세대 GPU 단가와 계약 재평가를 전제로 한 시나리오이지 확정된 실적 전망이 아니다.
• 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

• Microsoft·Meta·Amazon 등 주요 하이퍼스케일러의 운영현금흐름 증가율, 설비투자, 신규 부채, 계약부채를 분기별로 같은 표에서 비교한다.
• GPU 임대료와 가용성, D램·HBM 가격, 토큰 사용량과 프런티어·오픈소스 구성 변화를 정기적으로 기록한다.
• Anthropic·OpenAI·오픈소스 추론 클라우드 수요를 분리해 추적하고, 감사 재무자료와 제3자 추정치를 명확히 구분한다.
• 신용 스프레드, 신용부도스와프, 단기 조달 비중, 데이터센터 전력화와 인허가 변화를 선행 위험 지표로 모니터링한다.

❓ 열린 질문

• 기존 연산 계약의 단가 재평가가 대규모 설비투자의 현금 유출을 따라잡기 전에 하이퍼스케일러가 추가 신용을 필요로 하게 될까?
• 저가 오픈소스 토큰의 사용량 증가가 가격 하락을 상쇄하고도 추론 클라우드와 GPU 사업자의 매출·현금흐름을 늘릴 수 있을까?
• Blackwell·Rubin 공급 확대와 전력 병목 완화 이후에도 현재의 GPU 임대료와 공급 부족이 유지될까?