나스닥도 이제 위험하다? 닥터 둠 김영익 교수의 섬뜩한 경고

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

김영익은 AI의 성장 가능성과 별개로 고평가·고금리·자금 조달 위험이 나스닥을 압박할 수 있다며, 한국 증시에서 미국 기술주로 옮기는 전략에도 경고한다.

📌 핵심 요점

1. 실적 호조보다 경기 둔화의 선반영에 주목한다. 김영익은 반도체 수출액이 최고치를 기록해도 증가율과 경기선행지수가 둔화하면 주가는 먼저 하락할 수 있다고 해석한다. 한국 경기의 약화를 미국 증시에도 시차를 두고 영향을 줄 신호로 본다.
2. AI 수요 확대와 투자 기업의 생존은 별개의 문제다. 매출과 수주가 늘어도 설비투자가 먼저 집행되면 현금이 부족해질 수 있다. 코어위브 사례에서는 잉여현금흐름 적자와 회사채 금리 상승이 맞물려 투자 지속과 차환 능력이 쟁점으로 제시된다.
3. HBM의 공급 제약은 기술적 경쟁력을 뒷받침한다. 적층 구조에 따른 웨이퍼 소모와 수율 확보의 어려움, D램 미세화의 물리적 한계가 공급 확대를 제약한다는 설명이다. CPO·SRAM 기반 LPU·뉴로모픽 기술도 각각 양산·집적도·비용 등의 과제를 안고 있어 당장 HBM을 대체하기는 어렵다는 평가다.
4. 기술의 성공이 주식의 고평가를 정당화하지는 않는다. 김영익은 인터넷의 생산성 기여와 IT 거품 붕괴가 함께 발생했던 사례를 든다. AI도 생산성 효과가 충분히 나타나기 전에 투자비와 반도체 가격 상승, 높은 조달 금리의 부담을 먼저 겪을 수 있다는 전망이다.
5. 첨단 기술 우위와 사업 수익성은 따로 점검해야 한다. 중국의 첨단 HBM 추격에는 노광장비·양산 수율·CUDA 생태계의 장벽이 있지만, 범용 반도체의 수입 대체 위험은 남는다. 네오클라우드 역시 기존 GPU의 활용 가치가 유지되더라도 임대 수익과 금융비용을 감당할 수 있는지는 별도로 확인해야 한다.

🧩 배경과 문제 정의

• AI 수요와 반도체 기업의 실적 전망은 낙관적인데 주가는 하락하면서, 현재의 호황과 시장이 예상하는 미래 위험 사이에 간극이 생겼다.
• 반도체 공급을 판단하려면 HBM의 제조 난도와 D램 미세화의 물리적 한계, 대체 기술의 양산 가능성을 함께 살펴야 한다.
• AI의 기술적 유용성과 투자 기업의 재무적 생존 가능성은 별개의 문제다. 수요가 늘더라도 수익 창출 전에 자금 조달과 현금흐름이 악화될 수 있다는 우려가 핵심이다.

🕒 시간순 섹션별 상세정리

1. 반도체 실적 호조와 주가 하락을 가르는 경기 기대

• 반도체 기업들은 2028년까지의 호황을 기대하고 애널리스트들도 낙관적이지만, 시장에는 AI 과잉 투자와 거품 붕괴 우려가 형성되고 있다. 미국 장기금리 상승과 중국의 추격도 위험 요인으로 거론된다 [01:45]
• 김영익은 경기선행지수 순환변동치가 7월 정점 이후 하락하고 있다는 점에 주목한다. 이 지표가 코스피와 같은 방향으로 움직인다는 관점에서, 반도체 주가 약세를 경기 둔화 기대의 선반영으로 해석한다 [02:28]

2. 수출 최고치보다 중요한 증가율의 둔화

• 반도체 수출과 삼성전자 주가의 상관계수는 약 0.9로 높지만, 수출액이 늘어나는 동안에도 전월 대비·전년 동기 대비 증가율은 둔화할 수 있다. 김영익은 금액보다 모멘텀 약화에서 반도체 사이클 둔화 신호를 찾는다 [03:26]
• 9월 반도체 수출은 사상 최고치를 기록했지만, 분기 말에 늘고 분기 초에 줄어드는 계절적 패턴도 있다. 10월 수출이 9월보다 감소하더라도 일시적 현상인지 지속적인 둔화인지는 추가 확인이 필요하다 [03:53]

3. GPU·HBM 조합이 AI의 메모리 수요를 키우는 이유

• 기술적 관점에서는 데이터센터를 GPU·HBM 조합이 주도하는 동안 2018년이나 2022년과 같은 공급 과잉이 재현되기 어렵다는 견해가 드러난다 [05:01]
• AI는 학습한 단어 간 가중치를 D램에 저장하고, 문장을 생성할 때 GPU가 그 정보를 반복해서 가져와 계산한다. 따라서 연산 능력과 함께 메모리에서 대량의 정보를 전달하는 능력이 중요해진다 [06:00]

4. HBM의 웨이퍼 소모와 D램 미세화의 물리적 한계

• HBM은 D램 칩을 8장·12장씩 쌓고 칩 사이를 연결하는 구멍을 만든다. 연결 구조가 차지하는 공간 때문에 일반 D램보다 많은 웨이퍼가 필요하다 [07:22]
• 적층한 칩이 모두 정상이어야 하므로 수율 확보도 어렵다. 같은 정보량을 생산하는 데 일반 D램보다 웨이퍼를 세 배 이상 투입해야 한다는 설명이 공급 과잉 가능성을 낮게 보는 근거다 [07:52]

5. AI 투자 규모에서 이익과 자금 조달로 옮겨가는 평가 기준

• AI 수요가 늘어 설비투자 축소 움직임은 아직 뚜렷하지 않지만, 투자자들은 투자금이 이익과 현금으로 돌아올지를 따지기 시작했다. 알파벳 주가가 하루에 거의 14% 하락한 사례도 현금흐름 악화 우려와 연결된다 [11:00]
• AI 기업들은 투자를 지속해야 하지만, 미국 국채수익률이 5%를 넘으면 회사채 조달 비용도 높아진다. 일부 신용 우려가 있는 AI 기업의 회사채수익률은 15%까지 올라간다는 진단이다 [11:39]

6. 광신호를 쓰는 CPO의 가능성과 양산 장벽

• 기존 DDR 계열 메모리가 HBM의 대역폭을 따라잡으려면 전송 속도를 크게 높여야 하지만, 구리 배선으로 갑자기 약 30배의 속도 향상을 이루기는 어렵다는 설명이다 [12:47]
• CPO는 구리 배선 대신 광신호를 이용해 전송 속도를 높이는 접근이다. 구리 배선에서 속도를 높일 때 발생하는 발열과 신호 왜곡을 줄일 수 있다는 점이 기대 요인이다 [13:38]

7. SRAM 기반 LPU도 집적도와 비용을 해결해야 한다

• 그록의 LPU는 CPU 캐시 등에 쓰이는 SRAM을 활용한다. SRAM은 빠르게 작동하지만 1비트에 트랜지스터 여섯 개가 필요해 공간을 많이 차지하고 가격도 높다 [14:42]
• SRAM의 집적도를 크게 높일 기술이 개발되면 HBM과 경쟁할 여지가 있지만, 당장 대체하기는 어렵다는 평가다. 광 기반 기술 역시 논문 수준의 구현과 안정적인 양산 사이에 간극이 남아 있다 [15:11]

8. 뉴로모픽 반도체는 저장과 연산을 가까이 묶는다

• 현재 AI는 메모리에서 가중치를 반복해서 가져오는 과정에 많은 전력을 쓴다. 뉴로모픽 반도체는 연산 장치 가까이에 필요한 정보를 두어 데이터 이동 부담을 줄이려는 접근이다 [15:56]
• 기존의 분리된 연산칩·저장칩 구조와 달리, 작은 단위에서 저장과 연산 기능을 결합하고 많은 장치가 동시에 일하도록 구성한다. 뇌의 작동 방식을 닮은 구조라는 설명이다 [16:53]

9. 이미 등장한 뉴로모픽 칩과 대형 언어모델 사이의 간극

• 인텔과 IBM은 이미 뉴로모픽 칩을 내놓았다. 다만 칩의 존재 자체가 인간의 뇌와 같은 규모의 연산 능력을 확보했다는 뜻은 아니다 [17:43]
• 현재 방식은 하나의 가중치를 구현하는 데 여러 트랜지스터가 필요해 집적도에 제약이 있다. 기존 칩 크기 안에서 구현한 시냅스 수가 부족하므로, 현재 뉴로모픽 칩은 대형 언어모델처럼 인간의 언어를 모사하는 작업을 수행하지 못한다는 평가다 [18:34]

10. 뉴로모픽의 유력한 활용처는 저전력 감지와 피지컬 AI다

• GPU는 중앙의 클럭 신호에 맞춰 많은 연산 장치가 함께 작동한다. 빛이나 소리 감지처럼 가벼운 작업에도 전체 장치가 깨어나면 전력 낭비가 커진다는 설명이다 [20:05]
• 뉴로모픽 구조에서는 들어오는 자극에 따라 필요한 부분만 작동할 수 있다. 시각·청각 등 기능별로 필요한 장치만 깨우면 피지컬 AI와 사물인터넷에서 전력 소모를 크게 줄일 가능성이 있다 [21:07]

11. 중국의 4F² 발표는 구조 혁신과 양산 능력을 구분해야 한다

• 창신메모리의 4F² 기술 발표는 국내 표준으로 설명된 6F²보다 메모리 셀 면적을 줄이는 접근이다. 같은 면적에 약 1.5배를 집적할 수 있다는 점에서 중국의 추격 우려를 자극했다 [21:43]
• 핵심은 누워 있던 트랜지스터를 수직으로 세우는 구조다. 삼성전자와 SK하이닉스도 관련 기술을 갖고 있지만, 수백억 개의 수직 트랜지스터 사이에 절연막을 균일하게 형성하는 공정이 어렵다는 설명이다 [23:01]

12. AI 효율 개선이 전력 수요 감소로 곧바로 이어지지는 않는다

• 전력 설비 관련 주가가 하락해도 실제 수요 감소 조짐은 아직 나타나지 않았다는 진단이다. 주가가 미래 기대를 과도하게 반영한 뒤 조정받는 과정일 가능성이 제기된다 [24:33]
• 기술 발전으로 비용이 낮아지면 더 많은 이용자가 더 많이 사용할 수 있다. 이러한 제번스 역설에 따르면 AI 효율 개선은 사용량 증가를 통해 수요를 계속 늘릴 수도 있다 [24:47]

13. 생산성을 높인 기술도 주식시장 거품을 막지는 못했다

• 자동차 대량생산과 전기 보급은 수요와 경제활동을 확대했지만, 미래에 대한 낙관으로 주식시장에 돈이 과도하게 몰리기도 했다. 김영익은 1920년대 후반 급등 이후 다우지수가 고점에서 약 90% 하락한 사례를 경계 근거로 든다 [25:05]
• 인터넷은 이용 비용을 낮추고 미국의 노동생산성을 높였다. 기술의 실질적인 성과와 수요 확대가 함께 나타났다는 점은 인정된다 [25:54]

14. 수익이 나기 전 버틸 현금과 주가의 선반영 위험

• AI 기술이 생산성을 높이고 수요를 확대하더라도 기업은 먼저 막대한 투자를 해야 한다. 수익 발생 시점과 그때까지 비용을 감당할 능력이 중요하며, 일부 투자처에서 자금 반환이 원활하지 않은 사례도 거론된다 [26:50]
• 장기적으로 이익과 현금흐름이 좋아질 것이라는 기대가 있어도, 그 시점까지 버티지 못하는 기업이 나올 수 있다. 김영익은 이러한 위험을 주식시장이 미리 반영하고 있다고 해석한다 [27:31]

15. 네오클라우드의 장비 노후화와 기존 GPU의 활용 가능성

• 코어위브처럼 GPU를 확보해 클라우드로 빌려주는 기업은 장비 감가상각과 신형 칩 등장에 따른 경쟁력 저하를 감당해야 한다. 비싼 장비를 구입한 뒤에도 임대 사업이 지속될 수 있는지가 쟁점이다 [29:01]
• 엔비디아의 선행 투자와 연결된 네오클라우드 기업은 여러 곳이며, 주로 기업을 대상으로 사업을 한다. 이러한 사업의 기술적 타당성은 고객이 실제로 어떤 AI 작업을 수행하는지와 연결된다 [29:34]

16. AI 전용 데이터센터는 냉각과 연결 최적화로 장비 수명을 활용한다

• 처음부터 AI용으로 건설한 데이터센터는 GPU와 HBM에 맞춘 수랭식 냉각과 광통신 연결을 갖춘다. 고온에 노출되는 장비를 효과적으로 냉각하면 몇 년 지난 장비도 추론에 안정적으로 활용할 수 있다는 기술적 설명이다. [30:54]
• 오래된 장비의 성능을 유지하며 계속 사용하는 관리 능력이 데이터센터 사업의 경쟁력으로 작용한다. [31:07]

17. 코어위브의 수주 확대와 현금 부족은 동시에 발생할 수 있다

• 코어위브는 수주를 많이 확보했지만 투자가 먼저 필요해, 최근 분기당 약 60억 달러의 잉여현금흐름 적자를 내고 있다는 분석이다. 부족한 돈을 주로 회사채로 조달하는 구조에서는 투자자의 신뢰가 중요하다. [32:19]
• 약 9%에 발행했던 회사채의 시장금리가 최근 15% 안팎으로 올랐다는 설명이다. 금리가 내려가지 않으면 만기 차환 때 높은 금융비용을 부담해야 하므로, 현금흐름을 지속할 수 있는지 의심이 커진다. [32:51]

18. 신용 불안은 사모신용 환매와 데이터센터 투자 중단으로 번질 수 있다

• 2008년 금융위기에서는 금융회사들이 서로 믿지 못해 돈을 빌려주지 않으면서 대형 금융회사도 파산했다. 현재 사모신용에서도 투자자는 돈을 찾으려 하지만 펀드는 투자기업에서 자금을 회수할 시점이 아니어서 돌려주기 어려운 문제가 일부 나타난다는 설명이다. [33:29]
• 일부 펀드의 문제가 드러난 것을 더 많은 잠재 부실의 신호로 보는 것이 ‘바퀴벌레 이론’이다. 비슷한 문제가 다른 곳에서도 나타날 수 있다는 의심이 시장에 형성돼 있다. [33:59]

19. AI 생산성은 오류를 감당할 수 있는 산업에서 먼저 개선된다

• 문서·보고서 작업에서는 AI가 기본 정보만으로 초안을 빠르게 만들고, 숙련자가 잘못된 문장이나 단어를 수정할 수 있다. 이런 업무에서는 약 5%의 환각이 있어도 작업 효율을 크게 높일 수 있다는 설명이다. [36:11]
• 반도체 수율 공정처럼 0.1%의 실수도 허용하기 어려운 분야는 사정이 다르다. AI의 잘못된 공정 조건 제안이 웨이퍼나 화학물질 폐기로 이어질 수 있어, 산업별 오류 허용 수준에 따라 적용 가능성이 크게 갈린다. [36:52]

20. AI는 단기적으로 물가를 올리고 생산성 효과는 늦게 나타날 수 있다

• AI의 단기 물가 효과에 대한 분석은 반도체 가격 상승에 초점을 둔다. 반도체를 사용하는 PC와 휴대전화 가격까지 오르면 AI 투자가 인플레이션 압력으로 작용할 수 있으며, 여기서 ‘단기’의 길이는 명확히 정의돼 있지 않다. [38:31]
• 기업의 AI 활용이 생산성을 높이면 공급 확대를 통해 물가를 낮출 수 있지만 상당한 시간이 필요하다는 전망이다. 미국 노동생산성도 아직 급격히 증가하지 않아, 김영익은 앞으로 1~2년 정도는 물가 하락보다 상승 압력이 클 가능성을 높게 본다. [39:39]

21. 생산성 개선 전에 고금리가 기술주와 실물경제를 압박할 수 있다

• 자막에서 제시한 미국 9월 개인소비지출 물가 상승률은 3.4%로, 연준 목표인 2%를 웃돈다. 이를 근거로 12월 FOMC의 금리 인상 전망이 우세하다는 설명이며, 금리 상승은 주식의 할인율을 높여 나스닥 기술주에 부담을 준다. [40:57]
• 금리가 오르면 시차를 두고 소비가 줄고, AI 기업도 자금 조달이 어려워져 투자를 축소할 수 있다. 생산성 향상이 본격화되기 전에 주가 충격과 소비·투자 위축을 먼저 겪을 수 있다는 전망이다. [41:26]

22. 선행지수와 뉴스심리 하락은 주식 비중 축소의 근거가 된다

• 김영익의 투자 기준은 국내 선행지수 순환변동치와 OECD 한국 선행지수가 상승할 때 주식 비중을 금융자산의 60% 이상으로 가져갈 수 있지만, 꺾이면 과감히 줄이는 것이다. 두 지수는 지난 7월 정점 이후 8월과 9월 연속 하락했으며, 추세 전환인지는 더 지켜봐야 한다는 판단이다. [42:40]
• 한국은행 뉴스심리지수는 경제 기사의 긍정·부정·중립을 분석하는 지표로, 선행지수와 코스피보다 먼저 움직인다는 설명이다. 최근 큰 폭으로 하락했지만 주가 하락이 뉴스 분위기에 영향을 줬을 가능성도 인정한다. [43:29]

23. 한국 증시 하락 뒤 미국 주식으로 이동하는 전략에도 위험이 있다

• 한국은 GDP에서 수출이 차지하는 비중이 약 44%여서 세계 경기 변화에 민감하다는 설명이다. 코스피 급락을 세계 경기 악화의 신호로 해석하며, 국내 주식을 팔고 미국 주식으로 이동하는 흐름을 위험하게 평가한다. [45:12]
• OECD 한국 선행지수가 미국보다 약 3개월 앞선다는 관계를 근거로, 한국이 7월에 정점을 지났다면 미국은 10월 전후가 정점일 수 있다고 전망한다. 주가도 시차를 두고 반영돼 미국 증시가 조만간 어려운 국면에 들어갈 수 있다는 판단이다. [45:39]

24. 중국의 첨단 HBM 추격에는 노광장비와 양산 수율의 장벽이 있다

• 첨단 반도체 양산 수율을 확보하려면 정밀한 노광 공정이 중요하며, ASML 장비의 대중국 공급은 제재로 제한돼 있다는 설명이다. 정대성은 ASML의 독보적인 노광 기술을 10~20년 안에 모방하기도 어렵다고 평가한다. [48:16]
• 기존 장비를 활용하는 기업들도 HBM 양산 수율 확보가 쉽지 않다는 점에서 중국의 추격에는 한계가 있다는 판단이다. DDR4와 노트북용 칩은 따라올 수 있지만, AI 데이터센터용 최상위 HBM은 당분간 따라오기 어렵다는 기술적 견해다. [49:00]

25. CUDA 생태계는 새로운 메모리 기술에도 진입 장벽이 된다

• 엔비디아는 GPU 기반 AI 소프트웨어 개발 플랫폼인 CUDA 생태계를 초기에 장악했다. 중국이 HBM을 대체할 PIM 계열 메모리를 개발하더라도 이 소프트웨어 생태계를 따라가는 데 시간이 필요하므로, 당분간 엔비디아·삼성전자·SK하이닉스의 기술적 우위가 이어질 것이라는 전망이다. [49:44]

26. 중국의 범용 반도체 자급 위험과 첨단 기술 추격은 구분해야 한다

• 한국 반도체 수출의 미국 직수출 비중은 7%, 중국 비중은 약 26%라는 수치가 드러난다. 중국이 수입하던 범용 반도체를 직접 생산하면 한국 반도체 기업의 수익에 영향을 줄 수 있다는 우려가 남는다. [50:19]
• 대중국 제재 아래 중국에 공급할 수 있는 기술은 과거 세대의 반도체 기술에 제한되며, AI 데이터센터용 최상위 기술은 넘어가지 않는다는 설명이다. 범용 제품의 수입 대체 위험과 첨단 AI 반도체의 경쟁력은 다른 문제로 볼 필요가 있다. [50:36]

🧾 결론

• 영상의 핵심 경고는 AI 수요가 사라진다는 단정이 아니라, 수익이 발생하기 전까지 투자 기업이 필요한 현금을 확보할 수 있느냐는 문제다.
• HBM의 기술적 진입 장벽과 AI 투자에 대한 금융시장의 경계는 동시에 성립할 수 있다. 공급 경쟁력이 곧 주가의 하락 방어를 보장하지는 않는다.
• 김영익은 선행지수와 뉴스심리의 약화를 근거로 현금 비중 확대를 주장한다. 다만 경기 추세 전환과 미국 증시로의 파급 시점은 전망의 영역으로 남아 있다.

📈 투자·시사 포인트

• 미국 주식으로의 이동도 위험 점검이 필요하다. 김영익의 관점에서는 한국 증시 하락이 세계 경기 약화를 반영한다면, 나스닥으로 옮겨도 같은 경기·금리 위험에 노출될 수 있다.
• AI 기업은 수주와 현금을 함께 봐야 한다. 투자 지출, 잉여현금흐름, 회사채 금리와 차환 부담을 확인해야 수요 증가가 사업 지속으로 이어지는지 판단할 수 있다.
• 반도체는 수출 총액과 증가율을 구분해야 한다. 최고 수출액만으로 호황의 지속을 판단하기보다 계절적 변동과 성장 모멘텀의 약화를 함께 살펴야 한다.
• 기술 발표와 양산 경쟁력은 구분해야 한다. 중국의 메모리 구조 혁신이나 HBM 대체 기술은 발표 자체보다 안정적인 수율, 생산 비용, 실제 적용 가능성이 중요하다.

⚠️ 불확실하거나 확인이 필요한 부분

• 자료에 등장하는 ‘최근’, ‘내년 상반기’, ‘12월 FOMC’의 기준 연도가 명시되지 않았다. 금리·물가·경기지수 관련 설명을 현재 상황에 그대로 적용하기 어렵다.
• 코어위브의 분기 잉여현금흐름 적자, 회사채 시장금리, 개별 종목의 하락률과 미국 증시의 고평가 수치는 영상에서 제시된 주장이다. 해당 시점의 공시·시장자료와 산정 기준을 확인해야 한다.
• 한국 선행지수가 미국보다 약 3개월 앞선다는 관계와 수출·주가의 높은 상관관계만으로 향후 시장의 방향이나 전환 시점을 확정할 수는 없다. 영상에서도 경기 추세 전환에는 추가 관찰이 필요하다고 설명한다.
• 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

• 영상의 기준 시점을 확인하고, 언급된 물가·금리·선행지수를 같은 시점의 자료와 대조한다.
• 관심 AI 기업의 영업현금흐름, 설비투자, 잉여현금흐름, 부채 만기와 차환 비용을 함께 점검한다.
• 반도체 수출액과 전월·전년 대비 증가율을 나란히 확인하고, 분기 말·분기 초의 계절적 변동을 구분한다.
• 국내 주식과 미국 기술주에 걸친 보유 자산이 AI 투자·고금리·경기 둔화 위험에 얼마나 함께 노출되는지 확인한다.

❓ 열린 질문

• AI 기업의 이익과 현금 유입은 추가 투자 및 차환 부담을 감당할 만큼 빠르게 늘어날 수 있을까?
• 선행지수와 뉴스심리의 하락은 일시적 조정일까, 미국 시장에도 이어질 경기 둔화의 시작일까?
• HBM의 공급 제약이 유지되더라도 고객사의 자금 조달이 위축되면 실제 주문은 얼마나 영향을 받을까?