엔비디아 초기 투자자 개빈 베이커의 투자 철학: AI 인프라 병목 현상에 롱(Long), 전체 시장 리스크에 숏(Short)

원본 영상 제목: What The Best AI Investors Are Buying Right Now
원본 영상 출처: Limitless Podcast
원문 편집: 심조 TechFlow

편집자 서문

이번 팟캐스트에서는 Atreides Management의 창립자이자 Nvidia와 Cerebras에 장기 투자해 온 투자자 Gavin Baker의 투자 철학을 주로 다룹니다.

그의 핵심 판단은 AI는 거품이 아니라 전력, 웨이퍼, 연산 능력이 함께 추진하는 인프라 슈퍼 사이클에 있다는 것입니다. 진정한 초과 수익은 대형 모델이나 챗봇이 아니라 GPU 연결, 메모리, 추론 칩, 첨단 공정, 전력 공급 같은 '곡괭이와 삽을 파는' 단계에 있습니다.

Gavin Baker는 QQQ 풋 옵션을 통해 전체 시장 하락을 방어하면서도 Astera Labs, Unity, Micron, Nvidia, Cerebras, Positron 등 AI 물리적 병목 자산에 집중 투자하고 있습니다.

그는 'AI 거품' 논쟁을 감정적 수준에서 수요-공급 제약으로 끌어내리며, TSMC, ASML, 고대역폭 메모리, 전력망이 빠르게 과잉 공급되지 않는 한 AI 자본 지출이 반드시 2000년 인터넷 버블의 재현은 아닐 것이라고 봅니다.

핵심 명언

AI 거품인가, 슈퍼 사이클인가

· "AI는 거품이 아닙니다. 오히려 슈퍼 사이클에 있습니다."

· "가장 큰 수익은 SaaS나 OpenAI, Anthropic 같은 챗봇이 아니라 전력, 연산 능력, 실리콘 웨이퍼 제조에 있습니다."

· "이것은 인터넷 버블이 아닙니다. 구매자가 주로 세계에서 가장 똑똑하고 현금 흐름이 가장 강한 기업들이며, 부채 레버리지로 연산 능력을 사는 것이 아니기 때문입니다."

· "전체 시장이 과잉 공급될 수 없다면, 전통적인 거품처럼 갑자기 붕괴되기 어렵습니다."

진정한 병목: 전력, 웨이퍼, 토큰

· "Gavin의 이론은 간단합니다. AI 인프라 계층의 병목만 보면 됩니다. 와트당 성능을 높이고 토큰 비용을 낮출 수 있는 곳이 가치가 있습니다."

· 「AI 연구소들은 이제 와트당 얼마나 많은 토큰을 생성할 수 있는지에 점점 더 신경 쓰고 있다.」

· 「전력과 웨이퍼는 두 개의 벽돌 벽이며, AI의 과도한 가속을 제한하는 두 가지 핵심 제약 조건이다.」

사전 학습에서 추론 및 후속 학습으로 전환

· 「모델 사전 학습이 끝났다고 해서 평생 천재인 것은 아니다. 후속 학습 단계에서 새로운 정보를 흡수해야 한다.」

· 「추론은 본질적으로 막대한 연산을 필요로 하며, 이것이 추론 칩과 추론 인프라가 다음 단계의 핵심이 되는 이유다.」

· 「추론만으로 발생하는 비용 또는 수익 기회는 사전 학습 연산 투입의 5~10배에 달할 수 있다.」

수직 소형 모델, 엣지 모델 및 주권 인프라

· 「미래에는 매일 Claude와 상호작용할 필요가 없을 수도 있다. 실제로 필요한 것은 자신의 데이터로 학습된 개인화된 AI 에이전트일 것이다.」

· 「인프라 배포 속도 자체가 해자(모트)이며, 디지털 세계의 반복 속도는 물리적 인프라 구축 속도보다 훨씬 빠르다.」

「몇 달, 몇 년이 걸리는 물리적 배포를 몇 주로 압축할 수 있는 사람은 AI 인프라에서 높은 가격을 받을 수 있다.」

Gavin의 투자 방식: 병목 현상에 베팅하고 전체 시장 리스크를 공매도

· 「그는 AI 승자가 나타날 것이라고 강하게 믿지만, 전체 시장에 대해 낙관적인 것은 아니다. QQQ 풋 옵션은 전체 하방 리스크에 대한 헤지 수단이다.」

· 「TSMC는 실제로 거품 가속 속도를 제한한다. 칩 생산 능력이 순간적으로 확장될 수 없는 한, 자본 지출이 통제 불능 상태가 되기는 어렵다.」

· 「Gavin은 더 나이 들고, 더 안정적이며, 사이클을 넘나드는 기록을 가진 Leopold와 같다. 전자의 성공은 10년 단위로 측정되는 반면, 후자는 현재 더 많은 분기 단위로 측정된다.」

AI 슈퍼 사이클에서 투자할 가치가 있는 자산

EJ: Gavin Baker는 매우 생산적이지만 대중에게는 거의 알려지지 않은 AI 투자자다. 지난 20년 동안 그는 이후 유명해진 AI 회사들이 주목받기 전에 이미 투자를 시작했다. 그는 초기에 Nvidia(AI GPU 및 가속 컴퓨팅 핵심 공급업체)와 Cerebras(AI 칩 회사)에 성공적으로 투자했으며, AI는 거품이 아니라 오히려 슈퍼 사이클이라는 명확한 관점을 가지고 있다.

그는 watts(전력), wafers(웨이퍼), token(모델 생성 및 계산 단위), 즉 AI의 기반 인프라를 관찰하면 핵심 병목과 제약 조건을 식별할 수 있다고 생각합니다. 그의 결론은 간단합니다. AI에서 가장 큰 수익은 전력, 에너지, 실리콘 웨이퍼 제조에서 나오며, SaaS(서비스형 소프트웨어)나 Anthropic, OpenAI 같은 챗봇과는 거의 관련이 없다는 것입니다.

전체 산업은 결국 하류로 전달되어 반도체, 즉 AI 산업 전체를 지탱하는 picks and shovels(‘삽과 곡괭이’ 자산)에 도달합니다.

많은 사람들이 AI 산업이 이미 거품이라고 말할 때, 그는 이것이 바로 세대적 매수 기회, 특히 AI 인프라에 있어서 그렇다고 생각합니다. 그는 펀드에서 약 41억 달러 규모로 이 판단을 표현하고 있습니다.

그가 말하는 이러한 제약, 특히 AI 인프라에 대한 이야기를 들으면, 이 이론이 매우 익숙하게 느껴질 것입니다. 우리는 이전 프로그램에서 투자자 Leopold Aschenbrenner를 여러 번 다뤘으며, 그도 비슷한 방향으로 많은 포트폴리오를 구성했습니다. 차이점은 Leopold는 약 3년 동안 해왔지만, Gavin은 20년 넘게 해왔다는 점입니다.

Leopold의 운용 자산 규모는 Gavin의 약 3배이지만, 프로그램 제작자 Luke가 좋은 말을 해줬습니다. 당신은 1년 동안 Warren Buffett을 이길 수 있을지 모르지만, 수십 년 동안 그를 이길 수 있을까요? Gavin Baker의 역사적 기록은 그가 이 투자 이론에 대해 다른 시각을 가질 수 있음을 보여줍니다.

Gavin Baker를 모르는 분들은 먼저 한 가지를 알아두세요. 그는 Atreides Management(투자 펀드)의 창립자이며, 지난 20년 동안 Nvidia에 투자해왔습니다. 만약 당신이 Nvidia를 20년 동안 보유하면서 계속 일할 수 있다면, 그 자체로 이미 놀라운 일입니다. 왜냐하면 이는 엄청난 수익을 가져왔을 것이기 때문입니다.

그의 최근 성과로는 Cerebras와 Astera Labs(AI 데이터센터 연결 칩 회사)가 있습니다. Cerebras는 AI 칩 회사로, 프로그램에서 IPO 후 평가액이 놀라울 정도로 높다고 언급되었습니다. 또한 여러분이 들어보지 못한 회사들도 있을 수 있으며, 이번 에피소드에서는 그의 포트폴리오와 판단을 따라 AI 투자 기회가 정확히 어디에 있는지 살펴볼 것입니다.

그렇다면 문제는 그가 정확히 무엇에 투자했고, 왜 투자했는가입니다. Atreides Management의 최근 13F(미국 기관 투자자 분기별 보유 내역 공시 문서)를 보면, 이 펀드는 약 40억 달러의 AUM(운용 자산 규모)을 보유하고 있습니다. 그 최대 보유 종목들을 분석해보면, 이 회사들은 모두 Gavin이 여러 번 언급한 AI 발전 병목 현상을 가리키고 있습니다.

그는 별로 매력적이지 않고 많은 사람들이 들어본 적도 없는 회사들에 큰 비중을 두고 있습니다. 예를 들어 Astera Labs는 펀드의 약 9~10%를 차지합니다. Astera Labs는 GPU 간의 연결 계층이라고 이해하시면 됩니다.

데이터 센터를 하나의 시스템으로 생각해보면, GPU는 엔진 역할을 하며 모델의 pre-training(사전 학습), post-training(사후 학습), inference(추론)를 담당합니다. 하지만 GPU가 작동하려면 서로 간에 대량의 데이터를 전송해야 하고, 데이터를 저장하는 memory chips(메모리 칩)에도 접근해야 합니다.

이를 위해서는 '파이프라인 시스템'이 필요합니다. 저는 모든 하부 세부 사항을 안다고 자처하지 않기 때문에 아주 높은 수준에서 설명하고 있습니다. Astera Labs가 해결하는 것이 바로 이 문제입니다. AI 클러스터가 수십만 개의 칩으로 확장될 때, 병목 현상은 더 이상 GPU 자체가 아니라 데이터 전송 창구, 즉 올바른 시간에 올바른 데이터를 보내고 올바른 데이터에 접근하는 방법이 됩니다. Astera Labs가 구축하는 것이 바로 이러한 파이프라인 시스템입니다.

이 에피소드를 위해 조사하기 전까지 저도 Astera Labs에 대해 들어본 적이 없었습니다. 하지만 Cerebras도 비슷한 경우였던 것으로 기억합니다. Gavin이 약 6개월 전에 Cerebras에 대해 언급했는데, AI의 시간 척도를 고려하면 6개월은 꽤 긴 시간입니다. 이후 Cerebras는 IPO를 했고, 프로그램에서 언급된 평가액은 약 600억 달러였으며, IPO 후 40% 더 상승했습니다. 이는 Astera Labs도 비슷한 추세에서 중요한 이름이 될 수 있음을 시사합니다.

Josh: Cerebras는 그가 매우 초기에 투자한 건입니다. 그는 회사 생애 주기의 아주 이른 시점에 Cerebras에 진입했습니다. 즉, 그는 이 이론에 대해 수년간 베팅을 해왔다는 뜻입니다. 그가 장기적으로 베팅한 다른 회사들도 몇 개 있으며, 그중 가장 대표적인 것은 당연히 Nvidia입니다.

20년 넘게 Nvidia에 참여하면서 conviction(확고한 신념)을 유지하는 것은 매우 대단한 일입니다. 최근 Gavin이 출연한 두 개의 팟캐스트를 들었는데, Nvidia 포지션에 대해 그는 Nvidia가 현재의 마진율을 유지하고 수요도 유지할 수 있다는 판단을 분명히 밝혔습니다. 이는 그가 Nvidia가 약 10조 달러 시가총액에 근접할 기회가 있다고 보며, 현재는 그 절반 정도에 도달했다고 생각한다는 의미입니다.

또 하나 언급할 가치가 있는 것은 Micron(마이크론 테크놀로지, 글로벌 주요 메모리 칩 제조사)입니다. 지난 에피소드에서 AI 투자 스택과 이들 회사의 위치에 대해 다뤘으니, 꼭 다시 보시길 강력히 추천합니다. Micron은 가장 큰 memory makers(메모리 칩 제조사) 중 하나입니다.

프로그램에서 놀라운 수치가 언급됐습니다. 1년 전만 해도 시가총액이 1000억 달러에도 미치지 못했는데, 녹화 당시에는 1조 달러를 돌파하며 1년 만에 10배 성장했습니다. 이는 메모리 문제(memory problem)가 얼마나 중요한지를 보여줍니다.

또한 눈에 띄지는 않지만 매우 흥미로운 회사들도 있습니다. EJ, 특히 하나를 소개하고 싶습니다: Unity Software입니다. 게임에 익숙한 사람이라면 Unity를 알 텐데, 이는 게임 엔진(game engine)으로, 많은 인기 게임이 이 3D 렌더링 소프트웨어(3D rendering software)로 제작되었습니다.

그런데 왜 AI 투자자가 '전자 게임을 만드는 도구'인 Unity에 투자했을까요? 답은 3D 게임 엔진에 있습니다. Unity는 월드 모델 빌더(world model builder)로, 물리, 세계의 작동 방식, 재질 및 조명에 대한 깊은 이해를 가지고 있습니다.

AI 기업이 AGI(범용 인공지능)와 휴머노이드 로봇(humanoid robots)을 구축할 때 중요한 단계 중 하나는 가상 환경과 가상 데이터 세트를 시뮬레이션하여 로봇이 그 안에서 훈련하도록 하는 것입니다. Unity는 바로 가장 강력한 도구 중 하나입니다.

따라서 월드 모델 맥시(world model maxi)로서 이 예시를 좋아할 것입니다. 게임 엔진으로 유명한 회사가 AI 세계에서 중요한 플레이어가 될 명확한 경로를 가지고 있기 때문입니다.

Gavin의 투자 이론과 전략

EJ: 월드 모델(world models)의 이론은 간단합니다. 현재의 AI 모델이나 LLM(대규모 언어 모델)은 주로 텍스트와 책을 통해 세상을 이해하며, 마치 도서관에 앉아 있는 학생과 같지만 실제 세계 경험은 없습니다.

월드 모델이 해결하려는 것은 바로 이것입니다: 게임 캐릭터를 시뮬레이션 환경에 넣어 물리적 현실이 어떻게 작동하는지 이해하도록 하는 것입니다.

예를 들어, 제가 휴대폰을 떨어뜨리거나 공을 차면 어떤 일이 일어날까요? 다음 단계는 무엇일까요? 어떻게 행동해야 할까요? 월드 모델이 이 문제를 해결합니다.

현재 이러한 능력을 대규모로 구현할 수 있는 플레이어는 많지 않습니다. 현재 선두주자는 Google로, Genie 3(Google의 생성형 상호작용 월드 모델 프로젝트)와 같은 모델을 보유하고 있습니다. 프로그램에서는 Google이 최근 Gemini Omni를 출시했다고 언급했지만, 이러한 모델은 아직 자체적인 ChatGPT 모멘트(ChatGPT moment, 대중적 돌파 시점)를 맞이하지 못했습니다.

내가 개빈을 좋아하는 이유는 그의 포트폴리오 구성이 바벨 전략(barbell strategy)과 비슷하기 때문이다. 한쪽은 매우 전통적이다. 모두가 GPU와 스토리지를 필요로 하므로, 그는 최대 플레이어인 마이크론(Micron)과 엔비디아(Nvidia)에 투자한다. 다른 한쪽은 매우 진보적이다. 그는 퍽(puck)이 그 방향으로 갈 것이라고 생각하기 때문에, 추론(reasoning)이 매우 중요해질 것이라고 보고 세레브라스(Cerebras)에 투자한다. 또한, 세계 모델(world model)이 미래에 로봇과 차세대 LLM을 훈련하는 방식이 될 것이라고 생각해 유니티(Unity)에도 투자한다.

그의 포트폴리오에는 인퍼런스 칩(inference chips)을 만드는 포지트론(Positron)도 포함되어 있다. 이것이 세레브라스와 비슷하게 들린다면, 맞다. 둘 다 추론에 초점을 맞추고 있다. 개빈은 최근 인터뷰에서 AI 모델의 인프라 스택, 특히 훈련 스택이 사전 훈련(pre-training)에서 사후 훈련(post-training)에 더 중점을 두는 방향으로 전환되고 있다는 트렌드를 반복해서 강조하고 있다.

AI 업계에 있다면, 이 전환이 이미 일어나고 있다는 것을 알 것이다. 개빈은 이 문제에 매우 집중하고 있다. 모델은 여전히 새로운 정보와 새로운 데이터를 이해하고, 스스로 업데이트할 필요가 있다. 특정 데이터셋에서 사전 훈련을 마쳤다고 해서 평생 천재라고 생각할 수는 없다. 새로운 정보를 학습해야 하며, 이는 사후 훈련 계층에서 발생하고, 이를 위해서는 막대한 컴퓨팅이 필요하다.

둘째, AI 모델이 문제를 진정으로 생각하도록 하려면, 마치 우리가 새로운 정보를 받은 후 '이 관점이 타당한가? 다른 이론으로 설명할 수 있는가?'라고 생각하는 것과 같다. 이것이 바로 추론(reasoning/추론적 사고)이다. 추론에도 막대한 컴퓨팅이 필요하다. 현재 추정으로는, 추론만으로 발생하는 비용 또는 수익 기회가 사전 훈련에 투입된 컴퓨팅 파워의 5배에서 10배에 달할 수 있다.

따라서 AI 연구소(AI labs)와 칩 제조사(chip makers) 모두에서 중대한 전환이 일어나고 있다. 엔비디아가 에이전틱(agentic) 애플리케이션을 지원하기 위해 추론에 특화된 많은 GPU를 출시하는 것을 이미 목격했을 것이다. 개빈도 일련의 투자를 통해 추론에 대한 베팅을 표명하고 있다.

마지막으로 내가 매우 흥미롭게 생각하는 점은 개빈이 중국에 대해 이야기하는 부분이다. AI 경쟁에서 내러티브는 항상 중국 대 미국(China versus US)이었다. 중국은 에너지가 상대적으로 풍부하고 칩 제조 능력을 확장할 수 있는 독특한 구성을 가지고 있다. 미국은 현재 이 부분에서 어려움을 겪고 있으며, 이것이 많은 공정을 대만의 TSMC(세계에서 가장 중요한 첨단 웨이퍼 파운드리)에 아웃소싱하는 이유이기도 하다.

그의 설명에 따르면, 중국은 미국과는 매우 다른 AI 인프라(infrastructure) 또는 칩을 만들 수 있는 독특한 기회를 가지고 있다. 왜냐하면 그것들은 추론에 매우 집중될 것이기 때문이다. 개빈이 미국에서의 투자를 통해 미국의 추론 인프라 구축을 선도하고 있다고 말할 수 있다. 나는 이것이 미래에 거대한 기회가 될 수 있다고 생각한다.

Josh： 주목할 점은, 이 베팅이 상승 쪽만 있는 것은 아니라는 점입니다. 그는 또한 상당한 규모의 QQQ 풋(나스닥 100 ETF 풋옵션) 포지션을 보유하고 있습니다. QQQ는 나스닥 100을 추종하는 ETF로, 주식 바스켓이며 미국에서 두 번째로 거래량이 많은 ETF입니다. 그 성과는 매우 강력합니다: 2023년 55% 상승, 2024년 25% 상승, 2025년 20% 상승, 2026년 현재까지 17% 상승했습니다.

즉, QQQ는 인덱스 펀드로서 매우 뛰어난 성과를 보여주고 있으며, 이를 매수하는 것은 쉽습니다. 최고의 100개 주식으로 구성된 바스켓이기 때문입니다. 그런데 Gavin은 이에 대해 반대 방향으로 헤지하고 있습니다. 그는 AI가 승리하지 못할 것이라고 말하는 것이 아닙니다. 그는 진정한 병목 현상을 해결할 핵심 제조업체에 투자하겠다는 것이지만, 전반적인 시장 심리에 대해서는 그다지 낙관적이지 않다는 것을 보여줍니다.

QQQ 풋은 하방 보호 역할을 합니다: 만약 전체 시장이 불리한 방향으로 붕괴하더라도, AI가 장기적으로 여전히 승리한다 하더라도, 그는 이 헤지를 통해 보호받을 수 있습니다.

투자할 가치가 있는 네 가지 방향

Josh： 그가 가장 중요하게 생각하는 투자 병목 현상을 몇 가지로 나눌 수 있습니다. 첫 번째는 수직화된 소형 언어 모델입니다.

일반적인 LLM, 예를 들어 Claude나 ChatGPT와 같은 챗봇은 일반화된 대형 언어 모델로, 세상에 대한 폭넓은 이해를 바탕으로 구체적인 질문에 답할 수 있습니다. 하지만 특정 수직 분야나 특정 문제에 초점을 맞춰 모델을 훈련시키는 것은 또 다른 일입니다.

이러한 특정 문제는 일반적으로 기업, 특히 특정 문제에 깊이 파고드는 기업이나 특정 틈새 시장에서 니치를 형성한 회사에 존재합니다. 수직화된 소형 언어 모델이 바로 이 문제를 해결합니다: 이들은 프론티어 모델이지만, 특정 기업 데이터에서 효율적으로 작동하거나 기기 로컬에서 실행될 수 있도록 고도로 최적화되어 있습니다.

우리는 이전에 온디바이스 또는 로컬 실행 모델에 대해 이야기한 적이 있습니다. 그 이유는 휴대폰이나 다른 기기에는 매우 개인적인 데이터가 많이 저장되어 있어, 이를 외부에 제공하고 싶지 않거나 기업이 접근할 수 없는 경우가 있기 때문입니다. 예를 들어 의료 기록이나 금융 세부 정보와 같은 데이터입니다.

OpenAI가 금융 AI 에이전트를 출시한 것을 본 적이 있습니다. 이 에이전트는 사용자의 은행 계좌에 접근할 수 있지만, 사회보장번호나 은행 세부 정보와 같은 개인 식별 정보가 많이 포함되어 있어 실제로 대신 작업을 수행할 수는 없습니다.

로컬 모델이나 SLM(소형 언어 모델)이 이러한 문제를 해결할 수 있습니다. Gavin은 이들이 미래에 매우 중요해질 것이라고 크게 확신하고 있습니다. 그가 특히 주목하는 회사 중 하나는 Apple입니다. 비록 명확한 투자 관심을 표현하지는 않았지만, 그는 Apple이 기기에서 로컬 모델을 실행하는 주요 기기 제조업체 중 하나가 될 것이라고 생각합니다.

미래가 이렇게 된다면, 우리는 더 이상 Claude가 매일 상호작용해야 하는 모델이라고 생각하지 않을 수도 있습니다. 필요한 것은 사용자 자신의 데이터로 훈련된 개인화된 AI 에이전트일 수 있으며, 이것이 SLM이 궁극적으로 변할 수 있는 모습입니다.

일반 버전은 스마트폰에서 실행될 수 있으며, 많은 기업들은 자체 독점 데이터로 훈련된 고도로 최적화되고 전문화된 모델을 운영하여 제품 판매나 마케팅을 더 잘 수행할 것입니다.

EJ: Apple은 이 위치에서 정말 유리합니다. WWDC(애플 세계 개발자 회의)가 곧 다가오고 있어 기대됩니다.

Josh: 맞아요.

EJ: 애플 개발자 회의까지 몇 주밖에 남지 않았는데, 그들은 새로운 AI 소프트웨어와 이것이 하드웨어와 어떻게 통합되는지 발표할 것입니다. 이는 매우 중요할 것이며, 우리도 계속 다룰 예정이고, 이에 대해 논의할 생각에 기대됩니다.

Josh: 두 번째 기둥은 주권 인프라입니다. 우리는 자주 비트가 원자보다 훨씬 빠르다고 말합니다. AI 인프라를 보면 명확합니다: 모델 품질은 거의 지수적으로 향상되고 있으며, 와트당 생성되는 지능, 토큰당 지능은 계속 상승할 것입니다.

하지만 물리적 배포 속도는 이와 같은 속도로 증가하지 않으며, 이것이 바로 해자입니다. 하드웨어는 극도로 복잡하며, 트랜지스터 정밀도는 이미 원자 수준에 가깝습니다. 기존 인프라가 이미 압박을 받고 있는 세상에서 대규모로 배포하는 것은 쉽지 않습니다. 전기차 보급이 가속화되면서 전력망은 더 큰 압박을 받고 있으며, 많은 지역이 거의 최대 용량에 도달했습니다. 이제 AI가 에너지 문제와 칩 문제를 추가로 가져오고 있습니다.

개빈은 인프라 구축이 어렵고, 많은 날, 많은 달, 심지어 많은 년이 걸린다는 사실에 강하게 베팅하고 있습니다. 그는 이 주기를 몇 주로 압축할 수 있는 사람들에게 베팅합니다. 따라서 물리적 배포 속도 자체가 해자(경쟁 우위)입니다. 그는 가능한 한 빨리 배포할 수 있는 회사들로 대상을 좁히고 있습니다.

가장 먼저 떠오르는 예는 스페이스X(머스크의 우주 기업)와 그들이 Colossus(xAI의 대규모 AI 슈퍼컴퓨팅 클러스터)를 구축하여 Anthropic에 임대한 속도이며, 향후 다른 회사에도 임대할 가능성이 있습니다. 이 인프라 기둥은 개빈이 주목하는 핵심 중 하나입니다.

Leopold의 포트폴리오를 보더라도 이것이 핵심 부분입니다. 현실은 이렇습니다: 무언가를 구축하는 것은 매우 어렵고, 그것을 구축할 수 있는 사람들은 매우 비싸게 팔 수 있습니다. 프로그램에서 언급했듯이, 스페이스X의 현재 최대 수익원 중 하나는 로켓이 아닌 데이터센터 임대입니다. 이는 이 기둥이 얼마나 중요한지 보여줍니다.

EJ: 그가 관심을 갖는 것은 속도이지만, 비용에도 관심이 있습니다. 그는 반복적으로 'performance per watt', 즉 와트당 성능이라는 지표를 언급합니다. 그가 정말로 말하고자 하는 것은 AI 연구소들이 와트당 생성할 수 있는 토큰 수에 점점 더 관심을 갖고 있다는 것입니다.

올해에만 약 5개 회사가 GPU, 컴퓨팅 및 이러한 시스템을 구동하는 전력에 수백억, 나아가 수조 달러를 지출할 것이라고 생각해보면, 여러분은 분명히 투자 대비 효과(bang for buck)가 충분히 높기를 바랄 것입니다. 특히 하이퍼스케일러(초대규모 클라우드 사업자)가 이러한 규모로 확장할 때 비용이 핵심 문제입니다.

가상의 예를 들어보겠습니다: 제가 Claude에게 질문을 하고 답변을 받는 데 드는 비용이 2센트이고, ChatGPT에게 같은 질문을 하고 답변을 받는 데 드는 비용이 1달러라고 가정해 봅시다. Claude가 ChatGPT 지능의 95%에 불과하더라도 저는 아마 Claude를 사용할 것입니다. 여러 번 질문하여 결국 더 낮은 비용으로 답을 얻을 수 있기 때문입니다.

따라서 이러한 지능에 접근하는 비용은 매우 중요합니다. 바로 이번 주에 Microsoft와 Uber는 실제로 Claude Code(Anthropic의 프로그래밍 시나리오용 AI 코딩 도구) 사용을 줄이고 있다고 발표했습니다. 연간 예산이 약 4개월 만에 소진되었기 때문입니다.

개빈의 투자 포트폴리오에서 이를 확인할 수 있습니다: Cerebras, Positron, Astera Labs. 그는 매우 세분화된 인프라 병목 현상을 식별한 후 간단한 베팅을 합니다: 만약 이 회사가 이 병목 현상을 해결하여 와트당 성능이 특정 수준에 도달하고 토큰 비용이 특정 수준으로 낮아진다면, AI 연구소들은 더 많은 GPU, 더 많은 제품 또는 더 많은 이런 종류의 것들을 구매할 것이라는 베팅입니다.

그래서 그의 이론은 사실 매우 간단합니다. 구체적인 기술은 복잡하지만, 저는 AI 인프라 병목 현상에만 집중합니다. 와트당 성능을 높이고 토큰 가격을 낮추는 회사를 찾으면, 그 회사가 미래에 가치가 높아질 것이라고 확신합니다. IPO를 하든, 높은 가격에 인수되든 말이죠.

Josh: 이 부분에서 Gavin의 거래를 따라 하고 싶다면 몇 가지 이름을 알아야 합니다: Astera Labs, Cerebras, SiFive(RISC-V 칩 설계 회사), Positron입니다. 이 네 회사는 이 섹션에서 매우 중요합니다.

네 번째이자 마지막 방향은 에너지와 우주의 결합입니다. 앞서 말했듯이, 지상 전력망은 에너지 공급을 크게 제한하고 있으며, 새로운 에너지 시설을 짓는 것도 매우 어렵습니다. 프로그램에서 언급된 통계에 따르면, 약 40%의 신규 데이터 센터가 매우 강한 반대에 직면합니다. 사람들은 로비를 하고 항의하며 이러한 데이터 센터가 들어서는 것을 원하지 않습니다.

해결책은 두 가지입니다. 하나는 '상자 밖의 에너지', 즉 휴대용 에너지를 만드는 것입니다. 데이터 센터를 가져와서 소형 에너지 장치로 전력을 공급할 수 있습니다. Leopold가 높이 평가하는 Blue Marble이 이 범주에 속합니다.

다른 하나는 궤도 컴퓨팅으로, Gavin이 현재 매우 주목하고 있는 방향입니다. 이 분야에서 가장 크고 핵심적인 회사는 당연히 SpaceX입니다. SpaceX는 우주로 가는 고속도로가 되어 payload를 궤도에 올리고, racks와 데이터 센터를 저궤도에 보내며, 충분한 지능과 전력을 생성해 다시 전송할 수 있는 유일한 회사입니다.

저는 SpaceX의 의미가 SpaceX 자체보다 더 크다고 생각합니다. Gavin이 이 산업을 거대하다고 생각하는데도 그의 포트폴리오에 더 많은 우주 주식이 포함되지 않은 점이 다소 의외입니다. 아마도 현실은 아직 너무 이르고, SpaceX가 이 산업을 여는 핵심 열쇠이기 때문일 것입니다.

다음으로 Starship V3 발사를 주목해야 합니다. 우리는 지난주에 한 번의 Starship 발사를 보았는데, 성과가 좋았습니다. Starship이 제대로 작동하지 않으면 우주 에너지도, racks to orbit도 없습니다. 그것은 필수 조건입니다. 발사해야 할 payload가 매우 크기 때문입니다. 따라서 SpaceX는 반드시 주목해야 할 회사이며, 많은 2차 회사들도 영향을 받을 것입니다.

왜 또 다른 인터넷 버블이 아닌가?

Josh: 다음으로 모두가 묻는 것은, 왜 이것이 또 다른 닷컴 버블이 아닌가 하는 점입니다. Gavin은 이 질문을 여러 번 받았고, 매우 강력한 답변을 제시했으며, 저는 기본적으로 그를 믿습니다. 그의 논증은 설득력이 있습니다.

그의 논리는 대략 이렇습니다: 2000년 인터넷 버블은 부채 기반이었습니다. 많은 사람들이 막대한 돈을 빌려 검증되지 않은 이론과 아무도 실제로 사용하거나 신경 쓰지 않는 제품에 투자했습니다.

이를 현재 Gavin이 말하는 AI 슈퍼 사이클과 비교하면, OpenAI와 Anthropic 두 회사만 올해 2000억 달러 ARR(연간 반복 매출)에 도달할 것으로 예상됩니다. 이는 허구의 돈이 아니라 이미 계약을 통해 확보된 돈이며, 그중 상당 부분(프로그램에 따르면 40~60%)은 기업 및 소매 고객이 선불로 지불한 것입니다.

즉, 실제로 돈이 흐르고 있다는 뜻입니다.

GPU 컴퓨팅 파워를 보면, 모델 연구소가 아니라 누가 Nvidia에서 제품을 구매하는지 살펴보세요. Google, Microsoft, Amazon, Meta는 모두 자체 현금 보유액으로 지불하고 있으며, 돈을 빌리지 않았습니다. Amazon은 막 잉여 현금 흐름의 끝자락을 사용하고 있으며, 만약 이들이 돈을 빌리기 시작하면 우리는 걱정할 수 있습니다. 하지만 현재 중요한 점은 레버리지를 사용하지 않고 있다는 것입니다.

게다가 이들은 세계 최고의 5대 기업 중 하나이며, 어떤 의미에서는 가장 똑똑한 기업들입니다. 시가총액, 규모, 위상이 그 증거입니다. 인터넷 버블과 비교하면, 당시에는 수많은 무명 회사들이 많은 돈을 모은 후 비합리적인 방식으로 돈을 태웠습니다. 이번 사이클에서는 세계에서 가장 똑똑한 기업들이 레버리지 없는 돈으로 지출을 하고 있습니다.

최근 몇 주 동안 프로그램에서 다룬 분기 보고서에서도 이익이 이러한 움직임을 중심으로 최적화되고 있으며, 모델은 계속 발전하고 더 똑똑해지고 있음을 보여줍니다. 따라서 Gavin의 핵심 주장은 이것이 인터넷 버블이 아니라는 것입니다. 레버리지 자금에 의해 주도되지 않기 때문입니다. 동시에 우리가 논의하는 병목 현상은 물리적 원자에 의해 제약을 받습니다.

많은 메모리 칩과 GPU를 사는 것과는 별개로, Nvidia는 GPU를 초과 판매할 수 없고, Micron도 AI 스토리지 칩을 초과 판매할 수 없습니다. 충분한 칩 생산 시설이 없기 때문입니다. 따라서 그의 간단한 주장은 시장 전체에 과잉 공급을 할 수 없다면 그것은 버블이 아니라는 것입니다. 우리는 이 작업을 완료할 충분한 곡괭이와 삽이 없어 제약을 받고 있으며, 그가 투자하는 것이 바로 이것들입니다.

또 하나 좋은 점이 있습니다: 개빈은 TSMC가 공급할 수 있다면 엔비디아가 올해와 내년에 2조에서 3조 달러 규모의 GPU를 판매할 수 있었을 것이라고 생각합니다. 즉, TSMC는 거품 경계에서 중요한 고리라는 뜻입니다.

그 이유는, TSMC가 이들 기업의 수요를 충족시켜 그렇게 많은 칩을 공급하려면 막대한 자금이 소모되기 때문입니다. 현재 차트를 보면 CapEx(자본 지출)와 operating cash(영업 현금 흐름) 사이에 큰 괴리가 아직 발생하지 않았으며, 기업이 창출하는 현금이 여전히 건설을 지원하기에 충분합니다.

하지만 만약 TSMC가 내일 엔비디아에게 "우리는 하룻밤 사이에 생산 능력을 세 배로 늘릴 수 있다"고 말한다면, 엔비디아는 거절하지 않을 것이며 막대한 자금을 들여 칩을 구매하기 시작할 것입니다. 다른 기업들도 자금을 빌려 이 칩을 구매해야 하며, 그때 CapEx bubble(자본 지출 거품)이 커지기 시작하고 기업의 영업 현금 흐름과 격차가 벌어질 것입니다.

그러나 각 단계에 공급 제약이 있기 때문에, 스토리지에는 제약이 있고, 칩 제조에는 제약이 있으며, 에너지에는 제약이 있고, 특히 TSMC의 첨단 칩에는 제약이 있어, 실제로 건설 속도를 그렇게 빠르게 끌어올릴 방법이 없습니다. 따라서 TSMC가 거품 가속화를 막고 있는 셈입니다.

TSMC의 칩 생산 능력이 여전히 제한적이고, Samsung(삼성) 및 다른 칩 제조사들이 시장 점유율을 넘어서지 않는 한, 성장 속도는 상대적으로 지속 가능합니다. 빠르게 보이지만, 우리가 충분히 빠르게 건설하지 못하기 때문에 여전히 충족되지 못하는 엄청난 수요가 존재합니다. 이 역학이 유지되는 한, 당분간 큰 문제는 없다고 생각합니다.

EJ: 또 한 가지, 수요가 정적이라고 가정할 수 없습니다. 그렇지 않기 때문입니다. AI 관련 수요는 기하급수적으로 증가하고 있으며, 이 칩의 생산 공급 속도를 초과하고 있습니다.

이 이론을 반증할 수 있는 방법은 두 가지뿐이라고 생각합니다. 첫째, 누군가가 기적적으로 ASML(글로벌 극자외선 리소그래피 핵심 공급업체)을 복제하여 갑자기 많은 ASML 경쟁사가 등장하는 경우입니다. ASML을 모르는 분들을 위해 설명하자면, 이 회사는 약 4억 달러 상당의 기계를 생산하며, TSMC와 모든 주요 chip fab(웨이퍼 공장)이 이 기계를 필요로 합니다.

프로그램에서 ASML은 Norway(노르웨이)에서 한 팀만이 이 기계를 제조하며, 주기가 매우 길고 주문 backlog(누적 주문)가 약 5년까지 밀려 있다고 언급했습니다.

둘째, 우리가 완전히 다른 유형의 LLM을 만들어내어 그렇게 많은 GPU나 스토리지가 필요하지 않게 되는 경우입니다. 하지만 현재로서는 이러한 조짐이 전혀 보이지 않습니다.

오늘 SK하이닉스(글로벌 주요 고대역폭 메모리 공급업체)에 관한 뉴스를 봤어요. 이 회사는 엔비디아 GPU의 1위 메모리 제조사이자 공급업체로, AI 메모리 분야에서 거의 톱 도그(최강자)죠.

현재 구글과 마이크로소프트로부터 500억에서 1000억 달러 규모의 제안을 받고 있는 것으로 보이는데, 두 회사는 향후 3년간 생산될 물량을 선점하고, SK하이닉스의 생산 확장에 필요한 장비 비용을 지불하려는 거예요.

이건 대형 기술 기업들이 메모리에 얼마나 목말라 있는지를 보여주는데, 이는 AI 부품 중 하나의 하위 분야일 뿐이에요. 그런데 SK하이닉스는 "공급을 보장해주긴 싫다, 그냥 가격을 올리겠다"는 입장이에요. 이 회사의 영업이익률(operating margin)은 약 70%로, 반도체 업계에서는 거의 믿기 어려운 수준이죠.

그래서 개빈이 올인(all-in)한 게 말이 되는 거예요. 이건 거품처럼 보이지 않아요. 시장이 단기적으로 그렇게 반응할 수도 있겠지만요. 오늘 녹화 전에 포트폴리오를 열어봤는데 거의 전부 하락 중이었어요. 하지만 그건 더 반응적(reactionary)인 성격이 강해요.

이 상황의 방향성 목표는 분명해요: 우리는 더 많은 GPU, 더 많은 반도체 칩이 필요할 것이고, 공급도 부족하고 제조사도 부족해요.

개빈의 투자 포트폴리오

조쉬: 결론은 전력과 웨이퍼, 이 두 가지예요. 이 두 가지는 벽돌 벽이자, 우리가 너무 빠르게 가속하는 걸 막는 두 가지 제약 요소예요. 전력과 웨이퍼가 여전히 가치 있고, 수요가 강하며, 공급이 제한적인 한, 앞으로 좋은 날들이 계속될 거예요.

개빈 포트폴리오의 TLDR(너무 길어서 안 읽은 분을 위한 요약)을 원하신다면, 그의 최대 보유 종목을 읽어드릴게요. 다시 강조하지만, 이건 투자 조언이 아니에요. 개빈이 보유한 종목일 뿐, 우리가 보유한 걸 의미하지 않아요. 이 주식들이 오를지, 내릴지, 아니면 제자리에서 맴돌지 저는 몰라요.

그의 최대 포지션은 다소 반직관적으로 QQQ 풋 포지션(나스닥 100 ETF 풋옵션)이에요. 전반적으로 그는 시장에 대해 약세(bearish) 입장이며, 이 점은 매우 주목할 만해요. 두 번째는 Astera Labs로, 비중은 약 7.4%, 티커는 ALAB예요. 세 번째는 Unity, 즉 3D 소프트웨어 회사죠.

그 뒤로도 많아요: Ciena(광네트워크 장비 회사), Micron, Nvidia, Amazon, Lumentum(광통신 및 레이저 소자 회사), Alphabet(구글 모회사), Coherent(광전자 및 재료 회사), Roblox(게임 플랫폼), EchoStar(위성통신 회사), Twilio(클라우드 커뮤니케이션 플랫폼), Wayfair(가구 전자상거래 회사). 이 사람은 정말 모든 분야에 투자하고 있어요.

관심이 있다면 그의 13F를 확인해 보세요. 이것이 개빈의 관점입니다. 병목 현상은 전력과 웨이퍼에 있습니다. 이러한 제약이 계속되는 한, 기본적으로 단방향 상승장입니다. EJ, 이 정보를 어떻게 흡수하시나요? 어떻게 처리하시겠습니까?

EJ: 레오폴드의 13F가 공개된 이후 시장은 계속해서 변동성이 컸습니다. 이 에피소드를 녹음하면서 점점 깨닫게 된 것은, 개빈이 좀 더 나이가 많고 현명한 레오폴드와 같다는 점입니다. 그는 이 업계에 오래 몸담아 왔습니다. 아마 130억 달러의 AUM(운용자산)은 없을지라도, 10년 후에도 그는 여전히 이 자리에 있을 것 같은 느낌이 듭니다.

만약 여러분이 이 얘기를 들으면서 '나는 AI 발전을 매 순간, 매 시간, 매일 쫓고 싶지 않아. 그냥 돈을 거기 두고 앞으로 몇 달 혹은 몇 년 동안 어떻게 성장할지 지켜보고 싶어'라고 생각한다면, 개빈의 포트폴리오는 꽤 참고가 될 수 있습니다. 물론, 이것은 투자 조언이 아닙니다.

그는 더 신중하고, 장기적이며, 미래 지향적인 방식을 취하고 있습니다. 만약 그의 트렌드 판단이 결국 현실화된다면, 그가 초기에 Nvidia와 Cerebras를 성공적으로 예측했던 것처럼, 향후 몇 년간 기하급수적인 수익을 볼 수도 있습니다. 하지만 이 모든 것은 그의 핵심 관점, 즉 '우리는 거품 속에 있지 않다'라는 전제에 기반합니다.

청취자들이 이에 동의하는지 궁금합니다. 분명히 대부분의 사람들은 개빈처럼 기술적이고 근본적인 수준까지 깊이 파고들지는 않을 것입니다. 하지만 이 에피소드를 듣고 나서, 여러분은 우리가 거품 속에 있다고 생각하시나요? 아니면 그렇지 않다고 생각하시나요? 찬성과 반대의 근거는 무엇인가요? 우리가 놓친 부분이 있을까요? Josh, 마무리하기 전에 지금이 거품이라고 생각하시나요?

Josh: 저는 우리가 분명히 거품 속에 있다고 생각합니다. 문제는 우리가 거품의 어느 단계에 있는지인데, 이는 논의의 여지가 있습니다. 지금은 초기 단계처럼 보이기 때문에, 이 상태가 계속 유지되길 바랍니다. 개빈의 말에 따르면, TSMC가 계속해서 칩 생산 능력을 제한하는 한 우리는 괜찮습니다.

이것이 전체적인 outlook(전망)입니다. 우리는 이미 레오폴드에 대해 이야기했고, 그의 성공은 현재 분기별로 측정됩니다. 이제 우리는 개빈에 대해 이야기하고 있으며, 그의 성공은 수십 년 단위로 측정됩니다. 많은 사람들이 자신의 답을 그 중간 어딘가에서 찾을 수도 있습니다.

원문 링크

BlockBeats 공식 커뮤니티에 참여하세요:

Telegram 구독 그룹：https://t.me/theblockbeats

Telegram 토론 그룹：https://t.me/BlockBeats_App

Twitter 공식 계정：https://twitter.com/BlockBeatsAsia