20배를 놓친 후, AI 투자의 단순한 방법을 찾았습니다.

원문 제목: 《20배를 놓치고, AI 투자의 '무식한 방법'을 찾았다》
원문 저자: 위스이, AI 분석가

40년 전인 1978년 10월 22일, 덩샤오핑이 처음으로 일본을 방문했다. 도쿄에서 교토까지 370km 구간을 세계 최초의 고속철도인 일본 '히카리' 신칸센을 타고 이동했다. 일본 측 수행원이 그에게 소감을 묻자, 그는 이렇게 말했다: "달리게 만드는 느낌이 든다. 그래서 지금 우리가 이런 차를 타기에 딱 알맞다."

AI도 우리를 달리게 만든다.

지난 2년간 엔비디아의 매출은 600억 달러에서 2160억 달러로 급증했고, 주가는 10배 올랐다. AI를 중심으로 한 투자 열풍이 전 세계를 휩쓸었다. 광모듈, 데이터센터, 냉각, 로봇, AI 애플리케이션 등이 연이어 등장했다. 매일 새로운 상승 스토리가 나오고, 매일 누군가는 더 일찍 시작하지 못한 것을 후회한다.

하지만 달리게 만든다고 해서 무작정 달리면 안 된다. 달리기 전에 길을 먼저 봐야 한다.

AI는 우리 세대가 만날 수 있는 가장 긴 트랙이다. 인터넷은 1995년부터 구글이 상장하기까지 10년, 페이스북이 상장하기까지 또 8년이 걸렸다. 그 사이 2000년 거품 붕괴를 겪으며 나스닥은 78% 폭락했다. AI도 비슷한 길을 걸을 가능성이 크다. 현재는 아마 1998년이나 1999년쯤 위치에 있을 수 있으며, 진정한 가장 큰 기회는 미래의 거품 붕괴 이후에 나타날 수도 있고, 오늘날 아무도 주목하지 않는 어느 구석에 숨어 있을 수도 있다.

현재 모델 성능은 비약적으로 발전하고 있고, 자본은 미친 듯이 유입되며, 밸류에이션은 불안할 정도로 높아졌다. 이런 환경에는 두 가지 유형의 사람이 있다:

한 유형은 지금 당장 뛰어들어 사는 사람이다. 타이밍을 제대로 맞췄다고 확신하며 베팅한다. 돈을 벌 수도 있지만, 산 중턱에서 사서 조정에 휩쓸려 나갈 가능성이 더 크다.

다른 유형은 폭락할 때까지 기다리는 사람이다. 하지만 문제는, 진짜 폭락이 왔을 때 과연 살 용기가 있느냐는 것이다. 무엇을 살지 아는가? 이 업계에 대해 아무것도 모른다면, 공포 앞에서 더욱 공포에 휩싸일 뿐이다.

나는 세 번째를 선택한다: 지금은 주식을 서두르지 말고, 먼저 포트폴리오를 쌓아라. '지식 포트폴리오'를.

AI가 어떻게 발전하든, 진정한 기회가 나타났을 때 놓치지 않으려면 먼저 업계 전체를 꿰뚫는 전문가가 되어야 하기 때문이다. 이른바 '킬러 본능'은 결국 '가슴 속에 산과 골짜기가 있는' 인식에서 비롯된다.

오늘부터 저는 하나의 느리고 꾸준한 작업을 시작하려 합니다. AI 산업 연구를 전체적인 관점에서 시작해, 하나하나 차근차근 연구하며 AI 산업 체인을 처음부터 끝까지 명확히 파악하는 것입니다. 누가 돈을 벌고 있는지, 돈이 어디서 오고, 어디로 흐르는지, 누가 대체 불가능한지, 누가 남이 먹다 남긴 것을 먹고 있는지 말이죠.

시장이 우리에게 기회를 주는 그날—폭락이든, 조정이든, 무시된 어떤 구석이든—저는 몇 초 안에 판단을 내릴 수 있을 것입니다: "이 가격에 투자할 가치가 있을까?"

또한, 이 작업을 하면서 두 가지 차별화 요소가 있습니다:

첫째, 저는 투자 기반이 매우 탄탄합니다. 저는 투자에서 풍부한 경험과 매우 빠른 진화 속도를 가지고 있습니다. 지난 3년간의 수익률은 제 오랜 팬분들이 잘 아시다시피, 저와 같은 수준에 도달한 사람은 거의 없습니다. 물론 가장 중요한 것은 수익률이 아닙니다. 거기에는 운이 작용할 수 있으니까요. 가장 중요한 것은 보편적으로 인정받는 제 진화 속도입니다—AI 시대는 더욱 그렇다고 생각합니다. 누가 더 뛰어난지가 아니라, 누가 더 빠르게 진화하는지가 중요하니까요.

과거는 굳이 펼쳐 보지 않겠습니다. 미래는 지금부터 시작이니, 우리 "두고 보자"는 말로 하죠.

둘째, 저는 한 가지에 집중합니다: 이게 어떻게 돈을 버는가?这几年 제 진화 속도가 빨랐던 주된 이유는 집중력 덕분입니다. 저는 현상 뒤에 숨은 부의 기회에만 주목합니다. 지금 보이는 대부분의 글들은 새로운 Skill, 새로운 GitHub 사용법을 가르치고, 매일 핫한 것과 새로운 것을 쫓도록 합니다. 이런 것들도 물론 중요하지만, 투자자의 관점에서 저는 그 뒤에 숨은 부의 기회에 더 관심을 둡니다.

iPhone 4가 출시되었을 때, 당신은 다른 사람들처럼 휴대폰의 디자인과 성능에 감탄했습니까, 아니면 그 뒤에 숨은 투자 기회를 연구했습니까?

이 글은 시리즈 연구의 첫 번째 편으로, 주로 한 가지 작업을 수행합니다: 지도를 밝히는 것입니다. 전체 AI 산업 체인을 체계적으로 연구하는 것을 오픈 월드 대형 게임을 플레이하는 것에 비유한다면—첫 단계는 보스를 향해 돌진하는 것이 아니라, 먼저 지도를 밝히는 것입니다: 몇 개의 주요 지역, 어떤 핵심 노드, 메인 퀘스트는 무엇인지, 서브 퀘스트는 무엇인지. 지도가 명확해지면, 이후 어떤 상황이 닥쳐도 몇 초 안에 판단을 내릴 수 있습니다.

제1장: 왜 전체적인 관점에서 AI를 봐야 하는가?

엔비디아의 2년 10배 상승은 AI 투자에서 가장 눈부신 이야기입니다. 하지만 엔비디아만 본다면, 그것은 단지 나무 한 그루만 보는 것과 같습니다—그 발아래 펼쳐진 전체 숲의 구조를 놓치게 될 것입니다.

모든 주요 기술 혁명이 일어날 때마다 자금은 산업 체인을 따라 한 계층씩 바깥으로 확산됩니다. 이는 역사적으로 반복해서 입증되었습니다:

인터넷 시대에는 첫 번째 자금 물결이 시스코(네트워크 장비)로, 두 번째는 구글과 아마존(플랫폼)으로, 세 번째는 페이스북과 넷플릭스(애플리케이션)로 흘러갔습니다. 모바일 인터넷 시대에는 첫 번째가 퀄컴(칩), 두 번째가 애플(단말기), 세 번째가 위챗과 틱톡(슈퍼 앱)이었습니다.

AI도 예외는 아닙니다. 대략적인 확산 체인을 볼 수 있습니다:

첫 번째 원(2023-2024, 이미 충분히 가격에 반영됨): GPU — 엔비디아
두 번째 원(2024-2025, 현재 가격에 반영 중): 광 상호 연결, 전원 — LITE 16배 상승, Vertiv 10배 상승
세 번째 원(2025-2026, 아직 충분히 가격에 반영되지 않음): 방열, 스토리지, 특수 위탁 생산
네 번째 원(2026+, 촉매제 대기 중): AI 애플리케이션, 에너지 인프라, 로봇

투자자에게 핵심 인사이트는: 하위 계층 인프라일수록 플레이어가 적고, 대체 가능성이 낮으며, 가격 결정력이 강합니다.

4계층의 AI 애플리케이션 회사는 수천 개가 경쟁할 수 있습니다. 이것이 엔비디아가 연간 2160억 달러를 버는 반면, 대부분의 AI 애플리케이션 회사가 여전히 적자를 내는 이유입니다.

하지만 이는 또한 인프라 계층의 두 번째, 세 번째, 심지어 네 번째 원에서 — 아직 시장에서 'AI 개념'이라는 꼬리표가 붙지 않은 회사들 — 그 안에 많은 기회가 숨겨져 있을 수 있음을 의미합니다. 먼저 어떤 플레이어가 있는지, 무엇을 하는지, 가치는 얼마인지 파악해야 합니다.

이를 이해하는 의미는: 미래 시장에 조정, 공포 또는 차별화가 발생할 때, 우리가 어디를 봐야 할지 알게 된다는 것입니다.

위에서 설명한 4계층 확산 원은 시장 심리와 자금의 전달 순서를 설명합니다 — 자금이 먼저 무엇을 쫓고, 나중에 무엇을 쫓는지. 하지만 각 단계의 비즈니스 로직을 진정으로 이해하려면 다른 그림이 필요합니다: 산업 체인의 계층 구조. 이제부터 하위 계층에서 상위 계층 순서로 하나씩 분해해 보겠습니다.

전체 AI 산업 체인을 4계층 구조, 4개의 메인 퀘스트 맵으로 나눴습니다.

제2장: 4계층 구조, 4개의 메인 퀘스트 맵

네 가지 맵은 각각: 컴퓨팅 인프라, 모델 계층, 미들웨어, 애플리케이션 계층이며, 여기에 궁극적인 제약 조건인 전력이 추가됩니다.

1단계: 컴퓨팅 인프라 – AI의 '엔진'

이 단계는 전체 산업 체인의 물리적 기반입니다. 모든 자금은 – 어느 단계에서 유입되든 – 결국 이곳에 쌓이게 됩니다.

(1) 칩 설계: 무기상

엔비디아는 논란의 여지가 없는 지배자입니다. 2026 회계연도(2026년 1월 기준) 총 매출 2160억 달러 중 데이터센터 부문이 1937억 달러를 기여했습니다 – 불과 2년 전만 해도 500억 달러 미만이었습니다. 이러한 성장 속도는 반도체 역사상 전례가 없습니다.

이 숫자가 의미하는 바는 무엇일까요? 구체적인 예를 들어보겠습니다: 최첨단 대규모 모델을 훈련하는 데 GPU 비용만 수억 달러가 듭니다. 그리고 훈련은 일회성에 불과하며, 모델이 출시된 후에는 매일 수억 건의 사용자 요청을 처리해야 하고, 매번 컴퓨팅 파워를 소모합니다 – 이것이 바로 '추론' 비용입니다. 모델의 평생 추론 비용은 훈련 비용의 수십 배에 달할 수 있습니다. 즉, AI가 계속 사용되는 한 엔비디아는 지속적으로 '세금'을 징수합니다.

엔비디아의 해자는 단순히 하드웨어만이 아닙니다. 진정한 장벽은 CUDA입니다 – 500만 명 이상의 개발자를 보유한 소프트웨어 생태계입니다. 마치 iOS가 애플에게 그러하듯, CUDA는 사용자가 한 번 들어오면 떠나기 어렵게 만듭니다. AMD(MI300X)와 인텔(Gaudi)이 추격하고 있지만, 생태계 격차는 적어도 몇 년은 더 남아 있습니다.

또 다른 경로는 맞춤형 AI 칩입니다. 브로드컴(Broadcom)은 구글 TPU, 아마존 Trainium 등에 맞춤형 설계를 제공합니다. 논리는 간단합니다: 기술 대기업들은 한 회사에 영원히 '목이 졸리지' 않기를 원합니다. 하지만 적어도 현재로서는 자체 개발 칩은 대체재가 아닌 보완재입니다.

핵심 질문: 엔비디아의 독점은 얼마나 지속될까요? 돤융핑(段永平)도 자신이 이해할 수 없다고 말한 적이 있습니다 – "10년 후의 엔비디아는 분명히 존재하겠지만, 여전히 현재의 시장 지위를 유지할까?" 이것은 수조 달러의 가치가 있는 질문입니다. 그리고 그 이면에는 칩 제조와 관련된 일련의 산업 체인이 있으며, 현재 이미 많은 기업을 성장시키고 있으므로 저는 더 주목할 것입니다.

(2) 칩 제조, 패키징 및 저장: 무기 공장

설계된 칩은 누군가가 만들어야 합니다. TSMC(대만 반도체 제조 회사)는 전 세계 최첨단 AI 칩 제조를 거의 독점하고 있습니다. 엔비디아, AMD, 브로드컴, 애플의 핵심 칩은 모두 TSMC가 위탁 생산합니다. 3나노미터, 2나노미터 경쟁에서 삼성과 인텔의 파운드리 사업은 크게 뒤쳐져 있습니다.

더 중요한 병목 현상은 고대역폭 메모리(HBM)입니다. AI 칩의 컴퓨팅 파워가 아무리 강력해도 데이터가 '공급되지' 않으면 소용이 없습니다. SK하이닉스는 HBM 분야에서 압도적인 선두를 달리고 있으며, HBM3E는 거의 엔비디아의 독점 공급업체입니다. 삼성과 마이크론이 추격하고 있지만, 수율 차이는 뚜렷합니다.

고급 패키징(CoWoS)은 또 다른 병목 구간입니다——공급 부족이 1년 넘게 지속되고 있습니다.

핵심 문제: TSMC와 SK하이닉스의 생산 능력이 곧 권력입니다. 생산 능력을 장악하는 자가 AI 군비 경쟁의 속도를 통제합니다.

(3) 광 인터커넥트 및 네트워크: 신경계

AI 훈련 클러스터는 수천 장의 GPU에서 수십만 장으로 확장되었습니다. 칩 간 고속 통신은 어떻게 이루어질까요? 기존 구리 케이블은 800Gbps 이상에서 물리적 한계에 부딪혔습니다——신호 감쇠, 전력 소비 급증, 방열 통제 불능. 광 인터커넥트가 유일한 해결책이며, 이는 엔지니어링 최적화로 해결될 문제가 아니라 전자기학 기본 법칙이 설정한 하드 제약입니다.

핵심 플레이어: Lumentum(LITE, InP 레이저 선두주자, 16배 상승주), Coherent(COHR, 광학 수직 통합), Tower Semiconductor(TSEM, 실리콘 포토닉스 파운드리, 이전에 심층 보고서 작성), Arista Networks(ANET, AI 데이터센터 스위치), Astera Labs(ALAB, 연결 칩).

핵심 문제: 광 인터커넥트는 두 번째 원 기회입니다——이미 가격에 반영되기 시작했지만, 아직 완전히 반영되지 않았을 수 있습니다. 핵심은 어떤 기업에 여전히 여지가 있고, 어떤 기업이 이미 price in 되었는지 식별하는 것입니다. 최근 제 여러 보고서가 이와 관련됩니다.

(4) 방열 및 전원: 도시 하수도

엔비디아 최신 GB200 랙 전력 소비는 최대 120킬로와트에 달합니다. 수만 장의 카드가 함께 있으면 열이 엄청납니다. 액체 냉각은 '선택 사항'에서 '필수'로 바뀌었습니다. 마이크로소프트의 2상 침수 냉각 기술은 이미 Azure 서버의 냉각 에너지 소비를 95% 줄였습니다. Vertiv(VRT)가 이 분야의 선두주자이며, nVent(NVT), Modine(MOD)도 빠르게 성장하고 있습니다.

핵심 문제: 매력적이지 않지만 필수 불가결합니다. 전형적인 세 번째 원——대부분이 보지 못하지만, 이것 없이는 AI 데이터센터가 돌아가지 않습니다. 곧 관련 보고서를 내놓을 예정입니다.

(5) 서버 및 데이터센터

Dell, Supermicro는 칩, 메모리, 네트워크, 방열을 통합해 AI 서버를 만듭니다. Equinix, Digital Realty는 물리적 서버실을 제공합니다. CoreWeave(2025년 IPO)는 순수 GPU 클라우드의 대표입니다.

(6) 클라우드 컴퓨팅 플랫폼: 연산력 도매상

AWS, Azure, GCP는 연산력의 '도매상'입니다. 이 세 클라우드는 전 세계 시장 점유율의 약 65%를 차지합니다. 오라클은 AI 클라우드 성장 덕분에 예상치 못한 승자가 되었습니다.

두 번째 계층: 모델과 도구——AI의 '운영체제'

이 계층은 AI 산업 체인에서 가장 주목받고, 성장 속도가 가장 놀랍지만, 구도가 가장 불확실한 계층입니다.

5강 쟁탈전: OpenAI(GPT), Anthropic(Claude), Google(Gemini), Meta(Llama 오픈소스), xAI(Grok). 이 계층의 매출 성장률은 입이 떡 벌어질 정도입니다. Anthropic의 ARR(연간 반복 매출)은 2024년 말 10억 달러에서 2025년 말 90억 달러로 급등했고, 2026년 4월에는 이미 300억 달러를 돌파했습니다.

Salesforce는 연 매출 300억 달러를 달성하는 데 20년이 걸렸지만, Anthropic은 3년도 채 걸리지 않았습니다. OpenAI의 현재 ARR은 약 240억 달러로, 두 회사를 합치면 500억 달러를 넘습니다. 모델 회사는 더 이상 '돈을 태우는 이야기'가 아니라, 진짜 돈이 되는 사업입니다.

하지만 매출 폭발 뒤에는 주목할 만한 구조적 변화가 일어나고 있습니다: AI 연산력의 중심이 '훈련'에서 '추론'으로 이동하고 있습니다.

지난 2년 동안 AI의 주요 연산력은 대규모 모델 훈련——방대한 데이터를 주입해 모델이 세상을 이해하도록 학습시키는 것——에 소비되었습니다. 하지만 모델이 일단 훈련되면, 다음 단계는 '추론'——즉, 모델이 실제로 질문에 답하고 작업을 수행하도록 하는 것입니다.

Deloitte의 연구에 따르면, 추론의 연산력 소비는 2025년 말에 이미 훈련을 추월하여 AI 클라우드 인프라 지출의 55% 이상을 차지했습니다. 어떤 이들은 "과거에는 연산력의 80%가 훈련에, 20%가 추론에 사용되었지만, 미래에는 이 비율이 역전될 것"이라고 지적하기도 합니다.

이것이 의미하는 바는 무엇일까요? 추론 시장은 훈련 시장보다 훨씬 클 가능성이 높으며(2030년에는 2550억 달러에 이를 것으로 예상), 추론에 필요한 칩 요구 사항은 훈련과 다릅니다——극한의 연산력 피크보다는 비용 효율성과 낮은 지연 시간에 더 중점을 둡니다. 이것이 엔비디아의 독점에 도전할 돌파구가 될 수 있습니다: AMD, Marvell(최근 엔비디아로부터 20억 달러 투자 유치), 그리고 각종 자체 개발 칩들이 모두 추론 시장을 겨냥하고 있습니다.

이 계층에서 가장 고민해볼 문제는: AI 모델이 과점(寡占)을 형성할 것인가, 아니면 '상품화(commoditization)'될 것인가?

Meta의 Llama는 무료로 공개되었고, DeepSeek는 극히 낮은 비용으로 경쟁력 있는 모델을 만들어냈다. GLM-5의 현재 API 패키지는 품절 상태이며, 오픈소스가 모델 계층의 진입 장벽을 낮추고 있다. 하지만 '상품화'가 그렇게 간단한 것만은 아니다. 각 모델의 성능 차이는 줄어들고 있지만, 완전히 사라지지는 않았다.

특히 심층 사용 시나리오에서는 모델 간 체험 차이가 여전히 두드러지며, 기업의 API 통합, 워크플로우 커스터마이징, 데이터 축적은 모두 전환 비용을 발생시킨다. 최종 구도는 '승자 독식'도, '완전한 상품화'도 아닌, 그 중간 형태일 가능성이 크다. 즉, 소수의 모델이 주요 시장을 점유하되, 서로 차별화된 경쟁을 유지하는 형태다.

만약 모델 계층의 이익이 오픈소스에 의해 압축된다면, 진정한 가치는 상위 계층과 하위 계층으로 이동할 것이다. 상위 계층, 즉 인프라 계층으로 이동하는 이유는 모든 사람이 모델을 실행해야 하므로 연산 수요가 줄지 않고 오히려 증가하기 때문이다. 하위 계층, 즉 애플리케이션 계층으로 이동하는 이유는 호출 비용이 낮아지면서 AI 애플리케이션이 더 쉽게 수익을 창출할 수 있기 때문이다. 이러한 이익 재분배 과정은 향후 몇 년간 AI 산업 체인에서 가장 중요한 변수 중 하나가 될 가능성이 크다.

세 번째 계층: 미들웨어와 플랫폼——접착제 계층

모델과 애플리케이션을 연결하는 중간 계층. 대표 기업: Scale AI(데이터 라벨링 및 AI 평가, 기업 가치 138억 달러), LangChain(LLM 애플리케이션 개발 프레임워크), Hugging Face(모델 공유 플랫폼, AI 분야의 GitHub).

이 계층의 대부분 기업은 아직 상장되지 않았으며 규모도 작다. 하지만 AI 애플리케이션 계층이 폭발적으로 성장하면, 이러한 '접착제' 기업들은 폭발적인 성장을 맞이할 수 있다. 이는 전자상거래가 폭발했을 때 Shopify와 Stripe가 부상한 것과 같다. 지속적인 관심이 필요하다.

네 번째 계층: 수직 애플리케이션——돈의 입구

AI가 최종 사용자에게 직접 가치를 창출하는 곳. 몇 가지 방향:

기업 AI 플랫폼: Palantir는 AI 운영 체제를 정부와 기업에 판매한다. ServiceNow, Salesforce는 기존 SaaS에 AI를 접목하고 있다.

코드 도구: GitHub Copilot이 사실상의 표준이며, Cursor가 도전하고 있다. 논리는 매우 명확하다. AI가 프로그래머의 효율을 두 배로 높일 수 있다면, 모든 기업이 비용을 지불할 것이다.

의료 AI: Isomorphic Labs(Alphabet 산하, AlphaFold 혈통)는 장기적으로 가장 주목할 만한 투자 대상으로, 2027년 IPO가 예상됩니다.

로봇 및 임베디드 인텔리전스: 장기적으로 TAM이 가장 큰 분야입니다. 테슬라 Optimus, Figure AI, 우슈 테크놀로지가 대표적이나, 현재는 매우 초기 단계입니다.

자율주행: Waymo가 상업화에 가장 성숙했으며, 테슬라 FSD는 비전 기반 방식으로 추격 중입니다.

애플리케이션 계층은 가장 다양하면서도 승자를 가리기 어려운 영역입니다. 하지만 주목할 만한 트렌드는 2026년 글로벌 AI 애플리케이션 시장 규모가 처음으로 상류 인프라 시장을 초과할 것으로 예상된다는 점입니다. 즉, 자금이 '도시 건설'에서 '상점 개업'으로 이동하고 있습니다. 동시에 AI Agent(자율 에이전트)는 기업 애플리케이션의 새로운 형태로 자리 잡고 있으며, 2026년 말까지 기업 애플리케이션의 40% 이상이 내장 AI Agent 기능을 포함할 것으로 예상됩니다. 2025년에는 이 비율이 5% 미만이었습니다.

횡단 차원: 에너지——AI의 궁극적 제약

모든 계층이 피할 수 없는 문제가 있습니다: 전력은 어디서 오는가?

AI 데이터센터의 전력 소비량은 기하급수적으로 증가하고 있습니다. 마이크로소프트는 전력 부족으로 800억 달러 규모의 Azure 주문을 이행하지 못하고 있습니다. 이는 에너지 투자 물결을 촉발했습니다: Constellation Energy(원자력), NuScale 및 Oklo(소형 원자로), GE Vernova(가스 터빈) 등이 대표적입니다.

AI는 지속적으로 확장될 것이며, 에너지 인프라는 확실성이 매우 높은 파생 트랙입니다.

제4장: 합의를 넘어선 네 가지 질문

지도를 그린 후, 가장 가치 있는 것은 합의를 확인하는 것이 아니라 시장이 간과할 수 있는 요소를 식별하는 것입니다. 현재 저는 4가지 질문에 주목하고 있으며, 향후 연구는 이 관점에서 더 많이 시작할 예정입니다.

질문 1: 트레이닝에서 추론으로의 전환이 누구의 운명을 바꿀까?

지난 2년간 AI 컴퓨팅 파워의 주요 수요는 대규모 모델 트레이닝이었습니다. 하지만 이제 추론(모델이 실제로 작동하도록 하는 것)이 트레이닝을 넘어 더 큰 시장이 되었습니다. 추론은 트레이닝과 달리 칩에 대한 요구 사항이 다릅니다——극한의 컴퓨팅 파워보다 가성비에 더 중점을 둡니다.

이것은 새로운 가능성을 열어줄 수 있습니다: 엔비디아는 트레이닝 시장에서 거의 독점적인 지위를 유지하고 있지만, 추론 시장은 더 분산되어 있어 AMD, Marvell, Broadcom 및 각사의 자체 개발 칩에도 기회가 있습니다. 동시에 추론의 '지속적 소모' 특성은 연산 능력 수요가 일회성이 아니라 AI 애플리케이션의 보급과 함께 지속적으로 증가한다는 것을 의미합니다. 이는 전체 공급망에 좋은 소식입니다.

문제 2: 6000억 달러의 투자, 그 수익은 어디에?

2026년 5대 빅테크 기업의 자본 지출은 6000억 달러를 초과할 것으로 예상되지만, AI 애플리케이션에서 발생하는 수익은 이 숫자의 극히 일부에 불과합니다. 역사적으로 이와 유사한 투자-수익 격차는 단 한 번 발생했습니다. 바로 1990년대 말의 통신 인프라입니다. 당시 결과는 수많은 광섬유 기업의 파산이었습니다.

물론 핵심적인 차이점은 당시 통신 기업들은 부채에 의존했지만, 오늘날의 빅테크 기업들은 자체 이익에 의존하며 부채 비율이 역사적 최저 수준에 있다는 점입니다. 하지만 AI 애플리케이션의 수익화 속도가 따라잡히지 않으면 자본 지출 증가 속도는 반드시 둔화될 것입니다. 이는 전체 공급망에 영향을 미칠 것이며, 어떤 기업에 위험이 될까요?

문제 3: 두 번째, 세 번째 원의 지형은 어떻게 생겼을까?

엔비디아는 첫 번째 원으로, 이미 충분히 연구되고 가격이 책정되었습니다. 광 상호 연결과 전원 공급은 두 번째 원으로, 시장에서 재평가되고 있습니다. 그렇다면 세 번째 원은 어떨까요? 방열, 특수 위탁 생산, AI 보안, 엣지 추론 칩 – 이러한 분야에는 어떤 기업들이 있으며, 비즈니스 모델은 무엇이고, 경쟁 구도는 어떨까요? 이러한 질문들을 지금 명확히 하지 않으면, 실제 기회가 왔을 때 늦습니다. 이것이 바로 앞으로 단계별로 연구해야 할 과제입니다.

문제 4: 지정학이 공급망에 어떤 영향을 미칠까?

미국의 중국에 대한 AI 칩 수출 통제는 글로벌 AI 공급망을 둘로 나누고 있습니다. 엔비디아 H20이 금지되면서 중국은 독립적인 AI 인프라를 구축하고 있습니다. 이는 두 개의 병렬 공급망이 모두 투자되고 있음을 의미하며, 총 규모는 예상보다 더 클 수 있습니다. 하지만 동시에 일부 공급업체는 '편 가르기'의 위험에 직면할 수 있습니다.

5장: 앞으로의 방향

지도가 그려졌으니, 이제 주요 임무를 수행할 차례입니다.

첫 번째 계층부터 시작하여 하나씩 깊이 파고들겠습니다. 게임에서 지역을 클리어하는 것과 같습니다. 먼저 메인 퀘스트(각 계층의 핵심 기업과 논리)를 진행하고, 그다음 서브 퀘스트(가장자리에 있지만 놀라운 가능성이 있는 부분)를 진행합니다.

각 단계에서 세 가지를 확실히 이해해야 합니다: 이 단계의 비즈니스 모델은 무엇인가? 경쟁 구도는 어떠한가? 밸류에이션 수준은 어느 정도인가? 이 세 가지를 확실히 이해하면, 앞으로 시장이 어떻게 변하든 우리는 판단의 기반을 갖출 수 있습니다.

몇 마디 잡담

이 산업 체인 개요를 작성하면서 LITE의 이야기가 떠올랐습니다.

저는 이전에 공식 계정에서 Lumentum(LITE)에 대해 깊이 있게 복기한 적이 있습니다. LITE가 1년 만에 20배 오른 것을 어떻게 잡았을까? 이는 교과서적인 사례입니다: 2024년 중반, 시장은 여전히 이를 '통신 주기주'로 취급하며 주당 50달러에 아무도 관심을 두지 않았습니다. 하지만 그 실체는 AI 데이터센터의 '신경계'였고, InP 레이저의 글로벌 점유율 50-60%, 구리 케이블의 물리적 한계, 경영진이 적자 시기에 역주기로 생산을 확장한 점, 장부 자산 가치가 시가총액보다 높았던 점 등이 있었습니다.

모든 정보는 공개되어 있었지만, 제 머릿속에는 이를 식별할 산업 체인 지도가 없었습니다.

모든 놓침은 결국 '손이 느려서'가 아니라 '연구가 부족해서'입니다.

이것이 제가 '지식 창고'를 만드는 이유입니다. AI는 충분히 긴 트랙입니다—지금 타지 못했다고 불안해할 필요가 없을 정도로 길지만, 아무것도 하지 않고 가만히 기다릴 수도 없습니다. 산업 체인의 각 레이어와 모든 단계를 확실히 이해하는 것 자체가 최고의 준비입니다. 시장이 우리에게 기회를 주는 그날—거품이 꺼진 후의 폐허든, 갑작스러운 변곡점이든—손에 지도가 있다면 몇 초 만에 판단할 수 있습니다.

'킬러 같은 직감은 타고나는 것이 아니라 수천 시간의 연구를 통해 얻어집니다.'

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