★250911 GQG - Dotcom on steroids★

AI가 주도하는 기술 관련 사업 투자는 상반기 성장률에 0.5% 기여했으며, 이는 전체 성장률의 약 3분의 1에 해당함. 절대 지출 수준은 내년에도 높은 수준을 유지할 것으로 예상됨 하지만 성장률이 낮다는 것은 GDP 기여도가 0.1% 미만일 것임을 의미함. 소프트웨어 가격의 이례적인 변동은 2024년 기여도를 과소평가하고 상반기 기여도를 과대평가할 가능성이 높음. GDP에서 기술 투자가 일부 과소평가되었음을 시사하는 다른 측정 문제도 논의함. 1. 기술 투자와 GDP 성장 기여 2분기 2025년 기준, 전 산업 R&D 증가율은 0.8%에 불과. NVIDIA 2분기 R&D 지출은 전년 대비 10억 달러 증가 → 매출 증가 170억 달러 대비 작은 수준. 2024년 AI 투자 강화에도 기술 투자는 GDP 성장 기여도가 0.1%에 불과 (2024년 GDP 전체 성장률 2.5%). 1H25 ...

개요 현재 미국 기술주의 상황을 1990년대 후반의 닷컴 버블과 비교하며, 이것이 버블의 시작인지(1995/96년), 아니면 정점인지(1999/2000년)에 대한 분석을 진행함. 미국 기술주가 거품처럼 보이지만, 거품이 더 커질 수 있는 잠재력과 함께 낙관론과 회의론이 모두 존재하며, 특히 트럼프 행정부 하에서의 정책 환경이 중요한 변수가 될 수 있음. 빅테크 기업들이 차지하는 시총 비중이 2000년 닷컴 버블보다 높은 새로운 최고치에 도달함 기술주 강세론(The Bull Case) 미국 증시가 반등하여 사상 최고치를 경신했고, 인공지능(AI)에 대한 낙관론이 투자 심리 회복에 결정적인 역할을 했음. 이러한 강세론을 뒷받침하는 주요 논점은 다음과 같음. 수익 및 투자 급증: 미국 기술 부문은 계속해서 수익이 급증하고 있으며, 데이터 센터와 IT 인프라 구축을 위한 대규모 자본 지출(Capex) 투자가 경제 전반에 가시적인 영향을 미치기 시작했음. 2025년 한 해 동안 주요 빅테크 기업들이 AI 관련 활동에만 400B달러 이상(미국 전체 GDP의 1% 이상)을 지출할 것으로 예상됨. NVDA 시총이 미국 전체 시총의 7%에 육박하고 있음 인공 협소 지능 -> 인공 범용 지능으로 진행중. LLM은 '협소 지능'에 해당함. AGI로의 지수적 경로: 강세론자들은 AI 혁명이 이제 막 시작되었으며, 빅테크 기업들이 AI에 막대한 자금을 계속 투자하여 기술 발전을 가속화하고 궁극적으로는 인간과 같은 인지 능력을 가진 '범용 인공지능(AGI)'을 개발할 것이라고 믿고 있음. 빅테크 capex는 GDP 대비 급증하고 있음. / 실질 기술 자본지출의 YOY 변화율 : 닷컴 버블만큼의 광적이고 급한 자본지출은 아님 생산성 향상: 대규모 투자가 AI 능력 향상과 투자 수익률 증가의 선순환을 만들어낼 것이라는 믿음이 있음. 닷컴 시대와는 다른 수익성: 현재의 기술주 리더들은 닷컴 시대의 기업들과 달리 이미 높은 수익성을 입증했으며, "밸류에이션이 닷컴 시대와는 전혀 다르다(valuations nothing like the Dotcom era)"고 강조했음. 보고서의 차트 9에 따르면, 현재 기술주들의 주가수익률(trailing PE)은 25-50 범위이지만, 1990년대 후반에는 40-530 범위였음 현재 빅테크 기업들의 주가수익률(PE)이 닷컴 시대의 기업들에 비해 훨씬 낮음을 보여줌. 닷컴 시대 기업들의 PE가 40-530이었던 반면, 현재는 25-50 범위 기술주 약세론(The Bear Case) AI LLM은 두 가지 심각한 문제가 있음. 첫째, 신뢰성이 낮습니다(자신의 능력을 잊어버리거나 같은 문제를 여러 가지, 때로는 해결하기 어려운 방식으로 해결하는 경향이 있습니다). 둘째, 신뢰할 수 없습니다(사실을 꾸며내거나 "환각"하는 경향이 있습니다). GenAI는 빠르고 열정적인 인턴이라고 생각하면 됨. (너무 열정적이어서 종종 거짓말을 하고 사실을 꾸며내며, 분석 결과를 철저히 검증하지 않고 결과를 공개함) 인간과는 달리 세상을 이해할 인지적 프레임워크나 정신적 지도가 없기 때문에 자신이 무엇을 하고 있는지, 무엇을 말하는지 진정으로 이해하지 못함. GenAI는 인간이 인터넷에 이미 작성한 내용을 그대로 복사/붙여넣기하고 특정 스타일을 모방하는 미화된 복사/붙여넣기 기계일 뿐임. 더 안좋은 것은, 이러한 사고방식이 "확장"을 통해 변화할 것이라는 생각, 즉 점점 더 많은 하드웨어(즉, 새로운 데이터 센터)를 사용하여 점점 더 많은 데이터로 학습시킬 것이라는 생각은 항상 절망적으로 결함이 있는 것처럼 보였습니다. AGI로 가는 기하급수적인 경로는커녕, 우리는 수확 체감 지점에 도달한 것으로 보임. AI 역량은 여전히 ​​향상되고 있지만, 기술 애호가들이 약속했던 속도에는 미치지 못합니다. GPT-5는 기대에 미치지 못했고, LLM은 한계에 부딪힌 것으로 보임. LLM이 막다른 길이라면, 기술 기업들이 매년 300B~400B 달러를 투자하여 교육 인프라를 구축하는 것이 과연 바람직한 생각인지 의문이 들고 있음. 적절한 수익원을 제공할 수 있는 설득력 있는 "활용 사례"가 있는가. 다행인 것은 LLM이 비록 결함이 있지만, "미시적" 수준에서는 특정 작업에서 상당한 효율성 향상을 가져올 수 있다는 것임. 표 1은 생산성 향상에 대한 최근 학술 연구와 그 결과를 요약한 것으로, 일반적으로 40~60% 범위임. (결과물 디버깅에 시간을 너무 많이 소비하여 마지막 퍼포먼스는 -20%가 나옴) 누가 이러한 서비스에 비용을 지불할 의향이 있는지에 대한 큰 의문이 남게됨(특히 LLM이 점점 더 상품화되는 세상에서). AI 사용자를 대상으로 한 기업 설문 조사 결과는 고무적이지 않음. MIT의 충격적인 보고서에 따르면, 광범위한 실험에도 불구하고 GenAI가 수익성이 있다고 판단한 기업은 5%에 불과했으며, 더 심각한 것은, 리더격인 대기업들의 도입률이 최근 감소했다는 것임. AI가 생산성에 미치는 전반적인 영향에 대해 어떻게 생각해야 할까? 경제 전체적으로는 표 1에 기록된 것과 같은 효율성 향상을 달성하지 못할 것이라는 점은 명백함. 전체 고용 중에서 지식 집약적 활동(여전히 물리적 요소가 강한 건설, 제조, 전문 서비스업을 생각해 볼 것)에 기반을 둔 직업의 비중은 작음. 그리고 이것이 지식 집약적 활동이 주된 업무인 기술(또는 금융) 분야에 종사하는 사람들이 AI의 중요성을 과장하게 되는 이유일 것임. 우리는 "일반균형 효과"라고 ​​부르는, 효율성의 총 증가량이 각 부분의 합과 같지 않은 현상을 충분히 고려하지 못하고 있을 가능성이 있음. 예를 들어 AI가 과학적 발견의 급속한 진전을 가져오더라도 자원의 잘못된 배분( 경제가 AI를 완전히 흡수하지 못하기 때문)을 초래한다면? 이러한 결과는 예측하기가 어려움. 이것이 AI가 전반적인 생산성과 산출량을 얼마나 증가시킬지에 대한 의견 불일치가 나타나는 주요 이유 중 하나임. AI 생산성에 대한 극단적인 낙관론은 이 기술이 로봇 공학과 같은 다른 분야의 발전과 상호 작용하여 자동화될 수 있는 작업의 전체 비중을 크게 증가시킬 것이라는 것임. 미용업 등은 오늘날의 AI(챗봇 등)에는 취약하지 않지만, AI 기반 로봇에는 훨씬 더 취약할 수 있습니다. 한편, 이코노미스트는 기계가 인간을 대체하는 데 매우 능숙해져 자본 축적을 제한하는 유일한 요소가 자본 자체인 세상을 상상합니다. 이는 진정으로 폭발적인 성장으로 이어질 것. AI의 거시적 영향은? AI가 생산성에 미칠 것으로 예상되는 영향에 대한 추정치는 차트 12에 있음. 대부분의 추정치는 AI가 생산성을 연간 약 1~2% 향상시킬 것으로 예상. 대체로 90년대 후반의 성과(차트 14)에는 미치지 못하며, 현재 이 기술을 둘러싼 과대광고를 잘 걸러내야함. 흥미롭게도, AI의 ...

RIC (Research Investment Committee : 투자 좌담회) BofA 글로벌 리서치(BofA Global Research)는 미국이 향후 12개월 동안 금리를 1.25%p 인하하여 약 3.25%로 인하할 것으로 예상하면서 19T에 달하는 미국 가계 현금의 매력도가 다소 낮아졌다고 밝혔음. 미국은 세계 중앙은행들과 함께 금리를 1.25%p 인하하여 향후 12개월 동안 약 3.25%까지 인하할 것으로 예상됨. 채권 시장에서는 장기 채권이 거래에 유리할 수 있지만, AAA 등급 대출 펀드는 변동성이 적고 수익률이 5%를 넘는다는걸 인지해야함. 주식 시장에서는 지난 2년간 전력, 인프라 및 산업, 원자력 회사, 파이프라인 MLP 등 "AI 활성화" 테마가 시장 수익률을 상회했음. 수익률은 높지만, 기술주와의 상관관계가 기록적으로 높아 위험 또한 높음(표 1). RIC 원탁회의…AI, 에너지, 그리고 전력망 에너지, 산업재, 유틸리티 부문의 위험/보상 전망과 공급망 및 전력망의 주요 병목 현상에 대해 논의하였는데, 강세론자들은 AI 수요가 강하고 정책적 위험은 아직 멀다고 보는 반면, 약세론자들은 자본지출 정상화가 임박했다고 우려하고 있음. 규모 확대 또는 축소 테마 및 ETF 바스켓은 단일 기업 리스크를 다각화할 수 있으며, 표 18에서는 투자자의 자산 배분에 도움이 되는 주요 위험 관리 통계를 볼 수 있음. 산업재 및 인프라(AIRR, PAVE)와 원자력(URA, NLR) 펀드는 최근 몇 년간 매력적인 베타 프로파일과 함께 강력한 절대 수익률과 위험 조정 수익률을 달성하였음. RIC 현금 비중 축소 압력이 더욱 심화되었음. 8월 고용 보고서 부진(표 2) 이후, 우리 경제학자들은 연준이 올해 두 차례, 2026년에 세 차례 인하하여 최종 금리가 약 3.25%가 될 것으로 예상함. 슈퍼코어 소비자물가지수(CPI)는 3.21% 상승하고 있음. 미국 가계는 19T 달러의 현금을 보유하고 있으며, 이는 코로나19 이전 추세보다 30% 높음. 인플레이션과 세금으로 인해 현금 수익률이 하락하는 것보다 성장과 수익률의 바벨이 더 선호되는 것으로 보임. 8월 심리 개선, 주요 지표는 견조 8월에는 ISM 신규 주문과 컨퍼런스 보드 소비자 신뢰지수를 포함한 투자자 및 경제 심리 지표인 "소프트 데이터"가 소폭 개선되어, 시리즈 지수가 평균보다 0.4sd 낮게 나타났음(표 3). 경제 및 금융 시장 활동의 "하드 데이터" 지표는 장기 평균보다 약 0.3sd높은 수준을 유지했음. AI 활성화 기업들이 나스닥을 앞지르고 있다. 이제 어떻게 해야 할까? 지난 2년 동안 주요 "AI 활성화 기업" 투자 테마는 기술주 중심의 나스닥 100 지수를 앞지르는 성과를 보였음. 여기에는 유틸리티, 산업 장비, 원자력, 파이프라인 MLP가 포함됨. 이러한 픽앤셔블(pick-and-shovel) 하위 섹터 또한 시장과의 연관성이 더욱 높아졌음. 전력 생산업체와 가스 파이프라인의 경우 상관관계는 71%, SMID 캡 산업재 공급 기업의 경우 86%, 그리드 인프라 기업의 경우 92%였음. 우라늄 및 원자력 발전 기업만이 56%의 상관관계를 보이며, 이러한 기업들의 동조화는 상대적으로 낮음. 지난 10년간 표준화된 추세를 고려할 때, "모든 것이 단일 거래"가 될 위험이 있음(표 4). Picks-and-shovel : 곡괭이와 삽 골드러시 시대에 금을 캐는 사람들보다 삽과 곡괭이를 판 상인들이 더 꾸준하게 돈을 벌었다는 일화에서 나온 관용구 투자자들은 미국 시장이 이미 매우 집중되어 있다는 것을 알고 있지만, 시장은 AI 고객의 지출과 이들을 지원하기 위한 하이퍼스케일러의 자본지출에 더욱 의존하게 되었음. Bull case : 데이터 센터 추세는 그대로이며 가속화되고 있음 경제분석국(Bureau of Economic Analysis)에 따르면, 2025년 상반기에 데이터 센터 및 기타 "정보 처리 장비"에 대한 투자는 미국 소비자들의 모든 지출이 GDP에 기여한 만큼 GDP 성장에 기여했음. 기계, E&C 및 폐기물 분석가인 마이클 페니거(Michael Feniger)는 7월에 시작된 데이터 센터의 규모가 14B 달러에 달하며, 2025년 총 투자액은 125개의 프로젝트가 시작되어 26.9B에 달할 것이라고 언급했음(표 5). 기업 투자 붐은 대기업의 노동 생산성 급증과 맞물려 나타났으며, S&P 500 지수의 근로자 1인당 실질 매출은 사상 최고치를 기록했음(표 6). 더 광범위한 투자 환경 또한 개선되고 있음. 글로벌 이익 수정 비율은 미국의 EPS 상향 조정에 힘입어 4년 만에 최고치에 근접하고 있으며, 미국 Regime indicator는 현재 "회복" 영역에 있으며, 이는 시장이 더 상승할 가능성을 시사하고 있음. bear case : 고객의 봇은 어디에 있는가? 거대한 지출과 S&P 500 수준의 성장에도 불구하고, 경제 전반에 걸쳐 총요소생산성 향상에 대한 증거는 아직 많지 않습니다. AI는 혁신적일 수도 있고, 미미할 수도 있으며, 예상보다 더 오래 걸릴 수도 있음(표 7). AI는 노동 생산성 향상을 가져올 수 있지만, 자본 활용의 효율성이 떨어진다는 단점이 있음. 지금까지 닷컴 버블 시대와 비교했을 때, AI의 성장세는 그다지 좋지 않았음(표 8). (아직까지 AI는 실질적인 생산성 향상을 보여주고 있지는 않음) AI는 경제 전반의 생산성을 향상시켰지만, 초기 수혜자들에 의해 투자금을 빠르게 회수하지 못한 수많은 기술 중 최신 기술이 될 수 있음. 1800년대 중반 미국과 영국의 철도, 1990년대 광섬유 케이블과 인터넷, 2010년대 셰일 수압파쇄: 이 모든 기술에는 막대한 자본 지출이 필요했고, 그 효과는 초기 주식 거품이 터진 후에야 실현되었음(표 9). 영원한 것은 없다. 투자 열풍이 식기 전에 생산성 향상이 실현된다 하더라도, 하이퍼스케일러가 얼마나, 얼마나 오랫동안 용량을 추가할 수 있는지에 대한 논쟁이 있음. 낙관론자들은 수요가 실제로 가속화되고 있으며 ...

미국의 의료 지출은 고령화와 의료비 상승으로 인해 지속 불가능한 속도로 증가하고 있음. 미국과 주요 국가들 간의 격차는 더욱 벌어지고 있는데 AI가 2050년까지 의료비 상승을 어떻게 도울 수 있는지 살펴볼 것임 주요 내용 미국과 주요 국가 간 의료비 지출 격차는 확대되어 2023년 기준 미국 GDP의 약 18%에 달하는 반면, 주요 국가 평균은 11%에 달함 현재의 선형적 성장 궤적을 가정하면 미국 의료 지출은 2020년까지 약 25%에 이를 것으로 예상 AI가 긍정적인 영향을 미치고 HC의 핵심을 이루는데 도움이 되는 세그먼트를 탐색 미국의 의료비 지출은 지속 불가능한 방향으로 증가하고 있으며, 이는 주로 인구 고령화와 1인당 비용 증가에서 비롯함. 미국과 주요 국가 평균 간의 의료비 지출 격차는 1970년 이후 확대되어 왔으며, 2023년에는 미국 GDP의 약 18%에 도달하는 반면 주요 국가는 11%였음(표 18). 2030년대 초에는 약 20%까지 증가할 것으로 예상됨(표 19). 2022~2033년과 동일한 선형 성장 궤적을 가정할 경우, 미국 의료비 지출은 2050년에는 GDP의 약 25%에 도달할 것으로 예상되는데, 이는 CBO가 2007년 보고서(링크)에서 예측한 약 37%보다 높음. 우리는 이처럼 먼 미래까지 예측하는 데 있어 오차 범위가 크고 고려해야할 여러 변수가 있다는 것을 알고 있지만 의료 시스템에 큰 구조적 변화가 없다면 전반적인 추세는 명확하다고 보임. 2050년 의료비 지출을 GDP의 약 20% 수준으로 유지하려면(vs 2050년으로 프로젝션을 하면 25% ~ 30% 예상) 2.3T/4.6T의 총 절감이 필요할 것으로 예상함. 이는 CBO 보고서에 나온대로 2050년 미국 GDP가 46T라고 가정했을 때임. 따라서 정책 입안자들은 비용 곡선을 변경시킬 방법을 모색하고 있음. AI는 혁신/비용 절감을 촉진하고 고령화 인구의 인구학적 추세에 대응하는데 도움이 될 것으로 예상됨. 특히 유엔은 2050년에 유럽에서 60세 이상 인구 비율이 약 35%, 북미에서 약 30%에 이를 것으로 전망하며, 미국에서는 25~64세 인구 100명당 65세 이상 인구가 2020년 약 30명에서 2050년 약 45명으로 증가할 것으로 예상됨(표 21). 분석에서는 처음에는 (1) 신약 개발/R&D 생산성, (2) 병원, 그리고 (3) 관리형 의료/가치 기반 의료에 초점을 맞추었지만, 의료 환경 전반에 걸쳐 더 광범위한 기회 찾고 있는 중임. 공공 및 민간 기업 환경을 모두 살펴보았을떄(표 48~표 53). 이러한 노력을 통해 총 400B ~ 1.5T를 절감할 수 있을 것으로 예상함. 이는 의료 지출을 GDP의 약 20%로 유지하는데 필요한 총 절감액의 17%~53%(2.3T 중) 또는 11%~33%(4.6T 중)에 해당함. 이는 본 보고서에서 논의하는 GDP 대비 의료 지출의 25%/30% 예상치를 20%로 절감했을때의 효과를 계산한 결과임. 의약품 비용에 대한 레토릭/소문이 끊이지 않지만, 실제로 의약품 비용은 전체 의료비 지출에서 차지하는 비중이 매우 적음.(CMS 기준 약 9%). 더욱이, 의약품은 질병을 치료하거나(예: 항감염제) 병원/의원 입원을 예방하는 데 효과적이며(예: 백신), 마찬가지로 중요한 의약품은 환자들이 퇴원 후 사회에 더 빨리 기여하고 참여할 수 있도록 도와줌. 학술 연구에 따르면, 출시된 신약은 기간에 따라 입원 기간을 약 11~16% 감소시키는 것으로 나타났음. AI가 업계의 R&D 생산성을 향상시켜 승인 의약품 수를 증가시킬 수 있다면(기준치 대비 10~40%), 병원 진료 및 의사/임상 서비스 비용 절감 효과는 상당할 것으로 예상됨. 구체적으로, 우리는 2050년의 잠재적 절감액이 약 100B~600B 달러에 이를 것으로 추정함(표 26). 이는 의료비 지출을 약 20%로 유지( vs 25/30% 예측치)하는 데 필요한 총 절감액의 약 4%~22%/2%~13%에 해당함. 많은 바이오제약 기업(공개 및 비공개)이 내부 노력 및/또는 외부 파트너십을 통해 신약 개발에 AI를 활용하고 있음. AI의 잠재적 영향과 구현 기간에 대한 다양한 의견이 있는데, 예를 들어, 암젠은 3~6년 안에, 그리고 거의 확실히 10년 안에 효과를 볼 수 있을 것으로 예상하고 있음. 반면 릴리는 아직 이해되지 않은 생물학 분야가 많기 때문에 신약 개발을 위한 AI는 현재로서는 혁신적이라기보다는 진화적이라고 표현하고 있음. 반면, 병원 진료는 미국 의료 지출에서 가장 큰 비중을 차지함(전체의 약 3분의 1). CMS는 병원 지출이 2032년까지 연평균 약 5.4%씩 증가할 것으로 예측하고 있음. 많은 병원들이 이미 AI를 도입하기 시작했으며, 인력, 공급망, 환자 예약, 약물 복용률, 검사실 운영 등을 최적화하여 상당한 비용 절감 효과를 보고 있으며, 이를 통해 미국 의료 시스템의 10~20%에 달하는 상당한 비용 절감 효과를 창출할 수 있다고 보임. 이는 2050년 의료 지출의 약 300B~900B 달러에 해당하며, 이는 의료 지출을 GDP의 약 ...

AI에 있어 물은 전력만큼이나 중요함. 물 소비 관리 솔루션이 이미 등장하고 있지만, 이는 여전히 과소평가된 주제임. 이 보고서는 AI에 있어 물의 중요성을 평가하고, 물 사용에 더욱 민감한 AI 환경에서 수혜를 입을 산업들을 조명함. AI의 물 소비량 증가 AI 데이터 센터는 2028년까지 냉각 및 전력 생산을 위한 연간 물 소비량을 약 1,068 billion 리터(기준 시나리오)로 증가시킬 것으로 예상함. 이는 2024년 추정치 대비 11배 증가한 수치임. (이는 전력 수요의 8배 이상 증가에 해당함.) 데이터 센터 냉각에 따른 물 소비량은 잘 알려져 있지만, 전력 생산을 통한 간접적인 물 소비량은 상당하지만 과소평가되고 있음. AI의 'scope 3'인 물 소비량에는 반도체 제조가 포함되며, 반도체 제조 시설은 매일 최대 500만 갤런의 초순도 물을 소비할 수 있음. 이는 업계가 많은 공정이 물 사용에 의존하고 있음을 보여줌. 물 소비량은 끊임없이 변화하는 주제이지만, 당사의 추정치는 물 소비량, 물 사용량, 냉각 기술 보급률, 지역 에너지 구성 등을 가정한 것이며, 향후 운영 방식이 더욱 효율적인 솔루션을 도입함에 따라 이러한 가정은 모두 변경될 수 있음. 이러한 불확실성을 고려하기 위해, 다양한 수준의 가정을 반영한 세 가지 시나리오를 제시함. 이러한 시나리오에 따르면, AI로 인한 물 소비량은 2028년까지 연간 637B 리터에서 1,485B 리터에 이를 수 있음. 물 스트레스는 지역 중심적인 리스크임 AI의 총 물 사용량은 전 세계적으로 미미해 보일 수 있으나, 그 영향은 매우 지역에 따라 매우 다름. 세계 주요 데이터센터 허브의 절반 이상이 이미 '중간정도의 수자원 위험'에 직면한 지역에 위치하고 있음. 이러한 취약성은 2차 시장과 성장 파이프라인에도 반영됨. 최근 애리조나주 투산이 아마존이 지원하는 프로젝트 블루를 거부한 사례는 모든 정부 부처가 수자원 보호를 위해 개입하고 있음을 보여줌. 규제 환경 : 제한에서 인센티브로 규제 환경은 대응적 제한에서 선제적 인센티브 및 표준으로 진화하고 있음. 캘리포니아, 싱가포르, EU 등의 관할권에서는 물 효율적인 기술을 장려하기 위해 세액 공제, 정보 공개 의무화, 성과 벤치마크를 도입하고 있음. AI 물 소비에 대한 투자 프레임워크. 투자자들에게 이 과소평가된 주제는 세 가지 전략적 방향을 제시함 1) 활성화 기업 투자: 여기에는 AI 하드웨어용 수냉 솔루션과 물 재활용 및 처리 기술이 포함됩니다. AVC, Vertiv, Johnson Controls, Toray Industries를 포함하여 17개 주식(그중 9개는 OW 등급)이 있음. 2) 재생 에너지 기업: 이들은 전력 생산을 통해 물 소비 감소에 간접적으로 노출됨. 매출/자본 지출이 50% 이상인 54개 주식(그중 21개는 OW 등급)이 있음. 3) 강력한 수자원 관리 기업 : 하이퍼스케일러 또는 반도체 파운드리의 핵심 지표를 파악하여 수자원 관리 수준을 파악해야함. AI 데이터 센터로 인해 2028년까지 냉각 및 발전용 연간 물 소비량이 약 1,680B 리터(기준 시나리오)에 달할 것으로 예상되며, 이는 2024년 추정치 대비 11배 증가한 수치임(MS 추정에 따르면 GenAI 전력은 2028년까지 현재 수준의 8.5배로 증가할 것으로 예상). 이와는 별도로, 반도체 제조 또한 물 사용량이 많은데, 일반적인 시설에서는 매일 최대 500만 갤런의 초순도 물이 필요함. AI로 인한 물 소비량 증가는 상당할 것으로 예상되지만, 주요 산업 전반에 걸쳐 전통적인 전 세계 물 취수량과 비교하면 절대적인 증가량은 미미한 수준임. (예 : 관개, 산업, 가정, 축산업 등이 큰 비율을 차지). 따라서 2024년부터 2028년까지 AI DC 물 소비량 증가 규모는 1960년부터 2014년까지 평균 관개 취수량 증가량의 1%에도 미치지 못하지만, 빠른 성장 궤적은 AI 인프라가 전 세계적으로 확장됨에 따라 선제적인 물 관리의 필요성을 시사함. AI에 필요한 물 사용량 자체는 관개나 산업적 사용에 비해서는 무시할만한 수준이지만, 증가율은 매우 높음. AI의 물은 현장 데이터 센터 냉각부터 반도체 제조까지 아우르는데, AI의 물 사용량은 현장 냉각(scope 1), 발전(scope 2), 반도체 제조(scope 3)에서 발생함. 물 사용량은 기술, 에너지 공급 및 기후에 따라 다를 수 있지만, 일반적으로 발전(범위 2)이 AI 물 소비량에서 가장 큰 비중을 차지하며, 그 다음으로 냉각(범위 1)과 반도체 제조(범위 3)가 뒤따르고 있음. 지역적 위험으로서의 물 스트레스 AI로 인한 전 세계 물 사용량은 미미해 보이지만, 그 영향은 지역에 집중되어 있음. 세계 주요 데이터센터 허브의 절반 이상이 가뭄, 홍수, 수질 악화로 인한 위협에 직면한 중간 유역(중간 수준의 취약성)의 물리적 위험에 이미 직면해 있음. 데이터센터를 위한 2차 시장과 성장 파이프라인 또한 유사한 취약성을 보이며, 많은 지역이 높거나 매우 높은 물 스트레스에 직면해 있음. 실제로 슈나이더 일렉트릭, 알파스트럭처, 데이터센터 프론티어가 실시한 최근 ​​설문 조사에 따르면, 응답자의 73%가 물 부족으로 인해 데이터센터 프로젝트가 지연되고 있다고 답했음. 지방 당국은 물 스트레스로 인해 데이터센터를 제한하고 준공장(semi-fab)의 물 사용량을 줄였는데, 가장 최근에는 아마존이 지원하는 프로젝트 블루(Project Blue)가 가뭄에 취약한 애리조나주 ...