☆251023 MS - Future of Energy : Capitalizing on Market Weakness☆

AI 도입과 일의 미래(AI Adoption and the Future of Work) S&P 500 기업의 AI 도입 이점을 평가하기 위한 새로운 분석 프레임워크가 개발됨. 그 결과 약 9,200억 달러의 장기적인 이익 창출 잠재력이 확인되며, 이는 장기 시장 가치 창출 잠재력으로 13조~16조 달러에 해당될 수 있음. 전체 직업의 약 90%가 AI 자동화 및 증강에 의해 일정 부분 영향을 받을 것으로 평가됨. 일의 미래(Future of Work)와 일자리 창출 및 소멸 잠재력에 대한 평가가 포함됨. 세전 이익 대비 AI 가치 창출 잠재 시장(TAM)이 높은 산업군은 소비자 필수재 유통/소매, 부동산 관리 및 개발, 운송, 헬스케어 장비 및 서비스로 분석됨. AI 역량이 예상대로 빠르게 개선될 경우, AI 도입으로 인한 가치 창출 규모는 현재 추정치를 상회할 것으로 전망됨. AI 도입 이점 극대화 및 핵심 AI 인프라 제공 능력에 초점을 맞춘 다양한 테마 투자 전략이 개발됨. Why Is Our Al Adoption Work Relevant to Investing Now? 기업 AI 도입이 변곡점에 도달하는 징후가 최신 AI 매핑 업데이트를 통해 포착됨. 최신 AI 매핑 분석의 5가지 시사점은 다음과 같음: (1) AI 노출도 및 중요성이 광범위하게 확대되어 수조 달러 규모에 달함. (2) AI 중요도가 높은 기업에서 상대적 주가 성과 및 이익 추정치 상향 조정을 통해 알파(Alpha) 창출의 명확한 신호가 나타남. (3) 이번 라운드에서 AI의 '변화율' 승자는 소비자 및 부동산 부문임. (4) 금융 부문에서 AI 노출도가 크게 증가함. (5) 지역적으로 아시아 태평양 지역이 가장 두드러진 선두 주자로 나타남. AI 역량 개선 속도는 비선형적이라는 강력한 증거가 있으며, 투자자들이 이 역학을 과소평가하고 있는 것으로 보임. Agentic AI 작업 지속 시간 (복잡성의 대리 지표)은 7개월마다 두 배로 증가하고 있음. AI 역량이 비선형적인 속도로 계속 개선될 경우, AI 도입으로 인한 가치 창출 규모는 이미 높은 추정치를 넘어설 것으로 예상됨. How Does Our Work Impact Our Top-Down US Equity Strategy View? Morgan Stanley의 US Equity Strategy팀은 AI 기반 가치 창출 및 효율성 측면에서 헬스케어 장비 및 서비스, 운송, 소비자 서비스, 소프트웨어 및 서비스, 자본재, 자동차 및 부품, 소비자 필수재 유통 및 소매 부문이 상대적으로 더 큰 잠재적 기회를 가진 것으로 판단됨. 또한, 산업재는 저평가된 구조적 수혜자로 간주되며, 이는 비중 확대 의견을 지지함. Expected Best Practices for Al Adoption 성공적인 기업의 AI 도입 모범 사례가 제시됨. 이중 초점 - 효율성 및 혁신: 성공적인 기업은 AI를 반복적인 프로세스 자동화(비용 절감, 오류 감소)와 팀 역량 증강(제품 혁신 및 매출 촉진)을 위한 전략적 양방향 지렛대로 활용함. 인력 증강: AI를 직원 역량 강화를 위한 도구로 강조하며, AI가 단순 반복 작업을 처리하고 인간은 고부가가치 업무에 집중하도록 워크플로우가 재설계됨. 이 접근 방식은 사기 및 조직 지식을 유지하면서 생산성을 높이는 것으로 평가됨. 인재 및 거버넌스 구축: 기업은 대규모 AI 지원을 위해 인력 및 프로세스에 투자함. 이는 인력 재교육 및 AI 모델 관리자, 데이터 거버넌스 리드와 같은 새로운 역할 채용을 포함함. 동시에, 책임 있는 사용을 위해 강력한 AI 거버넌스가 확립됨. 긴급성과 목적을 가지고 행동: AI 도입이 변곡점에 도달하고 있으며, 선두 주자는 지속적인 경쟁 우위를 확보할 수 있음. 공급망 최적화, 개인화 마케팅 또는 핵심 운영의 지능형 자동화와 같은 영향력이 큰 영역에서 AI 솔루션 시범 운영이 즉시 시작됨. 성공적인 기업은 효과가 입증된 것을 전사적으로 신속하게 확장함. What We Will Cover in This Presentation 본 발표에서 다룰 내용은 다음과 같음 AI 도입 분석 및 투자 시사점 AI 개선의 비선형적 속도 테마 투자 프레임워크 관점에서 본 AI 도입 일의 미래에 대한 시사점 고려해야 할 위험 요소 AI 도입 분석 및 투자 시사점 The Importance of the Anthropic Economic Index Anthropic Economic Index는 AI가 노동 시장 및 광범위한 경제에 미치는 영향을 시간이 지남에 따라 이해하는 것을 목표로 함. 이 지수는 AI가 현대 경제 전반의 실제 작업에 어떻게 통합되고 있는지에 대한 가장 명확한 그림을 제공함. 방법론은 'Claude insights and observations (Clio)'라는 자동 분석 도구를 사용하여 Claude와의 약 100만 건의 대화 데이터셋에 적용됨. Clio는 사용자 개인 정보를 보호하면서 대화를 직업별 작업으로 정리하는 데 사용됨. 이는 미국 노동부의 약 20,000개 특정 작업 데이터베이스인 O*NET과 연계됨. Clio는 각 대화를 O*NET 작업 중 AI의 역할을 가장 잘 나타내는 작업과 일치시킴. 그런 다음 O*NET 체계에 따라 작업을 해당 직업으로 그룹화하고, 이를 다시 교육 및 도서관, 비즈니스 및 금융 등과 같은 상위 범주로 분류함. Agentic Al Adoption Methodology Agentic AI 도입 방법론이 설명됨. 이 방법론은 Anthropic Economic Index를 통해 작업자가 AI를 활용하는 작업 종류를 파악하고, O*NET Database를 통해 작업과 연관된 직업을 확인하며, Linkup 기업별 채용 공고 데이터 및 애널리스트 의견을 통해 S&P 500 기업의 직업 구성 비율을 분석함. 여기에 미국 노동통계국(BLS) 데이터를 통해 각 직업의 평균 급여를 반영함. Agentic AI를 통한 가치 창출 잠재 시장(Value Creation TAM)은 (기업당 평균 AI 자동화율) x (총 직원 수) x (직원 중앙값 급여)로 계산됨. 차트 제목: Agentic Al Adoption Methodology Embodied Al Adoption Methodology Embodied AI 도입 방법론이 설명됨. 이 방법론은 Morgan Stanley Research의 Embodied AI 및 휴머노이드 분석을 통해 Embodied AI로 자동화될 수 있는 직업을 식별하고, Linkup 기업별 채용 공고 데이터 및 애널리스트 의견을 통해 S&P 500 기업의 직업 구성 비율을 분석하며, 미국 노동통계국(BLS) 데이터를 통해 각 직업의 평균 급여를 반영함. Embodied AI를 통한 가치 창출 잠재 시장(Value Creation TAM)은 (기업당 평균 AI 자동화율) x (총 직원 수) x (직원 중앙값 급여)로 계산됨. Factoring in AI Implementation Costs: Agentic AI Agentic AI의 구현 비용은 고객 가치 창출의 5%로 가정됨. 이는 생산성 향상분의 1%에서 10% 사이에서 논의되는 소프트웨어 기업의 일반적인 가격 책정 범위를 바탕으로 한 수준임. 실제로는 기존 공급업체들이 기술 주기 동안 경쟁업체를 견제하기 위해 Agentic 솔루션의 가격을 더 공격적으로 책정하는 모습이 관찰됨. GitHub Copilot의 '가치 포착(value capture)'은 분석에 사용된 5% 가정치보다 낮은 것으로 보임. ServiceNow 및 Atlassian 같은 공급업체들은 Agentic 기능을 핵심 솔루션에 내장한 후 도입이 증가하면 수익을 창출할 계획임. Factoring in AI Implementation Costs: Embodied AI 미국 공장 내 AI 강화 로봇의 시간당 총 비용(fully loaded cost/hour)에 대해 여러 시나리오가 개발되었으며, 본 분석에서는 보수적인 추정치인 시간당 5달러가 사용됨. 이 비용은 미국 공장 근로자의 평균 임금인 시간당 36달러와 비교됨. 미국 제조업 부문에서 휴머노이드 로봇의 보급률이 20%에 도달할 경우, 미국의 총 제조 비용(fully landed manufacturing costs)이 중국과 동등해질 것으로 전망됨. AI Value Creation TAM as a % of 2026e Adj/ Pretax Income AI 도입 이점의 잠재 시장(TAM) 규모는 Agentic (소프트웨어 기반) AI와 Embodied (물리적 세계의 AI, 주로 로봇) AI 간에 거의 균등하게 분할됨. 이러한 총 TAM은 S&P 500 기업의 2026년 예상 조정 세전 이익의 25% 이상에 해당됨. Sector-Level AI Adoption TAM as a % of 2026e Adj. of Pretax Income) 장기적인 AI 도입 경제적 가치 창출 잠재력은 세전 이익 대비, 소비자 필수재 유통/소매, 부동산 관리 및 개발, 운송, 헬스케어 장비 및 서비스 산업군에서 가장 높은 것으로 분석됨. Thematic-Level AI Adoption TAM as a % of 2026e Adj. Pretax Income AI 도입 이점은 테마별 수준에서도 평가되었으며, 가장 매력적인 것으로 평가된 범주에는 생명 과학 분야 일부, 전력 인프라(탄소 포집 포함), 식품 및 음료의 미래 등이 포함됨. Our AI Adoption Value Creation Analysis Is Conservative, In Our View AI 도입으로 인한 경제적 가치 창출 잠재력을 평가하는 기초로 직업별 자동화 잠재력의 비율이 사용됨. 이 가치 창출은 단순히 인간을 AI로 대체하는 것만을 의미하지 않으며, (1) 수익 창출과 관련성이 낮고 창의성이 낮은 직업에서의 일자리 감소와 (2) AI로 인한 신규 채용, 경제 성장, 새로운 제품 및 서비스 개발로 인한 일자리 창출이 혼합되어 나타남. 분석은 보수적인 것으로 판단됨. 그 이유는 향후 AI 역량의 비선형적 개선이 반영되지 않았고, AI에 의해 자동화될 수 있는 직원의 비례적 비용만을 측정 기준으로 사용했기 때문임. 직원들이 AI를 통해 더 높은 부가 가치 업무를 수행하는 데 더 많은 시간을 할애하게 되어, 단순한 인건비 절감 측정을 초과하는 가치를 창출할 것으로 예상됨. AI 개선의 비선형적 속도(The Non-Linear Rate of AI Improvement) (Why Do We Have an Entire Section Devoted to the Rate of AI Improvement? AI 개선의 비선형적 속도는 많은 투자자, 경영진 및 정책 입안자들에게 과소평가되고 있다고 판단됨. 이 역학 관계를 완전히 반영하여 AI 도입의 함의를 평가하면 상당한 알파(Alpha)를 창출할 수 있음. AI 역량의 비선형적 개선 속도가 계속될 경우, AI 도입의 '가치 창출 TAM' 규모는 크게 증가할 것임. 이는 우수한 가격 결정력을 가진 AI 도입 기업들 사이에서 더 큰 가치 창출, 전력(power)을 포함한 AI 인프라 병목 현상 해결을 위한 긴급성 증가, AI 구현 기업들(AI Enablers)의 AI 자본 지출 대비 더 높은 투자수익률(ROIC)로 이어짐. An Example: Agentic AI Agentic AI의 비선형적 개선 속도에 대해 낙관적인 입장임. 독립적인 AI 평가 기관의 분석에 따르면, AI 성능을 측정하는 'AI 에이전트가 완료할 수 있는 작업의 길이'는 지난 6년 동안 일관되게 7개월마다 두 배로 증가함. 이러한 추세를 외삽하면, 5년 이내에 현재 인간이 며칠 또는 몇 주가 걸리는 소프트웨어 작업의 상당 부분을 독립적으로 완료할 수 있는 AI 에이전트가 등장할 것으로 예측됨. "Situational Awareness”: Data Showing AI’s Non-Linear Improvement Rate Leo Aschenbrenner가 2024년 6월에 발표한 에세이 "Situational Awareness"의 내용이 인용됨. 이 에세이는 AI 역량 개선의 비선형적 속도를 보여줌. GPT-2에서 GPT-4로의 발전과 같은 질적 도약을 초래하는 약 10만 배의 효율적인 컴퓨팅 규모 증가가 4년 동안 예상됨. 이러한 급격한 발전은 단순히 더 나은 챗봇이 아닌, 인력 대체품과 유사한 에이전트(agents)로의 전환을 의미함. 이러한 도약은 박사 학위 소지자만큼 스마트하여 동료로 함께 일할 수 있는 AGI(인공 일반 지능)로 이어질 수 있음. 또한, AI 시스템이 AI 연구 자체를 자동화할 수 있다면, 이는 강력한 피드백 루프를 작동시킬 것으로 예상됨. 비선형적 AI 개선 속도에 대한 두 가지 예시 [Two Exhibits from Leo Show the Non-Linear Rate of AI Improvement] Leo Aschenbrenner의 "지능 폭발" 시나리오 AGI(인공일반지능)에 도달하면 단 하나의 AGI만 존재하는 것이 아니라, 추론 GPU 플릿을 통해 수백만 개의 AGI(1억 명의 인간과 동등한 수준, 곧 인간 속도의 10배 이상)를 실행할 수 있게 됨 AGI가 사무실을 돌아다니거나 커피를 만들 수 없더라도, 컴퓨터에서 ML(머신러닝) 연구를 수행할 수 있음 이는 선도적인 AI 연구소의 연구자 및 엔지니어 수백 명 대신 10만 배 이상의 인원이 밤낮으로 알고리즘 혁신에 열중하는 상황을 의미함 이는 재귀적 자기 개선을 일으키지만, 공상 과학 소설이 필요하지 않으며, 단지 기존의 알고리즘 발전 추세를 가속화할 뿐임 Leo Aschenbrenner 예측에 대한 최근 평가 2024년 6월에 발표된 Leo Aschenbrenner의 예측에 대한 최근의 독립적인 연구자 평가가 있었음 이 데이터는 알고리즘 및 후기 훈련 개선을 고려할 때 Aschenbrenner의 핵심 주장이 대체로 지지됨을 보여줌 현재의 전력, 메모리, 냉각 제약이 완화되고 대규모 기업 투자가 계속된다면 Aschenbrenner의 예측 시간표는 타당함 LLM 성능의 최근 추세: 인류의 마지막 시험 (Humanity’s Last Exam, HLE) 'Humanity’s Last Exam (HLE)'은 광범위한 학문적 역량을 측정하기 위해 수십 개 주제 영역에서 2,500개의 매우 도전적인 질문으로 구성된 벤치마크이며, LLM이 계속 개선됨에 따라 역량을 정밀하게 측정하도록 개발됨 2025년 4월 Llama 4가 출시되었는데, 불과 4개월 만에 선도적인 LLM인 GPT-5 High는 '추론 및 지식' 테스트에서 Llama 4 대비 약 5배 향상된 성능을 보임 초인적인 AI 사례: 의료 진단 Microsoft가 2025년 6월에 발표한 “The Path to Medical Superintelligence”에 따르면, AI는 인간 수준을 능가하는 생명 과학 역량을 보여줌 AI는 전문가 의사도 답변하기 어려운 의학에서 가장 복잡한 진단 문제를 순차적으로 조사하고 해결할 수 있음 실제 사례 기록을 벤치마킹한 결과, Microsoft AI 진단 오케스트레이터(MAI-DxO)는 뉴잉글랜드 의학 저널(NEJM) 사례의 최대 85%를 정확하게 진단하며, 이는 숙련된 의사 그룹보다 4배 이상 높은 비율임 MAI-DxO는 의사보다 더 비용 효율적으로 정확한 진단에 도달함 급속한 자기 개선을 초래할 수 있는 LLM 설계의 두 가지 예시 AI 기반 생명 과학 발전 사례 (최근 2주) 유방암 진단 정확도 향상 AI가 기존의 이중 방사선과 의사 검토 방식보다 더 많은 종양을 ...

에너지 지배력 강화를 위한 모든 에너지원의 활용 필요성 미국이 급증하는 전력 수요를 충족시키고 AI 경쟁에서 우위를 점하기 위해서는 효율성, 신뢰성, 경제성에 중점을 두고 모든 에너지원을 활용해야 함. 에너지 지배력 확보를 위한 신속한 조치 트럼프 행정부는 취임 후 9개월 동안 미국의 에너지 생산, 사용, 수출 방식을 신속하게 재편하고 있음. 트럼프 대통령은 취임 첫날 에너지 지배력을 증진하기 위한 일련의 행정명령에 서명함. 크리스 라이트 에너지부 장관은 저렴하고 신뢰할 수 있으며 안전한 에너지 공급을 목표로 발표함. 이 목표 달성을 위해 화석 연료가 우선시되고 있음. 여기에는 더 많은 연방 토지를 시추에 개방하고, 액화천연가스(LNG) 프로젝트를 신속히 처리하며, 30개 이상의 환경 규제를 철회하는 조치가 포함됨. 원자력 및 지열과 같은 일부 청정 에너지 기술 또한 행정부의 핵심 에너지 전략에 포함되어 인센티브와 규제 간소화를 받고 있음. 그러나 다른 청정 에너지원들은 더 큰 어려움에 직면함. 지난 7월 의회는 OBBBA(One Big Beautiful Bill Act)를 통과시켜 풍력, 태양광, 전기차(EV), 수소 등 기술에 대한 세액 공제 혜택을 대폭 축소함. AI 경쟁 우위 확보를 위해 모든 에너지원이 요구됨 트럼프 행정부의 미국 에너지 지배력 비전이 모든 형태의 에너지를 포함하지 않을 수 있으나, AI 경쟁에서 승리하려는 목표는 분명히 모든 에너지원을 요구함. AI 기반 데이터 센터의 전력 수요는 이번 10년 동안 급증하여 2030년까지 국가 전력 수요의 10%를 초과할 것으로 예상되며, 이는 현재 4%에서 증가한 수치임. 이러한 수요를 충족시키기 위해 미국은 이용 가능한 모든 에너지원을 실용적으로 활용해야 함. 공급망 제약, 장비 비용 상승, 그리고 일부 경우 불리한 경제성 때문에 화석 연료만으로는 이 수요를 충족시킬 수 없음. 따라서 태양광과 풍력은 전력 용량 확대에 도움이 될 수 있지만, 그 기여도는 이전에 예상했던 것보다 제한적일 것임. 원자력과 지열의 역할도 시간이 지남에 따라 증가할 것임. 장기적으로 청정 에너지에 투자하는 것은 이미 많은 기술의 제조 및 수출을 지배하는 중국에 대한 미국의 경쟁력을 유지하는 데 도움이 될 수 있음. 천연가스 및 석탄의 용량 증설 제약 AI 기반 데이터 센터의 에너지 수요는 전력 부문에 막대한 압력을 가하고 있음. 이러한 문제에 대응하기 위해 전력 부문은 설치 용량을 확장하고, 송전망을 업그레이드하며, 유연성을 높여야 함. 단기적으로 천연가스와 석탄은 적절한 공급을 제공하는 데 더 큰 역할을 할 수 있지만, 이 두 에너지원만으로는 충분하지 않을 것임. AI 성장을 위한 선호 발전원으로서 천연가스 천연가스는 낮은 비용과 중단 없는 전기 공급 능력 덕분에 AI 성장에 필요한 전력 공급을 위한 선호 발전원으로 부상함. 하지만 천연가스 발전 용량을 늘리려는 목표는 큰 도전에 직면함. 이번 10년 말까지 유틸리티 규모의 복합 화력 가스터빈(CCGT) 생산 백로그가 발생하여 가스 발전 비용이 상승함. Rystad Energy 관측에 따르면, 일반적인 CCGT 발전소의 자본 지출(capex)은 2025년 1분기 이후에만 $2,500/KW를 빈번하게 초과함. 이는 2023-24년 $1,200-1,600/KW, 2015년에서 2022년 사이 7년 동안 $800-1,000/KW였던 것보다 상승한 수치임. 구매자들이 프리미엄 지불 의향을 유지함에 따라 capex는 계속 상승 압력을 받고 있음. 사업 확장을 서두르는 데이터 센터 회사들은 단순 사이클 가스터빈(simple-cycle gas turbines, 항공 유도 터빈 포함) 및 왕복 엔진(reciprocating engines)과 같은 대안으로 눈을 돌리고 있음. 이러한 대안들은 효율성은 낮지만, AI의 운영 전력 요구사항을 충족시키기 위해 신속하게 용량을 높이거나 낮출 수 있는 더 작고 민첩한 시스템임. 이로 인해 AI 훈련 데이터 센터의 CCGT 부족을 단기적으로 완화할 수 있으나, 가스 발전 전력은 여전히 원하는 공급량에 미달할 것으로 예상됨. 석탄 산업 재활성화 노력 행정부는 최근 석탄 화력 발전소 개조 및 재가동을 돕기 위해 6억 2,500만 달러의 자금 지원을 발표하며 석탄 산업을 재활성화하는 것을 목표로 함. 이는 특히 전력 수요 증가와 천연가스 및 재생 에너지로부터의 용량 증설 제약 상황에서 석탄 자산의 수명을 연장시킬 것임. 올해 미국 석탄 생산량은 6% 이상 증가함. 또한, 여러 석탄 화력 발전소들이 예상 은퇴 시점을 넘겨 계속 가동되고 있음. Expected vs. realised power capacity retirements for 2Q 2025 Gigawatts (GW) 석탄은 여전히 구조적 쇠퇴 상태에 있으며, 행정부의 지원 정책으로도 전성기를 되찾기는 어려울 것임. Lazard에 따르면, 미국 내 석탄의 균등화 발전 비용(LCOE)은 현재 약 $71-173/MWh로, 복합 화력 가스터빈 천연가스의 $48-109/MWh와 배터리 저장장치를 갖춘 유틸리티 규모 태양광의 $50-131/MWh보다 높음. 석탄의 노후화된 인프라를 ...

Global Datacenter Supply/Demand update: Tight conditions likely to persist into 2026 + Read-across for Power, Hardware, and Industrial Tech / Engineering 글로벌 데이터센터 수급 업데이트 개요 및 핵심 업데이트 글로벌 데이터센터 수급 모델 업데이트 결과, 타이트한 시장 상황이 2026년까지 지속될 것으로 전망됨. 이는 이전 예측치(2025년 말) 대비 데이터센터 점유율 정점 시점이 2026년까지 연장된 것을 의미함. 2027년부터는 수급 균형이 완만하게 풀릴 것으로 예측되나, 전력 공급 증가 속도 대비 현재의 수요 증가 수준을 고려할 때 장기적으로 점유율이 상향될 잠재력이 존재함. 중요한 불확실성 요소로는 하이퍼스케일러의 AI 추론 수익화 지속 여부, Open AI의 Stargate와 같은 대규모 AI 인프라 프로젝트로 인한 공급 차질 가능성, 엔터프라이즈 애플리케이션을 목표로 하는 소규모 LLM 배포의 수요 최적화 잠재력 등이 있음. 업데이트된 모델에는 지난 분기 동안의 수요 및 공급 추정치 변화가 반영됨. 수요 측면에서는 Nvidia 및 Broadcom의 데이터센터 매출, 하이퍼스케일러의 클라우드 매출 증가에 기반하여 수요 성장 예측치가 상향 조정됨. 공급 측면에서는 451 Research의 업데이트와 소규모 데이터센터 운영자 추가 추적을 반영하였음. 장기적으로 2030년까지의 공급 추정치는 9% 증가했으며, 이는 Homer City 2 GW, Oracle 500 MW, 하이퍼스케일러 5.6 GW 등 증분 계획된 용량 프로젝트 추가에 주로 기인함. 수급 균형 및 시나리오 분석 수정된 수급 업데이트를 반영한 기본 전망에서, 2025년 공급 충분도는 92%로 이전과 동일함. 2026년과 2027년의 공급 충분도는 각각 92%로 이전 예측치 대비 평균 2% 증가함. 장기적으로 2030년의 공급 충분도는 89%로, 이전 모델 대비 1% 증가함. 이로 인해 데이터센터 공급 충분도의 정점 시기가 기존 2025년 말에서 2026년으로 연장된 것으로 판단됨. 시장 점유율은 지난 18개월간 관찰된 평균 수준에서 안정화될 것으로 예측됨. 주요 시나리오별 점유율 변화 전망은 다음과 같음: AI 상승 시나리오: 2030년까지 점유율이 17%p 상승하여 활용률이 100%를 초과할 가능성이 있음. 클라우드 하락 시나리오: 점유율이 4%p 하락함. 초과 공급 시나리오: 데이터센터 운영자가 예상보다 더 많은 용량을 확보할 경우 점유율이 8%p 하락함. 데이터센터 수요 전망 및 주요 성장 동인 향후 5~6년간 글로벌 데이터센터 시장 수요는 크게 증가하며, 생성형 AI의 급속한 확장으로 인해 워크로드 구성에 극적인 변화가 발생함. 현재(2025년 3분기 기준) 글로벌 시장 수요는 약 69 GW로 추정됨. 현재 워크로드 구성은 클라우드 58%, 전통 워크로드 27%, AI 워크로드 14% (훈련 및 추론 포함)로 구성됨. 2027년까지 전체 데이터센터 시장 수요는 45% 증가하여 100 GW에 이를 것으로 예측됨. 이때 워크로드 구성은 AI 30%, 클라우드 50%, 전통 워크로드 20%로 변화될 전망임. 향후 5~6년간 AI 및 클라우드 워크로드가 데이터센터 수요를 가장 크게 견인할 것으로 예상됨 (4Q25-4Q30 5년 CAGR: AI 32%, 클라우드 9%, 전통 워크로드 2%). 수요 위험 요인 AI 워크로드 수요 성장의 지속 가능성이 주요 논쟁 요소임. AI 하락 시나리오에서는 AI 워크로드 성장이 기본 사례보다 저평가될 경우, 2027년에 약 7 GW의 수요 차이가 발생할 것으로 추정됨. 클라우드 하락 시나리오에서는 하이퍼스케일러의 클라우드 데이터센터 워크로드 성장이 둔화될 경우, FY27년까지 기본 사례 대비 2 GW의 수요 차이가 발생함. Exhibit 3: "AI 하락" 수요 성장 시나리오 & Exhibit 4: "클라우드 하락" 수요 성장 시나리오 데이터센터 공급 현황 및 글로벌 공급 성장 전망 현재 글로벌 데이터센터 시장 용량은 약 75 GW로 추정됨. 용량 구성은 하이퍼스케일러 + 클라우드 및 제3자 도매 데이터센터 운영자 73%, "전통적인" 기업 및 통신사 운영 워크로드 27%로 이루어짐. 아시아 태평양 및 북미 지역이 현재 가장 많은 데이터센터 전력 및 면적을 보유하고 있음 (버지니아 북부, 베이징, 텍사스, 상하이 등). Exhibit 5: 2025년 공급자 유형별 데이터센터 공급 Exhibit 6: 순수 UPS 전력 점유율이 가장 큰 지역 시장 향후 5~6년간 AI 워크로드를 지원하는 고밀도 데이터센터 수요에 따라 대규모 공급 성장과 평방피트당 전력 증가가 예측됨. 2030년 말까지 약 150 GW의 데이터센터 용량 (8억 3,900만 평방피트)이 온라인 상태가 될 것으로 추정되며, 이는 ~15%의 6년 CAGR에 해당됨. 이러한 공급 내에서 데이터센터 구성은 클라우드 워크로드 쪽으로 더욱 편중될 것으로 예상됨 (현재 ~73%에서 2030년 ~79%로 하이퍼스케일 + 도매 데이터센터 비중 증가). 전력 밀도는 2027년에 평방피트당 157와트에서 169와트로 증가할 것으로 추정됨. 제시된 용량 수치는 "임대 가능 용량"을 의미하며, 냉각 및 인프라 기능을 위해 필요한 추가적인 전력 오버헤드 20%~40%는 제외됨. Exhibit 7: 하이퍼스케일러 자본 지출 추세 Exhibit 8: 워크로드 유형별 데이터센터 공급 전망, 2025-27 & Exhibit 9: 용량 수준별 데이터센터 공급 세부 시나리오별 공급 충분도 전망 기본 사례 외에, 데이터센터 수급 균형에 영향을 미치는 주요 시나리오별 전망은 다음과 같음. AI 하락 시나리오 ("AI downside" demand scenario) AI 워크로드 수요 증가율이 기본 사례 대비 저평가되는 상황을 모델링함. 2025년부터 2030년까지 AI 워크로드 수요 증가율을 20% 하향 조정함. 이로 인해 전체 수요의 3년 CAGR(2025년 1분기~2028년 1분기)은 기본 사례의 17% 대비 15%로 낮아짐. 2030년에는 기본 사례 대비 약 9%p의 공급 충분도 차이가 발생함. 이는 전력 수요 측면에서 13 GW의 차이를 의미함. Exhibit 14: "AI downside" 시나리오 예상 공급 충분도 클라우드 하락 시나리오 ("Cloud downside" demand scenario) 클라우드 데이터센터 워크로드 성장률이 기본 사례보다 둔화되는 상황을 모델링함. 2025년부터 2030년까지 클라우드 워크로드 수요 성장을 20% 하향 조정함. 2030년에는 기본 사례 대비 4%p 이상의 공급 충분도 하락이 예상됨. 이 시나리오가 "AI 하락" 시나리오 대비 수급에 미치는 영향은 덜 극심함. Exhibit 15: "Cloud downside" 성장 시나리오 예상 공급 충분도 초과 공급 시나리오 ("Excess supply" scenario) 데이터센터 운영자가 기본 사례 예상치보다 더 많은 용량을 확보할 수 있는 상황을 모델링함. 수요 변화는 없다고 가정하고, 2030년까지 기본 사례 대비 14 GW의 추가 용량이 공급될 것으로 가정함. 2030년에는 기본 사례 대비 약 8%p의 공급 충분도 하락이 예상됨. Exhibit 16: "초과 공급" 시나리오 예상 공급 충분도 AI 상승 시나리오 ("AI upside" demand scenario) 차세대 GPU가 현재 예상보다 더 많은 전력을 요구하거나, AI 워크로드 수요가 더 빠르게 가속화되는 상황을 가정함. 2028년까지 AI 수요 모델의 AI 워크로드 비중을 30%~35% 증가시킴. 데이터센터 운영자 관련 주요 시사점 보고서에서 도출된 글로벌 데이터센터 수급 모델 업데이트가 특정 데이터센터 운영자에게 미치는 영향은 다음과 같음. Iron Mountain (IRM) IRM은 전 세계적으로 데이터센터 입지를 확장하고 있음. IRM의 데이터센터 사업은 전통적인 기록 정보 관리 사업을 보완하며 빠르게 성장 중임. 현재 약 ...

미국의 유틸리티 산업 - 데이터 센터 수요 증가에 따른 전력 수요 CAGR 2030년까지 2.6%로 증가 요약 미국 전력 수요 전망이 GS SUSTAIN 팀의 최신 데이터 센터(Data Center) 전력 수요와 GS Autos 팀의 전기차(EV) 전력 수요 예측 업데이트를 반영하여 상향 조정됨. 전력 수요 CAGR 상향: 2030년까지 전체 미국 전력 수요의 연평균 성장률(CAGR)은 기존 2.5%에서 2.6%로 증가됨. 이 중 데이터 센터 부문은 전체 2.6% CAGR에서 약 120bp(1.2%p)의 성장에 기여하는 것으로 전망됨. 신규 용량 필요: 증가된 데이터 센터 부하를 충족시키기 위해 필요한 전체 발전 용량 추정치는 기존 72GW에서 상향 조정된 약 82GW로 가정됨. 신규 용량은 천연가스 60%와 재생에너지 40%의 비율로 분할될 것으로 전망이 유지됨. 천연가스는 CCGT 40%, 피커(Peaker) 20%로 구성되며, 재생에너지는 태양광 25%~30%, 풍력 10%~15%로 구성됨. 규제 유틸리티 주가 및 주요 수혜주 분석 전력 수요의 구조적 변곡점(inflection theme)은 규제 유틸리티 종목에 아직 완전히 반영되지 않은 것으로 판단됨. 밸류에이션 현황: 규제 유틸리티의 평균 주가는 2026년 예상 실적 기준 약 18배의 P/E 멀티플(FactSet 컨센서스 FY2 P/E 기준 18.5배)에 거래됨. 이는 역사적 평균인 17.6배와 비슷한 수준임. EPS 성장 기대: 한편, 컨센서스 기준 향후 2년간 예상되는 평균 EPS 성장률은 7.4%로, 지난 10년 평균인 6%보다 높은 수준을 기록함. 이는 예상되는 높은 성장률에 비해 주가 멀티플이 역사적 평균 수준에 머물러 있어 매력적인 진입점을 제공함을 시사함. 주요 수혜주: 전력 수요 증가 테마의 주요 수혜주로 다음 종목들이 강조됨: AEP (Buy): PJM 및 ERCOT 지역에서의 데이터 센터 성장 노출에 기인함. SO (Buy): 미국 남동부 지역에 대한 노출이 높음. XEL (Buy): 수요가 타이트한 MISO 및 SPP 시장에서 수직통합된 노출을 가짐. DUK (Buy, on CL): 부하 증가의 변곡점(load growth inflection)과 규제 환경 개선에 기인함. NEE (Buy): 재생에너지 성장 노출에 기인함. 2024년부터 2030년까지 미국 전력 수요 증가율은 2.0%~3.0% 수준에서 견고하게 유지될 것으로 전망됨. 예상 증가율은 2000~2007년 평균(약 1.5%) 및 지난 10년 평균(약 1.6%)보다 높은 수준으로, 전력 수요의 구조적 변화(inflection)를 시사함. 2030년까지 예상되는 전체 전력 수요 CAGR 2.6% 중 데이터 센터가 1.2%p로 가장 높은 기여도를 보이며, 전체 성장의 약 46%를 차지함. 데이터 센터 다음으로는 주거(0.6%p), 산업(0.5%p), 상업(0.4%p) 순으로 성장 기여도가 나타남. 운송 부문은 0.2%p 기여에 그치며, 기타 부문은 -0.3%p로 소폭 감소에 기여함. 규제 유틸리티의 평균 P/E 멀티플(FY2 P/E)은 2025년 현재 FactSet 컨센서스 기준 약 18.5배로, 10년 역사적 평균(17.6배) 대비 소폭 높은 수준에서 거래됨. 2년 EPS CAGR 예상치(rhs)는 7.4%로, 10년 역사적 ...

AI/AR 글래스 (Goldman Sachs, 2025년 10월 13일 발간 ) I. 주요 내용 및 제품 출시 현황 AI/AR 글래스 제품이 지속적으로 신규 출시되고 있음. 최근 발표된 제품으로는 Meizu StarV Snap (AI 글래스) , Ray-Ban Meta Gen 2 (AI 글래스) , Oakley Meta Vanguard (AI 글래스) , Meta Ray-Ban Display (AR 글래스) , HTC Vive Eagle (AI 글래스) 등이 있음. Meizu StarV Snap AI 글래스는 $280의 가격으로 영상 촬영에 중점을 두고 있음. HTC Vive Eagle AI 글래스는 $522의 가격으로 Google Gemini 및 OpenAI GPT 모델 기반의 풍부한 AI 기능을 지원함. Meta는 최초의 AR 글래스 1종과 AI 글래스 2종의 신규 모델을 출시함. 신규 모델에는 LCoS 풀컬러 디스플레이 , 배터리 수명 향상 (Ray-Ban Meta Gen 1의 4시간 대비 6시간으로 증가) , 비디오 촬영 기능 및 새로운 AI 기능 등 사양 업그레이드가 포함됨. 이러한 업그레이드는 중화권 공급망의 부품 공급업체들에게 혜택이 될 것으로 예상됨. 향후 INMO GO3와 RayNeo Air 4 AR 글래스가 2025년 10월에 출시될 예정임. INMO GO3는 새로운 하드웨어 설계 솔루션을 통해 배터리 수명이 길어지고 AI 기능이 향상될 것으로 보임. RayNeo Air 4 AR 글래스는 오디오 플레이어 Bang & Olufsen과의 협력 이후 첫 번째 제품이 될 것임. 핵심 사양 업그레이드 동향: 디스플레이: AR 글래스의 디스플레이 기술이 Micro OLED, Micro LED, LCoS 등으로 다양화되는 중임. Meta Ray-Ban Display는 LCoS 디스플레이를 채택했는데, 이는 기존 주력 사양이었던 Micro OLED 대비 저렴한 비용과 높은 색 순도를 제공하지만, 전력 효율은 낮음. 배터리 수명 증가: Ray-Ban Meta Gen 2의 배터리 수명이 Gen 1의 4시간에서 8시간으로 업그레이드됨. 이는 다른 전자 액세서리(예: Xiaomi Buds 5 TWS의 6.5시간 음악 재생)와의 격차를 줄이는 것임. 카메라: 12MPx 카메라가 주류이며, 사진/비디오 촬영 해상도가 기존 약 2K에서 3K로 업그레이드됨. 장기적으로 카메라 사양 업그레이드가 예상되나, 전력 소비와 모듈 크기에 병목 현상이 존재하는 것으로 판단됨. AI 기능: AI 모델, 카메라, 기타 액세서리의 협업을 활용하여 물리적 세계와의 상호작용이 강화됨 (Meta는 최초로 손목 밴드 제어 기능을 도입함). 실시간 번역이 표준 기능이 되는 추세이며, 지원 언어 수도 Ray-Ban Meta Gen 1의 4개에서 INMO GO 2의 40개로 증가하고 있음. II. AR/AI 글래스 출시 파이프라인 및 공급망 AR 글래스 파이프라인 정리 AR 글래스 출시 타임라인은 2024년 1월 Xreal Air 2 Ultra, RayNeo Air 2 Lite 출시 이후 2025년 1월 Xreal one pro, 5월 Lenovo V1, 6월 Rokid glasses, 7월 Alibaba Quark, 9월 Meta Ray-Ban Display 등이 발표됨. 2025년 10월 INMO Go 3와 RayNeo Air 4 출시가 예정되어 있으며, 2025년 12월에는 ByteDance Vision이 예상됨. 2026년 상반기(1H26)에는 Amazon Amelia가, 하반기(2H26)에는 Amazon Jayhawk 출시가 예상됨. AI 글래스 파이프라인 정리 AI 글래스 출시 타임라인은 2024년 4월 Lawaken Meta Lens Chat, 5월 Harman Kardon, 8월 SUPERHEXA AI audio glasses, 11월 Baidu Ruodu AI glasses 발표가 있었음....