260421 GS - China Grid Tech: Power Transformer Export Tracker

2025년 초부터 이란 전쟁이 시작되기 전까지, 미국 주식 시장은 언더퍼폼했으며(표 1), 이는 금융위기 이후 시대의 지배적인 지역별 트렌드를 뒤집는 것이다. 이러한 성과의 확산에는 여러 요인이 결합되어 기여했다. 미국 달러의 약세는 지역 간 분산투자의 잠재적 보상을 증가시켰으며, 일본과 독일에서의 재정 부양은 오랜 기간 동안 미국 대비 매우 낮은 성장률을 보였던 이들 지역에서 더 나은 성장률을 기대할 수 있는 가능성을 높였다. 표 1: 미국은 다른 주요 시장 대비 언더퍼폼 가격 성과, USD 기준; 2025년 1월 1일을 100으로 지수화 2025년 초부터 시작된 또 다른 요인은 기술 섹터의 언더퍼포먼스였다. 해당 섹터는 DeepSeek의 출시 이후 경쟁적 해자에 대한 우려를 불러일으키며 상당한 언더퍼포먼스 기간으로 2025년을 시작했으나, 이후 견고한 실적 발표를 통해 반등했다. 올해 들어 지금까지, 이 섹터는 1970년대 초 이후 World ex Tech 대비 상대적 언더퍼포먼스 측면에서 가장 부진한 시기 중 하나를 기록하고 있다(표 2). 지난 1년 대부분 동안, 우리는 보다 가치지향적인 시장 부문으로의 로테이션을 보면서 기술 섹터가 언더퍼폼하기 시작했다(표 3). 표 2: 지난 50년 동안 기술의 상대 수익률이 가장 약했던 시기 중 하나 표 3: 최근 Value가 Growth를 아웃퍼폼 국가, 섹터 및 팩터 수준에서 나타난 이러한 성과의 확산은 시장과 섹터 모두에서 상대적으로 뒤처진 영역으로 다시 분산투자를 할 수 있는 기회를 창출하기 시작했다. 미국 주식 시장은 더 이상 상대적으로 그렇게 비싸 보이지 않는다. 수익은 여전히 강하게 유지되고 있으며, 동시에 가격은 조정을 겪었다. 미국과 나머지 세계 간의 PEG 비율은 ‘미국 예외주의’ 내러티브가 지배했던 기간 동안 디커플링된 이후 다시 재설정되었다(표 4). 표 4: 미국과 나머지 세계 간 PEG 비율이 재설정 기술 섹터의 언더퍼포먼스는 투자자들에게 매력적인 밸류에이션 기회를 창출하기 시작하고 있다. 이는 예상되는 컨센서스 성장률 대비 밸류에이션이 글로벌 전체 시장보다 낮아졌기 때문이다(표 5). 우리는 부록에서 소프트웨어와 하드웨어를 구분해 보여주지만, 두 경우 모두 PEG 비율이 낮다. 물론 예상 성장률이 시장 움직임을 뒤따르고 있어 향후 몇 달 동안 비율이 다시 상승할 가능성도 있지만, 이는 시장 가격에 반영된 기대치 변화의 규모를 보여준다. 표 5: 기술의 PEG 비율은 글로벌 전체 시장보다 낮음 이 점을 보여주는 또 다른 방법은 과거 수익을 기반으로 한 PEG 비율을 보는 것이다(표 6). 기술의 ‘과거 기준’ PEG의 급락은 미래 수익이 훨씬 약해질 것이라는 것을 시사하며, 이는 기술 버블 붕괴 이후 2003~2005년 저점 수준만큼 낮다. 표 6: 과거 수익 기반 PEG에서 미국 기술 섹터 2025년 이후, 기술 섹터 일부의 상대적 약세에는 여러 요인이 기여했다. 첫째, Hyperscaler의 CAPEX 지출이 급격히 증가하면서 이들 기업이 창출할 수 있는 잠재 수익에 대한 우려가 커졌다(표 7). 증기기관에서 철도, PC, 인터넷에 이르기까지 기술 혁신의 역사는 기반 인프라 구축을 위해 막대한 자본이 투입되었으나 결국 낮은 수익률로 이어진 사례들로 가득하다. 이후의 이익은 이러한 초기 투자에 올라탄 다른 기업들이 누리게 된다. 투자자들은 또한 이러한 투자 비용이 일부 기업의 현금흐름과 재무구조 여력을 잠식하기 시작했다는 점을 우려하기 시작했다. Oracle은 이를 극단적으로 보여주는 사례로, 자금 조달을 해야 했고 최근에는 직원 해고도 단행했다. 다른 기업들도 유사한 행동을 보이고 있다. 다만, 기술 섹터의 부채 비율은 상승했음에도 ...

Agentic AI(AAI)는 현재의 AI 챗봇보다 훨씬 더 에너지 집약적인 기술이다; 우리는 AAI 질의 비중이 기본 가정(2030~35년 기준 20~30%) 대비 +10%p 증가할 때마다, 미국과 유럽에서 데이터센터 수요가 기존 전망 대비 약 +25% 증가할 수 있다고 추정한다. Agentic AI로의 전환은 전력 소비를 추가적으로 증가시키며, 이는 전력 인프라의 유기적 성장 강화, 재생에너지 수익률 상승, FlexGen에서의 마진 확대 등 유틸리티 산업에 순풍으로 작용할 것이다. 이는 유틸리티 산업이 “이익 슈퍼사이클”의 초입에 있다는 우리의 견해를 더욱 강화하며, 이는 긍정적인 이익 상향 조정과 멀티플 확대로 이어질 가능성이 높다. Agentic AI: 앞으로 등장할 것은 훨씬 더 에너지 집약적이다. 현재 AI 도구—ChatGPT나 Google Gemini 같은 챗봇—는 상대적으로 단순한 문제를 최소 비용으로 해결하도록 최적화된 대형 언어 모델 기반이다. 반면 Agentic AI는 여러 모델을 동시에 실행하며 지속적인 피드백 루프를 통해 복잡하고 다단계의 작업을 수행할 수 있다. 기술 문헌에 따르면 Agentic AI는 기존 AI 챗봇 대비 약 15~50배 더 많은 에너지를 필요로 할 수 있다. Agentic AI 질의 비중이 +10%p 증가할 때마다 데이터센터 수요는 약 +25% 증가할 수 있다. 우리는 Agentic AI의 더 빠른 도입 시나리오를 시뮬레이션했으며, Agentic AI 채택률이 +10%p 증가할 때마다 미국(2030년)과 유럽(2035년)에서 데이터센터 수요가 약 +25% 증가할 수 있음을 보여준다. 이 시점에서 데이터센터는 해당 지역 전력 소비의 약 20~25%를 차지할 것으로 추정한다. 상방 시나리오에서 전력 수요 증가율은 2030년까지 연평균 3.5~4%에 이를 수 있다. 기본 시나리오에서는 유럽 전력 수요가 2029년까지 1.5~2% 성장하고 이후 2030~31년에 2.5~3%로 가속될 것으로 본다. Agentic AI 도입이 더 빠르게 진행될 경우 소비 증가율은 연 3.5~4%까지 상승할 수 있다. 미국에서도 유사한 상방이 존재하며, 현재 약 3%에서 4%까지 상승할 수 있다. 유틸리티 산업은 여전히 “이익 슈퍼사이클” 초기 단계에 있다. 전력 소비 증가는 인프라 투자 확대와 재생에너지 및 FlexGen 마진 상승을 지지하며, 이는 산업 전반의 이익 성장 사이클을 강화한다. 대부분의 전력 유틸리티 기업들이 2030년대까지 한 자릿수 중후반 EPS 성장을 달성할 것으로 보이며, 이에 따라 멀티플 확장도 지속될 가능성이 높다. 이 테마에서 선호 종목: 유럽: RWE, Solaria, Enel, PPC, Naturgy, Engie, Siemens Energy 미국: NEE, AEP, XEL, DUK Executive Summary Agentic AI(AAI)는 현재 AI 챗봇(ChatGPT, Google Gemini)보다 훨씬 더 에너지 집약적이다; 우리는 AAI 질의 비중이 기본 가정(2030~35년 기준 20~30%) 대비 +10%p 증가할 때마다 데이터센터 수요가 미국과 유럽에서 기존 전망 대비 약 +25% 증가할 수 있다고 추정한다. Agentic AI로의 점진적인 전환은 전력 소비를 추가적으로 증가시키며, 이는 전력 인프라의 유기적 성장 강화, 재생에너지 수익률 상승, FlexGen 마진 확대 등 유틸리티 산업에 긍정적 영향을 줄 것이다. 이는 유틸리티 산업이 “이익 슈퍼사이클”의 시작 단계에 있다는 우리의 견해를 강화하며, 긍정적인 이익 상향과 멀티플 확대로 이어질 가능성이 높다. 본 테마에서 선호 종목은 유럽의 RWE, Solaria, Enel, PPC, Naturgy, Engie, Siemens Energy와 미국의 NEE, AEP, XEL, DUK이다. Agentic AI: 앞으로 등장할 것은 훨씬 더 에너지 집약적이다 현재 AI 도구는 단일 단계 응답을 제공하는 대형 언어 모델 기반이며, 비교적 단순한 문제를 최소 비용과 지연으로 해결한다. 반면 Agentic AI는 문제를 더 작은 작업으로 분해하고, 여러 모델을 동시에 실행하며 피드백 루프를 통해 복잡한 문제를 해결한다. 기술 문헌에 따르면 Agentic AI는 기존 AI 챗봇 대비 약 15~50배 더 많은 에너지를 필요로 할 수 있다. 우리는 보수적으로 6배의 에너지 집약도를 가정하여 상방 시나리오를 분석했다. Agentic AI 질의 비중이 +10%p 증가할 때 데이터센터 수요는 약 +25% 증가 대부분의 전문가들은 현재 데이터센터 개발 속도가 2030년까지 글로벌 기준 약 20~30%의 Agentic AI 도입률과 일치한다고 본다. 우리는 더 빠른 도입 시나리오를 제시하며, Agentic AI 채택률이 +10%p 증가할 때마다 데이터센터 수요가 약 +25% 증가할 수 있음을 보여준다. 상방 시나리오에서는 데이터센터 전력 소비가 2030~35년까지 전체 전력 수요의 약 20~25%를 차지할 수 있다. Exhibit 1: Agentic AI는 더 능동적이며 복잡한 다단계 문제에 더 적합함 미국 우리가 진행한 전문가 인터뷰에 따르면, 2030년까지 전체 질의의 약 20~30%가 Agentic 형태가 될 것으로 널리 예상된다. 다시 말해, 현재 데이터센터 개발 속도는 Agentic AI의 비교적 느리고 점진적인 도입을 전제로 하고 있다. 그러나 AAI의 도입 속도가 더 빨라지는 시나리오를 가정할 경우, 현재 계획된 데이터센터 개발은 충분하지 않을 것이다. 우리의 분석에 따르면 Agentic AI 채택률이 +10%p 증가할 때마다, 2030년까지 미국의 데이터센터 수요는 약 +25% 증가할 수 있다. 이 경우 데이터센터는 전력 소비의 약 20%를 차지하게 된다. Exhibit 2: 미국: Agentic AI 채택률이 +10%p 증가할 때 데이터센터 수요는 +25% 증가; 2030년에는 데이터센터 전력 소비 비중이 약 20%에 도달 유럽 유럽은 데이터센터 개발과 AI 보급에서 미국보다 약 5년 정도 뒤처져 있다고 가정하면, 2035년에는 유사한 결론에 도달한다: Agentic AI 채택률이 +10%p 증가할 때마다 유럽의 데이터센터 수요는 약 +25% 증가할 수 있다. 이 경우 데이터센터는 EU28 전력 수요의 약 25%를 차지할 것으로 추정된다. Exhibit 3: 유럽: Agentic AI 채택률이 +10%p 증가할 때 데이터센터 수요는 +25% 증가; 2035년에는 데이터센터 전력 소비 비중이 약 25% 전력 수요: 유럽에서 상방 리스크 존재 기본 시나리오에서는 유럽의 전력 수요가 2029년까지 연평균 1.5~2% 성장할 것으로 예상된다. 이는 주로 이동 수단(전기차)과 건물(히트펌프)의 점진적인 전기화에 기인한다. 참고로 2026년 유럽 전기차 판매는 200만 대를 초과할 것으로 예상되며, 히트펌프 판매 역시 200~250만 대를 초과할 것으로 보인다. Exhibit 4에서 보듯이, 연간 15~20k km를 주행하는 전기차와 히트펌프를 추가하면 일반 가구의 전력 소비는 연간 약 2.5MWh에서 약 7MWh로 세 배 증가한다. 2030년 이후에는 데이터센터 기여와 더 빠른 전기화로 인해 전력 수요 증가율이 2.5~3%로 가속될 것으로 본다. 만약 AI Agent의 침투율이 추가로 +10%p 증가한다면 전력 수요 증가율은 약 3.5%까지 상승할 것이며, +25%p 증가할 경우 2029년부터 연 4%까지 성장할 수 있다(다른 조건 동일 가정). Exhibit 4: 전기차와 히트펌프 도입 시 가구 전력 소비는 2.5MWh에서 약 7MWh로 3배 증가 Exhibit 5: 상방 시나리오에서는 2029년 이후 전력 수요 증가율이 최대 4%까지 상승 Agentic AI “초고속 도입”의 병목 요인 분석 자금 조달 및 비용 부담 외에도, 데이터센터 개발이 크게 가속될 경우 전력 생산, 전력망, 반도체, 원자재, 냉각, 부동산 등 다양한 산업에서 공급 부족이 발생할 수 있다. 동시에 AI Agent 도입 확대는 특히 유럽에서 장기 전력 수요 전망에 상당한 상방 리스크를 의미한다. Exhibit 6: 데이터센터 개발 가속은 다양한 산업에서 공급 부족을 유발할 수 있음 유틸리티 이익 슈퍼사이클은 여전히 초기 단계 전력 소비 증가는 인프라 투자 확대와 재생에너지 및 FlexGen 마진 상승을 지지하며, 유틸리티 산업의 이익 슈퍼사이클을 강화한다. 유럽의 대부분 전력 유틸리티는 2030년대까지 한 자릿수 중후반 EPS 성장을 달성할 것으로 보이며, 멀티플 확장도 지속될 가능성이 높다. Exhibit 7: 유럽 유틸리티 밸류에이션 리레이팅은 지속될 가능성 더 높은 성장 전망에도 불구하고, 우리의 주요 ‘전기화 복리 성장 기업(Electrification compounders)’들은 2030년 예상 PER 기준으로 중기 사이클 평균인 14.5배 및 +1표준편차인 16배 대비 상당한 할인 상태에서 거래되고 있다. 우리는 커버리지 내 주요 ‘전기화 복리 성장 기업’들의 유기적 성장이 특히 강할 것으로 예상하며, Solaria를 제외한 평균 EPS CAGR은 2025~30년 동안 약 +9%로 추정한다. Exhibit 8: 전기화 복리 성장 기업들은 2030년 예상 PER 기준으로 중기 사이클 평균 대비 할인되어 거래 중 Exhibit 9: 향후 5년 동안 ‘전기화 복리 성장 기업’의 EPS CAGR은 약 +9%로 추정 AI 챗봇에서 AI Agent로 현재 인공지능 기술(예: ChatGPT, Google Gemini)은 대형 언어 모델(LLM)에 기반하며, AI 챗봇을 통해 단일 단계 응답을 제공하여 비교적 단순한 문제를 해결한다. 예측 역시 비교적 단순한 논리를 사용하는 “선형적” 방식으로 처리된다. 반면 Agentic AI는 문제를 더 작은 작업으로 분해하고, 더 큰 워크플로우와 복잡한 문제를 처리할 수 있는 다단계 접근 방식을 채택한다. AAI 도구는 여러 모델을 동시에 실행하며, 중간 결과를 지속적인 피드백 루프를 통해 평가한다. 이러한 이유로 대부분의 전문가들은 Agentic AI가 인간의 사고 과정을 더 잘 모방할 수 있어 기업용 애플리케이션에서 표준이 될 것으로 예상한다. 전통적 AI에서 Agentic AI로 현재 널리 사용되는 전통적 AI는 주로 패턴 인식, 예측, 분류, 자연어 처리와 같은 특정 작업에 초점을 맞춘다. 이러한 시스템은 각 작업마다 명시적인 인간 입력을 필요로 하는 반응형 구조이며, 사전에 정의된 범위 내에서 작동한다. 반면 Agentic AI는 여러 모델이 병렬로 작동하며 지속적인 피드백 루프를 형성한다. 인간의 사고와 유사하게, AI Agent는 목표를 해석하고 이를 작은 작업으로 분해하며, 워크플로우를 설정하고 외부 모델을 활용하고, 중간 결과를 지속적으로 평가한 뒤 최종 결과를 도출한다. 이러한 점에서 더 능동적이며 복잡한 다단계 문제에 적합하다. 다만 그 대가로 더 높은 지연(latency), 더 큰 연산 요구량, 그리고 훨씬 더 높은 에너지 소비가 발생한다. A Exhibit 10: 전통적 AI는 지연과 비용을 최소화하기 위해 단일 단계 응답 제공에 집중 Exhibit 11: Agentic AI는 더 능동적이며 복잡한 다단계 문제에 더 적합 앞으로의 AI는 훨씬 더 에너지 집약적이다 Agentic AI 모델의 다중 모델 및 지속적인 피드백 루프 구조는 훨씬 더 많은 연산 능력을 필요로 하며, 그 결과 에너지 수요도 크게 증가한다. 지난 3년 동안 AI 질의는 상당한 효율 개선을 이루었다. 초기에는 질의당 약 2.7Wh를 소비했으나, 현재 ChatGPT 및 Google Gemini 모델은 약 0.30Wh를 소비한다. 이는 5년 미만 기간 동안 약 90%의 에너지 효율 개선을 의미하지만, 여전히 비AI 구글 검색 대비 약 10% 높은 수준이다. Microsoft 및 기타 연구에 따르면 Agentic AI는 기존 AI 챗봇 대비 약 15~50배 더 많은 에너지를 사용할 수 있다. 우리는 보다 보수적으로, 해당 범위의 하단에서 50% 이상의 효율 개선을 가정하여 약 6배 높은 에너지 집약도를 적용한다. 이는 도입 속도에 따라 예상보다 훨씬 더 큰 에너지 수요를 의미할 수 있다. 이는 OpenAI 및 Google DeepMind 등 주요 기술 기업 창업자들의 인터뷰와도 일치한다. AI 챗봇의 에너지 효율은 긍정적으로 개선되어 왔다 초기 ChatGPT(2022년 출시)는 기존 검색 엔진보다 약 10배 더 많은 전력을 소비했지만, 칩과 LLM의 효율 개선으로 현재는 질의당 약 0.30Wh 수준으로 감소했으며, 이는 비AI 구글 검색 대비 약 10% 높은 수준에 불과하다. Exhibit 12: AI 챗봇의 에너지 집약도는 2022년 이후 약 90% 감소 AI Agent의 에너지 집약도는 현재 AI 챗봇 대비 15~50배 높을 수 있다 ResearchGate에 따르면 Agentic AI 질의는 현재 AI 챗봇(ChatGPT, Gemini 등) 대비 약 50배의 에너지를 소비할 수 있다. Microsoft의 연구에서는 약 13배 증가를 제시하고 있다. 우리가 인터뷰한 전문가들 역시 10~50배 수준의 에너지 증가를 언급한다. Microsoft 논문을 기준으로 보면 Agentic AI의 에너지 소비는 질의당 약 4Wh 수준으로 상승한다. 우리는 상방 시나리오에서 데이터센터 인프라와 에너지 수요를 분석하기 위해, 해당 Microsoft 논문을 기반으로 ...

64페이지짜리 리포트라 내용이 많습니다... 중국 AI GPU – 미국과의 격차를 좁히다 높은 AI 자본지출과 지속적인 정책 지원이 중국의 AI GPU 생태계를 촉진했다. 본 보고서에서는 해당 산업의 상업적 가치, 경쟁력, 그리고 향후 통합 경로를 평가하기 위한 프레임워크를 제시한다. AI 기술의 빠른 확산은 중국 경제를 더 높은 질의 성장 모델로 전환시키고 있다. 우리는 지난해 “China – AI: The Sleeping Giant Awakens” 보고서를 통해 중국 AI의 현재 상태와 2030년 이후까지의 경로를 분석했다. 이번 보고서에서는 중국 AI 인프라의 핵심인 AI 칩에 집중하여, 수요 전망, 파운드리 공급 제약, 그리고 경쟁 환경을 분석한다. 중국 내 AI GPU 공급은 상당한 진전을 이루었다. 과거에는 중국의 AI 확산이 전력, 데이터, 인재 부족이 아니라 미국의 수출 규제로 인해 첨단 AI 칩 접근이 제한된 것이 가장 큰 제약이었다. 중국은 2020년부터 자체 AI GPU 개발을 시작했으며, 첨단 공정 접근이 제한된 상태였다. 2022년 이후 규제가 강화되며 이 창구는 사실상 닫혔지만 산업 성장은 멈추지 않았다. 지난 12개월 동안 중국은 장비 및 파운드리 병목을 완화하는 데 의미 있는 진전을 이루었다. 정책 지원 하에 2028년 전후로 핵심 수요를 충족할 수 있는 수준의 공급이 가능할 것으로 본다. 정책 지원은 초기 발전을 가속화하지만, 장기적인 가치는 상업적 경쟁력에 달려 있다. 중국 AI GPU 기업들은 2028년 이후에도 성장을 지속하기 위해 경제성을 입증해야 한다. 분석 결과, 중국 데이터센터의 총소유비용(TCO)은 낮은 칩 가격, 저렴한 전력, 개선된 인프라 덕분에 경쟁력이 있다. 특히 추론(inference)에서는 최고 성능보다 토큰당 비용이 중요하며, 이는 중국 솔루션의 경쟁력을 강화한다. 산업 및 투자 시사점: 중국의 로컬화 전략(칩, 파운드리, 장비 확대)은 계속 진전 중이다. 낙관적 시나리오에서는 중국 GPU가 학습 영역까지 확장되고 해외 채택도 가능하다. 비관적 시나리오에서는 차별화가 약화되어 commoditization과 통합이 진행된다. 직접적인 GPU 종목 추천은 하지 않지만, SMIC, NAURA, ASM Pacific과 같은 공급망 기업 및 AI 투자로 전략적 위치를 강화하는 인터넷 기업들에 대해 긍정적으로 본다. 중국 AI GPU 핵심 차트 6개 중국 AI 칩 시장은 2030년까지 약 670억 달러 규모로 성장할 것으로 예상되며, 초기에는 국유기업 중심이지만 장기적으로는 상업적 수요가 핵심이 된다. 중국 CSP들의 토큰 처리량 증가를 보면 AI 추론 칩 수요가 빠르게 증가할 가능성이 높다. 중국의 첨단 공정(12nm 이하) 생산 능력은 지속적으로 확대되며 로컬 생산 수요를 더 많이 충족할 것으로 예상된다. AI 칩 자급률은 2030년 76%까지 상승할 전망이다. 다만 산업의 commoditization 가능성도 존재한다. 중국 GPU는 성능 대비 비용 기준에서 NVIDIA A100과의 격차를 줄였으며, 향후 H200 수준까지 접근할 가능성이 있다. 주요 중국 GPU 기업들은 높은 P/S 밸류에이션을 받고 있다. 요약 중국은 시스템 수준 혁신과 비용 중심의 추론 경제성을 통해 AI 컴퓨팅 격차를 빠르게 좁히고 있다. 이 흐름은 자급률을 약 76%까지 끌어올리고 향후 글로벌 AI 반도체 경쟁 구도를 재편할 가능성이 있다. 미국 기업들은 여전히 칩 기술에서 우위를 유지하지만, 중국은 저비용 추론 중심 전략으로 중기적으로 글로벌 AI 경제성에 압박을 줄 수 있다. 본 보고서는 중국 AI GPU 수요, 공급, 경쟁 구조를 분석하고, 투자자들이 산업을 평가할 수 있는 프레임워크를 제시한다. 2026~2027년은 공급 제약으로 인해 시장이 공급 중심으로 움직인다. AI GPU 시장은 빠르게 성장 중이며, CSP와 정부 주도의 투자로 수요가 증가하고 있다. 2026년 시장 규모는 약 500억 달러, 2030년에는 670억 달러까지 성장할 전망이다. 로컬 공급은 빠르게 증가하여 2027년에는 약 300억 달러 수준에 도달할 것으로 보이며, 전체 수요의 절반 이상을 커버할 수 있다. 하지만 2027년까지는 여전히 공급 중심 시장이 유지된다. AI 인프라 측면에서 중국은 칩 수준에서는 뒤처져 있지만, 시스템과 정책 측면에서는 경쟁력이 있다. 현재 중국 GPU는 주로 추론에서 경쟁력을 보이며, 학습 영역은 여전히 NVIDIA 의존도가 높다. 공정 노드만 기준으로 비교하면 중국과 미국의 격차는 과장된다. 성능/전력/비용 기준으로 보면 격차는 상당히 좁혀진다. 중국은 낮은 전력 비용과 낮은 마진 구조 덕분에 경제성이 개선된다. 현재 10개 이상의 GPU 기업이 존재하며, 다양한 형태(상업형, 자체 설계, 국영 지원)가 혼재한다. 바이트댄스는 삼성 4nm 공정을 활용한 ASIC을 생산하고 있다. NVIDIA H200 일부 수입이 허용될 가능성도 있으며, 이는 “완전 대체”가 아닌 “병행 전략”을 의미한다. LLM 가격 상승은 AI 수익성을 개선하고 GPU 경제성을 강화한다. 산업 구조상 commoditization 위험이 존재한다. Commoditization 위험 = 제품 간 차별이 사라지고, 결국 가격 경쟁으로 가버리는 상황 공급 플레이어(Huawei Cambricon MetaX Moore Threads Kunlun T-Head)가 많고 고객은 알리바바, 텐센트, 바이트댄스 같은 초대형 기업 & Alibaba → T-Head / Baidu → Kunlun / ByteDance → 자체 ASIC 와 같이 고객이 자체칩도 생산함. -> 성능 차이가 줄어들고 공급자가 많고, 고객은 강한 상태가 되어 기술이 아니라 가격 싸움 산업으로 변하는 리스크가 있음. 대형 CSP와 정부는 최소 하나의 국산 GPU 기업을 지원하려는 유인이 있다. 동시에 CSP들은 자체 칩도 개발한다. 이로 인해 독립 GPU 기업의 시장은 제한될 수 있다. 2027년 이후 파운드리 공급이 확대되면 경쟁 심화와 마진 하락 가능성이 있다. 향후 2~3년 내 산업 통합 가능성이 높다. 핵심 논쟁 3가지: 중국이 경쟁력 있는 GPU를 대량 생산할 수 있는가 시장 규모는 얼마나 커질 것인가 기업 가치를 어떻게 평가할 것인가 중국 AI 반도체 설계 기업들은 글로벌 동종 기업 대비 훨씬 높은 P/S 밸류에이션에서 거래되고 있다. 이는 아직 매출 규모가 작고 수익성이 초기 단계임에도 불구하고 향후 성장 기대가 크게 반영된 결과다. Cambricon은 2026년 기준 약 32배 P/S, 96배 P/E 수준에서 거래되고 있으며, 이는 빠른 국산 대체 기대를 반영한 프리미엄이다. Hygon은 약 94배 P/S, 1118배 P/E로 매우 높은 밸류를 받고 있으며, 이는 CPU/GPU 수요를 동시에 흡수할 것이라는 기대를 반영한다. MetaX와 Moore Threads는 각각 약 60배, 139배 P/S로 거래되며, 아직 실질적인 이익은 거의 없는 상태다. Biren과 Iluvatar CoreX 역시 약 37배, 62배 수준의 높은 P/S를 받고 있다. 전반적으로 중국 AI GPU 기업들은 매출 대비 매우 높은 밸류에이션을 받고 있으며, 이는 성장 기대와 정책 프리미엄이 반영된 결과다. 1) Kunlunxin China Mobile, Tencent 등 외부 고객으로 판매를 확대하고 있다. 2025년 매출은 약 60억 위안으로 추정되며, 절반 정도가 외부 매출이다. 2026년에는 70억~130억 위안까지 성장할 것으로 예상된다. 시장 점유율은 한 자릿수 후반 수준이며, Huawei(63%), Cambricon(11%)에 이어 주요 플레이어다. Kunlunxin의 밸류에이션은 200억~610억 달러로 평가된다. 이는 Cambricon 대비 0~40% 할인된 20~33배 P/S 기준이다. Baidu의 지분 가치는 약 80억~260억 달러 수준으로 환산된다. 2) T-Head 2026년 매출 140억~260억 위안으로 예상되며, 절반은 GPU, 나머지는 CPU에서 발생한다. 시장 점유율은 Kunlunxin과 유사한 한 자릿수 후반 수준이다. 밸류에이션은 280억~860억 달러 범위로 평가된다. 이는 역시 20~33배 P/S 기준이다. Alibaba SOTP에서 T-Head는 상당한 가치 비중을 차지한다. 세 가지 시나리오가 제시된다. 기본 시나리오는 수출 규제가 지속되는 가운데 점진적 개선이 이루어지는 경우다. SMIC는 생산 능력을 확대하지만 장비 제약으로 속도는 제한된다. NVIDIA H200 수입은 제한적이다. 낙관적 시나리오는 국내 생산 능력이 빠르게 개선되고 해외 파운드리 접근성이 일부 회복되는 경우다. 이 경우 생태계 성장이 가속된다. 비관적 시나리오는 장비 규제가 더 강화되고 NVIDIA GPU 접근성이 다시 확대되는 경우다. 이 경우 국산 대체 속도가 둔화된다. 시장에서는 주로 공정 노드 기준으로 경쟁력을 평가한다. 예를 들어 NVIDIA는 TSMC 4nm, 중국은 SMIC 12nm라는 식이다. 하지만 보고서는 성능/전력/비용 기준으로 보면 격차가 크게 줄어든다고 본다. MetaX C600은 이 기준에서 NVIDIA A100과 유사한 수준에 도달한다. 향후 C700은 H200과 경쟁 가능성이 있다고 본다. 다만 장기적으로 장비 병목은 계속 존재할 가능성이 높다. 중국은 향후 5년 동안 EUV 없이 DUV 기반 다중 패터닝에 의존할 것으로 예상된다. 핵심 논쟁 #1: 중국은 경쟁력 있는 AI GPU를 대량으로 공급할 수 있는가? 시장 시각: 글로벌 투자자들은 미국과 중국 AI 칩을 비교할 때 주로 공정 노드에만 집중한다. 예를 들어 NVIDIA는 TSMC 4nm, MetaX는 SMIC 12nm와 같은 식이다. 이 기준에서는 중국 AI 칩이 경쟁력이 없다고 결론 내리는 경우가 많다. 우리의 시각: 성능/전력/비용 기준(performance per watt per dollar)으로 보면 이 격차는 상당히 줄어든다. 특히 중국에서는 전력 요소의 중요도가 상대적으로 낮다. MetaX와 NVIDIA 비교 사례에서 MetaX의 C600은 performance per watt per dollar 기준으로 NVIDIA A100과 유사한 수준을 보인다. 향후 C700으로 발전하면 H200과도 경쟁 가능하다고 본다. 다만 장기적으로는 시장이 일부 장비 병목 해소 가능성을 과도하게 낙관하고 있다고 판단한다. 예를 들어 향후 5년 동안 중국 파운드리는 자체 리소그래피 장비 대신 ASML의 DUV를 활용한 멀티 패터닝에 계속 의존할 것으로 본다. 모니터링 지표: 첨단 공정 생산능력(wpm) 및 수율 개선 속도 대규모 클러스터 안정성 소프트웨어 및 CUDA 유사 생태계 발전 리스크 요인: 수율 개선 속도 지연 장비 병목 장기화 소프트웨어 생태계 구축 난이도 칩을 대규모로 생산하는 데 있어 장애 요인 중국이 경쟁력 있는 AI GPU를 대량 공급할 수 있는지를 판단하기 위해 공급 측면, 특히 파운드리 생산 능력부터 분석한다. 단순한 생산능력 확대뿐 아니라, 상위 공급망 요소들의 성숙도와 가용성이 중요한 변수다. 이러한 이유로 AI GPU 공급망 전반에서 다양한 병목이 존재한다. AI GPU 공급망은 장비(WFE), EDA, 파운드리, 패키징, 설계, CSP까지 이어지는 구조를 가진다. 이 중 가장 큰 제약은 WFE와 EDA다. WFE 측면에서는 일부 장비(에피택시 등)는 국산화가 진행되었지만, 리소그래피와 검사 장비는 여전히 글로벌 기업 의존도가 높다. 중국은 2025년 ASML DUV 장비를 대량 수입하여 향후 규제에 대비했다. SMIC에서는 검사 및 계측 장비 부족으로 인해 일부 공정을 축소하고 핵심 레이어 중심으로 운영하고 있다. 이는 생산량은 유지하지만 수율에는 부정적인 영향을 줄 가능성이 있다. EDA는 또 다른 핵심 병목이다. 중국의 Empyrean은 글로벌 시장 점유율이 1~2% 수준이며, 첨단 공정 GPU 설계에 필요한 풀 스택 EDA 솔루션을 제공하지 못하고 있다. 반면 Cadence, Synopsys, Siemens는 80% 이상의 점유율을 차지하고 있다. 미국은 GAA 구조에 필요한 EDA 소프트웨어 수출을 제한하고 있으며, 이는 중국의 3nm 및 2nm 개발을 제약한다. 이로 인해 중국 AI 칩 설계 기업들은 첨단 공정으로의 전환에 어려움을 겪고 있다. SMIC의 생산능력 확대는 첨단 공정 병목을 완전히 제거하지는 못하고, 오히려 병목의 위치를 장비에서 파운드리 실행 및 용량 배분으로 이동시키고 있다. 그 결과, SMIC는 사실상 중국 AI GPU 생산 확대의 핵심 병목 지점이 되었다. 여러 중국 AI 칩 기업들은 생산을 다시 중국 본토로 이전하고 있으며, SMIC의 N+2(7nm) 및 N+1(12nm) 공정을 활용해 AI 가속기를 테이프아웃하려 하고 있다. 이는 해외 의존도를 줄이고 제약을 완화하려는 시도다. 현재 중국의 첨단 공정 생산능력은 SMIC South에 집중되어 있으며, DUV 멀티 패터닝을 통해 N+2 공정이 구현되고 있다. 이론적으로는 N+3(약 5nm 수준)까지 확장 가능성이 언급된다. SMIC의 N+2 생산능력은 2025년 약 22k wpm → 2026년 40k → 2027년 51k로 증가할 것으로 추정된다. 하지만 이 생산능력은 스마트폰 및 자동차 SoC 수요와 경쟁해야 하며, AI GPU에 전량 배정되지는 않는다. 일부 기업들은 N+1 공정을 선택하고 있다. 이는 생산 안정성, 수율, 비용 측면에서 현실적인 선택이다. 다만 N+1 기반 칩은 연산 밀도와 전력 효율에서 구조적으로 불리하며, 대규모 학습보다는 추론 workload에 적합하다. 웨이퍼 공정 제약에 대한 전략적 대응 앞서 언급한 것처럼 SMIC의 생산능력 확대는 공정 격차를 완전히 해소하지 못한다. 이에 따라 중국 AI 칩 기업과 CSP들은 공정 자체를 따라잡기보다는 시스템 및 아키텍처 수준에서 보완하는 전략을 채택하고 있다. 중국 AI 가속기는 여전히 성능과 전력 효율에서 글로벌 경쟁사 대비 열위에 있다. 이러한 상황에서 세 가지 대응 전략이 나타난다. 첫 번째 전략: “하나의 다이가 충분히 강력하지 않다면, 여러 개를 묶어 하나의 칩으로 만든다.” 공정 및 설계 제약으로 인해 단일 다이 성능이 낮기 때문에, 멀티 다이 구조와 첨단 패키징을 통해 성능을 보완한다. 이는 공정 업그레이드 없이도 성능을 일정 부분 끌어올릴 수 있는 방법이다. 두 번째 전략: “하나의 칩이 부족하다면, 더 큰 랙과 클러스터를 구축한다.” 기존 AI 서버는 4~8개의 GPU를 사용하지만, NVIDIA NVL72는 72개의 GPU를 하나의 시스템으로 연결한다. 중국 기업들도 유사한 scale-up 아키텍처를 채택하고 있다. Huawei CloudMatrix 384 Alibaba PPU 기반 랙 ByteDance 256 가속기 랙 이러한 구조는 GPU 간 연결 대역폭을 높이고 랙 단위 성능을 크게 개선한다. 세 번째 전략: “파운드리가 부족하다면, 생산능력을 확장한다.” SMIC는 지속적으로 대규모 CAPEX를 집행하고 있으며, DUV 장비 확보도 확대하고 있다. 이는 중기적으로 첨단 공정 생산능력 확대를 지원하지만, 글로벌 선도 공정과의 격차를 완전히 해소하지는 못한다. 공정 제약으로 인해 일부 칩은 이전 세대 대비 성능이 낮아지는 현상도 나타난다. 예를 들어 Ascend 950PR은 910C 대비 약 38% 낮은 연산 성능을 보이는 것으로 알려져 있다. 이러한 한계를 보완하기 위해 멀티 다이 패키징이 활용되며, 절대적인 연산 성능은 일정 부분 회복된다. 시스템 수준에서는 scale-up 아키텍처가 빠르게 확산되고 있다. NVL72는 기존 서버 구조에서 벗어나 72개의 GPU를 단일 시스템으로 연결하며, GPU 간 통신 병목을 크게 줄인다. 중국 기업들도 이와 유사한 구조를 도입하고 있다. Huawei의 CloudMatrix 384, Alibaba의 PPU 기반 랙, ByteDance의 256 가속기 랙이 대표적이다. 이러한 접근 방식은 개별 칩 성능의 한계를 시스템 수준에서 보완한다. 네트워크 및 랙 설계를 통한 공정 제약 보완 중국은 칩 단위 성능 격차를 완전히 해소하지 못하고 있지만, 시스템 아키텍처를 통해 경쟁력을 확보하고 있다. 특히 광학 네트워킹과 대규모 랙 설계에서 빠른 진전을 보이고 있다. Huawei의 Ascend CloudMatrix 384는 광학 인터커넥트를 활용하여 대규모 연결 구조를 구현한다. 차세대 Ascend 플랫폼에서는 최대 8,192개의 칩까지 확장이 가능하다고 주장된다. 또한 Ascend 950PR 및 950DT는 최대 2TB/s의 인터커넥트 대역폭을 제공하며, 이는 NVIDIA NVLink Gen5(1.8TB/s)를 상회하는 수준이다. 즉, 네트워크 연결 측면에서는 이미 글로벌 경쟁력을 확보하고 있다. 글로벌 AI 시스템에서는 연산 성능 증가 속도에 비해 네트워크 성능 개선이 상대적으로 제한적이다. 이는 일부 GPU 자원이 유휴 상태로 남는 비효율을 초래한다. 반면 중국 시스템은 상대적으로 균형 잡힌 구조를 보인다. ...

AI changes the game (Part 2): 중국 AI 유니버스에 대한 탑다운 가이드 지난 1년간 AI는 실제로 게임의 룰을 바꿨다 1년 전 우리는 본 시리즈 1편에서, AI가 이익, 밸류에이션, 포트폴리오 자금 흐름 경로를 통해 중국 주식에 어떤 영향을 줄 수 있는지에 대한 사고 프레임을 제시했다. 2025년 1월 ‘DeepSeek 모멘트’ 이후 AI 채택은 가속화됐고, 평균 토큰 비용은 급격히 하락했으며, AI는 주식시장의 지배적인 테마로 자리 잡았다. 중국 AI 관련 주식은 평균 50% 상승했고, 홍콩 및 중국 본토에서 103개의 AI 관련 IPO가 상장했으며, 기술 유니버스에서 3조 달러가 넘는 시가총액이 새로 창출됐다. 중국 AI 밸류체인의 변화에 대응하기 빠르게 전개되는 기술 변화와 진화하는 투자 환경 속에서, 우리는 글로벌 비교 대상, AI 매출 기반 섹터 프레임워크, 그리고 GS 애널리스트들의 바텀업 인사이트를 활용해 중국 AI 주식 유니버스를 재정의한다. 이를 통해 글로벌 관점에서 변혁적 힘을 분석하고, 5개의 핵심 AI 테마 레이어—전력(Power), 반도체(Semi), 인프라(Infrastructure), 모델(Model), 애플리케이션(Physical AI 및 AI+)—로 구성된 247개 세부 산업, 3,000개 이상 종목이 포함된 10조 달러 규모의 중국 AI 밸류체인에서 기회를 체계적으로 식별한다. 어플리케이션 영역은 physical AI와 AI + 두 부류로 나누었음. Physical AI = 자율주행, 휴머노이드 등 AI+ = 기존 산업/서비스에 AI가 추가로 붙어서 효율을 올리는 영역으로 해석됨. (AI 기업을 AI를 만드는 기업 vs AI를 활용하는 기업 으로 구분하려는 의도인듯) 게임은 시작됐다: 글로벌 투자자에게 주는 4가지 핵심 시사점 중국은 글로벌 AI 유니버스의 핵심 구성 요소로, 전 세계 AI 관련 시가총액의 10%, 매출의 16%를 차지한다. 그러나 중국 AI 주식은 투자자들에 의해 과소보유되고 있다. 섹터별로 보면, 미국은 현재 반도체, 모델, AI+ 분야에서 지배적이다. 반면 중국의 AI 기회 영역은 전력, 인프라, Physical AI 분야에서 더 두텁게 형성돼 있다. 모든 중국 AI 프록시가 동일하지 않다. 지역별, 산업별로 수익률의 개별성이 매우 높다. AI는 단일한 투자 테마가 아니다. 지난 2년간 글로벌 리더십은 반도체 중심이었으나, 최근에는 인프라와 전력으로 확산됐다. 지난 1년간 AI는 실제로 게임의 룰을 바꿨다 Exhibit 1: 중국은 글로벌 경쟁력을 갖춘 AI 모델을 일부 배출했다 중국 LLM은 빨간색으로 표시됨. GDPval은 44개 직업에 걸친 실제 경제적 가치가 있는 과업에서 AI 모델을 평가하기 위해 설계된 벤치마크임. Exhibit 2: LLM 성능 개선과 함께 AI 채택은 지속적으로 증가 - 24년 1월 ~ 25년 12월 월간 활성 사용자(MAU, 백만 명) Exhibit 3: AI 사용 비용은 지난 수년간 크게 하락했다 Exhibit 4: 당사 컨퍼런스 참석 투자자의 대다수는 중국 AI 테마에 대해 낙관적 글로벌 매크로 컨퍼런스 아시아 태평양 2026 설문 - 2026년에 가장 좋은 성과를 낼 테마는 무엇인가? Exhibit 5: 중국 AI 기업의 자금 조달 활동은 최근 분기 들어 증가, 특히 홍콩에서 두드러짐 Exhibit 6: ‘DeepSeek 모멘트’ 이후 중국 기술주에 3조 달러 이상 시가총액이 추가 중국 AI 밸류체인의 변화에 대응하기 빠르게 전개되는 기술 변화 속에서, 우리는 아래 3가지 접근법을 기반으로 중국 주식의 AI 유니버스를 재정의한다. 이 작업은 진화하는 AI 투자 환경을 보다 잘 이해하고 분석하며, 5개의 핵심 AI 테마 레이어—전력, 반도체, 모델, 인프라, 애플리케이션(Physical AI 및 AI+)—에 걸쳐 247개 세부 산업, 3,000개 이상 상장기업이 포함된 중국 AI 밸류체인에서 기회를 체계적으로 식별할 수 있도록 한다. 글로벌 및 중국 AI 공급망 매핑 우리는 먼저 미국, 북아시아, 유럽의 700개 이상 주요 AI/테크 기업(MSCI ACWI 구성 종목 및 가치가 공개된 대형 비상장 기업 포함)을 GS 산업 정의에 따라 5개 테마 코호트, 29개 산업으로 분류했다. 그 다음, AI 매출 연관성이 있는 중국 상장기업(온쇼어 및 오프쇼어)을 해당 산업에 매핑했다. 이를 통해 4개 주요 AI 지역에 걸친 3,715개 기업, 총 시가총액 36조 달러 규모(전 세계의 25%)의 글로벌 AI 주식 유니버스를 구성했다. Exhibit 7: 5개 테마 레이어, 29개 산업에 3,700개 이상의 글로벌 AI 기업을 매핑하여 총 시가총액 36조 달러 규모의 AI 주식 유니버스를 구성 AI 매출 기반 분류 프레임워크 기존 섹터 분류는 기업의 산업 속성이나 인식된 사업 방향성에 기반한다. 그러나 AI 시대에는 기존 비즈니스 모델이 전례 없는 수준의 교란을 겪거나 구조적 전환을 겪고 있다. 따라서 우리는 RBICS 프레임워크를 활용한다. 이는 2024 회계연도 재무제표를 기반으로 기업의 매출원을 AI 세그먼트에 명시적으로 귀속시켜, 기업의 본질적 AI 노출도를 객관적으로 정량화한다. 데이터에 따르면: a) 총 시가총액 10조 달러 규모의 3,000개 이상 중국 상장기업이 AI와 추적 가능한 매출 연계를 보유 b) 이 10조 달러 중 약 절반은 사업 세분화 기준으로 AI 밸류체인에 직접적으로 연관 c) 산업별로 AI 노출도와 AI 팩터에 대한 수익률 베타는 상당한 차이를 보임 FactSet RBICS 설명 RBICS는 기업의 주요 및 부수적 매출원을 분석해 진정한 섹터 노출도를 파악하는 다중 섹터 분류 체계다. 12개 앵커 섹터, 6단계 깊이, 1,800개 이상의 세부 섹터 그룹으로 구성되며, 기업별로 정량화된 다중 섹터 참여 구조를 제공한다. 이를 통해 특정 AI 관련 세부 활동에 매출 노출을 가진 기업을 선별할 수 있다. 7,184개 중국 상장기업에 RBICS를 적용한 결과, 3,012개 기업이 33개 섹터, 247개 세부 산업에 걸쳐 AI 매출 노출을 보유하고 있는 것으로 확인됐다. Exhibit 8: 중국 내 산업별 AI 매출 노출도는 RBICS 기준으로 큰 차이를 보임 Exhibit 9: 중국 AI 프록시 종목 간 높은 수익률 개별성 - RBICS 레벨3 산업 기준 평균 산업 내 상관계수 31% GS 바텀업 인사이트 GS 글로벌 투자 리서치는 전력(장비 및 발전), 반도체, 하드웨어 인프라, 소프트웨어, AI 기반 애플리케이션(특히 자율주행과 휴머노이드 로봇)에 대해 광범위한 심층 보고서를 발간해왔다. 현재까지 GS 섹터 애널리스트 팀은 AI를 가능하게 하거나 AI에 의해 강화되는 29개 산업을 식별했으며, 2035년 기준 중국 AI 기업의 총 주소가능시장(TAM)을 16조 달러로 추정한다. 이와 앞선 두 접근법을 결합해, Exhibit 10과 같은 확장된 중국 AI 밸류체인을 도출했다. Exhibit 10: 광범위한 중국 AI 밸류체인 - 3,000개 이상 기업, 총 시가총액 10조 달러 규모(이 중 약 절반은 AI에 직접적으로 연관) 게임은 시작됐다: 중국 AI에 대한 4가지 핵심 투자 시사점 중국은 글로벌 AI 유니버스의 핵심 구성 요소 전 세계 AI 관련 시가총액의 10%, 매출의 16%, 설비투자와 R&D 지출 기준으로는 약 20%를 차지한다. 그러나 2026년 1월 기준 글로벌 뮤추얼펀드의 중국 주식 비중은 1.7%, 글로벌 테크 비중 중 중국 AI 비중은 1.2%에 불과하다. 즉, 글로벌 투자자들은 중국 경제 규모 대비 구조적으로 중국 주식에 과소노출돼 있을 뿐 아니라, AI 투자 유니버스 내 중국 기술기업 비중 대비 추적오차도 크게 발생시키고 있다. Exhibit 11: 정의된 글로벌 AI 유니버스에서 중국 비중 Exhibit 12: 글로벌 투자자들은 특히 AI 테크 영역에서 중국을 현저히 언더웨이트 중국은 글로벌 AI 공급망에서 비교우위를 보유하고 있다. 우리 프레임워크에 따르면, 미국과 북아시아 기술 기업들은 시가총액 및 매출 기준으로 반도체(Semi), 모델(Model), 그리고 애플리케이션(특히 AI+) 코호트에서 글로벌 지배적 위치를 차지하고 있다. 반면 중국 AI의 기회 영역은 전력(Power), 인프라(Infrastructure), 그리고 Physical AI 분야에서 더 두텁게 형성되어 있는 것으로 보이며, 이들 분야는 각각 글로벌 매출 풀의 38%, 26%, 27%를 차지한다. 이러한 리더십의 분화는, 균형 잡힌 AI 중심 투자 전략 맥락에서 중국 AI 기업들이 글로벌 투자자들에게 잠재적으로 강한 가치 제안과 분산 효과를 제공할 수 있음을 시사한다. Exhibit 13: 반도체와 모델에서는 미국과 북아시아가 주도, 반면 중국 AI 기회는 전력, 인프라, Physical AI에 더 집중 모든 중국 AI 프록시가 동일하지 않다 지리적 관점에서, 2022년 11월 ChatGPT 3.5 출시 이후 미국 테크 기업이 글로벌 동종 대비 선도해왔다. 다만 2025년 1월 ‘DeepSeek 모멘트’ 이후에는 중국과 북아시아 AI 주식이 미국을 각각 30%, 21% 상회했다. 또한 중국 AI 주식은 미국 및 글로벌 테크와의 수익률 베타가 비교적 낮게 나타났으며, 이는 투자자들이 중국 AI를 미국 AI 테마의 파생이 아닌 독자적 스토리로 인식하고 있음을 시사한다. Exhibit 14: ‘DeepSeek 모멘트’ 이후 중국 AI 주식은 미국 및 글로벌 대비 초과성과 Exhibit 15: 중국 AI 프록시는 글로벌/미국 테크와 낮은 상관관계 AI는 단일한 투자 테마가 아니다 테마 코호트별로 보면, 글로벌 반도체 주식은 지난 수년간 꾸준한 초과성과를 보여왔으나, 최근에는 투자자 초점이 연산능력 확충에서 AI 공급 병목으로 이동하면서 전력과 인프라로 리더십이 확산됐다. 애플리케이션 관련 프록시(Physical AI 및 AI+ 채택자)는 AI 수익화 부족, 기존 사업 잠식 및 교란 리스크에 대한 우려로 상대적으로 부진했다. 중국의 경우, 인프라는 ChatGPT 및 DeepSeek 사이클 전반에 걸쳐 강세를 보였는데, 이는 중국의 강한 제조 역량과 기술 하드웨어 경쟁력을 반영하는 것으로 보인다. Exhibit 16: 중국 AI 보유의 분산 효과는 테마 레이어 간에도 적용됨 중국 vs 미국 레이어 간 상관계수 매트릭스 제시 Exhibit 17: 글로벌 기준 AI 주도 주가 모멘텀은 반도체에서 전력 및 인프로 이동 Exhibit 18: 중국 AI 인프라 종목은 ChatGPT 및 DeepSeek 사이클 전반에서 선도, 모델은 신규 IPO와 함께 추격 시작 Appendix China Strategy : AI Changes the game part 3 AI에 대한 백만 달러짜리 질문: AI는 버블인가? 이 시리즈의 2부에서는 중국 AI 주식 유니버스를 (재)정의하기 위한 새로운 산업 세분화 프레임워크를 도입했음. 이를 통해 우리는 진화하는 AI 역학을 분석하고 약 10조 달러 규모의 중국 AI 가치사슬 전반에서 기회를 체계적으로 식별할 ...

SOMETHING BIG IS HAPPENING Dario Perkins 16 Feb 2026 지난주, AI 디스럽션에 관한 게시글 하나가 X에서 바이럴되면서 전 세계가 들끓었다. 보통이라면 우리는 이를 무시했을 것이다. 하지만 같은 분위기가 시장에서도 나타나고 있으며, 상황이 조금 이상해지기 시작하고 있다. 금요일까지 8천만 명이 넘는 사람들이 우리가 모두 일자리를 잃게 될 것이라는 이 게시글을 읽었다. 다행히도 이에 대한 합리적인 반박도 많이 나왔다. 그러나 AI 종말론은 시장으로도 번지고 있다. 두 가지 큰 공포가 있다. 빅테크가 의문스러운 수익률의 데이터센터에 6,000억 달러를 투자함으로써 자기 수익을 낭비하고 있다는 것, 그와 동일한 (이제는 상품화된) 투자가 전체 산업(소프트웨어를 시작으로)의 비즈니스 모델을 파괴할 것이라는 점이다. 그리고 이번에는 연준도 우리를 구할 수 없다. 우리는 왜 AI 종말론이 잘못되었는지에 대해 많이 써왔다. 여기서는 다른 각도에 집중하고자 한다. 고객들과의 논의에서 반복적으로 등장하는 쟁점이다. 질문은 이것이다. 새로운 연준 의장이 주장하듯, AI로 인한 생산성 향상이 금리를 상당히 낮출 것인가? 워시는 “그린스펀을 하겠다”는 약속 때문에 지명되었다. 이 아이디어는 스콧 베센트 등에게 분명히 공감을 얻고 있지만, 1990년대에 실제로 무슨 일이 있었는지를 공정하게 묘사한 것은 아니다. 그리고 이는 연준을 곤란에 빠뜨릴 수 있다. 1996년, 그린스펀은 금리를 인상하지 않는 이유로 생산성 논거를 유명하게 사용했다. FOMC 동료들은 점점 매파적으로 변하고 있었지만, 마에스트로는 이상한 점을 발견했다. ...