260505 GS - POWER ANALYST : US Data Center Power Demand Likely to Surge

AI의 구조적 발전과 AI 투자 확대는 중국 데이터센터 운영사들이 성장 기회를 포착하기 위해 더 높은 밀도의 인프라와 프론티어 시장으로 이동하는 변화를 촉진했다. 본 보고서에서는 i) GPU 인프라 임대(GPUaaS) 시장의 배경, 경제성 및 리스크를 분석한다. 이 시장은 미국 시장과 유사하게 연초 이후 가격 급등이 나타났으며, 우호적인 수익성 때문에 많은 신규 진입자를 끌어들였다. ii) “동수서산(东数西算)” 및 “산전협동(算电协同)” 국가 전략 하에서 전력 자원이 풍부한 중국 서부 지역이 신규 용량 확장의 핵심 시장으로 부상하고 있는 점을 분석한다. 우리는 Range Intelligent(300442.SZ)에 대해 EV/EBITDA 기반 할인 목표주가 RMB117로 매수 의견을 제시하며, Shanghai Athub(603881.SS)에 대해서는 EV/EBITDA 기반 목표주가 RMB34로 중립 의견을 제시한다. GDS/VNET이 여전히 데이터센터 운영에 집중하는 것과 비교해, Range와 Athub는 서로 다른 속도로 GPUaaS 사업을 포트폴리오에 편입하고 있으며, 동시에 신규 시설 구축 및 기존 시설 개조를 통해 AI 대응형 데이터센터로 전환하고 있다. 한편 우리는 주요 허브에서 주요 운영사들의 용량 보유(capacity reserve)를 중기적인 확장 잠재력을 평가하는 핵심 요소로 분석한다. 신규 전력 할당 승인에 대한 엄격한 통제가 장기적으로 더 건전한 수급 구조와 산업 통합을 촉진할 수 있기 때문이다. 우리는 Range의 성장 잠재력이 현재 주가에 충분히 반영되지 않았다고 판단한다. Goldman Sachs 예상 기준으로 2025~2028년 동안 가동 용량/매출/EBITDA CAGR은 각각 33%/40%/47%에 달한다. 이는 연초 이후 이미 큰 폭의 주가 상승(+71%, CSI300 +1%)에도 불구하고 그렇다고 본다. 이러한 성장의 배경은 다음과 같다. i) 5GW 이상의 용량 보유량. 이는 동종업계 최대 수준일 가능성이 있으며 2026~2028년에 연간 약 290MW의 공급을 지원할 수 있고, 이후 추가 확장의 기반을 마련한다. ii) 통합형 지능형 컴퓨팅 운영사로서 중국 하이퍼스케일러 및 LLM 기업 침투 확대. iii) 현재 우호적인 가격 환경 속에서 장기 계약을 확보하며 성장하는 GPUaaS 사업. iv) 강력한 자본 조달 역량. 우리의 12개월 목표주가 RMB117은 2026/2027년 EV/EBITDA 37배/26배를 의미하며, 이는 평균적으로 매출/EBITDA CAGR이 4~10% 수준인 A주 동종업체(Athub, Sinnet)의 20~25배 EV/EBITDA와 비교해 매력적이라고 판단한다. Athub에 대해서는 데이터센터 운영은 안정적이지만 용량 확장 및 AIDC 전략의 가시성이 제한적이며 현재 밸류에이션도 적정 수준이라고 판단해 중립 의견을 제시한다. 중국 A주 외에서는 GDS, VNET, SUNeVision에 대해 매수 의견을 유지하며, 클라우드 및 데이터센터를 중국 인터넷 업종 내 최선호 섹터로 유지한다. Alibaba와 Kingsoft Cloud 역시 핵심 투자 아이디어 중 하나다. Exhibit 1: 중국 하이퍼스케일러들의 AI 인프라 투자 규모는 여전히 미국 동종업체 대비 낮음 Exhibit 2: 우리는 중국 데이터센터 수요가 2025~2028년 CAGR 20% 성장할 것으로 전망 Exhibit 3: 중국의 경우 전력은 전반적으로 데이터센터 확장의 큰 제약 요인이 아님 Exhibit 4: 총 데이터센터 용량 및 파이프라인 기준으로 Range와 GDS가 선도 Exhibit 5: 향후 3년 동안 GDS, VNET, Range가 가동 용량 기준 시장점유율 상승을 주도할 것으로 예상 Exhibit 6: 우리는 Range Intelligent가 2025~2028년 동안 매출/EBITDA/순이익 CAGR 40%/47%/26%를 달성할 것으로 예상하며, 이는 우리가 커버하는 데이터센터 기업 중 가장 빠른 성장세임 Exhibit 7: 현재 및 예상 운영/재무 지표 기준 주요 데이터센터 운영사 스코어카드 핵심 매수 추천 종목 Range Intelligent (매수 | 300442.SZ | 시가총액 US$213억 | 목표주가 RMB117 | 상승여력 31%): 현재 지표와 예상 지표 모두 높은 점수 Range Intelligent는 중국 최대 데이터센터 운영사 중 하나로, 2025년 기준 가동 용량 750MW 및 약 6GW의 용량 보유량을 보유하고 있다. 대부분의 용량은 이미 전력 할당 승인을 확보했다. 우리는 Range Intelligent를 중국에서 가장 빠르게 성장하는 데이터센터 운영사 중 하나로 평가한다. 이는 1) 풍부한 용량 보유, 2) 완전한 AIDC 역량, 3) 강력한 고객 관계, 4) 다양한 저비용 자금조달 능력 덕분이다. 우리는 GPUaaS 투자가 우호적인 수요 및 가격 환경 속에서 추가 수익성을 창출할 것으로 기대하며, APAC 지역의 AI 수요 확대를 포착하기 위한 해외 확장 전략 역시 긍정적으로 평가한다. 12개월 목표주가는 2030년 예상 EV/EBITDA 18배를 적용한 후 2026년 말 기준으로 할인한 값이다. GDS Holdings (매수 | GDS/9698.HK | 시가총액 US$82억 | 목표주가 US$55/HK$54 | 상승여력 30%/33%) GDS는 중국 캐리어 중립 데이터센터 시장의 선두주자로, 도매형 비즈니스 모델에 집중하고 있다. 우리는 GDS가 중국 주요 컴퓨팅 클러스터 내 개발 가능한 용량 확대를 통해 시장 지배력을 구축했다고 판단하며, 재무 규율과 자산 재활용을 통해 대차대조표 역시 강화했다고 본다. 다만 기존 계약 갱신 및 신규 공급 가격 하락으로 인해 2025~2028년 MSR CAGR은 -8%를 예상한다. VNET Group (매수 | VNET | 시가총액 US$26억 | 목표주가 US$15.5 | 상승여력 86%) 우리는 VNET이 전통적인 리테일 IDC 사업자에서 빠르게 성장하는 도매형 IDC 사업자로 전환 중이라고 본다. 도매형 IDC는 2025년 매출의 35%를 차지할 전망이며, 2025~2028년 동안 매출/EBITDA CAGR 37~38% 성장이 예상된다. SUNeVision Holdings (매수 | 1686.HK | 시가총액 US$18억 | 목표주가 HK$7.7 | 상승여력 26%) SUNeVision은 홍콩 최대 데이터센터 사업자다. 우리는 MEGA IDC 추가 단계 가동 이후 전력 용량이 두 배 이상 증가하면서 AI 및 데이터 수요 확대의 수혜를 받을 것으로 예상한다. GPUaaS라는 새로운 비즈니스 모델: 배경, 경제성, 리스크 컴퓨팅 자원 가격 상승 지속 우리는 미국과 중국 모두에서 연초 이후 컴퓨팅 자원 가격이 상승하고 있음을 확인했다. 이는 AI 수요 증가 때문이며, 특히 중국 누적 토큰 소비량은 4월 말 기준 21조 토큰에 도달했다. 멀티모달 추론과 AI 에이전트 수요가 증가한 것이 주요 배경이다. 또한 메모리 부족 및 생산능력 증설 시간 지연에 따른 공급 부족도 가격 상승 요인이다. 이러한 판매자 우위 시장 특성은 GPUaaS와 퍼블릭 클라우드 같은 인프라 계층부터 AI 모델 계층까지 나타난다. 미국과 중국 시장 모두 연초 이후 GPUaaS 임대 가격이 약 30% 상승했으며, 하이퍼스케일러들도 CPU/GPU 클라우드 제품 가격 인상을 발표했다. Exhibit 8: 중국 일일 토큰 소비 증가율은 2025년 4분기 이후 가속화 Exhibit 9: 주요 모델 업데이트와 함께 증가한 Zhipu AI의 오픈플랫폼/API 사업 ARR 성장 Exhibit 10: 토큰 사용량 기준 OpenRouter LLM 순위표 모델 계층에서는 가격 조정이 보다 암묵적인 형태로 나타나고 있으며, 이는 주로 정액제(flat-rate) 모델에서 사용량 기반 구조로의 전환으로 반영되고 있다. 이는 각 추론 호출(inference call)에 필요한 하드웨어 및 에너지 수요 증가에 맞춰 매출도 함께 증가하도록 하기 위함이다. 4월 4일 Anthropic은 Claude 구독 상품에서 서드파티 harness 접근을 제한하겠다고 발표했다. 이는 고정 요금 소비자 요금제로 대규모 프로그래밍 접근을 허용하는 모델이 지속 가능하지 않다는 점을 보여준다고 우리는 판단한다. 마찬가지로 Xiaomi와 AliCloud의 토큰 요금제 역시 사용자가 일반적인 접근권에 비용을 지불하는 것이 아니라 실제로 “소모한” 자원에 대해 정확하게 비용을 지불하는 방향으로 이동하고 있음을 보여준다. Exhibit 11: 지난 5년 동안 미국 GPUaaS 임대 가격은 하락 추세였음 Exhibit 12: 그러나 2026년 연초 이후 미국 시장에서는 30% 이상 가격 상승 발생 Exhibit 13: 중국 GPU 임대 가격 (2026년 2월 기준) Exhibit 14: H100/H200 평균 임대 계약 가격 Exhibit 15: 미국과 중국 클라우드 플랫폼들이 연초 이후 발표한 가격 인상 Exhibit 16: LLM 가격 체계 전환 진행 중 GPUaaS는 자체 GPU 구축 대비 특정 장점을 통해 고객 수요를 흡수 우리는 GPUaaS가 고객들에게 다음과 같은 가치를 제공한다고 본다. 첨단 GPU 접근성 GPUaaS는 고객이 규제를 준수하는 방식으로 첨단 칩을 활용할 수 있게 해준다. 이는 AI 학습 및 멀티모달 추론 효율성에 매우 중요하다. CAPEX 및 비용 효율성 GPUaaS는 고객이 막대한 하드웨어 투자비용을 직접 부담하지 않고 이를 유연한 운영비(OPEX) 형태로 전환할 수 있게 해준다. 동시에 수요 가시성이 낮은 AI 시장에서 유연성을 제공한다. 빠른 시장 진입과 확장성 GPUaaS는 즉시 사용 가능한 고밀도 GPU 클러스터를 제공한다. 자체 구축 방식은 토지 확보, 전력 승인, 건설 등에 시간이 오래 걸린다. 따라서 하이퍼스케일러들은 자체 인프라(주로 국산 칩 기반)를 기본 자원으로 활용하면서도 급증하는 수요 대응을 위해 외부 GPU 자원을 임대할 수 있다. 경쟁 및 데이터 보안 AI 연구소들은 하이퍼스케일러 클라우드 플랫폼 위에서 모델을 학습시키는 것을 피할 수 있다. 이는 경쟁 문제 및 데이터 보안 우려 때문이다. 예를 들어 하이퍼스케일러가 최신 인프라를 내부 AI 프로젝트에 우선 배정할 가능성이 있으며, AI 연구소는 데이터에 대한 완전한 통제권을 원할 수 있다. 또한 우리는 GPUaaS가 단기 수요 탄력성 대응 수단에서 장기 수요를 충족하는 구조로 변화하고 있다고 본다. 이는 단순히 단기 수요 급증 시 외부 GPU를 임대하는 것이 아니라, 실제로 하이퍼스케일러와 LLM 기업들의 컴퓨팅 자원 구성에서 중요한 비중을 차지하게 되고 있다는 의미다. 이는 GPUaaS 사업의 장기적인 하드웨어 가동률 및 매출 지속가능성을 높일 수 있다고 본다. 예를 들어 Kingsoft Cloud의 2025년 약 RMB100억 규모 CAPEX에는: RMB60억의 직접 컴퓨팅 장비 구매 RMB40억의 GPU 서버 임대 관련 간접 CAPEX 가 포함되어 있었다. 반면 MiniMax는 하드웨어 및 컴퓨팅 인프라를 직접 소유하지 않고 임대 기반(asset-light) 접근 방식을 채택했다. Exhibit 17: Kingsoft Cloud의 2025년 약 RMB100억 규모 CAPEX 구성 Exhibit 18: MiniMax의 매출 대비 CAPEX 비율은 2026~2028년에도 낮은 수준 유지 전망 유닛 이코노믹스: GPUaaS의 수익성과 리스크 GPUaaS 사업은 여러 비즈니스 모델로 구성된다. 예를 들어: i) 전통적 GPU 임대 모델 물리적 하드웨어 사용 권리가 서비스 핵심인 모델 ii) 네오클라우드(neocloud) 혹은 특화 GPU 클라우드 고객이 클라우드 기반으로 GPU 연산 자원을 임대해 AI 학습 및 추론을 수행하는 모델 고도화된 네트워킹과 AI 특화 소프트웨어 생태계가 핵심 경쟁력이다. iii) 통합형 AI 데이터센터 데이터센터 운영사가 직접 GPU를 구매하거나 고객이 구매한 GPU 클러스터를 호스팅하는 모델 물리적 시설 및 하드웨어 권리와 함께 고도화된 네트워크 역량이 핵심이다. 중국 외 지역에서는 CoreWeave(CRWV), Nebius(NBIS), IREN 등이 대표적인 네오클라우드/특화 AI 클라우드 사업자 사례다. 이들은 전통적인 하이퍼스케일러의 대안으로서 AI 수요 대응을 위한 특화 GPU 컴퓨팅 자원을 제공하는 신흥 인프라 기업들이다. Goldman Sachs 예상에 따르면 이들 세 기업의 합산 매출은 2025~2028년 동안 8배 성장할 전망이다. 이는 다음과 같은 경쟁 우위 덕분이다. 빠른 전력 확보 속도 빠른 데이터센터 구축 속도 AI 인프라 전체 스택 보유 (랙 설계, 냉각 설계, 첨단 GPU...

아무도 논의하지 않는 가장 큰 매크로 변화: 기술은 인플레이션 산업으로 변했다 요약 인플레이션은 계속해서 연준의 2% 목표치를 지속적으로 상회하고 있으며, 이는 이전 10년과는 급격히 반대되는 변화다. 주요 원인 중 하나는 훨씬 더 뜨거워진 상품 인플레이션이다. 많은 사람들이 코로나 공급망 충격이나 관세 전가 같은 “외생적 충격”이 사라질 것이라고 보고 있지만, 새로운 충격이 경제를 강타하고 있다. 바로 AI 주도의 자본지출이다. 어느 시점이 되면, 지속적으로 이어지는 “일회성 사건들”은 결함이 아니라 구조적 특징이 된다. 기술 상품 인플레이션에서는 체제 전환이 진행 중이다. 특히 2026년은 65년 만에 처음으로 기술 상품 가격 상승률이 임금 상승률보다 높아지는 해다. AI 컴퓨팅 수요가 가속화되고 공급 제약이 발생하면서, 우리는 이 추세가 단기간 내 완화될 가능성이 거의 없다고 본다. 전반적으로 미국 경제는 “Run Hot” 체제로 이동하고 있는 것으로 보인다. 이러한 환경은 일반적으로 명목 GDP와 실질 GDP 모두에 긍정적이지만, 현재의 조합은 소비보다 투자를 더 선호하고 있으며, 지속적인 에너지 충격과 함께 소비자를 ...

“반도체 장비주가 여기서도 계속 상승할 수 있는가? Bull/Bear WFE 시나리오를 밸류에이션에 매핑하고 WFE 추정치를 상향” 반도체 장비주는 연초 이후 상대 기준으로 광범위한 반도체 섹터를 아웃퍼폼했다(당사의 반도체 장비 커버리지 +68% vs. SOXX +43%). 또한 시장이 지정학적 오버행을 흡수하면서 지난 한 주 동안 빠르게 리레이팅되었고, 이에 따라 특히 hyperscaler들의 CapEx 성장률이 CY27/28에 둔화되기 시작할 경우 밸류에이션이 과도하게 높아진 것 아니냐는 투자자 우려가 나타나고 있다. 장비 공급업체들은 여전히 반도체 업종 내 최고 수준의 퀄리티 프랜차이즈로 남아 있지만, 당사의 분석은 서로 다른 CapEx 시나리오 하에서 반도체 장비 업종 내 업사이드가 의미 있게 차별화될 수 있음을 보여준다. • 상대 기준으로 우리는 AMAT(Buy)와 Tokyo Electron(Buy)이 가장 비대칭적인 업사이드를 제공한다고 본다. AI CapEx 사이클이 연장될 경우 이들은 추가 리레이팅 여지가 있는 반면, KLA(Neutral)는 가장 불리한 risk/reward를 가진 것으로 보인다. 우리는 현재 KLA가 이미 가속화된 클라우드 지출 환경을 가격에 반영하고 있다고 보기 때문이다. 당사의 bull/bear 분석에 따르면, 가장 건설적인 시나리오인 CY27/28 hyperscaler CapEx 성장률 +40%/+15%의 경우, AMAT는 현재 주가 대비 약 51%의 업사이드가 있는 반면 KLA는 약 10% 업사이드에 그친다. 중국에서는 AMEC와 NAURA가 매력적인 밸류에이션과 독자적인 성장 동력을 보유하고 있다고 본다. • Hyperscaler들이 AI 지출을 축소하더라도, 특히 monetization이 지연될 경우에도 반도체 장비주는 여전히 업사이드가 존재한다. 당사의 base case 시나리오는 hyperscaler들이 CY26의 약 7,200억 달러(+75% YoY) 수준에서 CY27/28에 각각 9,180억 달러 / 1조 200억 달러(+28%/+11% YoY)를 추가 지출하는 것을 가정한다. 만약 hyperscaler들이 AI 지출을 줄인다면(즉 CY28까지 +10%/+5% YoY 성장에 그치는 bear case로 약 8,310억 달러), mature node 회복이 예상보다 빠르지 않은 이상 WFE는 의미 있게 감소할 것이다. 그럼에도 불구하고 AMAT와 Lam은 현재 수준 대비 각각 약 29% / 11% 업사이드가 존재할 것이다. • Terafab은 추가적인 WFE 지출을 유발할 수 있다. Terafab이 장비 제조업체들과 논의를 시작했다는 헤드라인을 고려할 때, 우리는 이 프로젝트를 CY27 이후 구조적인 추가 WFE 수요의 잠재적 원천으로 본다. • SPE 공급업체들의 점진적으로 더 긍정적인 코멘터리와 hyperscaler들의 긍정적인 CapEx 수정치를 고려하여, 우리는 2026/27/28 WFE 추정치를 기존 $132/$160/$174bn(+20%/+21%/+9%)에서 $141/$186/$208bn(+28%/+32%/+12%)으로 상향한다. 이는 메모리와 첨단 로직에 의해 주도된다. 반도체 장비주는 여전히 추가 상승 여력이 존재 — 상대 기준으로 Applied와 Tokyo Electron을 선호 핵심 요약(Bottom Line): 1Q 실적 시즌 동안 의미 있는 CapEx 상향 조정과 AI 모멘텀에 의해 견조한 WFE 환경이 형성된 이후, 연초 이후 반도체 장비주 랠리가 이어졌고 현재 하위 섹터는 CY27/28에 대해 보다 강세적인 CapEx 환경을 가격에 반영하고 있다. 상대 기준으로 당사의 분석은 AMAT가 가장 매력적인 risk/reward를 제공한다고 시사한다. 현재 주가 수준은 base-case보다 낮은 CapEx 시나리오를 반영하고 있으며, “peak AI CapEx” 우려가 현실화되어 hyperscaler들의 지출 증가율이 크게 둔화되더라도(CY25/26 +81%/+75% 이후 CY27/28 +10%/+5%) 가장 큰 업사이드를 내포하고 있기 때문이다. CY26 이후 높은 hyperscaler CapEx 지속 가능성에 대한 투자자 우려와 잠재적인 CapEx 축소가 밸류에이션에 미치는 영향을 평가하기 위해, 우리는 3단계 프레임워크를 구축했다. (1) hyperscaler 총 CapEx를 WFE 지출로 연결하고, 이를 다시 (2) AMAT, LRCX, KLAC 및 Tokyo Electron의 earning power로 연결한 다음, 마지막으로 (3) 현재 주식 밸류에이션과 연결해 상대적인 risk/reward를 평가한다. 이후 우리는 CY27-28 hyperscaler CapEx를 bear/bull 시나리오로 전망하여 downside 민감도를 정량화하고 반도체 장비주 내 상대적 방어력이 존재하는 영역을 식별한다. 당사의 분석은 다음과 같다: 우리는 hyperscaler들의 대규모 투자가 CY28E WFE 지출을 약 1,890억 달러(Bear)~2,230억 달러(Bull)까지 끌어올릴 것으로 예상한다. 이는 CY25의 약 1,100억 달러 대비 증가한 수준이며, 첨단 로직/파운드리 및 메모리가 이를 주도한다. 우리는 AWS, MSFT, GOOGL, META 및 ORCL의 총 CapEx를 Bear/Base/Bull 시나리오로 모델링했으며, Bull case에서는 hyperscaler 총 CapEx가 최대 약 1조 1,600억 달러(+40%/+15% in CY27/28)에 도달한다. Hyperscaler CapEx를 WFE로 변환하기 위해, 우리는 9% WFE sensitivity를 적용했다. 이는 KLA와 Lam 경영진이 과거 언급했던 내용과 일치하는데, 데이터센터 투자 1,000억 달러 증가당 약 80억~100억 달러의 WFE 수요가 발생한다는 내용이다. 또한 장비 주문 지연을 반영하기 위해 t 시점과 (t-1) 시점 간 50%/50% timing split을 가정했으며, utilization 정상화와 비AI 수요 개선에 따라 mature node 로직 및 NAND 관련 지출이 향후 수년간 순환적 회복을 보일 것이라는 가정 아래 core WFE 성장도 별도로 추정했다. Exhibit 1: AMAT와 Tokyo Electron은 가장 매력적인 risk-reward 프로파일을 제공하는 반면, KLAC는 “blue sky” 시나리오를 이미 가격에 반영한 것으로 보임 우리는 AI 주도 인프라 투자가 CY28E diluted operating EPS를 AMAT/LRCX/KLAC/Tokyo Electron 기준 각각 약 $25.45 / $12.90 / $72.60 / $17.33(또는 ¥2,686) 수준까지 끌어올릴 것으로 추정한다. WFE 지출을 기업별 매출로 변환하기 위해, 우리는 각각 1.05x / 1.10x / 0.95x / 1.0x의 WFE beta를 적용했다. 이는 매출 성장률이 역사적으로 WFE 사이클을 밀접하게 따라왔다는 점(Exhibit 4 참고)을 반영하며, 사업 믹스에 따른 차별화도 일부 고려했다. 예를 들어 KLA의 공정 제어(process control) 노출은 WFE 업사이클과 다운사이클 변동성을 완화시키는 경향이 있는 반면, Lam의 식각 및 증착 포트폴리오는 추가적인 장비 지출에 더 민감하게 반응한다. 우리는 분석 목적상 기업별 운영 가정 차이를 제거하고 프레임워크를 표준화하기 위해 그룹 전체에 일률적으로 1.5배 EPS leverage를 적용했다. Exhibit 2: Hyperscaler 총 CapEx에서 WFE ...

GPT 10줄 요약 요즘 소프트웨어 시장은 AI 때문에 경쟁이 확 늘어나면서 주가가 전반적으로 눌려 있음 특히 CRM·마케팅 같은 “프론트 오피스” 기업들이 더 타격 받는 중 (경쟁 진입 쉬움) 앞으로 핵심 경쟁력은 UI가 아니라 “데이터 + 컨텍스트 + 워크플로우 통제력”임 단순 LLM보다 싸고 효율적인 “맞춤형 소형 모델(SLM)”이 더 중요해지는 흐름 가격 모델도 바뀌는 중 → 좌석당 과금 → “성과/사용량 기반 과금”으로 이동 AI가 대신 일하면서 “생산성 단위” 자체를 파는 구조로 변하고 있음 사용자 인터페이스도 바뀜 → 앱이 아니라 Slack/챗봇 같은 대화형 인터페이스가 중심 Canva, Adobe, Salesforce, HubSpot 모두 “AI 에이전트 플랫폼”으로 진화 중 하지만 LLM 기반 디자인 툴은 아직 Figma 같은 전문 툴 수준까지는 못 옴 결론: 앞으로 돈 버는 회사는 “AI + 고객 데이터 + 업무 흐름을 통합한 플랫폼 가진 기업”이다 한 줄 핵심 → 이제 소프트웨어는 “툴”이 아니라 “AI가 대신 일하는 플랫폼 싸움”으로 바뀌고 있다 우리는 4월 동안 여러 프론트 오피스 이벤트에 참석했다. 여기에는 HubSpot의 Spring 2026 Spotlight(4/14), Salesforce TrailblazerDX(4/15), Canva Create(4/16), 그리고 Adobe Summit 및 Investor Session(4/22)이 포함된다. 전체 소프트웨어 섹터는 GenAI에 의해 촉발된 새로운 경쟁에 대한 우려로 디레이팅되었지만, 이러한 우려는 특히 프론트 오피스에서 더 두드러진다. 그 이유는 a) 구매자들이 새로운 기술을 실험하는 데 더 적극적이며 백오피스, 버티컬, 보안 구매자들보다 위험 회피 성향이 낮기 때문이다. 이는 해당 기능들이 직접적으로 매출 창출과 연결되기 때문이다. b) 이러한 애플리케이션의 수평적 성격으로 인해 해자가 고객 데이터에 묶여 있지만 특정 엔드마켓에는 묶여 있지 않으며, 이로 인해 범용 LLM 도구로부터의 경쟁 리스크가 커진다. c) SMID-cap 자산들이 기술 변화 속에서 지속 가능한 성장을 실현하지 못한 선례가 여러 개 존재한다. 현재 프론트 오피스 주식은 NTM EV/Sales 기준으로 소프트웨어 대비 36% 할인된 수준에서 거래되고 있으며, 이는 2023년 대부분 기간 동안 소프트웨어와 유사한 수준에서 거래되던 것과 대비된다 (Exhibit 1). Salesforce의 Headless 360은 가치가 UI 표면이나 API 수익화에서 벗어나 컨텍스트와 제어 레이어로 이동하고 있음을 강조한다. Salesforce는 4/15에 Headless 360을 발표했으며, 이는 Salesforce 내 데이터, 메타데이터, 워크플로우 로직을 서드파티 개발자에게 노출한다. 이제 개발자들은 단순히 raw API를 호출하는 것이 아니라 기업의 컨텍스트와 거버넌스를 자연스럽게 상속받는 에이전트를 구축할 수 있다. 우리는 이를 매우 세련된 전환으로 본다. API 수익화는 고객 및 생태계 마찰을 유발하고 있었으며, 대신 Salesforce는 생태계 활성화를 우선하는 혁신 중심 전략으로 전환할 것으로 예상된다. 플랫폼 접근에 대한 수익화는 향후 몇 달 내에 보다 구체화될 가능성이 높다. SLMs > LLMs. 우리는 업계 전반에서 frontier LLM보다 훨씬 저렴한 특화 모델로의 전환이 강하게 진행되고 있다고 본다. Canva는 이에 대한 좋은 사례를 제시했다. Canva는 작업을 frontier 서드파티 모델, 저비용 오픈 또는 flash 모델, 그리고 자체 first-party 모델 사이에서 동적으로 라우팅한다. 이를 통해 작업 복잡도에 맞춰 모델 비용을 조정할 수 있으며, 시간이 지남에 따라 AI 단위 경제성을 크게 낮출 수 있다. Canva는 자사의 모델이 경쟁사 대비 더 빠르고 저렴하다고 설명했다. 또한 Canva는 내부 모델을 디바이스에서 실행하여 서비스 비용을 거의 0에 가깝게 만들 수 있는 기회를 보고 있다. “생산성 단위”를 판매하고 이에 맞게 가격 모델을 진화시키는 것은 더 넓은 예산 범주를 열어준다. 수익화 방식은 좌석 기반에서 사용량, 결과, 생산성 향상으로 이동하고 있다. 엔드포인트에서 사용량, 결과, 생산성 향상 중심으로 이동하고 있다. Salesforce(“per action” Flex Credits), Adobe(AI 크레딧, 통합 가격, 결과 기반 엔터프라이즈 계약), HubSpot($ per recommended lead, $ per resolved conversation)는 에이전트 확산과 함께 점점 더 제공된 가치와 사용량에 수익을 연동시키고 있다. Canva는 좌석 기반 단순 가격을 유지하면서 pooled AI 크레딧과 선택적 AI Pass 소비를 추가하는 하이브리드 경로를 따르고 있으며, 이는 소프트웨어 생성 비용이 하락하고 좌석 기반 성장이 제한될 가능성이 있는 상황에서도 ARPU 확장을 지원한다. 프론트 오피스 벤더들은 점점 UI에 종속되지 않는 방향으로 이동하고 있으며, engagement 레이어가 새로운 진입점 역할을 한다. Slack, 대화형 인터페이스, 또는 서드파티 LLM이 CRM, 마케팅, 서비스 워크플로우와 상호작용하는 주요 인터페이스가 되고 있다. 로직과 프레젠테이션을 분리하는 플랫폼은 다양한 인터페이스에서 확장성을 확보하면서 데이터, 거버넌스, 수익화를 통제할 수 있다. 최근 LLM 혁신은 디자인 워크플로우의 프론트엔드로 확장되고 있지만 플랫폼 범위와 고수준 완성도 측면에서는 아직 부족하다. 실사용 테스트 결과, 최근 LLM 혁신은 창작 워크플로우 초반 단계에서는 경쟁력이 있지만 협업, 편집 깊이, 플랫폼 범위 측면에서는 Figma의 핵심 강점에 미치지 못한다. 최근 LLM은 대체로 대화 중심, 단일 사용자 중심이며 초기 프로토타입 생성 이후 유연성이 크게 떨어진다. 이러한 격차는 와이어프레임 깊이, 벡터 수준 제어, 생성 이후 편집에서 특히 두드러진다. 변경 시 전체 결과물을 다시 프롬프트해야 하는 경우가 많기 때문이다. 전반적으로 LLM 혁신은 프로토타이핑 및 경량 콘텐츠 영역에서는 경쟁력을 높였지만, Figma와 같은 플랫폼의 범위, 협업, 프로덕션 준비도 대비 아직 초기 단계에 머물러 있다. 우리는 CRM(Headless 360을 통한 보다 정교한 에이전트 전략과 개발자 중심 제품 발전), HUBS(제품 출시를 통해 확인되는 혁신 속도와 유기적 기술 스택의 힘), SHOP/KVYO(빠른 제품 혁신과 가격 모델 리스크 부재), ADBE(에이전트 기술 발전과 오케스트레이션 레이어 중심 전략 전환)에 대해 점진적으로 긍정적이다. 반면 FIG(마케터 등 디자인 인접 영역 확장은 Canva 영향으로 제한될 가능성), BRZE/ZETA(기존 마케팅 클라우드에서 혁신 데이터 포인트가 더 긍정적)에 대해서는 상대적으로 보수적이다. Exhibit 1: 프론트 오피스 애플리케이션의 밸류에이션 할인은 전체 소프트웨어 대비 계속 확대되고 있다 Exhibit 2: 현재 전체 소프트웨어 대비 약 36% 할인된 수준에서 거래 중이다 Adobe Summit 2026 Adobe는 4/22 라스베이거스에서 열린 연례 마케팅 중심 컨퍼런스 Adobe Summit에서 투자자 세션을 개최했다. 이번 이벤트는 Experience Cloud를 CX Enterprise 중심으로 재포지셔닝하는 데 초점을 맞췄으며, 이는 고객 경험 오케스트레이션을 위한 end-to-end 에이전트 기반 AI 시스템이다. 이 시스템은 고객 ...

미국 소프트웨어 rAImo의 AI 뉴스레터 #108: SaaS의 종말을 위한 AI 계산은 현실에서는 문제가 있다 우리는 현재 소프트웨어에 대한 부정적인 시장 심리를 이해한다. 그러나 이상한 점은 많은 SaaS 시스템 사용자들, 특히 대형 플랫폼 사용자들이 이러한 암울한 전망을 공유하지 않는다는 것이다. 본문에서는 그들의 계산 방식을 보여주며, 이는 투자자들이 상황을 보다 객관적으로 이해하는 데 도움을 줄 것이다. 지난주 ServiceNow의 초기 1분기 실적 발표 이후 소프트웨어의 종말에 대한 논쟁이 다시 본격화되고 있다. 우리는 이를 이해한다. 현재는 매우 불확실한 시기이며, agentic 및 vibe coding과 같은 새로운 AI 기능들은 분명 흥미롭게 들린다. 우리 리서치 작업을 현실에 기반하기 위해, 우리는 실제 현업 종사자들과 자주 통화하며 우리가 현실과 동떨어진 사고를 하고 있지 않은지 확인한다. 흥미로운 점은 그들의 시각이 향후에 대한 “단순한” 투자자들의 시각보다 훨씬 더 미묘하다는 것이다. 아래에서는 그들의 생각을 설명한다. 이는 투자자들이 AI와 SaaS 논쟁을 보다 균형 있게 이해하는 데 도움이 될 것이다. 우선, SaaS 기업들은 일반적으로 기업의 IT 예산에서 비용이 지불된다는 점을 상기해야 한다. 보다 정확한 숫자를 위해, 우리는 여러 산업에서 매출 대비 평균 IT 지출 비율과 시간에 따른 IT 지출 비율을 분석했다. 다음 두 개의 그래프를 참고하라. Figure 1. 2025년 산업별 IT 예산 우리는 이 두 개의 그래프에서 IT 지출이 기업 전체 비용 구조에서 작은 비중이지만 의미 없는 수준은 아니라는 것을 확인할 수 있다. 또한 금융 서비스와 같은 일부 산업이 다른 산업보다 더 “기술 집약적”이라는 점도 확인할 수 있는데, 이는 자연스러운 결과이다. Figure 2. 전체 산업 평균 매출 대비 IT 지출 비율 이 정보를 바탕으로 한 단계 더 나아가면, 전형적인(평균적인) S&P 기업이 IT에 얼마를 지출하는지 확인할 수 있다. 아래 표는 그 계산을 보여주며, 우리는 Apple과 같은 대형 기업들이 수치를 왜곡할 수 있기 때문에 평균이 아닌 중앙값을 사용했다. S&P 500 기업의 중앙값 기준 연간 매출은 약 150억 달러이며, 이에 대응하는 영업비용(OpEx)은 약 30억 달러 수준이다. 위 그래프의 IT 지출 비율을 적용하면 전형적인 ...