전력 인프라 슈퍼사이클 점검?!

클로드 코드(Claude Code)와 같은 에이전트 AI의 등장은 컴퓨팅 패러다임을 뿌리째 흔들고 있습니다. 이제 핵심은 단순한 ‘추론 능력’을 넘어, ‘방대한 맥락을 얼마나 효율적으로 유지하는가’로 이동하고 있습니다. AI 인프라의 거대한 흐름을 4가지 핵심 축으로 정리했습니다. 1. 메모리 계층 구조의 대변화 :HBM에서 SSD까지의 ‘티어링’ 현재 AI 추론은 모든 KV 캐시(대화 맥락 데이터)를 가장 비싼 HBM에 넣으려다 보니 비용과 용량의 한계에 봉착했습니다. 앞으로는 데이터의 중요도에 따라 거처를 정해주는 계층형 아키텍처가 표준이 될 것입니다. Hot Data (HBM): 실시간 연산에 필요한 핵심 토큰 배치. Warm Data (CXL DRAM): 직전 대화나 곧 쓰일 맥락을 저장. HBM보다 저렴하면서 용량 확장이 용이. Cold Data (SSD): 과거 이력이나 대규모 문서를 보관하는 ‘KV 오프로딩(Offloading)’ 장소. Insight: 고가의 GPU를 무한정 늘리는 대신, 저렴한 DRAM과 SSD를 조합해 운영 비용(TCO)을 극적으로 낮추는 방향으로 갑니다. 2. ...

한국 방산의 성장 논리가 끝났다고 보기보다는, 유럽의 수요 자체가 커졌고 유럽 내부 생산능력은 아직 빠르게 못 따라오고 있으며 그래서 한국은 ‘긴급 납기 + 현지화/기술이전 + 가격 경쟁력’ 포지션으로 여전히 유효하고 중동 전쟁은 특히 방공·요격체계의 긴급 수요를 앞당기는 변수로 작동하고 있습니다. (SIPRI) 즉, 투자 포인트는 “한국 방산이 유럽 자주국방 때문에 배제된다”가 아니라 “자주국방으로 가는 과도기에 가장 빨리 메꿔줄 공급자”라는 쪽에 더 가깝습니다. (European Commission) 1) 유럽 수요는 줄어든 게 아니라 오히려 더 커졌다 SIPRI에 따르면 유럽은 2021~2025년에 세계 최대 무기 수입 지역이 되었고, 유럽 국가들의 무기 수입은 2016~2020 대비 210% 증가했습니다. NATO도 2025년 헤이그 정상회의에서 2035년까지 GDP의 5%를 국방·안보 관련 지출에 투입하기로 합의했습니다. 이건 “유럽이 이제 안 살 것”이 아니라, 앞으로 살 돈과 물량이 더 커졌다는 뜻에 가깝습니다. (SIPRI) EU 회원국 국방비도 이미 빠르게 늘고 있습니다. EDA에 따르면 EU 27개국 국방지출은 2024년 3,430억 유로, 2025년에는 약 3,920억 유로로 추정됩니다. 숫자만 놓고 보면 수요 절벽 논리보다는 재무장 본격화 국면으로 해석하는 게 맞습니다. (Default) 2) 그런데 유럽이 “지금 당장” 다 자체 생산할 수는 없다 핵심은 여기입니다. 유럽도 돈을 쓰기 시작했지만, 생산능력은 돈 집행 속도만큼 바로 늘지 않습니다. 유럽연합 집행위 백서와 Bruegel은 공통적으로 “수십 년의 저투자(decades of under-investment)”와 산업 생산능력 병목을 지적합니다. Bruegel은 유럽의 방산 생산능력 확대에 시간이 필요하다고 했고, EU도 현재 병목을 산업 생산의 신속한 확장 능력으로 보고 있습니다. 즉, 유럽 자주국방의 방향은 맞지만, 그 목표에 도달하는 동안 외부 공급자 의존이 남을 수밖에 없다는 뜻입니다. (European Commission) 로이터도 유럽이 탄약 100만 발 지원 약속을 제때 채우지 못해 신규 공장 증설로 대응했다고 짚었습니다. 이것도 같은 이야기입니다.의지는 커졌지만, 생산은 아직 늦다. (Reuters) 3) 그래서 한국 방산의 강점은 “유럽과 경쟁”이 아니라 “유럽의 시간 부족을 메우는 것” ...

지금 시장에서 초과이익이 어디에 쌓이느냐를 보면, 꼭 모델 소유자에게만 가지 않습니다. 오히려 공급 제약이 큰 구간, 즉 HBM, 첨단 패키징, EUV/노광, 선단 공정, 전력 장비, 그리드 연결, time-to-power를 가진 플레이어에게 협상력이 생깁니다. AI 수요가 아무리 강해도 compute를 현실 용량으로 바꾸는 마지막 관문이 이들 자산이기 때문입니다. 희소 자원을 쥔 것만으로는 부족하고, 그 자산을 실제로 경제적 산출로 회전시키는 고객 접근권이 있어야 합니다. 예를 들어 GPU를 보유해도 전력·냉각·소프트웨어 스택·고객 파이프라인이 없으면 ROIC가 깨질 수 있습니다. 반대로 AI 모델 회사도 단순 API 경쟁에만 머무르면 upstream 가격 인상분을 전가받는 쪽이 될 수 있습니다. GPU를 얼마나 많이 갖고 있느냐보다, 그 연산을 활용해 실제로 돈이 되는 서비스나 제품으로 팔 수 있느냐가 더 중요하다. 결국 승자는 컴퓨팅을 확보한 회사가 아니라, 그 컴퓨팅으로 고객의 매출을 늘려주고 높은 가격을 받을 수 있는 구조를 가진 회사다. “누가 희소한 연산 자원을 쥐고 있고, 누가 그 자원을 실제 경제적 산출로 전환할 수 있는가.” 1. AI 수요의 패러다임 변화: '비용'에서 '매출원가(원자재)'로 전통적인 IT 예산의 관점에서 벗어나, AI가 기업 성장률을 결정짓는 근본적인 동력이 되고 있습니다. 복리형 성장 격차(Compounding Gap): 법인카드 지출 관리 플랫폼 Ramp의 데이터에 따르면, AI 지출 강도가 높은 상위 25% 기업은 2022년 11월 대비 매출이 100% 이상 폭발적으로 성장했습니다. 비도입 기업의 정체: 반면 AI 지출이 없는 기업군은 미국 명목 GDP 성장률과 유사한 10~20% 수준의 완만한 성장에 머물러 있습니다. 노동 집약에서 토큰 집약으로: AI 도입 기업은 추가 인력 채용 없이도 영업, 코드 작성, 고객 응대 등의 처리량을 동시에 늘리며, 노동 집약적 성장을 '토큰 집약적 성장'으로 치환하고 있습니다. 비탄력적 수요 구조: AI 컴퓨팅 비용은 줄여야 할 '사치재'가 아니라, 태울수록 더 많은 매출을 만드는 ...

1. 시장의 치명적 오해와 TurboQuant의 실체 ① 과장된 '6배 압축'의 맹점 구글 논문은 AI가 답변을 생성할 때 사용하는 임시 메모장인 'KV 캐시'를 16비트에서 3~4비트 수준으로 압축해 최대 6배, 8배의 성능 향상을 이루었다고 주장합니다. 하지만 실제 2026년 현재 vLLM, SGLang 등 주류 AI 서빙 프레임워크는 이미 8비트(FP8)를 기본으로 사용하고 있습니다. 즉, 16비트가 아닌 실전 8비트를 기준으로 계산하면 실질적인 압축 이득은 약 2.7배에 불과합니다. 게다가 중국 DeepSeek의 MLA 아키텍처는 이미 28배 압축을 선보인 바 있어 혁명적인 수치는 아닙니다. ② 1년 전의 낡은 '뉴스' 시장이 공포에 빠진 이 알고리즘은 이미 2025년 4월 논문으로 공개되었으며, 심지어 핵심 기초 연구자는 2년 전에 구글을 떠났습니다. 이 기술은 프론티어 AI 연구소들에게 이미 '소화가 완료된 점진적 개선'의 영역입니다. ③ 온디바이스 AI 시대의 개막 그럼에도 이 기술이 산업적으로 의미가 있는 이유는 무손실에 가까운 초강력 압축을 실전으로 끌고 왔다는 점입니다. 실제로 개발자들이 테스트한 결과, 파인튜닝 없이도 캐시 용량을 최대 4.9배 줄이거나, USB 충전기 크기의 소형 기기(NVIDIA GB10)에서 무려 400만 개의 토큰(책 수십 권 분량)을 구동하는 데 성공했습니다. 이는 모바일 기기에서의 장문맥 추론 장벽을 허물어 AI의 배치 표면적을 기하급수적으로 넓힙니다. 2. 기술적 이면: '수학 세금'과 실리콘의 역설 ① 공짜 점심은 없다: 연산 비용으로 치환되는 메모리 절감 TurboQuant는 무작정 용량을 줄이는 것이 아니라 데이터 분포를 균일화(PolarQuant)하고 잔차를 처리(QJL)하는 복잡한 수학적 과정을 거칩니다. 3~4비트로 압축된 데이터를 연산에 쓰려면 다시 읽고, 해석하고, 복원해서 투입해야 하는 '수학 세금(Math Tax)'을 치러야 합니다. 즉, 메모리 사용량을 줄인 대신 GPU/TPU가 초당 수백만 번 더 바쁘게 스위칭하며 발열과 연산 압박을 견뎌야 합니다. ② 엔비디아 생태계에서의 호재 이 기술은 구글 TPU 전용이 아니며, 논문의 주요 벤치마크도 엔비디아 H100 GPU에서 수행되어 8배의 속도 향상을 입증했습니다. 데이터 크기가 줄어들면 HBM 용량만 절약되는 것이 아니라, 칩 내부의 L1/L2 초고속 캐시(SRAM)에 데이터를 훨씬 많이 올릴 수 있어 메모리 계층 구조 전체의 성능이 대폭 향상됩니다. ③ 구글의 역설적인 칩 운용 전략 구글은 데이터센터의 칩을 오래 아껴 쓰는 자산이 아니라, 시스템 최대 처리량을 뽑아내기 위해 강하게 혹사시키는 소모품으로 간주합니다. TurboQuant로 메모리 병목이 완화되면, 구글은 남는 공간에 더 많은 에이전트를 빽빽하게 밀어 넣어 칩 활용률을 극한으로 끌어올립니다. 이는 칩 교체 주기를 단축하고 반도체 구조적 수요 확대로 이어지는 '실리콘의 역설'을 만듭니다. 3. 제본스의 ...

1. 조선 산업: 단순 수주 산업에서 '글로벌 안보·전략 플랫폼'으로 ① 한국 조선업의 '진짜' 초격차 원인 흔히 중국이 인건비가 싸서 배를 저렴하게 만든다고 생각하지만, 이는 절반만 맞는 이야기입니다. 중국 조선소가 배를 싸게 지을 수 있는 핵심 이유는 인건비가 아니라 '초기 설비 투자비(경비)'가 한국의 절반 이하 수준으로 적게 들기 때문입니다. 중국은 호황기 때 이 싼 비용으로 공장을 늘려 똑같은 배를 붕어빵처럼 찍어냅니다. 반면 한국의 핵심 경쟁력은 '다품종 대량 생산'과 이를 해내는 '기업 문화'입니다. 한 조선소 안에서 전혀 다른 종류의 배들을 동시에 만들며, 수많은 변수가 발생해도 어떻게든 약속된 날짜에 배를 완성해 내는 끈기와 조직적 협력 문화가 외국이 쉽게 따라올 수 없는 한국만의 강력한 해자(Moat)입니다. ② LNG선 슈퍼 사이클의 양대 축: '안보 프리미엄'과 '세대교체' 미국에서 2026년까지 대규모 LNG 물량이 쏟아질 예정이지만, 그동안 화주(바이어)들은 시중에 배가 많다며 발주를 미루고 있었습니다. 그러나 이란 전쟁을 기점으로 "보험료가 폭등하면 배가 움직이지 않는다"는 뼈저린 교훈을 얻었고, 용선료나 경제성보다 "무조건 내 통제하에 움직이는 확실한 배"를 선점해야 한다는 '에너지 물류 안보' 마인드로 완전히 돌아섰습니다. 여기에 기술적 요인이 불을 붙이고 있습니다. 화물창 개수를 5개에서 4개, 3개로 줄이고 기화율(Boil-off rate)을 극도로 낮추는 보냉재 혁신이 적용된 190k~200k급 '5세대 최신형 LNG선'이 주류가 되고 있습니다. 이처럼 압도적으로 성능이 좋은 큰 배들이 시장을 장악하면 기존 140k~150k급 구형 배들은 수익성이 떨어져 시장에서 퇴출당하는 '세대교체형 슈퍼 사이클'이 본격화됩니다. 과거 한 조선소에서 LNG선을 6~8척 짓기도 버거웠으나, 현재 한국은 도크 기간을 극한으로 줄이고 수많은 협력사(기자재 업체)들과의 완벽한 2인 3각 호흡을 통해 한 조선소당 20척 이상을 건조해 내는 압도적 속도를 자랑합니다. ③ 한미 조선 협력의 냉정한 현실과 장기 비전 미국은 해군력 보강이 시급하지만, 미국 자국 내에서 배를 건조하면 한국보다 가격이 4배나 비쌉니다. 또한, 미국 항구 간의 물류는 반드시 미국산 배를 써야 한다는 존스법(Jones Act)이 굳건하며, 전투용 함정(군함)을 한국에서 100% 직수출하는 것은 안보상 사실상 불가능합니다. 따라서 당장 1~2년 내에 한국 조선소의 재무제표에 막대한 이익이 찍히지는 않으며, 최소 5년 이상의 긴...