프리미엄
예측대회
투자분석
아카데미
커뮤니티
Valley AI 시작하기시작하기
Valley Space인기
빌 애크먼이 실제로 사용하는 투자 전략
퀄리티기업연구소타인의관점

빌 애크먼이 실제로 사용하는 투자 전략

avatar
퀄리티기업연구소
2026.05.16조회수 307회
avatar
퀄리티기업연구소
구독자 1,452명구독중 113명
"투자의 질을 중시하며, 장기적 안목으로 시장을 바라봅니다. 비단 재테크뿐만 아니라 인생 전반에 걸쳐 복리의 힘을 믿고, 그 원칙을 실천에 옮기는 곳입니다. 여기서는 깊이 있는 분석과 지속 가능한 성장 전략을 공유하며, 함께 성장하는 지혜를 나눕니다."

세계에서 가장 집중적이고 확신에 찬 투자 접근법의 프레임워크, 그리고 지금 당신의 포트폴리오에 바로 적용할 수 있는 것들

image.png

당신은 이미 기본은 안다

우량 기업을 사라. 장기적으로 생각하라. 패닉 매도하지 마라. 남들이 두려워할 때 탐욕스러워져라.


이런 말은 이미 오십 번쯤 읽었을 것이다.


맞는 말이다. 그리고 쓸모없다.


왜냐하면 이것들을 안다고 해서, 포트폴리오가 30% 빠지고 확신이 실시간으로 시험받는 순간에 당신의 행동이 달라지지 않기 때문이다.


행동을 실제로 바꾸는 건 구체성이다. 원칙이 아니라 메커니즘. 무엇을 해야 하는가가 아니라, 힘들 때 실제로 어떻게 해내는가.


그러니 애크먼이 실제로 하는 것들을 살펴보자. 하이라이트 릴에는 잘 나오지 않는 부분들을.


그에게는 8가지 원칙이 있다. 그 원칙을 어길 때마다, 그는 돈을 잃었다.

image.png

밸리언트 참사 이후, 애크먼은 특이한 행동을 했다. 투자자들에게 더 잘하겠다고 약속하는 편지를 쓰지 않았다. 대신 자신의 투자 원칙들을 돌판에 물리적으로 새기게 하고, 사무실 모든 책상에 한 부씩 올려놓았다. 팀에게 내린 지시는 명확했다. 우리가 다시 이 원칙에서 벗어나면, 야구 방망이로 나를 때려라.

image.png

이건 규율에 관한 은유가 아니다.


이건 자신의 실패 패턴을 충분히 깊이 연구해서 자신이 정확히 어디서 무너지는지 파악한 사람이, 스스로를 믿지 못하기 때문에 일상적인 환경 속에 물리적인 알림 장치를 만들어 넣은 이야기다.


원칙들 자체는 알아둘 만하다. 단순한 비즈니스, 예측 가능한 현금흐름, 지배적인 시장 지위, 높은 진입 장벽, 높은 자본이익률, 비즈니스 외부 리스크에 대한 제한적 노출, 탄탄한 재무구조, 그리고 탁월한 경영진. 8개의 필터. 12개도 아니고, 20개도 아니다.


여기서 당신이 주목해야 할 부분이 있다.


지난 20년간 퍼싱스퀘어가 겪은 모든 중대한 손실은, 이 원칙들 중 최소 하나를 타협한 것으로 거슬러 올라간다. 밸리언트는 본질적으로 예측 불가능한 제약회사였다. 그도 알고 있었다. 그럼에도 투자했다. 자신이 신뢰하는 다른 누군가가 이미 이사회에 있었기 때문에. 그 예외 하나가 40억 달러의 대가를 치렀다.


당신에게 주는 실질적인 교훈은 그의 8가지 원칙을 그대로 베끼는 것이 아니다. 자신만의 원칙을 직접 써내려가는 것이다. 무언가를 사기 전에 당신이 실제로 요구하는 것이 무엇인가? 당신이 요구한다고 말하는 것이 아니라, 당신의 실제 행동이 드러내는 것. 그런 다음 현재 보유한 모든 포지션을 그 목록에 대입해서 검증하라. 테스트를 통과하지 못하는 것들이 당신을 가장 크게 다치게 할 가능성이 높은 것들이다.

모든 것을 바꾸는 영구 자본의 통찰

대부분의 투자자는 투자 기간을 선호의 문제로 생각한다. 나는 5년 보유를 선호한다, 는 식으로. 애크먼은 그것을 의지력이 아니라 구조적으로 해결해야 하는 구조적 문제로 생각한다.


그가 관찰한 것은 이렇다.


집중적인 장기 투자는, 투자자들이 분기마다 자금을 회수할 수 있는 구조 안에서는 실제로 수행하기가 대단히 어렵다. 전략이 잘못된 것이 아니라, 그 구조가 미스매치를 만들어내기 때문이다. 집중 포트폴리오의 주식이 30% 빠졌을 때, 기업의 본질적인 내용이 전혀 변하지 않았더라도 환매 요청이 들어오기 시작한다. 환매가 들어오면 포지션을 팔아야 한다. 정확히 잘못된 타이밍에 포지션을 팔게 되면, 10년에 걸쳐 아름답게 복리로 쌓여야 했을 투자 전략이 그것을 둘러싼 구조에 의해 기계적으로 파괴된다.


이건 가상의 시나리오가 아니다. 실제로 그에게 일어난 일이다. 밸리언트와 허벌라이프 사태 시기에 그의 펀드는 35% 하락했고, 환매는 가속화되고 있었다. 업계의 한 행동주의 투자자가 그 취약점을 발견하고, 애크먼의 모든 포지션을 공매도하며 강제 청산을 유도하려 했다. 그 포지션들 자체는, 대부분, 문제가 없었다. 그것들을 둘러싼 구조가 무너지고 있었던 것이다.

image.png

그의 대응은 그의 커리어에서 가장 반직관적인 행동이었다. 그는 자신의 인생 최저점에서, 공개적인 손실과 개인적인 이혼과 진행 중인 소송과 자신을 무너뜨리려는 경쟁자들 속에서, JP모건으로부터 3억 달러를 빌렸다. 그리고 그 돈으로 자신의 공개 투자 비히클을 충분히 매입해 경영권을 확보하고 강제 청산을 막았다.


주식을 사기 위해 돈을 빌린 것이 아니었다. 자신이 장기 투자자로 남을 수 있게 해주는 구조를 지키기 위해 돈을 빌린 것이었다.


당신에게도 이건 직접적으로 적용된다. 훨씬 작은 규모에서도.


당신의 투자 전략을 위협하는 것은 거의 대부분 나쁜 기업이 아니다. 거의 항상 구조적인 문제다. 잘못된 타이밍에 팔도록 강제하는 레버리지. 잃어서는 안 되는 돈이 만들어내는 감정적 압박, 정확히 잘못된 순간에. 당신의 소득과 상관관계가 높은 포트폴리오, 그래서 경기가 나빠지면 일과 포트폴리오가 동시에 위기를 맞는 구조.


회원가입만 해도
이 글을 무료로 읽을 수 있어요.

Basic 7일 무료 체험 시작하기
이미 계정이 있으신가요?로그인하기
댓글 4개
avatar
황제펭귄
2026.05.16

좋은 글 잘 읽었습니다 감사합니다!

avatar
찰리 슬립
2026.05.17

야구방망이가 인상깊네요 방망이 없이 해내는 워렌버핏,,,멍거가 방망이역할 이었을지도

avatar
아라리
2026.05.17

규율과 멘탈이 정말 중요한 것 같습니다!

avatar
장수범고래
2026.05.23

감사합니다

타인의관점 카테고리의 다른글

노력이 보상받지 못하는 곳

삶의 많은 영역에서 노력은 보상으로 이어진다. 더 열심히 공부하면 더 좋은 성적을 얻는다. 더 오래 연습하면 더 뛰어난 운동선수가 될 수 있다. 더 많은 시간을 일하면 승진할 수도 있다. 주식시장은 그런 곳이 아니다. 오히려 거의 아무것도 하지 않고도 엄청난 보상을 받을 수 있다. 허브 베르트하임의 Heico 초기 투자는 그 놀라운 사례다. 어떤 기준으로 봐도 역사상 가장 위대한 '사이드카 투자' 중 하나다. 베르트하임은 강력한 진실 하나를 이해하고 있었다. 자신의 돈이 타인의 노력을 통해 움직이기 시작할 때 비로소 부는 복리로 불어난다는 것. 그는 이렇게 말했다. > "당신이 번 것을 가져다가… 다른 사람의 노동에 투자하라." 대부분의 사람들은 자신의 시간을 팔며 살아간다. 시간을 돈과 교환하는 것이다. 훌륭한 삶의 ...
타인의관점
2026. 05. 16
25
3
198

SiTime: AI의 원활한 연동을 뒷받침하는 조용한 기반

회사 건물 내부에서는, 동기화가 수조 달러 규모의 AI 클러스터가 제대로 작동할지 아니면 가동을 멈출지를 결정하는 시대를 위한 완벽한 타이밍 스택을 구축하고 있습니다. 요약 정밀 타이밍은 범용 인프라에서 AI 시스템의 핵심 제약 요소로 진화했으며, SiTime은 컴퓨팅·네트워킹·인터커넥트의 복잡성이 비선형적으로 확대되는 가운데 클록 조율의 핵심 계층을 담당하고 있다. CED(통신·기업·데이터센터)는 명확한 단기 성장 동력이다. AI 시스템이 더 많은 클록 민감 도메인으로 세분화됨에 따라 GPU, NIC, 스위치, 광학 모듈, 첨단 패키지 전반에 걸쳐 MEMS 기반 타이밍 탑재가 확대되고 있다. 2026년 1분기 실적은 이 흐름을 강하게 뒷받침했는데, CED 매출이 전년 동기 대비 158% 급증하며 세 자릿수 성장을 8분기 연속 기록했다. 르네사스 타이밍 사업부 인수가 완료되면 SiTime은 레조네이터·오실레이터 분야의 선두 기업에서 완전한 풀스택 타이밍 플랫폼으로 도약한다. 클록 제너레이터, 지터 어테뉴에이터, 네트워크 동기화 장치, 분배 버퍼가 추가되면서 AI 수요가 폭발하는 바로 그 지점에서 시스템 조율 계층이 완성되는 셈이다. 모바일 타이밍은 진정한 구조적 변곡점을 맞이하고 있다. 애플 내재화 모뎀 플랫폼이 직접적인 동력이며, 퀄컴이 6G 및 위성 통신을 위해 RF 스택을 업그레이드하는 과정에서 MEMS 타이밍이 iOS와 Android 생태계 전반으로 확산되는 2차 파도도 예상된다. SiTime의 해자는 경기 순환적이 아닌 구조적 성격을 지닌다. 수십 년간 축적된 독점적 MEMS 공정, 레조네이터 물리학, 아날로그 설계, 시스템 수준 통합 역량에 뿌리를 두고 있으며, 석영 기반 경쟁사들은 이를 복제하지 못했다. 이제 레조네이터부터 시스템 조율까지 아우르는 완전한 타이밍 스택의 소유권이 더해지면서 해자는 한층 깊어졌다. 표면적 밸류에이션 배수는 극단적으로 높지만, 매출 성장은 세 자릿수 속도를 향해 가속 중이다. 이 주식의 밸류에이션은 투기적 과열이 아니라 구조적으로 확장되는 시장에서의 카테고리 지배력을 반영하고 있다. 정밀 타이밍은 시스템이 충분히 크고, 빠르고, 병렬화될 때까지는 조용히 배경에 머무는 기술이다. 이 시점이 되면 조율 자체가 병목이 된다. 현대 AI 인프라에서 "클록"은 단순히 시간을 재는 도구가 아니라 동기화를 의미한다. 일론 머스크는 대규모 AI 학습을 10만 명의 연주자로 이루어진 오케스트라를 지휘하는 것에 비유한 바 있다. 모든 연주자가 밀리초 단위로 정확히 시작하고, 멈추고, 박자를 맞춰야 한다는 것이다. AI 학습과 추론 워크로드도 마찬가지로 수천 개의 칩에 분산되어 병렬 운영되며, 매 단계마다 데이터가 정확한 순간에 도착해야 한다. 타이밍이 어긋나면 GPU는 대기하고, 네트워크는 멈추고, 값비싼 컴퓨팅 자원이 낭비된다. 기존 CPU 중심 워크로드는 주로 순차적이어서 작은 타이밍 오차를 흡수할 수 있지만, AI 시스템은 그렇지 않다. 이것이 정밀 타이밍이 범용 배관 기술에서 성능의 시스템 수준 핵심 요소로 이동한 맥락이며, SiTime이 AI 인프라 스택의 점점 더 중요한 계층을 담당하게 된 이유다. 이 회사의 중요성은 특정 제품 사이클 하나에서 비롯된 것이 아니라, AI 시스템이 구축되는 구조적 방식 — 더 크고, 더 빠르고, 더 분산되고, 동기화 오차에 훨씬 민감한 방향 — 에서 기인한다. SiTime의 최종 시장 노출과 성장 동력 AI와 모바일로 깊이 들어가기에 앞서, SiTime이 수요를 바라보는 방식을 중심으로 매출 모델을 정리하는 것이 유용하다. SiTime은 세 가지 최종 시장 버킷에 걸쳐 타이밍을 판매한다. CED(통신·기업·데이터센터): AI 클러스터 규모 확대와 네트워킹 복잡성 폭증에 따라 타이밍 탑재량이 늘어나는 단기 성장 엔진 모바일·IoT·소비자: 노출이 덜 드러나고 고객명 공개에 제약이 많지만, 스마트폰 타이밍 아키텍처가 석영에서 통합형 프로그래머블 타이밍으로 전환되면서 비중이 점점 커지는 두 번째 축 자동차·산업·방산: 가혹한 환경, 진동, 온도 변화, GPS 음영 지역 등에서 타이밍의 임무 및 안전 중요도가 높아지면서 추가적인 다각화와 내구성, 제품 파생 수요를 제공하는 영역 왜 석영 기반 타이밍은 AI 시스템에서 한계에 부딪히는가 수십 년간 전자 타이밍은 석영이 지배해 왔다. 석영은 비교적 정적이고, 저주파·저병렬성 환경에서는 잘 작동한다. 그러나 AI 데이터센터는 석영이 설계된 적 없는 방식으로 타이밍을 혹사시킨다. 대역폭이 증가할수록 지터 허용치는 좁아진다. 시스템이 확대될수록 진동, 열 구배, 전자기 간섭이 증가한다. 아키텍처가 칩렛·모듈·케이블·패브릭으로 세분화될수록 클록 도메인의 수가 배가된다. 석영은 이 환경에서 버티지 못한다. 물리적으로 크고, 기계적으로 취약하며, 안정화 속도가 느리고, 반도체 방식 통합에 적합하지 않다. 고밀도 AI 랙이 극한 전력으로 가동되는 환경, 즉 충격·진동·온도 변화가 극심한 바로 그 조건에서 성능이 저하된다. MEMS 기반 타이밍은 다른 방식으로 확장된다. MEMS 레조네이터는 더 작고, 질량이 낮으며, 내구성이 강하고, 반도체급 공정으로 제조된다. 이를 통해 성능을 보다 정밀하게 제어하고, 환경 안정성을 높이며, 타이밍을 패키징·배치하는 방식에서 훨씬 큰 유연성을 확보할 수 있다. AI 시스템이 빠르고 병렬화될수록 이러한 장점은 줄어드는 것이 아니라 오히려 복리로 쌓인다. 이것이 SiTime이 공략하는 구조적 전환이다. AI 데이터센터에서 타이밍 수요가 실제로 발생하는 곳 AI 데이터센터 랙 내에서 타이밍 수요는 네트워킹·인터커넥트 측에서 가장 가시적으로 확대되고 있지만, 컴퓨팅 복합체 자체도 타이밍 공급사에 중요한 방식으로 변화하고 있다. GPU와 CPU는 기본 클로킹 기능을 점차 온다이(on-die)로 통합하고 있어 칩당 레거시 개별 석영 타이밍 탑재량의 상한이 생길 수 있다. 이것이 타이밍의 중요성이 줄어든다는 의미는 아니다. 사용 가능한 타이밍의 기준이 높아진다는 뜻이다. 첨단 패키지는 새로운 제약을 도입한다. GPU와 CPU가 칩렛, HBM 스택, 2.5D/3D 통합으로 이동하면서 온다이 클록은 노이즈, 열 구배, 다이 간 간섭 증가에 직면한다. 석영 기반 타이밍은 이 환경에 적합하지 않다. 부피가 크고, 기계적으로 취약하며, 고온 실리콘 근처에 배치하기 어렵고, 촘촘한 패키지 수준 통합과 호환되지 않는다. 결과적으로 석영은 첨단 패키지 내에서 해결책이 아니라 제한 요인이 된다. MEMS 기반 타이밍은 다른 방식으로 확장된다. 현재 MEMS 타이밍은 여전히 주로 보드 수준에 머물며, 패키지 인접 또는 패키지 내 설계에서의 점유율은 약 10% 수준으로 아직 초기...

병목 발견법 — AI 가치사슬에서 희소성과 역량이 만나는 곳

GPU 희소성에서 광 인터커넥트까지 AI 공급망을 추적하며, 오늘의 병목을 누가 해결하는가 요약 이 보고서는 단 하나의 고알파 투자 발견법을 소개하고 적용한다. AI 공급망의 병목을 식별하고, 원인 제공자(bottleneck causer, 희소성으로 병목을 만드는 공급 제약 기업)와 해결자(bottleneck solver, 이를 해소할 수 있는 희소한 공급사)를 구분한 뒤, 해결자에 투자하는 것이다. 해결자는 거래량 성장, 가격 결정력, 영업 레버리지, 멀티플 재평가가 동시에 복합적으로 작용하는 수혜를 누린다. 1파동(2023~2024년)에서 병목은 순차적으로 이동했다. NVDA의 GPU 공급에서 TSMC의 CoWoS 패키징으로, 다시 SK하이닉스가 사실상 독점 배분을 장악한 HBM으로, 그리고 물리적 데이터센터 전력·냉각으로 이어졌다. 1파동은 명확한 원인 제공자/해결자 쌍보다는, 제약 지점에 앉아 있는 누구든 보상받는 희소성 연쇄로 특징지어진다. NVDA, TSMC, Vertiv 같은 기업들은 모두 병목 안에서 막대한 가격 결정력을 추출했다. Vertiv의 사례는 특히 교훈적이다. 낮은 한 자릿수 성장률에 주가수익비율 12배로 시작해, AI 주도 ASP 상승이 고정비 기반을 통해 FCF를 약 2.5배 성장시켰고, 여기에 P/E가 25~30배로 재평가되면서 주가는 복합적으로 상승했다. 이것이 바로 발견법이 예측하는 4요소 복합이다. 그러나 이는 병목 해소가 아닌 병목 수혜자의 경제학이었다. 2파동(2024~2025년)에서는 원인 제공자/해결자 구도가 더욱 선명해졌다. NVDA가 병목의 원인 제공자가 됐다. Blackwell의 약 9~12개월 지연(패키징 재설계, NVL72 신뢰성 문제, SFU 제약)이 업계를 차세대 컴퓨트 기아 상태로 몰았다. AVGO 설계 커스텀 ASIC이 해결자로 부상했다. Google의 TPUv7은 "ASIC은 훈련이 불가능하다"는 통념을 산산조각냈고, Gemini 3 Pro를 GPT-5보다 앞서게 하며 Anthropic의 토큰 비용을 약 3배 절감했다. MSFT의 Maia(MRVL)와 AMZN의 Trainium은 잘못된 설계 파트너 선택의 대가를 보여준다. 3파동(2025~2026년)에서 병목은 광 인터커넥트로 이동했다. 원인 제공자는 InP 공급망이다. 소직경 웨이퍼, 낮은 수율, 폭발적인 1.6T 트랜시버 수요를 따라잡지 못하는 18~24개월의 용량 증설 리드타임이 제약을 만들고 있다. 해결자는 SiPho 공급망이다. 1.6T에서 유일하게 검증된 파운드리인 TSEM이 선두에 서서, Soitec의 SOI 웨이퍼와 표준 300mm CMOS 인프라를 활용해 2026년 약 5배 용량 확장을 계획하고 있다. AVGO, TSEM, 그리고 SiPho 기반 트랜시버 제조사들이 다음 인프라 파동의 구조적 승자로 자리매김하고 있다. 병목 발견법 앞선 보고서 AI 가치사슬 프레임워크 — 1부에서 우리는 수요-공급 불균형이 AI 가치사슬을 따라 어떻게 이동하는지를 설명하기 위해 운하와 댐 비유를 소개했다. 하나의 병목이 완화되면 가격 결정력이 다음 제약 구간으로 이동한다는 논리였다. 이 보고서는 그 보완적인 질문을 던진다. 왜 병목 구간 내에서도 특정 기업들은 5~10배의 주가 수익을 올리는 반면, 같은 구간의 다른 기업들은 시장 평균을 겨우 넘기는가? 그 답은 병목 자체를 식별하는 데 있지 않다. 각 병목 내의 희소한 공급사 비대칭성, 즉 경쟁자는 할 수 없는 방식으로 제약을 해소할 수 있는 특정 기업을 찾아내는 데 있다. AI 투자에서 고알파를 창출하는 하나의 발견법은 병목이 무엇인지, 그리고 누가 그것을 해결할 수 있는지를 파악하는 것이다. 이것은 새로운 개념이 아니다. 병목 분석은 엘리야후 골드라트의 제약이론(Theory of Constraints)에 뿌리를 두고 있다. 그러나 이를 AI 투자 환경에 체계적으로 적용하면 초과 수익을 낼 수 있다. 대부분의 투자자들이 수요 측면(AI를 누가 구매하는가, 어떤 모델이 이기는가)에 고정되어 있는 반면, 공급 측면은 상대적으로 소홀히 한다. 그런데 희소성 기반 가격 결정력과 마진 확장이 실제로 살아 숨쉬는 곳은 바로 공급 측면이다. 모든 주요 기술 파동은 그에 맞는 인프라 구축을 필요로 했다. 인터넷에는 광케이블이, 모바일에는 기지국과 주파수가, SaaS에는 하이퍼스케일 데이터센터가 필요했다. 그러나 AI는 규모 면에서 이 패턴을 완전히 깨뜨린다. 오늘날 프론티어 모델 하나를 훈련하는 비용은 컴퓨트만 10억 달러를 넘고, 이를 가능하게 하는 인프라는 이전 어떤 사이클보다 훨씬 깊은 곳까지 파고든다. 전용 AI 데이터센터, 수만 개의 GPU와 커스텀 가속기, 고대역폭 메모리, 초고속 인터커넥트, 첨단 칩 패키징, 수백 메가와트 규모의 발전 및 냉각 시스템이 모두 여기에 포함된다. 전기 생성부터 반도체 제조, 액체 냉각에 이르는 가치사슬 전체가 전례 없는 방식으로 스트레스 테스트를 받고 있다. 이는 지난 50년간 미국 산업을 지배해온 패러다임, 즉 비트(bits) 세계의 혁신과 물질(atoms) 세계의 정체라는 구도에 정면으로 역행한다. 1970년대 이후 미국의 물리적 제조업 역량은 체계적으로 공동화됐고, 소프트웨어와 인터넷 플랫폼이 GDP 성장의 엔진이 됐다. 물리적 공급망은 아시아의 몫이 됐다. 미국 기업들은 칩을 설계하고, TSMC가 제조했다. 미국 기업들은 서버에 브랜드를 붙이고, 폭스콘과 콴타가 조립했다. 이 원자(atoms)의 아웃소싱은 수요가 낮은 한 자릿수로 예측 가능하게 성장할 때는 통했다. AI는 이 패러다임에 갑작스럽고 격렬한 충격을 가했다. 칩, 패키징, 메모리, 네트워킹 광학, 전력 공급, 냉각, 데이터센터 건설, 전기 변압기, 가스 터빈, 원자재 전반에 걸쳐 재가속을 요구한다. 단 하나의 기술 파동이 건드리는 물리적 인프라의 범위는 역사적으로 전례가 없다. 어떤 이전 기술 사이클보다는 전시(wartime) 산업 동원에 더 가깝다고 할 수 있다. 이것이 병목을 풍부하게 만드는 이유다. 기존의 느리게 움직이는 물리적 산업들이 갑작스러운 수배의 수요 증가에 근본적으로 대비되어 있지 않기 때문이다. 몇 주 단위였던 리드타임은 분기 단위로 늘어나고, 분기 단위였던 리드타임은 수년으로 늘어난다. 발견법은 단순하다. 병목이 존재한다면, 이는 수요가 업계의 구조적 용량을 초과했다는 신호이며, 가격 결정력이 공급 측으로 이동하고 있고, 희소한 용량을 통제하는 공급사들이 상당한 경제적 지대를 추출할 수 있다는 것을 의미한다. 어떤 공급사도 생산을 빠르게 늘릴 수 없다면, 우리는 업계 전반의 ASP 급등과 함께 완만한 물량 성장만을 관찰하게 된다. 그러면 고객들은 대안 공급사를 육성하거나 병목을 우회하는 아키텍처를 설계하게 된다. 두 반응 모두 12~24개월이 걸리며, 그 동안 기존 공급사들은 비범한 경제적 수익을 누린다. 그러나 최고의 위험/수익 비율은 희소한 공급사가 다른 업체들은 할 수 없는 방식으로 병목을 해소할 수 있을 때 나타난다. 이 비대칭성은 폭발적인 매출 성장, 마진 확장, 멀티플 재평가를 동시에 만들어낸다. 해당 공급사는 거래량 성장(시장점유율 확대), ASP 확장(희소성에서 비롯된 가격 결정력), 영업 레버리지(더 넓은 기반에 상각되는 고정비), 밸류에이션 재평가(시장이 '저품질' 사업이 고품질 사업으로 변모했음을 인식)라는 네 가지를 동시에 포착한다. 1파동: GPU와 데이터센터 병목(2023~2024년) AI 수요의 해일은 먼저 GPU 공급에 정면으로 부딪혔다. NVDA의 GPGPU가 1차 병목이 됐다. 돌이켜보면 예측 가능한 일이었지만, 2022년 말의 지배적인 서사가 여전히 반도체 다운사이클이었기에 실시간으로는 과소평가됐다. 아이러니하게도 수요 파동은 전통적인 사이클의 정확한 저점에 도달했고, 당시 NVDA의 공급망은 일부 용량 감축 상태였다. 대규모 AI 칩 분야에서 유일하게 실행 가능한 공급사로서 — AMD의 MI250은 소프트웨어 생태계 성숙도에서 수 세대 뒤처졌고, Intel의 Gaudi는 뒤처졌으며, 커스텀 ASIC은 초기 단계였다 — NVDA는 비범한 프리미엄을 요구했다. 영업이익률은 FY23의 약 57%에서 FY24의 75% 이상으로 확장됐다. 데이터센터 GPU 제품의 COGS 마크업이 약 1.3배에서 4배로 전환됐음을 의미한다. 물리적 제품을 대규모로 출하하는 하드웨어 기업에게는 전례 없는 마진 구조다. 이 가격 결정력은 초고성장 카테고리에서의 독점적 희소성의 산물이었다. 두 번째 병목은 TSMC의 CoWoS 첨단 패키징 용량이었다. TSMC는 5nm 로직 노드 용량은 충분히 보유하고 있었지만, GPU 다이와 HBM 스택 통합에 필수적인 CoWoS는 원래 월 약 1만~1만 5천 웨이퍼 스타트 규모의 틈새 시장을 위해 설계됐다. H100 램프업은 이의 수배가 필요했다. TSMC 경영진은 이 포지션을 능숙하게 활용해 CoWoS 가격을 인상하고 더 높은 평균 ASP를 확보했으며, 영업이익률은 2024년 4분기 역대 최고인 47% 이상으로 확장됐다. 메모리에서는 SK하이닉스가 HBM 수요의 1차 파동을 사실상 독점적으로 누렸다. 마이크론은 이전 사이클에서 HBM 개발을 후순위로 밀어뒀는데, 이는 반도체 역사상 가장 값비싼 전략적 실수 중 하나였다. HBM3E 샘플 검증을 마쳤을 때 SK하이닉스는 이미 NVDA와의 우선 배분을 잠갔다. 삼성은 HBM 수율과 성능에서 뒤처졌고, 열 및 수율 문제로 검증이 수 분기 지연됐다. 클라우드 레이어에서는 GPU 재고를 확보한 사업자들이 급등한 시간당 가격과 다년간 take-or-pay 계약을 통해 병목을 수익화했다. NVDA는 의도적으로 네오 클라우드들 — CoreWeave, Lambda, Applied Digital, Crusoe Energy — 을 육성해 우선 배분을 제공함으로써, 하이퍼스케일러 과점을 넘어 고객 기반을 다각화하고 가격 레버리지를 보존했다. CoreWeave는 2022년 약 3,000만 달러였던 매출이 FY2024에는 19억 달러를 넘어서며 사실상 GPU 병목을 차익거래했다. Microsoft Azure는 ChatGPT가 AI를 주류로 만들기 전인 2022년 중반, 대규모 H100 조달을 일찌감치 약정했기에 가장 큰 구조적 수혜자가 됐다. 매출 성장률은 십 대 중반에서 전년 대비 30% 이상으로 재가속됐다. GPU 클러스터가 구축되자, 병목은 상류의 물리적 인프라로 이동했다. 전력 및 냉각 업계는 낮은 한 자릿수 성장과 랙당 6~12kW의 전력 밀도에 익숙해져 있었다. Hopper가 랙당 32kW를 요구하며 등장하고, Blackwell의 NVL72가 랙당 120kW로 도달했을 때, 업계는 4~10배의 계단식 수요 충격을 경험했다. 고전력 밀도 랙, PDU, UPS 시스템, 특히 액체 냉각 시스템이 즉각적이고 심각한 공급 부족에 빠졌다. 특히 Vertiv(VRT) 같은 일부 기업들은 NVDA에 필적하는 대규모 주가 상승을 보였으며, 2023년 초부터 2024년 정점까지 약 8~9배 상승했다. 그 메커니즘은 교훈적이었다. VRT는 영업이익률 30%에 낮은 한 자릿수 매출 성장률로 선행 P/E 10~12배에서 시작했다. AI 수요가 갑작스러운 성장 가속과 ASP 상승을 이끌었고, 이는 영업 레버리지를 통해 직접 이익에 반영됐다. 매출이 40% 성장하고 FCF 마진이 10%에서 18%로 확장되면(증분 영업이익이 고정비 기반을 통해 흘러내리면서), 절대 FCF는 약 2.5배 성장한다. P/E가 12배에서 25~30배로 재평가되면 복합 주가 영향은 5~6배에 달한다. 이 4요소 ...

핵에너지 투자 테제: 우라늄, HALEU, 그리고 AI 시대를 밝힐 원자로 경쟁

구조적 강세장 논거 — 미국 유일의 농축 기술을 보유한 기업을 중심으로 연료 플레이: 투자 대상으로서의 우라늄 핵연료 공급망은 원자력 투자 지형에서 가시성이 가장 높고, 리스크가 가장 낮은 영역이다. 테제는 단순하다: 어떤 원자로 설계가 승리하든, 모두 우라늄 연료를 필요로 한다. 구조적 강세 흐름을 만드는 요인은 여럿이다. 미국은 국내 사용후 핵연료 재처리 시설이 없어 1차 광산 공급과 농축 서비스에 전적으로 의존한다. 국내 농축 설비도 부족해 러시아 TENEX에 역사적으로 크게 의존해왔는데, 이는 전략적 취약점이다—서방 농축 업체로의 다변화, 신규 시설 건설, 비축, 대러 제재 등 어떤 정책 대응을 택하더라도 결국 우라늄 시장을 더 타이트하게 만든다. 우라늄 원광 공급은 카자흐스탄(전 세계 생산량의 43%), 캐나다, 호주, 나미비아, 니제르에 지리적으로 집중돼 있어 어느 한 지역에서 차질이 생겨도 빠르게 대응하기 어렵다. 그리고 전체 채굴 산업은 1990년대 중반 이후 구조적 침체기를 벗어나지 못했으며, 신규 광산은 탐사에서 생산까지 7~15년이 소요된다. 이 위기의 뿌리는 최악의 타이밍이 겹친 결과다. 스리마일 섬 사고 이후 약 30년간 미국에서 신규 원자로 건설이 전혀 시작되지 않았다. "메가톤을 메가와트로(Megatons to Megawatts)" 프로그램(1993~2013)은 핵무기에서 전용된 우라늄을 시장에 쏟아냈는데—무기급 고농축 우라늄 약 500톤이 민간 연료로 전환되어 미국 원자로 수요의 약 절반을 충당했다. 이 값싼 공급이 도달한 시점은 공교롭게도 수요가 증발하고, 원자로 폐쇄가 가속화되며, 군비 조약으로 무기 생산이 줄어들던 때였다. 새로운 우라늄 공급을 탐사하고 개발하고 ...
타인의관점
2026. 05. 12
5
0

AI 가치사슬의 병목: 다음 가격 결정력은 어디로 이동하는가

AI 인프라 스택 전반에서 수요와 공급의 불균형이 어떻게 변동하는지, 그리고 왜 다음 병목 현상이 이미 형성되고 있는지. 운하 비유 Convequity에서 우리는 AI 투자 기회를 하나의 단순한 비유를 통해 바라본다. 에너지 생성부터 최종 사용자까지 이어지는 AI 가치사슬 전체를 일련의 댐으로 구획된 긴 운하라고 상상해보자. 수요는 폭발적이다. 그러나 공급 측면은 막대한 자본이 필요하고 리드타임이 길다. 이 불일치가 가치사슬 전반에 걸쳐 서로 다른 시점에, 서로 다른 강도로 수요-공급 불균형을 만들어낸다. 댐은 바로 이 병목을 상징한다. 현재 가장 심각한 병목은 최상류 구간인 에너지 및 전력 배분에 위치한다. 지난 1년 동안 이 댐은 서서히 열리기 시작했다. 새로운 공급이 점진적으로 시장에 진입하고 있지만, 아직 완전히 개방된 것과는 거리가 멀다. 가격은 여전히 높은 수준을 유지하고 있다. 공급이 보다 자유롭게 흐르기 시작해 이 구간의 수위가 균형점으로 낮아지면, 그 물은 하류의 다음 댐인 데이터센터에 부딪히며 사이클이 반복된다. 수위가 오르고, 새로운 불균형이 발생하며, 또 한 차례의 가격 급등이 찾아온다. 물론 현실은 댐이 하나씩 차례로 열리는 깔끔한 순서처럼 단순하지 않다. 에너지 병목이 여전히 상당한 수준으로 남아 있는 동안에도, 이미 대규모 데이터센터 수주 잔고가 쌓이고 있다. 이 비유는 문자 그대로의 시간표로 받아들여서는 안 된다. 그 가치는 가치사슬을 따라 가격 결정력의 무게중심이 어떻게 이동하는지를 이해하는 개념적 틀에 있다. 개별 구간이 각자 고립된 채로 부침을 반복하는 것이 아니라, 전체가 유기적으로 연결되어 있다는 시각이다. 이 상호 연결성을 명확하게 보여주는 두 가지 메커니즘이 있다. 역류 효과(backwater effect)는 상류 방향으로 작동한다. 상류 댐이 이미 열린 상태에서, 물은 닫힌 하류 댐에 부딪혀 역으로 쌓인다. 실제로 이는 데이터센터 용량 부족이 에너지 관련 부품의 수요와 가격을 왜 인위적으로 높게 유지시키는지를 설명해준다. 에너지 구간의 댐이 아직 닫혀 있을 때보다는 낮지만, 완전히 균형 잡힌 수준보다는 분명히 높은 상태가 유지되는 것이다. 압력과 누수(pressure and seepage)는 하류 방향으로 작동한다. 댐이 닫혀 있더라도, 높아진 수압은 다음 구간으로 미세한 누수를 만들어낸다. 이는 병목이 완전히 해소되기 전에 하류 플레이어들에게 먼저 도달하는 초기의 약한 가격 신호와 수요로 나타난다. 오늘날 우리는 이 두 메커니즘이 동시에 작동하는 모습을 명확하게 목격하고 있다. 에너지 및 전력 배분 댐은 약 3분의 1 정도 열린 상태다. MW, GW 단위의 새로운 공급이 서서히 풀리고 있다. 한편 데이터센터 댐은 여전히 굳게 닫혀 있으며, 코로케이션·전력·냉각·네트워킹·랙 전반에 걸쳐 막대한 수주 잔고가 쌓이고 있다. 이 닫힌 댐은 상류의 에너지 가격을 높은 수준으로 끌어올리는 역류를 만들어내는 동시에, 하류의 반도체와 광학 부품 시장으로 누수를 강제하고 있다. 우리의 프레임워크: 가치사슬의 구간 설정 투자자의 관점에서 구간 설정은 균형을 맞추는 작업이다. 어느 영역이 매력적인지를 포착할 수 있을 만큼 세분화되어야 하지만, 인접 구간들이 의미 있는 수준에서 서로 다른 익스포저와 수요-공급 역학을 가질 수 있을 만큼 충분히 넓어야 한다. 단순히 동조화되어 함께 움직이는 것이 아니라, 구분 가능한 독립적인 움직임을 보여야 한다는 뜻이다. 가치사슬 프레임워크: 세그먼트 구성 우리는 유사한 시장 역학, 산업 익스포저, 비즈니스 모델을 공유하는 기업들을 동일한 세그먼트로 묶는다. 각 세그먼트 내에서는 역학이 의미 있게 갈리는 경우 서브세그먼트를 별도로 구성했다. 예컨대 네트워킹 & 광학은 서버와 함께 데이터센터 세그먼트에 속하지만, 그 특성은 상당히 다르다. 우리의 AI 가치사슬 전체 프레임워크는 11개 세그먼트, 40개 이상의 서브세그먼트에 걸쳐 있다. 에너지 및 전력 배분 — 원자력, 천연가스 & 미드스트림, 재생에너지 & 저장, 전력 설비 & 전기 인프라, 유틸리티 & 송전망 구축 데이터센터 — 코로케이션 & 운영, 네트워킹 & 광학 연결, 서버 & 컴퓨트 하드웨어, 전력 & 냉각 인프라 반도체 — EDA & 설계 IP, 파운드리 & 패키징, GPU & 가속기, 네트워크 & 커스텀 실리콘, 메모리/HBM, 웨이퍼 팹 장비 클라우드, AI 모델 & 접근 — 하이퍼스케일 클라우드, GPU/네오 클라우드, 엣지 & CDN, 독립형 & 하이브리드 클라우드 데이터(SW + HW) — 스토리지 하드웨어, 데이터베이스 & 데이터 플랫폼, 옵저버빌리티 & 모니터링, 데이터 보호 & 거버넌스 에이전틱 실행 – 시트 기반 SaaS의 해체 — AI & 에이전틱 플랫폼, 소비 & 인게이지먼트 플랫폼, 트랜잭션 & 커머스 인프라, 활동 연동형 SaaS SaaS – 여전히 시트 우선 — HCM/HR & 급여, 기업 생산성 & 협업, 버티컬/특화 SaaS. 가치사슬의 직접 구성 요소는 아니지만, 이 범주에 속하는 기업들을 식별해 회피하는 것이 매우 중요하다. 소비자 애플리케이션 — 이커머스 & 마켓플레이스, 라이드쉐어링 & 긱 이코노미, 스트리밍 & 엔터테인먼트, 여행 & 경험, 소비자 핀테크 & 버티컬 소비자 피지컬 AI — 자율주행 & EV 플랫폼, 수술 & 의료 로보틱스, 산업 & 물류 로보틱스, 피지컬 AI 구현 반도체/센서 AI 기반 방산 — AI 기반 자율 시스템 & 드론, AI 통합 대형 방산 기업 AI 데이터센터를 위한 우주 기술 — 위성 군집 & 연결성, 발사체 & 우주 인프라 제공사, 직접 궤도 컴퓨트/달/우주 데이터 플레이 이 구조를 통해 우리는 세그먼트 내 기업들 간의 상대적 가치를 비교하고, 세그먼트별 멀티플 중앙값을 교차 비교해 어느 세그먼트가 비싸고 어느 세그먼트가 그렇지 않은지를 식별할 수 있다. 여기에 수주 잔고와 공급망 역학에 대한 지식을 교차 검증해 높은 멀티플이 정당화되는지를 평가한다. 이 글은 세그먼트 1과 2, 즉 에너지 및 전력 배분과 데이터센터에 집중한다. 광 인터커넥트 공급망과 관련해 세그먼트 3(반도체)과 자연스럽게 겹치는 부분도 있다. 이 세그먼트들은 오늘날 수요-공급 불균형이 가장 심각하고, 자본이 가장 빠르게 유입되고 있으며, 대형 우량주 너머를 기꺼이 바라보는 투자자에게 가장 비대칭적인 기회가 있다고 우리가 판단하는 영역이다. 향후 연재에서는 가치사슬의 나머지 세그먼트들을 순차적으로 다룰 예정이다. 가격 오류 스크리닝 방법 스크리닝에는 맞춤형 Rule of X(기존 Rule of 40의 변형)와 우리가 선호하는 멀티플인 EV/(FCF–SBC)를 조합해 사용한다. Bessemer Ventures가 SaaS 투자자 수익 분석을 통해 개발한 표준 Rule of X는 수익성보다 성장에 2.3배 더 높은 가중치를 부여한다. Rule of X = (NTM 매출 성장률 × 2.3) + FCF 마진 우리는 여기서 매출 대비 주식보상비용(SBC) 비율을 추가로 차감한다. 그런데 대부분이 놓치는 결정적인 단계가 있다. 모든 기업 유형에 2.3이라는 균일한 성장 계수를 적용하는 것은 순진한 발상이다. 성장 1달러의 가치는 근본적으로 다른 비용 구조를 가진 사업 간에 동일하지 않다. 총이익률 수준에서만 생각해봐도 알 수 있다. 총이익률 75%인 소프트웨어 기업의 성장 1달러는, 총이익률 15%인 하드웨어 통합업체의 성장 1달러보다 훨씬 가치 있다. Bessemer의 2.3배는 총이익률 70~90%의 SaaS 기업들에서 도출된 수치로, 구조적으로 다른 경제성을 가진 서브세그먼트에 그대로 적용할 수 없다. 우리가 궁극적으로 포착하려는 것은, 투자자들이 다음 한 단위의 매출 성장을 어떻게 가치 평가하느냐다. 증분 매출은 그것이 창출하는 증분 이익을 통해 가치가 매겨진다. 따라서 각 서브세그먼트별로 변동비와 고정비의 비율을 평가해 증분 영업이익률을 추정한다. 고정비 비중이 높은 서브세그먼트는 이론적 증분 이익률이 높다. 즉 성장 1달러당 더 많은 몫이 이익으로 귀속되기 때문에 각 성장 달러의 가치가 더 크다. 이어서 서브세그먼트에 적합한 자본비용으로 나눠 리스크를 조정하고, 마지막으로 "현실 할인(realism discount)"을 적용한다. 이론적 증분 이익률 60%가 실제로 성장 1달러당 60센트가 영업이익으로 깔끔하게 귀속된다는 의미는 아니다. 현실에서는 일부가 재투자로 흡수되거나, 빠른 규모 확장 과정에서 비효율로 소실된다. 오랜 운영 노하우를 갖춘 성숙한 서브세그먼트에는 더 관대한 계수를, 신생이거나 변동성이 높은 서브세그먼트에는 더 보수적인 계수를 적용한다. 최종 결과물은 각 서브세그먼트의 비용 구조, 리스크 프로파일, 운영 성숙도에 특화된 성장 계수다. 각 기업의 맞춤형 Rule of X를 밸류에이션 멀티플과 교차 검증하면 상대적 가치가 훨씬 명확하게 드러난다. 두 기업이 동일한 멀티플에서 거래되고 표준 Rule of 40 점수도 비슷할 수 있다. 그러나 이 과정을 적용하면 한 기업이 훨씬 높은 맞춤형 Rule of X를 보유할 수 있고, 이는 리스크 및 품질 조정 기준에서 훨씬 매력적인 투자 대상임을 의미한다. 중요한 것은, 이것은 스크린이지 최종 판단이 아니라는 점이다. 주목된 기업을 깊이 들여다보면, 시장이 그 가격을 매기는 데 충분한 이유가 있다는 것이 드러날 수 있다. 에너지 및 전력 배분: 서서히 열리는 댐 ChatGPT가 2022년 말 출시되자, 하이퍼스케일러들은 대규모 캐펙스 사이클을 가동하기 시작했다. 그들은 곧 GPU와 시설만으로는 부족하다는 사실을 깨달았다. 막대한 전력이 필요했다. 제한된 공급에 맞선 에너지 수요 폭발은 AI 가치사슬의 첫 번째 주요 병목을 만들어냈고, 2024년부터 2025~26년에 걸쳐 심각한 제약으로 작용했다. 원자력 과열 사이클. 원자력은 처음에 가장 매력적인 선택지로 부상했다. 무탄소에 24시간 안정적인 기저 전력을 공급한다는 점이 항상 가동 중인 AI 인프라의 수요에 정확히 맞아떨어졌다. 2025년 초 트럼프 행정부의 친원자력 행정명령, ...
타인의관점
2026. 05. 14
5
0
103
SiTime: AI의 원활한 연동을 뒷받침하는 조용한 기반
타인의관점
2026. 05. 12
24
2
311
병목 발견법 — AI 가치사슬에서 희소성과 역량이 만나는 곳
123
핵에너지 투자 테제: 우라늄, HALEU, 그리고 AI 시대를 밝힐 원자로 경쟁
타인의관점
2026. 05. 12
14
0
232
AI 가치사슬의 병목: 다음 가격 결정력은 어디로 이동하는가