CXL (Compute Express Link)

"2026년 주요 테마 5가지 - 골드만삭스" 주요 관심사. 추후 리서치할 ■ 테마 3: AI 투자의 다음 단계 다음으로, 골드만삭스는 지난 3년이 AI 인프라(반도체, 데이터센터)를 까는 시기였다면, 2026년은 AI가 실제 생산성과 물리적 세계로 확산하는 해가 될 것이라고 보았습니다. 따라서, 기존의 AI 인프라 관련주(엔비디아 등)는 여전히 성장하겠지만, 성장률 자체는 둔화할 수 있다고 보았는데요. 대신, 투자자들의 시선이 'Phase 3(소프트웨어/플랫폼)'와 'Phase 3-D(로봇/자동화)'로 옮겨갈 것으로 내다봤습니다. 그림 설명: AI 플랫폼 주식 (출처: 골드만삭스) Phase 3에서는 기업들이 AI를 실제 업무에 도입하면서 데이터베이스나 개발 도구를 제공하는 기업들의 매출이 늘어날 것으로 보았습니다. 이들 기업의 주가는 현재 3년 평균 PER보다 훨씬 낮게 거래되고 있어 가격 매력도 높다고 보았습니다. 그림 설명: 로봇 & 자동화 관련주 (출처: 골드만삭스) 이어서, Phase 3-D는 소위 '피지컬 AI'라고 불리는 AI가 물리적 세계와 만나는 지점을 의미하는데요. 2023년 초 챗GPT 등장 이후 반짝했던 로봇 관련주들은, 최근 밸류에이션 부담이 많이 낮아진 상황(PER 26배 수준)입니다. 이런 상황에서 기업 경영진들이 실적 발표에서 '로봇'과 '자동화'를 언급하는 빈도가 급증하고 있는 점도 긍정적인 신호라고 평가했습니다.

CES 2026에서 엔비디아의 CEO 젠슨 황의 연설이 있었습니다. 풀영상 링크는 다음과 같습니다: https://www.youtube.com/watch?v=JvcnxdA10-0 저는 젠슨 황이 AI 컴퓨팅의 마지막 병목 구간으로 '스토리지'를 지목했다는 사실에 주목했습니다. 젠슨 황의 말을 따르면, 스토리지 기능은 단순한 저장 용량의 확대를 넘어, 스토리지가 AI의 실시간 추론 과정에 직접 참여하는 '작업 기억(Working Memory)'으로 재정의되어야 한다고 주장합니다. 컴퓨팅 병목의 이동: 스토리지(Storage) 지난 2년간 AI 인프라 투자는 GPU의 연산 능력과 고대역폭 메모리(HBM)의 대역폭 확보에 집중되었습니다. 그 이유는 학습을 위해 고성능 연산이 요구되었기 때문입니다. 폰 노이만 구조로 인해, GPU 연산에는 메모리 반도체가 필요합니다. 이에 따라 GPU와 HBM 수요가 꾸준히 증가했습니다. 요즘 저의 관심사는 AI 추론입니다. 최근 AI 인프라는 Training에서 Inference으로 넘어가면서 '성능'보다, '짧은 응답의 지연시간, 전력효율'을 높일 수 있는 ASIC 및 광학솔루션이 중요해지고 있습니다. 그런데 젠슨 황은 LLM에서 Agentic AI로 진화하는 과정에서 스토리지의 중요성을 강조하여 신선한 충격이었습니다. 젠슨 황의 논리는 이렇습니다. 이제 Agentic AI로 진화하며 수백만 토큰에 달하는 긴 문맥(Long Context)을 처리하게 됨에 따라 새로운 문제에 직면했습니다. 즉 '컨텍스트(Context)가 새로운 병목'이라고 언급했습니다. 이를 풀어서 설명하기 위해서는 2가지 개념을 알고 넘어가야 합니다. KV 캐시(Key-Value Cache) - 대규모 언어 모델(LLM)이 텍스트를 생성(추론)할 때, 이전에 계산했던 각 토큰의 키(Key)와 값(Value) 벡터를 ...

구글의 최신 포트폴리오. 미래를 엿볼 수 있는 시야를 제공하기를 바라며,, AST SpaceMobile - $ASTS : 일반 스마트폰과 직접 연결되는 저궤도 위성 통신 네트워크를 구축하는 우주 기업. Planet Labs - $PL : 소형 위성 군집을 이용해 매일 지구 전역을 촬영하고 이미지 데이터를 제공하는 기업. Arm Holdings - $ARM : 전 세계 모바일 프로세서의 기반이 되는 반도체 설계도(IP)를 공급하는 핵심 팹리스 기업. Metsera - MTSR(valley 없음) : 차세대 비만 치료제 및 대사 질환 의약품을 개발하는 바이오 기업. Revolution Medicines - $RVMD : 암 유발 단백질(RAS)을 억제하는 혁신적인 표적 항암제를 개발하는 기업. Freshworks -FSRH(valley 없음) : 기업의 고객 지원(CS) 및 IT 서비스 관리를 돕는 클라우드 기반 소프트웨어(SaaS) 기업. Tempus AI - $TEM : 인공지능과 방대한 의료 데이터를 결합하여 환자 맞춤형 정밀 진단 및 치료 솔루션을 제공하는 기업. Gitlab - $GTLB : 소프트웨어 개발부터 배포까지의 전 과정을 통합 관리하는 데브옵스(DevOps) 플랫폼 기업. UiPath - $PATH : 기업 내 단순 반복 업무를 소프트웨어 로봇이 대신 처리해주는 업무 자동화(RPA) 선두 기업. Prime Medicine - $PRME : 기존 유전자 가위보다 더 정교하고 안전한 '프라임 에디팅' 기술을 개발하는 유전자 편집 기업.

Valley AI의 X 계정에서 퍼왔습니다. 7월경 업로드된 내용이라서 Valley space에 업로드 되어 있지 않네요. [ 전력 다음 병목은 ‘물’이다. 1편] #AI #병목 미 백악관의 에너지 보고서와 AI 액션 플랜을 보면, 정책 수혜를 받는 모든 부문이 공통적으로 ‘물 수요’를 늘리고 있습니다. '데이터센터, 전력 발전, 반도체 제조, 인력 이동' 모두 대량의 물을 필요로 하죠. 하지만 아이러니하게도 미국의 AI 인프라는 물이 부족한 애리조나, 텍사스, 캘리포니아 등에 집중 건설되고 있습니다. 그래서 이번에는 수자원 병목이 가장 심각한 지역과 이에 따른 수혜 기업을 정리해보려 합니다. 먼저 배경지식부터 살펴봅니다. [그림 1. 미국 서부 지역의 가뭄 현황] 물 병목의 진원지는 애리조나와 텍사스 애리조나와 텍사스는 미국 반도체 리쇼어링과 데이터센터 건설 붐의 가장 큰 수혜 지역으로 꼽힙니다. 특히 텍사스는 퍼미안 분지의 셰일가스 유정 덕분에 에너지 생산의 중추 역할까지 하고 있죠. 문제는 이 두 지역 모두 수자원이 풍부하지 않다는 것인데요. 애리조나는 미국 내 가장 심각한 물 부족 지역으로, 대부분이 극심한 가뭄(D3) 또는 이례적인 가뭄(D4) 단계로 분류됩니다. 그리고 이미 콜로라도 강과 지하수에 과도하게 의존하고 있어 두 자원 모두 고갈 위기에 놓여 있죠. 텍사스는 애리조나만큼 극심하진 않지만, 수자원 수요 증가 속도가 매우 가파른 상황입니다. 또한 데이터 센터가 집중된 캘리포니아 역시 가뭄 지역으로 분류돼, 수자원 문제가 점점 더 부각되고 있습니다. [그림 2. 미국 데이터 센터 분포] 이들 지역의 물 수요 폭증 원인은 다음과 같습니다. 반도체 공장 – 웨이퍼 세척·헹굼 과정에서 대량의 초순수(UPW) 사용. 한 공장만 해도 하루 수천 톤의 물을 소모. 데이터센터 – 서버를 식히기 위한 냉각수 필요. 반도체만큼은 아니지만 여전히 깨끗한 물이 요구됨. 일부는 폐쇄 루프 액체 냉각 등 재활용 기술 도입 중. 인구 증가 – 대규모 투자 → 신규 일자리 → 이주 인구 폭증. 텍사스는 2070년까지 인구가 거의 2배로 늘 전망. 산업용수뿐 아니라 도시용수 수요까지 동반 상승. 에너지 인프라 – 공장·데이터센터 전력 공급을 위한 화력 발전소 터빈 냉각수, 셰일가스 채굴 드릴링에도 물 사용. [그림 3. 미국 파운더리 공장 분포] 그럼 미국은 왜 사막에 공장과 데이터센터를 짓나? 미국은 제조부터 S/W까지 잇는 AI 생태계 주도권을 잡기 위해 거침없이 투자하고 있습니다. 특히 트럼프는 AI 인프라 건설의 인허가 절차를 불도저처럼 밀어붙이며 속도를 내고 있죠. 그런데 한 가지 의문이 생깁니다. 왜 하필 다른 땅이 아니라 애리조나와 텍사스(+캘리포니아)에 그렇게 많은 공장과 데이터센터를 짓는 걸까요? 이 선택 뒤에는 복합적인 요인이 있습니다. 특히 반도체 제조 기업 입장에서 봤을 때, 이 지역은 필수 조건을 만족하는 몇 안 되는 곳이기 때문입니다. 자연재해에 안전하고, 인재풀, 넓은 부지·저렴한 전력, 친기업적 주 정부 정책까지 갖춘 ...

현재 미국 기업들의 AI 기술 도입률은 단 9%에 불과함. 역설적으로 이는 향후 AI 도입이 확대될 여지가 막대하며, 이를 통해 기업들의 이익 개선이 크게 기대되는 맥락임. 그러나 현업 데이터 분석가들로부터 AI 도입에 대한 부정적인 피드백을 받음. 그 논리는 책임 소지, 예를 들어 "AI 분석을 토대로 의사결정을 했을 때, 마케팅 실패나 제품 개발 오류에 대한 책임은 누가 질 것인가?"라는 것임. 여전히 AI 활용한 핵심 의사결정 과정에 빈틈이 존재한다는 주장임. 이를 반박할 논리를 찾기 어려웠음. 하지만 개인 입장이 아닌 기업 입장에서 생각해보고자 함. 이에 대한 반박이자 나를...