프리미엄
예측대회
투자분석
아카데미
커뮤니티
로그인Valley AI 시작하기시작하기
Valley Space인기
[2026.02.23–2026.03.24] 운동 기록
삼성 회장의 성장기일반

[2026.02.23–2026.03.24] 운동 기록

avatar
별셋
2026.03.24조회수 44회
avatar
별셋
구독자 111명구독중 114명
안녕하세요 별셋 입니다. 투자를 하면서 성장하고 익혀온 것들 그리고 인생의 다양한 부분을 기록해나갈 생각입니다.

운동 세부 기록


운동 월간 리포트

아래 리포트는 이 대화에서 제공된 기록만 근거로 작성했다.

총 기록은 19회(PT 18회, 자율 운동 1회)이며, 수면/피로 평균 등 수치 분석은 컨디션 수치가 적힌 18회(2/24~3/24) 기준이다.

또한 일부 기록은 세트 수·통증 표기가 불완전하거나 혼재되어 있어, 필요한 부분에는 “기록상 확인 가능한 범위에서”라고 명시했다.


1. 이번 달 한 줄 요약

  • 이번 달은 ‘자세를 배우는 단계’에서 ‘몸이 스스로 자세를 재현하기 시작한 단계’로 넘어간 한 달이었다.

2월 말 기록에서는 스쿼트·데드리프트·팔굽혀펴기 모두에서 기본 정렬, 호흡, 부위별 힘 사용을 하나하나 배우는 흐름이 강했다. 그러나 3/13, 3/16, 3/21 기록에서는 “일일이 의식하지 않아도 일부가 자연스럽게 몸에 녹아난다”, “자세는 더할 나위 없다”, “배웠던 내용들이 몸과 뇌에서 하나가 된다”는 표현이 직접 등장한다.

동시에 이달은 단순히 퍼포먼스가 오른 달이 아니라, 잘 되는 날과 안 되는 날을 어떻게 운영해야 하는지까지 배운 달이기도 했다. 특히 3/20 기록은 수행이 무너진 하루였지만, 그날의 해석과 태도 변화는 오히려 다음 달 운영의 기준을 만들어냈다.


2. 훈련 총괄 요약

항목 기록상 확인 가능한 범위 총 PT 횟수 18회 총 자율 운동 횟수 1회 (2/27) 총 기록 수 19회

상체 / 하체 / 등 중심 훈련 비중

※ 각 날짜의 주력 부위 기준으로 분류

구분 횟수 비중 하체 중심 9회 47% 등/후면사슬 중심 6회 32% 상체(가슴/푸시) 중심 4회 21%

하체 비중이 가장 높았고, 그 다음이 등/데드리프트 계열, 마지막이 무릎대고 팔굽혀펴기 중심의 상체 푸시 계열이었다. 이는 2/23의 “하체 주 2회 보강” 방향과도 일치한다.

가장 자주 수행한 운동 Top 5

※ 세트 수가 아니라 ‘등장한 날짜 수’ 기준, 같은 운동은 무게가 달라도 한 묶음으로 집계

순위 운동 등장 횟수 1 스쿼트 9회 2 밴드 스트레칭 8회 3 데드리프트 6회 4 인타이트/아웃타이트 5회 5(공동) 바벨로우 / 런지 각 5회

기록상 가장 자주 등장한 핵심 목표

  • 기초 체력 + 무게중심 밸런스 + 정확하고 올바른 자세

  • 2/23을 제외하면 거의 모든 기록에서 이 조합이 반복되었다.

  • 즉, 이번 달 훈련은 단순 근비대나 중량 증가보다 “자세 품질 + 움직임의 질 + 밸런스”를 최우선으로 놓고 진행되었다고 볼 수 있다.


3. 운동별 퍼포먼스 변화

3-1. 스쿼트

  • 수행 무게/반복 변화

    • 2/26 기록상 맨몸 스쿼트 15회 × 3세트(추정), 6kg 15회 × 3세트(추정) 수준에서 시작했다.

    • 3/5에는 12kg 12회 × 2세트를 수행했고,

    • 3/10에는 16kg 12회 × 1세트,

    • 3/13에는 16kg 12회 × 2세트,

    • 3/16에는 16kg 15회 × 2세트,

    • 3/23에는 16kg 20회 × 2세트까지 올라왔다.

  • 자세/기술 변화

    • 초반에는 발 접지, 아치, 고관절 열기, 하강 저항, 시선 의존, 복압 유지가 전부 개별 과제로 제시됐다(2/26, 3/5).

    • 3/10 기록에서는 “맨몸 스쿼트가 이제 자연스럽고 체중이 감당되고 제어된다”고 적혀 있고,

    • 3/13, 3/16에는 “무게가 무거울수록 오히려 자세가 더 좋게 나온다”, “과거 지도 내용이 몸에 녹아난다”고 서술됐다.

    • 3/21에는 “별 다른 지적이나 기초적인 교정이 없었다”는 기록이 있어, 기본 정렬은 한 단계 올라온 것으로 보인다.

  • 자극/안정성 변화

    • 초반에는 오른다리 떨림(3/10), 고관절 열기 습관 미정착(3/5, 3/16), 하강 시 저항 유지 필요가 반복됐다.

    • 그러나 3/16 기록에서는 “이전보다 적은 세트로도 충분히 하체를 털어버렸다”고 적혀 있어, 동작의 효율과 자극 전달이 개선된 흐름이 보인다.

  • 현재 수준 요약

    • 맨몸 스쿼트는 ‘제어 가능한 동작’ 단계에 도달했고, 16kg은 반복 수행이 가능한 실전 중량대로 자리잡았다.

    • 다음 단계는 더 높은 무게를 무작정 올리는 것이 아니라, 이미 올라온 품질을 유지한 채 리듬·저항·복압을 자동화하는 것이다.

3-2. 데드리프트

  • 수행 무게/반복 변화

    • 2/24에는 30kg × 10회(RPE 7, 추정)가 대표 세트였다.

    • 3/3에는 40kg 10회 × 2세트,

    • 3/11에는 40kg 12회 × 1세트,

    • 3/19에는 60kg 5회 × 2세트,

    • 3/24에는 60kg 7회 × 1세트까지 확인된다.

  • 자세/기술 변화

    • 2/24 기록의 핵심은 “허리/다리/팔로 들던 패턴 → 등에 걸고 후면사슬로 들어올리는 패턴”으로의 전환이었다.

    • 3/3에는 시선, 가슴 열기, 코어 균형, 호흡 패턴, 하강 시 좌우 비대칭 등 세밀한 기초 교정이 집중적으로 들어갔다.

    • 3/11에는 “지나치게 의식하지 않아도 원하는 동작이 나오는 경험”이 적혀 있고,

    • 3/19, 3/24에는 무거운 무게에서의 제어 문제와 도전 구간이 명확히 드러난다.

  • 자극/안정성 변화

    • 3/19 기록에서 사용자는 “과거 60kg에서는 허리가 아팠는데 이번에는 굉장히 허리가 깔끔했다”고 적었다.

    • 이는 단순 중량 증가보다 부담 부위가 허리에서 등/후면사슬로 재배치된 것을 보여주는 중요한 변화다.

    • 다만 3/24에는 “40kg은 충분히 제어가 되는데 60kg은 전반적인 제어가 잘 안 되는 느낌”이라고 했고, 예전 습관대로 다리부터 끌어올리거나 등이 말리는 느낌이 남아 있다.

  • 현재 수준 요약

    • 40kg은 기술적으로 제어 가능한 구간, 60kg은 현재의 도전 구간이다.

    • 큰 방향은 분명히 좋아졌지만, 60kg에서는 여전히 “등으로 들기 / 하강 제어 / 복압 유지 / 세트 후반 무너지지 않기”가 남은 과제다.

3-3. 바벨로우

  • 수행 무게/반복 변화

    • 2/24에는 20kg × 15회(추정),

    • 2/27 자율운동에서는 20kg 20회 × 3세트,

    • 3/11에는 20kg 20회 × 2세트,

    • 3/19에는 30kg 10회 × 1세트 + 15회 × 1세트,

    • 3/24에는 30kg 15회 × 3세트까지 확인된다.

  • 자세/기술 변화

    • 초반부터 “데드리프트 자세에서 출발”, “상체를 세우지 않기”, “등으로 당기기”, “가슴 열기”, “팔을 너무 길게 빼지 않기”가 반복 지도됐다(2/24, 3/11, 3/19, 3/24).

    • 3/19에는 그립을 “엄지까지 감싸는 일반적 쥐기”보다 “주먹 쥐듯이” 잡을 때 팔 개입이 줄고 등 자극이 올라온다는 관찰이 등장한다.

  • 자극/안정성 변화

    • 사용자는 점차 “팔이 개입하려고 하는데 그럴수록 더욱 등의 자극에 집중”해야 한다는 자기 인식을 가지게 됐다(3/24).

    • 즉, 중량 자체보다 피로 시 보상 패턴(상체 세움, 팔 개입, 긴장 이탈)을 인지하는 단계로 올라왔다.

  • 현재 수준 요약

    • 30kg로 세트 수행은 가능하지만, 피로 누적 시 상체 각도와 등 긴장 유지가 관건이다.

    • 동작의 본질은 이미 이해했고, 이제는 피로한 구간에서도 그것을 끝까지 유지하는 단계다.

3-4. 무릎대고 팔굽혀펴기

  • 수행 무게/반복 변화

    • 2/25에는 평균 18회로 5~6세트를 수행했다.

    • 3/4에는 23회→15회 하향 등차 세트(총 9세트),

    • 3/12에는 15회→24회 상향 등차 세트(총 10세트),

    • 3/20에는 컨디션 이슈로 15→20 세트 후 10회 다회 세트로 하향 조정했다.

  • 자세/기술 변화

    • 2/25 기록의 큰 변화는 손목 통증과 어깨의 끄드득거림이 사라진 상태에서 가슴/전면 어깨/삼두 자극을 받았다는 점이다.

    • 3/4에는 “팔을 45도로 충분히 열어 가슴을 쓴다”,

    • 3/12에는 “가슴으로 잡고, 가슴으로 버티고, 가슴으로 민다”가 핵심 큐로 정리됐다.

  • 자극/안정성 변화

    • 3/12 기록에서 사용자는 “첫 세트 15개가 너무 자연스럽게 밀려서 당황스러울 정도였다”, “손목 통증도 없고 어깨에서 소리나 마찰도 전혀 없다”고 적었다.

    • 이는 퍼포먼스 증가와 동시에 두려움이 사라진 기술 학습이었다.

    • 다만 3/20처럼 회복이 무너진 날에는 자세 감각이 급격히 흐려질 수 있다는 것도 동시에 확인됐다.

  • 현재 수준 요약

    • 기술과 자신감은 크게 올라왔고, 통증 없는 수행 기반이 생겼다.

    • 다만 이 운동은 회복/수면/심리 상태의 영향을 크게 받는 패턴이 분명히 보인다.

3-5. 기타 주요 운동

  • 인타이트/아웃타이트

    • 2/23부터 3/16까지 반복적으로 등장했다.

    • 3/16에는 인타이트 42.5kg × 15회, 아웃타이트 35kg × 15회 × 3세트가 기록되어 있다.

    • 특히 3/2에서는 “허벅지로 밀기보다 엉덩이 쪽 근육으로 힘을 준다”는 지도가 있었고, 이는 하체/골반 밸런스 훈련의 일부로 기능했다.

  • 사이드 스텝 / 런지

    • 사이드 스텝은 2/26, 3/2, 3/10, 3/13에 반복 등장했고, 접지/앉는 동작/고개 유지가 ...

회원가입만 해도
이 글을 무료로 읽을 수 있어요.

Basic 7일 무료 체험 시작하기
이미 계정이 있으신가요?로그인하기
댓글 0개
일반 카테고리의 다른글

개인 AI 컨텍스트의 시대

한 줄 요약: 자기 삶을 AI가 읽고 추론하고 활용할 수 있는 ‘기계가 읽는 작업 환경’으로 바꾸는 데에서 AI 시대 경쟁력이 나오지 않을까 개인이 AI 시대에 살아가는 방법 중 하나는, 자기만의 AI 컨텍스트(문맥, 맥락)를 구축하는 일이라고 생각합니다. 개인의 문맥을 정리해서 AI가 쓸 수 있게 만드는 사람이 유리하다 AI 모델은 이미 일반적인 영역에서는 매우 뛰어난 성능을 보여줍니다. 하지만 모델이 가중치 안에 충분히 담고 있지 못한 영역, 혹은 적절한 컨텍스트가 형성되지 않은 영역에서는 여전히 환각을 일으키거나 기대만큼의 성능을 내지 못합니다. 바로 그 지점에서 “나만의 데이터”가 강력한 레버리지로 작용합니다. 요약하자면, 내 기록·문서·의사결정 기준·프로젝트 히스토리를 AI가 쓸 수 있는 형태로 정리하는 사람이 유리하다는 의미가 되겠습니다. 왜 ‘나만의 데이터’가 기회가 되는가 이 논리는 회사 수준에서 보면 Cursor 같은 사례로 설명할 수 있습니다. 처음에는 frontier model을 가져다 쓰는 단순한 wrapper처럼 보였지만, 실제로는 사용자의 코드 승인·거절, 작업 흐름, 사용하는 데이터, 수정 패턴 등이 계속 쌓이면서 사용자 고유의 데이터 플라이휠이 형성됩니다. 그리고 이 데이터는 단순한 로그에 그치지 않고, 이후 더 나은 결과를 만들어내는 후속 학습 자산이 됩니다. 중요한 것은, 이 논리가 회사에만 해당하지 않는다는 점입니다. 이것을 개인에게 옮기면, 내 일기 내 프로젝트 기록 내가 어떤 결정을 왜 내렸는지 내가 어떤 답변을 좋아하고 싫어하는지 내 루틴, 취향, 제약, 실패 패턴 이 전부가 개인용 proprietary data가 되겠습니다. 그리고 이 데이터를 바탕으로,...
일반
2026. 03. 15
22
4
185

“AI 딸깍” 시대가 만드는 불안(FOMO)과 우울

https://youtu.be/k3pZRrSmrtk?si=uVba_ufjPSXbgaos 공감이 많이 되는 내용이라 가져왔습니다. AI 생성의 시대/AI agent의 시대에 뒤쳐지고 있다는 FOMO 그리고 우울. 그에 대한 저 자신의 관찰을 토대로 해당 영상을 접하게 되었고, 나만 느끼는 것이 아니라는 사실을 인지하게 된 것 같습니다. 결국은 내가 할 수 있는 만큼, 내가 재미있는 만큼, 현재와 현실에 주의집중하여 충만함과 배움의 재미로 회귀하는 태도를 지녀 보아야겠다는 생각을 해봅니다. 아래는 해당 영상의 스크립트를 토대로 AI에게 정리 및 요약을 부탁한 내용입니다. 아래는 대화(에피소드) 전체의 핵심 논지를 주제별로 압축 정리한 요약입니다. 1) 문제의식: “AI 딸깍” 시대가 만드는 불안(FOMO)과 우울 하루/일주일 만에 고품질 소프트웨어가 쏟아지면서 따라가지 못한다는 감각 → FOMO → 스트레스/우울이 생긴다. AI 관련 콘텐츠 산업 자체가 “큰일 났다, 따라와야 한다”는 톤으로 FOMO를 유발하며 성장하는 구조도 지적한다. 2) MVK(Minimum Viable Knowledge): “모르는 채로도 옳은 방향으로”의 화두 핵심 질문: “모르는 상태에서 출발해도, 결국 옳은 방향으로 가려면 최소한 뭘 갖춰야 하나?” ...
일반
2026. 02. 28
7
1

코딩 안 가르치는 스탠포드 개발 수업

https://www.instagram.com/p/DTMLQkZEj3m/ 스탠포드가 코드를 직접 치지 않아도 되는 CS146S 소프트웨어 개발수업을 도입하며 교육의 초점을 바꾸고 있다. 이 수업은 코딩의 문법과 알고리즘보다 AI 도구를 활용해 문제를 정의하고 시스템을 설계하는 능력을 핵심으로 삼는다. 변화하는 개발자시장: 코딩을 당연한 전제이자 도구로 두고 '무엇을 만들지, 어떤 구조와 기준으로 설계할지'에 교육의 초점을 옮긴 것이다. 기술의 장벽이 낮아진 자리에서, 문제를 정의하고 방향을 설계하는 능력이 개발자뿐 아니라 기획자와 창업가의 핵심 경쟁력이 되고 있다. 위 인사이트를 통해서 얻을 수 있는 것은 ‘개발'에 대한 기반이 바뀌어 나가고 있다. 대혁명이 일어나고 있다. 개발 공부 & 코딩을 몰라도 된다는 것은 아니지만, 개발과 코딩을 사용하지 않고도 소프트웨어를 개발해보는 시도들이 이어나가지고 있으며, 핵심 능력이 문제를 정의하고 시스템을 설계하는 방향으로 흘러가고 있음을 시사한다.
일반
2026. 02. 12
13
2
105

세컨드 브레인, Life OS 만들기

GPT에게 이것저것 시켜보고 활용해보면서 저에 대해서 많은 것들을 학습 시켜뒀습니다. 제 일기, 사고 패턴, 기질, 성격, 가치관, 의사결정 로직 등등 그리고 그 외에도 인지조차 못 할 저의 무의식 마저도 GPT에 입력해두면서 모든 제 정보를 팔아 넘겼습니다 어느 순간부터는 저의 시스템2의 보조가 되어서, 저의 무의식을 설명하기도 하고 시스템1의 충동도 제어할 조언도 하고, 대충 저의 무의식을 비추고 생활 패턴의 맞는 조언을 만들어내는 수준까지 이끌어냈습니다. 기존에도 저는 저에 대한 정보들을 문서화해두었습니다. 나의 장점, 단점, 성격, 기질, 습관, 가치관 등등을 말이죠. (이하 카르마) 여기서 드는 생각... 아.. 이것들을 통합적으로 하나의 데이터베이스(창고)에다가 일목요연하게 정리해두고 구성해두면 RAG(LLM이 답을 생성하기 전에 외부 데이터를 찾아와 같이 쓰게 만드는 구조)처럼 사용한다면.... 0.3~0.5 분량의 제가.. 만들어져서, 나의 카르마를.. 반영하는 목표들과 프로젝트들 할 일들의 기획과 실행을 보조하는 비서이자, 각종 저장해둔 아이디어들로 창의적인 프로젝트를 기획해낼 브레인 스토밍의 용도로 사용할 수 있지 않을까..? 하는 생각이 들었습니다. 그래서 시작해보려고 합니다. '닥터가드너' 님의 Life OS 템플릿(Notion)을 기반으로 하여 해당 템플릿에 적응하고 기존의 저의 Life OS(삼성노트)를 Notion에 이식하는 과정을 거친 다음 위 아이디어를 실행해보려고 합니다. 일단 그 시작을 해나가려고 하기에 일단 아이디어를 기록해둡니다. 좋은 후기로 다시 글을 이어나갈 수 있으면 좋겠습니다. 당장은 좋은 아이디어라는 생각에 묘한 흥분감이 드네요 중간 후기
일반
2025. 12. 21
14
7

기술주 투자의 선봉장은 AI 사이클에서 어디를 바라보는가, 알렉산더 사서도트의 25.Q3 13F 상세 분석

① 들어가며 – 1분기 쇼크 이후, 3분기 13F가 보여주는 새로운 AI 지도 2025년 1분기, 웨일 락 캐피탈은 AUM이 3분의 1이 날아가는 악몽 같은 분기를 통과했습니다. 그 와중에도 알렉산더 사서도트는 포트폴리오를 대충 줄이는 대신, 에너지–하드웨어–데이터–플랫폼–보안을 하나의 수직 계층으로 바라보며 AI 경제를 “풀스택으로 사는” 구조로 다시 짰죠. 애플과 전통 SaaS를 대거 덜어내고, 셀레스티카·블룸 에너지·임핀지·몽고DB·마이크로소프트·옥타 같은 종목을 축으로, AI가 돌아가기 위해 필요한 거의 모든 층을 한 포트폴리오 안에 쌓아 올린 그림이었습니다. 그로부터 반년이 지나 2025년 3분기. 이번에는 실제 13F 공시 데이터만을 가지고, “지금 이 순간, 사서도트가 AI 밸류체인의 어디에 가장 강하게 베팅하고 있는가”를 다시 그려보려 합니다. ② Q3 포트폴리오 스냅샷 – 극도로 집중된 36개, 인프라 41%, 플랫폼 48% 1) 숫자로 보는 전체 구조 Q3 13F를 그대로 펼쳐 보면, 총 44개 종목이 나오지만 이 중 현재 보유 중인 종목은 36개, 나머지 8개는 분기 중 전량 매도된 이름들입니다. 현재 보유: 36개 전량 매도: 8개 (AFRM, ALKT, DKNG, ENTG, INTU, SLAB, SMCI, MNDY) 집중도는 여전히 “헤지펀드형 성장주 매니저”답습니다. 상위 10개 종목 비중 합계: 56.9% 상위 20개 종목 비중 합계: 83.1% 상위 30개 종목 비중 합계: 97.7% 사실상 상위 30개에서 포트폴리오가 다 끝난다고 봐도 무방한 구조죠. 상위 10개를 나열하면 이렇게 됩니다 (분기말 비중 기준): Celestica (CLS) – 8.68% Applovin (APP) – 8.22% NVIDIA (NVDA) – 7.00% Meta Platforms (META) – 6.31% Roblox (RBLX) – 6.07% Broadcom (AVGO) – 5.56% Bloom Energy (BE) – 4.66% Amazon (AMZN) – 3.74% Alphabet (GOOGL) – 3.35% Duolingo (DUOL) – 3.29% 이 10개가 포트폴리오의 절반 이상(56.9%)을 차지합니다. 눈에 띄는 건, 1위와 7위가 여전히 인프라(셀레스티카, 블룸)이고, 그 사이를 플랫폼/콘텐츠/광고(앱러빈, 메타, 로블록스, 아마존, 알파벳, 듀오링고)가 가득 메우고 있다는 점입니다. 2) AI 레이어별 비중 – L1 41.4%, L2 10.2%, L3 48.4% Q1 리뷰에서 정의한 레이어 체계를 그대로 가져와 Q3 포트폴리오에 적용해보면: Layer 1 – 물리·에너지·인프라 발전·전력·데이터센터, EMS/ODM, 칩, 광통신 등 Layer 2 – 데이터·현실 연결 DB, 데이터 플랫폼, 네트워크, 센서, 결제·핀테크, 커넥티비티 등 Layer 3 – 플랫폼·보안·애플리케이션 하이퍼스케일러, SaaS, 보안, 광고/콘텐츠/게임/커머스 플랫폼, 소비자 앱 등 Q3 기준 36개 보유 종목을 이 틀로 분류하면: Layer 1 (에너지·하드웨어·데이터센터 인프라) 종목 수: 13개 포트폴리오 비중 합계: 41.4% 예시: Celestica (CLS) – AI 서버/네트워크를 조립하는 EMS NVIDIA (NVDA) – GPU·AI 칩 Broadcom (AVGO) – 네트워크/가속 칩 Bloom Energy (BE) – 데이터센터용 분산 전원 Fabrinet (FN), Ciena (CIEN), Corning (GLW), Coherent (COHR) – 광통신·레이저·섬유 등 데이터센터·통신망의 배선 TSMC (TSM), TTM Technologies (TTMI), SiTime (SITM), Vertiv (VRT), HPE (HPE) 등 칩 생산·PCB·타이밍·IDC 인프라 Layer 2 (데이터·현실 연결) 종목 수: 5개 비중 합계: 10.2% 예시: MongoDB (MDB) – 비정형 데이터에 특화된 현대식 데이터베이스 Impinj (PI) – RAIN RFID로 물리 세계를 데이터로 전환 Semtech (SMTC) – 연결·센서·LoRa 등 IoT 신호를 전달하는 칩 Nu Holdings (NU), Chime (CHYM) – 신흥국·디지털 은행 기반의 핀테크 데이터 허브 Layer 3 (플랫폼·보안·애플리케이션) 종목 수: 18개 비중 합계: 48.4% 예시: 빅테크·하이퍼스케일러: Amazon (AMZN), Microsoft (MSFT), Alphabet (GOOGL) 소비자·콘텐츠·게임: Meta (META), Roblox (RBLX), Netflix (NFLX), Duolingo (DUOL) 광고·수익화 플랫폼: Applovin (APP) 커머스/핀테크 플랫폼: Sea (SE), MercadoLibre (MELI), Shopify (SHOP), Coupang (CPNG), Carvana (CVNA) B2B SaaS·도구: JFrog (FROG), HubSpot (HUBS) 보안·ID: Okta (OKTA) 헬스케어 SaaS: Hinge Health (HNGE) 숫자로만 보면, L1+L2(인프라+데이터)가 약 51.6%, L3(플랫폼·앱)가 48.4%입니다. Q1에서 그렸던 “인프라부터 플랫폼까지 풀스택으로 들고 가겠다”는 설계가 여전히 유지되면서, 인프라 4 : 데이터 1 : 플랫폼 5 정도의 균형을 만들어 놓은 모습이라고 정리할 수 있겠습니다. ③ 무엇을 버리고, 어디에 더 실었다인가 – Q3 리밸런싱의 방향성 이제 본격적으로, Q2 대비 “줄인 것/버린 것/늘린 것/새로 산 것”을 레이어 관점에서 해석해보겠습니다. (비중 변화는 “분기말 비중 – 이전 분기 비중(=Q2)” 기준) 1) Layer 1 – GPU에서 “전력·광통신·타이밍”으로 더 깊이 내려갔다 (1) 유지 + 일부 축소: 셀레스티카·엔비디아·브로드컴 Celestica (CLS) 비중: 10.05% → 8.68% (-1.36%p) 여전히 포트폴리오 1위, 다만 Q1·Q2에 비해 조금 가볍게 가져갑니다. “AI 서버 조립공장” 역할은 그대로지만, 비중만 살짝 줄인 수준. NVIDIA (NVDA) 비중: 7.87% → 7.00% (-0.87%p) 여전히 3위 대형 포지션이지만, 엔비디아 한 종목에 올인하기보다는 다른 인프라 종목으로 분산하는 느낌입니다. Broadcom (AVGO) 비중: 6.26% → 5.56% (-0.70%p) Q1에서 사서도트가 “이미 모두가 알고 있는 승자를 너무 비싸게 쫓고 싶어 하지는 않는다”는 뉘앙스를 풍겼다면, Q3에서는 그 태도가 숫자에 반영된 모습입니다. 셀레스티카·엔비디아·브로드컴 같은 대표 하드웨어 이름들은 “핵심은 그대로, 무게중심만 살짝 낮춘 상태”라고 볼 수 있겠죠. (2) 강력한 증액: 블룸 에너지와 네트워크/부품 체인 Bloom Energy (BE) – 0.67% → 4.66% (+3.99%p) 단숨에 포트폴리오 7위로 점프. Q1에서 에너지 인프라를 AI의 병목으로 본 시각이 Q3에는 숫자로 폭발합니다. 전통 전력망 확장만으론 AI 데이터센터 전력 수요를 감당하기 어렵다고 보고, 연료전지 기반의 분산 발전을 적극적으로 사 모은 셈입니다. Ciena (CIEN) – 0.94% → 2.29% (+1.35%p) Corning (GLW) – 1.37% → 2.53% (+1.16%p) SiTime (SITM) – 1.19% → 1.70% (+0.51%p) TSMC (TSM) – 1.90% → 2.39% (+0.49%p) 이들은 공통적으로 “데이터센터와 네트워크가 실제로 돌아가게 만드는 부품들”입니다. 광케이블, 광모듈, 타이밍 칩, 파운드리 등은 화려하지 않지만, AI 연산이 늘어날수록 기하급수적으로 수요가 늘어나는 영역이죠. (3) 인프라 내에서 버린 것: 슈퍼마이크로·Entegris·Silicon Labs 전량 매도 목록에서 인프라 레이어에 해당하는 종목을 보면: Super Micro Computer (SMCI) – 이전 비중 0.38% → 0% Entegris (ENTG) – 0.47% → 0% Silicon Labs (SLAB) – 0.51% → 0% GPU 서버 OEM과 특정 공정 소재/칩에 대한 익스포저는 줄이고, 그 자본을 블룸 에너지·Ciena·Corning·SiTime·TSMC로 옮긴 그림입니다. 해석 Layer 1 안에서도, Q1에는 “EMS+서버+GPU”에 집중했다면, Q3에는 한 걸음 더 내려가서 “전력·광통신·타이밍·파운드리” 같은 더 폭넓은 인프라 밸류체인으로 스펙트럼을 넓힌 것으로 읽힙니다. 즉, “GPU 자체”보다 전력과 네트워크라는 병목 구간에 자본을 더 두텁게 쌓고 있습니다. 2) Layer 2 – 핀테크를 줄이고, 데이터·센서에 힘을 준다 Layer 2는 전체 비중이 10.2%로, 숫자상으로는 Q2 대비 큰 변화가 없습니다. 하지만 안을 들여다보면 구성이 꽤 바뀌었습니다. (1) 데이터·센서 쪽 증액 MongoDB (MDB) – 1.22% → 2.02% (+0.80%p) 비정형 데이터·AI 워크로드에 맞는 DB 플랫폼에 베팅을 더 키웠습니다. Impinj (PI) – 1.37% → 2.61% (+1.24%p) 실물 세계의 사물을 RAIN RFID로 식별해 데이터로 끌어오는 역할. Q1에서 “현실을 데이터로 번역하는 감각기관” 역할로 설명했던 포지션이, Q3에는 비중으로 그 중요도가 더 또렷해졌습니다. Semtech (SMTC) – 2.50% → 2.95% (+0.45%p) IoT·연결 칩을 통해 데이터를 흘려보내는 하드웨어 단. (2) 핀테크·디지털 뱅킹은 정리·축소 Nu Holdings (NU) – 3.40% → 2.34% (-1.05%p) Chime (CHYM) – 0.67% → 0.33% (-0.34%p) 거기에 더해, 전량 매도된 L2 종목들을 보면: Affirm (AFRM) – 1.22% → 0% Alkami Technology (ALKT) – 0.28% → 0% 해석 Q1에서 이미 “SaaS·전통적인 클라우드 앱 S-커브에서 내려와 인프라로 내려간다”는 선언을 했는데, Q3에서는 그 연장선에서 핀테크 쪽 익스포저를 정리하고, 진짜로 AI가 먹을 데이터를 만들어내는 레이어(센서·DB)에 더 힘을 준 것으로 볼 수 있습니다. Layer 2는 전체 비중은 비슷하지만, 내용물이 “결제/대출” → “데이터/센서” 쪽으로 확실히 이동했습니다. 3) Layer 3 – 플랫폼은 더 좁게, 더 공격적으로 Layer 3는 여전히 포트폴리오에서 가장 큰 덩어리입니다. 총 18개 종목에 48.4%가 들어가 있고, 상위 10개 중 6개가 Layer 3입니다. 하지만 Q2 대비로 보면 전체 L3 비중은 약 2.5%p 줄어든 반면, 내부 구성이 많이 바뀝니다. (1) 크게 늘린 플랫폼들 비중 변화 상위 종목을 보면 L3 쪽에서 눈에 띄는 이름들이 있습니다. Applovin (APP) – 5.95% → 8.22% (+2.27%p) 이제 Celestica에 이어 포트폴리오 2위. 모바일 게임·앱 수익화를 위한 광고/퍼포먼스 마케팅 ...
104
196
세컨드 브레인, Life OS 만들기
일반
2025. 12. 11
13
3
172
아직 작성된 댓글이 없습니다.