유럽/중동의 재무장 과정에서 한국 방산 기업의 역할이 어떻게 바뀌는가?

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...

엔비디아를 지속적으로 모니터링 + 텔레그램의 통찰력 있는 글 수집 이를 통해서 엣지 있는 토큰 경제 칼럼을 AI에게 작성해달라고 해서 읽으면 공부해보기 좋은 글이니 일독을 권합니다 ! 토큰 경제의 시대 — 그리고 왜 엔비디아는 모든 것을 장악하려 하는가 AI 시대를 이해하려 할 때 우리는 종종 모델의 성능, 데이터의 크기, 혹은 GPU의 수량 같은 눈에 보이는 요소에 집중한다. 그러나 이러한 요소들은 본질이 아니라 결과에 가깝다. 지금 우리가 맞이하고 있는 변화의 핵심은 훨씬 더 단순하면서도 근본적인 개념, 바로 ‘토큰’에 있다. 토큰은 더 이상 단순한 텍스트의 조각이 아니다. 그것은 AI가 세상을 인식하고, 판단하고, 행동하는 모든 과정의 최소 단위이며, 동시에 기업이 수익을 창출하는 기본 단위가 되어가고 있다. 과거 소프트웨어 산업이 ‘유저 수’와 ‘구독 모델’을 중심으로 성장했다면, AI 산업은 점점 ‘토큰 소비량’을 중심으로 재편되고 있다. 사용자는 토큰을 소비하고, 기업은 토큰을 판매한다. 이 단순한 구조가 AI 시대의 경제를 정의한다. 이 변화가 중요한 이유는 토큰이 단순한 수치가 아니라, 실질적인 매출과 직결되기 때문이다. 하나의 질의응답, 하나의 에이전트 실행, 하나의 자율주행 판단은 모두 토큰으로 환산되며, 이 토큰이 곧 비용이자 수익이 된다. 즉, AI 기업의 경쟁력은 결국 얼마나 많은 토큰을 생성하고 처리할 수 있는가로 귀결된다. 더 많이, 더 빠르게, 더 저렴하게 토큰을 만들어내는 기업이 시장을 지배하게 되는 구조다. 여기서 한 가지 중요한 오해를 바로잡아야 한다. 많은 사람들이 토큰 수요를 여전히 ‘텍스트 기반 AI’의 연장선으로 이해하지만, 실제로는 전혀 다른 국면으로 진입하고 있다. Agentic AI의 등장으로 AI는 단순히 질문에 답하는 존재를 넘어, 스스로 작업을 수행하고 의사결정을 내리는 주체로 진화하고 있다. 이 과정에서 발생하는 토큰의 양은 기존의 텍스트 기반 사용량과 비교할 수 없을 정도로 폭증한다. 더 나아가 Physical AI, 즉 로봇, 자율주행, 디지털 트윈과 같은 영역까지 확장되면 토큰은 더 이상 ...

제1축: IMEC와 일대일로(BRI)의 정면 충돌 개요 미국 주도의 IMEC는 중국이 지난 10년간 공들여온 일대일로(BRI) 체제를 무력화하기 위한 전략적 '창'이자, 서방 중심의 공급망을 보호하기 위한 '방패'다. 2023년 뉴델리 G20 정상회의에서 공식 발표된 IMEC는 인도의 뭄바이와 문드라 항구에서 출발해 UAE와 사우디아라비아의 철도망을 거쳐 요르단과 이스라엘의 하이파 항구, 그리고 최종적으로 유럽의 그리스, 이탈리아, 프랑스로 이어지는 다중 모드(Multi-modal) 수송로를 구축한다. 이는 기존의 해상 루트인 수에즈 운하를 통과하는 것보다 거리는 약 40%, 물류 비용은 30% 절감할 수 있는 혁신적인 경로로 평가받는다. 삼각형 경제 구조의 형성 IMEC는 단순히 상품이 이동하는 길이 아니다. 이 회랑을 따라 고속 철도와 함께 녹색 수소 파이프라인, 그리고 초고속 데이터 케이블이 동시에 매설되는 '미래 에너지·디지털 벨트'의 성격을 갖는다. 특히 구글이 주도하는 '블루-라만(Blue-Raman)' 해저 케이블 시스템은 이집트라는 기존의 데이터 병목 지대를 우회하여 이스라엘과 요르단, 사우디를 직접 연결함으로써 디지털 주권의 재편을 예고하고 있다. IMEC는 인도를 세계의 제조·서비스 허브로, 걸프 지역을 자본과 물류의 거점으로, 유럽을 기술과 소비의 중심지로 묶는 '삼각형 경제 구조'를 형성한다. 이는 중국 중심의 공급망 의존도를 낮추려는 '디리스킹(De-risking)' 전략의 일환이다. 제2축: 이란과 '저항의 축'의 지경학적 재정의 개요 IMEC의 성공을 위한 전제 조건은 경로의 안정성과 예측 가능성이다. 지경학적 관점에서 볼 때, 이란과 그 대리 세력인 이른바 '저항의 축'(후티 반군, 헤즈볼라, 하마스)은 단순히 정치적 적대 세력을 넘어 IMEC라는 거대 자본주의 고속도로를 위협하는 '물류의 방해 요소'로 간주된다. 이란은 호르무즈 해협을, 후티 반군은 홍해의 바브엘만데브 해협을 통제하거나 위협함으로써 기존 글로벌 물류망을 흔들 수 있는 능력을 보유하고 있다. IMEC vs INSTC/BRI의 구조적 경쟁 이란 역시 이러한 지경학적 포위망에 맞서 대응하고 있다. 이란은 러시아, 인도와 손잡고 '남북 국제...