반도체 조정 속 AI 투자 지속, 업사이클 여력은?

반도체 지수가 6월 고점 대비 20% 넘게 밀렸지만 AI 투자 흐름은 여전히 강하다는 진단이다. 하이퍼스케일러 설비투자 상향, 네오클라우드 자금 조달 우려, HBM 중심 메모리 수급, 토큰 가격 하락 논쟁, 엣지 AI의 한계를 차례로 짚는다.

⏱ 00:00진행자는 반도체 지수가 6월 고점 대비 20% 넘게 밀린 배경으로 투자자 포지셔닝과 AI 지출 지속성에 대한 의문을 꼽는다. 금리 스프레드 확대, 정치 이슈, 새 AI 모델 발표 등 여러 변수가 AI 생태계 주가를 함께 흔드는 상황이다.

발표자 VC Arya는 상반기 지수가 100% 가까이 올랐던 만큼 일정 부분 되돌림은 자연스럽다고 본다. 다만 연초 이후 누적 성과는 여전히 양호하고, 대형주에서 위험회피 흐름이 나타나며 병목 종목이던 메모리와 광통신 부품이 먼저 조정받는 순환매가 일어났다고 설명한다.

⏱ 00:52발표자는 미국 중심 하이퍼스케일러와 중국 클라우드 업체, 네오클라우드를 합친 지출이 올해 약 1조 달러, 내년 1조 3500억~1조 4000억 달러 수준일 것으로 본다. 올해 거의 두 배, 내년 35~40% 성장이라는 계산이다.

3개월 전 전망과 비교하면 실적 발표 이후 올해와 내년 추정치가 약 20% 높아졌고, 연중 이런 상향 패턴이 이어졌다고 한다. 배경으로는 AI가 도입 단계를 넘어 신규 고객 유치와 신상품 출시로 실제 수익에 기여하기 시작했다는 점, 일부 대형 기업에서 검색과 전자상거래 등 핵심 사업 성장이 가속된 점이 꼽힌다.

⏱ 05:00진행자는 AI 인프라 확장이 점점 부채로 조달되면서 금리와 자본비용이 중요해졌다고 짚는다. 일부 네오클라우드 채권 금리가 15% 안팎까지 오르고 IPO가 철회되거나 부진한 사례도 나온다. 발표자는 에너지 업종과 반도체 주가가 역의 관계처럼 움직인 점을 언급하며, 이 역시 인플레이션과 유가, 금리 환경과 연결된다고 설명한다.

발표자는 네오클라우드가 AI 전용으로 설계된 신생 사업자라는 점에서 수요 측면의 중요한 역할을 한다고 본다. 비트코인 채굴 업체 출신이 많아 GPU 팜을 빠르게 운영하는 데 익숙하고, 하이퍼스케일러가 부지와 전력을 제때 확보하지 못할 때 초과 수요를 받아낸다. 다만 이미 구축한 용량을 수익화하는 속도와 신규 용량을 짓는 속도 사이에서 자본비용 상승이 긴장을 키운다는 점은 변수로 남는다.

⏱ 07:33메모리 업체의 총이익률이 2023년에는 마이너스까지 떨어졌던 사례를 언급하며, 가격이 장기 주가를 좌우한다는 점을 설명한다. 범용성이 강한 메모리 시장에서는 새 설비가 들어오면 가격 부담으로 작용하는데, 중국 업체의 증설 위협과 기업들의 대규모 설비투자가 우려의 핵심이다.

발표자가 강조하는 차이는 HBM이다. 과거에는 PC나 스마트폰 수요가 늘면 생산능력도 대체로 1대1로 늘었고, 증설이 수요를 넘어설 때 가격이 흔들렸다. 반면 AI 제품에 쓰이는 HBM은 같은 용량을 만들 때 일반 메모리보다 3배에서 4배 많은 생산 용량이 필요하다. 그래서 수요가 공급을 3~4배 앞서는 격차가 있고, 수요 둔화나 증설이 겹쳐도 격차가 남아 이번 사이클이 과거보다 길 수 있다는 것이 그의 판단이다. 그는 일부 종목의 밸류에이션이 하락 사이클을 전제로 한 듯 보인다고 평가한다.

⏱ 09:45AI 모델의 토큰 가격은 하락하는 추세이며, 오픈 웨이트 모델과 중국 업체의 경쟁으로 하락 속도가 빨라져 AI 투자 수익을 갉아먹을 수 있다는 우려가 제기된다. 발표자는 최신 프런티어 모델이 출시 초기에 높은 가격대를 형성하고, 고성능이 필요한 기업 고객은 상위 티어를 쓰는 식으로 워크로드가 나뉠 수 있다고 답한다.

또 세대 교체 GPU는 이전 세대보다 같은 전력에서 토큰을 5배에서 10배 더 생산할 수 있어, 소비자용 서비스를 더 생산성 높은 인프라에 올리는 방식으로 비용을 낮출 수 있다고 설명한다. 오픈 웨이트 모델이 늘어도 기반 연산 인프라는 여전히 필요하며, 모델 계층의 마진이 줄수록 가치는 인프라 계층으로 옮겨 간다는 논리다. 칩 기업 입장에서는 결국 연산 수요 증가로 이어진다는 취지다.

⏱ 12:18진행자가 제기한 질문은 작은 모델을 휴대폰에서 직접 돌려 데이터를 기기에 남기는 엣지 AI가 언제 현실이 되느냐는 것이다. 발표자는 현재 가장 뛰어난 프런티어 모델이 약 10조 개 파라미터 규모인 데 비해, 휴대폰에서 돌릴 수 있는 모델은 약 2천만 개 미만이라고 비교한다. 복잡도와 지능 수준에서 50배에서 500배 차이가 난다는 것이다.

이 격차 때문에 가정용 음성 비서 같은 상용 서비스도 당분간 클라우드 처리에 의존하는 구조가 유지될 것이라는 취지로 이야기가 이어진다. 자막이 중간에 끊겨 엣지 AI의 구체적 전망과 시사점은 이 요약에 포함되지 않았다.