내일은 구글의 우주 데이터센터 프로젝트 ‘선캐처’의 첫 우주 테스트가 예정돼 있습니두.
이게 우주 관련주에 어떤 영향을 줄지, 시장이 어떻게 받아들일지는 일단 제쳐두고…
그냥 좀 됐으면 좋겠습니두 진짜로.
AI 연산을 지상 데이터센터가 아니라 우주에서 처리하고, 거의 끊임없이 들어오는 태양광으로 전력을 공급한다는 발상 자체가 아직도 SF 같거든요.
물론 내일 당장 우주 데이터센터가 완성되는 건 아니고 TPU가 실제 우주 환경에서 방사선과 열, 냉각 문제를 버틸 수 있는지 확인하는 첫 단계입니두
근데 이런 게 하나씩 성공해서 진짜 현실이 된다면
나중에는 우리가 제미나이에 던진 질문 일부가 지구가 아니라 우주에서 계산돼서 내려오는 시대가 올 수도 있겠죠
투자자 입장 떠나서 그냥 기술 좋아하는 사람으로서
이건 좀 성공했으면 좋겠습니두
되면 진짜 혁신 아닐까 싶슴두
더 보기
$RDW 레드와이어가 Sophia Space와 우주 데이터센터 인프라 협업 MOU를 체결했습니도
이걸 단순히 “RDW도 우주 데이터센터 테마 탔다” 정도로 보면 핵심을 놓칩니두
Sophia Space는 우주에서 AI 연산을 수행하는 TILE이라는 모듈형 컴퓨팅 시스템을 개발하고 있습니두
쉽게 말하면 우주용 AI 서버랙을 만드는 회사입니두
반대로 Redwire는 그 서버가 우주에서 실제로 돌아가기 위해 필요한 태양광 발전, 전력 분배, 열관리, 방열, 전개형 구조물, 항전장비, 위성 시스템 통합을 담당할 수 있는 회사입니다
지상 데이터센터로 비유하면 Sophia가 서버를 만든다면 RDW는 전력, 냉각, 건물 인프라를 담당하는 쪽에 가깝습니다
이게 중요한 이유가 우주 데이터센터에서 가장 어려운 문제가 단순히 GPU 성능이 아니기 때문입니두
우주는 공기가 없어서 일반적인 냉각이 불가능하고, 연산량이 커질수록 방열판과 전력 시스템이 훨씬 중요해집니두. 결국 우주 AI 컴퓨팅이 커질수록 전력과 열관리, 대형 구조물 기술이 병목이 될 가능성이 높습니다
그리고 이 분야가 이제 단순한 이야기도 아닙니두
Google은 Project Suncatcher를 통해 TPU 기반 우주 AI 컴퓨팅 실증에 들어갔고, Starcloud는 이미 NVIDIA GPU를 우주에 올려 AI 연산을 테스트했으며, Sophia Space 역시 2027년 실제 궤도 실증을 준비하고 있습니두
재밌는 점은 RDW가 특정 우주 데이터센터 업체 하나에 베팅하는 회사가 아니라는 점입니두
향후 Google, Sophia, Starcloud 같은 여러 업체가 경쟁하더라도 결국 필요한 건 전력, 방열, 구조물, 위성 통합입니두
즉 우주 데이터센터 산업에서 누가 최종 승자가 되느냐와 별개로 RDW는 “인프라 공급자” 포지션을 노릴 수 있습니두
골드러시 때 금을 찾는 회사보다 삽과 곡괭이를 파는 회사가 안정적으로 돈을 벌었던 것과 비슷한 구조입니두
물론 이번 건은 아직 MOU입니두
대형 수주가 확정된 것도 아니고 당장 실적에 수억달러가 찍히는 계약도 아닙니두
그래서 지금 당장 실적 호재로 과대해석할 필요는 없습니두
다만 Sophia Space의 2027년 우주 실증이 성공하고, RDW가 실제 전력·방열·구조물 공급계약을 따내거나 DARPA, SDA, NRO 같은 미국 정부기관 프로그램까지 연결된다면 이야기가 달라질 수 있습니두
개인적으로 우주 데이터센터는 성공만 한다면 정말 대단한 기술이 될 거라고 봅니두
지상 데이터센터의 전력 부족과 냉각 문제를 완전히 다른 방식으로 풀 수 있고, 위성에서 생성된 데이터를 지상으로 전부 내려보내지 않고 우주에서 바로 AI 분석할 수도 있습니두
지금은 “가능한가?”를 검증하는 단계지만, Google을 포함한 여러 기업이 실제 하드웨어를 올리기 시작했다는 점이 중요합니두
RDW 역시 이 산업에서 GPU를 만드는 회사는 아니지만, GPU가 우주에서 살아남기 위해 필요한 인프라를 공급하는 회사가 될 수 있는지 이제부터 지켜볼 만하다고 생각합니두
결국 체크할 건 하나입니닷
MOU가 실제 공급계약으로 전환되는가.
여기서 숫자가 찍히기 시작하면 그때부터는 단순한 우주 테마가 아니라 하나의 새로운 사업부문으로 보기 시작해도 될 것 같습니두
더 보기
SW(조금 더 확장하면 OS)의 역할은 인간과 반도체를 연결하는 것이다.
조금 더 구체적으로 적으면 데이터를 의도에 맞춰 변형하고, 그 결과를 보여주는 것이다.
당연히 AI가 다 할 수 있는 일이다. 물론 반복되는 일의 경우 코드나 프레임웍의 도움을 받으면 더 효율적으로 할 수 있다. 그러나 코드작성 역시 AI가 잘하는 일이다.
UI의 경우에도 지금은 정해진 규칙대로 출력을 만들고 있지만, 당연히 데이터의 종류, 인간의 관심사, 선호 등에 따라 편리한 UI가 달라진다. 따라서 AI가 인간 의도에 맞춰 화면을 생성하는 것이 더 맞는 방향이다. 픽셀/복셀 단위로 생성할 필요는 없겠지만 굳이 지금의 SW처럼 고정되어 있을 필요는 없다. 그때그때 적절한 형태로 만들면 된다.
남는 것은
1) 데이터를 어떻게 관리할 것인가?
2) 인간과 상호작용은 어떻게 할 것인가?
밖에 없다.
AIOS는 이 문제를 풀때 나오게 된다.
더 보기
메타(Meta) Q3 2026 어닝콜 Q&A 세션 $META
1. 브라이언 노왁 (Morgan Stanley)Q. Muse 사용자 성장의 제약 요인과 메타 엔터프라이즈의 비전은 무엇인가요?
마크 저커버그 (CEO):
성장 제약 요인과 해결 과제: 미국·캐나다 출시 6주 만에 1,000만 명이 설정을 완료했으나, 막대한 컴퓨팅 소모량 때문에 아직 글로벌 출시를 하지 못한 것이 가장 큰 제약입니다. 향후 10억 명 이상에게 제공하려면 컴퓨팅 효율성 목표 달성과 수익 모델 구축이 병행되어야 합니다. 현재 무료 티어는 'Muse Spark', 유료 티어는 고성능 'Muse Wonder'를 사용 중인데, 조만간 Muse Wonder의 고효율 경량화 버전을 배포해 더 많은 사람에게 합리적인 비용으로 높은 가치를 제공할 것입니다.
엔터프라이즈 및 Muse 네트워크: 단기적으로는 모델 API, Muse Code, 비즈니스 에이전트 3가지 축이 빠르게 성장 중입니다. 소상공인(SMB)의 복잡한 창업·운영 업무 자동화부터 기업 내부용 Muse 도입까지 기회가 큽니다. 궁극적으로는 개인의 Muse가 가족·친구의 에이전트와 협업하고, 쇼핑할 때도 웹사이트 탐색 대신 기업 에이전트와 직접 대화해 처리하는 대규모 'Muse 네트워크'를 구축해 소비자와 기업 모두의 효용을 극대화할 것입니다.
수잔 리 (CFO):
전통적인 기업들이 엔터프라이즈 AI 시장을 독점하고 있지 않으며, 메타는 자체 모델, 인프라, 글로벌 유통망, 기존 5억 개 비즈니스와의 관계라는 차별화된 자산을 보유하고 있습니다. 이를 통해 구독, 사용량 기반 API, 메시징 등 다각화된 반복 매출원(Recurring revenue)을 구축할 것입니다.
2. 에릭 셰리단 (Goldman Sachs)Q. 에이전트 개입을 꺼리는 플랫폼들과의 마찰 해결 방안과, 신규 무의결권 주식 발행(주식분할 효과)을 통한 자본 조달 계획은 어떠한가요?
마크 저커버그 (CEO):
압도적으로 많은 기업이 기존 고객 경험 향상과 신규 고객 유치를 위해 에이전틱 커머스를 반기고 있으며, 먼저 통합(Integration)을 요청해 오고 있습니다. 도입 속도가 다른 기업들과도 조건에 맞춰 협력해 나갈 것입니다.
수잔 리 (CFO):
에이전트 상호작용 표준화: 장기적으로 에이전트가 인간처럼 화면을 일일이 탐색하는 방식에서 벗어나, 인증된 API나 에이전트 간 직접 통신 등 '허가되고 구조화된 상호작용'으로 진화할 것입니다. 이를 위해 이달 초 Sierra, Walmart, Stripe, Shopify 등과 함께 안전성과 통제권을 보장하는 '개인 에이전트 프로토콜 및 표준'을 공개했습니다.
신규 무의결권 주식 발행: 창업자 중심의 지배구조(기존 Class A·B 의결권)를 보존하면서 자본 조달, 임직원 보상, M&A 등에 활용할 수 있는 상장 무의결권 주식을 신설했습니다
(1주당 1주 배당으로 사실상 2대 1 주식분할 효과, 27년 1월 말 거래 시작). 당장 발표할 특정 자금 조달 계획은 없으나, AI 모멘텀 투자를 위해 다양한 자금원에 접근할 수 있는 재무적 유연성을 선제적으로 확보한 것입니다.
3. 더그 안무스 (JPMorgan)Q. 에이전트 간(Agent-to-Agent) 거래가 열어줄 구체적 가치와 2027년 비용 및 설비투자(CapEx) 가이던스 단서가 궁금합니다.
수잔 리 (CFO):
에이전트의 주도성(Proactivity): 내 Muse가 식당이나 업체에 전화할 때 상대 기업의 비즈니스 에이전트가 응대한다면 훨씬 매끄러울 것입니다. 특히 Muse의 핵심 강점은 장애물을 넘어 임무를 완수하는 '주도성'입니다. 잠재 수요가 표출될 때만 거래가 일어나던 과거와 달리, 에이전트가 상시로 상품을 탐색·추천하고 기업 에이전트와 주도적으로 맞물리면서 훨씬 더 많은 거래와 활동이 창출될 것입니다.
2027년 예산 및 CapEx: 현재 2027년 예산과 인프라 용량 계획을 수립하는 초기 단계로, 매력적인 수익 프로파일을 가진 다양한 투자안들을 평가 중입니다. 구체적이고 정량적인 가이던스는 통상대로 4분기 실적 발표 때 공유하겠습니다.
4. 저스틴 포스트 (Bank of America)Q. 신규 AI 모델을 통한 광고 시스템의 추가 개선 여력과 2027년 매출 성장의 핵심 동인은 무엇인가요?
수잔 리 (CFO):
광고 개선 여력(3가지 테마): ①기존 머신러닝(ML) 기반의 성능 개선 파이프라인이 여전히 견고하며, ②사용자 선호도를 더 깊이 추론하는 LLM 중심의 AI 인프라 연구를 통해 추천·랭킹 엔진에서 추가 혜택을 얻고, ③Advantage+를 통한 생성형 AI 도구(이미지 한 장으로 수 초 내 영상·사운드 생성 등)가 광고 개인화를 더욱 가속화할 것입니다.
2027년 매출 동인: 핵심 광고 비즈니스의 성장 여력이 충분할 뿐만 아니라, 구독·거래 수수료·엔터프라이즈 등 신규 AI 비즈니스들이 2027년부터 추가적인(Incremental) 매출을 기여하기 시작하며 장기적인 매출 다각화 원천으로 자리 잡을 것입니다.
5. 마크 슈물릭 (Bernstein)Q. 사내 비즈니스가 Muse 중심으로 재편되면서 달라진 점과 소상공인(SMB) 대상 에이전트 확장 계획은 무엇인가요?
마크 저커버그 (CEO):
1년여 전 '개인 초지능' 서한을 쓴 이래 이것이 우리의 북극성이었습니다. MSL(메타 초지능 연구소)을 중심으로 리부트를 단행한 이유도 개인 에이전트에 최적화된 모델부터 스마트 안경 같은 하드웨어까지 엔드투엔드(End-to-end) 기술을 직접 소유하고 설계해야 최고의 경험을 줄 수 있기 때문입니다. 이러한 장기 베팅들이 이제 하나로 맞물려 돌아가기 시작했습니다.
수잔 리 (CFO):
소상공인용 Muse: 지난 9월 말 별도 앱이 아닌 기존 Muse 앱 내 새로운 스킬과 커넥터 세트로 출시되었습니다. 인스타그램·메타 광고 계정은 물론 Shopify, QuickBooks, Canva 등 수십 개의 서드파티 도구와 몇 번의 클릭으로 연결됩니다. 현재 광고 최적화, DM 정리, 재고 기반 웹사이트 최신화, 직원 업무 분담 등에 활발히 쓰이고 있으며, 메타 생태계 내 5억 개 소상공인 접점을 통해 빠르게 확산될 것입니다.
6. 로스 샌들러 (Barclays)Q. Muse의 현재 비용 구조와 향후 비용 곡선을 낮추기 위한 구체적인 방안은 무엇인가요?
수잔 리 (CFO):
향후 1년간 컴퓨팅 비용 효율성을 10배 이상 개선할 계획입니다. 단기적으로는 비피크 시간대(Off-peak) 유휴 용량 활용, 경량화 모델(Smaller models) 적용, GPU 활용도를 높이는 추론 최적화를 진행 중입니다. 장기적으로는 LLM 발전에 따라 더 적은 토큰으로 더 많은 작업을 처리하게 될 것이며, 구동 소프트웨어의 효율성을 높이는 데도 AI 모델을 직접 활용해 큰 폭의 비용 절감을 달성할 것입니다.
7. 마크 마하니 (Evercore ISI)Q. 막대한 비용을 감안할 때 Muse의 수익화 속도는 기존 플레이북보다 빨라야 하지 않나요? 또한 커머스 지표(사용자 25%, 평균 구매액 $200 이상)에 여행(Travel)도 포함되나요?
마크 저커버그 (CEO):
수익화 가속 및 여행 포함: 기존 플레이북보다 수익화를 다소 더 일찍 추진할 것입니다. 투입 비용과 시장 기회 규모가 워낙 크고, 사용자 활동의 상당 부분이 이미 커머스이기 때문입니다. 질문하신 커머스 데이터에는 여행도 포함되어 있으며, 여행 계획 및 예약은 상위 사용 사례 중 하나입니다. 창출된 가치의 일정 비율을 수취하는 모델을 구축해 지속적인 인프라 확장의 재무적 타당성을 맞출 것입니다.
모델 효율화와 네트워크 효과: 현재 프론티어 모델 수준의 지능은 1년 뒤면 소형 모델을 통해 극히 일부 비용으로 제공 가능하겠지만, 사람들의 눈높이도 함께 높아질 것입니다. 따라서 수익 모델 확장과 기술 효율화를 동시에 추진해야 합니다. 초기부터 전면 유료화를 하지 않는 이유는 수많은 개인과 기업이 함께 쓰며 협업하는 'Muse 네트워크'를 빠르게 구축할 때 가치가 극대화되기 때문이며, 메타는 이를 공격적으로 밀어붙일 최적의 입지를 갖추고 있습니다.
더 보기