The English, Chinese, Japanese, and Korean versions are now available on Amazon Books! AI 슈퍼사이클: 5개 계층 공급망으로 읽는 AI 인프라 투자 by Chris Lee "2026년 4월 25일, 엔비디아의 시가총액이 5조 달러를 돌파했습니다. 단 하나의 반도체 회사의 가치가 영국의 연간 GDP를 넘어선 것입니다. 인공지능이 우리 시대 최고의 투자 기회라면, 왜 대부분의 투자자들은 엔비디아 주식만 사는 법만 알까요?" 이 책은 전직 증권거래소 CEO이자 현재는 인공지능 인프라 투자자인 저자의 질문에서 시작됩니다. AI 슈퍼 사이클은 AI 열풍을 걷어내고 그 붐을 뒷받침하는 실제 공급망을 파헤칩니다. 에너지 → 칩 → 스토리지 → 광 인터커넥트 → 클라우드/데이터 센터로 이어지는 5개 계층 구조에 애플리케이션 계층과 그 위에 새롭게 부상하는 암호화폐 × AI 계층이 더해진 구조입니다. OKEx의 전 CEO, Huobi의 전 CFO, Merkle 3s Capital/XResearch의 공동 창립자인 크리스 리(이서불)가 집필한 이 책은 단순히 "과대광고에 현혹되어 투자하라"는 책이 아니라, 자금이 어디로 흐르는지를 실무적인 관점에서 보여주는 안내서입니다. 이 책의 구성 레이어 1 — 에너지: Meta의 6.6GW 원자력 발전소 계약, 가스 터빈 붐(GE Vernova), 그리고 "전자가 새로운 석유"인 이유 레이어 2 — 칩: NVIDIA의 CUDA 경쟁 우위, TSMC의 병목 현상, Broadcom의 ASIC 제국, AMD/Intel의 험난한 여정 레이어 3 — 스토리지: HBM 슈퍼사이클과 "컴퓨팅 제약이 아닌 메모리 제약"이 모든 것을 바꾸는 이유 광 인터커넥트: 구리 vs. 광섬유, 800G → 1.6T, 코패키지드 광학 로드맵 레이어 4 — 클라우드/데이터 센터: 6,500억~8,000억 달러 규모의 하이퍼스케일러 자본 지출 전쟁 - Microsoft, Google, Amazon, Meta, Oracle 모델 및 응용 프로그램: 학습 vs. 추론 경제학, DeepSeek의 충격, AI 에이전트, Circle/USDC의 역할 기계 경제의 결제 시스템 TSMC 심층 분석: 대만 해협 양안의 한 기업이 전체 AI 산업을 뒷받침하는 이유 제재 하의 중국 AI: 화웨이의 클라우드매트릭스, 캠브리콘, 실시간으로 형성되는 병렬 기술 스택 AI 안전 및 규제: 투자 테마로서의 정렬 연구 및 분열된 EU/미국/중국 규제 환경 암호화폐 × AI: AI 에이전트에 은행 계좌가 아닌 지갑이 필요한 이유와 이미 실제 수익을 창출하는 DePIN 프로토콜 리스크 장: 시스코-2000 유사점, 거품 가치 평가 계산법, 모든 AI 투자자가 예측해야 할 사각지대 포트폴리오 구축: 2026~2030년 플레이북 - 세 가지 위험 프로필에 따른 핵심/위성/테마 배분 각 장은 투자 플레이북으로 마무리됩니다. 티커, 진입 논리, 위험 경고 등 이론뿐 아니라 실질적인 정보를 제공합니다. 이 책이 다른 이유 대부분의 AI 관련 콘텐츠는 NVIDIA를 전체 주제를 대표하는 사례로 취급합니다. 마치 2000년에 시스코의 라우터를 "인터넷 투자"라고 부르는 것과 같습니다. 기술적으로는 맞는 말이지만, 너무나 불완전한 분석입니다. 크리스 리는 기관 금융 전문가로서의 경험과 암호화폐 시장의 가장 격동적인 시기(DeFi 서머, FTX 폭락)를 10년 동안 직접 경험한 지식을 결합하여 보기 드문 시각을 제시합니다. 그 결과, 단순한 주식 투자 조언이 아닌, AI 구축 전반에 걸쳐 실질적인 경제성을 파악할 수 있는 프레임워크를 제공합니다. 이 책은 누구를 위한 책인가? NVIDIA 주식을 보유하고 있지만 다른 투자처를 모르는 주식/암호화폐 투자자 자신의 산업이 시장에서 어떻게 평가되는지 알고 싶은 기술 전문가 AI 인프라의 실제 현금 흐름에 기반한 수요와 과장된 광고를 구분하고 싶은 모든 사람 모든 데이터는 2026년 6월 기준으로 작성되었으며, "확정", "계획", "루머" 등으로 구분되어 있습니다. 보도 자료와 현실 사이에는 종종 몇 년의 간격이 존재합니다. 저자 소개: 저자 이서불(李書沸, Chris Lee)은 홍콩 전통 금융계 출신으로, OKEx 법적(CEO)와 Huobi재무책임자(CFO)를 역임했고, 2020년 워런 버핏 자선 점심에 초대된 자산 대표 중 한 명입니다. 현재 Merkle 3s Capital과 XResearch가 공동으로 AI 개발 투자를 전문적으로 진행하고 있습니다. 이 책은 에너지, 칩, 스토리지, 광인터커넥트, 클라우드/데이터 센터의 5개 산업 층을 확장하며, 각 장마다 투자 플레이북을 제공하는 실전 투자 가이드입니다. (한국어 전문 + 영어 에피소드 제목/요약 추가)

메타 3분기 어닝콜 중 $META 저커버그: "MUSE는 명확한 제품·시장 적합성(Product-Market Fit)을 확보했으며, 이제 대규모 확장 단계에 진입했다." - MUSE는 메타가 추진하는 개인 초지능(Personal Superintelligence) 전략의 핵심 제품. - 출시 약 1개월 반 만에 미국과 캐나다에서 1,000만 명 이상이 개인 AI 에이전트를 설정. - 앱스토어에서 거의 매일 1위 기록. - MUSE 설정 사용자 중 약 25%가 매일 사용. - 초기 이용자의 사용 기간이 길어질수록 유지율이 개선되는 추세. - 초기 일간 이용률은 스레드 출시 초기 및 메타가 추정하는 다른 AI 앱 초기 수준의 2배 이상. 가장 중요한 사용 사례는 쇼핑. - MUSE 활성 이용자의 25% 이상이 쇼핑 기능 활용. - 평균 구매 금액은 200달러 이상. - Plaid는 자사 커넥터에서 다른 서비스에서는 보지 못한 수준의 활동량이라고 평가. - 출시 첫 주 거래량이 예상치를 초과하면서 Stripe와 협력해 신용 한도를 상향. - 쇼핑 외 주요 사용 사례는 개인 생산성, 이메일·캘린더 연결 및 창작 활동. MUSE 수익화 전략과 AI 컴퓨팅 투자 저커버그: "향후 몇 년간 10억 명 이상의 사용자에게 MUSE를 제공할 수 있는 컴퓨팅 인프라를 구축하고 있다." 메타가 제시한 핵심 목표는 세 가지. - MUSE 사용자 규모 확대 - 매출 성장 - 컴퓨팅 비용 최적화 수익모델 - 일반 사용자에게 기본 서비스를 무료 제공. - 쇼핑 등 거래를 중개하고 기업으로부터 수수료 수취. - 고급 AI 모델 및 추가 토큰 사용자를 위한 유료 구독. - 기업과 소상공인을 위한 업무용 AI 에이전트 구독. - 메타의 기존 콘텐츠·광고 개인화 시스템과 연결. - 메타는 기존 앱 서비스에서 미국 사용자당 연간 수백 달러의 매출을 창출하고 있으며, MUSE는 장기적으로 이를 넘어설 것으로 예상. - 메타 앱을 이용하는 소상공인 규모는 자체 설문 기준 최소 5억 개로 추산. - 향후 소비자 AI 에이전트와 기업 AI 에이전트가 직접 연결되어 거래를 수행하는 생태계 구축 추진. AI 컴퓨팅 비용 효율화 - 현재 MUSE는 추론 과정에서 상당한 컴퓨팅 자원을 소비. - 향후 1년간 MUSE의 컴퓨팅 비용 효율을 10배 이상 개선할 계획. - 유휴 시간대 컴퓨팅 자원 활용, 효율적인 AI 모델, 추론 최적화 등이 핵심. - 수익이 본격적으로 확대되면 MUSE 사업이 흑자를 달성할 수 있을 것으로 전망. - 메타는 효율 개선이 수년간 지속될 경우 높은 수익성을 달성할 수 있다고 예상. 자체 AI 모델 개발 및 기업용 AI 사업 확대 저커버그: "우리는 아직 AI 컴퓨팅 자원을 핵심 사업 개선에 얼마나 효과적으로 활용할 수 있는지 그 한계를 발견하지 못했다." - MUSE Wonder를 메타의 첫 최첨단 프런티어 AI 모델로 출시. - MUSE Spark 1.2·1.3, MUSE Code, MUSE Voice 등 다양한 모델 출시. - MUSE Glimmer와 MUSE Spark Open 등 오픈웨이트 모델 공개. - MUSE Wonder보다 더 큰 차세대 모델 개발 진행. - 동시에 MUSE Wonder 수준의 지능을 훨씬 효율적으로 제공하는 소형 모델 개발. Meta Enterprise Platform 확대 - 기업용 AI 플랫폼을 통해 API, 코딩 서비스, 기업용 AI 솔루션 제공. - 모델 훈련비는 상당 부분 고정비이므로, 고마진 추론 수요를 최대한 확보하는 전략. - 소비자 에이전트, 기업용 API, 광고 및 추천 시스템 등에 자체 AI 모델을 폭넓게 활용. - MUSE Wonder를 이용해 추천·광고 시스템을 자율적으로 개선하는 평가 시스템 구축. - 메타 AI의 사용자당 참여도는 4월 신규 모델 배포 이후 2배 이상 증가.

NVIDIA GTC 베를린 키노트 - 젠슨 황 CEO $NVDA $NVDA , $NBIS, $LITE, $MU, $DELL, $VRT, $AMKR , $HPE 유럽 AI 생태계와 차세대 풀스택 아키텍처 1. 유럽 AI 경제 구축 및 파트너십 지난 1년간 유럽 내 스타트업 및 파트너십에 약 100억 달러 투자(누적 파트너십 12,000개 이상). 최근 1주일간 유럽 내 14개 스타트업 추가 투자 발표. AI를 에너지, 컴퓨팅, AI 팩토리, AI 모델, 애플리케이션으로 구성된 5계층 산업 구조로 정의. Schneider Electric, Siemens Energy, Mistral, Nebius 등 유럽 내 전력·인프라·네오클라우드 기업들과 협력해 자체적인 토큰 생산 및 소버린 AI 생태계 구축 중. 2. 차세대 아키텍처: Vera Rubin & Spectrum-X (CPO) Vera Rubin: 본격 양산 돌입. 100% 수랭식 및 무케이블 설계로 노드 조립 시간을 기존 Grace Blackwell의 2시간에서 5분 미만으로 단축. Blackwell 대비 30배 향상된 성능 제공. NVLink 72: 72개의 GPU(개당 20 PetaFLOPS)를 단일 거대 GPU처럼 연결. Vera CPU: 클럭당 8개 명령어를 처리하며 세계 최초 LPDDR 메모리 시스템을 탑재해 높은 대역폭과 전력 효율 달성. Spectrum-X (CPO): TSMC와 공동 개발한 실리콘 포토닉스 공정(CuPy)을 통해 광학 소자를 칩에 직접 연결한 세계 최초 Co-Packaged Optics 스위치. PCB 기판을 거치지 않아 신호 손실을 줄였으며, 200Gbps 512포트 구성으로 현재 대량 양산 중. 3. AI 팩토리 레퍼런스: NVIDIA DSX 및 DSX Pod 1GW AI 팩토리 경제성: 1GW 규모 구축에 약 500억 달러가 투입되며 연간 수백억 달러의 매출 창출 가능. 가동이 3개월만 지연되어도 약 100억 달러의 매출 기회손실 발생. DSX 아키텍처: PTC, Dassault Systèmes, Schneider Electric, Siemens 등과 협력해 건설 전 Omniverse 디지털 트윈에서 전력·냉각·수자원을 사전 검증. 전력 및 수자원 효율: DSX MaxLPS를 통해 동일 성능 대비 전력 소비 30% 절감. 최대 45°C 냉각수를 활용한 폐쇄형 루프와 건식 냉각기를 통해 2GW 기준 하루 5,400만 리터의 물 절약. DSX Pod: 7개의 수랭식 랙(Vera Rubin NVL72)과 17km의 Spectrum-X 케이블, 800V DC 전원 시스템을 공장에서 사전 조립·테스트 후 컨테이너 형태로 출하. 현장 설치부터 첫 토큰 생산까지 걸리는 시간을 기존 4~5개월에서 약 1개월(수일 내 현장 가동)로 단축. 4. 에이전틱 AI의 5대 구성 요소와 보안 플랫폼 5대 요소: 모델(지각·추론·계획), 하네스(OpenClaw 등 에이전트의 외골격), 샌드박스(격리 환경), 지식 기반(기업 데이터 연동), 도구(CUDA-X 라이브러리). OpenShell (아파치 2.0 오픈소스): 에이전트의 시스템 호출, 파일 접근, 네트워크 연결을 제어하는 보안 런타임. 에이전트를 독립된 샌드박스에 격리하고 인증 키를 외부 슈퍼바이저에 보관해 키 유출 원천 차단. Anthropic과 협력해 Claude 기반 에이전트에도 적용. Sentry: BlueField-4 상의 하드웨어 격리 영역에서 작동하는 보안 계층. 에이전트의 이상 행동 감지 시 밀리초 단위로 모델 연결을 차단하고 격리 조치. 지식 및 맞춤형 모델: Nemotron(언어), Cosmos(물리 세계), GR00T(로보틱스), Alpamayo(자율주행) 등 오픈 모델의 가중치와 학습 데이터·스크립트를 전면 개방. Nemotron Parse, Embed, 3 Omni 및 Kumo 등을 결합해 사내 정형·비정형 데이터를 에이전트에 연결. 산업 적용 사례: Lila Sciences(BioNeMo 기반 B세포 림프종 치료제 설계 및 로봇 실험 자동화), Siemens(Cosmos·Omniverse 기반 엘랑겐 공장 사전 검증), Dassault Systèmes(폭스바겐 차량 부품 설계 및 Simulia 시뮬레이션 자동화). 5. 피지컬 AI (Physical AI): 통신, 자율주행, 로보틱스 통신망의 AI 인프라화: 전 세계 10만 개 기지국(약 100GW 규모)이 향후 분산형 엣지 AI 데이터센터로 전환될 전망. 최근 Nokia와 협력해 T-Mobile 망에서 최초의 상용 CUDA 기반 통화 성공. 로보택시 표준 플랫폼 Hyperion: 14개 카메라, 9개 레이더, 3개 라이다, 초음파 센서와 듀얼 GPU 시스템으로 구성된 자율주행 표준 아키텍처. 폭스바겐(VW Bus), 볼보, 메르세데스-벤츠 차세대 모델, JLR(재규어 랜드로버) 등 4개 브랜드 신규 합류. 휴머노이드 및 3-컴퓨터 모델: 모델 학습용 컴퓨터, Omniverse 디지털 트윈 시뮬레이션 컴퓨터, 로봇 탑재용 컴퓨터의 3단계 구조로 개발. Agile Robots와 협력한 레퍼런스 로봇 'NVIDIA Agile One'을 내년 1분기 출시해 초기 개발 기간 단축 지원. 6. AI PC 및 워크스테이션: RTX Spark Microsoft와 4년간 협력해 개발한 'n1 X' 칩 기반의 새로운 PC 라인업. 손바닥만 한 크기에 1 PetaFLOPS 연산 성능과 128GB 메모리 탑재(2016년 초대형 DGX-1과 동일한 사양을 소형화). Windows 기반의 20 PetaFLOPS, 754GB 메모리를 갖춘 DGX Station(RTX Spark 탑재)은 올해 말 출시 예정. 로컬 환경(RTX Spark)에서 에이전트(Hermes)와 모델(Nemotron, GPT-6, Astra), 3D/물리 도구(FreeCAD, Blender, Isaac Sim)를 구동하고, 대규모 병렬 학습 시에만 클라우드(Isaac Lab)를 연동해 Pollen Robotics의 소형 로봇을 훈련·배포하는 전 과정 시연.

개별 기업에 투자는 좀처럼 하지 않지만 최근 눈여겨보는 기업이 있다면 단연코 전력입니다. AI시대에 있어 플랫폼만큼, 아니 그보다 더 중요한 것은 전력 보틀넥 해소입니다. 전력을 쾅쾅 뽑아내는 기업(?)은 솔직히 좀 어려우니 전력을 효율적으로 공급하는 기업이 바로 제가 눈여겨보는 곳입니다.

2028년까지 나스닥 8만 간다. AI 버블이 시장이 생각하는 것보다 훨씬 더 커질 수 있다는 관점의 글을 번역 정리 해봤습니다. 이 글의 핵심은 단순히 “AI가 좋다”가 아니라 AI 내러티브 + 패시브 투자 구조가 합쳐지면 나스닥/QQQ가 상식보다 훨씬 더 크게 오를 수 있다는 주장 AI는 지식 노동을 자동화하고, 생산성을 폭발적으로 높일 수 있는 역사급 기술 변화로 평가받고 있음 그런데 여기에 시장 구조까지 겹침 요즘 많은 사람들은 개별 주식을 직접 고르기보다 연금, ETF, 인덱스펀드를 통해 S&P500이나 QQQ에 자동으로 투자함 이 자금은 시총 비중대로 들어가기 때문에 결국 엔비디아, 애플, 마이크로소프트, 메타, 구글, 아마존 같은 초대형 빅테크에 계속 몰림 문제는 이 기업들의 실제 유동성이 시총만큼 크지 않다는 점 즉, 패시브 자금이 계속 들어오면 작은 자금 유입도 빅테크 주가를 크게 밀어올릴 수 있고 주가가 오르면 시총 비중이 더 커져서 다시 더 많은 자금이 들어오는 구조가 만들어짐 여기에 AI 성장 기대감까지 붙으면 나스닥은 단순 상승장이 아니라 거대한 버블 형태로 확장될 수 있다는 것 글쓴이는 극단적 시나리오로 QQQ가 2028년까지 1,500달러까지 갈 수도 있다고 계산함 물론 이건 확정적인 전망이 아니라 가능성은 낮지만 터지면 매우 큰 상승이 나오는 시나리오에 가까움 반대로 리스크도 명확함 글로벌 유동성이 줄어들거나 지정학적 리스크가 다시 커지거나 AI 기대감이 실제 실적으로 이어지지 못하면 고평가된 빅테크 중심으로 큰 조정이 나올 수 있음 이 글은 “AI 버블은 이미 끝난 게 아니라, 패시브 투자 구조 때문에 오히려 더 크게 확장될 수 있다”는 관점을 다루고 있는데 개인적으로도 지금 시장은 싸다고 보긴 어렵지만 AI가 세상을 바꾸고 있는 와중에 아직까지는 기대감보다는 실적 중심의 시장이 지속되고 있다는게 아직은 훨씬 더 높은 상승을 기대해봐도 좋지 않을까 라는 생각입니다. Source :

CPO 쪽 추가 정리임. 이번 NVIDIA GTC Taipei 이후 CPO 투자 논리는 더 강해졌다고 봄. 가장 중요한 건 NVIDIA가 Spectrum-X Ethernet Photonics를 CPO 기반 스위치로 공식화했고, production 단계에 들어갔다고 표현했다는 점임. 이제 CPO는 “언젠가 될 기술”이 아니라, AI Factory 네트워크 병목을 풀기 위한 초기 생산·초기 채택 단계로 넘어가는 중임. 다만 보수적으로 봐야 할 부분도 있음. NVIDIA 제품 페이지 기준으로 Spectrum-X Ethernet Photonics의 상용 가용 시점은 2026년 하반기로 제시됨. 그래서 “now in production”을 곧바로 대규모 매출 인식으로 보면 과할 수 있음. 가장 합리적인 해석은 이거임. 공급망 생산 램프 시작 + 초기 고객 채택 확인 + 본격 상용 출하는 2026년 하반기. 기술적으로도 숫자가 꽤 구체적임. NVIDIA는 Spectrum-X Ethernet Photonics에서 최대 409.6Tb/s bandwidth를 제시했고, CPO가 기존 pluggable transceiver 대비 네트워크 전력 효율 5배, AI application runtime 5배, deployment time 1.3배 개선을 제공한다고 설명함. 이건 단순히 “광통신이 좋아진다”가 아니라, NVIDIA가 AI 데이터센터 네트워크 병목을 CPO로 풀겠다는 뜻임. 공식 생태계 명단도 중요함. NVIDIA CPO/Silicon Photonics 생태계에 언급된 회사는 대략 TSMC, Browave, Coherent, Corning, Fabrinet, Foxconn, Lumentum, SENKO, SPIL, Sumitomo Electric, TFC Communication 쪽임. 이름이 찍힌 회사와 안 찍힌 회사는 신뢰도를 다르게 봐야 함. 이 중에서 가장 강한 직접 증거는 Lumentum과 Coherent임. NVIDIA가 두 회사와 각각 대규모 전략적 파트너십을 맺었고, 광부품/레이저 공급망을 실제로 잠그는 구조로 보임. CPO에서 external laser source, 즉 ELS는 매우 중요함. 레이저를 스위치 내부 고열 환경에서 분리해 외부 모듈로 두면 열 안정성, 교체성, 수명, 유지보수성이 좋아짐. 그래서 LITE, COHR 같은 레이저·광부품 업체가 가장 직접적인 수혜축으로 보임. Corning, Browave, SENKO, TFC, Coherent는 fiber, connector, micro-optics, optical assembly 쪽에서 중요함. CPO는 광엔진만 있으면 끝나는 기술이 아님. Fiber attach, connector, polarization-maintaining fiber, micro-optics, detachable connector yield가 전부 병목임. 즉 CPO는 “광엔진 테마”가 아니라 광부품·패키징·테스트·조립 전체 병목 테마임. Foxconn과 Fabrinet은 CPO assembly/test와 switch chassis integration 쪽임. 특히 Foxconn은 CPO 스위치 출하가 올해 시작되고, 2026년 3분기 양산/출하 및 연간 1만 대 목표가 보도된 상태임. 이게 중요함. CPO가 연구실 데모에서 끝나는 게 아니라, ODM/EMS 양산 일정으로 내려오고 있다는 뜻임. SPIL은 고급 패키징/테스트 축임. CPO는 광부품만의 문제가 아니라, multi-chip module, wafer bumping, wafer sort, assembly, testing이 다 엮이는 첨단 패키징 문제임. 그래서 CPO가 커지면 ASE/SPIL 같은 패키징·테스트 쪽도 같이 봐야 함. 기술 구조상 가장 흥미로운 부분은 Spectrum-X Ethernet Photonics MCM package임. NVIDIA는 하나의 compact package 안에 32개 silicon photonics engine을 통합하는 구조를 제시함. 각 optical engine은 16 transmit + 16 receive lanes, engine당 3.2Tb/s 구조임. 이 말은 CPO 시대에는 단순 광트랜시버 조립보다 광엔진 수율, 자동화 조립, pre-screening, 테스트, thermal stability가 훨씬 중요해진다는 뜻임. ELS 쪽 숫자도 중요함. NVIDIA 구조에서는 기존 대비 레이저 수를 크게 줄이고, single-ASIC 버전에서 16개 ELS, quad-ASIC 버전에서 64개 ELS를 쓰는 구조로 설명됨. CPO 스위치가 늘어나면 ELS, 레이저, fiber attach, optical connector 수요가 같이 따라갈 가능성이 큼. 투자 관점에서 나눠보면 이렇다고 봄. 직접 수혜 근거가 강한 쪽 Lumentum, Coherent, Corning, Fabrinet, Foxconn, TSMC, Browave, TFC, SENKO, SPIL, Sumitomo Electric 간접 옵션성이 있는 쪽 Sivers, Ayar 관련 optical I/O/ELS 생태계, Jabil 연계 1.6T pluggable optics, O-Net/Enablence ELS 모듈 검증이 더 필요한 쪽 NVIDIA 공식 CPO 명단에 없는 소형 광학주, CPO 단어만 붙은 스토리주, 실제 고객·양산·수율·물량이 확인되지 않은 회사 특히 Sivers $SIVE는 구분해서 봐야 함. CPO/optical I/O/ELS 스토리는 흥미롭지만, 현재 확인 기준으로 NVIDIA Spectrum-X CPO 공식 생태계 명단에 직접 이름이 찍힌 회사는 아님. 대신 Jabil 1.6T LRO pluggable optical transceiver 협력, O-Net/Enablence ELS 협력, Ayar Labs optical I/O 관련 간접 노출이 있음. 그래서 SIVE는 “NVIDIA CPO 직접 밴더”라기보다 CPO/optical I/O/ELS 간접 옵션주로 보는 게 맞음. 이 차이를 흐리면 위험함. CPO 전체 thesis는 강해졌지만, 개별 종목 신뢰도는 완전히 다름. 공식 밴더와 인접 테마주를 같은 밸류에이션으로 보면 안 됨. 내가 앞으로 볼 체크포인트는 세 가지임. 첫째, Foxconn CPO switch 1만 대 목표가 실제 Q3 양산과 매출로 찍히는지. 둘째, Lumentum/Coherent의 NVIDIA 관련 수요가 실적 가이던스에 얼마나 빨리 반영되는지. 셋째, SIVE 같은 간접 후보는 Jabil/Ayar/O-Net 쪽에서 실제 qualification, purchase order, shipment, 2027 ramp 일정이 확인되는지. 결론적으로 CPO 방향성 자체는 이번 발표로 더 강해졌다고 봄. NVIDIA가 CPO를 단순 선택지가 아니라 million-GPU AI Factory용 네트워크 구조의 핵심 부품으로 밀고 있고, 생산·초기 고객·양산 일정까지 붙기 시작했음. 다만 포트폴리오에서는 반드시 구분해야 함. NVIDIA 공식 노출 / 양산 수혜 / 간접 옵션 / 단순 테마 이 네 가지를 분리해서 봐야 함. CPO thesis는 좋아졌지만, 모든 CPO 관련주가 같은 종목은 아님. 매수·매도 의견 아님. 개인 공부 기록.

다시 CPU의 시간 1/ 메타는 9월 8일 개인용 AI 에이전트 뮤즈를 출시했다. 단순 응답형 챗봇이 아니라 사용자를 대신해 능동적으로 작업을 수행하고 아이디어를 제안하는 개인형 에이전트다. 이메일 발송과 여행 예약 등을 대행하며 앱 종료 이후에도 백그라운드에서 작업을 지속하는 상주형 구조가 특징이다. 2/ 출시 초기 시장 반응은 폭발적이었다. 출시 12일 만에 누적 다운로드 180만 회를 기록하며 ChatGPT의 동기간 기록을 넘어섰고, DAU 역시 64만 명으로 같은 시점 ChatGPT를 크게 상회했다. AI 에이전트가 소비자 시장으로 확산되는 첫 성공 사례로 판단된다. 3/ 사업 구조 또한 사용량 확대에 우호적이다. AI 에이전트는 챗봇 대비 루프가 길고 토큰 소모량이 많아 비용 부담이 큰 서비스이나, 메타는 구독 없이도 주당 최대 1억 토큰을 무상 제공한다. 장기적으로는 뮤즈를 통해 연결된 쇼핑·여행 등 플랫폼 판매자로부터 수수료를 수취하는 모델을 지향한다. 4/ 주목할 점은 해당 워크로드가 CPU 집약적이라는 점이다. AI 에이전트는 외부 툴 호출, DB 접근, 재추론이 반복되는 멀티 스텝 루프 구조로, GPU가 담당하는 AI 연산 외 각 단계의 의사결정과 오케스트레이션, 외부 S/W 접근은 CPU의 영역이다. 5/ 특히 뮤즈는 무료 사용자에게도 사용자별 전용 클라우드 VM을 할당하는 구조로, 사용자 증가에 비례해 CPU 수요가 확대되는 구조일 가능성이 높다. 인텔은 에이전트 확산에 따라 GPU:CPU 비율이 현재 8~4:1에서 장기적으로 1:1 이상까지 상승할 수 있다고 언급했다. 6/ 메타의 투자 행보 역시 동일한 방향성을 시사한다. 메타는 상반기에 엔비디아 Grace·Vera, ARM AGI, AMD Venice, AWS Graviton 등 주요 서버 CPU 계약을 광범위하게 확보했다. 이는 뮤즈를 비롯한 에이전트 서비스 확대에 선제적으로 대응하기 위한 것으로 해석된다. 7/ 뮤즈의 흥행은 소비자향 AI 에이전트 서비스의 성장 잠재력을 시사하는 사례다. 에이전트 서비스가 빠르게 확산될수록 워크로드 오케스트레이션을 담당하는 CPU의 수요는 구조적으로 확대될 가능성이 높다. 8/ 이미 타이트한 CPU 공급 병목은 한층 더 심화될 가능성이 높다. 그간 조정을 받았던 주요 CPU 업체인 인텔, AMD, ARM과 CPU 밸류체인이 재차 부각될 수 있는 시점으로, 매수 관점에서 접근 가능하다고 판단된다.