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.

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.

엔비디아 광 혁명이 왔다! TSMC COUPE, CPO 양산 지원…실리콘웨어 광학 엔진 생산능력 30배 급증 $NVDA, $LITE, $MRVL, RF머트리얼즈 AI 경쟁이 반도체 확보에서 광통신 생산능력 확보로 확대되고 있다. 1. 엔비디아, TSMC와 공동 개발한 CPO 스위치 양산 돌입 - 젠슨 황 엔비디아 CEO는 21일 베를린 GTC 기조연설에서 TSMC와 공동 개발한 COUPE 공정 기반 Spectrum-X CPO(공동패키징 광학) 이더넷 스위치가 양산에 돌입했다고 발표. - COUPE 기술은 실리콘 포토닉스 소자와 반도체 칩을 긴밀하게 통합해 기존 PCB의 전기신호 전송 경로를 단축하고 고속 데이터 전송 품질을 개선. - 엔비디아는 광학 엔진, 반도체 기판, 첨단 패키징 및 테스트 분야의 공급망 생산능력 확대를 추진. 2. 실리콘웨어(SPIL), CPO 광학 엔진 생산능력 30배 확대 - 엔비디아는 ASE그룹 계열사인 실리콘웨어(SPIL)와 대만 내 CPO 광학 엔진 생산능력 확대를 추진. - 2027년 중반까지 광학 엔진 생산능력을 현재의 15배로 확대. - 2028년 말까지 생산능력을 현재의 30배로 확대. - TSMC의 실리콘 포토닉스 통합 기술부터 실리콘웨어의 광학 엔진 제조까지 대만 공급망의 AI 고속 네트워킹 참여가 확대. 3. KYEC, 엔비디아로부터 11억 달러 선급금 확보 - 엔비디아는 반도체 테스트 업체 KYEC에 11억 달러(약 360억 대만달러)의 생산능력 확보 선급금을 제공. - KYEC는 이를 활용해 미국에 신규 반도체 테스트 공장을 건설하고 설비를 도입. - 2027년 4월 미국 신규 테스트 시설의 대량 생산 개시가 목표. - 엔비디아는 미국·대만·싱가포르 생산시설 확장을 통해 2027년 전체 반도체 테스트 생산능력을 2026년 대비 2배로 확대할 계획. - 싱가포르 신규 테스트 사업은 2027년 2월 양산을 시작할 예정. 4. 유니마이크론·앰코 등 첨단 패키징 공급망 증설 - 엔비디아는 유니마이크론과 생산능력 예약 계약을 체결하고 대만 반도체 기판 생산설비 확충을 지원. - 유니마이크론은 2027년 2분기부터 추가 생산능력을 확보할 예정. - 이비덴, 삼성전기 등을 포함한 주요 공급망 파트너들과 향후 3년간 엔비디아 제품용 반도체 기판 생산능력을 2.5배로 확대할 계획. - 앰코(Amkor)는 한국 내 첨단 패키징 생산능력을 확대하고, 2028년 말까지 인터포저 웨이퍼 생산능력을 300% 이상 증설할 계획. 5. 젠슨 황, AI 인프라 공급 부족 강조 - 젠슨 황은 "수요는 이례적인 수준이며, 제약 요인은 생산능력"이라고 강조. - 현재 전 세계가 인류 역사상 최대 규모의 인프라 구축 물결을 경험하고 있다고 설명. - AI 에이전트 확산에 따른 토큰 소비 증가가 GPU 수요를 견인. - Vera Rubin과 AI 팩토리 배치가 확대되면서 컴퓨팅뿐 아니라 네트워킹과 스토리지의 동반 업그레이드가 필요. - 엔비디아는 2028년까지 반도체 기판, 첨단 패키징, 테스트, 광학 인터커넥트 공급망 확보를 추진. 6. 피지컬 AI 및 로봇 생태계 확대 - 폭스바겐 상용차, 재규어랜드로버, 볼보, 메르세데스-벤츠의 차세대 차량이 엔비디아 Hyperion 플랫폼 생태계에 합류. - Agile Robotics와 협력해 휴머노이드 로봇용 레퍼런스 플랫폼을 개발. - 2027년 1분기 출시 예정이며 컴퓨팅 하드웨어와 소프트웨어를 사전 통합해 개발 진입장벽을 낮출 계획.