spedtrder's blog

테슬라, SpaceX, xAI 통합에 따른 지배구조 및 지분율 변화 심층 분석 보고서 (26.2.8)

spedtrder — Sun, 8 Feb 2026 17:35:51 +0900

프로젝트 "머더십(Mothership)": 테슬라, SpaceX, xAI 통합에 따른 지배구조 및 지분율 변화 심층 분석 보고서

1. 총괄 요약 (Executive Summary)

2026년 2월 5일 현재, 일론 머스크(Elon Musk)의 사업 제국은 근본적인 구조적 전환점에 도달해 있습니다. 2026년 2월 초 완료된 SpaceX와 xAI의 합병은 기업가치 1조 2,500억 달러(약 1,750조 원) 규모의 비상장 거대 기술 기업을 탄생시켰으며 , 이는 머스크의 자산 포트폴리오 무게중심을 테슬라(Tesla, Inc.)에서 우주 및 인공지능(AI) 복합체로 이동시키는 결정적인 계기가 되었습니다.

본 보고서는 두 가지 주요 합병 시나리오를 정밀 분석합니다. 첫째, 테슬라가 통합 법인을 즉시 인수하는 방식, 둘째, SpaceX-xAI 통합 법인이 2026년 6월 IPO를 통해 자금을 조달한 후 테슬라와 대등하게 합병하는 '상장 후 통합(Post-IPO Merger)' 방식입니다. 두번째 시나리오 분석 결과, IPO 과정에서의 신주 발행으로 인한 일부 지분 희석에도 불구하고, 머스크는 통합 법인에서 약 30.9% 의 경제적 지분을 확보할 것으로 추정됩니다.

특히 IPO 후 합병 시나리오는 두 거대 상장 기업 간의 결합(Merger of Equals) 형태를 띠게 되며, 이 경우 텍사스 기업법(Texas Business Organizations Code) 상의 '이해관계자 거래' 규제가 합병 성사의 핵심 변수가 될 전망입니다. 머스크는 이를 통해 테슬라의 유동성을 화성 프로젝트와 궤도 데이터 센터(Orbital Data Centers) 구축에 활용하는 '재무적 해자(Financial Moat)'를 완성하려 할 것입니다.

2. 2026년 2월의 자본 구조 및 평가 가치 분석

합병 시나리오를 시뮬레이션하기 위해서는 합병의 대상이 되는 두 거대 축인 테슬라(Public)와 SpaceX-xAI(Private)의 2026년 2월 기준 정확한 기업 가치와 자본 구조를 확정하는 것이 선결 과제입니다.

2.1 테슬라(Tesla, Inc.): 변동성과 혁신 프리미엄의 공존

2026년 2월 3일 기준 테슬라의 시가총액은 약 1조 4,100억 달러에서 1조 5,800억 달러 사이의 구간에서 등락을 거듭하고 있습니다. 지난 12개월 동안 테슬라는 전기차(EV) 시장의 성장 둔화와 마진 압박에도 불구하고, 옵티머스(Optimus) 휴머노이드 로봇과 완전자율주행(FSD) 소프트웨어의 상용화 기대감에 힘입어 높은 밸류에이션을 유지하고 있습니다.

테슬라의 발행 주식 수(Shares Outstanding)는 약 37억 5,200만 주(3.752 Billion)로 집계됩니다. 이는 2025년 11월 주주총회에서 승인된 머스크의 대규모 보상 패키지와 스톡옵션 행사 등이 반영된 수치로, 자본 희석이 일부 진행된 상태입니다.

테슬라의 주주 구성은 기관 투자자와 개인 투자자가 혼재된 전형적인 공개 기업의 형태를 띠고 있으며, '1주 1의결권(One-share, one-vote)' 원칙을 따르고 있어 머스크의 경영권 방어에 구조적인 취약점이 존재합니다. 특히 델라웨어 법원 판결 이후 텍사스로 법인을 이전했음에도 불구하고, 행동주의 펀드나 의결권 자문사(Proxy Advisors)의 영향력에서 완전히 자유롭지 못한 상태입니다.

2.2 SpaceX-xAI 통합 법인: 비상장 자본의 요새

2026년 2월 2일, SpaceX는 일론 머스크의 인공지능 스타트업 xAI를 흡수 합병하는 절차를 완료했습니다. 이 거래는 단순한 계열사 간 결합이 아니라, 우주 발사체 및 위성 통신 인프라(하드웨어)와 생성형 AI 모델(소프트웨어)을 수직 계열화하는 전략적 조치였습니다.
이 합병으로 탄생한 통합 법인의 기업 가치는 1조 2,500억 달러(약 1,750조 원)로 평가되었습니다. 구체적인 가치 구성은 다음과 같습니다:

SpaceX 기존 사업 부문: 약 1조 달러 (Starlink 및 Starship 발사체 사업 포함)
xAI 사업 부문: 약 2,500억 달러 (Grok 모델 및 데이터 센터 인프라 포함)

이 통합 법인은 비상장(Private) 상태를 유지하고 있으며, 이는 외부의 단기적 실적 압박 없이 장기적인 R&D 투자를 가능케 하는 핵심 요인입니다. 머스크는 이 통합 법인의 지분을 약 42%에서 43% 보유하고 있는 것으로 추정되며 , 테슬라와 달리 창업자에게 초다수 의결권(Super-voting rights)을 부여하는 차등의결권 구조를 통해 과반수 이상의 확고한 지배력을 행사하고 있습니다.

3. 일론 머스크의 합병 전(Pre-Merger) 지분 구조 정밀 분석

정확한 합병 비율 산정과 합병 후 지분율 예측을 위해서는 현재 시점(2026년 2월)에서 머스크가 보유한 각 법인의 지분 가치를 정밀하게 파악해야 합니다. 여기에는 단순 주식뿐만 아니라 스톡옵션, 신탁 보유분, 그리고 최근 승인된 성과 보상 패키지가 모두 포함되어야 합니다.

3.1 테슬라 보유 지분 구성

미국 증권거래위원회(SEC)에 제출된 Schedule 13G 및 10-K 보고서에 따르면, 2026년 초 기준 머스크의 테슬라 실질 소유분은 다음과 같이 구성됩니다.

직접 보유 및 신탁(Trust): 'Elon Musk Revocable Trust' 등을 통해 보유한 현물 주식은 약 4억 1,300만 주입니다. 이는 머스크가 의결권을 직접 행사할 수 있는 가장 기본적인 지분입니다.
2018 CEO 성과 보상(Options): 2018년 부여된 스톡옵션 중 행사 가능한(Exercisable within 60 days) 물량은 약 3억 400만 주에 달합니다. 델라웨어 법원의 무효 판결 이후 2025년 주주총회 재승인을 통해 법적 효력을 회복한 이 옵션들은 머스크 지분율의 핵심 축을 담당합니다.
2025 CEO 중간 보상(Interim Award): 2025년에 추가로 부여된 약 9,600만 주의 양도제한조건부주식(Restricted Stock)이 존재합니다.
2025 CEO 성과 보상(New Performance Award): 2025년 11월 주주들이 승인한 새로운 메가 패키지는 총 4억 2,300만 주 규모이며, 시가총액 8조 5,000억 달러 달성 시까지 12단계에 걸쳐 귀속(Vesting)됩니다.

합병 모델링을 위해, 현재 시점에서 확실한 경제적 가치와 의결권으로 간주될 수 있는 '유효 지분(Beneficial Ownership)'은 약 7억 1,732만 주로 산정됩니다. 이는 전체 발행 주식(37.5억 주)의 약 20.3% 에 해당하며, 합병 시 테슬라 주주로서 머스크가 기여하게 될 자산의 기초가 됩니다.

3.2 SpaceX-xAI 통합 법인 보유 지분 구성

SpaceX의 경우 비상장 기업 특성상 SEC 공시 의무가 없어 정확한 주식 수를 파악하기 어려우나, 2025년 12월의 공개 매수(Tender Offer) 및 2026년 2월 합병 공시 자료를 통해 지분 가치를 역산할 수 있습니다.

지분율: 머스크의 SpaceX 지분율은 지속적인 투자 유치에 따른 희석에도 불구하고 약 42%~43% 수준을 유지하고 있습니다. 특히 xAI는 머스크가 초기 자본의 대부분을 댔고 외부 투자 유치 전까지 지분율이 월등히 높았기 때문에, xAI가 SpaceX로 흡수되는 과정에서 머스크의 통합 법인 지분율은 희석되지 않고 오히려 공고화되었을 가능성이 높습니다.
가치 산정: 통합 법인의 기업가치 1조 2,500억 달러 중 43%를 적용할 경우, 머스크가 보유한 지분의 시장 가치는 약 **5,375억 달러(약 750조 원)**에 달합니다. 이는 그가 보유한 테슬라 지분 가치(약 3,000억 달러)를 1.7배 이상 상회하는 수치입니다.

4. 합병 시나리오 A: 테슬라가 SpaceX-xAI를 인수 (Public Acquires Private)

본 장에서는 테슬라가 신주를 발행하여 SpaceX-xAI 통합 법인을 인수하는 '주식 포괄 교환(Stock-for-Stock Merger)' 방식을 가정하여 시뮬레이션을 수행합니다.

4.1 합병을 위한 가정 (Pro Forma Assumptions)

테슬라 기업가치 (Equity Value): 1조 5,000억 달러 ($1.5 Trillion). (계산의 편의를 위해 $400/주 기준 가정)
SpaceX-xAI 기업가치 (Equity Value): 1조 2,500억 달러 ($1.25 Trillion).
합병 후 총 기업가치: 2조 7,500억 달러 ($2.75 Trillion) (시너지 효과 제외 단순 합산).
합병 방식: 테슬라가 존속 법인이 되며, SpaceX-xAI 주주들에게 테슬라 신주를 교부함.

4.2 교환 비율 및 신주 발행 규모 산정

합병 비율은 두 회사의 기업가치 비율에 따라 결정됩니다.

기업가치 비율:
- 테슬라 : SpaceX-xAI = $1.5T : $1.25T = 1.2 : 1
- 통합 법인 내 비중: 테슬라 주주 54.5%, SpaceX 주주 45.5%
신주 발행 수량:
- 테슬라 1주당 가치 ≈ $400 (가정)
- 발행할 신주 수 = $1.25T / $400 ≈ 31억 2,500만 주
테슬라의 현재 발행 주식 수(37.52억 주)를 기준으로, SpaceX-xAI의 가치($1.25T)에 해당하는 신주를 발행해야 합니다.
합병 후 총 발행 주식 수:
- 기존 테슬라 주식(37.52억 주) + 신규 발행 주식(31.25억 주) = 68억 7,700만 주

4.3 일론 머스크의 합병 후 지분율 변화 (시나리오 A)

이제 머스크가 합병 법인에서 확보하게 될 총 주식 수를 계산합니다.
A. 테슬라 측 기여분 (Legacy Tesla Stake):
머스크의 기존 테슬라 지분 7억 1,732만 주는 그대로 유지됩니다. (지분율은 희석되지만 주식 수는 동일)
B. SpaceX 측 기여분 (New Shares from SpaceX):
머스크는 SpaceX-xAI의 지분 43%를 보유하고 있습니다. 따라서 테슬라가 SpaceX 주주들에게 발행하는 신주(31.25억 주) 중 43%가 머스크에게 배정됩니다.

신규 배정 주식 수 = 31억 2,500만 주 × 43% = 13억 4,375만 주

C. 합병 후 총 보유 주식 및 지분율:

총 보유 주식 = 7억 1,732만 주 + 13억 4,375만 주 = 20억 6,107만 주
합병 후 지분율 = 20억 6,107만 주 / 68억 7,700만 주 ≈ 29.97% (약 30%)

5. 합병 시나리오 B: SpaceX-xAI IPO 후 테슬라와 합병 (The 'Mothership' Consolidation)

이 시나리오는 SpaceX-xAI 통합 법인이 먼저 기업공개(IPO)를 통해 공개 시장 가치를 확정한 뒤, 대등한 위치에서 테슬라와 합병하여 단일 지주회사(가칭 "X Holdings")를 출범시키는 2단계 접근법입니다.

5.1 1단계: SpaceX-xAI 기업공개 (IPO) - 2026년 6월 목표

시장 보고서와 투자 은행 업계에 따르면, SpaceX-xAI 통합 법인은 2026년 6월(일론 머스크의 생일 전후)을 목표로 역사상 최대 규모의 IPO를 준비하고 있습니다.

IPO 목표 밸류에이션: 약 1조 5,000억 달러 ($1.5 Trillion) 수준으로, 이는 현재 장외 시장 가치($1.25T)에 유동성 프리미엄이 더해진 수치입니다.
자금 조달 규모: 약 500억 달러 ($50 Billion) 규모의 신주를 발행할 것으로 예상됩니다.
지분 희석 효과:
- 신주 발행 전 가치(Pre-money): $1.5 Trillion
- 조달 금액: $50 Billion
- 희석 비율: $50B / ($1.5T + $50B) ≈ 3.2%
- 머스크의 지분율 변화: 기존 43%에서 IPO 희석 효과를 반영하면 약 **41.6%**로 소폭 조정됩니다.
전략적 의도: IPO를 통해 SpaceX의 시장 가치를 객관적으로 확정함으로써, 추후 테슬라와의 합병 비율 산정 시 발생할 수 있는 '가치 산정 불공정성' 논란을 사전에 차단하고 현금을 확보하려는 의도입니다.

5.2 2단계: '상장 대 상장(Public-to-Public)' 합병 - 2026년 말~2027년

IPO 이후, 비슷한 덩치를 가진 두 상장 기업(Tesla & SpaceX-xAI)이 주식 교환을 통해 합병합니다. 이는 사실상의 '대등 합병(Merger of Equals)' 형태가 됩니다.

합병 가정 (Pro Forma Assumptions):
- Tesla 시가총액: 1조 5,000억 달러 (가정)
- SpaceX-xAI 시가총액: 1조 5,500억 달러 (IPO 후 가치)
- 합병 비율: 거의 1 : 1에 근접합니다. (Tesla 49.2% : SpaceX 50.8%)
머스크의 통합 법인 지분율 계산:
- 통합 법인의 총 발행 주식 수를 100으로 가정할 때,
- Tesla 측 기여분: 전체의 49.2% 중 머스크 지분 20.3% → $49.2\% \times 0.203 \approx \mathbf{9.99\%}$
- SpaceX 측 기여분: 전체의 50.8% 중 머스크 지분 41.6% (IPO 희석 반영) → $50.8\% \times 0.416 \approx \mathbf{21.13\%}$
- 최종 합산 지분율: $9.99\% + 21.13\% \approx \mathbf{31.12\%}$
분석: IPO를 거치더라도 머스크의 통합 법인 지분율은 약 31% 수준으로, 시나리오 A(30%)와 비교해 큰 차이가 없거나 오히려 소폭 상승할 수 있습니다. 이는 SpaceX의 높은 밸류에이션이 테슬라와 대등한 수준까지 올라왔기 때문입니다.

5.3 핵심 장벽: 텍사스 기업법(TBOC) 제21.606조와 '이해관계자 거래'

두 회사가 모두 상장된 상태에서 합병을 추진할 경우, 비상장일 때보다 훨씬 더 엄격한 법적 규제가 적용됩니다. 특히 테슬라와 SpaceX 모두 텍사스 법인(Texas Corporation)이므로 **텍사스 기업법(TBOC)**의 적용을 받습니다.

관련 법규 (TBOC § 21.606): 텍사스 법은 상장 기업(Issuing Public Corporation)이 지분 20% 이상을 보유한 '계열 주주(Affiliated Shareholder)'와 합병하는 것을 원칙적으로 3년간 금지합니다.
예외 조항 및 승인 요건: 이 3년의 유예 기간(Moratorium)을 우회하여 즉시 합병하기 위해서는 다음 중 하나를 충족해야 합니다.
1. 사전 승인: 머스크가 계열 주주가 되기 전(즉, 아주 오래전)에 이사회가 이 거래를 승인했어야 함 (현실적으로 불가능).
2. 초다수결 승인: 합병이 이해관계가 없는(Non-affiliated) 주주들의 3분의 2 (66.7%) 이상의 찬성을 얻어야 합니다.

즉, 머스크를 제외한 나머지 주주들(기관 및 소액 주주) 중 3분의 2가 이 합병에 찬성표를 던져야만 합병이 성사될 수 있습니다. 이는 단순 과반수보다 훨씬 달성하기 어려운 조건이며, 머스크가 합병의 정당성과 시너지를 시장에 완벽하게 설득해야 함을 의미합니다.

5.4 IPO 후 합병의 전략적 우위

그럼에도 불구하고 머스크가 이 복잡한 경로(IPO → 합병)를 택할 유인은 분명합니다.

가치 평가의 투명성 확보: 비상장 상태에서 합병할 경우 "머스크가 자신이 대주주인 SpaceX의 가치를 부풀려 테슬라 주주에게 떠넘긴다"는 소송 위험이 매우 큽니다. IPO를 통해 시장 가격(Market Price)을 형성해 놓으면 이러한 법적 시비에서 훨씬 자유로워집니다.
현금 실탄 확보: IPO로 조달한 500억 달러는 합병 과정에서 반대 주주들의 주식매수청구권(Appraisal Rights) 대응이나, 합병 법인의 초기 운영 자금으로 활용될 수 있습니다.

6. 텍사스 법인 재편과 지배구조의 변화: 의결권의 비대칭성

단순한 경제적 지분율(30%) 상승보다 더 파괴적인 변화는 의결권 구조에서 발생할 가능성이 큽니다. 테슬라의 텍사스 법인 이전(Reincorporation)은 이러한 지배구조 설계를 위한 법적 토대를 마련해 주었습니다.

6.1 텍사스 기업법(TBOC)과 경영권 방어

2024년 6월 주주총회 승인을 통해 테슬라는 델라웨어에서 텍사스로 법적 거주지를 옮겼습니다. 텍사스 기업법(Texas Business Organizations Code)은 델라웨어에 비해 경영진과 이사회의 권한을 폭넓게 인정하는 경향이 있으며, 특히 '이해관계자 거래(Interested Shareholder Transaction)'에 대한 규제가 상대적으로 유연합니다.

사업 판단의 원칙(Business Judgment Rule): 텍사스 법원은 이사회의 경영 판단에 대해 델라웨어 법원보다 더 강력한 불간섭 원칙을 적용할 가능성이 높습니다. 이는 머스크가 주도하는 합병이 '소수 주주 이익 침해'라는 공격을 받을 때 강력한 방어 논리가 됩니다.
주주 제안 제한: 텍사스 법은 주주 제안권 행사를 위한 보유 지분 요건(3% 이상 또는 100만 달러 이상)을 회사가 정관으로 규정할 수 있도록 허용하고 있어, 소액 주주들의 경영 간섭을 효과적으로 차단할 수 있습니다.

6.2 차등의결권(Dual-Class Shares)의 도입 가능성

가장 유력한 시나리오는 합병 과정에서 발행되는 신주(SpaceX 주주 배정분)에 대해 '차등의결권'을 부여하는 것입니다. 현재 SpaceX는 비상장 상태에서 창업자에게 초다수 의결권(주당 10표 등)을 부여하고 있습니다.

머스크는 합병의 전제 조건으로 "화성 식민지 건설이라는 장기 미션을 단기적 이익을 추구하는 월스트리트로부터 보호해야 한다"는 명분을 내세워, SpaceX 출신 지분에 대한 특별 의결권 유지를 요구할 가능성이 매우 높습니다. 만약 합병 후 머스크가 보유하게 될 13억 4천만 주(SpaceX 배정분)에 주당 10표의 의결권이 부여된다면, 그의 실제 의결권은 50%를 훌쩍 넘기게 됩니다.

구분

주식 수 (백만 주)

주당 의결권 (가정)

총 의결권 수 (백만 표)

의결권 비중

위 표와 같은 시나리오가 현실화될 경우, 테슬라는 사실상 머스크의 개인 회사와 다름없는 지배구조를 갖게 되며, 이는 구글(Alphabet)이나 메타(Meta)와 유사한 창업자 절대 지배 체제로의 전환을 의미합니다.

7. 전략적 당위성: 궤도 컴퓨팅과 화성 식민지

이 거대한 합병은 단순한 지분 놀음이 아닙니다. 여기에는 머스크가 구상하는 미래 문명의 인프라를 구축하기 위한 기술적, 재무적 필연성이 내재되어 있습니다.

7.1 우주 기반 AI 데이터 센터 (Orbital Compute)

머스크는 "장기적으로 우주 기반 AI 컴퓨팅이 확장 가능한 유일한 방법"이라고 언급한 바 있습니다. 지구 상의 데이터 센터는 전력 수급과 냉각 문제에 직면해 있습니다. 반면 우주는 태양광 에너지를 24시간 제한 없이 활용할 수 있고, 극저온 환경을 통해 자연적인 냉각이 가능합니다.

테슬라(수요): FSD 학습과 옵티머스 구동을 위해 천문학적인 AI 추론(Inference) 능력이 필요합니다.
xAI(소프트웨어): Grok 모델 고도화를 위한 학습 인프라가 필요합니다.
SpaceX(인프라): Starship을 통해 데이터 센터 모듈을 저렴하게 궤도에 올리고, Starlink를 통해 지연 없는 데이터 전송을 제공합니다. 이 세 회사의 결합은 '에너지-발사체-통신-AI 모델-로봇'으로 이어지는 완벽한 수직 계열화를 완성합니다.

7.2 '화성세(Mars Tax)'와 자본의 재분배

SpaceX의 화성 식민지 건설 계획(Starship 대량 생산 등)은 민간 자본 시장(Private Equity)에서 조달하기에는 너무나 큰 규모의 자금을 지속적으로 요구합니다. 보고서에 따르면 SpaceX는 IPO를 통해 자금을 조달하려는 움직임이 포착되고 있습니다. 테슬라와의 합병은 테슬라의 전기차 사업에서 창출되는 잉여 현금 흐름(Free Cash Flow)을 화성 프로젝트에 직접 투입할 수 있는 파이프라인을 엽니다. 주주들 입장에서는 테슬라의 수익이 배당이나 자사주 매입 대신 우주 개발에 쓰이는 셈이므로, 이는 사실상의 '화성세(Mars Tax)'로 작용하게 됩니다. 하지만 머스크는 이를 "인류의 미래를 위한 투자"로 정당화할 것입니다.

8. 소수 주주 영향 및 잠재적 리스크 분석

이 합병 시나리오는 머스크에게는 이상적이지만, 기존 테슬라 소수 주주들에게는 상당한 리스크를 동반합니다.

8.1 희석(Dilution)과 복합 기업 할인(Conglomerate Discount)

기존 테슬라 주주들은 약 45%에 달하는 대규모 지분 희석을 감수해야 합니다. 또한, 전기차 및 로보틱스라는 비교적 명확한 사업 모델을 가진 테슬라가, 현금 소모가 극심한 우주 개발 및 초기 단계의 AI 스타트업과 결합됨으로써 '복합 기업 할인(Conglomerate Discount)'을 적용받을 위험이 있습니다. 시장은 일반적으로 복잡하고 이질적인 사업이 섞여 있는 기업의 가치를 각 사업부 가치의 합보다 낮게 평가하는 경향이 있습니다.

8.2 법적 분쟁 리스크: 자기 거래(Self-Dealing)

머스크가 인수하는 쪽(테슬라)과 인수되는 쪽(SpaceX) 양측의 대주주이자 CEO라는 점은 명백한 이해 상충(Conflict of Interest)입니다. 주주들은 머스크가 자신의 지분율이 높은 SpaceX의 가치를 부풀려 테슬라 주주들에게 손해를 끼쳤다고 주장하며 소송을 제기할 가능성이 매우 높습니다(솔라시티 인수 당시와 유사한 상황). 텍사스 법원이 이에 대해 관대하다고 해도, '완전한 공정성(Entire Fairness)'을 입증하는 과정은 길고 험난한 법적 공방을 예고합니다.

8.3 규제 리스크의 전이

xAI가 생성형 AI와 관련된 딥페이크 문제나 규제 당국의 조사를 받을 경우 , 그리고 SpaceX의 로켓 발사가 환경 규제나 지정학적 문제에 휘말릴 경우, 그 충격이 고스란히 테슬라 주가에 반영될 수 있습니다. 합병은 리스크를 분산시키는 것이 아니라, 테슬라라는 단일 주가에 모든 리스크를 연동시키는 결과를 낳게 됩니다.

9. 결론 및 전망: 머스크 제국의 완성

본 보고서의 분석에 따르면, 테슬라와 SpaceX-xAI의 합병(어느 방향이든)은 일론 머스크가 테슬라 내에서 30% 수준의 경제적 지분과 50% 이상의 잠재적 의결권을 확보할 수 있는 가장 확실하고 강력한 시나리오입니다.

2026년 2월 현재, 머스크는 이미 xAI를 SpaceX에 통합시킴으로써 '머더십' 구축의 첫 단추를 끼웠습니다. 이제 남은 단계는 이 1.25조 달러짜리 비상장 거인을 1.5조 달러짜리 상장 거인(테슬라)과 결합하여, 인류 역사상 유례없는 3조 달러(약 4,000조 원) 규모의 초거대 기술 복합체를 탄생시키는 것입니다.

테슬라 주주들에게 이 합병은 양날의 검입니다. 단기적으로는 지분 희석과 재무적 부담(화성 프로젝트 지원)을 져야 하지만, 장기적으로는 지구와 우주를 아우르는 유일무이한 인프라 기업의 주주가 될 기회를 의미합니다. 확실한 것은, 이 합병이 성사된다면 일론 머스크는 더 이상 외부의 간섭을 받지 않는 절대적인 지배자로서 자신의 비전인 '다행성 종족(Multi-planetary Species)' 프로젝트를 가속화할 것이라는 점입니다.

[주요 데이터 요약 표]

구분	합병 전 테슬라 (Current Tesla)	합병 전 SpaceX-xAI	합병 후 통합 법인 (Projected)
기업 가치	~$1.50 Trillion	~$1.25 Trillion	~$2.75 Trillion
상장 여부	상장 (Public)	비상장 (Private)	상장 (Public)
머스크 지분율	~20.3%	~43.0%	~30.0% (추정)
의결권 구조	1주 1표 (취약)	차등의결권 (강력)	차등의결권 도입 유력 (절대적)
주요 사업	EV, 로보틱스, 에너지	발사체, 위성통신, AI	전 우주적 인프라 및 AI

본 보고서는 2026년 2월 5일 시점의 공개된 데이터와 시장 상황을 바탕으로 작성된 재무 분석 자료이며, 실제 합병 비율과 주가 변동은 향후 협상 및 시장 상황에 따라 달라질 수 있습니다.

Lumentum: 공매도 세력이 간과한 '광통신'의 독점적 해자(Moat)와 숏 스퀴즈의 서막 (26.1.25)

spedtrder — Sun, 25 Jan 2026 17:44:40 +0900

최근 루멘텀(Lumentum, $LITE)에 대한 공매도 잔고가 약 17%에 육박하고 있습니다. 하지만 이들은 치명적인 실수를 저지르고 있을지 모릅니다. 데이터 센터가 1.6T 시대로 넘어가면서 VCSEL의 시대는 저물고, 루멘텀이 지배하는 DFB 레이저의 시대가 오고 있기 때문입니다.

오늘은 왜 차세대 데이터 센터에서 루멘텀의 기술이 필수불가결한지, 그리고 이것이 어떻게 주가 폭등(Short Squeeze)의 불씨가 될 수 있는지 기술적 관점에서 파헤쳐 보겠습니다.

1. VCSEL은 끝났다, 이제는 DFB의 시대 (Why DFB?)

지금까지 데이터 센터 단거리 통신은 **VCSEL(Vertical-Cavity Surface-Emitting Laser)**이 지배했습니다. 이유는 간단합니다. 압도적으로 싸기 때문입니다(CHEAP, SO CHEAP).

하지만 1.6T 트랜시버 시대를 여는 200G/lane 속도에서 VCSEL은 한계에 봉착했습니다.

• 대역폭 및 신뢰성 한계: VCSEL은 대역폭이 제한적이며, 200G 속도에서는 신뢰성 문제로 인해 기술적으로 사용이 불가능(Unviable)합니다.

• Chirp 현상: 직접 변조(Directly Modulated) 방식을 사용하는 VCSEL은 고속 전송 시 위상 잡음과 진폭 비선형성이 결합된 '처프(Chirp)' 현상이 발생하여 신호 품질을 떨어뜨립니다.

결국 VCSEL은 틈새시장(CPO 등)을 제외하고는 "길의 끝(End of the road)"에 도달했습니다. 이 빈자리를 채울 유일한 대안은 DFB(Distributed-Feedback) 레이저입니다. 실리콘 포토닉스(SiPho)나 EML 같은 고속 통신 기술은 외부 광원으로 반드시 고성능 DFB를 필요로 하기 때문입니다.

2. 루멘텀의 기술적 해자: '고출력'과 '좁은 선폭'의 모순을 해결하다

DFB 레이저는 비쌉니다. 특히 레이저의 편광을 유지해 주는 PM(Polarization-Maintaining) 파이버가 매우 비싸고 다루기 까다롭기 때문이죠,. 그래서 고객사들은 비싼 파이버를 덜 쓰기 위해, 레이저 하나당 엄청난 고출력(Power)을 요구합니다.

문제는 레이저의 출력을 높이면 잡음(Noise)이 기하급수적으로 늘어난다는 점입니다.

• 기술적 난제: 출력이 높아지면 전기적 드라이버 잡음, 열 잡음, 내부 격자(Grating)의 결함 증폭 등으로 인해 신호의 선명도인 선폭(Linewidth)이 망가지고 제조 난이도가 급상승합니다.

• 루멘텀의 독주: 하지만 루멘텀은 300mW 이상의 고출력을 내면서도 좁은 선폭을 유지하는 DFB 레이저를 양산할 수 있습니다. 경쟁사 웹사이트를 뒤져보십시오. O-밴드 대역에서 300mW급 출력에 대해 선폭 성능을 보장하는 곳은 루멘텀 외에 찾기 힘듭니다.

이것이 바로 경쟁사가 넘볼 수 없는 진입 장벽입니다.

3. 숨겨진 영웅, TEC (열전 냉각기)

DFB 레이저가 고성능을 내기 위해 없어서는 안 될 부품이 바로 TEC(Thermoelectric Cooler) 입니다.

레이저는 온도에 극도로 민감합니다. 예를 들어 설계 온도가 40°C라면, 실제 작동 시에는 41.85°C에서 0.01°C의 오차도 허용하지 않는 정밀함이 필요합니다. 온도가 흔들리면 다음과 같은 재앙이 닥칩니다.

• 파장(Wavelength) 불안정: 통신 채널이 흔들립니다.

• 잡음(RIN) 증가: 신호 품질이 저하됩니다.

• 모드 호핑(Mode Hops): 주파수가 순간적으로 튀면서 데이터 링크가 끊어집니다(Link flaps),.

TEC는 기계적 부품 없이 열을 이동시키는 고체 소자로, 레이저가 이 극한의 정밀함을 유지하도록 강제하는 핵심 장치입니다. 고출력 레이저일수록 이 열 제어 기술은 더욱 중요해집니다.

4. 결론: 공매도 세력은 불타오를 것이다 (Burn to a Crisp)

현재 시장은 루멘텀의 기술적 독점력을 과소평가하고 있습니다. 1.6T 사이클은 선택이 아닌 필수이며, 고출력 DFB 없이는 구현이 불가능합니다.

• 루멘텀은 고출력, 저잡음 DFB 시장에서 경쟁자가 거의 없습니다.

• 그럼에도 불구하고 주식의 약 17%가 공매도 상태입니다.

기술적 펀더멘털이 시장의 예상을 뛰어넘는 순간, 이 공매도 물량은 오히려 주가 폭등의 연료가 될 것입니다. 극적인 표현을 빌리자면, "루멘텀 공매도 세력은 바삭하게 타버릴 것(Burnt to a crisp)" 입니다.

시장은 결국 기술적 진실을 따라갑니다. 다가오는 숏 스퀴즈는 꽤나 흥미로운 구경거리가 될 것입니다.

참고문헌

https://irrationalanalysis.substack.com/p/practical-datacom-lasers?r=28k8q1&utm_campaign=post&utm_medium=web&triedRedirect=true

--------------------------------------------------------------------------------

Disclaimer: 본 글은 정보 제공을 목적으로 하며, 특정 주식에 대한 매수/매도 추천이 아닙니다. 투자의 책임은 전적으로 본인에게 있습니다.

AI 투자는 거품이 아니다: CapEx 급증을 정당화하는 '인프라 부족' (26.1.20)

spedtrder — Tue, 20 Jan 2026 22:34:12 +0900

AI 투자는 거품이 아니다: CapEx 급증을 정당화하는 '인프라 부족'

최근 빅테크 기업들의 천문학적인 AI 설비 투자(CapEx)를 두고 "과도한 거품이 아니냐"는 우려가 제기되기도 합니다. 챗봇 하나에 이렇게 많은 돈을 쏟아부어야 하는지 의문을 갖는 시선도 존재합니다.

하지만 AI 인프라의 공급과 수요 데이터를 뜯어보면 정반대의 결론에 도달하게 됩니다. 현재 시장은 '거품'은커녕, 폭발하는 수요를 감당하기에 턱없이 부족한 '구조적 공급 부족(Structural Shortage)' 상태에 직면해 있습니다.

최근 공개된 OpenAI의 비즈니스 현황과 글로벌 컴퓨팅 인프라 분석 보고서를 바탕으로, 왜 지금의 공격적인 투자가 합리적인지, 그리고 왜 우리는 지금보다 훨씬 더 많은 컴퓨팅 파워가 필요한지 분석해 보았습니다.

1. 토큰(Token)은 지식 노동의 새로운 전력(kWh)이다

많은 사람들이 AI 모델의 가격이 내려가면 수요가 포화될 것이라고 착각합니다. 하지만 실제로는 정반대 현상이 일어납니다. AI 인프라 분석 자료에 따르면, 토큰당 가격이 하락할수록 사용자는 더 싼 질문을 하는 것이 아니라, 기하급수적으로 더 복잡한 질문을 던지게 됩니다. 이를 '멀티모달 램프(The Multimodal Ramp)'라고 부릅니다.

• 단순 텍스트 질문: 수백 토큰 소모

• 도구를 사용하는 에이전트: 수천 토큰 소모

• 이미지와 텍스트 혼합: 수만 토큰 소모

• 오디오가 포함된 비디오: 수십만 토큰 소모

• 로봇 공학 시뮬레이션: 실행당 수백만 토큰 소모

단순히 사용자가 늘어나는 것이 아니라, 작업의 '질적 복잡도'가 폭발하고 있습니다. OpenAI는 이를 두고 단순한 호기심 충족 도구에서 "일상을 이해하고 업무를 처리하는 인프라"로의 전환이라고 설명합니다. 에이전트(Agent)가 계획을 세우고, 도구를 사용하고, 스스로 성찰하는 과정에서 연산 부하는 단순 추론 대비 3배 이상 증가합니다.

2. '8배에서 50배' 부족한 컴퓨팅 공급

그렇다면 현재의 인프라는 이 수요를 감당할 수 있을까요? 분석 결과는 충격적입니다.

소비자 추론 수요만 계산하더라도 하루에 약 3.5~7.5 엑사플롭스(EFLOPs)의 연산이 필요합니다. 하지만 현재 전 세계적으로 가속 컴퓨팅(Accelerated Compute)이 가능한 최신 인프라(Frontier AI compute)의 설치 기반은 약 13 GW에 불과한 것으로 추정됩니다.

더 심각한 것은 '효율성 누수'입니다. 칩 하나의 스펙은 훌륭할지 몰라도, 실제 데이터센터 클러스터 단위에서는 전력 배분, 냉각, 가동률(MFU), 구형 장비와의 혼합 등으로 인해 스펙 대비 5~10% 수준의 효율밖에 내지 못합니다.

이 모든 변수를 고려했을 때, 현재의 공급 계획으로는 성숙한 에이전트 및 멀티모달 수요 대비 최소 8배에서 최대 50배의 컴퓨팅 부족(Shortage)이 발생할 것으로 예상됩니다.

3. "컴퓨팅이 곧 매출이다": OpenAI의 증명

이러한 '인프라 부족' 가설은 OpenAI의 실제 실적에서 증명됩니다. OpenAI CFO인 Sarah Friar는 "컴퓨팅(Compute)이 AI에서 가장 희소한 자원"이라고 단언합니다.

지난 3년(2023~2025) 동안 OpenAI의 성장은 정확히 컴퓨팅 용량의 증가와 비례했습니다.

• 컴퓨팅 용량: 0.2 GW → 1.9 GW (9.5배 증가)

• 매출(ARR): 20억 달러 → 200억 달러 (10배 증가)

매출 곡선이 컴퓨팅 공급 곡선을 그대로 따라갔다는 것은, 만약 더 많은 컴퓨팅 자원이 있었다면 더 빠른 성장과 수익화가 가능했을 것이라는 점을 시사합니다. 즉, 지금의 CapEx 급증은 막연한 미래 베팅이 아니라, 공급되는 즉시 매출로 전환되는 확실한 수요에 대한 대응인 것입니다.

4. 2026년, 에이전트와 실용적 채택의 해

우리는 이제 막 시작점에 섰습니다. OpenAI는 2026년의 핵심을 '실용적 채택(Practical Adoption)'으로 정의하며, AI가 과학 연구, 에너지 시스템, 금융 모델링 등 실제 경제의 기반이 될 것으로 전망합니다.

구글 내부적으로도 텍스트에서 시작해 이미지, 비디오를 거쳐 결국 물리적 세계를 다루는 '월드 모델(World Models)'과 로봇 공학으로 나아가는 로드맵을 가지고 있습니다. 이 과정에서 필요한 서빙 용량은 4~5년 내에 1,000배로 확장되어야 합니다.

결론: 인프라 투자는 생존을 위한 필수 조건

현재의 막대한 AI 투자는 '닷컴 버블'과 같은 과열이 아닙니다. 오히려 폭증하는 토큰 복잡성과 멀티모달 수요를 따라잡기 위한 필사적인 '따라잡기(Catch-up)' 과정에 가깝습니다.

"상상력은 기술이다(Imagination is a skill)"라는 말이 있습니다. 현재의 단순한 챗봇 사용량만 보고 미래를 재단한다면 지금의 투자가 과해 보일 수 있습니다. 하지만 에이전트가 업무를 대행하고, AI가 물리적 로봇을 제어하는 세상에서의 '토큰 소비량'을 상상해 본다면, 우리는 아직도 엄청난 인프라 갭(Compute Gap) 속에 있다는 것을 알 수 있습니다.

Working Cite

[1] https://x.com/DratchCap/status/2003517655555440669?s=20

[2] https://openai.com/index/a-business-that-scales-with-the-value-of-intelligence/

애플과 TSMC: 현대 반도체를 탄생시킨 파트너십 (26.1.10)

spedtrder — Sun, 11 Jan 2026 00:58:05 +0900

Apple-TSMC: The Partnership That Built Modern Semiconductors - 웨이퍼 수요 모델, 노드 경제학, 그리고 AI가 파운드리 환경을 재편함에 따라 변화하는 권력 역학 관계

2013년, TSMC는 단 하나의 고객에 100억 달러를 걸었습니다. 모리스 창은 애플이 팹을 가득 채울 것이라는 확신 하에 불확실한 경제성에도 불구하고 20nm 공정 생산 설비 구축에 착수했습니다. 모리스 창은 나중에 "회사를 걸었지만, 질 거라고는 생각하지 않았다"고 말했습니다. 그의 예상은 적중했습니다. 애플의 A8 칩이 2014년에 출시되었고, TSMC는 이후 승승장구했습니다.

애플의 TSMC 연간 지출액은 2014년 20억 달러에서 2025년 240억 달러로 증가할 전망입니다. 12년 만에 12배가 늘어난 것입니다. 애플은 TSMC 매출에서 차지하는 비중이 9%에서 최고 25%까지 치솟았다가 2025년에는 20%로 안정될 것으로 예상됩니다. 더욱 놀라운 것은 애플이 신규 공정 출시에서 보여준 압도적인 영향력입니다. 20nm 공정 이후 꾸준히 50% 이상의 점유율을 유지해 왔으며, 경우에 따라서는 거의 100%에 육박하기도 했습니다. 애플은 20nm 공정 이후 모든 주요 공정 전환 과정에서 수율 향상을 위한 학습 곡선을 사실상 자체적으로 지원해 온 셈입니다.

오늘날 파운드리 모델이 지배적입니다. IDM(통합 반도체 제조업체)은 사실상 단일 고객만으로는 공정 개발과 팹 설비 투자를 감당할 수 없습니다. 하지만 파운드리조차도 지속적인 발전을 위해서는 수요가 많고 자금력이 풍부한 "최고의" 고객이 필요합니다. 애플은 지난 10년간 TSMC의 바로 그런 고객이었습니다. 이 거대한 파트너십은 두 회사를 새로운 차원으로 끌어올렸고, 경쟁사들을 압도했으며, 반도체 제조 산업의 성장을 촉진했습니다.

본 보고서는 2010년 인텔의 애플 파운드리 계약 거절 이후 애플과 TSMC의 관계를 다섯 단계로 추적하며, 애플이 어떻게 인수합병과 15개 설계 센터에 8,000명 이상의 엔지니어를 배치하여 칩 제국을 건설했는지 분석합니다. 경쟁사들이 이러한 수직적 통합을 모방하지 못한 이유를 살펴보고, 애플의 Fab 18 및 첨단 패키징 시설 전반에 걸친 제조 기반을 파악하며, 인텔 18A 및 삼성과의 재협력이 현실적인 대안으로 떠오르는 상황에서 양사가 직면한 전략적 과제를 평가합니다. 또한, 양사 관계의 다음 단계에 대해서도 논의합니다. 이제 첨단 기술을 선도하는 기업은 애플만이 아닙니다.

주요 고객

TSMC의 자본 지출 추이에서 애플의 영향력을 확인할 수 있습니다. 애플 인수 이전(2005~2009년)에는 연평균 지출액이 24억 달러에 불과했고, 투자를 안정적으로 보장해 줄 핵심 고객사도 없었습니다. 그러나 2019년부터 2022년까지 TSMC는 980억 달러를 투자하여 이전 14년간의 누적 지출액을 넘어섰습니다. 애플의 제조 구매 의무액은 2010년 87억 달러에서 2022년 710억 달러로 급증했습니다. TSMC에 대한 특정 지불액은 2013년 거의 0에 가까웠지만 2025년에는 230억 달러 이상으로 증가했습니다. 10년 이상 동안 애플은 최첨단 설비를 대규모로 선투자할 수 있는 유일한 기업이었습니다. 하지만 엔비디아의 AI 기반 현금 창출 능력으로 상황이 바뀌었습니다. 이제 두 기업이 TSMC의 로드맵에 필요한 자금을 지원할 수 있게 되었습니다.

플랫폼 전환은 이미 시작되었습니다. TSMC의 HPC 매출은 2020년 36%에서 2025년 58%로 증가했습니다. 반면 스마트폰 매출은 46%에서 29%로 감소했습니다. 저희 모델에 따르면 2027년 4분기에는 엔비디아가 애플보다 더 많은 N3 웨이퍼를 소비할 것으로 예상됩니다. 애플의 N2 점유율은 48%로 떨어지면서, 애플이 새로운 노드에서 지배적인 고객이 아닌 것은 10년 만에 처음입니다.

대다수는 이를 영구적인 이주로 보고 있습니다. 하지만 저희 모델은 그렇지 않다고 말합니다.

TSMC의 A16은 HPC(고성능 컴퓨팅)용으로 설계되었습니다. 후면 전력 공급, 게이트 올 어라운드 트랜지스터, 열 관리 시스템은 HPC에 최적화되어 있어 스마트폰에는 이 노드가 적용되지 않을 것입니다. 엔비디아는 이로 인해 상당한 이득을 얻습니다. 애플의 N2(N2 + A16) 점유율 하락은 애플의 협상력 상실 때문이 아니라, 해당 노드가 다른 고객을 위해 개발되었기 때문입니다. A14(1.4nm)는 이러한 상황을 반전시킵니다. TSMC는 처음부터 모바일과 HPC 모두를 위해 A14를 설계했으며, HPC용으로 별도의 후면 전력 공급(TSMC의 상표명은 Super Power Rail) 변형을 적용했습니다. 저희 모델에 따르면 애플은 A14를 통해 N3 이후 최고치인 67%의 노드 점유율을 되찾을 것으로 예상됩니다.

애플은 끊임없이 발전하고 있습니다. 새로운 칩 제품군(N 시리즈, C 시리즈)은 2030년까지 웨이퍼 수요의 15%를 차지할 것으로 예상됩니다. 맥용 실리콘과 맞춤형 칩 생산이 확대됨에 따라 아이폰용 웨이퍼 비중은 74%에서 57%로 감소했습니다. 총마진은 자체 실리콘 생산으로의 전환을 반영하고 있습니다. 인텔 칩을 포기한 후 맥용 총마진은 28.5%에서 39.5%로 11%포인트 증가했습니다. 아이폰용 총마진은 A4에서 A18로 전환하면서 5%포인트 증가했습니다. 인텔, 퀄컴, 브로드컴 칩 공급망 대체를 통해 연간 70억 달러 이상의 칩 비용을 절감하고 있습니다. 애플은 지난 10년간 3천억 달러 이상을 공급업체에 투자하며 폭스콘, ASML, 그리고 수십 개의 정밀 제조업체를 아우르는 공급망 제국을 구축해 왔습니다.

본 분석의 내용

본 분석은 두 가지 독자적인 모델을 기반으로 합니다. 당사의 파운드리 모델은 매출, 웨이퍼 출하량, 생산능력 배분을 추적하여 스마트폰 매출이 46%에서 29%로 감소한 반면 고성능 컴퓨팅(HPC) 매출은 36%에서 58%로 증가한 플랫폼 전환과 애플의 구매 의무가 87억 달러에서 710억 달러로 증가한 추이를 정량화합니다. 당사의 애플 웨이퍼 수요 모델은 칩 제품군(A 시리즈, M 시리즈, S 시리즈, N 시리즈, C 시리즈 등) 전반에 걸친 실리콘 수요를 예측하고, 연간 80억 달러 이상의 총마진 절감 효과를 계산하며, AI 가속기의 생산능력 배분 재편으로 인해 애플의 최첨단 시장 점유율이 N3의 거의 100%에서 N2의 50% 미만으로 감소할 것으로 전망합니다.

주요 수치

웨이퍼 수요

• A 시리즈: 42억 달러(2018년)에서 97억 달러(2025년)로 131% 성장

• M 시리즈: 0달러(2019년) ~ 49억 달러(2025년) = 6년 만에 0에서 50억 달러로

• S 시리즈: 8,600만 달러(2018년)에서 3억 4,200만 달러(2025년)로 4배 성장

• 애플 실리콘 총 매출: 235억 달러(2025년)

TSMC의 성장:

• 매출: 130억 달러(2010년)에서 1220억 달러(2025년)로 9.4배 성장

• 연구 개발: 10억 달러(2010년)에서 80억 달러 이상(2025년)으로 8배 성장

• 자본 지출: 59억 달러(2010년)에서 414억 달러 이상(2025년)으로 7배 증가

• 매출총이익률: 45.5%(2010년)에서 59% 이상(2025년)으로 13.5%포인트 증가

패키징 혁명:

• CoWoS 매출: 2018년 6억 달러에서 2025년 84억 달러로 14배 성장

• 애플 정보 부문 매출: 35억 달러 이상 (2025년)

• TSMC 첨단 포장 부문의 매출 비중: 6~7%(2018년)에서 10% 이상(2025년)

애플의 공급망 활용 전략:

• 제조업 구매 의무: 87억 달러(2010년)에서 562억 달러(2025년)로 6.4배 증가

• 월간 웨이퍼 수요: 19,000개(2013년)에서 130,000개(2025년)로 7배 증가

• Fab 18 고객 수: 4명(2020년)에서 45명(2025년)으로 증가 = 11배 성장

칩 경제학:

• 아이폰 매출총이익률: 36.5%(A4, 2018년)에서 41.5%(A18, 2025년)로 5%포인트 확대

• 맥 매출총이익률: 29%(인텔, 2019년)에서 39.5%(M3 Pro, 2023년)로 10.5%p 증가

• 연간 칩 비용 절감액: 70억 달러 이상 (인텔 50억 달러 + 퀄컴 12억 달러 + 브로드컴 7억 달러 + 맞춤형 IP 5억 달러 이상)

TSMC의 플랫폼 전환:

• 스마트폰 매출 비중: 46%(2028년 1분기) ~ 29%(2025년 4분기)

• HPC 매출 비중: 36%(2020년 1분기)에서 58%(2025년 4분기)로 증가 = 현재 HPC가 시장을 주도하고 있음

애플과 TSMC의 진화 과정 5단계

1단계: 애플이 자체 칩 생산을 시작한 이유와 애플의 고객 유치 노력

2007년에 출시된 오리지널 아이폰은 삼성 부품에 크게 의존했습니다. 삼성은 애플리케이션 프로세서, 디스플레이, 플래시 메모리를 공급했습니다. 삼성 칩이 애플의 필수품이 되는 것은 필연적인 일이었지만, 몇 가지 요인이 이러한 변화를 가속화했습니다.

우선 , 애플의 주요 공급업체인 삼성은 아이폰 출시 18개월 후에 스마트폰 시장에 진출했고, 초기 갤럭시 S 디자인이 아이폰과 유사하다는 이유로 애플과 법적 분쟁에 휘말렸습니다. 삼성의 제품 출시와 스마트폰 시장에서의 경쟁력 강화로 애플의 불안감은 더욱 커졌고, 결국 애플은 대안을 모색하게 되었습니다.

둘째 , 2010년대 스마트폰 시장에서 윈텔 모델(안드로이드와 퀄컴 칩셋 결합)이 부상하면서 애플은 범용 칩이 소프트웨어 차별성을 약화시키고 프리미엄 브랜드 이미지에 악영향을 미칠 수 있다고 우려했습니다. 이에 스티브 잡스는 2008년 애플이 자체 칩을 설계해야 한다고 결정했습니다. 하지만 칩 제조에는 수백억 달러 규모의 공장 건설이 필요했습니다. 그래서 애플은 자체 칩을 생산하는 '팹리스 시스템즈' 방식을 채택했습니다.

셋째 , 워크로드 최적화: 일반적인 벤치마크가 아닌 iOS에 특화된 설계를 통해 와트당 성능 면에서 상당한 이점을 얻을 수 있었습니다.

넷째 , 전력 효율성: 아이폰의 얇은 디자인은 상용 반도체로는 충족할 수 없는 와트당 성능의 우수성을 요구했습니다.

다섯째 , 마진: 시간이 지남에 따라 공급업체의 마진을 없애면 수십억 달러의 추가 이익을 확보할 수 있습니다.

애플은 자사 기기에 사용되는 핵심 기술을 통제하고 싶어 했습니다. 2008년 4월 2억 7800만 달러에 PA Semi를 인수한 것이 그 발판이 되었습니다. 알파와 스트롱ARM의 개발자인 댄 도버풀은 세계 최고의 저전력 칩 엔지니어 150명을 모았습니다. 그중에는 인텔과 IBM 출신의 이스라엘 엔지니어 조니 스루지도 있었습니다. 그는 현재 애플 실리콘의 하드웨어 기술 담당 수석 부사장을 맡고 있습니다.

무엇보다도, 이렇게 하면 더 나은 제품을 만들 수 있을까요? 이것이 가장 중요한 질문입니다. 칩에 관한 문제가 아닙니다. 애플은 칩 회사가 아니니까요. - 조니 스루지, 애플 하드웨어 기술 담당 수석 부사장

PA Semi 인수 이후, 애플은 2010년에 초저전력 칩 설계 회사인 인트리시티를 1억 2100만 달러에 인수했습니다. 애플은 2010년 9월 아이폰 4에 자체 개발한 첫 스마트폰 애플리케이션 프로세서(AP)인 A4를 탑재했습니다. 당시에는 여전히 삼성에서 제조했지만, 애플은 경쟁사가 아닌 새로운 제조 파트너를 적극적으로 물색했습니다.

컴퓨팅 역사를 바꾼 결정: TSMC vs 삼성 vs 인텔의 결정

2010년부터 2014년까지의 "구애" 단계에서 애플은 "프로젝트 아잘레아"를 통해 삼성의 대안을 모색했으며, 글로벌파운드리를 고려하거나 자체 공장 건설까지 검토했습니다.

애플의 주요 반도체 제조 업체였던 인텔과 TSMC가 등장했습니다. 인텔과의 협상은 당시 CEO였던 폴 오텔리니가 애플의 낮은 마진과 엄격한 요구 조건을 고려할 때 물량이 수익성을 정당화할 만큼 충분하지 않다고 판단하여 거절하면서 결렬되었습니다. 반면 TSMC의 모리스 창은 이를 마진 저하 요인이 아닌 성장 기회로 보고 도전을 받아들였습니다.

애플의 최고운영책임자(COO) 제프 윌리엄스는 창과 저녁 식사를 하며 TSMC에 20nm 공정 설비 구축을 제안했습니다. 당시 TSMC는 16nm 공정에 집중 투자하고 있던 시점이었습니다. 애플이 요구한 자본과 설비 규모는 전례 없는 수준이었으며, 심지어 TSMC가 배당금을 삭감하여 공장 건설 자금을 마련할 것을 제안하기까지 했습니다. TSMC는 이 제안을 받아들였고, 부채를 통해 건설 자금을 조달했습니다. 당시에는 어느 쪽도 성공을 장담할 수 없는 상황이었습니다.

2단계: 애플과 TSMC의 협력 (2014-2020)

애플의 A8 칩이 2014년에 출시되면서 TSMC는 승승장구했습니다. 이후 6년 동안 애플은 TSMC가 최첨단 생산 설비에 600억~800억 달러를 투자하도록 만들었습니다. 애플의 대량 생산은 N16, N7, N5 등 모든 주요 공정 노드 전환을 정당화했습니다. 아이폰의 연간 2억 대 생산이라는 목표가 없었다면 TSMC는 인텔과 삼성을 제치고 앞서 나갈 만큼의 연구 개발 속도를 유지할 수 없었을 것입니다.

2016년 애플은 InFO(Integrated Fan-Out) 패키징 개발에 투자했습니다. 이를 통해 더 얇고 발열 관리가 뛰어난 휴대폰을 만들 수 있었으며, 현재 AI 가속기를 구동하는 첨단 패키징 생태계를 구축했습니다.

모리스 창은 솔직한 인터뷰에서 팀 쿡이 나중에 자신에게 이렇게 말했다고 밝혔습니다.

인텔은 파운드리로서의 역할을 제대로 수행하지 못합니다. - 모리스 창

근본적으로 문화적 차이가 존재했습니다. 제품 성공에 매몰되었던 인텔은 거대한 Arm 기반 파운드리 시장을 예측하지 못했습니다. 반면 TSMC는 애플의 성공에 모든 것을 걸겠다는 의지와 유연성, 그리고 적극적인 투자를 약속했습니다. TSMC는 전용 생산 시설을 구축하고, 애플 엔지니어들을 연구소로 영입했으며, 아이폰의 연간 출시 주기에 맞춰 로드맵을 조정했습니다. 이러한 문화적 차이, 즉 TSMC의 맞춤형 생산 방식과 인텔의 표준화된 제품 접근 방식의 차이는 오늘날 인텔이 IDM 2.0으로 전환하는 데 있어 가장 큰 걸림돌로 남아 있습니다.

애플은 당초 TSMC에 40%의 매출총이익률을 제시했는데 , 이는 당시 TSMC의 이익률과 비슷한 수준이었다. 현재 애플 사업의 매출총이익률은 당초 제시했던 40%보다 훨씬 높다.

애플을 위해 20nm 전용 설비에 투자했음에도 불구하고, TSMC는 처음에는 애플 파운드리 사업에서 과반수 점유율을 확보하지 못했습니다. 2015년에는 삼성과 14nm 공정 슬롯을 공유해야 했고, 삼성은 60% 이상의 점유율을 차지했습니다. TSMC 경영진은 충격을 받았지만, 차세대 10nm 공정 개발을 가속화하는 것으로 대응했습니다.

궁극적으로 TSMC는 경쟁사보다 앞서 20nm 공정 확장 능력을 입증하여 아이폰의 엄청난 생산량 급증을 처리할 수 있음을 증명함으로써 승리했습니다. TSMC의 "나이트 호크" 팀은 수율 문제를 해결하기 위해 24시간 내내 노력했고, 이는 오늘날까지 이어지는 운영상의 신뢰를 구축하는 데 기여했습니다.

만약 애플이 2014년에 인텔을 선택했다면 어떻게 됐을까요? 인텔은 연간 150억 달러 이상의 파운드리 매출을 보장받았을 겁니다. TSMC는 그 매출이 없었다면 지금과 같은 시장 지배력을 확보하지 못했을 것이고, 인텔 파운드리는 10년은 더 성숙했을 겁니다. 이는 반도체 파운드리 역사상 가장 큰 실책입니다.

3단계: 상호 의무 이행 기간 (2020-2023)

2020년이 되자 두 회사의 파트너십은 상호 이익에서 상호 의존으로 발전했습니다. 애플은 더 이상 TSMC를 떠날 수 없었습니다. 전 세계 어떤 파운드리도 애플이 요구하는 생산량과 수율로 M 시리즈와 A 시리즈 칩을 생산할 수 없었습니다. 삼성의 3nm 공정 수율은 30~40%에 불과했지만, TSMC는 80% 이상이었습니다. 전환 비용은 재설계 및 재인증에만 20억~50억 달러가 소요될 것으로 추산되었습니다.

TSMC는 애플을 놓칠 수 없었습니다. 아이폰은 전체 매출의 22~25%를 차지했고 3nm 생산 설비 용량의 70% 이상을 채웠습니다. 애플의 주문량은 3년 전에 미리 예측할 수 있었기 때문에 TSMC는 마치 유틸리티 회사처럼 확신을 가지고 설비 투자 계획을 세울 수 있었습니다.

더 심각한 위험은 타이밍 문제입니다. 애플의 제품 출시 주기는 TSMC의 부품 생산 로드맵에 맞춰져 있습니다. 인텔이나 삼성으로 생산 기지를 옮기면 수율 개선이 이루어질 때까지 2~3년 동안 품질이 떨어지는 제품을 판매해야 할 것입니다. 특히 명절 시즌에 맞춰 매년 출시되는 아이폰 신제품을 비롯한 제품 업그레이드 주기 또한 위험에 처할 수 있습니다.

4단계: 다양화된 의존성 (2023년~현재): 변화하는 권력 역학: 애플은 여전히 킹메이커인가?

수년간 신추와 쿠퍼티노는 하나의 팀처럼 협력하여 무어의 법칙을 끊임없이 발전시켜 나갔습니다. 애플의 원팀(One Team) 접근 방식은 수백 명의 엔지니어를 TSMC 본사에 배치하여 파운드리를 쿠퍼티노의 연장선처럼 활용했습니다. 이 팀은 공정 설계 키트(PDK)를 공동 개발하여 5nm와 같은 새로운 공정이 출시될 때 애플의 설계가 트랜지스터 특성에 완벽하게 맞춰 합성될 수 있도록 했습니다.

하지만 생성형 AI의 부상으로 TSMC의 고객 구성이 변화하고 있습니다. 매출 기준으로 애플이 여전히 최대 고객이지만, 엔비디아, AMD, 하이퍼스케일러 등이 주도하는 고성능 컴퓨팅(HPC) 부문의 성장세에 따라 애플의 영향력은 점차 줄어들고 있습니다. 2020년 1분기에는 스마트폰이 TSMC 매출의 49%, HPC가 30%를 차지했지만, 2025년 3분기에는 HPC가 57%까지 급증하면서 스마트폰은 부차적인 성장 동력으로 전락할 것으로 예상됩니다.

애플은 태블릿/PC 칩을 통해 TSMC의 HPC(고성능 컴퓨팅) 부문에도 기여하고 있지만, AI(인공지능)의 확산은 TSMC에게 첨단 공정 기술에 대한 수요가 높은 새로운 고객층을 제공했습니다. AI 가속기는 1년 주기로 발전해 왔지만, 여전히 대부분 n-1(2nm) 공정 기술을 사용하고 있습니다. 애플은 N2(2nm) 공정 기술의 핵심 고객으로 남겠지만, 생산 능력 확보를 위해 경쟁하는 다른 업체들과 치열한 경쟁을 벌일 것입니다. A16(1.6nm) 공정은 HPC에 더욱 특화된 공정이기 때문에, HPC 업체들이 애플을 제치고 시장을 선도할 가능성이 높습니다.

애플은 새로운 반도체 제조 시설 건설에 드는 막대한 고정 비용을 정당화하는 예측 가능한 기준선 역할을 합니다. 엔비디아는 수익성 성장을 견인하는 높은 마진의 잠재력을 제공합니다. 이제 TSMC는 핵심 고객은 하나가 아닌 두 개가 되었습니다.

AI의 분기점: 웨이퍼 vs. 패키징

두 회사의 차이점은 구매하는 제품에 있습니다. 애플은 최첨단 로직 웨이퍼(N3, N3E)와 InFO(Integrated Fan-Out) 패키징을 구매합니다. 엔비디아는 최첨단 기술보다 한두 노드 뒤처진 맞춤형 공정으로 생산된 로직 웨이퍼(N4, N5)를 구매하지만, CoWoS(Chip-on-Wafer-on-Substrate) 패키징에 매우 의존적입니다.

애플은 TSMC의 대규모 첨단 패키징 고객 중 첫 번째였습니다. InFO 매출은 A 시리즈 및 M 시리즈 칩 덕분에 2018년 18억 달러에서 2024년 35억 달러 이상으로 성장했습니다. 하지만 TSMC의 AI 패키징 플랫폼인 CoWoS가 이를 넘어섰습니다. 엔비디아와 AMD의 수요 증가에 힘입어 CoWoS 매출은 2025년 96억 달러에 달해 InFO의 2.5배를 넘어설 것으로 예상됩니다.

이로 인해 TSMC의 생산능력 계획에 양분 현상이 발생했습니다. 애플은 더 이상 자본 지출의 유일한 동력이 아닙니다. TSMC의 자본 지출은 이제 무어의 법칙(애플의 2nm 공정) 추구와 패키징 밀도 향상(엔비디아의 CoWoS-L) 추구로 나뉘게 되었습니다. 애플은 새로운 팹 건설에 드는 막대한 고정 비용을 정당화하는 예측 가능한 기준선 역할을 하는 반면, 엔비디아는 수익성 성장을 견인하는 고마진 잠재 고객을 제공합니다. 시장 역학은 애플 중심의 단극 구도에서 애플과 AI의 양극 구도로 바뀌었고, TSMC는 이제 두 부문 간의 수요를 활용하여 가격 결정력을 유지할 수 있게 되었습니다.

5단계: TSMC 이후 (2027년 이후)

애플은 대안을 적극적으로 모색하고 있다.

인텔의 18A-P 공정(2026년 말 출시 예정)은 애플이 2016년 삼성과의 거래를 종료한 이후 이론적으로 실현 가능한 최초의 대안입니다. 애플은 초기에는 위험 부담이 적은 기본 M 시리즈 실리콘에 대해 인텔의 공정을 검증하고 높은 수율을 확보할 수 있습니다. 이는 인텔에게 레퍼런스 디자인 수주 기회를 제공하고 애플에게는 핵심 제품에 대한 위험 부담 없이 공급망을 다변화할 수 있는 기회를 제공합니다.

인텔은 2014년에 애플과의 협력 기회를 놓친 적이 있습니다. 하지만 완전히 문이 닫힌 것은 아닙니다. 핵심은 애플이 실제로 인텔의 기술을 사용할 것인가 하는 점입니다.

하지만 기본 M 시리즈 칩에 18A-P를 적용하는 것은 타당합니다. 만약 애플이 기본 M 시리즈 웨이퍼의 20%를 인텔 18A-P로 전환한다면, 평균 판매가격 1만 8천 달러 기준으로 인텔은 6억 3천만 달러의 파운드리 매출을 올릴 수 있을 것입니다.

역자주: 인텔 18A 공정의 경우 낮은 수율과 인텔 내부 Captive 수요 대응을 위해서 존재 하는 파운드리 노드라는 루마가 있다.

기본 M 시리즈 다이 크기는 일반적으로 150~170mm² 범위이며, 18A-P(유사한 다이 크기를 가진 현재 Panther Lake 기준)에서 70% 이상의 수율을 보일 수 있습니다.

현재 인텔의 18A 수율은 150mm² 다이 기준 TSMC의 N3(80% 이상)보다 낮지만, 인텔은 애플에 가격 경쟁력, 14A 옵션 제공 가능성, 그리고 미국 내 웨이퍼/패키징 생산 능력을 제공합니다.

Intel 18A-P는 후면 전력 공급(PowerVia)을 통해 18A 대비 8% 더 높은 성능/전력 효율을 제공하며, 밀도는 유사합니다.

영향이 적은 몇 가지 가능성도 있습니다. 인텔 아일랜드 공장의 인텔16 성숙 노드는 디지털 TV 및 연결성 애플리케이션에 대응할 수 있지만, 애플의 요구를 모두 충족할 만큼 충분한 생산 능력은 아닐 것으로 예상됩니다. 애플은 인텔에 위험 부담이 적은 실리콘(Wi-Fi/블루투스, 디스플레이 드라이버 또는 전력 관리)을 공급하는 방안을 검토할 수 있습니다. 이렇게 되면 인텔은 레퍼런스 디자인 계약을 따낼 수 있고, 애플은 핵심 제품에 대한 위험 부담 없이 공급망을 다변화할 수 있습니다.

애플의 진정한 다각화 전략

애플의 실제 파운드리 다변화는 최첨단 A 시리즈/M 시리즈 칩을 TSMC에서 다른 곳으로 이전하는 것에 관한 것이 아닙니다. 일반 버전, 주변기기 칩, 패키징 등이 파운드리 다변화 대상입니다.

다양화가 타당한 분야: PMIC, 디스플레이 드라이버 , 오디오/연결성

다각화가 도전 과제인 곳: 최첨단 A 시리즈 및 M 시리즈

애플, 삼성 LSI/파운드리와 재협력 시작

애플은 2016년 삼성과의 계약을 종료한 후 TSMC와 독점 계약을 맺었습니다. 애플의 공급망 다변화 전략은 핵심 부품이 아닌 칩의 공급망 위험을 줄이는 데 목적이 있습니다 .

애플은 삼성 파운드리와 전략적 계약을 체결하여 텍사스주 오스틴에 있는 삼성 공장에서 첨단 CMOS 이미지 센서(CIS)를 생산하기로 했습니다. 이로써 아이폰 이미지 센서 분야에서 10년 넘게 소니가 독점해온 지위를 깨뜨리게 되었습니다. 삼성의 미국 공장을 활용함으로써 애플은 첨단 기술에 집중하는 TSMC 애리조나 공장에만 의존하지 않고도 자체적인 "미국 내 제조" 목표를 달성할 수 있게 되었습니다.

우리는 삼성이 2027년까지 애플의 CIS(연간 1억 5천만~2억 개의 센서) 판매량의 20~30%를 점유할 수 있을 것으로 추정하며, 이를 통해 삼성은 10억~15억 달러의 파운드리 수익을 올릴 수 있을 것으로 예상합니다.

제조 발자취

애플-TSMC 생태계 지도: 실리콘이 탄생하는 곳

이러한 관계를 이해하려면 칩이 생산되는 물리적 현실을 이해해야 합니다. TSMC의 분산된 기가팹 네트워크는 각각 특정 노드와 패키징 기술에 특화되어 있으며, 매년 애플을 위해 10억 개 이상의 칩을 생산합니다. 애플의 공급망은 대만 서부 지역에 깊숙이 자리 잡고 있지만, 지정학적 위험 회피 전략으로 인해 막대한 비용이 드는 애리조나 확장이 불가피해졌습니다.

핵심 후방 지원: 고급 패키징

애플과 엔비디아의 기술 격차가 가장 두드러지는 분야는 바로 첨단 패키징입니다. 애플은 아이폰의 두께를 최소화하기 위해 DRAM을 SoC 위에 직접 적층하는 InFO-PoP (Integrated Fan-Out Package-on-Package) 기술을 사용합니다. 이 기술은 애플이 삼성과의 협력을 중단하고 엔비디아로 이전하는 데 결정적인 역할을 했는데, 더 얇으면서도 열 방출 효율이 뛰어난 아이폰을 만들 수 있게 해주었기 때문입니다. 반면 엔비디아는 최대 대역폭을 확보하기 위해 HBM(고대역폭 메모리)을 GPU와 실리콘 인터포저에 나란히 배치하는 CoWoS 기술을 사용합니다.

현재 애플과 엔비디아는 동일한 패키징 라인을 놓고 경쟁하지 않습니다. 애플은 AP3(InFO) 패키징 시장을 장악하고 있으며, 엔비디아는 AP5/AP6(CoWoS) 패키징 시장에서 경쟁하고 있습니다. 그러나 애플이 SoIC(시스템 온 인티그레이티드 칩)와 WMCM을 활용하는 M5/M6 Ultra 칩으로 전환함에 따라, 두 회사는 AP6 및 AP7의 고급 3D 패키징 자원을 놓고 경쟁하게 될 것입니다. 이러한 로드맵의 수렴은 향후 생산 능력 배분에 있어 위험 요소를 내포하고 있습니다.

타이난에 위치한 TSMC의 팹 18은 최첨단 기술 생산을 위한 플래그십 시설이며, 사실상 "애플의 핵심 생산 기지"입니다. A19 Pro, A18 Pro, M3, M4, M5는 모두 팹 18의 3nm 공정에서 생산됩니다. 이처럼 대만 남부에 생산 시설이 집중되어 있다는 점은 애플 공급망의 주요 지정학적 취약점 중 하나입니다.

지리적 집중 위험

애플의 대만 집중 생산은 모두가 알고 있지만 언급하지 않는 문제입니다. 최첨단 A 시리즈 및 M 시리즈 칩을 포함한 애플의 거의 모든 칩 생산이 중국 본토에서 160km 떨어진 섬 하나에서 이루어지고 있습니다.

TSMC 애리조나 공장은 토큰 다변화 효과를 제공하지만, 현재 생산량 증가 속도로는 2028년 이후까지는 대만 의존도를 실질적으로 낮추기는 어려울 것입니다. 현재 첨단 기술 생산량의 5% 미만이 애리조나에서 이루어지고 있습니다. 만약 이 비율이 2028년까지 10~15%로 증가한다면, 애플이 대만에 대해 진정으로 우려하고 있다는 신호가 될 것입니다.

애플의 혁신적인 반도체 기업 인수 5가지

애플의 반도체 전략은 단순하지만 단호합니다. 바로 제품을 차별화하는 "핵심 기술"을 자체적으로 통제하는 것입니다. 2010년 A4 칩을 시작으로, 애플은 포괄적인 자체 개발 전략으로 발전해 왔습니다. 이는 단순히 CPU(A 시리즈/M 시리즈)에만 국한된 것이 아닙니다. 애플은 오디오(H 시리즈), 보안(T 시리즈), 무선(W 시리즈), 초광대역(U 시리즈), 그리고 이제는 공간 컴퓨팅(R 시리즈)에 이르기까지 거의 모든 핵심 서브시스템의 공급업체를 체계적으로 교체해 왔습니다. 2019년 인텔의 모뎀 사업부 인수는 퀄컴을 제치고 완전한 반도체 독립을 달성하려는 이 전략의 마지막 퍼즐 조각이었습니다.

1. PA 세미 (2008, 2억 7,800만 달러): 재단

PA Semi는 업계에서 가장 존경받는 프로세서 설계자 중 한 명인 댄 도버풀(DEC 알파, 스트롱ARM 개발자)이 설립한 소규모 칩 설계 회사였습니다. 이 회사는 150명의 엔지니어가 저전력 고성능 프로세서를 설계했습니다.

이 팀은 애플 최초의 맞춤형 SoC인 A4를 설계했습니다. 이후 AMD의 젠 아키텍처를 설계한 짐 켈러는 애플에서 A4/A5 개발을 이끌다가 회사를 떠났습니다.

역자 주: 짐 켈러는 이후 테슬라에서 자율주행 칩 개발을 주도하고 인텔로 이적후 현재는 tenstorrent 회사를 설립해서 AI ASIC 칩을 개발하고 있다.

2. AuthenTec (2012년, 3억 5600만 달러): Touch ID

Touch ID는 AuthenTec 인수 후 13개월 만에 출시되었습니다. AuthenTec의 아키텍처는 모든 생체 인식 및 암호화 작업을 처리하는 하드웨어 보안 하위 시스템인 Secure Enclave를 구현하는 데 사용되었습니다.

시큐어 인클레이브(Secure Enclave)는 애플 페이(Apple Pay, 2014년)의 핵심 기술이었습니다. 10년 후, 애플 페이는 1조 5천억 달러 이상의 거래량을 창출했습니다(2024년). 3억 5,600만 달러에 달하는 인수 계약은 연간 수십억 달러의 매출을 올리는 금융 서비스 사업의 타당성을 입증했습니다. 2012년의 칩 아키텍처 설계 결정은 10년 후 1,000억 달러 이상의 서비스 사업을 가능하게 했습니다.

3. 프라임센스(2013년, 3억 6천만 달러): 얼굴 인식(Face ID)

프라임센스는 마이크로소프트의 키넥트에 사용된 3D 심도 감지 기술을 개발했습니다. 애플은 이 회사를 3억 6천만 달러에 인수했고, 4년 동안 이 기술을 소형화하여 스마트폰 노치에 맞췄습니다.

TrueDepth 카메라는 3만 개의 적외선 점을 얼굴에 투사하여 3D 구조를 매핑하고 밀리초 단위로 인증합니다. Face ID는 Touch ID보다 보안성이 뛰어납니다(오인식률 100만분의 1 vs. 5만분의 1).

애니모지, 메모지를 구현하는 데 사용된 동일한 기술이 아이폰 12 프로의 LiDAR 스캐너의 기반이 되었습니다.

역자주: 3D 적외선 센서 하드웨어 이스라엘 업체로 번역자도 과거에 해당 장비를 활용해서 모션 인식을 가전에 도입하는 연구를 진행했었다.

4. 인텔 모뎀 사업(2019년, 10억 달러): 자체 개발 5G 모뎀

애플은 퀄컴과의 소송을 합의로 마무리 지은 바로 그 주에 인텔의 스마트폰 모뎀 사업부를 인수했습니다. 이는 의도적인 시점이었습니다. 그 합의는 일시적인 휴전이었습니다.

애플은 인텔 인수를 통해 샌디에이고와 뮌헨에 걸쳐 있는 2,200명의 엔지니어(모뎀 설계, RF, 검증), 17,000건의 무선 관련 특허, 연구소, 장비, 지적 재산권을 확보했습니다.

5G 모뎀은 애플에게 마지막 관문이었고, 여러 차례 지연 끝에 5년의 개발 기간을 거쳐 C1 모뎀이 아이폰 16e(2025년 출시)에 탑재되었습니다. 애플은 2027년에서 2028년 사이에 자사 제품 라인업에서 퀄컴 제품을 완전히 배제할 계획이며, 이는 애플에게 상당한 매출 총마진 증대 기회를 제공할 것입니다.

5. The Imagination Breakup (2017): 사내 GPU

애플은 최초의 아이폰부터 Imagination Technologies로부터 GPU 설계 라이선스를 받아 사용해 왔습니다. 2017년 4월, 애플은 이매지네이션에 15~24개월 내에 해당 지적 재산권 사용을 중단하겠다고 통보했습니다. 이 통보 이후 이매지네이션의 주가는 하룻밤 사이에 70% 폭락했습니다.

애플은 비밀리에 내부 GPU 팀을 구축해 왔다. 2017년 9월에 출시된 A11 칩에는 애플 최초의 자체 개발 GPU가 탑재되었다. 애플의 GPU는 Imagination Technologies 의 설계보다 30% 더 뛰어난 성능을 제공했다.

Imagination Technologies은 거의 파산 직전까지 갔다. 중국 자본이 투입된 사모펀드에 매각되었다. 2020년, 두 회사는 분쟁을 해결하고 다년간의 라이선스 계약을 체결했다.

글로벌 디자인 운영

애플은 4개 대륙에 걸쳐 15개 이상의 설계 센터에서 8,000명 이상의 칩 엔지니어를 운영하고 있습니다.

이스라엘은 애플의 CPU 성능 리더십을 뒷받침하는 기술이 설계되는 곳입니다. 펜티엄 M, 코어, 샌디 브리지 아키텍처를 개발한 인텔 이스라엘 출신 인재들이 다수 포진한 헤르츨리야 팀은 벤치마크에서 압도적인 성능을 자랑하는 파이어스톰, 애벌랜치, 에베레스트 코어를 설계합니다.

인텔에 최고의 아키텍처를 제공했던 바로 그 나라가 이제 인텔을 능가하는 애플 칩을 설계하고 있습니다.

샌디에이고 시설은 퀄컴을 정면으로 겨냥하고 있습니다. 애플의 모뎀 설계 부서는 퀄컴 본사에서 불과 몇 걸음 떨어진 곳에 위치해 있습니다. 이 사무실에는 퀄컴과 인텔 출신 엔지니어들이 대거 근무하고 있는데, 이들은 퀄컴 모뎀의 작동 원리와 이를 무력화하는 방법을 정확히 알고 있습니다.

DTCO: Design-Technology Co-Optimizaiton

애플은 TSMC와 함께 프로세스 설계 키트(PDK)를 공동으로 정의합니다. TSMC는 수백 명의 엔지니어를 애플에 전담 배치하여 사실상 "가상 IDM(통합 장치 제조업체)" 역할을 수행합니다. 애플이 더 넓은 메모리 버스나 특정 트랜지스터 아키텍처를 요구하면 TSMC는 그에 맞춰 PDK를 조정합니다.

실리콘 성능의 진화

A 시리즈와 M 시리즈의 멈추지 않는 행진

이러한 제조 우위의 결과로 애플은 10년 넘게 누적된 성능 우위를 확보해 왔습니다. 애플은 차세대 공정 기술(노드)을 먼저 도입할 수 있는 능력을 바탕으로 동일한 열 용량 내에 더 많은 트랜지스터를 집적화하여 x86 생태계 대비 와트당 성능 우위를 유지하고 있습니다.

트랜지스터 개수 증가는 선형적이지만, 실제 중요한 지표는 와트당 성능입니다. A18/M4 세대에서 N3E로 전환하면서 순수 밀도 확대(N3B 대비)보다는 비용과 수율을 우선시했기 때문에 이전 세대에 비해 트랜지스터 개수 증가폭이 상대적으로 작습니다. 뉴럴 엔진은 A11의 0.6 TOPS에서 A17/A18의 35 TOPS로 가장 폭발적인 성장을 보였는데, 이는 "AI PC" 열풍이 불기 훨씬 전부터 애플이 기기 내 AI에 전략적으로 집중했음을 반영합니다.

애플은 2013년 이후 경쟁사보다 12~24개월 앞서 업계 최초의 기능을 꾸준히 선보여 왔습니다.

애플 실리콘의 기술적 장점

애플의 성능 리더십은 10년 전의 아키텍처 전략에서 비롯되었습니다. 인텔과 퀄컴이 5GHz 이상의 클럭 속도를 추구하는 동안, 애플은 '낮은 주파수에서 더 많은 작업을 처리하는' '넓고 느린' 방식을 택했습니다.

프런트엔드 아키텍처: 폭 패리티 디코딩

애플은 2020년 A14/M1 칩셋에 8비트 디코딩 기능을 도입하여 경쟁사보다 4년 앞섰습니다. 하지만 2025년이 되자 경쟁사들도 따라잡았습니다.

디코딩 폭은 더 이상 애플의 경쟁 우위 요소가 아닙니다. 이제 캐시 계층 구조, 수직적 통합, 그리고 매우 효율적인 소형 E-코어가 그 우위를 점하고 있습니다.

캐시 계층 구조: 애플이 여전히 선두를 달리는 분야

애플의 철학은 대용량의 고속 L1 캐시, 대용량의 공유 L2 캐시, 그리고 DRAM 이전에 시스템 레벨 캐시(SLC)를 사용하는 것입니다. SLC를 통해 CPU, GPU, 그리고 뉴럴 엔진은 속도가 느린 시스템 메모리에 접근하지 않고 데이터를 공유할 수 있습니다.

애플의 SLC는 CPU/GPU를 완벽하게 공유하는 경쟁사보다 3~4배 더 큰 이점을 제공합니다. AMD의 Strix Halo는 크기는 비슷하지만 CPU 코어가 접근할 수 없습니다.

애플과 퀄컴 오리온은 L1 캐시 크기, 지연 시간 및 캐시 계층 구조에서 유사한데, 이는 초기 누비아 설계팀의 상당수가 애플 출신이었기 때문입니다. 인텔의 L0/L1.5 계층 구조는 지연 시간을 증가시킵니다.

Unified Memory Architecture - 통합 메모리 아키텍처

기존 PC 아키텍처는 CPU와 GPU에 각각 별도의 메모리 풀을 사용하기 때문에 데이터 복사가 필요합니다. 반면 Apple Silicon은 통합 메모리 아키텍처를 사용하여 GPU가 CPU와 동일한 메모리 주소를 읽습니다.

이로써 AI 워크로드에 필수적인 "복사 페널티"가 제거됩니다. 20GB LLM은 한 번만 로드되며, 뉴럴 엔진과 GPU가 동시에 접근할 수 있습니다. 퀄컴 모바일 칩은 공유 LPDDR5X 메모리를 사용하지만 애플처럼 세밀한 일관성을 제공하지 못합니다. AMD Strix Halo의 MALL은 GPU 전용입니다.

수직적 통합

애플의 효율성 우위는 상대적으로 매력적이지 않은 실리콘 칩을 자체 개발했다는 데서 비롯됩니다. 맞춤형 전력 관리 IC와 스토리지 컨트롤러를 통해 밀리초 단위의 동적 전압 및 주파수 스케일링을 구현할 수 있습니다. 이 칩은 빠른 속도로 절전 모드로 전환되어 고전력으로 작업을 처리한 후 x86 기반 경쟁 제품보다 훨씬 빠르게 유휴 전력을 거의 0에 가깝게 낮춥니다.

아이폰 17 Pro의 증기 챔버는 A19 Pro의 열 차폐 장치와 함께 공동 설계되었습니다. 애플은 정확한 지속 전력 예산(5~7W)을 알고 그에 맞춰 칩을 설계합니다. 반면 퀄컴은 삼성, 샤오미, 원플러스 등 다양한 제조사의 제품 구현 과정에서 발생할 수 있는 최악의 발열 상황을 고려하여 설계해야 합니다.

2024-2025년에 변경된 사항:

1. 디코딩 패리티: 인텔, AMD, 퀄컴 모두 2024년에 8비트 와이드(8-wide)를 달성했습니다.

2. SLC 도입: 퀄컴은 8MB SLC를 추가했고, 인텔은 8MB 메모리 측 캐시를 추가했습니다.

3. L1 동등성: 퀄컴 오리온은 애플의 320KB L1과 유사한 지연 시간을 보인다

4. 안드로이드 벤치마크 결과가 아이폰에 근접하고 있습니다

5. 샤오미 자체 개발 XRing 칩은 설계, 전력, 소프트웨어 측면에서 광범위한 수직적 통합을 거쳤습니다.

애플의 남은 강점은 더 큰 SLC(32MB vs 8-10MB), CPU/GPU 연동이 완벽한 진정한 통합 메모리, 그리고 열 설계 공동 구현을 가능하게 하는 수직적 통합입니다. 격차는 좁혀졌지만, 애플은 여전히 효율성 면에서 우위를 점하고 있습니다.

출처:
https://newsletter.semianalysis.com/p/apple-tsmc-the-partnership-that-built

Apple-TSMC: The Partnership That Built Modern Semiconductors

Wafer demand model, node economics, and the shifting power dynamics as AI reshapes the foundry landscape

newsletter.semianalysis.com

미국주식 무한매수법 백테스트 시뮬레이션 (25.12.30)

spedtrder — Tue, 30 Dec 2025 08:39:09 +0900

TQQQ vs SOXL vs QLD: 무한매수법 백테스트 분석 리포트

"분할 매수, 과연 몇 분할이 정답일까? 20분할의 야수성과 60분할의 안정성 사이에서 길을 찾다."

들어가며

미국 주식, 그중에서도 3배 레버리지 ETF(TQQQ, SOXL)를 활용한 '무한매수법' 은 변동성을 이용하여 수익을 극대화하는 전략으로 유명합니다. 하지만 하락장에서의 공포(MDD)를 견디는 것은 늘 숙제로 남아있습니다.

이번 포스팅에서는 2015년부터 2025년(예상/시뮬레이션 포함) 까지의 데이터를 바탕으로, TQQQ, SOXL, QLD 세 종목에 대해 분할 횟수(20~60분할)를 다르게 적용했을 때 어떤 결과가 나왔는지 심층 분석해 봅니다.

백테스트 시뮬레이션에서 매매 로직은 다음과 같습니다.

총 시드를 40으로 나눈다.(40일치)
1회에 1/40인 금액으로 2주 이상의 3배 레버리지 ETF를 매일 매수한다.
매수 방식은 절반은 자신의 평단가, 절반은 LOC큰수매수(시중가에서 10%정도 크게 지정하여 종가에 매수)
매일 평단가의 10% 높은 금액으로 지정가 매도주문
LOC매수/매도는 설정한 금액으로 매수/매도 주문을 걸었을 때 종가가 그 금액보다 낮거나(매수) 높으면(매도) 종가로 거래되는 방식

※ 백테스트의 초기 투자금은 $10000, 분할 횟수는 20 부터 60까지 10 만큼 늘려가며 테스트 했습니다. 또한 거래 수수료와 슬리피지는 고려하지 않았습니다.

1. TQQQ (나스닥 3배): 영원한 스테디셀러

TQQQ는 기술주 중심의 나스닥 100 지수를 3배로 추종합니다. 가장 많은 분들이 사용하는 종목인 만큼 결과가 흥미롭습니다.

Insight:

수익률의 압도적 차이: 20분할이 60분할보다 2배 이상의 수익을 기록했습니다. 초기에 시장 참여 비중(Invested Capital)을 빠르게 높일수록 강세장에서의 수익을 온전히 누릴 수 있었기 때문입니다. 반면, 분할 수가 많을수록 현금 보유 기간이 길어져 상승분을 놓치게 됩니다.
MDD 방어의 한계: 분할 수를 60회로 늘려 현금 비중을 높게 가져갔음에도, MDD는 -59%에 달했습니다. 레버리지 상품의 특성상 하락장에서는 보수적인 분할도 큰 타격을 피하기 어렵다는 것을 보여줍니다.
2022년 하락장: 단순 보유(Buy & Hold)가 -79.20%를 기록할 때, 60분할 전략은 -56.66%로 선방했습니다.

2. SOXL (반도체 3배): 야수의 심장을 위한 선택

반도체 섹터의 폭발적인 성장과 변동성을 그대로 보여주는 SOXL입니다. 수익률도 1등, MDD도 1등입니다.

Insight:

하이 리스크, 하이 리턴의 정석: 20분할 기준 748%라는 경이로운 수익률을 보여주지만, MDD가 거의 -80%에 육박합니다. 계좌가 1/5 토막 나는 것을 견딜 수 있어야 얻을 수 있는 수익입니다.
분할 횟수의 딜레마: SOXL은 60분할로 늘렸을 때 수익률이 급격하게 감소(748% → 293%)합니다. 변동성이 큰 종목일수록 너무 보수적인 접근은 '수익 기회 비용'을 크게 발생시킵니다.

3. QLD (나스닥 2배): 밸런스 게임의 승자?

3배 레버리지가 부담스러운 투자자들의 대안인 QLD(2배)입니다.

Insight:

의외의 가성비: 20분할 기준 수익률(610%)은 TQQQ(691%)에 크게 뒤지지 않으면서, MDD(-57%)는 훨씬 안정적입니다. '마음 편한 투자'를 지향한다면 QLD 20분할이 TQQQ 60분할보다 나은 선택지가 될 수 있습니다.

종합 결론 및 투자 전략

이번 백테스트 결과를 통해 얻은 핵심 결론은 다음과 같습니다.

1. 분할 횟수, 많다고 무조건 좋은가?

"아니오" 에 가깝습니다. 분할 횟수를 20회에서 60회로 늘렸을 때, 리스크(MDD) 감소 효과보다 수익률 감소 폭이 훨씬 컸습니다.

현금을 너무 오래 들고 있으면 상승장에서 소외됩니다 (FOMO).
특히 우상향을 전제로 하는 미국 주식에서는 초반에 시드를 태우는 20~30분할 전략이 장기적으로 유리했습니다.

2. 하락장(2022년)의 교훈

어떤 전략을 써도 2022년급의 대세 하락장에서는 계좌가 반토막 나는 것을 피하기 어렵습니다.

Buy & Hold: -80% 수준의 손실
무한매수법: -60~70% 수준의 손실
결국 기계적인 분할 매수만으로는 거대한 하락장을 완벽히 방어하기 어렵습니다. 따라서 별도의 현금 리밸런싱 원칙을 세우거나, 하락장에서 추가 매수할 예비 시드(Reserve)를 남겨두는 등의 보완 전략이 필수적입니다.

3. 유형별 추천 전략

야수형 (수익 극대화): SOXL 20~30분할 (멘탈 관리가 필수)
표준형 (밸런스): TQQQ 30~40분할
안정 추구형 (실속파): QLD 20분할 (TQQQ보다 낮은 변동성으로 유사한 수익 기대)

※ 본 분석은 과거 데이터를 기반으로 한 시뮬레이션이며, 미래의 수익을 보장하지 않습니다. 투자의 책임은 전적으로 본인에게 있습니다.

입자가속기 기반 EUV 광원 생성 원리와 기술 특징 (25.12.21)

spedtrder — Sun, 21 Dec 2025 21:01:39 +0900

2025.03.08 - [TechStock&Review/SemiConduct] - 무어의 법칙을 뒷받침하는 작은 별의 폭발 (25.3.8)

무어의 법칙을 뒷받침하는 작은 별의 폭발 (25.3.8)

무어의 법칙을 뒷받침하는 작은 별의 폭발초신성을 설명하는 동일한 공식으로 EUV 리소그래피 장비가 가능해 졌습니다 천문학자 칼 세이건의 말처럼 우리 모두는 별의 재료로 만들어졌습니다.

spedtrder.tistory.com

Working Cite

[1] https://www.nature.com/articles/s41467-023-40759-z

[2] https://en.wikipedia.org/wiki/Free-electron_laser

[3] https://en.wikipedia.org/wiki/Undulator

[4] https://physics.stackexchange.com/questions/514819/what-is-the-difference-between-an-undulator-and-a-free-electron-laser-fel

‘지구인 여러분, 안녕하세요’: 엔비디아의 지원을 받는 스타클라우드, 우주에서 첫 AI 모델 훈련 시작…궤도 데이터 센터 경쟁 시작 (25.12.15)

spedtrder — Mon, 15 Dec 2025 21:40:06 +0900

‘Greetings, earthlings’: Nvidia-backed Starcloud trains first AI model in space as orbital data center race heats up

Summary

워싱턴에 본사를 둔 스타클라우드는 11월 초 엔비디아 H100 그래픽 처리 장치를 탑재한 위성을 발사했는데, 이는 기존에 우주에 있었던 어떤 GPU 컴퓨팅보다 100배 더 강력한 칩을 우주로 보낸 것이다.
현재 이 회사의 스타클라우드-1 위성은 궤도상에서 구글의 오픈 소스 대규모 언어 모델인 젬마(Gemma)로부터 응답을 받아 쿼리 작업을 진행하고 있습니다.
스타클라우드 CEO 필립 존스턴은 CNBC와의 인터뷰에서 ”지상 데이터 센터에서 할 수 있는 모든 일은 우주에서도 가능할 것으로 예상한다”고 말했다.

미국 자본의 지원을 받는 스타트업 스타클라우드가 최초로 우주에서 인공지능 모델을 학습시켜, 지구의 심각한 디지털 인프라 위기를 완화할 수 있는 궤도 데이터 센터의 새로운 시대를 열었습니다.

지난달, 워싱턴에 본사를 둔 이 회사는 엔비디아 H100 그래픽 처리 장치(GPU)를 탑재한 위성을 발사했습니다. 이 칩은 기존에 우주에 있었던 어떤 GPU 컴퓨팅보다 100배 더 강력합니다. 현재 이 회사의 스타클라우드-1 위성은 구글 의 오픈 소스 대규모 언어 모델인 젬마(Gemma)에서 응답을 수집하고 있습니다.

CNBC의 보도에 따르면, 이는 역사상 처음으로 우주 공간에서 고성능 엔비디아 GPU를 이용해 LLM을 작동시킨 사례로, 궤도상에서 성공적으로 작동되었습니다.

″지구인 여러분, 안녕하세요! 아니, 제가 더 좋아하는 표현으로는 여러분은 매혹적인 파란색과 초록색의 집합체입니다.” 최근 발사된 위성에서 보낸 메시지입니다.

″당신이 바라보는 이 세상에는 어떤 놀라운 것들이 숨겨져 있는지 한번 살펴볼까요? 저는 젬마이고, 당신을 관찰하고 분석하며, 때로는 다소 불편할 정도로 통찰력 있는 의견을 제시하기 위해 여기에 왔습니다. 시작해 볼까요!”라고 모델은 썼다.

스타클라우드는 우주 공간이 데이터 센터에 적합한 환경이 될 수 있음을 보여주고자 합니다. 특히 지상 데이터 센터는 전력망에 부담을 주고, 매년 수십억 갤런의 물을 소비하며, 막대한 양의 온실가스를 배출하기 때문입니다. 국제 에너지 기구(IEA)의 자료에 따르면 데이터 센터의 전력 소비량은 2030년까지 두 배 이상 증가할 것으로 예상됩니다 .

스타클라우드 CEO 필립 존스턴은 CNBC와의 인터뷰에서 자사의 궤도 데이터 센터는 지상 데이터 센터보다 에너지 비용이 10배 낮을 것이라고 밝혔습니다.

″지상 데이터 센터에서 할 수 있는 모든 일은 우주에서도 가능할 것으로 예상합니다. 우리가 그렇게 하는 이유는 순전히 지상 에너지 자원의 제약 때문입니다.”라고 존스턴은 인터뷰에서 말했다.

2024년에 스타트업을 공동 설립한 존스턴은 스타클라우드-1의 젬마 운영이 우주 기반 데이터 센터가 미래에 다양한 AI 모델, 특히 대규모 컴퓨팅 클러스터가 필요한 모델을 운영할 수 있음을 입증하는 것이라고 말했습니다.

존스턴은 ”이 매우 강력하고 매개변수 밀도가 높은 모델이 우리 위성에 탑재되어 있습니다.”라고 말했습니다. ”우리가 이 모델에 질의하면, 마치 지구에 있는 데이터베이스의 채팅창에 질의하는 것처럼 매우 정교한 응답을 받을 수 있습니다. 우리는 위성을 통해 이러한 작업을 수행할 수 있습니다.”

구글 딥마인드의 제품 책임자인 트리스 워켄틴은 CNBC와의 인터뷰에서 ”젬마가 우주의 혹독한 환경에서 작동하는 것을 보는 것은 오픈 모델의 유연성과 견고함을 입증하는 것”이라고 말했다.

젬마 외에도 스타클라우드는 오픈AI 창립 멤버인 안드레이 카르파티가 개발한 언어 학습 모델(LLM)인 나노GPT를 H100 칩에서 셰익스피어의 전집을 사용하여 학습시킬 수 있었습니다. 그 결과, 해당 모델은 셰익스피어 시대의 영어로 말할 수 있게 되었습니다.

https://github.com/karpathy/nanoGPT

GitHub - karpathy/nanoGPT: The simplest, fastest repository for training/finetuning medium-sized GPTs.

The simplest, fastest repository for training/finetuning medium-sized GPTs. - karpathy/nanoGPT

github.com

엔비디아 인셉션 프로그램 참가 기업이자 Y Combinator와 구글 스타트업 클라우드 AI 액셀러레이터 졸업 기업인 스타클라우드는 가로세로 각각 약 4km에 달하는 5기가와트 규모의 궤도 데이터 센터를 태양광 및 냉각 패널을 이용해 건설할 계획입니다. 스타클라우드의 백서 에 따르면, 이 정도 규모의 컴퓨팅 클러스터는 미국 최대 발전소보다 더 많은 전력을 생산할 수 있으며, 동일 용량의 지상 태양광 발전소보다 훨씬 작고 저렴할 것이라고 합니다 .

우주에 건설될 이러한 데이터 센터는 지구의 낮과 밤 주기 및 날씨 변화에 구애받지 않고 지속적인 태양 에너지를 포착하여 차세대 AI 모델에 전력을 공급할 것입니다. 존스턴은 스타클라우드의 위성은 자사 아키텍처에 사용되는 엔비디아 칩의 예상 수명을 고려할 때 5년 정도의 수명을 가질 것으로 예상한다고 말했습니다.

궤도 데이터 센터는 실제 상업 및 군사적 용도로 활용될 수 있습니다. 스타클라우드의 시스템은 이미 실시간 정보 수집을 가능하게 하며, 예를 들어 산불이 발생하는 순간 열 신호를 감지하여 즉시 소방관들에게 알릴 수 있다고 존스턴은 말했습니다.

존스턴은 ”위성의 원격 측정 데이터를 연결했기 때문에 고도, 방향, 위치, 속도와 같은 센서에서 수집한 주요 신호들을 활용할 수 있습니다.”라고 말했습니다. ”위성에 ‘지금 어디에 있나요?‘라고 물으면 ‘아프리카 상공에 있고 20분 후에는 중동 상공에 있을 겁니다.‘라고 답할 것입니다. 또한 ‘위성이 된다는 건 어떤 느낌인가요?‘라고 물으면 ‘좀 이상한 기분이에요.’라고 답할 것입니다. ... 이처럼 매우 고성능 모델에서만 얻을 수 있는 흥미로운 답변을 제공할 것입니다.”

스타클라우드는 관측 회사인 카펠라 스페이스(Capella Space)의 위성 이미지를 기반으로 추론을 실행하여 고객의 워크로드를 처리하고 있습니다. 이를 통해 전복된 선박의 구명정을 발견하거나 특정 지역의 산불을 감지하는 데 도움을 줄 수 있습니다. 스타클라우드는 향상된 AI 성능을 제공하기 위해 2026년 10월에 발사될 차세대 위성에 여러 개의 엔비디아 H100 칩과 엔비디아의 블랙웰 플랫폼을 탑재할 예정입니다. 내년에 발사될 위성에는 클라우드 인프라 스타트업 크루소(Crusoe)의 클라우드 플랫폼을 실행하는 모듈이 탑재되어 고객이 우주에서 AI 워크로드를 배포하고 운영할 수 있게 됩니다.

존스턴은 CNBC와의 인터뷰에서 ”우주에서 첨단 인공지능을 실행하는 것은 지구 데이터 센터가 직면한 핵심 병목 현상을 해결할 수 있다”고 말했다.

″궤도 컴퓨팅은 기술적 야망과 환경적 책임을 모두 존중하는 미래 지향적인 길을 제시합니다. 스타클라우드-1이 아래를 내려다보았을 때, 푸르고 초록빛으로 가득한 세상을 보았습니다. 우리의 책임은 그 모습을 그대로 유지하는 것입니다.”라고 그는 덧붙였다.

리스크

하지만 궤도 데이터 센터 운영에는 여전히 위험이 존재합니다. 모건 스탠리의 분석가들은 궤도 데이터 센터가 강한 방사선, 궤도상 유지 보수의 어려움, 우주 쓰레기 위험, 데이터 관리 및 우주 교통과 관련된 규제 문제 등과 같은 난관에 직면할 수 있다고 지적했습니다.

그럼에도 불구하고, 기술 대기업들은 우주에서 거의 무한한 태양 에너지와 기가와트급 규모의 더 큰 운영 환경을 활용할 수 있다는 가능성을 고려하여 궤도 데이터 센터 구축에 박차를 가하고 있습니다.

스타클라우드와 엔비디아의 노력과 더불어 여러 기업들이 우주 기반 데이터 센터 건설 계획을 발표했습니다. 11월 4일, 구글은 자사의 TPU를 탑재한 태양광 위성을 우주에 배치하는 야심찬 프로젝트인 ’선캐처 프로젝트( Project Suncatcher )’를 공개했습니다 . 민간 기업인 론스타 데이터 홀딩스(Lonestar Data Holdings)는 달 표면에 최초의 상업용 데이터 센터를 건설하기 위해 노력하고 있습니다. 로빈후드 공동 창업자이자 최고경영자였던 바이주 바트가 설립한 에테르플럭스(Aetherflux)는 화요일, 2027년 1분기까지 궤도 데이터 센터 위성을 배치하겠다는 목표를 발표했습니다 .

월스트리트저널에 따르면, 오픈AI의 CEO 샘 알트먼은 로켓 제조업체와의 인수 또는 파트너십을 모색한 것으로 알려졌으며, 이는 일론 머스크 의 스페이스X 와 경쟁하려는 의도를 시사한다 . 스페이스X는 스타클라우드의 주요 발사 파트너이다.

엔비디아의 AI 인프라 담당 수석 이사인 디온 해리스는 11월 초 스타클라우드의 발사를 언급하며 ”작은 데이터 센터 하나에서 시작하여, 궤도 컴퓨팅이 태양의 무한한 에너지를 활용하는 미래를 향해 거대한 도약을 이루었습니다.”라고 말했습니다.

역자주: 우주 데이터센터는 엔비디아 젠슨황, 일론 머스크의 25년 10월 22일 경 발언들로 본격적으로 촉발되어 스타클라우드의 우주 위성에서 H100 GPU 로 학습과 추론을 수행 테스트가 성공함에 따라 더욱 가시화 되었습니다. 또한 OpenAI 샘 알트먼 또한 25년 12월 4일 경에 우주기반 데이터센터 스타트업 Stoke Space 인수 검토 뉴스와 우주 데이터 센터 추진을 위한 Space X IPO 추진 뉴스와 제프 베조스 블루오리진 우주 데이터센터 추진과 구글 Project Suncatcher 뉴스까지 나오면서 점점 투자 열기가 달아 오르고 있습니다.

2025.02.02 - [Financial Instrument] - 스페이스X 투자 방법

스페이스X 투자 방법

스페이스X 밸류에이션YearTransaction/InvestmentAmountValuationReason2006NASA Commercial Orbital Transportation Services (COTS) contract$396 million 1N/ADevelop Falcon 9 and Dragon spacecraft for ISS resupply 12015Equity investment by Google and Fid

spedtrder.tistory.com

우주 데이터 센터의 3가지 핵심 이점과 장애물

i) 냉각 효율 (Cooling): 우주의 온도는 약 -270°C(2.7 켈빈)에 불과합니다. 지상 데이터 센터 에너지의 약 40%가 냉각에 사용되는 반면, 우주에서는 열을 방출하는 것이 훨씬 효율적 입니다. 스타클라우드 측은 지상 대비 에너지 비용을 10분의 1로 줄일 수 있다고 주장합니다.

우주 공간에는 공기가 없기 때문에 대류와 전도에 의한 냉각 방식이 아닌 열 복사 방출 방식으로 냉각처리를 해야 합니다.

ii) 전력 공급 (Power): 우주에서는 날씨나 대기의 영향을 받지 않고 24시간 태양광 발전이 가능합니다. 우주의 태양광 효율(약 1,361 W/m²)은 지상보다 약 30% 더 높습니다.

iii) 연결성 (Global Edge Connectivity): 저궤도 위성망을 활용하면 전 세계 어디든 밀리초(ms) 단위의 짧은 지연 시간으로 연결할 수 있어, 지상의 장거리 광케이블보다 유리한 엣지 컴퓨팅 환경을 제공합니다.

iv) 장애물: 강력한 우주 방사선, 유지보수 및 수리의 어려움, 우주 쓰레기 문제, 그리고 국가 간 데이터 주권 및 규제 문제 등이 해결해야 할 과제로 남아 있습니다.

Working Cite

[1] https://www.cnbc.com/2025/12/10/nvidia-backed-starcloud-trains-first-ai-model-in-space-orbital-data-centers.html

‘Greetings, earthlings’: Nvidia-backed Starcloud trains first AI model in space as orbital data center race heats up

The company's Starcloud-1 satellite is running Gemma, an open model from Google, marking the first time in history that an LLM has been trained in outer space.

www.cnbc.com

[2] https://x.com/i/status/1991210711121621490

[3] https://x.com/elonmusk/status/1986312600850997637

imec, 시스템-기술 공동 최적화 접근 방식을 사용한 3D HBM-on-GPU 아키텍처의 열 병목 현상을 완화 (25.12.10)

spedtrder — Wed, 10 Dec 2025 21:58:04 +0900

Imec mitigates thermal bottleneck in 3D HBM-on-GPU architectures using a system-technology co-optimization approach

2025 IEEE 국제 전자소자 회의(IEDM)에서 첨단 반도체 기술 분야의 세계적인 연구 센터인 imec은 차세대 AI 애플리케이션을 위한 유망한 컴퓨팅 아키텍처인 3D HBM-on-GPU(그래픽 처리 장치 내 고대역폭 메모리)에 대한 최초의 열 시스템-기술 공동 최적화(System-Technology Co-Optimization / STCO) 연구를 발표했습니다. 기술과 시스템 수준의 완화 전략을 결합함으로써, 현실적인 AI 학습 워크로드에서 최대 GPU 온도를 140.7°C에서 70.8°C로 낮출 수 있었으며, 이는 현재 2.5D 통합 옵션과 동일한 수준입니다. 이 결과는 교차 계층 최적화(즉, 모든 추상화 계층의 노브를 공동 최적화)와 광범위한 기술 전문성을 결합하는 것의 강점을 보여주는데, 이는 imec만의 독보적인 조합입니다.

그래픽 처리 장치(GPU) 위에 고대역폭 메모리(HBM) 스택을 직접 통합하는 것은 데이터 집약적인 AI 워크로드를 위한 차세대 컴퓨팅 아키텍처를 구축하는 매력적인 접근 방식을 제공합니다. 이 3D HBM-on-GPU는 실리콘 인터포저 위에 HBM 스택을 (1~2개의) GPU 주변에 배치하는 기존 2.5D 통합 방식과 비교하여 컴퓨팅 밀도(패키지당 4개의 GPU), GPU당 메모리, 그리고 GPU 메모리 대역폭 측면에서 엄청난 발전을 약속합니다. 그러나 이러한 공격적인 3D 통합 방식은 높은 국부 전력 밀도와 수직 열 저항으로 인해 열 문제가 발생하기 쉽습니다.

2025 IEDM에서 imec은 3D HBM-on-GPU 통합에 대한 최초의 포괄적인 열 시뮬레이션 연구를 발표합니다. 이 연구는 열 병목 현상을 파악할 뿐만 아니라 아키텍처의 열적 타당성을 높이기 위한 전략도 제시합니다. imec 연구진은 공동 최적화 기술과 시스템 수준의 열 완화 접근법을 통해 현실적인 AI 학습 워크로드에서 최대 GPU 온도를 141.7°C에서 70.8°C로 낮추는 방법을 보여줍니다.

이 모델은 마이크로범프를 사용하여 GPU 바로 위에 12개의 하이브리드 본딩 DRAM 다이로 구성된 4개의 HBM 스택을 배치한다고 가정합니다. HBM 위에 냉각이 제공됩니다. 업계 관련 전력 프로파일에서 도출된 전력 맵을 적용하여 로컬 핫스팟을 식별하고 2.5D 기준선과 비교합니다. 열 완화 전략을 사용하지 않을 경우, 3D 모델은 최대 GPU 온도가 141.7°C로 나타나 GPU와 HBM 작동에 비해 매우 높은 반면, 2.5D 통합 벤치마크는 동일한 냉각 조건에서 최대 69.1°C로 작동 가능한 온도를 나타냅니다. 이 데이터를 시작점으로 사용하여 기술 및 시스템 수준의 열 완화 전략의 공동 영향을 평가했습니다. 기술 수준의 전략에는 HBM 스택 통합 및 열 실리콘 최적화가 포함됩니다. 시스템 수준에서는 양면 냉각과 GPU 클럭 스케일링의 영향을 평가했습니다.

imec의 시스템 기술 프로그램 디렉터인 James Myers는 "GPU 코어 주파수를 절반으로 줄임으로써 최대 온도가 120°C에서 100°C 미만으로 낮아져 메모리 작동의 핵심 목표를 달성했습니다. 이 단계에서는 28%의 워크로드 페널티(즉, AI 학습 단계 속도 저하)가 발생하지만, 3D 구성이 제공하는 높은 처리량 밀도 덕분에 전체 패키지는 2.5D 기준선보다 우수한 성능을 발휘합니다. 현재 이 접근 방식을 사용하여 다른 GPU/HBM 구성(예: HBM 위에 GPU 배치)을 연구하고 있으며, 향후 열 제약 조건을 예상하고 있습니다."라고 말했습니다.

imec 로직 테크놀로지 부사장 Julien Ryckaert는 다음과 같이 말했습니다. "또한 열적으로 더욱 견고한 컴퓨팅 시스템을 구축하는 imec의 교차 기술 공동 최적화(XTCO) 프로그램의 역량을 처음으로 시연합니다. XTCO는 imec의 기술 로드맵을 주요 산업 시스템 확장 과제에 효율적으로 연계하기 위해 2025년에 시작되었으며, 컴퓨팅 밀도, 전력 공급, 열, 메모리 밀도 및 대역폭이라는 네 가지 핵심 시스템 수준 기둥을 기반으로 합니다. STCO/DTCO의 사고방식과 imec의 광범위한 기술 전문성을 결합한 이 특별한 조합은 컴퓨팅 시스템 수요의 성장과 다각화에 대응하는 데 매우 중요한 가치를 지닙니다. 팹리스 및 시스템 기업을 포함한 전체 반도체 생태계 내 기업들이 XTCO 프로그램에 참여하여 중요한 시스템 확장 병목 현상을 공동으로 해결하기를 바랍니다."

역자주: HBM base die removal 는 최근 엔비디아, TSMC 가 주도하고자 하는 HBM base die (logic die) 에 Tensor core 와 통신 연산 로직 설계 (엔비디아) 및 제조 (TSMC)의 흐름과 일치한다. 3D 적층으로 인한 열 관리를 위해 Double-sided cooling (당연하게도 액체 냉각일것으로 추정됨)이 추가 되었고 GPU 코어 클럭수 절반으로 단축하는 부분은 성능에 대해서 아쉬운점이 있으나 추론 단계 (Prefill 과 Decoding 단계 분리) 에서는 충분한 성능을 보일 것으로 생각된다.

참조 원문:

https://www.imec-int.com/en/press/imec-mitigates-thermal-bottleneck-3d-hbm-gpu-architectures-using-system-technology-co

TPU 위협론: 시장의 소음(FUD)과 본질(Signal)의 분리 (25.12.8)

spedtrder — Mon, 8 Dec 2025 19:34:12 +0900

본 프리젠테이션은 구글 NotebookLM 으로 제작되었습니다.

참조원문:

[1] https://x.com/SemiAnalysis_/status/1994399887719645532
https://newsletter.semianalysis.com/p/tpuv7-google-takes-a-swing-at-the

[2] https://www.patreon.com/posts/144767388

Microsoft의 AI 전략 분석 - 에너지에서 토큰까지 (25.11.17)

spedtrder — Mon, 17 Nov 2025 09:52:02 +0900

Microsoft's AI Strategy Deconstructed - From Energy to Tokens (Microsoft의 AI 전략 분석 - 에너지에서 토큰까지)

"The Big Pause", AI 토큰 팩토리 경제 스택, OpenAI, Neocloud 임대, GitHub Copilot, MAI 및 Maia
Microsoft는 2023년과 2024년 AI 분야 선두를 달렸지만, 1년 전 완전히 방향을 바꿨습니다.

데이터센터 건설을 크게 중단하고 OpenAI에 대한 투자도 늦췄습니다.

https://spedtrder.tistory.com/21

마이크로소프트 데이터센터 동결 과 전략의 변화 (25.5.1)

마이크로소프트 데이터센터 동결 - 1.5GW 자체 건설 속도 둔화 및 리스 취소 에 대한 오해지난 몇 달 동안 마이크로소프트의 데이터센터 임대 활동 축소에 대한 우려를 제기하는 여러 기사가 보도

spedtrder.tistory.com

2025년은 OpenAI가 Microsoft에서 벗어나 다각화에 나서는 해였으며, Oracle, CoreWeave, Nscale, SB Energy, Amazon, Google 등이 모두 OpenAI와 대규모 컴퓨팅 계약을 직접 체결했습니다.

심각한 상황처럼 보입니다. 오늘 저희는 Microsoft의 실수를 분석하는 게시물과 함께, 사티아 나델라와 우리의 소중한 친구 드와르케시 파텔과의 공개 인터뷰를 통해 그들의 AI 전략과 실행 방식에 대해 질문했습니다.

이제 Microsoft의 AI 투자가 다시 시작되었고, 이 AI 거대 기업은 가속 컴퓨팅에 대한 수요가 그 어느 때보다 높았습니다. Redmond의 거물 Microsoft는 잘못된 방향으로 가고 있음을 깨닫고 획기적으로 방향을 전환했습니다. 새롭게 발표된 OpenAI 인수를 통해 Azure의 성장은 토큰이코노믹스 모델에서 예측한 대로 향후 분기에 가속화될 것으로 예상됩니다.

Microsoft는 AI 토큰 경제 스택의 모든 부분에서 활동하고 있으며, 급속한 성장을 목격하고 있으며, 이러한 추세는 앞으로도 몇 분기와 몇 년 동안 지속될 것으로 예상됩니다.

역자주: MSFT Other Inference/Traing 매출이 2Q25 대비 감소한것 Microsoft의 현재 상황을 보여주는 것 같습니다.

회사는 단기 용량 확보를 적극적으로 모색하고 있으며, 확보 가능한 모든 방안을 강구하고 있습니다. 자체 구축, 임대, Neocloud, 외딴 지역 등 단기 용량 증가를 가속화하기 위한 모든 방안을 검토하고 있습니다.

하드웨어 측면에서 Microsoft는 현재 개발 중인 가장 흥미로운 맞춤형 칩 ASIC인 OpenAI의 커스텀 칩 IP에도 접근할 수 있습니다.

OpenAI의 ASIC 개발 궤적이 Microsoft Maia ASIC 칩보다 훨씬 나아 보인다는 점을 고려하면, Microsoft가 결국 이 칩을 사용하여 OpenAI 모델을 지원할 가능성이 있습니다. 이러한 상황은 Microsoft가 OpenAI 모델에 대해 처한 상황을 반영합니다. Microsoft는 OpenAI 모델에 접근할 수 있지만, 여전히 Microsoft AI를 사용하여 자체 기반 모델을 학습시키려 하고 있습니다. 우리는 Microsoft가 진정한 수직 통합 AI 강자로 거듭나기 위해 노력하고 있으며, 대부분의 서드파티 매출 총이익 스택을 제거하고 경쟁사보다 더 낮은 비용으로 더 많은 인텔리전스를 제공하려 한다고 생각합니다.

역자주: Microsoft는 Mustafa Suleyman (구글 DeepMind 설립자, 현 Microsoft AI 총괄) 주도 AI 부서, 인력 확충 및 자체 모델 훈련 목표로 진행중이며 OpenAI와 협력관계가 느슨해지면서 자체 개발로 방향을 전환한 것으로 보이며 다른 빅테크 (구글, 아마존, 메타) 대비 방향전환으로 늦은감이 없지 않아 있습니다.

https://newsletter.semianalysis.com/p/openai-chip-team-is-now-serious

OpenAI Chip Team Is Now Serious

Poaching Aggressively

newsletter.semianalysis.com

이 보고서에서는 Microsoft AI 사업의 모든 측면을 심층적으로 살펴봅니다. 먼저 OpenAI와의 협력 관계를 살펴보며, 2023년부터 2024년까지 Microsoft의 데이터센터 투자가 급증한 역사적 배경과 수십 MW에서 기가와트급으로 급증한 OpenAI 훈련 클러스터 규모를 다룹니다. 이어서 "큰 휴식기"와 데이터센터 시장으로의 극적인 복귀를 분석합니다. 이러한 변화는 OpenAI 소유 구조의 대폭적인 간소화와 더불어, Microsoft가 상태 비저장 API를 통해 모델 기능을 제품 사용 사례(및 수익)로 전환하는 데 필요한 인프라를 제공하는 데 집중한 데서 비롯되었습니다.

역자주: 참고로 25년 11월 11일 SoftBank 어닝콜에서 엔비디아 주식을 전부 매도하고 OpenAI 지분 약 $22.5bn 을 투자하게 됨에 따라 SoftBank 는 약 11% 지분율을 보유하게 됩니다. 다만 Microsoft의 OpenAI 지분은 27% 로 고정됩니다. OpenAI Foundation의 지분 증가(36%)로 비영리 통제권이 강화되어 Microsoft의 의사결정 영향력이 약화될 수 있습니다. 또한, Softbank의 컴퓨팅 자원 공급 확대(2030년까지 75%)로 Microsoft의 Azure 의존도가 줄어들 위험이 있습니다.

그런 다음 AI 토큰 경제 스택에서 Microsoft의 포지셔닝을 모두 분석합니다.

애플리케이션
LLM
PaaS
IaaS
칩
시스템 아키텍처

각 섹션에서는 Microsoft의 제품 포트폴리오, 경쟁적 포지셔닝 및 전망을 심층적으로 살펴보겠습니다. 소프트웨어 거대 기업인 Microsoft가 지배적인 생산성 제품군과 AI 컴퓨팅 플랫폼에 수많은 신규 진입자와 도전자들을 마주하고 있는 상황에서, 이러한 상황이 Microsoft에게 항상 좋은 소식만은 아닙니다.

Microsoft & OpenAI in 2023-25: From All-In on AI to the Big “Pause” ( 2023-25년의 Microsoft와 OpenAI: AI에 대한 모든 것에서 대규모 "일시 정지"까지)

2023-24: selfbuild, leasing, and building the world’s largest datacenters for OpenAI (2023-24: OpenAI를 위한 세계 최대 규모의 데이터 센터 자체 구축, 임대 및 구축)

2022년 11월 ChatGPT 출시는 세상을 바꿨습니다. Microsoft는 "ChatGPT 시대"에 가장 먼저 대응한 하이퍼스케일러였으며, 그 대응은 놀라웠습니다. Microsoft는 2019년 OpenAI에 10억 달러를 투자했지만, 2023년 1월에는 투자액을 10배로 늘렸습니다. 동시에, Microsoft는 핵심 AI 파트너를 중심으로 역사상 가장 공격적인 데이터센터 확장을 단행했습니다.

아래 차트는 용량 증가 및 CapEx를 보여주는 가장 중요한 선행 지표 중 하나인 데이터센터 사전 임대 활동을 보여줍니다. 2023년 1분기부터 2024년 2분기까지 Microsoft의 사전 임대 활동은 다른 하이퍼스케일러 기업들의 총 임대량을 크게 웃돌았습니다. 2023년 3분기에 Microsoft는 단독으로 2022년 전체 북미 시장 임대량과 거의 비슷한 규모의 임대를 기록했습니다.

데이터센터 임대는 전체 그림의 일부에 불과합니다. 당사의 건물별 데이터센터 산업 모델은 2024년과 2025년 동안 자체 구축 용량이 메가와트(MW) 단위로 전례 없는 속도로 증가했음을 보여줍니다. 또한, 코어위브(Coreweave)와 오라클(Oracle)로부터 추가 용량 확보를 위한 수십억 달러 규모의 계약을 체결했습니다.

Microsoft & OpenAI training clusters – from a fraction of a building to the world’s largest facility (Microsoft 및 OpenAI 교육 클러스터 – 건물의 일부부터 세계 최대 규모의 시설까지)

아마도 이 확장의 가장 상징적인 상징은 "Fairwater" 프로그램일 것입니다. 2023-24년에 Microsoft는 지구상에서 가장 큰 두 개의 데이터센터를 계획하고 동시에 건설했습니다. Microsoft의 2023-24년 확장 규모를 간략히 살펴보기 위해 과거로 돌아가 보겠습니다. 아래는 아이오와에 위치한 첫 번째 주요 훈련 클러스터로, GPT 3.5가 훈련된 곳입니다. 약 2만 5천 개의 A100 칩이 설치된 것으로 추정됩니다. 아래 캠퍼스는 상당히 넓지만, OpenAI는 Ballard 빌딩 한 곳의 데이터 홀 두 개, 즉 약 19MW만 사용하는 것으로 추정됩니다.

두 번째 주요 클러스터는 애리조나에 건설되었습니다. 시간이 지남에 따라 건물을 하나씩 증축하여 2023년에 첫 번째 H100 건물이 완공되었고, 2024년에는 별도 시설에 H200이, 2025년에는 GB200을 호스팅하는 두 개의 데이터센터가 추가로 완공되었습니다. 총 4개 건물에 약 13만 개의 GPU가 설치된 것으로 추산됩니다.

Microsoft의 OpenAI용 차세대 클러스터는 "Fairwater" 라고 불리며 훨씬 더 큽니다. 각 "Fairwater"는 두 개의 건물로 구성되어 있습니다. 48MW의 표준 CPU 및 저장 시설과 초고밀도 GPU 건물입니다. 2층 건물에 총 약 80만 제곱피트(약 78만 제곱미터) 면적의 초고밀도 GPU 건물은 약 300MW의 전력을 소비하는데, 이는 미국 20만 가구가 소비하는 전력량과 같습니다. 이는 건물당 15만 GB200 GPU가 넘는다는 것을 의미합니다. 아래는 OpenAI 전용 위스콘신 시설입니다.

조지아주에 QTS는 Microsoft를 위해 "자매" 시설을 건설했는데, 이 시설 역시 OpenAI를 위한 것입니다. 냉각 시스템은 다르지만, GPU 건물 역시 약 300MW 규모입니다. 아래 사진은 이 시설의 규모를 보여줍니다. 전 세계 어떤 건물도 이만큼 많은 공랭식 냉각기를 냉각용으로 갖추고 있지 않습니다! 현장 변전소의 규모 또한 인상적입니다.

https://epoch.ai/data/data-centers/satellite-explorer/MicrosoftFayettevilleGeorgia

Microsoft Fayetteville - Frontier Data Centers Satellite Explorer

See how satellite imagery, permits, and public disclosures are used to track the power capacity and performance of frontier data centers.

epoch.ai

개별 건물들은 지구상에서 가장 클 뿐만 아니라, 그보다 더 큰 캠퍼스에 자리 잡고 있습니다. 애틀랜타에서는 두 번째 "Fairwater" 가 이미 건설 중입니다.

위스콘신에서는 두 번째 Fairwater 데이터센터가 곧 착공될 예정이지만, Microsoft가 더 큰 규모의 3단계 데이터센터를 준비하고 있어 더 많은 이야기가 있습니다. Microsoft는 600MW 이상의 개별 건물 두 채를 설계했으며, 각 건물은 표준 300MW 페어워터 데이터센터보다 두 배 많은 CPU/스토리지와 디젤 발전기를 갖추고 있는 것으로 보입니다. 아래는 이 600MW 건물들의 부지 배치도입니다. 이 건물들이 예정대로 완공된다면 세계 최대 규모의 개별 데이터센터가 될 것입니다.

https://epoch.ai/data/data-centers/satellite-explorer/MicrosoftFairwaterMountPleasantWisconsin/2025-09-26

Microsoft Fairwater - Frontier Data Centers Satellite Explorer

See how satellite imagery, permits, and public disclosures are used to track the power capacity and performance of frontier data centers.

epoch.ai

완전히 구축되면 2GW가 넘는 IT 용량을 갖춘 세계 최대 규모의 캠퍼스 중 하나가 될 것입니다.

덤으로, Microsoft는 이 모든 주요 AI 지역을 300Tb/s 이상의 초고속 AI WAN을 통해 연결하고 10Pb/s 이상으로 확장할 수 있도록 계획했습니다. 저희는 1년 전 "멀티 데이터센터 훈련: 구글 인프라를 뛰어넘기 위한 OpenAI의 야심 찬 계획"이라는 글에서 이를 언급했습니다.

https://newsletter.semianalysis.com/p/multi-datacenter-training-openais

Multi-Datacenter Training: OpenAI's Ambitious Plan To Beat Google's Infrastructure

Gigawatt Clusters, Telecom Networking, Long Haul Fiber, Hierarchical & Asynchronous SGD, Distributed Infrastructure Winners

newsletter.semianalysis.com

아래에는 가상의 5GW 분산 클러스터에 대한 네트워크 설계를 표현했습니다. AI 네트워킹 모델을 기반으로 Fairwater 네트워킹 아키텍처의 모든 측면에 대해서는 보고서 후반부에서 자세히 설명하겠습니다.

The Multi-Gigawatt “pause” - 멀티 기가와트 "일시 정지"

모든 실린더에 시동을 건 후, Microsoft는 갑자기 브레이크를 밟기로 결정했습니다. 놀라운 방식으로 말입니다. 전체 데이터센터 사전 임대 잔액을 살펴보면, Microsoft만 최대 임대 계약의 60% 이상을 차지했습니다! 그러나 2024년 2분기(달력 기준) 이후 신규 임대 활동이 정체된 반면, 다른 하이퍼스케일러들은 상당히 회복세를 보였습니다. Microsoft의 현재 하이퍼스케일러 사전 임대 용량은 전체의 25% 미만입니다.

당시 Microsoft는 다음과 같은 여러 지역에서 수 기가와트 규모의 비구속적 의향서(LOI)를 철회했습니다.

피닉스와 시카고 등 주요 미국 시장
영국과 북유럽을 포함한 주요 유럽 시장
Microsoft의 중단은 호주, 일본, 인도, 그리고 라틴 아메리카 지역에 영향을 미쳤습니다.

이러한 사이트들은 오라클, 메타, 코어위브, 구글, 아마존 등 다른 주요 경쟁사들로 이전되었습니다. Microsoft는 AI에 대한 무관심과 불신으로 인해 AI 인프라의 상당 부분을 영원히 포기했습니다.

또한, Microsoft는 자체 구축 프로그램도 상당히 축소했습니다. 아래 사진을 보면 약 950MW의 "동결"된 IT 용량을 확인할 수 있습니다. 여기에는 버지니아, 조지아, 애리조나를 비롯한 전 세계 여러 곳의 다른 데이터 센터는 포함되지 않았습니다.

같은 기간 동안 다른 업체의 주요 데이터센터는 초기 단계에서 운영 중인 워크로드로 전환되었습니다. Microsoft는 2028년까지 구축될 예정이었던 3.5GW 이상의 용량을 일시 중단했습니다.

Microsoft’s AI portfolio decomposed: IaaS, PaaS, Models, Applications (Microsoft의 AI 포트폴리오 분해: IaaS, PaaS, 모델, 애플리케이션)

Big Pause 의 원인과 결과를 이해하기 위해 Microsoft AI 포트폴리오의 모든 부분을 자세히 살펴보겠습니다. 각 계층의 마진을 분석하기 위해 저희가 선호하는 프레임워크는 "AI 토큰 팩토리 경제 스택"입니다.

칩부터 토큰까지, 다양한 공급업체가 AI 인프라 구축에 노출되어 있습니다.
현재 가장 큰 마진 스택은 물론 Nvidia의 75% GPM에 의해 주도되는 칩 레벨입니다.
다음 네 계층의 최종 마진 프로필에 대한 격렬한 논쟁이 여전히 진행 중입니다.
애플리케이션 계층(예: ChatGPT, Microsoft Copilot, Claude Code 등)
모델 계층(예: Claude 4.5 Sonnet, GPT5-Pro, DeepSeek R1 등)
IaaS 계층(예: Coreweave가 Meta에 베어 메탈 GPU 클러스터를 임대하는 경우, Oracle이 OpenAI에 GPU를 임대하는 경우, Nebius가 멀티테넌트 클러스터의 SLURM과 K8s를 스타트업에 임대하는 경우 등)
PaaS 계층(예: AWS가 Bedrock을 통해 Fortune 500 기업에 토큰을 판매하는 경우, Nebius가 SLURM과 K8s를 사용하는 스타트업에 GPU 클러스터의 일부를 판매하는 경우 등)

역자주: 구글 GCP 의 경우 Vertex AI 가 PaaS 계층에 해당하고 주 고객은 Anthropic Claude 가 해당 서비스를 이용하고 있다.

오늘날의 현재 가격으로는 주요 모델 제작자들이 직접 API 사업에서 60% 이상의 마진을 얻는 것을 볼 수 있습니다.

Azure’s AI Bare Metal services – stepping away from $150B of OpenAI Gross Profit dollars, poor execution and ROIC concerns (Azure의 AI 베어 메탈 서비스 - OpenAI 매출 총이익 1,500억 달러에서 벗어나고 실행 부진 및 ROIC 우려)

대규모 베어 메탈 GPU/XPU 클러스터 구축 업계에서 성공한 기업들은 대규모 인프라 구축 기술을 완벽하게 갖추고 있습니다. 이는 실행 속도, 시장 및 최종 사용자 요구 사항에 대한 이해, 부지 선정, 자금 조달 등 다양한 요소들의 조합으로 이루어집니다.

Oracle 에 대한 심층 분석에서는 시장 장악을 위한 오라클의 중대한 전략적 변화를 지적했습니다. 기술 대기업을 제외하면, Coreweave 는 초기 규모는 작았지만 위의 기준을 완벽하게 충족하며 시장을 장악한 대표적인 사례입니다. 이제 Microsoft의 실행 사례를 살펴보겠습니다.

Disappointing execution, loss of the Stargate contract - 실망스러운 실행, 스타게이트 계약 상실

Microsoft의 베어메탈 관련 노력을 가늠하려면 페어워터 프로젝트를 면밀히 살펴보는 것이 좋습니다. 2024년 초, Microsoft의 OpenAI를 위한 1,000억 달러 규모의 "스타게이트" 프로젝트에 대한 소문이 돌았습니다. 위스콘신 데이터센터 캠퍼스에 클러스터를 호스팅할 계획이었던 것으로 추정됩니다. 앞서 언급했듯이, 로드맵에 따르면 해당 사이트는 2GW 이상의 용량을 확보할 예정이었습니다.

물론, 첫 번째 스타게이트 1,000억 달러 규모의 계약은 결국 Oracle 과 텍사스주 애빌린에 돌아갔습니다. Microsoft의 느린 실행 속도가 핵심적인 역할을 했다고 생각합니다. 착공 후 2년이 넘었지만, 1단계는 아직 가동되지 않고 있습니다. 반면 Oracle 은 2024년 5월 텍사스주 애빌린 데이터센터 착공을 시작하여 9월부터 운영을 시작했습니다.

https://epoch.ai/data/data-centers/satellite-explorer/OpenAIOracleStargateAbileneTexas

OpenAI Stargate Abilene - Frontier Data Centers Satellite Explorer

See how satellite imagery, permits, and public disclosures are used to track the power capacity and performance of frontier data centers.

epoch.ai

또한 Microsoft가 1.5GW 확장을 제대로 계획하지 못했다고 생각합니다. 전력 송전 관점에서 볼 때, 전체 용량은 오라클의 애빌린 클러스터가 1GW를 돌파한 지 1년 후인 2027년 중반에야 공급될 예정입니다. Microsoft는 OpenAI의 최대한 빠른 확장 요청을 따라잡지 못했는데, 이는 시장에 대한 오해를 보여주는 것입니다. Microsoft는 단기 컴퓨팅에 대한 끝없는 요구를 충족시킬 다른 파트너를 찾을 수밖에 없었습니다.

Stepping away from $150B of OpenAI Gross Profits (OpenAI 총 이익 1,500억 달러에서 멀어지다)

오늘날 우리가 알고 있듯이, Oracle은 OpenAI의 주요 GPU 파트너가 되었습니다. 지난 12개월 동안 4,200억 달러 이상의 계약 규모를 체결했으며, 이는 약 1,500억 달러의 매출 총이익으로 환산됩니다.

일반적인 5년 계약 기간을 고려할 때, 300억 달러의 연간 매출 총이익은 Microsoft의 1,940억 달러(2025 회계연도) 연간 매출 총이익을 18% 이상 증가시켰을 것입니다. 공정하게 말하자면, OpenAI 계약 손실은 단순히 계약 이행의 문제만은 아닙니다. 어느 정도는 의도적인 결정이기도 합니다. Microsoft의 관점에서 볼 때, 모든 OpenAI 계약을 체결하는 것은 Azure 사업의 질을 저하시켰을 것입니다. 그 이유는 다음과 같습니다.

OpenAI는 몇 년 안에 Azure 매출의 거의 50%를 차지했을 것입니다.
마진과 자본 수익률(ROC)은 Azure의 과거 클라우드 프로필만큼 매력적이지 않습니다.

Microsoft의 전체 사업과 비교했을 때, 오라클 AI ROIC는 20%로, 현재 Microsoft 전체의 35~40%에 비해 상당히 낮습니다. 그러나 2030년에서 2032년 사이에 종료될 예정인 OpenAI의 매출 점유율을 제외하면 Microsoft의 AI ROIC는 Oracle의 ROIC보다 크게 높지 않습니다.

하지만 Microsoft는 베어 메탈 워크로드 기반 AI 수익 구조에서 API 및 토큰 팩토리 중심의 비즈니스 모델로 전환하면서 최근의 역사적 교훈을 잊고 있는 듯합니다. 그 결과, 투자 수익률(ROIC)이 지속적으로 상승했습니다. 하지만 경쟁사가 AI 팩토리 사업에 진출할 수 있도록 자금을 지원한 셈입니다!

Underestimating demand, RPO share loss, desperate need for Neocloud capacity (수요 과소평가, RPO 점유율 손실, Neocloud 용량에 대한 절실한 필요성)

Microsoft의 일시정지 사태에서 얻은 중요한 교훈은 메타(Meta)와 같은 다른 업체들이 발생시키는 XPU 클라우드 수요 규모를 얼마나 과소평가했는지입니다. 우리는 현재 그들의 잘못된 계산이 미치는 영향을 목격하고 있습니다. 다른 업체들은 Microsoft보다 훨씬 더 많은 RPO를 확보하고 있습니다.

Microsoft는 이제 시장으로 확실히 복귀했지만, 단기적인 용량 확장 방안이 고갈되고 있습니다. 결국 최악의 선택, 즉 Neoclouds에서 GPU를 임대하여 베어 메탈이나 Foundry를 통한 토큰 형태로 제3자에게 재판매하는 방법을 선택해야 합니다. Foundry에 대해서는 아래에서 자세히 설명하겠습니다. 물론, 베어 메탈을 임대하여 재판매하는 사업은 Azure의 마진을 평소보다 상당히 낮게 만들 것입니다.

Microsoft는 자체 DC를 구축하는 것을 꺼렸고, 실패했다는 것을 깨닫고 나서 네오클라우드에 마진을 지불했습니다.

PaaS layer – Not All GPUs Are Deployed Equally (PaaS 계층 – 모든 GPU가 동일하게 배포되는 것은 아닙니다.)

Gold-rated cloud… at risk of downgrade (골드등급 클라우드…강등 위기)

올해 3월에 출시된 ClusterMAX 1.0에서 Azure는 네트워킹 성능, 보안, 최신 GPU 가용성 측면에서 선두를 달리고 있으며, OpenAI 컴퓨팅 구축에서 이미 상당한 점유율을 확보하고 있다고 설명했습니다. 이로 인해 Azure는 CoreWeave 바로 뒤를 이어 Nebius, Oracle, Crusoe와 같은 기업과 나란히 OpenAI 순위에서 Gold 티어에 속하게 되었습니다. 그러나 11월 초 ClusterMAX 2.0이 출시될 무렵, AI 워크로드를 타겟으로 하는 새로운 CycleCloud 및 AKS 기능 개발 속도가 정체된 것이 분명해졌습니다.

OpenAI, Meta, Snowflake, Cursor와 같은 확장형 AI 기업부터 Periodic Labs, AdaptiveML, Jua, Nous Research, DatologyAI, Cartesia와 같은 스타트업까지 140개 이상의 컴퓨팅 구매자와 이야기를 나눈 결과, Azure는 관리형 클러스터 또는 온디맨드 VM 분야에서 주요 업체가 아니라는 점이 분명해졌습니다.

Azure의 대규모 클러스터용 GPU 용량은 OpenAI로 바로 이전되는 듯하며, 남은 자원은 Fortune 500에 속한 기존 기업의 개별 개발자들이 차지하고 있습니다. RAG 챗봇 개발을 선호하는 이러한 기업들은 일반적으로 모든 IaaS를 Azure에서 독점적으로 구매하기 위한 기업 계약을 체결하고 있습니다.

https://newsletter.semianalysis.com/p/clustermax-20-the-industry-standard

ClusterMAX™ 2.0: The Industry Standard GPU Cloud Rating System

95% Coverage By Volume, 84 Providers Rated, 209 Providers Tracked, 140+ Customers Surveyed, 46,000 Words For Your Enjoyment

newsletter.semianalysis.com

Azure가 AI용 관리형 슬러름(Slurm)이나 쿠버네티스(Kubernetes) 클러스터를 판매하지 않는 이유는 직접 테스트하는 동안 명확해졌습니다. CycleCloud 슬러름 클러스터의 사용 편의성, 모니터링, 안정성, 그리고 상태 점검 측면에서 상당한 차이가 발견되었기 때문입니다. Azure가 OpenAI에 제공하는 도매 베어 메탈 경험은 CoreWeave, Nebius, Fluidstack과 같은 공급업체가 최종 사용자에게 제공하는 경험과는 매우 다릅니다.

업계의 일반적인 GPU 컴퓨팅 구매자는 여전히 64~8,000개 GPU 규모의 H100, H200, B200 또는 B300 HGX 서버를 찾고 있습니다. AMD의 GPU 혹은 GB200, GB300 등을 찾는 구매자는 훨씬 드뭅니다. 그러나 Microsoft는 최대 고객(OpenAI)을 위해 AMD GPU와 GB200/GB300 NVL72 랙 스케일 시스템에 막대한 시간과 관심을 투자해 왔습니다. 엔지니어 급여에 대한 운영 비용(OPEX)이나 GPU 구매 및 신규 시설에 대한 자본 비용(CAPEX)으로 이를 측정할 수 있습니다.

이를 확인하는 또 다른 방법은 오픈 소스 커뮤니티를 활용하는 것입니다. 모든 기업이 오픈 소스 모델을 게시하고 다운로드하는 사실상의 플랫폼인 Hugging Face에 따르면, Microsoft와 관련된 IP는 Amazon에 비해 일일 모델 다운로드 수가 5배, Google에 비해 3배 적습니다.

Microsoft는 OpenAI 사업을 밀어냈지만, 그렇다고 해서 대기업이나 롱테일 시장을 장악하고 있는 것은 아닙니다. 이 지표에서 Microsoft는 다른 하이퍼스케일러에 비해 상당히 뒤처져 있습니다.

이 모든 것의 결과는 명확합니다. 적극적으로 용량을 확보하려는 AI 기업들은 다른 곳을 찾고 있습니다. 이는 약 100만 달러 규모의 1년 64개 GPU 계약부터 5억 달러 이상의 3년 8,000개 GPU 계약까지 다양합니다. 3월에 H100 256대를 구매했던 스타트업들이 11월에 NVL72 300GB 9,000대를 구매하려는 움직임을 보이고 있습니다. 현재 Azure는 이러한 모든 이점을 놓치고 있습니다.

이러한 고객 기반을 충족하기 위해 Azure는 AI용 CycleCloud 및 AKS 솔루션을 개편하여 현재 클러스터 배포 및 모니터링 환경을 간소화해야 한다고 생각합니다.

Azure는 상태 점검 기능을 구축하고, 이를 클러스터에 기본적으로 배포하며, 하드웨어 장애 발생 시 사전에 복구해야 합니다. 또한 GTM(Global Time Management)을 구축하고, 이러한 클러스터를 최종 사용자에게 제공할 인력으로 구성된 지원 조직을 구축해야 합니다.

ClusterMAX 2.0에서 언급했듯이, Azure는 시리즈 A부터 AI 유니콘 기업에 이르기까지 스타트업에게 열악한 사용자 경험을 제공하여 실버 등급으로 강등될 위험이 있습니다.

“Fungible fleet” and Sovereign AI – a bet on the direction of inference workloads ("대체 가능한 함대"와 Sovereign AI - 추론 워크로드 방향에 대한 베팅)

Azure는 분명 성공 기반을 갖추고 있습니다. 전 세계 70개 지역에 400개 이상의 데이터 센터를 운영하고 있으며, 미국 정보기관을 위한 "Azure Government Secret"부터 중국 소비자를 위한 Windows PC까지 전 세계 최대 규모의 기업에 판매 경험을 바탕으로 역대 최대 규모의 SaaS 사업을 운영하고 있습니다.

Azure 전략의 핵심은 광범위한 지리적 입지를 확보하여 기업 고객에게 AI를 더욱 가까이 제공하는 것입니다. 이는 AI 워크로드의 미래 모습을 예측하는 중요한 지표입니다.

오늘날 가장 큰 추론 사용 사례인 ChatGPT와 코딩 에이전트는 지연 시간에 민감하지 않으며, 시간이 지남에 따라 점점 더 민감해질 것입니다. 또한 대부분의 경우 민감한 엔터프라이즈 데이터와 상호 작용하지 않습니다. 따라서 지연 시간과 데이터 지역성은 그다지 중요하지 않습니다. 핵심은 전 세계에 더 많은 토큰을 판매하기 위해 최대한 빠르게 용량을 늘리는 것입니다.
앞으로 엔터프라이즈 사용 사례는 성장의 큰 원동력이 될 것으로 예상됩니다. 이러한 사용 사례는 높은 보안, 데이터 지역성 법률, 그리고 대기업이 선호하는 일반적인 환경 및 제약 조건을 준수해야 합니다. 또한 특정 Azure 지역의 Cosmos DB 스토리지와 같이 AI가 아닌 워크로드와 함께 처리될 것입니다. 단점은 전 세계 대부분의 주요 대도시에 영향을 미치는 전력 제약으로 인해 데이터 센터 위치 선정 프로세스가 더 복잡하다는 것입니다. 과도한 전력을 사용하는 "외딴" 지역에 구축하는 다른 사용 사례에 비해 빠르게 용량을 늘릴 수 없습니다.

글로벌 입지를 구축하고 활용하는 것은 Microsoft의 "대체 가능한" 함대 구축이라는 핵심 목표의 핵심입니다. Microsoft는 이미 어느 정도 성공을 거두었습니다. 예를 들어 ByteDance Seed는 중국이나 말레이시아가 아닌 미국 애리조나에서 비디오 모델을 학습합니다.

ByteDance Seed는 미국 내 모든 주요 하이퍼스케일러로부터 자금을 조달하고 있다고 생각합니다. 이번 테스트는 경쟁사에서 진행되었지만, 어느 정도 대체 가능성이 필요하지 않다는 것을 보여줍니다.

이러한 인프라 전략은 OpenAI와 같은 주요 AI 연구소의 전략과는 상당히 다릅니다. 가장 전력 소모가 큰 워크로드(예: 심층 연구, 추론 모델)는 응답하는 데 몇 분이 걸리므로, 몇 밀리초의 네트워킹 지연 시간이 추가되는 것은 이러한 워크로드에 아무런 의미가 없습니다.

AI 작업의 시간적 범위가 확장됨에 따라 사용자와의 지역성은 점점 더 중요해지고 있습니다.

데이터 센터는 가능한 모든 곳에 배치하여 글로벌 트래픽을 처리할 수 있습니다. 이는 훈련 후 워크로드가 컴퓨팅에서 빠르게 증가하고 있다는 사실, 즉 지연 시간에 민감하지 않고 대규모 중앙 집중식 컴퓨팅을 필요로 하지 않는다는 사실에 더욱 기인합니다.

Depreciation Schedules and the Future of GPUs in Azure - Azure의 감가상각 일정 및 GPU의 미래

이러한 대체 가능한 자산들을 분석해 보면 중요한 고려 사항이 있습니다. 최근 많은 관심을 받고 있는 것이 바로 감가상각입니다.

악명 높은 마이클 버리는 최근 모든 하이퍼스케일러(메타, 구글, 오라클, Microsoft, 아마존)가 IT 자산의 유효 수명을 연장함으로써 인위적으로 수익을 늘리고 있다고 주장했습니다. 이러한 증가로 인해 "유효 수명"은 2020년 3 ~ 5년에서 현재 5~6년으로 늘어났습니다.

Burry 박사의 주장은 엔비디아 제품 주기가 현재 자산의 내용연수보다 훨씬 짧은 2~3년이라는 가정에 근거하고 있습니다. 저희는 이것이 주장의 치명적인 오류라고 생각합니다. 새로운 회계 처리 방식은 단기적으로는 기업에 유리하지만, 데이터센터의 실제 운영 경험을 바탕으로 하고 있습니다.

2020년, Microsoft, 메타, 구글이 내용연수를 3년에서 4년으로 늘렸을 당시는 아직 ChatGPT 출시 2년전 이었습니다. 현재, ChatGPT 출시 이후 3년인 오늘날, 내용연수 증가는 자본지출(CAPEX)에 목마른 하이퍼스케일러에게 유익한 것으로 입증되었습니다.

2020년부터 2025년까지 IT 장비 분야에서 어떤 변화가 시작되었을까요? 바로 신뢰성과 인센티브입니다.

Dell, SuperMicro, HPE, Lenovo, Cisco와 같은 서버 OEM은 오랫동안 3~5년의 표준 보증 기간이 있는 서버를 판매해 왔습니다. 5년 보증은 물론 더 비싸지만 6~7년의 연장 보증 옵션이 많이 있습니다. 물론 가격은 오르지만 공급업체가 마모된 노드에 대한 서비스 콜을 할 수 있을 만큼 충분한 예비 부품을 비축하기만 하면 됩니다.

한편, Cisco, Arista, Aruba, Juniper와 같은 네트워킹 장비 공급업체는 스위치에 대한 평생 보증을 시험해 보았습니다. 스토리지 공급업체도 동일한 것을 제공했습니다. 연간 지원 계약만 지불하면 마모된 드라이브를 계속 교체해 줍니다. 자동차를 생각해 보세요. 시장의 고급 고객은 2년마다 벤츠를 리스하고 업그레이드하는 반면, 다른 사람들은 휘발유와 보험료를 내고 20년 된 낡은 차를 몰고 다닙니다.

세계 최대 규모의 HPC 클러스터와 슈퍼컴퓨터를 살펴보면 이 점이 증명됩니다. 이러한 최첨단 시스템은 시중에서 가장 크고, 성능이 뛰어나고, 가장 뜨겁고(때로는 가장 효율적인) 프로세서를 구동합니다. 슈퍼컴퓨팅 센터는 액체 냉각 방식을 최초로 도입했으며, 데이터센터에 시스템을 설치하는 대신 시스템을 중심으로 데이터센터를 구축한 경험이 있습니다.

오크리지 국립연구소의 IBM Summit은 오랫동안 Top500에서 세계에서 가장 빠른 슈퍼컴퓨터였습니다. 2018년 6월에 생산을 시작했으며, 6.5년간의 연속 운영 후 2024년 11월에 폐기되었습니다. Summit은 2016년에 출시된 IBM Power9 프로세서를 사용했으며, 구매는 2014년에 완료되었습니다.

Fugaku는 2020년 일본 이화학연구소(RIKEN)에 설치되어 Top500에서 7위를 차지하며 현재까지 운영되고 있습니다. Sierra는 2018년 LLNL에 설치되어 20위를 차지하며 현재까지 운영되고 있습니다.

선웨이 타이후라이트(Sunway TaihuLight)는 2016년 중국 우시(Wuxi) 국가 슈퍼컴퓨팅센터에 설치되었습니다. 현재까지도 운영 중이며 21위를 차지하고 있습니다. 엘 캐피탄(El Capitan), 프론티어(Frontier), 오로라(Aurora)(각각 1위, 2위, 3위)와 같은 엑사스케일 시스템은 2021년부터 2025년까지 가동을 시작했으며, 2027년부터 2032년까지 가동될 것으로 예상됩니다.

마지막으로, Eagle - Microsoft NDv5는 14,400개의 H100을 탑재하여 2023년에 설치되었으며 5위를 차지했습니다. 이 시스템은 높은 활용도를 보이며 향후 수년간 운영될 것으로 예상됩니다.

현재 클라우드 공급업체를 살펴보면, AWS에서 8개의 V100 GPU를 탑재한 p3.16xlarge를 판매하고 있습니다. DataCrunch, Paperspace, Lambda Labs와 같은 기반 공급업체의 Shadeform, Prime Intellect, Runpod와 같은 마켓플레이스를 통해 유사한 인스턴스를 찾을 수 있습니다.

V100은 2017년 5월에 발표되었으며, 대량 출하가 2017년 가을에 시작되었고, NVIDIA의 최종 제품 출하가 2022년 1월에 이루어졌습니다. 즉, NVIDIA는 새로운 GPU 출시 이후 5년 이상 예비 부품을 공급했습니다. 하이퍼스케일러와 OEM은 예비 부품을 재고로 확보하고 V100 GPU가 출시된 지 무려 8년이 지난 현재까지 인스턴스를 계속 실행할 충분한 시간을 확보했습니다.

물론, 오늘날 V100은 순수한 MW당 수익 기준으로 보면 그리 좋은 사업이 아닙니다. 하이퍼스케일러들이 최신 고성능 GPU를 위한 공간을 확보하기 위해 기존 데이터센터에서 V100, A100, 심지어 구형 H100 GPU를 폐기하는 것을 볼 수 있을 정도입니다. 핵심은 GPU가 노후화되어 성능이 저하되기 때문이 아닙니다. 오히려 전력 및 공간 제약으로 인해 수익 창출 자산을 폐기하고 고수익 창출 자산을 확보하는 것입니다.

역자주: 자원이 부족한 연구소나 단순 추론 서비스 하는 곳에서는 V100, A100 모두 아직까지 충분한 수요가 있습니다.

GPU 클라우드 경제성을 최적화하는 핵심은 경제 수명을 극대화하는 것입니다. H100 클러스터의 TCO를 분석한 결과, 자본 비용을 제외한 운영 비용은 GPU당 시간당 $0.30~$0.40입니다. 문제는 5년 후에도 GPU가 이 비율 이상으로 수익을 창출할 수 있을지 여부입니다.

운영 비용은 GPU당 창출되는 수익과 일치해야 합니다. 엔비디아가 달러당 처리량과 와트당 처리량을 크게 향상시키는 새로운 칩을 출시함에 따라 GPU 가격 결정력은 자연스럽게 빠르게 약화됩니다.

우리의 역사적 적중률은 놀라울 정도로 정확했습니다! 하지만 Azure와 같은 기업의 관점에서 보면, 목표는 전체 시장 대비 더 높은 가격 결정력을 확보하는 것입니다. 이는 아직 불확실하지만, 여러 가지 방식으로 나타날 수 있습니다.

Azure는 기업 관계, PaaS 계층, 그리고 수직적 통합(앱, 모델, 토큰 등)을 활용하여 6년 된 GPU에서 조기 폐기를 피할 만큼 충분한 가치를 창출할 수 있을 것입니다.
기업 비즈니스와 관련된 또 다른 방법은 가속 컴퓨팅과 함께 고마진 서비스(예: 데이터베이스와 같은 AI가 아닌 서비스)를 Up-Sell하는 것입니다. 6년 된 GPU가 단독으로는 수익을 창출하지 못하더라도, 고마진 서비스의 상향 판매를 유도하는 원인이 된다면, 계속 운영하는 것이 합리적일 수 있습니다.

저희는 이러한 이유로 Azure의 "대체 가능한 플릿(fungible fleet)" 전략이 타당하며 다른 업체보다 구조적으로 더 높은 ROIC를 달성할 수 있다고 생각합니다. 가장 큰 불확실성은 기업 도입 규모와 Azure가 고부가가치 서비스를 업셀링할 수 있을지 여부입니다.

미래는 어떻게 될까요? Vera Rubin이 성능 주장을 실현하고, Burry 박사의 주장처럼 단 2~3년 만에 하이퍼스케일러들이 수익성이 좋고 성능이 뛰어난 GPU를 폐기하도록 유도할까요? 아니면 H100 가격 데이터의 최저점이 앞으로도 유지될까요?

Azure Foundry: the Enterprise Token Factory (Azure Foundry: 엔터프라이즈 토큰 팩토리)

Azure Foundry는 Microsoft의 "서비스형 토큰(Token-as-a-Service)" 사업으로, M365 Copilot 및 Github Copilot과 같은 서비스에서 내부적으로 사용되는 모델(1P 토큰)과 추론 엔드포인트를 통해 모델을 사용하려는 외부 고객(3P 토큰) 모두에서 사용되는 다양한 모델을 제공합니다. Azure Foundry는 OpenAI API와 유사한 방식으로 시장에 출시되어 개인 및 기업 사용 사례에서 경쟁합니다. Azure는 OpenAI 모델 가중치에 대한 IP 권리를 보유하고 있기 때문에 독립적인 가격 결정도 가능합니다.

현재 대부분의 GPT API 토큰은 OpenAI를 통해 직접 처리되지만, Foundry는 향후 Microsoft의 주요 성장 동력이 되어 시장 점유율을 회복할 것으로 예상됩니다. Microsoft에게 중요한 점은 Azure가 OpenAI API 또는 Azure Foundry를 통해 제공되든 관계없이 2032년까지 모든 API 추론 컴퓨팅의 100% 점유율을 차지한다는 것입니다.

하지만 기업에 토큰을 판매하는 사업은 아직 초기 단계라고 생각합니다. 알파벳의 순다르 피차이는 2025년 3분기 실적 발표에서 당사의 입장을 확인하는 흥미로운 정보를 제공했습니다.

지난 12개월 동안 약 150개의 Google Cloud 고객이 다양한 애플리케이션에 대해 당사 모델을 사용하여 각각 약 1조 개의 토큰을 처리했습니다.

이러한 정보는 이 150개 기업에 대한 Gemini 토큰 판매가 GCP 사업의 0.5%에도 미치지 못한다는 것을 시사합니다.

토큰을 수익으로 전환하는 것은 생각보다 훨씬 복잡합니다. 분석가들이 입출력 비율, 캐시된 토큰을 고려하지 못하거나, 가격을 잘못 계산하는 등의 영역에서 큰 실수를 저지르는 것을 종종 볼 수 있습니다.

Application layer: GitHub Copilot’s Moat Under Siege (애플리케이션 계층: GitHub Copilot의 포위 공격에 직면)

코드 지원을 위한 애플리케이션 계층에서 Microsoft는 GitHub Copilot으로 완벽한 지배력을 누렸습니다. Microsoft는 현재 "탭" 모델이라고 흔히 불리는 최초의 인라인 코드 모델을 보유하고 있었으며, 독점적인 IP 접근 권한을 바탕으로 GPT-4를 Copilot과 조기에 통합했습니다.

멀리서 보기에 Microsoft의 요새는 난공불락처럼 보였습니다. 업계 표준 도구인 VS Code와 GitHub를 보유하고 있었고, 제품 개발을 위한 OpenAI 모델 IP에 대한 독점적인 접근 권한과 판매 가능한 막대한 기업 기반을 보유하고 있었습니다.

그러나 Microsoft는 모델과 코드베이스 간의 더욱 긴밀하고 향상된 통합을 구축하기 위해 VS Code를 포크하는 일련의 스타트업 (예를들어 Cursor) 이 등장한 것을 과소평가했습니다. 이러한 스타트업들은 Copilot을 넘어 공동으로 확장할 수 있었습니다. 이러한 성장을 가능하게 한 주요 요인은 스타트업들이 Anthropic의 모델을 사용했다는 것입니다.

Microsoft는 2025년 초, 마지못해 Anthropic을 Github Copilot에 추가했지만, 마진에 큰 비용을 지출했습니다. Github Copilot은 거의 1P 토큰을 제공하던 기존 방식에서 Anthropic으로부터 상당량의 토큰을 구매해야 했고, 이로 인해 50~60%의 총 마진이 발생했습니다.

연구소들은 자체적으로 제품 개발도 진행했습니다. 사용자는 하나의 모델 세트에 종속되지만, 이 모델들은 프로덕션 환경에서 사용되는 하네스와 환경에서 학습되었습니다. 이를 통해 Codex와 Claude Code의 매출 증가에서 알 수 있듯이 최적화된 경험이 제공되었고, 이는 매우 인기가 높습니다.

Microsoft는 이후 모델 슈퍼마켓 생태계 구축에 더욱 박차를 가하여, 최근 Google과 xAI를 포함한 다양한 연구소의 상담원과 연동되는 Agent HQ를 출시했습니다.

OpenAI 모델 가중치에 대한 접근 기간이 2032년까지만 연장됨에 따라, 이 회사는 현재 가장 높은 마진을 자랑하는 OpenAI 모델 제공에 대한 백업 플랜이 필요할 것입니다.

Microsoft’s homemade models: MAI (Microsoft의 자체 제작 모델: MAI)

Microsoft는 텍스트, 이미지, 음성에 걸쳐 3가지 MAI 모델을 출시했습니다. 텍스트 모델인 MAI-1은 현재 LMArena에서 약 38개 정도이지만, 채팅이나 API를 통해 공개적으로 사용할 수는 없습니다. 이 모델은 15,000대의 H100에서 학습된 대규모 MoE이며, 다음 모델은 훨씬 더 큰 규모의 다중 모달 LLM이 될 것입니다.

나머지 두 모델은 각각 이미지 모델과 음성 모델입니다. 이미지 모델은 여전히 LMArena에서 상위 10위권 모델이며, 두 모델 모두 Copilot에서 사용할 수 있습니다.

Microsoft에게 후자의 두 모델은 저렴하면서도 적절한 품질의 모델을 제공할 수 있는 사용 사례를 나타냅니다. 이 모델들이 최첨단 모델에 도전하기에는 아직 이르지만, Microsoft는 향후 몇 년 동안 연간 약 160억 달러에 달하는 컴퓨팅 비용을 지출하며 훨씬 더 큰 규모의 내부 학습에 조용히 투자할 준비를 하고 있다고 생각합니다.

Office 365 Copilot

Microsoft Copilot은 GitHub Copilot 외에도 다양한 기능을 아우르는 포괄적인 솔루션입니다. 영업, 재무, 서비스, 보안 등 다양한 기능을 위한 Copilot이 있습니다. 이 솔루션은 월간 활성 사용자 수 1억 명을 돌파했으며, 전반적인 AI 도입을 촉진하는 중요한 역할을 할 것입니다.

Office 365 Copilot을 구축하기 위한 최신 노력은 Office Agent에 포함되어 있으며, 아래에서 Excel 에이전트에 대해 자세히 살펴보겠습니다. 이러한 에이전트의 궁극적인 목표는 Microsoft 생태계 전반에서 사용자에게 자율적이고 기능적이며 유용한 방식으로 작업을 수행하는 것입니다.

https://spedtrder.tistory.com/69

어시스턴트 에서 에이전트로: Microsoft Copilot의 전진과 옆길 (25.10.13)

From Assistants to Agents: Microsoft’s Copilot Steps Forward, and SidewaysMicrosoft 365 Premium과 새로운 Copilot "에이전트"에 대한 Microsoft의 최신 발표는 생산성 향상을 위한 AI의 미래를 향한 중요한 발걸음을 의미합

spedtrder.tistory.com

Microsoft’s edge: OpenAI IP and Office user data (Microsoft의 우위: OpenAI IP 및 Office 사용자 데이터)

OpenAI의 모델, 가중치 및 코드 베이스에 대한 접근을 통해 Microsoft는 OpenAI 모델의 원시 Chain of Thought에서 추출할 수 있습니다.

추출은 소규모 모델을 사후 학습하는 것보다 효과적이므로, Microsoft는 상당한 컴퓨팅 비용 없이 상당한 역량을 확보할 수 있습니다.

OpenAI IP에 대한 접근을 통해 Microsoft는 Office 제품군을 기반으로 하네스나 환경을 구축하는 기업이 외부에서 제공하는 것보다 더 세부적이거나 기본적인 데이터를 활용하여 OpenAI 모델을 미세 조정할 수 있습니다.

저희는 모든 제품에서 OpenAI 모델을 최대한 활용할 것입니다.

Excel Agent는 OpenAI 추론 모델 중 하나를 사후 학습한 버전입니다. Microsoft는 이를 통해 프론티어 랩보다 더 나은 결과를 얻었다고 주장합니다.

Azure의 AI 사업을 심층적으로 살펴본 후, 이제 Azure AI 하드웨어 스택의 두 가지 핵심 요소에 주목해 보겠습니다.

Microsoft의 실제 칩 전략: NVIDIA, Maia, OpenAI, AMD 등의 칩과 어떻게 균형을 맞출 것인가
Azure의 네트워킹 아키텍처와 다양한 공급업체에 미치는 영향

Mama Ma-ia!: Custom ASIC Struggles (맘마-Maia!: 커스텀 ASIC의 난항)

맞춤형 실리콘 개발 분야에서 마이크로소프트는 하이퍼스케일러 중 최하위에 머물러 있으며, 따라잡으려는 노력조차 하지 않고 있습니다.

마이크로소프트는 2023년 말, 4대 하이퍼스케일러 중 AI 가속기 ASIC을 탑재한 최신 제품인 Maia 100 가속기를 선보였습니다.

https://newsletter.semianalysis.com/p/microsoft-infrastructure-ai-and-cpu

Microsoft Infrastructure - AI & CPU Custom Silicon Maia 100, Athena, Cobalt 100

Specifications, Volumes, GPT-4 performance, Next Generation Timing / Name, Backend Design Partner

newsletter.semianalysis.com

1세대 실리콘에서 예상했던 대로, Maia 100은 대량 생산되거나 프로덕션 워크로드에 사용되지 않았습니다. 이 칩은 Gen AI 붐 이전에 설계되어 추론에 적합한 메모리 대역폭이 부족했습니다. ASIC 프로그램은 상용 시스템에서 의미 있는 컴퓨팅 부하를 분산할 수 있을 때까지 여러 세대에 걸쳐 반복 작업을 반복해야 합니다.

원문:
https://newsletter.semianalysis.com/p/microsofts-ai-strategy-deconstructed

Microsoft's AI Strategy Deconstructed - from Energy to Tokens

"The Big Pause", AI Tokens Factory Economics Stack, OpenAI, Neocloud Renting, GitHub Copilot Woes, MAI and Maia Floundering

newsletter.semianalysis.com