LSKP CFO의 개인 공간❤️

바벨 전략별 추천 종목군 ①중요도 상승 어답터: 중국 4대 은행, HSBC, BHP, 애플, 일라이릴리, 월마트, 코스트코, RTX, 노바티스, 아스트라제네카 등 지역별 Overweight 대형주 ②고가격결정력 어답터: 삼성전자, 폭스콘, 팬텍 등 APAC 하드웨어 + 에어버스·롤스로이스 등 유럽 캐피탈굿즈, 비자·마스터카드·P&G 등 미국 소비/금융주 ③전력 병목 해소주: 테라울프·헛8·사이퍼마이닝(파워드쉘), 에퀴닉스(데이터센터 리츠), CATL·삼성SDI(에너지저장), 넥스트에라에너지(재생에너지), HD현대일렉트릭·LS일렉트릭(전력기기) ④반도체·하드웨어 내구성 종목: 엔비디아·브로드컴, SK하이닉스·삼성전자, TSMC, ASML ⑤초기 소프트웨어 인에이블러: 인프라 SW(MSFT, 스노우플레이크, 데이터독), 보안 SW(팔로알토, 크라우드스트라이크), SaaS 애플리케이션(아틀라시안, 서비스나우, 쇼피파이) 순으로 사이클 수혜 예상

AI 사이클, '집중'에서 '확장'으로 (MS) 1. 핵심 • AI 주도주 사이클이 중요한 전환점에 진입, 반도체·인프라 중심의 '집중형 인에이블러(enablers)' 트레이드에서 소프트웨어 인에이블러와 AI 어답터(adopters)까지 아우르는 바벨 구조로 확장되는 국면 • 과거 컴퓨팅 사이클과 동일하게 반도체 → 인프라 → 소프트웨어/서비스 순으로 주가 아웃퍼폼이 순차적으로 나타나는 패턴이 이번 사이클에서도 반복 중 • 다만 이번 사이클은 AI 자본지출 규모가 전례 없이 크고 인력·전력·정치/규제 등 병목이 존재해 과거처럼 명확한 리더십 교체가 나타나지 않을 것으로 예상 • 이에 따라 향후 6~12개월은 ①데이터센터 병목 해소주(전력) 및 선별적 반도체/인프라 종목과 ②초기 소프트웨어 인에이블러·AI 어답터에 동시에 투자하는 바벨 전략을 권고 2. 5대 시사점 • 마진 확대는 아직 장기 추정치에 미반영: AI 어답터의 2025~26년 EBIT 마진 확대폭은 컨센서스 기준 460bp로 MSCI ACWI 대비 약 2배지만, 이후 연도로 갈수록 그 우위가 빠르게 소멸. 생산성 효과의 지속성을 시장이 아직 충분히 반영하지 않았다고 판단 • 실적 모멘텀이 인에이블러를 넘어 확산: 최근 2년간 인에이블러의 EPS 컨센서스는 2배 이상 증가했고, 어답터도 약 70% 상승하며 전체 시장 대비 우위 • 밸류에이션 격차가 어답터 매력도를 높임: 고중요도 어답터의 PER은 18배로 인에이블러(22배) 대비 낮아져 진입 매력 개선 • AI 노출은 확산되지만 심화는 소수 업종에 집중: 부동산·자동차·내구소비재·운송·소비서비스 등 기존 비(非)테크 업종에서 신규 편입이 늘고 있는 반면, 중요도 상승(심화)은 소프트웨어·반도체·유틸리티·미디어에 집중 • AI 익스포저의 '정도'가 주가에 반영되기 시작: AI가 투자 논리의 핵심인 종목이 유의미(significant) 수준 종목 대비 107%p 초과 성과, AI 리스크가 핵심인 '피해주'는 '중간 수준 피해주' 대비 약 161%p 열위

* Fran Cardells (Quantoid 수석 과학자, 전 Microsoft CVP of Engineering, Data & AI 시니어 디렉터) - Expert Call by BofA - 제목 : KV cache, memory hierarchy & model choice - 요약 1. 에이전틱 추론(Agentic Inference)이 메모리 수요를 구조적으로 크게 증가시킴 - 컨텍스트 윈도우가 확대되고(약 128K 토큰 → 약 1M 토큰), 여러 에이전트가 공유 작업을 수행하면서 추론 시 메모리 요구량이 급증. - KV 캐시는 이전 토큰, 기업 컨텍스트, 가드레일, 에이전트 결정 로그를 저장해 에이전트 간 컨텍스트를 재계산 없이 이동시킴. - 일부 에이전틱 워크로드에서 KV 캐시 크기가 모델 가중치의 최대 약 10배까지 커질 수 있음. - 압축, 저정밀도 표현, 비활성 캐시를 DRAM·NVMe·플래시로 오프로딩하면 효율이 개선되지만, 전체 메모리 수요를 줄이기보다는 더 많은 사용자·에이전트·워크로드를 지원하는 방향으로 작용. - HBM 수요는 공급 제약이 지속되는 한 높게 유지될 것으로 전망. 2. 추론의 병목이 연산에서 데이터 이동으로 이동 - 추론 인프라는 학습과 달리 즉각적인 응답, 저지연, 로컬 메모리, 경제적인 GPU 활용이 중요. - GPU가 계속 연산을 수행하도록 KV 캐시를 메모리 계층 구조(memory hierarchy)를 통해 빠르게 이동시키고, 비활성 데이터는 저비용 메모리로 오프로딩한 뒤 작업 재개 시 압축된 정보를 다시 로드. - GPU 옆 메모리를 초과하는 컨텍스트·동시성이 늘어나면, 고대역폭 네트워크로 연결된 더 큰 메모리 풀의 중요성이 커짐. - 광학 연결(optical connectivity)이 프로세서와 메모리 간 실용적 거리를 확장할 수 있으나, 광범위한 상용 도입은 아직 불확실. - Cardells는 고속 네트워킹, 포토닉스, 메모리 풀링, 온칩 메모리 혁신, Ultra Ethernet 등을 과소평가된 영역으로 평가. 3. Frontier 모델 vs Open-weight 모델 선택 : 작업과 규모에 따라 다름 - Frontier 모델 : 모호한 추론, 미묘한 결정, 세련된 출력, 복잡한 소프트웨어 엔지니어링에서 우위. - Open-weight 모델 : 좁고 반복적인 작업이나 독점적 워크플로우에 적합. - 연간 약 50억 토큰 수준이 되면 open-weight의 경제성을 검토할 시점. 다만 API 비용 절감과 개발·호스팅·보안·프라이버시·인프라 비용을 비교해야 함. - Frontier 모델의 토큰 비용 하락과 하이퍼스케일러 호스팅 배포가 독립 모델 스택 관리 필요성을 줄임. - 결과적으로 기업들은 모델 비종속적(prompt·제어·추상화 계층)을 구축해 능력·비용·거버넌스에 따라 워크로드를 모델 간 이동시키는 하이브리드 환경을 예상.

📌 'AI 속도 조절' 담론의 실체는 핵개발을 둘러싼 1940년대 이후 미-소의 냉전을 그대로 재현 중. 1) 핵개발 과정과 마찬가지로 미-중, 미국 기업간 AI경쟁은 속도조절보다 전력투구가 이어질 것 2) 1946년 핵을 독점한 미국이 국제 관리를 명목으로 '바루크 플랜'을 내놓자, 소련은 이를 독점 유지 장치라며 거부했다. 이 구도에서 핵을 AI로, 소련을 중국으로 바꾸면 지금의 양상이 그대로 재현된다. → 백악관은 감속을 수용하지 않았고 중국은 협정에 동참하지 않았다 3) 패권을 둘러싼 미국의 대중국 봉쇄 기조는 결코 완화되지 않을 것이다.

주요 AI 기업별 사용자 접점과 플랫폼 경쟁력

테슬라, 전기트럭 ‘세미’ 인도 시작…자율주행 도입 예고 https://share.google/bJdVq2DhKD2TBU5Bc

테슬라 세미 트럭

테슬라, 전기트럭 ‘세미’ 인도 시작…자율주행 도입 예고 https://share.google/bJdVq2DhKD2TBU5Bc

주요 AI 기업별 사용자 접점과 플랫폼 경쟁력

» S&P500 지수 11개 섹터 가운데 커뮤니케이션 서비스와 IT 섹터의 Buy 의견 비중이 각각 70%로 가장 높은 수준 » 전체 S&P500 기업들에 대한 Buy 의견의 비중은 60%로, 여전히 두 섹터에 대한 월가 애널리스트들의 긍정적 시각이 상대적으로 강한 모습

» S&P500 종목들에 대한 애널리스트 의견 가운데 약 60%가 ‘매수(Buy)’로, 2010년 이후 15년여 만에 가장 높은 수준 » 반면 ‘보유(Hold)’ 의견 비중은 약 35%까지 하락했으며, ‘매도(Sell)’ 의견은 5% 수준으로 낮은 비중 유지

더 정확히는 주식투자에 성공해서 주담대를 까세요

AI로 생산성을 올려 빚을 줄일 시간입니다

«저금리 시대에 쌓아 올린 막대한 빚이 고금리 시대를 맞아 각국 정부에 뒤늦은 ‘이자 청구서’로 돌아오고 있는 것이다.» https://www.chosun.com/economy/weeklybiz/2026/09/27/VYJHAF6KHRDAJMPJAC6UTPJVXA/

미국 기업들의 현재 이자 부담은 역사상 가장 낮은 수준입니다.

우리는 현대 미국 역사상 가장 큰 인프라 투자 물결을 공식적으로 목격하고 있습니다. 데이터 센터와 AI 인프라에 대한 총 투자는 2025년부터 2032년까지 매년 미국 GDP의 3.63%를 평균적으로 차지할 것으로 예상되며, 이는 1800년대 이후 주요 인프라 건설 중 가장 높은 비율입니다. https://x.com/KobeissiLetter/status/2103563602200281411

아직 시장 규모는 작지만 미래를 바꿀 수도 있는 산업

우리는 현대 미국 역사상 가장 큰 인프라 투자 물결을 공식적으로 목격하고 있습니다. 데이터 센터와 AI 인프라에 대한 총 투자는 2025년부터 2032년까지 매년 미국 GDP의 3.63%를 평균적으로 차지할 것으로 예상되며, 이는 1800년대 이후 주요 인프라 건설 중 가장 높은 비율입니다. https://x.com/KobeissiLetter/status/2103563602200281411

* Fran Cardells (Quantoid 수석 과학자, 전 Microsoft CVP of Engineering, Data & AI 시니어 디렉터) - Expert Call by BofA - 제목 : KV cache, memory hierarchy & model choice - 요약 1. 에이전틱 추론(Agentic Inference)이 메모리 수요를 구조적으로 크게 증가시킴 - 컨텍스트 윈도우가 확대되고(약 128K 토큰 → 약 1M 토큰), 여러 에이전트가 공유 작업을 수행하면서 추론 시 메모리 요구량이 급증. - KV 캐시는 이전 토큰, 기업 컨텍스트, 가드레일, 에이전트 결정 로그를 저장해 에이전트 간 컨텍스트를 재계산 없이 이동시킴. - 일부 에이전틱 워크로드에서 KV 캐시 크기가 모델 가중치의 최대 약 10배까지 커질 수 있음. - 압축, 저정밀도 표현, 비활성 캐시를 DRAM·NVMe·플래시로 오프로딩하면 효율이 개선되지만, 전체 메모리 수요를 줄이기보다는 더 많은 사용자·에이전트·워크로드를 지원하는 방향으로 작용. - HBM 수요는 공급 제약이 지속되는 한 높게 유지될 것으로 전망. 2. 추론의 병목이 연산에서 데이터 이동으로 이동 - 추론 인프라는 학습과 달리 즉각적인 응답, 저지연, 로컬 메모리, 경제적인 GPU 활용이 중요. - GPU가 계속 연산을 수행하도록 KV 캐시를 메모리 계층 구조(memory hierarchy)를 통해 빠르게 이동시키고, 비활성 데이터는 저비용 메모리로 오프로딩한 뒤 작업 재개 시 압축된 정보를 다시 로드. - GPU 옆 메모리를 초과하는 컨텍스트·동시성이 늘어나면, 고대역폭 네트워크로 연결된 더 큰 메모리 풀의 중요성이 커짐. - 광학 연결(optical connectivity)이 프로세서와 메모리 간 실용적 거리를 확장할 수 있으나, 광범위한 상용 도입은 아직 불확실. - Cardells는 고속 네트워킹, 포토닉스, 메모리 풀링, 온칩 메모리 혁신, Ultra Ethernet 등을 과소평가된 영역으로 평가. 3. Frontier 모델 vs Open-weight 모델 선택 : 작업과 규모에 따라 다름 - Frontier 모델 : 모호한 추론, 미묘한 결정, 세련된 출력, 복잡한 소프트웨어 엔지니어링에서 우위. - Open-weight 모델 : 좁고 반복적인 작업이나 독점적 워크플로우에 적합. - 연간 약 50억 토큰 수준이 되면 open-weight의 경제성을 검토할 시점. 다만 API 비용 절감과 개발·호스팅·보안·프라이버시·인프라 비용을 비교해야 함. - Frontier 모델의 토큰 비용 하락과 하이퍼스케일러 호스팅 배포가 독립 모델 스택 관리 필요성을 줄임. - 결과적으로 기업들은 모델 비종속적(prompt·제어·추상화 계층)을 구축해 능력·비용·거버넌스에 따라 워크로드를 모델 간 이동시키는 하이브리드 환경을 예상.