▶ 킨더모건 #KMI 3Q 어닝콜 Q&A서 흥미로웠던 부분

Jeremy Tonet (JPM 애널리스트):

(중략) 전력 수요와 대형 고객, 데이터 센터 관련하여 Kinder가 얼마나 더 업스트림 부문으로 진입할 수 있을까요? Kinder가 가스를 제공하는 것뿐만 아니라, 더 매력적인 계약 구조가 있다면, 자체 가스 발전을 통해 전력을 제공하는 것도 가능할까요? 이 기회에 대해 어떻게 생각하는지 궁금합니다.

Kimberly Allen Dang (CEO):

네, 물론입니다. 전력 발전소에 가스를 직접 제공하는 것은 우리가 할 수 있는 일입니다. 미터 뒤(고객 쪽)든, 미터 앞(공급자 쪽)이든 상관없이요. 이것이 전력망의 일부가 되는지 여부는 우리에게 크게 영향을 미치지 않습니다. 가스를 제공할 수 있습니다.

우리는 때때로 저장 시설 옆에 발전소를 설치하는 것을 고려할 수 있을지 이야기해 왔습니다. 그것은 그 발전소에 매우 높은 신뢰성을 제공할 것입니다. 그리고 그 근처에 있는 데이터 센터에도 큰 신뢰성을 제공할 수 있습니다. 현재 구체적인 계획은 없지만, 검토 중인 사항입니다.

(전문)

‒ 현재 미국 대선에서 트럼프 트레이드와 해리스 트레이드가 엇갈린 모습을 보임. 트럼프가 부상한 이후 트럼프 트레이드가 주목받았으나, 해리스가 약진하면서 해리스 트레이드가 더 부각됐었음. 최근 다시 트럼프가 경합주에서 우세를 보이면서 트럼프 트레이드가 재부상하고 있지만, 여전히 시장 전반에서는 대선 관련 거래가 소극적인 모습을 보임.

‒ 대선 거래가 소극적인 이유는 지지율이 매우 박빙이기 때문임. 예측하기 힘든 선거 판도, 그리고 연준의 통화정책, 중동 갈등, 중국 경제 둔화 등 대선 외의 주요 이슈들이 시장에 더 큰 영향을 미치고 있음. 특히 월가의 스마트머니는 대선 베팅보다 신중한 자세를 유지하는 경향이 강함.

‒ 트럼프가 일부 경합주에서 우세를 보이지만 전국적으로는 해리스가 우세함. 두 후보의 공약들이 의회에서 실현되기 어렵다는 점도 투자자들이 대선보다는 연준의 통화정책에 집중하게 만드는 요인임. 금리 인하와 같은 확실한 정책 방향이 더 많은 관심을 받고 있음.

‒ 대선이 임박했음에도 대선 관련 거래가 급증할 가능성은 낮음. 대선 이후에는 시장 변동성이 커질 가능성이 크고, 이때 특정 분야나 업종에 대한 거래가 활발해질 것으로 보임. 하지만 대선 결과와 의회 구성 결과가 명확해질 때까지는 관망세가 이어질 가능성이 큼.

‒ 만약 대선 관련 거래가 특정 시점에 몰리면 변동성이 크게 확대될 수 있음. 예를 들어 트럼프의 관세 부과 정책과 같은 큰 변수가 등장할 때 이에 대한 대비가 충분하지 않으면 시장에 충격을 줄 수 있음. 다만, 의회 결과가 한쪽으로 쏠리지 않으면 변동성은 제한될 가능성도 있음.

#대선

베팅사이트 투기꾼들 벳은 거의 트럼프 당선을 기정사실화하고 있지만 그에 비해 트럼프 트레이드 바스켓의 퍼포먼스가 폭력적이지 않은 이유

트럼프 당선에 컨빅션을 갖고 있다면 오히려 기회가 될 수도, 물론 보는 시각에 따라 코인 토스 겜블일 수도

중국 부동산 부양, 두배로 올려

4조위안 주택건설 대출

- 중국이 부동산개발업체의 자금지원을 확대하기로 했습니다.

중국 정부가 침체된 부동산 시장을 살리기 위해 화이트리스트(정부가 선정한 우량 부동산) 대출 공급을 연말까지 4조위안으로 늘리고 100만가구 주택을 개조하기로 했습니다.

17일 니훙 중국 주택도시농촌건설부장(장관)과 중국 인민은행, 국가금융감독관리총국 책임자는 ‘부동산 시장의 건강한 발전 촉진’ 관련 기자회견을 열고 이같은 내용을 발표했습니다.

2.2조에서 4조로 증액한 것입니다. 내일은 중국 GDP 발표가 있는데요, 5% 달성여부를 알게될 것 같습니다.

- 연말까지, 중국은 부양패키지입니다. 부양 패키지 규모가 10조를 넘어가야합니다. 3분기 GDP발표가 주목됩니다.

t.me/jkc123

테크알못이 본 이번 사이클은 그냥 잘하던 애들은 계속 잘하고 못하는 애는 계속 못하는, 좋았던 쪽(AI)은 계속 좋고 안 좋은 쪽(레거시)은 계속 안 좋은, 잘하는 애들 벤더는 그나마 낫고 못하는 애들 벤더는 지옥인 그런 사이클로 보여짐

▶ 큰 실수와 손익비, 새로운 것과 과대평가 (고가투님)

https://m.blog.naver.com/mlyuri/223622415290

얘는 대치동영어 7세고시는 통과했지만 눈사람은 한번도 못만들어봤구나

https://m.slrclub.com/v/best_article/593932

대치키즈들 보면서 아동학대 아니냐 대한민국의 입시 경쟁 선 넘은 거 아니냐 이런 소리 나오는 게 어찌 보면 정상적일 수 있겠지만,

주변 대치키즈 지인들 보면 정작 좋은 환경, 좋은 무리들 속에서 경쟁하며 얻은 하드워킹하는 DNA, 어렸을 적부터 사귄 똑똑한 친구들 네트워크 등으로 잘만 만족하며 사는 듯. 실제로 좋은 대학 좋은 직장 혹은 전문직으로 만족하며 사는 경우가 허다

본인도 능력만 된다면 저런 학군에서 애 키우고 싶음.. 그런 관점에서 부동산은 아줌마들이 잘 한다는 말이 괜히 있는 게 아닌 듯

AI의 다음 단계로 가는 길 => 추론형 시장의 확장, AI 가속기 시장에 관여하는 반도체 기업들의 확장(빠른 네트워크 속도, 데이터 센터 인프라 등)

> 메모리의 성장 속도가 피크아웃하더라도, AI를 위한 컴퓨팅 자원의 성장 속도는 피크아웃하지 않는다는 점이 중요

=> 결국 컴퓨팅 속도 향상을 위한 발전은 AI산업의 Key로서 향후 10년동안은 지속발전할 수밖에 없다는 생각

=> 문제는, 이 컴퓨팅 속도 발전을 위해 필요해지는 HW의 발전속도가 아직 더디다는 점. 이를 위해 AI가속기 스펙 향상과 더불어 네트워크 속도 향상 등 전반적인 HW 밸류체인의 발전이 동반되고 있음

=> 이번 ASML의 쇼크는 단순히 EUV 채택 속도의 둔화만을 의미하는 것이 아닐 것. HW 발전 속도는 컴퓨팅 발전 속도 증가에 따라 계속 증가해야 하는데, 이제 전공정단에서 진행되는 미세화 속도로는 HW발전 속도가 이를 뒤따라가기 어려운 것 (이미 이 부분은 1~2년 전부터 두각을 나타내고 있었음)

=> 이러한 전공정단에서의 더딘 발전속도를 충족시키기 위한 기술 변화들이 'AI 가속기 시장에 관여하는 반도체 기업들의 확장' 이라는 명칭으로 진행되고 있음

=> AI사이클은 여전히 끝나지 않았음. 다만 투자처를 발견하는 시각이 더 NVDA향 벤더에 집중되어야 하고, AI 가속기 밸류체인에서 핵심적인 기술발전(네트워크 속도 등)에 기여할 수 있는 업체들에 집중될 필요가 있다고 생각

1. GPU 중심 컴퓨팅 시대의 도래

‒ 기존 CPU 중심 구조: 초기 컴퓨팅은 주로 직렬 연산에 특화된 CPU가 메인 메모리(DRAM)와 협력하며 발전해왔음. 이 방식은 직렬적으로 데이터를 처리하는 방식이 인간의 사고와 유사해 많은 프로그램에 사용되었음.

‒ 한계에 직면: 그러나 동영상 인식, 자연어 처리 등 복잡한 작업에서는 CPU의 직렬 연산 방식이 한계에 부딪혔고, 이를 해결하기 위해 GPU가 등장함. GPU는 병렬 처리가 가능해 다량의 데이터를 동시에 처리할 수 있음.

‒ 컴퓨팅 패러다임의 전환: 최근 AI 학습 및 고성능 컴퓨팅에서 병렬 연산이 매우 중요해지면서, 컴퓨팅의 중심이 CPU에서 GPU로 전환됨. 이는 NVIDIA와 같은 GPU 제조사의 성장을 통해 증명됨. HBM은 GPU가 기존 DRAM의 속도 문제를 해결하는 데 중요한 역할을 하고 있음.

2. HBM 이후의 병목 현상

‒ 새로운 병목: HBM은 GPU와 메모리 간의 병목을 해결했지만, 다음 병목은 서버 내에서 발생하는 데이터 전송에 있음. 특히, 데이터센터 내에서는 AI 모델의 파라미터 크기가 커지면서 GPU 간의 데이터 통신 및 서버 간의 네트워크 병목이 더 두드러지고 있음.

‒ Generative AI의 병목: AI 학습 과정에서 병렬 처리된 연산을 빠르게 처리하기 위해서는 고속 데이터 전송이 필수적임. Gen-AI 모델의 파라미터 수가 증가함에 따라 연산 과정에서 발생하는 데이터 이동량이 급증하고 있음. 이때 HBM은 고속 메모리로서 역할을 하지만, 궁극적으로 서버 간 통신 병목을 해결하는 것이 더 중요한 과제가 됨.

3. 시스템적 접근을 통한 병목 해결

‒ DPU와 SuperNIC: AI 워크로드에서 증가하는 데이터 트래픽을 처리하기 위해 CPU와 NIC(Network Interface Card)의 부담을 덜어줄 새로운 장치들이 필요함. 그중 DPU(Data Processing Unit)와 SuperNIC은 이러한 역할을 맡고 있음. 이들은 기존 CPU의 연산 부하를 줄여주고, GPU 간의 데이터 전송 속도를 크게 향상시키는 기능을 함.

‒ NVIDIA의 RoCE 기술: NVIDIA는 SuperNIC을 통해 GPU 간 직접 통신이 가능하게 하며, 이더넷을 통해 데이터 전송을 최적화하는 RoCE(RDMA over Converged Ethernet) 기술을 도입하고 있음. 이를 통해 CPU의 부하를 줄이고 네트워크 성능을 극대화할 수 있음.

‒ DPU의 중요성: DPU는 GPU와 서버 간의 데이터 통신을 가속화하는 역할을 하며, 서버 간 병목을 해결하는 데 중요한 역할을 할 것으로 예상됨. NVIDIA는 이 DPU를 업그레이드하여 메모리 대역폭과 컴퓨팅 성능을 각각 4.2배, 4배 향상시킬 수 있다고 발표함.

4. 물리적 접근을 통한 병목 해결

‒ 광통신(Optical Interconnects)의 중요성: 전기 신호를 통해 데이터를 전송하는 기존 방식은 장거리 통신에서 신호 손실이 발생하는 문제를 가지고 있음. 이를 해결하기 위해 광섬유 기반의 광통신이 도입되고 있으며, 이는 기존 전기 신호보다 훨씬 빠르고 안정적으로 데이터를 전송할 수 있음.

‒ 실리콘 포토닉스(Silicon Photonics): 전기 신호를 광신호로 전환하는 과정에서 발생하는 전력 소모를 줄이고, 데이터 전송의 효율성을 높이기 위해 실리콘 포토닉스 기술이 필수적임. 이 기술은 광신호를 전기신호로 변환하거나 그 반대로 전환하는 데 필수적인 역할을 함.

‒ CPO(Co-Packaged Optics): CPO는 광신호와 전기신호 간의 변환 과정을 최소화하여 전송 효율성을 극대화하는 기술임. 이는 GPU와 서버 간의 통신을 보다 빠르고 안정적으로 만들어 줄 것으로 예상됨. 특히, TSMC와 같은 파운드리 업체들이 CPO 기술을 개발하며, 이 기술은 향후 데이터센터의 핵심 기술로 자리 잡을 것으로 보임.

5. 향후 병목 해결을 위한 기술적 전망

‒ 데이터센터 내 네트워크 인프라 개선: 서버 간 통신의 병목을 해결하기 위해서는 네트워크 스위치와 SuperNIC, DPU와 같은 시스템적 해결책뿐만 아니라, 물리적으로 데이터를 빠르게 전송할 수 있는 광섬유와 광통신 장치가 필요함. 특히 AI 학습 과정에서 발생하는 대규모 데이터 트래픽을 효율적으로 처리하기 위한 기술들이 점점 중요해지고 있음.

‒ NVIDIA와 TSMC의 역할: NVIDIA는 GPU와 관련된 기술뿐만 아니라, 네트워크 병목을 해결하는 기술에서도 시장을 선도하고 있음. 또한 TSMC는 GPU와 광통신 장치 간의 통신 효율성을 높이는 SoIC와 같은 공정을 통해 병목 현상을 해결하는 데 중요한 역할을 하고 있음.

6. 투자 인사이트

‒ GPU와 HBM 관련 기술 발전: AI 시대에서 GPU는 기존의 CPU를 대체하는 핵심적인 연산 장치로 자리 잡았으며, 이에 따른 HBM과 관련된 기술의 발전이 계속될 것임. 또한, 서버와 서버 간의 데이터 트래픽 병목을 해결하기 위한 네트워크 장치(DPU, SuperNIC, NVSwitch 등)와 광통신 기술(Optical Interconnects, Silicon Photonics, CPO) 등이 지속적으로 중요해질 것임.

‒ 주목할 기업: NVIDIA는 GPU, SuperNIC, DPU와 같은 고성능 네트워크 기술을 선도하고 있으며, TSMC는 이들 기술을 실현할 수 있는 파운드리 공정에서 강력한 역할을 하고 있음. 또한 광통신 장비를 제조하는 Fabrinet과 Fujikura와 같은 기업들도 큰 수혜를 볼 가능성이 높음.

#테크

국장에서는 관련해서 이수페타시스 말고는 투자할만한 게 없어 보이는데 새로운 수혜호소주들이 등장하려나