‒ S&P 500 기업의 80% 이상이 예상치를 상회하는 실적을 기록, 2021년 2분기 이후 가장 높은 어닝 서프라이즈 비율 관찰.
‒ 전체 3분기 실적은 애널리스트 예상 대비 10% 이상 초과, 2021년 2분기 이후 최대 상승폭.
‒ 보고된 기업 기준 영업이익은 전년 대비 +24%, 영업이익률 13.4%로 기록상 두 번째로 높은 수준으로 마진 개선 두드러짐.
‒ 전체 3분기 실적은 애널리스트 예상 대비 10% 이상 초과, 2021년 2분기 이후 최대 상승폭.
‒ 보고된 기업 기준 영업이익은 전년 대비 +24%, 영업이익률 13.4%로 기록상 두 번째로 높은 수준으로 마진 개선 두드러짐.
‒ 모건스탠리 QDS는 최근 모멘텀 팩터(MSZZMOMO) -14% 급락에도 언와인드가 아직 끝나지 않았으며 고변동성·고베타·무수익주 중심의 추가 Defrothing(거품 해소) 위험이 남아 있다고 경고.
‒ 롱 레그(MSQQUMOL)는 피크 대비 -19%로 과거 평균(-22%)과 유사하며, 통상 25거래일 지속되는 언와인드의 21일차로 “후반부지만 미완”이라는 판단.
‒ 헤지펀드 롱 레버리지 98%·롱북 집중도 87%로 역사적 고점 구간, 모멘텀·하이볼·베타 팩터 간 중첩도가 높아 크라우딩 리스크 극대화됨.
‒ [그림 1] 리테일 투자자 역시 NVDA·TSLA·META 등 상위 10대형주에 집중 매수, 중소형·테마·무수익 종목에는 자금 유입이 거의 끊겨 추가 약세 압력 예상.
‒ [그림 2, 3] 반면 헤지펀드 숏북은 클린 상태로 숏 확장 여력 존재, 특히 10월 숏커버 이후 언와인드 재개 가능성이 크다고 분석.
‒ QDS는 단기적으로 고베타·하이볼 종목 약세 지속, 반면 지수 레벨 혹은 고퀄리티 모멘텀주엔 딥바잉 기회로 대응 권고.
‒ [그림 4] 옵션 시장은 순숏 감마 상태(레버리지 ETF 영향)로 유동성 완충 기능이 약화, SPX 일중 변동성 확대 리스크가 높은 구조라 진단.
‒ 롱 레그(MSQQUMOL)는 피크 대비 -19%로 과거 평균(-22%)과 유사하며, 통상 25거래일 지속되는 언와인드의 21일차로 “후반부지만 미완”이라는 판단.
‒ 헤지펀드 롱 레버리지 98%·롱북 집중도 87%로 역사적 고점 구간, 모멘텀·하이볼·베타 팩터 간 중첩도가 높아 크라우딩 리스크 극대화됨.
‒ [그림 1] 리테일 투자자 역시 NVDA·TSLA·META 등 상위 10대형주에 집중 매수, 중소형·테마·무수익 종목에는 자금 유입이 거의 끊겨 추가 약세 압력 예상.
‒ [그림 2, 3] 반면 헤지펀드 숏북은 클린 상태로 숏 확장 여력 존재, 특히 10월 숏커버 이후 언와인드 재개 가능성이 크다고 분석.
‒ QDS는 단기적으로 고베타·하이볼 종목 약세 지속, 반면 지수 레벨 혹은 고퀄리티 모멘텀주엔 딥바잉 기회로 대응 권고.
‒ [그림 4] 옵션 시장은 순숏 감마 상태(레버리지 ETF 영향)로 유동성 완충 기능이 약화, SPX 일중 변동성 확대 리스크가 높은 구조라 진단.
Forwarded from 벨루가의 주식 헤엄치기
251114_Global Memory Market: Key considerations heading into 2026 and picturing bull/bear case scenarios - JPMorgan
[Key Takeaways]
(1) 사이클 지속 여부: 메모리 업사이클은 Token Economics에 힘입어 강세 지속 전망
■ ASP +1%에 영업이익 0.17~0.23조 추가
(2) 밸류에이션: 높은 마진 + 긴 업사이클 때문에 피크 P/B[2.6x] 이상 가능
■ 다만 P/E 체제로의 전환은 다소 이름
(3) HBM 수요 상향: '26~'27년 수요 +15~21% 상향
■ 2H27년 출시 예정인 Rubin Ultra Pro는 HBM 탑재량이 기존 대비 4배
(4) SKH vs. SEC: 단기 SEC, 중장기 SKH
■ NVIDIA 중심 Tier 1 지위를 유지하며 50% + Wallet Share 지속
-
[Contents]
(1) 우리는 메모리 공급 제약이 있는 상황에서, AI Inference 기반 Token Economics가 이끄는 더 강하고 더 긴 메모리 업 사이클에 대해 여전히 긍정적
(2) 아시아 반도체에서는 SK하이닉스/삼성전자[메모리], Tokyo Electron[SPE]을 선호. 미국에서는 Micron[메모리]과 KLA[SPE]를 선호
(3) 단기 DARM 가격 모멘텀은 상방 리스크에 더 가까움
(4) D5 현물은 지난 1개월 동안 +177% 급등했고, 스프레드는 263%까지 확대
(5) 이는 우리가 전망한 단기 DRAM 고정가 상승률[4Q25(F) +20%, 1Q26(F) +10%]보다 추가적인 상향 조정 가능성이 있다는 의미
(6) SSD 기반 구매 수요 증가와 공급 차질[QLC 전환 관련 수율 하락, 가동률 회복 이전까지의 리드타임 증가]도 NAND 가격 전망을 더욱 강하게 만들고 있음
(7) 우리는 ASP가 +1% 상승할 때마다, SK하이닉스/삼성전자의 실적 대략 아래와 같은 효과가 발생할 것으로 추정
■ DRAM OP: +1,700~2,600억
■ NAND OP: +700~900억
(8) 마진은 역사적 피크 수준으로 복귀중이며, 수요-공급 격차 축소가 향후 핵심 화두
(9) 일단 Legacy DRAM의 경우 OPM 70%에 도달 할 가능성이 4Q25(F)에 점차 커지고 있음
(10) 1Q26(F)에도 추가 상승세가 이어진다면, 메모리 업계는 새로운 마진 국면에 진입할 것
(11) 투자자들의 반응은 매우 혼조를 띌 것으로 보임
(12) 누군가는 강한 업사이클의 증거로 높은 마진을 긍정적으로 볼 것이지만, 반대로 EPS 상향 속도의 둔화 및 마진의 지속 가능성에 의문을 제기하는 시각도 함께 존재할 것으로 예상되기 때문
(13) SK 최태원 회장은 SK AI Summit에서 앞으로 메모리 업체들이 공급 과잉을 유발하지 않으면서 S-D 불균형을 해소하는 것이 최우선 과제라고 언급한 바 있음
(14) 우리는 업사이클의 지속성 그 자체가 마진률 피크 아웃이나 영업이익 규모보다 주가에 더 중요한 요인이라고 판단
(15) 메모리 업체들의 CAPEX는 증가하지만, 여러 관점에서 "Discipline"이 유지되고 있음을 확인하고 있음
(16) SKH+SEC의 '17년 합산 CAPEX 증가율 +50% 대비, '26년은 +20% 수준에 그칠 것으로 예상
(17) 또한 대부분은 선단 공정 미세화와 '27년에 가동 예정인 신규 팹의 건설에 집중될 것으로 판단
■ SEC: 평택 P4-2·P4-4 → 1znm 기준 ±20만 wpm, 1cnm 기준 12만 wpm
■ SKH: 용인 1단계 → M15X급 팹 6개 규모, 1cnm 기준 36만+ wpm
(18) 한편, Token Economics에서는 메모리의 역할이 계속해서 부각되고 있음
(19) LLM의 파라미터 규모가 수십억에서 수조 단위로 계속 확대되면서, 모델을 시스템에 로드하기 위해서는 더 높은 대역폭의 HBM이 필요
(20) AI Inference 과정 자체가 고속 읽기/쓰기 작업과, Pre-fill/Decode 단계에서 더 많은 메모리 사용량을 요구하기 때문
(21) GPU는 매우 비싼 자원이기 때문에, 한 번에 하나의 사용자 쿼리만 처리하도록 할 수 없음
(22) 따라서 효율성 개선[특히 일부 연산을 다른 메모리로 오프로딩]은 필수적이며, 이는 AI가 추론 중심[Inference-centric] 시대에 진입한 현재 더욱 중요해지고 있음
(23) 그 결과, 하드웨어 설계자들은 Test-Time Compute에 더 많은 계산 자원을 배분하고 있으며, HBM 대비 일반 DRAM의 소비 비중이 크게 증가하고 있음
(24) 특히 Vera Rubin 아키텍처는 Grace Blackwell 대비 일반 DRAM 의존도가 2.4~6.0배 높음
(25) 대부분의 CSP 업체들은 다양한 AI Inference & AI Agent를 동시에 운영하며 토큰 가격 모델 기반으로 사업을 운영
(26) 이때 데이터 전송 병목을 해소하는 것[토큰 생성 핵심]이 무엇보다 중요
(27) 메모리 TCO가 2배 이상 증가했음에도, CSP들은 이러한 컴퓨팅 아키텍처에 계속 투자하고 있으며, 이는 서버 메모리 수요가 강할 수 밖에 없는 근본적인 배경으로 작용하고 있는 것
(28) HBM 또한 수요 전망을 상향
(29) 우리는 CoWoS 전망 업데이트 이후, '26년 ~ '27년 HBM 비트 수요 전망을 +15~21% 상향
(30) 향후 2년간 HBM 공급 부족은 더 심화될 것으로 판단하기 때문
(31) Rubin 등 GPU에서의 탑재량 증가와 ASIC 출하량 전망의 큰 폭 상향 조정이 불가피하기 때문
■ '27년 중반 출시 예정인 Rubin Ultra Pro → HBM 탑재량이 기존 대비 4배
(32) 이에 따라서, HBM3E의 할인 축소 가능성도 존재할 것으로 판단
(33) GPU vs. ASIC: TPU 상향으로 ASIC 믹스 상승
■ NVIDIA GPU 출하량: '26년 6.3mn → 7.2mn / '27년 6.3mn → 7.3mn
■ ASIC cnfgkfid: '26년 6.0mn → 6.5mn / '27년 6.8mn → 8.7mn
(34) TPU 물량이 크게 상향되면서 ASIC 비트 수요 믹스는 25(F): 22% → 26~27(F): 32~33%로 상승 전망
(35) 다만, ASIC 대부분이 HBM4/HBM4E가 아닌 HBM3E를 채택하기 때문에, '28년에는 ASIC 비중이 다시 낮아질 것으로 예상
(36) 한편 삼성전자는 AMD 및 일부 NVIDIA의 HBM4 수요를 기반으로 하여 P4-1/P4-2에서 1cnm HBM 생산능력을 공격적으로 확대 중. 이에 따라 삼성의 시장 점유율은 올해 25%에서 내년 30%로 상승 전망
(37) 그럼에도 불구하고 SK하이닉스는 NVIDIA와의 강한 파트너십을 기반으로 Wallet Share 50% 이상을 유지하며 HBM Tier-1 벤더 지위를 유지할 것
(38) 다음은 최근 P/E vs. P/B Valuation 방법론
(39) 상위 메모리 3사는 현재 2.6x P/B로 역사적 고점 수준에서 거래 중이며, AI 확산과 업사이클 연장 기대가 리스크 프리미엄을 높이고 있음
(40) 높은 마진 + 긴 사이클을 고려하면 피크 이상의 밸류에이션 적용[P/B]은 정당화 가능
(41) 그러나 P/E 중심의 밸류 체계로 전환하려면 공급 계약 장기화, 맞춤형 메모리 확대, 안정적 마진 구조 등 업계 구조 변화가 필요
(42) 아직 주가 기대와 펀더멘털 사이에 간극이 있어, P/E 중심 밸류 논리로 넘어가기엔 이르다는 판단
(43) 마지막은 SEC vs. SKH. 우리는 중장기적으로 SKH를 더 선호
(44) Risk-Off 구간 이후, SKH가 더 강한 주가 탄력성을 보였기 때문. 이는 기술 경쟁력 기반 고마진 제품 확대에 기인
(45) '26년 초까지의 단기 관점에서는 HBM에서의 점유율 확대 기대감 및 양사간 마진 축소 논리를 통해 SEC가 SKH 대비 아웃퍼폼할 가능성이 있음
(46) 그러나 중기적 관점에서는 SK하이닉스가 더 유리. 이는 HBM 분야에서 견고한 기술 리더십을 갖추고 있으며, MR-MUF 기반 16hi 제품이 가장 앞서 있기 때문
[Key Takeaways]
(1) 사이클 지속 여부: 메모리 업사이클은 Token Economics에 힘입어 강세 지속 전망
■ ASP +1%에 영업이익 0.17~0.23조 추가
(2) 밸류에이션: 높은 마진 + 긴 업사이클 때문에 피크 P/B[2.6x] 이상 가능
■ 다만 P/E 체제로의 전환은 다소 이름
(3) HBM 수요 상향: '26~'27년 수요 +15~21% 상향
■ 2H27년 출시 예정인 Rubin Ultra Pro는 HBM 탑재량이 기존 대비 4배
(4) SKH vs. SEC: 단기 SEC, 중장기 SKH
■ NVIDIA 중심 Tier 1 지위를 유지하며 50% + Wallet Share 지속
-
[Contents]
(1) 우리는 메모리 공급 제약이 있는 상황에서, AI Inference 기반 Token Economics가 이끄는 더 강하고 더 긴 메모리 업 사이클에 대해 여전히 긍정적
(2) 아시아 반도체에서는 SK하이닉스/삼성전자[메모리], Tokyo Electron[SPE]을 선호. 미국에서는 Micron[메모리]과 KLA[SPE]를 선호
(3) 단기 DARM 가격 모멘텀은 상방 리스크에 더 가까움
(4) D5 현물은 지난 1개월 동안 +177% 급등했고, 스프레드는 263%까지 확대
(5) 이는 우리가 전망한 단기 DRAM 고정가 상승률[4Q25(F) +20%, 1Q26(F) +10%]보다 추가적인 상향 조정 가능성이 있다는 의미
(6) SSD 기반 구매 수요 증가와 공급 차질[QLC 전환 관련 수율 하락, 가동률 회복 이전까지의 리드타임 증가]도 NAND 가격 전망을 더욱 강하게 만들고 있음
(7) 우리는 ASP가 +1% 상승할 때마다, SK하이닉스/삼성전자의 실적 대략 아래와 같은 효과가 발생할 것으로 추정
■ DRAM OP: +1,700~2,600억
■ NAND OP: +700~900억
(8) 마진은 역사적 피크 수준으로 복귀중이며, 수요-공급 격차 축소가 향후 핵심 화두
(9) 일단 Legacy DRAM의 경우 OPM 70%에 도달 할 가능성이 4Q25(F)에 점차 커지고 있음
(10) 1Q26(F)에도 추가 상승세가 이어진다면, 메모리 업계는 새로운 마진 국면에 진입할 것
(11) 투자자들의 반응은 매우 혼조를 띌 것으로 보임
(12) 누군가는 강한 업사이클의 증거로 높은 마진을 긍정적으로 볼 것이지만, 반대로 EPS 상향 속도의 둔화 및 마진의 지속 가능성에 의문을 제기하는 시각도 함께 존재할 것으로 예상되기 때문
(13) SK 최태원 회장은 SK AI Summit에서 앞으로 메모리 업체들이 공급 과잉을 유발하지 않으면서 S-D 불균형을 해소하는 것이 최우선 과제라고 언급한 바 있음
(14) 우리는 업사이클의 지속성 그 자체가 마진률 피크 아웃이나 영업이익 규모보다 주가에 더 중요한 요인이라고 판단
(15) 메모리 업체들의 CAPEX는 증가하지만, 여러 관점에서 "Discipline"이 유지되고 있음을 확인하고 있음
(16) SKH+SEC의 '17년 합산 CAPEX 증가율 +50% 대비, '26년은 +20% 수준에 그칠 것으로 예상
(17) 또한 대부분은 선단 공정 미세화와 '27년에 가동 예정인 신규 팹의 건설에 집중될 것으로 판단
■ SEC: 평택 P4-2·P4-4 → 1znm 기준 ±20만 wpm, 1cnm 기준 12만 wpm
■ SKH: 용인 1단계 → M15X급 팹 6개 규모, 1cnm 기준 36만+ wpm
(18) 한편, Token Economics에서는 메모리의 역할이 계속해서 부각되고 있음
(19) LLM의 파라미터 규모가 수십억에서 수조 단위로 계속 확대되면서, 모델을 시스템에 로드하기 위해서는 더 높은 대역폭의 HBM이 필요
(20) AI Inference 과정 자체가 고속 읽기/쓰기 작업과, Pre-fill/Decode 단계에서 더 많은 메모리 사용량을 요구하기 때문
(21) GPU는 매우 비싼 자원이기 때문에, 한 번에 하나의 사용자 쿼리만 처리하도록 할 수 없음
(22) 따라서 효율성 개선[특히 일부 연산을 다른 메모리로 오프로딩]은 필수적이며, 이는 AI가 추론 중심[Inference-centric] 시대에 진입한 현재 더욱 중요해지고 있음
(23) 그 결과, 하드웨어 설계자들은 Test-Time Compute에 더 많은 계산 자원을 배분하고 있으며, HBM 대비 일반 DRAM의 소비 비중이 크게 증가하고 있음
(24) 특히 Vera Rubin 아키텍처는 Grace Blackwell 대비 일반 DRAM 의존도가 2.4~6.0배 높음
(25) 대부분의 CSP 업체들은 다양한 AI Inference & AI Agent를 동시에 운영하며 토큰 가격 모델 기반으로 사업을 운영
(26) 이때 데이터 전송 병목을 해소하는 것[토큰 생성 핵심]이 무엇보다 중요
(27) 메모리 TCO가 2배 이상 증가했음에도, CSP들은 이러한 컴퓨팅 아키텍처에 계속 투자하고 있으며, 이는 서버 메모리 수요가 강할 수 밖에 없는 근본적인 배경으로 작용하고 있는 것
(28) HBM 또한 수요 전망을 상향
(29) 우리는 CoWoS 전망 업데이트 이후, '26년 ~ '27년 HBM 비트 수요 전망을 +15~21% 상향
(30) 향후 2년간 HBM 공급 부족은 더 심화될 것으로 판단하기 때문
(31) Rubin 등 GPU에서의 탑재량 증가와 ASIC 출하량 전망의 큰 폭 상향 조정이 불가피하기 때문
■ '27년 중반 출시 예정인 Rubin Ultra Pro → HBM 탑재량이 기존 대비 4배
(32) 이에 따라서, HBM3E의 할인 축소 가능성도 존재할 것으로 판단
(33) GPU vs. ASIC: TPU 상향으로 ASIC 믹스 상승
■ NVIDIA GPU 출하량: '26년 6.3mn → 7.2mn / '27년 6.3mn → 7.3mn
■ ASIC cnfgkfid: '26년 6.0mn → 6.5mn / '27년 6.8mn → 8.7mn
(34) TPU 물량이 크게 상향되면서 ASIC 비트 수요 믹스는 25(F): 22% → 26~27(F): 32~33%로 상승 전망
(35) 다만, ASIC 대부분이 HBM4/HBM4E가 아닌 HBM3E를 채택하기 때문에, '28년에는 ASIC 비중이 다시 낮아질 것으로 예상
(36) 한편 삼성전자는 AMD 및 일부 NVIDIA의 HBM4 수요를 기반으로 하여 P4-1/P4-2에서 1cnm HBM 생산능력을 공격적으로 확대 중. 이에 따라 삼성의 시장 점유율은 올해 25%에서 내년 30%로 상승 전망
(37) 그럼에도 불구하고 SK하이닉스는 NVIDIA와의 강한 파트너십을 기반으로 Wallet Share 50% 이상을 유지하며 HBM Tier-1 벤더 지위를 유지할 것
(38) 다음은 최근 P/E vs. P/B Valuation 방법론
(39) 상위 메모리 3사는 현재 2.6x P/B로 역사적 고점 수준에서 거래 중이며, AI 확산과 업사이클 연장 기대가 리스크 프리미엄을 높이고 있음
(40) 높은 마진 + 긴 사이클을 고려하면 피크 이상의 밸류에이션 적용[P/B]은 정당화 가능
(41) 그러나 P/E 중심의 밸류 체계로 전환하려면 공급 계약 장기화, 맞춤형 메모리 확대, 안정적 마진 구조 등 업계 구조 변화가 필요
(42) 아직 주가 기대와 펀더멘털 사이에 간극이 있어, P/E 중심 밸류 논리로 넘어가기엔 이르다는 판단
(43) 마지막은 SEC vs. SKH. 우리는 중장기적으로 SKH를 더 선호
(44) Risk-Off 구간 이후, SKH가 더 강한 주가 탄력성을 보였기 때문. 이는 기술 경쟁력 기반 고마진 제품 확대에 기인
(45) '26년 초까지의 단기 관점에서는 HBM에서의 점유율 확대 기대감 및 양사간 마진 축소 논리를 통해 SEC가 SKH 대비 아웃퍼폼할 가능성이 있음
(46) 그러나 중기적 관점에서는 SK하이닉스가 더 유리. 이는 HBM 분야에서 견고한 기술 리더십을 갖추고 있으며, MR-MUF 기반 16hi 제품이 가장 앞서 있기 때문
Gromit 공부방
Data Centers That Don’t Exist Yet Are Already Haunting the Grid : 미국 전력망, ‘유령 데이터센터’ 폭증에 혼란 직면 ✅ 데이터센터 interconnection 요청, 전력 수요를 수배 초과 ‒ 미국 전역에서 데이터센터 개발사와 빅테크가 전력망 연결(interconnection) 요청을 대규모로 제출 중 ‒ 일부 지역에서는 요청 총량이 해당 유틸리티 전체 서비스 권역의 현재 전력 수요를 몇 배 이상 초과하는…
9월 초 WSJ에서도 거의 같은 내용으로 이미 보도를 한 바
같은 내용이어도 당시에는 무관심 이슈였으나, 주가가 빠지니 주목도가 올라간다
버리 뉴스도 그렇고 AI 버블에 대한(*사실상 '버블이어야만' 하는) 수많은 의견들을 보며
마치 작년 듣도보도 못한 샴룰 가지고 어쩌고 저쩌고 하던 때가 문득 생각이 남
같은 내용이어도 당시에는 무관심 이슈였으나, 주가가 빠지니 주목도가 올라간다
버리 뉴스도 그렇고 AI 버블에 대한
마치 작년 듣도보도 못한 샴룰 가지고 어쩌고 저쩌고 하던 때가 문득 생각이 남
‒ AI 사이클에 필요한 자금규모가 5조달러 수준으로 현실화되면서 시장이 이를 소화하지 못해 나스닥이 6거래일 중 5일 하락, 모멘텀·AI 리더십 전반에서 피로감이 누적.
‒ 최근 3Q 인터넷 실적, 비선형적 AI 모멘텀 둔화, 연말까지 남은 30거래일이라는 시즌성 부담이 겹치며 투자자들은 ‘안정화 전까지 방어적 모드’로 전환하는 흐름 강화.
‒ [그림 1, 2] 오늘 급락은 특히 모멘텀 팩터에 집중돼 골드만의 High Beta Momentum Pair(GSPRHIMO)가 -7%로 올해 두 번째로 큰 낙폭을 기록했고, 베타·리스크볼이 약한 흐름을 보이며 모멘텀 언와인드가 촉발.
‒ NVDA 실적 발표(다음 주) 앞두고 차익실현, FT의 ‘유령 데이터센터로 인한 발전수요 과대추정’ 이슈, 연준 매파 발언, 고용·거시 지표 노이즈 등이 단기 리스크로 작동하며 AI와 모멘텀 중심 매물이 쏟아짐.
‒ 현재 모멘텀은 고쇼트(Short)·고변동·고베타와의 상관관계만 높아지고 품질(Quality)과의 연관성은 낮아졌으며, 특히 고베타 롱 레그 중심에서 가장 큰 손실이 발생하면서 AI 노출 구간의 타격 심화.
‒ AI 수혜주들은 X7(S&P ex Mag7) 대비 이미 -9% 언더퍼폼 중이며, 과거 모멘텀/AI 디로테이션 국면에서 평균적으로 -20%까지 벌어졌던 점을 고려하면 NVDA 실적이 이번 사이클의 핵심 분기점이 될 전망.
‒ [그림 3] GSPRHIMO 등 모멘텀 팩터 익스포저는 1년 기준 76%, 5년 기준 88%백분위 수준으로 여전히 높아 연말 디그로싱·세금매각 시즌성과 맞물린 추가 변동성이 잔존하며, 이를 헤지하기 위한 GS Momentum ex-AI Basket 활용 제시.
‒ 최근 3Q 인터넷 실적, 비선형적 AI 모멘텀 둔화, 연말까지 남은 30거래일이라는 시즌성 부담이 겹치며 투자자들은 ‘안정화 전까지 방어적 모드’로 전환하는 흐름 강화.
‒ [그림 1, 2] 오늘 급락은 특히 모멘텀 팩터에 집중돼 골드만의 High Beta Momentum Pair(GSPRHIMO)가 -7%로 올해 두 번째로 큰 낙폭을 기록했고, 베타·리스크볼이 약한 흐름을 보이며 모멘텀 언와인드가 촉발.
‒ NVDA 실적 발표(다음 주) 앞두고 차익실현, FT의 ‘유령 데이터센터로 인한 발전수요 과대추정’ 이슈, 연준 매파 발언, 고용·거시 지표 노이즈 등이 단기 리스크로 작동하며 AI와 모멘텀 중심 매물이 쏟아짐.
‒ 현재 모멘텀은 고쇼트(Short)·고변동·고베타와의 상관관계만 높아지고 품질(Quality)과의 연관성은 낮아졌으며, 특히 고베타 롱 레그 중심에서 가장 큰 손실이 발생하면서 AI 노출 구간의 타격 심화.
‒ AI 수혜주들은 X7(S&P ex Mag7) 대비 이미 -9% 언더퍼폼 중이며, 과거 모멘텀/AI 디로테이션 국면에서 평균적으로 -20%까지 벌어졌던 점을 고려하면 NVDA 실적이 이번 사이클의 핵심 분기점이 될 전망.
‒ [그림 3] GSPRHIMO 등 모멘텀 팩터 익스포저는 1년 기준 76%, 5년 기준 88%백분위 수준으로 여전히 높아 연말 디그로싱·세금매각 시즌성과 맞물린 추가 변동성이 잔존하며, 이를 헤지하기 위한 GS Momentum ex-AI Basket 활용 제시.
Jevons or Bust — AI 효율성 향상이 수요 폭증으로 이어지는 이유
✅ AI 비용 하락 → 사용량 폭증, Jevons 패러독스의 실증
‒ a16z는 이번 리포트에서 AI 토큰·컴퓨트 사용량 데이터를 통해 Jevons 패러독스가 실제로 작동하고 있음을 강조.
‒ Jevons 패러독스란 기술 발전으로 효율이 높아지고 비용이 줄어들면 소비가 줄어드는 것이 아니라 오히려 수요가 폭발적으로 늘어난다는 개념임.
‒ AI 모델의 효율성 개선으로 단위 토큰당 처리비용이 급락하면서, AI 서비스 사용량이 역사상 유례없는 수준으로 폭증 중.
‒ 즉 “더 저렴해질수록 더 많이 사용된다”는 현상이 AI 산업 내에서 명확히 관찰되고 있음.
✅ 실제 데이터: 토큰 소비량의 ‘기하급수적 증가’
‒ Google은 2024년 월간 토큰 소비가 약 480조였으나, 2025년 11월 기준으로 1.3경(Quadrillion) 수준으로 급증했다고 발표.
‒ 이는 불과 1년 만에 50배 이상 증가한 수치로, 구글이 “경 단위의 숫자는 이제 현실적인 단위가 아니다”라고 표현할 정도.
‒ OpenRouter 데이터에서도 유사한 폭발적 추세가 나타남: 1년간 주간 토큰 사용량이 약 3000억 → 6조 수준으로 19배 증가.
‒ 일시적 ‘플랫’ 구간이 있었지만, 매번 새로운 모델(예: xAI 코드젠 출시) 등장 시 마다 수요는 다시 폭등하며 새로운 최고점을 갱신.
‒ 특히 xAI 모델은 출시 직후 코드 생성 토큰의 약 60%를 점유하며, 시장의 신규 수요를 단숨에 끌어올린 사례로 언급됨.
✅ 가격 하락 → 유료 사용량 급증: Jevons 효과의 전형적 양상
‒ OpenRouter 및 YipitData 자료에 따르면 2025년 2월 대비 토큰당 단가는 약 1/3 수준으로 떨어졌음.
‒ 같은 기간, 유료 기준 토큰 소비량은 5배 이상 늘었으며, 무료 사용 비중은 오히려 축소됨.
‒ 즉, 가격이 내려가면서 유료 수요가 폭발했다는 점에서 “효율성 향상 → 실사용 증가”의 Jevons 역설이 실제로 관찰되고 있음.
‒ 데이터상으로 ‘가격 하락 시마다 소비가 급등’하는 패턴이 반복적으로 나타났으며, 이는 일시적 노이즈가 아닌 구조적 트렌드로 해석.
✅ 실제 수익으로 연결: 클라우드 매출의 AI 기여도 확대
‒ AWS, Azure, Google Cloud 등 주요 클라우드 사업자들은 AI/ML 사용이 전체 매출 성장의 핵심 동력으로 자리잡고 있음.
‒ 분기별로 보면, AI 관련 사용에서 발생한 추가 매출이 전체의 약 1~5% 수준으로 꾸준히 상승 중.
‒ Azure는 최근 분기부터 AI 관련 매출 성장률이 다시 가속화됐고, Google Cloud의 AI 관련 매출 기여도는 세 업체 중 가장 빠르게 증가 중.
‒ 즉, 막대한 AI 인프라(capex) 투자가 단순한 ‘거품형 설비 확충’이 아니라 실제 수익 창출 구조로 이어지고 있음을 보여줌.
✅ 오픈소스 생태계에서도 수요 가시화
‒ GitHub 기준, 최근 10대 급성장 프로젝트 중 6개가 AI 중심 프로젝트로 확인됨.
‒ 이는 AI가 단순한 소비재 수준을 넘어, 개발자 도구·생산성 인프라·코드 어시스턴트 등 전 산업군의 기본 툴체인으로 자리잡고 있음을 의미함.
‒ a16z는 “AI가 AI를 개발하는 단계(AI as the AI toolkit)”로 진입하고 있다고 평가함.
✅ 잠재 리스크: 셰일붐과 유사한 투자 과열 가능성
‒ 다만 리포트는 2010년대 셰일가스 붐과의 유사성을 경고함. 초기엔 높은 수익성을 보였지만, 시간이 지나며 투자 대비 현금창출력(CF)이 급격히 둔화되었음.
‒ GPU 인프라 투자도 마찬가지로, 초기에는 ‘프린트 머니’처럼 보이지만 장기적으로는 감가상각·마진 축소·경쟁 심화로 투자 회수 속도가 늦어질 수 있음.
‒ “모든 공급 부족은 결국 공급 과잉으로 귀결된다”는 경구처럼, AI도 장기적으로 Jevons 효과가 꺾이면 버블로 전환될 위험이 있음.
✅ Jevons vs. Bust — 두 갈래의 미래
‒ 만약 Jevons 효과가 지속된다면, AI 효율 향상은 오히려 새로운 사용처·비즈니스 모델·산업 구조를 무한히 확장시키며 ‘신경제의 에너지’가 될 수 있음.
‒ 반대로 효율 향상에도 불구하고 수요 포화가 온다면, 이는 셰일 산업처럼 ‘단기 성장 후 급격한 투자 회수 압박’으로 이어질 수 있음.
‒ 현재로서는 Jevons적 성장(비용↓, 사용↑, 수익 지속)이 유지되고 있으며, a16z는 “AI가 더 빠른 말이 아니라, 완전히 새로운 자동차 산업의 출현”에 가깝다고 평가.
💡 정리: Jevons 패러독스는 AI 산업의 근본 원리를 설명하는 가장 강력한 프레임
» AI 효율성 개선은 비용 절감이 아니라 수요 폭발의 트리거로 작동하고 있음.
» GPU·모델 효율화에도 불구하고 토큰 사용량과 유료 소비는 빠르게 증가 중이며, 이는 실제 클라우드 매출에도 반영.
» 단기적으로는 Jevons 효과가 지배하지만, 장기적으로는 셰일붐과 같은 투자과열 리스크도 공존.
» AI는 기존 기술의 단순 확장이 아니라, 새로운 소비·생산 패러다임을 여는 ‘일반목적 기술(General Purpose Tech)’로 진화 중.
source: a16z
‒ a16z는 이번 리포트에서 AI 토큰·컴퓨트 사용량 데이터를 통해 Jevons 패러독스가 실제로 작동하고 있음을 강조.
‒ Jevons 패러독스란 기술 발전으로 효율이 높아지고 비용이 줄어들면 소비가 줄어드는 것이 아니라 오히려 수요가 폭발적으로 늘어난다는 개념임.
‒ AI 모델의 효율성 개선으로 단위 토큰당 처리비용이 급락하면서, AI 서비스 사용량이 역사상 유례없는 수준으로 폭증 중.
‒ 즉 “더 저렴해질수록 더 많이 사용된다”는 현상이 AI 산업 내에서 명확히 관찰되고 있음.
‒ Google은 2024년 월간 토큰 소비가 약 480조였으나, 2025년 11월 기준으로 1.3경(Quadrillion) 수준으로 급증했다고 발표.
‒ 이는 불과 1년 만에 50배 이상 증가한 수치로, 구글이 “경 단위의 숫자는 이제 현실적인 단위가 아니다”라고 표현할 정도.
‒ OpenRouter 데이터에서도 유사한 폭발적 추세가 나타남: 1년간 주간 토큰 사용량이 약 3000억 → 6조 수준으로 19배 증가.
‒ 일시적 ‘플랫’ 구간이 있었지만, 매번 새로운 모델(예: xAI 코드젠 출시) 등장 시 마다 수요는 다시 폭등하며 새로운 최고점을 갱신.
‒ 특히 xAI 모델은 출시 직후 코드 생성 토큰의 약 60%를 점유하며, 시장의 신규 수요를 단숨에 끌어올린 사례로 언급됨.
‒ OpenRouter 및 YipitData 자료에 따르면 2025년 2월 대비 토큰당 단가는 약 1/3 수준으로 떨어졌음.
‒ 같은 기간, 유료 기준 토큰 소비량은 5배 이상 늘었으며, 무료 사용 비중은 오히려 축소됨.
‒ 즉, 가격이 내려가면서 유료 수요가 폭발했다는 점에서 “효율성 향상 → 실사용 증가”의 Jevons 역설이 실제로 관찰되고 있음.
‒ 데이터상으로 ‘가격 하락 시마다 소비가 급등’하는 패턴이 반복적으로 나타났으며, 이는 일시적 노이즈가 아닌 구조적 트렌드로 해석.
‒ AWS, Azure, Google Cloud 등 주요 클라우드 사업자들은 AI/ML 사용이 전체 매출 성장의 핵심 동력으로 자리잡고 있음.
‒ 분기별로 보면, AI 관련 사용에서 발생한 추가 매출이 전체의 약 1~5% 수준으로 꾸준히 상승 중.
‒ Azure는 최근 분기부터 AI 관련 매출 성장률이 다시 가속화됐고, Google Cloud의 AI 관련 매출 기여도는 세 업체 중 가장 빠르게 증가 중.
‒ 즉, 막대한 AI 인프라(capex) 투자가 단순한 ‘거품형 설비 확충’이 아니라 실제 수익 창출 구조로 이어지고 있음을 보여줌.
‒ GitHub 기준, 최근 10대 급성장 프로젝트 중 6개가 AI 중심 프로젝트로 확인됨.
‒ 이는 AI가 단순한 소비재 수준을 넘어, 개발자 도구·생산성 인프라·코드 어시스턴트 등 전 산업군의 기본 툴체인으로 자리잡고 있음을 의미함.
‒ a16z는 “AI가 AI를 개발하는 단계(AI as the AI toolkit)”로 진입하고 있다고 평가함.
‒ 다만 리포트는 2010년대 셰일가스 붐과의 유사성을 경고함. 초기엔 높은 수익성을 보였지만, 시간이 지나며 투자 대비 현금창출력(CF)이 급격히 둔화되었음.
‒ GPU 인프라 투자도 마찬가지로, 초기에는 ‘프린트 머니’처럼 보이지만 장기적으로는 감가상각·마진 축소·경쟁 심화로 투자 회수 속도가 늦어질 수 있음.
‒ “모든 공급 부족은 결국 공급 과잉으로 귀결된다”는 경구처럼, AI도 장기적으로 Jevons 효과가 꺾이면 버블로 전환될 위험이 있음.
‒ 만약 Jevons 효과가 지속된다면, AI 효율 향상은 오히려 새로운 사용처·비즈니스 모델·산업 구조를 무한히 확장시키며 ‘신경제의 에너지’가 될 수 있음.
‒ 반대로 효율 향상에도 불구하고 수요 포화가 온다면, 이는 셰일 산업처럼 ‘단기 성장 후 급격한 투자 회수 압박’으로 이어질 수 있음.
‒ 현재로서는 Jevons적 성장(비용↓, 사용↑, 수익 지속)이 유지되고 있으며, a16z는 “AI가 더 빠른 말이 아니라, 완전히 새로운 자동차 산업의 출현”에 가깝다고 평가.
» AI 효율성 개선은 비용 절감이 아니라 수요 폭발의 트리거로 작동하고 있음.
» GPU·모델 효율화에도 불구하고 토큰 사용량과 유료 소비는 빠르게 증가 중이며, 이는 실제 클라우드 매출에도 반영.
» 단기적으로는 Jevons 효과가 지배하지만, 장기적으로는 셰일붐과 같은 투자과열 리스크도 공존.
» AI는 기존 기술의 단순 확장이 아니라, 새로운 소비·생산 패러다임을 여는 ‘일반목적 기술(General Purpose Tech)’로 진화 중.
source: a16z
Please open Telegram to view this post
VIEW IN TELEGRAM
키옥시아의 부진을 NAND 시장 전체로 확대해석할 필요는 없는 이유
동사 역시 1) NAND 수요 전망치 상향, 2) 일반 서버 교체 및 AI 추론 수요 확대에 따른 SSD 수요 강세, 3) 고용량 QLC 수요 증가, 4) 장기 계약 협상, 5) 실적 개선세 지속, 6) 보수적인 CAPEX 등을 언급하며 다른 NAND 업체들과 동일한 상황임을 확인했기 때문.
동사의 부진한 실적은 1) 수요 강세가 지속되고 있는 eSSD보다 상대적으로 수익성이 낮고 단일 고객과 대용량계약을 맺은 Mobile의 비중이 증가, 2) IPO 이전 공격적인 매출과 y-y 기준 비교 때문인 것으로 판단.
*NH 류영호 위원님 자료 발췌(11/14)
동사 역시 1) NAND 수요 전망치 상향, 2) 일반 서버 교체 및 AI 추론 수요 확대에 따른 SSD 수요 강세, 3) 고용량 QLC 수요 증가, 4) 장기 계약 협상, 5) 실적 개선세 지속, 6) 보수적인 CAPEX 등을 언급하며 다른 NAND 업체들과 동일한 상황임을 확인했기 때문.
동사의 부진한 실적은 1) 수요 강세가 지속되고 있는 eSSD보다 상대적으로 수익성이 낮고 단일 고객과 대용량계약을 맺은 Mobile의 비중이 증가, 2) IPO 이전 공격적인 매출과 y-y 기준 비교 때문인 것으로 판단.
*NH 류영호 위원님 자료 발췌(11/14)
Microsoft's AI Strategy Deconstructed - From Energy to Tokens
✅ MS, 2023~24년 ‘AI 올인’ → 2024~25년 ‘Big Pause’ → 2025년 하반기 다시 전력질주 흐름
‒ ChatGPT 출시 직후 MS는 2023~24년 OpenAI 지원 위해 역사상 가장 공격적 DC 투자를 수행.
‒ 미국·유럽·아시아 전역에서 사전임대(pre-leasing)와 셀프빌드가 폭발적으로 증가, 2023~24년엔 MS 혼자 북미 전체 리스의 절반 이상 차지.
‒ 그러나 2024년 중반突 MS는 3.5GW 이상 프로젝트 동결·포기, 미국(피닉스·시카고)·유럽(UK·노르딕)·일본·호주·인도 등에서 LOI 철회.
‒ Competitor(Oracle·Google·Amazon·CoreWeave)에 대규모 물량을 넘기며 ‘AI 인프라 전쟁’ 주도권 빼앗김.
✅ OpenAI→Oracle 체제로 흐른 결정적 이유: MS의 느린 실행력·과소추정된 수요·ROIC 집착
‒ Wisconsin Fairwater 2GW 캠퍼스 기반 ‘Stargate’(100B달러 규모) 프로젝트를 MS가 준비했으나 일정 지연·전력 확보 실패로 Oracle에 상실.
‒ Oracle은 2024년 5월 착공 → 2024년 9월 가동이라는 미친 속도로 OpenAI 요구 충족.
‒ MS는 1.5GW 확장을 2027년 이후로 미루는 바람에 OpenAI ‘즉시 공급’ 요구를 감당 못함.
‒ 그 결과 Oracle은 12개월간 420B달러의 OpenAI 계약 수주 → 150B달러 이상의 GP 확보.
‒ MS가 이 계약을 가져갔으면 Azure GP가 연간 +18% 증가하는 레벨이었음(대신 ROIC는 낮아졌을 가능성).
✅ MS의 전략적 오판: Bare Metal을 줄이고 Token-Factory 위주 구조로 전환하려다 ‘수요폭발’을 놓쳤음
‒ MS는 Azure가 너무 OpenAI에 종속되는 것을 우려, Bare Metal 확장 대신 PaaS/API 기반 토큰 비즈니스 중심으로의 전환을 의도.
‒ 그러나 Meta·ByteDance·AI 유니콘·엔터프라이즈 수요가 폭발해 ‘GPU 클라우드 대란’이 발생했고, MS는 이 흐름을 과소평가.
‒ 경쟁사들은 RPO를 폭발적으로 늘렸는데 MS는 정체 → 늦게 돌아오니 이미 좋은 전력·부지 다 뺏김.
‒ 지금 MS는 부득이하게 Neocloud(CoreWeave 등)에서 GPU를 빌려다 되팔아야 해서 마진구조 악화 확정.
✅ PaaS/IaaS 경쟁력 약화: Azure는 기업엔 강하지만 AI 클러스터 운영능력은 뒤처짐
‒ ClusterMAX 2.0 기준 Azure는 네트워킹·엔터프라이즈 신뢰성은 강점이지만,
CycleCloud·AKS 기반 AI 클러스터 품질은 CoreWeave·Nebius·Oracle 대비 확연히 뒤처짐.
‒ 스타트업·AI 랩 고객이 원하는 648,000 GPU급 클러스터는 Azure가 거의 못 따내고 있음.
‒ 대신 Azure GPU는 대부분 OpenAI 전용 배정 → 일반 AI 고객 풀에서는 시장 존재감 미미.
‒ HuggingFace 다운로드 기준 Google·AWS 대비 1/3~1/5배 수준으로 밀리는 등 생태계 영향력 약화.
✅ MS의 반격: 글로벌 70개 리전 기반 ‘Fungible Fleet’ + 엔터프라이즈 맞춤형 토큰경제
‒ MS는 장기적으로 ‘AI+엔터프라이즈 자산 결합’ 전략 구사: 지역별 법규·데이터 주권·보안 요구에 맞춘 로컬 AI 배치.
‒ ChatGPT·Claude류 글로벌 inference는 latency 무의미 → 하지만 기업 데이터·ERP·Azure DB 기반 AI는 위치 중요.
‒ 이 구조를 이용해 오래된 GPU라도 DB·보안·스토리지 upsell과 결합해 경제적 수명을 6~7년까지 늘릴 수 있다는 계산.
‒ 이러한 ‘Fleet Fungibility’는 GPU 조기 교체 부담을 낮추고 Azure ROIC를 높이는 핵심 전략임.
✅ Token Layer: Azure Foundry = MS의 ‘기업용 토큰 공장’, OpenAI API 대비 점유율 확대 예상
‒ MS는 2032년까지 OpenAI 모델 추론을 독점적으로 Azure에서 처리 → 수익구조 확정적 안정성 보유.
‒ Foundry는 M365 Copilot·GitHub Copilot(1P)과, 외부 엔터프라이즈(3P) 모두 흡수하는 구조.
‒ 다만 기업 AI 토큰 시장은 아직 매우 초기: GCP 기준 상위 150대 기업 전체 토큰 사용이 GCP 매출의 0.5% 미만 수준.
‒ Tokenomics 모델에 따르면 향후 Azure Foundry는 MS AI 성장의 핵심 축으로 자리 잡을 전망.
✅ Application Layer: GitHub Copilot 독점은 이미 깨졌고, Anthropic 기반 신흥 코드에이전트가 급성장
‒ Copilot은 VS Code·GitHub·OpenAI 모델 조합으로 철옹성이었지만, 스타트업들이 VS Code fork 기반 tight integration 모델로 공략.
‒ MS가 Anthropic 모델을 비싸게 사서 붙이면서 Copilot은 더 이상 “100% 자체 토큰” 구조가 아님 → 마진율 하락.
‒ 코덱스·클로드 코드 기반 제품이 빠르게 성장하며 MS 수성 압박.
‒ MS는 대응으로 multi-model 전략(Agent HQ)을 구축했지만 OpenAI 모델 가중치 접근권이 2032년까지로 제한돼, 이후 대비 필요.
✅ MAI 모델: 아직 SOTA 대비 약하지만 ‘OpenAI CoT Distillation + 내부 데이터’ 기반으로 빠르게 품질 개선 중
‒ MAI-1 텍스트 모델은 LMArena 38위권 수준, MAI-3 이미지·음성 모델은 효율성과 가격 매력 중심.
‒ 핵심은 OpenAI 모델 CoT를 그대로 distill할 수 있다는 점 → compute 대비 품질 향상 효율이 다른 경쟁사 대비 뛰어남.
‒ Excel Agent·Office Agent 등 M365 전반에 Reasoning 기반 자동화 기능이 적용되면서 엔터프라이즈 AI 채택 속도 상승 예상.
💡 정리: MS의 AI 전략은 ‘2024년 대실책(Big Pause)’ → ‘2025년 재가동’으로 구조적 전환 중
» MS는 2024년 AI 수요 과소추정·전력 확보 실패로 OpenAI=Oracle 체제를 허용하며 수백억 달러 GP 기회 상실했음
» 2025년부터는 전력·부지·TCO·엔터프라이즈 결합을 중심으로 ‘지능+토큰 경제’에 재집중하면서 Azure 성장 재가속 국면 진입
» Token Factory(Foundry) + Fungible Fleet + OpenAI IP 조합은 hyperscaler 중 가장 높은 엔터프라이즈 침투력 제공
» 단, 모델 품질·GPU 클러스터 운영·생태계 측면은 Google·AWS·CoreWeave 대비 아직 개선 필요
source: SemiAnalysis
#MSFT
‒ ChatGPT 출시 직후 MS는 2023~24년 OpenAI 지원 위해 역사상 가장 공격적 DC 투자를 수행.
‒ 미국·유럽·아시아 전역에서 사전임대(pre-leasing)와 셀프빌드가 폭발적으로 증가, 2023~24년엔 MS 혼자 북미 전체 리스의 절반 이상 차지.
‒ 그러나 2024년 중반突 MS는 3.5GW 이상 프로젝트 동결·포기, 미국(피닉스·시카고)·유럽(UK·노르딕)·일본·호주·인도 등에서 LOI 철회.
‒ Competitor(Oracle·Google·Amazon·CoreWeave)에 대규모 물량을 넘기며 ‘AI 인프라 전쟁’ 주도권 빼앗김.
‒ Wisconsin Fairwater 2GW 캠퍼스 기반 ‘Stargate’(100B달러 규모) 프로젝트를 MS가 준비했으나 일정 지연·전력 확보 실패로 Oracle에 상실.
‒ Oracle은 2024년 5월 착공 → 2024년 9월 가동이라는 미친 속도로 OpenAI 요구 충족.
‒ MS는 1.5GW 확장을 2027년 이후로 미루는 바람에 OpenAI ‘즉시 공급’ 요구를 감당 못함.
‒ 그 결과 Oracle은 12개월간 420B달러의 OpenAI 계약 수주 → 150B달러 이상의 GP 확보.
‒ MS가 이 계약을 가져갔으면 Azure GP가 연간 +18% 증가하는 레벨이었음(대신 ROIC는 낮아졌을 가능성).
‒ MS는 Azure가 너무 OpenAI에 종속되는 것을 우려, Bare Metal 확장 대신 PaaS/API 기반 토큰 비즈니스 중심으로의 전환을 의도.
‒ 그러나 Meta·ByteDance·AI 유니콘·엔터프라이즈 수요가 폭발해 ‘GPU 클라우드 대란’이 발생했고, MS는 이 흐름을 과소평가.
‒ 경쟁사들은 RPO를 폭발적으로 늘렸는데 MS는 정체 → 늦게 돌아오니 이미 좋은 전력·부지 다 뺏김.
‒ 지금 MS는 부득이하게 Neocloud(CoreWeave 등)에서 GPU를 빌려다 되팔아야 해서 마진구조 악화 확정.
‒ ClusterMAX 2.0 기준 Azure는 네트워킹·엔터프라이즈 신뢰성은 강점이지만,
CycleCloud·AKS 기반 AI 클러스터 품질은 CoreWeave·Nebius·Oracle 대비 확연히 뒤처짐.
‒ 스타트업·AI 랩 고객이 원하는 648,000 GPU급 클러스터는 Azure가 거의 못 따내고 있음.
‒ 대신 Azure GPU는 대부분 OpenAI 전용 배정 → 일반 AI 고객 풀에서는 시장 존재감 미미.
‒ HuggingFace 다운로드 기준 Google·AWS 대비 1/3~1/5배 수준으로 밀리는 등 생태계 영향력 약화.
‒ MS는 장기적으로 ‘AI+엔터프라이즈 자산 결합’ 전략 구사: 지역별 법규·데이터 주권·보안 요구에 맞춘 로컬 AI 배치.
‒ ChatGPT·Claude류 글로벌 inference는 latency 무의미 → 하지만 기업 데이터·ERP·Azure DB 기반 AI는 위치 중요.
‒ 이 구조를 이용해 오래된 GPU라도 DB·보안·스토리지 upsell과 결합해 경제적 수명을 6~7년까지 늘릴 수 있다는 계산.
‒ 이러한 ‘Fleet Fungibility’는 GPU 조기 교체 부담을 낮추고 Azure ROIC를 높이는 핵심 전략임.
‒ MS는 2032년까지 OpenAI 모델 추론을 독점적으로 Azure에서 처리 → 수익구조 확정적 안정성 보유.
‒ Foundry는 M365 Copilot·GitHub Copilot(1P)과, 외부 엔터프라이즈(3P) 모두 흡수하는 구조.
‒ 다만 기업 AI 토큰 시장은 아직 매우 초기: GCP 기준 상위 150대 기업 전체 토큰 사용이 GCP 매출의 0.5% 미만 수준.
‒ Tokenomics 모델에 따르면 향후 Azure Foundry는 MS AI 성장의 핵심 축으로 자리 잡을 전망.
‒ Copilot은 VS Code·GitHub·OpenAI 모델 조합으로 철옹성이었지만, 스타트업들이 VS Code fork 기반 tight integration 모델로 공략.
‒ MS가 Anthropic 모델을 비싸게 사서 붙이면서 Copilot은 더 이상 “100% 자체 토큰” 구조가 아님 → 마진율 하락.
‒ 코덱스·클로드 코드 기반 제품이 빠르게 성장하며 MS 수성 압박.
‒ MS는 대응으로 multi-model 전략(Agent HQ)을 구축했지만 OpenAI 모델 가중치 접근권이 2032년까지로 제한돼, 이후 대비 필요.
‒ MAI-1 텍스트 모델은 LMArena 38위권 수준, MAI-3 이미지·음성 모델은 효율성과 가격 매력 중심.
‒ 핵심은 OpenAI 모델 CoT를 그대로 distill할 수 있다는 점 → compute 대비 품질 향상 효율이 다른 경쟁사 대비 뛰어남.
‒ Excel Agent·Office Agent 등 M365 전반에 Reasoning 기반 자동화 기능이 적용되면서 엔터프라이즈 AI 채택 속도 상승 예상.
» MS는 2024년 AI 수요 과소추정·전력 확보 실패로 OpenAI=Oracle 체제를 허용하며 수백억 달러 GP 기회 상실했음
» 2025년부터는 전력·부지·TCO·엔터프라이즈 결합을 중심으로 ‘지능+토큰 경제’에 재집중하면서 Azure 성장 재가속 국면 진입
» Token Factory(Foundry) + Fungible Fleet + OpenAI IP 조합은 hyperscaler 중 가장 높은 엔터프라이즈 침투력 제공
» 단, 모델 품질·GPU 클러스터 운영·생태계 측면은 Google·AWS·CoreWeave 대비 아직 개선 필요
source: SemiAnalysis
#MSFT
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
Siemens Energy FY4Q25 실적발표 핵심 정리
✅ FY25 전사 실적
‒ FY25 매출 39.1bn유로(+15.2% YoY), 수주 58.9bn유로(+19% YoY), Book-to-bill 1.51, 백로그 138bn유로로 사상 최대
‒ 영업이익률(before SI) 6.0%(+500bps)로 턴어라운드 정점 기록
‒ 순이익 1.7bn유로(+350m YoY), EPS 1.63유로
‒ FCF pre-tax 4.7bn유로(+2.8bn YoY)
‒ FY25 주가 +201% 상승 → 신뢰 회복 & 밸류 재레이팅
✅ FY4Q25 하이라이트
‒ 수주 14.2bn유로, 매출 10.4bn유로 모두 분기 최대치 경신
‒ 마진 4.5%(+540bps), 모든 사업부가 개선 기여
‒ favorable pricing 지속
✅ 지역별 트렌드
Americas: 수주 +46%, 매출 +16% — 미국·사우디 중심 GS 부문 폭주
EMEA: 수주 +2%, 매출 +14% — Grid/HVDC 중심 설비 투자 확대
Asia & Australia: 수주 +22%, 매출 +5% — GS·TI 고른 증가
→ 글로벌 전력 인프라 교체 사이클이 Siemens Energy 체인 전반에 수요 생성
✅ Core Business Review
1) Gas Services(GS)
‒ 수주 23bn유로(+43%), 매출 12.2bn유로(+14%), 마진 13.0%(FY)
‒ FY25에만 26GW 수주, 28GW 예약 확보 → 업사이드 계속
‒ Q4는 계절성으로 마진 낮았으나 전년 대비 효율·수익성 대폭 개선
2) Grid Technologies(GT)
‒ 전력망 투자 사이클 본격화: 매출 11.3bn유로(+25%), 수주 21.4bn유로(+5%)
‒ 마진 15.8%(FY) — 전년 대비 +560bps
‒ HVDC 프로젝트와 제품 비즈니스 모두 강세
‒ FCF 2.8bn유로, Book-to-bill 1.90 → 구조적 성장산업 수혜 정점
3) Transformation of Industry(TI)
‒ 매출 5.7bn유로(+14%) / 수주 6.0bn유로(-5% YoY)
‒ 마진 11.3%(FY)로 전년 7.4%에서 수익성 대폭 Jump
‒ FCF 686m유로, 안정적 턴어라운드 완료 구간
4) Siemens Gamesa(SG)
‒ 풍력 부문 여전히 적자지만, 손실 축소 기조 유지
‒ 매출 +29% YoY / 마진 -13.1%(FY)
‒ 관세(tariff) 영향으로 Q4 수주 급감(-72%)
‒ FCF -1.8bn유로 → 그룹 리스크 요인이나 개선 각도는 FY24 대비 진전
✅ FY26 가이던스 & FY28 중기목표
ㅁ FY26 가이던스
‒ 매출 성장률: 11~13%
‒ 마진(before SI): 9~11%
‒ 순이익: 3~4bn유로
‒ FCF pre-tax: 4~5bn유로
ㅁ FY28 목표
‒ 매출 CAGR: Low-teens
‒ 마진(before SI): 14~16%
→ 완전한 고마진 EPC·그리드·서비스 중심 엔지니어링 회사로 체질 전환 마무리 수순
‒ FY25 매출 39.1bn유로(+15.2% YoY), 수주 58.9bn유로(+19% YoY), Book-to-bill 1.51, 백로그 138bn유로로 사상 최대
‒ 영업이익률(before SI) 6.0%(+500bps)로 턴어라운드 정점 기록
‒ 순이익 1.7bn유로(+350m YoY), EPS 1.63유로
‒ FCF pre-tax 4.7bn유로(+2.8bn YoY)
‒ FY25 주가 +201% 상승 → 신뢰 회복 & 밸류 재레이팅
‒ 수주 14.2bn유로, 매출 10.4bn유로 모두 분기 최대치 경신
‒ 마진 4.5%(+540bps), 모든 사업부가 개선 기여
‒ favorable pricing 지속
Americas: 수주 +46%, 매출 +16% — 미국·사우디 중심 GS 부문 폭주
EMEA: 수주 +2%, 매출 +14% — Grid/HVDC 중심 설비 투자 확대
Asia & Australia: 수주 +22%, 매출 +5% — GS·TI 고른 증가
→ 글로벌 전력 인프라 교체 사이클이 Siemens Energy 체인 전반에 수요 생성
1) Gas Services(GS)
‒ 수주 23bn유로(+43%), 매출 12.2bn유로(+14%), 마진 13.0%(FY)
‒ FY25에만 26GW 수주, 28GW 예약 확보 → 업사이드 계속
‒ Q4는 계절성으로 마진 낮았으나 전년 대비 효율·수익성 대폭 개선
2) Grid Technologies(GT)
‒ 전력망 투자 사이클 본격화: 매출 11.3bn유로(+25%), 수주 21.4bn유로(+5%)
‒ 마진 15.8%(FY) — 전년 대비 +560bps
‒ HVDC 프로젝트와 제품 비즈니스 모두 강세
‒ FCF 2.8bn유로, Book-to-bill 1.90 → 구조적 성장산업 수혜 정점
3) Transformation of Industry(TI)
‒ 매출 5.7bn유로(+14%) / 수주 6.0bn유로(-5% YoY)
‒ 마진 11.3%(FY)로 전년 7.4%에서 수익성 대폭 Jump
‒ FCF 686m유로, 안정적 턴어라운드 완료 구간
4) Siemens Gamesa(SG)
‒ 풍력 부문 여전히 적자지만, 손실 축소 기조 유지
‒ 매출 +29% YoY / 마진 -13.1%(FY)
‒ 관세(tariff) 영향으로 Q4 수주 급감(-72%)
‒ FCF -1.8bn유로 → 그룹 리스크 요인이나 개선 각도는 FY24 대비 진전
ㅁ FY26 가이던스
‒ 매출 성장률: 11~13%
‒ 마진(before SI): 9~11%
‒ 순이익: 3~4bn유로
‒ FCF pre-tax: 4~5bn유로
ㅁ FY28 목표
‒ 매출 CAGR: Low-teens
‒ 마진(before SI): 14~16%
→ 완전한 고마진 EPC·그리드·서비스 중심 엔지니어링 회사로 체질 전환 마무리 수순
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM