Discretionary vs Systematic Equity Positioning 업뎃

거 참 에겐스럽게 매매하는 Discretionary 수급

이들이 뒤늦게 다시 사줄 예정

*더 비싼 가격으로

NVIDIA FY3Q26 실적발표 주요 Q&A 정리

Q. Blackwell+Rubin 500B 수주 가이던스는 여전히 유효한지? KSA(사우디)·Anthropic 신규 계약 감안 시 상향 가능성은? (Morgan Stanley)

A.
‒ $500B 가이던스는 그대로 유지되는 그림임. 이미 지난 분기부터 Blackwell·Rubin 출하가 빠르게 진행돼 왔고, 앞으로 남은 분기에서도 물량 흐름이 그대로 이어지는 중.
‒ KSA의 40~60만 장 GPU 계약과 Anthropic의 1GW compute commitment는 기존 전망 위에 더해지는 추가 수요로 작동하는 구조.
‒ 결국 500B는 ‘base case’에 가깝고, 향후 분기별로 compute 주문이 더 쌓이는 만큼 전체 사이즈는 지금 제시된 수준보다 더 커질 여지가 충분.


Q. Hyperscaler CapEx 부담·ROI 논란 속에서 향후 12~18개월 내 공급이 수요를 따라잡을 수 있을지? (Cantor Fitzgerald)

A.
‒ 지금의 AI 인프라 수요는 단기 피크가 아니라 GPU 가속컴퓨팅·Generative AI·Agentic AI가 동시에 확산되는 구조적 경기로 봐야 하는 흐름임.
‒ 검색·추천·광고 같은 Hyperscaler 핵심 workload는 이미 GenAI 기반으로 재편되는 중이고, compute 사용량은 전년 대비 훨씬 빠르게 우상향 중.
‒ Cursor·Claude Code·Copilot 등 생산성 AI는 기업 전 직군으로 파고들고 있어서 내년 이후 엔터프라이즈 compute 사용량도 수직 상승하는 추세.
‒ 산업·제조·의료·3D·영상 등 비클라우드 영역에서도 agentic AI 니즈가 확산되고 있어 전체 compute 수요는 지금보다 더 커지는 그림.
‒ 공급망은 TSMC·패키징·HBM·ODM과 수년 단위로 맞춰 움직이고 있어 확장 자체는 계획대로 진행되지만, 수요가 워낙 빠르게 불어나기 때문에 공급이 이를 추월하기는 당분간 어려운 구도임.


Q. 500B 계산 시 1GW당 NVIDIA content 비중은 어느 정도라고 가정하는지? (BofA Securities)

A.
‒ 데이터센터 내 NVIDIA value는 세대가 바뀔 때마다 지속적으로 올라오는 구조. Ampere는 20~25B, Grace Blackwell은 약 30B 수준, Rubin은 그보다 높은 밴드로 형성되는 흐름.
‒ 1GW라는 고정된 전력 용량을 어떻게 효율적으로 쓰느냐가 hyperscaler 매출·ROI를 결정하기 때문에 Perf/Watt가 높은 플랫폼이 절대적 우위를 확보하는 구도임.
‒ GPU는 pre-training·post-training·inference를 모두 하나의 아키텍처로 커버하기 때문에 고객 CapEx 대비 value 기여도가 앞으로 더 커지는 방향.


Q. 향후 2~3년간 쌓일 막대한 FCF는 어디에 우선적으로 투입될 예정인지? (Melius Research)

A.
‒ NVIDIA 공급망 규모가 과거와 비교할 수 없을 만큼 커진 상황이라, 가장 중요한 우선순위는 안정적 공급 확보. 웨이퍼·HBM·패키징·ODM 오프테이크를 유지하려면 강한 balance sheet가 필수적인 상황.
‒ Buyback은 계속 이어지지만, 선제적인 HBM 확보·패키징 캐파 예약·전력 인프라·랙 인프라 등 공급망 기반을 다지는 투자 비중이 더 커질 전망.
‒ OpenAI·Anthropic 투자는 CUDA 생태계를 강화하는 전략적 목적이 크며, 향후 플랫폼 ‘co-design’ 경쟁력까지 고려한 장기 포석임.


Q. inference 비중이 40% 수준인데, reasoning 모델 확산을 고려하면 내년 이후 비중 변화는? Rubin CPX는 어떤 workload를 겨냥하는지? (Goldman Sachs)

A.
‒ pre-training·post-training·inference 전체에서 compute 스케일링은 계속 이어지는 구조이고, 특히 reasoning 기반 inference는 지금보다 훨씬 큰 비중으로 확대될 가능성이 높음.
‒ 장기적으로 inference 사용량은 전체 AI compute 내에서 매우 높은 비중까지 올라갈 여지가 있음.
‒ Blackwell은 NVLink 72 기반으로 H200 대비 10~15배 성능을 내기 때문에 reasoning inference에서 경쟁사 대비 확실한 우위가 형성되는 방향.
‒ Rubin CPX는 초장문(long-context) 입력을 먼저 ingest해야 하는 워크로드에 강함 — PDF 묶음, 장시간 비디오, 3D 이미지 등 고부하 데이터 처리에 최적.
‒ Perf/$와 Perf/Watt 모두 경쟁 플랫폼 대비 우위라 효율 중심 인퍼런스 시장에서 빠르게 채택될 가능성이 큼.


Q. Hyperscaler가 전력·부지·capital 확보 경쟁을 벌이는 상황에서 NVIDIA 성장의 가장 큰 병목은 무엇인지? (UBS)

A.
‒ 전력·부지·자본·파운드리·패키징·HBM 모두 병목 요소가 될 수 있지만, 공급망 파트너와 수년 단위 계획을 공유해 왔기 때문에 대부분은 예측 가능·관리 가능한 구간에 있음.
‒ 실제로 일부 hyperscaler는 경쟁사 플랫폼을 써보다가 NVIDIA 쪽으로 다시 회귀하는 사례가 늘고 있어, 향후 성장 경로는 제약보다 기회가 더 크게 보이는 상황.
‒ 전력·부지 경쟁은 글로벌 이슈지만, Perf/Watt가 높은 플랫폼이 결국 ROI를 결정하기 때문에 hyperscaler 선택은 NVIDIA 쪽으로 더 쏠릴 가능성이 높음.


Q. FY27 gross margin(mid-70%) 유지 전략은? HBM·패키징 비용 상승을 어떻게 상쇄할 계획인지? OpEx 증가폭은? (Bernstein)

A.
‒ 올해 mix 개선·cycle time 단축 효과로 mid-70%를 이미 달성한 상태이며, 내년에도 같은 전략 조합을 통해 해당 레벨을 유지할 수 있는 구조.
‒ HBM 가격 상승·패키징 복잡도 확대 등 비용 압력은 이어지겠지만, 장기 공급계약·제조 효율 개선으로 비용 사이드 충격은 상당 부분 흡수 가능한 범위임.
‒ OpEx는 Rubin·SW·엔지니어링 확대로 증가하겠지만, 매출 레벨이 워낙 빠르게 커지고 있어 관리 가능한 비중으로 유지되는 그림.


Q. ASIC 경쟁이 확대되는 가운데 GPU가 장기적으로 우위에 설 수 있는 이유는? (Wells Fargo)

A.
‒ AI 경쟁은 이제 개별 칩이 아니라 풀스택 경쟁이며, 빠르게 진화하는 모델 생태계를 감안하면 GPU 같은 범용·유연 구조가 필수적.
‒ GPU는 pre·post·inference를 모두 처리하면서 OpenAI·Anthropic·xAI·Gemini 등 모든 프런티어 모델을 돌릴 수 있는 유일한 아키텍처라서 고객 lock-in 효과가 강하게 작동함.
‒ NVLink·InfiniBand·Ethernet 포함 전 네트워크 스택에서 통합 플랫폼을 제공하며 CUDA 생태계도 계속 확장되는 흐름.
‒ ASIC은 특정 틈새 워크로드에서만 의미가 있고, 전체 AI 모델의 변화 속도를 따라오기 어려워 장기 시장구도는 GPU 중심 재편이 지속될 가능성이 큼.

#NVDA

역시 Gavin Baker 관점은 명쾌하다.

"Gemini 3는 프리트레이닝을 위한 스케일링 법칙이 여전히 유효하다는 것을 보여준다. 이는 o1이 출시된 이후 가장 중요한 AI 데이터 포인트다. 이는 곧 블랙웰 계열 모델들이 2026년 2분기에 출시될 때 성능이 크게 향상될 가능성이 높다는 뜻이기도 하다. GPT-5는 스케일링 법칙이 둔화되고 있다는 증거가 아니었다. GPT-5는 더 나은 성능을 목표로 설계된 것이 아니라, 추론 비용을 더 싸게 만드는 데 초점을 맞춘 모델이었다. 실제로는 라우터 뒤에 숨은 더 작은 모델이었다. 그리고 Gemini 3가 TPU로 학습되었으니 블랙웰과는 연결해서 해석할 수 없다고 말하지는 말아 달라. 프리트레이닝에서 중요한 것은 블랙웰이든 TPU든 상관없이 일관된(coherent) FLOPs의 규모다."

"AI는 내가 기술 투자자로 일해 온 커리어 전체를 통틀어, “비용”이 진짜로 중요한 의미를 갖는 첫 사례로 남아 있다. 애플이 수조 달러짜리 기업이 된 이유는 아이폰을 가장 낮은 원가로 생산하기 때문이 아니며, 엔비디아가 AI 가속기를 가장 싸게 만드는 회사라서 그런 것도 아니다. 그러나 “토큰을 가장 낮은 비용으로 생산하는 플레이어”가 되는 것은 엄청난 이점을 가져올 것이다. 오늘날 토큰의 최저 비용 생산자는 구글이고, 그 다음이 xAI다. 중요한 것은 GPU나 TPU의 “대수”가 아니라, 하나의 클러스터/패브릭 내에서 일관되게(coherent) 묶여 있는 GPU의 수, 그리고 그 클러스터/패브릭 내에서 통신하는 데 드는 비용이다."

"CoreWeave의 분기 실적은, 설령 CoreWeave가 전력 계약 측면에서 우위를 가지고 있더라도, 실제로 전력을 확보해 온·오프라인으로 만들고 인프라를 적시에 배치하는 일이 얼마나 어려운지를 보여주었다. 이런 전력 관련 병목은 앞으로 더 자주 발생해 더 많은 플레이어에게 영향을 줄 가능성이 크다. 나는 이것이 오히려 긍정적이라고 본다. 전력 부족은 AI 인프라 구축에서 자연스러운 ‘조절 장치(governor)’ 역할을 하여, 과잉 구축(overbuild)이 일어날 확률을 낮춘다. 이로 인해 사이클의 기간은 더 길어지고, 변동성은 더 완만해질 것이다."

"전력 부족은 블랙웰에게는 훌륭한 환경이 될 수도 있다. 와트(watt)가 병목이 되는 상황에서는, 와트당 토큰(tokens per watt)이 의사결정을 좌우하게 되며, 토큰은 말 그대로 = 매출이다. 전력 제약이 심한 세계에서는 GPU vs ASIC 가격 차이는 훨씬 덜 중요해진다. 여기에 구글이 TPU를 외부 고객에게 판매하기 시작했다는 사실까지 더해지면, 다른 대부분의 ASIC 프로그램이 취소될 가능성이 크다. 설령 어떤 ASIC이 1GW급 데이터센터의 구축 비용을 500억 달러에서 400억 달러로 줄여 준다고 하더라도, 그 400억 달러의 ROI는 더 낮을 것이다. 그 데이터센터가 만들어내는 매출(토큰)이 상당히 줄어들 것이기 때문이다. 종합하면, 전력 부족은 와트당 토큰 성능이 가장 뛰어난 반도체와 시스템의 가격 결정력을 크게 높여 준다."

"광통신(optics)은 워크로드를, 전력이 충분하고 가격이 싼 곳으로 옮길 수 있게 해준다. 전기요금 인상에 대한 정치적 압력을 완화하기 위해 출력 제한(curtailment)이 하나의 해법으로 쓰이게 되면서, 이것은 점점 더 중요해질 것이다. 멀티 캠퍼스에서 진행하는 트레이닝에는 상상을 초월하는 수준의 광통신 장비가 필요하지만, 이 지출 규모는 여전히 연산(컴퓨트)에 들어가는 지출에 비하면 훨씬 작다. 따라서 경제적으로 충분히 성립 가능한 대안이다. 역설적이게도, 광통신은 중국의 GPU 부족과 전력 과잉 문제에 대한 해법이기도 하다. 스케일-업 네트워킹에서 구리(copper) 케이블 대신 광(optical)으로 전환하면, 전력 사용량이 극적으로 늘어나는 대가를 치르는 대신, 가속기 한 개당 연산 성능 부족분 상당 부분을 상쇄할 수 있기 때문이다."

"블랙웰이 널리 공급되기 시작한 이후에도 Hopper 임대 가격이 오히려 상승했다는 사실은, GPU 잔존가치(residual value)를 지금의 6년보다 더 길게 잡아야 할지도 모른다는 신호다. 오늘날에도 A100조차 여전히 매우 높은 수준의 변동 현금 마진(variable cash margin)을 만들어 내고 있다. 이런 추세가 이어진다면, GPU 금융 비용은 추가로 100~200bp 정도 더 낮아질 수 있다. 덧붙이자면, 데이터센터의 물리적 현실을 감안하면 GPU의 경제적 수명이 1~2년에 불과하다는 가정은 사실상 성립할 수 없다."

"벤처 회사들이 대거 클라우드로 이전한 뒤, S&P 500 기업들이 광범위하게 클라우드로 전환하기까지는 대략 5년 정도가 걸렸다. AI는 이보다 더 빠르게 진행될 수도 있다. 3분기가, 여러 S&P 500 기업들이 처음으로 “재무제표에 눈에 보이게 영향을 준 AI 생산성 데이터”를 공개한 시점이었다는 점은 주목할 만하다. 예를 들어 C.H. Robinson 같은 사례가 그렇다. 이런 대기업들의 초기 생산성 향상은, 벤처 투자자들이 포트폴리오 회사들을 통해 보고 있는 현상과도 맞닿아 있다. 사실상 모든 벤처 지원 회사들이 AI에 과감하게 베팅하면서, 직원 1인당 매출이 수직 상승하고 있기 때문이다."

"이 모든 것은 우리가 아직 AI의 매우 초기 단계에 있다는 점을 시사한다."

https://x.com/gavinsbaker/status/1991248768654803337?s=46&t=kBWm12pe7zszh3422SH2Og