이번 시간에는 기술산업에서 투자자가 봐야 할 핵심 변화에 대해서 알아보도록 하겠습니다.
AI부터 반도체·우주까지… 지금 기술산업에서 투자자가 봐야 할 핵심 변화
최근 기술산업을 둘러싼 뉴스는 단순히 “AI가 얼마나 발전했는가”라는 질문을 넘어 훨씬 복잡한 단계로 들어가고 있습니다.
AI 모델은 인간의 업무를 돕는 수준을 넘어 AI 연구개발 자체에 참여하기 시작했고, AI 에이전트는 검색·쇼핑·예약·업무 등을 대신 수행하는 단계로 발전하고 있습니다.
하지만 AI가 발전하려면 소프트웨어만 필요한 것이 아닙니다.
막대한 GPU와 CPU, HBM과 메모리, 파운드리, 반도체 장비, 데이터센터, 네트워크, 전력이 필요합니다.
그리고 이렇게 거대한 인프라를 구축하려면 엄청난 자본이 필요합니다.
결국 AI 산업을 이해하려면 다음과 같은 하나의 연결고리를 볼 필요가 있습니다.
AI 수요 증가 → GPU·CPU 수요 증가 → HBM·메모리 수요 증가 → 데이터센터 확대 → 전력·네트워크 투자 증가 → 막대한 자본 조달 → 실제 AI 매출과 수익성 검증
여기에 AI 안전성과 규제, 로봇과 자율주행, 위성통신까지 새로운 기술들이 연결되고 있습니다.
AI는 이제 인간을 돕는 도구를 넘어 AI 개발 자체에 참여하기 시작했다
최근 앤트로픽의 발표에서 가장 주목할 만한 변화는 AI가 AI 연구개발 과정 자체에서 점점 더 중요한 역할을 맡고 있다는 것입니다.
과거의 AI는 사람이 질문하면 답을 해주는 도구에 가까웠습니다.
하지만 이제는 AI가
- 코드를 작성하고
- 실험을 설계하고
- 데이터를 분석하고
- 연구 결과를 정리하고
- 다른 AI 시스템의 개발을 지원하는
방향으로 발전하고 있습니다.
즉,
인간이 AI를 개발하는 구조에서 AI가 인간과 함께 AI를 개발하는 구조
로 바뀌고 있는 것입니다.
이 변화는 AI 산업의 발전 속도를 더욱 빠르게 만들 가능성이 있습니다.
하지만 동시에 새로운 문제가 생깁니다.
AI가 더 많은 개발 업무를 수행할수록 사람이 AI가 무엇을 하고 있는지 감독하고 통제하는 것이 더 어려워질 수 있기 때문입니다.
따라서 앞으로 AI 산업에서는 단순한 모델 성능뿐만 아니라 안전성 평가, 모니터링, 보안, 인간의 통제권이 중요한 경쟁 요소가 될 가능성이 높습니다.
AI 개발 속도를 둘러싼 젠슨 황과 다리오 아모데이의 시각 차이
AI 개발 속도에 대해서는 업계에서도 의견이 엇갈리고 있습니다.
엔비디아 CEO 젠슨황의 핵심 메시지는 비교적 명확합니다.
“가능한 한 빠르게 AI를 개발하되 안전하지 않은 제품은 출시하지 말자.”
반면 앤트로픽 CEO 다리오 아모데이는 AI 발전 속도가 너무 빠르기 때문에 안전장치가 따라갈 수 있도록 개발 속도를 조절해야 한다는 입장을 강조하고 있습니다.
두 사람의 차이는 AI를 개발해야 하느냐, 말아야 하느냐에 있는 것이 아닙니다.
핵심은
“AI 발전 속도를 어느 정도까지 유지하면서 동시에 안전성과 보안을 확보할 것인가?”
에 있습니다.
AI가 앞으로 더욱 강력한 에이전트와 자율 시스템으로 발전한다면 이 논쟁은 더욱 중요해질 수 있습니다.
AI 규제의 핵심도 결국 ‘누가 AI를 통제하는가’다
이 문제는 기업 차원을 넘어 정부 정책으로도 이어지고 있습니다.
캘리포니아는 AI 기업에 대한 독립적인 외부 검증과 AI 감사, 비상 차단장치 검토 등을 통해 AI 감독을 강화하려는 방향을 추진하고 있습니다.
반면 트럼프 등은 중국과의 AI 경쟁에서 미국의 기술 우위를 유지하기 위해 AI 개발 속도를 늦춰서는 안 된다는 입장을 보여왔습니다.
이 논쟁의 핵심을 쉽게 표현하면 다음과 같습니다.
규제를 강화하면 안전성을 높일 수 있지만 개발 속도가 느려질 수 있고, 규제가 지나치게 약하면 기술 발전은 빨라질 수 있지만 안전성과 통제 문제가 커질 수 있습니다.
결국 앞으로 중요한 질문은
- 누가 AI의 안전성을 평가하는가?
- AI 기업의 자체 평가만으로 충분한가?
- 외부 평가자가 필요한가?
- 문제가 발생했을 때 누가 AI를 멈출 수 있는가?
- AI가 인간의 통제를 벗어나지 않도록 어떻게 관리할 것인가?
가 될 가능성이 높습니다.
AI 산업의 진짜 시험은 결국 ‘매출’이다
AI에 엄청난 돈이 투자되고 있다는 사실 자체는 이미 잘 알려져 있습니다.
하지만 투자자 입장에서 더 중요한 질문은 따로 있습니다.
“이렇게 많은 돈을 투자해서 실제로 얼마의 매출과 이익을 만들어낼 수 있는가?”
입니다.
이 문제를 강조한 인물이 알티미터 캐피털의 브래드 거스트너입니다.
거스트너는 현재 AI 산업에 엄청난 자본이 투입되고 있는 만큼 OpenAI와 Anthropic 등 주요 AI 연구소의 매출도 빠르게 증가해야 한다고 봅니다.
그는 주요 AI 연구소의 매출이 연말까지 약 1,800억 달러 수준에 도달해야 현재의 AI 투자와 시장 기대가 계속 유지될 수 있다는 논리를 제시했습니다.
쉽게 말하면,
“AI 인프라에 투자하는 돈이 이렇게 큰데, 그 돈을 실제로 지불할 고객과 매출도 그만큼 빠르게 늘어나야 한다.”
는 것입니다.
따라서 앞으로 AI 산업을 볼 때 단순히
“AI에 돈이 얼마나 투자되고 있는가?”
만 보는 것은 충분하지 않습니다.
오히려
“AI 기업들의 실제 매출이 그 투자 속도를 따라가고 있는가?”
가 더욱 중요한 질문이 될 수 있습니다.
OpenAI의 핵심 과제도 결국 막대한 투자비를 매출로 회수하는 것
OpenAI 역시 비슷한 문제에 직면해 있습니다.
OpenAI는 AI 모델과 데이터센터, 컴퓨팅 인프라 확대를 위해 막대한 자금을 필요로 합니다.
따라서 앞으로 중요한 것은 매출 성장 속도가 얼마나 빠른지입니다.
특히 OpenAI가 앞으로
- 매출을 얼마나 빠르게 늘릴 수 있는지
- Anthropic과의 경쟁에서 어떤 위치를 차지하는지
- 중국 오픈 웨이트 모델의 가격 경쟁에 어떻게 대응하는지
- 컴퓨팅 비용을 얼마나 효율적으로 관리한느지
- AI 보안과 규제 문제를 어떻게 해결하는지
가 중요한 변수가 될 수 있습니다.
결국 AI 산업의 장기적인 가치는 모델의 성능만으로 결정되는 것이 아니라 막대한 컴퓨팅 비용을 감당할 수 있는 사업 모델을 만들 수 있느냐에 달려 있습니다.
엔비디아가 중요한 이유도 바로 이 AI 투자 사이클 때문이다
AI 인프라 투자가 늘어나면 가장 먼저 필요한 것 가운데 하나가 바로 AI 반도체입니다.
현재 AI 데이터센터에서 핵심적인 역할을 하는 기업 가운데 하나가 엔비디아입니다.
젠슨 황은 전 세계 AI 투자가 계속 확대되면서 AI 컴퓨팅 수요도 함께 증가하고 있다고 보고 있습니다.
그는 내년 엔비디아의 칩 판매량이 올해보다 2배 증가할 수 있다는 전망을 제시했으며, 2030년까지 AI 인프라 투자 규모가 3조~4조 달러에 이를 수 있다는 전망도 내놓았습니다.
다만 이 수치는 언제나 엔비디아 경영진의 전망입니다.
실제 결과는
- AI 투자 규모
- 데이터센터 건설 속도
- GPU 공급
- 전력 확보
- 고객들의 투자 계획
등에 따라 달라질 수 있습니다.
따라서 투자자가 엔비디아를 볼 때는 단순히
“AI가 계속 성장할 것인가?”
만 확인해서는 부족합니다.
더 중요한 질문은
“AI 산업의 성장이 실제로 엔비디아 GPU 수요와 매출 증가로 얼마나 오래 연결될 것인가?”
입니다.
엔비디아의 다음 경쟁은 GPU 자체를 넘어선다
엔비디아는 여전히 강력한 AI 수요의 수혜를 받고 있지만 여러 가지 변수도 동시에 나타나고 있습니다.
대표적으로
- AI 개발 속도 논쟁
- 데이터센터 프로젝트 지연
- 빅테크의 자체 AI 칩 개발
- 새로운 반도체 기업들의 경쟁
- 네오클라우드 기업 주가 약세
등입니다.
따라서 앞으로 엔비디아를 평가할 때는 GPU 시장 점유율만 보는 것이 아니라 AI 인프라 투자 사이클이 실제로 얼마나 오래 지속될 수 있는지를 함께 살펴볼 필요가 있습니다.
AI의 진짜 병목은 GPU가 아니라 메모리일 수도 있다
AI 반도체 시장에서 또 하나 중요한 변화는 HBM과 메모리의 중요성이 커지고 있다는 것입니다.
AI용 GPU가 아무리 강력해도 데이터를 빠르게 저장하고 공급할 메모리가 부족하면 전체 시스템 성능이 제한될 수 있습니다.
닉 프라세는 AI 산업의 성장 속도가 단순히 투자금 규모로 결정되는 것이 아니라 반도체와 HBM, 데이터센터 같은 물리적 인프라를 얼마나 빠르게 구축할 수 있는지에 의해 제한될 수 있다고 봅니다.
특히 현재는 메모리가 중요한 병목으로 떠오르면서
- SK하이닉스
- 마이크론
- 삼성전자
같은 메모리 기업의 중요성이 더욱 커질 수 있습니다.
결국 AI 반도체 공급망을 볼 때는 GPU만 보는 것이 아니라
GPU → HBM → DRAM/NAND → 파운드리 → 반도체 장비 → 데이터센터 → 전력
이라는 전체 구조를 함께 봐야 합니다.
메모리 기업에는 AI 호황이 기회이면서 위험이 될 수 있다
AI 데이터센터가 늘어나면서 HBM과 서버 메모리 수요도 증가하고 있습니다.
하지만 메모리 산업은 공급과 가격 변화에 매우 민감한 산업입니다.
S&P 글로벌 레이팅스의 스트레스 테스트는 AI 투자가 일시적으로 둔화될 경우 메모리 기업이 추가적인 위험에 노출될 수 있다고 분석했습니다.
AI 투자와 HBM 수요가 줄어들면 메모리 기업들은 공급 증가와 가격 하락이라는 압력을 동시에 받을 수 있기 때문입니다.
따라서 투자자 입장에서는
“AI 투자가 계속 증가하는가?”
뿐만 아니라
“AI 투자가 둔화될 경우 어떤 기업이 가격과 마진을 더 잘 방어할 수 있는가?”
도 중요한 질문입니다.
마이크론과 SK하이닉스, 메모리 공급망도 주목
마이크론은 AI 메모리 수요 증가로 실적이 크게 개선되고 있습니다.
하지만 대만 직원들은 급증한 회사 이익에 걸맞는 보상을 요구하면서 파업 가능성까지 경고하고 있습니다.
따라서 앞으로는 AI 수요뿐만 아니라 노사 협상과 생산 차질 여부도 마이크론의 실적과 공급망에 영향을 줄 수 있는 변수입니다.
SK하이닉스 자회사 솔리다임이 미국 뉴욕주 북부에 NAND 공장 설립을 검토하고 있다는 소식도 중요한 변화입니다.
아직 확정된 투자는 아니지만 실제로 추진된다면
중국 다롄에 집중된 NAND 생산 기반을 미국으로 분산
하고,
AI 데이터센터의 스토리지 수요에 대응
하면서,
미국 내 반도체 공급망을 강화
하는 전략이 될 수 있습니다.
중국 CXMT의 NAND 진출도 중요한 변수
중국 메모리 반도체 기업 CXMT는 지금까지 DRAM 분야에 집중해왔지만 NAND 시장까지 사업 영역을 확대하려는 움직임을 보이고 있습니다.
베이징 NAND 연구라인 계획이 실제 생산능력 확대로 이어진다면 삼성전자·SK하이닉스·마이크론뿐만 아니라 중국의 YMTC 등과의 경쟁도 더욱 치열해질 수 있습니다.
따라서 앞으로 핵심적으로 봐야 할 것은
“CXMT가 연구라인 구축을 넘어 실제 NAND 양산 능력과 기술 경쟁력을 얼마나 빠르게 확보할 수 있는가?”
입니다.
AMD는 AI 데이터센터 전체를 노린다
AI 반도체 경쟁은 엔비디아와 메모리 기업만의 이야기도 아닙니다.
AMD 역시 AI 데이터센터 시장에서 영향력을 확대하려 하고 있습니다.
AMD CTO 마크 페이퍼마스터의 핷미 주장은 AI 수요가 아직 초기 단계이며 앞으로 에이전틱 AI와 추론 수요가 확대될 것이라는 것입니다.
이 과정에서 AI 데이터센터는 GPU 하나만 사용하는 구조가 아니라
CPU + GPU + 네트워크 + 소프트웨어
가 결합된 형태로 발전할 가능성이 있습니다.
AMD가 노리는 것도 바로 이 부분입니다.
단순히 GPU를 판매하는 회사가 아니라 AI 시스템 전체에서 더 많은 역할을 차지하는 기업으로 성장하려는 것입니다.
따라서 AMD를 볼 때도 GPU만 볼 것이 아니라 CPU와 GPU, 네트워크, 소프트웨어를 하나로 묶어 AI 데이터센터에서 얼마나 많은 가치를 만들어낼 수 있는지를 살펴볼 필요가 있습니다.
AI 투자의 또 다른 위험은 ‘빚’이다
AI 산업이 성장하면서 기업들은 막대한 자본을 투자하고 있습니다.
초기에는 기업이 보유한 현금으로 투자를 할 수 있지만, 투자 규모가 커지면 부채를 이용한 자금 조달도 증가할 수 있습니다.
이 문제를 강조한 인물이 크리스 우드입니다.
그의 핵심 주장은 AI 산업의 성장 가능성 자체보다 막대한 AI 설비투자(CapEx)를 실제 수익으로 정당화할 수 있는지가 중요하다는 것입니다.
특히 AI 투자 자금이 현금에서 부채로 이동하면 금융시장이 신용 공급을 줄이는 순간 투자 사이클이 빠르게 꺾일 위험이 있습니다.
따라서 투자자들은 앞으로
- AI CapEx 규모
- AI 매출
- AI 사업의 수익성
- 기업 부채
- 자금 조달 비용
- 금융시장의 신용 공급
을 함께 살펴볼 필요가 있습니다.
골드만삭스가 보는 AI의 핵심은 ‘붕괴’보다 ‘성장률 둔화’
AI 투자에 대한 또 다른 시각도 있습니다.
골드만삭스의 벤 스나이더는 현재 S&P 500 기업들의 이익이 AI 투자와 높은 반도체 마진, 기타 수입 등의 영향을 받아 매우 빠르게 증가하고 있지만 이를 곧바로 AI 버블 붕괴로 볼 필요는 없다고 봅니다.
그의 핵심 논리는
“이익이 갑자기 붕괴하기보다는 성장 속도가 둔화할 가능성을 봐야 한다.”
는 것입니다.
따라서 앞으로 중요한 것은 AI 투자가 계속되는지만 보는 것이 아닙니다.
현재까지 투입된 막대한 AI 자본이 실제로
매출 → 이익 → 생산성 향상
으로 얼마나 잘 전환되고 있는지를 확인해야 합니다.
AI 에이전트가 인터넷 사용 방식 자체를 바꿀 수 있다
AI의 변화는 반도체와 데이터센터에서 끝나지 않습니다.
박스(Box) CEO 애런 레비가 주목한 것은AI 에이전트입니다.
기존 챗봇은 사람이 질문을 하면 답변하는 방식이었습니다.
하지만 AI 에이전트는 사람에게 목표를 전달받으면 여러 작업을 직접 수행할 수 있습니다.
“다음 주 부산 여행을 예약해줘.”
라고 말하면 AI가
검색 → 항공권 비교 → 호텔 검색 → 예약 → 일정 정리
등을 대신 수행하는 방식입니다.
이렇게 되면 인터넷을 사용하는 방식 자체가 바뀔 수 있습니다.
지금까지는 사람이 직접
검색 → 웹사이트 방문 → 앱 실행 → 결제
를 했습니다.
앞으로는
사람 → AI 에이전트 → 여러 서비스
라는 구조가 될 수 있습니다.
기업도 사람뿐 아니라 AI 에이전트를 위한 서비스를 만들어야 한다
AI 에이전트가 실제 소비자의 행동을 대신하게 된다면 기업 입장에서도 변화가 필요합니다.
예전에는 사람이 제품을 쉽게 검색하고 구매할 수 있도록 웹사이트와 앱을 설계했다면 앞으로는 AI 에이전트가 해당 제품과 서비스를 쉽게 찾고 이용할 수 있도록 만드는 것도 중요해질 수 있습니다.
따라서 경쟁의 중심이
“어떤 회사가 사람의 관심을 더 많이 얻는가?”
에서
“어떤 회사의 제품이 AI 에이전트에게 더 쉽게 발견되고 선택되는가?”
로 이동할 가능성이 있습니다.
법률 AI와 안전성 평가도 새로운 시장을 만든다
AI가 전문 업무로 확대되는 모습도 나타나고 있습니다.
OpenAI의 Astra for Law 출시는 AI가 단순히 일반적인 질문에 답하는 수준을 넘어 판례·법률·규정 등을 활용해 실제 변호사 업무를 지원하는 전문 AI 플랫폼으로 확장되고 있음을 보여줍니다.
하지만 법률 분야에서는 특히 중요한 문제가 있습니다.
바로 AI 환각과 개인정보·기밀정보 보호입니다.
AI가 존재하지 않는 판례를 만들어내거나 잘못된 법률 정보를 제공하면 실제 사건에 큰 문제가 발생할 수 있습니다.
따라서 전문 분야에서 AI가 확산될수록 성능뿐만 아니라 검증과 책임 체계도 중요해집니다.
앤트로픽과 액센추어가 AI 안전성을 평가하는 이유
앤트로픽과 액센추어의 협력은 이러한 흐름과 연결됩니다.
두 회사는 AI 모델을 단순히 완성한 뒤 테스트하는 것이 아니라 외부 평가자가 AI 기업 내부에 들어가 모델의 훈련·개발·배포 과정을 살펴보는 방식을 추진하고 있습니다.
이를 임베디드 평가라고 합니다.
쉽게 말하면 외부 전문가가 마지막에 한 번 검사하는 것이 아니라 AI가 만들어지는 과정에 참여해 위험을 지속적으로 확인하는 방식입니다.
앞으로 AI 모델이 더욱 강력해진다면 이런 독립적인 안전성 평가가 AI 산업에서 중요한 경쟁 요소가 될 가능성이 있습니다.
애플도 AI와 새로운 하드웨어를 결합하고 있다
AI 경쟁은 스마트폰 시장에서도 이어지고 있습니다.
애플의 iPhone 18 Pro는 2나노미터 공정의 A20 Pro 칩, AI 기능 강화, 가변 조리개 카메라, 배터리 개선 등을 통해 프리미엄 아이폰 경쟁력을 강화하는 방향으로 나아가고 있습니다.
또한 첫 폴더블 아이폰인 Duo를 통해 새로운 하드웨어 시장도 노리고 있습니다.
결국 스마트폰 시장에서도
AI + 반도체 + 새로운 폼팩터
가 새로운 성장 축으로 연결되고 있는 것입니다.
휴머노이드 로봇의 경쟁도 ‘데이터’로 이동한다
AI의 발전은 로봇 산업에도 영향을 주고 있습니다.
Figure AI의 사례가 대표적입니다.
Figure AI는 Helix 2.5를 이용해 한 번도 본 적 없는 가정 환경에서
- 거실 정리
- 수건 접기
- 침대 정리
등의 작업을 수행하도록 테스트했습니다.
사람이 행동하는 방식을 학습한 데이터를 추가로 활용했을 때 성공률이 9%에서 56%로 높아진 결과가 주목받았습니다.
여기서 중요한 개념이 일반화입니다.
일반화란 AI가 학습한 환경에서만 잘 작동하는 것이 아니라 처음 보는 환경에서도 배운 능력을 활용할 수 있는 능력을 의미합니다.
테슬라와 Figure AI의 로봇 경쟁에서 중요한 것은 ‘현실 세계 데이터’
테슬라의 Optimus 역시 실제 차량과 인프라에서 수집되는 현실 세계 데이터를 활용할 가능성이 있습니다.
반면 Figure AI는 사람의 행동 데이터를 로봇 학습에 적극적으로 활용하고 있습니다.
따라서 휴머노이드 경쟁은 단순히
“누가 더 좋은 로봇 하드웨어를 만드는가?”
에서
“누가 현실 세계에서 더 많은 데이터를 확보하고 이를 로봇 학습에 효과적으로 사용할 수 있는가?”
로 이동할 가능성이 있습니다.
Figure의 56% 성공률이 완성된 휴머노이드 로봇을 의미하는 것은 아닙니다.
하지만 새로운 환경에 대한 로봇의 적응력을 높이는 데 현실 세계 데이터가 중요할 수 있다는 가능성을 보여주는 사례라는 점에서 의미가 있습니다.
코어위브는 AI 컴퓨트 수요와 자금 조달의 관계를 보여준다
AI 모델을 개발하려면 막대한 컴퓨팅 자원이 필요합니다.
코어위브는 이러한 AI 컴퓨트 수요를 직접 공급하는 기업입니다.
최근 코어위브는
- NVIDIA Rubin GPU 기반 클러스터
- 장기 데이터센터 용량
- AI 오브젝트 스토리지
- 대규모 자금 조달
등을 통해 AI 인프라 확대를 추진하고 있습니다.
하지만 여기에도 중요한 과제가 있습니다.
확보한 GPU와 데이터센터를 실제 고객 계약과 높은 매출로 얼마나 빠르게 전환할 수 있는가입니다.
또한 대규모 자금 조달을 하면
- 부채 부담
- 이자 비용
- 주식 희석
등의 문제도 발생할 수 있습니다.
따라서 AI 인프라 기업을 볼 때는 수요뿐만 아니라 자금 조달 구조까지 함께 봐야 합니다.
AI 데이터센터가 늘어나면 전력과 원전도 중요해진다
AI 데이터센터는 엄청난 전력을 필요로 합니다.
따라서 AI 산업의 다음 병목은 GPU나 메모리를 넘어 전력이 될 가능성도 있습니다.
데이터센터가 늘어나면 발전소와 송전망, 변전시설 등에도 투자가 필요합니다.
이 때문에 원자력 발전과 핵연료 공급망도 AI 인프라와 연결되고 있습니다.
즉,
AI → 데이터센텉 → 전력 → 원전 → 핵연료
라는 새로운 산업 연결고리가 만들어질 수 있습니다.
AI 산업을 제대로 이해하려면 반도체뿐만 아니라 전력 인프라까지 함께 살펴봐야 하는 이유입니다.
미국 증시는 AI뿐 아니라 금리·경제·유가에도 움직인다
기술 기업들의 성장만으로 미국 증시 전체가 움직이는 것은 아닙니다.
미국 증시를 볼 때는
미·중 관계 → 국채 금리 → 경제지표 → 기업 실적 → 유가·지정학적 위험
을 함께 연결해서 보는 것이 중요합니다.
금리가 상승하면 미래의 이익을 현재 가치로 환산하는 과정에서 성장주에 부담이 될 수 있습니다.
반대로 경제가 강하면 기업 실적에는 긍정적일 수 있습니다.
하지만 지정학적 갈등으로 유가가 크게 상승하면 인플레이션 압력이 커지고, 이는 다시 금리와 연준 정책에 영향을 줄 수 있습니다.
따라서 미구 증시를 이해할 때는 하나의 뉴스만 보는 것보다 금리·경제·실적·유가가 서로 어떻게 연결되는지를 보는 것이 중요합니다.
스페이스X는 우주에서 새로운 통신 인프라를 만들고 있다
AI 반도체 경쟁은 지상에서만 벌어지는 것이 아닙니다.
스페이스X는 스타링크를 통해 위성 기반 통신 인프라를 확대하고 있습니다.
Starlink Mobile은 기존 스마트폰을 위성과 직접 연결해 지상망이 닿지 않는 지역에서도 통신을 제공하는 것을 목표로 합니다.
단순히 위성으로 문자 메시지를 보내는 것을 넘어 장기적으로는
- 음성 통화
- 데이터
- 스트리밍
- 화상 통화
등을 지원하고 지상 이동 통신망과 위성망 사이를 자연스럽게 연결하는 것을 목표로 합니다.
스타링크의 다음 경쟁력은 ‘속도’보다 ‘신뢰성’
스타링크의 초기 경쟁력은 유선 인터넷이 닿지 않는 지역에서도 인터넷을 사용할 수 있다는 것이었습니다.
하지만 최근에는 새로운 경쟁력이 강조되고 있습니다.
바로 신뢰성입니다.
일론 머스크는 스타링크가 이제 종종 케이블보다 더 안정적인 연결을 제공할 수 있다고 주장했습니다.
독립적인 조사에서도 스타링크 이용자의 서비스 중단 보고가 케이블과 DSL 이용자보다 적은 것으로 나타난 사례가 있습니다.
다만 광섬유는 스타링크보다 중단이 적은 것으로 나타났습니다.
따라서 스타링크가 모든 유선 인터넷보다 우수하다는 의미는 아닙니다.
중요한 것은 스타링크가 농촌 지역의 인터넷 대안에서 일반 브로드밴드 시장의 경쟁자로 범위를 넓힐 수 있느냐입니다.
Starlink Mobile은 ‘우주 기지국’에 가까워지고 있다
Starlink Mobile의 핵심은 스마트폰이 위성과 직접 통신하는 Direct-to-Device(D2D) 기술입니다.
스페이스X는 약 650대의 직접-모바일 위성이 궤도에 있으며, 6개 대륙에서 약 19억 명에게 도달할 수 있도록 네트워크를 구축하고 있다고 설명합니다.
차세대 Mobile V2 위성은 1세대보다 약 20배 높은 처리량을 목표로 하고 있습니다.
또한 스페이스X는 미국에서 직접-장치 서비스용으로 약 65MHz의 EchoStar 스펙트럼을 확보했습니다.
결국 스페이스X가 만드는 것은
“우주에 있는 이동통신 기지국”
에 가까운 구조라고 이해하면 쉽습니다.
NASA도 스페이스X의 우주 수송 능력을 계속 활용한다
NASA는 스페이스X의 유인 드래곤 계약을 2030년까지 연장해 국제 우주 정거장(ISS)으로 향하는 유인 드래곤 비행 3회를 추가했습니다.
이번 연장 계약은 완료될 경우 최대 9억 4,600만 달러 규모입니다.
이에 따라 스페이스X가 NASA의 상업 유인 수송 능력 계약 아래 수행하는 전체 임무는 17회로 늘어납니다.
NASA는 스페이스X와 보잉이라는 두 개의 상업 유인 파트너를 활용해 ISS 접근 능력을 유지하고 있습니다.
스페이스X는 드래곤을 이용해
- 우주 비행사 수송
- 화물 운송
- 발사
- 궤도 운용
- 귀환
- 회수
등을 담당합니다.
ISS에 도킹한 드래곤은 우주 비행사의 비상 귀환용 구명정 역할도 할 수 있습니다.
드래곤이 현재의 사업이라면 스타십은 미래의 사업이다
스페이스X의 현재 사업과 미래 사업을 구분하면 이해하기 쉽습니다.
드래곤 = 현재 실제 운용되는 우주 수송 시스템
스타십 = 미래의 대규모 우주 수송 플랫폼
스타십은 장기적으로
- 대규모 위성 발사
- 달 탐사
- 화성 탐사
- 대규모 화물 운송
등에 활용될 가능성을 목표로 개발되고 있습니다.
따라서 NASA의 드래곤 계약은 스페이스X가 기존 사업에서 안정적인 정부 계약을 유지하는 역할을 하는 동시에, 스타십 개발을 계속할 수 있는 사업 기반을 제공한다는 점에서 의미가 있습니다.
결국 모든 기술 산업은 하나의 공급망으로 연결된다
지금까지 살펴본 내용을 하나로 연결하면 현재 기술 산업의 구졸르 이해하기가 훨씬 쉬워집니다.
AI 모델이 발전합니다.
↓
AI 에이전트가 더 많은 업무를 수행합니다.
↓
더 많은 AI 컴퓨팅이 필요합니다.
↓
GPU와 CPU 수요가 증가합니다.
↓
HBM과 DRAM 등 메모리 수요가 증가합니다.
↓
파운드리와 반도체 장비 수요가 증가합니다.
↓
더 많은 데이터센터가 필요합니다.
↓
전력과 네트워크 투자가 증가합니다.
↓
막대한 자본이 필요합니다.
↓
AI 기업들은 더 많은 매출을 만들어야 합니다.
↓
동시에 AI 안전성과 규제도 강화됩니다.
↓
AI가 로봇·자율주행·법률·기업 업무 등으로 확산됩니다.
↓
결국 AI는 하나의 산업을 넘어 반도체·전력·소프트웨어·로봇·통신·우주산업까지 연결하는 거대한 기술 생태계가 됩니다.
답글 남기기