『블룸에너지 (BE.US); AEP 발주로 기대되는 26년 가이던스』
글로벌주식팀 함형도 ☎ 02-3772-4452

- 신한생각: 26년에도 지속될 데이터센터 수혜
- AEP와 900MW 공급 계약 체결
- 26년 가이던스는 현재 컨센을 상회할 전망

※ 원문 확인: https://bbs2.shinhansec.com/board/message/file.pdf.do?attachmentId=348420

위 내용은 2026년 1월 9일 15시 48분 현재 조사분석자료 공표 승인이 이뤄진 내용입니다.
제공해 드린 조사분석자료는 당사 고객에 한하여 배포되는 자료로 어떠한 경우에도 당사의 허락 없이 복사, 대여, 재배포 될 수 없습니다.

메타, 최대 6.6GW 규모 원자력 에너지 프로젝트 발표

: AI 데이터센터 전력 수요 급증에 대응하기 위해 기존 원자력 연장 + 첨단 원자로 신규 건설을 병행

: 2035년까지 최대 6.6GW의 안정적·청정 전력을 확보하는 장기 에너지 전략

: 원자력 RFP 절차를 거쳐 Vistra, TerraPower, Oklo와 계약 발표

TerraPower (첨단 원자로: Natrium)
- Natrium 원자로 최대 8기
- 기저부하 2.8GW + 저장 1.2GW
- 첫 2기는 2032년, 전체는 2035년 목표
→ Meta의 첨단 원자력 기술 최대 규모 지원.

Oklo (신규 원자력 캠퍼스)
- 오하이오 Pike County에 최대 1.2GW
- 2030년 전후 가동 가능
- Aurora Powerhouse(고속로 기반, 연료 유연성)
→ 완전히 새로운 원자력 공급원 + 지역 일자리·세수 확대.

Vistra (기존 원자력 연장·증설)
- Perry·Davis-Besse(오하이오), Beaver Valley(펜실베이니아)
- 20년 장기 계약, 총 2.1GW+ 구매
- 출력 증강(uprate) 433MW (2030년대 초)
→ 미국 기업 고객 기준 최대 규모 원자력 uprate 지원

https://about.fb.com/news/2026/01/meta-nuclear-energy-projects-power-american-ai-leadership/

* 중국 탄산리튬/수산화리튬 가격 상승세 지속

>> 2025년 7월 이후:
• 탄산리튬 +126%
• 수산화리튬 +114%

• 마이클버리: 오라클 풋옵션 보유

“大空头”Michael Burry：持有甲骨文看跌期权。

중국 AI 리더, 글로벌 AI 경쟁과 회사의 전략적 베팅

<베이징에서 열린 AGI-Next 서밋 패널 토론 코멘트>

■ 알리바바 Qwen 총괄 Justin Lin

향후 3~5년 안에 중국 기업이 오픈AI나 앤스로픽을 근본적인 기술 돌파로 앞지를 가능성은 20% 미만

오픈AI는 막대한 컴퓨팅 자원을 차세대 연구에 투입하고 있지만, 우리는 매우 빠듯한 상황

단순 고객 수요를 맞추는 데만 해도 대부분의 자원이 소모

알리바바는 멀티모달과 현실 세계 에이전트에 베팅 중

■ Z.ai 창업자 및 최고 AI 과학자 Tang Jie

우리가 최근 몇몇 오픈소스 모델을 공개하면서, 중국 모델이 미국을 넘어섰다고 흥분하는 사람들도 있음. 하지만 실제 격차는 오히려 더 벌어지고 있을 수도 있음

의미 없는 내부 경쟁은 아무런 도움이 되지 않음. 중국을 대표해 전 세계를 위해 AGI를 더 앞으로 밀어붙여야함

■ 텐센트 AI 책임자 Yao Shunyu

장기 기억(long-term memory)과 자기 학습(Self-learning) 같은 차세대 모델의 병목 지점에 집중해야 할 필요

텐센트는 방대한 사용자 기반으로 AI 가치를 극대화하려는 노력 중. Yuanbao 어시스턴트를 위챗 채팅 기록과 연동하는 방안 추진

→ 미국 대비 격차가 단기간에 해소되기 어렵다는 점을 인정하며, 제한된 컴퓨트와 자원 제약 속에서 근본적 기술 추격보다 멀티모달, 에이전트, 대규모 사용자 기반을 활용한 실용적 가치 극대화에 전략적 베팅

https://t.iss.one/Samsung_Global_AI_SW

Google과 Apple의 공동 성명

Apple과 Google은 다년간의 협력 관계를 체결하였으며, 이에 따라 차세대 Apple Foundation Models는 Google의 Gemini 모델과 클라우드 기술을 기반으로 구축될 예정입니다. 해당 모델들은 올해 공개될 더 개인화된 Siri를 포함하여, 향후 Apple Intelligence 기능을 구동하는 데 활용될 것입니다.

Apple은 신중한 평가를 거친 결과, Google의 AI 기술이 Apple Foundation Models를 위한 가장 뛰어난 기반을 제공한다고 판단하였으며, 이를 통해 Apple 사용자들에게 제공될 혁신적인 신규 경험에 대해 기대감을 나타냈습니다. 또한 Apple Intelligence는 Apple의 업계 최고 수준의 개인정보 보호 기준을 유지하면서, 계속해서 Apple 기기 및 Private Cloud Compute 환경에서 실행될 예정입니다.

https://blog.google/company-news/inside-google/company-announcements/joint-statement-google-apple/

•트럼프 미국 대통령: 이란과 거래하는 모든 국가는 25% 추가 관세 부과

**유가 선물 상승폭 확대

>美国总统特朗普：与伊朗做生意的任何国家将被加征25%的关税。

저커버그, Meta Compute 발표

오늘 우리는 Meta Compute라는 새로운 최상위 이니셔티브를 출범합니다.

메타는 이번 10년 동안 수십 기가와트 규모의 컴퓨팅 인프라를 구축할 계획이며, 시간이 지나면서 수백 기가와트, 혹은 그 이상으로 확장할 예정입니다. 이 인프라를 어떻게 설계하고, 투자하고, 파트너십을 맺어 구축하느냐가 Meta의 핵심적인 전략적 경쟁력이 될 것입니다.

이 노력은 Santosh Janardhan와 Daniel Gross가 이끌게 됩니다.

Santosh는 앞으로도 기술 아키텍처, 소프트웨어 스택, 실리콘 프로그램, 개발자 생산성, 그리고 전 세계 데이터센터 플릿과 네트워크의 구축 및 운영을 총괄하게 됩니다.

Daniel은 장기적인 컴퓨팅 용량 전략, 공급업체 파트너십, 산업 분석, 기획, 비즈니스 모델링을 담당하는 새로운 조직을 이끌게 됩니다.

이들은 최근 Meta에 사장 겸 부회장으로 합류한 Dina Powell McCormick과 긴밀히 협력하게 됩니다. Dina는 각국 정부 및 국부 자본과의 파트너십을 통해 Meta의 인프라를 구축하고, 배치하며, 투자하고, 금융적으로 뒷받침하는 역할을 맡게 됩니다.

Daniel, Santosh, Dina 그리고 그들의 팀과 함께 Meta Compute를 확장하고, 전 세계 수십억 명의 사람들에게 개인 초지능(personal superintelligence)을 제공하게 될 것을 기대하고 있습니다.

https://t.iss.one/Samsung_Global_AI_SW

엔비디아, "H200 칩 구매 시 선결제 요구하지 않는다" 공식 부인

엔비디아의 공식 입장: 엔비디아 대변인은 성명을 통해 "우리는 고객이 받지 못한 제품에 대해 결제를 요구하는 일을 결코 하지 않는다"라고 강조했습니다.

보도 배경: 이번 성명은 지난 1월 8일, 로이터가 "엔비디아가 AI 칩을 구매하려는 중국 고객들에게 전액 선결제라는 이례적으로 엄격한 조건을 부과했다"라고 보도한 것에 대한 반박입니다.

https://www.reuters.com/world/china/nvidia-says-no-upfront-payment-needed-its-h200-chips-2026-01-13/

딥시크 신규 논문 “Conditional Memory via Scalable Lookup”

■ 기존 MoE의 한계

→ 조건부 계산으로 모델 용량은 키웠지만, 고유명사, 상투적 표현, 수식 같은 정적, 국소 정보까지 여러 레이어 계산으로 재구성하며 비효율 발생

■ 새로운 제안

→ 희소성의 새로운 축인 조건부 메모리(Conditional Memory) 도입
→역할 분담 - 조건부 계산(MoE)은 동적 논리, 복잡한 추론 담당, 조건부 메모리(Engram)는 정적 지식 즉시 조회(lookup)

■ Engram 핵심 기법 및 특징

→ 고전적 N-그램 임베딩을 현대적으로 재설계한 메모리 모듈
→ 토크나이저 압축, 멀티헤드 해싱, 문맥 인식 게이팅, 멀티 브랜치 통합 등 적용
→ 모든 레이어가 아닌 일부 레이어에만 삽입 → 계산과 메모리 분리

■ 추가적인 핵심 질문

→ 총 파라미터가 고정일 때, MoE 계산과 Engram 메모리를 어떻게 나눌 것인가?
→ 실험 결과 성능은 U자형 스케일링 법칙을 따름. MoE만 많아도 비효율, Engram만 많아도 추론 부족 → 적절한 혼합이 최적

■ 성과 및 효과

→ Engram은 지식 문제뿐 아니라 추론, 코드, 수학 성능도 크게 개선
→ 초기 레이어의 정적 정보 복원 부담 제거 → 모델의 유효 깊이(effective depth) 증가 → 더 많은 레이어가 순수 추론에 집중
→ 국소 패턴을 lookup으로 처리 → 어텐션이 문맥 전체에 집중 → Long Context 성능 대폭 개선

■ 시스템 장점 및 확장성

→ 결정론적 lookup → GPU 외부 메모리에서도 프리패칭 가능
→ 100B급 메모리 오프로딩 시에도 오버헤드 3% 미만. GPU 메모리 병목 해소, 대규모 파라미터 확장 가능

https://github.com/deepseek-ai/Engram/tree/main

유쾌한 골짜기

https://www.youtube.com/watch?v=lW6ejdOd7Qo