MS, Thematic Thoughts from the TMT Conference & Top Picks (26.03.10)
‒ Morgan Stanley가 2026년 샌프란시스코에서 개최한 TMT 컨퍼런스에서는 사실상 모든 기업이 AI 전략을 핵심 의제로 언급했으며 AI는 실험 단계에서 벗어나 기업의 제품 개발, 내부 운영, 고객 서비스 등 여러 사업 부문에 실제로 배치되는 단계로 진입했음. 발표 transcript 143개 분석 기준으로 Productivity와 AI라는 키워드는 약 97% 이상의 발표에서 등장하며 산업 전반에서 AI가 핵심 구조 변화로 인식되고 있음.
‒ 특히 Coding Agent 중심의 개발 자동화가 실제 생산성 개선을 만들기 시작했으며 일부 기업에서는 개발자 생산성이 최대 10배 수준까지 증가했고 기존 수개월~1년 이상 걸리던 소프트웨어 개발이나 웹서비스 구축이 수일 단위로 단축되는 사례가 등장하고 있음. 기업들은 AI를 활용해 코드 생성, 프로토타입 제작, 내부 업무 자동화 등을 빠르게 진행하면서 제품 개발 속도를 크게 높이고 있음.
‒ AI Agent는 소프트웨어 개발을 넘어 상거래 구조까지 변화시키고 있으며 이른바 Agentic Commerce라는 개념이 등장하고 있음. 이는 AI 에이전트가 소비자를 대신해 상품을 탐색하고 비교·추천하며 구매까지 수행하는 구조로 발전하는 것이며 여러 기업들은 이러한 변화가 과거 인터넷 등장이나 e-commerce 확산과 맞먹는 수준의 새로운 시장 기회를 만들 수 있다고 설명.
‒ 실제 플랫폼 기업에서는 이러한 변화의 초기 신호가 나타나고 있으며 Etsy와 Shopify 등에서는 AI agent 기반 트래픽이 빠르게 증가하고 있고 일부 기업에서는 해당 트래픽이 약 1년 사이 15배 증가하는 흐름이 확인되고 있음. 아직 전체 트래픽 비중은 작지만 구매 의도와 평균 주문 금액이 높은 특성을 보이며 새로운 상품 discovery 채널로 작동할 가능성.
‒ AI 도입은 기업의 조직 구조와 노동시장에도 변화를 만들고 있으며 과거에는 매출 증가와 함께 인력을 확대해야 했지만 이제는 AI 도구를 활용해 인력 증가 없이도 생산성과 매출을 확대할 수 있는 구조가 만들어지고 있음. 일부 기업들은 자연적인 인력 이탈을 채우지 않거나 인건비를 기술 투자로 전환하는 방식으로 조직 구조를 조정하고 있음.
‒ 동시에 직원 역할도 변화하고 있으며 직원들은 직접 업무를 수행하는 역할에서 AI 시스템을 감독·설계·조정하는 역할로 이동하고 있음. 이에 따라 기업과 개인 모두 AI 역량을 강화하기 위한 교육과 재훈련 수요가 빠르게 증가하고 있으며 기업들은 조직 차원의 AI training과 reskilling 프로그램을 적극적으로 확대하고 있음.
‒ AI 경쟁에서는 기술 자체보다 기업이 보유한 데이터, 플랫폼 네트워크, 고객 관계 등 이른바 moat가 중요한 경쟁 요소로 강조되고 있음. 많은 기업들은 AI가 기존 사업을 대체하기보다 이러한 구조적 진입장벽을 가진 기업에게 더 큰 경쟁 우위를 제공할 가능성이 높다고 설명.
‒ AI 인프라 투자 역시 계속 확대되고 있으며 hyperscaler와 AI 연구기관들은 모델 성능 향상과 inference 수요 증가에 대응하기 위해 데이터센터, GPU, 네트워크, 스토리지 등 전체 인프라에 대한 CapEx 투자를 지속적으로 확대하고 있음. AI 데이터센터는 사실상 ‘토큰을 생산하는 공장’처럼 운영되기에 컴퓨팅 수요는 계속 증가하는 상황.
‒ 다만 AI 산업 확산 속도를 제한하는 요소는 수요가 아니라 인프라 공급 병목이며 전력 확보, 메모리 공급, 반도체 생산, 데이터센터 건설 인력 등 여러 요소가 동시에 부족한 상황이 주요 제약 요인으로 언급됨. 특히 데이터센터 전력 수요가 수백 MW에서 GW 규모까지 확대되면서 전력 인프라 확보가 가장 큰 병목 중 하나로 지적됨.
‒ Morgan Stanley는 이러한 AI 인프라 투자 확대와 데이터 증가 흐름의 핵심 수혜 기업으로 Amazon(클라우드·광고), NVIDIA(AI 컴퓨트), Spotify(디지털 콘텐츠 플랫폼), T-Mobile(네트워크 인프라), Western Digital(데이터 스토리지)을 TMT 섹터 Top Pick으로 제시.
‒ Morgan Stanley가 2026년 샌프란시스코에서 개최한 TMT 컨퍼런스에서는 사실상 모든 기업이 AI 전략을 핵심 의제로 언급했으며 AI는 실험 단계에서 벗어나 기업의 제품 개발, 내부 운영, 고객 서비스 등 여러 사업 부문에 실제로 배치되는 단계로 진입했음. 발표 transcript 143개 분석 기준으로 Productivity와 AI라는 키워드는 약 97% 이상의 발표에서 등장하며 산업 전반에서 AI가 핵심 구조 변화로 인식되고 있음.
‒ 특히 Coding Agent 중심의 개발 자동화가 실제 생산성 개선을 만들기 시작했으며 일부 기업에서는 개발자 생산성이 최대 10배 수준까지 증가했고 기존 수개월~1년 이상 걸리던 소프트웨어 개발이나 웹서비스 구축이 수일 단위로 단축되는 사례가 등장하고 있음. 기업들은 AI를 활용해 코드 생성, 프로토타입 제작, 내부 업무 자동화 등을 빠르게 진행하면서 제품 개발 속도를 크게 높이고 있음.
‒ AI Agent는 소프트웨어 개발을 넘어 상거래 구조까지 변화시키고 있으며 이른바 Agentic Commerce라는 개념이 등장하고 있음. 이는 AI 에이전트가 소비자를 대신해 상품을 탐색하고 비교·추천하며 구매까지 수행하는 구조로 발전하는 것이며 여러 기업들은 이러한 변화가 과거 인터넷 등장이나 e-commerce 확산과 맞먹는 수준의 새로운 시장 기회를 만들 수 있다고 설명.
‒ 실제 플랫폼 기업에서는 이러한 변화의 초기 신호가 나타나고 있으며 Etsy와 Shopify 등에서는 AI agent 기반 트래픽이 빠르게 증가하고 있고 일부 기업에서는 해당 트래픽이 약 1년 사이 15배 증가하는 흐름이 확인되고 있음. 아직 전체 트래픽 비중은 작지만 구매 의도와 평균 주문 금액이 높은 특성을 보이며 새로운 상품 discovery 채널로 작동할 가능성.
‒ AI 도입은 기업의 조직 구조와 노동시장에도 변화를 만들고 있으며 과거에는 매출 증가와 함께 인력을 확대해야 했지만 이제는 AI 도구를 활용해 인력 증가 없이도 생산성과 매출을 확대할 수 있는 구조가 만들어지고 있음. 일부 기업들은 자연적인 인력 이탈을 채우지 않거나 인건비를 기술 투자로 전환하는 방식으로 조직 구조를 조정하고 있음.
‒ 동시에 직원 역할도 변화하고 있으며 직원들은 직접 업무를 수행하는 역할에서 AI 시스템을 감독·설계·조정하는 역할로 이동하고 있음. 이에 따라 기업과 개인 모두 AI 역량을 강화하기 위한 교육과 재훈련 수요가 빠르게 증가하고 있으며 기업들은 조직 차원의 AI training과 reskilling 프로그램을 적극적으로 확대하고 있음.
‒ AI 경쟁에서는 기술 자체보다 기업이 보유한 데이터, 플랫폼 네트워크, 고객 관계 등 이른바 moat가 중요한 경쟁 요소로 강조되고 있음. 많은 기업들은 AI가 기존 사업을 대체하기보다 이러한 구조적 진입장벽을 가진 기업에게 더 큰 경쟁 우위를 제공할 가능성이 높다고 설명.
‒ AI 인프라 투자 역시 계속 확대되고 있으며 hyperscaler와 AI 연구기관들은 모델 성능 향상과 inference 수요 증가에 대응하기 위해 데이터센터, GPU, 네트워크, 스토리지 등 전체 인프라에 대한 CapEx 투자를 지속적으로 확대하고 있음. AI 데이터센터는 사실상 ‘토큰을 생산하는 공장’처럼 운영되기에 컴퓨팅 수요는 계속 증가하는 상황.
‒ 다만 AI 산업 확산 속도를 제한하는 요소는 수요가 아니라 인프라 공급 병목이며 전력 확보, 메모리 공급, 반도체 생산, 데이터센터 건설 인력 등 여러 요소가 동시에 부족한 상황이 주요 제약 요인으로 언급됨. 특히 데이터센터 전력 수요가 수백 MW에서 GW 규모까지 확대되면서 전력 인프라 확보가 가장 큰 병목 중 하나로 지적됨.
‒ Morgan Stanley는 이러한 AI 인프라 투자 확대와 데이터 증가 흐름의 핵심 수혜 기업으로 Amazon(클라우드·광고), NVIDIA(AI 컴퓨트), Spotify(디지털 콘텐츠 플랫폼), T-Mobile(네트워크 인프라), Western Digital(데이터 스토리지)을 TMT 섹터 Top Pick으로 제시.
Citi, Model Intelligence Inflection Drives Upward Estimate Revisions (26.03.10)
‒ Citi는 AI 산업 모델 전망을 상향 조정했으며 2026~2030년 누적 AI CapEx 추정치를 기존 8.0조달러에서 8.9조달러로, 같은 기간 AI 매출 전망을 2.8조달러에서 3.3조달러로 상향. 근거는 모델 성능 개선, 추가 데이터센터 용량 투입, 작년 파일럿 프로젝트의 실제 운영 전환, 그리고 기업 AI 도입 가속 등.
‒ 현재 시장은 데이터센터 구축 난이도, 자금조달 부담, 경쟁 심화 같은 리스크에 지나치게 집중하고 있지만 Citi는 AI 투자 수익률이 생각보다 높아지고 있으며 기업 생산성 사이클의 초기 신호가 이미 나타나고 있다고 판단. CIO·CTO·시스템통합업체들과의 인터뷰에서도 경쟁 압력 때문에 기업들의 AI 도입 긴급성이 빠르게 높아지고 있음.
‒ OpenAI와 Anthropic이 내부 매출 전망을 상향하는 등 모델 기업들의 성장 속도 역시 매우 가파른데, 특히 Anthropic의 연환산 매출 런레이트가 약 190억달러 수준까지 올라 불과 몇 주 전 약 140억달러에서 크게 증가. AI 네이티브 소프트웨어 기업들의 성장 속도는 역사적으로도 이례적인 수준.
‒ 기술 측면에서도 최근 모델 성능 도약이 뚜렷한데 GPT-5.4, Gemini 3.1 Pro, Claude Sonnet 4.6 등 최신 모델은 몇 달 전 모델 대비 에이전트 성능과 코딩 능력이 크게 개선됐고 Gemini의 ARC-AGI 점수도 약 3개월 전 대비 약 1.5배 상승했으며 GPT-5.3 Codex는 OpenAI 모델 중 처음으로 자체 개발 과정에 실제로 기여한 모델.
‒ 모델 성능이 높아질수록 추론 과정에서 더 많은 토큰을 사용하는 구조가 강화되고 있는데 MoE 구조와 검증가능 보상 기반 강화학습 등의 기술 발전 때문에 응답당 토큰 소비량이 증가하고 있으며 이로 인해 토큰 가격 상승 압력과 모델 서비스 가격 상승 가능성이 동시에 나타나고 있음.
‒ 인프라 투자 규모 역시 크게 확대되고 있는데 Citi는 AWS·Google·Meta·Microsoft·Oracle 등 주요 하이퍼스케일러의 2026년 CapEx 추정치를 약 6,780억달러로 상향했고 민간 기업, 네오클라우드, 소버린 AI 프로젝트까지 포함하면 글로벌 AI 산업 전체 CapEx가 2026년 약 7,700억달러 수준까지 확대될 것으로 전망.
‒ 특히 2025년 4분기 기준 하이퍼스케일러들의 백로그 증가율이 매우 높았는데 AWS·Google Cloud·Azure·CoreWeave의 합산 백로그 증가율은 약 100% 수준으로 같은 기간 매출 증가율 약 30%와 CapEx 증가율 약 70%보다도 훨씬 빠른 속도로 늘어났으며 이는 AI 수요가 특정 AI 연구기업에만 집중된 것이 아니라 전통 기업으로 확산되고 있음을 보여줌.
‒ 다만 단기적으로는 공급 병목이 여전히 존재하는데 메모리·스토리지·광통신·네트워크 장비 같은 IT 인프라 부족과 전력 확보 문제 등이 데이터센터 구축 속도를 제한할 수 있으며 이러한 병목은 모델 가격과 클라우드 서비스 가격 상승 요인으로 작용할 가능성이 있음.
‒ 또한 데이터센터 구축 비용도 상승하고 있는데 기존에 사용되던 1GW 데이터센터 구축 비용 약 500억달러 가정이 메모리 가격 상승과 전력 인프라 투자 확대 영향으로 2026~2027년에는 약 30% 정도 더 높아질 가능성. Citi는 투자 관점에서 여전히 메모리·스토리지·CPU·전력 같은 인프라 병목 영역이 가장 유리한 리스크 대비 보상을 제공할 것으로 판단.
‒ Citi는 AI 산업 모델 전망을 상향 조정했으며 2026~2030년 누적 AI CapEx 추정치를 기존 8.0조달러에서 8.9조달러로, 같은 기간 AI 매출 전망을 2.8조달러에서 3.3조달러로 상향. 근거는 모델 성능 개선, 추가 데이터센터 용량 투입, 작년 파일럿 프로젝트의 실제 운영 전환, 그리고 기업 AI 도입 가속 등.
‒ 현재 시장은 데이터센터 구축 난이도, 자금조달 부담, 경쟁 심화 같은 리스크에 지나치게 집중하고 있지만 Citi는 AI 투자 수익률이 생각보다 높아지고 있으며 기업 생산성 사이클의 초기 신호가 이미 나타나고 있다고 판단. CIO·CTO·시스템통합업체들과의 인터뷰에서도 경쟁 압력 때문에 기업들의 AI 도입 긴급성이 빠르게 높아지고 있음.
‒ OpenAI와 Anthropic이 내부 매출 전망을 상향하는 등 모델 기업들의 성장 속도 역시 매우 가파른데, 특히 Anthropic의 연환산 매출 런레이트가 약 190억달러 수준까지 올라 불과 몇 주 전 약 140억달러에서 크게 증가. AI 네이티브 소프트웨어 기업들의 성장 속도는 역사적으로도 이례적인 수준.
‒ 기술 측면에서도 최근 모델 성능 도약이 뚜렷한데 GPT-5.4, Gemini 3.1 Pro, Claude Sonnet 4.6 등 최신 모델은 몇 달 전 모델 대비 에이전트 성능과 코딩 능력이 크게 개선됐고 Gemini의 ARC-AGI 점수도 약 3개월 전 대비 약 1.5배 상승했으며 GPT-5.3 Codex는 OpenAI 모델 중 처음으로 자체 개발 과정에 실제로 기여한 모델.
‒ 모델 성능이 높아질수록 추론 과정에서 더 많은 토큰을 사용하는 구조가 강화되고 있는데 MoE 구조와 검증가능 보상 기반 강화학습 등의 기술 발전 때문에 응답당 토큰 소비량이 증가하고 있으며 이로 인해 토큰 가격 상승 압력과 모델 서비스 가격 상승 가능성이 동시에 나타나고 있음.
‒ 인프라 투자 규모 역시 크게 확대되고 있는데 Citi는 AWS·Google·Meta·Microsoft·Oracle 등 주요 하이퍼스케일러의 2026년 CapEx 추정치를 약 6,780억달러로 상향했고 민간 기업, 네오클라우드, 소버린 AI 프로젝트까지 포함하면 글로벌 AI 산업 전체 CapEx가 2026년 약 7,700억달러 수준까지 확대될 것으로 전망.
‒ 특히 2025년 4분기 기준 하이퍼스케일러들의 백로그 증가율이 매우 높았는데 AWS·Google Cloud·Azure·CoreWeave의 합산 백로그 증가율은 약 100% 수준으로 같은 기간 매출 증가율 약 30%와 CapEx 증가율 약 70%보다도 훨씬 빠른 속도로 늘어났으며 이는 AI 수요가 특정 AI 연구기업에만 집중된 것이 아니라 전통 기업으로 확산되고 있음을 보여줌.
‒ 다만 단기적으로는 공급 병목이 여전히 존재하는데 메모리·스토리지·광통신·네트워크 장비 같은 IT 인프라 부족과 전력 확보 문제 등이 데이터센터 구축 속도를 제한할 수 있으며 이러한 병목은 모델 가격과 클라우드 서비스 가격 상승 요인으로 작용할 가능성이 있음.
‒ 또한 데이터센터 구축 비용도 상승하고 있는데 기존에 사용되던 1GW 데이터센터 구축 비용 약 500억달러 가정이 메모리 가격 상승과 전력 인프라 투자 확대 영향으로 2026~2027년에는 약 30% 정도 더 높아질 가능성. Citi는 투자 관점에서 여전히 메모리·스토리지·CPU·전력 같은 인프라 병목 영역이 가장 유리한 리스크 대비 보상을 제공할 것으로 판단.
최근 한 대형 IB가 개최한 한국 및 대만 컨퍼런스를 개최, 모두 역대 최다 참가자 수를 기록하며 성황리에 진행되었다. 특히 주목할 점은 투자자들이 단순히 시가총액 상위 종목에만 집중하는 것이 아니라는 점이다. 견고한 펀더멘탈은 물론, 강력한 턴어라운드 잠재력을 보유한 중소형주들과의 미팅이 그 어느 때보다 활발하게 이루어졌다. 이는 글로벌 자본이 단순히 지수를 추종하는 것을 넘어, AI 공급망과 첨단 제조업 내에서 실질적인 수혜를 입을 '옥석 가리기'에 본격적으로 나섰음을 시사한다.
https://m.blog.naver.com/kk_kontemp/224216672880
NAVER
임계점
금융 시장이 임계점(Critical Point)에 다다르고 있는 것으로 보인다. 단기적으로 상황이 개선되지 않는...
Gromit 공부방
Discretionary vs Systematic Equity Positioning 업뎃
Discretionary vs Systematic Equity Positioning 업뎃
연기금이 내달부터 코스닥 투자에 본격적으로 나설 예정이다. 국내주식 위탁운용사를 대상으로 코스닥 투자를 사실상 의무화할 것이란 전망도 나온다. 기존 국민연금공단을 제외한 연기금들은 벤치마크(BM)에 코스닥지수를 반영하지 않았는데 2분기부터 본격적으로 적용한다는 설명이다.
(중략)
이러한 움직임은 정부의 코스닥 활성화 정책과 맞닿아 있다. 기획예산처는 지난 1월 말 기금자산운용정책위원회를 열고 올해 기금 자산운용 기본방향과 기금운용평가 지침 개정안을 발표했다. 관련 안에는 혁신성장 분야 투자를 유도하고 연기금의 공적기능을 강화하기 위해 대형·중소형 평가기준수익률에 코스닥지수를 반영한다고 기재돼 있다. 이러한 방안이 오는 2분기 본격 적용될 것이란 설명이다.
https://www.thebell.co.kr/front/newsview.asp?click=F&key=202603121616268440108434
더벨뉴스
연기금, 2분기 코스닥150지수 BM에 넣는다
연기금이 내달부터 코스닥 투자에 본격적으로 나설 예정이다. 국내주식 위탁운용사를 대상으로 코스닥 투자를 사실상 의무화할 것이란 전망도 나온다. 기존 국민연금공단을 제외한 연기금들은 벤치마크(BM)에 코스닥지수를 반영하지 않았는데 2분기부터 본격적으로 적용한다는 설명이다...
Gromit 공부방
하나Knowledge_9호_2026년_자금흐름_전망과_개인투자자_주식투자_채널_변화.pdf
‒ 예금시장으로의 자금유입은 둔화되고 국내외 증시 및 ETF를 포함한 자산운용시장으로의 자금유입 급격히 증가
‒ 가계대출 규제로 부동산시장의 거래가 위축되면서 대기성 자금 형태의 예금 유입 크게 둔화된 반면 기대수익률이 크게 상승한 금융투자상품에 대한 수요 급증
‒ 국내 증시 호조로 증시주변자금이 증가하고 일평균거래대금이 2025년 26조원, 2026년은 2월까지 무려 60조원을 상회하는 등 국내 증시로의 자금유입 크게 확대
‒ 특히 ETF 투자 증가와 더불어 자산운용시장으로 가장 큰 폭의 자금이 유입
‒ 개인투자자는 2023년부터 코스피 주식을 매도하는 대신 2024년부터 ETF 매수를 확대하는 등 주식 직접투자 대신 간접투자로 거래 행태가 변화
‒ 가계대출 규제로 부동산시장의 거래가 위축되면서 대기성 자금 형태의 예금 유입 크게 둔화된 반면 기대수익률이 크게 상승한 금융투자상품에 대한 수요 급증
‒ 국내 증시 호조로 증시주변자금이 증가하고 일평균거래대금이 2025년 26조원, 2026년은 2월까지 무려 60조원을 상회하는 등 국내 증시로의 자금유입 크게 확대
‒ 특히 ETF 투자 증가와 더불어 자산운용시장으로 가장 큰 폭의 자금이 유입
‒ 개인투자자는 2023년부터 코스피 주식을 매도하는 대신 2024년부터 ETF 매수를 확대하는 등 주식 직접투자 대신 간접투자로 거래 행태가 변화
Forwarded from IH Research
매크로는 볼거면 보고 말거면 말아야 합니다. 이런 상황에서는 매크로를 보는 사람들의 목소리가 높아지고 이제서야 관련해서 영상 찾아보면 세상 망한것 같은 느낌이 듭니다. 다만 매크로만 보던 사람들은 이미 거기에 익숙해져서 이런 상황에 맞는 주식이나 자산을 또 잘 투자하고 있습니다. 제일 문제인건 bottom up 투자를 하다가 전쟁이 나면 전쟁전문가가 되고 매크로 장세가 되면 매크로전문가가 되는 행동이 문제겠죠.
어느덧 시간이 지나서 주변에서 매크로 이야기를 안하고 다시 종목에 몰두해서 돌아와보면 매크로 떄문에 겁나서 팔았던 주식들이 신고가에 가 있습니다. 그러면 이제 본인이 아는 종목이란 생각에 껄무새가 되게 마련입니다. '나 저거 많았는데' '빠지면 사려고 했는데' 이는 본인 멘탈에도 안좋고 주변사람들에게도 안좋은 영향을 끼치는 행동입니다. 누구를 비난하려는건 아니고 당연히 제 이야기겠죠.
참 안좋은 이야기도 많고 제게는 많이 어려운 3월입니다. 다들 잘 견뎌내고 또 투자하기 좋은 환경이 오기를 기다려 봅시다.
어느덧 시간이 지나서 주변에서 매크로 이야기를 안하고 다시 종목에 몰두해서 돌아와보면 매크로 떄문에 겁나서 팔았던 주식들이 신고가에 가 있습니다. 그러면 이제 본인이 아는 종목이란 생각에 껄무새가 되게 마련입니다. '나 저거 많았는데' '빠지면 사려고 했는데' 이는 본인 멘탈에도 안좋고 주변사람들에게도 안좋은 영향을 끼치는 행동입니다. 누구를 비난하려는건 아니고 당연히 제 이야기겠죠.
참 안좋은 이야기도 많고 제게는 많이 어려운 3월입니다. 다들 잘 견뎌내고 또 투자하기 좋은 환경이 오기를 기다려 봅시다.
Forwarded from 유진투자증권 ETF/파생 강송철 (Songchul Kang)
* 안녕하세요, 유진투자증권 강송철입니다. # 6월 KOSPI200, 코스닥150 정기변경 자료 보내드립니다,
* 최근 몇 년간 시장 관심이 높지 않았을 수 있지만, 과거 KOSPI200, 코스닥150 정기변경(6월)에 지수 신규 편입 종목의 편입일까지 성과는 좋은 편이었습니다.
* 올해는 특히 코스닥 ETF 시가총액 규모가 과거 대비 크게 커지고, 연기금 투자도 있어 지수 편입에 따른 수급 효과가 과거보다 클 것으로 예상됩니다.
* 3월 현재 기준으로 6월에 있는 정기변경에서는 달바글로벌이 코스피200 지수 신규 편입될 것으로 예상, 코스닥150은 코오롱티슈진, 현대무벡스, 성호전자 등 13개(10개) 종목이 지수에 신규 편입될 것으로 예상합니다, 자료 참고 부탁드립니다, 감사합니다~
자료 URL) https://bit.ly/40KryON
* 유진 ETF/파생 강송철 개별 텔레그램
https://t.iss.one/buykkang
* 최근 몇 년간 시장 관심이 높지 않았을 수 있지만, 과거 KOSPI200, 코스닥150 정기변경(6월)에 지수 신규 편입 종목의 편입일까지 성과는 좋은 편이었습니다.
* 올해는 특히 코스닥 ETF 시가총액 규모가 과거 대비 크게 커지고, 연기금 투자도 있어 지수 편입에 따른 수급 효과가 과거보다 클 것으로 예상됩니다.
* 3월 현재 기준으로 6월에 있는 정기변경에서는 달바글로벌이 코스피200 지수 신규 편입될 것으로 예상, 코스닥150은 코오롱티슈진, 현대무벡스, 성호전자 등 13개(10개) 종목이 지수에 신규 편입될 것으로 예상합니다, 자료 참고 부탁드립니다, 감사합니다~
자료 URL) https://bit.ly/40KryON
* 유진 ETF/파생 강송철 개별 텔레그램
https://t.iss.one/buykkang
Forwarded from Rafiki research
주말 칼럼 “액티브”
2007년 펀드 매니저가 어떤 주식을 1% 오버웨잇하면 벤치마크를 20% 아웃퍼폼했고 2% 오버하면 80% 아웃했고, 3% 오버하면 240%를 아웃했습니다.
http//rafikiresearch.blogspot.com/
2007년 펀드 매니저가 어떤 주식을 1% 오버웨잇하면 벤치마크를 20% 아웃퍼폼했고 2% 오버하면 80% 아웃했고, 3% 오버하면 240%를 아웃했습니다.
http//rafikiresearch.blogspot.com/
Blogspot
Rafiki Research
글로벌 매크로와 한국 주식 투자 관련 정보, 데이터, 분석을 제공하는 리서치입니다.
Forwarded from 엄브렐라리서치 Anakin의 투자노트
토큰과 공장
1.
AI 시대에 있어 가장 중요한건 무엇일까? 본질은 '토큰'이라고 생각
미국 GTC에서 가장 크게 느낀 점은 AI의 처음이자 끝이 '토큰'이라는 것. AI 시대에 있어 토큰은 마치 인류가 처음 '전기'를 찾아낸 것과 같음
2.
토큰 수요는 계속 증가할 것인가?
OpenClaw가 만들어낸 Agentic AI가 촉발해낼 토큰 수요는 이미 우리가 '텍스트'를 통해 소통하는 토큰 수요를 아득히 넘어서고 있음
중요한 점은, 인류 중에서 아직 LLM을 쓰는 인구는 소수에 불과하며 그 중에서도 OpenClaw를 쓰는 인구는 더 극소수에 불과하다는 것
3.
토큰은 단순히 LLM이 생성해내는 '단어', '말꾸러미‘에 그치지 않고, 모든 명령체계와 인식/제어/행동 등 모든 영역에서 확장될 것
젠슨황이 말하는 Agentic AI든, Physical AI든, 토큰 수요의 증가는 기하급수적일 수밖에 없다고 생각
이는 17-18년 하이퍼스케일러 시기와도 차이가 있음. 당시에는 스마트폰의 기술력 상승이 저장하는 데이터를 텍스트->사진->영상으로 발전하면서 막대한 규모의 데이터센터가 필요해진 것
그러나 AI 시대의 토큰은 멀티모달(사진, 영상)에 국한되지 않고 우리의 지능(LLM), 비서(Agent), 물리(Physical) 모든 영역에서 증가할 것
4.
이 폭증하는 '토큰'에 대한 모든 공급이 AI 인프라로 이어지고 있음. 토큰이 곧 매출(Revenue)이 되고, 토큰을 만들어내는 AI 인프라는 매출을 생성해내는 공장(Token Factory)가 되어가고 있음
그리고 시장에서 그토록 핫한 800VDC든, 변압기든, 기판이든, 원전이든, 우주 데이터센터든, AI RAN이든, HBM4든, LPU든 => 이 모든게 가리키는 방향은 단 하나로, 어떻게 하면 토큰을 더 많이, 효율적으로 만들어낼 수 있는가라고 볼 수 있음
모든 AI에 관련된 기술 발전은 토큰을 '더 많이 뽑아내고', '더 싸게 만들고', '더 효율적으로 생성하기 위해' 진행되고 있는 것
결국 모든 AI 시대의 투자의 대전제는 (1) 토큰 수요가 폭증하고 있는가? (2) 토큰 수요를 뒷받침하기 위해 AI 인프라 투자가 계속되는가? 라고 생각
5.
젠슨은 이번에 모든 IT 기업이 SaaS 위주에서 Agent as a service로 바뀔 것이라고 언급. 미국 SW기업들은 각자의 코어 영역이 존재하는데, 이 코어 영역에서 수많은 기업들의 private data를 보유하고 있음. (Oracle DB든, CRM이든, ERP든)
이 data를 최대한 private하게 유지하면서(보안을 유지), 중요한 의사결정에는 사람이 개입할 수 있는 형태의 Agent를 모든 SW 기업들이 구축하게 될 것. 그리고 그 또한 엔비디아가 개발하는 NemoClaw 플랫폼에서 이뤄지게 될 수 있음
6.
엔비디아는 AI가 발전해나가는 모든 영역(=토큰을 창출해낼 모든 영역)에 발을 걸치고 있음. 어찌보면 과도하다 싶을 정도로 매년 새로운 SW 플랫폼을 발표하고 있음
월드 파운데이션 모델 Cosmos, Physical AI용 Issac, 자율주행 플랫폼 알파마요, Agentic AI 용 NemoClaw, 그 외에 생명공학, 기후예측, 양자컴퓨팅, 우주데이터센터까지 무엇이 되든 엔비디아를 거치게 되면 더 빠르게 '가속화'시킬 수 있게 만들고 있음
7.
CUDA를 통해 엔비디아가 깨달은 것은, SW 플랫폼의 장악력이 가장 중요하다는 것이었고, 과거 마이크로소프트가 결정하는 플랫폼 표준에서 그래픽카드가 외면받은 경험(파산위기)에서 느낀 것 또한 플랫폼이 중요하다는 것이었을 것
이런 경험들에서 촉발되었을지는 몰라도, 젠슨황은 모든 AI 개발을 위한 SW를 수평적으로 펼치고 있음
8.
동시에 엔비디아는 HW를 수직적으로 관리하고 있음. 엔비디아의 베라 루빈칩과 랙을 보면 그걸 알 수 있는데, 대만의 엄청난 서버 밸류체인을 전부 관리하고, 나아가 전세계 HW 기업들의 실적과 향후 AI DC HW 표준을 엔비디아가 정하고 있다는 점에서 엔비디아는 이미 HW의 수직적 통합을 구축해내고 있음
그가 제시하는 베라 루빈의 스펙, 카이버 아키텍처와 루빈 울트라, 파인만까지 이어지는 막대한 토큰 생성 기계는 수만개의 부품으로 구성되고 이는 '엔비디아'만이 제조할 수 있는 것
9.
작년 12월 제미나이가 LLM에서 선두권으로 치고나가면서 구글 TPU가 부상하자, 엔비디아는 12월 24일 Groq을 인수했고 3개월만인 올해 3월 GTC에서 LPX를 공개, 베라 루빈의 경쟁력을 더 끌어올렸음
무려 3개월만에 새로운 기술을 통합시켜 엔비디아 GPU의 강점을 더 끌어올린 것
10.
이 수직적인 HW 통합과 수평적인 SW 플랫폼 확장은 거미줄처럼 엔비디아가 모든 AI Token Factory 영역을 지배하고 있음을 의미한다고 생각
그리고 엔비디아가 추구하는 방향에서 가장 중요한건 토큰, 그리고 토큰을 산출해내는 기계를 만드는 AI 인프라, 이를 구축하기 위한 capex라는 것
(다음은 사전학습, 사후학습, MoE, 멀티 에이젼트, KV캐시, 프리필, 디코드, 추론, HBM4E 로직다이 등에 대해)
=> ‘왜 메모리 마진율이 이렇게 높은데 고객사들이 가격 하락을 기다리지 않고 장기공급 얘기가 나오는지’ 대해
1.
AI 시대에 있어 가장 중요한건 무엇일까? 본질은 '토큰'이라고 생각
미국 GTC에서 가장 크게 느낀 점은 AI의 처음이자 끝이 '토큰'이라는 것. AI 시대에 있어 토큰은 마치 인류가 처음 '전기'를 찾아낸 것과 같음
2.
토큰 수요는 계속 증가할 것인가?
OpenClaw가 만들어낸 Agentic AI가 촉발해낼 토큰 수요는 이미 우리가 '텍스트'를 통해 소통하는 토큰 수요를 아득히 넘어서고 있음
중요한 점은, 인류 중에서 아직 LLM을 쓰는 인구는 소수에 불과하며 그 중에서도 OpenClaw를 쓰는 인구는 더 극소수에 불과하다는 것
3.
토큰은 단순히 LLM이 생성해내는 '단어', '말꾸러미‘에 그치지 않고, 모든 명령체계와 인식/제어/행동 등 모든 영역에서 확장될 것
젠슨황이 말하는 Agentic AI든, Physical AI든, 토큰 수요의 증가는 기하급수적일 수밖에 없다고 생각
이는 17-18년 하이퍼스케일러 시기와도 차이가 있음. 당시에는 스마트폰의 기술력 상승이 저장하는 데이터를 텍스트->사진->영상으로 발전하면서 막대한 규모의 데이터센터가 필요해진 것
그러나 AI 시대의 토큰은 멀티모달(사진, 영상)에 국한되지 않고 우리의 지능(LLM), 비서(Agent), 물리(Physical) 모든 영역에서 증가할 것
4.
이 폭증하는 '토큰'에 대한 모든 공급이 AI 인프라로 이어지고 있음. 토큰이 곧 매출(Revenue)이 되고, 토큰을 만들어내는 AI 인프라는 매출을 생성해내는 공장(Token Factory)가 되어가고 있음
그리고 시장에서 그토록 핫한 800VDC든, 변압기든, 기판이든, 원전이든, 우주 데이터센터든, AI RAN이든, HBM4든, LPU든 => 이 모든게 가리키는 방향은 단 하나로, 어떻게 하면 토큰을 더 많이, 효율적으로 만들어낼 수 있는가라고 볼 수 있음
모든 AI에 관련된 기술 발전은 토큰을 '더 많이 뽑아내고', '더 싸게 만들고', '더 효율적으로 생성하기 위해' 진행되고 있는 것
결국 모든 AI 시대의 투자의 대전제는 (1) 토큰 수요가 폭증하고 있는가? (2) 토큰 수요를 뒷받침하기 위해 AI 인프라 투자가 계속되는가? 라고 생각
5.
젠슨은 이번에 모든 IT 기업이 SaaS 위주에서 Agent as a service로 바뀔 것이라고 언급. 미국 SW기업들은 각자의 코어 영역이 존재하는데, 이 코어 영역에서 수많은 기업들의 private data를 보유하고 있음. (Oracle DB든, CRM이든, ERP든)
이 data를 최대한 private하게 유지하면서(보안을 유지), 중요한 의사결정에는 사람이 개입할 수 있는 형태의 Agent를 모든 SW 기업들이 구축하게 될 것. 그리고 그 또한 엔비디아가 개발하는 NemoClaw 플랫폼에서 이뤄지게 될 수 있음
6.
엔비디아는 AI가 발전해나가는 모든 영역(=토큰을 창출해낼 모든 영역)에 발을 걸치고 있음. 어찌보면 과도하다 싶을 정도로 매년 새로운 SW 플랫폼을 발표하고 있음
월드 파운데이션 모델 Cosmos, Physical AI용 Issac, 자율주행 플랫폼 알파마요, Agentic AI 용 NemoClaw, 그 외에 생명공학, 기후예측, 양자컴퓨팅, 우주데이터센터까지 무엇이 되든 엔비디아를 거치게 되면 더 빠르게 '가속화'시킬 수 있게 만들고 있음
7.
CUDA를 통해 엔비디아가 깨달은 것은, SW 플랫폼의 장악력이 가장 중요하다는 것이었고, 과거 마이크로소프트가 결정하는 플랫폼 표준에서 그래픽카드가 외면받은 경험(파산위기)에서 느낀 것 또한 플랫폼이 중요하다는 것이었을 것
이런 경험들에서 촉발되었을지는 몰라도, 젠슨황은 모든 AI 개발을 위한 SW를 수평적으로 펼치고 있음
8.
동시에 엔비디아는 HW를 수직적으로 관리하고 있음. 엔비디아의 베라 루빈칩과 랙을 보면 그걸 알 수 있는데, 대만의 엄청난 서버 밸류체인을 전부 관리하고, 나아가 전세계 HW 기업들의 실적과 향후 AI DC HW 표준을 엔비디아가 정하고 있다는 점에서 엔비디아는 이미 HW의 수직적 통합을 구축해내고 있음
그가 제시하는 베라 루빈의 스펙, 카이버 아키텍처와 루빈 울트라, 파인만까지 이어지는 막대한 토큰 생성 기계는 수만개의 부품으로 구성되고 이는 '엔비디아'만이 제조할 수 있는 것
9.
작년 12월 제미나이가 LLM에서 선두권으로 치고나가면서 구글 TPU가 부상하자, 엔비디아는 12월 24일 Groq을 인수했고 3개월만인 올해 3월 GTC에서 LPX를 공개, 베라 루빈의 경쟁력을 더 끌어올렸음
무려 3개월만에 새로운 기술을 통합시켜 엔비디아 GPU의 강점을 더 끌어올린 것
10.
이 수직적인 HW 통합과 수평적인 SW 플랫폼 확장은 거미줄처럼 엔비디아가 모든 AI Token Factory 영역을 지배하고 있음을 의미한다고 생각
그리고 엔비디아가 추구하는 방향에서 가장 중요한건 토큰, 그리고 토큰을 산출해내는 기계를 만드는 AI 인프라, 이를 구축하기 위한 capex라는 것
(다음은 사전학습, 사후학습, MoE, 멀티 에이젼트, KV캐시, 프리필, 디코드, 추론, HBM4E 로직다이 등에 대해)
=> ‘왜 메모리 마진율이 이렇게 높은데 고객사들이 가격 하락을 기다리지 않고 장기공급 얘기가 나오는지’ 대해