🚪 모델은 열리고, 공급망은 더 깊어진다

지난주에는 AI 모델이 저렴해질수록 사용량이 늘어나고, 결국 더 많은 GPU와 메모리, 전력과 데이터센터가 필요해질 수 있다고 이야기했습니다.

이번 주에는 그다음 장면이 조금 더 선명해졌습니다.

중국에서는 오픈웨이트 모델 경쟁이 다시 가속화되고 있습니다. 기업들은 모든 업무에 가장 비싼 프런티어 모델을 쓰는 대신, 작업의 난이도와 비용에 따라 여러 모델을 골라 사용하는 방향으로 이동하고 있습니다.

반면 현실 세계에서는 정반대의 일이 벌어지고 있습니다.

메모리는 장기계약으로 잠기고 있고, 첨단 패키징 생산능력은 고객의 성장을 제한하고 있습니다. 전력망은 데이터센터 수요를 따라가지 못하고 있으며, AI 서버를 완성하는 테스트 장비와 커넥터, 광통신, 냉각 부품까지 새로운 병목으로 떠오르고 있습니다.

모델은 점점 열리고 있지만, AI를 실제 가치로 바꾸는 공급망은 더 복잡하고 깊어지고 있는 것입니다.

제가 보는 이번 주의 핵심은 이것입니다.

AI 시대의 희소성은 모델 자체에서, 모델을 실제 서비스로 바꾸는 데이터·업무 흐름·패키징·테스트·전력·냉각 공급망으로 이동하고 있습니다.

1. 모델의 성능보다 중요한 것은 작업의 경제성이다

AI 모델 시장에서는 성능 격차가 빠르게 줄어들고 있습니다.

미국의 프런티어 모델뿐 아니라 중국의 DeepSeek, Qwen, Kimi, GLM 계열 모델들도 가격 대비 성능을 높이며 선택지를 늘리고 있습니다.

이 변화가 의미하는 것은 단순히 중국 모델이 미국 모델을 따라잡고 있다는 이야기가 아닙니다.

기업의 질문 자체가 달라지고 있다는 점이 중요합니다.

과거에는 다음과 같이 물었습니다.

어떤 모델이 가장 똑똑한가?

앞으로는 이렇게 물을 가능성이 높습니다.

이 업무를 끝내는 데 어떤 모델을 써야 가장 경제적인가?

복잡한 코딩과 법률 검토에는 고성능 모델을 쓰고, 단순한 문서 분류나 검색에는 더 저렴한 모델을 사용할 수 있습니다. 하나의 서비스 안에서도 여러 모델을 연결하고, 비용과 속도, 정확도에 따라 자동으로 선택하는 구조가 확산될 것입니다.

이렇게 되면 특정 모델 하나의 독점력은 낮아질 수 있습니다.

대신 어떤 모델이 선택되더라도 기업의 데이터와 요청이 통과하는 플랫폼의 중요성이 커집니다.

여기서 중요한 것은 새로운 AI 모델을 직접 만드는 기업만 보는 것이 아닙니다.

어떤 모델이 이겨도 데이터와 사용량이 통과하는 곳을 보는 접근이 더 안정적일 수 있습니다.

2. 기업은 토큰보다 결과에 돈을 낸다

모델 선택지가 많아질수록 기업은 단순한 성능보다 투자 대비 성과를 따지게 됩니다.

기존 SaaS는 좌석 수를 기준으로 과금했습니다.

직원 100명이 사용하면 100명분을 결제하는 방식입니다.

하지만 AI가 실제 업무를 대신하기 시작하면 좌석 수만으로 제품의 가치를 설명하기 어려워집니다. 한 명의 직원이 여러 AI 에이전트를 운영할 수도 있고, 수백 명이 사용하는 시스템이 실제 업무 성과를 만들지 못할 수도 있습니다.

그래서 앞으로는 다음과 같은 과금 방식이 늘어날 가능성이 있습니다.

• 처리한 고객 문의 건수
• 완료한 문서와 코드 작업량
• 절감한 업무시간
• 확보한 매출
• 해결한 보험 청구
• 완료한 보안 분석

AI SaaS의 경쟁력은 기능의 수보다, 고객의 어떤 업무를 실제로 끝내주는가에서 만들어집니다.

이 흐름에서는 기업 내부의 업무 흐름을 이미 장악하고 있는 회사가 유리할 수 있습니다.

모델은 구매할 수 있습니다.

하지만 조직의 데이터와 권한, 승인 절차, 예외 처리까지 연결하는 일은 구매만으로 끝나지 않습니다.

그래서 엔터프라이즈 AI의 병목은 모델의 성능보다 업무 설계와 시스템 통합으로 이동하고 있습니다.

3. 모델보다 강한 해자는 데이터와 업무 흐름이다

AI가 범용화될수록 독점 데이터의 가치가 커질 수 있습니다.

의료 AI를 예로 들면, 의사시험 문제를 잘 푸는 모델은 계속 늘어날 것입니다.

하지만 의사가 실제 진료 중 어떤 질문을 하고, 어떤 근거를 신뢰하며, 어떤 답변을 다시 확인하는지는 모델을 학습시키는 것만으로 확보하기 어렵습니다.

의료진의 실제 업무 흐름 안에 들어가야 얻을 수 있는 데이터이기 때문입니다.

로봇도 마찬가지입니다.

앞으로 휴머노이드 로봇 제조사만큼 중요한 것은 숙련자의 손동작과 시선, 작업 순서, 예외 상황을 수집하는 기업일 수 있습니다.

공장에서 작업자의 움직임을 촬영하는 이유는 단순한 영상을 확보하기 위해서가 아닙니다.

사람이 언제 판단하고, 어떤 순서로 움직이며, 예상 밖의 상황에 어떻게 대응하는지를 로봇이 학습할 수 있는 데이터로 바꾸기 위해서입니다.

한 번 수집한 작업 데이터는 여러 대의 로봇을 반복해서 학습시키는 자산이 됩니다.

휴머노이드 시대의 진짜 자산은 로봇 한 대가 아니라, 로봇이 일을 배울 수 있게 만드는 작업 데이터일 수 있습니다.

다만 데이터를 많이 갖고 있다는 것만으로 충분하지는 않습니다.

데이터의 품질과 사용 권한, 업데이트 주기, 실제 업무와의 연결성이 중요합니다.

오래된 데이터를 대량 보유한 회사보다, 매일 업무 과정에서 새로운 고품질 데이터를 확보하는 회사가 더 유리할 수 있습니다.

4. AI 서버는 GPU만으로 완성되지 않는다

AI 반도체를 이야기하면 대부분 GPU와 HBM부터 떠올립니다.

이들은 여전히 핵심입니다.

다만 시장도 이미 그 사실을 잘 알고 있습니다. 그래서 이번에는 대장주보다 GPU 뒤쪽의 공급망을 더 깊게 볼 필요가 있습니다.

AI 칩이 복잡해질수록 웨이퍼를 자르고, 연마하고, 접합하고, 검사하고, 테스트하는 공정의 난도가 함께 올라갑니다.

좋은 칩을 설계하는 것만으로는 부족합니다.

대량생산 과정에서 수율을 확보하고, 패키징된 칩이 실제로 정상 작동하는지 검증해야 합니다.

첨단 패키징의 후방 병목

이 회사들이 흥미로운 이유는 AI 칩의 승자가 누구인지와 무관하게 공정 복잡도가 높아질수록 수요가 증가할 수 있기 때문입니다.

$NVDA NVIDIA가 이기든, 자체 ASIC이 늘어나든, 새로운 AI 칩을 대량생산하려면 검사와 테스트, 기판과 패키징은 반드시 필요합니다.

다만 좋은 산업과 좋은 가격은 다릅니다.

일부 일본·유럽 장비 기업은 이미 AI 패키징 기대를 상당 부분 반영하고 있어, 지금 당장 추격하기보다 실적 증가 속도와 밸류에이션을 함께 볼 필요가 있습니다.

5. 대만 공급망은 TSMC만 있는 것이 아니다

대만 AI 공급망을 이야기할 때 $TSM TSMC만 언급하는 경우가 많습니다.

하지만 실제 AI 서버는 파운드리 하나만으로 만들어지지 않습니다.

서버를 설계하고 조립하는 ODM, 데이터센터 스위치, CPU 소켓, 전원부품, 냉각 시스템까지 하나의 생태계가 필요합니다.

이 흐름에서 흥미로운 기업은 $TW:3533 Lotes입니다.

CPU와 GPU의 성능이 높아질수록 소켓과 커넥터가 전달해야 하는 전력과 신호의 양도 증가합니다. 서버가 고도화될수록 단순 부품처럼 보였던 커넥터의 기술 난도도 높아집니다.

$TW:3017 Asia Vital Components도 주목할 만합니다.

AI 랙의 전력 밀도가 높아지면서 공랭식만으로 열을 처리하기 어려워지고 있습니다. 서버 내부의 팬과 방열판에서 액체냉각 시스템으로 전환될수록 열관리 기업의 역할이 커집니다.

이들은 AI 대장주라기보다, 서버 한 대를 실제로 완성하는 공급망의 특정 병목을 보는 접근입니다.

6. 전력은 발전소에서 서버 랙까지 이동해야 한다

AI 데이터센터 전력 수요가 증가한다는 이야기는 이미 익숙합니다.

하지만 발전량이 많다고 데이터센터가 바로 가동되는 것은 아닙니다.

발전소에서 만든 전력을 송전망과 변전소, 케이블, 배전반, 전원공급장치를 거쳐 서버 랙까지 전달해야 합니다.

이 과정에서 필요한 장비는 생각보다 많습니다.

특히 $J5803 Fujikura는 흥미로운 후보입니다.

후지쿠라는 전선 회사로 알려져 있지만, AI 데이터센터용 광섬유와 고밀도 광배선 수요의 증가로 다시 평가받고 있습니다. AI 클러스터가 커질수록 서버 사이를 연결하는 광통신망의 중요성이 높아지기 때문입니다.

유럽의 Prysmian과 Legrand도 같은 흐름에 있습니다.

데이터센터가 늘어난다고 모든 전력기업이 동일한 수혜를 받는 것은 아닙니다. 전력을 생산하는 기업과 전력을 실제 시설까지 전달하는 기업은 역할이 다릅니다.

이번 사이클에서는 발전소보다 케이블, 배전, 전력변환, 열관리처럼 서버 랙에 더 가까운 부품에서 병목이 나타날 가능성도 있습니다.

7. 메모리는 범용 부품에서 전략자산으로 바뀌고 있다

모델 영역에서는 개방이 가속화되고 있지만, 반도체 공급망에서는 국가 간 장벽이 높아지고 있습니다.

미국은 중국의 메모리와 반도체 공급망을 국가안보 문제로 보고 있으며, 중국은 CXMT와 YMTC를 중심으로 자체 메모리 생산능력을 확대하고 있습니다.

과거 메모리는 가격에 따라 공급사를 선택할 수 있는 범용 부품으로 여겨졌습니다.

하지만 지금은 AI 서버와 스마트폰, 자동차, 국방 시스템을 움직이는 전략자산으로 바뀌고 있습니다.

모델은 오픈소스로 공개될 수 있지만, 메모리 생산능력과 수율, 고객 검증은 단기간에 복제하기 어렵습니다.

다만 이 글에서도 $K000660 SK하이닉스와 $K005930 삼성전자만 반복해서 설명할 필요는 없습니다.

이번에 더 흥미롭게 볼 수 있는 영역은 메모리 공정에 필요한 장비와 소재입니다.

일본의 $J5332 TOTO는 대부분 위생도기 기업으로 알고 있지만, 반도체 장비용 세라믹 부품과 정전척 영역에서도 사업을 하고 있습니다.

AI 반도체 생산량이 늘어날수록 장비 내부에서 반복적으로 사용되는 세라믹과 진공 부품, 소재의 수요도 함께 증가할 수 있습니다.

이것은 대장주를 비싸게 따라가는 접근이 아니라, AI가 커질수록 반드시 교체되고 소모되는 부품을 찾는 접근입니다.

8. 산업이 좋아도 주가는 무너질 수 있다

AI 인프라 수요가 강하다는 사실과 관련 주식이 항상 오르는 것은 같은 이야기가 아닙니다.

산업을 볼 때는 최소한 세 가지를 구분해야 합니다.

1. 산업 수요가 실제로 증가하고 있는가
2. 기업의 매출과 이익이 증가하고 있는가
3. 현재 주가와 투자자 포지션이 안전한가

첫 번째와 두 번째가 맞더라도 세 번째가 무너지면 주가는 크게 조정받을 수 있습니다.

특히 AI와 반도체처럼 시장의 기대가 높은 영역에서는 레버리지와 테마형 상품, 옵션과 패시브 자금이 가격을 펀더멘털보다 빠르게 끌어올릴 수 있습니다.

산업의 장기 방향이 맞아도, 너무 비싼 가격에 매수하면 오랫동안 수익을 내지 못할 수 있습니다.

그래서 같은 종목을 반복해서 언급하는 것보다 더 중요한 것은, 같은 논리 안에서도 아직 시장이 충분히 보지 않은 공급망의 다음 단계를 찾는 일입니다.

좋은 회사와 좋은 가격은 다릅니다.좋은 산업과 좋은 종목도 다릅니다.

투자 관점에서 정리

이번 주 흐름을 종목군으로 정리하면 다음과 같습니다.

기존의 핵심 종목들이 중요하지 않다는 뜻은 아닙니다.

HBM의 중심에는 여전히 $K000660 SK하이닉스와 $MU 마이크론이 있고, 첨단 파운드리에는 $TSM TSMC가 있으며, 노광장비에는 $E:ASML이 있습니다.

다만 이들은 이제 시장도 잘 알고 있는 기준점에 가깝습니다.

앞으로의 투자 아이디어는 그 대장주를 반복해서 설명하는 것보다, 대장주의 성장이 어떤 장비와 부품, 소재와 데이터 기업의 실적으로 전달되는가를 추적하는 데서 나올 가능성이 높습니다.

결론

이번 주 흐름이 보여주는 것은 하나입니다.

AI 모델은 빠르게 범용화되고 있습니다.

기업은 하나의 모델에 묶이기보다 업무마다 적합한 모델을 선택하고, 모델 자체보다 데이터와 업무 성과를 중요하게 보기 시작했습니다.

하지만 AI를 실제로 돌리는 현실 세계는 오히려 더 복잡해지고 있습니다.

칩을 자르고 접합하고 검사하는 장비, 서버를 연결하는 소켓과 스위치, 열을 식히는 냉각 시스템, 전력을 전달하는 케이블과 배전 장비가 모두 필요합니다.

그래서 앞으로는 단순히 “AI가 성장한다”는 이야기보다 다음 질문이 더 중요해질 수 있습니다.

어떤 모델이 이겨도 필요한가?공급을 빠르게 늘리기 어려운가?고객의 공정이나 업무에 깊게 들어가 있는가?한 번 판매하고 끝나는 것이 아니라 반복적으로 사용되는가?

이 관점에서 관심 있게 볼 후보군은 $E:BESI, $J6857 Advantest, $J6146 DISCO, $CAMT Camtek, $TW:3533 Lotes, $TW:3017 Asia Vital Components, $J5803 Fujikura, $E:PRY Prysmian, $CFLT Confluent, $ESTC Elastic, $E:VACN VAT Group, $J5332 TOTO 등입니다.

이 종목들이 모두 지금 당장 좋은 가격이라는 의미는 아닙니다.

일부는 이미 높은 기대를 받고 있고, 일부는 AI 수요가 아직 전체 실적에서 차지하는 비중이 크지 않습니다.

다만 AI의 병목이 GPU와 HBM에서 패키징, 테스트, 커넥터, 광통신, 냉각, 전력 전달, 산업 데이터로 이동하고 있다는 점은 분명합니다.

지금은 같은 대장주를 반복해서 따라가기보다, AI 공급망 안에서 아직 이름이 덜 알려진 다음 병목을 찾을 시점에 가깝습니다.