Something broke in the momentum trade
Goldman's High Beta Momentum basket peaked on June 22. Three weeks later it's down 32.8%. The only comparable unwind in this chart's history: late 2021, minus 34.2%, right before the 2022 bear market.
The surface looks calm. The index barely moves. But underneath, the hottest stocks of this cycle are getting liquidated at 2021 speed. Gamma squeezes in the morning, air pockets in the afternoon, violent rotation all day long.
Indexes tell you the weather. Factor baskets tell you what's actually happening.
메모리 슈퍼사이클이 곧 끝난다고 보는 뷰가 늘었다.
논리는 대충 이렇다.
하이퍼스케일러가 비싼 가격에 무한정 사주진 않을 것고, 중국 메모리 공급이 풀리고, 테라팹 같은 수직통합이 들어오면 2028 컨센서스가 무너진다는 것.
그래서 지금이 메모리 주식의 피크아웃이라고 본다.
일부는 맞는 말이고, 메모리가 사이클 산업이라는 본질은 변하지 않는다.
가격이 꺾이면 이익이 사라진다는 것도 변하지 않는다.
다만 베어 관점이 착각하는 한 가지 가정이 있다.
"효율화가 일어나면 수요가 줄어든다."
쉽게 말하면.. 메모리가 비싸지니까 빅테크가 안 살 것이고, 성능이 좋아지면 적게 사도 되니까 결국 수요가 감소한다는 시각.
그런데 역사적으로 보면 정반대였다.
효율화는 수요를 줄인 적이 없다.
항상 파이를 키웠다.
90년대 인터넷이 처음 깔릴 때.. 회선 속도가 빨라지자 무슨 일이 벌어졌나.
사람들이 인터넷을 적게 쓴 게 아니라 영상까지 보기 시작했다.
데이터 사용량이 곱셈으로 늘었다.
2000년대 모바일도 같았다.
통신 단가가 내려가자 사람들이 통화를 줄인 게 아니라 모바일 인터넷, 스트리밍, 영상통화를 같이 쓰기 시작했다.
클라우드도 마찬가지다.
컴퓨팅 단가가 내려가자 기업들이 서버를 안 산 게 아니라, 클라우드 위에 SaaS, 빅데이터, 머신러닝까지 올렸다.
경제학에는 이걸 부르는 이름이 있다.
제번스 역설.
자원의 효율이 좋아지면.. 자원 사용량이 줄어드는 게 아니라 오히려 늘어난다는 법칙이다.
19세기 영국에서 증기기관 효율이 좋아지자 석탄 소비가 줄지 않고 오히려 폭증했다는 데서 나온 개념이다.
이 법칙이 지금 AI에서 그대로 작동한다.
HBM3 - HBM3E - HBM4로 가면 대역폭이 1.5~2배씩 뛴다.
같은 GPU 한 대가 처리할 수 있는 토큰 수가 그만큼 늘어난다.
토큰당 비용이 내려간다는 뜻이다.
그렇다면 베어 시나리오대로 빅테크가 메모리를 덜 살까.
반대다.
토큰당 비용이 내려가면, 지금까지 AI 쓰기 비싸서 망설였던 곳들이 더 많이 들어오기 시작한다.
더 긴 컨텍스트, 더 복잡한 모델, 더 많은 사용자가 가능해지는 것이다.
시장 파이가 통째로 커진다.
추상적으로 들리니까 현장 얘기를 해보면,
처남이 램리서치 7년차다.
얼마 전 전화가 왔는데 사장이 직원들한테 2030년까지 자사주를 팔지 말라고 강조했다고 한다.
램리서치가 어떤 회사냐. 메모리 반도체 장비, 그중에서도 식각 증착 핵심 공급사다.
회사 사장이 직원한테 자사주를 2030년까지 들고 있으라고 따로 강조하는 건 그냥 던지는 말이 아니다.
회사 내부에서 보는 메모리 자본지출 사이클의 끝이 2030년보다 한참 뒤라는 신호다.
베어가 그리는 "2027~2028 피크아웃" 시점이랑 얘기가 다르다.
내 경험도 같다.
음악 관련 AI 플랫폼이랑 MOU 맺고 기업용 버전을 쓰고 있는데, 내년 연 사용료 예산을 또 올려야 한다.
업체가 직접 이유를 말했다.
"서버 운영비, 그러니까 토큰 사용량이 계속 늘어나서 데이터 사용료를 올릴 수밖에 없다"는 것이다.
다른 산업의 AI 플랫폼 쪽 사람들 얘기도 같다.
고객 기업이 새로운 AI 모델을 계속 요구하는데, 결국 가장 큰 문제가 서버 운영비라고.
이게 뭘 뜻하느냐...
AI를 이미 잘 쓰는 집단이 더 깊고 더 넓게 쓰고 있다는 것이다.
도입 단계의 수요 증가가 아니라, 정착 단계에서의 사용량 폭증이다.
한 번 AI를 업무에 쓰기 시작한 회사는 멈추지 않는다.
더 긴 컨텍스트, 더 많은 사용자, 더 복잡한 모델로 계속 확장한다.
제번스 역설이 현장에서 그대로 작동하는 모습이다.
AI 단위 비용이 내려갈수록 사용량은 줄어드는 게 아니라 곱셈으로 늘어난다.
그래서 메모리-GPU-전력 수요가 같이 곱셈으로 늘어난다.
그러니까 베어가 그리는 "비싸지면 빅테크가 안 산다"는 시나리오는 한 가지 핵심을 놓친 그림이다.
빅테크는 비싸도 산다.
안 사는 게 비합리적이라서가 아니라, 사는 게 더 합리적이라서다.
효율화가 토큰당 비용을 낮추고, 토큰당 비용이 낮아지면 AI 활용 범위가 더 커지고, 활용 범위가 커지면 또 더 많은 메모리가 필요해진다.
이것이 끊이지 않는 한 사이클이 끝나기 어렵다.
중국 공급 얘기도 한 단계 들어가야 한다.
CXMT가 DRAM 1위로 올라왔고 YMTC가 NAND 증설 중이라는 건 맞다.
그런데 중국이 들어오는 영역과 빅테크가 사는 영역이 다르다.
CXMT는 DDR4와 일부 DDR5 같은 범용 메모리에서 양산 중이다.
YMTC는 NAND다.
빅테크가 AI에 쓰는 건 HBM, 첨단 DDR5, LPDDR5X다.
이 두 영역 사이에 기술 갭이 상당히 크다.
CXMT가 HBM 양산까지 가려면 EUV 장비 제약, 1c 노드 수율, TSV 패키징... 다 미국 제재 라인 안에 묶여 있다.
최소 2~3년, 아마 5년 이상은 더 걸릴 것이다.
그래서 베어가 그린 "중국 공급 풀어 가격 붕괴" 시나리오는 범용 메모리에선 가능해도, HBM과 첨단 DRAM에선 2028까지 거의 영향 없다고 봐야 한다.
그리고 메모리가 그렇게 쉽게 만들어지는 기술이 아니다.
TSMC가 파운드리 생태계 만드는 데 30년 걸렸다.
SK하이닉스가 HBM에서 지금 자리 잡는 데 10년 넘게 걸렸다.
베어 관점에 묻고 싶은 게 하나 있다.
인터넷이 빨라졌을 때 데이터 사용량이 줄었나?
클라우드가 싸졌을 때 서버 수요가 줄었나?
스마트폰이 보편화됐을 때 통신 인프라 투자가 줄었나?
답은 다 똑같다.
효율화는 한 번도 시장 파이를 줄인 적이 없다.
항상 파이를 키웠다.
AI에서도 같다.
토큰당 비용이 내려갈수록 AI를 쓸 수 있는 산업이 늘고, 한 회사가 쓸 수 있는 범위가 늘고, 결국 더 많은 메모리가 필요해진다.
베어가 그린 "효율화 = 수요 감소" 등식은 역사적으로 한 번도 성립한 적 없다.
이번에도 다르지 않을 것이다.
AI가 전기를 먹기 시작했다!
데이터센터 내부에서 벌어지는 조용한 혁명!
많은 사람들은 AI를 반도체 산업의 이야기라고 생각한다.
하지만 엔지니어들이 보는 AI는 조금 다르다.
그들이 보는 AI는 사실상 거대한 전기 소비 장치다.
예를 들어 최신 AI 서버 랙 하나는 과거 데이터센터 전체가 사용하던 수준의 전력을 소비하기 시작했다.
1. 문제는 GPU가 아니다.
전기를 어떻게 넣을 것인가가 문제다.
GPU는 1V를 사용한다. 그런데 데이터센터는 800V를 원한다.
흥미로운 사실이 하나 있다.
AI GPU는 실제로 매우 낮은 전압에서 동작한다.
대략
GPU 코어: 0.7~1.0V
HBM 메모리: 1~2V 수준이다.
하지만 데이터센터는 반대로 높은 전압을 원한다.
왜일까?
전력 공식 때문이다.
P = VI
전력(P)이 같다면 전압(V)을 높일수록 전류(I)는 줄어든다.
전류가 줄어들면
케이블 굵기 감소, 발열 감소, 구리 사용량 감소, 전력 손실 감소가 발생한다.
그래서 최근 AI 데이터센터는
48V→ 400V→ 800V DC구조로 이동 중이다.
2. 왜 800V가 중요한가?
전력 손실은 전류의 제곱에 비례한다.
Ploss = I2R
여기서 엄청난 차이가 발생한다.
예를 들어 1MW를 전송한다고 가정하자.
48V 시스템: 전류 약 20,800A
800V 시스템: 전류 약 1,250A
전류가 16배 감소한다.
손실은 전류 제곱에 비례하므로
16² = 256배 차이가 난다.
그래서 업계가 갑자기 800V DC 이야기를 하기 시작한 것이다.
이건 단순한 기술 업그레이드가 아니라 데이터센터 경제성을 바꾸는 구조 변화다.
3. 여기서 등장하는 것이 SiC
기존 실리콘은 800V 이상 영역에서 문제가 생긴다.
고전압에서는 스위칭 손실 증가, 발열 증가, 효율 감소가 나타난다.
그래서 등장한 것이 실리콘 카바이드(Silicon Carbide, SiC)다.
SiC는 절연파괴 전압이 높음, 고온 동작 가능, 스위칭 속도 빠름이라는 특징이 있다.
쉽게 말하면 "더 뜨겁고 더 강한 전기를 다룰 수 있는 반도체"다.
데이터센터 내부에는 사실 수천 개의 초고속 스위치가 있다
4. 많은 사람들이 전력반도체를 전선을 연결하는 부품 정도로 생각한다.
실제로는 아니다.
전력반도체는 초고속 스위치다.
초당 수십만 번에서 수백만 번 전기를 켰다 껐다 한다.
왜 그럴까?
전압을 변환하기 위해서다.
예를 들어
800V
↓
50V
↓
12V
↓
1V
과정을 거쳐야 GPU가 사용할 수 있다.
이 과정에서 전력반도체는 엄청난 속도로 스위칭을 반복한다.
진짜 병목은 자기(Magnetic) 부품이다
여기서 투자자들이 거의 보지 않는 영역이 나온다.
대부분 사람들은
GPU→ 전력반도체까지만 본다.
하지만 엔지니어들은 전력반도체 → 자기소자를 본다.
왜냐하면 전력 변환 과정에는 반드시 인덕터, 변압기, 초크 코일이 필요하기 때문이다.
전력반도체가 아무리 좋아져도 자기소자가 따라오지 못하면 효율이 무너진다.
5. SST(고체변압기)가 주목받는 이유
현재 변압기는 수십 년 전 구조와 크게 다르지 않다.
무겁다. 크다. 반응 속도가 느리다.
반면 SST는 전력반도체, 고주파 변압기, 디지털 제어를 결합한다.
기존 변압기가 수 톤이라면, SST는 훨씬 작고 빠르게 전압을 제어할 수 있다.
AI 데이터센터가 늘어날수록 변압기 → SST전환 압력이 커질 수 있다.
6. 그런데 SST의 진짜 문제는 열이다
사람들은 SST를 전기 기술로 생각한다.
실제로는 열 기술이다.
전력 밀도가 높아질수록 전력반도체 발열, 자기소자 발열, PCB 발열 이 동시에 증가한다.
그래서 최근 데이터센터에서는 공랭→ 수랭→ 직접액체냉각→ 액침냉각으로 이동하고 있다.
결국 전력 산업과 냉각 산업이 합쳐지기 시작한 것이다.
7. AI의 다음 전쟁터
많은 사람들은 AI 전쟁을 GPU 전쟁으로 본다.
하지만 데이터센터 내부를 들여다보면 진짜 전쟁은 다른 곳에서 벌어지고 있다.
800V 직류 전력망. SiC 전력반도체. 고체변압기. 자기소자. 액체냉각. 그리고 이 모든 것을 연결하는 전력 아키텍처.
AI가 발전할수록 GPU의 성능보다 중요한 것은 전기를 얼마나 효율적으로 움직일 수 있는가가 된다.
결국 미래의 AI 데이터센터는 컴퓨터 공학의 결과물이 아니라, 전력공학·재료공학·열역학이 결합된 거대한 산업 시스템에 가까워질 가능성이 높다.
그래서 지금 가장 흥미로운 질문은 "어떤 AI 모델이 이길까?"가 아니라,
"1MW짜리 AI 랙에 전기를 넣고 열을 빼낼 수 있는 기업은 누구인가?" 일지도 모른다.