NVIDIA 초기 투자자인 게이빈 베이커(Gavin Baker)의 투자 철학 분석: AI 인프라 병목 구간에 대한 롱 포지션, 전반적 시장 리스크에 대한 숏 포지션
번역 및 정리: TechFlow
진행자: Ejaaz Ahamadeen(EJ), Josh Kale(Josh)
원제목: What The Best AI Investors Are Buying Right Now
팟캐스트 출처: Limitless Podcast
방송일: 2026년 5월 28일
편집자 서문
이 에피소드에서는 Atreides Management 창립자이자 오랜 기간 NVIDIA와 Cerebras에 투자해 온 투자자 Gavin Baker의 투자 철학을 중심으로 논의합니다. 그의 핵심 판단은 ‘AI는 거품이 아니라 전력, 웨이퍼, 컴퓨팅 파워가 함께 이끄는 인프라 슈퍼 사이클’이라는 점입니다. 진정한 초과 수익은 대규모 언어 모델(Large Language Model)이나 챗봇에 있지 않고, GPU 연결, 메모리, 추론 칩(Inference Chip), 첨단 공정, 전력 공급 등 ‘삽과 곡괭이를 파는 자(picks and shovels)’에 있습니다.
Gavin Baker는 QQQ 풋옵션(QQQ put)을 통해 전체 시장 하락 위험을 방어하면서 동시에 Astera Labs, Unity, Micron, NVIDIA, Cerebras, Positron 등 AI 물리적 병목 구간에 해당하는 자산에 집중 투자하고 있습니다. 그는 ‘AI 거품’ 논쟁을 감정 차원에서 벗어나 공급-수요 제약으로 되돌려 놓았으며, TSMC, ASML, 고대역폭 메모리(HBM), 전력망이 단기간에 과잉 공급되지 않는 한, AI 자본지출(CapEx)이 2000년 인터넷 거품의 재현이 될 가능성은 낮다고 주장합니다.
핵심 발언 요약
AI 거품인가, 슈퍼 사이클인가
- “AI는 거품 속에 있지 않다. 오히려 지금은 슈퍼 사이클에 접어들었다.”
- “가장 큰 수익은 SaaS에도, OpenAI나 Anthropic 같은 챗봇에도 없다. 전력, 컴퓨팅 파워, 실리콘 제조에 있다.”
- “이것은 인터넷 거품이 아니다. 구매 주체는 전 세계에서 가장 똑똑하고 현금흐름이 가장 강한 기업들이며, 이들은 부채 레버리지를 활용해 컴퓨팅 파워를 사지 않는다.”
- “전체 시장이 과잉 공급될 수 없다면, 전통적인 거품처럼 갑작스럽게 붕괴되기도 어렵다.”
진정한 병목: 전력, 웨이퍼, 토큰
- “Gavin의 이론은 매우 단순하다. AI 인프라 계층의 병목만을 보고, 각 와트 성능을 높이고 토큰 비용을 낮출 수 있는 기업에 가치를 부여한다.”
- “AI 연구실은 이제 한 가지에 집중하고 있다. 바로 1와트의 전기로 얼마나 많은 토큰을 생성할 수 있는가.”
- “전력과 웨이퍼는 두 개의 벽과도 같으며, AI의 급격한 가속화를 막는 두 가지 핵심 제약이다.”
사전 학습에서 추론 및 사후 학습으로의 전환
- “모델이 사전 학습을 마쳤다고 해서 평생 천재라는 의미는 아니다. 사후 학습(Post-training) 단계에서 새로운 정보를 흡수해야 한다.”
- “추론(inference)은 본질적으로 막대한 계산을 필요로 하므로, 추론 칩과 추론 인프라가 다음 단계의 핵심이 될 것이다.”
- “단순히 추론만으로 발생하는 비용 또는 수익 기회는 사전 학습에 투입된 컴퓨팅 파워의 5~10배에 이를 수 있다.”
수직형 소형 모델, 단말기 모델, 주권 인프라
- “앞으로 당신은 매일 Claude와 상호작용할 필요가 없을 수도 있다. 대신 당신의 데이터로 훈련된 맞춤형 AI 에이전트가 필요할 것이다.”
- “인프라 배치 속도 자체가 경쟁 우위가 된다. 디지털 세계의 반복 속도는 물리적 인프라 건설 속도보다 훨씬 빠르다.”
“몇 달 혹은 몇 년 걸리는 물리적 배치를 단 몇 주로 압축할 수 있는 기업이라면, AI 인프라 시장에서 매우 높은 가격을 책정할 수 있다.”
Gavin의 투자 방식: 병목 해결 기업에 대한 롱 포지션과 전체 시장 리스크에 대한 숏 포지션
- “그는 AI의 승자가 분명히 나타날 것임을 강하게 믿고 있지만, 이는 전체 시장에 대해 낙관적이라는 뜻은 아니다. QQQ 풋옵션은 그가 전체 하락 리스크에 대해 취한 헤징 수단이다.”
- “TSMC는 사실상 거품의 가속도를 제한하고 있다. 칩 생산 능력이 순간적으로 확장되지 않는 한, 자본지출은 쉽게 통제를 잃지 않는다.”
- “Gavin은 더 나이 많고, 더 안정적이며, 사이클을 넘나든 기록이 있는 Leopold과 같다. 전자의 성공은 10년 단위로 측정되지만, 후자는 현재로서는 분기 단위로 측정된다.”
AI 슈퍼 사이클에서 주목할 만한 자산
EJ: Gavin Baker는 극도로 다산하지만 일반 대중에게는 거의 알려지지 않은 AI 투자자입니다. 지난 20년간 그는 나중에 널리 알려지게 된 여러 AI 기업이 아직 대중에게 각인되지 않았던 시점에서 이미 투자를 시작했습니다. 그는 초기에 NVIDIA(영문명: NVIDIA, AI GPU 및 가속 컴퓨팅 핵심 공급업체)와 Cerebras(AI 칩 기업)에 투자했으며, AI는 거품이 아니라 오히려 슈퍼 사이클이라는 매우 명확한 관점을 가지고 있습니다.
그는 와트(watts, 전력), 웨이퍼(wafers, 실리콘 웨이퍼), 토큰(token, 모델 생성 및 연산 단위)—즉 AI의 기반 인프라—만을 관찰하면 핵심 병목과 제약을 식별할 수 있다고 말합니다. 그의 결론은 단순합니다. AI 분야에서 가장 큰 수익은 전력, 에너지, 실리콘 제조에서 나오며, SaaS(Software-as-a-Service) 소프트웨어 서비스나 Anthropic, OpenAI 같은 챗봇과는 거의 무관합니다. 전체 산업은 결국 반도체로 하류로 전달되며, 이는 AI 산업 전체를 지탱하는 ‘삽과 곡괭이(picks and shovels)’ 자산입니다.
많은 이들이 AI 산업이 이미 거품이라고 말할 때, 그는 오히려 이 시기가 세대를 아우르는 매수 기회이며 특히 AI 인프라에 그렇다고 주장합니다. 그는 이 관점을 약 41억 달러 규모의 펀드로 실현하고 있습니다.
만약 여러분이 그가 말하는 이러한 제약, 특히 AI 인프라에 대해 들어보셨다면, 이 이론은 익숙할 것입니다. 우리는 이전 에피소드에서 투자자 Leopold Aschenbrenner에 대해 여러 차례 다뤘는데, 그 역시 유사한 방향으로 포트폴리오를 구성했습니다. 차이점은 Leopold이 약 3년간 이 전략을 실행한 반면, Gavin은 이미 20년 이상 실행해 왔다는 점입니다.
Leopold의 운용 자산 규모(AUM)는 Gavin의 약 3배에 달하지만, 프로그램 제작자 Luke는 아주 좋은 말을 남겼습니다. “당신은 1년 동안 워런 버핏을 이길 수 있을지도 모른다. 그러나 수십 년간 그를 이길 수 있을까?” Gavin Baker의 역사적 기록은, 그가 이 투자 이론에 대해 다른 시각을 가지고 있음을 시사합니다.
Gavin Baker를 잘 모르시는 분들을 위해 먼저 말씀드리면, 그는 투자펀드 Atreides Management의 창립자이며, 지난 20년간 계속해서 NVIDIA에 투자해 왔습니다. 만약 당신이 20년간 NVIDIA 주식을 보유한 후 여전히 일할 수 있다면, 이는 이미 놀라운 일이며, 엄청난 수익을 가져왔을 가능성이 높습니다.
그의 최근 성공 사례로는 Cerebras와 Astera Labs(AI 데이터센터 연결 칩 기업)가 있습니다. Cerebras는 AI 칩 기업으로, 방송에서 언급된 바에 따르면 IPO 후 평가액이 놀라울 정도로 높아졌습니다. 또 다른 잘 알려지지 않은 기업들도 있는데, 이번 에피소드에서는 그의 포트폴리오와 판단을 따라, 그가 AI 투자 기회를 어디에 보고 있는지 살펴보겠습니다.
그렇다면 궁금해질 수밖에 없습니다. 그는 도대체 무엇에, 왜 투자했을까요? Atreides Management의 최근 13F(미국 기관 투자자의 분기별 보유 내역 공시 문서)를 보면, 이 펀드의 AUM은 약 40억 달러입니다. 주요 보유 종목을 분석해 보면, 이 모든 기업들이 Gavin이 반복해서 언급한 AI 발전의 병목 지점에 모두 해당함을 알 수 있습니다.
그는 매력적이지 않아 보이는, 심지어 많은 사람이 이름조차 들어보지 못한 기업들에 상당한 비중을 두고 있습니다. 예를 들어 Astera Labs는 펀드의 약 9~10%를 차지합니다. Astera Labs는 GPU 간 연결 계층이라고 이해하시면 됩니다. 데이터센터를 하나의 시스템으로 생각해 보세요. GPU는 엔진으로 작동하며, 모델의 사전 학습(pre-training), 사후 학습(post-training), 추론(inference)을 담당합니다. 그러나 GPU가 작동하려면 서로 간에 대량의 데이터를 전송해야 하고, 데이터가 저장된 메모리 칩(memory chips)에 접근해야 합니다.
이를 위해서는 ‘파이프라인 시스템’이 필요합니다. 저는 여기서 너무 기술적인 설명을 피하려 합니다. Astera Labs는 바로 이런 문제를 해결합니다. AI 클러스터가 수십만 개의 칩으로 확장되면, 병목은 더 이상 GPU 자체가 아니라 데이터 전송 윈도우, 즉 올바른 시간에 올바른 데이터를 보내고, 올바른 데이터에 접근하는 능력이 됩니다. Astera Labs는 바로 그런 파이프라인 시스템을 구축합니다.
이 에피소드를 준비하기 전까지 저는 Astera Labs를 들어보지 못했습니다. 하지만 Cerebras도 비슷한 상황이었습니다. Gavin은 약 6개월 전부터 Cerebras를 언급했는데, AI의 시간 척도를 고려하면 이는 이미 상당한 기간입니다. 이후 Cerebras는 IPO를 진행했고, 방송에서 언급된 바에 따르면 평가액은 약 600억 달러에 달했으며, IPO 후 주가는 40% 상승했습니다. 이는 Astera Labs도 유사한 트렌드 속에서 중요한 이름이 될 수 있음을 시사합니다.
Josh: Cerebras는 그가 매우 초기 단계에서 투자한 사례입니다. 그는 Cerebras의 생명 주기 초기 단계에서 이미 진입했으므로, 이 이론에 대한 투자는 이미 오래전부터 시작된 것입니다. 또 다른 장기 투자 기업들 중 최고의 대표는 물론 NVIDIA입니다.
NVIDIA에 20여 년간 투자하고, 그 신념을 꾸준히 유지해 온 것은 정말 놀라운 일입니다. 제가 최근 들은 Gavin의 두 번의 팟캐스트 중 하나에서, 그는 NVIDIA 포지션에 대해 매우 명확한 판단을 표현했습니다. 그는 NVIDIA가 현재의 이윤률을 유지할 수 있고, 수요도 유지될 것이라고 믿고 있습니다. 이는 NVIDIA가 약 10조 달러 규모의 시가총액에 도달할 가능성도 열어두고 있다는 뜻이며, 현재는 그 절반 정도에 불과합니다.
또 다른 주목할 만한 기업은 Micron(미크론, 글로벌 주요 메모리 반도체 제조사)입니다. 우리 이전 에피소드에서 AI 투자 스택과 관련 기업들의 위치를 다뤘는데, 꼭 다시 들어보시기를 권장합니다. Micron은 세계 최대 메모리 제조사 중 하나입니다. 방송에서 언급된 놀라운 수치는, 1년 전만 해도 시가총액이 1,000억 달러 미만이었으나, 녹음 당시에는 이미 1조 달러를 돌파했다는 점입니다. 1년 만에 10배 증가한 것입니다. 이는 메모리 문제(memory problem)가 얼마나 중요한지를 보여줍니다.
또한 눈에 띄지는 않지만 흥미로운 기업들도 있습니다. EJ, 제가 특히 소개하고 싶은 기업 하나는 Unity Software입니다. 게임을 잘 아시는 분이라면 Unity를 알고 계실 텐데, 이는 인기 있는 게임을 만드는 데 사용되는 3D 렌더링 소프트웨어인 게임 엔진입니다.
그렇다면 왜 AI 투자자가 ‘전자 게임을 만드는 회사’인 Unity에 투자할까요? 그 이유는 바로 3D 게임 엔진에 있습니다. Unity는 물리 법칙, 세계의 작동 방식, 재질 및 조명에 대한 깊은 이해를 갖춘 ‘월드 모델 빌더(world model builder)’입니다. AI 기업이 AGI(일반 인공지능) 및 인간형 로봇(humanoid robots)을 구축할 때, 가상 환경과 가상 데이터셋을 시뮬레이션하여 로봇을 훈련시키는 것이 핵심 단계입니다. 바로 여기서 Unity가 가장 강력한 도구 중 하나가 됩니다. 따라서 월드 모델에 대한 확고한 신봉자라면, 게임 엔진으로 유명한 이 회사가 AI 세계에서 중요한 플레이어로 진화할 수 있는 명확한 경로를 갖고 있다는 점에 주목하실 것입니다.
Gavin의 투자 이론 및 전략
EJ: 월드 모델(world models) 이론은 간단합니다. 현재의 AI 모델 또는 LLM(대규모 언어 모델)은 주로 텍스트와 책을 통해 세상을 이해합니다. 마치 도서관에 앉아 있는 학생처럼 말입니다. 그러나 실제 세계 경험은 없습니다. 월드 모델은 바로 이 문제를 해결하려는 시도입니다. 즉, 캐릭터를 시뮬레이션 환경에 넣어 물리적 현실이 어떻게 작동하는지를 이해하도록 하는 것입니다. 예를 들어, 제가 휴대폰을 떨어뜨리거나 공을 찼을 때 어떤 일이 벌어질지, 그 다음 단계는 무엇인지, 어떻게 해야 하는지를 이해하는 것입니다. 월드 모델은 바로 이런 문제를 해결합니다.
현재 이와 같은 능력을 대규모로 구현할 수 있는 기업은 많지 않습니다. 현재 선두주자는 아마 Google일 텐데, Genie 3(Google의 생성형 상호작용 월드 모델 프로젝트) 같은 모델을 보유하고 있습니다. 방송에서는 Google이 최근 Gemini Omni를 발표했다고도 언급했지만, 이와 같은 모델들은 아직 자신의 ChatGPT 모멘트(ChatGPT moment)를 맞이하지 못했습니다.
제가 Gavin을 좋아하는 이유 중 하나는 그의 포트폴리오가 바벨 전략(barbell strategy)과 유사하다는 점입니다. 한쪽은 전통적이며, 모두가 GPU와 메모리를 필요로 하므로, 그는 최대 메모리 제조사 Micron과 NVIDIA에 투자합니다. 다른 한쪽은 매우 선구적이며, 그는 ‘퍽(puck, 아이스하키 공)’이 향할 방향을 보고 투자합니다. 따라서 추론이 중요해질 것이라고 믿고 Cerebras에 투자하며, 월드 모델이 로봇과 차세대 LLM 훈련의 핵심이 될 것이라고 믿고 Unity에 투자합니다.
그의 포트폴리오에는 또 다른 기업 Positron도 포함되어 있는데, 이 기업은 추론 칩(inference chips)을 제조합니다. 이것이 Cerebras와 유사해 보인다면, 맞습니다. 두 기업 모두 추론에 초점을 맞추고 있습니다. Gavin은 최근 인터뷰에서 반복적으로 강조한 트렌드가 있습니다. 바로 AI 모델의 인프라 스택, 특히 훈련 스택이 사전 학습에서 사후 학습으로 점차 이동하고 있다는 점입니다.
AI 업계에 계신 분이라면 이 전환이 이미 이루어졌다는 것을 아실 겁니다. Gavin은 이 변화에 매우 주의 깊게 주목하고 있습니다. 모델은 여전히 새로운 정보와 데이터를 이해하고 스스로를 업데이트할 필요가 있습니다. 특정 데이터셋에서 사전 학습을 마쳤다고 해서 평생 천재라고 간주될 수는 없습니다. 새로운 정보를 학습해야 하며, 이는 사후 학습 단계에서 일어나고, 막대한 계산 자원을 필요로 합니다.
둘째, AI 모델이 실제로 문제를 사고해야 할 경우—예를 들어 우리가 새로운 정보를 받고 ‘이 관점은 타당한가? 다른 이론으로 설명할 수 있는가?’라고 질문할 때—이러한 추론(reasoning) 역시 막대한 계산 자원을 필요로 합니다. 현재 추정에 따르면, 단순 추론만으로 발생하는 비용 또는 수익 기회는 사전 학습에 투입된 컴퓨팅 파워의 5~10배에 이를 수 있습니다.
따라서 AI 연구실(AI labs)과 칩 제조사(chip makers)는 모두 중대한 전환을 겪고 있습니다. 이미 NVIDIA는 에이전트(agentic) 애플리케이션을 지원하기 위해 다양한 추론용 GPU를 출시했습니다. Gavin 역시 이러한 추론에 대한 투자를 일련의 포지션을 통해 표현하고 있습니다.
마지막으로 제가 매우 흥미롭게 생각하는 점은 Gavin이 중국에 대해 언급한 부분입니다. AI 경쟁에서 이야기는 항상 ‘중국 vs 미국’이었습니다. 중국은 에너지가 비교적 풍부하고, 반도체 제조 역량도 확장할 수 있는 독특한 여건을 갖추고 있습니다. 미국은 이 분야에서 현재 어려움을 겪고 있으며, 따라서 많은 부문을 대만의 TSMC(세계 최고의 첨단 웨이퍼 파운드리)에 아웃소싱하고 있습니다.
Gavin의 설명에 따르면, 중국은 미국과 매우 다른 AI 인프라 또는 칩을 창출할 독특한 기회를 갖추고 있는데, 그 중심은 추론에 초점을 맞추고 있다는 점입니다. 즉, Gavin은 미국 내 투자를 통해 미국의 추론 인프라 구축을 선도적으로 주도하고 있습니다. 이는 미래에 엄청난 기회가 될 수 있습니다.
Josh: 주목할 점은, 이 투자가 상방 리스크만 있는 것이 아니라는 점입니다. 그는 또한 대규모의 QQQ 풋옵션(QQQ put) 포지션을 보유하고 있습니다. QQQ는 Nasdaq 100 지수를 추종하는 ETF로, 100개의 최고 기업 주식을 묶은 상품이며, 미국에서 두 번째로 거래량이 많은 ETF입니다. 그 성과는 매우 뛰어납니다. 2023년 55%, 2024년 25%, 2025년 20%, 2026년 현재까지 17% 상승했습니다.
즉, QQQ는 지수형 펀드로서 매우 훌륭한 성과를 보이고 있으며, 투자하기도 쉽습니다. 그런데 Gavin은 이 지수와 반대 방향으로 헤징을 하고 있습니다. 그는 AI가 승리하지 않을 것이라고 말하는 것이 아니라, 진정한 병목을 해결하는 핵심 제조사에 투자하되, 전체 시장 심리에 대해서는 낙관적이지 않다는 입장입니다. QQQ 풋옵션은 다운사이드 프로텍션(downside protection)입니다. 전체 시장이 부정적인 방식으로 붕괴하더라도, 장기적으로 AI가 승리한다고 해도, 이 헤징은 그에게 보호막이 됩니다.
투자할 만한 네 가지 방향
Josh: 그가 가장 중요하다고 여기는 투자 병목을 몇 가지 유형으로 나눌 수 있습니다. 첫 번째는 수직형 소형 언어 모델(verticalized small language models)입니다. 일반적인 LLM, 예를 들어 Claude나 ChatGPT 같은 챗봇은 일반화된 LLM(generalized LLM)으로, 세상에 대한 광범위한 이해를 바탕으로 구체적인 질문에 답할 수 있습니다. 그러나 특정 수직 분야나 특정 문제에 대해 모델을 훈련시키는 것은 또 다른 문제입니다.
이러한 특정 문제는 기업 내부, 특히 특정 문제에 깊이 몰입한 기업이나 특정 세그먼트에서 니치(niche)를 형성한 기업에서 자주 발견됩니다. 수직형 소형 언어 모델(verticalized SLMs)은 바로 이 문제를 해결합니다. 이들은 프론티어 모델(frontrier models)이지만, 특정 기업 데이터에서 효율적으로 작동하거나 단말기(device)에서 로컬로 실행될 수 있도록 고도로 최적화되어 있습니다.
우리는 이전에 단말기(on-device) 또는 로컬 실행 모델(locally run models)에 대해 이야기했습니다. 이유는 스마트폰이나 기타 기기 내부에 매우 개인화된 데이터가 많이 존재하기 때문이며, 사용자는 이를 외부에 넘기고 싶지 않을 수 있고, 기업도 접근할 수 없을 수 있습니다. 예를 들어 의료 기록(medical records), 금융 세부 정보(financial details) 등이 있습니다. 저는 OpenAI가 은행 계좌에 접근할 수 있는 금융 AI 에이전트(financial AI agent)를 발표한 것을 봤습니다. 그러나 사회보장번호나 은행 세부 정보와 같은 개인 식별 정보(personally identifiable information) 때문에, 실제 계좌 조작은 수행할 수 없습니다.
로컬 모델 또는 SLM은 이러한 문제를 해결할 수 있습니다. Gavin은 이들이 미래에 매우 중요해질 것이라고 크게 기대하고 있습니다. 그가 특히 주목하는 기업 하나는 Apple(애플)입니다. 그가 명시적으로 투자 관심을 표명했는지는 확실하지 않지만, 그는 Apple이 단말기에서 로컬 모델을 실행하는 주요 기기 제조사(device maker) 중 하나가 될 것이라고 믿고 있습니다.
만약 미래가 그렇게 전개된다면, 우리는 더 이상 Claude를 매일 상호작용해야 하는 모델이라고 보지 않을 수도 있습니다. 대신, 자신만의 데이터로 훈련된 맞춤형 AI 에이전트(personalized AI agent)가 필요할 것입니다. 이것이 SLM이 궁극적으로 진화할 방향일 수 있습니다. 일반 버전은 스마트폰에서 실행될 수 있고, 많은 기업들은 자체 전유 데이터(proprietary data)에서 훈련된 고도로 최적화되고 전문화된 모델을 실행하여 제품 판매나 마케팅을 더욱 효과적으로 수행할 수 있습니다.
EJ: Apple은 이 위치에 딱 맞습니다. 저는 곧 열릴 WWDC(애플 글로벌 개발자 컨퍼런스)를 매우 기대하고 있습니다.
Josh: 그렇습니다.
EJ: 애플 개발자 컨퍼런스까지는 몇 주밖에 남지 않았습니다. 이 행사에서 새로운 AI 소프트웨어와 하드웨어와의 통합 방식을 발표할 예정인데, 이는 매우 중요할 것입니다. 저희도 이에 대해 계속 보도할 예정이며, 이에 대한 논의를 기대하고 있습니다.
Josh: 두 번째 축은 주권 인프라(sovereign infrastructure)입니다. 우리는 종종 ‘비트(bits)의 속도는 원자(atoms)의 속도보다 훨씬 빠르다’고 말합니다. AI 인프라를 보면 이 점이 분명합니다. 모델 품질은 거의 지수적으로 향상되고 있으며, 와트 당 생성되는 지능, 토큰 당 지능도 계속해서 상승할 뿐입니다.
하지만 물리적 배치 속도는 이와 비슷한 속도로 향상되지 않고 있으며, 이 자체가 바로 무어(Moat)입니다. 하드웨어는 극도로 복잡하며, 트랜지스터 정밀도는 이미 원자 수준에 근접했습니다. 기존 인프라가 이미 과부하 상태인 세계에서 대규모 배치를 수행하는 것은 쉽지 않습니다. 전기차 보급이 가속화되면서 전력망은 이미 더 큰 부담을 느끼고 있으며, 많은 지역에서 용량이 거의 포화 상태에 이르렀습니다. 이제 AI는 에너지 문제(energy problem)와 칩 문제(chip problem)를 추가로 야기하고 있습니다.
Gavin은 인프라 구축이 어렵다는 사실을 강력히 믿고 있으며, 이 작업은 며칠, 몇 달, 심지어 몇 년이 걸릴 수 있습니다. 그는 이 주기를 몇 주로 압축할 수 있는 기업에 투자하고 있습니다. 따라서 물리적 배치(physical deployment)의 속도 자체가 바로 무어입니다. 그는 목표 범위를 좁혀, 가능한 한 빨리 배치할 수 있는 기업을 찾고 있습니다.
첫 번째 예로 떠오르는 것은 SpaceX(머스크가 설립한 항공우주 기업)와 그들이 구축한 Colossus(xAI의 대규모 AI 슈퍼컴퓨터 클러스터)입니다. 이 인프라는 Anthropic에 임대되었고, 향후 다른 기업에도 임대될 예정입니다. 이 인프라 축은 Gavin이 주목하는 핵심 중 하나입니다.
Leopold의 포트폴리오를 보면, 이 역시 핵심 부분입니다. 현실은 바로 ‘무언가를 건설하는 것이 매우 어렵고, 그것을 실제로 건설할 수 있는 사람들은 매우 높은 가격에 팔 수 있다’는 점입니다. 방송에서는 SpaceX의 현재 최대 수입원이 로켓이 아니라 데이터센터 임대라는 점을 언급했습니다. 이는 이 축이 얼마나 중요한지를 보여줍니다.
EJ: 그는 속도뿐만 아니라 비용에도 관심이 있습니다. 그는 반복적으로 ‘와트 당 성능(performance per watt)’이라는 지표를 언급했습니다. 그가 진정으로 말하고 싶은 것은, AI 연구실이 점점 더 ‘1와트당 생성 가능한 토큰 수’에 주목하고 있다는 점입니다.
올해 GPU, 컴퓨팅 파워, 그리고 이를 구동하는 전력에 수십억 달러에서 수조 달러까지 지출하는 기업이 약 다섯 군데뿐이라는 점을 생각해 보세요. 그러면 반드시 ‘비용 대비 성능(bang for buck)’이 높아야 합니다. 특히 하이퍼스케일러(hyperscalers, 초대규모 클라우드 업체)가 이 정도 규모로 확장할 때는 비용이 핵심 문제가 됩니다.
가정을 들어보겠습니다. 제가 Claude에게 질문을 했을 때, 답변 비용이 2센트입니다. ChatGPT에게 질문했을 때는 1달러입니다. 심지어 Claude의 지능이 ChatGPT의 95% 수준일지라도, 저는 대부분 Claude를 선택할 것입니다. 더 많이 질문할 수 있고, 결국 더 낮은 비용으로 답변을 얻을 수 있기 때문입니다.
따라서 이 지능(intelligence)에 접근하는 비용은 매우 중요합니다. 바로 이번 주, Microsoft와 Uber는 연간 예산이 약 4개월 만에 소진됐기 때문에, Claude Code(Anthropic의 프로그래밍 특화 AI 코딩 도구) 사용을 실제로 줄이기로 발표했습니다.
Gavin의 투자 포트폴리오에서 이 점을 확인할 수 있습니다. Cerebras, Positron, Astera Labs. 그는 매우 세분화된 인프라 병목을 식별하고, 단순한 투자를 합니다. 만약 이 기업이 이 병목을 해결하고, 와트 당 성능을 어느 수준까지 끌어올리며, 토큰 비용을 어느 수준까지 낮출 수 있다면, AI 연구실은 더 많은 GPU, 더 많은 제품, 또는 더 많은 이와 유사한 제품을 구매할 것이라는 판단입니다.
그의 이론은 기술적으로는 매우 복잡하지만, 본질은 매우 단순합니다. 나는 단지 AI 인프라 계층의 병목만을 보고 있습니다. 만약 어떤 기업이 와트 당 성능을 높이고, 토큰을 더 저렴하게 만들 수 있다면, 나는 그 기업이 미래에 매우 값어치 있게 될 것이라고 판단하고, IPO를 하거나 고가로 인수될 것이라고 믿습니다.
Josh: 이 부분에서 누군가 Gavin의 거래를 모방하려면 알아야 할 몇 가지 기업 이름이 있습니다. Astera Labs, Cerebras, SiFive(RISC-V 칩 설계 기업), Positron. 이 네 기업은 이 분야에서 매우 핵심적입니다.
네 번째이자 마지막 방향은 에너지(energy)와 우주(space)의 결합입니다. 앞서 언급한 바에 따르면, 지상 전력망(terrestrial grid)은 전력 공급을 상당 부분 제한하고 있으며, 새로운 에너지 공급을 확보하는 것도 매우 어렵습니다. 방송에서는 약 40%의 신규 데이터센터가 강력한 반대에 직면하고 있으며, 사람들이 로비와 시위를 통해 데이터센터 입지를 막고자 한다고 언급했습니다.
해결책은 두 가지입니다. 첫 번째는 ‘박스 안의 에너지(out-of-the-box energy)’, 즉 휴대용 에너지입니다. 데이터센터를 직접 이동시켜 작은 에너지 장치로 전력을 공급할 수 있습니다. Leopold가 매우 주목하는 Blue Marble이 바로 이 유형에 해당합니다.
두 번째는 궤도 컴퓨팅(orbtial compute)입니다. 이것은 Gavin이 현재 매우 주목하고 있는 방향입니다. 이 분야에서 가장 크고 핵심적인 기업은 당연히 SpaceX입니다. 궤도로 페이로드(payload)를 운반하고, 랙(racks)과 데이터센터를 저지구 궤도(LEO)로 보내며, 충분한 지능과 전력을 생성한 후 다시 지상으로 전송할 수 있는 유일한 기업입니다.
저는 SpaceX의 의미가 SpaceX 자체보다 훨씬 크다고 생각합니다. Gavin의 포트폴리오에 더 많은 우주 관련 주식(space stocks)이 포함되지 않은 것에 조금 놀랐습니다. 그는 이 분야가 거대한 산업이라고 믿고 있기 때문입니다. 아마 현실은 아직 너무 이르고, SpaceX가 이 산업을 열어주는 핵심 고리(linchpin)라는 점 때문일 것입니다.
다음으로 주목해야 할 것은 Starship V3 발사입니다. 우리는 지난주에 Starship 발사를 새로 한 차례 보았고, 성과는 매우 좋았습니다. 만약 Starship이 실제로 작동하지 못한다면, 우주 기반 에너지도, 궤도 진입 랙(racks to orbit)도 존재할 수 없습니다. 이는 필수 조건입니다. 왜냐하면 발사해야 할 페이로드가 매우 크기 때문입니다. 따라서 SpaceX는 반드시 주목해야 할 기업이며, 이에 따라 영향을 받을 2차 기업들도 많을 것입니다.
왜 이것이 또 다른 인터넷 거품이 아닌가?
Josh: 다음 질문은 당연히 ‘이것이 또 다른 닷컴 거품(dot-com bubble)이 아닌가?’일 것입니다. Gavin은 이 질문을 수차례 받았고, 매우 강력한 답변을 했습니다. 저는 기본적으로 그를 믿으며, 그의 논거는 설득력이 있습니다.
그의 논리는 다음과 같습니다. 2000년 인터넷 거품은 부채(debt)에 의해 부풀려진 거품이었습니다. 많은 사람들이 검증되지 않은 이론과 누구도 실제로 사용하거나 관심을 두지 않는 제품에 막대한 자금을 빌려 투자했습니다.
이를 Gavin이 말하는 현재의 AI 슈퍼 사이클과 비교해 보면, 단지 OpenAI와 Anthropic 두 기업만 해도 올해 2,000억 달러의 ARR(연간 정기 수익)를 달성할 것으로 예상됩니다. 이는 공상적인 수치가 아니라, 이미 계약을 통해 확정된 수익이며, 그중 상당 부분—방송에서 언급된 바에 따르면 40~60%—은 기업 및 소매 고객으로부터 선불된 것입니다. 즉, 실제로 돈이 움직이고 있는 것입니다.
GPU 컴퓨팅 파워를 보면, 모델 연구실이 아니라 누가 NVIDIA 제품을 구매하고 있는지를 봐야 합니다. Google, Microsoft, Amazon, Meta는 모두 자사의 현금 보유액으로 지불하고 있으며, 빌린 돈을 사용하지 않습니다. Amazon은 최근 자유 현금흐름의 끝까지 사용했지만, 만약 이들이 빌리기 시작한다면 우려해야 할 것입니다. 그러나 현재 핵심은, 이들이 레버리지를 사용하지 않고 있다는 점입니다.
또한 이들은 전 세계에서 가장 정상에 선 다섯 기업 중 하나이며, 어느 정도는 가장 똑똑한 기업 중 하나이기도 합니다. 그들의 시가총액, 규모, 지위가 이를 증명합니다. 인터넷 거품 당시에는 수많은 무명 기업들이 많은 자금을 조달해 부당하게 자금을 소비했습니다. 그러나 이 사이클에서는 전 세계에서 가장 똑똑한 기업들이 레버리지 없는 자금으로 지출하고 있습니다.
최근 몇 주간 팟캐스트에서 논의한 분기 보고서도 이 움직임을 둘러싼 이익이 최적화되고 있으며, 모델이 계속 진화해 더 똑똑해지고 있음을 보여줍니다. 따라서 Gavin의 핵심 주장은 다음과 같습니다. 이는 인터넷 거품이 아닙니다. 왜냐하면 레버리지 자금으로 구동되지 않으며, 우리가 논의한 병목은 물리적 원자(physical atoms)에 의해 제약되기 때문입니다.
메모리 칩과 GPU를 사는 것은 한 가지 문제이지만, NVIDIA는 GPU를 과잉 공급할 수 없고, Micron도 AI 메모리 칩을 과잉 공급할 수 없습니다. 왜냐하면 충분한 칩 생산 시설이 없기 때문입니다. 따라서 그의 단순한 주장은 다음과 같습니다. 만약 전체 시장을 과잉 공급할 수 없다면, 그것은 거품이 아닙니다. 우리는 이 일을 완수할 수 있는 충분한 ‘삽과 곡괭이’가 부족하며, 그가 투자한 것은 바로 그것들입니다.
또 하나 흥미로운 점은, Gavin이 TSMC가 공급할 수 있다면, NVIDIA는 올해와 내년에 2~3조 달러 규모의 GPU를 판매할 수 있었을 것이라고 말한다는 점입니다. 즉, TSMC는 거품 경계선에서 핵심적인 역할을 하고 있습니다.
그 이유는, TSMC가 이 기업들의 수요를 충족시켜 주고, 이들에게 많은 칩을 제공할 수 있다면, 막대한 자금이 소비될 것이기 때문입니다. 현재 차트를 보면, CapEx(자본지출)와 운영 현금흐름(operating cash) 사이에 아직 큰 괴리가 나타나지 않았으며, 기업이 창출하는 현금은 여전히 건설을 지원하기에 충분합니다.
하지만 만약 내일 TSMC가 NVIDIA에 “우리는 하루 만에 생산 능력을 3배로 늘릴 수 있다”고 말한다면, NVIDIA는 이를 거부하지 않을 것이며, 막대한 자금을 투입해 칩을 구매하기 시작할 것입니다. 다른 기업들도 이 칩을 구매하기 위해 빌리기 시작할 것이며, 이때 CapEx 거품(CapEx bubble)이 커지기 시작하고, 기업의 운영 현금흐름과 괴리가 생기게 될 것입니다.
그러나 각 단계에 공급 제약이 있기 때문에—메모리에 제약이 있고, 칩 제조에 제약이 있고, 에너지에 제약이 있고, 특히 TSMC의 첨단 칩 제조에 제약이 있기 때문에—우리는 건설 속도를 그렇게 빠르게 끌어올릴 수 없습니다. 따라서 TSMC는 거품의 가속을 막고 있습니다.
TSMC의 칩 생산 능력이 여전히 제한되어 있고, 삼성(Samsung) 등 다른 칩 제조사가 그 시장 점유율을 넘어설 수 없다면, 성장 속도는 상대적으로 지속 가능합니다. 빠르게 보이지만, 여전히 충족되지 못하는 수요가 많습니다. 왜냐하면 우리가 충분히 빠르게 건설하지 못하기 때문입니다. 이 역학이 계속되는 한, 당분간 큰 문제는 없다고 생각합니다.
EJ: 또 하나, 수요가 정적(static)이라고 가정해서는 안 됩니다. 수요는 정적이지 않으며, AI 관련 수요는 지수적으로 증가하고 있으며, 이 증가 속도는 칩의 생산 공급 속도를 초월하고 있습니다.
이 이론을 반증할 수 있는 방법은 두 가지뿐입니다. 첫 번째는 누군가 기적적으로 ASML(글로벌 극자외선(EUV) 리소그래피 장비 핵심 공급업체)을 복제해, 갑작스럽게 ASML의 경쟁사들이 쏟아져 나오는 경우입니다. ASML을 잘 모르시는 분들을 위해 설명하자면, 이 기업은 약 4억 달러 상당의 장비를 생산하며, TSMC와 주요 모든 웨이퍼 파운드리(fab)가 이 장비를 필요로 합니다. 방송에서는 ASML이 노르웨이(Norway)에 있는 단 하나의 팀만이 이 장비를 제조하고 있으며, 주문 백로그(backlog)가 약 5년치까지 쌓여 있다고 말했습니다.
두 번째는 GPU와 저장 공간을 거의 필요로 하지 않는 완전히 다른 유형의 LLM을 창출하는 경우입니다. 그러나 현재까지는 이런 징후를 전혀 보이지 않고 있습니다.
오늘 저는 SK Hynix(해력사, 글로벌 주요 고대역폭 메모리 공급업체)에 관한 뉴스를 봤습니다. 이 기업은 NVIDIA GPU의 최대 메모리 제조사이자 공급업체이며, AI 메모리 분야에서는 거의 ‘톱독(top dog)’입니다. 현재 Google과 Microsoft로부터 향후 3년간 생산될 공급을 선점하기 위한 500억~1,000억 달러 규모의 제안을 받고 있는 것으로 알려졌습니다. 이는 확장에 필요한 장비 구입 비용을 지불하기 위한 것입니다.
이는 대기업들이 메모리에 얼마나 갈망하고 있는지를 보여주는 사례이며, 이는 AI 구성 요소 중 하나의 세부 분야일 뿐입니다. SK Hynix는 오히려 이렇게 말합니다. “공급 보장을 해주지 않겠다. 그냥 가격을 올리겠다.” 그들의 영업이익률(operating margin)은 약 70%로, 반도체 업계에서는 거의 상상할 수 없는 수치입니다.
따라서 Gavin의 올인(all-in)은 충분한 타당성을 갖추고 있습니다. 이는 거품처럼 보이지 않으며, 아마도 시장은 단기적으로 그렇게 반응할 수도 있습니다. 오늘 녹음 전에 주식 포트폴리오를 확인해 보니, 거의 전부 하락세였습니다. 그러나 이는 더 이상의 감정적 반응(reactionary)일 뿐입니다. 이 사건의 방향성 목표는 분명합니다. 우리는 앞으로 더 많은 GPU, 더 많은 반도체 칩을 필요로 하게 될 것이며, 공급은 부족하고 제조사도 부족합니다.
Gavin의 투자 포트폴리오
Josh: 결론은 단순합니다. 전력과 웨이퍼, 이 두 가지뿐입니다. 이들은 두 개의 벽과도 같으며, 우리가 너무 빠르게 가는 것을 막는 두 가지 제약입니다. 전력과 웨이퍼가 여전히 가치 있고, 수요가 강하며, 공급이 제한되어 있다면, 앞으로도 좋은 날이 계속될 것입니다.
Gavin의 포트폴리오를 TLDR(Too Long; Didn’t Read, ‘너무 길어서 읽지 않음’) 버전으로 요약해 드리겠습니다. 다시 한번 강조하지만, 이는 투자 조언이 아닙니다. 이것은 Gavin이 보유하고 있는 것이지, 우리가 보유하고 있는 것이 아닙니다. 제가 이 주식들이 오를지, 떨어질지, 아니면 제자리걸음일지 아무것도 모릅니다.
그의 최대 포지션은 다소 반직관적입니다. 바로 QQQ 풋옵션(QQQ put position)입니다. 전반적으로 그는 시장에 대해 베어리시(bearish)한 입장을 취하고 있으며, 이는 매우 주목할 만한 점입니다. 두 번째는 Astera Labs로, 약 7.4%의 비중을 차지하며, 티커는 ALAB입니다. 세 번째는 3D 소프트웨어 기업인 Unity입니다.
이 외에도 여러 기업이 있습니다. Ciena(광 네트워크 장비 기업), Micron, NVIDIA, Amazon, Lumentum(광통신 및 레이저 부품 기업), Alphabet(Google의 모회사), Coherent(광전자 및 소재 기업), Roblox(게임 플랫폼), EchoStar(위성 통신 기업), Twilio(클라우드 통신 플랫폼), Wayfair(가구 전자상거래 기업). 이 사람은 정말로 무엇이든 투자합니다.
관심 있으신 분은 그의 13F를 직접 확인하실 수 있으며, 설명란에 링크를 제공하겠습니다. 그러나 이것이 바로 Gavin의 관점입니다. 병목은 전력과 웨이퍼에 있습니다. 이 제약이 계속되는 한, 기본적으로 단방향 상승세가 이어질 것입니다. EJ, 이 정보를 어떻게 받아들이셨나요? 어떻게 처리하실 건가요?
EJ: Leopold의 13F가 공개된 이후 시장은 계속해서 요동치고 있습니다. 이 에피소드를 녹음하면서 점점 더 깨닫게 된 것은, Gavin은 좀 더 나이 많고, 더 똑똑한 Leopold와 닮아 있다는 점입니다. 그는 이 업계에 오래 머물러 왔습니다. 아마 그의 AUM이 130억 달러는 되지 않겠지만, 저는 10년 후에도 그가 여전히 활동하고 있을 것이라고 느낍니다.
만약 여러분이 여기까지 듣고, 매 분, 매 시간, 매일 AI의 진전을 쫓고 싶지 않고, 단지 돈을 그곳에 두고, 향후 몇 달 또는 몇 년간 어떻게 성장할지 지켜보고 싶다고 생각하신다면, Gavin의 포트폴리오는 매우 참고가 될 수 있습니다. 물론 이는 투자 조언이 아닙니다.
그는 보다 신중하고, 장기적이며, 미래 지향적인 방식을 취합니다. 만약 그의 추세 판단이 결국 실현된다면, 그가 초기에 NVIDIA와 Cerebras를 정확히 포착했던 것처럼, 향후 몇 년간 지수적 수익을 얻을 수 있을 것입니다. 그러나 이 모든 것은 그의 핵심 관점 하나에 기반합니다. 즉, 우리는 거품 속에 있지 않다는 점입니다.
청취자 여러분께서 이에 동의하시는지 궁금합니다. 분명히 대부분의 사람들은 Gavin만큼 기술적으로 깊이 파고들지 않으며, 기초 수준까지 내려가지도 않을 것입니다. 그러나 이 에피소드를 듣고 나서, 여러분은 우리가 거품 속에 있다고 생각하십니까? 아니면 그렇지 않다고 생각하십니까? 동의와 반대의 이유는 무엇이며, 우리가 놓친 점은 없습니까? Josh, 마무리하기 전에, 지금이 거품이라고 생각하십니까?
Josh: 저는 분명히 우리가 거품 속에 있다고 생각합니다. 다만, 우리가 거품의 어느 단계에 있는지, 이에 대해서는 논의의 여지가 있습니다. 지금은 초기 단계처럼 보이므로, 이 상태가 계속 유지되기를 바랍니다. Gavin의 말대로, TSMC가 계속해서 칩 생산 능력을 제한한다면, 우리는 괜찮을 것입니다.
이것이 전체 전망입니다. 우리는 이미 Leopold에 대해 이야기했고, 그의 성공은 현재 분기 단위로 측정됩니다. 이제 우리는 Gavin에 대해 이야기하고 있으며, 그의 성공은 수십 년 단위로 측정됩니다. 많은 분들의 답변은 아마 이 둘 사이 어딘가에 있을 것입니다.
이 에피소드가 마음에 드셨다면, 친구들과 공유해 주세요. 또한 여러분이 가장 주목하는 자산이 무엇인지 알려주세요. 어떤 이론이 아니라, 특정 주식 코드가 우리가 주목해야 할 가치가 있다고 생각하는 것도 좋습니다. 저는 이 일이 흥미롭다고 생각합니다. 왜냐하면 모든 것이 빠르게 움직이고 있으며, 상승하든 하락하든 많은 변동성이 있고, 참여감도 높기 때문입니다. 내일 뵙고, 좋은 아침입니다.
TechFlow 공식 커뮤니티에 오신 것을 환영합니다
Telegram 구독 그룹:https://t.me/TechFlowDaily
트위터 공식 계정:https://x.com/TechFlowPost
트위터 영어 계정:https://x.com/BlockFlow_News
深潮TechFlow
