주식 초보의 성장기

야왕투자｜투자소스고찰 AI가 싸지는 속도보다 사람들이 AI에게 일을 더 많이 시키는 속도가 빠를까? AI는 빠르게 싸지고 있다. 그렇다면 AI 반도체와 데이터센터 수요는 줄어드는 것 아닐까? 이번에는 단순한 AI 강세론이 아니라 가격 하락·사용량 증가·연산 효율화 중 무엇이 더 빠른가 라는 질문으로 다시 살펴봤다. 초보 인사이트 · 고찰거리 토큰 가격이 싸진다는 게 왜 중요한가? AI를 한 번 사용하는 비용이 내려가면 사람들이 AI에게 맡길 수 있는 업무 범위가 넓어진다. 그런데 가격만 보면 왜 안 될까? 1회 가격은 떨어져도 사용 횟수가 그보다 더 빨리 증가하면 전체 AI 연산량은 오히려 커질 수 있다. 투자자는 무엇을 봐야 할까? “AI 가격이 얼마나 떨어졌나?”보다 “AI가 실제로 얼마나 더 많이 일하고 있나?” 를 봐야 한다. 강세 시나리오 AI 비용 하락 → Agent 확산 → inference 증가 → AI반도체·HBM → 데이터센터 → 전력인프라 → 광통신 → AI소프트웨어 → 로봇·피지컬AI. 중립 시나리오 사용량 증가와 효율화가 비슷하면 테마 전체보다 실적과 수주가 확인되는 기업으로 수혜가 압축될 가능성이 있다. 반론 모델 경량화·양자화·캐싱·증류·ASIC이 너무 빠르게 발전하면 같은 업무를 더 적은 연산으로 처리할 수 있다. 반론이 맞을 때 국장 범용 GPU·HBM 중심에서 ASIC·저전력 반도체·AI소프트웨어·자동화 쪽으로 수혜 중심이 이동할 가능성을 봐야 한다. 진짜 질문 “AI가 싸지고 있나?”에서 끝나는 것이 아니라 “싸지는 속도보다 AI에게 맡기는 일이 더 빨리 늘고 있나?” 를 물어야 한다. 추가 고찰거리 Agent 하나가 만드는 모델 호출은 얼마나 많을까? 기업 AI가 개인 AI보다 더 많은 연산을 만들까? 효율화가 데이터센터 증설 속도를 따라잡을까? AI 투자에서는 가격 하락 자체보다 실제 사용량과 총 연산량이 얼마나 커지는지가 중요...

초보인사이트 예전에는 새로운 AI가 나오면 얼마나 더 똑똑해졌는지를 먼저 봤다. 그런데 이제는 그 AI에게 사람의 일을 몇 시간이나 맡길 수 있는지가 더 궁금해졌다. 벤치마크 점수가 얼마나 올랐는지, OpenAI와 Anthropic 중 누가 더 좋은 모델인지, 엔비디아나 SK하이닉스에는 호재인지부터 생각했다. 그런데 최근 AI 자료를 공부하면서 조금 다른 부분이 눈에 들어왔다. AI가 단순히 질문에 답하는 것을 넘어 컴퓨터를 직접 사용하고, 자료를 찾고, 프로그램을 실행하고, 실패하면 수정한 뒤 다시 일을 이어가는 방향으로 발전하고 있다는 점이다. 그래서 이번에는 “AI가 더 똑똑해졌는가?”보다 “AI가 실제 경제에서 얼마나 많은 일을 맡게 되는가?” 를 투자자의 시선으로 공부해보기로 했다. 검수정보｜2026.09.05 기준 · OpenAI 공식자료와 이효석아카데미 자료를 교차확인했으며, 작성·최종판단은 야왕투자입니다. 검증원칙｜Astra=AGI로 단정하지 않고 사실·추론·반론을 분리했으며, 국내 종목은 직접수혜 확정이 아닌 실적 확인용 관찰축으로만 다뤘습니다. 30초 먼저 보기 AGI 뜻 단순히 IQ가 높은 AI라는 뜻보다 여러 경제적 업무를 높은 자율성으로 수행하는 범용 인공지능이라는 개념에 가깝다. 이번 변화 새 AI 모델의 핵심을 벤치마크 점수뿐 아니라 ...

초보 인사이트 · 투자자 성장기록 AI를 공부하면서 나는 오랫동안 GPU를 보고 있었다. 예전에는 AI 관련주를 찾으면 자연스럽게 반도체부터 검색했다. AI가 성장하면 GPU가 필요하고, GPU가 필요하면 HBM이 필요하다는 정도까지는 비교적 이해하기 쉬웠다. 그래서 AI 투자라고 하면 엔비디아, 삼성전자, SK하이닉스 같은 회사들이 먼저 떠올랐다. 그런데 최근 자료를 하나씩 이어서 보다 보니 어느 순간 GPU보다 GPU 뒤에 붙는 것들 이 더 궁금해졌다. GPU를 사는 것만으로 AI가 실제로 돌아가는 것은 아니었다. GPU를 데이터센터에 설치하려면 서버가 필요하고, 엄청난 전력이 필요하고, 발생하는 열을 식힐 냉각설비가 필요하다. 수천 개의 GPU와 AI 가속기가 데이터를 주고받으려면 고속 네트워크도 필요하다. AI가 실제 기업 업무 안으로 들어가면 데이터 관리와 소프트웨어가 필요하고, 중요한 데이터를 AI가 다루기 시작하면 보안 역시 더 중요해질 수 있다. 그리고 AI가 화면 안에서 답을 하는 것을 넘어 현실세계에서 직접 움직이는 단계로 간다면 로봇과 Physical AI까지 연결될 수 있다. 그래서 이제는 “GPU가 언제 끝날까?” 보다 “GPU 한 개가 설치될 때 그 뒤에 무엇이 함께 필요할까?” 라는 질문이 더 중요할 수도 있다는 생각이 들었다. 그런데 나는 이 시작을 ‘급등’의 모습으로만 보고 싶지는 않다. 산업이 성장한다고 해서 관련 종목의 주가가 처음부터 계속 올라가는 것...

초보 인사이트 AI를 공부하면서 처음에는 반도체만 보면 된다고 생각했다. 엔비디아가 좋으면 GPU와 HBM, 그리고 반도체 장비까지 보면 대충 AI 흐름을 이해할 수 있다고 생각했던 것 같다. 그런데 데이터센터를 조금씩 공부하다 보니 그다음 질문이 생겼다. “그 많은 AI 서버는 도대체 무엇으로 돌아가지?” 답은 너무 당연하게 전기였다. 하지만 여기서도 그냥 “AI가 커지니까 전력주가 좋겠네” 정도로 끝내면 또 하나를 뭉뚱그려 보는 것이 될 것 같다. 이번에는 VRT·ETN·GEV·CEG·CCJ를 그냥 넘기지 않는다. 회사 이름만 외우는 것도 아니다. 실제 미국장과 한국장을 비교하면서 내가 사용할 수 있는 전력·원전 시장 계기판으로 만들 때까지 공부해보려고 한다. 검수정보｜회사명·티커·대표 사업은 각 기업의 공식 자료를 기준으로 확인하고, 초보 암기용 표현과 실제 사업범위를 구분했다. 검수원칙｜미국 전력·원전 티커 강세를 한국 관련주의 자동 상승으로 해석하지 않고 사실→확인→추론→국내 가격반응 순서로 검증한다. 먼저 결론 AI 투자의 물리적 기반은 반도체만이 아니다. 실제 데이터센터가 늘어나면 서버에 전력을 공급하고, 전기를 관리하고, 발전량을 늘리고, 안정적인 발전원을 확보하는 과정이 필요하다. 그래서 이번에는 VRT · ETN · GEV · CEG · CCJ 를 서로 다른 역할의 전력·원전 계기판으로 나눠 공부한다. 5개만 먼저 외운다 ★ VRT = Vertiv = 버티브 = 서버를 버티게 하는 전력·냉각 ETN = Eaton = 이튼 = 전기를 관리한다 GEV = GE Vernova = GE 버노바 = 발전하고 전력망을 만든다 CEG = Constellation Energy = 컨스텔레이션 에너지 =...