원문 보기
2024년 슈퍼 선거의 해 첫 번째 대선이라는 타이완의 총통 선거가 지난 주말에 치러졌습니다. 어 투자자분들의 관심이 많을 수밖에 없었을 텐데요 바로 반도체 산업 공급망 재편과 깊게 연관되 있기 때문입니다. 그래서 모셨습니다. 아의 신으로 이영수 대표님과 함께하겠습니다. 안녕하세요네 안녕하십니까네 it 신이고 또 반도체 전문가니까이 의이 타이완 총통 선거를 보시면서 마음속으로 어 누가 좀 이겼으면 좋겠다 그런 생각 혹시 있으셨어요. 어 이게 너무 복잡한 정말 어 고차원 방정식이라고이 총통 선거 자체가 그렇게 미치는 영향은 크지 않다고 봤어요.
근데 한편으로는 그러니까 제 개인적으로는 국민당이 좀 되면 좀 더 우리한테는 좀 어떤 운신의 폭이 좀 더 있지 않았을까라고 생각을 했는데 어 어쨌든 이제 뭐 민진당 라이칭더 후보가 됐기 때문에네 의미가 없겠 습니다. 근데 오늘 아침에 시장이 열렸고 주가를 보셨을 텐데 어떻게 예측하던 거랑 한번 비교해 보시니까 어떠시나요. 일단 지금 그이 대만 총통 어떤 선거가 주식 시장에 미치는 영향을 이미 선반영 했습니다. 왜냐면 그때 그 야당 쪽에서 국민당 쪽하고 이제 그 제 3당 있잖아요. 그 네네 맞습니다. 민중당 후보하고 이게 어 단일화가 무산되면서 그때 이미 좀 일부 프레싱이 돼 버렸기 때문에 어 이번에 좀 미치는 영향은 좀죠.
이라 보고 있는데 결국 중국의 어떤 대응인 거 같아요. 일단은 경제보복 조치는 할 것 같고요 그리고 더 나가서 어 정말 그 중국과 어떤 타이완 간의 어떤 긴장 갈등 그리고 미국이 어떻게 이거를 관리하느냐에 따라서 굉장히 복잡해지는데 일단 미국의 어떤 그 코멘트 자체가 대만의 독립을 지지하지 않는다라고 이제 이야기해 줬기 때문에 맞습니다. 충분히 지금 상황 자체를 관리하려고 하는구나라고 이제 생각을 할 수 있는 거 같고요 그리고 지금 조바이든 대통령 같은 경우 올해 재선이 있잖아요. 재선이 있는데 지금 트럼프한테 굉장히 밀리고 있는 상황이고 지금 상황에 봤을 때는 중국하고 뭔가 갈등을 더 어떻게 보면 어 고조시키기다는 충분히 관 관리하는 수준에 그게 더 낫다라고 생각하지 않을까 생각합니다.
결국은 tsmc 때문에 반도체 관련해서 관심을 받는 거라고 해도 과언이 아니죠. 그런데 한국하고 관계는 파트너입니다. 라이벌입니다. 아니면 둘 다입니다. 일단 tsmc고 우리나라 반도체를 봤을 때는 어 협력적인 부분도 있어요. 왜냐면 tsmc 만드는게 대부분 시스템 반도체입니다. 이제 시스템 반도체인 어 우리나라는 메모리가 주력인 라고요 어 우리나라가 시스템 반도체 쪽에서 어떤 시장 점유율 자체가 그렇게 많지가 않아요. 2% 3% 수준에 불과하거든요. 그런데 왜 tsmc고 어떤 그 협력 관계가 있냐면 일단 시스템 반도체가 팔려야 메모리도 같이 팔려요음 예 보통 반도체를 많이 쓰는게 라는 프로세서 류들이 있고 거기에 따라서 메모리가 가는 거거든요.
그래서 어 시스템 반도체 생산이 제대로 안 되면요 메모리도 안 팔려요 아네 그런 측면들이 있고 또 한편으로 보면 삼성이 tsmc 어떤 파운더리 어떤이 시장 자체를 일부 가져오려고 하고 있기 때문에 거기서는 경쟁적인 관계로 봐야 될 것 같고요 전 세계에서 봤을 때는 라노 미만의 파운드리를 해 줄 수 있는 국가가 두 개밖에 없어요. 업체도 두 개밖에 없죠. tsmc고 삼성 파운드리 밖에 없습니다. 그만큼 미국의 반도체 어떤 주도권 입장에서도 한국과 대만은 굉장히 중요한 지렛 때인 셈이죠. 그러면 투자의 전략 차원에서 보면 이번 타이완 총통 선거의 결과가 예상대로 나왔기 때문에 그리고 이미 선행을 하고 있기 때문에 전략 수정이나 그런 거가 필요한 상황은 아니다.
당장 그렇게 이해를 해도 될까요. 이게 글로벌 밸류 체인이 깨지고 도메스틱 밸류 체인 그니까 리쇼어링이 이루어진다고 적어도 리저널 밸류체인 자기들 이제 동맹국 간의 밸류체인이 어떻게 재편되는 과정이었어요. 그동안에 이제 이거에대 속도에 대한 문제죠. 시장에 영향을 미치는 거는 근데이 방향성 자체가 크게 달라지지 않습니다. 그런 측면에서 있어서는 뭐 어떻게 보면 그 리저널 밸류 체인을 형성하기 위해서 어 이번에 라이칭더 후보도 이렇게 이야기했거든요. 그니까 한국하고 일본하고 협력을 반도체 협력을 더 강화하겠다라고 이야기했고 거기서는 중국쪽 비중을 줄이는 중국을 배제하는 그런죠.
맞습니다. 그런 쪽으로 이제 많이 초점을 맞추고 있는 상황인 거고요 또 이제 중국 입장에서는 그런 약한 영 연결 고리를 깨야지 뭔가 자기들의 어떤 기술 주도권이 중요해지기 때문에 그런 건데요 일단은 지금은 패권 전쟁을 다시 그전에 없던 것처럼 우리가 되돌리겠다 이렇게 할 수 없어요. 그 미중간의 패권 전쟁은 계속해서 이거는 변수가 아니라 상수라고 봐야 될 것 같고요 계속해서 어 기술 전쟁이 좀 더 처해지는 그런 가운데서 우리나라 반도체는 위기와 기회가 공존한다 참 이렇게 대표님께서 지난해에이 책을 쓰셨잖아요. 저도이 인터뷰를 준비하면서 읽어 지만 이게 2023년 1월에 나왔더라고요 1년 전에 만약에 대표님께서 1년이 지난 지금이 책을 다시 쓰신다라고 하면 여기서 뭐 조금 달라져야 될 내용이나 추가돼야 될 내용이 혹시 있을까요.
완전히 달리 써야겠죠네 왜냐면 어 제가이 책을 쓸 때요 반도체 경기가 정말 바닥이 었어요. 2022년 하반기에 썼거든요. 그때는 반도체 어디서 나와서 그러면 악플이 정말 반도체는 망했는데 왜 그렇게 어 하냐 그러면서 엄청나게 안 좋은 댓글들이 많을 때였고 어 그리고 저 책을 제가 초판을 5천부를 이제 출판사 쪽에서 찍는다 그러길래 아 5천부를 과연 팔 수 있을까 요즘네 저는 이제 어 반도체라는게 사이클 산업이고 어 상승과 하락을 반복한다는 걸 알고 있지만 혹시 이번에는 아니면 어떡하지라고 이제 걱정을 되게 많이 했었는데 결국 제가 생각했던 것보다 훨씬 더 빠른 폭으로 이제 작년에 반등을 했던 거 같고요 그런데 이제 우리가 사이클 산업이라고 하잖아요.
그러면 이제 보통 반 반도체라는게 메모리 사이클만 놓고 보면 한 4년을 한마디로 움직여요 그래 보통 상승 사이클은 2년에서 2년 6개월 정도 진행이 되고요 그리고 하락 사이클은 1년에서 1년 6개월 정도 진행이 됩니다. 그런데 보통 작년에 제가 타기 수를 썼기 때문에 제가 이제 저 블록에서 보면 제일 앞에 있는 탑 10 종목이 한미 반도체가 제일 첫 번째 있어요네 한미 반도체가 근데 작년에 여섯 다이가 올랐거든요. 그러니까 이제 제가 뭐 잘 찍었다 이런 거보다는 사이클 산업 자체가 그래요. 원래음 그 하락에서 상승으로 이렇게 딱 반전이 될 때 제일 강하게 튀는 종목들이 뭐냐면 반도체 내에서 장비주이 제일 먼저 강하게 튀어요.
장비주이 제일 레버리지가 크기 때문에 그런데요 특성을 생각해 보시면 알 것 같아요. 장비 업체들은 사실은 장비를 우리는 그냥 어 설비를 만드는 구나라고 생각하지만 이게 정말 하이엔드 엔지니어링의 종합 예술이에요. 굉장히 고급 인력들이 있잖아요. 제조를 하는데이 사람들은 뭐 수주가 많을 때는 문제가 없죠. 죠. 그냥 연봉 주고 잘 엔지니어링 하면 되는 건데 수주가 없을 때는 어떻게 하죠. 이분들 연봉을 주면서 계속 엄청 시게 해야 되죠. 맞습니다. 근데 이게 계속해서 수주가 없는게 아니잖아요. 결국 수주가 돌아올 건 알지만 고정비 때문에 그때 못 버티고 현금이 없으면 망할 수도 있는 거고요 그렇기 때문에 근데 구조 조정을 하면 또 이게 상승 사이클에 왔을 때 사람이 없어요.
사람들 뽑아서 쓸 수가 없어요. 맞습니다. 인력 관리가 되게 힘들어요. 그렇기 때문에 이게 하락 사이클에서 수 가 없다가 갑자기 수주가 나오면요 이익 레버리지 효과가 굉장히 큽니다. 그래서 하락에서 상승 사이클로 갈 때는 제일 먼저 장비 주들을 봐야 되는 거고 그러니까 오히려 작년에이 제 책을 쓸 때는 장비 주들을 좀 강조를 해서 많이 썼고요 지금 만약에 쓴다 그러면 사이클이 어느 정도 중반으로 와 와 있는 상황이잖아요. 이미 반도체 장비주 많이 올랐어요. 작년에 그러면 지금은 어 사이클이 처음에는 장비주 먼저 튀고 그다음에 어디로 가냐면 가동률 회복이 됩니다.
삼성전자나 SK 하이닉스 같은 업체들이 어 케펙스 그러니까 설비 투자를 줄이고 계속해서 생산을 조절하자아요. 그러면 소재 부품 업체들이나 이런 파츠를 있죠. 그 소모품 이런 쪽이 안 좋아지죠. 근데 이게 감산이 마무리가 되면 정상 가동이 되면 그런 쪽이 좋아지겠죠. 그래서 지금은 오히려 만약에 지금 책을 쓴다 그러면 소재 부품 쪽에 좀 방점을 둘 거 같아요. 좋은 투자 아이디어네요. 맞습니다. 그리고 이게 사이클이 어느 정도 진행되면 제일 마지막에 시세를 뽑는 섹터가 있어요. 그게 PCB 있니다. 인쇄 회로 기판이 해서 반도체 후공정에서 패키징 할 때 쓰는 우리 녹색 기판 있죠.
그게 결국 마지막 사이클이 그든 그래서 아마 지금 책을 쓴다 그러면 소재 부품과 마지막 PCB 쪽을 좀 강조해서 쓰지 않았을까 생각합니다. 저 책을 쓸 때는 AI 혁명이라는 변수가 없었어요. 그때만 해도 없었어요. 불과 1년 전이었는데 그렇네요. 그렇죠. 채치 PT게 작년 재작년 11월에 나왔고요 it 전문가들도 처음에 채치 BT 나왔을 때 2021년도에는 몰랐어요. 23년 초에 이런게 한 달만에 정말 엄청난 가입자들을 모았다 어 4일만에 천만 명 가입자를 모은게 처음이거든요이 플랫폼 중에서 이런게 이제 AI 혁명의 시작이구나라고 생각을 한 거고요 그때는 어 제가 AI AI 대한 변수들은 사실 좀 모르고네 좀 아쉬웠죠.
좋은 말씀해 주신 거 같아요. 그 화두가 AI 그야말로 혁명 근데 사실은 반도체를 때려야 뗄 수가 없는 관계잖아 AI 거는 예전부터 반도체가 중요하긴 했어요. 우리가 이야기하는 지금 AI 성능을 좋게 하기 위해서는 세 가지 요소가 중요합니다. 일단은 컴퓨팅 파워 우리 매개 변수라고 하잖아요. 그래서 그 컴퓨팅 파워에서 엔비디아 GPU 제일 중요한 거죠. 어 그게 제일 중요하고요 그리고 두 번째가 어 빅 데이터입니다. 나머지 한 개가 모델링이 그러니까 알고리즘 같은 거 잘 짜서 하는 거죠. 우리가 2010년대 이전까지 한 2 30년 동안 AI 암흑기라고 불렀던 이유가 뭐냐면 AI 연구하는 사람들이 컴퓨터가 너무 안 좋아서 연구를 못 하는 거예요.
빅데이터는 없어 없었어요. 아 그래서이 AI 연구가 다들 뭐이 모델링 그니까 자기들 프로그래밍 하는데 집중할 수밖에 없었는데 그게 별로 효과가 안 났어요. 근데 2010년부터 이게 어 굉장히 컴퓨팅 파워가 좋아지기 시작했고요 그리고 딥러닝이라는 지금 제프리 인턴이라는 그 교수님 중심으로 모든 그 제자들이 지금 AI 연구를 하고 있는데 그때부터 딥러닝이라는 기술이 그 AI 메인이 됐어요. AI 대해서 간단하게 정리를 한번 할게요 예전에는 AI 사람이 다 프로 해서 이렇게 다 이렇게 했어요. 알고리즘을 다 쳐 넣는 거죠. 그근데 이게 효과가 별로 안 나는 거예요.
그래서 기계한테 어 컴퓨팅 파워를 주고 데이터를 주고 알아서 학습해 봐음 그래서 그게 머신 러닝이 그래서 우리가 옛날에 오스트랄로피테쿠스 뭔가 탁탁 나가면서 나중에 내안 데르 탈은 제치고 호모사피엔스가 메인이 되잖아요. 똑같아요. 기술도 하나이 여러 갈해 딱딱딱 하나씩 쳐내고 오는데 원래는 처음에는 AI 아는게 다 프로그래밍 하다가 이게 머신 러닝이라는 영역으로 이제 그 하나의 줄기가 내려왔고 머신 러닝 중에서 사람의 뇌를 어 신경망을 모방한 그 기술이 딥러닝이라는 기술이에요. 그게 이제 제프리 인턴이라는 박사님이 굉장히 대중화시킨 거고 우리한테 익숙한 거는 2016년 알파고 이세돌 9단 아고 어네 그 반도체 입장에서 중요한게 뭐냐면 예전에는 AI 연구를 다 CPU 기반으로 했어요.
그런데 딥러닝이 되면서 CPU 기반의 연구들이 다 GPU 기반으로 바뀌었어요. 그러니까 당연히 엔비디아가 수를 볼 수밖에 없죠. 자 요거 하나만 보시면 되고요 그리고 2017년에 또 중요한 기술 하나가 나옵니다. 딥 러닝을 기반으로 해서 나왔는데 여기서 구글이 트랜스포머라쳇 그니까 어이 컴퓨터한테 AI 테 맥락이라는게 중요하다이 단어의 가중치를 주기 시작한 거죠. 그러니까 얘가 훨씬 더 사람처럼 말을 하기 시작하는 거죠. 그게 트랜스포머라쳇 하는 거 뭐가 중요하냐 트랜스포머 모델 특히 llm 모델의 특징이 두 가지가 있는데요. 요거 초급 편이 너무 어려워지는데 이단 들어올데 요거를 이해 안 하면 AI 반도체에 대해서 이해할 수가 없어요.
어 여기서 중요한게 첫 번째는 규모의 법칙이요 스케링 로우라고 하는데요. 왜 그런지는 몰라요 머신 러닝인데 뭐 똑같아요. 우리가 뇌를 잘 쓰지만 우리 잘 쓰고 있지만 이거 고수 되려면 꼭 알아야 되는 거죠. 맞습니다이 메커니즘이 우리 뇌 메커니즘 모르잖아요. 그러니까 그 공학자들이 연를 하는 거잖아요. 오히려 그거를 역산해서 그 원리를 아는 건데 똑같아요. 머신 러닝이라는게 얘가 컴퓨터가 학습했기 때문에 우리는 왜 그런지 원리를 몰라요 근데 두 가지 중요한 원리는 있는 거죠. 스케링 로라는 거는 컴퓨팅 파워 매개 변수라는 거를 많이 주고 그리고 빅 데이터만 잘 넣어 주니까 선형적으로 계속 좋아지더라라는 거예요.
그니까 왜이 게임에서 엔비디아가 정말 대박이 터졌냐 그건예요. 변함 없이 그냥 좋아져요네이 로가 안 깨졌어요. 애를 키울 사교육을 하잖아요. 사교육 하는데 얘한테 사교육비를 계속 좀 올렸더니 계속 공부를 잘해요. 얘가 우리 동네에서 제일 잘하고 강서구에서 제일 잘하고 서울에서 제일 잘하고 나중에 저 대한민국 1등이 돼요 그러면 근데 소파라서 공부 시킬까요. 안 시킬까 당연히 파 시키죠. 맞습니다. 그 AI 건 그렇잖아요. 우리 예전에 검색 엔진 때도 그렇고 스마트폰 때도 그렇고 결국 플랫폼이라는 거는 빅 3만 살아 남잖아요. 그죠.
처음에는 막 우죽 많죠. 옛날에 억 아시나요. 뭐 라이코스 있었고 야후도 했었고 파스도 있었고 하미도 있었고 결국 구글이 다 장악했고 네이버가 장악했고 그러니까 플랫폼이라는 건 빅 브라더라벨 고도화하고 있는데 여기서 엔비디아 GPU고 빅 데이터만 잘 넣어주면 어 우리 AI 모델이 계속 좋아져요 그 그냥 법이에요. 그 법칙이 깨지면 어느 순간부터 어 매개 변수가 조 가 넘어가니까 그다음부터는 계산되는 폭이 미미하더라도 하면 더 이상 스케일링을 키울 이유가 없죠. 그네 그러니까 이거 누군가 끝을 봐야 되는 거예요. 그렇네요. 구글의 재미 나이 같은 경우는 지금 매개 변수가 쪽이에요.
그니까 채지 ptga 불과 1년째 나왔을 때 그게 외계 변수가 1750 억개 였고요 이걸 구현하기 위해서 엔비디아 a 100이라는 칩이 1만 개를 썼어요. 근데 지금 구글에 재민 나이 같은 경우는 1조 개가 넘는 걸로 추정하고 있어요. 그러면 칩이 몇 개예요. 훨씬 더 많 썼겠죠. 아 그러면 그건 결국 비디아 실적으로 다 드러나는 거고요 그리고 빅데이터도 계속해서 좋은 걸 넣어주면 좋아져요 그리고 또 하나가 이제 이머전트 티라는 건데요 어 AI 처음에는 이렇게 질문을 해 보면 얘가 기계처럼 답변해 우리 그 체보 럼 어느 순간부터 얘가 굉장히 사람처럼 대답하기 시작하거든요.
그게 이머전트 어라는 건데요 그게 보통 매개 변수가 한 1천억 개가 넘어가면 그런 느닷없이 생기는 기능이 생기는데요요 두 가지 때문에 지금은 작년에는 엔비디아 칩을 최대한 많이 갖다 쓰는게 중요한 거고 근데 엔비디아 칩이 계속해서 쇼티지 있죠. 그렇죠. 그러니까 비디아 h 100이라는 칩이 메인인데 원래는 출고가 한 3만 볼 정도였어요. 근데 실제로 4만 볼 45,000 볼까지 팔렸죠. 프 량이 리니까 맞습니다. 그리고 올해부터는이 그 데이터 트레이닝을 끝낸 AI 우리의 디바이스 쪽으로 이제 확장이 되고 있죠. 맞습니다. 그래서 우리 스마트폰이나 PC 쪽으로 확장이 되고 있고요 그러면이 로컬 디바이스 자체에서 AI 반도체가 필요해지는 거고요 어 그리고 이제 중요한 거는 AI 그동안에는 언어만 학습했고 IQ 1 때하고 똑같아요.
처음에 애가 엄마 아빠 하잖아 그죠. 그다음에 주변에 사모를 보죠. 그래서 오감을 익힙니다. 그죠. 그게 멀티 모달이란 거예요. 그래서 AI 이제는 멀티 모델을 통해서 데이터 트레이닝을 하는 거고 어 그다음에 어떻게 하죠. 기고 걷고 달리죠. 그 운동을 배웁니다. 그게 결국 운동 지능을 배우는 거거든요. 그래서 우리 이야기하는 모빌리티 휴먼 오이드 로봇 아 그걸 제일 잘하는 회사가 테슬라 같은 회사 계란까지 집는 로봇을 만드 테슬라 맞습니다. 아 그러시고 계속 가는데 거기서 중요한게 AI 반도체라는 거예요. 그러니까 이게 지금도 어느 정도 쓸만하게 나와요 근데 문제가 전성비 전력 대비 성능이 너무 떨어져요음 그러니까 성능은 좋은데 전기를 너무 많이 먹어요네 우리가 질문 하나 코리라 하는데 질문 하나를 던지면이 데이터 그 센터에서 한번 다 돌아요.
그 연산을 한번 다 돌리기 때문에 한 500mm 피티병 하나에 물이 그냥 증발합니다. 그 정도 에너지가 필요하거든요. 그러니까 이게 계속 비율적 이니까이 굉장히 라이한 모델들에 대한 필요성이 생기는 거죠. 그래서 그런 쪽으로도 앞으로 계속해서 이제 경쟁이 생길 수밖에 없고 이거를 구현하려면 결국 반도체가 중요하다라는 겁니다. 투자 아이디어 차원에서는 스케일링 로가 계속되는 한 엔비디아는 계속 승승장구할 수밖에 없는 구조라고 이해를 해도 되나요. 맞아요. 예 그래서 저는 이번 AI 혁명이 우리 혁명 전에 가장 임팩트 있었던게 결국 모 모바일 혁명이아요.
스마트폰이 나오면서 우리 완전 라이프스타일 바뀌었잖아요. 모바일 혁명보다 훨씬 압축적으로 일어나요. AI 혁명은 굉장히 빨리 일어나고요 그때를 생각해 본다 그러면 지금 그 AI 혁명에서 우리가 지금 기회를 잡을 수밖에 없는 거고 그때 애플의 주가 계정이 아마 엔비디아의 주가 계정을 압축해 놓은 거하고 비슷하지 않을까 생각해요. 처음에는 굉장히 탄력적으로 상승하다가 정작 실적이 나오면 지지부진하자네 그러다가 이게 이제 어 이제 언어가 학습했을 끝난 거 아니야라고 하는데 이제는 멀티 모달을 배우고 또 행동을 배우고 액션을 배우고 하면서 얘가 또 또 필요해지는 거죠.
그럼 대표님은 디아의 상방으로 얼마나 열려 있다고 보시 알 수가 없죠네 AI 얼마 얼마큼 확산이 되느냐 거기서 엔비디아의 중요도가 어떻게 유지되는가 중요한데 제가 봤을 때 온디바이스 AI 쪽에서는 기존 다른 칩셋 업체들이 들 파고 들어올 수 있는 어 어떤 그 기회들이 많다고 보고 있는데요. 서버 데이터 센터 쪽에서는 엔비디아의 어떤 그런 지금 칩을 넘을 만한 것들이 쉽지 않다라고 생각합니다. 그러면 이런 지금 혁명적인 전환기에서 우리나라 입지는 어떤가요 전 세계에서 파운데이션 AI 모델을 개발할 수 있는 국가가네 개밖에 없어요. 그리고 전 세계에서 AI 반도체를 설계하고 생산할 수 있는 나라는 전 세계 세 개밖에 없습니다. AI 빅데이터에가 독을 풀어요. 어떻게 하냐면 어 어떻게해요. 진짜 n
Comments 0