네이버 증권 리서치
중국 AI 충격, AI 캐즘의 기간을 단축시킬 수..
💡 해당없음
이 리포트는 중국의 초대형 오픈웨이트 AI 모델 공개가 단순한 기술 경쟁을 넘어 글로벌 AI 인프라 수요의 방향을 바꾸고 있다고 해석한다. 문샷 AI의 Kimi K3는 2.8조 파라미터 MoE 구조, 100만 토큰 컨텍스트, 네이티브 비전 지원을 내세우고, 알리바바의 Qwen3.8-Max도 2.4조 파라미터급 멀티모달 모델로 프론티어급 성능을 주장한다. 보고서는 이런 흐름이 2025년 초 DeepSeek R1 충격처럼 '더 싸게 만드는 AI'가 아니라 '더 크게 쓰는 AI'로 이어지며, 파라미터 확대와 장문 컨텍스트 처리로 인해 GPU뿐 아니라 HBM과 DRAM 같은 메모리 수요를 더 강하게 자극할 수 있다고 본다. 동시에 구글·아마존·메타·마이크로소프트의 전용칩과 효율화 전략, 그리고 제번스의 역설이 맞물리면서 토큰당 비용 하락이 곧 AI 사용량 확대와 CapEx 상향으로 연결되는 구조를 강조한다. 종합하면 단기적으로는 중국 AI의 충격으로 미국 빅테크와 AI 관련주 변동성이 커질 수 있지만, 중장기적으로는 AI 캐즘을 오히려 단축시키며 메모리·데이터센터 인프라 중심의 수요 확대 논리를 강화하는 방향의 해석이다.
📈 투자 포인트
- 문샷 AI Kimi K3는 2.8조 파라미터 MoE 모델로, 100만 토큰 컨텍스트와 네이티브 비전을 지원하며 코딩·에이전트 벤치마크에서 상위권 성능을 주장했다.
- 알리바바 Qwen3.8-Max는 2.4조 파라미터급 멀티모달 모델로, 중국계 오픈웨이트 모델의 성능 상향이 이어지고 있다.
- 오픈웨이트 모델 확산은 알고리즘 효율화보다 파라미터·컨텍스트 확대 효과가 커서 GPU 메모리와 HBM/DRAM 수요를 오히려 키울 수 있다.
- 토큰당 원가 하락은 제번스의 역설을 통해 억눌린 AI 수요를 폭증시켜 추론량과 CapEx를 동시에 끌어올릴 가능성이 있다.
- 구글의 신규 칩 'Frozen v2'는 최신 TPU 대비 전력당 토큰 처리량을 6~10배 높이는 것을 목표로 하며, 2028년 배치를 앞두고 있다.
- 미국 빅테크의 전용칩(TPU, Trainium, MTIA, MAIA)과 분산 추론, 양자화, 캐시 재사용은 토큰 비용을 낮추지만, 전체 AI 사용량 증가로 이어질 수 있다.
⚠️ 리스크
- 중국 모델의 벤치마크 성과는 기업 자체 발표에 기반해 있어 외부 검증이 충분하지 않을 수 있다.
- 오픈웨이트 경쟁이 실제 매출과 투자 사이클로 연결되지 않으면 메모리 수요 확대 논리가 기대보다 약해질 수 있다.
- 토큰 비용 하락이 즉시 수요 증가로 이어지지 않거나, 기업들의 AI 예산 초과 부담이 CapEx 둔화로 연결될 수 있다.
- 미국 빅테크의 전용칩과 효율화가 예상보다 빠르게 진행되면 엔비디아 등 외부 GPU 수요의 일부는 압박받을 수 있다.
- 중국 AI 모델의 확산이 지정학적 규제, 수출통제, 상업화 지연에 의해 제약될 가능성이 있다.
🔗 PDF 원문 보기