내가 바라보는 세상

요즘 AI 투자 이야기를 따라가다 보면 CBS 라는 다소 생소한 표현이 들리기 시작한다. CBS, 이른바 Chip-Based Securities . 말 그대로 번역하면 '칩 기반 증권' 정도가 된다. 다만 처음부터 하나는 분명히 할 필요가 있다. CBS는 아직 MBS나 ABS처럼 시장에서 표준화된 공식 금융상품 명칭은 아니다. 현재 실제 금융시장에서 먼저 나타나고 있는 것은 GPU-backed financing, AI Compute financing, AI Infrastructure financing 에 더 가깝다. 그런데 왜 금융시장은 갑자기 GPU와 AI 데이터센터를 '금융 가능한 자산'으로 보기 시작한 것일까? AI 시대에 GPU와 데이터센터가 만들어내는 미래 현금흐름을 하나의 금융자산으로 만들 수 있을까? 어쩌면 CBS는 AI 산업이 기술의 영역을 넘어 금융의 영역으로 확장되기 시작했음을 보여주는 표현 일지도 모른다. 3줄 요약 ① GPU는 단순한 장비가 아니라 Compute 매출을 생산하는 자산 으로 인식되기 시작했다. ② 월가는 AI 데이터센터의 미래 현금흐름을 기반으로 기관자금을 AI Capex에 연결 하려 하고 있다. ③ 성공하면 금융혁신이지만, 과도한 레버리지가 붙으면 AI 투자 사이클을 증폭시키는 금융장치 가 될 수도 있다. 1. CBS는 무엇인가? 기존 관점에서 GPU는 기업이 구매하는 고가의 IT 장비다. 시간이 지나면 감가상각되고, 새로운 반도체가 등장하면 기존 장비의 경제적 가치도 낮아진다. 그런데 AI 시대에는 GPU가 하는 역할이 달라졌다. 수천 개, 수만 개의 GPU가 하나의 데이터센터에 모이면 거대한 AI 연산 인프라가 만들어진다. 기업들은 이곳에서 필요한 Compute를 구매하고, 데이터센터 운영자는 그 대가로 지속적인 매출을 얻는다. GPU가 현금흐름을 만들어내는 과정 ...

AI 반도체의 성능은 계속 좋아지고 있다. 같은 전력으로 더 많은 연산을 처리하고, 같은 비용으로 더 많은 Token을 생산할 수 있다면 아주 자연스러운 의문이 생긴다. THE QUESTION GPU가 계속 빨라지고 AI의 생산성이 높아진다면, 같은 일을 처리하기 위해 필요한 GPU의 숫자는 결국 줄어드는 것 아닐까? 논리적으로 틀린 말은 아니다. AI 효율이 두 배 좋아졌는데 AI 사용량이 그대로라면, 동일한 작업을 수행하는 데 필요한 Compute는 줄어들 수 있다. 그런데 여기에는 하나의 변수가 빠져 있다. AI가 싸졌을 때 사람들이 AI를 얼마나 더 많이 사용하게 되는가 다. THE CORE IDEA AI의 효율 향상이 수요를 줄이는 것이 아니라, 오히려 새로운 수요를 만들어낼 수도 있다. 경제학에서는 효율 향상으로 단위당 비용이 낮아졌는데도 사용량이 더 크게 증가해 총소비가 오히려 늘어나는 현상을 제번스의 역설(Jevons Paradox)이라고 부른다. 19세기 석탄에서 발견된 이 현상이 21세기 AI에서도 나타날 수 있을까? 그리고 만약 그렇다면 GPU뿐 아니라 HBM, 네트워크, 전력, 냉각, 데이터센터로 이어지는 AI CAPEX 전체에는 어떤 의미 가 있을까? 1 제번스의 역설 — 효율이 좋아졌는데 왜 소비는 늘었을까? 제번스의 역설은 19세기 영국의 경제학자 윌리엄 스탠리 제번스(William Stanley Jevons) 가 석탄 소비를 관찰하면서 제시한 개념이다. 당시 증기기관의 효율은 빠르게 개선되고 있었다. 같은 일을 하기 위해 필요한 석탄의 양이 줄어든다면 당연히 영국 전체의 석탄 소비도 줄어들 것처럼 보였다. 하지만 제번스가 주목한 현상은 반대였다. 증기기관의 효율이 좋아지면...

우리는 지금까지 Microsoft, Amazon, Google, Meta가 짓는 거대한 시설을 대부분 데이터센터 라고 불렀다. 그런데 최근 엔비디아는 이를 설명하면서 AI Factory , 즉 AI 공장 이라는 표현을 반복해서 사용하고 있다. 단순한 마케팅 용어일까? 조금 더 깊게 보면 데이터센터의 경제적 역할 자체가 달라지고 있다는 의미 가 담겨 있다. THE CORE IDEA 반도체 공장이 웨이퍼를 칩으로 바꾸는 곳이라면, AI Factory는 전력과 데이터를 지능으로 바꾸는 공장 이다. 기술적으로 생산되는 것은 Token이지만, 그 Token은 현실에서 지식·코드·분석·의사결정, 그리고 AI Agent가 수행하는 디지털 노동으로 전환된다. 이 관점에서 보면 AI 투자를 바라보는 방식도 달라진다. 중요한 것은 NVIDIA GPU가 몇 대 팔리는지만이 아니다. AI Factory 하나를 더 짓기 위해 어떤 부품과 인프라에 더 많은 돈을 써야 하는가? 이 질문을 따라가면 GPU에서 시작된 AI 투자 사이클이 HBM·네트워크·전력·냉각으로 확산되는 이유가 보이기 시작한다. 1 엔비디아가 말하는 AI Factory란? — 생산물은 ‘지능’ 기존 데이터센터는 주로 데이터를 저장하고 처리하며 IT 서비스를 제공하는 인프라였다. AI Factory는 목적이 조금 다르다. 대규모 GPU와 CPU, 메모리, 네트워크를 하나의 시스템처럼 묶어 AI 모델을 학습하고 추론시키며 Token을 지속적으로 생산 한다. AI FACTORY — FROM ELECTRICITY TO INTELLIGENCE INPUT 전력 데이터 → AI FACTORY ...

금융감독이라고 하면 흔히 이런 모습을 떠올립니다. 감독당국이 금융회사에 나가 규정을 제대로 지켰는지, 장부가 정확한지, 법규 위반은 없는지를 하나씩 확인하는 모습입니다. 물론 이런 감독은 지금도 중요합니다. 하지만 은행과 보험회사는 과거보다 훨씬 복잡해졌습니다. 파생상품과 해외사업이 늘었고, 대형 금융그룹이 등장했으며, 위험은 시장과 상품을 따라 매우 빠르게 이동합니다. 그렇다면 감독자가 정말 알고 싶은 것은 단순히 “오늘 규정을 잘 지키고 있는가?” 만은 아닐 겁니다. “이 금융회사는 앞으로 어디에서 문제가 생길 수 있는가? ” 이 질문을 감독의 중심에 놓는 것이 RBS(Risk-Based Supervision) , 즉 리스크중심감독입니다. RBS는 특정 검사기법 하나를 뜻한다기보다 무엇을 먼저 보고, 어디에 감독자원을 집중하고, 언제 개입할 것인가 를 결정하는 현대 금융감독의 기본 철학에 가깝습니다. 1. RBS란 무엇인가? RBS를 가장 단순하게 표현하면 “중요한 위험이 있는 곳에 감독역량을 집중하는 것” 입니다. 모든 금융회사가 같은 위험을 가지고 있지 않고, 같은 회사 안에서도 모든 사업이 같은 위험을 만들어내는 것은 아닙니다. 따라서 모든 회사와 모든 업무를 똑같은 빈도와 깊이로 검사하기보다, 문제가 발생할 가능성이 높거나 문제가 발생했을 때 충격이 큰 곳을 먼저 찾는 것 이 더 합리적입니다. 전통적 감독의 무게중심 Compliance 규정을 지켰는가? 장부가 정확한가? 이미 발생한 문제는 무엇인가? → Risk-Based Supervision Risk 중요한 위험은 어디에 있는가? 위험은 커지고 있는가? 회사가 이를 감당할 수 있는가? 핵심: RBS는 규정준수 감독을 없애는 제도가 아니다. 규정준수를 기본으로 하되 감독의 시선을 과거의 위반 여부에서 미래의 중요한 위험으로 확장하는 감독방식이다. RBS를 관통하는 다섯...