To the Moon

RIA 계좌 절세 조건 — 해외주식을 팔아도 공제가 줄어드는 이유 · 계좌와 세금 교과서 ④

Tue, 22 Sep 2026 09:00:00 +0900

이사를 하면 지원금을 준다는 안내를 받았다고 해봅시다. 짐을 옮기기만 하면 되는 줄 알았는데, 계약서를 읽어보니 일정 기간 거주해야 하고 다른 집을 다시 구하는 행동도 조건에 영향을 줍니다. 지원금 액수보다 먼저 읽어야 할 것은 ‘이사했다’고 인정하는 기준입니다.

RIA, 국내시장복귀계좌도 비슷합니다. 해외주식을 정리하고 국내로 자금을 옮기는 투자자에게 양도소득 공제를 주는 제도입니다. 다만 RIA 안에서 주식을 팔았다는 사실 하나로 혜택이 확정되지는 않습니다.

지난 편의 ISA에서는 계좌 안에 무엇을 담는지 살펴봤습니다. 이번에는 시야를 조금 넓혀야 합니다. RIA의 공제액을 계산할 때는 내 다른 계좌에서 무엇을 사고팔았는지도 보기 때문입니다.

ACCOUNT & TAX / 04

2026년 한시 특례

돌아온 돈만
세는 게 아닙니다.

RIA에 들어온 자금과
다른 계좌로 다시 향한 자금을 함께 봅니다.

계좌 이름은 달라도, 투자자는 한 사람

해외주식 → RIA

다른 계좌 → 해외자산

두 흐름이 최종 공제액에 연결됩니다.

모든 해외자산이 동일하게 취급되는 것은 아닙니다. 법령상 대상 상품과 거래 시기를 확인합니다.

01 RIA는 어떤 돈을 위한 계좌인가요?

RIA는 세법상 거주자의 적격 해외주식 양도를 위한 특례입니다. 여윳돈을 새로 입금해 해외주식을 사는 계좌가 아니라, 요건에 맞는 해외주식을 계좌로 옮긴 뒤, 그 안에서 매도하고 원화로 환전하는 경로입니다. 일반계좌에서 이미 판 주식의 현금을 나중에 RIA에 넣어 소급 적용받는 구조가 아닙니다.

대상 보유분의 기준은 2025년 12월 23일입니다. 시행령은 그날 보유했던 종목별 수량 범위에서 해당 종목을 RIA로 양도하는 경우 요건을 충족한 것으로 봅니다. 따라서 ‘그때 산 바로 그 주식을 한 번도 팔지 않았어야 한다’고 단정하는 것도 정확하지 않습니다. 중간 매매나 증권사 이동이 있었다면 실제 입고 가능 수량을 금융회사에 확인해야 합니다. 조세특례제한법 시행령 제93조의12 제12항

FIGURE 01 / 주식이 이동하는 순서

팔고 입금하는 것이 아니라,
옮긴 다음 팝니다.

대상 주식과 수량 확인

2025년 12월 23일 보유 수량 기준. 거래·이체 이력이 있다면 입고 가능 수량부터 확인합니다.

RIA에 주식 입고 → 매도 → 원화 환전

해외주식 매도대금이 원화로 납입됩니다. 일반적인 현금 추가 납입 계좌가 아닙니다.

허용된 국내 자산·예탁금으로 운용

국내 상장주식, 요건을 갖춘 국내 주식형 펀드 등. 모든 국내 상장 ETF를 담을 수 있다는 뜻은 아닙니다.

납입일부터 1년, 인출 조건 유지

계좌 개설일이나 연말이 기준이 아닙니다. 초과 수익금 인출은 별도 규칙이 있습니다.

법 제91조의26·시행령 제93조의12에 따른 구조 요약. 실제 입고·매도 가능 상품과 절차는 취급 금융회사에서 확인하세요.

전체 금융회사에 설정한 RIA의 납입한도 합계는 5,000만원 이내입니다. 이 숫자는 세금이 없어지는 이익의 한도가 아닙니다. 주식을 팔아 들어오는 돈의 납입한도입니다. 예를 들어 취득가액·필요경비가 합계 3,000만원인 주식을 4,000만원에 팔았다면, 납입액 4,000만원과 양도차익 1,000만원을 구분해야 합니다.

운용 대상에는 예탁금도 포함됩니다. 국내 주식을 당장 전액 매수해야만 혜택을 받을 수 있다고 읽을 필요는 없습니다. 반면 국내 상장 미국 반도체 ETF처럼 해외자산에 투자하는 상품은 ‘국내 상장’이라는 이유만으로 RIA의 운용 대상이 되지 않습니다. 조세특례제한법 제91조의26

02 지금 보이는 50%는 무엇의 절반인가요?

RIA의 공제율은 해외주식의 매도 결제 시기에 따라 달라집니다. 계좌를 일찍 만들어 두거나 주식만 미리 옮겨두었다고 높은 비율이 예약되지는 않습니다. 미래에셋증권 RIA 설명서

2026년 매도 결제 기간	양도소득에 적용하는 조정 전 공제율
1월 1일~5월 31일	100%
6월 1일~7월 31일	80%
8월 1일~12월 31일	50%

이 글을 쓰는 2026년 9월에는 50% 구간입니다. 중요한 점은 이것이 최종 세금의 50%를 돌려준다는 뜻이 아니라, 해당 양도소득에서 공제액을 계산하는 출발 비율이라는 것입니다. 여기에 다른 계좌 거래에 따른 조정을 거치고, 기본공제와 연간 손익을 반영해 세금을 계산합니다.

해외주식 세금 편에서 봤던 250만원 기본공제를 함께 넣어보겠습니다. 일반적인 22% 세율이 적용되는 해외주식의 연간 양도소득이 1,000만원이고, 다른 과세대상 주식 손익은 없다고 가정합니다. 기본공제 250만원도 전액 남아 있습니다.

RIA가 없다면: (1,000 − 250) × 22% = 165만원
RIA에서 50% 소득공제, 다른 계좌 차감이 없다면: (1,000 − 500 − 250) × 22% = 55만원

이 예시에서 세금은 82만 5,000원이 아니라 55만원입니다. 50%라는 숫자를 세금에 바로 곱하지 않았기 때문입니다. 공제 요건을 모두 지킨다는 가정이며, 실제 공제는 기본공제 후 남는 소득의 범위로 제한됩니다. 공제가 소득보다 커졌다고 마이너스 세금을 환급받는 구조도 아닙니다.

03 ISA에서 산 해외 ETF도 RIA에 영향을 주나요?

그럴 수 있습니다. 법령상 공제 조정은 RIA가 아닌 계좌의 해외주식 및 대체재산 취득·양도를 함께 봅니다. 금융회사의 안내도 타사 계좌, ISA, 연금계좌를 포함한다고 설명합니다. RIA를 만든 증권사 앱의 거래내역만 확인해서는 부족합니다.

FIGURE 02 / 계좌 밖으로 시야 넓히기

세 개의 계좌, 한 사람의 거래.

일반 증권계좌미국 개별주식

직접 매수·매도

중개형 ISA국내 상장 해외 ETF

예: 미국 주가지수 추종

연금계좌대상 해외 ETF·펀드

적립식 거래도 확인

2026년 대상 거래를 합쳐 조정RIA 개설 이전 거래도 포함 · 기간별 가중치 적용

계좌에 해외자산을 가지고 있다는 사실만으로 차감하는 그림이 아닙니다. 해당 연도의 취득·양도 등 대상 거래로 계산합니다.

가령 미국 AI 기업의 주식을 RIA에서 팔았는데, 별도 ISA에서는 국내 상장 미국 반도체 ETF를 계속 적립식으로 산다고 해봅시다. ISA 자체의 절세 규칙을 지켰더라도 그 매수가 RIA 공제 계산에서는 다른 의미를 가질 수 있습니다. ISA가 잘못됐다는 뜻이 아니라, 두 계좌가 서로 독립된 혜택 상자는 아니라는 뜻입니다.

대상은 해외 개별주식에만 한정되지 않습니다. 해외시장 가격·지수에 연동하는 국내 ETF·ETN, 법정 투자비율 등을 충족하는 해외주식형 펀드도 포함됩니다. 해외투자 ETF·ETN은 주식 이외의 기초자산도 대상이 될 수 있으므로 이름만으로 판단하지 마세요. 일반 해외주식형 펀드는 60% 투자비율과 설정기간 등의 세부 요건을 확인해야 합니다. 시행령 제93조의12 제3·7항

계좌를 만든 날부터가 아니라 2026년 전체가 계산 대상이라는 점도 중요합니다. 9월에 RIA를 만들었더라도 올해 초의 대상 거래를 빼고 계산하면 안 됩니다. 반대로 작년에 사서 올해 아무 거래 없이 그대로 보유한 해외주식의 평가금액을 순매수액으로 집어넣는 것도 아닙니다.

04 4,000만원을 돌아오게 하고, 2,000만원을 다시 샀다면

계산 구조는 다음과 같습니다. 먼저 RIA에서 발생한 공제 대상 양도소득에 기간별 공제율을 곱합니다. 그런 다음 다른 계좌의 가중 순매수액이 RIA의 가중 매도액에서 차지하는 비중만큼 공제액을 줄입니다. 일반적인 매매에서 순매수액은 매수액에서 매도액을 뺀 금액입니다. 여기서는 각 거래에 시기별 가중치까지 반영합니다.

최종 공제액 = 조정 전 공제액 × 조정비율

여기서 조정비율은 1 − (다른 계좌의 가중 순매수액 ÷ RIA의 가중 매도액)이며, 0~1 범위로 제한합니다. 분자와 분모는 수익이 아니라 거래금액입니다. ‘가중’은 거래 시기에 따라 100%·80%·50%를 곱했다는 뜻입니다. 시행령 제93조의12 제4항

앞의 예시를 이어가겠습니다. RIA의 매도액은 4,000만원, 양도소득은 1,000만원입니다. 다른 계좌에서는 대상 해외자산을 2,000만원 샀습니다. 모두 2026년 8~12월에 결제했고, 올해 다른 대상 거래가 전혀 없다고 가정합니다.

계산에 쓰는 장부	계산	금액
RIA의 가중 매도액	4,000만원 × 50%	2,000만원
조정 전 공제액	양도소득 1,000만원 × 50%	500만원
다른 계좌의 가중 순매수액	2,000만원 × 50%	1,000만원

조정비율은 1 − 1,000 ÷ 2,000 = 50%입니다. 조정 전 500만원이던 공제액은 250만원이 됩니다. 세금은 (1,000 − 250 − 250) × 22% = 110만원입니다.

FIGURE 03 / 조건을 고정한 계산 실험

다른 계좌의 매수액을 바꿔보세요.

RIA 매도액 4,000만원 · 양도소득 1,000만원
모든 대상 거래는 2026년 8~12월, 그 밖의 대상 거래 없음.

다른 계좌의 대상 해외자산 매수액 (만원)

조정 전 공제액500만원

공제액에 곱할 조정비율50%

조정 후 RIA 공제액250만원

막대는 조정 전 공제액 중 남는 비율입니다.

RIA를 적용하지 않은 예시 세금165만원

(1,000 − 기본공제 250) × 22%

RIA 적용 후 예시 세금110만원

예시 절세액 55만원

(1,000 − 기본공제 250 − RIA 공제 250) × 22%

다른 계좌의 매수로 공제액이 줄어듭니다. RIA 이용 자체가 금지된다는 뜻은 아닙니다.

실제 신고용 계산기가 아닙니다. 적격 주식·납입한도·1년 유지 요건을 충족하고, 기본공제 250만원이 전액 남아 있으며 일반적인 해외주식 세율 22%(지방소득세 포함)가 적용되는 가정입니다. 양도소득 1,000만원은 취득가액·필요경비 반영 후 금액입니다. 다른 주식 손익·다른 특례는 없고, RIA 밖에서는 입력한 매수만 발생합니다. 입력은 서버로 전송하지 않습니다.

추가 매수가 없다면 예시 세금은 55만원, 2,000만원을 사면 110만원, 4,000만원 이상을 사면 165만원입니다. 마지막 경우 RIA 공제가 0이 되는 것이지, 이 계산 때문에 별도의 벌금이 붙는 것은 아닙니다.

여기서 투자 판단까지 곧바로 넘어가지는 않았으면 합니다. 해외자산을 더 사는 편이 본인의 투자 계획에 맞을 수도 있습니다. 계산의 목적은 매수를 막는 것이 아니라, 계좌별로 따로 보던 혜택을 합쳐 보는 것입니다.

05 같은 금액을 사고팔아도 0이 아닐 수 있습니다

위 실험은 모든 거래를 같은 기간에 놓았기에 간단했습니다. 실제로는 서로 다른 구간에 거래했을 수 있습니다. 이때는 연말에 매수액과 매도액을 한 번 빼고 끝내면 안 됩니다.

FIGURE 04 / 달력이 바꾸는 계산

1,000만원을 사고 1,000만원을 팔았는데?

RIA 밖 · 2026년 6~7월 매수1,000만원

80% 가중치 적용
계산에 들어갈 금액 800만원

RIA 밖 · 2026년 8~12월 매도1,000만원

50% 가중치 적용
계산에 들어갈 금액 500만원

단순 거래금액 차이: 0원
가중 순매수액: 800 − 500 = 300만원

대상 상품의 해당 두 거래만 있다는 별도 예시입니다. 300만원은 양도차익도 세금도 아니며, 공제 조정비율을 구할 때 쓰는 금액입니다. 앞 계산기에는 이처럼 기간이 다른 거래를 입력할 수 없습니다.

따라서 ‘다시 팔았으니 매수의 영향도 모두 없어졌겠지’라고 생각하면 계산이 어긋날 수 있습니다. 연말에 필요한 것은 잔고 화면 하나보다 기간별 거래내역입니다. 이미 보유한 상품을 정리해야 한다는 뜻은 아닙니다. 매매에는 그 자체의 손익과 비용이 있고, 세금 조건을 맞추려고 한 거래가 투자 계획을 흐트러뜨릴 수도 있습니다.

06 연말이 지나면 돈을 꺼내도 되나요?

2026년 말은 대상 양도의 기한이지, 모든 계좌의 유지 의무가 끝나는 날은 아닙니다. 법은 납입일부터 1년 이내 인출 여부를 봅니다. 예를 들어 2026년 9월 25일에 한 번 납입했다면, 그해 12월에 원금을 꺼내는 것은 아직 1년이 지나지 않은 인출입니다.

여러 날짜에 나누어 납입하면 관리가 더 복잡해집니다. 미래에셋증권 설명서는 계좌 만기를 최종 납입일부터 1년으로 안내하면서, 수익금과 1년 경과 원금의 인출 순서도 별도로 설명합니다. 계좌 개설일·각 납입일·계좌 만기·출금 가능액을 같은 것으로 보지 마세요. 구체적인 날짜와 금액은 본인 금융회사의 화면과 약관으로 확인해야 합니다.

잔액이 누적 납입액을 초과한 경우 그 초과 수익금에는 인출 예외가 있습니다. 다만 앱에 표시된 당일 평가이익을 그대로 꺼내도 된다고 단정하면 안 됩니다. 법령상 평가 방식과 인출 후 잔액 요건을 지켜야 합니다.

공제를 받은 뒤 1년 이전에 요건을 깨는 인출을 하면, 공제에 따른 세액을 다시 납부하고 이자상당가산액도 더해야 할 수 있습니다. 법은 원칙적으로 인출한 달의 말일부터 2개월 이내 납부를 정합니다. 사망 등 부득이한 사유의 예외에는 별도 요건과 서류가 있습니다. 법 제91조의26 제4·5항

RIA 계좌를 만들었다고 다음 해 신고 절차까지 자동으로 없어지는 것도 아닙니다. 공제를 신청하려면 과세표준 신고 때 소득공제신청서와 국외상장주식등거래명세서를 제출하도록 시행령에 규정돼 있습니다. 2026년 거래의 신고를 준비할 때는 취급 증권사의 공제 자료와 다른 회사 거래내역을 함께 챙겨야 합니다.

정리

RIA는 해외주식을 옮겨서 팔고, 원화로 납입하는 경로입니다. 일반계좌에서 먼저 판 현금을 넣어 적용받는 계좌가 아닙니다.
2026년 8~12월의 50%는 양도소득에 적용하는 조정 전 공제율입니다. 최종 세금에 곧바로 곱하는 할인율이 아닙니다.
다른 금융회사의 계좌와 ISA·연금계좌의 대상 해외자산 거래도 공제액에 영향을 줍니다. 2026년 전체 거래에 기간별 가중치를 적용합니다.
5,000만원은 납입한도, 1년은 납입일부터 살필 유지 조건입니다. 연말이 지나도 의무가 이어질 수 있습니다.

RIA를 검토할 때 첫 질문은 ‘세금을 얼마나 줄일 수 있나’보다 ‘원래 해외자산을 줄일 계획이 있었나’에 가깝습니다. 그다음에 올해의 다른 계좌 거래, 앞으로 쓸 돈의 시점, 실제 공제액을 맞춰보면 됩니다. 절세 효과는 분명 계산할 수 있지만, 세금이 줄어든다는 사실이 바뀐 투자자산의 수익을 보장하지는 않습니다.

다음 편에서는 연금저축과 IRP를 살펴보겠습니다. RIA보다 훨씬 긴 시간과 맞바꾸는 혜택은 무엇인지, 넣을 때의 세액공제와 꺼낼 때의 과세를 함께 보겠습니다.

설명과 계산의 근거

자료 확인: 2026년 9월 20일. 현행 법령과 금융회사 설명서를 함께 확인했습니다. 특정 금융회사의 업무 처리 사례는 모든 회사의 공통 절차로 일반화하지 않았습니다.

국가법령정보센터 — 조세특례제한법 제91조의26: 대상 양도, 기간별 공제율, 납입한도, 운용 자산, 인출에 따른 재납부 규정.
국가법령정보센터 — 조세특례제한법 시행령 제93조의12: 공제 상한, 대체재산 범위, 조정비율과 가중치, 보유 수량 기준, 수익금 인출 및 신청 서류. 수식의 A·B·C 정의까지 확인했습니다.
미래에셋증권 — RIA 설명서, RIA 약관: 결제일 기준, 계좌 간 거래 범위, 만기와 출금 절차 참고. 본문의 계산과 도해는 법령 산식을 바탕으로 별도 가정을 세워 직접 계산한 예시입니다.
유진투자증권 — RIA 출시 안내: 주식 입고·원화 환전 경로, 일반 현금 추가 납입 제한 교차 확인.

⚠️ 이 글은 AI를 활용해 투자 관련 내용을 공부하며 정리한 글입니다. 특정 종목이나 투자 방식에 대한 권유가 아니며, 내용에 오류가 있거나 최신 정보와 다를 수 있습니다. 실제 투자 전에는 공식 자료를 직접 확인하시기 바랍니다. 투자 판단과 그 결과에 대한 책임은 투자자 본인에게 있습니다.

이 글은 세무 자문이 아닙니다. 계산은 적격 보유분·정해진 거래 시기·공제 및 유지 요건을 가정한 학습용 예시이며, 실제 세액은 전체 거래내역·취득가액·필요경비·적용 세율·다른 공제 등에 따라 달라집니다. 법령과 금융회사 업무 기준은 변경될 수 있습니다. 개별 사안은 국세청 또는 세무 전문가와 취급 금융회사에 확인하시기 바랍니다.

연금저축·IRP 세액공제 — 900만원을 넣기 전에 확인할 것 · 계좌와 세금 교과서 ⑤

Tue, 22 Sep 2026 09:00:00 +0900

긴 여행의 표를 미리 사면 할인받을 수 있습니다. 대신 출발 날짜가 정해져 있고, 중간에 계획을 바꾸면 취소 비용이 생깁니다. 할인율만 보면 좋은 표인데, 정작 그날 여행할 수 없다면 이야기가 달라집니다.

연금저축과 IRP의 절세도 비슷합니다. 지금 세금을 줄여주지만, 그 돈은 원칙적으로 노후에 연금으로 쓸 돈입니다. ‘얼마를 돌려받느냐’와 ‘언제, 어떤 방식으로 꺼내느냐’를 한 문장 안에서 봐야 합니다.

지난 편의 RIA는 납입 이후 1년의 인출 조건을 확인했습니다. 이번 편은 훨씬 긴 시간을 다룹니다. 그렇다고 무조건 많이 넣어야 한다거나, 반대로 돈이 묶이니 피해야 한다는 이야기는 아닙니다. 오래 둘 수 있는 돈에는 장점이 있고, 곧 쓸 돈에는 제약이 있는 계좌라는 뜻입니다.

ACCOUNT & TAX / 05

연금저축 · 개인형 IRP

오늘 줄인 세금,
내일 꺼낼 돈.

입금할 때의 혜택만큼
출금할 때의 조건도 중요합니다.

넣을 때본인 납입금의 세액공제

굴리는 동안계좌 내 과세 대상 수익의 과세이연

꺼낼 때돈의 출처와 수령 방식에 따라 과세

01 연금저축과 IRP, 먼저 같은 점부터 봅시다

연금저축은 개인이 노후자금을 준비하는 연금계좌이고, IRP는 개인형 퇴직연금입니다. IRP에는 퇴직급여를 받을 수도 있고, 본인이 추가로 돈을 납입할 수도 있습니다. 이 글의 공제 계산은 본인이 추가로 넣는 돈을 중심으로 하겠습니다. 회사가 넣은 퇴직급여를 본인의 세액공제용 납입금으로 다시 계산하면 안 됩니다.

공통된 장점은 세 가지입니다. 납입할 때 요건에 따라 세액공제를 받고, 계좌에서 운용하는 동안 과세 대상 수익에 대한 국내 과세를 인출 시점까지 미루며, 정해진 방식으로 연금을 받으면 그에 맞는 과세를 적용받습니다. 여기서 과세이연은 세금 면제가 아니라 납부 시점을 미루는 것입니다. 해외자산에 투자한 상품의 외국 원천세까지 모두 사라진다는 뜻도 아닙니다.

상품을 직접 고르는 투자자에게는 계좌 차이도 중요합니다. 아래 연금저축은 증권사의 연금저축펀드 기준입니다. 연금저축보험은 상품 구조와 비용·해지 조건이 다르므로 이 표를 그대로 적용하면 안 됩니다.

비교할 항목	연금저축펀드	개인형 IRP
가입 대상	일반적으로 소득·직업 제한 없이 가입 가능	근로자·자영업자·퇴직급여 수령자 등 가입 자격 확인
세액공제 대상 한도	연 600만원	연금저축 인정액 등을 합쳐 연 900만원
주된 운용 상품	편입 가능한 펀드·ETF 등	예금 등 원리금보장상품과 펀드·ETF 등
위험자산 규제	IRP와 같은 70% 한도는 없음	위험자산은 원칙적으로 적립금의 70% 이내
일부 중도인출	가능하지만 자금 성격에 따라 과세	법정 사유가 있어야 가능; 해지는 별개

IRP의 위험자산 한도에는 상품별 분류와 예외가 있습니다. 일정 요건의 TDF 등은 100% 편입이 가능할 수 있습니다. 반대로 ‘100% 편입 가능’이라는 표시는 원금이 보장된다는 표시가 아닙니다. 실제 매수 가능 여부와 수수료는 금융회사 안내를 확인해야 합니다. 미래에셋증권 퇴직연금 매매 안내, 금융위원회 디폴트옵션·편입한도 설명

02 600만원·900만원·1,800만원은 서로 다른 숫자입니다

세 숫자를 한꺼번에 외우기보다, 넣을 수 있는 돈과 공제 계산에 인정되는 돈을 나누면 간단해집니다.

일반적인 본인 납입금은 연금저축과 IRP·DC의 본인 추가납입분 등 모든 연금계좌를 합쳐 연 1,800만원까지 납입할 수 있습니다. 계좌나 금융회사를 늘린다고 이 한도가 각각 생기는 것은 아닙니다. ISA 만기자금 전환 등 법정 추가 납입 특례는 별도입니다. 소득세법 시행령 제40조의2

반면 일반적인 세액공제 계산에서는 연금저축 납입액을 최대 600만원까지만 인정하고, 그 인정액과 IRP 등 퇴직연금계좌의 공제 대상 납입액을 합쳐 최대 900만원까지 인정합니다. 1,800만원을 전부 넣었다고 전부 세액공제되는 것은 아닙니다. 소득세법 제59조의3

FIGURE 01 / 한도는 두 장부로 봅니다

넣는 한도와 공제받는 한도는 다릅니다.

연금계좌 합산 · 일반 납입한도1,800만원

합산 · 세액공제 대상 한도900만원

그중 연금저축에서 인정하는 한도600만원

600 + 900 = 1,500만원 공제가 아닙니다.
연금저축 인정액을 포함한 합계가 900만원입니다.

본인 추가납입의 일반 규칙입니다. 퇴직급여 이전, ISA 만기자금 전환 및 기타 법정 추가 납입·공제 특례는 제외했습니다.

예를 들어 연금저축에 600만원, IRP에 300만원을 넣으면 합계 900만원이 공제 대상이 됩니다. IRP에만 900만원을 넣는 경우도 같은 한도를 채울 수 있습니다. 600+300은 활용 예시이지 의무적인 배분 비율이 아닙니다.

반대로 연금저축에만 900만원을 넣었다면 일반 공제 대상은 600만원입니다. 나머지 300만원이 사라지는 것도, 벌금을 내는 것도 아닙니다. 그해 이 계산에서 세액공제 대상이 되지 않는 납입금으로 남습니다.

03 최대 148만 5천원, 모두가 그대로 환급받나요?

아닙니다. 세액공제는 계산된 세금에서 빼주는 제도이지, 납입하면 누구에게나 같은 금액의 지원금을 지급하는 제도가 아닙니다.

종합소득이 있는 거주자의 일반적인 공제율은 국세 기준 12% 또는 15%이며, 지방소득세 효과를 함께 표시하면 13.2% 또는 16.5%입니다. 근로소득만 있는 경우 총급여 5,500만원 이하에 16.5%, 초과에 13.2%를 적용합니다. 사업소득 등이 있어 종합소득금액으로 판단할 때의 기준은 4,500만원입니다. ‘연봉’이나 매출액을 그대로 넣는 기준이 아닙니다. 국세청 연금계좌 세액공제 안내

900만원 전액이 공제 대상이라면 단순 계산액은 900 × 16.5% = 148.5만원 또는 900 × 13.2% = 118.8만원입니다. 다만 다른 공제까지 적용한 결과 줄일 세금이 충분하지 않으면 실제 효과는 더 작아집니다. 이미 세금이 0인 사람에게 공제 계산액을 추가 현금으로 지급하는 것은 아닙니다. 소득세법 제61조

FIGURE 02 / 공제 대상 금액 계산 실험

같은 900만원도 어디에 넣었는지 봅니다.

올해 본인이 납입한 금액을 입력하세요. 아래 결과는 환급 확정액이 아닙니다.

연금저축 납입금만원 · 여러 연금저축계좌 합계IRP 등 본인 추가납입금만원 · IRP·DC 본인부담금 등 합계

연금저축 인정액 (최대 600)600만원

합산 공제 대상 (최대 900)900만원

이번 계산에서 공제 대상 아닌 납입액0만원

16.5% 적용 시 계산액148.5만원

근로소득만 있다면 총급여 5,500만원 이하

13.2% 적용 시 계산액118.8만원

근로소득만 있다면 총급여 5,500만원 초과

공제 대상 = min(연금저축 인정액 600 + IRP 등 300, 합산한도 900)

일반 공제 대상 한도를 채운 예시입니다. 실제 혜택은 소득·다른 공제·산출세액에 따라 달라집니다.

이 결과는 예상 환급금이나 투자수익률이 아닙니다. 산출세액이 충분한지와 이미 낸 세금을 따로 확인해야 합니다.

합산 납입 1,800만원 이내의 일반 본인 납입만 계산합니다. 지방소득세 효과 포함. 퇴직급여·회사부담금·계약이전·ISA 만기전환·과거 납입금 전환 등은 제외합니다. 두 공제율을 비교 표시하며 개인의 적용 공제율을 판정하지 않습니다. 입력값은 서버로 전송하지 않습니다.

기본 예시 600+300만원의 공제 대상은 900만원이며 계산액은 148.5만원 또는 118.8만원입니다. 연금저축에만 900만원을 넣으면 대상은 600만원, 계산액은 99만원 또는 79.2만원입니다.

연말정산의 환급금은 이미 낸 세금과 최종적으로 부담할 세금을 비교한 결과입니다. 공제가 세금을 줄였더라도 다른 요인 때문에 추가 납부액만 줄어들 수 있습니다. 그래서 계산기의 결과에 ‘환급액’ 대신 공제율 적용 시 계산액이라는 이름을 붙였습니다.

또 16.5%가 계좌 잔액 전체에 매년 붙는 이자도 아닙니다. 해당 연도의 공제 대상 납입액에 적용하는 비율입니다. 펀드나 ETF의 투자손익은 별도로 움직이고, 꺼낼 때의 세금과 비용도 남아 있습니다.

04 55세만 되면 전부 낮은 세율로 꺼낼 수 있나요?

연금으로 인정받는 일반적인 인출은 나이, 가입기간, 연간 인출 한도를 함께 봅니다. 새로 가입하는 일반 연금계좌에서 본인 납입금을 기준으로 보면, 55세 이후 연금수령 개시를 신청하고 가입일부터 5년이 지났으며 연금수령한도 안에서 인출해야 합니다. 이연퇴직소득이 계좌에 있는 경우에는 5년 요건의 예외가 있습니다. 소득세법 시행령 제40조의2 제3항

FIGURE 03 / 나이 하나로 끝나지 않습니다

세 조건을 함께 확인합니다.

01 / 나이55세 이후

금융회사에 연금수령 개시를 신청합니다.

02 / 가입기간5년 경과

가입일부터 계산합니다. 매년 넣은 돈마다 5년을 새로 세는 뜻은 아닙니다.

03 / 인출액수령한도 이내

해당 연도에 연금으로 인정되는 인출 범위를 확인합니다.

예를 들어 53세에 신규 가입한 본인 납입금 계좌라면,
55세가 됐다는 이유만으로 5년 조건을 충족하지는 않습니다.

일반적인 본인 납입금 계좌 기준. 이연퇴직소득이 있는 계좌의 가입기간 예외, 구계좌 특례, 의료·부득이한 인출 등은 별도로 확인해야 합니다.

여기서 연금수령한도와 ‘연 1,500만원’도 구별해야 합니다. 연금수령한도는 인출 방식이 연금인지 판단하는 기준이고, 뒤에서 볼 1,500만원은 일정 사적연금소득의 과세 방식을 판단하는 기준입니다. 두 숫자가 서로를 대신하지 않습니다.

05 꺼내는 돈은 세 종류로 나뉩니다

연금계좌 잔액을 통째로 ‘내 원금과 이자’라고 보면 세금을 헷갈리기 쉽습니다. 세법은 그 원금이 어떤 혜택을 받았는지, 어디서 들어왔는지도 구분합니다.

FIGURE 04 / 같은 계좌, 다른 돈의 출처

잔액은 하나지만, 세금 장부는 다릅니다.

A / 본인 납입금세액공제 받지 않은 원금

확인된 과세제외 금액은 인출 시 과세하지 않습니다.

그 원금으로 벌어들인 운용수익까지 과세제외되는 것은 아닙니다.

B / 본인 납입금과 수익공제받은 원금 + 운용수익

연금수령이면 연금소득 과세.
일반적인 연금외수령이면 기타소득세 16.5%.

지방소득세 포함. 부득이한 인출 등 예외와 연간 소득에 따른 과세 방식은 별도입니다.

C / 퇴직급여IRP 등으로 옮긴 퇴직소득

퇴직소득에 관한 별도 규칙을 적용합니다.

B의 3.3~5.5%나 16.5%를 퇴직급여에 그대로 곱하면 안 됩니다.

일반적인 기간형 연금수령에서 B에 적용하는 연령별 원천징수세율은 지방소득세 포함 70세 미만 5.5%, 70~79세 4.4%, 80세 이상 3.3%입니다. 종신계약 등은 별도 규칙이 있습니다.

다만 해당 과세 대상 사적연금소득이 연 1,500만원을 넘으면, 종합소득에 합산하거나 신고를 통해 16.5% 분리과세를 선택하는 문제를 따로 검토해야 합니다. 1,500만원은 비과세 한도가 아니며, 이 기준에는 국민연금이나 이연퇴직소득 연금수령액 등을 무조건 모두 더하는 것이 아닙니다. 국세청 연금소득 세율 안내

따라서 ‘나중에 무조건 3.3%만 낸다’거나 ‘55세에 한 번에 전부 꺼내면 된다’고 설명하면 중요한 조건을 놓칩니다. 공제받지 않은 납입금의 확인 자료, 계좌별 인출 순서와 예상 원천징수액도 금융회사에 확인하세요. 본인이 머릿속으로 정한 원금부터 자유롭게 골라 꺼내는 계산은 아닙니다.

06 중도인출은 받은 혜택만 돌려주면 끝인가요?

공제받은 원금과 운용수익을 일반적인 연금외수령으로 꺼내면, 해당 과세 대상액에 지방소득세 포함 16.5% 기타소득세가 적용됩니다. 세액공제를 받지 않은 것으로 확인된 원금이나 이연퇴직소득은 앞에서 구분한 다른 규칙을 따릅니다.

예를 들어 어떤 해에 본인 납입금 900만원 전액에 13.2% 세액공제 효과를 온전히 받았다고 해봅시다. 혜택은 118만 8,000원입니다. 이후 투자수익·손실·비용 없이, 부득이한 인출 예외가 아닌 일반 중도해지로 그 900만원 전액을 받으면 기타소득세는 148만 5,000원입니다.

두 세금 효과만 비교하면 29만 7,000원 차이가 납니다. 실제 투자 결과를 예측한 예시는 아닙니다. 세금 계산의 원리를 보여주기 위해 시간가치와 모든 운용손익·비용을 뺀 가정입니다. 핵심은 공제받은 비율과 나중에 인출할 때의 세율이 다를 수 있다는 것입니다.

IRP는 일부만 꺼내는 중도인출에도 법정 사유가 필요합니다. 사유에 해당하지 않으면 일부 출금 대신 계좌 해지를 검토해야 할 수 있습니다. 연금저축펀드는 부분 인출이 가능하지만, 인출 가능하다는 사실이 과세상 불이익까지 없다는 뜻은 아닙니다. KB국민은행 연금계좌 인출 안내

여기서 중요한 구분이 하나 더 있습니다. IRP에서 인출할 수 있는 사유와 세법상 낮은 세율로 인출하는 사유는 같은 목록이 아닙니다. 주택 구입 등으로 인출이 허용되더라도 세금까지 자동으로 우대되는 것은 아닙니다. 의료 목적·천재지변 등 세법상 예외는 별도의 요건, 제출 서류, 기한을 확인해야 합니다. 금융감독원 중도인출 안내, 소득세법 시행령 제20조의2

07 AI 투자를 연금계좌로 옮기기 전에

엔비디아 주식을 직접 사는 것과 국내 상장 미국 반도체 ETF를 사는 것은 서로 다른 투자입니다. 연금저축펀드와 IRP에서는 일반 개별주식을 직접 고르는 방식이 아니라 편입 가능한 펀드·ETF 등으로 접근하게 됩니다. 미국 거래소의 주식을 그대로 옮겨 담는 계좌로 생각하면 안 됩니다.

같은 ETF라도 계좌별로 매수 가능 여부와 투자한도 분류가 다를 수 있습니다. 특히 IRP에서 위험자산 비중을 계산할 때는 내가 붙인 ‘장기투자용’이라는 이름이 아니라 금융회사가 적용하는 상품 분류를 봅니다. 반도체 ETF를 오래 보유한다고 원금 손실 가능성이 없어지는 것도 아닙니다.

그러므로 순서는 이렇습니다. 먼저 노후까지 두어도 될 돈인지 확인하고, 다음으로 그해 공제를 실제로 활용할 세금이 있는지 봅니다. 그 뒤 원하는 상품의 편입 가능 여부, 비용, 분산 정도를 살펴보는 편이 낫습니다. 계좌를 먼저 채운 뒤 살 상품을 급하게 찾을 필요는 없습니다.

ISA 편의 돈과 연금계좌의 돈은 사용 시점이 다를 수 있습니다. 결혼·이사·주택 마련처럼 가까운 지출이 예상된다면 그 돈까지 공제 한도에 맞추려 하지 않아도 됩니다. ISA 만기자금을 연금계좌로 전환하는 별도 혜택도 있지만, 추가 공제와 함께 연금계좌의 인출 조건으로 들어간다는 사실을 같이 봐야 합니다.

또 RIA를 이용한다면 연금계좌에서 매수한 대상 해외 ETF도 RIA 공제 조정에 영향을 줄 수 있습니다. 4편에서 봤듯, 계좌별 혜택을 따로 더한 값이 언제나 나의 최종 절세액은 아닙니다.

정리

연 1,800만원은 일반 납입한도, 연금저축 600만원·퇴직연금 합산 900만원은 일반 세액공제 대상 한도입니다.
900만원을 채웠을 때 148.5만원 또는 118.8만원은 공제율을 적용한 계산액입니다. 모든 사람의 환급 확정액이나 투자수익률이 아닙니다.
일반적인 연금수령은 55세 이후·가입 5년·연금수령한도를 함께 확인합니다. 예외와 구계좌 규칙은 별도입니다.
꺼낼 때는 공제받지 않은 원금, 공제받은 원금과 수익, 퇴직급여를 구분합니다. 일반 중도해지 시 세금이 처음 받은 혜택보다 클 수도 있습니다.

연금계좌를 잘 쓴다는 것은 해마다 한도를 무조건 채운다는 뜻이 아닙니다. 올해의 세금 혜택과 미래의 사용 계획이 맞는 돈을 넣고, 그 안에서 감당할 수 있는 위험으로 운용하는 것에 가깝습니다.

다음 마지막 편에서는 세금 정보를 직접 확인하는 법을 정리하겠습니다. 제도가 바뀌거나 서로 다른 설명을 만났을 때, 법령·국세청·금융회사 자료를 어떤 순서로 읽으면 좋을지 살펴보겠습니다.

설명과 계산의 근거

자료 확인: 2026년 9월 22일. 현행 규칙을 기준으로 작성했으며, 일반적인 본인 추가납입을 중심으로 설명했습니다. 특정 금융회사나 상품의 가입을 권하는 글은 아닙니다.

소득세법 제59조의3, 제61조: 공제 대상·한도·소득 기준, 산출세액 초과 공제 처리. 법률상 12·15%와 지방소득세 효과를 포함한 13.2·16.5%를 구분했습니다.
소득세법 시행령 제40조의2: 일반 납입한도, 추가 납입 특례, 연금수령 나이·가입기간·인출한도 및 예외.
국세청 연금계좌 세액공제, 연금소득 세율: 납입 단계와 인출 단계의 세금 교차 확인. 퇴직급여는 본인 공제 납입금과 구분했습니다.
소득세법 시행령 제20조의2, 금융감독원 — 연금계좌 중도인출 유의사항, KDI 수록: 의료 목적·부득이한 인출과 일반 중도인출의 구별.
미래에셋증권 퇴직연금 매매 안내, 금융위원회 TDF 투자한도 규정 개정, 금융위원회 디폴트옵션 설명, KB국민은행 가입·인출 체크리스트: 계좌별 운용·인출 제약 참고. 과거 자료의 공제한도·세율을 현재 숫자로 재사용하지 않고 현행 법령 및 국세청 안내와 대조했습니다.

⚠️ 이 글은 AI를 활용해 투자 관련 내용을 공부하며 정리한 글입니다. 특정 종목이나 투자 방식에 대한 권유가 아니며, 내용에 오류가 있거나 최신 정보와 다를 수 있습니다. 실제 투자 전에는 공식 자료를 직접 확인하시기 바랍니다. 투자 판단과 그 결과에 대한 책임은 투자자 본인에게 있습니다.

이 글은 세무 자문이 아닙니다. 계산은 일반적인 본인 납입금과 특정 조건을 가정한 학습용 예시이며, 실제 공제·환급·인출 세액은 소득, 다른 공제, 계좌 가입 시기, 자금의 원천, 수령 방식과 법령 변경 등에 따라 달라집니다. 장기 운용 중 투자손실과 비용도 발생할 수 있습니다. 개별 사안은 국세청 또는 세무 전문가와 취급 금융회사에 확인하시기 바랍니다.

ISA 개편과 절세 혜택 — 비과세·납입한도·3년의 의미 · 계좌와 세금 교과서 ③

Fri, 18 Sep 2026 20:00:00 +0900

ACCOUNT & TAX / 03

ISA라는 지갑,
세 숫자를
따로 읽으세요.

얼마를 넣는지, 얼마까지 세금이 없는지,
얼마나 유지하는지는 다른 질문입니다.

현행 일반형 ISA의 기본값

연간 납입한도2,000만원

누적 순소득 비과세200만원

의무가입기간3년

미사용 납입한도는 이월 가능.
200만원은 매년 주어지는 한도가 아닙니다.

할인쿠폰이 든 지갑을 받았다고 생각해보겠습니다. 지갑에 넣을 수 있는 돈의 한도와, 쿠폰으로 할인받는 금액은 다릅니다. 쿠폰을 쓰기 위해 기다려야 하는 시간도 따로 있습니다.

ISA를 처음 볼 때 헷갈리는 것도 이 세 가지입니다. 2,000만원은 넣는 돈의 한도, 200만원은 일반형의 비과세 한도, 3년은 세제혜택을 위한 의무가입기간입니다. 그런데 여기에 “ISA가 바뀐다”는 뉴스까지 겹치니, 지금 적용되는 숫자가 무엇인지부터 막막해집니다.

먼저 날짜를 바로잡고 시작하겠습니다. 2026년 8월 발표안에 있던 일반 ISA의 최대 계약기간 5년 제한과 납입한도 이월 폐지는 9월 1일 정부안에서 철회됐습니다. 반면 국내 자산 중심의 생산적금융 ISA 신설은 정부안에 남아 있습니다. 둘은 다른 이야기입니다. 재정경제부 9월 1일 발표

이번 편은 현재 쓰는 ISA → 계산하는 법 → 추진 중인 새 ISA 순서로 보겠습니다. 1편의 계좌별 비교와 2편의 해외주식 세금을 읽으셨다면, 그 돈을 담을 지갑을 조금 더 자세히 살펴보는 시간입니다.

확인 기준: 2026년 9월 18일. 현행 법령과 9월 1일 수정 정부안을 구분했습니다. 정부안 확정은 국회 통과·공포·시행과 같지 않습니다. 아래 계산기는 현행 ISA만 다루며, 생산적금융 ISA의 혜택을 미리 적용하지 않습니다.

01 ISA 개편 뉴스는 발표 날짜부터 봐야 합니다

검색 결과에는 8월의 최초 발표, 이후 수정 논의, 9월의 정부안 확정이 함께 나옵니다. 오래된 글이 자세하다는 이유만으로 현재 규칙이 되는 것은 아닙니다.

FIGURE 01 / 제도에도 날짜가 있습니다

발표된 안과 적용되는 법은 다릅니다.

2026. 08. 03.처음 발표한 안

일반 ISA에 최대 5년 제한, 미사용 납입한도 이월 폐지 등을 담았습니다.

2026. 09. 01.수정된 정부안

일반 ISA의 해당 제한안을 거두고 현행 유지로 바꿨습니다.

새 제도가 적용되려면국회·공포·시행 확인

생산적금융 ISA는 신설 추진안입니다. 가입 가능 시점과 최종 조건을 확인해야 합니다.

“내년부터 무조건 5년 뒤 해지해야 한다”거나 “이월이 사라지니 올해 한도를 다 채워야 한다”는 설명은 9월 수정 정부안을 반영하지 않은 것입니다.

출처: 재정경제부 2026년 세제개편안(8월 3일), 정부안 확정 자료 첨부 1·2번(9월 1일). 오른쪽은 법률의 적용 절차를 설명한 것이며, 시행 완료 표시가 아닙니다.

일반 ISA에 2029년 말 가입 일몰을 두려던 안도 함께 철회됐습니다. 새로 추진하는 생산적금융 ISA 역시 최초안의 최대 10년 제한을 없애고, 미사용 납입한도를 이월하도록 수정됐습니다. 9월 정부안 첨부 비교표

여기서 ‘일반 ISA’와 ‘일반형 ISA’도 구별해야 합니다. 개편 기사에서 ‘일반 ISA’는 새로 만드는 생산적금융 ISA와 대비되는 기존 제도를 뜻합니다. 기존 제도 안에서 비과세 한도에 따라 나누는 것이 ‘일반형·서민형·농어민형’입니다. ‘중개형’은 투자자가 상품을 직접 고르는 운용 방식의 이름이고요.

그래서 서민형 중개형 ISA라는 조합도 가능합니다. 이름이 길어 보여도 하나는 세제 유형, 다른 하나는 운용 방식입니다.

02 지금 쓰는 ISA는 무엇을 해주나요?

ISA는 수익률을 정해주는 상품이 아니라, 여러 금융상품을 담고 정해진 방식으로 세금을 정산하는 계좌입니다. 국내 주식·ETF 등을 직접 고르려는 투자자라면 보통 중개형을 살펴보게 됩니다.

현행 제도의 기본 구조는 다음과 같습니다. 조세특례제한법 제91조의18, 삼성증권 ISA 안내

확인할 항목	현행 제도에서 읽을 내용
가입 대상	원칙적으로 만 19세 이상 거주자. 직전 과세기간에 근로소득이 있는 만 15~18세도 가능
가입 제한	직전 3개 과세기간 중 금융소득종합과세 대상이었던 경우 등은 제한
계좌 수	전 금융기관을 합쳐 1인 1계좌
넣는 돈	연 2,000만원, 미사용 한도 이월 가능, 누적 최대 1억원
비과세	통산 대상 손익을 정산한 순소득 중 일반형 200만원, 서민형·농어민형 400만원
한도 초과분	지방소득세를 포함해 9.9% 분리과세
유지 기간	의무가입기간 3년. 실제 계약 만기와는 구분

서민형·농어민형은 소득 등 추가 요건을 충족해야 합니다. 총급여 5,000만원, 종합소득금액 3,800만원 등의 기준이 있지만, 소득이 함께 있는 경우와 가입·연장 시점에 따라 확인할 요건이 달라집니다. 앱에서 유형을 선택하는 것만으로 자격이 생기는 것은 아닙니다. 소득확인증명서 등 금융회사가 요구하는 자료로 확인하세요.

세금은 계좌 해지 시 통산 대상 손익을 정산하는 구조입니다. 200만원 또는 400만원은 매년 새로 생기는 공제가 아닙니다. 3년을 유지했다고 일반형의 비과세 한도가 600만원이 되는 것은 아닙니다.

03 ISA 세금은 얼마나 줄어드나요? 직접 계산해봅시다

ISA에서 통산 가능한 상품의 이익이 600만원, 손실이 100만원이었다고 가정하겠습니다. 세금 계산에 쓸 순소득은 500만원입니다.

일반형이라면 200만원을 제외한 300만원에 9.9%를 적용해 29만 7,000원입니다. 서민형·농어민형 자격을 갖췄다면 400만원을 제외하므로 9만 9,000원입니다. 수익률이 달라진 것이 아니라, 같은 순소득에서 비과세로 빼주는 금액이 달라졌습니다.

FIGURE 02 / 현행 제도 계산 실험

먼저 손익을 합치고, 비과세 한도를 뺍니다.

통산 대상의 실현 이익과 손실을 각각 양수로 넣어보세요.

통산 대상 이익단위: 만원 · 0 이상통산 대상 손실단위: 만원 · 손실도 양수로 입력

이익 − 손실 = 정산할 손익500만원

일반형 · 비과세 200만원

(500 − 200) × 9.9%

예시 세금29.7만원

서민형·농어민형 · 비과세 400만원

(500 − 400) × 9.9%

예시 세금9.9만원

비과세 한도는 가입기간 전체 기준입니다. 서민형·농어민형은 해당 가입 요건을 충족해야 합니다.

3년 이상 유지하고 정상 해지·정산하는 가정입니다. 입력값은 실제 세금 계산에 반영되는 과세손익이며, 앱의 평가손익과 같지 않을 수 있습니다. 상품별 통산 제외 항목, 외국 원천세·외국납부세액 처리, 비용 등은 반영하지 않았습니다. 지방소득세 포함, 입력값은 서버로 전송하지 않습니다.

기본 예시: 이익 600 − 손실 100 = 순소득 500만원. 일반형 세금 29.7만원, 서민형·농어민형 세금 9.9만원입니다. 자바스크립트를 켜면 값을 바꿀 수 있습니다.

이 계산에 계좌 안의 모든 손실을 무조건 넣으면 안 됩니다. 펀드는 과표기준가로 산출한 손익을 쓰는 등 상품마다 통산 규칙이 다릅니다. 국내 주식형 펀드의 손실과 국내 상장주식의 양도차손도 같은 방식으로 취급하지 않습니다. 실제 정산은 금융회사가 제공하는 ISA 과세손익 자료를 확인해야 합니다. 신한투자증권 손익통산 안내

해외주식 세금은 한 해의 양도손익을 합쳐 250만원을 공제했습니다. ISA는 계좌 가입기간의 통산 대상 손익을 정산합니다. 둘 다 ‘합치고 뺀다’는 모양은 같지만, 합치는 기간과 대상, 빼주는 한도는 다릅니다.

04 3년 동안 돈을 못 빼는 계좌인가요?

의무가입기간은 계좌 안의 돈을 모두 잠근다는 뜻은 아닙니다. 납입원금 범위의 중도인출은 가능하지만, 인출했다고 그만큼 납입한도가 되살아나지는 않습니다. 계좌를 유지한 채 원금을 일부 꺼내는 것과 계좌 자체를 해지하는 것도 다릅니다. 삼성증권 중도인출 안내

예를 들어 가입 첫해에 500만원을 넣었다가 그중 200만원을 꺼냈다고 해봅시다. 그해 아직 쓸 수 있는 납입한도는 1,700만원이 아니라 1,500만원입니다. 잔액은 300만원으로 줄었지만, 이미 사용한 납입한도는 500만원 그대로이기 때문입니다.

FIGURE 03 / 잔액과 납입한도는 다른 장부

200만원을 꺼내도, 사용한 한도는 그대로입니다.

500만원 입금 → 200만원 인출잔액 300만원

수익·손실·비용이 없다는 가정

첫해 한도 2,000 − 이미 납입 500남은 한도 1,500만원

인출액만큼 복원되지 않음

인출 전사용 500 / 남음 1,500

인출 후사용 500 / 남음 1,500

이미 사용한 납입한도그해 남은 납입한도

신규 가입 첫해, 다른 납입 및 재형저축·소장펀드 관련 한도 차감이 없는 가정. 실제 인출 가능액은 현금 잔액과 미징수 비용 등에 따라 달라질 수 있습니다.

반면 쓰지 않은 연간 납입한도는 다음 해로 넘길 수 있습니다. 첫해 500만원만 납입했다면, 다음 해에는 남은 1,500만원과 새해 한도 2,000만원을 합쳐 3,500만원을 납입할 수 있습니다. 전체 누적 한도는 별도로 지켜야 합니다.

3년 이전 일반적인 중도해지에는 ISA 세제혜택이 적용되지 않습니다. 사망·해외이주 등 법령이 정한 부득이한 사유는 별도 요건으로 판단합니다. 또 3년이 지났다고 무조건 해지할 필요도 없습니다. 의무가입기간과 본인이 정한 계약 만기를 구별하고, 연장 때에는 가입 자격을 다시 확인해야 합니다.

급하게 쓸 생활비까지 세금 혜택만 보고 넣는 것은 신중해야 합니다. 꺼낼 수 있다는 것과, 언제 꺼내도 투자손실이나 기회비용이 없다는 것은 다른 이야기입니다.

05 생산적금융 ISA는 기존 ISA의 이름만 바꾼 건가요?

아닙니다. 정부안은 국내 자산에 투자하는 별도의 ISA를 신설하는 방향입니다. 지금 쓰는 ISA의 비과세 한도를 전부 없애준다는 뜻으로 읽으면 안 됩니다.

8월 상세본과 9월 수정사항을 함께 보면, 신설안은 국내 상장주식·국내 주식형 펀드·국민성장펀드·기업성장집합투자기구(BDC) 등을 투자 대상으로 삼고, 이자·배당소득 비과세를 제시합니다. 납입한도는 연 2,000만원·총 2억원이며, 9월 수정안에서는 미사용 한도 이월을 허용하고 최대 계약기간 제한을 없앴습니다. 모두 시행 중인 기존 ISA 설명이 아니라 신설 정부안의 내용입니다. 8월 상세본 18쪽, 9월 수정안

AI 투자자에게 중요한 차이는 세율보다 무엇을 담을 수 있는지입니다.

FIGURE 04 / 같은 AI 투자라도 담는 길이 다릅니다

국내 상장과 국내 투자는 같은 말이 아닙니다.

현행 제도

기존 중개형 ISA

국내 상장 해외지수 ETF편입 가능한 상품으로 간접 투자

미국 거래소의 개별주식·ETF직접 매수 불가

한국 거래소에 상장됐더라도 투자 대상은 미국 기업일 수 있습니다.

신설 정부안 · 시행 아님

생산적금융 ISA

국내 상장주식·국내 주식형 펀드 등국내 자본시장 지원 목적의 설계

국내 상장 해외지수 ETF‘국내 상장’만으로 편입 가능하다고 볼 수 없음

최종 법령과 취급 금융회사의 편입 가능 상품을 확인해야 합니다.

예를 들어 국내 상장 미국 반도체 ETF는 한국 거래소에서 거래하지만, 투자 대상은 미국 반도체 기업일 수 있습니다. ‘국내 상장 해외 ETF’와 ‘국내 주식형 펀드’를 같은 말로 읽으면 계좌 비교부터 어긋납니다. 상품 자체를 살펴보는 방법은 AI ETF를 고르는 법에서 이어집니다.

청년형에는 요건을 충족한 가입자의 납입금에 10% 소득공제를 추가하는 안도 있습니다. 여기서도 소득공제 10%는 납입액의 10%를 현금으로 돌려준다는 뜻이 아닙니다. 세금 계산의 바탕이 되는 소득에서 빼주는 것이므로 실제 세금 감소액은 개인의 과세 상황에 따라 달라집니다. 9월 정부안은 청년미래적금과의 중복 가입도 허용하는 방향으로 수정됐습니다.

생산적금융 ISA의 적용 시기는 정부안상 2027년 1월 1일 이후 신규 가입분입니다. 다만 국회 심의와 최종 법령, 실제 상품 출시를 확인해야 합니다. 이 글에서는 아직 이용할 수 있는 계좌인 것처럼 가입을 권하거나, 확정되지 않은 혜택으로 세후 수익을 계산하지 않겠습니다.

06 그래서 지금 확인할 것은 세 가지입니다

첫째, 내 계좌의 유형과 날짜입니다. 일반형인지 서민형인지, 최초 가입일과 계약 만기가 언제인지 확인합니다. 만기를 길게 정했다고 의무가입기간까지 길어지는 것은 아닙니다.

둘째, 내가 사려는 상품입니다. 엔비디아 주식을 미국 시장에서 직접 사고 싶은 것과 국내 상장 반도체 ETF를 사고 싶은 것은 계좌 선택부터 다릅니다. 비과세라는 말만 보고 원하는 투자 대상을 바꾸면 절세가 아니라 투자 전략 자체를 바꾸는 결정이 됩니다.

셋째, 돈을 쓸 시점입니다. 3년 이전에 해지할 가능성이 큰 돈인지, 원금 일부만 인출하면 되는지 살펴봅니다. 납입한도와 출금 가능액은 잔액 하나로 판단할 수 없습니다.

국내 상장주식의 장내 매매차익처럼 일반적인 소액주주에게 이미 비과세인 수익도 있습니다. 그런 상품은 ISA에 넣었다는 이유만으로 매매차익 세금이 추가로 줄어드는 것은 아닙니다. 배당이나 다른 상품과의 통산 효과까지 따로 봐야 합니다. 계좌를 바꾸기 전에, 원래 어떤 세금이 붙는 상품인지부터 확인하세요.

정리

일반 ISA의 5년 제한·납입한도 이월 폐지는 9월 수정 정부안에서 철회됐습니다. 8월 최초안을 현재 규칙처럼 읽으면 안 됩니다.
현행 ISA는 납입한도·비과세 한도·의무가입기간을 따로 봅니다. 연 2,000만원을 넣을 수 있다는 말과 순소득 200만원까지 세금이 없다는 말은 다릅니다.
일반형 200만원, 서민형·농어민형 400만원은 가입기간 전체의 비과세 한도입니다. 초과분 세율은 지방소득세 포함 9.9%입니다.
납입원금 범위에서 중도인출할 수 있지만, 인출한 만큼 납입한도가 복원되지는 않습니다.
생산적금융 ISA는 국내 자산 중심의 신설 추진안입니다. 기존 계좌의 혜택이 이미 바뀐 것처럼 적용하지 마세요.

ISA를 이해하는 데 세법 전체를 외울 필요는 없습니다. 내가 보는 숫자가 넣는 돈인지, 벌어들인 소득인지, 기다려야 할 시간인지 구분하면 비교표가 읽히기 시작합니다.

다음 편에서는 RIA, 국내시장복귀계좌를 살펴보겠습니다. 해외주식을 팔고 국내로 돌아오면 어떤 혜택을 받을 수 있는지, 다른 계좌에서 해외자산을 다시 사는 행동이 계산에 어떻게 영향을 주는지 확인하겠습니다.

설명과 계산의 근거

자료 확인: 2026년 9월 18일. 정부안은 최초 발표 자료와 수정 자료를 함께 읽었습니다. 아래 금융회사 자료는 제도 설명을 위한 참고이며 특정 회사나 상품의 추천이 아닙니다.

국가법령정보센터 — 조세특례제한법 제91조의18: 현행 비과세 한도, 계약기간, 납입한도, 해지 시 정산 및 중도해지 규정. 법률상 9%에 지방소득세를 더한 9.9%를 본문에 사용했습니다.
삼성증권 ISA 안내, ISA 기본 안내: 가입 유형, 의무가입기간, 중도인출과 납입한도.
신한투자증권 ISA 안내: 상품별 손익통산 범위와 해외주식 직접 매수 제한, 납입한도 이월 예시.
재정경제부 — 2026년 세제개편안 발표, 8월 3일: 첨부 상세본 인쇄 쪽수 18쪽의 생산적금융 ISA 신설안. 22쪽의 기존 ISA 제한안 등은 아래 9월 자료로 대체해 읽었습니다.
재정경제부 — 2026년 세제개편안 정부안 확정, 9월 1일: 첨부 PDF 2~3쪽의 ISA 수정사항. 일반 ISA 현행 유지 및 생산적금융 ISA 지원 확대 확인.
정책브리핑 — 제38회 국무회의 결과, 9월 1일: ISA 관련 수정 의결 내용 교차 확인.

⚠️ 이 글은 AI를 활용해 투자 관련 내용을 공부하며 정리한 글입니다. 특정 종목이나 투자 방식에 대한 권유가 아니며, 내용에 오류가 있거나 최신 정보와 다를 수 있습니다. 실제 투자 전에는 공식 자료를 직접 확인하시기 바랍니다. 투자 판단과 그 결과에 대한 책임은 투자자 본인에게 있습니다.

이 글은 세무 자문이 아닙니다. 계산은 정상 해지·정산과 특정 과세손익을 가정한 학습용 예시이며, 실제 세액은 가입 자격·상품별 통산 범위·외국 원천세·비용 등에 따라 달라질 수 있습니다. 생산적금융 ISA는 확인일 기준 정부안으로 설명했으며, 최종 법령과 시행·출시 조건은 달라질 수 있습니다. 개별 사안은 국세청 또는 세무 전문가와 취급 금융회사에 확인하시기 바랍니다.

서학개미의 5월 숙제 — 해외주식 양도소득세를 계산하는 법 · 계좌와 세금 교과서 ②

Thu, 17 Sep 2026 20:00:00 +0900

ACCOUNT & TAX / 02

계좌는 셋이어도,
세금 장부는
하나입니다.

흩어진 매매손익을 한 장에 모으는 법.
서학개미의 5월 숙제.

한 사람의 연간 정산 / 예시

A증권사+500만원

B증권사-150만원

C증권사+100만원

기본공제 · 한 번-250만원

예상 세금44만원

가계부를 세 권 쓴다고 한 달 생활비가 세 번 생기는 것은 아닙니다. 해외주식 세금도 비슷합니다. 증권사마다 흩어진 매매내역을 모아, 지난해 매도로 확정한 손익을 한 사람의 장부로 결산합니다. 그 장부를 신고하는 때가 다음 해 5월입니다.

문제는 대부분의 투자자가 여러 종목을 여러 증권사에서 사고판다는 점입니다. 엔비디아에서는 이익이 났지만 테슬라에서는 손실이 났고, A증권사에서는 팔았지만 B증권사에는 아직 보유 중일 수 있습니다. 이 숫자를 한 해의 장부로 합치는 것이 해외주식 양도소득세의 시작입니다.

이번 편에서는 세법 전체를 외우기보다, 무엇을 합치고 무엇을 빼며 언제 신고하는지를 계산 순서로 보겠습니다. 1편의 계좌별 세후 수익 비교에서 한 걸음 더 들어가는 이야기입니다.

적용 범위: 국내에 계속 5년 이상 주소 또는 거소를 둔 거주자의 일반적인 해외주식·해외 상장 ETF 매매를 가정합니다. 이주·증여·한시적 세제 특례 등은 이번 계산에서 제외합니다.

01 아직 팔지 않은 이익에는 보통 세금이 붙지 않습니다

주가가 올랐다고 바로 양도소득세가 생기는 것은 아닙니다. 핵심 기준일은 매도해서 양도차익이 확정된 날입니다.

FIGURE 01 / 장부에 넣을 숫자

앱의 수익률과 세금의 수익은 다릅니다.

이익을 보고 매도

실현 이익

양도손익에 합산

손실을 보고 매도

실현 손실

통산 대상이면 차감

가격은 변했지만 계속 보유

평가손익

이번 양도손익에 미포함

보유 중 받은 배당금

배당소득

양도소득과 별도 계산

일반적인 주식 매매 기준입니다. 손실 상계에는 같은 과세연도·통산 대상이라는 조건이 붙습니다.

따라서 화면에 표시된 평가손익과 세금 계산용 양도손익은 다를 수 있습니다. 해외주식 세금은 평가의 문제가 아니라 실현의 문제입니다.

연말에는 주문일과 결제일이 다르다는 점을 특히 확인하세요. 일반적인 해외주식 거래의 양도 시기는 대금이 청산되는 결제일을 기준으로 판단합니다. 12월 말에 주문했어도 결제가 다음 해라면 귀속연도가 달라질 수 있으므로, 이용 증권사의 시장별 연말 결제 일정을 확인해야 합니다.

02 계산 순서는 네 칸이면 됩니다

해외주식 양도소득세의 기본 구조는 다음과 같습니다.

양도소득금액 = 매도금액 - 취득금액 - 필요경비

과세표준 = 양도소득금액 - 기본공제 250만원 (음수이면 0)

산출세액 = 과세표준 × 22%

여기서 22%는 국세 20%와 지방소득세를 합친 일반적인 세율입니다. 실제 신고에서는 환율 적용일, 거래비용, 주식 종류와 납세자 요건에 따라 달라질 수 있으므로 아래 계산은 이해를 위한 단순 예시입니다.

가정으로 계산해보겠습니다

다음 조건을 가정하겠습니다.

2026년 한 해 동안 해외주식을 매도했습니다.
매도금액과 취득금액을 원화 기준으로 정리한 순이익은 800만원입니다.
다른 국내·국외 주식 양도손익은 없습니다.
필요경비와 개인별 특례는 단순화를 위해 제외합니다.

FIGURE 02 / 800만원의 계산서

22%를 곱하기 전에, 먼저 빼줍니다.

기본공제 250만원 / 31.25%과세표준 550만원 / 68.75%

① 한 해 통산한 양도소득800만원

② 기본공제-250만원

③ 세율을 곱할 금액550만원

④ 550만원 × 22%121만원

국세 110만원 + 지방소득세 11만원. 다른 통산 대상 주식 손익·특례가 없는 예시입니다.

800만원을 벌었다고 800만원 전체에 22%를 곱하는 것이 아닙니다. 먼저 250만원을 빼고, 남은 금액에 세율을 적용합니다.

03 250만원은 증권사마다 한 번씩 주는 쿠폰이 아닙니다

가장 흔한 오해가 있습니다.

“A증권사에서 250만원, B증권사에서 250만원씩 공제받을 수 있나요?”

아닙니다. 기본공제는 증권사별이 아니라 납세자 한 명의 한 과세연도 기준입니다. 증권사를 세 곳 사용해도 해외주식 양도소득을 합산한 뒤 기본공제는 연 250만원을 한 번 적용합니다.

FIGURE 03 / 내 손으로 합쳐보기

증권사를 더해도 공제는 한 번.

같은 해 매도로 확정한 원화 손익을 넣어보세요. 손실은 음수로 입력합니다.

A증권사 단위: 만원B증권사 단위: 만원C증권사 단위: 만원

합친 양도손익450만원

기본공제 후 과세표준200만원

예상 세금 · 지방세 포함44만원

국세 40만원 + 지방소득세 4만원

기본공제 250만원을 전부 사용할 수 있는 일반적인 해외주식 매매의 학습용 계산입니다. 입력값은 필요경비를 반영한 원화 양도손익이며, 다른 과세 대상 국내주식·특례는 제외합니다. 세금이 0이라는 결과가 신고 의무 면제를 뜻하지는 않습니다. 입력값은 서버로 전송하지 않습니다.

위 계산에서 A증권사의 500만원만 보고 세금을 계산하면 안 됩니다. 같은 과세연도에 발생한 통산 대상 양도손익을 먼저 합쳐야 합니다.

반대로 아직 팔지 않은 평가손실은 표에 넣을 수 없습니다. 손실을 세금 계산에 반영하려면 실제 매도로 손실을 확정해야 합니다. 그렇다고 세금만을 이유로 필요하지 않은 매매를 하라는 뜻은 아닙니다. 거래비용, 가격 변동, 투자 판단을 함께 고려해야 합니다.

04 국내주식 손실도 무조건 합쳐지는 것은 아닙니다

국세청은 일정한 과세 대상 국내주식과 국외주식 사이의 손익통산을 허용하고 있습니다. 하지만 모든 국내주식 손익이 자동으로 해외주식과 합쳐지는 것은 아닙니다.

예를 들어 국내 상장주식을 장내에서 매도한 소액주주의 일반적인 거래차익은 양도소득세 과세 대상이 아닙니다. 이런 비과세 국내주식 손실을 해외주식 이익에서 빼는 식으로 계산하면 안 됩니다.

반면 국내 비상장주식이나 과세 대상 국내주식의 양도손익은 요건에 따라 국외주식과 통산될 수 있습니다. 결국 확인해야 할 질문은 “양도소득세 과세 대상인 손익인가?”입니다.

05 신고는 다음 해 5월입니다

국외주식은 예정신고 의무가 없고, 양도한 다음 해 5월에 확정신고하는 구조입니다.

예를 들어 2026년 1월 1일부터 12월 31일까지 확정한 양도손익은 2027년 5월에 신고·납부합니다. 국세청의 확정신고 기간은 통상 5월 1일부터 5월 31일까지이며, 말일이 휴일이면 다음 영업일까지 연장될 수 있습니다.

FIGURE 04 / 두 해에 걸친 일정

올해 판 주식, 내년 5월에 정산합니다.

손익을 확정하는 해2026년
1월–12월

그해 귀속 양도손익을 합산합니다. 연말에는 결제일을 확인합니다.

자료를 모으는 때2027년
신고 전

모든 증권사의 계산자료를 모으고, 빠진 거래가 없는지 살펴봅니다.

신고와 납부2027년
5월

국세와 지방소득세 신고·납부를 각각 확인합니다.

국외주식은 예정신고가 면제됩니다. 법정 확정신고 기간은 다음 해 5월 1일–31일이며, 휴일 등 기한 특례와 해당 연도 공지를 확인하세요.

신고 대상인데 신고하지 않으면 무신고·납부지연 가산세 문제가 생길 수 있습니다. 금액이 작아 보인다고 신고 의무가 사라지는 것은 아닙니다. 정확한 신고기한과 가산세는 신고 시점의 국세청 안내를 확인해야 합니다.

06 여러 증권사를 쓴 사람의 실제 준비 순서

5월이 되어 홈택스부터 열면 오히려 어렵습니다. 연초에 다음 순서로 자료를 모아두는 편이 낫습니다.

1. 모든 증권사의 연간 거래내역을 받습니다

증권사 앱이나 홈페이지에서 해외주식 양도소득금액 계산자료, 거래내역, 손익계산서 중 해당 메뉴를 찾습니다. 증권사마다 명칭과 제공 시점이 다를 수 있으므로 한 곳의 자료만 보고 끝내면 안 됩니다.

2. 매도한 종목만 추립니다

보유 중인 평가손익과 배당금은 양도소득 계산표에서 분리합니다. 매도한 종목의 취득가액, 양도가액, 수수료, 환율 적용 내역을 확인합니다.

3. 증권사별 금액을 한 장부로 합칩니다

A증권사의 이익과 B증권사의 손실을 따로 신고하는 것이 아닙니다. 같은 납세자의 같은 과세연도 양도손익으로 합쳐 기본공제를 한 번 적용합니다.

4. 증권사 계산값을 그대로 복사하지 말고 비교합니다

증권사마다 환율 적용 방식이나 거래비용 표시 방식이 달라 보일 수 있습니다. 차이가 있으면 거래내역 원문과 계산 기준을 확인하고, 해결되지 않으면 국세청이나 세무 전문가에게 문의합니다.

5. 신고 후 납부까지 확인합니다

양도소득세 신고와 납부는 별개의 절차입니다. 신고서를 제출한 뒤에는 국세뿐 아니라 개인지방소득세도 신고·납부했는지 확인하세요. 증권사의 신고 대행을 이용했다면 대행 범위와 본인이 납부할 항목을 확인하는 것이 좋습니다.

07 연말에 손실 종목을 팔면 절세인가요?

수익 난 종목과 손실 난 종목을 같은 해에 매도하면 통산 대상 양도손익이 줄어 세금이 낮아질 수 있습니다. 하지만 이것은 “세금이 줄어드니 무조건 팔자”는 공식이 아닙니다.

손실 종목을 팔고 곧바로 다시 사는 전략은 가격 변동과 거래비용, 투자 판단의 문제를 동반합니다. 손실을 확정한 뒤에도 그 종목을 계속 보유하고 싶은지, 매도와 재매수 사이의 시장 위험을 감당할 수 있는지 먼저 물어야 합니다.

절세는 투자의 목적이 아니라 투자 결과를 정리하는 방법 중 하나입니다. 세금 22만원을 줄이려다가 투자 판단에서 더 큰 손실을 만들면 계산의 의미가 사라집니다.

정리

해외주식 양도소득세는 주가가 오른 시점이 아니라 매도해 이익이 확정된 시점을 기준으로 계산합니다.
한 해의 양도손익을 합친 뒤 250만원 기본공제를 한 번 적용합니다. 증권사마다 따로 공제받는 쿠폰이 아닙니다.
일반적인 외국법인 주식 양도차익은 기본공제 초과분에 국세와 지방소득세를 합쳐 22%를 적용합니다.
다른 증권사의 손실도 같은 과세연도의 통산 대상이라면 합칠 수 있지만, 평가손실은 합칠 수 없습니다.
국내주식 손실도 모두 해외주식 이익과 합쳐지는 것은 아닙니다. 양도소득세 과세 대상인지를 확인해야 합니다.
국외주식은 예정신고 없이 다음 해 5월에 확정신고·납부합니다.
5월 전에 모든 증권사의 거래내역을 모아 하나의 장부로 합치는 것이 가장 중요합니다.

앞 편 「500만원 벌었는데, 내 돈은 얼마일까?」에서는 같은 수익이라도 계좌에 따라 손에 남는 돈이 달라지는 이유를 살펴봤습니다. 이번 편의 결론은 그 계산표를 직접 만드는 법입니다. 다음 편에서는 이 구조 위에 2026년 ISA 제도 개편이 무엇을 더하고 무엇을 없애는지 확인하겠습니다.

계산의 근거

자료 확인: 2026년 9월 17일. 세법은 개정될 수 있으므로 실제 신고 때는 해당 귀속연도의 국세청 안내와 법령을 다시 확인해야 합니다.

국세청 세액계산요령 — 국외주식 과세 및 국내·국외주식 손익통산
국세청 양도소득세 법정 신고기한 — 국외주식 확정신고
국세청 국외주식 관련 주요 Q&A — 확정신고 대상과 홈택스 신고·납부
삼성증권 해외주식 양도소득세 안내 — 계산 예시·원화 환산 설명 참고. 이 페이지의 국내·국외주식 손익통산 불가 문구는 국세청의 2020년 이후 안내와 달라, 통산 범위는 위 국세청 자료를 따랐습니다.

⚠️ 이 글은 AI를 활용해 투자 관련 내용을 공부하며 정리한 글입니다. 특정 종목이나 투자 방식에 대한 권유가 아니며, 내용에 오류가 있거나 최신 정보와 다를 수 있습니다. 실제 투자 전에는 공식 자료를 직접 확인하시기 바랍니다. 투자 판단과 그 결과에 대한 책임은 투자자 본인에게 있습니다.

이 글은 세무 자문이 아닙니다. 본문의 계산은 특정 조건을 가정한 예시이며, 환율·거래비용·상품 유형·개인별 손익에 따라 실제 결과가 달라질 수 있습니다. 세법과 시행령은 개정될 수 있으므로 실제 신고 전 국세청 또는 세무 전문가에게 확인하시기 바랍니다. 신고 의무 이행에 대한 책임도 본인에게 있습니다.

500만원 벌었는데, 내 돈은 얼마일까? · 계좌와 세금 교과서 ①

Wed, 16 Sep 2026 20:00:00 +0900

매도 버튼을 눌렀습니다. 수익은 +500만원.

이제 500만원을 쓸 수 있을까요?

아직 계산이 하나 남았습니다. 세금입니다. 어떤 ETF를 어느 계좌에서 샀는지에 따라, 같은 500만원에서도 손에 남는 돈이 달라집니다.

앞선 45편에서는 무엇을 살지 고민했습니다. 반도체, 전력, 지수, 순환매, 금리, 로봇까지. 이번 시리즈는 매수 화면에서 종목 이름 옆에 있는, 평소엔 그냥 넘겼던 항목을 봅니다.

계좌 선택. 별것 아닌 설정처럼 보이지만, 수익의 마지막 숫자를 바꿉니다.

47만 3천원은 어디서 사라졌을까

같은 미국 지수를 따라가는 ETF에 투자해 세전 매매차익 500만원을 얻었다고 해봅시다. 국내 상장 ETF를 일반계좌에서 샀다면 세금은 77만원, 일반형 ISA에서 샀다면 29만 7천원입니다.

같은 국내 상장 ETF인데 계좌만 바꿔도 47만 3천원이 달라집니다. 여기에 미국 상장 ETF를 일반계좌에서 산 경우까지 나란히 놓아보겠습니다.

이 비교의 약속

한국 거주 개인의 단순 예시입니다. 분배금 없이 세전 매매차익 500만원을 마지막 한 과세연도에 전부 실현하며, 국내 상장 ETF의 과세대상 이익도 500만원이라고 가정합니다. 다른 금융소득·주식 양도손익은 없고 연 250만원 기본공제를 전부 쓸 수 있습니다. ISA는 일반형으로 3년 이상 유지한 뒤 해지·정산하며, 계좌 전체의 누적 과세대상 순이익이 500만원입니다. 수수료·환율·추적오차에 따른 상품 간 차이는 제외했고, 세율은 지방소득세 포함입니다.

500만원을 세후 수익과 세금으로 나누면

막대 전체 = 세전 매매차익 500만원

국내 상장 해외 ETF일반계좌423만원세금 77만원

미국 상장 ETF일반계좌445만원세금 55만원

국내 상장 해외 ETF일반형 ISA470.3만원세금 29.7만원

단색 = 세후 수익빗금 = 세금

47.3만원

이 예시의 최대 세후 수익 차이.
세전 이익 500만원의 약 9.5%입니다.

원금을 포함한 계좌 잔액이 아니라 ‘수익 중 남는 금액’입니다. 투자수익률이 9.5%포인트 높아진다는 뜻은 아닙니다.

여기에는 두 가지 비교가 섞여 있습니다. 국내 상장 ETF의 일반계좌와 ISA를 비교하면 계좌의 차이가 보이고, 일반계좌에서 국내 상장 ETF와 미국 상장 ETF를 비교하면 상품의 과세 방식 차이가 보입니다.

같은 지수를 따라가도 같은 상품은 아닙니다. “무엇을 따라가는가"만큼 “어떤 상품을 어디에 담았는가"가 중요한 이유입니다.

15.4%가 22%보다 세금을 더 낸다고?

일반계좌 두 개만 보겠습니다. 국내 상장 해외 ETF에는 15.4%, 미국 상장 ETF 매매차익에는 22%가 적용됩니다. 숫자만 보면 15.4% 쪽이 유리해 보입니다.

그런데 세금은 77만원 대 55만원입니다. 이 예시에서는 낮은 세율 쪽이 22만원을 더 냅니다.

세율을 곱하기 전에 빼주는 금액이 다르기 때문입니다.

국내 상장 해외 ETF · 일반계좌

공제 없이 계산

세전 이익500만원

빼주는 금액없음

과세대상500만원

적용 세율× 15.4%

세금77만원

전체 이익 대비 15.4%.
과세대상 이익이 매매차익과 같다는 가정입니다.

미국 상장 ETF · 일반계좌

250만원을 빼고 계산

세전 이익500만원

연 기본공제− 250만원

과세대상250만원

적용 세율× 22%

세금55만원

전체 이익 대비 11%.
공제는 종목마다·계좌마다 따로 주어지지 않습니다.

국내 상장 해외 ETF · 일반형 ISA

200만원까지 비과세

누적 순이익500만원

비과세 한도− 200만원

초과분300만원

적용 세율× 9.9%

세금29.7만원

전체 이익 대비 5.94%.
200만원은 매년 새로 생기는 한도가 아닙니다.

세율은 마지막 곱셈입니다.
먼저 봐야 할 것은 ‘얼마에 곱하는가’입니다.

미국 상장 ETF의 매매차익은 양도소득으로, 국내 상장 해외 ETF의 과세대상 매매차익은 배당소득으로 다룹니다. 같은 미국 지수에서 번 돈이라도 세법상 이름이 달라지면 계산법이 달라집니다.

그리고 한 가지 주의할 점이 있습니다. 국내 상장 ETF는 보유기간 과세 구조라서, 실제 세금이 단순히 “매매차익 × 15.4%“와 다를 수 있습니다. 위 계산은 과세대상 이익이 매매차익과 같다고 가정한 것입니다.

그럼 ISA가 늘 유리할까

500만원짜리 표 하나로는 답할 수 없습니다. 금액을 바꾸면 순위가 바뀝니다. 아래 막대를 직접 움직여 보세요.

세전 매매차익을 바꿔보세요

500 만원

100만원1,500만원

국내 상장 해외 ETF
일반계좌 · 세후 수익423 만원

미국 상장 ETF
일반계좌 · 세후 수익445 만원

국내 상장 해외 ETF
일반형 ISA · 세후 수익470.3 만원

500만원에서는 일반형 ISA의 세후 수익이 가장 큽니다. 일반계좌끼리는 250만원 기본공제를 쓰는 미국 상장 ETF가 앞섭니다.

계산식(단위 만원) — 국내 일반 = 이익 × 84.6% / 미국 일반 = 이익 − max(이익 − 250, 0) × 22% / 일반형 ISA = 이익 − max(이익 − 200, 0) × 9.9%. 매매차익 전액이 과세대상인 가정이며 분배금·다른 소득·손실·비용을 반영하지 않은 학습용 비교입니다.

250만원에서는 미국 상장 ETF의 양도소득세가 0원입니다. 기본공제 안에 들어가니까요.

1,000만원에서는 일반계좌끼리의 순위가 뒤집힙니다. 국내 상장 해외 ETF가 846만원, 미국 상장 ETF가 835만원입니다. 정해진 250만원 공제가 수익 전체에서 차지하는 비중이 줄어들기 때문입니다.

금액만 변수가 아닙니다 — 언제 실현했는지도 바뀝니다

미국 상장 ETF에서 다른 주식 양도손익 없이 기본공제를 전부 쓸 수 있다고 해봅시다.

어떻게 실현했나	세금
한 과세연도에 500만원을 한 번에	55만원
두 과세연도에 250만원씩 나눠서	0원

같은 500만원인데 파는 시점만 나눴을 뿐입니다. 기본공제가 해마다 주어지기 때문입니다.

이건 실현 시점만 바꾼 별도 예시입니다. 실제로 원하는 가격에 나눠 매도할 수 있다는 보장은 없고 거래비용도 제외했습니다. 그리고 ISA의 200만원 비과세 한도는 가입기간 전체 기준입니다. “연간 공제"와 “계좌 전체 비과세"를 같은 시계로 읽으면 안 됩니다.

계좌에는 영구적인 등수가 없습니다. 얼마를 벌었는지, 언제 실현했는지, 공제가 남았는지를 넣어야 내 계산이 됩니다.

매수 전에 확인할 세 가지

모든 세법을 외울 필요는 없습니다. 세 가지 질문으로 시작하면 됩니다.

빼주는 금액이 있나?

250만원 기본공제나 ISA의 비과세 한도처럼, 세금을 계산하기 전에 제외하는 금액이 있는지 봅니다. 그 한도가 매년인지, 가입기간 전체인지도 함께 확인합니다.

손실도 같이 계산해주나?

통산 가능한 상품 A에서 300만원을 벌고 B에서 100만원을 잃었다면, ISA에서는 합친 순이익 200만원을 기준으로 계산할 수 있습니다. 해외주식은 일반계좌에서도 같은 과세연도의 통산 대상 양도손익을 합칩니다. 반면 일반계좌의 국내 상장 해외 ETF는 다른 ETF의 손실을 이렇게 상계하지 못합니다. 다만 ISA도 상품마다 통산 대상 범위가 달라, 계좌 안의 모든 손실이 무조건 합쳐진다고 읽으면 안 됩니다.

다른 소득과 합쳐지나?

국내 상장 해외 ETF의 과세대상 매매차익은 배당소득이라 금융소득종합과세 판단에 들어갑니다. 이자·배당소득 합계가 연 2,000만원을 넘는 경우를 살펴야 합니다. 반면 해외주식 양도소득은 종합소득과 별도로 계산하고, ISA의 비과세 한도 초과분은 분리과세합니다.

세율만 적힌 비교표를 만나면, 이 세 질문이 빠져 있는지부터 보세요.

절세도 중요하지만, 언제 쓸 돈인가요

내년에 쓸 돈과 은퇴 후에 쓸 돈은 다릅니다. 세금만 줄였다가 필요한 때에 꺼내기 불편해진다면, 계좌를 잘 골랐다고 하기 어렵습니다.

일반계좌

상품별 과세 방식 확인

해외주식·ETF 직접 투자에 쓸 수 있습니다. 절세계좌의 의무가입기간은 없지만, 매매차익과 분배금에 붙는 세금은 상품마다 다릅니다.

중개형 ISA

3년 이상 유지 가능하다면

국내 상장 ETF로 해외 지수에 투자할 수 있습니다. 미국 상장 주식·ETF를 직접 살 수는 없습니다. 일반형은 손익통산 후 200만원까지 비과세, 초과분은 9.9%로 분리과세합니다.

연금저축 · IRP

노후자금이라면

납입 시 세액공제와 운용 중 과세이연을 활용합니다. 다만 연금 외 인출에는 세금 부담이 생길 수 있고 IRP의 중도인출 사유는 제한됩니다. 연금저축과 IRP의 인출 규칙은 같지 않습니다.

연금계좌의 인출 조건과 한시 특례, 새로 생기는 제도는 해당 편에서 따로 보겠습니다. 이번 편의 핵심은 계좌를 전부 외우는 게 아니라 계좌 선택에도 조건이 붙는다는 것을 아는 데 있습니다.

정리

같은 세전 500만원이라도 세후 금액이 다릅니다. 국내 상장 해외 ETF 일반계좌 423만원, 미국 상장 ETF 일반계좌 445만원, 일반형 ISA 470.3만원. 최대 차이 47.3만원(약 9.5%)입니다.
세율이 낮은 쪽이 세금을 더 낼 수 있습니다. 15.4%가 77만원, 22%가 55만원이었습니다. 세율을 곱하기 전에 빼주는 금액이 다르기 때문입니다.
소득의 이름이 다릅니다. 미국 상장 ETF 매매차익은 양도소득, 국내 상장 해외 ETF의 과세대상 매매차익은 배당소득입니다.
금액이 바뀌면 순위가 바뀝니다. 250만원에서는 미국 상장 ETF 세금이 0원이고, 1,000만원에서는 일반계좌끼리 국내 상장 해외 ETF가 역전합니다.
실현 시점도 변수입니다. 500만원을 한 해에 실현하면 55만원, 두 해에 250만원씩 나누면 0원입니다. 기본공제는 해마다 주어집니다. 반면 ISA의 200만원은 가입기간 전체 기준입니다.
매수 전 세 가지를 확인하세요. ①빼주는 금액이 있나 ②손실도 같이 계산해주나 ③다른 소득과 합쳐지나.
절세만 보지 마세요. 언제 쓸 돈인지가 계좌 선택의 절반입니다.

“얼마 오를까?”를 고민했다면,
매수 전에 한 번 더 물어보세요.
“이 상품을 이 계좌에서 사면, 내 손에는 얼마가 남을까?”

다음 편은 서학개미의 5월 숙제입니다. 250만원 공제는 누구 기준일까요? 증권사를 두 곳 쓰면 두 번 받을까요? 해외주식 양도소득세의 계산부터 신고까지 이어가겠습니다.

계산의 근거

자료 확인: 2026년 9월 16일. 아래는 이 글의 계산과 제도 설명에 사용한 자료입니다. 발표된 개편안과 시행 중인 제도는 구분하며, 실제 거래에는 해당 시점의 법령과 적용 요건을 확인해야 합니다.

국내 상장 ETF 과세 — 삼성자산운용 투자설명서의 과세 항목. 매매차익과 과표증분 등을 비교하는 보유기간 과세 구조, 배당소득세와 금융소득종합과세 설명. 실제 세금은 매매차익에 15.4%를 곱한 값과 다를 수 있습니다.
해외주식 양도소득 — 국세청 세액계산요령, 삼성증권 해외주식 거래 안내. 통산 대상 국내·국외 주식 양도소득을 합산해 연 250만원 공제. 일반적인 외국법인 주식 양도차익 세율은 국세 20%에 지방소득세를 더해 22%가 됩니다.
ISA — 신한투자증권 ISA 안내, 삼성증권 ISA 안내. 일반형 비과세 200만원, 초과분 9.9%, 의무가입기간 3년과 투자 가능 상품. 상품마다 통산 대상 손익의 범위가 다릅니다.
연금계좌 인출 — 삼성자산운용 연금투자 가이드북, 삼성증권 IRP 안내. 세액공제를 받지 않은 연금저축 납입금, 공제받은 납입금, 운용수익, 퇴직금은 인출 시 과세 취급이 다릅니다.

이 비교가 단순화한 부분

본문은 매매차익만 비교합니다. 분배금의 국내외 원천징수, 외국납부세액 관련 처리, 환율·보수·추적오차, 계좌 가입 자격과 납입한도, 개인별 소득·손익은 반영하지 않았습니다. ISA의 의무가입기간과 실제 만기는 같지 않을 수 있고, 일반형과 서민형 등의 비과세 한도도 다릅니다. 슬라이더 계산은 모든 수익 구간에 대한 계좌 추천이나 개인별 세액 계산이 아닙니다.

⚠️ 이 글은 AI를 활용해 투자 관련 내용을 공부하며 정리한 글입니다. 특정 종목이나 투자 방식에 대한 권유가 아니며, 내용에 오류가 있거나 최신 정보와 다를 수 있습니다. 실제 투자 전에는 공식 자료를 직접 확인하시기 바랍니다. 투자 판단과 그 결과에 대한 책임은 투자자 본인에게 있습니다.

이 글은 세무 자문이 아닙니다. 본문의 계산은 특정 조건을 가정한 예시이며, 소득 구간·가입 유형·보유 기간·실현 시점에 따라 결과가 달라집니다. 세법과 시행령은 개정될 수 있고, 발표된 개편안이 그대로 시행된다는 보장은 없습니다. 개별 사안은 반드시 국세청 또는 세무 전문가에게 확인하시기 바랍니다. 언급한 금융상품과 금융회사 자료는 제도 설명을 위한 예시이며 특정 상품의 매수·매도 권유가 아닙니다. 신고 의무 이행에 대한 책임도 본인에게 있습니다.

같은 AI인데 점수가 37%p 벌어졌습니다 — 모델보다 '어떻게 돌리느냐'

Sun, 13 Sep 2026 13:46:00 +0900

3주 만에 트렌드 정리를 씁니다. 밀린 리포트를 몰아 보다가 좀 이상한 걸 발견했어요.

이번 주 조회수 1위가 AI가 인류를 멸종시킬 수 있다는 영상이었습니다. 44만 회. 그 아래로도 “AI 업계가 지금 정말 겁먹었다”, “외계인의 정신”, “앤트로픽 연구원이 사표를 던졌다” 같은 제목이 줄줄이 이어졌고요.

그런데 같은 주에 올라온 투자 채널 영상은 정반대 얘기를 하고 있었습니다. 기업들이 AI에 쓰는 돈이 줄고 있다고요.

세 줄 요약

GPT-6 아스트라가 나왔습니다. 같은 시험에서 62.7%와 99.9%를 동시에 받았어요. 차이는 모델이 아니라 돌리는 방식이었습니다.
공포 서사가 최고조였지만, 정작 상위 고객사들의 AI 지출은 월 10%씩 줄고 있습니다. 안 쓰는 게 아니라 싼 모델로 갈아타는 중이에요.
실전에선 에이전트가 파일을 헤매느라 태우는 토큰을 잡는 도구들이 떴습니다.

아스트라는 왔는데, 점수가 두 개였습니다

OpenAI가 GPT-6 아스트라를 내놨습니다. 공식 채널의 ChatGPT Work 소개 영상이 21만 회를 넘겼어요. 음성으로 시키면 PPT·엑셀·워드를 넘나들며 알아서 처리한다는 내용입니다.

성능 얘기가 쏟아졌는데, 그중 제 눈길을 끈 건 벤치마크 숫자였습니다. ARC-AGI 3이라는 시험에서 아스트라가 62.7%를 받았다고도 하고 99.9%를 받았다고도 하더군요.

둘 다 맞았습니다.

차이는 하니스였습니다. 모델을 감싸서 돌리는 실행 환경을 그렇게 부릅니다. 매번 새로 호출해서 맥락을 초기화하면 62.7%, 이전 추론을 이어가게 하면 99.9%가 나왔어요.

같은 모델입니다. 37%p 차이를 만든 건 모델이 아니라 어떻게 돌렸느냐였습니다.

그래서 나한테는? 새 모델이 나왔을 때 벤치마크 숫자만 보고 판단하면 안 된다는 뜻입니다. 그리고 더 중요한 건, 지금 쓰는 모델도 돌리는 방식만 바꾸면 성능이 올라갈 여지가 있다는 거예요. 모델을 갈아타기 전에 이쪽부터 볼 만합니다.

쓸 만한가? 15개 작업으로 붙여본 결과

한 채널이 아스트라와 클로드 페이블 5.1을 실제 업무 15개로 붙여봤습니다. 벤치마크 말고 실사용이라 참고할 만했어요.

결과는 아스트라 10승, 페이블 5승. 다만 숫자 두 개가 더 흥미로웠습니다.

비용: 아스트라가 약 186달러 더 쌌다
시간: 아스트라가 1시간 43분 더 걸렸다

싸지만 느린 겁니다. 아스트라는 시각 자료 해석과 복잡한 작업에서, 페이블은 문서 생성과 웹사이트 복제에서 강했다고 하고요.

시간이 돈인 작업이라면 계산이 달라질 수 있습니다. “어느 쪽이 더 좋냐"보다 내 작업이 어느 칸에 있냐를 먼저 보는 게 맞습니다.

공포 뉴스가 쏟아진 주, 돈은 반대로 움직였습니다

이번 주 화제성은 압도적으로 안전 쪽이었습니다. 터커 칼슨 채널의 초지능 경고 영상이 44만 회, 앤트로픽 전 연구원의 사직 소식, “외계인의 정신"이라는 OpenAI 수석 과학자의 표현까지.

앤트로픽이 직접 낸 오남용 보고서도 무거웠습니다. 클로드가 생물무기 개발과 사이버 공격에 쓰인 정황, 그리고 일부 기업이 클로드의 답변을 자사 모델 훈련에 끌어다 썼다는 내용이 담겼어요.

그런데 같은 주, 투자 쪽에서는 이런 분석이 나왔습니다.

OpenAI와 앤트로픽 매출의 80%가 상위 1% 기업에서 나오는데, 그 고객들의 AI 지출이 월 10%가량 줄고 있다는 겁니다.

중요한 건 줄어든 이유예요. AI를 덜 쓰는 게 아니라 비싼 프론티어 모델에서 싼 표준·경량 모델로 갈아타는 중이라는 분석이었습니다.

공포 서사와 현실의 방향이 정반대인 셈이죠. 뉴스는 “AI가 너무 강해진다"고 하는데, 장부는 “굳이 제일 센 걸 쓸 필요가 없더라"고 말하고 있습니다.

저는 후자가 더 실질적인 신호라고 봅니다. 물론 안전 논의가 중요하지 않다는 뜻은 아니고요.

이번 주에 건진 것들

에이전트가 느린 진짜 이유부터. 코딩 에이전트가 굼뜬 건 머리가 나빠서가 아니라 파일을 찾아 헤매기 때문입니다. 필요한 코드를 찾겠다고 이 파일 저 파일 열어보면서 컨텍스트가 부풀고 토큰이 샙니다.

Graft를 미리 돌려두세요. 깃허브 트렌딩에 오른 도구인데, graft init과 graft build로 코드베이스 구조를 먼저 그래프로 만들어 둡니다. 그러면 에이전트가 탐색을 건너뛰고 필요한 줄로 바로 갑니다. 토큰 최대 4배, 시간 최대 3배를 아꼈다는 게 영상의 주장이에요. 큰 프로젝트일수록 차이가 크다고 합니다.

페이블 5.1은 노력 설정을 낮춰보세요. 앤트로픽 권장과는 반대인데, 한 채널이 실측해보니 낮은 설정이 오히려 품질도 좋고 비용·시간도 아꼈다고 합니다. 저도 아직 안 해봐서 장담은 못 하지만, 한 번 비교해볼 가치는 있어 보입니다.

유니티 공식 플러그인이 나왔습니다. 클로드 플러그인 메뉴에서 Unity를 검색하면 설치됩니다. 게임 쪽 하시는 분들은 설정 없이 바로 붙습니다.

여러 앱에 걸친 일은 한 번에 시키세요. ChatGPT Work는 앱 하나 안에서 시키는 것보다, “데이터 분석하고 보고서 쓰고 일정까지 잡아줘"처럼 앱을 넘나드는 복합 작업에서 값을 합니다.

하나만 남긴다면 — 모델 말고 하니스

여기부턴 이번 주 뉴스가 아니라 오래 갈 얘기입니다.

우리는 보통 결과가 시원찮으면 모델을 바꿉니다. 더 비싼 걸로, 더 새 걸로요. 그런데 이번 주 숫자들이 가리키는 건 다른 쪽입니다.

같은 모델이 37%p 차이를 냈고, 에이전트 속도는 검색 방식에서 갈렸고, 품질은 노력 설정에서 갈렸습니다. 전부 모델 바깥의 문제예요.

그래서 순서를 이렇게 잡는 걸 권합니다.

맥락을 이어주고 있나 — 매번 초기화하고 있진 않은지
필요한 것만 주고 있나 — 탐색으로 토큰을 태우고 있진 않은지
그래도 부족한가 — 그때 모델을 올린다

지난 편에서 “지시를 줄일수록 결과가 좋아진다"는 얘기를 했는데, 결이 같습니다. 모델은 이미 충분히 똑똑하고, 병목은 대개 모델을 감싼 껍데기 쪽에 있습니다.

짚고 넘어갈 것

“OpenAI가 수학을 풀었다"는 제목이 여럿 돌았습니다. 폭스 뉴스까지 다뤘고요.

내용은 나비에-스토크스 문제입니다. 클레이 연구소가 건 밀레니엄 7대 난제 중 하나로, 유체 운동이 유한 시간 안에 특이점을 일으킬 수 있는지를 묻는 90년 묵은 문제예요. AI가 여기서 특이점 발생을 보이는 결과를 냈다는 게 발표의 요지입니다.

큰 성과인 건 맞습니다. 다만 세 가지는 같이 봐야 합니다.

“수학을 풀었다"가 아닙니다. 난제 하나에서 한 방향의 결과를 낸 거지, 수학이 끝난 게 아니에요.
AI 혼자 한 것도 아닙니다. 인간이 세운 전략 위에서 방대한 계산을 수행한 형태였습니다.
동시에 여러 곳이 붙어 있었습니다. 앤트로픽 연구자와 독립 수학자도 비슷한 작업을 하던 중이었고, OpenAI가 이를 알고 서둘러 발표했다는 논란이 있습니다.

공포 쪽 제목도 마찬가지입니다. “AI가 우리를 죽일 수 있다"는 경고는 경청할 가치가 있는 우려지만, 그게 곧 임박한 사실은 아닙니다. 같은 주에 나온 지출 데이터와 나란히 놓고 보는 편이 균형이 맞습니다.

나머지는 짧게

ChatGPT Images 2.5가 나왔습니다. 스케치를 넣으면 그걸 바탕으로 그려줍니다.
딥시크 하네스 2.0이 업데이트됐어요. 이미지 입력과 세밀한 에이전트 제어가 붙었습니다.
클로드 코드 구독을 해지했다는 영상이 화제였습니다. 오픈 가중치 모델과 로컬·오픈 모델 조합으로 대체하는 실험이었는데, 논지는 지난달 가격 편과 같습니다.
다빈치 리졸브 21.1에 AI 어시스턴트가 들어갔습니다.
국내에서도 아스트라가 뉴스에 올랐습니다. 반도체·전력 수요 확산 얘기와 함께요.

이번 주엔 이거 하나만

지금 쓰는 AI에게 맥락을 이어주고 있는지 확인해보세요.

매번 새 창을 열어 처음부터 설명하고 있다면, 그게 62.7%짜리 사용법입니다. 프로젝트 기능이든 메모리든 지식 그래프든, 맥락을 남기는 장치를 하나만 붙여보세요. 모델을 바꾸는 것보다 싸고 빠릅니다.

저는 이번 주에 Graft를 한번 돌려볼 생각입니다. 결과가 괜찮으면 다음 편에 적어둘게요.

여러분은 모델을 바꿔서 해결한 적이 많나요, 아니면 쓰는 방식을 바꿔서 해결한 적이 많나요. 저는 돌아보니 후자가 훨씬 많았습니다.

매주 유튜브 AI 영상 수십 편을 훑어서, 흐름이 되는 것만 골라 “내 작업에 뭐가 달라지나"로 옮기고 근거와 과장 필터를 붙입니다. 이번 편은 2026년 9월 6~12일 조회수 상위 영상을 봤어요. 성능·비용 수치는 각 영상에서 주장된 값이라 직접 검증하진 못했고, 그래서 조건과 반론을 본문에 같이 적었습니다. 나비에-스토크스는 클레이 연구소의 밀레니엄 문제, ARC-AGI는 공개된 벤치마크입니다.

출처 영상

ChatGPT Work, now powered by GPT-6 Astra — OpenAI
I Tested GPT-6 Astra vs Fable 5.1 on 15 Real Use Cases — Nate Herk
OpenAI’s President Says AGI Is Here — Jason Lowe on AI
AI News: The AI World is REALLY Scared Right Now — Matt Wolfe
AI Whistleblower: OpenAI Scandal, AI Cults, Neuralink — Tucker Carlson
‘Cracks in the AI Thesis’ — Prof G Markets
Github Top Trending Tool Just Fixed The AI Agent’s Biggest Problem — AI LABS
OpenAI JUST solved math…. — Wes Roth
AI cracks one of math’s biggest unsolved problems — LiveNOW from FOX
Anthropic Reports SHOCKING AI Misuse — Mint
Why I Cancelled My Claude Code Subscription — Jordan Urbs
Introducing the official Unity plugin for Claude Code — Unity

로봇주 투자 전 확인할 다섯 가지 — 제품에서 현금흐름까지 · AI 로봇 투자 교과서 ⑥

Sun, 13 Sep 2026 12:30:00 +0900

표지: 로봇 기업 자료를 검토하는 모습을 표현한 AI 생성 개념 이미지입니다. 화면과 서류의 수치는 분석 근거가 아닙니다.

중고차를 살 때 시동이 잘 걸린다는 이유만으로 계약하지는 않습니다. 주행거리, 정비 기록, 앞으로 들어갈 비용까지 확인합니다. 로봇 기업도 멋진 시연이 눈길을 끌 수 있지만, 투자 판단에는 다른 자료가 더 필요합니다.

앞선 다섯 편에서는 로봇의 작동 원리, 관절, 연산 플랫폼, 가격표, 기업의 사업 위치를 살펴봤습니다. 마지막 편에서는 이 내용을 제품 → 고객 → 반복 주문 → 수익성 → 자금 여력이라는 다섯 질문으로 모아보겠습니다.

전부 확인되면 무조건 좋은 투자라는 뜻은 아닙니다. 기업을 이해하는 일과 그 기업의 주식을 얼마에 살지는 마지막까지 다른 문제입니다.

01 지금 무엇을 팔고 있나요?

‘휴머노이드 관련 기업’ 대신 제품명 한 개를 적어보세요. 제품의 역할, 판매 대상, 현재 제공되는 기능이 구체적일수록 뒤의 숫자를 읽기 쉬워집니다.

예를 들어 로보티즈의 DYNAMIXEL-Y 공식 자료에서는 모터·감속기·브레이크의 결합 여부에 따라 제품 구성이 나뉩니다. 여기서 확인한 것은 ‘어떤 구동 제품을 제공하는가’입니다. 이 자료만으로 어느 휴머노이드 회사에 몇 개를 납품하는지까지 알 수는 없습니다.

제품 소개를 읽은 뒤에는 사업보고서의 주요 제품·서비스와 매출 항목을 찾아 이름을 맞춰봅니다. 개발 중인 신제품인지 현재 판매 제품인지도 분리해서 적습니다.

02 누가 왜 돈을 내나요?

고객은 연구자일 수도 있고, 로봇 제조사나 공장 운영사일 수도 있습니다. 연구용 구매 역시 실제 수요입니다. 다만 고객별 구매 이유와 반복 주문 조건이 다릅니다.

고객의 목적	다음에 확인할 질문
연구·데이터 수집	연구비와 개발 일정에 따라 주문이 어떻게 달라지는가
완성 로봇 생산	샘플 평가인지, 양산 채택인지, 실제 발주는 언제인가
고객 현장 자동화	어떤 작업의 시간·위험·비용을 줄이는가
서비스·유지보수	설치 기반이 늘수록 반복 매출이 생기는가

고객 이름이 유명하다는 것보다 거래의 성격이 중요합니다. 업무협약, 공동 연구, 샘플 제공, 공급 계약은 같은 단계가 아닙니다. 비공개 계약이라 자세한 조건을 알 수 없다면 그 한계를 그대로 기록합니다.

03 시험을 넘어 주문이 반복되나요?

공장을 증설하면 만들 수 있는 수량은 늘어납니다. 그러나 생산능력이 늘었다고 그만큼 주문이 들어온 것은 아닙니다. 또 주문이 들어왔다고 모두 인도·검수·매출 인식이 끝난 것도 아닙니다.

반복 주문이 있다면 같은 고객이 어떤 이유로 늘리는지 살펴봅니다. 연구용 장비를 추가한 것인지, 시험을 끝내고 다른 공장으로 확대하는 것인지에 따라 해석이 다릅니다.

따라 읽기 / 로보티즈를 예로 든 조사 순서

확인한 것과 아직 모르는 것을 나눕니다.

제품

공식 자료에서 확인

DYNAMIXEL-Y에 여러 구동 모듈 구성이 있습니다. 제품 존재와 제조사 사양을 확인한 단계입니다.

공시

DART에서 이어서 찾기

회사명으로 정기보고서를 찾고 주요 제품, 매출, 판매 경로, 수주 관련 내용을 읽습니다. 정정 보고서 여부도 확인합니다.

한계

공시되지 않으면 비워두기

특정 고객·모델별 판매량과 이익이 분리되지 않으면 회사 전체 숫자로 대체하지 않습니다.

제품 페이지를 출발점으로 한 조회 방법입니다. 이 예시가 해당 회사의 최신 수주·매출·이익을 검증한 투자 분석은 아닙니다.

이렇게 쓰면 메모의 결론이 “좋다” 또는 “나쁘다” 하나로 끝나지 않습니다. “제품은 확인했다. 양산 주문 규모는 아직 확인하지 못했다”라는 상태 자체가 다음 조사 방향이 됩니다.

04 고객과 공급사 양쪽에 경제성이 있나요?

고객은 로봇을 도입하고, 공급사는 로봇을 판매합니다. 사업이 지속되려면 양쪽이 각각 비용을 감당할 수 있어야 합니다.

고객 쪽에서는 도입 후 순현금 절감액으로 초기 지출을 얼마나 빨리 회수하는지 간단히 계산해볼 수 있습니다. 아래 계산은 4편의 가상 도입비를 이어받았습니다.

직접 계산 / 단순 회수기간

같은 로봇이라도 운영비가 달라지면 계산이 바뀝니다.

예상 절감액에서 추가 운영비를 뺀 뒤, 초기 도입비를 나눕니다. 금액은 전부 학습용 가정입니다.

초기 도입비 · 만원 연간 절감·개선 효과 · 만원 연간 추가 운영비 · 만원

연간 순절감액 1,200만원

약 3.3년

4,000 ÷ (1,800 - 600). 매년 같은 순절감액이 생긴다는 가정입니다.

현금 유출입 시점, 할인율, 세금, 잔존가치, 금융비용은 반영하지 않는 단순 계산입니다. 회수기간 이후의 효과도 평가하지 않습니다. 일손이 줄어도 실제 지출이 줄지 않으면 현금 절감으로 넣지 마세요. 공급사의 이익률이나 주식 적정가치 계산기가 아닙니다. 입력값은 전송하지 않습니다.

연간 추가 운영비를 600만원에서 1,000만원으로 바꿔보세요. 단순 회수기간은 약 3.3년에서 5년으로 늘어납니다. 예상만큼 가동하지 못해 절감 효과가 줄어도 같은 일이 생깁니다. 로봇의 구매 가격만으로 경제성을 판단하기 어려운 이유입니다.

공급사 쪽에서는 별도의 손익계산서를 봐야 합니다. 매출 증가와 함께 매출총이익, 영업손익이 어떻게 바뀌는지, 보증·지원 비용이나 연구개발 지출이 늘어나는지 확인합니다. 고객의 회수기간이 짧다고 공급사도 높은 이익률을 남긴다는 뜻은 아닙니다.

05 다음 단계까지 버틸 자금이 있나요?

매출이 늘어나는 회사도 현금이 부족할 수 있습니다. 고객에게 아직 받지 못한 매출채권이 늘거나, 납품을 준비하며 재고와 설비에 돈이 먼저 들어갈 수 있기 때문입니다. 현금흐름표는 영업·투자·재무 활동을 구분해 이 변화를 보여줍니다. IFRS 재단의 IAS 7 안내에서 기본 분류를 확인할 수 있습니다.

그래서 손익계산서에서 끝내지 않고 재무상태표와 현금흐름표를 함께 봅니다. 보유 현금, 영업활동 현금흐름, 설비 투자, 차입금의 만기, 추가 자금 조달 계획을 확인합니다. 잉여현금흐름은 흔히 영업현금흐름에서 설비투자 등을 차감해 보지만, 자료마다 정의가 다를 수 있으므로 계산 범위를 적어야 합니다.

재무 읽기 / 세 숫자를 함께 보기

많이 팔았다, 남겼다, 돈을 받았다.

매출

얼마를 판매했나

같은 기간·같은 연결 범위로 비교합니다. 수주 잔고와 혼동하지 않습니다.

이익

비용을 빼고 얼마를 남겼나

매출원가와 판매관리비, 일회성 항목을 살펴봅니다.

현금

현금은 들어왔나, 어디에 썼나

채권·재고·설비 투자와 금융 조달을 함께 읽습니다.

현금 유출이 모두 나쁜 것은 아닙니다. 성장 투자와 운영 손실을 구분하고, 투자 후 성과를 후속 보고서에서 확인합니다.

유상증자나 전환사채도 이름만 보고 판단하지 않습니다. 조달 목적, 가격과 전환 조건, 잠재적인 주식 수 증가, 회사가 그 자금으로 달성하려는 이정표를 함께 봅니다. 기술이 성공할 가능성과 현재 주주가 얻게 될 결과가 같지는 않기 때문입니다.

실제로 열어볼 자료

아래는 숫자의 출처를 대신하는 장식용 링크가 아니라, 직접 조회를 시작하는 입구입니다. 공시를 인용할 때에는 해당 보고서의 접수번호·기간·연결 여부를 별도로 기록하세요.

바로 가기 / 질문에 맞는 자료 선택

제품은 제조사에서, 실적은 공시에서.

DART · 금융감독원 전자공시회사명 → 정기보고서 → 사업의 내용·재무제표·주석. 정정 공시가 있는지 확인합니다. KIND · 한국거래소 기업공시공급계약, 자금 조달, 주요 경영사항의 구체적 조건을 확인합니다. KRX 정보데이터시스템주가·시가총액·상장주식 수를 같은 기준일로 맞춥니다. 로보티즈 공식 기술 문서 · 본문 사례제품 구성과 사양을 확인합니다. 판매량과 수익성 자료는 아닙니다.

마지막으로, 자료가 없다는 이유만으로 실패한 사업이라고 단정하지 마세요. 반대로 자료가 없으니 기대하는 숫자를 넣어도 된다는 뜻도 아닙니다. 확인된 사실, 회사의 계획, 나의 가정을 서로 다른 칸에 두는 습관이 필요합니다.

정리

로봇주를 읽는 다섯 질문은 단순합니다. 무엇을 파는지, 누가 왜 사는지, 주문이 반복되는지, 양쪽에 경제성이 있는지, 다음 단계까지 자금이 충분한지를 확인합니다.

여섯 편을 관통하는 기준도 같습니다. 기술의 가능성, 사업의 성과, 주식의 가격을 한 문장으로 건너뛰지 않는 것. 로봇이 유용해지는 미래와 지금의 투자 가격을 함께 살피는 데 이 시리즈가 작은 기준이 되었으면 합니다.

⚠️ 이 글은 AI를 활용해 투자 관련 내용을 공부하며 정리한 글입니다. 특정 종목이나 투자 방식에 대한 권유가 아니며, 내용에 오류가 있거나 최신 정보와 다를 수 있습니다. 실제 투자 전에는 공식 자료를 직접 확인하시기 바랍니다. 투자 판단과 그 결과에 대한 책임은 투자자 본인에게 있습니다.

계산기는 단순한 가정에 따른 교육용 도구이며 실제 사업성 평가나 투자 자문을 대체하지 않습니다. 공시의 기간·연결 범위·정정 여부를 확인해야 합니다.

직접 만든 무료 압축 프로그램 ArcBox를 공개합니다

Sat, 12 Sep 2026 13:00:00 +0900

몇 년째 잘 쓰던 무료 압축 프로그램이 있었다. 어느 날부터 압축을 풀 때마다 광고가 뜨기 시작했다.

오늘따라 이게 유독 귀찮고 걸리적거리게 느껴졌다. 유료판을 사면 광고가 없어지는 건 알지만, 압축 푸는 데 돈을 내자니 그것도 내키지 않았다.

요즘 AI가 워낙 뛰어나니, 그냥 한번 만들어보기로 했다.

ArcBox

광고가 전혀 없는 무료 압축 프로그램이다. Windows용이고, C#/WPF와 .NET 10으로 만들었다.

https://github.com/junstellar/ArcBox-free-zip-archiver

광고 없음
번들 설치 없음 (다른 프로그램 끼워팔기 안 함)
결제 유도 없음, 기능 제한 없음
소스 전체 공개 (Apache-2.0)

쓰고 싶은 분은 그냥 가져다 쓰시면 된다. 출처 표시만 지키면 회사에서 쓰든 고쳐서 쓰든 상관없다.

어떻게 생겼나

탐색기와 비슷하게 생겼다. 왼쪽에 폴더 트리, 가운데에 파일 목록, 오른쪽에 미리보기가 있다. 목록에는 원래 크기와 압축된 크기, 압축률이 같이 나온다.

위쪽 버튼들이 하는 일은 이름 그대로다. 압축 풀기는 위치를 고르는 창을 띄우고, 여기에 풀기는 압축 파일이 있는 폴더에 바로 푼다. 파일이 여러 개면 압축 파일 이름으로 폴더를 하나 만들어 그 안에 푸는 것이 기본이라, 압축을 풀었더니 바탕화면에 파일 수십 개가 쏟아지는 일은 없다.

테스트는 압축 파일이 깨지지 않았는지 확인하고, 악성코드 검사는 풀지 않고 내용만 백신에 넘겨 본다. 창에 파일을 끌어다 놓으면 기존 압축 파일에 그대로 추가된다.

아래쪽 상태 줄의 파일 이름 인코딩을 바꾸면 목록이 즉시 다시 그려진다. 오래된 압축 파일에서 이름이 깨져 보일 때 쓴다.

압축할 때

압축할 파일을 골라 오른쪽 클릭하면 나오는 창이다. 형식과 압축 수준을 고르고, 필요하면 암호를 건다. 기본이 AES-256이고, 오래된 프로그램과 주고받아야 할 때만 구형 ZipCrypto를 쓰면 된다. 7z은 파일 이름까지 암호화할 수 있다.

멀티코어는 따로 고를 것 없이 항상 전체 코어를 쓴다. 위 화면에서는 16개다.

고속 압축은 jpg·mp4·zip처럼 이미 압축된 파일을 다시 누르지 않고 그냥 담는 기능이다. 눌러봐야 크기는 그대로인데 시간만 걸리기 때문이다. 기본으로 켜져 있고, 확장자 목록은 설정에서 고칠 수 있다.

뭐가 되나

	압축	해제
ZIP (AES-256, ZIP64, 파일명 인코딩 자동 감지)	✔	✔
7z (LZMA2, 솔리드, 헤더 암호화, 분할 볼륨)	✔	✔
TAR, TAR.GZ, TAR.BZ2, TAR.XZ, TAR.ZST	✔	✔
GZ, BZ2, XZ, ZST	✔	✔
RAR, CAB, ISO, WIM, ARJ, LZH, CPIO, RPM, DEB, DMG, VHD, MSI 등	–	✔

압축 20여 종을 풀고, 주요 포맷은 압축도 된다.

속도는 신경 써서 만들었다

압축 프로그램에서 제일 중요한 건 결국 속도라고 생각해서 여기에 시간을 많이 썼다.

zip 압축은 파일을 1 MB 블록으로 잘라 모든 CPU 코어에서 동시에 압축한다. 보통 압축 프로그램은 파일 여러 개를 동시에 처리할 뿐, 큰 파일 하나는 한 코어로만 압축한다. 그래서 200 MB짜리 파일 몇 개를 압축하면 코어가 남아돌아도 느리다. ArcBox는 파일 하나를 블록으로 쪼개 전 코어에 뿌린다. (pigz라는 리눅스 도구가 쓰는 방식이다.)

푸는 것도 병렬로 한다. ZIP은 워커 스레드가 항목을 나눠 동시에 풀고, 7z 같은 건 압축 해제와 디스크 쓰기를 별도 스레드로 분리했다.

측정 결과

말로만 빠르다고 하면 의미가 없으니 재봤다. 쓰던 그 프로그램과 같은 조건에서 나란히 돌린 결과다.

데이터 8,004개 파일, 878 MiB. 텍스트 파일 8,000개에 200 MB짜리 이진 파일 4개를 섞었다. 작은 파일만 쓰면 파일 하나당 드는 비용만 보이고, 큰 파일만 쓰면 순수 처리량만 보여서 둘 다 넣었다.

방법 예열 1회를 먼저 돌리고 버린 뒤, 3회 측정해서 중앙값을 썼다. 푼 결과는 파일 수와 총 바이트를 원본과 대조해서 덜 풀고 빨리 끝난 경우를 걸렀다.

	ArcBox	반디집
ZIP 압축	1.98초	3.88초
ZIP 해제 — ArcBox가 만든 파일	3.69초	4.62초
ZIP 해제 — 반디집이 만든 파일	3.63초	4.40초
7z 해제	4.24초	5.03초

압축 결과 크기는 619 MB 대 619.8 MB로 거의 같다. 속도를 얻으려고 압축률을 버린 게 아니라는 뜻이다.

세 번째 줄이 개인적으로는 제일 마음에 든다. 자기가 만든 파일을 자기가 잘 푸는 건 자랑이 아니라서, 상대가 만든 zip을 양쪽이 각각 푸는 항목을 따로 넣었다. 남의 파일을 풀어도 결과는 같았다.

악성코드 검사 설정별로도 따로 쟀다.

검사 설정	ZIP 해제	7z 해제
위험 형식만 (기본값)	3.69초	4.24초
검사 끔	3.74초	4.15초
모든 파일 검사	5.32초	6.16초

기본값과 검사를 끈 것의 차이가 거의 없다. 위험한 확장자만 골라 앞부분만 보기 때문이다. 모든 파일을 검사하면 느려지지만, 그건 선택하는 사람만 감수하면 된다.

밝혀둘 것

측정 환경 Intel Xeon 6517P (16코어 32스레드), 64 GB RAM, Windows 11. 코어가 적은 PC에서는 병렬화 이득이 줄어든다. 노트북에서 이 차이가 그대로 나오진 않을 것이다.
비교 대상의 에디션을 결과에 기록해두지 않았다. 무료판은 압축 스레드가 16개로 제한되는데 측정 환경이 32스레드였으니, 압축 항목은 내 쪽에 유리했을 수 있다. 해제 항목은 이 제한과 무관하다.
파일 캐시가 더운 상태다. 반복 측정이라 원본이 메모리에 올라가 있다. 디스크가 느린 환경이라면 차이가 좁혀진다.
PC 한 대에서 잰 결과다.

측정에 쓴 스크립트와 원본 결과(csv, md)를 저장소 bench/ 폴더에 그대로 넣어뒀다. 명령 두 줄이면 각자 PC에서 다시 잴 수 있다.

그 외 챙긴 것들

악성코드 검사를 해준다. Windows에 설치된 백신(Defender 등)을 그대로 불러다가, 압축을 풀기 전에 내용을 검사하고 걸리면 저장하지 않는다. 기본은 exe·dll·스크립트·매크로 문서 같은 위험 형식만 검사해서 체감 속도 저하가 거의 없다. 설정에서 끄거나 전체 검사로 바꿀 수 있다.

압축 파일을 다시 안 풀고 수정할 수 있다. ZIP과 7z은 파일 추가·삭제·이름 바꾸기가 된다. 창에 끌어다 놓거나 F2, Delete로 된다.

이미 압축된 파일은 다시 안 누른다. jpg·mp4·zip·docx처럼 이미 압축된 파일은 저장만 해서 시간을 아낀다. 확장자 목록은 설정에서 고칠 수 있다.

명령줄 도구도 같이 들어 있다.

1
2
3
4


arcboxc a photos.zip D:\photos # 압축
arcboxc x download.zip -o D:\out # 해제
arcboxc a backup.7z D:\docs -p secret # 암호 걸어서
arcboxc scan download.zip # 풀지 않고 백신 검사

Windows 11 우클릭 메뉴에 들어간다. “추가 옵션 표시"를 거치지 않고 맨 위 메뉴에 바로 뜬다. 설치할 때 체크하면 되고, 원하지 않으면 빼도 된다.

받는 곳

다운로드 — https://github.com/junstellar/ArcBox-free-zip-archiver/releases/latest

설치 파일(ArcBox-0.1.0-setup.exe) 하나만 받아서 실행하면 된다. 소스는 저장소에 있다. .NET 같은 걸 따로 깔 필요 없고, 관리자 권한도 필요 없다. 내 계정 폴더에만 설치된다.

미리 알아두실 것 두 가지.

하나. 유료 코드 서명 인증서가 없어서 처음 실행하면 “Windows에서 PC를 보호했습니다” 경고가 뜬다. 추가 정보 → 실행을 누르면 된다. 인증서가 연간 수십만 원이라 개인 무료 프로젝트에는 부담이 커서 못 샀다. 소스가 전부 공개돼 있으니 미심쩍으면 직접 빌드해서 쓰셔도 된다.

둘. 64비트 Windows 전용이다. Windows 10과 11 모두 된다.

마지막으로

혼자 만든 첫 공개 버전(0.1.0)이라 부족한 데가 있을 것이다. 안 되는 게 있거나 이런 기능이 있으면 좋겠다 싶은 게 있으면 GitHub 이슈로 남겨주시면 고맙겠다.

암호 관리자, 손상된 압축 파일 복구, ALZ·EGG 해제는 아직 안 된다. 필요하다는 분이 있으면 붙여볼 생각이다.

광고 없는 압축 프로그램이 필요하셨던 분들께 도움이 되면 좋겠다.

한국 로봇 관련주, 실제 사업부터 구분하기 · AI 로봇 투자 교과서 ⑤

Thu, 10 Sep 2026 20:30:00 +0900

표지: 로봇의 현장 통합을 표현한 AI 생성 개념 이미지입니다. 특정 한국 기업의 생산·납품 현장이 아닙니다.

집 한 채를 짓는 데에는 창호를 만드는 회사, 건물을 시공하는 회사, 개발 사업에 투자한 회사가 함께 등장합니다. 모두 건설과 관련되지만 돈을 버는 방법은 다릅니다. 로봇 관련주도 그렇게 나눠보면 이해하기 쉬워집니다.

어떤 회사는 완성 로봇을 팔고, 어떤 회사는 관절을 납품합니다. 로봇과 주변 장비를 고객 현장에 연결해주는 회사도 있고, 로봇 기업의 지분을 보유한 회사도 있습니다. 주가가 같은 뉴스에 반응하더라도 실적을 확인할 항목은 같지 않습니다.

이번 편의 목적은 유망 종목을 순서대로 세우는 것이 아닙니다. 내가 관심을 가진 회사가 로봇 산업의 어느 부분에서 매출을 얻는지 분류하는 것입니다.

01 로봇 한 대가 고객에게 가기까지

사업 지도 / 제품 흐름과 자본 관계

로봇을 만드는 일과 로봇으로 버는 일.

부품→완성 로봇→현장 통합→고객 운용

제품·서비스를 팝니다

모터와 관절, 로봇 본체, 설치·작업 개발, 유지보수 등 판매 대상이 다릅니다.

기업의 지분을 보유합니다

지분 보유는 별도의 자본 관계입니다. 투자한 기업의 판매액이 모회사 주주에게 그대로 귀속되지는 않습니다.

한 회사가 여러 역할을 맡을 수 있습니다. 완성품 업체의 부품 내재화나 턴키 솔루션 제공도 가능합니다.

‘시스템 통합’은 로봇을 들여놓는 데서 끝나지 않습니다. 손끝 도구를 고르고, 기존 장비와 신호를 맞추고, 작업을 설정하고, 안전 조건을 검토하는 일입니다. 고객이 원하는 것은 로봇 한 대가 아니라 돌아가는 공정일 수 있습니다.

두산로보틱스가 소개하는 턴키 솔루션에도 팔레타이징, 공작기계 투입·배출, 용접 등 작업 단위가 등장합니다. 같은 회사가 본체 판매와 현장 솔루션에 걸쳐 있다는 예입니다.

02 국내 기업 네 곳을 제품부터 읽어봅니다

아래는 제품군을 이해하기 위한 사례입니다. 매출 비중이나 성장률을 비교한 순위표가 아니며, 특정 고객에 대한 납품을 새로 확인했다는 뜻도 아닙니다.

기업 사례 / 무엇을 파는 회사인가

종목명 옆에 제품명을 적어보세요.

두산
로보틱스

협동로봇과 작업 솔루션

로봇 본체 판매와 공정 솔루션의 범위, 고객의 설치·재구매를 확인합니다.

공식 제품군 확인

레인보우
로보틱스

협동로봇 RB 시리즈 등

휴머노이드 연구 기대와 현재 판매하는 제품의 실적을 분리합니다.

RB 시리즈 확인

로보티즈

DYNAMIXEL 구동 모듈 등

모터·감속기·제어가 결합한 제품의 적용처와 판매 구성 변화를 확인합니다.

통합 액추에이터 확인

에스피지

모터·감속기 제품군

로봇 관련 제품과 다른 용도 제품을 구분하고, 실적 공시의 구분 범위를 봅니다.

공식 제품군 확인

2026-09-17 공식 제품 자료 기준. 전체 사업을 빠짐없이 나열한 표가 아닙니다. 수익성·매출 비중은 제품 소개만으로 판단할 수 없습니다.

제품 페이지는 “이 회사가 무엇을 제공하는가”에 답합니다. “이 제품이 얼마나 팔리는가”와 “판매 후 얼마를 남기는가”는 사업보고서와 재무제표가 답해야 합니다. 제품 사진을 많이 봤다고 기업 분석의 후반까지 끝난 것은 아닙니다.

03 회사 전체 이익을 로봇 이익으로 바꾸면 안 됩니다

에스피지를 예로 들면 공식 회사 소개에서 로봇 관련 감속기뿐 아니라 소형·산업용·가정용 모터 사업도 확인할 수 있습니다. 따라서 회사 전체의 영업이익이 증가했다는 사실만으로 로봇용 감속기의 이익이 그만큼 증가했다고 쓸 수는 없습니다.

공시에 로봇 제품이 다른 제품과 묶여 있으면 로봇 매출을 정확하게 떼어낼 수 없을 수도 있습니다. 이 경우 필요한 표기는 ‘로봇 관련 매출 별도 확인 어려움’입니다. 알려지지 않은 부분을 0으로 취급하거나 회사 전체를 로봇 매출로 계산하는 것 모두 피해야 합니다.

실적을 비교할 때에는 아래 네 조건부터 맞추세요.

맞춰야 할 기준	섞으면 생기는 문제
같은 기업군	매출은 36개사, 시가총액은 20개사를 합쳐 성장 폭 비교
같은 기간	한 해 전체 매출과 다음 해 반기 매출의 직접 비교
같은 연결 범위	연결재무제표와 별도재무제표의 혼용
같은 사업 범위	회사 전체 이익을 특정 로봇 부문 이익으로 해석

올바른 숫자를 가져왔어도 비교 기준이 다르면 잘못된 결론이 나옵니다. 시장 전체를 설명하는 큰 합계보다, 한 회사의 같은 항목을 같은 기준으로 추적하는 편이 유용할 때가 많습니다.

04 대기업의 지분 투자는 무엇을 바꿀까요?

삼성전자는 2024년 12월 31일 공식 발표에서 레인보우로보틱스 지분을 35%로 확대하고 연결 자회사로 편입할 계획을 밝혔습니다. 이는 당시 발표 내용입니다. 최신 지분율과 연결 범위는 현재 공시로 확인해야 합니다.

대기업과의 관계는 기술 협업, 자금, 판매 접점에 영향을 줄 가능성이 있습니다. 하지만 가능성을 실적으로 바꾸려면 제품과 거래가 뒤따라야 합니다. 계열사 협업 발표와 구체적인 발주 계약, 실제 인도는 구분해서 읽어야 합니다.

모회사 주식을 사는 경우에도 로봇 자회사만 사는 것은 아닙니다. 다른 사업의 크기와 수익성, 보유 지분, 회계 처리와 자금 사용이 함께 영향을 줍니다. 로봇 자회사와 모회사의 매출을 합산할 때에는 연결 중복에도 주의해야 합니다.

05 ‘덜 비싸다’와 ‘싸다’는 다릅니다

적자 기업에서는 주가수익비율(PER)만으로 비교하기 어렵습니다. 그래서 매출 대비 시가총액을 보기도 하지만, 매출이 같아도 이익률과 추가 자금 필요액이 다르면 가치는 달라집니다.

가상 비교 / 같은 매출의 다른 속사정

매출 100억원이라는 한 줄로는 부족합니다.

가상 기업 A

매출 100억원
매출원가 60억원
판매관리비 30억원

영업이익 10억원

가상 기업 B

매출 100억원
매출원가 80억원
판매관리비 40억원

영업손실 20억원

실제 회사 수치가 아닙니다. 연구개발비 등의 회계 처리와 비용 구분을 단순화했습니다. 성장률·보유 현금·부채·투자 필요액까지 확인해야 하므로 이 예시만으로 가치의 우열을 정할 수 없습니다.

회사가 적자를 내더라도 제품 개발과 고객 확대를 위한 투자일 수 있습니다. 반대로 매출 증가보다 손실이 더 빠르게 커진다면 그 이유를 살펴야 합니다. 제품이 좋아지는 과정인지, 낮은 단가와 높은 지원 비용 때문에 판매할수록 부담이 늘어나는지 판단해야 합니다.

다른 종목보다 매출 대비 시가총액이 낮다는 사실만으로 저평가라고 결론 낼 수는 없습니다. 상대 비교와 별개로, 앞으로 이익과 현금을 만들기 위해 얼마나 더 투자해야 하는지를 물어야 합니다.

정리

한국 로봇 관련주를 볼 때에는 종목명보다 제품·고객·매출 경로를 먼저 적어보세요. 완성품, 부품, 현장 통합, 지분 보유는 서로 다른 사업이며 한 회사 안에서도 섞일 수 있습니다. 실적은 같은 기간과 연결 범위로 비교하고, 확인할 수 없는 로봇 매출 비중은 그대로 비워두는 것이 좋습니다.

마지막 6편에서는 이 질문을 제품·주문·손익·현금 확인 순서로 정리합니다. 기사 하나를 읽고 실제로 무엇을 찾아볼지, 작은 사례로 따라가 보겠습니다.

⚠️ 이 글은 AI를 활용해 투자 관련 내용을 공부하며 정리한 글입니다. 특정 종목이나 투자 방식에 대한 권유가 아니며, 내용에 오류가 있거나 최신 정보와 다를 수 있습니다. 실제 투자 전에는 공식 자료를 직접 확인하시기 바랍니다. 투자 판단과 그 결과에 대한 책임은 투자자 본인에게 있습니다.

제품 예시는 사업 구조를 설명하기 위한 것이며 미래 납품과 실적을 보장하지 않습니다. 실제 투자 전 최신 공시와 자금 조달 조건을 확인해야 합니다.

유니트리 로봇은 왜 저렴할까 — 가격표와 현장 성능 · AI 로봇 투자 교과서 ④

Wed, 09 Sep 2026 20:00:00 +0900

표지: 휴머노이드 시험을 표현한 AI 생성 개념 이미지이며 유니트리 제품 사진이 아닙니다. 실제 G1은 아래 공식 영상과 사양 링크에서 확인할 수 있습니다.

자동차 광고의 ‘시작 가격’을 보고 전시장의 모든 기능이 포함돼 있다고 생각하지는 않습니다. 로봇도 같습니다. 손의 구성, 추가 연산 장치, 개발 기능, 지원 조건에 따라 같은 제품군 안에서도 구매 내용이 달라질 수 있습니다.

유니트리의 가격이 관심을 끄는 이유는 분명합니다. 휴머노이드를 구매해 직접 연구하고 시험해볼 수 있는 선택지가 생겼기 때문입니다. 다만 투자 기사에서 그 가격을 읽을 때에는 가격표에 들어 있는 것과 빠진 것을 함께 봐야 합니다.

01 G1의 13,500달러는 무엇의 가격인가요?

2026년 9월 17일 확인한 유니트리 G1 공식 페이지의 시작 가격은 13,500달러입니다. 세금과 배송비는 제외되어 있습니다. 같은 페이지의 G1 EDU는 별도 문의로 표시됩니다.

일반형과 EDU는 같은 기능을 같은 조건으로 제공하는 상품이 아닙니다. 아래는 공식 표 중 비교에 필요한 항목만 추린 것입니다.

가격표 읽기 / 제조사 표시 기준

같은 G1이라는 이름, 다른 구매 내용.

항목	G1	G1 EDU
가격	13,500달러부터	별도 문의
관절 자유도	23	23~43
손 구성	표의 손 자유도 항목 미제공	3지 손 등 선택 구성
추가 개발 기능	공식 표에 지원 표시 없음	지원 표시

공식 G1 페이지, 2026-09-17 확인. 세금·배송비 제외. 옵션과 판매 지역에 따라 조건이 달라질 수 있으며 실제 주문 견적이 우선합니다.

자유도는 독립적으로 움직일 수 있는 축의 수입니다. 그 수가 많으면 자세를 만들 수 있는 여지가 커지지만, 작업 성공률이 자동으로 높아지는 것은 아닙니다. 그 축을 제어하는 소프트웨어와 손끝 도구, 작업 조건도 필요합니다.

제조사는 일부 시연 기능이 개발·시험 중임을 같은 페이지에서 안내합니다. 따라서 영상 속 모든 동작이 시작 가격 제품에서 바로 실행된다고 해석해서는 안 됩니다. 정확한 범위는 해당 구성의 계약 조건과 매뉴얼로 확인해야 합니다.

공식 영상 보기 ↗ YouTube · 새 탭

Unitree G1 공개 시연 · Unitree Robotics 공식 채널 · 2024-08-19
제조사가 공개한 당시 시연 영상입니다. 제목의 양산 표현만으로 납품 대수·고객 가동률·현재 기본형의 기능 범위를 확인할 수는 없습니다.

02 낮은 가격의 원인을 하나로 단정할 수는 없습니다

로봇의 판매 가격에는 설계, 부품 조달, 생산 수량, 기능 범위, 판매 전략이 함께 작용합니다. 부품을 직접 만든다는 사실만으로 원가가 얼마나 낮아졌는지 계산할 수는 없습니다.

내재화를 하면 외부 공급사의 마진을 줄이고 설계를 통합할 여지가 있습니다. 반면 개발 인력, 설비, 불량 처리 비용을 스스로 부담합니다. 판매량이 충분하지 않으면 고정비 부담이 커질 수도 있습니다.

가격을 설명하려면 다음 세 질문을 나누는 편이 좋습니다.

같은 성능인가? 무게, 손의 기능, 연속 운전과 환경 조건을 맞춰 비교합니다.
같은 구성인가? 추가 컴퓨터, 손끝 도구, 배터리, 지원 서비스의 포함 여부를 봅니다.
같은 판매 조건인가? 세금·배송·보증·개발 권한을 확인합니다.

이 글에서는 유니트리의 내부 원가와 모델별 수익성을 확인할 수 없으므로, 가격 경쟁력의 원인을 특정 비율로 나누지 않습니다. ‘저렴하게 살 수 있는 구성’은 확인 가능한 사실이지만, ‘그 가격에서도 특정 이익률을 남긴다’는 주장은 별도의 증거가 필요합니다.

03 로봇을 사는 비용과 일을 맡기는 비용

다음은 특정 회사의 견적이 아니라, 비용의 범위를 이해하기 위한 가상 예시입니다. 로봇 본체가 저렴해져도 현장에 연결하는 비용이 그대로 남을 수 있습니다.

비용 구조 / 실제 G1 견적 아님

2,000만원짜리 로봇의 도입비가 4,000만원일 수도 있습니다.

본체2,000만원

손끝 도구·추가 장비500만원

현장 통합·작업 개발1,000만원

교육·안전 설비500만원

초기 도입비 합계4,000만원

전부 임의의 학습용 금액입니다. 이후 유지보수·소프트웨어·전력·작업 중단 비용은 별도입니다. 항목 간 중복이 없는 실제 견적으로 다시 계산해야 합니다.

총소유비용(TCO)은 구매부터 사용·유지·처분까지의 비용을 보려는 개념입니다. 본체 가격이 낮아져도 고장이나 작업 중단이 잦으면 비용 우위가 줄어들 수 있습니다. 반대로 설치가 쉽고 지원이 안정적이라면 본체가 비싸도 전체 비용은 경쟁력이 있을 수 있습니다.

부품 원가표(BOM)에도 주의해야 합니다. 판매가에서 부품비만 뺀 비율은 회사의 매출총이익률이 아닙니다. 제조 인건비와 관련 원가, 회계상 집계 범위가 다르기 때문입니다. 회사 전체 흑자를 특정 로봇 모델 한 대의 수익성으로 옮겨 읽을 수도 없습니다.

04 출하량 다음에는 ‘어디서 어떻게 쓰는가’를 봅니다

연구용 로봇도 고객이 비용을 지불하는 실제 수요입니다. 데이터 수집용 장비도 마찬가지입니다. 다만 연구실의 구매와 제조 현장의 상시 운용은 서로 다른 시장과 사용 조건을 갖습니다.

시장 읽기 / 같은 단어로 묶지 않기

팔렸다 → 설치됐다 → 계속 쓰인다.

01주문
취소 조건·선수금·납기 등 계약 내용을 봅니다.
02납품
고객에게 인도됐는지, 검수가 남았는지 확인합니다.
03운용
어떤 작업에 몇 시간 쓰고 사람이 얼마나 개입하는지 봅니다.
04추가 구매
시험 장비를 늘린 것인지, 현장 확대인지 이유를 확인합니다.

매출 인식 시점은 계약과 회계 기준에 따라 다릅니다. 이 흐름을 그대로 회계 처리 순서로 쓰면 안 됩니다.

“세계 점유율”이라는 숫자에도 같은 질문이 필요합니다. 휴머노이드만 집계했는지, 이족보행만 포함했는지, 매출 기준인지 출하 대수 기준인지, 어떤 연도의 어떤 조사인지 확인해야 합니다.

모집단이 다른 전망치와 출하 추정치를 나란히 놓으면 시장이 뒤집힌 것처럼 보일 수 있습니다. 기준을 맞출 수 없다면 변화율을 계산하지 않는 것이 낫습니다. 중국 업체의 경쟁력을 평가하는 일과 불확실한 점유율 숫자 하나에 결론을 맡기는 일은 다릅니다.

정리

유니트리의 가격표는 휴머노이드 접근 비용을 이해하는 좋은 출발점입니다. 다만 시작 가격과 기능 범위, 본체 가격과 도입·운영비, 출하와 반복 운용을 각각 구분해야 합니다. 낮은 가격이 고객의 실험을 넓히는 효과와 공급사의 지속 가능한 수익성도 따로 확인할 문제입니다.

다음 5편에서는 한국의 로봇 관련 기업을 실제 제품과 사업 위치로 나눠보겠습니다. 같은 로봇 테마에 속해도 매출이 생기는 지점은 다릅니다.

⚠️ 이 글은 AI를 활용해 투자 관련 내용을 공부하며 정리한 글입니다. 특정 종목이나 투자 방식에 대한 권유가 아니며, 내용에 오류가 있거나 최신 정보와 다를 수 있습니다. 실제 투자 전에는 공식 자료를 직접 확인하시기 바랍니다. 투자 판단과 그 결과에 대한 책임은 투자자 본인에게 있습니다.

특정 제품의 구매를 권유하는 글이 아닙니다. 가격·사양은 제조사 공지 기준이며 실제 계약과 지역별 조건은 달라질 수 있습니다. 가상 비용 예시는 실제 제품 견적이나 수익 전망이 아닙니다.

마법의 수 7±2 — 지능검사가 진짜 쓰는 기억력 검사를 만들었습니다

Tue, 08 Sep 2026 11:00:00 +0900

생각별 연구소에 네 번째 테스트를 추가했습니다. 이번 건 시리즈의 방향을 한 번 다잡고 만든 물건이라, 그 이야기부터 해야겠습니다.

👉 결과물 먼저: 숫자 기억력 테스트 — 3분이면 끝납니다.

게임 말고, 검사를 만들기로 했습니다

테스트가 세 개쯤 쌓이니 갈림길이 보였습니다. 재미 위주의 미니게임을 늘릴 수도 있고, 진짜 인지검사 쪽으로 갈 수도 있었죠. 저는 후자를 골랐습니다. 재미있는 게임은 AI 게임 랩에 이미 많으니까, 연구소는 이름값을 하기로요. 그래서 기준을 정했습니다.

신경심리·지능검사에서 실제로 쓰이는 과제만 만든다
발표된 연구 참고치가 있는 과제만 만든다
결과는 지능검사와 같은 형식의 성적으로 낸다

이 기준으로 고른 첫 과제가 **숫자 폭(Digit Span)**입니다. 숫자가 한 자리씩 나타났다 사라지고, 본 순서대로 — 그다음엔 거꾸로 — 입력하는 검사. 표준화 지능검사들이 작업기억 소검사로 실제 채택하고 있는 그 과제입니다.

마법의 수 7±2

이 과제가 유명한 건 1956년 심리학자 조지 밀러의 논문 덕분입니다. 사람이 한 번에 붙잡을 수 있는 정보의 개수가 대략 7개, 오차 ±2 라는 관찰 — 이른바 ‘마법의 수’죠. 이후 연구들에서 성인의 정방향 숫자 폭은 평균 6~~7자리, **거꾸로 외우는 역방향은 4~~5자리**로 보고됩니다.

정방향과 역방향의 차이가 이 검사의 핵심입니다. 정방향은 단순 저장 용량을 재지만, 역방향은 정보를 붙잡은 채 조작해야 합니다. 머릿속에 적어둔 숫자를 거꾸로 읽어내는 동안 원본이 증발하지 않게 버텨야 하죠. 그래서 역방향이 두 자리쯤 짧은 게 정상이고, 이 두 값을 나란히 보는 게 작업기억을 보는 정석입니다.

실제 검사의 규칙을 그대로

만들면서 지킨 절차들입니다.

1초에 한 자리 — 실제 검사의 제시 속도. 더 빠르면 지각 검사가 되고, 느리면 암송 전략이 끼어듭니다.
자리수당 2회 시도, 2연속 실패면 중단 — 실제 검사의 중단 규칙입니다. 한 번 실수로 끝나지 않되, 한계에 도달하면 깔끔하게 멈춥니다.
연속 같은 숫자 금지 — “9, 9” 같은 우연한 청킹 찬스를 배제합니다.
제시 중 탭을 벗어나면 그 시도는 무효 — 브라우저가 백그라운드 탭의 타이머를 늦추는 바람에 숫자가 느리게 나오는 왜곡을 막습니다. 만들다 직접 발견한 함정이었어요.

성적표는 지능검사 형식으로

이번 테스트의 진짜 목표는 여기였습니다. 지능검사의 소검사들은 원점수를 평균 10, 표준편차 3의 환산점수(1~19점)로 바꿔서 읽습니다. 10점이면 딱 평균, 13점이면 상위 16% 즈음 — 어떤 소검사든 같은 잣대로 읽히는 형식이죠.

그래서 결과 화면이 이렇게 나옵니다: 환산점수 11/19 · 평균 · 백분위 약 63% — 정방향·역방향 각각의 환산점수와 분류(평균 하·평균·평균 상·우수…)도 함께요.

다만 실제 지능검사의 규준표는 비공개 상업 자료라 쓸 수 없습니다. 이 환산은 연구 문헌의 성인 평균·표준편차를 같은 형식으로 옮긴 참고치이고, 결과 화면에도 그렇게 적었습니다. 대신 이 시리즈의 다음 큰 그림이 여기 걸려 있습니다 — 방문자들의 익명 점수가 쌓이면, 참고치를 우리 표본의 진짜 백분위로 교체하는 것. 그 준비로 이번 테스트부터 점수 계산부를 나중에 그대로 전송할 수 있는 형태로 설계해뒀습니다.

연구소 근황

현재까지 연구소에 추가된 테스트는 4개입니다 — IQ 테스트, Big Five, 반응속도, 그리고 숫자 폭. 다음 예정은 🎨 스트룹 테스트이고, 그 뒤로 공간 회전과 패턴 기억을 계획하고 있습니다. 다 갖춰지면 작업기억·처리속도·공간·언어를 아우르는 인지 프로필 배터리가 됩니다.

해보기

👉 숫자 기억력 테스트 하러 가기 — 정방향과 역방향, 3분.

당신의 마법의 수는 몇입니까? 저는 역방향에서 머리가 하얘지는 경험을 하실 거라고 장담합니다.

엔비디아는 로봇 산업에서 무엇을 파나 — GR00T·Isaac·Jetson · AI 로봇 투자 교과서 ③

Tue, 08 Sep 2026 09:00:00 +0900

표지: 시뮬레이션과 실물 로봇 개발을 표현한 AI 생성 개념 이미지입니다. NVIDIA 제품 화면이나 실제 고객 현장을 촬영한 사진은 아닙니다.

운전을 배우는 사람에게는 연습과 실제 주행이 모두 필요합니다. 로봇도 마찬가지입니다. 데이터를 통해 동작을 배우는 과정, 가상 환경에서 시험하는 과정, 현장에서 센서를 읽으며 움직이는 과정은 서로 연결되지만 같은 일은 아닙니다.

엔비디아의 로봇 사업을 이해할 때에도 이 구분이 도움이 됩니다. 로봇 안에 들어가는 컴퓨터만 볼 것이 아니라, 로봇을 개발하고 학습시키는 데 쓰이는 컴퓨터까지 함께 봐야 합니다.

그렇다고 “엔비디아는 로봇용 칩을 팔지 않고 데이터센터만 노린다”고 정리할 수는 없습니다. 학습 인프라와 로봇 내부의 추론 하드웨어가 모두 사업의 일부입니다.

01 이름 세 개를 역할에 붙여봅시다

로봇 기사에서 만나는 GR00T, Isaac, Jetson은 같은 종류의 상품이 아닙니다. 아주 간단히 읽으면 GR00T는 로봇 모델·개발 플랫폼, Isaac은 시뮬레이션과 로봇 개발 도구군, Jetson은 로봇 등 엣지 장치에서 연산을 수행하는 하드웨어·소프트웨어 플랫폼입니다.

개발 흐름 / 모델에서 현장까지

로봇 한 대의 바깥에도 컴퓨터가 필요합니다.

학습

데이터에서 동작을 배웁니다

작업 시연과 관측 데이터를 이용해 모델을 학습·조정합니다. GR00T 모델과 GPU 학습 인프라가 연결되는 영역입니다.

시험

가상 환경에서 조건을 바꿔봅니다

Isaac Sim·Isaac Lab 등으로 센서, 물리 환경, 동작을 시험하거나 학습합니다. 실제 실험을 보완합니다.

실행

현장 입력으로 다음 동작을 계산합니다

Jetson 등 로봇의 연산 장치에서 모델을 실행합니다. 실제 관절 제어·안전 기능과 통합해야 합니다.

↶ 현장에서 얻은 실패·성공 데이터가 다음 학습과 시험으로 돌아갑니다.

역할을 단순화한 그림입니다. 가상 환경에서도 학습할 수 있고, 모든 개발사가 이 제품군 전체를 채택하는 것은 아닙니다.

이 구분은 엔비디아가 GR00T 공식 개발 페이지에서 제시하는 학습·시뮬레이션·배포 구조를 바탕으로 정리했습니다. 상위 개발 플랫폼과 개별 도구의 범위는 일부 겹칩니다. 이름을 외우기보다는 지금 설명하는 것이 모델인지, 개발 도구인지, 판매하는 장비인지 묻는 편이 좋습니다.

02 왜 가상 공간에서 연습할까요?

컵을 집는 방법을 배우게 하려면 잘 집은 장면뿐 아니라 놓친 장면, 다른 위치의 컵, 조명이 바뀐 장면도 필요합니다. 실제 로봇만으로 반복하면 시간이 걸리고 장비가 닳거나 작업물이 손상될 수 있습니다.

시뮬레이션에서는 여러 조건을 바꿔 실험할 수 있습니다. Isaac Lab은 강화학습과 모방학습을 위한 프레임워크이며, 가상 환경에서 로봇 정책을 학습하고 평가하는 기능을 제공합니다. 여기서 정책은 관측을 받아 어떤 행동을 할지 정하는 규칙 또는 모델을 뜻합니다.

그러나 가상 환경에서 성공했다고 현실에서도 그대로 성공하는 것은 아닙니다. 실제 마찰, 케이블의 저항, 센서 오차, 물체의 변형이 모형과 다를 수 있기 때문입니다. 이 차이를 흔히 ‘심투리얼(sim-to-real) 격차’라고 부릅니다.

검증 / 가상 성공 다음의 질문

가상 연습은 실물 검증을 줄여주지만, 없애주지는 않습니다.

가상 환경에서 바꿔볼 조건

물체 위치·무게·마찰, 조명, 카메라 각도, 센서 오차, 주변 장애물.

실물에서 확인할 결과

성공률, 작업 시간, 사람의 개입, 충돌·정지, 하드웨어 온도와 마모.

독자가 평가 항목을 구분하도록 만든 예시입니다. 특정 플랫폼이 모든 조건을 정확하게 재현한다는 뜻은 아닙니다.

현장 실패를 기록하고 학습으로 되돌리는 능력이 중요한 이유도 여기에 있습니다. 더 정교한 모델만이 아니라 데이터 수집, 평가, 배포 과정을 함께 구축해야 합니다. NVIDIA의 GR00T 개발 과정 기술 글에서도 이 전체 흐름을 확인할 수 있습니다.

03 ‘개방형’과 ‘공짜로 준다’는 다릅니다

모델이나 개발 도구를 공개하면 개발자가 시작하기 쉬워질 수 있습니다. 하지만 공개 범위와 이용 조건은 모델 가중치, 코드, 데이터, 제품 버전마다 다를 수 있습니다. 다운로드할 수 있다는 사실만으로 상용 사용·재배포·지원까지 모두 무료라고 판단해서는 안 됩니다.

특히 하드웨어는 분리해서 봐야 합니다. Jetson Thor는 공식 출시 발표에 나오는 유료 판매 제품입니다. 현재 구성과 가격은 Jetson 공식 FAQ에서 확인해야 하며, 출시 당시 가격과 현재 가격을 섞어 비교하면 안 됩니다.

항목	독자가 확인할 내용
공개 모델·코드	사용 가능한 버전, 라이선스, 상용 이용 조건
개발·시뮬레이션 환경	필요한 GPU, 배포 형태, 별도 서비스 비용
로봇 탑재 하드웨어	개발자 키트와 양산 모듈의 차이, 수량별 조건
제품화·현장 운영	유지보수, 기술 지원, 안전 통합의 책임과 비용

이 구분을 하지 않으면 “모델을 공개했다”는 소식이 “로봇의 두뇌 장비를 무상 공급한다”는 이야기로 변합니다.

04 투자자는 매출이 생기는 고리를 봅니다

이 생태계가 널리 쓰이면 학습·시뮬레이션·현장 추론에 필요한 연산 수요가 늘어날 수 있습니다. 엔비디아 입장에서는 개발자가 자사 도구에 익숙해지고 제품 간 연결이 편리해지는 것이 유리할 수 있습니다. 이는 제품 구조에서 도출한 사업적 해석이지, 매출 증가가 확정됐다는 뜻은 아닙니다.

투자 연결 / 가능성과 실적 사이

다운로드가 곧 매출은 아닙니다.

개발 도구 채택→학습·검증 확대→제품 배포→유료 연산 수요

확인할 조건: 프로젝트가 계속되는가 · 실제 장비를 구매하는가 · 다른 플랫폼으로 대체 가능한가 · 고객이 규모를 늘리는가

설명을 위한 경로입니다. 매출은 개발 단계에서도 발생할 수 있으며, 모든 프로젝트가 양산까지 이어지는 것은 아닙니다.

반대 조건도 있습니다. 개발이 중단되거나 더 작은 모델로 충분해질 수 있고, 고객이 다른 칩과 도구를 쓸 수도 있습니다. 로봇 판매가 늘어도 대당 연산 가격이 내려가면 매출의 증가 폭은 달라집니다.

숫자를 읽을 때에는 집계 범위도 조심해야 합니다. 엔비디아의 FY2026 4분기 실적 발표에 자동차 분야 매출이 별도로 제시되더라도, 그 값을 회사 전체의 ‘로봇 관련 매출 상한’으로 사용할 수는 없습니다. 로봇 개발에 쓰인 데이터센터 연산까지 그 항목에 모두 들어있다는 근거가 없기 때문입니다.

현재 매출을 따로 식별하기 어렵다면, 억지로 숫자를 만들기보다 ‘공시에서 분리 확인하기 어렵다’고 남겨두는 것이 정확합니다.

정리

엔비디아의 로봇 사업은 모델·개발 도구·학습 인프라·현장 하드웨어를 연결하는 구조입니다. 개방형 소프트웨어와 유료 장비를 구분하고, 개발 생태계의 확대가 실제 장비·연산 수요로 이어지는지 살펴봐야 합니다. 기술의 연결이 보인다는 사실과 매출의 크기를 확인했다는 사실은 다릅니다.

다음 4편에서는 유니트리의 실제 가격표를 읽어보겠습니다. 저렴한 로봇 한 대를 사는 일과 현장에 일을 맡기는 일 사이에는 무엇이 더 필요할까요?

⚠️ 이 글은 AI를 활용해 투자 관련 내용을 공부하며 정리한 글입니다. 특정 종목이나 투자 방식에 대한 권유가 아니며, 내용에 오류가 있거나 최신 정보와 다를 수 있습니다. 실제 투자 전에는 공식 자료를 직접 확인하시기 바랍니다. 투자 판단과 그 결과에 대한 책임은 투자자 본인에게 있습니다.

공식 제품 설명과 필자의 사업적 해석을 구분했습니다. 소프트웨어 이용 조건, 하드웨어 가격과 지원 범위는 변경될 수 있습니다.

AI로 게임 만들기 #11 — 60초 스네이크를 만들었습니다 (공개빌드 #11)

Sun, 06 Sep 2026 09:00:00 +0900

AI 게임 랩 열 번째 게임으로 스네이크를 만들었습니다. 점수 나는 방식 하나만 바꿨는데 게임이 꽤 달라졌습니다.

시간은 60초로 고정입니다. 그 안에 최대한 높은 점수를 내면 됩니다. 부딪혀도 판이 끝나지 않아요. 몸이 처음 길이인 세 칸으로 돌아가고 1.2초 멈췄다가 이어집니다. 그동안에도 시계는 흘러가니 결국 누구나 60초를 씁니다. 랭킹으로 겨루려면 쓴 시간이 같아야 해서 이렇게 잡았습니다.

조작은 방향키나 WASD, 휴대폰에서는 화면을 쓸면 됩니다. 격자는 16×16이고 뱀은 초당 여덟 칸씩 움직입니다.

👉 60초 스네이크 하러 가기

점수 규칙

보통 스네이크는 먹이를 먹으면 점수가 오릅니다. 여기서도 먹이가 30점이긴 한데, 그보다 중요한 건 머리가 지나가는 칸의 좌우가 얼마나 막혔는지입니다.

옆이 트여 있으면 0점입니다. 한쪽에 제 몸이 있으면 1점. 양옆이 다 막힌 한 칸 틈을 지나가면 15점이 들어오고, 여기에 HEAT라는 배수가 최대 세 배까지 붙습니다. HEAT는 좁은 틈을 연달아 통과할 때만 올라가고, 넓은 데로 나오면 금방 식습니다.

바깥 벽은 세지 않습니다. 벽에만 붙어서 달려서는 아무 점수도 안 나와요. 왜 그렇게 했는지는 아래에 적었습니다.

좁은 틈은 몸이 길어야 생깁니다. 그래서 먹이도 결국 필요해요. 먹이 하나에 몸이 네 칸 자라고, 좁은 틈에 놓인 먹이를 먹으면 5배인 150점이 들어옵니다. 한 판에서 제일 크게 버는 순간이 여기입니다.

왜 이렇게 만들었나

스네이크를 그냥 만들면 두 가지가 걸렸습니다.

하나는 스네이크가 순수 실력 게임이라는 점입니다. 잘하는 사람이 항상 이깁니다. 게임 랩 게임들은 하루 한 판씩 남들과 점수를 겨루는 형태라, 실력 순서가 그대로 고정되면 못하는 사람은 영영 못 이깁니다. 운이 좀 섞여야 뒤집힐 여지가 생깁니다.

다른 하나는 60초라는 시간입니다. 1분 안에는 몸이 별로 안 길어집니다. 스네이크가 조여드는 느낌은 몸이 화면을 채우기 시작할 때 오는데, 거기까지 갈 시간이 없어요.

그래서 점수를 지나간 자리의 위험도로 옮겼습니다. 안전하게만 돌면 점수가 안 나오게 만들어두면, 짧은 시간에도 위험을 감수할 이유가 생기니까요. (지난 편에서는 주사위 게임을 두 번 만들었다 두 번 다 버렸는데, 이번 건 남았습니다.)

봇을 풀어놨더니 테두리만 돌더군요

밸런스를 감으로 잡고 싶지 않아서 자동 플레이어를 만들었습니다. 겁쟁이, 먹이만 쫓는 놈, 위험하게 노는 놈, 무모한 놈. 넷을 각각 80판씩 돌렸습니다.

처음 버전에서는 바깥 벽도 막힌 면으로 셌습니다. 옆이 막혀 있으면 위험한 거라고 봤거든요.

결과가 이상했습니다. 테두리를 따라 60초 내내 뱅뱅 도는 것만으로 2,800점이 나왔고, 그동안 한 번도 부딪히지 않았습니다. 안전하면 점수가 없게 만들겠다고 해놓고 가장 안전한 길을 최고점으로 만들어둔 셈이었습니다.

이유는 간단했습니다. 벽은 움직이지 않습니다. 벽에 붙어 달리는 건 그림으로는 아슬아슬해 보여도 실제로는 아무 일도 일어나지 않아요. 저는 “옆이 막혀 있다"를 위험이라고 착각하고 있었습니다.

그래서 막힌 면 중에 제 몸이 최소 하나는 있어야 점수를 주도록 고쳤습니다.

이번엔 자기 몸 옆에 딱 붙어서

고치고 다시 돌렸습니다. 순서는 맞게 나왔어요. 위험하게 노는 봇이 겁쟁이보다 훨씬 높았습니다. 그런데 그 옆 칸의 숫자를 보고 또 걸렸습니다. 평균 2,911점을 내면서 부딪힌 횟수가 0.0번이었거든요. 480칸 중 393칸에서 점수를 뽑았는데도 말이죠.

자기 몸 옆에 나란히 붙어 달리는 게 안정적인 자세였습니다. 몸이 제 뒤를 그대로 따라오니까 옆은 계속 막혀 있는데, 정작 부딪힐 일은 없습니다. 벽으로 하던 짓을 몸으로 하고 있었을 뿐이었어요.

이번에는 규칙 대신 배점을 손봤습니다. 나란히 달리기는 1점 고정으로 낮추고 HEAT가 안 붙게 했습니다. HEAT는 양옆이 다 막힌 좁은 틈에서만 오릅니다.

돌이켜보면 두 경우 다 같은 착각이었습니다. 벽도, 나란히 가는 제 몸도, 옆에 있기는 한데 저를 쫓아오지는 않습니다. 위험한 건 옆이 막혀 있는 상태가 아니라 제가 다음에 갈 자리를 누가 먼저 차지할 수 있느냐였습니다.

없는 점수를 쫓던 봇

중간에 이상한 일도 있었습니다. 봇 하나가 네 칸을 뱅뱅 돌면서 아무것도 안 했습니다. 로그를 한 수씩 찍어보니 매번 옆이 막혔다고 판단하는데 실제 점수는 0이었어요.

게임 쪽 문제가 아니었습니다. 봇이 후보 칸의 위험도를 이동하기 전 상태로 재고 있었습니다. 뱀은 앞으로 가면 꼬리가 한 칸 빠져나가죠. 그러니까 지금은 막혀 있어도 머리가 도착할 때쯤에는 비어 있을 칸이었던 겁니다. 봇은 있지도 않은 점수를 보고 제자리를 돌고 있었습니다.

로그를 안 찍었으면 멀쩡한 게임을 뜯어고쳤을 겁니다.

봇이 사람보다 잔인한 테스터인 이유

이 두 가지를 봇으로 찾은 데는 이유가 있습니다. 봇에게는 부끄러움이 없습니다.

사람은 테두리만 60초 도는 짓을 잘 안 합니다. 이길 수 있어도 안 해요. 이렇게 이기면 재미없잖아, 하는 감각이 있으니까요. 제가 직접 백 판을 했어도 못 찾았을 겁니다. 자기 게임은 자기가 의도한 방식으로 플레이하게 되거든요. 봇은 그런 게 없고 점수만 봅니다.

나중에 찾아보니 게임 디자인에서는 오래된 이야기더군요. 게임 디자이너 소렌 존슨이 남긴 말인데, 기회만 주면 플레이어가 게임에서 재미를 최적화해 없애버린다는 겁니다. 플레이어가 최적화하는 건 재미가 아니라 승리니까요.

숫자로 본 결과

전략별로 80판씩 돌린 최종 수치입니다.

전략	평균	상위 10%	최고	부딪힘
트인 곳만 달림	1,155	1,465	2,248	1.1번
먹이만 쫓음	1,949	2,627	3,788	1.0번
몸 옆 나란히	1,682	2,138	2,635	0.0번
좁은 틈 사냥	1,935	2,390	6,671	2.9번

노린 데까지는 왔습니다. 몸 옆에 나란히 달리기가 그냥 잘 두는 것보다 낮아졌으니까요. 위험을 하나도 안 지는 전략이 최적해 자리에서 내려온 겁니다.

다만 좁은 틈 사냥이 압도적으로 유리하지는 않습니다. 평균이나 상위 10%로 보면 먹이만 착실히 쫓는 쪽과 비슷해요. 다른 건 분포입니다. 6,671점 같은 판은 틈을 노린 쪽에서만 나오는데, 그 대신 열에 한 번쯤은 부딪힙니다.

궁금해서 위험 감수 정도만 바꿔가며 한 번 더 재봤습니다. 앞을 안 보고 틈에 들이받는 쪽은 중앙값이 1,755점, 적당히 조심하는 쪽은 1,747점으로 거의 같았습니다. 최고 기록만 7,981점 대 2,872점으로 크게 갈렸고요. 죽는 게 이득은 아니라는 뜻입니다. 부딪히면 몸이 초기화되는데 이 게임에서 몸은 점수를 뽑는 도구라서, 1.2초 멈추는 것보다 몸을 다시 키우는 10여 초가 훨씬 비쌉니다. 크게 터지는 판이 죽을 자리에 들어간 쪽에서만 나올 뿐입니다.

몇 점이면 잘한 걸까

봇 기준으로는 트인 곳으로만 다니면 1,100점대, 먹이를 착실히 쫓으면 1,900점대가 나옵니다. 좁은 틈까지 노리면 운이 따를 때 6,000점을 넘고요.

다만 봇은 매 수마다 남은 공간을 전부 계산해서 움직입니다. 사람은 그렇게 못 하니 실제로는 더 낮게 나올 겁니다. 저는 2,000점 넘기기가 쉽지 않았습니다.

해보실 때 참고하실 만한 것 몇 가지입니다.

처음 10초쯤은 먹이를 먹어 몸을 키우는 게 낫습니다. 몸이 짧으면 좁은 틈 자체가 생기지 않습니다.
HEAT는 좁은 틈을 연달아 지나야 오릅니다. 한 번 통과하고 넓은 데로 나오면 금방 식어요.
후반에 부딪히면 회복할 시간이 없습니다. 몸이 길어졌을 때가 제일 벌기 좋으면서 제일 위험합니다.

그림 없이 만들기

이 게임에는 이미지 파일이 한 장도 없습니다. 뱀도 먹이도 파티클도, 소리까지 전부 코드로 만들었고 파일 하나에 44KB입니다.

지난 편에서 “그래픽을 줄이자"를 “화면이 안 움직여도 된다"로 잘못 읽고 게임을 두 개 버렸던 터라 이번엔 신경을 썼습니다. 도형과 선만으로도 움직일 건 다 움직이더군요.

60초 스네이크 한 판 해보시고 몇 점 나왔는지 알려주세요. 혹시 제가 아직 못 막은 지름길을 찾으시면 그것도 알려주시고요. 바로 막겠습니다. 🐍

다음 편은 새 게임을 들고 오겠습니다.

로봇 관절은 어떻게 움직일까 — 모터·감속기·액추에이터 · AI 로봇 투자 교과서 ②

Fri, 04 Sep 2026 11:00:00 +0900

표지: 관절 부품을 표현한 AI 생성 개념 이미지입니다. 실제 제품의 분해도는 아니며, 구조는 아래 설명 도해를 참고하세요.

자전거로 언덕을 오를 때 기어를 바꾸면 페달을 여러 번 돌려도 바퀴는 조금씩 움직입니다. 대신 같은 페달 힘으로 더 큰 구동 토크를 얻을 수 있습니다. 로봇의 감속기도 비슷하게 회전 속도와 토크의 관계를 바꿉니다.

1편에서는 로봇이 보고 판단하고 움직이는 과정을 봤습니다. 이번에는 그중 움직임을 맡은 관절을 살펴보겠습니다. ‘모터’, ‘감속기’, ‘액추에이터’는 로봇주 기사에 함께 등장하지만, 같은 물건을 부르는 세 이름은 아닙니다.

01 모터와 액추에이터는 무엇이 다를까요?

모터는 전기에너지를 회전 운동으로 바꿉니다. 감속기는 그 회전을 작업에 필요한 속도와 토크로 바꿔 전달합니다. 액추에이터는 에너지를 실제 움직임으로 바꾸는 구동 장치의 더 넓은 이름입니다.

로봇 관절용 통합 액추에이터에는 모터·감속기뿐 아니라 위치를 읽는 센서, 전류를 공급하는 드라이버, 제어기 등이 함께 들어갈 수 있습니다. 제품에 따라 브레이크와 통신 장치도 포함됩니다. 로보티즈의 DYNAMIXEL 소개는 이들을 하나로 묶는 모듈의 실제 예입니다.

구조 도해 / 같은 모터, 다른 움직임

돌리는 관절과 밀어내는 관절.

회전식: 각도를 바꿉니다

모터 → 감속기 → 팔·다리 링크

회전축을 중심으로 관절을 움직이는 구조. 엔코더 등의 센서가 위치와 상태를 읽습니다.

직선식: 길이를 바꿉니다

모터 → 나사축 → 움직이는 너트·로드

회전을 직선 운동으로 바꿉니다. 그림은 너트의 회전을 가이드가 막는 단순 예시입니다.

원리 설명용 도해이며 특정 제품의 설계도가 아닙니다. 직접 구동, 벨트, 유압 등 다른 구동 방식도 있습니다.

회전식에서는 관절의 각도가 달라지고, 직선식에서는 장치가 늘어나거나 줄어들며 링크를 밀고 당깁니다. 볼스크류는 나사축과 너트 사이의 볼을 이용해 회전 운동을 직선 운동으로 바꾸는 한 방식입니다. THK의 볼스크류 원리 자료에서 자세한 구조를 확인할 수 있습니다.

모든 휴머노이드가 같은 관절 구성을 쓰는 것은 아닙니다. 따라서 특정 모델의 부품 원가 비중을 다른 모델에도 그대로 적용하면 안 됩니다.

02 감속기는 힘을 공짜로 만들어내지 않습니다

토크는 물체를 회전시키려는 힘의 크기를 나타내며, 단위는 N·m입니다. 감속비가 커지면 일반적으로 출력축의 회전은 느려지고 토크는 커집니다. 하지만 에너지가 늘어나는 것은 아닙니다. 실제로는 마찰과 열 등 손실도 발생합니다.

숫자로 이해하기 / 실제 제품 수치 아님

속도를 낮추고, 토크를 얻습니다.

입력: 모터

3,000 rpm

토크 0.2 N·m를 가정

출력: 감속기 뒤

60 rpm

감속비 50:1 → 이상적인 토크 10 N·m

효율을 80%로 가정하면 출력 토크는 0.2 × 50 × 0.8 = 8 N·m입니다.

동일 운전점에서의 단순 계산입니다. 실제 성능은 모터의 토크·속도 곡선, 감속기 정격, 온도와 제어 조건에 따라 달라집니다.

감속비를 높이면 언제나 좋은 것도 아닙니다. 필요한 속도가 나오지 않거나 외부 충격에 대응하는 방식이 달라질 수 있습니다. 설계자는 무게, 효율, 응답성, 내구성을 함께 맞춰야 합니다.

감속기에도 여러 구조가 있습니다. 하모닉 방식은 탄성 변형을 이용해 작은 공간에서 높은 감속비를 구현합니다. 유성기어와 사이클로이드 방식도 적용 조건에 따라 쓰입니다. Harmonic Drive의 기술 설명은 구조와 작동 영상을 제공합니다. 특정 방식의 장점이 모든 관절에서의 우위를 뜻하지는 않습니다.

03 제품 표에서는 ‘최대’와 ‘계속’을 구분하세요

광고에서 큰 토크 숫자를 발견했다면, 순간적인 최대값인지 지속적으로 사용할 수 있는 값인지 먼저 확인해야 합니다.

로보티즈의 DYNAMIXEL-Y 공식 사양표에서 YM070-210-R051-RH는 감속비 51:1, 연속 토크 8.2 N·m, 최대 토크 16.3 N·m로 구분됩니다. 같은 제품에도 서로 다른 토크 값이 적혀 있는 이유입니다. 이는 제조사 사양이며, 이 글에서 독립 시험한 값은 아닙니다.

사양표 항목	읽는 방법
연속 토크 / 최대 토크	오랫동안 쓸 수 있는 값인지, 제한된 조건의 최고값인지 구분
속도	무부하 수치인지, 토크가 걸린 운전점인지 확인
무게 / 외형 크기	관절에 달았을 때 전체 로봇의 무게·배치에 미칠 영향
반복정밀도 / 백래시	같은 위치로 돌아오는 정도와 기계적 유격을 구분
수명 / 온도 / 방수·방진	어떤 부하와 환경에서 평가한 값인지 확인

다른 회사 제품과 비교할 때에도 같은 조건이 필요합니다. 한쪽의 최대 토크를 다른 쪽의 연속 토크와 비교하면, 숫자는 맞아도 결론은 틀릴 수 있습니다.

04 비싼 부품을 만든다고 이익이 큰 것은 아닙니다

부품사가 유리하려면 “로봇에 꼭 들어간다”는 조건만으로는 부족합니다. 고객에게 필요한 품질을 일정하게 만들고, 납품 단가에서 비용을 뺀 이익을 남겨야 합니다.

투자 연결 / 원가표 다음에 볼 것

관절의 중요성과 공급사의 이익은 다른 질문입니다.

고객 생산량×대당 채택 수량×실제 공급 단가→부품 매출

여기서 제조비·불량·보증·개발·판매 비용 등을 고려해야 회사의 수익성이 보입니다.

단일 제품을 단순화한 구조입니다. 생산능력과 실제 주문량은 다르며, 매출이 곧 현금 입금을 뜻하지도 않습니다.

특히 내재화는 양면적입니다. 완성 로봇 업체가 부품을 직접 만들면 외부 구매를 줄일 수 있지만, 설비와 개발 비용을 스스로 부담하게 됩니다. 외부 공급사는 고객이 늘면 성장할 수 있지만, 고객의 내재화나 가격 인하 요구에 노출됩니다.

그래서 부품주를 볼 때에는 샘플 제공인지 양산 채택인지, 공급 기간과 단가 조건은 어떤지, 설비 증설 후 가동률은 충분한지까지 이어서 살펴봐야 합니다. “생산라인을 만들었다”는 소식은 그 출발점이지 판매 실적의 대체물이 아닙니다.

정리

모터는 회전을 만들고, 감속기는 속도와 토크를 조절하며, 통합 액추에이터는 이를 센서·제어기와 묶어 관절의 움직임으로 구현합니다. 사양은 최대값보다 실제 운전 조건을 함께 읽어야 합니다. 부품의 기술적 중요성과 공급사가 남기는 이익도 분리해 보세요.

다음 3편에서는 엔비디아가 학습·시뮬레이션·로봇 내부 연산을 어떻게 연결하는지 살펴보겠습니다.

⚠️ 이 글은 AI를 활용해 투자 관련 내용을 공부하며 정리한 글입니다. 특정 종목이나 투자 방식에 대한 권유가 아니며, 내용에 오류가 있거나 최신 정보와 다를 수 있습니다. 실제 투자 전에는 공식 자료를 직접 확인하시기 바랍니다. 투자 판단과 그 결과에 대한 책임은 투자자 본인에게 있습니다.

계산 예시는 원리를 설명하기 위한 가정이며 실제 제품의 성능이나 원가를 뜻하지 않습니다. 기업명과 제품은 구조 설명을 위한 사례입니다.

피지컬 AI란? 로봇이 보고 판단하고 움직이는 과정 · AI 로봇 투자 교과서 ①

Wed, 02 Sep 2026 21:00:00 +0900

표지: 물체를 집는 작업을 표현한 AI 생성 개념 이미지입니다. 아래 공식 영상의 제품과는 다릅니다.

테이블 위의 컵을 다른 자리로 옮겨보세요. 사람에게는 잠깐의 일이지만, 로봇에게는 여러 문제가 겹친 작업입니다. 컵의 위치를 찾고, 어디를 잡을지 정하고, 떨어뜨리거나 깨뜨리지 않을 만큼 힘을 조절해야 합니다. 컵이 예상과 다르게 움직이면 손의 움직임도 바꿔야 합니다.

피지컬 AI는 이처럼 현실을 인식하고, 판단을 물리적인 행동으로 이어가는 AI를 말합니다. 대화창에서 답을 내놓는 데서 끝나지 않고, 센서와 기계의 몸을 통해 주변 환경에 영향을 줍니다. 사람 모양 로봇만을 뜻하는 말은 아닙니다.

이번 시리즈는 주가 전망에 앞서 이 연결부터 살펴봅니다. 로봇이 무엇을 할 수 있는지 알아야, 기업이 무엇을 팔고 고객은 왜 돈을 내는지도 구분할 수 있기 때문입니다.

01 로봇이 물건 하나를 집기까지

작업 대상이 주황색 부품이라고 해보겠습니다. 카메라에 부품이 보이는 것과 그 부품을 집어 올리는 것은 서로 다른 문제입니다.

작동 원리 / 하나의 작업을 따라가기

보고 → 정하고 → 힘을 조절하고 → 움직입니다.

01인지
카메라·센서로 부품의 위치와 상태를 파악합니다.
02계획
잡는 위치와 이동 경로, 작업 순서를 정합니다.
03제어
관절의 속도·위치·힘을 조절합니다.
04동작
손이 닫히고 팔이 움직여 부품을 옮깁니다.

↶ 센서로 결과를 다시 관측합니다. 미끄러지거나 위치가 달라지면 다음 판단과 제어에 반영합니다.

기능을 이해하기 위한 구분입니다. 실제 시스템에서는 여러 단계가 동시에 실행되거나 학습 모델 하나에 일부 기능이 통합될 수 있습니다.

중요한 것은 마지막 화살표입니다. 현실에서는 물체의 무게, 마찰, 조명, 놓인 위치가 조금씩 달라집니다. 한 번 정한 명령을 내보내는 것만으로는 충분하지 않습니다. 동작 결과를 다시 측정해 수정하는 과정을 피드백이라고 합니다.

다만 피드백 자체가 새로 생긴 기술은 아닙니다. 기존 산업용 로봇도 센서와 정밀 제어를 사용합니다. 최근의 변화는 학습 모델이 인식·작업 계획·동작 생성에 더 폭넓게 쓰이면서, 사람이 모든 상황을 일일이 정해주기 어려운 작업까지 다루려는 데 있습니다. 인지·계획·제어를 실제 조립 작업으로 연결하는 예는 NVIDIA의 시뮬레이션→현실 전이 기술 설명에서 볼 수 있습니다.

02 기존 자동화가 낡았다는 뜻은 아닙니다

같은 크기의 부품이 항상 같은 위치에 도착한다면, 잘 설계된 전용 자동화 장치가 빠르고 경제적일 수 있습니다. 반대로 종류와 위치가 자주 바뀌는 물건을 다뤄야 한다면 인식과 동작을 유연하게 바꾸는 능력의 가치가 커집니다.

작업 환경	먼저 검토할 방식	확인할 조건
같은 부품·같은 위치·같은 동작	전용 장치와 기존 로봇 자동화	속도, 정밀도, 설치비
부품의 위치·모양이 자주 바뀜	비전·센서와 유연한 제어, 학습 모델 활용	예외 상황에서의 성공률
여러 작업과 이동이 함께 필요	이동로봇·로봇 팔 조합 또는 휴머노이드 등	통합 난도, 안전, 운영비

이 표는 기술의 우열 순위가 아닙니다. 현장에 맞는 도구를 고르는 출발점입니다. “AI를 쓴다”는 설명만으로 기존 설비를 대체할 이유가 생기지는 않습니다. 무엇을 더 잘하고, 그 개선에 얼마를 지불할 수 있는지가 남습니다.

03 로봇의 모양과 능력을 분리해서 봅니다

로봇 기사에는 산업용 로봇, 협동로봇, 자율이동로봇, 휴머노이드가 한꺼번에 등장합니다. 그런데 이 말들은 같은 기준으로 나눈 분류가 아닙니다. 산업용은 주로 용도, 협동은 사람과 함께 일하는 적용 방식, 이동은 기능, 휴머노이드는 형태에 초점이 있습니다.

제품 읽기 / 무엇을 맡기는가

사람처럼 생겨야 일을 잘하는 것은 아닙니다.

고정된 로봇 팔

정해진 작업 공간에서 집기·조립·용접 등을 수행합니다. 손끝 도구를 바꾸면 작업도 달라집니다.

협동 작업용 로봇

사람과의 협업을 고려합니다. 로봇 팔뿐 아니라 도구와 작업물까지 포함한 안전 평가가 필요합니다.

이동로봇

물건을 운반하거나 장소를 순회합니다. 로봇 팔을 얹으면 이동과 조작을 결합할 수 있습니다.

휴머노이드

사람의 작업 공간과 도구를 활용하려는 형태입니다. 보행·균형·손 조작을 함께 해결해야 합니다.

서로 겹칠 수 있는 설명입니다. ‘협동로봇’이라는 이름이 어떤 작업에서든 안전하다는 보증은 아닙니다.

예를 들어 사람과 로봇이 가까이 일할 때에는 로봇 팔이 천천히 움직이는지만 볼 수 없습니다. 손끝에 날카로운 도구를 달았는지, 무거운 작업물이 떨어질 수 있는지도 확인해야 합니다. Universal Robots의 공식 FAQ도 로봇·도구·작업물·배치 등을 포함한 적용 현장의 위험성 평가를 요구합니다.

실제 제품은 공식 자료로 보는 편이 낫습니다. 보스턴다이내믹스는 Atlas 제품 페이지에서 물류·제조 현장의 물체 조작을 주요 용도로 소개합니다. 아래는 현재 납품 실적의 증거가 아니라, 전동식 Atlas의 형태와 움직임을 확인하는 2024년 공개 영상입니다.

공식 영상 보기 ↗ YouTube · 새 탭

전동식 Atlas 공개 영상 · Boston Dynamics 공식 채널 · 2024-04-17
이 영상은 당시 공개된 로봇의 동작 시연입니다. 현재 판매 제품의 사양이나 상시 가동 성과를 의미하지 않습니다.

04 멋진 시연 다음에는 무엇을 물어야 할까요?

동영상은 동작의 가능성을 빠르게 보여줍니다. 그러나 편집된 영상만으로 실패 횟수, 사람의 개입, 촬영 전 준비 시간까지 알기는 어렵습니다.

그렇다고 시연이나 연구용 판매가 의미 없는 것은 아닙니다. 개발자는 장비를 이용해 데이터를 모으고 다음 기능을 검증합니다. 다만 연구실에서 잘 작동한다는 사실과 고객 현장에서 비용을 줄인다는 사실은 서로 다른 증거입니다.

사업 읽기 / 증거가 쌓이는 과정

한 번의 성공에서, 반복되는 작업으로.

시연

무슨 조건에서 가능했나

작업 난도, 원격 조작 여부, 실패·재시도 조건을 봅니다.

현장 실증

다른 환경에서도 가능한가

작업물과 조명을 바꾸고, 사람의 개입과 정지 시간을 측정합니다.

반복 운용

고객이 계속 사용할 이유가 있나

유지보수·통합 비용을 포함해 생산성과 비용을 확인합니다.

단계는 겹치거나 되돌아갈 수 있습니다. 주문·납품·매출 인식·현장 가동은 각각 따로 확인할 항목입니다.

투자자가 첫 기사에서 모두 답을 얻을 필요는 없습니다. 아직 공개되지 않은 것이 무엇인지 구분하는 것만으로도 도움이 됩니다. “놀라운 동작을 한다”와 “반복 주문이 나올 사업이다” 사이의 질문을 생략하지 않는 것입니다.

정리

피지컬 AI의 핵심은 사람 모양이 아니라 인식과 행동의 연결입니다. 기존 자동화도 여전히 중요한 선택지이며, 학습형 로봇의 가치는 변화하는 환경에서 일을 해낼 때 드러납니다. 로봇을 볼 때에는 모양보다 맡은 작업을, 시연 다음에는 반복 운용의 조건을 살펴보세요.

다음 2편에서는 그 움직임을 만드는 모터·감속기·액추에이터를 열어봅니다. AI가 좋은 동작을 계산해도 관절이 이를 구현하지 못하면 작업은 완성되지 않습니다.

⚠️ 이 글은 AI를 활용해 투자 관련 내용을 공부하며 정리한 글입니다. 특정 종목이나 투자 방식에 대한 권유가 아니며, 내용에 오류가 있거나 최신 정보와 다를 수 있습니다. 실제 투자 전에는 공식 자료를 직접 확인하시기 바랍니다. 투자 판단과 그 결과에 대한 책임은 투자자 본인에게 있습니다.

기업의 제품 소개와 시연은 제조사 제공 자료이며 독립적인 성능 검증을 뜻하지 않습니다. 기술과 제품 사양은 바뀔 수 있습니다.

금리를 읽는 법 — 무료로 확인할 수 있는 여섯 가지 · AI 금리 투자 교과서 ⑥

Tue, 01 Sep 2026 08:00:00 +0900

시리즈의 마지막 편입니다.

다섯 편 동안 숫자를 참 많이 봤습니다. 잉여현금흐름, 기간프리미엄, 잔존가치보증, 커브 정상화. 그런데 여기서 한 가지가 마음에 걸렸습니다.

그 숫자들 중에 여러분이 직접 확인할 수 있는 건 몇 개일까요.

기사에 나온 숫자를 그대로 받아 적는 것과, 내가 직접 열어보는 것은 다릅니다. 그래서 이번 편은 주소록입니다. 아래 주소는 전부 제가 직접 열어서 확인했고, 안 열리는 곳은 뺐습니다.

무료로 확인할 수 있는 여섯 가지

무엇	어디	주소
미국 국채 수익률 곡선	미 재무부	home.treasury.gov
기간프리미엄(ACM)	뉴욕 연방준비은행	newyorkfed.org
한국 국고채 만기별 금리	금융투자협회 채권정보센터	kofiabond.or.kr
기준금리 추이	한국은행	bok.or.kr
코픽스	전국은행연합회	portal.kfb.or.kr
은행별 대출금리 비교	은행연합회 소비자포털	portal.kfb.or.kr

여섯 개 모두 무료이고 가입도 필요 없습니다.

① 미국 국채 수익률 곡선

3편의 5.337%가 여기 있습니다. 미 재무부가 매일 1개월물부터 30년물까지 전 구간을 공개합니다. 한 화면에 만기별 금리가 나란히 나오기 때문에, 뒤에 나올 “구간을 나눠 보라"는 원칙을 바로 적용할 수 있습니다.

② 기간프리미엄 — 3편의 그 숫자

3편에서 0.2%에서 1.20%로 올랐다고 한 그 값입니다. 뉴욕 연은이 ACM(Adrian-Crump-Moench) 모형으로 추정해 공개합니다.

이건 시장에서 직접 거래되는 값이 아니라 모형으로 추정한 값입니다. 기관마다 추정치가 다릅니다. 그래서 절대 수준보다 방향을 보는 게 낫습니다.

③ 한국 국고채 만기별 금리

5편의 핵심이 여기 있습니다. 금융투자협회 채권정보센터에서 3년·10년·30년물을 함께 볼 수 있습니다. 한 화면에 놓고 보는 게 중요합니다. 5편에서 확인했듯, 하나만 보면 정반대의 결론이 나오니까요.

한국은행 경제통계시스템 **ECOS**에서도 시계열로 받을 수 있습니다.

④ 기준금리 추이

한국은행이 역대 기준금리 변경 이력을 표로 공개합니다. 8월 27일 3.00%로 오른 것도 여기 기록돼 있습니다. 짧은 쪽 금리를 정하는 값이니, ③과 함께 보면 “어디까지가 한국은행 몫인지"가 눈에 들어옵니다.

⑤ 코픽스

5편에서 본 다음 달 변동금리의 예고편입니다. 전국은행연합회가 매달 공시합니다. 이번 달 코픽스가 오르면 다음 달 변동금리 주택담보대출이 따라 오릅니다. 대출을 갖고 계시다면 여섯 개 중 가장 실용적인 지표입니다.

⑥ 은행별 대출금리 비교

은행연합회 소비자포털에서 은행별 주택담보대출 금리를 비교할 수 있습니다. 다만 여기 나온 값은 평균입니다. 실제 금리는 신용도와 상품에 따라 달라지니, 최종 조건은 해당 은행에서 확인하셔야 합니다.

덧붙여 — 내가 가진 상품의 보유 종목

2편에서 블랙록 하이일드 ETF의 최대 보유 자산이 데이터센터 프로젝트 채권이라는 걸 봤습니다. 해외 채권형 펀드나 ETF를 갖고 계시다면, 운용사 홈페이지에서 보유 종목 내역을 한 번 열어보시길 권합니다. 이건 주소를 하나로 특정할 수 없어서 표에 넣지 않았습니다. 상품마다 운용사가 다르니까요.

금리를 읽는 세 가지 원칙

주소를 알아도 어떻게 읽을지 모르면 소용이 없습니다. 여섯 편을 쓰면서 실제로 쓴 방법이 셋입니다.

1. 구간을 나눠서 본다

이 시리즈에서 가장 자주 쓴 방법입니다.

3편: 전체 회사채 시장에서 AI는 여럿 중 하나였지만, **만기 15년 이상 구간에서는 40%**였습니다.
5편: 기준금리를 올렸는데 3년물은 -5bp, 30년물은 +25bp였습니다.

같은 나라 국채인데 만기에 따라 정반대로 움직입니다. “금리가 올랐다"는 문장은 어느 구간인지 말하지 않으면 절반만 참입니다.

2. 하루치로 판단하지 않는다

순환매 6편에서도 같은 말을 했습니다. 하루의 등락은 거의 아무것도 말해주지 않습니다. 며칠에서 몇 주를 쌓아 놓고 봐야 방향이 보입니다.

8월 19일 코스피가 5.80% 빠지고 다음 날 반등한 걸 각각 따로 해석했다면, 둘 다 틀렸을 겁니다.

3. 기울기를 본다

30년물에서 3년물을 뺀 값을 기록해 두십시오. 이 차이가 벌어지면(스티프닝) 긴 쪽에 무슨 일이 생긴 것이고, 좁아지면(플래트닝) 짧은 쪽이 움직인 것입니다.

5편에서 본 한국의 상황이 정확히 스티프닝이었습니다. 그리고 그 원인은 한국은행이 아니라 보험사 수요의 변화였습니다. 기울기를 보지 않았다면 “기준금리를 올렸으니 금리가 올랐구나"로 끝났을 겁니다.

무엇을 무시해도 되나

반대로, 굳이 좇지 않아도 되는 것들입니다.

하루 단위 금리 뉴스. 위에서 말한 대로입니다.
“이번엔 다르다"류의 단정. 4편에서 봤듯 같은 점과 다른 점은 늘 함께 있습니다.
총 규모 숫자 하나. 4편에서 순환금융 규모가 700억부터 7,500억 달러까지 갈렸습니다. 무엇을 세었는지 모르는 큰 숫자는 정보가 아닙니다.

여섯 편의 가설 성적표

이 시리즈를 시작하면서 계획서에 편별 가설을 미리 적어뒀습니다. 결과는 이랬습니다.

편	미리 세운 가설	결과
1편	캐펙스가 영업현금흐름을 넘었을 것이다	맞음 — 알파벳 2분기 잉여현금흐름이 상장 이후 첫 적자
2편	리스크 은폐인가, 정상적인 프로젝트 파이낸싱인가	질문이 틀림 — 빚은 다른 사람 장부로 옮겨갔다
3편	“AI 탓"이 과장일 것이다	맞음 — 하이퍼스케일러가 없는 독일·프랑스도 최고를 찍었다
4편	1999년 벤더 파이낸싱과 같은 구조인가	다르지만 — 더 정교해졌을 뿐 위험은 옮겨갔다
5편	미국 탓인가, 국내 요인인가	제3의 답 — 회계제도가 만든 수요가 사라지는 중

다섯 번 중 세 번은 미리 세운 가설이 빗나갔습니다. 순환매 시리즈에서는 여섯 편 중 다섯 편이 그랬습니다.

그리고 매번 데이터 쪽이 더 나은 이야기였습니다. 2편에서 “은폐냐 정상이냐"로 끝냈다면 핌코와 블랙록 ETF 이야기는 나오지 않았을 겁니다. 5편에서 재정적자만 찾았다면 보험사와 IFRS17은 못 봤을 겁니다.

그럴듯한 설명이 먼저 떠오르면 숫자로 검증해 보십시오. 대체로 틀립니다. 그리고 그게 틀리는 자리에 더 재미있는 게 있습니다.

정리

여섯 개 주소면 이 시리즈의 숫자를 직접 확인할 수 있습니다. 미 재무부(국채 수익률 곡선), 뉴욕 연은(기간프리미엄), 금투협 채권정보센터(국고채 만기별), 한국은행(기준금리), 은행연합회(코픽스·대출금리 비교). 전부 무료입니다.
기간프리미엄은 모형 추정치라 기관마다 다릅니다. 절대 수준보다 방향을 보십시오.
읽는 법 세 가지: 구간을 나눠서 볼 것, 하루치로 판단하지 말 것, 30년물에서 3년물을 뺀 기울기를 볼 것.
무시해도 되는 것: 하루 단위 금리 뉴스, “이번엔 다르다"류의 단정, 그리고 무엇을 세었는지 모르는 큰 숫자.
대출이 있으시다면 코픽스 하나만 보셔도 됩니다. 여섯 개 중 가장 실용적입니다.
해외 채권형 상품을 갖고 계시다면 보유 종목을 한 번 열어보십시오. 2편에서 본 그 채권이 들어 있을 수 있습니다.

마지막으로 — 39편이 끝났습니다

이 글로 다섯 번째 시리즈가 끝납니다.

반도체 11편은 AI의 부품을, 전력 10편은 연료를, 지수 6편은 AI가 삼킨 시장을, 순환매 6편은 돈의 이동을 봤습니다. 그리고 이번 금리 6편이 돈의 값이었습니다. 합쳐서 39편입니다.

돌아보면 순서가 자연스러웠습니다. 부품에서 시작해 연료로, 시장으로, 돈의 흐름으로, 그리고 돈의 값까지 왔습니다. 처음부터 이렇게 계획한 건 아니었습니다. 매번 앞 시리즈에서 설명하지 못하고 남긴 것이 다음 시리즈의 주제가 됐습니다. 이번 금리 시리즈도 순환매 4편의 각주 하나에서 시작했습니다.

다음 시리즈는 아직 정하지 않았습니다. 아마 이번 여섯 편에서 다 설명하지 못한 것 중 하나가 될 겁니다.

읽어주셔서 고맙습니다.

⚠️ 이 글은 AI를 활용해 투자 관련 내용을 공부하며 정리한 글입니다. 특정 종목이나 투자 방식에 대한 권유가 아니며, 내용에 오류가 있거나 최신 정보와 다를 수 있습니다. 실제 투자 전에는 공식 자료를 직접 확인하시기 바랍니다. 투자 판단과 그 결과에 대한 책임은 투자자 본인에게 있습니다.

본문에 소개한 주소는 확인 시점(2026년 9월 1일)에 모두 정상 접속을 확인했으나, 기관 사정에 따라 주소나 메뉴 구성이 바뀔 수 있습니다. 기간프리미엄은 시장에서 거래되는 값이 아니라 모형으로 추정한 값이며 기관마다 수치가 다릅니다. 은행연합회에 공시되는 대출금리는 평균값으로, 실제 적용 금리는 개인의 신용도와 상품에 따라 크게 달라지므로 반드시 해당 금융기관에서 확인하시기 바랍니다. 본문의 읽는 법은 제가 여섯 편을 쓰며 사용한 방법일 뿐 검증된 투자 기법이 아닙니다.

미국 금리는 어떻게 내 계좌에 닿나 — 한국 30년물만의 사연 · AI 금리 투자 교과서 ⑤

Sun, 30 Aug 2026 10:30:00 +0900

3편을 이렇게 끝냈습니다. 동네 전체가 정전이었다고요. 그리고 숙제를 하나 남겼습니다.

한국 국고채 30년물이 역대 최고인데, 한국에는 하이퍼스케일러가 없습니다. 그럼 우리 금리는 왜 올랐을까요.

답부터 말씀드리면 이렇습니다. 동네도 정전이었고, 우리 집 두꺼비집에도 문제가 있었습니다. 그런데 그 문제가 제 예상과 전혀 다른 곳에 있었습니다.

같은 날, 세 나라가 함께 최고를 찍었다

한국 국고채 30년물이 **4.751%**로 역대 최고를 기록한 날, 일본 30년물도 **3.52%**로 사상 최고를, 미국 30년물도 **5.337%**로 19년 만의 최고를 찍었습니다. 같은 날입니다.

그리고 그 여파가 며칠 뒤 우리 증시에 왔습니다. 8월 19일, 코스피는 398.66포인트(5.80%) 내린 6,471.17에 마감했습니다. 장 시작 6분 만에 매도 사이드카가 발동됐고, 외국인이 3조 5,035억 원, 기관이 1조 3,244억 원을 순매도했습니다. 언론이 붙인 제목은 **“미 금리 쇼크”**였습니다.

여기까지만 보면 답이 나온 것 같습니다. 미국 금리가 그대로 넘어왔구나.

그런데 그날 하나가 이상했습니다. 원달러 환율은 오히려 14.1원 내려 1,397.7원이 됐습니다. 위험자산에서 돈이 빠지면 보통 원화가 약해지는데, 그날은 반대였습니다. 다음 날 코스피가 반등한 것도 원화 강세와 전기전자 수급 개선 덕이었습니다.

뭔가 단순하지 않다는 신호였습니다.

결정적 단서 — 만기별로 갈렸다

3편에서 배운 방법을 그대로 써봤습니다. 구간을 나눠서 보는 것입니다.

7월 중순 한국은행이 기준금리를 올린 뒤, 국고채 금리는 이렇게 움직였습니다.

만기	변화
국고채 3년	-5bp (내렸다)
국고채 10년	+4bp
국고채 30년	+25bp

한국은행이 기준금리를 올렸는데 3년물은 오히려 내렸습니다. 그리고 30년물만 25bp 뛰었습니다. bp는 0.01%포인트입니다.

이건 통화정책이 고장 났다는 뜻이 아닙니다. 애초에 관할이 다르다는 뜻입니다.

짧은 쪽은 한국은행이 정하고, 긴 쪽은 세계가 정합니다.

기준금리는 초단기 금리를 직접 건드립니다. 그 영향이 3년물까지는 옵니다. 하지만 30년 뒤를 보는 금리는 한국은행이 아니라 세계의 기간프리미엄이 정합니다. 3편에서 본 그 기간프리미엄 말입니다.

그러니 “미국 금리가 넘어왔나"라는 질문은 절반만 맞았습니다. 넘어온 게 아니라, 원래 같은 시장이었습니다.

그런데 30년물만 왜 그렇게 많이 뛰었을까

여기가 이번 편에서 가장 예상 밖이었던 대목입니다.

저는 국내 요인을 찾는다면 재정적자나 국채 발행 물량일 거라고 생각했습니다. 3편에서 미국이 그랬으니까요. 그런데 자료를 보니 진짜 이유는 다른 데 있었습니다.

그동안 30년물은 보험사가 사줬습니다

IFRS17(새 국제회계기준)과 K-ICS(신지급여력제도)가 도입되면서 보험사는 보험부채를 시가로 평가하게 됐습니다. 보험 계약은 만기가 아주 깁니다. 그러면 자산도 그만큼 길게 맞춰야 평가손익이 요동치지 않습니다. 이걸 듀레이션 매칭이라고 합니다.

그래서 보험사들이 초장기 국채를 대량으로 사들였습니다. 규모가 어느 정도였냐면,

2024년 국고채 발행의 30.2%가 30년물이었습니다.
2014년 말과 2024년 말을 비교하면, 국고채 발행잔액 증가분의 약 절반(47.9%), 291조 원이 30년물입니다.

그 결과 한국 채권시장에는 세계적으로도 드문 일이 벌어졌습니다. 2017년 이후 30년물 금리가 10년물보다 낮았습니다.

보통은 오래 빌려줄수록 더 받습니다. 3편에서 본 기간프리미엄이 그것이죠. 그런데 한국은 반대였습니다. 사야만 하는 매수자가 한쪽에 몰려 있으면, 가격은 왜곡됩니다.

지금은 그 수요가 줄었습니다

보험사의 초장기채 매수 유인이 예전만 못해졌습니다. 전통적인 매수 주체가 빠진 자리에 발행 물량은 그대로 나옵니다. 그러면 금리는 오릅니다.

씨티는 이 현상을 **“초장기 커브 정상화”**라고 불렀습니다. 눌려 있던 것이 제자리를 찾아가는 중이라는 뜻입니다.

그러니 이렇게 말해야 정확합니다. 한국 30년물이 역대 최고를 찍은 건, 그동안 비정상적으로 낮았기 때문이기도 합니다. 미국의 30년물 최고와 한국의 30년물 최고는 이름은 같지만 성격이 다릅니다. 미국은 없던 프리미엄이 생긴 것이고, 한국은 눌려 있던 것이 풀리는 중입니다.

그리고 흔한 설명 하나는 틀렸습니다

금리가 오르면 흔히 **“외국인이 팔아서”**라고 합니다. 이번엔 아니었습니다.

외국인은 오히려 원화채를 순매수했습니다. 국고채 30년물이 역대 최고를 찍은 날에도 그랬습니다. 세계국채지수(WGBI) 편입에 따른 패시브 자금이 계속 들어오고 있기 때문입니다.

다만 전문가들은 외국인 자금이 들어와도 원화채 시장의 수급 구조 자체가 취약하다고 지적합니다. 살 사람이 한 종류(보험사)에 몰려 있었다가 그쪽이 빠지면, 새로 들어온 돈이 그 자리를 대신하기는 쉽지 않습니다.

참고로 이 국면에서 **“채권 자경단”**이라는 표현도 등장했습니다. 정부 재정이 방만하다고 판단하면 국채를 팔아 금리를 올려 압박하는 채권 투자자들을 가리키는 말로, 1990년대 클린턴 행정부 시절 처음 쓰였습니다.

그 사이 한국은행은 금리를 올렸습니다

8월 27일 금융통화위원회는 기준금리를 2.75%에서 3.00%로 0.25%포인트 올렸습니다. 7월에 이은 2회 연속 인상이고, 금통위원 7명 중 6명이 찬성했습니다.

같이 발표된 전망이 더 눈에 띕니다.

항목	이전	이번
올해 GDP 성장률 전망	2.6%	3.3%
소비자물가 상승률 전망	2.7%	2.7% (유지)

성장률 전망을 0.7%포인트나 올렸습니다. 물가가 튀기 전에 미리 잡겠다는 신호로 읽혔고, 공개된 점도표에서 21개 점 중 최고값은 **3.5%**였습니다.

즉 우리 통화정책은 지금 긴축 사이클에 있습니다. 다만 위에서 봤듯, 이건 주로 짧은 쪽 이야기입니다.

그래서 내 계좌에는 어떻게 닿나

1. 고정금리 주택담보대출 — 며칠 안에

혼합형(고정) 주담대의 기준은 은행채 5년물입니다. 이 금리는 국고채를 따라 움직입니다. 최근 급등하면서 혼합형 주담대 금리가 연 5%대에 진입했습니다.

미국 30년물 → 한국 국고채 → 은행채 5년물 → 내 대출금리. 이 사슬이 이번 편의 제목입니다.

2. 변동금리 주택담보대출 — 다음 달

변동금리의 기준은 **코픽스(COFIX)**입니다. 국내 8개 은행이 자금을 조달한 금리를 가중평균한 값이고, 오르면 그다음 달 변동금리 대출에 반영됩니다. 신규취급액 기준 코픽스는 두 달 연속 올랐습니다.

3. 주식 할인율 — 그날 바로

가장 빠른 관문입니다. 금리가 오르면 미래 이익의 현재가치가 줄어듭니다. 먼 미래의 이익을 크게 반영해 값이 매겨진 성장주가 먼저 흔들립니다. 8월 19일 코스피 5.80% 급락이 정확히 이 경로였습니다. 지수 6편에서 다룬 할인율과 PER의 관계가 여기서 실제로 작동합니다.

4. 예금금리 — 천천히

기준금리는 올랐는데 예금금리는 상대적으로 더디게 오른다는 지적이 나옵니다. 대출금리가 오르는 속도와 예금금리가 오르는 속도가 다르다는 뜻입니다. 관문 네 개 중 이것 하나만 잘 열리지 않습니다.

3편의 질문에 답하면

미국 금리가 그대로 넘어온 걸까요, 국내 사정이 따로 있는 걸까요.

둘 다입니다. 그런데 나눠서 봐야 합니다.

짧은 쪽(3년물): 한국은행 관할입니다. 실제로 기준금리를 올렸는데도 5bp 내렸습니다.
긴 쪽(30년물): 세계의 기간프리미엄이 정합니다. 한국·일본·미국이 같은 날 최고를 찍은 게 그 증거입니다.
그 위에 한국만의 이유가 하나 더: 보험사 수요가 만들어 놓은 왜곡이 풀리는 중입니다. 그래서 30년물만 25bp 뛰었습니다.

3편에서 “AI는 셋 중 하나이고 아마 가장 작다"고 했는데, 한국까지 오면 AI의 지분은 더 작아집니다. 우리 30년물 금리를 밀어올린 가장 큰 힘은 AI 회사채도, 외국인 이탈도 아니라, 회계제도가 만든 수요가 사라지는 과정이었습니다.

정리

같은 날 한국(4.751%)·일본(3.52%)·미국(5.337%) 30년물이 함께 최고를 찍었습니다. 며칠 뒤 코스피는 5.80% 급락해 6,471.17로 마감했고 장 시작 6분 만에 사이드카가 발동됐습니다.
만기별로 갈렸습니다. 7월 기준금리 인상 이후 3년물 -5bp, 10년물 +4bp, 30년물 +25bp. 짧은 쪽은 한국은행이, 긴 쪽은 세계가 정합니다.
30년물만 뛴 데는 한국만의 이유가 있었습니다. IFRS17·K-ICS 도입 후 보험사가 초장기 국채를 대량 매입해 2017년 이후 30년물 금리가 10년물보다 낮은 기현상이 있었는데, 그 수요가 줄면서 정상으로 되돌아가는 중입니다. 씨티는 이를 **“초장기 커브 정상화”**라 불렀습니다.
“외국인이 팔아서"는 틀렸습니다. 외국인은 오히려 순매수했고, WGBI 편입 패시브 자금이 계속 들어오고 있습니다. 다만 수급 구조 자체는 취약하다는 지적이 함께 나옵니다.
8월 27일 한국은행은 기준금리를 3.00%로 올렸습니다. 2회 연속이고, 성장률 전망을 2.6%에서 **3.3%**로 크게 올렸습니다.
내 계좌에는 네 개의 관문으로 옵니다. 고정금리 주담대(은행채 5년물, 연 5%대 진입), 변동금리 주담대(코픽스 두 달 연속 상승), 주식 할인율(그날 바로), 그리고 예금금리(천천히).

다음 편이 마지막입니다. 다섯 편 동안 숫자를 잔뜩 봤는데, 그중 개인이 직접 클릭해서 확인할 수 있는 게 무엇인지 정리하겠습니다. 순환매 6편에서 했던 것처럼 모든 주소를 직접 확인하고, 안 열리는 곳은 빼겠습니다.

⚠️ 이 글은 AI를 활용해 투자 관련 내용을 공부하며 정리한 글입니다. 특정 종목이나 투자 방식에 대한 권유가 아니며, 내용에 오류가 있거나 최신 정보와 다를 수 있습니다. 실제 투자 전에는 공식 자료를 직접 확인하시기 바랍니다. 투자 판단과 그 결과에 대한 책임은 투자자 본인에게 있습니다.

본문의 금리·지수·환율은 확인 시점(2026년 8월 30일)의 시장 데이터와 언론 보도 기준이며 계속 변합니다. 만기별 금리 변화는 특정 기준일 사이의 비교로, 기간을 달리 잡으면 값이 달라집니다. 보험사 수요와 초장기 금리의 관계는 여러 기관이 제시한 해석이며 유일한 설명은 아닙니다. 대출금리는 개인의 신용도와 상품에 따라 크게 달라지므로 본인 조건은 해당 금융기관에서 확인하시기 바랍니다.

잔존가치보증과 순환금융 — 1999년의 그 구조인가 · AI 금리 투자 교과서 ④

Sat, 29 Aug 2026 10:00:00 +0900

이 시리즈에서 가장 논쟁적인 편입니다. 결론을 먼저 말씀드리면, 양쪽 다 일리가 있습니다.

제가 중고차를 판다고 해봅시다

손님이 차를 사고 싶은데 할부가 안 나옵니다. 신용이 없어서요. 그래서 제가 캐피탈 회사에 이렇게 말합니다.

“3년 뒤에 이 차가 최소 얼마는 나가게 제가 책임지겠습니다.”

그러면 할부가 나옵니다. 손님은 차를 삽니다. 그 차를 파는 것도 접니다.

제가 거짓말을 한 건 없습니다. 차는 진짜 있고, 손님도 진짜 쓸 겁니다. 다만 이 거래에서 손님의 신용은 제 신용입니다.

지금 엔비디아가 하고 있는 일이 이것입니다. 그리고 1999년에도 비슷한 일이 있었습니다.

1999년에 있었던 일

닷컴 시절, 통신망을 깔겠다는 신생 사업자들이 쏟아졌습니다. 그런데 돈이 없었습니다. 그래서 장비를 파는 회사들이 나섰습니다. 루슨트, 시스코, 노텔.

방식은 단순했습니다. 장비를 사라고 돈을 빌려주고, 그 돈으로 자기 장비를 사게 했습니다. 이걸 벤더 파이낸싱(vendor financing), 우리말로 판매자 금융이라고 합니다.

장부에서는 아름다웠습니다. 빌려준 돈이 한 바퀴 돌아 매출이 되어 돌아왔으니까요. 매출이 늘고, 주가가 오르고, 더 많이 빌려줄 여력이 생겼습니다.

닷컴이 꺼지자 신생 사업자들은 갚지 못했습니다. 대출은 대부분 상각됐습니다. 그리고 이런 일이 벌어졌습니다.

루슨트 주가
1999년 말	84달러
2002년	55센트

2026년에 벌어지는 일

엔비디아는 미국 오하이오주 파이크카운티에 짓는 포츠파이크 데이터센터 캠퍼스와 관련해, 개발사인 소프트뱅크 자회사 SB에너지에 최대 1,050억 달러 규모의 잔존가치 보증계약을 맺었습니다. 여기 들어갈 오픈AI가 임차인입니다.

**잔존가치보증(RVG, Residual Value Guarantee)**은 이런 약속입니다.

오픈AI가 임차료를 못 내면, 재임대나 매각으로 회수한 금액과 사전에 정해둔 최소 가치 사이의 차액 일부를 엔비디아가 부담한다.

왜 이런 게 필요했을까요. 오픈AI는 비상장이라 별도의 신용등급이 없습니다. 신용등급이 없으면 20년짜리 임대차 계약을 받아줄 금융기관을 찾기 어렵습니다. 그래서 엔비디아가 나섭니다. 오픈AI가 엔비디아의 대차대조표를 신용보강 수단으로 빌려 쓰는 구조라는 해석이 나오는 이유입니다.

그리고 여기서 짚어둘 대목이 하나 있습니다. 엔비디아는 공시에서 이렇게 밝혔습니다.

“지급 가능성이 낮아 현재까지 부채가 기록되지 않았다.”

2편에서 본 계약상 부채는 그래도 주석에는 적혔습니다. 이건 주석에도 부채로 잡히지 않습니다. 우발채무로 분류될 뿐입니다.

그 위에 또 한 겹

엔비디아는 별도로 아폴로 글로벌 매니지먼트, 블랙록, 블랙스톤, 브룩필드, 골드만삭스, KKR 6개 금융기관과 양해각서를 맺고 5,000억 달러 이상의 외부 자본을 동원하는 자금조달 플랫폼을 구축하기로 했습니다. GPU를 부동산이나 인프라처럼 금융시장에서 거래 가능한 자산으로 만들겠다는 구상입니다.

그런데 숫자가 맞지 않습니다

여기서 이상한 걸 발견했습니다. 규모에 대한 숫자가 출처마다 다릅니다.

무엇을 세었나	규모
메타·브로드컴 등 AI 기업의 잔존가치보증 추산	약 700억 달러
엔비디아 → 오픈AI 데이터센터 단일 보증	최대 1,050억 달러
엔비디아의 생태계 파트너 자본 약속	약 3,000억 달러
월가 6개사와의 자금조달 플랫폼	5,000억 달러 이상
언론이 “순환금융"으로 묶어 부른 규모	7,500억 달러 이상

업계 전체 추산이 700억 달러인데, 단일 거래 하나가 1,050억 달러입니다. 집계 기준과 시점이 서로 다르기 때문입니다. 참고로 오픈AI 건도 초기에는 최대 2,500억 달러까지 보증할 수 있다는 전망이 나왔다가 지금 규모로 줄었습니다.

그래서 이 글에서는 가장 구체적으로 확인되는 숫자, 즉 상대방과 대상이 명시된 1,050억 달러를 기준으로 씁니다. 나머지는 참고용입니다.

다만 이 불일치 자체가 하나를 말해줍니다. 아직 아무도 이 구조의 전체 크기를 정확히 세지 못하고 있습니다.

같은 점과 다른 점

같습니다

파는 쪽이 사는 쪽의 자금을 떠받쳐 줍니다. 형태는 대출에서 보증으로 바뀌었지만, 사는 쪽이 파는 쪽의 신용에 기대는 구조는 같습니다.
수요가 자생적인지 구분하기 어려워집니다. 내가 밀어준 돈으로 발생한 수요와, 그렇지 않은 수요가 섞이니까요.
규모를 아무도 정확히 세지 못합니다. 위에서 본 그대로입니다.

다릅니다

첫째, 루슨트는 직접 빌려줬고 그걸 매출로 인식했습니다. 엔비디아의 잔존가치보증은 매출을 만들지 않습니다. 돈이 나가지도 않습니다. 조건이 성립할 때만 나중에 부담이 생깁니다. 회계적으로는 다른 물건입니다.

둘째, 그때 고객사들은 매출이 없었습니다. 지금 엔비디아는 이렇습니다.

엔비디아 2026 회계연도
연매출	2,159억 달러 (+65%, 사상 첫 2,000억 돌파)
순이익	429억 6,000만 달러 (+94%, 사상 최대)
4분기 매출	681억 2,700만 달러 (+73%)

JP모건의 표현이 이 차이를 잘 요약합니다. “자본이 AI를 쫓고 있는 것이지, 그 반대가 아니다.” 현재 AI 기업들은 닷컴 시절 기업들보다 잉여현금흐름이 훨씬 많다는 것도 함께 지적됩니다.

젠슨 황 CEO도 반박했습니다. “이는 우리가 공급망 관리에 적용하는 원칙과 동일한 방식이다. 고객 수요를 예측할 수 있고 이를 통해 장기적인 생산 능력을 확보할 수 있을 때 핵심 자원을 투입하는 것이다.” 엔비디아 측은 이 조치가 자금 수요를 충당하려는 게 아니라 인프라 공급을 확보하기 위한 것이라고 강조합니다.

셋째, 스스로 규모를 줄였습니다. 오픈AI 건은 최대 2,500억 달러까지 갈 수 있다는 관측이 있었지만 1,050억 달러로 정리됐습니다. 통제 없이 불어나기만 한 게 아니라는 근거이기도 합니다.

그런데 다르다는 게 더 낫다는 뜻일까요

여기가 이번 편의 핵심입니다.

1999년에 루슨트가 무너졌을 때, 손실을 본 것은 루슨트와 그 주주였습니다. 위험을 판매자가 직접 안고 있었기 때문입니다. 84달러가 55센트가 되는 동안, 그 손실은 한 회사 안에서 끝났습니다. 잔인하지만 명확했습니다.

지금 구조는 다릅니다. 위험이 금융권 전체로 나뉘어 있습니다.

래리 핑크 블랙록 회장은 이번 구상을 자신이 1970년대 초에 겪었던 주택저당증권(MBS) 시장의 형성 과정에 빗댔습니다. 블랙스톤은 AI 컴퓨팅을 **“주택담보대출 시장에서 주택을 바라보는 것과 유사한 금융 가능한 자산”**이라고 설명했습니다.

이 비유는 정확합니다. 그리고 그래서 불편합니다.

MBS의 발명은 실제로 진보였습니다. 한 곳에 몰려 있던 위험을 여러 곳으로 나누는 기술이었으니까요. 2008년까지는 그랬습니다.

그러니 이렇게 정리하는 게 정확할 것 같습니다.

1999년보다 정교해진 것은 맞습니다. 위험이 사라진 것은 아닙니다. 옮겨간 것입니다.

그리고 어디로 옮겨갔는지는 2편에서 이미 봤습니다. 핌코와 블랙록 ETF, 그리고 연기금입니다. 루슨트가 틀어졌을 때 무너진 건 루슨트 주주였지만, 이 구조가 틀어지면 손실이 어디서 나올지는 미리 알기 어렵습니다.

지금 시장은 어느 쪽에 걸고 있나

양쪽 다 실제 돈을 걸고 있습니다.

우려하는 쪽

마이클 버리가 엔비디아 공매도를 늘렸습니다.
S&P가 오라클의 신용등급을 BBB에서 BBB-로 낮췄습니다. 공격적인 AI 인프라 확장이 기존의 안정적인 사업 구조를 훼손하고 있다는 이유였습니다.
오라클의 5년물 CDS 프리미엄이 관련 데이터 집계가 시작된 2008년 말 이후 가장 높은 수준까지 올랐습니다. CDS는 부도에 대비한 보험료 같은 것이라, 오르면 시장이 그 회사의 위험을 크게 본다는 뜻입니다.
**국제결제은행(BIS)**은 “AI 투자 경쟁이 재정적 취약성을 야기하고 있다"고 지적했습니다.

과도하다는 쪽

뱅크오브아메리카는 시장이 엔비디아 AI 생태계 투자의 리스크를 과대평가하고 있다며, 최대 50% 저평가 상태라고 봤습니다.
JP모건은 “일정한 주의가 필요하다"면서도 지금 거래는 닷컴 시대와 다르다고 정리했습니다.
그리고 실적이 있습니다. 위의 2,159억 달러는 예상이 아니라 이미 찍힌 숫자입니다.

무엇을 지켜봐야 하나

이 논쟁은 지금 판정할 수 없습니다. 대신 판정이 날 때 먼저 움직일 지표를 알아두는 게 낫습니다.

오라클 CDS 프리미엄. AI 부채의 온도계 역할을 하고 있습니다. 언론이 “AI 리스크 바로미터"라고 부르는 이유입니다.
신용등급 변화. 등급은 뒤늦게 움직이지만, 움직이면 확실한 신호입니다. S&P의 오라클 강등이 첫 사례였습니다.
GPU 중고 가격과 임대료. 잔존가치보증은 결국 “3년 뒤 이 물건이 얼마인가"에 걸린 계약입니다. 2편에서 본 내용연수 논쟁이 여기서 돈으로 결판납니다.
보증 규모의 공시. 엔비디아가 “부채로 기록하지 않았다"고 한 항목이 언제 부채로 바뀌는지가 분수령입니다.

정리

1999년 루슨트·시스코·노텔은 고객에게 돈을 빌려주고 자기 장비를 사게 해 매출로 인식했습니다. 닷컴이 꺼지자 대부분 상각됐고, 루슨트 주가는 1999년 말 84달러에서 2002년 55센트가 됐습니다.
엔비디아는 오픈AI가 쓸 오하이오 데이터센터에 최대 1,050억 달러를 보증했습니다. 오픈AI가 임차료를 못 내면 회수액과 사전 최소가치의 차액 일부를 부담하는 구조이고, 엔비디아는 **“지급 가능성이 낮아 부채로 기록하지 않았다”**고 공시했습니다.
규모조차 합의가 안 됩니다. 업계 추산 700억, 단일 거래 1,050억, 자본 약속 3,000억, 금융 플랫폼 5,000억, 언론이 부르는 순환금융 7,500억. 집계 기준이 제각각입니다.
1999년과 다릅니다. 루슨트는 직접 빌려주고 매출로 인식했지만 엔비디아는 보증이고 매출을 만들지 않습니다. 무엇보다 당시 고객사들은 매출이 없었고, 엔비디아는 연매출 2,159억 달러, 순이익 429억 달러로 둘 다 사상 최대입니다.
다만 다르다는 게 더 낫다는 뜻은 아닙니다. 래리 핑크는 이 구상을 1970년대 초 MBS 시장의 형성에 비유했습니다. 위험을 여러 곳으로 나누는 발명이었죠. 더 정교해진 것은 맞고, 사라진 것은 아닙니다. 1999년엔 루슨트 주주가 손실을 안았지만, 지금은 2편에서 본 채권 ETF와 연기금이 들고 있습니다.
지켜볼 것: 오라클 CDS, 신용등급 변화, GPU 중고 가격과 임대료, 그리고 보증이 부채로 넘어가는 시점.

다음 편에서는 다시 한국으로 돌아옵니다. 3편에서 숙제를 하나 남겨뒀습니다. 한국 국고채 30년물이 역대 최고인데 한국에는 하이퍼스케일러가 없습니다. 그러면 미국 금리가 그대로 넘어온 걸까요, 아니면 국내 사정이 따로 있는 걸까요. 5편에서 그 경로를 따라가 보겠습니다.

⚠️ 이 글은 AI를 활용해 투자 관련 내용을 공부하며 정리한 글입니다. 특정 종목이나 투자 방식에 대한 권유가 아니며, 내용에 오류가 있거나 최신 정보와 다를 수 있습니다. 실제 투자 전에는 공식 자료를 직접 확인하시기 바랍니다. 투자 판단과 그 결과에 대한 책임은 투자자 본인에게 있습니다.

본문의 보증 규모·실적·신용지표는 확인 시점(2026년 8월 29일)의 공시와 언론 보도 기준이며 계속 변합니다. 순환금융과 잔존가치보증의 총 규모는 집계 기준에 따라 크게 달라져 본문에 여러 수치를 함께 제시했고, 어느 하나를 확정된 값으로 제시하지 않았습니다. AI 투자를 둘러싼 버블 논쟁은 결론이 나지 않은 사안이며, 본문은 어느 쪽도 지지하지 않습니다. 개별 기업에 관한 부정적 서술은 신용평가사의 공표된 조치와 공개 시장 데이터에 한정했습니다. 달러 금액은 환율 변동을 고려해 원화 환산을 생략했습니다.

AI로 게임 만들기 #10 — 두 번 만들고 두 번 버렸습니다 (공개빌드 #10)

Sat, 29 Aug 2026 09:00:00 +0900

지난 편의 오디세이아에 이어, 열 번째 게임을 만들었습니다. 두 번 만들었고, 두 번 다 버렸습니다.

그래서 이번 편에는 새 게임이 없습니다. 대신 두 번 물린 이야기를 씁니다.

버린 두 개는 지우지 않고 그대로 올려뒀습니다. 게임 랩 목록에는 없지만 주소로는 들어갈 수 있어요. 읽으시다가 궁금하면 직접 눌러보세요.

👉 첫 번째 시제품 — 오늘의 주사위 · 두 번째 시제품 — 한 번 더

열 번째는 그림 없는 게임으로 가려 했습니다

지금까지 만든 게임들은 ComfyUI로 그린 이미지를 씁니다. 그런데 이미지는 유한합니다. 아무리 많이 그려도 언젠가 나왔던 게 또 나오고, 그때부터 흥미가 떨어지죠.

그래서 이번엔 그림 없이 만들자고 정했습니다. 주사위 눈까지 CSS 점으로 찍는 게임. 이 판단 자체는 지금도 맞다고 생각합니다.

첫 번째 — 완성했는데 손이 안 갔습니다

야추(Yacht) 방식으로 만들었습니다. 주사위 다섯 개를 세 번까지 굴려 열두 개 족보를 채우는 게임.

잘 돌아갔습니다. 족보 채점은 경계값까지 열여덟 가지를 검증했고, 보너스도 라운드 진행도 정확했습니다. 파일 하나 21KB, 그림 한 장 안 썼습니다.

그리고 열었는데 — 손이 안 갔습니다.

처음엔 설명이 부족한 줄 알았습니다. 점수판에 포카드 풀하우스 S.스트레이트라고만 적혀 있었으니까요. 뭘 만들어야 그 점수가 나는지가 화면 어디에도 없었습니다. 야추를 아는 사람만 읽을 수 있는 화면이었죠.

그런데 규칙을 다 정리하고 나서도 그대로였습니다. 문제는 설명이 아니었습니다.

야추엔 긴장이 없습니다

잃을 게 없습니다. 매 라운드 무조건 점수를 챙기고 넘어갑니다. 0점을 박아도 그냥 다음 라운드죠. 위험이 없으면 긴장도 없습니다.

결정이 스릴이 아니라 숙제입니다. “5의 합 20점이냐 포카드 23점이냐"는 심장이 뛰는 선택이 아니라 계산 문제입니다. 최적해가 있어서, 익숙해지면 기계적으로 두게 됩니다.

그리고 결정적으로 — 야추는 원래 여럿이 둘러앉아 떠들면서 하는 게임입니다. 재미의 절반이 사람인데, 혼자 폰으로 하면 그게 빠지고 엑셀 채우기만 남습니다.

두 번째 — 이번엔 숫자로 맞췄습니다

갈아엎었습니다. 같은 주사위인데 매 순간 결정이 있는 방식으로요.

굴려서 점수 나는 눈만 챙기고, 남은 걸로 또 굴릴지 멈출지 고릅니다. 굴렸는데 점수 나는 눈이 하나도 없으면 그 라운드는 전부 소멸.

이번엔 감으로 안 맞추고 자동 플레이어를 3천 판씩 돌렸습니다. 겁쟁이(한 번 챙기고 바로 멈춤), 신중(터질 확률 30%에서 멈춤), 욕심(45%까지), 무모(터질 때까지).

주사위 다섯 개일 땐 라운드당 굴림이 평균 1.8회였습니다. 두 번 굴리면 라운드가 끝나니 긴장이 쌓일 틈이 없었죠. 여섯 개로 늘리자 최적점이 생겼습니다.

전략	평균 점수
겁쟁이	1058
신중	1343
욕심	1082
무모	0

덜 굴려도 손해, 더 굴려도 손해. 원하던 모양이었습니다.

짐작이 또 틀렸습니다

라운드가 아직 짧게 느껴져서, 파클(Farkle)의 고전 규칙을 떠올렸습니다. “최소 300점을 넘겨야 멈출 수 있다.” 강제로 더 굴리게 만드니 긴장이 늘겠거니 했죠.

재보니 정반대였습니다.

	겁쟁이	신중	격차
최소 없음	1058	1343	+27%
최소 300점	1282	1321	+3%

최소 점수는 긴장을 더한 게 아니라 결정을 없앴습니다. 모두를 같은 플레이로 몰아버려서, 잘 두든 못 두든 점수가 비슷해졌습니다. 그대로 넣었으면 게임을 망칠 뻔했습니다.

다 맞췄는데 재미가 없었습니다

확률까지 버튼에 그대로 띄웠습니다. “한 번 더 — 2개 · 터질 확률 44%” 옆에 “멈추기 — 550점 확정”. 확률을 보여주니 결정이 진짜 결정이 되더군요.

그리고 다시 열었는데 — 여전히 재미가 없었습니다.

여기서 접었습니다. 규칙을 통째로 바꿔서 두 번 만들었는데 두 번 다 안 걸렸으면, 문제는 규칙이 아니라 장르입니다.

답은 이미 제 게임 목록에 적혀 있었습니다

버리기로 하고 나서야 지금까지 만든 걸 다시 봤습니다.

게임	재미의 정체
🗑️ 종이 농구	당겨서 놓고 → 날아가는 걸 본다
🎣 심해 낚시	챔질하는 찰나의 손맛
🪐 우주 진화	떨어뜨리면 터지듯 합쳐진다
🍰 디저트 탑	타이밍 맞춰 딱

제가 제일 아끼는 것들은 죄다 손과 눈으로 하는 게임이었습니다. 결과가 0.5초 안에 몸으로 옵니다.

주사위는 야추든 파클이든 머리로 숫자를 판단하는 게임입니다. 화면에 움직이는 게 없어요. 제가 뭘 만들면 재밌어하는지는 이미 만들어놓은 것들에 다 적혀 있었는데, 정작 저만 그걸 안 보고 있었습니다.

“그래픽 줄이자"가 “화면이 안 움직인다"가 됐습니다

이번에 제가 세운 조건은 **“이미지 에셋을 줄이자”**였습니다. 그런데 만들다 보니 어느새 **“화면이 움직이지 않아도 된다”**로 바뀌어 있었습니다.

이 둘은 전혀 다릅니다. 그림 파일이 없는 것과 화면이 정지해 있는 건 다른 문제입니다. 도형과 선만으로도 얼마든지 움직일 수 있는데, 저는 한 번에 둘 다 없애버렸습니다.

바이브 코딩을 하면서 계속 겪는 일인데, 조건을 애매하게 잡으면 결과는 가장 극단으로 갑니다. “줄이자"라고 하면 “없애자"가 되어 돌아옵니다. 이번엔 그걸 눈으로 확인할 때까지 몰랐습니다.

이번에 배운 것

재미는 측정이 안 됩니다.

지난 편들에서 저는 측정으로 많은 걸 잡았습니다. 병합할수록 공간이 남는 구조적 결함도, 배경이 아니라 대비가 문제였던 것도, 화면이 시키는 대로 하면 지는 판도 숫자가 알려줬습니다. 이번에도 측정은 제대로 작동했습니다. 밸런스는 잡혔고, 확률은 정확했고, 틀린 짐작도 잡아냈습니다.

그런데 그게 재미를 만들어주진 않았습니다.

숫자로 답할 수 있는 건 어떻게 만들 것인가까지였습니다. 무엇을 만들 것인가는 재보기 전에 정해야 하는 문제였고, 저는 거기서 두 번 틀렸습니다.

그래서 다음부터는 순서를 바꾸기로 했습니다. “이 게임의 재미는 정확히 이 순간이다"를 한 문장으로 먼저 적고 시작합니다. 그 문장이 안 써지면 만들지 않습니다. 완성한 뒤에 재미를 묻는 건 늦습니다. 두 번 버리고서 알았습니다.

목록을 다시 짰습니다

다음에 만들 후보에서 머리로 계산하는 게임을 통째로 걷어냈습니다. 주사위도, 카드 배치도, 암산도 뺐습니다. 대신 그림 없이도 화면이 움직이는 게임으로 다시 채웠습니다.

버린 두 개가 아깝진 않습니다. 두 번 만들어보고서야 제가 뭘 만들면 안 되는지 알았으니까요. 아홉 개를 만드는 동안 몰랐던 걸, 열 번째를 버리면서 알았습니다.

버린 시제품 둘은 그대로 열어뒀습니다. 어디가 재미없는지 직접 확인해 보셔도 좋고요. 저는 두 번째가 그래도 좀 낫다고 생각하는데, 어느 쪽도 다시 켜고 싶진 않더군요.

👉 오늘의 주사위 (첫 번째) · 한 번 더 (두 번째) · AI 게임 랩 전체 보기

정말 AI가 금리를 올렸을까 — 용의자는 셋이었다 · AI 금리 투자 교과서 ③

Wed, 26 Aug 2026 19:00:00 +0900

먼저 자백부터 하겠습니다.

순환매 4편에서 저는 AI 기업 회사채가 미국 투자등급 시장의 2.4%에서 16.4%로 늘었다는 숫자를 소개하며, 언론이 이를 **“뒤집힌 구축효과”**라 부른다고 썼습니다. 정부가 기업을 밀어내는 게 아니라 기업이 국채를 밀어낸다는 뜻이죠. 그리고 이 시리즈는 그 고리가 아까워서 시작했습니다.

오늘은 그 전제를 의심해 보겠습니다.

어젯밤 우리 집이 정전됐습니다

마침 옆집이 며칠 전 대형 에어컨을 새로 들였습니다. 자연스럽게 이런 생각이 듭니다. 저 집 때문인가.

그런데 아침에 나가 보니 동네 전체가 정전이었습니다. 옆집 에어컨은 갑자기 유력한 용의자에서 그저 여러 부하 중 하나로 내려앉습니다. 전기를 더 쓴 건 사실이지만, 그것만으로는 설명이 안 되니까요.

이번 편은 그 아침 산책에 관한 이야기입니다.

먼저, 무슨 일이 있었는지

8월 17일 미국 **30년 만기 국채금리가 연 5.31%**를 찍었습니다. 다음 날에는 장중 **5.337%**까지 올랐습니다. 2007년 이후, 19년 만의 최고입니다.

여기서 알아둘 개념이 하나 있습니다. **기간프리미엄(term premium)**입니다.

기간프리미엄 = 돈을 오래 빌려주는 대가로 더 받아야겠다고 요구하는 몫 10년 뒤에 무슨 일이 생길지 모르니, 그 불확실성만큼 웃돈을 달라는 것입니다.

이 값이 중요한 이유는, 중앙은행이 무엇을 하든 이게 오르면 장기금리는 오르기 때문입니다. 연준이 기준금리를 내려도 장기금리가 안 떨어지는 현상이 여기서 나옵니다.

그리고 이 값이 **2025년 5월 0.2%에서 2026년 5월 1.20%**로 올랐습니다. 1년 만에 1%포인트입니다.

이제 질문은 이겁니다. 누가 이걸 올렸나.

용의자는 셋입니다

언론 보도를 모아보면, 초장기 국채금리를 밀어 올린 원인으로 지목되는 것은 대체로 세 가지입니다.

용의자 1 — 미국 재정적자

가장 크고 가장 오래된 용의자입니다.

2026 회계연도의 7월까지 누적 재정적자가, 2025 회계연도 한 해 전체(1조 7,750억 달러)를 이미 넘어섰습니다. 회계연도가 두 달이나 남은 시점에서요. 피치는 2026~2027년 미국 재정적자가 **GDP의 7.4%**에 이를 것으로 봤습니다.

적자는 국채를 찍어 메웁니다. 국채 공급이 늘면 값은 떨어지고 금리는 오릅니다. 그리고 금리가 오르면 이자 부담이 커져 적자가 더 늘어납니다. 세입 5달러 중 1달러가 이자로 나간다는 계산도 나왔습니다.

용의자 2 — 일본

가장 조용하지만 가장 흥미로운 용의자입니다.

일본 30년물 국채금리가 3.52%로 사상 최고를 찍었습니다. 10년물도 2.88%입니다. 오랫동안 금리가 0에 붙어 있던 나라에서 벌어진 일입니다.

이게 왜 미국 금리와 상관이 있을까요. 일본은 1조 달러가 넘는 미국 국채를 보유한 최대 해외 보유국이기 때문입니다.

일본 기관투자자 입장에서 생각해 보십시오. 자국 국채가 0%대일 때는 환헤지 비용을 물고서라도 미국 국채를 사는 게 나았습니다. 그런데 자국 30년물이 3.5%를 준다면, 굳이 환위험을 안고 태평양을 건널 이유가 줄어듭니다.

여기에 엔 캐리 트레이드 문제가 붙습니다. 낮은 금리로 엔화를 빌려 다른 나라 고수익 자산을 사는 거래인데, 일본 금리가 오르면 이 거래가 되감기면서 전 세계 자산이 팔립니다.

그리고 이 용의자는 AI와 아무 상관이 없습니다.

용의자 3 — AI 회사채

가장 많이 지목된 용의자입니다.

골드만삭스가 8월 5일 집계한 올해 AI 관련 부채 발행액은 약 5,000억 달러입니다. 이 가운데 아마존·알파벳·메타·마이크로소프트·오라클 등 하이퍼스케일러가 약 40%를 차지합니다. 이들의 글로벌 채권 발행액은 지난해 1,080억 달러에서 올해 1,940억 달러로 늘었습니다.

숫자만 보면 분명 큽니다. 그런데 다른 숫자 옆에 놓아야 크기를 알 수 있습니다.

크기를 나란히 놓아 보면

항목	규모
미국 재정적자 (2026 회계연도 7월까지 누적)	1조 7,750억 달러 초과
올해 AI 관련 부채 발행 (8월 5일 기준)	약 5,000억 달러

재정적자가 3.5배 이상 큽니다. 그리고 재정적자 쪽은 아직 두 달이 남아 있었습니다.

물론 이 비교가 완벽하진 않습니다. 집계 시점도 다르고, 재정적자를 메우는 국채가 전부 초장기물인 것도 아닙니다. 하지만 방향은 분명합니다. 채권시장에서 자리를 가장 많이 차지한 발행자는 여전히 미국 정부입니다.

결정적인 알리바이

그런데 진짜 결정적인 증거는 규모가 아니었습니다.

같은 기간, 독일과 프랑스의 장기 국채금리도 15~30년 만의 최고를 경신했습니다.

독일에는 하이퍼스케일러가 없습니다. 프랑스에도 없습니다. 이 나라들의 채권시장에서 데이터센터 회사채가 국채를 밀어내고 있지 않습니다. 그런데 장기금리는 미국과 같은 방향으로, 같은 시기에 올랐습니다.

동네 전체가 정전이었던 겁니다.

이건 AI 회사채로 설명되지 않습니다. 선진국 전반의 재정 확대, 인플레이션 우려, 그리고 “장기채는 이제 위험하다"는 인식 자체의 변화로 설명해야 하는 현상입니다. 여기에 중동 긴장에 따른 유가 상승과 관세 정책이 물가 압력을 더했고, 일본은행의 정책 전환이 기간프리미엄을 밀어 올렸습니다.

그렇다고 AI가 무죄는 아닙니다

여기서 끝내면 반쪽짜리입니다. 반대 방향으로도 검증해야 하니까요.

올해 발행된 만기 15년 이상 미국 투자등급 회사채의 40%를 AI 관련 기업이 차지했습니다.

이 숫자 앞에서는 앞의 논리가 흔들립니다. 전체 회사채 시장에서 AI의 비중은 여럿 중 하나지만, 가장 긴 만기 구간에서는 다섯 중 둘입니다. 참고로 미국 투자등급 회사채 발행액은 2025년 1조 4,990억 달러로 역대 두 번째 규모였습니다.

왜 하필 초장기물일까요. 데이터센터는 20년, 30년을 보고 짓는 자산이기 때문입니다. 짧게 빌려 길게 쓰면 만기 때마다 갈아타야 하니, 처음부터 길게 빌립니다. 2편에서 본 만기 불일치 문제의 반대편입니다.

그런데 초장기 국채를 사는 투자자와 초장기 회사채를 사는 투자자는 같은 사람들입니다. 연금과 보험사죠. 30년짜리 부채를 지고 있으니 30년짜리 자산을 삽니다. 이 좁은 시장에 AI 회사채가 밀려들면, 거기서는 실제로 자리 다툼이 벌어집니다.

그래서 결론은

제가 순환매 4편에서 쓴 표현을 이렇게 고쳐야겠습니다.

AI 회사채는 금리를 올린 유일한 범인이 아닙니다. 셋 중 하나이고, 아마 가장 작습니다. 다만 가장 긴 만기 구간에서는 확실히 공범입니다.

“어디를 보느냐"가 답을 바꾼다는 게 이번 편의 결론입니다. 10년물 전체 상승분을 놓고 보면 AI 탓은 과장입니다. 30년물 회사채 발행 창구에서 보면 과장이 아닙니다.

한 가지 덧붙이자면, 순환매 4편에서 인용했던 **“회사채와 주택저당증권이 10년물 상승분 중 약 0.3%포인트를 설명한다”**는 뱅크오브아메리카 추정은 이번 취재에서 다시 확인하지 못했습니다. 그래서 이번 편의 논증은 그 수치에 기대지 않고, 직접 확인한 숫자들로만 구성했습니다.

한국 투자자에게 오는 지점

여기서 한국 이야기가 불편해집니다. 한국 국고채 30년물은 8월에 **4.751%**로 역대 최고를 찍었습니다.

그런데 한국에도 하이퍼스케일러가 없습니다. 국내 채권시장에서 AI 회사채가 국고채를 밀어내고 있지도 않습니다. 그러면 우리 금리는 왜 올랐을까요.

같은 논리를 적용하면 답은 둘 중 하나입니다. 미국 금리가 그대로 넘어온 것이거나, 아니면 국내 요인이 따로 있는 것입니다. 5편에서 이걸 따져보겠습니다. 미국 장기금리가 정말 한국까지 그대로 오는지, 아니면 재정과 수급 같은 국내 사정이 더 큰지를요.

그 전에 4편에서는 이 시리즈에서 가장 논쟁적인 지점으로 들어갑니다. 엔비디아의 잔존가치보증과 순환금융입니다. 1999년 통신장비 회사들이 하던 벤더 파이낸싱과 같은 구조인지, 아니면 그 비유가 게으른 것인지 따져보겠습니다.

정리

미 30년물이 8월 18일 장중 5.337%로 2007년 이후 19년 만의 최고를 찍었습니다. 10년물 기간프리미엄은 **1년 만에 0.2%에서 1.20%**로 올랐습니다.
용의자는 셋입니다. ①미국 재정적자 ②일본 금리 상승과 해외 수요 이탈 ③AI 회사채. 언론이 함께 지목한 조합입니다.
크기로 보면 재정적자가 압도적입니다. 2026 회계연도 7월까지 누적 적자가 이미 1조 7,750억 달러를 넘었고, AI 관련 부채 발행은 약 5,000억 달러입니다. 3.5배 이상 차이입니다.
결정적 알리바이는 독일과 프랑스입니다. 하이퍼스케일러가 없는 이 나라들의 장기금리도 15~30년 만의 최고를 찍었습니다. 동네 전체가 정전이었던 셈입니다.
그래도 무죄는 아닙니다. 만기 15년 이상 미 투자등급 회사채의 40%가 AI 관련 기업입니다. 연금·보험이 사는 이 좁은 초장기 시장에서는 실제로 자리 다툼이 벌어집니다.
결론: AI는 유일한 범인이 아니라 셋 중 하나이며, 아마 가장 작습니다. 다만 가장 긴 만기 구간에서는 확실히 공범입니다.

⚠️ 이 글은 AI를 활용해 투자 관련 내용을 공부하며 정리한 글입니다. 특정 종목이나 투자 방식에 대한 권유가 아니며, 내용에 오류가 있거나 최신 정보와 다를 수 있습니다. 실제 투자 전에는 공식 자료를 직접 확인하시기 바랍니다. 투자 판단과 그 결과에 대한 책임은 투자자 본인에게 있습니다.

본문의 금리와 발행 규모는 확인 시점(2026년 8월 26일)의 시장 데이터와 언론 보도 기준이며 계속 변합니다. 재정적자와 회사채 발행액은 집계 기준과 시점이 서로 달라 직접 비교에 한계가 있으며, 규모의 방향을 보기 위한 참고로만 제시했습니다. 금리 변동의 원인 분해는 기관마다 추정치가 다른 영역이고, 본문은 어느 한 기관의 모형을 따르지 않았습니다. 달러 금액은 환율 변동을 고려해 원화 환산을 생략했습니다.

장부 밖에 지어지는 데이터센터 — 그 빚은 결국 누구 것이 되었나 · AI 금리 투자 교과서 ②

Tue, 25 Aug 2026 18:30:00 +0900

1편에서 돈이 들어오는 세 개의 문을 봤습니다. 회사채, 유상증자, 그리고 장부 밖. 오늘은 세 번째 문만 파고듭니다.

“제 명의로 된 대출은 없습니다”

빌딩을 하나 짓고 싶은데 3조가 필요합니다. 은행에서 빌리면 제 빚이 됩니다. 그래서 이렇게 합니다.

투자자들과 함께 새 법인을 하나 만듭니다. 저는 지분을 20%만 갖고, 나머지 80%는 투자자들이 가져갑니다. 그 법인이 은행에서 3조를 빌려 빌딩을 짓습니다. 완공되면 저는 그 빌딩에 세입자로 들어갑니다. 20년 장기 임대차로요.

이제 질문입니다. 그 3조는 누구의 빚입니까?

법적으로는 그 법인의 빚입니다. 제 재무제표에는 안 잡힙니다. 지분이 20%뿐이라 그 법인을 제 회사와 합쳐서 볼 필요도 없습니다. 저는 그냥 세입자니까요.

그리고 이게 지금 메타가 루이지애나에서 하고 있는 일입니다.

하이페리온 300억 달러의 해부도

메타는 루이지애나주 리치랜드 패리시에 하이페리온이라는 1기가와트급 데이터센터를 짓고 있습니다. 2030년 완공 목표입니다. 여기 들어가는 돈이 300억 달러입니다.

구조를 뜯어보면 이렇습니다.

요소	내용
설계	모건스탠리가 특수목적법인(SPV) 구조로 주관
조달	부채 270억 달러 + 지분 25억 달러
지분	블루아울캐피털 80% / 메타 20% (S&P 글로벌 레이팅스)
메타의 역할	개발자 · 운영자 · 임차인
현금 흐름	블루아울이 현금 약 70억 달러 투입, 메타는 약 30억 달러 일회성 배당 수령

**특수목적법인(SPV, Special Purpose Vehicle)**은 하나의 사업만 하려고 만드는 껍데기 회사입니다. 발전소 하나, 유료도로 하나, 데이터센터 하나. 사업이 끝나면 정리됩니다. 이 법인이 돈을 빌리고, 그 법인 자산으로만 책임을 집니다.

여기서 눈여겨볼 숫자는 **20%**입니다. 지분이 이 정도면 그 법인을 지배한다고 보지 않습니다. 지배하지 않으니 연결 재무제표에 합치지 않아도 됩니다. 부채도 따라오지 않습니다.

그리고 마지막 줄을 다시 보십시오. 메타는 데이터센터를 지으면서 오히려 현금 30억 달러를 받았습니다. 1편에서 본 그 상황 — 잉여현금흐름이 마른 회사에게 이 구조가 왜 매력적인지, 이 한 줄이면 설명이 끝납니다.

그런데 “장부 밖"이 정확한 말일까

여기서 제가 1편에서 쓴 표현을 스스로 검증해야 합니다. 저는 “장부에 잡히지 않는다"고 썼습니다. 정확하지 않은 표현이었습니다.

알파벳·마이크로소프트·아마존·메타·오라클 5개 사의 AI 관련 계약상 부채가 1조 6,500억 달러로 집계됩니다. 4년 만에 8배로 늘었습니다.

그리고 이 숫자의 무게는 옆에 놓고 봐야 압니다. 같은 5개 사의 재무상태표에 적힌 실제 부채 총액이 1조 3,500억 달러입니다. 계약상 부채가 장부상 부채를 넘어섰습니다.

계약상 부채란 이런 것들입니다.

데이터센터를 20년간 빌리기로 한 장기 임차 계약
GPU와 서버를 수년치 미리 사기로 한 선구매 약정

이건 재무상태표 본문에는 안 적히지만 주석에는 적힙니다. 즉 숨긴 게 아닙니다. 읽는 자리가 바뀌었을 뿐입니다.

그래서 정확한 표현은 이렇습니다. “장부 밖"이 아니라 “본문 밖, 주석 안”. 문제는 이 숫자가 본문보다 커졌다는 것입니다. 주석을 안 읽으면 회사의 절반을 못 보게 됐다는 뜻이니까요.

그럼 그 빚은 어디로 갔나

여기가 이번 편의 핵심입니다.

저는 이 편을 준비하면서 “리스크를 숨긴 것인가, 아니면 원래 인프라를 짓던 정상적인 방식인가"를 따져볼 생각이었습니다. 그런데 자료를 보다가 질문이 잘못됐다는 걸 알았습니다.

빚은 숨겨지지도, 사라지지도 않았습니다. 다른 사람의 장부로 옮겨갔습니다. 문제는 그 다른 사람이 누구냐는 것입니다.

하이페리온 채권을 사들인 곳의 명단입니다.

매수자	규모	성격
핌코(PIMCO)	180억 달러	채권시장 최대 매수자
블랙록 액티브 하이일드 ETF	21억 달러	이 펀드의 최대 보유 자산
블랙록 토털리턴 ETF	약 12억 달러	공모 상장지수펀드
블랙록 대출 ETF	약 6억 5,100만 달러	공모 상장지수펀드

블랙록 ETF들이 이 프로젝트 채권을 30억 달러 이상 담았습니다. 그리고 그중 하나는 그 펀드가 보유한 자산 가운데 가장 큰 항목이 됐습니다.

**사모신용(private credit)**이라는 이름 때문에 이 돈이 소수의 기관들 사이에서만 도는 것처럼 들립니다. 그런데 종착지를 따라가 보면 공모 상장지수펀드가 있습니다. ETF는 증권 계좌만 있으면 누구나 삽니다.

한국경제도 같은 지적을 했습니다. AI 투자의 위험이 빅테크에서 보험사와 사모신용, 연기금 쪽으로 이동할 수 있다는 것입니다.

정리하면 이렇습니다. 위험이 사라진 게 아닙니다. 빅테크의 장부에서 우리 장부로 옮겨온 것입니다.

이건 엔론인가

당연히 나올 질문입니다. 엔론도 SPV를 썼으니까요. 하지만 여기서 균형을 잡아야 합니다.

엔론과 다른 점부터 봅시다.

엔론은 은폐였습니다. 츄코(Chewco)와 랩터스(Raptors) 같은 법인으로 부채를 감추고 수익을 부풀렸습니다. 반면 하이페리온은 공시된 구조입니다. S&P 글로벌 레이팅스가 지분 구조를 공개하고, 어느 ETF가 얼마를 담았는지까지 확인됩니다. 제가 이 글을 쓸 수 있는 이유가 그것입니다.
엔론의 자산은 상당 부분 허구였습니다. 하이페리온은 실제로 지어지는 1GW급 건물입니다.

그리고 SPV 자체는 특별한 게 아닙니다.

프로젝트 파이낸싱과 SPV는 20세기 후반부터 대규모 인프라를 짓는 표준 방식이었습니다. 발전소, 유료도로, 통신망, 파이프라인이 다 이 방식으로 지어졌습니다. 데이터센터는 완공 후 상면 임대료·전력 사용료·운영 서비스로 현금흐름이 나오기 때문에, 요즘은 리츠·인프라펀드·연기금이 인프라 자산으로 편입하고 있습니다.

한국도 똑같이 합니다. 국내 데이터센터도 PFV(프로젝트금융투자회사)로 짓고 리츠로 회수하는 구조가 자리 잡는 중입니다. 이름만 다를 뿐 같은 문법입니다.

규모도 봐야 합니다. 모건스탠리는 2028년까지 전 세계 데이터센터 건설에 1조 5,000억 달러가 필요하고, 그중 사모신용이 절반 이상인 약 8,000억 달러를 댈 수 있다고 봤습니다. 나머지는 회사채 2,000억, 유동화증권 1,500억입니다. 한국은행 뉴욕사무소도 올해 빅테크 AI 캐펙스의 약 40%가 사모신용으로 조달될 것으로 분석했습니다.

미국 사모신용 시장 규모는 대략 1조 3,000억 달러입니다. 금융안정위원회(FSB)는 2024년 말 기준으로 1조 5,000억~2조 달러로 추산했습니다.

즉 이건 사기가 아니라 산업입니다. 다만 그 산업이 몇 년 사이에 너무 빨리 커졌다는 게 문제입니다.

진짜 위험은 다른 데 있다

엔론식 은폐가 아니라면, 무엇을 봐야 할까요. 두 가지입니다.

첫째, 만기가 안 맞습니다

데이터센터 대출은 장기로 설계됩니다. 건물은 20년을 갑니다. 그런데 그 안에 들어가는 엔비디아 GPU의 제품 주기는 2~3년입니다. 담보가 대출보다 훨씬 빨리 낡습니다.

여기서 감가상각 논쟁이 붙었습니다. 감가상각은 오래 쓰는 자산의 값을 사용 기간에 걸쳐 나눠 비용으로 떠는 회계 처리입니다. 나누는 기간을 내용연수라고 합니다.

『빅쇼트』의 마이클 버리가 문제를 제기했습니다. 빅테크들이 2~~3년짜리 칩을 **5~~6년짜리 자산으로 상각**한다는 것입니다. 기간을 늘리면 한 해에 떠는 비용이 줄고, 그만큼 이익은 커 보입니다.

계산은 단순합니다. 마이크로소프트가 한 해 600억 달러어치 장비를 6년에 걸쳐 상각하면 연간 비용은 100억 달러입니다. 3년으로 줄이면 200억 달러가 됩니다. 같은 장비인데 이익이 100억 달러 달라집니다. 버리 측은 이 방식 때문에 2026~2028년 감가상각이 약 1,760억 달러 덜 잡힐 수 있다고 추산했습니다.

반론도 분명합니다. 번스타인 등은 5~6년이 타당하다고 봅니다. AI 칩은 학습에 쓰인 뒤 추론용으로 재활용되는 경우가 많고, 학습 외 용도로도 쓰이기 때문입니다. 실제로 구형 GPU가 폐기되지 않고 다른 작업으로 넘어가는 사례가 많습니다.

어느 쪽이 맞는지는 아직 판정이 안 났습니다. 다만 같은 자산을 몇 년짜리로 보느냐에 따라 이익이 수백억 달러 달라진다는 사실 자체는 알고 있어야 합니다.

둘째, 규제가 이 속도를 못 따라갑니다

사모신용에 적용되는 자본규제는 지금보다 작고 평범한 시장을 전제로 만들어졌습니다. 지금 이 시장이 대는 돈은 단일 임차인이 쓰는, 기술적으로 빠르게 낡는 시설입니다. 성격이 다릅니다.

법률 쪽에서도 신호가 나옵니다. 미국 로펌들이 AI 데이터센터 금융을 둘러싼 소송 위험을 짚는 보고서를 내기 시작했습니다. 일부 거래는 **변동금리 평균 약 11%**로 조달됐고, 상환은 2026년 1월부터 시작됐습니다.

한국 투자자에게 오는 지점

첫째, 이미 담고 있을 수 있습니다. 글로벌 하이일드 채권 ETF나 해외 채권형 펀드를 갖고 계시다면, 그 안에 데이터센터 프로젝트 채권이 들어 있을 가능성이 있습니다. 블랙록 액티브 하이일드 ETF에서는 이 채권이 최대 보유 자산입니다. 본인이 가진 상품의 보유 종목을 한 번 확인해 보시는 게 좋습니다.

둘째, 같은 구조가 국내에서도 돌아갑니다. 국내 데이터센터 PF도 PFV로 짓고 리츠로 회수합니다. 건설사와 증권사의 관련 익스포저가 어디까지인지는 별개로 따져볼 문제입니다.

셋째, 이 돈이 결국 금리를 건드립니다. 사모신용으로 가든 회사채로 가든, 자금은 같은 시장에서 나옵니다. 참고로 2026년에 발행된 만기 15년 이상 미국 투자등급 회사채의 40%를 AI 관련 기업이 차지했습니다. 이 숫자를 3편에서 제대로 다룹니다. 다만 3편에서는 반대 방향에서 따져볼 생각입니다. 정말 AI 때문에 금리가 오른 게 맞는지를요.

정리

하이페리온 300억 달러의 구조: 모건스탠리가 SPV로 설계, 부채 270억 + 지분 25억, 블루아울 80% / 메타 20%. 메타는 개발자·운영자·임차인이고, 오히려 약 30억 달러 일회성 배당을 받았습니다.
“장부 밖"은 부정확한 표현입니다. 5대 빅테크의 AI 관련 계약상 부채가 1조 6,500억 달러로 4년 만에 8배 늘었고, 장부에 적힌 부채 총액 1조 3,500억 달러를 넘어섰습니다. 본문이 아니라 주석에 있을 뿐 사라진 게 아닙니다.
위험은 다른 장부로 옮겨갔습니다. 핌코가 180억 달러, 블랙록 ETF들이 30억 달러 이상을 사들였고, 그중 한 ETF에서는 이 채권이 최대 보유 자산입니다. “사모"라는 이름과 달리 종착지에는 공모 ETF와 연기금이 있습니다.
엔론과는 다릅니다. 엔론은 은폐였고 자산도 허구였습니다. 이건 공시된 구조이고 실물이 지어집니다. SPV·PF는 발전소와 통신망을 짓던 표준 방식이고, 국내 데이터센터도 PFV와 리츠로 같은 일을 합니다.
진짜 쟁점은 만기 불일치입니다. 건물은 20년, GPU는 2~~3년인데 회계상 내용연수는 5~~6년입니다. 버리 측은 2026~2028년 감가상각이 약 1,760억 달러 덜 잡힐 수 있다고 봤고, 번스타인 등은 추론 재활용을 근거로 반박합니다. 아직 판정은 나지 않았습니다.

다음 편에서는 방향을 바꿉니다. 지금까지 저는 **“AI 기업의 빚이 금리를 밀어올린다”**는 전제로 이 시리즈를 시작했습니다. 3편에서는 그 전제를 의심하는 쪽에서 검증해 보겠습니다. 뱅크오브아메리카는 회사채와 주택저당증권이 올해 10년물 금리 상승분 중 약 0.3%포인트를 설명한다고 했습니다. 그렇다면 나머지는 무엇이 올렸을까요.

⚠️ 이 글은 AI를 활용해 투자 관련 내용을 공부하며 정리한 글입니다. 특정 종목이나 투자 방식에 대한 권유가 아니며, 내용에 오류가 있거나 최신 정보와 다를 수 있습니다. 실제 투자 전에는 공식 자료를 직접 확인하시기 바랍니다. 투자 판단과 그 결과에 대한 책임은 투자자 본인에게 있습니다.

본문의 조달 구조와 보유 규모는 확인 시점(2026년 8월 25일)의 공시·신용평가사 자료·언론 보도 기준이며, 펀드의 보유 종목은 수시로 변경됩니다. 본인이 보유한 상품의 편입 내역은 반드시 해당 운용사의 최신 자료로 직접 확인하시기 바랍니다. 감가상각 내용연수에 관한 양측 주장은 아직 결론이 나지 않은 논쟁이며 어느 한쪽을 지지하지 않습니다. 달러 금액은 환율 변동을 고려해 원화 환산을 생략했습니다.

당신의 반응속도는 몇 ms? — 150년 된 심리학 과제를 웹에 옮겼습니다

Mon, 24 Aug 2026 20:10:00 +0900

생각별 연구소의 세 번째 테스트에는 문항이 하나도 없습니다. 읽을 문제도, 고를 보기도 없어요. 요구하는 건 단 하나 — 초록불이 켜지는 순간, 최대한 빨리 클릭하는 것. 반응속도 테스트입니다.

👉 결과물 먼저: 반응속도 테스트 — 1분이면 끝납니다.

사실은 심리학에서 가장 오래된 측정입니다

규칙은 유치할 정도로 단순합니다. 어두운 화면을 보고 기다리다가, 초록색 ●로 바뀌는 순간 최대한 빨리 클릭. 다섯 번 반복해서 평균을 냅니다.

그런데 이 유치한 과제의 족보가 화려합니다. ‘자극이 나타나면 최대한 빨리 반응하기’는 **단순 반응시간(Simple Reaction Time)**이라는 이름으로 실험심리학에서 150년 넘게 쓰여온, 사실상 이 학문의 출발점에 있는 측정 과제입니다. 사람의 마음을 숫자로 재겠다는 시도가 여기서 시작됐죠. 연구에서 젊은 성인의 시각 단순 반응시간은 보통 200~300ms 범위로 보고됩니다. 이 참고치가 결과 화면의 기준이 됩니다.

문항이 없는 대신, 밀리초와 싸웠습니다

만드는 건 반나절이었지만, 이번 테스트의 재미는 디테일에 있었습니다. 측정 단위가 밀리초라서, 평소에는 신경도 안 쓰던 것들이 전부 오차가 되기 때문입니다.

1. click 대신 pointerdown — 웹에서 흔히 쓰는 click 이벤트는 버튼을 ‘눌렀다 뗄 때’ 발생합니다. 손가락을 떼는 시간까지 기록에 포함되는 거죠. 그래서 누르는 순간 발생하는 pointerdown으로 측정해 수십 ms의 억울한 손해를 없앴습니다. PC에서는 스페이스바로도 반응할 수 있습니다.

2. 대기 시간은 1.5~4초 무작위 — 대기 시간이 일정하면 사람은 반응하는 게 아니라 리듬을 타고 예측합니다. 매번 다른 길이로 기다리게 하고, 초록불 전에 누르면 파울 처리해 그 라운드는 기록에서 뺐습니다. 실제 반응시간 실험들이 쓰는 방식 그대로입니다.

3. 색만 바뀌면 안 됩니다 — 빨강→초록 색 변화에만 의존하면 색각 이상이 있는 분들에게 불공평합니다. 그래서 색이 바뀔 때 모양도 ■에서 ●로 함께 바뀝니다. 작은 배려지만 이런 게 쌓여야 도구답다고 생각합니다.

그리고, 정직 코너

이 시리즈의 전통이 된 부분입니다. 결과 화면에 이렇게 적어뒀습니다 — 온라인 측정에는 모니터 주사율과 입력 장치의 지연이 20~50ms가량 더해질 수 있다고요. 60Hz 모니터는 화면을 바꾸는 데만 최대 17ms가 걸립니다. 그래서 이 기록은 절대값을 겨루는 공인 기록이 아니라, 같은 기기에서 반복 측정하며 변화를 보는 참고 기록입니다. 게임 전 워밍업 체크나 가족 대결용으로는 충분하고요.

연구소 근황

이것으로 어린이 IQ 테스트, Big Five 성격 테스트에 이어 세 번째 테스트가 연구소에 입주했습니다. 남은 대기자는 두 팀 — 🔢 숫자 기억력(작업기억), 🎨 스트룹 테스트입니다. 이번에도 개발은 Claude Code와 함께했고, 시리즈 공용 프레임 덕분에 커피 두 잔 마시는 사이에 4개 언어 버전까지 나왔습니다.

해보기

👉 반응속도 테스트 하러 가기 — 5라운드, 1분이면 됩니다.

참, 제 기록은 평균 257ms(빠름), 최고 190ms였습니다. 재미있는 건 라운드별 기록인데 — 308, 260, 256, 271, 190. 첫 라운드보다 마지막 라운드가 100ms 넘게 빨라졌습니다. 본문에 쓴 “절대값보다 반복 측정의 변화를 보라"는 말이 제 기록에서 바로 증명된 셈이죠.

가족이나 친구와 같은 기기로 번갈아 재보세요. 같은 화면, 같은 지연 조건이니 이건 꽤 공정한 대결입니다. 누가 이겼는지는… 각자 확인해보시길.

현금 부자가 왜 빚을 내기 시작했나 — 빅테크의 잉여현금이 마른 해 · AI 금리 투자 교과서 ①

Mon, 24 Aug 2026 17:00:00 +0900

새 시리즈를 시작합니다.

지난 순환매 4편을 쓰다가 이상한 숫자를 하나 만났습니다. 미국 투자등급 회사채 시장에서 AI 기업이 차지하는 비중이 2.4%에서 16.4%로 늘었다는 것이었습니다. 그 편의 주제는 바이오였고, 이 숫자는 각주 하나로 지나갔습니다.

그런데 계속 걸렸습니다. 세계에서 가장 돈이 많은 회사들이, 왜 갑자기 채권시장의 큰손이 됐을까요.

연봉 3억에 통장에 5억, 그런데 대출 10억

여기 어떤 사람이 있습니다. 연봉 3억, 통장 잔고 5억. 이 사람이 은행에서 10억을 빌렸다고 하면 대부분 이렇게 반응합니다.

“돈도 많은데 왜 빚을 내?”

그런데 사려는 집이 20억짜리라면, 질문이 달라집니다. 돈이 많아서 빌린 게 아니라, 돈이 모자라서 빌린 겁니다. 연봉 3억도 통장 5억도, 20억 앞에서는 부족한 돈입니다.

빅테크가 지금 정확히 이 상황입니다. 그리고 이 시리즈의 첫 번째 결론은 여기서 나옵니다. “현금 많은 빅테크가 왜 빚을 내나"라는 질문 자체가 이미 낡았습니다.

통장보다 큰 올해 지출 계획

먼저 통념부터 확인하겠습니다. 빅테크는 정말 현금 부자입니다.

알파벳 — 현금·유가증권 약 1,109억 달러
마이크로소프트 — 약 723억 달러
애플 — 약 1,620억 달러

애플까지 포함한 주요 4개 사의 현금성 자산을 합치면 3,770억 달러 안팎입니다. 어마어마한 돈입니다.

그런데 올해 쓰겠다고 발표한 돈이 이렇습니다.

회사	2026년 자본지출 계획	보유 현금과 비교
아마존	약 2,000억~2,200억 달러	—
알파벳	1,950억~2,050억 달러	보유 현금의 약 1.8배
마이크로소프트	약 1,900억 달러	보유 현금의 약 2.6배
메타	1,300억~1,450억 달러	—
4사 합산	7,250억~7,600억 달러	지난해 4,100억에서 77% 안팎 증가

**자본지출(캐펙스, CapEx)**은 몇 년에 걸쳐 쓸 자산을 사는 데 들어가는 돈입니다. 데이터센터 건물, 서버, 반도체, 전력 설비 같은 것들이죠. 광고비처럼 그해에 털어내는 비용이 아니라 자산으로 남습니다. 그래서 캐펙스 계획은 앞으로 이만큼 사겠다는 예약 주문서에 가깝습니다.

알파벳은 통장에 있는 돈의 두 배 가까이를, 마이크로소프트는 두 배 반이 넘는 돈을 올해 쓰겠다고 했습니다. 통장을 다 비워도 모자랍니다.

잉여현금흐름이 사라졌다

“그래도 매년 버는 돈이 있잖아요"라고 하실 수 있습니다. 맞습니다. 그래서 봐야 할 숫자가 **잉여현금흐름(FCF, Free Cash Flow)**입니다.

잉여현금흐름 = 영업으로 벌어들인 현금 − 설비투자 회사가 실제로 자유롭게 쓸 수 있는 돈. 배당·자사주매입·인수합병의 재원입니다.

이 숫자가 올해 무너졌습니다.

메타 2분기를 보면 구조가 선명합니다. 영업활동으로 318억 6,000만 달러를 벌었는데, 그중 310억 8,000만 달러를 캐펙스에 넣었습니다. 남은 돈은 7억 8,000만 달러. 1년 전 같은 분기의 85억 5,000만 달러에서 91% 줄었습니다.

알파벳 2분기는 더 극적입니다. 잉여현금흐름이 마이너스 58억 달러. 2004년 상장 이후 처음으로 적자입니다. 구글이 돈을 못 버는 게 아닙니다. 버는 것보다 더 쓴 겁니다.

마이크로소프트는 그나마 낫습니다. 196억 달러를 남겼습니다. 다만 1년 전보다 23% 줄어든 수치이고, 시장 전망치(134억 4,000만 달러)를 웃돌았다는 이유로 실적 발표 날 주가가 크게 올랐습니다. “잉여현금흐름이 예상만큼 나쁘지 않았다"가 호재가 되는 국면이라는 뜻입니다.

파이낸셜타임스(FT)는 월가 추정을 인용해 아마존·마이크로소프트·알파벳·메타의 합산 잉여현금흐름이 올해 3분기 약 40억 달러에 그칠 것이라고 전했습니다. 코로나 이후 이 네 회사의 분기 평균은 450억 달러였습니다. 열에 아홉이 사라지는 셈입니다. 아마존은 올해 연간으로 약 100억 달러의 현금 순유출이 예상됩니다.

정리하면 이렇습니다. 통장에 있는 돈으로도 모자라고, 올해 버는 돈으로도 모자랍니다. 그러면 남는 방법은 하나뿐입니다.

돈이 들어오는 세 개의 문

첫 번째 문 — 회사채

회사채는 회사가 발행하는 차용증입니다. 투자자에게 돈을 빌리고, 정해진 이자를 주다가 만기에 원금을 갚습니다.

아마존 — 7월, 250억 달러 발행. 8개 만기로 나눠 냈고 주문은 최대 620억 달러까지 몰렸습니다.
알파벳 — 8월, 250억 달러 발행. 2년물부터 40년물까지 10종. 청약은 1,150억 달러, 발행액의 4.6배였습니다.

여기서 **가산금리(스프레드)**라는 말이 나옵니다. 같은 만기의 국채 금리에 얼마를 더 얹어주느냐입니다. 회사가 국가보다는 위험하니 그만큼 더 주는 것이죠. 알파벳 40년물은 국채 대비 1.3%포인트, 아마존 40년물은 1.45%포인트 수준에서 논의됐습니다.

7월 초 기준으로 올해 전 세계 AI 관련 채권 발행액은 3,350억 달러에 이르렀습니다. 지난해 전체의 두 배가 넘습니다.

두 번째 문 — 유상증자

빚이 싫으면 주식을 새로 찍어 팔면 됩니다. 알파벳이 6월에 그렇게 했습니다.

발행 규모는 847억 5,000만 달러. 처음엔 800억 달러로 잡았다가 수요가 몰리자 상향했습니다. 이 가운데 750억 달러는 보통주와 전환주식으로, 100억 달러는 버크셔 해서웨이를 대상으로 한 제3자 배정이었습니다.

이 숫자의 크기는 비교 대상을 봐야 실감이 납니다. 종전 세계 최대 주식 발행 기록은 2010년 브라질 국영석유회사 페트로브라스의 700억 달러였습니다. 그 기록을 15년 만에, 그것도 여유 있게 넘었습니다.

세 번째 문 — 장부 밖

가장 낯설고, 가장 중요한 문입니다.

메타는 루이지애나에 짓는 하이페리온 데이터센터를 위해 300억 달러를 마련했습니다. 그런데 이 돈은 메타가 직접 빌린 게 아닙니다. 모건스탠리가 **특수목적법인(SPV)**을 세우고, 그 법인이 270억 달러의 부채와 25억 달러의 지분을 묶어 조달했습니다. 자금은 사모펀드 블루아울캐피털과 핌코(PIMCO) 같은 기관이 댔습니다.

메타의 역할은 개발자이자 임차인입니다. 데이터센터는 지어지지만, 부채는 메타 장부에 잡히지 않습니다.

한국은행 뉴욕사무소는 올해 빅테크 AI 캐펙스의 약 40%가 사모신용(private credit)으로 조달될 것으로 봤습니다. 이 세 번째 문이 이 시리즈 2편의 주제입니다.

채권시장은 유상증자를 반기지 않았다

여기서 이번 편에서 가장 흥미로운 대목이 나옵니다.

보통 유상증자는 채권 투자자에게 호재입니다. 회사가 빚이 아니라 자기 돈으로 투자하겠다는 뜻이니까요. 자기자본이 두꺼워지면 빌려준 돈을 떼일 확률도 낮아집니다. 그런데 이번엔 반응이 달랐습니다.

채권시장은 알파벳의 847억 달러 증자를 **“앞으로 더 많이 빌리겠다는 신호”**로 읽었습니다. 주식이 부채를 대체한 게 아니라, 더 많은 부채를 끌어오기 위한 보완재라는 겁니다. 자기자본이 늘면 감당할 수 있는 부채 한도도 함께 늘어나니까요.

국제결제은행(BIS)도 미국 빅테크가 부채로 몰려가고 있다고 경고했습니다. 한 외신 기사의 제목이 이 온도차를 잘 요약합니다. “주식은 열광, 채권은 냉담.”

그리고 두 달 뒤, 알파벳은 250억 달러 회사채를 또 발행했습니다. 상반기에도 미국·유럽·일본 시장에서 이미 500억 달러 이상을 조달한 뒤였습니다.

이번만큼은 채권시장의 해석이 맞았습니다.

그런데 아직 아무도 겁먹지 않았다

여기까지만 보면 위험 신호처럼 읽힙니다. 그런데 반대쪽 근거도 분명합니다. 이 시리즈는 경고문이 아니니 양쪽을 다 보겠습니다.

시장은 아직 문제 삼지 않고 있습니다. 올여름 최우량 등급 기업의 가산금리는 한때 국채 대비 0.74%포인트까지 떨어졌습니다. 1990년대 후반 이후 최저 수준입니다. 알파벳 청약이 4.6배, 아마존 주문이 발행액의 2.5배 몰린 것도 같은 이야기입니다. 빌려주겠다는 사람이 줄을 서 있습니다.
이들은 여전히 세계 최고 신용등급 기업입니다. 알파벳·아마존·메타·마이크로소프트는 현금창출력과 재무구조가 최상위권이라, 단기간에 신용등급이 훼손될 가능성은 낮다는 평가가 지배적입니다.
빌린 돈이 사라지는 게 아니라 자산으로 남습니다. 데이터센터와 서버는 실물입니다. 1999년 닷컴 기업들이 매출도 없이 빌렸던 것과는 다릅니다. 이 비교는 4편에서 제대로 다루겠습니다.

다만 한 가지는 짚어야 합니다. 이 논리가 성립하려면 지은 데이터센터가 돈을 벌어야 합니다. 반도체 번외편에서 확인했듯 AI 캐펙스의 회수는 아직 진행형입니다.

왜 한국 투자자가 이걸 알아야 하나

세 가지 경로로 연결됩니다.

첫째, 이 7,250억 달러가 곧 주문서입니다. 알파벳 기준 캐펙스의 약 60%가 서버에 들어가고, 그 안에 메모리와 GPU가 있습니다. 반도체 시리즈에서 본 HBM 수요의 원천이 바로 이 숫자입니다. 빅테크가 빚을 내서라도 투자를 이어간다는 건, 적어도 당분간 주문서가 유지된다는 뜻이기도 합니다.

둘째, 이 돈이 금리를 건드립니다. AI 기업이 채권시장에서 자금을 빨아들이면 국채로 갈 돈이 줄고, 국채 금리는 올라갑니다. 순환매 4편에서 만난 그 **“뒤집힌 구축효과”**입니다. 다만 이게 정말 주된 원인인지는 따로 따져봐야 합니다. 3편에서 이 가설을 의심하는 쪽에서 검증하겠습니다.

셋째, 미국 장기금리는 한국 채권시장과 코스닥 밸류에이션에 그대로 옵니다. 지난 8월 국고채 30년물이 4.751%로 역대 최고를 찍었고, 며칠 사이 코스피가 5.8% 빠졌다가 5.9% 오른 것도 결국 금리였습니다. 순환매 6편에서 본 그 장세입니다. 이 경로는 5편에서 다룹니다.

정리

질문이 틀렸습니다. 빅테크는 현금이 남아서 빚을 내는 게 아니라, 모자라서 냅니다. 알파벳의 보유 현금은 1,109억 달러인데 올해 캐펙스 계획은 최대 2,050억 달러입니다.
잉여현금흐름이 무너졌습니다. 알파벳 2분기 잉여현금흐름은 2004년 상장 이후 첫 적자(-58억 달러), 메타는 91% 감소. 4사 합산은 3분기에 약 40억 달러로, 코로나 이후 분기 평균 450억 달러의 10분의 1 수준입니다.
돈은 세 개의 문으로 들어옵니다. 회사채(아마존·알파벳 각 250억 달러), 유상증자(알파벳 847.5억 달러로 세계 최대 기록), 그리고 장부 밖 SPV·사모신용(메타 하이페리온 300억 달러). 셋째 문이 캐펙스의 약 40%를 담당할 전망입니다.
채권시장은 유상증자를 호재로 보지 않았습니다. “부채의 대체재가 아니라 보완재"라는 해석이었고, 두 달 뒤 알파벳이 회사채를 또 발행하면서 그 해석이 맞았습니다.
그래도 아직 경보는 아닙니다. 우량 회사채 가산금리는 1990년대 후반 이후 최저 수준이고, 발행마다 몇 배의 주문이 몰립니다. 시장은 아직 이 빚을 위험으로 취급하지 않습니다.

다음 편에서는 장부 밖에서 지어지는 데이터센터를 봅니다. 메타의 300억 달러가 어떻게 메타의 부채가 아닌 게 되는지, 그리고 그 구조가 사고를 숨기는 것인지 아니면 원래 인프라를 짓던 방식인지 따져보겠습니다.

⚠️ 이 글은 AI를 활용해 투자 관련 내용을 공부하며 정리한 글입니다. 특정 종목이나 투자 방식에 대한 권유가 아니며, 내용에 오류가 있거나 최신 정보와 다를 수 있습니다. 실제 투자 전에는 공식 자료를 직접 확인하시기 바랍니다. 투자 판단과 그 결과에 대한 책임은 투자자 본인에게 있습니다.

본문의 재무 수치와 발행 규모는 확인 시점(2026년 8월 24일)의 공시·언론 보도 기준이며, 자본지출 계획은 기업의 가이던스로 수시로 변경됩니다. 집계 기관에 따라 합산 수치가 다를 수 있어 범위로 표기했습니다. 달러 금액은 환율 변동을 고려해 원화 환산을 생략했습니다.

순환매를 읽는 법 — 따라가지 않고 알아채는 다섯 가지 · 순환매 투자 교과서 ⑥

Sun, 23 Aug 2026 09:00:00 +0900

시리즈의 마지막 편입니다.

1편을 쓴 게 8월 12일이었습니다. 그때는 순환매가 한창이었죠. 그런데 이 글을 쓰는 지금, 그 순환매는 이미 끝나 있습니다.

순환매는 3주짜리였습니다

	코스닥	무슨 일이
8월 3일	737.35	코스피 -5.12%인데 코스닥 +2.44%. 창이 열렸습니다
8월 10일	854.47	상승 1,431종목, 상한가 11개, 매수 사이드카. 절정
8월 21일	801.94	-4.63%, 매도 사이드카, 하락 1,378종목. 닫혔습니다

8월 21일 코스닥은 824.05로 출발해 장중 795.57까지 밀렸고, 오전 10시 5분 매도 사이드카가 걸렸습니다. 그날 무너진 것은 이 시리즈가 다뤄온 바로 그 업종들이었습니다.

방산 — 한화에어로스페이스 -7.03%
바이오 — 알테오젠 -5.60%, 에이비엘바이오 -5.09%
이차전지 — 에코프로비엠 -4.91%, LG에너지솔루션 -4.05%
조선 — HD현대중공업 -4.73%
로봇 — 레인보우로보틱스 -3.92%

반면 삼성전자는 +3.87%, SK하이닉스는 +2.31%였습니다.

여기서 3편의 결론을 스스로 시험해봐야 합니다. 조선과 방산은 서로 다른 엔진으로 간다고 했었죠. 그런데 이날은 같이 빠졌습니다. 모순일까요?

아닙니다. 2편에서 본 그 성질입니다. 자금이 빠져나가는 국면에서는 종목 간 상관관계가 올라갑니다. 평소엔 각자의 엔진으로 가지만, 돈이 나갈 때는 같이 나갑니다. 원인도 4편에서 본 그것이었습니다. 미국 장기금리와 국제유가가 함께 오르면서 할인율 부담이 커졌고, 전날 급등한 데 따른 차익실현이 겹쳤습니다.

다만 8월 전체로 보면 코스닥은 여전히 플러스입니다. 7월 31일 719.76에서 8월 21일 801.94로 +11.42%. 같은 기간 코스피는 +4.81%였고요. 올라간 것도 사실이고, 고점(8월 10일) 대비 **-6.15%**로 이미 꺾인 것도 사실입니다.

그런데 지수만 봐서는 아무 일도 없었습니다

이 편이 필요한 이유가 바로 8월 21일 하루에 다 들어 있습니다.

그날 코스피는 +0.88% 올랐습니다. 뉴스만 보면 조용한 하루입니다.

그런데 그날 코스피에서 오른 종목은 193개, 내린 종목은 683개였습니다. 내린 종목이 오른 종목의 3.5배입니다. 지수가 오른 건 삼성전자와 SK하이닉스가 끌었기 때문이고요.

코스닥은 상승 282개, 하락 1,378개. 오른 종목이 **17%**뿐이었습니다.

그리고 불과 11거래일 전인 8월 10일, 코스닥은 상승 종목이 1,431개로 **전체의 80%**를 넘었고 상한가만 11개였습니다.

11거래일 만에 오른 종목 비율이 80%에서 17%로 바뀌었습니다. 그 변화는 지수 어디에도 적혀 있지 않습니다. 지수는 시가총액 가중이라 큰 종목이 끌면 나머지가 다 내려도 올라가니까요(지수 1편에서 다룬 그 구조입니다).

순환매를 지수로 확인하려 하면, 시작도 끝도 놓칩니다.

그래서 볼 것 다섯 가지

이 시리즈 여섯 편에서 실제로 답을 준 지표만 추렸습니다.

① 투자자예탁금 — 돈이 늘었나 줄었나

증권계좌에서 매수를 기다리는 돈입니다. 지수가 오를 때 이 숫자가 같이 늘면 새 돈이 들어온 것이고, 줄어드는데 지수만 오르면 남은 돈이 좁은 곳에 몰린 것입니다.

1편의 발견이 정확히 이거였습니다. 6월 4일 139.7조원(역대 최대) → 8월 11일 97.9조원. 30% 가까이 줄었는데 코스닥은 19% 올랐습니다. 이후 8월 13일 100.1조원, 8월 18일 104.8조원으로 회복했고요.

② 신용융자와 반대매매 — 강제 매도가 끝났나

빚내서 산 돈입니다. 2편에서 순환매의 창이 열린 진짜 조건이 여기였습니다. 코스닥 신용융자가 4월 말 11조 500억원에서 8월 3일 5조 8,300억원으로 절반 아래로 줄었습니다. 강제로 팔릴 물량이 사라지고서야 시장이 종목을 고르기 시작했습니다.

함께 볼 것이 반대매매 비중입니다. 금융투자협회가 위탁매매 미수금과 함께 매일 공표하는데, 실무에서는 5%를 넘으면 투매 신호로 봅니다. 7월 30~31일에 각각 8.6%, 7.1%까지 치솟았고, 그 이틀이 바로 서킷브레이커가 걸린 날이었습니다.

참고로 신용융자는 다시 늘고 있습니다. 7월 31일 28.9조원까지 줄었다가 8월 20일 기준 31조 8,938억원으로 회복했습니다. 창이 열렸던 조건이 되돌아가고 있다는 뜻입니다.

③ 시장 폭 — 몇 개가 오르고 있나

위에서 본 그 숫자입니다. 상승 종목 수와 하락 종목 수. 이걸 20일간 누적해 비율로 만든 것이 **ADR(등락비율)**입니다.

ADR = 20일간 상승종목수 합계 ÷ 하락종목수 합계 × 100 100% = 균형 · 120% 이상 = 과열 · 70% 이하 = 바닥권

다만 이 임계값은 학술적으로 검증된 기준이라기보다 오래 쓰여온 실무 관행입니다. 숫자 자체보다 방향을 보는 쪽이 안전합니다. 지수는 그대로인데 상승 종목 수가 늘고 있다면 뭔가 아래에서 움직이고 있다는 신호이고, 지수는 오르는데 상승 종목 수가 줄고 있다면 그 상승이 몇 종목에 의존하고 있다는 뜻입니다.

④ 상대강도 — 어느 시장이 앞서나

코스피와 코스닥 중 어디가 앞서는지, 대형주와 중소형주 중 어디가 앞서는지입니다. 계산은 단순합니다. 같은 기간 수익률을 나란히 놓으면 됩니다.

8월은 코스닥 +11.42% vs 코스피 **+4.81%**로 코스닥이 앞섰습니다. 그런데 2편에서 본 대로 올해 전체로는 정반대였습니다. 1~7월 코스피가 오르고 코스닥이 빠진 날이 132거래일 중 32일(24%)로 코스닥 출범 이후 역대 최고였습니다.

참고로 코스피 대형주는 시총 상위 100종목, 중형주는 그다음 200종목, 소형주는 그다음 514종목으로 구성되고, 매년 두 차례(3월·9월 선물옵션 만기 다음날) 정기 변경됩니다.

⑤ 수급 — 누가 사고 누가 파나

가장 많이 보면서 가장 자주 틀리는 지표입니다. 하루치만 보고 판단하는 것이 대표적인 실수입니다.

실제로 8월에 외국인은 하루에 3조원을 사고 다음 주엔 4조원을 팔았습니다. 하루치로는 아무것도 알 수 없습니다. 5일·20일 누적으로 보셔야 합니다.

그리고 기타법인이라는 항목도 눈여겨볼 만합니다. 기관도 외국인도 개인도 아닌 일반 법인인데, 자사주 매입이나 상장 직후 대량 매도 같은 펀더멘털과 무관한 수급이 여기 잡힙니다. 8월 21일에도 기타법인이 1조원 넘게 순매수했는데, SK하이닉스 자사주 매입의 영향이었습니다.

어디서 보나

전부 무료이고 회원가입도 필요 없습니다.

어디	주소	메뉴	무엇을
금융투자협회 FreeSIS	freesis.kofia.or.kr	주식 → 증시자금추이	투자자예탁금, 신용융자
금융투자협회 FreeSIS	freesis.kofia.or.kr	주식 → 신용공여현황	위탁매매 미수금, 반대매매 비중
KRX 정보데이터시스템	data.krx.co.kr	투자자별 거래실적	외국인·기관·개인, 연기금까지 구분
KRX 정보데이터시스템	data.krx.co.kr	투자자별 순매수상위종목	누가 무엇을 샀는지
KRX 공시채널 KIND	kind.krx.co.kr	사이드카 발동 공시	과열과 공포의 기록

상승·하락 종목 수와 ADR은 증권사 HTS·MTS에서 대부분 제공합니다. 변동성지수(VKOSPI)도 함께 보시면 좋은데, 통상 20%대는 안정, 30% 이상이면 경계 국면으로 읽습니다. 7월 29일에는 이 지수가 장중 97.99까지 올랐습니다.

“확인하면 이미 늦지 않나요”

당연한 반론입니다. 그리고 절반은 맞습니다.

다만 이 시리즈 여섯 편에서 확인한 것은, 순환매를 미리 맞히려던 사람들도 대체로 틀렸다는 사실입니다. 7월에 대부분의 증권사가 조선·방산을 다음 주도주로 꼽았는데 8월에 가장 크게 오른 건 바이오였고, 그 바이오도 3주 만에 꺾였습니다.

그래서 제가 이 시리즈를 마치며 남기고 싶은 건 예측이 아니라 이런 순서입니다.

지수 말고 시장 폭을 먼저 봅니다. 몇 개가 오르고 있는지가 지수보다 정직합니다.
총량을 확인합니다. 예탁금이 늘고 있는지 줄고 있는지에 따라 같은 상승이 전혀 다른 뜻이 됩니다.
한 번에 다 사지 않습니다. 확인이 늦는 문제는 예측으로 푸는 게 아니라 분할로 푸는 게 맞습니다. 5편에서 본 대로, 방향보다 회전율과 도구가 성과를 갈랐습니다.

체슬리투자자문 박세익 대표의 원칙 하나가 여기 도움이 됩니다. 하락의 원인이 기업 경쟁력의 훼손이 아니라면 분할매수가 유효하고, 펀더멘털 자체가 흔들린 것이라면 손절이 맞다는 것입니다. 판단해야 할 것은 “얼마나 빠졌나"가 아니라 “왜 빠졌나"입니다.

그래서 지금은 어디쯤인가

정직하게 말씀드리면 아직 모릅니다. 시각이 갈립니다.

LS증권 염승환 이사는 **“하반기 반도체 쏠림 현상의 강도는 완화되고 시장의 온기가 여러 업종으로 확산될 것”**이라며 순환매의 지속에 무게를 둡니다. 대신증권은 시장이 **“저평가·저변동성 장세에서 실적 민감 장세로 전환 중”**이라고 봅니다.

반면 삼성증권 신승진 투자정보팀장의 진단은 1편의 발견과 정확히 겹칩니다.

“개인 자금력이 한정돼 있어 반도체 주도주와 코스닥 지수는 디커플링을 보일 수밖에 없다”

돈이 한정돼 있으면 한쪽이 오를 때 다른 쪽은 소외됩니다. 1편에서 “줄어든 돈이 좁은 곳에 몰렸다"고 쓴 것과 같은 이야기죠.

이번 주에는 확인할 것이 두 개 있습니다. 8월 27일 새벽 엔비디아 실적 발표(시장 컨센서스 매출 919억 달러)와 같은 날 한국은행 금융통화위원회입니다. 7월에 기준금리를 2.50%에서 2.75%로 올린 뒤 첫 회의입니다.

정리

이번 순환매는 3주였습니다. 8월 3일에 열려 8월 10일에 정점을 찍고 8월 21일에 닫혔습니다. 코스닥은 8월 전체로 +11.42%지만 고점 대비로는 -6.15%입니다.
지수는 시장을 가립니다. 8월 21일 코스피는 +0.88%였지만 683종목이 내렸고, 코스닥은 오른 종목이 17%뿐이었습니다. 11거래일 전에는 80%였습니다.
다섯 가지만 보면 됩니다. 투자자예탁금, 신용융자와 반대매매, 시장 폭, 상대강도, 수급 누적. 전부 무료로 볼 수 있습니다.
수급은 하루치로 보지 마세요. 5일·20일 누적으로 봐야 합니다. 외국인은 한 주에 3조를 사고 다음 주에 4조를 팔았습니다.
확인이 늦는 문제는 예측이 아니라 분할로 푸는 게 낫습니다. 미리 맞히려던 사람들도 대체로 틀렸습니다.

마지막으로 — 33편을 마치며

이 글로 네 번째 시리즈가 끝납니다. 반도체 11편에서 AI의 부품을, 전력 10편에서 연료를, 지수 6편에서 AI가 삼킨 시장을, 그리고 순환매 6편에서 그 돈이 옮겨간 곳을 봤습니다. 모두 33편이 됐습니다.

이번 시리즈에서 개인적으로 가장 재미있었던 건, 미리 세운 가설이 다섯 번 다 빗나갔다는 점입니다.

1편 — 돈이 옮겨간 게 아니라, 줄어든 돈이 좁은 곳에 몰렸습니다.
2편 — 주도주가 쉬어서가 아니라, 강제 매도가 끝나서 창이 열렸습니다.
3편 — 조선과 방산은 애초에 한 묶음이 아니었습니다.
4편 — 금리가 튄 날 무너진 건 바이오가 아니라 반도체였습니다.
5편 — 개인은 추격하지 않았고, 방향도 맞았습니다.

그리고 매번 데이터 쪽이 제가 쓰려던 것보다 더 좋은 이야기였습니다. 이게 제가 이 시리즈들을 쓰면서 배운 것 중 가장 쓸모 있는 것 같습니다. 그럴듯한 설명이 먼저 떠오르면, 그게 맞는지 숫자로 확인해보는 것. 대개는 틀리고, 틀린 자리에 더 흥미로운 게 있었습니다.

33편을 함께 읽어주셔서 고맙습니다.

⚠️ 이 글은 AI를 활용해 투자 관련 내용을 공부하며 정리한 글입니다. 특정 종목이나 투자 방식에 대한 권유가 아니며, 내용에 오류가 있거나 최신 정보와 다를 수 있습니다. 실제 투자 전에는 공식 자료를 직접 확인하시기 바랍니다. 투자 판단과 그 결과에 대한 책임은 투자자 본인에게 있습니다.

본문의 지수·수급·잔고 수치는 확인 시점(2026년 8월 23일, 시장 데이터는 8월 21일 종가 기준)이며 계속 바뀝니다. ADR 임계값과 반대매매 비중 기준은 학술적으로 검증된 수치가 아니라 실무 관행입니다.

MBTI 말고 Big Five — 심리학이 진짜 쓰는 성격 테스트를 만들었습니다

Sat, 22 Aug 2026 10:50:00 +0900

지난번에 중1 딸을 위해 IQ 테스트를 만들고 나서 욕심이 생겼습니다. 테스트 하나로 끝낼 게 아니라, “연구 근거가 있는 테스트"만 모아 시리즈로 만들어 보자. 그 두 번째 작품이 이번 글의 주인공, Big Five 성격 테스트입니다.

👉 결과물 먼저: Big Five 성격 테스트 · 시리즈 허브: 생각별 연구소

왜 하필 성격 테스트인가

주변에 성격 유형 테스트 안 해본 사람이 없을 정도로 유형 테스트는 이미 놀이 문화가 됐죠. 저도 재미있게 봅니다. 다만 한 가지 아쉬운 점이 있었어요. 정작 심리학 연구 논문에서 성격을 측정할 때 쓰는 모델은 따로 있다는 겁니다.

바로 **Big Five(성격 5요인)**입니다. 사람의 성격을 유형으로 나누는 대신, 다섯 개의 축 위 어디쯤에 있는지를 봅니다.

외향성 — 사교성, 활력, 자기표현
우호성 — 공감, 배려, 협력
성실성 — 계획, 질서, 꾸준함
정서 안정성 — 평정심, 스트레스 대처
개방성 — 상상력, 지적 호기심

수십 년간 축적된 연구가 뒷받침하는, 성격심리학의 사실상 표준 모델입니다. “이걸 직접 만들면 시리즈 2호로 딱이겠다” 싶었습니다.

이번엔 라이선스 반전이 반대로 왔습니다

IQ 테스트 때를 기억하시는 분이 있을지 모르겠습니다. 그때는 “공개 자료"인 줄 알았던 연구 문항(Ch-ICAR)이 알고 보니 연구 전용 라이선스라서, 문항 76개를 전부 자작해야 했죠.

이번엔 정반대였습니다. **IPIP(International Personality Item Pool)**라는 국제 성격 문항 저장소가 있는데, 공식 사이트에 이렇게 명시되어 있습니다 — 문항과 척도는 퍼블릭 도메인이며, 허락도 비용도 없이 어떤 목적으로든 복사·수정·번역해 쓸 수 있다고요. 상업적 이용까지 포함입니다.

심리학계가 “성격 측정 도구가 너무 비싸고 폐쇄적이니, 누구나 쓸 수 있는 공개 문항을 만들자"며 수십 년간 쌓아온 자산입니다. 덕분에 이번에는 문항을 자작할 필요 없이, 연구에서 실제로 쓰는 문항 원문을 그대로 쓸 수 있었습니다. 저는 Goldberg의 Big Five 마커 50문항판(요인당 10문항)을 골라 한국어·영어·일본어·중국어 4개 언어로 준비했습니다.

만들면서 신경 쓴 것들

1. 50문항을 5분 안에 — 문항 수가 많으면 이탈합니다. 그래서 답을 고르면 자동으로 다음 문항으로 넘어가는 방식으로 만들었습니다. 버튼 한 번이 문항 하나라서, 50문항이 생각보다 금방 끝납니다. PC에서는 키보드 1~5로도 입력됩니다.

2. 역채점 문항 — “말수가 적은 편이다"에 ‘매우 그렇다’라고 답하면 외향성 점수는 깎여야겠죠. IPIP 문항의 절반 가까이가 이런 역방향 문항이라, 채점 로직에서 뒤집어 계산합니다. 아무거나 찍으면 서로 상쇄돼서 극단적인 결과가 안 나오는, 검사 설계의 오래된 지혜입니다.

3. ‘신경성’을 ‘정서 안정성’으로 — Big Five의 넷째 요인은 원래 신경성(Neuroticism)이라고 부르는데, 결과지에 “당신은 신경성이 높습니다"라고 쓰면 기분이 좋지 않죠. 방향을 뒤집어 정서 안정성으로 표기했습니다. 그리고 다섯 축 모두, 낮은 쪽도 강점으로 서술했습니다. 우호성이 낮으면 “협상과 경쟁에 강하다”, 정서 안정성이 낮으면 “공감과 위기 감지의 재능"처럼요. 실제로 Big Five에는 좋은 점수·나쁜 점수가 없습니다.

4. 점수에 대한 정직함 — 이 테스트의 0~~100 점수는 모집단과 비교한 백분위가 아니라, 이론적 범위(요인당 10~~50점) 안에서의 위치입니다. 규준 데이터 없이 백분위인 척하는 건 IQ 테스트 때부터 지켜온 원칙에 어긋나서, 결과 화면에 계산 방식을 그대로 적어뒀습니다.

그리고 연구소를 차렸습니다

테스트가 두 개가 되니 블로그 도구 목록에 하나씩 쌓는 게 부담스러워졌습니다. 그래서 AI 게임 랩처럼 **생각별 연구소**라는 허브를 만들어 시리즈를 모았습니다. 지금은 어린이 IQ 테스트와 Big Five 두 개가 입주해 있고, 다음 입주 예정자들이 대기 중입니다.

⚡ 반응속도 테스트 — 화면이 바뀌는 순간을 잡아라
🔢 숫자 기억력 테스트 — 점점 길어지는 숫자열 기억하기 (작업기억)
🎨 스트룹 테스트 — 글자의 뜻과 색이 싸울 때, 주의력 버티기

이번에도 개발은 Claude Code와 함께했습니다. IQ 테스트 때 만든 다국어 프레임과 화면 구조를 재활용해서, 문항 수집·번역을 빼면 하루가 채 안 걸렸어요. 시리즈의 좋은 점이 이겁니다 — 하나 만들 때마다 다음 것이 쉬워집니다.

해보기

👉 Big Five 성격 테스트 하러 가기 — 50문항, 5분이면 됩니다.

참, 저는 개방성이 높고 성실성이 중간으로 나왔습니다. 계획을 세우는 건 좋아하는데 정리정돈 문항에서 다 깎였습니다. 물건을 제자리에 두는 것부터 연습해야겠습니다.

개인은 왜 또 반대편에 섰나 — 그런데 이번엔 방향이 맞았습니다 · 순환매 투자 교과서 ⑤

Sat, 22 Aug 2026 09:00:00 +0900

이 시리즈에서 미뤄둔 이야기를 할 차례입니다. 1편부터 4편까지, 날짜를 확인할 때마다 같은 문장이 반복해서 나왔습니다.

코스닥이 6.97% 폭등한 8월 10일, 개인은 6,729억원을 팔았다. 코스피가 5.80% 무너진 8월 19일, 개인은 5조 6,403억원을 샀다.

여기까지만 보면 결론은 뻔합니다. “개미는 또 반대편에 섰다.” 그런데 숫자를 더 열어보니, 제가 쓰려던 결론이 틀렸습니다.

먼저, 개인은 추격하지 않았습니다

통념은 이렇습니다. 개인은 이미 오른 것을 뉴스로 보고 뒤늦게 산다. 고점에 사서 저점에 판다.

2026년 8월의 개인은 정확히 반대로 움직였습니다.

급락일	개인 (삼성전자+SK하이닉스)	외국인
8월 3일 (코스피 -5.12%)	+4조 2,718억	-2조 7,206억
8월 6~7일 (코스피 -4.58%)	+3조 4,243억	-2조 8,889억
8월 19일 (코스피 -5.80%)	+3조 9,132억	-2조 8,676억

8월 3일부터 19일까지 개인의 순매수 1·2위는 SK하이닉스(3조 4,325억)와 삼성전자(2조 974억)였습니다. 합쳐서 5조 5,299억원. 그리고 그 돈은 전부 떨어지는 날에 들어갔습니다.

외국인은 정확히 반대였습니다. 급락일마다 팔고, 8월 11~18일 반등 구간에는 같은 두 종목을 7조원 넘게 사들였습니다.

개인은 떨어질 때 사고, 외국인은 오를 때 샀습니다. 추격이 아니라 역발상입니다.

그리고 이번엔, 방향이 맞았습니다

여기서 불편한 질문이 생깁니다. 그래서 개인이 손해를 봤나요?

SK하이닉스: 개인이 하루에만 2조원 넘게 사들인 8월 3일 종가가 1,567,000원, 8월 20일 종가가 1,691,000원. **+7.9%**입니다.
코스피: 개인이 5조 6,403억원을 순매수한 8월 19일 종가 6,471.17, 다음 날 종가 6,852.58. **+5.89%**입니다.

개인이 산 것은 올랐습니다. 하루 만에요.

유안타증권 이재원 연구원의 진단이 이 변화를 정확히 짚습니다.

“개인 수급이 추세 추종보다 조정 시 저가 매수, 반등 시 차익 실현 성격으로 변화하고 있다”

추세를 쫓던 개인이 역발상으로 바뀌고 있다는 겁니다. 8월 19일부터 21일까지 사흘 내리 개인이 사고 외국인·기관이 파는 구도가 반복됐고, 그 사흘 동안 코스피는 6,471에서 6,912까지 올랐습니다.

학계도 이걸 나쁘게만 보지 않습니다

“개미는 늘 틀린다"는 말이 상식처럼 쓰이지만, 정작 학계에서는 그렇게 단순하지 않습니다.

Barrot, Kaniel, Sraer (2016, Journal of Financial Economics) — 프랑스 개인 투자자의 역발상 포트폴리오가 4팩터 모델 대비 연 19% 초과수익을 냈습니다. 불확실성이 높은 시기엔 최대 연 40%까지 벌어졌고요. 2008년 금융위기 때 개인은 오히려 주식 보유를 늘려 시장에 유동성을 공급했습니다.
Kaniel, Saar, Titman (2008, Journal of Finance) — 개인이 집중 매수한 다음 달에 초과수익이 발생했습니다. 기관이 급하게 팔아야 할 때 받아준 대가라는 해석입니다.
Kelley, Tetlock (2013, Journal of Finance) — 개인의 시장가 주문에는 향후 실적 서프라이즈를 예측하는 정보가 담겨 있었고, 20일 뒤까지 유효했습니다.
Welch (2020, NBER) — 2020년 3월 폭락장에서 로빈후드 개인들은 패닉 매도 없이 오히려 보유를 늘렸고, 회복장에서 보상받았습니다.

개인이 폭락에 사는 것은 시장에 유동성을 공급하는 행동이기도 합니다. 8월 19일 외국인이 4조원을 던질 때 그걸 받아준 게 개인이었습니다. 누군가는 받아야 시장이 굴러갑니다.

그럼 56조원은 어디서 사라졌나

그런데 지수 4편에서 다룬 그 숫자가 여전히 남아 있습니다. 씨티글로벌마켓증권이 7월 말 추정한 개인 손실 약 56조원입니다.

방향이 맞았는데 어떻게 이런 손실이 났을까요. 답은 어디서 잃었는지를 보면 나옵니다.

씨티가 계산한 것은 개별 종목이 아니라 레버리지 ETF의 시가총액이었습니다.

2026년 6월 22일: 76조 4,000억원
2026년 7월 말: 27조 6,000억원
사라진 금액: 48조 7,000억원 (-63.9%)

여기에 그 기간 새로 들어온 설정액 약 9조원을 감안해 역산한 것이 약 56조 3,000억원이라는 손실 추정입니다. SK하이닉스 레버리지에서만 약 8조 3,000억원이었고, 추정 평균 매수가는 228만원, 당시 손실률은 31.6%였습니다.

기초자산이 아니라 도구에서 났습니다. SK하이닉스라는 종목은 8월에 반등했지만, 매일 리밸런싱되는 레버리지 ETF는 지수 4편에서 계산했던 그 변동성 잠식 때문에 기초자산 수익률을 따라가지 못합니다. 같은 방향에 베팅하고도 결과가 달라지는 구조입니다.

곱버스는 더합니다. KODEX 200선물인버스2X의 6월 기준 수익률은 1년 -95.86%, 6개월 -90.75%였습니다.

그래서 진짜로 갈린 것은 세 가지입니다

방향이 아니라면 무엇이 성패를 갈랐을까요. 연구들이 반복해서 같은 세 가지를 가리킵니다.

① 얼마나 자주 바꾸나 — 회전율

자본시장연구원이 개인 20만 명의 거래를 분석했더니 **개인의 일간 회전율은 6.8%**였습니다. 시장 평균 1.4%의 약 5배입니다. 20대 이하는 16.9%, 소액 투자자는 29.7%였고요.

Barber와 Odean의 고전 연구(2000)도 같은 결론입니다. 미국 6만 6천 가구를 분석했더니 평균 가구는 연 16.4%(시장 17.9%)를 벌었는데, **가장 활발히 거래한 상위 그룹은 연 11.4%**로 시장에 6.5%포인트 뒤졌습니다.

② 언제 파나 — 처분 효과

오른 것은 빨리 팔고 내린 것은 계속 들고 있는 성향입니다. 1985년 Shefrin과 Statman이 이름 붙였고, Odean(1998)은 투자자가 이익 종목을 손실 종목보다 1.5~2배 더 많이 판다는 것을 확인했습니다.

한국에서도 같습니다. 자본시장연구원 분석에서 보유 1일 기준 **이익 포지션의 매도 비율은 41%, 손실 포지션은 22%**였습니다. 그리고 결정적으로, **처분 효과가 강한 집단의 10일 성과는 0.73~1.07%인 반면 반대 집단은 1.71%**였습니다. 상관관계이긴 하지만, 일찍 파는 습관이 성과를 깎는다는 방향은 분명합니다.

8월 개인이 딱 이랬습니다. 급락에 사서 반등하자 팔았습니다. 8월 12~13일 이틀간 유가증권시장에서 3조 1,911억원, 2조 7,410억원을 순매도했고, 8월 20일 반등일에도 2조 6,546억원을 팔았습니다. 방향은 맞혔는데 큰 상승은 못 먹은 겁니다.

③ 무엇으로 사나 — 도구

앞서 본 레버리지입니다. 대만 시장 전체 거래를 분석한 Barber·Lee·Liu·Odean(2009)의 발견이 여기에 겹칩니다. 개인의 손실은 연 3.8%포인트로 대만 GDP의 2.2%에 달했는데, 그 손실의 대부분이 급하게 던지는 시장가 주문에서 발생했고, 차분히 걸어둔 지정가 주문은 오히려 수익이었습니다.

같은 개인이라도 어떻게 사느냐가 결과를 갈랐다는 뜻입니다.

그리고 가장 큰 격차는 여기 있습니다

자본시장연구원 자료에서 제가 가장 오래 들여다본 숫자입니다.

투자금 규모	시장 대비 초과수익률
1천만원 이하	-13.3%
1억원 초과	+20.0%

같은 시장, 같은 기간인데 33.3%포인트가 갈렸습니다. 전체 개인 평균은 -2.0%, 신규 투자자는 -17.6%였고, 신규 투자자의 60%·전체의 42%가 손실을 봤습니다.

소액 투자자의 회전율이 29.7%로 가장 높았다는 사실과 겹쳐 읽으면 그림이 분명해집니다. 작게 시작할수록 더 자주 바꾸고, 더 자주 바꿀수록 더 잃었습니다.

정리

개인은 추격하지 않았습니다. 8월 3~19일 개인의 순매수 1·2위는 SK하이닉스와 삼성전자였고, 5조 5,299억원이 전부 급락일에 들어갔습니다. 외국인은 정반대로 급락에 팔고 반등에 샀습니다.
그리고 방향은 맞았습니다. SK하이닉스는 8월 3일 대비 20일에 +7.9%, 코스피는 개인이 5조 6,403억원을 산 다음 날 +5.89%였습니다.
학계도 개인의 역발상을 나쁘게만 보지 않습니다. 프랑스 데이터에서는 개인의 역발상 포트폴리오가 연 19% 초과수익을 냈고, 위기 국면에서 유동성을 공급한 역할도 확인됐습니다.
56조원은 방향이 아니라 도구에서 났습니다. 레버리지 ETF 시가총액이 76.4조원에서 27.6조원으로 줄었습니다. 기초자산은 반등했는데 상품은 회복하지 못했습니다.
갈린 것은 회전율·처분 효과·도구입니다. 개인 회전율은 시장의 5배, 이익 포지션 매도 비율은 손실의 두 배. 그리고 투자금 1천만원 이하는 -13.3%, 1억원 초과는 +20.0%였습니다.

그러니 “개미는 틀렸다"는 문장은 정확하지 않습니다. 개인은 틀렸다기보다 짧았습니다. 방향은 자주 맞히는데 보유 기간이 짧고, 도구가 방향을 갉아먹었습니다.

다음 [6편]이 이 시리즈의 마지막입니다. 순환매를 읽는 법 — 따라가지 않고 알아채는 지표들. 지금까지 다섯 편에서 확인한 것들을 실제로 확인 가능한 지표로 바꿔 정리하겠습니다.

⚠️ 이 글은 AI를 활용해 투자 관련 내용을 공부하며 정리한 글입니다. 특정 종목이나 투자 방식에 대한 권유가 아니며, 내용에 오류가 있거나 최신 정보와 다를 수 있습니다. 실제 투자 전에는 공식 자료를 직접 확인하시기 바랍니다. 투자 판단과 그 결과에 대한 책임은 투자자 본인에게 있습니다.

본문의 수급·수익률·연구 수치는 확인 시점(2026년 8월 22일) 기준이며, 특히 자본시장연구원 자료는 2020년 데이터 기반이라 현재와 다를 수 있습니다. 씨티의 56조원은 7월 말 시점 추정치로 이후 갱신되지 않았습니다. 며칠치 매매 결과로 성패를 단정할 수 없다는 점도 함께 감안해 주세요.

클로드로 맞춤법만 고쳐도 도장이 찍힙니다 — AI 워터마크 시대의 새 기준

Thu, 20 Aug 2026 21:30:00 +0900

지난주엔 온통 가격 얘기뿐이었는데, 이번 주는 분위기가 확 달라졌습니다. 제 노트북이 밤마다 긁어오는 영상 목록을 훑는데, 1위가 이거였어요. “미국인들이 AI에 등을 돌렸다.” 22만 회.

돈 얘기하다가 갑자기 신뢰 얘기로 넘어간 한 주였습니다.

세 줄 요약

클로드가 만든 모든 텍스트에 보이지 않는 워터마크가 찍히기 시작했습니다. EU AI 법 대응이에요.
근데 이 표식은 “AI가 썼다"가 아니라 “AI를 거쳤다"만 말합니다. 맞춤법만 고쳐도 찍혀요.
반대편에선 지시를 줄일수록 결과가 좋아진다는 얘기가 나왔습니다. 프롬프트 상식이 뒤집히는 중입니다.

클로드가 쓴 글엔 도장이 찍힙니다

앤트로픽이 8월 2일부터 클로드가 생성하는 텍스트와 파일에 워터마크를 넣기 시작했습니다. EU AI 법의 투명성 의무에 맞춘 조치예요.

두 가지 방식이 같이 갑니다. 텍스트에는 눈에 안 보이는 통계적 표식이, 파일에는 C2PA라는 출처 메타데이터 서명이 붙습니다.

원리가 좀 재밌습니다.

AI가 다음 단어를 고를 때 특정 후보들의 확률을 아주 살짝 높입니다. 사람이 읽으면 전혀 티가 안 나는데, 문장이 길어지면 그 편향이 통계로 잡혀요. 2023년 ICML에 발표된 “A Watermark for Large Language Models” 논문이 제시한 방식이고, 이번에 도입된 것도 이 계열입니다.

그러니까 문장 품질은 그대로 두고 흔적만 남기는 겁니다. 꽤 영리하죠.

문제는 ‘썼다’와 ‘거쳤다’를 구분 안 한다는 겁니다

여기가 진짜 중요한 대목입니다.

내가 직접 쓴 글을 클로드에 넣고 맞춤법만 고쳐도 워터마크가 붙습니다. 번역도, 요약도 마찬가지고요. 표식은 “이 텍스트가 AI를 거쳤다"만 말할 뿐, 누가 썼는지는 말해주지 않습니다.

학교나 회사처럼 AI 사용 여부가 민감한 곳에서는 이게 곤란해질 수 있어요. 초안을 통째로 뽑은 사람과 오타만 고친 사람이 같은 표식을 달게 되니까요.

그래서 나한테는? 제출용 문서라면 어디까지 AI를 거쳤는지 미리 밝혀두는 편이 안전합니다. 나중에 표식이 검출됐을 때 해명하는 것보다, 처음부터 “번역에만 썼다"고 적어두는 쪽이 훨씬 낫습니다.

그리고 예상대로, 워터마크 제거 도구가 이미 깃허브에 올라오고 있습니다. 창과 방패가 시작된 거죠. 다만 이걸 굳이 뚫으려 애쓰기보다는 밝히고 쓰는 쪽이 결국 편할 겁니다.

한 가지 더. 클로드처럼 상용 모델을 쓸 때만 해당됩니다. 내 노트북에서 돌리는 오픈모델에는 이런 표식이 없어요. 민감한 문서를 다룬다면 이것도 선택지입니다.

대중은 이미 등을 돌리는 중입니다

이번 주 최다 조회 영상이 “미국인들이 AI에 등을 돌렸다"였습니다. 22만 회면 이 분야에서 압도적인 숫자예요.

내용은 무겁습니다. 일자리 감소, 데이터센터의 전력·물 소비, 저작권 침해. AI 채택률은 오르는데 신뢰도는 계속 떨어지고 있다는 겁니다.

비슷한 결의 영상도 있었어요. “잠깐, 챗GPT한테 물어볼게"라는 제목인데, AI에 의존하면서 생기는 비판적 사고 저하를 다룹니다. 심리학에서 인지 오프로딩이라 부르는 현상이죠. 계산기를 쓰면 암산 능력이 떨어지는 것과 같은 원리인데, 이번엔 대상이 판단력이라 얘기가 다릅니다.

여기에 감시 우려까지 겹쳤습니다. 챗GPT 데스크톱 앱에 컴퓨터 활동 기록 기능이 붙었거든요. 내가 뭘 하는지 학습해서 반복 작업을 대신해주는 건데, 뒤집으면 화면을 계속 들여다본다는 뜻이기도 합니다. 한 팟캐스트 패널들은 업무 전용 컴퓨터에서만 켜라고 권하더군요. 저도 같은 생각입니다.

이번 주에 건진 것들

AI 사용 범위를 먼저 적어두기. 제출용 문서라면 맨 아래에 “번역·교정에 AI 사용"처럼 한 줄 남기세요. 워터마크가 붙는 시대엔 이게 가장 싼 보험입니다.

민감한 문서는 로컬 모델로. 워터마크도 안 붙고 데이터도 안 나갑니다.

컴퓨터 기록 기능은 기기를 분리해서. 켜려면 업무 전용 기기에서만. 개인 기기에는 켜지 마세요.

클로드 코드에 /design이 생겼습니다. 코드를 짜기 전에 디자인 시안을 뽑고 고른 다음 넘어가는 흐름이에요. 만들어놓고 “이거 아닌데” 하며 갈아엎는 일이 줄어듭니다.

프로젝트 폴더에 문서 세 개 두기. 한 영상에서 소개한 방식인데 꽤 쓸 만합니다. 작업 방식을 적은 문서, 지금 중요한 게 뭔지 적은 문서, 결과물 판단 기준을 적은 문서. 이렇게 세 개를 두면 AI가 맥락을 알아서 잡습니다.

하나만 남긴다면 — 지시를 줄이세요

여기부턴 이번 주 뉴스가 아니라 오래 갈 얘기입니다.

클로드 코드 개발자가 이런 말을 했다고 합니다. 시스템 프롬프트의 80%를 지웠더니 결과가 더 좋아졌다고요.

모델이 똑똑해질수록 세세한 단계 지시가 오히려 발목을 잡는다는 겁니다. 업계에선 이걸 호블링이라고 부르더군요. 말 그대로 발을 묶는다는 뜻이죠.

그럼 뭘 줘야 하냐면 두 가지입니다.

무엇을 달성해야 하는지 (어떻게 하라가 아니라)
다 됐다는 걸 어떻게 증명할지

지난주에 나온 Ramp 사례도 정확히 같은 얘기였습니다. “어떻게 하라” 대신 “뭘 달성하라"만 지시해서 CI 시간을 3분의 1로 줄였다고 했죠. 두 주 연속 같은 결론이 나온 셈입니다.

솔직히 저도 반대로 해왔습니다. 결과가 시원찮으면 지시를 더 붙이는 식이었는데, 이번 주 내용을 보고 프롬프트를 한 번 걷어내 봐야겠다 싶더군요.

짚고 넘어갈 것

이번 주 제목들이 좀 셌습니다. “GPT-6 아스트라가 클로드를 박살냈다” 같은 것들요.

내용을 보면 아스트라가 미해결 수학 문제 10개를 풀었고, Lean 4라는 증명 검증기로 기계 검증까지 됐다는 겁니다. 이건 진짜 대단한 성과예요.

다만 같은 주에 클로드도 리만 가설에서 진전을 냈습니다. 조건을 만족하는 영(zero)의 비율 하한을 사람이 세운 41.6%에서 67.2%까지 올렸다고 하죠. 가설 자체를 푼 건 아니지만 의미 있는 개선입니다.

그러니까 “박살냈다"는 제목보다는 양쪽 다 수학에서 진전을 내고 있다가 사실에 가깝습니다. 그리고 아스트라는 소비자용 제품이 아니라 연구 시스템으로 보인다는 게 영상들의 공통 관측이었어요. 당장 우리가 쓸 수 있는 물건이 아닙니다.

가격 인하도 계속됐습니다. OpenAI가 최대 80%를 내렸고, 무료 게이트웨이 얘기도 또 나왔어요. 지난주 흐름이 그대로 이어지는 중입니다.

나머지는 짧게

구글 픽셀 11 / 워치 5 공개. 온디바이스 AI와 오프라인 제미나이, 혈압·인슐린 저항성 추세 감지가 붙었습니다.
제미나이에 이미지 워터마크 제거 기능이 생겼습니다. 한쪽은 넣고 한쪽은 빼는 묘한 그림이에요.
미니맥스 H3가 오픈소스 영상 생성에서 좋은 평을 받았습니다. 로컬로 돌릴 수 있다는 게 강점이고요.
무제한이 사라지는 중입니다. 수노를 비롯해 “무제한” 내걸던 AI 서비스들이 하나둘 사용량 제한을 겁니다.
클로드 페이블 5.1 출시가 임박했다는 유출이 돌았습니다.

이번 주엔 이거 하나만

AI를 쓴 문서에 한 줄만 남겨보세요. “이 글은 번역과 교정에 AI를 썼습니다” 정도면 충분합니다.

워터마크가 기본이 된 이상, 숨기는 쪽은 계속 피곤해집니다. 먼저 밝히면 그냥 끝나는 일이고요. 저도 이 블로그에 그 한 줄을 넣을지 고민 중입니다.

여러분은 어디까지가 “내 글"이라고 생각하세요? 맞춤법 교정까지는 괜찮고 초안 생성부터는 아닌 걸까요. 저도 아직 선을 못 그었습니다.

매주 유튜브 AI 영상 수십 편을 훑어서, 흐름이 되는 것만 골라 “내 작업에 뭐가 달라지나"로 옮기고 연구 근거랑 과장 필터를 붙입니다. 이번 편은 2026년 8월 12~19일 조회수 상위 영상을 봤어요. 성능·수치는 각 영상에서 주장된 값이라 직접 검증하진 못했고, 그래서 반론이 있으면 같이 적었습니다. 워터마크 원리로 인용한 ICML 2023 논문과 C2PA·EU AI Act는 공개된 자료예요.

출처 영상

Americans Have Turned Against AI — The Infographics Show
🚨 이제 AI로 글 쓰면 다 걸립니다 — 조코딩 JoCoding
Claude Is Hiding Watermarks in Your AI Text — Kyle Balmer
“Wait, let me ask ChatGPT” — Bryony Claire
Casey Newton on ChatGPT’s New Feature — Pod Save America
I Deleted All My Claude Skills… And Claude Got Smarter — Nate Herk
Claude Code New Features, Explained — Greg Isenberg
리만 가설에 도전한 클로드의 놀라운 결과 — 조코딩 JoCoding
GPT-6 Astra: OpenAI’s Next Model Just Destroyed Claude AI — AI Master
Probé Claude Code Design y es… — midudev

바이오는 정말 금리의 함수인가 — 교과서가 빗나간 이틀 · 순환매 투자 교과서 ④

Thu, 20 Aug 2026 20:00:00 +0900

3편에서 조선과 방산을 봤습니다. 하나는 AI로 가는 통로가 열렸고, 하나는 AI와 무관한 땅에 서 있었죠.

이번엔 8월 코스닥 랠리의 진짜 주인공 차례입니다. 바이오입니다. 코스닥150 헬스케어 지수는 7월 31일부터 8월 10일까지 34.66% 올랐습니다. 같은 기간 코스닥 전체가 18.72%였으니 거의 두 배 속도였죠.

바이오에는 오래된 공식이 하나 붙어 있습니다. “바이오는 금리의 함수다.” 그런데 지난 이틀이 그 공식을 정면으로 시험했고, 결과가 예상과 달랐습니다.

교과서부터 — 왜 바이오가 금리에 약하다고 하나

듀레이션이라는 개념입니다. 원래는 채권 용어인데 주식에도 씁니다.

신약 하나가 팔리기까지 10년이 걸린다고 해봅시다. 그 10년 뒤의 돈을 오늘 값으로 되돌릴 때 쓰는 게 금리입니다. 먼 미래일수록 할인이 크게 먹힙니다. 금리가 조금만 올라도 10년 뒤 이익의 현재가치는 크게 깎이죠. 반면 올해 당장 버는 회사는 덜 깎입니다.

여기에 하나 더 있습니다. DB증권 강현기 연구원의 설명입니다.

“제약·바이오 기업은 신약 개발 과정에서 대규모 자금 조달이 필요한 만큼 금리 상승 시 자금조달 비용 부담이 커진다”

미래 이익은 더 깎이는데, 그때까지 버틸 돈은 더 비싸집니다. 이중으로 불리한 겁니다.

그리고 올해 상반기, 이 이론은 정확히 맞았습니다. 2월 말부터 시중금리가 오르기 시작하자 순환 고점이 이 순서로 형성됐습니다.

순환 고점	시점
코스닥	4월 27일
자동차	6월 1일
반도체	6월 22일

먼 미래를 파는 자산일수록 먼저 꺾였습니다. 교과서 그대로였죠.

그런데 8월 19일, 정반대가 벌어졌습니다

지난주 미국 30년물 국채금리가 5.3%대로 튀었습니다. 19년 만의 최고치입니다. 한국도 국고채 30년물이 4.751%로 역대 최고를 찍었고요.

교과서대로면 바이오와 코스닥이 가장 크게 맞아야 합니다. 결과는 이랬습니다.

8월 19일 (금리 급등)

	등락률
코스피	-5.80% (6,471.17)
코스닥	-1.17% (824.46)
삼성전자	-7.82%
SK하이닉스	-9.75%

장 초반 코스피는 6% 넘게 빠지며 올해 25번째 매도 사이드카가 걸렸습니다. 그런데 코스닥은 코스피의 5분의 1만 빠졌습니다.

더 이상한 건 수급입니다. 그날 코스닥에서 외국인은 463억원, 기관은 458억원을 오히려 순매수했습니다. 시가총액 1위 알테오젠은 상승 마감했고요.

다음 날도 대칭이었습니다. 8월 20일, 미 재무부의 국채 바이백 확대와 SK하이닉스의 40조원 자사주 소각 발표로 금리가 진정되자 코스피는 +5.89%(6,852.58) 급반등했고, 코스닥은 +1.99%(840.89)에 그쳤습니다. 오전 9시 57분에는 매수 사이드카가 걸렸습니다. 전날 매도 사이드카가 걸린 지 하루 만이었죠.

빠질 때도 오를 때도, 금리에 크게 반응한 건 바이오가 아니라 반도체였습니다.

왜 뒤집혔을까

여기서 결론을 “교과서가 틀렸다"로 내면 편합니다. 그런데 자료를 더 보면 그게 아닙니다.

첫째, 코스닥은 이미 먼저 맞았습니다. 위의 표가 그 증거입니다. 코스닥 고점은 4월 27일이었고, 그 뒤 7월까지 계속 빠졌습니다. 7월 한 달에만 -21.44%였죠(2편). 금리 구간을 먼저 통과해버린 겁니다.

둘째, 팔 사람이 없었습니다. 2편에서 본 그 숫자입니다. 코스닥 신용융자가 4월 말 11조 500억원에서 8월 초 5조 8,300억원으로 절반 아래(-47.2%)로 줄었습니다. 강제로 팔릴 물량이 이미 소진된 상태였죠.

셋째, 반도체는 막 올랐습니다. 8월 12일부터 18일까지 코스피는 7,200선까지 급등했습니다. 되돌릴 것이 많았던 쪽은 코스닥이 아니라 반도체였습니다.

그러니까 이렇게 정리됩니다.

듀레이션이 알려주는 것 — 금리가 움직일 때 어떤 순서로 반응하는가 듀레이션이 알려주지 않는 것 — 오늘 그것이 얼마나 빠질 것인가

먼저 빠진 자산은 다음 충격에서 덜 빠집니다. 이건 교과서를 부정하는 게 아니라 교과서를 한 번 더 적용한 결과입니다. 실제로 강현기 연구원도 같은 논리로 다음을 봤습니다. 금리가 진정되면 반등도 그 역순으로 온다는 것이죠. 그래서 8월 11일 시점에 그는 **“이제부터는 코스닥보다 자동차와 반도체 업종의 주가 재반등 여부를 살펴야 한다”**고 했습니다. 8월 12일 이후 실제로 반도체가 지수를 끌었으니, 이 판단은 맞았습니다.

그럼 바이오는 무엇으로 값이 매겨지나

금리가 아니라면 무엇일까요. 여기서 바이오의 특수성이 나옵니다.

코스닥 제약·바이오 75개사의 2026년 상반기 실적을 보면, 45곳이 영업흑자, 30곳이 영업적자입니다. 10곳 중 4곳이 아직 적자라는 뜻이고, 그 회사들은 PER을 계산할 수 없습니다.

계산이 되는 곳도 숫자가 특이합니다. 알테오젠의 PER은 169배입니다(8월 14일 기준, 코스닥 시총 1위). 시가총액 5조원대인 리가켐바이오는 적자라 PER이 산출되지 않고요.

그래서 이 업종에는 PDR이라는 말까지 있습니다. Price to Dream Ratio, 꿈 대비 주가. 농담처럼 들리지만 실제로 쓰입니다. 현재 이익이 아니라 개발 중인 파이프라인의 미래 가치로 값을 매긴다는 뜻이죠.

다만 여기서 “그러니까 기대뿐인 랠리"라고 단정하면, 그것도 틀립니다.

2026년 상반기에 공개된 기술수출이 **8건, 총 계약 규모 약 86.7억 달러(약 13조 4,500억원)**입니다. 지난해 연간 규모의 절반을 이미 넘었습니다. 아리바이오가 중국 푸싱제약에 알츠하이머 치료제를 47억 달러에 넘긴 건이 가장 컸고, 알테오젠도 1월 GSK 자회사에 2.85억 달러, 3월 바이오젠에 5.79억 달러 계약을 맺었습니다. 알테오젠의 1분기 영업이익률은 54.9%였고요.

코스닥 전체로 봐도 그렇습니다. 상반기 영업이익이 9조 4,279억원으로 61.54% 늘었고, 흑자 기업이 800곳으로 121곳 증가했습니다.

실적은 실제로 좋아졌습니다. 다만 그게 8월에 오른 종목들의 이유였는지는 별개입니다.

재료가 있었던 곳과 없었던 곳

8월에 오른 바이오주를 하나씩 열어보면 성격이 갈립니다.

알테오젠 — 명확한 개별 재료가 있었습니다. 8월 7일 블랙록이 지분 5.03%(269만 4,448주) 보유를 공시했고(직전 4.98%에서 하루 새 넘어서며 공시 의무 발생, 목적은 단순투자), 그날 두 자릿수로 급등하며 코스닥 전체를 끌었습니다.
나머지 대부분 — 8월에 한정된 새 재료를 찾기 어려웠습니다. HLB는 리보세라닙의 FDA 재신청이 7월에 있었지만 8월 중 승인 소식은 없었고, 오히려 8월 19일 급락장에서 -2.43%로 알테오젠보다 부진했습니다. 에이비엘바이오와 리가켐바이오도 8월 신규 대형 계약은 확인되지 않았습니다.

즉 한 종목의 재료가 업종 전체를 끌어올린 구조에 가깝습니다. 여기에 지수 4편에서 다룬 단일종목 레버리지 ETF 규제로 갈 곳을 잃은 자금이 코스닥 현물로 옮겨온 것이 겹쳤고요.

한 가지 더 짚어둘 게 있습니다. 8월에 오른 종목 중에는 불과 넉 달 전 공시 신뢰 문제로 크게 흔들렸던 회사도 있습니다. 삼천당제약은 3월 말 한국거래소로부터 불성실공시법인으로 지정됐고, 이 사안을 계기로 금융감독원이 제약·바이오 공시 개선 작업에 들어갔습니다. 재료성 뉴스에 크게 움직이는 업종일수록, 그 뉴스의 신뢰도까지 함께 봐야 한다는 뜻입니다.

그리고 그 금리를 밀어올린 것 중 하나가 AI였습니다

마지막으로, 이번 편에서 제가 가장 흥미롭게 본 연결입니다.

8월에 장기금리를 밀어올린 원인은 여럿입니다. 미국 재정적자 확대(의회예산국이 연간 전망을 2조 1,000억 달러로 상향), 중동발 유가 상승, 일본 국채금리 급등의 전이. 그런데 여기에 하나가 더 있습니다.

AI 기업들의 회사채 발행입니다.

아마존·메타·엔비디아·오라클·알파벳 같은 기업의 회사채 발행액이 2024년 3,970억 달러에서 2025년 1조 4,470억 달러로 늘었고, 2026년 들어서만 2조 1,830억 달러입니다. 미국 투자등급 회사채 시장에서 이들이 차지하는 비중은 **2.4%에서 16.4%**로 뛰었습니다.

뱅크오브아메리카는 AI 관련 차입이 장기 국채 수요를 밀어내고 있다고 봤습니다. 회사채와 주택저당증권이 올해 10년물 금리 상승분 중 약 0.3%포인트를 설명한다는 분석입니다. 언론은 이걸 **“뒤집힌 구축효과”**라고 불렀습니다. 원래는 정부가 돈을 빌려 기업을 밀어내는 게 구축효과인데, 지금은 기업이 국채를 밀어내고 있다는 겁니다.

AI 데이터센터를 짓느라 빌린 돈이 장기금리를 올리고, 그 금리가 AI와 아무 상관없어 보이는 바이오의 할인율이 됩니다.

3편에서 조선은 AI와 직접 연결됐고 방산은 무관하다고 했습니다. 여기에 바이오를 놓으면 그림이 완성됩니다.

	AI와의 관계
조선	직접 연결 — 데이터센터에 발전설비를 판다
방산	무관 — 지정학이 전부다
바이오	간접 연결 — AI가 밀어올린 금리가 할인율이 된다

“AI 아닌 것들"이라는 묶음이 왜 성립하지 않는지, 이제 세 가지 방식으로 확인된 셈입니다.

정리

바이오는 금리에 민감한 게 맞습니다. 이익이 먼 미래에 있고 그때까지 계속 돈을 빌려야 하니, 이중으로 불리합니다. 올해 상반기 순환 고점이 코스닥(4/27) → 자동차(6/1) → 반도체(6/22) 순으로 형성된 것이 그 증거입니다.
그런데 8월 19일에는 정반대였습니다. 금리가 19년 만의 최고치로 튄 날 코스피는 -5.80%, 코스닥은 -1.17%였고, 코스닥에서는 외국인과 기관이 오히려 순매수했습니다.
교과서가 틀린 게 아니라 순서를 이미 통과한 겁니다. 코스닥은 4월에 먼저 꺾였고, 신용융자가 절반 아래로 줄어 팔릴 물량도 남아 있지 않았습니다. 먼저 빠진 자산은 다음 충격에서 덜 빠집니다.
바이오의 값은 이익으로 매겨지지 않습니다. 75개사 중 30곳이 영업적자라 PER 자체가 계산되지 않고, 업계는 PDR이라는 말까지 씁니다. 다만 상반기 기술수출 8건·86.7억 달러는 실제로 있었던 성과입니다.
그리고 그 금리를 밀어올린 것 중 하나가 AI였습니다. AI 기업 회사채가 미국 투자등급 시장의 16.4%를 차지하며 국채 수요를 밀어내고 있습니다.

다음 [5편]은 이 시리즈의 킬러편입니다. 개인은 왜 또 반대편에 섰나. 8월 10일 코스닥이 7% 폭등하던 날 개인은 6,729억원을 팔았고, 8월 19일 코스피가 5.8% 무너지던 날에는 5조 6,403억원을 샀습니다. 그리고 다음 날 반등하자 2조원 넘게 팔았죠. 같은 패턴이 왜 반복되는지 정리하겠습니다.

⚠️ 이 글은 AI를 활용해 투자 관련 내용을 공부하며 정리한 글입니다. 특정 종목이나 투자 방식에 대한 권유가 아니며, 내용에 오류가 있거나 최신 정보와 다를 수 있습니다. 실제 투자 전에는 공식 자료를 직접 확인하시기 바랍니다. 투자 판단과 그 결과에 대한 책임은 투자자 본인에게 있습니다.

본문의 지수·수급·실적·밸류에이션 수치는 확인 시점(2026년 8월 20일) 기준이며 계속 바뀝니다. 이틀치 시장 움직임은 추세의 증거가 되기 어렵다는 점도 함께 감안해 주세요. 개별 종목은 원리를 설명하기 위한 예시로만 언급했습니다.

아빠표 IQ 테스트 — 중1 딸을 위한 IQ 테스트를 직접 만들었습니다

Wed, 19 Aug 2026 21:00:00 +0900

어느 날 중1 딸이 진지한 얼굴로 말했습니다. “아빠, 나 천재인 것 같아. 아이큐 검사 해보고 싶어.”

보통의 아빠라면 “그래 그래” 하고 넘어가거나 인터넷에서 무료 테스트를 검색해줬겠죠. 그런데 저는 그만 이렇게 대답해버렸습니다. “검사? 아빠가 만들어줄게.”

내뱉고 나서 조사를 시작했습니다. 이 글은 그 큰소리의 뒷수습 기록입니다.

👉 결과물 먼저: 생각별 IQ 연구소 — 어린이 IQ 테스트

진짜 IQ 검사는 만만한 게 아니었습니다

찾아보니 제대로 된 지능검사(웩슬러 아동용 같은)는 전문가가 일대일로 실시하는 유료 검사였습니다. 개인이 웹에서 흉내 낼 수 있는 영역이 아니에요. 반대로 인터넷에 널린 무료 IQ 테스트들은 문항 출처도, 채점 근거도 불분명한 게 대부분이었고요.

그러다 **ICAR(International Cognitive Ability Resource)**라는 걸 알게 됐습니다. 연구자들이 공동으로 만들어 쓰는 공개형 인지능력 검사 문항 저장소인데, 여기에 **어린이용 버전(Ch-ICAR)**이 있었습니다. 2025년에 벨기에 연구진이 만 10~14세 학생 820명으로 검증한 27문항짜리 검사예요. 영역 구성도 명확했습니다.

영역	문항 수	실제 정답률
언어추론	8	44%
행렬추론	6	31%
수열추론	7	46%
도형유추	6	37%

전체 평균이 27점 만점에 10.76점. 또래 아이들이 절반도 못 맞추는, 꽤 어려운 검사라는 뜻입니다. 이거다 싶었죠.

‘공개’와 ‘마음대로 써도 됨’은 다르더군요

그런데 반전이 있었습니다. ICAR는 스스로 공개 자료라고 소개하지만, 실제 문항을 받으려면 연구자 등록과 신청이 필요하고, 라이선스도 **과학적 이용 전용(Scientific Use License)**이었습니다. 이유가 인상적이었어요 — 문항과 정답이 인터넷에 공개되면 검사 자체가 망가지기 때문입니다. 정답을 검색할 수 있는 IQ 테스트는 더 이상 검사가 아니니까요.

그래서 방향을 정했습니다. 원문항은 쓰지 않는다. 대신 연구가 검증한 ‘구조’를 그대로 따른다. 영역 구성(8·6·7·6), 27문항, 난이도 오름차순 배치, 채점 방식까지요. 문항은 전부 직접 만들었습니다.

1차 완성 — 그리고 딸의 심판

시제품은 AI 코딩으로 하루 만에 나왔습니다. 처음엔 OpenAI Codex로 뼈대를 만들었고, 이후 개편은 Claude Code와 진행했어요. 보호자 확인, 27문항, 영역별 결과, 벨기에 표본 통계로 환산한 참고점수까지. 블로그 도구 메뉴에 올리고 딸에게 당당하게 내밀었습니다.

결과는— 전부 다 맞혔습니다. 딸은 “거봐, 나 천재 맞잖아"라며 의기양양했고요.

기뻐해야 할 순간인데 뭔가 이상했습니다. 실제 검사는 또래 평균 정답률이 40%인데 만점이 나왔다? 문제를 다시 보니 답이 나왔습니다. 제가 만든 문항이 너무 쉬웠던 겁니다. “2, 4, 6, 8 다음은?” 수준이었으니 중1이면 당연히 만점이죠. 천재 판정이 아니라 출제 오류였습니다.

2차 개편 — 진짜 검사처럼 어렵게

그래서 논문을 다시 파고들어 실제 Ch-ICAR의 형식을 최대한 따라 만들었습니다.

연령별 2세트 — 만 10~~11세 기본 세트 / 만 12~~14세 심화 세트. 심화 세트에는 대우 명제, 삼단논법, “모레가 목요일의 이틀 전이라면 오늘은?” 같은 요일 계산 퍼즐, 피보나치·소수·교대수열이 들어갑니다.
행렬·도형 문제를 SVG로 — 텍스트 기호(●▲) 대신 코드로 도형을 그려서, 실제처럼 3×3 행렬추론과 도형 유추 문제를 만들었습니다.
8지선다 — 실제 Ch-ICAR가 보기 8개(정답 없음·모르겠음 포함)를 쓰길래 똑같이 보기 7개 + ‘모르겠어요’로 맞췄습니다. 찍어서 맞출 확률이 25%에서 12.5%로 떨어집니다.
수열은 주관식 — 실제 검사처럼 보기 없이 직접 입력합니다. 모바일 키보드가 화면을 가리는 문제는 화면 안에 숫자 키패드를 직접 그려서 해결했어요. PC에서는 키보드로도 입력됩니다.
문제은행 76문항, 매회 무작위 출제 — 문항을 76개(기본 36 + 심화 40)로 늘리고, 매번 영역 비율을 지키며 27문항을 무작위로 뽑습니다. 보기 순서도 섞여서 두 번째 풀 때 답을 외워봐야 소용없습니다.

전부 서버 없이 브라우저 안에서만 동작합니다. 답은 어디로도 전송되지 않아요.

점수에 대해서는 정직하게

만들면서 가장 신경 쓴 부분은 사실 문항보다 점수의 정직함입니다. 이 테스트의 점수는 벨기에 연구표본의 평균과 표준편차를 빌려 평균 100, 표준편차 15 형태로 환산한 오락·교육용 참고점수입니다. 한국 어린이 규준으로 표준화한 IQ가 아니고, 전문 지능검사를 대신할 수도 없습니다. 그래서 결과 화면에 이 한계를 그대로 적어뒀고, 시작 전에 보호자 확인도 받게 했습니다.

아이가 받아 든 점수 하나에 일희일비하기보다, 어떤 영역 문제를 재미있어하고 잘 푸는지 함께 들여다보는 용도로 쓰시면 딱 좋습니다.

써보기

👉 생각별 IQ 연구소 열기 — 상단 메뉴 도구에서도 들어올 수 있습니다.

이제 딸에게 심화 세트를 다시 내밀 차례입니다. 이번에도 만점이 나온다면… 그때는 진짜로 천재를 의심해봐야겠죠.

AI로 게임 만들기 #9 — 〈오디세이〉 보기 전 30분, 보고 나서 30분. 버튼 하나로 겪는 오디세우스 (공개빌드 #9)

Wed, 19 Aug 2026 20:00:00 +0900

지난 편의 심해 낚시에 이어, 아홉 번째 게임은 오디세이아입니다. 트로이에서 이타카까지 20년, 그 여정의 여섯 장면을 버튼 하나로 직접 겪는 게임이에요. ⛵

영화 보러 가기 전에 하면 예습이고, 보고 나서 하면 복습입니다. 저는 보고 나서 만들었으니 후자로 시작한 셈이네요.

👉 오디세이아 직접 하러 가기

3시간이 하나도 안 지루했습니다

놀란의 〈오디세이〉를 봤습니다. 너무 재밌었습니다.

일단 배역이 너무 잘 맞았어요. 매트 데이먼의 오디세우스도 그렇고, 페넬로페로 나온 앤 해서웨이가 정말 예쁘게 나왔습니다. 20년을 기다리는 사람의 얼굴이 그래야 할 것 같은 얼굴이었어요.

한 가지 걸린 건, 하필 그 전 주에 스파이더맨을 봤다는 겁니다. 텔레마코스로 톰 홀랜드가 나오고 아테나로 젠데이아가 나오는데, 머리로는 아는데 자꾸 피터랑 MJ가 겹쳐서 그 대목만 몰입이 좀 깨졌습니다. 😅 (젠데이아의 아테나는 실제로 신인지 오디세우스의 죄책감이 만든 환영인지 열어두고 찍었다더군요. 그건 좋았습니다.)

그래도 오디세우스의 서사가 장황할 만큼 멋지게 펼쳐져서 3시간이 전혀 지루하지 않았습니다. 극장을 나오는데 오히려 여운이 남았어요.

그런데 같이 본 사람은 온도가 달랐습니다

나오면서 이야기하다가 알았습니다. 저는 원작 줄거리를 알고 갔고, 같이 본 사람은 몰랐습니다. 같은 장면을 보고도 남는 게 달랐어요.

세이렌 앞에서 왜 자기만 묶여 있는지, 눈앞의 소를 왜 안 잡아먹는지, 마지막에 활을 당기는 게 왜 그렇게 중요한 장면인지 — 알고 보면 “아, 저게 그거구나"인데 모르고 보면 그냥 지나갑니다.

원작을 읽고 가라고 하기엔 부담스럽고, 줄거리 요약을 읽으라고 하기엔 읽어도 안 남습니다. 남의 이야기를 요약해서 읽으면 30분 뒤에 잊어버려요.

그래서 직접 겪게 만들면 남지 않을까 싶었습니다.

30분짜리, 버튼 하나

만든 규칙은 단순합니다.


스테이지	6편
조작	스페이스 · 클릭 · 탭 — 셋 다 같은 동작
한 편	5분 이내
전체	30분 이내
PC·모바일	동일

버튼을 하나로 묶은 건 제약이 아니라 선택이었습니다. 조작을 배우는 데 시간을 쓰면 이야기가 들어올 자리가 없어집니다. 누를 줄 아는 사람이면 6편을 다 갈 수 있어야 했어요.

대신 편마다 그 버튼의 의미를 바꿨습니다. 같은 버튼인데 손맛이 다릅니다.

편	장면	버튼의 의미
1	키클롭스의 동굴	순간에 탭 — 거인의 손이 비켜난 찰나
2	아이올로스의 바람 자루	누르고 있다 놓기 — 참을수록 빨리 간다
3	세이렌의 노래	버티기 — 놓으면 진다 (2편의 정반대)
4	스킬라와 카리브디스	틈에 연타
5	헬리오스의 소	배분 탭 — 누구를 먹일 것인가
6	이타카의 활	당겼다 정확히 놓기 — 단 한 발

3편이 특히 마음에 듭니다. 2편은 누르면 나아가고 놓으면 안전한데, 3편은 누르면 안전하고 놓으면 집니다. 같은 버튼의 의미가 뒤집혀요.

여섯 장면이 곧 줄거리다

이 게임의 목적은 재미보다 “이 여섯 개만 알면 된다” 입니다. 보기 전이면 이걸 알고 극장에 들어가는 거고, 보고 난 뒤면 “아 그게 이거였구나"를 손으로 다시 확인하는 거예요. 그래서 편마다 신화가 실제로 말하는 것을 그대로 규칙으로 만들었습니다.

1편 · 키클롭스 — 눈먼 거인이 동굴 입구를 손으로 훑습니다. 양 배에 매달려 나가야 해요. 거인이 눈이 멀었다는 걸 설명하지 않습니다. 감긴 외눈과 더듬는 손으로 보여줍니다.

2편 · 바람 자루 — 이타카가 눈앞에 보이는 열흘째 새벽에 잠듭니다. 이건 실패가 아니라 이야기입니다. 피할 수 없어요. 부하들이 자루를 열고 배가 왔던 길을 되밀려 갑니다. 진행 게이지가 95%에서 20%대로 빨려 내려가는 걸 보고 있어야 합니다.

3편 · 세이렌 — 세이렌은 미녀의 유혹이 아니라 “네가 모르는 것을 알려주마” 라고 부릅니다. 지식에 대한 갈망이 이 장면의 진짜 유혹이에요.

4편 · 스킬라 — 키르케의 조언은 냉정합니다. “여섯을 잃더라도 스킬라 쪽에 붙어라. 카리브디스는 배째로 삼킨다.” 그리고 오디세우스는 이 사실을 부하들에게 말하지 않았습니다. 말했다면 아무도 노를 젓지 않았을 테니까요.

5편 · 헬리오스의 소 — 굶주림을 못 막으면 부하들이 소를 잡아먹고 제우스의 벼락에 전멸합니다. 이게 오디세우스가 혼자 돌아온 이유입니다. 신화대로 지는 게 기본 결말이고, 아주 좁은 길로 살려내면 “호메로스에서는 일어나지 않은 일입니다” 라는 카드가 뜹니다.

6편 · 이타카의 활 — 20년 만에 거지꼴로 돌아옵니다. 페넬로페의 조건은 “오디세우스의 활에 시위를 얹고 도끼 열두 자루를 화살 하나로 꿰뚫는 자”. 그 활은 오디세우스만 당길 수 있습니다. 활을 당기는 순간이 곧 정체를 밝히는 순간입니다.

부하 600명이 여섯 편을 관통합니다

이게 이 게임의 뼈대입니다. 600명으로 출항해서, 각 편에서 잃은 만큼 줄어든 채로 다음 편에 갑니다. 결과 카드마다 마지막 줄에 남은 인원이 적혀요.

그리고 끝까지 가면 이렇게 끝납니다.

호메로스의 오디세우스는 혼자 돌아왔습니다. 당신은 N명을 데려왔습니다.

에필로그의 여섯 줄은 당신이 실제로 겪은 것을 적습니다. 남의 이야기를 요약하면 에필로그가 아니니까요.

만들면서 — 게임이 플레이어에게 거짓말을 하고 있었다

여기부터가 이번 편에서 제일 많이 배운 부분입니다.

세 번이나, 화면이 시키는 대로 하면 지는 게임을 만들고 있었습니다. 그것도 매번 다른 형태로요.

첫 번째 — “버텨라”

2편 마지막, 졸음이 몰려오는 구간에서 화면에 “버텨라 / 누르고 있어라” 가 떴습니다. 그런데 정책별로 돌려서 재보니:

시킨 대로	도달	잃은 부하
버틴다	5.8%	36명
그냥 손 뗀다	8.9%	30명

시킨 대로 한 쪽이 두 지표 모두 나빴습니다. 버티는 동안에도 돛 부하가 살아 있어서, 순순히 따르면 돛이 찢어졌던 거예요.

두 번째 — “연타해 젓는다”

4편 화면 아래에 “스페이스 또는 화면을 연타해 젓는다” 라고 적혀 있었습니다. 저는 그 말을 그대로 믿고 연타했고, 계속 죽었습니다. 노는 열심히 젓는데 한쪽 노잡이가 죄다 잡혀가더군요.

원인을 찾으려고 연타만 하는 봇을 만들어 붙였습니다. 연타만 하면 9.5초 만에 노잡이 8명이 전부 끌려가고, 그 뒤 7초 동안 아무것도 못 한 채 소용돌이에 삼켜졌습니다. 그리고 결과 카드가 이렇게 말했어요.

“노를 멈춘 대가다 — 쉬면 끌려간다”

한 번도 안 쉰 사람한테요. 안내도 틀렸고 꾸중도 틀렸습니다.

고친 건 세 가지입니다. 안내를 규칙의 나머지 절반까지 적고(“머리가 물러난 사이에만 연타 · 내려오면 멈춘다”), 신호를 “저어라 → 멈춰라” 두 박자로 가르치고, 시작 직후 1.15초 동안 머리를 멈춰 둬서 첫 수업을 읽을 시간을 줬습니다.

세 번째 — 설계에 없던 죽음

그런데 더 이상한 걸 발견했습니다. 노잡이를 다 잃으면 죽는 규칙은 설계 어디에도 없었습니다. 설계서에는 “잘하면 2~3명, 못하면 여섯 이상” 이라고만 적혀 있었어요.

생각해보면 당연합니다. 배에 부하가 570명이나 타고 있는데 노 자리 여덟 개가 비었다고 배가 죽는 게 말이 되나요. 잡혀간 자리는 다른 사람이 채우면 됩니다.

그래서 자리를 채우게 하고, 지는 길은 카리브디스 하나만 남겼습니다. 같은 연타를 다시 돌리니 살아서 해협을 통과했습니다. 51명을 잃고요.

손실은 점수지 사망이 아니었습니다. 신화의 스킬라도 여섯을 물어 가고 배는 지나갑니다.

계측이 없었으면 셋 다 못 잡았다

세 번 모두 제 느낌으로는 안 보였습니다. “버텨라"는 제가 쓴 문구였고, “연타"도 제가 쓴 문구였고, 죽음 규칙도 제가 넣은 겁니다. 만든 사람은 규칙을 아니까 시키는 대로 안 합니다.

잡아낸 방법은 전부 같았습니다. 정책을 여러 개 만들어서 결과를 표로 뽑는 것.

시킨 대로 하는 봇 / 안 하는 봇 → 어느 쪽이 나은가
사람처럼 마구 누르는 봇 → 몇 초 만에 죽나

특히 마지막이 중요했습니다. 원래 있던 자동 플레이 함수는 “완벽한 봇” 이라 안전할 때만 노를 저었습니다. 그래서 4편을 100번 돌려도 문제가 안 보였어요. 사람이 실제로 하는 짓을 흉내내는 봇을 따로 만들고 나서야 9.5초 전멸이 나왔습니다.

그리고 1편을 깼는데 에필로그가 떴다

발행 직전에 나온 버그입니다. 1편을 클리어했더니 2편이 아니라 “이 이야기의 나머지는 극장에서 이어집니다” 가 떴어요.

원인은 두 겹이었습니다.

첫째, 캐시. 프리뷰 서버가 캐시 헤더를 안 보내서 브라우저가 며칠 전 빌드를 붙들고 있었습니다. 그 빌드는 지금은 지운 옛 파일을 참조하던 버전이라 2~6편을 못 읽었어요.

둘째, 그리고 이쪽이 진짜 문제. 부팅 코드가 못 읽은 편을 조용히 건너뛰고 남은 것만으로 항로를 짰습니다. 그래서 1편짜리 항해가 만들어졌고, 1편을 깨는 순간 “마지막 편을 끝냈다"가 되어 에필로그가 뜬 겁니다.

모자란 채로 굴러가느니 멈추고 무엇이 없는지 말하는 게 낫습니다. 이렇게 바꿨어요.

1
2


스테이지 모듈이 모자랍니다 (5/6) — 없는 것: st3.
브라우저 캐시를 비우고 새로고침하세요.

숫자


코드	13,882줄 (파일 9개)
외부 에셋	0개 — 도형·소리 전부 코드가 만듭니다
스테이지	6편, 각자 자기 파일 하나가 통째로 소유
한 번도 안 틀렸을 때	약 5분
처음 하면	재시도 포함 25~30분
콘솔 에러	0

편마다 파일 하나가 장면·규칙·게이지·결과를 전부 갖게 한 게 이번 구조의 핵심입니다. 3편을 고치다 4편이 깨지는 일이 없었어요.

개발 후기

“영화를 볼 때 알면 좋은 것"을 만들려니 게임 디자인이 거꾸로 됐습니다. 보통은 재미가 먼저고 이야기가 따라오는데, 이번엔 꼭 알아야 하는 여섯 장면이 먼저 정해져 있었어요. 그 여섯 개를 각각 어떤 손맛으로 만들 것인가가 전부였습니다.

그래서 2편이 제일 어려웠습니다. 이타카가 눈앞인데 잠드는 장면은 플레이어가 이길 수 없어야 하거든요. 이길 수 없는 판을 “재미없다"가 아니라 “분하다"로 만들어야 했습니다. 지금은 잠들기 직전까지 진행 게이지가 95%까지 차오르고, 그게 20%대로 빨려 내려가는 걸 지켜보게 됩니다.

그리고 하나 더. 잘 만든 검사 도구가 오히려 눈을 가릴 수 있습니다. 이 게임에는 처음부터 자동 플레이 봇이 붙어 있었는데, 그게 “완벽한 봇"이었어요. 규칙을 아는 채로 안전할 때만 눌렀습니다. 그래서 4편을 몇 번을 돌려도 전부 통과했습니다. 정작 화면에 적힌 안내를 그대로 따르는 봇은 없었습니다.

세 번 연속 같은 종류의 문제가 나온 게 우연이 아니라고 생각합니다. 검사는 “규칙대로 하면 되나” 가 아니라 “화면에 적힌 대로 하면 되나” 를 물어야 했습니다.

이 게임은 여기서 끝이 아닙니다. 애정을 갖고 계속 손볼 생각이에요. 이번에 세 번이나 “화면이 시키는 대로 하면 지는” 걸 잡았는데, 아직 못 찾은 게 더 있을 거라고 봅니다. 편마다 손맛을 다듬고, 모바일도 더 만져서 조금씩 패치해 나가겠습니다.

아직 안 보셨다면 극장 가기 전에 30분만 써보세요. 여섯 장면이 나올 때 “아, 저거"가 되면 성공입니다.

이미 보셨다면 보고 나서 30분도 괜찮습니다. 저는 이쪽이었는데, 만들면서 오히려 영화가 더 오래 남았어요. 세이렌 앞에서 오디세우스가 왜 그러고 있었는지는 직접 밧줄을 붙잡아 보고 나서야 몸으로 알겠더군요. 😄

👉 오디세이아 하러 가기 · AI 게임 랩 전체 보기

조선과 방산은 왜 오르나 — AI와 무관해서가 아닙니다 · 순환매 투자 교과서 ③

Wed, 19 Aug 2026 09:30:00 +0900

일주일 만입니다. 평창에 휴가를 다녀오느라 글이 며칠 늦었습니다. 산에서는 지수를 안 보려고 했는데, 결국 저녁마다 호가창을 열어보긴 했습니다.

돌아와서 확인해보니, 2편에서 예고한 그림이 거의 그대로였습니다.

자리를 비운 사이

8월 12일 6,579.04였던 코스피가 8월 18일 6,869.83으로 마감했습니다. **+4.42%**입니다. 같은 기간 코스닥은 858.91에서 834.20으로 **-2.88%**였고요.

날짜별로 보면 더 분명합니다. 코스닥이 절대적으로 무너진 건 아닙니다. 8월 13일 +0.29%, 14일 +0.38%로 조금씩은 올랐습니다. 다만 같은 날 코스피가 +3.56%, +2.42%였습니다. 오르긴 오르는데 한참 뒤처지는, 2편에서 본 그 비대칭이 그대로였습니다. 그러다 8월 18일 코스닥은 -3.52%로 크게 밀렸고요.

반도체가 다시 지수를 끌었습니다. 8월 14일에는 외국인이 하루에 3조 483억원을 순매수하며 코스피가 7,000선을 되찾았습니다.

다만 반도체 장세라고 순탄했던 건 아닙니다. 8월 18일 코스피는 장중 7,216.62까지 올랐다가 6,869.83으로 마감했습니다. 고점에서 4.81% 밀린 채 끝난 하루였죠.

그리고 이 글을 쓰는 오늘(8월 19일) 아침, 코스피는 6%대로 급락하며 9시 6분에 매도 사이드카가 걸렸습니다. 올해 48번째입니다. 미국 30년물 국채금리가 5.33%대로 뛰고 필라델피아 반도체지수가 4.98% 빠진 여파입니다. 삼성전자와 SK하이닉스가 오전 기준 7~8%대 급락 중이고요. (장중이라 마감 수치는 아직 모릅니다.)

휴가 다녀온 사이 시장은 이렇게 요동쳤습니다. 자, 그럼 오늘의 본론입니다.

“조선·방산이 차기 주도주” — 정말 그럴까

7월부터 증권가에서 반복된 문장이 있습니다. “반도체에 지나치게 집중됐던 증시가 분산될 것”(LS증권 염승환 이사, 7월 2일)이라며 조선·방산·전력기기를 차기 주도업종으로 꼽는 이야기죠.

이 문장에는 숨은 전제가 있습니다. 조선과 방산이 ‘AI 아닌 것들’이라는 한 묶음이라는 전제입니다. AI 쏠림이 부담스러운 돈이 갈 곳, 그러니까 일종의 피난처라는 그림이죠.

저도 처음엔 그렇게 접근했습니다. 그런데 열어보니 그 묶음 자체가 성립하지 않았습니다.

조선 — AI로 가는 통로가 실제로 열렸습니다

조선주가 오르는 이유부터 보겠습니다. 첫째는 단순합니다. 실적이 진짜로 좋아졌습니다.

2026년 2분기	매출	영업이익
HD한국조선해양	8조 9,270억원 (+20.2%)	1조 6,451억원	+72.5%
한화오션	5조 4,432억원 (+65.2%)	7,361억원	+98.0%
삼성중공업	3조 2,307억원 (+20.4%)	3,250억원	+58.7%

세 곳 모두 분기 최대이거나 그에 준하는 실적입니다. 적자에서 흑자로 돌아선 게 아니라 이미 흑자이던 것이 크게 불어난 겁니다. 클락슨 신조선가지수는 7월 말 185.49포인트로, 2008년 슈퍼사이클 때 기록한 역대 최고치(191.5포인트 안팎)에 근접했고요.

둘째는 미국입니다. 7월 23일 워싱턴에서 **한미 조선협력센터(KUSPC)**가 문을 열었습니다. 3,500억 달러 대미 투자 중 1,500억 달러(약 200조원)를 조선 협력에 쓰기로 한 합의의 후속입니다. 미 해군 함정 MRO(정비) 수주도 HD현대중공업과 한화오션이 올해 각각 지난해 실적을 넘어섰고, 한화는 필리조선소 인수 후 50억 달러 투자 계획 중 2억 달러를 집행했습니다.

그리고 세 번째가 이번 편에서 제가 가장 놀랐던 부분입니다.

HD현대중공업이 미국 데이터센터에 발전설비를 팔고 있습니다.

2026년 4월 — 미국 AEG와 20MW급 힘센엔진 기반 발전설비 684MW, 6,271억원
2026년 8월 10일 — 미국 코반에너지그룹과 9.6MW급 힘센엔진 기반 1,000MW, 9,560억원. 현지 빅테크 기업의 데이터센터 전력 공급원으로 쓰입니다. HD현대중공업 역사상 최대 규모 발전용 엔진 계약입니다.

넉 달 만에 합산 1,684MW, 약 1조 5,800억원입니다. 삼성중공업도 4월에 50MW급 부유식 데이터센터로 미국·영국 선급의 개념설계인증(AiP)을 받았고요.

배를 만들던 회사가 데이터센터에 엔진을 팝니다. 전력 교과서 1편에서 “AI의 진짜 병목은 전기"라고 썼는데, 그 병목이 조선소까지 닿은 셈입니다.

다만 규모는 냉정하게 봐야 합니다. HD한국조선해양의 2분기 매출만 8조 9,270억원입니다. 1조 5,800억원은 아직 본업 옆의 곁가지죠. 삼성중공업의 부유식 데이터센터도 인증 단계이지 상용 수주가 아닙니다.

통로가 열린 것은 사실이고, 그 통로가 아직 좁은 것도 사실입니다. 조선주 랠리의 주된 이유는 여전히 본업(선가·수주·실적)과 미국입니다. 다올투자증권 최광식 연구원이 “조선주 피크아웃 우려를 돌파할 두 변수"로 MASGA와 AI 데이터센터를 꼽은 것도, 이 둘을 현재의 동력이 아니라 앞으로의 변수로 본 것입니다.

방산 — 이쪽은 정말로 AI와 무관합니다

방산은 완전히 다른 이야기입니다.

2026년 2분기, 방산 빅4의 영업이익 단순 합산이 1조 7,520억원으로 분기 사상 최대였습니다. 5개 분기 연속 1조원을 넘겼고요. 수주잔고는 4사 합산 약 100조원 수준입니다.

동력은 지정학입니다. 독일의 2026년 국방예산이 1,080억 유로(약 188조원)로 전년보다 25% 늘었고, NATO는 2035년까지 GDP의 5%를 안보에 쓰기로 합의했습니다. 한화에어로스페이스는 2월 루마니아에 K9 생산시설을 착공해 2027년부터 현지 생산에 들어가고, 현대로템은 폴란드 K2 전차 3차 이행계약(210대)을 협상 중입니다.

이 자료들 어디에도 AI라는 단어는 나오지 않습니다. 조선처럼 데이터센터로 이어지는 통로도 없습니다. 방산은 AI와 무관한 게 아니라, 애초에 다른 축 위에 서 있습니다.

오늘 아침이 그걸 그대로 보여줬습니다. 코스피가 6% 급락하는 와중에 한화에어로스페이스만 7.42% 올랐습니다. 미 육군 차기 자주포(K9 차륜형) 시제품 단독 제작사로 선정됐다는 소식 때문이었죠. 시제품 6문에 옵션 12문, 최대 2억 3,300만 달러(약 3,200억원) 규모이고, 성능시험을 통과하면 훨씬 큰 후속 계약이 열립니다. 지수가 무너지든 말든, 방산은 방산의 재료로 움직입니다.

다만 ‘사상 최대’ 안을 열어보면

여기서 이 시리즈의 버릇대로 한 겹 더 들어가 보겠습니다. 빅4 합산 1조 7,520억원이라는 숫자는 이렇게 구성돼 있습니다.

	2분기 영업이익	전년 대비
한화에어로스페이스	1조 3,655억원	+58.5%
현대로템	2,324억원	-9.7%
LIG D&A	1,057억원	+29.5%
한국항공우주(KAI)	484억원	-43.1%

한화에어로스페이스 한 곳이 합산 영업이익의 77.9%를 냈습니다. 그리고 빅4 중 둘은 영업이익이 오히려 줄었습니다.

‘K-방산 사상 최대’라는 헤드라인은 사실이지만, 그 안에서 실제로 벌고 있는 곳은 좁습니다. 지수 2편에서 본 코스피의 쏠림 구조가 업종 안에서도 반복되는 셈이죠. 방산 ETF를 사면 이 편차가 통째로 담깁니다.

그럼 지금 사도 되나

이 글은 종목 추천이 아니니, 대신 지금 어디쯤인지 좌표만 보겠습니다.

같은 조선 업종인데 배수가 크게 다릅니다. HD한국조선해양이 PER 13.28배·PBR 2.01배인 반면, 삼성중공업은 PER 38.89배·PBR 4.96배입니다. “조선주"라는 한 단어로 묶기 어려운 격차죠.

그리고 네 종목 모두 52주 최고가 대비 26~43% 낮은 자리에 있습니다. 방산도 비슷합니다. 한화에어로스페이스는 8월 초 기준 올해 고점 대비 40.3% 하락한 상태였습니다.

이건 두 가지로 읽힙니다. 지수 6편에서 다룬 그 문제와 같습니다. 실적이 좋은데 주가가 빠졌으니 싸진 것인지, 아니면 시장이 앞으로의 실적을 안 믿는 것인지. 증권사들도 갈립니다. iM증권은 한화에어로스페이스 목표주가를 183만원에서 149만원으로 내리면서도 “펀더멘털 대비 밸류에이션은 어느 때보다 매력적인 구간”(변용진 연구원)이라고 했고, KB증권은 175만원에서 140만원으로 20% 낮췄습니다. 조선 쪽도 키움증권·신한투자증권·유안타증권이 잇따라 목표가를 내렸습니다.

실적은 좋아지는데 목표주가는 내려가는 국면. 이익이 아니라 배수가 깎이고 있다는 뜻이고, 이건 지수 6편에서 본 반도체의 상황과 정확히 같은 문법입니다.

정리

“조선·방산"이라는 한 묶음이 애초에 성립하지 않습니다. 순환매 수혜주로 늘 같이 불리지만, 둘은 서로 다른 엔진으로 움직입니다.
조선은 AI와 닿는 통로가 실제로 열렸습니다. HD현대중공업이 미국 데이터센터에 넉 달 만에 1조 5,800억원어치 발전설비를 수주했습니다. 다만 본업 매출(분기 8조원대)에 비하면 아직 곁가지입니다.
조선 랠리의 본체는 본업과 미국입니다. 2분기 영업이익이 58~98% 늘었고, 신조선가는 2008년 최고치에 근접했으며, MASGA·해군 MRO·필리조선소라는 새 시장이 열렸습니다.
방산은 정말로 AI와 무관합니다. 유럽 재무장과 중동 수요가 전부입니다. 오늘 아침 코스피가 6% 빠지는데 한화에어로스페이스가 7.42% 오른 게 그 증거입니다.
‘사상 최대’ 안의 편차를 보세요. 방산 빅4 합산 영업이익의 77.9%를 한화에어로스페이스 한 곳이 냈고, 나머지 둘은 이익이 줄었습니다.

그러니 “AI 쏠림이 부담스러워서 조선·방산으로 간다"는 설명은 절반만 맞습니다. 하나는 AI로 뻗어가는 중이고, 하나는 처음부터 다른 땅에 서 있었습니다. 같은 이유로 산 게 아니라면, 반도체가 다시 달릴 때 둘의 운명도 같지 않을 겁니다.

다음 [4편]에서는 이번 8월에 가장 뜨거웠던 쪽을 봅니다. 바이오와 코스닥 — 금리와 유동성의 함수. 실적이 아니라 금리가 주가를 정하는 업종은 무엇이 다른지 정리하겠습니다.

⚠️ 이 글은 AI를 활용해 투자 관련 내용을 공부하며 정리한 글입니다. 특정 종목이나 투자 방식에 대한 권유가 아니며, 내용에 오류가 있거나 최신 정보와 다를 수 있습니다. 실제 투자 전에는 공식 자료를 직접 확인하시기 바랍니다. 투자 판단과 그 결과에 대한 책임은 투자자 본인에게 있습니다.

본문의 주가·수급·밸류에이션 수치는 확인 시점(2026년 8월 19일) 기준이며, 특히 8월 19일 수치는 장중 값이라 마감과 다를 수 있습니다. 개별 종목은 원리를 설명하기 위한 예시로만 언급했습니다.

주도주가 쉬면 벌어지는 일 — 순환매의 창은 왜 그렇게 좁았나 · 순환매 투자 교과서 ②

Wed, 12 Aug 2026 18:00:00 +0900

1편에서 이상한 숫자를 봤습니다. 투자자예탁금은 30% 줄었는데 코스닥은 19% 올랐다는 것이었죠. 돈이 늘어서가 아니라 줄어든 돈이 좁은 곳에 몰린 결과였습니다.

그럼 다음 질문이 남습니다. 왜 하필 8월이었을까요.

7월에도 반도체는 무너졌습니다. 오히려 훨씬 심하게 무너졌죠. 그런데 7월엔 순환매가 없었습니다. 무엇이 달랐는지 찾아보면, 순환매가 열리는 조건이 생각보다 훨씬 까다롭다는 게 보입니다.

6주 만에 세 얼굴

먼저 세 국면을 나란히 놓아보겠습니다.

	7월	8월 1~11일	8월 12일
반도체	폭락	계속 약세	복귀
코스피	-22.19%	-3.79%	+3.68%
코스닥	-21.44%	+19.18%	+0.12%

7월 코스피는 8,476.48에서 6,595.45로, 코스닥은 916.18에서 719.76으로 마감했습니다. 거의 똑같이 빠졌습니다.

그 달의 바닥은 이런 모습이었습니다. 7월 28일 코스피가 732.09포인트(10.84%) 빠지던 날 코스닥도 7.72% 급락했고, 하락 종목이 1,480개인데 상승 종목은 211개였습니다. 공포지수 VKOSPI는 83.43까지 치솟았고요. 7월 21일에는 코스닥이 장중 747.00까지 밀리며 52주 신저가를 썼습니다. 코스닥 시가총액은 4월 680조원에서 그날 420조원으로, 석 달 만에 260조원이 사라졌습니다.

폭락은 순환매를 만들지 않습니다. 이건 시장의 오래된 성질입니다. 급락 국면에서는 종목 간 상관관계가 높아집니다. 좋은 종목과 나쁜 종목을 가릴 여유가 없어지고, 팔 수 있는 것부터 팔리기 때문입니다. 지수 3편에서 다룬 그 주가 정확히 그랬습니다.

그런데 8월에도 반도체는 약했습니다

여기서 제 처음 가설이 틀렸습니다. 저는 “8월엔 반도체가 멈춰 있어서 다른 게 올랐겠구나” 하고 접근했는데, 확인해보니 그렇지 않았습니다.

8월 6일, SK하이닉스는 하루에 10.37% 빠졌습니다. 149만 5,000원 마감, 장중에는 11.21% 내린 148만 1,000원까지 밀렸고요. 같은 날 삼성전자도 6.30% 하락했습니다. 미국 샌디스크의 실적 가이던스가 기대에 못 미친 게 방아쇠였습니다. 그날 외국인은 SK하이닉스만 1조 6,936억원을 순매도했습니다.

누적으로 계산해보면 더 분명합니다. 7월 31일 종가와 8월 12일 종가를 비교하면 이렇습니다.

	7월 31일	8월 12일
삼성전자	262,500원	255,500원	-2.7%
SK하이닉스	1,718,000원	1,504,000원	-12.5%

코스닥이 19% 오르는 동안 SK하이닉스는 12% 넘게 더 빠졌습니다. 반도체는 쉰 게 아니라 계속 맞고 있었습니다.

그런데 코스닥은 그 와중에 올랐습니다. 7월과 무엇이 달랐을까요.

창이 열린 진짜 조건 — 강제 매도의 종료

답은 ‘누가 팔고 있었는가’에 있습니다.

코스닥 신용융자 잔고가 4월 말 11조 500억원에서 8월 3일 5조 8,300억원으로 줄었습니다. -47.2%입니다.

빚내서 산 돈이 절반 넘게 청산됐다는 뜻입니다. 이게 왜 중요하냐면, 반대매매는 종목을 가리지 않기 때문입니다. 담보 비율이 무너지면 좋은 회사든 나쁜 회사든 다 팔립니다. 7월에 코스닥이 코스피와 똑같이 빠진 데는 이 강제 매도가 큰 몫을 했습니다.

그 물량이 소진되고 나서야 시장은 종목을 고르기 시작합니다. 신한투자증권 노동길 연구원의 진단이 이 지점을 정확히 짚습니다.

“신용 청산 자체가 새로운 매수 수요를 만드는 것은 아니지만, 강제 매도 압력이 감소하면서 하방 위험이 완화됐다”

“현재 반등은 기업 펀더멘털 개선보다 가격 형성 조건이 정상화되는 과정”

새 매수가 들어와서 오른 게 아니라, 팔아야만 하는 사람이 사라져서 오른 것입니다. 1편에서 본 “돈은 줄었는데 지수는 올랐다"가 이렇게 설명됩니다.

여기에 지수 4편에서 다룬 단일종목 레버리지 ETF 규제가 겹쳤습니다. 반도체 대형주로만 쏠리던 통로가 제도적으로 좁아진 겁니다. 그 통로가 얼마나 급하게 막혔는지는 거래대금이 보여줍니다.

KODEX SK하이닉스 단일종목 레버리지 ETF 거래대금: 7월 30일 3조 6,254억원 → 8월 10일 1,782억원 (-95.1%)
SK하이닉스 거래대금: 6월 23일 사상 최고 21조 9,000억원대 → 8월 10일 4조 7,294억원 (약 5분의 1)
삼성전자 거래대금: 6월 24일 15조 8,000억원대 → 8월 10일 3조 7,828억원 (약 24%)

7월 폭락을 증폭시켰던 레버리지 수급이 한 달 만에 95% 증발했습니다. 삼성전자와 SK하이닉스의 시가총액 비중이 7월 53.2%에서 8월 1일 51.16%로 낮아진 데도 이 영향이 있습니다.

정리하면 순환매의 조건은 주도주의 ‘휴식’이 아니라 ‘강제 매도의 종료’였습니다. 그리고 이건 훨씬 까다로운 조건입니다. 폭락이 끝나야 하고, 청산이 마무리돼야 하고, 그런데 주도주는 아직 안 돌아와야 합니다. 그 사이의 좁은 창입니다.

그리고 코스닥은 반도체 도피처가 아니었습니다

여기서 한 겹 더 들어가면 흥미로운 게 나옵니다. 8월에 오른 코스닥이 정말 ‘반도체 아닌 것’이었나 하는 질문입니다.

코스닥 시가총액 상위 100종목 중 반도체 및 관련장비 종목이 2025년 7월 말 17개에서 2026년 7월 32개로 늘었습니다. 1년 새 88% 증가입니다.

코스닥도 이미 상당히 반도체화돼 있었다는 뜻입니다. 그래서 반도체가 무너지면 코스닥도 같이 무너집니다. 7월의 동반 하락이 우연이 아니었던 거죠.

8월 상승을 이끈 종목들을 봐도 그렇습니다. 기관이 8월 3~11일 코스닥에서 가장 많이 사들인 종목에는 테스(559.8억), 심텍(500.6억), 제주반도체(393.3억), 티에스이(338.9억) 같은 반도체 소부장이 나란히 있습니다. 물론 리가켐바이오·에이비엘바이오 같은 바이오와 에스피지·로보티즈 같은 로봇도 함께 올랐고요.

그러니까 8월의 상승은 반도체를 떠난 이동이 아니라, 대형 반도체주에서 중소형 반도체주로 내려간 이동에 가까웠습니다. “반도체 탈출"이라는 설명은 절반만 맞습니다.

빠질 때는 같이, 오를 때는 따로

이 비대칭에는 숫자가 있습니다.

2026년 1월 1일부터 7월 16일까지 132거래일 가운데, **코스피는 오르는데 코스닥은 빠진 날이 32일(24%)**이었습니다. 코스닥이 출범한 1996년 이후 연간 기준 역대 최고 비율입니다. 지난해 같은 비율은 13%였으니 1.8배로 뛴 셈이죠.

반대 경우, 그러니까 코스피가 빠지는데 코스닥이 오른 날은 **11일(8%)**뿐이었습니다.

IBK투자증권 코스닥리서치센터장 이건재의 설명이 이 구조를 요약합니다.

“국내 반도체 소부장 기업들의 기술력과 실적이 개선됐지만, 최근 코스피의 변동성 확대로 투자자들은 코스닥보다 코스피로 자금을 집중시키고 있다”

반도체가 빠지면 코스닥은 같이 맞고, 반도체가 오르면 코스닥은 소외됩니다. 그게 2026년 한국 시장의 기본값이었습니다. 8월 초 2주는 그 기본값에서 벗어난 예외 구간이었던 셈이고요.

그리고 오늘, 창이 닫혔습니다

이 글을 쓰는 오늘이 마침 그 시험대였습니다.

2026년 8월 12일, 반도체가 돌아왔습니다. 삼성전자가 6.68% 급등해 25만원대에, SK하이닉스가 5.54% 올라 150만원대에 마감했습니다. 미국 필라델피아 반도체지수 강세와 빅테크 실적 발표가 배경이었습니다.

결과는 이랬습니다.

코스피 6,579.04 (+3.68%, +233.51포인트) — 전기·전자 업종이 +5.92%로 지수를 끌었습니다.
코스닥 858.91 (+0.12%, +1.07포인트) — 거의 제자리였습니다.

그리고 8월 내내 올랐던 바로 그 업종들이 빠졌습니다. 코스피 제약 -3.53%, 코스닥 제약 -1.88%, 코스닥 일반서비스 -1.95%.

수급은 하루 만에 방향을 바꿨습니다. 코스피에서는 외국인과 기관이 함께 사들이고 개인이 3조원 넘게 팔았습니다. 코스닥에서는 정반대로 외국인이 2,017억원, 기관이 1,680억원을 순매도했고 개인만 3,766억원을 샀습니다.

1편에서 본 8월 10일과 정확히 반대 구도입니다. 그날은 코스닥이 6.97% 폭등하는데 개인이 6,729억원을 팔았죠. 이틀 만에 개인의 자리가 바뀌었습니다. 이 이야기는 5편에서 따로 다루겠습니다.

대신증권 이경민 연구원의 마감 코멘트는 담백합니다.

“외국인, 기관의 동반 순매수 속 대형주 중심의 강세가 전개됐다. 특히 반도체 업종은 빅테크의 실적 발표로 투자심리가 고조되며 강세를 보였다”

하루짜리 움직임으로 결론을 내릴 수는 없습니다. 다만 순환매의 창이 무엇에 의해 열리고 닫히는지는 이 하루가 꽤 선명하게 보여줍니다.

그럼 이 창은 다시 열릴까

시각은 갈립니다.

SK증권 나승두 연구원은 구조적 조건이 갖춰졌다고 봅니다. **“주도주 랠리 이후의 순환매, 부실기업 퇴출, 로봇·바이오 등 다음 주도 테마 등 과거 코스닥이 코스피를 아웃퍼폼했던 시기의 조건 대부분을 충족하기 시작했다”**는 것이죠. 연기금 벤치마크의 코스닥 반영, 9월 코스닥 프리미엄 지수 출시 같은 정책 요인도 거론됩니다.

기술적으로 보는 시각도 있습니다. 삼성증권 권범석 연구원은 코스닥이 120개월 이동평균선(약 800포인트) 부근까지 내려온 점을 짚으며, 지수가 3개월 하락만으로 이 선을 밑도는 건 드문 경우라고 했습니다.

반면 노동길 연구원은 조건을 답니다. 상승이 이어지려면 투자신탁·연기금의 매수가 지속되고 중소형주의 이익 개선이 확인돼야 한다는 것입니다. 지금까지는 가격 조건이 정상화된 것이지 실적이 좋아진 게 아니니까요.

다만 반대쪽도 확실하진 않습니다. 8월 들어 반도체 목표주가는 오히려 무더기로 깎였습니다. 키움증권이 8월 11일 삼성전자를 39만원에서 35만원으로, SK하이닉스를 220만원에서 210만원으로 내렸고(투자의견 매수는 유지), NH투자증권·대신증권·삼성증권도 SK하이닉스 목표가를 각각 340만·320만·300만원으로 낮췄습니다. 근거는 대체로 2027년 메모리 공급 증가였습니다. 반도체가 하루 급등했다고 눈높이까지 올라간 건 아니라는 뜻입니다.

제 생각을 덧붙이면, 위에서 본 비대칭 숫자(24% 대 8%)가 가장 정직한 답에 가깝습니다. 반도체가 계속 오르는 국면에서 코스닥이 함께 가는 일은 올해 드물었습니다. 그리고 가까운 변수로는 8월 26일 엔비디아 실적 발표가 기다리고 있습니다.

정리

폭락은 순환매를 만들지 않습니다. 7월 코스피 -22.19%, 코스닥 -21.44%로 두 시장이 거의 똑같이 빠졌습니다. 급락 국면에서는 반대매매가 종목을 가리지 않기 때문입니다.
8월에도 반도체는 약했습니다. 8월 6일 SK하이닉스는 하루 10.37% 빠졌습니다. ‘주도주가 쉬어서’ 순환매가 온 게 아닙니다.
진짜 조건은 강제 매도의 종료였습니다. 코스닥 신용융자가 4월 말 11조원대에서 8월 초 5조원대로 47.2% 줄었습니다. 팔아야만 하는 물량이 사라지자 시장이 종목을 고르기 시작했습니다.
코스닥은 반도체 도피처가 아니었습니다. 시총 상위 100종목 중 반도체 관련이 32개(1년 새 +88%)이고, 8월 기관 순매수 상위에도 반도체 소부장이 나란히 있었습니다.
그리고 그 창은 좁습니다. 올해 코스피 상승·코스닥 하락이 겹친 날이 24%로 역대 최고였고, 반도체가 돌아온 8월 12일 코스닥은 +0.12%로 멈췄습니다.

다음 [3편]에서는 이번에 오른 것들 중 가장 설명이 필요한 쪽을 봅니다. 조선과 방산 — AI와 상관없어 보이는데 왜 오르나. AI와 무관해서 오른 것인지, 아니면 AI 쏠림을 피하려는 돈이 흘러든 것인지 따져보겠습니다.

⚠️ 이 글은 AI를 활용해 투자 관련 내용을 공부하며 정리한 글입니다. 특정 종목이나 투자 방식에 대한 권유가 아니며, 내용에 오류가 있거나 최신 정보와 다를 수 있습니다. 실제 투자 전에는 공식 자료를 직접 확인하시기 바랍니다. 투자 판단과 그 결과에 대한 책임은 투자자 본인에게 있습니다.

본문의 지수·수급·잔고 수치는 모두 확인 시점(2026년 8월 12일) 기준이며 매일 바뀝니다. 하루치 시장 움직임은 추세의 증거가 되기 어렵다는 점도 함께 감안해 주세요.

돈은 사라지지 않고 옮겨간다는 말 — 순환매란 무엇인가 · 순환매 투자 교과서 ①

Wed, 12 Aug 2026 17:00:00 +0900

새 시리즈를 시작합니다.

지난 27편 동안 저는 AI라는 돈이 어디를 지나가는지를 따라왔습니다. 반도체에서 부품을 봤고, 전력에서 연료를 봤고, 지수에서 그 AI가 삼켜버린 시장 전체를 봤습니다. 이번 시리즈의 자리는 그 다음입니다. 그 돈이 지금 어디로 옮겨가고 있는가.

마침 지난 2주가 딱 그 장면이었습니다. 8월 들어 뉴스에 ‘순환매’라는 단어가 부쩍 늘었습니다. 그래서 첫 편은 이 단어부터 열어보려 합니다.

순환매란 무엇인가

파티장을 떠올려 보시면 쉽습니다. 사람들이 이 방에서 저 방으로 몰려다닙니다. 한 방이 붐비다가 조용해지면, 옆방이 시끄러워집니다. 주식시장에서 그런 일이 벌어지는 게 순환매입니다.

정의하자면 어떤 업종이나 종목이 오른 뒤, 매수세가 다음 대상으로 순차적으로 옮겨가며 상승이 이어지는 현상입니다.

보통 세 가지 형태로 나눕니다.

업종간 순환매 — 반도체가 쉬면 조선이, 조선이 쉬면 바이오가 오르는 식
가격권별 순환매 — 고가주가 오른 뒤 중가주, 저가주로 내려오는 흐름
테마별 순환매 — AI에서 로봇으로, 로봇에서 양자컴퓨팅으로

이 개념 뒤에는 오래된 이론이 있습니다. 섹터 로테이션(sector rotation)이라고 부르는데, 1990년대에 샘 스토발이 1945년 이후 모든 경기 사이클의 업종별 성과를 분석해 체계화한 게 유명합니다. 경기 국면마다 유리한 업종이 다르다는 이야기죠. 메릴린치의 ‘투자 시계’도 같은 계열입니다.

그런데 이 이론들이 공통으로 깔고 있는 전제가 하나 있습니다. 저는 이번 편에서 이 전제를 가장 중요하게 보고 있습니다.

“돈은 시장을 완전히 떠나지 않고, 섹터 사이를 이동한다.”

파이는 그대로고 조각의 주인만 바뀐다는 그림입니다. ‘순환’이라는 말 자체가 그 뜻이고요.

이번 8월, 한국에서는 이 전제가 성립하지 않았습니다. 그게 이 글의 요점입니다.

먼저, 8월에 실제로 벌어진 일

7월 말까지 719.76이던 코스닥이 8월 11일 857.84로 마감했습니다. **+19.18%**입니다. 같은 기간 코스피는 **-3.79%**였고요.

갈라진 시점이 분명합니다. 8월 3일입니다. 그날 코스피는 -5.12%(6,257.45)로 크게 빠졌는데, 코스닥은 +2.44%(737.35)로 올랐습니다. 그 뒤로 8월 4일 +5.88%(780.72), 8월 10일 +6.97%(854.47), 8월 11일 +0.39%(857.84).

8월 10일은 특히 극적이었습니다. 코스닥 상승 종목이 1,431개로 전체의 80%를 넘었고 상한가만 11개였습니다. 오전 9시 50분에는 코스닥150 선물과 지수가 각각 6.05%, 6.25% 오른 상태가 1분 이상 이어지면서 매수 사이드카가 걸렸습니다. 8월 들어 세 번째였습니다(8월 3일, 4일, 10일).

주도한 건 바이오와 로봇, 반도체 소부장이었습니다. 코스닥150 헬스케어 지수는 8월에만 35% 가까이 올랐고요. 코스닥 시총 1위 알테오젠은 8월 7일 블랙록이 지분 5.03%(269만 4,448주) 보유를 공시한 것이 촉매가 되어 10% 넘게 뛰었습니다.

배경도 뚜렷합니다. 삼성전자와 SK하이닉스의 시가총액 비중이 7월 53.2%에서 8월 1일 51.16%로 낮아졌습니다. 지수 2편에서 다룬 그 쏠림이 조금 풀린 겁니다.

여기까지만 보면 교과서적인 순환매입니다. 반도체에서 돈이 나와 코스닥으로 갔다.

그런데 돈이 늘지 않았습니다

여기서부터가 이번 편의 본론입니다. “돈이 옮겨갔다"는 게 사실인지, 총량을 확인해봤습니다.

투자자예탁금. 증권계좌에 들어와 매수를 기다리는 돈입니다. 금융투자협회 집계로 8월 11일 기준 97조 9,289억원입니다. 역대 최대였던 6월 4일 139조 6,947억원에서 41조 7,658억원, 29.9%가 줄었습니다. 100조원을 밑돈 건 2월 13일 이후 처음이고요. 하루 전인 8월 10일(100조 7,180억원)과 비교해도 하루 만에 2조 7,890억원이 빠졌습니다.

신용융자 잔고. 빚내서 산 돈입니다. 6월 24일 38조 6,000억원대로 역대 최고를 찍은 뒤 7월 31일 28조 9,350억원까지 급감했고, 8월 7일에도 29조 2,303억원으로 큰 변화가 없습니다. 코스닥만 떼어 보면 더 뚜렷합니다. 4월 말 11조 500억원에서 8월 3일 5조 8,300억원으로 절반 아래(-47.2%) 입니다.

거래대금. 코스닥 일평균 거래대금은 5월 15조 5,660억원이 최고였는데, 7월 6조 1,161억원, 8월에도 6조 1,948억원 수준입니다. 상반기 10조~15조원대와 비교하면 절반 이하죠.

정리하면 이렇습니다.

대기자금은 30% 줄었는데, 코스닥은 19% 올랐습니다.

돈이 늘어서 오른 게 아닙니다. 줄어든 돈이 더 좁은 곳으로 몰린 겁니다. 파티장 비유로 돌아가면, 사람들이 이 방 저 방 옮겨다니는 것처럼 보이지만 실은 파티장을 나가는 사람이 더 많았고, 남은 사람들이 작은 방 하나에 몰려 있어서 그 방만 시끄러운 상태입니다.

나간 돈은 어디로 갔을까

일부는 대기 상태로 물러났습니다. 7월 한 달 머니마켓펀드(MMF)로 27조 8,720억원이 순유입됐습니다. 상반기 월평균의 5배입니다.

일부는 아예 나라 밖으로 갔습니다. 7월 1~23일 국내 투자자의 미국 주식 순매수액이 약 3조 7,114억원으로, 전월(약 9,284억원)의 4배였습니다. 순매수 1위는 필라델피아 반도체지수를 3배로 추종하는 ETF였고요. 국내 반도체 레버리지에서 크게 데인 시장이 미국 반도체 3배 레버리지를 샀다는 게 씁쓸한 대목입니다. 지수 4편에서 다룬 이야기의 연장이죠.

그럼 무엇이 오른 걸까 — 확산이 아니라 재평가

시장을 보는 사람들의 진단도 제 계산과 같은 방향입니다.

KB증권 김민규 연구원의 표현이 가장 정확합니다.

“지금처럼 반도체가 쉬는 동안 다른 업종이 오르는 현상은 상승의 확산이라기보다, 소외당하던 업종이 주도주가 쉬는 시간을 틈타 가치를 재평가받는 것”

SK증권 조준기 연구원은 한계를 짚습니다.

“비반도체로의 순환매가 초과수익을 만들어낼 수는 있지만, 반도체 약세에 따른 지수 하락을 모두 상쇄할 정도의 여력은 없다”

대신증권 이경민 연구원은 다른 각도를 보탭니다. 코스닥의 연중 고점은 4월 27일로 코스피(6월 22일)보다 두 달 빨랐고, 그만큼 조정 기간이 길었습니다. 그래서 지금 오르는 건 코스닥만의 독자적 재평가라기보다 뒤늦은 키 맞추기에 가깝다는 것이죠.

신한투자증권 노동길 연구원의 진단은 한 겹 더 들어갑니다. 신용융자가 강제로 청산되면서 팔아야만 하는 물량이 사라졌고, 그래서 하방 압력이 줄었다는 겁니다. 새 매수가 들어와서가 아니라, 매도가 멈춰서 오른 것이라는 설명이죠.

세 사람 모두 같은 말을 다르게 하고 있습니다. 파이가 커진 게 아니라 자리가 바뀐 것.

다만 매수 주체가 없었던 건 아닙니다. 기관은 8월 3일부터 11일까지 코스닥에서 1조 1,288억원을 순매수했습니다. 반도체 소부장(테스·심텍), 바이오(리가켐바이오·에이비엘바이오), 로봇(에스피지·로보티즈)에 집중됐고요. 실제로 사는 손은 있었습니다. 다만 그 돈이 새로 들어온 돈이 아니라 시장 안에서 옮겨온 돈이라는 게 지금까지의 이야기입니다.

순환매의 다른 얼굴

순환매는 보통 좋은 소식처럼 읽힙니다. 시장에 온기가 돈다, 기회가 넓어진다는 식으로요. 그런데 뒤집어 보면 다른 문장이 됩니다. 새 업종이 오른다는 건, 직전 주도주에서 누군가 팔고 나왔다는 뜻입니다.

한국 시장이 실제로 지나온 길을 보시죠.

	에코프로	카카오
주도했던 시기	2023년 이차전지	2020~21년 BBIG
저점·고점	2023.1.2 10만 5,600원 → 7.26 153만 9,000원	2021.6.24 장중 최고 17만 3,000원
그 뒤	2023년 폐장일 64만 7,000원 (고점 대비 -58%)	2026년 현재 3만~4만원대 (약 -80%)

에코프로는 그해 안에 반토막이 났고, 카카오는 5년째 고점을 회복하지 못하고 있습니다. 2015년 한미약품이 627% 올랐다가 기술수출 계약 파기 공시 하나로 하루 18.1% 빠졌던 일도 같은 계열입니다.

자리를 내준 주도주가 다음 사이클에 돌아온 경우는 생각보다 드뭅니다. 순환매를 이야기할 때 이 얼굴도 같이 봐야 하는 이유입니다.

순환매인지 확인하는 방법

말로 하면 다 순환매처럼 들립니다. 숫자로 확인할 방법을 정리하면 이렇습니다.

① 투자자예탁금 — 금융투자협회가 매일 집계합니다. 예탁금이 늘면서 지수가 오르면 새 돈이 들어온 것이고, 예탁금이 줄면서 특정 시장만 오르면 이동이거나 집중입니다. 이번 8월은 후자였습니다.

② ADR(등락비율) — 보통 20일간 상승 종목 수를 하락 종목 수로 나눈 값입니다. 100%면 상승·하락 종목 수가 같고, 120% 이상이면 과열, 70% 이하면 바닥권으로 봅니다. 오르는 종목이 넓게 퍼져 있는지, 몇 개만 오르는지를 가늠할 수 있습니다.

③ 거래대금의 이동 — 지수가 아니라 돈이 실제로 어디서 오가는지를 봅니다. 코스피 거래대금이 줄고 코스닥이 늘면 이동의 증거가 됩니다. 다만 이번처럼 둘 다 줄어드는 경우도 있으니 총량을 같이 봐야 합니다.

④ 사이드카·상한가 종목 수 — 단기 과열의 온도계입니다. 8월에 매수 사이드카가 세 번 걸렸다는 건 그만큼 쏠림이 급격했다는 뜻입니다.

한국거래소 정보데이터시스템(data.krx.co.kr)에서 등락률·거래대금 통계를, 금융투자협회에서 예탁금과 신용융자를 볼 수 있습니다.

정리

순환매는 매수세가 업종·가격대·테마를 옮겨다니며 상승이 이어지는 현상입니다. 업종간·가격권별·테마별 세 형태로 나눕니다.
이 개념의 대전제는 “돈은 시장을 떠나지 않는다"입니다. 그런데 2026년 8월 한국에서는 그 전제가 깨졌습니다.
대기자금은 30% 줄었는데 코스닥은 19% 올랐습니다. 예탁금 139.7조 → 97.9조, 신용융자 38.6조 → 29.2조, 코스닥 거래대금은 고점 대비 60% 감소. 돈이 늘어서 오른 게 아니라 줄어든 돈이 좁은 곳에 몰린 것입니다.
그래서 지금 흐름은 ‘상승의 확산’보다 ‘주도주가 쉬는 사이의 재평가’에 가깝습니다. 세 곳의 애널리스트가 표현만 달리해 같은 진단을 내놓았습니다.
순환매에는 어두운 얼굴도 있습니다. 새 업종이 오른다는 건 직전 주도주에서 돈이 빠졌다는 뜻이고, 에코프로도 카카오도 그 뒤 고점을 회복하지 못했습니다.

다음 [2편]에서는 이 이야기의 반대편을 봅니다. 주도주가 쉬면 벌어지는 일 — 반도체는 왜 멈췄고, 멈춰 있다는 것이 왜 폭락보다 중요한 조건이었는지 정리하겠습니다.

⚠️ 이 글은 AI를 활용해 투자 관련 내용을 공부하며 정리한 글입니다. 특정 종목이나 투자 방식에 대한 권유가 아니며, 내용에 오류가 있거나 최신 정보와 다를 수 있습니다. 실제 투자 전에는 공식 자료를 직접 확인하시기 바랍니다. 투자 판단과 그 결과에 대한 책임은 투자자 본인에게 있습니다.

본문의 지수·예탁금·수급 수치는 모두 확인 시점(2026년 8월 12일) 기준이며 매일 바뀝니다. 개별 종목은 원리를 설명하기 위한 예시로만 언급했습니다.

'100배 싸다'는 AI들, 갈아타기 전에 — 비싼 모델과 싼 모델 나눠 쓰는 법

Tue, 11 Aug 2026 21:00:00 +0900

제 노트북에선 매일 밤 11시에 스크립트가 하나 돌아갑니다. 그날 올라온 AI 관련 유튜브 영상을 긁어와서, 조회수 높은 것들만 골라 요약해두는 녀석이에요. 아침에 커피 마시면서 그걸 훑는 게 요즘 루틴입니다.

지난 한 주치를 몰아서 봤는데, 이번엔 좀 이상했어요. 보통 이맘때면 “이 모델이 얼마나 똑똑한가” 얘기로 도배가 되는데, 이번 주는 성능 얘기가 거의 없었습니다. 대신 가격표만 보고 있더군요.

세 줄 요약

가격이 무너졌어요. 중국 오픈모델(Kimi K3·Qwen 3.8·DeepSeek V4)이랑 메타 뮤즈 코드가 같은 주에 쏟아졌습니다.
근데 “100배 싸다"에는 조건이 있어요. 메타의 그 요금제, 내 코드를 학습 데이터로 내주는 대가입니다.
에이전트는 기억을 갖기 시작했습니다. 쉬는 동안 스스로 정리하고, 도구 사이를 옮겨 다니는 기억이 나왔어요.

이번 주엔 다들 가격 얘기만 했습니다

제일 많이 본 영상 제목이 이걸 그대로 보여줍니다. “중국이 페이블 5를 이기는 100배 싼 AI를 내놨다.” 17만 회예요.

문샷의 Kimi K3는 2.8조 파라미터짜리 오픈소스 모델입니다. 어떤 리뷰어가 3D 전투 게임을 만들어보게 시켰는데, 클로드 페이블 5보다 3.3배쯤 싸게 끝냈다고 하더군요.

저도 AI로 게임 만들기 시리즈를 매주 하고 있어서 이 대목이 남 일 같지 않았어요. 게임 만들기는 될 때까지 계속 다시 돌리는 작업이라, 모델 단가가 그대로 부담이 되거든요. “이거 한 번 더 돌려볼까” 하다가 멈칫한 적이 여러 번입니다.

메타는 뮤즈 코드라는 터미널 코딩 에이전트를 베타로 냈습니다. /effort로 얼마나 깊게 생각할지, /model로 어떤 모델 쓸지 바꾸는 방식인데, 솔직히 클로드 코드랑 거의 똑같아요.

화제가 된 건 요금이었습니다. 컨트리뷰터 티어를 쓰면 캐시된 입력 토큰 100만 개당 0.15달러에서 0.002달러로 떨어집니다.

이게 무슨 의미냐면, 지금까지 “비싸서 못 해본” 것들을 해볼 수 있게 됐다는 겁니다. 코드베이스 전체 훑기, PR 수백 개 분류, 될 때까지 반복하는 리팩터링 같은 것들요. 비용 때문에 접어둔 아이디어 있으면 지금 다시 꺼내볼 만합니다.

근데 “100배 싸다"를 그대로 믿긴 좀

여기서 한 번 멈춰야 해요. 그 가격엔 조건이 붙어 있습니다.

컨트리뷰터 티어가 싼 이유는 개발 데이터를 넘기기 때문입니다. 개인 토이 프로젝트면 별생각 없이 쓰겠지만, 회사 코드나 고객 정보가 오가는 작업이라면 계산이 완전히 달라지죠. 같은 기준으로 보면 안 됩니다.

공정하게 덧붙이면, “100배 싸다"고 제목을 뽑은 그 영상도 이 조건은 짚었습니다. 메타가 컨트리뷰터 모델을 쓰면 콘텐츠가 제품 개선에 쓰일 수 있다고 명시했다고요. 다만 제목만 보고 넘어가면 놓치기 쉬운 대목이라 한 번 더 적습니다.

평가도 갈렸어요. 뮤즈 코드를 다룬 리뷰어는 속도랑 가격은 인정하면서도 “완벽하진 않다"며 환각 문제를 같이 짚었습니다. Kimi K3도 시연 한 번 봤다고 우열을 말하긴 이르고요.

리뷰어들이 입을 모은 말이 있습니다. 벤치마크 말고 본인 실제 작업으로 직접 돌려보라는 거였어요.

참고로 코딩 에이전트 실력을 재는 공개 기준은 이미 있습니다. 프린스턴이 2023년에 내놓은 SWE-bench인데, 실제 깃허브 이슈를 AI가 스스로 해결하는지를 봐요. 마케팅 문구보다는 이런 기준이나 내 업무로 확인하는 게 낫습니다.

AI가 잠을 자기 시작했습니다

가격 말고 눈에 띈 게 하나 더 있어요. 기억이랑 자율성입니다.

안드레이 카파시가 지적한 AI의 약점이 이거였습니다. 프롬프트를 받을 때만 학습한다는 것. 사람은 자는 동안에도 뇌가 하루치를 정리하는데 AI는 그게 없다는 거죠. 앤트로픽은 여기에 착안해서 쉬는 동안 과거 세션을 되짚어 기억을 정리하는 드리밍 기능을 넣었습니다. 아직 기업 고객용이지만요.

클로드 Opus 5한테 9일간 혼자 돈을 벌어보라고 시킨 실험도 있었어요. 초반엔 삽질하다가 결국 3D 스키 게임을 만들어서 상금을 탔습니다. 55달러로 시작해서 87달러가 됐어요. 액수는 귀엽지만 자율 운영이 굴러갔다는 게 포인트죠.

재밌는 건 AI가 돈 벌 방법으로 게임 제작을 골랐다는 겁니다. 짧게 만들고 바로 평가받는 영역이라 그랬겠죠. 게임 랩 1편에서 제가 “AI로 게임 만들어 돈 벌기, 진짜 될까?“라고 물었던 게 떠올라서 좀 묘했습니다.

건틀렛 루프라는 프롬프팅 기법도 화제였어요. 메인 에이전트가 서브 에이전트를 여럿 띄우고, 거기에 비평 담당을 붙여서 기준 만족할 때까지 계속 돌리는 방식입니다.

이것도 뿌리가 있습니다. Reflexion·Self-Refine(NeurIPS 2023) 계열 연구인데, AI가 자기 결과물을 스스로 평가하고 고쳐서 다시 하면 정확도가 오른다는 게 확인돼 있어요.

다만 소개한 사람 본인이 처음부터 다 맡기진 말라고 했습니다. 어느 정도 방향 잡힌 걸 다듬을 때 써야 효과적이라고요.

이번 주에 건진 것들

당장 해볼 만한 것들만 추렸어요.

게이트웨이로 모델 갈아끼우기. 도구는 그대로 두고 뒤에 붙는 모델만 바꾸는 방식입니다. OpenRouter는 CLI 설치하고, 계정 만들고, API 키 연결하면 끝이에요. DeepSeek이나 GLM 같은 오픈모델이 클로드 코드 뒤에 붙습니다.

페일오버 묶어두기. OmniRoute에서 여러 모델을 묶고 우선순위나 순환 방식을 걸어둘 수 있어요. 한 모델이 한도에 걸리면 알아서 다음 모델로 넘어가서 작업이 안 끊깁니다.

아예 내 컴퓨터에서 돌리는 방법도 있죠. 예전에 게이밍 노트북으로 나만의 LLM 돌리기에 정리해뒀는데, 이번 주 오픈모델들이 쏟아지면서 그 선택지가 훨씬 현실적이 됐습니다.

문서를 스킬로 학습시키기. Hermes 에이전트의 /learn 명령에 파일 경로를 주면 그 내용을 영구히 기억합니다. 사내 문서나 업무 매뉴얼 한 번 넣어두면 세션 바뀌어도 남아 있어서, 매번 파일 붙여넣는 짓을 안 해도 돼요.

기억을 도구 사이에 공유하기. Walrus Memory를 연결하면 챗GPT랑 클로드가 같은 기억을 씁니다. 도구 옮길 때마다 배경 설명 다시 하는 낭비가 사라지죠.

음성은 일꾼 말고 지휘자로. 챗GPT 보이스에 직접 일 시키지 말고 “스레드 만들어서 이거 처리해줘” 식으로 다른 스레드에 넘기라는 팁이었어요. 음성 모델은 가벼운 놈이라 무거운 작업은 넘기는 게 결과가 낫다고 합니다.

하나만 남긴다면 이겁니다

여기부턴 이번 주 뉴스가 아니라 반년 뒤에도 유효할 얘기예요.

모델은 하나 고르는 게 아니라, 작업 난이도에 따라 나눠 쓰는 것입니다.

단계	무엇을	어떤 모델
설계·계획	아키텍처, 요구사항 정리	제일 똑똑한 비싼 모델
실행·반복	코드 작성, 변환, 정리	저가·오픈모델
검증	결과 확인, 리뷰	중간

이게 그냥 유행어는 아니에요. 학계에선 모델 캐스케이딩이라고 부르고, 2023년 스탠퍼드의 FrugalGPT 연구가 대표적입니다. 싼 모델로 대부분을 처리하고 어려운 것만 비싼 모델에 넘기면 비용은 줄이면서 성능은 지킬 수 있다는 내용이죠.

이번 주에 달라진 건 이 표의 가운데 칸입니다. ‘실행’에 쓸 수 있는 선택지가 갑자기 확 넓어졌어요. 원칙 자체는 그대로고요.

그늘도 같이 봐야죠

OpenAI 아스트라는 출시가 미뤄졌습니다. 자체 안전 기준에서 사이버보안 항목이 ‘치명적’ 등급에 걸렸거든요. 사람 개입 없이 제로데이 공격을 만들어낼 수 있는 수준이라는 뜻입니다.

투자 쪽에선 거품 논쟁이 커졌어요. 논리는 이렇습니다. 오픈모델이랑 저가 경쟁이 퍼지면, 지금까지 깔고 가던 인프라 수요 전망이 과대평가였을 수 있다는 거죠.

한 채널은 제본스의 역설(“싸지면 오히려 총사용량이 는다”)이 무비판적으로 퍼질 때를 특히 조심하라고 했습니다. 그럴듯한 논리일수록 검증 없이 반복되기 쉬우니까요. 저도 이 문장 좋아했는데, 좀 찔리더군요.

나머지는 짧게

무료 사용자 기본 모델이 GPT-5.6 Luna로 바뀌었습니다.
제미나이 노트북 2.0은 자료에서 슬라이드랑 쇼츠 영상까지 뽑아줍니다.
클로드 코드 플러그인 5종이 돌았어요. Omni Route, Claude-mem, Headroom, Claude Code Setup, Task Observer.
클로드 디자인에 모션 그래픽이 붙었는데, 백엔드나 라이브 URL은 여전히 없습니다. 실서비스로 바로 이어지진 않아요. 프로토타입용으로 보는 게 맞습니다.
핀테크 회사 Ramp는 개발 전 과정에 에이전트를 붙여서 CI 시간을 3배 줄였다고 합니다. 비결이 좀 의외였는데, “어떻게 하라"가 아니라 “뭘 달성하라"만 지시하는 거였대요.

이번 주엔 이거 하나만

게이트웨이 하나 연결해보세요. OpenRouter든 OmniRoute든, 지금 쓰는 도구 뒤에 오픈모델 하나만 붙여보는 겁니다.

돈 아끼자는 게 목적이 아니에요. 갈아끼울 수 있는 상태를 만들어두자는 겁니다. 다음에 또 판이 흔들릴 때(또 흔들립니다), 준비된 사람만 갈아탈 수 있으니까요.

혹시 이미 오픈모델로 갈아타신 분 있나요? 저는 아직 클로드 코드를 주력으로 쓰는데, 이번 주 보면서 슬슬 실험은 해봐야겠다 싶더군요. 써보신 분들 후기가 궁금합니다.

매주 유튜브 AI 영상 수십 편을 훑어서, 흐름이 되는 것만 골라 “내 작업에 뭐가 달라지나"로 옮기고 연구 근거랑 과장 필터를 붙입니다. 이번 편은 2026년 8월 4~10일 조회수 상위 42편을 봤어요. 성능·가격 수치는 각 영상에서 주장된 값이라 직접 검증하진 못했고, 그래서 조건이랑 반론을 본문에 같이 적었습니다. 연구로 인용한 FrugalGPT·SWE-bench·Reflexion은 공개된 논문이에요.

출처 영상

China Just Dropped an AI 100x Cheaper That Beats Claude Fable 5 — Vaibhav Sisinty
Meta’s Claude Code clone is INSANELY cheap — Theo
Kimi Code colocou o Claude Code pra chorar — mano deyvin
Affordable Claude Code in 3 steps — Abhishek Veeramalla
Give ChatGPT and Claude the Same Memory — Nate Herk
Hermes AI Just Learned to Read Books — Julian Goldie SEO
This NEW Claude Prompting Technique (gauntlet-loop) — Jay E RoboNuggets
I Let Claude Opus 5 Run a Business Alone for 9 Days — Ben Awad
Andrej Karpathy Just Fixed Claude Code’s Biggest Weakness — Dream Labs AI
OpenAI’s Model Got Too Dangerous So They Locked It Up — Universe of AI

AI 시대의 지수 읽는 법 — 코스피 전망은 예언이 아니라 곱셈입니다 · AI 지수 투자 교과서 ⑥

Tue, 11 Aug 2026 08:30:00 +0900

시리즈의 마지막 편입니다. 5편까지 상품을 열어보는 법을 이야기했으니, 이번엔 숫자를 열어볼 차례입니다.

뉴스에서 이런 문장을 보신 적이 있으실 겁니다. “○○증권, 코스피 목표 9,300 제시.” 처음 보면 점집 같습니다. 어떻게 1년 뒤 지수를 숫자 하나로 찍을까요.

그런데 그 숫자는 예언이 아닙니다. 곱셈입니다. 그리고 곱셈이라는 걸 알고 나면, 전망을 대하는 태도가 완전히 달라집니다.

목표지수는 이렇게 만들어집니다

공식은 놀라울 만큼 단순합니다.

목표지수 = 12개월 선행 EPS × 목표 PER

실제 사례를 보시죠. 한국투자증권은 2026년 1월, 코스피의 12개월 선행 EPS를 435포인트로 잡고 적정 PER을 13배로 적용해 목표치 5,650을 제시했습니다. 435 × 13 = 5,655. 그게 전부입니다.

용어만 짚고 가겠습니다.

12개월 선행 EPS: 앞으로 1년간 코스피 상장사들이 벌 것으로 추정되는 주당순이익. 애널리스트들의 추정치를 모아 평균 낸 값(컨센서스)입니다.
목표 PER: 그 이익에 시장이 몇 배를 매겨줄 것인가. 과거 밴드, 해외 시장과의 비교, ROE 같은 걸 근거로 정합니다.

반도체 9편에서 개별 종목 목표주가를 해부했던 것과 똑같은 구조입니다. 종목이 지수로 바뀌었을 뿐이죠.

여기서 중요한 게 하나 있습니다. 전망이 바뀌는 이유는 둘뿐입니다. 이익 추정이 바뀌었거나, 시장이 매겨주는 배수가 바뀌었거나. 그래서 “왜 목표치를 낮췄나요?“라는 질문은 항상 “EPS를 낮췄나요, PER을 낮췄나요?“로 바꿔 물을 수 있습니다. 둘은 완전히 다른 이야기입니다.

2026년에는 그 두 숫자가 정반대로 움직였습니다

여기서부터가 올해의 진짜 이야기입니다.

먼저 EPS. 1월 6일 435포인트였습니다. 이것도 이미 2025년 10월 전망보다 28.8% 높아진 값이었고요. 그 뒤로도 멈추지 않았습니다. 3월 말 660포인트대, 6월 15일 1,056.4포인트. 7개월 만에 약 3배가 됐습니다.

그럼 PER은요? 4월 10일 종가 기준 대신증권 7.19배, 유진투자증권 7.1배. 6월 12일 8.1배. 그리고 7월 말, 한국투자증권 김대준 연구원이 8월 4일 리포트에서 밝힌 값은 5.3배였습니다.

두 숫자를 나란히 놓으면 이상합니다. 지수는 1월 4,300선에서 6월 9,000선까지 갔는데, 배수는 오히려 내려갔습니다. 신영증권 김학균 리서치센터장의 표현이 정확합니다. “과거 코스피가 2300포인트 선일 때 국내 증시 평균 PER은 9.5배 수준이었으나, 최근 지수가 크게 올랐음에도 PER은 오히려 8.1배로 낮아졌다.”

이유는 간단합니다. 주가가 오른 속도보다 이익 추정이 오른 속도가 더 빨랐습니다.

그 결과 지금 코스피의 선행 PER은 과거 위기 국면보다도 낮습니다. 1997년 외환위기 때 약 10배, 2008년 금융위기 때 7.8~8.1배, 2024년 탄핵 정국에 약 7.7배였습니다. 지금은 5배대입니다.

여기서 대부분의 사람이 같은 결론을 냅니다

“그럼 엄청 싸다는 거 아닌가요?”

자연스러운 반응입니다. 그리고 저는 이 지점이 이번 편에서 가장 중요하다고 생각합니다.

낮은 PER은 두 가지로 읽힙니다.

시장이 이 이익을 믿는데 값이 싸다 → 저평가
시장이 이 이익을 안 믿는다 → 정상 가격

같은 5.3배인데 뜻이 정반대입니다. 그리고 지금 시장이 어느 쪽인지 알려주는 발언이 있습니다. 신한투자증권 노동길 연구원이 8월 초에 한 말입니다.

“최근 조정은 이익이 아니라 이익 전망에 대한 신뢰의 조정” — “시장은 현재 컨센서스의 60%만 믿고 있는 상황”

컨센서스의 60%만 믿는다는 건, EPS 1,244에 5.3배를 매긴 게 아니라 실질적으로 700~~800 정도의 EPS에 8~~9배를 매기고 있다는 뜻에 가깝습니다. 계산기에는 5.3배로 찍히지만, 시장의 머릿속에서는 그렇지 않은 거죠.

증권사들이 실제로 하고 있는 일도 이걸 보여줍니다. 대신증권은 8월 3일 목표치를 11,500에서 9,300으로 낮추면서, 그 근거로 반도체 목표 PER을 8배에서 7배로 하향했다고 밝혔습니다. EPS를 건드린 게 아니라 배수를 깎은 겁니다. 신한투자증권도 7월 30일 11,000에서 8,800으로 낮췄고요.

PER은 가격표가 아니라 신뢰도 지표에 가깝습니다. 이익 전망이 부풀수록 배수가 쪼그라들었다면, 그건 싸진 게 아니라 시장이 그 전망에 할인을 매긴 것일 수 있습니다.

사이클 산업은 이익이 가장 좋을 때 가장 싸 보입니다

그리고 이건 새로운 현상이 아닙니다. 메모리 반도체가 늘 그래왔습니다.

삼성전자가 실제로 지나온 길을 보시죠.

시점	무슨 일이 있었나
2017년 11월	주가 사상 최고 (약 287만원, 액면분할 전)
2018년	영업이익 58.89조원 — 당시 사상 최대
2019년	영업이익 27.77조원 — 전년비 -52.8%

주가 정점이 이익 정점보다 1년 이상 빨랐습니다. 이익이 사상 최대를 향해 올라가던 2018년 내내 주가는 이미 내려오고 있었습니다. 그리고 그 시점의 PER은 역사적 저점 근처였고요.

원리는 이렇습니다. 사이클 산업은 호황의 정점에서 이익이 폭발적으로 늘어납니다. 분모가 커지니 PER이 낮아 보입니다. 그런데 시장은 그 이익이 유지되지 않을 걸 알기 때문에 배수를 낮게 줍니다. 싸 보이는 게 아니라, 싸게 줘야 하는 이익인 겁니다.

김학균 센터장의 경고가 여기에 걸립니다. “반도체 투자는 시장의 이익 추정치 상향이 꺾이는 시점을 일차적으로 가장 조심해야 한다.” 그리고 이어서, “과거에도 실적이 한 번 꺾이면 이익 추정치 자체가 황당할 정도로 급감했다.”

과장이 아닙니다. 삼성전자 반도체 부문은 2023년 한 해에만 약 15조원의 적자를 냈습니다. 3년 뒤인 지금은 분기에 89조원을 법니다. 이 진폭이 메모리입니다. 반도체 4편에서 다룬 그 사이클이죠.

왜 이게 지수 전체의 문제인가

여기서 1편과 2편이 돌아옵니다.

코스피 상장사 전체 영업이익 중 반도체가 65% (2026년 4월 기준 집계). 유진투자증권 허재환 연구원은 6월 보고서에서 60%대 후반으로 봤고, 반도체를 빼면 코스피는 4,100~4,200선이라고 추정했습니다.
개별 기업 안에서도 마찬가지입니다. 삼성전자의 2026년 2분기 영업이익 89.5조원 중 **반도체(DS) 부문이 89.2조원, 즉 99.7%**였습니다. 가전·모바일을 담당하는 DX 부문은 매출 48조원에 영업손실 8,000억원으로 출범 이후 첫 적자를 기록했고요.

그러니까 이런 구조가 됩니다.

코스피 지수 전망 → 코스피 EPS 전망 → 반도체 이익 전망 → D램 계약가와 HBM 물량 전망

지수 이야기를 하고 있지만, 실제로 하고 있는 건 메모리 가격 이야기입니다. 어떤 증권사의 코스피 목표치에 동의한다는 건, 사실상 그 증권사의 메모리 사이클 전망에 동의한다는 뜻입니다. 이걸 알고 보면 전망 기사를 읽는 방식이 달라집니다.

그래서 전망은 얼마나 맞나

정직하게 말씀드리면, 잘 안 맞습니다. 올해가 그 증거입니다.

2026년 1월, 증권사들이 제시한 코스피 밴드는 대체로 3,500~5,650 사이였습니다. 키움·iM 3,500~~4,500, 한화 3,700~~4,500, 신한 3,700~~5,000, KB 3,800~~5,000, 삼성 4,000~~4,900, 대신 4,000~~5,300, 유안타 4,200~5,200, 현대차 최대 5,500, 한국투자 5,650.

그리고 실제로 벌어진 일은 이렇습니다.

시점	코스피
1월 2일	4,309.65
6월 18일	9,063.84 (9,000선 최초 돌파)
6월 19일	장중 9,385.59
7월 28일	6,023.66 (-10.84%)
7월 29일	5,663.24 (이틀 연속 서킷브레이커)
7월 31일	6,595.45 (+17.91%)
8월 10일	6,299.66

가장 공격적이었던 전망(5,650)조차 6월 고점의 60% 수준이었습니다. 그리고 불과 한 달 뒤엔 그 고점의 3분의 2가 날아갔습니다. 3편과 4편에서 다룬 그 주였죠.

지금도 시각은 갈립니다. 국내 증권사들은 눈높이를 낮추는 중입니다(대신 9,300, 신한 8,800). 7월 한 달간 목표주가 하향 리포트가 828건 나왔고, 8월에도 200건 가까이 나왔습니다. 반면 해외 IB는 버티고 있습니다. 골드만삭스 12,000, JP모건 12,500, 모건스탠리 9,000을 각각 유지하고 있고, 모건스탠리는 오히려 투자의견을 중립에서 비중확대로 올렸습니다.

같은 시장을 보고 12,500과 8,800이 동시에 나옵니다. 이건 누가 틀렸다기보다, EPS와 PER 두 변수 중 어디에 어떤 가정을 넣었느냐의 차이입니다. 전망치를 볼 때 숫자보다 그 가정을 봐야 하는 이유입니다.

직접 확인하는 법 — 그리고 흔한 함정 하나

한국거래소 정보데이터시스템(data.krx.co.kr) → 기본통계 → 지수 → PER/PBR/배당수익률. 코스피 지수의 PER·PBR을 공식 통계로 볼 수 있습니다.
함정: 여기 나오는 PER은 후행(trailing) 기준입니다. 최근 결산 실적으로 나눈 값이라, 뉴스에 나오는 “12개월 선행 PER"과는 다른 숫자입니다. 이익이 급증하는 국면에서는 후행 PER이 훨씬 높게 나옵니다. 두 숫자를 섞어 비교하면 엉뚱한 결론이 나옵니다.
선행 PER은 공식 통계가 없습니다. 애널리스트 추정치를 모은 컨센서스라 에프앤가이드·퀀티와이즈 같은 데이터 업체가 집계하고, 개인은 주로 증권사가 무료로 공개하는 리서치 PDF의 밸류에이션 밴드 차트에서 봅니다.
같은 날 기준인데도 기관마다 값이 조금씩 다릅니다(4월 10일 종가 기준 대신 7.19배, 유진 7.1배). 어느 애널리스트 추정치를 몇 개나 모았느냐가 다르기 때문입니다. 소수점까지 따질 숫자가 아니라 방향과 수준을 보는 숫자입니다.

정리

목표지수는 예언이 아니라 곱셈입니다. 12개월 선행 EPS × 목표 PER. 전망이 바뀌면 둘 중 무엇이 바뀌었는지부터 물어보세요.
2026년에는 두 변수가 정반대로 움직였습니다. EPS는 435p에서 1,000p대로 약 3배가 됐고, PER은 7~8배에서 5.3배로 내려앉아 과거 위기 때보다 낮아졌습니다.
낮은 PER이 반드시 싸다는 뜻은 아닙니다. 시장이 그 이익 전망을 믿지 않으면 배수는 낮게 매겨집니다. “컨센서스의 60%만 믿는다"는 진단이 나온 이유입니다.
사이클 산업은 이익 정점에서 가장 싸 보입니다. 삼성전자는 2018년 사상 최대 이익을 냈지만 주가 정점은 2017년 11월이었고, 2019년 이익은 반토막(-52.8%)이 났습니다.
그리고 지금 코스피 이익의 65%가 반도체입니다. 그래서 코스피 전망은 사실상 메모리 사이클 전망입니다.

마지막으로 — 27편을 마치며

이 글로 세 번째 시리즈가 끝납니다. 반도체 교과서 11편에서 AI의 부품을 봤고, 전력 교과서 10편에서 AI의 연료를 봤고, 지수 교과서 6편에서 그 AI가 삼켜버린 시장 전체를 봤습니다. 모두 27편이 됐네요.

돌아보면 매번 같은 일이 반복됐습니다. 처음 눈에 보이는 이야기와 실제로 돈이 나는 곳이 달랐습니다. AI가 유망하다는 말에서 출발했는데 병목은 전기였고, 구리값이 오른다는데 데이터센터는 구리 수요의 2%도 안 됐고, 액침냉각이 미래라는데 실제로 팔리는 건 콜드플레이트였습니다. 분산 투자한 줄 알았던 지수는 두 종목에 절반이 걸려 있었고요.

그래서 이 시리즈가 종목 추천으로 남지 않기를 바랍니다. 제가 적은 숫자들은 대부분 6개월이면 낡습니다. 남았으면 하는 건 이름이 아니라 숫자를 보고, 전망이 아니라 그 전망을 만든 가정을 보는 습관 하나입니다.

여기까지 함께 읽어주셔서 고맙습니다.

⚠️ 이 글은 AI를 활용해 투자 관련 내용을 공부하며 정리한 글입니다. 특정 종목이나 투자 방식에 대한 권유가 아니며, 내용에 오류가 있거나 최신 정보와 다를 수 있습니다. 실제 투자 전에는 공식 자료를 직접 확인하시기 바랍니다. 투자 판단과 그 결과에 대한 책임은 투자자 본인에게 있습니다.

본문의 지수·EPS·PER·컨센서스는 모두 확인 시점 기준이며 계속 바뀝니다. 특히 이익 추정치는 분기마다 크게 변합니다.

AI ETF는 어떻게 고르나 — 이름 말고 안을 열어보는 법 · AI 지수 투자 교과서 ⑤

Mon, 10 Aug 2026 20:00:00 +0900

4편까지 “이렇게 하면 안 된다"는 이야기를 했습니다. 이번 편은 방향을 바꿉니다. 그럼 어떻게 골라야 하나.

미리 말씀드리면, 저는 “이 ETF를 사세요"라고 쓰지 않을 겁니다. 그 대신 상품을 열어보는 법을 정리하겠습니다. 구성종목 비중은 매일 바뀌기 때문에, 오늘 제가 적은 숫자보다 여러분이 직접 확인하는 습관이 훨씬 오래갑니다.

먼저, ‘AI’라는 이름을 믿지 마세요

국내에 ‘AI’가 붙은 ETF가 많습니다. 그런데 그 AI가 가리키는 대상이 상품마다 다릅니다.

AI가 ‘고르는 방법’인 경우 — TIGER AI코리아그로스액티브는 AI 알고리즘으로 종목을 선별한다는 뜻입니다. 담긴 종목 자체는 대형 성장주 중심이고요.
AI가 ‘팔 곳’인 경우 — KODEX AI반도체핵심장비는 AI용 반도체를 만드는 장비 회사들입니다. AI 소프트웨어 기업이 아닙니다.
AI가 ‘수요를 만든 원인’인 경우 — KODEX AI전력핵심설비는 AI 데이터센터가 유발한 전력 수요가 테마이고, 실제 종목은 전력기기 회사들입니다. (AI 전력 교과서에서 다룬 그 회사들이죠.)

셋 다 ‘AI ETF’인데 안에 든 게 완전히 다릅니다. 이름은 마케팅이고, 구성종목이 실체입니다.

같은 ‘반도체 ETF’도 구조가 다릅니다

한 걸음 더 들어가 보죠. 이름이 비슷해도 집중도가 크게 다릅니다.

KODEX 반도체(091160) — 총보수 연 0.5238%. 30개 안팎 종목에 분산돼 있지만 삼성전자와 SK하이닉스가 절반 안팎을 차지합니다.
TIGER Fn반도체TOP10(396500) — 총보수 연 0.45%. 10개 종목인데, 추종하는 FnGuide 지수가 상위 2종목에 각 25% 상한(캡) 을 둡니다.
ACE 글로벌반도체TOP4 Plus(446770) — 총보수 연 0.45%. SK하이닉스·ASML·엔비디아·TSMC 네 종목이 약 80% 입니다. 메모리·장비·GPU·파운드리 각 대표를 하나씩 담은 집중형이죠.

여기서 2편이 떠오릅니다. 코스피200에는 비중 상한이 없다고 했었죠. 그런데 개별 ETF 중에는 상한을 둔 상품이 있습니다. 쏠림이 부담스럽다면, 지수 자체를 바꿀 수는 없어도 캡이 적용된 상품을 고르는 선택지는 있다는 뜻입니다.

다만 캡이 완벽한 방어막은 아닙니다. 캡은 분기 리밸런싱 때 맞추는 것이라, 그 사이 시총이 급변하면 일시적으로 상한을 넘길 수 있습니다.

그리고 꼭 기억하실 것 — 위 숫자는 제가 확인한 시점의 값입니다. 구성종목 비중은 주가와 리밸런싱에 따라 계속 바뀝니다. 사기 전에 직접 보세요.

반도체 ETF를 따로 사는 게 의미가 있을까

1·2편에서 코스피 자체가 이미 AI 반도체에 절반 이상 걸려 있다고 했습니다. 그럼 반도체 ETF를 또 사는 건 무슨 의미일까요?

정직하게 말하면 겹칩니다. 코스피200 ETF를 들고 있는데 국내 반도체 ETF를 더 사면, 같은 두 종목의 비중만 더 키우는 셈일 수 있습니다.

의미가 생기는 경우는 이런 쪽입니다.

국내 반도체 소부장까지 담고 싶을 때 — 한미반도체·리노공업처럼 코스피200 비중이 작은 회사들이 반도체 ETF에는 더 크게 들어갑니다.
글로벌로 넓히고 싶을 때 — ASML·엔비디아·TSMC는 코스피200에 없습니다. 글로벌 반도체 ETF는 이걸 담습니다.
캡이 적용된 상품으로 쏠림을 줄이고 싶을 때 — 위에서 본 경우죠.

반대로 “AI가 유망하니까 반도체 ETF도 하나 사두자” 는 접근이라면, 이미 갖고 있는 것과 얼마나 겹치는지부터 확인하시는 게 순서입니다.

세금 — 여기가 수익률보다 클 수 있습니다

의외로 가장 많이 놓치는 부분입니다. 같은 지수를 사도 어디서 사느냐에 따라 세금 구조가 완전히 다릅니다.

	국내 주식형 ETF	국내 상장 해외 ETF	해외 상장 ETF 직투
예시	KODEX 200	TIGER 미국나스닥100	QQQ, SOXX
매매차익	비과세	15.4%	22%, 연 250만원 공제
분배금	15.4%	15.4%	15.4%
금융소득종합과세	분배금만 합산	매매차익까지 합산	분배금만 (양도세는 분류과세)
손익통산	해당 없음	불가	같은 해 안에서 가능

몇 가지 실질적인 함의가 있습니다.

① 소액이면 해외 직투가 유리할 수 있습니다. 연 250만원 기본공제가 있어서, 차익이 그 안에 들어오면 세금이 0입니다.

② 금액이 커지면 계산이 뒤집힙니다. 250만원을 넘는 순간 22%가 붙는데, 국내 상장 해외 ETF는 15.4%입니다. 세율만 보면 후자가 낮죠.

③ 그런데 금융소득이 많으면 다시 뒤집힙니다. 국내 상장 해외 ETF는 매매차익까지 금융소득종합과세에 합산됩니다. 연 금융소득이 2,000만원을 넘으면 누진세율이 붙어 최고 49.5%까지 갈 수 있습니다. 반면 해외 직투의 양도소득은 분류과세라 종합과세에 섞이지 않습니다.

④ 손익통산 차이가 큽니다. 해외 직투는 같은 해에 A에서 손해, B에서 이익이 났으면 상계해서 세금을 계산합니다. 국내 상장 해외 ETF는 종목별로 따로 과세돼 상계가 안 됩니다.

그리고 가장 아픈 것 하나. 손실이 나도 분배금에는 세금이 붙습니다. 매매손실과 분배금 소득은 상계되지 않거든요. 계좌는 마이너스인데 세금은 내는 상황이 실제로 생깁니다.

계좌를 바꾸면 세금이 바뀝니다

같은 상품이라도 어느 계좌에서 사느냐가 세후 수익을 바꿉니다.

연금저축·IRP: 계좌 안에서는 과세가 미뤄지고(과세이연), 연금으로 받을 때 3.3~5.5%만 냅니다. 단 레버리지·인버스 ETF는 아예 매수가 안 됩니다. 그리고 IRP는 위험자산을 최대 70%까지만 담을 수 있습니다(연금저축펀드는 100% 가능).
ISA: 계좌 내 손익을 통산한 뒤 과세하기 때문에, 위에서 본 “손익통산 불가” 문제를 완화해줍니다.

참고로 2026년 8월 3일 발표된 세제개편안에 ISA 개편이 담겼습니다. 국내 주식·주식형 펀드에 투자하는 ‘생산적금융 ISA’ 를 신설해 이자·배당소득을 전액 비과세하고, 청년 가입자에게는 납입금의 10%를 소득공제한다는 내용입니다. 기존 일반 ISA는 연 납입한도 2,000만원을 유지하되 계약기간을 총 5년으로 제한하고 한도 이월 제도는 폐지합니다.

다만 이건 아직 개편안이고 국회 통과 절차가 남았습니다. 시행 예정 시점도 2027년 1월 이후 신규 가입분부터입니다. 확정 전까지는 참고만 하시는 게 좋겠습니다.

사기 전에 5분 — 다섯 가지

① 구성종목 상위 10개. 이름 말고 실제로 뭘 담았는지. 그리고 이미 가진 종목과 얼마나 겹치는지.

② 총보수와 실부담비용. 광고에 나오는 보수는 운용보수 중심입니다. 기타비용과 매매수수료까지 더한 실부담이 실제로 내는 돈이고, 해외자산을 담는 상품일수록 둘의 격차가 벌어지는 경향이 있습니다.

③ 순자산과 거래대금. 상장 1년이 지난 ETF의 순자산이 50억원 미만으로 떨어져 다음 반기말까지 해소되지 않으면 상장폐지 사유가 됩니다. 거래가 적으면 팔 때 불리한 가격에 팔게 되고요. (참고로 ETF는 상장폐지돼도 순자산가치 기준으로 정산되니 주식처럼 휴지가 되진 않습니다.)

④ 괴리율. 시장가격이 순자산가치에서 얼마나 벗어났는지입니다. 한국거래소는 국내형 1%, 해외형 2%를 넘으면 공시하도록 하고 있습니다. 추적오차와는 다른 개념인데, 괴리율은 “지금 이 가격이 제값인가”, 추적오차는 “이 상품이 지수를 잘 따라가는가” 입니다.

⑤ 세금 유형과 계좌. 국내형인지 해외형인지, 그리고 연금계좌나 ISA에 담을 수 있는 상품인지.

지난달이 남긴 교훈 하나

2026년 7월, 국내 상장 ETF 891개(전체의 78.3%)가 하락했습니다. 반도체 테마 ETF들이 특히 심해서 −36~38%대가 속출했고, 하위권은 전부 단일종목 레버리지였습니다(최하위 −68.7%).

그런데 같은 달 미국에서는 반대 장면이 있었습니다. 반도체 ETF SOXX가 −22.1%로 2002년 이후 최악의 월간 성적을 냈는데도, 7월 한 달 69억 달러가 순유입됐습니다. 사상 최대였습니다.

같은 하락장에서 한쪽은 강제청산되고 한쪽은 사 모았습니다. 차이는 종목 선택이 아니라 어떻게 들고 있었느냐였습니다.

정리

이름을 믿지 마세요. ‘AI’가 붙어도 그게 알고리즘인지, 최종 수요처인지, 수요를 만든 원인인지 제각각입니다. 구성종목이 실체입니다.
같은 반도체 ETF도 구조가 다릅니다. 삼전+하이닉스가 절반인 상품, 상위 2종목에 25% 캡을 둔 상품, 4종목이 80%인 집중형이 다 있습니다. 코스피200엔 없는 비중 상한이 일부 ETF엔 있습니다.
세금이 수익률만큼 중요합니다. 국내 주식형은 매매차익 비과세, 국내 상장 해외형은 15.4%에 종합과세 합산, 해외 직투는 22%에 250만원 공제와 손익통산. 금액과 다른 금융소득에 따라 유불리가 뒤집힙니다.

다음 [6편]은 이 시리즈의 마지막입니다. AI 시대의 지수 읽는 법 — 코스피 전망이 어떻게 만들어지는지, 그리고 그 숫자의 상당 부분이 왜 반도체 이익인지 정리하며 마치겠습니다.

⚠️ 이 글은 AI를 활용해 투자 관련 내용을 공부하며 정리한 글입니다. 특정 종목이나 투자 방식에 대한 권유가 아니며, 내용에 오류가 있거나 최신 정보와 다를 수 있습니다. 실제 투자 전에는 공식 자료를 직접 확인하시기 바랍니다. 투자 판단과 그 결과에 대한 책임은 투자자 본인에게 있습니다.

본문의 보수·구성종목 비중은 확인 시점 기준이며 계속 바뀝니다. 세제는 개인의 소득 구조에 따라 결과가 달라지므로 중요한 결정 전에는 전문가나 국세청 자료로 확인하시기 바랍니다.

AI로 게임 만들기 #8 — 심해 1,200m까지 내려가서 물고기 27종 도감 채우기 (공개빌드 #8)

Mon, 10 Aug 2026 09:00:00 +0900

지난 편의 조차장에 이어, 여덟 번째 게임은 심해 낚시입니다. 수면에서 1,200m 심연까지 내려가 물고기를 낚고, 27종 도감을 채우는 게임이에요.

게임 랩에 처음 생긴 **“모으는 재미”**입니다. 앞의 게임들은 판이 끝나면 기록만 남는데, 이건 잡은 물고기가 영구히 쌓여요.

👉 심해 낚시 직접 하러 가기

어떤 게임이냐면

탭 세 번이면 한 마리입니다.

① 깊이 정하기 — 움직이는 막대를 탭. 깊을수록 희귀하고 어렵습니다
② 챔질 — 물고기가 다가와 미끼를 툭툭 건드리다가(가짜) 확 무는 순간 탭
③ 파이팅 — 누르면 감기고, 떼면 풀립니다. 장력을 초록 구간에 두세요

한 판은 캐스팅 12번. 멸치부터 🐉크라켄까지 27종이 있고, 가운데를 잘 유지할수록 정확도 보너스(최대 +85%)가 붙습니다.

물고기 27종은 ComfyUI로 직접 그렸다

예전에 노트북에 설치해둔 ComfyUI로 27종을 전부 뽑았습니다. 이번에도 생성이 끝이 아니었어요 — 고래상어는 흰 배경 박스를 달고 나오고, 가오리는 모래바닥까지 딸려왔고, 방어는 두 마리가 겹쳐 나왔습니다.

배경색을 자동 감지해 투명 처리하고, 물체에 딱 맞게 다시 자르고, 그래도 안 되는 건 프롬프트를 바꿔 다시 뽑았어요. ComfyUI가 그려준 걸 게임에 맞게 다듬는 게 절반의 일이라는 게 이번에도 확인됐습니다.

첫 버전은 허공에 대고 챔질하는 것 같았다

일단 돌아가게 만들어놓고 직접 해봤는데, 이상했습니다. 화면엔 줄 하나만 덩그러니 있고, 아무것도 안 보이는데 “지금 탭!“이라는 글자만 떴거든요. 뭘 보고 채라는 건지 알 수가 없었어요.

그래서 물고기를 실제로 보여주기로 했습니다.

물고기가 옆에서 헤엄쳐 다가오고
미끼를 툭툭 건드립니다(찌가 살짝 흔들림 = 가짜 입질)
확 무는 순간 찌가 쑥 들어가고 물보라가 터집니다

이러니 “너무 일찍 채면 실패"라는 규칙이 눈으로 납득되는 규칙이 됐어요. 가짜와 진짜를 구분하는 게 실력이 되고요.

물고기에 검은 배경이 붙은 것 같았는데, 재보니 아니었다

계속 해보니 어떤 물고기는 검은 배경이 붙어 있는 것처럼 보였습니다. 배경 제거가 덜 됐나 싶었죠. 그래서 27종을 전부 계측해봤습니다.

배경이 남은 스프라이트는 하나도 없었습니다. 제가 짚은 원인이 틀렸던 거예요.

진짜 원인은 따로 있었습니다. 물고기와 물의 밝기가 너무 비슷했던 겁니다.

물고기	물고기 밝기	그 깊이의 물 밝기	차이
바다거북	127	130	3
흡혈오징어	45	20	25

심해는 물 밝기가 20 아래인데 심해어도 어둡습니다. 검은 배경에 검은 물체였던 거죠.

그래서 바늘에 심해 랜턴을 달았습니다. 미끼 주변을 비추니 물고기가 보이고, 심해 낚시 분위기도 살았어요. 물고기 외곽에 은은한 발광 테두리도 더했고요.

감으로 스프라이트를 다시 뽑았으면 시간만 날렸을 겁니다. 재보니 문제는 완전히 다른 곳에 있었어요.

줄은 그대로인데 물고기만 올라갔다

끌어올릴 때 뭔가 따로 노는 느낌이라 코드를 열어봤더니, 줄 끝이 화면 중앙에 고정돼 있었습니다. 물고기만 위로 움직이니 둘이 분리돼 보인 거예요.

줄 끝을 물고기 입에 고정했습니다. 올라오면 줄도 같이 짧아져요
장력에 따라 줄 모양이 변합니다 — 팽팽하면 직선, 느슨하면 축 처진 곡선, 한계 근처면 붉게 굵어짐
끌어올린 만큼 깊이 숫자도 줄고, 덤으로 물이 밝아집니다

그래도 뭔가 계속 아쉬웠다 — 세 번째 진단

여기까지 고쳤는데도 뭔가 계속 아쉬웠습니다. 이번엔 감으로 짚지 않고 처음부터 코드를 뒤졌어요. 세 가지가 나왔습니다.

① 물고기가 헤엄치지 않았다. 코드에 회전이 단 한 곳도 없었습니다. 정지 이미지가 미끄러져 다니는 상태였죠. 헤엄칠 때 몸을 기울이고 발버둥칠 때 몸을 확 트는 것만 넣었는데 완전히 달라졌습니다.

② 심해로 가는 여정이 없었다. 하강 코드가 이랬어요.

1

curDepth += Math.max(3, targetDepth*0.012) // 항상 1.4초

100m든 1,200m든 하강 시간이 똑같았습니다. 심해 낚시인데 심해로 가는 느낌이 0이었죠. 깊이 비례 하강(최대 3.5초)으로 바꾸고, 배경이 위로 흐르게 하고, 200m 황혼대 500m 심해층 900m 심연 이정표가 스쳐 지나가게 했습니다.

③ 줄이 허공에서 시작했다. 배도 수면도 없었어요. 배와 물결을 넣고 줄이 배에서 내려오게 했습니다. 깊어지면 수면이 어둠 속으로 사라지고, 끌어올리면 다시 나타나요.

크기가 무게를 말해준다

물고기 크기를 희귀도 기준으로 잡았더니 1kg 복어가 900kg 고래상어만 하게 보였습니다. 무게(로그) 기준으로 바꾸고, 입질 전에 무게를 미리 굴려서 보이는 크기와 실제 잡는 무게를 일치시켰어요. 이제 화면만 봐도 대물인지 잔챙이인지 압니다.

밀당을 넣었다가 게임을 망칠 뻔했다

마지막에 물고기가 아래로 파고드는 순간(손을 떼고 버텨야 하는)을 넣었습니다. 그런데 시뮬레이션을 돌려보니:

	넣기 전	넣은 직후
포획률	83%	33%

포획률이 반토막 났고 파이팅이 교착에 빠져 아예 안 끝나는 경우까지 생겼습니다. 저항력·진행도 손실·발동 횟수를 모두 낮춰 되돌렸어요. 지금은 긴장감만 주고 난이도는 그대로입니다.

이번에도 “재미있을 것 같아서” 넣은 기능이 게임을 망가뜨릴 뻔한 걸 숫자가 잡아줬습니다.

이제 게임 랩이 8개

	게임	성격
🎨	AI 그림 맞히기	머리 (퀴즈)
🟩	한글 단어 맞히기	습관 (데일리)
🍰	디저트 탑 쌓기	손맛 (아케이드)
🕹️	낙하 회피	반사신경 (액션)
🗑️	종이 농구	조준 (물리)
🪐	우주 진화	최고점 (병합 퍼즐)
🚂	조차장	논리 (3D 퍼즐)
🎣	심해 낚시	수집 (도감)

이번 편에서 배운 것

“뭔가 어색하다"는 느낌은 그 자체로는 정보가 아닙니다. 하지만 그 아래엔 항상 구체적인 원인이 있어요. 이번엔 세 번에 걸쳐 파고들었고, 그때마다 코드에서 원인을 찾았습니다 — 회전이 없었고, 하강 시간이 고정이었고, 줄 끝 좌표가 고정이었죠. 전부 한두 줄짜리 원인이었습니다.

그리고 한 번은 제가 짚은 원인이 틀렸어요. “배경 제거가 실패했나?” 싶었는데 재보니 대비 문제였습니다. 고치기 전에 재보는 게 훨씬 빨랐습니다.

심해 낚시 한 판 해보시고 몇 종이나 잡았는지 알려주세요. 저는 아직 크라켄을 못 봤습니다. 🐉

다음 편엔 아홉 번째 게임을 들고 오겠습니다.

레버리지 ETF의 함정 — 개인은 왜 폭락에 사고 폭등에 팔았나 · AI 지수 투자 교과서 ④

Sun, 09 Aug 2026 11:00:00 +0900

이 시리즈를 시작할 때부터 가장 하고 싶었던 이야기입니다.

3편에서 2026년 7월 마지막 주를 봤습니다. 코스피가 −10.84%, −5.98%, −1.23%, 그리고 +17.91%로 움직인 나흘이었죠. 그 주가 끝났을 때 지수는 2.37% 빠져 있었습니다. 큰 변화가 아닙니다.

그런데 그 주에 레버리지를 들고 있었다면 이야기가 완전히 다릅니다.

오른 쪽에 건 사람도, 내린 쪽에 건 사람도 잃었습니다

그 나흘의 일간 등락률을 레버리지 상품에 그대로 적용해 계산해봤습니다.

코스피 지수: −2.37%
2배 레버리지: −8.65% — 단순히 2배라면 −4.75%여야 했습니다
곱버스(−2배): −10.41% — 지수가 빠졌으니 +4.75%여야 했습니다

읽고 다시 보셔도 됩니다. 지수가 하락했는데 인버스도 10% 넘게 잃었습니다. 방향을 맞혔는데 잃은 겁니다.

레버리지는 3.9%p, 곱버스는 무려 15.2%p가 사라졌습니다. 여기에 실제 상품이라면 운용보수와 추적오차가 더 붙습니다.

왜 이런 일이 — 변동성 끌림

원인은 “2배"가 무엇의 2배인지에 있습니다. 하루 수익률의 2배이지, 기간 전체 수익률의 2배가 아닙니다.

레버리지 ETF는 매일 종가에 배율을 맞추기 위해 익스포저를 다시 조정합니다(일간 리밸런싱). 오르면 더 사고, 내리면 팝니다. 이 “오르면 사고 내리면 파는” 동작이 매일 반복되면서 가치를 갉아먹습니다. 이걸 변동성 끌림(volatility decay) 이라고 부릅니다.

교과서적인 예를 보시죠. 100에서 하루 10% 내렸다가 다음 날 11.11% 올라 지수가 정확히 제자리로 온 경우입니다.

지수(1배): 100 → 90 → 100. 손실 없음
2배: 100 → 80 → 97.8. −2.2%
3배: 100 → 70 → 93.3. −6.7%

지수는 본전인데 레버리지만 손실입니다. 그리고 배율이 오를수록 손실은 제곱으로 커집니다. 근사식으로 쓰면 이렇습니다.

레버리지 수익률 = 배율 × 지수수익률 − [배율×(배율−1)÷2] × 변동성²

3배 상품의 잠식이 2배 상품의 2.25배인 이유가 여기 있습니다. 그리고 변동성이 클수록 뒤쪽 항이 커집니다. 7월 마지막 주처럼 하루 10%씩 오르내리는 장이 레버리지에 최악인 이유입니다.

이건 이번이 처음이 아닙니다

한국만의 일도, 올해만의 일도 아닙니다.

미국 TQQQ(나스닥100 3배)는 2021년 2월부터 2023년 중반까지, 지수(QQQ)가 7.8% 오르는 동안 30.6% 잃었습니다. 2022년 한 해에만 −79.08%였고 최대 낙폭은 −81.7%였습니다. 80%를 잃으면 본전이 되려면 400%가 올라야 합니다.

한국 곱버스는 더 참혹합니다. NH투자증권이 자사 고객 16,536명을 분석했더니 97.74%가 손실이었고 **평균 수익률이 −63.58%**였습니다. 100명 중 98명이 잃었습니다.

그리고 2026년, 한국에서 벌어진 일

2026년 5월 27일, 삼성전자·SK하이닉스를 기초자산으로 한 단일종목 레버리지·인버스 상품 18종이 한꺼번에 상장했습니다. 규모 4조 3,227억원으로 하루 상장 기준 국내 최대였습니다. “미국에서 되는 걸 왜 한국에서 못 하나"는 논리로 규제를 푼 결과였습니다.

두 달도 안 돼 시가총액은 4.4조원에서 11.9조원으로 불었습니다. 6월 19일까지 개인이 레버리지 ETF만 8.2조원을 순매수했습니다.

그리고 7월이 왔습니다.

SK하이닉스 레버리지 ETF는 6월 고점 대비 최대 84% 빠졌습니다. 약 36만 개 증권계좌가 강제청산됐고, 그중 62%가 35세 미만이었습니다. 씨티는 개인 누적 손실을 약 56조원으로 추정했습니다. 레버리지 ETF 시가총액이 7월 22일 76조원에서 28조원으로 줄었으니까요.

올해 하루 반대매매가 1,000억원을 넘긴 6차례 중 5차례가 5월 27일 상장 이후에 나왔습니다.

가장 아픈 대목 — 개인은 언제 사고 언제 팔았나

여기가 이 편의 핵심입니다.

코스피가 10% 넘게 빠진 날, 개인은 레버리지 ETF를 1조 996억원어치 샀습니다. 그날 유가증권시장 개인 순매수 전체의 25.5% 였습니다. 7월 30일에도 이미 반토막 난 레버리지를 7,700억원어치 더 담았습니다.

그리고 7월 31일, 코스피가 17.91% 폭등한 날 개인은 단일종목 레버리지를 1조원 넘게 팔았습니다. 같은 날 외국인은 7조 2,414억원을 역대 최대로 사들였고요.

떨어질 때 배율을 걸어 사들이고, 오른 날 던진 겁니다. 저는 이걸 “개인이 어리석다"는 이야기로 쓰고 싶지 않습니다. 떨어지는 자산을 사는 건 그 자체로 합리적인 전략일 수 있습니다. 문제는 거기에 2배를 걸었다는 겁니다. 변동성 끌림은 물타기를 배신하고, 반대매매는 회복을 기다려주지 않습니다.

3편에서 봤듯 지수는 결국 하루 만에 낙폭의 86%를 되돌렸습니다. 하지만 그 전에 강제청산당한 36만 계좌에게 그 반등은 없었습니다.

그럼 레버리지가 폭락을 키웠나 — 여기는 갈립니다

한 가지 짚을 게 있습니다. “단일종목 레버리지 ETF가 이번 폭락의 원인"이라는 주장이 많이 나왔는데, 전문가들 의견은 갈립니다.

증폭했다는 쪽의 논리는 이렇습니다. 2배를 유지하려면 오르면 더 사고 내리면 더 팔아야 하는데, 이 리밸런싱이 종가 무렵에 몰립니다. 그래서 장 막판에 방향을 밀어붙이는 힘이 생긴다는 겁니다.

과장이라는 쪽도 만만치 않습니다. 한국투자증권 염동찬 연구원은 “단일종목 레버리지 ETF는 변동성의 원인이라기보다 증폭 요인“이라며, 근본 원인은 글로벌 반도체 기업의 변동성 확대라고 봤습니다. 리밸런싱은 장 후반에 몰리는데 실제 변동성은 오전에 더 컸다는 시간대 불일치도 근거로 들었습니다.

자본시장연구원은 절충적입니다. 리밸런싱이 변동성을 추가로 키울 수 있지만, 개인의 역추세 매매(급락 시 매수, 급등 시 매도)가 그 영향을 일부 상쇄했다고 봅니다. 아이러니하게도 개인이 손실을 본 그 매매 패턴이 시장 변동성은 줄인 셈입니다.

규제는 어떻게 됐나

당국의 대응은 빨랐습니다.

날짜	조치
5월 27일	단일종목 레버리지·인버스 18종 상장 (예탁금 1,000만원)
7월 16일	신규 상장 잠정 중단, 광고·마케팅 즉시 금지
7월 24일	기본예탁금 3,000만원(현금만) 상향 발표
7월 31일	규제 조기 시행

해외 상장 단일종목 레버리지(테슬라·엔비디아 기초 등)에도 같은 규제를 적용했습니다. 국내만 막으면 자금이 해외로 옮겨가는 풍선효과를 우려해서입니다.

효과는 즉각적이었습니다. 단일종목 레버리지·인버스 16종의 거래대금이 7월 30일 12조 4,485억원에서 8월 5일 9,199억원으로 줄었습니다. 코스피 전체 거래대금 대비 비중도 32.5%에서 3.7%로 내려왔습니다.

다만 7월 31일 그날, 개인은 규제 대상이 아닌 지수형 인버스 ETF를 5,000억원 넘게 사들였습니다. 막힌 쪽에서 안 막힌 쪽으로 옮겨간 겁니다.

투자자 관점 — 네 가지

① “2배"는 하루의 2배입니다. 한 달을 들고 있으면 한 달 수익률의 2배가 아닙니다. 이 문장 하나만 기억해도 절반은 피할 수 있습니다.

② 횡보와 급등락이 레버리지의 적입니다. 방향을 맞혀도 왕복이 반복되면 잃습니다. 지금처럼 하루 8~18%가 오가는 장은 레버리지에 최악의 환경입니다.

③ 레버리지에 물타기를 하지 마세요. 떨어질 때 더 사는 전략 자체는 성립할 수 있지만, 배율이 걸리면 성립하지 않습니다. 변동성 끌림이 평단가 계산을 배신하고, 반대매매가 회복까지 기다려주지 않습니다.

④ 미국 규제당국의 문장이 가장 정확합니다. SEC와 FINRA는 레버리지·인버스 ETF에 대해 “매일 리셋되기 때문에 중장기 투자에는 대체로 부적절하다” 고 명시합니다. 단기 트레이딩이나 헤지 도구이지, 보유하는 자산이 아닙니다.

정리

그 주에 양쪽 다 잃었습니다. 코스피 −2.37%인데 2배 레버리지 −8.65%, 곱버스 −10.41%. 방향을 맞힌 쪽도 잃었습니다.
원인은 변동성 끌림입니다. “2배"는 하루 수익률의 2배이고, 일간 리밸런싱이 왕복장에서 가치를 갉아먹습니다. 손실은 배율의 제곱으로 커집니다. TQQQ는 지수가 7.8% 오르는 동안 30.6% 잃었고, 한국 곱버스 투자자는 97.74%가 손실이었습니다.
2026년 한국의 대가는 컸습니다. SK하이닉스 레버리지 ETF 고점 대비 −84%, 강제청산 계좌 약 36만 개, 그중 62%가 35세 미만. 개인은 폭락일에 1조원어치 사고 역대급 폭등일에 1조원어치 팔았습니다.

다음 [5편]에서는 방향을 바꿉니다. 레버리지 말고, AI에 투자하는 ETF를 제대로 고르는 법 — 반도체 ETF와 AI 전력 ETF, 국내와 미국 상품이 어떻게 다르고 무엇을 보고 골라야 하는지 정리하겠습니다.

⚠️ 이 글은 AI를 활용해 투자 관련 내용을 공부하며 정리한 글입니다. 특정 종목이나 투자 방식에 대한 권유가 아니며, 내용에 오류가 있거나 최신 정보와 다를 수 있습니다. 실제 투자 전에는 공식 자료를 직접 확인하시기 바랍니다. 투자 판단과 그 결과에 대한 책임은 투자자 본인에게 있습니다.

본문의 레버리지 수익률은 공개된 일간 등락률로 계산한 예시이며 실제 상품 수익률은 보수·추적오차로 달라집니다.

AI로 게임 만들기 #7 — 화차를 밀고 당기는 3D 조차장, 에이전트 60명이 놓친 것 (공개빌드 #7)

Sat, 08 Aug 2026 14:00:00 +0900

지난 편의 우주 진화에 이어, 일곱 번째 게임은 조차장입니다. 화차를 밀고 당겨 정해진 순서로 열차를 편성하는 3D 퍼즐이에요. 🚂

👉 조차장 직접 하러 가기

이번 편은 게임 소개보다 만드는 과정에서 크게 헤맨 이야기가 절반입니다. AI 에이전트를 60명 넘게 붙였는데 점수가 오히려 내려간 라운드가 있었고, 그 원인이 제가 예상한 것과 전혀 달랐거든요.

시작은 남이 만든 게임을 본 것

7월 말에 클로드 오브 듀티(Claude of Duty) 소식을 봤습니다. Matt Shumer가 Claude Opus 5에 프롬프트 하나를 던져서 브라우저 FPS를 통째로 받아냈다는 것이었습니다. Three.js와 WebGL2로 돌아가고, 약 55,000줄에 11개 서브시스템, 그리고 외부 에셋이 하나도 없습니다. 텍스처도 메시도 사운드도 전부 코드가 런타임에 만듭니다. 공개 5일 만에 깃허브 별 2,381개가 붙었습니다.

부러웠다기보다 되는지 궁금했습니다. 저도 해보고 싶었습니다.

다만 FPS를 따라 만들 생각은 없었습니다. 같은 걸 하나 더 만드는 건 의미가 없고, 무엇보다 저는 총 쏘는 게임을 잘 모릅니다. 그래서 소재를 찾다가 네이버 블로그에서 게임 광고를 하나 봤습니다. 주차장에 차가 빽빽하게 들어차 있고 화살표로 빼내는, 흔한 모바일 퍼즐 광고였습니다.

저게 무슨 장르인지 물어봤더니 언블록 퍼즐(러시아워 계열)과 소트 퍼즐이 한 광고에 섞여 있는 거라고 하더군요. 그래서 “주차 말고 다른 형태로 5개만 뽑아봐라"고 했습니다. 조차장, 광선 미로, 나사 풀기, 엘리베이터 배차, 실타래 풀기가 나왔습니다.

조차장을 골랐습니다. 국내 브라우저 게임에 거의 없는 소재였고, 물리 엔진 없이 순수 로직으로 끝나는 게 마음에 들었습니다.

미술 방향은 “떠 있는 디오라마"로 잡았습니다. 조차장이 땅에서 뜯겨 나온 흙덩이 위에 얹혀 하늘에 떠 있습니다. 위는 잔디와 자갈, 아래는 암반 지층과 늘어진 뿌리. 카메라 화각을 24°로 좁게 잡아서 실제 크기의 세계가 아니라 손바닥에 올려놓은 모형처럼 보이게 했습니다. 맨 위 표지 이미지가 그 결과입니다.

던진 프롬프트

이게 전부입니다. 이 다음부터는 에이전트들이 알아서 했습니다.

조차장 아이디어를 가지고 해당 분야 최고의 게임을 만들어 달라.

모든 면에서 완벽하고 시각적으로 아름다워야 하며, 텍스처부터 물리 효과를 비롯해 생각할 수 있는 모든 요소를 AAA급 품질로 구현해야 합니다. 여러 하위 에이전트를 병렬로 투입하고, 각 에이전트가 개별 요소를 하나씩 담당하게 하여 게임을 완벽하게 만들어 주세요. 각 요소를 반복해서 개선하고, 별도의 하위 에이전트가 시각적으로 검토하여 AAA급 품질에 도달했는지 확인하게 하세요. 검토 에이전트는 매우 엄격하게 평가해야 하며, 결과물이 AAA급으로 보이지 않는다면 만족할 때까지 계속 개선해야 합니다.

각 하위 에이전트가 실제 oskarstalberg.com/Townscaper 나 krunker.io 이런 게임들과 비교했을 때 그 품질에 완전히 감탄할 때까지 멈추지 마세요. 실제 게임 화면과 나란히 놓고 블라인드 테스트를 진행하여 어느 쪽이 더 좋아 보이는지 판단할 수 있을 정도여야 합니다. 구현 방법에 제한은 없고 현재 PC의 모든 자원을 이용해도 좋으니 완벽해질 때까지 반복해서 개선하세요. 하위 에이전트들을 병렬로 적극 활용하고 최고 수준의 코딩 역량을 투입하세요. 이 개발에 필요한 모든 권한을 승인한다.

읽어보면 아시겠지만 이 프롬프트에서 품질을 가리키는 단어는 전부 보는 것에 관한 것입니다. 시각적으로 아름답게, 시각적으로 검토, 아름답게 보이지 않는다면, 나란히 놓고 어느 쪽이 더 좋아 보이는지.

“플레이할 수 있어야 한다"는 말은 한 번도 없습니다. 이 사실이 나중에 정확히 그대로 돌아옵니다.

어떤 게임인가

조차장은 화물열차를 재배열하는 곳입니다. 도착한 화차를 목적지별로 갈라서 다시 편성합니다. 이 작업을 입환(入換, shunting) 이라고 부릅니다.

게임은 그걸 그대로 옮겼습니다. 화면 아래에 주문서가 있습니다. “출발선에 이 순서로” — 유개차, 유조차, 호퍼차. 측선에 흩어진 화차를 그 순서대로 출발선에 세우면 클리어입니다.

첫 레벨 클리어 전체(3배속). 측선으로 가서 물고 → 출발선에 밀어 넣고 → 분리하고 → 기관차만 빠져나옵니다. 3수.

조작은 두 가지뿐입니다.

선로를 탭한다. 기관차가 그 선로로 갑니다. 도착하면 거기 서 있던 화차 전부와 자동으로 연결됩니다. 이게 1수입니다.

연결기를 자른다. 편성 어디서든 끊을 수 있습니다. 끊긴 뒤쪽은 그 자리에 남고, 기관차는 앞쪽만 데리고 갑니다. 수를 소모하지 않습니다.

끝입니다. 밀기 버튼도, 당기기 버튼도, 속도 조절도 없습니다.

규칙은 두 개뿐인데 왜 어려운가

측선은 막다른 길입니다. 한쪽 끝에 차막이가 있어서 드나드는 문이 하나뿐입니다. 자료구조로 말하면 스택입니다. 먼저 넣은 화차가 가장 안쪽에 갇히고, 꺼낼 때는 나중에 넣은 것부터 나옵니다.

그래서 순서를 바꾸려면 다른 측선을 임시 보관소로 써야 합니다.

두 번째 레벨이 이 개념만 가르칩니다. 이름은 “거꾸로 선 두 량"입니다.

1

시작: 측선1 │ 🟥 🩶 목표: 출발선 │ 🩶 🟥

빨강과 회색이 순서대로 서 있는데 주문서는 반대입니다. 그냥 물고 가서 놓으면 순서가 그대로입니다. 하나를 다른 측선에 잠시 내려놓고, 다른 하나를 먼저 출발선에 넣고, 내려놓은 걸 다시 가져와야 합니다. 이게 par 5입니다.

여기에 제약이 하나 더 붙습니다. 인상선(引上線) — 측선 사이를 오갈 때 반드시 거쳐야 하는 짧은 선로입니다. 여기 들어갈 수 있는 량 수가 정해져 있습니다.

8레벨부터 이 값이 3으로 조여집니다. 화차 5량을 한꺼번에 끌고 나올 수 없다는 뜻입니다. 나눠서 옮겨야 합니다. 이때부터 난이도가 확 오릅니다.

그리고 마지막 한 가지. 화차를 다 놓아도 기관차가 출발선에 남아 있으면 끝나지 않습니다. 실제 철도에서 기관차를 분리하고 되돌아가는 동작이라 그렇게 만들었는데, 이게 나중에 문제가 됩니다.

선로마다 번호·이름·현재량/용량이 붙어 있고, 하단 편성 바에서 가위(✂)로 원하는 지점을 자릅니다.

14개 레벨

레벨은 손으로 짰고, 각 레벨의 par(최소 이동 수)는 전부 탐색으로 검증했습니다. 하드코딩한 값과 실제 최적해가 하나도 어긋나지 않습니다.

구간	화차	par	가르치는 것
1~3	2~3량	3~6	조작, 후입선출, 부분 분리
4~7	4~5량	6~9	측선 3개 활용
8~11	5~6량	10~13	인상선 3량 제약
12~14	6~8량	14~19	측선 용량 비대칭

이름도 붙였습니다. 아침 첫 입환, 거꾸로 선 두 량, 자갈 열차, 짧은 인상선, 노을 진 조차장, 막차 준비, 야간 조성, 마지막 열차. 시간대가 아침에서 밤으로 흐릅니다. 뒤로 갈수록 해가 지고 마지막 레벨들은 가로등이 켜진 밤입니다.

풀이가 막히면 힌트가 최적 경로의 다음 한 수를 알려줍니다. 최적임을 보장하려고 매번 탐색을 돌리는데, 마지막 레벨(8량)에서 1.5초가 걸렸습니다. 게임이 멈춘 것처럼 보입니다. 상태를 정수로 인코딩하고 역방향 인덱스를 캐싱해서 최대 블로킹을 7.9밀리초로 줄였습니다.

에셋 0개로 만들기

클로드 오브 듀티에서 제일 인상적이었던 게 이 부분이라 그대로 따라 했습니다. 이미지 파일도, 사운드 파일도, 3D 모델 파일도 없습니다. 전부 코드가 만듭니다.

텍스처. 자갈은 보로노이 셀을 깔고 셀마다 밝기를 흩뜨립니다. 침목은 방향성 노이즈로 나뭇결을 내고 능선 노이즈로 갈라짐을 넣습니다. 화차 도장은 베이스 컬러 위에 패널 라인·용접 비드·리벳 격자를 높이맵으로 얹고, 모서리에서 페인트가 벗겨져 프라이머와 녹이 드러나게 하고, 리벳에서 녹물이 아래로 흘러내리게 하고, 하단 30%에 흙먼지를 깝니다. 이 높이맵을 소벨 필터로 미분해 노멀맵을 뽑습니다.

지오메트리. 레일은 실제 59kg 레일 단면(넓은 저부 → 잘록한 복부 → 버섯 머리)을 그려서 선로 곡선을 따라 압출합니다. 분기기는 텅레일·크로싱·가드레일·전환간까지 실제 부품으로 만들어서 전환할 때 블레이드가 움직입니다. 화차는 6종인데 색을 지워도 실루엣만으로 구별되게 했습니다.

소리. 연결 충격음은 노이즈 버스트를 340Hz·820Hz·1900Hz 밴드패스 세 개에 병렬로 통과시켜 금속 공진을 만들고, 60Hz 사인 감쇠로 저역 ‘쿵’을 얹습니다. 디젤 엔진은 톱니 오실레이터 스택에 실린더 발화 리듬을 진폭 변조로 걸었습니다. 15종을 이렇게 합성했습니다.

의존성은 Three.js 하나뿐이고 그마저 파일 하나로 넣어뒀습니다. 빌드 스텝이 없습니다. HTML 파일을 열면 그냥 돕니다.

움직임에도 공을 들였습니다. 연결기마다 유격이 있어서 기관차가 출발하면 뒤 차량이 자기 앞 유격이 다 풀린 뒤에야 끌려옵니다. 정지할 때는 반대로 뒤에서부터 밀려와 닫힙니다. 파도가 편성을 타고 흐릅니다.

그런데 3라운드가 수렴하지 않았다

여기까지가 의도였습니다. 실제로는 이랬습니다.

설계 문서를 쓰고 에이전트 13명에게 모듈을 하나씩 맡겨 동시에 짰습니다. 약 24,000줄이 나왔습니다. 그다음 “매우 엄격한 아트 디렉터” 심사 에이전트를 붙여 통과할 때까지 고치고 다시 심사받는 루프를 돌렸습니다.

3라운드, 에이전트 33명 투입. 점수는 이렇게 움직였습니다.

1
2
3


1라운드 4.18 / 10
2라운드 4.92
3라운드 4.50 ← 오히려 내려감

심사위원 3명이 똑같이 오진했다

세 라운드 내내 반복된 지적이 있었습니다.

“그림자가 없다. 앰비언트 오클루전이 화면에서 사라졌다. 물체가 전부 떠 보인다.”

그래서 3라운드 내내 AO 반경과 그림자 bias를 만졌습니다. 점수는 안 올랐습니다.

이상해서 직접 계측했습니다. 기능을 껐다 켜면서 화면이 얼마나 바뀌는지 픽셀 단위로 셌습니다.

토글	변화 픽셀	최대 차이
SSAO 끔 → 켬	19.9%	164
그림자 끔 → 켬	12.5%	248

둘 다 멀쩡히 돌고 있었습니다.

진짜 원인은 최종 합성의 톤 커브였습니다. 히스토그램을 재보니 p99 = 179, 클리핑 0.000%. 씬에서 가장 밝은 픽셀이 70% 회색이었습니다. 순백이 없으니 AO와 그림자가 만든 대비가 전부 뭉개진 것입니다.

심사위원들은 증상은 정확히 봤지만 원인을 틀렸습니다. 저는 그 진단을 그대로 브리핑에 넣어 33명을 엉뚱한 곳으로 보냈습니다.

그리고 아무도 게임을 해보지 않았다

시각 심사를 마치고 게임을 열었습니다. 첫 반응이 이랬습니다.

“게임 방법을 모르겠는데”

이어서 “클리어 방법이 뭔데”, “기관차를 어떻게 빼는데”, “미션이 뭐였는데”.

화면 텍스트를 전부 덤프해봤습니다.

1

LV 01 | 아침 첫 입환 | 0 / par 3 | 편성 목표 | 0/2 | 서 동

규칙이 어디에도 없었습니다. 레벨 힌트 텍스트는 데이터에 있었고 튜토리얼 함수도 구현돼 있었는데, 화면까지 오지 못했습니다.

심사 에이전트 9명이 3라운드에 걸쳐 12개 축으로 채점했습니다. 형태, 재질, 텍스처, 라이팅, 그림자, AO, 색, 구도, 환경, 포스트, UI, 통일감. UI 축에서 6~7점을 줬습니다.

아무도 “규칙을 모르는 사람이 이걸 플레이할 수 있나"를 묻지 않았습니다.

여기서 앞의 프롬프트로 돌아갑니다. 저는 “시각적으로 검토하라"고 했고, “AAA급으로 보이지 않는다면 계속 개선하라"고 했습니다. 에이전트들은 정확히 시킨 대로 했습니다. 12개 축은 그 프롬프트를 충실히 옮긴 것이었고, 그래서 12개 축 전부가 보는 것에 관한 것이었습니다.

빠진 건 에이전트의 성실성이 아니라 제 질문이었습니다.

검증 방식을 바꿨습니다. 소스 코드 열람을 금지한 “처음 보는 플레이어” 에이전트를 붙였습니다. 화면 스크린샷과 화면 텍스트만 보고 실제로 클리어해야 통과. 붙이자마자 진짜 문제가 쏟아졌습니다.

화차 분리가 3D 공간의 10px짜리 투명한 구를 클릭하는 게 유일한 방법이었습니다. 모바일에선 불가능합니다.
숫자키 매핑이 레벨마다 바뀌었습니다. 어떤 레벨에선 4가 출발선인데 다른 레벨에선 인상선이었습니다.
“기관차를 빼야 끝난다"는 규칙을 알려주지 않아 화차를 다 놓고도 막혔습니다.

고친 뒤 붙인 테스터 2명은 소스 없이 3개 레벨을 전부 클리어했습니다. 한 명은 par로 풀었습니다.

단계별 코치 카드. 손가락 커서가 다음에 누를 곳을 짚고, 건너뛰기 버튼이 항상 있습니다.

결과

병목을 계측으로 가르고 나니 나머지는 기계적이었습니다.

	전	후
모바일 fps (중급 폰)	6.9	약 26
드로우콜	2,670	280
품질 전환 정지	10,299ms	500ms
힌트 응답	499ms (그마저 오답)	7.9ms
줌 한 칸	거리의 0.12%	10%

드로우콜이 2,670이었던 이유는 풀 뭉치 227개와 잡초 206개가 개별 메시로 흩어져 각각 본 패스와 그림자 패스로 두 번씩 그려졌기 때문입니다. 인스턴싱으로 묶으니 280이 됐습니다.

여기서도 계측이 방향을 정했습니다. 해상도를 4분의 1로 줄여도 fps가 안 올랐습니다. 픽셀이 아니라 CPU 문제라는 뜻이었고, 그래서 후처리가 아니라 드로우콜을 팠습니다.

미니게임과 결이 달라서 구분선 아래에 가로로 길게 따로 놓았습니다.

개발 후기

만드는 데 든 시간보다 진단하는 데 든 시간이 훨씬 길었습니다. 24,000줄이 나오는 데는 반나절이 안 걸렸습니다. 그런데 “왜 안 예쁜가"를 알아내는 데 사흘이 걸렸고, 그중 이틀은 틀린 진단을 좇느라 썼습니다.

에이전트를 많이 붙이면 빨라집니다. 그건 사실입니다. 13명이 동시에 짜서 하루 만에 게임 하나가 나왔습니다. 문제는 틀린 방향으로도 똑같이 빨라진다는 것입니다. “그림자가 없다"는 오진 하나로 33명이 사흘 치 작업을 엉뚱한 곳에 쏟았습니다. 사람 혼자였으면 세 번째 시도쯤에 “이상한데?” 하고 멈췄을 텐데, 에이전트는 시킨 대로 끝까지 갑니다.

그래서 계측이 전부였습니다. 이 프로젝트에서 잘 풀린 순간은 전부 제가 직접 숫자를 재서 브리핑에 넣었을 때였습니다. “AO를 켜고 끄면 화면의 19.9%가 바뀐다”, “해상도를 1/4로 줄여도 fps가 안 오른다” — 이런 문장 하나가 들어가면 한 라운드에 해결됐습니다. 반대로 “화면이 칙칙해 보인다” 같은 인상을 넘기면 몇 라운드를 헤맸습니다.

AI 심사는 문제 발견에는 좋고 원인 진단에는 나쁩니다. 심사위원들이 “뭔가 잘못됐다"고 한 건 매번 맞았습니다. 다만 “왜"는 매번 틀렸습니다. 이 둘을 구분해서 쓰면 꽤 쓸 만한 도구입니다. 구분하지 않으면 비싼 소음입니다.

그리고 제일 뼈아팠던 것. 사용자 한 명이 심사 에이전트 9명을 이겼습니다. “게임 방법을 모르겠는데” 한마디가 아홉 번의 심사보다 정확했습니다. 그 한마디를 듣기 전까지 저는 이 게임이 “보기엔 좀 아쉽지만 게임으로는 되는” 상태라고 믿고 있었습니다. 사실은 정반대였습니다. 보기엔 그럭저럭이고 게임으로는 안 되는 상태였습니다.

클로드 오브 듀티에 대한 평가 중에 이런 게 있었습니다. “돌아가긴 하는데 학생 프로젝트처럼 보이지, 출시할 물건 같지는 않다.” 직접 해보니 그 말이 정확히 무슨 뜻인지 알겠습니다. 돌아가는 것과 완성된 것 사이의 거리가 생각보다 멉니다. 그리고 그 거리는 코드량으로 좁혀지지 않습니다.

남은 것

아직 안 끝났습니다. 모바일 부팅이 79초 걸립니다. 부팅 직후 검은 화면이 한 번 번쩍이는데 원인만 알고 안 고쳤습니다. 열차의 무게감 연출도 절반쯤입니다. 사운드는 전부 코드로 합성했는데 아직 아무도 귀로 들어본 적이 없습니다 — 파형은 측정했지만 그건 다른 문제입니다.

그래도 게임은 돌아가고, 규칙을 모르는 사람이 클리어할 수 있습니다. 거기까지는 왔습니다.

👉 조차장 플레이하기 · AI 게임 랩 전체 보기

참고

일주일 만에 -8%, -8%, +17.9% — 서킷브레이커가 뭐길래 · AI 지수 투자 교과서 ③

Sat, 08 Aug 2026 11:00:00 +0900

1편에서 지수가 무엇인지, 2편에서 두 종목이 지수의 60%를 차지한다는 걸 봤습니다.

오늘은 그 구조가 실제로 터진 날들을 봅니다. 2026년 7월 마지막 주입니다.

나흘 동안 벌어진 일

7월 28일(화). 개장하자마자 무너졌습니다. 오전 10시 13분, 코스피가 −8.04%까지 밀리며 서킷브레이커가 걸렸습니다. 매매가 20분간 멈췄죠. 재개된 뒤에도 낙폭은 더 커져 종가는 −10.84%(6,023.66)였습니다. 삼성전자가 −13.4%, SK하이닉스가 −14.7%였습니다.

방아쇠는 전날 중국에서 당겨졌습니다. 중국 창신메모리(CXMT)가 7월 27일 상하이 증시에 상장하면서 첫날 공모가 대비 465% 폭등해, 시가총액이 단숨에 3조 3,000억 위안(약 700조원)에 올랐습니다. 시장은 이걸 한국 메모리 독주에 대한 정면 도전으로 읽었습니다.

7월 29일(수). 이번엔 개장 직전 SK하이닉스 실적이 나왔습니다. 2분기 영업이익 60조 5,426억원 — 컨센서스(63조 6,594억원)를 4조원 가까이 밑돌았습니다. 오전 9시 컨퍼런스콜에서는 미국 ADR 공모 관련 규제를 이유로 주주환원과 가이던스에 대해 명확한 답을 내놓지 못했습니다.

낮 12시 32분, 코스피에 또 서킷브레이커가 걸렸습니다. 사상 첫 이틀 연속이었고, 코스닥까지 양 시장이 이틀 연속 멈춘 것도 처음이었습니다. 이날 변동성지수(VKOSPI)는 장중 97.99까지 치솟아 사상 최고를 기록했습니다.

7월 30일(목). 장중 한때 +4.8%까지 반등했다가 상승분을 반납하고 −1.23%로 마감했습니다. 결과적으로 이날이 이번 국면의 바닥이었습니다.

7월 31일(금). 그리고 반대 방향으로 기록이 나왔습니다. 개장 6분 만인 9시 6분 매수 사이드카가 발동됐고, 코스피는 +17.91%(1,001.89포인트) 올라 6,595.45로 마감했습니다. 1980년 지수 산출 이래 상승률·상승폭 모두 역대 최대입니다. SK하이닉스는 오후 2시 10분경 상한가(+29.95%)를 찍었는데, 2015년 가격제한폭이 ±30%로 확대된 이후 처음이었습니다. 삼성전자도 +26.81%였습니다.

무엇이 바꿨을까요. 전날 밤 미국에서 마이크로소프트가 실적을 발표했습니다. 애저 매출이 분기 최초로 1,000억 달러를 넘었고 성장률은 43%로 가속됐습니다. 알파벳은 자본지출 전망을 오히려 상향했습니다. “AI 투자가 꺾이는 것 아니냐"는 공포가 하루 만에 뒤집힌 겁니다.

사흘간 −17.2% 빠진 지수가, 그중 86%를 하루 만에 되돌렸습니다.

서킷브레이커가 정확히 뭔가요

뉴스에 하도 나와서 익숙하지만, 정확한 규칙을 아는 분은 의외로 적습니다.

전일 종가 대비 지수가 일정 폭 떨어진 상태가 1분간 지속되면 발동됩니다.

1단계 (−8%): 20분간 전면 매매 중단 → 이후 10분간 단일가매매로 재개
2단계 (−15%): 20분간 전면 중단. 단 1단계보다 1%p 더 떨어져야 함
3단계 (−20%): 그날 장을 즉시 종료. 2단계보다 1%p 더 떨어져야 함

알아두면 좋은 규칙이 몇 개 있습니다. 하루에 한 번만 발동되고, 오전 9시~9시 5분과 오후 2시 50분 이후에는 발동되지 않습니다. 장 막판에 멈춰봐야 의미가 없으니까요. 코스피와 코스닥 기준은 같습니다.

이 제도는 1998년 12월, IMF 외환위기 직후에 도입됐습니다.

그런데 이 정도로 자주 걸리는 게 정상일까요

여기서 이번 편의 핵심 숫자가 나옵니다.

1998년 도입 이후 2025년까지 28년 동안 서킷브레이커는 단 6번 걸렸습니다. 그런데 2026년 한 해에만 9번입니다. 7월 말 기준 누적 15회 중 과반이 올해에 몰렸습니다.

이전 발동일을 보면 어떤 날들이었는지 알 수 있습니다. 2000년 4월 닷컴버블 붕괴, 2000년 9월 후폭풍, 2001년 9월 9·11 테러 다음날, 2020년 3월 코로나 팬데믹(2회), 2024년 8월 엔캐리 청산 쇼크. 전부 시대를 대표하는 위기의 순간입니다.

그런 일이 올해는 아홉 번 있었습니다. 7월 코스피 월간 낙폭 −33%는 1997년 IMF 위기 당시(−27%)보다 컸고, 같은 달 S&P500(−1.7%), 나스닥(−6.7%), 닛케이225(−11.6%)와 비교하면 한국만 유독 심하게 흔들렸습니다.

2편에서 두 종목의 상관계수가 0.82라고 했죠. 그 두 종목이 지수의 절반을 넘으니, 반도체 뉴스 하나에 시장 전체가 8%씩 움직입니다. 잦은 서킷브레이커는 원인이 아니라 증상입니다.

사이드카와 VI는 또 뭔가요

시장을 멈추는 장치는 서킷브레이커만이 아닙니다. 셋을 구분하면 뉴스가 훨씬 잘 읽힙니다.

서킷브레이커는 지수 기준입니다. 시장 전체의 매매를 완전히 멈춥니다.
사이드카는 선물 가격 기준입니다. 코스피200 선물이 5% 변동하면 발동되는데, 멈추는 건 프로그램매매 호가 5분간뿐입니다. 일반 투자자의 매매는 계속됩니다. 7월 31일 폭등일 아침에 걸린 게 이겁니다. 참고로 사이드카는 오르는 쪽으로도 걸립니다.
VI(변동성완화장치) 는 개별 종목 기준입니다. 한 종목이 급변하면 그 종목만 2분간 단일가매매로 바뀝니다.

여기에 가격제한폭이 하나 더 있습니다. 하루에 오르내릴 수 있는 최대치로, 한국은 ±30%입니다. 원래 ±15%였다가 2015년 6월에 확대됐습니다. 7월 31일 SK하이닉스가 찍은 “상한가"가 바로 이 +30% 천장입니다.

참고로 미국에는 개별종목 가격제한폭이 없습니다. 하루에 몇 배가 오르내려도 제도적으로 막지 않습니다. 시장을 멈추는 방식이 나라마다 다르다는 뜻입니다.

멈추면 정말 도움이 될까 — 반대 이야기

여기서 짚고 갈 게 있습니다. 서킷브레이커가 시장을 구한다는 건 정설이 아닙니다. 학계에서 30년 가까이 논쟁 중입니다.

찬성 쪽은 명확합니다. 급락 국면에서 강제로 숨을 돌리게 해 패닉 매도를 끊고, 투자자가 정보를 다시 판단할 시간을 준다는 겁니다.

반대 쪽 논거가 흥미롭습니다. “자석 효과(magnet effect)” 라고 부릅니다. 지수가 −8%에 가까워지면 “곧 거래가 막힌다"는 생각에 투자자들이 오히려 서둘러 팝니다. 팔지 못하고 갇힐까 두려우니까요. 그 결과 가격이 자석에 끌리듯 임계치로 더 빨리 빨려 들어간다는 겁니다.

이건 이론만이 아닙니다. 중국이 2016년 1월 1일 서킷브레이커를 도입했습니다. 1월 4일 첫날 발동됐고, 1월 7일에는 개장 30분도 안 돼 또 걸려 장이 조기 마감됐습니다. 오히려 매도를 부추긴다는 비판이 쏟아졌고, 중국 당국은 도입 나흘 만인 1월 8일 제도를 중단했습니다. 자석 효과의 대표 실증 사례로 지금도 인용됩니다.

그 주가 남긴 것

기록만 남은 게 아닙니다.

신용융자 잔액은 6월 말 38조 6,000억원에서 7월 31일 28조 9,350억원으로 약 10조원 줄었습니다. 빚내서 투자한 돈의 4분의 1이 사라진 겁니다. 자발적 상환도 있지만 상당 부분은 반대매매 — 담보 부족으로 증권사가 강제로 판 물량입니다. 7월 한 달 반대매매가 8,000억원대였고, 7월 31일 하루에만 1,220억원이었습니다. 폭등한 그날에도 누군가는 강제로 팔렸다는 뜻입니다.

올해 누적 강제청산 규모는 4조원을 넘었고, 상반기 개인회생 신청은 8만 1,723건으로 전년 대비 13.2% 늘었습니다.

투자자 관점 — 네 가지

① 서킷브레이커는 예고가 아니라 결과입니다. 발동됐다는 건 이미 8% 빠졌다는 뜻입니다. “걸리면 사야지"보다, 왜 이렇게 자주 걸리는 시장이 됐는지를 보는 게 낫습니다.

② 사흘 폭락과 하루 폭등이 같은 원인에서 나옵니다. 두 종목이 지수의 절반이면 양방향으로 다 흔들립니다. 폭등을 반가워하는 만큼 그 변동성의 대가도 같이 옵니다.

③ 레버리지는 이런 장에서 가장 먼저 죽습니다. 지수가 결국 하루 만에 86%를 회복해도, 그 전에 반대매매로 청산당했다면 회복의 몫이 없습니다. 버티는 것과 버틸 수 있게 설계하는 건 다릅니다.

④ 제도는 완충재지 방패가 아닙니다. 중국 사례처럼 멈추는 장치가 오히려 매도를 부를 수도 있습니다. 제도를 믿고 리스크를 더 지는 건 순서가 거꾸로입니다.

정리

7월 마지막 주에 양방향 기록이 나왔습니다. 7월 28일 −10.84%(서킷브레이커), 29일 −5.98%(사상 첫 이틀 연속), 31일 +17.91%로 46년 만의 역대 최대 상승. 사흘 낙폭의 86%를 하루에 되돌렸습니다.
서킷브레이커는 −8%/−15%/−20% 3단계로, 각각 20분 중단·20분 중단·당일 종료입니다. 사이드카는 선물 5% 변동 시 프로그램매매만 5분 정지, VI는 개별 종목을 2분 단일가로 바꿉니다.
28년간 6번이던 발동이 올해만 9번입니다. 잦은 서킷브레이커는 원인이 아니라 쏠림의 증상입니다. 그리고 멈추는 장치가 늘 도움이 되는 것도 아닙니다 — 중국은 도입 나흘 만에 접었습니다.

다음 [4편]은 이 시리즈에서 제가 가장 하고 싶었던 이야기입니다. 개인은 왜 폭락에 레버리지를 샀고, 역대 최대 폭등일에 팔았나. 7월 31일 개인은 8조 2,739억원을 순매도했고, 외국인은 7조 2,414억원을 역대 최대로 사들였습니다.

⚠️ 이 글은 AI를 활용해 투자 관련 내용을 공부하며 정리한 글입니다. 특정 종목이나 투자 방식에 대한 권유가 아니며, 내용에 오류가 있거나 최신 정보와 다를 수 있습니다. 실제 투자 전에는 공식 자료를 직접 확인하시기 바랍니다. 투자 판단과 그 결과에 대한 책임은 투자자 본인에게 있습니다.

인용된 수치는 해당 시점 자료이며 언제든 바뀔 수 있습니다.

지수가 두 종목에 인질이 됐다 — 세계는 상한을 씌우는데 한국은 벗었다 · AI 지수 투자 교과서 ②

Thu, 06 Aug 2026 18:30:00 +0900

1편에서 지수가 “1원 1표"라는 걸 봤습니다. 그래서 코스피를 사면 분산한 게 아니라 사실상 AI 반도체에 집중 베팅한 셈이라고 했죠.

오늘은 그 쏠림이 어디까지 왔는지, 그리고 다른 나라는 이걸 어떻게 다루고 있는지를 봅니다. 결론부터 말하면, 저는 마지막 대목에서 좀 놀랐습니다.

속도가 무섭습니다

수치부터 보시죠.

자본시장연구원 집계로 삼성전자와 SK하이닉스의 코스피 시가총액 비중은 **2025년 초 23%에서 2026년 6월 말 55%**가 됐습니다. 1년 반 만에 두 배 이상입니다. (출처와 시점에 따라 51~56%로 다르게 잡히는데, 방향은 같습니다.)

코스피200 안에서 보면 더 선명합니다. 2026년 8월 기준 삼성전자 33.1%, SK하이닉스 26.5%로 합계 59.6%. 그런데 3위 종목은 3%도 안 됩니다. 200개 종목으로 만든 대표지수인데, 사실상 두 종목이 결정하는 구조입니다.

“지수는 올랐는데 내 종목만 빠졌다"의 실체

1편에서 지수와 체감이 다른 건 착각이 아니라 구조라고 했습니다. 그 증거가 숫자로 남아 있습니다.

2026년 5월 27일: 코스피는 상승 마감했는데, 오른 종목 75개 대 내린 종목 826개였습니다. 11배입니다.
2026년 6월, 사상 최고치를 경신한 날: 오른 종목 210개, 내린 종목 688개.

지수는 신고점인데 시장의 대다수 종목은 내렸습니다. 이게 시가총액 가중이 만드는 착시의 정체입니다.

그래서 이런 추정까지 나왔습니다. 유진투자증권 허재환 연구원은 2026년 6월 ‘반도체 거인의 그림자’ 보고서에서 반도체를 빼면 코스피는 4,100~4,200선에 불과하다고 봤습니다. 반도체 시총 비중이 1년 만에 25%에서 54.6%로 뛰었고, 코스피 전체 영업이익에서 반도체가 60~70%를 차지할 것으로 전망하면서요.

흥미로운 건 밸류에이션입니다. 코스피 12개월 선행 PER은 8.1배로 싸 보이는데, 반도체를 빼면 11배로 올라갑니다. 코로나 이후 평균(10.4배)보다 높죠. 즉 “코스피가 싸다"는 말도 반도체가 만든 착시일 수 있습니다.

부작용은 이미 나타났습니다

쏠림이 이론적 걱정에 그치지 않습니다.

자본시장연구원 분석을 보면 2026년 상반기 코스피 일간 수익률 변동성은 3.6%로 전년(1.4%)의 두 배 이상입니다. 특히 3월과 6월은 각각 4.8%, 4.7%로 코로나19 급락기였던 2020년 3월(4.2%)보다 높았습니다. 상반기에만 시장안정화조치가 85회, 서킷브레이커가 13차례 발동됐습니다.

원인은 명확합니다. 두 종목의 일간 수익률 상관계수가 0.82로 매우 높습니다. 사실상 한 몸처럼 움직이는 두 종목이 지수의 절반을 넘게 차지하니, 반도체 업황에 작은 충격만 와도 지수 전체가 출렁입니다.

자본시장연구원 김준석 선임연구위원은 이렇게 짚었습니다. “소수 종목이 지수에서 차지하는 비중이 과도하게 커진 상황에서 기관의 차익실현 매도와 개인의 추격 매수가 충돌하면서 작은 충격도 시장 전체의 변동성으로 증폭” 된다고요.

참고로 국민연금의 국내주식 포트폴리오에서도 이 두 종목이 55%를 넘습니다. 개인만의 문제가 아니라는 뜻입니다.

그런데 이게 한국만의 병일까요

여기서 균형을 잡아야 합니다. 쏠림을 “코리아 디스카운트” 같은 한국 특유의 문제로 몰기 전에, 다른 나라를 봐야 합니다.

대만: TSMC 한 종목이 가권지수의 44~47%입니다.
스위스: 노바티스·로슈·네슬레 세 종목이 60% 이상입니다.
미국: S&P500 상위 10종목이 37~43%로, 닷컴버블 정점보다 더 소수에 집중됐다는 평가가 나옵니다. 당시엔 32개 종목이 시총의 절반을 차지했는데 지금은 24개 종목이 절반입니다.
덴마크: 노보노디스크와 오르스테드 두 종목이 30% 가까이입니다.

즉 AI 시대의 지수 쏠림은 세계적인 현상입니다. 다만 정도는 다릅니다. 대만은 “1개 종목이 절반 가까이"인데 한국은 “2개 종목이 절반 이상” 이라, 소수 의존도로는 한국이 가장 극단적인 축에 속합니다.

덴마크 사례는 경고로 읽을 만합니다. 2025년 노보노디스크 주가가 48% 빠지자 덴마크 대표지수 OMXC25는 선진국 벤치마크 중 최악의 성과를 냈습니다. 한 종목이 나라 전체 지수를 끌어내린 겁니다.

놀란 대목 — 해법은 이미 있는데, 한국은 반대로 갔습니다

여기가 이번 편에서 제가 가장 놀란 부분입니다.

세계 주요 지수는 대부분 개별종목 비중 상한(캡) 을 두고 있습니다. 덴마크 OMXC25는 7%, 일본 닛케이225는 10%, 스위스 SMI는 약 18%, 미국 NYSE100은 20%, 나스닥100은 24%입니다.

캡은 실제로 작동합니다. 나스닥100은 2023년 특별 리밸런싱을 시행해 빅테크 7종목 합산 비중을 하루 만에 55%에서 43%로 낮췄습니다.

그런데 코스피200에는 비중 상한이 없습니다.

그냥 없는 게 아닙니다. 2020년 삼성전자 비중이 커지면서 ‘30% 캡룰’ 논란이 있었고, 그 뒤 코스피200·KRX300의 시총비중상한 규정이 폐지됐습니다. 펀드 운용 규제를 완화한다는 명분이었죠.

그리고 6년이 지난 지금, 그 두 종목이 코스피200의 59.6%가 됐습니다.

참고로 대만도 비슷한 방향입니다. TSMC가 워낙 커지자 오히려 펀드의 단일종목 한도를 10%에서 25%로 올렸습니다. 캡을 지킬 수 없으니 캡을 푸는 쪽을 택한 겁니다. 세계가 두 갈래로 갈리는 셈인데, 한국과 대만이 같은 쪽에 서 있습니다.

반대 이야기도 들어봐야 합니다

쏠림이 문제라는 게 만장일치는 아닙니다.

KB증권 이은택 연구원은 “주도주 쏠림은 자연스러운 현상"이며 오히려 “쏠림 해소 시점이 버블 붕괴의 전조 증상” 이라고 봅니다. 1929년, 1972년 니프티 피프티, 2000년 닷컴버블 때도 주도주들은 실제로 빠른 이익 성장을 보였다는 점에서 지금과 비슷하다는 논리입니다.

옥스퍼드대 멍고 윌슨 교수는 삼성전자·SK하이닉스 실적이 개별기업 뉴스가 아니라 글로벌 AI 투자와 반도체 수요의 신호로 받아들여지는 만큼, 이들이 지수를 좌우하는 건 자연스럽다고 봅니다. 골드만삭스도 “이익이 아시아 증시를 끌고 있다"며 펀더멘털에 기반한 상승으로 평가합니다.

그럼 동일가중 지수로 가면 되지 않느냐고 할 수 있습니다. 여기도 간단하지 않습니다. 미국 S&P500 동일가중 ETF(RSP)는 2024년 12.78% 올라 시총가중 지수(21.45%)에 크게 뒤졌고, 2025년에도 11.20% 대 15.54%로 밀렸습니다. 쏠림장에서는 동일가중이 손해입니다. 회전율도 시총가중의 5배 이상이라 거래비용이 큽니다.

제 정리는 이렇습니다. 쏠림 자체가 곧 고점 신호는 아닙니다. 실적이 뒷받침되고 있는 것도 사실이고요. 다만 허재환 연구원의 표현대로 “쏠림 자체가 악재는 아니지만 건강하지는 않다” 는 게 정확한 것 같습니다. 그리고 건강하지 않은 상태를 완화할 장치를 다른 나라들은 갖고 있는데 한국은 없앴다는 것, 이게 이번 편의 핵심입니다.

투자자 관점 — 네 가지

① 내가 가진 게 지수인지 두 종목인지 확인하세요. 코스피200 ETF를 들고 있다면 자산의 약 60%가 삼성전자와 SK하이닉스입니다. 여기에 두 종목을 따로 더 샀다면 실제 노출은 훨씬 큽니다.

② 상관계수 0.82를 기억하세요. 두 종목이 거의 한 몸으로 움직이므로, 둘을 나눠 사는 건 분산 효과가 크지 않습니다.

③ “코스피가 싸다"를 의심해 보세요. 선행 PER 8.1배는 반도체가 만든 숫자입니다. 반도체를 빼면 11배로, 코로나 이후 평균보다 높습니다.

④ 지수 구성 규칙이 바뀌는지 지켜보세요. 증권가에서 코스피200에 비중 상한을 도입하자는 논의가 나오고 있습니다. 만약 도입된다면 리밸런싱 과정에서 대형주 매도와 중소형주 매수가 동시에 발생합니다. 지수 규칙 변경은 그 자체가 수급 이벤트입니다.

정리

쏠림 속도가 가파릅니다. 삼성전자+SK하이닉스 코스피 시총 비중은 2025년 초 23%에서 2026년 6월 말 55%로 뛰었고, 코스피200 안에서는 **59.6%**입니다. 3위 종목은 3%도 안 됩니다.
착시는 실재합니다. 코스피가 오른 날 826개 종목이 내리기도 했고, 반도체를 빼면 지수는 4,100선 수준이라는 추정도 나옵니다. 변동성은 코로나 급락기보다 높아졌습니다.
쏠림은 세계적 현상이지만, 대응은 갈립니다. 덴마크 7%, 닛케이 10%, 스위스 18%, 나스닥100 24% 등 대부분 비중 상한을 둡니다. 코스피200에는 상한이 없고, 2020년에 있던 규정마저 폐지됐습니다.

다음 [3편]에서는 이 구조가 실제로 폭발한 한 주를 봅니다. 2026년 7월, 일주일 만에 −8%, −8%, +17.9% — 사상 첫 이틀 연속 서킷브레이커와 사상 첫 상한가가 같은 주에 벌어진 이야기입니다.

⚠️ 이 글은 AI를 활용해 투자 관련 내용을 공부하며 정리한 글입니다. 특정 종목이나 투자 방식에 대한 권유가 아니며, 내용에 오류가 있거나 최신 정보와 다를 수 있습니다. 실제 투자 전에는 공식 자료를 직접 확인하시기 바랍니다. 투자 판단과 그 결과에 대한 책임은 투자자 본인에게 있습니다.

인용된 수치와 전문가 견해는 해당 시점 자료이며 언제든 바뀔 수 있습니다.

코스피를 산다는 건 AI를 산다는 뜻 — 지수란 무엇인가 · AI 지수 투자 교과서 ①

Wed, 05 Aug 2026 19:30:00 +0900

새 시리즈를 시작합니다. AI 반도체 교과서에서 AI의 부품을, AI 전력 교과서에서 AI의 연료를 팠다면, 이번엔 AI가 삼켜버린 시장 그 자체를 다룹니다.

시작은 지난주에 벌어진 일입니다. 7월 31일, 코스피가 하루 만에 17.91% 올랐습니다. 1,001포인트가 뛰어 6,595.45로 마감했는데, 46년 만의 역대 최대 상승률이자 최대 상승폭이었습니다. 그런데 바로 사흘 전인 7월 28일과 29일에는 이틀 연속 서킷브레이커가 걸렸었죠.

한 주 만에 −8%, −8%, 그리고 +17.9%. 이걸 만든 게 무엇일까요? 놀랍게도 사실상 두 종목입니다.

이 이야기를 이해하려면 “지수가 뭔지"부터 알아야 합니다. 오늘은 거기서 출발합니다.

코스피 6,000은 “6,000점"이 아닙니다

많은 분들이 지수를 시험 점수처럼 받아들입니다. 그런데 지수는 점수가 아니라 배율입니다.

계산식은 의외로 단순합니다.

지수 = (오늘의 시가총액 ÷ 기준일의 시가총액) × 100

코스피의 기준일은 1980년 1월 4일입니다. 그날 시장에 상장된 회사 전체의 값어치를 100으로 놓았습니다. 그러니까 지수가 6,000이라는 건 “그때보다 시장 전체가 60배 커졌다” 는 뜻입니다. 지금 6,300 언저리면 약 63배죠.

이걸 알면 뉴스가 다르게 읽힙니다. “코스피 6,000 돌파"는 어떤 목표 점수를 넘었다는 게 아니라, 46년 전 대비 시장 규모가 60배가 됐다는 이야기입니다.

코스닥은 기준이 다릅니다. 1996년 7월 1일에 개설되면서 그날을 100으로 잡았는데, 2004년에 이걸 1,000으로 소급 조정했습니다. 지수가 너무 작은 숫자로 표시되는 게 불편했거든요.

그래서 재미있는, 그리고 좀 씁쓸한 비교가 나옵니다. 같은 나라의 두 시장인데 코스피는 63배가 됐고, 코스닥은 30년째 출발선(1,000)조차 못 넘고 있습니다. 왜 그런지는 이 시리즈에서 차차 풀어보겠습니다.

지수는 “1종목 1표"가 아니라 “1원 1표"입니다

여기가 핵심입니다. 지수를 계산할 때 종목마다 똑같이 한 표씩 주는 게 아닙니다.

코스피는 시가총액 가중 방식입니다. 시가총액 1원이 한 표라고 생각하면 됩니다. 시가총액이 100조인 회사는 1조인 회사보다 100배의 투표권을 갖습니다.

만약 종목마다 한 표씩 주는 방식(동일가중)이었다면, 지수는 “시장 전체 종목의 평균적인 체감"에 훨씬 가까웠을 겁니다. 하지만 실제 코스피는 그렇지 않습니다. 큰 회사가 움직이면 지수가 통째로 움직입니다.

그래서 이런 일이 벌어집니다. 내 계좌는 파랗게 물들었는데 뉴스에서는 “코스피 상승 마감"이라고 하죠. 소형주 수십 개가 빠져도, 대형주 하나가 오르면 지수는 오릅니다. 지수와 내 체감이 다른 건 착각이 아니라 구조입니다.

그래서 코스피는 이미 ‘AI 지수’가 됐습니다

이제 본론입니다.

2026년 6월 기준, 삼성전자와 SK하이닉스 두 종목이 코스피 시가총액의 52.5% 를 차지합니다. 상위 4종목(삼성전자·SK하이닉스·삼성전자우·SK스퀘어)까지 넓히면 61% 입니다.

두 종목이 절반을 넘고, 나머지 수백 개 종목을 전부 합쳐야 겨우 나머지 절반이라는 뜻입니다.

그런데 여기서 한 걸음 더 들어가 봅시다. 이 두 회사가 지금 무엇으로 벌고 있을까요? AI 서버에 들어가는 고대역폭 메모리, HBM입니다. 반도체 교과서 2편에서 HBM4 전쟁을 다뤘고, 3편에서 하이닉스 영업이익이 처음으로 삼성을 넘은 이야기를 했었죠.

정리하면 이렇습니다. 코스피 지수의 절반이 AI 반도체 실적에 연결돼 있습니다.

그래서 지난주의 기록적인 널뛰기가 설명됩니다.

7월 28일 −8.04%, 29일 −8.17%: 중국 창신메모리(CXMT)가 상하이 상장에 성공하며 추격 위협이 부각됐고, SK하이닉스 실적이 컨센서스에 못 미쳤습니다.
7월 31일 +17.91%: 미국 빅테크 실적이 좋게 나오자 삼성전자가 26.81% 오르고, SK하이닉스는 상한가를 찍었습니다. 30% 가격제한폭 제도가 도입된 이래 하이닉스의 첫 상한가였습니다.

세 번 다 같은 두 종목이 만든 움직임입니다. (이 한 주에 벌어진 일은 [3편]에서 따로 자세히 다루겠습니다.)

투자자 관점 — 이게 왜 중요한가

① “코스피 ETF를 샀으니 분산했다"가 아닐 수 있습니다. 코스피 지수를 추종하는 상품을 사면 수백 개 회사에 나눠 투자한 것 같지만, 실제로는 절반 이상이 AI 반도체 두 종목입니다. 분산이라고 생각했던 게 사실은 집중 베팅일 수 있습니다.

② 지수와 내 계좌가 따로 노는 게 정상입니다. 시가총액 가중 구조에서는 대형주가 지수를 끌고 갑니다. 중소형주를 들고 있다면 “코스피가 올랐는데 나는 왜"가 자연스러운 일입니다.

③ 지수 뉴스를 읽을 때 한 겹 더 봐야 합니다. “코스피 급등/급락"이라는 헤드라인을 보면 무엇이 그걸 만들었는지를 확인하는 습관이 필요합니다. 지금 시장에서는 대개 답이 정해져 있습니다.

④ 이건 한국만의 이야기가 아닙니다. 미국도 S&P500에서 소수 빅테크 비중이 크게 올라 비슷한 논쟁이 진행 중입니다. AI가 지수를 삼키는 건 글로벌 현상에 가깝습니다.

정리

지수는 점수가 아니라 배율입니다. 코스피 = (오늘 시가총액 ÷ 1980년 1월 4일 시가총액) × 100. 6,000이면 46년 전의 60배라는 뜻입니다. 코스닥은 1996년 7월 1일 기준(2004년에 1,000으로 소급 조정)인데, 30년째 출발선 아래입니다.
지수는 1원 1표입니다. 시가총액 가중이라 큰 회사가 지수를 끌고 갑니다. 지수와 내 계좌 수익률이 다른 건 착각이 아니라 구조입니다.
코스피는 이미 AI 지수입니다. 삼성전자와 SK하이닉스가 시총의 52.5%, 상위 4종목은 61%. 그리고 이 회사들은 AI 메모리로 법니다. 코스피를 산다는 건 상당 부분 AI에 베팅한다는 뜻입니다.

다음 [2편]에서는 이 쏠림을 정면으로 파봅니다. 지수가 두 종목에 인질이 됐다 — 시가총액 가중이라는 방식이 어떻게 여기까지 왔고, 이게 투자자에게 실제로 무엇을 의미하는지 짚겠습니다.

⚠️ 이 글은 AI를 활용해 투자 관련 내용을 공부하며 정리한 글입니다. 특정 종목이나 투자 방식에 대한 권유가 아니며, 내용에 오류가 있거나 최신 정보와 다를 수 있습니다. 실제 투자 전에는 공식 자료를 직접 확인하시기 바랍니다. 투자 판단과 그 결과에 대한 책임은 투자자 본인에게 있습니다.

인용된 수치는 해당 시점 자료이며 언제든 바뀔 수 있습니다.

전력주 실적·수주 읽는 법 — 같은 분기에 하나는 +17%, 하나는 -13% · AI 전력 투자 교과서 ⑩ (완결)

Tue, 04 Aug 2026 12:30:00 +0900

드디어 마지막 편입니다. 1편에서 “AI는 전기를 먹고 자란다"로 시작해 아홉 편을 걸어왔고, 그동안 수주잔고라는 단어를 참 많이 썼습니다. 효성중공업 17.5조원, 3사 합산 30조원대, “4~5년치 일감”…

오늘은 그 단어를 제대로 파봅니다. 그리고 이 시리즈에서 제가 배운 것 중 가장 중요한 걸 마지막에 말씀드리겠습니다.

먼저, 2026년 2분기에 벌어진 일

교과서보다 실제 사례가 빠릅니다. 지난달 벌어진 일입니다.

LS일렉트릭은 7월 23일 2분기 영업이익 1,785억원(+64%)을 발표했습니다. 분기 사상 최대였고, 신규수주도 2조1,000억원이었습니다. 그날 주가는 +17.26% 올라 22만3,500원에 마감했습니다.

HD현대일렉트릭은 7월 28일 2분기 영업이익 2,870억원(+37.3%)을 발표했습니다. 절대 금액은 LS일렉트릭보다 큽니다. 시장 컨센서스에도 부합했습니다. 그런데 다음 날 주가는 장중 −13.05% 까지 빠졌습니다.

같은 분기, 같은 업종, 둘 다 좋은 실적. 왜 정반대로 갔을까요?

(솔직히 짚고 가면, 7월 29일은 9편에서 다룬 코스피 서킷브레이커 당일이라 시장 전체가 크게 빠진 날이었습니다. 다만 지수 낙폭보다 훨씬 컸고, 증권가와 언론이 지목한 이유가 따로 있었습니다.)

HD현대일렉트릭이 빠진 결정적 이유는 컨퍼런스콜 한 마디였습니다. 새 성장동력인 배전 사업의 매출이 2029년부터 반영될 것이라고 밝힌 겁니다. 관세 환급 효과도 2분기에 약 60억원에 그쳤고 실질 개선은 2년쯤 뒤라고 했습니다. 시장은 “그래서 그건 언제 돈이 되는데?“에 실망한 것이고, 증권사들은 곧바로 목표주가를 내렸습니다(신한투자 150만→100만원, 삼성 153만→116만원, 대신 150만→115만원).

반면 LS일렉트릭은 사상 최대 실적에 수주가 한 단계 올라섰고, 증권사들은 목표주가를 올렸습니다(KB 26만→28만원, 한국투자 33만원).

교훈은 이겁니다. 시장은 “얼마 벌었나"가 아니라 “기대보다 나은가"와 “언제 버나"를 봅니다. 반도체 시리즈 10편에서 삼성전자가 영업이익 89조원을 발표하고도 주가가 빠졌던 것과 정확히 같은 원리입니다.

수주잔고란 정확히 무엇인가

이제 용어를 정리합시다. 셋을 구분해야 합니다.

신규수주: 이번 분기에 새로 딴 계약. 미래 매출의 ‘예약’입니다.
수주잔고: 그중 아직 매출로 인식되지 않고 쌓여 있는 금액. 곧 ‘일감’입니다.
매출·이익: 실제로 손익계산서에 찍힌 돈.

계산은 단순합니다.

수주잔고 = 지난 분기 잔고 + 이번 분기 신규수주 − 이번 분기 매출 인식

여기서 초보자가 자주 헷갈리는 게 있습니다. 수주잔고가 줄었다고 반드시 나쁜 게 아닙니다. 신규수주보다 매출 인식이 많았다는 뜻일 수도 있으니까요. 오히려 쌓아둔 일감이 실제 돈으로 바뀌고 있다는 신호일 수 있습니다.

그리고 전력기기 업종에는 긴 시차가 있습니다. 초고압 변압기는 발주에서 납품까지 약 3년, 일부 대용량은 4년까지 걸립니다. 미국 변압기 리드타임이 2024년 143주에서 2026년 1분기 160주로 늘어난 게 그 이야기죠. 즉 오늘 딴 수주는 3년 뒤의 매출입니다. 3편에서 “리드타임이 병목"이라고 했던 게, 투자자 입장에서는 “기대와 실적 사이의 시차"로 돌아옵니다.

그런데 수주잔고는 많을수록 좋을까

이 시리즈 내내 저는 수주잔고를 긍정 신호로 써왔습니다. 마지막 편에서 그걸 한 번 뒤집어 보겠습니다.

① 잔고에는 저마진 수주도 섞입니다. 금액이 커도 남는 게 적을 수 있습니다. 한 시론은 글로벌 우량기업은 수주잔고가 3년치를 넘는 경우가 드문 반면 국내 기업은 3~5년치를 ‘자랑’하는 경향이 있다고 지적합니다. 규모를 늘리려 마진을 양보한 수주가 섞였을 가능성이죠. 그래서 잔고 크기와 영업이익률 추이를 반드시 같이 봐야 합니다.

② 계약은 취소되고 연기됩니다. 잔고에 잡혀 있어도 발주처 사정으로 사라질 수 있습니다. 조선업에서는 지정학적 이유로 대형 계약이 일방 해지된 사례가 실제로 있었습니다.

③ 마진은 시차를 두고 옵니다. 좋은 사례가 7편에서 다룬 대한전선입니다. 구리가 급등하던 2025년 영업이익률은 1.5%까지 눌렸는데, 원가연동(에스컬레이션) 조항으로 판가 인상이 반영된 2026년 1분기엔 5.6%로 뛰었습니다. 같은 회사, 같은 사업인데 원자재와 판가의 시차가 마진을 갈랐습니다.

④ 회사마다 집계 기준이 다릅니다. 무엇을 잔고에 포함하는지가 제각각이라 회사끼리 단순 비교는 위험합니다.

한 가지 덧붙이면, 수주잔고가 쓸모없다는 뜻은 전혀 아닙니다. 국내 회계학 연구에서도 공시된 수주잔고 정보가 미래 이익에 대해 유의한 예측력을 갖는다는 실증 결과가 있습니다. 잘 쓰면 좋은 선행지표이고, 숫자 하나만 보면 함정이 된다 — 이게 정확한 표현입니다.

직접 확인하는 순서

기사로 읽는 것과 원문을 보는 것은 다릅니다. 5분이면 됩니다.

전자공시(dart.fss.or.kr) 에서 회사명을 검색합니다.
공시유형을 정기공시로 걸고 사업보고서·분기보고서·반기보고서를 엽니다.
좌측 목차에서 「II. 사업의 내용」 → 「매출 및 수주상황」 을 클릭합니다. 여기에 사업부문별 수주총액·기납품액·수주잔고가 표로 나옵니다.
세 숫자를 같이 봅니다 — 신규수주, 수주잔고, 그리고 영업이익률.
가이던스와 대조합니다. 회사가 제시한 연간 수주 목표 대비 누적 신규수주가 몇 %인지 직접 계산해보세요.

5번이 의외로 강력합니다. 2026년만 봐도 HD현대일렉트릭은 연간 목표 42.2억 달러 중 1분기에 43%를 채웠고, 효성중공업은 목표를 8조4,000억원에서 12조원으로 상향했으며, LS일렉트릭도 4조원에서 6조~6조5,000억원으로 올렸습니다. 가이던스 상향은 주가가 가장 크게 반응하는 이벤트 중 하나인데, 진도율을 따라가면 그 상향을 미리 짐작할 수 있습니다.

참고로 대형 계약은 단일판매·공급계약체결 공시로도 나옵니다. 다만 유가증권시장은 전년 매출의 5%(대규모법인 2.5%), 코스닥은 10% 이상일 때만 의무공시라, 작은 계약들은 공시에 안 잡힙니다. 실제로 LS일렉트릭은 2분기 공시된 수주가 약 8,000억원이었지만 미공시 계약까지 포함하면 2조원 이상으로 추정됐습니다. 공시만 세면 과소평가하게 되는 이유입니다.

투자자 관점 — 정리하면

① 절대 숫자보다 기대 대비. 영업이익 2,870억원이 1,785억원보다 큰데도 주가는 반대로 갔습니다. 컨센서스와 가이던스가 절대 금액보다 셉니다.

② “언제"를 물으세요. HD현대일렉트릭을 무너뜨린 건 실적이 아니라 “2029년"이라는 시점이었습니다. 수주를 볼 때마다 “이건 몇 년 뒤 매출인가"를 붙여 생각하는 습관이 필요합니다.

③ 마진 ‘수준’이 아니라 ‘방향’. HD현대일렉트릭의 영업이익률 25.1%는 업계 최상위입니다. 그런데 전분기 대비 개선폭이 +0.2%p에 그친 게 “마진 모멘텀 둔화"로 읽혔습니다. 시장은 높이보다 기울기를 봅니다.

④ 원문을 한 번은 보세요. 기사에 나온 수치는 대개 회사가 강조하고 싶은 숫자입니다. 5분만 들여 공시 원문에서 신규수주·잔고·이익률을 같이 확인하면 그림이 훨씬 정확해집니다.

정리

수주잔고 = 지난 잔고 + 신규수주 − 매출 인식. 잔고가 줄어드는 게 나쁜 신호만은 아닙니다. 전력기기는 수주에서 매출까지 3~4년이 걸립니다.
시장은 절대 금액이 아니라 기대 대비와 시점을 봅니다. 2026년 2분기, LS일렉트릭은 사상 최대 실적과 수주 레벨업으로 +17.26%, HD현대일렉트릭은 컨센서스 부합에도 신사업 매출이 2029년이라는 이유로 −13.05%였습니다.
잔고 숫자 하나로 판단하지 마세요. 저마진 수주, 취소·연기, 원자재와 판가의 시차, 회사별 집계 기준 차이가 모두 숨어 있습니다. 잔고와 영업이익률을 함께, 그리고 가이던스 달성률까지 보는 게 실전입니다.

시리즈를 마치며

열 편을 쓰면서 제가 배운 걸 하나로 줄이면 이렇습니다. 처음 보이는 이야기와 실제로 돈이 나는 곳은 자주 다릅니다.

발표는 SMR인데 실적은 가스터빈이었고(2편), 구리가 올랐다는데 데이터센터는 전체 수요의 2%였고(7편), 액침냉각이 화제인데 돈은 칠러에서 났고(8편), 같은 “전력주” 안에 PER이 100배 차이가 났습니다(9편). 그리고 오늘, 더 많이 번 회사의 주가가 더 많이 빠졌습니다.

테마 이름은 출발점일 뿐이고, 그다음은 매번 숫자를 직접 확인해야 하더군요. 이 시리즈가 그 확인을 조금 덜 막막하게 만들었다면 저는 만족합니다.

반도체 교과서 10편에 이어 전력까지, 스무 편을 함께 읽어주셔서 고맙습니다. 다음 시리즈에서 뵙겠습니다.

⚠️ 이 글은 AI를 활용해 투자 관련 내용을 공부하며 정리한 글입니다. 특정 종목이나 투자 방식에 대한 권유가 아니며, 내용에 오류가 있거나 최신 정보와 다를 수 있습니다. 실제 투자 전에는 공식 자료를 직접 확인하시기 바랍니다. 투자 판단과 그 결과에 대한 책임은 투자자 본인에게 있습니다.

인용된 수치·목표주가·전문가 견해는 해당 시점 자료이며 언제든 바뀔 수 있습니다.

한국 전력주 지형도 — 사상 첫 이틀 연속 서킷브레이커 뒤에 남은 질문 · AI 전력 투자 교과서 ⑨

Mon, 03 Aug 2026 16:30:00 +0900

이 시리즈를 시작한 1편부터 8편까지, 참 많은 종목 이름이 나왔습니다. 오늘은 그걸 한 판에 모읍니다.

그런데 하필 지금 시장이 뒤집혔습니다. 7월 28일과 29일, 코스피는 사상 처음으로 이틀 연속 서킷브레이커가 걸렸습니다. 28일 오전 10시 13분에 −8.04%, 29일 낮 12시 33분에 −8.17%. 코스닥까지 양대 시장이 이틀 연속 멈춘 것도 처음입니다. 이틀 만에 시가총액 865조원이 사라졌습니다.

원인은 전력이 아니라 반도체였습니다. 중국 창신메모리(CXMT)의 상하이 상장이 성공하며 추격 위협이 부각됐고, SK하이닉스 실적이 컨센서스에 못 미친 데다 컨퍼런스콜에서 주주환원 정책도 명확한 가이던스도 나오지 않았습니다. 반도체 시리즈 8편에서 “코스피의 절반이 반도체 두 종목"이라고 썼던 구조가, 이번엔 반대 방향으로 작동한 셈입니다.

전력주도 같이 맞았습니다. 그런데 이 맥락이야말로 지형도가 필요한 순간입니다. 다 같이 오를 때는 지도가 필요 없지만, 다 같이 맞은 다음에는 무엇이 남고 무엇이 아닌지 가려야 하니까요.

먼저 짚을 것 — 실적은 사상 최대였습니다

주가가 빠진 것과 회사가 못 번 것은 다른 이야기입니다. 2026년 2분기 실적을 보면 오히려 반대입니다.

효성중공업: 영업이익 2,643억원(+60.9%) — 분기 사상 최대. 2분기 신규수주 3조3,242억원(+51%), 상반기 누적 7조4,981억원으로 작년 연간 수주에 육박. 수주잔고 17.5조원(+63%).
LS일렉트릭: 영업이익 1,785억원(+64.6%) — 분기 사상 최대. 수주잔고 7조원.
HD현대일렉트릭: 영업이익 2,870억원(+37.3%), 2분기 신규수주 14.4억 달러(+44.6%).
대한전선: 영업이익 608억원(+113%). 다만 파생상품 평가손실 1,733억원이 별도로 발생해 순이익은 훼손됐습니다.
가온전선: 영업이익 361억원(+55.5%) — 반기 사상 최대.

그런데 같은 기간 주가는 5~6월에 전력기기 업종 평균 −38% 조정을 받았습니다. NH투자증권 이민재 연구원은 “국내 전력기기 주가는 1개월 전 대비 평균 38% 하락했다"고 짚었고, 유안타증권 손현정 연구원은 이를 “업황 피크아웃이 아니라 상반기 급등 후 차익 실현과 AI 테마 내 수급 로테이션이 맞물린 결과” 로 규정했습니다.

4편에서 “슈퍼사이클과 거품이 둘 다 사실이고, 밸류가 이익보다 앞서 있다"고 정리했는데, 그 밸류가 한 번 되돌려진 구간이 이번 조정이었던 셈입니다.

지형도 — 1~8편 종목을 한 판에

이제 지도를 펼칩니다. 5편에서 그린 발전→송전→배전 3단계에 8편의 냉각을 더한 네 구획입니다.

발전(전기를 만든다): 두산에너빌리티, 한국전력, 한전기술, 비에이치아이, 우리기술. 두산에너빌리티는 2분기 영업이익 3,143억원(+16%)에 상반기 신규수주 7.1조원을 쌓았습니다. 2편에서 짚은 “발표는 SMR, 실적은 가스터빈” 구도가 여전합니다.
송전(멀리 보낸다): HD현대일렉트릭, 효성중공업, LS전선(비상장), 대한전선, 일진전기, LS에코에너지. 3편·7편의 주인공들이고, 지금 돈이 가장 많이 몰리는 구간입니다.
배전(나눠 공급한다): LS일렉트릭, 가온전선, 산일전기, 제룡전기. 대신증권 허민호 연구원은 “배전 시장은 송전 시장보다 규모가 큰 만큼 관련 시장 확대 여부가 향후 성장의 중요한 변수” 라고 봅니다.
냉각(열을 빼낸다): LG전자, GST, 삼성전자(플랙트그룹), SK엔무브, GS칼텍스. 8편에서 봤듯 아직 실적 초기 구간입니다.

핵심 — “전력주"는 한 덩어리가 아닙니다

지도를 그리고 나서 밸류에이션을 얹었더니, 이번 편에서 가장 놀란 대목이 나왔습니다.

같은 “전력주” 안에서 PER이 31배부터 3,692배까지 벌어져 있습니다.

HD현대일렉트릭 31.3배 — 이익이 이미 따라온 구간입니다. 송전 3사 중 배수가 가장 낮아 “실적 대비 저평가” 주장의 근거로 자주 인용됩니다.
효성중공업 52.5배 / LS일렉트릭 87.3배 — 성장은 인정받지만 밸류는 부담인 구간. 실제로 맥쿼리는 LS일렉트릭을 콕 집어 “펀더멘털 대비 주가가 과도하다"며 투자의견을 중립에서 매도로 낮췄습니다.
두산에너빌리티·한전기술·대한전선 110~230배 — 미래 실적을 크게 당겨온 구간입니다. 대한전선은 2026년 예상 PER 133.3배로 증권가에서도 “부담"이라고 명시합니다.
우리기술 3,692배 — 실질 이익이 거의 없어 PER이라는 지표 자체가 의미를 잃은 구간입니다. 이 회사는 2025년 영업적자였는데 1월 3,800원대에서 3월 2만원대까지 올랐습니다.

수익률도 갈렸습니다. 4월 말 기준 연초 대비 HD현대일렉트릭 +194.4%, LS일렉트릭 +108.1%, 효성중공업 +67.7% — 같은 “전력기기 빅3” 안에서도 세 배 가까운 격차입니다.

“AI 전력 관련주"라는 한 단어 안에 100배의 가격 차이가 들어 있습니다. 테마 이름으로 묶어 사면 무엇을 샀는지 모르는 채로 사게 되는 이유입니다.

그래서 무엇으로 구분하나 — 네 가지

증권가도 5월 말부터 프레임을 바꿨습니다. “무차별 랠리"에서 “옥석 가리기” 로요. 실제로 7월 한 달 증권사 목표주가 리포트는 상향 167건 대 하향 157건으로 거의 1대1이었습니다. 상향이 하향의 9.7배였던 2월과 비교하면 시장의 온도가 완전히 달라졌습니다.

① 수주잔고가 매출로 바뀌는 속도. 잔고가 쌓인 것과 이익이 나는 것은 다릅니다. 7편에서 LS전선 버지니아 공장이 2028년, 대한전선 당진 2공장이 2027년 가동이라고 했죠. 기대와 실적 사이에 2년 시차가 있습니다. 분기마다 전환 속도를 확인해야 합니다.

② 북미 노출도. 돈은 미국 데이터센터와 노후 전력망에서 나옵니다. LS증권 성종화 연구원은 “기업별 실적 성장성과 북미 시장 노출도에 따라 기업별 주가 반등 강도가 달라질 것” 이라고 명시적으로 프레임화했습니다.

③ 관세가 같지 않습니다. 이게 의외로 중요합니다. 효성중공업과 HD현대일렉트릭은 미국 관세 0%(면제)인데, LS일렉트릭은 반덤핑 관세 16.87% 를 부과받았습니다. 대형 변압기 관세도 25%에서 15%로 한시 인하됐지만 연장 여부가 변수입니다. 같은 업종, 같은 테마여도 조건이 다릅니다.

④ 밸류가 이익보다 앞섰나. 4편에서 던진 질문을 이제 종목마다 다시 던져야 합니다. PER 31배와 133배는 같은 테마여도 다른 자산입니다.

양쪽 이야기를 나란히

강세 쪽. KB증권 정혜정 연구원은 LS일렉트릭 목표주가를 24만원에서 28만원으로 올리며 “빅테크향 수주는 반복적인 계약으로 이어질 가능성이 커 중장기 성장 기반이 더욱 강화될 것” 이라고 했습니다. 2분기 북미 빅테크·데이터센터향 신규 수주만 약 8,000억원이었습니다. 미국 변압기 조달 리드타임이 과거 1년에서 3~4년으로 늘어난 것도 구조적 우위 근거로 꼽힙니다.

신중 쪽. JP모건은 “업황과 주가는 구분해서 봐야 한다"고 지적했고, 앞서 본 대로 맥쿼리는 LS일렉트릭에 매도 의견을 냈습니다. 리스크로는 북미 데이터센터 건설 지연, 중국 업체의 제3국 우회 진입이 거론됩니다. 실제로 중소형주에서는 이미 균열이 보입니다 — 제룡전기는 2026년 1분기 매출 −30.9%, 영업이익 −63.4%로 꺾였습니다. 경쟁 심화와 관세, 선제 투자에 따른 고정비 증가가 겹친 결과입니다.

제 정리는 이렇습니다. 업황은 아직 꺾이지 않았습니다. 2분기 실적이 그걸 증명했고, 수주잔고는 4~5년치입니다. 다만 모든 전력주가 그 업황을 똑같이 나눠 갖지는 않습니다. 조정은 업황이 아니라 밸류와 수급을 되돌린 것이고, 그 되돌림에서 살아남는 기준이 위의 네 가지입니다.

정리

실적과 주가가 갈라졌습니다. 2분기 효성중공업·LS일렉트릭은 분기 사상 최대 이익을 냈는데, 5~6월 업종 주가는 평균 −38%였고 7월 말엔 사상 첫 이틀 연속 서킷브레이커까지 겹쳤습니다. 조정의 원인은 전력이 아니라 반도체발 충격과 차익실현이었습니다.
지형도는 네 구획입니다. 발전(두산·한전기술) → 송전(HD현대일렉·효성·전선 3사) → 배전(LS일렉트릭·가온전선) → 냉각(LG전자·GST). 지금 가장 뜨거운 곳은 송전, 아직 초기인 곳은 냉각입니다.
한 덩어리로 사지 마세요. 같은 테마 안에서 PER이 31배부터 3,692배까지, 연초 대비 수익률은 +67%부터 +194%까지 벌어져 있습니다. 구분 기준은 수주잔고 전환 속도 · 북미 노출도 · 관세 조건 · 밸류와 이익의 거리 네 가지입니다.

다음 [10편]은 이 시리즈의 마지막 편입니다. 오늘 계속 나온 수주잔고라는 단어를 제대로 파고들겠습니다. 전력주의 실적과 수주를 실제로 어떻게 읽는지 — 반도체 시리즈 10편이 실적 읽는 법을 다뤘듯, 전력판 버전으로 마무리하겠습니다.

⚠️ 이 글은 AI를 활용해 투자 관련 내용을 공부하며 정리한 글입니다. 특정 종목이나 투자 방식에 대한 권유가 아니며, 내용에 오류가 있거나 최신 정보와 다를 수 있습니다. 실제 투자 전에는 공식 자료를 직접 확인하시기 바랍니다. 투자 판단과 그 결과에 대한 책임은 투자자 본인에게 있습니다.

인용된 수치·목표주가·전문가 견해는 해당 시점 자료이며 언제든 바뀔 수 있습니다.

AI로 게임 만들기 #6 — 먼지에서 은하까지, 합쳐서 진화시키는 퍼즐 (공개빌드 #6)

Mon, 03 Aug 2026 09:00:00 +0900

지난 편의 종이 농구에 이어, 여섯 번째 게임은 우주 진화입니다. 같은 천체끼리 합치면 한 단계씩 진화하는 낙하 퍼즐이에요. ✨먼지에서 시작해서 🌌은하까지 갑니다.

이번 편의 진짜 이야기는 게임 자체보다 “너무 쉽다"는 피드백을 어떻게 잡았나입니다. 결론부터 말하면, 감으로 고치지 않고 시뮬레이션을 돌렸어요.

👉 우주 진화 직접 하러 가기

어떤 게임이냐면

탭해서 천체를 떨어뜨리면, 같은 것끼리 닿을 때 합쳐지며 진화
✨먼지 → ☄️운석 → 소행성 → 🌑달 → 화성 → 🌍지구 → 목성 → 🪐토성 → 갈색왜성 → ⭐항성 → 🌌은하 (11단계)
연달아 합치면 🔥ON FIRE(2배 점수), 보관(HOLD) 한 칸에 넣어뒀다 나중에 쓰기
통 위로 넘치면 끝. 📅데일리 챌린지는 그날 모두 같은 순서로 나옵니다

천체는 우리 집 그래픽카드가 그렸다

11종 전부 예전에 깔아둔 ComfyUI로 뽑았습니다. 그런데 생성만으로 끝이 아니었어요:

배경이 회색인 이미지가 섞여 있어서, 원형으로 자르니 천체 주위에 회색 접시가 생김 → 배경색을 자동 감지해 투명 처리하고 물체에 딱 맞게 다시 크롭
달이 초승달처럼 그림자가 져서 혼자 어색함 → “정면 균일 조명"으로 다시 생성 (세 번 만에 성공)
화성이 한 장에 네 개 들어가 있기도 했고, 목성은 배경 불꽃까지 딸려와서 더 확대해 잘라냄

AI가 그려준 걸 그대로 쓰는 게 아니라, 게임에 맞게 다듬는 작업이 절반이더라고요.

“너무 쉽다” — 감이 아니라 숫자로 잡기

처음 만들고 나서 “좀 쉬운데?“라는 얘기를 들었습니다. 예전 같으면 대충 값을 바꿔봤겠지만, 이번엔 게임을 자동으로 플레이시켜서 측정했어요. 아무렇게나 던지는 플레이어와, 같은 천체 근처에 놓는 플레이어를 각각 여러 판 돌렸습니다.

결과가 충격적이었어요:

아무렇게나 던져도 매판 9번째 단계까지 도달하고, 한 판이 156번이나 이어짐

원인도 숫자로 나왔습니다. 합칠 때마다 공간이 22%씩 남고 있었어요. 반지름이 1.25배씩 커지게 해놨는데, 그러면 두 개(면적 2)가 합쳐져도 1.56밖에 안 되거든요. 즉 합칠수록 통이 비어서 영원히 안 차는 구조였습니다. 면적이 유지되려면 √2 ≈ 1.41배여야 했어요.

12가지 조합을 다 돌려보고 고름

반지름·통 크기·낙하 분포를 조합한 12가지 설정을 전부 시뮬레이션해서 제일 나은 걸 골랐습니다. 기준은 두 가지였어요 — 판이 너무 늘어지지 않을 것, 그리고 잘하는 사람이 확실히 더 잘 나올 것.

	무작위 플레이	도달 단계
처음	156번 만에 종료	9단계
고친 뒤	63번	6단계
하드	48번	5단계

중간에 재밌는 일도 있었어요. 하드에서 “전략적으로 두는 쪽이 아무렇게나 던지는 쪽보다 못하다"는 이상한 결과가 나왔거든요. 표본을 3판에서 8판으로 늘려 다시 돌리니 **그냥 운빨(노이즈)**이었습니다. 3판만 보고 튜닝했으면 엉뚱하게 고칠 뻔했어요.

하드는 3개를 모아야 합쳐집니다

난이도를 이지/노멀/하드로 나눴는데, 하드는 규칙 자체가 다릅니다 — 2개가 아니라 3개가 붙어야 합쳐져요. 트리플 타운 같은 방식이죠. 이거 하나로 점수가 1/4로 떨어질 만큼 어려워집니다.

구현은 맞닿은 같은 등급 천체들을 하나의 덩어리로 묶어서 3개 이상이면 합치는 방식이라, 일렬이든 삼각형이든 붙어 있기만 하면 됩니다.

이번 편에서 배운 것

“재미있나?“는 취향이지만, “너무 쉬운가?“는 측정할 수 있습니다. 게임을 스스로 플레이하게 만들어 몇 판 돌려보면 숫자가 나오고, 그 숫자를 보고 고치면 훨씬 빠르고 정확해요. 이번엔 그 덕에 **“합칠수록 공간이 남는다”**는, 그냥 플레이해서는 절대 몰랐을 원인을 찾았습니다.

이제 게임 랩이 6개

	게임	성격
🎨	AI 그림 맞히기	머리 (퀴즈)
🟩	한글 단어 맞히기	습관 (데일리)
🍰	디저트 탑 쌓기	손맛 (아케이드)
🕹️	낙하 회피	반사신경 (액션)
🗑️	종이 농구	조준 (물리)
🪐	우주 진화	최고점 (병합 퍼즐)

우주 진화 한 판 해보시고 어디까지 갔는지 알려주세요. 저는 아직 은하를 못 봤습니다. 🌌

다음 편엔 일곱 번째 게임을 들고 오겠습니다.

냉각 — AI 데이터센터의 숨은 병목, 그런데 액침냉각 관련주는 왜 실적이 없을까 · AI 전력 투자 교과서 ⑧

Sun, 02 Aug 2026 22:00:00 +0900

1편에서 AI 전력난을 발전·전달·냉각 세 갈래로 나눴고, 5편과 6편에서 “냉각은 8편에서 따로"라고 계속 미뤄뒀습니다. 오늘이 그 8편입니다.

앞선 편들이 전기를 넣는 이야기였다면, 오늘은 빼내는 이야기입니다. 데이터센터에 들어간 전기는 거의 100%가 열로 바뀝니다. 135kW를 먹는 랙은 135kW짜리 히터이기도 합니다. 그 열을 못 빼면 서버는 멈춥니다.

공랭은 이미 벽에 부딪혔습니다

숫자 두 개만 나란히 놓으면 상황이 끝납니다.

공기로 식힐 수 있는 랙의 한계는 대략 8~25kW입니다. 특수 설계를 해도 30~40kW가 열역학적 천장으로 이야기됩니다. 그런데 엔비디아 GB300 NVL72 랙은 135kW(피크 155kW)를 뿜습니다. 벽의 다섯 배가 넘습니다.

그래서 결과가 명료합니다. GB300에는 공랭 버전이 아예 없습니다. 열의 90%를 액체로 빼고 10%만 공기로 처리하는 구조가 기본값입니다. 액체냉각은 “더 효율적인 선택지"가 아니라 제품이 강제하는 전제조건이 됐습니다.

칩 단위로 보면 더 선명합니다. H100이 700W였는데 B200이 1,000W, B300은 1,400W입니다. GPU 한 장이 전기장판 한 장만큼 열을 냅니다. 6편에서 랙 밀도가 8kW에서 120kW로 뛰었다고 했는데, 그 숫자의 뒷면이 바로 이 열입니다.

방식은 셋, 그런데 승자는 예상과 다릅니다

냉각 방식은 크게 세 가지입니다.

공랭은 위에서 봤듯 고밀도 AI에는 더 이상 답이 아닙니다. PUE(전력사용효율, 1에 가까울수록 좋음)도 1.5~1.6대로 나쁩니다.

콜드플레이트(Direct-to-Chip) 는 칩 위에 물이 흐르는 금속판을 붙여 열을 직접 받아내는 방식입니다. 랙당 60~~175kW를 감당하고 PUE는 1.05~~1.2까지 내려갑니다.

액침냉각(Immersion) 은 서버를 통째로 전기가 안 통하는 유전체 액체에 담그는 방식입니다. 랙당 100~~250kW, PUE는 **1.01~~1.08**로 셋 중 가장 좋습니다.

그러면 당연히 액침이 이겨야 할 것 같은데, 현실은 다릅니다. 2026년 현재 사실상의 표준은 콜드플레이트입니다. 액침냉각의 전 세계 데이터센터 도입률은 아직 5% 미만입니다.

효율이 제일 좋은데 왜 액침은 안 퍼질까

이게 이번 편에서 제일 중요한 대목이라고 생각합니다.

① 엔비디아가 보증을 안 해줍니다. 이게 결정적입니다. GPU를 유전체 액체에 담그면 대부분의 워런티가 무효가 됩니다. 엔비디아는 아직 액침냉각에 대한 수명 인증을 내주지 않고 있습니다. 수억 원짜리 GPU를 보증 없이 액체에 담글 운영자는 없습니다. 참고로 인텔은 Shell·슈퍼마이크로·Submer와 함께 제온 프로세서용으로 워런티가 유지되는 단상 액침 솔루션을 이미 내놨습니다 — 기술적으로 불가능해서가 아니라는 뜻입니다.

② 표준이 없습니다. 액침냉각 국제표준안은 2025년에야 처음 제안됐습니다. 업체마다 탱크도 유체도 인터페이스도 제각각입니다.

③ 기존 센터를 고치기 어렵습니다. 탱크를 놓으려면 상면·하중·배관을 새로 설계해야 합니다. 반면 콜드플레이트는 랙 단위로 하나씩 바꿔 끼울 수 있습니다. 이 “점진적 도입 가능"이 실전에서 승부를 갈랐습니다.

④ 한국은 규제가 한 겹 더 있습니다. 국내 소방법·위험물안전관리법은 냉각유 인화점을 250도 이상으로 요구하는데, 미국·유럽은 100도 이하도 허용합니다. 글로벌 표준 제품을 그대로 들여올 수 없는 구조입니다.

종합하면 액침냉각은 2026년이 아니라 2027~28년 이야기로 보는 게 타당합니다. 시장에서는 엔비디아가 루빈 울트라 세대 이후 액침을 품을 것으로 보고 있습니다.

그래서 한국 종목은 어디쯤 와 있나

여기서 투자자에게 중요한 질문이 나옵니다. “액침냉각 관련주"로 묶여 오른 종목들은 실제로 돈을 벌고 있을까요?

제가 찾아본 범위에서 결론은 이렇습니다. 액침냉각 자체로 유의미한 매출이 확인되는 국내 상장사는 아직 없습니다.

LG전자는 이 중 실제 돈이 도는 게 확인되는 쪽입니다. 다만 액침이 아니라 칠러·CDU(냉각수분배장치) 같은 수랭 인프라입니다. 데이터센터 칠러 수주가 전년 대비 3배로 늘었고, 2027년 칠러 사업 매출 1조원을 목표로 하고 있습니다.
삼성물산은 안산 40MW급 데이터센터를 4,000억원에 수주했습니다. 다만 이건 설계·시공(EPC) 종합수주이고 냉각만 떼어낸 매출은 아닙니다.
GS칼텍스·HD현대오일뱅크는 액침용 냉각유(플루이드) 를 만듭니다. 정유사의 윤활기유 기술이 그대로 쓰이는 분야라 한국이 실제로 강점을 가진 영역입니다.
삼성전자는 유럽 최대 HVAC 업체 플랙트그룹을 2.4조원에 인수했지만, 액침은 아직 한 기업과 PoC(개념검증)를 진행하는 단계입니다.
GST는 국내 상장사 중 유일하게 2상 액침냉각 장비 기술을 갖고 있습니다. 다만 최근 좋은 실적은 본업인 반도체 스크러버에서 나온 것이고, 액침 납품계약은 확인되지 않습니다.
케이엔솔은 글로벌 1위 Submer와 협력해 국내에 솔루션을 소개하는 단계입니다.

투자자 관점 — 네 단계로 확인하세요

테마와 실적을 구분하는 데 쓸 만한 기준이 있습니다. 냉각 관련주를 볼 때 다음 네 단계 중 어디까지 왔는지 확인하는 겁니다.

단계	확인할 것
1단계	제품·용량을 공개했는가
2단계	외부 고객과 실증(PoC)을 했는가
3단계	유료 납품계약을 공시했는가
4단계	반복 주문이 들어오는가

MOU와 샘플 공급은 1~~2단계입니다. 사업은 3단계부터고, 투자할 만한 실적은 4단계에서 나옵니다. 국내 액침냉각 종목 대부분은 아직 1~~2단계에 있습니다.

여기에 세 가지를 덧붙이겠습니다.

① 지금 돈이 되는 건 액침이 아니라 수랭입니다. 콜드플레이트·칠러·CDU가 실제 발주가 나오는 영역입니다. 7편에서 “구리 시세로 전선주를 사지 말라"고 했던 것과 같은 구조입니다. 테마 이름과 매출이 나오는 곳이 다릅니다.

② 한국의 진짜 강점은 냉각유일 수 있습니다. 탱크와 시스템은 Submer·GRC 같은 해외 업체 기술을 들여오는 구조지만, 냉각유는 정유사들이 자체 기술로 인증까지 받아냈습니다.

③ 트리거는 엔비디아입니다. 액침냉각 관련주의 실적이 언제 붙을지는 결국 엔비디아가 언제 액침 보증을 열어주느냐에 달렸습니다. 기업 IR보다 엔비디아의 냉각 인증 정책을 보는 게 빠릅니다.

그리고 물 문제가 남습니다

냉각에는 전기 말고 물도 듭니다. 미국 데이터센터의 직접 물 사용량은 2023년 174억 갤런에서 2028년 380~730억 갤런으로 늘어날 전망입니다. 이미 20개 이상 주에서 데이터센터 규제·모라토리엄 논의가 벌어지고 있고, 2026년 1분기에만 1,300억 달러 규모 프로젝트가 지연되거나 철회됐습니다.

4편에서 “미국 데이터센터 계획 물량 대비 실제 착공이 적다"고 했던 이유 중 하나가 여기 있습니다. 전력 다음 관문이 물이고, 그래서 무수(waterless)·폐쇄루프 냉각이 새 화두로 떠오르는 중입니다.

정리

액체냉각은 이제 선택이 아닙니다. 공랭 한계는 랙당 25kW인데 GB300은 135kW를 뿜습니다. 엔비디아가 아예 공랭 버전을 만들지 않습니다.
그런데 승자는 액침이 아니라 콜드플레이트입니다. 액침은 효율(PUE 1.01~~1.08)이 가장 좋지만 도입률 5% 미만입니다. 엔비디아 미보증, 표준 부재, 개조 난이도, 한국의 인화점 규제가 겹쳤습니다. 액침은 2027~~28년 이야기입니다.
국내에서 액침으로 매출이 확인되는 상장사는 아직 없습니다. 실제 돈은 칠러·CDU(LG전자)와 냉각유(정유사)에서 먼저 납니다. 종목을 볼 땐 제품 공개 → 실증 → 유료 계약 공시 → 반복 주문 네 단계 중 어디인지 확인하세요.

다음 [9편]에서는 지금까지 나온 종목들을 한 판에 모읍니다. 한국 전력주 지형도 — 발전부터 냉각까지, 우리 종목이 각각 어디에 서 있고 무엇으로 구분되는지 정리하겠습니다.

⚠️ 이 글은 AI를 활용해 투자 관련 내용을 공부하며 정리한 글입니다. 특정 종목이나 투자 방식에 대한 권유가 아니며, 내용에 오류가 있거나 최신 정보와 다를 수 있습니다. 실제 투자 전에는 공식 자료를 직접 확인하시기 바랍니다. 투자 판단과 그 결과에 대한 책임은 투자자 본인에게 있습니다.

인용된 수치와 전망은 해당 시점 자료이며 언제든 바뀔 수 있습니다.

구리와 전선은 왜 AI 수혜주가 됐나 — 데이터센터는 구리 수요의 2%뿐인데 · AI 전력 투자 교과서 ⑦

Fri, 31 Jul 2026 10:00:00 +0900

6편에서 전력의 돈이 발전·송전·배전·냉각 네 갈래로 갈라지는 삼각주를 그렸습니다. 오늘은 그 강의 가장 밑바닥으로 내려갑니다. 반도체 시리즈 7편에서 소부장을 다뤘듯이, 전력에도 소부장이 있습니다. 그 대표가 구리입니다.

요즘 “AI가 구리를 올렸다"는 말을 자주 듣습니다. 실제로 구리는 올해 1월 29일 런던금속거래소(LME)에서 톤당 14,527달러까지 치솟아 사상 최고가를 새로 썼습니다. 하루 상승폭이 2008년 금융위기 이후 최대였죠. 지금은 조금 내려와 13,300~13,600달러 선에서 움직이고 있습니다.

그런데 숫자를 뜯어보다가 좀 이상한 걸 발견했습니다.

반전 하나 — 데이터센터는 구리 수요의 2%도 안 됩니다

2026년 세계 정련구리 소비량은 약 2,870만 톤입니다. 이 중 데이터센터가 쓰는 양은 JP모건 추정으로 약 47.5만 톤 — 전체의 2%가 채 안 됩니다. 국제에너지기구(IEA)도 2030년이 되어야 데이터센터 비중이 2% 남짓에 도달할 것으로 봅니다.

전체 수요의 2%짜리가 어떻게 가격을 사상 최고가로 밀어 올릴까요? 이게 말이 안 되는 것 같지만, 분모를 바꾸면 답이 나옵니다.

2026년 구리 수요는 전년 대비 약 45만 톤 늘어납니다(증가율 1.6%). 그런데 이 증가분 중 AI 데이터센터가 만든 몫이 약 11만 톤입니다. 전체로는 2%지만, 늘어난 몫으로 보면 4분의 1인 겁니다.

여기에 결정타가 하나 더 있습니다. 국제구리연구그룹(ICSG)은 2026년 구리 시장이 약 15만 톤 부족할 것으로 봅니다. AI가 새로 만들어낸 수요 11만 톤이, 올해 공급 부족분과 거의 맞먹는 규모라는 뜻입니다.

원자재 시장의 생리가 여기 있습니다. 재고가 바닥인 시장에서 가격을 정하는 건 ‘전체 비중’이 아니라 ‘마지막 한 톤’입니다. 100명이 앉은 식당에 의자가 99개일 때, 늦게 온 한 사람이 가격을 정하는 것과 같습니다. 데이터센터는 그 마지막 한 사람 역할을 하고 있습니다.

그리고 공급은 18년이 걸립니다

수요 쪽이 이렇다면, 공급은 왜 못 따라올까요. 구리 광산은 발견에서 첫 상업생산까지 평균 17.9년이 걸립니다.

흥미로운 건 **가장 긴 구간이 ‘기술’이 아니라 ‘허가’**라는 점입니다. 탐사와 발견에 1~~5년, 건설에 3~~5년인데, 인허가와 환경영향평가에만 5~~10년이 걸립니다. 돈을 아무리 많이 부어도 이 구간은 단축이 안 됩니다. 3편에서 변압기 리드타임이 3~~5년이라 병목이라고 했는데, 구리는 그보다 한참 더 깁니다.

여기에 세 가지가 겹칩니다.

광석 품위 하락: 평균 품위가 0.6% 미만으로 25년 전의 절반 수준입니다. 같은 양의 구리를 캐려면 더 깊이 파고 훨씬 많은 암석을 처리해야 합니다.
대형 사고: 세계 최대급 광산인 인도네시아 그라스버그가 2025년 9월 붕괴 사고로 멈췄습니다. 2026년 말까지 증발하는 생산량이 59.1만 톤, 완전 정상화는 2028년으로 밀렸습니다.
장기 갭: S&P글로벌은 세계 구리 생산이 2030년 3,300만 톤에서 정점을 찍고 감소하는 반면 수요는 2040년 4,200만 톤으로 늘어, 1,000만 톤이 부족해질 것으로 전망합니다.

다만, 전문가들은 정반대로 갈립니다

여기까지만 보면 “구리는 무조건 오른다"로 들립니다. 그런데 기관 전망을 모아보면 방향 자체가 갈립니다.

기관	2026년 수급 전망
ICSG(국제구리연구그룹)	15만 톤 부족
JP모건	33만 톤 부족
모건스탠리	60만 톤 부족
골드만삭스	16만 톤 과잉

골드만삭스만 홀로 공급 과잉을 봅니다. 중국 수요가 생각보다 약하고, 신규 프로젝트와 제련 능력이 충분해 물리적 품귀는 오지 않는다는 논리입니다. 그래서 구리가 톤당 11,000달러를 오래 넘지 못할 것으로 봅니다 — 지금 가격보다 20% 낮은 수준이죠.

신중론의 근거도 만만치 않습니다. 알루미늄 대체가 대표적입니다. 알루미늄은 전도율이 구리의 61% 수준이지만 무게가 3분의 1이고 훨씬 쌉니다. 배선에 알루미늄을 쓰면 구리 소요량을 5~15% 줄일 수 있고, 실제로 가격이 급등하자 일부 제조사가 갈아타기 시작했습니다. 여기에 스크랩(재활용) 공급 증가도 완충 역할을 합니다. 가격이 오르면 창고에 잠자던 고철이 시장에 나오거든요.

제 정리는 이렇습니다. 구리의 장기 부족은 구조적이지만(광산 18년은 협상이 안 되는 숫자입니다), 단기 가격은 이미 상당 부분 그 기대를 반영했습니다. 1월 고점 14,527달러에서 지금 13,300달러대로 내려온 것 자체가 시장이 한 번 숨을 고른 흔적입니다.

반전 둘 — 전선주는 사실 ‘구리 베팅’이 아닙니다

여기서 대부분의 사람이 하는 다음 생각은 이겁니다. “구리가 오르네? 그럼 전선주 사야지.”

그런데 이 연결고리가 생각과 다릅니다. 구리는 전선 원재료비의 60% 이상을 차지합니다. 상식적으로는 원재료가 오르면 전선회사가 손해여야 합니다. 실제로는 어땠을까요?

국내 전선업계는 계약에 원가연동(에스컬레이션) 조항을 넣습니다. 구리 시세가 오르면 그만큼 판매가에 반영되는 구조죠. 그래서 구리값이 뛰면 마진율은 방어되면서 매출 규모는 오히려 커집니다. 2025년 구리 고공행진 속에서 LS전선 매출 7.6조원(+12.2%), 대한전선 3.6조원(+10.5%), 가온전선 2.5조원(+47.4%)으로 셋 다 늘어난 게 그 결과입니다.

물론 공짜는 아닙니다. 전가에는 시차(래깅) 가 있어서 급등 초기 분기엔 마진이 눌릴 수 있고, 반대로 구리값이 빠지면 매출도 같이 줄어듭니다.

핵심은 이겁니다. 전선주를 사는 건 구리 가격에 베팅하는 게 아닙니다. 구리는 대체로 통과하는 항목이고, 진짜 실적을 가르는 건 무엇을 파느냐(제품 믹스)와 얼마나 밀려 있느냐(수주잔고) 입니다.

그럼 무엇을 봐야 하나 — 한국 전선 지도

LS전선: 해저케이블·HVDC 세계 4위권. 미국 버지니아에 약 1조원을 들여 세계 최대급 해저케이블 공장을 짓고 있고, 2027년 하반기 완공·2028년 1분기 상업생산이 목표입니다. 단, 비상장사입니다. 직접 투자가 안 되니 상장 계열사(LS, LS일렉트릭, 가온전선, LS에코에너지)를 통한 간접 노출이 일반적입니다.
가온전선: LS전선 자회사로 버스덕트(데이터센터 내부 전력분배용 굵은 전력 트렁크)를 만듭니다. 메타를 비롯한 빅테크에서 누적 최대 6조원 규모를 수주했습니다. AI와의 연결고리가 가장 직접적인 곳입니다.
대한전선: 초고압 지중·해저케이블. 2026년 1분기 매출 1조834억원(+26.6%), 영업이익 604억원(+122.9%)에 수주잔고 3조8,273억원으로 역대 최대입니다. 다만 밸류 부담이 큽니다(뒤에서).
일진전기: 초고압 변압기·전력기기 중심. 수주잔고 약 2.6조원.
LS에코에너지: 베트남 생산 거점. 2026년 1분기 초고압케이블 매출이 +177% 뛰었습니다.

그리고 이 시장의 진짜 해자는 구리가 아니라 기술 문턱입니다. 525kV급 초고압 HVDC 해저케이블을 만들 수 있는 회사는 전 세계에서 프리즈미안(이탈리아)·넥상스(프랑스)·NKT(덴마크)·스미토모(일본)·LS전선 다섯 곳뿐이고, 이들이 시장의 85% 이상을 가져갑니다. 해저케이블 시장은 2025년 200억 달러에서 2030년 338억 달러로 연 11% 성장이 예상됩니다. 구리는 누구나 살 수 있지만, 525kV는 아무나 못 만듭니다.

투자자 관점 — 네 가지

① 구리 시세로 전선주를 사지 마세요. 원가연동으로 대체로 통과되는 항목입니다. 구리 차트를 보고 전선주를 매매하는 건 인과를 잘못 짚은 겁니다.

② 봐야 할 건 제품 믹스입니다. 같은 “전선회사"라도 일반 전선과 525kV 해저케이블은 마진이 완전히 다릅니다. 고부가 비중이 오르는 회사가 이깁니다.

③ 밸류 편차가 극심합니다. 대한전선은 2026년 예상 PER 133배·PBR 6배로 증권가에서도 부담이라고 명시할 정도인 반면, 일진전기는 PER 18.8배로 경쟁사 평균(30~33배)보다 낮습니다. 같은 테마 안에서도 값이 이렇게 다릅니다. 4편에서 말한 “밸류가 이익보다 앞서갔는가"를 종목별로 따져야 합니다.

④ 증설 완공 시점 = 실적 시점. LS전선 버지니아 공장은 2028년 1분기, 대한전선 당진 해저 2공장은 2027년 가동 목표입니다. 지금 쌓인 수주잔고가 매출로 바뀌는 건 그때부터입니다. 기대와 실적 사이에 2년 가까운 시차가 있다는 뜻입니다.

정리

데이터센터는 세계 구리 수요의 2%도 안 됩니다. 그런데도 가격을 밀어 올린 건, 2026년 수요 증가분의 4분의 1(약 11만 톤)을 AI가 만들었고 이게 올해 공급 부족분(15만 톤)과 맞먹기 때문입니다. 재고가 바닥이면 마지막 한 톤이 가격을 정합니다.
공급은 18년이 걸립니다. 발견에서 생산까지 평균 17.9년, 그중 인허가만 5~10년. 품위 하락과 그라스버그 사고(59.1만 톤 증발)가 겹쳤습니다. 다만 골드만삭스는 홀로 공급 과잉을 보고, 알루미늄 대체·스크랩 증가라는 반론도 있습니다.
전선주는 구리 베팅이 아닙니다. 원가연동 조항으로 구리값은 대체로 통과됩니다. 진짜 동력은 제품 믹스(525kV 해저케이블·버스덕트)와 수주잔고이고, 진짜 해자는 세계 5개사만 가진 기술 문턱입니다.

다음 [8편]에서는 이 시리즈에서 계속 미뤄뒀던 마지막 갈래 — 냉각을 다룹니다. GPU가 뿜는 열을 어떻게 식힐 것인가, 왜 액침냉각이 다음 병목으로 지목되는가를 짚겠습니다.

⚠️ 이 글은 AI를 활용해 투자 관련 내용을 공부하며 정리한 글입니다. 특정 종목이나 투자 방식에 대한 권유가 아니며, 내용에 오류가 있거나 최신 정보와 다를 수 있습니다. 실제 투자 전에는 공식 자료를 직접 확인하시기 바랍니다. 투자 판단과 그 결과에 대한 책임은 투자자 본인에게 있습니다.

인용된 수치와 전망은 해당 시점 자료이며 언제든 바뀔 수 있습니다.

전기의 돈의 강 — 발전소에서 GPU까지, 전기요금이 종목 실적이 되는 길 · AI 전력 투자 교과서 ⑥

Wed, 29 Jul 2026 19:30:00 +0900

반도체 시리즈 6편에서 저는 “내 챗GPT 구독료가 어떻게 하이닉스 실적이 되는가"를 따라, 빅테크의 캐펙스에서 엔비디아·TSMC·하이닉스로 흐르는 돈의 강을 그렸습니다. 오늘은 같은 걸 전력 쪽에서 합니다. 빅테크와 전력회사가 쏟아붓는 투자금이 어느 회사의 실적으로 도착하는지, 그 강줄기를 따라가 봅니다.

그런데 막상 그려보니, 전력의 돈의 강은 반도체와 모양이 완전히 다릅니다.

반도체는 한 줄기 강, 전력은 삼각주

반도체의 돈은 사실상 한 줄기 큰 강이었습니다. 빅테크 캐펙스 → 엔비디아(GPU 설계) → TSMC(파운드리) → 하이닉스·ASML. 좁고 깊고, 길목마다 사실상 독점 사업자가 지키고 있죠. 그래서 엔비디아 한 종목이 강물의 대부분을 빨아들였습니다.

전력의 돈은 삼각주(delta) 처럼 갈라집니다. 발전소를 떠난 자금이 발전 → 송전 → 배전 → 냉각, 네 갈래로 흩어져 수많은 회사의 실적이 됩니다. “엔비디아 같은” 단일 독점자가 없습니다. 이게 전력 투자의 가장 큰 특징이자, 종목이 헷갈리는 이유이기도 합니다.

1. 돈은 어디서 나오나 — 강의 발원지

강의 발원지는 두 곳입니다.

① 빅테크의 데이터센터 캐펙스. 맥킨지는 2030년까지 데이터센터에 쏟아질 투자를 6.7조 달러로 추산합니다(이 중 IT장비를 뺀 인프라만 1.7조 달러 이상). 1편에서 봤던 “AI는 전기를 먹고 자란다"가 돈의 언어로 번역된 숫자입니다.

② 전력회사(유틸리티)의 설비 투자. 여기가 이번 편의 핵심입니다. S&P글로벌은 미국 46개 전력회사의 2026~2030년 합산 캐펙스를 약 1.3조 달러로 전망합니다 — 사상 최대치이고, 2025년(약 2,000억 달러)보다 한 해 만에 29% 급증한 규모죠. 데이터센터가 유발한 전력 수요를 감당하려고 전력망 자체를 통째로 키우는 겁니다.

이 두 물줄기가 합쳐져 발전·송전·배전·냉각으로 갈라집니다. 표에 적힌 글로벌 대표 주자를 보면 — 발전은 GE버노바(백로그 1,760억 달러, 가스터빈 수주잔고 116GW), 송전은 변압기 시장(연 260억 달러, 리드타임 3~5년), 냉각은 이제 막 커지는 액체냉각 시장(2026년 30억 → 2029년 70억 달러)입니다.

2. 데이터센터 1달러, 전력의 몫은?

그럼 데이터센터에 들어가는 1달러 중 전력의 몫은 얼마일까요? 재미있게도 보는 관점에 따라 답이 다릅니다.

자산 총비용(감가상각 반영) 기준으로 보면 서버·GPU가 60%로 여전히 최대이고 전력·시설은 40%입니다. 반도체 6편에서 “GPU가 강물을 다 빨아들인다"고 했던 그림이죠.

그런데 새로 발주하는 설비의 흐름으로 보면 이야기가 달라집니다. 전기설비가 약 40%, 냉각이 약 10%로, 전력·냉각 인프라가 절반 가까이까지 올라옵니다. GPU는 이미 엔비디아가 만들어 파는데, 그걸 돌릴 전력 인프라는 이제야 부랴부랴 짓고 있기 때문입니다. 즉 뒤로 갈수록(변압기·배전반·냉각) 돈의 비중이 빠르게 커지는 게 전력의 강이 반도체와 다른 결정적 지점입니다.

숫자 하나가 이걸 압축합니다. 랙 한 대가 먹는 전력이 2024년 8kW → 2026년 15~27kW → 엔비디아 GB200 랙은 120kW 이상으로 뛰었습니다. GPU가 빽빽해질수록, 그 열과 전기를 감당할 설비는 몇 배씩 더 필요해집니다.

3. 그래서 한국 종목엔 얼마가 도착했나

강물이 실제로 한국 회사 통장에 얼마나 도착했는지는 수주잔고로 확인됩니다(수주잔고를 읽는 법은 [10편]에서 따로 다룹니다). 전력기기 3사의 2026년 1분기 합산 수주잔고는 32조원을 돌파했습니다. 최소 4~5년 치 일감입니다.

송전이 가장 뜨겁습니다. 효성중공업 15.1조, HD현대일렉트릭 11.9조 — 초고압 변압기가 미국에서 3~5년 치 대기줄을 만들어낸 결과입니다(3편에서 “HD현대일렉트릭이 왜 반도체만큼 올랐나"를 다뤘죠).
배전은 두 번째 파고입니다. LS일렉트릭 5.6조. 북미 빅테크 데이터센터 배전반 누적 수주가 1조원을 넘어섰고, 2026년 들어 속도가 붙고 있습니다.
발전은 두산에너빌리티가 2026년 수주 목표 13.4조원(가스터빈·SMR)으로 2편의 주인공답게 미국 빅테크 발주를 받고 있습니다.
냉각은 아직 초기입니다. 삼성전자(플랙트그룹)·GST·SK엔무브가 뛰고 있지만 대부분 PoC·기술검증 단계로, 수천억대 실주문은 다음 파도로 남아 있습니다.

투자자 관점 — 삼각주를 읽는 세 가지

① 수혜가 분산된다. 반도체는 엔비디아 하나만 봐도 강의 8할을 봤지만, 전력은 발전·송전·배전·냉각 네 갈래를 다 봐야 그림이 완성됩니다. 한 종목이 독점하지 못한다는 건, 뒤집으면 여러 회사가 동시에 호황을 누린다는 뜻이기도 합니다.

② 병목은 ‘기술’이 아니라 ‘리드타임’입니다. 반도체의 병목은 최첨단 공정 능력(기술 난이도)이었습니다. 전력의 병목은 물리적 생산능력입니다 — 변압기 리드타임 3~5년, 스위치기어는 2028년까지 사실상 완판. “돈은 있는데 물건이 없다” 는 구조라, 이미 수주잔고를 쌓아둔 회사가 유리합니다.

③ 병목은 이동합니다. 지금은 송전(변압기)이 가장 뜨겁지만, 이게 풀리면 관심은 다음 길목 — 배전, 그리고 냉각으로 옮겨갑니다. 5편에서 그린 밸류체인 지도가 있어야, 돈이 다음에 어디로 흐를지 따라갈 수 있습니다.

정리

전력의 돈은 반도체처럼 한 줄기가 아니라 발전·송전·배전·냉각 4갈래 삼각주로 흐릅니다. 그래서 수혜 종목이 훨씬 많고 분산돼 있습니다.
발원지는 빅테크 데이터센터 캐펙스(2030년까지 6.7조 달러)와 유틸리티 설비 투자(미국 1.3조 달러)입니다. 뒤로 갈수록(전력·냉각) 돈의 비중이 커지는 게 반도체와 다른 점.
한국엔 이미 도착했습니다. 전력기기 3사 수주잔고 32조원(효성·HD현대일렉·LS일렉), 발전은 두산, 냉각은 아직 초기. 병목은 ‘리드타임’이고, 그 병목은 송전 → 배전 → 냉각으로 이동합니다.

다음 [7편]에서는 이 강줄기에서 가장 밑바닥에 깔린 원자재 — 구리와 전선이 왜 AI 수혜주가 됐는지 파봅니다. 반도체 7편이 소부장을 다뤘듯, 전력의 소부장을 짚습니다.

⚠️ 이 글은 AI를 활용해 투자 관련 내용을 공부하며 정리한 글입니다. 특정 종목이나 투자 방식에 대한 권유가 아니며, 내용에 오류가 있거나 최신 정보와 다를 수 있습니다. 실제 투자 전에는 공식 자료를 직접 확인하시기 바랍니다. 투자 판단과 그 결과에 대한 책임은 투자자 본인에게 있습니다.

인용된 수치와 전망은 해당 시점 자료이며 언제든 바뀔 수 있습니다.

발전·송전·배전 한 번에 정리 — 전기는 어떻게 우리에게 오나 · AI 전력 투자 교과서 ⑤

Tue, 28 Jul 2026 18:00:00 +0900

지난 네 편 동안 원전(2편), 변압기(3편), 거품 논쟁(4편)까지 달려왔습니다. 그런데 종목이 많이 나오다 보니 슬슬 헷갈리기 시작하죠. 두산에너빌리티, HD현대일렉트릭, LS전선… 이게 다 ‘전력 관련주’인데 서로 뭐가 다른 걸까요? 오늘은 잠깐 숨을 고르고, 이 종목들을 하나의 지도 위에 정리하겠습니다. 반도체 시리즈 5편(D램·낸드·파운드리)에서 산업 지도를 그렸던 것과 같은 역할이에요.

지도의 뼈대는 아주 단순합니다. 전기가 우리에게 오기까지 반드시 거치는 세 단계 — 발전, 송전, 배전.

전기의 여정 — 발전 → 송전 → 배전

전기는 발전소에서 만들어 그냥 콘센트에 꽂히는 게 아닙니다. 세 단계를 반드시 거칩니다.

① 발전 — 전기를 만든다. 발전소에서 전기를 생산하는 단계입니다. 한국의 발전원은 원자력 31.7%, 가스 28.1%, 석탄 28.1%, 신재생 10.6% 순이에요(2025년 기준). 2편에서 본 원전·SMR, 그리고 당장 실적을 끌고 있는 가스터빈이 여기 속합니다.

② 송전 — 멀리 보낸다. 만든 전기를 먼 곳까지 실어 나르는 단계입니다. 멀리 보내려면 전압을 확 올려야 해요(초고압 765kV). 고속도로에서 차가 빨리 달리는 것과 같은 원리죠. 3편의 주인공인 초고압 변압기와 HVDC 해저케이블이 이 단계의 핵심입니다.

③ 배전 — 나눠서 공급한다. 데이터센터·공장·가정 앞에서 전압을 다시 낮춰 잘게 나눠주는 단계입니다. 고속도로에서 내려와 동네 골목길로 들어가는 것과 같아요. 배전반, 차단기가 여기 속합니다.

이 세 단계 중 하나라도 막히면 전기가 안 옵니다. 그리고 1편에서 봤듯 AI 데이터센터 전력난은 세 단계 모두에 병목을 만들었죠. 그래서 세 단계 전부가 투자 테마가 된 겁니다. 1편에서 “발전·전달·냉각 세 갈래"라고 했던 걸, 이번엔 전력 시스템의 정식 용어(발전·송전·배전)로 다시 그린 셈입니다.

이 시리즈의 종목들은 지도의 어디에 있나

이제 지금까지 나온 회사들을 이 지도 위에 얹어보죠.

발전(만들기): 두산에너빌리티(원전 주기기·가스터빈), 한국수력원자력, 한전기술 — 2편의 주인공들.
송전(보내기): HD현대일렉트릭·효성중공업·LS일렉트릭(초고압 변압기), LS전선·대한전선(HVDC 해저케이블) — 3편의 주인공들.
배전(나누기): LS일렉트릭 등(데이터센터 내부 배전·차단기). 그리고 이 세 단계와 별개로 열을 식히는 냉각은 8편에서 따로 다룹니다.

지도가 머릿속에 있으면, “전력 관련주"라는 뭉뚱그린 말이 흩어지지 않습니다. 어떤 회사가 어느 길목에 서 있는지가 보이니까요. 예를 들어 “두산에너빌리티와 HD현대일렉트릭 둘 다 사면 분산되나?“라고 물으면, 답은 “아니오, 둘 다 AI 전력 테마지만 발전과 송전이라는 다른 길목에 있다"가 됩니다. 반도체 5편에서 삼성전자와 하이닉스를 산업 지도 위에 얹었던 것과 똑같은 사고법이에요.

투자자의 관전 포인트

길목마다 성격이 다르다: 발전(특히 SMR)은 2편에서 봤듯 미래 실적 선반영 성격이 강하고, 송전(변압기)은 3편에서 봤듯 이미 수주잔고·실적으로 증명되는 중입니다. 같은 ‘전력주’라도 리스크와 실적 가시성이 다릅니다.
병목은 이동한다: 지금은 송전(변압기 리드타임 4년)이 가장 뜨거운 병목이지만, 이게 풀리면 다음 병목(예: 배전, 냉각, 혹은 전력망 인허가)으로 관심이 옮겨갑니다. 지도가 있으면 그 이동을 따라갈 수 있습니다.
한 종목이 여러 길목에 걸치기도: 예컨대 LS 계열은 송전(전선)과 배전(LS일렉트릭)에 모두 걸쳐 있습니다. 그 회사가 실제로 어느 단계에서 돈을 버는지 봐야 합니다.

정리

전기는 발전 → 송전 → 배전의 세 단계를 반드시 거칩니다. AI 전력난이 세 단계 모두에 병목을 만들어, 전부가 투자 테마가 됐습니다.
이 시리즈의 종목 지도: 발전(두산에너빌리티·한수원), 송전(HD현대일렉트릭·효성·LS일렉트릭·LS전선·대한전선), 배전(LS일렉트릭 등). 냉각은 별도 축(8편).
지도가 있으면 ‘전력 관련주’가 흩어지지 않습니다 — 어느 길목의 회사인지, 병목이 어디로 이동하는지를 보는 게 핵심입니다.

다음 6편에서는 이 지도 위로 돈이 어떻게 흐르는지를 그립니다. 반도체 6편에서 ‘AI 돈의 강’을 그렸듯, 전력에서도 빅테크의 투자금이 발전에서 배전까지 어떻게 흘러 각 종목의 실적이 되는지 — 전력 밸류체인을 따라가 보겠습니다.

⚠️ 이 글은 AI를 활용해 투자 관련 내용을 공부하며 정리한 글입니다. 특정 종목이나 투자 방식에 대한 권유가 아니며, 내용에 오류가 있거나 최신 정보와 다를 수 있습니다. 실제 투자 전에는 공식 자료를 직접 확인하시기 바랍니다. 투자 판단과 그 결과에 대한 책임은 투자자 본인에게 있습니다.

인용된 수치와 전망은 해당 시점의 것이며 언제든 바뀔 수 있습니다.

AI로 게임 만들기 #5 — 휴지통에 종이 던지기, 근데 '진짜 게임처럼' (공개빌드 #5)

Tue, 28 Jul 2026 09:00:00 +0900

지난 편까지 게임 랩엔 네 개가 쌓였습니다 — 🎨 그림 퀴즈, 🟩 한글 워들, 🍰 디저트 탑, 🕹️ 낙하 회피. 다섯 번째는 종이 농구예요. 근데 이번 편은 좀 다릅니다. 새 게임을 하나 더 늘리기보다, 게임 하나를 “그냥 되는” 상태에서 “진짜 게임처럼"까지 다듬는 것에 집중했거든요.

말보다 보는 게 빠르니 플레이 영상부터 👇

👉 종이 농구 직접 하러 가기

어떤 게임이냐면

3초컷입니다:

구겨진 종이를 화면 아무 곳이나 당겼다 놓아 휴지통에 골인 (공을 안 짚어도 돼요)
가운데로 쏙 = 스월(2점), 림이나 백보드 맞고 들어가면 뱅크(1점)
바람 주의! 연속 골인하면 🔥 ON FIRE(2배 점수)
3번 놓치면 끝. 점수는 누적·최고 기록·연속 출석까지 다른 게임처럼 쌓여요

처음엔 “게임 같지가 않았다”

솔직히 첫 버전은 별로였어요. 발사가 너무 빨라서 종이가 번쩍 사라지는 수준이라 손맛이 0이었죠. 그래서:

비행을 2배 느리게(궤적·난이도는 그대로, 보이는 속도만)
잔상 꼬리 + 바닥 그림자 + 빗나가면 바닥에 튕기는 마무리

이것만 넣었는데 바로 “오, 게임이네” 소리가 나왔습니다. 완성도의 8할은 손맛이더라고요.

그다음 ‘고퀄’로 끝까지 밀어봤다

여기서 멈춰도 됐는데, 어디까지 되나 궁금해서 다 넣어봤어요:

🔊 사운드 — 에셋 파일 0개. WebAudio로 발사 “휘익”, 스월 “사악~”, 뱅크 “통-딩"을 코드로 합성했습니다
🏀 물리 — 좌우 림에 튕겨 덜덜거리는 in&out, 뒤 백보드 뱅크샷, 입구엔 천 네트가 출렁
🔥 ON FIRE — 연속 골인으로 게이지가 차고, 만렙이면 공에 불붙고 2배 (NBA Jam 오마주)
🎯 3점 라인 — 먼 통일수록 고득점. **백스핀(마그누스)**으로 궤적이 살짝 휘어요
✨ 그 외 히트스톱·카메라 펀치줌·리본 잔상 같은 자잘한 연출 주스까지

우리 집 그래픽카드가 배경을 그렸다

제일 좋아하는 부분이에요. 배경 사무실 일러스트를 집에 있는 그래픽카드(ComfyUI/SDXL)로 직접 뽑아서 깔았습니다. 예전에 노트북에 ComfyUI를 깔아둔 것을 이렇게 써먹네요. 브라우저에서 바로 돌아가는 가벼운 게임인데도 배경은 손그림풍이죠. 여기에 낮/밤 테마까지 붙였어요.

오래 붙잡는 장치들

📅 데일리 챌린지 — 날짜 시드라 그날은 모두 같은 통·바람. “오늘 몇 점?” 공유용
🏅 업적 · 🖼️ 결과를 이미지 카드로 공유 · ▶️ 베스트 샷 리플레이
♿ 접근성 — 멀미 방지(모션 축소 존중), 색약 안전 파워 표시

마지막에 배운 것: 작은 UX가 게임을 살린다

다 만들고 플레이하다가 치명적인 걸 발견했어요. 슬링샷이 공(좌하단 구석) 기준이라 뒤로 당길 공간이 없었던 거예요. 그래서 **“화면 아무 곳이나 짚고 상대적으로 당기기”**로 바꾸니 완전히 달라졌습니다. 화려한 기능 20개보다 이 한 줄짜리 조작 수정이 체감이 훨씬 컸어요.

이제 게임 랩이 5개

	게임	성격
🎨	AI 그림 맞히기	머리 (퀴즈)
🟩	한글 단어 맞히기	습관 (데일리)
🍰	디저트 탑 쌓기	손맛 (아케이드)
🕹️	낙하 회피	반사신경 (액션)
🗑️	종이 농구	조준 (물리)

머리·습관·손맛·반사신경·조준 — 게임 랩이 5색이 됐습니다.

종이 농구 한 판 하고 몇 점인지 알려주세요. 스월로 3연속 넣으면 불붙습니다. 🔥

다음 편엔 여섯 번째 게임을 들고 오겠습니다.

네이버 블로그 완전 자동 발행 만들기 — Claude Code + Playwright 실전기

Mon, 27 Jul 2026 21:00:00 +0900

네이버 블로그 완전 자동 발행 만들기 — Claude Code + Playwright 실전기

네이버 블로그는 티스토리나 GitHub Pages와 달리 공식 발행 API가 없다. 그래서 “매일 아침 글이 자동으로 올라가는 네이버 블로그"를 만들려면 브라우저 자동화(Playwright)로 스마트에디터 ONE을 사람처럼 직접 조작해야 한다. 오늘 Claude Code와 함께 이 파이프라인을 처음부터 끝까지 구축했고, 실제 첫 글 발행까지 성공했다. 그 과정과 시행착오를 정리한다.

사람 손 한 번 안 대고 발행된 실제 결과물. 제목, 본문, 카드뉴스 이미지 7장까지 전부 자동으로 들어갔다.

전체 구조

1
2
3
4
5
6
7
8


매일 생성되는 콘텐츠 폴더 (C:\Project\Trend\YYYY-MM-DD\)
 ├─ naver_post.json # 제목 + HTML 본문 (이미지 위치 마커 포함)
 ├─ blog-preview.html # 발행 미리보기 = 발행 원본 (없으면 json에서 자동 생성)
 └─ instagram\*.png # 카드뉴스 이미지 7장
 ↓
upload.py (Playwright) # 로그인 세션 재사용 → 에디터 조작 → 발행
 ↓
Windows 작업 스케줄러 # 매일 오전 9시 자동 실행

핵심 설계 포인트 세 가지:

발행 원본을 HTML 미리보기 파일로 단일화 — blog-preview.html을 브라우저로 열면 발행될 모습을 그대로 볼 수 있고, 자동화는 이 파일의 <h1>을 제목으로, <img> 위치 그대로 이미지를 삽입한다. “미리보기 = 발행 결과"가 되니 검수가 쉽다.
중복 발행 방지 플래그 — 발행 성공 시 날짜 폴더에 .naver_uploaded 파일을 남긴다. 스케줄러가 재실행돼도 같은 글이 두 번 올라가지 않는다.
실패 시 증거 남기기 — 예외가 나면 스크린샷과 로그를 자동 저장한다. 브라우저 자동화는 UI 변경으로 언제든 깨질 수 있어서 이게 필수다.

로그인: 비밀번호 없이 세션만 저장

자동화 스크립트에 비밀번호를 넣는 건 절대 금물. Playwright에 내장된 --save-storage 옵션을 쓰면 사람이 직접 로그인한 세션(쿠키)만 파일로 저장해 재사용할 수 있다.

1

python -m playwright open --channel chrome --save-storage=auth.json https://nid.naver.com/nidlogin.login

열리는 브라우저에서 직접 로그인(‘로그인 상태 유지’ 체크)하고 창을 닫으면 auth.json에 세션이 저장된다. 스크립트에서는 이렇게 불러온다:

1

ctx = browser.new_context(storage_state="auth.json")

주의: auth.json은 비밀번호는 없지만 세션 쿠키가 들어있어 그 자체가 로그인 열쇠다. 절대 Git에 커밋하거나 공유하면 안 되고, 유출 의심 시 네이버 보안설정에서 전체 기기 로그아웃하면 즉시 무효화된다. 스크립트가 실행될 때마다 세션을 다시 저장해 만료도 방지했다.

스마트에디터 조작의 핵심 기법

자동화 스크립트가 여는 스마트에디터 ONE. 이 화면의 제목·본문·사진 버튼·발행 버튼을 코드가 사람처럼 조작한다.

본문 텍스트: 클립보드 HTML 붙여넣기. 글자를 한 자씩 타이핑하는 것보다 훨씬 빠르고 서식(<b>, <br>)도 유지된다. 브라우저 컨텍스트에 클립보드 권한을 주고, JS로 클립보드에 HTML을 넣은 뒤 Ctrl+V를 누른다.

 1
 2
 3
 4
 5
 6
 7
 8
 9
10


ctx = browser.new_context(permissions=["clipboard-read", "clipboard-write"])

frame.locator("body").evaluate("""async (el, html) => {
 const item = new ClipboardItem({
 'text/html': new Blob([html], {type: 'text/html'}),
 'text/plain': new Blob([plain], {type: 'text/plain'}),
 });
 await navigator.clipboard.write([item]);
}""", html)
page.keyboard.press("Control+V")

이미지: 파일 선택 대화상자 가로채기. 이미지 버튼을 클릭하면 뜨는 파일 선택창을 Playwright가 가로채 파일 경로를 직접 넣는다.

1
2
3


with page.expect_file_chooser() as fc:
 frame.locator("button[data-name='image']").first.click()
fc.value.set_files(str(img_path))

에디터는 iframe 안에 있다. 네이버 블로그 글쓰기 화면은 iframe#mainFrame 안에서 돌아가므로 page.frame_locator("iframe#mainFrame")로 접근해야 한다.

삽질 기록 (이게 제일 중요)

실전에서 만난 문제들. 순서대로 다 겪었다.

Playwright 내장 Chromium이 실행 불가 — “side-by-side configuration is incorrect” 오류. 재설치해도 안 됐고, 결국 channel="chrome" 옵션으로 PC에 설치된 진짜 Chrome을 쓰게 해서 해결했다. 이 방법이 봇 감지 회피에도 오히려 유리하다.
FrameLocator에는 evaluate()가 없다 — iframe 안에서 JS를 실행하려면 frame.locator("body").evaluate(...)처럼 요소를 잡고 실행해야 한다.
“취소” 버튼이 두 개 — 이어쓰기 팝업의 ‘취소’를 get_by_role("button", name="취소")로 찾았더니 서식 도구의 ‘취소선’ 버튼과 겹쳐 strict mode 오류. 정확한 클래스(button.se-popup-button-cancel)로 지정해야 한다.
배치 파일이 로그 폴더 없이 리다이렉트 — >> logs\runner.log인데 logs 폴더가 없으면 스크립트가 시작조차 안 된다. if not exist logs mkdir logs 한 줄로 해결.
블로그 미개설 계정 — 계정은 있는데 블로그를 개설한 적이 없으면 글쓰기 페이지가 아예 안 뜬다. 자동화 전에 블로그 개설부터.

스케줄링과 검증

1

schtasks /Create /TN "NaverBlogUpload" /TR "run_upload.bat" /SC DAILY /ST 09:00

headed 브라우저를 띄우는 방식이라 PC가 켜져 있고 로그인된 상태여야 실행된다.

매일 오전 9시, 다음 실행을 기다리는 작업 스케줄러.

발행 후에는 “성공했다고 믿지 말고 확인"이 원칙. 공개된 글 URL을 실제로 가져와서 제목·본문 키워드·이미지 개수(스마트에디터 이미지 리소스 7개)까지 대조해 검증했다.

모바일 화면의 TOP1~TOP3 구간 — 카드 이미지가 본문 사이사이 의도한 위치에 정확히 들어갔다.

자주 묻는 질문 (실제로 부딪힌 것들)

Q. 크롬에 네이버 계정이 여러 개 로그인돼 있는데 괜찮나? 상관없다. Playwright는 평소 쓰는 크롬 프로필과 완전히 분리된 깨끗한 창을 띄운다. 세션 저장 단계에서 로그인한 그 계정 하나만 auth.json에 저장되고, 이후 발행은 계속 그 계정으로만 된다.

Q. 비밀번호가 어딘가에 저장되는 건 아닌가? 아니다. 로그인은 네이버 공식 페이지에서 사람이 직접 하고, 저장되는 건 세션 쿠키뿐이다. 다만 그 쿠키 파일 자체가 로그인 열쇠이므로 비밀번호처럼 다뤄야 한다. 유출이 의심되면 네이버 보안설정에서 전체 기기 로그아웃하면 즉시 무효화된다.

Q. 오전 9시에 PC가 꺼져 있으면? 그날은 발행되지 않는다. headed 브라우저를 띄우는 방식이라 PC가 켜져 있고 로그인된 상태여야 한다. 중복 방지 플래그 덕분에 나중에 수동으로 실행해도 안전하다.

Q. 세션은 언제까지 유효한가? 매일 실행이 이어지는 동안에는 스크립트가 실행 때마다 세션을 갱신해 계속 유지된다. 하지만 PC를 며칠 꺼두면 만료된다 — 실제로 6일 건너뛰었더니 만료돼서 재로그인이 필요했다. 스크립트는 로그인 페이지로 리다이렉트되는 걸 감지해 “세션 만료” 로그를 남기고 멈추도록 해뒀다.

한 가지 함정: 세션 갱신 저장을 아무 때나 하면 안 된다. 만료된 상태에서 갱신 저장이 실행되면 로그아웃 상태의 쿠키로 세션 파일을 덮어써버린다. 반드시 “로그인 확인 후에만 저장"하도록 가드를 넣어야 한다. (직접 당해보고 알았다.)

정리

네이버 블로그 자동 발행 = 세션 저장(auth.json) + 클립보드 HTML 붙여넣기 + 파일 선택창 가로채기 + 스케줄러 네 가지 조합이면 된다.
비밀번호는 어디에도 저장하지 않는다. 세션 파일만 쓰고, 그 파일을 비밀번호처럼 다룬다.
브라우저 자동화는 반드시 깨진다는 전제로 만들 것 — 실패 스크린샷, 로그, 중복 방지 플래그가 본체만큼 중요하다.
자동 발행이 되더라도 콘텐츠 품질은 별개 문제다. 네이버가 저품질로 판단하지 않도록 글 자체의 완성도를 관리하는 건 여전히 사람 몫.

전력 슈퍼사이클인가 거품인가 — 원전도 변압기도 30% 빠진 지금 · AI 전력 투자 교과서 ④

Mon, 27 Jul 2026 18:20:00 +0900

지난 3편을 올린 게 벌써 엿새 전이네요. 회사 일이 몰려서 한동안 블로그를 열지도 못했습니다. 그새 시장은 또 출렁였고요. 오랜만에 돌아왔으니, 이번엔 이 시리즈에서 미뤄뒀던 가장 불편한 질문을 정면으로 다뤄보겠습니다.

원전(2편)도, 변압기(3편)도 “AI 전력난의 수혜주"라며 뜨거웠습니다. 그런데 이 종목들, 최근 몇 달 새 30%씩 빠졌어요. 그래서 오늘의 질문은 이겁니다 — 이게 진짜 10년짜리 슈퍼사이클인가, 아니면 2차전지처럼 부풀었다 꺼지는 거품인가? 반도체 시리즈 4편에서 “이번엔 다르다"를 따졌던 것처럼, 전력에도 같은 저울을 대보겠습니다.

저울의 양쪽에 증거를 놓아보자

결론부터 말하면, 저는 어느 한쪽이 정답이라고 생각하지 않습니다. 양쪽 다 사실이거든요. 증거를 나란히 놓고 보죠.

‘진짜 슈퍼사이클’이라는 쪽. 가장 강력한 건 실적입니다. 전력기기 3사(HD현대일렉트릭·효성중공업·LS일렉트릭)의 2026년 2분기 합산 영업이익이 7,246억 원으로 분기 사상 최대, 전년 대비 53% 늘었습니다. 합산 수주잔고는 35조에 육박해 4~5년치 일감이 쌓였고요. 3편에서 봤듯 리드타임이 4년이라는 건 이미 팔린 물량이라는 뜻입니다. 기대가 아니라 실제 숫자로 증명되고 있다 — 이게 닷컴버블이나 2차전지와 다르다는 강세론의 뼈대입니다.

‘거품 아니냐’는 쪽. 문제는 밸류에이션입니다. 전력기기 업종의 PBR이 9.2배까지 올랐는데, 이건 조선(4.7배)·방산(5.3배)보다 훨씬 높고, 심지어 조선업이 2007년 슈퍼사이클 정점에서 받았던 배수보다도 과열된 수준입니다. 게다가 수요의 실체에도 의문이 있어요. 미국 데이터센터 계획 물량이 12~16GW인데 실제 착공은 5GW에 그친다는 보도가 있습니다. 계획의 절반 이상이 아직 삽도 못 뜬 거죠. 만약 AI 캐펙스가 꺾이면(번외편에서 본 그 논쟁), 부풀려진 수요 추정치가 무너지면서 이 높은 밸류에이션을 지탱할 실적이 안 나올 수 있습니다.

두 이야기가 모순처럼 들리지만, 사실 둘 다 맞습니다. 실물 수요는 진짜인데, 주가(밸류에이션)가 그보다 먼저 달렸다. 그래서 5~7월에 3사가 나란히 30% 넘게 빠진 겁니다. 실적이 나빠져서가 아니라, 너무 앞서간 기대가 되돌려진 조정이었죠. 8편(코스피 쏠림)에서 본 그 패턴 그대로입니다.

거품론이 놓치는 것 — 수요의 3중 구조

그런데 여기서 거품론이 흔히 놓치는 지점이 하나 있습니다. “AI 데이터센터 투자가 꺾이면 전력주도 끝난다"는 논리인데, 전력 수요는 AI 하나로만 굴러가는 게 아닙니다.

전력 수요에는 세 개의 축이 겹쳐 있습니다. ① AI 데이터센터(가장 뜨겁지만 변동성도 큼), ② 노후 전력망 교체(미국 변압기 70%가 25년 넘음 — AI 붐 이전부터 있던 수요), ③ 전기화(전기차·재생에너지 전환). 놀라운 건 한국의 2038년 전력 수요 전망에서 전기화(11GW)가 데이터센터(4.4GW)보다 2.5배 크다는 겁니다. 즉 AI는 세 축 중 하나일 뿐이고, AI 테마가 식어도 노후망 교체와 전기화라는 나머지 두 축이 수요를 떠받칩니다.

이게 반도체와 전력의 결정적 차이예요. 반도체(특히 HBM)는 수요가 사실상 AI 하나에 달려 있어서 AI가 꺾이면 직격탄입니다. 반면 전력은 수요 기반이 훨씬 넓습니다. “AI 거품이 터져도 전기는 계속 필요하다"는 게 지속론의 핵심 방어선입니다.

그래서 무엇을 봐야 하나 — 체크리스트 4가지

정답이 “둘 다"라면, 투자자가 할 일은 예언이 아니라 관찰입니다. 이 테마가 슈퍼사이클로 갈지 거품으로 꺼질지를 가를 신호들을 체크리스트로 정리하면:

① 빅테크 캐펙스 가이던스: 상향이 멈추는 순간이 수요 원류가 마르는 1차 신호입니다(반도체 4편·번외편 논리 그대로).
② 수주잔고 → 매출 전환 속도: 35조 잔고가 실제 매출로 얼마나 빨리 바뀌는지. ‘서류상 수주’가 현금흐름으로 이어지는 실행 리스크를 봐야 합니다.
③ 리드타임 방향: 지금 프리미엄의 원천인 4년 리드타임이 유지되는지, 아니면 전 세계 증설로 정상화되는지(=프리미엄 소멸). 3편에서 짚은 그 지점입니다.
④ 밸류에이션 vs 이익 성장: PBR 9배를 이익 성장이 따라잡느냐입니다. 못 따라가면 조정이 옵니다(9편 목표주가 논리).

정리

AI 전력 테마는 슈퍼사이클이면서 동시에 밸류에이션 거품 우려를 안고 있습니다. 실물 실적(2분기 3사 영업익 +53%, 수주잔고 35조)은 진짜지만, PBR 9.2배는 조선 슈퍼사이클 고점보다도 과열입니다. 5~7월 30%대 조정은 그 간극이 터진 것.
거품론의 약점은 수요의 3중 구조를 놓친다는 점입니다 — AI가 꺾여도 노후망 교체·전기화가 수요를 지지합니다(한국 2038년 전기화 11GW > 데이터센터 4.4GW). 이게 반도체보다 수요 기반이 넓은 이유입니다.
예언 대신 체크리스트로 보세요 — 빅테크 캐펙스, 수주→매출 전환, 리드타임 방향, 밸류 vs 이익성장. 이 시리즈가 반복해온 결론과 같습니다: 테마를 사되, 사이클의 위치를 보라.

다음 5편부터는 다시 차분한 기초 편입니다. 전력이라는 게 대체 어떻게 만들어져서 어떻게 우리에게 오는지 — 발전·송전·배전을 한 번에 정리해서, 이 시리즈의 종목들이 지도의 어디에 있는지 뼈대를 세우겠습니다.

⚠️ 이 글은 AI를 활용해 투자 관련 내용을 공부하며 정리한 글입니다. 특정 종목이나 투자 방식에 대한 권유가 아니며, 내용에 오류가 있거나 최신 정보와 다를 수 있습니다. 실제 투자 전에는 공식 자료를 직접 확인하시기 바랍니다. 투자 판단과 그 결과에 대한 책임은 투자자 본인에게 있습니다.

인용된 수치와 전망은 해당 시점의 것이며 언제든 바뀔 수 있습니다.

변압기·중전기 — HD현대일렉트릭은 왜 반도체만큼 올랐나 · AI 전력 투자 교과서 ③

Tue, 21 Jul 2026 18:00:00 +0900

몇 년 전만 해도 ‘변압기 회사’는 주식 투자자에게 가장 지루한 종목이었습니다. 성장은 없고 배당이나 주는 굴뚝산업. 그런데 HD현대일렉트릭 주가가 최근 2년 새 몇 배씩 뛰며 시가총액 40조를 넘겼습니다. 반도체 대장주 못지않은 상승이죠. 발전소도 아니고 반도체도 아닌 이 ‘변압기 만드는 회사’가, 대체 왜 AI 시대의 주인공이 됐을까요?

2편에서 발전(원전·SMR)을 봤죠. 오늘은 그 다음 길목, **‘전달’**입니다. 발전소가 만든 전기를 데이터센터까지 실어 나르는 설비 — 변압기·전선·전력망. 결론부터 말하면 여기엔 진짜 슈퍼사이클이 있습니다. 다만 반도체와는 성격이 미묘하게 달라서, 그 차이를 아는 게 오늘의 핵심입니다.

왜 변압기가 병목인가

전기는 발전소에서 만들어 그냥 데이터센터에 꽂는 게 아닙니다. 멀리 보내려면 전압을 확 올렸다가(초고압 송전), 쓸 때 다시 낮춰야 하는데(배전), 그 전압을 올리고 내리는 장치가 변압기입니다. 특히 대형 데이터센터는 수십만 가구급 전기를 끌어와야 해서 전용 변전소와 초고압 변압기가 필수예요. 발전을 아무리 늘려도 이걸 나를 변압기가 없으면 전기가 데이터센터에 도달하지 못합니다.

문제는 세 가지가 동시에 터진 겁니다.

① 미국 전력망이 낡았습니다. 미국 송전선의 70%가 25년 넘었고, 대형 변압기 평균 연령은 40년을 넘습니다. 안 그래도 교체할 때가 됐던 거죠. ② 거기에 AI가 덮쳤습니다. 미국 데이터센터 전력 수요가 2026년 24GW에서 2030년 110GW로 358% 늘어난다는 전망입니다. ③ 그런데 공급이 못 따라옵니다. 변압기 납기(리드타임)가 정상 1년에서 최대 4년(160주 이상)까지 밀렸고, 가격은 2020년 이후 70% 넘게 올랐습니다. 변압기 핵심 소재인 방향성 전기강판(GOES)을 미국에서 만드는 회사가 딱 하나뿐이라, 구조적으로 납기를 줄일 수가 없어요.

수요는 폭발하는데 공급은 못 늘어난다 — 1편에서 본 그 불균형이 변압기에서 가장 극단적으로 나타난 겁니다. 그 결과 한국 중전기 3사의 합산 수주잔고가 32조를 넘어 4~5년치 일감을 쌓았고, 대미 변압기 수출은 분기 기준 처음으로 1조를 돌파했습니다.

한국 3사가 이기고 있는 이유

여기서 한국이 강합니다. 초고압, 특히 765kV급 변압기는 세계에서 소수 기업만 만들 수 있는 고난도 제품인데, 한국 3사가 낮은 불량률과 납기 준수로 미국 시장을 파고들었습니다.

HD현대일렉트릭: 초고압 변압기 중심 고마진 구조, 수출 비중 71%. 텍사스 최대 전력사에 765kV 변압기를 수주했고, 2026년 영업이익률이 20%를 넘습니다. 연초 대비 주가 +194%.
LS일렉트릭: 1분기 영업이익이 45% 늘며 분기 최대. 변압기에 배전·자동화까지 포트폴리오가 넓습니다. 주가 +108%.
효성중공업: 미국 멤피스에 현지 유일의 765kV 공장을 두고 점유율 1위. 주가 +68%.

5편에서 볼 ‘발전-송전-배전’의 흐름 중, 이 3사가 ‘송전’의 핵심 관문을 쥐고 있는 셈입니다.

그런데 — 반도체와 결정적으로 다른 세 가지

여기까지만 보면 “제2의 반도체"처럼 들립니다. 하지만 정직하게 짚어야 할 차이가 있습니다. 이게 이 글의 진짜 핵심이에요.

① AI 수요를 딱 잘라 못 나눕니다. 반도체는 HBM이라는 형태로 “이건 AI 매출"이라고 명확히 구분됩니다. 그런데 변압기 수요의 상당 부분은 AI 데이터센터가 아니라 그냥 낡은 전력망 교체예요. ‘AI 테마’로 묶여 오르지만, 실제 매출에서 순수 AI향이 몇 %인지는 회사도 잘 안 나눕니다. 즉 ‘AI주’라는 라벨이 반도체보다 헐겁습니다.

② 진입장벽이 반도체보다 낮습니다. 반도체는 미세공정이라는 거대한 해자가 있어 아무나 못 만들죠(1·5편). 변압기는 표준에 맞춰 생산라인만 갖추면 대량생산이 가능합니다. 실제로 중국이 세계 변압기의 40%를 만들고, 멕시코 등을 우회해 미국 시장 진입을 노리고 있습니다. 지금 한국의 우위(짧은 납기·낮은 불량률)는 실력이지만, 반도체 같은 압도적 해자는 아니에요.

③ 전형적인 사이클 산업입니다. 지금 프리미엄의 원천인 ‘긴 리드타임’은, 뒤집으면 리스크입니다. 전 세계가 변압기 공장을 증설하고 있어서, 납기가 정상화되는 순간 가격 프리미엄도 꺼질 수 있습니다. 조선업이 2000년대 슈퍼사이클 뒤 대규모 증설과 중국 추격으로 긴 불황을 겪은 전례가 있죠. “호황 → 증설 경쟁 → 공급과잉"은 사이클 산업의 숙명입니다(4편의 돼지 사이클 논리 그대로).

그래서 이 종목들은 이미 한 번 크게 흔들렸습니다. 5~~6월 3사가 나란히 30~~37% 급락(HD현대 -31%, 효성 -37%, LS -35%)했어요. 실적이 나빠진 게 아니라, 기대가 과하게 선반영된 데다 고금리·차익실현이 겹친 조정이었습니다. 수주잔고는 여전히 탄탄한데 주가만 크게 출렁인 거죠 — 8편(코스피 쏠림)에서 본, 기대가 앞서간 자리에서 벌어지는 변동성입니다.

투자자의 관전 포인트

‘전달’은 발전보다 실적이 실물이다: 2편의 SMR이 아직 미래 매출이라면, 변압기는 이미 수주잔고와 실적으로 증명되고 있습니다. 이 점은 강점입니다.
체크할 것은 리드타임과 증설: 슈퍼사이클이 유지되려면 리드타임(공급 부족)이 길게 가야 합니다. 전 세계 증설이 이걸 언제 해소하는지 — 그 시점이 사이클의 고점 신호입니다.
‘AI주’라는 라벨을 의심하라: 이 회사 매출에서 실제 AI 데이터센터향이 얼마인지, 노후 교체 수요와 섞여 있진 않은지 봐야 합니다. 7편(소부장)에서 배운 “테마 라벨 말고 실제 매출 비중"이 여기에도 적용됩니다.

정리

AI 전력난의 ‘전달’ 길목을 변압기·전선이 쥐고 있습니다. **미국 전력망 노후 + AI 수요 폭증 + 공급 부족(리드타임 4년)**이 겹쳐 진짜 슈퍼사이클이 왔고, 한국 3사(HD현대일렉트릭·효성중공업·LS일렉트릭)가 초고압 경쟁력으로 수혜를 봤습니다.
다만 반도체와는 다릅니다 — **① AI 수요를 못 나누고(노후 교체 수요와 혼재), ② 진입장벽이 낮고(중국 40% 생산), ③ 사이클 산업(증설→공급과잉 리스크)**입니다.
그래서 이미 5~6월 30%대 조정을 겪었습니다. 리드타임 유지 vs 증설 과잉이 앞으로의 핵심 관전 포인트입니다.

다음 4편은 이 전력 테마 전체에 브레이크를 걸어봅니다. 원전도 변압기도 뜨거운데 — 이게 진짜 슈퍼사이클인가, 아니면 거품인가? AI 반도체 4편에서 했던 그 질문을 전력에도 던집니다.

⚠️ 이 글은 AI를 활용해 투자 관련 내용을 공부하며 정리한 글입니다. 특정 종목이나 투자 방식에 대한 권유가 아니며, 내용에 오류가 있거나 최신 정보와 다를 수 있습니다. 실제 투자 전에는 공식 자료를 직접 확인하시기 바랍니다. 투자 판단과 그 결과에 대한 책임은 투자자 본인에게 있습니다.

인용된 수치와 전망은 해당 시점의 것이며 언제든 바뀔 수 있습니다.

AI로 게임 만들기 #4 — 쏟아지는 걸 피하는 '낙하 회피', 그리고 플레이 영상까지 (공개빌드 #4)

Tue, 21 Jul 2026 09:00:00 +0900

지난 편까지 게임 랩엔 세 개가 쌓였습니다 — 🎨 그림 퀴즈(머리), 🟩 한글 워들(습관), 🍰 디저트 탑(손맛). 딱 하나 비어 있던 게 순수 액션이었어요. 그래서 네 번째는 반사신경으로 하는 게임 — 낙하 회피입니다.

말로 설명하는 것보다 보는 게 빠르니, 이번엔 10초 플레이 영상부터 올립니다 👇

👉 낙하 회피 직접 하러 가기

어떤 게임이냐면

규칙은 3초컷입니다:

🚀 로켓을 드래그(PC는 ← →)로 좌우 이동
위에서 쏟아지는 🪨 운석·💣 폭탄을 피하기
⭐ 별을 먹으면 점수 폭발, 💗 하트를 먹으면 생명 회복(최대 5)
하트 3개로 시작, 부딪히면 하나씩 깎이고 0이면 끝
갈수록 빨라집니다. 점수 = 버틴 만큼 + 별

결과는 🕹️ 낙하 회피 — N점!으로 공유되고, 최고 기록·연속 출석도 다른 게임들처럼 쌓여요. 조작이 한 손이라 폰에서 특히 잘 맞습니다.

이번 편의 새로운 것 — 게임이 스스로 플레이하게 만들기

위 영상, 제가 직접 플레이한 게 아니라 게임이 자기 자신을 플레이한 걸 녹화한 거예요. 이번에 처음 해본 건데 방법이 재밌었습니다:

게임에 간단한 회피 AI를 붙였어요 — 매 순간 “제일 가까운 폭탄이 왼쪽에 있으면 오른쪽으로, 위험이 없으면 근처 별 쪽으로” 로켓을 움직이게
그 상태로 게임을 돌리면서 캔버스 화면을 그대로 녹화(브라우저의 화면 녹화 기능)
나온 영상을 10초짜리 mp4로 변환해서 이 글에 임베드

즉 “게임을 만든 김에, 그 게임한테 스스로 시연까지 시킨” 셈이에요. 앞으로 게임마다 이렇게 짧은 플레이 영상을 붙이면 글이 훨씬 생생해지겠더라고요.

그리고 난이도 한 번 손봄

처음엔 좀 쉬웠어요(“이거 안 죽는데?”). 그래서 낙하 속도와 등장 빈도를 살짝 올려서, 초반은 여유롭다가 중반부터 확 조여지게 바꿨습니다. 이런 자잘한 손맛 조정이 액션 게임에선 은근 중요하더라고요.

이제 게임 랩이 4색 됐습니다

	게임	성격
🎨	AI 그림 맞히기	머리 (퀴즈)
🟩	한글 단어 맞히기	습관 (데일리)
🍰	디저트 탑 쌓기	손맛 (아케이드)
🕹️	낙하 회피	반사신경 (액션)

머리·습관·손맛·반사신경 — 이제 어떤 기분에 들어와도 하나쯤 걸리는 게임 랩이 됐습니다.

낙하 회피 한 판 해보시고 몇 점 나오는지 알려주세요. 저는 별 먹으려다 폭탄에 자주 박습니다. 🚀

다음 편엔 다섯 번째 게임을 들고 오겠습니다.

원전의 부활 — SMR은 왜 갑자기 AI 수혜주가 됐나 · AI 전력 투자 교과서 ②

Mon, 20 Jul 2026 21:50:00 +0900

2024년, 마이크로소프트가 세상을 놀라게 한 계약을 맺었습니다. 1979년 미국 최악의 원전 사고가 났던 바로 그곳, 쓰리마일섬 원전을 되살려 AI 데이터센터 전기를 받겠다는 겁니다. 20년치 전력을 통째로 사는 조건이었죠. 죽었던 원전이 AI 때문에 부활한 이 장면이, 지금 벌어지는 ‘원전 르네상스’의 상징입니다.

1편에서 AI 전력난의 돈이 발전·전달·냉각 세 갈래로 흐른다고 했죠. 오늘은 그중 가장 뜨거운 발전 — 특히 원전, 그중에서도 **SMR(소형모듈원자로)**이 왜 갑자기 AI 수혜주가 됐는지 봅니다. 다만 결론부터 말하면, 이 테마는 매력과 함정이 함께 있습니다. 둘 다 정직하게 짚겠습니다.

왜 하필 원전인가 — AI가 원하는 전기의 조건

AI 데이터센터가 원하는 전기에는 까다로운 조건이 있습니다. 24시간 끊기지 않고, 대량이며, 가급적 탄소를 안 내뿜는 전기. 태양광·풍력은 해가 지고 바람이 멎으면 끊기니(간헐성) 데이터센터의 24시간 가동과 안 맞습니다. 그 조건을 충족하는 게 원자력이에요. 그래서 한때 사양산업 취급받던 원전이 AI 덕분에 화려하게 복귀한 겁니다.

여기서 SMR이 등장합니다. 기존 대형 원전과 뭐가 다른지 보죠.

대형 원전은 1,000MW 이상 대용량이지만, 부지에서 전 공정을 지어 10년 넘게 걸리고 대규모 땅이 필요합니다. 반면 SMR은 300MW 이하의 작은 원자로를 공장에서 모듈로 찍어내 현장에서 조립하는 방식이라, 건설이 3~5년으로 짧고 데이터센터 옆에 분산 배치할 수 있습니다. 레고 블록처럼 표준화된 원전을 필요한 만큼 갖다 붙이는 개념이죠. 빠르고, 상대적으로 싸고, 유연하다 — 그래서 빅테크가 직접 계약할 수 있는 문턱까지 내려온 겁니다.

실제로 빅테크는 이미 움직였습니다. MS의 쓰리마일섬(835MW), 구글-카이로스 SMR(500MW), 메타의 원전 3사 6.6GW, 아마존-오클로 SMR 1.2GW, 오픈AI-오라클의 4.5GW 확보 추진까지. AI 시대 전기 확보 경쟁이 원전으로 번진 겁니다.

한국은 ‘원전 파운드리’로 뛴다

반도체 시리즈에서 TSMC를 ‘남의 설계도로 칩을 만드는 파운드리’라고 했죠(5편). 원전에도 똑같은 구도가 생겼습니다. 미국 SMR 설계 회사들(뉴스케일·엑스에너지·테라파워)이 설계를 하면, 그 원자로의 핵심 부품(압력용기·증기발생기 같은 대형 주단조품)을 실제로 만들 수 있는 곳이 전 세계에 몇 안 됩니다. 그중 하나가 두산에너빌리티예요. 이 회사가 ‘글로벌 원전 파운드리’를 표방하며 미국 3대 SMR 개발사 모두에 부품을 대기로 한 게, 두산이 SMR 대장주로 떠오른 이유입니다. 창원에 8,000억을 들여 SMR 전용 공장(연 20기 생산)도 짓고 있고요.

여기에 정책도 붙었습니다. 정부가 2026년 원전 산업 육성에 9,000억(SMR 제조기술 3,000억 포함) 예산을 편성했고, 한수원·한전기술·우리기술 등이 설계·계측제어에서 각자 역할을 맡는 ‘K원전 원팀’ 구도가 짜였습니다.

그런데 — 열기와 실적 사이의 ‘시차’

여기까지가 강세론입니다. 이제 반대편도 정직하게 봐야 합니다. 이게 오늘 글의 진짜 핵심이에요.

두산에너빌리티 주가는 2026년 들어 연초 1.8만 원에서 최고 13.9만 원까지, 3~4배 뛰었습니다. PER은 100배를 넘겼죠(업종 평균의 2~~3배). 그런데 정작 **두산의 SMR 매출은 2026년 2,000~~3,000억 원 수준** — 전체 매출 17조의 1~2%에 불과합니다. 지금 두산의 실적을 실제로 끌고 있는 건 SMR이 아니라 가스터빈입니다(일론 머스크의 xAI에 가스터빈 7기, 약 1조 원어치를 수주했죠). SMR 매출이 3조를 넘는다는 건 2030년 전망치일 뿐입니다.

즉 지금 주가는 아직 오지 않은 미래 매출을 선반영한 겁니다. 9편(목표주가의 해부)에서 배운 교훈이 그대로 적용됩니다 — 숫자에 감탄하기 전에 그 뒤의 ‘가정’을 보라는 것. SMR 대장주라는 서사와 현재 실적 사이에는 큰 간극이 있습니다.

시차는 더 근본적입니다.

상업운전 중인 SMR은 전 세계에 딱 2기뿐입니다(러시아 부유식, 중국 고온가스로). 미국·한국 기술로 상업 가동 중인 SMR은 아직 없습니다. 한국 i-SMR은 2030년대 중반 상용화가 목표인데, 그마저 계속 뒤로 밀려왔습니다.
빅테크 계약도 ‘발표’와 ‘실제 가동’은 다릅니다. 구글-카이로스는 2030년부터, 메타 물량은 2027~2034년에 걸쳐 전력이 나옵니다. 지금 당장의 AI 전력난과는 타이밍이 안 맞아요.
미국 대표 SMR 기업 뉴스케일은 2023년 유타 프로젝트가 발전단가 53% 급등으로 취소된 전례가 있고, 2026년 2월엔 SMR주가 무더기로 급락(오클로 -21%, 뉴스케일 -20%)하기도 했습니다.

그래서 “당장 급한 불"은 오히려 가스발전이 끄고 있습니다. 건설이 빠르고 비용이 낮아, 전력망이 못 따라오는 지금은 가스가 가장 현실적인 대안이라는 거죠. 두산 실적을 가스터빈이 끄는 게 우연이 아닙니다.

투자자의 관전 포인트

SMR은 ‘장기 테마’, 지금 실적은 ‘가스’: 이 둘을 섞으면 안 됩니다. 지금 원전주의 실적 개선은 대부분 대형원전·가스터빈에서 나오고, SMR은 수주잔고와 미래 추정에 가깝습니다.
체크할 것은 ‘전환 속도’: 화려한 빅테크 계약이 실제 가동(대부분 2030년 이후)으로, 수주잔고가 실제 매출로 얼마나 빠르게 전환되는지 — 그 속도가 밸류에이션을 정당화하느냐가 관건입니다.
밸류에이션 과열은 실재: 연초 대비 3~4배, PER 100배 이상은 이미 많은 기대를 반영한 가격입니다. 4편(슈퍼사이클)에서 본 “이번엔 다르다"의 원전 버전이 지금 벌어지고 있습니다.

정리

AI가 원하는 전기(24시간·대량·무탄소) 조건 때문에 원전이 부활했고, 공장에서 찍어내는 SMR이 데이터센터 옆에 붙일 수 있는 대안으로 떠올랐습니다. 빅테크는 이미 대규모 전력 확보 계약에 나섰습니다.
한국은 ‘원전 파운드리’(두산에너빌리티가 미국 3대 SMR사에 부품 공급) + 정책 지원으로 수혜 구도를 짰습니다.
하지만 열기와 실적 사이엔 큰 시차가 있습니다 — 상업운전 SMR은 전 세계 2기뿐, 두산 SMR 매출은 전체의 1~2%, 빅테크 전력은 대부분 2030년 이후. 지금 실적은 SMR이 아니라 가스터빈이 끕니다. 서사가 아니라 전환 속도를 보세요.

다음 3편은 ‘전달’ 차례입니다. 발전한 전기를 데이터센터까지 나르는 설비 — 변압기와 전선이 왜 반도체만큼 올랐는지, HD현대일렉트릭·효성중공업의 이야기를 풀어봅니다.

⚠️ 이 글은 AI를 활용해 투자 관련 내용을 공부하며 정리한 글입니다. 특정 종목이나 투자 방식에 대한 권유가 아니며, 내용에 오류가 있거나 최신 정보와 다를 수 있습니다. 실제 투자 전에는 공식 자료를 직접 확인하시기 바랍니다. 투자 판단과 그 결과에 대한 책임은 투자자 본인에게 있습니다.

인용된 수치와 전망은 해당 시점의 것이며 언제든 바뀔 수 있습니다.

AI는 전기를 먹고 자란다 — 데이터센터 전력난이란? · AI 전력 투자 교과서 ①

Sun, 19 Jul 2026 09:35:00 +0900

AI 반도체 투자 교과서 10편을 마치며 계속 나온 말이 있습니다. “AI의 진짜 병목은 이제 반도체가 아니라 전력이다.” 8편에서 메타가 데이터센터에 자체 가스발전소를 붙인다고 했고, 번외편에서는 “지어놨는데 안 차는 게 아니라 전력이 없어서 못 짓는다"고 했죠. 그 복선을 여기서 회수합니다. 반도체가 ‘AI의 두뇌’였다면, 이번 시리즈의 주인공은 그 두뇌를 먹여 살리는 전기입니다.

오늘 1편은 문제 정의입니다. 데이터센터 전력난이 대체 뭐길래, 왜 원전주·전선주·변압기주가 반도체만큼 뜨거운 테마가 됐는지 — 숫자로 감을 잡고 갑니다.

질문 한 번의 진짜 값

먼저 감을 잡기 위해 아주 작은 것부터 봅시다. 여러분이 챗GPT에 질문 한 번을 던집니다. 그 한 번에 전기가 얼마나 들까요?

챗GPT 질의 한 번은 약 2Wh(와트시), 구글 검색 한 번은 약 0.3Wh입니다. 대략 7배 차이죠. 흔히 “10배"라고 하는데 그건 과장이고, 최근 데이터로는 7배 정도입니다. 질의 하나로 보면 티끌입니다. 문제는 이게 하루에 수십억 건 쌓인다는 것, 그리고 AI가 검색을 대체하며 그 7배짜리 질의가 폭증하고 있다는 겁니다.

전기만이 아닙니다. GPU는 돌면 뜨겁습니다. 그 열을 식히려고 대형 데이터센터 한 곳이 하루 300~500만 갤런의 물(올림픽 수영장 5~8개 분량)을 냉각에 씁니다. 냉각탑을 돌리는 것도 전기죠. 즉 데이터센터의 전력은 연산에 쓰는 전기 + 식히는 데 쓰는 전기, 둘 다 폭증합니다.

그래서 얼마나 먹나 — 나라 하나 규모

작은 질의가 모이면 규모가 무시무시해집니다.

시장조사기관 가트너에 따르면 전 세계 데이터센터 전력소비는 2025년 447TWh에서 2026년 565TWh로 한 해에만 26% 급증합니다. 그중 AI 서버가 데이터센터 전력의 31%를 차지하고, AI 서버 전력만 1년 새 84% 늘어납니다. 국제에너지기구(IEA)는 데이터센터·AI 관련 전력이 2026년 1,000TWh를 넘어 2022년의 2배가 될 거라고 봅니다.

1,000TWh가 감이 안 오시죠? 대략 한국이 1년 동안 쓰는 전체 전력과 맞먹는 규모입니다. AI 데이터센터라는 새로운 ‘가상 국가’ 하나가 지구에 생겨서, 한국만큼의 전기를 빨아들이기 시작했다고 생각하면 됩니다. 국내만 봐도 3년 뒤 데이터센터 전력 수요가 원전 1기를 통째로 투입해야 하는 수준에 이른다는 전망이 나옵니다.

왜 이게 ‘투자 테마’가 됐나

여기서 반도체 시리즈의 논리가 그대로 이어집니다. 6편에서 그린 ‘AI 돈의 강’ 기억하시나요? 빅테크 캐펙스 → 엔비디아 → 하이닉스로 흐르던 그 강. 그 강에는 지류가 하나 더 있었습니다. 데이터센터를 지으려면 GPU만 사는 게 아니라, 그걸 돌릴 전기를 끌어와야 합니다. 발전소, 송전선, 변압기, 냉각설비 — 이 모든 게 새로 필요해진 거죠.

문제는 전기가 반도체처럼 빨리 안 늘어난다는 겁니다. GPU는 공장에서 몇 달이면 찍어내지만, 발전소 하나 짓는 데는 몇 년, 원전은 10년도 걸립니다. 송전선 하나 까는 데도 인허가로 수년입니다. 수요(AI)는 폭발하는데 공급(전력)은 굼뜨다 — 이 불균형이 바로 투자 기회가 생기는 지점입니다. 4편에서 본 반도체 사이클의 ‘돼지 사이클’ 논리가 전력에도 똑같이 적용되는 셈이죠.

그래서 돈이 몰리는 곳이 세 갈래입니다.

발전: 24시간 안정적으로 대량 공급할 전기가 필요 → 원전(특히 SMR)이 재조명. (2편에서 다룹니다)
전달: 전기를 데이터센터까지 나르는 설비 → 변압기·전선·전력망. HD현대일렉트릭·효성중공업 같은 중전기주가 반도체만큼 오른 이유입니다. (3편)
냉각: 열을 식히는 새로운 병목 → 액침냉각 등. (8편)

정리

AI는 전기를 먹고 자랍니다. 챗GPT 질의 하나가 구글 검색의 약 7배 전력, 대형 데이터센터 하나가 하루 수백만 갤런의 냉각수를 씁니다. 비용은 칩값만이 아닙니다.
규모는 나라 하나급입니다 — 데이터센터·AI 전력이 2026년 1,000TWh(한국 연간 전력과 맞먹음), 2030년엔 더 폭증. AI 서버 전력만 1년 새 84% 증가.
수요(AI)는 폭발하는데 공급(전력)은 굼뜬 불균형이 투자 테마의 본질입니다. 돈은 발전(원전·SMR)·전달(변압기·전선)·냉각 세 갈래로 흐릅니다.

이 시리즈는 그 세 갈래를 하나씩 따라갑니다. 다음 2편은 가장 뜨거운 발전 쪽 — 왜 갑자기 원전, 그것도 SMR이 AI 수혜주가 됐는지를 파헤칩니다.

⚠️ 이 글은 AI를 활용해 투자 관련 내용을 공부하며 정리한 글입니다. 특정 종목이나 투자 방식에 대한 권유가 아니며, 내용에 오류가 있거나 최신 정보와 다를 수 있습니다. 실제 투자 전에는 공식 자료를 직접 확인하시기 바랍니다. 투자 판단과 그 결과에 대한 책임은 투자자 본인에게 있습니다.

반도체 실적 읽는 법 — 하이닉스 실적발표 D-11, 이렇게 보세요 · AI 반도체 투자 교과서 ⑩

Sat, 18 Jul 2026 09:20:00 +0900

시리즈의 마지막 편입니다. 지금까지 HBM이 뭔지(1편), 누가 이기고 있는지(2·3편), 사이클의 어디쯤인지(4편), 돈이 어떻게 흐르는지(6편), 목표주가가 어떻게 만들어지는지(9편)까지 봤습니다. 이 모든 가정이 맞았는지 분기마다 채점받는 현장이 실적발표입니다. 오늘은 그 성적표 읽는 법으로 교과서를 완성합니다.

마침 타이밍이 좋습니다. 11일 뒤인 7월 29일 오전 9시, SK하이닉스가 2분기 실적을 발표합니다. 이 글을 읽고 나면 그날 뉴스가 전과 다르게 보일 거예요.

먼저, 지난달의 미스터리부터

7월 7일 삼성전자가 2분기 잠정실적을 냈습니다. 영업이익 89.4조 원. 전년 대비 +1,810%, 엔비디아의 분기 이익마저 넘어선 사실상 세계 1위 성적이었습니다. 그런데 그날 삼성전자 주가는 7% 가까이 급락했습니다.

역대급 실적인데 주가가 폭락한다 — 주식을 처음 하는 분에게 가장 당황스러운 장면이죠. “실적 좋으면 주가 오른다"는 상식이 왜 안 통할까요? 이 미스터리를 푸는 것이 오늘의 전부입니다. 답은 세 글자, 컨센서스입니다.

STEP 1 — 절대 숫자가 아니라 ‘컨센서스 대비’

주가는 실적의 좋고 나쁨이 아니라, 실적이 기대보다 좋았는지 나빴는지에 반응합니다. 그 ‘기대’가 바로 컨센서스 — 증권사 애널리스트들의 실적 추정치 평균입니다. 실제 실적이 컨센서스를 크게 웃돌면 ‘어닝 서프라이즈’, 밑돌면 ‘어닝 쇼크’라고 부르죠.

삼성전자 89.4조는 공식 컨센서스(약 84조)는 넘었지만, 시장이 실제로 기대하던 눈높이(90~100조)에는 못 미쳤습니다. 게다가 그동안 반도체가 워낙 올라서 좋은 실적이 이미 주가에 반영돼 있었죠(이걸 ‘셀온(sell on)’, 재료 소멸이라 합니다). 발표는 오히려 차익실현의 방아쇠가 됐습니다. 그래서 실적발표를 볼 때 첫 계산은 “영업이익 ÷ 컨센서스 − 1” 입니다. 절대 액수에 감탄하기 전에 이 한 줄부터 하세요.

STEP 2~4 — 이익률, 믹스, 재고

숫자 안쪽도 봐야 합니다.

이익률 추이: 영업이익률이 방향성을 말해줍니다. 하이닉스 1분기 영업이익률은 72% — 제조업에서 비현실적인 숫자죠. 2분기에 이게 유지되는지가 관전 포인트입니다.
믹스의 질: 매출이 늘어도 ‘왜’ 늘었는지가 중요합니다. 하이닉스는 1분기에 낸드 출하량이 10% 줄었는데도 ASP(평균판매단가)가 70% 넘게 올라 이익이 늘었습니다. 5편에서 본 것처럼 HBM·eSSD 같은 고부가 제품 비중이 커지는 속도가 진짜 체력입니다.
재고·캐펙스: 재고는 보통 6~8주가 정상인데 지금은 2주 수준의 초긴축입니다. 다만 4편에서 배웠듯 같은 재고 지표도 국면에 따라 해석이 다릅니다 — 과잉 탈출기의 낮은 재고는 건강 신호죠. 캐펙스도 규모보다 “확인된 수요(선주문)에 맞춘 집행인가"를 봅니다.

STEP 5 — 진짜 주가는 ‘가이던스’가 움직인다

그리고 가장 중요한 마지막. 시장은 이미 지나간 이번 분기보다 **다음 분기 전망(가이던스)**에 반응합니다. 컨퍼런스콜에서 경영진이 던지는 HBM 물량, 내년 가격, 양산 로드맵 같은 신호죠.

완벽한 대조 사례가 있습니다. 6월 25일 마이크론은 매출·EPS가 컨센서스를 각각 16%, 23% 웃돈 데다 다음 분기 가이던스까지 대폭 올려 주가가 16% 급등했습니다. 삼성과 정반대죠. 숫자만 좋은 게 아니라 앞으로도 좋을 거라는 신호가 겹쳐야 주가가 화답합니다.

그래서 7월 29일, 하이닉스를 이렇게 보세요

11일 뒤 하이닉스 발표에서 뉴스 헤드라인은 십중팔구 “하이닉스 영업이익 70조 돌파!” 같은 절대 숫자일 겁니다. 하지만 여러분은 이제 다르게 봐야 합니다.

컨센서스 대비: 증권가 2분기 영업이익 컨센서스는 약 65조입니다. 그런데 한국투자증권 등은 60조 안팎으로 컨센서스를 8% 하회할 수 있다고 봤습니다 — 이유가 흥미롭습니다. HBM은 장기계약(1편) 구조라 가격이 미리 고정돼, 범용 D램 값이 급등할 때 오히려 ASP 상승률이 시장 평균보다 낮게 나올 수 있다는 겁니다. 9편에서 본 목표주가 스프레드(430만 vs 185만)가 바로 이 추정 차이에서 나옵니다.
가이던스: HBM4 양산이 3분기로 밀리는지, 내년 물량·가격을 경영진이 어떻게 말하는지. 지난 컨콜에서 하이닉스는 “향후 3년 고객 요청 수요가 이미 공급 캐파를 훨씬 상회한다"고 했습니다. 이 톤이 유지되는지가 4편의 사이클 논쟁, 번외편의 ‘돈의 강’ 지속성 질문에 대한 실물 답변입니다.
주가가 빠져도 놀라지 마세요: 삼성 사례처럼, 역대급 실적에도 주가는 빠질 수 있습니다. 그게 비정상이 아니라 정상입니다.

개인투자자가 가장 많이 하는 실수

정리하는 의미로, 실적발표에서 흔히 밟는 지뢰들입니다.

컨센서스를 안 본다 — 절대 이익만 보고 “좋은 실적"이라 단정.
가이던스를 무시한다 — 이번 분기에 취해 다음 분기 전망을 놓침.
셀온을 못 읽는다 — 선반영된 호재를 매수 신호로 오해해 뒤늦게 진입.
믹스를 놓친다 — 총액만 보고 ASP·HBM 비중 같은 질적 변화를 못 봄.
컨콜을 안 듣는다 — 보도자료 숫자만 보고, 경영진이 강조하는 것과 피하는 것의 시그널을 놓침.

정리 — 그리고 시리즈를 마치며

실적발표는 **“좋았나"가 아니라 “기대보다 좋았나 + 앞으로도 좋을까”**를 보는 자리입니다. 첫 계산은 컨센서스 대비, 마지막 확인은 가이던스.
삼성(실적 好·주가 惡)과 마이크론(서프라이즈+가이던스=주가 好)의 대조가 “실적 ≠ 주가"를 증명합니다. 역대급 실적에도 주가는 빠질 수 있습니다.
7월 29일 하이닉스 발표는 이 시리즈의 모든 주제가 채점받는 날입니다 — 컨센서스(약 65조) 대비, HBM 장기계약이 만드는 ASP의 역설, 그리고 가이던스에 담길 사이클의 방향.

이걸로 ‘AI 반도체 투자 교과서’ 10편이 끝났습니다. HBM이라는 부품 하나에서 출발해 회사·사이클·밸류체인·지수·목표주가·실적까지 왔네요. 이 시리즈가 준 것은 종목도, 목표가도 아닙니다 — 뉴스를 스스로 읽어내는 틀입니다. 앞으로 반도체 뉴스가 나올 때, 이 열 편의 개념들이 머릿속에서 연결된다면 그걸로 충분합니다. 긴 여정 함께해 주셔서 고맙습니다.

⚠️ 이 글은 AI를 활용해 투자 관련 내용을 공부하며 정리한 글입니다. 특정 종목이나 투자 방식에 대한 권유가 아니며, 내용에 오류가 있거나 최신 정보와 다를 수 있습니다. 실제 투자 전에는 공식 자료를 직접 확인하시기 바랍니다. 투자 판단과 그 결과에 대한 책임은 투자자 본인에게 있습니다.

인용된 수치와 전망은 해당 시점의 것이며, 실제 실적발표 결과는 다를 수 있습니다.

'400만닉스'는 어떻게 계산됐나 — 목표주가의 해부 · AI 반도체 투자 교과서 ⑨

Fri, 17 Jul 2026 11:20:00 +0900

지금 SK하이닉스 주가는 184만 원입니다. 그런데 같은 시장을 보고 있는 증권사들의 목표주가는 BNK투자증권 185만 원부터 한화투자증권 430만 원까지, 2.3배가 벌어져 있습니다. 한쪽은 사실상 “지금이 제값"이라 하고, 다른 쪽은 “여기서 두 배 더"라고 합니다. 같은 회사, 같은 실적, 같은 뉴스를 보고 어떻게 이런 일이 가능할까요?

답은 목표주가가 ‘측정’이 아니라 **‘가정의 집합’**이기 때문입니다. 8편에서 전문가들이 코스피 10,000과 피크아웃으로 갈라져 있다고 했는데, 오늘은 그 갈라짐이 만들어지는 공장 내부 — 목표주가의 계산실을 견학하겠습니다. 이걸 한 번 보고 나면, “목표가 400만 원 제시!“라는 헤드라인이 전과 다르게 읽힐 겁니다.

공식은 하나 — 미래 실적 × 배수

모든 목표주가의 뼈대는 놀랄 만큼 단순합니다. 미래 실적 추정치에 배수(멀티플)를 곱하는 것. 이익 기준이면 “예상 EPS(주당순이익) × 목표 PER”, 자산 기준이면 “예상 BPS(주당순자산) × 목표 PBR"입니다. 실제 리포트의 계산식을 보죠.

IBK투자증권 김운호 연구원이 7월 2일 하이닉스 목표가를 180만 원에서 400만 원으로 올렸을 때의 산식은 이렇습니다: 12개월 예상 EPS 41만 1천 원 × PER 10배 = 400만 원. 한화투자증권의 430만 원도 같은 구조입니다(EPS 42만 9,777원 × 10배). 반면 교보증권은 예상 BPS 73만 9,083원 × 목표 PBR 5.4배로 접근해 비슷한 숫자에 도달했습니다.

공식이 이렇게 단순하다면, 목표가가 2.3배씩 벌어지는 이유는 명확합니다. 곱셈의 양쪽 항이 전부 ‘추정’이기 때문입니다. 갈라지는 지점은 정확히 세 곳입니다.

갈라짐 ① — 어떤 잣대를 쓸 것인가 (PER vs PBR)

메모리 반도체는 전통적으로 PBR로 평가하는 산업이었습니다. 4편에서 본 것처럼 이익이 사이클마다 롤러코스터를 타니, 출렁이는 이익(PER) 대신 안정적인 순자산(PBR)을 기준 삼아 “호황엔 PBR 밴드 상단, 불황엔 하단"을 오가는 식이었죠.

그런데 이번 사이클에서 노무라와 SK증권이 반란을 일으켰습니다. “HBM은 장기계약(1편) 기반이라 이익 안정성이 생겼다. 더는 사이클 산업이 아니니 PER로 평가해야 한다“는 겁니다. 하이닉스의 선행 PER은 6~7배 — TSMC의 20배와 비교하면 3분의 1입니다. PER 잣대를 들이대는 순간 “저평가"라는 결론이 나오고, 400만 원대 목표가가 정당화됩니다.

흥미로운 건 세력 분포입니다. 최근 3개월 하이닉스 리포트를 낸 24개 증권사 중 18곳은 여전히 PBR을 씁니다. PER 단독파는 IBK·한화·유진·SK증권 등 소수죠. LS증권 황산해 연구원은 낮은 PER에 대해 “이익 지속가능성을 시장이 검증하는 기간"이라는 반론을 폅니다 — 4편의 “이번엔 다르다” 논쟁이, 밸류에이션 방법론 선택이라는 형태로 그대로 재연되고 있는 겁니다.

갈라짐 ② — 실적을 얼마로 볼 것인가

곱셈의 앞항인 실적 추정도 만만치 않습니다. 애널리스트들은 D램 계약가격 상승률, 출하량(빗그로스), HBM 비중, 환율을 가정해 분기 실적을 쌓아 올리는데, 이 가정이 조금만 달라져도 결과가 크게 벌어집니다. 실제로 하이닉스의 2026년 영업이익 추정치는 증권사별로 223조~281조 원까지 퍼져 있습니다. 스프레드가 58조 원 — 삼성전자의 작년 연간 영업이익보다 큰 금액이 ‘추정치 차이’로 존재하는 겁니다.

지난 5월 한국투자증권이 삼성전자 목표가를 37만→57만 원으로 한 번에 54% 올린 것도 공식이 바뀐 게 아니라 가정이 바뀐 결과였습니다. 2분기 범용 D램 가격 상승률 가정을 30%에서 60%로 올리자 이익 추정이 뛰었고, ROE 50% 가정에서 목표 PBR 5배가 나온 거죠.

갈라짐 ③ — 그래서 몇 배를 쳐줄 것인가

마지막으로 목표 멀티플 자체가 판단입니다. 근거는 보통 역사적 밴드(과거 이 종목이 몇 배까지 받아봤나)와 글로벌 피어 비교(마이크론 9배, TSMC 20배, 엔비디아…)인데, “한국 메모리가 TSMC 대비 얼마나 할인받아야 하는가"에는 정답이 없습니다. 노무라의 삼성전자 67만 원(6/24 상향)의 논리가 정확히 “TSMC 몸값을 따라가야 한다"였습니다.

목표주가의 성적표 — 참고하되, 믿지는 마라

그럼 이렇게 만들어진 숫자의 실제 성적은 어떨까요. 자본시장연구원이 2000~2024년 약 74만 건의 리포트를 분석한 결과가 있습니다.

달성률 19%. 목표주가를 제시한 리포트 10건 중 8건은 끝내 그 가격에 도달하지 못했습니다. 그리고 국내 리포트의 93%가 매수 의견이고, 매도 의견은 8,668건 중 2건(0.02%)이었습니다. 31개 증권사 중 28곳은 매도 리포트가 아예 0건입니다. 증권사가 기업금융·수수료로 먹고사는 구조상 커버리지 기업에 매도를 내기 어렵다는 건 공공연한 사실이고요. 올해 목표가 조정도 상향 4,106건 vs 하향 802건 — 5:1입니다. 목표주가가 주가를 이끄는 게 아니라 주가를 뒤쫓아 올라가는 구조라는 비판이 나오는 이유입니다.

역사도 겸손을 가르칩니다. 2021년 “10만전자” 시절, 고점에서 증권가는 목표가 12만 원을 불렀지만 주가는 5만 2,600원까지 떨어졌고, 삼성전자가 실제로 10만 원을 찍은 건 4년 9개월 뒤였습니다. 반대 방향도 있습니다. 2024년 모건스탠리는 ‘Winter Looms(겨울이 온다)’ 리포트로 하이닉스 목표가를 54% 내렸는데, 직후 슈퍼사이클이 왔죠. 낙관도 비관도, 극단은 빗나갑니다.

그래서 지금 상황이 교과서적입니다. 급락 후 컨센서스 평균 목표가는 310만 원대, 현재가 대비 +70%의 괴리. 이 괴리를 “상승 여력"으로 읽을지 “아직 안 내려온 눈높이"로 읽을지 — 그 판단은 목표가 숫자가 아니라 그 뒤의 가정(D램 가격이 내년에도 오르는가, HBM 이익은 정말 안정적인가)을 봐야 가능합니다.

정리

목표주가 = 미래 실적 추정 × 목표 멀티플. ‘400만닉스’는 EPS 41만 원 × PER 10배(IBK), 혹은 BPS 74만 원 × PBR 5.4배(교보) — 공식은 단순하지만 양쪽 항이 모두 가정입니다.
같은 날 목표가가 185만~~430만으로 갈리는 원천은 세 가지 — **① PER vs PBR 방법론(24곳 중 18곳은 아직 PBR), ② 실적 가정(영업이익 추정 223~~281조), ③ 피어 대비 할인 판단.** 방법론 선택 자체가 “이번엔 다르다” 논쟁의 대리전입니다.
성적표는 냉정합니다 — 달성률 19%, 매수 의견 93%, 매도 0.02%, 상향:하향 5:1. 목표주가는 예언이 아니라 후행하는 의견입니다.
목표주가의 올바른 사용법: ‘얼마’는 버리고 ‘왜’를 읽으세요. 어떤 가정(D램 가격·HBM 비중·멀티플)이 깔려 있는지를 보면, 그 가정이 깨지는 순간을 스스로 알아챌 수 있습니다.

다음 10편은 시리즈의 마지막, 그 가정들이 맞았는지 확인하는 현장입니다 — 하이닉스 실적발표(실적 시즌) 따라 읽는 법으로 교과서를 완성합니다.

⚠️ 이 글은 AI를 활용해 투자 관련 내용을 공부하며 정리한 글입니다. 특정 종목이나 투자 방식에 대한 권유가 아니며, 내용에 오류가 있거나 최신 정보와 다를 수 있습니다. 실제 투자 전에는 공식 자료를 직접 확인하시기 바랍니다. 투자 판단과 그 결과에 대한 책임은 투자자 본인에게 있습니다.

인용된 목표주가와 전문가 견해는 해당 시점의 의견이며 언제든 바뀔 수 있습니다.

코스피 9,385에서 6,820까지 — 반도체가 쥐고 흔드는 지수의 해부 · AI 반도체 투자 교과서 ⑧

Thu, 16 Jul 2026 20:30:00 +0900

이 시리즈를 기획할 때 8편의 가제는 “코스피 5000 시대?“였습니다. 그런데 글을 쓰려고 자료를 모아 보니, 그 제목이 이미 골동품이 돼 있더군요. 코스피는 1월 22일에 5,000을 돌파했고, 6월 19일에는 장중 9,385.59라는 사상 최고치를 찍었습니다. 연초 대비 +123%. 그리고 이 글을 쓰는 오늘(7월 16일), 지수는 서킷브레이커와 함께 6,820.60으로 마감했습니다. 고점 대비 -27%입니다.

6개월 만의 폭등과 한 달 만의 급락. 이 극단적인 롤러코스터를 이해하는 열쇠가 바로 이 시리즈에서 계속 다뤄온 반도체입니다. 오늘은 지수 레벨을 맞히는 글이 아닙니다 — 그건 누구도 못 합니다. 대신 왜 코스피가 이렇게 움직일 수밖에 없는 구조인지를 해부하겠습니다.

상승의 해부 — 지수를 끌어올린 건 사실상 두 종목이었다

올해 상반기 코스피 상승분의 약 70%가 삼성전자와 SK하이닉스, 단 두 종목에서 나왔습니다(기여도 각각 34.3pt, 35.5pt). 두 종목의 시총 비중은 1월 34%에서 6월 54.76%까지 올라갔고 — 사상 최고입니다 — 6월 19일 하루 코스피 매수액의 53.6%가 이 두 종목이었습니다.

이 쏠림에는 근거가 있었습니다. 4편에서 본 슈퍼사이클이 숫자로 실현되고 있었거든요. 증권가의 2026년 전망 기준으로 코스피 전체 영업이익 866조 원 가운데 삼성전자(335조)와 하이닉스(251조)가 586조, 68%를 차지합니다. 더 극적인 건 이익 ‘증가분’입니다 — 코스피 순이익 증가분의 93%가 반도체입니다. 쉽게 말해, 올해 한국 상장사의 이익 성장은 사실상 반도체가 전부였다는 뜻입니다. 시총 쏠림이 투기가 아니라 이익 쏠림의 반영이었다는 게 강세론의 뼈대죠.

여기에 상법 개정·밸류업 프로그램이 코리아 디스카운트 해소 기대를 얹었고(코스피 PBR 0.9배→2.6배), 대선 공약이던 “코스피 5000"이 실제로 달성되며 정책 서사까지 붙었습니다. 흥미로운 역설 하나 — 외국인은 상반기에 150조 원이라는 사상 최대 순매도를 기록했는데, 그중 90% 이상이 삼전·하이닉스였습니다. 외국인이 그렇게 팔았는데도 지수가 두 배가 된 겁니다. 개인과 기관, 그리고 밸류업 재평가 수급이 그걸 다 받아냈다는 얘기인데, 이걸 “수급의 저력"으로 읽는 쪽과 “물량 소화의 한계가 온다"로 읽는 쪽이 갈립니다.

하락의 해부 — 고점 신호는 여러 개였다

되돌아보면 6월 하순부터 신호가 겹쳐 나왔습니다. 이 대목에서 흥미로운 인물이 하나증권 이재만 글로벌투자분석실장입니다. 그는 5월 보고서에서 “SK하이닉스 시총이 삼성전자를 추월하는 순간이 고점"이라는 모델을 제시했는데, 6월 22일 하이닉스가 실제로 25년 7개월 만에 시총 1위에 올랐고 — 시장은 정확히 그 부근에서 꺾였습니다. 증권가에서 ‘성지순례 보고서’로 회자되는 이유입니다.

이후의 하락은 한 가지 원인이 아니라 연쇄였습니다. 7월 2일 메타의 클라우드 진출 발표가 “AI 컴퓨트 과잉 아니냐"는 해석을 낳으며 -7.9%(번외편에서 다룬 바로 그 뉴스입니다). 7월 6일에는 모건스탠리가 “반도체 중심의 좁은 상승장은 마무리 국면"이라며 삼전·하이닉스·마이크론 비중 축소를 권고하는 리포트를 냈고 — 시장에선 ‘반도체 저승사자’라는 별명이 붙었습니다 — 여기에 호르무즈발 지정학 리스크가 겹치며 -5.4%. 7월 13일 서킷브레이커(-9.0%), 그리고 오늘 다시 -6.4%. 7월 들어 사이드카나 서킷브레이커가 발동되지 않은 날이 사흘뿐이라는 웃지 못할 통계도 나왔습니다.

낙폭이 이렇게 큰 데는 구조적 증폭 장치도 있었습니다. 신용융자 잔고가 38.5조 원으로 사상 최고였고, 삼전·하이닉스 단일종목 레버리지 ETF에 몰린 자금이 급락 시 리밸런싱 매도를 쏟아내며 하락을 키웠습니다. 변동성지수(VKOSPI)는 6월 말 97.99로 2009년 집계 이래 최고 — 2008년 금융위기 수준에 근접했습니다. 오르는 이유도 반도체, 떨어지는 이유도 반도체, 그리고 떨어질 때 더 크게 떨어지는 이유는 레버리지였던 겁니다.

쏠림의 두 얼굴 — ‘반도체 착시’를 아는 것이 시작

여기서 개인투자자에게 가장 실용적인 개념이 **‘반도체 착시’**입니다. 반도체를 제외하면 코스피의 체감 수준은 4,100~4,200선에 불과하다는 분석이 있습니다. 사상 최고치를 찍은 6월 19일에도 신고가 종목은 115개, 하락 종목은 787개였습니다. “지수는 9,000인데 내 계좌는 왜 그대로냐"는 하소연이 팽배했던 이유가 이겁니다. 지수가 아니라 두 종목이 오른 장이었으니까요.

이 구조는 양날의 검입니다. 3편에서 하이닉스를 “사이클의 증폭기"라 불렀는데, 이제는 코스피 자체가 반도체 사이클의 증폭기가 됐습니다. 반도체가 좋으면 지수는 세계에서 가장 강하고, 반도체가 흔들리면 하루 -6~9%가 일상이 됩니다. 미국 증시에서 매그니피센트7 쏠림을 걱정하지만, 코스피의 2종목 55%는 그보다 훨씬 극단적인 농도입니다.

전문가들은 지금 정확히 반으로 갈라져 있다

지금 시장의 진단은 제가 본 것 중 가장 선명하게 양분돼 있습니다.

강세 쪽. 노무라의 정창원 아시아리서치 공동대표는 HBM·범용 D램·낸드가 동시에 도는 ‘트리플 슈퍼사이클’을 근거로 코스피 10,000~11,000을 제시했습니다. 한국투자증권 김대준 연구원도 상단을 11,000으로 올렸고, JP모건은 이번 조정을 “저가매수 기회"로 봤습니다 — 신규 캐파가 2028년까지 제한적이라 공급 부족이 길어진다는, 4편에서 본 논리 그대로입니다. 고점을 맞힌 이재만 실장조차 장기 목표 11,000을 유지하며 지금 조정을 “과도한 가격 조정"이라 진단합니다.

신중 쪽. 모건스탠리는 실적 피크아웃을 선언하며 반도체 비중 축소를 권고했습니다. 대신증권 이경민 부장은 급락 자체는 “명백한 언더슈팅"이라면서도, 이번 하락이 펀더멘털 훼손보다 AI 서사에 대한 의구심 + 밸류에이션 되돌림 + 레버리지 청산의 복합이라고 봤습니다. 그리고 오늘 급락의 재료가 워런 버핏의 AI 거품 경고였다는 점은, 이 논쟁이 국내가 아니라 글로벌 AI 투자 전체의 논쟁임을 보여줍니다.

제 정리는 이렇습니다. 양쪽 다 “반도체 이익이 코스피의 전부"라는 사실에는 동의합니다. 갈리는 건 그 이익의 지속 기간에 대한 베팅이고, 그건 결국 4편(사이클의 위치)과 번외편(돈의 강 지속성)의 질문으로 되돌아갑니다. 지수 전망은 반도체 전망의 종속변수가 됐습니다.

정리

2026년 코스피는 1월 4,214 → 6월 장중 9,385(+123%) → 7월 6,820(-27%)의 극단적 궤적을 그렸고, 상승의 70%도 하락의 방아쇠도 반도체 두 종목이었습니다.
쏠림은 4중 구조입니다 — 시총 55%, 상승 기여 70%, 영업이익 68%, 순이익 증가분 93%. 이익의 쏠림이라는 실체가 있지만, 그만큼 지수가 반도체 사이클의 증폭기가 됐고 레버리지(빚투 38.5조, 단일종목 ETF)가 진폭을 키웁니다.
‘반도체 착시’를 기억하세요 — 반도체 제외 체감 지수는 4,100선. “코스피가 오른다"와 “내 종목이 오른다"는 다른 명제가 됐고, 반대로 지수 급락이 곧 시장 전체의 붕괴를 뜻하지도 않습니다.
전문가 진단은 10,000~11,000(노무라·한투·하나) vs 피크아웃(모건스탠리)으로 양분 — 결국 판단할 것은 지수가 아니라 반도체 사이클의 위치입니다. 4편의 체크리스트(D램 계약가 상승률·재고·캐펙스·신규 팹)가 그대로 코스피 체크리스트입니다.

다음 9편은 이 논쟁의 도구를 다룹니다. 증권사들이 던지는 목표주가는 대체 어떻게 계산되는 건지 — “400만닉스"의 계산법을 뜯어봅니다.

⚠️ 이 글은 AI를 활용해 투자 관련 내용을 공부하며 정리한 글입니다. 특정 종목이나 투자 방식에 대한 권유가 아니며, 내용에 오류가 있거나 최신 정보와 다를 수 있습니다. 실제 투자 전에는 공식 자료를 직접 확인하시기 바랍니다. 투자 판단과 그 결과에 대한 책임은 투자자 본인에게 있습니다.

인용된 전문가 견해는 해당 시점의 의견이며 언제든 바뀔 수 있습니다.

AI로 게임 만들기 #3 — 원버튼 '디저트 탑 쌓기', 막대기가 마카롱이 되기까지 (공개빌드 #3)

Thu, 16 Jul 2026 20:00:00 +0900

지난 편까지 만든 두 게임(그림 퀴즈, 한글 워들)을 놓고 보니 공통점이 있더라고요 — 둘 다 머리 쓰는 게임입니다. 라이브러리에 퀴즈만 쌓이면 재미없죠. 그래서 세 번째는 완전히 반대로, 아무 생각 없이 순전히 손맛으로 하는 게임을 만들었습니다. 결과물은… 디저트 탑 쌓기가 됐어요. 왜 “디저트"인지는 뒤에서 이야기하겠습니다.

👉 디저트 탑 쌓기 하러 가기

‘탑 쌓기’ 장르가 뭐냐면

모바일 게임 좀 해보셨으면 ‘Stack’류 게임을 기억하실 거예요. 규칙은 이게 전부입니다:

블록이 좌우로 왔다 갔다 움직인다 → 탭하면 뚝 떨어진다
아래 블록과 겹친 부분만 남고, 튀어나온 부분은 싹둑 잘려나간다
블록이 점점 좁아지다가, 완전히 빗나가면 끝 — 몇 층까지 쌓았나?

배우는 데 30초, 한 판에 30초. 그런데 “한 판만 더"가 끝없이 나오는 마성의 장르죠.

이렇게 플레이합니다

화면 탭(PC는 스페이스바) 한 번 = 디저트 낙하
삐끗한 만큼 잘려서 탑이 점점 좁아집니다 — 착지할 때마다 크림이 찌익 튀고요
오차 몇 픽셀 이내로 딱 맞추면 PERFECT — 안 잘리고, 체리나 딸기가 톡 하고 올라갑니다 (탑에 그대로 남아서, 퍼펙트 이력이 훈장처럼 쌓여요)
연속 PERFECT면 좁아졌던 폭이 조금씩 회복됩니다 (실수해도 컴백 가능)
올라갈수록 점점 빨라집니다. 점수 = 층수

팬케이크, 마카롱, 생크림, 초콜릿… 층마다 다른 디저트가 올라오는데, 문제는 —

젤리는 흔들립니다 🍮

몇 층마다 한 번씩 젤리가 나옵니다. 이 젤리, 착지한 뒤에도 탄성 때문에 좌우로 부르르 흔들려요. 그리고 다음 블록의 판정은 흔들리고 있는 실시간 위치 기준입니다. 흔들리는 젤리 위에 다음 디저트를 얹어야 하니, 타이밍을 완전히 빼앗기죠. 대신 그 위에 뭔가 얹히면 젤리는 그 자리에 눌려 고정됩니다. 이 게임의 시그니처 기믹이에요 — “아, 젤리다…” 하는 순간의 긴장감.

막대기가 마카롱이 되기까지

사실 이번 편의 진짜 이야기는 이겁니다. 이 게임, 세 번 변신했어요.

1차 — 색깔 막대기. 로직을 다 만들고 첫 버전을 보여줬더니 돌아온 반응: “좋은데, 탑 디자인이 너무 구리다.” …맞는 말이었습니다:

2차 — 입체(2.5D). 그래서 블록에 윗면·옆면을 붙여 입체로 갈아엎었습니다. 훨씬 나아졌죠:

3차 — 디저트. 그런데 여기서 “아예 디저트를 쌓으면 어때? 젤리는 흔들리고!“라는 아이디어가 나왔고 — 그 순간 이 게임이 흔한 Stack 클론에서 자기 정체성이 있는 게임으로 바뀌었습니다. 파스텔 배경, 케이크 스탠드, 시럽 드립, 퍼펙트 체리, 그리고 흔들리는 젤리까지. 위의 플레이 화면이 그 결과예요.

게임 로직은 처음부터 끝까지 그대로입니다. 바뀐 건 그리는 코드와 콘셉트뿐인데, 게임의 인상은 매번 완전히 달라졌어요. 만들면서 배운 것: 규칙이 게임의 뼈대라면, 콘셉트는 게임의 얼굴이더라고요.

이제 게임이 셋 — 성격이 다 다릅니다

	게임	성격
🎨	AI 그림 맞히기	머리 (퀴즈)
🟩	한글 단어 맞히기	습관 (데일리)
🍰	디저트 탑 쌓기	손맛 (아케이드)

“비슷한 게임 모음"이 아니라, 이제야 게임 랩이 구색을 갖춘 느낌입니다.

디저트 탑 한 판 쌓아보시고 몇 층인지 알려주세요. 참고로 저는 젤리 위에서 자꾸 무너집니다. 🚀

다음 편엔 네 번째 게임을 들고 오겠습니다.

반도체 소부장이란? 한미반도체·리노공업은 왜 하이닉스와 같이 움직이나 · AI 반도체 투자 교과서 ⑦

Tue, 14 Jul 2026 21:50:00 +0900

주식 하다 보면 이런 종목을 만납니다. 삼성전자도 하이닉스도 아닌데, 하이닉스가 좋은 실적을 내면 같이 오르고 HBM 뉴스가 나오면 같이 출렁이는 회사들. 뉴스에서는 이들을 **‘소부장’**이라 부릅니다. 6편에서 돈의 강 세 번째 수문으로 예고했던 그 종목들이죠. 오늘은 이 소부장이 정확히 뭔지, 그리고 왜 하이닉스와 한 몸처럼 움직이는지 정리합니다.

소부장 = 소재 · 부품 · 장비

소부장은 소재·부품·장비의 앞글자를 딴 말입니다. 반도체를 직접 만들어 파는 회사(삼성·하이닉스)가 아니라, 그 회사들이 반도체를 만들 수 있게 재료·부품·기계를 대주는 회사들이죠. 건설로 비유하면 이렇습니다.

소재: 공정에 쓰이는 재료입니다. 포토레지스트(감광액), 특수가스, 세정액, 전구체 같은 것들. 공장이 돌 때마다 계속 소모됩니다.
부품: 장비나 칩에 들어가는 부품입니다. 칩을 검사하는 테스트 소켓, 칩을 얹는 기판 등. 생산량이 늘면 더 많이 필요합니다.
장비: 칩을 만드는 기계입니다. HBM 칩을 쌓아 붙이는 TC본더, 식각·증착 장비, 검사 장비 등. 공장을 증설할 때 대량으로 발주됩니다.

하이닉스가 ‘건물주’라면, 건물주가 증축을 결정하는 순간 시멘트·창호·크레인 업체가 다 같이 바빠지는 것과 같은 구조입니다.

왜 하이닉스와 같이 움직일까 — 발주의 연쇄

핵심은 낙수의 순서입니다. 6편에서 본 돈의 강을 기억하시나요? AI 수요가 커지면 그 물줄기가 계단처럼 하류로 전달됩니다.

AI 서버 수요 증가 → 하이닉스·삼성이 HBM 증산 결정 → 장비를 대량 발주 → 공장이 풀가동되며 소재·부품을 계속 소모. 그래서 “하이닉스가 HBM 캐파를 늘린다"는 뉴스 하나가 소부장 전체의 실적 예고가 되는 겁니다. 소부장이 하이닉스 주가에 민감하게 반응하는 이유가 여기 있습니다.

대표 수혜 지점 — 왜 이 회사들이 뜨나

구체적인 사례로 보면 이해가 빠릅니다. (아래는 원리 설명을 위한 예시이지, 특정 종목 추천이 아닙니다.)

장비 — TC본더: 1편에서 HBM은 D램을 수직으로 쌓는다고 했죠. 그 칩들을 정밀하게 쌓아 붙이는 핵심 장비가 TC본더입니다. HBM이 늘수록, 그리고 층수가 높아질수록 더 정교한 TC본더가 필요합니다. 국내 업체가 이 시장에서 세계 점유율 70%대를 쥐고 있어, “HBM 대표 장비주"로 불립니다.
부품 — 테스트 소켓·기판: 만든 칩이 제대로 작동하는지 검사할 때 칩과 장비를 연결하는 소켓, 칩을 얹는 기판 등은 생산량에 비례해 소모됩니다. 증설이 아니라 ‘생산 그 자체’에 연동되는 수혜죠.
소재 — 특수가스·전구체·세정액: 공장이 돌기만 하면 계속 팔리는 소모품입니다. 장비가 ‘한 번 크게’ 팔린다면, 소재는 ‘꾸준히’ 팔리는 성격이라 실적 변동성이 상대적으로 다릅니다.

투자자의 관전 포인트

소부장은 ‘고베타 레버리지’: 하이닉스가 증폭기(3편)라면, 소부장은 그 증폭기에 다시 붙은 레버리지입니다. 사이클이 좋을 때 더 크게 오르지만, 꺾일 때 낙폭도 더 큽니다. 발주가 끊기면 실적이 급감하니까요.
‘장비 vs 소재’는 성격이 다르다: 장비주는 증설 사이클(발주 집중 시기)에 폭발하지만 발주가 끝나면 공백이 옵니다. 소재주는 공장 가동률에 연동돼 상대적으로 꾸준합니다. 무엇을 원하느냐에 따라 선택이 갈립니다.
고객 집중 리스크: 소부장 상당수가 매출을 하이닉스·삼성 등 소수 대형 고객에 의존합니다. 고객의 발주 결정 하나가 실적을 좌우하니, 대형사 실적·투자 계획을 함께 봐야 합니다.
‘HBM 관련주’라는 라벨을 의심하라: 테마로 묶여 오르는 종목 중 실제 HBM 매출 비중이 미미한 경우도 많습니다. 그 회사 매출에서 HBM/AI가 실제로 얼마인지 확인하는 게 핵심입니다.

정리

소부장 = 소재·부품·장비. 반도체를 직접 팔진 않지만, 반도체를 만들려면 반드시 필요한 회사들입니다.
AI 수요 → HBM 증산 → 장비 발주 → 소재·부품 소모의 발주 연쇄 때문에 하이닉스와 한 몸처럼 움직입니다.
소부장은 사이클의 레버리지(더 크게 오르고 더 크게 빠짐)이고, 장비주(증설 연동)와 소재주(가동률 연동)는 성격이 다릅니다. ‘테마 라벨’이 아니라 실제 HBM 매출 비중을 확인하세요.

다음 8편은 시야를 넓힙니다. 이 모든 반도체 이야기가 지수로 어떻게 나타나는지 — 코스피 5000 시대, 반도체가 지수를 끌고 가는 구조를 봅니다.

⚠️ 이 글은 AI를 활용해 투자 관련 내용을 공부하며 정리한 글입니다. 특정 종목이나 투자 방식에 대한 권유가 아니며, 내용에 오류가 있거나 최신 정보와 다를 수 있습니다. 실제 투자 전에는 공식 자료를 직접 확인하시기 바랍니다. 투자 판단과 그 결과에 대한 책임은 투자자 본인에게 있습니다.

@멘션 한 번이면 클로드가 답한다 — 디스코드로 만든 팀 AI 비서

Tue, 14 Jul 2026 12:00:00 +0900

시작은 슬랙이었다

팀 프로젝트 관리용으로 “메신저에서 클로드를 태그로 불러 쓰는” 환경을 만들고 싶었다. 슬랙에 클로드를 붙이는 공식 기능(Claude in Slack, 이른바 클로드 태그)이 이미 있어서 그걸 쓰려고 했는데 — 팀 플랜을 요구했다. 혼자 쓰거나 소규모로 굴리는 입장에선 기능 하나 때문에 요금제를 통째로 올리는 게 납득이 안 됐다.

그래서 “그럼 내가 쓰는 메신저에 직접 붙이자"로 방향을 틀었고, 후보를 좁혔다.

카카오톡 — 탈락. 일반 채팅방에 붙일 봇 API가 아예 없다. 오픈빌더는 1:1 채널 챗봇 전용이고, 비공식 자동화는 계정 정지 위험이 있다.
텔레그램 — 공식 봇 API가 가장 간단하고 진입장벽이 낮다. 다만 대화가 한 줄기라 여러 주제를 동시에 굴리면 금방 뒤엉킨다.
디스코드 — 최종 선택.

디스코드를 고른 이유는 명확했다.

스레드 구조. 멘션 하나에 스레드가 하나 생기니 주제별로 문맥이 자연스럽게 분리된다. 이게 뒤에 나올 --resume 세션 매핑과 정확히 맞아떨어진다.
채널 분리. 업무/메모/일정처럼 용도별 채널을 나눠 쓸 수 있다.
첨부파일과 코드블록을 제대로 다룬다. 파일 올리고 바로 “이거 분석해줘"가 된다.
봇 권한을 세밀하게 준다. 어떤 채널에서 뭘 할 수 있는지 서버 단위로 통제된다.
슬래시 명령이 1급 시민. /일정등록 같은 걸 자동완성·인자 검증까지 붙여 만들 수 있다.
무료이고, PC·모바일 클라이언트가 다 있어서 나가서도 그대로 쓴다.

핵심 아키텍처

1

디스코드 @멘션 → discord.py 봇 → claude -p (headless Claude Code) → 응답 전송

claude -p --output-format json은 응답과 함께 session_id를 돌려준다. 이걸 디스코드 스레드 ID와 매핑해 저장해두고, 다음 메시지에 --resume <session_id>를 붙이면 스레드마다 대화 문맥이 유지된다.
Claude Code에 구독(Pro/Max) 로그인이 되어 있으면 claude -p는 구독량으로 처리되어 Anthropic API 결제가 필요 없다. 슬랙 쪽에서 막혔던 요금 문제가 여기서 사라진다.
headless 모드에서도 그 PC에 설정된 MCP 서버와 스킬을 전부 그대로 인식한다. 내 PC에서 쓰던 환경이 그대로 디스코드로 나오는 셈이다.

예상 못 한 수확: 로컬 메모 동기화가 같이 풀렸다

옵시디언처럼 메모를 로컬 파일로 쌓아두고 있었는데, 이걸 폰에서도 보려면 어느 서비스든 결국 유료 동기화 플랜을 권한다. 슬랙 때와 똑같은 벽이다.

그런데 이 봇을 붙이고 나니 그 문제가 통째로 사라졌다. 메모 파일은 계속 내 PC에 로컬로 있고, 디스코드에서 멘션 한 번이면 클로드가 그 파일들을 읽어서 답한다. 동기화를 할 필요가 없다 — 파일을 옮기는 게 아니라, 파일이 있는 곳에 질문을 보내는 구조이기 때문이다.

여기에 MCP를 얹으면 더 좋아진다. 레드마인 같은 사내 시스템을 MCP로 물려두면, 봇이 일정과 이슈를 조회해서 디스코드 채팅에 보기 좋게 정리해 뿌려준다. 로컬 메모 + MCP 데이터를 한 자리에서 묶어 요약해주니, 별도 대시보드를 안 만들어도 “오늘 뭐 있지"가 채팅 한 줄로 끝난다.

봇 기능

멘션 → 스레드 자동 생성 후 답변
첨부파일 자동 다운로드 후 클로드가 Read 도구로 분석
슬래시 명령(/일정등록, /일정목록, /일정삭제)으로 일정 알림 (마감 전날 1회 + 당일 매시간 반복, 삭제 = 완료 처리)

보안 설계

봇이 있는 서버의 모든 멤버가 내 PC의 클로드를 쓰게 되므로 도구를 잠가야 한다. --allowedTools를 읽기/검색 계열(Read, Glob, Grep, WebSearch, WebFetch)과 허용할 MCP 도구(mcp__redmine__list_issues 등)로만 제한하고, Bash·Write·Edit 같은 실행/쓰기 도구는 막았다.

디스코드 봇 등록 절차

개발자 포털에서:

New Application → Bot 메뉴에서 토큰 발급
MESSAGE CONTENT INTENT 스위치 켜기 — 안 켜면 봇이 메시지를 못 읽는다. 최다 실수 포인트.
OAuth2 URL Generator에서 bot 스코프 + 필요한 권한 체크
생성된 URL로 서버 초대

다른 클로드 구독자도 자기 토큰과 자기 구독으로 돌릴 수 있게 zip(봇 코드 + .env.example + 설치 가이드 + setup.bat)으로 묶어뒀다. setup.bat이 Python(winget)·discord.py 설치와 설정 파일 생성까지 자동화하고, 계정이 필요한 부분(디스코드 토큰 발급, 클로드 로그인)만 수동으로 남는다.

막혔던 점과 해결

스토어(MSIX) 설치 Python은 AppData가 가상화되어 %APPDATA%\Claude\claude-code\의 claude.exe를 못 읽는다 (PowerShell에선 보이는데 Python에선 FileNotFoundError). → claude.exe를 AppData 밖 폴더로 복사해서 해결. 단독 실행파일이라 복사만으로 동작.
배치 파일에 한글을 넣으면 cmd가 명령을 깨뜨린다 (chcp 65001 이후 파서가 바이트 오프셋을 잘못 읽어 'laudeBot'은(는)... 같은 유령 오류 발생). → bat 파일은 ASCII만 사용.
PowerShell 파이프로 한글을 넘기면 인코딩이 깨진다. → 파이썬 subprocess에서 UTF-8 바이트로 stdin에 직접 쓰면 안전. 파이썬 실행도 -u(unbuffered) + PYTHONUTF8=1 필수 (안 하면 print가 버퍼에 갇혀 로그가 안 보이거나 이모지 출력에서 죽는다).
봇을 AI 세션의 백그라운드 프로세스로 띄우면 세션이 끝날 때 봇도 같이 죽는다. → bat 더블클릭으로 독립 콘솔에서 실행해야 한다. 콘솔 창 닫으면 봇 종료, 최소화는 OK.
같은 봇 토큰으로 프로세스를 2개 띄우면 게이트웨이에 둘 다 붙어서 답장이 중복된다.

메모/생각

결국 세 번의 “유료 플랜을 쓰세요"를 같은 방법 하나로 넘겼다. 슬랙 클로드 태그(팀 플랜), 메모 동기화(구독), API 결제 — 내 PC에서 도는 봇 하나로 셋 다 정리됐다.
핵심은 클로드를 어디 올려두는 게 아니라, 이미 내 PC에 갖춰둔 환경(MCP·스킬·로컬 파일)에 메신저라는 입구를 하나 뚫어준 것이다. 그래서 새로 설정할 게 거의 없었다.
다음에 해볼 것: 부팅 시 자동 시작 등록, 스레드별 도구 권한 분리.

돈의 강은 마르지 않을까 — OpenAI·앤트로픽·메타 점검 · AI 반도체 투자 교과서 번외

Mon, 13 Jul 2026 20:14:00 +0900

6편에서 AI 돈의 강을 그렸습니다. 우리 → 빅테크 → 엔비디아 → 한국 메모리로 흐르는 강. 그런데 그 글을 쓰고 나니 가장 중요한 질문이 남더군요. “이 강, 계속 흐르긴 하는 걸까?” 하이닉스도 삼성도 결국 이 강의 하류에 있으니, 상류가 마르면 다 같이 마릅니다. 오늘은 번외편으로 강의 상류를 점검합니다 — 원류(OpenAI·앤트로픽), 수원지(빅테크 캐펙스), 그리고 새 변수(메타의 클라우드 진출설)까지.

상류의 수량 — 일단 지금은 불어나는 중

2026년 주요 하이퍼스케일러의 AI 인프라 투자는 6,000억~~7,000억 달러대, 2026~~28년 누적으로 약 2.1조 달러가 계획돼 있습니다. JP모건은 올해 캐펙스 증가율 전망을 오히려 상향(52%→63%)했고, 2027년에도 금액은 더 늘어난다고 봅니다.

닷컴버블과 결정적으로 다른 점 하나 — 이 돈의 출처가 아직 건전하다는 것. 빅테크의 캐펙스/잉여현금흐름 비율은 1 미만, 즉 대체로 빌린 돈이 아니라 번 돈으로 짓고 있습니다. 2000년의 광케이블은 부채로 깔렸다가 무너졌죠.

원류 점검 ① — 정반대로 가는 OpenAI와 앤트로픽

강의 최상류, AI 모델 회사들의 재무를 보면 흥미로운 대조가 나타납니다.

OpenAI는 강의 최대 리스크 요인입니다. 연매출 약 250억 달러 페이스에 2026년 순손실 약 140억 달러 전망, 2029년까지 누적 현금 소진 1,000억 달러대라는 분석이 나옵니다. 더 무거운 건 인프라 약정입니다. 명목 1.4조 달러 규모의 컴퓨트 계약에 서명했다가, 최근 2030년까지 6,000억 달러 수준으로 조정한 것으로 알려졌죠. 이 구조는 매출이 계획대로 계속 배로 늘어야만 성립합니다. 매출이 10%만 빗나가도 2028~29년 지급 능력 문제가 제기된다는 계산이 나오는 이유입니다. OpenAI발 약정 축소·지연이 오라클·스타게이트를 거쳐 반도체 주문으로 전이되는지가 중류의 핵심 감시 포인트입니다.

반면 앤트로픽은 “AI는 돈이 안 된다"는 명제의 반증이 되고 있습니다. 연환산 매출 300억 달러대 돌파 보도에, 2026년 2분기 첫 분기 흑자(영업이익 약 5.6억 달러) 전망까지 나왔습니다. 비결은 고객 구조 — 매출의 약 80%가 기업(B2B)이고, 개발자용 코딩 도구 하나가 연환산 25억 달러를 법니다. 소비자 무료 사용자를 태우는 장사가 아니라 기업이 업무 비용으로 지불하는 장사라는 거죠.

투자자에게 이 대조가 주는 교훈: 원류가 하나가 아니라는 게 이 강의 안전판입니다. 한쪽(OpenAI)이 마르는지와 다른 쪽(기업향 AI 수요)이 불어나는지를 분리해서 봐야 합니다.

데이터센터는 포화 아닌가?

결론부터: 포화의 반대 상황입니다. 북미 데이터센터 공실률은 역대 최저 수준이고, 신축 물량은 완공 몇 년 전에 선임대됩니다. 지금의 병목은 “지어놨는데 안 차는” 것이 아니라 “전력과 부지가 없어서 못 짓는” 것입니다. 메타가 캐펙스 가이던스를 1,250억~1,450억 달러로 올리며 든 이유가 정확히 “땅·전력·건설 인력 확보 경쟁"이었고, 오하이오의 1GW급 데이터센터에 자체 가스발전소를 붙여 짓는 것도 전력망을 못 기다려서입니다.

다만 “포화"는 아니어도 “소화불량” 리스크는 실재합니다. 4~6년밖에 못 쓰는 GPU 자산을 수십조씩 쌓는 감가상각 부담, 국제결제은행(BIS)이 “수익 실망 시 캐펙스 붐이 투자 불황으로 반전될 수 있다"고 공식 경고한 것, 엔비디아→OpenAI→오라클로 도는 순환거래 우려가 그것입니다.

새 변수 — 메타의 클라우드 진출설

최근 흥미로운 보도가 있었습니다. 메타가 자사 AI 컴퓨트를 외부에 임대하는 ‘Meta Compute’를 검토 중이라는 것. 메타는 1GW급 ‘프로메테우스’(2026년 가동), 최대 5GW ‘하이페리온’ 등 하이퍼스케일러 중 가장 공격적인 클러스터를 짓고 있는데, 이걸 자기만 쓰는 게 아니라 AWS처럼 빌려주겠다는 구상입니다.

파장을 갈래별로 보면:

강의 지속성엔 긍정적: 지금까지 메타의 캐펙스는 수익화 경로가 광고뿐이었는데, 임대업을 하면 캐펙스 자체가 매출을 낳습니다. 더 공격적으로 지을 명분이 생기죠.
클라우드 3강엔 경쟁 악재: 공급자가 늘면 컴퓨트 임대 가격이 눌립니다. AI를 쓰는 쪽엔 호재입니다.
반도체엔 중립~긍정: 자기용이든 임대용이든 HBM과 메모리는 팔립니다. 이 뉴스에 AI주가 출렁인 건 “임대할 만큼 남는다 = 과잉의 초기 신호"라는 해석 때문인데, 공실률·전력 병목을 보면 아직은 부족 쪽 증거가 우세합니다.

감시 계기판 — 이 5개만 보면 됩니다

① 빅테크 캐펙스 가이던스 — 상향이 멈추는 순간이 1차 신호. ② OpenAI의 자금조달 — 성사 여부와 조건. ③ 컴퓨트 임대 가격 — 메타 진입 후 하락 속도. ④ 캐펙스 재원의 부채 비중 — 번 돈에서 빌린 돈으로 바뀌는지. ⑤ 전력 병목 해소 뉴스 — 병목이 풀리는 날이 곧 공급 계단이 놓이는 날입니다(4편의 논리 그대로).

정리

강은 지금 마르기는커녕 불어나는 중이고, 병목은 수요 포화가 아니라 **공급(전력·부지)**입니다. 재원도 아직은 부채가 아닌 현금흐름입니다.
원류는 대조적입니다 — OpenAI(연 -140억 달러, 약정 축소)는 최대 리스크, 앤트로픽(첫 분기 흑자, B2B 80%)은 수익화의 증거. 둘을 분리해서 보세요.
메타의 클라우드 진출설은 캐펙스의 수익화 수단이 늘어난다는 점에서 강의 지속성에 플러스, 반도체 수요엔 중립~긍정입니다.
진짜 시험대는 2027년 이후 — 신규 팹·전력이 풀리며 공급 계단이 놓이는 시점과, OpenAI의 매출 배증이 이어지는지가 겹치는 구간입니다.

⚠️ 이 글은 AI를 활용해 투자 관련 내용을 공부하며 정리한 글입니다. 특정 종목이나 투자 방식에 대한 권유가 아니며, 내용에 오류가 있거나 최신 정보와 다를 수 있습니다. 실제 투자 전에는 공식 자료를 직접 확인하시기 바랍니다. 투자 판단과 그 결과에 대한 책임은 투자자 본인에게 있습니다.

유튜브 AI 트렌드를 매일 밤 자동으로 받아보기 — YouTube API + Gemini + 클로드 3단 폴백

Sun, 12 Jul 2026 10:30:00 +0900

AI 소식은 유튜브에 제일 먼저 올라오는데, 매번 손으로 검색해서 훑는 건 시간 낭비다. 그래서 만들었다 — 매일 밤 11시에 자동으로 돌아서, 아침에 일어나면 어제 하루치 AI 트렌드 리포트가 마크다운으로 놓여 있는 파이프라인. 파이썬으로 직접 구축하면서 배운 것들을 정리한다.

전체 그림

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12


매일 밤 11시 (Windows 작업 스케줄러)
 ↓
YouTube Data API → 최근 24시간 Claude·ChatGPT·Gemini 영상 검색
 ↓
필터링 (AI 모델 이름 없는 영상 제거 + 차단 키워드)
 ↓
조회수 상위 N개 분석 — 3단 폴백
 ① Gemini가 영상 URL을 직접 시청 (기본)
 ② 토큰 소진 시 → claude -p (자막+메타데이터 분석)
 ③ 그래도 안 되면 → Gemini 텍스트 분석
 ↓
로컬 마크다운 리포트 저장 (reports/trend-날짜.md)

역할 분담이 핵심이다. “검색·발견"은 YouTube API가, “내용 분석"은 AI가 맡는다. 검색 키워드는 3대 모델(Claude/ChatGPT/Gemini)을 뉴스·새 기능·활용법 앵글로 조합한 9개다:

1
2
3
4
5


KEYWORDS = [
 "ChatGPT 업데이트", "Claude 업데이트", "Gemini 새 기능", "OpenAI 발표",
 "ChatGPT new feature", "Claude AI update", "Gemini update",
 "ChatGPT 활용법", "Claude Code",
]

가장 중요한 깨달음: Gemini는 유튜브 URL을 직접 먹는다

처음엔 “영상 자막(CC)을 다운로드해서 분석해야 하나?“라고 생각했다. 그런데 여기 함정이 있다.

YouTube 공식 API의 자막 다운로드는 “내 채널 영상"만 된다. 남의 영상 자막은 공식 API로 못 가져온다.
그래서 보통 youtube-transcript-api 같은 비공식 라이브러리를 쓰는데, 유튜브가 막으면 깨진다.

그런데 Gemini API는 유튜브 URL 자체를 영상으로 그냥 받는다. 자막을 내려받을 필요가 없다.

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11


from google import genai
from google.genai import types

client = genai.Client(api_key=GEMINI_API_KEY)
resp = client.models.generate_content(
 model="gemini-2.5-flash",
 contents=types.Content(parts=[
 types.Part(file_data=types.FileData(file_uri="https://www.youtube.com/watch?v=...")),
 types.Part(text="이 영상 핵심 3줄 요약 + 다룬 AI 키워드 뽑아줘"),
 ]),
)

이 한 방으로 “자막 다운로드” 단계가 통째로 사라졌다. 구조가 훨씬 단순해졌다.

검색 노이즈 잡기: 조회수순보다 관련도순

처음엔 order=viewCount(조회수순)로 검색했더니, “Gemini"라는 단어에 인도 텔루구 TV 채널 “Sun Gemini”, 아랍어 음식 챌린지 같은 게 조회수 높다고 딸려왔다.

해결책 두 가지:

order=relevance(관련도순)로 검색 → 대형 비(非)AI 채널이 밀려남. 그런 다음 그 결과들 안에서 조회수로 다시 정렬.
필터 두 겹 추가
- 차단 키워드(BLOCK): 제목/설명에 Promo, Serial, NASA 등이 있으면 버림
- 필수 키워드(REQUIRE): 제목/설명에 claude / chatgpt / gpt / gemini / 클로드 / 제미나이 중 하나도 없으면 버림

1
2
3
4
5
6
7


haystack = f"{title} {channel} {desc}".lower()
# 1) 차단어 있으면 스킵
if any(bw.lower() in haystack for bw in BLOCK_WORDS):
 continue
# 2) AI 모델 이름 하나도 없으면 스킵
if not any(rw.lower() in haystack for rw in REQUIRE_ANY):
 continue

특히 두 번째 필터가 강력했다. 기간을 24시간으로 좁히니 AI 영상이 적어서 “NASA Moon Base Update” 같은 게 조회수로 올라왔는데, “AI 모델 이름 없으면 제거” 필터 한 방에 정치·일반뉴스 노이즈가 싹 사라졌다.

무료 티어의 벽, 그리고 3단 폴백

Gemini 무료 티어는 분당 입력 25만 토큰 제한이 있다. 그런데 영상은 텍스트와 달리 토큰을 엄청 먹는다(초당 약 100~300토큰). 영상 2개만 분석해도 429 RESOURCE_EXHAUSTED가 터졌다.

기본 대응은 이렇다:

저해상도 처리로 토큰 절약: media_resolution="MEDIA_RESOLUTION_LOW"
영상 사이 20초 대기로 분당 한도 회피
503 같은 일시 오류는 잠시 쉬고 재시도
분석 개수(TOP_N)를 무리하게 키우지 않기 (6~8개가 안전)

그래도 토큰이 소진되는 날이 있다. 그래서 분석 엔진을 3단 폴백으로 만들었다:

Gemini 영상 시청 — 기본. 영상을 직접 보니 가장 깊다.
claude -p (헤드리스 클로드) — Gemini 토큰이 떨어지면, 로컬에 설치된 Claude Code CLI를 파이프라인이 직접 호출한다. 영상 대신 제목·설명·자막(최대 8,000자)을 표준입력으로 넘겨 같은 형식으로 분석시킨다. CLI에 로그인만 되어 있으면 별도 API 키 없이 작동.
Gemini 텍스트 분석 — 클로드마저 안 되면 같은 텍스트 뭉치를 Gemini에 넘긴다. 텍스트라 토큰을 거의 안 쓴다.

1
2
3
4
5
6
7


# ① Gemini 영상 시청 → 429면 즉시 폴백
text, quota_hit = gemini_video(client, video)
if quota_hit:
 context = build_text_context(video) # 제목+설명+자막
 text = claude_headless(claude_exe, context) # ② claude -p
 if not text:
 text = gemini_text(client, context) # ③ Gemini 텍스트

리포트에는 영상마다 어떤 엔진이 분석했는지(🎬 영상 시청 / 🤖 claude -p / 📝 텍스트) 표시되므로, 그날 토큰 사정이 어땠는지도 한눈에 보인다.

교훈: 영상 분석은 토큰이 비싸다. “많이 보는 것"보다 “잘 추려서 몇 개만 깊게 보는 것"이 정답이고, 그마저 안 될 때를 대비한 값싼 차선책을 미리 깔아두면 파이프라인이 멈추지 않는다.

자동 실행: Windows 작업 스케줄러

매일 밤 11시 실행은 PowerShell로 등록했다. PC가 꺼져 있었을 경우를 대비해 놓친 작업은 켜지면 바로 실행(StartWhenAvailable) 옵션도 켰다.

1
2
3
4


$action = New-ScheduledTaskAction -Execute "run.bat" -WorkingDirectory "..."
$trigger = New-ScheduledTaskTrigger -Daily -At 23:00
$settings = New-ScheduledTaskSettingsSet -StartWhenAvailable -ExecutionTimeLimit (New-TimeSpan -Hours 1)
Register-ScheduledTask -TaskName "YouTubeTrendReport" -Action $action -Trigger $trigger -Settings $settings -Force

열흘 돌려본 결과

리포트가 매일 꼬박꼬박 쌓이고 있다. 영상별로 3줄 요약·다룬 키워드·실용 팁 1개가 정리되어 나오는데, 가장 큰 효과는 “지금 무슨 키워드가 이슈인지"를 아침 5분 안에 파악할 수 있다는 것. 새 모델 출시 같은 큰 뉴스가 터진 날은 리포트 상위가 온통 그 얘기로 채워지니, 유튜브를 직접 뒤지지 않아도 흐름을 놓치지 않는다.

실제로 이 리포트 덕에 잡은 주제로 글도 하나 썼다 — 최근에 올린 무료 로컬 TTS 트렌드 + Qwen3-TTS 구축기의 트렌드 조사가 바로 이 파이프라인의 확장판이다.

배운 것 요약

영상 분석은 Gemini에 URL을 직접 던지면 된다. 자막 다운로드는 옛날 방식.
검색은 관련도순 + 이중 필터(차단어 + AI 모델명 필수)가 노이즈 제거의 핵심.
무료 티어 토큰 한도를 감안해 “적게, 깊게” 분석하고, claude -p → 텍스트 분석으로 이어지는 3단 폴백을 깔아 파이프라인이 멈추지 않게.
API 키는 절대 코드/채팅에 넣지 말고 .env에. (git에서도 제외)
자동화의 마지막 조각은 결국 스케줄러다.

코드 전체(trend.py, config.py, 스케줄러 등록 안내)는 GitHub에 공개했다: junstellar/youtube-ai-trend-report

ElevenLabs 구독 끊고 내 GPU로 — 무료 로컬 TTS 트렌드와 Qwen3-TTS 실전 구축기

Sun, 12 Jul 2026 10:00:00 +0900

유료 TTS 구독(대표적으로 ElevenLabs)을 쓰다 보면 글자 수 제한과 월 요금이 계속 신경 쓰인다. 그런데 최근 한 달 사이 분위기가 확 바뀌었다. **“유료 구독 탈출 → 무료 로컬 TTS”**가 대세가 된 것. 이번 글은 두 부분으로 나뉜다.

트렌드 조사 — YouTube Data API로 최근 한 달(6/10~7/10)의 “무료 TTS” 영상 65건을 수집·선별해 지금 뭐가 뜨는지 정리
실전 구축 — 그중 오픈웨이트로 한국어가 가장 자연스러운 Qwen3-TTS 1.7B를 게이밍 노트북(RTX 4060 Laptop 8GB)에 설치하고, 감정 태그를 입힌 11분짜리 세미나 내레이션을 실제로 뽑아낸 과정

비용은 0원, 생성 무제한, 인터넷 없이 동작한다.

무료 TTS 트렌드 조사 — 요즘 뭐가 뜨나

유튜브에서 최근 한 달 “무료 TTS” 관련 영상을 API로 긁어 65건을 모으고, 관련도 높은 20개(한국어 14, 해외 6)를 선별해 요약했다. 결론부터:

이번 달 최대 이슈는 수퍼톤(Supertone)이다. 6월 10일 웹 서비스 수퍼톤 플레이(play.supertone.ai)를 출시했고(공식 소개 영상이 한 달 만에 5.7만 회), 동시에 로컬 모델 슈퍼토닉3를 MIT 라이선스로 무료 공개했다. CPU만으로 한국어를 무제한 생성할 수 있어서 “ElevenLabs 해지했다"는 영상이 줄줄이 올라오는 중.

자주 언급된 무료 도구를 성격별로 묶으면:

분류	도구	특징
웹에서 바로	수퍼톤 플레이, 클로바더빙, Vrew	설치 없음, 한국어 더빙은 무료 범위로 충분
로컬 오픈소스	슈퍼토닉3(MIT, 한국어 특화, CPU 가능), Qwen3-TTS, VoxCPM2, OmniVoice	무제한 + 음성 복제 지원
개발자용 최저 진입장벽	Edge-TTS(pip 한 줄, API 키 불필요), Google AI Studio Gemini Flash TTS(70+ 언어)	스크립트에 바로 붙이기 좋음
기타	VoiceBox(오프라인 Windows 앱), RVC(내 목소리 로컬 학습)	특수 용도

한 줄 요약: 웹에서 바로 쓰려면 수퍼톤 플레이·클로바더빙, 개발자라면 Edge-TTS가 진입장벽 최저다.

Qwen3-TTS 1.7B, 설치해서 직접 테스트해봤다

내 목적은 “세미나 영상 내레이션을 컷 단위로, 감정 지시까지 넣어서, 무제한으로 뽑기"였다. 프로그램에서 호출할 수 있고 말투 제어가 되는 로컬 모델이 필요했다.

오픈웨이트 후보들을 비교한 결과:

Qwen3-TTS 1.7B ← 최종 선택 — Apache 2.0(상업 사용 자유), 한국어 억양·속도가 오픈웨이트 중 가장 자연스러웠다. 3초 샘플만으로 보이스 클로닝이 되고, 크로스링구얼(다른 언어 샘플로 한국어 발화) 오류율이 4.8%로 CosyVoice 3(14.4%)보다 크게 우수하다.
Fish Audio S2 Pro — TTS Arena 기준 오픈웨이트 1위(전체 11위, Elo 1128.7)로 품질은 최상급. 하지만 상업 사용은 유료 라이선스인 데다 모델이 무거워서 탈락.
슈퍼토닉3 — MIT에 CPU만으로 돌아가는 건 매력적이지만, 이번엔 감정 지시(instruct) 제어가 필요해서 Qwen3-TTS로 갔다.

설치 (Windows 11 + RTX 4060 Laptop 8GB)

1. 가상환경 + 패키지

1
2
3
4


mkdir D:\Project\qwen3-tts; cd D:\Project\qwen3-tts
python -m venv venv
venv\Scripts\python.exe -m pip install torch --index-url https://download.pytorch.org/whl/cu128
venv\Scripts\python.exe -m pip install qwen-tts

내 환경 기준: Python 3.14, torch 2.11+cu128, qwen-tts 0.1.1.

2. 모델과 화자

모델은 Qwen/Qwen3-TTS-12Hz-1.7B-CustomVoice — 첫 실행 시 자동 다운로드된다. VRAM은 4.5GB 정도만 사용해서 8GB GPU에 여유 있게 들어간다.

내장 화자는 9명(aiden, dylan, eric, ono_anna, ryan, serena, sohee, uncle_fu, vivian)이고, 한국어는 sohee가 담당이다.

3. 알아두면 좋은 것

flash-attn을 설치하지 않으면 생성 속도는 오디오 길이의 약 2배 (1분짜리 음성에 2분 소요). 배치로 밤에 돌리면 문제없는 수준.
실행 시 SoX 관련 경고가 뜨는데 무해하다.

핵심 패턴: 모델을 상주 서버로 띄우기

모델 로딩에 약 1분이 걸리므로, 스크립트를 실행할 때마다 로딩하면 낭비다. 간단한 HTTP 서버로 한 번만 띄워두고 POST로 호출하는 구조를 만들었다.

1
2


venv\Scripts\python.exe tts_server.py
# → http://127.0.0.1:8765 에서 대기

호출은 이렇게:

1
2
3
4
5
6
7


POST /tts
{
 "texts": ["여러분, 오늘 다룰 주제는 피지컬 AI입니다."],
 "speaker": "sohee",
 "instruct": "자신감 있는 일타강사 말투로, 약간 도발적으로",
 "filename": "01_opener.wav"
}

결과 WAV는 output\에 저장된다. 핵심은 instruct 필드 — 말투를 자연어로 지시할 수 있다는 점이 이 모델을 고른 결정적 이유다.

실전: 감정 태그 입힌 세미나 내레이션 23컷

세미나 1회차 대본을 23개 컷(01_opener ~ 23_takeaway)으로 쪼개고, 컷마다 감정 태그와 TTS용 instruct 문구를 JSON으로 관리했다.

1
2
3
4
5


{
 "cut": "05_quiz2",
 "emotion": "장난스러운 도발",
 "instruct": "퀴즈를 내며 살짝 약올리는 말투로, 템포를 빠르게"
}

감정 곡선은 이렇게 설계했다: 도발 → 퀴즈 5연발 → 약올림 → 차분한 강의 → 정답 발표 → 심화 → 묵직한 마무리. 단일 톤으로 11분을 읽으면 졸린데, 컷마다 instruct를 바꿔주니 확실히 “사람이 진행하는” 느낌이 산다.

파이프라인은 3단계:

1
2
3
4
5


컷별 대본 23개 + 감정 태그 JSON
 ↓ (gen_all_cuts.py — 컷마다 instruct 다르게 서버 호출)
output\cuts\ 23개 WAV
 ↓ (60~90초 단위로 병합, 구성은 parts_manifest.json에 기록)
output\parts\part_01.wav ~ part_10.wav (총 11.6분)

이 구조의 장점은 수정이 컷 단위라는 것. 특정 컷의 억양이 마음에 안 들면 그 컷만 instruct를 고쳐 재생성하고 해당 파트만 다시 병합하면 된다. 유료 서비스였다면 재생성할 때마다 글자 수가 차감됐을 텐데, 로컬이라 무한 리테이크가 공짜다.

직접 들어보기 — 생성 샘플 3개

말로 설명하는 것보다 듣는 게 빠르다. 아래는 Qwen3-TTS(화자 sohee)로 뽑은 샘플들이다. 스타일별로 하나씩 — 뉴스 리딩, 다큐 내레이션, 감정 표현.

샘플 1 — 뉴스 톤 · “오늘 서울의 낮 최고 기온은 33도까지 오르겠고, 내륙 곳곳에 소나기가 지나겠습니다.”

샘플 2 — 차분한 내레이션 톤 · “인공지능 기술은 지난 10년간 놀라운 속도로 발전해왔습니다. 이제 우리는 컴퓨터와 자연스럽게 대화하는 시대에 살고 있죠.”

샘플 3 — 감정(놀람) 표현 · “정말요? 그게 진짜 된다고요? 와, 이건 생각보다 훨씬 대단한데요?”

같은 화자인데도 instruct 지시에 따라 톤이 이만큼 갈라진다. 특히 샘플 3처럼 감탄·놀람 같은 감정 표현이 어색하지 않다는 점이 세미나 내레이션에 쓸 수 있겠다고 판단한 근거였다.

정리

트렌드는 명확하다: 무료 로컬 TTS가 유료 구독을 대체하는 중. 웹은 수퍼톤 플레이·클로바더빙, 개발자는 Edge-TTS, 품질+제어가 필요하면 오픈웨이트 로컬 모델.
Qwen3-TTS 1.7B는 Apache 2.0 + 한국어 자연스러움 + 자연어 말투 지시(instruct) + VRAM 4.5GB라는 조합으로, 8GB급 GPU에서 실용적인 최선이었다.
상주 서버 + 컷별 감정 태그 JSON 패턴으로 11.6분 세미나 내레이션을 컷 단위 리테이크 가능한 형태로 완성했다.

이 글의 코드 전체(상주 서버, 컷별 생성·병합 스크립트, 스트리밍 페이지, 샘플 음성)는 GitHub에 공개했다: junstellar/qwen3-tts-korean-narration

다음 과제는 두 가지다. flash-attn을 설치해 생성 속도를 끌어올리는 것, 그리고 3초 샘플 보이스 클로닝으로 내 목소리를 등록해보는 것. 진행되면 후속 글로 정리하겠다.

AI 반도체 돈의 흐름 — 내 구독료가 하이닉스 실적이 되기까지 · AI 반도체 투자 교과서 ⑥

Sat, 11 Jul 2026 11:00:00 +0900

여러분이 매달 내는 챗GPT 구독료 몇만 원. 그 돈이 어디로 흘러가는지 따라가 본 적 있나요? 오늘은 그 돈의 여정을 추적합니다. 결론부터 말하면, 그 돈의 일부는 돌고 돌아 경기도 이천의 SK하이닉스 공장까지 흘러갑니다. 1~5편에서 배운 조각들(HBM, 3파전, 사업 구조, 사이클, 산업 지도)이 오늘 하나의 지도로 연결됩니다. 이 강의 흐름을 알면, “AI 관련주"라는 모호한 말 대신 누가 몇 번째로 물을 받는지가 보입니다.

강의 발원지 — 우리, 그리고 빅테크

돈의 강은 우리에게서 시작합니다. 챗GPT 구독료, 기업들이 내는 클라우드 요금, 검색과 쇼핑에 붙는 광고비. 이 돈을 받은 마이크로소프트·아마존·구글·메타 같은 빅테크가 “AI 수요가 폭발하니 데이터센터를 더 짓자"며 설비투자(캐펙스)를 집행합니다.

그 규모가 상상을 초월합니다. 2026년 한 해에만 주요 하이퍼스케일러의 AI 인프라 투자가 약 7,000억 달러(약 1,000조 원) — 전년의 거의 두 배입니다. 아마존 혼자 2,000억 달러, 구글 1,800억 달러 수준. 4편에서 “AI 인프라 투자가 꺾이면 사이클도 꺾인다"고 했는데, 그래서 분기마다 나오는 빅테크 캐펙스 발표가 이 강 전체의 수량 예고편입니다.

첫 번째 수문 — 엔비디아

빅테크가 데이터센터를 지으면 그 안을 채울 AI 서버가 필요하고, 그 심장인 GPU는 사실상 엔비디아 독점입니다. 그래서 캐펙스의 가장 큰 물줄기가 엔비디아로 먼저 흘러듭니다. 엔비디아의 데이터센터 매출은 분기 391억 달러, 1년 전보다 73% 늘었습니다.

여기서 5편의 지도가 등장합니다. 엔비디아는 설계만 하는 팹리스죠. 받은 돈을 자기 손에만 쥐고 있을 수 없습니다. 칩을 실제로 만들려면 두 곳에 돈을 나눠야 합니다.

두 번째 수문 — TSMC와 한국 메모리

TSMC: GPU 본체를 위탁 생산합니다. 파운드리 70% 독주(5편)의 결과로, 엔비디아 물줄기의 큰 몫이 대만으로 흘러갑니다.
SK하이닉스·삼성전자·마이크론: GPU 옆에 반드시 붙는 HBM(1편), 그리고 서버의 D램과 eSSD(5편)가 여기서 나옵니다. AI 서버가 한 대 팔릴 때마다 메모리가 자동으로 동반 판매되는 구조 — 1편에서 본 ‘AI 시대의 쌀’이 바로 이 지점입니다.

그런데 이 물줄기의 굵기가 달라지고 있다는 게 오늘의 핵심입니다.

데이터센터에 들어가는 돈 중 메모리의 몫이 2021년 2%에서 2026년 18%로, 9배가 됐습니다. 예전의 메모리는 서버 원가의 자투리였는데, HBM과 eSSD가 비싸지고 많이 실리면서 데이터센터 원가의 핵심 축이 된 겁니다. 같은 캐펙스 1달러라도 한국 회사들에게 떨어지는 몫이 커졌다는 뜻 — 하이닉스 영업이익이 삼성 전체를 추월(3편)한 배경에는 이 구조 변화가 있습니다.

세 번째 수문 — 소부장, 전력, 냉각

강은 여기서 끝나지 않습니다. 하이닉스가 HBM을 증산하려면 장비를 사야 하고(TC본더 같은 패키징 장비), 소재와 부품을 조달해야 하며, 칩을 얹을 기판도 필요합니다. 데이터센터 자체도 전력기기와 냉각 설비를 빨아들이죠. 이 **세 번째 물줄기의 수혜 지도(소부장)**는 다음 7편에서 종목 레벨로 자세히 다룹니다.

투자자의 관전 포인트

낙수에는 순서가 있다: 빅테크 캐펙스 발표 → 엔비디아 실적 → 메모리 계약 → 소부장 수주. 상류의 신호가 하류의 실적을 몇 분기 먼저 예고합니다. 하류 종목을 보면서 상류 지표를 체크하는 게 순서입니다.
강의 원류를 의심하는 것이 리스크 관리: 이 모든 흐름의 전제는 “빅테크가 계속 돈을 쓴다"입니다. AI 수익화가 기대에 못 미쳐 캐펙스가 꺾이는 순간, 강 전체의 수량이 줄어듭니다. 4편의 “이번엔 다르다” 논쟁과 같은 문제죠.
몫의 변화가 주가의 변화: 메모리 비중 2%→18%처럼, 강물의 총량만이 아니라 각 수문이 가져가는 비율의 변화가 종목 선택의 근거가 됩니다.

정리

AI 돈의 강: 우리(구독료) → 빅테크(캐펙스 7,000억 달러) → 엔비디아(GPU) → TSMC + 한국 메모리(HBM) → 소부장·전력·냉각.
데이터센터 1달러 중 메모리의 몫이 5년 만에 2%에서 18%로 9배 — 메모리가 부품에서 주역으로 올라선 것이 이번 사이클의 구조적 특징입니다.
낙수에는 순서가 있으니 상류 지표(캐펙스·엔비디아 실적)로 하류(메모리·소부장)를 예측하고, 강의 원류(AI 수익화)가 마르는지 늘 의심하세요.

다음 7편은 세 번째 수문의 각론입니다. 한미반도체·리노공업은 왜 하이닉스와 같이 움직이나 — 소부장 지도를 그립니다.

⚠️ 이 글은 AI를 활용해 투자 관련 내용을 공부하며 정리한 글입니다. 특정 종목이나 투자 방식에 대한 권유가 아니며, 내용에 오류가 있거나 최신 정보와 다를 수 있습니다. 실제 투자 전에는 공식 자료를 직접 확인하시기 바랍니다. 투자 판단과 그 결과에 대한 책임은 투자자 본인에게 있습니다.

D램·낸드·파운드리 차이 한 번에 정리 · AI 반도체 투자 교과서 ⑤

Sat, 11 Jul 2026 10:20:00 +0900

요즘 반도체 뉴스를 보면 이상한 점이 있습니다. “D램 가격 폭등”, “낸드 품귀”, “삼성 파운드리 흑자전환 도전” — 분명 다 같은 반도체 얘기인데, 어떤 건 축포를 쏘고 어떤 건 이제야 적자 탈출을 이야기합니다. 같은 산업인데 왜 이렇게 딴판일까요? 오늘은 시리즈의 기초 체력 편입니다. 이 지도 한 장이 머리에 있으면, 앞으로 어떤 반도체 뉴스를 봐도 “이건 누구한테 좋은 뉴스인지"를 바로 판별할 수 있습니다.

반도체는 크게 둘 — 기억하는 칩과 생각하는 칩

세상의 반도체는 크게 두 진영입니다. 데이터를 **기억하는 칩(메모리)**과, 데이터로 생각하는 칩(시스템·로직). D램과 낸드는 기억 진영이고, 엔비디아 GPU나 스마트폰의 두뇌(AP)는 생각 진영입니다. 그리고 파운드리는 칩이 아니라 생각 진영의 칩을 대신 만들어주는 공장업입니다. 하나씩 보죠.

D램 = 책상, 낸드 = 창고

컴퓨터를 사무실이라고 생각하면 단번에 정리됩니다.

D램은 책상입니다. 지금 하는 일을 펼쳐놓는 작업 공간이죠. 책상이 넓을수록 여러 일을 동시에 벌일 수 있지만, 전원을 끄면 싹 사라집니다(휘발성). 속도가 생명이고, 1편에서 본 HBM은 이 D램을 고층으로 쌓은 프리미엄 버전입니다.
낸드는 창고입니다. 파일과 프로그램을 보관하는 곳으로, 전원을 꺼도 남아있습니다(비휘발성). 용량이 생명이고, 우리가 아는 SSD의 알맹이가 바로 낸드입니다.

투자 관점의 차이도 있습니다. 낸드는 D램보다 만드는 회사가 많아(삼성 29%, 하이닉스 18%, 키옥시아 14%…) 가격 경쟁이 험하고 사이클이 더 거칩니다. 다만 지금은 AI 서버가 학습 데이터를 쌓아둘 창고, 즉 서버용 SSD(eSSD) 수요가 폭증하면서 낸드 시장이 1년 새 3배로 커졌습니다. 책상(HBM)에 이어 창고까지 호황이 번진 거죠.

파운드리 = 남의 설계도로 칩을 만들어주는 공장

생각하는 칩 진영은 분업 구조입니다. 엔비디아·애플·퀄컴은 칩을 설계만 하고 공장이 없습니다(팹리스). 이들의 설계도를 받아 대신 생산해주는 위탁 공장이 파운드리입니다. 이 시장은 대만 TSMC가 점유율 70% 이상을 가져가는 압도적 독주 체제이고, 삼성전자가 2위로 추격 중입니다.

메모리와 파운드리는 돈 버는 방식이 근본적으로 다릅니다. 메모리는 규격품이라 시황(가격)이 실적을 좌우하는 반면, 파운드리는 주문 생산이라 고객 수주가 실적을 좌우합니다. 그래서 최첨단 공정 기술과 고객 신뢰가 전부인 사업이고, 후발주자가 따라잡기가 극도로 어렵습니다. 삼성 파운드리가 오래 적자에 시달리다 올해 가동률 80%를 회복하며 흑자전환에 도전 중인 게 지금 상황입니다.

우리 회사들은 이 지도의 어디에 있나

SK하이닉스: 왼쪽(메모리) 전문. 3편에서 본 “전문점” 그 자체입니다.
삼성전자: 왼쪽 전부(D램·낸드 1위)에 오른쪽 아래(파운드리 2위)까지 걸친, 세계에서 유일한 회사입니다. 이 광범위함이 3편의 “백화점” 구조이자, 메모리 호황을 온전히 못 누리는 이유이기도 합니다.
한국은 메모리에서 세계를 지배(D램 합산 점유율 70%↑)하지만, 생각하는 칩 진영은 TSMC와 엔비디아의 세상입니다. “반도체 강국"이라는 말의 정확한 의미는 “메모리 강국"에 가깝습니다.

뉴스 해석 치트시트

이제 뉴스가 다르게 보일 겁니다.

뉴스	누구에게 좋은가
“D램 계약가 급등”	삼성·하이닉스 메모리 이익 직행 (특히 하이닉스)
“eSSD·낸드 호황”	낸드 3강 모두, 점유율 순
“TSMC 최대 실적”	파운드리 독주 재확인 — 삼성엔 부담
“삼성 파운드리 대형 수주”	삼성 비메모리 재평가 스토리
“HBM 증설 → 범용 D램 부족”	4편에서 본 ‘호황이 호황을 조이는’ 구조

정리

반도체는 **기억(메모리: D램·낸드) vs 생각(시스템: 설계·파운드리)**의 두 진영 — 돈 버는 방식부터 다릅니다.
D램은 책상(휘발성·속도), 낸드는 창고(비휘발성·용량) — AI 시대엔 책상은 HBM으로, 창고는 eSSD로 진화하며 둘 다 호황입니다.
파운드리는 위탁 공장업 — TSMC 70% 독주에 삼성이 흑자전환으로 추격하는 구도이며, 시황 산업인 메모리와 달리 수주 산업입니다.

다음 6편부터는 응용편입니다. 엔비디아에서 시작한 돈이 하이닉스를 거쳐 어디까지 흘러가는지 — AI 반도체 밸류체인과 소부장을 따라가 봅니다.

⚠️ 이 글은 AI를 활용해 투자 관련 내용을 공부하며 정리한 글입니다. 특정 종목이나 투자 방식에 대한 권유가 아니며, 내용에 오류가 있거나 최신 정보와 다를 수 있습니다. 실제 투자 전에는 공식 자료를 직접 확인하시기 바랍니다. 투자 판단과 그 결과에 대한 책임은 투자자 본인에게 있습니다.

AI로 게임 만들기 #2 — 한글판 워들, 그리고 힌트 난이도로 세 번 갈아엎은 이야기 (공개빌드 #2)

Sat, 11 Jul 2026 09:00:00 +0900

지난 편에서 “게임을 하나씩 계속 얹겠다"고 했으니, 약속대로 두 번째 게임을 만들었습니다. 이번엔 한글판 워들 — 매일 두 글자 단어 하나를 맞히는 게임이에요.

👉 한글 단어 맞히기 하러 가기

워들이 뭐냐면

혹시 ‘워들(Wordle)’ 아세요? 2022년 초에 전 세계를 휩쓴 단어 맞히기 게임이에요. 규칙은 단순합니다:

숨겨진 다섯 글자 영어 단어를 여섯 번 안에 맞힌다
한 번 추측할 때마다 글자마다 색으로 힌트를 준다 — 🟩(자리·글자 맞음) · 🟨(단어에 있지만 자리가 틀림) · ⬜(없음)
하루에 딱 한 단어. 모두가 같은 문제를 풀고, 결과를 이모지 격자로 공유

이 “하루 한 문제 + 색 힌트” 조합이 은근히 중독적이라 한때 어마어마하게 유행했죠. 저는 이걸 한글로 만들어보고 싶었습니다.

한글로 워들을 만들면

영어는 알파벳을 한 칸씩 맞히면 되는데, 한글은 어떻게 할까요? 핵심은 한글 한 글자가 자모로 쪼개진다는 거예요.

‘버’ = ㅂ + ㅓ
‘스’ = ㅅ + ㅡ
받침이 있으면 셋 — ‘박’ = ㅂ + ㅏ + ㄱ

그래서 영어 워들이 알파벳 칸을 색칠하듯, 한글 워들은 초성·중성·종성(자모) 한 칸씩 색칠해서 알려줍니다. 화면은 이렇게 생겼어요:

이렇게 플레이합니다

오늘의 두 글자 단어가 정해져 있어요 (하루 한 번, 모두 같은 문제)
두 글자를 입력하면, 자모마다 색이 칠해집니다 — 🟩 자리까지 맞음 / 🟨 있지만 다른 자리 / ⬜ 없음
이 색 힌트를 보고 좁혀가며 여섯 번 안에 맞히면 됩니다

예를 들어 정답이 ‘버스’일 때 ‘구름’을 넣으면, ‘름’의 ㅡ가 초록으로 뜹니다(정답 ‘스’의 ㅡ와 자리까지 일치). 이렇게 자모를 하나씩 맞춰가는 거예요:

막히면? 힌트가 하나씩 열립니다

여기가 이 게임에서 제일 공들인 부분이에요. 그냥 두 글자 맞히라고만 하면 시작 실마리가 없어서 너무 막막하고, 그렇다고 처음부터 설명을 다 주면 한 번에 맞혀버려서 싱겁더라고요. (사실 이 사이를 잡느라 몇 번을 갈아엎었습니다.)

그래서 이렇게 했어요: 시작은 힌트 없이. 한 번 틀릴 때마다 힌트가 하나씩, 점점 세게 열립니다.

큰 갈래 — “사람이 만든 것” (수십 개 중 하나, 거의 감 안 옴)
분류 — “교통”
설명 — “많은 사람이 함께 타는 대중교통”
초성 — “ㅂ ㅅ”
첫 글자 — “버_”

위 스크린샷에서 보드 위에 쌓인 초록 상자들이 그거예요(세 번 틀려서 세 개 열린 상태). 덕분에 감 좋으면 힌트 없이 빨리 맞혀 고득점, 막히면 틀릴수록 점점 좁혀지는 도움을 받습니다. 난이도를 플레이어가 스스로 조절하는 셈이죠.

그리고 결과 공유

맞히고 나면 결과가 🟩🟨⬜ 이모지 격자로 만들어져서 한 번에 공유할 수 있어요. 정답은 안 보여주고 “몇 번 만에, 얼마나 헤맸는지"만 색으로 남기는 워들 방식 그대로입니다. 연속 출석과 누적 점수도 기기에 차곡차곡 쌓이고요.

그래서 지금 게임 랩엔 게임이 둘입니다 — 🎨 AI 그림 맞히기, 🟩 한글 단어 맞히기.

한글 단어 맞히기 한 판 해보시고, 오늘 단어 몇 번에 맞혔는지 · 힌트가 적당한지 알려주세요. “이 단어 힌트가 이상하다” 하는 게 있으면 바로 고칩니다. 🚀

다음 편엔 세 번째 게임이나, 아니면 사람들이 실제로 하러 왔는지 이야기를 들고 오겠습니다.

AI로 게임 만들어 돈 벌기, 진짜 될까? — 혼자 그림 퀴즈 게임 만든 이야기 (공개빌드 #1)

Mon, 06 Jul 2026 22:00:00 +0900

얼마 전 유튜브를 보다가 우연히 흥미로운 이야기를 봤습니다. 어떤 사람이 AI로 며칠 만에 만든 브라우저 비행 게임 하나로 큰돈을 벌었다는 거예요. fly.pieter.com 이라는 게임이었죠. 그래픽이 대단한 것도 아닌데, 게임 속 하늘에 뜬 광고판 자리를 팔아 수익을 냈다고 하더라고요.

만든 사람은 피터 레벨스(Pieter Levels), 네덜란드의 1인 개발자입니다. 투자도 직원도 없이 혼자 여러 서비스(Nomad List, Remote OK, PhotoAI 등)를 만들어 운영하는 사람인데, 방식이 인상적이었어요 — 혼자, 빠르게 만들고, 첫날부터 매출을 내고, 기술은 극단적으로 단순하게 가고, 무엇보다 만드는 과정을 매일 공개(build in public) 합니다. fly.pieter.com도 AI(이른바 ‘바이브 코딩’)로 뚝딱 만들어 그 과정을 공유하며 키운 게임이었죠.

그 영상을 보고 나니 이런 생각이 들었습니다. “나도 뭐라도 하나 더 해봐야겠다. 그럼… 게임을 한번 만들어볼까?” 이 글은 그 생각으로 실제로 만들어 본 게임 이야기입니다.

내가 이 이야기에서 얻은 것

솔직히 처음엔 ‘큰돈 벌었다’는 대목에 혹했습니다. 그런데 며칠 곱씹어 보니, 정작 제 마음에 남은 건 돈이 아니라 태도였어요.

거창한 계획이나 완벽한 결과물부터 준비하는 게 아니라, 일단 작게 시작해서 만드는 과정을 공개하고, 거기서부터 한 걸음씩 쌓아 올린다 — 이 방식이요. 결과가 어떻게 되든, 시작을 해보고 그 과정을 기록으로 남기는 것만으로도 분명 남는 게 있겠다는 마음이 생겼습니다.

마음을 그렇게 먹고 나니 방향은 분명해졌어요. 거창한 3D 게임 같은 건 한참 나중 일이고, 지금은 작고, 나만 할 수 있고, 재미있는 걸 하나 만들어서 그 과정을 여기에 공개하기로요. 그렇게 만들기 시작했습니다.

그래서 고른 전략 — 내 무기는 ‘집에 있는 GPU’

남들이 쉽게 못 하는 걸 해야 승산이 있죠. 저한테는 남들에게 없는 무기가 하나 있습니다. 바로 지난 글에서 세팅한 집 게이밍 노트북의 로컬 이미지 생성기(ComfyUI)예요.

‘AI 이미지로 하는 게임’은 보통 이미지 생성 API 비용 때문에 개인이 하기 부담스럽습니다. 그런데 저는 RTX 4060 노트북으로 그림을 공짜로 무제한 뽑을 수 있어요. 남들이 돈 때문에 못 하는 걸 전기값만 내고 하는 거죠. 이 무기를 살리는 게임이 뭘까 고민하다 나온 게 —

첫 작품: 「AI 그림 맞히기」

👉 지금 바로 플레이: AI 그림 맞히기

규칙은 단순합니다. AI가 그린 그림 한 장을 보고, 뭘 그린 건지 맞히면 됩니다. 예를 들면 이런 그림들이에요.

(정답은… 직접 맞혀보세요 😏)

처음엔 4지선다 객관식으로 만들었는데, 테스트하던 지인이 **“이건 우리집 거북이도 맞히겠다”**고 해서 갈아엎었습니다. 그래서 지금은 이렇게 됐어요.

한 문제에 기회 3번
1. 1차 — 그냥 직접 입력해서 맞히기 (+3점)
2. 틀리면 힌트를 주고 다시 (+2점)
3. 또 틀리면 마지막으로 객관식 (+1점)
빨리 맞힐수록 고득점, 최종 총점 /15로 마무리
연속 출석과 누적 점수가 기기에 쌓이고 (계정·로그인 없이)
결과는 🟩🟨🟧🟥 이모지로 만들어 한 번에 공유 (워들 방식)

현재 문제는 30개, 한 판에 그중 무작위 5개가 나옵니다. 그래서 “다시 하기"를 누를 때마다 다른 그림이 나와요.

이미지 30장, 어떻게 만들었나 — 집 GPU로 공짜

여기가 이 프로젝트의 핵심입니다. 문제로 쓸 그림 30장을 전부 집 노트북에서 직접 뽑았어요.

ComfyUI + SDXL로 프롬프트를 주고 그림 생성 (장당 약 30초)
클라우드 API였으면 수십 장에 돈이 나갔겠지만, 로컬이라 전기값 빼고 0원
뽑은 PNG 30장(48MB)을 WebP로 변환해서 총 2.2MB로 압축 (웹에서 빠르게 뜨도록)

마음에 안 드는 그림은 프롬프트만 고쳐서 다시 뽑으면 되니까, 문제 풀을 늘리는 비용이 사실상 공짜예요. “AI 이미지 게임"에 로컬 GPU가 왜 강력한 무기인지가 여기서 드러납니다.

왜 ‘게임 하나’가 아니라 ‘게임 랩’인가

이 게임은 사실 AI 게임 랩이라는 미니게임 라이브러리의 1번 작품입니다. 게임 하나만 딸랑 만들지 않고 라이브러리로 만든 이유는 —

게임 하나가 안 터져도 라이브러리 자체가 자산으로 남고
**“AI로 게임을 계속 찍어내는 사람”**이라는 이야기가 공개빌드에 딱 맞기 때문입니다

구조도 그렇게 짰어요. 새 게임을 추가하려면 폴더 하나 복사 + 목록에 한 줄 추가면 끝나고, 점수 공유·누적 기록 같은 공통 기능은 모든 게임이 나눠 쓰도록 만들었습니다. 앞으로 여기에 게임을 계속 얹을 겁니다.

앞으로도 계속 쌓아 나가려고요

게임을 만드는 것보다, 사실 이걸 꾸준히 이어가는 것이 더 어려운 일이겠죠. 그래서 저는 완성한 다음에 “이제 뭐 하지?“를 고민하는 대신, 만드는 과정부터 이렇게 글로 남기기로 했습니다. 이 글이 그 1편이고요.

계획은 거창하지 않습니다.

만드는 과정을 계속 공개하고 (공개빌드)
게임에 공유 기능을 내장해서 (플레이한 사람이 결과를 편하게 나눌 수 있게)
게임을 하나씩 계속 얹어서 라이브러리를 키운다

내세울 결과는 아직 없습니다. 이제 막 1편이니까요. 하지만 한 걸음씩 꾸준히 쌓아 나가는 것, 그게 지금 저한테 제일 중요한 일입니다.

그러니 이 글의 마무리는 부탁으로 하겠습니다. 👇

「AI 그림 맞히기」 한 판 해보기 — 몇 점 나오는지, 어떤 그림에서 빵 터졌는지 알려주시면 다음 편에 반영하겠습니다. 여러분이 놀아주는 게, 이 실험의 진짜 연료입니다. 🚀

다음 편엔 두 번째 게임을 들고 오겠습니다.

게이밍 노트북으로 나만의 LLM 돌리기 — llama.cpp로 완전 무료·오프라인 AI 만들기

Mon, 06 Jul 2026 20:45:00 +0900

요즘 클로드나 챗GPT 안 쓰는 사람이 없죠. 그런데 이걸 인터넷도 없이, 요금도 없이, 내 노트북에서 직접 돌릴 수 있다면 어떨까요? “그건 서버실에 GPU 잔뜩 있어야 하는 거 아냐?” 싶은데, 결론부터 말하면 집에 있는 게이밍 노트북 한 대로, 돈 한 푼 안 들이고 됩니다. 지난번엔 ComfyUI로 ‘그림 그리는 로컬 서버’를 만들었는데, 이번엔 llama.cpp로 **‘말하고 글 쓰는 LLM’**을 내 GPU에 올려본 실전 기록입니다.

왜 굳이 로컬로 돌릴까요?

솔직히 똑똑함만 따지면 클라우드 AI가 위입니다. 그런데도 로컬로 돌리는 이유가 분명히 있어요.

가장 큰 건 토큰을 무제한으로 쓸 수 있다는 점입니다. 클라우드 API는 글자(토큰) 하나하나에 요금이 붙죠. 문서 수백 개를 요약하거나, 로그 수만 줄을 분류하거나, 밤새 뭔가를 돌리다 보면 요금이 은근히 무섭게 불어납니다. 로컬은 전기값 빼곤 0원이라, “이거 토큰 아까운데…” 하고 망설일 일이 없어요. 프롬프트를 마음껏 길게 쓰고, 마음에 들 때까지 몇 번이고 다시 돌려도 됩니다.

여기에 이런 것들이 더 붙습니다.

속도 제한이 없어요. API는 분당 요청 수에 제한이 걸려서 대량 작업을 하면 계속 기다려야 하는데, 내 GPU는 온전히 내 것이라 줄 설 일이 없습니다.
데이터가 밖으로 안 나갑니다. 회사 내부 문서, 개인정보, 아직 공개 안 한 코드처럼 외부에 올리기 껄끄러운 걸 다룰 때 이게 결정적이에요. 애초에 전송을 안 하니 유출될 게 없죠.
인터넷이 필요 없습니다. 비행기 안이든, 네트워크가 막힌 폐쇄망이든 그대로 돌아갑니다.
모델이 갑자기 사라지지 않아요. 클라우드 모델은 어느 날 구버전이 종료되곤 하는데, 내 디스크에 받아둔 파일은 영원히 그 버전 그대로입니다.

한마디로 **“똑똑함은 클라우드, 자유도·비용·프라이버시는 로컬”**입니다. 민감한 데이터를 다루거나 같은 작업을 잔뜩 반복할수록 로컬이 빛을 발해요.

로컬 LLM, 뭘로 돌리죠? — 후보 3가지

방법이 몇 가지 있는데, 셋을 비교해보고 골랐습니다.

도구	장점	아쉬운 점
Ollama	명령어 한 줄이면 바로 뜬다, 제일 쉬움	속은 결국 llama.cpp, 세밀한 튜닝엔 한 겹 껴 있음
LM Studio	예쁜 GUI, 클릭 몇 번	프로그램에서 불러다 자동화하기엔 무거움
llama.cpp ← 선택	엔진 그 자체, VRAM 짜내기 최강, OpenAI 호환 API	명령어에 조금 익숙해져야 함

사실 위의 Ollama·LM Studio가 안에서 실제로 돌리는 엔진이 바로 llama.cpp예요. GPU에 레이어를 몇 개나 올릴지까지 손으로 조절할 수 있어서 8GB 노트북에서 짜내기 가장 좋고, 딸려오는 llama-server가 OpenAI랑 똑같은 형식의 API를 열어줘서 어떤 앱이든 깔끔하게 붙습니다.

전체 그림 — 원리는 간단합니다

원리는 ComfyUI 때랑 똑같아요. 무거운 계산은 로컬 GPU가 하고, 바깥 프로그램은 API로 부르기만 합니다.

1
2
3
4
5
6
7


사용자/앱: "이 문단 요약해줘"
 ↓
llama-server (로컬, http://127.0.0.1:8080/v1) ← OpenAI 호환 API
 ↓
GGUF 모델이 RTX 4060에서 토큰을 하나씩 생성
 ↓
스트리밍으로 답변이 흘러나옴

두 단어만 알고 가면 됩니다. llama.cpp는 C/C++로 짠 LLM 추론 엔진이라 GPU가 약해도 모델을 CPU와 GPU에 나눠 올려 돌립니다. GGUF는 llama.cpp 전용 모델 포맷인데, 원본 모델을 양자화해서 용량과 VRAM 사용량을 확 줄여놓은 파일이에요.

내 노트북으로 될까? — 사양부터 확인

일단 될지부터 따져봤습니다. 지난 ComfyUI 글과 같은 HP Victus 16 노트북이에요.

항목	필요 사양 (7~8B 모델)	내 노트북	판정
GPU VRAM	6GB 이상 (Q4 기준)	RTX 4060 Laptop 8GB	통과
RAM	16GB	16GB	통과
디스크	모델당 약 5GB	여유 충분	통과

VRAM 8GB면 7~8B급 모델을 Q4로 양자화했을 때 통째로 GPU에 올라갑니다. 이 구간이 제일 빨라요. 13~14B급부터는 일부를 RAM으로 내려야 해서 속도가 뚝 떨어지고, 30B 이상은 이 노트북엔 좀 욕심입니다.

모델 고르기 — ‘양자화’가 절반입니다

같은 모델이라도 **양자화(quantization)**를 어떻게 하느냐에 따라 용량·속도·품질이 갈립니다. 여기서 첫 삽질을 했어요. “이왕이면 고품질이지” 하고 Q8을 받았다가 VRAM이 부족해서 모델이 반쪽만 GPU에 올라가는 상황을 만났거든요. 결국 8GB의 현실적인 정답은 **Q4_K_M**이었습니다.

양자화	7B 모델 용량	특징
Q8_0	~7.5GB	원본에 제일 가깝지만 8GB엔 버겁다
Q4_K_M	~4.5GB	속도·품질 균형, 로컬의 사실상 표준
Q3_K_M	~3.5GB	더 가벼운 대신 품질 저하가 슬슬 느껴진다

모델은 7~8B급 instruct 계열(예: Qwen2.5-7B-Instruct, Llama-3.1-8B-Instruct 등)이면 무난합니다. GGUF 파일은 보통 Hugging Face의 bartowski 같은 배포처에서 양자화별로 받을 수 있어요.

설치하기 (Windows 11 기준)

1. llama.cpp 바이너리 받기

소스를 직접 빌드해도 되지만, 제일 빠른 길은 미리 빌드된 CUDA 바이너리를 받는 겁니다. GitHub 릴리스에서 llama-bxxxx-bin-win-cuda-x64.zip 같은 파일을 받아 C:\llama에 풀면 끝이에요.

2. GGUF 모델 다운로드

1
2
3


# 7B급 Q4_K_M 모델 (~4.5GB) → C:\llama\models\ 에 저장
curl.exe -L -o C:\llama\models\model-q4_k_m.gguf ^
 "https://huggingface.co/bartowski/Qwen2.5-7B-Instruct-GGUF/resolve/main/Qwen2.5-7B-Instruct-Q4_K_M.gguf"

3. 서버 실행

여기서 딱 하나만 기억하면 됩니다. -ngl — GPU에 올릴 레이어 수예요. -ngl 99는 “가능한 만큼 다 GPU에 올려라"라는 뜻이고, 7~8B Q4 모델은 8GB에 통째로 들어갑니다.

1

C:\llama\llama-server.exe -m C:\llama\models\model-q4_k_m.gguf -ngl 99 -c 8192 --port 8080

-ngl 99 : 전 레이어 GPU에 올리기 (VRAM 모자라면 숫자를 낮춰 일부만)
-c 8192 : 컨텍스트 길이 8k 토큰
--port 8080 : 서버 포트

4. 잘 도나 확인

브라우저에서 http://127.0.0.1:8080을 열면 채팅 UI가 바로 뜹니다. GPU를 제대로 쓰는지는 서버 켤 때 로그의 offloaded 29/29 layers to GPU 같은 줄로 확인해요. 저 숫자가 꽉 차 있으면 성공입니다.

흔한 함정 3가지 (미리 알려드려요)

설치 자체는 쉬운데, 딱 이 세 군데서 사람들이 잘 걸립니다.

함정 1 — CPU 빌드를 받아버림. 릴리스에 파일이 여러 개라, 무심코 win-cpu 빌드를 받으면 GPU가 놀고 답이 굼벵이처럼 느립니다. NVIDIA면 반드시 cuda 빌드를 받으세요. (AMD는 vulkan 빌드)
함정 2 — -ngl을 안 줌. 이 옵션을 빼먹으면 모델이 전부 CPU에서 돌아 엄청 느려집니다. “GPU 있는데 왜 이렇게 느리지?” 싶으면 십중팔구 이거예요.
함정 3 — 욕심내서 큰 모델·높은 양자화. 위에서 겪은 그 삽질입니다. VRAM을 넘기면 속도가 확 죽어요. 8GB면 7~8B Q4가 정답입니다.

앱이랑 붙이기 — OpenAI 호환 API

llama-server가 진짜 편한 건, OpenAI랑 똑같은 형식의 API를 열어준다는 점이에요. OpenAI 쓰던 코드에서 주소만 로컬로 바꾸면 그대로 붙습니다.

1
2
3
4
5
6
7
8


from openai import OpenAI
client = OpenAI(base_url="http://127.0.0.1:8080/v1", api_key="local")

resp = client.chat.completions.create(
 model="local",
 messages=[{"role": "user", "content": "안녕, 자기소개 해줘"}],
)
print(resp.choices[0].message.content)

문서 요약, 코드 자동완성, 번역 같은 걸 오프라인·무과금으로 돌리는 나만의 백엔드가 이걸로 완성됩니다.

어느 정도 빠를까요

7~~8B Q4_K_M을 전 레이어 GPU에 올린 기준으로 **초당 40~~60토큰 정도**. 눈으로 따라 읽기 벅찰 만큼 빠릅니다.
첫 응답까지는 모델을 VRAM에 올리는 시간 포함 몇 초.
컨텍스트를 길게(예: 16k) 주면 VRAM이 부족해질 수 있는데, 그땐 -ngl 숫자를 낮춰 일부를 RAM으로 내리면 됩니다. 조금 느려지는 대신 돌아는 가요.

솔직한 결론 — 어디까지 되고, 어디부터 안 되나

됩니다: 공짜로, 인터넷 없이, 내 노트북에서 꽤 쓸 만한 LLM이 돌아갑니다. 요약·번역·분류·코딩 보조 같은 실무엔 7~8B로도 충분해요. 무엇보다 토큰 걱정 없이 마음껏 굴릴 수 있는 게 크죠.
한계: 아무리 좋은 로컬 모델도 최상위 클라우드 모델(클로드 등)만큼 똑똑하진 않습니다. 복잡한 추론이나 긴 코드 설계는 아직 클라우드가 낫습니다.
현실적인 조합: 그래서 저는 민감한 데이터·대량 반복 작업은 로컬, 어려운 문제는 클라우드로 나눠 쓰는 게 제일 낫다고 봐요. 둘은 경쟁이 아니라 역할 분담입니다.

돈 안 들이고 노트북 한 대로 여기까지 된다는 것 자체가, AI 문턱이 얼마나 낮아졌는지 보여주는 것 같습니다. 다음엔 이 로컬 LLM을 클로드 코드 같은 도구에 물려서 완전 오프라인 코딩 도우미로 만들어볼 생각이에요.

반도체 슈퍼사이클이란? 과거 사이클로 보는 현재 위치 · AI 반도체 투자 교과서 ④

Mon, 06 Jul 2026 19:45:00 +0900

혹시 요즘 PC 견적 내보신 분 계신가요? DDR5 램 32GB가 3개월 만에 17만 원에서 70만 원으로, 4배 가까이 뛰었습니다. 조립PC 커뮤니티가 곡소리인 바로 그 현상이, 투자자에겐 “슈퍼사이클"이라는 단어로 들립니다. 3편에서 하이닉스를 “사이클의 증폭기"라고 불렀는데요. 오늘은 그 사이클의 정체입니다. 이게 뭔지 알아야 “언제까지 오르나"라는 질문에 자기만의 답을 가질 수 있습니다.

사이클은 왜 생기나 — ‘돼지 사이클’

메모리 가격이 롤러코스터를 타는 건 누가 잘못해서가 아니라 구조적인 숙명입니다. 경제학에서 ‘돼지 사이클’이라 부르는 현상인데, 원리는 이렇습니다.

돼지고기 값이 오르면 농가들이 너도나도 새끼돼지를 키웁니다. 그런데 돼지가 크는 데 시간이 걸리죠. 다 자란 돼지들이 한꺼번에 시장에 나오는 순간 값이 폭락합니다. 그럼 농가들이 사육을 포기하고, 몇 년 뒤 공급이 부족해져 값이 다시 뛰고… 무한 반복입니다.

메모리가 딱 이렇습니다. 다만 새끼돼지 대신 공장(팹) 하나에 수십조 원, 완공까지 2~3년이 걸릴 뿐이죠. 수요는 매끄럽게 늘어나는데 공급은 몇 년 늦게 계단식으로 확 늘어나니, 호황과 불황이 번갈아 올 수밖에 없습니다.

파도의 역사 — 치킨게임이 만든 3강 과점

이 파도의 역사에서 꼭 알아야 할 사건이 치킨게임입니다. 2000년대 후반, 세계에 메모리 회사가 지금보다 훨씬 많던 시절 — 불황이 와도 아무도 감산하지 않고 서로 죽기를 기다리며 가격 출혈 경쟁을 벌였습니다. 결과는 참혹했죠. 2009년 독일 키몬다가 파산했고, 2012년엔 일본의 자존심 엘피다까지 무너졌습니다.

살아남은 자가 삼성전자·SK하이닉스·마이크론, 지금의 3강 과점입니다. 이때부터 게임의 규칙이 바뀌었습니다. 플레이어가 셋뿐이니 불황이 오면 서로 눈치껏 감산하며 가격을 방어할 수 있게 된 거죠. 실제로 2022~23년 역대급 불황 때 3사가 일제히 감산하자 시장은 1년여 만에 반등했습니다. 과거보다 사이클의 골이 얕아진 이유입니다.

최근의 리듬만 봐도 사이클은 살아있습니다. 2017~~18년 서버 슈퍼사이클 → 2019년 하락 → 2021년 팬데믹 붐 → 2022~~23년 역대급 불황 → 그리고 2024년부터의 AI 슈퍼사이클. 대략 상승 2년, 하락 2년의 리듬이었습니다.

“이번엔 다르다"는 말의 무게

호황의 정점마다 반드시 나오는 말이 있습니다. “이번 사이클은 다르다.” 2018년에도 서버 수요는 구조적이라 사이클이 사라졌다는 말이 나왔고, 그 직후 시장은 꺾였습니다. 그래서 이 말은 투자 격언에서 “가장 비싼 네 단어"라고 불리죠.

그런데 이번엔 실제로 달라진 요소들이 있긴 합니다.

HBM은 선판매 구조: 1편에서 봤듯 1~2년치 물량을 미리 계약하고 만듭니다. 투기적 증설이 아니라 주문받고 짓는 구조라 과잉의 메커니즘이 다릅니다.
공급이 물리적으로 묶여 있음: 3사가 라인을 HBM에 몰아주면서 범용 D램 공급이 급감했습니다. 지금의 D램 가격 폭등(분기 계약가 55~63% 급등)은 호황이 호황을 조이는 이상 현상입니다.
과점의 공급 규율: 치킨게임 시대와 달리 3사 모두 무리한 증설보다 수익성을 택하고 있습니다.

반대로 “다르지 않다"는 쪽의 논거도 만만치 않습니다. 신규 공장 증설은 이미 진행 중이고(공급 완화는 2027년 하반기 이후 전망), 역사상 모든 증설은 완공 시점에 과잉으로 변했습니다. 그리고 AI 인프라 투자 자체가 꺾이면 — 선판매든 뭐든 수요의 원천이 마릅니다.

그래서 지금은 어디쯤인가

지표로 보면 지금은 상승 사이클의 가속 구간입니다. 2026년 상반기 D램 계약가는 분기마다 55~63%씩 뛰고 있고, 3사 제품은 완판 행진이며, 공급 완화 시점은 일러야 2027년 하반기로 전망됩니다. 다만 가속 구간은 정의상 정점과의 거리를 알 수 없는 구간이기도 합니다.

투자자가 볼 체크리스트는 사이클의 고전적 신호들입니다.

신호	지금 (2026 상반기)	꺾임의 전조
D램 계약가	분기 55~63% 급등	상승률 둔화 → 하락 전환
공급사 재고	낮음 (완판)	재고 주 수 증가
설비투자(캐펙스)	확대 중	공격적 증설 경쟁 재개
신규 팹 가동	2027년 하반기~	가동 시점 = 공급 계단

정리

메모리 사이클은 공장 완공까지 2~3년의 시차가 만드는 구조적 순환입니다(돼지 사이클). 없앨 수는 없고, 리듬이 바뀔 뿐입니다.
치킨게임(키몬다·엘피다 파산)이 만든 3강 과점 이후 사이클의 골은 얕아졌고, 감산 공조로 불황이 짧아졌습니다.
이번 사이클은 HBM 선판매·공급 제약으로 과거와 다른 요소가 실재하지만, “이번엔 다르다"는 매 정점마다 나온 말이기도 합니다. D램 계약가 상승률, 재고, 캐펙스, 신규 팹 가동 시점(2027 하반기~)을 체크하세요.

다음 5편은 기초 체력 다지기입니다. 뉴스에 매일 나오는 D램·낸드·파운드리, 이 셋이 뭐가 다른지 한 번에 정리합니다.

⚠️ 이 글은 AI를 활용해 투자 관련 내용을 공부하며 정리한 글입니다. 특정 종목이나 투자 방식에 대한 권유가 아니며, 내용에 오류가 있거나 최신 정보와 다를 수 있습니다. 실제 투자 전에는 공식 자료를 직접 확인하시기 바랍니다. 투자 판단과 그 결과에 대한 책임은 투자자 본인에게 있습니다.

삼성전자 vs SK하이닉스 — 백화점과 전문점의 차이 · AI 반도체 투자 교과서 ③

Sun, 05 Jul 2026 09:00:00 +0900

퀴즈 하나로 시작하죠. 매출 333조 회사와 매출 97조 회사가 있습니다. 누가 더 많이 벌었을까요? 상식적으론 앞쪽이어야 하는데, 2025년 영업이익은 SK하이닉스 47.2조 원, 삼성전자 43.6조 원. 몸집이 3분의 1인 하이닉스가 사상 처음으로 삼성전자 전체를 추월했습니다. 어떻게 이런 일이 가능할까요? 답은 두 회사의 사업 구조에 있습니다. 1편·2편에서 HBM이라는 무기를 봤다면, 오늘은 그 무기를 쥔 두 회사의 체질 차이입니다.

삼성전자는 ‘백화점’입니다

삼성전자를 반도체 회사라고 부르지만, 정확히는 반도체도 파는 종합 전자 백화점입니다. 2025년 매출 333.6조 원의 절반 이상(188조 원)은 스마트폰·가전·TV를 파는 DX부문에서 나왔습니다. 반도체(DS부문)는 그 아래층이고, 그 안에서도 메모리·파운드리(위탁생산)·시스템LSI로 다시 나뉩니다. 여기에 디스플레이(SDC), 전장·오디오(하만)까지.

이 구조의 함의는 명확합니다. 메모리가 아무리 호황이어도, 다른 층이 부진하면 전체 성적표가 희석됩니다. 실제로 2025년 메모리는 대호황이었지만 파운드리 적자와 스마트폰 수익성 둔화가 이익을 갉아먹으면서, 삼성전자 영업이익률은 13% 수준에 머물렀습니다.

SK하이닉스는 ‘전문점’입니다

반면 SK하이닉스는 매출의 90% 이상이 메모리(D램·HBM·낸드)에서 나오는 순수 메모리 전문점입니다. 다른 층이 없으니 희석도 없습니다. 메모리 호황의 이익이 그대로 회사 전체 실적으로 직행하는 구조죠.

그 결과가 **영업이익률 48.6%**라는 숫자입니다. 100원어치 팔면 49원이 남는 장사를 한 해 내내 한 셈인데, 제조업에서는 극히 드문 수익성입니다. 2편에서 본 HBM의 특성 — 비싸고, 장기계약이고, 하이닉스가 70%를 쥐고 있던 시장 — 이 전문점 구조와 만나 폭발한 결과입니다.

왜 주가는 다르게 움직일까

이 체질 차이는 주가의 움직임에도 그대로 나타납니다.

	삼성전자	SK하이닉스
성격	종합 전자기업	메모리 순수 플레이
메모리 호황 때	이익 개선이 희석됨	실적·주가에 직격 반영
메모리 불황 때	다른 사업이 완충	직격탄 (적자 가능)
주가 변동성	상대적으로 낮음	높음 (고베타)
추가 변수	파운드리 턴어라운드, 스마트폰	HBM 점유율·수율

정리하면 하이닉스는 메모리 사이클의 증폭기, 삼성전자는 완충기입니다. AI 메모리 슈퍼사이클에 대한 확신이 강할수록 하이닉스의 순수 노출이 매력적이고, 반대로 사이클이 꺾일 때의 하방도 하이닉스가 훨씬 큽니다. 삼성전자는 메모리 상승분을 온전히 못 누리는 대신, 파운드리 턴어라운드나 HBM4 반격(2편) 같은 자체 재평가 카드가 있는 회사입니다.

투자자의 관전 포인트

“반도체 좋아질 것 같아서 삼성 샀어요” — 이 문장에는 함정이 있습니다. 메모리 호황의 순수 수혜를 원한다면 구조상 하이닉스가 그 물건이고, 삼성전자는 메모리+파운드리+스마트폰+저평가 해소를 함께 사는 패키지입니다.
하이닉스를 산다는 것 = 메모리 사이클(특히 HBM)의 지속에 베팅하는 것. 체크포인트는 HBM 점유율·수율(2편)과 사이클의 위치(4편에서 다룹니다).
삼성전자를 산다는 것 = 사이클 + 비메모리 회복 + 밸류에이션 재평가에 분산 베팅하는 것. 변동성은 낮지만, 상승 사이클에서 하이닉스만큼 오르지 않는 이유도 같은 구조에서 나옵니다.

정리

2025년 하이닉스 영업이익(47.2조)이 삼성전자 전체(43.6조)를 사상 처음 추월 — 몸집이 아니라 구조의 승리였습니다.
삼성전자는 반도체가 여러 층 중 하나인 백화점, 하이닉스는 메모리가 전부인 전문점 — 같은 반도체주가 아닙니다.
하이닉스는 사이클의 증폭기(고위험·고수익), 삼성전자는 완충기(저변동+재평가 카드) — 무엇을 사느냐는 무엇을 믿느냐의 문제입니다.

다음 4편은 그 “사이클"의 정체입니다. 반도체 슈퍼사이클이란 무엇이고, 지금 우리는 어디쯤 있는지 — 과거 사이클의 역사로 짚어봅니다.

⚠️ 이 글은 AI를 활용해 투자 관련 내용을 공부하며 정리한 글입니다. 특정 종목이나 투자 방식에 대한 권유가 아니며, 내용에 오류가 있거나 최신 정보와 다를 수 있습니다. 실제 투자 전에는 공식 자료를 직접 확인하시기 바랍니다. 투자 판단과 그 결과에 대한 책임은 투자자 본인에게 있습니다.

집 컴퓨터로 AI 가상 인물 만들기 — 무료로 '말하는 아나운서' 영상까지

Sat, 04 Jul 2026 18:00:00 +0900

요즘 유튜브나 뉴스에서 **AI가 만든 가상 인물(버추얼 휴먼)**이 부쩍 많이 보입니다. 실존하지 않는 사람이 아나운서처럼 또박또박 설명을 하죠. “저거 만들려면 비싼 서비스 써야 하는 거 아냐?” 싶은데, 결론부터 말하면 집에 있는 게이밍 노트북 한 대로, 돈 한 푼 안 들이고 꽤 그럴듯하게 만들 수 있습니다. 이 글은 실제로 ‘아리’라는 가상 아나운서를 만들어 자기소개 영상까지 뽑아본 기록입니다.

결과부터 — ‘아리’의 자기소개

말보다 영상이 빠르죠. 아래가 이번에 만든 결과물입니다. 실존하지 않는 사람이고, 목소리도 얼굴도 전부 AI로 생성했습니다.

"안녕하세요, 저는 AI로 생성된 아리입니다. 반갑습니다."

가상 인물 영상은 ‘3가지 재료’로 만들어집니다

챗GPT나 클로드 하나로 “영상 만들어줘” 하면 되는 게 아닙니다. 말하는 가상 인물은 세 가지를 각각 만들어서 합치는 작업이에요.

재료	하는 일	이번에 쓴 도구
① 얼굴	존재하지 않는 인물의 사진	SDXL (로컬 이미지 생성)
② 목소리	대본을 사람 음성으로	edge-tts (무료)
③ 입 움직임	음성에 맞춰 입을 립싱크	SadTalker (무료·로컬)

셋 다 무료이고, 인터넷 없이 내 GPU에서 돌아갑니다. 하나씩 볼게요.

① 얼굴 — SDXL로 ‘아리’를 빚다

먼저 세상에 없는 얼굴이 필요합니다. 저는 로컬에서 SDXL(Stable Diffusion XL)로 “단정하고 신뢰감 있는 한국 여성 아나운서"를 여러 장 생성한 뒤, 마음에 드는 얼굴을 골랐습니다. 이때 시드(seed)를 고정하면 같은 인물의 표정·각도만 바꿔가며 여러 컷을 뽑을 수 있어요. 이렇게 ‘아리’라는 고정 캐릭터가 탄생했습니다.

② 목소리 — edge-tts로 공짜 한국어 음성

대본은 아주 짧게 잡았습니다. “안녕하세요, 저는 AI로 생성된 아리입니다. 반갑습니다.” 이 문장을 마이크로소프트의 edge-tts(무료 TTS)로 한국어 음성 파일로 만들었습니다. 여성 음성 ko-KR-SunHiNeural을 쓰면 발음이 꽤 자연스럽습니다.

③ 입 움직임 — SadTalker로 립싱크

핵심은 여기입니다. SadTalker는 사진 한 장과 음성 파일만 주면, 음성에 맞춰 입과 표정을 움직이는 영상을 만들어 주는 오픈소스 프로젝트예요. 완전 무료이고 내 GPU에서 돌아갑니다. 얼굴 사진 + 아까 만든 음성을 넣으면 끝.

그런데 여기서부터 삽질이 시작됐습니다. 그냥은 안 예쁘게 나오더라고요. 실제로 통했던 팁을 공유합니다.

팁 1. 소스 사진은 반드시 ‘입을 다문’ 얼굴로

처음엔 활짝 웃으며 이빨이 보이는 사진을 넣었더니, 입 주변이 뭉개지면서 에일리언처럼 어색했습니다. 알고 보니 SadTalker는 입을 다문 무표정 사진을 소스로 줄 때 립싱크가 훨씬 자연스럽게 나옵니다. 입 벌린 사진은 그 벌어진 입 위에 억지로 립싱크를 얹느라 망가지는 거죠.

같은 인물(시드 고정)로 입 다문 버전을 새로 뽑아 소스로 교체하니 확연히 좋아졌습니다.

팁 2. ’expression_scale’은 과하지 않게

표정 강도 옵션(expression_scale)을 1.2로 주면 입이 과장돼서 부자연스럽습니다. 1.0 정도가 딱 적당했어요.

팁 3. 어깨까지 나오게 하려면 ‘_full’ 결과물을 쓰세요

SadTalker는 결과 영상을 두 개 만듭니다. 하나는 얼굴만 크롭한 버전, 다른 하나는 파일명에 _full이 붙은 원본 사진 전체(어깨·상반신 포함)에 얼굴을 합성한 버전입니다. 얼굴만 크게 나와서 답답하다면 _full 쪽을 쓰면 됩니다. 저도 이걸 몰라서 한참 헤맸어요.

팁 4. (설치) PyTorch는 cu121 조합이 안전

설치할 때 가장 흔한 함정이 GPU용 PyTorch입니다. 최신 그래픽 드라이버가 깔린 PC에서는 오래된 cu118(torch 2.0.1) 조합이 c10_cuda.dll 로딩 에러(WinError 127)를 내는 경우가 있어요. torch 2.1.2 + torchvision 0.16.2 (cu121) 조합으로 설치하면 안정적이고, SadTalker가 요구하는 라이브러리와도 호환됩니다.

어느 정도 GPU가 필요할까

무겁지 않습니다. VRAM 8GB면 충분해요. 저는 노트북용 RTX 4060(8GB)으로 돌렸고, RTX 3070급이면 동일하게 됩니다. 짧은 6초 클립은 몇 분이면 나오고, 화질 보정(gfpgan)까지 켜도 부담 없습니다. 다만 8분짜리 긴 영상을 통째로 립싱크하면 프레임이 수만 장이라 꽤 오래 걸리니, 긴 강의 영상은 발표자를 화면 한켠에 작게 넣는 식이 현실적입니다.

솔직한 결론 — 어디까지 되고, 어디부터 안 되나

된다: 공짜로, 내 PC에서, 세상에 없는 인물이 내 대본을 읽는 영상을 만들 수 있다. 개인 프로젝트·학습·프로토타입엔 충분하다.
한계: 아무리 팁을 써도 입 주변은 ‘완벽하게 자연스럽다’까진 못 간다. 자세히 보면 티가 난다. 방송급으로 매끈한 걸 원하면 HeyGen·Synthesia 같은 상업 웹서비스(유료)가 답이다. 이때도 얼굴은 지금처럼 SDXL로 만든 걸 아바타로 넣으면 된다.
라이선스 주의: SadTalker는 본래 연구용으로 공개된 프로젝트라, 수익화 콘텐츠에 쓸 땐 라이선스를 한 번 확인하는 게 안전하다.

돈 안 들이고 여기까지 만들 수 있다는 것 자체가, AI 도구가 얼마나 문턱을 낮춰놨는지 보여주는 것 같습니다. 다음엔 이 ‘아리’에게 슬라이드를 붙여 진짜 강의를 시켜볼 생각입니다.

HBM4 전쟁 — 하이닉스의 70% 독주와 삼성의 반격 · AI 반도체 투자 교과서 ②

Sat, 04 Jul 2026 09:30:00 +0900

1편에서 HBM이 뭔지, 왜 ‘AI 시대의 쌀’인지 정리했습니다. 그런데 한 가지 궁금증이 남죠. 만들 수 있는 회사가 SK하이닉스·삼성전자·마이크론 셋이나 되는데, 왜 하이닉스만 그렇게 잘나갔을까요? 한때 점유율 70%. 메모리 만년 2등이던 회사가 어떻게 이 시장을 독식했고, 그리고 지금 — 그 판이 왜 흔들리고 있는지. 오늘은 이 승부의 속사정입니다.

70%는 어디서 나온 숫자인가

시장조사기관 집계로 2025년 HBM 시장에서 SK하이닉스 점유율은 약 70%에 달했습니다. 삼성전자와 마이크론이 나머지를 나눠 가진, 사실상의 독주 체제였죠. 하이닉스 주가가 삼성전자보다 먼저, 더 가파르게 오른 배경이자 “400만닉스” 같은 목표주가의 근거가 된 숫자입니다. 이 독주는 우연이 아니라 세 가지 비결이 쌓인 결과였습니다.

비결 ① 10년 먼저 시작한 동맹

1편에서 봤듯 HBM을 세계 최초로 개발한 회사가 2013년의 SK하이닉스입니다. 문제는 그때는 AI 붐이 오기 한참 전이라 사줄 사람이 별로 없었다는 거예요. 삼성전자가 “시장이 작다"며 힘을 뺀 사이, 하이닉스는 이 비인기 종목을 묵묵히 파고들며 엔비디아와 협력 관계를 쌓았습니다.

그리고 2022년 챗GPT가 세상을 뒤집자 상황이 급변합니다. 엔비디아 AI 칩에 들어갈 HBM3를 제때, 제대로 공급할 수 있는 회사는 사실상 하이닉스뿐이었습니다. 반도체에서 고객 인증(퀄 테스트)은 통과에 수개월~1년이 걸리는 관문이라, 먼저 신뢰를 쌓은 회사를 나중에 따라잡기가 몹시 어렵습니다. 10년의 선행 투자가 독점적 지위로 돌아온 겁니다.

비결 ② 수율을 잡은 MR-MUF

1편에서 “HBM은 한 층만 불량이어도 전체를 버려야 해서, 수율 잡은 회사만 돈을 번다"고 했죠. 하이닉스가 그 수율을 잡은 무기가 MR-MUF라는 독자 패키징 공법입니다. 칩을 쌓은 뒤 칩 사이사이에 액체 보호재를 주입해 한 번에 굳히는 방식인데, 경쟁사가 쓰던 필름형 방식 대비 열 방출이 좋고 생산이 빠르며 불량률이 낮았습니다.

같은 HBM을 만들어도 하이닉스는 팔 수 있는 양품이 더 많이 나오는 구조 — 이게 실적 격차의 직접적인 원인이었습니다.

비결 ③ ‘안전 운전’ 전략과 삼각동맹

차세대 HBM4에서 하이닉스의 선택도 눈여겨볼 만합니다. D램 층은 이미 완벽히 검증된 기존 공정(1b)을 재활용해 양산 리스크를 줄이고, 맨 아래층인 베이스 다이는 파운드리 1위 TSMC와 협력해 만들기로 했습니다. HBM4부터는 고객사마다 기능을 맞춤 설계하는 수요가 커지는데, 이를 로직 공정 최강자에게 맡긴 거죠. 엔비디아-TSMC-하이닉스로 이어지는 ‘AI 삼각동맹’이라 불리는 구도입니다.

그런데 판이 흔들린다 — 삼성의 반격

여기까지가 독주의 비결이라면, 이제부터가 투자자에게 더 중요한 부분입니다. 올해 초, 삼성전자가 HBM4를 세계 최초로 양산하며 엔비디아 공급을 뚫었습니다. AMD에도 공급을 시작했고요. 스펙도 공격적입니다. 요구 속도(10Gbps)를 훌쩍 넘긴 11.7Gbps에, 한 세대 앞선 D램 공정(1c)과 4나노 베이스 다이를 앞세웠습니다. 하이닉스의 ‘검증된 공정’ 전략과 정반대인 ‘최신 공정 정면돌파’가 이번엔 통한 겁니다.

시장 전망도 달라졌습니다. 2026년 HBM 점유율은 하이닉스 50%, 삼성전자 28%, 마이크론 22% 수준으로, 독주에서 3파전으로 재편된다는 게 시장조사기관들의 관측입니다. 다만 짚어둘 점 — 엔비디아 차세대 플랫폼 ‘루빈’의 HBM4 수요가 워낙 커서 한 회사가 물량을 다 감당할 수 없다는 게 중론입니다. 점유율 경쟁이 치열해지는 것이지, 누군가의 파이가 사라지는 게임이 아니라는 거죠.

투자자의 관전 포인트

하이닉스: 독주 프리미엄이 주가에 반영돼 있는 만큼, 점유율 하락 속도가 관건입니다. 다만 50%도 여전히 압도적 1위이고, 수율(=수익성) 우위가 유지되는지가 핵심 체크포인트입니다.
삼성전자: HBM 열세가 주가 할인 요인이었던 만큼, HBM4 반격이 실제 물량과 실적으로 이어지면 재평가 여지가 있습니다.
시장 전체: 경쟁 심화 ≠ 시장 축소. 루빈발 수요 자체가 커지는 국면이라, 3사 모두 매출이 늘면서 점유율만 재배분되는 시나리오도 충분히 가능합니다.

정리

하이닉스의 70%는 10년의 선점(엔비디아 신뢰) + MR-MUF 수율 + 안전 운전 전략이 쌓인 결과였습니다.
올해 삼성전자가 HBM4 세계 최초 양산·공급으로 반격에 성공하며, 시장은 독주에서 3파전으로 재편되는 중입니다.
루빈발 수요가 워낙 커서 파이 자체가 커지는 국면 — 점유율 변화 속도와 각사 수율이 앞으로의 관전 포인트입니다.

다음 3편에서는 두 회사의 체급 차이, 즉 삼성전자와 SK하이닉스의 사업 구조가 어떻게 다른지를 해부합니다.

⚠️ 이 글은 AI를 활용해 투자 관련 내용을 공부하며 정리한 글입니다. 특정 종목이나 투자 방식에 대한 권유가 아니며, 내용에 오류가 있거나 최신 정보와 다를 수 있습니다. 실제 투자 전에는 공식 자료를 직접 확인하시기 바랍니다. 투자 판단과 그 결과에 대한 책임은 투자자 본인에게 있습니다.

클로드가 내 노트북에서 직접 그림을 그리게 만들기 — ComfyUI + SDXL 로컬 설치기

Thu, 02 Jul 2026 23:30:00 +0900

클로드(Claude)는 텍스트 AI라서 스스로 그림을 그리지 못한다. 하지만 로컬 PC에서 돌아가는 이미지 생성 서버를 붙여주면, “고양이 그려줘” 한마디로 클로드가 프롬프트를 다듬어 그림을 만들어내게 할 수 있다. 오늘은 게이밍 노트북(RTX 4060)에 ComfyUI + SDXL을 설치해서 이걸 실제로 구축한 과정을 정리한다. 비용은 0원, 인터넷 없이도 동작한다.

어떤 도구로 그리게 할까 — 선택지 3개

Automatic1111 WebUI (로컬) — 전통적인 웹 UI라 직접 만지기엔 가장 쉽지만, 메모리 관리가 헐거워 VRAM 8GB에서 SDXL이 버겁다.
나노바나나 (클라우드, Gemini API) — 설치 없이 API 키만 있으면 되고 품질도 좋지만, 장당 약 50원 + 인터넷 필수 + 워터마크가 박힌다.
ComfyUI (로컬) ← 최종 선택 — 노드 UI가 낯설지만 어차피 클로드가 API로 호출하니 상관없다. 세 후보 중 VRAM 효율이 가장 좋고(8GB 노트북에 결정적), 워크플로 전체가 JSON이라 프로그램이 호출하기 가장 깔끔하며, 무료·무제한·오프라인이다.

전체 구조

핵심 아이디어는 간단하다. 클로드는 “지휘"만 하고, 그림은 로컬 GPU가 그린다.

1
2
3
4
5
6
7
8
9


사용자: "노을 지는 서울 야경 그려줘"
 ↓
클로드: 한국어 요청 → 영어 프롬프트로 변환·보강
 ↓
ComfyUI 서버 (로컬, http://127.0.0.1:8188)
 ↓
SDXL 모델이 RTX 4060에서 이미지 생성 (20~40초)
 ↓
클로드가 완성된 PNG를 채팅에 표시

ComfyUI: Stable Diffusion을 돌리는 오픈소스 프로그램. REST API를 제공해서 외부 프로그램(클로드)이 호출할 수 있다.
SDXL: Stability AI의 이미지 생성 모델. 1024×1024 네이티브 해상도.

내 PC로 가능할까? — 사양 확인

설치 전에 확인한 최소 조건과 내 노트북(HP Victus 16) 사양:

항목	필요 사양	내 노트북	판정
GPU VRAM	8GB 이상 권장 (SDXL)	RTX 4060 Laptop 8GB	통과
RAM	16GB	16GB	통과
디스크	약 20GB	351GB 여유	통과

VRAM 8GB가 SDXL의 사실상 마지노선이다. 6GB 이하면 더 가벼운 SD 1.5 모델을 쓰는 게 낫다.

설치 과정 (Windows 11 기준)

1. ComfyUI 클론 + 가상환경

1
2


git clone --depth 1 https://github.com/comfyanonymous/ComfyUI C:\ComfyUI
python -m venv C:\ComfyUI\venv

2. PyTorch (CUDA 버전) 설치

일반 pip install torch는 CPU 버전이 설치되므로, 반드시 CUDA 인덱스를 지정해야 GPU를 쓴다.

1

C:\ComfyUI\venv\Scripts\python.exe -m pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu128

설치 후 GPU 인식 확인:

1
2


C:\ComfyUI\venv\Scripts\python.exe -c "import torch; print(torch.cuda.is_available())"
# True 가 나와야 함

3. 의존성 + SDXL 모델 다운로드

1
2
3
4


C:\ComfyUI\venv\Scripts\python.exe -m pip install -r C:\ComfyUI\requirements.txt

# SDXL base 모델 (~6.5GB) → models\checkpoints\ 에 저장
curl.exe -L -o C:\ComfyUI\models\checkpoints\sd_xl_base_1.0.safetensors https://huggingface.co/stabilityai/stable-diffusion-xl-base-1.0/resolve/main/sd_xl_base_1.0.safetensors

4. 서버 실행

1

C:\ComfyUI\venv\Scripts\python.exe C:\ComfyUI\main.py --port 8188

브라우저에서 http://127.0.0.1:8188을 열면 노드 기반 UI가 뜨지만, 클로드 연동이 목적이라면 UI를 직접 만질 일은 거의 없다.

클로드와 연결하기

ComfyUI의 API는 두 개 엔드포인트가 핵심이다.

POST /prompt — 워크플로(JSON)를 제출하면 prompt_id를 돌려준다
GET /history/{prompt_id} — 생성이 끝나면 결과 이미지 파일명이 담겨 온다

이걸 호출하는 파이썬 스크립트(generate.py)를 하나 만들고, 클로드 코드(Claude Code)에는 스킬(skill) 하나를 등록했다. 스킬은 “이런 요청이 오면 이 스크립트를 실행해라"라는 지침서다:

1
2
3
4
5
6


---
name: draw-local
description: 사용자가 그림을 요청하면 로컬 ComfyUI로 생성. 한국어 프롬프트는 영어로 번역.
---
C:\ComfyUI\venv\Scripts\python.exe C:\ComfyUI\generate.py "PROMPT"
실행 후 SAVED <경로>가 출력되면 그 PNG를 채팅에 표시할 것.

이제 클로드에게 “~그려줘"라고 하면: ① 서버가 꺼져 있으면 자동 기동 → ② 한국어를 영어 프롬프트로 번역·보강 → ③ 생성 → ④ 채팅에 그림 표시까지 알아서 한다.

결과물 — 프롬프트 예시 3개

실제로 이 노트북에서 생성한 이미지들이다. 프롬프트를 어떻게 쓰느냐가 품질의 절반이다.

예시 1 — 인물/동물 + 조명 지정

1

a cute orange cat sitting on a windowsill, warm sunlight, photorealistic

예시 2 — 풍경 + 분위기 키워드

1

a serene mountain lake at sunrise, mist over the water, photorealistic

예시 3 — 실존 장소 + 시간대 + 스타일

1
2


Seoul city skyline at sunset, Namsan Tower and Han River, glowing orange and purple sky,
city lights turning on at dusk, skyscrapers, photorealistic, cinematic lighting, high detail

프롬프트 팁: ① 영어로 쓸 것(SDXL은 영어 학습 비중이 압도적) ② photorealistic, cinematic lighting 같은 스타일 키워드를 뒤에 붙일 것 ③ 피하고 싶은 요소는 네거티브 프롬프트(blurry, low quality, watermark...)로 분리할 것.

실측 성능 (RTX 4060 Laptop, 8GB)

첫 생성: 약 1분 (서버 기동 + 모델 VRAM 로딩 포함)
이후: 장당 20~40초 (1024×1024, 28스텝)
스텝을 20으로 줄이면 ~24초, 품질 차이는 크지 않음

정리

8GB VRAM 노트북이면 SDXL 로컬 생성이 충분히 실용적이다.
클로드 연동의 핵심은 “ComfyUI API를 부르는 스크립트 + 스킬 등록” 두 가지뿐.
클라우드 API(나노바나나 등) 대비 장점: 무료·무제한·오프라인. 단점: 품질과 텍스트 렌더링은 클라우드 모델이 우세.
다음 단계: 나노바나나(Gemini 이미지 API) 연동을 추가해서 로컬/클라우드를 골라 쓰는 것도 고려 중.

HBM이란? 왜 'AI 시대의 쌀'이라 불릴까 — AI 반도체 투자 교과서 ①

Thu, 02 Jul 2026 21:40:00 +0900

요즘 경제 뉴스를 보면 하루가 멀다 하고 나오는 단어가 있습니다. 바로 HBM입니다. “하이닉스가 HBM 덕에 사상 최대 실적”, “HBM4 경쟁에서 앞섰다”… 이런 뉴스에 삼성전자나 SK하이닉스를 이미 담으셨거나, 지금이라도 사야 하나 고민 중인 분들 많으실 거예요. 그런데 정작 “HBM이 뭔데?“라고 물으면 명확히 답할 수 있는 사람은 드뭅니다. 내 돈이 들어가는 회사가 뭘로 돈을 버는지는 알고 투자해야 뉴스에 흔들리지 않죠. 이 글에서 딱 정리하고 갑니다.

HBM은 ‘아파트처럼 쌓은 메모리’입니다

HBM(High Bandwidth Memory)은 이름 그대로 고대역폭 메모리입니다. 핵심 아이디어는 의외로 단순해요. 우리가 아는 일반 D램이 단독주택을 옆으로 늘어놓은 것이라면, HBM은 D램 칩을 아파트처럼 8층, 12층, 16층으로 수직으로 쌓은 것입니다.

쌓기만 한 게 아닙니다. 층과 층 사이를 **TSV(실리콘 관통 전극)**라는 수천 개의 미세한 엘리베이터로 연결해서, 데이터가 오르내리는 통로를 압도적으로 넓혔습니다. 일반 D램이 왕복 2차선 도로라면 HBM은 수백 차선 고속도로인 셈이죠. ‘고대역폭’이라는 이름이 여기서 나옵니다.

왜 AI에는 HBM이 필수일까

AI 반도체의 주인공은 엔비디아의 GPU입니다. 그런데 GPU에는 오래된 고민이 하나 있어요. 연산 속도는 어마어마하게 빨라졌는데, 데이터를 가져오는 메모리가 그 속도를 못 따라간다는 겁니다. 아무리 일 잘하는 요리사(GPU)도 재료(데이터)가 제때 안 오면 놀 수밖에 없죠. 반도체 업계는 이걸 **‘메모리 월(memory wall)’**이라고 부릅니다.

HBM은 이 벽을 넘기 위한 답입니다. GPU 바로 옆자리에 붙어서, 수백 차선 고속도로로 데이터를 쏟아부어 줍니다. 그래서 엔비디아의 AI 칩에는 HBM이 반드시 여러 개 붙습니다. AI 서버가 한 대 팔릴 때마다 HBM이 같이 팔리는 구조예요. 반도체가 ‘산업의 쌀’이라면 HBM이 ‘AI 시대의 쌀’이라 불리는 이유입니다.

왜 돈이 될까 — 일반 D램과의 결정적 차이

투자자 입장에서 중요한 건 이겁니다. HBM은 일반 D램보다 몇 배 비싸게 팔립니다. 이유는 두 가지예요.

	일반 D램	HBM
구조	칩 1장	칩 8~16장 적층 + TSV
만들기	상대적으로 쉬움	매우 어려움 (수율 확보가 관건)
가격	범용품, 시황 따라 등락	고부가가치, 장기 공급계약 중심
고객	불특정 다수	엔비디아 등 소수 대형 고객

첫째, 만들기가 어렵습니다. 얇게 깎은 칩을 수직으로 쌓고 수천 개 구멍으로 연결하는 공정은 한 층만 불량이어도 전체를 버려야 해서, 수율(양품 비율)을 잡은 회사만 돈을 법니다. 둘째, 파는 방식이 다릅니다. 범용 D램이 시황 따라 가격이 출렁이는 ‘시장 판매’라면, HBM은 엔비디아 같은 큰손과 1~2년치 물량을 미리 계약하는 구조라 실적 안정성이 높습니다.

메모리 반도체는 원래 경기 따라 이익이 롤러코스터를 타는 산업이었는데, HBM이 그 공식을 바꾸고 있는 겁니다.

지금 누가 만들고 있나

HBM을 만들 수 있는 회사는 전 세계에 SK하이닉스, 삼성전자, 마이크론 딱 셋뿐입니다. 이 중 SK하이닉스가 엔비디아 공급을 선점하며 시장을 이끌어 왔고, 올해부터는 차세대 규격인 HBM4(엔비디아 차세대 플랫폼 ‘루빈’에 탑재)를 둘러싼 경쟁이 본격화됐습니다. 증권가에서는 HBM4에서도 SK하이닉스가 70% 안팎의 점유율을 지킬 것이라는 전망이 나오면서 목표주가가 줄줄이 올라갔죠. 이 경쟁 구도는 시리즈 2편에서 자세히 다루겠습니다.

정리

HBM은 D램을 수직으로 쌓아 데이터 통로를 극대화한 메모리로, GPU의 ‘메모리 월’ 문제를 풀어주는 AI 인프라의 필수 부품입니다.
만들기 어렵고, 소수 대형 고객과 장기 계약으로 팔리기 때문에 일반 D램보다 훨씬 비싸고 실적 안정성이 높습니다.
공급사는 SK하이닉스·삼성전자·마이크론 셋뿐이며, 지금은 HBM4 경쟁이 주가의 핵심 변수입니다.

⚠️ 이 글은 AI를 활용해 투자 관련 내용을 공부하며 정리한 글입니다. 특정 종목이나 투자 방식에 대한 권유가 아니며, 내용에 오류가 있거나 최신 정보와 다를 수 있습니다. 실제 투자 전에는 공식 자료를 직접 확인하시기 바랍니다. 투자 판단과 그 결과에 대한 책임은 투자자 본인에게 있습니다.

🫥 사진 속 얼굴, 서버 없이 브라우저에서 모자이크하기

Wed, 01 Jul 2026 07:00:00 +0900

블로그에 작은 도구 하나를 추가했습니다. 얼굴 모자이크 — 사진 속 얼굴을 자동으로 찾아 가려주는 웹 도구입니다.

사진을 SNS나 블로그에 올릴 때, 같이 찍힌 사람의 얼굴을 가려야 할 때가 있죠. 보통은 앱을 깔거나, 얼굴 사진을 모르는 웹사이트에 업로드해야 합니다. 그런데 얼굴 사진을 남의 서버에 올린다는 게 영 찜찜합니다. 그래서 사진이 아예 내 브라우저 밖으로 나가지 않는 도구를 만들었습니다.

서버 없이 얼굴을 찾을 수 있는 핵심은 온디바이스 AI입니다. 구글의 MediaPipe Face Detector라는 얼굴 검출 모델을 브라우저에서 직접 돌립니다. 모델 파일(약 200KB)만 한 번 내려받으면, 그다음부터는:

사진을 캔버스에 올리고
브라우저 안에서 얼굴 위치를 찾고
그 영역에 효과를 입힙니다

이 모든 게 내 컴퓨터 안에서 일어납니다. 사진은 단 한 번도 서버로 전송되지 않아요.

가리는 방식은 아래와 같이 4가지 방식으로 구현했습니다.

모자이크 — 픽셀을 뭉개는 전통적 방식
블러 — 부드럽게 흐리기
검은 박스 — 완전히 가리기
이모지 — 😀🐱⭐ 로 덮기

강도와 가리는 범위도 슬라이더로 조절할 수 있습니다. 얼굴 검출 모델도 완벽하진 않아서 옆얼굴이나 작게 찍힌 얼굴은 놓치기도 하는데, 그럴 땐 마우스로 직접 영역을 드래그해서 추가하거나, 잘못 잡힌 곳을 클릭해서 지울 수 있게 했습니다.

사실 이 도구는 Claude Code로 개발했습니다. 코딩을 잘 몰라도, “사진 얼굴을 모자이크하는 웹페이지를 만들어줘"라고 대화하듯 시키면 이 정도는 만들어집니다. 여러분도 충분히 직접 만들 수 있어요. 그리고 보안이라는 관점에서 보면, 직접 만들어 쓰는 게 사실 가장 확실합니다. 물론 그게 귀찮은 분들은 제가 만들어 둔 걸 그냥 써보세요. 어차피 사진은 브라우저 밖으로 안 나가니까요.

써보기

👉 얼굴 모자이크 도구 열기

상단 메뉴의 도구에서도 언제든 들어올 수 있습니다.

Redmine MCP 서버 직접 만들기 — 일주일의 기록

Mon, 29 Jun 2026 22:00:00 +0900

💻 바로 설치: pipx install git+https://github.com/junstellar/redmine-mcp-jun.git

Claude Code가 사내 Redmine을 직접 읽고 쓰게 만들고 싶었다. 그런데 우리 Redmine은 사설망에 있어 Atlassian·GitHub 같은 외부 SaaS 커넥터를 못 쓴다. 그래서 내 PC에서만 도는 로컬 MCP 서버를 직접 만들었다. 단일 파일에서 시작해 pip 패키지로 키운 일주일의 기록이다.

MCP가 뭔지, 도구를 어떻게 짰나

MCP(Model Context Protocol)는 ‘AI와 외부 도구를 잇는’ 표준이다. USB처럼, 표준만 맞추면 어떤 도구든 LLM에 꽂아 쓸 수 있다.

서버를 클라이언트에 붙이는 방식은 크게 둘이다. stdio는 서버를 사용자 PC에서 로컬 프로세스로 띄워 같은 PC 안에서만 주고받는 방식이고, **HTTP(원격)**는 서버를 따로 호스팅해 네트워크로 붙는 방식이다. 원격 방식은 한 번 띄워두면 여러 명이 같이 쓰기 좋지만, 서버 운영과 인증·키 관리를 따로 챙겨야 한다. 나는 사내에서 내가 직접 설치해 쓸 거라, 키가 내 PC 밖으로 안 나가고 설치도 간단한 stdio 방식으로 했다.

내가 만들 Redmine 연동에서 코드보다 먼저 한 일은 “LLM이 이걸로 뭘 할 수 있어야 하나"를 적어보는 거였다. 막상 적어보니 평소 Redmine에서 하는 일이 그리 많지 않았다 — 내 일감 확인, 이슈 검색·열람, 이슈 만들기, 댓글 달기, 위키 보고 고치기 정도. 거기에 맞춰 도구 10개를 추렸다.

도구	역할
`list_projects` / `list_issues` / `get_issue`	프로젝트·이슈 조회
`create_issue` / `add_comment`	이슈 생성·댓글
`list_wiki_pages` / `get_wiki` / `update_wiki`	위키
`get_my_today`	‘오늘 내 일감’ 단축
`list_enumerations`	우선순위·상태 ID

여기서 하나 배웠다. get_my_today처럼 자주 쓰는 흐름은 전용 도구로 빼두면 LLM이 훨씬 잘 골라 쓴다. 그리고 만들면서 챙긴 세 가지 — 도구 설명은 풍부하게(짧으면 엉뚱한 걸 부른다), 입력 스키마는 빡빡하게, 응답은 JSON 그대로 넘기기.

진짜 어려운 건 코드가 아니라 배포였다

처음엔 파일 하나(약 420줄)로 빠르게 동작부터 확인했다. 정작 시간을 잡아먹은 건 “남 PC에 어떻게 깔지"였다. OS별 경로 분기에, Python 3.12의 PEP 668로 pip install이 막히는 환경까지 겹쳤다. 결국 pip 패키지로 갈아엎고 pipx 설치로 정리하니, 어느 OS든 두 줄로 끝났다.

가장 신경 쓴 건 Claude 설정 파일(.claude.json)을 건드리는 부분이었다. 다른 MCP 설정도 같이 든 공유 파일이라, 수정 전 무조건 백업을 뜨게 했다(실제로 한 번 사고 났는데 바로 복구됐다). 실행 경로도 python 대신 절대경로로 박아 파이썬 버전이 바뀌어도 안 깨지게 했다.

막힘	해결
PEP 668로 `pip install` 거부	pipx로 전환
파이썬 업그레이드 후 MCP 안 뜸	실행 명령을 절대경로로
설정 머지하다 다른 항목 날림	수정 전 백업 강제
LLM이 단축 도구 안 부르고 우회	description에 키워드 보강

정리

MCP 서버 만들기 자체는 의외로 쉽다(파이썬 400줄). 어려운 건 배포, 키 관리, 그리고 LLM이 잘 골라 쓰게 만드는 description 튜닝 — 이 셋이다. 미리 고민하고 들어가면 며칠이면 된다.

필요한 사람을 위해 코드는 레포에 올려뒀으니(github.com/junstellar/redmine-mcp-jun, MIT) 받아 써도 된다. 그래도 한 번쯤은 직접 만들어보는 걸 추천한다. 새 일감이 등록되면 알려주는 알림, 들어온 일감을 자동으로 분석해 회신 댓글을 다는 봇처럼 — 자기한테 필요한 걸 직접 붙여보면 훨씬 많이 남는다.

어떻게(How)는 풀렸고, 이제 뭘(What) 할지가 고민이다

Fri, 26 Jun 2026 20:00:00 +0900

이 블로그에서 AI 이야기를 다뤄보기로 했다. 그런데 막상 그 첫 글을 뭘로 쓸지 한참 고민했다. 그래서 그냥, 요즘 내 머릿속을 제일 많이 차지하는 생각 — 내가 AI를 어떻게 보게 됐는지, 그 이야기부터 풀어보기로 했다.

처음엔 진짜 못 쓸 줄 알았다

GPT가 처음 나왔을 때, 신기하긴 했지만 막상 시켜보면 영 허접했다. 그럴듯하게 말은 하는데 알맹이가 없고, 조금만 깊이 들어가면 엉뚱한 소리를 했다. “그냥 신기한 장난감이네” 하고 넘겼다. 이게 내 삶을 바꿀 거라곤 생각도 안 했다.

그런데 체감으로 1년도 안 돼 세상이 바뀌어 있었다. GPT부터 클로드 코드까지 이것저것 써보는 사이, 그 허접하던 게 이제는 내가 생각한 거의 모든 걸 해낸다. 따라가기 벅찰 만큼 빠르다. 얼마 전까지 “못 쓰겠다"던 도구인데, 지금은 없으면 일을 어떻게 했나 싶다.

how는 풀렸는데, 이제 what이 숙제다

여기서 크게 느낀 게 있다.

예전엔 늘 “이걸 어떻게 하지?“가 벽이었다. 방법을 몰라서, 손이 안 따라줘서 멈췄다. 그런데 이제 how는 AI가 풀어준다. 말주변도 글재주도 없던 내가, 본업인 개발만큼이나 글도 그럴듯하게 쓰게 된 느낌이다.

막상 그 벽이 사라지고 나니, 전혀 다른 질문이 남았다.

“그래서 나는, 뭘(what) 해야 할까?”

이게 오히려 더 어렵다. 할 수 있는 게 많아질수록, 정작 뭘 해야 할지가 더 막막해진다. 게다가 묘한 기분도 든다 — 내가 이걸 할 수 있게 됐다는 건, 결국 남들도 다 할 수 있게 됐다는 뜻이니까. 누구나 같은 도구를 손에 쥔 시대에, 그럼 나는 뭘 해야 하나 싶어진다.

사실 고백하자면 나는 원래 하고 싶은 건 많은데 아무것도 못 하는 사람이었다. “방법을 몰라서 못 했다"고 핑계 댔지만, 진짜 문제는 how가 아니라 what — 무엇을 할지, 그리고 그걸 시작할 의지 — 가 없었던 거다.

그래서, 같이 삽질하기로 했다

그런데 AI를 쓰면서 그 벽이 낮아졌다. 막막해서 시작도 못 하던 일을, 이제는 일단 부딪혀볼 수 있게 됐다. 그렇게 찾은 나의 첫 번째 what이 바로 이거다 — AI 이야기를 나누는 것.

그런데 전문가들이 잘 정리해 둔 깔끔한 정답은 이미 세상에 차고 넘친다. 그래서 나는 반대로 가보려 한다. 잘한 것보다, 직접 해보다 삽질한 것·실패한 것·보기 좋게 망한 것들을 그대로 풀어놓는 쪽으로. 어차피 성공보다 실패가 더 많을 거고, 솔직히 그 과정이 더 재밌으니까.

그냥 평범한 내가, 평범한 사람들 눈높이에서 부딪히고 깨지며 배운 걸 나누고 싶다. 전문가의 깊이는 없어도, 같은 자리에서 함께 헤매는 사람의 시선이라는 게 분명 쓸모가 있다고 믿는다. 나처럼 “신기한데 이걸 어떻게 쓰지?” 하던 사람과 그 시행착오를 같이 웃으며 즐길 수 있다면, 그걸로 충분하다.

how는 AI가 풀어줬다. 이제 그 도구로 무엇을 나눌지, 여기서부터 시작한다.

천천히, 그러나 분명히 — 투더문. 🚀

블로그를 시작합니다

Fri, 26 Jun 2026 12:00:00 +0900

안녕하세요 👋

말주변도 없고 매사에 소극적이던 제가, AI 시대를 맞아 뭐라도 도전해보기로 했습니다. 그 첫걸음으로 이 블로그를 엽니다.

왜 시작했나

AI가 일하는 방식을 바꾸는 걸 매일 체감하면서도, 정작 저는 구경만 하고 있었어요. 공부를 안 한 건 아닙니다. 책을 읽고, 영상을 보고, 고개를 끄덕였죠. 그런데 일주일만 지나면 기억이 흐릿해지더라고요. 남는 게 없는 공부를 반복하고 있었던 겁니다.

그래서 방식을 바꾸기로 했습니다. 배운 것을 그날그날 기록으로 남기고, 그 기록을 남에게 보여줄 수 있는 수준까지 정리하기. 누군가 읽을 수 있다는 약간의 긴장감이 있어야 공부가 진짜 공부가 된다고 믿기로 했어요.

블로그 이름은 To the Moon입니다. 주식판에서 가격이 치솟기를 바랄 때 쓰는 농담이지만, 저에게는 조금 다른 뜻이에요. 하루아침에 달까지 쏘아 올리는 로켓이 아니라, 천천히 그러나 분명히 궤도를 올려가는 쪽. 그게 이 블로그가 가려는 방향입니다.

무엇을 다루나

세 가지 축으로 씁니다.

🚀 AI 투자 — AI 산업에 돈이 어떻게 흐르는지 공부합니다. 반도체, 전력, 데이터센터 같은 밸류체인을 하나씩 뜯어보고, 지수와 ETF를 읽는 법을 정리합니다. 특정 종목을 추천하는 곳이 아니라, 스스로 판단할 수 있는 눈을 기르는 기록입니다.

🛠 AI 코딩 — AI와 함께 실제로 만들어봅니다. 브라우저에서 바로 돌아가는 미니게임, 일상을 편하게 해주는 자동화 도구, 그리고 이 블로그 자체까지. 만들면서 배운 것과 실패한 것을 그대로 남깁니다.

🛰 AI 트렌드 — 쏟아지는 AI 소식 중에 진짜 중요한 것만 골라, 왜 중요한지 제 생각을 붙여 정리합니다. 뉴스를 옮겨 적는 게 아니라, 흐름을 읽는 연습을 하는 자리예요.

어떻게 운영하나

이 블로그의 가장 큰 특징은 운영 방식 자체에 AI가 들어가 있다는 점입니다. 평소 공부하고 생각하고 경험한 것들을 메모로 남기면, 그 메모가 매일 밤 자동으로 글 초안이 됩니다. 물론 초안이 그대로 올라가지는 않아요. 제가 읽고, 고치고, 사실을 확인한 다음에야 공개합니다.

AI가 초안을 만들고 사람이 검토하고 책임지는 구조. 이게 제가 생각하는 AI 시대의 글쓰기이고, 이 블로그는 그 실험장이기도 합니다. 실험이 잘 되는지 못 되는지도 여기 글들이 그대로 증거로 남겠죠.

마치며

거창한 목표는 없습니다. 다만 일 년 뒤의 제가 이 첫 글을 다시 읽었을 때, 그동안 쌓인 글들이 부끄럽지 않았으면 합니다. 같이 공부하는 마음으로 편하게 들러주세요.

천천히, 그러나 분명히 — 투더문. 🚀