2026년 7월 7일부터 12일까지 시장에서 가장 흥미로웠던 장면은 AI 모델의 성능 경쟁이었습니다.

OpenAI는 GPT-5.6과 ChatGPT Work를 공개했고, 중국에서는 GLM-5.2를 비롯한 오픈웨이트 모델들이 미국 프런티어 모델과의 성능 격차를 빠르게 좁히고 있습니다. Grok과 Meta까지 가격 대비 성능을 앞세운 모델을 내놓으면서, 이제 프런티어급 AI를 사용하는 비용은 계속 내려갈 가능성이 높아졌습니다.

그런데 반도체와 데이터센터 시장에서는 정반대의 일이 벌어지고 있습니다.

메모리는 부족하고, 첨단 패키징은 주문이 넘치고, 데이터센터를 지을 전력과 물은 충분하지 않습니다. 구리와 알루미늄 같은 금속, 냉각 시스템, 광통신 장비까지 수요가 번지고 있습니다.

모델은 싸지고 있는데, 모델을 실제로 돌리기 위한 물리적 세계는 더 비싸지고 있는 것입니다.

제가 보는 이번 주의 핵심은 이것입니다.

AI 모델의 가격 하락은 AI 인프라 투자를 줄이는 요인이 아니라, 더 많은 에이전트와 더 긴 작업을 가능하게 만들어 컴퓨팅 소비를 폭발시키는 요인이 될 수 있습니다.

1. AI의 다음 경쟁은 모델 성능이 아니라 작업량이다

GPT-5.6이 얼마나 똑똑한지, Claude와 Grok 가운데 어느 모델이 벤치마크에서 앞서는지는 물론 중요합니다.

하지만 투자 관점에서는 모델 순위보다 더 중요한 변화가 있습니다. 사람들이 AI에게 맡기는 작업의 길이와 복잡성이 빠르게 늘어나고 있다는 점입니다.

OpenAI는 최근 6개월 동안 내부 에이전틱 토큰 사용량이 약 22배 증가했고, 내부 코딩 추론에 사용되는 컴퓨팅 비중은 100배 늘었다고 밝혔습니다. ChatGPT Work에는 Codex가 통합됐으며, Codex의 주간 사용자는 이미 500만 명을 넘어섰습니다.

과거의 AI는 질문 하나에 답변 하나를 생성했습니다.

지금의 에이전트는 자료를 찾고, 문서를 읽고, 코드를 작성하고, 오류를 수정하고, 결과를 검토한 뒤 다시 작업합니다. 사용자가 한 번 명령해도 내부적으로는 수십 번에서 수백 번의 모델 호출이 발생할 수 있습니다.

지식노동의 생산함수에 새로운 투입 요소가 들어온 것입니다.

기존에는 대략 다음과 같았습니다.

인간의 시간 × 숙련도

에이전트 시대에는 여기에 하나가 추가됩니다.

인간의 판단 × 감독된 에이전트 노동 × 컴퓨팅

사용자 수가 더 이상 크게 늘지 않더라도, 한 사람이 소비하는 토큰과 컴퓨팅은 계속 증가할 수 있습니다. AI 인프라 수요가 단순히 ‘사용자 수 증가’에만 의존하지 않고, 사용자당 소비량 증가라는 두 번째 엔진을 갖게 되는 것입니다.

다만 토큰이 많이 생성됐다고 해서 가치가 같은 비율로 증가하는 것은 아닙니다.

AI가 만든 결과물을 검토하고 수정하는 데 더 많은 시간이 들어갈 수도 있습니다. 에이전트가 실행을 담당할수록 기업의 병목은 실행 자체가 아니라, 무엇을 시킬지 정의하고 결과가 맞는지 판단하는 영역으로 이동합니다.

AI가 도메인 전문성을 없애는 것이 아니라, 오히려 검증할 수 있는 전문성의 가치를 높일 가능성이 있습니다.

2. 모델 가격은 내려가지만 인프라 가격은 올라간다

AI 모델 시장에서는 가격 대비 성능이 빠르게 개선되고 있습니다.

저렴한 모델이 프런티어 모델의 성능을 따라잡으면 모델 기업의 가격 결정력이 약해질 수 있습니다. 하지만 이것이 곧 데이터센터와 반도체 수요 감소를 의미하지는 않습니다.

전기 가격이 낮아진다고 전기 사용량이 반드시 줄어드는 것이 아니듯, 토큰 가격이 내려가면 기업들은 이전에는 경제성이 없었던 업무에도 AI를 적용하기 시작합니다.

저렴한 추론은 더 많은 AI 에이전트와 사내 도구, 개인화 서비스, 시뮬레이션을 만들어냅니다. 모델 한 번을 실행하는 비용은 낮아지지만, 전체 산업이 소비하는 컴퓨팅 총량은 오히려 커질 수 있습니다.

골드만삭스는 전 세계 AI 자본지출이 2026년 약 7,650억 달러에서 2031년 연간 1조6,000억 달러까지 증가할 수 있다고 전망했습니다. 2026년부터 2031년까지 누적 투자 규모는 약 7조6,000억 달러에 달합니다.

이 투자의 중심에는 여전히 반도체가 있습니다.

최근 $K000660 SK하이닉스의 미국 ADR 발행에는 예정 물량의 7배가 넘는 주문이 몰렸습니다. 최종 조달 규모는 265억 달러로, 미국 시장에서 외국 기업이 진행한 역대 최대 규모의 주식 발행이 됐습니다. 시장이 HBM과 AI 메모리의 구조적 성장 가능성에 얼마나 높은 가치를 부여하고 있는지 보여주는 장면입니다.

문제는 HBM만 부족한 것이 아니라는 점입니다.

AI 칩에는 GPU뿐 아니라 CPU, HBM, 네트워크 칩, 전력 반도체, 기판과 수많은 수동부품이 들어갑니다. 이를 하나의 시스템으로 묶으려면 첨단 패키징과 테스트가 필요합니다.

TSMC가 CoWoS 생산능력을 빠르게 확대하고 있지만, 늘어나는 수요를 따라잡기에는 여전히 부족합니다. TSMC뿐 아니라 ASE, Amkor, 인텔 등 다른 패키징 기업으로 주문이 분산되는 이유도 TSMC의 경쟁력이 약해져서가 아니라, 전체 시장의 공급능력이 부족하기 때문입니다.

좋은 회사와 좋은 가격은 다릅니다.

다만 현재의 메모리와 패키징 부족을 단순한 단기 품귀 현상으로만 보기에도 어렵습니다. AI 인프라의 수요가 GPU 하나에서 전체 컴퓨팅 시스템으로 확대되고 있기 때문입니다.

3. 데이터센터의 병목은 이제 전력망과 물이다

데이터센터 시장에서도 관점이 바뀌고 있습니다.

예전에는 어느 클라우드 기업이 서버를 더 많이 구매하는지가 중요했습니다. 지금은 데이터센터를 지어도 실제로 전력을 공급받을 수 있는지가 더 중요합니다.

Gartner는 전 세계 데이터센터 전력 소비량이 2025년 447TWh에서 2026년 565TWh로 26% 증가할 것으로 추산했습니다. 특히 AI 최적화 서버의 전력 소비는 2026년에만 84% 증가하고, 2027년에는 기존 서버의 전력 소비량을 넘어설 것으로 전망됩니다.

국제에너지기구는 전 세계 데이터센터 전력 소비량이 2030년 약 945TWh까지 증가할 것으로 보고 있습니다. 이는 현재 일본 전체가 사용하는 전력량보다 많은 규모입니다. 미국에서는 2030년까지 증가하는 전력 수요의 절반 가까이를 데이터센터가 차지할 수 있습니다.

이제 데이터센터의 병목은 단순한 발전량 부족이 아닙니다.

필요한 장소에, 필요한 시기에, 중단 없이 전력을 전달할 수 있는지가 중요합니다. 전력망 연결에 오랜 시간이 걸리는 지역에서는 데이터센터 부지를 확보해도 가동하지 못할 수 있습니다.

냉각 방식도 바뀌고 있습니다.

AI 랙의 전력 밀도가 높아지면서 기존 공랭식 냉각에서 다이렉트 투 칩과 폐쇄형 액체 냉각으로 전환되고 있습니다. 국내에서는 $K066570 LG전자가 NVIDIA Vera Rubin 규격에 맞춘 AI 서버 랙 시제품을 개발하고 양산을 준비하고 있습니다. 냉난방공조와 배터리, 데이터센터 구축 역량을 하나로 묶으려는 접근입니다.

LG전자가 AI 모델을 만드는 회사는 아닙니다.

하지만 AI 데이터센터가 늘어나면 서버를 담는 랙과 냉각 시스템은 반드시 필요합니다. 이것이 ‘AI가 대체할 앱’보다 ‘AI가 반드시 거쳐야 하는 인프라’를 봐야 하는 이유입니다.

4. 소버린 AI는 모델이 아니라 공급망의 문제다

이번 주 중국 AI 산업을 보면서 다시 확인한 것이 있습니다.

소버린 AI를 자체 언어모델 하나 만드는 사업으로 이해해서는 안 됩니다.

국가가 프런티어 모델을 보유하더라도 GPU와 HBM, 파운드리, 패키징, 데이터센터와 전력망을 해외에 의존한다면 완전한 AI 주권을 확보했다고 보기 어렵습니다.

최근 중국의 GLM-5.2 같은 오픈웨이트 모델은 일부 코딩과 에이전틱 작업에서 미국 프런티어 모델과의 격차를 빠르게 좁히고 있습니다. 가격은 미국 모델의 일부에 불과해 글로벌 스타트업과 중소기업의 관심도 커지고 있습니다.

동시에 DeepSeek는 추론용 자체 AI 칩 개발에 착수한 것으로 보도됐습니다. 칩 설계와 파운드리, 메모리 기업들과 협력하며 NVIDIA와 Huawei에 대한 의존도를 낮추려는 움직임입니다.

이것이 중요한 이유는 중국의 AI 경쟁이 모델에서 끝나지 않기 때문입니다.

알리바바와 텐센트는 클라우드와 모델을 갖고 있고, SMIC는 파운드리를 담당합니다. CXMT와 YMTC는 메모리 공급망을 구축하고 있으며, Huawei는 AI 가속기와 네트워크, 컴퓨팅 클러스터를 동시에 확장하고 있습니다.

중국이 당장 NVIDIA와 TSMC, SK하이닉스를 완전히 대체할 수 있다는 의미는 아닙니다. 첨단 공정 수율과 HBM, 장비 성능에는 여전히 격차가 있습니다.

그러나 ‘성능이 가장 좋은 시스템’과 ‘자국에서 독립적으로 운영할 수 있는 시스템’의 가치는 다릅니다.

미국의 수출 통제가 강화될수록 중국 기업은 단순한 기술 성능보다 공급 안정성과 자립도를 중시하게 됩니다. 이 흐름에서는 프런티어 모델 기업뿐 아니라 중국의 파운드리, 메모리, 반도체 장비 기업까지 함께 봐야 합니다.

다만 중국 반도체를 볼 때는 ‘곧 서구를 완전히 따라잡는다’는 과장도 경계해야 합니다.

중국 공급망의 투자 포인트는 반드시 최고 성능을 달성해서가 아니라, 중국 내부에서 사용할 수 있는 충분히 좋은 대안이 되고 있다는 점에 있습니다.

5. AI의 경제적 효과는 기술기업 밖으로 번진다

AI 산업을 데이터센터 투자만으로 설명할 수도 없습니다.

AI 사용 비용이 내려가면 사람들은 과외와 번역, 여행 계획, 소프트웨어, 문서 작성처럼 기존에 비용을 지불하던 서비스를 무료 또는 매우 저렴하게 이용할 수 있습니다.

Stanford Digital Economy Lab은 미국 생성형 AI 이용자들이 얻는 소비자잉여가 2025년 중반 약 1,160억 달러에서 2026년 초 1,720억 달러로 증가한 것으로 추산했습니다. 기업들이 AI 서비스에서 벌어들이는 매출보다 소비자가 얻는 시간과 비용 절약 효과가 더 크다는 분석입니다.

여기서 중요한 것은 AI가 단순히 새로운 매출을 만드는 것이 아니라, 기존 소비 지출을 재배분할 수 있다는 점입니다.

AI가 과외, 번역, 단순 소프트웨어 구독을 대체하면 그만큼의 소비 여력이 외식과 여행, 엔터테인먼트처럼 AI가 직접 대체하기 어려운 영역으로 이동할 수 있습니다.

반대로 단순 정보 제공이나 반복 실행을 판매하던 기업은 가격 압력을 받을 가능성이 큽니다.

AI 시대의 수혜 기업이 반드시 AI 모델을 만드는 기업일 필요는 없습니다.

고유한 데이터와 고객 관계를 보유하고 있으면서 AI를 이용해 비용을 낮추거나 의사결정의 질을 높이는 기업도 수혜 후보가 될 수 있습니다. 보험사 $TRV Travelers가 AI 기반 보험금 청구 시스템을 도입한 사례가 대표적입니다.

투자 관점에서 정리

이번 주에 나타난 흐름은 네 가지로 정리할 수 있습니다.

가장 중요한 것은 모델 기업과 인프라 기업을 같은 논리로 평가해서는 안 된다는 점입니다.

모델 시장에서는 성능 대비 가격 경쟁이 심해질 수 있습니다. 오늘의 최고 모델이 몇 달 뒤에는 저가 모델에 따라잡힐 수도 있습니다.

반면 메모리와 첨단 패키징, 전력망과 냉각 인프라는 짧은 시간에 공급을 늘리기 어렵습니다. 공장을 짓고, 장비를 설치하고, 고객 검증을 통과하기까지 수년이 필요합니다.

그래서 모델의 경쟁우위는 빠르게 변하지만, 물리적 공급망의 병목은 더 오래 지속될 가능성이 있습니다.

결론

결국 이번 주 시장이 보여준 것은 하나입니다.

AI는 점점 저렴해지고 있지만, 저렴해진 AI를 대규모로 사용하기 위해 필요한 현실 세계의 자원은 더 희소해지고 있습니다.

모델 가격이 내려가면 AI 투자가 끝나는 것이 아닙니다. 오히려 더 많은 사람이 더 긴 작업을 AI에 맡기면서 토큰과 컴퓨팅 소비가 증가할 수 있습니다.

그 과정에서 병목은 GPU에서 HBM과 일반 DRAM, 파운드리, 첨단 패키징, 전력망, 냉각, 물과 금속으로 계속 이동합니다.

그래서 앞으로는 단순히 어떤 AI 모델이 벤치마크 1위를 차지했는지를 보는 것보다, AI가 일을 하기 위해 반드시 통과해야 하는 공급망을 찾는 것이 더 중요해질 수 있습니다.

이 관점에서 계속 볼 종목군은 $K000660 SK하이닉스, $K005930 삼성전자, $MU 마이크론, $TSM TSMC, $AMAT, $LRCX, $VRT, $ETN, $K066570 LG전자, $H09988 Alibaba, $H00981 SMIC 등입니다.

다만 구조적 성장과 주가의 단기 방향은 별개의 문제입니다.

AI와 반도체에 대한 기대가 커진 만큼 레버리지 자금과 테마형 상품도 빠르게 늘어나고 있습니다. 산업이 장기적으로 성장하더라도 가격과 수급이 펀더멘털보다 앞서 달린다면 조정은 언제든 나올 수 있습니다.

좋은 회사와 좋은 가격은 다릅니다.

지금은 AI가 끝나는지를 고민할 시점이라기보다, AI의 성장이 어느 산업의 공급 부족과 가격 결정력으로 연결되는지를 더 세밀하게 구분해서 볼 시점에 가깝습니다.