터보퀀트가 뭔데 반도체가 난리임
📺 원본 영상: 터보퀀트가 뭔데 반도체가 난리임 🎙️ 채널: 머니코믹스 Money Comics 📅 정리 일자: 2026-04-02 ⚠️ Note: 본 리포트는 영상의 음성을 텍스트로 변환(STT)하여 정리한 것입니다. 화면에 표시된 자료(차트, 코드, 슬라이드 등)는 포함되지 않을 수 있습니다.
개요
구글이 발표한 터보퀀트(TurboQuant) 기술이 왜 반도체 시장, 특히 메모리 섹터에 충격을 주고 있는지를 분석한다. 이 기술 하나의 의미를 이해하기 위해서는 먼저 AI가 왜 메모리를 이렇게 필요로 하는지, KV Cache(Key-Value Cache)란 무엇인지를 파악해야 한다. 현직 투자 전문가 정인석 차장이 AI 사이클의 흐름을 GPU에서 메모리로, 광학 부품으로, 그리고 지금의 CPU로 이어지는 맥락 속에 터보퀀트를 위치시키고, 이 격동의 국면에서 투자자가 취해야 할 태도를 구체적으로 설명한다.
1. 지금 미국 주식 시장, 투자 패턴을 바꿀 때다
강연자는 미국 주식 시장의 기조가 근본적으로 달라졌다는 진단으로 이야기를 시작한다. 그동안 많은 투자자들이 성공을 거뒀던 방식, 즉 M7(Magnificent 7)이나 FAANG 주식을 사두거나 S&P 500 지수 추종 ETF에 투자하면 시간이 지나면서 수익이 나던 패턴이 더 이상 안정적으로 작동하지 않는다는 것이다. 과거에 이 패턴이 맞았던 이유는 명확했다. M7을 포함한 미국의 소프트웨어 기업들이 시장 시가총액의 30% 중후반을 차지했고, 실적과 모멘텀 모두에서 가장 강한 기업들이었기 때문이다. 지수를 사기만 해도 자연스럽게 이 기업들에 고비중 투자가 되던 구조였다.
그러나 지금은 나스닥이 6개월 이상 흘러내리는 흐름을 보이고 있으며, 강연자는 그 핵심 원인으로 아이러니하게도 AI를 지목한다. AI 때문에 AI 관련 소프트웨어 기업들이 모멘텀을 잃고 있다는 것인데, 이 구조 변화에 대해서는 다음 섹션에서 자세히 다룬다.
여기에 더해 강연자는 WTI 유가와 나스닥의 관계를 하나의 투자 나침반으로 제시한다. 경험적 데이터에 따르면, WTI가 배럴당 80달러를 넘는 구간에서는 나스닥 지수가 하향 압력을 받는 패턴이 반복되어왔다. 강연 시점 기준으로 WTI는 이미 90달러 중반대까지 오른 상태였고, 이란을 둘러싼 지정학적 갈등이 유가를 지지하는 요인으로 작용하고 있었다. 강연자는 이런 환경에서 공격적인 투자 베팅(Betting)을 자제하고, 여유를 가지며 시장을 보는 자세가 합리적이라고 조언한다.
01:47 - WTI 유가(파란선)와 나스닥(빨간선) 비교 차트 - 80달러 이상 구간(점선 박스)에서 나스닥이 하락하는 반복 패턴
2. AI가 소프트웨어 산업의 밥그릇을 빼앗고 있다
강연자가 진단하는 가장 핵심적인 구조 변화는 이것이다. 기업들이 인사 관리, 재무, 고객 관리 등 다양한 업무를 위해 Salesforce 같은 외부 SaaS(Software as a Service) 기업의 소프트웨어를 구독하여 사용하던 시대가 저물고 있다. 대신 AI가 그 역할을 직접 대체하기 시작했다. 이미지 작업에 어도비 포토샵을 쓰던 것을 AI로 대체하듯, 전문 소프트웨어가 제공하던 기능들을 AI가 코딩하거나 생성하여 제공하는 방향으로 산업의 무게중심이 이동하고 있다.
그렇다면 Microsoft 등 소프트웨어 강자들의 실적은 지금 어떨까? 흥미롭게도 현재 실적은 나쁘지 않다. 고객들이 여전히 잘 쓰고 있다고 기업들은 말한다. 그런데도 주가는 하락한다. 강연자의 해석은 이렇다. 주식은 현재가 아닌 미래를 사는 것이다. 지금 실적이 좋더라도, AI에게 영역을 점진적으로 잠식당하는 상황에서는 향후 실적 서프라이즈(Upside)가 나올 근거가 계속 줄어든다. 그 우려가 주가에 선반영되고 있다는 것이다.
결국 AI 시대에 기업의 핵심 경쟁력은 ‘알고리즘을 잘 짜는 능력’에서 ‘얼마나 좋은 AI 인프라를 갖추고 있느냐’로 패러다임이 전환됐다. 좋은 GPU를 얼마나 많이 보유하고, 메모리를 얼마나 충분히 깔고, AI가 잘 작동할 수 있는 인프라를 얼마나 두텁게 구축했느냐가 곧 그 회사의 실적이 되어버린 구조다. 강연자는 OpenAI CFO가 직접 공개한 데이터를 인용하며, OpenAI의 매출 추정치와 컴퓨팅 인프라 규모 간의 상관관계가 매우 높다는 점을 근거로 든다.
07:43 - OpenAI 매출 추정치(초록 바 차트)와 컴퓨팅 인프라 규모(파란 차트) 상관관계 비교 슬라이드
이 흐름이 한국 시장의 강세와 직결된다. AI 인프라 하드웨어를 가장 경쟁력 있게 공급할 수 있는 나라가 한국이기 때문이다. 소프트웨어의 디레이팅(De-rating)이 진행되는 한편, 하드웨어가 그 자리를 차지하면서 한국(그리고 일본, 대만)으로 자금이 집중됐다는 것이 강연자의 분석이다.
3. KV Cache — 왜 메모리가 AI의 핵심 부품이 됐나
메모리가 AI 인프라의 핵심이 된 이유를 이해하려면 **KV Cache(Key-Value Cache)**의 개념부터 파악해야 한다. 강연자는 이것을 기술적으로 깊이 파고들기보다 투자자의 눈높이에서 맥락적으로 설명한다.
AI는 기존 인터넷 검색과 근본적으로 다르다. 검색은 각각의 쿼리가 독립적인 사건이다. 어제 뭘 검색했는지와 오늘 검색하는 것이 무관하다. 반면 AI 서비스는 **문맥(Context)**이 핵심이다. 사용자와 AI가 나눈 이전 대화를 AI가 기억하고 있어야만 흐름에 맞는 고품질 답변을 생성할 수 있다. 이렇게 사용자의 맥락 데이터를 실시간으로 저장해두는 공간이 바로 KV Cache다. 이것을 얼마나 잘 활용하느냐가 AI 서비스 품질을 결정한다.
강연자는 이것을 ‘캐시 히트(Cache Hit)’ 개념으로 설명한다. AI가 사용자에게 답변할 때, 저장된 문맥 데이터를 성공적으로 활용하면 ‘캐시 히트’가 발생한다. 캐시 히트율이 높을수록 AI의 출력(Output Token) 품질과 양이 올라간다는 것이다.
12:39 - KV Cache 히트율(가로축)과 AI 출력 토큰 수(세로축)의 상관관계 그래프 - 우상향 패턴
이 캐시 히트는 비용 구조에도 직접 영향을 미친다. 강연자가 제시한 수치에 따르면, 어떤 대형 LLM(Claude Opus 계열 모델을 예시로 사용)에서 캐시 히트가 발생했을 때의 처리 비용은 100만 토큰당 약 0.5달러 수준이다. 반면 캐시에 문맥 데이터가 없어 이전 대화를 처음부터 다시 연산해야 하는 경우에는 동일한 처리량에 5달러까지 비용이 올라간다. 10배의 비용 차이다. 즉, 많이 대화하고 그 데이터를 차곡차곡 저장해둘수록 오히려 운영 비용이 낮아지는 구조이기 때문에, AI 사업자들은 절대로 메모리 투자를 자발적으로 줄이려 하지 않는다.
13:46 - Claude Opus 계열 모델 기준 캐시 히트 시(0.5달러/100만 토큰) vs 캐시 미스 시(5달러/100만 토큰) 비용 비교 차트
이러한 수요가 AI 데이터 트래픽의 폭증과 맞물리면서 메모리 저장 계층 전체가 순차적으로 확장되는 현상이 나타났다. 처음에는 GPU에 직결된 **HBM(High Bandwidth Memory)**만으로도 충분하다고 생각했다. 그러다 트래픽이 폭증하면서 CPU 옆에 위치한 서버 DRAM으로 KV Cache 데이터를 오프로딩(Offloading)하기 시작했다. 서버 DRAM도 용량이 부족해지자, 그 다음 계층인 **NAND 플래시(SSD)**까지 저장 범위가 확대됐다. 가장 외곽에는 급하지 않은 데이터를 영구 보관하는 HDD가 있으며, Western Digital, Seagate 같은 기업들이 자사 제품 수요가 늘고 있다고 언급하기 시작한 것도 이 맥락에서다. 전체 저장 계층이 AI 수요 성장과 함께 순차적으로 빛을 보게 된 것이다.
4. 터보퀀트(TurboQuant)란 무엇인가
이 맥락에서 구글이 발표한 **터보퀀트(TurboQuant)**를 비로소 이해할 수 있다. 개념은 단순하다. KV Cache에 저장하는 데이터의 사이즈를 줄이는 것, 즉 **압축(양자화, Quantization)**이다.
기존에는 사용자 문맥 데이터를 일정 크기 그대로 저장했다면, 터보퀀트는 그 데이터를 더 작은 사이즈로 압축하여 저장한다. 핵심은 단순한 압축이 아니라, 압축을 했음에도 불구하고 AI 서비스 품질에 큰 손실이 없다는 것을 논문으로 입증했다는 점이다. 데이터 크기가 줄었으니 같은 메모리 공간에 더 많은 문맥 데이터를 저장할 수 있고, 결과적으로 메모리 용량을 새로 늘리지 않아도 캐시 히트율을 끌어올릴 수 있다. 구글은 이 기술을 통해 저장 공간을 6배 줄이면서도 처리 속도를 8배 빠르게 할 수 있다고 주장한다.
강연자는 이 기술이 완전히 새로운 것은 아니라고 짚는다. 유사한 개념의 논문은 약 1년 전에도 나왔으며, 이번 발표는 그 연장선이다. 아직 대형 모델보다는 소형 모델 기반의 벤치마크 결과를 토대로 하고 있고, 실제 상용화 타임라인도 구체적으로 제시되지 않았다. 그럼에도 구글이 이것을 크게 발표하면서 시장이 반응했다. 왜냐하면 이 기술이 가리키는 방향, 즉 KV Cache 데이터 압축을 통한 메모리 효율화는 AI 인프라 투자의 판도를 바꿀 수 있는 신호로 읽히기 때문이다.
💡 핵심 투자 전략: 터보퀀트 충격 해석법
원리 — 압축이 초래하는 연쇄적 우려
터보퀀트가 반도체 투자자들에게 충격을 준 이유는 논리적으로 따라가보면 명확해진다. 그동안 AI 데이터 트래픽이 폭증하면서 KV Cache 저장 수요가 HBM → 서버 DRAM → NAND → HDD 방향으로 차례로 확산되어왔다. 이 흐름에서 NAND 플래시 기반 SSD 기업들이 새로운 수혜주로 주목받고 있었다. 그런데 터보퀀트가 데이터 사이즈 자체를 줄여버린다면, 데이터가 굳이 NAND까지 오프로딩될 필요가 없어질 수 있다. HBM 안에서, 혹은 서버 DRAM까지만으로도 충분한 캐시 히트율을 달성하게 되는 시나리오가 가능해지는 것이다. 이것이 터보퀀트 발표 후 NAND 관련 종목들이 가장 큰 우려를 받은 직접적인 이유다.
반론 — 효율화는 수요를 더 크게 키운다
강연자는 이 우려에 대해 DeepSeek 충격과의 비교로 반론을 제시한다. DeepSeek가 GPU 연산 효율을 대폭 높였을 때도 시장은 엔비디아(NVIDIA)를 비롯한 AI 인프라 관련주가 폭락할 것이라 걱정했다. 그러나 결과는 반대였다. 단위당 AI 사용 비용이 낮아지자 수요 자체가 폭증했고, 데이터 트래픽이 급증하면서 메모리 수요는 오히려 더 늘었다. 터보퀀트도 같은 논리가 적용된다. 구글이 6배 압축을 통해 8배의 처리량 증가가 가능하다고 주장하는 것 자체가, 더 많은 데이터를 더 많이 처리하겠다는 의지를 담고 있다. 비용이 낮아지면 더 많이 쓰고, 더 많이 쓰면 데이터는 기하급수적으로 늘어난다. 장기적으로 메모리 수요 구조 자체가 훼손된다고 보기 어렵다는 것이 강연자의 결론이다.
주의 사항 — 단기 불확실성은 현실이다
그러나 강연자는 낙관론만 펼치지 않는다. 핵심 질문은 ‘장기 성장이 지속되느냐’가 아니라 ‘그 과정이 순탄하느냐’다. 터보퀀트는 DeepSeek와 다르게 메모리 인프라 자체의 효율화를 다루기 때문에, 특정 서비스를 구현하는 데 필요한 메모리 소요량이 방향성적으로 줄어드는 것은 사실이다. 빅테크들이 터보퀀트 도입 가능성에 주목하며 단기적으로 메모리 발주 계획을 조정할 가능성을 배제할 수 없다. 여기에 이란 지정학 리스크로 인한 WTI 유가 상승이 겹쳐, 강연자는 메모리 섹터에 대해 현재로서는 관망적 자세를 유지하는 것이 적절하다고 본다. 다만 그는 한 가지 관전 포인트를 제시한다. 만약 메모리 관련 종목들이 갑자기 강한 반등을 시작한다면, 그것이야말로 시장이 이 리스크를 털어냈다는 신호이므로 그때 태도를 즉시 바꿀 준비를 해야 한다고 강조한다.
5. AI 에이전트와 CPU의 조용한 부상
강연자가 메모리 섹터보다 더 주목하는 곳은 바로 CPU다. 그 배경에는 AI 에이전트(AI Agent) 서비스의 본격화가 있다.
현재 우리가 사용하는 AI 서비스는 기본적으로 질문-답변 구조다. AI 에이전트는 차원이 다르다. 사용자의 맥락과 목표를 파악하고, 다수의 하위 에이전트들이 각자 역할을 맡아 복합적인 작업을 자율적으로 수행한다. 강연자가 든 예시는 직관적이다. “다음 주에 휴가를 가고 싶다”는 한마디에, 스케줄 에이전트가 먼저 가동되어 빈 날짜를 확인하고, 여행지 추천 에이전트가 목적지를 제안하고, 예약 에이전트가 항공권과 숙소를 처리한다. 이 에이전트들이 서로 실시간으로 데이터를 주고받으며 협업하는 구조다. 단순 질문-답변과 비교하면 데이터 트래픽이 말 그대로 폭발적으로 늘어날 수밖에 없다.
이 구조에서 CPU의 역할이 기하급수적으로 커진다. 기존 AI 서버에서 GPU는 핵심 AI 연산을 담당하는 주역이고, CPU는 그 연산이 잘 이루어지도록 관리하는 매니저 역할이었다. 연예인과 매니저의 관계라는 표현이 적절하다. AI 서버의 전형적인 구성이 GPU 4~8개에 CPU 1개였던 것도 이 때문이다. 그런데 AI 에이전트 환경에서는 여러 에이전트들의 작업 우선순위를 결정하고, 업무를 분장하고, 보안을 관리하는 CPU의 역할이 폭발적으로 늘어난다. 업계에서는 GPU:CPU 비율이 2:1로, 심지어 1:1 혹은 그 이상(CPU가 더 많아질 수도 있다)으로 변화해야 한다는 논의가 나오기 시작했다고 강연자는 전한다.
29:00 - AI 서버에서 GPU:CPU 구성 비율 변화 도식 - 기존 8:1, 4:1에서 2:1, 1:1 방향으로 변화하는 추세
실제 시장에서도 이 변화가 빠르게 감지되고 있다. AMD의 Lisa Su CEO는 2월 말 경 자신이 예상했던 것보다 CPU 공급 부족이 훨씬 심각하다고 밝혔고, AMD는 CPU 가격을 15% 인상했다. 인텔(Intel)과 AMD 모두 가격 인상에 나선 것이다. NVIDIA도 GTC 행사에서 CPU 전용 서버를 발표했다. 공급 측면에서도 인텔이 파운드리 사업에서 부진하고, AMD가 의존하는 TSMC의 캐파(생산 용량) 역시 제한적이어서 CPU 공급 쇼티지(Supply Shortage)는 구조적으로 이어질 가능성이 높다. 강연자는 AMD가 최근 장기 매출 가이던스(Guidance)를 시장 컨센서스(Consensus)를 크게 웃도는 수준으로 제시한 것도, CPU 수요가 자연적 성장을 훨씬 뛰어넘는 구간으로 진입하고 있다는 자신감의 표현이라고 해석한다.
6. AI 사이클별 투자 프레임워크
강연자가 제시하는 투자 판단의 핵심 원리는 두 가지 조건의 동시 충족이다. 첫째, AI 서비스 품질에 가장 결정적인 역할을 하는 부품이어야 한다. 둘째, 공급 사이드 리스크가 없어야 한다. 이 두 조건이 충족될 때 해당 기업은 제품 가격을 지속적으로 올릴 수 있고, 가격 인상은 수익성 개선으로 이어진다.
이 프레임워크로 AI 사이클의 역사를 돌아보면 패턴이 보인다. 2023년~2024년 초는 GPU의 시대였다. AI 투자 초기, 학습 연산이 중심이고 TSMC 선단 공정 캐파가 부족한 상황에서 NVIDIA의 GPU가 가장 결정적인 병목이었다. NVIDIA는 이 시기에 GPU당 가격을 1만 달러에서 1만5천 달러, 2만5천 달러로 단계적으로 인상하며 수익성이 폭등했다. 2024년 중반부터는 AI 트래픽이 폭증하고 KV Cache의 중요성이 부각되면서 HBM을 중심으로 한 메모리가 가장 강한 테마였다. 이후 광학 부품이 AI 인프라에서 가장 빠른 주가 상승을 보이는 구간이 나타났고, 지금은 CPU가 그 바통을 이어받기 시작하는 시기라는 것이 강연자의 분석이다.
20:15 - AI 사이클별 강세 테마 변화 차트 - GPU(23~24년 초) → 메모리 → 광학 부품 → CPU 순서로 바통이 넘어가는 흐름
이 프레임워크를 현재 국면에 대입하면 강연자의 시각이 명확해진다. NAND 관련 종목은 터보퀀트로 인해 단기적으로 공급 사이드 리스크가 생긴 구간이다. 반면 CPU는 AI 에이전트 확산으로 서비스 품질에 가장 결정적인 부품으로 떠오르고 있으며, 공급 부족 상황이 구조적으로 이어지고 있어 두 가지 조건을 동시에 충족한다. 이 두 조건이 충족되는 기업은 가격을 올릴 수 있고, 가격 인상이 가능하다는 것은 수익성 개선이 실적으로 연결된다는 의미다.
7. 한국 주식 vs 미국 주식 — 투자 스타일의 차이를 알아야 한다
강연자는 마지막으로 한국과 미국 주식 시장의 투자 패턴 차이를 솔직하게 짚는다. 미국 주식의 패턴은 상대적으로 교과서적이다. 기술 기대감이 형성되면 실적 발표 전에도 주가가 어느 정도 오른다. 그 다음 조정이 오고, 실적 발표에서 그 기대감을 확인해주는 숫자가 나오면 본격적인 랠리(Rally)가 시작된다. Oracle이 실적 발표 하루 만에 40% 급등했던 것이 좋은 예시다. 정보의 유통이 제한적이기 때문에, 실적 발표라는 공식 이벤트가 주가의 분기점이 되는 경우가 많다. 미국 주식은 ‘후반형’이라는 것이다.
한국 주식은 다르다. 텔레그램 채널 등을 통해 기대감을 증폭시키는 정보가 빠르게 유통되고, 주가는 먼저 기대감으로 크게 움직이는 경향이 있다. 기술 개발 초기 성과에 대한 기대감으로 주가가 큰 폭으로 먼저 올랐다가, 지정학 이슈나 외부 변수에 의해 잠시 숨을 고르고, 실적이 뒷받침되면 다시 크게 오르는 고변동성 패턴이다. 강연자는 이 두 스타일이 옳고 그름의 문제가 아니라 성격의 차이임을 강조한다. 중요한 것은 시장의 성격을 이해하고 그에 맞게 대응하는 것이다.
강연자 본인의 투자 원칙은 어느 시장이든 향후 6개월 이내에 실적으로 확인되는 테마를 중심으로 포트폴리오를 구성하는 것이다. 기대감 구간에서 올라타는 것도 전략이 될 수 있지만, 궁극적으로 숫자(실적)가 나오는 기업과 테마에 방점을 두는 것이 실패를 줄이는 방법이라는 것이다.
마무리 / 핵심 정리
터보퀀트(TurboQuant)는 단순히 메모리를 아끼는 기술이 아니라, AI 인프라 투자의 효율화 방향을 보여주는 하나의 신호탄이다. 구글의 이번 발표는 시장에 단기 충격을 줬지만, 강연자의 분석을 따라가면 결론은 역시 AI 수요의 구조적 성장으로 귀결된다. 비용이 낮아지면 수요가 늘고, 수요가 늘면 데이터는 기하급수적으로 증가하며, 결국 저장 인프라 수요는 더 커진다. 이 논리는 DeepSeek 때도, 그 전에도, 지금도 반복되고 있다.
다만 단기적으로는 메모리 섹터가 불확실성 구간에 진입한 만큼, 공격적인 베팅보다는 관망하면서 다음 실적 숫자를 확인하는 전략이 유효하다. 그리고 지금 이 시점에서 가장 주목해야 할 테마는 CPU다. AI 에이전트 서비스로의 전환이 가속될수록, 수많은 에이전트들을 조율하는 오케스트레이터(Orchestrator) 역할의 CPU 중요도는 계속 올라갈 것이다. 공급 쇼티지까지 겹쳐 가격 인상 여력이 있고, AMD의 장기 가이던스가 그 방향을 이미 가리키고 있다.
📚 출처 및 참고
| 구분 | 내용 |
|---|---|
| 원본 영상 | 터보퀀트가 뭔데 반도체가 난리임 |
| 채널 | 머니코믹스 Money Comics |
| 리포트 작성 | 2026-04-02 |
| 작성 방식 | YouTube 영상 STT 변환 후 에디팅 |
💬 본 리포트는 영상 내용을 바탕으로 재구성되었습니다. 정확한 내용은 원본 영상을 참조해 주세요.