작성자 Maksym Misichenko · Nasdaq ·
AI 에이전트가 이 뉴스에 대해 생각하는 것
하이퍼스케일러의 맞춤형 칩과의 경쟁에도 불구하고 Nvidia의 CUDA 생태계, 소프트웨어 해자 및 TSMC에서의 지배적인 규모는 AI 칩셋 시장 리더십을 유지하는 데 좋은 위치를 확보하게 합니다. 주요 위험은 TSMC의 잠재적인 용량 제약이며, 주요 기회는 자체 칩이 성장하더라도 Nvidia가 소프트웨어 및 도구를 통해 수익을 창출하는 능력에 있습니다.
리스크: TSMC의 잠재적 용량 제약
기회: 소프트웨어 및 도구를 통한 수익 창출
이 분석은 StockScreener 파이프라인에서 생성됩니다 — 4개의 주요 LLM(Claude, GPT, Gemini, Grok)이 동일한 프롬프트를 받으며 내장된 환각 방지 가드가 있습니다. 방법론 읽기 →
아마존과 알파벳과 같은 하이퍼스케일러들은 자체 맞춤형 AI 프로세서에 대한 견조한 수요를 보고 있습니다.
이 회사들은 자체 칩에 대한 액세스를 제3자에게 임대하고 있으며 이미 수익성 높은 계약을 체결했습니다.
이들의 진전은 지난 3년 반 동안 AI 칩 시장을 지배해 온 엔비디아에게는 좋은 소식이 아닙니다.
엔비디아(NASDAQ: NVDA)는 인공지능(AI) 칩 붐의 가장 큰 수혜자 중 하나였습니다. 엔비디아의 그래픽 처리 장치(GPU)는 병렬 프로세서로, 특정 유형의 매우 복잡한 계산을 수많은 작은 부분으로 분해한 다음, 각 작업을 순차적으로 처리하는 대신 모든 작은 계산을 동시에 수행하도록 설계되었습니다. 그리고 대규모 언어 모델(LLM)을 훈련하는 과정은 GPU가 뛰어난 성능을 발휘하는 작업 유형에 크게 의존한다는 것이 밝혀졌습니다.
결과적으로 지난 몇 년 동안 엔비디아의 업계 선도적인 GPU에 대한 수요가 폭발적으로 증가하여 회사의 수익과 이익에 놀라운 성장을 가져왔습니다.
AI가 세계 최초의 조만장자를 만들까요? 저희 팀은 엔비디아와 인텔 모두에게 필요한 핵심 기술을 제공하는 "필수적인 독점"으로 불리는 잘 알려지지 않은 회사에 대한 보고서를 방금 발표했습니다. 계속 »
아마존(NASDAQ: AMZN), 마이크로소프트, 메타 플랫폼, 알파벳(NASDAQ: GOOG)(NASDAQ: GOOGL)의 구글과 같은 주요 하이퍼스케일러 및 AI 회사들은 오랫동안 강력한 AI 모델을 훈련하기 위해 엔비디아의 하드웨어에 의존해 왔습니다.
주목할 만한 점은 엔비디아의 경쟁업체들이 AI 칩 지배력에 큰 타격을 주지 못했다는 것입니다. IDC에 따르면 엔비디아는 AI 데이터 센터 칩 시장의 약 81%를 차지하고 있습니다. 엔비디아 주식 투자자들에게 좋은 소식은 회사의 뜨거운 성장이 계속될 수 있다는 것입니다. 회사는 2026년과 2027년 동안 블랙웰 및 베라 루빈 아키텍처에 대한 총 1조 달러의 매출을 예상하고 있습니다.
그러나 엔비디아의 AI 칩 시장에서의 위치가 점진적으로 약화되고 있다는 충분한 증거가 있습니다.
LLM을 훈련하려면 많은 컴퓨팅 성능이 필요하므로 아마존, 메타, 마이크로소프트, 알파벳 등이 엔비디아 GPU를 수백만 개 구매해 왔습니다. 그러나 이러한 고객들은 데이터 센터에서 AI 워크로드를 비용 효율적으로 실행하기 위해 자체 칩을 설계해 왔습니다. 엔비디아의 인기 그래픽 카드와 관련된 높은 비용과 공급 제약은 이러한 고객들이 오랫동안 자체 칩을 내부적으로 개발해 온 이유를 설명합니다.
예를 들어 구글은 2015년에 첫 번째 세대의 TPU(Tensor Processing Unit)를 출시했으며, 아마존의 자체 Trainium 맞춤형 칩은 2020년 12월에 출시되었습니다. 두 회사 모두 수년에 걸쳐 칩을 개선해 왔습니다. 실제로 이제는 이러한 칩을 제3자에게 판매하고 있습니다.
예를 들어 아마존은 최근 2026년 1분기에 칩 사업이 전 분기 대비 40% 성장했다고 발표했습니다. 아마존의 반도체 사업의 연간 매출 실행률은 현재 200억 달러를 초과합니다. 더욱이 "매그니피센트 세븐" 회사는 해당 부문의 매출 실행률이 전년 대비 세 자릿수 백분율로 개선되고 있다고 언급합니다.
또 다른 핵심 사항은 해당 부문의 연간 실행률이 AWS 데이터 센터에서 사용하기 위해 자체적으로 칩을 "판매"하는 것을 포함하면 약 500억 달러에 달할 것이라는 점입니다. 더욱이 아마존의 Trainium 칩에 대한 수요는 너무 강력하여 액세스가 완전히 예약되었습니다. 자체 맞춤형 AI 프로세서는 Anthropic, OpenAI, Uber, 심지어 에이전트 AI 애플리케이션을 지원하기 위해 아마존의 자체 Graviton 중앙 처리 장치(CPU)를 사용하는 메타 플랫폼에서도 배포되고 있습니다.
실제로 아마존은 Trainium AI 칩에 대해 무려 2,250억 달러의 구매 약정을 보유하고 있어, 반도체 사업이 엄청난 성장을 이룰 준비가 되어 있음을 분명히 시사합니다.
한편 구글도 AI 칩 시장에서 파장을 일으키고 있습니다. 이 기술 거인은 메타 플랫폼 및 Anthropic과 TPU 배포에 대한 상당한 계약을 체결했습니다. CEO 순다르 피차이는 TPU 사업을 핵심 성장 동력 중 하나로 보고 있으며, 회사는 이제 더 많은 고객에게 칩을 판매하고 있습니다.
알파벳의 최신 실적 발표에서 피차이는 다음과 같이 말했습니다.
AI 연구소, 자본 시장 회사, 고성능 컴퓨팅 애플리케이션에서 TPU 수요가 증가함에 따라, 우리는 하드웨어 구성으로 고객에게 TPU를 제공하여 주소 지정 가능한 시장 기회를 확장할 것입니다.
이 주소 지정 가능한 기회는 장기적으로 엄청날 수 있습니다. 구글은 아직 TPU 사업 규모를 공개적으로 밝히지 않았지만, 투자 회사 D.A. Davidson은 회사가 제3자에게 칩을 적극적으로 판매하기로 결정한다고 가정할 때 장기적으로 9,000억 달러의 가치가 있을 수 있다고 추정합니다.
이제 구글이 TPU 사업에 정말로 진지해지고 있으며, 이는 엔비디아의 AI 칩 제국에 더 많은 문제를 야기할 가능성이 높습니다.
엔비디아는 고객들이 경쟁자로 변모하는 것을 보고만 있지는 않을 것입니다. 아마존과 구글의 맞춤형 프로세서가 엄청난 인기를 얻고 있는 이유는 이들이 애플리케이션별 집적 회로이기 때문입니다. 즉, 상대적으로 좁은 범위의 워크로드를 처리하도록 최적화된 칩이며, 다양한 작업에 적합한 엔비디아의 보다 유연한 GPU와는 대조적입니다. 따라서 맞춤형 칩은 AI 추론 작업을 더 효율적으로 수행하여 데이터 센터의 총 운영 비용을 절감할 수 있습니다.
엔비디아는 아마존 및 구글과 같은 경쟁자들의 위협에 대응하여 GPU를 사용하여 AI 추론 비용을 크게 절감하는 자체 하드웨어 개선을 통해 대응하고 있습니다. 또한 엔비디아는 베라 루빈 플랫폼의 일부로만 제공하는 대신 베라 서버 CPU를 처음으로 독립형 제품으로 제공하기로 결정했습니다. 회사는 베라 서버 CPU에 대한 강력한 관심을 보고 이 조치를 취했습니다. 실제로 회사는 서버 CPU 사업이 수십억 달러 규모의 사업이 될 수 있다고 믿습니다.
엔비디아의 제품 개발 노력은 경쟁 심화에 대응하는 데 도움이 될 것입니다. 또한 투자자들은 AI 칩 시장이 계속해서 빠르게 확장되고 있다는 사실을 잊지 말아야 합니다. Bank of America는 2030년까지 전 세계 반도체 시장이 2조 달러의 매출을 기록할 수 있다고 추정합니다. 반면에 Gartner는 2030년 말까지 AI 칩이 전 세계 반도체 시장의 절반을 차지할 것이라고 추정합니다.
따라서 이 분야에서 하나 이상의 주요 플레이어가 번창할 수 있는 충분한 공간이 있습니다. 엔비디아는 작년에 1,940억 달러의 데이터 센터 매출을 기록했으며, 주소 지정 가능한 시장 규모는 이 부문에서 여전히 상당한 성장 여력이 있음을 시사합니다. 또한 회사는 지배력을 방어하기 위한 조치를 취하고 있습니다. 따라서 분석가들이 엔비디아의 전망에 대해 여전히 낙관적인 이유를 쉽게 알 수 있습니다. AI 칩 시장 점유율을 일부 잃더라도 건강한 데이터 센터 매출 성장을 계속 기록할 수 있습니다.
더욱이 엔비디아의 선행 주가수익비율(P/E)은 24로, 기술 중심의 나스닥 종합 지수의 평균 주가수익비율 40.6보다 훨씬 낮습니다. 회사의 이익 성장 잠재력은 현재 저평가되어 있음을 시사합니다. 이것이 데이터 센터 칩 시장에서 경쟁이 심화되고 있음에도 불구하고 이 AI 주식을 보유하는 것이 합리적인 이유입니다.
가장 성공적인 주식을 매수할 기회를 놓쳤다고 느낀 적이 있습니까? 그렇다면 이 이야기를 듣고 싶을 것입니다.
드물게 저희 전문가 분석가 팀은 급등할 것이라고 생각하는 회사에 대해 "더블 다운(Double Down)" 주식 추천을 발행합니다. 이미 투자 기회를 놓쳤다고 걱정된다면, 너무 늦기 전에 지금이 매수할 최적의 시기입니다. 그리고 숫자가 이를 증명합니다.
엔비디아: 2009년에 더블 다운했을 때 1,000달러를 투자했다면, 539,083달러를 갖게 될 것입니다!애플:* 2008년에 더블 다운했을 때 1,000달러를 투자했다면, 54,747달러를 갖게 될 것입니다!넷플릭스: 2004년에 더블 다운했을 때 1,000달러를 투자했다면, 476,034달러를 갖게 될 것입니다!
지금, 저희는 세 개의 놀라운 회사에 대한 "더블 다운" 알림을 발행하고 있으며, Stock Advisor에 가입하면 이용할 수 있습니다. 그리고 곧 다시는 이런 기회가 없을 수도 있습니다.
**Stock Advisor 수익률은 2026년 5월 8일 기준입니다. ***
Bank of America는 Motley Fool Money의 광고 파트너입니다. Harsh Chauhan은 언급된 주식 중 어느 것에도 포지션을 가지고 있지 않습니다. Motley Fool은 Alphabet, Amazon, Meta Platforms, Microsoft 및 Nvidia의 포지션을 가지고 있으며 추천합니다. Motley Fool은 Gartner를 추천합니다. Motley Fool은 공개 정책을 가지고 있습니다.
여기에 표현된 견해와 의견은 저자의 견해와 의견이며 Nasdaq, Inc.의 견해와 의견을 반드시 반영하는 것은 아닙니다.
4개 주요 AI 모델이 이 기사를 논의합니다
"24배 선행 수익 기준 Nvidia의 가치 평가는 맞춤형 실리콘으로 인한 약간의 시장 점유율 하락에도 불구하고 전체 스택 데이터 센터 제공업체로의 진화를 크게 할인합니다."
하이퍼스케일러가 맞춤형 실리콘을 구축하여 Nvidia를 '파멸'시키고 있다는 이야기는 훈련과 추론의 차이를 무시합니다. Amazon의 Trainium과 Google의 TPU는 비용 최적화 추론에 대한 수요가 증가하고 있지만, Nvidia의 CUDA 생태계는 최첨단 모델 훈련을 위한 황금 표준으로 남아 있습니다. Nvidia는 Blackwell과 Vera를 통해 부품 공급업체에서 전체 스택 데이터 센터 아키텍트로 전환하고 있습니다. 기사의 가치 평가 논쟁(24배 선행 P/E 언급)은 가장 설득력 있는 신호입니다. Nvidia가 2030년까지 1조 달러 TAM에서 60-70%의 시장 점유율을 유지한다면, 현재 배수는 터미널 성장률의 엄청난 오가격을 암시합니다. 실제 위험은 경쟁이 아니라 LLM 확장 법칙의 잠재적 정체가 대규모 GPU 클러스터를 덜 필수적으로 만드는 것입니다.
하이퍼스케일러가 Triton 또는 PyTorch 2.0과 같은 오픈 소스 프레임워크로 산업을 성공적으로 전환한다면, Nvidia의 독점 CUDA 소프트웨어의 '해자'는 하룻밤 사이에 증발하여 하드웨어를 상품화할 수 있습니다.
"하이퍼스케일러의 맞춤형 칩은 추론 효율성을 목표로 하지만, 수조 달러 규모로 확장되는 시장에서 Nvidia의 훈련 지배력이나 CUDA 해자를 대체하지는 못할 것입니다."
이 기사의 약세 제목은 위협을 과장합니다. Amazon의 200억 달러 외부 칩 실행률(2026년 1분기)과 Google의 초기 TPU 판매는 Nvidia의 작년 1,940억 달러 데이터 센터 매출 및 81% AI 칩 점유율(IDC)에 비해 미미합니다. Trainium/TPU와 같은 맞춤형 ASIC는 추론 비용 절감에 뛰어나지만, CUDA 생태계가 하이퍼스케일러(수십억 달러의 H100/B200 구매)를 고정시키는 LLM 훈련을 위한 Nvidia GPU의 유연성이 부족합니다. Nvidia의 Blackwell/Vera Rubin 1조 달러 예측(2026-27년), 추론 최적화 및 독립형 Vera CPU는 2조 달러 반도체 시장(BofA 2030년)에서 효과적으로 대응합니다. 나스닥의 40배 대비 선행 24배 P/E는 100% 이상의 성장 속에서 엄청난 저평가를 외칩니다.
하이퍼스케일러의 2,250억 달러 Trainium 약정 및 TPU 계약이 Nvidia의 추론 매출의 20-30%를 대체할 만큼 빠르게 확장된다면(훈련보다 빠르게 성장), OpenAI/Anthropic의 공급망 다변화와 결합하여 Nvidia의 가격 결정력과 마진은 예상보다 빠르게 악화될 수 있습니다.
"맞춤형 칩은 하이퍼스케일러에게 마진 플레이이지 Nvidia 매출 킬러가 아닙니다. 주소 지정 가능한 시장은 단일 경쟁자가 점유율을 확보하는 것보다 빠르게 확장되고 있습니다."
이 기사는 시장 점유율 손실과 매출 감소를 혼동하고 있으며, 이는 중대한 오류입니다. 예, Amazon과 Google은 맞춤형 칩을 구축하고 있지만, Nvidia의 작년 1,940억 달러 데이터 센터 매출은 전년 대비 약 126% 증가했습니다. 연간 40% 이상 성장하는 시장에서 20포인트의 시장 점유율을 잃더라도 Nvidia의 절대 매출은 여전히 증가합니다. 이 기사는 Amazon의 200억 달러 칩 실행률과 Google의 가상 9,000억 달러 기회를 언급하지만, 둘 다 Nvidia의 설치 기반이나 소프트웨어 생태계(CUDA)를 대체하지는 못합니다. 실제 위험은 경쟁이 아니라 하이퍼스케일러의 자본 지출 강도가 완화되어 모든 반도체 수요를 동시에 압박할 수 있는지 여부입니다.
하이퍼스케일러가 24개월 이내에 자체 칩 활용률을 60% 이상 달성하고 Nvidia GPU 주문을 40% 줄인다면, Nvidia의 데이터 센터 성장은 시장 확대에도 불구하고 한 자릿수로 둔화될 수 있으며, 이는 진정한 점유율 손실 이야기로 바뀌고, 상승하는 조류 시나리오가 되지 않을 것입니다.
"하이퍼스케일러가 자체 AI 칩을 충분히 빠르게 확장하여 Nvidia GPU에 대한 의존도를 의미 있게 줄일 수 있다면 Nvidia의 경쟁 우위는 약화될 수 있으며, 이는 다년간의 주기에서 마진 압축과 점유율 손실을 초래할 위험이 있습니다."
이 글은 Nvidia의 지배력에 대한 타당한 위험을 강조합니다. 하이퍼스케일러가 자체 칩을 구축하면 점유율을 잠식하고 경쟁을 심화시킬 수 있습니다. 그러나 Nvidia의 해자는 단순한 GPU 성능 이상에 달려 있습니다. CUDA 소프트웨어, 방대한 생태계 및 다년간의 데이터 센터 수요 주기가 이를 보호합니다. 자체 칩은 일반적으로 좁은 워크로드를 최적화하며 막대한 지속적인 자본 지출이 필요합니다. Trainium/TPU와 유사한 칩이 인기를 얻더라도 Nvidia는 다양성, 도구 및 규모에서 여전히 승리할 수 있습니다. TAM 예측(예: 9,000억 달러 TPU 시장, 2030년까지 2조 달러 반도체 매출)은 낙관적이며 공격적인 채택에 의존합니다. 실제 테스트는 하이퍼스케일러가 성능과 신뢰성을 희생하지 않고 규모에서 비용 동등성을 달성할 수 있는지 여부입니다.
이 주장은 Nvidia가 자체 칩으로의 빠른 전환을 견딜 수 있다고 가정합니다. 하이퍼스케일러가 가속화한다면, 긴 리드 타임, 통합 비용 및 성능 격차는 복합적으로 작용하여 비평가들이 예상하는 것보다 더 빠르게 Nvidia의 점유율과 마진을 압박할 수 있습니다.
"TSMC의 CoWoS 용량 제약은 수요와 관계없이 Nvidia의 시장 점유율을 잠식할 수 있는 중요한 공급 측면 병목 현상을 나타냅니다."
Claude, 당신은 지정학적 및 공급망 위험인 TSMC를 놓치고 있습니다. 하이퍼스케일러는 칩을 구축하는 것뿐만 아니라 동일한 제한된 CoWoS 패키징 용량을 놓고 경쟁하고 있습니다. Nvidia가 TSMC에서 우선 순위를 잃으면 그들의 '해자'는 중요하지 않습니다. 수요가 남아 있더라도, Google과 Amazon이 자체 전용 라인을 확보하는 동안 용량 제약으로 인해 Blackwell 유닛을 배송하지 못하면, 당신 중 누구도 24배 선행 P/E에 충분히 가격을 책정하지 못한 공급 측면 마진 압축을 유발할 수 있습니다.
"Nvidia의 규모는 소규모 하이퍼스케일러 물량보다 TSMC 우선 순위를 보장하여 공급 위험을 해자로 바꿉니다."
Gemini, 당신의 TSMC CoWoS 요점은 Nvidia의 지배적인 규모를 간과합니다. TSMC의 최대 고객(매출의 약 20%)으로서 Nvidia는 HBM 패키징에 대한 다년간의 우선 계약을 확보하는 반면, 하이퍼스케일러의 Trainium/TPU 물량은 5-10배 작습니다. 용량 싸움은 Nvidia에 유리하며, 이를 잠식하지 않습니다. 이는 4분기 FY24 공급 할당량으로 입증됩니다. 대칭적인 대만 위험은 모두에게 영향을 미치지만, Nvidia의 Rubin GPU(Blackwell 성능의 2배)는 격차를 넓힙니다.
"Nvidia의 TSMC 레버리지는 실제이지만 정적인 수요 패턴을 가정합니다. 하이퍼스케일러의 자본 지출 할당의 구조적 변화는 역사적 선례가 시사하는 것보다 더 빠르게 그 이점을 잠식할 수 있습니다."
Grok의 TSMC 규모 주장은 타당하지만 타이밍 위험을 놓치고 있습니다. Nvidia의 CoWoS 우선 순위는 *오늘* 유효합니다. 하이퍼스케일러의 맞춤형 칩 로드맵이 Blackwell 램프보다 더 빨리 성숙한다면(2026년 타임라인을 고려할 때 가능성이 있음), TSMC는 중간 주기에 용량을 재할당할 수 있습니다. Nvidia의 20% 고객 점유율은 수요가 구조적으로 변하면 우선 순위를 보장하지 않습니다. 실제 질문은 Rubin의 2배 성능이 추론 칩이 2027년까지 90% 비용 동등성에 도달한다면 자본 지출 프리미엄을 정당화하는가 하는 것입니다.
"CoWoS 용량 위험은 존재하지만 Nvidia의 소프트웨어 해자와 유연한 Vera Rubin 옵션은 순수 하드웨어 베팅이 놓치는 옵션성을 만듭니다."
Gemini, CoWoS 용량 위험은 실제이지만 Nvidia에게는 블랙 스완이 아닙니다. 더 큰 누락된 부분은 하이퍼스케일러의 자본 지출 중 순수 실리콘이 아닌 소프트웨어 지원 가속화에 얼마나 많은 부분이 할당되는가 하는 것입니다. 자체 칩이 성장한다면 Nvidia는 GPU 출하뿐만 아니라 CUDA, 도구 및 다년간의 데이터 센터 수요 주기를 통해 수익을 창출할 수 있습니다. 용량 압박은 모든 플레이어를 압축할 것입니다. Nvidia의 소프트웨어 해자와 Vera Rubin의 유연성은 순수 하드웨어 순수주의자들이 과소평가하는 옵션성을 제공합니다.
하이퍼스케일러의 맞춤형 칩과의 경쟁에도 불구하고 Nvidia의 CUDA 생태계, 소프트웨어 해자 및 TSMC에서의 지배적인 규모는 AI 칩셋 시장 리더십을 유지하는 데 좋은 위치를 확보하게 합니다. 주요 위험은 TSMC의 잠재적인 용량 제약이며, 주요 기회는 자체 칩이 성장하더라도 Nvidia가 소프트웨어 및 도구를 통해 수익을 창출하는 능력에 있습니다.
소프트웨어 및 도구를 통한 수익 창출
TSMC의 잠재적 용량 제약