Dylan Patel — AI 컴퓨팅 확장의 가장 큰 단일 병목

Chapter 1: H100이 3년 전보다 오늘 더 비싼 이유 (00:00-24:52)

[00:23] 빅4(아마존·메타·구글·MS)의 올해 예상 CapEx 합계 6,000억 달러는 연산 임대 가격으로 환산하면 거의 50GW에 해당
[01:10] 1GW를 임대해 연산 지출을 유지하려면 연간 100억~130억 달러가 든다
[01:46] 하이퍼스케일러 CapEx 6,000억 달러를 공급망 전체로 보면 1조 달러 규모, 상당 부분은 2027~2029년 가동을 위한 “준비용 CapEx”
[02:51] 이 모든 회사들의 최대 고객은 Anthropic과 OpenAI이며 현재 두 곳 합쳐 2~2.5GW 수준
[03:55] Anthropic은 외삽 매출을 감당하려면 연말까지 5GW를 훨씬 넘겨야 하지만, 도달하기 매우 어려운 궤도
[04:40] OpenAI의 접근은 “말도 안 되게 공격적인 계약을 다 체결하자”, Anthropic은 “파산하고 싶지 않다”는 보수 노선

“[04:28] 저는 파산하고 싶지 않습니다.”

[05:20] OpenAI는 SoftBank Energy처럼 “데이터센터를 지어본 적 없는” 곳까지 가서 용량을 확보
[07:42] 일부 AI 랩이 H100을 시간당 2.40달러에 2~3년 계약한 사례가 있음
[07:49] 호퍼 제작비는 5년 기준 시간당 1.40달러로 추정
[12:42] 5년 감가상각 기준 H100 대규모 운영 비용은 시간당 1.40달러

“[12:42] 감가상각을 5년으로 잡으면, 5년 동안 대규모로 운영할 때 시간당 1.40달러가 든다”

[13:33] Rubin이 2027년 초고물량으로 들어가면 Hopper 가치는 시간당 0.70달러로 내려갈 수 있음
[14:18] 가격을 정하는 기준은 “오늘 살 수 있는 비교 대상”이 아니라 “오늘 이 칩에서 뽑아낼 수 있는 가치”
[15:02] H100 한 장당 GPT-4 대비 GPT-5.4 토큰을 더 많이 서빙 — 더 고품질 모델의 토큰을 더 많이 생산
[15:47] 결론: H100은 오늘날 3년 전보다 더 가치가 높다

“[15:47] H100은 오늘날 3년 전보다 더 가치가 높습니다.”

[16:48] 인간 지식 노동자가 연 6자리 가치를 만든다고 가정하면, H100이 그에 가까운 가치를 내면 투자비를 몇 달 만에 회수
[19:42] 알키언-앨런 효과: GPU 가격이 공통 고정비로 오르면 사람들은 더 좋은 모델로 몰림
[21:00] 그래서 호퍼 가격이 2달러에서 3달러로 상승
[21:34] 5년 장기 계약을 맺은 회사는 2~5년 전 가격으로 마진 우위를 고정
[22:33] CoreWeave 평균 계약 기간은 3년 초과, 컴퓨트의 98% 이상이 3년을 넘김
[23:13] 비용이 몰리는 곳은 기존 장기 계약이 아니라 “추가로 늘어나는 증분 컴퓨트”
[23:53] Nvidia는 900억 달러 규모 장기 계약을 보유, 메모리 업체와도 3년 계약 협상 중
[24:41] “용량 제약이 너무 심해서 수요를 죽여야 하기 때문에” 모델 업체 마진이 크게 오를 것

“[24:41] 용량 제약이 너무 심해서, 수요를 죽여야 하기 때문입니다.”

Chapter 2: Nvidia가 TSMC 할당을 일찍 확보, Google은 압박 (24:52-34:34)

[25:02] 2027년까지 Nvidia가 TSMC N3 웨이퍼 캐파의 70%+를 가져갈 수 있다는 추정
[26:15] 작년 기준 3nm의 대부분은 Apple 물량이었으나, Apple은 2nm로 이동 중
[26:48] TSMC 관점에서 HPC/AI 칩의 마진이 모바일보다 높음
[27:20] TSMC는 Trainium보다 Graviton(CPU)에 더 적극적으로 할당 — CPU를 더 안정적인 장기 성장으로 봄
[28:03] Nvidia는 CPU뿐 아니라 스위치/네트워킹(NVLink, InfiniBand, Ethernet, NICs)까지 만드는 특이한 포지션
[29:58] Jensen은 그렇게까지 AGI에 심취해 있지 않으며, “AI 칩” 대신 “accelerated computing” 프레이밍을 선호

“[29:58] 그렇게까지 AGI에 심취해 있다고는 생각하지 않습니다.”

[30:44] Google/Amazon은 TPU가 더 나아도 GPU를 대량 배치 — TPU 생산(fab) 자체가 부족
[31:01] Google이 Anthropic에 Ironwood를 판매한 사건: DeepMind 내부에선 “말도 안 된다” 반응
[31:37] Anthropic 컴퓨트 팀 핵심 인물 2명이 Google 출신 — 정보 비대칭을 이용해 컴퓨트 접근 확보
[32:21] Q3 초 6주간 TPU 용량이 여러 번 증설된 상당 부분이 Anthropic 판매용
[32:42] Google이 TSMC에 “더 원한다”고 했지만 “이미 다 팔렸고 2026년은 5~10%만 더, 2027년 협상해야”

“[32:50] 미안하지만 다 팔렸습니다.”

[33:16] Q1~Q3 거의 없던 Gemini ARR이 Q4에 50억 달러 도달 — Google이 매출 급등을 처음에 못 봤다는 증거
[34:05] 정신 차린 Google은 에너지 회사 인수, 터빈 계약금, 전력 인프라 토지 매입에 공격적

Chapter 3: 2030년까지 ASML이 AI 컴퓨트 확장의 1순위 제약 (34:34-55:47)

[34:48] 장기 관점 가장 큰 병목은 “컴퓨트” — 가장 리드타임이 긴 공급망은 전력/데이터센터가 아니라 반도체 자체
[35:11] 칩 공급망 내 대표 병목: 메모리, TSMC 로직 웨이퍼, 그리고 팹 자체 (건설 2~3년)
[36:19] 모바일·PC 산업이 AI로 전환할 “여유 생산능력”이 더 이상 없음
[37:11] 2028~2029년쯤 병목은 공급망 최하단인 ASML로 내려간다

“[37:11] 궁극적으로 2028년이나 2029년쯤에는, 병목은 공급망의 최하단, 즉 ASML로 내려갑니다.”

[37:21] EUV 장비 한 대 가격 3억~4억 달러, 현재 연 약 70대 생산, 내년 80대, 2020년대 말 100대 조금 넘는 수준
[39:33] 1GW에 웨이퍼 5만5천 장, 웨이퍼당 EUV 20회 — 1GW에 EUV 패스 110만 번
[40:26] EUV 장비 약 3.5대가 1GW를 충족

“[40:32] 즉 EUV 장비 3.5대면 기가와트 하나를 충족합니다.”

[41:30] 지난 분기 Nvidia 실적 400억 달러, 연환산 1,600억 달러 — Nvidia 한 회사가 다년 감가상각 TSMC CapEx를 1년 매출로 바꾸는 수준
[42:30] 2020년대 말 EUV 장비는 누적 700대 — 전부 AI 배정 시 200GW까지 가능
[42:49] 샘 올트먼이 원하는 연 52GW는 점유율 25%만 가져가면 충족
[43:31] 2030년에 2020년 출하된 장비를 쓰는 셈 — 10년간 같은 핵심 장비를 쓰는 놀라운 산업
[44:42] 초기 EUV 장비 가격 1억5천만 달러 → 2028년 전망 4억 달러, 처리량과 오버레이 정확도는 두 배 이상 향상
[45:19] 중국이 10년 말까지 EUV를 갖출 수도 있지만, ASML은 가격/마진을 “미친 듯이” 올리진 않았음

“[45:45] 하지만 ASML은 장비 성능을 높인 폭 이상으로 가격을 올린 적이 없습니다.”

[47:18] EUV 장비 4대 핵심 구성: 소스(샌디에이고 Cymer), 레티클 스테이지, 웨이퍼 스테이지, 렌즈/광학계

“[47:55] 다시 말해, 이 장비는 인간이 어느 정도의 물량으로 만들어내는 것 중 가장 복잡한 기계입니다.”

[48:02] 소스: 주석 방울을 떨어뜨리고 레이저로 세 번 정확히 때려 13.5nm EUV 빛 방출
[48:51] 한 대당 다층 미러 18개 — 몰리브덴/루테늄 적층
[49:57] 레티클 스테이지가 약 9G 가속도로 움직이며 웨이퍼 스테이지와 상보 동작
[50:20] 웨이퍼의 26×33mm 구간을 몇 초 만에 스캔
[51:58] 전체 시스템 오버레이는 약 3nm, 개별 부품 정밀도는 1nm 미만 필요
[54:15] 일론은 2028~2029년까지 “우주에서 연 100GW”, 샘 올트먼은 2030년까지 “연 52GW”를 원함
[54:32] 결론: 공급망 전반은 모두가 원하는 만큼의 컴퓨트 용량을 도저히 만들어낼 수 없음

Chapter 4: 그냥 TSMC의 구형 팹을 쓰면 안 될까? (55:47-1:05:37)

[56:17] EUV가 병목이면 7nm로 돌아가 DUV+멀티 패터닝으로 해결할 수 없는가?
[57:02] FP16 고정 기준 A100→B100은 약 3배 향상 — 일부는 공정, 일부는 가속기 설계 개선
[01:00:51] 공정 미세화로 단일 칩 안 연산량과 데이터 이동이 함께 증가 (온칩 수십~수백 TB/s)
[01:01:04] 칩 간 이동은 약 1 TB/s, 랙 외부는 100 GB/s — 단계적으로 느려지는 사다리 구조
[01:02:11] 딥시크/키미 K2.5를 100 토큰/초로 추론할 때 호퍼 vs 블랙웰 체감 성능 차이는 약 20배

“[01:02:19] 호퍼와 블랙웰의 성능 차이는 대략 20배 수준입니다.”

[01:02:36] 3nm 루빈에서 하는 일부 기술은 7nm로 가면 구현 자체가 불가능 — 포팅 불가능한 개선이 있음
[01:04:07] 패키징 대안: 테슬라 Dojo는 웨이퍼 스케일 칩이지만 HBM을 못 올렸고 트랜스포머에 부적합
[01:05:08] 화웨이는 Ascend 910C/D에서 1개→2개로 패키징 확대 — 공정 미세화가 막힌 곳에서 빠르게 발전 가능한 영역

Chapter 5: 중국은 언제 반도체에서 서방을 능가할까? (1:05:37-1:16:01)

[01:06:47] ASML 매출의 대부분은 중국 밖, 특히 EUV는 전부 중국 밖
[01:07:24] 2030년까지 “완전 국산 DUV”는 확실, “EUV 작동 장비”는 가능하지만 양산은 어려움

“[01:07:36] 작동하는 것과 그다음의 양산 지옥은 별개입니다.”

[01:08:46] 중국이 연간 DUV 장비 100대 정도는 만들 가능성 (ASML은 이미 연 수백 대)
[01:11:36] Opus 4.6과 GPT 5.4가 중국 모델 대비 격차를 벌렸지만 새 중국 모델들도 나올 것
[01:12:02] 자동화된 화이트칼라 업무로 가면 미국 모델 지식을 중국 모델로 “증류해 옮기기”가 더 어려워짐
[01:12:17] 내년 말이면 OpenAI/Anthropic 모두 10GW 용량 도달, 중국은 그만큼 빠르게 못 늘림
[01:14:00] Anthropic ARR 200억 달러, 마진 50% 미만, 누군가 500억 달러 규모 CapEx를 먼저 지출한 셈

“[01:14:42] 매출이 경제성장에 영향을 줄 정도의 속도로 복리로 불어나고 있다는 뜻에 가깝습니다.”

[01:15:47] 결론: 타임라인이 빠르면 미국, 길면 중국이 이긴다

“[01:15:47] 타임라인이 빠르면 미국이 이깁니다. 타임라인이 길면 중국이 이깁니다.”

Chapter 6: 다가오는 거대한 메모리 크런치 (1:16:01-1:42:34)

[01:16:21] HBM은 DRAM으로 만들지만 웨이퍼 면적당 비트 수는 베이스 DRAM 대비 3~4배 적음
[01:17:35] Anthropic이 ‘Claude Slow Mode’를 출시할 가능성 — Opus 4.6 가격 4~5배 인하 + 속도 2배 정도만 느리게
[01:19:28] 중요 지표는 “웨이퍼당 비트 수”가 아니라 “웨이퍼당 대역폭”
[01:21:11] HBM4 스택(Rubin 기준): 버스 폭 2048비트, 10 GT/s, 11~13mm 엣지 영역에서 약 2.5TB/s
[01:22:14] 같은 쇼어라인에서 DDR은 128비트 후하게 잡아도 128GB/s — HBM과 한 차수 차이
[01:22:48] HBM은 같은 바이트를 위해 4배 더 큰 웨이퍼 면적 필요 — AI에 1바이트 더 배정하려면 소비자 수요 4배 줄여야
[01:23:14] 2026년 빅테크 CapEx의 30%가 메모리로 — 6,000억 달러 중 메모리만 1,800억 달러
[01:23:41] 메모리 크런치는 더 심해질 것이고, 가격은 계속 오를 것

“[01:23:41] 메모리 크런치는 더 심해질 것이고, 가격은 계속 오를 겁니다.”

[01:24:09] 아이폰 메모리 12GB 기준 과거 50달러 → DDR 1GB당 12달러로 3배 오르면 150달러, 원가 100달러 상승
[01:24:49] 결국 최종 소비자는 아이폰을 250달러 더 비싸게 구매

“[01:24:49] 결국 최종 소비자는 아이폰을 250달러 더 비싸게 사게 됩니다.”

[01:25:28] 스마트폰 시장 14억 대 → 11억 대 → 올해 8억 대, 내년 5~6억 대까지 하락 시나리오
[01:25:45] 샤오미·오포가 저가/중가 스마트폰 물량을 절반으로 줄이는 움직임 관측
[01:27:33] PC 서브레딧/게이밍 트위터에서 “메모리 가격 때문에 GPU·데스크톱을 못 구한다” 밈 확산
[01:29:20] 지난 3~4년간 메모리 업체들이 신규 팹을 안 지었음 — 가격 낮고 2023년 손실
[01:29:40] 2024년부터 “추론→긴 컨텍스트→큰 KV 캐시→막대한 메모리 수요”를 1년 반~2년간 강조
[01:30:05] 가속기 비용의 절반이 메모리

“[01:30:05] 가속기 비용의 절반이 메모리입니다.”

[01:30:24] 2027년 말~2028년 전에는 장비를 넣을 만한 의미 있는 팹이 사실상 나오지 않음

“[01:30:24] 그래서 2027년 말이나 2028년이 되기 전까지는 이런 장비들을 넣어둘 만한 의미 있는 팹이 사실상 나오지 않을 것입니다.”

[01:31:06] 로직(N3)에서는 EUV가 웨이퍼 비용의 28%, DRAM은 10%대 수준
[01:33:47] 팹 영역에서 올해와 내년의 가장 큰 병목은 클린룸

“[01:33:47] 팹의 영역에서는 올해와 내년에는 클린룸이 가장 큰 병목입니다.”

[01:35:21] 정말 복잡한 것은 시설 짓기보다 공정 기술 개발 — 일론도 빠르게 못 따라잡을 영역
[01:36:12] EUV 대안으로 입자 가속기/싱크로트론, 7nm X선 시도가 있지만 마법 같은 단순 대체는 없음
[01:37:47] 메모리 로드맵: 6F 셀 → 4F 셀 → (10년 말/다음 10년 초) 3D DRAM
[01:39:12] 노광 비용 비중: 2014년 17% → 30% (지난 15년)
[01:41:15] 누군가가 “10억 달러 내고 2년 뒤 EUV 장비 10대 1순위” 차익거래를 시도할 수도 있음

“[01:41:15] 누군가는 네덜란드로 가서 “10억 달러를 지불하겠습니다. 2년 뒤 EUV 장비 10대를 구매할 권리를 주시고, 제가 1순위가 되겠습니다”라고 해야 합니다.”

Chapter 7: 미국에서 전력 확장은 문제가 되지 않을 것 (1:42:34-1:54:44)

[01:43:26] “기가와트”는 발전설비 명판이 아닌 서버가 끌어오는 “크리티컬 IT 용량” — 송전·변환·냉각 손실로 20~30% 더 큰 명판 필요
[01:44:41] 복합화력 가스터빈 제작사는 3곳뿐이지만 대안이 훨씬 많음

“[01:44:32] 만약 터빈으로만 전력을 만든다면 이는 단순하고 지루하며 쉽습니다.”

[01:44:45] 항공 파생형 터빈 — 비행기 엔진을 발전용으로 전환 (Boom Supersonic + Crusoe)
[01:45:04] 중속 왕복엔진(디젤·가스) 제조사가 10여 곳, 자동차 산업 감소로 설비 여력 발생
[01:45:38] 선박 엔진 — Nebius가 뉴저지 MS 데이터센터에서 사용 중
[01:49:59] 추가 용량의 절반은 계량기 뒤(behind the meter) 방식 — 비싸지만 인허가/접속 대기 우회
[01:50:34] 단일 옵션도 수십 GW, 전체로는 수백 GW 가능

“[01:50:34] 전체로는 수백 기가와트를 한다는 것입니다.”

[01:50:51] Crusoe가 OpenAI를 위해 짓는 1.2GW Abilene 현장에 5,000명 — 100GW로 단순 확장 시 40만 명 필요
[01:51:35] 노동력은 큰 제약 — 최고 숙련 인력을 수입하기 시작할 것

“[01:51:35] 노동력은 큰 제약입니다. 대단히 큰 제약입니다.”

[01:52:09] 핵심은 작업 모듈화와 아시아 공장 프리팹 — 한국·동남아·중국이 사전 구축 구획 제작
[01:53:25] 단일 랙은 120~140kW, 차세대(Nvidia Kyber)는 거의 1MW에 근접
[01:53:36] 줄(row) 단위로 랙/네트워킹/냉각/전력을 통합해 출하 — 현장 케이블링 대폭 감소

Chapter 8: 우주 GPU는 이번 10년 안엔 실현되지 않는다 (1:54:44-2:14:07)

[01:54:55] 일론의 우주 GPU 주장: 지구에서는 수백 GW 인허가를 받을 수 없다
[01:55:09] 텍사스에서는 트럼프 행정부가 절차를 쉽게 만들어 관료적 절차의 많은 부분을 건너뛸 수 있음
[01:57:09] 현재 AI 데이터센터의 70%+는 여전히 미국에 있음
[01:58:19] 지금 배치되는 블랙웰의 약 15%가 RMA 필요 — GPU 신뢰성이 매우 낮음
[01:58:44] 우주 가려면 테스트·분해·우주선 적재·발사·재온라인화에 수개월 — GPU 5년 수명의 10% 손실
[01:58:57] 컴퓨팅 자원은 보유 후 “첫 6개월”에 가장 가치가 큼
[02:00:04] 위성 간 레이저 링크로 400GB/s InfiniBand 대역폭에 가깝게 갈 수 있지만, GPU당 기준이라 72배가 필요
[02:01:38] 지상 클러스터에서 비용의 15~20%가 네트워킹 — 우주 레이저는 더 비싸고 신뢰성이 더 낮음
[02:02:24] 10년 말까지 연간 200GW 규모 칩만 만들 수 있음 — 우주 데이터센터도 같은 제조 제약 공유
[02:02:47] 언젠가는 우주 데이터센터가 타당해지겠지만 이번 10년은 아니다

“[02:02:47] 언젠가 우주 데이터센터가 타당해지는 구간을 넘기겠지만, 이번 10년은 아닙니다.”

[02:03:07] 지금은 칩이 가장 큰 병목

“[02:03:07] 지금은 칩이 가장 큰 병목입니다.”

[02:04:18] 일론은 20% 개선으로는 안 이김 — 10배 성과를 낼 때 이김

“[02:04:18] 일론은 홈런을 노리고 10배의 성과를 낼 때 이깁니다.”

[02:04:46] 현재 AI 칩 전력밀도는 약 1W/mm² — 2W/mm²로 가려면 콜드 플레이트, 수랭, 침지 냉각 필요 (우주에선 더 어려움)
[02:06:58] Blackwell NVL72: 랙 내 72 GPU가 테라바이트 수준으로 연결 (8→72로 도메인 규모 확대)
[02:07:20] TPU v4: 4,000개 칩 팟, v8/v7: 8,000~9,000개 — 토러스 토폴로지로 이웃 6개 연결
[02:09:18] GPT-4가 1조+ 파라미터, 이제서야 모델들이 다시 그 수준에 접근
[02:09:47] FP8로 5T 모델 1배치는 KV 캐시 포함 10TB 필요 — GB200+NVL72(20TB)가 처음 가능하게 함
[02:10:28] 정말 중요한 것은 추론 속도가 아니라 강화학습(RL)
[02:10:52] 연구의 컴퓨트 효율 향상 폭이 너무 커서 개발보다 연구에 대부분을 투입하고 싶음
[02:11:14] 모델 비용은 1년에 10배씩 더 싸짐
[02:12:33] 거의 모든 경우 “더 작은 모델”로 기울어짐 — 더 빨리 RL/배포해 다음 모델·연구에 투입하는 피드백 루프
[02:13:18] 구글은 단극적 컴퓨트(거의 전부 TPU)로 더 큰 모델 중심 최적화 가능 — Gemini Pro가 GPT-5.4·Opus보다 큼
[02:14:03] 회사들이 원하는 것은 전부 “가능한 한 가장 빠른 테이크오프”

“[02:14:03] 가능한 한 가장 빠른 테이크오프입니다.”

Chapter 9: 왜 더 많은 헤지펀드가 AGI 트레이드에 베팅하지 않는가? (2:14:07-2:18:30)

[02:14:14] SemiAnalysis는 6개월~1년 전 메모리 크런치, 지금은 클린룸 크런치, 앞으로는 툴 크런치를 경고
[02:14:30] Leopold는 거의 유일하게 “우리 숫자가 너무 낮다”고 말하는 고객 — 다른 고객은 “너무 높다”고 반박
[02:15:12] SemiAnalysis 비즈니스의 60%는 산업 고객(AI 연구소·데이터센터·하이퍼스케일러·반도체), 40%는 헤지펀드

“[02:15:12] 제 비즈니스의 대략 60%는 산업 쪽입니다.”

[02:16:00] 투자에서 핵심은 “무엇이 기대치를 가장 크게 벗어날 것인가?”
[02:17:00] 결국 쟁점은 메모리 부족 사태(메모리 크런치)를 믿느냐

“[02:17:00] 메모리 부족 사태를 믿느냐의 문제입니다.”

[02:17:38] 1년 전에 “메모리 가격 4배”와 “스마트폰 출하 40% 감소”를 말했다면 대부분 “절대 안 된다” 반응
[02:18:00] Leopold는 많은 사람들보다 더 잘 포지션 사이징하고 행동했다

Chapter 10: TSMC는 N2에서 Apple을 밀어낼까? (2:18:30-2:24:16)

[02:18:53] Nvidia·아마존·구글이 N2 생산능력에 큰 비용을 지불할 의향을 보이면 TSMC가 애플을 밀어낼지가 관건
[02:19:21] 결론: TSMC는 애플을 “완전히” 밀어내지는 않을 것

“[02:19:21] 애플을 완전히 밀어내지는 않을 것입니다.”

[02:19:31] 애플은 항상 약 10%를 초과 주문해두고 한 해 동안 줄여오는 패턴
[02:20:22] “올해” 제조될 N2의 대다수는 애플이 차지
[02:20:36] 다음 해엔 애플이 절반 가까운 비중을 유지하지만 이후 비중은 급격히 떨어짐
[02:20:56] 흥미로운 변화: 2nm에서는 애플이 첫 고객이 아닌 처음 — A16 노드의 첫 고객은 AI
[02:21:08] AMD가 2nm에서 CPU/GPU 칩렛을 첨단 패키징으로 묶어 애플과 같은 시기에 진입 — Nvidia를 더 빠르게 따라잡으려는 베팅
[02:21:56] 패키징/소재/DRAM/NAND 비용 상승이 애플을 밀어내는 요인 — 소비자 전가 한계
[02:22:33] 화웨이 Ascend는 TPU보다 2개월, Nvidia A100보다 4개월 앞섰음
[02:23:33] 화웨이가 TSMC를 쓸 수 있었다면 Nvidia보다 더 나았을 것이라는 주장은 매우 설득력

“[02:23:33] 화웨이가 TSMC를 가지고 있다면 엔비디아보다 더 나을 것이라는 주장은 매우 설득력 있습니다.”

[02:24:02] 2019년 화웨이의 TSMC 이용이 금지되지 않았다면 화웨이는 이미 TSMC 최대 고객이었을 것

Chapter 11: 로봇과 대만 리스크 (2:24:16-2:30:44)

[02:24:24] 2030년까지 로컬 연산이 필요한 휴머노이드가 수백만 대 돌아다니는 가정
[02:24:46] 로봇 내부에 “모든 지능”을 넣을 필요가 없음 — 클라우드 배치 처리가 더 효율적
[02:25:34] 로봇이 “헤드폰”이라고만 인식해도 클라우드 모델은 “소니 XM6”처럼 구체 식별 제공
[02:26:05] 클라우드 모델이 매초 혹은 초당 10번 정도 행동 주기에 맞춰 지시
[02:26:39] 휴머노이드를 수백만 대 배치하면 데이터센터로 갈 200GW 자원이 로봇으로 분산됨
[02:26:47] 미래에는 물리적인 의미에서 지능이 얼마나 중앙집중화될지가 핵심

“[02:26:47] 미래에는 물리적인 의미에서 지능이 얼마나 중앙집중화될지라는 점입니다.”

[02:27:04] 로봇은 물리적으로 분산돼도 지식 노동은 데이터센터(수십만~수백만 인스턴스)에서 중앙집중
[02:27:35] 일론은 텍사스에서 로봇 칩을 만들기 위해 삼성과 대규모 계약 — 대만 리스크를 크게 봄
[02:28:15] TSMC에서는 모든 것이 서로 경쟁 — 텍사스/삼성은 데이터센터의 “무한에 가깝게 지불”하려는 주체와 경쟁을 덜 함
[02:29:11] 노광 장비 자체가 대만에서 제조된 반도체를 많이 사용 — “자기 꼬리를 먹는 뱀” 구조

“[02:29:16] 그래서 흔히 말하는 ‘자기 꼬리를 먹는 뱀’ 같은 상황이 되는데,”

[02:29:36] 대만 팹이 폭파되면 중국이 수직계열화 측면에서 세계 나머지보다 더 강한 공급망 보유
[02:30:18] 인텔+삼성을 합쳐도 약 10~20GW 정도뿐 — “사실상 아무것도 아니다”
[02:30:31] 기존 생산능력은 남아도 확장되고 있는 생산능력에 비하면 미미