AI 앱이 성장할수록 진짜 수혜는 어디로 가나요?

 

AI 앱 투자에서 막연하게 "이걸 사면 되겠지"라고 느낀 적 있으신가요. 저도 처음엔 그랬습니다. 근데 토큰 처리량이 인프라 수요로 어떻게 이어지는지 경로를 따라가보니 훨씬 선명해졌습니다. 오늘 가장 화제인 경제 이슈로 AI 인프라 투자 연결 구조를 정리합니다.

[IMG1]

토큰 증가가 왜 컴퓨트 증가로 이어지나요?

AI 모델이 토큰 하나를 생성하려면 연산이 필요합니다. 추론(inference)이라고 부르는 과정인데, 입력 토큰이 길수록, 동시 요청이 많을수록 필요한 컴퓨트도 선형 이상으로 늘어납니다. Claude Code처럼 에이전트가 파일을 읽고 코드를 고치는 작업은 단순 질문·응답보다 수십 배의 토큰을 씁니다.

실제로 Claude Code가 1년 만에 70배 성장했고, Codex extension은 6개월에 7배 성장했습니다. 이 성장이 그대로 추론 컴퓨트 수요로 전환됩니다.

컴퓨트 증가가 어떻게 HBM·DRAM·SSD로 연결되나요?

GPU가 연산을 하려면 데이터를 빠르게 읽고 써야 합니다. 여기서 HBM(고대역폭 메모리)이 병목입니다. 컨텍스트가 길어질수록 더 많은 HBM이 필요하고, 여러 에이전트가 동시에 돌아갈수록 DRAM 수요도 함께 올라갑니다.

수요 증가 원인	수혜 인프라
추론 컴퓨트 증가	HBM (삼성·SK하이닉스)
멀티에이전트 병렬 실행	DRAM·SSD
데이터센터 증설	전력·냉각 인프라
네트워크 병목	광통신·스위칭 장비

결국 핵심은 GPU만으로 부족하다는 것. AI 앱 성장의 후방에는 메모리, 컴퓨트, 데이터센터가 함께 있습니다.

[IMG2]

전력 수요는 얼마나 빠르게 증가하고 있나요?

여기서 잠깐 짚어볼 것이 있습니다. 데이터센터의 전력 소비는 AI 사용량이 올라갈수록 비례해서 늘어납니다. 미국 데이터센터 전력 사용량은 2024~2030년 사이에 두 배 이상 증가할 것으로 전망되고 있습니다. 한국도 예외가 아닙니다. 데이터센터 밀집 지역의 전력망 증설 이슈가 이미 사회적 논제로 올라왔습니다.

이번 주 핫이슈 3가지를 묶어서 보면 AI 앱 성장 → 토큰 폭증 → 컴퓨트 수요 → 메모리·전력 인프라 수요 증가는 끊어진 사슬이 아니라 하나의 흐름입니다. 어느 지점에 투자 포지션을 잡느냐의 문제입니다.

AGI 직전 ~ 초기 구간, 어느 쪽이 유리한가요?

하사비스 발언을 인프라 투자로 번역하면 이렇게 됩니다. AGI 직전~초기 = HBM·메모리·전력 인프라 수요 급증 구간. AGI 이후 = 플랫폼·OS 레이어(구글처럼 칩·모델·디바이스를 다 가진 곳)로 가치가 이동하는 구간.

최근 사건이 우리 자산에 미치는 진짜 영향은 이렇습니다. AI 앱을 쓰는 사람이 늘어날수록 내가 보유한 반도체·인프라 ETF의 논리가 더 강해집니다. 단, 어느 레이어의 수혜를 살지가 수익률을 가릅니다. 데일리소리 다른 글 보기

[IMG3]

Q. HBM 투자, 삼성과 SK하이닉스 중 어느 쪽이 유리한가요?

SK하이닉스는 HBM3E 공급에서 앞서 있고, 삼성전자는 HBM4를 2월 양산 출하 시작했습니다. 엔비디아 납품 비중, HBM4 수율, 전반적 메모리 사업 믹스를 함께 봐야 합니다. 투자 결정 전 최신 IR 자료 확인이 필요합니다.

Q. AI 인프라 ETF로 접근하는 것이 더 나은가요?

개별 종목 리스크를 줄이고 싶다면 AI 인프라·반도체 ETF가 대안이 됩니다. 미국 시장에서는 SOXX, SMH 등이 반도체 전반을 담고 있고, 데이터센터 특화 ETF도 있습니다. 환헤지 여부와 보수율 확인이 필요합니다.

Q. AI 인프라 투자 타이밍이 아직 유효한가요?

Gemini API 토큰 처리량이 2년 만에 300배 증가했고 에이전트 사용량은 여전히 초기 단계입니다. 인프라 수요는 구조적으로 이어지는 흐름이지만, 단기 가격 변동성과 개별 기업 실적은 별도로 판단해야 합니다.

작성일·확인일: 2026-06-01 / 본문 수치는 공개 자료 기준이며 투자 권유가 아닙니다. 금융 전문가와 상담하시기 바랍니다.