Kimi K3 on Korea Invest Insights

반도체 주간 심층 리포트: 강해진 실적, 낮아진 멀티플, 2028년으로 이동한 승부처

Sun, 19 Jul 2026 15:53:00 +0900

7월 13일 KOSPI는 9.05% 급락했고 SK하이닉스는 15.37% 떨어졌다. 그런데 같은 주 TSMC는 2분기 매출 402억달러와 매출총이익률 67.7%를 발표했고, ASML은 연간 매출 전망을 430억~450억유로로 높였다. 범용 DRAM과 NAND 계약가격도 큰 폭으로 올랐다. 실물 주문과 주가가 정반대로 움직인 한 주였다.

이 괴리는 반도체 호황이 끝났다는 뜻보다 시장의 질문이 바뀌었다는 신호에 가깝다. 투자자는 이제 2026년과 2027년에 얼마를 버는지만 보지 않는다. 2028년에 공급이 얼마나 늘고, 고객이 높은 메모리 가격과 데이터센터 투자비를 감당할 수 있으며, 추론 효율화가 HBM의 희소가치를 얼마나 낮출지를 먼저 계산한다.

연결 맥락 이 글은 반도체 강세론과 약세론의 다섯 시계, FCFE와 정상화 이익으로 본 메모리 적정가, 삼성전자와 SK하이닉스의 2027~2028 시나리오, HBM 2030 수급 모델 교차검증을 7월 셋째 주의 새 자료로 다시 묶은 주간 종합편이다. 관련 글은 AI HBM 허브와 Exclusive Analysis 허브에서 이어서 볼 수 있다.

TL;DR

7월 13일부터 19일까지 확인된 공식 자료는 AI 반도체 수요가 꺾였다는 주장을 지지하지 않는다. TSMC와 ASML의 실적·가이던스, DRAM·NAND 가격, 서버 메모리 수요는 모두 2026~2027년 이익 강도를 뒷받침한다.
같은 자료는 2028년 공급 위험도 키운다. ASML의 장비 생산능력 확대와 TSMC의 대규모 CAPEX는 현재 주문의 증거이면서 미래 공급과 감가상각의 예약이다.
HBM 장기계약은 물량과 이익의 바닥을 높일 수 있지만 현물가격 급등이 전체 평균판매가격으로 전해지는 속도를 낮출 수 있다. 물량 안정과 가격 상단 제한이 함께 존재한다.
중국은 수요처, 범용 메모리 경쟁자, 정책적으로 분리될 수 있는 시장이라는 세 얼굴을 갖는다. 단기 HBM 대체보다 2028년 범용 DRAM·NAND의 가격 상단과 글로벌 공급 규율에 더 큰 영향을 준다.
Kimi K3 같은 오픈모델의 효율화는 반도체 수요를 단순히 없애지 않는다. HBM 일부의 가치를 서버 DRAM, eSSD, 네트워크와 전력으로 옮길 수 있다. 핵심은 작업당 비용 하락보다 전체 작업량과 자체 구축 비중이 얼마나 늘어나는가다.
현재 기준 시나리오는 희소성 장기화 25%, 강한 이익·낮은 멀티플 40%, 효율·공급 정상화 25%, 금융·수요 단절 10%다. 가장 가능성 높은 경로는 2026~2027년 높은 이익과 2028년 지속기간 할인이 공존하는 경우다.

이번 주의 핵심 문장

메모리 슈퍼사이클의 실물 근거는 첫 전면 스트레스 테스트를 통과했다. 다만 주가는 희소성의 크기보다 초과이익의 지속기간을 묻기 시작했다. 2026~2027년은 실적의 시간이고, 2028년은 공급·효율·고객 수익성을 함께 검증하는 시간이다.

1. 범위와 증거 규칙

분석 기간은 2026년 7월 13일부터 19일까지다. 두 개의 주간 분석 문서에 포함된 회사 IR, 정부·의회 자료, 산업자료, 증권사 추정, 시장 수급을 다시 분류했다. 같은 원자료를 여러 글이 인용한 경우에는 확인 횟수를 늘리지 않았다.

등급	자료	이 글의 사용법
A	회사 IR, 정부·의회·규제기관 자료, SEC 공시	사실과 공식 계획의 기준
B	TrendForce 같은 산업조사, 원문 증권사 리포트	가격·점유율·회사별 추정의 보조 근거
C	언론 교차보도, 채널체크 요약	방향 확인에만 사용, 단독 투자 신호로 쓰지 않음
D	소셜 미디어, 유통되는 요약 이미지	추가로 검증할 질문을 찾는 용도

TSMC·ASML·메모리업체의 주문은 같은 하이퍼스케일러 투자계획을 여러 번 반영할 수 있다. 공식 계획은 수요 의지를 보여주지만 실제 가동과 현금흐름을 보장하지 않는다. 주가 급락도 모두 수급 탓으로 돌리지 않았다. 수급은 낙폭을 키울 수 있지만 이익 지속기간에 대한 재평가까지 없애지는 못한다.

2. 한 주의 사건 지도

날짜	확인된 변화	시장이 묻기 시작한 질문	현재 판정
7월 13일	HBM 2030 수요 26.7EB 모델 재검증, SK하이닉스 2분기 이익 추정 하향, KOSPI 급락	장기 부족인가, 과도한 외삽인가	2027년 부족은 강한 근거, 2030년 부족 규모는 낮은 확신
7월 14일	HBM 장기계약을 반영한 SK하이닉스 추정치 조정, IBM·에릭슨의 메모리 원가 부담, 애플의 CXMT 시험 보도	장기계약은 이익의 바닥인가, 가격의 상단인가	물량 가시성은 높지만 평균판매가격 상단과 고객 부담도 생김
7월 15일	ASML 2분기 실적과 2027~2028년 장비 생산능력 확대 계획	주문 강세인가, 공급 반응의 시작인가	둘 다 맞음. 현재 수요와 2028년 공급 위험을 동시에 강화
7월 16일	TSMC 2분기 실적과 3분기 가이던스, 미 하원의 중국 메모리 조달 제한 요구	AI 수요는 강한데 메모리 주가는 왜 약한가	수요 붕괴보다 이익 귀속·공급·자본비용 논쟁
7월 17일	Kimi K3 공개, 중국 오픈모델 효율화와 API 가격 재평가	효율화가 반도체 수요를 줄이는가	작업당 부담은 줄지만 총사용량과 자체 구축이 늘 수 있음
7월 18일	중국 AI API 원가와 메모리 3사의 중국 노출도 점검	중국은 고객인가 경쟁자인가	두 역할을 동시에 수행, 2026년 EPS보다 2028년 정상화 가치에 영향
7월 19일	서버 DRAM·HBM4 주문 강세를 주장한 채널체크가 유통	급락이 3분기 실적 붕괴를 반영했나	가능성은 낮아졌지만 원문 미확인이라 C등급 유지

이 표에서 가장 중요한 변화는 사건의 방향이 아니라 시간축이다. 7월 초까지 논쟁은 2026년 하반기 이익이 기대를 넘느냐에 집중됐다. 지금은 2028년 이익이 정상 이익인지, 높은 가격과 마진이 얼마나 오래 유지되는지가 중심이 됐다.

3. 이번 주에 더 강해진 근거

3.1 TSMC와 ASML은 AI 주문이 실물로 이동했음을 보여줬다

TSMC의 2분기 실적은 AI 수요가 계획표에만 머물지 않았음을 보여준다.

항목	TSMC 2Q26 및 3Q26 전망
2분기 매출	402억달러
2분기 매출총이익률	67.7%
2분기 영업이익률	60.3%
3분기 매출 가이던스	446억~458억달러
3분기 매출총이익률 가이던스	65~67%

높은 매출총이익률과 다음 분기 성장 가이던스는 선단공정·첨단패키징 주문의 질이 아직 무너지지 않았다는 뜻이다. TSMC 2Q26 공식 실적

ASML도 같은 방향을 확인했다. 2분기 매출 93.26억유로와 순이익 29.18억유로를 기록했고 2026년 매출 전망을 430억~450억유로로 제시했다. 생산능력 계획은 현재 주문이 미래 공급으로 바뀌는 시점을 보여준다.

장비	2026년 생산능력	2027년 계획	2028년 검토
저NA EUV	약 65대	약 30% 확대	추가 30% 확대 검토
DUV immersion	약 130대	약 30% 확대	추가 30% 확대 검토

ASML은 AI 투자가 선단 로직과 메모리 수요를 높이고 있으며 고객의 증설 약속이 장기 수요 가시성으로 전환되고 있다고 설명했다. 이 수치는 AI 주문이 모두 중복 발주라는 강한 약세론을 약화한다. ASML Q2 2026 공식 실적

3.2 메모리 가격은 높은 수준을 유지한다

TrendForce는 2026년 2분기 범용 DRAM 계약가격이 전분기보다 58~63%, NAND 가격이 70~75% 오를 것으로 전망했다. 3분기 서버 DRAM 상승률 전망은 13~18%로 낮아지지만, 상승 방향은 유지된다. 2분기 DRAM·NAND 전망, 3분기 서버 DRAM 전망

여기서 상승률 둔화와 가격 하락을 구분해야 한다. 2분기 가격이 워낙 빠르게 오른 만큼 3분기의 전분기 대비 상승률은 낮아질 수 있다. 그래도 높은 절대가격이 유지되면 공급자의 영업이익은 강할 수 있다. 시장이 보는 위험은 이익 감소가 아니라 이익 증가율의 둔화다.

3.3 HBM 확대는 범용 DRAM 공급을 잠식한다

HBM은 같은 비트 수를 생산할 때 범용 DRAM보다 더 많은 웨이퍼 면적과 적층·패키징·테스트를 요구한다. 메모리 3사가 HBM 믹스를 높이면 HBM 출하는 늘지만 범용 DRAM의 유효 비트 공급은 줄 수 있다.

이 때문에 병목은 다음 순서로 넓어진다.

GPU·ASIC
-> HBM
-> 서버 DRAM
-> eSSD와 NAND
-> 패키징·기판·테스트
-> 네트워크·전력·냉각

AI 에이전트와 긴 문맥 추론은 모델 가중치용 HBM만 쓰지 않는다. KV 캐시와 데이터 공급을 위해 서버 DRAM과 eSSD를 함께 사용하고, 다수 가속기와 희소 전문가 모델을 연결하기 위해 네트워크도 더 많이 쓴다. HBM 단품의 가격이 흔들려도 전체 메모리 계층의 물량은 커질 수 있는 이유다.

3.4 2027년 부족은 강한 결론, 2030년 2.5배 부족은 시나리오다

2030년 HBM 수요 26.7EB와 공급 10.6EB를 비교하면 수요가 공급의 2.52배라는 계산이 나온다. 산식은 재현된다. 문제는 결과가 아니라 가정의 동시 성립이다. 원 모델은 토큰 24배, 모델 크기 5배, 문맥 길이 4배, KV 캐시의 HBM 잔존율 70%를 함께 사용한다.

가정 변화	2030년 HBM 수요	공급 10.6EB 대비
원 모델	26.7EB	2.52배
모델 크기 2배	18.5EB	1.75배
KV 효율 6배	22.3EB	2.10배
HBM 잔존율 50%	22.9EB	2.16배
토큰 12배	16.2EB	1.53배
복합 약세 가정	6.5EB	0.62배

단일 변수를 낮추면 부족이 남지만 여러 약세 가정이 동시에 맞으면 공급과잉도 가능하다. 따라서 투자에 쓸 수 있는 문장은 “2027년까지 타이트할 가능성이 높다”다. “2030년에 반드시 2.5배 부족하다”는 문장은 목표가 산식에 바로 넣기 어렵다.

4. 이번 주에 더 강해진 위험

4.1 좋은 실적보다 이익 변화율이 중요해졌다

SK하이닉스 2분기 영업이익 추정치 하향은 출하량 붕괴보다 평균판매가격 가정의 조정에서 나왔다.

리포트	2Q26 영업이익 추정	핵심 조정
미래에셋증권	70.7조원에서 62.3조원	DRAM ASP +40.6%에서 +32.9%, NAND +55%에서 +50%
한국투자증권	60.4조원	DRAM ASP +28.9%, NAND +50.9%

영업이익 60조원대는 절대 수준으로 매우 크다. 그러나 주가는 이익의 크기보다 이전 추정치에서 얼마나 바뀌었는지에 반응했다. 7월 13일 SK하이닉스가 15.37% 하락한 이유도 업황 종료보다 기대 변화와 집중 수급이 함께 작용한 것으로 보는 편이 맞다.

이 지점이 주간 논리의 핵심이다. 수요가 강하다는 사실만으로 주가가 오르지는 않는다. 시장 기대보다 더 강해야 하며, 높은 이익이 2028년에도 남는다는 증거가 필요하다.

4.2 장기계약은 이익 바닥과 가격 상단을 함께 만든다

HBM 장기공급계약은 물량 가시성, 고객 고정, 투자 회수기간의 예측 가능성, 현물가격 하락 때의 하방 방어를 제공한다. 반대쪽에는 다음 문제가 있다.

현물가격이 급등해도 회사 전체 평균판매가격은 천천히 오를 수 있다.
가격 지수, 재협상, 최소 구매량, 취소 조항이 공개되지 않았다.
고객의 최소 구매 이행과 신용 위험이 공급자에게 남는다.
선급금과 장기 물량 약정이 회계이익과 현금흐름에 같은 속도로 반영되지 않을 수 있다.

장기계약을 무조건 가격결정력 강화로 해석하면 절반만 본다. 계약은 이익의 바닥을 높이면서 변동성을 낮추지만, 현물가 급등의 전부를 가져가는 구조는 아닐 수 있다. SK하이닉스 2분기 추정치 조정은 이 차이가 숫자로 드러난 첫 사례다. 자세한 산식은 SK하이닉스 이익 하향과 목표가 유지에서 다뤘다.

4.3 장비 주문은 현재 수요이자 미래 공급이다

ASML의 생산능력 확대를 단기 강세 증거로만 읽으면 시간축을 놓친다.

저NA EUV 2027년 생산능력 ≈ 65대 × 1.30 = 84.5대
DUV immersion 2027년 생산능력 ≈ 130대 × 1.30 = 169대

장비업체는 2026~2027년에 주문을 먼저 매출로 인식한다. 메모리업체의 실제 비트 생산은 장비 반입, 수율 안정, 패키징 증설을 거쳐 2028년 이후 늘 수 있다. 같은 CAPEX가 처음에는 장비·소재 이익을 높이고 나중에는 메모리 가격과 마진을 누르는 구조다.

따라서 2028년을 봐야 할 지표는 발표된 투자금액이 아니다. 장비 반입 시점, 신규 웨이퍼 투입, 수율, 패키징 생산성, 감가상각 증가와 실제 비트 생산량이다.

4.4 높은 메모리 가격은 고객 수요를 훼손할 수 있다

메모리 가격이 오를 때 고객은 네 가지 행동을 할 수 있다.

가격이 더 오르기 전에 재고를 당겨 산다.
서버와 완제품 가격을 올린다.
메모리 탑재량이나 사양을 낮춘다.
구매와 프로젝트를 늦춘다.

첫 번째 행동은 당장의 주문을 더 강하게 보이게 하지만 미래 수요를 앞당긴다. 나머지 세 행동은 공급자의 가격결정력이 고객 수요를 파괴하는 경로다. IBM과 에릭슨 사례는 메모리 공급 제약이 최종 고객의 예산 배분과 마진에 도달하기 시작했음을 보여줬다. 지금은 대규모 취소보다 선구매와 사양 조정이 먼저 보이는 단계다.

4.5 AI 투자의 병목이 자본비용으로 이동한다

AI 수요가 실제여도 투자 주체의 현금흐름이 감가상각과 금융비용을 따라오지 못하면 투자 속도는 늦어진다. 앞으로는 하이퍼스케일러가 얼마를 쓰는가보다 다음 네 항목이 중요하다.

AI·클라우드 매출총이익 증가가 감가상각 증가를 웃도는가.
데이터센터 전력 인입과 GPU 가동률이 계획대로 올라가는가.
차입비용을 포함한 신규 프로젝트 수익률이 자본비용보다 높은가.
메모리 장기계약을 체결한 고객의 신용과 선급금이 안정적인가.

TSMC와 ASML의 주문이 강하므로 현재 수요 붕괴의 증거는 아니다. 다만 7월 말 미국 빅테크 실적에서는 CAPEX 총액보다 AI 매출총이익, 잉여현금흐름, 2027년 투자 기울기를 함께 봐야 한다.

5. 주가 급락은 수급 충격인가, 펀더멘털 재평가인가

이번 주 한국 반도체 급락에는 레버리지 축소, 프로그램 매도, 소수 대형주에 집중된 시가총액 구조가 낙폭을 키운 흔적이 있다. 외국인과 기관의 동시 매도는 하루 가격 변동을 기업가치 변화보다 훨씬 크게 만들었다.

그러나 “수급 충격이었으므로 모두 회복한다”는 결론도 위험하다. 좋은 실적과 가격 자료가 나온 뒤에도 상대강도가 살아나지 않으면 시장이 2028년 EPS와 정상화 멀티플을 낮추고 있다는 뜻일 수 있다.

둘을 구분하는 관찰법은 간단하다.

수급 충격에 가까운 신호	펀더멘털 재평가에 가까운 신호
외국인·프로그램 매도가 빠르게 둔화	좋은 뉴스에도 매도가 계속됨
거래량을 동반한 상대강도 회복	반도체가 시장보다 계속 약함
12개월 선행 EPS 상향 유지	삼성전자·SK하이닉스·Micron EPS 동반 하향
계약가격 상승과 재고 안정	재고 증가와 계약가격 하락 동시 발생
빅테크 CAPEX와 AI 이익 동반 증가	CAPEX 삭감 또는 AI 수익성 악화

이 구분 때문에 가격과 이익 추정치를 같이 봐야 한다. 수급만 보면 장기 위험을 놓치고, 실적만 보면 포지션 과밀이 만드는 추가 하락을 놓친다.

6. 중국은 세 가지 변수다

6.1 중국은 큰 수요처다

공시에서 확인되는 중국 노출도는 서로 정의가 달라 직접 비교하기 어렵다.

회사	중국 노출 지표	비교할 때의 한계
삼성전자	30.1%	전사 별도 매출로 메모리만의 비중이 아님
SK하이닉스	1Q26 24.3%, 2025년 19.7%	판매법인 소재지 기준
Micron	FY25 중국+홍콩 10.1%	고객 본사 소재지 기준

삼성전자와 SK하이닉스는 중국 수요가 줄면 직접 영향을 받는다. Micron은 직접 노출이 상대적으로 낮지만 글로벌 가격이 내려가면 피할 수 없다. 중국 문제를 매출 비중만으로 판단하면 안 되는 이유다.

6.2 중국은 범용 메모리 경쟁자다

CXMT는 LPDDR5X 8,533Mbps와 9,600Mbps 제품을 양산하고 10,667Mbps 제품을 고객 시험 중이라고 발표했다. 2026년 1분기 세계 DRAM 매출 점유율은 약 8%로 추정된다. 그러나 애플 공급계약과 글로벌 주력 제품 채택, HBM 수율은 확인되지 않았다. CXMT LPDDR5X 공식 발표

단기 위협은 HBM 대체보다 두 경로에 집중된다.

중국 스마트폰·PC의 범용 DRAM·NAND 국산화
기존 메모리 3사와 가격을 협상할 때 쓰는 네 번째 공급자 카드

중국에서 밀려난 물량이 다른 지역으로 이동하면 삼성전자·SK하이닉스·Micron의 글로벌 계약가격도 낮아질 수 있다. 중국 매출 감소보다 이 가격 전염이 더 중요한 2차 효과다. 자세한 노출도 분해는 중국 자국산화와 메모리 3사에서 확인할 수 있다.

6.3 중국은 정책으로 분리될 수 있다

7월 16일 미 하원 중국특위 의원들은 상무부에 YMTC 통제 강화, CXMT의 Entity List 검토 가속, AI 시스템·데이터센터·연방 IT·핵심 인프라에서 중국산 DRAM·HBM 조달 제한, 한국·일본·EU와의 공조를 요구했다. 아직 시행된 구매 금지가 아니라 정책 요구다. 미 하원 중국특위 공식 서한

실행되면 세계 메모리 시장은 두 갈래로 나뉠 수 있다.

시장	가능한 구조
미국과 동맹국	검증된 공급망, 높은 가격, 메모리 3사의 점유율 방어
중국 내수	국산화, 낮은 가격, 중기 공급과잉 위험

Micron은 미국 정책 수혜가 가장 직접적이다. 삼성전자와 SK하이닉스는 동맹권 공급자라는 이점과 중국 사업 노출을 함께 갖는다. 이 정책은 2026년 HBM 이익을 곧바로 올리는 재료보다 2028년 중국발 공급과잉 할인율을 낮추는 변수다.

7. Kimi K3와 효율화: 수요 소멸보다 위치 이동

Kimi 공식 발표에 따르면 K3는 총 2.8조 파라미터, 896개 전문가 중 토큰마다 16개를 활성화하고 100만 토큰 문맥을 지원한다. 희소 전문가 구조는 요청당 연산을 줄이지만 전체 가중치 보관과 전문가 선택을 위해 큰 메모리와 네트워크가 필요하다. Kimi K3 공식 발표

효율화의 반도체 영향은 다음 식으로 보는 편이 낫다.

총 반도체 수요 = 작업당 실리콘 비용 × 전체 작업 수 × 자체 구축 비중

희소 구조·캐싱·양자화는 작업당 GPU 시간과 HBM 부담을 낮춘다.
API 가격 하락은 AI 사용량과 에이전트 수를 늘린다.
오픈웨이트는 기업과 국가의 자체 서버 구축을 늘릴 수 있다.
메모리 계층화는 HBM 일부를 서버 DRAM·eSSD·원격 캐시로 옮긴다.

현재 공식 주문과 CAPEX를 보면 사용량 증가가 효율 향상을 이기고 있다. 다만 장기적으로는 프리미엄 GPU와 HBM의 가격결정력보다 서버 DRAM·eSSD·네트워크·전력의 물량 탄성이 더 좋아질 수 있다. 효율화는 “반도체를 덜 쓴다”보다 “어느 반도체가 돈을 가져가는가”를 바꾸는 변수다.

여기에는 두 가지 제한이 있다. Kimi Linear 연구모델의 KV 캐시 절감률과 이론 처리량을 K3 운영환경에 그대로 적용할 수 없다. 또 회사 자체 성능평가를 외부 검증과 같은 무게로 볼 수 없다. 가중치, 라이선스, 독립 처리량, 실제 작업당 토큰과 총비용을 확인해야 한다.

8. 다섯 시계로 보면 모순이 사라진다

시계	이번 주 관측	투자 해석
가격	2분기 DRAM·NAND 급등, 3분기 상승률 둔화	2026년 이익은 강하지만 증가율은 낮아질 수 있음
투자	TSMC 투자 확대, ASML 주문·생산능력 확대	현재 수요 확인과 2027~2028년 공급 반응 예약
건설	전력·부지·패키징 병목 지속	발표된 투자가 실제 가동으로 바뀌는 데 시차
수익화	AI 사용량 증가, 고객 원가·금융비용도 증가	매출보다 AI 매출총이익과 잉여현금흐름 확인 필요
주가	좋은 뉴스에 둔한 반응, 한국의 집중 수급 충격	현재 이익보다 지속기간과 포지션을 할인 중

가격과 투자 시계는 빠르게 가지만 건설과 수익화 시계는 뒤처져 있다. 주가 시계는 이 간격이 앞으로 좁아질지 넓어질지를 먼저 반영한다. 그래서 호실적과 CAPEX 상향이 같은 날 매도 재료가 될 수 있다.

지난 글의 “산업 강세·밸류에이션 약세 공존 55%”와 아래의 “P2 40%”는 같은 표를 다르게 쓴 것이 아니다. 55%는 산업이 강해도 주가 배수가 눌리는 넓은 범주였다. 이번 상세 분포는 그 범주를 P2와 P3의 초기 구간으로 더 잘게 나눴다. TSMC·ASML의 새 자료가 현재 수요는 확인하면서 2028년 공급 반응도 키웠기 때문에, 희소성 장기화 확률 일부를 공급 정상화로 옮겼다.

9. 시나리오 업데이트

아래 확률은 역사적 빈도가 아니라 7월 19일 현재 확인된 자료를 반영한 판단값이다.

시나리오	확률	성립 조건	예상되는 시장 모습
P1. 희소성 장기화	25%	AI 사용량·CAPEX·가동률이 공급과 효율을 계속 압도, HBM4 가격과 주문 유지	SK하이닉스·Micron 같은 고베타 메모리, 패키징·장비 동반 강세
P2. 강한 이익·낮은 멀티플	40%	2026~2027년 이익은 강하지만 2028년 공급·고객 수익성 우려가 지속	실적 증가에도 박스권과 높은 변동성, 삼성전자 상대 우위
P3. 효율·공급 정상화	25%	2027~2028년 생산능력 확대, 중국 범용 공급, 고객 가격 저항, AI 비용 하락이 결합	HBM 희소성 프리미엄 축소, 장비·소재 주문 정점이 메모리보다 먼저 옴
P4. 금융·수요 단절	10%	빅테크 투자 삭감, 신용사고, 재고 증가, 계약가격·EPS 동반 하향	반도체 전반 하락, 현금과 비반도체 분산 중요성 확대

직전 상세 분포는 35%·40%·15%·10%였다. 이번에는 P1에서 10%포인트를 P3로 옮겼다. TSMC와 ASML의 주문은 P4 가능성을 높이지 않았다. 반대로 장비 생산능력 확대와 고객의 가격 부담은 장기 희소성보다 공급·효율 정상화 가능성을 높였다.

10. 종목과 밸류체인별 역할

삼성전자: 위험조정 코어

삼성전자는 범용 DRAM·NAND 가격 상승을 넓은 점유율로 흡수하면서 HBM 추격과 파운드리 회복이라는 선택권을 갖는다. 오픈모델과 저가 추론이 확산돼 HBM 일부가 범용 메모리·스토리지로 이동할 때도 상대적으로 방어적이다.

위험은 중국과 범용 메모리 노출, HBM4 고객 인증의 불확실성, 파운드리의 높은 자본부담이다. P2와 P3에서는 SK하이닉스보다 방어력이 높지만, HBM 추격이 실제 이익으로 확인되지 않으면 다각화가 곧 수익성은 아니다.

SK하이닉스: 희소성 장기화의 순수 베타

SK하이닉스는 HBM 선두 점유율, 고객 공동개발, 장기계약으로 P1에서 가장 강한 이익 탄력을 갖는다. 반대로 공급 확대와 효율화가 빨라지는 P3에서는 이익과 멀티플의 민감도도 가장 크다.

추가 판단에는 HBM4·4E 고객 인증, 수율, 장기계약의 평균판매가격 반영, 외국인·프로그램 수급과 상대강도가 함께 필요하다. 사업의 질과 주가의 안전마진을 분리해서 봐야 한다.

Micron: 미국 정책과 순수 메모리의 교집합

Micron은 미국 내 생산과 정책 지원, 중국산 메모리 조달 제한의 직접 수혜자다. HBM·DRAM·NAND 업사이클을 순수하게 반영한다. 그러나 사업 다각화가 적어 글로벌 평균판매가격 정상화에도 직접 노출된다. 중국 매출 비중이 낮아도 중국발 잉여 물량이 글로벌 가격을 낮추면 피해를 피하기 어렵다.

SanDisk: NAND·eSSD의 전술적 베타

SanDisk는 NAND 공급 제약과 AI 서버 eSSD 수요에 직접 연결된다. 저가 추론과 메모리 계층화가 HBM보다 스토리지 물량을 늘릴 때 수혜가 크다. 동시에 NAND는 DRAM보다 가격 변동성이 크고 YMTC 영향이 직접적이므로 코어보다 전술적 성격이 강하다.

TSMC와 ASML: 수요 검증자이자 미래 공급의 선행지표

TSMC는 AI 수요의 질과 선단 파운드리 해자를 보여준다. ASML은 고객의 장기 증설 의지를 가장 먼저 확인하는 회사다. 두 회사의 실적은 메모리 강세의 보조 근거지만 단순한 동행 지표는 아니다. 높은 CAPEX와 장비 공급은 미래 메모리 수요뿐 아니라 공급 증가도 함께 뜻한다.

한국 장비·소재: 계획보다 실제 발주와 반복매출

분류	후보군	확인할 자료	현재 역할
반복 소모품	하나머티리얼즈, 월덱스	고객 가동률, OEM 채널, 매출과 영업이익률의 동행	우선 연구군
공정장비	케이씨텍, 넥스틴	실제 발주, 고객 인증, 수주잔고	조건부 확인군
HBM 후공정	테크윙	Cube Prober 추가 발주와 양산 매출	이벤트 확인군
인프라 시공	한양이엔지 등	대형 수주, 수주/매출 비율, 마진	코어보다 수주 이벤트군

투자 확인 순서는 “증설 발표, 실제 발주, 수주잔고, 매출 인식, 반복 소모품”이다. 장비주는 메모리 생산보다 먼저 실적 정점을 맞을 수 있다. 팹 계획만 보고 넓게 사기보다 실제 발주와 마진이 확인되는 회사를 좁혀야 한다.

11. 반대 논리: 이 결론이 틀릴 수 있는 지점

수요 근거를 중복 계산했을 수 있다

TSMC·ASML·메모리 3사의 주문은 같은 빅테크 투자계획에서 나온 것일 수 있다. 공급망 여러 단계의 주문을 별도 수요로 더하면 실제 최종수요를 부풀린다. 전력 인입, GPU 가동률, 서버 출하, 클라우드 AI 매출총이익이 최종 확인 자료다.

2030년 수요 모델이 효율화를 과소평가했을 수 있다

토큰 수, 모델 크기, 문맥 길이, HBM 잔존율 가운데 하나만 낮추면 부족이 남는다. 하지만 네 가지가 함께 낮아지면 2030년 공급과잉도 가능하다. 장기 부족의 방향과 부족 규모의 숫자를 분리해야 한다.

CAPEX가 투자 회수보다 빨리 늘 수 있다

공급자는 주문이 많아도 신규 팹과 패키징에 더 많은 돈을 써야 한다. 고객도 데이터센터 감가상각과 이자를 감당해야 한다. 매출 증가가 잉여현금흐름 증가로 이어지지 않으면 높은 이익은 낮은 멀티플을 받을 수 있다.

중국 정책이 실행되지 않을 수 있다

미 하원 서한은 정책 신호이지 행정명령이나 동맹 공조가 아니다. CXMT가 중국용 소비자 제품에 제한적으로 들어가고 규제가 느슨해지면, 점유율 변화보다 기존 3사의 가격 협상력이 먼저 약해질 수 있다.

오픈모델의 회사 발표가 외부에서 재현되지 않을 수 있다

Kimi K3의 공식 사양은 확인되지만 처리량, 실제 토큰 사용량, 전체 서빙비용은 독립 검증이 필요하다. 반대로 효율화가 예상보다 빠르고 사용량 탄성이 낮다면 HBM 희소성 프리미엄은 더 크게 줄 수 있다.

주가 약세를 모두 강제청산으로 설명했을 수 있다

레버리지 축소와 프로그램 매도는 급락의 크기를 설명한다. 그러나 좋은 뉴스에도 주가가 회복하지 못하면 시장이 2028년 이익과 정상화 배수를 실제로 낮추는 중일 수 있다. 수급 설명은 이익 지속성 검증을 대신하지 못한다.

12. 판단을 바꾸는 관측 조건

하나의 기사나 하루 반등보다 서로 다른 두 축이 함께 움직이는지 봐야 한다.

강세 확률을 높이는 조건

빅테크 CAPEX 증가와 AI·클라우드 매출총이익 개선이 동시에 확인된다.
데이터센터 전력 인입, GPU 가동률, 서버 출하가 함께 오른다.
HBM4·서버 DRAM·eSSD 가격과 12개월 선행 EPS가 계속 상향된다.
삼성전자·SK하이닉스·Micron이 좋은 뉴스에 오르고 반도체지수 대비 상대강도를 회복한다.
외국인·프로그램 매도가 둔화하고 거래량을 동반한 추세 회복이 나온다.

P3 정상화 확률을 높이는 조건

2027~2028년 장비 반입과 신규 비트 생산능력이 계획보다 빨라진다.
HBM 수율과 패키징 생산성이 급격히 개선되고 3사 공급이 동시에 늘어난다.
메모리 가격 상승 뒤 고객의 탑재량 축소와 구매 지연이 확산한다.
CXMT DDR5·LPDDR5X 고객 인증과 중국 밖 판매가 늘어난다.
서버 DRAM·HBM 계약가격 상승률과 2028년 EPS가 함께 낮아진다.

P4 경고 조건

미국 빅테크가 CAPEX를 줄이거나 데이터센터를 취소·지연한다.
AI 인프라 고객의 신용스프레드와 차환 위험이 급등한다.
DRAM·NAND 재고 증가와 계약가격 하락이 동시에 발생한다.
삼성전자·SK하이닉스·Micron의 12개월 선행 EPS가 함께 하향된다.
반도체 상대강도와 시장 상승 종목 수가 동시에 다시 무너진다.

13. 7월 말부터 확인할 자료

시점	확인할 자료	바뀌는 판단
7월 말	미국 빅테크 실적과 컨퍼런스콜	CAPEX, AI 매출총이익, 잉여현금흐름, 메모리 가격 저항
7월 말	Kimi K3 추가 기술자료와 외부 평가	효율 개선과 사용량 증가 가운데 어느 쪽이 더 큰지
7월 말	삼성전자·SK하이닉스 상세 IR	HBM4, 장기계약, DRAM·NAND ASP, 출하량, CAPEX
8월 이후	3분기 계약가격과 유통 재고	가격 상승률 정점과 선구매 정상화 여부
분기별	ASML 수주, TSMC CAPEX, 메모리 장비 발주	2027~2028년 공급 반응 속도
상시	CXMT·YMTC 규제와 고객 인증	중국 공급의 글로벌 가격 전염과 시장 분리

14. 최종 판단

이번 주는 메모리 슈퍼사이클의 첫 전면 스트레스 테스트였다. 주가는 크게 흔들렸지만 TSMC·ASML 실적, DRAM·NAND 가격, 서버 메모리 수요는 2026~2027년 실물 부족이 아직 유효하다는 쪽에 무게를 실었다.

동시에 같은 자료가 2028년 위험을 더 선명하게 만들었다. 장비 생산능력과 CAPEX가 늘고, HBM 장기계약은 가격 반영을 완만하게 하며, 고객은 높은 메모리 가격과 데이터센터 금융비용을 감당해야 한다. 중국 범용 메모리와 오픈모델 효율화도 2028년 가격과 멀티플에 영향을 준다.

따라서 “호황이 끝났다”와 “영구 슈퍼사이클이다” 가운데 하나를 고를 필요가 없다. 현재 중심 경로는 다음과 같다.

2026~2027년 실물 부족과 높은 이익
-> 2027~2028년 장비·생산능력·수율 반응
-> 가격 상승률 둔화
-> 절대 이익은 과거보다 높지만 멀티플은 낮아짐
-> 제품 구성·계약 구조·중국 노출에 따라 종목별 수익률 분화

지금부터의 핵심은 AI 수요의 존재를 다시 증명하는 일이 아니다. 공급 반응의 속도, 고객의 수익화, 계약의 질, 2028년 이익 추정치, 좋은 뉴스에 대한 주가 반응을 함께 측정하는 일이다. 실적은 2026년과 2027년을 말하고, 주가는 이미 2028년을 묻고 있다.

주요 근거

공개자료의 한계

삼성전자·SK하이닉스·Micron의 HBM 장기계약 가격 공식, 하한·상한, 최소 구매량, 취소 조건과 고객별 신용조건은 공개되지 않았다.
CXMT의 HBM 수율과 애플 인증 진행률은 신뢰할 만한 공식 수치가 없다.
중국 AI API 업체의 모델별 완전원가와 가속기별 실제 서빙 비용은 공시되지 않는다.
HBM 2030년 26.7EB 수요는 전망치가 아니라 여러 강세 가정을 결합한 시나리오다.
7월 19일 서버 DRAM·HBM4 채널체크는 원문을 독립적으로 확보하지 못해 방향성 참고에만 사용했다.
정보 기준일은 2026년 7월 19일이다. 7월 말 미국 빅테크와 메모리업체의 실적 발표 뒤 시나리오를 다시 점검해야 한다.

이 글은 공개자료를 바탕으로 한 정보 제공용 분석이며 특정 종목의 매수·매도를 권유하지 않는다. 가격, 수급, 이익 추정과 정책은 바뀔 수 있으므로 최신 공시와 본인의 위험 감수 수준을 함께 확인해야 한다.

중국 오픈모델의 성능 수렴이 바꾸는 것: 수요 붕괴가 아니라 가치사슬 재배분

Fri, 17 Jul 2026 22:00:00 +0900

연결 맥락 이 글은 Kimi K3가 바꾼 AI 가격표의 후속편이다. 앞글이 한 모델의 가격·구조를 검증했다면, 이번 글은 중국 오픈모델 생태계 전체가 반도체·빅테크 가치사슬을 어떻게 재배분하는지, 그리고 미국 정책과 미중 갈등이 그 해석을 어떻게 바꾸는지로 확장한다. 반도체 강세론과 약세론의 진짜 쟁점, 반도체 적정 주가, 창신메모리 IPO와 메모리 가격 리스크와 함께 읽으면 좋다. 관련 허브는 AI HBM 허브와 Exclusive Analysis 허브다.

TL;DR

중국 오픈모델의 성능 수렴은 AI 수요 붕괴보다 가치사슬 재배분에 가깝다. 모델 API와 최첨단 GPU의 독점가치는 내려가고, 저렴해진 추론이 사용량을 늘려 메모리·스토리지·네트워크·전력·클라우드 유통의 가치는 오를 수 있다.
상대선호는 이렇게 갈린다. 한국 메모리는 삼성전자 > SK하이닉스, 미국 반도체는 마이크론·샌디스크 > 엔비디아, 빅테크는 메타·아마존 > 구글·마이크로소프트 > 순수 모델 사업자다. [Inference: 상대 판단]
중국 오픈모델은 지능 1단위당 연산·메모리 비용 하락을 입증했다. 총 실리콘 지출 감소는 입증하지 못했다. TSMC는 오히려 2026년 CAPEX를 520억-560억달러에서 600억-640억달러로 올렸다.
CXMT는 HBM에서 선두 3사와 제품 기준 1.5-2세대, 상업화 기준 2-3년 차이가 난다. 따라서 2028년 위협은 현재의 공급 충격이 아니라 조건부 옵션이다.
중국 모델의 기술 확산과 중국 API 사업자의 매출 확산은 별개다. 가장 현실적인 경로는 중국 모델을 AWS·Azure나 기업 VPC에 재호스팅해 서구의 보안·계약 체계로 파는 것이다. [분석 목적]

핵심 문장

중국 모델은 미국 모델의 가격을 흔들 수 있지만 AWS·Azure·미국 칩·한국 메모리 수요를 곧바로 무너뜨리지는 않는다. 직접 피해는 폐쇄형 모델 API의 마진이고, 오래 살아남는 것은 클라우드 유통·보안 계층과 메모리·네트워크·전력 같은 사용량 기반 인프라다.

1. 먼저 사실부터 확인한다

생태계 방향은 맞지만 모든 신규 모델의 학습 하드웨어가 공개된 것은 아니다. 이 구분이 중요하다.

DeepSeek-V3는 2,048개의 엔비디아 H800과 278.8만 GPU시간으로 학습됐다. [Fact: DeepSeek V3 기술보고서] H800은 수출 제한형이지만 저가 소비자 GPU는 아니다. 반면 Kimi K3는 2.8조 파라미터, 100만 토큰 컨텍스트와 K2 대비 2.5배 높은 확장 효율을 공개했지만, 전체 기술보고서와 학습 하드웨어는 7월 27일 공개 예정이다. [Fact: Kimi 공식 발표]

따라서 “Kimi K3도 저가 엔비디아 GPU로 학습했다"는 아직 확정할 수 없다. [Blocked]

효율 개선은 실재한다

DeepSeek V4-Pro는 1.6조 파라미터 중 490억개만 활성화한다. 100만 토큰 구간에서 V3.2 대비 토큰당 연산량은 27%, KV 캐시는 10% 수준이다. [Fact: DeepSeek V4 모델카드] 성능을 유지하면서 토큰당 GPU·HBM 사용량을 크게 줄일 수 있다는 직접 증거다.

그러나 반대편도 실재한다

화웨이 CloudMatrix384는 384개 Ascend 910C를 묶어 DeepSeek-R1을 서빙한다. JPMAM 집계상 CloudMatrix는 HBM 49TB와 전력 599kW를 쓰는 반면, 비교 대상인 GB300 NVL72는 각각 21TB와 145kW다. [Fact: CloudMatrix 논문, JPMAM 비교자료]

완전히 같은 성능 비교는 아니지만 중국이 약한 단일 칩을 더 많은 칩·메모리·전력으로 보완하는 방향은 분명하다. 저렴한 개별 칩이 반드시 적은 실리콘·네트워크·전력을 뜻하지 않는다. [Inference: 구조 해석]

2. 핵심 방정식: 무엇을 봐야 하나

이 논쟁의 답은 벤치마크 점수가 아니라 두 개의 식에 있다.

총 연산 수요 = 전체 토큰 수 × 토큰당 연산량

총 메모리 수요 = 전체 토큰 수 × 토큰당 메모리 사용량
 + 모델·KV·검색 데이터 저장량

오픈모델이 토큰 가격을 70% 낮추고 사용량을 5배 늘리면 효율 개선에도 총수요는 증가한다. 반대로 사용량이 2배 늘어나는 동안 토큰당 HBM이 70% 감소하면 HBM 수요는 줄어든다.

그래서 앞으로 봐야 할 지표는 하나로 압축된다. 토큰 증가율이 토큰당 메모리 감소율을 얼마나 웃도는가.

현재까지의 판정

총지출은 다음 식으로 결정된다.

총 실리콘 지출 = 학습 횟수 × 회당 비용
 + 추론 토큰 수 × 토큰당 비용

TSMC는 2Q26 콜에서 2026년 CAPEX를 520억-560억달러에서 600억-640억달러로 올렸다. 마이크로소프트도 추론 처리량을 40% 높였지만 대형 고객 토큰 사용은 전분기 대비 30% 증가했고, 2026년 CAPEX 약 1,900억달러를 유지했다. [Fact: TSMC 2Q26 콜, MSFT FY26 3Q 콜]

현재까지는 사용량 증가가 효율 향상을 이기고 있다. [Inference: 데이터 종합]

3. 반도체 영향: 종목별로 갈린다

종목·그룹	주가 영향	핵심 해석
삼성전자	긍정	HBM뿐 아니라 서버 DRAM, NAND·eSSD, 범용 메모리까지 받아 가장 넓은 수혜
SK하이닉스	혼합에서 긍정	토큰 증가는 좋지만 MoE·KV 압축은 HBM/토큰 감소. 희소성 멀티플에는 부담
마이크론	긍정	미국 공급망의 DRAM·HBM·NAND 종합 노출. 삼성과 비슷한 broad-memory 수혜
샌디스크	긍정	로컬 배포, 모델 가중치, RAG·캐시 증가가 eSSD·NAND 수요로 연결
엔비디아	단기 부정, 장기 혼합	중국 점유율과 최고가 GPU 독점가치 하락. 총 토큰 증가와 H200 출하가 물량을 보완
AMD	상대 긍정	오픈모델은 이기종 하드웨어 이전을 쉽게 함. ROCm과 실제 서빙 점유율이 관건
브로드컴·마벨·아리스타	중기 긍정	서구권 custom ASIC, Ethernet, 광통신·SerDes 수요 확대
TSMC	중립에서 긍정	엔비디아·AMD·ASIC 훈련칩 수요는 유지되지만 중국 추론은 Ascend·SMIC로 이동

왜 삼성이 하이닉스보다 상대 우위인가

같은 메모리 3사인데 삼성전자와 SK하이닉스의 방향이 갈린다. 저가 추론과 오픈모델 확산은 HBM만 늘리는 것이 아니라 서버 DRAM·NAND·범용 메모리 총량을 늘린다. 노출이 넓은 삼성전자가 이 확산을 더 많이 받는다.

반대로 MoE와 KV 압축은 토큰당 HBM을 줄인다. HBM 순수 노출이 강한 하이닉스는 토큰 증가의 수혜와 토큰당 HBM 감소의 부담을 동시에 받는다. 절대 수요보다 희소성 멀티플이 먼저 압박받는 구조다. [Inference: 노출 구조 분석]

다만 삼성전자에는 반대편 위험도 있다. CXMT의 범용 DRAM 증산에 가장 먼저 노출된다.

엔비디아와 H200

최근 미국이 중국에 H200을 제한적으로 출하하기 시작했지만 물량은 아직 작다. 단기 엔비디아 매출에는 긍정적이지만, 화웨이 중심의 국산 인프라 전환을 되돌릴 정도는 아니다. [Fact: 2026년 7월 로이터 보도] [Inference: 영향 판단]

4. 빅테크 영향

기업	판단	이유
메타	가장 긍정	오픈 생태계 전략이 검증되고 AI 수익을 API보다 광고·추천에서 회수
아마존	긍정	어떤 모델이 이기든 AWS의 추론·스토리지·네트워크를 판매
구글	혼합에서 긍정	TPU·클라우드는 수혜지만 Gemini API 가격 프리미엄은 압박
마이크로소프트	혼합	Azure 사용량은 늘지만 OpenAI 모델 임대료와 CAPEX 회수율은 압박
애플	긍정	저렴한 소형·오픈모델이 온디바이스와 Private Cloud 비용을 낮춤
OpenAI·앤스로픽	부정	성능 격차와 API 가격 프리미엄 축소, 높은 기업가치와 자금조달에 부담

메타는 흔한 오해와 달리 최대 피해자가 아니다. 모델 판매보다 광고·추천으로 돈을 벌고 오픈모델을 비용 절감에 활용하므로 상대 수혜 가능성이 있다. 부담은 CAPEX와 감가상각 쪽이다. [Inference: 사업모델 분석]

2025년 DeepSeek 충격의 교훈

2025년 DeepSeek 충격 당시 엔비디아는 하루 17%, 약 5,930억달러의 시가총액을 잃었다. 최초 반응은 GPU·전력·데이터센터 인프라 전체 매도였지만 곧 일부 반등했다. [Fact: 2025년 시장 보도]

이번에도 단기 주가는 효율성 공포, 중기 실적은 사용량 증가에 반응할 가능성이 크다. [Inference: 과거 패턴]

5. 중국 오픈모델 논지 판정

강세·약세 양쪽에서 나오는 주장들을 하나씩 판정하면 이렇다.

주장	판정
프런티어 성능에 최고급 GPU가 필수	약화됐지만 반증되지는 않음
AI 지능은 희소재	원시 모델·토큰 가격에서는 상당 부분 붕괴
자본 규모가 해자	사전학습 해자는 약화, 배포·데이터·전력·유통으로 이동
오픈소스 한계비용은 0	가중치 가격만 0에 근접, 추론비용은 계속 발생
10억달러 학습이 1,000억달러 투자를 추월	서로 다른 비용 범위를 비교한 부정확한 주장

마지막 항목이 특히 자주 오용된다. 학습 비용과 인프라 총투자는 비교 대상이 아니다.

6. CXMT의 HBM은 지금 어디까지 왔나

중국 위협을 논할 때 가장 자주 과장되는 부분이다. 관문별로 나눠 보면 실체가 드러난다.

관문	현재 판정	판단 근거
DRAM 셀 공정	상용화, 빠른 개선	DDR5·LPDDR5X 판매, 애플도 중국 제품용 DRAM 시험 중
TSV 적층	HBM2 소량, HBM3 초기	HBM2 생산 보도는 있으나 물량·수율 미공개
패키징·base die	구축 중	중국 내 생태계는 형성 중이나 양산 수율·열·신뢰성 데이터 부재
고객 인증	HBM 미확인	텐센트 계약과 애플 시험은 일반 DRAM 역량의 증거
선두와의 거리	1.5-2세대	선두 3사는 HBM4 램프, CXMT는 HBM3 양산도 검증 전

CXMT 공식 공개 제품군에는 2026년 7월 17일 현재 DDR5·LPDDR5/5X·DDR4·LPDDR4X만 있고 HBM은 없다. TrendForce도 CXMT의 HBM3를 초기 검증 단계로 분류하며, 기술 장벽과 국산 장비 사용 조건이 양산을 지연시킨다고 평가한다. [Fact: CXMT 공식 자료, TrendForce]

캐파 추정도 엇갈린다. 월 24만장 부근 정체와 연말 35만장 전망이 충돌하는데, 35만장은 회사 가이던스가 아닌 민간 모델이므로 확정값으로 쓰기 어렵다. [Blocked]

레거시 DRAM 가설을 이렇게 고쳐야 한다

2026-2027년: CXMT의 HBM 투자는 중국산 레거시 DRAM의 공급 완화를 늦춘다.
2028년: HBM3/3E가 중국 가속기 고객 인증과 의미 있는 물량을 확보하면 중국 내 구형 HBM 시장부터 대체할 수 있다.
2029년 이후: HBM4, base die, 패키징 수율까지 따라와야 글로벌 선두시장과 하이닉스의 이익률을 직접 압박한다.

즉 “CXMT 때문에 당장 레거시가 더 부족해진다"보다 “CXMT가 예상만큼 레거시 공급을 풀어주지 못한다”가 더 타당하다. [Inference: 단계별 판단]

7. 미국 정책은 이 해석을 어떻게 바꾸나

미국은 AI를 상업 기술보다 동맹권의 핵심 인프라로 다루고 있다. 이것이 순수 기술 분석만으로는 답이 안 나오는 이유다.

미국의 AI Action Plan과 행정명령 14320은 하드웨어·클라우드·네트워크·모델·애플리케이션을 묶은 미국산 AI 스택을 동맹국에 수출하고 적대국 기술 의존도를 낮추겠다고 명시했다. 중국 모델이 성능과 가격에서 우수해도 동맹국의 정부조달·핵심산업에서는 미국 스택이 정책적 우위를 갖는다. [Fact: White House AI Action Plan, EO 14320]

다만 완전한 디커플링은 아니다

미국 BIS는 2026년 1월 H200·MI325X의 대중 수출을 승인 고객과 보안 요건 아래 건별 심사하도록 했다. 중국을 미국 칩 생태계에 일부 남겨두면서 통제권을 유지하려는 절충이다. [Fact: BIS 2026-01-13]

미국 민간기업의 중국 모델 사용이 전면 금지된 것도 아니다. No DeepSeek on Government Devices Act는 아직 발의 단계다. 그러나 호주 정부는 정부 시스템에서 DeepSeek 제거를 지시했고, 이탈리아 개인정보 당국은 이용자 데이터 처리를 제한했다. [Fact: 각국 공식 조치]

법률보다 조달·보안 부서의 사실상 금지가 먼저 작동할 가능성이 크다. [Inference: 정책 작동 순서]

8. 중국 모델 API를 서구 엔터프라이즈가 쓸 수 있나

경로별로 확산 가능성이 완전히 다르다. 이 표가 질문의 답이다.

도입 방식	확산 가능성	판단
중국 본토 호스팅 API 직접 호출	낮음	데이터·관할권·조달 위험
Qwen의 미국·EU·일본·싱가포르 API	중간	데이터 현지화는 가능하나 중국 사업자 위험 잔존
AWS·Azure가 재호스팅한 중국 모델	중상에서 높음	계약·보안·데이터 통제 주체가 서구 클라우드
기업 VPC·온프레미스 오픈웨이트	높음	중국 서버에 데이터를 보낼 필요가 없음
정부·방산·핵심 인프라	매우 낮음	모델 계보까지 조달 제한 가능

가장 현실적인 경로는 이렇다.

중국 모델 개발
→ AWS·Azure 또는 기업 VPC에 재호스팅
→ 서구의 보안·계약·감사 체계로 판매

즉 중국 모델의 기술 확산과 중국 API 사업자의 매출 확산은 별개다. [Inference: 경로 분석]

직접 API의 한계

DeepSeek의 개인정보처리방침은 입력 데이터를 포함한 개인정보를 중국에서 직접 수집·처리·저장하고, 서비스와 모델 개선에 사용할 수 있다고 밝힌다. [Fact: DeepSeek Privacy Policy] 소스코드, 고객정보, 의료·금융 데이터, 수출통제 기술을 다루는 기업에는 치명적인 조건이다.

Qwen은 조금 다르다. Alibaba Cloud Model Studio는 미국·독일·일본·싱가포르 리전을 제공하고, 데이터와 추론을 특정 지역에 제한할 수 있으며 고객 데이터를 모델 학습에 사용하지 않는다고 명시한다. [Fact: Alibaba Cloud 지역·보안 정책] 따라서 비규제 산업과 동남아·중동·중남미에서는 직접 API 채택이 늘 수 있다.

다만 데이터 현지화와 SOC 2가 미중 갈등에 따른 서비스 중단·제재·조달 위험까지 없애주지는 않는다. [Inference: 잔존 위험]

9. 테시스 수정: 무엇이 바뀌고 무엇이 남나

첫째, 미국 하이퍼스케일러 붕괴 논리는 약해진다. AWS와 Azure가 DeepSeek를 직접 호스팅하면서 데이터 격리, SLA, 보안 평가를 제공한다. 중국 모델의 비용 혁신을 미국 클라우드가 흡수해 매출화할 수 있다. [Fact: AWS·Azure 공식 발표]

둘째, 가격 압박은 폐쇄형 모델 API에 먼저 온다. OpenAI·앤스로픽·구글의 토큰 가격과 마진에는 부담이지만, 추론량과 AWS·Azure 사용량은 늘 수 있다. 메타의 오픈모델 전략에는 상대적으로 유리하다.

셋째, 미중 분리는 총 인프라 투자를 지지한다. 양 진영이 가속기·메모리·네트워크·전력망을 중복 구축한다. 효율 개선이 글로벌 실리콘 지출 감소로 직결될 가능성이 낮아진다.

넷째, SK하이닉스 HBM 프리미엄은 동맹권에서 더 오래 유지될 수 있다. CXMT HBM은 중국 가속기와 중국 데이터센터부터 침투할 가능성이 높다. 서구 CSP 채택에는 기술 인증 외에 정책·공급망 인증이 추가된다. 다만 수출통제는 중국의 자립투자를 가속하므로 2028년 이후 중국 내 점유율에는 위험이다.

다섯째, 삼성전자는 상대적 헤지다. 저가 추론과 오픈모델 확산은 HBM뿐 아니라 서버 DRAM·NAND·범용 메모리 총량을 늘릴 수 있다. 반대편에는 CXMT의 범용 DRAM 증산에 가장 먼저 노출되는 위험이 있다.

10. 피해와 수혜의 순서

최대 피해: 폐쇄형 모델 API의 초과이익, 레버리지가 큰 GPU 임대사업자
중간 위험: 오라클 등 대규모 선투자·고객 집중 사업자
메타: 최대 피해자가 아니다. 오픈모델을 비용 절감에 활용하므로 상대 수혜 가능성. 부담은 CAPEX와 감가상각
엔비디아: 단기 EPS보다 멀티플과 제품 믹스가 먼저 압박받는다. 중국 내 대체는 위험하지만 CUDA·네트워크·전력효율·개발기간 해자는 남는다
메모리: HBM 절대수요 감소보다 HBM 희소성 프리미엄 축소 + DDR/CXL/eSSD로 계층 확장이 기본 시나리오

11. 시나리오 업데이트

반도체 적정 주가에서 쓴 확률을 잠정 조정하는 것이 타당하다.

시나리오	기존	변경
초과수요 지속	30%	30%
자산 재집중	40%	40%
공급·효율 정상화	20%	25%
시스템 수요 단락	10%	5%

중국 모델의 성능은 AI 수요 자체가 사라질 가능성을 낮춘다(단락 10%에서 5%로). 대신 효율 개선과 중국산 하드웨어는 엔비디아·HBM의 희소성 프리미엄을 낮춘다(정상화 20%에서 25%로).

시간축 시나리오도 유지 가능하다. 2027년까지 사용량이 효율을 이김 70%, 2028년 이후 믹스·가격 정상화 25%, 총 CAPEX 수축 5%다. 다만 70% 시나리오의 동력이 단일 글로벌 생태계가 아니라 미국권과 중국권의 이중 투자로 바뀐다. [Inference: 시나리오 재조정]

12. 무엇을 확인하면 판단을 바꾸나

Kimi K3 기술보고서(7월 27일): 학습 하드웨어가 공개되면 “저가 GPU로 프런티어 학습” 명제의 진위가 갈린다
토큰 증가율 대 토큰당 메모리 감소율: 두 값의 차이가 이 논쟁의 실제 답
CXMT HBM3E 양산 인증과 실제 패키징 물량: 확인되면 하이닉스 2028 EPS와 멀티플을 함께 낮춰야 한다
HBM 가격·탑재량 둔화: 희소성 프리미엄 축소의 첫 신호
서구 CSP의 중국 모델 재호스팅 확대: 클라우드 유통 가치 상승의 증거
미국 조달·보안 규제의 실제 집행: 법률보다 먼저 작동하는 사실상 금지의 범위

지금은 터미널 리스크와 당기 실적을 섞을 단계가 아니다. CXMT의 HBM3E 양산 인증이 확인될 때 하이닉스의 2028년 이후를 조정하면 된다. [Inference: 판단 순서]

마무리

질문으로 돌아가면 답은 이렇다.

중국 오픈모델이 미국 프런티어에 수렴하는 것은 사실이고, 지능 1단위당 비용이 급락한 것도 사실이다. 그러나 그것이 총 실리콘 지출 감소를 뜻하지는 않는다. TSMC의 CAPEX 상향과 마이크로소프트의 토큰 30% 증가가 현재까지의 답이다.

미국 정책은 이 해석을 크게 바꾼다. 미중 분리는 양 진영의 중복 투자를 낳아 총 인프라 수요를 지지하고, 동맹권에서는 미국 스택과 한국 메모리의 자리를 정책적으로 보호한다.

중국 모델 API의 서구 엔터프라이즈 도입은 모델과 사업자를 분리해서 봐야 한다. 기술은 오픈웨이트로 확산되지만, 그것을 파는 주체는 중국 API 사업자가 아니라 AWS·Azure와 기업 VPC일 가능성이 높다.

그래서 결론은 재배분이다. 무너지는 것은 폐쇄형 모델 API의 초과이익이고, 남는 것은 사용량 기반 인프라다.

본 포스팅은 공개 논문(DeepSeek V3/V4, Huawei CloudMatrix384), 기업 공식 발표(Kimi, TSMC 2Q26 콜, Microsoft FY26 3Q 콜, CXMT, Alibaba Cloud, DeepSeek Privacy Policy), 미국 정부 자료(AI Action Plan, EO 14320, BIS), 각국 규제 조치, 시장 조사(TrendForce, JPMAM)를 종합한 분석 자료입니다. Kimi K3의 학습 하드웨어는 7월 27일 기술보고서 공개 전까지 미확인이며, CXMT의 캐파 추정치와 시나리오 확률은 작성 시점의 추정으로 회사 가이던스가 아닙니다. 언급된 종목은 가치사슬 구조를 설명하기 위한 예시이며 특정 종목의 매수·매도 권유가 아닙니다. 투자 판단과 책임은 투자자 본인에게 있습니다.

Kimi K3가 바꾼 AI 가격표: Kimi Linear부터 HBM·빅테크 전략까지

Fri, 17 Jul 2026 12:31:36 +0900

2026년 7월 16일 공개된 Kimi K3의 API 가격은 입력 100만 토큰당 3달러, 출력 15달러다. 중국 모델이 시장에 들어올 때 익숙했던 초저가 전략이 아니다. Claude Sonnet 5의 정상가와 같고, GPT-5.6 Sol보다는 입력 40%, 출력 50% 낮다. 문샷AI는 K3를 절약용 보조 모델이 아니라 기업의 주력 호출을 받는 프런티어 모델로 내놓았다.

모델 구조는 가격 전략을 뒷받침한다. 총 파라미터는 2.8조개지만 토큰마다 896개 전문가 가운데 16개만 활성화한다. 긴 문맥에서는 Kimi Delta Attention(KDA)이 KV 캐시 증가를 억제하고, Attention Residuals(AttnRes)는 깊은 층에서 앞선 표현을 골라 불러온다. 학습 단계부터 MXFP4 가중치와 MXFP8 활성값을 적용했다. 문샷AI가 64개 이상 가속기를 묶은 슈퍼노드를 권장한다는 사실까지 놓으면 결론은 한 방향이 아니다.

토큰 하나에 필요한 메모리와 연산은 줄지만, 배포 가능한 프런티어 모델의 수와 사용량은 늘 수 있다. K3는 반도체 수요를 없애는 효율화 기술이면서 동시에 더 많은 기관이 대형 모델을 직접 돌리게 만드는 인프라 수요다.

연결해서 읽을 글: AI 토큰 가치와 메모리 부가가치 / AI 토큰 선물과 토큰당 비용 / 미국과 중국의 에이전트 추론 인프라 분화 / 2030년 HBM 수급 모델 교차검증 / AI HBM 허브 / 단독 분석 허브

TL;DR

K3는 2.8조 파라미터, 네이티브 비전, 100만 토큰 문맥을 내세웠다. 다만 7월 17일 현재 API와 제품은 열렸지만 전체 가중치와 기술 보고서, 라이선스는 아직 나오지 않았다. 진정한 오픈웨이트 확산은 7월 27일 이후 검증해야 한다.
문샷AI 공식값은 GDPval-AA v2 1,668점, AA-Briefcase 1,548점이다. BrowseComp 91.2점은 문맥 압축을 쓴 결과이고, 100만 토큰을 압축 없이 쓴 값은 90.4점이다. 강한 결과지만 평가 도구가 모델마다 다르고 일부 값은 자체 측정이라 외부 재현이 필요하다.
Kimi Linear 논문의 75% KV 캐시 절감과 100만 토큰에서 최대 6.3배 디코딩 처리량은 48B 연구 모델의 결과다. 이를 K3의 실측 성능으로 그대로 옮기면 안 된다. K3가 KDA를 쓴다는 사실과 Kimi Linear의 연구 결과는 연결되지만 같은 숫자는 아니다.
K3의 가격은 저가 공세가 아니다. Sonnet 5 정상가와 같고, 현재 Sonnet 5 출시 할인보다 50% 비싸며, GPT-5.6 Sol보다는 낮다. 최대 추론 강도가 고정돼 있고 독립 평가에서 출력 토큰이 많은 편이어서 실제 작업당 비용은 표면 가격보다 높아질 수 있다.
반도체 영향은 단기적으로 NVIDIA와 HBM의 효율 우려, 중기적으로 가속기·네트워크·HBM·서버 DRAM·eSSD의 배포량 증가가 맞선다. 가장 선명한 2차 수혜는 장기 에이전트의 캐시를 받는 서버 DRAM과 엔터프라이즈 SSD다.
미국 빅테크에는 모델 계층과 클라우드 계층의 효과가 반대다. OpenAI·Anthropic·Gemini API는 가격 압력을 받지만 Azure·AWS·Google Cloud는 K3를 포함한 다중 모델 사용량에서 매출을 얻을 수 있다. Meta는 미국 오픈웨이트 주도권을 방어해야 한다.
7월 27일 확인할 것은 가중치 파일 하나가 아니다. 라이선스, 외부 벤치마크, NVIDIA·AMD·중국 가속기별 처리량, 실제 작업당 출력 토큰, vLLM 호환성, 클라우드 등록 여부가 주가 방향을 가른다.

1. 먼저 바로잡아야 할 수치

공식 발표와 2차 전파 과정에서 숫자가 조금씩 달라졌다. 투자 판단에 영향을 주는 차이는 아래와 같다.

항목	공식 확인값	해석
총 파라미터	2.8조	총 모델 크기다. 토큰당 실제 활성량과 같지 않다
전문가 구조	896개 중 16개 활성	매우 희소한 MoE다. 통신과 라우팅이 중요해진다
문맥 길이	100만 토큰	긴 코드베이스·조사 작업에 유리하지만 실제 비용은 출력량과 캐시 적중률에 좌우된다
GDPval-AA v2	1,668	사용자 입력의 1,687이 아니라 공식표는 1,668이다
AA-Briefcase	1,548	GPT-5.6 Sol 1,495보다 높고 Claude Fable 5 1,583보다 낮다
BrowseComp	91.2	30만 토큰에서 문맥 압축을 시작한 결과다
BrowseComp 무압축	90.4	100만 토큰 문맥을 별도 관리 없이 쓴 값이다
출시 상태	Kimi.com·Work·Code·API 사용 가능	제품은 이미 열렸다
가중치	7월 27일까지 공개 예고	7월 17일 현재 라이선스와 전체 파일은 미확인이다
추론 강도	현재 `max`만 지원	낮은 비용 모드가 아직 없어 작업당 비용이 커질 수 있다

문샷AI는 K3가 Claude Fable 5와 GPT-5.6 Sol의 전체 사용자 경험에는 아직 미치지 못한다고 직접 적었다. 동시에 코딩, 지식노동, 시각 이해의 여러 평가에서 나머지 비교 모델을 앞섰다고 주장한다. 이 표현은 과장과 겸손을 섞은 마케팅 문구가 아니라 현재 위치를 비교적 정확히 보여준다. 최고점 두 모델과의 격차는 남았지만, 바로 아래 성능대에 중국 모델이 들어왔다는 주장이다.

평가 방식은 조심해서 읽어야 한다. 공식표의 K3 결과는 최대 추론 강도로 측정됐다. 과제에 따라 Kimi Code, Claude Code, Codex 등 서로 다른 에이전트 도구를 썼고, 다른 모델의 점수는 각 도구에서 가장 잘 나온 값이나 외부 리더보드 값을 가져온 경우가 있다. 같은 시험지와 같은 실행기에서 한 번에 측정한 단일 대회가 아니다.

그래도 신호는 충분히 강하다. Terminal-Bench 2.1 88.3, FrontierSWE 81.2, SWE Marathon 42.0, AutomationBench 30.8, GPQA-Diamond 93.5, MMMU-Pro 81.6은 K3가 긴 도구 사용과 코딩을 겨냥했다는 점을 뒷받침한다. K3는 프런티어 바로 아래 성능을 100만 토큰과 오픈웨이트 예정 구조로 묶었다.

2. 2.8조 파라미터는 왜 가능한가

2.1 총량과 활성량을 분리해야 한다

2.8조 파라미터를 전부 매 토큰마다 계산하면 비용이 감당하기 어렵다. K3는 Stable LatentMoE와 결합해 896개 전문가 가운데 16개를 활성화한다. 전체 전문가의 약 1.8%다. 정확한 활성 파라미터 수는 기술 보고서가 나와야 알 수 있지만, 총량 2.8조가 곧 토큰당 2.8조 연산을 뜻하지 않는다는 점은 분명하다.

희소 MoE는 계산을 아끼는 대신 다른 비용을 만든다.

절감되는 것	새로 커지는 병목
토큰당 활성 연산	전문가 라우팅의 정확도
동일 품질에 필요한 계산량	전문가가 여러 가속기에 흩어질 때의 통신
일부 추론 비용	전문가 편중과 가속기 유휴시간
모델 확장 비용	가중치 전체를 올려둘 메모리와 노드 관리

문샷AI가 64개 이상 가속기를 묶은 슈퍼노드를 권장한 이유가 여기에 있다. 전문가를 적게 켜더라도 어느 전문가가 선택될지 모르기 때문에 가중치 전체는 빠르게 접근 가능한 곳에 있어야 한다. MXFP4로 단순 환산하면 2.8조 가중치의 이론적 최소 저장량은 약 1.4TB다. 실제 배포에는 스케일 값, 메타데이터, 캐시, 중복 저장, 통신 버퍼가 추가된다. 희소 활성화는 연산량을 줄이지만 모델 상주 메모리와 가속기 간 연결을 없애지 않는다.

2.2 Kimi Linear가 푸는 것은 문맥 길이의 비용이다

Kimi Linear 논문은 K3 공개보다 앞서 나온 연구다. 논문의 연구 모델은 총 48B, 활성 3B 규모이며 K3 자체가 아니다. 구조는 Kimi Delta Attention과 전통적인 전체 어텐션을 3대 1로 섞는다.

전체 어텐션은 과거 토큰을 세밀하게 다시 찾는 데 강하지만 문맥이 길어질수록 KV 캐시가 커진다. 선형 어텐션은 과거 정보를 고정 크기 상태로 압축해 문맥 길이에 따른 메모리 증가를 줄인다. 그러나 정확한 복사, 특정 위치 검색, 세밀한 회상에는 약해질 수 있다. Kimi Linear는 선형층 세 개 뒤에 전체 어텐션층 하나를 두어 두 장점을 절충한다.

기술	맡는 역할	한계
KDA	긴 문맥을 고정 크기 상태로 압축해 KV 캐시 증가를 억제	정확한 복사와 세밀한 검색에서 손실 가능
전체 MLA	필요한 구간에서 토큰 간 정밀 비교와 회상을 보완	문맥 길이에 따라 캐시 비용 증가
3:1 하이브리드	효율과 표현력을 절충	시스템 구현과 커널 최적화가 복잡해짐

논문은 최대 75% KV 캐시 절감, 100만 토큰에서 최대 6.3배의 이론적 디코딩 처리량을 제시한다. 복잡도 분석 구간의 실측 비교에서는 2.3배 속도 향상도 보고한다. 이 숫자는 연구 모델과 특정 시스템 조건의 결과다. K3가 KDA를 채택했다고 해서 K3 API가 언제나 6.3배 빠르다고 말할 수는 없다.

투자자에게 중요한 변화는 방향이다. 긴 문맥을 쓸 때 HBM 안에 보관해야 하는 요청별 KV 캐시가 줄면 같은 가속기로 더 많은 동시 요청을 처리할 수 있다. 반대로 문맥 비용이 내려가면 기업은 더 긴 코드, 더 많은 문서, 더 오래 지속되는 에이전트를 사용한다. 토큰당 메모리는 줄고 총 토큰은 늘 수 있다.

2.3 Attention Residuals는 깊이의 정보 손실을 줄인다

일반적인 잔차 연결은 모든 이전 층의 출력을 계속 더한다. 층이 깊어질수록 오래된 표현과 최근 표현이 균일하게 섞여 중요한 정보가 희석될 수 있다. AttnRes는 현재 층이 앞선 표현 가운데 필요한 것을 골라 가져오게 한다.

모든 층을 그대로 보관하면 메모리가 커진다. Block AttnRes는 여러 층을 블록으로 묶고 블록 단위 표현만 남긴다. 공식 연구는 약 8개 블록으로 대부분의 성능 개선을 회수하고, 기준 모델이 1.25배 계산량을 쓴 것과 비슷한 스케일링 효율을 얻었다고 보고한다.

이 기술은 HBM 수요를 직접 줄이는 기능이라기보다 같은 학습 계산에서 더 많은 성능을 얻는 기능이다. 모델 학습의 자본 효율은 좋아진다. 하지만 성능 개선이 다시 더 큰 모델과 더 긴 작업으로 재투자되면 데이터센터 총수요는 줄지 않는다.

2.4 양자화는 중국산 칩 하나를 위한 기술이 아니다

K3는 지도학습 미세조정 단계부터 MXFP4 가중치와 MXFP8 활성값을 넣는 양자화 인지 학습을 적용했다. 배포 후 급하게 4비트로 줄이는 방식보다 정확도 손실을 통제하기 쉽고, 서로 다른 하드웨어에서 같은 수치 형식을 지원할 여지가 커진다.

공식 발표의 커널 아레나는 NVIDIA H200과 “다른 공급자의 범용 GPU”를 포함한다. 공식 문서가 특정 중국산 칩 이름을 밝히지는 않았다. 따라서 K3가 어느 중국 가속기에서 H200과 같은 효율을 냈다고 단정하면 안 된다. 확인된 사실은 문샷AI가 비NVIDIA 하드웨어의 커널 최적화 능력까지 같은 시험에 넣었다는 것이다.

그 자체로 전략은 분명하다. 중국의 프런티어급 모델은 NVIDIA가 부족해도 배포할 수 있어야 한다. 미국·유럽·중동의 사용자는 NVIDIA, AMD, 자체 가속기 가운데 비용이 낮은 곳을 선택하고 싶어 한다. K3는 모델을 특정 칩에 고정하기보다 여러 하드웨어가 경쟁할 수 있는 상태를 목표로 한다.

3. 가격표가 말하는 문샷AI의 자리

3.1 K3는 저가 대체재가 아니다

2026년 7월 17일 공개 가격을 같은 단위로 놓으면 다음과 같다.

모델	캐시 입력 100만 토큰	일반 입력	출력	현재 해석
Kimi K3	0.30달러	3달러	15달러	프런티어 주력 모델 가격
Claude Sonnet 5 출시 할인	별도 조건	2달러	10달러	8월 31일까지 한시 할인
Claude Sonnet 5 정상가	별도 조건	3달러	15달러	K3와 같은 기본 가격
GPT-5.6 Sol	0.50달러	5달러	30달러	K3보다 입력 67%, 출력 100% 비쌈

K3는 Sonnet 5의 한시 할인보다 비싸다. “동급 성능을 절반 가격에 제공한다”는 설명은 GPT-5.6 Sol과 비교한 출력 가격에는 맞지만 전체 경쟁 구도에는 맞지 않는다. 더 정확한 해석은 Sonnet의 정상가에 맞추고, 가장 비싼 프런티어 모델보다 낮게 책정했다는 것이다.

가격은 자신감의 표시이면서 수익화 장치다. 직전 세대처럼 싸게 사용자를 모으는 대신, 성능 비교표에서 프런티어 층에 들어온 만큼 단가도 올렸다. 문샷AI가 노리는 자리는 실패해도 싼 보조 모델이 아니라 기업 호출의 기본값이다.

3.2 토큰 가격보다 작업 한 건의 비용을 봐야 한다

API 가격표는 토큰 수가 같다는 가정에서만 비교된다. 에이전트는 모델에 따라 계획 길이, 도구 호출 횟수, 재시도, 출력 verbosity가 다르다. K3는 현재 최대 추론 강도가 고정돼 있다. 독립 평가업체 Artificial Analysis의 K3 측정에서는 지능 지수 평가에 사용한 출력 토큰이 1억3,000만개로 동급 중앙값 6,300만개의 두 배를 넘었다. 같은 일을 더 길게 푼다면 출력 단가가 낮아도 작업당 비용은 높을 수 있다.

간단한 식은 다음과 같다.

작업당 비용 = 입력 토큰 × 입력 단가 + 출력 토큰 × 출력 단가 + 도구·재시도 비용

예를 들어 두 모델의 출력 단가가 2배 차이 나더라도 싼 모델이 출력 토큰을 2배 쓰고 재시도를 더 많이 하면 절감은 사라진다. 기업 구매자는 벤치마크 점수보다 다음 지표를 본다.

운영 지표	왜 중요한가
작업 성공률	실패한 싼 호출은 다시 실행해야 한다
작업당 출력 토큰	출력은 입력보다 비싸다
첫 토큰 지연과 처리속도	에이전트 병렬 실행 수와 사용자 경험을 결정한다
도구 호출 성공률	긴 작업에서 작은 오류가 전체 비용을 키운다
캐시 적중률	K3는 캐시 입력이 일반 입력의 10분의 1 가격이다
중간 전환 안정성	K3는 사고 이력을 보존하지 않으면 품질이 불안정할 수 있다

문샷AI는 Mooncake 기반 공식 API에서 코딩 작업의 캐시 적중률이 90%를 넘는다고 주장한다. 반복되는 코드베이스와 시스템 프롬프트를 캐시에 올리면 입력 단가는 크게 낮아진다. 이 주장이 실제 기업 트래픽에서도 재현되면 K3 가격 경쟁력은 표면 가격보다 좋아진다.

3.3 Mooncake는 메모리와 스토리지 수요의 위치를 바꾼다

Mooncake는 문샷AI의 추론 서빙 구조다. 입력을 처리하는 prefill 클러스터와 토큰을 생성하는 decode 클러스터를 나누고, KV 캐시를 GPU HBM에만 두지 않고 CPU, 서버 DRAM, SSD에 분산한다. 논문은 시뮬레이션에서 최대 525% 처리량, 실제 작업에서 75% 더 많은 요청을 처리했다고 보고한다.

이 구조는 AI 메모리 수요가 HBM 하나로 끝나지 않는 이유를 보여준다.

가속기 HBM → 서버 DRAM → 엔터프라이즈 SSD → 원격 캐시 계층

KDA가 요청별 KV 캐시를 줄여도 100만 토큰 에이전트가 늘면 캐시의 총량과 보존 기간은 커진다. 자주 쓰는 데이터는 HBM과 DRAM에, 덜 자주 쓰는 데이터는 SSD에 남는다. AI 추론 효율화가 HBM만의 이야기를 약하게 할 수는 있지만, 서버 DRAM과 eSSD를 포함한 메모리 계층 전체의 중요성은 오히려 커진다.

4. 중국 오픈웨이트가 기업의 기본값을 노린다

K3 하나만 보면 사건의 크기를 놓친다. OpenRouter는 2026년 6월 초 자사 플랫폼에서 중국 모델의 토큰 점유율이 미국 모델을 넘어섰다고 집계했다. 표본은 1월부터 6월 14일까지 450조 토큰이 넘는다. DeepSeek의 점유율은 약 9%에서 18%로 늘었고, 5월 중순 이후 가장 많이 사용된 공급자가 됐다.

이 흐름은 세 단계로 진행된다.

저가 오픈모델이 테스트, 번역, 분류 같은 하위 작업을 가져간다.
코딩과 에이전트 성능이 올라가며 기업의 반복 작업을 가져간다.
프런티어 바로 아래 성능과 100만 토큰 문맥을 확보하면 주력 모델 호출까지 경쟁한다.

K3의 가격은 세 번째 단계에 맞춰져 있다. GLM 계열처럼 극단적으로 싼 가격으로 아래층을 넓히는 전략과 다르다. Sonnet 정상가를 받으면서 가중치를 공개해 클라우드·국가·기업이 직접 운영할 수 있게 하려는 구조다.

닫힌 API와 오픈웨이트는 서로 다른 자산을 쌓는다.

닫힌 프런티어 API	오픈웨이트 프런티어 근접 모델
최신 성능과 사용자 경험을 통제	배포 경로와 하드웨어 선택이 빠르게 늘어남
모델 사용 데이터가 공급자에게 집중	기업이 데이터와 운영을 내부에 보관 가능
가격과 정책을 중앙에서 변경	파일이 공개되면 회수하기 어려움
매출총이익을 모델 사업자가 가져감	클라우드·칩·응용회사가 가치 일부를 가져감

미국의 최상위 모델이 계속 1위를 지켜도 유료 호출의 몫은 줄 수 있다. 기업은 실패 비용이 낮은 반복 작업을 K3 같은 모델에 보내고, 가장 어려운 설계·법률·연구 작업만 최상위 닫힌 모델에 보낼 수 있다. 프런티어 모델의 순위보다 유료 토큰의 혼합 단가와 호출 비중이 손익을 결정한다.

5. 반도체 수요: 효율화와 확산이 동시에 온다

5.1 NVIDIA: 단기 효율 우려, 중기 배포량 탄성

K3는 NVIDIA에 두 개의 반대 신호를 준다.

부정적 신호는 분명하다. 희소 MoE, KDA, 양자화, 커널 자동 최적화는 같은 작업에 필요한 GPU 시간을 줄인다. 대체 가속기에서 커널을 맞추려는 설계는 CUDA의 독점 지위를 약하게 만든다. “프런티어 근접 성능을 더 적은 계산과 여러 칩에서 낼 수 있다”는 문장은 NVIDIA 멀티플에 부담이다.

긍정적 신호도 크다. 2.8조 파라미터 모델을 직접 돌리려면 64개 이상 가속기 슈퍼노드가 권장된다. 가중치가 공개되면 중국 밖의 클라우드, 정부, 연구소, 대기업이 자체 서빙을 시작할 수 있다. API 한 곳에서 처리되던 수요가 여러 데이터센터의 장비 주문으로 바뀐다.

NVIDIA 수요를 결정하는 식은 다음에 가깝다.

총 가속기 수요 = 작업당 GPU 시간 감소 × 전체 작업량 증가 × 자체 배포 기관 수 증가

첫 항은 음수, 뒤의 두 항은 양수다. 가격이 내려갈 때 사용량이 얼마나 늘어나는지가 결론을 가른다. K3 한 건만으로 NVIDIA 실적 추정치를 낮출 근거는 부족하다. 다만 GPU 효율 개선이 곧바로 GPU 수요 증가로 이어진다는 단순 강세론도 검증이 필요하다.

5.2 AMD: 하드웨어 선택권이 생길 때의 옵션

AMD에는 상대적으로 긍정적인 구조다. K3가 MXFP4·MXFP8과 vLLM 호환을 통해 여러 가속기에서 돌아가면, 기업은 NVIDIA 외 선택지를 시험할 수 있다. 프런티어 근접 오픈웨이트는 하드웨어 구매자가 특정 모델 공급자와 특정 칩 공급자를 분리할 수 있게 한다.

그러나 가중치 공개 전에는 옵션일 뿐이다. ROCm 커널, 전문가 병렬 통신, 100만 토큰 처리량, 64개 이상 클러스터 안정성이 실제로 확인돼야 한다. AMD의 수혜는 “열린 모델이 많아졌다”가 아니라 “K3가 MI 계열에서 비용 대비 처리량을 입증했다”는 데이터가 나올 때 커진다.

5.3 HBM: 요청당 캐시는 줄고 모델 상주량은 커진다

HBM 영향은 세 층으로 나눠야 한다.

층	K3 효율화의 영향	수요 방향
가중치 상주	2.8조 모델 전체를 빠르게 접근해야 함	HBM·가속기 수 증가 요인
요청별 KV 캐시	KDA가 캐시 크기와 문맥 증가율을 낮춤	요청당 HBM 용량 감소 요인
동시 사용자·에이전트 수	비용 하락과 오픈 배포로 사용량 확대 가능	총 HBM·DRAM 수요 증가 요인

SK하이닉스·마이크론·삼성전자에는 단기 헤드라인이 부정적으로 읽힐 수 있다. 75% KV 캐시 절감과 6.3배 처리량 같은 숫자는 메모리 집약도를 낮추는 것처럼 보이기 때문이다. 그러나 그 숫자는 Kimi Linear 연구 모델의 특정 조건이며, K3 전체 실측이 아니다. 또 HBM은 KV 캐시만 담지 않는다. 모델 가중치, 활성값, 통신 버퍼, 배치 처리도 HBM을 사용한다.

중기 결론은 중립에서 긍정 쪽이다. 프런티어 근접 오픈웨이트가 기업과 국가의 자체 클러스터를 늘리고, 에이전트 작업량이 효율 개선보다 빠르게 늘면 총 HBM 수요는 증가한다. 반대로 호출량 탄성이 약하고 모델 압축 속도가 더 빠르면 HBM 장기 수요 추정치는 낮아진다.

5.4 서버 DRAM과 eSSD: 가장 명확한 2차 수혜

긴 문맥과 캐시 재사용은 모든 데이터를 HBM에 둘 수 없게 한다. Mooncake처럼 prefill과 decode를 나누고 캐시를 CPU·DRAM·SSD로 분산하면 서버 DRAM과 엔터프라이즈 SSD가 AI 추론의 운영 자산이 된다.

이 경로는 한국 메모리 기업에도 중요하다.

삼성전자: HBM뿐 아니라 서버 DRAM, 고용량 eSSD, 파운드리와 패키징을 함께 공급할 수 있다.
SK하이닉스: HBM 리더십에 서버 DRAM과 Solidigm eSSD가 붙는다.
마이크론: HBM과 데이터센터 DRAM·SSD를 함께 제공한다.

K3가 보여준 것은 “HBM을 덜 쓴다”가 아니라 AI 메모리가 계층화된다는 점이다. 가장 뜨거운 데이터는 HBM, 오래 유지할 문맥은 서버 DRAM, 재사용 가능성이 낮은 캐시는 eSSD로 이동한다. HBM 단일 품목보다 메모리 계층 전체를 가진 기업이 방어력이 높다.

5.5 네트워크와 맞춤형 칩: 희소 MoE의 숨은 병목

전문가 896개를 여러 가속기에 나누면 어떤 토큰이 어느 전문가로 갈지에 따라 통신량이 달라진다. 문샷AI가 정적 형태와 호스트 동기화 제거, 완전 균형 전문가 병렬 학습을 강조한 이유다. 64개 이상 가속기에서 모델을 효율적으로 돌리려면 고대역폭 scale-up·scale-out 네트워크가 필요하다.

이 구조는 Broadcom, Marvell, NVIDIA 네트워킹, 광통신과 스위치 실리콘에 긍정적이다. 장기적으로는 K3 같은 오픈 모델에 맞춘 추론 ASIC을 설계하려는 수요도 늘 수 있다. 문샷AI가 K3로 작은 추론 칩을 48시간 동안 설계했다는 사례는 아직 상업 칩이 아니지만, 모델과 하드웨어의 공동 최적화가 빨라지는 방향은 보여준다.

6. 미국 빅테크의 AI 전략과 주가 경로

6.1 Microsoft: OpenAI 경제성 압박, Azure 사용량 확대

Microsoft는 OpenAI와의 관계에서 두 자산을 가진다. 모델 IP와 수익 배분, 그리고 Azure라는 인프라다. 2026년 4월 발표된 새 협력 구조에서도 Microsoft는 주요 클라우드 파트너 지위를 유지하고 IP 사용권은 2032년까지 비독점으로 이어진다.

K3는 모델 계층에는 부담이다. 기업이 반복 작업을 오픈웨이트로 돌리면 OpenAI API의 평균 단가와 호출 비중이 낮아질 수 있다. 반면 Azure가 K3를 관리형 서비스나 자체 배포 인프라로 받으면 계산·스토리지·네트워크 매출은 남는다.

Microsoft 계층	K3 영향
OpenAI 수익 배분	가격과 호출 혼합비에 부정적
Copilot	라우팅 비용을 낮출 수 있어 긍정적
Azure AI	다중 모델 사용량이 늘면 긍정적
자체 가속기·데이터센터	오픈웨이트 최적화 수요가 늘면 긍정적

주가에는 단기 중립, 중기에는 Azure가 모델 가격 하락을 얼마나 사용량과 Copilot 마진으로 바꾸는지가 중요하다. 모델 1등의 독점가치가 낮아져도 클라우드가 사용량을 흡수하면 손익은 방어된다.

6.2 Amazon: Anthropic 지분과 AWS의 이해가 다르다

Amazon은 Anthropic의 주요 투자자이자 AWS·Bedrock·Trainium·Inferentia 공급자다. K3가 Claude 호출을 대체하면 Anthropic의 가격 결정력과 Amazon의 투자자산 가치에는 부담이다. 하지만 기업이 K3를 AWS에서 돌리면 EC2, Bedrock, 스토리지, 네트워크, Trainium 사용량은 늘 수 있다.

Amazon의 최적 전략은 한 모델의 승리를 고집하는 것이 아니라 고객이 어떤 모델을 고르든 AWS에 남게 하는 것이다. K3 가중치가 허용적인 라이선스로 나오고 Trainium에서 효율적으로 돌면 AWS는 경쟁 모델의 확산에서도 돈을 벌 수 있다.

주가 영향은 중립에서 소폭 긍정이다. Anthropic 가치 하락 위험보다 AWS가 다중 모델 추론의 시장을 넓히는 효과가 더 클 수 있다. 단, 오픈모델의 가격 경쟁이 클라우드 추론 마진까지 낮추면 매출 성장과 이익률이 엇갈린다.

6.3 Alphabet: Gemini 가격 압력과 TPU·Vertex의 방어력

Google은 Gemini라는 모델, TPU라는 칩, Vertex AI라는 배포 플랫폼, 검색·광고라는 최종 수요를 모두 가진다. Vertex Model Garden은 Google 모델뿐 아니라 제3자 모델과 오픈모델을 배포할 수 있다.

K3는 Gemini API 가격에는 부담이지만 TPU와 Google Cloud에는 기회다. KDA와 희소 MoE가 TPU에서 잘 작동하면 Google은 경쟁 모델을 자사 인프라로 흡수할 수 있다. 모델 비용이 낮아지면 AI Overviews, 광고 생성, Workspace 에이전트의 원가도 내려간다.

주가에는 중립에서 긍정이다. Google은 모델 판매만으로 돈을 버는 회사가 아니다. K3가 모델을 범용 부품으로 만들수록 검색·광고·업무 배포를 장악한 사업자의 협상력이 커질 수 있다. 반대로 Gemini가 성능과 가격에서 동시에 밀리면 클라우드 신규 고객 확보 비용은 높아진다.

6.4 Meta: 오픈웨이트의 수혜자에서 방어자로

Meta는 오픈웨이트 확산의 대표 수혜자였다. 모델을 무료에 가깝게 풀어 경쟁사의 API 가격을 낮추고, 자체 추천·광고·콘텐츠 비용을 줄이는 전략이다. 중국 모델이 프런티어 근접 성능과 더 큰 문맥을 먼저 공개하면 Meta는 미국 오픈 진영의 기준점이라는 지위를 잃을 수 있다.

K3는 Meta에 두 가지 요구를 한다.

다음 Llama가 성능만이 아니라 긴 문맥, 에이전트 도구, 배포 비용에서 경쟁해야 한다.
미국 기업과 정부가 중국 가중치 사용을 꺼릴 때 대체할 신뢰 가능한 미국 오픈모델을 제공해야 한다.

주가 영향은 단기 제한적이다. Meta의 현금흐름은 광고가 만든다. 중기에는 자체 모델이 뒤처질 경우 AI 인프라 투자 효율과 개발자 생태계의 가치가 낮아질 수 있다. 반대로 K3가 오픈웨이트 수요 자체를 키우면 Meta의 기존 전략이 옳았다는 증거가 된다.

6.5 NVIDIA·Oracle까지 포함한 현재 위치

K3 발표 직전 시장은 이미 AI 인프라 안에서도 크게 갈라져 있었다. 2026년 6월 22일 종가부터 7월 16일 종가까지 미국 현지 데이터 기준 수익률은 다음과 같다. 이 기간 대부분은 K3 발표 전이므로 K3의 결과가 아니라 발표를 받아들이는 시장의 기존 포지션이다.

종목	6월 22일~7월 16일	기간 고점 대비	해석
Meta	+17.9%	-3.1%	광고 현금흐름과 AI 활용 기대가 견조
Microsoft	+9.2%	-1.2%	클라우드·소프트웨어 방어력
Amazon	+7.3%	-3.2%	AWS와 소비 회복 기대
Alphabet	+1.4%	-5.5%	검색·클라우드 혼합
NVIDIA	-0.6%	-3.1%	대형주 중 상대적으로 견조
Broadcom	-4.5%	-9.7%	맞춤형 AI 칩 기대와 가격 부담
AMD	-9.2%	-14.3%	대안 가속기 기대는 있으나 변동성 확대
Micron	-29.6%	-32.0%	메모리 기대가 높아진 뒤 조정
Oracle	-29.1%	-32.7%	AI 인프라 투자와 자금 부담의 충돌
Marvell	-38.8%	-40.1%	네트워크·맞춤형 칩 기대의 급격한 디레이팅

K3는 이미 조정받은 메모리·네트워크 종목 위에 올라온 효율화 뉴스다. 그래서 단기 주가 반응은 산업 수요보다 포지션에 더 민감할 수 있다. NVIDIA처럼 상대적으로 버틴 종목은 효율 우려에 흔들릴 수 있고, Micron·Marvell처럼 이미 크게 빠진 종목은 가중치 공개 후 실제 인프라 수요가 확인되면 반등 탄성이 커질 수 있다.

7. 종목별 영향 지도

기업·축	단기 신호	중기 경로	현재 판단
NVIDIA	효율화·대체 하드웨어 서사로 멀티플 부담	64개 이상 가속기 자체 배포가 수요를 보완	실적 추정치 변경보다 사용량 탄성 확인
AMD	비NVIDIA 배포 기대	ROCm 처리량이 증명되면 점유율 옵션	7월 27일 이후 벤치마크 대기
Broadcom·Marvell	AI 네트워크 디레이팅 중	MoE 전문가 병렬과 슈퍼노드 통신 수요	네트워크 주문과 K3 클러스터 구조 확인
SK하이닉스	KV 캐시 절감 숫자에 민감	HBM·서버 DRAM·Solidigm eSSD 계층 수혜	HBM 단일 논리보다 메모리 계층으로 평가
삼성전자	HBM 효율 우려와 HBM 추격 지위	HBM·서버 DRAM·eSSD·파운드리 묶음 옵션	가장 넓은 포트폴리오, 실행 확인 필요
Micron	높은 기대 뒤 조정, 효율 뉴스 부담	미국 AI 메모리와 DRAM·SSD 통합 수혜	공급·가격보다 배포량 탄성 확인
Microsoft	OpenAI 호출 단가 압력	Azure·Copilot 원가 개선	모델 마진보다 클라우드 사용량이 중요
Amazon	Anthropic 가치에는 부담	AWS·Bedrock·Trainium은 다중 모델 수혜	상쇄 구조가 가장 명확
Alphabet	Gemini 가격 압력	TPU·Vertex·검색 원가 절감	응용 계층 방어력 우세
Meta	미국 오픈모델 주도권 압박	Llama 재가속 또는 오픈 생태계 확대 수혜	광고 실적 영향은 아직 제한적

현재 단계에서 이 뉴스만으로 새 매수·매도 판단을 만들기는 이르다. 가중치와 라이선스가 없고, 외부 하드웨어별 처리량도 없다. 주식에는 구조적 방향보다 확인 순서가 중요하다.

8. 세 가지 시나리오

기본 시나리오: 강한 모델, 제한적 재평가

확률 감각 55%다. 7월 27일까지 가중치와 비교적 허용적인 라이선스가 나오고, 외부 평가에서 공식 성능의 85~95%가 재현된다. NVIDIA와 AMD에서 배포가 가능하지만 64개 이상 가속기, 최대 추론 강도, 많은 출력 토큰 때문에 비용은 여전히 높다.

닫힌 API: 반복 업무의 가격 압력 확대
클라우드: K3 등록과 자체 배포 수요 증가
반도체: 토큰당 효율 개선과 총사용량 증가가 상쇄
HBM: 중립에서 소폭 긍정
서버 DRAM·eSSD·네트워크: 긍정

강세 시나리오: 오픈웨이트가 기업 주력층으로 진입

확률 감각 25%다. MIT에 가까운 라이선스, 안정적인 vLLM·SGLang 지원, NVIDIA·AMD·중국 가속기에서 높은 처리량이 확인된다. 외부 평가에서 Fable 5와 GPT-5.6 Sol 바로 아래 성능이 반복되고, 낮은 추론 강도 모드가 추가돼 작업당 비용도 내려간다. 주요 클라우드와 기업 AI 게이트웨이가 K3를 기본 라우팅 후보로 넣는다.

닫힌 모델 사업자: API 혼합 단가와 호출 점유율 하락
하이퍼스케일러: 멀티모델 클라우드 사용량 증가
가속기: 자체 서빙 클러스터 증가
HBM·네트워크·서버 DRAM·eSSD: 총배포량 증가의 직접 수혜
미국 오픈모델: Meta와 미국 연구 프로젝트의 대응 투자 확대

약세 시나리오: 가중치 공개 뒤 비용과 품질의 간격 확인

확률 감각 20%다. 가중치 공개가 늦어지거나 라이선스가 제한적이고, 외부 평가가 공식 점수보다 낮다. 사고 이력 보존 문제와 과도한 자율 행동이 기업 운영에서 장애가 된다. 최대 추론 강도와 긴 출력 때문에 작업당 비용이 Sonnet 5보다 높고, 64개 이상 가속기 요구가 자체 배포를 제한한다.

문샷AI: 프런티어 가격 전략 후퇴 가능
닫힌 API: 사용자 경험과 안정성 프리미엄 유지
반도체: K3 자체의 추가 수요는 제한적
주가: 효율화 충격보다 기존 실적과 CAPEX가 다시 중심이 됨

9. 7월 27일 이후 확인표

확인 항목	강한 신호	약한 신호
가중치·라이선스	기한 내 전체 공개, 상업 이용과 수정 허용	공개 지연, 사용 제한, 핵심 구성 누락
외부 평가	동일 실행기에서 공식값 근접	자체표 대비 큰 하락
실제 작업당 비용	낮은 추론 강도 추가, 출력 토큰 감소	`max` 고정과 긴 출력 지속
NVIDIA 처리량	64개 노드에서 안정적 전문가 병렬	통신 병목과 낮은 가동률
AMD 처리량	ROCm·vLLM에서 비용 우위	커널 미성숙과 정확도 손실
중국 가속기	공급자와 실측 처리량 공개	“대체 GPU” 표현만 유지
캐시	기업 트래픽에서 90% 안팎 적중	코딩 외 업무에서 적중률 급락
클라우드 채택	AWS·Azure·Google Cloud·Oracle 등록	소수 중국 플랫폼에 머묾
가격 대응	경쟁사 정상가 인하 또는 캐시 할인 확대	한시 프로모션만 유지
메모리 주문	HBM·서버 DRAM·eSSD 물량 상향	효율 개선만 반영되고 물량 정체

10. 반대 논리와 폐기 조건

가장 강한 반대 논리는 단순하다. 효율이 사용량보다 빨리 좋아지면 반도체 수요는 줄어든다. 모델 압축, 선형 어텐션, 양자화, 캐시 재사용, 추론 ASIC이 동시에 발전하면 같은 수의 유용한 작업을 훨씬 적은 GPU와 HBM으로 처리할 수 있다. 오픈웨이트 경쟁이 API 가격을 떨어뜨려도 기업의 유료 작업량이 충분히 늘지 않으면 전체 AI 매출과 설비투자 수익률이 낮아진다.

이 반대 논리가 맞다는 증거는 다음과 같다.

토큰 가격이 내려가는데 전체 추론 매출 성장률도 둔화한다.
가속기 이용률은 오르지만 신규 클러스터 주문은 줄어든다.
HBM 비트 출하 증가율이 모델 효율 개선 속도보다 낮다.
클라우드 사업자의 AI backlog가 매출로 전환되지 않는다.
기업이 오픈모델을 비용 절감에만 쓰고 새 업무를 만들지 않는다.

반대로 K3 강세 논리가 성립하려면 가격 하락이 더 많은 작업을 만들어야 한다. 긴 코드베이스 분석, 연구 자동화, 영상 편집, 칩 설계처럼 기존에는 비용 때문에 못 하던 작업이 상용 트래픽으로 바뀌어야 한다. 모델의 효율보다 사용량의 탄성이 큰지 확인하는 것이 HBM과 가속기 투자의 공통 검증점이다.

11. 최종 판단

Kimi K3는 중국이 미국의 최상위 닫힌 모델을 완전히 따라잡았다는 증거가 아니다. 문샷AI도 사용자 경험의 격차를 인정한다. 7월 17일 현재 전체 가중치와 기술 보고서도 없다. 자체 벤치마크와 서로 다른 실행기를 섞은 비교표만으로 승자를 확정할 수 없다.

그럼에도 시장 구조는 바뀌었다. 2.8조 파라미터, 100만 토큰, 프런티어 근접 성능을 가진 모델이 Sonnet 정상가로 API에 들어왔고, 열흘 안에 가중치까지 공개하겠다고 예고했다. 중국 오픈웨이트는 싸지만 한 단계 낮은 모델이 아니라 기업 주력 호출을 노리는 상품으로 올라왔다.

반도체에는 수요 파괴보다 수요 재배치에 가깝다. KDA와 양자화는 요청당 HBM과 GPU 시간을 줄인다. 희소 MoE와 64개 가속기 슈퍼노드는 모델 상주 메모리와 네트워크를 키운다. Mooncake는 캐시를 서버 DRAM과 eSSD로 내려보낸다. 따라서 HBM만 떼어 보면 효율 우려가 생기지만, 메모리 계층과 데이터센터 전체로 보면 배포량 증가의 수혜가 남는다.

미국 빅테크의 손익도 같은 방식으로 갈린다. 모델 API는 가격 압력을 받고, 클라우드와 응용 소프트웨어는 낮아진 모델 원가를 흡수한다. Microsoft·Amazon·Alphabet은 자사 모델이 밀리더라도 클라우드에서 K3 사용량을 받을 수 있다. Meta는 미국 오픈웨이트의 기준점이라는 전략적 지위를 방어해야 한다.

7월 27일에는 순위표보다 배포 파일을 봐야 한다. 라이선스가 넓고, 외부 평가가 재현되며, 여러 가속기에서 비용 대비 처리량이 확인되면 K3는 중국 모델 한 건이 아니라 AI 가격표와 반도체 수요 경로를 함께 바꾸는 사건이 된다. 반대로 가중치, 라이선스, 작업당 비용 가운데 하나라도 막히면 이번 발표는 강한 제품 출시로 남고 산업 구조 변화까지 이어지지는 않는다.

근거와 한계

구분	내용
[Fact]	K3 공식 발표, API 가격, 벤치마크 표, 한계, 64개 이상 가속기 권장 사양은 문샷AI 자료를 기준으로 했다
[Fact]	Kimi Linear의 75% KV 캐시 절감과 6.3배 수치는 48B/3B 연구 모델의 논문 결과다
[Fact]	Sonnet 5 출시 할인과 정상가, GPT-5.6 Sol 가격은 각 회사 공식 가격표를 사용했다
[Inference]	HBM·서버 DRAM·eSSD·네트워크 영향은 공개 아키텍처와 서빙 구조를 바탕으로 한 수요 경로 분석이다
[Blocked]	K3 전체 활성 파라미터, 실제 가중치 크기, 라이선스, AMD·중국 가속기 실측, 기업 트래픽 작업당 비용은 아직 확인되지 않았다

주요 자료: Kimi K3 공식 발표, Kimi K3 API 문서, Kimi Linear 논문, Kimi Linear GitHub, Attention Residuals 논문, Mooncake 논문, Claude Sonnet 5 가격, GPT-5.6 Sol 가격, OpenRouter 오픈모델 사용량 분석, Microsoft·OpenAI 협력 구조, Google Vertex Model Garden, Amazon·Anthropic 협력.

K3는 가중치와 기술 보고서가 공개되기 전 단계다. 7월 27일 이후 라이선스와 외부 평가 결과에 따라 결론이 달라질 수 있다.

Kimi K3 on Korea Invest Insights

반도체 주간 심층 리포트: 강해진 실적, 낮아진 멀티플, 2028년으로 이동한 승부처

TL;DR

1. 범위와 증거 규칙

2. 한 주의 사건 지도

3. 이번 주에 더 강해진 근거

3.1 TSMC와 ASML은 AI 주문이 실물로 이동했음을 보여줬다

3.2 메모리 가격은 높은 수준을 유지한다

3.3 HBM 확대는 범용 DRAM 공급을 잠식한다

3.4 2027년 부족은 강한 결론, 2030년 2.5배 부족은 시나리오다

4. 이번 주에 더 강해진 위험

4.1 좋은 실적보다 이익 변화율이 중요해졌다

4.2 장기계약은 이익 바닥과 가격 상단을 함께 만든다

4.3 장비 주문은 현재 수요이자 미래 공급이다

4.4 높은 메모리 가격은 고객 수요를 훼손할 수 있다

4.5 AI 투자의 병목이 자본비용으로 이동한다

5. 주가 급락은 수급 충격인가, 펀더멘털 재평가인가

6. 중국은 세 가지 변수다

6.1 중국은 큰 수요처다

6.2 중국은 범용 메모리 경쟁자다

6.3 중국은 정책으로 분리될 수 있다

7. Kimi K3와 효율화: 수요 소멸보다 위치 이동

8. 다섯 시계로 보면 모순이 사라진다

9. 시나리오 업데이트

10. 종목과 밸류체인별 역할

삼성전자: 위험조정 코어

SK하이닉스: 희소성 장기화의 순수 베타

Micron: 미국 정책과 순수 메모리의 교집합

SanDisk: NAND·eSSD의 전술적 베타

TSMC와 ASML: 수요 검증자이자 미래 공급의 선행지표

한국 장비·소재: 계획보다 실제 발주와 반복매출

11. 반대 논리: 이 결론이 틀릴 수 있는 지점

수요 근거를 중복 계산했을 수 있다

2030년 수요 모델이 효율화를 과소평가했을 수 있다

CAPEX가 투자 회수보다 빨리 늘 수 있다

중국 정책이 실행되지 않을 수 있다

오픈모델의 회사 발표가 외부에서 재현되지 않을 수 있다

주가 약세를 모두 강제청산으로 설명했을 수 있다

12. 판단을 바꾸는 관측 조건

강세 확률을 높이는 조건

P3 정상화 확률을 높이는 조건

P4 경고 조건

13. 7월 말부터 확인할 자료

14. 최종 판단

주요 근거

공개자료의 한계

중국 오픈모델의 성능 수렴이 바꾸는 것: 수요 붕괴가 아니라 가치사슬 재배분

TL;DR

1. 먼저 사실부터 확인한다

효율 개선은 실재한다

그러나 반대편도 실재한다

2. 핵심 방정식: 무엇을 봐야 하나

현재까지의 판정

3. 반도체 영향: 종목별로 갈린다

왜 삼성이 하이닉스보다 상대 우위인가

엔비디아와 H200

4. 빅테크 영향

2025년 DeepSeek 충격의 교훈

5. 중국 오픈모델 논지 판정

6. CXMT의 HBM은 지금 어디까지 왔나

레거시 DRAM 가설을 이렇게 고쳐야 한다

7. 미국 정책은 이 해석을 어떻게 바꾸나

다만 완전한 디커플링은 아니다

8. 중국 모델 API를 서구 엔터프라이즈가 쓸 수 있나

직접 API의 한계

9. 테시스 수정: 무엇이 바뀌고 무엇이 남나

10. 피해와 수혜의 순서

11. 시나리오 업데이트

12. 무엇을 확인하면 판단을 바꾸나

마무리

관련 포스팅

Kimi K3가 바꾼 AI 가격표: Kimi Linear부터 HBM·빅테크 전략까지

TL;DR

1. 먼저 바로잡아야 할 수치

2. 2.8조 파라미터는 왜 가능한가

2.1 총량과 활성량을 분리해야 한다

2.2 Kimi Linear가 푸는 것은 문맥 길이의 비용이다

2.3 Attention Residuals는 깊이의 정보 손실을 줄인다

2.4 양자화는 중국산 칩 하나를 위한 기술이 아니다

3. 가격표가 말하는 문샷AI의 자리