오픈AI 직원이 1인당 연 35억 원어치 AI를 쓰는 이유: AI 인프라 투자, 반도체 주식, 금리 전망이 한 번에 연결되는 순간
이번 원문에서 진짜 중요한 포인트는 단순히 “새 AI 모델이 좋아졌다”가 아닙니다.
핵심은 오픈AI 내부에서 AI가 연구원을 보조하는 수준을 넘어, 실제 연구 생산성을 몇 배로 끌어올리는 단계에 들어갔다는 점입니다.
그리고 이 변화는 곧바로 AI 인프라 투자, 메모리 반도체 수요, 데이터센터 전력망, 광통신 장비, 글로벌 경제 전망까지 이어집니다.
쉽게 말해, 지금 시장은 “AI가 돈을 벌 수 있느냐”를 다시 묻는 게 아니라, “AI를 돌릴 컴퓨팅 파워와 메모리가 충분하냐”를 묻기 시작했습니다.
1. 매크로 환경: 유가 상승, 인플레이션, 금리 부담이 다시 시장을 누르고 있다
원문에서 가장 먼저 짚은 변수는 유가입니다.
브렌트유는 약 99달러, WTI는 약 94달러 수준까지 올라온 것으로 언급됐습니다.
골드만삭스는 운송 차질이 길어질 경우 국제유가가 120달러까지 갈 수 있다는 전망을 내놓았다고 소개됐습니다.
- 브렌트유: 약 99달러
- WTI: 약 94달러
- 유가 상단 전망: 120달러 가능성
- 현실적 저항선 관점: 100달러 부근에서 부담 확대
유가가 중요한 이유는 간단합니다.
유가는 물류비, 생산비, 소비자물가에 직접 영향을 주는 인플레이션의 핵심 원재료입니다.
유가가 오르면 인플레이션 압력이 커지고, 인플레이션이 다시 살아나면 연준은 금리 인하에 신중해질 수밖에 없습니다.
원문에서는 미국 10년물 국채금리가 4.8%를 넘어서기 시작했다고 언급합니다.
이 구간은 주식시장, 특히 성장주와 기술주에는 꽤 부담스러운 레벨입니다.
만약 5%에 가까워지면 주식시장 밸류에이션에는 더 강한 압박이 들어올 수 있습니다.
정리하면, 현재 금리 전망은 주식시장에 우호적이지 않습니다.
그럼에도 AI 인프라 관련주는 오르는 흐름을 보이고 있다는 점이 이번 글의 핵심입니다.
2. 왜 나스닥은 부담스러운데 AI 인프라 주식은 버티는가
일반적으로 금리가 오르면 나스닥 기술주는 약합니다.
미래 이익을 당겨서 평가받는 성장주일수록 할인율 상승에 취약하기 때문입니다.
그런데 원문에서는 나스닥이 흔들리는 와중에도 반도체 지수와 AI 인프라 관련 종목들이 반등하고 있다고 설명합니다.
이유는 하나입니다.
시장이 AI 수요를 다시 숫자로 확인하기 시작했기 때문입니다.
AI가 단순한 테마가 아니라, 실제로 더 많은 GPU, 더 많은 메모리, 더 많은 전력, 더 많은 광통신망을 요구하는 구조적 수요라는 인식이 강해진 겁니다.
필라델피아 반도체 지수는 12,000선에 다시 접근한 것으로 언급됩니다.
이 12,000선은 기술적으로 중요한 지지와 저항 구간입니다.
바로 돌파하지 못하면 횡보할 수 있지만, 다음 실적 시즌에서 AI 관련 기업들이 강한 가이던스를 보여준다면 전고점 재도전 가능성이 커진다는 관점입니다.
3. GPT-6 Astra가 시장에 던진 메시지: AI가 AI를 개선하는 단계에 가까워졌다
원문에서는 GPT-6 Astra가 공개된 이후 시장 분위기가 바뀌었다고 설명합니다.
특히 젠슨 황이 Astra가 10만 개 이상의 Grace Blackwell 칩으로 학습됐다고 언급한 부분이 중요하게 다뤄집니다.
- 기존 대형 모델 학습 규모: 약 2만~3만 개 GPU 수준
- Astra 학습 규모: 약 10만 개 Grace Blackwell 칩
- 다음 모델 학습 예상 규모: 약 40만 개 GPU
이 부분이 중요한 이유는 AI 모델 성능 개선이 단순히 알고리즘만의 문제가 아니라는 점을 보여주기 때문입니다.
더 큰 모델, 더 긴 컨텍스트, 더 높은 자율성을 구현하려면 결국 압도적인 컴퓨팅 인프라가 필요합니다.
원문에서는 다음 모델이 40만 GPU 규모로 학습될 수 있다고 언급합니다.
현재보다 4배 많은 컴퓨팅 파워가 투입된다면 GPT-6.5 또는 GPT-7급 성능 향상이 가능하지 않겠냐는 기대가 나옵니다.
여기서 중요한 건 AI 개발 주기가 점점 짧아지고 있다는 점입니다.
AI가 코딩을 돕는 수준을 넘어서 연구 과정 자체에 참여하기 시작하면, AI 모델 발전 속도는 사람이 예상하는 것보다 훨씬 빨라질 수 있습니다.
4. AI 모델 성능 비교: Astra, Claude, Gemini의 격차가 주가에도 영향을 준다
원문에서는 주요 AI 모델 점수도 함께 언급합니다.
- GPT-6 Astra: 53점
- Claude Fable 5.1: 53점
- Meta Muse Spark: 48점
- 중국 GLM: 45점
- Grok: 44점
- Gemini: 41.5점
여기서 눈에 띄는 건 Gemini에 대한 평가입니다.
원문에서는 구글 주가가 강하게 올라가지 못하는 이유 중 하나로 Gemini의 상대적 부진을 지목합니다.
물론 구글은 검색, 유튜브, 클라우드, TPU 등 강력한 자산을 가진 기업입니다.
하지만 AI 모델 경쟁에서 시장의 기대치를 충족하지 못하면, 빅테크라고 해도 프리미엄을 받기 어렵습니다.
반대로 오픈AI, Anthropic, 메타처럼 모델 성능이 빠르게 개선되는 기업들은 AI 생태계 내 영향력이 더 커질 수 있습니다.
이는 결국 클라우드 수요, GPU 수요, 메모리 수요로 연결됩니다.
5. 가장 중요한 변화: AI 에이전트가 이제 더 오래 일한다
이번 Astra 관련 내용에서 진짜 핵심은 “답변을 잘한다”가 아닙니다.
사람 개입 없이 더 긴 작업을 끝까지 수행하는 능력이 좋아졌다는 점입니다.
과거 AI 에이전트는 몇 분 작업하다가 오류가 나거나, 중간에 맥락을 잃거나, “이건 못 하겠다”고 멈추는 경우가 많았습니다.
그런데 원문에서는 이번 모델이 훨씬 긴 시간 동안 작업을 유지하고, 더 복잡한 업무를 완결하는 능력이 좋아졌다고 설명합니다.
기업 입장에서는 이 차이가 엄청 큽니다.
AI가 5분짜리 업무만 할 수 있으면 보조도구입니다.
하지만 1시간, 3시간, 하루 단위 업무를 안정적으로 처리할 수 있으면 실제 직원 업무를 대체하거나 확장하는 시스템이 됩니다.
이 변화가 바로 에이전트 AI 시장의 출발점입니다.
아직 전 세계 인구 중 제대로 된 에이전트 AI를 활용하는 사람은 1% 수준에 불과하다는 관점도 원문에 나옵니다.
즉, 시장은 아직 초입이라는 이야기입니다.
6. 메모리가 AI 성능을 결정한다: NAND, SSD, HBM 수요가 더 커지는 이유
원문에서 가장 중요한 기술적 포인트는 메모리입니다.
AI 성능을 높이는 데 GPU만 중요한 게 아니라, 작업 기억과 장기 문맥 유지 능력이 결정적으로 중요해지고 있다는 설명입니다.
Astra 계열 모델에는 Notes 기능이 추가된 것으로 언급됩니다.
이 기능은 AI가 가진 문맥을 단순히 삭제하는 게 아니라, 중요한 정보를 압축해서 더 오래 보관하는 방식으로 이해할 수 있습니다.
즉, AI가 사람처럼 일하려면 이전 대화, 이전 작업 상태, 목표, 오류 기록, 핵심 맥락을 계속 들고 있어야 합니다.
이게 가능하려면 더 많은 저장장치와 더 빠른 메모리 대역폭이 필요합니다.
- NAND 수요 증가
- SSD 수요 증가
- HBM 수요 증가
- 고대역폭 메모리 필요성 확대
- AI 서버 내 작업 메모리 용량 증가
원문에서는 ARC-AGI 벤치마크가 거의 99% 수준에 도달했다는 내용도 언급됩니다.
그 배경으로 긴 대화와 이전 상태를 유지하는 능력, 즉 메모리 구조 개선이 제시됩니다.
이 부분은 메모리 반도체 업황을 볼 때 매우 중요합니다.
AI가 똑똑해질수록 단순 연산뿐 아니라 기억해야 할 정보가 폭발적으로 늘어납니다.
그래서 메모리 반도체는 AI 인프라 병목 구간 중 하나로 계속 부각될 가능성이 높습니다.
7. 오픈AI 직원이 1인당 연 35억 원어치 AI를 쓰는 이유
원문에서 가장 충격적인 숫자는 오픈AI 상위 10% 연구자의 토큰 비용입니다.
하루 약 7,000달러의 AI 사용 비용이 발생한다고 언급됩니다.
- 하루 AI 사용 비용: 약 7,000달러
- 원화 환산: 하루 약 1,000만 원 수준
- 월간 비용: 약 3억 원
- 연간 비용: 약 35억~36억 원
이건 단순히 비싼 구독료 이야기가 아닙니다.
오픈AI 연구원들은 자기 연봉에 맞먹는 수준의 AI 컴퓨팅 자원을 매년 사용하고 있다는 뜻입니다.
반면 일반 기업의 평균 AI 사용 비용은 1인당 월 10달러 수준으로 언급됩니다.
쉽게 말해 대부분의 회사는 아직 챗GPT 구독료 정도만 내고 있는 수준입니다.
이 격차는 앞으로 기업 간 생산성 격차로 이어질 가능성이 큽니다.
AI를 비용으로 보는 기업과 AI를 직원 1명당 수십억 원어치 생산성 레버리지로 쓰는 기업의 차이는 시간이 갈수록 벌어질 수밖에 없습니다.
8. 오픈AI 내부 생산성 120배 증가: 연구자가 연구하는 게 아니라 AI가 연구한다
원문에서는 2025년 12월부터 2026년 8월까지 약 8개월 동안 오픈AI 내부 연구 산출량이 120배 증가했다고 설명합니다.
이 수치는 매우 과감한 주장입니다.
하지만 시장이 여기에 반응하는 이유는 분명합니다.
AI가 단순히 코드를 짜주는 도구가 아니라, 연구 설계, 실험, 분석, 수정, 반복 과정 전체에 참여하기 시작했다는 의미이기 때문입니다.
- 2026년 5월: AI가 인간 연구원 0.5명 수준의 업무 수행
- 2026년 8월: AI가 인간 연구원 3.14명 수준의 업무 수행
- 8개월간 연구 산출량: 120배 증가로 언급
이 흐름이 사실이라면, AI 산업은 완전히 다른 단계로 들어갑니다.
AI가 AI를 개선하는 피드백 루프가 시작되기 때문입니다.
이게 바로 원문에서 말하는 AGI 시대의 문턱입니다.
9. 시장 반응 ① 네오클라우드: 컴퓨팅 파워를 빌려주는 회사가 수혜를 본다
AI 워크로드가 늘어나면 가장 먼저 돈을 버는 곳은 컴퓨팅 자원을 공급하는 회사입니다.
원문에서는 네오클라우드 기업들이 강하게 상승했다고 언급합니다.
- CoreWeave: 강세
- Nebius: 강세
- Oracle: 상승 흐름
이 기업들은 AI 학습과 추론에 필요한 GPU 클러스터, 클라우드 인프라, 데이터센터 용량을 제공합니다.
AI 기업들이 자체 데이터센터만으로 수요를 감당하지 못하면, 이런 네오클라우드 업체들의 협상력이 커집니다.
결국 AI 수요 증가는 클라우드 인프라 기업의 매출 증가로 연결됩니다.
이것이 현재 시장이 다시 주목하는 AI 인프라 투자 논리입니다.
10. 시장 반응 ② 반도체 주식: 엔비디아만 보는 시장은 끝났다
원문에서는 AI 반도체 주식 전반이 강한 흐름을 보였다고 설명합니다.
다만 엔비디아는 전고점 근처에서 다소 주춤한 모습으로 언급됩니다.
- NVIDIA: 약세 또는 주춤한 흐름
- AMD: AI 수요 확대 기대감으로 상승
- Intel: 올해 세 차례 10% 가격 인상 언급, 주가 강세
- Qualcomm: 반도체 수요 확산 수혜
- Broadcom: AI 네트워크 및 맞춤형 반도체 기대감
특히 인텔의 가격 인상은 공급 부족을 보여주는 신호로 해석됩니다.
반도체 기업이 1년에 여러 번 가격을 올릴 수 있다는 건, 수요가 공급보다 강하다는 뜻입니다.
이제 AI 반도체 시장은 엔비디아 하나로만 설명하기 어렵습니다.
GPU, ASIC, CPU, 네트워크 칩, 메모리, 스토리지까지 전체 밸류체인이 함께 움직이고 있습니다.
11. 시장 반응 ③ 광통신: AI 데이터센터의 숨은 병목
원문에서는 Corning의 8,000마일 이상 광섬유 계약이 언급됩니다.
이 뉴스는 광통신 장비와 부품 기업에 긍정적으로 작용했습니다.
- Corning: 광섬유 계약 수혜
- Lumentum: 광통신 대표주로 강세
- Coherent: 광통신 부품 수혜
- Ciena: 네트워크 장비 수혜
AI 데이터센터는 내부에서도 엄청난 데이터를 주고받고, 데이터센터 간에도 막대한 트래픽을 처리해야 합니다.
그래서 광통신은 AI 인프라의 핵심 병목 중 하나입니다.
많은 투자자들이 GPU만 보지만, 실제 병목은 네트워크에서 발생할 수 있습니다.
AI 모델이 커질수록 서버끼리 주고받는 데이터량이 폭증하기 때문입니다.
원문에서는 광통신 섹터가 2027년에 더 빛날 수 있다는 관점도 제시됩니다.
이 부분은 장기 AI 인프라 투자 관점에서 계속 체크할 필요가 있습니다.
12. 시장 반응 ④ 전력망과 냉각: AI 데이터센터의 현실적인 한계
AI 데이터센터는 전기를 엄청나게 씁니다.
그래서 전력망, 발전, 냉각, 전력 모듈 기업도 AI 인프라 수혜주로 묶입니다.
- Bloom Energy: S&P 500 편입 기대와 전력 수요 수혜
- GE Vernova 계열 전력 인프라: 전력망 투자 기대
- Vertiv: 냉각 솔루션과 전력 모듈 수혜
- NuScale Power: 소형모듈원전 기대
- Oklo: SMR 장기 기대감
다만 SMR 기업들에 대해서는 원문에서도 신중한 관점이 나옵니다.
소형모듈원전은 장기적으로 유망하지만, 본격 상용화는 2030년대에 가까운 기술입니다.
지금 당장 매출과 이익으로 연결되는 분야는 전력 인프라, 냉각, 메모리, 광통신 쪽이 더 명확하다는 판단입니다.
13. 메모리 반도체: 재고 10일이면 가격 협상력은 공급자에게 있다
원문에서는 메모리 재고가 약 10일 수준밖에 남지 않았다는 뉴스가 언급됩니다.
이 때문에 Seagate와 SK하이닉스 ADR 등이 강한 흐름을 보였다고 설명합니다.
- Seagate: 스토리지 수요 기대감
- SK하이닉스 ADR: 메모리 공급 부족 기대
- NAND 및 SSD: AI 에이전트 확산 수혜
- HBM: AI 학습과 추론의 핵심 메모리
AI 에이전트가 제대로 작동하려면 과거 작업 상태를 저장하고, 불러오고, 분석하고, 다시 실행해야 합니다.
이 과정에서 저장장치와 메모리 수요는 계속 늘어납니다.
즉, AI가 사람처럼 일할수록 반도체 주식 중에서도 메모리 밸류체인의 중요성이 커집니다.
14. 소프트웨어 주식이 흔들리는 이유: AI 에이전트가 앱을 직접 넘나들기 시작했다
원문에서는 하드웨어가 강한 날 소프트웨어 주식이 약해지는 흐름도 지적합니다.
최근 시장에서는 AI 인프라 관련주는 강하고, 전통 소프트웨어 기업은 압박받는 모습이 자주 나옵니다.
대표적으로 Salesforce, ServiceNow, Adobe 같은 기업이 언급됩니다.
이유는 AI 에이전트가 앱과 앱 사이를 넘나들며 업무를 처리할 수 있게 되면, 기존 SaaS의 사용 방식이 바뀔 수 있기 때문입니다.
예를 들어 사용자가 직접 CRM에 들어가서 데이터를 입력하는 대신, AI 에이전트가 이메일, 회의록, 고객 데이터, 견적서를 연결해 자동 처리할 수 있습니다.
Adobe도 마찬가지입니다.
이미 많은 사용자가 이미지, 영상, 디자인 작업 일부를 생성형 AI로 옮기고 있습니다.
기존 소프트웨어 기업이 AI를 잘 붙이면 살아남겠지만, AI 자체가 인터페이스가 되는 순간 기존 구독 모델은 압박받을 수 있습니다.
15. 밸류에이션: S&P 500은 비싸 보이지만 AI 기업 이익 성장률은 다르다
원문에서는 S&P 500의 12개월 선행 PER이 20배 초반대로 내려왔다고 설명합니다.
기업 이익이 좋은데도 밸류에이션이 크게 올라가지 못하는 이유는 금리 때문입니다.
특히 IT 기업들의 실적 서프라이즈율이 95%에 달했다고 언급됩니다.
거의 대부분의 IT 기업이 월가 예상치를 넘겼다는 뜻입니다.
그런데도 실적 발표 후 주가가 하락한 기업 비율이 약 60%에 가까웠다고 설명합니다.
- IT 기업 실적 서프라이즈율: 약 95%
- 실적 발표 후 하락 비율: 약 60%
- AI 관련 기업 EPS 성장률: 연 50~100% 수준 언급
이건 시장 기대가 이미 높았기 때문일 수도 있고, 금리 상승으로 성장주 프리미엄을 인정받기 어려워졌기 때문일 수도 있습니다.
하지만 AI 관련 기업들이 다음 분기, 그다음 분기에도 50~100% 수준의 이익 성장을 이어간다면 시장의 시각은 다시 바뀔 수 있습니다.
그때는 “일회성 실적 증가”가 아니라 “AI에서 오는 구조적 이익 성장”으로 평가받을 가능성이 큽니다.
16. 다른 뉴스에서 잘 말하지 않는 가장 중요한 내용
첫째, AI 비용은 비용이 아니라 생산성 무기입니다.
일반 기업은 직원 1명당 월 10달러 수준의 AI를 쓰고, 오픈AI 상위 연구자는 연 35억 원어치 AI를 씁니다.
이 차이는 단순 비용 차이가 아니라, 기업 생산성 격차의 출발점입니다.
둘째, AI 모델 성능 개선의 핵심은 GPU만이 아니라 메모리입니다.
AI가 긴 업무를 처리하려면 기억해야 합니다.
기억하려면 NAND, SSD, HBM, 고대역폭 메모리가 필요합니다.
그래서 메모리 반도체는 앞으로 AI 인프라 투자에서 더 중요한 축이 될 가능성이 큽니다.
셋째, 소프트웨어 기업의 AI 도입은 무조건 호재가 아닐 수 있습니다.
AI 에이전트가 소프트웨어를 직접 조작하고, 여러 앱을 넘나들면 기존 SaaS의 사용자 접점이 약해질 수 있습니다.
AI를 붙이는 회사보다 AI 인프라를 공급하는 회사가 더 명확한 수혜를 볼 수 있다는 관점이 나옵니다.
넷째, AI 버블 논쟁의 핵심은 주가가 아니라 사용량입니다.
AI가 실제 업무 시간을 줄이고, 연구 생산성을 높이고, 기업 내부 비용을 감수할 만큼 가치가 있다면 버블 논쟁은 약해집니다.
결국 확인해야 할 것은 AI 관련 기업의 매출, 이익, 수주, 가이던스입니다.
다섯째, 병목 구간이 투자 포인트입니다.
GPU, 메모리, 광통신, 전력망, 냉각, 데이터센터는 모두 AI 확산의 병목입니다.
병목을 쥔 기업은 가격 결정력과 수익성을 확보할 가능성이 높습니다.
17. 투자 관점 정리: AI를 잘 쓰는 기업과 AI 인프라를 파는 기업을 봐야 한다
원문이 말하는 결론은 꽤 명확합니다.
앞으로는 AI를 잘 쓰는 개인과 기업이 더 큰 생산성 우위를 가져갈 가능성이 큽니다.
동시에 투자 관점에서는 AI를 도입하는 기업보다, AI 도입에 필요한 인프라를 공급하는 기업이 더 선택하기 쉬울 수 있습니다.
AI를 잘 쓰는 기업은 너무 많고, 그중 누가 진짜 승자가 될지 고르기 어렵습니다.
반면 AI 인프라 병목 기업은 비교적 명확합니다.
- GPU 및 AI 가속기
- HBM과 NAND 중심 메모리
- AI 서버와 데이터센터
- 광통신 네트워크
- 전력망과 냉각 인프라
- 네오클라우드와 클라우드 컴퓨팅
AI 트렌드는 아직 초기 단계라는 관점도 중요합니다.
에이전트 AI 시장은 이제 시작이고, 물리 AI와 로봇 AI 시장은 아직 본격화되지 않았습니다.
따라서 단기 금리 부담은 분명히 존재하지만, 중장기적으로 AI 인프라 투자 사이클은 계속 이어질 가능성이 높습니다.
< Summary >
유가 상승과 인플레이션 압력으로 금리 전망은 주식시장에 부담입니다.
그럼에도 AI 인프라 관련주는 실제 수요 증가 기대감으로 강한 흐름을 보이고 있습니다.
GPT-6 Astra는 더 긴 작업을 수행하는 에이전트 AI 가능성을 보여줬고, 이는 GPU뿐 아니라 메모리 반도체 수요를 크게 키우는 요인입니다.
오픈AI 상위 연구자는 1인당 연 35억 원 수준의 AI 비용을 쓰고 있으며, 이는 AI 활용 격차가 기업 생산성 격차로 이어질 수 있음을 보여줍니다.
AI 수혜는 소프트웨어보다 GPU, 메모리, 광통신, 전력망, 냉각, 데이터센터 같은 병목 인프라 기업에서 더 명확하게 나타날 가능성이 큽니다.
