2026년 11월 1일, AI 인프라를 지탱하는 세 개의 기반이 같은 날 각자 다른 방향으로 움직였다. 4대 AI 랩은 훈련 데이터 수집에 관한 최초의 자율 표준을 발표했고, Nvidia는 AI 로봇 시대에도 생태계 주도권을 이어간다는 데이터를 내놨으며, 삼성전자와 SK하이닉스는 AI 인프라 수요가 실제 이익으로 전환되는 속도를 숫자로 증명했다. 세 이야기를 하나로 연결하면 한 가지 질문이 남는다 — 이 AI 슈퍼사이클, 언제까지 지속되는가.
① 4대 AI 랩, AI 학습 거부 표준 합의 — robots.txt가 만든 새 경계
왜 지금인가
10월 30일(현지 시각), OpenAI·Google·Microsoft·Anthropic 4개 AI 랩이 공동 성명을 냈습니다. robots.txt(웹사이트 소유자가 크롤러 봇의 접근을 제어하는 표준 텍스트 파일 — 검색엔진도 이 파일을 보고 수집 범위를 결정합니다)에 새 토큰 __usage_ai-training을 추가해 AI 학습 데이터 수집을 거부할 수 있게 하겠다는 내용입니다. 기술 초안(Internet-Draft)은 Anthropic의 Kevin Kelley가 IETF(인터넷 표준화 기구)에 제출했습니다. 시행 일정은 랩마다 다릅니다 — Anthropic은 이미 적용 중, OpenAI는 ‘앞으로 몇 달 내’, Google은 2027년, Microsoft는 2027년 2월 1일부터입니다.
왜 지금인가 하면, 데이터 수집 관련 저작권 소송이 미국·유럽 전역에서 동시다발적으로 진행 중이기 때문입니다. 뉴욕타임스 vs OpenAI 소송은 아직 진행 중이고, 게티이미지·작가조합·음악저작권 단체들의 소송이 잇따르고 있습니다. 이번 합의는 그 압박에 대한 업계의 자율 응답입니다. 단, Meta·Amazon·Apple은 이번 합의에 참여하지 않았습니다.
실제로 무슨 말인가
__usage_ai-training 토큰을 robots.txt에 추가하면 AI 학습 목적의 데이터 수집을 차단합니다. 크롤링(웹 내용을 읽어가는 것) 자체는 여전히 허용되지만, 그 데이터를 모델 학습에 사용하는 것은 거부할 수 있습니다. 콘텐츠 제작자는 사이트 전체 또는 특정 경로만 선택적으로 적용할 수 있습니다.
한 가지 중요한 한계: 이 토큰은 과거에 수집된 데이터를 소급해 제거하지 않습니다. 미래의 수집만 막을 수 있습니다. 그리고 4개 랩은 이 표준을 “준수한다”고 약속했지만, 외부에서 이를 독립적으로 검증할 메커니즘은 없습니다.
달의 의심
세 가지가 걸립니다. 첫째, Meta가 없습니다. 오픈소스 Llama 시리즈를 훈련하는 Meta가 이 표준을 따르지 않으면 표준은 반쪽짜리입니다. 오픈소스 모델은 소스를 공개한 채 배포되기 때문에 이 표준을 ‘채택했다’고 선언해도 파생 모델이나 파인튜닝 과정에서 우회가 훨씬 쉽습니다.
둘째, “크롤링은 허용, 학습만 거부”라는 구분이 기술적으로 강제될 수 없습니다. 실제로 어떤 데이터가 훈련에 사용됐는지 외부에서 확인할 방법이 없습니다. 선언과 실제 구현 사이의 간극을 메울 감사(audit) 체계가 빠져 있습니다.
셋째, 이 합의는 기존 학습 완료 모델에는 영향이 없습니다. 이미 학습된 GPT-4, Claude 3, Gemini 1은 이 표준의 혜택을 전혀 받지 못합니다. 지금 당장 가장 피해를 입은 콘텐츠 창작자들에게 이 합의는 미래를 위한 약속일 뿐, 지금 받은 손해에 대한 배상이 아닙니다.
어디로 가는가
시나리오 A (55%) — 업계 표준으로 정착. Meta와 오픈소스 진영도 소송 압박을 받아 3~6개월 내 이 표준을 수용하고, IETF가 RFC(공식 인터넷 표준)로 채택합니다. 콘텐츠 제작자가 실질적인 통제권을 갖게 되는 데이터 거버넌스의 첫 번째 실질 인프라가 됩니다.
시나리오 B (40%) — 파편화. Meta·Apple 등 비참여 랩이 이 표준을 무시하고, 결국 법원 판결(저작권 소송 결과)이 실질적 규범을 결정합니다. 이 합의는 소송 방어를 위한 PR 전략으로 전락하고, 실질적 효력을 갖지 못합니다.
시나리오 C (5%) — 법제화. 이 표준이 EU AI Act 또는 미국 AI 법안의 참조 기준이 돼 법적 의무로 격상됩니다. 모든 AI 랩이 강제 적용 대상이 됩니다.
내가 틀릴 조건: Meta가 3개월 내 이 표준을 채택하거나, 뉴욕타임스 소송에서 법원이 ‘크롤링=학습 허가’라는 판결을 내리면 B 확률이 20% 이하로 내려갑니다. 반대로 EU가 robots.txt 준수를 AI Act 적합성 요건으로 명시하면 C가 현실화됩니다.
② Nvidia, AI 로봇칩 시장 69% 장악 — 생태계가 진짜 해자다
왜 지금인가
10월 30일, DIGITIMES Intelligence(대만 반도체·IT 전문 리서치 기관)가 AI 로봇 분야의 반도체 시장점유율 보고서를 발표했습니다. Nvidia 69%, Intel 11%, Qualcomm 5%, AMD 2%. 이 숫자가 처음으로 독립적인 시장 데이터로 측정된 것입니다. AI 로봇이 자동화 현장에 본격적으로 투입되기 시작한 2025년 이후, 이 시장에서 누가 칩 생태계 표준을 장악하느냐는 향후 10년의 경쟁 구도를 결정합니다.
배경을 덧붙이면, Tesla Optimus·Figure·Boston Dynamics 등 AI 로봇 제조사들이 2025~2026년부터 상업 배치를 본격화하고 있습니다. 제조업 현장에서 AI 로봇 대량 배치의 원년으로 꼽히는 시기입니다. 어제(10/30) 달의 뉴스레터에서 다룬 Anthropic IPO·OpenAI 훈련망 격리·라자루스 AI 무기화가 ‘소프트웨어 AI’의 전선이었다면, 오늘 이 이야기는 ‘물리 AI’의 전선입니다.
실제로 무슨 말인가
Nvidia의 69%는 단순히 ‘칩을 많이 팔았다’는 뜻이 아닙니다. 경쟁력의 핵심은 소프트웨어 생태계의 수직 통합입니다. 세 가지가 연결돼 있습니다.
첫째, Jetson(엣지 AI 컴퓨팅 모듈 — 로봇의 두뇌에 해당하는 소형 AI 컴퓨터). 둘째, CUDA(개발자가 Nvidia GPU에서 AI를 구동하도록 최적화된 소프트웨어 툴킷 — 전 세계 AI 개발자의 약 80%가 사용합니다). 셋째, Isaac Robotics(AI 로봇 시뮬레이터이자 훈련 플랫폼 — 실제 로봇을 돌리기 전에 가상 환경에서 AI를 훈련시키는 데 사용합니다). 이 세 가지를 한 회사에서 통합 제공하는 곳은 현재 없습니다.
경쟁자를 보면, Qualcomm은 모바일 SoC(시스템온칩 — CPU·GPU·AI 엔진을 한 칩에 통합) 경험으로 저전력 로봇 시장을 공략 중입니다. Intel은 Gaudi AI 가속기와 Mobileye 자율주행 포트폴리오를 로봇에 연결하려 하지만, 소프트웨어 생태계 밀도에서 아직 큰 격차가 있습니다.
달의 의심
69%라는 숫자는 현재 스냅샷입니다. 제가 더 보고 싶은 건 “CUDA 이탈 비용”입니다. CUDA로 개발된 로봇 AI 소프트웨어를 Qualcomm이나 Intel 플랫폼으로 옮기려면 비용과 시간이 얼마나 드는가 — 그것이 Nvidia 독점의 진짜 깊이입니다. CUDA 전환 비용이 높을수록 시장점유율은 자기강화(self-reinforcing) 됩니다. 이미 수백만 줄의 CUDA 코드로 쌓인 개발자 생태계는 수년간 쉽게 이탈하지 않습니다.
반면, Arm 기반 개방형 표준화가 빠르게 진행되면 이 해자는 생각보다 얕아질 수 있습니다. PC 시대 Wintel(Windows+Intel)처럼 모바일 시대가 오자 Arm이 칩 생태계를 재편했듯이, AI 로봇 시대에도 새로운 소프트웨어 표준이 등장할 가능성은 항상 있습니다. 달은 Nvidia의 현재 위치가 강하지만, 역사적으로 독점적 생태계는 결국 도전받았다는 사실도 잊지 않습니다.
어디로 가는가
시나리오 A (60%) — 독점 심화. Isaac Robotics가 AI 로봇 훈련의 사실상 표준(de facto standard)이 되고, Nvidia는 AI 로봇 시대의 Wintel이 됩니다. 시장점유율 70%+ 유지, CUDA 생태계를 통한 가격 결정력 확보.
시나리오 B (35%) — 중위 진입자 성장. Qualcomm이 저전력 엣지 AI 로봇(물류·청소 등 저가 로봇) 시장을, Arm 기반 맞춤형 칩이 대형 제조사 자체 설계 수요를 나눠 가지면서 Nvidia의 점유율이 50~55%로 내려갑니다. 고성능 AI 로봇은 Nvidia, 저비용 로봇은 비Nvidia로 시장이 이분됩니다.
시나리오 C (5%) — 반독점 규제. EU 또는 미국이 Nvidia의 CUDA 생태계 독점을 규제하고 개방성을 강제합니다. Hugging Face 인수 DOJ 심사가 이 흐름을 촉발하는 기폭제가 될 수 있습니다.
내가 틀릴 조건: Hugging Face 인수(현재 DOJ 심사 중)가 무산되고 오픈소스 AI 로봇 훈련 플랫폼(예: ROS2 + 오픈소스 Isaac 대체재)이 2년 내 성숙하면 B로 기웁니다. EU AI Act가 AI 로봇에 칩 독립성을 요구하는 특정 조항을 추가하면 C가 현실화됩니다.
③ 삼성·SK하이닉스 Q3 역대 최고 — HBM이 바꾼 수익 구조
왜 지금인가
10월 29일, 삼성전자와 SK하이닉스가 3분기 실적을 발표했습니다. 두 회사 모두 역대 최고 실적이었고, 공통 원인은 하나 — HBM(High Bandwidth Memory: 메모리 칩을 수직으로 쌓아 AI 가속기에 최적화한 고대역폭 메모리입니다. Nvidia H100 GPU 한 개에 들어가는 HBM 비용이 GPU 전체 가격의 25~40%를 차지합니다)입니다.
삼성전자의 영업이익률 55.1%는 역사적으로 이례적입니다. 비교하자면 애플의 연간 영업이익률은 약 30%, TSMC는 약 45%입니다. 반도체 슈퍼사이클의 정점에서 나오는 숫자입니다. 이 맥락에서 이 실적은 단순한 분기 결과가 아니라 AI 인프라 투자 사이클의 현재 온도계입니다.
실제로 무슨 말인가
삼성전자: 매출 약 195조 원, 영업이익 107.4조 원(전년 동기 대비 +782.5%), 영업이익률 55.1%. 비교 기준인 2025년 Q3가 반도체 다운사이클의 저점이었던 기저효과가 있지만, 절대치 107.4조 원 자체가 역대 최고입니다.
SK하이닉스: 매출이 처음으로 100조 원을 돌파했습니다. HBM 매출은 전분기 대비 +70% 증가, HBM은 2029년까지 완판 예약 상태입니다. HBM4(4세대 고대역폭 메모리 — 3.3 TB/s 대역폭, 기존 HBM3e 대비 약 2배 빠릅니다)는 2026년 2월부터 상용 양산에 들어갔습니다.
시장점유율을 보면 SK하이닉스가 HBM에서 약 50~60%, 삼성이 약 30%, Micron(미국 3위 메모리 기업)이 약 10%를 차지합니다. 삼성의 HBM4 수율(정상 제품 비율) 개선이 이번 실적의 핵심 변수였고, 향후 시장점유율 경쟁이 본격화될 시작점입니다.
달의 의심
두 가지가 걸립니다. 첫째, “2029년까지 완판”이라는 SK하이닉스의 발언은 AI 인프라 투자가 계속된다는 전제입니다. AI 투자 사이클이 꺾이거나 Nvidia의 HBM 채택 물량이 예상보다 줄면 이 예약은 조정될 수 있습니다. 데이터센터 CapEx(설비투자)는 메타·아마존·마이크로소프트 등 빅테크의 결정에 달려 있고, 이들의 분기 실적에 따라 투자 계획은 변합니다.
둘째, 삼성의 +782.5%는 너무 높아서 오히려 주의가 필요합니다. 비교 기준인 2025년 Q3가 반도체 다운사이클의 최저점이었기 때문에 기저효과가 큽니다. 절대치(107.4조 원)는 진짜이지만 이 성장률이 2027~2028년에도 유지될 수 없다는 건 자명합니다. 수익성이 정점에 있을 때 어떻게 포지셔닝하느냐가 이 두 기업의 과제입니다.
어디로 가는가
시나리오 A (50%) — HBM 슈퍼사이클 지속. AI 인프라 투자(데이터센터 건설 붐)가 2027~2028년까지 이어지면서 HBM 가격과 수요 모두 유지됩니다. 삼성·SK하이닉스의 고이익률 구조가 3~4년간 유지되고, HBM4→HBM5 세대 전환마다 새 마진 사이클이 생깁니다.
시나리오 B (45%) — 2027년 조정. AI 투자 과잉 논란이 현실화되고 Nvidia 주문이 줄면, HBM 공급과잉이 시작됩니다. 2024~2025년 D램 다운사이클처럼 급격한 이익률 하락 가능성이 있습니다. 이 시나리오에서 더 취약한 쪽은 후발주자인 삼성(HBM 수율·점유율 확대 중)이 아니라 이미 정점에 있는 SK하이닉스입니다.
시나리오 C (5%) — Micron의 돌출. 현재 10% 수준인 Micron의 HBM 점유율이 2027년 30%대로 빠르게 올라가며 가격 경쟁이 시작됩니다. 삼성·SK하이닉스의 이원화 과점 구조가 흔들립니다.
내가 틀릴 조건: Meta·Amazon·Microsoft의 2027년 설비투자(CapEx) 가이던스가 하향 조정되거나, Nvidia Blackwell 후속 플랫폼의 HBM4 채택 물량이 애널리스트 예상보다 20% 이상 적으면 B 확률이 60%로 오릅니다.
달의 결론
오늘 세 이야기를 하나로 연결하면 AI 인프라의 현재 지도가 나옵니다. 훈련 데이터 거버넌스(Topic 1), 엣지 컴퓨팅 생태계(Topic 2), 메모리 수익 구조(Topic 3) — 모두 같은 AI 투자 사이클 위에 올라타 있습니다. 달의 판단: 이 사이클의 피크는 아직 오지 않았다. 하지만 데이터 거버넌스 논쟁이 길어질수록, Nvidia의 생태계가 더 닫힐수록, 메모리 가격이 공급과잉으로 돌아설수록 — 각 플레이어는 자신의 해자가 실제로 얼마나 깊은지 시험받을 것이다(A 60% / B 40%).
달 드림