[기타] 연산의 시대에서 연결의 시대로, AI 병목이 광 인터커넥트의 가치를 키우는 구조임
분석 기준 보고서 │ 대신증권, 2026.07.21, 64쪽
📋 핵심 내용 요약
인공지능(AI) 인프라의 병목은 그래픽처리장치(GPU)의 연산력에서 고대역폭메모리(High Bandwidth Memory, HBM)로 이동했고, 이제는 GPU와 GPU 사이의 데이터 이동으로 옮겨가고 있음. [팩트, p4]
에이전트 AI는 긴 문맥과 여러 작업 결과를 계속 저장하므로 메모리 수요를 늘리고, 저장된 데이터를 여러 GPU와 노드 사이에서 옮겨야 하므로 인터커넥트 수요도 함께 키움. [팩트, p18]
스케일업은 여러 GPU를 한 대의 거대한 GPU처럼 묶는 방식이며, 텐서 병렬과 전문가 병렬처럼 GPU가 하나의 계산을 함께 수행할수록 초고속 연결이 중요해짐. [팩트, p7]
구리 연결은 속도가 높아질수록 전송 거리가 짧아지고 칩 가장자리의 입출력 공간을 많이 차지하므로, 대역폭이 계속 증가하면 광 연결로 바뀔 수밖에 없음. [팩트, p9]
광 전환은 한 번에 일어나지 않고 랙 간 스케일아웃 → 랙 내부 스케일업 → 패키지 간 연결 → 칩 가까운 광 입출력 순으로 진행됨. [팩트, p13]
광 입출력 구조의 표준은 아직 정해지지 않았으므로 특정 설계 기업보다 레이저·광섬유·정밀 정렬·패키징·테스트처럼 여러 구조에 공통으로 필요한 기업의 수혜 가시성이 높음. [팩트, p47]
국내에서는 성호전자가 스케일업 광 입출력에 직접 노출된 정밀 정렬 장비 기업이며, RF머트리얼즈와 대한광통신은 각각 레이저 패키지와 광섬유를 통해 간접 수혜를 받는 구조임. [팩트, p49]
기술 방향에는 높은 신뢰를 둘 수 있지만 구리의 수명 연장, 표준 경쟁, 고객 설비투자 시점과 높은 밸류에이션을 고려하면 섹터 전체를 지금 일괄 매수하기에는 확신이 부족함. [해석]
🚀 보고서의 핵심 주제는 무엇인가?
이 보고서의 핵심은 GPU를 더 많이 설치하는 것보다 GPU들이 기다리지 않고 데이터를 주고받게 만드는 연결 기술이 AI 성능을 결정하는 국면이 시작됐다는 점임. [해석]
GPU 연산 성능은 빠르게 높아졌지만 메모리와 인터커넥트 성능은 상대적으로 느리게 개선돼 시스템 전체 성능을 제한하고 있음. [팩트, p15]
GPU 한 장의 메모리를 늘리는 것만으로는 수조 개 매개변수를 가진 모델의 연산을 처리할 수 없어 여러 GPU가 계산을 분담해야 함. [팩트, p7]
스케일업은 한 랙 안의 GPU와 스위치를 매우 빠르게 연결하고, 스케일아웃은 여러 랙과 노드를 이더넷이나 인피니밴드로 연결하는 방식임. [팩트, p34]
에이전트 AI는 질문에 한 번 답하는 모델과 달리 도구 호출과 결과 확인을 반복하므로 세션이 길어질수록 저장해야 할 문맥이 계속 증가함. [팩트, p18]
공동 패키지 광학(Co-Packaged Optics, CPO)은 스위치나 연산 칩 가까이에 광 부품을 함께 배치해 전기 신호 이동 거리를 줄이는 기술임. [팩트, p6]
보고서는 2026년 하반기부터 엔비디아의 Spectrum-X·Quantum-X와 브로드컴의 Bailly를 중심으로 스케일아웃 CPO 채택이 본격화된다고 설명함. [팩트, p6]
800기가비트 이상 고속 광 트랜시버 출하량은 2024년 약 1,000만 대에서 2026년 약 6,300만 대로 증가할 것으로 전망됨. [팩트, p6]
엔비디아의 시스템은 GB200·GB300 NVL72에서 Rubin NVL144와 Rubin Ultra NVL576으로 발전하며 하나로 묶는 GPU 수가 크게 늘어남. [팩트, p6]
[그림 블랙웰→루빈→파인만 엔비디아 아키텍처 로드맵, p6]
GPU당 NVLink 대역폭은 4세대 0.9테라바이트에서 5세대 1.8테라바이트, 6세대 3.6테라바이트로 세대마다 약 두 배 증가함. [팩트, p7]
광 채택은 현재의 랙 간 네트워크에서 랙 내부 GPU·NVSwitch 연결로 이동한 뒤 보드와 패키지 안쪽까지 침투하는 구조임. [팩트, p13]
광 입출력은 단순한 통신 부품이 아니라 수백 개의 가속기를 하나의 컴퓨터처럼 작동시키는 기반 기술임. [해석]
AI 설비투자가 지속될수록 GPU 한 개의 가격보다 시스템당 광 부품 탑재량이 얼마나 늘어나는지가 광산업의 장기 성장을 결정함. [해석]
다만 구리의 한계를 우회하는 기술이 계속 등장하므로 광 전환의 방향은 명확해도 정확한 매출 발생 시점은 늦어질 수 있음. [해석]
투자 논리는 AI 모델 확대 → 데이터 이동 증가 → 구리 한계 심화 → 광 채택 확대 → 광 부품·장비 매출 증가로 연결됨. [해석]
🌐 왜 광 시장이 스케일업으로 확장되는가?
2016년을 기준으로 2028년까지 AI 연산력은 약 729배 개선되는 반면 메모리 대역폭은 약 16.8배, 인터커넥트 대역폭은 약 7.5배 개선되는 데 그칠 것으로 제시됨. [팩트, p15]
HBM은 GPU 가까이에 넓은 전기 연결로 배치해야 하므로 적층 높이뿐 아니라 인터포저 면적·전력·발열의 제한을 받음. [팩트, p20]
GPU당 HBM 용량은 B200의 192기가바이트에서 Rubin Ultra의 1,024기가바이트로 늘어날 전망이지만 물리적으로 무한 확대할 수는 없음. [팩트, p7]
[표 엔비디아 세대별 GPU당 HBM 탑재량, p7]
메모리가 충분해도 여러 GPU가 한 계산을 함께 수행하면 중간 결과 교환 속도가 성능을 제한하므로 인터커넥트가 다음 병목이 됨. [해석]
구리선은 주파수가 높아질수록 전류가 도체 표면에 몰리는 표피효과와 신호 손실이 커져 전송 가능 거리가 짧아짐. [팩트, p9]
비치프런트(Beachfront)는 데이터 신호가 드나드는 칩 가장자리의 한정된 폭이며, 구리 레인이 늘수록 이 공간이 빠르게 소모됨. [팩트, p9]
레인당 전송 속도는 2022년 50기가비트에서 2024년 100기가비트, 2026년 200기가비트, 2028년 400기가비트로 높아지는 흐름임. [팩트, p8]
같은 기간 구리의 전송 가능 거리는 약 3미터에서 2미터, 1미터, 0.5미터로 줄어드는 것으로 제시됨. [팩트, p9]
[표 레인당 속도와 구리선 도달 거리, p9]
엔비디아는 서버 블레이드와 NVSwitch를 미드플레인 기판에 직접 연결해 전기 경로를 줄이는 방식으로 구리의 거리 한계를 우회함. [팩트, p10]
양방향 직렬화·역직렬화기(Bidirectional SerDes)는 같은 구리선에서 송신과 수신을 동시에 처리해 같은 면적의 대역폭을 늘리는 방식임. [팩트, p10]
이러한 구조 변경은 구리의 수명을 늘리지만 칩 외곽 면적과 전력의 물리적 한계를 없애지는 못함. [해석]
파장분할다중화(Wavelength Division Multiplexing, WDM)는 한 광섬유에 서로 다른 색의 빛을 함께 실어 칩 가장자리 면적을 늘리지 않고 대역폭을 높임. [팩트, p12]
[그림 같은 면적에서 여러 파장을 보내는 WDM 구조, p12]
짧고 저렴하며 신뢰성이 중요한 보드 내부 연결은 상당 기간 구리가 유지될 가능성이 높음. [팩트, p8]
반면 보드와 보드 사이처럼 거리가 길고 대역폭이 높은 구간은 구리의 손실이 커 광 전환이 먼저 진행됨. [팩트, p8]
기존 플러거블 광 트랜시버는 전기 신호를 보드 가장자리까지 이동시킨 뒤 광으로 바꾸므로 고속화될수록 전력과 칩 가장자리 부담이 커짐. [해석]
CPO는 광 변환 위치를 스위치 칩 가까이 이동시켜 전기 경로를 줄이고 더 높은 대역폭 밀도를 제공함. [팩트, p13]
랙과 랙을 연결하는 스케일아웃은 거리가 길어 이미 광 채택이 진행됐으며 CPO가 다음 세대 구조로 자리 잡고 있음. [팩트, p13]
다음 전환 구간은 랙 내부의 GPU와 NVSwitch를 연결하는 스케일업 영역임. [팩트, p13]
이후 광은 같은 보드 위의 GPU 패키지 사이 연결로 침투할 가능성이 있음. [팩트, p14]
장기적으로는 GPU와 HBM 사이의 패키지 내부 연결까지 광을 적용하는 기술이 논의되고 있음. [팩트, p14]
[그림 스케일아웃·스케일업·보드·패키지별 광 침투 구조, p14]
광이 칩에 가까워질수록 한 시스템에 필요한 레이저·광 엔진·파이버·정렬·패키징 부품의 수량과 가치가 함께 증가함. [해석]
따라서 총주소가능시장(Total Addressable Market, TAM)은 데이터센터 수 증가뿐 아니라 광이 시스템 안쪽으로 이동하는 깊이에 따라 확대됨. [해석]
🧠 에이전트 AI의 메모리 문제가 왜 광 수요로 이어지는가?
에이전트 AI는 목표를 완수할 때까지 질문·도구 호출·결과 저장·재판단을 반복해 세션 상태를 계속 누적함. [팩트, p18]
키·밸류 캐시(Key-Value Cache, KV Cache)는 이미 처리한 토큰의 정보를 저장해 다음 토큰 생성 때 반복 계산을 피하는 메모리 공간임. [팩트, p18]
KV 캐시 크기는 문맥 길이·동시 사용자 수·세션 지속시간이 곱해지는 구조이므로 에이전트 서비스가 커질수록 빠르게 증가함. [팩트, p19]
답변을 한 토큰씩 생성하는 디코드 구간은 연산보다 저장된 KV 캐시를 읽는 속도에 민감해 메모리 대역폭의 영향을 크게 받음. [팩트, p19]
보고서는 700억 개 매개변수 모델의 가중치가 약 140기가바이트이며 100만 토큰 요청에서는 KV 캐시가 이를 넘어설 수 있다고 설명함. [팩트, p19]
[그림 KV 캐시가 HBM 용량과 대역폭에 주는 압력, p19]
HBM은 가장 빠르지만 가장 비싸고 적층 수율과 발열 제약이 커 모든 KV 캐시를 담을 수 없음. [팩트, p20]
중요한 데이터는 HBM에 두고 덜 급한 데이터는 서버용 동적임의접근메모리(DRAM)·CXL 메모리·기업용 고체상태저장장치(eSSD)로 내리는 계층화가 필요함. [팩트, p21]
[그림 데이터 중요도별 메모리 피라미드, p21]
KV 캐시 오프로딩은 당장 사용하지 않는 캐시를 더 싸고 큰 하위 메모리로 옮겨 HBM 용량과 비용을 절약하는 방식임. [팩트, p21]
반복되는 시스템 명령·검색 문서·대화 앞부분의 KV를 재사용하면 중복 연산과 첫 토큰 지연을 줄일 수 있음. [팩트, p22]
저장한 캐시가 다시 사용되는 비율인 캐시 적중률이 높아야 저장·전송 비용보다 재계산 절감 효과가 커짐. [팩트, p22]
프리필(Prefill)은 입력을 한꺼번에 처리해 KV를 만드는 연산 중심 단계이고, 디코드(Decode)는 KV를 읽으며 답을 생성하는 메모리 중심 단계임. [팩트, p23]
두 단계를 서로 다른 GPU 풀로 분리하면 프리필에서 만든 KV를 디코드 노드로 보내야 하므로 네트워크 전송량이 증가함. [팩트, p23]
[그림 프리필·디코드 분리와 KV 캐시 이동 구조, p23]
컴퓨트 익스프레스 링크(Compute Express Link, CXL)는 메모리를 특정 CPU나 GPU에 묶지 않고 여러 장치가 공유하게 하는 연결 표준임. [팩트, p26]
메모리 풀링은 한 노드의 남는 메모리를 다른 노드가 사용하게 해 고립 메모리를 줄이고 전체 설비 활용률을 높임. [팩트, p25]
보고서는 2026년을 CXL 양산 개화 시점, 2027~2028년을 AI 추론과 KV 캐시 풀링의 본격 확산 시점으로 제시함. [팩트, p26]
메모리를 멀리 공유할수록 데이터가 패브릭을 더 자주 통과하므로 메모리 병목은 사라지지 않고 인터커넥트 병목으로 이동함. [팩트, p27]
[그림 연산→메모리→인터커넥트→광으로 이동하는 병목, p27]
고대역폭플래시(High Bandwidth Flash, HBF)는 낸드플래시를 수직 적층해 HBM의 속도와 eSSD의 대용량 사이를 메우려는 신규 메모리 계층임. [팩트, p24]
결국 메모리 계층이 복잡해질수록 저장장치 자체보다 계층 사이의 데이터를 얼마나 빠르고 싸게 옮기는지가 더 중요해짐. [해석]
⚡ GPU 병렬화가 인터커넥트 수요를 폭발시키는 이유는 무엇인가?
암달의 법칙은 병렬화되지 않는 통신·동기화 구간이 남아 있으면 GPU 수를 늘려도 전체 성능이 선형적으로 증가하지 않는다는 원리임. [팩트, p30]
데이터 병렬(Data Parallelism)은 GPU마다 같은 모델로 다른 데이터를 처리한 뒤 마지막에 결과만 합치므로 통신 부담이 비교적 낮음. [팩트, p31]
파이프라인 병렬(Pipeline Parallelism)은 모델의 층을 여러 GPU에 나누고 단계별 결과를 넘기므로 통신 부담이 낮거나 중간 수준임. [팩트, p31]
텐서 병렬(Tensor Parallelism)은 한 층의 행렬 계산을 여러 GPU가 나눠 수행하고 매 층마다 결과를 합쳐야 하므로 지연과 대역폭에 매우 민감함. [팩트, p31]
전문가 병렬(Expert Parallelism)은 혼합전문가(Mixture of Experts, MoE) 모델의 전문가를 여러 GPU에 나누고 토큰을 분배·회수하는 방식임. [팩트, p31]
전문가 병렬의 올투올(All-to-All) 통신은 각 GPU가 여러 GPU와 직접 데이터를 주고받아 중간에서 통신량을 줄이기 어려움. [팩트, p31]
Marvell은 AI 트래픽의 약 80~90%가 스케일업 구간에서 발생한다고 추정함. [팩트, p35]
NVLink 5세대의 GPU당 스케일업 대역폭 약 1.8테라바이트는 800기가비트 스케일아웃 네트워크카드보다 약 18배 높은 수준임. [팩트, p35]
GPU를 더 설치하는 방식은 인터커넥트가 느리면 비싼 연산장치가 통신을 기다리게 만들어 투자 효율을 떨어뜨림. [해석]
[그림 GPU 수 증가와 암달의 법칙에 따른 성능 한계, p30]
칩 비치프런트는 차량이 늘어날 때 도로를 계속 넓혀야 하지만 도시의 폭은 고정돼 있는 상황과 유사함. [해석]
필요한 대역폭 밀도는 빠르게 증가하지만 칩 외곽을 통한 전기적 탈출 용량은 완만하게 늘어 격차가 커짐. [팩트, p9]
HBM과 연산 칩이 패키지 외곽을 함께 사용하므로 메모리 용량과 외부 통신 대역폭이 같은 제한된 공간을 두고 경쟁함. [팩트, p12]
구리 레인의 속도를 높이면 신호 보정 회로와 재타이머가 늘어 전력·발열·회로 복잡도가 함께 증가함. [팩트, p9]
광은 하나의 섬유에 여러 파장을 실을 수 있어 물리적 선 개수를 늘리지 않고도 대역폭 밀도를 높일 수 있음. [팩트, p12]
따라서 광 전환은 단순한 부품 교체가 아니라 칩 가장자리와 시스템 전력의 물리적 한계를 해소하는 아키텍처 변화임. [해석]
다만 구리 경로 단축과 양방향 SerDes가 예상보다 오래 작동하면 스케일업 광 매출의 본격화 시점이 1~2년 늦어질 수 있음. [해석]
🧩 표준이 정해지지 않았는데 무엇에 투자해야 하는가?
현재 스케일업 광 입출력의 물리 구조에는 명확한 승자가 없으며 Ayar Labs·Lightmatter·Celestial AI 진영이 경쟁하고 있음. [팩트, p41]
Ayar Labs는 광 입출력 칩렛을 XPU 옆에 붙여 기존 패키지에 비교적 쉽게 추가하는 구조임. [팩트, p41]
Lightmatter는 연산 칩 아래에 광 인터포저를 배치해 칩 가장자리의 입출력 공간을 직접 우회하는 구조임. [팩트, p41]
Celestial AI는 연산 칩뿐 아니라 메모리까지 광 패브릭으로 연결해 패키지·보드·랙을 하나의 광 네트워크로 묶는 구조임. [팩트, p44]
[그림 Ayar Labs·Lightmatter·Celestial AI 구조 비교, p41]
보고서는 기존 CPO 발전 경로와 가깝고 적용 난도가 낮은 Ayar Labs 방식이 초기 표준이 될 가능성을 가장 높게 평가함. [팩트, p41]
비치프런트 문제만 보면 칩 아래에 광 인터포저를 넣는 Lightmatter 방식이 가장 직접적인 해결책임. [해석]
HBM 용량과 메모리 풀링까지 함께 해결하려면 Celestial AI의 광 메모리 패브릭이 가장 포괄적인 구조임. [해석]
엔비디아는 NVLink Fusion을 통해 통신 프로토콜의 영향력을 확대하면서도 다양한 주문형 반도체(ASIC)와의 호환을 열어두고 있음. [팩트, p45]
따라서 한 데이터센터 안에서 하나의 광 구조만 사용되기보다 성능·비용·거리별로 여러 방식이 병용될 가능성이 있음. [해석]
어떤 구조가 선택돼도 외부 레이저·광섬유·정밀 정렬·패키징·검사 공정은 공통으로 필요함. [팩트, p47]
외부 레이저는 광 신호의 빛을 공급하며 Coherent·Lumentum·Sivers가 대표적인 관련 기업임. [팩트, p47]
실리콘 포토닉스(Silicon Photonics, SiPh)는 실리콘 반도체 공정으로 광 회로를 만드는 기술이며 GlobalFoundries·TSMC·Tower가 관련 생산 역량을 보유함. [팩트, p47]
반도체 조립·검사 외주(Outsourced Semiconductor Assembly and Test, OSAT) 기업인 Amkor·ASE·SPIL은 광 칩과 연산 칩의 공동 패키징 수요에 노출됨. [팩트, p47]
광섬유를 광소자에 미세하게 맞추는 정밀 정렬과 고온·장시간 신뢰성을 확인하는 번인 검사는 구조가 복잡해질수록 중요해짐. [팩트, p47]
현재는 어떤 광 엔진이 이길지 맞히기보다 세 구조에 모두 필요한 부품·장비 기업을 선택하는 아키텍처 중립 전략이 합리적임. [해석]
📈 투자전략은 어떻게 세워야 하는가?
글로벌 광원 기업인 Lumentum과 Coherent는 스케일아웃·스케일업·데이터센터 간 연결에 모두 제품을 공급할 수 있어 수혜 범위가 넓음. [팩트, p50]
Corning과 Fujikura는 데이터센터 내부 고밀도 광섬유와 케이블에서 높은 지위를 확보해 광 연결 수 증가의 직접 수혜가 기대됨. [팩트, p50]
GlobalFoundries와 Tower Semiconductor는 CPO용 실리콘 포토닉스 생산에 활용되는 8인치 파운드리 역량을 보유함. [팩트, p50]
TSMC·Amkor·SPIL은 광 엔진과 스위치·가속기를 한 패키지로 묶는 공정이 확대될수록 패키징 부가가치를 확보할 수 있음. [팩트, p50]
AEHR와 같은 테스트 장비사는 광 칩렛과 레이저의 수명·열 안정성을 확인하는 웨이퍼 번인 수요 확대의 수혜가 기대됨. [팩트, p50]
국내 상장기업은 광 엔진 설계보다 광 정렬 장비·레이저 패키지·광섬유 같은 후방 공정에 집중돼 직접 기술 노출도가 제한적임. [팩트, p49]
성호전자는 국내에서 스케일업 광 입출력 개화의 직접 수혜가 가능한 정밀 정렬 장비 기업으로 제시됨. [팩트, p49]
RF머트리얼즈는 Lumentum에 공급하는 레이저 패키지 증산을 통해 데이터센터 간 연결과 CPO 확대의 수혜를 받는 구조임. [팩트, p50]
대한광통신은 북미 하이퍼스케일러용 고다심 광섬유와 인캡 인수 효과를 통해 데이터센터 간 연결 수요에 노출됨. [팩트, p60]
[그림 광시장 밸류체인과 국내 수혜기업 지도, p49]
투자 우선순위는 기술 설명의 화려함보다 기존 매출·고객사·수주·생산능력이 확인되는 기업에 두는 것이 타당함. [해석]
글로벌 광업체 주가는 2024년 800기가비트 실적 개화, 2025년 CPO 공개, 2026년 대형 수주를 거치며 단계적으로 재평가됐음. [팩트, p51]
2026년 6월 이후에는 높은 밸류에이션과 과잉투자 우려로 주요 광기업 주가가 고점 대비 약 10~56% 조정됐음. [팩트, p51]
[그림 글로벌·국내 광기업 주가의 개화→가속→조정 사이클, p51]
조정 뒤에는 모든 종목이 함께 오르기보다 실제 매출 전환과 이익률 개선을 증명하는 기업으로 주가가 차별화될 가능성이 높음. [해석]
확인 순서는 고객 인증 → 연구개발 장비 공급 → 양산 설비 발주 → 생산능력 증설 → 매출과 영업이익률 개선으로 잡는 것이 적절함. [해석]
💰 국내 기업별 투자 포인트는 무엇인가?
성호전자는 북미 광섬유 기업에 고성능 액티브 얼라인 장비를 공급하며, 액티브 얼라인은 빛의 세기를 측정하면서 광섬유와 광소자의 위치를 정밀하게 맞추는 공정임. [팩트, p54]
북미향 고성능 장비의 평균판매가격(Average Selling Price, ASP)은 기존 장비의 약 두 배이며 납기와 성능 우위로 사실상 단독 공급자에 가까운 지위를 확보한 것으로 파악됨. [팩트, p54]
성호전자는 기존 트랜시버용 약 300대와 CPO용 약 300대인 생산능력을 동탄 공장 증설을 통해 약 2,000대까지 확대하는 방안을 추진함. [팩트, p54]
CPO 고객의 기술 로드맵은 2027년 상반기, 본격적인 장비 투자는 2027년 하반기부터 진행될 것으로 보고서는 예상함. [팩트, p54]
성호전자의 매출은 2025년 2,316억 원에서 2026년 2,724억 원, 2027년 6,348억 원으로 증가하고 영업이익은 76억 원에서 507억 원, 1,397억 원으로 늘어날 것으로 전망됨. [팩트, p54]
[표 성호전자 실적 전망 및 밸류에이션, p54]
희석 가능성을 반영한 2027년 예상 주가수익비율(Price Earnings Ratio, PER)은 약 20배로 제시돼 성장 기대가 상당 부분 반영돼 있음. [팩트, p54]
성호전자의 핵심 위험은 특정 고객 의존, 신규주식 발행에 따른 지분 희석, CPO 설비투자 지연과 대규모 증설의 가동률 미달임. [해석]
대한광통신은 인캡 인수와 북미 하이퍼스케일러용 864심 광섬유 수주, 중국 광섬유 가격 상승을 통해 적자 탈출을 추진함. [팩트, p60]
대한광통신 매출은 2025년 1,394억 원에서 2026년 2,002억 원, 2027년 2,452억 원으로 증가하고 영업이익은 각각 -214억 원, -23억 원, 147억 원으로 개선될 전망임. [팩트, p61]
[표 대한광통신 부문별 매출과 손익 전망, p61]
대한광통신은 2027년 예상 PER 146배와 주가순자산비율(Price to Book Ratio, PBR) 16.4배로 제시돼 턴어라운드 기대가 실적보다 빠르게 반영된 상태임. [팩트, p60]
국내 우선순위는 직접 수혜와 매출 가시성을 갖춘 성호전자, 기존 공급이 확대되는 RF머트리얼즈, 밸류에이션 확인이 필요한 대한광통신 순으로 판단함. [해석]
⚠️ 단기·중기 리스크와 기회는 무엇인가?
단기 1~3개월 기회는 광기업 주가 조정 뒤 실적이 유지되는 종목의 반등이며, 발생 확률은 65%, 영향도는 보통이고 신규 수주와 분기 영업이익률을 확인해야 함. [해석]
단기 1~3개월 위험은 기대가 실적보다 앞선 고평가 종목의 추가 조정이며, 발생 확률은 70%, 영향도는 높고 선행 PER·수주잔고·현금흐름을 점검해야 함. [해석]
단기 1~3개월 위험은 구리 경로 단축과 양방향 SerDes가 예상보다 효과적으로 작동해 광 발주가 미뤄지는 상황이며, 발생 확률은 60%, 영향도는 보통이고 엔비디아의 랙 구성과 CPO 채택 일정을 확인해야 함. [해석]
중기 6~12개월 기회는 2027년 스케일업 광 입출력 장비 발주가 가시화되는 상황이며, 발생 확률은 70%, 영향도는 높고 고객 인증·연구개발 장비 공급·공장 증설을 확인해야 함. [해석]
중기 6~12개월 위험은 Ayar Labs·Lightmatter·Celestial AI 간 표준 경쟁으로 고객 투자가 지연되는 상황이며, 발생 확률은 50%, 영향도는 높고 대형 가속기 기업의 설계 채택을 확인해야 함. [해석]
중기 6~12개월 위험은 고객 집중과 공급망 병목으로 예상 매출이 특정 분기에 몰리는 상황이며, 발생 확률은 45%, 영향도는 보통이고 고객 다변화·납기·재고자산을 확인해야 함. [해석]
⚖️ 최종 판단
광 인터커넥트는 AI 모델 확대와 GPU 간 데이터 이동 증가가 지속되는 한 장기적인 기술 방향이 되돌아갈 가능성이 낮아 구조적 성장 산업으로 판단함. [해석]
그러나 표준·상용화 시점·고객 발주·밸류에이션에 대한 불확실성이 커 현재는 섹터 전체에 일괄 투자하지 않고, 실제 CPO 매출과 양산 발주를 확인한 기업만 선별할 판단임. [해석]
🧵 한 줄 코멘트
- 광산업은 물이 불어나는 강에 다리를 놓는 사업과 같지만, 지금은 강의 방향보다 어느 다리가 먼저 통행료를 받을지를 확인해야 하므로 확정적 매수 의견은 보류함. [해석]
☑️ 태그
#AI인터커넥트 #광통신 #CPO #스케일업 #NVLink #HBM #KV캐시 #CXL #실리콘포토닉스 #성호전자 #RF머트리얼즈 #대한광통신
https://finance.naver.com/research/industry_read.naver?nid=45397