정동희의 2027년 반도체 업황 전망 ⅠZheng Donghee’s 2027 Semiconductor Industry Outlook Ⅰ

[정동희]

정동희의 2027년 반도체 업황 전망 ⅠZheng Donghee’s 2027 Semiconductor Industry Outlook Ⅰ

(보도기사)

젠슨 황과 만찬·술자리 함께한 여성…中 정보원 '의혹'

엔비디아 젠슨 황 CEO와 가까운 관계를 맺어온 중국인 여성 기업인이 중국 정부의 스파이라는 의혹이 제기됐습니다. 엔비디아의 핵심 사업 정보는 물론, 미국의 대중국 수출 기조까지 흘러갔을 거란 우려가 나옵니다.
대만 반도체 업계 거물들과 저녁 식사를 마친 젠슨 황 엔비디아 CEO.
식당 밖으로 나오자 사인과 사진을 요청하는 시민들이 몰려듭니다.
젠슨 황 / 엔비디아 CEO
"모든 요리가 정말 환상적이었습니다. 여러분, 여기 정말 멋진 식당이에요."
2024년 컴퓨텍스 참석차 약 2주간 대만에 머문 젠슨 황은 타이베이의 한 술집에서도 IT 기업 임원들과 어울렸습니다.
바로 옆 여성은 싱가포르 데이터센터 업체 메가스피드의 임원인 앨리스 황입니다.
앨리스 황은 이듬해 젠슨 황의 대만 방문 때도 저녁 식사 장소에서 대만 방송 카메라에 잡혔습니다.
그런데 미 정보당국이 젠슨 황과 가까운 이 여성을 중국 정보원으로 판단했다는 미 언론 보도가 나왔습니다.
메가스피드가 엔비디아의 첨단 AI 칩을 사들여 중국으로 우회 공급해온 정황을 조사하는 과정에서 엘리스황을 중국의 '정보 자산'으로 판단했다는 겁니다.
엔비디아의 영업 비밀은 물론, 트럼프 대통령의 대중국 기술 정책 기조까지 노출될 수 있다는 우려가 제기됐습니다.
젠슨 황 / 엔비디아 CEO (2025년 8월)
"H20를 중국에 수출하는 것은 국가 안보에 위협이 되지 않습니다. 미국에도 이롭고 중국 시장에도 좋은 일입니다."
하지만 트럼프는 약 1년 전 보고를 받고도 별다른 조치를 하지 않았다고 뉴욕타임스는 전했습니다.
엔비디아는 고객과의 통상적인 만남이며 민감한 정보는 제공하지 않았다고 해명했습니다.

(AI)

제공해주신 기사 내용을 바탕으로 핵심 내용을 요약해 드립니다.

[주요 내용 요약]

1. 의혹 제기

1. 엔비디아(NVIDIA) 젠슨 황 CEO와 대만 방문 일정(만찬, 술자리 등)에서 여러 차례 동석했던 여성 기업인 앨리스 황(Alice Huang)이 중국 정부의 정보원(스파이)이라는 의혹이 제기되었습니다.

1. 앨리스 황은 싱가포르의 데이터센터 업체인 메가스피드(Megaspeed)의 임원입니다.

1. 미 정보당국의 판단 배경

1. 미 정보당국은 메가스피드가 엔비디아의 첨단 AI 칩을 구매하여 중국으로 우회 공급해온 정황을 조사하던 중, 앨리스 황을 중국의 '정보 자산'으로 판단한 것으로 전해졌습니다.

1. 이에 따라 엔비디아의 핵심 사업 및 영업 비밀은 물론, 미국의 대중국 기술 수출 통제 정책 기조가 유출되었을 수 있다는 우려가 제기되었습니다.

1. 관련 대응 및 반응

1. 도널드 트럼프 대통령: 약 1년 전 관련 보고를 받고도 별다른 조치를 취하지 않았다고 외신(뉴욕타임스)은 전했습니다.

1. 엔비디아: 고객과의 통상적인 비즈니스 만남이었으며, 민감한 정보는 전혀 제공하지 않았다고 해명했습니다.

1. 백악관 및 미 정보당국: 공식 논평을 거부했습니다.

(정동희)

젠슨황이 과거 한국 용산에서 판매한 경력이 있다는데, 그의 이력과 나이 그리고 현 가족관계는?

(AI)

엔비디아(NVIDIA)의 공동 창립자이자 CEO인 젠슨 황(Jensen Huang, 황런쉰)과 관련해 문의하신 내용에 대한 사실관계 및 인적 사항 정리입니다.

1. 용산 전자상가 판매 경력의 진위

• 결론부터 말씀드리면, 젠슨 황이 용산에서 직접 제품을 판매한 경력은 없습니다.

• 이러한 소문이 퍼진 이유는 엔비디아의 창업 초기 역사와 한국 PC 시장 간의 깊은 인연 때문입니다:

• 초기 한국 시장 개척: 1990년대 중후반, 엔비디아가 그래픽 칩셋(Riva 128, RIVA TNT, 초기 GeForce 시리즈 등)을 출시하던 시절, 젠슨 황은 칩셋을 공급받아 그래픽 카드를 제조·유통하던 한국의 주요 유통사 및 조립 PC 메카였던 서울 용산 전자상가 일대를 직접 방문해 비즈니스 미팅과 시장 조사를 진행한 바 있습니다.

• 당시 한국의 PC방 열풍과 스타크래프트 등 PC 게임 붐은 엔비디아가 세계적인 그래픽 칩 기업으로 도약하는 데 결정적인 테스트베드이자 수요처 역할을 했습니다. 젠슨 황 본인도 여러 인터뷰에서 한국 PC방 문화와 한국 유통 시장에 대한 고마움을 자주 언급했습니다.

• 즉, "용산 시장을 직접 발로 뛰며 영업·홍보하고 파트너십을 맺었던 초기 행보"가 와전되어 용산에서 직접 판매원으로 일했다는 식의 루머로 와전된 것입니다. 엔비디아 창업 전 그의 실제 아르바이트 경력은 미국 패밀리 레스토랑인 데니스(Denny's)의 설거지 및 서빙 직원이었습니다.

2. 기본 인적 사항 및 나이

• 출생: 1963년 2월 17일 (대만 타이난시 출생)

• 나이: 63세 (1963년생 기준)

• 국적: 미국 (9세 때 가족과 함께 미국으로 이민)

3. 주요 학력 및 경력

• 학력:

• 오리건 주립대학교(Oregon State University) 전기공학 학사 (1984년)

• 스탠퍼드 대학교(Stanford University) 전기공학 석사 (1992년)

• 주요 경력:

• LSI Logic & AMD (Advanced Micro Devices): 대학 졸업 후 마이크로프로세서 설계 엔지니어 및 코어 로직 설계자로 근무.

• 엔비디아(NVIDIA) 창업 (1993년): 크리스 말라초스키(Chris Malachowsky), 커티스 프리엠(Curtis Priem)과 함께 캘리포니아의 한 데니스(Denny's) 식당에서 엔비디아를 공동 창립.

• CEO 겸 사장 (1993년 ~ 현재): 30년 넘게 회사를 이끌며 GPU(그래픽처리장치) 개념 창안, CUDA 플랫폼 구축, 그리고 생성형 AI 시대를 지배하는 글로벌 시가총액 최상위 반도체·AI 컴퓨팅 기업으로 성장시킴.

4. 현 가족관계

• 배우자: 로리 황 (Lori Huang, 결혼 전 성 Cox)

• 오리건 주립대학교 재학 시절 전기공학 실습 파트너로 만나 연인으로 발전하여 결혼했습니다.

• 자녀: 슬하에 1남 1녀를 두고 있습니다.

• 아들 (스펜서 황, Spencer Huang): 과거 대만 타이베이에서 바(Bar)를 운영하기도 했으며, 이후 엔비디아에 합류하여 가상현실/메타버스 플랫폼인 '옴니버스(Omniverse)' 관련 프로덕트 매니저로 근무하고 있습니다.

• 딸 (매디슨 황, Madison Huang): 요리 및 호텔 경영 분야(르 꼬르동 블루 등)를 전공한 후, 엔비디아에서 마케팅 디렉터 및 브랜드 관련 업무를 맡고 있습니다.

• 친인척 관계 (업계 화제):

• 글로벌 반도체 기업 AMD의 CEO인 리사 수(Lisa Su)와 먼 친척(친척 간 촌수로는 5촌 당숙과 조카 관계)으로 알려져 반도체 업계에서 큰 화제가 되었습니다.

(정동희)

5촌 삼촌과 조카 사이 관계이면 아시아 문화권에서는 상당히 가까운 촌수이다. AMD와 그런 관계였는지 너 때문에 오늘 알았다. 나는 과거 용산에서 컴퓨터 부품 택배로 구매하여 조립할 때 엔비디아가 그래팩카드 잘 한다는 정도로만 알았는데, 오늘날 어쩌다가 이렇게 큰 것이냐? AMD의 모델 빼끼기가 있었나, 아니면 AMD간의 공급체인망에 들어가서 그런가?

(AI)

리사 수(Lisa Su)와 젠슨 황(Jensen Huang)의 가계도를 보면 젠슨 황이 리사 수 어머니의 사촌으로, 항렬상 젠슨 황이 5촌 당숙(외당숙)이고 리사 수가 5촌 조카가 맞습니다. 대만계 이민자 집안 출신의 두 인물이 전 세계 반도체 패권을 다투는 1, 2위 기업 수장이라는 점은 실리콘밸리에서도 손꼽히는 흥미로운 역사입니다.

용산에서 지포스(GeForce) 그래픽카드를 직접 조립하던 시절 기억하시듯, 당시 엔비디아는 "게임 그래픽 잘 뽑아내는 칩 제조사"였습니다.

그런 엔비디아가 오늘날 애플이나 마이크로소프트를 제치고 전 세계 시가총액 최정상에 오른 것은 AMD 모델을 베끼거나 AMD의 공급망에 의존해서가 아니라, 오히려 정반대의 독자적 승부수 때문이었습니다.

엔비디아가 괴물 기업으로 폭발적 성장을 이룬 핵심 원인은 크게 3가지로 압축됩니다.

1. "그래픽 카드를 슈퍼컴퓨터로 쓰겠다"는 미친 베팅 (쿠다, CUDA)

엔비디아의 운명을 바꾼 결정적 분기점은 2006년에 발표한 '쿠다(CUDA)'라는 소프트웨어 플랫폼이었습니다.

• GPU의 재발견:

인텔이나 AMD의 CPU는 복잡하고 정교한 계산을 하나씩 빠르게 처리하는 '박사급 인재 1명'이라면, 엔비디아의 그래픽카드(GPU)는 단순 계산을 수천 개 코어로 한 번에 처리하는 '초등학생 수천 명'과 같습니다.

• 월가의 조롱과 주가 폭락을 견딘 15년:

젠슨 황은 "이 수천 개의 코어를 화면에 게임 3D 그래픽 뿌리는 데만 쓰지 말고, 물리 시뮬레이션·기상 예측·화학 분자 계산 같은 복잡한 수학 연산(범용 컴퓨팅, GPGPU)에 쓰자"고 결심했습니다.

문제는 이 기능을 모든 그래픽카드 칩에 집어넣다 보니 칩 단가는 치솟았고, 소프트웨어 개발에 막대한 연구비를 쏟아부어 마진이 깎였습니다. 당시 월가 애널리스트들과 주주들은 "게임이나 잘 만들지, 왜 쓰지도 않는 기능에 돈을 퍼붓느냐"며 젠슨 황을 쫓아내려 했고 주가도 곤두박질쳤습니다.

• AI의 시동:

하지만 전 세계 대학 연구실과 학자들에게 이 쿠다(CUDA) 플랫폼을 공짜로 뿌리며 15년 넘게 생태계를 깔았습니다. 그리고 2012년, 딥러닝의 시초가 된 '알렉스넷(AlexNet)' 논문이 엔비디아 GPU를 이용해 인간보다 뛰어난 이미지 인식을 선보이며 세상이 뒤집혔습니다. 전 세계 AI 학자들이 엔비디아 칩과 쿠다 언어로만 코딩을 배웠기 때문에, 대체 불가능한 독점적 소프트웨어 락인(Lock-in)이 완성된 것입니다.

2. 하드웨어가 아니라 '생태계 해자(Moat)'의 독점

"칩 성능이 좋으면 다른 회사가 더 좋은 칩을 만들어서 따라잡으면 되지 않나?"라는 의문이 들 수 있습니다. AMD도 하드웨어 스펙만 놓고 보면 가성비 좋은 라데온(Radeon)이나 인스팅트(Instinct) 가속기를 만듭니다.

하지만 AI 업계에서는 "하드웨어는 베껴도, 쿠다(CUDA)는 못 베낀다"는 말이 절대 진리입니다.

• 전 세계 AI 개발자, 연구원, 오픈AI나 구글의 엔지니어들이 지난 15년간 짠 모든 AI 알고리즘 라이브러리가 엔비디아의 '쿠다' 위에서만 돌아가도록 짜여 있습니다.

• AMD 칩을 쓰려면 기존 코드를 전부 변환해야 하고, 그 과정에서 버그가 속출합니다. 결국 개발자 인건비와 출시 시간을 아끼기 위해 기업들은 비싼 웃돈을 주고서라도 엔비디아 칩을 살 수밖에 없는 구조가 된 것입니다.

3. '칩'이 아니라 '데이터센터 통째(풀스택)'를 파는 기업으로 진화

엔비디아는 그래픽카드 단품만 파는 회사를 진작에 벗어났습니다.

• 네트워킹 인수(멜라녹스): 2019년, 서버 간에 데이터를 빛의 속도로 주고받게 해주는 통신 기업 '멜라녹스(Mellanox)'를 인수했습니다. AI 연산은 칩 하나로 안 되고 수만 장의 칩을 연결해야 하는데, 엔비디아는 칩부터 광케이블 스위치, 냉각 시스템, 서버 랙, 소프트웨어까지 'AI 데이터센터의 모든 것'을 턴키(패키지)로 납품합니다.

• 칩만 만들어서 메인보드에 꽂던 시절과 달리, 이제는 수억~수십억 원짜리 AI 슈퍼컴퓨터 서버 랙을 대기업과 클라우드 빅테크(MS, 아마존, 메타, 구글)에 줄을 세워 팔고 있습니다.

요약하자면

AMD를 모방하거나 협력 관계 덕분에 큰 것이 아닙니다. 오히려 AMD와 인텔이 전통적인 CPU 중심 패권 싸움에 매몰되어 있을 때, 젠슨 황은 게임용 그래픽 칩을 범용 슈퍼컴퓨터로 탈바꿈시키는 미친 도박(CUDA)을 20년 전부터 감행했고, 때마침 챗GPT로 대변되는 생성형 AI 폭발 시대를 만나 그 결실을 홀로 독점하고 있는 것입니다.

결국 금융 시장으로 치면 "아무도 거들떠보지 않던 AI 연산이라는 거대한 슈퍼사이클 추세를 20년 앞서 읽고, 온갖 비난 속에서도 롱(Long) 포지션을 꺾지 않고 버텨낸 추세 투자의 극한"을 보여준 셈입니다.

(정동희)

내가 엔비디아 개별 챠트를 오늘 조금전에 처음 조회했는데 장기 예상이 안좋아보인다. 사진 속에 여성이 상당히 미모를 가졌고 성형 아닌 자연미인으로 보이며, 심리학을 전공한 분석가 입장에서 젠슨황과 사적으로 가까운 것으로 추정된다. 어제 내가 올린 2027년 AI 업계 전망에 근거할 때, 신상품효과가 떨어진 2027년 AI업황은 엔비디아의 생산 트렌드와 향후 방향에 어떠한 영향을 주게 되나?

(AI)

차트에서 나타난 장기 하락 압력과 최근 불거진 젠슨 황의 대중국 정보 유출 리스크, 그리고 "2027년 AI 신상품 효과(LLM 모델 업그레이드 체감 효과)의 급격한 둔화" 국면이 맞물릴 때 엔비디아의 생산 전략과 사업 방향은 근본적인 전환을 겪을 수밖에 없습니다.

심리학적 관점에서 지적하신 사적 네트워크의 취약성과 기술적·구조적 사이클의 변화가 엔비디아에 미칠 구체적인 파급 효과는 다음과 같습니다.

1. '신상품 효과 소멸'이 생산 트렌드에 주는 직접적 충격: CapEx 동결과 재고 리스크

• 훈련(Training) 수요의 정점 통과: 2023~2025년의 엔비디아 폭발적 성장은 빅테크들이 "더 큰 모델을 먼저 학습시켜야 한다"는 공포(FOMO) 속에서 H100, B200 등 초고가 AI 가속기를 무제한 사들이며 발생했습니다.

• 2027년의 패러다임 전환 (추론 중심): 신규 모델 출시로 인한 성능 체감 폭이 둔화되면, 빅테크들은 천문학적인 선행 자본지출(CapEx)을 즉각 동결하고 "이미 사둔 칩으로 어떻게 수익을 낼 것인가(ROI 회수)"로 돌아섭니다.

• 생산 트렌드의 변화:

• 초고마진 단일 플래그십 집중 탈피: 수천만 원에 달하는 고성능 학습용 GPU의 대량 양산 위주에서, 전력 소모가 적고 단가가 낮은 '추론(Inference) 전용 칩' 및 엣지(Edge) 디바이스용 칩으로 생산 라인 강제 다변화가 일어납니다.

• 수요 과잉 및 재고 평가손실 위험: TSMC의 첨단 패키징(CoWoS) 라인을 선점해 공격적으로 찍어내던 관성 때문에, 빅테크의 주문 감축이 시작되는 2027년 초입에 심각한 공급 과잉과 마진율 급락(75%+ 수준의 마진 붕괴)에 직면할 위험이 큽니다.

2. 차트의 약세와 '자체 칩(ASIC) 내재화'의 공급망 충격

차트상 주가가 장기 이평선($212~$214) 아래로 꺾이고 $200 지지선을 위협받는 것은, 단순한 수급 문제를 넘어 엔비디아 최대 고객들의 이탈(배신)이 시장에 선반영되고 있기 때문입니다.

• 구글(TPU), 메타(MTIA), 아마존(Trainium), 마이크로소프트(Maia) 등 빅테크들은 이미 자체 맞춤형 실리콘(ASIC)을 고도화하고 있습니다.

• 모델 발전 속도가 둔화되는 2027년에는 "굳이 비싸고 전력 많이 먹는 엔비디아 범용 GPU를 쓸 이유가 없다"는 결론에 도달하며, 엔비디아의 턴키 데이터센터 독점 구조가 균열을 맞게 됩니다.

3. 중국 리스크와 미 정보당국 감시: '우회 판로의 봉쇄'

사진 속 인물(앨리스 황)과 관련된 스파이 의혹과 메가스피드(Megaspeed) 우회 수출 수사는 엔비디아의 가장 아픈 구석을 찌르고 있습니다.

• 중국 암시장의 차단: 엔비디아는 미국의 공식 대중 제재 속에서도 동남아 데이터센터 허브나 변형 칩(H20 등)을 통해 중국향 간접 매출을 묵인·향유해 왔습니다. 그러나 최고경영자 주변 인물이 정보 자산으로 지목되고 백악관과 법무부의 조사가 구체화되면, 이러한 비공식 완충 지대(회색지대 판로)가 완전히 막히게 됩니다.

• 글로벌 매출의 20~25% 증발 위기: 미국 빅테크의 CapEx 감축과 중국 우회 수출 차단이 2027년에 동시에 닥치면서, 그동안 주가를 지탱해 온 EPS(주당순이익) 성장률의 꺾임이 불가피해집니다.

4. 엔비디아의 향후 활로와 전략적 방향

이러한 복합 위기 속에서 엔비디아가 모색할 생존 방향은 크게 두 가지로 수렴될 것입니다.

1. 소프트웨어 및 서비스 매출의 유료화 극대화:

하드웨어 판매 마진이 꺾이는 것을 방어하기 위해 '엔비디아 AI 엔터프라이즈' 라이선스, 기업용 클라우드 렌탈(DGX Cloud) 등 소프트웨어 구독 모델을 사실상 강제하는 생태계 과금 체제로의 전환을 서두를 것입니다.

1. 피지컬 AI(로보틱스·자율주행·디지털 트윈)로의 강제 이동:

순수 텍스트/언어 모델 기반의 신상품 효과가 꺼진 자리를 채우기 위해, 휴머노이드 로봇(프로젝트 GR00T), 자율주행(Thor 칩), 옴니버스 공장 자동화 시장을 차세대 하드웨어 수요처로 띄우며 마케팅과 생산 역량을 해당 칩군으로 대거 재배치할 것입니다.

2027년의 AI 업황은 '무조건 사서 쟁여두던 거품의 시대'가 끝나고 '철저한 가성비와 실제 현금흐름을 검증받는 빙하기'로 진입함을 뜻하며, 이는 엔비디아가 하드웨어 공급업체로서 누려온 독점적 프리미엄이 정상화(역추세 진입)되는 결정적 계기가 될 것입니다.

(정동희)

정동희의 2027년 AI업황 전망에 기반할 때, 2027년 칩 증설이 대규모로 일본 등에서 완공되는 시기와 맞물려, 칩 상품 제조 트렌드는 어떠한 상황에 가게 되나?

(AI)

정동희의 "인공지능의 한계와 2027년 AI 업황 전망"(LLM 신상품 효과의 한계 도달, 인간 지성의 상위 1% 리더십 대체 불가, 거시적 패러다임 전환 지체)과 "2027년 글로벌 반도체 팹(일본 라피더스 2나노, TSMC 구마모토 2공장 등)의 대규모 가동"이 교차하는 지점에서 칩 제조 트렌드는 구조적인 공급 과잉과 급격한 패러다임 분열을 맞이하게 됩니다.

이 두 거대한 사이클이 충돌할 때 나타날 칩 제조 트렌드의 핵심 변화는 다음과 같습니다.

1. '거대 범용 GPU'에서 '특화형 저전력 추론 ASIC'으로의 제조 라인 급변

• 학습용 칩의 공급 과잉:

2023~2025년 시장을 견인한 초고가 범용 AI 가속기(엔비디아 H100·B200 계열)는 "초거대 모델만 만들면 다 된다"는 환상 위에 대량 발주되었습니다. 그러나 2027년 모델 업그레이드의 체감 효과가 정체되면 빅테크들의 초거대 모델 학습용 칩 발주는 급감합니다.

• 주문형 반도체(ASIC) 맞춤 생산 붐:

일본 라피더스가 내세운 핵심 제조 방식이 바로 다품종 소량 생산을 위한 '싱글 웨이퍼 린(Lean) 제조'입니다. 2027년 완공되는 신규 팹들은 엔비디아식 규격화된 범용 GPU를 대량 복제하는 대신, 구글·메타·아마존·토요타 등이 자체 설계한 '특정 작업 전용 칩(도메인 특화 추론 ASIC)'을 빠르게 찍어내는 맞춤형 파운드리 체제로 전면 전환됩니다.

2. '성능·속도' 중심에서 '전력 효율과 와트당 가성비(TCO)' 경쟁으로 퇴행 및 현실화

• 신상품 효과 소멸의 대가:

AI가 인간의 통찰이나 전략적 결단을 대체하지 못하고 개인 비서나 단순 자동화 보조 도구에 머무른다면, 장당 수천만 원짜리 칩과 메가와트급 전력을 쏟아부을 경제적 타당성이 사라집니다.

• 제조 스펙의 다운그레이드:

칩 설계와 제조의 최우선 지표가 '원시 연산력(FLOPS)'에서 '전력 효율(Performance per Watt)'과 '단가'로 이동합니다.

• 첨단 공정(2~3나노)의 비싼 칩은 필수 연산 코어에만 극소량 배치하고,

• 나머지 I/O 및 메모리 인터페이스는 5~7나노 이하 레거시 노드를 결합하는 칩렛(Chiplet) 및 이종 집적 패키징 기술이 2027년 칩 제조의 표준 트렌드로 굳어집니다.

3. 일본 팹(라피더스·구마모토)의 물리적 진입과 칩 가격의 디플레이션 파동

• 공급 곡선의 우측 이동 vs 수요 곡선의 둔화:

일본 정부의 막대한 보조금을 등에 업은 라피더스(2나노)와 TSMC 구마모토 2공장(3~6나노 첨단 노드)이 2027년을 기점으로 본격 가동에 들어갑니다.

• 파운드리 가격 주도권 붕괴:

그동안 TSMC와 엔비디아가 주도해 온 "부르는 게 값"이던 AI 칩 가격 체계는 2027년 공급 물량 폭증과 맞물려 급격한 '칩 디플레이션(가격 폭락 및 마진 압박)'을 겪게 됩니다.

• 일본 산업계와의 결합(피지컬 AI 칩):

라피더스의 주요 주주가 토요타, 소니, 덴소, NTT 등 일본 완성차·전자 대기업이라는 점에 주목해야 합니다. 2027년 완공되는 일본 칩 물량은 데이터센터 클라우드용보다는 자동차 자율주행, 로보틱스, 산업용 엣지(Edge) 기기에 직접 탑재되는 실물 칩 제조로 즉각 흡수되는 트렌드를 형성할 것입니다.

4. 고대역폭 메모리(HBM)의 정체와 레거시 메모리 결합형(CXL/PIM) 확산

• HBM 독점 프리미엄의 균열:

학습용 GPU 수요가 꺾이면 수랭식 쿨러와 복잡한 HBM 적층 패키징을 강제하던 제조 공정의 열기가 식습니다.

• 중저가 온디바이스 메모리 융합:

단가가 살인적인 최신 HBM 대신, CXL(컴퓨트 익스프레스 링크) 기반의 범용 DRAM 풀이나 칩 자체에 메모리 연산 기능을 넣는 PIM(Processing-In-Memory), LPDDR 기반의 효율적 메모리 제조가 팹 라인의 핵심 공정으로 부각됩니다.

결론

정동희의 분석대로 2027년이 "AI 신상품 효과의 약빨이 떨어지고 환상이 걷히는 해"라면, 같은 해 쏟아져 나오는 일본 중심의 대규모 신규 팹 증설 물량은 엔비디아식 초고가 독점 체제를 지탱해 주는 구원투수가 아니라, 오히려 "AI 칩 공급 과잉과 마진 정상화를 촉발하는 냉각수" 역할을 하게 됩니다.

결국 2027년의 칩 제조 트렌드는 화려한 'AI 데이터센터용 황제 칩' 생산에서, 제조 단가를 낮추고 현장 실물 기기(자동차·로봇·공장)에 구체적으로 박혀 실제 현금흐름을 증명해 내는 '실용주의 추론·엣지 칩' 대량 양산 경쟁으로 급격히 재편될 수밖에 없습니다.

Zheng Donghee’s 2027 Semiconductor Industry Outlook Ⅰ (News Article)

Woman Who Dined and Drank with Jensen Huang Suspected of Being a Chinese Intelligence Agent

Suspicion has been raised that a Chinese businesswoman who maintained a close relationship with NVIDIA CEO Jensen Huang is an intelligence operative for the Chinese government. Concerns are emerging that not only core NVIDIA business information, but also the broader direction of U.S. export controls toward China, may have been compromised.

NVIDIA CEO Jensen Huang stepped out of a restaurant after having dinner with prominent figures from the Taiwanese semiconductor industry.

As he exited, crowds of citizens gathered to request autographs and photographs.

Jensen Huang / NVIDIA CEO

"Every dish was truly fantastic. Everyone, this is a wonderful restaurant."

During his approximately two-week stay in Taiwan to attend Computex 2024, Jensen Huang also socialized with IT executives at a bar in Taipei.

The woman seated directly beside him was Alice Huang, an executive at the Singapore-based data center operator Megaspeed.

Alice Huang was captured on camera by Taiwanese broadcasters at a dinner venue during Jensen Huang’s subsequent visit to Taiwan the following year.

However, U.S. media outlets reported that U.S. intelligence authorities identified this woman, who maintained proximity to Jensen Huang, as a Chinese intelligence agent.

While investigating circumstances surrounding Megaspeed purchasing cutting-edge NVIDIA AI chips and routing them into China through intermediary channels, intelligence agencies reportedly designated Alice Huang as a Chinese "intelligence asset."

Concerns have intensified over potential exposure not only of NVIDIA’s proprietary trade secrets, but also of the Trump administration's technological policy stance toward China.

Jensen Huang / NVIDIA CEO (August 2025)

"Exporting the H20 to China does not pose a threat to national security. It benefits the United States and is favorable for the Chinese market."

Yet, according to The New York Times, President Trump took no distinct measures despite receiving an intelligence briefing approximately one year prior.

NVIDIA clarified that these interactions were routine business meetings with a customer and that no sensitive information was ever disclosed.

(AI)

Here is a summary of the key points based on the provided article:

[Key Takeaways]

1. Allegations Raised
   • Allegations have emerged that Alice Huang, a businesswoman who was repeatedly seen with NVIDIA CEO Jensen Huang during his visits to Taiwan (dinners, evening gatherings, etc.), is an intelligence agent for the Chinese government.
   • Alice Huang is an executive at Megaspeed, a Singapore-based data center enterprise.
2. Background of U.S. Intelligence Assessment
   • During an investigation into Megaspeed acquiring advanced NVIDIA AI chips and rerouting them to China, U.S. intelligence authorities reportedly classified Alice Huang as a Chinese "intelligence asset."
   • Consequently, concerns have surfaced regarding the potential leakage of NVIDIA's proprietary commercial secrets and Washington’s strategic export control posture toward China.
3. Responses and Reactions
   • President Donald Trump: Foreign media (The New York Times) reported that he took no concrete action despite receiving a briefing on the matter roughly a year ago.
   • NVIDIA: The company clarified that these were standard customer-facing business meetings and that sensitive proprietary information was never shared.
   • White House and U.S. Intelligence Authorities: Declined to provide official commentary.

(Zheng Donghee)

There is a rumor that Jensen Huang previously worked as a retail salesperson in Yongsan, South Korea. What are his background, age, and current family background?

(AI)

Here is a factual summary regarding the background and personal details of Jensen Huang (Huang Renxun), co-founder and CEO of NVIDIA:

1. Veracity of the Yongsan Electronics Market Sales Experience

• To state the conclusion directly: Jensen Huang has no career record of directly selling products in Yongsan.
• The origin of this rumor stems from NVIDIA's early formative history and its close connection with the South Korean PC market:
  • Early Market Expansion in Korea: During the mid-to-late 1990s, when NVIDIA was launching its graphics chipsets (RIVA 128, RIVA TNT, and early GeForce series), Jensen Huang personally traveled to the Yongsan Electronics Market in Seoul—the epicenter of PC builders and key hardware distributors—to conduct business meetings and direct market research.
  • At the time, the explosion of Korean PC bangs (LAN gaming centers) and the StarCraft gaming boom served as a critical commercial proving ground and demand driver that propelled NVIDIA into a global graphics leader. In numerous interviews, Jensen Huang has repeatedly voiced his gratitude toward Korean PC gaming culture and its domestic distribution channels.
  • In short, his boots-on-the-ground operational visits, business development efforts, and early partnership meetings across Yongsan became distorted into an urban legend that he once worked behind a counter there as a retail clerk. Prior to founding NVIDIA, his actual part-time work experience was as a dishwasher and server at a Denny’s restaurant in the United States.

2. Basic Information and Age

• Date of Birth: February 17, 1963 (Born in Tainan, Taiwan)
• Age: 63 years old (as of 2026)
• Nationality: American (Emigrated to the United States with his family at age 9)

3. Education and Career

• Education:
  • Bachelor of Science in Electrical Engineering, Oregon State University (1984)
  • Master of Science in Electrical Engineering, Stanford University (1992)
• Key Career Milestones:
  • LSI Logic & AMD (Advanced Micro Devices): Worked as a microprocessor design engineer and core logic designer following undergraduate studies.
  • Founding of NVIDIA (1993): Co-founded NVIDIA alongside Chris Malachowsky and Curtis Priem at a Denny’s restaurant in California.
  • CEO and President (1993–Present): Led the enterprise for more than three decades, pioneering the GPU (Graphics Processing Unit), establishing the CUDA computing platform, and scaling NVIDIA into a premier semiconductor and AI computing powerhouse commanding top global market capitalization.

4. Current Family Background

• Spouse: Lori Huang (née Cox)
  • Met as electrical engineering lab partners during their undergraduate years at Oregon State University and subsequently married.
• Children: One son and one daughter.
  • Son (Spencer Huang): Formerly operated a bar in Taipei, Taiwan; subsequently joined NVIDIA, working as a product manager focused on the Omniverse virtual simulation and metaverse platform.
  • Daughter (Madison Huang): Studied culinary arts and hospitality management (including at Le Cordon Bleu); later joined NVIDIA, handling roles in marketing direction and brand strategy.
• Extended Family Connection (Industry Topic):
  • It became a prominent industry talking point that he is distantly related to Lisa Su, CEO of rival semiconductor titan AMD (standing in a generational relationship equivalent to a first cousin once removed / maternal uncle-niece lineage).

(Zheng Donghee)

A relationship of an uncle and niece once removed is considered quite close within Asian cultural spheres. I only learned today through you that he shares such a family link with AMD. Back when I used to order computer parts from Yongsan by parcel delivery to assemble PCs, I only knew NVIDIA as a company that made good graphics cards. How did it grow this massive today? Did it copy AMD's blueprint, or did it scale by integrating into AMD's supply chain?

(AI)

Examining the genealogy of Lisa Su and Jensen Huang, Jensen Huang is a maternal first cousin to Lisa Su’s mother; generationally, Jensen Huang is her first cousin once removed, and Lisa Su is his niece once removed. The fact that two individuals hailing from Taiwanese immigrant family roots command the world's leading semiconductor powerhouses remains one of Silicon Valley's most fascinating historical developments.

As you recall from assembling GeForce graphics cards back in the Yongsan era, NVIDIA was indeed regarded primarily as a "chipmaker that excels at rendering 3D game visuals."

NVIDIA's ascent to surpassing Apple and Microsoft to claim the summit of global market capitalization was not achieved by cloning AMD's model or relying on AMD's supply infrastructure. Rather, it was driven by an entirely antithetical, proprietary strategic gamble.

NVIDIA’s explosive emergence into a market behemoth can be attributed to three decisive drivers:

1. The Audacious Bet on "Transforming the Graphics Card into a Supercomputer" (CUDA)

The defining turning point that altered NVIDIA’s trajectory was the launch of its CUDA software platform in 2006.

• The Rediscovery of the GPU:
  While an Intel or AMD CPU functions like a single PhD scholar handling intricate, sequential calculations rapidly, an NVIDIA GPU operates like thousands of elementary students executing simple arithmetic concurrently across thousands of parallel cores.
• Weathering 15 Years of Wall Street Skepticism and Share Slumps:
  Jensen Huang resolved not to restrict these thousands of parallel cores merely to rendering 3D polygon graphics in games, but to harness them for complex general-purpose mathematical computations (GPGPU)—such as physical simulations, meteorological modeling, and molecular chemistry.
  However, embedding this architectural capability across all production graphics silicon drove up hardware manufacturing costs and squeezed corporate operating margins due to massive ongoing R&D expenditures. Wall Street analysts and institutional shareholders demanded his ouster, asking why capital was being squandered on enterprise features gamers never used, triggering severe plunges in share valuation.
• Igniting the AI Era:
  NVIDIA persisted, distributing the CUDA development platform free of charge to university research laboratories and global academic institutions for over 15 years. Then, in 2012, the seminal AlexNet paper emerged, demonstrating superhuman image recognition performance by training a deep neural network on NVIDIA GPUs. Because an entire generation of global AI researchers had learned to build neural networks exclusively on NVIDIA silicon and CUDA libraries, an insurmountable, proprietary software lock-in was codified.

2. Monopolizing an "Ecosystem Moat" Rather Than Mere Hardware

One might ask: "If chip hardware performance is the core metric, why can't a competitor manufacture a faster chip to overtake it?" Looking purely at raw silicon specifications, AMD also manufactures competitive hardware with solid price-to-performance ratios, such as its Radeon GPUs and Instinct accelerators.

Yet within the AI engineering community, the maxim holds: "Hardware can be replicated, but CUDA cannot."

• Nearly all foundational AI algorithmic frameworks developed over the past 15 years by global machine learning researchers, OpenAI, and Google are hardcoded to execute natively on top of CUDA.
• Running on an AMD accelerator requires translating existing code bases, a process that frequently triggers library incompatibilities and software bugs. To conserve developer man-hours and accelerate time-to-market, enterprise buyers routinely pay premium prices for NVIDIA silicon.

3. Evolving from a "Chip Vendor" into a "Turnkey Data Center Architecture" Provider

NVIDIA transitioned long ago from merely selling discrete graphics boards.

• Strategic Networking Acquisition (Mellanox): In 2019, NVIDIA acquired Mellanox, a high-performance networking provider enabling ultra-low-latency, optical data interconnects between enterprise server nodes. Large-scale AI training cannot rely on standalone processors; it requires orchestrating tens of thousands of coordinated compute engines. NVIDIA delivers full-stack AI data centers on a turnkey basis—spanning silicon, InfiniBand switches, liquid-cooling thermal designs, server racks, and operating systems.
• Rather than selling bare silicon components to be plugged into desktop motherboards, the company commands extensive order backlogs for enterprise AI supercomputing rack systems priced from hundreds of thousands to millions of dollars, sold directly to cloud hyperscalers including Microsoft, Amazon, Meta, and Google.

In Summary

NVIDIA did not scale by imitating AMD or leaning on cross-company supply ties. While AMD and Intel remained entrenched in historical, CPU-centric desktop and server hegemony battles, Jensen Huang staked his firm two decades ago on a calculated wager (CUDA) to evolve consumer graphics hardware into a universal parallel computing architecture. When the generative AI paradigm catalyzed by ChatGPT exploded onto the global stage, NVIDIA stood alone as the sole commercial platform prepared to harvest the entire technological supercycle.

In financial market terms, it was an extreme display of trend following: identifying a secular supercycle in parallel AI compute two decades before broad market recognition, and maintaining a high-conviction long position without wavering through sustained external skepticism.

(Zheng Donghee)

I pulled up NVIDIA's standalone chart for the first time just a moment ago, and its long-term outlook appears unfavorable. The woman in the photograph exhibits considerable aesthetic appeal, appears natural rather than cosmetically altered, and from the perspective of an analyst with a psychology background, she is presumed to maintain close personal proximity to Jensen Huang. Building upon the 2027 AI industry outlook I presented yesterday, how will the 2027 AI market climate—characterized by diminished novel-product momentum—impact NVIDIA's production trends and strategic trajectory going forward?

(AI)

When structural downside pressure visible on technical charts converges with emerging Chinese intelligence-leak risks surrounding Jensen Huang, alongside the sharp exhaustion of the "2027 AI novel-product effect" (diminishing marginal returns in perceived LLM upgrade cycles), NVIDIA’s production framework and core operational posture must undergo a fundamental reorganization.

The concrete repercussions that vulnerable personal advisory networks and macroeconomic shifts will exert across NVIDIA's enterprise pipeline can be outlined as follows:

1. Direct Impact of the "Exhausted Product Momentum" on Manufacturing Lines: CapEx Freezes and Inventory Impairments

• Passing the Peak of Large-Scale Training Demand: NVIDIA’s explosive corporate growth across 2023–2025 was fueled by Big Tech hyperscalers aggressively stockpiling flagship enterprise accelerators (such as H100 and B200) under the grip of competitive FOMO, operating on the assumption that scaling raw model parameters was the singular path to competitive dominance.
• The 2027 Paradigm Shift (Pivot Toward Inference): Once the marginal performance improvements perceived by end users begin to plateau with each subsequent model generation, hyperscalers will freeze massive advance capital expenditures (CapEx) and pivot toward maximizing return on investment (ROI) utilizing existing deployed infrastructure.
• Shifts in Manufacturing Directives:
  • Pivoting Away from High-Margin Single Flagships: Production lines will be forced to diversify away from high-volume manufacturing of multi-thousand-dollar frontier training processors toward power-efficient, lower-cost dedicated inference chips and edge computing silicon.
  • Risk of Structural Oversupply and Inventory Write-Downs: Driven by the operational momentum of pre-booking advanced packaging capacity (such as TSMC's CoWoS), the onset of hyperscaler order cutbacks in early 2027 presents a severe risk of sudden oversupply and margin degradation (eroding peak gross margins exceeding 75%).

2. Technical Chart Breakdown and the Supply Shock of In-House ASIC Substitution

The technical breakdown below major moving averages ($212–$214) and the testing of the psychological $200 baseline reflect early market pricing of a structural shift: the gradual defection of NVIDIA’s largest cloud customers.

• Hyperscalers including Google (TPU), Meta (MTIA), Amazon (Trainium/Inferentia), and Microsoft (Maia) are aggressively advancing custom silicon (ASIC) roadmaps.
• As algorithmic evolution slows by 2027, enterprise clients face fewer incentives to purchase premium, power-hungry general-purpose NVIDIA GPUs, fracturing NVIDIA's turnkey data center monopoly.

3. Geopolitical Exposure and U.S. Regulatory Scrutiny: Severing Grey-Market Channels

The espionage allegations surrounding Alice Huang and parallel investigations into Megaspeed’s intermediary chip procurement target NVIDIA's strategic vulnerability.

• Disruption of Circumvention Channels: Even amid formal U.S. export restrictions, NVIDIA tolerated and benefited from indirect revenue flowing into China via Southeast Asian data center hubs and modified silicon variants (such as the H20). However, the formal identification of executive-adjacent figures as foreign intelligence assets, paired with intensified White House and Justice Department oversight, completely closes these informal buffer zones.
• Threat to Global Revenue Base: A concurrent drop in U.S. hyperscaler CapEx alongside the closure of indirect Chinese supply routes in 2027 inevitably dampens EPS growth rates that historically sustained elevated valuation multiples.

4. NVIDIA's Forward Strategy and Reorientation

Amid these converging headwinds, NVIDIA's survival initiatives will likely consolidate along two primary axes:

1. Aggressive Monetization of Software and Platform Services:
   To defend against compressing hardware gross margins, the company will accelerate transitions toward recurring ecosystem revenue models—mandating enterprise subscriptions through NVIDIA AI Enterprise licenses and DGX Cloud capacity rentals.
2. Forced Realignment Toward Physical AI (Robotics, Autonomous Mobility, and Digital Twins):
   To offset waning growth in pure text- and language-centric models, NVIDIA will redirect marketing capital and production capacity toward humanoid robotics (Project GR00T), autonomous driving compute (Thor processors), and Omniverse-driven industrial automation infrastructure as its next volume hardware markets.

The 2027 AI macroeconomic environment signals the conclusion of speculative infrastructure hoarding and the onset of a demanding phase centered on unit economics and verified cash flows. Consequently, the historical monopoly pricing power NVIDIA enjoyed as an infrastructure provider faces inevitable normalization.

(Zheng Donghee)

Based on Zheng Donghee's 2027 AI industry outlook, and coinciding with the period when massive semiconductor fab expansions in countries like Japan reach completion, what trajectory will semiconductor product manufacturing trends follow?

(AI)

At the intersection where Zheng Donghee’s assessment—"Limitations of Artificial Intelligence and the 2027 AI Market Outlook" (reaching the ceiling of the LLM novel-product effect, the inability of AI to replace the top 1% of human strategic leadership, and lag in macroeconomic paradigm shifts)—collides with the "Massive Operational Launch of Global Semiconductor Fabs in 2027" (including Japan's Rapidus 2nm lines and TSMC's Kumamoto Fab 2), chip manufacturing trends will encounter structural oversupply alongside a swift fragmentation of design paradigms.

The fundamental shifts in chip manufacturing resulting from the clash of these two macro cycles encompass the following developments:

1. Rapid Line Conversion from "Monolithic General-Purpose GPUs" to "Domain-Specific, Low-Power Inference ASICs"

• Glut in Advanced Training Silicon:
  Ultra-expensive, general-purpose enterprise AI processors (such as the NVIDIA H100 and B200 series) that drove markets between 2023 and 2025 were ordered in bulk based on the thesis that expanding model parameter scale was universally sufficient. However, once incremental benefits from model scale plateau by 2027, hyperscaler procurements targeting frontier model training will contract sharply.
• Surge in Custom ASIC Fabrication:
  The core manufacturing paradigm championed by Japan's Rapidus centers on "single-wafer lean manufacturing" optimized for high-mix, low-volume output. Rather than mass-replicating standardized general-purpose GPUs, newly commissioned 2027 fabs will pivot toward dedicated foundry agreements configured to turn out domain-specific inference ASICs engineered in-house by firms like Google, Meta, Amazon, and Toyota.

2. Realignment from "Raw Compute Speed" to "Power Efficiency and Total Cost of Ownership (TCO) per Watt"

• The Economic Reckoning of Slowing Model Leaps:
  If artificial intelligence cannot supersede human strategic judgment, functioning instead as productivity-enhancing personal assistants and basic workflow automation utilities, the economic justification for deploying multi-million-dollar server racks consuming megawatts of grid power disintegrates.
• Downgrading Manufacturing Specifications:
  The primary performance index governing silicon engineering will migrate from raw FLOPS to performance-per-watt and unit production cost.
  • Expensive advanced lithography nodes (2nm/3nm) will be reserved selectively for mission-critical core execution units.
  • Heterogeneous chiplet integration—pairing compute dies with cost-effective legacy nodes (5nm to 7nm and above) for I/O and memory interfaces—will solidify as the standard manufacturing blueprint by 2027.

3. Physical Commissioning of Japanese Fabs (Rapidus & Kumamoto) and the Chip Deflationary Wave

• Outward Supply Curve Shifts vs. Decelerating Demand Growth:
  Supported by Japanese state subsidies, Rapidus (2nm) and TSMC Kumamoto Fab 2 (advanced 3nm to 6nm nodes) will enter mass production phases around 2027.
• Collapse of Foundry Pricing Power:
  The pricing leverage historically wielded by TSMC and NVIDIA—where suppliers dictated hardware costs—will confront margin compression and broad silicon price deflation as global fab output ramps up simultaneously.
• Convergence with Industrial Applications (Physical AI Silicon):
  Key institutional shareholders in Rapidus include Japanese automotive, mobility, and industrial giants like Toyota, Sony, Denso, and NTT. Consequently, production output from new Japanese fabs will align less with centralized cloud data centers, shifting volume directly toward embedded edge silicon powering autonomous driving systems, robotics platforms, and industrial automation.

4. Stagnation of High-Bandwidth Memory (HBM) and the Expansion of Legacy-Coupled Architectures (CXL/PIM)

• Fracturing the HBM Premium:
  As demand for monolithic training GPUs recedes, the urgency surrounding liquid-cooling loops and complex 3D-stacked HBM packaging will ease.
• Proliferation of Cost-Effective On-Device Memory Architectures:
  Instead of capital-intensive leading-edge HBM, mainstream fabrication lines will prioritize shared DRAM pools leveraging Compute Express Link (CXL), Processing-in-Memory (PIM) that embeds arithmetic execution directly on memory dies, and energy-efficient LPDDR implementations.

Conclusion

If 2027 proves to be the year when the novelty of LLMs fades and commercial realities take hold—as outlined in Zheng Donghee's analysis—the large-scale fab capacity coming online across Japan and allied regions will act not as a lifeline for ultra-premium hardware monopolies, but as a catalyst for silicon oversupply and margin normalization.

Consequently, semiconductor manufacturing in 2027 will inevitably pivot from high-cost, centralized cloud processors toward the high-volume fabrication of cost-effective, domain-specific inference and edge chips designed to run embedded within real-world physical machinery—including vehicles, robotics, and industrial automation facilities—where they must validate tangible economic returns.

디크리

Ddecree.com · Ddparadigm.com

글로벌 빅텐트

Dbigtent.com · Gbigtent.com

빅텐트 글로벌

Bigtentglobal.com · Globalbigtent.com

K빅텐트

Kbigtent.com · Bigtentkorea.com

디당 / D당

Dparty.kr · Differentparty.kr

빅뱅2

2bigbang.com · Bigbang2.net

빅뱅3

Bigbang3.com

더뷰

Theview.kr

콤파스엘

Compassl.com

다른랩

Darunlab.com

이벤타

Eventa.kr · Eventa.co.kr

라이프1

Life1.kr · Life1s.com

E상조 / K상조

Esangjo.com · Ksangjo.com

#AnthonyNormanAlbanese #MarkDreyfus #MichelleRowland #AnthonyAlbanese #JimChalmers

#Anthony Norman Albanese #Mark Dreyfus #Michelle Rowland #Anthony Albanese #Jim Chalmers