출처: StreetSignal · Odd Lots 팟캐스트 분석MUST ASSET — 시황 데일리

HRT가 말하는 AI의 실제 경제학

GPU 병목·토큰 빈부격차·밈주식 퍼스트프린시플 — 허드슨 리버 트레이딩 AI 헤드가 꺼낸 7개의 고밀도 통찰

2025년 (발행일 원문 미기재)SECTOR: Semis · Hyperscalers · AI Infra · Networking · Memory

3줄 요약

Blackwell GPU 6,000개 즉시 조달? 현실적으로 불가 — 칩 재고보다 전력 인프라가 진짜 병목이며, 장기 용량 계약엔 양방향 신용리스크와 CDS 헤지까지 등장.
"토큰 rich vs. 토큰 poor" 격차가 복리로 누적 — 동일 역량의 개발자도 AI 접근 비용 차이만으로 50% 생산성 격차가 고착화될 수 있음.
HRT 신경망은 밈주식을 퍼스트프린시플로 이해하는 단계 도달 — AI의 예측 타임프레임이 초단타를 넘어 장기 시장 전반으로 확장 중.

$NVDA · AI InfraConstraint

칩은 있다, 전력이 없다 — 메가와트 병목이 GPU 배포를 막는다

Iain Dunning (HRT Head of AI) · Odd Lots / StreetSignal 정리 ·

💡 유레카 포인트

시장이 GPU 공급 부족을 논할 때, HRT 현장에서 체감하는 실제 병목은 칩 자체가 아니라 전력·냉각·부지 등 "풀 솔루션" 패키지임. Dunning은 "Blackwell 칩은 올해 납품받을 수 있지만, 전력이 확보된 완전한 솔루션은 존재하지 않는다"고 명시. 이는 반도체 공급망보다 전력 인프라·데이터센터 리츠·냉각 솔루션 쪽이 실질 병목임을 시사.

언급 GPU 규모

6,000 Blackwell GPUs (단일 조달 가정)

장기 계약 예시

8,000 GPUs × 3~5년 약정

네오클라우드 CDS 헤지 언급가

$0.10/hr (보험료 개념, GPU $3.50/hr 기준)

무엇이 문제인가: Dunning은 북미에서 Q4 납품 기준 6,000개 Blackwell GPU를 "합리적 가격에" 즉시 조달하는 옵션이 사실상 존재하지 않는다고 단언. 단순 칩 재고 문제가 아니라 전력 용량이 확보된 턴키 인프라가 없다는 것.

장기 용량 계약의 신용 리스크: 스팟 컴퓨트가 아닌 3~5년 장기 GPU 용량 계약에는 선급금 구조, 연간 분할 지불 등 다양한 상업적 조건이 붙으며, 공급자·수요자 양방향 신용 리스크가 발생함. HRT는 일부 네오클라우드 제공사에 대해 CDS 헤지를 검토 중이라고 언급 — AI 인프라 계약이 사실상 크레딧 상품화되고 있음을 보여주는 장면.

투자 시사점: GPU 공급망보다 전력·냉각·부지 확보 능력이 하이퍼스케일러와 네오클라우드의 실질 경쟁력을 가를 수 있음. 네오클라우드 섹터에는 레버리지 기반 사업모델에 따른 신용 이벤트 리스크도 내재.

쉽게 풀어보기 — GPU 조달과 전력 병목

Blackwell GPU: NVIDIA의 최신 세대 AI 학습·추론용 칩. H100 후속. 데이터센터에 랙 단위로 설치됨.
네오클라우드(Neo-Cloud): AWS·Azure가 아닌 AI 특화 GPU 임대 서비스 업체들 (CoreWeave 등). 대규모 GPU를 레버리지로 조달해 임대.
CDS(Credit Default Swap): 상대방이 계약 불이행 시 손실을 보전받는 보험성 파생상품. 네오클라우드 파산 리스크를 헤지하기 위해 언급.
스팟 컴퓨트: 필요할 때 즉시 빌리는 단기 클라우드 사용 방식. 반대 개념은 장기 예약 계약.

AI 접근비용 · 생산성Structural Risk

"토큰 빈자는 따라잡을 수 없다" — AI가 만드는 복리 불평등

Iain Dunning (HRT Head of AI) · Odd Lots / StreetSignal 정리 ·

💡 유레카 포인트

Dunning의 "토큰 rich vs. 토큰 poor" 프레임은 단순한 비용 논의가 아님. AI 사용량 격차가 생산성 격차 → 수익 격차 → AI 재투자 격차로 복리 누적되는 구조를 지적한 것. 하루 수천 토큰을 쓰는 개발자와 거의 못 쓰는 개발자 사이의 능력 격차가 시간이 지날수록 기하급수적으로 벌어질 수 있음.

토큰 소비 격차 언급

~1,000 tokens/day (일반 사용자 하단)

AI 코파일럿 생산성 부스트 추정

50% (Dunning 언급)

핵심 주장: 동등한 역량의 개발자 두 명이 있을 때, AI 코파일럿에 돈을 쓸 수 있는 사람은 50% 생산성 부스트를 얻음. 이는 단순히 돈 문제인데, 그 결과가 능력 격차처럼 보이며 복리로 쌓임.

기업 차원의 함의: HRT는 AI 사용에 관대한 내부 문화를 명시적으로 선택함. 토큰 비용을 아끼려다 인재 생산성을 잃는 것이 더 비싼 대가임을 인지한 것. 투자자 입장에서는 AI 사용 비용을 비용으로 보느냐 레버리지로 보느냐가 기업 경쟁력 분석의 핵심 변수가 됨.

시장 구조 · 신경망Breakthrough

밈주식을 퍼스트프린시플로 이해한 AI — HRT 모델의 창발적 시장 인식

Iain Dunning (HRT Head of AI) · Odd Lots / StreetSignal 정리 ·

💡 유레카 포인트

HRT의 신경망이 밈주식 군집 행동을 누가 가르쳐주지 않아도 데이터에서 스스로 추출했다는 것은 중요한 신호. 펀더멘털로는 설명 안 되는 종목 간 연결고리를 모델이 독립적으로 발견함. Dunning은 이것이 "AI가 시장 심리를 퍼스트프린시플로 이해하기 시작한 것"이라 표현. 내러티브 트레이딩의 알파가 점점 더 빠르게 소멸할 수 있음을 암시.

창발 현상: HRT 모델은 GME·AMC 등 밈주식이 펀더멘털 무관하게 상호 연결되어 있음을 스스로 학습. 분석팀이 모델 내부를 들여다봤을 때 종목 간 연결성이 명확히 표상되어 있었음.

타임프레임 확장: Joe Weisenthal의 질문에 Dunning은 "초단타에서 신경망이 통한다면, 왜 장기에서는 안 통한다는 보장이 있느냐"고 반문. 인간은 수천 개 종목을 장기 타임스케일에서 동시 처리하기 인지적으로 불가능하지만, 모델은 컨텍스트 안에 전부 담을 수 있음. HRT는 이 논리를 장기 타임프레임으로 적극 확장 중.

펀더멘털 트레이더에 대한 함의: Dunning의 표현대로 "모든 것이 도박 시장"이라는 냉소적 시각이 퍼지고, AI가 그 패턴을 뽑아낼수록, 전통적 내러티브 기반 트레이딩의 엣지는 빠르게 희석될 수 있음.

쉽게 풀어보기 — 창발, 퍼스트프린시플, 타임프레임

창발(Emergent Phenomenon): 설계하거나 가르치지 않았는데 시스템이 스스로 복잡한 패턴이나 개념을 형성하는 현상.
퍼스트프린시플(First Principles): 기존 관례나 유추 없이 근본 원리에서 출발해 결론을 도출하는 사고 방식.
토큰 번(Token Burn): AI 모델 사용 시 소비되는 텍스트 단위(토큰)의 총량. 많이 쓸수록 비용 증가.
추론(Inference): 이미 학습된 AI 모델이 실제 입력에 대해 출력을 생성하는 과정. 학습(Training)과 구분.

AI 조직론 · 채용FWIW

코더보다 이론가 — HRT가 바꾸는 채용 철학과 오픈북 인터뷰

Iain Dunning (HRT Head of AI) · Odd Lots / StreetSignal 정리 ·

💡 유레카 포인트

HRT가 "AI와 함께 하는 오픈북 인터뷰"를 지향한다는 것은 단순한 채용 제도 변화가 아님. 구현(Implementation)은 Claude가 하고, 인간은 아이디어와 이론에 집중한다는 조직 모델로의 이행 선언. 이 전환이 금융·테크 기업 전반으로 퍼지면 소프트웨어 엔지니어 수요 구조가 근본적으로 바뀔 수 있음.

채용 방향 전환: Dunning은 "Claude가 구현을 담당한다면, 우리는 아이디어를 내는 이론가·몽상가를 더 받아들여야 한다"고 언급. 코딩 능력보다 개념 설계 역량이 핵심 채용 기준으로 부상.

오픈북 인터뷰: AI 없이 일하는 척 테스트하는 것이 현실과 멀어진 만큼, 인터뷰 자체를 AI 사용 허용 환경으로 전환. "AI와 함께 얼마나 잘 문제를 푸는가"가 새로운 평가 기준.

유니파이드 마켓 모델: Dunning이 언급한 "하나의 모델이 전 세계 모든 주식·선물·크립토·옵션 시장에 통합 접근하는 아키텍처"는 HRT가 지향하는 최종 형태. 이를 가능하게 하는 것은 학습과 추론에 투입되는 컴퓨트의 폭발적 증가.