최대 칩 사양 → 같은 품질·SLA당 실제 서비스 처리 효율
사용자 경험·운영효율·메모리 계층 선택기술·사용·정책·세부 가설 보기 →AI 서비스·랙·데이터센터 공급체계 · Narrative BIG PICTURE
AI를 더 많이, 더 효율적으로 공급한다
AI 서비스 사용이 늘어날 때 실제 품질과 SLA를 지키며 더 많은 작업을 더 낮은 총원가로 제공할 수 있는가?
기존 기대
GPU·연결망·전력 설비의 발표 사양과 계획 규모가 곧 유료 AI 서비스 생산량으로 이어진다고 가정
현재 새롭게 판단하는 변화
실제 고객 워크로드·서비스 처리량·GPU/ASIC·광학 연결·RFS 전력/냉각을 병렬 경로로 분리
서로 병렬로 발전하는 3개 산업 흐름
각 흐름은 별도의 고객 구매·제품·성장 조건을 갖습니다. 반드시 앞의 기술이 뒤의 기술을 거쳐야 하는 일렬 순서가 아닙니다.
GPU 단품 성능 → ASIC/랙/USFP/CPO의 유효 Goodput
유료 처리량·실제 광 포트·고객 TCO기술·사용·정책·세부 가설 보기 →전력/시설 발표 GW → 고객이 가동하는 IT MW
RFS·전력·냉각·인도량기술·사용·정책·세부 가설 보기 →기술 · 실제 사용 · 정책
Memory hierarchy·GPU/ASIC·Fabric·광학·배전·냉각
동일 품질·SLA의 완료 작업과 고객 구매·실제 가동 IT MW
칩 수출 통제·계통접속/PJM·시설 인허가
이 큰 흐름이 약해질 조건
실제 유료 AI 서비스 증대가 없거나 특정 인프라 설계의 장점이 고객 동일 품질·SLA의 성과로 이어지지 않으면 성장 경로 수정
현재 판정: 실수요 확대 가능, 제품·아키텍처 간 수혜 재배분핵심 근거 및 검증 경계
HBM SKU 믹스/고객ASP/양품 wafer 상용 실증 별개
플러그형/CPO 동일 실측·고객별 MW·순BOM 미완결