제가 관심 종목으로 담아뒀던 테마들이 전부 그 구조 안에 있었거든요.
AI 5단 케이크, 코스피 차트로 먼저 봤습니다
한국이 AI 3위 국가라는 말을 처음 들었을 때, 솔직히 반응이 이랬습니다. "그게 나랑 무슨 관계야?" 그런데 매일 차트를 들여다보는 입장에서 다시 생각해 보니, 이건 완전히 남 얘기가 아니
엔비디아의 젠슨 황이 정리한 AI 5단 케이크(Five-Layer AI Stack) 개념이 있습니다. 이는 에너지 인프라 → 반도체 → 데이터센터 → AI 모델 → AI 서비스로 이어지는 수직 계층 구조로, AI 산업 전체를 하나의 피라미드처럼 설명하는 프레임입니다.
저는 이 개념을 강의나 책에서 먼저 접하지 않았습니다. 직접 겪어보니, 차트에서 먼저 봤습니다. 고압 변압기 관련주가 튀어오르고, 데이터센터 냉각 테마가 돌고, 로봇 섹터가 달아오를 때 저는 그냥 모멘텀을 따라 들어갔었거든요. 그런데 이 케이크 구조를 알고 나서야 그 종목들이 왜 같은 시기에 같이 움직였는지가 보이기 시작했습니다.
스탠퍼드 대학교 HAI(인간중심AI연구소)가 매년 발간하는 AI 인덱스(AI Index Report)에 따르면 한국은 전 세계 AI 역량 종합 평가에서 미국, 중국에 이어 3위를 기록했습니다(출처: Stanford HAI). 인구 대비 AI 특허 수에서는 단독 1위입니다. 이 숫자가 왜 그냥 뻥이 아닌지를, 케이크 구조로 들어가면 납득이 됩니다.
5단 케이크를 단계별로 필터링해 보면 어떤 나라가 실제로 플레이어인지 드러납니다.
- 에너지: 고출력 변압기, 해저케이블, 배터리 생산 능력
- 반도체: 설계 및 제조 역량 (메모리 중심이지만 독보적)
- 데이터센터: 독자 구축 및 운영 능력
- AI 모델: 자체 파운데이션 모델 보유 여부
- AI 서비스: 대규모 자국 플랫폼 존재 여부
이 다섯 단계를 모두 갖춘 나라는 전 세계에서 손에 꼽힙니다. 한국은 변압기 제조에서 글로벌 주문이 5년 치 밀린 나라고, 네이버라는 독자 포털을 가진 나라입니다. 지금 들고 있는 고영 같은 종목이 결국 정밀검사·로봇이라는 흐름 안에 있다는 걸, 이 구조를 알고 나서야 제대로 이해했습니다.
피지컬 AI 시대, 공장 있는 나라가 데이터를 쥔다
피지컬 AI(Physical AI)라는 용어가 있습니다. 이는 디지털 공간이 아닌 물리적 현실 세계에서 작동하는 AI를 뜻하며, 로봇·자율주행·스마트 팩토리처럼 실제 제조 환경과 결합된 AI를 의미합니다. 쉽게 말해, 공장이 있어야 학습 데이터가 생긴다는 얘기입니다.
여기서 한국의 포지션이 독특해집니다. 선진국 중 제조업 비중을 이 정도로 유지하고 있는 나라가 거의 없기 때문입니다. OECD 통계에 따르면 한국의 제조업이 GDP에서 차지하는 비중은 약 27%로, 주요 선진국 중 최상위권입니다(출처: OECD). 미국이 공장을 해외로 내보내는 동안, 한국은 공장을 지켰습니다. 피지컬 AI 입장에서 보면 이게 데이터 원천입니다.
그래서 오픈AI의 샘 알트만도, 구글 딥마인드의 데미스 하사비스도 한국에 오는 거라고 생각하면, 그냥 "우리나라 좋아해서" 오는 게 아닙니다. 구글이 첫 해외 AI 캠퍼스를 서울에 짓기로 한 결정도, UN 글로벌 AI 허브를 한국에 유치한 흐름도, 결국 인프라와 데이터가 여기 있기 때문에 생긴 일입니다. 제 경험상 이런 흐름은 테마주 사이클보다 훨씬 긴 구조적 수요입니다.
다만 솔직히 말하면 이 부분에서 저는 마음이 불편해졌습니다. 코스피 8천 간다는 기대가 커질수록, 그 기대를 실어 나르는 내러티브가 늘 있었거든요. 장밋빛 구조론이 실제 개인의 지갑과 연결되기까지는 상당한 거리가 있다는 걸, 차트 앞에서 매일 경험하는 입장에서는 지나칠 수가 없습니다.
일하는 방식이 바뀌면, 그 외주를 받던 사람은 어떻게 되나
저도 1년 전부터 블로그 글, 쇼츠 대본, 썸네일 시안을 AI로 돌리고 있습니다. 직접 겪어보니, 예전이라면 외주를 줬을 작업들이 사라졌습니다. 효율은 올랐고, 비용은 줄었습니다. 그런데 그 외주를 받던 프리랜서 입장에서 보면 정반대의 이야기가 됩니다.
문서의 개념 자체가 바뀌고 있다는 점도 이 흐름과 맞닿아 있습니다. RAG(Retrieval-Augmented Generation)란 AI가 외부 데이터베이스에서 정보를 검색한 뒤 답변을 생성하는 방식입니다. 쉽게 말해, 문서가 예쁘게 정리된 보고서가 아니라 AI가 읽기 좋은 데이터 원천으로 기능해야 한다는 뜻입니다. 주어·술어가 완결된 형태로 정보가 풍부하게 담긴 문서가 실제로 쓸모 있는 자산이 되는 거죠.
에이전트(Agent)라는 개념도 여기서 나옵니다. AI 에이전트란 사람이 일일이 지시하지 않아도 목표를 받아 스스로 판단하고 실행하는 AI 시스템을 말합니다. GPT를 쓰다가 에이전트로 넘어간 사람이 5개월 만에 폭발적으로 늘어난 건, 단순한 트렌드가 아니라 일하는 방식의 단층 이동입니다.
그런데 바로 이 대목에서 저는 멈추게 됩니다. "청년 일자리가 가장 빨리 없어진다"는 말을 스스로 하면서, 동시에 외주를 못 주게 막는 사례를 자랑처럼 이야기하는 건 어딘가 충돌합니다. 효율의 과실이 누구에게 가느냐는 국가 순위 3위와는 완전히 다른 문제입니다. 매장 일 하면서 부업으로 콘텐츠 만드는 입장에서, AI 3위 국가의 성과가 제 통장에 찍히는 경로는 아직 불분명합니다.
결국 이 인터뷰에서 제가 건진 건 두 가지입니다. 하나는 구조에 대한 이해—코스피가 왜 오르는지, 어떤 섹터가 왜 달아오르는지가 숫자가 아니라 맥락으로 보이기 시작했다는 것. 다른 하나는 의심—국가가 리더십을 갖는 것과 그 혜택이 개인에게 흘러내리는 건 자동으로 연결되지 않는다는 것입니다. 저는 두 가지를 동시에 쥐고 준비하려 합니다. AI를 익히되, 그 구조의 수혜자가 되기 위해 지금 제 자리에서 뭘 해야 하는지를 계속 물어가면서요.
이 글은 개인적인 경험과 의견을 공유한 것이며, 전문적인 투자·금융 조언이 아닙니다. 투자 판단은 반드시 본인의 책임 하에 하시기 바랍니다.