원문 보고서가 던지는 질문: AGI 다음에는 무엇이 오는가

arXiv에 공개된 From AGI to ASI는 인간 수준의 범용 인공지능 이후, AI 자체가 어떻게 더 발전할 수 있는지를 다룹니다. 보고서의 핵심은 AGI를 하나의 도착점으로 보지 않는다는 점입니다. AGI가 실현되면 AI는 복제 가능하고, 병렬화 가능하며, 경험을 빠르게 공유하고, 스스로 연구 과정을 자동화할 수 있습니다. 그래서 지능 발전이 인간 수준에서 멈추기보다 ASI, 즉 인간 조직을 압도하는 초지능 방향으로 이어질 수 있다고 봅니다.

보고서는 ASI를 단순히 특정 분야에서 인간을 이기는 시스템으로 정의하지 않습니다. AlphaGo나 AlphaFold처럼 한 영역에서 인간보다 뛰어난 성과를 내는 것은 ASI가 아닙니다. ASI는 거의 모든 과제와 분야에서, 큰 인간 전문가 조직이 장기간 협업한 결과를 넘어서는 범용적 인지 능력으로 이해됩니다.

AI는 인간보다 빠르게 읽고, 복제되고, 공유됩니다

보고서가 강조하는 디지털 지능의 장점은 속도와 복제성입니다. AI는 인간보다 훨씬 빠른 입력·출력 속도를 가질 수 있고, 내부 처리 속도는 컴퓨트에 따라 확장됩니다. 기억은 손실 없이 복사될 수 있으며, 여러 AI 인스턴스가 경험을 고대역폭으로 공유할 수 있습니다.

이 차이는 투자에서 중요합니다. AI는 한 명의 천재가 아니라 복제 가능한 디지털 노동력과 연구 조직이 될 수 있습니다. 이때 가치는 단순 모델 성능보다 그 모델을 많이, 빠르게, 안정적으로 돌릴 수 있는 인프라와 운영체계에 쌓입니다.

초지능도 물리 법칙과 실험 속도에 묶입니다

보고서는 ASI를 전지전능한 존재로 보지 않습니다. 빛의 속도, 에너지 한계, 물질 조작 비용, 계산 복잡성, 현실 실험 속도 같은 제약은 남습니다. 즉 초지능이 등장해도 물리 세계를 즉시 마음대로 바꿀 수 있는 것은 아닙니다.

이 대목이 투자적으로 중요합니다. AI가 강해질수록 오히려 전력, 냉각, 데이터센터, 반도체, 물리 실험 자동화, 로봇, 바이오·재료 실험 인프라가 더 중요해집니다. 소프트웨어가 강해질수록 물리 병목의 가치가 올라갑니다.

보고서는 네 가지 경로를 제시합니다

진짜 투자 질문은 병목이 어디로 이동하느냐입니다

보고서는 데이터 벽, 경제·자원 수요, 현재 신경망 패러다임의 한계, 연구 난이도 증가, 추상화 장벽, 의도적 감속을 병목으로 봅니다. 특히 추상화 장벽은 중요합니다. 오늘의 AI는 인간이 만든 개념을 재조합하는 데는 강하지만, 완전히 새로운 개념 공간을 스스로 만드는 능력은 아직 검증되지 않았습니다.

그래서 ASI의 길에는 물리 실험, 시뮬레이션, 로봇, 과학 자동화가 필요합니다. 이 말은 AI 투자 논리가 GPU 하나에서 끝나지 않고, 전력·냉각·네트워크·메모리·패키징·클라우드·실험 자동화로 확산된다는 뜻입니다.

성장과 유동성으로 보면, AI 성장은 더 강해지지만 가격은 더 까다로워집니다

성장 측면에서는 긍정적입니다. AGI 이후에도 AI가 컴퓨트 확장, 에이전트 경제, 연구 자동화, 과학 자동화로 이어진다면 AI 가치사슬은 더 넓어집니다. 단순 챗봇 시장이 아니라 반도체, 전력, 데이터센터, 클라우드, 보안, 산업 자동화, 로봇, 바이오·재료 연구까지 연결됩니다.

유동성 측면에서는 조심해야 합니다. 이 경로는 막대한 자본을 요구합니다. 데이터센터, 전력망, 첨단 반도체, 냉각, 네트워크, 연구 인프라 모두 장기 설비투자입니다. 금리가 높거나 위험선호가 약해지면 좋은 기업도 평가배수 압박을 받을 수 있습니다. 그래서 평안투 판단은 항상 기업, 가격, 타이밍을 나눠야 합니다.

컴퓨트·반도체·패키징 병목

가장 직접적인 수혜는 NVIDIA, Broadcom, TSMC, ASML, Micron, 삼성전자, SK하이닉스입니다. AGI에서 ASI로 가는 경로는 더 많은 컴퓨트와 더 높은 메모리 대역폭을 요구합니다. GPU, custom ASIC, HBM, 첨단 패키징, EUV 장비는 모두 병목입니다.

다만 모두 같은 성격은 아닙니다. NVIDIA와 Broadcom은 시스템·소프트웨어·네트워크 해자가 강하고, TSMC와 ASML은 물리적 공급 병목을 쥐고 있습니다. Micron과 메모리 기업은 수혜가 크지만 사이클 성격도 강합니다. 그래서 메모리는 담을 종목이라기보다 가격과 마진을 확인하며 기다릴 종목에 가깝습니다.

네트워크·전력·냉각·데이터센터

다중 에이전트와 대규모 클러스터가 커지면 네트워킹은 단순 연결이 아니라 GPU 활용률과 학습 처리량을 좌우하는 병목이 됩니다. Arista, Marvell, Broadcom 같은 네트워크·연결 계층은 이 지점에서 수혜를 받습니다.

동시에 AI는 전력과 냉각을 먹는 산업입니다. Vertiv, Eaton, GE Vernova, Quanta Services, Constellation Energy 같은 전력·냉각·송배전·발전 인프라 기업은 AI가 물리 세계의 제약을 만날수록 더 중요해집니다. 단, 이들은 산업재·전력 프로젝트 사이클과 금리 민감도가 있으므로 가격 규율이 필요합니다.

클라우드·플랫폼·에이전트 운영체계

AGI 이후 경쟁이 다중 에이전트 집단지성으로 간다면, 모델 자체보다 배포권과 운영체계가 중요해집니다. Microsoft, Alphabet, Amazon, Meta는 클라우드, 데이터, 개발자 생태계, 기업 배포권, 자체 칩을 함께 갖고 있습니다.

ServiceNow와 Palantir는 기업 업무와 정부·산업 운영 AI 쪽에서 후보입니다. Snowflake, Datadog, CrowdStrike도 AI 에이전트가 실제 운영 환경에 들어갈수록 데이터, 관측성, 보안 계층에서 수혜 가능성이 있습니다. 다만 이 그룹은 가격이 미래를 많이 반영하는 경우가 많아 실적과 ROI 확인이 필수입니다.

피해종목은 “AI를 안 쓰는 기업”이 아니라 “AI에게 흡수되는 기업”입니다

차별화가 약해지는 기업은 단순 LLM wrapper, 얇은 AI 앱, 고객 데이터와 워크플로우를 장악하지 못한 SaaS, seat 기반 생산성 소프트웨어, 공개 데이터만 가진 RAG 서비스입니다. 모델 성능이 올라가고 가격이 내려가면 이런 기능은 운영체제, 브라우저, 오피스, 클라우드 플랫폼에 흡수될 수 있습니다.

DocuSign, Zoom, Box, Adobe, Salesforce 같은 기업은 모두 단순 피해주로 묶으면 안 됩니다. 이들은 기존 고객 기반과 워크플로우가 있어 방어 가능성도 있습니다. 다만 투자자는 기존 해자가 UI와 seat였는지, 아니면 데이터·권한·감사·워크플로우 control plane이었는지 다시 봐야 합니다.

구조적 수혜기업과 차별화 약화 기업을 실제 종목으로 나누면 이렇게 봅니다

정리하면: 먼저 볼 축은 NVDA·AVGO·TSM·ANET·MSFT·GOOGL·AMZN입니다. ASML·MU·MRVL·VRT·PLTR·NOW는 기업 논리는 좋지만 가격·사이클·실적 확인이 필요합니다. 단순 LLM wrapper와 테마성 AI 앱은 모델 성능 향상과 플랫폼 흡수 때문에 차별화가 약해질 수 있습니다.

AI의 다음 승자는 “더 똑똑한 앱”보다 “병목을 통제하는 기업”입니다

이 보고서를 읽고 투자자가 얻어야 할 결론은 “AI가 계속 간다”는 단순 문장이 아닙니다. 더 정확한 결론은 “AI가 계속 가려면 병목을 풀어야 하고, 그 병목을 푸는 기업에 가치가 쌓인다”입니다.

따라서 지금 봐야 할 질문은 명확합니다. 누가 compute를 공급하는가. 누가 HBM과 첨단 패키징을 장악하는가. 누가 클러스터 네트워크를 연결하는가. 누가 전력과 냉각을 해결하는가. 누가 기업 데이터와 권한, 감사, 워크플로우를 붙잡는가. 누가 물리 세계의 feedback loop를 확보하는가.

평안투식으로 정리하면, NVDA·AVGO·TSM·ANET·MSFT·GOOGL·AMZN은 담을 종목 축입니다. ASML·MU·MRVL·VRT·PLTR·NOW는 기다릴 종목 축입니다. CRM·ADBE·SNOW·DDOG·CRWD·TSLA는 숫자 검증 후 지켜볼 종목입니다. 단순 wrapper와 테마성 AI 앱은 비편입 또는 관찰이 맞습니다.

English version: Read the English version

이 글은 공개 자료를 바탕으로 한 산업·시장 해석입니다. 개별 포트폴리오 판단은 가격, 비중, 투자 기간, 세금, 위험 감내도에 따라 달라집니다.

텔레그램: https://t.me/signalandflow

확인한 공개 자료

이 글은 arXiv 원문 보고서와 WallstreetCN 해설, 그리고 주요 기업의 공개 자료를 바탕으로 작성했습니다. WallstreetCN은 2차 해설 자료이므로, AGI에서 ASI로 이어지는 네 가지 경로와 병목에 관한 핵심 정의는 arXiv 원문 보고서를 기준으로 삼았습니다.

• arXiv — From AGI to ASI
• WallstreetCN — 谷歌DeepMind重磅报告：从AGI到ASI,世界可能进入连续爆炸时代
• Google DeepMind
• NVIDIA — AI Factory reference architecture
• TSMC — Technology and advanced packaging
• ASML — EUV lithography
• Microsoft Azure AI
• Google Cloud AI infrastructure
• AWS Bedrock