с 20 июля 2026 по 28 сентября 2026 · минимум 9 270 · максимум 9 600
Рекламных размещений с маркировкой не найдено.
🎐 시타델, 더 빠질 수 있지만, 하락은 매수 기회 source 1. Citadel의 스콧 루브너는 기존 단기 약세 전망을 유지. 9월 말까지 미국 증시에 추가 하방 압력이 남아 있다고 봄 2. 수급 악재가 겹침. 자사주 매입은 블랙아웃, 7조달러 옵션 익스포저 만기, 시스템 전략의 매도 가능성, 분기말 리밸런싱도 악재 3. 계절성도 좋지 않음. 9월 후반은 연중 가장 약한 구간이며, 특히 중간선거 연도에는 평균 수익률 -1.2%, 상승 확률도 42% 4. 1930년 이후 중간선거 연도의 평균 경로를 보면 현재 시점부터 9월 30일까지 -1.1% 추가 하락한 뒤 저점을 형성하는 패턴 5. 다만 핵심은 Citadel이 하락할수록 오히려 더 낙관적으로 변하고 있다는 점. 역사적으로 9월 30일 저점 이후 연말까지 평균 +5.6% 상승 6.…
🎮 AI에게 스타를 시켰더니 source 1. 벤 스월들로가 AI 모델 추론 설정 19개를 스타크래프트에서 붙여봄. 아스트라가 18전 전승으로 우승했지만, 제작자의 평가는 모두 초보 수준 2. 그록은 43분 동안 추론 토큰을 1만 개 넘게 쓰고도 명령은 여섯 차례만 내렸음. 전투유닛은 한 기도 생산하지 못함 3. 코덱스는 프로브를 보내 상대를 귀찮게 하는 전략을 썼음. 상대가 일꾼 하나를 어떻게 처리할지 고민하느라 다른 일을 못 했기 때문에 잘 먹혔다고 함 4. 긴 추론은 정답률을 높일 수 있지만, 실시간 환경에서는 생각하는 동안에도 상황이 바뀜. 수학 문제는 답을 기다려주지만 상대 질럿은 기다려주지 않음 5. AI를 여러 개 붙여도 문제가 생겼음. 생산, 전투 담당이 서로 계획을 제대로 공유하지 않아, 병력이 나올 때마다 적진으로…
📰 Beyond Low Float, High FDV (GSR) source A Larger Valuation Means Thinner Float 1. GSR이 주요 거래소의 토큰 상장 2,300건 이상을 분석함. 상폐, 실패한 토큰도 포함한 결과, 수익률은 상장 3일 안에 마이너스로 내려갔고 90일에는 반토막이었음 2. 특히 FDV, 즉 잠긴 물량까지 포함한 가치가 10억달러를 넘으며 출발한 토큰은 1년 뒤 수익률이 -81%였음. 유명하고 크게 시작한 프로젝트가 매수자에게 좋은 투자였던 것은 아님 3. GSR이 짚은 것은 상장에 참여하는 사람들의 이해관계임. 높은 상장가는 VC의 평가이익을 키우고, 팀 보유분의 가치를 높이며, 거래소에는 큰 자산을 상장했다는 성과가 됨 4. 다만 신규 매수자에게 유리한 출발점은 낮은 가격임. 같은 상장…
💬 현 시점 다시보는 작년 Messari의 예측 source 2025년 메사리가 지목했던 2026년 Top Pick은 HYPE와 ZEC 1. 최고 확신 종목으로 HYPE를 밀었는데, Perp DEX를 넘어 자체 L1, 유동성, 수익을 가진 금융 네트워크로 확장. 가격도 당시 대비 수 배 상승 2. ZEC도 메사리가 HYPE와 더불어 강하게 민 탑픽. 뜬금없던 프라이버시도 적중. ZEC는 프라이버시 재평가와 함께 가장 강했던 자산 3. 실제 돈을 벌고 토큰에 귀속되는 프로토콜을 사라는 주장도 정확. HYPE처럼 바이백 구조가 있는 토큰이 프리미엄을 받는 시장으로 변화 4. RWA가 2026년 핵심 성장축이라는 전망 역시 적중. 국채 토큰화를 넘어 주식, 사모자산, 전통 금융시장의 온체인 이동 단계까지 진입 5. Polymarket 중심으로…
🤖 AI가 AI를 연구하는 시대의 병목 (Noam Brown) source 1. 노암 브라운과 드와르케시 파텔의 인터뷰는 지능이 풍부해진 뒤에도 무엇이 발전을 제한하는가를 짚음. 에이전트를 늘린다고 비용까지 줄어들지는 않음 2. 일부 벤치마크에서는 에이전트 4개를 투입하면 작업 시간이 절반으로 줄지만, 총비용은 2배가 됨. 같은 일을 싸게 하는 것이 아니라, 연산자원을 더 써서 시간을 사는 구조임 3. 브라운은 인터뷰에서 다룬 수학 성과 역시 에이전트 숫자보다 강력한 기반 모델과 오랫동안 문제를 풀어가는 능력이 핵심이었다고 설명함. 대규모 협업의 효율은 아직 충분히 측정되지 않았음 4. AI가 모든 분야에서 인간을 넘어야 다음 AI를 개선할 수 있는 것은 아님. 학습 효율처럼 목표가 명확하고 성과를 측정할 수 있는 문제에 강한 것만으로도…
🌐 Dream-RSI, 더 큰 모델 없이도 AI는 개선된다 source 1. 구글 연구진이 공개한 Dream-RSI는 모델 자체를 재학습시키는 대신, 같은 모델이 문제를 탐색하는 방법을 개선함. 어디를 더 파고들고, 무엇을 병렬로 시도하고, 언제 포기할지를 바꾸는 방식 2. 핵심은 이미 돈을 들여 쌓은 실험 기록. 과거에 실행한 결과를 재사용해 여러 탐색 전략을 비교하고, 좋은 전략을 다음 실험에 투입함. 일종의 실험 복기로 다음 실험을 더 잘하는 구조임 3. 한 과제에서는 동일한 기반 모델의 고정 탐색 대비 발견 에이전트 호출이 42% 줄었음. 다만 모든 AI 작업의 비용이 그만큼 줄었다는 의미는 아님 4. AI 발전을 신모델 출시만으로 보면 놓치는 부분이 많음. 더 좋은 두뇌뿐 아니라, 같은 두뇌로 덜 헤매는 방법도 발전축. 작업 기록을…
📈 메모리, 가격보다 중요한 것은 이익의 수명 source 1. Citi 전망은 DRAM 가격이 2026년 242%, 2027년 23% 상승하고, 이후에도 2031년까지 연간 상승을 전망함. 핵심은 올해의 급등보다 그 이후에도 가격 하락을 가정하지 않는다는 점 2. 생산능력이 HBM으로 이동할수록 범용 DRAM 공급 여력은 줄어듦. HBM의 성장과 세대별 생산 부담 증가가 비HBM 공급을 압박함. 수요가 늘어나는 동시에, 기존 메모리를 공급 여력도 제약받는 구조 3. 마이크론의 실적상 FY2026 3분기 조정 매출총이익률은 85%. 이미 높은 수익성이 나타나고 있음. 회사는 12월부터 주주환원을 확대하고, 장기적으로 초과현금의 100%를 주주에게 돌려주겠다는 의향도 밝혔음 4. 높은 이익이 유지되고 자사주 매입으로 주식수까지 줄어든다면,…
🤩 2028년 메모리 다운사이클은 실존하나? source 1. AI 투자가 계속 늘어나도 메모리 공급사의 수익성이 같은 속도로 좋아진다는 보장은 없음. 2028년 메모리 사이클 논의의 핵심은 증설뿐 아니라, GPU 한 개에 얼마나 많은 HBM을 넣을 것인가라는 설계 변화 2. Rubin Ultra의 GPU당 HBM이 288GB에서 192GB로 낮아지고, 적층 수도 줄어들 가능성이 제기됨. 다만 이는 공식 발표가 아닌 업계 전언이며, 아닌 조건부 시나리오로 봐야 함 3. 가정이 맞다면 계산은 단순해짐. GPU당 용량이 288GB에서 192GB로 줄면, GPU 출하량이 50% 증가해야 기존과 같은 HBM 수요가 유지됨. GPU 출하 증가율만으로 메모리 수요를 추정하면 안 되는 이유임 4. 여기에 적층 수 감소와 수율 개선으로 웨이퍼 부담이…
중국 VC 거물이 보는 AI 산업 (GSR) source 1. 기술 우위는 일시적이다. 결국 경쟁은 채널, 브랜드, 비용, 운영 효율로 돌아감. 2. 좋은 스타트업은 3S다. Size / Scalable / Sustainable 3. 커스텀이 많을수록 Scale이 어렵다. 고객마다 새로 개발하면 제품보다 서비스업에 가까움. 4. 최고의 성장은 유저가 유저를 데려오는 구조다. 매체비보다 네트워크 효과와 자연 확산이 강함. 5. 단순 AI Feature는 위험하다. 대기업이 무료로 붙일 수 있으면 해자가 약함. 6. 기술보다 유저 입구가 더 중요할 수 있다. 위챗 같은 트래픽 입구가 후발주자 추격의 기반이 됨. 7. 양면, 다자 플랫폼은 해자가 강하다. 공급과 수요를 동시에 묶을수록 방어력이 커짐. 8. 고빈도 서비스가 독립 제품이 되기 쉽다.…
😒 Claude를 개발하는 Claude source Claude가 회사의 AI 연구 개발 업무를 주도하는 비중이 3월 1%에서 8월 26%로 증가 1. Anthropic이 발표한 지표에 따르면, 8월 기준 Claude가 회사 AI 연구개발 업무의 26%를 주도함. 사람이 큰 목표를 주면 AI가 작업 대부분을 수행하고, 사람이 감독하는 단계라는 뜻 2. 측정 범위에서 완전히 자율적으로 수행되는 연구개발 업무는 없었음. 26%는 업무의 자동화 수준을 나타내는 수치이지, 연구 속도가 26배 빨라졌다는 뜻까진 아님 3. 다만 중요한 변화는 AI가 외부 생산성을 높이는 도구를 넘어, 자기 생산성을 높이는 도구가 된다는 점. 더 좋은 AI가 연구를 돕고, 그 연구가 다시 더 좋은 AI를 만드는 고리 ✍️ 이제 신모델의 성능뿐 아니라 다음 모델을 만드는…