김별의 머니 노트

범용 챗봇을 넘어선 '과학 특화 AI' - 생명과학·신약에 들어간 AI

돈 공부하는 변리사 — Wed, 10 Jun 2026 07:26:32 +0900

범용 성능 경쟁을 넘어 생명과학·신약·유전체에 특화된 '과학 AI'가 빠르게 확산되고 있습니다. 도메인 특화 과학 AI의 개념, 적용 분야, 그리고 발명자성·데이터·영업비밀·이중용도 규제 같은 IP·비즈니스 시사점을 변리사 시각으로 정리합니다.

3줄 요약

AI 경쟁의 무게중심이 '누가 더 똑똑한 범용 모델인가'에서 '특정 과학 도메인을 얼마나 깊게 파고드느냐'로 옮겨가고 있습니다.
생명과학·신약·유전체에 특화된 과학 AI는 R&D 속도를 끌어올리는 동시에, 같은 능력이 악용될 수 있는 '이중용도(dual-use)' 문제를 함께 떠안습니다.
변리사 시각에서 핵심 질문은 하나입니다. AI가 생성·기여한 발명과 데이터는 누구의 권리이며, 어떻게 보호하고 통제할 것인가.

도메인 특화 과학 AI란 무엇인가

도메인 특화 과학 AI는 '무엇이든 적당히 잘하는' 범용 챗봇과 달리, 특정 과학 분야의 작업을 깊이 있게 수행하도록 설계된 인공지능입니다. 생물학적 추론, 의약화학(medicinal chemistry), 유전체 분석, 실험 워크플로우 지원처럼 전문 연구자가 다루는 과제를 직접 거든다는 점이 차이입니다. 이 글은 그 흐름이 왜 지금 빨라지는지, 그리고 그것이 바이오·제약 분야의 지식재산(IP) 지형에 어떤 변수를 던지는지를 변리사의 시선으로 풀어드립니다.

조금 더 구체적으로 보겠습니다. 범용 모델은 시를 쓰고 코드를 짜고 일정도 정리합니다. 폭은 넓지만, 신약 후보 물질의 구조-활성 관계(어떤 분자 구조가 어떤 약효·독성으로 이어지는지)를 추론하거나, 유전체 데이터에서 의미 있는 신호를 골라내는 작업에서는 한계가 있었습니다. 도메인 특화 과학 AI는 바로 이 지점을 겨냥합니다. 연구 문헌, 단백질 구조 데이터베이스, 서열 검색 도구 같은 전문 자원과 직접 연결되어, 연구자가 가설을 세우고 실험을 설계하는 과정에 끼어들어 함께 일하는 '연구 보조자'에 가깝습니다.

대표적인 예가 OpenAI가 공개한 생명과학 특화 모델 라인입니다. 이 모델은 신약 표적 발굴, 분자 설계, 의약화학 최적화, 정량 생물학, 심지어 실험실(wet lab)에서 생기는 문제 해결까지 지원하도록 만들어졌고, 50개 이상의 공개 데이터베이스·문헌·생물학 도구에 연결되는 별도의 연구 플러그인과 함께 제공됩니다. 핵심은 '범용 성능을 한 단계 더 올린 것'이 아니라 '특정 과학 영역의 일을 제대로 하도록 좁고 깊게 판 것'이라는 점입니다.

왜 지금 주목받는가

빅테크의 AI 경쟁이 변곡점을 지나고 있기 때문입니다. 한동안 경쟁의 축은 '범용 성능' 즉 더 큰 모델, 더 높은 벤치마크 점수였습니다. 그러나 범용 성능의 격차가 좁혀지면서, 차별화의 무대가 '특정 과학 도메인을 얼마나 깊게 파고드는가'로 이동하고 있습니다. 생명과학은 그 첫 격전지 중 하나입니다. 신약 개발은 통상 10년이 넘고 비용도 막대한데, AI가 그중 일부 단계를 단축할 수 있다면 그 경제적 가치는 단순한 챗봇 기능과 비교할 수 없습니다.

또 하나 눈여겨볼 변화는, 능력 확장과 안전·거버넌스 설계가 '동시에' 진행된다는 점입니다. 과거에는 기능을 먼저 내놓고 규제가 뒤따라가는 구조였다면, 과학 AI에서는 능력을 키우는 작업과 그 능력의 오남용을 막는 작업이 처음부터 한 묶음으로 다뤄집니다. 같은 모델이 신약 개발에도, 위험한 병원체 설계에도 쓰일 수 있다는 '이중용도' 속성 때문입니다. 실제로 생명과학 모델 공개는 생물 특화 능력 평가, 레드팀(취약점을 일부러 찾는 모의 공격), 고위험 기능에 대한 강화된 보안 통제 같은 다층 안전장치와 함께 발표되었습니다.

여기에 '바이오 회복력(biosecurity)'을 정면으로 다루는 흐름도 더해집니다. AI를 생물학적 위협 탐지와 대응, 공중보건 회복력 강화에 쓰자는 방어 목적의 프로그램이 정부·연구기관 파트너와 함께 가동되고 있습니다. 검증된 신뢰 가능한 사용자에게는 이중용도 질문에도 상세히 답하되, 무기화로 이어지는 생성물은 차단하는 식의 '차등 접근(special access)' 거버넌스 설계가 등장한 것이 단적인 예입니다. 능력을 무작정 풀지도, 무작정 막지도 않고, 누구에게 어디까지 열어줄지를 정교하게 설계하는 방향입니다.

실제 적용 분야

도메인 특화 과학 AI가 가장 먼저 파고드는 영역은 다음과 같습니다.

신약 개발: 질병의 표적(target)을 찾고, 후보 분자를 설계하고, 구조-활성 관계를 분석해 의약화학적으로 최적화하는 과정을 지원합니다. 수많은 가설 중 유망한 것을 추려내는 '탐색 비용'을 줄이는 데 강점이 있습니다.
유전체 분석: 방대한 유전체·정량 생물학 데이터에서 의미 있는 패턴을 찾아냅니다. 보고에 따르면 일부 과제에서는 더 적은 연산 자원으로 더 높은 정확도를 내는 효율 개선도 나타났습니다.
실험 설계와 워크플로우 지원: 어떤 실험을 어떤 조건으로 할지 설계를 돕고, 실험실에서 발생하는 문제(예: 예상과 다른 결과의 원인 추적)를 함께 진단합니다.
바이오 방어(biodefense): 의료 대응책 개발, 단백질 공학 플랫폼 결합, 감염병 대비 같은 방어적·공익적 응용에 활용됩니다. 정부 연구소나 공중보건 협력체가 초기 사용자로 참여하는 구조입니다.

요약하면, 연구자가 '시간을 가장 많이 잡아먹지만 반복적이고 탐색적인' 작업에 AI를 투입해 R&D 주기 자체를 압축하려는 시도입니다.

IP·비즈니스 시사점

여기서부터가 변리사가 주목하는 지점입니다. 과학 도메인 AI는 단순한 연구 도구가 아니라, 바이오·제약 IP 지형을 흔드는 변수이기 때문입니다. 정리하면 네 가지 의제가 현실로 다가옵니다.

첫째, 발명자성(inventorship)입니다. AI가 분자 설계나 표적 발굴에 실질적으로 기여했을 때, 그 발명을 누구의 이름으로 출원할 것인가의 문제입니다. 현재 주요국 특허 제도는 발명자를 자연인(사람)으로 전제합니다. 즉 AI 자체를 발명자로 적는 것은 인정되지 않으며, AI를 '도구'로 활용한 인간 연구자가 어느 정도로 착상에 기여했는지(누가 실제로 발명의 핵심 아이디어를 떠올렸는지)를 가려 발명자를 특정해야 합니다. AI 활용 비중이 커질수록 '사람의 기여를 어떻게 입증하고 기록할 것인가'가 출원 전략의 실무 과제가 됩니다.

둘째, 데이터 권리입니다. 과학 AI는 학습 데이터와 사용 과정에서 생성되는 데이터 위에서 작동합니다. 어떤 데이터로 학습했는지, AI가 만들어낸 분석 결과·후보 물질 데이터의 권리가 누구에게 귀속되는지, 외부 데이터베이스 연동 시 라이선스 조건은 무엇인지가 계약과 분쟁의 핵심으로 떠오릅니다.

셋째, 영업비밀(trade secret) 관리입니다. 신약 후보 구조, 실험 조건, 모델에 입력한 연구 노하우는 그 자체로 막대한 가치를 지닌 영업비밀입니다. AI 도구에 이런 정보를 입력하는 순간, 입력 데이터가 어디에 저장·활용되는지, 외부로 새어 나갈 위험은 없는지를 관리해야 합니다. 특허로 공개해 보호할지, 영업비밀로 비공개 유지할지의 전략적 선택도 더 복잡해집니다.

넷째, 이중용도 규제 대응입니다. 같은 기술이 신약 개발에도, 생물학적 위협에도 쓰일 수 있다는 속성은 단순한 윤리 이슈가 아니라 사업 리스크입니다. 어떤 모델을 어떤 조건으로 쓸 수 있는지, 차등 접근·보안 통제 같은 거버넌스 요건을 충족하는지가 바이오 기업의 기술 도입과 파트너십 의사결정에 직접 영향을 미칩니다.

한계와 리스크

장밋빛 전망만 있는 것은 아닙니다. 짚어야 할 한계가 분명합니다.

가장 먼저 이중용도 위험입니다. 방어 목적으로 설계된 능력도 악용될 여지를 완전히 없애기는 어렵습니다. 그래서 능력 확장 속도만큼이나 거버넌스의 정교함이 중요하며, 이 균형이 무너지면 기술 자체가 규제 리스크에 발목을 잡힐 수 있습니다.
다음은 검증(validation)의 문제입니다. AI가 제안한 후보 물질이나 실험 가설은 결국 실제 실험으로 확인되어야 합니다. AI는 탐색 비용을 줄여줄 뿐, 실험과 임상이라는 검증 단계를 건너뛰게 해주지는 않습니다. 'AI가 찾았으니 맞을 것'이라는 과신은 위험합니다.
마지막은 환각(hallucination) 입니다. 생성형 AI는 그럴듯하지만 사실이 아닌 정보를 만들어낼 수 있습니다. 과학 영역에서 이는 잘못된 가설이나 존재하지 않는 참고문헌으로 나타날 수 있어, 전문가의 비판적 검토가 반드시 동반되어야 합니다.

참고자료

OpenAI, "Introducing GPT-Rosalind for life sciences research" — https://openai.com/index/introducing-gpt-rosalind/
OpenAI, "Introducing new capabilities to GPT-Rosalind" — https://openai.com/index/introducing-new-capabilities-to-gpt-rosalind/
OpenAI, "Strengthening societal resilience with Rosalind Biodefense" — https://openai.com/index/strengthening-societal-resilience-with-rosalind-biodefense/
R&D World, "OpenAI launches Rosalind Biodefense, offers federal agencies early access to its life-sciences model" — https://www.rdworldonline.com/openai-launches-rosalind-biodefense-offers-federal-agencies-early-access-to-its-life-sciences-model/
Axios, "Exclusive: OpenAI launches biodefense program" — https://www.axios.com/2026/05/29/openai-biodefense-program

발명자성·영업비밀 등 IP 제도의 구체적 적용은 사안과 관할에 따라 달라질 수 있으며, 본 글은 일반적 정보 제공을 목적으로 합니다.

B-LOG 관련 글

Medical AI·바이오 특허 침해 입증의 부담 — 과학 AI가 만든 바이오 발명의 권리화·분쟁에서 '입증'이 핵심 쟁점이 된다는 점에서 직결됩니다.
AI 특허 §101 적격성 전략 (CAFC) — AI가 기여한 발명을 특허로 보호하려면 적격성 관문을 넘어야 한다는 점에서, 발명자성과 함께 검토할 출발점입니다.

Medical AI·바이오 스타트업 특허 침해 입증 새 흐름: 행위태양 제시의무 판례 분석

의약용도발명 특허침해 소송에서 피고가 성분비를 공개하지 않으면 원고 주장이 진실로 간주될 수 있습니다 — 2024년 특허법원 판결이 시사하는 입증 구조의 변화와 Medical AI·바이오 스타트업

blog.blineip.com

이오플로우 영업비밀 소송 결과 - 6,300억 배상 평결이 미국 항소심에서 뒤집힌 이유

돈 공부하는 변리사 — Tue, 9 Jun 2026 07:38:08 +0900

웨어러블 인슐린 패치 기업 이오플로우와 미국 경쟁사 인슐렛(Insulet)의 영업비밀 분쟁이 큰 전환점을 맞았습니다. 2024년 미국에서 약 6,300억 원 규모의 배상 평결을 받았던 이오플로우가, 2026년 5월 항소심에서 그 평결을 전부 뒤집었습니다. 결과만큼이나 '왜 뒤집혔는가'가 더 중요한 사건입니다.

6,300억 평결에서 항소심 파기까지

2023년 8월, 인슐렛은 이오플로우가 자사 출신 직원들을 데려가 영업비밀을 빼돌렸다며 미국 매사추세츠 연방지방법원에 소송을 냈습니다. 여기서 영업비밀이란 회사가 비밀로 관리하는 핵심 기술·정보(설계도, 제조 공정 등)를 말합니다.

2024년 12월, 배심원단은 이오플로우가 영업비밀 4건을 침해했다고 인정하고 약 4억 5,200만 달러(원화 약 6,300억 원)의 배상을 평결했습니다. 이후 법원은 배상액을 약 5,940만 달러(원화 약 849억 원)로 줄였습니다.

그리고 2026년 5월 28일, 미국 연방순회항소법원(CAFC)이 이 평결을 뒤집었습니다.

왜 졌나 — 침해가 아니라 '소송 시점'이 문제였다

항소심이 뒤집은 이유는 침해 여부가 아니었습니다. 법원은 침해가 맞는지는 따로 판단하지 않았습니다. 문제는 인슐렛이 소송을 너무 늦게 냈다는 점이었습니다.

미국 영업비밀법(DTSA)에는 제소기간이 있습니다. 제소기간이란 법으로 정한 소송 기한으로, 이 기한을 넘기면 옳은 주장이라도 법원이 받아주지 않습니다. DTSA의 기한은 침해를 알았거나 주의를 기울였다면 알 수 있었던 날로부터 3년입니다.

법원은 인슐렛이 소 제기일(2023년 8월 3일)로부터 3년 전인 2020년 8월 3일 이전에 이미 충분히 알 수 있었다고 봤습니다. 인슐렛 출신 직원들이 이오플로우로 옮겼고, 이오플로우 제품이 인슐렛 제품과 닮아 있었기 때문입니다. 이 정도면 침해를 의심하고 소송을 낼 만한 상황으로 본 것입니다. 보도들은 이를 "2019년에는 알았어야 했다"는 취지로 요약했습니다.

한국 기업이 눈여겨볼 점

이 사건의 교훈은 분명합니다. 영업비밀을 가진 쪽도 침해를 의심할 만한 신호를 본 순간 시계가 돌기 시작합니다. 확실한 증거를 다 모은 뒤 움직이려다 3년을 넘기면 권리 자체를 잃습니다.

한편 미국에서 거액 평결을 받은 한국 기업이라도, 항소심에서 절차를 근거로 결과를 되돌릴 여지가 있다는 점도 함께 보여줍니다. 다만 인슐렛이 재심이나 상고를 검토하고 있어, 이 사건이 완전히 끝난 것은 아닙니다.

더 자세한 분석은

이오플로우 사건은 메드트로닉 인수 무산(1편), 유럽 17개국 판매금지(2편), 그리고 이번 미국 영업비밀 항소심(3편)으로 이어지는 시리즈입니다. 제소기간 법리와 한국 기업의 대응 전략을 허브 블로그에 자세히 정리했습니다.

전체 분석 보러 가기

이오플로우, 6,300억 영업비밀 배상을 뒤집다 - 이오플로우 시리즈 ③

웨어러블 인슐린 패치 기업 이오플로우가 2024년 미국에서 약 4억 5,200만 달러(원화 약 6,300억 원) 영업비밀 배상 평결을 받았지만, 2026년 5월 연방항소법원이 제소기간 도과를 이유로 이를 뒤집었

blog.blineip.com

AI 인프라의 병목 - GPU에서 HBM,파운드리로, 그리고 한국 메모리 양강

돈 공부하는 변리사 — Mon, 8 Jun 2026 07:12:20 +0900

AI 인프라 병목이 GPU에서 HBM 메모리와 파운드리 생산용량으로 옮겨가고 있다. 엔비디아 HBM4 'Big Three' 인증, SK하이닉스 캐파 2배 계획, TSMC의 수년 공급부족 경고를 투자 공부 관점에서 정리한다.

3줄 요약

AI 인프라의 병목이 'GPU 한 종류'에서 HBM 메모리와 파운드리(위탁생산) 생산용량으로 옮겨가고 있다. 설계가 아니라 '만들 수 있는 양'이 한계를 정한다.
엔비디아가 차세대 AI 플랫폼(Vera Rubin)용 HBM4를 삼성전자·SK하이닉스·마이크론 세 곳 모두에 공급 인증하면서, 한국 메모리 양강이 차세대 AI 메모리 공급망의 핵심 길목에 다시 자리를 잡았다.
자본(돈)은 거의 무한히 늘릴 수 있어도 칩·메모리는 정해진 라인에서만 나온다. 그래서 공급 측(파운드리·HBM·장비·소재)이 한동안 구조적으로 협상력을 쥐는 그림이 그려진다.

투자 포인트 한 줄

병목이 'GPU 부족'에서 'HBM·파운드리 용량 부족'으로 이동했고, 그 병목을 쥔 쪽(메모리 양강·TSMC)이 이익의 가장 두꺼운 구간을 가져갈 가능성이 크다.

이 글은 특정 종목 매수·매도 권유가 아니라 산업 구조를 이해하기 위한 개인 투자 공부 노트다. 수치는 출처를 표기했고, 미확정 부분은 "(원출처 확인 필요)"로 명시했다.

AI 메모리·파운드리 사이클이란 무엇인가

이 글은 AI 인프라에서 '진짜 부족한 자원'이 무엇인지, 왜 그것이 GPU에서 메모리·파운드리로 옮겨갔는지, 그리고 그 변화가 투자 공부 관점에서 어떤 의미인지를 다룬다. 결론부터 말하면, AI 데이터센터를 짓는 데 필요한 부품 중 가장 먼저 동나는 것은 점점 'GPU 칩 그 자체'가 아니라 그 칩에 붙는 HBM(고대역폭 메모리)과, 그 칩을 실제로 찍어내는 파운드리 생산 라인이 되고 있다는 점이다.

AI 가속기는 크게 (1) 연산을 담당하는 로직 칩(GPU/ASIC), (2) 그 칩 옆에 쌓여 데이터를 빠르게 먹여 주는 HBM, (3) 이 둘을 한 패키지로 묶어 실제 웨이퍼로 찍어내는 파운드리 공정으로 구성된다. 모델이 커지고 추론 수요가 폭증하면서 연산 칩만으로는 성능이 안 나오고, 칩 옆에 더 많고 더 빠른 메모리(HBM)를 붙여야 하는 구조가 됐다. HBM은 같은 용량의 일반 D램보다 훨씬 많은 웨이퍼를 잡아먹고 마진도 가장 높은 제품군이다.

여기서 'AI 메모리 사이클'이란, AI 가속기 수요가 늘수록 HBM 수요가 비선형적으로 늘고, HBM이 D램 생산 캐파를 빨아들이면서 일반 메모리까지 동반 상승하는 흐름을 말한다. 동시에 그 칩들을 찍는 파운드리(특히 TSMC)의 첨단 공정 라인이 한계에 닿으면서, 'AI 슈퍼사이클'이 메모리와 파운드리 양쪽에서 동시에 진행되는 국면이다.

돈은 누가, 어떻게 버는가

AI 투자를 공부할 때 가장 헷갈리는 지점이 "결국 마진은 누가 먹나"다. 밸류체인을 따라가 보면 이익이 두터워지는 구간이 보인다.

HBM 메모리 제조사(SK하이닉스·삼성전자·마이크론): HBM은 일반 D램보다 단가와 마진이 높고, 엔비디아 같은 대형 고객에 인증을 받으면 장기 물량이 사실상 예약된다. 한국 메모리 양강은 이 구간의 핵심 공급자다.
파운드리(TSMC): AI 가속기의 로직 칩을 찍는 첨단 공정을 사실상 독점에 가깝게 쥐고 있다. 수요가 공급을 넘는 한, 가격 협상력이 제조사 쪽으로 기운다.
커스텀 실리콘·설계 IP(예: Marvell, Broadcom): 빅테크가 자체 AI 칩(ASIC)을 만들 때 설계를 받쳐 주는 쪽이다. 엔비디아 GPU 의존을 줄이려는 흐름에서 수혜 기대가 거론된다. 다만 개별 기업의 실적 전망은 분기마다 조정되므로 단정은 금물이다.
서버 조립·EMS(예: Hon Hai/폭스콘): 칩과 메모리를 실제 AI 서버로 조립하는 단계다. AI 서버 수요로 매출이 늘지만, 조립 단계는 통상 마진이 얇아 '물량은 크되 이익률은 낮은' 전형적 구간이다.

핵심은, 같은 'AI 수혜'라도 병목을 쥔 구간일수록 가격 결정권이 강하고 마진이 두껍다는 점이다. 지금 그 병목은 HBM과 파운드리 용량 쪽에 몰려 있다.

산업 구조와 밸류체인 — GPU에서 HBM·파운드리로

과거 AI 인프라 이야기는 거의 'GPU 부족' 한 단어로 요약됐다. 지금은 병목이 밸류체인을 따라 분산되고 있다. 흐름을 단순화하면 이렇다.

설계(엔비디아·빅테크 ASIC) → 메모리(HBM, 한국 양강+마이크론) → 파운드리·패키징(TSMC) → 서버 조립/EMS(폭스콘 등) → 데이터센터 운영(클라우드)

여기서 의미 있는 변화는 두 가지다.

첫째, 엔비디아가 차세대 플랫폼용 HBM4를 한 곳이 아니라 세 곳 모두에 인증했다는 점이다. 공급사를 여럿 두면 한 곳에 묶이는 위험이 줄고, 메모리 업체끼리의 경쟁이 붙는다. 동시에 삼성전자가 HBM4 검증을 통과했다는 것은, 한동안 SK하이닉스에 밀린다는 평가를 받던 삼성이 차세대 AI 메모리 공급망에 정식으로 복귀했다는 신호로 읽힌다.

둘째, 병목이 메모리·파운드리로 내려가면서 '한국 메모리 양강의 위치'가 다시 중요해졌다. HBM은 한국 양강과 마이크론의 사실상 3사 과점 구조이고, 이 중 두 곳이 한국 기업이다. AI 수요가 늘수록 이 길목을 지나는 가치가 커진다.

핵심 숫자와 체크포인트

아래 수치는 보도 기반이며, 투자 판단 시 원출처와 최신 갱신치를 직접 확인할 것을 권한다.

엔비디아 HBM4 공급사: 삼성전자·SK하이닉스·마이크론 3사 인증. 공급 배분은 분석기관 추정치로 SK하이닉스 약 60~70%, 삼성 약 25~30%, 마이크론 나머지 수준으로 거론된다.
SK하이닉스 캐파 계획: 메모리 웨이퍼 생산능력을 약 5년 내 2배(월 약 55만 장 → 약 100만 장 수준)로 확대하는 방향이 거론된다.
TSMC: CEO(C.C. Wei)가 AI 수요로 인한 칩 공급부족이 '수년간 지속'될 것이라고 공개 경고. 선단 공정 수요가 공급을 25~30% 초과한다는 언급도 보도됐다.
체크포인트: (1) 삼성 HBM4의 실제 양산·수율 안착 여부, (2) HBM이 일반 D램 가격에 미치는 동반 상승 강도, (3) TSMC 첨단 공정 증설 속도와 가격 인상 폭, (4) 빅테크 자체 ASIC 확대가 엔비디아 점유율을 얼마나 잠식하는지.

리스크 — 무엇이 이 그림을 깨뜨리나

수요 둔화·과잉투자(capex 피크아웃): AI 인프라 투자가 한 번 꺾이면 메모리·파운드리는 전형적 사이클 산업이라 낙폭이 크다. 'AI 슈퍼사이클'은 동시에 '사이클'이라는 점을 잊으면 안 된다.
공급 과잉으로의 반전: 모두가 동시에 캐파를 2배로 늘리면, 몇 년 뒤 공급이 수요를 추월해 가격이 무너지는 고전적 메모리 사이클이 재현될 수 있다.
기술 전환 리스크: HBM4 → HBM4E → 차세대 전환에서 수율·인증을 놓치는 업체는 한 세대 만에 점유율을 크게 잃을 수 있다(삼성의 과거 사례).
지정학·집중 리스크: 첨단 파운드리가 대만에 집중돼 있다는 점, 미국의 생산 이전 정책 등은 구조적 변수다.
고객 집중: 메모리·파운드리 모두 엔비디아·빅테크 소수 고객 의존도가 높아, 고객의 발주 조정 한 번이 실적을 크게 흔든다.

다음에 확인할 것

삼성전자 HBM4 양산 수율과 엔비디아 내 실제 배분 비중 변화.
SK하이닉스·삼성의 캐파 증설이 'HBM 우선'인지 '일반 D램 포함'인지(일반 D램까지 늘면 메모리 사이클 반전 시점이 앞당겨질 수 있음).
TSMC의 가격 인상 폭과 미국·일본 신규 팹 가동 시점.
빅테크 자체 칩(ASIC) 비중 확대가 엔비디아 GPU 수요를 얼마나 대체하는지 — 이것이 밸류체인의 '설계' 구간 판도를 바꾼다.

핵심 정리

AI 인프라의 병목은 'GPU 한 종류'에서 HBM 메모리와 파운드리 생산용량으로 분산·이동했다.
돈은 병목을 쥔 구간에서 가장 두껍게 벌린다. 지금은 HBM(한국 양강+마이크론)과 파운드리(TSMC)가 그 자리다.
엔비디아의 HBM4 3사 인증과 삼성의 검증 통과로, 한국 메모리 양강이 차세대 AI 메모리 공급망의 핵심 길목에 다시 섰다.
단, 메모리·파운드리는 사이클 산업이다. 동시다발 증설은 몇 년 뒤 공급 과잉이라는 반대 위험을 키운다. '슈퍼사이클'과 '사이클'을 함께 봐야 한다.

참고자료

Bloomberg, "TSMC CEO Says Company's Chip Supply Won't Meet AI-Fueled Demand for Years" — https://www.bloomberg.com/news/articles/2026-06-04/tsmc-ceo-warns-chip-supply-won-t-meet-ai-fueled-demand-for-years
Tom's Hardware, "SK hynix to double memory wafer capacity within five years" — https://www.tomshardware.com/pc-components/dram/sk-hynix-to-double-memory-wafer-capacity-over-five-years
Yahoo Finance(Reuters), "Nvidia certifies Samsung, SK Hynix and Micron for Vera Rubin HBM4 supply" — https://finance.yahoo.com/sectors/technology/articles/nvidia-certifies-samsung-sk-hynix-133001560.html
KED Global, "Samsung, SK Hynix win Vera Rubin HBM4 slots, widening lead over Micron" — https://www.kedglobal.com/korean-chipmakers/newsView/ked202603080004

자율주행 특허 진보성 거절 6유형 - 지식재산처 심사실무가이드

돈 공부하는 변리사 — Sat, 30 May 2026 10:05:38 +0900

자율주행 특허는 일반 분야보다 진보성 거절 사유가 다양합니다. 자동차·센서·통신·컴퓨터가 결합한 이종기술 융합 분야라서, 결합 가능한 인용발명의 범위가 그만큼 넓기 때문입니다. 한국 지식재산처(KIPO)는 기술분야별 심사실무가이드 제7부 §3.3에서 자율주행 진보성 거절을 6가지 유형으로 정리했습니다. 각 유형마다 진보성을 부정할 수 없는 조건이 명시되어 있어서, 출원·OA 대응 양쪽에서 그대로 활용 가능합니다.

KIPO가 명시한 자율주행 진보성 거절 6유형

심사실무가이드 §3.3.1~§3.3.6은 아래 6가지 패턴을 구체 예시와 함께 정리하고 있습니다.

거절 유형 진보성 부정 불가 조건 (의견서 핵심 키워드)

① 이종기술 분야 결합	결합 동기 부재 · 기술적 저해요소 · 예측 못한 더 나은 효과
② 인간 운전행위 자동화	특유 제어 알고리즘 · 회생제동·연비 등 더 나은 효과
③ AI·빅데이터·블록체인 단순 적용	학습 모델 특유성 · 데이터 처리 방식 · 예측 못한 효과
④ 교통 서비스 자율화	특유 알고리즘 · 새로운 영업방법
⑤ ADAS 단순 포함	유기적 결합 효과 · ADAS 특유 부가
⑥ 다수 자율주행기술 결합	복합 상승효과 · 사후적 고찰 반박

자율주행 스타트업이 가장 자주 빠지는 함정 3가지

① AI 단순 적용 — "딥러닝으로 객체를 인식한다" 정도의 표현만 명세서에 들어가 있으면 거의 거절됩니다. CNN(합성곱 신경망)이나 일반적인 객체 검출 모델 자체는 KIPO가 이미 주지기술로 보기 때문입니다. 학습 모델의 어떤 구성요소가 자율주행 특유의 문제(악천후 인식·돌발 보행자 인지·터널 진입 시 광량 급변)를 어떻게 해결하는지, 데이터 전처리·증강·손실함수 차원에서 무엇이 다른지가 알고리즘 수준으로 적혀야 합니다.

② ADAS 단순 포함 — ACC·SPAS·HDA·BSD·AEB·LKA 6대 ADAS 기능은 KIPO가 주지관용기술로 인정합니다. 청구항에 단순히 포함하는 것만으로는 진보성이 부정됩니다. 인지·판단·제어 3축 중 최소 1축에서 알고리즘 차별화가 있거나, ADAS 정보를 다른 부품 제어에 유기적으로 결합해야 합니다.

③ 다수 기술 단순 결합 — "구성 A + 구성 B + 구성 C" 형태의 단순 나열은 거절됩니다. 각 구성이 따로 동작했을 때의 효과와 함께 동작했을 때의 효과를 비교 가능한 형태로 명세서에 적어두는 편이 안전합니다. 다만 가이드는 "인용발명 수가 많을수록 사후적 고찰(hindsight) 위험이 커진다"고 심사관에게도 신중함을 요구했습니다. OA 대응 단계에서 인용발명이 많이 묶여 있다면, 발명을 본 뒤 끼워맞춘 결합 논리가 아닌지 따져볼 여지가 있습니다.

출원 단계에서 미리 심을 표현

OA 대응 시간과 등록률을 함께 개선하려면, 명세서 작성 시점에 아래 3가지를 의식적으로 남겨둬야 합니다.

수치 기반 효과: "약 30% 단축", "연비 12% 개선" 같은 정량 비교
실험·시뮬레이션 결과: 인용발명과의 차이를 보일 수 있는 데이터
알고리즘 표현: 모델의 이름이 아니라 모델의 구성·학습 방식·자율주행 데이터에 맞춘 변형

거절 통지가 와도 보정 없이 의견서만으로 극복 가능한 경우가 많아집니다.

더 자세한 분석은 허브 블로그에서

KIPO 가이드 §3.3.1~§3.3.6의 각 유형별 청구항 예시(과속방지턱 자동 감속·라이다 딥러닝 분류·무인 자율주행 택시·차선 변경 + BSD·보행자/신호등/V2V 3기술 결합)와 부정 불가 조건은 비라인 허브 블로그에 상세히 정리해두었습니다.

자율주행 스타트업 특허, 진보성 거절 6가지 패턴과 빠져나오는 방법 — KIPO 최신 심사실무가이드

자율주행 스타트업 특허, 진보성 거절 6가지 패턴과 특허 등록 방법

한국 지식재산처 최신 자율주행 심사실무가이드는 진보성 거절 6유형을 명시하고 있습니다. 이종기술 결합·인간 운전행위 자동화·AI 단순 적용 등 패턴별로 극복하는 키워드를 자율주행 스타

blog.blineip.com

자율주행 분야 OA 대응이나 출원 명세서 검토가 필요하시면 비라인특허법률사무소로 편하게 연락 주세요.

SpaceX IPO 신청 정리 — 종목코드 SPCX·43억 달러 손실·Goldman 주관

돈 공부하는 변리사 — Fri, 29 May 2026 07:02:46 +0900

SpaceX가 종목코드 SPCX로 나스닥 IPO를 공개 신청했다. 43억 달러 손실 공개와 초고의결권 주식안, xAI 손실 노출, 주관사 Goldman Sachs까지 IPO 구조의 핵심 포인트를 정리한다.

3줄 요약

SpaceX가 나스닥 종목코드 SPCX로 공개 IPO를 신청했고, 공시에 43억 달러 손실이 노출됐다.
머스크의 초고의결권 주식안이 같이 공시됐고, Goldman Sachs가 주관 리드로 이름이 올랐다.
SpaceX 공시에 xAI의 약 64억 달러 손실까지 함께 드러나면서, 머스크 자본 구조 전체를 같이 봐야 하는 IPO가 됐다.

투자 포인트 한 줄

SpaceX IPO는 사상 최대 규모 후보 IPO다. 동시에 머스크 자본 구조 전체(SpaceX·xAI·Tesla)를 한 자리에 공시한 사건에 가깝다. 초고의결권 주식안 통과 여부가 가격대를 가른다.

회사·산업 개요

SpaceX는 발사체(Falcon, Starship)·위성통신(Starlink)·인공위성 발사 서비스를 운영한다. 그동안 사기업 상태로 비공개 라운드를 이어왔고, 2026년 상반기 IPO 추진 소식이 잇따랐다.

이번 발표의 핵심은 다음과 같다.

종목코드: 나스닥 SPCX
공개 신청 단계: S-1 공시 진입 (SEC EDGAR에서 공개 자료 확인 가능 단계)
손실 공개: 2025회계연도 약 43억 달러 손실
자본 구조: 머스크의 초고의결권(supervoting) 주식안 포함
주관사: Goldman Sachs 리드 (Bloomberg 보도 기준)

돈 버는 구조 — SpaceX 매출 라인

SpaceX 매출의 큰 줄기는 두 가지다.

발사 서비스(Launch) — NASA·국방부·민간 위성 고객 대상 발사 계약. 단가는 크지만 수가 제한적이다.
Starlink — 위성 인터넷 구독 매출. 가구·기업·정부 단위로 가입자가 누적되는 구조. 분기별 매출 비중이 점점 커진다는 평이 외부에서 반복되고 있다.

손실 43억 달러는 발사·Starship 개발 CapEx와 Starlink 가입자 확보 비용이 겹친 결과로 보인다. 다만 매출·비용 분장 세부 사항은 직접 확인이 필요하다.

산업 구조 — 우주·통신·머스크 자본 결합

SpaceX는 (1) 우주 발사체, (2) 위성통신, (3) 머스크 그룹 자본의 세 가지 특징을 가지는 회사다.

이번 IPO에서 중요한 부분도 이러한 특징들이다.

발사체는 사실상 미국 정부 우주 정책의 인프라 사업자 위치.
Starlink는 글로벌 위성통신 시장에서 가장 빠르게 가입자를 쌓은 사업자.
머스크 자본은 Tesla·xAI·SpaceX가 서로 자금·인재·계약을 주고받는 구조다. SpaceX IPO 시점에 xAI 손실까지 함께 공시되면서 이 결합이 외부에 드러난다.

핵심 숫자·체크포인트

2025FY 손실: 약 43억 달러 (S-1 공시 기준 — 본문 직접 확인 필요)
xAI 2025 손실: 약 64억 달러 (SpaceX IPO 공시 부수 자료 기준)
초고의결권 주식안: 공시 본문에 포함. 통과 여부가 IPO 가격대에 직접 영향
주관사: Goldman Sachs (보도 기준)
종목코드: 나스닥 SPCX

리스크

초고의결권 주식안 통과 변수: 일반 투자자가 보유한 주식의 의결권이 크게 약해지는 구조다. SEC와 거래소 심사, 시장 수요에 따라 IPO 가격이 흔들릴 수 있다.
머스크 자본 분산 우려: SpaceX가 상장하면 Tesla 투자자 자금이 분산될 우려가 외부 매체에서 반복되어 왔다. Tesla 주가 변동성에 직접 영향이 갈 수 있다.
xAI 손실 노출: SpaceX 공시에 xAI 64억 달러 손실이 같이 드러나면서 머스크 자본 구조 전반에 대한 시장 평가가 함께 움직인다.
Starlink 매출 인식 변동: 위성통신 매출의 인식 시점(구독·일시·정부 계약 등)이 회계상 어떻게 처리되는지가 손익에 직접 영향을 준다. 분기별 추이는 IPO 이후에야 비교 가능하다.
정부 의존도: NASA·국방부 계약 비중이 어느 정도인지가 매출 안정성과 정치적 변수에 모두 영향을 미친다. S-1 위험 요인 섹션에서 명시될 항목이다.

다음에 확인할 것

SEC EDGAR의 SpaceX S-1 본문 (매출 구성·고객 집중도·계약 만기)
초고의결권 주식안의 의결권 비율 (1:10, 1:20 등)
공모가 밴드 및 평가 시가총액
Tesla·xAI와의 인사·자본·계약상 관계 (관련 당사자 거래 섹션)
Starlink 가입자 수 정식 공시 및 ARPU 추이

핵심 정리

SpaceX 나스닥 종목코드 SPCX, S-1 공개 신청 단계 진입
43억 달러 손실과 초고의결권 주식안이 같은 공시에 들어감
xAI 64억 달러 손실까지 같이 노출되며 머스크 자본 구조 전체가 한 자리에 정리됨
Goldman 주관, 사상 최대급 IPO 추진. 가격대는 의결권 구조와 머스크 자본 평가가 가른다

참고자료

Bloomberg, "SpaceX Shows $4.3 Billion Loss as Musk Targets Record IPO", 2026-05-20, URL (2차 소스 기준 — SEC EDGAR S-1 원문 직접 확인 필요)
Bloomberg, "Goldman Sachs to Lead SpaceX's Mega-IPO Bank Lineup", 2026-05-19, URL (2차 소스 기준 — 주관사단 공식 공시 후속 확인)
TechCrunch, "xAI burned $6.4B last year — SpaceX's IPO filing shows why the spending is far from over", 2026-05-20, URL

B-LOG 관련 글

피지컬 AI의 종점, 휴머노이드 로봇 기업 특허 포트폴리오 분석 (1) 보스턴 다이나믹스 — IPO 시점에 회사의 자산 구조를 다시 보는 관점의 글. SpaceX 자본 구조 공시와 Boston Dynamics 특허 포트폴리오 분석을 같이 두면 IPO 자료가 회사를 어떻게 드러내는지 비교할 수 있다

피지컬 AI의 종점, 휴머노이드 로봇 기업 특허 포트폴리오 분석 (1) 보스턴 다이나믹스(Boston-Dynamic

휴머노이드 로봇 아틀라스(Atlas)를 개발하는 보스턴다이나믹스의 IPO가 가까워오고 있습니다. 로봇 분야에서 생각보다 긴 역사를 지닌 보스턴다이나믹스의 12년에 걸친 총 457건의 미국 특허 포트

blog.blineip.com

* 본 포스팅은 다수의 참고자료에 기반으로 AI를 활용하여 초안이 작성되었으며, 작가의 검수 및 수정 후 발행되었습니다.

Google-Blackstone AI 클라우드 합작 정리 - 코어위브 경쟁 ?

돈 공부하는 변리사 — Thu, 28 May 2026 07:09:04 +0900

Google과 Blackstone이 합작 AI 클라우드 회사를 설립한다는 보도가 나왔다. 초기 50억 달러 투자와 Blackstone 다수 지분 구조, CoreWeave 경쟁 구도까지 핵심 포인트를 정리한다.

3줄 요약

Google과 Blackstone이 합작 AI 클라우드 회사를 설립한다는 WSJ 보도가 Bloomberg 인용으로 전해졌다.
초기 50억 달러 규모 투자에 Blackstone이 다수 지분을 갖고, CoreWeave 등과 경쟁하는 신규 AI 인프라 사업자로 자리잡는 구조다.
빅테크가 자체 클라우드(Google Cloud) 옆에 사모펀드 자본으로 별도 사업자를 만드는 첫 사례에 가깝다.

투자 포인트 한 줄

빅테크와 사모펀드가 직접 결합해 AI 인프라 신규 사업자를 만드는 구조다. CoreWeave 형태의 GPU 임대 시장이 빅테크 자본에 흡수되는 방향이다.

회사·산업 개요

이번 보도의 주요 내용은 다음과 같다.

합작 형태: Google과 Blackstone이 신규 AI 클라우드 회사를 공동 설립
자본 구조: 초기 50억 달러 규모. Blackstone이 다수 지분을 보유한다는 점이 핵심
포지셔닝: CoreWeave 같은 AI GPU 임대 사업자와 경쟁하는 신규 사업자
출처 체인: WSJ 1차 보도, Bloomberg가 인용

돈 버는 구조 — AI 클라우드 사업자의 매출 라인

AI 클라우드 사업자의 매출 구조는 다음 세 갈래로 나뉜다.

GPU 임대(IaaS) — 시간당 또는 예약형으로 GPU 인스턴스를 빌려준다. CoreWeave가 대표 사례다.
모델 호스팅 — 외부 모델사(Anthropic·Mistral 등)가 자기 모델을 띄울 인프라를 임대.
AI 워크로드 매니지드 서비스 — 학습·추론·미세조정을 패키지로 묶어 제공.

Google Cloud는 위 세 라인을 모두 이미 운영 중이다. 합작 신규 사업자가 어디에 무게를 두는지가 1차 확인 지점이다. CoreWeave와 정면 경쟁한다면 (1)이 핵심이지만, Google 모델 자산(Gemini)을 끼워 (2)와 (3)을 강조할 수도 있다.

산업 구조 — 빅테크-사모펀드 결합이 새로운 이유

빅테크가 사모펀드 자본을 받아 자체 사업과 별도로 신규 인프라 사업자를 만드는 구조는 비교적 새롭다.

가능한 이유는 다음과 같다.

회계 분리: AI 인프라 CapEx는 빅테크 손익에 직접 부담이 된다. 합작법인으로 분리하면 자본 지출이 별도 BS로 빠진다.
장기 자본 매칭: AI 데이터센터는 10년 이상 가는 자산이다. Blackstone 같은 사모펀드의 인프라 펀드 형태가 장기 자본 매칭에 적합하다.
사업자 간 경쟁 분산: Google Cloud가 직접 운영하면 Microsoft·AWS와의 정면 경쟁 외에 CoreWeave 같은 임대 시장에서도 부딪힌다. 합작법인으로 이 영역을 분리하면 본진 부담이 줄어든다.

이 구조가 정착하면 Microsoft·AWS도 비슷한 합작 카드를 들 가능성이 있다. 산업 구조 측면에서 지켜볼 부분이다.

리스크

공식 발표 부재: 현재 보도는 WSJ 1차 보도와 Bloomberg 인용 단계다. Google·Blackstone 양사의 공동 보도자료가 나오기 전까지는 합작법인 형태·지분 구조가 변동될 수 있다.
CoreWeave 직접 충돌: CoreWeave가 Microsoft·OpenAI·NVIDIA와 다층 계약을 맺고 있는 상황에서 Google이 직접 경쟁자를 차렸기 때문에, 기존 파트너십 구조에 영향이 갈 수 있다.
Google Cloud 카니발리제이션: 같은 회사 안에서 자기 클라우드 매출을 일부 떼어가는 형태로 인식될 위험이 있다. 합작법인이 어떤 워크로드를 가져가는지가 공식 발표에서 명확히 정리될 부분이다.
인프라 펀드 수익률 변수: AI 인프라가 5~10년 사이 어떤 마진 구조로 안정화될지는 아직 불확실하다. Blackstone 측 입장에서는 추정 IRR이 어떤 시나리오에서 성립하는지가 내부 변수가 된다.

다음에 확인할 것

Google·Blackstone의 공식 공동 발표 (합작법인 명칭·지분율·이사회·CEO)
자본 50억 달러의 구성 (현금·in-kind·신용 약정 비중)
운영 거점 (어느 지역·어떤 데이터센터 자산을 우선 확보하는지)
CoreWeave·Lambda Labs·Iris Energy 같은 기존 사업자의 반응
한국 입장에서는 GPU·HBM·CoWoS 수요가 어떻게 분배되는지가 메모리·소부장 영향 요인

참고자료

Bloomberg, "Google Agrees to Create AI Cloud Firm With Blackstone", 2026-05-19, URL

B-LOG 관련 글

NVIDIA는 왜 로봇 AI를 공짜로 풀었나 — Physical AI 패권 전쟁 — 빅테크 플랫폼 자본 락인의 변종을 비교할 수 있는 글. 합작법인 카드와 오픈소스·락인 카드는 인프라 권한 확보 방식이 다르다

NVIDIA는 왜 로봇 AI를 공짜로 풀었나 — Physical AI 패권 전쟁

blog.blineip.com

* 본 포스팅은 다수의 참고자료에 기반으로 AI를 활용하여 초안이 작성되었으며, 작가의 검수 및 수정 후 발행되었습니다.

보스턴다이내믹스 미국 특허 포트폴리오 분석 - 피지컬 AI 전환의 종착지 휴머노이드 로봇

돈 공부하는 변리사 — Wed, 27 May 2026 07:20:24 +0900

현대차그룹이 인수한 보스턴다이내믹스(Boston Dynamics) 의 나스닥 상장(IPO) 이슈가 본격적으로 부상하고 있습니다. 기업가치가 30조 원에서 최대 100조 원 이상까지 거론되며, '피지컬 AI(Physical AI)' 시대의 대표 상장 이벤트로 평가받고 있습니다.

비라인특허법률사무소는 보스턴다이내믹스의 미국 유효특허 457건을 12년치 출원 데이터로 분석한 21페이지 분량의 자체 리포트를 발행했습니다. 본 글은 이 분석 결과의 핵심 3가지를 간추린 요약본입니다.

'boston-dynamics_portfolio_report [BLINE]' 원문(21페이지 PDF) 무료 다운로드는 허브 블로그 bline insight에서 확인하실 수 있습니다.

1. 소유권이 바뀔 때마다 달라진 R&D 방향

보스턴다이내믹스의 특허 출원 패턴은 세 번의 인수합병을 거치며 무게중심이 이동했습니다.

Google X 시대(2014~2017): 이 시기 출원 특허의 53%(70건)가 보행·하드웨어 메커니즘에 집중됐습니다. 다리·관절·액추에이터 등 로봇 본체의 기본 하드웨어 토대가 이때 만들어졌습니다.
SoftBank 시대(2018~2020): 균형 제어와 함께 '시스템/운영(F)' 특허 비중이 늘기 시작했습니다. 스팟(Spot)의 산업 현장 투입을 앞두고 운영 인프라를 다지던 시기입니다.
Hyundai 시대(2021~2025): 인수 후 R&D의 중심이 '활용'으로 넘어갔습니다. 조작(Manipulation)·자율 항법(Navigation) 특허가 이 시기 출원의 63%를 차지하며, 물류 로봇 스트레치(Stretch) 사업화와 휴머노이드 응용 확장이 두드러집니다.

2. 핵심 자산(Moat)은 '소프트웨어'에 있다

기술적 영향력이 큰 특허는 로봇의 '몸체'가 아닌 '두뇌와 시스템'에 몰려 있습니다.

전체 특허 중 시스템·운영(F) 분류는 28건(6.1%) 으로 비중이 작습니다. 하지만 포트폴리오 내 최상위 등급인 'S급 특허' 중에서는 25%를 차지합니다. 6개국 이상에 출원해 글로벌 보호 범위를 넓힌 비율도 전체 분류 중 가장 높은 39.3% 입니다.

예를 들어 창고 내 팔레트를 자동 정렬(Condensing)하는 특허는 7개국에 출원됐고, 동일 국가 내에서도 24건의 분할·계속 출원이 진행됐습니다. 하나의 핵심 아이디어를 촘촘한 특허망으로 둘러싸 경쟁사 진입을 차단하는 설계입니다. 단일 로봇 하드웨어가 아니라 플릿(Fleet) 관리 소프트웨어와 멀티 로봇 제어 시스템이 이들의 진짜 무기인 셈입니다.

3. 피지컬 AI 시대, 파운데이션 모델을 본격 접목

최근 2년간(2023~2025) 출원된 우선권 주장 특허 39건을 보면, 다음 방향성이 분명히 드러납니다.

과거 거의 비어 있던 인식·AI(D) 영역 특허 비중이 5.5% → 12.8% 로 두 배 이상 늘었습니다.
특허 명칭에 'Prompt', 'Generation', 'Learning' 같은 키워드가 새로 등장하기 시작했습니다.

특허청 심사 중인 한 특허는 시각·언어·센서 데이터를 결합한 멀티모달 프롬프팅(Multi-modal prompting) 으로 로봇이 위험을 스스로 인식하고 회피하는 기술을 다루고 있습니다. 구글 딥마인드와 본격 협력하기 전부터 자체적으로 파운데이션 모델·LLM을 로봇 안전에 접목하려 시도해온 흔적입니다.

우리 회사의 특허 포트폴리오는 안녕하십니까?

보스턴다이내믹스 사례에서 보듯, 딥테크 기업은 제품 전략과 특허 전략이 잘 맞물려야 가치를 제대로 창출할 수 있습니다. 소프트웨어와 하드웨어가 결합되는 피지컬 AI 스타트업일수록 다층적인 IP 포트폴리오 설계가 필요합니다.

현재 개발 중인 핵심 기술이 글로벌 시장에서 충분히 보호받고 있는지
경쟁사의 우회 진입을 막을 패밀리·계속출원 방어막이 충분한지
핵심 소프트웨어 자산이 단일 특허에만 의존하고 있지는 않은지

점검이 필요한 시점입니다.

21페이지 원본 리포트(PDF) 무료 다운로드 본 글의 바탕이 된 'boston-dynamics_portfolio_report [BLINE]'은 비라인 블로그에서 무료로 받아보실 수 있습니다. 로봇별 특허 매핑·등급 분포·국가별 패밀리 깊이까지 담겨 있습니다.

비라인 블로그에서 원문 리포트 무료 다운로드

경쟁사 회피 설계 가능성 검토, 선행 기술 기반 무효화 분석 등 피지컬 AI 비즈니스를 위한 맞춤형 IP 전략 논의가 필요하시다면 비라인특허법률사무소로 편하게 연락 주시기 바랍니다.

엔비디아 독주 끝? AI 칩 자본의 이동 - AMD 대만투자·알리바바 신칩·딥시크 100억 불

돈 공부하는 변리사 — Tue, 26 May 2026 18:01:49 +0900

AMD 대만 100억 달러 투자, DeepSeek 100억 달러 라운드와 AGI 선언, Alibaba 신 AI 칩 공개, Tenstorrent 인수 관심까지 AI 반도체 자본·자립의 최근 흐름을 정리한다.

3줄 요약

AMD가 대만에 100억 달러 이상 AI 투자를 약속하고, DeepSeek는 70억 위안(약 100억 달러) 라운드를 진행하며 AGI를 명시했다.
Alibaba는 훈련·추론을 한 번에 다루는 신 AI 칩을 공개했고, AI 칩 스타트업 Tenstorrent는 Intel·Qualcomm의 인수 관심을 받았다.
NVIDIA 단일 의존에서 미·중·대만 3각의 자본·자립 경쟁으로 무게 중심이 옮겨가는 신호가 같은 주차에 함께 나왔다.

투자 포인트 한 줄

AI 칩이 더 이상 단일 업체 사이클이 아니라, 미국·중국·대만이 각자 자본과 인수·자립 카드를 들고 움직이는 다축 시장으로 가고 있다.

회사·산업 개요

이번에 다루는 네 갈래는 다음과 같다.

1. AMD — 대만 100억 달러 이상 투자

AMD는 NVIDIA의 가장 직접적인 AI GPU 경쟁사다. 이번 발표의 핵심은 대만에 100억 달러 이상의 AI 관련 투자를 약속한다는 점이다. TSMC와의 협력 구조에서 차세대 AI GPU·CPU의 캐파를 안정적으로 확보하기 위한 조치다.

2. DeepSeek — 100억 달러 라운드와 AGI 선언

DeepSeek는 중국 AI 모델 회사다. 비교적 적은 자원으로 강한 모델을 만든다는 평판이 있었다. 이번 보도의 핵심은 두 가지다.

약 70억 위안(약 100억 달러)의 신규 라운드 진행 중
창업자가 "AGI를 목표로 한다"고 공개 선언, 단기 상업화는 후순위

AGI 선언 자체는 OpenAI·Anthropic이 이미 같은 노선을 명시한 영역이라 새로운 메시지는 아니다. 다만 중국 모델사가 같은 단어를 공식적으로 쓴 것이 차이다.

3. Alibaba — 훈련·추론 통합 신 AI 칩

Alibaba가 훈련(training)과 추론(inferencing) 모두 처리 가능한 자체 AI 칩을 공개했다. 중국 빅테크가 NVIDIA 의존을 줄이는 흐름의 연장선이며, Baidu의 AI 매출이 기존 광고를 추월했다는 보도와 같은 시기에 나왔다.

성능 수치(NVIDIA H100·H200 대비 어느 정도인지), 제조 파트너(SMIC 캐파 사용 여부), 외부 판매 여부 같은 핵심 항목은 추가적인 확인이 필요하다.

4. Tenstorrent — Intel·Qualcomm 인수 관심

Tenstorrent는 전 Apple·AMD·Intel 임원 Jim Keller가 CEO로 있는 AI 칩 스타트업이다. 이 회사를 두고 Intel과 Qualcomm이 인수 관심을 보이고 있다는 보도가 나왔다.

NVIDIA가 압도적인 위치에 있는 AI GPU 시장에서, 도전자들이 자체 R&D보다 M&A로 가속하려는 움직임이다.

돈 버는 구조와 산업 밸류체인

AI 칩 자본 흐름의 구조는 다음과 같다.

GPU 설계 — NVIDIA, AMD, Tenstorrent, Cerebras 등이 위치한 영역. 마진은 가장 크지만 R&D·소프트웨어 생태계 부담도 크다.
자체 가속기 (in-house ASIC) — Google TPU, Amazon Trainium, Alibaba 신 칩 같은 빅테크 자체 칩. 클라우드 사업 마진 방어용.
파운드리 — TSMC가 압도적이며 Samsung Foundry가 추격 중. AMD가 대만에 100억 달러를 약속한 배경도 결국 캐파 확보다.
패키징·메모리 — HBM(SK하이닉스·Samsung·Micron), CoWoS·SoIC 같은 첨단 패키징(TSMC). AI 칩 부족의 실제 병목이 여기다.

이번에 다룬 네 갈래는 위 1·2·3을 동시에 건드린다. AMD는 1과 3, Alibaba는 2, DeepSeek는 모델 수요 측, Tenstorrent는 1의 M&A 대상이다.

리스크

미·중 수출 통제 변수: 대만에서 칩 밀수 적발 보도가 있을 만큼 수출 통제 환경이 유동적이다. Alibaba·DeepSeek 측 자립 카드도 수출 통제의 강도에 따라 효율성이 달라진다.
자체 칩 vs 범용 GPU의 마진 차이: 빅테크 자체 칩은 자사 워크로드에서는 비용을 낮추지만, 외부 판매·생태계 점유는 별개 문제다. Google TPU도 외부 판매가 본격화되지 않은 상태에서 이 한계는 반복된다.
M&A의 반독점 변수: Intel·Qualcomm 같은 메이저가 AI 스타트업을 인수하면 미국 반독점 심사를 거친다. Tenstorrent 인수가 실제로 클로징될지는 그 단계까지 봐야 한다.

다음에 확인할 것

AMD 대만 투자의 항목별 분장 (캐파 선구매·R&D 센터·패키징 비율)
DeepSeek 라운드 클로징과 투자자 명단 (중국 국유·민간 비중)
Alibaba 신 AI 칩의 외부 벤치마크 또는 실제 사용 사례 공개
Tenstorrent 인수가 실거래로 이어지는지, 가격대가 어느 수준에서 잡히는지
NVIDIA 분기 가이던스가 AMD·Alibaba 자체 칩 확대를 어떻게 반영하는지

참고자료

Bloomberg, "AMD Commits More Than $10 Billion to Taiwan AI Investments", 2026-05-21, URL
Bloomberg, "DeepSeek Founder Declares AGI Goal as $10 Billion Round Advances", 2026-05-22, URL
Bloomberg, "Alibaba Unveils New AI Chip for Training and Inferencing", 2026-05-20, URL
Bloomberg, "AI Chip Startup Tenstorrent Draws Takeover Interest From Intel, Qualcomm", 2026-05-18, URL

B-LOG 관련 글

NVIDIA는 왜 로봇 AI를 공짜로 풀었나 — Physical AI 패권 전쟁 — NVIDIA의 오픈소스와 락인 전략을 AMD·Alibaba·Tenstorrent 자본 카드와 같이 두면 AI 반도체 플랫폼 전략의 다른 변종을 비교할 수 있다
2025 미국 특허 배상 — 삼성·애플이 '조 단위' 배상금 — AI 칩 자본 사이클과 IP 라이선스·소송 자본이 어떻게 분리·결합되는지 비교할 수 있는 글

[2025 미국 특허 배상] 삼성·애플이 '조 단위' 배상금을 물어준 이유

2025년 미국 특허 배상 판결들로 기초로, 글로벌 빅테크조차 피하기 어려운 거액의 배상 판결의 원인을 분석하고 향후 돈이되는 특허 영역이 어딘지에 대하여 살펴봅니다. 김형민 대표 변리사

blog.blineip.com

* 본 포스팅은 다수의 참고자료에 기반으로 AI를 활용하여 초안이 작성되었으며, 작가의 검수 및 수정 후 발행되었습니다.

구글 I/O 2026 발표 정리 — Gemini Omni·3.5 Flash·Spark·Antigravity 2.0

돈 공부하는 변리사 — Tue, 26 May 2026 07:13:39 +0900

Google I/O 2026의 주요 발표인 Gemini Omni, Gemini 3.5 Flash, Gemini Spark, Antigravity 2.0, 그리고 "Google Search as you know it is over" 발언까지 라인업과 맥락을 정리한다.

3줄 요약

Google I/O 2026에서 Gemini 라인업 업데이트와 에이전트 중심 메시지가 한데 묶여 발표됐다.
Gemini Omni(멀티모달)·Gemini 3.5 Flash(에이전트형 코딩)·Gemini Spark(24/7 비서)·Antigravity 2.0(연구 도구)·Gemini for Science·Project Genie가 같은 키노트에서 공개됐다.
"Google Search as you know it is over"라는 TechCrunch 헤드라인이 보여주듯, 검색·광고 모델의 자체 전환이 핵심 메시지였다.

I/O 2026이 다룬 발표 라인업

이번 키노트에서 공개된 주요 항목은 다섯 갈래다.

모델 라인업 업데이트 — Gemini Omni(멀티모달 통합), Gemini 3.5 Flash(에이전트·코딩 강화), Gemini Spark(24/7 비서)
개발자·연구 도구 — Antigravity 2.0(연구 환경), Gemini for Science
시뮬레이션·물리 세계 — Project Genie + Street View 통합
콘텐츠 검증 — 콘텐츠 생성·편집 추적 기능 확장
분야 적용 사례 — DeepMind Co-Scientist로 진행된 세포 노화 역전 연구 가속 발표

각 발표는 DeepMind 공식 블로그에 같은 주차에 게시됐다.

Gemini Omni — 멀티모달 통합

Gemini Omni는 텍스트·이미지·오디오·비디오를 한 모델 안에서 다루는 멀티모달 버전이다. 핵심 강조점은 두 가지다.

대화로 비디오 생성·편집: 별도 비디오 모델로 분리하지 않고 같은 모델 안에서 처리.
YouTube 통합: TechCrunch 보도에 따르면 Shorts에 Gemini Omni가 통합되고 "Ask YouTube" 형태의 대화형 검색이 따라 붙는다.

기술 자체보다 Google이 자기 비디오 자산에 Omni를 어디까지 끼워 넣는지가 더 중요한 변수다.

Gemini 3.5 Flash — 에이전트 중심 모델

Gemini 3.5 Flash는 자체 평가에서 Google이 가장 강하다고 주장하는 코딩·에이전트형 모델이다. TechCrunch 헤드라인이 짚은 핵심은 "챗봇에서 에이전트로(from chatbots to agents)"라는 전환 메시지다.

같은 시기 Nvidia 측에서 "AI 에이전트가 약 2,000억 달러 규모의 새로운 시장"이라고 발언했다. Google이 이 방향에 모델 라인업을 본격적으로 맞춘 것이다.

다만 "Flash"는 그동안 작은 모델·빠른 모델 라인을 가리키던 라벨이었다. 3.5 Flash가 일반 Gemini 모델과 어떻게 차별화되는지(가격·컨텍스트·도구 호출 한도)는 후속 발표 자료를 봐야 정확해진다.

Gemini Spark — 24/7 에이전트 비서

Gemini Spark는 Gmail과 통합된 24/7 에이전트 비서다. 이메일·일정·문서가 하나의 인터페이스에 묶이는 개인 비서 라인이다.

개인 비서 AI는 OpenAI·Anthropic·Apple이 모두 다른 방식으로 접근하고 있는 영역이다. Google이 Gmail이라는 진입점을 어떻게 활용하는지가 차별점이다.

Antigravity 2.0과 Gemini for Science

Antigravity 2.0과 Gemini for Science는 연구·과학 영역의 발표다.

Antigravity 2.0: DeepMind가 진행하는 첨단 연구 이니셔티브 업데이트.
Gemini for Science: 과학적 탐구의 규모·정밀도를 끌어올리는 AI 실험·도구.

같은 주차에 DeepMind Co-Scientist가 세포 노화 역전 연구를 가속한 사례가 외부 매체로 보도됐다. 자체 모델이 실제 과학 결과를 만든 사례가 누적되는 중이다.

"Google Search as you know it is over" 발언, 어떻게 읽을까

TechCrunch는 I/O 2026의 메인 헤드라인으로 "Google Search as you know it is over"라는 문장을 뽑았다. 검색을 링크 기반에서 AI 기반 경험으로 전환한다는 Google 측 메시지를 정리한 표현이다.

검색·광고 매출의 80% 이상을 차지하는 회사가 그 모델을 자체적으로 깨겠다는 선언은 의미가 가볍지 않다. 다만 "검색이 끝난다"는 표현은 미디어 헤드라인 톤이라는 점을 감안할 필요가 있다. 실제 광고 매출 분기 추이가 어떻게 따라가는지가 판단 기준이 된다.

핵심 정리

I/O 2026 키노트는 Gemini Omni·3.5 Flash·Spark·Antigravity 2.0·Gemini for Science·Project Genie 등 묶음 발표였다
핵심 메시지는 "챗봇에서 에이전트로", "검색이 AI 경험으로 전환"
모델·도구·검색·과학 영역이 모두 한 키노트에 들어가 있어 라인업 자체가 사업 전략 발표에 가깝다
실제 임팩트는 광고 매출 분기 흐름과 외부 벤치마크 검증을 같이 봐야 한다

참고자료

1차 출처

Introducing Gemini Omni — Google DeepMind 공식 블로그
Introducing Google Antigravity 2.0 — Google DeepMind 공식 블로그
Gemini for Science: AI experiments and tools for a new era of discovery — Google DeepMind 공식 블로그
Simulate real-world places with Project Genie and Street View — Google DeepMind 공식 블로그
Making it easier to understand how content was created and edited — Google DeepMind 공식 블로그
Fast-tracking genetic leads to reverse cellular aging — Google DeepMind 공식 블로그
TechCrunch, "With Gemini 3.5 Flash, Google bets its next AI wave on agents, not chatbots", 2026-05-19, URL

B-LOG 관련 글

NVIDIA는 왜 로봇 AI를 공짜로 풀었나 — Physical AI 패권 전쟁 — Google이 모델·도구·검색을 모두 키노트에 묶은 방식과 NVIDIA의 오픈소스와 락인 전략을 같이 두면 빅테크 플랫폼 전략의 두 가지 변종을 비교할 수 있다
Physical AI 시대의 개막: Agile Robots와 Google DeepMind 협력이 시사하는 로봇 IP 전략 — DeepMind가 산업 파트너와 묶이는 또 다른 사례. I/O 2026 키노트의 Gemini for Science·Project Genie 라인업과 같이 읽으면 된다

Physical AI 시대의 개막: Agile Robots와 Google DeepMind 협력이 시사하는 로봇 IP 전략

독일 로봇 기업 Agile Robots가 Google DeepMind의 Gemini Robotics VLA 모델을 탑재하며, 소프트웨어가 실제 물리 세계를 조작하는 'Physical AI' 상용화와 관련 특허 경쟁의 서막을 알렸습니다.김형민 대표 변리

blog.blineip.com

* 본 포스팅은 다수의 참고자료에 기반으로 AI를 활용하여 초안이 작성되었으며, 작가의 검수 및 수정 후 발행되었습니다.

Anthropic 비즈니스 점유율 OpenAI 추월 — Ramp 데이터·소상공인·$30B 펀딩·Gates 협력

돈 공부하는 변리사 — Fri, 22 May 2026 07:48:54 +0900

Anthropic이 2026년 5월 13~14일에 발생시킨 네 가지 사건 — Ramp 결제 데이터 기준 비즈니스 점유율 OpenAI 추월, Claude for Small Business 출시, $30B 펀딩 협상, Gates 재단 $200M 파트너십을 정리합니다. AI 모델사 경쟁이 자본을 넘어 시장과 사회 영향으로 어떻게 확장되는지 한 번에 보여주는 데이터입니다.

3줄 요약

2026년 5월 13~14일 단 이틀 동안 Anthropic은 비즈니스 점유율에서 OpenAI를 처음 정량적으로 앞섰고, 미국 소상공인 시장을 정조준한 Claude for Small Business를 출시했으며, $30B 규모 펀딩 협상과 Gates 재단 $200M 파트너십까지 같이 공개했습니다.
핀테크 회사 Ramp의 결제 데이터 기준 기업 고객 점유율이 Anthropic 34.4%, OpenAI 32.3%로 처음 역전됐다는 것은 "AI 도구를 결제로 쓰는 회사들이 어느 모델사를 더 많이 선택하고 있는가"라는 가장 실제적인 지표가 바뀌고 있음을 암시합니다.
이번 한 주는 AI 모델사 경쟁이 모델 성능이나 가격 비교를 넘어 자본 규모, 시장 세그멘테이션, 사회 영향 영역에서 동시에 진행되는 단계에 들어서고 있음이 확인되고 있습니다.

앤트로픽(Anthropic)의 4연발 발표가 시장에 던진 진짜 의미

2026년 5월 중순, 앤트로픽과 관련해 4가지 굵직한 소식이 한 주에 몰아서 나왔습니다. 개별 이슈로도 의미가 크지만, 이 소식들이 동시에 터져 나왔다는 점에서 AI 모델 시장의 경쟁 구도가 어떻게 변하고 있는지 뚜렷하게 읽을 수 있습니다.

1. 한 주에 쏟아진 4가지 핵심 팩트

B2B 결제 점유율 첫 역전: 미국 핀테크 기업 Ramp의 비즈니스 결제 데이터(5월 13일 TechCrunch 보도)에 따르면, 앤트로픽이 34.4%를 기록하며 오픈AI(32.3%)를 처음으로 추월했습니다. 실제 돈을 지불하는 기업 고객 시장에서 유의미한 역전이 일어난 것입니다.
'클로드 포 스몰 비즈니스' 출시: 대기업 중심이던 타겟을 소상공인(SMB)으로 확장했습니다. 핵심은 기존 업무 툴(퀵북스, 페이팔, 허브스팟, 구글 워크스페이스 등)과의 직접 연동입니다.
초대형 펀딩 협상설: 블룸버그는 앤트로픽이 기업가치 9,000억 달러를 인정받으며 300억 달러 규모의 펀딩을 논의 중이라고 보도했습니다. 성사된다면 AI 단일 라운드 투자로 역대 최대 규모입니다.
빌 & 멜린다 게이츠 재단 파트너십: 4년에 걸쳐 2억 달러 규모의 합작을 진행합니다. 보건, 교육 분야에 보조금과 클로드 크레딧, 기술을 함께 지원하는 구조입니다.

2. 이 행보가 보여주는 앤트로픽의 전략

이 4가지 이슈를 묶어보면 앤트로픽이 그리는 큰 그림이 보입니다.

먼저, Ramp 데이터를 통해 입증된 엔터프라이즈 시장의 우위를 기반으로 시장 하단(소상공인)까지 한 번에 쓸어 담겠다는 의도입니다. 특히 별도의 AI 학습 없이 쓰던 SW에 AI를 바로 결합하는 방식을 택해 진입 장벽을 대폭 낮췄습니다.

또한, 점유율 확장에 필수적인 GPU와 데이터센터 비용을 감당하기 위해 300억 달러라는 천문학적 자본 유치를 동시에 추진하고 있습니다. 여기에 글로벌 NGO와의 장기 파트너십을 더해, 단순한 기술 벤더를 넘어 사회적 인프라로 자리 잡겠다는 포지셔닝도 챙겼습니다. 매출, 고객 확장, 자본, 사회적 영향력이라는 네 가지 축을 동시에 밀어붙이고 있는 셈입니다.

3. 시장에 미칠 파장과 냉정한 한계점

당장 AI 도입을 고민하는 기업들의 평가 기준이 달라질 수 있습니다. 단순한 모델 성능 비교를 넘어, 해당 기업의 B2B 시장 점유율이나 장기적인 자본 안정성이 벤더 선택의 중요 변수로 작용할 가능성이 큽니다.

하지만 이 소식들만으로 앤로픽이 오픈AI를 "완전히 추월했다"고 단정하기는 이릅니다. 몇 가지 짚고 넘어야 할 한계가 있습니다.

지표의 한계: Ramp 데이터는 '미국 B2B 결제'에 국한됩니다. 전체 글로벌 트래픽이나 API 호출량 등 통합 지표에서는 여전히 오픈AI가 앞서 있을 가능성이 높습니다.
미확정된 자본: 300억 달러 펀딩은 아직 초기 협상 단계의 보도일 뿐입니다. 실제 최종 규모와 밸류에이션은 지켜봐야 합니다.
가격 경쟁력의 미지수: 새롭게 내놓은 소상공인용 제품의 구체적인 요금제가 공개되지 않았습니다. 실제 도입 속도는 가격 책정에 따라 크게 좌우될 것입니다.

결론적으로 이번 한 주의 의미는 특정 기업의 완승이라기보다, AI 모델사를 평가하고 비교하는 시장의 기준 자체가 다차원적으로 진화했다는 데 있습니다.

핵심 정리

Anthropic은 2026년 5월 13~14일에 매출 점유율, 시장 세그멘테이션, 자본, 사회 영향이라는 네 축에서 동시에 신호를 보냈습니다.
Ramp 결제 데이터 기준 비즈니스 점유율은 Anthropic 34.4%, OpenAI 32.3%로 처음 역전됐습니다.
Claude for Small Business는 미국 GDP의 44%를 차지하는 소상공인 시장을 정조준한 별도 제품 라인입니다.
$30B 규모 펀딩을 $900B 평가로 받는 협상은 AI 모델사 단일 라운드 자본의 새 기준선 후보입니다.
Gates 재단과의 $200M 파트너십은 AI 모델사가 글로벌 보건·교육·경제 이동성 영역에 4년 단위로 들어가는 첫 본격 사례입니다.

참고자료

Anthropic — Introducing Claude for Small Business (2026-05-13) — Claude for Small Business 출시 공식 발표 원문
Anthropic — Gates Foundation Partnership (2026-05-14) — $200M 4년 파트너십 공식 발표 원문
Bloomberg — Anthropic in Early Talks to Raise $30 Billion (2026-05-13) — $30B/$900B 펀딩 협상 1차 보도 (Bloomberg 자체 취재)
TechCrunch — Anthropic Now Has More Business Customers Than OpenAI, According to Ramp Data (2026-05-13) — Ramp AI Index 점유율 reversal 분석

B-LOG 관련 글

NVIDIA는 왜 로봇 AI를 공짜로 풀었나 — Physical AI 패권 전쟁 — 빅테크 AI 플랫폼 패권 구조 분석. NVIDIA가 Lock-in 전략으로 시장을 가져가는 방식과 Anthropic이 시장 세그멘테이션과 사회 영향으로 가져가는 방식을 비교해 읽을 수 있습니다.
[2025 미국 특허 배상] 삼성·애플이 '조 단위' 배상금을 물어준 이유 — NPE의 IP 수익화 모델 진화 축. Anthropic이 자본 라운드와 시장 세그멘테이션으로 수익 구조를 만드는 방식과 대조해 보면, 무형 자산을 어떻게 돈으로 만드는지의 두 가지 흐름이 드러납니다.
News, Decoded: Anthropic 시리즈 ① - 앤트로픽의 특허 전략을 소개하는 칼럼입니다.

News, Decoded: Anthropic 시리즈 ①

최근 워싱턴 정가와 실리콘밸리 사이에는 팽팽한 긴장감이 흐르고 있습니다. 미 국방부(DoD)가 앤트로픽(Anthropic)에 대규모 감시와 완전자율무기 관련 제한사항을 완화해달라고 강하게 요구했으

blog.blineip.com

* 본 포스팅은 다수의 참고자료에 기반으로 AI를 활용하여 초안이 작성되었으며, 작가의 검수 및 수정 후 발행되었습니다.

김별의 머니 노트

범용 챗봇을 넘어선 '과학 특화 AI' - 생명과학·신약에 들어간 AI

3줄 요약

도메인 특화 과학 AI란 무엇인가

왜 지금 주목받는가

실제 적용 분야

IP·비즈니스 시사점

한계와 리스크

참고자료

B-LOG 관련 글

이오플로우 영업비밀 소송 결과 - 6,300억 배상 평결이 미국 항소심에서 뒤집힌 이유

6,300억 평결에서 항소심 파기까지

왜 졌나 — 침해가 아니라 '소송 시점'이 문제였다

한국 기업이 눈여겨볼 점

더 자세한 분석은

AI 인프라의 병목 - GPU에서 HBM,파운드리로, 그리고 한국 메모리 양강

3줄 요약

투자 포인트 한 줄

AI 메모리·파운드리 사이클이란 무엇인가

돈은 누가, 어떻게 버는가

산업 구조와 밸류체인 — GPU에서 HBM·파운드리로

핵심 숫자와 체크포인트

리스크 — 무엇이 이 그림을 깨뜨리나

다음에 확인할 것

핵심 정리

참고자료

함께 읽으면 좋은 글 (B-LOG)

자율주행 특허 진보성 거절 6유형 - 지식재산처 심사실무가이드

KIPO가 명시한 자율주행 진보성 거절 6유형

자율주행 스타트업이 가장 자주 빠지는 함정 3가지

출원 단계에서 미리 심을 표현

SpaceX IPO 신청 정리 — 종목코드 SPCX·43억 달러 손실·Goldman 주관

3줄 요약

투자 포인트 한 줄

회사·산업 개요

돈 버는 구조 — SpaceX 매출 라인

산업 구조 — 우주·통신·머스크 자본 결합

핵심 숫자·체크포인트

리스크

다음에 확인할 것

핵심 정리

Google-Blackstone AI 클라우드 합작 정리 - 코어위브 경쟁 ?

3줄 요약

투자 포인트 한 줄

회사·산업 개요

돈 버는 구조 — AI 클라우드 사업자의 매출 라인

산업 구조 — 빅테크-사모펀드 결합이 새로운 이유

리스크

다음에 확인할 것

참고자료

B-LOG 관련 글

보스턴다이내믹스 미국 특허 포트폴리오 분석 - 피지컬 AI 전환의 종착지 휴머노이드 로봇

1. 소유권이 바뀔 때마다 달라진 R&D 방향

2. 핵심 자산(Moat)은 '소프트웨어'에 있다

3. 피지컬 AI 시대, 파운데이션 모델을 본격 접목

우리 회사의 특허 포트폴리오는 안녕하십니까?

엔비디아 독주 끝? AI 칩 자본의 이동 - AMD 대만투자·알리바바 신칩·딥시크 100억 불

3줄 요약

투자 포인트 한 줄

회사·산업 개요

1. AMD — 대만 100억 달러 이상 투자

2. DeepSeek — 100억 달러 라운드와 AGI 선언

3. Alibaba — 훈련·추론 통합 신 AI 칩

4. Tenstorrent — Intel·Qualcomm 인수 관심

돈 버는 구조와 산업 밸류체인

리스크

다음에 확인할 것

참고자료

B-LOG 관련 글

구글 I/O 2026 발표 정리 — Gemini Omni·3.5 Flash·Spark·Antigravity 2.0

3줄 요약

I/O 2026이 다룬 발표 라인업

Gemini Omni — 멀티모달 통합

Gemini 3.5 Flash — 에이전트 중심 모델

Gemini Spark — 24/7 에이전트 비서

Antigravity 2.0과 Gemini for Science

"Google Search as you know it is over" 발언, 어떻게 읽을까

핵심 정리

참고자료

B-LOG 관련 글