AI 테마 로테이션에서 GPU 다음에 CPU가 오르는 이유

9월 23, 2026

AI 랠리가 시작될 때 대부분의 시선은 GPU로 향하거든요. "AI = 엔비디아"라는 공식이 머릿속에 자리 잡혀 있으니까요. 그런데 가끔 이상한 날이 생깁니다. GPU 관련 주가는 잠잠한데 CPU 계열이 훨씬 크게 움직이는 날이요. 이런 날을 보고 "왜 저게 오르지?"라고 고개를 갸웃거렸다면, 오늘 글이 딱 맞는 설명이 될 거예요.

AI 테마 안에서도 돈이 이동하는 경로가 있습니다. 그 경로를 하드웨어 로테이션이라고 부르는데, 그중 GPU 다음에 CPU로 수요가 넘어오는 흐름을 특히 CPU 로테이션이라고 읽습니다. 개념 자체는 어렵지 않아요. 왜 이런 일이 생기는지, 어떤 구조인지를 찬찬히 뜯어볼게요.

AI 하드웨어에도 계층이 있다

AI 연산이 무조건 GPU에서만 일어난다고 생각하기 쉽지만, 실제 워크로드는 단계에 따라 다른 칩을 씁니다.

맨 위의 학습 단계는 연산량이 폭발적으로 많아서 GPU가 압도적으로 유리합니다. 그런데 학습이 끝난 모델을 실제로 '돌리는' 추론 단계로 넘어오면 이야기가 조금 달라져요. 특히 에이전트 앱처럼 복잡한 절차를 단계별로 처리하는 워크로드는, 항상 GPU만 쓰지 않아도 되는 경우가 많거든요.

GPU와 CPU, 무엇이 다른가

두 칩의 역할 차이를 먼저 정리해 두면 뒤 내용이 훨씬 쉽게 읽힙니다.

구분	GPU	CPU
연산 방식	수천 개 코어, 병렬 처리	소수 고성능 코어, 순차·복합 처리
강점	행렬 연산, 대규모 학습	로직 분기, 다양한 명령 처리
AI 적합 단계	학습(Training)	추론(Inference), 에이전트 실행
전력·비용	높음	상대적으로 낮음
보급 범위	데이터센터 집중	거의 모든 기기에 탑재

GPU는 같은 작업을 엄청난 규모로 동시에 처리하는 데 탁월합니다. 반면 CPU는 조건이 복잡하고 흐름이 다양한 일을 유연하게 처리하는 데 강하죠. 에이전트가 "이 상황이면 A를 하고, 저 상황이면 B를 하라"는 식의 분기를 반복한다면, 그건 CPU가 잘하는 영역에 가깝습니다.

추론 수요가 커질 때 무슨 일이 생기나

학습이 일단락되고 나면 AI 산업의 무게중심은 자연스럽게 추론 쪽으로 이동합니다. 모델을 만드는 것보다 쓰는 사람이 많아지는 시기가 오는 거거든요. 이때 에이전트 앱이 급속히 퍼지면 어떻게 될까요?

에이전트는 사용자 요청을 받아서 여러 단계의 작업을 자동으로 이어갑니다. 검색하고, 판단하고, 실행하고, 결과를 다시 해석하는 식이죠. 이 과정은 단순 행렬 연산보다 복합적인 로직 처리에 가깝습니다. 그리고 이런 워크로드는 이미 세상에 깔려 있는 수십억 대의 CPU로도 충분히 소화할 수 있는 경우가 생겨요.

모델이 가벼워지고 에이전트 앱이 퍼지면, 굳이 GPU 클러스터를 쓰지 않아도 되는 추론 수요가 폭발적으로 늘어난다.

CPU 로테이션이란 정확히 무엇인가

로테이션(rotation)은 섹터나 테마 안에서 자금이 이동하는 현상을 가리키는 말입니다. AI 테마 안에서도 마찬가지예요. 투자자들이 어떤 하드웨어 계층에 주목하느냐에 따라 자금의 방향이 달라지거든요.

CPU 로테이션은 이런 신호들과 함께 읽히곤 합니다.

에이전트 앱 확산 뉴스 — 범용 기기에서 돌아가는 AI 서비스가 화제가 될 때
경량 모델 등장 — 파라미터 수를 줄여서 CPU에서도 추론이 가능해질 때
GPU 공급 병목 완화 — GPU 확보가 한고비 넘었다는 인식이 퍼질 때
ARM 아키텍처 채택 증가 — 전력 효율 중심의 설계가 주목받을 때

두 국면이 서로 배타적이지는 않습니다. GPU 수요가 사라지는 게 아니라, 주목받는 이야기의 무게가 달라지는 것에 가깝거든요.

이 개념을 알면 뭘 다르게 볼 수 있나

섹터 뉴스를 읽을 때 "AI 관련주"라는 덩어리로만 보지 않게 됩니다. 어떤 날 GPU 기업은 잠잠한데 CPU·ARM 계열이 크게 움직였다면, 단순한 노이즈가 아니라 시장이 어느 계층의 수요를 새롭게 평가하고 있는지 신호일 수 있어요. 에이전트 앱 관련 발표가 나왔는지, 경량 모델 소식이 있었는지를 함께 확인해 보면 그림이 맞춰지기 시작합니다.

하드웨어 로테이션은 AI 산업이 어느 단계에 와 있는지를 간접적으로 보여주는 창문 같은 역할을 하는 셈이죠. GPU가 앞서 달렸다면, 다음엔 어느 계층이 뒤따라오는지 구조를 알고 있는 것만으로도 뉴스가 다르게 읽힙니다.

AI 랠리는 항상 GPU에서 시작해 GPU로 끝나지 않는다. 학습에서 추론으로, 추론에서 에이전트로 수요가 이동할 때 돈도 함께 이동한다.

참고

본 글은 BLSH IN 리서치 자료를 바탕으로 개념을 정리한 것입니다.

본 콘텐츠는 정보 제공을 목적으로 하며, 특정 자산의 매수 또는 매도를 권유하지 않습니다.
투자 판단과 그 결과에 대한 책임은 투자자 본인에게 있습니다.

이 블로그 검색

머니포렌식