Tech Daily Brief

삼성전자가 2026년 주주환원 규모를 **90조110조 원($65B$80B)**으로 제시했습니다. 3분기에만 현금배당 30조 원을 지급하고 나머지는 2027년 1월 이사회에서 배당·자사주 매입·소각 형태를 결정할 예정입니다. 숫자만 보면 2020년 종전 기록의 약 5배인데도 삼성전자 주가는 장중 8% 넘게 하락했습니다.

문제는 절대금액이 아니라 시장이 이미 훨씬 더 많은 buyback을 기대했다는 점입니다. 삼성은 기존 정책인 3년 누적 FCF의 50% 환원을 높이지 않았고, SK하이닉스처럼 대규모 자사주 매입·즉시 소각을 명확하게 약속하지도 않았습니다.

여기에는 삼성 특유의 지배구조 문제도 있습니다. 삼성전자가 자기주식을 대량 매입하면 삼성생명·삼성화재의 상대적 지분율이 올라가 금융계열사의 삼성전자 지분 규제 한도와 충돌할 수 있어, SK하이닉스처럼 단순하게 buyback 규모를 키우기 어렵습니다.

---

DeepMind 출신들이 만든 영국 스타트업 Inherent가 공개한 연구 에이전트 Faraday가 흥미롭습니다. 회사 측 평가에서 Faraday는 이미 발표된 논문의 결과를 정답 없이 독립적으로 재현하는 작업에서 OpenAI GPT-5.5와 Anthropic Claude Opus 4.8 기반 에이전트보다 좋은 성과를 냈다고 주장했습니다. 아직 제3자 독립 검증 결과라기보다는 회사 자체 benchmark라는 점은 반드시 감안해야 합니다.

더 재밌는 부분은 기반 모델입니다. Faraday의 핵심 모델은 frontier-scale이 아니라 Qwen 3.6 27B입니다. 대신 연구 과정에서 reinforcement learning을 사용해 단순 정답 정확도 외에 **“어떤 실험을 해볼 가치가 있는지 판단하는 research taste”**까지 학습시키려 했습니다. 코딩 자체는 자체 모델을 억지로 쓰지 않고 외부의 GPT-5.5 Codex를 tool로 호출합니다.

즉 구조가 대략 이렇습니다.

27B reasoning model
→ 가설/실험 선택
→ Codex로 구현
→ 실험 실행
→ 결과 관찰
→ 다음 실험 선택

여기서 얻을 수 있는 포인트는 모델 파라미터 수 ≠ agent system 성능이라는 겁니다. 좋은 harness, RL objective, 외부 tool, experiment loop가 붙으면 특정 전문 작업에서는 훨씬 큰 범용 모델을 이길 수 있습니다. 다만 Inherent가 비교 프로토콜을 설계한 당사자이므로 “27B가 GPT-5.5보다 전반적으로 우수하다”는 식으로 확대해석하면 안 됩니다.

---

Nature Electronics의 **“Atomically thin amorphous carbon with an ultralow dielectric constant”**가 반도체 소자·회로 관점으로 특히 재밌습니다. 연구진은 최소 0.8 nm까지 얇게 만들 수 있는 비정질 탄소층에서 유전율 k ≈ 1.35, dielectric strength 28–31 MV/cm를 보고했습니다.

왜 중요한지 회로식으로 보면 간단합니다.

배선 사이 기생 capacitance는 대략

$$C \propto \frac{\varepsilon A}{d}$$

이고 interconnect delay는 대략

$$t_{RC}\propto RC$$

입니다.

트랜지스터가 작아지면서 배선 간격 $d$도 작아지기 때문에, dielectric constant $k$를 충분히 낮추지 않으면 트랜지스터 자체는 빨라져도 배선 RC delay와 dynamic power가 병목이 됩니다. 특히 sub-10-nm conductor spacing에서는 기존 porous low-k 소재가 nm 두께에서 기계적으로 불안정해지는 문제가 있습니다.

이번 소재는 단순히 k가 낮은 것뿐 아니라 금속 이온 diffusion barrier 역할도 합니다. 0.8 nm 두께에서도 예상 time-to-failure가 $10^{10}$초 이상이었고, 현재 산업 표준 중 하나인 TaN보다 두 자릿수 이상 긴 성능이 보고됐습니다. 또 300°C 미만의 저온 공정으로 4-inch wafer 규모 conformal growth를 구현했습니다. 이는 BEOL이나 3D integration에서 꽤 중요한 조건입니다.

---

아직 peer review 전의 분석에 따르면, **2025년 12월 PubMed Central에 실린 영어 biomedical paper의 약 90%**에서 LLM-assisted writing의 흔적이 추정됐습니다. 2025년 전체는 약 77%, 2024년은 약 **52%**로 추산됐습니다.

다만 이 수치를 “90%가 ChatGPT가 쓴 논문”이라고 받아들이면 틀립니다. 연구진은 LLM이 자주 사용하는 단어의 통계적 빈도를 이용해 AI의 개입 가능성을 추정했고, 최신 탐지 방식이 이전 방법보다 민감하기 때문에 숫자가 높아졌습니다. 연구 자체도 아직 arXiv preprint라 추가 검증이 필요합니다.

섹션별 차이도 흥미롭습니다. 2025년 12월 논문의 **Discussion 약 78%**에서 AI 흔적이 나타난 반면 Results는 약 **58%**였습니다. 서론·discussion처럼 자연어 작성 비중이 큰 부분에서 더 많이 쓰였다는 뜻입니다.

이 변화는 대학원 준비에서 꽤 중요한 의미가 있습니다. 이제 “LLM을 사용했는가?” 자체는 점점 덜 차별적인 질문이 되고, 오히려

자료 출처 검증
실험/수식 자체의 재현성
AI가 생성한 인용 검증
연구자 본인의 판단과 기여

가 더 중요해집니다.

특히 논문 작성에서 language polishing은 빠르게 commodity가 되지만, 좋은 research question을 고르고 결과를 해석하는 능력은 여전히 자동화하기 어렵다는 점에서 위 Faraday 뉴스와도 묘하게 연결됩니다.

---

미국장은 Dow **+0.26%**였지만 S&P 500은 -0.28%, Nasdaq은 **-0.76%**로 끝났습니다. 특히 반도체가 약했습니다. NVIDIA -2.9%, Micron -5.8%, Broadcom **-2.6%**를 기록하면서 필라델피아 반도체지수도 하락했습니다.

기술주에는 지금 세 가지 리스크가 동시에 걸려 있습니다. 첫째는 NVIDIA 실적에서 AI CAPEX가 현재 valuation을 정당화할 만큼 계속 강한지가 확인돼야 한다는 것, 둘째는 같은 날 발표되는 미국 PCE 물가, 셋째는 장기금리입니다. 미 30년물은 최근 19년 고점을 찍은 뒤에도 5% 위에 머물고 있습니다.

또 하나 새롭게 시장이 가격에 넣기 시작한 변수가 AI 데이터센터 정치 리스크입니다. 텍사스가 전력망 안정성 문제로 신규 데이터센터 grid connection 승인을 일시 중지한 데 이어, 정치권에서 지역사회·전력·물 문제에 대한 비판이 커지고 있습니다.

따라서 이번 NVIDIA 실적에서 EPS만 보는 건 별 의미가 없습니다. 더 중요한 것은:

• Rubin/Blackwell 공급과 주문 visibility
• HBM·메모리 가격 상승이 gross margin에 미치는 영향
• hyperscaler CAPEX 전망
• networking/optics 매출 성장
• 2027년 AI infrastructure 수요 가이던스

입니다.

---