엔비디아 (NVDA) — 공장 없는 반도체 회사가 OPM 62%를 찍은 구조

성장 | IT > AI 반도체 | 2026-04-18 dartlab 실측 데이터: dartlab 2020 ~ 2025 | 엔진: analysis + credit 기업이야기 시리즈 전체

import dartlab
c = dartlab.Company("NVDA")
c.select("IS", ["매출액", "영업이익"])  # 첫 호출 시 자동 구축

반도체 회사인데 공장이 없다. 매출총이익률(매출에서 원가를 빼면 남는 비율) 75%. 마이크로소프트(72%)나 구글(58%)보다 높다. 반도체를 만드는 회사가 소프트웨어 회사보다 마진이 좋다는 뜻이다. 2023년 매출 $27B, 영업이익률(매출 대비 영업이익 비율) 16%. 2년 뒤인 2025년 매출 $130.5B, 영업이익률 62.4%. 매출이 5배 뛰는 동안 마진도 4배 뛰었다. 인류 역사상 시가총액 $1T 이상 기업 중 이 속도로 성장한 사례는 없다. 이 글은 그 구조를 재무제표로 분해한다. 핵심 질문은 하나다: 칩을 설계만 하고 공장이 없는 반도체 회사가 왜 영업이익률 62%를 찍는가.

import dartlab
c = dartlab.Company("NVDA")
c.show("IS")               # 손익계산서
c.credit("등급")            # 신용평가
c.analysis("financial", "수익성")

제1막: 1993년, 젠슨 황의 30달러짜리 식당 — 그래픽카드 회사의 탄생

왜 반도체 회사가 패밀리 레스토랑에서 시작됐는가

1993년 1월, 대만 출신 엔지니어 젠슨 황(Jensen Huang)은 캘리포니아 산호세의 데니스(Denny’s) 패밀리 레스토랑에서 공동 창업자 크리스 말라코우스키(Chris Malachowsky)와 커티스 프리엠(Curtis Priem)을 만났다. 세 사람은 Sun Microsystems와 AMD 출신이었다. 젠슨 황은 당시 30세. 이 자리에서 나온 아이디어는 하나였다: 3D 그래픽을 처리하는 전용 칩. PC 게임 시장이 폭발하기 직전이었다. NVIDIA 10-K (SEC EDGAR)에 기록된 회사의 첫 문장은 지금도 바뀌지 않았다: “We pioneered accelerated computing.”

GPU라는 이름을 만든 회사

1999년 NVIDIA는 GeForce 256을 출시하면서 GPU(Graphics Processing Unit)라는 단어를 처음 만들었다. CPU가 범용 연산을 하는 칩이라면, GPU는 수천 개의 작은 코어가 동시에 같은 계산을 반복하는 병렬 처리 전용 칩이다. 게임에서 수백만 개의 픽셀을 동시에 처리하려면 이 구조가 필수였다. 같은 해 NASDAQ에 상장했다. 초기 매출은 게임용 그래픽카드가 전부였다.

2006년, 게임 밖으로 — CUDA의 탄생

게임용 칩의 한계가 분명했다. 게임 시장은 크지만 사이클이 있다. 2006년 NVIDIA는 CUDA(Compute Unified Device Architecture)를 발표했다. CUDA는 GPU를 게임이 아닌 범용 연산에 쓸 수 있게 해주는 소프트웨어 플랫폼이다. 과학 시뮬레이션, 기상 예측, 유전체 분석 같은 작업에서 CPU 대비 10~100배 빠른 속도를 냈다. 2012년 토론토대학 알렉스 크리체프스키(Alex Krizhevsky)의 AlexNet이 이미지넷 대회에서 GPU로 딥러닝을 돌려 압도적 1위를 차지하면서, AI 연구자들이 NVIDIA GPU로 몰려들기 시작했다. 이 흐름이 10년 뒤 폭발한다.

17년의 준비 — 게임에서 AI로

게임 회사에서 AI 인프라 회사로의 전환은 이 시점에 시작됐다. 하지만 재무제표에 그 전환이 찍히려면 17년이 더 필요했다. 그 17년 동안 NVIDIA는 한 가지를 유지했다: 칩을 설계만 하고 직접 만들지 않는 구조.

젠슨 황은 2017년 GTC(GPU Technology Conference) 기조연설에서 “AI는 소프트웨어를 먹고, 소프트웨어는 세상을 먹는다”고 말했다. 당시 NVIDIA의 데이터센터 매출은 전체의 20% 수준이었다. 대부분의 투자자는 이 회사를 여전히 “게임용 그래픽카드 회사”로 봤다. 하지만 젠슨 황은 이미 칩 아키텍처를 AI 훈련에 최적화하는 방향으로 밀고 있었다. 2017년 V100, 2020년 A100, 2022년 H100 — 매 세대마다 AI 연산 성능은 2~3배씩 뛰었고, CUDA 생태계 위에 쌓인 소프트웨어 자산은 점점 두꺼워졌다. 이 축적이 2023년 ChatGPT 이후 한꺼번에 폭발한다.

제2막: 팹리스 — 공장 없는 반도체 회사의 원가 구조

왜 반도체 회사가 공장을 갖지 않는가

반도체 산업에는 두 가지 모델이 있다. IDM(Integrated Device Manufacturer)은 설계와 제조를 모두 한다. 인텔(INTC)이 대표적이다. 인텔은 2024년 기준 유형자산(공장+장비) $104.2B를 보유하고 있고, 매년 $20B 이상을 설비투자(설비투자)에 쓴다. 반면 팹리스(Fabless)는 설계만 하고 제조는 TSMC 같은 파운드리(위탁 제조사)에 맡긴다. NVIDIA가 팹리스다.

이 차이가 재무제표에 어떻게 찍히는지 보면 팹리스의 힘이 보인다.

NVIDIA는 공장이 없으니 유형자산이 인텔의 18분의 1이다. 감가상각(과거에 산 설비 값을 매년 조금씩 비용으로 깎는 것)이 적다. 매출이 5배 뛰어도 고정비가 거의 안 늘어난다. 이것이 팹리스의 한계비용 구조다.

TSMC라는 파트너 — 설계와 제조의 분리

NVIDIA의 모든 칩은 TSMC(Taiwan Semiconductor Manufacturing Company)가 만든다. TSMC는 세계 최대 파운드리로, 첨단 공정(3nm, 5nm)에서 독보적 지위를 갖고 있다. NVIDIA는 칩을 설계하고, TSMC에 웨이퍼 제조를 주문하고, 완성된 칩을 받아서 고객에게 판다. 이 구조에서 NVIDIA의 매출원가는 TSMC에 지불하는 웨이퍼 비용 + 패키징 + 테스트 비용이 대부분이다.

NVIDIA 10-K에는 이렇게 적혀 있다: “We do not directly manufacture the semiconductors used for our products.” 그리고 Risk Factors 섹션에 “We rely on third parties to manufacture, assemble, test, and package our products”가 반복된다. 이것은 강점이자 위험이다. 강점은 고정비가 없다는 것이고, 위험은 TSMC가 멈추면 NVIDIA도 멈춘다는 것이다.

고정비 레버리지 — 매출 5배에 원가 3.4배

팹리스 구조의 진짜 힘은 매출이 폭발할 때 드러난다.

매출이 4.8배 뛰는 동안 영업이익은 19.4배 뛰었다. 이것이 영업 레버리지(operating leverage)다. 매출원가는 변동비(칩을 더 만들면 TSMC에 더 내야 하니까) 성격이지만, 판관비와 R&D는 고정비 성격이 강하다. R&D 인력을 매출 5배에 맞춰 5배로 늘리지 않는다. 그래서 매출이 급증하면 고정비가 분산되면서 마진이 폭발한다. 이 구조가 영업이익률 16%에서 62%로의 점프를 만든 메커니즘이다.

이 고정비 레버리지가 작동하려면 전제 조건이 하나 있다. 매출이 급증해야 한다. 그 급증을 만든 것이 다음 막이다.

제3막: ChatGPT 이후 — AI가 만든 수요 독점

왜 2023년이 바닥이었는가

2022년 11월 30일, OpenAI가 ChatGPT를 공개했다. 이 날짜가 NVIDIA 재무제표의 변곡점이다. ChatGPT 이전에 NVIDIA의 데이터센터 매출은 $15B 수준이었다. 게임용 GPU 수요가 암호화폐 거품 붕괴(2022년)와 함께 급감하면서, 2023년(NVIDIA 회계연도 FY2023, 2023년 1월 종료) 매출은 $27B으로 전년 대비 20% 줄었다. 영업이익률은 16%까지 떨어졌다. 이것이 바닥이었다.

import dartlab
c = dartlab.Company("NVDA")
c.select("ratios", ["영업이익률 (%)"])
# 2023: 15.66%  ← 바닥
# 2024: 54.12%
# 2025: 62.44%  ← 사상 최고

AI 훈련에 GPU가 필수인 이유

대규모 언어모델(LLM)을 훈련시키려면 수백~수천 개의 GPU가 수주 동안 동시에 연산해야 한다. GPT-4 훈련에 NVIDIA A100 GPU 약 25,000개가 사용된 것으로 알려져 있다. 한 장에 $10,000~$15,000. 훈련 비용만 $100M 이상이다. 이 GPU를 만드는 회사는 사실상 NVIDIA뿐이다.

경쟁자가 없는 것은 아니다. AMD의 MI300X, 구글의 TPU, 아마존의 Trainium이 있다. 하지만 소프트웨어 생태계가 문제다. AI 연구자 대부분이 NVIDIA의 CUDA 위에서 코드를 짠다. PyTorch, TensorFlow, JAX 같은 프레임워크가 모두 CUDA에 최적화돼 있다. 하드웨어를 바꾸면 소프트웨어를 전부 다시 짜야 한다. 이것이 전환 비용(switching cost)이다. NVIDIA의 해자(moat)는 칩 성능이 아니라 CUDA 생태계다.

데이터센터가 매출의 88%

NVIDIA의 매출 구조를 보면 변화가 명확하다.

2023년에 절반이었던 데이터센터 매출이 2025년에는 88%를 차지한다. $15B에서 $115.2B로 2년 만에 7.7배. 이 매출의 상당 부분은 Microsoft, Amazon(AWS), Google, Meta, Oracle 같은 하이퍼스케일러(초대형 클라우드 사업자)가 AI 인프라를 구축하면서 발생했다. 이들이 데이터센터에 NVIDIA GPU를 대량으로 사들이고 있다.

NVIDIA 10-K Risk Factors에는 “A limited number of customers represent a significant portion of our revenue”라고 적혀 있다. 2025년 10-K 기준 단일 고객이 매출의 13%를 차지한다. 누구인지는 공개하지 않지만, 업계에서는 Microsoft로 추정한다.

게이밍은 여전히 $11.4B로 적지 않지만, 성장률이 데이터센터와 비교가 안 된다. 게이밍은 NVIDIA의 과거이고, 데이터센터는 현재이자 미래다. 이 수요 집중이 다음 막의 마진 폭발을 만들었다.

제4막: 마진 해부 — 매출총이익률 75%, 영업이익률 62%의 해체

왜 반도체 회사의 마진이 소프트웨어 수준인가

매출총이익률(물건 팔고 원가 빼면 남는 비율) 75%는 반도체 업계에서 전례가 없는 숫자다. SK하이닉스(000660)의 2025년 매출총이익률이 51%, 인텔이 33%다. NVIDIA의 75%는 다른 차원이다.

2023년이 모든 마진의 바닥이다. 매출총이익률 57%, 영업이익률 16%. 암호화폐 거품 붕괴로 게이밍 GPU 재고가 쌓이면서 원가 부담이 올라갔다. 그런데 2년 만에 매출총이익률이 57%에서 75%로 18%포인트 뛰었다.

매출총이익률 75%의 메커니즘 — 가격결정력

팹리스 모델에서 매출원가는 주로 TSMC 웨이퍼 비용이다. TSMC의 첨단 공정(5nm, 4nm) 웨이퍼 한 장 가격은 $16,000~$20,000 수준이다. 한 장에서 수십~수백 개의 칩이 나온다. NVIDIA의 H100 GPU 판매 가격은 $25,000~$40,000이다. 원가 대비 판매 가격이 압도적으로 높다.

이것이 가능한 이유는 경쟁이 없기 때문이다. AI 훈련용 고성능 GPU 시장에서 NVIDIA의 점유율은 80% 이상으로 추정된다. 수요는 폭발하는데 공급은 NVIDIA 하나에 집중돼 있으니, 가격을 올려도 고객이 떠나지 않는다. 이것이 가격결정력(pricing power)이다. 삼성바이오로직스(207940)의 매출총이익률이 55%인데, 이 회사는 바이오의약품을 위탁 생산하는 CMO(위탁제조기관)다. 반도체를 만드는(정확히는 설계하는) NVIDIA가 바이오 CMO보다 마진이 높다는 것은, NVIDIA의 칩에 대한 수요가 얼마나 압도적인지를 보여준다.

2023년 매출총이익률이 57%로 떨어진 것은 수요가 부족했기 때문이다. 재고가 쌓이면 할인 판매를 해야 하고, 마진이 줄어든다. 2024~2025년에 AI 수요가 폭발하면서 할인 없이 전량 판매가 가능해졌고, 신제품(H100→H200→Blackwell)은 더 높은 가격에 팔렸다. 수요 독점 + 팹리스 = 마진 폭발. 이것이 영업이익률 62%의 정체다.

영업이익률 62%의 분해 — R&D $12.9B는 적은가

영업이익률 62.4%는 매출총이익률 75.0%에서 판관비와 R&D를 빼면 나온다.

R&D $12.9B는 절대 금액으로 보면 엄청나다. 전 세계 반도체 기업 중 인텔($16.5B) 다음으로 많다. 하지만 매출 대비로 보면 10%에 불과하다. 2023년에는 27%였다. 매출이 5배 뛰는 동안 R&D는 1.8배만 늘었기 때문이다. 이것이 고정비의 힘이다.

판관비는 더 극적이다. $2.7B에서 $3.5B로 30%만 늘었는데, 매출 대비 비율은 10%에서 2.7%로 떨어졌다. 영업사원을 5배로 늘리지 않아도 AI 칩은 팔린다. 고객이 먼저 찾아온다.

R&D $12.9B — 순이익의 18%를 미래에 거는 회사

R&D 비용을 좀 더 들여다보자. $12.9B는 한화로 약 17조원이다. 한국 기업 중 R&D를 가장 많이 쓰는 삼성전자의 연간 R&D가 약 28조원이다. NVIDIA는 삼성전자의 60% 수준을 R&D에 쏟는다. 직원 수는 삼성전자의 1/10도 안 되는 약 36,000명인데 말이다.

NVIDIA의 R&D는 크게 세 방향이다. 첫째, 차세대 GPU 아키텍처(Hopper → Blackwell → Rubin). 둘째, CUDA를 포함한 소프트웨어 스택(cuDNN, TensorRT, NeMo). 셋째, 자율주행과 로보틱스용 플랫폼(NVIDIA Drive, Isaac). 2025년 매출의 88%가 데이터센터에서 나오지만, R&D는 미래 먹거리를 위해 폭넓게 분산돼 있다. 이 R&D 투자가 매 세대 GPU의 성능 도약을 만들고, 성능 도약이 고객의 전환 비용을 더 높이는 선순환이다.

이 마진 구조가 현금흐름에 어떻게 찍히는지가 다음 막이다.

제5막: 현금의 품질 — 영업활동현금흐름 $64B, 순이익과 거의 같다

왜 순이익 $73B인 회사의 현금흐름이 $64B인가

이익의 품질을 검증하는 가장 단순한 방법은 순이익과 영업활동현금흐름(실제 장사해서 들어온 현금)을 비교하는 것이다. 순이익은 회계 규칙에 따라 계산한 숫자이고, 영업활동현금흐름(영업활동현금흐름)은 실제로 통장에 들어온 돈이다. 둘의 차이가 크면 이익의 질이 나쁘다는 뜻이다.

영업활동현금흐름 $64.1B은 순이익 $72.9B의 88%다. 차이가 나는 이유는 주로 주식보상비용(Stock-Based Compensation)이다. NVIDIA는 직원들에게 현금 대신 주식으로 보상하는데, 이것은 손익계산서에는 비용으로 잡히지만 현금이 나가지는 않는다. 2025년 기준 주식보상비용은 약 $4.3B이다. 이것을 빼면 영업활동현금흐름와 순이익이 거의 일치한다.

import dartlab
c = dartlab.Company("NVDA")
c.select("CF", ["영업활동현금흐름", "유형자산의 취득"])
# OCF: $64.1B, CAPEX: $3.2B → FCF: $60.9B (2025)

잉여현금흐름 $61B — 설비투자가 적으니 남는 현금이 거대하다

잉여현금흐름(영업현금에서 투자비를 뺀 진짜 남는 돈) $60.9B. 설비투자가 $3.2B에 불과하기 때문이다. 공장이 없으니 설비투자가 적다. 인텔은 같은 해 설비투자 $21.3B을 썼다. NVIDIA의 설비투자는 인텔의 15%도 안 된다.

설비투자/매출 비율을 보면 더 명확하다.

NVIDIA의 설비투자/매출은 2.5%. 매출이 5배 뛰어도 설비투자는 거의 안 늘었다. 삼성바이오로직스(207940)가 공장(송도 4공장)을 짓는 데 2조원 이상을 쓰는 것과 비교하면, NVIDIA는 공장 걱정이 없는 모델이다.

주주 환원 $36B — 버는 족족 돌려준다

이 거대한 현금은 어디로 가는가. NVIDIA는 2023년부터 자사주 매입과 배당으로 주주에게 환원하고 있다.

2025년 기준 $36.1B을 주주에게 돌려줬다. 잉여현금흐름의 59%다. 2023년에는 잉여현금흐름보다 더 많은 금액을 환원했는데, 이는 기존에 쌓아둔 현금을 쓴 것이다. NVIDIA는 배당보다 자사주 매입을 압도적으로 선호한다. 배당은 한번 시작하면 줄이기 어렵지만, 자사주 매입은 유연하게 조절할 수 있기 때문이다. 이 전략은 Monster Beverage와 비슷하다 — Monster는 9년간 배당 $0, 자사주로만 $8.3B을 썼다.

하지만 매출과 이익이 이 속도로 계속 늘 수 있는가? 이 질문이 6막의 주제다.

제6막: 리스크 — TSMC 의존과 AI 사이클

TSMC 단일 의존 — 공장이 없는 것은 리스크이기도 하다

팹리스의 강점이 곧 약점이다. NVIDIA의 모든 첨단 칩은 TSMC의 대만 팹에서 만들어진다. 대만 해협 위기, 지진, TSMC 공정 차질 — 어떤 이유로든 TSMC가 멈추면 NVIDIA도 멈춘다.

NVIDIA 2025 10-K Risk Factors에는 이 위험이 명시적으로 적혀 있다: “We rely on limited sources of supply… any disruption could have a material adverse effect.” 삼성 파운드리나 인텔 파운드리 서비스(IFS)로 대체할 수 있다는 주장도 있지만, 현실적으로 TSMC의 첨단 공정 수율을 따라올 곳은 아직 없다.

SK하이닉스(000660)는 NVIDIA의 GPU에 들어가는 HBM(고대역폭 메모리)을 납품하는 회사다. NVIDIA가 H100/H200/Blackwell을 만들려면 SK하이닉스의 HBM3E가 필요하다. 공급망은 SK하이닉스(HBM) → TSMC(GPU 제조) → NVIDIA(설계+판매) → Microsoft/Google/Meta(최종 고객) 구조다. 이 체인의 어느 한 곳이 병목이 되면 전체가 멈춘다.

AI 투자 사이클 둔화 — 수요는 영원한가

2024~2025년 하이퍼스케일러들의 AI 설비투자는 역사적 수준이다. Microsoft만 2025년 AI 인프라에 $80B을 투자한다고 발표했다. Meta, Google, Amazon도 비슷한 규모다. 이 투자가 NVIDIA 매출의 88%를 차지하는 데이터센터 매출을 만들고 있다.

문제는 이 투자가 ROI(투자 수익률)로 돌아오는지 아직 검증되지 않았다는 점이다. AI가 기업들의 매출을 얼마나 늘려주는지, 비용을 얼마나 절감해주는지에 대한 명확한 데이터는 부족하다. 만약 AI 투자의 ROI가 기대에 미치지 못하면, 하이퍼스케일러들은 설비투자를 줄일 것이고, NVIDIA의 데이터센터 매출은 직격탄을 맞는다.

이것은 NVIDIA의 과거에서도 확인된다. 2022년 암호화폐 거품이 터지면서 게이밍 GPU 수요가 급감했고, 영업이익률은 16%까지 떨어졌다. 수요 독점은 수요가 있을 때만 의미가 있다.

경쟁 환경 — AMD, 구글, 아마존의 도전

NVIDIA 10-K 경쟁 섹션에는 AMD, Intel, Google, Amazon, Microsoft가 경쟁자로 명시돼 있다. AMD의 MI300X는 2024년 출시 이후 일부 추론(inference) 워크로드에서 NVIDIA와 경쟁하고 있다. 구글의 TPU v5p, 아마존의 Trainium2는 자사 클라우드 내부에서 NVIDIA GPU를 대체하려는 시도다.

하지만 현재까지 AI 훈련 시장에서 NVIDIA의 점유율은 80% 이상으로 추정된다. CUDA 생태계의 전환 비용이 너무 높기 때문이다. 단기적으로 NVIDIA의 독점은 유지될 가능성이 높다. 장기적으로는 경쟁이 마진을 깎을 수 있다. 매출총이익률 75%가 영원히 지속되기는 어렵다.

제7막: 산업 패턴과 투자 포인트 — 다음 분기에 봐야 할 것

반도체 산업의 사이클 — NVIDIA는 예외인가

반도체는 대표적인 사이클 산업이다. 수요가 늘면 공급이 따라가고, 공급 과잉이 되면 가격이 떨어지고, 가격이 떨어지면 투자가 줄고, 투자가 줄면 다시 공급 부족이 된다. SK하이닉스의 30년 역사가 이 사이클의 교과서다.

NVIDIA도 이 사이클에서 자유롭지 않다. 2022~2023년 게이밍 사이클 하강기에 영업이익률이 16%까지 떨어졌다. 현재 AI 사이클은 상승기다. 문제는 이 사이클의 지속 기간이다. AI는 암호화폐와 다르다 — 실제 기업 생산성에 기여하는 기술이다. 하지만 투자 속도가 수요를 앞서갈 가능성은 언제나 있다.

AI 전력 수요 — NVIDIA GPU가 만드는 파급 효과

NVIDIA GPU 한 장(H100)의 열설계전력(TDP)은 700W다. 데이터센터에 수만 장을 깔면 전력 소비가 원자력발전소 1기 수준이 된다. 국제에너지기구(IEA)는 AI 데이터센터의 전력 소비가 2026년까지 160TWh에 달할 것으로 전망했다. 이 전력 수요가 HD현대일렉트릭(267260)(변압기)과 뉴스케일파워(SMR)(소형모듈원전)의 성장 동력이다. NVIDIA가 칩을 팔면 전력 인프라 전체가 같이 움직인다.

투자 포인트 — 다음 4분기에 봐야 할 체크포인트

1. 데이터센터 매출 성장률: 2025년 +142% YoY. 이 성장률이 둔화하기 시작하면 주가 멀티플이 재조정된다. 분기별 $28~30B 수준 유지 여부가 핵심.

2. 매출총이익률 75% 유지 여부: Blackwell(B200/GB200) 초기 출하에서 수율 문제가 보고됐다. 신제품 초기 수율이 낮으면 원가가 올라가고 매출총이익률이 떨어진다. 73% 이하로 내려가면 경보.

3. 중국 규제 영향: 미국 정부의 대중국 반도체 수출 규제가 강화되고 있다. NVIDIA는 중국향 매출이 전체의 약 12~17%로 추정된다. 규제가 더 강화되면 이 매출이 줄어든다.

4. 경쟁사 침투율: AMD MI300X의 분기 매출 추이와 구글 TPU/아마존 Trainium의 내부 전환율. NVIDIA 점유율이 75% 아래로 떨어지면 가격결정력에 균열.

5. 자사주 매입 규모: 2025년 $33.7B. 잉여현금흐름 대비 환원 비율이 유지되는지. 줄이면 성장 투자(자체 파운드리?)로 전략 전환 신호.

제8막: 재무상태표와 신용 — 현금 $7.3B, 자본 $26.6B

왜 시가총액 $3T 회사의 현금이 $7.3B뿐인가

2025년 말 기준 NVIDIA의 대차대조표(재무상태표)를 보자.

import dartlab
c = dartlab.Company("NVDA")
c.select("BS", ["자산총계", "부채총계", "자본총계", "현금및현금성자산"])

현금 및 현금성자산 자체는 $7.3B이지만, 단기투자(주로 미국 국채와 회사채)를 합치면 $43.2B이다. 매출이 5배 뛰면서 현금성 자산도 3배 이상 늘었다. 부채 $30.1B 중 차입금은 $8.5B 수준이고, 나머지는 영업부채(매입채무, 선수금 등)다. 순현금(현금+단기투자 - 차입금) 기준으로 보면 $34.7B의 순현금 상태다.

신용등급 dCR-AA — health 94

c.credit("등급")
# grade: dCR-AA, healthScore: 94

dartlab 신용평가 기준 dCR-AA, 건전성 점수 94. 영업활동현금흐름가 순이익과 거의 같고, 순현금 상태이며, 영업이익률이 62%인 회사의 신용이 나쁠 리 없다. 유일한 리스크는 단일 제조사(TSMC) 의존과 AI 사이클 의존인데, 이것은 신용등급보다는 사업 리스크에 해당한다.

자본 3배 — 이익이 너무 빨리 쌓인다

자본총계는 2023년 $22.1B에서 2025년 $65.9B로 3배 증가했다. 이익잉여금이 쌓이면서 자본이 두꺼워졌다. 부채비율(부채/자본)은 2023년 87%에서 2025년 46%로 오히려 낮아졌다. 벌어들이는 이익이 너무 커서 자본이 빠르게 쌓이고 있다.

순현금 $34.7B는 연간 R&D $12.9B의 2.7년치다. 설령 매출이 갑자기 반토막 나더라도 R&D를 유지하면서 2년 이상 버틸 수 있는 현금이다. 이 버퍼가 NVIDIA에게 기술 리더십을 유지할 시간을 준다.

결론: 공장 없는 반도체 회사가 영업이익률 62%를 찍은 구조

이 글의 질문은 하나였다. 칩을 설계만 하고 공장이 없는 반도체 회사가 왜 영업이익률 62%를 찍는가.

답은 두 개의 축이 동시에 작동했기 때문이다.

첫째, 팹리스 모델의 한계비용 구조. 공장이 없으니 고정비가 낮다. 매출이 5배 뛰어도 설비투자는 $1.8B에서 $3.2B로 1.8배만 늘었다. R&D는 1.8배, 판관비는 1.3배. 매출이 급증하면 고정비가 분산되면서 마진이 폭발한다. 이것이 영업이익률 16%에서 62%로의 점프를 만든 구조다.

둘째, AI가 만든 수요 독점. ChatGPT 이후 AI 훈련에 GPU가 필수가 됐고, CUDA 생태계 때문에 NVIDIA GPU를 대체할 수 없다. 수요는 폭발하는데 공급은 하나에 집중돼 있으니, 가격결정력이 극대화됐다. 매출총이익률 75%는 이 가격결정력의 결과다.

$27B → $131B, 2년 만에 5배. 인류 역사상 시가총액 $1T 이상 기업 중 가장 빠른 성장이다.

하지만 이 구조에는 전제가 있다. AI 투자가 계속돼야 한다. 하이퍼스케일러들의 AI 설비투자가 줄어드는 순간, 2023년의 바닥이 다시 올 수 있다. TSMC 의존, 중국 규제, 경쟁 심화 — 세 가지 리스크는 모두 현재 진행형이다.

2026년에 봐야 할 한 줄: 데이터센터 분기 매출이 $30B을 넘기는가, 아니면 성장률이 꺾이기 시작하는가. 이 숫자가 NVIDIA의 다음 챕터를 결정한다.

검증표

본문의 모든 수치는 2026-04-18 dartlab 실측 + 사용자 제공 Phase 0 데이터 기준.

공시 / Filings

전체 공시 목록은 dartlab에서 확인:

import dartlab
c = dartlab.Company("NVDA")
c.filings()

재무제표 — 최근 5개년

아래는 최근 5개년 요약입니다. 전체 기간·분기별 데이터는 dartlab에서 직접 확인할 수 있습니다:

import dartlab
c = dartlab.Company("NVDA")
c.show("IS")              # 손익계산서 (분기)
c.show("IS", freq="Y")    # 손익계산서 (연간)
c.show("BS")              # 재무상태표
c.show("CF")              # 현금흐름표
c.show("SCE")             # 자본변동표
c.show("ratios")          # 재무비율

손익계산서 (IS) — 단위 $M

재무상태표 (BS) — 단위 $M

현금흐름표 (CF) — 단위 $M

최종 갱신: 2026-04-18 | dartlab 실측 (DART 공시 기준)