종목예측
  • 메인
  • 뉴스
이번주 방송스케쥴

웨드부시, 메타 실적 발표 앞두고 "서두르지 말라" 경고

2026-07-23 00:18:28
웨드부시, 메타 실적 발표 앞두고

이번 2분기 실적 시즌의 핵심은 하이퍼스케일러들의 지출 계획이다. 주요 플랫폼들의 AI 투자 규모는 2026년 7,250억 달러에 육박할 것으로 예상되며, 이는 잉여현금흐름에 대한 압박을 가중시키고 투자자들의 관심을 인프라 구축에서 투자 수익성으로 전환시키고 있다.

이러한 가운데 메타 플랫폼스(NASDAQ:META)가 7월 29일 수요일 2분기 실적을 발표할 예정인 만큼, 회사의 자본지출 계획이 주목받고 있다. 메타는 이 부문에서 상당한 성장세를 보여왔다.

웨드부시의 이갈 아루니안 애널리스트는 메타가 초지능 목표를 추구하고 뮤즈 스파크 파운데이션 모델을 확장하면서 이러한 추세가 지속될 것으로 전망한다.

아루니안은 구체적인 2027년 자본지출 가이던스는 예상하지 않지만, 메타가 2026년 전망을 다시 상향 조정하고 2027년 지출이 크게 증가할 것임을 시사할 수 있다고 본다. 그의 추정치와 시장 컨센서스는 각각 2026년 자본지출을 1,380억 달러와 1,390억 달러로 예상하고 있으며, 이는 경영진이 제시한 1,250억~1,450억 달러 가이던스 범위의 중간값을 약간 상회하는 수준이다. 2027년의 경우 아루니안은 1,730억 달러로 추정하며, 이는 컨센서스 1,750억 달러와 대체로 일치하지만, 매수 측 기대치는 이미 2,000억 달러를 넘어섰으며 더 상승할 수 있다고 본다. 지출 궤적에 따라 메타의 잉여현금흐름이 2026년 또는 2027년에 마이너스로 전환될 수 있으며, 이는 아루니안의 현재 예상인 "소폭 플러스"와 대비된다.

아루니안은 또한 메타의 광고 사업 건전성과 AI가 창출하는 효익을 주시할 것이다. AI 기반 개선은 "명확한 레버"가 되었으며, 안드로메다의 컴퓨팅 효율성, 래티스 모델링, GEM 모델 아키텍처의 발전이 이미 효익을 제공하고 있다. 비즈니스 AI도 초기 진전을 보이고 있지만 아직 직접적인 수익화는 이루어지지 않았다. 애널리스트는 "지속적인 진전과 노출 및 가격 성장에서 추가적인 초과 이익을 창출할 수 있는 능력에 대한 업데이트를 주목할 것"이라고 말했다.

아루니안은 메타의 비즈니스 AI 이니셔티브를 광고 개선 외에 회사의 가장 진전된 AI 수익화 기회 중 하나로 본다. 메타는 2026년 6월 컨버세이션스 2026에서 메타 비즈니스 에이전트와 메타 비즈니스 에이전트 플랫폼을 출시했으며, 기업들에게 왓츠앱, 메신저, 인스타그램에서 작동하는 AI 에이전트를 제공한다. 이 도구들은 고객 문의, 제품 추천, 예약, 리드 검증, 판매 전환을 처리할 수 있다.

메타의 AI 전략과 수익화 노력의 다음 단계도 중요할 것이다. 장기적으로 아루니안은 기회에 초과 컴퓨팅 용량 판매(최근 보도된 바와 같이), 구독 계층 확대, 뮤즈 스파크의 기업 및 소비자 사용자 라이선싱 또는 API 액세스 제공 등이 포함될 수 있다고 본다.

요약하자면, 아루니안은 이 소셜미디어 거대 기업의 전망에 대해 균형 잡힌 시각을 취한다. "자본지출 강도와 다각화된 수익화 사이의 격차가 주식에 대한 중심 논쟁으로 남아 있으며(물론 핵심 광고 사업의 강세는 분명 긍정적이지만), 이것이 메타의 동종 업체 대비 밸류에이션 할인에도 불구하고 우리가 관망하는 이유"라고 애널리스트는 정리했다.

이에 따라 아루니안은 주식에 대해 중립(즉, 매수) 등급을 유지했으며, 목표주가 671달러를 제시했다. 이는 향후 1년간 주가가 6.5% 상승할 것임을 시사한다. (아루니안의 실적 기록을 보려면 여기를 클릭)

아루니안의 대부분의 동료들은 더 낙관적인 입장이다. 전체적으로 이 주식은 35건의 매수와 5건의 보유 의견을 바탕으로 강력 매수 컨센서스 등급을 받고 있다. 평균 목표주가 805.98달러를 기준으로 하면, 1년 후 주가는 28% 프리미엄으로 거래될 것이다. (메타 주가 전망 보기)

면책조항: 이 기사에 표현된 의견은 전적으로 소개된 애널리스트의 견해입니다. 이 콘텐츠는 정보 제공 목적으로만 사용되도록 의도되었습니다. 투자 결정을 내리기 전에 자체 분석을 수행하는 것이 매우 중요합니다.

이 기사는 AI로 번역되어 일부 오류가 있을 수 있습니다.