AI 인프라 10조달러가 필요할 수 있다 - 철도보다 더 큰 자본실험이 시작됐다
ChatGPT는 소프트웨어처럼 보이지만, 그 뒤에는 반도체 공장, GPU, HBM, 데이터센터, 발전소, 송전망, 냉각시설, 광섬유가 있다. 미국 AI 인프라 구축이 정말 10조달러 규모로 간다면, AI는 기술주 테마가 아니라 국가 단위의 자본 배분 문제가 된다.
20초 핵심
10조달러보다 중요한 숫자는 3.63%다
10.3조달러는 확정된 지출액이 아니다. Van Nieuwerburgh가 데이터센터 프로젝트 파이프라인과 시설·전력·IT 장비 비용을 바탕으로 만든 중앙 시나리오다. 연구는 미국의 추가 데이터센터 용량 약 182.8GW가 2032년까지 가동되고, 이후 완공될 프로젝트의 선행 지출까지 포함하면 2025~2032년 투자액이 약 10.3조달러에 이를 수 있다고 계산한다.
절대금액은 너무 커서 감이 잘 오지 않는다. 그래서 역사 비교에서는 GDP 대비 비율이 더 유용하다. 연구의 추산은 AI가 미국 GDP의 연평균 3.63%를 흡수하는 투자 사이클이 될 수 있다는 것이다.
| 미국 인프라 투자 사이클 | 기간 | 연평균 GDP 대비 |
|---|---|---|
| 운하 | 1836~1841 | 0.66% |
| 철도 | 1870~1890 | 2.24% |
| 전력망 | 1905~1925 | 0.50% |
| 고속도로 | 1956~1973 | 1.13% |
| 통신, 광섬유 | 1996~2003 | 1.10% |
| AI 인프라 | 2025~2032 | 3.63% |
AI는 화면 안에서는 소프트웨어지만, 자본시장에서 보면 GPU와 전력, 부동산, 네트워크를 동시에 요구하는 산업 인프라다.
기술이 성공하는 것과 자본이 돈을 버는 것은 다른 문제다
철도는 미국 경제의 생산성을 끌어올렸지만 모든 철도회사가 좋은 투자는 아니었다. 1990년대 인터넷도 세상을 바꿨지만 광섬유 과잉투자와 통신업체 파산을 피하지 못했다. 범용기술은 사회 전체에는 엄청난 가치를 만들면서도, 그 인프라를 가장 비싸게 건설한 자본에는 낮은 수익률을 남길 수 있다.
AI에서도 같은 구분이 필요하다. “AI가 세상을 바꿀 것인가”와 “현재 가격에 AI 인프라를 짓는 자본이 충분한 수익을 얻을 것인가”는 다른 질문이다. 연구는 2032년 이 인프라가 기대수익을 정당화하려면 AI 산업이 연간 약 3.7조달러의 매출을 만들어야 한다고 추산한다. Reuters는 현재 OpenAI와 Anthropic의 연간 합산 매출 추정치 약 1,000억달러를 출발점으로 놓으면 약 80%의 연평균 성장률이 필요하다고 전했다.
이 숫자는 “AI 버블이 반드시 터진다”는 결론이 아니다. 수요가 예상보다 훨씬 빠르게 늘고, 가동률이 높게 유지되고, 모델 성능이 계속 좋아지면 인프라의 현금흐름도 충분히 성장할 수 있다. 다만 투자자는 기술의 가능성과 자본수익률을 같은 문장으로 묶어서는 안 된다.
더 큰 변화는 AI 위험이 빅테크 밖으로 이동한다는 점이다
초기 AI 인프라는 Amazon, Microsoft, Alphabet, Meta 같은 기업이 막대한 영업현금흐름으로 직접 투자했다. 손실이 발생해도 주로 이 기업의 주주가 부담하는 구조였다.
하지만 연구가 집계한 Oracle, Microsoft, Amazon, Meta, Alphabet의 합산 자본지출은 2020년 약 968억달러에서 2025년 4,158억달러로 늘었고, 2026년에는 약 8,005억달러로 확대될 것으로 추정됐다. 같은 연구에서는 2026년 자본지출이 이들 5개 기업의 합산 영업현금흐름을 처음 넘어설 것으로 본다.
문제는 위험이 사라지는 것이 아니라 위치가 바뀐다는 데 있다. 데이터센터나 GPU를 별도 법인에 넣으면 빅테크의 표면적인 부채비율은 낮게 보일 수 있다. 그러나 프로젝트 자체에는 더 높은 레버리지가 붙을 수 있고, 장기 리스와 보증, 용량 구매계약을 통해 위험은 다시 하이퍼스케일러의 신용과 연결된다.
Van Nieuwerburgh는 이를 서브프라임 위기와 동일하다고 단정하지 않는다. 오히려 현재 단계에서 시스템 리스크가 이미 그 수준이라고 결론내리는 것은 이르다고 썼다. 다만 복잡한 특수목적법인과 유동화 구조가 상관된 위험을 경기 하강 전까지 잘 보이지 않게 만들 수 있다는 점을 경고한다.
장기투자자가 봐야 할 것은 “10조달러가 너무 크다”가 아니다. 누가 10조달러를 부담하고, 누가 그 위에서 높은 마진의 현금흐름을 만드는가 다.
Nvidia와 HBM 업체는 투자비의 상당 부분을 매출로 흡수하는 장비 공급자다. 데이터센터 개발사와 전력사업자는 장기계약을 얻는 대신 막대한 선행자본과 금리위험을 떠안는다.
하이퍼스케일러는 인프라를 확보하면서도 외부자본을 이용해 부담을 분산하려 한다. AI 애플리케이션 기업은 가장 적은 물리자산으로 높은 마진을 만들 가능성이 있지만, 그만큼 실제 지불의사가 검증되어야 한다.
철도시대의 승자가 철도회사 하나로 정리되지 않았듯, AI 시대의 승자도 “AI에 가장 많이 쓰는 회사”와 “AI에서 가장 높은 자본수익률을 내는 회사”가 다를 수 있다. 향후 알파는 기술 전망보다 자본집약도, 계약구조, 가동률, 전력비, 감가상각, 부채비용 을 구분해서 보는 데서 나올 가능성이 높다.
- 확정 지출액이 아니다.
- 데이터센터 프로젝트 파이프라인과 시설·전력·IT 장비 비용을 바탕으로 만든 중앙 시나리오다.
- 전제가 바뀌면 숫자도 달라질 수 있다.
- 절대금액은 너무 커서 비교가 어렵다.
- GDP 대비 비율로 바꾸면 과거 투자 사이클과 견줄 수 있다.
- 철도 2.24%, 고속도로 1.13%, 통신·광섬유 1.10%보다 높은 수치다.
- 같은 질문이 아니다.
- 철도와 1990년대 광섬유는 사회에 큰 가치를 남겼지만 과잉투자와 파산도 함께 나왔다.
- 기술의 가능성과 자본수익률은 나눠서 봐야 한다.
- 연구는 2032년 기대수익을 정당화하려면 연간 약 3.7조달러 매출이 필요하다고 추산했다.
- Reuters는 OpenAI와 Anthropic의 연간 합산 매출 추정치 약 1,000억달러를 출발점으로 보면 연평균 약 80% 성장이 필요하다고 전했다.
- 달성 여부는 아직 확인되지 않았다.
- 데이터센터나 GPU를 별도 법인에 넣으면 빅테크의 표면 부채비율은 낮게 보일 수 있다.
- 다만 장기 리스와 보증, 용량 구매계약을 통해 위험은 다시 하이퍼스케일러의 신용과 연결된다.
- 연구는 이를 서브프라임과 같다고 단정하지는 않았다.
체크 포인트
인사이트 타임스 편집부
