골드만삭스 보고서 분석: 5000억 달러 AI 자본 지출, 새로운 사이클의 시작인가, 거품의 전야인가

作者: 137Labs

서론:

지난 2년간 시장의 인공지능(AI) 논의는 주로 모델 성능의 지속적 향상 가능성, 생성형 AI가 인터넷이나 스마트폰과 같은 범용 기술이 될 수 있을지, 그리고 대규모 언어 모델이 검색, 소프트웨어, 광고, 엔터프라이즈 서비스 등의 산업을 어떻게 변화시킬지에 집중되었습니다. 그러나 모델 성능이 지속적으로 강화되고, 사용자 규모가 빠르게 확대되며, 글로벌 컴퓨팅 인프라가 집중적으로 구축되는 단계에 접어들면서, 시장의 관심은 명확하게 상업적 수익으로 이동하고 있습니다. 즉, 대형 기술 기업들이 AI에 투입한 막대한 자본이 궁극적으로 안정적인 매출, 이익 및 잉여 현금 흐름으로 전환될 수 있을지에 대한 문제입니다.

골드만삭스는 <Why AI Companies May Invest More than $500 Billion in 2026> 보고서에서 월가의 주요 AI 하이퍼스케일 클라우드 기업들의 2026년 자본 지출(CAPEX) 컨센서스가 4,650억 달러에서 5,270억 달러로 상향 조정되었으며, 더 광범위한 추정에 따르면 글로벌 AI 인프라 투자 규모가 향후 수년간 계속해서 빠르게 확대될 수 있다고 지적했습니다. 자금이 칩과 서버에서 데이터센터, 전력, 냉각 및 네트워크 시설로 더욱 흘러가면서, AI는 더 이상 단순한 소프트웨어 및 칩 혁신의 한 라운드가 아니라 에너지, 산업, 금융 및 인프라 시스템을 아우르는 전 지구적인 자본 재편으로 진화하고 있습니다.

1. AI 자본 지출이 지속적으로 상향 조정되는 이유

대형 기술 기업들이 잉여 현금 흐름의 압박을 받고, 밸류에이션에 의문이 제기되며, 심지어 주가가 일시적으로 부진한 상황에서도 AI 투자를 계속 늘리는 근본적인 이유는, 이들이 AI를 단순한 제품 투자가 아니라 향후 10년간의 기술 플랫폼 주도권을 결정할 수 있는 전략적 투자로 판단하기 때문입니다. 따라서 그들이 가장 두려워하는 것은 특정 연도에 수십억 달러를 더 지출하는 것이 아니라, 차세대 컴퓨팅 플랫폼, 클라우드 서비스 시스템, 소프트웨어 생태계가 형성되는 과정에서 경쟁적 위치를 상실하는 것입니다.

마이크로소프트, 아마존, 알파벳, 메타와 같은 기업들이 직면한 것은 단순한 비용 대비 수익의 선택이 아니라 전형적인 전략적 경쟁 구도입니다. 만약 어느 한 기업이라도 먼저 투자 속도를 늦춘다면, 해당 기업의 클라우드 고객이 컴퓨팅 파워가 더 풍부한 경쟁사로 이탈할 수 있고, 개발자 생태계가 다른 플랫폼으로 이동할 수 있으며, 모델 훈련, 추론 능력 및 제품 반복(iteration) 측면에서 점차 뒤처질 수 있습니다.

따라서 현재 상당 부분의 AI 자본 지출은 명백한 방어적 성격을 띠고 있습니다. 기술 기업들은 아직 투자된 모든 달러에 대해 이상적인 수익을 증명하지 못했더라도, 투자하지 않을 경우 발생하는 장기적 손실이 더 클 수 있다고 보편적으로 판단하고 있습니다. 모든 주요 기업들이 유사한 판단을 내리게 되면, 전체 업계는 이른바 '죄수의 딜레마'와 같은 경쟁 상태에 빠지게 됩니다. 즉, 각 회사는 경쟁자가 투자를 줄이기를 바라면서도, 선두 기업 중 그 누구도 먼저 발을 빼려 하지 않는 상황입니다.

이와 동시에, 컴퓨팅 파워 수요에 대한 시장의 이해도 변화하고 있습니다. AI 인프라 투자는 처음에는 주로 대규모 모델 훈련에 사용되었지만, AI 에이전트가 점차 부상함에 따라 추론(Inference) 수요가 더 중요한 성장 동력이 되고 있습니다. 기존의 챗봇은 보통 사용자 질문에 대해 한두 번의 모델 호출만 필요하지만, AI 에이전트가 진정으로 복잡한 작업을 완료하려면 목표를 세분화하고, 정보를 검색하며, 방안을 비교하고, 도구를 호출하며, 계획을 수정하고 결과를 반복적으로 검증해야 합니다. 따라서 에이전트가 소비하는 토큰과 컴퓨팅 파워는 일반적인 질문-답변 시나리오의 몇 배에서 수십 배에 달할 수 있습니다.

골드만삭스는 소비자와 기업의 AI 에이전트 도입에 힘입어, 전 세계 토큰 사용량이 2030년까지 2026년 대비 24배 증가하여 월간 120 쿼드릴리언(Quadrillion), 즉 12경 개의 토큰에 도달할 것으로 예상합니다. 이 전망의 핵심 논리는 AI가 향후 단순히 사용자가 가끔 여는 채팅 도구가 아니라, 사무용 소프트웨어, 고객 서비스, 광고 집행, 금융 분석, 전자 상거래, 소프트웨어 개발 및 산업 공정에 내재된 상시 실행 시스템으로 점차 자리 잡을 것이라는 점입니다.

이러한 변화가 실제로 발생한다면, 미래의 컴퓨팅 파워 수요를 이끄는 주요 동력은 소수 기업의 주기적인 대형 모델 훈련에서 수억 명의 사용자와 기업이 지속적으로 지능형 에이전트를 실행하는 것으로 전환될 것입니다. 또한 추론 컴퓨팅은 클라우드 컴퓨팅, 전력 및 통신 트래픽과 유사하게 지속적인 소비 특성을 점차 나타내게 될 것입니다. 따라서 설령 모델 훈련 효율성이 향상되거나 개별 모델의 훈련 빈도가 감소하더라도, 컴퓨팅 자원에 대한 사회 전체의 총수요는 여전히 빠르게 증가할 가능성이 높습니다.

골드만삭스의 또 다른 연구에 따르면, 칩 성능 향상, 모델 압축 기술의 발전, 데이터센터 아키텍처의 지속적인 최적화에 힘입어 AI 추론의 토큰당 컴퓨팅 비용이 매년 60%에서 70%까지 하락할 수 있습니다. 그러나 단위 비용 하락이 반드시 업계 총지출의 감소를 의미하지는 않는데, 이는 기술 발전 역사에서 자주 나타나는 현상, 즉 특정 자원의 가격이 저렴해질수록 그 사용 범위와 총소비량이 오히려 더 커지는 현상이 AI에도 동일하게 적용될 가능성이 높기 때문입니다.

추론 비용이 지속적으로 하락함에 따라, 자동 고객 응대, 실시간 비디오 생성, 맞춤형 교육, 소프트웨어 개발 에이전트, 기업 프로세스 자동화 등 과거에는 경제적 타당성이 부족했던 애플리케이션들이 대규모로 배포되기가 더욱 쉬워질 것입니다. 따라서 미래의 AI 자본 지출 규모를 결정하는 핵심 변수는 개별 토큰의 가격이 아니라, 사용량 증가가 단위 비용 감소 속도를 지속적으로 상회할 수 있는지 여부입니다.

2. 5,270억 달러와 7,650억 달러가 의미하는 두 가지 다른 통계 기준

골드만삭스의 AI 투자 규모에 대한 판단을 이해하려면 5,270억 달러와 7,650억 달러라는 두 숫자의 통계적 기준을 구분해야 합니다. 전자는 주로 마이크로소프트, 아마존, 알파벳, 메타 등 주요 AI 클라우드 기업들의 2026년 자본 지출에 대한 컨센서스로, 서버, 데이터센터, 네트워크 장비 및 기타 자본 항목을 포괄합니다. 후자는 골드만삭스의 보다 광범위한 AI 인프라 모델에서 비롯된 것으로, 기술 기업의 직접 투자 외에도 컴퓨팅 시스템을 지원하는 데 필요한 데이터센터 건물, 전력 공급, 냉각 시설 및 기타 지원 인프라에 대한 투자를 포함합니다. 따라서 5,270억 달러는 주요 기업의 연간 예산에 가깝고, 7,650억 달러는 전체 AI 인프라 시스템의 연간 구축 규모에 더 근접하며, 7조 6천억 달러는 2026년부터 2031년까지 형성될 수 있는 누적 투자 총액을 반영합니다.

칩은 AI 인프라에서 시장이 가장 주목하는 부분이지만, 실제로는 전체 시스템의 출발점에 불과합니다. 대규모 AI 컴퓨팅 클러스터는 GPU와 기타 가속기 외에도 서버 랙, 고속 네트워크, 광 모듈, 액체 냉각 장비, 무정전 전원 공급 장치(UPS), 변압기, 송전선, 예비 발전 장비 및 이러한 시스템을 수용할 수 있는 데이터센터 건물이 필요하기 때문입니다. 따라서 새로운 AI 칩이 추가될 때마다, 그 뒤에는 칩 자체 가격의 몇 배에 달하는 시스템적 투자가 수반되는 경우가 많습니다.

골드만삭스가 관련 모델에서 사용한 일부 기준 가정에는 AI 가속기 패키징 전력 약 3,000와트, 데이터센터 PUE 약 1.2, 데이터센터 건설 비용 메가와트당 약 1,500만 달러, 신규 전력 인프라 비용 킬로와트당 약 2,500달러 등이 포함됩니다. 이러한 매개변수는 AI 산업의 경쟁이 더 이상 칩 설계 능력과 모델 알고리즘 능력만의 경쟁이 아니라, 점차 토지, 전력, 금융 조달, 공급망, 엔지니어링 건설 및 장기 운영 능력의 종합적인 경쟁으로 진화하고 있음을 설명합니다.

3. 칩 기업이 이미 수익을 내고 있는 반면 전체 AI 산업이 아직 수익성을 증명하지 못한 이유

현재까지 AI 산업에서 가장 명확하고 집중적인 경제적 가치는 주로 반도체 회사와 관련 장비 공급업체에서 발생합니다. 대형 기술 기업들은 AI 사업이 안정적인 수익을 형성하기 전에 칩을 미리 구매하고, 데이터센터를 건설하며, 네트워크와 전력 인프라를 완비해야 합니다. 반면 칩 공급업체는 납품만 완료하면 비교적 짧은 시간 안에 매출과 이익을 인식할 수 있습니다. 이에 비해 이들 칩을 구매하는 클라우드 컴퓨팅 기업과 모델 회사들은 클라우드 서비스, 소프트웨어 구독, 광고 효율성 향상 또는 기업 AI 제품을 통해 향후 수년에 걸쳐 점진적으로 비용을 회수해야 합니다.

그 결과, 현재 AI 산업 밸류체인의 이익은 주로 업스트림 칩 및 장비 공급업체에 집중되어 있으며, 클라우드 플랫폼, 모델 회사 및 기업 고객은 여전히 투자 및 상업화 검증 단계에 있어, 전체 산업이 아직 광범위하고 안정적인 현금 흐름의 선순환 고리를 형성하지 못한 상태입니다.

골드만삭스는 반도체 기업들이 기록적인 매출과 이익을 창출하고 있는 반면, AI 생태계 내의 다른 많은 기업들은 아직 투자 대비 상응하는 수익을 얻지 못하고 있다고 지적합니다. 이러한 업스트림 공급업체가 먼저 수익을 내고 다운스트림 고객이 지속적으로 투자하는 구조는 장기적으로 유지되기 어렵습니다. 건강한 산업 밸류체인은 최종 고객이 AI를 통해 수익을 늘리거나 비용을 절감하고 효율성을 개선할 수 있는 기반 위에 구축되어야 합니다. 이익이 칩 제조업체로부터 클라우드 플랫폼, 소프트웨어 기업 및 최종 애플리케이션 단계로 점차 확산되어야만, 고객이 지속적으로 구매를 늘릴 여력을 갖추고 전체 산업이 안정적인 선순환 사이클에 진입하도록 추진할 수 있습니다.

소비자 시장은 AI에 매우 빠른 사용자 증가 속도를 제공하고 있지만, 사용자 수가 직접적인 비즈니스 가치와 동일시될 수는 없습니다. 골드만삭스가 인용한 관련 연구에 따르면, 생성형 AI는 최초의 광범위하게 사용 가능한 제품이 출시된 후 3년 만에 채택률이 약 53%에 도달했으며, 이 속도는 개인용 컴퓨터와 인터넷의 초기 보급 경로보다 현저히 빠릅니다. 그러나 다수의 사용자가 무료 제품을 사용하고 있으며, 일부 소비자가 구독료를 지불할 의향이 있다 하더라도 개인 구독 수익만으로는 모델 훈련, 추론, 전력, 데이터센터 및 연구 개발 비용을 충당할 가능성이 높지 않습니다.

수조 달러 규모의 AI 인프라 투자를 실질적으로 뒷받침할 수 있는 것은 여전히 기업 고객입니다. 기업은 더 높은 지불 능력을 보유하고 있으며, 방대한 규모의 고객 서비스, 영업, 연구 개발, 재무 및 공급망 프로세스를 보유하고 있기 때문입니다. 그러나 기업의 AI 도입 난이도는 일반 사용자가 챗봇을 사용하는 것보다 훨씬 높습니다. 많은 기업이 처음에는 최첨단 대규모 언어 모델을 구매하기만 하면 자연스럽게 생산성 향상을 얻을 수 있다고 생각했지만, 현실은 내부 데이터가 여러 시스템에 분산되어 있고 형식 불일치, 권한 문제 및 품질 편차와 같은 문제에 직면하게 됩니다. 만약 재고, 회원, 주문 및 추천 알고리즘 데이터가 서로 단절된다면, 모델의 능력이 아무리 강력하더라도 안정적으로 신뢰할 수 있는 비즈니스 결과를 도출하기 어렵습니다.

따라서, 기업 AI 도입을 제약하는 핵심 문제는 더 이상 모델 능력만이 아니라, 기업이 데이터 거버넌스, 모델 오케스트레이션 및 비즈니스 프로세스 재구축을 완료할 수 있는지 여부입니다. 기업은 미래에 작업 복잡성, 비용, 데이터 보안 및 위험 수준에 따라 다양한 모델을 호출하는 동시에 권한 제어, 수동 검토 및 결과 추적 메커니즘을 구축할 가능성이 높습니다. 이는 기업 AI가 단순히 소프트웨어 계정을 구매하는 것이 아니라 시스템 개선, 규정 준수 심사 및 조직 변화를 수반하는 장기적인 프로젝트임을 의미합니다. 골드만삭스는 2030년까지 지식 근로자의 약 12%만이 AI 에이전트를 사용하고, 2040년이 되어야 이 비율이 37%로 증가할 수 있을 것으로 예상하며, 이는 인프라 투자 속도가 기업의 상업적 수익 실현 속도보다 빠를 가능성이 높다는 점을 시사합니다.

四. AI 투자, 새로운 거품으로 번지고 있는가

오늘날의 AI 열풍을 1990년대 후반의 인터넷 거품과 비교하는 것은 시장에서 가장 흔한 분석 프레임 중 하나다. 두 시기 모두 자본 지출의 급속한 확대, 미래 수요에 대한 투자자의 높은 낙관론, 기술 혁명에서 뒤처질 것에 대한 기업의 두려움으로 인한 인프라 선제 구축, 그리고 다수의 기업 가치 평가가 수년 후의 매출과 이익에 의존한다는 공통점을 지녔기 때문이다. 그러나 이러한 유사성만으로 AI가 반드시 인터넷 거품을 재현할 것이라고 판단하는 것은 지나치게 단순한 접근이다.

오늘날 AI 투자의 주요 주체는 막대한 영업 현금 흐름, 성숙한 비즈니스 모델, 탄탄한 재무제표를 보유한 글로벌 기술 대기업들이다. 반면 인터넷 거품 시기에는 다수의 통신 및 네트워크 기업들이 높은 레버리지 금융 조달에 의존했고, 심지어 안정적인 매출과 이익조차 창출하지 못한 경우가 많았다. 따라서 현재 AI 투자 사이클이 반드시 전면적 붕괴로 끝나지는 않을 수 있지만, 이것이 자본의 잘못된 배분과 구조적 공급 과잉이 발생하지 않는다는 의미는 아니다.

첫 번째 위험은 투자 속도가 상업화 속도를 앞지를 수 있다는 점이다. 데이터 센터, 칩, 전력 시설은 수년 내에 집중적으로 건설될 수 있지만, 기업의 AI 매출, 프로세스 혁신, 조직 변화가 성숙해지기까지는 보통 더 긴 시간이 필요하다. 공급이 대규모로 먼저 형성되었는데 유효한 유료 수요가 동시에 증가하지 못할 경우, 자본 수익률은 장기적으로 압박을 받을 수 있다.

두 번째 위험은 칩의 경제적 사용 수명의 불확실성에서 비롯된다. 골드만삭스는 AI 칩의 경제적 사용 수명이 누적 AI 투자 규모를 결정하는 가장 중요한 변수 중 하나일 것이라고 지적한다. AI 가속기는 보통 4~6년의 사용 기간이 예상되는 반면, 차세대 칩은 더 높은 성능과 더 낮은 단위 비용으로 구형 제품을 신속하게 대체할 수 있는 경우가 많기 때문이다. 이에 비해 데이터 센터 건물의 감가상각 기간은 통상 약 20년, 전력 인프라의 사용 주기는 25년 이상에 달할 수 있다. 따라서 칩을 자주 업데이트해야 한다면, 기술 기업들은 지속적인 신규 투자뿐만 아니라 더 높은 감가상각 압력과 장비 진부화 위험까지 감수해야 한다.

세 번째 위험은 전력 및 엔지니어링 병목 현상이다. 기업이 이미 대량의 칩을 구매했더라도, 데이터 센터가 제때 전력을 공급받지 못하거나 변압기, 송전선, 발전 설비, 냉각 시스템이 동시에 구축되지 못한다면, 이 칩들을 완전히 가동할 수 없다. 따라서 향후 AI 발전을 제한하는 핵심 요소는 점차 칩 공급 부족에서 전력, 토지, 인허가, 엔지니어링 역량 부족으로 이동할 수 있다.

산업적 차원의 투자 위험 외에도, 자본 시장은 밸류에이션 확장이 지나치게 빠르다는 문제에 직면해 있다. 골드만삭스의 연구에 따르면, 이들이 구성한 AI 인프라 주식 바스켓은 한때 연간 평균 약 44%의 수익률을 기록했지만, 관련 기업들의 향후 2년간 주당순이익(EPS) 컨센서스는 약 9% 상승하는 데 그쳤다. 이는 주가 상승의 상당 부분이 수익 예측의 동반 상승이 아닌 밸류에이션 배수 확장에서 비롯되었음을 의미한다. 향후 주가가 계속 상승하려면 실적이 기대치를 크게 상회하거나, 밸류에이션이 추가로 확장되거나, 기업이 더 강력한 독점적 지위와 가격 결정력을 입증하는 데 의존해야 한다. 만약 자본 지출 증가 속도가 둔화되거나 하류 고객사가 주문을 삭감할 경우, 주가 상승이 수익 전망 개선보다 현저히 빨랐던 기업들은 더 큰 밸류에이션 축소 압력에 직면할 수 있다.

V. AI 투자, 테마 거래에서 펀더멘털 차별화 단계로 진입

골드만삭스는 주요 상장 AI 하이퍼스케일 기업들 간의 평균 주가 상관관계가 한때 약 80%에서 20%로 하락한 점을 발견했다. 이는 시장이 더 이상 모든 AI 기업을 하나의 거래 테마로 묶어 보지 않고, 자본 지출, 자금 조달 구조, 매출 실현 능력, 현금 흐름의 질 측면에서 기업별 차이를 구분하기 시작했음을 의미한다. AI 장세 초기에 투자자들은 한 회사가 AI 산업 사슬에 속하는지 여부에 더 주목했지만, 밸류에이션과 투자 규모가 지속적으로 증가함에 따라 자본 지출이 실제 매출로 이어지고 있는지, 기업이 부채 조달에 의존하는지, 고객 수요는 안정적인지, 비즈니스 모델이 명확한 이익 실현 경로를 갖추고 있는지에 대한 시장의 질문은 더욱 까다로워지고 있다. 이에 따라 AI 투자도 테마 거래에서 점차 더욱 엄격한 펀더멘털 선별 단계로 접어들고 있다.

향후 시장은 자본 지출과 AI 매출의 연계성에 특히 주목할 가능성이 높다. 투자 증가 자체는 두려운 일이 아니며, 진정 중요한 것은 AI 매출과 이익이 이와 비슷한 속도, 혹은 그보다 더 빠르게 성장할 수 있는지 여부이기 때문이다. 또한 시장은 잉여 현금 흐름을 지속적으로 관찰할 것이다. 한 기업이 이익 성장을 지속하더라도, 자본 지출 증가 속도가 더 빠르다면 잉여 현금 흐름은 여전히 감소할 수 있기 때문이다. 자금 조달 구조 역시 중요한 변수가 될 것이다. 영업 현금 흐름을 사용한 투자와 부채 조달에 의존한 데이터 센터 건설이 수반하는 재무적 위험은 근본적으로 다르기 때문이다.

이 외에도 연산 자원 활용률은 데이터 센터 투자가 적절한 수익을 얻을 수 있는지를 직접적으로 결정한다. 서버 수량이 곧 유효 수요를 의미하지는 않으며, 연산 자원이 장기간 높은 사용률을 유지할 수 있을 때만 기업이 감가상각비, 전력비, 유지보수 비용을 충당할 수 있기 때문이다. 클라우드 플랫폼, 개발자 생태계, 독점 데이터, 안정적인 기업 고객 관계를 보유한 기업은 인프라 우위를 장기적 매출과 고객 락인(lock-in)으로 전환할 기회가 더 클 것이다.

VI. 다음 단계의 승자는 더 이상 칩 기업에 국한되지 않을 것

골드만삭스는 반도체 기업들이 AI 이익의 대부분을 먼저 확보한 이후, 다음 단계의 가치는 하이퍼스케일 클라우드 컴퓨팅 기업, AI 플랫폼, 그리고 생산성 수혜 기업으로 점차 확산될 수 있다고 본다. 시장이 기술 대기업들이 직면한 자본 지출 압력을 충분히 인지하고 있지만, 향후 AI 클라우드 서비스 매출 성장과 단위 비용 감소가 가져올 이익 마진은 과소평가하고 있을 수 있기 때문이다.

추론 효율이 지속적으로 개선되고 사용량이 증가함에 따라, 클라우드 컴퓨팅 플랫폼은 매출 확장과 단위 비용 하락을 동시에 달성하고 점차 전통적인 클라우드 컴퓨팅 사업과 유사한 규모의 경제를 형성할 기회를 얻을 것이다. 이는 또한 진정한 연산 자원, 고객 기반, 소프트웨어 생태계를 갖춘 플랫폼 기업들이 AI 상업화가 성숙 단계에 접어든 후 더욱 안정적인 수익을 얻을 수 있음을 의미한다.

이와 동시에 기업 데이터, 비즈니스 프로세스, 다양한 모델을 연결하는 AI 오케스트레이션 계층도 새로운 가치의 중심이 될 수 있다. 데이터 접근, 모델 라우팅, 비용 제어, 권한 관리, 규정 준수 감사를 제공할 수 있는 플랫폼은 클라우드 컴퓨팅 시대의 데이터베이스 및 미들웨어와 유사한 기반적 지위를 확보하고, 높은 고객 전환 비용을 바탕으로 안정적인 수입을 얻을 기회를 갖는다.

AI가 창출하는 최종 이익이 반드시 전부 AI 공급업체에 귀속되는 것은 아닐 것이다. 광고 대행사가 AI를 사용하여 광고 전환율을 높이고, 물류 기업이 AI로 운송 비용을 절감하며, 소프트웨어 기업이 AI를 통해 연구개발 주기를 단축할 때, AI가 창출한 경제적 가치는 이러한 사용자들의 손익계산서에 직접 반영될 수 있기 때문이다. 따라서 다음 단계에 투자자들이 주목해야 할 것은 어떤 기업이 AI를 판매하고 있는지뿐만 아니라, 어떤 기업이 AI를 통해 산업 내 이익을 재분배하거나, 시장 점유율을 확대하거나, 비용 구조를 개선할 수 있는지 하는 점이다.

AI 인프라 투자는 또한 다수의 비전통적인 기술 산업에 기회를 창출할 것이다. 골드만삭스는 대형 기술 기업들의 2025년부터 2030년까지 관련 자본 지출이 누적 5조 3천억 달러에 달하여 기존 예상치인 4조 5천억 달러를 상회할 것으로 예상한다. 이처럼 막대한 건설 규모를 전적으로 기술 기업의 자체 현금만으로 감당할 수는 없기 때문에, 데이터 센터 개발업체, 전력 회사, 장비 공급업체, 인프라 펀드, 부동산 자본, 신용 시장 등이 모두 중요한 참여자가 될 것이다. 2025년 9월 기준, 글로벌 인프라 펀드의 운용 자산은 이미 1조 7천억 달러를 넘어섰고, 투자 대기 자금은 약 4천억 달러에 달하며, 2030년까지 관련 운용 자산 규모는 3조 달러를 초과할 수 있다. 이는 AI가 향후 몇 년간 사모 시장, 인프라 금융 및 회사채 발행의 중요한 성장 동력이 될 수 있음을 시사한다.

VII. AI 자본 지출의 궁극적 성공을 판단하는 방법

이번 AI 자본 지출 사이클이 지속 가능한지를 판단하려면, 칩 판매량, 서버 주문, 데이터 센터 수만을 봐서는 안 되며, 수요, 매출, 단위 경제 모델, 자본 수익률, 산업 사슬의 이익 분배 등 여러 측면에서 관찰해야 한다.

투자자는 먼저 AI 사용자 수, 기업 도입률, 토큰 사용량의 지속적 증가 여부를 관찰하고, 나아가 클라우드 컴퓨팅 플랫폼, 모델 회사, 소프트웨어 기업이 사용량을 유료 매출로 전환할 수 있는지 판단해야 한다. 동시에 추론 1회당 또는 AI 작업당 발생하는 매출이 칩 감가상각비, 전력비, 네트워크 비용, 유지보수 비용, 연구개발비를 충당할 수 있는지도 측정해야 한다. 실제 수요, 비즈니스 매출, 합리적인 단위 경제 모델이 모두 동시에 성립해야만 인프라 투자가 장기적인 지지를 받을 수 있기 때문이다.

이러한 바탕 위에서 투자자는 AI 사업의 신규 영업 이익이 인프라 구축에 필요한 자본 비용을 초과할 수 있는지도 측정해야 한다. 매출 성장이 반드시 가치 창출로 이어지지는 않으며, 만약 기업이 1달러의 AI 매출을 얻기 위해 더 많은 자본을 투입해야 한다면 관련 사업은 여전히 주주 가치를 훼손할 수 있기 때문이다.

결국, AI 산업의 성숙도를 판단하는 핵심은 전체 가치 사슬이 안정적인 비즈니스 선순환 구조를 형성했는지 여부이며, 칩 공급업체가 지속적으로 높은 이익을 유지하는지 여부만 봐서는 안 된다. 모델 회사, 클라우드 플랫폼, 기업 고객이 AI를 통해 지속 가능한 수익을 창출하고 현금 흐름을 개선할 수 있다면, 현재의 자본 지출은 장기적 경제 가치로 전환될 수 있다. 반대로, 하류 기업들이 지속적인 투입에 의존하면서도 수익을 창출하지 못한다면 전체 투자 사이클의 지속 가능성이 의심받게 될 것이다.

VIII. 결론

골드만삭스가 제기한 5천억 달러 AI 자본 지출에 대한 판단이 실제로 드러내는 것은 단순히 기술 기업들이 앞으로 얼마를 더 투입할 것인가가 아니다. 바로 전 세계 경제가 연산 자원, 데이터 센터, 전력 인프라가 함께 이끄는 새로운 투자 사이클로 진입하고 있다는 점이다. 역사적 경험에 따르면, 중대한 기술 혁명은 종종 실질적인 생산성 향상과 일시적인 자본의 잘못된 배분을 동시에 수반한다. 철도, 인터넷, 광섬유 네트워크 모두 세상을 변화시키는 동시에 상업적 회수가 부족했던 수많은 투자자들에게 대가를 치르게 했다. 따라서 AI 미래의 가장 큰 변수는 기술의 진보 가능성이 아니라, 어떤 기업이 기술적 우위를 지속적인 매출, 이익, 현금 흐름으로 전환할 수 있는가이다.

이러한 의미에서 5천억 달러는 새로운 사이클의 시작점이 될 수도 있고, AI 산업의 상업적 가치 실현 능력을 시험하는 첫 번째 분수령이 될 수도 있다. 그리고 이번 투자 열풍의 성패를 궁극적으로 결정하는 것은 자본 지출 규모 자체가 아니라, 이러한 투입이 자본 비용을 충당할 만한 장기적 경제 가치를 진정으로 창출할 수 있는가이다.