AI 인프라는 거품일까, 아니면 '함께 시간을 사는 것'일까? 3조 달러 뒤에 숨은 금융 구조 분석

2025.11.13

AI 인프라는 거품일까, 아니면 '함께 시간을 사는 것'일까? 3조 달러 뒤에 숨은 금융 구조 분석

올해 주요 기술 대기업들이 AI 컴퓨팅 인프라 구축에 3천억 달러 이상을 투자하고, 앞으로 3년간 총 투자액이 3조 달러를 초과할 것으로 예상되는 가운데 한 가지 질문이 제기된다. 이는 2000년 인터넷 버블의 재현인가, 아니면 인류 역사상 가장 대규모의 생산성 투자인가?

2025.11.13 - 12:16:49

Web3 심층 보도에 집중하고 흐름을 통찰

이것은 단순한 「거품 vs 비거품」의 이분법적 논쟁이 아니며, 정답은 생각보다 더 복잡하고도 정교할 수 있다. 나는 미래를 예지할 수 있는 결정구가 없다. 그러나 나는 이 잔치의 바닥에 깔린 금융 구조를 심층적으로 분석하여 일련의 분석 틀을 마련해 보려 한다.

글이 길고 많은 세부 사항을 포함하고 있으므로, 먼저 결론부터 말하겠다:

방향성 측면에서, 나는 이것이 대규모 거품이라고 보지 않는다. 하지만 일부 개별 고리에는 높은 위험이 존재한다.
보다 정확히 말하면, 현재의 AI 인프라는 마치 「단결 + 시간 사기」의 장정과 같다. 대형 기업들(Microsoft, Google, Meta, Nvidia 등)은 재무 공학을 통해 막대한 레버리지를 일으키지만, 주요 신용 리스크는 특수목적법인(SPV) 및 자본시장에 아웃소싱함으로써 모든 참여자의 이해관계를 밀접하게 묶어놓았다.
所謂「시간 사기」란, 그들이 자신의 현금흐름과 외부 자원의 인내심이 「AI가 실제로 생산성을 향상시키는 날」까지 버틸 수 있을지를 내건다는 의미이다.
내기를 이기면 AI는 약속을 실현하게 되고, 대형 기업이 가장 큰 수혜자가 된다. 내기를 지면(AI 진전이 기대에 미치지 못하거나 비용이 과도하게 높아지는 경우), 가장 먼저 피해를 보는 것은 외부 자금을 제공한 자원들이다.
이것은 2008년처럼 「은행 레버리지 과다로 인한 단일 포인트 폭발」의 거품이 아니다. 이것은 지구상에서 가장 똑똑하고 현금이 가장 풍부한 기업들이 주도하는 직접금융의 거대한 실험으로, 복잡한 「표외금융(off-balance sheet financing)」 전략을 사용하여 리스크를 여러 개의 거래 가능한 조각으로 나누고 다양한 투자자들에게 분산시켜 소화하게 만든 것이다.
거품이 아니라고 해서 모든 AI 인프라 투자가 좋은 ROI(투자수익률)를 얻을 수 있다는 뜻은 아니다.

01 핵심 이해: 「단결」의 이해관계 결속 메커니즘

所謂「단결」이란, 이번 AI 인프라가 다섯 당사자의 이해관계를 긴밀하게 묶었다는 것을 의미한다:

기술 거대기업(Meta, Microsoft, Google)과 그들의 대규모 모델 파트너들(OpenAI, xAI): 컴퓨팅 파워가 필요하지만, 한 번에 돈을 쏟아붓고 싶지는 않다.
칩 공급업체(Nvidia): 지속적인 대량 주문이 필요해 그들의 시가총액을 뒷받침할 수 있다.
사모펀드(Blackstone, Blue Owl, Apollo): 자산운용 규모를 확장하고 더 많은 운용수수료를 받기 위해 새로운 자산 클래스가 필요하다.
Neocloud(CoreWeave, Nebius) 및 하이브리드 클라우드 서비스 제공업체(Oracle Cloud Infrastructure): 인프라와 컴퓨팅 파워를 제공하지만 동시에 대형 기업의 장기 계약을 통해 자금 조달을 해야 한다.
기관 투자자(연기금, 주권기금, BlackRock 같은 전통적 펀드): 국채보다 높은 안정적인 수익이 필요하다.

그리고 이 다섯 당사자는 하나의 「이해관계 공동체」를 형성했다. 예를 들어:

Nvidia는 CoreWeave에 우선 공급하며 동시에 지분에 투자한다.
Microsoft는 CoreWeave에 장기 계약을 제공하면서 동시에 자금 조달을 지원한다.
Blackstone은 부채 자금을 제공하면서 동시에 연기금으로부터 자금을 모집한다.
Meta와 Blue Owl이 공동으로 SPV를 설립하여 리스크를 공동 부담한다.

OpenAI와 기타 대규모 모델 제조사들은 지속적으로 모델 파라미터, 추론 능력, 훈련 규모의 기준을 높임으로써 산업 전체의 컴퓨팅 파워 수요 장벽을 끊임없이 높이고 있다. 특히 Microsoft와의 깊은 결합 아래 이러한 「기술 아웃소싱, 압력 내재화」 협력 구조는 OpenAI가 자금을 투입하지 않으면서도 전 세계 자본지출 경쟁을 촉발하는 점화자 역할을 하고 있다. 출자자(corporate investor)는 아니지만, 전체 시장의 레버리지를 증폭시키는 실제策展人(curator) 역할을 수행하고 있다.

누구도 홀로 살아남을 수 없으며, 이것이 바로 「단결」의 본질이다.

02 자본의 구조 — 누가 돈을 내고, 돈은 어디로 흘러가는가?

전반적인 구조를 이해하기 위해 아래의 자금 흐름도부터 살펴보자.

기술 거대기업들은 천문학적인 수준의 컴퓨팅 파워를 필요로 하며, 두 가지 선택지가 있다:

직접 데이터센터를 건설한다: 이는 전통적인 방식이다. 장점은 완전한 통제가 가능하다는 것이고, 단점은 건설 속도가 느리며 모든 자본지출과 리스크가 자기 자산부채상태표에 집중된다는 것이다.
외부 공급처를 찾는다: 거대기업들이 단순히 서버를 임대하는 것이 아니라, 두 가지 핵심 「외부 공급자」 모델을 창출했다. 이것이 현재의 새로운 트렌드이며 우리가 분석할 중점이다.

첫 번째는 SPV(Special Purpose Vehicle)/특수목적법인인데, 이는 순수한 금융 도구이다. 이를 「단일 프로젝트, 단일 고객」을 위해 설립된 특수 법인으로 상상할 수 있다.

비즈니스 모델: 예를 들어 Meta가 데이터센터를 짓고 싶지만, 큰돈을 한번에 들이지 않으려 할 때 자산운용사와 함께 SPV를 구성한다. SPV의 유일한 임무는 이 Meta 전용 센터를 건설하고 운영하는 것이다. 투자자들은 임대료 현금흐름을 기반으로 하는 고품질 채권(회사채+프로젝트파이낸싱 혼합형)을 받게 된다.
고객 유형: 극도로 단일하며, 일반적으로 하나뿐이다(예: Meta).
리스크 정도: 생사여탈이 오직 단일 고객의 신용에 달려 있다.

두 번째는 Neocloud(예: CoreWeave, Lambda, Nebius)인데, 이는 독립 운영 회사(Operating Company, OpCo)로서 자체적인 운영 전략과 완전한 의사결정 권한을 가진다.

비즈니스 모델: 예를 들어 CoreWeave가 자체적으로 자금을 조달(지분과 채무)하여 대량의 GPU를 구매한 후 여러 고객에게 임대하며, 「최소 보장/예약」 계약을 체결한다. 유연하나 지분 가치 변동성이 크다.
고객 유형: 이론상 다변화 가능하지만, 실제 초기에는 대기업에 크게 의존한다(예: Microsoft가 CoreWeave 초기 지원). 규모가 작기 때문에 SPV처럼 단일 '부유한 아빠'를 뒤에 두지 않으며, Neocloud는 상류 공급업체(Nvidia)에 대한 의존도가 더욱 높다.
리스크 정도: 리스크는 다수의 고객에게 분산되지만, 운영 능력, 기술, 지분 가치 모두 생존에 영향을 미친다.

법적 및 운영 구조상 명백히 다르지만, 두 모델의 상업적 본질은 궁극적으로 동일하다: 모두 거대기업의 「컴퓨팅 파워 외부 공급자」로서 막대한 GPU 구매와 데이터센터 건설을 거대기업의 자산부채상태표에서 「제거」하는 것이다.

그렇다면 이러한 SPV와 Neoclouds의 자금은 어디서 오는가?

답은 전통은 은행이 아니라 사모신용펀드(Private Credit Funds)이다. 왜일까?

2008년 이후, 「바젤III협정」은 은행의 자본적정성 요건을 엄격히 규정하였다. 은행이 이러한 고위험, 고집중, 장기 대규모 대출을 감당하려면, 비용에 맞지 않을 정도로 높은 준비금을 적립해야 한다.

은행이 「못 하거나」, 「감히 하지 못하는」 사업은 거대한 공백을 만들었고, Apollo, Blue Owl, Blackstone과 같은 사모 대형사들이 이를 메웠다 — 그들은 은행 규제의 제약을 받지 않아 더 유연하고 더 빠르지만 금리도 더 높은 자금 조달을 제공할 수 있으며, 프로젝트 임대료 또는 GPU/장비 및 장기계약을 담보로 한다.

그들에게 있어 이것은 매우 매력적인 시장이다 — 전통적인 인프라 자금조달 경험을 많이 갖고 있으며, 이 주제만으로도 운용자산 규모를 몇 배 성장시킬 수 있고, 운용수수료와 Carried Interest(성과보수)가 크게 증가한다.

그렇다면 이 사모신용펀드의 자금은 궁극적으로 어디서 오는가?

답은 기관 투자자(LPs), 즉 연기금(Pension Funds), 주권자산운용기금, 보험회사, 심지어 일반 투자자들(예: BlackRock이 발행한 사모신용ETF를 통해 — 여기엔 Meta 프로젝트 하의 144A 사모채 Beignet Investor LLC 144A 6.581% 05/30/2049 포함)이다.

리스크 전달 경로는 다음과 같이 확립된다:

(최종 리스크 부담자) 연기금/ETF 투자자/주권기금 → (중개기관) 사모신용펀드 → (자금조달 실체) SPV 또는 Neocloud(예: CoreWeave) → (최종 사용자) 기술 거대기업(예: Meta)

03 SPV 사례 분석 — Meta의 Hyperion

SPV 모델을 이해하기 위해, Meta의 「Hyperion」 계획은 훌륭한 사례다(공개 정보가 충분함):

구조/지분: Meta와 Blue Owl 운용 펀드가 JV(Beignet Investor LLC)를 구성한다. Meta 지분 20%, Blue Owl 80%. SPV 144A 구조로 채권 발행. JV가 자산을 건설하고, Meta가 장기 계약으로 임대. 공사 기간의 자본지출은 JV에 있고, 리ース 시작 후 자산은 점차 Meta의 자산부채상태표로 이전된다.
규모: 약 273억 달러의 채권(144A 사모채) + 약 25억 달러의 지분. 미국 역사상 최대 규모의 단일 기업채권/사모신용형 프로젝트파이낸싱 중 하나. 만기는 2049년으로, 이러한 장기 분할 상환 구조는 본질적으로 「가장 어려운 시간 리스크를 먼저 잠그는 것」이다.
이율/등급: 채무는 S&P로부터 A+ 등급을 받았으며(고등급으로 보험사들이 배분 가능), 표면 이율은 약 6.58%이다.
투자자 구조: PIMCO가 180억 달러를 인수했으며, BlackRock 계 ETF들이 합계 30억 달러 이상 인수. 이 투자자들에게는 매우 매력적인 고품질 안정 수익이다.
현금흐름 및 임대차 계약: Blue Owl이 관심 있는 것은 감가상각 기간 가정이 너무 길다고 걱정하는 일부 시장 참가자들이 주목하는 감가상각되는 GPU가 아니라(저는 지금 시장에서 일부 사람들이 GPU 감가상각 기간 가정이 너무 길다고 우려하는 것은 잘못된 초점이라고 생각합니다. 왜냐하면 GPU는 하드웨어의 일부분일 뿐이고, AI의 전체 가치는 하드웨어+모델에 있기 때문입니다. 구형 하드웨어의 가격은 반복적 업데이트로 인해 하락하더라도, 결국 AI 모델 적용의 가치가 함께 하락한다는 의미는 아닙니다), Meta의 장기 임대차 계약이 뒷받침하는 SPV의 현금흐름(2029년부터 시작)이다. 건설 기간 자금은 미국 국채로 사전 배분되어 리스크를 낮춘다. 이 구조는 회사채 유동성과 프로젝트파이낸싱 보호 조항을 결합하였으며, 동시에 144A-for-life(투자자 그룹 제한됨)이다.

왜 이런 구조의 단기 리스크가 극도로 낮을까?

이러한 구조 하에서 Hyperion의 임무는 단순하다: 왼손으로 Meta의 임대료를 받고, 오른손으로 Blue Owl의 이자를 지불한다. Meta가 무너지지 않는 한(예측 가능한 미래에서 가능성 극히 낮음), 현금흐름은 바위처럼 견고하다. AI 수요 변동이나 GPU 가격 하락을 걱정할 필요가 없다.

이 25년의 초장기, 임대료 기반 분할 상환 채권 구조는 임대료가 안정적으로 유입되고 이자가 정상적으로 지급되면, 모든 최근의 재융자 리스크를 잠근다. 이것이 바로 「시간 사기」의 핵심이다(AI 응용이 창출하는 가치가 재무 구조를 따라잡도록 천천히 기다리는 것).

동시에 Meta는 자신의 신용도와 강력한 현금흐름을 활용하여 전통적인 자본지출을 우회하는 막대한 장기 자금을 확보한다. 현대 회계기준(IFRS 16) 하에서는 장기 임대차 계약이 궁극적으로 「리스 부채」로 자산부채상태표에 기록되지만, 장점은 초기 건설 기간 수십억 달러의 자본지출 부담과 관련 건설 리스크 및 자금조달 업무를 우선적으로 SPV에 넘긴다는 점이다.

일회성 대규모 자본지출을 향후 25년간 분할 상환하는 리스료로 전환함으로써 현금흐름을 극대화한다. 그리고 이 AI 투자가 10~20년 내에 원리금을 지불할 만큼의 충분한 경제적 효과를 낼 수 있을지를 내건다(채권 6.58%의 표면 이율을 기준으로, 운영비용을 고려하면 EBITDA 기준 ROI는 적어도 9~10% 이상이어야 지분 보유자에게 괜찮은 수익률을 줄 수 있음).

04 Neocloud의 완충재 — OpCo의 지분 리스크

SPV 모델이 「신용 이전」이라면, CoreWeave, Nebius 같은 Neocloud 모델은 「리스크의 추가적인 계층화」다.

CoreWeave를 예로 들면, 자본구조는 SPV보다 훨씬 복잡하다. 다수 차례의 지분 및 채무 자금조달을 통해 Nvidia, VC, 성장펀드, 사모채권펀드 등이 투자하여 명확한 리스크 완충 시퀀스를 형성한다.

AI 수요가 예상보다 부족하거나 새로운 경쟁자가 나타나, CoreWeave의 수입이 급감하여 높은 이자를 지불하지 못한다면 어떻게 될까:

첫 번째 단계는 지분 가치 소멸: CoreWeave 주가 폭락. 이는 「지분 완충재」— 충격을 가장 먼저 흡수한다. 회사는 할인 자금조달을 강요받고, 기존 주주 지분이 크게 희석되거나 심지어 전액 손실될 수 있다. 반면 SPV의 지분 완충재는 더 얇다. 왜냐하면 공개시장에서 직접 자금조달이 불가능하기 때문이다.
두 번째 단계는 채권자 피해: 오직 지분이 완전히 「타버린」 후에도 CoreWeave가 채무를 갚지 못할 경우에야 Blackstone 같은 사모 채권자들이 손실을 입는다. 그러나 이러한 펀드는 대출 시 일반적으로 최신 GPU와 같은 훌륭한 담보물과 엄격한 상환 우선권을 요구한다.

CoreWeave와 Nebius는 모두 「먼저 확정된 장기계약을 체결한 후, 이를 기반으로 자금조달」하여 자본시장에서 빠르게 확장한다. 이 구조의 정교함은 대형 기업 고객이 더 나은 자금 운용 효율을 달성할 수 있게 하며, 출자를 하지 않고도 미래 구매 장기계약으로 더 많은 자본지출을 유도할 수 있다는 점이며, 리스크가 금융 시스템 전체로 전염될 가능성은 제한적이다.

반대로 Neocloud 주주들은 자신이 이 내기에 가장 험난하면서도 가장 자극적인 자리를 앉고 있다는 점을 유의해야 한다. 그들은 고속 성장을 걸고, 경영진의 재무 운영(채무 만기 연장, 지분 증자)이 거의 결함 없이 완벽하기를 기도하며, 또한 채무 만기 구조, 담보 범위, 계약 갱신 시점, 고객 집중도 등을 주의 깊게 살펴야 지분 리스크-보상 비율을 더 잘 평가할 수 있다.

AI 수요 성장이 실제로 느릴 경우, 어떤 잉여 생산능력이 가장 쉽게 버려질까? SPV일까, Neocloud일까? 왜일까?

05 Oracle Cloud: 비전형 클라우드 플레이어의 반격

모두가 CoreWeave와 3대 클라우드 거대기업에 주목할 때, 예상 밖의 「클라우드 흑마」 한 마리가 조용히 부상하고 있다: Oracle Cloud

이는 Neocloud에도 속하지 않고, 3대 기술 거대기업의 1선 진영에도 속하지 않지만, 고도로 유연한 아키텍처 설계와 Nvidia와의 심도 있는 협력을 통해 Cohere, xAI, 심지어 OpenAI의 일부 컴퓨팅 부하 계약을 따냈다.

특히 Neocloud의 레버리지가 점차 긴장되고, 전통적인 클라우드 공간이 부족할 때, Oracle은 「중립적」이며 「대체 가능」한 위치를 통해 2차 AI 컴퓨팅 파워 공급망의 중요한 완충층이 되었다.

그것의 존재는 이 컴퓨팅 파워 경쟁이 3강 구도만 있는 것이 아니라, Oracle처럼 전형적이지 않지만 전략적으로 매우 중요한 공급자들이 조용히 자리잡고 있다는 것을 보여준다.

하지만 잊지 말아야 할 것은, 이 게임의 판이 실리콘밸리에만 있는 것이 아니라 전 세계 금융시장으로 확장되고 있다는 점이다.

모두가 탐내는 정부의 「묵시적 보증」

마지막으로, 기술 거대기업과 사모 금융이 주도하는 이 판에서 잠재적인 「와일드카드」 한 장이 더 있다 — 정부. OpenAI는 최근 공개적으로 자료센터에 대한 정부의 대출 보증을 「원하지도 않고 원하지 않는다」고 밝혔으며, 정부와 논의 중인 것은 자료센터가 아닌 칩 제조업체의 잠재적 보증이라고 했다. 그러나 나는 그들(또는 유사한 참가자들)의 원래 계획에는 반드시 「정부를 끌어들여 단결하기」 위한 옵션이 포함되어 있었을 것이라고 생각한다.

왜 그런가? 만약 AI 인프라 규모가 사모채권이 감당할 수 없을 정도로 커진다면, 유일한 해결책은 국력 경쟁으로 격상하는 것이다. 일단 AI 리더십이 「국가안보」 또는 「21세기 달착륙 경주」로 정의되면, 정부의 개입은 자연스럽게 이루어진다.

이러한 개입의 가장 효과적인 방법은 직접 돈을 내는 것이 아니라 「보증」을 제공하는 것이다. 이 방법은 결정적인 이점을 가져온다: 자금조달 비용을 크게 낮출 수 있다.

나와 비슷한 연령대의 투자자라면 아마 Freddie Mac(프레디맥)/Fannie Mae(패니매)를 기억할 것이다. 이 두 「정부 후원 기업(Government Sponsored Enterprises; GSEs)」은 미국 정부의 공식 부서는 아니지만, 시장은 일반적으로 그들에게 「묵시적 정부 보증」이 있다고 믿었다.

그들은 은행으로부터 주택담보대출을 구매하여 MBS로 포장하고 보증한 후 공개시장에서 판매함으로써 자본을 다시 주택담보대출 시장으로 유도하여 대출 가능한 자금을 증가시켰다. 즉, 그들의 존재 때문에 2008년 금융위기의 영향 범위가 더 커졌다.

만약 미래에 「국가 AI 컴퓨팅 파워 회사」가 등장하여 정부가 묵시적 보증을 제공한다고 상상해보자. 그들이 발행하는 채권은 준주권채로 간주되어 이율이 미국 국채에 무한히 근접할 것이다.

이것은 앞서 언급한 「생산성 향상까지 기다리는 시간 사기」를 완전히 변화시킨다:

자금조달 비용 극도로 낮음: 차입 비용이 낮을수록 「AI 생산성 향상 속도」에 대한 요구도 낮아진다.
시간 무한 연장: 더 중요한 것은, 극도로 낮은 비용으로 지속적으로 만기를 연장(Roll over)할 수 있어 사실상 무한한 시간을 사는 것과 같다.

즉, 이렇게 하면 내기에서 「터지는」 확률이 크게 줄어든다. 하지만 터지면 영향 범위는 수십 배로 커질 수 있다.

06 조 단위 달러의 내기 — 진정한 핵심인 「생산성」

앞서 언급한 모든 금융 구조 — SPV, Neocloud, 사모채권 — 아무리 정교하더라도 결국은 「어떻게 돈을 지불할 것인가」라는 문제만 답하고 있다.

AI 인프라가 거품이 될지 여부의 가장 근본적인 질문은: 「AI가 실제로 생산성을 증가시킬 수 있는가?」 그리고 「그 속도는 얼마나 빠른가？」이다.

10년, 15년에 걸친 모든 자금조달 계획은 본질적으로 「시간 사기」다. 금융 공학은 거대기업에게 즉각적인 효과를 내지 않아도 되는 숨돌릴 시간을 준다. 그러나 시간을 사는 데는 대가가 따른다: Blue Owl과 Blackstone의 투자자들(연기금, 주권기금, ETF 보유자)은 안정적인 이자 수익을 요구하고, Neocloud의 지분 투자자들은 수배의 가치 성장을 요구한다.

이 자금 조달자들의 「기대 수익률」이 바로 AI 생산성이 넘어야 할 문턱이다. AI가 가져오는 생산성 향상 속도가 높은 자금조달 비용을 감당하지 못한다면, 이 정교한 구조는 가장 취약한 지점에서 붕괴되기 시작할 것이다(「지분 완충재」).

따라서 앞으로 몇 년간 다음 두 가지 측면에 특히 주목해야 한다:

각 분야의 「응용 솔루션」 출시 속도: 강력한 모델(LLM)만으로는 충분하지 않다. 기업이 실제로 지갑을 열게 만드는 「소프트웨어」와 「서비스」를 봐야 한다. 이러한 응용이 대규모로 보급되어 발생하는 현금흐름이 막대한 인프라 비용의 원리금을 상환할 만큼 커져야 한다.
외부 제약 요인: AI 데이터센터는 전기를 대량으로 소비하는 괴물이다. 지수적으로 증가하는 컴퓨팅 파워 수요를 충족시킬 만큼 충분한 전력이 있는가? 전력망 업그레이드 속도가 따라올 수 있는가? Nvidia의 GPU 및 기타 하드웨어 공급이 병목현상을 겪어 금융 계약에서 요구하는 일정보다 「느려질」 수 있는가? 공급 측 리스크는 모든 「사들인 시간」을 소진시킬 수 있다.

간단히 말해, 이것은 금융(자금조달 비용)과 물리(전력, 하드웨어), 그리고 비즈니스(응용 실행) 사이의 경주다.

정량적인 방식으로 AI가 거품을 피하기 위해 어느 정도의 생산성 향상이 필요한지 대략적으로 추정해볼 수도 있다:

Morgan Stanley 예측에 따르면, 이번 AI 투자는 2028년 누적 기준 약 3조 달러에 이를 것으로 보인다.
앞서 언급한 Meta의 SPV 채권 발행 비용은 약 6~7%이며, Fortune 보도에 따르면 CoreWeave의 현재 평균 채무 이율은 약 9% 수준이다. 산업 대부분의 사모채권이 요구하는 수익률을 7–8%, 지분-채무 비율을 3:7로 가정하면, 이 AI 인프라의 ROI(EBITDA와 총 자본지출 기준)가 12~13%에 도달해야 지분 수익률이 20% 이상이 될 수 있다.
따라서 필요한 EBITDA = 3조 × 12% = 3,600억 달러; EBITDA 이윤률 65%를 기준으로 계산하면, 해당 매출은 약 5,500억 달러;
미국 명목 GDP 약 29조 달러를 기준으로 추정하면, AI가 장기간 뒷받침해야 하는 신규 산출은 약 GDP의 1.9%에 해당한다.

이 문턱은 낮지 않지만, 터무니없는 것도 아니다(2025년 글로벌 클라우드 산업 총수입은 약 4,000억 달러 수준. 즉, 우리는 AI가 또 다른 클라우드 산업 1~2개를 재창조하는 수준을 최소한 목격해야 한다). 핵심은 응용 수익화 속도와 물리적 병목이 동시에 해결될 수 있는가에 달려 있다.

리스크 시나리오 스트레스 테스트: 「시간」이 부족할 때?

앞서 언급한 모든 금융 구조는 생산성이 자금조달 비용을 앞서갈 것이라는 내기다. AI 생산성 실현 속도가 예상보다 느릴 경우의 연쇄 반응을 시뮬레이션하기 위해 두 가지 스트레스 테스트를 제시하겠다:

첫 번째 경우, AI 생산성이 「느리게」 실현된다고 가정하자(예: 15년 만에 규모화되지만, 많은 자금조달은 10년 만기).

Neocloud가 가장 먼저 무너진다: CoreWeave 같은 고레버리지 독립 운영사가 수입으로 높은 이자를 감당하지 못해 「지분 완충재」가 타버리고, 채무 불이행 또는 할인 재조정이 발생한다.
SPV가 만기 연장 리스크에 직면한다: Hyperion 같은 SPV 채무 만기 시, Meta는 더 높은 이율(시장이 Neocloud의 실패를 목격함)로 재융자할지 결정해야 하며, 이는 핵심 사업 이익을 침식한다.
사모채권펀드 LPs가 막대한 손실을 입고, 기술주 평가가 크게 하향 조정된다. 이는 「비용이 큰 실패」지만, 시스템적 붕괴를 유발하지는 않는다.

두 번째 경우, AI 생산성이 「부정」되었다고 가정하자(기술 진전이 정체되거나 비용이 낮추고 규모화되지 않음):

기술 거대기업이 「전략적 디폴트」를 선택할 수 있다: 이것이 최악의 상황이다. Meta 등 거대기업은 「계속 임대료를 지불하는 것」이 끝없는 구렁텅이라 판단하고, 강제로 임대차 계약을 종료하여 SPV 채무 재조정을 강요할 수 있다.
SPV 채권 붕괴: Hyperion처럼 A+ 등급으로 여겨졌던 채권의 신용도가 즉시 Meta와 분리되어 가격이 폭락한다.
이는 사모신용 「인프라 자금조달」 시장을 완전히 파괴할 수 있으며, 앞서 언급한 연계성으로 인해 금융시장의 신뢰 위기를 유발할 가능성도 매우 높다.

이러한 테스트의 목적은 모호한 「거품인지 여부」라는 질문을 구체적인 시나리오 분석으로 전환하는 것이다.

07 리스크 온도계: 투자자를 위한 실용 관측 리스트

시장 신뢰 변화에 대해 저는 다섯 가지를 지속적으로 관찰하며 리스크 온도계로 삼고자 한다:

AI 프로젝트 생산성 실현 속도: 대규모 모델 업체의 예상 수입 증가 또는 감속(선형 성장인지 지수 성장인지), 다양한 AI 제품 및 프로젝트 응용 상황.
Neocloud 기업 주가, 채권 수익률, 공시사항: 대규모 주문, 디폴트/계약 수정, 채무 재융자(일부 사모채는 2030년경 만기로 특별히 주목 필요), 증자 속도.
SPV 채권의 2차시장 가격/스프레드: Hyperion 같은 144A 사모채가 액면가를 유지하고 있는지, 거래가 활발한지, ETF 보유량이 증가하고 있는지.
장기계약 조항의 질적 변화: take-or-pay 비율, 최소 보유 기간, 고객 집중도, 가격 조정 메커니즘(전기료/이율/가격의 인플레이션 조정).
전력 진행 상황 및 가능한 기술 혁신: 가장 병목이 될 가능성이 높은 외부 요인으로서, 변전, 송배전 및 전기요금제 정책 신호에 주목해야 한다. 또한 전력 소비를 크게 줄일 수 있는 새로운 기술이 있는지도 확인해야 한다.

왜 이것이 2008년의 복제판이 아닌가?

일부 사람들은 2008년 거품과 유사하게 비교할 수 있다고 생각할 수 있다. 나는 이런 접근이 오해를 초래할 수 있다고 생각한다:

첫 번째는 핵심 자산의 본질이 다르다: AI vs 주택

2008년 서브프라임 위기의 핵심 자산은 「주택」이었다. 주택 자체는 생산성 기여가 없다(임대 수익 성장이 극히 느림). 주택 가격이 주민 소득 기본에 벗어나 복잡한 금융 파생상품으로 여러 겹 포장되면, 거품 붕괴는 시간문제였다.

반면 AI의 핵심 자산은 「컴퓨팅 파워」다. 컴퓨팅 파워는 디지털 시대의 「생산 도구」다. 당신이 AI가 미래 어느 시점에 사회 전체의 생산성을 실질적으로 증가시킬 가능성이 높다고 믿는다면, 너무 걱정할 필요가 없다. 이것은 미래 생산성에 대한 「선취」다. 실질적인 기본에 기반을 두고 있으며, 아직 완전히 실현되지 않았을 뿐이다.

두 번째는 금융 구조의 핵심 노드가 다르다: 직접금융 vs 은행

2008년 거품은 핵심 노드(은행)를 통해 크게 확산되었다. 리스크는 「은행 간접금융」을 통해 전파되었다. 한 은행의 도산(예: 리먼)이 모든 은행에 대한 신뢰 위기를 일으켜 은행 간 시장이 얼어붙고, 궁극적으로 모든 사람을 포함하는 시스템적 금융위기(유동성 위기 포함)를 촉발했다.

현재의 AI 인프라 자금조달 구조는 「직접금융」이 중심이다. AI 생산성이 부정되면 CoreWeave가 파산하고, Blackstone의 75억 달러 채무가 디폴트되면, 이는 Blackstone 투자자(연기금)의 거대한 손실이 될 것이다.

2008년 이후 은행 시스템은 분명 더 강화되었지만, 리스크를 사모시장에 완전히 「봉쇄」할 수 있다고 과도하게 단순화해서는 안 된다. 예를 들어 사모신용펀드 자체가 은행 레버리지를 이용해 수익을 증폭시킬 수 있다. 만약 AI 투자가 일반적으로 실패하면, 이러한 펀드의 거대한 손실은 두 가지 경로를 통해 외부로 확산될 수 있다:

레버리지 디폴트: 펀드가 은행에 대한 레버리지 자금조달 디폴트를 일으켜 리스크가 은행 시스템으로 되돌아간다.
LPs 충격: 연기금, 보험사가 투자 대손으로 인해 재무상태가 악화되어 공개시장에서 다른 자산을 매각하게 되며, 연쇄 반응을 촉발한다.

따라서 더 정확한 표현은: 「이것은 2008년那种 단일 포인트 폭발, 전면 동결의 은행 간 유동성 위기가 아니다.」 최악의 상황은 「비용이 큰 실패」이며, 전염성은 낮고 속도도 느리다. 그러나 사모시장의 불투명성으로 인해 이러한 새로운 형태의 느린 전염 리스크에 대해서는 여전히 높은 경계심을 가져야 한다.

투자자에게 주는 교훈: 당신은 이 시스템의 어느 계층에 있는가?

다시 처음 질문으로 돌아가자: AI 기반시설은 거품인가?

거품의 형성과 붕괴는 기대 효과와 실제 결과의 큰 격차에서 비롯된다. 나는 방향성 측면에서 거품이 아니라고 생각하며, 오히려 정교한 고레버리지 금융 배치에 가깝다. 그러나 리스크 측면에서 보면, 일부 고리에 특별히 주의해야 하며, 소규모 거품이 초래할 수 있는 「부의 역효과(negative wealth effect)」를 경시해서는 안 된다.

투자자 입장에서, 이 수조 달러 규모의 AI 인프라 경쟁에서 당신은 각기 다른 자산을 보유할 때 무엇을 내기하고 있는지 알아야 한다: