
방대한 GPU가 유휴 상태인데도 AI 기업은 컴퓨팅 파워를 임대하지 못한다: 왜 컴퓨팅 파워는 석유처럼 자유롭게 거래되지 않는가?
저자: Jonah Burian, Blockchain Capital 투자자
번역: TechFlow
TechFlow 요약: 현재의 AI 열풍에서 컴퓨팅 파워는 '디지털 시대의 석유'로 널리 여겨지며, 업계는 항상 원유나 전기와 유사한 글로벌 스팟 및 선물 거래 시장의 구축을 꿈꿔 왔습니다. 그러나 현실은 극도로 비정상적입니다: 최상위 연구소의 컴퓨팅 파워가 대량으로 유휴 상태에 있지만 매각할 수 없으며, 중소 혁신 기업은 칩 구하기 어렵에 직면하고 유동성 중개 시장은 제때 도입되지 못하고 있습니다.
심층적 장애물은 단순한 칩 이종성과 물리적 연결을 넘어, 거의 알려지지 않은 '신용 구조'에 있습니다. 현대 대규모 GPU 클러스터는 수십억 달러의 부채 조달에 의존하며, 자금 제공자가 담보하는 본질은 하드웨어 잔존 가치가 아닌 임차인의 재무제표와 계약 이행 신용입니다. 'Take-or-pay(사용 여부와 관계없이 전액 결제)'의 강력 긴 계약은 컴퓨팅 파워를 복잡한 신용 보증 네트워크에 잠그고 있습니다.
본문 저자는 유명 벤처캐피탈 기관인 Blockchain Capital 소속으로, 에너지 거래와 구조화 금융의 하드코어 관점에서 접근하여 컴퓨팅 파워 2차 임대 뒤의 연쇄적 채무 불이행 반응과 유동성 혼란을 세밀하게 분석합니다. 자금 제공자가 특정 고객이 아닌 자산 자체를 진정으로 신뢰할 때만이 심층 컴퓨팅 파워 스팟 시장의 돌파구가 가능해질 것입니다.

핵심 갈등: 컴퓨팅 파워 부족 가짜 현상과 유휴 생산 능력
최첨단 AI 연구소라고 가정해 보세요. 차세대 대형 언어 모델을 훈련하기 위해 10만 개의 GPU를 확보하려 합니다. 오늘 시장에서 구매해보려고 하면 사실상 즉시 사용 가능한 용량이 거의 없다는 사실을 알게 됩니다. 전 세계 주요 클라우드 서비스 제공사를 둘러보면 미래 몇 년 치 컴퓨팅 파워 할당량은 이미 모두 예약되어 있습니다.

업계에서 이에 대해 가장 흔히 내세우는 설명은 '수요가 공급을 훨씬 초과한다'는 것입니다. 모두 앞서 경쟁하며 선진 칩을 사들이고 있으며, 신규 웨이퍼 생산 능력과 데이터 센터 인프라 건설에는 수년이 걸려야 완공되어 가동됩니다.

그러나 '수요 초과 공급'은 전부를 말하지 못합니다. 여기 상식을 깨는 역설적인 현상이 존재합니다: 현재 컴퓨팅 파워 시장에는 실제로 막대한 양의 유휴 생산 능력이 존재한다는 사실입니다.
탄탄한 재무제표와 방대한 컴퓨팅 파워를 보유한 기존 구매자들을 면밀히 방문하면, 그들이 계속 최대 가동률로 돌아가지는 않는다는 것을 알 수 있습니다. 모델 학습은 뚜렷한 맥박식 폭발 특징을 보입니다: 대규모 사전 학습 클러스터 테스트를 진행할 때는 모든 하드웨어가 순간적으로 동원되지만, 두 번의 학습 사이클 사이에는 몇 주 혹은 몇 달의 공백기가 있을 수 있으며, 이때 수천 수만 개의 고가 칩은 극히 낮은 활용 상태로 방치되기 쉽습니다.

이토록 막대한 폭락기 유휴 컴퓨팅 파워는 자연스럽게 매우 매력적인 이상적 비전을 불러일으킵니다: GPU 가동 시간을 전문적으로 중개하는 스팟 거래소를 설립하는 것. 자유 시장은 언제나 자원의 효율적 배분과 실제 가격 발견에 능숙했으며, 컴퓨팅 파워 역시 예외여서는 안 됩니다. 그러나 의아한 것은 왜 이러한 거래소가 여전히 제대로 모습을 드러내지 못했느냐는 점입니다.

종종 기술적 차원의 비표준화를 탓하기도 합니다: 컴퓨팅 파워는 단일 자산이 아닙니다. 시장에는 엔비디아 H100, B200, B300이 있으며, 다른 세대급 네트워크 프로토콜(InfiniBand 및 이더넷 RoCE 등)과 액체 냉방 방식 차이, 지리적 데이터센터 지연 시간 등이 더해져 이를 표준화 계약으로 묶어내기 어렵습니다.

하지만 이것이 절대 핵심 병목은 아닙니다. 원자재 시장을 둘러보면 원유 역시 수백 종의 서로 다른 등급과 산지를 포함합니다. 시장은 결국 WTI와 브렌트 원유를 기반으로 기준 가격을 확립했으며, 기타 품종은 이를 참고하여 할인·할증을 적용해 중매하면 됩니다. 컴퓨팅 파워 또한 자체적으로 표준화된 환산 기반을 갖추고 있습니다.
장기간 진정으로 간과되어 온 심층적 장벽은 실제로 GPU 뒤의 금융 구조에 있습니다. 대부분의 초대규모 컴퓨팅 파워 클러스터는 자가 자본 전액 지급으로 구매하는 것이 아니라 거액 차입에 의존합니다. 그리고 대출 조항의 구속은 누가 컴퓨팅 파워를 판매할 자격이 있는지, 또 누가 이를 인수할 자격이 있는지를 직접적으로 결정합니다.
GPU 기반 금융 구조: Take-or-pay 계약
현재 비즈니스 환경에서 대규모 GPU 구축은 보편적으로 'Take-or-pay(사용 여부 무관 결제)' 계약을 의존합니다: 이는 3년에서 6년까지 지속되는 독점 장기 협정으로, 고객이 컴퓨팅 파워를 실제 사용하는지와 무관하게 정해진 기간 동안 전액 임금을 정기 납부해야 합니다. 이는 데이터센터 착공 이전이거나 심지어 칩 패키징조차 되지 않았음에도 모든 생산 능력이 완전히 잠금 처리됨을 의미합니다.

Take-or-pay 계약의 기초 순환 논리
이 비즈니스 모델의 기초 논리를 재구성해 봅시다. 어떤 AI 연구소가 급히 10만 개의 GPU가 필요하지만 주요 퍼블릭 클라우드 전체는 즉시 가용 용량이 없다고 가정해 봅시다. 신흥 전문 컴퓨팅 클라우드(Neocloud)나 데이터센터 운영 사업자가 맞춤형 전용 클러스터를 구축할 의사는 있으나, 내부적으로 수억 달러 규모 여유 현금이 없어 금융 대출 기관에 대규모 프로젝트 차입을 신청해야 합니다.

이때 대출 기관의 관점에서 사고해 봅시다: 자금 지원자가 신생하고 격변하는 산업에 수십억 달러를 투입하도록 요청받으며, 담보물은 가치 하락 속도가 매우 빨라 정확한 가치 평가가 어려운 일종의 하드웨어입니다. 3년 후 이 칩들은 얼마만큼의 가치를 보유하게 될까요? 만약 이 초창기 AI 연구소가 갑자기 경영 악화나 심지어 파산 청산에 휩싸인다면 자금 제공자는 어떻게 자기 방어를 할까요?
'Take-or-pay' 계약은 자금 제공자의 우려를 완벽히 해소해 줍니다. 자금 제공자는 하드웨어의 잔존 중고 가치를 예측하는 데 신경 쓸 필요가 없습니다. 계약은 예상 가능한 안정적인 현금 흐름과 명확한 결제자를 고정시켜 주기 때문입니다. 금융 기관이 대출을 하는 기초는 실질적으로 칩 자체의 인출 잔존 가치보다 최종 고객의 불가 취소성 현금 흐름을 담보하는 것에 기반합니다.

여기 핵심 포인트는 다음과 같습니다: 임대 고객 신용 평판등급은 컴퓨팅 데이터센터 금융 차입 비용을 직접 결정합니다.
고객 관점의 장단점 평가
최종 임대 고객 입장에서는 장기 가격 고정을 통해 비용 급등 리스크를 효과적으로 헤지할 수 있습니다. 외부 컴퓨팅 파워 임대 가격 지수가 크게 상승하더라도 고객의 단가는 흔들리지 않고 견고하게 유지되므로, 공급망이 극도로 긴급한 상황에서 전략적 가치가 큽니다.

반면 또 다른 이면에서는 고객이 막대한 잠재적 리스크를 짊어지게 된다는 점이 있습니다. 첫 번째로, 기업 경영 악화와 자금 차단의 위기가 발생하거나 사업 전환이 일어나더라도 매分期마다 거액의 지불 의무를 반드시 이행해야 합니다; 두 번째로 고객은 막대한 양의 유휴 컴퓨팅 파워에 대해 전액을 부담해야 합니다. 구매 규모는 종종 컴퓨팅 파워 피크 수요에 맞추어 설계되지만, 두 번의 대규모 학습 사이클 사이의 공백기에는 기계 가동이 멈추는 것과 다름없어 지속적으로 자본이 탕진되는 상황과 같습니다.

직관적으로 보기에 이는 2차 유동성 시장 탄생의 온상으로 보입니다: 일정 기간 내에 유휴 할당량을 보유하고 이를 다시 매매하여 현금화하려는 일부 고객이 있고, 다른 한편 단기 플러그 앤 플레이 컴퓨팅 파워가 절실한 기업들도 있기 때문입니다.

왜 컴퓨팅 파워 스팟 거래소는 형성하기 극히 어려운가
단계별 작업 완료 후 더 이상 필요한 GPU가 없는 대형 연구소가 남은 계약 기간을 다른 수요처에 팔려고 한다고 상상해봅시다. 이때 자금제공 대출자는 반드시 엄격히 개입할 수밖에 없는데, 그 이유는 초기 거액 대출의 핵심 전제가 해당 최초의 연구소 자체의 최고 수준의 신용력을 담보로 삼았기 때문입니다.

임차인이 자금 여력이 풍부하고 평점이 우수한 테크 거대기업이라면 데이터센터는 극히 저렴한 대출 금리를 받을 수 있습니다. 반면 매수자가 고위험 초기 스타트업이라면 동일한 칩 클러스터의 시장 차입 리스크 프리미엄은 배수로 치솟게 됩니다. 임차인의 신용등급이 자금의 실제 비용을 결정하며, 한 번 평점이 낮은 기관으로 재임대한다면 자금 제공자의 리스크 노출은 완전히 통제 불가능 상태가 됩니다.

더욱 중요한 점은, 2차 임차인이 대부 차질이나 계약 위반이 발생하면, 처음 재임대를 시도했던 원본 AI 연구소 역시 데이터센터 측에 대해 포기할 수 없는 연대 변책 임무를 져야 한다는 것입니다. 이처럼 무거운 추적 사슬 때문에 컴퓨팅 파워 양도는 전통적인 금융 중개 메커니즘을 전혀 적용할 수 없습니다.
증거래소에서 애플 주식 1주를 매도할 경우, 체결과 동시에 판매자와 구매자의 권리와 의무는 완전히 정리되며, 심지어 구매자가 누구인지 전혀 몰라도 상관없습니다. 그러나 컴퓨팅 파워 거래에서는 재판매한 이후에도 여전히 부채 연대보증 안에 갇혀서 실질적으로 매수자의 신용 인수자 역할을 하게 됩니다.

이어지는 일련의 복잡한 파생 쟁점들도 발생합니다: 2차 매수자가 3차 매수자에게 지속적으로 재판매할 수 있을까요? 부채 레이어 최하단에 위치한 원본 연구소는 최종 사용자들의 실제 신원과 업무 규범성에 대해 알 권리를 과연 갖췄을까요? 얽히고설킨 신용 크로스 네트워크는 컴퓨팅 파워 스팟 시장을 표준화된 원자재 상품처럼 대규모 자유로운 전환이 이루어지기 어렵게 만듭니다.
탈출의 길: 고객 신뢰에서 자산 신뢰로 전환
겉보기 현상을 벗겨내고 보면 쉽게 이해할 수 있습니다. 모든 중개 장애물의 근원은 똑같은 증후를 가리킵니다: 자금 제공 기관의 리스크 관리 논리에서 GPU 하드웨어와 이를 최종적으로 쓰는 고객은 깊이 결부된 하나의 단일주체입니다. 하지만 성숙한 원자재 시장은 결코 그렇지 않습니다. 원유통 하나가 최종적으로 누군가가 사가는지는 결코 문제가 되지 않으며, 그것은 시장에 언제든지 공정 가격으로 수용할 의사 있는 실제 구매자가 수천 수만 명 있어기 때문입니다.
컴퓨팅 파워 스팟 시장을 완전히 안착시키기 위해서는, 대출 기관은 ‘특정 고객’이 아닌 ‘자산 자체’에 대한 신뢰로 전환해야 합니다. 다시 말해, 대출 기관은 확실히 굳혀야 합니다:万一 주요 대형 고객이 계약 위반 후 반납한다 해도 공공 시장에서 다른 임차인을 신속하게 찾아 끊김없이接手할 수 있다는 점을 믿어야 합니다. 자산의 현금화 유동성을 진정으로 신뢰할 때만이 금융 구조 차원에서 칩 자금 조달과 실제 사용자를 완전히 분리할 수 있습니다.

하지만 이러한 분리는 실무에서 전형적인 '닭이 먼저일까 닭알이 먼저일까' 딜레마에 직면합니다. 자금 제공자는 임차人 계약 위반 시 매끄럽게 포지션 정리(平仓)할 수 있도록 깊이를 겸비한 스팟 시장이 필요합니다. 그러나 깊이있는 유동성을 가진 스팟 시장은 자금제공자가 먼저 'Take-or-pay' 강력한 장기 계약에 대한 집착을 버리지 않고서는 등장하기 어렵습니다. 즉, 투자등급 미만의 고객을 백업으로 삼지 않은 채로 클러스터에 조기 대출을 제공하는 용기를 보여줘야만 가능합니다.

추가로, 유동성 초기의 순환 장벽을 뛰어넘었다고 해도 심층 스팟 시장은 시스템 리스크로부터 완전히 면역될 수 없습니다. 대형 언어 모델(LLM) 산업에서 업계 변동성은 대체로 높은 연관성을 띠고 있습니다. 만약 특정 톱 클래스 고객이 대규모로 계약 위반을 일으킨다면, 이는 거의 필연적으로 해당 전체 산업 분야가 더 깊은 성장 병목 상황에 직면했음을 의미하며, 이때 스팟 임대료 또한 급격한 추락의 타격을 피해가기 어려울 것입니다.
난관이 산적해 있더라도 변화는 여전히 놀라운 기회를 품고 있습니다. GPU 컴퓨팅 파워는 오늘날 세계에서 가장 중요한 핵심 생산 요소 중 하나로 자리 잡았으며, 하류 수요는 극도로 호황입니다.
그와 반대로 전 세계 컴퓨팅 파워 자원의 불균형은 눈살 찌푸리게 심각합니다: 한편에서는 장기 계약서를 든 기관들이 공회전하며 자금을 태우고, 다른 한편에서는 지식 갈증이 큰 혁신 팀들은 사용할 카드가 없어 고초를 겪고 있습니다. 이와 같은 비효율적 분배는 영원히 지속될 수 없으며, 이 최하층 금융 중개 메커니즘을 가장 먼저 돌파한 자는 반드시 계산할 수 없는 경제적 가치를 방출하게 될 것입니다.
부록 및 심층 배경 분석
첫째, 톱 클래스 연구소는 복합형 특이 사례에 속합니다. 방대한 컴퓨팅 파워를 확보한 대형 언어 모델 거대기업은 보통 모델 학습과 대규모 온라인 추론 서비스를 동시에 수행하므로, 내부적으로 다양한 작업 부하를 유연하게 조절할 수 있습니다. 자율 에이전트가 24시간 백그라운드 배치 작업을 처리할 수 있게 되면서, 야간 유휴 컴퓨팅 파워 활용 효율은 지속적으로 개선되고 있습니다.
둘째, 신용 제약이 스팟 시장 결핍의 유일한 원인은 아닙니다. 하드웨어 세대 이질성, 네트워크 토폴로지 그리고 물리적 이동 비용 역시 무시할 수 없는 객관적 저항입니다. 본문의 핵심은 장기적으로 시장에서 간과되어 온 금융 신용 디드락(교착상태)을 밝히는 데 있습니다.
셋째, 다층 구조 자산과 신용 쌓기. 실제 건설 중인 거대 클러스터는 대체로 더욱 복잡한 자금 투자 게임 구조를 내포합니다:

데이터센터 매칭 오너(하부자산): 일반적으로 중자산 부동산 투자자로서, 토지, 데이터센터 건물시설, 전력 배전 및 냉각 설비를 보유하며, 장기 임대 계약을 토대로 은행으로부터 자금 조달을 받아 시공을 진행합니다.
신흥 컴퓨팅 클라우드 제공사(중간층 운용): 서버 클러스터 구매 및 설치 임무를 맡고, 데이터센터 오너에게 공간과 전력 임대료를 납부하며, 하류 AI 연구소와의 장기 체결 의무를 기반으로 칩 담보 융자를 획득합니다.
AI 연구소(최상위 수취자): 수년간 강제 이행의 Take-or-pay 장기 계약을 체결하고, 정기적으로 컴퓨팅 클라우드 제공사에 서비스 요금을 지급합니다.
데이터센터 오너의 대출자는 신흥 클라우드 제공사가 기한 내에 임대료를 정확하게 납부할 것이라고 기대합니다. 반면 신흥 클라우드 제공사는 대부분 자본금 예비 여력이 부족한 편이며, 이들이 연구소와 체결한 서비스 계약은 대개 3~5년 정도에 불과하지만, 데이터센터 자체의 하부 임대 계약은 보통 10년 이상으로 길게 잡힙니다. 건립된 금융 구조물의 핵심 지지대는 여전히 전적으로 연구소의 신용 계약 이행능력에 묶여 있습니다.
넷째, 계약 양도 메커니즘의 한계. 일부 고급 계약은 컴퓨팅 파워 임대권을 제삼자 새 임차인에게 양도할 수 있도록 허용하고 있지만, 실행 시에는 일반적으로 새 임차인이 동등한 자산 신용 수준을 갖추도록 엄격히 제한합니다. 자금 제공자가 최초 서명자의 연대 변책 임무를 아직 해제하지 않았다면, 재임대 측은 여전히 장기적인 회수 리스크 속에 깊이 빠져 있게 됩니다.













