- TS 롬바드 & UBS & GS

원본 리포트 발간일: 26년 6월 4일 (TS 롬바드, UBS, GS)

 

지난해까지만 해도 시장의 질문은 분명했습니다. 빅테크가 AI 인프라에 쏟아붓는 막대한 자본지출(capex)을 과연 회수할 수 있느냐는 것이었죠. 그런데 올해 들어 분위기는 크게 달라졌습니다. 클라우드 매출이 빠르게 늘고, 연산 자원(compute) 수요가 폭발하면서 이제 투자자들은 빅테크가 돈을 너무 많이 쓰는 것이 아니라, 오히려 충분히 쓰고 있는지를 묻기 시작했습니다.

 

하지만 논쟁이 끝난 것은 아닙니다. 겉으로는 AI 인프라 수요가 강해 보이지만, 그 수요가 외부 고객의 실제 지불 의사에서 나오는 것인지, 아니면 빅테크와 AI 기업 사이의 자금 순환 구조에 의해 만들어진 것인지는 여전히 핵심 쟁점으로 남아 있습니다. 결국 AI 자본지출 붐의 지속 가능성은 단순히 데이터센터를 얼마나 더 짓느냐가 아니라, 그 투자가 실제 생산성과 수익성으로 이어질 수 있느냐에 달려 있습니다.

 

마침 이 논쟁을 다시 끌어올린 사건도 있었습니다. 브로드컴이 시장 기대에 못 미치는 AI 칩 가이던스를 내놓으며 장 마감 후 14% 급락했고, 엔비디아도 4% 하락하는 등 반도체 전반이 흔들린 것입니다. 같은 날 TS 롬바드(TSL), UBS, 골드만삭스(GS)는 AI 투자 붐을 각기 다른 각도에서 해석했습니다. TSL은 순환 구조와 생산성의 불확실성을 경계했고, UBS는 AI 투자와 연산 수요가 아직 둔화됐다고 보기 어렵다고 봤으며, GS는 강한 인프라 수요를 인정하면서도 비용과 ROI의 중요성을 함께 짚었습니다. 세 시각을 함께 보면, 지금 시장이 AI를 얼마나 낙관하고 있는지뿐 아니라 그 낙관론이 어디에서 흔들릴 수 있는지도 보다 분명해집니다.

 

◼︎ 먼저, 지금이 어느 정도 규모의 붐인지

TSL은 그 규모부터 짚었습니다. 빅테크들은 2026년 데이터센터에 7천억 달러가 넘는 돈을 쓸 계획이고, TSL 추정으로 전 세계 AI 자본지출은 약 8천억 달러에 이릅니다. 이 중 80% 이상이 미국에서 나오며, 미국의 AI 지출은 2026년 GDP의 2%에 달할 전망입니다. 사우디아라비아, 말레이시아, 중국, 북유럽 국가들이 그 뒤를 잇지만 GDP 대비 비율은 미국의 4분의 1 수준에 그칩니다. 돈이 어디로 가는지 보면 약 60%는 GPU와 맞춤형 칩 같은 하드웨어에, 25%는 전력과 냉각 같은 인프라에, 15%는 부지 확보와 건설에 쓰입니다. 반도체에 1달러를 쓸 때마다 67센트의 보조 인프라가 추가로 필요한 셈이죠.

 

과거 투자 붐과 비교하면 그 크기가 더 와닿습니다. 흔히 GDP 대비 비율로 견주는데, 이 방식으로는 1803년 루이지애나 매입(미국이 프랑스로부터 중부의 광대한 영토를 사들인 거래)에 이어 미국 역사상 두 번째로 큰 투자 붐에 해당합니다. 다만 TSL은 붐 기간 전체에 쌓이는 누적 지출로 보는 편이 더 적절하다고 봤습니다. 그 기준으로 보면 AI 자본지출은 이미 닷컴 시기의 통신망 구축, 아폴로 우주 계획, 셰일 에너지 붐을 넘어섰고, 1950~60년대 주간(州間) 고속도로망 건설과 맞먹으며, 19세기 철도 광풍에만 뒤지는 수준입니다. 이대로라면 미국 역사상 최대 투자 프로젝트가 될 수도 있다는 것이죠.

 

◼︎ 강세론자들이 다시 우위를 점한 이유

이렇게 분위기가 바뀐 데는 두 가지 변화가 있었다고 TSL은 설명합니다. 첫째는 클라우드 매출의 급증입니다. 아마존, 마이크로소프트, 구글의 클라우드 부문을 합치면 연환산 매출이 약 3,700억 달러에 이르는데, 1년 전 3,000억 달러에서 크게 뛴 것입니다. 게다가 아직 매출로 인식되지 않은 수주 잔고(backlog)가 약 1조 5천억 달러에 달한다고 합니다. 이는 기업 고객과 AI 연구소들이 서명한, 법적 구속력이 있는 다년 계약이죠. 데이터센터가 돈을 못 번다던 비관론자들의 예상이 빗나간 셈입니다.

 

둘째는 연산 수요의 기하급수적 증가입니다. 오픈AI가 처리하는 토큰(AI가 글을 다루는 기본 단위)은 작년 말 분당 60억 개에서 150억 개 이상으로 늘었고, 구글은 월 3,200조 개라는 막대한 양을 처리하며 1년 만에 7배로 불었습니다. 수요가 워낙 폭발적이라 일부 업체는 토큰 사용을 제한하고 접속을 조절할 정도이고, GPU와 메모리 대여 가격도 치솟았습니다. 특히 스스로 여러 단계의 작업을 수행하는 '에이전트형 AI(agentic AI)'가 등장하면서 일반적인 챗봇 대화보다 작업당 5배에서 30배 많은 토큰을 소모하게 된 점이 수요를 끌어올린 핵심 동력이라고 TSL은 봤습니다. 그 결과 일부 기업은 2026년 AI 인프라 예산을 반년도 안 돼 모두 써버렸다고 합니다.

 

◼︎ 1년 전만 해도 비관론이 시장을 지배했다

흥미로운 것은 불과 1년 전만 해도 정반대였다는 점입니다. TSL은 당시 비관론의 근거를 네 가지로 정리했는데, 지금의 강세론을 균형 있게 보는 데 도움이 됩니다.

 

가장 큰 우려는 투자 규모 자체였습니다. 2025년 말 구글, 메타, 마이크로소프트, 오라클의 투자액이 매출의 100%를 넘어섰고 아마존도 85%에 이르렀습니다. 현금이 풍부하고 마진이 높던 자산 경량 기업이 갑자기 자본 집약적인 인프라 사업으로 변모한 것이죠. 잉여현금흐름이 사라지고 차입이 늘면서, 부채로 부풀었던 닷컴 버블이나 금융위기와 비교하는 시각이 나왔습니다. 둘째는 수익성에 대한 회의였습니다. 투자 규모와 감가상각을 고려하면 빅테크들은 매년 수천억 달러를 벌어야 하는데 이는 비현실적으로 보였고, 딥시크 충격 이후 거대언어모델(LLM)이 범용재로 전락하며 해자가 사라질 수 있다는 우려도 컸습니다. 셋째는 역사의 교훈이었습니다. 인터넷도 철도도 세상을 바꿨지만 초기 개척자들은 돈을 잃었다는 것이죠. TSL은 엔비디아가 '제2의 시스코'가 될 수 있다고 표현했습니다. 시스코는 닷컴 정점에서 영원히 40% 성장을 이어갈 것이라는 가정 아래 고평가됐지만, 오늘날 이익이 2000년의 6배에 이르기까지 5년이 아니라 25년이 걸렸다는 것입니다. 마지막은 에너지와 규제 위험입니다. 국제에너지기구(IEA)는 2030년까지 데이터센터 전력 수요가 세계 10위권 에너지 소비국 하나가 새로 생기는 것과 맞먹을 것으로 봤는데, 이는 전력망에 큰 부담을 주고 일자리 위협에 따른 정치적 반발을 부를 수 있습니다.

 

그런데도 빅테크들이 투자를 멈추지 않은 이유를 TSL은 '게임 이론'으로 설명합니다. 빅테크 경영진들은 마진을 깎아 먹더라도 지금 역량을 갖춰야 하며 2등이 되는 비용이 더 크다는 태도를 보였는데요. 실제로 메타의 마크 저커버그는 지금 역량을 확보하지 못하면 기업이 무의미해질 수 있다며 마진 훼손과 재무제표 악화를 감수하겠다는 뜻을 내비쳤고, 오픈AI의 샘 올트먼 역시 수조 달러를 쓸 것이며 무모하다는 경제학자들의 우려에는 개의치 않겠다는 태도를 보였습니다. 범용인공지능(AGI)을 향한 승자독식 경쟁에서는 일찍 투자했다가 틀리면 금전적 손실에 그치지만 늦게 투자하면 존립 자체가 위태로워진다는 논리입니다. 그래서 AGI 실현 가능성을 낮게 보는 기업조차 이 경쟁에 뛰어들 수밖에 없다는 것이죠. TSL은 이 구조가 새로운 기술을 빠르게 만들어내긴 하지만 기업들이 무리한 위험을 떠안는 위태로운 균형이라고 평가했습니다.

 

◼︎ 문제는 여전히 '순환 구조'

TSL이 강세론에 제동을 거는 핵심 개념은 ‘순환 구조(circularity)’입니다. 말 그대로, 빅테크가 AI 인프라에 투입한 돈이 시장 밖의 최종 수요에서 새로 창출되는 것이 아니라, 다시 빅테크의 매출과 수익으로 되돌아오는 구조를 뜻합니다.

 

구조는 이렇습니다. 먼저 빅테크가 데이터센터와 AI 인프라에 막대한 자금을 집행합니다. 이 돈은 서버, 클라우드, 반도체, 전력 인프라 등을 공급하는 기업들의 매출로 잡힙니다. 여기까지만 보면 AI 투자 사이클이 강하게 확장되는 것처럼 보입니다. 하지만 TSL이 문제 삼는 지점은, 이 수요의 상당 부분이 독립적인 고객 수요라기보다 빅테크가 스스로 만든 자금 흐름에 의해 유지되고 있다는 점입니다.

 

대표적인 방식이 외상 판매(vendor financing)입니다. 마이크로소프트, 오라클, 구글, 아마존의 수주잔고 가운데 절반이 오픈AI와 앤스로픽에서 나오지만, 정작 이들 기업은 아직 그 계약을 자체적으로 감당할 만큼 충분한 현금흐름을 만들지 못하고 있습니다. 결국 빅테크가 AI 기업에 자금이나 인프라를 제공하고, 그 AI 기업이 다시 빅테크의 클라우드와 데이터센터 서비스를 구매하는 구조가 되는 것입니다. 겉으로는 신규 매출이 늘어나는 것처럼 보이지만, 실제로는 빅테크가 넣은 돈이 AI 기업을 거쳐 다시 빅테크의 매출로 돌아오는 셈입니다.

 

또 다른 방식은 지분 투자입니다. 빅테크가 오픈AI나 앤스로픽 같은 기업에 직접 투자한 뒤, 해당 기업의 가치가 올라가면 그 평가이익을 추가 수익으로 인식합니다. 실적 발표에서 등장하는 정체가 불분명한 ‘기타(other)’ 수익 항목이 대체로 여기에 해당한다는 설명입니다.

 

결국 TSL이 말하는 순환 구조란, 빅테크가 돈을 투자하고, 그 돈이 AI 기업의 구매력으로 바뀐 뒤, 다시 빅테크의 매출과 투자수익으로 돌아오는 고리입니다. 그래서 겉으로 보이는 AI 인프라 수요와 실적 개선이 실제 최종 수요만으로 만들어진 것인지, 아니면 빅테크 내부의 자금 순환에 의해 부풀려진 것인지가 핵심 쟁점이 됩니다.

 

TSL은 이 순환의 정도를 가늠하기 위해 새로운 지표를 만들었습니다. AI 생태계 내부에서 돌고 도는 '안쪽 고리(inner loop)'와 생태계 바깥의 기업·소비자가 실제로 지불하는 '바깥 고리(outer loop)'를 비교한 것이죠. 안쪽 고리는 엔비디아의 데이터센터 매출(연환산 약 3천억 달러)을 기준으로 추정했는데, 엔비디아가 시장의 90%를 차지하고 반도체에 쓴 만큼의 보조 인프라가 추가로 필요하다는 점을 반영해 약 6,600억 달러로 잡았습니다. 반면 바깥 고리, 즉 소비자와 기업의 AI 구독 매출은 약 1,400억 달러에 그칩니다. 둘의 비율을 계산하면 AI 생태계 매출의 약 85%가 자본지출을 재활용한 데서 나온다는 결론이 됩니다. 더 중요한 것은 이 비율이 챗GPT가 등장한 2023년 이후 거의 변하지 않았다는 점입니다. 강세론이 맞으려면 이 재활용 비율이 시간이 갈수록 낮아지고 외부 수요가 늘어야 하는데, 아직 그런 조짐이 없다는 것이 TSL의 진단입니다.

 

시장에서 들리는 각종 '공급 부족' 역시 TSL은 같은 순환의 산물로 봤습니다. 추가 연산 수요의 약 85%가 여전히 빅테크와 모델 개발사 내부에서 나오기 때문에, 자본지출이 멈추면 부족이 곧 공급 과잉으로 바뀔 수 있다는 것이죠. 반도체와 하드웨어의 호황과 불황이 번갈아 나타나는 것은 새삼스러운 이야기가 아니라는 지적입니다.

 

◼︎ 결국 관건은 생산성

TSL은 이 붐이 지속 가능하려면 결국 매출의 원천이 외부 수요, 즉 소비자와 기업이 AI의 생산성 향상에 기꺼이 돈을 내는 흐름으로 옮겨가야 한다고 봤습니다. 그런데 AI의 생산성 잠재력은 아직 매우 불확실하다는 것이죠.

 

TSL은 경제학자 대런 아세모글루의 분석 틀을 빌려 이를 따져봤습니다. AI의 생산성 향상은 업무당 효율 개선, 영향을 받는 업무의 비중, 기업의 실제 도입률 세 가지로 결정되는데요. 2024년 당시 보수적 가정(효율 27%, 노출 20%, 도입률 23%)으로는 10년간 1.2% 향상에 그쳤습니다. 최근 조사를 반영해 도입률을 40%로 올리면 약 3%, 적용 기간을 5년으로 줄이면 연 0.6%포인트가 됩니다. 역사적 기준으로 적지 않은 수치이긴 하나, 빅테크가 매년 8천억 달러를 들여 연 2천억 달러의 효율을 얻는 셈이라 경제적 셈이 맞지 않으며, 이미 비용 급증으로 AI 예산을 줄이는 기업도 나오고 있다고 TSL은 지적했습니다.

 

◼︎ 그럼에도 주식을 사라는 UBS

반면 UBS는 AI 자본지출 붐이 당분간 이어질 가능성에 더 무게를 둡니다. UBS는 글로벌 주식에 대해 ‘매력적(Attractive)’ 등급을 유지하며, 올해 S&P 500의 주당순이익(EPS)이 20% 성장할 것으로 봤습니다. 건강한 미국 소비자와 노동시장, 그리고 견조한 AI 기초 체력이 이를 뒷받침한다는 판단입니다.

 

UBS가 주목한 것은 AI 투자와 연산 수요가 아직 둔화됐다고 보기 어렵다는 점입니다. 구글 모회사 알파벳은 AI 투자 재원을 마련하기 위해 자본 조달 규모를 당초 800억 달러에서 850억 달러 가까이로 늘렸고, UBS는 이를 AI 자본지출이 높은 수준에서 이어질 수 있는 신호로 해석했습니다. GPU 대여 가격이 다시 오르고 있고, 빅테크들이 미리 확보한 연산 자원 선주문 규모가 2조 달러에 이른다는 점도 같은 맥락입니다.

 

수요 측면에서도 UBS는 아직 부정적인 결론을 내리기 이르다고 봤습니다. 구글 제미나이의 월간 사용자 수는 1년 만에 두 배로 늘어 5월에 9억 명을 넘어섰습니다. 물론 월마트가 사내 AI 사용을 제한하고 우버가 코딩 도구 지출에 상한을 두는 등 비용 관리 움직임도 나타나고 있습니다. 다만 UBS는 기업의 AI 도입이 아직 초기 단계인 만큼, 수요 둔화의 뚜렷한 증거는 없다고 판단했습니다.

 

◼︎ 시장이 주목하는 미묘한 신호들

GS의 분석은 AI 인프라 수요가 여전히 강하다는 쪽에 서 있으면서도, 비용과 수익성에 대한 질문을 함께 던집니다. 브로드컴이 다음 분기 AI 칩 매출을 160억 달러로 제시해 시장 기대치 172억 달러를 밑돈 것이 급락의 발단이었지만, GS 리서치는 여전히 강세를 유지했습니다. 브로드컴이 2027 회계연도 AI 반도체 매출을 1,000억 달러 넘게 보고 있고, 구글 외 맞춤형 반도체 고객들에 대한 추가 설명을 내놨으며, 필요한 핵심 부품 공급을 이미 확보했다는 점을 근거로 들었습니다. 같은 날 TSMC 최고경영자도 AI 수요에 비해 전 세계 칩 공급이 수년간 부족할 것이라고 발언했습니다.

 

다만 GS 내부의 AI 토론에서는 더 신중한 목소리도 나왔습니다. 장기적으로 가장 확실한 승자는 빅테크, 즉 하이퍼스케일러라는 시각이 제시됐지만, 동시에 거대언어모델(LLM)은 가격이 떨어지고 모델 간 차별성이 좁혀지면서 이미 범용재처럼 변하고 있다는 평가도 나왔습니다.

 

기업 고객의 관심도 점차 비용과 효율로 이동하고 있습니다. 코딩을 제외한 대부분의 AI 활용 사례는 아직 검증되지 않은 상황이고, 기업들은 추론 비용과 토큰 효율, 측정 가능한 투자수익률(ROI)에 더 집중하고 있다고 합니다. 이에 따라 인프라보다는 영역별 전문성을 갖춘 소프트웨어 쪽이 가치를 지킬 수 있다는 시각도 제시됐습니다.

 

독립 모델 기업에 대해서는 평가가 엇갈렸습니다. 기업 시장에 깊이 파고든 앤트로픽이 가장 좋은 위치에 있다고 본 반면, 오픈AI에 대해서는 더 회의적인 평가가 나왔습니다. 오픈AI의 최대 고객은 한 달에 100억 개의 토큰을 쓰는데, 이는 6년 전의 100만 배에 이릅니다. 하지만 동시에 ‘감당 가능한 비용’이 기업 도입의 가장 큰 걸림돌로 떠올랐다는 지적도 나왔습니다.

 

결국 GS가 주목한 지점은 AI 수요의 존재 여부만이 아닙니다. AI 사용량이 빠르게 늘고 인프라 수요도 강하지만, 그 수요가 지속 가능한 비용 구조와 측정 가능한 투자수익률로 이어질 수 있는지가 함께 중요해지고 있다는 것입니다.

 

◼︎ 한국 투자자에게 의미가 있는 대목

TSL의 리포트에는 한국 투자자가 눈여겨볼 만한 내용이 있습니다. 미국의 데이터센터 투자액 가운데 약 60%가 해외에서 들여오는 GPU와 하드웨어에 쓰인다는 점입니다. 그래서 AI 붐이 미국 국내총생산(GDP)에 미치는 실제 기여는 생각보다 작은 반면, 그 수혜는 하드웨어를 공급하는 한국과 대만으로 흘러간다는 것이죠. 실제로 두 나라의 대미 수출은 챗GPT 출시 이후 두 배로 늘었고, 이는 양국 증시에 분명한 호재가 됐습니다. TSL은 이제 '미국 예외주의' 대신 'AI 예외주의'를 말할 때일지 모른다고 표현했습니다.

 

◼︎ 결론

종합하면, 이번 논쟁의 핵심은 AI 자본지출 붐이 강한가 아닌가가 아닙니다. TSL, UBS, GS 모두 현재 AI 인프라 수요와 투자 모멘텀이 강하다는 점 자체는 인정합니다. 차이는 그 강한 수요가 얼마나 지속 가능하며, 결국 누구의 매출과 이익으로 남을 수 있느냐에 있습니다.

 

TSL은 가장 신중합니다. 클라우드 매출과 연산 수요가 빠르게 늘고 있지만, AI 생태계 내부에서 돈이 돌고 도는 순환 구조가 여전히 크다고 봅니다. 강세론이 설득력을 얻으려면 빅테크가 더 많은 돈을 쓰는 것만으로는 부족하고, 외부의 기업과 소비자가 AI의 생산성 향상에 실제로 비용을 지불하는 흐름이 더 뚜렷해져야 한다는 것입니다.

 

반면 UBS는 아직 AI 수요 둔화를 말하기 이르다고 봅니다. 알파벳의 자본 조달 확대, GPU 대여 가격 반등, 빅테크의 연산 자원 선주문, 제미나이 사용자 수 증가 등을 근거로 AI 자본지출과 연산 수요가 높은 수준에서 이어질 가능성에 무게를 둡니다. 밸류에이션 부담은 있지만, 이익 성장 전망이 이를 일부 뒷받침할 수 있다는 판단입니다.

 

GS는 그 사이에서 보다 미묘한 질문을 던집니다. AI 인프라 수요는 여전히 강하고 칩 공급도 부족할 수 있지만, 기업 고객은 점점 추론 비용, 토큰 효율, 측정 가능한 ROI를 따지기 시작했다는 것입니다. LLM의 가격 하락과 차별화 약화까지 고려하면, 앞으로의 관건은 AI 사용량의 증가 자체보다 지속 가능한 비용 구조 속에서 누가 실제로 돈을 벌 수 있느냐가 될 가능성이 큽니다.

 

한국 투자자 입장에서는 이 논쟁이 더욱 중요합니다. 미국의 AI 데이터센터 투자 가운데 상당 부분이 GPU와 하드웨어로 향하고, 그 수혜가 한국과 대만의 반도체·하드웨어 밸류체인으로 흘러가기 때문입니다. 따라서 AI 붐은 여전히 한국 증시에 중요한 기회 요인이지만, 동시에 그 수요가 빅테크 내부의 투자 순환을 넘어 외부 생산성과 실질 수익으로 확장되고 있는지는 계속 확인해야 합니다.

 

결국 현재 시장은 강세론자들이 다시 우위를 점한 국면에 가깝습니다. 다만 TSL이 지적하듯, 순환 구조가 약해지고 외부 수요가 커지는지, 그리고 GS가 짚듯 비용과 ROI가 검증되는지가 앞으로의 핵심 변수가 될 것입니다. AI 자본지출 붐은 아직 꺾였다고 보기 어렵지만, 그 지속 가능성을 입증해야 하는 단계로 들어서고 있습니다.

 

 

 

+ AI의 지속성에 대해 질문하는 상황이지만, 붉은여왕가설에 따라 멈출 수 없는 없는 상황이라 생각하고, 당장의 AI의 수혜는 반도체(GPU, 메모리, CPU), 인프라(전력,냉각)로 한정된다고 생각해
그 안에 있는 종목을 올해 초 이전부터 투자중이라면 느긋하게 더 가지고 가고, 매수와 매도는 둘다 신중하게 판단하고 행동해

그러고 언제나 그렇듯이 댓글은 고마워