11조 달러 AI CAPEX와 자본 집중의 경제학
6조 달러 현금·5조 달러 신용이라는 시나리오가 금리와 산업 권력에 던지는 질문
이 글의 2024~2029년 AI CAPEX 11조 달러, 현금 6조 달러, 신용 5조 달러는 기업 공시를 단순 합산한 확정치나 시장 컨센서스가 아니다. SemiAnalysis가 만든 공격적 시나리오를 Dylan Patel이 대담에서 설명한 수치다. 금리와 자산가격에 관한 후반부 역시 조건부 사고실험이 많다. 따라서 이 글은 숫자를 예언으로 옮기지 않고, 그 가정이 성립할 때 자본이 어떤 경로로 움직이는지 분석한다.
11조 달러라는 숫자보다 중요한 것
AI 데이터센터 투자 이야기는 흔히 GPU 대수로 시작한다. 그러나 규모가 수조 달러로 커지면 질문이 바뀐다. 누가 그 돈을 조달하며, 어느 기업이 더 높은 가격으로 연산력을 사들이고, 비용은 경제 전체에 어떻게 전가되는가.
2026년 8월 25일 공개된 Dwarkesh Patel과 SemiAnalysis 창업자 Dylan Patel의 대담에서 Dylan은 하이퍼스케일러와 클라우드 사업자를 합친 자체 모델이 2024년부터 2029년까지 약 11조 달러의 CAPEX를 가정한다고 말했다. 그중 약 6조 달러는 현금흐름, 5조 달러는 신용·부채로 조달한다는 구성이다. Dwarkesh Podcast 원문 대담
이 숫자의 의미는 “11조 달러가 이미 계약됐다”가 아니다. 오늘의 투자 증가율과 연산 수요가 계속되고, 서버뿐 아니라 데이터센터 건물·전력설비·네트워크와 공급망 증설까지 선제적으로 구축한다면 필요한 자금의 상한이 어디까지 커질 수 있는지를 묻는 모델이다.
현금 6조 달러도 공짜가 아니다
현금조달은 부채가 아니지만 기회비용은 남는다. 하이퍼스케일러가 영업현금흐름을 데이터센터에 투입하면 자사주 매입, 배당, 인수합병과 다른 사업 투자가 밀려난다. Alphabet은 2026년 CAPEX를 1,750억~1,850억 달러로 예상했고, 2025년 투자액의 약 60%는 서버, 40%는 데이터센터와 네트워크에 배분했다고 밝혔다. 동시에 투자 확대가 감가상각비와 에너지 운영비를 높인다고 명시했다. Alphabet 2025년 4분기 실적발표
즉 투자와 매출이 함께 늘어도 주주가 확인해야 할 것은 세 가지다.
- 투입한 자본이 실제 가동 가능한 연산력으로 얼마나 빨리 바뀌는가.
- 단위 추론비용 하락보다 가격 하락이 더 빠르지 않은가.
- 신규 매출이 감가상각·전력·운영비 증가를 충분히 상쇄하는가.
Alphabet은 2025년 동안 Gemini 서비스 단위비용을 78% 낮췄다고 밝혔다. 효율 개선은 같은 전력으로 더 많은 서비스를 만들 수 있게 하지만, 경쟁이 그 절감분을 가격 인하로 넘기면 공급자의 초과이윤은 예상보다 작아질 수 있다. 투자의 크기만으로 수익률을 알 수 없는 이유다.
5조 달러의 신용이 금리로 전이되는 경로
Dylan의 시나리오에서 더 새로운 부분은 5조 달러의 신용조달이다. 대규모 회사채와 프로젝트 금융 수요가 동시에 발생하면 우량 차입자가 더 높은 금리를 제시해 자금을 가져갈 수 있다. 자본시장의 공급이 같은 속도로 늘지 않으면 다른 기업과 정부의 조달비용도 압력을 받는다.
대담에서 Dylan은 최근 5~6% 수준의 조달금리가 8%가 될 수 있다는 예를 들었지만, 바로 그 숫자를 “vibing a number”, 즉 거친 추정이라고 규정했다. Dwarkesh가 이어서 제시한 금리 수십 퍼센트, 비AI 자산 급락과 국가부도 시나리오는 더 먼 미래의 사고실험이다. 이를 Dylan의 확정 전망으로 옮기면 발언자와 확실성 수준을 모두 잘못 전달하게 된다.
현실에서는 금리가 단순히 신규 회사채 발행액만으로 결정되지 않는다. AI가 생산성을 크게 높이면 기업 현금흐름과 저축도 증가할 수 있고, 중앙은행 정책과 글로벌 자금 유입이 장기금리 충격을 흡수할 수도 있다. 반대로 데이터센터 투자 수요가 특정 지역과 만기에 몰리면 전력요금, 프로젝트 금융과 우량 회사채 스프레드에서 먼저 압력이 나타날 수 있다.
‘60억 달러가 1조 달러를 만든다’는 계산의 함정
대담에서 널리 인용된 또 하나의 숫자는 팹 설비투자 60억 달러가 5년 동안 1조 달러 이상의 최종 AI 매출을 가능하게 한다는 계산이다. 이 계산을 제시한 사람은 Dylan이 아니라 진행자 Dwarkesh다. 그는 Dylan의 웨이퍼 투입 모델을 LLM으로 계산했다고 설명했고, Dylan은 곧바로 데이터센터·전력·설치·운영비 등 다른 CAPEX와 OPEX가 많이 필요하다고 보완했다.
비교 대상도 다르다.
| 비교한 것 | 포함 범위 | 해석할 때 주의점 |
|---|---|---|
| 60억 달러 | 연간 1GW분 칩 생산능력을 가능하게 하는 팹 단계 설비 추정 | AI 시스템 전체 투자비가 아님 |
| 1조 달러 이상 | 여러 해 생산된 연산력이 5년 동안 만든다고 가정한 최종 AI 매출 | 순이익·현금흐름이 아니며 수요와 가격 가정에 민감 |
따라서 이것은 1달러 투자로 100달러 순이익을 번다는 ROI 계산이 아니다. 좁은 상류 병목의 설비비와 넓은 하류 생태계의 누적 매출을 비교해, 공급망 확장 압력이 얼마나 클 수 있는지를 보여주는 직관 실험이다.
자본 집중은 어떻게 자기강화되는가
대담에서 가장 중요한 논점은 투자 총액보다 연산력의 내부 수익률이다. Dylan은 현재 최종 사용자들이 모델 기업보다 더 큰 가치를 얻는 사례로 Jane Street와 Meta를 들었다. 그러나 연구소가 외부에 토큰을 판매하는 것보다 내부 AI 연구에 연산력을 투입해 다음 모델을 개선하는 편이 더 높은 수익을 낸다면 구조가 달라진다.
같은 MW에서 더 높은 매출과 연구생산성
경쟁자보다 비싼 가격으로 최신 연산력 확보
추론 판매 대신 AI 연구원·지속학습에 재배치
더 좋은 모델이 다시 더 많은 현금과 컴퓨팅을 끌어옴
Dylan은 2026년 중 추가되는 연산력에서 R&D 비중이 이미 높아지고 있다고 해석했다. 또한 현재 계약 추세가 이어진다면 OpenAI와 Anthropic이 2027년 신규 연산력의 40~50%를 차지하고, 2028년에는 최신 칩의 와트당 성능 우위까지 더해 세계의 ‘사용 가능한 FLOPs’ 대부분을 통제할 수 있다고 전망했다. 이것 역시 조건부 시나리오지만, 단순 시장점유율보다 강한 피드백 구조를 설명한다.
자본 집중의 핵심은 소유권만이 아니다. 다른 회사가 데이터센터를 소유하더라도 가장 높은 가격을 낼 수 있는 두 연구소에 임대한다면 경제적 통제권은 수요자에게 집중될 수 있다. 반대로 오픈소스 모델의 효율 개선과 자체 ASIC을 보유한 경쟁자가 수익화 격차를 줄이면 이 집중 속도는 느려진다.
11조 달러 시나리오가 꺾이는 다섯 조건
11조 달러는 직선 외삽이 아니다. 다음 조건 중 하나만 강해져도 투자곡선은 낮아질 수 있다.
- 수익화 둔화 — 모델 성능 향상이 고객의 지불의사로 이어지지 않거나 가격경쟁이 심해진다.
- 효율의 역설이 풀림 — 단위비용 하락이 사용량 폭증보다 빨라 총 연산·전력 수요가 둔화한다.
- 전력·공급망 병목 — 변압기, 터빈, 계통연결, 냉각과 첨단 패키징이 자본 투입 속도를 따라가지 못한다.
- 금융 제약 — 금리와 신용스프레드가 상승해 프로젝트의 위험조정 수익률이 낮아진다.
- 정치·안전 규제 — 데이터센터 인허가, 전력요금 반발, 모델 출시 제한이 매출과 투자 회수기간을 늦춘다.
IEA는 2026년 기준 시나리오에서 세계 데이터센터 전력소비가 2025년 485TWh에서 2030년 950TWh로 약 두 배가 될 것으로 전망한다. 동시에 공격적 프로젝트 파이프라인에도 불구하고 전력장비·칩 공급망과 계통연결 병목 때문에 단기 상방 시나리오의 가능성이 낮아졌다고 평가한다. 또한 데이터센터 투자가 기업 재무제표만으로 조달하기에는 커져 자본시장 심리에 민감해졌다고 지적한다. IEA, Key Questions on Energy and AI
이는 두 가지를 동시에 말한다. AI 전력수요는 빠르게 늘지만, 물리적 세계는 소프트웨어처럼 지수적으로 복제되지 않는다. 바로 그 지연이 변압기·가스터빈·전력망·냉각 같은 병목의 가격을 높이는 한편, 11조 달러 투자 시나리오의 상한도 제한한다.
세 가지 경로로 읽기
| 경로 | 핵심 가정 | 자본시장 결과 | 산업구조 결과 |
|---|---|---|---|
| 확산 | 효율 개선과 오픈소스 경쟁이 가격을 빠르게 낮춤 | 현금조달 비중이 높고 금리 충격 제한 | 사용자·응용기업이 가치의 큰 몫을 유지 |
| 병목 성장 | 수요는 강하지만 전력·장비·인허가가 증설을 제한 | 프로젝트별 조달비용 상승, 병목 공급자의 협상력 강화 | 컴퓨팅은 집중되지만 속도는 물리 제약에 묶임 |
| 자기강화 집중 | 내부 AI R&D 수익률이 외부 판매보다 높고 선두 연구소가 최고가를 지불 | 신용수요와 할인율 상승 압력, 비AI 투자 구축 가능성 | 연산력·모델·자본이 소수 연구소에 순환 집중 |
현재 공개된 증거는 두 번째 경로에 가장 가깝다. 빅테크 CAPEX와 전력수요는 급증하고 있지만, 11조 달러가 실현됐거나 두 연구소가 세계 연산력 대부분을 통제했다는 뜻은 아니다. 세 번째 경로로 이동하는지를 확인하려면 다음 지표가 필요하다.
- 하이퍼스케일러의 CAPEX와 영업현금흐름 비율
- 회사채·프로젝트 금융 발행액과 신용스프레드
- MW당 추론 매출과 신규 컴퓨팅 임대가격
- 추론 대비 훈련·내부 R&D 연산 배분
- 데이터센터 계통연결 대기기간과 실제 가동률
- 오픈소스 모델의 연산 효율과 가격 격차
투자자가 놓치기 쉬운 결론
AI CAPEX 확대는 반도체와 전력 공급망의 매출 기회다. 동시에 고객인 클라우드 기업에는 감가상각과 자본비용 부담이다. 메모리와 장비 수요가 크게 늘어도 시장금리와 할인율이 함께 오르면 주가수익배수는 오히려 낮아질 수 있다. Dylan 역시 대담에서 메모리 업황을 긍정적으로 보면서도, AI가 경제 전체의 자본수익률을 끌어올리는 세계라면 모든 주식의 배수가 압축될 수 있다고 경고했다.
따라서 “AI 투자 증가”에서 곧바로 “모든 AI 주식 상승”으로 건너뛰면 안 된다. 공급자는 증설 속도와 가격, 고객은 가동률과 감가상각, 금융시장은 조달구조와 만기를 따로 봐야 한다.
11조 달러는 목표가 아니라 스트레스 테스트다. 이 시나리오가 묻는 것은 데이터센터가 몇 개 더 생기느냐가 아니다. AI가 가장 높은 자본수익률을 약속하는 산업이 될 때, 현금·신용·전력·인재가 어디에서 빠져나와 누구에게 집중되는가다. 투자자는 숫자의 크기보다 그 이동 경로와 제약조건을 추적해야 한다.
이 글은 공개 자료를 해석한 연구 기록이며 특정 증권의 매수·매도 또는 보유를 권유하지 않는다.