简体中文

繁體中文

English

Tiếng Việt

한국어

日本語

ภาษาไทย

Türkçe

Partnered With:

메타는 컴퓨팅 파워를 팔고, 팔란티어는 욕을 먹으며, 지푸는 실리콘밸리의 핫 아이콘으로 떠올랐다. AI 자본 지출(Capex) 이야기는 이제 다른 방식으로 풀어야 할 때다.

涨声BeatZ

이 글을 읽으려면 35 분

AI Capex는 이전 시장 상승의 유일한 핵심이었습니다.

작성: 장성 Beatz

AI 시세가 다시 한번 급격히 조정을 받았다. 이번에는 메타가 자체적으로 남는 AI 연산 능력을 판매할 수도 있다고 밝혔기 때문이다.

이 소식이 3년 전에 나왔다면 아마 아무도 이상하게 여기지 않았을 것이다. 클라우드 컴퓨팅은 원래 서버를 잘게 나누어 다른 사람에게 판매하는 사업이다. 아마존, 마이크로소프트, 구글 모두 수년간 이렇게 해왔다. CoreWeave, Nebius와 같은 신흥 클라우드 업체들도 이 길을 따라 엔비디아 칩을 금융 담보물로 바꾸고, 그 자금을 다시 더 많은 칩으로 전환하고 있다.

그런데 유독 메타에게 돌아오니 상황이 달라졌다.

메타는 예전에 이렇게 연산 능력을 이해하지 않았다. 칩을 사고, 데이터 센터를 짓고, 전력과 토지를 확보하는 것은 자체 모델, 광고 시스템, 추천 스트림, 그리고 저커버그가 말하는 점점 가까워지는 슈퍼인텔리전스를 위한 것이었다. 메타는 클라우드 업체가 아니다. 원래 기계를 다른 사람에게 임대하여 돈을 버는 방식이 아니었다.

한 회사가 예전에는 "가능한 한 많은 기계가 필요하다. 미래에 그것들을 모두 소비할 것이기 때문이다"라고 말했다. 이제는 "이 기계들을 당장 다 사용하지 못한다면 다른 사람에게 팔 수도 있다"고 말한다.

이것이 연산 능력 과잉을 직접적으로 의미하지는 않지만, 가볍게 넘길 수도 없는 일이다.

주식 시장이 폭락한 날, Palantir의 CEO 알렉스 카프는 CNBC 인터뷰 프로그램에서 카메라를 향해 거의 20분 동안 비난했다.

그는 원래 Palantir와 엔비디아의 새로운 협력에 대해 이야기하러 갔지만, 곧바로 OpenAI와 Anthropic의 토큰 요금 모델로 화제를 돌렸다. 그는 CEO들이私下에서 자신에게 "현재 기업의 AI 도입은 가치를 창출하지 않는 토큰에 비용을 지불하고, 자체 데이터를 넘겨주는 것"이라고 불평한다고 말했다. 그는 점점 비싸지는 모델 청구서를 기업에 얹힌 재산세라고 부르기까지 했다.

지난 2년 동안 사람들은 누가 과감하게 지출하고, 누가 빠르게 지출하며, 누가 먼저 데이터 센터를 쌓아 올릴 수 있는지에 대해 논의했다. 이제 문제는 점차 변하고 있다. 기계를 구매한 후, 누가 그것들을 계속 풀 가동 상태로 유지할 수 있을지가 관건이다.

메타의 발표는 아직 공식 사업으로 구체화되지 않았다. 공개 보도에 따르면, 내부에는 Meta Compute라는 방향이 있으며, 원시 연산 능력을 판매하거나 아마존 Bedrock처럼 다양한 모델을 자체 인프라에 올려 개발자에게 판매할 수도 있다. 저커버그는 이전 주주 총회에서 외부 회사들이 거의 매주 API 서비스나 일부 컴퓨팅 자원을 구매할 수 있는지 문의하며, 메타의 비용보다 높은 가격을 지불할 의향이 있다고 말한 바 있다.

그는 그때 한마디 덧붙였다. 아직 그렇게 하지 않은 이유는 메타가 아직 이 연산 자원을 쓸모 있다고 생각하기 때문이라고.

쓸모가 있다면 임대는 선택지일 뿐이다. 쓸모가 없다면 임대는 대차대조표의 진통제가 된다.

가장 판단하기 어려운 지점도 바로 여기다. 메타는 단지 구축 일정에서 잠시 창을 열어, 일시적으로 비어 있는 자원을 팔아넘기는 것일 수도 있다. 아니면 투자자들에게 수천억 달러 규모의 AI 지출이 먼 미래의 슈퍼인텔리전스에만 의존할 수 없으며, 먼저 더 가까운 수익선을 찾아야 한다는 신호를 보내는 것일 수도 있다.

두 가지 설명 모두 성립 가능하다.

수요는 사라지지 않았고, 이제 사람을 가리기 시작했다

Capex는 AI 서사의 핵심이며, 유일무이하다. 21년의 유동성 공급과 마찬가지로, Capex의 기대치는 계속 성장하고, 물은 계속 흐르며, 시장이 다루는 모든 분야가 함께 올라야 한다. 메타가 연산 자원을 팔 준비를 한다는 소식을 듣자마자 많은 사람들이 첫 반응으로 AI Capex가 무너질 것이라고 생각했다. 대기업들이 마침내 너무 많이 샀다는 것을 인정했고, 반도체 잔치는 끝났다는 것이다.

이렇게 말하는 것은 너무 간편하다.

공개 데이터는 아직 그렇게 단정적인 결론을 뒷받침하지 않는다. AWS의 1분기 매출은 28% 증가해 376억 달러에 달했으며, 이는 몇 년 만에 보기 드문 빠른 성장이다. Google Cloud의 1분기 성장은 더 가팔라 매출이 200억 달러에 도달했다. Microsoft Azure도 여전히 약 40%의 속도로 달리고 있다.

아마존은 올해 자본 지출이 2000억 달러에 이를 수 있다고 말하고 있으며, Alphabet은 2026년 자본 지출 가이던스를 1800억~1900억 달러로 올렸고, 메타 역시 올해 자본 지출을 1250억~1450억 달러로 상향 조정했다.

이 숫자들은 수요 붕괴처럼 보이지 않는다.

오히려 분류(分流)처럼 보인다.

클라우드 업체의 처지는 모델 업체와 다르다. 클라우드 업체는 길을 판다. 길 위에 누군가 달리기만 하면, 차가 누가 만들었든 상관없이 돈을 받을 수 있다. OpenAI, Anthropic, 기업 고객, 정부 고객, 스타트업은 결국 어떤 데이터센터, 어떤 칩, 어떤 네트워크, 어떤 전력 계약 위에 자리 잡게 된다.

그래서 3대 클라우드는 계속 강세를 유지할 수 있다.

AWS는 6월 말에 AI 클라우드 서비스 가격을 인상하기도 했다. 이는 고객에게 GPU를 미리 확보해 주는 서비스로, AWS는 이 서비스의 7월 가격을 약 20% 인상했다. 1월에도 이미 약 15% 인상한 바 있다. 이는 수요가 약할 때 나오는 움직임이 아니다.

희소할 때, 판매자는 가격을 올린다.

하지만 모델 회사들이 모두 그렇게 편하게 할 수 있는 것은 아니다.

모델 회사의 자산은 더 까다롭다. 연산 능력은 그냥 놔둔다고 수익이 생기지 않는다. 더 똑똑한 모델, 더 높은 빈도의 사용자, 더 비싼 기업 워크플로우로 끊임없이 채워져야 한다. 모델이 충분히 좋아야만 사용자가 줄 서기, 한도 제한, 가격 인상, 점점 복잡해지는 구독 계층을 감수할 의향이 생긴다.

이것이 바로 Anthropic이 시장에서 다른 종류의 회사로 평가받는 이유다. 싸기 때문이 아니라, 사용자가 비싼 작업을 맡길 의향이 있기 때문이다. 코드 작성, 시스템 수정, 긴 작업 실행, 기업 워크플로우 연결 등, 이런 작업이 실제 프로덕션 환경에 들어가면 소모되는 토큰은 잡담보다 훨씬 많다.

강력한 모델의 문제는 기계가 부족하다는 것이다.

약한 모델의 문제는 기계를 아끼는 사람이 없다는 것이다.

이 두 가지 문제 모두 '연산 능력'이라고 불리지만, 같은 종류가 아니다.

xAI의 라인에서도 비슷한 냄새가 난다. Grok은 가장 강력한 모델처럼 명확한 기업적 사고를 형성하지 못했지만, 머스크 시스템 내의 일부 연산 능력은 Anthropic으로 흘러갈 수 있다. 이 움직임은 어떤 구호보다 냉철하다. 기계는 창업자를 인정하지 않는다. 오직 누가 그것을 최대한 가동시킬 수 있는지만 인정한다.

Google과 Meta의 관계도 상황이 그렇게 단순하지 않음을 보여준다. 6월에 Google이 Meta의 Gemini 사용을 제한했다는 소식이 있었다. Meta가 구매하려는 연산 능력이 Google이 제공할 수 있는 범위를 초과했고, 심지어 Meta 내부의 일부 AI 프로젝트에도 영향을 미쳤기 때문이다. 한 회사가 연산 능력 판매를 고려하면서도, 동시에 일부 작업에 충분한 최고 수준의 모델 능력을 구매하지 못하는 상황이다.

이것은 전통적인 의미의 과잉이 아니다.

이것은 부정합이다. 청구서가 눈에 띄게 되기 시작했기 때문이다.

클라우드 업체는 계속 가격을 올릴 수 있다. 그들은 확실성을 팔기 때문이다. 고객이 원하는 것은 일정 기간 동안 반드시 확보할 수 있는 GPU, 안정적인 데이터 센터, 한밤중에 멈추지 않는 인프라다.

하지만 기업 고객이 연산 능력을 확보한 후에도 문제는 끝나지 않는다.

그들은 이 청구서를 CFO에게 제출해야 한다. CFO는 당신이 얼마나 많은 토큰을 사용했는지 묻지 않는다. 그는 이 토큰이 회사에 얼마나 많은 비용을 절약했는지, 얼마나 많은 수익을 더 벌었는지, 얼마나 많은 실수를 줄였는지 물을 것이다.

기업에 이르러서는, 토큰이 전력량계가 된다

이것은 다시 처음의 Karp 인터뷰로 돌아갑니다.

그는 많은 AI 기업들이 기업에 판매하는 것을 과잉 판매라고 말했습니다. 방송 전날, Palantir는 X에 소위 AI 주권에 관한 9개 항목의 성명을 게시했으며, 그중에서 tokenmaxxing과 같은 방식을 특별히 언급했습니다. 이 단어는 번역하기 어렵고 직역하면 듣기 좋지 않지만, 의미는 복잡하지 않습니다. 즉, 토큰 소비를 진보로, 자금 소진을 사용으로, 청구서를 생산성으로 간주하는 것입니다.

Karp는 OpenAI, Anthropic과 같은 최첨단 연구소를 테이블 위에 올려놓았습니다. 그의 의도는 기업이 최고의 모델을 사용해서는 안 된다는 것이 아니라, 기업이 자신의 데이터, 프로세스 및 비즈니스 판단을 모두 넘겨준 다음 소비량에 따라 점점 더 커지는 청구서를 지불해서는 안 된다는 것입니다.

Palantir가 판매하려는 것은 다른 것입니다. 범용 채팅 상자나 단일 API가 아니라, 데이터, 승인, 권한, 운영 규칙 및 AI를 동일한 비즈니스 시스템에 통합하는 것입니다. 고객이 비용을 지불하는 것은 'AI를 사용한 횟수'가 아니라, 특정 생산 라인, 특정 위험 관리 프로세스, 특정 정부 작업이 실제로 개선되었는지 여부입니다.

기업에서 실제로 자금을 관리하는 사람들은 이미 깨어나기 시작했습니다.

UBS가 최근 기업 IT 고위 관리자들과 대화한 결과, 한 가지 방향이 분명해졌습니다. 많은 기업이 AI를 사용하지 않는 것이 아니라, AI 지출에 브레이크를 걸고 있는 것입니다. 응답 기업의 약 60%가 토큰 지출을 억제하고 사용 가드레일을 추가하고 있으며, 특히 시험 기간을 지나 AI를 일상 프로세스에 도입하기 시작한 기업들입니다.

이것은 또한 매우 흥미로운 반전입니다.

AI가 장난감에서 도구로 변한 후, 지출은 오히려 더 어려워졌습니다. 장난감 단계에서는 사장님이 예산을 기꺼이 승인했습니다. 모두가 기회를 놓칠까 두려워했기 때문입니다. 도구 단계에서는 CFO가 누구의 작업 시간을 절약했는지, 누구의 판매를 늘렸는지, 누구의 위험을 줄였는지 질문합니다.

이 표에서 토큰은 수익처럼 보이지 않습니다.

오히려 전력계와 같습니다.

물론 전력계가 빨리 돌아간다는 것은 공장이 가동 중이라는 뜻이라고 말할 수 있습니다. 또한 전력계가 너무 빨리 돌아가는데 생산량이 늘지 않는다면, 그 기계에 문제가 있다는 뜻이라고 말할 수도 있습니다.

AI 에이전트는 이 문제를 확대했습니다. OpenAI와 여러 대학의 Codex 연구에는 놀라운 데이터가 있습니다. 2026년 상반기, Codex 활성 사용자는 5배 이상 증가했습니다. OpenAI 내 일부 직무의 출력 토큰도 급증했으며, 법무 직무의 중간 월 출력 토큰은 2025년 11월보다 13배, 연구 직무는 50배 이상 높았습니다.

또 다른 연구는 이 문제를 더욱 명확히 설명합니다. Agentic 코딩 작업에 소모되는 토큰은 일반 코드 채팅 및 코드 추론보다 최대 1000배 더 많을 수 있습니다. 동일한 작업이라도 실행 간 토큰 소모량이 30배까지 차이 날 수 있습니다.

이것이 오늘날 연산력 부족의 근본 원인입니다.

사람들이 챗봇에 몇 마디 더 묻는 것이 아닙니다.

소프트웨어가 파일을 반복적으로 읽고, 명령을 실행하고, 코드를 수정하고, 실패하고, 다시 시도하고, 또 실패하고, 다시 시작하는 소규모 작업자 집단으로 변하기 시작했기 때문입니다. 이들은 점심시간이 없지만, 모든 단계에서 토큰을 소비합니다.

토큰이 전력계가 되면, 발전소를 소유한 자가 권력을 가집니다. 하지만 전력을 낭비하는 자는 먼저 심문을 받게 됩니다.

청구서가 두꺼워지면, 저렴한 모델이 자리 잡는다

CFO가 이 전력계를 보기 시작하면, 다음 단계는 거의 가르칠 필요가 없습니다.

그는 어떤 작업에 가장 강력한 모델이 필요한지, 어떤 작업에 충분한 모델만 있으면 되는지 물을 것입니다.

이때 GLM, Kimi, DeepSeek, Qwen과 같은 오픈소스 모델은 더 이상 단순한 기술 뉴스가 아닙니다. 이들은 기업 구매 테이블 위의 가격 협상 도구가 됩니다.

실리콘밸리 최고의 벤처캐피털 a16z의 마크 안데르센조차도 많은 AI 업계 종사자들이 이미 Zhipu GLM-5.2를 대부분의 작업에서 미국 최고 공개 모델과 일치하거나 능가하는 최초의 중국 모델 중 하나로 보고 있다고 말했습니다. 이 판단이 최종 결정은 아니지만, 기업에 한 가지 선택지를 더 제공합니다.

Coinbase는 더 확실한 예를 제시했습니다. Brian Armstrong은 회사가 기본 AI 모델을 GLM 5.2, Kimi 2.7과 같은 오픈소스 모델로 전환하고, 모델 라우팅, 캐싱 및 컨텍스트 최적화를 결합하여 토큰 사용량은 여전히 기하급수적으로 증가하지만 AI 지출은 거의 절반으로 줄였다고 말했습니다.

이 말의 파괴력은 기업이 처음으로 모델 성능을 분할 구매할 수 있게 되었다는 점에 있습니다.

가장 어려운 작업은 계속해서 가장 비싼 모델에 맡깁니다. 일반 요약, 고객 서비스, 정보 추출, 템플릿 코드, 내부 지식 베이스 Q&A는 저렴한 모델과 로컬 배포에 맡깁니다.

오픈소스 모델이 모든 전장에서 승리할 필요는 없습니다.

구매 부서가 모든 전력이 고급 주택 요금으로 지불될 필요는 없다고 믿게 만들면 됩니다.

이 시점에서 Meta의 연산력 판매는 더 이상 고립된 뉴스가 아닙니다.

이는 Palantir가 토큰을 비판하고 Coinbase가 오픈소스 모델을 해체하는 것과 같은 맥락입니다. AI 지출 체인이 분해되기 시작했다는 뜻입니다. 상류는 확실성을 팔고, 중류는 결과를 팔며, 하류는 단가를 압박합니다. 각 계층은 여전히 성장 중이지만, 각 계층은 "돈이 정말 가치 있게 쓰이고 있는가"라는 질문을 받기 시작했습니다.

가장 어려운 것은 기계를 사는 것이 아니라, 기계가 계속 일할 일을 만드는 것이다

지난 2년 동안 AI 업계에서 가장 쉽게 들을 수 있었던 이야기는 "자원이 부족하다"는 것이었습니다.

GPU가 부족하고, 전력이 부족하고, 데이터센터가 부족하고, 엔지니어가 부족하고, 모델을 실행할 수 있는 클라우드도 부족합니다. 이 이야기는 너무나 순조로웠습니다. 무언가가 부족하면, 모든 사람이 본능적으로 앞으로 돌진합니다. 먼저 자리를 잡고, 먼저 전력 계약을 체결하고, 먼저 칩을 사고, 먼저 기계를 설치합니다.

자원을 선점할 때, 사람들은 세부적인 계산을 잘 하지 않습니다.

한 걸음 늦었을 때의 대가가 훨씬 커 보이기 때문입니다.

하지만 Meta의 이 소식은 또 다른 문제를 제기했습니다. 기계를 사들인 후, 비싸다고 해서 자동으로 좋은 사업이 되는 것은 아닙니다. 매일 할 일이 있어야 하고, 비용을 지불할 의향이 있는 고객이 있어야 하며, 모델이 이를 가득 채워야 하고, 애플리케이션이 비용을 수익으로 전환해야 합니다.

이것이 바로 가동률입니다.

가동률이라는 단어는 차갑게 들리지만, 사실 매우 냉혹합니다. 이는 당신에게 미래가 있는지 묻는 것이 아니라, 오늘 당신의 기계가 가동되고 있는지 묻습니다. 당신이 발표회에서 어떻게 말했는지, 가장 비싼 GPU를 샀는지에는 관심이 없습니다. 오직 한 가지만 봅니다. 그 돈이 지속적인 현금 흐름으로 전환되었는지 여부입니다.

클라우드 업체들은 이 질문에 비교적 쉽게 답할 수 있습니다. 그들은 원래 인프라를 판매합니다. AWS, Google Cloud, Azure는 도로, 전력, 서버실을 판매합니다. 고객이 모델을 훈련시키고, 추론을 실행하고, 애플리케이션을 호스팅하려면 결국 어떤 클라우드에든 의존해야 합니다.

그래서 그들은 여전히 강경할 수 있습니다.

강력한 모델 회사들도 나름의 답을 가지고 있습니다. 모델이 충분히 강력하다면, 사용자는 줄을 서고, 기업은 연결하고, 개발자는 작업 흐름을 변경할 의향이 있습니다. 그러면 컴퓨팅 파워는 재고가 아니라 병목 현상입니다. 기계가 많을수록 더 잘 돌아갈 수 있습니다.

가장 어려운 것은 중간 계층입니다.

그들은 기계도 있고, 이야기도 있고, 모델 팀도 있고, 큰 예산도 있습니다. 하지만 모델이 최전선에 있지 않고, 제품이 일상적인 습관이 되지 않았으며, 개발자도 작업 흐름을 변경하려 하지 않습니다. 이런 유형의 회사에게 컴퓨팅 파워는 무기에서 재고로 바뀌는 데 단 한 번의 모델 출시 실패나 한 번의 사용자 이탈만 있으면 됩니다.

재고가 반드시 쓸모없는 것은 아닙니다.

하지만 재고는 가격을 낮춰야 하고, 임대해야 하며, 새로운 용도를 찾아야 합니다.

이것이 바로 메타가 연산 능력을 판매하는 민감한 지점입니다. 이는 메타의 실패를 증명하지도, AI 수요의 소멸을 증명하지도 않습니다. 단지 시장이 처음으로 AI 인프라도 일반 공장이 겪는 문제를 겪을 수 있다는 것을 보여줄 뿐입니다.

공장은 지어졌는데, 주문은 어디에 있을까요.

연산 능력은 사라지지 않았고, 계층화되기 시작했습니다

따라서 이 상황을 가장 잘 이해하는 방법은 '연산 능력 과잉'이 아닙니다.

이 표현은 너무 거칠습니다.

더 정확한 표현은 연산 능력이 계층화되기 시작했다는 것입니다.

최상위 계층은 여전히 빡빡합니다. 가장 강력한 모델, 최고의 클라우드, 가장 안정적인 GPU 클러스터는 여전히 사람들이争抢합니다. AWS의 서비스가 가격을 인상할 수 있는 이유는 확정성 자체에 가치가 있기 때문입니다. 고객은 단순히 GPU를 사는 것이 아니라, 특정 날짜, 특정 시간, 특정 배치의 기계가 반드시 사용 가능하다는 것을 사는 것입니다.

중간 계층은 어색해지기 시작합니다. 나쁘지는 않지만, 희소성이 부족합니다. 모델을 실행하고, 추론을 수행하며, 외부 고객에게 판매할 수도 있습니다. 하지만 고객은 비교하고, 가격을 깎고, 왜 더 저렴한 모델을 사용하지 않는지, 왜 다른 사람의 클라우드를 사용하지 않는지, 왜 이 배치의 기계가 반드시 이 가격에 해당하는지 물어볼 것입니다.

최하위 계층은 오픈소스 모델과 비용 최적화에 의해 조금씩 압박을 받을 것입니다. 기업은 일반적인 작업을 위해 항상 가장 비싼 모델을 호출하지 않을 것입니다. 라우팅을 하고, 캐싱을 하고, 컨텍스트를 압축하고, 모델을 여러 등급으로 나눌 것입니다.

수요는 성장했습니다.

어린이는 청구서를 신경 쓰지 않고 지출하지만, 성인은 신경 씁니다. AI가 기업에 도입된 후에도 이 과정을 겪을 것입니다. 파일럿 단계에서는 모두가 기회를 놓칠까 두려워합니다. 규모화 단계에서는 모두가 계산을 시작합니다.

계산이 시작되면, 산업 체인은 더 이상 초기처럼 균일하지 않을 것입니다.

어떤 이는 계속 가격을 인상합니다. 대체 불가능한 확정성을 판매하기 때문입니다. 어떤 이는 결과를 판매하도록 전환합니다. 고객이 소비 자체에 대해 비용을 지불하고 싶어하지 않기 때문입니다. 어떤 이는 가격을 낮출 수밖에 없습니다. 충분히 쓸 만한 대체재가 등장했기 때문입니다. 어떤 이는 기계를 임대합니다. 기계가 유휴 상태인 것이 저렴하게 임대하는 것보다 더 나쁘게 보이기 때문입니다.

이러한 일들이 동시에 발생하면, 업계가 모순적으로 보이게 만듭니다.

한편으로는 연산 능력이 부족합니다.

다른 한편으로는 연산 능력을 임대합니다.

한편으로는 토큰 소비가 폭발적으로 증가합니다.

다른 한편으로는 기업이 AI 지출을 억제합니다.

한편으로는 최상위 모델이 점점 더 강력해지고 있다.

다른 한편으로는 오픈소스 모델이 점점 더 저렴해지고 있다.

이 둘은 충돌하지 않는다. 단지 AI가 총량의 이야기에서 구조의 이야기로 전환되고 있음을 보여줄 뿐이다.

옛 철도의 이야기는 다시 한 번 반복될 것이다

19세기 철도 거품 속에서 철도 자체는 가짜가 아니었다.

철로가 깔리면 화물은 실제로 움직이고, 도시는 실제로 성장하며, 시간은 실제로 단축되었다. 이후 가장 가치 있는 비즈니스 네트워크 중 상당수는 실제로 그 철로 옆에서 자라났다.

하지만 그렇다고 해서 당시 많은 철도 건설자들이 손해를 보지 않았다는 뜻은 아니다.

그들은 방향에서 진 것이 아니다. 그들은 너무 일찍 건설했고, 너무 많이 건설했으며, 승객과 화물 흐름이 없는 곳에 건설했거나, 너무 비싼 돈을 빌려서 회수하는 데 너무 오래 걸리는 노선을 건설했기 때문에 진 것이다.

인터넷 거품 속의 광섬유도 마찬가지였다. 광섬유 자체는 잘못이 없었다. 이후 전 세계가 그것에 의해 떠받쳐졌다. 잘못된 것은 그 회계 장부들이었다. 미래 수십 년의 수요를 한꺼번에 몇 년의 자본 지출에 쑤셔 넣었기 때문이다.

AI 데이터 센터도 많은 유용한 것들을 남길 수 있다. GPU는 감가상각되고, 전력 계약은 갱신되며, 데이터 센터는 장비를 교체하고, 소프트웨어는 점점 더 연산 능력을 소비하게 될 것이다. 오늘날 과장되어 보이는 토큰 소비도 몇 년 후에는 고화질 비디오 트래픽처럼 평범해질 수 있다.

하지만 자산은 나름의 성질을 가지고 있다.

그것은 당신이 미래를 믿는지 여부에 관심이 없다. 오직 매일 누군가가 사용하러 오는지에만 관심이 있다.

Meta의 연산 능력 판매 신호는 바로 이 지점에 걸려 있다.

그것은 AI의 종말도, 반도체의 종말도 아니다. 그것은 자본 지출 내러티브가 중간 지점에 도달했을 때, 처음으로 누군가가 문을 열어 창고 안에 얼마나 많은 기계가 있는지 외부 사람들이 보게 한 것에 가깝다.

일부 기계는 최상위 모델이 소비할 것이다.

일부 기계는 클라우드 고객이 임대해 갈 것이다.

일부 기계는 가격 전쟁 속에서 저렴해질 것이다.

그리고 또 다른 기계들은 아직 등장하지 않은 애플리케이션을 조용히 기다릴 것이다.

지난 2년 동안 시장은 모든 기계가 결국 자신의 운명을 기다릴 것이라고 믿고 싶어 했다. 이제 시장은 누가 먼저 기다릴지, 누가 기다리지 못할지, 누가 기다려도 충분한 돈을 벌지 못할지 묻기 시작했다.

이 질문이 나오자 AI의 이야기는 변했다.

더 이상 기계를 가장 빨리 구매하는 사람들만의 것이 아닙니다.

기계를 계속 돌릴 수 있는 사람들의 것입니다.