TL;DR
· 모건스탠리 추산, GenAI 인프라 기준 시나리오에서 약 25%-50% 자본 수익률 달성 가능.
· 핵심 가정은 75% GPU 활용률, GB300 임대료, 토큰 처리량 및 API 가격 책정에 달려 있음.
· 마이크로소프트, 아마존, 구글, 메타가 더 쉽게 혜택을 볼 수 있지만, 가격 전쟁과 오픈소스 모델이 수익을 낮출 수 있음.

모건스탠리는 7월 27일 보고서에서 AI 자본 지출에 대한 수익성 분석을 제시했다: GPU 활용률, 임대료, 토큰 처리량 및 API 가격이 기준 가정에 도달하면, 생성형 AI 인프라 및 모델 API 사업은 약 25%-50%의 자본 수익률을 달성할 기회가 있다.

이는 시장이 대형 기술 기업에 대해 가장 우려하는 부분에 직접적으로 대응한 것이다. 마이크로소프트, 아마존, 구글, 메타는 GPU와 데이터 센터에 대한 투자를 지속적으로 확대하며 자본 지출이 점점 증가하고 있으며, 투자자들은 이 자금이 결국 이익이 될지, 아니면 감가상각, 에너지 비용 및 연구개발비만 증가시킬지 알고 싶어 한다.

이번 분석은 GenAI 수익화를 세 가지 경로로 나누었다: GPU 컴퓨팅 파워를 IaaS로 임대, 자체 인프라를 활용한 Model API 제공, 타사 컴퓨팅 파워를 임대한 후 Model API 제공. 처음 두 가지 경로는 데이터 센터, 고객 접점 및 제품 유통 능력을 갖춘 대형 기술 플랫폼에 더 적합하며, 세 번째 경로는 GPU 임대료에 의해 수익이 더 쉽게 압박받는다.

세 가지 GenAI 비즈니스 모델 수익률 비교: GPU IaaS 약 31%, 자체 인프라 Model API 40% 이상, 타사 인프라 Model API 약 25%.

1.4조 달러 지출, 핵심은 단순히 GPU 구매가 아니다

이번 분석의 배경은 AI 데이터 센터 건설이 더욱 대규모 자본 지출 단계에 진입했기 때문이다. 공개 인용 자료에 따르면, 모건스탠리는 하이퍼스케일러의 2028년까지 자본 지출이 1.4조 달러를 초과할 것으로 예상하며, 컴퓨팅 용량은 2025년부터 2028년까지 약 4배 증가해 약 120GW에 이를 것으로 전망된다.

이러한 용량이 모두 즉시 수익으로 전환되지는 않는다. 최첨단 모델 훈련, 모델 유지보수 및 다양한 규모의 모델 반복은 여전히 많은 컴퓨팅 파워를 소비하며, 훈련 자체는 직접적인 수익을 창출하지 않지만 감가상각, 에너지 및 운영 비용을 부담해야 한다.

수익률에 실제로 영향을 미치는 것은 남은 컴퓨팅 파워가 추론, API, 엔터프라이즈 소프트웨어 및 클라우드 서비스에 의해 충분히 소화될 수 있는지 여부다. 더 직설적으로 말하면, 하나의 GPU가 1년에 몇 시간을 판매할 수 있는지, 시간당 얼마를 청구할 수 있는지, 초당 몇 개의 토큰을 처리할 수 있는지, 백만 토큰당 얼마에 판매할 수 있는지가 AI 자본 지출이 현금 수익을 창출할 수 있는지를 결정한다.

이 부분이 이 보고서에서 가장 뉴스 가치가 있는 지점입니다. 과거 시장은 주로 Capex 수치가 계속 상향 조정되는 것을 보았지만, 이제 모건스탠리는 단위 경제성 분석을 제시했습니다. 기본 가정이 성립할 때 AI 인프라는 높은 감가상각 압력을 감당할 수 있으며, 고품질 클라우드 사업이나 소프트웨어 사업의 수익률 수준에 근접할 수 있다는 것입니다.

GPU 임대: 75% 가동률에서 IaaS 수익률 약 31%

첫 번째 경로는 대형 클라우드 업체가 GPU 컴퓨팅 성능을 IaaS로 임대하는 것입니다. 기본 시나리오에서는 1GW 용량이 약 41만 개의 엔비디아 GB300 GPU에 해당하며, 가동률 75%, 시간당 임대료 8.5달러로 가정합니다.

이 가정 하에서 GPU 임대 사업은 GW당 연간 수익 약 229억 달러, 증분 EBIT 마진 약 67%, 자본 수익률 약 31%를 기록합니다. GPU 공급이 충분히 높은 수요로 채워질 수 있다면, IaaS는 저마진 하드웨어 임대가 아니라 고가동률 인프라 사업에 더 가깝습니다.

GPU 임대 수익률 분석 및 민감도 분석: 75% 가동률, 8.5달러/시간 임대료 기준 IaaS 기본 수익률 약 31%.

여기서의 장점은 대형 클라우드 업체가 이미 보유한 전력, 데이터센터, 고객 관계 및 클라우드 플랫폼 판매 역량에서 비롯됩니다. 새로운 GPU 용량이 기존 고객 수요에 통합된다면 수익 전환이 더 직접적일 수 있습니다.

하지만 이 경로는 가격과 가동률에 매우 민감합니다. GPU 임대료 하락, 가동률 부족, 에너지 비용 상승은 모두 수익률을 낮출 수 있습니다. 새로운 진입자가 증가하고 ASIC 및 차세대 GPU가 출시됨에 따라 단위 컴퓨팅 가격도 하락할 수 있어, 시간당 8.5달러의 임대료가 장기적으로 유지될 수 있을지는 불확실합니다.

Model API가 더 수익성 높음, 핵심은 토큰 소비

두 번째 경로는 자체 인프라를 활용해 Model API를 제공하는 것입니다. 기본 시나리오에서는 용량의 65%를 추론에 사용하며, GPU당 초당 약 2750개의 토큰을 처리할 수 있고, 혼합 가격은 백만 토큰당 1.75달러로 가정합니다.

이 시나리오에서 Model API의 증분 EBIT 마진은 약 75%, 자본 수익률은 40%를 초과합니다. 다양한 인용 경로에 따라 이 수익률은 약 40%~46%로 나타나지만, 방향성은 일관됩니다. 자체 컴퓨팅 성능에 모델 서비스를 결합하면 단순 GPU 시간 임대보다 높은 수익률을 제공합니다.

이유는 복잡하지 않다. 클라우드 제공업체와 모델 제공업체는 단순히 GPU 시간을 판매하는 것이 아니라, 모델 성능, 추론 서비스 및 API 호출을 판매한다. 수익은 토큰 소비와 연동되며, 이익 마진이 더 크다.

자체 인프라 Model API 시나리오 분석: 2750 tokens/sec/GPU, 백만 토큰당 1.75달러 가격 책정 시, 수익률 40% 초과.

이는 대형 기술 기업들이 칩을 구매하면서 동시에 AI 기능을 검색, 오피스 소프트웨어, 광고, 전자상거래 추천 및 개발자 도구에 집어넣는 이유를 설명한다. 이들이 진정으로 원하는 것은 유휴 컴퓨팅 자원을 단순히 임대하는 것이 아니라, 추론을 고빈도, 과금 가능하며 기존 제품에 내장할 수 있는 수익 흐름으로 만드는 것이다.

위험 또한 토큰 수준에 집중된다. 토큰 처리량은 칩에 의해서만 결정되는 것이 아니라, 모델 파라미터 규모, 소프트웨어 스택, 입력-출력 비율 및 추론 최적화 능력에 따라 달라진다. 모델이 더 효율적이면 단위 GPU가 더 많은 토큰을 처리할 수 있어 수익이 증가한다. 오픈소스 모델과 가격 경쟁이 백만 토큰당 수익을 낮추면 이익률이 희석된다.

타사 컴퓨팅 자원을 임대하여 API를 제공하면 이익이 더 쉽게 잠식된다

세 번째 경로는 모델 기업이 타사 인프라를 임대한 후 고객에게 Model API를 제공하는 것이다. 기본 시나리오에서 GPU 임대료는 시간당 약 7.75달러이며, 증분 EBIT 마진은 약 31%, 세후 수익률 또는 이익률은 약 25%이다.

이 경로도 여전히 수익을 낼 수 있지만, 자체 인프라를 보유한 플랫폼보다는 못하다. GPU를 임대하는 쪽은 먼저 컴퓨팅 임대료를 지불한 후, 모델 훈련, 추론, 서비스 및 판매 비용을 부담해야 하므로, 남는 이익 공간이 더 좁다.

타사 인프라 Model API 시나리오 분석: GPU 임대료 시간당 7.75달러, 토큰 가격 책정, 처리량 및 임대 비용이 공동으로 약 25%의 세후 수익률을 결정.

이것이 마이크로소프트, 아마존, 구글 및 메타가 상대적으로 유리한 이유이기도 하다. 이들은 자본력, 데이터 센터, 고객 접점 및 제품 유통 능력을 보유하고 있어, IaaS와 API 사이에서 더 적합한 수익화 방식을 선택할 수 있다. 순수 모델 기업이나 중간 계층 애플리케이션은 충분한 가격 결정력이 없다면 컴퓨팅 비용에 더 쉽게 압박을 받는다.

이는 서드파티 모델 기업에 기회가 없다는 뜻은 아닙니다. 고품질 모델, 수직적 시나리오, 기업 맞춤형 서비스, 애플리케이션 계층 유통 등에서 차별화를 이룰 가능성이 여전히 존재합니다. 하지만 자본 수익률 관점에서 보면, 저비용 연산 능력과 높은 활용률의 인프라를 보유한 쪽이 더 쉽게 이익을 남길 수 있습니다.

초점은 4대 대형 기술 플랫폼에 맞춰졌지만, 높은 수익률은 아직 실현되지 않음

모건스탠리는 이 계산을 바탕으로 마이크로소프트, 아마존, 메타, 구글을 계속 긍정적으로 평가합니다. 이들의 공통된 강점은 AI 인프라를 확장할 수 있을 뿐만 아니라, 기존 제품과 고객 접점을 통해 추론 수요를 흡수할 수 있다는 점입니다.

마이크로소프트에는 Overweight 등급이 부여되었으며, 목표 주가는 600달러입니다. 구글 모회사 알파벳의 목표 주가는 400달러, 메타는 Top Pick으로 선정되어 목표 주가 775달러입니다. 아마존도 대형 AI 플랫폼 수혜 방향에 포함되었지만, 구체적인 목표 주가는 공개 출처에 따라 차이가 있어 단일 숫자를 결론으로 삼기 어렵습니다.

이러한 주식 초점이 AI 자본 지출이 이미 실현되었다는 의미로 이해되어서는 안 됩니다. 네 기업의 단기 실적은 여전히 감가상각, 에너지 소비, 칩 교체, 연구개발 비용 압박을 받을 가능성이 있습니다. AI 투자가 주주 수익으로 전환될지 여부는 궁극적으로 추론 수익 증가가 비용 확장을 앞지를 수 있는지에 달려 있습니다.

25%~50%의 수익률도 시나리오 계산에 불과하며, 이미 발생한 재무 결과가 아닙니다. 75% 활용률은 높은 장벽이며, 기업 AI 애플리케이션 도입이 예상보다 느리면 유휴 GPU가 직접적으로 수익률을 낮출 수 있습니다. 토큰 가격도 불안정하여, 오픈소스 모델, 더 효율적인 소형 모델, 클라우드 업체의 가격 경쟁이 백만 토큰당 수익을 낮출 가능성이 있습니다.

이 보고서가 제시하는 것은 오히려 하나의 척도에 가깝습니다. 대형 기술 기업이 AI 인프라를 높은 활용률로 유지하고, Model API, 클라우드 서비스, 기존 제품을 통해 토큰 소비를 수익으로 전환할 수 있다면, AI 자본 지출은 단순한 비용 블랙홀이 아닙니다. 반대로, 임대료, 활용률, 추론 도입률이 기준에 미치지 못하면 25%~50%의 수익률은 곧 모델 표 안에 머물게 될 것입니다.

BlockBeats 공식 커뮤니티에 참여하세요:

Telegram 구독 그룹：https://t.me/theblockbeats

Telegram 토론 그룹：https://t.me/BlockBeats_App

Twitter 공식 계정：https://twitter.com/BlockBeatsAsia