Gorilla PE Insights · Beyond 시리즈 · 4편

거품의 해부학 — AI 자금 순환과 물리 인프라의 잔존 가치

[Abstract]

거품론은 언제나 부분을 짚는다. 어떤 이는 평가이익(equity valuation gain)의 착시를, 어떤 이는 NVIDIA를 중심으로 한 순환적 자금 구조를, 어떤 이는 빅테크의 잉여현금흐름(Free Cash Flow) 고갈을 가리킨다. 각각은 사실이다. 그러나 부분의 합은 전체가 아니다.

금번 분석은 다른 것을 시도한다 — 부분을 반박하지 않고, 전체의 지도를 그린다. AI 자본지출(capex)의 자금이 어디서 나와 어디를 거쳐 어디로 흘러가는지 도식화하고, 거품이 언제 거품이 되는지에 대한 판별 기준을 세운다. 그 기준에 역사상 실제 거품들 — 1840년대 철도, 2000년대 통신·닷컴 — 을 넣어 채점하고, 현재의 AI 자본지출을 같은 기준으로 측정한다.

결론을 먼저 제시하면 — 거품의 요소는 실재하나, 역사적 거품을 거품으로 완성시킨 결정적 조건이 현재 AI에는 아직 충족되지 않았다. 그리고 그 조건이 충족되더라도, 자금이 최종적으로 고이는 자리 — 물리 인프라 — 는 거품 사슬에서 가장 늦게 무너진다.

04편은 Beyond 시리즈의 자금 구조 편이다. 공급(01편)과 수요(02편)와 인식론(03편)을 거쳐, 이제 그 모든 thesis가 자금 순환 안에서 얼마나 버티는지를 본다. 그리고 이 글이 남기는 마지막 질문 — 이 자금이 기대하는 수요는 실제로 생산성의 잉여를 만들고 있는가 — 는 05편에서 별도로 해부한다.
 

[1. 자금 순환의 전체 지도]

거품론을 검증하려면 먼저 자금이 어떻게 흐르는지 전체를 봐야 한다. AI 자본지출의 자금은 여섯 개 층을 통과한다.

① 자금원 — 자체 영업현금, 회사채, 벤더 파이낸싱(vendor financing, 공급사가 고객의 구매 자금을 대는 구조), 벤처·국부펀드. 

② 칩 제조 — NVIDIA를 정점으로 한 가속기 공급. 

③ 클라우드·neocloud — 하이퍼스케일러와 GPU 임대 사업자. 

④ LLM 회사 — OpenAI·Anthropic 등 모델 개발사. 

⑤ 최종 수요 — 기업과 소비자가 실제로 지불하는 돈. 

⑥ 물리 인프라 — 데이터센터의 실리콘, 그 실리콘 위의 메모리.

여기까지는 단순한 공급 사슬이다. 거품론이 주목하는 것은 이 사슬을 가로지르는 순환 고리다. 세 개의 고리가 있다.

가장 짧은 고리는 ②칩 제조사와 ④LLM 회사 사이에 있다. NVIDIA는 OpenAI에 최대 USD 100B 투자를 약정했고, OpenAI는 그 자본의 상당 부분으로 NVIDIA 칩을 구매한다. OpenAI 경영진도 대규모 인프라 자금의 상당 부분이 NVIDIA 칩 구매로 흘러갈 수밖에 없다는 취지로 설명했다(2026). NVIDIA의 매출이 되고, NVIDIA의 시가총액이 오르고, 그 시가총액이 다음 투자의 근거가 된다.

더 긴 고리는 ②칩 제조·③클라우드·④LLM 회사를 묶는다. NVIDIA가 투자한 OpenAI가 Oracle과 클라우드 계약을 맺고, Oracle은 그 수요를 채우려 NVIDIA 칩을 사고, 다시 NVIDIA로 돌아간다. SoftBank의 사례가 이 고리의 성격을 잘 보여준다 — SoftBank는 OpenAI 투자를 확대하는 과정에서 보유하던 NVIDIA 지분 약 USD 5.8B를 매각했다(2026). 이 자금이 OpenAI를 거쳐 다시 NVIDIA 칩 수요로 연결될 수 있다는 점에서, 시장이 우려하는 순환 구조의 성격을 드러낸다.

세 번째 고리는 ③클라우드와 ④LLM 회사 사이의 평가이익이다. 하이퍼스케일러가 LLM 회사에 투자하면, 그 지분이 다음 펀딩 라운드에서 마크업(mark-up)되어 하이퍼스케일러의 장부이익으로 잡힌다. 2026년 1분기, Alphabet은 비상장 지분 평가이익으로 세전 약 USD 36.9B를 인식했고, 이는 세후 순이익을 약 USD 28.7B, 주당순이익을 약 USD 2.35 끌어올렸다(SEC 10-Q). Amazon은 Anthropic 투자에서 세전 약 USD 16.8B의 평가이익을 인식했다(SEC 10-Q).

순환은 실재한다. 문제는 이 순환이 거품을 의미하는가이다. 그것을 판별하려면 기준이 필요하다.
 

[2. 거품은 언제 거품이 되는가 — 다섯 가지 판별 기준]

모든 대형 인프라 투자에는 선투자와 회수의 시차가 있다. 시차 자체는 거품이 아니다. 철도도, 전력망도, 통신망도 모두 먼저 짓고 나중에 회수했다. 거품은 시차가 아니라, 대개 다음 다섯 가지 조건이 겹칠수록 완성된다.

판별 기준 1 — 자금원의 질. 선투자가 자체현금에서 나오는가, 빚과 벤더 파이낸싱에서 나오는가. 회수 압박이 약한 돈일수록 최종 수요 검증을 미룰 수 있고, 부실이 길게 은폐된다.

판별 기준 2 — 순환의 성격. 순환 거래의 끝에 실물 매출이 있는가, 아니면 순현금 이동 없는 맞교환인가. 후자는 외부 고객 없이 매출 착시만 만든다.

판별 기준 3 — 최종 수요의 실재. 실제 사용량이 증가하고 있는가. 사용은 정체됐는데 밸류만 오르면 거품이고, 사용이 증가하는 중이면 — 밸류가 과해도 — 토대는 있다.

판별 기준 4 — 회수의 가시성. 미래 수요가 계약으로 묶여 있는가, 전망과 희망에만 근거하는가. 계약된 수주잔고(backlog)는 검증 가능한 회수이고, 추정 트래픽은 검증 불가능한 기대다.

판별 기준 5 — 잔존 가치. 거품이 터졌을 때 무엇이 남는가. 투기적 종이자산만 남으면 순수 거품이고, 재사용 가능한 물리 인프라가 남으면 — 다음 시대의 토대가 된다.
 

이 다섯 기준으로 먼저 역사를 채점하고, 그 다음 현재의 AI를 같은 자로 잰다.
 

[3. 역사적 거품을 채점한다]

거품은 두 종류다. 역사의 거품은 무엇이 부풀려졌는가에 따라 크게 둘로 나뉜다. 자산 거품은 실물 생산 없이 가격만 부푼다 — 1637년 네덜란드 튤립, 1929년 주식, 2008년 모기지 증권이 그랬다. 터지면 종이자산만 사라지고, 뒤에 남는 물리적 토대는 거의 없다. 인프라 거품은 과잉 건설에서 온다 — 자본이 선로·케이블·데이터센터 같은 물리 자산에 과도하게 투입된다. 터져도 그 자산은 남아 다음 시대의 토대가 된다. AI 자본지출은 명백히 후자다. 데이터센터·실리콘·메모리라는 물리 자본재에 자금이 투입되고 있다. 그래서 AI를 채점하려면 같은 유형의 역사 — 인프라 거품 — 와 비교해야 한다. 튤립이 아니라 철도와, 1929가 아니라 통신과 비교하는 이유다.

1840년대 영국 철도 광기. 역사상 실물자본 대비 최대의 기술 거품이다. 1850년까지 누적 투자액이 약 £250M에 달했는데, 이는 당시 영국 GDP의 약 절반에 해당하는 규모였다. 1844~46년 사이 의회가 승인한 철도 노선만 약 6,220마일에 이르렀다.

다섯 기준으로 채점하면 — 기준 1(자금원)에서, 투자자들은 주식 액면가의 10%만 증거금으로 내고 나머지는 추후 납입하는 구조로 진입했다. 레버리지가 극심했고, 추가 납입 통지가 몰리자 매도가 쏟아졌다. 기준 3(수요)에서, 회수 시점을 과대낙관하고 건설 비용을 과소평가했다 — 다수 노선이 예상 운임 수입에 도달하지 못했다. 1845년 영란은행의 금리 인상이 도화선이 됐고, 거품은 붕괴했다.

그러나 기준 5(잔존 가치)에서는 달랐다. 부설된 6,220마일의 선로 상당수가 현재 영국 철도망의 골격이 됐다. 거품은 터졌으나 인프라는 살아남았다. 투기는 증발했지만 철로는 다음 한 세기의 토대가 됐다.

2000년대 통신·닷컴 거품. AI와 가장 닮은 거품이다. 기준 1과 2가 동시에 최악이었다.

기준 1(자금원) — Lucent·Nortel·Cisco 같은 장비 제조사가 통신 스타트업에 직접 자금을 대거나 지분을 투자했고, 스타트업은 그 돈으로 같은 제조사의 장비를 샀다. 벤더 파이낸싱이 빚으로 떠받쳐졌다. 제조사는 매출을 즉시 인식했지만, 떠안은 것은 회수 불투명한 대출과 지분이었다.

기준 2(순환의 성격) — 더 심각한 것은 round-tripping이었다. Global Crossing·Qwest·Level 3 같은 사업자들은 광케이블 용량을 서로 부풀린 가격에 맞교환했다. A가 B에서 USD 100M어치를 사고 B가 A에서 USD 100M어치를 사면, 순현금 이동은 0인데 양쪽 다 USD 100M의 매출을 장부에 기록했다. 외부 고객의 부재를 은폐하면서 견고한 수요의 착시를 만드는 — 순수한 자전거래였다.

기준 3(수요) — 데이터 트래픽 증가가 1990년대 말의 장밋빛 전망에 크게 미달했다. 과잉 용량이 드러나자 도매가가 붕괴했고, 2000~2002년 사이 통신주에서 약 USD 2T의 시가총액이 증발했다. Global Crossing은 파산했다.

그러나 여기서도 기준 5(잔존 가치)는 — 그때 깔린 dark fiber(미사용 광케이블)가 2000년대 광대역과 클라우드 컴퓨팅의 물리적 토대가 됐다. 거품은 터졌지만 광케이블은 남았다.

닷컴 거품의 결정적 교훈. 닷컴이 붕괴했을 때, 웹 데이터 트래픽에는 충격이 없었다. 사람들의 인터넷 사용량 추이만 보면 거품이 언제 터졌는지 알아낼 수조차 없다. 웹 사용량의 관점에서 보면, 거품은 사용량이 아니라 밸류에이션과 자본시장에 있었다. 기준 3(수요의 실재)과 밸류에이션을 분리하는 것 — 이것이 거품 판별의 핵심이다. 사용이 꺾였는가, 아니면 가격만 꺾였는가는 전혀 다른 사건이다.

세 거품의 공통점은 기준 5다 — 철도의 선로도, 통신의 광케이블도 살아남아 다음 시대의 토대가 됐다. 그리고 세 거품을 거품으로 만든 것은 공통적으로 기준 3 또는 4의 실패였다 — 수요가 전망에 미달했거나, 회수가 검증 불가능한 희망에 근거했다.
 

[4. 현재 AI를 같은 기준으로 채점한다]

이제 같은 다섯 기준으로 현재의 AI 자본지출을 측정한다. 결과는 기준마다 다르다.

기준 1 (자금원의 질) — 혼재, 그러나 통신보다 낫다. 핵심은 자체현금이냐 빚이냐인데, 기업마다 갈린다. Alphabet은 2026년 1분기 영업현금흐름 약 USD 45.8B로 자본지출 약 USD 35.7B를 감당하고도 잉여현금흐름이 약 USD 10.1B 플러스였다(SEC 10-Q). Microsoft도 영업현금흐름이 자본지출을 웃돈다. 반면 Amazon은 최근 12개월(TTM) 기준 영업현금흐름 약 USD 148.5B가 자본지출 약 USD 147.3B를 겨우 웃도는 수준까지 압축되며, 잉여현금흐름이 약 USD 1.2B로 전년 대비 약 95% 줄었다 — 그리고 2026년 1분기에만 약 USD 53.4B의 회사채를 발행했다(전년 동기 약 USD 0.7B의 70배 이상).

결정적 차이는 — 1990년대 통신 벤더가 빚으로 파이낸싱한 것과 달리, 빅테크의 투자는 상당 부분이 자체 잉여현금흐름에서 나온다. 빅테크 4사는 2025년 3분기 기준 현금성 자산 약 USD 490B를 보유하고, 자본지출 차감 후에도 연 약 USD 400B의 잉여현금흐름을 창출한다. 다만 — 월스트리트가 neocloud 사업자에게 NVIDIA 칩을 담보로 약 USD 11B 이상을 대출한 취약 고리는 분명히 존재한다. 통신보다 자금원의 질은 높으나, 빚의 고리가 자라고 있다.

기준 2 (순환의 성격) — round-tripping은 아니다. 이것이 통신 거품과 갈리는 결정적 지점이다. Global Crossing의 맞교환은 순현금 이동이 0인 경제적 실질이 없는 거래였다. 그러나 NVIDIA가 투자한 OpenAI는 받은 칩으로 실제 서비스를 돌린다 — 주간 활성 사용자 약 9억 명, 약 USD 33B의 연환산 매출(run rate)을 기록하는 실사용 서비스다(Sacra·The Information 추정, 2026.05). 순환의 끝에 실물 매출이 있으면 — 그것은 자전거래(round-tripping)가 아니라 벤더 파이낸싱이다.

단, 한계는 분명하다 — NVIDIA 매출 중 순환이 떠받치는 정확한 비율은 알 수 없다. NVIDIA의 AI 벤처 투자 다수가 개별로는 "비중대(non-material)"하다는 이유로 공시되지 않기 때문이다. 위조는 아니나, 순환의 크기는 미지다. 이 미지는 시장도, 우리도 해소하지 못한다. 다만 이 순환은 풀리는 방향으로도 움직인다 — 2026년 4월 Microsoft와 OpenAI는 독점 구조를 해제했고, Microsoft가 OpenAI 모델 배포에 지급하던 수익배분도 중단됐다(CNBC). 보조금 성격의 순환 고리 하나가 끊긴 셈이다.

기준 3 (최종 수요의 실재) — 증가 중이다. 가장 고가의 AI 사용군 중 하나인 agentic coder만 보더라도, 전 세계 인구 대비 침투율은 약 0.04%(약 200~500만 명) 수준에 불과하다. 그럼에도 이 좁은 사용자군과 기업 초기 도입만으로 이미 약 USD 30B 규모의 연환산 매출이 형성됐다. 스마트폰 보급률 78%, 소셜미디어 58%에 비하면 침투는 극초기 단계다. 그리고 사용의 방향은 분명하다 — 기업 AI 도입률은 2026년 5월 약 50.6%를 넘어섰고(Ramp, 미국 5만여 기업의 실제 카드 지출 기준), 실험 단계에서 반복 지출로 넘어가는 중이다. 장난감이 아니라 예산 항목이 됐다는 신호다.

가장 정량적인 증거는 단가와 지출의 괴리다. 토큰 단가는 지난 2년간 수십~수백 배 떨어졌는데 — GPT-4급 성능이 2023년 백만 토큰당 약 USD 60에서 2025년 약 USD 0.40까지 내려왔다 — 같은 기간 기업 AI 지출은 오히려 약 320% 늘었다(Gartner 분석 기반, 2026.03). 가격 폭락을 사용량 증가가 압도하는 것이다. 효율이 오를수록 총소비가 늘어나는 Jevons paradox(제번스 역설)의 구조다. agentic 워크플로우 하나가 작업당 LLM을 5~30회 호출하면서, 단가 하락분을 사용량이 빨아들인다. 닷컴의 교훈을 적용하면 — 사용은 정체가 아니라 가파른 증가 국면이다. 밸류에이션이 과한지는 논쟁할 수 있으나, 사용이라는 토대는 분명히 존재한다.

그렇다면 이 수요의 주체는 누구인가. 거품론의 숨은 전제는 — 클라우드의 성장이 곧 LLM 회사들이 투자받은 돈으로 빌리는 컴퓨트라는 것이다. 2026년 1분기 실적은 이 전제를 처음으로 측정 가능하게 만들었다. Azure의 40% 성장에서 AI 서비스의 기여는 약 12포인트 — 나머지 28포인트는 AI 이전부터의 클라우드 본체다(Microsoft CFO). AWS의 수주잔고 약 USD 364B는 Anthropic의 USD 100B 이상 약정을 제외한 숫자이고, AWS의 AI 플랫폼 Bedrock은 12.5만 기업 고객과 Fortune 100의 약 80%를 품은 채 한 분기에 이전 모든 해의 합을 넘는 토큰을 처리했다. Google은 실적 발표에서 "기업 AI 솔루션이 이번 분기 처음으로 클라우드 성장의 제1 동력이 됐다"고 직접 못박았다. 수요의 본체는 LLM 회사가 아니라, 자기 예산으로 AI를 배치하는 기업들이다 — 기업 AI 지출은 2025년 약 USD 37B로 한 해 만에 3배가 됐고, AI 에이전트 배치의 페이백 중앙값은 5.1개월이다(BCG·Forrester). 반년짜리 페이백은 신앙이 아니라 회계다. 클라우드로의 이전조차 동기가 바뀌었다 — 기업들이 마이그레이션을 추진하는 1순위 목적은 이제 비용 절감이 아니라 "워크로드를 AI와 연결하기 위해서"다(IDC 조사, 45%).

수요는 추론에만 있지 않다. 02편에서 다뤘듯, 공개 인터넷 텍스트라는 인류 데이터의 약 0.01%만 소진됐을 뿐, 기업 비공개·물리 세계·전문가 데이터라는 나머지 99.99%의 잠금이 이제 풀리기 시작했고, 그 결과 추론 수요와 학습 수요가 동시에 커진다. 다만 02편이 짚었듯, 그 속도는 데이터 잠금 해제의 속도에 달려 있다.

다만 회수 갭에 대한 경고도 무겁다 — Bain은 2030년까지 이 자본지출을 정당화하려면 연 약 USD 2T의 AI 매출이 필요하다고 보고, Sequoia는 연 약 USD 600B의 매출 갭이 좁혀지지 않고 벌어지는 중이라 계산했다. MIT의 조사는 기업 생성형 AI 파일럿의 약 95%가 측정 가능한 손익 효과를 내지 못한다고 보고했다. 그러나 — 그 95%는 평균이다. 생산성의 잉여는 평균이 아니라 가장 앞선 일부에서 먼저 나타난다. 2026년 AI는 80년간 풀리지 않은 수학 난제(unit distance conjecture)를 풀어 인간이 단독으로 했다면 최상위 저널에 실릴 수준이라는 평가를 받았고, 동시에 수많은 전문가의 일상 작업에 깊이 침투했다.¹ 평균적 파일럿의 실패와 최전선의 돌파는 함께 일어난다. 수요가 선투자를 따라잡을지는 아직 입증되지 않았으나 — 그 답은 평균이 아니라 최전선에서 먼저 나온다. 경제사는 이 패턴에 이름을 붙여뒀다 — 생산성 J-커브(Productivity J-Curve). 범용기술은 보완 투자가 진행되는 동안 평균의 통계를 누르다가, 임계를 넘으면 한꺼번에 나타난다. 전기가 그랬고, IT가 그랬다. 그리고 첫 신호는 이미 통계에 잡히기 시작했다 — 미국 노동생산성 증가율은 2023년 이후 직전 10년의 두 배 속도로 올라섰고, 2026년 초 연준 계열 연구는 처음으로 AI 도입률과 산업별 생산성 가속 사이의 상관을 보고했다. 아직 '시사적'이라는 단서가 붙은 신호다. 그러나 전기도 IT도 — 첫 신호는 늘 그렇게 왔다. 이 절에서는 수요의 존재와 주체를 확인하는 데서 멈춘다. 그 수요가 만드는 잉여의 실체 — 어느 층에서, 어느 섹터부터, 어떤 속도로 오는가 — 는 05편이 별도로 해부한다.

기준 4 (회수의 가시성) — 상당 부분 계약으로 묶여 있다. 이것이 현재 AI가 역사적 거품과 가장 다른 지점이다. 통신은 추정 트래픽에 근거했으나, 현재 클라우드는 계약된 수주잔고를 보유한다. 2026년 1분기, 3대 클라우드 사업자의 수주잔고 합산은 약 USD 1.45T이고, 그중 상당 부분이 AI 인프라 수요와 연결되어 있다. AWS의 수주잔고는 직전 분기 USD 244B에서 약 USD 364B로 뛰었다 — Anthropic의 USD 100B 이상 신규 약정을 제외하고도. Google Cloud의 수주잔고는 약 USD 460B로 현재 클라우드 매출의 약 6년치에 해당하고, Microsoft의 상업 수주잔고는 약 USD 627B로 전년 대비 약 99% 늘었다 — OpenAI 약정을 제외해도 약 26% 성장이다(클라우드를 포함한 전사 상업 RPO 기준).

가장 선명한 신호는 시장의 반응이다. Amazon은 잉여현금흐름이 약 95% 압축됐는데도 주가가 크게 흔들리지 않았다. 적어도 시장은 단기 잉여현금흐름 악화보다 계약된 클라우드 수요와 AI 인프라 성장성을 더 크게 가격에 반영한 것으로 해석할 수 있다. Amazon 본인이 공시에서 밝혔듯, 이 지출은 투기적 건설(speculative build)이 아니라 계약된 수주잔고에 묶인 지출이다. 회수는 더 이상 순수한 희망만은 아니다 — 상당 부분은 계약으로 묶여 있고, 현재의 병목은 수요 부재보다 가동률·공급·전력·메모리 제약에 가깝다.

기준 5 (잔존 가치) — 가장 견고하다. 거품이 터지더라도, 철도의 선로와 통신의 dark fiber가 그랬듯, 데이터센터의 실리콘과 메모리는 남는다. Richmond Fed의 분석에 따르면 현재 AI 투자는 미국 GDP의 약 0.4%로, 닷컴 피크 시점의 약 1.2%의 3분의 1 수준이다. 거품이라 하더라도 아직 초기 국면이며, 잔존 가치의 물리적 토대는 역사적 기술 거품들과 비교해도 상대적으로 견고하다.

AI는 한 가지를 더 가진다 — 잔존하는 실리콘의 사용수명이 길다. 구형 GPU는 폐기되는 게 아니라 추론으로 내려간다. 신세대가 프론티어 학습을 맡으면 구세대는 추론·배치 작업으로 cascade되며, 2020년 출시된 A100조차 지금도 추론 수요로 가득 차 있다. 추론이 2030년 AI 컴퓨트의 약 80%를 차지할 전망이라, 흔히 말하는 'GPU 2~3년 수명'은 학습 기준이지 총 경제수명이 아니다. 단 — 담보로서의 재판매가는 사용가치와 다르게 움직인다. 신세대가 나올 때마다 계단식으로 떨어지고, 3년차에 취득가의 약 45~55%로 내려앉는 구간이 있다. 운영이 지속되는 한 실리콘은 오래 일하지만, 여러 사업자가 동시에 청산하면 처분가는 출렁인다. 그리고 이것이 Gorilla PE thesis의 핵심으로 이어진다.
 

[5. 검증 가능한 회수, 그리고 전염 임계의 부재]

다섯 기준을 종합하면, 현재 AI 자본지출은 역사적 거품과 세 기준에서 다르고, 두 기준에서 닮았다.

닮은 것 — 기준 1(자금원에 빚의 고리가 자란다)과 기준 2의 미지(순환의 정확한 크기를 모른다). 이것이 거품론이 정확히 짚는 부분이며, 우리는 부정하지 않는다. Amazon의 USD 53.4B 분기 채권 발행도, NVIDIA–OpenAI 순환도 실재한다.

다른 것 — 기준 3(수요가 증가 중), 기준 4(회수가 계약으로 묶임), 기준 5(잔존 가치가 견고함).

그리고 이 셋 중 기준 4가 결정적이다. 왜 다른 네 기준이 아니라 기준 4인가. 역사를 돌아보면 답이 보인다 — 철도도 기준 5(잔존 가치)는 충족했다(선로는 남았다). 통신도 기준 5는 충족했다(광케이블은 남았다). 잔존 가치가 있어도 거품은 터졌다. 자금원의 질(기준 1)도 결정적이지 않았다 — 철도는 자체 자본도 상당했지만 터졌다. 순환(기준 2)도 단독으로는 결정적이지 않았다 — 통신의 round-tripping은 이미 수요가 미달한 뒤에야 문제가 됐다.

역사적 인프라 거품에서 반복적으로 관찰되는 결정적 조건은 — 회수가 검증 불가능한 희망에 과도하게 의존했다는 점이다. 철도의 과대낙관도, 통신의 추정 트래픽도, 닷컴의 "눈덩이 성장" 서사도 모두 계약되지 않은 미래였다. 그것이 무너질 때 거품이 터졌다.

현재 3대 클라우드 사업자에는 약 USD 1.45T의 계약된 수주잔고가 존재하고, 그중 상당 부분이 AI 인프라 수요와 연결되어 있다. 거품을 거품으로 완성시키는 결정적 조건 — 검증 불가능한 회수 — 이 아직 충족되지 않았다.

그리고 거품이 터지더라도 그것이 시스템 위기로 번지려면 또 하나의 조건 — 전염 경로 — 이 필요하다. 2008이 파괴적이었던 것은 은행이 직접 노출돼 신용 자체가 얼어붙었기 때문이다. 현재 AI 신용에 대한 은행의 직접 노출은 총자산의 약 0.8%에 그치고(시카고 연방준비은행, 2026.02), neocloud로 흘러간 사모 신용(private credit)의 투자자 구성도 — 글로벌 사모 신용 펀드 기준 — 약 86%가 보험·연기금이다(ECB). 이들은 장기 투자 지평과 즉각적 런(run) 위험이 없는 부채 구조 덕에 평가손을 견디는 보유자다 — 2008의 뱅크런 동학이 성립하지 않는 자리에 돈이 앉아 있다. Morgan Stanley는 직접대출 디폴트율이 코로나기 수준(약 8%)으로 치솟는 시나리오조차 "상당하나 시스템적이지는 않은(significant but not systemic)" 것으로 평가했다. 검증 가능한 회수가 있고, 전염의 임계도 아직 차지 않았다 — 두 겹의 안전판이다.

물론 이 결론에는 단서가 붙는다. 수주잔고의 일부도 순환 계약(OpenAI–Oracle 같은)을 포함하며, 그래서 기준 2의 미지가 기준 4의 신뢰를 일부 갉아먹는다. 우리는 이 순환 비율을 모른다. 그러나 모르는 것을 인정하는 것과, 부분을 보고 전체를 단정하는 것은 다르다. 거품의 결정적 방아쇠는 아직 당겨지지 않았다.
 

[6. 통행료는 가장 늦게 무너진다]

거품이 터진다면 — 그것이 기준 1·2의 취약 고리에서 비롯된다면 — 어느 층이 먼저 무너지는가. 자금 순환의 지도를 다시 보면 답이 보인다.

가장 먼저 무너지는 것은 ④ LLM 층의 순환 의존 자금이다. 자체 매출 없이 벤더 파이낸싱과 순환 거래에 기댄 사업자 — 이들이 첫 도미노다. OpenAI가 인프라 약정 규모를 재조정했다는 보도(CNBC, 2026.02 — 약 USD 1.4T에서 USD 600B로)는 이 층의 회수 압력과 자본 효율성 논쟁을 보여주는 신호다.

그 다음이 ③ neocloud의 빚으로 산 GPU다. 칩을 담보로 빌린 약 USD 11B의 대출이 칩 가격 하락에 직격된다. 담보 가치가 떨어지면 마진콜이 연쇄한다.

그러나 ⑥ 물리 인프라 — 데이터센터의 실리콘과 메모리 — 는 가장 늦게 무너진다. 누가 이기든, 순환이 일부 빠지든, 남는 수요는 여전히 메모리를 사기 때문이다. Meta는 2026년 자본지출 전망을 올린 이유를 직접 밝혔다 — "대부분은 부품 비용, 특히 메모리 가격 때문이다." 빅테크의 잉여현금흐름이 마르는 그 돈이, 정확히 메모리로 흐른다.

그래서 우리는 끊지 못한 고리 — 순환의 정확한 비율 — 를 헤지한다. 세 가지 방식이다.

첫째, 순환 의존 수요와 실물 매출 수요를 구분하고 후자에 가중한다. Anthropic처럼 기업 고객 비중이 높고 대규모 계약 기반 매출을 빠르게 키우는 수요는, 순환 의존 자금과 구분해 봐야 한다. Anthropic은 Sacra·CNBC 추정 기준 약 USD 45B의 연환산 매출을 내며 매출의 약 80%가 기업 고객에서 나오고, 연 USD 1M 이상을 쓰는 기업이 1,000곳을 넘는다(2026.05). 자체 매출로 컴퓨트를 사는 이런 수요는 순환이 아니다. 단일 자금원에 의존한 수요보다 이런 수요원에 가중한다.

둘째, architecture-agnostic을 유지한다. 특정 LLM 회사가 무너져도 — 그것이 순환 사슬의 약한 고리라면 — 자체 자금으로 움직이는 나머지 수요는 남는다. 03편에서 다룬 누가 사다리를 오를지 모르기에 모두가 통과하는 인프라에 베팅한다는 원칙은, 자금 구조에도 그대로 적용된다. 단일 패러다임도, 단일 자금원도 베팅하지 않는다.

셋째, 통행료의 위치를 기억한다. 자금 사슬의 어느 고리가 끊겨도, 통행료를 받는 자리는 가장 늦게 무너진다. 거품이 빠질 때 LLM 층과 neocloud 층이 먼저 흔들려도, 그 충격이 메모리에 닿을 때쯤이면 — 살아남은 수요는 여전히 메모리를 산다.
 

[결론]

거품의 요소는 실재한다. 자금원에 자라는 빚의 고리도, 순환의 알 수 없는 크기도 사실이다. Amazon의 USD 53.4B 분기 채권도, NVIDIA–OpenAI의 USD 100B 순환도 실재한다. 우리는 이것을 부정하지 않는다.

그러나 역사적 거품을 거품으로 완성시킨 결정적 조건 — 검증 불가능한 회수 — 은 현재 AI에 아직 충족되지 않았다. 약 USD 1.45T의 계약된 수주잔고가 그 증거다. 철도가 그랬듯, 통신이 그랬듯, 설령 거품이 빠지더라도 물리 인프라는 남아 다음 시대의 토대가 된다. 그리고 그 인프라로 가는 길의 통행소 — 메모리 — 는 거품 사슬에서 가장 늦게 무너지는 자리다.

자금은 여섯 개의 층을 순환한다. 그러나 그 자금이 어느 경로로 돌든, 결국 한 곳으로 떨어진다. 데이터센터의 실리콘이고, 그 실리콘 위의 메모리다.

“알은 아직 깨지지 않았다. 그러나 무엇이 나오든 — 불사조든, 환영이든 — 그것은 결국 실리콘과 메모리 위에 서야 한다.”

[주]

1. 가장 검증된 돌파는 unit distance conjecture(단위 거리 추측)다 — 80년간 미해결이던 이 기하학 난제를 한 LLM이 풀어, 인간이 단독으로 도달했다면 수학 최상위 저널에 실릴 수준이라는 평가를 받았다(2026.05). 같은 시기 Google DeepMind는 50년 이상 미해결이던 2개를 포함해 9개의 Erdős 문제 해법을 발표했고, AI 수학 올림피아드(IMO) 성적은 2024년 은메달에서 2025년 금메달로 올라섰다. Terence Tao 등이 분석한 AlphaEvolve는 67개 최적화 문제 중 일부에서 기존 문헌의 기록을 개선했다. 단, 과장은 경계해야 한다 — 2025년 10월 이후 '해결'로 분류된 Erdős 문제 약 100개의 상당수는 새 증명이 아니라 잊혀 있던 기존 문헌을 LLM이 찾아낸 경우였고(souped-up literature search), Riemann 가설 같은 최난제는 여전히 현재 AI의 사정권 밖이다. 즉 돌파는 '평균'이 아니라 '최전선'에서, 그것도 선별적으로 일어나고 있다 — 그러나 바로 그 최전선이 수요의 방향을 가리킨다.

[출처]

평가이익·잉여현금흐름·자본지출·수주잔고는 Alphabet·Amazon·Microsoft·Meta의 SEC 10-Q 및 실적 발표(2026년 1분기) 기준이다. Amazon의 영업현금흐름·자본지출은 최근 12개월(TTM) 기준이며, 회사채 발행액은 2026년 1분기 기준이다. 매출 추정(Anthropic 약 USD 45B, OpenAI 약 USD 33B 연환산, OpenAI 주간 활성 사용자 약 9억 명)은 Sacra·The Information·Reuters(2026년 5월)를 따른다. 기업 AI 도입률(약 50.6%)과 사업자별 도입 점유율은 Ramp AI Index(2026.05, 미국 5만여 기업 카드 지출 기준)에 근거한다. 토큰 단가 하락 대비 기업 지출 증가(약 320%)와 agentic 워크플로우의 토큰 배수(작업당 5~30회)는 Gartner 분석(2026.03)에 기반한다. 회수 갭은 Bain(연 USD 2T 필요)·Sequoia(연 USD 600B 갭)·MIT NANDA(파일럿 95% 손익 영향 없음)에, OpenAI 인프라 약정 재조정(약 USD 1.4T→600B)은 CNBC(2026.02)에, Microsoft–OpenAI 구조 재편은 CNBC(2026.04)에 근거한다. 클라우드 수요 분해 — Azure 성장 중 AI 기여(약 12pt), AWS 수주잔고의 Anthropic 약정 제외, Bedrock 고객·토큰 처리, Google Cloud의 "기업 AI가 제1 성장 동력" 발언 — 는 Microsoft·Amazon·Alphabet의 2026년 1분기 실적 발표와 콘퍼런스 콜에 근거한다. 기업 AI 지출(2025년 약 USD 37B, 전년 대비 3배)과 에이전트 배치 페이백(중앙값 5.1개월)은 시장 조사 및 BCG·Forrester(2026)에, 클라우드 마이그레이션의 1순위 목적(AI enablement, 45%)은 IDC FERS 조사(2026)에 근거한다. 미국 노동생산성 가속과 AI 도입의 산업별 상관은 BLS 통계 및 캔자스시티·세인트루이스 연방준비은행 분석(2026)을 따르며, 해당 연구가 명시한 '시사적 수준'이라는 단서를 본문에 그대로 옮긴다. 구형 GPU의 추론 cascade와 재판매가 추이, 추론이 2030년 컴퓨트의 약 80%를 차지한다는 전망은 업계 분석에 따른다. AI 신용에 대한 은행 직접 노출(총자산의 약 0.8%)은 시카고 연방준비은행 분석(2026.02)에, 사모 신용 펀드의 투자자 구성(보험·연기금 약 86%)과 이들의 장기 부채 구조에 대한 평가는 ECB 금융안정보고서(2024.05·2026.05 특집)에, 디폴트 시나리오 평가(직접대출 디폴트율 약 8% 가정 시 'significant but not systemic')는 Morgan Stanley 크레딧 전략 분석에 근거한다. 클라우드 수주잔고 합산은 Amazon·Alphabet·Microsoft의 2026년 1분기(Microsoft는 FY26 3분기) 실적 발표 기준이며, Microsoft 수치는 클라우드를 포함한 전사 상업 RPO다. 수학 난제 해결 사례는 Scientific American·DeepMind 발표(2026)를 따른다. 역사적 비교는 영국 철도 광기(1840년대, 투자액 GDP 절반·6,220마일)와 통신·닷컴 거품(2000년대, 시총 약 USD 2T 증발)의 공개 자료를 따른다. 순환 비율(NVIDIA 매출 중 자사 투자처 비중)은 공시 불완전으로 추정 불가임을 명시한다.

금번 분석은 Gorilla PE Insights Beyond 시리즈의 4편이다. 01편 BEAR AND FEAR가 공급 측 thesis를, 02편 SCALE UNSEALED가 수요 측 thesis를, 03편 CAUSAL, NOT CASUAL이 인식론적 기초를 형성했다면, 04편은 그 모든 것을 자금 구조 안에서 검증한다. 가장 논쟁적인 잔여 질문 — 그 자금이 기대하는 수요는 누구의 돈이며, 실제로 생산성의 잉여를 만들고 있는가 — 는 05편 BARELY BEGUN이 해부하며 시리즈를 닫는다.