AI 인프라 부채 의존도, 슈퍼사이클 지속성 가를까

AI 인프라 투자의 지속 여부를 가를 핵심 변수로 수요뿐 아니라 부채 의존도가 떠올랐다. 하이퍼스케일러의 영업활동현금흐름이 데이터센터와 GPU 투자 속도를 따라가지 못하면 AI 확장이 외부 차입에 의존할 수 있다는 분석이다.

개빈 베이커(Gavin Baker) 아트리데스 매니지먼트(Atreides Management) 공동창업자 겸 최고투자책임자(CIO)는 2026년 8월 4일 공개된 팟캐스트 ‘인베스트 라이크 더 베스트’에서 “AI 인프라 구축이 신용시장에 크게 의존한다면 우려할 수밖에 없다”고 말했다. 베이커는 AI 관련 자산 가격이 조정을 받았지만 GPU 임대료와 토큰 사용량 등 일부 실물 지표는 약화되지 않았다고 설명했다.

베이커의 분석은 기존 장기 GPU 계약의 재가격화에 초점을 맞춘다. 계약이 만료된 뒤 현물 가격에 맞춰 재계약되면 클라우드 사업자의 매출과 현금흐름이 개선될 수 있지만, AI 수요가 둔화하거나 GPU 가격이 계속 하락하면 신규 데이터센터 건설에 필요한 자금에서 외부 차입 비중이 커질 수 있다는 설명이다.

메타 플랫폼스($META)의 2026년 2분기 실적은 이 같은 양면성을 보여준다. 메타는 해당 분기 영업활동현금흐름으로 318억6200만달러(약 42조8000억원)를 기록했지만 자본지출도 310억8000만달러(약 41조7000억원)에 달했다.

메타가 제시한 2026년 연간 자본지출 전망은 1300억~1450억달러(약 174조6000억~194조7000억원)다. 분기 기준으로 영업활동현금흐름이 자본지출을 웃돌았지만 격차는 7억8200만달러에 그쳤고, 연간 투자 규모는 더 커질 것으로 제시됐다.

현금흐름이 자본지출을 가까스로 웃도는 구조에서는 투자 확대가 이어질수록 금융비용과 자금조달 조건의 중요성이 커진다. 베이커는 AI 인프라 투자가 하이퍼스케일러의 영업활동현금흐름으로 감당 가능한지가 ‘AI 슈퍼사이클’의 지속 여부를 가를 기준이라고 설명했다.

오픈소스 모델의 확산이 컴퓨팅 수요를 곧바로 줄이지는 않을 것이라는 분석도 내놨다. 모델 이용료가 낮아지면 폐쇄형 모델의 수익성은 압박받을 수 있지만, 이용량이 늘어 전체 토큰 처리량과 GPU·메모리·전력 수요가 증가할 수 있다는 논리다.

이 구조에서 학습과 추론은 서로 다른 수요를 만든다. 학습은 모델을 만드는 과정에서 대규모 연산을 요구하고, 추론은 학습된 모델이 실제 질문에 답하거나 작업을 수행할 때 지속적으로 컴퓨팅 자원을 사용한다.

베이커는 지속학습과 샘플 효율적 학습이 장기적으로 훈련에 필요한 연산량을 줄일 수 있다고 봤다. 다만 훈련 수요가 감소하더라도 추론 수요가 확대되면 전체 컴퓨팅 시장의 수요가 크게 줄지 않을 수 있다고 말했다.

오픈소스 모델의 확산이 실제 사용량과 수익성에 미치는 영향은 외부에서 파악하기 어렵다는 점도 변수다. 베이커는 비상장 기업과 민간 추론 클라우드의 사용량과 수익성이 공개 자료에 충분히 드러나지 않는다고 덧붙였다.

AI 인프라 시장에서는 GPU 공급과 임대, 클라우드 서비스, 데이터센터 건설, 전력 조달이 하나의 투자 구조로 맞물린다. 어느 한 단계의 수요가 약해지면 장비 가격과 계약 조건, 신규 설비투자의 자금조달 여건이 함께 달라질 수 있다.

장기 GPU 계약의 재가격화는 이 구조에서 중요한 변수다. 기존 계약이 현물 가격보다 높은 수준에서 체결됐다면 재계약 과정에서 클라우드 사업자의 수익성이 개선될 수 있지만, 반대로 GPU 가격 하락이 지속되면 투자 회수 기간이 길어질 수 있다.

금리와 신용스프레드도 투자 지속 여부에 영향을 미친다. 하이퍼스케일러의 현금흐름이 투자 속도를 따라가면 부채 의존도가 낮아질 수 있지만, 수요와 가격, 금융비용 가운데 하나라도 예상과 다르게 움직이면 자금조달 부담이 커질 수 있다.

결국 베이커가 말한 AI 슈퍼사이클의 관건은 오픈소스 모델의 확산 여부 하나가 아니라 GPU 가격, 장기 계약의 재가격화, 데이터센터와 전력 공급, 하이퍼스케일러의 현금창출력이다. 그의 발언은 AI 인프라 투자의 지속 가능성을 수요와 부채 구조를 함께 놓고 봐야 한다는 분석으로 정리된다.