AI 핵심 요약
beta- 빅테크가 27일 AI 투자 확대로 치솟는 손익분기점을 낮추기 위해 총력 대응에 나섰다.
- 엔비디아 의존도 축소·소형언어모델·수랭식·GPU 쪼개기로 토큰당 비용을 낮추는 전략을 추진했다.
- 그러나 AI 사용량 폭증과 설비투자 경쟁으로 감가상각·고정비가 급증해 제번스의 역설 속 BEP는 오히려 상승했다.
!AI가 자동 생성한 요약으로 정확하지 않을 수 있어요.
단위당 비용 깎아도 수익성 적신호
신규 수요 급증에 단가 효과 잠식
이 기사는 7월 27일 오전 11시13분 '해외 주식 투자의 도우미' GAM(Global Asset Management)에 출고된 프리미엄 기사입니다. GAM에서 회원 가입을 하면 9000여 해외 종목의 프리미엄 기사를 보실 수 있습니다.
[서울=뉴스핌] 황숙혜 기자 = 인공지능(AI) 주도권을 쥐기 위해 천문학적인 투자에 뛰어든 빅테크가 치솟는 손익분기점(BEP)을 낮추기 위해 총력전을 펼치고 있다.
알파벳(GOOGL)의 2분기 실적에서 설비투자(Capex) 폭증으로 손익분기점(BEP)이 상승하고, 이는 잉여현금흐름(FCF) 적자라는 악순환으로 이어지는 상황이 확인된 만큼 현실적인 대응책 마련이 시급한 과제가 됐다.
투자자들이 더 이상 매출액이나 당기순이익 증가에 만족하지 않고 투자수익률(ROI)을 잣대로 동원하는 움직임도 빅테크 경영진을 크게 압박하는 모양새다.
AI 모델을 이용한 주요 외신 분석에 따르면 이른바 하이퍼스케일러들은 하드웨어 설계부터 소프트웨어와 데이터센터 운용, 모델 구조까지 모든 영역에서 단가를 깎고 효율성을 극대화하는 전략을 꺼내 들었다.
무엇보다 눈에 띄는 움직임은 엔비디아(NVDA) 독점 구조의 탈출 러시다. 자체적인 AI 반도체, 즉 커스텀 ASIC 개발을 통해 비용을 통제한다는 복안이다.
구글의 TPU(텐서처리장치)와 아마존(AMZN)의 트레이니엄(Trainium) 및 인퍼런시아(Inferentia), 메타 플랫폼스(META)의 MTIA가 모두 같은 맥락이다.
엔비디아의 H100과 B200 등 최신 GPU(그래픽처리장치)는 개 당 수만 달러에 달하는 초고가 상품으로, 데이터센터 고정 비용을 끌어올리는 주범으로 꼽힌다.
빅테크는 자체 개발한 AI 전용 칩을 데이터센터에 투입해 엔비디아 GPU에 비해 구매와 운용 비용을 30~50% 가량 절감할 수 있다고 계산한다. 뿐만 아니라 AI 모델 훈련이나 추론을 위한 서버 구축 비용 역시 크게 낮춘다는 판단이다.
모델 구조의 혁신도 비용 상승으로 인한 손익분기점(BEP) 상승에 대응하기 위한 해법 가운데 하나다.
AI 모델을 이용해 구글 딥마인드와 앤스로픽, 오픈AI 등 하이퍼스케일러의 공식 개발자 문서를 분석한 결과 각 업체는 거대언어모델(LLM)이 아닌 소형언어모델(SLM) 전략으로 토큰 당 처리 비용을 대폭 감축하는 효과를 노리는 것으로 확인됐다.
간단한 질문의 경우 굳이 파라미터가 큰 모델을 사용하지 않고 가벼우면서 빠른 소형언어모델(SLM)이나 오픈소스 모델로 먼저 처리하도록 유도하는 형태로 비용을 대폭 줄일 수 있다는 판단이다.
프롬프트 캐싱(Prompt Caching)도 같은 맥락이다. 반복되는 질문이나 텍스트의 맥락을 미리 메모리에 저장(caching)해 두는 방법을 동원하면 중복 계산으로 나가는 GPU 연산 비용을 최대 90%까지 절감할 수 있다는 것.
빅테크는 데이터센터 인프라 효율성을 높이는 데도 사활을 거는 모양새다. 액체 냉각과 전력 단가 인하가 핵심이다.
로이터를 포함한 주요 외신에 따르면 AI 서버의 고전력, 고열 문제는 고정 비용을 치솟게 하는 주요인에 해당하는데 업체들은 공기 냉각 팬 대신 냉각수를 칩에 직접 흘려 보내는 방식을 도입해 전력 소비 효율(PUE)를 대폭 개선하고 있다.
빅테크가 연이어 원전이나 신재생 에너지 장기 계약을 체결하는 데도 데이터센터의 운영비를 낮추려는 의도가 깔려 있다. AI 데이터센터 인근에 원자력 발전소나 대규모 태양광 단지를 끼고 장기 전력 구매 계약(PPA)을 체결, 급등하는 전기 요금으로 인한 리스크를 고정 단가로 묶어 차단한다는 계산이다.
AI 모델을 이용해 엔비디아의 개발자 블로그와 아마존웹서비스(AWS) 인프라 아키텍처 가이드를 분석한 결과에 따르면 자원 공유와 동적 배정(GPU Sharing & Autoscaling)도 손익분기점(BEP) 상승에 대한 해법으로 동원되고 있다.
이른바 GPU 쪼개 쓰기가 대표적인 사례다. GPU 한 대를 하나의 작업에 통째로 할당하지 않고 가벼운 작업 여러 개가 칩 성능을 나눠 쓰도록 하는 방법이다.
AI 모델 학습과 추론의 시차 배정도 업체들의 필살기다. 이용자가 몰리는 낮 시간대에 GPU를 서비스 추론에 집중 투입하고, 이용자가 상대적으로 적은 밤시간대에 모델 학습으로 돌려 서버가 유휴 상태로 놀며 고정비만 발생시키는 상황을 최소화 한다는 복안이다.
AI 모델을 이용한 분석에 따르면 자체 칩 도입과 소형 모델 전환, 수랭식 전환 그리고 GPU 쪼개기 등 네 가지 해법이 실제로 토큰 단위 당 비용을 끌어내리는 것으로 나타났다.
하지만 시장 전체로 볼 때 손익분기점(BEP)은 오히려 더 가파르게 상승하는 역설이 펼쳐지고 있다.
먼저, 사용량의 폭발적인 증가가 단가 효과를 덮어버린다는 지적이다. 기술 혁신으로 한 가지 호출을 처리하는 단가는 떨어졌지만 사용자와 기업들의 AI 사용량과 에이전트 연산, 추론 요청 횟수가 폭증하면서 전체 운용 비용이 오히려 늘어났다는 얘기다.
설비투자의 무한 경쟁도 손익분기점(BEP) 상승을 부추기는 요인이다. 알파벳의 사태에서 보듯 빅테크 간의 주도권 다툼으로 데이터센터 신설과 GPU 구매 등 자본지출 속도가 영업현금흐름(OFC) 증가 속도를 크게 앞지르는 상황.
보도에 따르면 알파벳과 아마존, 마이크로소프트, 메타 플랫폼스 등 빅테크 4사의 인프라 투자액은 매년 가파르게 늘어나는 추세다. 2026년 지출만 7250억달러에 이를 전망이다.
천문학적인 시설 투자가 지속되면서 감가상각비와 고정비 부담이 천정부지로 뛰었고, 단위당 비용을 깎아도 전체 사업의 손익분기점(BEP) 벽은 계속 높아지는 구조가 형성됐다는 지적이다.
일부 시장 전문가들은 19세기 영국 경제학자 윌리엄 스탠리 제번스(William Stanley Jevons)가 제안한 경제 이론인 제번스의 역설(Jevons Paradox)이 작동하고 있다고 말한다.
증기 기관의 석탄이든 AI 컴퓨팅 파워든 특정 자원을 사용하는 기술적 효용성이 높아져 단위당 비용이 낮아지면 새로운 수요가 폭발해 총 소비량이 오히려 증가한다는 법칙으로, 이번 알파벳 2분기 실적에서 이 같은 상황이 두드러졌다는 의견이다.
실제로 빅테크의 경영진들은 단위당 추론 비용이 큰 폭으로 떨어지고 있지만 고객들의 AI 호출 건수와 에이전트 AI의 컴퓨팅 요구량이 비선형적으로 폭증하고 있다는 데 한 목소리를 낸다.
월스트리트저널(WSJ)과 블룸버그 등 주요 외신들도 투자은행(IB) 업계의 보고서를 인용해 빅테크 기업들의 분기별 자본지출 총액이 매년 최고치를 경신하면서 엄청난 감가상각비 부담 때문에 전체 손익분기점(BEP) 달성 시점이 뒤로 밀리고 있다고 지적한다.
shhwang@newspim.com
