AI의 700조짜리 문제

AI 거품이 전환점에 도달하고 있습니다.

앞으로 다가올 미래를 예측하는 것이 필수적입니다.

세계 최대 VC인 미국 세쿼이아 캐피털의 David Cahn 파트너는 “AI의 6000억 달러짜리 질문”에 위와 같이 강조했다. 해당 기고문은 6월 20일에 공개 되었으나 소셜 미디어에서는 최근 며칠 사이에 조금 더 주목을 받고 있는 모습이다.

오늘 기고문에서는 원문 저자인 David Cahn의 글을 토대로 그의 접근방식을 해석하고 문제점들을 지적한다. 필자는 그의 걱정은 유효하지만, 글의 내용은 오해의 소지가 상당하다고 생각한다.

투자금 회수에 필요한 AI 관련 매출 – Sequoia Capital

“참고: 이 지표는 쉽게 직접 계산할 수 있습니다. Nvidia의 연간 매출 예측에 2배를 곱하여 AI 데이터센터의 총 소유 비용(TCO; GPU는 총 소유 비용의 절반이며 나머지 절반에는 에너지, 건물, 백업 발전기 등이 포함됩니다)을 반영하기만 하면 됩니다. 그런 다음 다시 2배를 곱하여 GPU의 최종 사용자(예: 수익을 창출해야 하는 Azure 또는 AWS 또는 GCP에서 AI 컴퓨팅을 구매하는 스타트업 또는 비즈니스)에 대한 총 마진 50%를 반영합니다.”

예를 들어 Nvidia GPU를 10억치를 구매했다면 클라우드 공급자의 TCO는 20억원이고, 여기에 소프트웨어 마진율 50%를 반영하면 40억원의 매출이 창출되어야 10억치 투자를 정당화 할 수 있다는 주장이다.

위 지표는 최대한 간단하게 많은 사람들에게 GPU 경제학을 설명하기 위해서 만들었겠지만, 현실을 정확히 반영하지는 않는다.

먼저 시간가치에 대한 설명이 없다. GPU는 보통의 IT 하드웨어와 마찬가지로 4년의 내용연수 (useful life)를 갖는다. TCO라는 개념도 마찬가지로 4년동안 드는 총 소유 비용을 말하는것인데, 저자의 주장을 그대로 적용하면 앞으로 4년동안 만들어야 할 매출액이 GPU 구매액의 4배여야 투자금을 충분히 회수할 수 있다는 의미이다. 2024년 4분기 기준 AI 소프트웨어로 창출하는 연간반복매출은 보수적으로 1/4로 잡아 1500억 달러면 된다.

나는 AI 소프트웨어 매출이 J 커브를 그리고 있기 때문에 4분기 기준 연간반복매출이 1500억 달러가 될 필요는 없다고 본다.

다시 원문으로:

“2023년 9월 이후 달라진 점은 무엇인가요?

공급 부족이 진정되었습니다: 2023년 후반은 GPU 공급 부족이 절정에 달했던 시기였습니다. 스타트업들은 VC에 전화를 걸고, 대화할 수 있는 사람이라면 누구에게나 전화를 걸어 GPU를 확보할 수 있도록 도움을 요청했습니다. 오늘날에는 이러한 우려가 거의 완전히 해소되었습니다. 저와 대화하는 대부분의 사람들은 이제 합리적인 리드 타임으로 GPU를 비교적 쉽게 구할 수 있다고 말합니다.

GPU 비축량이 증가하고 있습니다: 엔비디아는 4분기에 데이터센터 매출의 약 절반이 대형 클라우드 제공업체에서 발생했다고 보고했습니다. Microsoft만 해도 Nvidia 4분기 매출의 약 22%를 차지했을 것으로 보입니다. 자본 지출이 역사적인 수준에 도달하고 있습니다. 이러한 투자는 빅 테크 24년 1분기 실적의 주요 주제였으며, CEO들은 이를 시장에 효과적으로 알렸습니다: "우리는 여러분이 좋든 싫든 GPU에 투자할 것입니다." 하드웨어 비축은 새로운 현상이 아니며, 비축량이 충분히 많아져 수요가 감소하면 주문 감소의 촉매제가 될 것입니다.

OpenAI는 여전히 AI 매출에서 가장 큰 비중을 차지하고 있습니다: 최근 더 인포메이션은 2023년 말의 16억 달러에서 현재 34억 달러로 증가한 OpenAI의 매출을 보고했습니다. 소수의 스타트업이 매출 규모를 1억 달러 수준으로 확장하는 것을 목격했지만, OpenAI와 다른 스타트업 간의 격차는 여전히 크게 벌어지고 있습니다. ChatGPT를 제외하고 오늘날 소비자들이 실제로 사용하고 있는 AI 제품은 얼마나 될까요? 월 15.49달러의 넷플릭스나 11.99달러의 스포티파이에서 얼마나 많은 가치를 얻고 있는지 생각해 보세요. 장기적으로 AI 기업들은 소비자들이 계속해서 지갑을 열 수 있도록 상당한 가치를 제공해야 할 것입니다.

1,250억 달러의 구멍은 이제 5,000억 달러의 구멍이 되었습니다: 지난 분석에서 저는 구글, 마이크로소프트, 애플, 메타가 각각 새로운 AI 관련 수익으로 연간 100억 달러를 창출할 수 있을 것이라고 넉넉하게 가정했습니다. 또한 오라클, 바이트댄스, 알리바바, 텐센트, X, 테슬라의 신규 AI 매출도 각각 50억 달러로 가정했습니다. 이 가정이 그대로 유지되고 목록에 몇 개의 회사가 더 추가되더라도 1,250억 달러의 구멍은 이제 5,000억 달러의 구멍이 될 것입니다.

B100이 다가오고 있습니다: 올해 초 Nvidia는 25% 더 저렴한 비용으로 2.5배 더 나은 성능을 제공하는 B100 칩을 발표했습니다. 이로 인해 NVDA 칩에 대한 수요가 최종적으로 급증할 것으로 예상합니다. B100은 H100에 비해 비용 대비 성능이 크게 개선되었기 때문에 올해 말에는 모두가 B100을 손에 넣으려 하기 때문에 공급 부족 현상이 또다시 발생할 가능성이 높습니다.”

David Cahn은 기존의 1,250억 달러(약 175조원) 규모의 구멍이 5,000억 달러 규모(약 700조원)로 더 커졌다고 주장하고 있다. 이는 구글, 마이크로소프트, 애플, 메타가 각각 연 100억 달러의 매출을 창출할 수 있다고 넉넉하게 가정했을때의 가정이라는 설명도 덧붙였다. 여러 빅테크 기업들과 AI 스타트업들이 합해 연간 1,000억 달러 규모의 AI 관련 매출을 창출 하더라도 5,000억 달러가 빈다는 것이다.

그러나 앞서 말했듯이 저자는 시간가치를 계산에 반영하지 않았다. 전세계 기업들이 AI를 통해 이미 연간반복매출 1,000억 달러를 달성하고 있다면, 앞으로 4년간 최소 4,000억 달러 매출이 일어날텐데 이는 이미 저자가 계산한 TCO(3,000억 달러)보다 큰 규모이다. 최소한 손해를 보지는 않는다는 얘기다.

매출이 정말 중요할까?

유튜브 동영상 광고 타게팅 개선, 아마존 배송 트럭의 배송 경로 효율화, 자동화된 고객 서비스, 사기 탐지 기능 등은 모두 ‘AI 매출’로 나타나지 않고도 AI 투자에 대한 의미 있는 수익을 창출할 수 있는 방법이다. 따라서 AI 하드웨어 투자에는 필연적으로 매출이 따라와야 된다는 논리는 매우 보수적인 사고방식이라는걸 인정해야 할 것이다.

원문에 가장 쉽게 반박할 수 있는 방법은 ‘생산성 향상’에 대한 가정이다. 만약 AI 도입으로 선진국 일자리의 10%를 10% 더 효율적으로 만들 수 있다면, 전세계 GDP가 6,000억 달러 증가하게 된다. 이는 세쿼이아 캐피털의 David Cahn이 요구하는 수치와 정확히 일치한다.

이미 많은 법률 및 지식노동 분야에서 AI 모델은 활발하게 사용되고 있지만, 이를 통한 생산성 향상은 통계에 정확히 반영되지 않는다. 예를 들어, 당신이 AI를 활용해서 업무의 상당 부분을 자동화 시킨 뒤 상사에게 알리지 않는다면 이러한 생산성 향상은 여가시간의 증가로 이어진다. 당신의 길어진 여가시간은 다른 누군가가 만든 서비스나 물건에 사용될 것이므로 경제에 +@로 작용한다. 가까운 미래에는 이렇게 직원들의 업무 효율화를 파악하는 기업들의 생산성이 그렇지 않은 기업들의 생산성 보다 높아질 것이고, 결국 경쟁이라는 압력하에 모든 기업들은 AI를 통해 생산성을 향상시키고 운영 비용을 감소시킬 것이다.

이렇게 총체적인 생산성 증가 효과가 있는 한, 꼭 추가적인 매출이 아니더라도 AI GPU에 대한 막대한 지출은 여전히 합리적이다.