어느 커뮤니티에서 봤던 재밌는 문구가 있다.
자기 의견은 ‘똥꼬’ 같은 것이라고 한다.
누구에게나 하나씩은 있지만,
정작 그 누구도 남의 똥꼬에 대해 자세히 알고 싶어 하지는 않는다는 말이었다.
조금 거칠지만, 투자 시장을 오래 보다 보면 묘하게 맞는 말처럼 느껴질 때가 있다.
특히 최근 반도체 고점론을 두고,
여전히 과거 메모리 시클리컬 사이클의 문법만으로 업황을 해석하려는 외부 투자자나 리서치 기관과 대화를 하다 보면 더욱 그렇다.
이번글에서는 반도체 고점론에 대한 소모적인 논쟁보다는,
최근 AWS Cloud 산업에서 나타나는 변화를 중심으로 리서치 기록을 남겨보려 한다.
토큰 단가하락 및 모델성능 개선으로 인한 AI token 사용량 증가, compute capacity 부족, 메모리와 전력 인프라 비용 상승, 그리고 cloud 사업자들의 가격 결정력 변화가 결국 어떤 방향으로 이어질지 정리해보고자 한다.
AI Cloud는 비용센터에서 희소자산으로 바뀌고 있다
AI 인프라 투자를 둘러싼 시장의 질문이 바뀌고 있다.
과거의 질문은 단순했다.
“빅테크가 이렇게 많은 Capex를 쓰고도 돈을 벌 수 있을까?”
하지만 최근 AWS, Anthropic, OpenAI, Bedrock, 중국 LLM Cloud, Meta Compute 흐름을 같이 놓고 보면 질문은 달라진다.
“전력, 메모리, GPU/ASIC, 데이터센터, 냉각, 네트워크를 먼저 확보한 사업자가 이 희소한 computing resource를 얼마나 비싸게 팔 수 있는가?”
지금 AWS AI Cloud에서 벌어지는 일은 단순한 클라우드 성장률 회복이 아니다.
AI token 사용량 급증에 따른 demand-full inflation.
메모리·전력·데이터센터 비용 상승에 따른 cost-push inflation.
그리고 이를 고객에게 전가할 수 있는 AI cloud pricing power.
이 세 가지가 동시에 나타나는 구간으로 보인다.
1. Anthropic, OpenAI, Bedrock 수요는 이미 AWS의 가격 결정력을 만들고 있다
AWS의 최근 실적은 AI 인프라 수요가 전체 클라우드 성장률을 다시 끌어올리고 있음을 보여준다.
Amazon의 2026년 1분기 AWS 매출은 376억 달러, 전년 대비 28% 증가했다. AWS 영업이익은 142억 달러였다. 단순 계산한 AWS 영업이익률은 약 **37.8%**다. 동시에 Amazon은 AI 투자 증가로 property & equipment 구매가 크게 늘면서 TTM FCF가 259억 달러에서 12억 달러로 감소했다고 설명했다. (Amazon IR)
 |
| 2026.04.29 Amazon |
 |
| 2026.04.29 Amazon |
의미는 명확하다.
손익계산서상 AWS 마진은 여전히 높다.
다만 현금흐름표에서는 AI Capex 부담이 먼저 반영되고 있다.
수요 측면에서 가장 중요한 고객은 Anthropic이다.
Anthropic은 2025년 말 약 90억 달러였던 run-rate revenue가 2026년에 300억 달러 이상으로 올라섰다고 밝혔다. 소비자와 기업 고객 사용량이 급증하면서 peak hour reliability와 performance에도 부담이 커졌다고 설명했다.
이 때문에 Anthropic은 AWS와 협력을 확대했다. 2026년 말까지 거의 1GW의 추가 compute를 확보하고, 장기적으로 최대 5GW의 Trainium capacity를 사용하기로 했다. (Anthropic)
 |
| CY 2Q26 흑전을 앞두고 있는 앤트로픽 |
 |
| Anthropic compute capacity |
OpenAI도 AWS에 붙었다.
OpenAI와 Amazon은 AWS 계약을 8년간 1,000억 달러 추가 확대했다. OpenAI는 약 2GW의 Trainium capacity를 사용하기로 했다. 이 capacity는 OpenAI Frontier, Stateful Runtime Environment, 고급 agentic workload에 투입된다. (OpenAI)
 |
| 비용통제가 아직 잡히지 않은 OpenAI |
 |
| OpenAI compute capacity 앤트로픽 보다 더 비밀스러운 OpenAI ( |
더 중요한 것은 OpenAI Frontier가 AWS의 third-party cloud distribution을 통해 기업 고객에게 공급된다는 점이다.
AWS는 단순 서버 임대업자가 아니다.
OpenAI의 enterprise AI 유통망.
Anthropic의 핵심 compute provider.
Bedrock의 모델 플랫폼 사업자.
이 세 포지션을 동시에 잡고 있다.
Bedrock의 성장도 같은 방향이다.
Andy Jassy는 Bedrock이 12만 5천 곳 이상의 고객을 보유하고 있고, **Fortune 100 기업의 약 80%**가 Bedrock을 사용한다고 밝혔다. 또한 Bedrock inference의 대부분은 Trainium에서 처리되고 있다. 별도 실적 코멘트에서는 Bedrock의 1분기 고객 지출이 전분기 대비 170% 증가했고, 1분기 처리 token이 과거 전체 기간 합산보다 많았다고 언급됐다. (Amazon News, PublicNow)
결국 AWS AI Cloud 수요는 일반 클라우드 수요와 성격이 다르다.
일반 EC2, S3, RDS 수요는 경기와 IT 예산에 민감하다. 반면 Frontier LLM 기업의 compute 수요는 모델 성능, agent 사용량, coding workload, enterprise inference traffic에 의해 결정된다.
가격이 조금 올랐다고 쉽게 줄일 수 있는 수요가 아니다.
capacity를 못 구하면 제품 성능과 성장률이 바로 흔들린다. 이것이 AWS의 가격 결정력을 만든다.
2. 기술은 token 원가를 낮추지만, 수요는 그보다 더 빠르게 늘고 있다
AI 산업은 기술적으로는 deflationary하다.
세대가 바뀔수록 동일 성능을 내는 데 필요한 추론 원가는 빠르게 내려간다. 더 좋은 칩, 더 나은 serving software, speculative decoding, quantization, KV cache 최적화, model distillation, MoE, routing 모두 token 원가를 낮추는 방향으로 작동한다.
실제로 2020~2026년 LLM inference token 가격은 장기적으로 크게 하락했다. 한 연구는 2020~2026년 사이 token 가격이 약 600분의 1로 낮아졌다고 분석했다. 다만 flagship reasoning model은 reasoning premium 때문에 일반 모델처럼 가격이 매끄럽게 하락하지 않았다고 설명한다.
 |
| (arXiv) |
하지만 최근 변화는 이 단순한 deflation 논리를 흔든다.
이전 구조는 이랬다.
기술 발전 → token 원가 하락 → 저가 모델 확산 → AI 사용량 증가
이 해석은 여전히 맞다. 하지만 지금은 한 단계 더 나아가야 한다.
기술 발전 → token 원가 하락 → 사용량 폭증 → compute·memory·storage·전력 병목 → cloud capacity 단가 상승 → 일부 token 서비스 가격 상승
즉, 기술 발전이 만든 원가 하락분을 수요 증가가 흡수하고도 남는 구간에 들어섰다고 볼 수 있다.
특히 agent, reasoning, enterprise inference, coding workload는 단순 chat보다 compute intensity가 높다.
한 번의 질문이 여러 번의 model call로 쪼개진다.
긴 context를 읽는다.
중간 reasoning token이 늘어난다.
tool use와 retrieval이 붙는다.
결과 검증을 위해 추가 호출이 발생한다.
단위 token 원가는 내려가도, 업무당 token 사용량과 전체 업무량은 더 빠르게 늘 수 있다.
이것은 일종의 Jevons paradox에 가깝다.
효율이 좋아질수록 단위 비용은 낮아지지만, 사용처가 폭발적으로 넓어지면서 총 소비량과 총 지출은 오히려 증가하는 구조다.
3. 중국 저가 LLM Cloud 가격 인상은 산업단가 바닥 상승의 신호다
중요한 변화가 하나 더 있다.
그동안 글로벌 token 가격 하락을 주도했던 쪽은 중국 LLM이었다. DeepSeek, Qwen, Kimi, Doubao, GLM 계열은 OpenAI·Anthropic 대비 훨씬 낮은 API 가격을 제시했다.
시장에는 이런 인식이 강했다.
“LLM token은 계속 싸질 수밖에 없다.”
그런데 최근 Alibaba Cloud와 Baidu Cloud의 가격 인상은 이 인식을 흔든다.
Alibaba Cloud는 AI 수요 급증과 공급망 비용 상승을 이유로 AI computing·storage 제품 가격을 최대 34% 올렸다. Baidu Cloud도 AI computing 관련 서비스 가격을 약 5~30%, parallel file storage 가격을 30% 올리는 것으로 보도됐다. Tencent Cloud도 일부 모델의 무료 public beta를 종료했다. (The Register)
이건 단순한 개별 업체 가격 조정이 아니다.
중국에서도 AI inference와 agent 사용량이 빠르게 늘면서 GPU/ASIC, 메모리, storage, 네트워크, 전력 비용을 더 이상 전부 흡수하기 어려워졌다는 신호다.
물론 모든 API list price가 동시에 오르는 것은 아니다.
중국 LLM 시장에는 여전히 가격 경쟁이 남아 있다. 일부 모델은 더 낮은 가격으로 고객을 확보하려 할 수 있고, open-weight 모델 기반 inference도 계속 낮은 가격을 제시할 수 있다.
하지만 투자 관점에서 중요한 가격은 list price가 아니다.
대규모·저지연·고신뢰·장기 예약 inference capacity의 실질 단가다.
이 단가는 올라가는 방향으로 봐야 한다.
결국 시장은 API token list price deflation과 AI cloud capacity inflation이 동시에 존재하는 구조로 바뀌고 있다.
여기서 표현도 정확히 잡아야 한다.
token/$는 1달러로 살 수 있는 토큰 수다. 가격이 오르면 token/$는 하락한다. 지금 말하는 것은 token/$ 상승이 아니라 $/token 상승, 또는 AI cloud capacity 단가 상승이다.
중국 저가 LLM Cloud 가격 인상은 AWS 논리를 더 강하게 만든다.
OpenAI·Anthropic의 frontier token이 비싼 것은 프리미엄 수요의 문제다.
반면 중국 저가 LLM Cloud까지 가격을 올리는 것은 산업 전반의 compute 원가와 capacity scarcity 문제다.
이건 메모리 사이클과 유사하다.
고가 제품만 가격이 오르면 프리미엄 수요 강세로 볼 수 있다. 그러나 범용·저가 제품까지 가격이 오르면, 업황 전반의 공급 부족과 가격 바닥 상승으로 해석한다.
AI Cloud도 비슷하다.
저가 공급자의 가격 인상은 산업 가격 바닥이 올라가고 있다는 신호다.
4. 메모리와 전력 인프라 비용 상승은 cost-push inflation을 만든다
수요만 강한 것이 아니다. 공급 측 비용도 동시에 올라가고 있다.
TrendForce는 2026년 3분기 DRAM 계약가격이 전분기 대비 13~18%, NAND Flash 계약가격이 10~15% 상승할 것으로 전망했다. 특히 DRAM 시장은 3분기에도 “extremely tight” 상태가 이어지고, NAND 수요는 AI inference와 대규모 데이터센터 배치가 계속 견인한다고 설명했다. 서버 DRAM도 3분기에 공급 부족이 지속될 것으로 봤다. (TrendForce)
 |
| 앞으로 Agentic AI 시대 폭증할 kv cashe 메모리 수요 The AI Memory Thesis | Memory Analyst |
 |
| HBM 수요와 공급의 격차는 매해 더 벌어질 것 The AI Memory Thesis | Memory Analyst |
전력과 데이터센터 비용도 같은 방향이다.
IEA는 대형 기술기업 5곳의 데이터센터 투자가 2025년에 4,000억 달러 이상으로 급증했고, 2026년에는 여기서 다시 75% 증가할 것으로 봤다. 데이터센터 전력수요는 2025년에 17% 증가했고, AI-focused 데이터센터 전력 사용은 더 빠르게 증가하고 있다. (IEA)
건설비도 올라왔다.
JLL은 글로벌 데이터센터 평균 건설비가 2020년 MW당 770만 달러에서 2025년 1,070만 달러로 상승했고, 2026년에는 1,130만 달러/MW까지 올라갈 것으로 전망했다. (JLL)
이는 단순 건축비 문제가 아니다.
전력 인입.
변압기.
스위치기어.
냉각.
숙련 노동.
토지.
계통 접속비.
모두 같이 올라가는 구조다.
생각정리 298 (* 전력기기, 전력수요)
보통 원가 상승은 마진을 깎는다. 하지만 지금 AI Cloud에서는 다르게 작동한다.
원가 상승 → 신규 capacity 확장 지연 → compute scarcity 심화 → 기존 capacity 보유자의 가격 결정력 강화
즉, cost inflation이 공급 제약을 강화하고, 공급 제약이 다시 cloud pricing power를 만든다.
5. AWS의 가격 인상은 비용 전가가 아니라 compute scarcity의 가격 재조정이다
최근 확인되는 AWS 가격 인상은 우선 EC2 Capacity Blocks for ML에 집중되어 있다. 이는 AI/ML용 accelerator 예약 capacity다.
AWS 공식 가격 페이지는 EC2 Capacity Blocks for ML reservation 가격이 supply-demand trend에 따라 정기적으로 업데이트되며, 다음 업데이트가 2026년 7월로 예정되어 있다고 설명한다. (AWS)
외신 보도에 따르면 AWS는 2026년 7월 1일부터 EC2 Capacity Blocks for ML의 일부 GPU reservation 가격을 약 20% 인상했다. 이는 2026년 초 약 15% 인상에 이은 두 번째 인상으로 보도됐다. (Yahoo Finance, Business Insider)
이를 “AWS 전체 상품 일괄 인상”으로 단정하기보다는, 희소한 AI GPU reserved capacity의 가격 재조정으로 보는 편이 더 정확하다.
다만 방향성은 분명하다.
Alibaba Cloud는 AI 수요와 하드웨어 비용 상승을 이유로 일부 서비스 가격을 최대 34% 인상했다. OVHcloud도 메모리·스토리지 비용 상승을 이유로 2026년 4~9월 사이 일부 클라우드 상품 가격이 5~10% 오를 수 있다고 경고했다. (TechRadar, ByteIota)
결국 클라우드 가격 인상은 특정 AWS 상품 하나의 문제가 아니다.
AI infrastructure inflation이 클라우드 단가에 반영되기 시작했다는 신호다.
지금까지 클라우드 산업은 규모의 경제와 경쟁 심화로 가격이 내려가는 이미지가 강했다. 하지만 AI compute, 특히 GPU/ASIC, HBM, 전력, 냉각, 데이터센터 capacity는 반대로 희소해지고 있다.
6. Demand-full + cost-push inflation은 AWS AI Cloud 마진을 높일 수 있다
현재 AWS 전체 영업이익률은 이미 약 **38%**다.
그래서 AI Cloud가 기존 AWS보다 더 좋은 사업이 되려면 단순히 고성장만으로는 부족하다.
필요한 조건은 세 가지다.
가격 인상 이후에도 고객이 이탈하지 않아야 한다.
신규 capacity가 높은 가동률로 채워져야 한다.
Trainium 같은 자체 ASIC 비중이 올라가야 한다.
현재까지는 이 조건들이 맞아가고 있다.
단순 시뮬레이션을 해보면 이렇다.
핵심은 비용 전부가 즉시 가격 인상률만큼 올라가지 않는다는 점이다.
이미 설치된 서버와 데이터센터는 과거 취득원가 기준으로 감가상각된다. 전력비, 메모리, 신규 장비 비용은 오르지만, 기존 capacity의 매출 단가가 먼저 올라가면 손익계산서상 마진은 개선될 수 있다.
중국 저가 LLM Cloud까지 가격 인상에 동참하는 구간이라면, AWS AI Cloud 마진 추정은 기존보다 조금 더 상향해도 된다.
물론 핵심은 가격 인상 후에도 수요가 줄지 않는가다.
그런데 Anthropic, OpenAI, Bedrock, 중국 MaaS 플랫폼 모두 token 사용량이 늘고 있다. 기업들은 token 비용을 줄이려 하지만, AI 사용 자체는 확대하고 있다. WSJ도 기업들이 token 지출 관리를 강화하고 있지만, AI agents와 사용량 확대로 비용은 계속 커지고 있다고 보도했다. (WSJ)
 |
| https://www.wsj.com/cio-journal/how-companies-are-managing-ai-token-spend-833b6f7e?utm_source=chatgpt.com |
따라서 수요 탄력성은 아직 낮아 보인다.
이 경우 가격 인상은 단순 매출 증가가 아니라 마진 개선으로 연결될 가능성이 크다.
7. AWS의 token maximizing 전략은 “모든 token을 비싸게 파는 것”이 아니다
최근 AI 업계에서는 tokenmaxxing에서 modelmaxxing으로 이동하는 흐름이 나타나고 있다.
Business Insider는 2026년 상반기 기업들이 무조건 최신 frontier model을 많이 쓰는 방식에서 벗어나고 있다고 보도했다. 복잡한 업무는 고성능 모델에 맡기고, 단순 반복 업무는 더 저렴한 모델에 배정하는 model routing 전략으로 이동하고 있다는 것이다. (Business Insider)
 |
| https://www.businessinsider.com/ai-model-routing-modelmaxxing-efficient-token-use-2026-7 |
Palantir의 Alex Karp가 LLM 기업들의 token-based pricing을 비판한 것도 같은 맥락이다. 기업들이 실제 생산성으로 연결되지 않는 token 사용에 비용을 지불하고 있다는 문제의식이다. (Tom's Hardware)
하지만 이 흐름이 AWS에 부정적이라고 보기는 어렵다. 오히려 AWS에는 유리할 수 있다.
이유는 단순하다.
기업들이 모든 업무를 frontier model에 태우지 않더라도, AI 적용 범위 자체는 훨씬 넓어진다. 고가 token을 줄이는 대신, 저가 inference volume이 폭발적으로 늘어날 수 있다.
AWS의 전략은 이 구조에 잘 맞는다.
AWS는 단순히 비싼 token만 파는 사업자가 아니다.
고성능 GPU capacity.
자체 ASIC.
Bedrock 모델 플랫폼.
enterprise 보안·거버넌스.
장기 commitment.
이 모두를 묶어 판매한다.
modelmaxxing은 token 비용을 낮추지만, 동시에 AI 사용처를 넓힌다. 결과적으로 unit cost는 낮아져도 total compute consumption은 늘어나는 구조가 될 가능성이 크다.
AWS가 원하는 것은 “모든 고객이 가장 비싼 모델만 쓰는 세상”이 아니다.
더 정확히는 모든 난이도의 업무가 클라우드 위에서 AI workload로 전환되는 세상이다.
고난도 업무는 비싼 frontier capacity로 처리한다.
대량 반복 업무는 Trainium 기반 저비용 inference로 처리한다.
기업용 배포는 Bedrock으로 흡수한다.
이것이 AWS의 AI Cloud 전략이다.
8. Meta의 클라우드 진출도 같은 흐름에서 봐야 한다
최근 Meta가 “Meta Compute” 형태로 잉여 AI compute를 외부에 판매하는 방안을 검토한다는 보도가 나왔다.
보도에 따르면 Meta는 두 가지 모델을 검토하고 있다.
하나는 Meta가 보유한 AI 모델을 자체 인프라 위에서 제공하는 방식이다.
다른 하나는 CoreWeave 같은 neocloud처럼 raw computing capacity를 임대하는 방식이다. (Tom's Hardware)
Meta의 2026년 Capex 가이던스는 1,250억~1,450억 달러로 상향됐다. 회사는 higher component pricing과 future capacity를 위한 추가 데이터센터 비용을 반영했다고 밝혔다. (PR Newswire)
이 흐름은 Meta가 AWS를 그대로 따라 한다는 뜻만은 아니다.
더 정확히는 AI Capex를 내부 비용에서 외부 매출 자산으로 바꾸려는 시도다.
Meta가 확보한 GPU, 데이터센터, 전력 capacity가 내부 모델 학습에만 쓰이면 비용센터다. 하지만 이 capacity를 외부에 판매할 수 있다면 의미가 달라진다.
놀고 있는 compute는 비용이다.
판매 가능한 compute는 자산이다.
Meta의 움직임은 두 가지 신호를 준다.
첫째, compute scarcity가 충분히 크기 때문에 후발 공급자도 monetization을 시도할 수 있다.
둘째, AI Capex 정당화의 방식이 바뀌고 있다.
과거에는 “이 투자가 내부 광고 효율, 추천 알고리즘, Llama 생태계에 얼마나 기여하는가”가 핵심이었다. 이제는 “남는 compute를 외부 고객에게 팔아 ROIC를 만들 수 있는가”가 추가됐다.
다만 Meta와 AWS의 사업 품질은 다르다.
AWS는 이미 enterprise 고객, billing, security, IAM, compliance, database, storage, network, marketplace, support 체계를 모두 갖고 있다.
Meta가 곧바로 AWS 수준의 클라우드 마진을 낼 가능성은 낮다. 초기에는 raw compute 임대 또는 Meta-hosted model access에 가까울 가능성이 크다.
그래도 시장이 Meta의 행보를 주목하는 이유는 분명하다.
AI compute가 더 이상 매몰비용이 아니라 판매 가능한 희소자산으로 재평가되고 있기 때문이다.
결론: AI Cloud의 monetization timeline은 앞당겨지고 있다
이번 구간의 핵심은 AI Cloud가 단순한 클라우드 성장 스토리에서 벗어나고 있다는 점이다.
Anthropic, OpenAI, Bedrock 고객의 token 사용량은 빠르게 늘고 있다.
중국 저가 LLM Cloud까지 가격을 올리기 시작했다.
메모리, 전력, 데이터센터, 냉각, 네트워크 비용도 올라가고 있다.
일반적인 산업에서는 수요 증가와 원가 상승이 동시에 오면 마진이 흔들린다.
하지만 지금 AI Cloud에서는 공급이 너무 부족하다. 그래서 원가 상승은 오히려 신규 공급을 더 어렵게 만들고, 기존 capacity를 가진 사업자의 가격 결정력을 강화한다.
AWS가 유리한 이유도 명확하다.
첫째, Anthropic과 OpenAI라는 초대형 anchor tenant를 확보했다.
둘째, Bedrock을 통해 기업용 AI 유통 레이어를 갖고 있다.
셋째, Trainium을 통해 NVIDIA GPU의 초과이윤 일부를 내부화할 수 있다.
넷째, 가격 인상을 정당화할 만큼 compute scarcity가 강하다.
다섯째, 중국 저가 LLM Cloud까지 가격을 올리면서 산업단가의 바닥이 올라가고 있다.
여섯째, model routing과 token optimization이 확산되어도 전체 AI workload volume은 더 커질 가능성이 높다.
따라서 이제 시장이 봐야 할 질문은 “AI Capex가 과도한가”에 머물러서는 부족하다.
더 중요한 질문은 이것이다.
이 막대한 AI Capex가 언제부터 외부 고객에게 판매 가능한 수익자산으로 전환되는가.
지금 나타나는 가격 인상, 장기 capacity 계약, Trainium3 출하 상향, Bedrock 사용량 증가, Meta의 compute monetization 시도는 모두 같은 방향을 가리킨다.
AI compute는 비용센터에서 희소자산으로 바뀌고 있다.
그리고 AI 수요가 견고하게 유지되는 이상, cloud 사업자들의 monetization timeline은 앞당겨질 수밖에 없다.
AWS AI Cloud의 중기 영업이익률은 기존 AWS 평균인 37~40%를 넘어 **47~52%**까지 올라갈 수 있다고 본다. Trainium과 Bedrock 비중이 더 빠르게 올라가고, Anthropic·OpenAI·Bedrock 고객의 가동률이 높게 유지된다면 50%대 중후반의 AI Cloud margin도 불가능한 숫자는 아니다.
Meta의 최근 cloud 진출 검토도 이 연장선에 있다.
이는 단순한 AWS 추종이 아니다. AI compute가 부족해진 시장에서 과도한 AI Capex를 회수 가능한 수익자산으로 바꾸려는 시도다.
#글을 마치며
token 원가는 기술 발전으로 내려가고 있지만, token을 대규모로 생산할 수 있는 compute capacity의 희소성은 더 커지고 있다. 그래서 최종 시장 가격은 기술 deflation보다 demand-full inflation과 cost-push inflation의 영향을 더 크게 받기 시작했다.
그리고 이것이 cloud 사업자들의 Capex 회수 시점과 정당화 시점을 앞당기고 있다.
AI token 사용량 증가는 compute 수요를 만들고, compute 부족은 가격 인상으로 이어지며, 가격 인상은 AI Cloud의 monetization timeline을 앞당긴다.
따라서 AI 수요가 지금처럼 견고하게 유지된다면, AWS를 비롯한 cloud 사업자들의 막대한 AI Capex가 수익자산으로 전환되는 시점도 생각보다 멀지 않을 수 있다.
이상 나만의 똥꼬.
=끝
