주말 사이 시장의 공포를 자극하는 뉴스들이 연이어 쏟아지고 있다.
월요일 갭하락을 마주할 가능성이 높아 보이는 상황이지만, 이럴 때일수록 감정적 판단을 최대한 배제하고 상황을 바라볼 필요가 있지 않나 싶다.(*개무섭군)
복잡해진 머릿속을 정리하고, 지금까지의 투자 논리와 전제에 달라진 것이 있는지 다시 점검해보자는 생각으로 두서없이 기록을 남겨본다.
 |
| https://t.me/athletes_village |
지난 생각정리 415 (* BIG TECH AI FCF, 3Q26 UPDATE)에서는 주요 Hyperscaler의 AI CAPEX와 FCF를 다시 점검했다.
3Q26 실적시즌을 지나면서 시장의 우려같도 조금 더 선명해졌다.
AI Cloud 매출은 빠르게 증가하고 있는데, 이를 따라가기 위한 CAPEX는 그보다 더 빠르게 늘어나고 있다. 그 결과 일부 Big Tech의 FCF는 빠르게 악화됐고, 높은 투자강도가 적어도 2027년까지 이어질 가능성이 높아졌다.
그래서 최근 AI CAPEX 회의론은 대략 다음 두 질문으로 압축되는 듯하다.
1. AI Lab이 이렇게 비싼 Computing 사용료를 계속 지불할 수 있는가.
그리고
2. Cloud 사업자들이 그 수요를 감당하기 위해 필요한 막대한 CAPEX를 계속 조달할 수 있는가.
지난 글을 작성할 때만 해도 나 역시 결국 확인해야 할 것은 이러한 대규모 투자가 언제 FCF로 돌아오는가라고 생각했다.
그런데 Anthropic S-1과 최근 Big Tech 실적, 그리고 Oracle Investor Day까지 순서대로 다시 보면서 생각이 조금 바뀌었다.
단순히 FCF의 숫자만 보고 이번 AI CAPEX Cycle의 지속가능성을 판단하는 것은 문제의 순서를 거꾸로 보는 것에 가깝지 않을까 싶다.
먼저 확인해야 할 것은 돈이 아니라 수요와 물리적 공급능력이다.
최근 확인되는 흐름을 크게 네 단계로 정리하면 아래와 같다.
1. AI 최종수요는 아직 초기인데, 도입 이후 Token 사용량은 오히려 가속되고 있다.
2. AI Lab은 Computing 공급부족으로 비싼 단기 Compute를 사용하면서도 이미 이익을 내기 시작했다. 공급제약이 완화되면 오히려 Margin Expansion이 가능하다.
3. Computing Capacity가 부족한 동안 Cost + Margin의 가격결정권은 Cloud에 있다. Hyperscaler들은 단기 FCF보다 미래 Computing Capacity를 선택하고 있다.
4. 그런데 금융으로 현금흐름은 조절할 수 있어도 Wafer, HBM, Packaging, Substrate, Test Capacity 자체를 만들어낼 수는 없다. 결국 가장 마지막 병목을 가진 Physical Supply Chain의 호황이 가장 오래 지속될 가능성이 있다.
개인적으로는 이 네 가지가 이번 AI CAPEX 논쟁을 바라보는 가장 중요한 순서라고 생각한다.
1. AI Labs 전방수요 — 아직 침투율은 낮고, 사용량은 가속되고 있다
AI CAPEX가 지나치다는 주장을 하려면 가장 먼저 최종 수요가 포화에 가까워지고 있다는 근거가 있어야 한다.
그런데 지금 확인되는 데이터는 오히려 반대에 가깝다.
2025년 기준 S&P 500 기업 가운데 AI가 핵심 업무 프로세스에 깊이 통합된 기업 비중은 약 11% 수준이다. 추가적으로 생산 및 서비스 제공 과정에서 AI를 활용하는 기업이 약 10% 정도다.
즉 AI에 대한 관심이나 ChatGPT 사용률이 높은 것과 별개로, 기업 내부 Workflow를 실제 AI가 수행하는 비중은 여전히 낮다.
Anthropic S-1에서도 비슷한 모습을 확인할 수 있다.
Fortune 500 기업 가운데 절반 이상이 이미 Anthropic에 연간 $100K 이상을 지출하고 있지만, 이들 기업이 AI에 지출하는 금액은 전체 비용에서 여전히 극히 작은 비중에 불과하다.
고객 수 기준으로는 상당히 넓게 침투하기 시작했지만, 고객당 지출 깊이는 아직 매우 얕다는 의미다.
더 중요한 것은 한번 도입한 기업의 사용량이다.
Anthropic의 연간 $100K 이상 지출 고객은 약 950개에서 11,900개 이상으로 급증했고, 기존 고객군의 NRR은 약 900%에 달했다. 기존 고객 지출이 비교 가능한 기준에서 1년 사이 약 9배 증가했다는 의미다.
물론 NRR 900%가 앞으로도 계속 유지된다고 생각하지는 않는다.
초기 고객의 낮은 Base Effect도 상당부분 존재할 것이다.
그럼에도 중요한 점은 AI 수요가 Software Seat처럼 한 번 판매하고 끝나는 구조가 아니라는 사실이다.
기업이 AI를 처음 도입할 때는 일부 직원의 질문이나 Coding Assistant 정도에서 시작한다.
그러나 실제 업무에 AI가 들어가면,
질문 → Workflow
Workflow → Agent
Agent → Multi-Agent
Multi-Agent → 항상 작동하는 Digital Labor
순으로 Computing Consumption의 단위가 바뀐다.
따라서 AI TAM을 단순히
기업 수 × 직원 수 × AI Software 가격
으로 계산하면 구조적으로 과소추정할 가능성이 높다.
오히려 앞으로의 AI Compute Demand는 다음에 가깝다.
기업 수 × 기업당 AI Workflow × Workflow당 Agent 수 × Agent당 작업시간 × 작업시간당 Token
여기에 Context가 길어지고 Reasoning과 Multi-modal Input이 늘어나면 작업 하나를 완료하기 위해 사용하는 Token 역시 증가할 수 있다.
그래서 앞선 생각정리 410 (* AI Compute Monetization, Anthropic S-1, Figure AI)에서 AI 수요의 측정단위가
GPU Hour → Token → Digital Labor Hour → Physical Labor Hour
순으로 이동할 가능성을 언급했다.
최근 Amazon의 3Q26 실적에서도 이 흐름은 상당히 직접적으로 확인된다.
AWS Bedrock의 Fortune 500 고객 지출은 전년 대비 거의 7배 증가했고, Bedrock Token Volume은 약 17배 증가했다. AgentCore를 사용하는 고객도 빠르게 증가하고 있으며 3Q에 배포된 Agent 수가 이전 세 분기를 합친 것보다 많았다.
즉 신규 고객 수만 증가하는 것이 아니다.
한번 AI가 Workflow에 들어간 이후 고객당 Computing Consumption 자체가 빠르게 증가하고 있다.
그래서 개인적으로는 지금 AI TAM이 지나치게 크다는 주장보다, 오히려 시장이 아직 AI TAM을 정확히 정의하지 못하고 있다는 쪽에 가깝게 생각한다.
1. 현재 AI의 실질 침투율은 낮고,
2. 신규 사용자는 계속 유입되며,
3. 기존 사용자는 훨씬 많은 Token을 사용하고,
4. Agent가 인간의 작업시간을 대신하기 시작한다.
이 네 가지가 동시에 일어나고 있기 때문이다.
2. AI Labs — Compute Shortage 때문에 Margin이 오히려 눌려 있다
그렇다면 두 번째 질문으로 넘어가야 한다.
AI Lab들은 정말 이 Computing 비용을 감당할 수 있는가.
시장에서는 이 부분을 상당히 중요하게 본다.
OpenAI와 Anthropic이 Cloud 사업자들과 수백억~수천억 달러 규모의 Computing 계약을 체결했는데, 정작 이 기업들이 돈을 벌지 못하면 결국 Cloud RPO도, GPU 주문도, Memory 주문도 모두 위험해질 수 있다는 논리다.
그런데 Anthropic S-1의 숫자는 최소한 현재까지는 그 반대 방향을 보여준다.
Anthropic 매출은 2025년 1분기 약 $0.38B에서 2026년 2분기 약 $11.5B까지 증가했다.
 |
| 가속 성장하는 Anthropic 분기매출 추이 |
1년 반 만에 약 30배다.
그리고 2Q26에는 약 $0.97B의 GAAP 영업이익까지 기록했다.
여기까지만 보면 그냥 빠르게 성장하는 AI 회사로 보인다.
하지만 더 중요한 것은 어떤 비용구조에서 이 이익이 발생했느냐다.
Anthropic은 Compute Capacity 상당 부분을 실제 사용하기 12~18개월 전에 장기계약으로 확보한다.
문제는 실제 고객수요가 이 장기계약 물량보다 훨씬 빠르게 증가했다는 것이다.
결국 부족한 Computing Capacity를 채우기 위해 단기 시장에서 더 비싼 가격을 주고 Compute를 구매해야 했다.
Anthropic 스스로 이 단기 Computing 조달단가가 기존 계약보다 높고, 이것이 Margin에 부담을 준다고 설명했다.
그리고 2026년 상반기 Compute & Infrastructure Expense는 매출의 약 55%에 달했다.
이 지점이 상당히 중요하다.
Anthropic은 Computing Capacity가 남아서 싸게 Compute를 구매한 상태에서 흑자를 낸 것이 아니다.
오히려 수요가 확보해둔 Computing Capacity를 계속 초과하면서,
Premium을 지불해 추가 Compute를 사고,
그 때문에 Margin Squeeze를 받고 있는 상태에서,
영업흑자로 전환했다.
그렇다면 반대로 생각해볼 수 있다.
앞으로 이미 계약해둔 장기 Computing Capacity가 순차적으로 공급되고, 비싼 Spot 또는 Short-term Compute 의존도가 낮아지면 어떻게 될까.
Blended Compute Cost는 내려갈 수 있다.
추론 효율 역시 개선되고 있다.
GPU Utilization과 Token Throughput이 상승하면 같은 Computing Asset에서 처리할 수 있는 Token도 증가한다.
결국
**Short-term Compute Premium 감소
Hardware Efficiency 개선
Model Efficiency 개선
Utilization 상승**
 |
| https://x.com/ParadisLabs/status/2114808039970611441 |
이 동시에 발생할 수 있다.
그렇다면 현재는 AI Lab Margin이 Peak인 것이 아니라, 오히려 Computing 공급제약 때문에 정상화 Margin보다 낮은 상태일 가능성도 생각해볼 수 있다.
물론 Computing Cost가 낮아진 만큼 API 가격도 빠르게 하락하면 모든 Cost Saving이 AI Lab Margin으로 남지는 않는다.
하지만 가격이 내려가면서 적용 가능한 업무의 범위가 증가하면 Volume이 다시 증가한다.
Software 단가 하락이 인터넷 Traffic을 폭발시켰던 것처럼, Token 가격 하락이 Computing 수요를 줄이기보다 오히려 새로운 Usage를 만들어내는 J-curve가 발생할 가능성도 있다.
최근 GPU Rental 시장도 이 논리를 간접적으로 확인시켜준다.
 |
| https://semianalysis.com/gpu-pricing-index/ |
GPU 가격 상승을 단순히 NVIDIA 가격인상으로만 볼 필요는 없다.
실제로 사용할 수 있는 Computing Capacity의 Scarcity Price가 다시 올라가고 있다는 의미에 더 가깝다.
이는 Anthropic이 S-1에서 밝힌 “계약물량을 넘어서는 Compute 수요”와 같은 방향을 가리킨다.
AI Lab의 가장 큰 문제가 고객수요 부족이라면 GPU Rental Price가 이런 식으로 다시 타이트해지기는 어렵다.
현재 확인되는 것은 오히려 정반대다.
수요가 너무 빨리 늘어서 Computing Cost가 Margin을 압박하고 있다.
그리고 그 상태에서도 AI Lab은 이익을 내기 시작했다.
 |
| https://x.com/wallstengine/status/2114721711002358269?s=20 현재 컴퓨팅 연산비용 $1당 $2.08 이익을 내고 있는 anthropic |
이것이 AI Lab의 장기 Computing 계약 이행능력을 판단할 때 가장 중요한 변화라고 생각한다.
3. Cloud — Cost + Margin의 가격결정력과 FCF Smoothing
그 다음 단계가 Cloud다.
AI Lab이 이렇게 많은 Compute를 요구하면 이 Computing Capacity를 공급하는 Cloud 사업자에게 자본부담이 발생한다.
Oracle, Microsoft, Amazon, Alphabet 모두 GPU와 ASIC, Memory와 Storage, Networking, Data Center와 Power Infrastructure에 막대한 자본을 투입해야 한다.
따라서 현재 시장의 두 번째 의구심은 자연스럽다.
아무리 수요가 강하더라도 Cloud가 그 CAPEX를 감당할 수 있는가.
그런데 Oracle Investor Day는 이 문제를 상당히 구체적으로 분해했다.
Oracle 1GW — $37B를 먼저 쓰고 $80B를 회수한다
Oracle이 제시한 대표적인 1GW AI Infrastructure 계약의 경제성은 다음과 같다.
즉 약 $37B의 초기투자가 필요하지만, 정상가동 이후 연간 약 $16B의 매출과 30%대 중반에 가까운 영업수익성을 창출하는 계약이다.
이 계약 자체만 보면 경제성이 나쁘지 않다.
문제는 시간이다.
고객과 계약을 맺은 직후 Oracle은 GPU와 Memory, Networking Equipment를 먼저 구매해야 한다.
그러나 매출은 Data Center가 가동된 이후 5년에 걸쳐 들어온다.
결국
Cash Out이 Cash In보다 훨씬 먼저 발생한다.
FY2026 Oracle은 영업현금흐름 약 $32B를 창출했지만 CAPEX가 약 $55.7B에 달하면서 FCF는 약 -$23.7B까지 떨어졌다.
시장에서는 이 숫자를 보면서 Oracle이 계속 부채와 증자를 통해 AI Infrastructure를 유지해야 하는 것 아니냐고 우려했다.
그런데 이번 Investor Day에서 Oracle이 보여준 것은 CAPEX 자체를 없애는 방법이 아니라 Cash Flow Timing을 조절하는 방법이었다.
FCF Smoothing
Oracle은 크게 세 가지 방법을 사용한다.
Vendor Financing
장비대금을 모두 처음부터 지급하지 않는다.
Oracle이 제시한 예에서는 상당 부분의 장비대금을 약 5년에 걸쳐 지급하면 초기 2년 현금부담이 약 $37B에서 $18B 수준까지 낮아질 수 있다.
Bring Your Own Hardware
고객이 GPU 등 일부 장비를 직접 제공하면 Oracle이 처음부터 조달해야 할 자본은 $6B 이하까지 내려갈 수 있다.
Customer Prepayment
Computing Capacity가 부족하기 때문에 AI Lab 입장에서는 미래 Capacity를 확보하기 위해 일정 부분을 먼저 지급할 유인이 있다.
Oracle 입장에서는 고객의 미래 Computing 수요가 오늘의 Data Center 구축자금 일부를 조달해주는 셈이다.
즉
**Customer Prepayment
Vendor Financing
BYOH
Debt / Equity Financing**
을 조합해 CAPEX와 Revenue 사이의 시간차를 최대한 평탄화시키고 있다.
Vendor Financing이 경제적 투자비용 자체를 없애는 것은 아니다.
결국 미래에 장비대금을 지급해야 한다.
하지만 FCF 관점에서는 상당한 차이가 있다.
AI Infrastructure 사업의 가장 큰 위험 가운데 하나였던 초기 현금조달 Risk가 크게 낮아지기 때문이다.
그래서 Oracle은 FY2027~FY2028을 CAPEX Peak로 보고,
FY2028 하반기부터 FCF Positive,
FY2029에는 $30B 이상의 FCF를 목표로 제시했다.
즉 시장은 FY2026의 -$23.7B를 보고 있는데, Oracle은 이미 그 뒤의 Cash Conversion Curve를 보고 있는 것이다.
 |
| https://www.youtube.com/watch?v=I6CW1tEBwmM |
 |
| Oracle Investor Day 2026 |
그런데 더 중요한 것은 Pricing Power다
여기서 한 단계 더 들어가야 한다.
Oracle의 FCF가 회복된다고 해서 Cloud 사업이 좋은 것이 아니다.
더 중요한 것은 그 Capacity에 어떤 가격을 붙일 수 있느냐다.
Oracle은 AI Infrastructure 계약 상당수가 Cost + Margin 또는 이와 유사한 경제성을 가진다고 설명했다.
Memory 가격이 오르면 Oracle이 모두 부담하는 것이 아니다.
원가 상승분을 계약가격에 반영한다.
실제로 Oracle의 1GW당 Full Ramp 연간 매출 가정은 과거 약 $10B 수준에서 이번 Investor Day에서는 약 $16B까지 증가했다.
경영진은 이 변화의 상당 부분이 Memory를 포함한 Hardware Cost 상승에 따른 것이라고 설명했다.
그런데도 프로젝트의 Margin과 ROI를 유지할 수 있다는 것이 Oracle의 설명이다.
다시 분해하면 상당히 단순하다.
Chip 회사가 가격을 올린다.
↓
Cloud의 Cost가 상승한다.
↓
Cloud는 Cost + Margin으로 AI Lab에게 전가한다.
↓
AI Lab은 자신의 Token / Agent / API 가격에 이를 다시 반영한다.
↓
최종 고객은 AI가 만들어내는 생산성 가치가 비용보다 높은 동안 그 가격을 지불한다.
결국 현재 AI Chain에서는 비용상승이 특정 Layer에서 멈추는 것이 아니라 높은 최종수요를 바탕으로 Value Chain을 따라 전가되는 구조가 형성되고 있다.
특히 Computing Capacity가 부족한 동안에는 Cloud가 가장 중요한 중간 가격결정권을 쥐게 된다.
Spot Compute 가격이 Contract 가격보다 높은 이유도 결국 이것이다.
현재 가격을 결정하는 것은 평균 제조원가가 아니라 Scarcity다.
 |
| 생각정리 358 (* The Price of Compute) |
Hyperscaler는 왜 FCF를 포기하면서 CAPEX를 늘리는가
여기서 최근 Big Tech 실적발표를 다시 보면 상당히 흥미롭다.
Microsoft는 FY27 1Q에 CAPEX $45.2B를 집행했다.
그중 약 75%가 CPU·GPU 등 상대적으로 내용연수가 짧은 자산이었고, 다음 분기 CAPEX는 $50B를 넘어설 것으로 예상했다.
그런데도 경영진은 Customer Demand가 Available Supply를 계속 초과하고 있다고 말했다.
Azure 성장률은 48%였고, Foundry 매출은 3배 이상 증가했다. Microsoft는 한 분기에만 24개 Data Center를 추가했다.
Amazon도 비슷하다.
3Q26 AWS 매출은 전년 대비 39% 증가해 연환산 약 $184B 규모가 됐다.
동시에 Amazon의 TTM FCF는 AI Infrastructure 투자 때문에 -$42.4B까지 내려갔다.
그런데 Amazon은 2026년 Cash CAPEX 약 $220B 계획을 유지하고 있으며, AWS 성장률이 2027년과 2028년에도 40%를 넘어설 것으로 전망했다.
여기서 주목할 부분이 있다.
Hyperscaler는 자체 ASIC을 외부에 판매할 수도 있고, 내부 Cloud Capacity로 사용할 수도 있다.
또는 확보한 GPU를 단기 Rental에 돌려 현금을 즉시 회수할 수도 있고, 향후 장기간 고객을 묶어두는 Cloud Infrastructure로 사용할 수도 있다.
그럼에도 현재 대부분의 사업자는 Scarce Computing Capacity를 내부 Cloud와 AI Service 확대에 우선 배분하는 방향을 선택하고 있다.
(Alphabet 이하동문)
 |
| 2026.10.29 Alphabet |
Microsoft 역시 자신의 Computing Fleet를 가장 높은 Value를 창출하는 Compute, Foundry, Copilot 등에 동적으로 할당한다고 설명한다.
개인적으로 이 선택 자체가 상당한 Signal이라고 생각한다.
경영진들이 미래 수요에 확신이 없다면,
왜 지금 FCF를 희생하면서까지 GPU와 Memory를 사고,
Power를 선점하고,
Data Center를 짓고,
자체 ASIC까지 내부에 배치하겠는가.
단기적으로 Hardware를 팔거나 CAPEX를 줄이면 FCF는 훨씬 좋아 보일 수 있다.
하지만 그러지 않는다.
현재 FCF를 지키는 것보다 미래 Computing Capacity의 Option Value가 더 크다고 판단하고 있기 때문이다.
앞선 생각정리 415에서 Microsoft, Amazon, Alphabet 경영진 모두 AI Infrastructure 투자수익률에 대한 확신이 오히려 높아지고 있다고 정리했던 이유도 여기에 있다.
그래서 Big Tech FCF가 2027년까지 좋지 않다는 사실 자체에는 동의한다.
다만 그것을 곧바로 AI CAPEX의 지속가능성이 떨어지고 있다는 근거로 연결하는 것은 조금 과장됐다고 생각한다.
FCF가 나빠지는 이유가 Demand Destruction 때문인지, Demand를 따라가기 위한 Capacity Expansion 때문인지가 훨씬 중요하기 때문이다.
현재까지 확인되는 것은 후자에 더 가깝다.
4. 결국 마지막 병목은 Physical Capacity — Memory와 반도체 공급망
여기까지 따라오면 마지막 Layer가 남는다.
AI Lab은 고객에게 가격을 전가할 수 있다.
Cloud는 Cost + Margin 구조로 AI Lab에게 가격을 전가할 수 있다.
Cloud는 Vendor Financing과 Customer Prepayment를 통해 CAPEX의 현금흐름 Timing도 조절할 수 있다.
하지만 한 가지는 금융으로 해결할 수 없다.
물리적 생산능력이다.
돈을 더 빌린다고 HBM Wafer가 내일 바로 늘어나는 것은 아니다.
전력도 마찬가지다.
Advanced Packaging Capacity도,
ABF·PCB Substrate도,
Optical Components도,
Test Capacity도 마찬가지다.
이 Capacity를 새로 만들어내려면 공장을 짓고,
장비를 설치하고,
수율을 올리고,
고객인증을 받아야 한다.
그래서 AI Chain의 가장 마지막 단계로 갈수록 오히려 Price Elasticity가 낮아질 수 있다.
특히 Memory가 그렇다.
앞선 생각정리 399 (* The Memory Earnings Reset)에서 계속 이야기했던 핵심은 HBM 수요 자체보다 Trade Ratio였다.
HBM 세대가 높아질수록 같은 HBM Bit을 생산하기 위해 필요한 DRAM Wafer가 더 많이 들어간다.
HBM 생산 증가가 곧바로 전체 DRAM Bit Supply 증가로 연결되지 않는다.
오히려
HBM Capacity 증가
→ 높은 Trade Ratio
→ General DRAM 생산능력 잠식
→ Server DRAM 공급제약
→ DRAM 가격 상승
구조가 만들어질 수 있다.
HBM4E로 갈수록 Logic Base Die, TSV, Bonding, Packaging Complexity도 증가한다.
즉 Computing Demand가 늘수록 병목이 GPU Die 하나에서 끝나지 않고
HBM
→ Server DRAM
→ Enterprise SSD
→ Advanced Packaging
→ ABF / PCB Substrate
→ Optical Networking
→ Test & Inspection
으로 확산된다.
지난 생각정리 416 (* CY 3Q26 Review: Memory, Packaging, Optical Interconnect & Test)에서 굳이 Memory 외에 Packaging, Substrate, Optical, Test 기업들까지 Growth Map에 추가했던 이유도 이것이었다.
실적을 따라가 보면 이미 초과이익이 Memory에서 인접 공급망으로 퍼지고 있다.
AI 시스템 한 대에 들어가는 Chip 개수만 증가하는 것이 아니다.
Package의 크기는 커지고,
기판 Layer와 면적은 증가하고,
Optical Port 수는 늘어나고,
Chip Complexity 증가 때문에 Test Time과 Test Intensity 역시 증가한다.
단위 System당 Content Growth가 Unit Growth보다 빨라질 수도 있다.
그렇다면 마지막에 남는 질문은 단순하다.
전방 AI Compute 수요가 계속 Supply를 앞서가는 상황에서 누가 가장 늘리기 어려운 Capacity를 가지고 있는가.
개인적으로는 향후 몇 년간 이 질문이 매우 중요하다고 생각한다.
Cloud의 CAPEX는 자본시장과 Vendor Financing을 이용해 늘릴 수 있다.
AI Lab도 IPO, Equity, Debt, Operating Cash Flow를 통해 Computing 계약을 지원할 수 있다.
하지만 실제 HBM Wafer Capacity와 Packaging Capacity는 Financial Engineering으로 증가시키기 어렵다.
그래서 물리적인 IDM Capacity를 가진 Memory 사업자들의 호황이 시장이 생각하는 것보다 길어질 가능성을 여전히 높게 본다.
그리고 Memory만 볼 이유도 없다.
Memory의 병목이 심해질수록 이를 생산하고 연결하고 검사하기 위한
Packaging, Substrate, PCB, Optical, Test Equipment
까지 같은 방향으로 수요가 이동할 가능성이 높다.
다만 이 부분에 대한 세부 설명은 이미 생각정리 399와 416에서 상당부분 다뤘으므로 이번 글에서는 반복하지 않는다.
정리하며 — Follow the Constraint
최근 시장의 AI CAPEX 논쟁은 Big Tech의 FCF에서 시작된다.
CAPEX는 급증하고,
FCF는 악화되고,
이 상태가 2027년까지 이어질 가능성이 높다.
겉으로만 보면 당연히 불안하다.
그런데 AI Chain을 위에서부터 다시 내려오면 조금 다른 그림이 보인다.
첫째,
AI 최종수요는 아직 초기다.
기업 AI의 실질 업무 침투율은 낮고, 기존 고객이 AI를 도입한 이후 Token과 Agent Usage는 오히려 빠르게 증가하고 있다.
둘째,
AI Lab은 Computing Supply가 부족해 비싼 Spot Compute를 구매하면서도 이익을 내기 시작했다.
(*현재 컴퓨팅 연산비용 $1당 $2.08 이익을 내고 있는 anthropic)
현재 Margin은 수요 부족 때문에 낮은 것이 아니라 오히려 공급 부족 때문에 눌려 있을 가능성이 있다.
향후 장기계약 Capacity가 공급되면서 Spot Premium이 낮아지면 Margin Expansion이 가능하다.
셋째,
Computing Capacity가 부족한 동안 가격결정력은 Cloud에 있다.
Cloud는 Hardware Cost를 Cost + Margin 방식으로 고객에게 전가하고,
Customer Prepayment, Vendor Financing, BYOH 등을 활용해 CAPEX와 매출의 Cash Flow Timing을 조절한다.
Oracle은 그 결과 FY2026 -$23.7B FCF에서 FY2028 H2 흑자전환, FY2029 $30B+ FCF라는 구체적인 경로까지 제시했다.
Microsoft와 Amazon 역시 전방수요가 Available Supply를 초과하는 환경에서 오히려 CAPEX를 더욱 확대하고 있다.
넷째,
그리고 결국 가장 중요한 것은
물리적 공급량이다.
Financial Engineering으로 FCF는 Smooth할 수 있다.
고객에게 가격을 전가할 수도 있다.
하지만 HBM Wafer와 Advanced Packaging Line, ABF Substrate Capacity, Optical Manufacturing Capacity, Test Capacity는 단기간에 늘릴 수 없다.
전방 AI 수요가 계속 증가하고,
AI Lab이 그 수요를 매출로 전환하며,
Cloud가 그 비용을 고객에게 전가하고,
Hyperscaler가 단기 FCF보다 Computing Capacity 확대를 선택한다면,
결국 그 모든 돈은 마지막 Physical Supply Chain으로 내려오게 된다.
Enterprise / Consumer Demand
→ AI Lab
→ Cloud
→ GPU / ASIC
→ Memory / Packaging / Substrate / Optical / Test
그래서 개인적으로는 현재 Big Tech의 FCF 마이너스를 AI CAPEX Cycle 붕괴의 신호로 해석하는 것에 아직 동의하기 어렵다.
오히려 현재의 Negative FCF는
수요가 부족해서 생긴 결과가 아니라, 수요를 따라잡기 위해 공급능력을 선제적으로 구축하면서 발생하는 Cash Flow Timing의 문제에 더 가까워 보인다.
물론 언젠가는 공급이 수요를 따라잡는다.
Cloud의 가격결정력도 약해지고,
AI Lab의 성장률도 낮아지며,
반도체 공급망의 ASP도 정상화될 것이다.
문제는 그 시점이다.
지금 확인되는 기업 AI 침투율,
Token Usage Growth,
AI Lab의 Computing 부족,
Cloud의 Capacity Constraint,
GPU Rental Price,
Memory의 Trade Ratio,
Packaging과 Test의 증설 Lead Time을 함께 놓고 보면,
개인적으로 그 시점이 시장이 생각하는 것보다 훨씬 뒤에 있을 가능성을 계속 높게 보고 있다.
결국 이번 Cycle에서 가장 중요한 질문은 이것이라고 생각한다.
누가 FCF를 가장 빨리 회복하는가가 아니다.
누가 가장 오래 부족한 Capacity를 가지고 있는가.
현재까지는 그 답이 여전히 Physical AI Infrastructure의 아래쪽,
특히 Memory와 그 주변 공급망에 있는 것처럼 보인다.
=끝
