주말에 모아둔 자료 및 생각을 정리하는 와중에 naver 신사업 컨콜 내용을 보고 든 생각을 두서없이 정리해본다.
네이버의 신사업 계획은 과거에도 느꼈듯 참 신선하다 ..
Good luck, Naver..
네이버 AI Factory 신사업 목표와 현실성에 대한 의구심
1. 네이버 AI Factory, 무엇을 목표로 하고 있나?
네이버가 제시한 AI Factory 신사업의 핵심은 기존 인터넷 플랫폼 기업에서 AI 인프라 사업자로 사업 영역을 확장하겠다는 것이다. 네이버클라우드는 엔비디아와 협력해 인프라, 모델, 서비스를 아우르는 글로벌 AI Factory 사업을 추진하겠다고 밝혔다. 네이버 공식 보도자료에서도 이 협력을 에너지, 칩, 인프라, 모델, 애플리케이션을 포함하는 엔비디아의 AI Factory 플랫폼 전략과 연결해 설명하고 있다. 네이버 공식 보도자료
지금까지 네이버는 검색, 커머스, 콘텐츠, 핀테크처럼 이용자 트래픽과 데이터를 기반으로 매출을 만드는 플랫폼 기업에 가까웠다. 그런데 AI Factory는 성격이 다르다. 대규모 GPU, 서버, 전력, 데이터센터 부지, 냉각 설비, 금융 조달이 모두 필요한 자본집약적 인프라 사업이다.
회사 설명에 따르면 네이버는 2028년까지 약 200MW 규모의 AI 데이터센터 Capacity를 확보하고, 이후 세종 데이터센터 확장과 해외 리스·그린필드 투자를 통해 최종적으로는 GW급 AI Factory를 구축하려는 계획을 제시하고 있다. 여기서 MW는 데이터센터가 사용할 수 있는 전력 규모를 의미한다. AI 데이터센터는 일반 데이터센터보다 훨씬 높은 전력밀도와 냉각 능력이 필요하기 때문에, MW 규모는 단순한 부동산 면적보다 사업의 실제 매출 가능성을 판단하는 데 더 중요한 지표다.
회사가 제시한 숫자를 보면 목표는 상당히 공격적이다. 200MW에는 약 100억달러, 1GW에는 약 500억~600억달러의 자금이 필요하다고 보고 있으며, 1GW 규모에서 약 20조원 매출을 기대한다. 네이버는 2030년 전후로 기존 본업에서 20조원, AI Factory에서 20조원 수준의 매출을 기대하는 그림을 제시한 것으로 보인다. 이 경우 AI Factory 하나만으로 현재 네이버 전체 매출에 맞먹거나 그 이상 규모의 사업이 새로 만들어지는 셈이다.
 | |
2. 기존 네이버 사업과 AI Factory는 왜 성격이 다른가?
기존 네이버 사업은 기본적으로 플랫폼 사업이었다. 검색 광고는 이용자가 검색을 하고, 광고주가 그 트래픽에 비용을 지불하는 구조다. 커머스는 판매자와 구매자가 네이버 생태계 안에서 거래할수록 광고, 수수료, 멤버십, 결제 매출이 발생하는 구조다. 콘텐츠와 핀테크도 마찬가지로, 한 번 플랫폼을 구축하면 추가 이용자가 늘어날수록 매출이 늘고 비용 증가 속도는 상대적으로 낮아지는 구조였다.
반면 AI Factory는 먼저 막대한 투자가 들어가야 한다. GPU를 사거나 리스해야 하고, GPU를 꽂을 서버와 랙이 필요하며, HBM 메모리, CPU, NIC, 인터커넥트, 스위치, 광모듈, 냉각 설비, 전력 설비까지 모두 확보해야 한다. 여기에 데이터센터 부지와 전력 연결, 금융리스와 프로젝트 파이낸싱까지 필요하다. 즉, 고객 매출이 발생하기 전에 대규모 투자와 비용 부담이 먼저 발생한다.
이 점에서 AI Factory는 네이버의 기존 사업보다 CoreWeave, Nebius, Oracle Cloud, AWS 데이터센터 사업에 가까운 성격을 가진다. CoreWeave의 2025년 실적을 보면 AI 클라우드 매출은 빠르게 증가했지만, 동시에 대규모 감가상각과 이자비용 부담으로 GAAP 기준 순손실을 기록했다. 이는 AI 클라우드가 성장성은 높지만, 회계상 수익성은 자본비용과 감가상각에 크게 좌우된다는 점을 보여준다. CoreWeave 2025년 실적 발표
 |
| 1Q26 Coreweave 비용 급증 |
따라서 이 사업을 평가할 때는 기존 네이버처럼 “트래픽이 늘면 이익률이 좋아진다”는 방식으로 보면 안 된다. 오히려 전력, GPU, 자본, 고객계약이 제대로 맞물리는지를 먼저 봐야 한다.
3. 네이버 목표가 현실화되려면 CoreWeave 기준으로 무엇이 검증되어야 하나?
네이버 AI Factory를 평가할 때 가장 가까운 비교 대상은 CoreWeave다. CoreWeave는 NVIDIA GPU 기반 AI 클라우드 사업자로, 대규모 GPU capacity를 확보하고 AI 기업들에게 컴퓨팅 자원을 제공하는 사업 모델을 갖고 있다. 네이버가 말하는 “아시아판 CoreWeave”라는 표현도 결국 이 구조를 염두에 둔 것으로 볼 수 있다.
다만 CoreWeave가 시장에서 주목받은 이유는 단순히 “AI 수요가 많다”는 점 때문만은 아니다. CoreWeave는 실제 가동 중인 GPU capacity, 대규모 고객계약, revenue backlog, NVIDIA와의 관계, 빠른 데이터센터 증설 능력을 일정 부분 검증했다. 2025년 말 기준 CoreWeave는 revenue backlog 668억달러, active power 850MW 이상, contracted power 약 3.1GW를 제시했다. CoreWeave FY2025 Results
 |
| 1Q26 Coreweave Backlog 급증 CoreWeave backlog·active power·contracted power |
네이버도 같은 기준으로 검증되어야 한다. “1GW를 만들겠다”는 목표만으로는 부족하다. 중요한 것은 계약서상 확보한 부지가 아니라 전력이 실제로 연결된 MW, 설치된 GPU 규모, 고객이 실제로 몇 년 동안 capacity를 예약했는지, 사용하지 않아도 비용을 내는 take-or-pay 계약인지, 원가 상승분을 고객에게 전가할 수 있는지다.
여기서 특히 중요한 것은 “고객이 있다”와 “계약 매출이 있다”는 표현이 다르다는 점이다. 고객이 관심을 보이는 단계, 논의 중인 단계, MOU 단계, 정식 계약 단계, take-or-pay 단계는 투자 관점에서 전혀 다르게 평가해야 한다. AI Factory는 선투자 규모가 워낙 크기 때문에, 고객 계약이 약하면 네이버가 비용 리스크를 대부분 떠안게 된다.
4. 20조원 매출은 어떤 방식으로 계산된 숫자인가?
네이버가 제시한 1GW 기준 20조원 매출 목표는 단순화하면 현재 토큰 가격 또는 현재 AI 컴퓨팅 가격을 미래 1GW capacity에 곱한 숫자로 이해할 수 있다. 즉, 1GW 규모의 AI 데이터센터가 가동되면 그 capacity에서 생산되는 AI 연산량에 현재 단가를 적용해 약 20조원 매출을 만들 수 있다는 계산이다.
문제는 이 계산이 미래 가격 변화를 충분히 반영하지 않을 수 있다는 점이다. AI 산업에서는 시간이 갈수록 토큰 가격이 하락하는 흐름이 강하게 나타나고 있다. Epoch AI는 LLM inference 가격이 작업별로 차이는 있지만 매우 빠르게 하락해왔고, 특정 성능 기준에서는 연 9배에서 900배까지 가격 하락 속도가 나타났다고 분석했다. Epoch AI, LLM inference price trends
또 다른 연구도 frontier model의 특정 성능당 inference 비용이 연 5~10배 수준으로 하락했다고 분석한다. 이는 모델 성능 개선, 알고리즘 효율화, 경쟁 심화가 고객이 지불하는 단가를 계속 낮추는 방향으로 작용하고 있음을 의미한다. The Price of Progress: Falling Cost of AI Inference
 |
| 빠르게 하락하는 토큰 가격 but, 빠르게 상승하는 토큰 사용량 |
반대로 AI Factory를 구축하는 비용은 하락하기보다 상승하는 쪽에 가깝다. GPU rental과 lease 가격, HBM 메모리, CPU, NIC, 인터커넥트, 전력, 냉각설비, 금융비용이 모두 부담이다. 특히 최신 GPU는 수요가 강할수록 가격 협상력이 NVIDIA와 공급망 쪽에 집중된다. 결국 네이버 입장에서는 매출 단가는 하락 압력을 받고, 원가는 상승 압력을 받는 구조가 된다.
 |
| 토큰 사용량 가속화에 따라 GPU Rental Index 전 품목 상승 및 재가속 |
따라서 현재 가격을 미래 capacity에 그대로 곱하는 방식은 매우 낙관적일 수 있다. 5년 뒤 같은 1GW가 더 많은 토큰을 생산할 수는 있지만, 토큰당 가격은 더 낮아질 가능성이 높다. 결국 중요한 질문은 “1GW가 몇 개의 토큰을 만들 수 있느냐”보다 1GW당 매출이 현재 수준으로 유지될 수 있느냐다.
5. Agentic AI 확산은 왜 마진 개선을 보장하지 않는가?
Agentic AI가 확산되면 AI 사용량이 크게 늘어날 수 있다. 기존 챗봇은 사용자가 질문하면 모델이 답을 생성하는 구조였다. 반면 Agentic AI는 목표를 달성하기 위해 스스로 검색하고, 코드를 실행하고, 여러 도구를 호출하고, 결과를 검증하고, 다시 작업하는 과정을 반복한다. 이 과정에서는 일반 챗봇보다 훨씬 많은 토큰과 컴퓨팅 자원이 필요하다.
이 점만 보면 AI Factory에는 긍정적이다. 사용량이 늘어나면 GPU 가동률이 올라가고, 가동률이 높아지면 고정비 부담을 흡수할 수 있기 때문이다. 그러나 수요 증가가 곧바로 마진 개선을 의미하지는 않는다. 고객 입장에서는 AI 사용량이 많아질수록 비용 부담도 커진다. 그러면 기업은 토큰당 비용, 업무당 비용, 자동화당 비용을 더 강하게 관리하게 된다.
실제로 Agentic workflow와 AI coding 영역에서는 일부 고사용자가 매우 큰 inference 비용을 발생시키면서, 고정요금제와 무제한형 요금제의 지속 가능성에 대한 논란이 커졌다. 이는 AI 사용량 증가가 서비스 사업자에게 항상 좋은 마진을 의미하지는 않는다는 점을 보여준다. Business Insider, inference whales and AI coding costs
즉, Agentic AI 확산은 총수요에는 긍정적이지만, 단가와 마진에는 부정적 압력을 줄 수 있다. 고객은 더 많은 AI를 쓰고 싶지만, 더 싸게 쓰고 싶어 한다. 이때 AI Factory 사업자가 단순히 토큰 사용량에 따라 과금한다면, 토큰 단가 하락을 직접 맞을 가능성이 크다.
네이버가 이 구조에서 마진을 방어하려면 단순 토큰 과금보다 capacity reservation 구조가 필요하다. 고객이 특정 GPU cluster 또는 MW capacity를 3~5년 동안 예약하고, 사용량과 관계없이 최소 비용을 부담하는 계약이어야 한다. 또 전력비, GPU 교체비, 리스료 상승분을 고객에게 넘길 수 있는 cost pass-through 조항이 있어야 한다.
6. 네이버가 말한 20% 후반대 마진은 왜 점점 더 어려워질 수 있나?
AI Factory의 수익성은 단순히 매출이 늘어난다고 좋아지는 구조가 아니다. 매출에서 GPU 리스료, 서버 감가상각, 전력비, 냉각비, 데이터센터 임차료, 네트워크 비용, 인건비, 유지보수비, 금융비용을 모두 차감해야 한다. 특히 GPU는 수명이 짧고 세대교체가 빠르다. 최신 GPU를 계속 유지하지 못하면 고객이 원하는 성능을 제공하기 어렵고, 너무 자주 교체하면 감가상각 부담이 커진다.
이 사업에서 마진이 좋아지려면 세 가지 조건이 필요하다.
첫째, 고객이 높은 가격을 받아줘야 한다.
둘째, 가동률이 매우 높아야 한다.
셋째, 원가 상승분을 고객에게 넘길 수 있어야 한다.
그런데 현실에서는 토큰 가격은 하락하고, GPU와 부품 비용은 상승하며, 금융비용과 전력비도 부담이다. 이 조합에서는 시간이 갈수록 OPM이 개선되기보다 악화될 가능성을 먼저 검토해야 한다.
또한 AI 데이터센터의 메모리 수요가 자동차, 의료기기, 통신 등 다른 산업의 메모리 공급 부족과 가격 상승으로 확산될 수 있다는 우려도 제기되고 있다. Tom’s Hardware, AI data centers and memory shortage
GPU rental 가격도 단순하게 장기 하락만 가정하기 어렵다. 구형 GPU의 단가는 시간이 지나면서 하락할 수 있지만, 최신 GPU와 예약형 capacity는 수요가 강할 때 가격 강세가 나타날 수 있다. 공개 GPU rental price index와 일부 시장 자료는 H100, B200 등 주요 GPU의 cloud rental 가격이 공급·수요에 따라 크게 변동하며, 고성능 GPU capacity에 대한 예약 수요가 가격을 지지할 수 있음을 보여준다. AI Multiple Cloud GPU Rental Price Index, CompuX GPU Pricing Trends 2026
네이버가 20% 후반대 OPM을 달성하려면 단순 GPU 임대사업으로는 부족하다. GPUaaS 위에 모델 운영, 산업별 AI 솔루션, 소버린 AI 플랫폼, 피지컬 AI, 디지털트윈, 검색·커머스 AI API 같은 고부가 서비스를 얹어야 한다. 즉, 단순 인프라 사업자가 아니라 AI 운영 플랫폼 사업자가 되어야 한다.
7. 정말 좋은 사업이라면 경쟁이 없을 수 있는가?
AI Factory가 5년 내 20조원 매출과 20% 후반대 마진을 동시에 만들 수 있는 사업이라면, 경쟁이 없을 가능성은 낮다. 오히려 그렇게 매력적인 시장이라면 글로벌 기업들이 더 공격적으로 들어올 가능성이 높다. 이미 NVIDIA, Google, Amazon AWS, Microsoft Azure, Oracle, CoreWeave, Nebius, SoftBank, 중동 국부펀드 계열 AI 인프라 회사들이 모두 AI 인프라 시장을 겨냥하고 있다.
NVIDIA는 DGX Cloud Lepton을 통해 CoreWeave, Crusoe, Lambda, Nebius, Nscale, SoftBank, Yotta 등 여러 cloud partner를 연결하는 생태계를 제시했다. 이는 NVIDIA가 특정 파트너 하나에 의존하기보다, 여러 AI cloud provider를 통해 글로벌 GPU capacity 생태계를 확장하고 있음을 의미한다. NVIDIA DGX Cloud Lepton
중동에서도 이미 대규모 경쟁 구도가 형성되고 있다. OpenAI, G42, Oracle, NVIDIA, Cisco, SoftBank가 참여하는 Stargate UAE는 1GW AI cluster를 목표로 하고, 1단계 200MW가 2026년에 가동될 예정이라고 발표됐다. OpenAI, Stargate UAE 사우디아라비아의 HUMAIN도 NVIDIA와 최대 500MW AI Factory 구축 파트너십을 발표했다. NVIDIA-HUMAIN strategic partnership
네이버가 내세울 수 있는 강점은 검색, 커머스, 지도, 클라우드, 한국어 LLM, 디지털트윈 경험이다. 이는 분명 의미가 있다. 특히 한국과 아시아 고객에게 현지화된 AI 서비스를 제공하는 데는 강점이 될 수 있다. 그러나 AI Factory의 핵심 병목은 네이버가 가진 애플리케이션 경험보다 NVIDIA GPU, CUDA, NVLink, InfiniBand, HBM, 고성능 서버, 글로벌 데이터센터 운영 경험, 대형 고객계약에 있다.
8. AI Value Chain에서 초과이익은 누가 가져갈 가능성이 높은가?
AI Factory의 수익성을 볼 때 중요한 질문은 “AI 수요가 늘어나는가”가 아니라 AI Value Chain에서 누가 초과이익을 가져가는가다. AI 산업은 크게 전력, 반도체, 인프라, 모델, 애플리케이션으로 나눌 수 있다. 이 중 현재 가장 강력한 병목은 NVIDIA GPU와 관련 소프트웨어 스택이다.
NVIDIA는 GPU뿐 아니라 CUDA, 네트워킹, 라이브러리, 개발자 생태계까지 장악하고 있다. NVIDIA의 DGX Cloud Lepton 발표도 Blackwell 등 NVIDIA architecture GPU와 클라우드 파트너 생태계를 연결하는 방향이다. 이는 AI 클라우드 사업자가 GPU capacity를 확보하더라도, 핵심 기술 병목과 생태계 지배력은 NVIDIA에 남을 가능성이 크다는 점을 보여준다. NVIDIA DGX Cloud Lepton
AI Factory 사업자는 이 장비와 소프트웨어를 기반으로 고객에게 서비스를 제공한다. 따라서 AI 수요가 폭발해도 가장 먼저 가격 결정력을 행사할 수 있는 곳은 GPU와 네트워크 장비를 공급하는 NVIDIA일 가능성이 높다.
반대로 AI Factory 운영자는 대규모 자본을 투입하고, 전력과 데이터센터를 확보하며, 고객을 유치해야 한다. 경쟁자가 많아질수록 고객은 가격을 비교하게 되고, 네이버와 같은 운영자의 마진은 squeeze될 수 있다. 결국 네이버는 AI 수요 성장의 수혜를 받을 수 있지만, 초과이익의 상당 부분은 NVIDIA와 핵심 공급망에 귀속될 가능성을 고려해야 한다.
네이버가 높은 마진을 확보하려면 단순히 GPU를 빌려주는 구조를 넘어서야 한다. 검색, 커머스, 지도, 디지털트윈, 피지컬 AI 같은 고유 자산을 활용해 고객이 네이버를 선택해야 하는 이유를 만들어야 한다. 그러나 이 차별화가 실제로 MW당 매출과 20% 후반대 OPM으로 연결될지는 아직 검증이 필요하다.
9. 소버린 AI는 왜 일반 클라우드보다 훨씬 복잡한가?
소버린 AI는 단순히 기업이 클라우드 서비스를 쓰는 문제가 아니다. 한 나라의 데이터, 공공 시스템, 금융 시스템, 국방, 산업 정보가 연결된 데이터 주권 사업이다. 따라서 고객 국가는 가격이나 성능만 보지 않는다. 데이터가 어디에 저장되는지, 누가 운영하는지, 암호키를 누가 관리하는지, 외국 정부가 개입할 가능성은 없는지, 비상시에도 서비스가 유지되는지를 함께 본다.
McKinsey는 소버린 AI를 자국 인프라, 데이터, 모델, 인재를 기반으로 AI를 개발·배포·통제할 수 있는 역량으로 설명한다. 이는 단순히 데이터센터가 자국에 있으면 되는 문제가 아니라, AI 생애주기 전체에 대한 통제권을 요구한다는 뜻이다. McKinsey, What is sovereign AI?
BCG도 sovereign cloud의 핵심을 데이터 현지 저장, 현지 통제, 외국 법집행기관 접근 리스크 차단, 데이터 격리와 같은 문제로 설명한다. 즉, 소버린 AI 고객은 외부 기업의 기술을 활용하더라도 운영권과 통제권을 쉽게 넘기지 않으려 할 가능성이 높다. BCG, Sovereign Clouds Are Reshaping National Data Security
이런 사업을 외부 기업에 전적으로 맡기는 것은 정치적으로도 쉽지 않다. 중동, 일본, 동남아 국가들이 네이버와 협력할 수는 있다. 그러나 네이버가 단독으로 인프라를 소유하고, 데이터를 운영하고, 높은 마진을 모두 가져가는 구조는 쉽지 않다. 더 현실적인 구조는 현지 정부, 국부펀드, 통신사, 전력회사, 로컬 클라우드 사업자가 함께 참여하는 JV 또는 SPV 구조다.
10. 해외 시장에도 전력과 인프라 병목은 존재한다
네이버가 한국 전력과 수도권 부지 병목을 해외로 우회할 수 있다는 논리는 일리가 있다. 한국에서 1GW 규모 AI 데이터센터를 단기간에 확보하기는 매우 어렵기 때문에, 말레이시아, 일본, 중동, 유럽 등으로 capacity를 분산하는 전략은 필요하다.
그러나 해외로 나간다고 병목이 사라지는 것은 아니다. AI 데이터센터는 일반 데이터센터보다 전력 사용량과 냉각 요구 수준이 훨씬 높다. 국제에너지기구는 글로벌 데이터센터 전력소비가 2030년까지 945TWh로 두 배 이상 증가할 수 있다고 전망했다. 이는 데이터센터 확장이 전력망과 에너지 시스템에 구조적 부담을 줄 수 있다는 의미다. IEA, Energy and AI
아시아태평양 지역에서도 전력 병목은 이미 핵심 이슈다. JLL은 APAC 데이터센터 시장에서 전력 수요 증가로 grid connection 대기기간이 신흥 시장에서는 24개월, 핵심 시장에서는 8년 이상까지 늘어날 수 있다고 분석했다. JLL, Asia Pacific Data Centre Report Deloitte도 APAC 데이터센터 전력수요가 2030년대 중반까지 최대 5배 확대될 수 있고, 무계획적 증설은 전력망 혼잡과 가격 변동성을 악화시킬 수 있다고 봤다. Deloitte, Powering Asia Pacific’s data centre boom
말레이시아 조호르 사례는 동남아에도 전력·용수 병목이 실제로 존재함을 보여준다. 조호르주는 물을 많이 사용하는 저효율 데이터센터 승인 기준을 강화했고, 일부 데이터센터가 하루 최대 5,000만리터의 물을 사용할 수 있다는 우려도 제기됐다. New Straits Times, Johor tightens approvals for data centres 또한 조호르는 데이터센터 투자 확대와 함께 대체 수자원 사용을 추진하고 있으며, 이는 물과 전력 인프라가 데이터센터 확장의 실제 병목이 되고 있음을 보여준다. New Straits Times, Johor data centre investments and alternative water sources
 |
 |
 |
| https://openai.com/ko-KR/signals/data/ |
결국 해외 진출은 한국 병목을 완전히 없애는 해법이라기보다 병목의 위치를 다른 국가로 이동시키는 전략에 가깝다. 따라서 네이버가 1GW 목표를 제시하더라도, 국가별로 전력 연결 시점과 실제 가동 MW를 따로 확인해야 한다.
11. 미국·중국 외 시장에서 AI 수요가 충분히 빠르게 늘어날까?
네이버의 AI Factory 목표가 성립하려면 미국과 중국 외 지역에서 AI 수요가 매우 빠르게 확산되어야 한다. 특히 중동, 일본, 동남아, 유럽의 정부와 대기업들이 고가 GPU capacity를 장기로 예약하고, AI 인프라 비용을 감당할 수 있어야 한다.
그러나 현재 AI 수요의 중심은 미국과 중국이다. 미국은 OpenAI, Anthropic, Google, Meta, Microsoft 같은 대형 모델·플랫폼 기업이 있고, 중국은 자체 AI 생태계를 구축하고 있다. 이 지역에서는 AI 투자가 곧 경쟁력과 생존 문제로 이어지기 때문에 고가 GPU 수요가 강하다.
반면 일본, 동남아, 중동의 수요는 성격이 다르다. 중동은 국부펀드와 정부 주도 투자가 가능하기 때문에 대규모 프로젝트가 나올 수 있다. 실제로 Stargate UAE나 HUMAIN-NVIDIA 프로젝트처럼 국가 전략 차원의 AI infrastructure 투자가 진행되고 있다. OpenAI, Stargate UAE, NVIDIA-HUMAIN
그러나 일본은 대기업과 공공 수요가 있더라도 조달 의사결정이 보수적일 수 있고, 동남아는 성장 잠재력은 크지만 민간 기업의 AI ROI가 아직 충분히 검증되지 않았다. 고가 GPU 사용료를 장기적으로 부담할 수 있는 고객층이 제한적일 수 있다는 점도 고려해야 한다.
따라서 네이버가 20% 후반대 마진을 유지하려면 단순히 “AI 수요가 늘어난다”는 수준으로는 부족하다. 고객이 GPU, 전력, 금융비용 상승분까지 부담할 만큼 AI에서 충분한 부가가치를 창출해야 한다. 이머징 시장에서 그런 수요가 5년 안에 대규모로 형성될지는 아직 불확실하다.
12. 지정학 리스크는 왜 중요한가?
AI Factory의 핵심 장비는 NVIDIA GPU다. NVIDIA GPU는 미국 기술에 기반하고, 미국 정부의 수출통제와 안보정책의 영향을 받는다. 따라서 AI Factory는 단순 민간 데이터센터 사업으로 보기 어렵다. 특히 소버린 AI와 국가 데이터 인프라가 연결되면, 이 사업은 외교·안보·기술패권의 영역으로 들어간다.
미국 상무부 BIS는 2025년 AI Diffusion Rule을 철회하면서도 반도체 관련 수출통제를 강화하는 방향을 제시했다. 즉, 규칙의 형태는 바뀌어도 고성능 AI 반도체와 관련 기술은 계속 미국의 외교·안보 관리 대상에 남아 있다. BIS, AI Diffusion Rule rescission and chip-related export controls
중동은 이 점에서 특히 민감하다. 중동은 에너지, 해양물류, 안보동맹, 대중국 견제 측면에서 미국에게 전략적 의미가 매우 큰 지역이다. UAE의 Stargate 프로젝트도 OpenAI, G42, Oracle, NVIDIA, Cisco, SoftBank가 참여하고, 미국 정부와 긴밀히 조율된 프로젝트로 소개됐다. OpenAI, Stargate UAE
이 구조에서는 네이버의 역할이 제한될 수 있다. NVIDIA가 GPU를 공급하고, 미국 정부가 수출허가를 관리하며, 현지 정부가 데이터와 운영권을 통제하고, 미국 빅테크가 모델과 클라우드 서비스를 제공하면, 네이버는 그중 일부 운영 파트너가 될 수 있다. 이 경우 네이버가 1GW 경제성을 대부분 가져가는 구조를 기대하기는 어렵다.
13. 네이버만 이 사업을 할 수 있다는 논리는 왜 약한가?
네이버가 AI Factory에서 완전히 경쟁력이 없다는 뜻은 아니다. 네이버는 한국에서 검색, 커머스, 지도, 클라우드, 콘텐츠, 결제, AI 모델 운영 경험을 축적했다. 특히 한국어와 아시아 시장에 대한 이해, 소버린 AI 프로젝트 경험, 디지털트윈과 피지컬 AI 연결 가능성은 분명 강점이다.
그러나 이 강점이 “네이버만 할 수 있다”는 독점적 진입장벽으로 이어지기는 어렵다. AI Factory의 핵심은 GPU와 소프트웨어 스택, 전력, 자본, 대형 고객계약이다. 이 영역에서는 NVIDIA, Google, AWS, Microsoft, Oracle, CoreWeave, Nebius, SoftBank, 중동 국부펀드 계열 기업들이 이미 강력한 경쟁력을 갖고 있다.
네이버의 NVIDIA 협력도 중요한 긍정 요인이지만, NVIDIA는 이미 여러 cloud partner와 생태계를 구축하고 있다. 따라서 네이버가 NVIDIA와 협력한다고 해서 독점적 지위를 가진다고 보기는 어렵다. NVIDIA Cloud Partner ecosystem
따라서 네이버의 현실적인 위치는 글로벌 AI 인프라 시장의 지배자라기보다, NVIDIA 생태계 안에서 아시아·소버린 AI·피지컬 AI 일부 수요를 담당하는 파트너에 가깝다. 이 역할도 의미는 있지만, 5년 내 20조원 매출과 20% 후반대 OPM을 확정적으로 설명하기에는 아직 검증이 부족하다.
14. 최종 결론: 성장 옵션은 맞지만, 아직은 Bull Case에 가깝다
네이버 AI Factory는 분명 흥미로운 성장 옵션이다. 기존 네이버 사업이 성숙기에 접어든 상황에서, AI 인프라 사업은 새로운 매출원을 만들 수 있다. NVIDIA와의 협력, 소버린 AI 수요, 아시아 지역 AI 인프라 확산이라는 방향성도 완전히 틀렸다고 보기 어렵다.
다만 회사가 제시한 5년 내 20조원 매출과 20% 후반대 마진은 현재 단계에서 base case로 보기에는 부담이 크다. 이 목표가 현실화되려면 1GW급 capacity, 장기 take-or-pay 계약, 원가 pass-through, 최신 NVIDIA GPU 우선 배정, 해외 전력·부지 확보, 소버린 AI 고객의 비용 수용력, 높은 utilization이 모두 동시에 필요하다.
특히 현재 산업 환경은 네이버에 우호적이지만은 않다. 토큰 가격은 하락하고, GPU·메모리·인터커넥트·전력·금융비용은 상승하고 있다. 경쟁자는 많고, 핵심 초과이익은 NVIDIA와 같은 상위 병목 사업자에게 귀속될 가능성이 높다. 여기에 소버린 AI는 국가 안보가 걸린 사업이기 때문에 외부기업이 단독으로 높은 마진을 가져가기 어려운 구조다.
따라서 투자 관점에서는 200MW 초기 capacity는 옵션 가치로 일부 인정할 수 있다. 그러나 500MW~1GW 구간과 20조원 매출, 20% 후반대 OPM은 계약 구조와 실제 가동 지표가 확인된 뒤 단계적으로 반영하는 것이 합리적이다. 지금 필요한 것은 큰 목표보다 실제 계약, energized MW, GPU 조달 조건, 원가 pass-through, 네이버 귀속 매출률이다.
 |
| 회사가 말한 기존사업도 2025년 12조원에서 2030년까지 20조원이 가능한건가 싶기도 하다.. 특히 성장률이 구조적으로 감소할 수 밖에 없는 내수 commerce 시장에서 말이다. |
 |
| 생각정리 37 (* 대한민국 내수시장) |
 |
| https://fred.stlouisfed.org/data/NCXDCKRA |
 |
| https://fred.stlouisfed.org/data/NIXDCKRA https://fred.stlouisfed.org/data/NCXDCKRA |
