AI 시대에는 왜 고금리에도 인프라 투자가 가속되는가
금리가 오르면 투자는 줄어든다.
자본비용이 상승하면 기업의 요구수익률도 높아지고, 프로젝트의 순현재가치는 낮아진다. 결국 발전소와 공장, 플랜트와 부동산 개발은 지연되고, 건설·산업재와 같은 경기민감 산업의 수주는 감소한다.
과거의 전형적인 경기순환은 다음과 같았다.
r 상승
→ WACC 상승
→ 요구 IRR 상승
→ CAPEX 감소
→ 경기 둔화
→ 물가 하락
→ 금리 하락
→ CAPEX 재개
그러나 AI 시대에는 이 공식이 모든 산업에 동일하게 적용되지 않을 가능성이 높다.
과거의 인프라는 경제성장의 결과로 건설됐지만, AI PHYSICAL INFRASTRUCTURE는 미래의 경제성장을 가능하게 만드는 선행조건으로 바뀌고 있기 때문이다.
1. AI는 노동의 가치를 자본으로 이전한다
전통적인 생산요소는 토지·노동·자본이었다.
자본은 인간의 생산성을 높여주는 도구였지만, 실제 노동은 여전히 사람이 수행했다. 그러나 AI는 분석·코딩·번역·설계·연구·고객응대와 같은 인지 노동을 직접 수행하기 시작했다.
AI가 로봇과 결합하면 이러한 변화는 물리적 노동까지 확대된다.
따라서 AI를 단순한 소프트웨어나 생산성 도구로만 정의하기는 어렵다.
AI는 노동을 수행하는 자본이다.
기존 생산함수도 다음과 같이 바뀐다.
Land + Human Labor + AI Capital + Energy → Output
AI FACTORY는 서버가 모여 있는 데이터센터가 아니다. 인간이 수행하던 지능 노동을 대규모로 생산하는 Synthetic Labor Factory에 가깝다.
기업이 동일한 인력으로 더 많은 생산물을 만들어낼수록 그 부가가치의 상당 부분은 임금보다 AI 모델과 데이터센터, 반도체와 전력 인프라를 보유한 자본에 귀속된다.
AI가 만든 부가가치가 어디로 이전되는지는 이전 글에서 별도로 정리했다.
생각정리 342 — LPS, Where Does Value Accrue in the AI Era?
결론만 압축하면 이렇다.
지능의 한계비용은 낮아질 수 있지만, 지능을 대량으로 생산하는 데 필요한 Compute·Power·Grid·Land의 공급은 같은 속도로 늘어나기 어렵다.
따라서 노동의 가치 일부가 AI 자본으로 이전될수록, 그 자본을 실제로 가동할 수 있게 해주는 물리적 인프라의 가치도 함께 상승한다.
 |
| 비개발자는 가장 빠르게 증가하는 사용자층 |
 |
| 비개발자는 가장 빠르게 증가하는 사용자층 |
2. 고령화와 민주주의는 높은 r을 구조화한다
동시에 주요국은 고령화로 인해 과거보다 높은 재정비용을 부담해야 한다.
고령층이 늘어날수록 연금·의료·요양·각종 이전지출은 증가한다. 반면 생산가능인구와 세수 기반은 약해진다.
문제는 민주주의 정치에서 고령층이 가장 크고 투표율도 높은 유권자 집단이 된다는 점이다. 정부가 재정건전성을 이유로 연금과 의료복지를 실질적으로 삭감하기는 갈수록 어려워진다.
결국 다음의 구조가 반복될 가능성이 높다.
Aging
→ Fiscal Spending 증가
→ Public Debt 증가
→ 국채 공급 증가
→ 이자비용 증가
→ 추가 재정적자 증가
경기침체기에 늘어난 재정지출은 경기회복기에도 충분히 회수되지 않는다. 부채와 이자비용은 누적되고, 인플레이션과 국채 공급 부담은 장기금리와 기간프리미엄에 상방압력을 가한다.
 |
| -순이자비용은 2026년 1.0조 달러에서 2036년 2.1조 달러로, GDP 대비 3.3%에서 4.6%로 상승. |
이에 대해서는 기존 글에서 이미 자세히 다뤘다.
생각정리 350 — Debt, Centralization
생각정리 347 — AI Fiscal Race, Public Debt
이번 글에서 필요한 결론은 하나다.
앞으로 주요국은 과거보다 높은
r을 감당해야 하며, 이를 지속 가능하게 만들려면 결국g를 높여야 한다.
증세와 복지축소는 정치적으로 어렵다. 인플레이션으로 부채의 실질가치를 낮추는 방법도 자산가격과 사회적 불평등을 더욱 확대한다.
결국 가장 현실적인 해법은 생산성을 높여 경제 전체를 성장시키는 것이다.
그리고 현재 주요국의 g를 의미 있게 끌어올릴 수 있는 가장 유력한 기술이 AI다.
3. AI는 장기적으로 Deflation이지만 당장은 Capital Inflation이다
AI가 충분히 확산되면 단위 노동비용과 재화·서비스의 한계비용이 낮아질 수 있다.
그러나 그 단계에 도달하기 전에 막대한 물리적 자본을 먼저 건설해야 한다.
AI FACTORY를 가동하려면 다음의 공급망이 모두 필요하다.
GPU
→ HBM
→ Advanced Packaging
→ Optical Network
→ Storage
→ Cooling
→ Data Center
→ Transformer
→ Substation
→ Grid
→ Power Generation
AI는 Software처럼 보이지만 실제 생산과정은 극도로 Physical하다.
GPU를 확보해도 전력이 없으면 사용할 수 없다. 발전용량이 있어도 송전망과 변전소가 부족하면 데이터센터까지 전력을 공급할 수 없다.
따라서 AI 생산함수는 각각의 요소를 자유롭게 대체할 수 있는 구조가 아니다.
AI Output ≈ min
(Compute, Memory, Network, Cooling, Power, Grid, Powered Land)
하나의 병목이 전체 생산량을 결정한다.
AI 데이터센터와 전력 인프라의 구조는 이전 글에서 별도로 정리했다.
AI가 궁극적으로 만들어낼 Productivity Deflation보다 먼저 구리·철강·변압기·가스터빈·원전·송전망·데이터센터·건설인력에 대한 수요가 발생한다.
현재는 Productivity Deflation 이전의 Capital Inflation에 더 가깝다.
4. 과거의 금리 공식이 약해지는 이유
높은 금리가 투자를 줄인다는 공식에는 중요한 전제가 있었다.
프로젝트를 미뤄도 경제 전체의 생산능력이 크게 훼손되지 않는다는 전제다.
오피스 공급을 2년 늦추거나 석유화학 공장을 몇 년 뒤에 증설해도 경제가 당장 멈추지는 않는다. 수요가 회복되고 금리가 낮아지면 다시 투자하면 된다.
그러나 AI PHYSICAL INFRASTRUCTURE는 다르다.
전력망 건설을 5년 늦추면 발전소 하나의 준공만 늦어지는 것이 아니다. 그 전력을 사용했어야 할 AI FACTORY와 그 안에서 생산됐어야 할 Machine Intelligence도 함께 사라진다.
그 기간 동안 해당 국가는 다음의 생산기회를 잃는다.
AI Service Revenue
기업 생산성
자동화
세수
과학기술 발전
Machine Labor
따라서 인프라를 건설하지 않는 것 자체에도 거대한 비용이 발생한다.
과거의 투자 판단은 단순했다.
Project IRR > WACC
그러나 AI 시대의 필수 인프라는 다음과 같이 평가해야 한다.
**Project IRR
Scarcity Rent
Time-to-Power Value
Strategic Option Value
Lost AI Output Avoidance
Sovereign Value
WACC**
금리가 상승하더라도 전력과 전력접속권, Powered Land와 Capacity의 가치가 더 빠르게 올라가면 프로젝트의 경제성은 오히려 개선될 수 있다.
결국 중요한 것은 금리의 절대 수준이 아니다.
Scarcity Rent의 상승속도가 자본비용의 상승속도보다 빠른가
이 조건이 충족되면 고금리는 CAPEX를 지연시키지 못한다. 오히려 경쟁자보다 먼저 Capacity를 확보하기 위해 투자가 앞당겨진다.
5. 높은 r이 오히려 AI CAPEX를 강제한다
여기서 역설이 발생한다.
고령화와 부채 증가로 r이 높아질수록 국가들은 더 높은 g를 필요로 한다. 그렇지 않으면 이자비용과 부채비율이 계속 상승한다.
그런데 g를 높이기 위해 AI 생산성을 확보하려면 AI FACTORY가 필요하다. AI FACTORY를 건설하려면 전력·발전소·송전망·LNG·원전·데이터센터가 먼저 필요하다.
결국 다음의 구조가 만들어진다.
Debt 증가
→ r 상승
→ 더 높은 g 필요
→ AI Productivity 필요
→ AI FACTORY 필요
→ PHYSICAL INFRASTRUCTURE CAPEX 증가
즉 높은 금리가 AI 인프라 투자를 억제하는 것이 아니라, 높은 금리를 감당하기 위해 AI 인프라 투자를 더 빠르게 집행해야 하는 국면이 나타날 수 있다.
과거에는 인프라가 GDP 성장을 따라갔다.
앞으로는 인프라가 먼저 건설돼야 GDP가 성장한다.
Power
→ AI FACTORY
→ Machine Intelligence
→ Productivity
→ Corporate Profit
→ Tax Base
→ GDP
전력망과 발전소를 미룬다는 것은 현재의 CAPEX를 절약하는 대신 미래의 GDP를 포기하는 선택이 된다.
6. Cyclical 산업도 두 종류로 나뉜다
앞으로는 모든 경기민감 산업을 같은 방식으로 평가하기 어려워진다.
일반 주택과 상업용 부동산은 여전히 높은 금리에 취약하다.
반면 전력·원전·LNG·송전망·데이터센터는 경제 전체의 병목을 해결한다. 공급부족이 지속되는 동안에는 전통적인 Cyclical보다 Quasi-Structural Growth에 가까운 투자사이클이 나타날 가능성이 높다.
현재 가장 중요한 부등식은 이것이다.
AI Demand Growth > Physical Capacity Growth
이 상태가 유지되는 동안 높은 금리는 투자를 없애기보다 투자의 우선순위를 AI PHYSICAL INFRASTRUCTURE로 집중시키는 역할을 할 수 있다.
7. 토지도 Powered Land로 재평가된다
AI 시대에는 모든 토지가 동일하게 오르는 것이 아니다.
중요한 것은 면적이 아니라 전력 연결성이다.
**Powered Land Value
= Available Power
Grid Connection
Permit
Fiber
Cooling
Water**
1GW의 전력을 안정적으로 공급받을 수 있는 부지는 단순한 부동산이 아니다.
그 부지는 미래에 대규모 Machine Intelligence를 생산할 수 있는 Compute Option을 보유한다.
따라서 AI 시대의 토지 인플레이션은 일반적인 부동산 상승보다 전력에 연결된 희소 토지의 재평가에 가깝다.
8. 전력은 AI의 비용이 아니라 g를 결정하는 생산요소다
현재 AI 인프라에서 가장 긴 Lead Time을 가진 요소는 Grid와 발전설비다.
IEA에 따르면 발전·저장·대형 전력수요를 포함해 전 세계적으로 2,500GW 이상의 프로젝트가 전력망 접속을 기다리고 있다. 데이터센터는 대략 1~3년에 건설할 수 있지만, 송전망은 계획·인허가·건설에 5~15년이 필요할 수 있다.
IEA Electricity 2026
미국 FERC가 대규모 데이터센터와 산업부하의 계통연결 문제를 Speed-to-Power라고 표현하며 전력시장 운영기관에 제도개편을 요구한 것도 같은 이유다.
FERC Large Load Integration
전력은 더 이상 AI 기업의 비용항목 중 하나가 아니다.
전력이 AI FACTORY의 Capacity를 결정하고, AI FACTORY가 Machine Intelligence의 생산량을 결정하며, 그 Intelligence가 한 국가의 g를 결정한다.
9. AI FACTORY의 건설단위도 커진다
앞으로 AI FACTORY는 데이터센터 건물 한 동으로 끝나지 않는다.
GW급 AI Campus는 다음의 인프라를 하나의 프로젝트로 결합하게 된다.
**Gas / Nuclear Generation
Transmission
Substation
Data Center
Cooling
Water
Fiber
Storage**
데이터센터 사업자가 기존 전력망에서 전기를 구매하는 구조를 넘어, 전력 생산과 송배전 인프라를 직접 확보하는 방향으로 이동하는 것이다.
프로젝트 규모가 커지고 복잡해질수록 Engineering·Procurement·Construction·Commissioning을 통합 수행할 수 있는 EPC 역량도 중요해진다.
결국 AI 인프라의 다음 병목은 단순히 자본의 부족이 아닐 수 있다.
누가 대규모 발전소와 전력망, 데이터센터를 실제로 제시간에 완공할 수 있는가
EPC Execution Capacity 자체가 희소자원이 될 수 있다.
10. 한국 EPC의 해외수주를 다시 봐야 하는 이유
과거 해외 EPC 시장은 유가와 중동 재정, 석유화학 사이클과 개발도상국의 인프라 예산에 따라 움직였다.
높은 금리는 Project Finance 비용을 높이고 FID를 지연시켰다. 따라서 고금리 국면에서 건설사의 해외수주가 감소한다고 보는 것이 자연스러웠다.
그러나 AI 시대에는 원전·LNG·가스발전·송전망·데이터센터가 서로 독립된 시장이 아니다.
Gas / LNG
→ Power Generation
→ Grid
→ Data Center
→ AI FACTORY
하나의 AI PHYSICAL INFRASTRUCTURE Chain으로 연결된다.
이 과정에서 원전과 LNG 플랜트, 발전소와 전력망, 데이터센터를 실제로 건설해본 한국 EPC 기업의 전략적 가치도 높아질 수 있다.
현대건설: AI Energy Campus의 초기 단계에 진입
대표적인 사례가 미국 Fermi America의 Project Matador다.
이 프로젝트는 텍사스에 원전·가스발전·SMR·태양광과 대규모 데이터센터를 결합하는 11GW 규모 Energy and Intelligence Campus로 계획돼 있다. 현대건설은 이 가운데 AP1000 대형원전 4기의 FEED를 수행하고 있다.
현대건설 Fermi America FEED
아직 전체 EPC 본계약이 확정된 것은 아니다.
그러나 중요한 것은 AI Campus와 전력 인프라가 결합된 프로젝트에 한국 EPC가 초기 Engineering 단계부터 진입했다는 사실이다.
현대건설은 미국·유럽 원전과 SMR, 송전망과 데이터센터를 포괄하는 Energy Value Chain을 확대하고 있다. 2025년 신규수주도 25.5조원으로 전년 대비 약 39% 증가했다.
현대건설 2025년 경영실적
개별 프로젝트의 계약시점은 변동될 수 있다. 그러나 해외 원전 Pipeline이 한 건의 기대감이 아니라 미국·유럽·중동의 복수 프로젝트로 확대되고 있다는 점은 수주 가시성을 높이는 변화다.
대우건설: Pipeline이 실제 수주단계로 이동
대우건설에서는 변화가 더 직접적으로 나타나고 있다.
회사는 2026년 연간 신규수주 목표를 기존 18조원에서 27조원으로 50% 상향했다. 상반기 말 수주잔고는 53.4조원, 연간 매출의 약 6.6년분이다.
대우건설 신규수주 목표 상향
가이던스 상향의 핵심 배경은 Papua LNG와 Mozambique Rovuma LNG다.
Papua LNG에서는 FEED 참여 이후 CPF와 Wellpads EPSCC의 우선협상대상자로 선정됐다. Rovuma LNG에서도 대우건설이 참여한 JV가 LOI를 확보해 FID 이전의 사전설계·구매·시공성 검토 단계에 진입했다.
Papua LNG 우선협상대상자 선정
Rovuma LNG LOI
과거의 막연한 Pipeline이 다음 단계로 이동하고 있는 것이다.
FEED
→ LOI
→ Preferred Bidder
→ FID
→ EPC Contract
현대건설이 원전과 AI Energy Campus를 중심으로 장기적인 수주 옵션을 확보하고 있다면, 대우건설은 LNG·가스처리·발전 인프라를 중심으로 보다 가까운 수주 전환 가능성을 보여주고 있다.
11. 이제는 수주금액보다 수주잔고의 성격을 봐야 한다
과거 건설업에서도 수주잔고가 급증한 뒤 저가수주와 원가상승으로 대규모 손실이 발생한 사례가 많았다.
따라서 AI PHYSICAL INFRASTRUCTURE의 확대가 곧 모든 EPC 기업의 수익성 개선을 의미하지는 않는다.
중요한 것은 다음이다.
FID와 금융조달
발주처의 신용도
원가연동 조항
Cost Pass-through
현지조달 의무
공기지연 위험
Fixed-price 여부
하지만 동일한 계약조건이라면 수주의 출처가 달라지는 것은 중요하다.
단기 유가상승과 부동산 Boom에서 나온 수주인지, 아니면
AI
→ Electricity
→ Power Generation
→ Grid
→ Data Center
라는 장기적인 병목 해소 과정에서 발생한 수주인지에 따라 Backlog의 Duration과 가시성은 달라질 수 있다.
글을 마치며
기존 경제학이 틀렸다기보다, 기존 공식이 작동하던 전제가 바뀌고 있다.
AI는 노동을 보조하는 단순한 기술이 아니다. 사람이 수행하던 노동을 자본이 직접 생산하도록 만드는 기술이다.
그 결과 노동에 귀속되던 부가가치 일부는 AI 자본으로 이동한다. 동시에 그 자본을 가동하기 위한 Compute·Power·Grid·Powered Land의 희소가치도 높아진다.
고령화와 민주주의는 재정지출과 부채를 구조화하고, 주요국이 감당해야 할 r을 높인다.
그런데 높은 r을 버티려면 더 높은 g가 필요하다. AI가 g를 끌어올릴 가장 유력한 수단이라면, AI FACTORY와 전력 인프라는 경기침체를 이유로 계속 미룰 수 있는 선택적 CAPEX가 아니다.
결국 다음과 같은 역설이 나타난다.
과거에는 높은 r이 Infrastructure CAPEX를 줄였다.
앞으로는 높은 r을 감당하기 위해 Infrastructure CAPEX를 더 빠르게 해야 할 수 있다.
특히 전력은 AI 산업의 단순한 비용항목이 아니다.
전력은 AI 생산능력을 결정하고, AI 생산능력은 앞으로 한 국가의 생산성과 기업이익, 세수와 패권을 결정한다.
그렇다면 전력·원전·LNG·Grid·데이터센터와 이를 실제로 완공할 EPC Capacity의 가치도 과거와 다르게 평가해야 한다.
현대건설과 대우건설의 해외수주 Pipeline은 아직 모두 확정된 실적이 아니다. 그러나 프로젝트가 FEED·LOI·우선협상대상자·FID 단계로 이동하고 있다는 점은 수주 확률이 과거보다 높아지고 있음을 보여준다.
앞으로 한국 EPC를 바라볼 때 질문도 바뀌어야 한다.
“고금리인데 해외 건설수주가 늘 수 있을까?”
가 아니라,
“높은 금리를 감당할 성장률을 만들기 위해 세계가 반드시 건설해야 하는 AI Physical Infrastructure 가 얼마나 많으며, 그중 한국 EPC가 수주할 몫은 얼마나 될 것인가?”
AI 시대에는 가장 전통적인 Cyclical 산업이었던 건설업에서도, 병목을 해결하는 기업은 과거와 다른 수주 사이클에 진입할 가능성이 높지 않나 싶다.
=끝
