주요 시사점
- AI가 이끄는 부채 중심 투자 사이클: 하이퍼스케일러들은 견고한 재무 구조에서 출발했지만, 자본지출 증가와 잉여현금흐름 감소는 레버리지 활용으로의 전환 가능성을 보여줍니다.
- 여전히 풀리지 않은 핵심 쟁점들: AI 생태계 전반에서 수요와 가치 창출, 수익성에 대한 불확실성이 지속되고 있습니다. 이런 환경에서 투자자들은 예측하기 어려운 결과와 복합적인 리스크에 직면하게 되며, 그만큼 투자 대상의 선별과 거래 구조의 중요성이 한층 부각되고 있습니다.
- 완벽한 해답은 아니지만, 과거 사례가 주는 경고: 철도에서 통신에 이르는 과거의 인프라 붐은 혁신 기술조차 과잉 투자와 불균형한 수익으로 귀결될 수 있음을 보여줍니다.
코로나19 이후 회복 국면이 시작되면서 미국 비금융기업들은 전반적으로 자본을 보수적으로 운용해 왔습니다. 이들은 신용 지표를 안정적으로 유지했으며, 상당수 기업은 이를 적극적으로 개선했습니다. 다만 이러한 규율은 완전히 자발적인 선택의 결과라기보다는 2022-2023년 연준의 금리 인상 사이클로 자금조달 비용이 급격히 상승하면서 추가 차입 여건이 크게 악화된 데 따른 영향이 컸습니다. 이로 인해 경영진은 대차대조표를 보다 보수적으로 관리할 수밖에 없었습니다.
그러나 지난 18개월 동안 미국 기업 중 일부는 이러한 흐름에서 뚜렷하게 벗어났습니다. AI 관련 자본지출의 경우, 주요 투자등급(IG) 하이퍼스케일러뿐만 아니라 하이일드(HY) 시장에 속한 네오클라우드 기업들에서도 채권시장을 통한 자금조달 의존도가 점차 높아지고 있습니다. (하이퍼스케일러는 범용 대규모 클라우드 서비스 제공업체이며, 네오클라우드는 AI 처리에 특화된 전문 클라우드 서비스 제공업체입니다.)
관련 수치는 이를 명확히 보여줍니다. 차트 1에서 확인할 수 있듯이, 미국 GDP 대비 장비 및 소프트웨어 투자 비중은 1990년대 후반에 기록했던 정점을 넘어설 것으로 예상됩니다. 한편, 5대 하이퍼스케일러의 자본지출에 대한 컨센서스 추정치는 2026년 약 6,900억 달러, 2027년 약 8,700억 달러로 증가했으며, 이는 올해 초 약 4,800억 달러 수준에서 크게 상향 조정된 수치입니다(차트 2 참조).
차트 1: 1990년대 정점을 넘어설 전망인 장비·소프트웨어 투자
차트 2: 주요 AI 하이퍼스케일러의 자본지출 컨센서스 추정치
차트 3: 향후 2년간 영업현금흐름의 94%를 흡수할 것으로 예상되는 AI 하이퍼스케일러 자본지출
이러한 변화는 이미 채권 발행시장에서도 확인되고 있습니다. 하이퍼스케일러들의 지수 편입 대상 신규 채권 발행 규모는 연초 이후 약 1,360억 달러에 달해, 2025년 연간 발행 규모를 이미 넘어섰습니다. 여기에 더해 투자등급과 하이일드 시장 전반에서 데이터센터와 연계된 채권 발행도 약 580억 달러에 이릅니다.
향후 리스 의무 역시 공급 측면에서 또 하나의 부담 요인으로 작용하고 있습니다. 최근 10-Q 보고서에 따르면, 하이퍼스케일러 대차대조표에 아직 반영되지 않은 할인 전 기준 미래 리스 약정액은 총 8,220억 달러로 집계됐으며, 이는 2026년 2월 말 기준 6,750억 달러에서 크게 증가한 수치입니다.
최근 이어진 대규모 채권 발행은 AI 관련 크레딧 시장에서 투자자들이 듀레이션 리스크를 어디까지 감내할 수 있는지를 시험하기 시작했습니다. 다만 핵심 요소는 거래 구조였으며, 앞으로도 그럴 가능성이 높습니다. 약정 조건, 만기 구조, 채권자 간 상환 순서와 같은 구조적 안전장치들은 헤드라인 스프레드만큼이나 중요하며, 이는 단순한 계약상의 세부사항을 넘어 투자 판단의 핵심 기준으로 작용하고 있습니다. 특히 실물자산에 대한 청구권을 수반한 자금조달 구조는 기술 변화에 따른 리스크를 완화하며 필수 인프라 투자를 가능하게 합니다. 문제가 발생하더라도 실물자산을 통해 투자금 회수가 가능하기 때문입니다.
AI 자본지출 사이클이 본격화될수록 미시적·거시적 차원에서 상호 연관된 질문들이 제기될 것으로 보입니다. 미시적으로는 현재 대출 확대가 AI 관련 발행사들의 대차대조표 건전성을 실질적으로 훼손할 가능성이 있는지, 그리고 하이퍼스케일러들의 지수 내 비중 확대가 투자등급 및 하이일드 시장 전반의 펀더멘털로 확산될 리스크가 있는지가 핵심 쟁점입니다. 거시적으로는 이번 자본지출 사이클은 1990년대 후반 통신업계 붐과 유사한 과잉 투자의 전조가 될 수 있는지, 나아가 조정 국면이 발생할 경우 현재의 경기 사이클 지속성을 위협할 수 있는지가 관건입니다.
과거 사례를 보면, 이러한 리스크는 대차대조표가 이미 약화된 이후가 아니라, 아직 건전할 때 점검해야 함을 시사합니다.
견조한 대차대조표, 불확실한 전제
투자 결과는 성공부터 실패까지 폭이 매우 넓고, 그 과정에서 여러 위험 요인이 복합적으로 작용하고 있습니다. 그중에서도 특히 주목할 만한 세 가지 요인이 있습니다.
첫째, AI 도입의 전개 방향은 다양한 변수에 따라 달라질 수 있습니다. AI 자본지출의 흐름은 효율성 향상 속도에 따라 달라지며, 이에 따른 투자 효과 역시 상반된 결과를 낳을 수 있습니다. 성과가 예상보다 빠르게 나타날 경우, 컴퓨팅 수요가 비선형적으로 증가하면서 설비 투자 확대와 추가적인 부채 증가를 초래할 수 있습니다. 반면 성과가 지연될 경우에는 필요한 자본 규모가 크게 줄어들면서, 낙관적인 전망을 전제로 구축된 자산들이 유휴 상태로 남게 될 가능성도 있습니다. 어느 경우든 투자 판단의 기준은 크게 달라질 수밖에 없고, 이러한 전개를 사전에 정확히 예측하기는 쉽지 않습니다. 실제 활용 수준이 아직 충분히 입증되지 않은 가운데 낙관적인 가정이 선행되면서, 향후 투자 성과에 대한 불확실성이 커지고 있습니다.
둘째, AI 전반에서 가치가 어디로 향할지는 아직 분명하지 않습니다. 보다 근본적인 질문은 AI 공급망 전반에서 경제적 가치가 결국 어느 단계에 정착할 것인가입니다. 최하단의 반도체 계층은 그동안 강한 가격결정력을 유지해 왔는데, 이는 반도체 산업의 구조적 독점력뿐 아니라 AI 자본지출 사이클이 지속되어 온 환경에 힘입은 결과입니다. 그 위의 인프라 및 클라우드 계층에서는 새로운 세대의 칩과 아키텍처가 등장할 때마다 기존 AI 하드웨어의 수명이 단축되고 있습니다. 그럼에도 불구하고 하이퍼스케일러들의 대규모 데이터센터 투자는 지속될 것으로 보입니다. 다음 단계인 모델 계층에서는 막대한 학습 비용에 비해 차별화는 빠르게 약화돼, 개발자들이 가격을 주도하기 어려운 상황에 놓여 결국 비용 부담이 큰 치열한 경쟁에 내몰리고 있습니다. 최상단의 엔터프라이즈 및 애플리케이션 계층은 AI 생태계 전체의 수익성을 뒷받침해야 할 핵심 수요처이지만, 실제 도입은 아직 초기 단계에 머물러 있습니다. 기업들이 AI에 비용을 지불할 만큼의 확실한 효익이 충분히 입증됐는지 역시 시험대에 올라 있습니다. 현재와 같은 자본지출 속도는 AI가 단순히 생산성 개선에 그치지 않고, 그 성과가 실제로 레버리지를 부담하고 있는 특정 계층에 실질적인 수익으로 연결되는 것을 전제로 합니다. 그러나 현 시점에서는 어느 계층이 가치의 대부분을 차지하게 될지, 또는 지금 진행 중인 인프라 구축에 상응하는 충분한 수요가 실제로 따라올지에 대해 확신하기 어렵습니다.
마지막으로, 순환 금융이 미래 수요를 보장하는 것은 아닙니다. 공급업체와 대형 고객들은 선급금, 구매 약정(아직 생산되지 않은 상품이나 서비스에 대한 구매 약정), 자금 지원, 계약 기반 차입 구조 등을 통해 수요를 앞당기고 있지만, 이러한 방식은 인프라 구축 속도를 높이는 동시에 순환적인 구조를 만들어 내기도 합니다. 다시 말해, AI 인프라 지출의 수혜를 입는 기업들이 그 수요를 뒷받침하는 자금조달에 직간접적으로 관여하고 있을 가능성이 존재합니다. 이러한 방식으로 형성된 유도 수요는 기업 전반의 실제 도입 확대와 실질적인 생산성 향상, 최종 수요자의 지불 의향에 의해 만들어지는 유기적 수요와는 본질적으로 다릅니다. 유도 수요는 일정 기간 성장 모멘텀을 유지할 수는 있지만, 장기적인 타당성을 입증할 수 있는 것은 결국 유기적 수요뿐입니다. 유도 수요에서 유기적 수요로의 전환이 공급 측의 예상보다 지연될 경우, 투자 수익성은 빠르게 악화되고 현재의 자금조달 구조와 연계된 부채 상환 부담 역시 크게 늘어날 수 있습니다.
시장이 주목한 실질적인 리레버리징 움직임
차트 4: 충분한 부채 여력을 보유한 신용등급 A등급 이상의 하이퍼스케일러
차트 5: USD IG 시장 내에서 가장 낮은 레버리지를 유지하는 기술 섹터
차트 6: 대규모 자본지출로 크게 감소하는 잉여현금흐름
차트 7: 전체 USD IG 지수 대비 부진한 AI 하이퍼스케일러 스프레드
차트 8: 뚜렷하게 가팔라진 AI 하이퍼스케일러의 10-30년물 수익률곡선
주식시장의 신호는 보다 미묘합니다. 투자자들은 대체로 AI 자본지출을 실제 수익으로 연결할 수 있는 신뢰할 만한 경로가 있다고 평가되는 기업에는 호의적인 반면, 투자수익률(ROI)에 대한 근거가 불분명한 기업에는 부정적인 반응을 보이고 있습니다.
한 걸음 물러서서 AI 공급망을 보다 넓은 시각에서 살펴보면, 반도체 주식이 전반적으로 뚜렷한 초과 성과를 기록했으며, 특히 AI 칩 공급망에 대한 노출도가 큰 한국과 대만은 글로벌 시장에서도 두드러진 주식시장 성과를 보였습니다. 전반적으로 신호는 분명합니다. 투자자들은 더 이상 믿음만으로 인프라 구축에 자금을 맡기지 않고 있습니다.
1990년대 통신업계와의 비교: 유용하지만 불완전한 유사성
불확실한 기술 전환기를 헤쳐 나갈 때 시장 참여자들은 본능적으로 과거 선례를 찾습니다. 오늘날 AI 인프라 구축과 관련해 가장 자주 언급되는 비교 대상은 19세기 철도와 1990년대 후반의 통신 광섬유 붐입니다. 두 사례 모두 참고할 만하지만, 그 이유는 다릅니다.
철도 사례는 범용 인프라 투자 열풍의 핵심적 특징을 잘 보여줍니다. 수요가 현실화되기 훨씬 이전에 막대한 규모의 비가역적 자본이 투입되었고, 그 결과는 투자자들이 처음 예상했던 것보다 훨씬 광범위한 경제적 변화를 이끌어냈습니다. 하지만 여기에는 중요한 경고도 담겨 있습니다. 기술 자체의 혁신성은 입증되었지만, 철도 투자자들은 빈번하게 손실을 입었습니다. 교훈은 분명합니다. 기술의 영향력을 정확히 예측하더라도, 투자 시점을 잘못 판단하면 매력적인 수익을 보장받을 수는 없다는 것입니다.
이러한 교훈은 AI에도 적용되지만, 철도와의 비교에는 분명한 한계가 있습니다. 철도는 특정 지역에 고정된 이동 불가능한 실물자산으로, 수익 모델이 비교적 단순하고 감가상각 주기 역시 수십 년에 걸쳐 이어집니다. AI 인프라는 다릅니다. 특정 지리적 범위에 묶이지 않으며, 자산의 수명주기가 훨씬 짧고 비경합적 특성(즉, 제로섬이 아닌 구조)을 지니고 있습니다. 또한 최종적인 수익화 구조가 아직 명확히 정리되지 않은 경쟁적 가치사슬 안에 위치해 있습니다. 이러한 특성 때문에 AI 인프라 투자에서는 투자수익률을 산정하는 일이 본질적으로 더 어렵습니다.
이러한 측면에서 볼 때, 통신업계 사례가 현재 국면을 해석하는 데 더 적합합니다. 21세기 초 광섬유 시장의 붕괴는 인터넷 트래픽이 성장하지 않았기 때문이 아니라, 수요가 실제로 본격화되기까지 예상보다 훨씬 더 오랜 시간이 걸렸음에도 공급이 이를 과도하게 앞서 확충되었기 때문에 발생했습니다. 이른바 “뒤처질 수 없다”는 인식은 경쟁을 과열시키고 투자를 앞당겼으며, 그 결과 당시 기준으로 상당한 과잉 공급을 초래했습니다.
여기에 벤더 파이낸싱이 통신업계 사이클을 더욱 증폭시켰습니다. 장비 공급업체들은 고객들이 더 많은 스위치와 라우터, 광통신 장비를 구매할 수 있도록 사실상 자금을 제공했고, 이를 통해 매출을 앞당기는 동시에 신용 리스크를 생태계 전반으로 이전시켰습니다. 이러한 순환 구조는 수요가 실제보다 훨씬 견고해 보이게 만들었습니다.
1990년대 후반 광섬유 버블 붕괴에서 얻은 핵심 교훈은 투자 방향이 옳더라도 공급이 수요를 지나치게 앞서 나가면 결과적으로 자본을 훼손할 수 있다는 점입니다.
이러한 맥락에서 볼 때, 오늘날의 AI 자본지출 사이클 역시 과거와의 유사성을 분명히 드러내고 있습니다. 자본지출은 절대적·상대적 측면 모두에서 빠르게 증가하고 있으며, 하이퍼스케일러의 초기 총자산 대비 자본지출 증가율은 1990년대 후반 통신업계 수준을 상회할 것으로 예상됩니다. 다만 영업현금흐름 대비 비중은 여전히 상대적으로 낮은 수준에 머물 것으로 전망됩니다(차트 9 및 10 참조). 이러한 흐름은 닷컴 시대의 과잉 투자와 이후의 붕괴 국면과의 비교를 자연스럽게 유도합니다. 하이퍼스케일러의 채권 발행이 늘어나면서 크레딧 시장에서 차지하는 비중과 영향력은 확대되고 있지만, 현재까지의 증가 폭은 1990년대 후반 통신업계가 보였던 빠른 확장 속도에 비해 여전히 완만한 수준에 머물러 있습니다.
차트 9: 1990년대 후반 통신업계를 상회할 전망인 초기 총자산 대비 AI 하이퍼스케일러 누적 자본지출
차트 10: 최근 감소에도 불구하고 1990년대 통신업계보다 견조한 AI 하이퍼스케일러 잉여현금흐름
차트 11: 1990년대 대비 강화된 주식투자자 규율
차트 12: 하이퍼스케일러들과 대조적으로 1990년대 후반 자본지출 사이클에서 급격히 상승한 통신 섹터 레버리지
차트 13: 1990년대 후반 통신 섹터의 급격한 수익성 악화
확실히 말하자면, 앞서 언급했듯이 잉여현금흐름은 감소했고 신용도 측면의 추세도 분명히 덜 우호적으로 바뀌었습니다. 그럼에도 불구하고, 현재의 우량 하이퍼스케일러들은 자본지출 사이클의 유사한 단계에 있었던 1990년대 후반 통신업계에 비해 여전히 훨씬 더 양호한 모습을 보이고 있습니다.
달리 말해, AI는 수익화의 불확실성, 과잉 투자 가능성, 자산 수명 단축, 부채 의존도 확대라는 실질적인 리스크를 동반한 자본지출 붐의 한가운데에 있습니다. 다만 현 시점에서는 1990년대 후반 통신업계 붐과 비교해 보다 절제되어 있고, 자금조달 여건도 훨씬 양호한 사이클로 평가됩니다.
