빅테크 AI 투자, 지금은 흑자처럼 보여도 감가상각 폭탄이 온다

• 빅테크 클라우드가 지금은 달콤한 흑자처럼 보이지만, 뒤쪽에 감가상각 리스크가 쌓이고 있다는 문제 제기임

  • 핵심은 “AI 인프라 투자 규모가 너무 빠르게 커지고 있다”는 것
  • 빅테크들은 AI 하드웨어에 3640억~4000억 달러를 투입하는 중으로 언급됨
  • 돈을 못 버는 회사들이 무리하는 상황은 아니지만, 비용이 손익계산서에 반영되는 속도가 관건임

• 비교 대상으로 나온 건 닷컴 버블 시절 통신사들의 광섬유 투자임

  • 1998~2000년 통신사들은 광섬유에 1000억 달러를 쏟아부었다가 파산 위기를 맞았음
  • 지금 빅테크는 현금 창출력과 실제 비즈니스 모델이 있으니 완전히 같은 상황은 아님
  • 그래도 “미래 수요를 믿고 인프라를 먼저 깐다”는 구조 자체는 꽤 닮아 있음

• 메타 사례가 특히 민감하게 다뤄짐

  • 메타는 오픈소스 전략인 라마(Llama)로 간접 수익화를 노리는 쪽
  • 2025년 지출 규모로 600억~650억 달러를 예고함
  • 반면 마이크로소프트는 800억 달러 투자와 함께 기업용 AI 매출을 직접 꽂아 넣는 구조로 비교됨

• 메타의 영업 마진 1%p 하락이 시장에 꽤 크게 받아들여졌음

  • 숫자만 보면 1%p라 작아 보일 수 있음
  • 하지만 AI 투자가 커지는 상황에서 마진이 흔들리면 “이거 진짜 회수 가능함?”이라는 질문이 바로 나옴
  • 기사에서는 이 여파로 주가가 급락했다고 설명함

• 수익과 비용의 불균형도 꽤 노골적임

  • 베인앤컴퍼니는 2030년까지 연간 2조 달러의 AI 수익이 필요하다고 추정
  • 현재 AI 제품 수익은 450억 달러 수준으로 제시됨
  • 필요한 수익 규모와 현재 수익 사이의 간극이 너무 커서, 지금의 투자 속도를 정당화하려면 AI 매출이 폭발적으로 커져야 함

• 진짜 무서운 포인트는 감가상각임

  • 구글 CFO 아나트 아슈케나지는 지출이 본격 반영되면 감가상각 수준이 급증할 것이라고 경고함
  • AI 칩은 과거 광섬유보다 기술 발전 속도가 훨씬 빠름
  • 즉, 비싸게 산 칩이 생각보다 빨리 구형 자산이 될 수 있음

• AI 하드웨어는 “한 번 깔아두면 오래 쓰는 인프라”라는 가정이 약함

  • 최신 칩 성능 경쟁이 빠르게 진행되면 기존 장비의 경제적 가치가 빨리 떨어짐
  • 회계상 감가상각비가 커지면 클라우드 사업 마진이 눌릴 수 있음
  • 지금 좋아 보이는 클라우드 흑자가 몇 년 뒤 비용 폭탄을 맞을 수 있다는 얘기임

• 개발자 입장에서도 이건 남의 재무 뉴스가 아님

  • 클라우드 사업자의 AI 인프라 비용 구조는 결국 GPU 인스턴스 가격, 예약 정책, 모델 API 가격에 영향을 줄 수 있음
  • 기업 고객 입장에서는 “AI를 어디에 얼마나 써야 경제성이 맞는가”를 더 따지게 될 가능성이 큼
  • AI 도입이 PoC에서 운영 단계로 넘어갈수록 기술 성능만큼 비용 회수 논리가 중요해짐

---

기술 맥락

• 빅테크가 AI 칩과 데이터센터에 거액을 쓰는 이유는 모델 경쟁이 결국 인프라 경쟁으로 이어지기 때문이에요. 더 큰 모델을 학습하고 더 많은 추론 요청을 처리하려면 GPU, 전력, 냉각, 네트워크를 먼저 확보해야 하거든요.

• 문제는 이 투자가 CapEx로 잡힌 뒤 시간이 지나며 감가상각비로 내려온다는 점이에요. 처음에는 현금이 많은 회사라 버틸 수 있어 보여도, 장비 가치가 비용으로 반영되기 시작하면 영업이익률이 바로 압박을 받아요.

• AI 칩은 광섬유보다 더 까다로운 자산이에요. 광섬유는 오래 깔아두고 쓸 수 있지만, AI 가속기는 세대 교체가 빠르고 성능 차이도 크게 나요. 그래서 몇 년 전에 산 장비가 생각보다 빨리 경쟁력을 잃을 수 있어요.

• 메타와 마이크로소프트의 차이도 여기서 나와요. 마이크로소프트는 기업용 AI 매출로 투자 회수 경로를 비교적 직접적으로 보여줄 수 있지만, 메타의 라마 전략은 생태계 확장과 간접 수익화에 기대는 면이 커요. 같은 AI 투자라도 시장이 다르게 보는 이유예요.