골드만삭스, 미국 AI 투자는 버블이 아니라 토큰 비용 싸움이라고 봄

골드만삭스가 보는 AI 투자 논리

• 골드만삭스는 지금 미국 AI 업계를 ‘버블’보다 ‘변곡점’으로 보고 있음

  • 에릭 셰리던 골드만삭스 기술·미디어·통신 리서치 공동 총괄이 홍콩 콘퍼런스에서 꺼낸 얘기임
  • 핵심 논리는 경제적 생산성을 가진 에이전트형 AI가 나오면서 데이터센터와 반도체 투자가 폭발하고 있다는 것
  • 그러니까 단순히 “다들 AI라니까 돈 붓네?”가 아니라, 실제 서비스 수요가 인프라를 밀어 올리고 있다는 주장임

• 올해 미국 AI 인프라 투자는 7000억달러, 우리 돈으로 약 1054조원을 넘을 것으로 전망됨

  • 이 정도 규모면 당연히 “이거 수익으로 회수 가능함?”이라는 질문이 나올 수밖에 없음
  • 중국 빅테크들이 저렴한 오픈소스 AI 모델을 내놓으면서 미국 빅테크의 수익성이 흔들릴 수 있다는 우려도 같이 붙었음
  • 딥시크 쇼크 이후 월가가 긴장했던 것도 이 지점임

“수요가 없는 게 아니라 컴퓨팅이 모자라다”

• 셰리던은 AI 비관론이 아직 현실로 크게 나타나지 않았다고 봄

  • 오히려 미국 AI 기업들은 컴퓨팅 용량 부족에 심하게 제약받고 있다는 설명임
  • 앤스로픽의 클로드 코드 같은 고급 에이전트형 AI 서비스가 나오면서 수요가 공급을 훨씬 앞질렀다는 사례를 들었음
  • 개발자 입장에선 꽤 익숙한 얘기임. 좋은 코딩 에이전트가 실제로 쓸 만해지는 순간, 병목은 “쓸 사람이 있냐”가 아니라 “얼마나 싸고 빠르게 돌리냐”로 바뀜

• 알파벳과 아마존의 최근 클라우드 인프라 실적도 이 논리를 뒷받침하는 사례로 제시됨

  • 두 회사의 클라우드 인프라 사업 성장률이 시장 예상치를 넘겼음
  • 셰리던은 이 배경에 구글의 자체 AI 칩 TPU와 아마존의 트레이니엄 수요 급증이 있다고 봄
  • 두 기업의 수주 잔고를 합치면 8000억달러, 약 1200조원을 넘는다는 점도 투자자들에게 안도감을 줬다고 설명함

토큰 단가가 내려가면 무슨 일이 생기나

• 골드만삭스는 앞으로 3~12개월 사이 미국 하이퍼스케일러와 AI 모델 제공업체의 매출총이익률이 좋아질 수 있다고 봄

  • 대규모 인프라 투자로 AI 사용의 기본 단위인 토큰 비용이 더 내려갈 것이라는 전망임
  • 토큰 가격이 내려가면 기업 입장에서는 더 많은 기능에 AI를 붙일 수 있음
  • 그 결과 비용은 낮아지는데 사용량은 늘고, 전체 매출은 더 커질 수 있다는 계산임

• 토큰 소비량 전망은 꽤 공격적임

  • 골드만삭스는 전 세계 AI 토큰 소비량이 2030년까지 24배 늘어날 것으로 봄
  • 2040년까지는 55배 증가할 수 있다고 전망함
  • 이 숫자가 맞다면 지금의 인프라 투자는 과잉 설비가 아니라 미래 사용량을 따라잡기 위한 선투자에 가까워짐

중국 오픈소스 모델 공세를 어떻게 보나

• 셰리던은 중국이 에너지 공급과 AI 응용 서비스 다양성에서는 강점이 있다고 인정함

  • AI 모델 학습과 운영에는 전력과 데이터센터 운영 능력이 중요하니, 이 부분은 미국만 압도한다고 보기 어렵다는 얘기임
  • 이미 시장에 배치된 AI 응용 서비스의 다양성에서도 중국이 강하다고 봤음

• 다만 최첨단 기술력과 돈이 되는 기업용 AI 모델 시장에서는 미국 기업이 여전히 우위라는 평가임

  • 서구 시장에서 중국 오픈소스 기반 대형 모델이 대규모로 확산되는 흐름은 아직 보지 못했다는 게 셰리던의 판단임
  • 딥시크 쇼크 때는 중국 모델 영향력에 대한 걱정이 컸지만, 이후 미국 모델 성능이 더 올라가고 관련 기업 매출도 글로벌 경쟁사보다 빠르게 늘면서 우려가 약해졌다고 봄
  • 결국 “중국 모델이 싸다”와 “서구 기업 고객이 대규모로 채택한다” 사이에는 아직 간극이 있다는 얘기임

• 재미있는 건 골드만삭스도 이 변화를 따라잡기 위해 자체 AI 에이전트를 실험 중이라는 점임

  • 셰리던은 기술 변화 속도가 너무 빨라 월가조차 전망하기 어렵다고 말함
  • 그래서 애널리스트들의 산업 전망 역량을 높이는 데 AI 에이전트를 활용하는 실험을 하고 있음
  • AI를 분석하는 조직도 AI 없이는 따라가기 힘든 시장이 된 셈임

---

기술 맥락

• 이 기사에서 제일 중요한 선택은 대규모 인프라 투자를 비용 낭비가 아니라 토큰 단가를 낮추는 전략으로 본다는 점이에요. AI 서비스는 같은 품질이라도 추론 비용이 낮아져야 제품 안에 더 깊게 들어갈 수 있거든요.

• 왜 하이퍼스케일러들이 자체 칩을 미는지도 여기서 연결돼요. 구글 TPU나 아마존 트레이니엄은 범용 그래픽 처리 장치 의존도를 줄이고, 클라우드 안에서 학습·추론 비용 구조를 직접 통제하려는 카드예요.

• 기업용 AI 모델 시장에서는 성능뿐 아니라 안정성, 보안, 계약, 운영 지원이 같이 중요해요. 중국 오픈소스 모델이 싸더라도 서구 기업 고객이 바로 핵심 업무에 붙이기 어려운 이유가 여기에 있어요.

• 개발팀 관점에서는 토큰 가격 하락이 꽤 현실적인 변수예요. 지금은 비용 때문에 요약, 검색, 코드 생성 일부에만 붙이던 기능이 나중에는 워크플로 전체를 맡는 에이전트형 기능으로 확장될 수 있거든요.