골드만삭스가 보는 AI 패권전: 모델보다 인프라가 이긴다

딥시크가 흔든 건 맞는데, 골드만삭스의 결론은 꽤 냉정함

• 골드만삭스는 중국 AI의 급부상을 인정하면서도, 최종 승자는 미국 빅테크일 가능성이 높다고 봄

  • 딥시크(DeepSeek)는 저비용 고성능 오픈소스 모델로 월가를 흔들었고, 엔비디아와 마이크로소프트, 알파벳, 아마존 주가까지 출렁이게 만들었음
  • 하지만 골드만삭스는 “중국 오픈소스 AI가 서방 소비자와 기업 시장 깊숙이 대규모 확산한 모습은 아직 못 봤다”는 쪽에 무게를 둠

• 핵심 논리는 단순함. AI 시장의 돈은 모델 데모가 아니라 기업용 인프라에서 나온다는 것

  • 지금 글로벌 AI 시장은 소비자 챗봇보다 클라우드 기반 기업 서비스, 업무 자동화, 데이터 분석, AI 에이전트 쪽으로 이동 중임
  • 이 영역에서는 AWS, Azure, Google Cloud 같은 클라우드 플랫폼과 기업용 소프트웨어 생태계를 이미 쥔 미국 빅테크가 유리함

AI 패권의 본체는 데이터센터와 GPU였다는 얘기

• 미국 하이퍼스케일러는 이미 수천억 달러 단위로 AI 데이터센터와 GPU 생태계에 돈을 붓고 있음

  • 골드만삭스는 아마존과 알파벳 등이 보유한 8,000억 달러 이상의 주문 잔고를 근거로 들었음
  • 이건 단순한 예약 수요가 아니라 AI 서버, GPU, 데이터센터 인프라 수요가 장기간 깔려 있다는 신호로 해석됨

• AI 사용량 자체도 폭발적으로 늘어날 전망임

  • 골드만삭스는 글로벌 AI 토큰 소비량이 2030년까지 24배, 2040년까지 55배 증가할 것으로 봄
  • 토큰 소비가 늘면 추론 비용, GPU 사용량, 전력 수요, 냉각 설비 수요까지 줄줄이 같이 커짐

• 그래서 미국 빅테크의 대규모 선투자는 단기 비용이 아니라 장기 원가 경쟁력으로 바뀔 수 있음

  • 데이터센터 규모가 커질수록 모델 운영 비용을 낮출 여지가 생김
  • 기업 고객은 모델 성능뿐 아니라 보안, 장애 대응, 통합, 비용 예측 가능성까지 보기 때문에 클라우드 사업자의 기존 영업망이 강점이 됨

중국의 카드는 저비용 오픈소스와 싼 전력

• 골드만삭스도 중국의 강점을 무시하진 않음

  • 중국은 국가 주도 인프라, 대규모 석탄 발전, 저렴한 전력 공급을 기반으로 AI 데이터센터를 빠르게 밀어붙일 수 있음
  • 저비용 오픈소스 AI 모델을 중심으로 생태계를 넓히는 전략도 꽤 위협적임

• 다만 기술 추격과 글로벌 수익 구조 장악은 다른 문제라는 게 골드만삭스의 시각임

  • 모델 성능을 따라잡는 것과 서방 기업 시장에서 클라우드, 보안, 계약, 운영 체계까지 먹는 건 난도가 다름
  • 특히 기업용 AI는 내부 데이터, 권한, 감사, 장애 대응이 얽혀 있어서 “모델 좋음” 하나로 바로 교체되기 어렵음

• 결국 AI 전쟁은 반도체, 전력, 원전, 천연가스, 데이터센터, 클라우드 공급망까지 끌고 들어가는 산업 전쟁이 됨

  • 미국은 엔비디아 GPU와 글로벌 클라우드, 기업용 SaaS 생태계를 쥐고 있음
  • 중국은 저비용 오픈소스, 국가 지원, 전력 인프라로 추격하는 구도임

---

기술 맥락

• 이 기사에서 중요한 선택은 “모델 자체”가 아니라 “모델을 운영하는 기반”을 경쟁력의 중심으로 본다는 점이에요. LLM 성능표만 보면 딥시크 같은 저비용 모델이 판을 뒤집는 것처럼 보이지만, 실제 기업 서비스에서는 배포, 보안, 장애 대응, 과금, 고객 지원까지 같이 돌아가야 하거든요.

• 미국 빅테크가 유리하다는 분석도 여기서 나와요. AWS, Azure, Google Cloud는 이미 기업 고객의 데이터와 업무 시스템이 올라가 있는 플랫폼이라서, AI 기능을 붙여 파는 비용이 상대적으로 낮아요. 새 모델 하나가 좋아졌다고 고객사가 전체 클라우드 운영 체계를 바로 갈아엎기 어려운 이유도 이거예요.

• 반대로 중국의 강점은 운영비 쪽이에요. AI 데이터센터는 GPU만 있다고 끝나는 게 아니라 전력, 냉각, 네트워크, 부지, 정책 지원이 같이 필요해요. 전력을 싸게 안정적으로 공급할 수 있으면 장기 추론 비용에서 꽤 큰 차이가 나요.

• 개발팀 입장에서는 모델 벤치마크만 보고 공급자를 고르면 위험해요. 실제 제품에서는 토큰당 비용, 응답 지연, 데이터 위치, 장애 시 복구, 클라우드 종속성까지 같이 봐야 해요. AI가 기능이 아니라 인프라 비용 구조가 되는 순간, 아키텍처 판단 문제가 되거든요.