클라우드 시장 5000억달러 돌파, 기업 예산이 AI 인프라로 빨려 들어가는 중

• 글로벌 클라우드 인프라 시장이 연간 5000억달러 규모로 커지는 중임

  • 2026년 1분기 지출만 1290억달러, 전년 동기 대비 35% 증가
  • 한때 성숙기 진입으로 성장률이 한 자릿수까지 내려가던 시장이 2021년 이후 최고 속도로 다시 튐

• 시장 구조는 여전히 빅3 하이퍼스케일러가 꽉 잡고 있음

  • AWS가 28%로 1위, 마이크로소프트 애저가 21%, 구글 클라우드가 14%
  • 다만 이제 단순 점유율 싸움보다 “누가 AI 인프라를 더 빨리, 더 싸게, 더 안정적으로 공급하느냐”가 판을 흔드는 변수로 올라옴

• 빅테크 설비투자 규모는 진짜 말이 안 되는 수준까지 올라감

  • 아마존, 마이크로소프트, 알파벳, 메타의 2026년 설비투자 총액은 가이드라인 상한 기준 7250억달러 전망
  • 반면 오픈AI 연간 반복 매출은 200억달러, 앤트로픽은 90억달러 수준이라 “이거 거품 아님?”이라는 말이 나오는 것도 무리는 아님

• 그래도 클라우드 사업자 입장에선 장기 수주 잔액이 방어 논리로 작동함

  • 구글 클라우드 수주 잔고는 2026년 1분기 말 기준 700억달러 돌파
  • 마이크로소프트 상업용 총 수주 잔액은 3150억달러로 역대 최대
  • 모델 회사 매출만 보면 작아 보이지만, 실제 기업들은 AI 인프라를 계속 쓰려고 하이퍼스케일러와 장기 계약을 맺는 중임

• 에이전틱 AI가 클라우드 비용 구조를 바꾸고 있음

  • 기업 IT 예산에서 퍼블릭 클라우드 비중은 2021년 17% 미만에서 2026년 45% 이상으로 확대
  • 에이전틱 AI 워크로드는 기존 시스템보다 평균 3배 이상 컴퓨팅 자원을 소비한다고 언급됨
  • 개발자 입장에선 “AI 기능 하나 붙임”이 아니라 “지속적으로 추론하고 호출하고 실행하는 비용 덩어리 하나를 운영함”에 가까워지는 셈

• 빅테크는 엔비디아 의존도를 줄이려고 자체 반도체를 키우는 중임

  • 구글은 8세대 TPU, AWS는 트레니움 같은 자체 가속기 칩 비중을 높이고 있음
  • 가속기와 핵심 부품 공급 원가가 오르니, 클라우드 사업자들이 직접 칩과 인프라 최적화로 원가를 눌러야 하는 상황

• 이 흐름은 한국 SI와 MSP 시장에도 바로 영향이 옴

  • 단순 구축형 SI 기회는 줄고, 클라우드 아키텍처 최적화와 비용 효율화를 맡는 매니지드 서비스(MSP) 쪽으로 무게가 이동
  • 기업들이 제한된 예산 안에서 AI 클라우드 전환을 해야 하니 “올려드립니다”보다 “덜 쓰게 만들어드립니다”가 더 중요한 영업 포인트가 됨

• 결국 AI 인프라 시장의 상한은 전력과 데이터센터가 정할 가능성이 큼
  • 하이퍼스케일러들이 원자력 발전소와 장기 전력 공급 계약까지 맺는 이유가 여기 있음
  • 소프트웨어 수요 증가 속도를 물리적인 유틸리티 공급 속도가 못 따라가는 상황
  • 전력 인프라 부족과 기업 내부 워크플로우 재설계 지연이 하반기에도 풀리지 않으면, AI 자본 시장이 급격히 속도 조절에 들어갈 수 있다는 전망도 나옴

---

기술 맥락

• 여기서 중요한 선택은 “AI를 어디서 돌릴 것인가”예요. 기업들은 자체 데이터센터를 갑자기 키우기보다 AWS, 애저, 구글 클라우드 같은 하이퍼스케일러와 장기 계약을 맺는 쪽으로 가고 있어요. 가속기, 전력, 운영 인력을 한 번에 확보하기가 너무 어렵거든요.

• 에이전틱 AI가 비용을 키우는 이유는 호출 패턴이 다르기 때문이에요. 단순 질의응답은 한 번 추론하고 끝나지만, 에이전트는 계획 세우고, 도구 호출하고, 결과 확인하고, 다시 실행하는 식으로 여러 단계가 이어져요. 그래서 같은 사용자 수라도 컴퓨팅 사용량이 훨씬 빨리 불어나요.

• 빅테크가 자체 반도체를 밀어붙이는 것도 원가 때문이에요. 엔비디아 가속기는 성능이 좋지만 공급과 가격이 병목이 되기 쉬워요. 구글 TPU나 AWS 트레니움은 특정 클라우드 워크로드에 맞춰 비용 효율을 끌어올리려는 선택이에요.

• 한국 기업 입장에선 이게 그냥 해외 클라우드 시장 뉴스로 끝나지 않아요. AI 기능을 제품에 넣는 순간 인프라 비용, 지연 시간, 데이터 위치, 운영 자동화가 같이 따라와요. 그래서 개발팀도 모델 품질만 보지 말고, 워크로드별 비용과 클라우드 아키텍처를 같이 설계해야 해요.