본문으로 건너뛰기
피드

메타의 남는 AI 인프라 판매설, 진짜 리스크는 미국 데이터센터 경제성이라는 지적

ai-ml 약 7분
vote
0
댓글
북마크

메타가 남는 AI 인프라를 클라우드처럼 외부에 빌려줄 수 있다는 관측에 시장이 반응했지만, 테크 전문가 마크 더글라스는 회의적인 시각을 냈다. 그는 미국 내 하이퍼스케일 데이터센터의 비용과 지역 반대가 커지는 사이, 걸프 지역의 저렴한 전력 기반 데이터센터가 강력한 경쟁자가 될 수 있다고 봤다. 다만 메타의 장기 AI 전략, 특히 라마와 광고 모델 개선 가능성에는 긍정적이었다.

  • 1

    메타의 AI 인프라 대여 가능성은 주가를 끌어올렸지만, 전문가 마크 더글라스는 미국 데이터센터 확장 자체의 경제성을 문제 삼았다.

  • 2

    그는 사우디아라비아 공공투자기금 같은 걸프 지역 자본이 저렴한 전력과 대규모 데이터센터 용량으로 경쟁할 수 있다고 봤다.

  • 3

    남는 AI 컴퓨팅을 파는 모델은 소수 대형 구매자에게 용량을 임대하는 방식과 대중적 클라우드 사업 사이에서 차이가 크다.

  • 4

    AWS, 구글 클라우드, 애저가 이미 장악한 시장에 메타가 들어가기는 쉽지 않다는 지적이 나왔다.

  • 5

    더글라스는 메타의 클라우드 피벗보다 라마와 광고 최적화에 쓰이는 AI 전략이 본업과 더 잘 맞는다고 평가했다.

  • 메타가 남는 AI 인프라를 외부에 빌려주는 클라우드 사업을 할 수 있다는 소식에 시장이 반응했음

    • 표면적으로는 아마존, 마이크로소프트, 구글 클라우드와 붙는 그림처럼 보임
    • 그런데 테크 전문가 마크 더글라스는 “메타가 잘할까?”보다 “왜 비싼 미국에 데이터센터를 짓고 있냐?”를 더 큰 질문으로 봄
  • 더글라스의 핵심 지적은 미국 하이퍼스케일 데이터센터의 경제성이 빠르게 나빠질 수 있다는 것임

    • 미국은 데이터센터 용량을 늘리기에 비용이 많이 드는 지역 중 하나라고 봄
    • 지역 주민 반대도 커지고 있어서, 단순히 땅 사고 전력 끌어와서 서버 깔면 끝나는 상황이 아님
    • 그는 2년만 지나도 미국 데이터센터들의 매력이 크게 떨어질 수 있다고 경고함
  • 경쟁자는 의외로 걸프 지역 데이터센터일 수 있음

    • 더글라스는 사우디아라비아 공공투자기금 같은 국부펀드의 자금력을 언급함
    • 논리는 단순함. 석유를 땅에서 퍼 올려 유조선으로 해외에 보내는 대신, 현지에서 전력으로 바꿔 데이터센터를 돌리면 된다는 것임
    • 저렴한 에너지와 대규모 자본이 결합하면 미국 데이터센터보다 훨씬 낮은 가격의 컴퓨팅 용량이 나올 수 있다는 관점임

ℹ️참고

> 기사에서 말하는 포인트는 “메타 클라우드가 망한다”가 아니라, AI 인프라 경쟁의 비용 중심이 미국이 아닐 수도 있다는 문제 제기임.

  • 걸프 지역의 일부 데이터센터는 ‘데이터 대사관’ 같은 형태로 설계되고 있다는 설명도 나옴

    • 엄격한 데이터 현지화 규정을 가진 기업들이 데이터를 법적으로 자국 밖으로 옮기지 않는 것처럼 다루면서도 외부 인프라를 쓰게 하려는 구조임
    • 이게 현실화되면 클라우드 리전 선택에서 단순 지연 시간이나 가격뿐 아니라 법적 관할권 설계까지 더 중요해질 수 있음
  • 메타가 남는 AI 컴퓨팅을 판다는 구상 자체에도 회의론이 있음

    • 더글라스는 이게 AI 시장에서 관심을 끌려는 목적이 아니라면 큰 의미가 없을 수 있다고 봄
    • 스페이스X와 xAI처럼 용량을 확보한 뒤 앤트로픽 같은 소수 대형 구매자에게 임대하는 방식과는 닮아 있음
    • 하지만 AWS처럼 넓은 고객층에 클라우드를 파는 사업은 제품, 운영, 영업 난도가 완전히 다름
  • “원시 데이터센터 공간”을 바로 쓸 수 있는 고객은 많지 않다는 것도 현실적인 문제임

    • 대형 AI 기업이나 일부 초대형 고객은 직접 인프라를 다룰 수 있음
    • 일반 기업 고객은 관리형 서비스, 보안, 과금, 지원, 생태계까지 포함된 클라우드를 기대함
    • 그 시장은 이미 AWS, 구글 클라우드, 애저가 장악하고 있어서 메타가 새로 들어가기는 빡셈
  • 더글라스는 메타의 핵심 체질과도 잘 안 맞는다고 봄

    • 메타는 30억~40억 명 규모의 소셜미디어 앱 사용자를 상대하던 회사임
    • 데이터센터 용량을 사는 10여 개 기업 고객을 상대하는 사업은 고객 수, 영업 방식, 제품 감각이 완전히 다름
    • 유명 기업이 신사업을 선언했다고 자동으로 성공한다고 보는 시장 반응이 너무 단순하다는 지적임
  • 다만 메타의 AI 전략 전체를 부정한 건 아님

    • 더글라스는 라마와 메타의 장기 AI 전망에는 꽤 낙관적이라고 말함
    • 메타는 자본, 의지, 인재 유치 능력이 있고, 방대한 데이터로 모델을 학습시켜 매력적인 가격에 제공할 동기도 있음
    • 특히 광고 타기팅 모델이 더 좋아지면 메타의 본업인 광고 사업과 광고 산업 전체에 이득이 될 수 있다고 봄
  • 결론은 클라우드 피벗보다 광고 AI가 메타 본업에 더 맞는다는 쪽임

    • 더글라스는 메타가 올해 세계 최대 광고 기업이 될 것으로 보는 시각을 언급함
    • AI 인프라 판매는 중대한 전략 이동이라기보다 전술적 옆길에 가깝다고 평가함
    • 메타가 정말 인프라 기업처럼 보이고 싶은 건지, 아니면 AI 인프라 투자에 대한 시장의 불안을 달래고 싶은 건지는 계속 봐야 할 지점임

기술 맥락

  • 메타가 클라우드로 보이는 선택지를 만지는 이유는 AI 학습용 인프라를 너무 많이 확보했기 때문이에요. 남는 그래픽처리장치와 데이터센터 용량을 외부에 팔 수 있다면 투자 회수 스토리를 만들 수 있거든요.

  • 그런데 클라우드 사업은 서버를 빌려주는 것만으로 끝나지 않아요. 기업 고객은 네트워크, 보안, 관리형 서비스, 장애 대응, 과금 체계까지 기대하기 때문에 AWS나 애저 같은 플랫폼과 경쟁하려면 제품 조직 자체가 달라져야 해요.

  • 더글라스가 미국 데이터센터를 문제 삼은 건 전력과 입지 비용 때문이에요. AI 워크로드는 전기를 엄청 먹고, 지역 주민 반대까지 커지면 확장 속도와 비용이 동시에 흔들릴 수 있어요. 그래서 걸프 지역처럼 에너지와 자본이 붙어 있는 곳이 가격 경쟁자로 떠오를 수 있다는 거예요.

  • 메타 입장에서는 라마를 광고 모델과 연결하는 쪽이 더 자연스러워요. 사용자의 행동 데이터를 기반으로 구매 의도를 예측하는 광고 사업은 메타가 이미 잘하는 영역이고, AI 모델 성능 개선이 바로 매출 효율로 이어질 수 있기 때문이에요.

AI 인프라를 많이 샀다고 곧바로 클라우드 사업자가 되는 건 아니라는 이야기다. 개발자 입장에서는 GPU 용량의 가격 경쟁이 어디서 생기는지, 그리고 클라우드 사업이 단순한 서버 임대가 아니라 제품, 영업, 운영 역량의 싸움이라는 점을 같이 봐야 한다.

댓글

댓글

댓글을 불러오는 중...

ai-ml

클라우드플레어, 구글봇에 칼 뺐다…검색 크롤러랑 AI 학습 봇 분리하라는 압박

클라우드플레어가 9월 15일부터 광고가 붙은 페이지에서 검색과 AI 학습을 동시에 수행하는 혼합형 크롤러를 기본 차단하겠다고 밝혔다. 핵심 타깃은 검색 색인, AI 오버뷰, AI 모드에 구글봇 하나를 쓰는 구글식 구조다. 웹사이트 운영자가 검색 노출을 포기하지 않고도 AI 학습 수집은 거부할 수 있게 하겠다는 흐름이라, 웹 콘텐츠 생태계의 돈 흐름과 직결된다.

ai-ml

메타, 남는 AI 인프라로 클라우드 사업까지 노린다

메타가 AI 모델 훈련과 운영을 위해 구축한 데이터센터 인프라를 외부에 빌려주는 클라우드 사업을 준비 중인 것으로 알려졌다. AI 모델 접근권 판매나 데이터센터 컴퓨팅 임대가 거론되며, 실제로 시작되면 아마존, 구글, 스페이스X와 직접 경쟁하게 된다.

ai-ml

산업단지공단·네이버클라우드, 제조 현장 인공지능 전환 협력

한국산업단지공단이 네이버클라우드와 업무협약을 맺고 공공업무와 산업단지 제조기업의 인공지능 전환을 함께 추진한다. 하이퍼클로바엑스 기반 임직원 시범서비스, 스마트 케이-팩토리 연계, 입주기업 지원 프로그램이 주요 내용이다.

ai-ml

기업 60%가 인공지능 지출에 제동…오픈소스 모델엔 기회가 열림

유비에스 애널리스트들이 기업 정보기술 임원들과 대화한 결과, 약 60%가 인공지능 지출을 어떤 형태로든 제한하고 있는 것으로 나타났다. 토큰 비용 부담이 커지면서 오픈에이아이, 앤트로픽 같은 상용 모델 업체에는 압박이 되고, 딥시크 같은 오픈소스 모델에는 기회가 될 수 있다는 분석이다.

ai-ml

BC카드, 금융 특화 임베딩 모델 공개…한국어 금융 검색 성능 최대 15% 끌어올림

BC카드가 한국어 금융 데이터 182만건으로 학습한 금융 특화 임베딩 모델을 공개했다. 경량형은 6억 파라미터로 일반 중앙처리장치에서 돌릴 수 있고, 고품질형은 40억 파라미터로 정밀 검색 업무를 겨냥한다.