핵심 요약

  • 딜런 파텔은 올해 새로 공급되는 AI 컴퓨팅의 약 30%, 내년에는 최대 40~50%가 OpenAI와 Anthropic의 수요로 향할 것으로 추정했다. 다른 회사가 설비를 소유하거나 구축해 임대하는 경우도 포함한 계산이다.
  • 두 연구소가 더 많은 컴퓨팅을 확보할 수 있는지는 모델에서 얻는 매출뿐 아니라 컴퓨팅 가격, 설비 공급, 자금 조달, 모델 공개 규제에 달려 있다.
  • 파텔의 모델은 2024~2029년 AI 인프라 자본지출을 약 11조 달러로 잡는다. 이 가운데 약 6조 달러는 현금, 5조 달러는 차입으로 조달한다는 추정이다.
  • 두 대담자는 AI가 온전한 업무를 수행할 수준에 이른다는 조건 아래, 노동에 해당하는 컴퓨팅 능력도 소수 연구소에 집중될 수 있다고 봤다. 현재 AI가 사람의 직무를 완전히 대신할 수 있다는 뜻은 아니다.

새 컴퓨팅은 어디로 가는가

파텔에 따르면 OpenAI와 Anthropic이 사용하는 컴퓨팅 규모는 올해 초 각각 약 2기가와트와 2기가와트 미만에서 연말에는 모두 5기가와트를 넘는 수준으로 늘어날 전망이다. 그는 이미 체결된 약정을 근거로 내년 신규 컴퓨팅의 최대 40~50%가 두 연구소의 수요를 충족할 수 있다고 봤다. 이는 두 회사가 설비를 직접 소유한다는 의미와 다르다. 대담에서는 아마존이 Anthropic 모델을 서비스하는 컴퓨팅도 최종 수요를 기준으로 Anthropic 몫에 포함했다.

신형 칩의 성능 향상도 이 전망에서 중요하다. 파텔은 새 칩이 이전 세대보다 전력당 성능이 3~5배 높다고 설명했다. 신규 설비의 절반을 확보하면 전체 전력의 절반보다 더 큰 연산 능력을 확보할 수도 있다는 논리다. 다만 그가 제시한 2028년 두 회사 합계 100기가와트는 공격적인 시나리오다. 다른 구매자가 컴퓨팅을 팔 의향이 있는지, 두 연구소가 얼마나 높은 가격을 지불할 수 있는지는 열려 있다.

매출이 커져도 가격 경쟁이 남는다

파텔은 컴퓨팅 비용이 통상 메가와트당 1,000만~1,500만 달러 수준인 반면, Anthropic의 매출은 메가와트당 최대 5,000만 달러에 이른다고 말했다. 그의 설명대로라면 모델 서비스에서 남는 돈을 학습 투자에 다시 투입할 여지가 생긴다. 그러나 매출은 이익과 같지 않으며, 고객이 모델을 활용해 얻는 가치가 연구소의 이익보다 클 수도 있다.

컴퓨팅 공급자 역시 이 차이를 가격에 반영할 수 있다. 파텔은 두 연구소가 2028년 신규 공급의 70%가량을 확보하려면 메가와트당 2,500만~5,000만 달러를 지불해야 할 수도 있다고 봤다. 반면 상당수 설비는 완공 전에 고객 계약을 맺어야 자금을 조달할 수 있다. 자체 자금으로 먼저 설비를 지을 수 있는 기업에는 완공 뒤 내부 사용과 임대 중 수익성이 높은 쪽을 고를 여지가 있다는 설명이다.

설비 증설을 늦추는 공급망과 자금

대담에는 반도체 공장 투자를 늘리면 컴퓨팅 공급도 빠르게 늘릴 수 있지 않느냐는 반론이 제기됐다. 파텔은 장비와 부품 공급망 전체가 동시에 증설해야 하며, 생산 능력은 투자 결정 직후 늘지 않는다고 답했다. 그는 연구소 매출이 증가하더라도 차세대 서버, 데이터센터, 발전 설비를 미리 짓는 데 필요한 자본지출을 모두 자체 현금으로 감당하기는 어렵다고 봤다.

파텔의 추정에서 2024~2029년 자본지출 약 11조 달러 가운데 차입 필요액은 5조 달러다. 그만큼 큰 자금 수요는 다른 기업과 가계의 차입 비용에도 영향을 줄 수 있다는 것이 두 사람의 논의다. 금리 상승이 정부 부채나 주식 가치에 미칠 영향, 장기적으로 경제 성장률이 급등할 가능성까지 거론됐지만, 이는 조건을 겹쳐 놓은 전망이지 확정된 결과가 아니다.

모델 배포와 중국 변수

두 연구소가 확보한 컴퓨팅을 외부 고객 서비스에 얼마나 쓰는지도 불확실하다. 파텔은 더 나은 모델을 만드는 내부 연구의 기대 수익이 커지면, 외부 매출을 낼 수 있는 추론용 컴퓨팅의 비중이 줄어들 수 있다고 주장했다. 반대로 안전성 판단이나 규제로 최신 모델의 공개와 내부 활용이 제한되면, 연구소의 메가와트당 매출 증가와 고가 입찰 능력도 약해질 수 있다.

중국에 대해서 파텔은 현재 신규 AI 컴퓨팅 전력의 미국 배치 비중을 약 70%, 중국 내 배치 비중을 10% 미만으로 추정했다. 그는 중국의 국내 반도체 생산이 확대되면 격차가 줄 수 있다고 봤다. 다만 같은 기가와트라도 칩 성능이 다르면 실제 연산 능력은 다르다. 두 연구소와 중국의 규모를 단순한 전력 수치만으로 비교하기 어려운 이유다.

컴퓨팅 집중이 노동력 집중으로 이어질 조건

드와케시 파텔은 첨단 연구소의 연산 능력이 빠르게 늘고 같은 수준의 AI 능력을 구현하는 데 필요한 연산량은 줄어든다면, 일정한 능력을 갖춘 AI의 유효 규모가 해마다 약 10배로 커질 수 있다고 가정했다. 그가 제시한 수천만·수억 명 규모의 ‘AI 노동자’는 현재 고용 인원이나 실제 대체된 일자리의 집계가 아니라, 미래 능력을 전제로 한 비유적 계산이다. 그는 현 단계의 AI는 사람처럼 직무 전체를 자율적으로 수행하기에 부족하다고 명시했다.

두 사람은 학습에 들인 비용을 많은 사용자에게 나눠 적용할 수 있는 규모의 경제, 앞선 모델이 부족한 컴퓨팅에서 더 높은 수익을 낼 가능성, 널리 배포된 모델이 더 많은 사용 데이터를 얻을 가능성을 집중의 요인으로 들었다. 동시에 사용자가 AI 활용의 가치를 상당 부분 가져간다는 점도 인정했다. 연구소가 컴퓨팅을 내부 연구에 돌릴 때의 수익이 외부 고객에게 제공할 때보다 커질지에 대해서는 결론을 내리지 못했다.

결론적으로 두 연구소에 세계의 컴퓨팅과 AI 노동력이 집중된다는 주장은 현재의 배분과 가격 추세를 연장한 조건부 전망이다. 대담에서 확인된 쟁점은 설비를 누가 소유하느냐보다 누가 이를 가장 높은 가치로 활용할 수 있는지, 그리고 공급망·자금·규제가 그 활용을 어디까지 허용하는지다.