핵심 요약

  • 마그네타 캐피털의 닐 투아리는 AI 인프라 확장에 필요한 자본 규모를 감당하려면 지분 투자 외에 계약 현금흐름을 바탕으로 한 부채 조달이 필요하다고 설명했다.
  • 초기 GPU 금융 구조에서 핵심 담보는 GPU의 중고 가치보다 신용도가 높은 고객과 맺은 장기 계약의 현금흐름이었다는 것이 그의 설명이다.
  • 칩 공급이 늘어도 전력, 설비, 인력, 운영 능력이 부족하면 GPU를 실제로 가동해 수익을 내기 어렵다.
  • 추론 수요가 분산되면서 작은 데이터센터 여러 곳을 연결하고 안정적으로 운영할 자금과 기술이 새 과제로 떠올랐다.

이더리움 채굴에서 AI 클라우드로

마그네타 캐피털은 2021년 코어위브에 처음 투자했다. 당시 코어위브는 이더리움 채굴에 쓰던 GPU를 시각효과 등 고성능 컴퓨팅에 활용하는 사업으로 전환하고 있었다. 투아리는 머신러닝의 가능성을 염두에 뒀지만, 이후의 AI 수요를 모두 예상한 것은 아니라고 말했다.

그의 설명에 따르면 코어위브는 2023년 오픈AI의 모델 학습을 맡으면서 빠르게 성장했다. 초기 경쟁력으로는 대규모 GPU를 확보하고 가동할 자본·전력 접근성과 운영 신뢰성을 꼽았다. GPU 고장과 소프트웨어 문제를 관리하며 대형 클러스터를 지속적으로 가동하는 일 자체가 어렵다는 것이다.

GPU보다 계약 현금흐름을 담보로 본 금융 구조

투아리는 대형 GPU 클러스터의 설비투자를 지분 투자만으로 조달하면 기존 주주의 지분이 크게 희석될 수 있다고 설명했다. 초기에는 특수목적법인(SPV)에 GPU와 고객 계약을 묶어 부채를 조달하는 구조를 사용했다. SPV는 특정 자산과 계약을 담기 위해 세우는 별도 법인이다.

이 구조에서 그가 강조한 담보는 GPU 자체보다 신용도가 높은 고객이 지급하기로 약정한 현금흐름이었다. 초기 계약은 사용 여부와 관계없이 대금을 지급하는 약정이었고, 계약 기간은 약 5년이었다고 설명했다. 설비투자금의 회수 기간은 대략 2~3년, 부채의 만기는 4~5년으로 잡아 만기까지 원금을 모두 갚는 구조였다. 따라서 GPU의 잔존 가치가 예상보다 낮아지더라도 만기에 갚아야 할 거액의 일시 상환금은 남지 않는다는 설명이다. 상환 뒤 GPU를 다시 활용할 때의 잔존 가치는 클라우드 사업자에게 돌아간다.

투아리에 따르면 초기에는 신용도가 높은 고객의 계약만 이런 금융 구조에 담았다. 최근에는 이들과 AI 모델 개발사, 소프트웨어 스타트업 등 상대적으로 신용도가 낮은 고객을 함께 묶는 방식도 나타나고 있다. 이는 다양한 고객의 위험을 한 계약 묶음 안에서 조정하려는 시도다.

칩을 확보해도 끝나지 않는 공급 문제

투아리는 대형 클라우드 사업자들의 2026년 AI 컴퓨팅·인프라 설비투자가 6,600억~6,900억 달러에 이를 것으로 전망했다. 향후 몇 년간 필요한 금액은 수조 달러 규모로 커질 수 있다는 것이 그의 예상이다.

그는 2023~2024년의 주된 공급 제약은 칩이었다고 회고했다. 2026년에는 칩의 공급이 늘었지만 이를 설치하고 운영할 데이터센터, 전력, 인력과 설비가 병목이라고 설명했다. 최신 세대 칩을 대규모로 확보할 수 있는지도 여전히 불확실하다고 덧붙였다. 결국 구매한 칩을 가동 가능한 자산으로 바꾸는 능력이 중요해졌다는 주장이다.

AI 인프라 투자가 공급업체와 고객 사이에서 돈을 돌리는 데 그친다는 비판에 대해서도 투아리는 최종 구매자와 실제 사용량을 봐야 한다고 말했다. 그는 현재 수요와 활용도가 높고 기업의 AI 사용에서 경제적 가치가 나타나고 있다고 판단했다. 다만 투기적으로 컴퓨팅 용량을 짓거나 공급업체가 구매 자금까지 대는 경우에는 순환 금융 우려가 적용될 수 있다고 구분했다.

추론이 바꾸는 클러스터와 자금 수요

모델을 학습한 뒤 응답을 생성하는 추론은 학습과 운영 방식이 다르다. 투아리는 학습용 GPU는 지속적으로 가동하는 반면 추론 수요에는 변동과 피크가 있다고 설명했다. 응답 지연을 줄이고 비용을 관리해야 하며, 메모리 처리량과 입력 처리·출력 생성 단계를 GPU 전체에 어떻게 배분할지도 중요하다고 봤다.

학습용 클러스터가 한곳에 모이는 사례와 달리, 추론용 설비는 여러 장소에 분산될 수 있다. 투아리는 하나의 대형 시설 대신 각각 4~5메가와트 규모인 데이터센터 다섯 곳을 연결하는 예를 들었다. 이때 서로 다른 설비의 성능을 조합하면서 클라우드 수준의 신뢰성을 확보해야 한다. 그는 추론 클라우드와 AI 응용 기업들이 빌려 쓰는 컴퓨팅 자원에 의존하는 비용을 줄이기 위해 자체 인프라의 소유와 운영을 검토하고 있으며, 그 구축에 필요한 자금을 어떻게 조달할지가 과제라고 말했다.

전력뿐 아니라 철강과 기술 인력도 병목

투아리는 전력 부족을 발전량만의 문제로 보지 않았다. 연중 일부 최고 수요에 맞춰 마련된 발전 능력 가운데 평소 충분히 활용되지 않는 부분을 저장·배분하는 방법이 단기적으로 중요하다고 설명했다. 장기적으로는 발전량 자체의 문제도 있다고 봤다.

향후 6~12개월의 건설 병목으로는 구조용 철강, 전기 기술자, 변전 설비의 변압기와 냉각 장비 등을 꼽았다. 송전망에 연결된 전력이 제한적인 부지에 태양광이나 가스 터빈 등 자체 발전원을 더해 데이터센터를 가동하는 방안도 검토되고 있다고 말했다. 이는 부지에 전력 공급이 확보되기 전까지 건설을 무한히 앞당길 수는 없다는 설명과 맞닿아 있다.

AI 인프라 금융의 다음 대상

투아리는 국가가 구축하는 AI 컴퓨팅 설비에는 민간 설비와 다른 자금원이 쓰일 수 있지만, 현지에서 GPU 설비를 빠르게 확장할 사업자와 사이버보안 체계가 필요하다고 설명했다. 로봇·제조·드론 등 물리적 AI 역시 설비투자 부담이 커서 지분 투자뿐 아니라 부채와 프로젝트 금융을 함께 검토해야 한다는 견해를 밝혔다.

소프트웨어 기업 전반에 대한 투자 회피에는 신중한 입장을 보였다. AI로 기존 제품의 기능을 재현할 수 있다는 전망과, 그 제품이 기업의 여러 시스템에 연결돼 운영되는 현실은 다르다는 이유에서다. AI를 활용해 가치를 높일 기업과 그렇지 못할 기업을 개별적으로 판단해야 한다는 것이 그의 견해다.

투아리의 설명을 종합하면 AI 인프라의 자금 조달은 GPU 구매 비용만의 문제가 아니다. 고객 계약에 따른 상환 가능성, 설비를 실제로 가동할 능력, 전력과 건설 자원의 확보가 함께 맞아야 한다.