AI 서버 성장, 더 কঠ কঠ한 인프라 시험대에 직면

지출이 가속화되면서 Bernstein은 서버 전망을 상향했지만, Google News 헤드라인은 수요와 이를 충족하는 데 필요한 인프라 사이의 충돌을 감추고 있다.

기초가 된 Investing.com 보도는 2025년 9월 20일에 게시됐다. 이 보도에 따르면 Bernstein은 글로벌 서버 시장이 2026년 4,500억 달러에 이를 것으로 예상했다. 이 증권사는 Microsoft, Alphabet, Amazon, Meta, Oracle 및 신흥 클라우드 사업자들의 예산 확대를 이 전망과 연결했다.

이러한 낙관적 전망을 뒷받침하는 근거는 더 늘었지만, 시험대도 더 엄격해졌다. 서버 수요는 대규모 AI 모델 학습을 넘어 확장됐다. 추론, 맞춤형 가속기, 스토리지, 네트워킹, 일반 프로세서 모두가 부품, 전력, 건설 여력을 두고 경쟁하고 있다.

Nvidia는 GPU 시스템을 통해 구축 확대의 핵심으로 남아 있다. 그러나 Google, Amazon, Meta, Microsoft도 더 좁은 범위의 워크로드를 위해 설계된 ASIC(주문형 반도체)에 투자하고 있다. 이는 이 시장을 규정하는 경쟁을 만든다. 즉, 지출 약속과 그러한 약속을 실제 가동 가능한 컴퓨팅 용량으로 전환할 물리적 능력의 대결이다.

Bernstein Google News 전망이 실제로 말한 것

Bernstein의 전망은 단순히 기업들이 더 많은 서버를 구매할 것이라는 예측이 아니었다. 자본 지출이 유례없이 광범위한 인프라 사이클을 뒷받침할 것이라는 주장이다.

원 보고서는 2026년 자본 지출에 대한 컨센서스 추정치가 2025년 7월 이후 거의 20% 상승했다고 밝혔다. Bernstein은 분석 대상 투자 풀의 규모가 2024년부터 2027년까지 연평균 26% 성장해 약 5,000억 달러에 이를 것으로 예상했다.

통상 capex로 줄여 부르는 자본 지출은 건물, 서버, 네트워킹 장비, 전력 시스템과 같은 장기 자산을 포괄한다. 따라서 capex 전망의 상승은 단순히 칩 주문 증가를 의미하는 것이 아니다. 사업자들이 훨씬 더 많은 컴퓨팅 용량을 설치하고 활용할 것으로 기대한다는 신호다.

Bernstein은 또한 계획되었거나 건설 중인 데이터센터가 약 7,700억 달러 규모의 총투자를 나타낸다고 추정했다. 언급된 프로젝트에는 Texas의 Oracle Stargate 확장, Tennessee의 xAI Colossus 시스템, Amazon의 Trainium 가속기를 활용하는 시설이 포함됐다.

이 증권사는 해당 건설 파이프라인을 2026년 글로벌 서버 시장 4,500억 달러 전망으로 환산했다. 보고서에서 GPU 8개에 해당하는 구성을 포함한 시스템으로 정의한 고급 GPU 서버는 2025년에 약 55%, 2026년에 35% 성장할 것으로 봤다.

랙 출하량은 또 다른 구체적 지표를 제공했다. Bernstein은 Nvidia의 GB200 및 GB300 시스템을 바탕으로 2025년 3만 랙에서 2026년 5만6,000랙으로 증가할 것으로 모델링했다. 랙은 프로세서, 네트워킹, 전력 공급, 냉각 인터페이스 및 지원 하드웨어를 배포 가능한 데이터센터 단위로 결합한다.

원래의 서버 전망은 맞춤형 가속기도 강조했다. Bernstein은 2026년 ASIC이 CoWoS 기반 AI 가속기 출하량의 거의 45%를 차지할 것으로 전망했다.

CoWoS는 프로세서와 고대역폭 메모리를 긴밀하게 통합된 패키지 안에서 연결하는 첨단 패키징 방식이다. 클라우드 사업자는 적절한 패키징, 메모리, 보드, 서버 어셈블리 없이는 가속기를 배포할 수 없기 때문에 그 생산능력이 중요하다.

Bernstein은 100억 달러가 넘는 신규 Broadcom AI 주문을 맞춤형 칩 수요 증가의 근거로 들었다. 또한 대형 클라우드 고객을 위한 서버 및 네트워킹 시스템에 관여하는 대만 제조업체 Wiwynn과 Accton을 부각했다.

보고서에서 인용한 컨센서스 전망에 따르면 Wiwynn과 Accton의 매출은 각각 130%, 111% 증가할 것으로 예상됐다. 이 추정치는 동일한 기계의 수량 증가만이 아니라 공급망을 통해 이동하는 가치를 반영했다.

헤드라인을 해석할 때 이 구분은 중요하다. 서버 매출은 공급업체가 더 많은 시스템을 출하해서 증가할 수 있고, 시스템당 가격이 높아져서 증가할 수도 있으며, 제품 구성이 복잡한 AI 랙으로 이동해서 증가할 수도 있다. Bernstein의 4,500억 달러 전망은 이 세 가지 힘을 모두 결합했다.

보고서는 우호적인 공급 신호도 담고 있었다. Bernstein은 첨단 반도체 기판에 사용되는 특수 소재인 T-glass의 부족이 “우려보다 나아 보인다”고 밝혔다. 공급업체 수율 개선은 Nvidia 시스템 생산의 즉각적인 위험 하나를 줄이는 것으로 보였다.

그러나 이 전망이 발표된 모든 프로젝트가 일정대로 가동된다고 보장한 것은 아니다. 이는 지출 논리를 제시한 것이다. 실행은 여전히 칩, 메모리, 네트워킹, 냉각, 전력, 인허가, 그리고 그 결과로 생긴 용량을 소비할 의향이 있는 고객에 달려 있었다.

AI 인프라 지출은 GPU 학습을 넘어섰다

Bernstein의 논지를 가장 강하게 뒷받침하는 점은 AI 수요가 가장 비싼 GPU 클러스터뿐 아니라 더 다양한 종류의 서버에까지 이르고 있다는 것이다.

초기 생성형 AI 투자는 학습에 크게 집중됐다. 학습은 방대한 데이터세트를 처리해 모델을 구축하거나 개선하기 위해 대규모 가속기 집합을 사용한다. 이 워크로드는 Nvidia GPU와 고대역폭 메모리에 대한 이례적인 수요를 만들었다.

추론은 다르다. 학습된 모델을 실행해 프롬프트에 답하고, 미디어를 생성하며, 콘텐츠의 순위를 정하거나 자동화된 작업을 완료한다. 사용량이 늘어나면서 추론은 주기적인 학습 작업보다 더 크고 지속적인 설치 기반을 필요로 할 수 있다.

AI 에이전트는 한 층을 더한다. 에이전트는 모델을 호출하고, 정보를 검색하며, 소프트웨어 도구를 사용하고, 작업을 완료할 때까지 단계를 반복할 수 있다. 단순한 사용자 요청도 여러 차례의 모델 호출, 데이터베이스 검색, 일반 컴퓨팅 작업을 유발할 수 있다.

이러한 패턴은 가속기와 범용 서버 전반으로 수요를 분산한다. CPU는 데이터를 준비하고, 요청을 조정하며, 스토리지를 관리하고, 사용자를 인증하며, 모델 실행 전후의 작업을 처리한다. 네트워킹 장비는 각 단계 사이에서 정보를 이동시킨다.

TrendForce는 1월에 2026년 AI 서버 출하량이 전년 대비 28% 이상 증가할 것으로 전망했다. 일반 시스템을 포함한 전체 글로벌 서버 출하량은 12.8% 늘어날 것으로 예상했다.

이 업체는 성장의 일부를 Google과 Microsoft가 Gemini 및 Copilot 추론 트래픽을 위해 더 많은 범용 서버를 구매하는 데서 찾았다. AI 출하량 전망은 2019년부터 2021년의 클라우드 확장기에 구매된 장비의 교체 수요도 지목했다.

이는 GPU에만 국한된 서사보다 더 광범위한 지출 사이클을 만든다. 클라우드 사업자는 가속기 랙을 설치하고, 요청을 준비할 CPU 서버를 추가하며, 스토리지를 확장하고, 내부 네트워크를 업그레이드할 수 있다. 이후 시설은 충분한 전력을 공급하고 그에 따른 열을 제거해야 한다.

따라서 Bernstein의 Google News 전망은 중요한 방향 전환을 포착했다. AI 인프라는 집중적인 모델 학습에서 일상적인 워크로드를 제공하는 다층형 운영 시스템으로 이동하기 시작했다.

클라우드 예산 규모도 이러한 해석을 뒷받침한다. 2026년 2월 Axios가 취합한 기업 가이던스에 따르면, 주요 하이퍼스케일러들은 해당 연도에 약 6,100억 달러를 지출할 수 있다. 이 중간값은 2년 전 지출의 약 세 배였다.

하이퍼스케일러는 여러 지역에 걸쳐 인프라를 구축하고 많은 고객에게 서비스를 제공하는 대형 클라우드 사업자다. 이들의 구매 결정은 반도체 생산, 장비 설계, 에너지 개발, 서버 제조업체의 재무에 영향을 미친다.

hyperscaler spending 추정치는 서버 매출과 완벽하게 일치하지 않는다. 이 예산에는 건물, 토지, 네트워킹, 에너지 시스템 및 기타 장비가 포함된다. 그럼에도 Bernstein의 분석을 뒷받침한 수요 신호가 사라지지 않았음을 보여준다.

지출은 신흥 인프라 제공업체에도 이른다. Neocloud는 주로 Nvidia 시스템을 중심으로 가속 컴퓨팅 임대에 특화돼 있다. 이들은 가용 용량을 빠르게 늘릴 수 있지만, 경제성은 금융 비용, 가동률, 하드웨어 가용성, 고객 집중도에 좌우된다.

대형 클라우드 사업자는 다른 장점을 지닌다. 자체 칩에 워크로드를 배정하고 기존 서비스 전반에 투자를 분산할 수 있다. Google은 Tensor Processing Units를 Google Cloud, Gemini, 광고, 검색 및 외부 모델 개발자와 연결할 수 있다.

Amazon은 Trainium 및 Inferentia 프로세서를 더 광범위한 AWS 플랫폼과 결합할 수 있다. Microsoft는 Azure 및 Copilot 서비스를 위해 인프라를 최적화할 수 있다. Meta는 막대한 내부 추천 및 광고 워크로드에 맞춰 맞춤형 실리콘을 배포할 수 있다.

이러한 다양성은 서버 성장 지속 가능성을 더 높인다. 동시에 서로 다른 아키텍처가 컴퓨팅을 서로 다른 방식으로 패키징하기 때문에 단일 랙 수치로 시장을 측정하기는 더 어려워진다.

맞춤형 AI 칩이 Nvidia의 기본 지위를 압박하고 있다

핵심 경쟁 압력은 더 이상 AI 인프라가 성장할지 여부가 아니다. 그 성장의 신규 지출 1달러를 어떤 아키텍처가 확보하느냐가 문제다.

Nvidia는 GPU, 네트워킹, 시스템, 그리고 CUDA 소프트웨어 환경을 통해 가속 AI의 기본 플랫폼을 구축했다. CUDA는 개발자에게 Nvidia 프로세서 전반에서 컴퓨팅 작업을 실행할 수 있는 도구와 라이브러리를 제공한다.

이 소프트웨어 기반은 Nvidia를 대체하기 어렵게 만든다. 경쟁 칩은 수용 가능한 성능, 안정적인 공급, 효율적인 소프트웨어, 충분한 개발자 기반을 갖춰야 한다. 낮은 하드웨어 비용은 수개월의 엔지니어링 작업이나 낮은 생산 신뢰성을 보상할 수 없다.

그럼에도 클라우드 기업에는 ASIC을 개발할 강한 이유가 있다. 맞춤형 가속기는 특정 워크로드에 필요하지 않은 기능을 제거할 수 있다. 또한 메모리 이동, 전력 소비, 수치 형식, 기업 네트워크와의 연결을 최적화할 수 있다.

Google은 학습 및 추론 워크로드를 위해 Google Cloud에서 제공하는 Tensor Processing Units를 통해 이 전략을 추진해 왔다. Amazon은 모델 학습용 Trainium 및 추론용 Inferentia를 보유하고 있다. Meta는 자체 가속기를 개발했으며, Microsoft는 내부 및 클라우드 워크로드를 위한 칩을 선보였다.

TrendForce는 처음에 ASIC 기반 AI 서버가 2026년 출하량의 27.8%를 차지할 것으로 예상했다. 이를 2023년 이후 가장 높은 비중으로 설명했으며, 맞춤형 칩 시스템이 GPU 시스템보다 더 빠르게 성장할 것으로 봤다.

이 전망에서 GPU는 출하량의 69.7%를 차지했다. 따라서 맞춤형 아키텍처가 입지를 넓히는 가운데에도 Nvidia는 다수 지위를 유지했다. 의미 있는 변화는 GPU의 즉각적인 대체가 아니었다. 대량 워크로드에 대한 신뢰할 만한 대안의 등장이다.

Bernstein의 거의 45% 추정치와 TrendForce의 약 28% 추정치 사이의 차이는 주목할 만하다. Bernstein은 CoWoS 기반 AI 가속기 출하량을 구체적으로 언급한 반면, TrendForce는 AI 서버 출하량 비중을 다뤘다. 이 분모들은 서로 다른 대상을 측정한다.

가속기 수, 첨단 패키지 수, 서버 수는 서로 바꿔 쓸 수 있는 지표로 취급할 수 없다. 한 서버에는 여러 가속기가 탑재될 수 있으며, 랙 규모 시스템은 서로 다른 수의 컴퓨팅 트레이를 결합한다. 조사기관마다 제품 정의도 다르다.

짧은 Google News 헤드라인이 확실성을 과장할 수 있는 이유도 여기에 있다. “서버 출하량”은 표준화된 단위처럼 들리지만, 시장에는 일반 CPU 장비, 8-GPU 서버, 랙 규모 플랫폼, 맞춤형 시스템이 포함된다.

기저 방향성은 일관되게 유지되고 있다. 클라우드 제공업체들이 공급망 다변화와 운영비에 대한 통제력 강화를 원하면서 ASIC의 역할은 더 커지고 있다. GPU는 새로운 모델, 변화하는 소프트웨어, 익숙한 플랫폼을 원하는 고객을 위한 유연한 선택지로 남아 있다.

맞춤형 칩은 워크로드가 예측 가능하고 설계 비용을 정당화할 만큼 규모가 클 때 가장 뛰어난 성능을 낸다. 수십억 건의 유사한 추론 작업을 운영하는 클라우드 기업은 그 비용을 상당한 사용량에 분산할 수 있다. 더 작은 구매자는 대개 그러기 어렵다.

이는 단순한 승자 구도가 아니라 역할 분담을 만든다. Nvidia는 최첨단 학습과 범용 가속 컴퓨팅에서 여전히 필수적인 위치를 유지하는 한편, 맞춤형 칩은 특정 추론 워크로드를 흡수할 수 있다.

서버 제조업체는 두 경로 모두에 대응해야 한다. Nvidia 랙 아키텍처용 설계와 클라우드 기업 소유 실리콘을 중심으로 구축한 시스템이 모두 필요하다. 네트워킹, 냉각, 전력 공급, 검증 요건은 고객마다 다르다.

이 압력은 Intel과 AMD로도 확장된다. AI 클러스터에는 여전히 호스트 CPU, 스토리지 컨트롤러, 보안 기능, 범용 컴퓨팅이 필요하다. 그러나 Nvidia의 Grace 프로세서와 클라우드가 설계한 Arm 칩은 한때 자동적으로 x86 시스템에 배정되던 작업을 차지할 수 있다.

따라서 시장은 확대되는 동시에 균질성은 낮아지고 있다. 성장이 모든 공급업체의 점유율, 가격, 마진 유지를 보장하지는 않는다.

전망은 부품과 전력이라는 현실 점검과 맞닥뜨린다

수요는 더 이상 유일한 심각한 제약이 아니다. 서버 호황은 소프트웨어 속도로 확장할 수 없는 공급망과 전력 시스템을 통과해야 한다.

2026년 4월까지 TrendForce는 전체 서버 출하 전망을 수정했다. 연간 성장률은 이전의 약 20%에 가까운 예상치에서 낮아진 약 13% 수준을 유지할 것이라고 밝혔다.

이번 수정은 고객 관심이 약해졌다는 의미가 아니었다. 공급업체들이 더 높은 가치의 AI 시스템용 부품을 우선 배정하면서 기존 서버는 리드타임이 길어졌다. 인쇄회로기판과 CPU는 최대 1년에 가까운 지연에 직면했다.

전력 관리 집적회로, 즉 PMIC는 전자 시스템 내부에서 전압을 조절하고 전력을 분배한다. AI 서버는 훨씬 높은 전력 밀도를 요구하기 때문에 공급업체들은 이들 제품에 더 많은 제조 역량을 배정했다.

TrendForce는 범용 서버용 PMIC 리드타임이 21~26주에서 35~40주 수준으로 늘어날 것으로 예상했다. 서버를 모니터링하고 관리하는 베이스보드 관리 컨트롤러 칩 역시 대기 기간이 길어졌다.

BMC 리드타임은 11~16주에서 21~26주 수준으로 늘어날 것으로 예상됐다. 이 회사의 부품 경고는 AI 수요가 한 부문을 끌어올리는 동시에 다른 부문을 제약할 수 있음을 보여줬다.

이는 상승하는 출하 전망을 해석할 때 가장 큰 과제다. 주문은 납품보다 빠르게 늘어날 수 있다. 매출은 증가하더라도 단위 기준 성장은 이전 전망에 못 미칠 수 있다. 공급 부족은 생산을 고가 시스템으로 이동시켜, 물리적 확장에 상응하지 않는 시장 가치 상승을 초래할 수도 있다.

맞춤형 칩은 또 다른 일정상 위험을 야기한다. Meta, Amazon 및 다른 사업자들은 대규모 배치 전에 새 프로세서, 보드, 네트워킹, 소프트웨어를 검증해야 한다. TrendForce는 튜닝 작업이 출하를 지연시킬 수 있다는 이유로 예상 ASIC 서버 비중을 거의 28%에서 약 27%로 소폭 낮췄다.

Nvidia 플랫폼 역시 자체적인 통합 요구 사항에 직면한다. 랙 스케일 시스템에는 액체 냉각, 고속 네트워킹, 특수 전력 분배, 정밀한 설치가 필요하다. 개별 프로세서를 납품했다고 해서 사업자가 즉시 고객에게 서비스를 제공할 수 있다는 뜻은 아니다.

전력은 더 큰 물리적 한계를 제시한다. Gartner는 전 세계 데이터센터 전력 소비량이 2026년 447테라와트시에서 565테라와트시로 26% 증가할 것으로 전망했다.

전망에 따르면 AI 최적화 서버는 2025년에 약 95테라와트시를 소비했다. 2026년에는 약 84% 증가한 175테라와트시에 이를 것으로 예상됐다.

Gartner는 AI 서버가 2027년에 258테라와트시를 소비할 것으로 예상했다. 그렇게 되면 이들의 전력 사용량은 처음으로 기존 데이터센터 하드웨어를 넘어설 것이다.

냉각 수요도 컴퓨팅 수요와 함께 증가한다. Gartner는 데이터센터 냉각 시스템의 2026년 전력 소비량이 전년 대비 22.6% 증가한 195테라와트시에 이를 것으로 전망했다.

Gartner의 데이터센터 전망은 전력 확보 가능성을 구속력 있는 제약으로 지목했다. 사업자가 전력이 공급된 건물, 냉각 용량, 또는 전력망 연결을 확보하지 못한다면 완성된 서버 랙은 아무런 유용한 결과도 내지 못한다.

전력 제약은 지역에 따라 다르기도 하다. 클라우드 제공업체는 한 지역에는 여유 용량이 있어도 다른 지역에서는 수년에 걸친 전력회사 대기열에 놓일 수 있다. 고객은 지연 시간, 규제 또는 데이터 레지던시를 이유로 특정 지역을 요구할 수 있으며, 이는 원격 용량의 가치를 제한한다.

물 사용량, 전력망 업그레이드, 지역 반대, 인허가는 장비 주문이 시작된 뒤에도 프로젝트를 지연시킬 수 있다. 사업자들은 현장 발전, 원자력 계약, 장기 재생에너지 계약을 점점 더 검토하고 있지만, 대형 프로젝트에는 수년이 걸린다.

이러한 제약이 Bernstein의 낙관적 논지를 무효화하는 것은 아니다. 다만 그 시점과 분포를 바꾼다. 부품을 확보하고, 검증된 설계를 갖추며, 전력이 공급되는 시설에 접근할 수 있는 공급업체가 더 많은 가치를 확보할 수 있다.

위험은 재무적 약정이 실제 배치 가능한 용량을 앞서는 데 있다. 클라우드 기업은 전력회사가 계통 연계를 승인하기 전에 예산을 발표할 수 있다. 서버 제조업체는 모든 부품의 공급이 확보되기 전에 주문을 수주할 수 있다.

따라서 투자자와 구매자는 발표된 자본지출, 출하된 장비, 생산적인 용량이라는 세 단계를 구분해야 한다. 첫 번째는 의도를 측정한다. 두 번째는 공급망 실행을 측정한다. 세 번째는 고객이 실제로 워크로드를 실행할 수 있는지를 측정한다.

출하 증가가 더 나은 경제성을 보장하지는 않는다

AI 서버 시장은 빠르게 성장할 수 있지만, 클라우드 사업자와 제조업체, 고객에게 불균등한 수익을 안길 수 있다.

AI 시스템에는 고가의 프로세서, 메모리, 네트워킹, 냉각 장비가 들어간다. 이러한 높은 자재비는 서버 조립업체를 통해 상당한 매출을 창출할 수 있지만, 이들에게 제한적인 매출총이익률만 남길 수 있다.

제조업체는 대형 주문에서 얻는 절대 이익도 중요하기 때문에 더 낮은 비율을 수용할 수 있다. 서비스, 스토리지, 네트워킹 또는 향후 주문이 고객 관계를 개선할 것이라고 기대할 수도 있다.

하지만 집중된 구매자들은 상당한 협상력을 보유한다. Microsoft, Amazon, Google, Meta와 대형 네오클라우드는 맞춤형 설계, 공격적인 납품 일정, 세부적인 비용 통제를 요구할 수 있다.

이들 구매자는 자체적인 경제적 과제에도 직면한다. 감가상각, 자금조달, 전력, 유지보수 비용을 정당화할 만큼 설치된 가속기를 충분히 바쁘게 유지해야 한다. 가동률은 사용 가능한 컴퓨팅 용량 중 유료 또는 생산적인 작업을 수행하는 비중을 측정한다.

경쟁이 치열한 클라우드 시장은 특히 이전 세대 가속기의 임대 요금을 낮출 수 있다. 새로운 Nvidia 제품은 불과 1년 전에 구매한 시스템의 상대적 가치를 낮출 수 있다. 맞춤형 칩 역시 상용 GPU에서 워크로드를 다른 곳으로 돌릴 수 있다.

따라서 수요의 질은 수요 규모만큼 중요하다. 학습 계약, 소비자 AI 서비스, 기업 구독, 광고 개선, 내부 생산성 도구는 서로 다른 수익 프로필을 만든다.

원래 Bernstein 보고서는 지출을 긍정적인 공급망 논평과 더 원활한 GB200 출하에 연결했다. 이 증거는 납품을 뒷받침했다. 그러나 모든 데이터센터 프로젝트의 장기 수익을 독립적으로 입증하지는 못했다.

기업들도 여전히 선별적이다. 많은 기업이 대규모 클러스터를 직접 보유하기보다 호스팅형 AI 서비스를 사용한다. 서버를 직접 구매하지 않고도 모델 사용량을 늘릴 수 있으며, 그 결과 인프라는 소수 제공업체의 손에 집중된다.

이들 제공업체는 폭넓은 실험을 감당할 수 있지만, 주주들은 여전히 수익을 기대한다. AI 매출 증가가 감가상각 및 운영비보다 느리다면 경영진은 향후 건설을 완화하라는 압력을 받게 될 것이다.

반대의 결과가 나온다면 전망은 더 강해질 것이다. 높은 가동률, 확대되는 AI 매출, 낮아지는 추론 비용은 지속적인 투자를 정당화할 것이다. 총 전력 사용량이 증가하더라도 효율 개선은 작업당 비용을 낮출 수 있다.

이 효과는 때때로 반동 수요로 설명된다. 컴퓨팅 비용이 낮아지면 개발자는 더 많은 요청, 더 많은 사용자, 또는 더 복잡한 추론에 이를 사용한다. 따라서 효율성은 총 인프라 소비를 줄이는 대신 늘릴 수 있다.

소프트웨어 개선은 계산을 복잡하게 만든다. 더 작은 모델, 양자화, 캐싱, 더 나은 스케줄링은 요청당 컴퓨팅을 줄일 수 있다. 양자화는 모델이 사용하는 수치 정밀도를 낮춰 메모리와 처리 요구 사항을 줄인다.

그러나 애플리케이션은 이 절감분을 더 긴 컨텍스트, 추가 모델 호출, 또는 더 큰 사용자 집단에 사용할 수 있다. 자신의 작업을 여러 번 점검하는 에이전트는 일반적인 챗봇 응답보다 더 많은 추론을 사용할 수 있다.

개발자와 기업 구매자에게 실질적인 결과는 복합적이다. 더 많은 인프라는 가용성을 개선하고 일부 컴퓨팅 비용을 낮출 수 있다. 아키텍처 분화는 클라우드 플랫폼, 모델 이식성, 성능에 관한 선택을 더 어렵게 만들 수 있다.

한 맞춤형 가속기에 최적화된 워크로드는 다른 제공업체로 쉽게 옮겨지지 않을 수 있다. Nvidia의 공통 소프트웨어 환경은 이런 마찰의 일부를 줄여 ASIC 채택이 늘어나는 상황에서도 전략적 가치를 강화한다.

구매자는 칩 벤치마크만이 아니라 전체 워크로드 비용을 평가해야 한다. 네트워킹, 데이터 이동, 스토리지, 엔지니어링 시간, 대기열 지연, 전력 확보 가능성은 모두 실제로 사용할 수 있는 결과에 영향을 미친다.

Bernstein의 전망은 성장하는 시장을 설명하는 것이지, 이익의 균등한 분배를 뜻하지는 않는다. 희소한 부품을 보유한 공급업체는 협상력을 얻을 수 있다. 조립업체는 마진보다 매출이 더 빠르게 증가할 수 있다. 클라우드 사업자는 더 큰 감가상각 비용을 떠안으면서 용량을 확보할 수 있다.

이것이 낙관적인 헤드라인 안에 담긴 핵심적인 반전이다. 더 많은 서버 출하는 AI 투자가 여전히 활발하다는 점을 확인하지만, 동시에 미래 AI 제품이 창출해야 할 매출 규모도 키운다.

Google News 독자가 다음으로 주시해야 할 사항

세 가지 신호가 Bernstein의 전망이 지속 가능한 배치를 의미하는지, 아니면 제약을 앞지르는 지출 사이클인지를 보여줄 것이다.

첫 번째 신호는 발표된 예산이 아니라 실제로 인도된 용량이다. Microsoft, Alphabet, Amazon, Meta, Oracle은 계속해서 자본지출을 보고할 것이다. 독자는 이 총액을 전력이 공급되는 용량, 배치 일정, 고객 가용성에 관한 경영진의 발언과 비교해야 한다.

장비가 실제로 사용 가능해질 때에만 증가하는 예산은 수요 논지를 강화한다. 전력망 연결, 냉각 설비, 부품 부족으로 인한 반복적인 지연은 단기 출하 기대를 약화할 것이다.

두 번째 신호는 Nvidia GPU와 클라우드 설계 ASIC 간의 구성 비율이다. Nvidia의 랙 배치는 광범위한 가속기 수요를 보여주는 가장 명확한 척도로 남아 있다. Google TPU, Amazon Trainium, Microsoft Maia, Meta 가속기 배치는 맞춤형 실리콘이 반복 가능한 워크로드를 확보하고 있는지를 보여준다.

외부 고객의 TPU 또는 Trainium 채택이 성공한다면 맞춤형 칩은 내부 비용 통제 프로젝트 이상의 의미를 갖게 될 것이다. 검증 지연, 약한 소프트웨어 지원, 제한적인 고객 사용은 Nvidia의 기본적 위치를 강화할 것이다.

독자는 호환되지 않는 출하 비율을 비교하지 않아야 한다. 가속기 단위, 서버, 랙은 시장의 서로 다른 계층을 설명한다. 가장 유용한 공시는 설치된 하드웨어를 사용 가능한 용량 및 실제 워크로드 사용량과 연결할 것이다.

세 번째 신호는 인프라 효율성이다. 클라우드 기업들은 AI 매출, 활용률 또는 운영 비용 절감이 자본 수요와 함께 확대되고 있음을 보여줘야 한다. 서버 공급업체들은 더 높은 AI 매출이 수익 없는 물량 확대가 아니라 지속 가능한 이익으로 이어진다는 점을 입증해야 한다.

전력 사용량도 이 신호에 포함된다. 장기 계약으로 확보한 전력은 발전 설비와 전력망 연결이 일정에 맞춰 이루어질 때에만 의미가 있다. 제약이 있는 지역 전력망에 단기적으로 의존하면, 자금이 확보된 프로젝트라도 진행 속도가 늦어질 수 있다.

Google News의 서술은 Bernstein의 수정 전망을 확대되는 AI 지출에 대한 단순한 대응으로 제시한다. 그러나 전체 그림은 더 까다롭다. 지출은 여전히 견조하게 유지되고 있고, 추론 작업은 서버 수요를 넓히고 있으며, 맞춤형 칩은 시장을 다변화하고 있다.

동시에 부품, 전력, 냉각, 경제성이 이 수요 중 얼마나 많은 부분이 생산적인 용량으로 전환되는지를 결정한다. 이러한 제약은 누가 확장의 혜택을 받는지, 그리고 언제 받는지를 좌우한다.

다음 분기의 자본지출 헤드라인은 관심을 끌겠지만, 더 나은 질문은 운영 측면에 있다. 실제로 얼마나 많은 시스템이 설치되고, 전력이 공급되며, 매출을 창출하는 작업에 사용되었는가?

상향 조정된 또 다른 전망치를 그 자체로 확인 신호로 받아들이기 전에 이 세 가지 신호를 살펴봐야 한다. 배포, 활용률, AI 매출이 함께 상승한다면 Bernstein의 논지는 힘을 얻는다. 예산은 늘지만 일정이 지연되고 수익성이 불분명하다면, 서버 붐은 여전히 현실이겠지만 그 경제성은 훨씬 더 불확실할 것이다.