AWS는 수요를 따라잡기 위해 투자하고 있지만, 용량은 여전히 부족하다

Amazon Web Services는 올해 수천억 달러 규모의 자본 지출을 약속한 가운데서도 수요가 공급을 초과하자 인프라 투자를 늘리고 있다.

AWS CEO Matt Garman은 Bloomberg에 고객들이 여전히 클라우드 제공업체가 제공할 수 있는 것보다 더 많은 용량을 원한다고 말했다. 이에 따라 Amazon은 공급망이 허용하는 한 빠르게 데이터 센터를 건설하고, 부품을 확보하며, 전력 접근성을 확대하고 있다.

희소한 컴퓨팅 용량을 판매하는 사업에는 안심이 되는 발언처럼 들린다. 그러나 이는 AI 인프라 붐의 핵심 위험도 드러낸다. Amazon은 현재의 부족 현상이 일시적 열기가 아니라 지속적인 고객 워크로드를 뜻한다는 점을 입증하면서, 수요보다 수년 앞서 지출해야 한다.

Amazon의 최신 실적은 이러한 주장을 뒷받침한다. AWS 매출은 2026년 2분기 422억 달러에 달해 전년 대비 37% 증가했다. 이는 해당 사업부의 18개 분기 만의 최고 성장률이다.

하지만 이 같은 가속을 뒷받침하는 데 필요한 투자 규모는 계속 커지고 있다. Amazon은 이제 데이터 센터, 칩, 로보틱스 및 기타 장기 프로젝트 전반에서 상당한 자본 지출을 예상하고 있다. 최근 증가분에는 메모리 비용 상승도 영향을 미쳤다.

Microsoft와 Google도 같은 물리적 제약에 직면해 있다. 세 기업 모두 칩, 네트워킹 장비, 토지, 숙련 인력, 그리고 막대한 양의 전력이 필요하다. 이러한 투입 요소는 소프트웨어 속도로 늘릴 수 없다.

따라서 경쟁은 더 이상 모델 품질이나 클라우드 기능에만 국한되지 않는다. 앞으로의 수익을 훼손하지 않으면서 자본을 실제 사용 가능한 컴퓨팅 용량으로 전환할 수 있는 제공업체가 어디인지에 점점 더 좌우된다.

AWS 수요는 가용 용량보다 빠르게 증가하고 있다

중요한 변화는 단순히 AWS가 더 많이 지출할 계획이라는 점이 아니다. Amazon은 현재 진행 중인 인프라 확장으로도 확인된 고객 수요를 충족할 수 없다고 말한다.

8월 3일 Garman 인터뷰에서 AWS 수장은 수요가 공급을 크게 초과하는 시장을 설명했다. 그는 고객 요청을 충족하기 위해 회사가 계속 건설하고 투자할 것이라고 말했다.

이 불균형은 Amazon이 2분기 실적을 발표한 뒤 더 분명해졌다. 회사의 분기 실적에 따르면 AWS 매출은 전년 대비 37% 증가한 422억 달러를 기록했다.

AWS 영업이익도 1년 전 102억 달러에서 166억 달러로 증가했다. 이 수치는 클라우드 확장이 성장과 이익 모두에 기여하고 있음을 보여준다.

Amazon은 AWS의 연환산 매출 런레이트가 1,690억 달러에 도달했다고 밝혔다. 또한 AI와 반도체 사업이 각각 250억 달러를 넘는 연환산 런레이트를 기록했다고 말한다.

연환산 런레이트는 한 기간의 현재 매출 속도를 1년 전체로 확장한 수치다. 모멘텀을 보여주는 데는 유용하지만, 전망이나 보장된 연간 실적은 아니다.

이 구분은 Amazon이 회수에 수년이 걸릴 지출을 정당화하는 데 현재 수요를 활용하고 있기 때문에 중요하다. 오늘의 고객 요청은 훨씬 더 긴 운영 수명을 가진 장비와 시설에 대한 투자를 촉발할 수 있다.

CEO Andy Jassy는 Amazon이 그 결과로 생기는 용량을 수익화하기 전에 토지, 전력, 건물, 서버, 칩, 네트워킹 장비를 확보해야 한다고 말해 왔다. 일부 인프라는 수개월 내 도입되지만, 더 큰 프로젝트에는 수년이 필요하다.

이러한 선행 기간은 어려운 계획 문제를 만든다. Amazon이 지나치게 신중하게 구축하면 AWS가 필요한 용량을 제공하지 못해 고객들이 워크로드를 다른 곳으로 옮길 수 있다. 반대로 너무 공격적으로 구축하면 활용도가 낮은 자산이 현금 흐름과 수익률을 압박할 수 있다.

Amazon은 현재 첫 번째 위험이 더 시급하다고 보고 있다. Jassy는 투자자들에게 계획된 투자 이후에도 회사가 2026년 수요 전체를 충족할 충분한 용량을 갖추지 못할 것이라고 말했다.

그는 이러한 불균형이 2027년까지 이어질 것으로 예상한다고도 말했다. 독립적인 지출 분석에 보도된 그의 발언에 따르면, 2028년에 대한 기존 수요 신호도 이미 두드러졌다.

회사의 자신감은 대규모 AI 모델 훈련만을 반영하는 것이 아니다. AWS는 인공지능 워크로드가 스토리지, 데이터베이스, 네트워킹, 보안, 범용 프로세서에 대한 수요도 늘린다고 말한다.

후속 학습은 초기 학습 주기가 끝난 뒤 모델을 개선하는 작업이다. 한편 추론은 누군가 모델을 사용할 때 답변을 생성하는 컴퓨팅 과정이다.

두 활동 모두 특수 AI 가속기 외에 폭넓은 클라우드 리소스를 소비할 수 있다. 프로덕션 에이전트에는 데이터베이스, ID 제어, 모니터링, 메모리, 비즈니스 애플리케이션과의 연결도 필요하다.

이러한 관계는 Amazon이 AI를 기존 클라우드 사업의 증폭 요인으로 보는 이유를 설명하는 데 도움이 된다. 새로운 모델 배포는 동일한 고객 계정에서 여러 기존 AWS 서비스를 함께 사용할 수 있게 한다.

그러나 강한 수요가 자동으로 가용 공급으로 이어지는 것은 아니다. AWS가 장비를 설치하고, 전력을 연결하고, 서비스를 활성화해 용량을 실제로 사용할 수 있게 될 때에만 매출을 인식할 수 있다.

이 물리적 제공 격차가 Garman의 메시지 뒤에 있는 긴장이다. AWS는 자신들이 만들어 내기를 희망하는 수요를 설명하는 것이 아니다. 인프라 제약으로 인해 즉시 제공하지 못하는 사업을 설명하고 있다.

AI 붐은 건설 과제가 되었다

AWS는 수분 내에 전 세계에 소프트웨어를 판매할 수 있지만, 그 소프트웨어를 뒷받침하는 인프라는 느리고 분절된 물리적 공급망을 통해 구축해야 한다.

현대적인 AI 데이터 센터에는 그래픽 프로세서만 필요한 것이 아니다. 변전소, 냉각 시스템, 비상 발전 설비, 광 연결, 스위치, 메모리, 스토리지, 서버, 숙련된 운영 인력이 필요하다.

각 의존 요소는 병목이 될 수 있다. 완공된 건물도 충분한 전력이 없으면 가치가 거의 없다. 가속기 물량도 네트워킹, 냉각, 주변 서버 용량 없이는 고객에게 서비스를 제공할 수 없다.

광 인프라에 대한 Amazon의 투자는 이러한 의존성 사슬의 규모를 보여준다. 회사는 Corning과 광섬유, 케이블, 연결 제품을 위한 수년짜리 수십억 달러 규모 계약을 체결했다.

fiber 계약은 노스캐롤라이나에서 제조 일자리 1,000개를 창출할 것으로 예상된다. 또한 건설 작업과 기술 교육도 지원한다.

광섬유는 대형 AI 클러스터가 프로세서, 스토리지 시스템, 기타 시설 간에 막대한 양의 데이터를 이동시키기 때문에 필수적이다. 네트워크 용량이 부족하면 고가의 프로세서가 데이터를 기다리는 상태가 될 수 있다.

메모리도 또 하나의 제약이다. Jassy는 Amazon의 더 높은 자본 요구액 일부가 메모리 비용 증가 때문이라고 설명했으며, 이는 광범위한 전략 변화가 없어도 부품 인플레이션이 지출을 바꿀 수 있음을 보여준다.

전력은 더 어려운 문제로 남아 있다. 공공사업자, 규제기관, 토지 소유자, 전력망 운영자는 데이터 센터가 언제 연결될 수 있는지, 얼마만큼의 전력을 소비할 수 있는지에 영향을 미친다.

클라우드 제공업체는 많은 지역이 발전 또는 송전 용량을 추가할 수 있는 속도보다 더 빠르게 서버를 주문할 수 있다. 결과적으로 장비를 확보할 수 있다고 해서 항상 배포 가능한 컴퓨팅 전력으로 이어지는 것은 아니다.

이러한 제약은 규모의 의미를 바꾼다. 과거 클라우드 규모란 많은 리전을 운영하고 수백만 고객에게 고정비를 분산하는 것을 의미했다. AI는 희소한 물리적 자원을 수년 전에 조율해야 할 필요성을 더한다.

Amazon은 자사의 운영 이력이 우위를 준다고 주장한다. AWS는 20년 동안 수요를 예측하고, 공급 계약을 협상하며, 대규모 고객 워크로드를 위한 인프라를 설계해 왔다.

그러한 경험이 부족 현상을 없애 주는 것은 아니다. 하지만 AWS가 어디에 용량을 배치할지, 어떤 부품을 확보할지, 특수 가속기와 범용 시스템의 균형을 어떻게 맞출지를 결정하는 데 도움이 될 수 있다.

Amazon은 자체 프로세서도 설계한다. Trainium은 모델 학습과 추론을 목표로 하며, Graviton은 Arm 아키텍처 기반의 범용 컴퓨팅 작업을 처리한다.

맞춤형 칩은 AWS에 비용과 공급을 관리하는 또 다른 수단을 제공한다. 단일 외부 프로세서 공급업체에 대한 의존도를 낮출 수 있지만, 제조는 여전히 제한된 반도체 공급망에 의존한다.

고객에게는 가용 하드웨어를 효율적으로 활용할 수 있는 소프트웨어도 필요하다. AWS는 SageMaker AI, Bedrock, Bedrock AgentCore를 포함한 서비스를 제공해 모델 개발과 배포를 자사 인프라로 옮길 수 있도록 한다.

Amazon은 Bedrock이 고객이 관리형 서비스를 통해 여러 모델 중에서 선택할 수 있게 한다고 말한다. 이러한 모델 선택권은 전체 AI 전략을 하나의 개발업체에 묶고 싶지 않은 고객을 지원한다.

AgentCore는 ID, 메모리, 모니터링, 정책 제어를 포함해 AI 에이전트를 실행하기 위한 인프라를 제공한다. AI 에이전트는 모델과 연결된 도구를 사용해 여러 단계의 작업을 완료하는 소프트웨어다.

이러한 서비스는 인프라 수요가 실제 운영 환경에서의 도입에 좌우되기 때문에 중요하다. 가끔 실행되는 데모는 지속적인 클라우드 사용량을 거의 만들지 않는다. 일상적인 비즈니스 거래를 처리하는 에이전트는 여러 시스템 전반에서 계속되는 수요를 만든다.

따라서 AWS는 실험을 반복적인 소비로 전환해야 한다. 고객이 불확실한 파일럿을 위해 용량을 예약하는 대신 애플리케이션 내에서 AI를 지속적으로 사용할 때 투자 논리가 더 강해진다.

매출 성장과 지출이 함께 가속되고 있다는 점에서 제약에 관한 이야기는 신뢰할 만하다. 하지만 이는 여전히 현재 워크로드가 어떻게 성숙할지에 대한 예측이기도 하다.

건물과 전력 인프라는 개별 AI 제품보다 훨씬 오래 지속된다. Amazon은 모델 아키텍처, 프로세서 설계, 고객 선호도가 빠르게 변하는 동안 물리적 약속을 하고 있다.

장수명 자산과 빠르게 변화하는 소프트웨어 사이의 이러한 불일치는 피할 수 없다. 핵심은 AWS가 고객이 다음에 무엇을 선택하든 지원할 수 있을 만큼 인프라를 유연하게 유지할 수 있느냐는 점이다.

Amazon의 진정한 상대는 자체 지출 약속이다

핵심 경쟁은 지속적이고 공급 제약적인 수요라는 Amazon의 주장과, 매출을 올리기 수년 전에 용량에 자금을 투입해야 하는 재무적 현실 사이에서 벌어진다.

Amazon만 이런 승부수를 두는 것은 아니다. Alphabet, Microsoft, Meta 및 다른 기술 기업들도 AI 인프라에 막대한 자본을 투입하고 있다.

공동 지출이 Amazon의 위험을 없애 주지는 않는다. 오히려 같은 메모리, 칩, 광섬유, 건설 인력, 전력 연결을 두고 경쟁하는 비용을 높인다.

또한 예측을 더 어렵게 만들 수 있다. AWS 가용성이 제한된 고객은 둘 이상의 제공업체에 용량을 예약할 수 있으며, 이로 인해 겉으로 보이는 수요가 최종 소비량을 초과할 수 있다.

클라우드 계약은 확정된 약정을 포함할 때 더 강력한 증거를 제공한다. 그렇더라도 고객이 제품, 예산 또는 모델 전략을 수정하면서 구현 일정은 바뀔 수 있다.

Amazon의 대응은 장수명 인프라의 경제성에 집중한다. Jassy는 자사의 투자 사이클을 설명하면서 AWS가 새 용량을 수익화하기 전에 현금을 지출한다고 말했다.

그는 네트워킹 및 컴퓨팅 하드웨어의 유효 수명이 약 6년일 수 있다고 언급했다. 데이터 센터 자산은 30년 이상 유용하게 사용될 수 있다.

이러한 시간적 범위는 Amazon에 하나의 시설에서 수익을 얻을 여러 기회를 제공한다. 건물, 전력 연결, 네트워크 인프라가 계속 고객에게 서비스를 제공하는 동안 서버는 교체할 수 있다.

이 모델은 AWS가 앞서 확장하던 시기에도 효과를 발휘했다. Amazon은 클라우드 도입이 주류가 되기 전에 투자했고, 이후 기업들이 프라이빗 데이터센터에서 컴퓨팅을 더 많이 이전하면서 수혜를 입었다.

하지만 AI 인프라 구축은 중요한 측면에서 다르다. 특수 목적 프로세서는 비싸고, 고객 수요는 특정 모델에 집중될 수 있으며, 하드웨어 성능은 빠르게 발전한다.

시설 자체는 수십 년간 가치를 유지할 수 있지만, 그 안의 프로세서는 훨씬 더 빠르게 노후화될 수 있다. 구형 장비도 추론이나 기존 워크로드에 활용될 수 있지만, 수익 잠재력은 줄어들 수 있다.

AI 시스템은 더 효율적으로 발전할 수도 있다. 더 나은 모델, 소프트웨어 최적화, 양자화, 소형 작업 특화 모델은 동일한 결과에 필요한 컴퓨팅 자원을 줄일 수 있다.

양자화는 모델이 사용하는 수치 정밀도를 낮추는 기술이다. 이 기법은 많은 애플리케이션에 충분한 정확도를 유지하면서 메모리 및 컴퓨팅 요구량을 줄일 수 있다.

효율성이 반드시 전체 수요를 줄이는 것은 아니다. 컴퓨팅 비용이 낮아지면 사용량이 늘어날 수 있는데, 이는 흔히 반등 효과라고 불리는 패턴이다.

AWS는 늘어나는 도입이 효율성 향상을 상쇄할 것이라고 보고 있다. 더 많은 애플리케이션, 사용자, 에이전트, 자동화 프로세스가 전체 컴퓨팅 소비를 계속 끌어올릴 것이라는 전망이다.

회사의 2분기 실적은 현재로서는 이 관점을 뒷받침한다. AWS 성장률은 가속화됐고, AI와 기존 클라우드 서비스 모두 증가에 기여했다.

수익성도 어느 정도 방어막을 제공한다. AWS의 영업이익은 전사 현금 투자가 늘어나는 상황에서도 Amazon에 상당한 내부 자금원을 제공한다.

다만 영업이익과 현금흐름은 서로 다른 것을 측정한다. 자본 지출에는 즉시 현금이 필요하지만, 회계상 비용은 자산의 내용연수에 걸쳐 인식된다.

따라서 투자자는 두 개의 시간축을 평가해야 한다. Amazon이 미래 시설에 자금을 투입하면서 잉여현금흐름이 약화되는 동안에도, 현재의 클라우드 수익은 증가할 수 있다.

건설 비용이 오르거나 가동 일정이 지연되면 압박은 더 커진다. 지연된 용량은 즉각적인 클라우드 매출을 만들지 못한 채 자본을 소모한다.

Amazon의 더 광범위한 사업은 상황을 복잡하게 만든다. 자본 투자 프로그램은 물류, 로보틱스, 위성 및 기타 프로젝트도 뒷받침하므로, 표면적인 지출 전체가 AWS에 해당하는 것은 아니다.

이 때문에 공개 수치만으로 정밀한 수익률 분석을 하기는 어렵다. 투자자는 AWS 매출과 영업이익은 볼 수 있지만, 인프라 경제성에 대한 완전한 프로젝트 단위 분석은 볼 수 없다.

따라서 Amazon의 지출 약속은 미래 수익의 증거가 아니라 절제된 베팅으로 봐야 한다. 경영진은 단기 현금 보전보다 용량 확보를 우선할 만큼 충분한 수요가 있다고 판단하고 있다.

시장은 가동률, 매출 성장, 마진, 현금 창출을 통해 이 선택을 평가할 것이다. Garman의 수요 주장은 기회를 보여주지만, 그것이 매력적인 사업이 될지는 실행력에 달려 있다.

Microsoft와 Google, 양쪽에서 압박을 더하다

AWS는 막대한 규모로 클라우드 시장을 이끌고 있지만, 경쟁사들은 더 빠르게 용량을 확충하거나 AI 수요를 클라우드 성장으로 더 효율적으로 전환함으로써 AWS를 압박할 수 있다.

Microsoft는 대규모 엔터프라이즈 소프트웨어 기반과 Azure 및 자사 비즈니스 애플리케이션 간의 긴밀한 관계를 바탕으로 경쟁에 나선다. 고객은 기존 계약, 개발자 도구, 업무용 제품을 통해 AI를 도입할 수 있다.

Google은 자체 AI 모델, 맞춤형 Tensor Processing Units, 연구 역량, 그리고 더 작은 기반에서 성장하는 클라우드 사업을 보유하고 있다. 2분기 클라우드 성장률은 AWS의 증가율을 웃돌았다.

퍼센트 기준 성장률만으로 시장 리더십이 입증되는 것은 아니다. 규모가 더 작은 사업은 더 큰 경쟁사보다 절대 매출 증가액은 적더라도 더 빠르게 성장할 수 있다.

그럼에도 경쟁사의 빠른 성장은 중요하다. 고객은 여러 공급업체에 워크로드를 분산할 수 있기 때문이다. 멀티클라우드 전략은 한 공급업체에 대한 의존도를 낮추고, 용량 협상에서 협상력을 만든다.

경쟁은 반대 방향으로도 작용한다. 모든 주요 공급업체가 용량 제약을 받는다면 고객의 즉각적인 대안은 줄어든다. 이는 가동률을 뒷받침하고 빈 시설의 위험을 낮출 수 있다.

그 효과는 어느 곳에서 용량이 확보되는지에 달려 있다. AI 인프라는 지역, 프로세서 유형, 네트워킹 구성, 소프트웨어 플랫폼 간에 완전히 대체 가능하지 않다.

한 지역에서 특정 가속기가 필요한 고객은 다른 곳의 범용 용량으로 언제나 대체할 수 있는 것은 아니다. 데이터 레지던시 규정과 지연 시간 요구 사항은 이동을 더욱 제한한다.

이는 더 넓은 클라우드 시장 내부에 다수의 작은 공급 시장을 만든다. AWS는 한 서비스에는 여유 용량이 있는 반면, 다른 서비스의 수요는 거절할 수 있다.

소프트웨어 호환성도 이러한 결정에 영향을 미친다. Bedrock, SageMaker AI 또는 AWS 데이터베이스를 사용하는 고객은 운영 시스템을 Azure나 Google Cloud로 옮길 경우 마이그레이션 작업을 감수해야 한다.

경쟁 플랫폼을 중심으로 구축된 워크로드도 마찬가지다. 기술적 전환 비용은 고객 관계를 유지하는 데 도움이 될 수 있지만, 모든 신규 AI 프로젝트가 한 공급업체에 남는다는 보장은 아니다.

AWS의 전략은 모델 선택권과 이를 지원하는 인프라에 초점을 둔다. Amazon은 고객이 모델을 선택하되 데이터, 애플리케이션, 보안 제어, 에이전트 서비스는 AWS 내부에 유지하기를 원한다.

이러한 포지셔닝은 하나의 대표 모델을 중심으로 한 전략과 다르다. 가장 인기 있는 모델이 바뀌더라도 클라우드 플랫폼을 지속 가능한 계층으로 본다.

기업 고객이 특정 모델 개발자와의 긴밀한 통합보다 유연성을 더 중시한다면 이 접근은 효과를 낼 수 있다. 반대로 경쟁사의 모델과 플랫폼 조합이 눈에 띄게 더 나은 경제성을 제공한다면 약해질 수 있다.

맞춤형 프로세서도 또 다른 경쟁 전선이다. AWS는 Trainium과 Graviton을 내세우고, Microsoft는 자체 실리콘을 개발하며, Google은 수년간 맞춤형 AI 가속기를 운영해 왔다.

이들 칩은 협상력을 높이고 각 공급업체의 인프라에 맞춘 서비스를 만들 수 있다. 동시에 대규모 연구 투입과 생산을 정당화할 만큼 충분한 고객 도입이 필요하다.

어느 공급업체도 전체 스택을 통제하지는 못한다. 첨단 반도체 제조, 메모리, 네트워킹 부품, 전력망 인프라, 건설 역량은 여전히 외부 공급업체 전반에 분산돼 있다.

이러한 의존성은 클라우드 경쟁이 소프트웨어 출시만으로 승리할 수 없다는 뜻이다. 조달, 시설 엔지니어링, 유틸리티 조율이 이제 제품 가용성을 좌우한다.

Amazon의 Corning 계약은 이에 대한 하나의 대응을 보여준다. 장기 약정을 통해 전략적 투입재를 확보하는 방식이다. 이와 유사한 계약은 공급 불확실성을 줄일 수 있지만, 회사가 미래 구매에 묶일 수도 있다.

따라서 경쟁 위험은 양면적이다. AWS는 너무 느리게 구축하면 사업을 잃을 수 있고, 모든 공급업체가 같은 낙관적인 수요 곡선을 전제로 구축하면 과잉 공급이 발생할 수 있다.

과잉 용량이 발생하려면 AI 도입이 광범위하게 감소할 필요는 없다. 더 효율적인 모델, 지연되는 엔터프라이즈 배포, 중복 예약만으로도 더 작은 불일치가 생길 수 있다.

엔터프라이즈 구매자에게 경쟁은 협상력을 제공하는 동시에 계획 리스크도 안긴다. 카탈로그에 올라온 클라우드 서비스라도 지역별 할당량, 대기 기간, 제한된 하드웨어 선택지에 직면할 수 있다.

구매자는 모델 벤치마크와 함께 이용 가능한 용량, 배포 일정, 계약 유연성을 평가해야 한다. 운영 인프라가 늦게 도착한다면 가장 뛰어난 성능의 데모도 큰 가치는 없다.

개발자도 유사한 트레이드오프에 직면한다. 이식 가능한 모델과 표준 인터페이스를 기준으로 설계하면 한 공급업체 의존도를 낮출 수 있지만, 가장 효율적인 서비스는 대개 독점 인프라를 활용한다.

지식근로자는 그 결과를 간접적으로 경험할 수 있다. 더 많은 용량은 응답 시간을 개선하고 AI 기능을 확장할 수 있는 반면, 인프라 부족은 제품 출시를 늦추거나 접근을 제한할 수 있다.

클라우드 공급업체들은 이러한 제약이 보이지 않도록 만들기 위해 경쟁하고 있다. Garman의 발언은 AWS가 규모와 투자에도 불구하고 아직 그 목표를 달성하지 못했음을 보여준다.

Amazon의 용량 베팅을 무너뜨릴 수 있는 요인

Amazon의 가장 큰 위험은 AI가 사라지는 것이 아니다. 인프라 비용이 수익성 있는 고객 사용량보다 더 빠르게 증가하는 것이다.

현재의 성장은 실질적인 수요가 있다는 증거를 제공하지만, 그 수요가 얼마나 오래 지속될지는 결론짓지 못한다. 기업들은 AI 예산을 늘릴 수 있지만, 안정적인 애플리케이션 배포에는 여전히 어려움을 겪을 수 있다.

많은 프로젝트가 데이터 품질, 보안, 거버넌스, 통합 문제에 직면한다. 이러한 장애물은 기업이 인프라를 예약하거나 파일럿을 마친 뒤에도 운영 사용을 지연시킬 수 있다.

에이전틱 애플리케이션은 또 다른 불확실성을 더한다. 에이전트는 반복적으로 모델을 호출하고 여러 시스템에 접근하기 때문에 클라우드 사용량을 크게 늘릴 수 있다.

동시에 예측 불가능한 비용이나 오류를 초래할 수도 있다. 기업들은 모니터링, ID, 정책 제어가 더 신뢰할 수 있게 될 때까지 사용을 제한할 수 있다.

Amazon은 이러한 우려를 해결하기 위한 서비스를 구축하고 있다. 그러나 관리형 도구가 존재한다고 해서 고객이 인프라 계획이 가정한 규모로 에이전트를 배포한다는 뜻은 아니다.

두 번째 위험은 기술 효율성이다. 새 프로세서와 모델 기술은 더 적은 에너지, 메모리 또는 가속기 시간으로 동일한 작업을 수행할 수 있다.

그 효율성은 시장을 확장할 수 있지만, 시점이 중요하다. 갑작스러운 개선은 Amazon이 특정 하드웨어 구성을 완전히 감가상각하기 전에 그 수요를 줄일 수 있다.

하드웨어 구성도 비슷한 과제를 만든다. 고객 선호가 바뀔 때 한 가속기 기반 용량을 다른 가속기로 항상 경제적으로 전환할 수 있는 것은 아니다.

AWS는 여러 프로세서 옵션을 지원함으로써 이 노출을 줄일 수 있다. 그래도 특정 지역에서 고객이 각 유형을 몇 대씩 필요로 할지 예측해야 한다.

세 번째 위험은 실행이다. 데이터센터에는 허가, 장비, 전력, 네트워킹, 숙련 인력이 올바른 순서로 갖춰져야 한다.

한 요소라도 지연되면 나머지 요소들이 묶일 수 있다. Amazon은 전력을 공급할 수 없는 서버를 보유하거나, 네트워크 연결이 준비되기 전에 건물을 완공할 수 있다.

공급 계약은 일부 불확실성을 줄이는 대신 약정을 만든다. 이후 수요가 약화되더라도 Amazon은 부품 구매 또는 확대된 제조 지원 의무를 계속 질 수 있다.

지역사회와 규제 당국의 압력도 건설에 영향을 줄 수 있다. 대규모 데이터센터는 전기요금, 물 사용량, 토지 소비, 소음, 비상 발전에 대한 우려를 불러일으킬 수 있다.

이러한 우려가 프로젝트 중단을 의미하는 것은 아니다. 하지만 승인 일정을 늘리거나 프로젝트 경제성을 바꾸는 추가 투자를 요구할 수 있다.

네 번째 위험은 재무 가시성이다. Amazon은 AWS 매출과 영업이익을 보고하지만, 투자자는 모든 인프라 투자금을 특정 고객 워크로드와 직접 연결할 수는 없다.

전사 자본 지출은 AWS 밖의 사업도 포괄한다. 이러한 넓은 범위 때문에 공개 공시만으로 AI 인프라 구축의 수익률을 계산하기가 더 어렵다.

Amazon의 Anthropic 투자도 분기별 비교를 더 복잡하게 만든다. 2분기 순이익에는 해당 투자와 관련된 상당한 영업외수익이 포함됐다.

이 회계상 이익은 AWS 고객이 창출한 현금을 의미하지 않는다. 독자는 이를 클라우드 사업부의 근본적인 매출 및 영업 성과와 구분해야 한다.

신중한 분석은 수요와 희소성도 구분해야 한다. 용량 부족은 예외적인 고객 성장, 느린 건설, 비효율적인 배분 또는 여러 요인이 함께 작용한 결과일 수 있다.

Garman의 발언은 결과를 설명할 뿐, 부족 현상의 전체 구성은 보여주지 않는다. 공개 보도는 요청된 용량 가운데 얼마가 확정 계약 약정을 수반하는지 밝히지 않는다.

이러한 공백 중 어느 것도 Amazon의 주장을 반박하지는 않는다. 다만 이를 검증하는 데 필요한 증거를 규정한다.

가장 먼저 지켜볼 신호는 다음 실적 발표 주기의 AWS 매출 성장이다. 성장 가속이 이어진다면, 추가된 용량이 빠르게 고객 지출로 전환된다는 Amazon의 주장을 뒷받침할 것이다.

둔화가 나타난다면 더 면밀한 해석이 필요하다. 수요 약화를 의미할 수도 있지만, 공급 제약으로 AWS가 확보 가능한 비즈니스를 처리하지 못했다는 신호일 수도 있다.

따라서 용량 증설에 대한 경영진의 설명이 핵심이 될 것이다. 투자자들은 가동된 인프라의 시점과 매출 및 계약 확약의 변화를 비교해야 한다.

두 번째 신호는 Amazon의 현금흐름과 AWS 영업이익률이다. 인프라 지출이 성장으로 창출된 현금을 지속적으로 앞지른다면 매출 성장은 설득력이 떨어진다.

확장 구축 국면에서는 단기적인 압박이 예상된다. 더 중요한 시험대는 신규 데이터센터와 프로세서가 가동되면서 활용률이 개선되는지 여부다.

마진이 안정적인 가운데 활용률이 상승한다면 투자 논리가 강화될 것이다. 매출 증가에 비례하지 않는 비용 상승이 반복된다면 그 논리는 약화될 것이다.

세 번째 신호는 AWS, Azure, Google Cloud 사이에서의 고객 이동이다. 대형 계약, 지역별 서비스 제공 여부, 실제 운영 배포는 공급 부족이 AWS에 도움이 되는지 해가 되는지를 보여줄 것이다.

AWS 용량을 기다리는 고객은 지연을 감수하거나 워크로드를 재설계하거나, 다른 곳으로 이전할 수 있다. 각각의 대응은 Amazon의 장기적 위치에 서로 다른 영향을 미친다.

Amazon은 또한 자사의 AI 서비스가 더 폭넓은 플랫폼에 대한 수요를 창출한다는 점을 입증해야 한다. 스토리지, 데이터베이스, 네트워킹, 범용 컴퓨팅의 성장은 경영진이 설명한 승수 효과를 뒷받침할 것이다.

이 확장 구축을 지켜보는 독자들은 건설 발표만이 아니라 측정 가능한 제공 성과에 주목해야 한다. 가동된 용량, 지속적인 사용량, 마진, 현금 창출은 프로젝트가 밝힌 규모보다 더 많은 것을 보여준다.

클라우드 벤더를 평가하는 팀은 실적 노트, 용량 업데이트, 계약, 배포 기록을 검색 가능한 지식 기반 안에 보관할 수 있다. 이러한 기록은 시간이 지나며 변하는 벤더의 주장을 더 쉽게 비교할 수 있게 한다.

AWS는 입장을 분명히 했다. 과거에는 극단적으로 보였을 규모라 해도 고객 수요가 지속적인 투자를 정당화한다는 것이다. 다음 질문은 고객이 대안을 찾기 전에 Amazon이 용량을 가동할 수 있는지 여부다.

다음 AWS 실적에서 세 가지 답을 확인해야 한다. 클라우드 성장은 여전히 가속하고 있는가, 신규 시설이 가용성을 개선하고 있는가, 그리고 현금 창출은 투자 곡선을 따라잡기 시작하고 있는가?

이러한 신호는 Amazon의 용량 부족이 지속 가능한 우위인지, 아니면 기대와의 값비싼 경쟁인지를 결정할 것이다.