Citadel Securities, AI 칩이 5,000억 달러 규모의 부채 물결을 이끌 것이라고 전망

Citadel Securities는 AI 칩 구매와 데이터 센터 건설이 2028년까지 5,000억 달러가 넘는 추가 부채를 만들어낼 것으로 예상한다. RSSHub를 통해 배포된 36Kr 기사는 Jiemian의 보도를 인용하며 8월 3일 이 전망을 소개했다.

이 수치가 중요한 이유는 해당 금융 조달이 전통적 자산에만 투입되지 않기 때문이다. 점점 더 큰 비중이 주변의 건물과 전력 시스템보다 훨씬 빠르게 노후화되는 프로세서에 사용될 전망이다.

이 불일치가 핵심 갈등을 만든다. 차입자는 막대한 자본을 필요로 하지만, 대출기관은 더 새로운 칩이 담보 가치에 영향을 미치기 전에 자금을 회수해야 한다.

Citadel Securities는 신규 공급 규모가 2028년까지 Bloomberg US Corporate Bond Index의 5%를 넘을 것으로 추정한 것으로 전해진다. 또한 많은 칩 담보 채무의 만기가 3~5년 안에 도래할 것으로 예상한다.

이 전망은 공개적으로 접근 가능한 Citadel Securities 리서치 노트에는 나타나지 않았다. 따라서 정확한 정의와 계산 방식은 독립적으로 검증하기 어렵다.

그럼에도 이러한 방향성은 시장에서 관찰되는 변화와 부합한다. 하이퍼스케일러들은 한때 대부분의 AI 인프라를 자체 현금흐름으로 조달했다. 이제 개발사, 클라우드 제공업체, 칩 구매자, 특수목적법인들은 공모채와 프라이빗 크레딧에 점점 더 의존하고 있다.

이 변화는 AI 경쟁을 기술주만의 영역 밖으로 끌어낸다. 칩 교체 주기, 데이터 센터 임대차, 전력 확보, 모델 매출이 채권 펀드, 보험사, 민간 대출기관의 포트폴리오에 편입되는 것이다.

5,000억 달러 전망이 바꾸는 AI 금융 조달 논쟁

Citadel Securities는 기업 지출에서 AI 하드웨어 금융 조달을 위한 독자적 시장으로의 전환을 설명하고 있다.

보도된 전망은 2028년까지 칩 조달과 관련 데이터 센터 시설에 사용될 부채를 포괄한다. 여기에는 공모채 시장과 투명성이 낮은 프라이빗 크레딧 채널을 통한 금융 조달이 포함된다.

이 구분은 중요하다. 대형 기술기업이 조달한 부채는 기업 전체의 신용을 기반으로 한다. 반면 프로젝트 부채는 대개 더 제한적인 자산, 임대차, 보증 또는 고객 계약에 의존한다.

5,000억 달러 추정치는 AI 구축에 드는 총비용이 아니라 추가 발행 규모를 의미하는 것으로도 보인다. 전체 인프라 투자에 대한 추정치는 이보다 훨씬 크다.

Dallas Fed 분석은 향후 3~5년간 예상되는 AI 데이터 센터 투자를 3조~5조 달러로 추산한다. 또한 하이퍼스케일러들이 2023년 이후 약 5,000억~6,000억 달러의 투자를 내부 자금으로 조달했다고 추정한다.

하이퍼스케일러는 전 세계 규모의 컴퓨팅 인프라를 운영하는 대형 클라우드 및 기술기업을 말한다. 여기에는 Amazon, Microsoft, Google, Meta, Oracle 및 기타 주요 AI 구매자가 포함된다.

이들 기업은 여전히 운영 현금으로 상당한 투자를 조달할 수 있다. 그러나 이들의 계획은 이제 대규모 대차대조표조차 상충 관계 없이 감당하기 어려운 수준으로 점점 확대되고 있다.

이들은 개발사, 인프라 펀드, 클라우드 전문기업과도 협력한다. 이러한 파트너들은 일반적으로 비슷한 현금 보유고가 없기 때문에 외부 금융 조달이 필수적이다.

Citadel Securities는 신규 부채가 주요 미국 투자등급 채권 벤치마크의 5%를 넘을 것으로 예상한 것으로 전해진다. 최종 금액이 달라지더라도 이 비교는 잠재적 규모를 잘 보여준다.

AI 금융 조달은 더 이상 신용 시장의 주변부에 머물지 않을 것이다. 포트폴리오 구성, 회사채 공급, 차입 스프레드, 금리 위험에 영향을 미칠 만큼 커질 수 있다.

이 변화는 이미 나타나고 있다. Dallas Fed는 2026년 AI 관련 투자등급 채권 발행 규모가 3,000억 달러를 중심으로 형성될 것이라는 월가 추정치를 인용한다.

이 분석은 이러한 발행이 10년물 환산 기준으로 최대 3,600억 달러의 듀레이션을 만들 수 있다고 계산한다. 듀레이션은 금리 변화에 따라 채권 가치가 얼마나 민감하게 반응하는지를 측정한다.

이 공급은 해당 연도 미국 국채 발행에서 발생하는 듀레이션의 약 8분의 1에 해당한다. 따라서 기업의 AI 지출은 기술 신용을 훨씬 넘어선 시장에 영향을 미칠 수 있다.

5,000억 달러 전망은 단순한 자본지출 추정치가 아니다. 이는 대출기관이 AI 생산 사슬의 핵심 구성원이 되고 있음을 시사한다.

투자자들은 더 이상 폭넓은 매출원을 보유한 기업에만 자금을 대는 것이 아니다. 이들은 미래 AI 수요에 따라 경제성이 좌우되는 개별 캠퍼스, 임대 용량, 프로세서에 자금을 공급하고 있다.

이는 AI 사용량이 늘어날지 여부보다 더 날카로운 질문을 제기한다. 대출기관은 특정 계약과 자산이 채무 만기 전까지 충분한 현금을 창출할 수 있는지 판단해야 한다.

AI 칩 부채에 더 짧은 시간이 필요한 이유

AI 프로세서의 유효 수명은 칩 금융 조달을 데이터 센터 건물 금융과 근본적으로 다르게 만든다.

데이터 센터의 외피, 전기 시스템, 냉각 설비는 여러 하드웨어 세대에 걸쳐 운영될 수 있다. 하지만 그 안에 설치된 칩은 훨씬 빠르게 경제적 가치를 잃는다.

Citadel Securities는 많은 신규 채무의 만기가 3~5년이 될 것으로 예상한 것으로 전해진다. 이러한 기간은 하드웨어 개선과 교체의 속도를 반영한다.

Dallas Fed는 주요 기술기업들이 반도체를 약 5~6년에 걸쳐 감가상각한다고 지적한다. 건물과 물리적 인프라는 일반적으로 10~15년 또는 그 이상의 회계상 내용연수를 갖는다.

회계상 감가상각이 시장 가치를 완벽히 측정하는 것은 아니다. 그러나 이는 대출기관이 직면한 불일치를 보여준다.

프로세서는 5년이 지난 뒤에도 작동할 수 있지만 경쟁력은 떨어질 수 있다. 새 칩은 전력, 바닥 면적 또는 운영비 단위당 더 많은 컴퓨팅 작업을 처리할 수 있다.

전기와 인프라 용량이 제한돼 있기 때문에 이러한 효율성은 중요하다. 기존 클러스터가 같은 소프트웨어를 계속 실행할 수 있더라도 고객은 더 새로운 클러스터를 선호할 수 있다.

따라서 칩을 조달하는 차입자는 투자금을 빠르게 회수해야 한다. 높은 가동률, 신뢰할 수 있는 고객, 하드웨어 경제성 변화에도 유지되는 계약이 필요하다.

더 짧은 대출 기간은 대출기관이 기술적 노후화에 노출되는 기간을 줄인다. 동시에 차환 이벤트의 빈도는 높아진다.

이러한 절충은 위험을 없애는 것이 아니라 이전한다. 운영 현금으로 원금을 상환할 수 없는 차입자는 대출 만기에 다시 시장으로 돌아가야 한다.

바로 가장 좋지 않은 시점에 차환 여건이 불리해질 수 있다. 수요가 약화되거나 금리가 오를 수 있고, 더 새로운 하드웨어가 담보의 재판매 가치를 낮출 수도 있다.

같은 문제는 잔존가치에도 적용된다. 대출기관은 금융 조달된 장비가 채무불이행 이후에도 일부 회수 가능한 가치를 유지한다고 가정하는 경우가 많다.

전문 AI 가속기의 경우 그 가정을 방어하기는 더 어렵다. 재판매 가능성은 소프트웨어 지원, 인터커넥트 호환성, 수출 규정, 가용 전력 인프라에 달려 있다.

칩 하나만으로는 가치가 거의 없다. 서버, 네트워킹, 냉각, 소프트웨어, 그리고 안정적인 전력을 공급받을 수 있는 부지가 필요하다.

실패한 프로젝트에서 장비를 철수한다고 해서 다른 운영자가 이를 경제적으로 배치할 수 있다는 보장은 없다. 거래 비용은 회수 가치를 추가로 낮출 수 있다.

짧은 만기는 부채를 하드웨어 수명에 맞출 수 있지만, 매출에 대한 압박을 높인다. 고객은 압축된 기간 안에 이자, 원금, 운영비를 충당할 만큼 충분히 지불해야 한다.

이는 더 높은 임대료나 더 강한 최소 약정으로 이어질 수 있다. 또한 차입자들이 더 많은 위험을 AI 개발사와 클라우드 고객에게 이전하는 계약을 사용하도록 부추길 수 있다.

이 모델은 신용도가 높은 임차인에게 용량을 사전 임대할 때 가장 잘 작동한다. 장기 약정은 불확실한 서버 플릿을 계약 기반 인프라에 더 가깝게 만든다.

그러나 임차인 역시 실행 가능한 사업을 보유해야 한다. 강력한 기업 보증도 보증인이 대출 기간 전체에 걸쳐 약정을 이행할 수 있을 때만 의미가 있다.

따라서 하드웨어 주기는 금융 조달 주기가 된다. 새로운 세대가 등장할 때마다 기존 대출이 남아 있는 가운데 새로운 차입이 촉발될 수 있다.

수요가 계속 증가한다면 이 주기는 빠른 확장을 뒷받침할 수 있다. 수요가 멈춘다면 대출기관은 여러 세대의 장비가 더 적은 워크로드를 두고 경쟁하고 있음을 발견할 수 있다.

프라이빗 크레딧과 Rule 144A, 위험을 시야 밖으로 옮기다

AI 인프라는 속도와 유연성을 제공하지만 공개적 가시성은 낮은 금융 채널을 통해 성장하고 있다.

Citadel Securities는 향후 부채 일부가 Rule 144A 발행을 통해 투자자에게 전달될 것으로 예상한 것으로 전해진다. Rule 144A는 적격 기관 매수자가 특정 사모 증권을 거래할 수 있도록 허용한다.

이 증권들은 일반적인 공모처럼 등록되지 않는다. 발행사는 보험사, 연기금, 자산운용사를 포함한 대형 기관에 접근하면서도 빠르게 자금을 조달할 수 있다.

이 구조는 데이터 센터 프로젝트에 적합하다. 각 캠퍼스는 맞춤형 담보, 임대차 조건, 보증, 상환 일정을 사용할 수 있다.

사모 발행 검토는 데이터 센터 운영사들이 2025년 11월 이후 400억 달러가 넘는 Rule 144A 발행을 추가했다고 밝혔다.

같은 검토는 Meta와 Blue Owl Capital에 연계된 273억 달러 규모의 채권 발행도 소개했다. 이 금융 조달은 루이지애나주의 2기가와트 데이터 센터 캠퍼스를 지원한다.

이 거래는 Citadel Securities 전망에 포함된 더 단기적인 칩 부채와는 다르다. 해당 채권은 장기 지속성이 있는 캠퍼스와 계약상 현금흐름을 조달하는 구조이기 때문에 2049년에 만기가 도래하는 것으로 전해진다.

이 대조는 “AI 부채”가 하나의 자산군이 아닌 이유를 보여준다. 임대된 건물을 담보로 한 채권은 프로세서를 기반으로 한 대출과 같은 위험을 지니지 않는다.

사모 구조는 두 요소를 결합할 수 있다. 특수목적법인, 즉 SPV는 자산을 소유하고 프로젝트 채무를 부담하기 위해 설립되는 별도 법적 실체다.

SPV는 칩을 구매해 고객에게 임대하고, 임대료를 부채 상환에 사용할 수 있다. 스폰서는 이러한 채무를 주요 기업 대차대조표 밖에 둘 수 있다.

이러한 분리는 스폰서를 직접적인 레버리지로부터 보호할 수 있다. 동시에 채권자들은 제한된 계약과 자산에 의존하게 될 수 있다.

이 접근 방식은 이미 주요 AI 기업들에 적용되고 있다. Apollo와 Blackstone은 초기 350억 달러 대출을 기반으로 한 인프라 플랫폼을 발표했다.

컴퓨팅 금융 조달 세부사항에 따르면, 이 플랫폼은 Anthropic이 Fluidstack 데이터 센터를 통해 Google이 설계한 칩을 임대할 수 있도록 지원하는 것을 목표로 한다. Broadcom도 이 구조에 참여한다.

이 플랫폼은 2028년까지 20기가와트가 넘는 컴퓨팅 용량을 목표로 한다. 그 규모는 민간 자본이 칩 공급업체, 데이터 센터 운영사, AI 개발사, 대출기관을 어떻게 연결할 수 있는지 보여준다.

이 구조는 전통적인 기업 부채 통계가 불완전한 그림만 제공하는 이유도 보여준다. 하드웨어는 AI 기업의 대차대조표가 아니라 SPV에 위치할 수 있다.

그렇다고 경제적 의무가 사라지는 것은 아니다. 프로젝트는 여전히 임대료, 계약상 약정, 고객의 수익 창출 능력에 의존한다.

프라이빗 크레딧은 대출기관이 표준 채권에서는 이용할 수 없는 보호장치를 협상할 수 있기 때문에 매력적이다. 이러한 보호장치에는 담보 통제, 최소 지급액, 준비금 계정, 추가 차입 제한 등이 포함될 수 있다.

차입자는 속도와 맞춤화를 얻는다. 또한 공모 투자등급 시장의 수용 능력에 전적으로 의존하지 않아도 된다.

그러나 불투명성은 위험 평가를 복잡하게 만든다. 투자자들은 얼마나 많은 구조가 동일한 고객, 공급업체 또는 수익 가정에 의존하는지 쉽게 파악할 수 없다.

한 AI 개발업체가 여러 제공업체에 걸친 약정을 뒷받침할 수 있다. 한 칩 공급업체가 여러 담보 풀 전반에 걸쳐 등장할 수도 있다.

프로젝트들은 법적 실체 기준으로는 분산돼 보일 수 있지만, 경제적으로는 여전히 집중돼 있을 수 있다. 한 주요 고객의 둔화가 다수의 대출기관에 영향을 미칠 수 있다.

비상장 시장의 가치 평가는 공모 채권 가격보다 조정 빈도가 낮다. 이 때문에 담보 가치 약화나 수요 감소가 눈에 보이게 반영되는 시점이 늦어질 수 있다.

그 결과는 빠르게 용량을 확장하지만 스트레스는 천천히 드러내는 금융 시스템이다. 신용 시장은 차환이나 계약 분쟁으로 공개가 강제될 때에야 공동 익스포저를 알게 될 수 있다.

진짜 경쟁은 계약된 현금흐름과 빠른 노후화 사이에 있다

핵심 시험대는 구속력 있는 고객 수익이 AI 하드웨어의 경제적 가치 하락 속도를 앞지를 수 있는지 여부다.

데이터 센터 부채 지지자들은 실물 자산과 장기 임대를 지적한다. 사전 임대된 시설은 투기적 기술 벤처보다 이미 확립된 인프라에 더 가깝다고 주장한다.

이 논리는 신용등급이 높은 임차인이 뒷받침하는 건물에서 가장 강력하다. 단기 수요가 변동해도 계약 임대료는 계속 유입될 수 있다.

신용평가사들은 여러 거래에서 이 논리를 받아들였다. 일부 유동화는 한 사이트에 대한 의존도를 줄이기 위해 여러 시설, 고객, 임대 계약을 결합한다.

하지만 금융이 건물에서 칩으로 옮겨갈수록 이 논리는 약해진다. 하드웨어는 고객이 컴퓨팅 용량을 실제로 사용하거나 예약할 때에만 현금을 창출한다.

3년 고객 약정은 3년 대출을 뒷받침할 수 있다. 미래 모델 수요에 대한 막연한 기대는 같은 수준의 보호를 제공할 수 없다.

쟁점은 AI에 유용한 응용 분야가 있느냐가 아니다. 사용량이 금융 문서에서 가정한 시점과 규모에 맞춰 수익을 창출하느냐의 문제다.

모델 개발업체들은 치열한 경쟁에 직면해 있다. 추론 가격 하락은 도입을 확대하는 동시에 컴퓨팅 작업 단위당 수익을 줄일 수 있다.

추론은 훈련된 모델을 실행해 답변이나 예측을 생성하는 과정이다. 이는 일상적인 AI 컴퓨팅 수요에서 점점 더 큰 비중을 차지한다.

효율성 개선은 또 다른 긴장을 만든다. 더 나은 소프트웨어는 작업마다 필요한 하드웨어의 양을 줄일 수 있다.

이는 고객에게는 긍정적이다. 그러나 컴퓨팅 용량 소비가 꾸준히 증가한다는 상환 모델을 가정하는 프로젝트에는 부정적일 수 있다.

새 프로세서는 출력 단위당 비용도 낮출 수 있다. 구형 클러스터는 경쟁력을 유지하려면 할인해야 할 수 있으며, 이는 예상 현금흐름을 줄인다.

따라서 신용도는 단순히 가동률 이상의 요소에 달려 있다. 대출기관은 고객, 워크로드, 계약, 하드웨어 세대, 교체 계획을 이해해야 한다.

데이터 센터는 완전히 임대된 상태에서도 숨은 집중 위험을 안고 있을 수 있다. 여러 임대 계약이 궁극적으로 하나의 AI 연구소나 하나의 클라우드 플랫폼에 의존할 수 있다.

보증은 집행 가능하고 건전한 대차대조표가 뒷받침될 때에만 그 위험을 줄일 수 있다. 모든 프로젝트가 완전한 기업 보증을 받는 것은 아니다.

일부 구조는 제한적 보증, 공급업체 지원 또는 최소 수익 약정에 의존한다. 이러한 차이는 문제가 발생한 뒤 대출기관이 원금을 회수할 수 있는지를 결정할 수 있다.

월가는 이미 더 면밀히 주시하고 있다. Bloomberg reported에 따르면, 설문에 참여한 글로벌 펀드 매니저의 34%는 하이퍼스케일러의 자본지출을 향후 시스템적 신용 사건의 가장 유력한 원인으로 봤다.

이 비율은 전월 대비 두 배로 늘어난 것으로 전해졌다. 미국 사모 신용은 응답자의 42%가 선택해 더 큰 우려로 남았다.

이러한 응답이 AI 신용위기가 다가오고 있음을 입증하는 것은 아니다. 이는 투자자들이 집중도와 금융 위험을 점점 더 인식하고 있음을 보여준다.

가장 견고한 거래에는 여전히 의미 있는 방어 장치가 있다. 여기에는 장기 계약, 분산된 임차인, 확보된 전력, 검증된 스폰서, 보수적인 담보인정비율이 포함된다.

더 위험한 거래는 낙관적인 가동률, 불확실한 전력 공급, 집중된 고객 또는 하드웨어 재판매 가치에 대한 공격적인 가정에 의존한다.

공시가 개선되면 시장은 두 집단의 가격을 다르게 매길 수 있다. 투자자들이 스트레스가 닥치기 전에 차이를 식별할 수 있다면, 그 과정은 건전할 것이다.

Citadel Securities의 전망은 별도의 공급 문제를 제기한다. 건전한 차입자도 수천억 달러 규모의 신규 채권이 투자자 수요를 두고 경쟁하면 더 높은 비용을 부담할 수 있다.

회사채 매수자들의 위험 예산은 제한돼 있다. 기술 부문의 발행 증가로 다른 기업이 밀려나거나 자본을 유치하기 위해 더 높은 수익률이 필요해질 수 있다.

Dallas Fed는 AI 금융이 듀레이션 공급과 금리 스왑을 통해 국채 수익률 곡선에도 영향을 줄 수 있다고 주장한다. 그 효과는 최초 차입자를 넘어 확산될 수 있다.

이는 성공적인 AI 프로젝트도 경제 전반의 자금 조달 비용을 높일 수 있음을 뜻한다. 신용 압력에 광범위한 디폴트가 꼭 필요한 것은 아니다.

발행 물량의 급증은 스프레드를 확대하고, 기간 프리미엄을 높이며, 어느 차입자가 자본을 받는지를 바꿀 수 있다. 소규모 발행자가 아마도 그 압력을 먼저 느낄 것이다.

대형 하이퍼스케일러는 강력한 현금흐름과 폭넓은 자본 접근성을 유지한다. 독립 클라우드 제공업체와 개발업체는 수용적인 신용 시장에 더 크게 의존한다.

이들은 또한 더 높은 고객 집중도와 차환 익스포저에 직면한다. 따라서 대출기관의 선호가 조금만 바뀌어도 확장 계획이 달라질 수 있다.

주된 경쟁은 공모 부채와 사모 부채 사이의 대결이 아니다. 두 시장 모두 생산적 자산에 자금을 공급할 수 있고, 둘 다 위험을 잘못 가격에 반영할 수 있다.

진짜 경쟁은 계약된 현금흐름과 노후화 사이에 있다. 모든 구조는 누가, 얼마나 오래, 어떤 조건에서 지불하는지에 답해야 한다.

2028년 이전에 이 전망을 검증할 세 가지 신호

발행 규모, 계약의 질, 차환 성과가 예상된 부채 물결이 계속 자금 조달 가능한지를 결정할 것이다.

첫 번째 신호는 실제 AI 관련 채권 및 사모 신용 발행이다. Citadel Securities는 큰 전망치를 제시했지만, 시장 데이터가 그 속도를 확인해야 한다.

투자자들은 기업 차입과 프로젝트 단위 금융을 구분해야 한다. 또한 건물, 전력 장비, 네트워킹 시스템, 칩도 구별해야 한다.

이들 자산은 서로 다른 내용연수와 회수 가치를 지닌다. 이를 하나의 헤드라인 수치로 합치면 시장의 근본적 위험이 가려질 수 있다.

Dallas Fed의 2026년 투자등급 발행 3,000억 달러 추정치는 하나의 기준점이 된다. 그 수준에 가까운 발행 속도가 지속된다면 더 광범위한 부채 물결 논리를 뒷받침할 것이다.

급격한 둔화는 다른 이야기를 전할 것이다. 이는 프로젝트 지연, 투자자 저항, 수요 약화 또는 기업 현금 사용의 재개를 반영할 수 있다.

두 번째 신호는 고객 약정의 질이다. 발표된 용량이 계약된 수익과 같지는 않다.

투자자들은 신규 용량 중 얼마나 사전 임대됐는지, 임차인이 완전 보증을 제공하는지 살펴봐야 한다. 최소 지급액과 해지 조항도 비슷한 수준의 검토가 필요하다.

또한 프로젝트 전반의 집중도를 추적해야 한다. 여러 SPV를 뒷받침하는 한 고객은 단일 금융 거래가 보여주는 것보다 더 큰 익스포저를 만들 수 있다.

프로젝트가 완공 단계에 이르면 확정 수요와 예상 수요의 차이가 중요해질 것이다. 구속력 있는 고객이 없는 용량은 더 큰 차환 압력에 직면할 것이다.

세 번째 신호는 초기 칩 담보 대출의 성과다. 연체는 하나의 지표일 뿐이며, 흔히 늦게 나타난다.

가동률, 임대 가격, 계약 갱신, 담보 평가, 만기 연장은 더 이른 시점에 스트레스를 드러낼 수 있다. 대출 조건 변경은 초기 전망이 지나치게 공격적이었음을 보여줄 수 있다.

거래 가능한 증권의 유통시장 스프레드도 유용한 지표다. 스프레드 확대는 투자자들이 신용 또는 유동성 위험에 대해 더 큰 보상을 원한다는 뜻이다.

차환은 가장 명확한 시험대가 될 것이다. 추가 지원 없이 만기 부채를 대체하는 프로젝트는 대출기관의 지속적인 신뢰를 입증한 것이다.

스폰서 자금, 더 강한 보증 또는 고비용 연장이 필요한 프로젝트가 반드시 실패한 것은 아니다. 그러나 그 초기 경제성은 재평가할 필요가 있다.

하드웨어 성능도 부채 상환 일정과 비교해야 한다. 클러스터는 안정적으로 운영되면서도 대출기관이 예상한 것보다 더 빨리 상업적 관련성을 잃을 수 있다.

따라서 시장은 설치 자본 단위당 수익에 주목해야 한다. 원시 컴퓨팅 용량은 프로젝트가 채무를 상환할 수 있는지를 거의 말해주지 못한다.

낙관적인 경로는 여전히 가능하다. AI 사용량이 충분히 늘어나면 신규 시스템과 구형 시스템이 서로 다른 가격대에서 모두 바쁘게 가동될 수 있다.

새 프로세서는 까다로운 훈련 및 추론 워크로드를 처리할 수 있다. 구형 하드웨어는 소형 모델, 배치 처리, 시간 민감도가 낮은 애플리케이션을 지원할 수 있다.

그러한 계층형 시장은 내용연수를 연장하고 담보 회수율을 높일 것이다. 이는 프리미엄 수요가 앞으로 이동한 뒤에도 구형 장비가 가치를 유지하는 다른 기술 시장과 닮아 있을 것이다.

부정적 경로는 효율성 향상이 워크로드 증가를 앞지를 때 시작된다. 제공업체들은 고정된 금융 의무를 계속 부담하면서 요금을 인하하며 경쟁하게 된다.

짧은 만기는 취약한 프로젝트를 빠르게 드러낼 것이다. 사모 구조는 공개적인 인식을 늦출 수는 있어도 경제적 손실을 막을 수는 없다.

그러므로 버블이라는 판정보다 신중한 해석이 더 유용하다. 이 전망은 자금 조달 필요성을 설명하는 것이지, 발행 총액이나 디폴트 결과를 보장하는 것은 아니다.

그 중요성은 메커니즘에 있다. AI 확장은 미래 소프트웨어 수익에 대한 기대를 현재의 물리적 자산으로 담보된 부채로 전환하고 있다.

이러한 전환은 모든 수요가 실현되기 전에 대출기관이 자본을 제공하기 때문에 건설을 가속할 수 있다. 또한 기술 주기의 일부를 신용 포트폴리오로 이전한다.

개발업체와 기업 구매자는 그 결과를 면밀히 지켜봐야 한다. 금융 여건은 어떤 클라우드 리전이 열리는지, 어떤 칩을 이용할 수 있는지, 제공업체가 장기 계약을 어떻게 구성하는지에 영향을 미칠 수 있다.

지식 노동자들은 제품 접근성과 사용 한도를 통해 간접적으로 영향을 받게 될 것이다. 더 높은 인프라 비용은 구독, 모델 선택, 서비스 안정성을 좌우할 수 있다.

채권 투자자들은 가장 직접적인 익스포저에 놓여 있다. 이들에게는 AI 도입에 대한 광범위한 주장만으로는 제공할 수 없는 자산 단위의 답이 필요하다.

Citadel Securities는 다가오는 시장에 큰 숫자를 제시했다. 다음 과제는 그 부채 중 얼마가 지속 가능한 현금흐름에 자금을 조달하는지 판단하는 것이다.

최신 건설 발표만이 아니라 첫 번째 차환 주기를 지켜봐야 한다. 그것이 AI 칩 부채가 신뢰할 수 있는 인프라 신용으로 자리 잡는지, 아니면 내일의 수요에 반복적으로 거는 베팅인지 보여줄 것이다.