AI가 네트워크 수요를 확대하며 Cloudflare 이익 전망 상향

Cloudflare는 11월 5일 연간 실적 전망을 다시 상향하며, 인공지능이 모델을 구축하는 기업을 넘어서는 수요를 만든다는 주장을 강화했다. 이제 Cloudflare 이익 전망은 더 빠른 사업 성장을 반영하지만, 회사는 표준 회계 규칙상 여전히 순손실을 기록했다.

핵심 쟁점은 그 수요가 어떻게 이익으로 이어지느냐에 있다. AI 애플리케이션에는 연결, 보호, 소프트웨어를 실행할 환경이 필요하다. 이러한 서비스를 판매하면 기회가 생기지만, 추가 워크로드를 처리하는 데에도 비용이 따른다.

Cloudflare의 실적은 개발자와 기업 구매자에게 이 균형을 부각한다. Akamai를 비롯한 경쟁사들도 같은 주변 인프라 기회를 추구하고 있다. 관건은 어떤 제공업체가 AI 활동을 지속적인 고객 관계와 매력적인 경제성으로 전환할 수 있느냐이다.

Cloudflare 이익 전망, 다시 상향

Cloudflare는 연간 조정 이익 기대치를 높이며 2026년 동안 이어진 상향 조정 흐름을 연장했다.

회사의 분기 재무 실적에 따르면 예상 연간 조정 주당순이익은 1.35달러다. 주당순이익은 각 주식에 배분되는 이익을 측정한다. 조정 수치는 특정 비용을 제외한다.

3분기 매출은 7억8,250만 달러로, 전년보다 39% 증가했다. 분기는 9월 30일에 종료됐으므로, 이번 발표는 업데이트된 전망과 함께 완료된 사업 활동을 보고한 것이다.

비교하면, 이전 연간 전망은 조정 주당순이익을 1.25~1.26달러로 예상했다. 8월 발표에서는 2분기 매출이 36% 증가했다고 밝혔다.

이 흐름은 더 이전으로도 이어진다. Cloudflare의 1분기 전망은 연간 조정 주당순이익을 1.19~1.20달러로 예상했다. 1분기 매출은 34% 증가했다.

이러한 비교는 주식시장 반응에 의존하지 않고도 전망 수정의 방향을 보여준다. 보고된 매출 성장률이 가속화되면서 경영진은 이익에 대해 더 낙관적으로 변했다.

다만 이익 전망은 경영진의 기대를 설명할 뿐이다. 최종 결과를 보장하거나 모든 제품의 기여도를 특정하지는 않는다.

이번 발표에는 회계상 구분도 필요하다. GAAP, 즉 일반적으로 인정된 회계원칙은 보고 재무제표의 표준 체계를 제공한다. Cloudflare는 분기 기준 3,410만 달러의 GAAP 순손실을 기록했다.

따라서 조정 이익을 언급할 때 이를 개선된 이익 전망이라고 부르는 것은 정확하다. 이를 전사적 GAAP 수익성 달성 발표라고 부르면 실적을 잘못 전달하게 된다.

이 구분은 금융 용어를 넘어 중요하다. 제공업체는 사업을 확장하고 일부 지표를 개선하면서도, 보고된 수익을 초과하는 비용을 계속 부담할 수 있다.

고객에게 이번 상향 조정은 사업 모멘텀의 증거를 제공한다. 특정 애플리케이션의 성능이 개선됐는지, 운영 비용이 낮아졌는지, 또는 보안 요건을 충족하는지에 대해서는 직접적인 정보를 덜 제공한다.

경쟁사에는 이번 발표가 자체 AI 전략 뒤에 있는 상업적 성과를 입증해야 한다는 압박을 높인다. 제품 발표만으로는 매출 및 고객 약정보다 약한 비교 근거가 된다.

따라서 유용한 출발점은 좁고 구체적이다. Cloudflare는 이전에 예상했던 것보다 사업에서 더 많은 조정 이익을 낼 것으로 기대한다. AI와의 연결고리를 이해하려면 고객이 이 사업에서 실제로 무엇을 필요로 하는지 살펴봐야 한다.

AI 수요는 모델 제공업체를 넘어선다

Cloudflare의 기회는 서비스 연결, 요청 제어, 애플리케이션 운영을 포함해 AI 응답을 둘러싼 작업에 기반한다.

모델은 답변을 생성하지만, 작동하는 제품은 그보다 훨씬 많은 일을 해야 한다. 요청을 받고 응답을 전달해야 한다.

모델과 도구를 사용해 작업을 수행하는 소프트웨어인 AI 에이전트는 추가적인 상호작용을 더한다. 다음 행동을 결정하기 전에 정보를 검색할 수도 있다.

이는 AI 도입에서 인프라 수요로 이어지는 그럴듯한 경로를 만든다. 애플리케이션은 기반 모델이 다른 회사 제품이더라도 안정적인 연결이 필요하다.

중요한 상업적 구분은 고객이 운영상 문제를 어디에서 마주하느냐에 있다. 시연은 답변 품질을 강조할 수 있다. 그러나 실제 운영 애플리케이션은 장애와 예측하기 어려운 사용량도 처리해야 한다.

Cloudflare는 AI 애플리케이션 제어 기능을 통해 이러한 주변 역할을 문서화한다. AI Gateway는 애플리케이션과 모델 제공업체 사이에 위치하며, 요청 가시성과 관리 기능을 제공한다.

문서화된 기능에는 로깅, 요청 제한, 재시도, 모델 간 폴백이 포함된다. 응답을 재사용하도록 저장하는 캐싱은 반복 작업을 관리하는 또 다른 방법이다.

이러한 역량은 네트워크 제공업체가 답변을 생성하는 모델을 개발하지 않고도 참여할 수 있는 이유를 설명한다. 그 역할은 애플리케이션과 외부 서비스 사이에 놓일 수 있다.

상업적 논리는 그 위치가 비용이 큰 운영 문제를 해결할 때 가장 강력하다. 고객은 실험이 끝난 뒤에도 중개 계층을 유지할 이유가 필요하다.

예를 들어 한 팀은 서로 다른 모델 전반의 장애를 일관되게 파악하는 기능을 가치 있게 여길 수 있다. 다른 팀은 애플리케이션이 통제되지 않은 요청을 보내지 않도록 막는 일을 우선시할 수 있다.

이는 특정 Cloudflare 계약의 증거가 아니라 구매 시 고려할 수 있는 예시다. 그 관련성은 문서화된 기능을 구매자가 내려야 할 결정과 연결하는 데서 나온다.

이 구분은 “AI 수요”가 무엇을 의미하는지도 명확히 한다. 이는 직접적인 모델 실행, 지원 애플리케이션 서비스 또는 AI와 상호작용하는 시스템의 보호를 뜻할 수 있다.

이러한 범주를 서로 바꿔 쓸 수 있는 것으로 취급해서는 안 된다. 기술적 요구 사항이 다르며, 기업 이익에 대한 기여도도 별도의 증거가 필요하다.

Cloudflare의 더 광범위한 사업은 AI를 넘어선 요구를 지닌 고객도 지원한다. 경영진이 인공지능을 논의한다고 해서 보안 구매가 자동으로 AI 구매가 되는 것은 아니다.

방어 가능한 해석은 AI가 고객이 인프라 서비스를 사용할 수 있는 이유를 확대한다는 것이다. 실적 발표는 그 확대의 모든 부분을 정량화하지는 않는다.

이는 Cloudflare에 실질적인 과제를 남긴다. AI 애플리케이션에 대한 관심 증가를 초기 개발 이후에도 고객이 계속 사용하는 서비스와 연결해야 한다.

기업 구매자도 이에 상응하는 과제에 직면한다. 어떤 인프라 추가가 애플리케이션을 개선하고, 어떤 것이 단지 또 하나의 의존성을 더하는지 파악해야 한다.

긍정적인 실적 발표는 이러한 평가의 시급성을 높인다. 그러나 워크로드별 증거를 대체하거나 모든 AI 프로젝트에 같은 아키텍처가 필요하다는 점을 입증하지는 않는다.

사업 기회는 애플리케이션을 계속 운영하는 데 있다

가장 강력한 인프라 논리는 완성된 애플리케이션과 이를 지속하기 위해 필요한 운영 작업에서 출발한다.

Cloudflare는 텍스트 채팅을 넘어선 구체적 사례를 이미 설명했다. 파트너 모델 통합을 통해 2025년 8월 Leonardo.Ai 이미지 모델과 Deepgram 음성 모델을 Workers AI에 도입했다.

Workers AI는 Cloudflare 인프라에서 모델을 실행하는 서비스다. 해당 발표는 이미지 생성 애플리케이션과 음성 에이전트를 의도된 활용 사례로 제시했다.

Cloudflare는 이미지 생성을 애플리케이션 로직, 스토리지, 이미지 전송과 결합하는 방식을 설명했다. 음성 애플리케이션에서는 음성 처리를 실시간 커뮤니케이션 서비스와 연결하는 방식을 설명했다.

이 사례들은 현재 실적 이야기에 유용한 기준점을 제공한다. 모델 접근이 어떻게 더 큰 인프라 관계의 일부가 될 수 있는지 보여준다.

이미지 생성 사례를 애플리케이션 설계로 생각해 보자. 이미지를 만드는 것은 사용자의 요청 중 일부만 완성한다. 결과물은 이후에도 계속 이용할 수 있어야 한다.

제품은 해당 이미지를 계정과 연결하고, 안정적으로 표시하며, 나중의 접근을 지원해야 할 수 있다. 이러한 주변 요구 사항은 추가 인프라 결정을 만든다.

상업적 기회는 이러한 요구 사항을 함께 제공하는 데서 나온다. 애플리케이션의 더 많은 부분을 처리하는 제공업체는 지속적인 운영의 일부가 될 기회를 더 많이 얻는다.

그 결과는 여전히 조건부다. 폭넓은 제품 카탈로그가 고객이 모든 구성 요소를 채택한다거나 번들링이 항상 경험을 개선한다는 점을 입증하지는 않는다.

통합은 서비스 간 조정에 필요한 작업을 줄일 수 있다. 반면 애플리케이션 동작이 제공업체별 기능에 의존하면 마이그레이션을 더 복잡하게 만들 수도 있다.

음성 애플리케이션은 또 다른 고려 사항인 응답성을 부각한다. 음성 처리, 모델 생성, 전송 전반에서 지연이 누적되면 대화가 어색하게 느껴질 수 있다.

단일 구성 요소가 전체 경험을 결정하지는 않는다. 구매자는 모델 벤치마크를 애플리케이션 벤치마크로 간주하기보다 전체 상호작용을 평가해야 한다.

Cloudflare의 파트너 발표는 의도한 아키텍처를 설명한다. 고객 워크로드 전반에서 우수한 성능을 독립적으로 입증하거나 현재 이익에 대한 구체적 기여도를 확립하지는 않는다.

그럼에도 이 실적 이야기에서 도출되는 추론은 간단하다. 개발자가 제공업체의 서비스 주변에서 완전한 애플리케이션을 구축한다면, 사용량은 최초 모델 호출을 넘어 확장될 수 있다.

이는 모델 출력 요청을 위해 애플리케이션이 접속하는 주소인 모델 엔드포인트를 활용한 짧은 실험과는 다른 관계를 만든다.

팀이 모델을 바꾸면 실험은 끝날 수 있다. 반면 스토리지, 접근 제어, 전송은 계속 필요하기 때문에 애플리케이션 관계는 지속될 수 있다.

바로 이 지점에서 Cloudflare의 연간 전망이 개발자에게 의미를 갖는다. 사업 모멘텀은 개별 AI 기능과 함께 자사의 인프라 전략을 고려할 가치가 있다는 주장을 뒷받침한다.

그러나 도입 여부는 여전히 열려 있는 문제다. 필요한 증거는 제품 페이지에 나열된 기능 수가 아니라 지속적인 애플리케이션 사용량과 확대되는 고객 약정이다.

구매자에게 이는 운영 적합성으로 관심을 옮긴다. 유용한 비교는 전체 애플리케이션의 동작, 소유권 요구 사항, 그리고 발전 가능성을 다룬다.

Akamai는 이 기회가 경쟁적임을 보여준다

Cloudflare는 AI 애플리케이션 주변의 인프라를 제공하려는 경쟁사들과 맞서고 있어, 경쟁 없는 시장이라는 주장을 제한한다.

Akamai의 관리형 추론 서비스는 이러한 중복을 보여준다. 추론은 학습된 모델을 실행해 출력을 생성하는 것을 의미한다.

Akamai는 더 광범위한 클라우드 서비스와 함께 관리형 모델 접근을 설명한다. 이 서비스는 공유 용량과 전용 배포를 포함하며, 제공 조건은 제품 페이지에 설명돼 있다.

이러한 포지셔닝은 구매자에게 모델 실행과 애플리케이션 인프라를 결합할 또 다른 경로를 제공한다. 또한 Cloudflare의 재무 모멘텀이 독점적인 기술 소유권과 혼동되어서는 안 되는 이유를 보여준다.

두 회사 모두 개발자의 인프라 관리 부담을 줄이는 방안을 제시한다. 이들의 마케팅은 어느 한쪽이 모든 워크로드에 더 적합하다는 독립적 증거라기보다 경쟁하는 가치 제안을 내세운다.

경쟁의 핵심은 애플리케이션 관계의 주도권을 누가 갖느냐에 있다. 고객이 AI를 둘러싼 반복적인 운영 수요를 위해 특정 제공업체에 의존할수록 해당 제공업체는 이점을 얻는다.

고객이 동일한 기반 모델을 사용하더라도 이러한 경쟁은 발생할 수 있다. 차이는 배포 제어 기능, 통합 요구사항 또는 주변 서비스에서 나타날 수 있다.

구매자에게 이는 모델 제공 여부만으로는 불완전한 비교 기준이라는 뜻이다. 잘 알려진 모델에 접근할 수 있다고 해서 운영 환경에서의 서비스 동작에 관한 문제가 해결되는 것은 아니다.

글로벌 인프라에 관한 주장도 마찬가지다. 지리적 도달 범위는 중요할 수 있지만, 지연과 제약이 발생하는 위치는 애플리케이션의 실제 종속성이 결정한다.

광범위하게 분산된 애플리케이션도 멀리 떨어진 데이터베이스에 의존할 수 있다. 가까운 모델 엔드포인트가 시스템의 다른 곳에서 발생하는 모든 지연을 없앨 수는 없다.

이는 Cloudflare와 Akamai 사이에 측정된 성능 격차에 관한 주장이 아니라 아키텍처상의 고려 사항이다. 경쟁 평가에 애플리케이션 수준의 증거가 필요한 이유를 설명한다.

Cloudflare가 받는 압력은 고객이 추가 서비스를 선택할 만큼 더 폭넓은 플랫폼을 유용하게 만드는 것이다. 전망치 상향은 회사의 상업적 입지를 강화한다.

경쟁업체가 받는 압력은 AI 제품 제공이 지속적인 고객 사용으로 이어지는 설득력 있는 경로를 제시하는 것이다. 출시는 선택지를 만들지만, 채택은 사업을 만든다.

구매자는 중요한 협상력을 유지한다. 즉, 실제로 필요한 서비스와 더 넓은 제안에 포함된 서비스를 구분할 수 있다는 점이다.

한 팀은 운영 단순화를 위해 단일 제공업체를 선호할 수 있다. 다른 팀은 애플리케이션 구성요소마다 요구사항이 다르기 때문에 별도의 제공업체를 유지할 수 있다.

어느 선택도 실적 발표만으로 자동으로 결정되지는 않는다. 적절한 비교는 애플리케이션이 수행하는 작업과 운영자가 수용하는 책임에 따라 달라진다.

이것이 AI 인프라 시장이 여러 제공업체를 수용할 수 있는 이유이기도 하다. 애플리케이션마다 제어, 편의성, 배포 유연성, 운영 책임에 서로 다른 비중을 둔다.

Cloudflare의 실적은 이 경쟁의 중요성을 높인다. 그러나 경쟁의 승패를 결정하거나 경쟁업체가 정확히 동일한 제품 전략을 따라야 한다는 점을 입증하지는 않는다.

다음 질문은 고객 서비스 비용을 계산에 포함했을 때 확대되는 사용량이 수익으로 얼마나 효과적으로 전환되는가이다.

더 빠른 성장은 경제성에 대한 검토 여지를 남긴다

증가하는 활동은 제공업체가 수용 가능한 경제적 조건으로 이를 제공할 수 있을 때에만 인프라 사업을 뒷받침한다.

Cloudflare의 이익 전망은 경영진의 사업 자신감을 반영한다. 모든 추가 AI 상호작용이 동일한 재무적 수익을 낸다는 점을 입증하지는 않는다.

Cloudflare는 3분기 조정 매출총이익률이 72.4%였다고 보고했으며, 이는 1년 전의 75.3%와 비교된다. 매출총이익률은 서비스 제공의 직접 비용을 뺀 뒤 남는 매출을 측정한다.

조정 영업이익률은 15.3%에서 17.5%로 상승했다. 영업이익률은 직접 서비스 비용 외의 추가 사업 비용을 반영한다.

이 지표들은 서로 다른 방향으로 움직였다. 이는 수익성을 하나의 형용사로 요약하기보다 사업을 면밀히 검토해야 할 이유다.

이 수치만으로는 AI가 매출총이익률 압박의 원인이라고 독립적으로 식별할 수 없다. 제품 구성, 인프라 지출 및 기타 요인에 인과관계를 부여하려면 증거가 필요하다.

그렇다고 더 높은 수요에 가치가 없다는 뜻도 아니다. 기업은 더 폭넓은 고객 관계를 추구하면서 제품별로 서로 다른 경제성을 수용할 수 있다.

문제는 이러한 선택이 지속 가능한 수익을 만들어 내는지다. 이를 판단하려면 시간이 흐르면서 비용과 수익을 함께 살펴봐야 한다.

추가 요청은 제공업체가 처리해야 하는 작업을 의미한다. 그것이 추가 수익을 낳는지는 고객 계약과 해당 서비스에 달려 있다.

일부 활동은 고객 지출이 그에 비례해 늘지 않아도 운영 요구사항을 증가시킬 수 있다. 모든 트래픽을 똑같이 가치 있는 것으로 취급하면 이 차이가 가려진다.

AI는 효율성이라는 또 다른 복잡성을 더한다. 고객은 반복적인 모델 호출을 줄이거나 불필요한 작업을 제한하기 때문에 특정 서비스를 원할 수 있다.

그렇다고 인프라 사업을 뒷받침하지 못하는 것은 아니다. 제공업체의 가치는 원시 요청량을 극대화하는 것이 아니라 고객이 효율적으로 운영하도록 돕는 데서 나올 수 있다.

이는 단순한 AI 성장 서사에 대한 가장 분명한 회의적 반론이다. 고객 가치와 인프라 활동이 항상 함께 증가하는 것은 아니다.

효과적인 서비스는 애플리케이션이 더 적은 호출로 작업을 완료하도록 도울 수 있다. 이 경우 사업성은 고객이 그 개선에 부여하는 가치에 달려 있다.

같은 논리는 애플리케이션 장애에도 적용된다. 반복 시도는 활동을 만들어 내는 동시에 사용자를 좌절시키고 유용한 작업을 완료하는 비용을 높일 수 있다.

따라서 엔터프라이즈 구매자에게는 요청 증가만 보는 것보다 성공적인 작업 완료가 더 유익한 정보다. 바쁜 시스템이 반드시 생산적인 시스템을 의미하지는 않는다.

Cloudflare에 해당하는 상업적 질문은 채택의 질에 관한 것이다. 지속적인 프로덕션 사용은 일시적 실험과 다른 의미를 지닌다.

현재 이용 가능한 증거는 개선된 회사 전망을 뒷받침한다. 다만 AI의 기여와 서로 다른 워크로드에 수반되는 비용은 추가 검토의 여지를 남긴다.

이는 실적 분석에서 일반적인 경계다. 재무 보고는 사업 성과를 입증하고, 제품 문서는 기능을 입증한다. 둘을 연결하려면 추가 공시가 필요하다.

따라서 독자는 모든 개선을 AI에, 또는 모든 비용 압박을 AI 인프라에 돌리지 말아야 한다. 두 결론 모두 여기에서 제시된 증거를 넘어선다.

더 강한 평가는 주장을 분리한다. Cloudflare는 기대치를 상향했고, 관련 애플리케이션 인프라를 제공하며, 지속적인 경제적 상충관계가 있는 경쟁 시장에서 사업을 운영하고 있다.

다음에는 채택, 마진, 구매자 선택을 지켜봐야 한다

다음으로 유용한 증거는 고객 약정, 서비스 경제성, 경쟁적 채택을 연결할 것이다.

첫째, 이후 공시에서 AI 애플리케이션이 지속적인 프로덕션 사용으로 전환되는지를 지켜봐야 한다. 가장 강력한 사례는 고객이 무엇을 운영하고 어떤 서비스에 의존하는지를 설명할 것이다.

실명이 언급된 고객 사례는 유용한 세부 정보를 제공할 수 있지만, 그 범위가 중요하다. 제한적인 시험 운영만으로는 조직 전반의 광범위한 배포를 입증할 수 없다.

보다 구체적인 공시는 AI가 반복적인 인프라 수요를 뒷받침한다는 논거를 강화할 것이다. 일반적인 열기에 계속 의존한다면 그 기여도를 평가하기는 더 어려워질 것이다.

구매자는 고객 관심과 고객 의무도 구분해야 한다. 서비스를 평가하고, 배포하며, 지속적인 사용을 약정하는 것은 서로 다른 단계다.

둘째, 실적 개선이 서비스 비용에 관한 증거를 동반하는지 지켜봐야 한다. 매출 성장만으로는 새로운 워크로드가 사업의 경제성을 개선하는지 답할 수 없다.

관련 질문은 운영 개선이 서비스 제공 비용과 어떻게 연결되는지에 관한 것이다. 재무 지표가 서로 다른 방향으로 움직일 때는 경영진의 설명이 중요해진다.

고객 채택이 확대되는 동안 서비스 경제성이 건전하게 유지된다면 인프라 논지는 더 설득력을 얻는다. 성장이 지속적인 양보를 요구한다면 해석은 덜 긍정적이 된다.

모든 재무 지표가 동시에 개선될 필요는 없다. 현재 투자가 미래 고객 가치와 수익을 어떻게 뒷받침하는지에 대한 신뢰할 만한 설명이 필요하다.

셋째, 완전한 애플리케이션을 둘러싼 경쟁적 채택을 지켜봐야 한다. Akamai의 제품은 고객이 AI 실행과 지원 인프라를 결합하는 대안적 방식을 보유하고 있음을 분명히 보여 준다.

새로운 제품 제공은 고객 사용과 운영 세부 정보가 동반될 때 가장 중요해진다. 발표만으로는 변화한 경쟁 지위에 대한 증거가 제한적이다.

고객이 Cloudflare의 애플리케이션 서비스에 대한 의존을 계속 확대한다면 Cloudflare의 입지는 강화될 것이다. 경쟁업체는 유사한 채택과 더 명확한 운영상 이점을 통해 그 입지에 도전할 것이다.

개발자는 이러한 신호를 자신의 시스템에 관한 구체적인 질문으로 바꿔야 한다. 어떤 제공업체가 장애를 처리하는가, 애플리케이션 데이터는 어디에 저장되는가, 마이그레이션에는 무엇이 필요한가?

엔터프라이즈 구매자는 약정이 실제 사용량과 어떻게 부합하는지 물어야 한다. 계약은 실험이 미래 수요를 예측한다고 가정하기보다 애플리케이션의 운영상 요구를 반영해야 한다.

도구가 연결된 AI 서비스에 의존하는 경우 지식 근로자 역시 관련된 관심을 가진다. 신뢰성은 어시스턴트가 정보를 검색하고 작업을 일관되게 완료할 수 있는지에 영향을 준다.

따라서 실적 이야기는 주주를 넘어선다. 이는 사람들이 실제로 사용하는 애플리케이션과 모델을 연결하는 인프라를 어떤 회사들이 운영하게 될지에 관한 문제다.

Cloudflare의 이익 전망은 이 더 큰 경쟁 속에서 고무적인 사업 신호다. 그 의미는 채택 및 운영 증거가 축적될수록 더 분명해질 것이다.

AI 프로젝트를 위한 인프라를 선택하기 전에 결정의 근거가 된 가정과 이를 바꿀 증거를 문서화하라. 배포 노트, 서비스 한도, 관찰된 장애를 애플리케이션 담당자 모두가 쉽게 확인할 수 있도록 유지하라. 검색 가능한 지식 베이스는 제품과 요구사항이 변하는 과정에서도 이러한 판단 근거를 보존하는 데 도움이 될 수 있다. 이후 제공업체가 구체적인 채택 또는 운영 성과를 공개할 때 결정을 다시 검토하라. 해당 증거가 신뢰성 및 소유권 요구사항을 포함해 운영해야 하는 애플리케이션을 뒷받침하는지 물어야 한다. 현재 아키텍처의 어느 부분이 지속적인 가치를 입증했으며, 어느 부분이 여전히 AI 수요에 대한 검증되지 않은 기대에 기대고 있는가?