Jon Gray, 더딘 AI 수익에 대한 회의론에 반박

Jon Gray는 지출과 현금흐름에 대한 우려가 커지는 상황에서도 즉각적인 AI 수익을 요구하는 목소리에 반박하며, 그러한 조급함은 “다소 엇나간 것”이라고 말했다.

Google News를 통해 배포된 Business Insider 보도에 따르면, Blackstone 사장의 주장은 더 긴 투자 기간을 전제로 한다. 데이터센터는 경제성이 명확해지기까지 수년간의 계획 수립, 건설, 전력 조달, 고객 임대 계약이 필요하다.

이 입장은 공개 시장의 보다 날카로운 메시지와 충돌한다. 투자자들은 Alphabet, Amazon, Meta, Microsoft, Oracle에 AI 자본지출을 측정 가능한 매출, 마진, 잉여현금흐름과 연결하라고 점점 더 요구하고 있다.

Gray는 이 논쟁의 중립적 관찰자가 아니다. Blackstone은 데이터센터, 에너지 인프라, 기타 AI 관련 자산을 투자 전략의 중심에 배치해 왔다. 그 성과는 낙관론의 근거가 되지만, 이러한 익스포저는 지속적인 건설에 대한 분명한 재무적 이해관계도 의미한다.

따라서 핵심 논점은 AI가 수요를 창출하는지 여부가 아니다. 현재의 클라우드 성장과 인프라 투자 약정은 이미 상당한 수요를 보여준다. 쟁점은 시점, 집중도, 그리고 오늘의 건설이 금융비용과 운영비를 고려한 뒤에도 수용 가능한 수익을 낼 수 있는지에 있다.

Jon Gray의 AI 수익 논리는 시간에 관한 것이다

Gray는 투자자들에게 AI 인프라를 한 분기 안에 투자금을 회수해야 하는 소프트웨어 기능이 아니라, 장기 존속 산업 자산처럼 평가해 달라고 요구하고 있다.

Blackstone의 공개 자료는 칩, 데이터센터, 냉각 장비, 전력 생산을 아우르는 수년간의 지출 사이클을 설명한다. 클라우드 제공업체가 이를 통해 만들어낸 컴퓨팅 용량을 판매하려면 이러한 자산이 먼저 갖춰져야 한다.

이러한 순서 때문에 초기 수익 계산은 불완전할 수밖에 없다. 건설 지출은 즉시 발생하지만, 건물에 전력이 공급되고 서버가 설치되며 고객이 계약한 용량을 사용하기 시작한 뒤에야 매출이 들어온다.

데이터센터는 여러 세대의 컴퓨팅 장비를 수용할 수도 있다. 따라서 건물과 전력 연결의 경제적 수명은 처음 설치된 칩의 유효 수명을 넘어설 수 있다.

Gray의 입장은 Blackstone 자체 포트폴리오로부터 신뢰성을 얻는다. 회사의 2분기 실적 발표에서 경영진은 AI가 디지털 및 에너지 인프라 전반의 투자를 이끌고 있다고 밝혔다. Blackstone은 또한 최대 분기별 투자 수익 10건 중 9건이 AI 관련 사업과 연결돼 있다고 보고했다.

회사는 혼합형 디지털 인프라 전략이 설정 이후 연간 순수익률 18%를 기록했다고 밝혔다. 이 수치는 Blackstone의 한 투자 전략을 대상으로 한 것이며, 전체 AI 시장의 보편적 증거로 취급해서는 안 된다.

Blackstone은 ChatGPT 출시 전 인수한 데이터센터 운영업체 QTS를 부각해 왔다. 회사의 midyear outlook에 따르면, QTS의 임대 용량은 5년 동안 15배 증가했다.

이 경험은 Gray의 논리를 형성한다. Blackstone은 생성형 AI 수요가 뚜렷해지기 전에 자본을 투입했고, 이후 대형 클라우드 고객들이 더 많은 컴퓨팅 용량을 찾으면서 수혜를 입었다.

하지만 하나의 성공적인 플랫폼만으로 더 광범위한 수익률 문제를 결론지을 수는 없다. 진입 가격, 전력 가용성, 금융 구조, 임차인 계약, 건설 시점은 자산마다 다르다.

Blackstone의 수익은 공급망 내 위치도 반영한다. 장기 임대 계약을 맺은 임대인은 임차인의 AI 제품 수익성이 예상보다 낮게 유지되더라도 매력적인 수익을 낼 수 있다.

이 구분은 중요하다. 인프라 소유자는 희소한 용량을 판매하는 반면, 클라우드 기업은 그 용량을 반복적인 고객 매출로 전환해야 한다. 애플리케이션 개발업체는 비싼 모델 접근 비용과 컴퓨팅 비용을 충당할 만큼의 수익을 내야 한다는 또 다른 과제에 직면한다.

원래 발언은 인내심 있는 자본을 옹호하는 주장으로 이해하는 것이 가장 적절하다. Gray는 모든 AI 모델, 데이터센터, 소프트웨어 기업이 성공할 것이라고 주장하는 것이 아니다.

그의 보다 제한적인 주장은 투자자들이 상당수 용량이 가동되기도 전에 아직 완성되지 않은 구축 작업을 평가하고 있다는 것이다. 이 점에서는 건설 일정이 그의 주장을 뒷받침한다.

그러나 같은 일정은 실수를 가릴 수도 있다. 전력 제약으로 지연된 프로젝트는 가장 강력한 수요 창을 놓칠 수 있다. 현재 하드웨어를 중심으로 설계된 시설은 예상보다 빨리 비용이 큰 업그레이드를 필요로 할 수 있다.

따라서 시간은 Gray의 방어 논리이자 위험 요인이다. 기다리는 동안 계약된 수요는 매출이 될 수 있지만, 경쟁업체에도 용량을 추가하고 가격을 낮출 시간이 주어진다.

Google News가 AI 지출 의구심으로 채워지는 이유

기업들이 관련 수익을 공개할 수 있는 속도보다 자본 투자 약정이 더 빠르게 늘어나면서 투자자들의 회의론은 강해지고 있다.

최대 클라우드 제공업체들은 AI 매출과 이익을 별도 항목으로 보고하는 경우가 드물다. 대신 AI 활동은 더 넓은 범위의 클라우드, 광고, 소프트웨어 또는 인프라 사업 안에 포함된다.

이 회계 구조는 직접적인 수익률 계산을 어렵게 만든다. Google Cloud는 AI 서비스와 함께 기존 클라우드 워크로드를 포함하며, Microsoft의 클라우드 부문은 Azure와 다른 제품을 결합한다.

Amazon Web Services도 같은 귀속 문제를 안고 있다. Meta는 인프라의 상당 부분을 내부적으로 사용하며, AI는 추천, 광고, 콘텐츠 도구, 제품 개발을 지원한다.

한 earnings analysis는 클라우드 마진이 단서를 제공하지만 AI 투자 수익을 분리해낼 수는 없다고 분석했다. 기존 클라우드 워크로드는 여전히 높은 수익성을 유지하며, 더 약한 AI 경제성을 가릴 수 있다.

지출 규모는 더 쉽게 확인할 수 있다. Reuters는 Microsoft, Alphabet, Amazon, Meta, Oracle의 합의 자본지출 추정치가 1월 약 4,850억 달러에서 2026년 7월 약 7,300억 달러로 증가했다고 보도했다.

같은 cash-flow analysis는 2027년 이들 5개 기업의 자본지출이 창출하는 잉여현금흐름을 넘어설 수 있다고 전망했다.

기업들이 AI 지출을 일관되게 분리하지 않기 때문에 이 추정치에는 비AI 투자도 포함된다. 그러나 경영진은 서버, 데이터센터, 네트워킹, 관련 클라우드 용량을 주요 지출 동인으로 지목해 왔다.

압박의 양상은 기업마다 다르다. Microsoft는 분기 영업현금흐름 358억 달러를 보고하는 한편 금융 리스를 포함한 자본지출 375억 달러를 기록했다.

Amazon은 최근 12개월 영업현금흐름이 1,485억 달러에 달했다고 보고했지만, 잉여현금흐름은 12억 달러로 감소했다. Oracle의 2026 회계연도 자본지출은 영업현금흐름 320억 달러에 맞서 557억 달러에 이르렀다.

이 수치들이 지출 실패를 증명하는 것은 아니다. 다만 투자자들이 더는 용량 확대만으로 충분한 증거라고 받아들이지 않는 이유를 설명한다.

공개 시장의 주주들은 원래 많은 기술 기업을 자산 경량형 플랫폼으로 평가했다. 소프트웨어와 광고 매출은 공장, 장비, 재고의 상응하는 증가 없이도 확대될 수 있었다.

AI는 이 모델을 바꾼다. 매출 성장은 점점 더 물리적 시설, 특수 칩, 냉각 시스템, 송전 장비, 안정적인 전력에 의존한다.

그 결과는 소프트웨어 경제성과 산업 인프라가 결합된 형태에 가깝다. 이 조합은 지속적인 우위를 만들어낼 수 있지만, 수요가 확실해지기 전에 유연성을 낮추고 현금을 소진하기도 한다.

이것이 현재 Google News 보도의 배경에 있는 긴장이다. Gray는 수년간의 컴퓨팅 수요를 뒷받침할 인프라를 본다. 회의론자들은 수익성을 측정하기 어려운 막대한 고정 투자 약정을 본다.

두 입장은 완전히 상반되는 것이 아니다. 투자자들은 AI 수요가 성장할 것이라고 믿으면서도, 현재 건설에 투입되는 모든 달러가 적정한 수익을 내는지 의문을 제기할 수 있다.

이 구분은 시장 반응이 선택적으로 변한 이유를 설명한다. 클라우드 성장과 안정적인 마진을 보여주는 기업은 부채나 집중된 고객에 크게 의존하는 기업보다 더 많은 인내를 받는다.

논쟁은 경영진이 AI를 믿는지 여부를 넘어섰다. 투자자들은 이제 추가 지출이 마진이나 주주 수익을 영구적으로 약화시키지 않으면서 추가 매출을 낳는다는 증거를 원한다.

인내심 있는 인프라 자본, 분기별 시장 압박과 맞서다

핵심 갈등은 Gray의 장기 투자 모델과 단기 재무 증명을 요구하는 공개 시장 투자자들 사이에 있다.

Blackstone은 장기간 민간 자산을 보유하도록 설계된 펀드를 조성한다. 장기 임대, 계약된 현금흐름, 점진적 개발을 중심으로 투자를 구조화할 수 있다.

상장 기술 기업은 다른 시간표에 따라 움직인다. 매 실적 발표마다 주주들은 자본지출을 클라우드 성장, 영업이익, 잉여현금흐름과 비교할 또 한 번의 기회를 갖는다.

이 차이는 양측 모두가 옳아 보이게 만들 수 있다. 민간 데이터센터 투자는 10년 동안 좋은 성과를 낼 수 있는 반면, 초기 몇 년간 클라우드 제공업체의 현금흐름을 악화시킬 수 있다.

Gray의 모델은 희소성의 혜택도 받는다. 주요 데이터센터 시장에서는 적합한 토지, 전력망 연결, 장비, 인허가, 숙련된 운영 인력이 여전히 제한적이다.

Blackstone은 일부 지역에서 전력 확보에 걸리는 시간이 약 1년에서 7년 이상으로 늘어났다고 밝혔다. 희소성은 이미 전력이 공급되는 부지를 통제하는 소유자의 임대료와 자산 가치를 뒷받침할 수 있다.

하이퍼스케일러에게 동일한 희소성은 비용 상승을 뜻한다. 용량 지연이 고객 이탈 위험으로 이어질 수 있기 때문에, 클라우드 제공업체는 전력, 건설, 네트워킹, 장비에 더 많은 비용을 지불할 수 있다.

이는 이례적인 유인을 만든다. 기술 경영진에게 과소투자는 일시적인 과잉지출보다 더 위험하게 보일 수 있다.

충분한 컴퓨팅 용량을 확보하지 못한 고객은 워크로드를 다른 곳으로 옮기거나, 내부 시스템을 구축하거나, 경쟁업체와 장기 계약을 체결할 수 있다. 잃어버린 관계는 공급이 개선된 뒤에도 지속될 수 있다.

Moody’s는 이 우려를 하이퍼스케일러 관점에서 실존적인 문제라고 설명했다. 그 분석은 공격적인 건설이 초과 용량과 낮은 수익률을 만들 수 있다고도 경고했다.

데이터센터 지출은 일반적으로 매출보다 훨씬 앞선다. 프로젝트는 완전한 생산성을 갖추기 전에 계획, 건설, 시운전, 장비 설치, 고객 배포 과정을 거쳐야 한다.

이러한 시차는 조급함에 대한 Gray의 비판을 뒷받침한다. 건설 중인 시설에 완공되고 완전히 임대된 자산과 같은 수익을 기대하는 것은 합리적이지 않다.

그러나 투자자들이 미완성 건물만 평가하는 것은 아니다. 이들은 경영진이 동시다발적 과잉 구축을 피할 만큼 수요를 정확히 예측할 수 있는지를 평가한다.

Alphabet, Amazon, Meta, Microsoft, Oracle는 동시에 확장하고 있다. 특화 클라우드 제공업체와 국가 주도 프로젝트는 계획된 공급을 한층 더 늘린다.

모든 참여자가 유사한 성장 전망을 사용한다면, 고객이 흡수할 수 있는 것보다 더 많은 용량을 집단적으로 구축할 수 있다. 그러면 감가상각비, 이자, 전력 비용은 유지되는 가운데 클라우드 가격이 하락할 것이다.

Oppenheimer의 Jason Helfstein은 우려를 직설적으로 요약했다. 업계가 너무 많은 용량을 만들면 그 가격은 하락한다는 것이다. 이는 자본집약적 시장의 전형적인 위험이다.

통신 산업은 유의미한 역사적 비교 사례를 제공한다. 1990년대 후반의 광섬유 투자는 결국 필수 인프라가 된 기반을 만들었지만, 수익성 있는 수요가 나타나기 전에 용량이 먼저 공급되면서 많은 투자자가 손실을 입었다.

인터넷은 실패한 기술이 아니었다. 그럼에도 다수의 개별 프로젝트와 기업은 부진한 수익률을 기록했다.

AI 인프라도 같은 방식으로 엇갈린 결과를 낳을 수 있다. 사회 전체의 컴퓨팅 사용량은 크게 늘어날 수 있지만, 일부 자산 보유자는 지나치게 비싼 가격을 지불했거나 프로젝트를 과도하게 차입으로 조달했다는 사실을 깨달을 수 있다.

Goldman Sachs는 AI 하이퍼스케일러의 지출이 경제 규모 대비 1990년대 후반 통신 산업의 정점에 맞먹으려면 2026년 7,000억 달러에 도달해야 한다고 추산했다. 해당 기업의 투자 전망 역시 대형 공급업체들이 상당한 대차대조표 여력을 보유하고 있다고 지적한다.

따라서 규모는 가장 강한 기업의 즉각적인 재무 위기 위험을 낮춘다. 하지만 추가로 확보하는 용량이 이전 용량과 같은 수익률을 낼 것이라는 보장은 아니다.

Gray의 주장은 자본력이 탄탄한 투자자가 보유한 희소하고 계약 기반의 인프라에 적용할 때 가장 설득력이 크다. 그러나 이를 투기적 프로젝트, 높은 차입을 활용한 운영사, 검증되지 않은 애플리케이션 전반으로 일반화하면 설득력이 약해진다.

시장의 조급함은 단순한 단기적 사고가 아니다. 이는 지속 가능한 인프라와 아직 검증되지 않은 가정에 기반해 구축된 용량을 구분하려는 시도다.

빠진 수익률 데이터가 남기는 실질적인 검증 공백

Blackstone도 하이퍼스케일러도 AI 수익성의 완전한 그림을 제공하지 않기 때문에 Gray의 낙관론은 핵심 문제를 해소할 수 없다.

Blackstone은 선별된 인프라 전략과 개별 포트폴리오 기업의 성과를 보고할 수 있다. 이 결과는 특정 계약과 소유 구조 아래에서 자산이 어떤 성과를 냈는지를 보여준다.

그러나 해당 시설을 이용하는 클라우드 고객이 얻는 수익률은 드러내지 않는다. 또한 생성형 AI 애플리케이션이 공급망 전반에 필요한 가격을 뒷받침할 수 있는지도 보여주지 않는다.

하이퍼스케일러의 공시는 반대의 한계를 보인다. 연결 기준 매출, 마진, 현금흐름, 자본지출은 제시하지만 AI 인프라의 기여분은 좀처럼 분리해 공개하지 않는다.

이 때문에 투자자들은 간접 신호들을 조합하게 된다. 클라우드 성장률, 수주잔고, 가동률, 영업마진, 감가상각, 리스 약정, 경영진 발언을 살핀다.

각 신호에는 약점이 있다. 수주잔고에는 수년에 걸친 계약이 포함될 수 있으며, 고객은 매출 인식 전에 배포 일정을 재협상할 수 있다.

가동률은 가격이 하락하는 와중에도 개선될 수 있다. 클라우드 성장은 생성형 AI가 아니라 기존의 데이터베이스, 스토리지, 네트워킹 수요를 반영할 수도 있다.

수익성 있는 기존 서비스가 신규 AI 워크로드의 손실을 상쇄하기 때문에 마진도 안정적으로 유지될 수 있다. 부문별 공시가 없다면 강한 클라우드 실적이 매력적인 AI 수익률을 입증하지는 못한다.

고객 집중도 역시 또 다른 불확실성을 만든다. HSBC의 기술 리서치는 OpenAI와 Anthropic이 주요 클라우드 제공업체 여러 곳이 공개한 AI 관련 수주잔고의 약 절반을 차지한다고 추산했다.

공급업체들이 제한적인 고객 정보만 공개하기 때문에 정확한 비중은 검증하기 어렵다. 그러나 두 연구소 모두 지속적인 외부 투자와 대규모 인프라 약정에 의존한다는 점에서 이 가능성은 중요하다.

집중된 시장은 실제보다 더 견고해 보일 수 있다. 한 공급업체의 인프라 매출은 같은 투자 네트워크 내 다른 기업이 자금을 조달한 고객에서 나올 수 있다.

이러한 관계가 자동으로 순환적이거나 지속 불가능한 것은 아니다. 전략적 투자자는 모델 개발사에 자금을 지원하는 동시에 컴퓨팅 용량을 판매하는 것이 합리적일 수 있다.

그럼에도 이러한 구조는 수요 분석을 복잡하게 만든다. 투자자는 소수 집단 내부에서 재순환되는 자본이 아니라 독립적인 유료 고객에서 얼마나 많은 사용량이 나오는지 판단해야 한다.

회의적인 시각은 하이퍼스케일러를 넘어선다. 기업들은 AI를 실험하고 있다고 보고하지만, 실험이 언제나 광범위한 배포로 이어지는 것은 아니다.

파일럿은 통합, 보안, 교육, 거버넌스, 추론 비용을 감당하지 못하면서도 기술적 가치를 보여줄 수 있다. 이러한 비용이 측정 가능한 절감 효과를 초과하면 기업은 사용량을 줄일 수 있다.

Blackstone은 포트폴리오 기업의 약 절반이 어떤 형태로든 AI 도입 단계에 진입했다고 보고한다. 이는 여러 기업에 걸친 유용한 관점을 제공하지만, 도입 단계가 곧 재무적 수익률을 의미하지는 않는다.

가장 중요한 누락 데이터는 증분 이익이다. 투자자는 AI가 추가 인프라 없이도 기업이 벌었을 매출이나 절감 효과를 넘어서는 수익을 창출하는지 알아야 한다.

이 계산에는 투자 없이 나왔을 결과를 추정하는 반사실적 가정이 필요하다. 기업은 이를 거의 공개하지 않으며, 외부인이 정확하게 산출할 수도 없다.

추천 시스템은 새로운 AI 하드웨어를 사용하면서 광고 매출을 개선할 수 있다. 그러나 같은 매출 증가는 가격 인상, 이용자 증가, 무관한 제품 변경을 반영할 수도 있다.

AI 코딩 어시스턴트는 소프트웨어 구독을 늘릴 수 있다. 그러나 그 기여도는 고객 유지율, 컴퓨팅 비용, 지원 비용, 기존 제품 매출 잠식 가능성에 따라 달라진다.

이 검증 공백은 양측 모두 자신에게 유리한 증거를 선택할 여지를 준다. Gray는 리스 성장과 인프라 수익률을 지적할 수 있다. 비판론자는 감소하는 잉여현금흐름과 제한적인 공시를 지적할 수 있다.

어느 쪽도 최종 결과를 입증하지는 못한다. 인프라 구축은 여전히 진행 중이며, 관련 용량의 상당 부분은 안정적인 경제성을 확립할 만큼 충분히 오래 운영되지 않았다.

google news를 통해 유입된 독자에게는 이러한 불확실성이 표면적인 견해 차이보다 더 중요하다. 이 논쟁은 자신감만으로 결론낼 수 없다.

결국 증거는 반복 매출, 지속적인 가동률, 안정적인 가격, 개선되는 마진, 자본 비용을 차감한 뒤의 현금 창출에서 나타나야 한다.

그 수치가 확인되기 전까지 Gray의 발언은 전체 AI 경제에 관한 검증된 결론이 아니라 그럴듯한 투자 논지에 머문다.

Jon Gray의 주장이 가장 কঠ কঠ한 시험에 직면하는 지점

가장 큰 위험은 AI 수요가 사라지는 것이 아니라 공급, 자금조달, 고객 경제성이 서로 맞물리지 못하는 데 있다.

컴퓨팅 수요는 빠르게 증가해도 투자자는 실망스러운 수익률을 얻을 수 있다. 자산에 지불한 가격과 자금조달 비용이 누가 가치를 가져가는지를 결정한다.

높은 이자 비용은 강한 리스 매출의 이점을 상쇄할 수 있다. 건설 지연은 시설이 고객에게 청구를 시작하기 전에 비용을 발생시킬 수 있다.

전력도 또 다른 제약이다. 데이터센터에는 안정적인 전력이 필요하며, 신규 송전이나 발전 프로젝트는 컴퓨팅 시설 자체보다 더 오래 걸릴 수 있다.

전력이 확보된 개발업체는 더 큰 가격 결정력을 누릴 수 있다. 그렇지 못한 업체는 전력망 연결을 기다리는 동안 값비싼 토지와 장비를 보유하게 될 수 있다.

지역사회와 규제 당국도 일정에 영향을 미친다. 우려 사항에는 가정용 전기요금, 물 소비, 소음, 배출량, 토지 경쟁이 포함된다.

새로운 요건은 인프라 비용을 데이터센터 운영사로 이전할 수 있다. 이는 주민을 보호할 수 있지만 프로젝트 수익률을 낮추거나 건설을 지연시킬 수 있다.

장비 교체 주기는 불확실성을 더한다. 첨단 프로세서는 건물, 변전소, 냉각 시스템보다 상업적으로 훨씬 빠르게 노후화할 수 있다.

자산 보유자는 미래 하드웨어 밀도를 지원할 수 있도록 시설을 설계해야 한다. 새로운 전력 및 냉각 요구사항을 수용하지 못하는 건물은 추가 투자가 필요할 수 있다.

급격한 효율 개선은 또 다른 긴장을 만든다. 더 효율적인 칩은 작업당 컴퓨팅 비용을 낮춰 가격 하락을 통한 사용 확대를 유도할 수 있다.

하지만 효율성은 고정된 워크로드에 필요한 장비 수를 줄일 수도 있다. 수요는 이러한 효율 향상을 흡수할 만큼 충분히 빠르게 확대돼야 한다.

경쟁은 모든 계층에 영향을 미친다. Nvidia는 가속 컴퓨팅 하드웨어의 상당 부분을 공급하는 반면, 클라우드 기업들은 비용과 공급업체 의존도를 낮추기 위해 자체 프로세서를 개발하고 있다.

Google은 머신러닝 워크로드용으로 설계된 특수 프로세서인 tensor processing units를 오랫동안 운영해 왔다. Amazon과 Microsoft도 자체 설계 AI 칩을 제공한다.

맞춤형 하드웨어는 하이퍼스케일러의 경제성을 개선할 수 있다. 동시에 특정 외부 프로세서를 중심으로 최적화된 시설이나 자금조달 구조의 가정을 약화시킬 수도 있다.

단기적으로 가장 큰 압박은 대형 기술기업보다 높은 차입을 활용하는 운영사에 가해질 수 있다. 하이퍼스케일러는 다각화된 매출과 막대한 현금흐름으로 지출을 뒷받침할 수 있다.

소규모 인프라 공급업체는 흔히 부채, 장비 금융, 또는 제한된 수의 임차인에 의존한다. 계약 지연이나 차환 문제는 훨씬 더 큰 영향을 미칠 수 있다.

S&P Global Ratings는 5개 대형 클라우드 제공업체가 2026년에 약 7,500억 달러를 자본지출로 집행할 것으로 추산했으며, 이는 매출의 약 38%에 해당한다. 해당 기관의 신용 평가는 AI 매출이 확대됨에 따라 현금흐름이 회복될 것으로 예상한다.

다만 이 기관은 장기 신용도가 자본 약정보다 빠른 매출 성장에 달려 있다고도 경고한다. 이 조건은 AI 버블에 대한 광범위한 주장보다 핵심 시험을 더 정확히 포착한다.

수요가 사용 가능한 공급을 앞서가고, 장기 계약이 희소성을 현금흐름으로 전환한다면 Gray의 주장은 유지된다. 자금조달 비용이 오르는 가운데 용량이 대체 가능해진다면 주장은 약화된다.

주요 AI 고객이 영업 매출로 약정을 조달할 수 없다면 이 주장은 더욱 약화된다. 이 경우 인프라 수요는 자생적인 사용량이 아니라 지속적인 자본 조달에 의존하게 된다.

독자가 마주한 과제는 AI를 하나의 균질한 시장으로 취급하지 않는 것이다. 수익성 있는 전력 자산, 완전히 임대된 시설, 클라우드 서비스, 소비자 챗봇은 서로 다른 경제성을 지닌다.

Blackstone의 한 계층에서의 성공이 모든 계층의 수익성을 입증하지는 않는다. 반대로 애플리케이션 경제성이 약하다고 해서 계약된 데이터센터가 자동으로 수익성이 없다는 뜻도 아니다.

단순한 호황 또는 붕괴 판정보다 이러한 파편화된 결과가 나올 가능성이 더 크다. 강한 플랫폼은 매력적인 수익률을 낼 수 있는 반면, 취약한 프로젝트는 구조조정, 통합 또는 폐쇄에 이르게 될 수 있다.

따라서 Gray의 조급함 논지는 선별적으로 적용해야 한다. 시간은 실질적인 수요와 절제된 자금조달이 뒷받침하는 자산에 도움이 된다. 시간은 과도한 진입 가격이나 신뢰할 수 없는 고객을 고쳐주지 못한다.

google news 독자가 다음으로 주목해야 할 사항

다음 세 가지 신호는 Gray가 시기상조인지, 옳은지, 또는 건설과 수익성 있는 수요 간 확대되는 격차를 간과하는지 보여줄 것이다.

첫째, 다음 하이퍼스케일러 실적 발표 주기에서는 자본지출과 함께 잉여현금흐름을 살펴야 한다. 매출 성장만으로는 이 문제를 결론내릴 수 없다.

Gray의 주장을 가장 강하게 뒷받침할 증거는 영업마진이 안정적으로 유지되는 가운데 AI 또는 클라우드 매출이 확대되고, 현금흐름이 새로운 자본 비용을 흡수하기 시작하는 모습일 것이다.

반대 패턴은 그의 견해를 약화시킬 것이다. 잉여현금흐름이 감소하는데 지출이 계속 증가한다면 프로젝트 지연, 자사주 매입 축소, 또는 추가 외부 자금조달에 대한 압박이 커질 것이다.

투자자는 어느 한 수치만 보지 말고 자본지출과 영업현금흐름을 비교해야 한다. 또한 인프라 약정을 단순한 현금지출 비교 밖으로 옮길 수 있는 금융리스도 고려해야 한다.

둘째, 공개된 수주잔고가 인식 매출로 전환되는지를 살펴야 한다. 대형 계약은 고객이 워크로드를 배포하고 지속적으로 대금을 지급할 때에만 인프라 논지를 뒷받침한다.

유용한 증거로는 더 높은 가동률, 가속화되는 클라우드 매출, 용량 제약에 대한 언급 감소가 있다. 가격이 안정적이거나 개선된다면 수요가 여전히 사용 가능한 공급을 초과하고 있음을 시사할 것이다.

지연된 배포는 다른 메시지를 보낼 것이다. 여러 공급업체가 동시에 용량을 출시해 가격이 하락하는 경우도 마찬가지다.

고객 구성은 총 수주잔고만큼 중요하다. 더 폭넓은 기업 도입은 OpenAI, Anthropic, 그리고 막대한 자금 지원을 받는 소수 구매자에 대한 의존도를 낮출 것이다.

셋째, 자금 조달 방식이 어떻게 변하는지 살펴봐야 한다. 채권 발행, 합작 투자, 자산 매각, 비공개 자금 조달 구조는 누가 건설 리스크를 부담하는지를 보여준다.

외부 자본은 데이터센터가 장기 자산이라는 점에서 합리적일 수 있다. 이를 장기 자금 조달과 연계하면 기술 기업이 모든 프로젝트를 직접 자금 조달해야 하는 부담을 줄일 수 있다.

자금 조달이 레버리지를 가리거나 낙관적인 가동률 가정에 의존하는 구조로 위험을 이전할 때는 우려가 커진다. 투자자는 보증, 임대 의무, 임차인 집중도를 살펴봐야 한다.

이러한 신호는 하나의 헤드라인이 아니라 여러 실적 발표 기간에 걸쳐 더 분명해질 것이다. 이러한 시간적 흐름은 시장이 증거를 요구할 권리를 보존하면서도 Gray의 메시지 일부를 뒷받침한다.

그의 발언은 수년에 걸친 인프라 사이클을 분기별로 단정하려는 시각에 반박한다. 그렇다고 그 과정에서 이정표가 필요하지 않다는 뜻은 아니다.

따라서 가장 유용한 질문은 투자자들이 지나치게 성급한지 여부가 아니다. 인내심이 변명으로 바뀌기 전에 기업들이 꾸준한 진전을 보여줄 수 있는지가 핵심이다.

독자들은 현금 흐름, 실제로 전환된 수주잔고, 자금 조달의 질을 통해 그 진전을 추적할 수 있다. 이러한 지표는 또 한 번의 낙관적인 AI 발표 물결보다 더 많은 것을 보여줄 것이다.

AI 지출에 관한 다음 google news 헤드라인 옆에 이 세 가지 지표를 두고 살펴보라. 모두 함께 개선된다면 Gray의 인내심 논거는 더 강해진다. 서로 엇갈린다면 시장의 회의론은 점점 더 정당해 보일 것이다.