Microsoft와 SK Hynix가 보여주는 AI 붐의 물리적 한계

Microsoft는 분기 매출 900억 달러를 보고했지만, 그 실적은 Google News 상단에서 계속된 뚜렷한 충돌을 드러냈다. AI 수요가 여전히 용량을 초과하고 있다는 점이다. SK Hynix도 반도체 공급망에서 비슷한 메시지를 전했다. 기록적인 실적에도 메모리 공급 여력, 제조 투자, 신규 용량 가동 시점에 대한 우려는 사라지지 않았다.

두 보고서는 AI 붐에 관한 안심하기 쉬운 가정에 의문을 제기한다. 더 많은 비용을 투입한다고 해서 즉시 더 많은 활용 가능한 컴퓨팅 성능이 생기는 것은 아니다. 데이터 센터에는 프로세서, 메모리, 스토리지, 네트워킹, 전력, 건물, 숙련된 운영 인력이 올바른 순서로 갖춰져야 한다.

이제 이러한 조율 문제는 수요만큼 중요해졌다. Microsoft는 가용 서버 각각이 어디에서 가장 높은 수익을 낼지 판단해야 한다. SK Hynix는 제한된 생산량을 고대역폭 메모리, 서버 DRAM, 모바일 부품, 범용 제품 사이에 배분해야 한다.

핵심 충돌은 더 이상 AI 수요와 불확실한 도입 간의 대립이 아니다. 약속된 AI 성장과 이를 실현하는 데 필요한 물리적 시스템 간의 대립이다. 희소성의 수혜를 보는 기업들 역시 가장 까다로운 실행 시험대에 서 있다.

실적 보고서는 물리적 병목을 확인했다

Microsoft와 SK Hynix는 제약을 받는 동일한 생산 시스템의 서로 다른 계층을 설명하고 있다.

7월 29일 발표된 Microsoft의 회계연도 4분기 실적은 고객 관심이 당장의 문제가 아니었음을 보여줬다. 회사는 분기 실적에 따르면 분기 매출 900억 달러를 기록했다. Microsoft Cloud 매출은 593억 달러에 달했고, Azure 및 기타 클라우드 서비스 매출은 43% 증가했다.

회계연도 전체로는 Azure 매출이 처음으로 1,000억 달러를 넘었다. Microsoft 365 Copilot의 유료 좌석 수도 3,000만 개를 넘어섰다. 이 수치는 AI 수요가 실험 단계를 넘어 계약 기반의 클라우드 사용과 업무 환경 배포로 이동하고 있음을 보여준다.

그러나 매출 성장만으로 Microsoft가 요청되는 모든 워크로드를 처리할 인프라를 충분히 확보했다는 뜻은 아니다. 회사는 고객 수요가 가용 공급을 초과한다고 반복해서 밝혀 왔다. 이 격차로 인해 Microsoft는 Azure 고객, Copilot 제품, GitHub 서비스, 보안 도구, 내부 연구 사이에 컴퓨팅 용량을 배분해야 한다.

제약 요인은 특정 칩 하나가 아니다. AI 서버에는 모델 연산을 위한 가속기, 조정을 위한 CPU, 그리고 데이터를 충분히 빠르게 공급할 메모리가 필요하다. 네트워킹, 스토리지, 냉각 설비, 전력이 공급되는 데이터 센터 슬롯도 필요하다.

부품 하나가 빠져도 전체 시스템은 지연될 수 있다. 메모리 출하가 늦어지면 수천 개의 가속기는 거의 가치를 제공하지 못한다. 완공된 건물도 전력망 연결과 서버 설치가 준비되기 전에는 매출을 창출할 수 없다.

SK Hynix는 이 시스템에서 가장 중요한 상류 공급망 위치 중 하나를 차지한다. 이 회사는 여러 메모리 층을 결합해 AI 프로세서에 데이터를 공급하는 고대역폭 메모리(HBM)를 제조한다. HBM은 고가의 가속기가 정보를 기다리는 상황을 막는 데 도움을 준다.

회사의 2분기 업데이트는 매출 79조 3,187억 원과 영업이익 60조 5,426억 원을 보고했다. 영업이익률은 회사의 사업 실적에 따르면 76%에 달했다. SK Hynix는 또한 해당 분기에 HBM4가 양산에 들어갔다고 밝혔다.

이 수치는 이례적으로 강한 수요와 우호적인 메모리 시장 여건을 반영한다. 동시에 희소한 생산 능력이 얼마나 큰 가치를 갖게 되었는지도 보여준다. 높은 마진이 하룻밤 사이에 추가 팹 생산 능력을 만들어내지는 않는다.

반도체 증설에는 특수 장비, 클린룸 건설, 공정 검증, 패키징 라인, 고객 테스트가 필요하다. 각 단계에는 일정과 수율 리스크가 따른다. 수율은 생산된 칩 가운데 요구 사양을 충족하는 칩의 비율을 뜻한다.

이 때문에 두 보고서는 하나의 이야기로 묶인다. Microsoft는 클라우드 용량을 제공하려 할 때 제약을 마주한다. SK Hynix는 자사 공장에서 어떤 메모리 제품을 생산할지 결정하면서 이를 경험한다.

Google News의 헤드라인 흐름은 두 보고서를 별개의 실적 이벤트로 다뤘다. 그러나 운영 측면에서는 지연을 허용할 여지가 거의 없는 하나의 파이프라인을 설명한다.

Google News는 AI 수요가 용량을 앞지르는 모습을 보여준다

중요한 신호는 단지 AI 인프라 지출이 높은 수준을 유지한다는 점이 아니다. 가용 용량이 여전히 거의 즉시 매출로 전환된다는 점이다.

Microsoft는 실적 발표 컨퍼런스콜에 따르면 2026년 중 약 1,900억 달러를 자본적 지출에 투자할 것으로 예상했다. 이 추정치에는 높아진 부품 비용과 관련된 약 250억 달러가 포함됐다.

자본적 지출은 AI 가속기만을 포괄하지 않는다. Microsoft는 지출을 수명이 짧은 장비와 장기 자산으로 나눈다. GPU, CPU, 네트워킹 장비, 스토리지는 주로 첫 번째 그룹에 속한다. 건물, 토지, 지원 인프라는 훨씬 더 오래 운영될 수 있다.

이 구분은 장비가 새로운 캠퍼스보다 더 빨리 클라우드 매출을 창출할 수 있기 때문에 중요하다. 데이터 센터 부지는 계획, 인허가, 건설, 전력 공급, 서버 설치까지 수년이 걸릴 수 있다. 부품 납품도 시설이 준비되는 시점을 놓칠 수 있다.

따라서 Microsoft는 서로 연결된 두 가지 부족 문제에 직면한다. 장기적으로 충분한 데이터 센터 용량이 필요하지만, 기존 시설도 신속하게 장비를 갖춰야 한다. 한쪽에 대한 지출이 다른 쪽의 지연을 완전히 보완할 수는 없다.

회사는 이례적으로 대규모인 프로젝트로 대응하고 있다. Microsoft는 텍사스주 Pecos에 약 2기가와트의 용량을 추가할 예정인 캠퍼스를 발표했다. Pecos 프로젝트에 따르면 건설과 개발에는 5~7년이 걸릴 것으로 예상된다.

이 일정은 시장 중심의 불일치를 보여준다. AI 개발자는 1년 안에 여러 차례 모델을 출시할 수 있다. 그러나 이들 모델을 뒷받침하는 전력과 건물은 수년 단위의 인프라 일정에 따라 움직인다.

2기가와트 규모의 캠퍼스에는 자본 이상이 필요하다. Microsoft는 토지, 전력망 접근권, 인허가, 건설 인력, 냉각 시스템, 신뢰할 수 있는 장비 공급을 확보해야 한다. 자금 조달이 가능하더라도 지역 반대나 송전 지연은 실제로 사용할 수 있는 용량을 늦출 수 있다.

메모리는 또 다른 일정 문제를 만든다. HBM은 첨단 적층 및 패키징을 수반하기 때문에 일반 DRAM보다 더 많은 제조 자원을 소모한다. HBM 생산 확대는 다른 메모리 제품에 배정할 수 있는 용량을 제한할 수 있다.

이러한 배분 효과는 희소성을 확산시킨다. AI 가속기 수요는 서버 메모리, 개인용 컴퓨터, 스마트폰, 스토리지 제품의 공급을 타이트하게 만들 수 있다. 그러면 최대 규모 클라우드 기업 외의 구매자들은 더 적은 생산량을 두고 경쟁하게 된다.

Microsoft는 대부분의 인프라 구매자보다 더 큰 구매력을 보유하고 있다. 장기 계약을 확보하고 신뢰할 수 있는 수요 예측으로 공급업체를 지원할 수 있다. 그러나 Microsoft조차 공장 생산량이나 전력 용량을 즉시 만들어낼 수는 없다.

소규모 클라우드 제공업체와 엔터프라이즈 구매자는 더 어려운 위치에 놓인다. 이들은 비슷한 구매 규모, 지역적 유연성, 맞춤형 하드웨어 접근성을 갖추지 못한 경우가 많다. Microsoft가 배분을 통해 관리할 수 있는 지연도 소규모 프로젝트에는 완전한 중단을 의미할 수 있다.

이는 최대 규모 클라우드 플랫폼에 또 하나의 구조적 우위를 제공한다. 이들은 희소한 자원을 지역과 제품 전반에 분산할 수 있다. 더 높은 활용률이나 더 강한 고객 약정을 만드는 워크로드를 우선할 수도 있다.

그렇다고 이 우위가 리스크를 없애는 것은 아니다. 오히려 배분 결정을 플랫폼 내부에 집중시킨다. Microsoft는 서버가 외부 Azure 수요, Copilot 서비스, GitHub 또는 모델 개발 가운데 어디를 지원해야 하는지 판단해야 한다.

모든 선택에는 기회비용이 따른다. GPU를 내부 제품에 배정하면 클라우드 고객에게 제공할 수 있는 수량은 줄어든다. 외부 고객을 지원하면 Microsoft가 반복적 사용을 창출하길 기대하는 제품 개선이 늦어질 수 있다.

따라서 공급 제약은 전략적 필터가 됐다. 이는 기업이 하드웨어를 얼마나 빨리 구매할 수 있는지만이 아니라, 어떤 AI 워크로드가 실제 운영 환경에 도달하는지를 결정한다.

Microsoft는 희소한 하드웨어를 지속 가능한 매출로 전환해야 한다

Microsoft의 진짜 시험은 새로 확보하는 용량 한 단위마다 가치 있고 반복 가능한 고객 활동으로 전환할 수 있는지에 달려 있다.

회사는 수요에 관한 상당한 근거를 보유하고 있다. Azure의 연간 매출은 1,000억 달러를 넘었고, Microsoft 365 Copilot의 유료 좌석 수는 3,000만 개를 돌파했다. Microsoft는 개발자, 보안, 데이터, 비즈니스 애플리케이션 전반에서 사용이 확대되고 있다고도 보고했다.

그러나 유료 접근과 생산적인 사용은 서로 다른 신호다. 기업은 직원들이 반복 가능한 업무 흐름을 구축하기 전에 좌석을 구매할 수 있다. 클라우드 고객은 애플리케이션이 지속 가능한 경제적 수익을 내기 전에 용량을 예약할 수 있다.

이는 하드웨어를 넘어선 두 번째 제약을 만든다. AI 도구가 일상 업무의 신뢰할 수 있는 일부가 되려면 고객에게 데이터, 거버넌스, 평가 시스템, 재설계된 프로세스가 필요하다.

한 기업은 내부 문서를 요약하는 어시스턴트를 배포할 수 있다. 이 작업은 단순해 보이지만, 정확한 결과를 내려면 권한 제어와 최신 소스 자료가 필요하다. 시스템은 사용자가 답변의 출처도 확인할 수 있게 해야 한다.

코딩 에이전트에는 다른 요건이 적용된다. 리포지터리, 테스트 환경, 문서, 배포 제어에 접근할 수 있어야 한다. 그 가치는 생성된 토큰 수가 아니라 완료된 작업에 달려 있다.

Microsoft의 인프라 지출은 이러한 시나리오 전반에서 사용량이 더 깊어질 것이라는 가정에 기반한다. 불필요한 연산 하나하나가 제약된 용량을 소모하기 때문에 회사는 효율성도 개선해야 한다.

소프트웨어 최적화는 새 건물을 추가하지 않고도 실질적인 공급을 늘릴 수 있다. 더 나은 스케줄링은 워크로드를 적합한 하드웨어에 배치할 수 있다. 더 작은 모델은 일상적 요청을 처리해, 더 강력한 시스템이 어려운 작업을 맡도록 할 수 있다.

모델 라우팅은 이 접근법을 애플리케이션 계층에 적용한다. 서비스는 요청을 평가해 비용과 성능이 적절한 모델로 보낸다. 대형 모델이 불필요할 때 이 과정은 낭비를 줄일 수 있다.

맞춤형 실리콘은 또 다른 경로를 제공한다. Microsoft는 범용 가속기에 전적으로 의존하는 대신 특정 기능을 위한 프로세서를 설계할 수 있다. 그러나 맞춤형 하드웨어에도 여전히 메모리, 제조 용량, 네트워킹, 신뢰할 수 있는 소프트웨어 지원이 필요하다.

Microsoft는 프로세서 선택지도 넓히고 있다. 확장된 AMD 인프라에는 AI 추론, 데이터 처리, 엔지니어링 워크로드를 위한 시스템이 포함된다. 추론은 학습된 모델을 실행해 출력을 생성하는 과정이다.

여러 공급업체를 활용하면 단일 가속기 로드맵에 대한 의존도를 낮출 수 있다. 또한 서로 다른 워크로드에 더 효율적인 하드웨어를 매칭할 수 있다. 다만 이기종 플릿은 소프트웨어와 운영 복잡성을 높인다.

개발자에게는 프로세서 유형 전반에서 일관되게 작동하는 도구가 필요하다. 운영자에게는 서로 다른 구성에 맞는 모니터링, 스케줄링, 유지보수 시스템이 필요하다. 워크로드가 지역 간에 이동할 때 고객은 예측 가능한 성능을 요구할 수도 있다.

용량만으로는 매력적인 수익성을 보장할 수 없다. 따라서 Microsoft는 신뢰성을 유지하면서 가동률을 높여야 한다. 또한 AI 사용이 측정 가능한 비즈니스 성과를 낸다는 점을 고객에게 설득해야 한다.

회사가 소비량 기반 모델로 전환하면서 이 요건은 더욱 분명해졌다. 매출은 고객이 라이선스를 보유하는지 여부가 아니라 AI 시스템을 얼마나 자주 사용하는지에 점점 더 좌우된다.

이 방식은 지불을 가치와 연계할 수 있지만, 도입이 부진한 경우도 드러낸다. 데이터를 연결하거나 프로세스를 재설계하지 못하는 고객은 더 적은 용량을 소비하게 된다. 사용되지 않은 약정은 결국 갱신 리스크가 된다.

Microsoft는 스택의 여러 계층을 보유하고 있다는 이점이 있다. Azure는 인프라를 제공하고, Microsoft 365, GitHub, Dynamics 및 보안 제품은 애플리케이션을 제공한다. 회사는 고객 행동이 변화함에 따라 이러한 계층 간에 가치를 이동시킬 수 있다.

그럼에도 소유 구조는 부족한 자원을 둘러싼 내부 경쟁을 만든다. Microsoft는 어느 제품에 먼저 용량을 배정할지 결정해야 한다. 또한 내부 애플리케이션을 지나치게 우대해 Azure 고객이 지속적인 부족에 직면하지 않도록 해야 한다.

현재의 공급 부족은 가격과 가동률을 뒷받침할 수 있다. 장기 수익은 공급이 확대된 이후의 고객 성과에 달려 있다. 가용한 거의 모든 시스템에 구매자가 붙는 상황에서는 희소성이 비효율적인 제품을 가릴 수 있다.

더 많은 공급자와 하드웨어 옵션을 고객이 비교할 수 있게 될 때 더 어려운 시험이 시작된다. 그때 Microsoft는 제한된 가용성만이 아니라 사용량, 신뢰성, 통합 역량으로 투자를 방어해야 한다.

SK Hynix는 공급 부족의 수혜를 보지만 제조 리스크를 안고 있다

SK Hynix는 유리한 시장 위치에 있지만, 고객들은 이례적으로 불확실한 기술 전환기 속에서 생산 확대를 요구하고 있다.

현대 AI 프로세서는 기존 메모리가 데이터를 공급할 수 있는 속도보다 더 빠르게 연산을 수행하기 때문에 HBM은 필수 요소가 됐다. 이 메모리의 적층 설계는 구성 요소를 프로세서 가까이에 유지하면서 대역폭을 높인다.

HBM의 세대가 바뀔 때마다 성능 목표와 생산 난이도는 높아진다. HBM4는 인터페이스, 패키징, 맞춤화에 변화를 도입한다. SK Hynix는 자사 HBM4 제품이 속도, 효율성, 비용 경쟁력 측면에서 고객 요구를 충족한다고 밝혔다.

이러한 발언은 고객이 제품을 대규모로 배치하기 전까지는 회사의 주장에 머문다. 양산은 중요한 이정표이지만, 상업적 성공은 물량, 수율, 인증, 납품 일정에 의해 결정된다.

고객은 초기 샘플을 승인할 수 있지만, 이후 생산 과정에서 병목이 발생할 수 있다. 패키징 용량은 메모리 웨이퍼 생산량을 따라가지 못할 수 있다. 제조사가 물량을 늘리거나 맞춤형 설계를 도입함에 따라 수율은 변할 수 있다.

SK Hynix 역시 모든 생산 라인을 HBM에 투입할 수는 없다. 이 회사는 서버 DRAM, 모바일 메모리, 개인용 컴퓨터, 스토리지 시장에도 공급한다. 이들 고객 역시 안정적인 공급을 필요로 한다.

회사의 배분 결정은 다른 부문의 가격 압박을 강화할 수 있다. 더 높은 마진의 AI 메모리로 전환한 공장은 기존 부품 생산량을 줄인다. 이는 전체 메모리 투자 규모가 늘어나는 상황에서도 부족을 초래한다.

곽노정 CEO는 업계가 2027년 최악의 공급 부족으로 향하고 있다고 경고했다. 또한 memory outlook에 따르면, 2030년 이후에도 수요가 SK Hynix의 생산 능력을 웃돌 것으로 전망했다.

이 전망은 지속적인 투자 필요성을 뒷받침한다. 다만 공급업체는 고객이 미래 용량이 계속 부족할 것이라고 믿을 때 이익을 보기 때문에 면밀한 검토가 필요하다. 장기 약정은 가시성을 높이고 증설 리스크를 줄일 수 있다.

메모리 시장은 역사적으로 급격한 사이클을 반복해 왔다. 공급 부족은 증설을 유도하고, 고객은 재고를 축적하며, 가격은 결국 추가 공급을 끌어들인다. 이후 신규 공장이 완전 가동에 이르기 전에 수요가 약화될 수 있다.

AI가 이 사이클을 바꿀 수는 있지만, 이를 없애지는 못한다. 최대 클라우드 기업들은 이례적인 속도로 인프라를 확장하고 있다. 이들의 계획은 모델 학습, 추론, 에이전트가 추가 컴퓨팅 자원을 계속 소비할 것이라는 가정에 기반한다.

효율성 개선은 이 가정을 복잡하게 만든다. 더 나은 모델은 더 적은 연산으로도 유용한 결과를 낼 수 있다. 압축, 캐싱, 특수 프로세서, 개선된 소프트웨어는 작업당 메모리 요구량을 줄일 수 있다.

낮아진 컴퓨팅 비용은 사용량을 더 늘릴 수도 있다. 이러한 반등 효과는 효율성이 총수요를 자동으로 줄이지는 않는다는 뜻이다. 더 저렴한 추론은 개발자들이 더 많은 제품과 워크플로에 AI 기능을 추가하도록 만들 수 있다.

SK Hynix는 어떤 힘이 우세할지 모르는 상태에서 투자해야 한다. 증설이 부족하면 매출 기회를 놓치고 고객의 불만이 커진다. 과도한 증설은 신규 공장 가동 시 낮은 가동률 위험을 낳는다.

회사는 유능한 경쟁사와도 맞서야 한다. Samsung은 메모리와 첨단 제조 전반에서 경쟁하고 있으며, Micron은 HBM 시장 지위를 확대하고 있다. 고객은 여러 공급업체를 인증할 강한 유인을 갖고 있다.

복수 공급원 확보는 하나의 생산 문제가 가속기 출시를 멈추게 할 위험을 줄인다. 또한 계약 협상에서 구매자에게 협상력을 제공한다. 공급업체 입장에서는 인증 승리가 영구적인 시장점유율을 보장하지 않는다.

SK Hynix의 현재 실적은 확장에 필요한 자원을 제공한다. 강한 수익성은 기대치도 높인다. 특히 새로운 HBM 세대를 전후해 기반 시장이 여전히 타이트하더라도 투자자들은 지연을 처벌할 수 있다.

그러한 긴장은 2분기 실적을 둘러싸고 나타났다. 기록적인 매출과 이익도 출하 시점과 자본 필요성에 대한 우려를 끝내지는 못했다. 시장은 공급 부족이 뒷받침하는 실적과 흠없는 확장 모두를 원한다.

제조업은 차질 없이 두 가지를 모두 제공하는 경우가 드물다. 신제품은 수율 학습, 장비 지연, 인증 변경에 직면한다. 핵심 질문은 매 분기가 완벽할 수 있는지 여부가 아니다.

더 유용한 질문은 SK Hynix가 생산량을 늘리면서 고객 신뢰를 유지할 수 있는지다. 또한 공급 여건이 바뀔 때 수익성을 훼손할 불균형을 만들지 않아야 한다.

공급 제약은 칩을 넘어선다

AI 병목은 시스템 차원의 제약이므로, 메모리나 가속기를 추가하는 것만으로는 해결할 수 없다.

Microsoft의 데이터 센터에는 고밀도 컴퓨팅 설비를 지원할 수 있는 전력 연결이 필요하다. 이러한 연결은 발전, 송전, 변전소, 장비, 인허가, 전력회사의 협력에 의존한다.

전력 프로젝트는 서버 구매보다 더 긴 일정으로 진행되는 경우가 많다. 클라우드 기업은 전력회사가 전기 공급을 보장하기 전에 하드웨어를 주문할 수 있다. 이러한 불일치는 장비를 대기 상태로 두거나 배치를 다른 지역으로 옮기게 할 수 있다.

냉각도 또 다른 제약이다. AI 시스템은 랙당 상당한 전력을 집중시켜 기존 설계로는 제거하기 어려운 열을 발생시킨다. 운영업체는 액체 냉각, 시설 재설계 또는 더 낮은 배치 밀도가 필요할 수 있다.

네트워킹 역시 사용 가능한 용량에 영향을 미친다. 가속기는 모델 학습과 추론 중에 데이터를 빠르게 교환해야 한다. 네트워킹이 약한 클러스터는 이론적인 컴퓨팅 성능을 제공할 수 없다.

모델과 애플리케이션은 대량의 정보를 이동시키므로 스토리지도 중요하다. 학습 시스템에는 데이터세트와 체크포인트가 필요하며, 추론 서비스에는 모델 가중치와 캐시된 컨텍스트가 필요하다. 느린 스토리지는 가속기의 활용도를 낮출 수 있다.

HBM은 프로세서 가까이에서 대역폭을 개선하지만, 메모리 계층 구조의 나머지를 대체하지는 않는다. 서버에는 여전히 기존 DRAM과 스토리지가 필요하다. 이들 범주의 부족은 완성된 시스템의 출하를 제한할 수 있다.

이러한 상호의존성은 자본 지출이 즉시 매출로 전환되지 않는 이유를 설명한다. 장비는 서로 다른 공급업체에서 서로 다른 일정에 따라 도착한다. 운영업체는 고객이 사용하기 전에 이를 통합하고, 테스트하고, 연결해야 한다.

지리적 요건도 또 하나의 제약이다. 고객은 지연 시간, 데이터 레지던시 또는 규제 요건 때문에 특정 지역의 용량을 필요로 할 수 있다. 다른 지역에서 이용 가능한 서버가 항상 그 수요를 충족하는 것은 아니다.

Microsoft는 일부 워크로드를 지역 간에 이동시킬 수 있지만, 규제 대상 데이터와 실시간 애플리케이션은 유연성이 낮다. 회사는 한 지역에서 여유 용량을 보유하면서 다른 지역의 수요를 거절할 수 있다.

클라우드 제공업체들은 자체 시설을 보완하기 위해 외부 파트너를 점점 더 활용하고 있다. 파트너십은 배치를 가속하고 건설 리스크를 분산할 수 있다. 동시에 계약, 네트워킹, 운영, 서비스 품질과 관련된 의존성을 도입할 수도 있다.

따라서 공급 문제는 강력한 조정 역량을 갖춘 기업에 유리하다. 구매 물량도 중요하지만, 전체 시스템에 걸친 실행이 더 중요하다. 전력망 연결이 지연되면 대규모 주문도 도움이 되지 않는다.

이는 기업 구매자에게도 다른 방식의 계획을 요구한다. 팀은 원하는 모든 가속기 구성이 필요할 때 즉시 उपलब्ध하다고 가정할 수 없다. 더 작은 모델, 대체 칩 또는 유연한 배치 지역을 테스트해야 할 수 있다.

소프트웨어 아키텍처는 공급 관리의 일부가 된다. 하나의 모델과 하나의 가속기 유형을 위해 설계된 애플리케이션은 용량이 부족해질 때 발이 묶일 수 있다. 이식 가능한 시스템은 구매자에게 더 많은 선택지를 제공한다.

개발자는 부족한 자원을 예약하기 전에 워크로드의 가치를 측정해야 한다. 몇 분을 절약하는 애플리케이션이 값비싼 모델의 지속적 사용을 정당화하지 못할 수 있다. 라우팅과 캐싱은 더 어려운 작업을 위해 용량을 보존할 수 있다.

지식 근로자는 이러한 제약을 간접적으로 경험한다. 느린 제품 출시, 사용 제한, 지역별 이용 가능 여부는 소프트웨어 수요 부진이 아니라 인프라 배분을 반영할 수 있다. 제공업체가 고객과 제품의 우선순위를 정함에 따라 기능 접근성은 달라질 수 있다.

같은 문제는 AI 신뢰성에도 영향을 미친다. 용량 한계에 가깝게 운영하는 제공업체는 갑작스러운 수요 급증에 대응할 여지가 적다. 여유 인프라가 제한된 상황에서는 효율적인 스케줄링과 이중화가 핵심이 된다.

이 모든 것이 즉각적인 서비스 위기가 확실하다는 뜻은 아니다. Microsoft는 계속 용량을 추가하고 있으며, 공급업체도 생산을 확대하고 있다. 우려는 긴 공급망 전반에서 오류를 허용하는 여지가 작다는 점이다.

한 계층의 지연은 다른 계층의 문제를 증폭시킬 수 있다. 메모리 공급 지연은 서버 설치를 늦출 수 있고, 전력 공급 지연은 클러스터 전체를 지연시킬 수 있다. 그러면 강한 수요와 확정된 지출에도 고객은 기다려야 한다.

이 때문에 공급 이야기는 반도체 가용성보다 더 큰 문제다. 이는 공장, 전력회사, 건설, 클라우드 소프트웨어, 고객 도입을 연결하는 산업 조정 과제다.

숫자가 여전히 증명하지 못하는 것

강한 실적은 공급 부족과 수요를 확인해 주지만, 현재 투자의 장기 수익률을 입증하지는 않는다.

Microsoft의 매출 성장은 고객이 클라우드 서비스와 AI 제품을 구매하고 있음을 보여준다. 하지만 모든 AI 워크로드의 수익성이나 새로 배치된 모든 서버의 가동률을 보여주지는 않는다.

회사는 각 AI 제품에 대한 완전한 손익계산서가 아니라 광범위한 부문 실적을 보고한다. 투자자는 자본 지출, 클라우드 성장, 회사 마진을 관찰할 수 있다. 하지만 모든 가속기 클러스터의 수익률을 독립적으로 계산할 수는 없다.

Copilot 좌석 수 증가는 또 다른 고무적인 신호다. 그러나 유료 좌석은 일일 참여도, 완료된 업무, 갱신 의도를 보여주지 않는다. 초기 기업 계약이 갱신 시점에 도달하면서 이러한 지표는 더욱 중요해진다.

계약된 클라우드 약정 역시 신중한 해석이 필요하다. 수주잔고는 고객이 정해진 계약에 따라 미래 지출을 약속했음을 보여준다. 그렇다고 모든 워크로드가 매력적인 마진을 낸다는 보장은 아니다.

Microsoft는 관련 매출의 상당 부분을 인식하기 전에 비용을 지출해야 한다. 건설, 하드웨어, 감가상각은 그 기간 동안 현금 흐름과 마진을 압박할 수 있다. 효율성 향상은 그 압박을 완화할 수 있지만 실행 리스크를 없애지는 못한다.

SK Hynix도 유사한 측정상의 격차에 직면해 있다. 사상 최대 영업이익은 이례적으로 좋은 시장 여건을 보여준다. 하지만 현재의 마진이 다음 생산능력 사이클까지 지속될 것이라는 점을 입증하지는 않는다.

회사의 공급 부족 전망은 2030년 이후까지 이어진다. 이처럼 먼 시점의 추정치는 AI 수요, 모델 효율성, 고객 투자, 경쟁사 생산량, 제조 수율에 달려 있다. 각 변수는 크게 달라질 수 있다.

장기 공급 계약은 불확실성을 줄이지만 새로운 의문을 낳을 수도 있다. 계약 조건에는 물량 유연성, 가격 산식, 고객 맞춤형 제품 등이 포함될 수 있다. 공개된 요약 자료만으로는 이런 세부 사항이 모두 드러나는 경우가 드물다.

따라서 Google News의 서사는 지나치게 단순해질 수 있다. “수요가 공급을 초과한다”는 말은 판매자에게 명백히 긍정적으로 들린다. 하지만 이 표현은 막대한 자본 투입, 고객 집중도, 시장 정점 부근에서 생산능력을 확대할 위험을 빠뜨린다.

클라우드 기업과 메모리 공급업체는 비교적 소수의 대형 AI 투자자에 의존한다. 현재 이들의 약속은 지속 가능해 보인다. 그러나 한 대형 고객의 전략 변화만으로도 예상 수요는 달라질 수 있다.

경쟁은 또 다른 불확실성을 만든다. Microsoft는 하드웨어를 다변화하고 맞춤형 프로세서를 개발하고 있다. Google에는 tensor processing units가 있고, Amazon에는 Trainium 및 Inferentia 제품군이 있다. 이러한 시스템은 공급업체에 대한 수요를 바꿀 수 있다.

맞춤형 가속기가 첨단 메모리의 필요성을 없애지는 않는다. 다만 메모리 사양, 시스템 아키텍처, 구매 관계를 바꿀 수는 있다. 공급업체는 계속 변화하는 고객 로드맵에 맞춰 생산을 조정해야 한다.

모델 아키텍처 역시 수요를 바꿀 수 있다. 희소 시스템은 각 요청마다 모델의 일부만 활성화한다. 양자화는 더 적은 비트로 모델 값을 저장해 메모리 사용량과 연산 요구 사항을 줄인다.

이러한 방식은 단일 작업에 필요한 자원을 낮출 수 있다. 동시에 더 큰 규모의 배포를 경제적으로 만들어 총사용량을 늘릴 수도 있다. 현재의 실적만으로는 여러 해에 걸쳐 어느 효과가 우세할지 알 수 없다.

규제도 또 다른 변수로 남아 있다. 데이터센터 프로젝트는 환경 검토, 전력망 요건, 지역 정치권의 반대에 직면한다. 수출 통제는 첨단 칩의 판매 지역을 제한할 수 있다.

핵심 불확실성은 AI 수요가 존재하는지 여부가 아니다. Microsoft의 실적은 수요가 존재한다는 강력한 근거를 제공한다. 불확실성은 전체 인프라 비용이 반영된 뒤 그 수요가 얼마나 지속 가능한 이익을 만들어내는지에 있다.

독자는 양극단 모두를 경계해야 한다. 생산능력 부족이 지속 불가능한 버블을 입증하는 것은 아니다. 사상 최대 지출이 모든 프로젝트의 수용 가능한 수익을 보장하는 것도 아니다.

더 탄탄한 평가는 운영상의 증거를 따른다. 생산능력이 얼마나 빠르게 확보되는지, 고객이 AI 제품을 얼마나 깊이 활용하는지, 공급업체가 지속적인 생산 문제 없이 생산량을 늘리는지를 지켜봐야 한다.

세 가지 신호가 AI 공급 논지를 시험할 것이다

다음 단계는 광범위한 AI 발표가 한 차례 더 나오는지가 아니라 생산능력 제공, HBM4 실행, 고객 사용량에 의해 결정될 것이다.

첫 번째 신호는 Microsoft가 지출을 매출 창출이 가능한 생산능력으로 전환하는 능력이다. 향후 실적은 보고된 제약이 완화되는 가운데 Azure가 강한 성장을 유지할 수 있는지를 보여줘야 한다. 더 빠른 배포는 새 인프라를 수요가 흡수할 수 있다는 Microsoft의 주장을 뒷받침할 것이다.

투자자는 생산능력 관련 설명을 클라우드 성장률 및 마진과 비교해야 한다. 공급이 확대되는 동안 Azure 성장세가 강하게 유지된다면 공급 부족 논지는 더 신뢰를 얻는다. 안정적인 마진은 효율성이 인프라 비용을 상쇄하고 있음을 추가로 시사할 것이다.

생산능력이나 매출의 상응하는 증가 없이 자본 지출만 늘어난다면 이 논지는 약화된다. 지속적인 건설 지연, 느린 장비 배치, 약화된 클라우드 전망은 조율 문제가 기대 수익을 잠식하고 있음을 보여줄 것이다.

두 번째 신호는 SK Hynix의 HBM4 생산 확대다. 고객 인증, 출하 증가, 패키징 가용성, 제조 수율은 양산이 신뢰할 수 있는 대량 공급으로 자리 잡을 수 있는지를 보여줄 것이다.

성공적인 실행은 메모리 수요가 지속 가능하다는 견해를 강화할 것이다. 또한 SK Hynix가 납품 신뢰성을 희생하지 않고도 어려운 제품 전환을 헤쳐 나갈 수 있음을 보여줄 것이다.

반복적인 출하 지연은 해석을 바꿀 것이다. 이는 보고된 희소성이 수요만이 아니라 생산 복잡성도 일부 반영한다는 점을 시사할 것이다. 그 지연 동안 경쟁사는 인증 기회를 얻을 수 있다.

세 번째 신호는 측정 가능한 기업 사용량이다. Microsoft는 대규모 좌석 수와 확대되는 클라우드 수요를 공개했다. 다음 질문은 고객이 갱신과 사용량 증가를 정당화할 수 있는 반복 가능한 워크플로를 구축하는지다.

사용량이 중요한 이유는 인프라 구축과 경제적 가치를 연결하기 때문이다. 배포된 어시스턴트는 시간을 절약하거나, 결과물을 개선하거나, 매출을 늘려야 한다. 그렇지 않으면 고객은 결국 약정을 줄일 것이다.

사용량 기반 매출, 고객 확장, 공개된 참여도 증가를 주시해야 한다. 초기 AI 계약이 성숙기에 접어들 때의 갱신 행태도 살펴봐야 한다. 강한 갱신률은 도입이 홍보 차원이 아니라 운영 차원으로 자리 잡고 있음을 보여줄 것이다.

저조한 참여도는 가장 공격적인 인프라 가정을 약화시킬 것이다. 고객이 실험하는 동안에도 클라우드 수요는 한동안 높게 유지될 수 있다. 지속 가능한 성장을 위해서는 이러한 실험이 실제 운영 시스템으로 전환돼야 한다.

개발자와 기업 구매자에게 실질적인 대응은 희소성이 정확히 언제 끝날지를 예측하는 것이 아니다. 변화하는 하드웨어, 모델, 지역별 가용성을 견딜 수 있는 애플리케이션을 구축해야 한다.

더 작은 모델이 일상 업무를 처리할 수 있는지 시험하라. 반복되는 컨텍스트가 유용한 경우 캐싱을 활용하라. 벤치마크 성능만이 아니라 각 워크로드가 만들어내는 비즈니스 성과를 추적하라.

팀은 인프라 선택의 근거가 된 의사결정도 보존해야 한다. 요구 사항, 평가, 배포 증거는 빠르게 변화하는 프로젝트 전반에서 재구성하기 어려워진다. 검색 가능한 기술 지식 베이스는 제약으로 재설계가 필요해질 때 이러한 맥락을 계속 활용할 수 있게 해준다.

Google News는 사상 최대 지출, 사상 최대 실적, 새로운 반도체 세대에 관한 확신에 찬 헤드라인을 계속 만들어낼 것이다. 더 유용한 질문은 각 물리적 계층이 고객이 필요로 하는 시점에 도착하는지다.

Microsoft는 서버를 지속 가능한 사용량으로 전환할 수 있음을 증명해야 한다. SK Hynix는 제조 규율을 잃지 않고 첨단 메모리를 확대할 수 있음을 증명해야 한다. 고객은 AI 워크로드가 두 투자 모두를 뒷받침할 만큼 충분한 가치를 창출한다는 점을 증명해야 한다.

다음 분기에는 다음 발표의 규모보다 이 세 가지 신호를 따라가야 한다. 생산능력이 실제로 사용 가능한 상태가 되고 있는가, HBM4가 안정적으로 출하되고 있는가, 고객이 실제 워크로드를 확대하고 있는가? 이 답이 희소성이 지속 가능한 시장을 뒷받침하는지, 아니면 가장 취약한 경제성을 일시적으로 가리고 있는지를 보여줄 것이다.