Steve Eisman, AI 인프라 붐의 숨은 취약점 경고

Steve Eisman은 클라우드 성장세가 급격히 높아지는 가운데 장기간 보유해 온 Alphabet 지분을 매각하며, 한 Google News 기사를 과밀한 AI 투자에 대한 경고로 전환했다. “The Big Short”에 기록된 주택시장 공매도 베팅으로 유명해진 이 투자자는 인공지능이 실패할 것이라고 예측하는 것이 아니다. 그는 궁극적으로 발생할 수익이 현재의 막대한 인프라 지출을 정당화할 수 있을지 의문을 제기한다.

이 구분은 논쟁의 방향을 바꾼다. AI 모델은 계속 개선될 수 있고, 클라우드 수요는 성장할 수 있으며, Nvidia는 프로세서를 계속 판매할 수 있다. 그럼에도 투자자들은 실망스러운 수익률을 기록할 수 있다. Eisman의 우려는 칩 제조사, 클라우드 플랫폼, 모델 개발사, 기업 차입자, 지수 투자자를 연결하는 경제적 사슬에 집중돼 있다.

Alphabet은 이 충돌을 잘 보여준다. 클라우드 사업은 빠르게 성장하고 있지만, 회사는 서버, 네트워크 장비, 전력, 데이터센터에 더 많은 현금을 투입하고 있다. Microsoft도 수요가 가용 컴퓨팅 용량을 앞지르면서 비슷한 압박에 직면해 있다.

낙관론은 이런 제약이 공급업체가 제공할 수 있는 것보다 고객이 더 많은 AI 서비스를 원한다는 증거라고 말한다. 회의론은 감가상각, 전력비, 금융비용, 교체비용을 고려한 뒤에는 수요만으로 매력적인 마진을 보장할 수 없다고 본다.

Eisman은 업계 전반을 겨냥한 대규모 공매도 포지션을 취하지 않았다. 대신 AI 익스포저를 줄이고 현금 비중을 높이며, 더 명확한 증거를 기다렸다. 그의 결정은 AI가 작동하느냐보다 더 어려운 질문을 제기한다. 결국 누가 이 구축 비용을 감당할 만큼 충분한 돈을 벌게 될까?

Steve Eisman이 실제로 바꾼 것

Eisman의 Alphabet 매각은 위험 관리 결정이지, Google이나 AI의 성장이 멈췄다는 선언이 아니었다.

Eisman은 CNBC에 Alphabet을 처음 매수한 시점조차 기억나지 않을 만큼 오랫동안 보유해 왔다고 말했다. 이후 기술 업계 전반에서 AI 지출이 가속화되자 해당 포지션을 매각했다.

초기 AI 익스포저 경고에 따르면, Eisman은 매각 대금을 전통적인 방어주가 아닌 현금으로 옮겼다. 그는 Alphabet을 유틸리티, 필수소비재, 또는 또 다른 이른바 안전 테마로 대체하지 않았다.

이 선택이 중요한 이유는 그의 포지션을 전통적인 경기침체 베팅과 구분하기 때문이다. 그는 저성장 기업이 자동으로 더 나은 수익을 제공한다고 주장하는 것이 아니다. 그는 현재 시장에서 지배적인 AI 익스포저를 피할 만한 매력적인 방법이 거의 없다고 말한다.

Eisman의 가장 직접적인 경고는 해당 기술이 충분한 재무적 수익을 내지 못할 경우 어떤 일이 벌어질지에 관한 것이었다. 그는 그 시나리오에서 “큰 조정”이 일어날 것으로 예상한다고 말했지만, 시점이나 예상 하락 폭은 제시하지 않았다.

이 표현은 그의 전체 입장보다 더 약세적으로 들릴 수 있다. Eisman은 AI가 뛰어난 기술이 될 수 있음을 인정했다. 그의 의문은 그 기술에 자금을 대고, 공급하고, 운영하는 모든 기업이 현재의 기대치를 받을 자격이 있는지에 관한 것이다.

이것이 Google News 헤드라인 뒤에 숨은 취약점이다. 기술적 성공과 투자 성공은 연관돼 있지만, 서로 바꿔 쓸 수 있는 개념은 아니다.

유용한 제품은 모든 참여자에게 충분한 이익을 안기지 못한 채 막대한 활동을 만들어낼 수 있다. 항공 산업은 교통을 혁신했지만, 오랜 기간 경제성은 어려웠다. 통신 네트워크는 필수 인프라가 됐지만, 투자자들은 과잉 용량으로 손실을 입었다.

AI 인프라는 그 문제의 자체 버전에 직면해 있다. 클라우드 기업이 프로세서를 구매하면 칩 공급업체는 매출을 기록할 수 있다. 모델 기업이 용량을 예약하면 클라우드 제공업체는 수요를 보고할 수 있다. 어느 거래도 최종 고객이 그 결과물인 서비스에서 지속적인 수익을 낼 것이라는 증거는 아니다.

Eisman은 또한 업계를 둘러싼 점점 더 긴밀해지는 금융 구조에 의문을 제기했다. 칩 제조사, 클라우드 제공업체, 모델 개발사, 인프라 투자자는 계약, 투자, 대출 또는 용량 약정을 통해 서로를 지원할 수 있다.

그런 관계가 자동으로 부적절한 것은 아니다. 실제 확장 국면에서 부족한 인프라의 자금 조달을 도울 수 있다. 하지만 독립적이고 수익성 있는 수요가 어디서 시작되는지 파악하기도 더 어려워진다.

따라서 Alphabet 매각은 포트폴리오 경고로 기능한다. Eisman은 AI 사이클이 실패했다는 결정적 증거를 확인하기 전에 익스포저를 줄였다. 현금은 또 다른 과밀 테마를 선택하지 않고 기다릴 수 있는 선택권을 그에게 줬다.

그의 행동이 논쟁을 해결한 것은 아니다. 다만 그가 이제 원하는 증거가 무엇인지를 드러냈다. AI 인프라의 전체 비용을 뛰어넘는 지속 가능한 매출, 견고한 마진, 현금 창출이다.

Google News와 Alphabet의 커지는 자본 청구서

Alphabet의 사업 모멘텀은 AI 논리를 뒷받침하지만, 자본 수요는 성장만으로 논쟁을 끝낼 수 없는 이유를 보여준다.

Alphabet은 2026년 7월 22일 강력한 2분기 실적을 발표했다. 매출은 1,198억 달러로 전년 동기 대비 24% 증가했다. 영업이익은 30% 늘어난 408억 달러를 기록했다.

Google Cloud가 가장 두드러진 확장을 이끌었다. 매출은 82% 증가한 248억 달러였으며, 수주잔고는 5,140억 달러에 달했다. 수주잔고는 아직 매출로 인식되지 않은 계약 사업을 의미한다.

이 수치는 AI 인프라 수익성 논리를 의미 있게 뒷받침한다. Alphabet이 상업적 수요 없이 데이터센터를 짓고 있는 것이 아님을 보여준다. 고객들은 약정하고, 더 많은 용량을 사용하며, Google의 AI 서비스를 도입하고 있다.

Alphabet은 Fortune 100 기업의 약 90%가 Gemini Enterprise를 사용했다고 밝혔다. 또한 직전 12개월 동안 2,000곳이 넘는 기업이 1,000억 개 이상의 토큰을 소비했다고 보고했다.

토큰 물량은 AI 모델이 처리한 텍스트, 코드, 이미지 또는 기타 데이터의 양을 측정한다. 활동량을 보여주지만, 단위당 발생한 이익을 드러내지는 않는다.

회사의 분기 실적에 따르면 매분 약 220억 개의 API 토큰이 처리됐다. 이는 한 분기 전 160억 개에서 증가한 수치다.

검색은 또 다른 뒷받침 신호를 제공한다. Alphabet은 AI Mode가 글로벌 확장 후 월간 활성 사용자 수 10억 명을 넘어섰다고 밝혔다. 검색 및 기타 광고 매출은 17% 증가했다.

이 실적은 가장 단순한 버블 논리에 도전한다. Google은 무관한 실험에 돈을 쓰면서 정체된 제품을 보고하는 것이 아니다. AI 기능은 대규모 이용자에게 도달하고 있으며, 클라우드 고객은 상당한 컴퓨팅 용량을 소비하고 있다.

그러나 Alphabet은 해당 분기에 자본적 지출로 449억 달러를 썼다. 자본적 지출 또는 capex는 서버, 네트워크 시스템, 데이터센터 같은 장기 자산을 포괄한다.

이 분기 지출은 Alphabet의 영업현금흐름 391억 달러를 웃돌았다. 자본적 지출과 기타 조정 이후 잉여현금흐름은 59억 달러 적자였다.

경영진은 2026년 예상 자본 지출을 1,950억~2,050억 달러로 상향했다. 또한 2027년에도 지출이 다시 크게 늘어날 것이라고 밝혔다.

바로 이 지점에서 Steve Eisman의 AI 경고는 더 이상 쉽게 무시하기 어렵다. 인프라 투자가 더 빠르게 늘어날 때, 강한 매출 성장이 비용 문제를 없애주지는 않는다.

데이터센터에는 초기 건설비만 필요한 것이 아니다. 프로세서, 메모리, 냉각 설비, 네트워크 장비, 전력, 유지보수, 숙련된 운영 인력이 필요하다. 더 빠른 시스템이 등장하면 기존 하드웨어의 경제적 가치도 떨어진다.

회계 규칙은 많은 자산의 기록 비용을 예상 내용연수에 걸쳐 분산한다. 감가상각이라 불리는 이 과정은 전체 비용을 즉시 인식하는 대신 여러 기간에 걸쳐 보고 이익을 줄인다.

감가상각이 위험의 전부는 아니다. 더 큰 문제는 하드웨어의 경제적 수명이 회계상 일정과 일치하는지 여부다. 작동하는 프로세서도 더 새로운 칩이 경쟁력을 낮추면 유용성이 떨어질 수 있다.

Alphabet은 엔지니어링 및 하드웨어 개선이 AI 서비스 제공 비용을 낮추고 있다고 주장한다. 회사는 해당 분기 AI Mode 응답 비용이 출시 이후 최저 수준에 도달했다고 밝혔다.

이 진전은 중요하다. 단위 비용 하락은 사용량 증가를 마진 개선으로 전환할 수 있다. 또한 더 나은 소프트웨어와 워크로드 관리를 통해 기존 인프라의 유효한 역할을 연장할 수도 있다.

그러나 응답당 비용 하락이 총지출 감소를 자동으로 뜻하지는 않는다. 사용량이 효율 개선보다 더 빠르게 증가할 수 있다. 더 성능이 높은 모델은 복잡한 작업 하나당 더 많은 컴퓨팅 자원을 요구할 수도 있다.

따라서 투자자들은 두 종류의 수치를 봐야 한다. Google News 보도는 자연스럽게 성장, 제품, 사용량을 강조한다. 재무적 검증에는 자본집약도, 감가상각, 영업비용, 잉여현금흐름도 필요하다.

시장 전체가 하나의 AI 가정에 기대고 있다

Eisman의 더 광범위한 우려는 집중도다. 주식과 채권은 분산된 것처럼 보여도 같은 AI 경제성에 의존할 수 있다.

광범위한 지수 펀드는 수백 개 기업을 보유한다. 이런 구조는 한 기업의 하락으로 인한 피해를 보통 줄여준다. 하지만 최대 보유 종목들이 같은 투자 사이클을 공유하면 익스포저가 사라지는 것은 아니다.

S&P Dow Jones Indices는 S&P 500을 미국에서 이용 가능한 시가총액의 약 80%를 포괄하는 대형주 벤치마크로 분류한다. 시가총액 가중 방식은 가장 큰 기업들에 가장 큰 영향력을 부여한다.

TheStreet가 보고서를 발행했을 당시 상위 10개 기업은 지수의 약 36.4%를 차지했다. Alphabet, Microsoft, Nvidia, Amazon, Meta 및 기타 AI 연계 기업은 이 집중된 그룹의 상당 부분을 차지했다.

공식 지수 방법론은 기업이나 경제 테마 전반에 걸친 동일한 익스포저를 약속하지 않는다. 투자자는 500개 주식을 보유할 수 있지만, 여전히 소수 그룹이 성과의 큰 부분을 좌우할 수 있다.

이것이 Eisman이 말한 위험한 거래의 한 측면을 만든다. 주식 투자자들은 대형 기술 기업이 AI 관련 이익 성장을 지속하는 데 크게 의존한다.

두 번째 측면은 채권시장까지 이어진다. 데이터센터에는 장기 물리 자산이 필요하며, 구축 규모는 기술 기업, 개발사, 유틸리티, 인프라 파트너의 차입을 부추긴다.

정상적인 상황에서 주식과 채권은 다르게 움직인다. 하지만 기초 발행기관이 같은 예상 현금흐름에 의존할 때 둘 다 타격을 받을 수 있다.

투자자는 성장을 위해 기술주를, 안정성을 위해 회사채를 보유할 수 있다. AI 인프라가 주식의 이익과 채권의 신용도를 뒷받침한다면, 그 포트폴리오는 명칭이 시사하는 것보다 경제적 다양성이 낮다.

Federal Reserve는 AI 위기를 선언하지 않았다. 2026년 5월 검토 보고서는 가계와 기업 부채의 취약성이 전반적으로 보통 수준이라고 설명했다. 또한 은행들이 건전하고 회복력을 유지하고 있다고 밝혔다.

그럼에도 Fed는 주식 가치평가 압력이 여전히 높다고 판단했다. S&P 500 기업의 주가수익비율은 역사적 분포의 상단 부근에 머물렀다.

Fed가 조사한 시장 참여자들은 AI 관련 전개를 잠재적 위협 가운데 하나로 자주 지목했다. 이들은 지정학적 위험, 유가 충격, 사모신용, 지속적인 인플레이션도 언급했다.

금융안정 검토 보고서는 유용한 균형을 제시한다. AI를 위험 경로로 인식하면서도 붕괴가 확실하거나 임박했다고 주장하지는 않는다.

그 구분은 Eisman의 입장과도 일치한다. 높은 집중도는 취약성을 만들지만, 신뢰할 수 있는 시점 판단 신호는 아니다. 기업 실적이 견조한 동안 고평가된 시장은 계속 상승할 수 있다.

집중도는 양면적으로 작용한다. 부진한 산업이 어려움을 겪는 상황에서도 수익성 높은 소수 기업이 지수를 떠받칠 수 있다. Alphabet과 Microsoft는 AI 사업 외에도 현금을 창출하는 확고한 사업 기반을 갖추고 있다.

Google은 여전히 상당한 광고 수익을 올리고 있다. Microsoft는 다양한 워크로드 전반에 걸쳐 소프트웨어와 클라우드 서비스를 판매한다. Amazon은 리테일과 물류 사업을 운영하고, Meta는 광고를 통해 인프라 투자를 뒷받침한다.

이러한 현금 창출력은 오늘날의 선도 기업들을 확립된 수익 기반이 없는 투기적 기업과 구별한다. 또한 hyperscaler들이 AI 경제성을 개선하고 초기 운영 손실을 흡수할 수 있는 시간을 더 확보하게 해 준다.

그럼에도 압박은 계속된다. 대기업은 막대한 지출 프로그램을 감당할 수 있지만, 투자자들은 여전히 각 프로그램을 다른 자본 활용 방안과 비교한다. 데이터센터는 인수, 연구개발, 배당, 자사주 매입과 자본을 두고 경쟁한다.

막대한 대차대조표가 자본을 공짜로 만들지는 않는다. 모든 서버는 결국 매출에 기여하거나, 비용을 낮추거나, 핵심 사업을 방어하거나, 가치 있는 전략적 선택지를 만들어야 한다.

이 기준이 AI 붐이 건전하면서도 동시에 취약해 보일 수 있는 이유를 설명한다. 가장 강한 기업들이 이를 뒷받침하고 있지만, 많은 분산 포트폴리오는 바로 그 기업들이 경제성을 제대로 구현하는 데 의존하고 있다.

클라우드 수요는 실재하지만, 수익성이 시험대다

핵심 충돌은 실재하는 수요와 가상의 수요 사이의 문제가 아니다. 실재하는 수요와 이를 수익성 있게 제공하는 비용 사이의 문제다.

Microsoft는 낙관론을 뒷받침하는 중요한 증거를 제시한다. 이 회사는 2026 회계연도 3분기에 319억 달러의 자본적 지출을 기록했다고 밝혔다.

이 지출의 약 3분의 2는 그래픽 처리 장치와 중앙 처리 장치를 포함한 비교적 수명이 짧은 자산에 투입됐다. 이 자산들은 클라우드 및 AI 워크로드의 연산을 처리한다.

Microsoft는 클라우드 용량이 계속해서 고객 수요에 못 미쳤다고 밝혔다. 회사의 용량 공시는 단순히 사용되지 않는 시설을 짓는 것이 아니라 실제 제약에 대응하고 있었음을 시사한다.

공급 제약은 가격 결정력을 보여줄 수 있다. 고객이 제공업체가 공급할 수 있는 것보다 더 많은 용량을 원할 경우, 제공업체는 가치가 높은 워크로드를 우선시하고 유리한 약정을 협상할 수 있다.

하지만 이는 수익성 없는 수요를 가릴 수도 있다. 특히 제공업체들이 시장점유율을 두고 경쟁하거나 인센티브를 제공할 때, 고객들은 보조금이 붙은 서비스를 더 많이 요청하게 된다.

핵심 지표는 대기자 명단이 아니다. 연산, 에너지, 감가상각, 네트워킹, 지원 및 금융 비용을 제외한 뒤 남는 마진이다.

이 질문의 중심에는 추론이 있다. 추론은 학습된 모델을 실행해 요청에 답하고, 콘텐츠를 생성하거나, 작업을 완료하는 과정이다.

학습은 모델을 만들어 내지만, 추론은 일상적인 사용자를 서비스한다. 그 경제성은 대규모 도입이 반복 수익을 내는 엔진이 될지, 아니면 비용이 많이 드는 참여 유도 전략에 머물지를 결정한다.

Eisman의 우려는 고객들이 수익성 있는 추론에 필요한 가격을 꺼릴 수 있다는 것이다. 기업들은 저렴한 AI 지원 기능을 선호하지만, 지불 의사에는 한계가 있다.

칩과 소프트웨어가 개선되면서 모델 제공업체는 가격을 낮출 수 있다. 경쟁은 비용이 충분히 하락하기 전에도 그러한 인하를 강요해 업계 전반의 마진을 압박할 수 있다.

폐쇄형 모델은 open-weight 대안의 압박을 받는다. open-weight 모델은 정해진 조건에 따라 학습된 파라미터를 공개해 조직이 직접 호스팅하거나 자체 환경에 맞게 조정할 수 있도록 한다.

자체 호스팅이 비용을 없애지는 않는다. 기업은 여전히 하드웨어, 엔지니어링, 보안, 모니터링 및 거버넌스가 필요하다. 하지만 이는 정교한 구매자에게 또 다른 협상 선택지를 제공한다.

클라우드 플랫폼은 단순한 모델 접근 권한이 아닌 완전한 시스템을 제공하는 방식으로 대응할 수 있다. 이러한 시스템은 데이터 도구, 보안 통제, 맞춤형 프로세서, 소프트웨어 에이전트 및 기업 지원을 결합한다.

Alphabet의 접근 방식도 그 전략을 따른다. Google Cloud는 칩, 모델, 데이터 서비스, 보안 제품 및 에이전트 개발 도구를 통합 패키지로 판매한다.

통합은 고객이 더 폭넓은 관계를 구매하게 하므로 마진을 개선할 수 있다. 애플리케이션이 한 제공업체의 독점 서비스에 의존할 경우 전환 비용도 높일 수 있다.

이는 AI 인프라 수익성에 대한 더 정교한 시험 기준을 만든다. 투자자는 직접 모델 호출에서 나오는 매출만 측정해서는 안 된다. AI는 광고, 클라우드 유지율, 개발자 도입, 보안 판매 및 생산성을 강화할 수 있다.

일부 수익은 신규 매출이 아니라 방어된 매출로도 나타날 것이다. Google은 Search를 개선하지 못할 경우 기존 사업이 위협받을 수 있기 때문에 AI에 막대한 지출을 할 수 있다.

방어적 투자는 여전히 합리적일 수 있다. 다만 회사가 더 많은 인프라를 구축했기 때문에만 존재하는 매출이 어느 것인지 경영진이 쉽게 보여줄 수 없다는 점에서 계산을 복잡하게 만든다.

Eisman의 논지는 자본 지출이 계속 증가하는 반면 마진, 현금흐름 및 고객 가격이 약화될 때 가장 강해진다. 매출이 복리로 증가하고, 단위 비용이 하락하며, 잉여현금흐름이 회복된다면 약해진다.

현재 증거는 양쪽을 모두 뒷받침한다. 클라우드 성장과 제한된 용량은 수요를 보여준다. Alphabet의 분기 잉여현금흐름 적자는 이를 충족하는 데 드는 즉각적인 비용을 보여준다.

그래서 단순히 버블이라는 꼬리표는 큰 의미가 없다. 버블은 가격이 지속 가능한 경제성과 분리됐음을 의미하지만, 그 경제성은 여전히 형성 중이다.

더 유용한 질문은 더 좁다. 경쟁으로 그 용량이 평범한 자원이 되기 전에 hyperscaler들이 부족한 컴퓨팅 용량을 총자본비용을 웃도는 수익으로 전환할 수 있는가?

구축 확대에 관한 낙관론이 맞는 지점

Eisman의 경고는 면밀한 검토가 필요하다. 가장 강력한 반론은 낙관론이 아니라 영업 실적에서 나오기 때문이다.

Alphabet의 2분기 수치는 매출, 영업이익, 클라우드 수주잔고 및 AI 사용량이 확대되고 있음을 보여준다. 이는 고객이 사라진 기업에서 흔히 나타나는 신호가 아니다.

Microsoft의 용량 제약도 또 다른 구체적 신호를 제공한다. 수요가 순전히 홍보성에 그치거나 소규모 실험에만 한정될 때 기업이 일반적으로 계속 공급 제약 상태에 머물지는 않는다.

Nvidia 역시 이 사슬에서 유리한 위치를 차지한다. 일부 다운스트림 애플리케이션이 나중에 기대에 못 미치더라도 고객이 프로세서를 구매할 때 이익을 낼 수 있다.

보도에 따르면 Eisman도 Nvidia가 칩을 수익성 있게 판매할 가능성이 높다고 인정했다. 그의 우려는 그보다 아래 단계, 즉 클라우드 제공업체와 최종 사용자가 그 컴퓨팅 용량에서 수익을 내야 하는 지점에서 시작된다.

이 구분은 자원 붐 기간에 장비를 판매하는 공급업체와 비슷하다. 일부 고객이 구매한 자산의 가치를 과대평가하더라도 공급업체는 번창할 수 있다.

그러나 hyperscaler들은 수동적인 구매자가 아니다. Alphabet, Amazon, Microsoft는 대규모 고객 기반과 폭넓은 소프트웨어 포트폴리오를 갖춘 글로벌 클라우드 플랫폼을 운영한다.

이들은 검색, 광고, 생산성 소프트웨어, 사이버보안, 비디오 및 외부 클라우드 워크로드 전반에서 인프라를 재활용할 수 있다. 한 서비스용으로 구매한 프로세서도 수요가 이동하면 다른 작업을 지원할 수 있다.

맞춤형 칩도 비용을 낮출 수 있다. Alphabet은 tensor processing units를 개발하고 있으며, Amazon과 Microsoft도 자체 AI 프로세서를 설계했다. 이 시스템들은 한 공급업체에 대한 완전한 의존도를 낮춘다.

소프트웨어 최적화는 이 논리를 더욱 확장한다. 더 나은 컴파일러, 모델 압축, 워크로드 스케줄링 및 캐싱은 기존 하드웨어로부터 만들어 내는 산출량을 늘릴 수 있다.

효율성 개선은 재무제표에 드러나는 것보다 더 빠르게 이뤄질 수 있다. 자본적 지출은 현금흐름에 즉시 반영되는 반면, 그로 인해 확보된 자산은 여러 해에 걸쳐 매출을 창출할 수 있다.

대규모 건설 프로그램은 분기별 실적의 불균형도 만든다. 잉여현금흐름이 적자인 기간이 있다고 해서 다년간의 투자가 실패할 것이라는 뜻은 아니다.

Alphabet의 수주잔고는 미래의 계약 수요를 보여주지만, 수주잔고가 이익을 보장하지는 않는다. 시기, 고객 사용량, 서비스 비용 및 계약 조건은 여전히 최종 수익에 영향을 준다.

낙관론은 전략적 필요성도 인정한다. AI는 사람들이 검색하고, 소프트웨어를 작성하고, 정보를 분석하고, 기업 시스템과 상호작용하는 방식을 바꾸고 있다.

지출을 지나치게 줄인 hyperscaler는 자본적 지출 감소가 단기 현금흐름을 개선하더라도 제품 관련성을 잃을 수 있다. 경영진은 현재의 수익과 이러한 경쟁 위험의 균형을 맞춰야 한다.

개발자에게 더 큰 인프라 공급은 지연 시간을 낮추고 모델 가용성을 높일 수 있다. 또한 자체 데이터센터를 구축할 수 없는 소규모 기업을 지원할 수도 있다.

클라우드 제공업체들이 가격, 거버넌스 및 성능을 두고 경쟁할 때 기업 구매자도 혜택을 본다. 경쟁은 제공업체의 마진을 압박하더라도 고객 경제성을 개선할 수 있다.

지식 노동자는 투자자들이 명확한 수익을 보기 전에 더 나은 도구를 경험할 수 있다. 한 서비스는 제공업체가 그 생산성의 전체 가치를 포착하지 못하더라도 직원의 시간을 절약해 줄 수 있다.

이는 사회적 편익과 주주 수익 사이의 간극을 만든다. 널리 유용한 기술은 인프라 소유자에게 이익을 집중시키기보다 고객, 근로자 및 경쟁 기업에 이익을 분배할 수 있다.

역사적 선례는 닷컴 시대의 완벽한 재현이 아니다. 오늘날의 주요 구매자들은 상당한 현금을 창출하고 있으며, 많은 AI 서비스는 이미 유료 고객을 보유하고 있다.

그럼에도 역사는 관련된 교훈을 제공한다. 모든 참여자가 수요가 동시 확장을 정당화할 것이라고 예상할 때, 필수 인프라는 과도하게 구축될 수 있다.

최종 승자는 약한 사업자들이 물러난 뒤 저렴하게 용량을 확보할 수 있다. 초기 투자자들이 손실을 보더라도 고객은 더 낮은 가격의 혜택을 받을 수 있다.

따라서 Eisman의 경계는 낙관적 증거 속에서도 유효하다. 실제 도입은 가치 없는 기술일 가능성을 낮추지만, 모든 단계에서 매력적인 수익을 보장하지는 않는다.

회의적 시각 역시 같은 수준의 절제가 필요하다. 한 분기의 잉여현금흐름 적자가 과잉 구축을 증명하지는 않는다. 높은 자본 지출 전망이 고객의 지불 중단을 증명하지도 않는다.

아직 공개된 증거만으로는 이 투자 주기의 최종 수익성을 확정할 수 없다. 구축 확대는 계속되고, 용량은 여전히 제한돼 있으며, 기업들은 강한 사용량을 계속 보고하고 있다.

경고가 현실화될지를 가를 세 가지 신호

투자자들은 모든 Google News 업데이트를 판결로 받아들이기보다 매출 대비 비용 증가율, 잉여현금흐름, 고객 가격을 지켜봐야 한다.

첫 번째 신호는 AI 관련 매출이 인프라 비용보다 빠르게 증가하는지 여부다. 클라우드 매출은 하나의 지표를 제공하지만, 투자자들은 영업마진과 감가상각도 살펴봐야 한다.

Alphabet의 82% 클라우드 성장은 낙관론의 여지를 만든다. 성장세가 정상화된 뒤에도 자본적 지출, 전력 비용 및 감가상각이 계속 가속된다면 비교는 덜 유리해진다.

시간이 흐를수록 경영진의 공시는 더 구체적이어야 한다. 투자자들은 AI 수요를 위한 지출, 일반적인 클라우드 확장, 기존 장비 교체를 더 명확히 구분할 필요가 있다.

자산 활용도에 관한 증거도 필요하다. 수익성 있는 워크로드를 처리하는 가득 찬 데이터센터는 낙관론을 뒷받침한다. 할인된 워크로드를 처리하는 가득 찬 시설은 수익성에 대한 질문에 답하지 못한다.

두 번째 신호는 잉여현금흐름의 회복이다. Alphabet의 분기 59억 달러 적자는 반드시 지속될 상태가 아니라 대규모 건설 기간을 반영한 결과였다.

매출 성장이 이어지는 가운데 현금흐름이 회복된다면 Eisman의 경고는 약해질 것이다. 이는 회사가 더 많은 영업이익을 활용 가능한 현금으로 전환하면서 확장 자금을 조달할 수 있음을 보여줄 것이다.

현금흐름이 지속적으로 부진하다면 경고는 더 강해질 것이며, 특히 경영진이 자본 지출 전망을 계속 올릴 경우 그렇다. 수익이 먼 상태에서 기업들이 차입을 늘린다면 압박은 더 커질 것이다.

투자자들은 하나의 보고서보다 여러 분기를 살펴봐야 한다. 건설 일정, 장비 인도, 세금 납부는 근본적인 추세를 가리는 변동성을 만들 수 있다.

세 번째 신호는 고객이 추론에 기꺼이 비용을 지불하는지다. 제공업체가 비용 하락 속도보다 더 빠르게 가격을 계속 낮춰야 한다면 사용량 증가는 중요성이 떨어진다.

기업 고객의 계약 갱신, 약정형 클라우드 계약, 확대되는 워크로드는 낙관론을 뒷받침할 수 있다. 고객이 더 저렴한 모델이나 더 작은 규모의 배포로 이동한다면 Eisman의 우려를 뒷받침할 것이다.

모델 품질만으로 이 경쟁의 승패가 결정되지는 않는다. 구매자들은 성능, 개인정보 보호, 지연 시간, 거버넌스, 총운영비를 점점 더 함께 비교하고 있다.

오픈 웨이트 모델은 또 다른 가격 기준점을 제공할 것이다. 기업이 더 낮은 비용의 시스템으로 요구 사항을 충족할 수 있다면, 프리미엄 제공업체는 더 나은 결과를 통해 가격을 정당화해야 한다.

이 세 번째 신호에서는 용량 제약도 면밀히 살펴볼 필요가 있다. 안정적인 마진과 함께 공급 부족이 지속된다면 견고한 수요를 보여줄 것이다. 공급 부족이 공격적인 할인과 함께 나타난다면 이야기는 달라진다.

시장 폭도는 보조적인 점검 기준을 제공한다. 더 폭넓은 이익 성장은 Eisman이 지적한 포트폴리오 집중도를 낮출 것이다.

시장 상승이 소수의 AI 연관 기업에 계속 집중된다면, 투자자들은 하나의 재무 가정에 계속 의존하게 된다. 이러한 의존은 어떤 실망이든 증폭시킬 수 있다.

채권 발행도 비슷한 수준의 검토가 필요하다. 계약된 수익성 인프라를 뒷받침하는 차입은 주로 예상 수요에 기반한 차입과는 다른 위험을 지닌다.

이 신호들 가운데 어느 것도 투자 사이클의 정확한 정점을 예측할 필요는 없다. 대신 독자가 보고된 실적을 바탕으로 이 논지를 검증할 수 있게 한다.

개발자들이 이를 신경 써야 하는 이유는 조정 국면이 컴퓨팅 자원 접근성을 바꿀 수 있기 때문이다. 제공업체는 보조금을 줄이거나, 실험적 제품을 취소하거나, 더 강한 계약을 보유한 고객에게 용량을 집중할 수 있다.

기업 구매자들이 이를 신경 써야 하는 이유는 현재의 낮은 사용료가 지속되지 않을 수 있기 때문이다. 보조금이 적용된 추론을 중심으로 구축된 서비스는 워크플로와 독점 데이터가 이에 의존하게 된 뒤에는 교체 비용이 커진다.

지식 노동자들은 유용한 제품과 지속 가능한 공급업체를 구분해야 한다. 중요한 작업물을 이식 가능한 형식으로 보관하고 검색 가능한 개인 지식 기반을 유지하면 하나의 제공업체에 대한 의존도를 낮출 수 있다.

AI 제품팀은 여러 가격 시나리오에서 비용을 모델링해야 한다. 또한 고객이 단순 토큰 소비가 아니라 완료된 결과에 비용을 지불하는지도 측정해야 한다.

Eisman의 매도가 Alphabet이 고평가됐다는 사실, AI가 버블이라는 사실, 또는 조정이 임박했다는 사실을 증명하지는 않는다. 다만 존경받는 한 투자자가 그 위험을 분산하기가 더 어렵다고 판단했다는 점을 보여준다.

가장 강력한 답은 또 다른 극적인 헤드라인에서 나오지 않을 것이다. 그것은 클라우드 마진, 잉여현금흐름, 고객 계약 갱신, 그리고 각 AI 요청을 처리하는 데 드는 비용에서 나올 것이다.

다음 실적 발표 주기는 현재의 지출이 수익성 있는 유틸리티를 구축하고 있는지, 아니면 보조금에 의존한 도입이 장기간 이어지도록 자금을 대고 있는지를 분명히 해줄 것이다. 어느 한쪽의 극단을 받아들이기 전에 그 수치를 지켜봐야 한다.

Google News는 버블, 혁신, 그리고 막대한 신규 약정에 관한 주장을 계속 전할 것이다. 독자들은 각 기사 아래에서 한 가지 일관된 질문을 던져야 한다. 최종 1달러를 버는 주체는 누구인가?

이 질문은 AI 보도를 실용적인 의사결정 도구로 바꾼다. 매출을 추적하고, 비용을 따라가며, 마지막 고객이 전체 사슬을 지탱할 수 있는지 검증하라.