AI 인프라 부채, 프라이빗 크레딧의 다음 시험대가 될까

문제는 투자 규모다. 국제결제은행(BIS)은 현재와 향후 AI 관련 투자 수요가 워낙 커서 기업들이 영업현금흐름만으로 충당하던 방식에서 부채 조달로 이동하고 있으며, 이 과정에서 프라이빗 크레딧, 즉 사모대출의 역할이 빠르게 커지고 있다고 분석한다 .

아폴로는 투명성 문제를 더 분명하게 짚는다. 대형 클라우드·AI 인프라 기업인 하이퍼스케일러의 공모채 발행액만 보면 AI 관련 신용 창출 규모가 실제보다 작아 보일 수 있는데, 전통적인 공모채 시장 밖에서 이뤄지는 대규모 사모 금융이 빠져 있기 때문이다 . 다시 말해, 시장에 보이는 회사채 숫자만으로는 전용 데이터센터와 컴퓨팅 용량 뒤에 쌓이는 레버리지를 충분히 읽기 어렵다.

프라이빗 크레딧이 압박 지점인 이유

프라이빗 크레딧은 맞춤형 대규모 프로젝트에 유용할 수 있다. 은행 대출이나 공모채로 처리하기 어려운 구조를 비은행 대출기관, 사모펀드, 기관투자가가 직접 설계해 자금을 공급할 수 있기 때문이다. 다만 이런 거래는 양자 계약, 사모펀드, 특수목적회사(SPV)를 통해 이뤄지는 경우가 많아 외부 투자자가 전체 노출을 파악하기 어렵다.

퀸 엠마뉴얼은 기술기업들이 AI 인프라 자금 공백을 메우기 위해 회사채, 프라이빗 크레딧, 부외 SPV를 활용해 왔고, 2년이 채 안 되는 기간에 1200억 달러가 넘는 데이터센터 지출을 재무제표 밖으로 옮겼다고 설명한다 . 같은 분석은 AI 데이터센터 붐과 연결된 금융 방식으로 직접대출, SPV 구조, 유동화, GPU 담보 대출을 제시한다 .

이런 구조가 모두 위험하다는 뜻은 아니다. 프로젝트 금융에서는 위험을 분리하고 자산별 현금흐름을 명확히 하기 위해 SPV를 쓰는 일이 흔하다. 문제는 세 가지 질문이 점점 어려워진다는 점이다. 최종 위험은 누가 지는가. 담보인 GPU와 데이터센터의 실제 가치는 얼마인가. 그리고 이 부채는 현재 현금흐름이 아니라 미래 AI 매출에 얼마나 기대고 있는가.

핵심 불일치: 지출은 지금, 매출은 나중

가장 중요한 신용 리스크는 시간차다. 퀸 엠마뉴얼의 법적 리스크 분석은 2025년 AI 매출을 약 600억 달러, 자본지출을 약 4000억 달러로 추정한다 . 크레셋도 AI 자본지출과 실제 매출 사이의 격차가 커지고 있으며, 프라이빗 크레딧이 점점 더 실물 담보보다 예상 매출 흐름을 근거로 AI 성장을 인수심사하고 있다고 지적한다 .

이것이 AI 투자의 실패를 의미하지는 않는다. 다만 채무 상환이 미래의 사용률, 가격, 수익화, 차환시장에 크게 의존할 수 있음을 뜻한다. 대출기관이 AI 수요, 인프라 이용률, 재금융 여건이 모두 매끄럽게 확대될 것이라고 가정한다면, 예상보다 작은 실망도 대출 가격과 담보가치 재평가로 이어질 수 있다.

특히 들여다봐야 할 구조들

모든 AI 인프라 대출이 취약한 것은 아니다. 더 조심해야 할 영역은 안정적인 장기 계약 현금흐름보다 전망치, 담보가치, 스폰서 지원에 크게 기대는 거래다.

• 부외 SPV. SPV는 프로젝트 위험을 분리할 수 있지만, 스폰서의 실제 부담을 덜 분명하게 만들 수도 있다. 아폴로는 Meta의 Beignet 구조를 전용 데이터센터 용량 건설을 위한 SPV 사례로 언급하고, 퀸 엠마뉴얼도 부외 SPV를 AI 데이터센터 금융의 주요 방식으로 제시한다 .
• GPU·장비 담보 대출. 퀸 엠마뉴얼은 GPU 담보 대출이 활용되고 있다고 설명한다 . 차입자가 어려워질 경우 회수율은 해당 장비가 경제적 가치를 유지하는지, 재금융이나 매각이 가능한지에 달릴 수 있다.
• 유동화와 자산담보 구조. 브랜디와인 글로벌은 AI 인프라가 특히 자산유동화증권의 기회가 되고 있다고 보고, 퀸 엠마뉴얼도 AI 데이터센터 금융에서 유동화 구조가 쓰이고 있다고 지적한다 .
• 데이터센터 부동산과 프로젝트 금융. 시카고 연방준비은행은 AI가 은행의 상업용 부동산 익스포저에 주로 데이터센터 투자를 통해 들어오고 있다고 설명한다 . 또 AI 소프트웨어 차입자의 스트레스가 투자를 줄이고, 데이터센터·에너지 기업·반도체 제조업체로 파급되는 꼬리위험 시나리오를 제시한다 .
• 비은행 금융기관의 레버리지와 단기 조달. S&P Global Ratings의 2026년 유동성 전망을 요약한 시장 보고서는 프라이빗 크레딧이 중요한 자금 공급원으로 급부상하고 있다고 전하며, 투명성이 낮고 단기 조달에 의존하는 고레버리지 비은행 금융기관이 금융 취약성의 원천이 될 수 있다고 지적한다 .

스트레스는 어떻게 번질 수 있나

AI 수요가 완전히 사라져야만 스트레스가 시작되는 것은 아니다. 자본지출이 실제 매출보다 계속 빠르게 늘면, 대출기관은 데이터센터 사용률, GPU 담보가치, 차환 조건을 다시 계산해야 할 수 있다 .

전염 경로의 핵심은 불투명성이다. 공모채 발행액이 대규모 사모 금융을 반영하지 못한다면, 시장은 AI 관련 총부채를 프로젝트 차환, 스폰서의 추가 자본 투입, 또는 디폴트가 나타날 때까지 제대로 파악하지 못할 수 있다 . 은행도 완전히 바깥에 있지는 않다. 시카고 연준의 꼬리위험 시나리오는 AI 소프트웨어 차입자의 스트레스가 투자 축소로 이어지고, 그 충격이 데이터센터, 에너지, 반도체로 번질 수 있다고 본다 .

그래도 자동으로 위기라고 볼 수는 없다

현재 증거가 말하는 것은 ‘필연적 위기’가 아니라 ‘감시 필요성’이다. BIS는 AI 투자가 현금흐름에서 부채 조달로 이동하고 있다고 설명하고, 아폴로는 공모채 발행액이 AI 관련 신용 창출 규모를 과소평가할 수 있다고 경고하며, 퀸 엠마뉴얼은 AI 데이터센터와 연결된 복잡한 금융 구조를 제시한다 . 그러나 이 사실만으로 노출이 금융시스템 전반을 위협할 만큼 크고, 레버리지가 높고, 서로 긴밀히 연결돼 있다고 단정할 수는 없다.

결국 차이는 인수심사다. 내구성 있는 계약 현금흐름과 강한 스폰서가 뒷받침하는 부채는, 예상 AI 매출과 담보가치, 쉬운 차환을 전제로 한 부채와 다르다. 크레셋이 일부 프라이빗 크레딧이 실물 담보보다 예상 매출 흐름에 근거해 AI 성장을 인수심사하고 있다고 지적한 부분이 바로 경계선이다 .

투자자가 봐야 할 경고 신호

실제로 확인해야 할 지표는 비교적 분명하다.

• AI 자본지출이 실제 AI 매출보다 계속 빠르게 늘어나는지 .
• AI 투자가 영업현금흐름보다 부채와 프라이빗 크레딧으로 더 많이 조달되는지 .
• 공모채 시장 밖의 프라이빗 크레딧과 SPV 금융이 더 커지는지 .
• AI 인프라와 연결된 직접대출, 유동화, 자산유동화증권, GPU 담보 대출이 늘어나는지 .
• 장기 계약 현금흐름이나 실물 담보보다 예상 AI 매출을 중심으로 인수심사가 이뤄지는지 .
• 은행의 데이터센터 상업용 부동산 익스포저와 에너지·반도체 대출로의 2차 파급 가능성이 커지는지 .
• 투명성이 낮은 비은행 금융기관에서 레버리지나 단기 조달 의존도가 높아지는지 .

결론

AI 인프라 부채는 프라이빗 크레딧 시장의 다음 주요 스트레스 포인트가 될 수 있는 현실적인 후보이다. 위험은 AI 열풍이 식는다는 단순한 이야기보다 더 구체적이다. 매출 기반이 충분히 입증되기 전에 장기 인프라와 컴퓨팅 담보가 불투명한 부채 구조로 조달되고 있다는 점이 문제다 .

그래서 필요한 태도는 경고등을 켜되, 섣불리 위기를 단정하지 않는 것이다. AI 사용량과 수익화가 오늘의 자본지출을 따라잡는다면 상당수 거래는 버틸 수 있다. 반대로 매출이 예상보다 늦게 도착한다면, 스트레스는 시장의 가시성이 가장 낮은 프라이빗 대출, SPV, 유동화, GPU 담보 대출, 데이터센터 금융에서 먼저 나타날 가능성이 크다.