AI 산업의 경제 구조가 두 갈래로 갈라지고 있다. 지능을 사용하는 비용은 빠르게 낮아지는 반면, 이를 실제 서비스로 제공하는 데 필요한 인프라는 여전히 부족하고 비싸다. 첨단 반도체 제조, 고대역폭 메모리(HBM), 서버, 네트워크, 전력과 데이터센터 용량이 대표적이다.

이 현상은 단순한 가격 하락 이야기가 아니다. 어떤 기업이 수익성을 지킬 수 있는지, 투자자들이 AI 지출을 어떻게 평가해야 하는지, 그리고 부채가 쌓이는 지점이 어디인지까지 바꾸고 있다. 앞으로의 승자는 가장 많은 토큰을 판매하는 기업이 아닐 수 있다. 희소한 인프라, 강력한 유통망, 독점 데이터 또는 측정 가능한 사업 성과와 연결된 소프트웨어를 확보한 기업이 더 유리할 가능성이 크다.

AI 가격 전쟁은 토큰의 가치를 낮추고 있다

일부 추정에 따르면 비슷한 수준의 AI 추론 비용은 약 2년 동안 95%가량 하락했다. 다만 모델, 작업 유형, 품질 수준에 따라 비교 결과는 달라질 수 있다. 39 정확한 하락률보다 중요한 것은 방향이다. 한때 프리미엄 API 가격을 받던 기능들이 이제는 더 저렴한 모델이나 오픈 웨이트 모델을 통해 제공되고 있다.

OpenAI의 최근 가격 인하는 이런 압박을 잘 보여준다. OpenAI는 2026년 7월 소형 GPT-5.6 Luna 모델 가격을 80%, 중간급 Terra 모델 가격을 20% 내렸다. 34 8월에는 개발자용 최상위 모델 GPT-5.6 Sol의 가격도 20% 넘게 추가 인하한다고 발표했다. 33

사용자 입장에서는 반가운 변화다. 추론 비용이 낮아지면 AI 에이전트 운영, 고객지원 자동화, 콘텐츠 생성, 코드 작성, 대규모 데이터 처리의 경제성이 좋아진다. 그러나 모델 제공업체에는 다른 계산법이 적용된다. 사용량이 가격 하락분보다 더 빠르게 늘지 않는다면, 가격을 내릴 때마다 건당 매출이 줄어든다. 차별화되지 않은 모델 기능을 프리미엄으로 판매하는 전략만으로는 수익성을 방어하기가 점점 어려워지는 이유다.

핵심은 저렴해진 지능과 저렴해진 AI 시스템을 구분하는 데 있다. 토큰 가격이 내려가더라도 검색·데이터 보강, 모니터링, 보안, 지연시간 관리, 시스템 통합, 사람의 검토까지 포함한 신뢰성 높은 AI 제품의 총비용은 여전히 상당할 수 있다.

물리적 공급망은 정반대로 움직인다

AI 작업을 처리할 인프라를 늘리는 속도는 수요 증가를 따라가지 못하고 있다. 삼성전자는 AI 칩 수요로 생산능력이 빠듯해지자 일부 첨단 파운드리 서비스의 신규 주문 가격을 최대 15% 올린 것으로 알려졌다. 1

삼성전자는 칩 부족이 더욱 심각해져 2028년까지 이어질 수 있다고 밝혔으며, 주요 데이터센터 고객과 다년간 공급 계약을 추진하고 있다. 2 삼성전자 메모리 사업부가 제시한 계약 구조에 따르면 협상이 마무리될 경우 생산능력의 약 60~70%가 장기 계약으로 묶일 수 있다. 56

이런 계약은 시장의 성격을 바꾼다. 이제 생산능력이 단순히 현물 가격을 가장 많이 지불하는 기업에 배분되는 구조가 아니다. 대형 고객들은 수년 앞서 공급량을 예약하고 있다. 그 결과 대형 고객의 조달 안정성은 높아지는 반면, 소규모 구매자는 공급 부족과 가격 변동에 더 크게 노출될 수 있다.

메모리 시장의 전망은 특히 팽팽하다. 곽노정 SK하이닉스 최고경영자는 2027년이 메모리 업계 역사상 가장 심각한 공급 부족의 해가 될 수 있으며, 수요가 생산능력을 웃도는 상황이 2030년 이후까지 이어질 수 있다고 말했다. 이는 확정된 결과가 아니라 기업 최고경영자의 전망이지만, 공급 확대에 얼마나 긴 시간이 필요한지를 보여주는 발언이다. 17

엔비디아가 보여준 인프라의 가격 결정력

엔비디아의 최신 실적은 모델 가격 하락이 아직 하드웨어 수요를 꺾지 못했다는 점을 보여준다. 엔비디아는 2027회계연도 2분기 매출이 962억 달러로 전년 대비 106% 증가했다고 발표했다. 데이터센터 매출은 890억 달러로 117% 늘었다. 4950

여기서 AI 시장의 핵심 긴장이 드러난다. 더 효율적인 모델은 특정 작업에 필요한 컴퓨팅 자원을 줄일 수 있다. 하지만 가격이 내려가면 사용량이 크게 늘어날 수도 있다. 효율성 향상보다 수요 증가가 빠르면, 추론 1회당 비용이 하락하는 동안 전체 인프라 소비는 계속 커진다.

따라서 병목은 다른 곳으로 이동할 수 있다. 가속기는 충분해도 메모리, 첨단 패키징, 네트워크, 전력 또는 전력망 연결이 부족할 수 있다. 엔비디아의 해당 분기 총이익률은 75%였지만, 메모리 비용 상승이 향후 마진을 압박할 가능성이 있다는 분석도 나왔다. 4953 중요한 교훈은 인프라 사업의 경제성이 무너졌다는 것이 아니다. 수요가 강하더라도 공급망의 모든 부문이 똑같이 높은 수익성을 누리는 것은 아니라는 뜻이다.

대형 클라우드 기업도 압박을 모두 흡수할 수는 없다

대형 클라우드 기업, 즉 하이퍼스케일러는 서비스 가격 하락과 인프라 비용 상승 사이의 불일치를 관리할 여력이 중소 AI 기업보다 크다. 클라우드 컴퓨팅뿐 아니라 광고, 기업용 소프트웨어, 소비자 플랫폼에서 발생하는 수익으로 투자를 분산할 수 있기 때문이다. AI를 더 큰 기업용 계약에 묶어 판매하고, 광범위한 유통망으로 사용량을 늘리며, 장기 공급 계약을 통해 조달 안정성을 높일 수도 있다.

이 때문에 하이퍼스케일러는 업계의 충격 흡수자가 될 가능성이 있다. 클라우드 고객 관계를 지키거나 시장점유율을 확보하기 위해 AI 서비스 마진을 낮출 수 있다는 의미다. 다만 대가는 자본 효율성이다. AI 가격이 사용량 증가보다 빠르게 떨어지면, 막대한 데이터센터 투자금이 수익으로 돌아오는 데 더 오랜 시간이 걸린다.

중소 제공업체에는 상황이 훨씬 가혹하다. 비싼 컴퓨팅 용량을 임대해 범용 모델 접근권을 다시 판매하는 기업이라면, API 가격이 고객 기반보다 빠르게 하락할 때 방어 수단이 거의 없다. 지속 가능한 사업은 업무 흐름을 장악하거나, 독점 데이터를 보유하거나, 보안·신뢰성·유통망에서 차별화해야 한다. 토큰 사용량이 아니라 검증 가능한 사업 성과에 연동해 가격을 책정하는 방식도 대안이 될 수 있다.

모델이 싸진다고 생산성이 곧바로 오르지는 않는다

가격 하락은 실험과 도입을 촉진할 수 있다. 하지만 도입은 실현된 경제적 가치와 같은 말이 아니다. 기업이 AI로 지속적인 생산성 향상을 얻으려면 업무 프로세스를 다시 설계하고, 데이터를 정리하고, 기존 시스템과 통합하며, 직원 교육과 통제 체계를 마련해야 한다.

이 지점에서 투자자에게는 시간차 위험이 생긴다. 경쟁사가 투자한다는 이유로 기업들이 AI 용량이나 소프트웨어를 먼저 확보하면서 지출이 측정 가능한 수익보다 앞서갈 수 있다. 기대했던 생산성 향상이 늦어지면 인프라 계약은 고정된 채 AI 매출 전망만 하향 조정될 수 있다.

상방 시나리오는 수요 확대다. 추론 비용이 크게 낮아진 덕분에 사용량이 폭발하고, 전체 AI 지출과 클라우드 소비, 생산성이 함께 증가하는 경우다. 반대로 하방 시나리오는 마진과 가동률의 동반 압박이다. 모델 가격은 급락하지만 사용량이 충분히 늘지 않아 일부 데이터센터 프로젝트의 수익률이 자금 조달 당시 예상보다 낮아지는 상황이다.

신용 위험은 계약된 수요의 질에 달렸다

AI 인프라 확대는 이제 신용시장의 문제이기도 하다. 데이터센터, 인프라 인수, 부품 공급 약정에는 막대한 자본이 필요하며, 그중 상당 부분은 장기 부채로 조달된다. 다년 계약을 맺은 신용도 높은 고객과 예측 가능한 사용량이 현금흐름을 뒷받침한다면 부채는 상대적으로 정당화될 수 있다.

반대로 상환이 불확실한 미래 수요에 달려 있다면 취약성이 커진다. AI 가격 하락, 예상보다 느린 가동률 상승, 전력비 증가, 부품 부족은 모두 인프라 프로젝트의 현금흐름을 약화시킬 수 있다.

후순위 부채 비중이 커지거나 신용보험 비용이 상승한다면, 이는 대출기관이 더 큰 하방 위험에 대한 보상을 요구하고 있다는 신호일 수 있다. 그렇다고 곧바로 신용 사건이 발생한다는 뜻은 아니다. 다만 이 경우 시장은 AI 수요라는 거대한 headline보다 실제 계약의 질과 차입자의 현금흐름 회복력을 더 중요하게 보게 된다.

거시경제 효과는 한 방향이 아니다

AI는 디지털 서비스 부문에서 디플레이션, 즉 가격 하락 압력을 만들 수 있다. 저렴해진 추론 비용은 코딩, 분석, 고객지원, 콘텐츠 제작과 일부 행정 업무의 비용을 낮출 수 있다. 경쟁이 이런 절감분을 고객에게 전가한다면 기업과 소비자에게도 혜택이 돌아갈 수 있다.

하지만 인프라 확대는 특정 시장에서 반대 방향으로 작용한다. 메모리, 첨단 칩, 서버, 건설 역량, 토지, 전력과 전력망 연결이 부족해지면 이들의 가격이 오를 수 있다. 단기적으로는 AI가 처리하는 디지털 업무의 가격은 낮아지는 동시에, 이를 가능하게 하는 자본재와 에너지 투입 비용에는 인플레이션 압력이 나타날 수 있다.

따라서 하나의 통일된 ‘AI 인플레이션’이나 ‘AI 디플레이션’이 나타날 가능성은 낮다. 효율성 향상이 병목보다 빠르게 확산되는지, 기업이 절감분을 고객에게 돌려주는지 아니면 마진으로 남기는지에 따라 결과가 달라진다.

공급망은 전략적 자산이 되고 있다

다년간의 생산능력 예약은 반도체의 지정학적 중요성도 키운다. 삼성전자와 SK하이닉스는 메모리 부문에서 협상력을 높이고 있으며, 첨단 로직과 패키징은 여전히 소수의 공급업체와 특정 지역에 집중돼 있다. 생산능력이 수년 앞서 예약되면 수출 통제, 보조금 정책, 지역적 차질의 영향은 더 커진다. 공급을 빠르게 다른 곳으로 돌리기 어렵기 때문이다.

글로벌 수요가 증가하면 중국 메모리 업체가 규제가 덜한 제품군에서 기회를 얻을 수 있다. 그러나 최첨단 HBM과 AI에 핵심적인 부품에서 격차를 좁히는 일은 훨씬 어렵다. 고객 인증, 신뢰성 기준, 기술 복잡성, 수출 통제와 조달 규정이 대체 공급업체의 점유율 확대 속도를 제한할 수 있다.

결국 그 비용은 누가 부담할까

아직 풀리지 않은 질문은 저렴해진 AI 소비와 비싸진 AI 생산 사이의 차액을 누가 부담하느냐는 것이다. 가능한 경로는 여러 가지다.

• 하이퍼스케일러는 마진을 낮춰 부담하는 대신 AI로 클라우드와 광고 등 broader ecosystem을 방어할 수 있다.
• 칩·메모리 공급업체는 공급 부족이 이어지는 동안 희소성에 기반한 가격 결정력을 유지할 수 있다.
• 투자자는 AI 인프라 지출에서 더 낮은 수익률을 감수할 수 있다.
• 대출기관은 더 높은 금리와 스프레드, 또는 프로젝트 부실에 따른 손실을 떠안을 수 있다.
• 고객은 공급업체가 인프라 비용을 고부가가치·성과 기반 제품에 반영할 경우 더 높은 가격을 지불할 수 있다.

단기적으로는 이 가운데 첫 세 가지가 결합된 결과가 가장 현실적이다. AI 접근 비용은 계속 낮아지겠지만, 공급이 따라잡거나 이미 진행된 투자 약정을 정당화할 만큼 수요가 충분하지 않다는 사실이 확인될 때까지 AI를 제공하는 인프라는 비싼 상태로 남을 가능성이 크다.

전략적 시사점은 분명하다. 토큰 가격 하락은 AI 투자 이야기의 끝이 아니다. 오히려 지능이 풍부해진 뒤에도 이를 활용하는 데 필요한 기계, 메모리, 전력과 유통망은 부족할 수 있다는 점을 시험하는 신호다. AI의 지속 가능한 가치는 ‘얼마나 많은 토큰을 팔았는가’보다, 희소한 자원을 통제하고 실제 사업 성과로 연결하는 능력에 더 가까워지고 있다.

AI 산업의 경제 구조가 두 갈래로 갈라지고 있다. 지능을 사용하는 비용은 빠르게 낮아지는 반면, 이를 실제 서비스로 제공하는 데 필요한 인프라는 여전히 부족하고 비싸다. 첨단 반도체 제조, 고대역폭 메모리(HBM), 서버, 네트워크, 전력과 데이터센터 용량이 대표적이다.

이 현상은 단순한 가격 하락 이야기가 아니다. 어떤 기업이 수익성을 지킬 수 있는지, 투자자들이 AI 지출을 어떻게 평가해야 하는지, 그리고 부채가 쌓이는 지점이 어디인지까지 바꾸고 있다. 앞으로의 승자는 가장 많은 토큰을 판매하는 기업이 아닐 수 있다. 희소한 인프라, 강력한 유통망, 독점 데이터 또는 측정 가능한 사업 성과와 연결된 소프트웨어를 확보한 기업이 더 유리할 가능성이 크다.

AI 가격 전쟁은 토큰의 가치를 낮추고 있다

일부 추정에 따르면 비슷한 수준의 AI 추론 비용은 약 2년 동안 95%가량 하락했다. 다만 모델, 작업 유형, 품질 수준에 따라 비교 결과는 달라질 수 있다. 39 정확한 하락률보다 중요한 것은 방향이다. 한때 프리미엄 API 가격을 받던 기능들이 이제는 더 저렴한 모델이나 오픈 웨이트 모델을 통해 제공되고 있다.

OpenAI의 최근 가격 인하는 이런 압박을 잘 보여준다. OpenAI는 2026년 7월 소형 GPT-5.6 Luna 모델 가격을 80%, 중간급 Terra 모델 가격을 20% 내렸다. 34 8월에는 개발자용 최상위 모델 GPT-5.6 Sol의 가격도 20% 넘게 추가 인하한다고 발표했다. 33

사용자 입장에서는 반가운 변화다. 추론 비용이 낮아지면 AI 에이전트 운영, 고객지원 자동화, 콘텐츠 생성, 코드 작성, 대규모 데이터 처리의 경제성이 좋아진다. 그러나 모델 제공업체에는 다른 계산법이 적용된다. 사용량이 가격 하락분보다 더 빠르게 늘지 않는다면, 가격을 내릴 때마다 건당 매출이 줄어든다. 차별화되지 않은 모델 기능을 프리미엄으로 판매하는 전략만으로는 수익성을 방어하기가 점점 어려워지는 이유다.

핵심은 저렴해진 지능과 저렴해진 AI 시스템을 구분하는 데 있다. 토큰 가격이 내려가더라도 검색·데이터 보강, 모니터링, 보안, 지연시간 관리, 시스템 통합, 사람의 검토까지 포함한 신뢰성 높은 AI 제품의 총비용은 여전히 상당할 수 있다.

물리적 공급망은 정반대로 움직인다

AI 작업을 처리할 인프라를 늘리는 속도는 수요 증가를 따라가지 못하고 있다. 삼성전자는 AI 칩 수요로 생산능력이 빠듯해지자 일부 첨단 파운드리 서비스의 신규 주문 가격을 최대 15% 올린 것으로 알려졌다. 1

삼성전자는 칩 부족이 더욱 심각해져 2028년까지 이어질 수 있다고 밝혔으며, 주요 데이터센터 고객과 다년간 공급 계약을 추진하고 있다. 2 삼성전자 메모리 사업부가 제시한 계약 구조에 따르면 협상이 마무리될 경우 생산능력의 약 60~70%가 장기 계약으로 묶일 수 있다. 56

이런 계약은 시장의 성격을 바꾼다. 이제 생산능력이 단순히 현물 가격을 가장 많이 지불하는 기업에 배분되는 구조가 아니다. 대형 고객들은 수년 앞서 공급량을 예약하고 있다. 그 결과 대형 고객의 조달 안정성은 높아지는 반면, 소규모 구매자는 공급 부족과 가격 변동에 더 크게 노출될 수 있다.

메모리 시장의 전망은 특히 팽팽하다. 곽노정 SK하이닉스 최고경영자는 2027년이 메모리 업계 역사상 가장 심각한 공급 부족의 해가 될 수 있으며, 수요가 생산능력을 웃도는 상황이 2030년 이후까지 이어질 수 있다고 말했다. 이는 확정된 결과가 아니라 기업 최고경영자의 전망이지만, 공급 확대에 얼마나 긴 시간이 필요한지를 보여주는 발언이다. 17

엔비디아가 보여준 인프라의 가격 결정력

엔비디아의 최신 실적은 모델 가격 하락이 아직 하드웨어 수요를 꺾지 못했다는 점을 보여준다. 엔비디아는 2027회계연도 2분기 매출이 962억 달러로 전년 대비 106% 증가했다고 발표했다. 데이터센터 매출은 890억 달러로 117% 늘었다. 4950

여기서 AI 시장의 핵심 긴장이 드러난다. 더 효율적인 모델은 특정 작업에 필요한 컴퓨팅 자원을 줄일 수 있다. 하지만 가격이 내려가면 사용량이 크게 늘어날 수도 있다. 효율성 향상보다 수요 증가가 빠르면, 추론 1회당 비용이 하락하는 동안 전체 인프라 소비는 계속 커진다.

따라서 병목은 다른 곳으로 이동할 수 있다. 가속기는 충분해도 메모리, 첨단 패키징, 네트워크, 전력 또는 전력망 연결이 부족할 수 있다. 엔비디아의 해당 분기 총이익률은 75%였지만, 메모리 비용 상승이 향후 마진을 압박할 가능성이 있다는 분석도 나왔다. 4953 중요한 교훈은 인프라 사업의 경제성이 무너졌다는 것이 아니다. 수요가 강하더라도 공급망의 모든 부문이 똑같이 높은 수익성을 누리는 것은 아니라는 뜻이다.

대형 클라우드 기업도 압박을 모두 흡수할 수는 없다

대형 클라우드 기업, 즉 하이퍼스케일러는 서비스 가격 하락과 인프라 비용 상승 사이의 불일치를 관리할 여력이 중소 AI 기업보다 크다. 클라우드 컴퓨팅뿐 아니라 광고, 기업용 소프트웨어, 소비자 플랫폼에서 발생하는 수익으로 투자를 분산할 수 있기 때문이다. AI를 더 큰 기업용 계약에 묶어 판매하고, 광범위한 유통망으로 사용량을 늘리며, 장기 공급 계약을 통해 조달 안정성을 높일 수도 있다.

이 때문에 하이퍼스케일러는 업계의 충격 흡수자가 될 가능성이 있다. 클라우드 고객 관계를 지키거나 시장점유율을 확보하기 위해 AI 서비스 마진을 낮출 수 있다는 의미다. 다만 대가는 자본 효율성이다. AI 가격이 사용량 증가보다 빠르게 떨어지면, 막대한 데이터센터 투자금이 수익으로 돌아오는 데 더 오랜 시간이 걸린다.

중소 제공업체에는 상황이 훨씬 가혹하다. 비싼 컴퓨팅 용량을 임대해 범용 모델 접근권을 다시 판매하는 기업이라면, API 가격이 고객 기반보다 빠르게 하락할 때 방어 수단이 거의 없다. 지속 가능한 사업은 업무 흐름을 장악하거나, 독점 데이터를 보유하거나, 보안·신뢰성·유통망에서 차별화해야 한다. 토큰 사용량이 아니라 검증 가능한 사업 성과에 연동해 가격을 책정하는 방식도 대안이 될 수 있다.

모델이 싸진다고 생산성이 곧바로 오르지는 않는다

가격 하락은 실험과 도입을 촉진할 수 있다. 하지만 도입은 실현된 경제적 가치와 같은 말이 아니다. 기업이 AI로 지속적인 생산성 향상을 얻으려면 업무 프로세스를 다시 설계하고, 데이터를 정리하고, 기존 시스템과 통합하며, 직원 교육과 통제 체계를 마련해야 한다.

이 지점에서 투자자에게는 시간차 위험이 생긴다. 경쟁사가 투자한다는 이유로 기업들이 AI 용량이나 소프트웨어를 먼저 확보하면서 지출이 측정 가능한 수익보다 앞서갈 수 있다. 기대했던 생산성 향상이 늦어지면 인프라 계약은 고정된 채 AI 매출 전망만 하향 조정될 수 있다.

상방 시나리오는 수요 확대다. 추론 비용이 크게 낮아진 덕분에 사용량이 폭발하고, 전체 AI 지출과 클라우드 소비, 생산성이 함께 증가하는 경우다. 반대로 하방 시나리오는 마진과 가동률의 동반 압박이다. 모델 가격은 급락하지만 사용량이 충분히 늘지 않아 일부 데이터센터 프로젝트의 수익률이 자금 조달 당시 예상보다 낮아지는 상황이다.

신용 위험은 계약된 수요의 질에 달렸다

AI 인프라 확대는 이제 신용시장의 문제이기도 하다. 데이터센터, 인프라 인수, 부품 공급 약정에는 막대한 자본이 필요하며, 그중 상당 부분은 장기 부채로 조달된다. 다년 계약을 맺은 신용도 높은 고객과 예측 가능한 사용량이 현금흐름을 뒷받침한다면 부채는 상대적으로 정당화될 수 있다.

반대로 상환이 불확실한 미래 수요에 달려 있다면 취약성이 커진다. AI 가격 하락, 예상보다 느린 가동률 상승, 전력비 증가, 부품 부족은 모두 인프라 프로젝트의 현금흐름을 약화시킬 수 있다.

후순위 부채 비중이 커지거나 신용보험 비용이 상승한다면, 이는 대출기관이 더 큰 하방 위험에 대한 보상을 요구하고 있다는 신호일 수 있다. 그렇다고 곧바로 신용 사건이 발생한다는 뜻은 아니다. 다만 이 경우 시장은 AI 수요라는 거대한 headline보다 실제 계약의 질과 차입자의 현금흐름 회복력을 더 중요하게 보게 된다.

거시경제 효과는 한 방향이 아니다

AI는 디지털 서비스 부문에서 디플레이션, 즉 가격 하락 압력을 만들 수 있다. 저렴해진 추론 비용은 코딩, 분석, 고객지원, 콘텐츠 제작과 일부 행정 업무의 비용을 낮출 수 있다. 경쟁이 이런 절감분을 고객에게 전가한다면 기업과 소비자에게도 혜택이 돌아갈 수 있다.

하지만 인프라 확대는 특정 시장에서 반대 방향으로 작용한다. 메모리, 첨단 칩, 서버, 건설 역량, 토지, 전력과 전력망 연결이 부족해지면 이들의 가격이 오를 수 있다. 단기적으로는 AI가 처리하는 디지털 업무의 가격은 낮아지는 동시에, 이를 가능하게 하는 자본재와 에너지 투입 비용에는 인플레이션 압력이 나타날 수 있다.

따라서 하나의 통일된 ‘AI 인플레이션’이나 ‘AI 디플레이션’이 나타날 가능성은 낮다. 효율성 향상이 병목보다 빠르게 확산되는지, 기업이 절감분을 고객에게 돌려주는지 아니면 마진으로 남기는지에 따라 결과가 달라진다.

공급망은 전략적 자산이 되고 있다

다년간의 생산능력 예약은 반도체의 지정학적 중요성도 키운다. 삼성전자와 SK하이닉스는 메모리 부문에서 협상력을 높이고 있으며, 첨단 로직과 패키징은 여전히 소수의 공급업체와 특정 지역에 집중돼 있다. 생산능력이 수년 앞서 예약되면 수출 통제, 보조금 정책, 지역적 차질의 영향은 더 커진다. 공급을 빠르게 다른 곳으로 돌리기 어렵기 때문이다.

글로벌 수요가 증가하면 중국 메모리 업체가 규제가 덜한 제품군에서 기회를 얻을 수 있다. 그러나 최첨단 HBM과 AI에 핵심적인 부품에서 격차를 좁히는 일은 훨씬 어렵다. 고객 인증, 신뢰성 기준, 기술 복잡성, 수출 통제와 조달 규정이 대체 공급업체의 점유율 확대 속도를 제한할 수 있다.

결국 그 비용은 누가 부담할까

아직 풀리지 않은 질문은 저렴해진 AI 소비와 비싸진 AI 생산 사이의 차액을 누가 부담하느냐는 것이다. 가능한 경로는 여러 가지다.

• 하이퍼스케일러는 마진을 낮춰 부담하는 대신 AI로 클라우드와 광고 등 broader ecosystem을 방어할 수 있다.
• 칩·메모리 공급업체는 공급 부족이 이어지는 동안 희소성에 기반한 가격 결정력을 유지할 수 있다.
• 투자자는 AI 인프라 지출에서 더 낮은 수익률을 감수할 수 있다.
• 대출기관은 더 높은 금리와 스프레드, 또는 프로젝트 부실에 따른 손실을 떠안을 수 있다.
• 고객은 공급업체가 인프라 비용을 고부가가치·성과 기반 제품에 반영할 경우 더 높은 가격을 지불할 수 있다.

단기적으로는 이 가운데 첫 세 가지가 결합된 결과가 가장 현실적이다. AI 접근 비용은 계속 낮아지겠지만, 공급이 따라잡거나 이미 진행된 투자 약정을 정당화할 만큼 수요가 충분하지 않다는 사실이 확인될 때까지 AI를 제공하는 인프라는 비싼 상태로 남을 가능성이 크다.

전략적 시사점은 분명하다. 토큰 가격 하락은 AI 투자 이야기의 끝이 아니다. 오히려 지능이 풍부해진 뒤에도 이를 활용하는 데 필요한 기계, 메모리, 전력과 유통망은 부족할 수 있다는 점을 시험하는 신호다. AI의 지속 가능한 가치는 ‘얼마나 많은 토큰을 팔았는가’보다, 희소한 자원을 통제하고 실제 사업 성과로 연결하는 능력에 더 가까워지고 있다.