AI 모델은 발표되는 순간보다 그 전후에 더 많은 돈을 씁니다. 모델을 학습할 반도체를 사고, 서버를 연결하고, 냉각 시설과 전력 설비를 갖춰야 합니다. 이용자가 늘면 답변을 생성하는 추론*용 서버도 계속 추가해야 합니다.

아마존은 3분기 실적 발표에서 2026년 자본지출 전망을 약 2,200억 달러로 제시했습니다. 회사는 이 중 대부분이 AWS의 AI 수요에 대응하기 위한 투자라고 설명했습니다. 2027년에는 지출이 더 늘어날 수 있다는 전망도 내놨습니다.

이 숫자는 단순한 연구개발비가 아닙니다. 토지, 건물, 서버, 네트워크 장비처럼 오랫동안 사용하는 자산에 들어가는 돈입니다. AI 서비스가 예상만큼 빠르게 성장하지 않으면, 먼저 지은 시설의 비용을 회수하는 데 더 오랜 시간이 걸릴 수 있습니다.

AWS의 AI 관련 수요는 계속 늘고 있습니다. 기업들이 모델을 직접 개발하거나 외부 AI 서비스를 운영하려면 클라우드의 연산 능력이 필요합니다. 아마존은 충분한 서버를 제때 공급하기 위해 먼저 시설을 늘리는 선택을 하고 있습니다.

문제는 투자와 매출이 같은 속도로 움직이지 않는다는 점입니다. 데이터센터는 계약하고 짓는 데 시간이 오래 걸리지만, 고객 수요는 경기와 기술 변화에 따라 흔들릴 수 있습니다. 대규모 시설을 준비한 뒤에도 반도체 공급이나 전력 연결이 늦어지면 실제 사용 시점이 미뤄질 수 있습니다.

알파벳과 마이크로소프트도 AI 인프라 지출을 크게 늘리고 있습니다. 세 회사 모두 클라우드 성장이 이어지고 있지만, 투자 규모가 커지면서 현금 흐름과 수익성에 대한 질문도 함께 받고 있습니다. 이제 시장은 “AI가 얼마나 똑똑한가”뿐 아니라 “그 서비스를 운영하는 데 얼마가 드는가”를 봅니다.

데이터센터를 늘리는 일은 반도체 주문만으로 끝나지 않습니다. 안정적인 전력과 냉각수, 송전망, 건설 허가가 한꺼번에 따라붙습니다. 모델이 준비돼 있어도 기반 시설 연결이 늦어지면 서비스 확장 역시 멈춰 설 수 있습니다.

지역과의 협의도 큰 변수입니다. 대형 데이터센터는 일자리와 세수를 만들지만, 전력 요금과 물 사용량, 소음을 둘러싼 갈등을 낳기도 합니다. 투자액뿐 아니라 시설이 지역에 미칠 영향과 에너지 사용 계획을 함께 공개해야 하는 배경입니다.

AI 사업의 승부처도 모델 성능에서 운영 능력까지 넓어졌습니다. 좋은 모델을 확보했더라도 서버와 전력을 제때 공급하지 못하면 이용자를 늘리기 어렵습니다. 반대로 수요보다 앞서 지은 시설은 고정비 부담을 키웁니다. 이 비용은 응답 속도와 요금제, 고성능 기능의 사용 한도처럼 이용자가 체감하는 조건으로 이어집니다.

기업 고객에게는 공급 안정성이 또 하나의 성능입니다. 특정 지역의 서버가 모자랄 때 작업이 지연되는지, 갑작스러운 이용 증가를 감당할 수 있는지, 필요할 때 다른 클라우드로 옮길 수 있는지를 함께 살펴야 합니다. 한 서비스에 깊이 묶일수록 가격이나 정책 변화에 대응하기 어려워집니다.

투자액만으로 승자를 가르기는 어렵습니다. 반도체 효율이 빠르게 좋아지거나 적은 연산으로 비슷한 성능을 내는 모델이 나오면, 오늘 지은 시설의 가치는 예상보다 빨리 떨어집니다. 큰돈을 쓰는 능력보다 수요에 맞춰 증설 속도를 조절하는 운영력이 시험대에 올랐습니다.