공유 심층 분석

AI Capex 사이클: 구조적 성장인가, 사이클의 정점인가

마지막 업데이트: 2026-06-04

1849년 캘리포니아에서 금이 발견됐을 때, 수십만 명이 곡괭이를 들고 서부로 몰려갔습니다. 그런데 그 골드러시에서 가장 안정적으로 돈을 번 사람은 금을 캔 광부가 아니었습니다. 광부들에게 곡괭이와 청바지를 판 상인이었습니다. 리바이 스트라우스가 청바지로 부자가 된 게 이 시절입니다.

그리고 모든 골드러시는 끝났습니다.

2026년의 골드러시는 AI입니다. 마이크로소프트·구글·아마존·메타가 금을 캐러 몰려든 채굴자라면, 📈NVDA엔비디아와 📈AMDAMD는 가장 좋은 곡괭이를 파는 대장장이이고, 📈TSMTSMC는 모든 대장장이에게 곡괭이를 만들 강철을 대는 단 하나의 제철소입니다. 이 글은 하나의 질문에 답합니다. AI 투자는 구조적 성장인가, 사이클의 정점인가?

답을 정해드리지는 않습니다. 양쪽 모두 데이터로 무장한 진짜 논쟁이기 때문입니다. 대신 두 진영을 같은 무대에 세우고, 당신이 직접 사이클의 방향을 읽을 수 있는 틀을 드립니다. 그러려면 먼저 100년 전 같은 골드러시를 봐야 합니다.

프롤로그. 모든 골드러시는 끝났다

"닷컴 거품"은 막연한 단어입니다. 누구나 "그때 다 망했지"라고 말하지만, 실제로 무슨 일이 벌어졌는지는 흐릿합니다. 그런데 그 사이클을 단계별로 복기하면, 지금 AI Capex가 어느 단계에 와 있는지 가늠할 좌표가 생깁니다.

그리고 가장 중요한 사실이 하나 있습니다. 그때 수요는 진짜였습니다. 그래서 더 무섭습니다.

프롤로그.1 닷컴·통신 광섬유 사이클이 실제로 어떻게 전개됐나

1990년대 후반, 통신사들은 인터넷 수요가 무한할 거라 믿었습니다. 그 믿음의 근거는 "인터넷 트래픽이 100일마다 2배로 늘어난다"는 통념이었습니다. WorldCom의 자회사 UUNET이 퍼뜨린 이 수치는 훗날 과장으로 판명됐지만, 당시엔 모든 투자 논리의 토대였습니다. (The Bubble Bubble)

이 확신 위에서 통신사와 신생 사업자들이 경쟁적으로 땅을 파고 광섬유를 묻었습니다. 1990년대 통신 광섬유에 투입된 누적 투자는 1,000억 달러를 넘었습니다. 문제는 그 자금의 대부분이 부채와 투기적 주식 발행이었다는 점입니다. (IEEE ComSoc)

출처: Technostatecraft, IEEE ComSoc, The Bubble Bubble

2000년이 되자 균열이 보이기 시작했습니다. 실제 트래픽은 빠르게 늘었지만, 깔린 용량을 따라가지 못했습니다. 2004년 시점에 설치된 광섬유 중 실제로 불이 켜진 것은 약 10분의 1에 불과했습니다. 나머지 85~90%는 깔아놓고도 쓰지 않는 채로 남았습니다. 업계는 이걸 dark fiber라고 불렀습니다. 점등되지 않은, 즉 깔려 있지만 아무도 쓰지 않는 인프라라는 뜻입니다. (Technostatecraft)

그리고 붕괴가 왔습니다. 도매 대역폭 가격이 전년 대비 55%에서 90%까지 폭락했고, Global Crossing, WorldCom, Qwest, 360Networks 같은 회사들이 줄줄이 파산했습니다. 부채로 깔아놓은 인프라가 이자를 못 버는 순간 도미노가 시작된 것입니다.

여기서 결정적인 디테일을 놓치면 안 됩니다. 이들은 수요가 사라져서 망한 게 아닙니다. 인터넷 트래픽은 2000년대 내내 실제로 폭증했습니다. 수요는 진짜였습니다. 다만 공급이 그 수요를 5년 이상 앞질렀고, 그 5년의 시차가 가격을 붕괴시킨 것입니다.

후일담은 더 역설적입니다. 2010년 넷플릭스·유튜브·구글이 동영상 스트리밍을 시작할 수 있었던 건, 2000년대에 깔려 dark로 남아 있던 광섬유 덕분에 대역폭이 헐값이었기 때문입니다. 인프라는 결국 다 쓰였습니다. 단, 그 수혜를 본 건 처음 깔았던 1차 투자자(파산)가 아니라, 파산 자산을 헐값에 인수한 2차 소유주였습니다. (IEEE ComSoc)

프롤로그.2 역사가 남긴 3단 교훈: 이 글 전체의 프레임

이 세 문장이 글 전체를 관통합니다. AI Capex를 볼 때마다 우리는 이 프레임으로 되돌아올 것입니다.

이 세 교훈은 이 글의 사용 설명서이기도 합니다. 2장 Bull은 첫 번째 교훈("수요는 진짜다")을 강조할 것이고, 3장 Bear는 두 번째 교훈("타이밍과 양이 문제다")을 강조할 것이며, 4장 노출 구조는 세 번째 교훈("누가 곡괭이를 파는가")을 따라갑니다.

이제 100년 전 골드러시에서 2026년의 골드러시로 돌아옵니다. 지금은 어디쯤일까요?

1. 지금 무슨 일이 벌어지고 있나

AI Capex는 추상적 공포가 아닙니다. 숫자입니다. (Capex는 미래를 위해 오늘 묶어놓는 자본 지출입니다. 데이터센터, 서버, GPU를 사는 돈이 여기에 들어갑니다.)

마이크로소프트·구글·아마존·메타 4사 합산 capex는 2024년 약 2,300억 달러에서 2026년 가이던스 기준 약 7,250억 달러로, 단 2년 만에 약 3배 늘었습니다. 1990년대 통신업계가 광섬유에 쓴 누적 투자가 1,000억 달러대였던 것과 비교하면, 지금은 단 4개 기업이 그 몇 배를 매년 쏟아붓는 셈입니다. 차이는 단 하나입니다. 이번 채굴자들은 빚이 아니라 자기 현금흐름으로 판돈을 댑니다.

1.1 하이퍼스케일러 4사 Capex 추이

먼저 용어 하나를 정리합니다. 하이퍼스케일러란 전 세계 규모의 클라우드·데이터센터 인프라를 운영하는 초대형 기술기업을 말합니다. 이 글에서는 마이크로소프트·구글·아마존·메타 빅4가 그 주인공입니다. 골드러시 비유로는 금을 캐러 몰려든 채굴자들입니다.

출처: 연도별 합산은 각사 어닝콜 공시 기준 자체 계산. CY2026E 약 $725B와 개별사 가이던스는 Yahoo Finance 집계

네 회사를 따로 떼어 보면 규모가 더 실감 납니다.

중요한 건 네 회사가 전부 2026년 가이던스를 상향했다는 사실입니다. 구글은 1,800억~1,900억 달러로, 메타는 1,250억~1,450억 달러로 전망치를 올렸습니다. 이건 한 회사의 베팅이 아닙니다. 빅테크 전체의 합의된 베팅입니다. 참고로 마이크로소프트의 1,900억 달러 중 약 250억 달러는 순수한 증설이 아니라 부품 가격 상승분이라는 점도 CFO가 밝혔습니다.

1.2 "$1T" 발언의 진실

AI 투자 이야기에서 "1조 달러"라는 숫자는 어디서나 들립니다. 그런데 이 숫자는 매번 다른 걸 가리킵니다. 누가 무엇을 1조 달러라고 말했는지 구분하지 못하면 숫자에 속습니다.

같은 "1조 달러"라도 누군가는 엔비디아의 누적 수주를, 누군가는 하이퍼스케일러의 2027년 capex를, 누군가는 전 세계 AI 인프라 총투자를 가리킵니다. 본 글은 일관성을 위해 빅4(MS·구글·아마존·메타) 기준으로만 서술합니다. Oracle을 포함한 "빅5"는 약 8,050억 달러(Morgan Stanley)로 별개 수치이니 혼동하지 않습니다.

한 가지 더. 이 capex가 전부 GPU로 가는 건 아닙니다. GPU와 가속 서버는 전체 데이터센터 capex의 약 30~35%를 차지하고, 2029년경 약 50%까지 오를 것으로 전망됩니다(Dell'Oro). 나머지는 건물, 전력 설비, 네트워크입니다.

1.3 4사는 같은 베팅을 다르게 한다

"빅4가 합의했다"는 말은 절반만 맞습니다. 네 회사는 같은 방향에 베팅하지만, 베팅의 동기도, 갚는 방식도 다릅니다. 이 차이를 알면 "누가 먼저 허리띠를 졸라맬까"를 가늠할 수 있습니다.

핵심은 두 갈래의 구분입니다. 임대형(MS·구글·아마존)은 capex로 지은 인프라를 클라우드로 "임대"해서 직접 매출을 회수합니다. 회수 경로가 명확하지만, 가동률과 임대율에 노출됩니다. 비어 있는 데이터센터는 돈을 못 법니다.

반면 내재형(메타)은 자기 광고·추천 알고리즘에 직접 투입합니다. 외부 매출이 아니라 "내부 효율 개선"으로 회수하는 구조입니다. 이건 ROI를 측정하기가 더 까다롭고, 그래서 3장 ROI 논쟁의 핵심 사례가 됩니다.

자금조달에는 공통점과 차이점이 있습니다. 공통점은 네 회사 모두 1차적으로 자체 잉여현금흐름(FCF) 기반이라는 점입니다. 벌어서 쓰고 남은 현금으로 짓는다는 뜻이고, 이것이 닷컴 통신사의 "부채와 투기 주식"과 결정적으로 다른 지점입니다. 차이점은, 최근 일부 기업이 장비를 빌려 쓰고 임대료를 내는 자산 리스나 외부 펀딩으로 capex 부담을 회계장부 밖으로 돌리는 경향이 나타난다는 점입니다. 표면상 FCF는 건전해 보여도 실질적인 빚 부담이 쌓일 수 있습니다. 이 실마리는 3장 순환 융자와 연결됩니다.

2. Bull(낙관론자): 구조적 성장이다

Bull의 핵심은 "이건 거품이 아니라 수요 곡선의 초입"이라는 것입니다. (Bull은 낙관론자, Bear는 비관론자를 뜻하는 증시 용어입니다. 황소는 뿔을 위로 치받고, 곰은 앞발을 위에서 아래로 내리치는 데서 왔습니다. 첫 등장이라 풀어둡니다.)

그 근거는 토큰입니다. 젠슨 황에 따르면 생성형 AI에서 추론 모델로 가며 연산이 100배, 추론에서 에이전트로 가며 또 100배 늘어, 2년 만에 1만 배가 됐습니다. 그리고 에이전트 AI는 이제 막 시작됐습니다. TSMC가 AI 가속기 매출 성장률을 공식 가이던스로 56~59%까지 올린 건, 이 수요를 곡괭이 제철소가 직접 확인하고 있다는 뜻입니다.

2.1 토큰이 2년 만에 1만 배

AI 수요는 "쓰는 사람 수"가 아니라 "생성하는 토큰 수"로 측정해야 합니다. 그리고 토큰은 모델이 똑똑해질수록 기하급수로 늘어납니다.

왜 사용자 수가 아니라 토큰으로 측정해야 할까요? 같은 한 명의 사용자라도, 모델이 더 깊이 "생각하면" 토큰을 수십에서 수백 배 더 소비하기 때문입니다. 사용자 수는 그대로여도 연산 수요는 폭증할 수 있습니다. 그 폭증이 어떻게 일어나는지 단계별로 보면 이렇습니다.

출처: SiliconANGLE, TechRepublic

1세대 생성형 AI는 질문에 즉답합니다. 한 번의 연산으로 끝나는 토큰 소비의 기준선입니다. 2세대 추론 모델은 답하기 전에 내부적으로 긴 "사고 사슬"을 전개합니다. o1류 모델이 변곡점이었는데, AI가 문제를 반추하고 계획하고 분해하면서 같은 질문에 연산을 약 100배 더 씁니다. (TechRepublic)

3세대 에이전트는 한 작업을 위해 여러 모델 호출을 연쇄합니다. 검색하고, 계획하고, 실행하고, 검증합니다. 한 "작업"이 수십에서 수백 번의 추론 호출로 분해되면서 다시 약 100배가 붙습니다. 누적하면 2년 만에 약 1만 배입니다. (SiliconANGLE)

Bull이 "수요 곡선의 초입"이라 부르는 이유가 여기 있습니다. 에이전트 AI는 이제 막 상용화되기 시작했습니다. "사람이 타이핑하는 속도"가 아니라 "기계가 기계를 호출하는 속도"로 토큰이 생성되기 시작하면, 수요의 상한이 사라진다는 것입니다. 젠슨 황은 이를 두고 "토큰은 이제 수익성 있는 매출 단위"라고 말했습니다. (CryptoBriefing)

2.2 싸지면 더 쓴다

직관적으로는 이렇게 생각하기 쉽습니다. "추론 비용이 90% 떨어지면 AI 투자도 줄어드는 거 아냐?" Bull의 반박은 정반대입니다. 싸지면 더 많이 씁니다. 비용 하락보다 소비 증가가 빠르면, 총 지출은 오히려 늘어납니다. 이것이 Bull의 가장 강력한 논거입니다.

이 현상에는 이름이 있습니다. 19세기 영국 경제학자 윌리엄 제번스가 발견한 역설입니다. 증기기관 효율이 좋아지자 석탄 소비가 줄기는커녕 오히려 폭증했습니다. 효율 개선이 석탄 사용 비용을 낮췄고, 그러자 전에는 너무 비싸서 안 쓰던 새로운 용도가 줄줄이 열렸기 때문입니다.

AI에도 똑같이 적용됩니다. Gartner는 프론티어 모델의 추론 비용이 2030년까지 90% 떨어질 것으로 전망합니다. 그런데 비용이 10분의 1이 되면, 지금은 너무 비싸서 못 쓰던 용도가 갑자기 경제성을 가집니다. 모든 이메일을 자동으로 쓰고, 모든 코드를 자동으로 리뷰하고, 모든 고객 상담을 에이전트로 돌리는 일이 가능해집니다. 그러면 토큰 소비가 비용 하락보다 빠르게 늘어나, 단가는 내려가도(↓) 물량이 더 크게 올라(↑↑) 총 추론 지출은 증가합니다.

Bull의 핵심 주장을 한 문장으로 요약하면 이렇습니다. "AI는 비싸서 안 쓰는 게 아니라, 싸지면 무한히 쓸 곳이 생긴다." 이 가정이 맞으면, capex는 거품이 아니라 수요를 따라가는 추격입니다.

2.3 곡괭이 제철소가 확인하는 수요: TSMC 56~59%

말은 누구나 합니다. 그래서 가장 신뢰할 만한 증인은 따로 있습니다. 돈을 받고 곡괭이 강철을 대는 TSMC입니다. 채굴자가 "금이 많대"라고 떠드는 것과, 제철소가 "강철 주문이 밀려든다"고 말하는 것은 무게가 다릅니다.

출처: BigGo Finance / TSMC 어닝콜

TSMC는 AI 가속기 매출의 CAGR(연평균 성장률)을 56~59%로 공식 가이던스에 올렸습니다. (CAGR은 여러 해에 걸친 성장을 "매년 평균 몇 %씩 늘었나"로 환산한 값입니다. 56% CAGR이면 5년간 매년 평균 56%씩 복리로 커진다는 뜻입니다.) 이 수치는 처음 약 45%에서 출발해 지속적으로 상향됐습니다. 가이던스가 계속 올라간다는 건, 수요가 마케팅 구호가 아니라 실제 주문으로 들어오고 있다는 신호입니다. TSMC의 CC Wei 회장은 "AI 수요는 극도로 견조하며, 생성형에서 에이전트 AI로의 전환으로 토큰 소비가 단계적으로 급증하고 있다"고 말했습니다. 실제로 TSMC 매출에서 HPC(AI 포함) 비중은 2024년 약 51%에서 2026년 1분기 61%로 올랐습니다.

3. Bear(비관론자): 사이클의 그림자

Bear는 수요 자체를 부정하지 않습니다. "수요는 옳을 수 있다. 닷컴 때 인터넷 수요도 옳았다"고 인정합니다. 대신 세 가지를 칩니다. 첫째, 토큰을 아무리 만들어도 돈이 안 됩니다. MIT는 기업 AI 파일럿의 95%가 ROI를 못 냈다고 했습니다. 둘째, 물리적으로 못 짓습니다. 변압기 리드타임이 5년이고 전력망 연결 대기가 5년이 넘습니다. 셋째, 누가 갚는가입니다. 엔비디아가 고객에게 돈을 빌려줘 자기 칩을 사게 하는 순환 구조가 보입니다.

3.1 AI ROI 의문: MIT 95%와 $600B 갭

Bull은 "토큰이 곧 매출"이라 합니다. Bear는 "토큰을 팔 곳이 없다"고 합니다. (ROI는 Return on Investment, 투자 대비 수익입니다. 100을 투자해서 얼마를 벌었는지를 보는 것입니다.) MIT NANDA 보고서가 그 균열을 수치로 보여줍니다. 다만 이 수치를 인용할 때는 "사실"과 "해석"을 엄격히 나눠야 합니다.

출처: Fortune, Virtualization Review

먼저 보고서가 실제로 측정한 사실입니다. MIT NANDA의 "The GenAI Divide: State of AI in Business 2025"(2025년 8월)는 기업 생성형 AI 파일럿의 약 95%가 측정 가능한 손익 임팩트에 실패했다고 밝혔습니다. 약 5%만 급속한 매출 가속을 만들었습니다. 분석 규모는 공개 배포 300건 이상, 경영진 인터뷰 150건, 직원 설문 350명입니다. 보고서가 지목한 원인은 기술 한계가 아니라 "learning gap", 즉 모델을 워크플로우·조직·문화에 통합하지 못하는 도입 역량의 문제였습니다.

이 사실에서 해석은 두 갈래로 갈립니다. 본문에서 반드시 분리해서 봐야 하는 지점입니다.

중립적으로 보면, 보고서 자체는 "AI가 쓸모없다"고 말하지 않았습니다. "도입 방식이 미숙하다"고 말했습니다. 이 둘은 다릅니다. 같은 95%라는 숫자를 두고 Bear는 "과잉의 증거"로, Bull은 "초기의 증거"로 읽습니다. 어느 쪽이 맞는지는 시간이 지나봐야 압니다.

보강 사실이 하나 더 있습니다. 세쿼이아캐피털의 David Cahn이 제기한 "$600B 매출 갭"입니다. 현재 규모의 capex를 정당화하려면 연간 약 6,000억 달러의 AI 매출이 필요한데, 그만큼이 안 나오고 있다는 분석입니다. 2024년 6월 처음 제기됐고, 2025년 12월 갱신 시에도 갭은 좁혀지기는커녕 확대됐습니다. (Preben Ormen) 단, 이 "갭"은 현재 시점의 스냅샷이라는 점을 기억해야 합니다. Bull은 "매출이 capex를 몇 년 시차로 따라온다"고 보고, Bear는 "그 시차가 영영 안 닫힌다"고 봅니다.

데이터센터의 단위 경제를 보면 균열이 더 또렷합니다. 1MW(메가와트) 규모 데이터센터를 짓는 데 약 1,000만 달러가 들고, 거기서 매년 버는 순수익이 약 100만 달러입니다. 건설비 대비 약 10% 수익률입니다. 그런데 이 계산은 데이터센터가 꽉 차서 돌아갈 때만 성립합니다. 비어버리면 dark 데이터센터, 즉 21세기판 dark fiber가 됩니다.

3.2 전력망 제약: 돈이 있어도 못 짓는다

AI Capex의 진짜 천장은 자본이 아니라 전기입니다. 변압기 한 대를 주문하면 5년을 기다려야 합니다. 이건 의견이 아니라 물리입니다. 그리고 물리적 병목은 capex 사이클을 강제로 식히는 가장 확실한 메커니즘입니다.

먼저 수요 측을 봅니다. 전력이 얼마나 폭증하는지부터입니다.

출처: Data Center Frontier

미국 데이터센터 전력 수요는 2025년 약 80GW에서 2028년 약 150GW로, 3년 안에 거의 2배가 됩니다. DOE와 로런스버클리연구소는 데이터센터가 2030년 미국 전력의 최대 약 12%를 소비할 것으로 봅니다(현재 약 4%). 텍사스의 전력 계통 운영자 ERCOT는 2030년 데이터센터 수요 전망을 단일 계획 주기에 29GW에서 77GW로 상향했습니다. 한 분기 만에 전망이 2.6배가 된 것인데, 이건 수요 예측 자체가 불안정하다는 신호이기도 합니다.

이제 공급 측입니다. 돈이 있어도 왜 못 짓는지, 병목은 3단계로 작동합니다.

전문가들은 이를 두고 "전력 가용성이 계획 고려사항에서 데이터센터 확장의 정의적 경계로 이동했다"고 표현합니다. (Belfer Center, WEF) 흥미로운 건 이 병목이 양면적이라는 점입니다.

한쪽은 위험으로, 다른 쪽은 안전장치로 읽습니다. 다만 공통된 시사점이 하나 있습니다. 전력은 capex 사이클의 가장 객관적인 선행 지표라는 점입니다. 의견이 아니라 물리량으로 측정되기 때문입니다. 이 지표는 글 마지막의 모니터링 틀에 다시 등장합니다.

3.3 순환 융자: 누가 진짜로 돈을 내는가

수요가 진짜인지 보려면 "누가 현금을 내는가"를 봐야 합니다. 엔비디아가 네오클라우드(GPU를 빌려주는 신생 클라우드 사업자)에 투자하고, 그 네오클라우드가 다시 엔비디아 칩을 사는 구조라면, 수요의 일부는 공급자가 스스로 만들어낸 것일 수 있습니다.

엔비디아는 CoreWeave에 주당 87.20달러로 약 20억 달러를 지분 투자했습니다. (SEC 8-K) CoreWeave는 2026년 3월 85억 달러, 5월 31억 달러를 HPC 인프라를 담보로 부채 조달했고, 메타는 CoreWeave와 2032년까지 약 210억 달러 규모의 장기 계약을 맺었습니다. 비판의 논점은 명확합니다. 공급자가 고객에게 자금을 지원하면, 그 고객의 수요가 진짜 시장 수요인지 자가발전한 수요인지 구분이 어려워진다는 것입니다.

여기서 1장의 "현금이라 안전하다"와 모순되는 것처럼 보일 수 있습니다. 모순이 아닙니다. 빅4가 현금으로 짓는다는 사실은 "닷컴식 부채 연쇄 도산"을 막아줍니다. 그러나 정점은 도산의 형태로만 오지 않습니다. AI 매출이 기대에 못 미치면, 주주가 "capex 그만 늘려라"고 압박하는 형태로 옵니다. 즉 안전한 자금조달이 사이클 정점 자체를 막지는 못합니다. 붕괴의 경로만 다를 뿐입니다.

4. 누가 가장 노출됐나: 사이클 노출 구조

이 장은 "어느 종목을 사라"가 아닙니다. 적정가도, 목표주가도 다루지 않습니다. 오직 하나의 질문에 답합니다. 만약 이 capex 사이클이 꺾인다면, 그 충격이 누구에게 어떻게 전달되는가?

GPU를 파는 엔비디아와 AMD는 capex가 멈추면 매출이 직격탄을 맞고, 칩 경쟁에서 누가 이기는지도 불확실합니다. 그런데 TSMC는 다릅니다. 엔비디아가 이기든, AMD가 이기든, 구글 TPU·아마존 Trainium·MS Maia·메타 MTIA가 자체칩으로 대체하든, 첨단 AI칩은 전부 TSMC의 N3/N2 공정에서만 만들어집니다. 곡괭이 장수가 누구로 바뀌든, 강철은 한 제철소에서 삽니다. 이것이 capex 사이클 노출의 비대칭입니다. 단, TSMC도 골드러시 자체가 끝나면 함께 노출됩니다.

ASML: 사이클 노출의 정점

그런데 사이클이 꺾일 때 가장 먼저, 가장 크게 흔들리는 곳은 따로 있습니다. 📈ASMLASML입니다. ASML은 첨단 칩을 새기는 EUV 노광 장비를 독점(점유율 100%)하는, TSMC보다 한 단계 더 위에 있는 곡괭이 대장간입니다. "누가 이기든 수혜"라는 점에서는 TSMC와 같습니다. NVIDIA든 AMD든 하이퍼스케일러 자체칩이든, 그 칩을 만들 첨단 팹은 전부 ASML의 EUV로 지어지기 때문입니다.

문제는 노출의 성격입니다. TSMC가 "칩 수요"에 연동된다면, ASML은 "팹 증설 결정"에 연동됩니다. 골드러시가 식으면 칩 수요가 줄고(NVDA·AMD 매출 직격), 칩 수요가 줄면 TSMC의 가동률이 떨어지고, 가동률이 떨어지면 팹 증설 계획이 미뤄지고, 증설이 미뤄지면 가장 마지막 단계인 노광 장비 주문이 끊깁니다. 수요 둔화가 사슬을 타고 내려오며 증폭되는 구조라, 장비주는 칩 사이클의 진폭보다 더 크게 출렁입니다. 이것이 장비주 특유의 채찍 효과입니다. ASML은 사이클 노출의 정점에 있되, 그 정점이 곧 가장 높은 변동성을 뜻합니다.

4.1 세 기업의 AI Capex 노출 구조

같은 사이클에 올라타 있어도 노출의 성격이 다릅니다. 엔비디아와 AMD는 "어느 곡괭이가 팔리는가"라는 경쟁 변수에 추가로 노출되고, TSMC는 "곡괭이가 팔리기만 하면" 누가 팔든 무관하게 사이클에 연동됩니다. 노출의 폭이 다르다는 뜻이지, 어느 쪽이 더 좋은 주식이라는 뜻이 아닙니다.

엔비디아는 AI 가속기 시장의 약 75~80%를 점유(2026E)하고 TSMC의 CoWoS 패키징 물량을 약 60% 선점합니다. AMD는 약 8~10% 점유에 TSMC 매출 비중 약 7%, CoWoS 배분 약 11%로 할당 천장이 존재합니다. HSBC는 AMD의 추가 확대가 어렵다고 봅니다. 세 종목 모두 이 글의 부모 종목이며, 사이클이 꺾일 때 노출의 성격만 다릅니다. AMD가 칩렛으로 곡괭이 경쟁에서 어떤 승부수를 던지는지는 별도 분석에서 다룹니다.

🔬AMD 칩렛 아키텍처: 작은 칩을 합쳐 거인을 추격한다

AMD가 큰 칩을 여러 조각으로 나눠 수율과 비용을 잡는 칩렛 전략, 그리고 그것이 패키징 할당 천장과 맞물리는 구조를 분석합니다

→

4.2 TSMC가 "곡괭이 경쟁 승자와 무관"한 이유

하이퍼스케일러가 엔비디아를 버리고 자체칩으로 갈아타도, 그 자체칩 역시 TSMC가 만듭니다. 이것이 "누가 이기든 TSMC 수혜"라는 말의 팩트 기반입니다.

구조적 시사점은 분명합니다. 엔비디아가 이기든, AMD가 이기든, 하이퍼스케일러가 자체칩으로 대체하든, 첨단 AI칩은 전부 TSMC에서만 생산됩니다. TSMC의 파운드리 점유율은 약 70%(삼성 7.2%)이고, 3nm 이하 첨단 노드에서는 사실상 유일한 공급자입니다. 곡괭이 경쟁의 승자가 누구로 바뀌어도, 제철소는 흔들리지 않습니다.

다만 균형을 위해 한 가지를 분명히 합니다. TSMC도 "AI capex 자체의 둔화"에는 노출됩니다. 곡괭이 경쟁에서 방어적일 뿐, 골드러시 종료에는 함께 노출됩니다. 방어적인 것이지 무적인 것은 아닙니다.

곡괭이 경쟁의 승자를 가르는 변수는 별도의 글에서 깊이 다룹니다.

🔬GPU 독점은 영원한가? AI 컴퓨팅의 미래

NVIDIA 90% 독점의 구조적 원인과 AMD·커스텀 ASIC의 도전. 곡괭이 경쟁의 승자를 가르는 변수를 분석합니다

→

5. 거품인가 구조적 성장인가: 스스로 판단하는 틀

이 글은 "구조적 성장이다" 또는 "정점이다"라고 답하지 않습니다. 둘 다 데이터로 무장한 진짜 논쟁이기 때문입니다. 대신 더 유용한 걸 드립니다. 정점은 사후에만 명확합니다. 그러나 정점에 다가가는 신호는 미리 읽을 수 있습니다. 닷컴이 가르쳐준 한 가지, "정점은 수요가 사라져서가 아니라 공급이 수요를 앞질러서 온다"를 여섯 개의 지표로 번역하면, 헤드라인보다 한 분기 먼저 사이클의 방향을 감지할 수 있습니다.

5.1 핵심 질문을 다시 정의한다

"거품인가?"는 잘못된 질문입니다. 닷컴도 수요는 진짜였습니다. 옳은 질문은 이것입니다. 공급이 수요를 얼마나, 얼마나 오래 앞지르고 있는가?

닷컴으로 번역하면 이렇습니다. 광섬유 수요는 진짜였으나 공급이 5년 앞섰고, 그 5년이 붕괴를 만들었습니다. AI도 같은 렌즈로 봅니다. 수요가 거짓인지를 묻는 게 아니라, 공급이 수요를 얼마나 앞지르는지를 묻습니다.

5.2 6개 선행 지표: 공급과 수요의 괴리를 추적한다

지표를 "Bull 신호 vs Bear 신호"로 나눠 추적합니다. 핵심은 개별 지표가 아니라, 공급 지표(capex·전력)와 수요 지표(토큰·매출)가 같은 방향인지, 벌어지는지입니다.

이 표는 개별 지표 하나하나보다 "조합"으로 읽어야 합니다. 세 가지 패턴이 있습니다.

여섯 지표 중 단 하나만 꼽으라면, 가장 신뢰할 단일 지표는 데이터센터 가동률·임대율입니다. dark fiber의 21세기 등가물이기 때문입니다. 공실이 늘기 시작하면, "dark 데이터센터"가 현실화되는 신호입니다.

5.3 독자를 위한 판단 체크리스트

위 6개 지표를 "분기마다 던질 질문"으로 압축한 게 이 체크리스트입니다. 표가 "무엇을 보나"라면, 질문은 "어떻게 묻나"입니다. 헤드라인 대신 이 5개를 던지면 사이클 방향이 보입니다.

이 5개 질문의 장점은 접근성입니다. 전문 데이터 단말이 없어도 됩니다. 분기마다 빅테크 어닝 뉴스 헤드라인("MS, AI 투자 또 상향" 또는 "데이터센터 공실 우려")만 봐도 대부분 잡힙니다. 일반 독자도 추적할 수 있습니다.

행동 강령은 단순합니다. "이번엔 다르다"도, "이번에도 거품이다"도 단정하지 않습니다. 지표를 추적하고, 공급과 수요의 괴리가 벌어지면 경계 수위를 높입니다. 이 글은 AI 투자 "사이클"의 구조와 모니터링 틀을 다룹니다. 개별 기업의 가치 판단은 각 종목 분석 글의 몫입니다.