26년 1월 3주차: 에너지와 금융이 키우는 AI 버블
AI 붐의 병목은 의외로 모델이 아니라 전기와 돈이다
이번 기사는 AI 붐의 병목을 해결하려는 새로운 시도들이 생산성보다 버블의 인플레이션을 키울 수 있다는 우려를 표하며 AI 붐에 대한 비판적 시각을 제공한다. AI 데이터센터가 폭증하면서 전력망 연결이 몇 년씩 밀리고, 빅테크는 투자비가 현금흐름을 잠식하자 새로운 조달 방식을 찾아 나섰다. 그래서 한쪽에서는 xAI처럼 가스터빈·엔진을 트럭으로 실어와 데이터센터를 돌리는 BYO(Bring-Your-Own) 전력이 확산되고, 다른 쪽에서는 빅테크가 SPV(특수목적기구)를 사용해 GPU나 데이터센터를 사실상 “장부 밖”에서 조달하며 부채 부담을 낮추려 한다. 은행은 신용이 비교적 떨어지는 개발사의 대출을 오래 들고 있기 어렵고, 그 틈을 생명보험사 자금이 받치는 사모대출(Private credit)이 파고들며 생기는 위험에 대한 경고를 던진다.
1) 전기
1-1) 전기 — 전력망이 못 따라가는 전력 수요
데이터센터 전력 수요가 너무 빨리 늘어 전력망 접속(인터커넥션) 대기가 길어짐
데이터센터의 전력 수요 대응을 위해서 전력 회사는 해당 지역에 안정적인 전력 공급을 위해 변전소/송전선/계통 보강 같은 추가 절차 필요
해당 절차가 늦어질 때, 데이터센터가 있어도 전기 연결이 안 돼서 운영 불가
따라서 대기기간이 늘어나면 AI 투자 속도가 전력망 행정/공사 속도를 따라가지 못함
그 결과 그리드에 붙어서 돌리던 방식 (온그리드) 에서 오프그리드 자체 발전으로 우회
1-2) BYO(Bring your own) 오프그리드 발전기
특정 기업들은 온그리드 방식이 너무 오래 걸려 속도를 위해 직접 발전기를 돌리는 중
사례) xAI
경쟁사(OpenAI)에 비해 후발 주자여서 특정 장비 (가스터빈/엔진 등)를 가져와 GPU 클러스터 직접 가동
현재 전력망 대기가 최대 5년까지 길어지고 있어 해당 방식이 "뉴 노멀"이 될 수도 있음
그러나, BYO는
그리드보다 비싸고
운영 비용 및 리스크를 DC가 직접 떠안게 됨
비교적 후발 주자로 여겨지는 xAI는 오프그리드 방식을 차용하여 시간을 사는 승부수를 벌었다 (이미지 출처: YourTechDiet)2) 자본
2-1) 자본 — 빅테크의 자본에도 위협이 되는 투자 규모
초기와 달리, 현금창출력이 강한 빅테크도 버티기 힘들어진 CAPEX로 인해 새로운 자본 조달 필요성 증가
빅테크 외 낮은 신용도의 새로운 투자자 등장
데이터센터를 짓는 중소 개발사 등
은행은 규제·자본적정성·집중리스크 등의 이유로 대출을 계속 안고 있기 부담스러움
따라서, 은행은 만들어서 팔아치우는 슬라이스 앤 다이스 (만들어서 팔아치우는) 사업으로 유인
생성형 AI에 들어가는 자본이 너무 막대해졌다 (이미지 출처: The Decoder)2-2) SPV와 오프밸런스를 통한 자본 문제 대응
SPV란?
프로젝트 혹은 자산을 회사 본체에서 떼어내 별도 법인에 담고 해당 법인이 돈을 빌리거나 투자를 받아 GPU/데이터센터 조달하는 구조
이를 통해 회사 본체 재무제표의 부채 부담 축소
특정 프로젝트 리스크를 분리하여 투자자 설득
자금 조달 비용 축소 여지 생성
이는 오프밸런스(장부 밖 금융)의 전형
xAI는 SPV를 통해 Nvidia GPU를 임차(리스)하는 구조 활용
Meta는 루이지애나 대형 데이터센터에 민간자본+회사채+보증 등을 섞어 거대한 자금 조달
Oracle도 SPV로 대규모 조달; OpenAI 지원 목적으로 추정
그러나 이런 구조가 증가할 수록 실제 위험이 어디에 쌓이는지 불투명해질 여지 증가
2-3) 사모 대출의 등장
은행에 대한 높은 규제로 인해 신용도 낮은 데이터센터 개발사 대출 장기 보유 불가능
➡️ 이로 인해 사모대출 등장
생명보험사같은 장기자금의 백업
은행이 만든 대출 포트폴리오 일부 매입 혹은 직접 대출 만들어 공급
이와 같이 데이터센터 붐이 단순 투자 확대가 아니라 금융시장 구조 자체를 바꾸는 중이라는 주장
그러나 시장의 증가 속도로 인해 리스크 리스크 관리·표준·검증 후행에 대한 경고 포함
3) 결론
AI 버블을 더 부풀리는 신기술/신금융이 등장하고 있으며, 특히 높은 금융 위험성
전력: BYO 전력은 비용 상승과 운영 리스크를 만들지만, 그 영향은 “해당 데이터센터/지역”에 국지적
에너지 공급 방식 혁신이라는 긍정적 파급 효과 또한 존재
금융: AI로 안정적으로 돈 버는 기업이 아직 많지 않은데도, 빚과 구조화 상품이 먼저 커지는 중
기대가 꺾일 때 신용 붕괴가 금융 시스템으로 전염될 가능성 있음
AI 붐은 단순 “모델 성능 경쟁”을 넘어섰다. 지금 승부처는 연산이 아니라 전기와 돈이다. 데이터센터는 GPU만 사면 끝이 아니라, 이를 돌릴 수 있는 전력을 그리드에서 끌어와야 하는데 연결이 몇 년씩 걸리니 기업들이 아예 가스터빈·엔진을 들여와 오프그리드(BYO 전력)로 우회하기 시작했다. 이건 기술 혁신이라기보다, 전력망 투자·인허가가 따라오지 못한 현실에 대한 “속도 우선의 적응”에 가깝다. 비싸고 고장 리스크도 커지지만, AI 경쟁에서는 이 비용을 통해 시간을 사는 게 더 중요해진 것이다.
진짜 문제는 금융이다. 빅테크조차 투자비가 현금흐름을 압박하자 SPV 같은 구조로 GPU·데이터센터를 장부 밖에 담아 조달하고, 은행은 신용이 약한 개발사 대출을 오래 들고 있기 어려워 사모대출 시장이 그 자리를 메우고 있다. 겉으로는 자금 조달이 매끄럽게 돌아가지만, 본질은 리스크를 없앤 게 아니라 누가 들고 있느냐를 바꾼 것이다. 더 불편한 진실은, AI가 아직 확실하게 돈을 버는 기업이 많지 않은데 레버리지만 먼저 커지면, 기대가 꺾이는 순간 충격은 모델 회사가 아니라 대출과 구조화 금융 쪽에서 터질 가능성이 크다는 거다.
그래서 앞으로는 “AI가 어디까지 갈까”보다 “전력망 병목이 얼마나 풀리나”, “대규모 데이터센터 조달이 임차 계약과 현금흐름으로 얼마나 뒷받침되나” 같은 인프라·신용 지표를 봐야 한다. 한국 입장에서도 AI를 반도체만으로 좁게 보면 손해일 수 있다. 오프그리드 확산은 전력설비·열관리·전력전자 같은 ‘군수산업’ 영역의 기회를 키우지만, 동시에 신용 사이클이 꺾일 때 어떤 충격이 올지까지 같이 계산해야 한다.