Anthropic IPO와 AI 투자 사이클 핵심 정리: “AI는 1달러로 최대 180달러를 만든다”는 말의 진짜 의미
이번 이슈의 핵심은 단순히 Anthropic 상장이 잘될까가 아닙니다.
진짜 중요한 포인트는 AI 산업이 실제로 돈을 벌고 있는지, AI 인프라 투자가 버블인지, 그리고 데이터센터와 GPU 수요가 언제까지 이어질 수 있는지입니다.
특히 이번 All-In 팟캐스트에서는 Nvidia, 클라우드 인프라, Anthropic, 최종 고객까지 이어지는 AI 가치사슬을 숫자로 쪼개면서 “AI가 정말 생산성을 만들고 있는가”를 정면으로 다뤘습니다.
결론부터 말하면, 원문 기준으로 Anthropic은 겉으로 보이는 800억 달러 손실 기업이 아니라, 현금 소모가 매우 낮고 매출 성장률과 마진이 비정상적으로 강한 AI 기업으로 해석됩니다.
다만 이 모든 계산은 AI 수요가 계속 폭발적으로 증가한다는 전제 위에 서 있습니다.
이 전제가 흔들리면 AI 데이터센터, 클라우드 기업, 부채를 끌어와 인프라를 지은 기업들은 2008년 금융위기와 비슷한 압박을 받을 수 있습니다.
1. All-In 팟캐스트가 중요한 이유: 실리콘밸리 핵심 투자자들의 시각
이번 논의는 실리콘밸리에서 영향력이 큰 All-In 팟캐스트에서 나왔습니다.
출연진은 페이스북 초기 임원 출신 투자자 차마스 팔리하피티아, 우버 초기 투자자 제이슨 캘러커니스, 기후 데이터 회사를 몬산토에 매각한 데이비드 프리드버그, 트럼프 행정부에서 AI 정책에 관여한 데이비드 삭스입니다.
이들은 단순한 테크 해설자가 아니라 실제 벤처 투자, 정책, 기업 운영, 글로벌 자본시장 흐름을 동시에 보는 사람들입니다.
그래서 Anthropic IPO를 보는 관점도 “AI가 멋지다” 수준이 아니라, 매출, 마진, 현금흐름, 부채, 컴퓨팅 수요, 고객 ROI 중심으로 정리됩니다.
2. 이전 논쟁: 켄 그리핀의 “AI는 거의 확실히 버블” 경고
일주일 전 All-In에서는 시타델 창업자 켄 그리핀의 AI 버블 경고를 다뤘습니다.
그는 기업들이 Anthropic 같은 AI 서비스 청구서를 보면서 “그래서 생산성은 어디 있느냐”고 묻기 시작했다고 지적했습니다.
이 주장은 지금 글로벌 경제 전망에서 매우 중요한 질문과 연결됩니다.
기업들이 AI 비용을 계속 지불할 만큼 실제 생산성 향상을 얻고 있는가가 향후 AI 투자 사이클의 방향을 결정하기 때문입니다.
만약 AI가 비용만 키우고 생산성은 만들지 못한다면, 지금의 데이터센터 투자와 GPU 수요는 과잉투자로 끝날 수 있습니다.
반대로 AI가 실제로 매출 증가, 인건비 효율화, 업무 자동화, 고객 응대 개선을 만든다면, 현재의 AI 인프라 투자는 버블이 아니라 초기 성장 국면일 수 있습니다.
3. 데이비드 프리드버그의 핵심 주장: AI 가치사슬 전체가 돈을 벌고 있다
프리드버그는 AI 산업을 하나의 가치사슬로 보고, 어디서 돈이 만들어지는지 숫자로 설명했습니다.
핵심 구조는 Nvidia → 데이터센터 및 클라우드 인프라 → Anthropic 같은 AI 모델 기업 → 최종 고객으로 이어집니다.
그의 주장에 따르면 이 체인에서는 어느 한 구간만 돈을 버는 것이 아니라, 각 단계마다 높은 마진이 발생하고 있습니다.
- Nvidia: 원가 1달러를 투입해 약 4달러 매출을 만든다고 설명됩니다.
- GPU 기반 인프라 사업자: 칩을 사서 데이터센터에 넣고, 감가상각 기간 동안 높은 사용료를 받습니다.
- Anthropic: 추가 매출 1달러가 들어올 때 약 85%의 증분 매출총이익률을 보인다고 언급됩니다.
- 최종 고객: AI에 쓴 비용 대비 2배에서 10배 수준의 경제적 효과를 얻을 가능성이 있다고 해석됩니다.
여기서 “AI는 1달러로 180달러를 번다”는 표현의 구조가 나옵니다.
원문에서 직접적으로 언급된 수치는 Nvidia의 원가 1달러가 Anthropic 매출 기준 약 18달러로 커진다는 계산입니다.
여기에 최종 고객이 AI 사용 비용 대비 최대 10배의 생산성 효과를 얻는다고 보면, 1달러가 최종 경제효과 기준 최대 180달러까지 확장된다는 논리가 가능합니다.
즉, 1달러가 곧바로 Anthropic 순이익 180달러가 된다는 뜻은 아닙니다.
정확히는 AI 인프라부터 고객 생산성까지 이어지는 전체 가치사슬에서 경제적 가치가 크게 증폭된다는 의미로 보는 게 맞습니다.
4. Nvidia의 역할: AI 투자 사이클의 첫 번째 돈 버는 구간
AI 투자 사이클에서 가장 먼저 확실하게 돈을 버는 기업은 여전히 Nvidia입니다.
프리드버그는 Nvidia가 칩을 만드는 데 쓰는 원가 1달러가 약 4달러 매출로 바뀐다고 설명했습니다.
이는 약 75% 수준의 마진 구조를 의미합니다.
물론 실제 회계상 마진은 제품 믹스, 공급망 비용, HBM 메모리 가격, 패키징 병목에 따라 달라질 수 있습니다.
하지만 큰 방향은 명확합니다.
AI 모델 경쟁이 치열해질수록 GPU 수요가 늘고, 그 수요의 가장 앞단에서 Nvidia가 가격 결정력을 유지하고 있습니다.
5. 데이터센터와 클라우드: GPU를 사서 더 비싸게 빌려주는 구간
두 번째로 돈을 버는 구간은 데이터센터와 클라우드 인프라입니다.
원문에서는 Colossus 같은 대형 AI 컴퓨팅 인프라 사례가 언급됩니다.
예를 들어 100억 달러를 투자해 GPU 클러스터를 만들고, 이를 5년 동안 감가상각하면 연간 비용은 약 20억 달러로 계산됩니다.
그런데 해당 인프라에서 매월 12억 5천만 달러 수준의 매출이 나온다면, 연간 매출은 150억 달러가 됩니다.
이 경우 감가상각 비용 대비 매우 높은 수익성이 나옵니다.
그래서 팟캐스트에서는 인프라 운영자가 칩 투자 대비 80% 이상 마진을 만들 수 있다는 식의 분석이 나왔습니다.
핵심은 GPU를 한 번 사서 끝나는 것이 아니라, 그것을 클라우드 형태로 임대하면서 반복 매출을 만든다는 점입니다.
6. Anthropic의 핵심 숫자: 85% 증분 매출총이익률
Anthropic에서 가장 강하게 언급된 숫자는 약 85%의 증분 매출총이익률입니다.
이는 기존 컴퓨팅 비용 기반은 이미 깔려 있고, 추가 고객 사용량이 늘어날 때 남는 마진이 매우 높다는 뜻입니다.
AI 모델 기업은 처음에는 학습 비용과 인프라 비용이 막대합니다.
하지만 모델 성능이 안정화되고 추론 비용이 내려가면, 매출 증가분의 상당 부분이 이익으로 남을 수 있습니다.
여기서 중요한 포인트는 비용 효율 개선 속도입니다.
팟캐스트에서는 동일 작업 또는 동일 능력 기준으로 AI 비용 효율이 매년 10배 개선되고 있다고 설명했습니다.
만약 특정 작업을 처리하는 비용이 1년 만에 10분의 1로 떨어지고, Anthropic이 고객 가격은 50%만 낮춘다면 고객은 큰 비용 절감을 느낍니다.
동시에 Anthropic은 나머지 효율 개선분을 마진으로 흡수할 수 있습니다.
이 구조가 계속된다면 AI 모델 기업은 소프트웨어 기업에 가까운 고마진 비즈니스로 평가받을 수 있습니다.
7. 고객은 정말 돈을 벌고 있나: AI 수요의 진짜 검증 포인트
AI 버블 논쟁에서 가장 중요한 질문은 고객이 실제로 돈을 벌고 있느냐입니다.
프리드버그는 고객들이 AI 사용 비용 대비 대략 2배에서 10배의 경제적 가치를 얻고 있을 가능성을 언급했습니다.
그렇지 않다면 고객 유지율이 떨어지고, 사용량 증가세도 꺾여야 한다는 논리입니다.
하지만 현재는 AI 사용량과 지출이 계속 늘고 있습니다.
이는 적어도 많은 기업 고객들이 AI에서 일정 수준의 생산성 향상을 보고 있다는 신호로 해석할 수 있습니다.
특히 고객지원 자동화, 코드 생성, 문서 분석, 리서치 자동화, 영업 지원, 보안 모니터링 같은 영역에서는 AI가 노동시간을 줄이고 처리량을 늘리는 효과가 나타나고 있습니다.
이 부분은 향후 기업 실적, 고용시장, 임금 상승률, 금리 전망에도 영향을 줄 수 있습니다.
8. Microsoft 사례: 매출은 급증했는데 직원 수는 거의 늘지 않았다
팟캐스트에서 언급된 가장 인상적인 사례 중 하나는 Microsoft입니다.
Microsoft의 매출은 최근 4년 동안 약 1,980억 달러에서 3,320억 달러로 증가한 것으로 소개됩니다.
반면 직원 수는 약 2,000명 증가에 그쳤다고 설명됩니다.
기존의 기업 성장 공식으로 보면 이 정도 매출 성장을 위해서는 인력도 크게 늘어나는 것이 일반적입니다.
하지만 Microsoft는 대규모 매출 증가를 거의 같은 인력 규모로 달성한 셈입니다.
이 현상은 AI와 클라우드 소프트웨어가 만들어내는 생산성 향상의 단면으로 볼 수 있습니다.
물론 Microsoft의 성장에는 Azure, Office 365, LinkedIn, 보안, AI Copilot 등 여러 요인이 함께 작용합니다.
그럼에도 “매출은 빠르게 늘고 직원 수는 거의 정체”라는 구조는 AI 시대 기업 생산성 논쟁에서 매우 중요한 데이터입니다.
9. Anthropic의 800억 달러 손실 논란: 실제 현금 손실이 아니라는 주장
이번 원문에서 가장 중요한 반전은 Anthropic의 800억 달러 손실 논란입니다.
일부 언론에서는 이 숫자를 근거로 Anthropic이 막대한 손실을 내는 기업이고, AI 버블의 대표 사례라고 해석했습니다.
하지만 All-In 출연진은 이 손실이 실제 현금 손실이 아니라 장부상 손실에 가깝다고 설명합니다.
핵심은 전환사채 구조입니다.
Anthropic이 Amazon 같은 인프라 파트너에게 전환사채를 발행했고, Anthropic의 기업가치가 상승하면서 이 전환사채의 평가손실이 회계상 손실로 반영됐다는 설명입니다.
만약 동일한 자금을 보통주 형태로 조달했다면 이 손실은 손익계산서에 나타나지 않았을 수 있습니다.
즉, 현금이 실제로 800억 달러 빠져나간 것이 아니라, 기업가치 상승과 연결된 회계 처리상의 손실이라는 해석입니다.
이 부분은 일반 뉴스에서 놓치기 쉬운 핵심입니다.
AI 기업의 손익계산서를 볼 때는 순손실 숫자만 볼 것이 아니라, 그 손실이 현금 손실인지, 평가손실인지, 주식보상비용인지, 전환사채 회계처리인지 구분해야 합니다.
10. Anthropic의 자본 효율성: 많이 조달했지만 실제 소진은 적었다
원문에서는 Anthropic이 약 1,100억 달러에서 1,250억 달러 수준의 자금을 확보했거나 확보 가능한 상태로 언급됩니다.
그중 실제 누적 현금 소진은 약 90억 달러에서 100억 달러 수준으로 설명됩니다.
이는 AI 모델 기업에 대한 일반적인 인식과 꽤 다릅니다.
많은 사람들은 Anthropic이 막대한 컴퓨팅 비용 때문에 현금을 빠르게 태우는 회사라고 생각했습니다.
하지만 팟캐스트에서 제시된 관점은 오히려 반대입니다.
Anthropic은 대규모 자본을 확보했지만, 실제 순소진은 상대적으로 낮고, 아직 1,000억 달러 안팎의 현금 및 현금성 자산을 보유한 기업으로 해석됩니다.
여기에 IPO로 약 1,000억 달러를 추가 조달하고, 약 800억 달러의 부채 시설까지 더하면 3,000억 달러 수준의 자금 여력을 가질 수 있다는 주장도 나옵니다.
이 자금력은 향후 데이터센터, GPU, 클라우드 계약, 장기 컴퓨팅 물량 확보에 매우 중요합니다.
11. 왜 자금력이 중요한가: AI 기업의 진짜 경쟁력은 모델만이 아니다
AI 산업에서는 모델 성능도 중요하지만, 이제는 컴퓨팅 접근성이 더 중요한 경쟁력이 되고 있습니다.
좋은 모델을 만들려면 대규모 GPU 클러스터가 필요합니다.
더 많은 사용자를 받으려면 추론용 컴퓨팅 자원도 필요합니다.
AI 에이전트, 멀티모달 모델, 실시간 음성, 영상 생성, 사이버 보안 자동화처럼 토큰 사용량이 큰 서비스가 늘어나면 컴퓨팅 수요는 더 커집니다.
그래서 Anthropic이 충분한 현금과 부채 한도를 확보했다면, 미래의 컴퓨팅 주문과 CAPEX 약정을 감당할 가능성이 높아집니다.
AI 기업의 경쟁력은 이제 “누가 더 똑똑한 모델을 만들었나”에서 “누가 더 많은 컴퓨팅을 안정적으로 확보했나”로 확장되고 있습니다.
12. CoreWeave 급락 논쟁: 변동성인가, 버블 붕괴의 시작인가
원문에서는 CoreWeave의 주가 하락과 채권 가격 하락도 언급됩니다.
CoreWeave 채권이 80% 수준으로 평가되고, 주가가 며칠 사이 15~20% 하락했다는 내용입니다.
이 질문은 매우 중요합니다.
이것이 단순한 시장 변동성인지, 아니면 AI 인프라 버블 붕괴의 시작인지 판단해야 하기 때문입니다.
데이비드 삭스는 이것을 기본적으로 변동성으로 보는 쪽에 가깝습니다.
이유는 AI 컴퓨팅 수요가 아직 꺾이지 않았다고 보기 때문입니다.
AI 인프라 기업들은 미래 수조 달러 시장을 전제로 현재 가치를 평가받고 있습니다.
따라서 금리, 부채 비용, 수요 전망, 고객 계약, GPU 가격 같은 작은 변수에도 주가와 채권 가격이 크게 흔들릴 수 있습니다.
즉, 높은 성장 기대를 가진 시장에서는 변동성이 과도하게 커지는 것이 자연스럽다는 설명입니다.
13. 컴퓨팅 수요는 정말 강한가: 공급 부족 신호들
팟캐스트에서 반복적으로 강조된 부분은 컴퓨팅 수요가 여전히 매우 강하다는 점입니다.
대형 AI 모델 기업들은 여전히 컴퓨팅이 부족하다고 말합니다.
스타트업들도 벤처캐피털에게 컴퓨팅 자원을 구해달라고 요청하고 있습니다.
일부 VC는 투자 경쟁력을 높이기 위해 직접 컴퓨팅 자원을 확보하려는 움직임까지 보이고 있습니다.
심지어 한 액셀러레이터는 남는 컴퓨팅 자원을 확보해두고, 이를 창업팀 모집의 인센티브로 활용했다는 사례도 언급됩니다.
이는 AI 스타트업 생태계에서 현금만큼이나 GPU 접근성이 중요해지고 있다는 의미입니다.
14. 구형 GPU도 비싸게 임대된다: A100과 H100의 이상 현상
AI 인프라 수요가 강하다는 또 다른 증거는 구형 GPU 가격입니다.
원문에서는 A100, H100 같은 이전 세대 GPU도 여전히 프리미엄 가격에 임대되고 있다고 설명합니다.
원래 이런 장비들은 시간이 지나면 감가상각이 진행되고, 임대료도 빠르게 낮아져야 합니다.
하지만 실제 시장에서는 이미 몇 세대 전 GPU도 여전히 높은 가격을 받고 있습니다.
이는 공급이 수요를 따라가지 못한다는 신호입니다.
닷컴 버블 당시에는 광케이블을 깔아놓고도 쓸 사람이 부족했습니다.
지금 AI 인프라 시장은 그 반대로, 장비가 있으면 쓰려는 사람이 너무 많은 상황에 가깝습니다.
15. Jevons Paradox: AI 가격이 내려갈수록 사용량은 더 늘어난다
이번 논의에서 꼭 봐야 할 개념은 제본스 역설입니다.
제본스 역설은 기술 효율이 좋아져 단위 비용이 낮아지면, 전체 사용량은 오히려 늘어나는 현상을 말합니다.
AI에서는 토큰 가격이 내려갈수록 더 많은 기업과 개인이 AI를 더 자주 사용하게 됩니다.
예를 들어 과거에는 문서 요약 정도만 AI에 맡겼다면, 이제는 리서치, 코딩, 회의록, 고객응대, 계약서 검토, 보안 감시, 영업 자동화까지 계속 맡기게 됩니다.
AI 사용 비용이 낮아지면 기업 입장에서는 “조금만 써보자”가 아니라 “더 많은 업무를 AI로 돌려보자”가 됩니다.
그래서 토큰 단가가 낮아져도 전체 AI 매출과 데이터센터 수요는 오히려 커질 수 있습니다.
16. 앞으로의 AI 앱은 더 많은 토큰을 쓴다
초기 AI 사용은 프롬프트를 입력하고 답변을 받는 방식이 많았습니다.
하지만 앞으로의 AI 애플리케이션은 훨씬 더 많은 토큰을 사용합니다.
AI 에이전트는 한 번의 질문에 답하는 것이 아니라, 여러 단계를 계획하고 실행하고 검증합니다.
사이버 보안 AI는 1년에 한 번 침투 테스트를 하는 수준이 아니라, 24시간 지속적으로 공격 표면과 이상 징후를 감시해야 합니다.
멀티모달 AI는 텍스트뿐 아니라 이미지, 음성, 영상 데이터를 동시에 처리합니다.
이 모든 서비스는 기존 챗봇보다 훨씬 많은 연산량과 토큰을 필요로 합니다.
따라서 AI 수요를 단순히 현재 챗봇 사용량 기준으로만 보면 미래 컴퓨팅 수요를 과소평가할 수 있습니다.
17. AWS와 Nebius 물량 매진 언급: 공급 부족이 장기화될 가능성
원문에서는 네오클라우드 기업 Nebius와 Amazon Web Services 같은 기업의 2028년 이후 물량까지 매진됐다는 이야기도 나옵니다.
이 부분이 사실이라면 AI 데이터센터 공급 부족은 단기 현상이 아니라 중장기 현상일 수 있습니다.
클라우드 예약 물량이 몇 년 뒤까지 차 있다는 것은 기업들이 AI 수요를 단기 유행이 아니라 장기 사업 인프라로 보고 있다는 뜻입니다.
물론 이런 계약은 해지 조건, 가격 조정, 최소 사용 약정, 고객 신용 리스크 등을 함께 봐야 합니다.
하지만 수요 신호 자체는 매우 강하게 해석됩니다.
18. 다른 유튜브나 뉴스에서 잘 안 다루는 핵심 포인트
첫째, Anthropic의 800억 달러 손실은 현금 손실이 아니라 회계 처리 문제일 가능성이 큽니다.
대부분의 뉴스는 손실 숫자만 강조하지만, 전환사채 평가손실인지 실제 영업 현금 유출인지 구분하지 않으면 완전히 다른 결론이 나옵니다.
둘째, AI 수익성은 모델 기업 하나만 보면 안 되고 가치사슬 전체로 봐야 합니다.
Nvidia, 데이터센터, 클라우드, AI 모델 기업, 최종 고객이 각각 다른 방식으로 가치를 가져갑니다.
셋째, AI 비용 하락은 매출 감소 요인이 아니라 사용량 폭증 요인이 될 수 있습니다.
토큰 가격이 내려가면 고객은 더 많은 업무를 AI에 맡기고, 전체 사용량은 더 커질 가능성이 높습니다.
넷째, AI 기업의 경쟁력은 모델 성능보다 컴퓨팅 확보 능력으로 이동하고 있습니다.
자본시장 접근성, 장기 GPU 계약, 데이터센터 전력 확보, 클라우드 파트너십이 핵심 경쟁력이 됩니다.
다섯째, 진짜 리스크는 “AI가 돈을 못 번다”가 아니라 “AI 수요 예측이 틀렸을 때 부채 구조가 무너지는 것”입니다.
수요가 유지되면 높은 CAPEX도 성장 투자지만, 수요가 꺾이면 같은 CAPEX가 부실채권으로 바뀝니다.
19. 가장 큰 리스크: AI 수요가 계속된다는 전제가 틀릴 경우
이번 분석에서 가장 위험한 부분은 모든 숫자가 AI 수요 지속을 전제로 한다는 점입니다.
AI 사용자가 계속 늘고, 기업들이 AI 지출을 확대하고, 토큰 사용량이 폭증한다면 현재의 데이터센터 투자는 정당화될 수 있습니다.
하지만 만약 실제로는 소수의 고급 사용자만 AI를 계속 쓰고, 대부분 기업이 기대만큼 생산성을 얻지 못한다면 상황은 달라집니다.
그 경우 데이터센터는 과잉 공급이 되고, GPU 임대 가격은 하락하고, 장기 부채로 인프라를 지은 기업들은 압박을 받습니다.
특히 금리가 높은 환경에서는 부채 상환 부담이 커집니다.
이때 AI 인프라 기업의 채권 가격이 하락하고, 일부 기업은 리파이낸싱에 실패할 수 있습니다.
이 시나리오는 2008년 금융위기 당시 부동산과 구조화 금융이 무너진 방식과 유사한 스트레스 구조를 만들 수 있습니다.
20. 닷컴 버블과 AI 버블의 차이점
닷컴 버블 당시에는 인터넷 인프라가 너무 빨리 깔렸지만, 실제 사용 수요가 그 속도를 따라오지 못했습니다.
광케이블은 있었지만 트래픽과 수익 모델이 부족했습니다.
반면 현재 AI 시장은 구형 GPU까지 높은 가격에 임대될 정도로 컴퓨팅 수요가 강합니다.
이 차이는 매우 중요합니다.
현재 AI 인프라 투자가 버블인지 아닌지는 “인프라가 많다”만으로 판단할 수 없습니다.
핵심은 그 인프라를 실제로 돈을 내고 쓰는 고객이 충분한지입니다.
지금까지의 데이터는 수요가 강하다는 쪽에 무게가 실립니다.
하지만 과잉 공급은 언제나 지연되어 나타납니다.
2026년, 2027년, 2028년에 대규모 데이터센터가 동시에 완공될 때 진짜 테스트가 시작될 가능성이 큽니다.
21. 투자자 관점에서 봐야 할 체크포인트
- AI 기업 매출 성장률: Anthropic, OpenAI, Microsoft AI 서비스 매출이 계속 고성장하는지 확인해야 합니다.
- 고객 유지율: 기업 고객이 AI 비용을 줄이는지, 오히려 늘리는지 봐야 합니다.
- GPU 임대료: A100, H100, 최신 GPU 임대 가격이 급락하면 공급 과잉 신호일 수 있습니다.
- 데이터센터 공실률: 장기 계약 물량이 실제 사용으로 이어지는지 확인해야 합니다.
- 부채 시장: CoreWeave 같은 AI 인프라 기업의 채권 가격은 선행 신호가 될 수 있습니다.
- 금리와 유동성: 고금리 환경에서는 AI 데이터센터 CAPEX 부담이 커질 수 있습니다.
- 전력 인프라: AI 데이터센터는 GPU보다 전력 확보가 더 큰 병목이 될 수 있습니다.
22. 내 관점: AI 버블 논쟁은 “있다/없다”가 아니라 구간별로 봐야 한다
AI 시장 전체를 하나로 묶어서 버블이라고 말하는 것은 너무 단순합니다.
Nvidia처럼 이미 돈을 벌고 있는 구간이 있고, Anthropic처럼 고성장과 고마진 가능성을 보여주는 구간이 있습니다.
반면 부채를 크게 일으켜 미래 수요에 베팅한 일부 데이터센터 기업은 훨씬 위험할 수 있습니다.
즉, AI 버블은 산업 전체가 아니라 자본구조가 약한 기업, 고객 계약 품질이 낮은 기업, 전력과 GPU 비용을 과도하게 부담한 기업에서 먼저 나타날 가능성이 큽니다.
글로벌 경제 전망 측면에서는 AI가 생산성을 실제로 끌어올리면 인플레이션 완화와 기업 이익률 개선에 긍정적일 수 있습니다.
반대로 AI 인프라 과잉투자가 부채 문제로 번지면 신용시장 변동성과 경기 둔화 압력을 키울 수 있습니다.
그래서 앞으로는 AI 모델 성능보다 AI 투자 수익률, 데이터센터 가동률, 클라우드 매출 성장, 기업 생산성 지표를 더 유심히 봐야 합니다.
< Summary >
Anthropic IPO 논쟁의 핵심은 AI가 실제로 돈을 벌고 있는지입니다.
All-In 팟캐스트에서는 Nvidia, 데이터센터, Anthropic, 최종 고객까지 이어지는 AI 가치사슬 전체에서 높은 마진과 생산성 효과가 발생하고 있다고 분석했습니다.
Anthropic의 800억 달러 손실은 실제 현금 손실이 아니라 전환사채 평가와 관련된 장부상 손실일 가능성이 크다고 설명됩니다.
Anthropic은 오히려 현금 소진이 낮고, 85% 수준의 증분 매출총이익률과 막대한 자금 여력을 가진 자본 효율적 기업으로 해석됩니다.
AI 가격이 낮아질수록 사용량이 더 늘어나는 제본스 역설이 나타나고 있으며, AI 에이전트와 사이버 보안 같은 신규 서비스는 더 많은 토큰과 컴퓨팅을 필요로 합니다.
다만 모든 낙관론은 AI 수요가 계속된다는 전제에 의존합니다.
수요가 꺾이면 데이터센터 과잉 공급, GPU 임대료 하락, 부채 부담, 신용 리스크가 한꺼번에 터질 수 있습니다.
따라서 AI 산업은 버블이냐 아니냐보다, 어떤 구간은 이미 돈을 벌고 있고 어떤 구간은 부채 리스크가 크다는 식으로 나눠서 봐야 합니다.
