250904 MS - AI 갈증 증가(feat.물)

데이터 센터 용량이 엄청난 속도로 증가하고 있음. 미국 데이터 센터는 어디에서 전력 수요를 증가시킬 것이며, 어떤 시장이 전력 부족 위험에 처해 있을까? 높은 지리적 집중도 : 미국 전체 데이터 센터 용량의 72%가 상위 1% 카운티에 위치하고 있음. 데이터 센터는 서로 및 데이터 하이웨이를 통해 빠른 연결을 구축하기 위해 서로 매우 가까운 위치에 위치하는 경향이 있음. 클라이언트 도달 시간과 증가하는 전력 가용성이 위치를 결정함. 데이터 센터는 역사적으로 클라이언트 도달 시간을 단축하기 위해 위치를 선택해 왔음. (특히 2022년 버지니아가 전력 병목 현상을 겪은 후) 현재는 여유 용량이 높은 곳에서 데이터 센터가 많이 지어지고 있는데, 이는 전력 가용성이 데이터 센터 위치를 결정짓는 주요 동인이 되고 있다는 것을 시사함. 텍사스가 승리 : 텍사스는 모든 시나리오에서 가장 경쟁력이 높은 주 중 하나로 평가됨. 전력 시장 경색 : 데이터센터 성장은 CAISO(캘리포니아), MISO(중부 대륙), PJM(중부 대서양)을 포함한 여러 대형 전력 시장이 심각하게 경색될 가능성이 높음. 아직 심각하게 경색된 수준은 아니지만, 남서부(애리조나) 및 남동부(조지아) 시장의 데이터센터가 특히 심각한 경색 효과를 가져올 것으로 예상함. 데이터 센터는 어디에 지어질까? 미국의 전력 수요는 전년 대비 2.9% 증가했으며, 이는 미국 GDP보다 빠른 속도로 증가하고 있음. 이는 주로 데이터 센터 용량이 급속도로 증가하고 있기 때문임. (표 1) 현재 데이터 센터는 미국 전체 전력 수요의 8%를 차지하며, 2.5%의 전력 수요 증가 추세 중 1%를 차지함. 전기화, 산업 온쇼어링, 그리고 전기차가 전력 수요 증가에 기여하고 있음. 높은 지리적 집중도 전력을 공급받고 서버와 칩을 사용하여 컴퓨팅, 스토리지 및 네트워크 서비스를 생성하는 시설인 데이터 센터는 미국 전역, 카운티, 심지어 카운티 내에서도 지리적으로 매우 집중되어 있음 주 및 카운티 간 높은 집중도 2025년 7월 기준, 상위 4개 주(버지니아, 텍사스, 오리건, 오하이오)는 미국 데이터 센터 용량의 절반 이상을 보유하고 있으며, 데이터 센터 용량의 빠른 증가가 지속되고 있음(표 2). 미국 데이터 센터는 카운티별로 매우 집중되어 있음(표 3): 상위 0.1% 카운티는 미국 전체 데이터 센터 용량의 25%를 차지합니다. 즉, 라우던(버지니아주), 프린스 윌리엄(버지니아주), 마리코파(애리조나주)의 3개 카운티가 해당함. 상위 1%(33개) 카운티가 데이터 센터 용량의 72%를 차지함. 상위 8%(265개) 카운티가 모든 데이터 센터 용량을 ...

S&P 500 market cap concentration Tech, media, telecom 주식들의 비중은 닷컴버블때만큼 올라감 시총 비중이 어닝 비중을 앞섬. 밸류에이션이 고평가이기도 하지만, 동시에 성장성이 뒷받침된다는 이야기기도함. ChatGPT 설명 Herfindhl-Hirschman Index : 시장의 집중도를 측정하는 지표. 경쟁/반독점 분석에서 쓰이는 지표 HHI = 각 기업(또는 주식)의 점유율(%)²을 모두 더한 값 si​ = i번째 기업의 점유율(%) 현재는 닷컴 버블 때보다 훨씬 높은 집중도를 가짐 S&P ...

AI 관련 투자 증가율은 여전히 강세를 유지하고 있으며, 특히 반도체 기업들의 경우, 2026 년 말까지 반도체 부문의 매출이 현재 수준 대비 38% 증가할 것으로 예상됨. 2022년 말 ChatGPT 출시 이후, 반도체 부문의 2025년 말 매출 전망을 $203B (미국 GDP의 0.7%), AI 하드웨어 활성화 부문의 매출 전망을 $123B(0.4%) 상향 조정함. 미국의 AI 관련 하드웨어 및 소프트웨어 투자는 2분기에 증가했는데, 이는 부분적으로 관세 선적 효과 때문으로 보임. 미국, 일본, 캐나다에서 제조업체의 AI 관련 부품 출하량이 증가하였음. 3분기 기업의 AI 도입 증가 속도는 더디었으며, 미국 기업의 9.7%가 현재 AI를 사용하여 상품이나 서비스를 생산하고 있음(2분기 9.2%). 산업별로는 금융 및 부동산 기업이 가장 큰 폭의 도입 증가를 보인 반면, 교육 서비스는 감소세를 보였음. 방송 및 출판 기업은 ...

우리는 닷컴 버블을 겪었기에 훗날 증명이 되기까찌 오랜시간동안 AI가 진짜인지, 가짜인지에 대한 회의론이 고개를 들었다 내렸다 할 것임. 이 즈음에서 6월달 나온 GS 리포트를 상기시켜볼 필요가 있다고 생각함. [서론] 여러 기업들이 향후 몇 년 동안 AI 자본 지출에 1T 이상을 지출 할 것으로 예상되지만, 아직까지는 성과가 미미함. 부정론 : MIT 대런 에이스모글루, GS 짐코벨로 긍정론 : 조셉브릭스, 캐시랭건, 에릭 셰리던 기타 : GS 토시아 하리 - 칩부족, 클로버리프 브라이언 재너스 - 전력부족 [본론 : 인터뷰 내용] 대런 에이스모글루 인터뷰 요약 AI가 경제에 미칠 영향 일부 전문가들은 향후 10년 내 AI가 생산성을 크게 끌어올려 GDP를 연 1%포인트 이상 추가 성장시킬 수 있다고 전망. 그러나 다론 아세모글루(MIT)는 AI가 생산성 향상에 기여하겠지만, 그 효과가 과장되어 있으며 경제 전체적으로는 0.5% 미만의 성장률 기여에 그칠 수 있다고 주장. 고용 및 일자리 변화 AI는 반복적이고 루틴한 업무(코딩, 사무직, 고객 서비스 등)를 크게 대체할 가능성이 있음. 하지만 완전히 일자리를 없애기보다는 ‘작업 방식 변화(재배치 효과)’가 크며, 일부 전문직은 더 큰 가치를 창출할 수 있음. 단기적으로는 AI가 임금 불평등을 확대할 수 있으며, 고용 안정성에도 부정적 영향을 줄 수 있음. 기업 관점에서의 AI 비용 절감, 생산성 향상, 신규 제품 개발에 활용 가능. 특히 코딩, 고객지원, 데이터 처리 등에서 효율성이 증대될 것으로 기대. 그러나 AI 도입은 막대한 투자비용(GPU, 인프라 등)이 필요하고, 데이터 품질과 기업의 AI 활용 능력에 따라 성과가 크게 달라질 수 있음. 정책적 시사점 AI는 인류의 진보를 가져올 수 있으나, 불평등 확대와 같은 부정적 사회적 비용을 완화하기 위한 정책이 필요. 교육·재훈련, 안전한 AI 활용 규제, 분배 정책이 병행되어야 함. GS 조셉 브릭스 (긍정론) vs MIT 대런 에이스모글루(부정론) 골드만삭스의 전망 (낙관론) Generative AI → 큰 경제적 상승효과 가능 노동 생산성을 크게 끌어올릴 것으로 예상. 향후 10년간 미국 TFP(총요소생산성) +9.2%, GDP +15% 상승 기여 전망. 근거: 반복적 업무 자동화 (코딩, 문서 작성, 데이터 처리 등). 노동 재배치: 기존 일자리 일부는 대체되지만, 새로운 직종·산업 창출. 비용 절감: 자동화로 인한 효율성 향상 → 노동자 1인당 수천 달러 절감 효과. AI가 특히 크게 기여할 산업 정보 서비스, 금융, 교육, 전문직 서비스, 미디어·엔터테인먼트. 아직 채택률은 낮지만, 장기적으로 확산 속도가 빨라질 것으로 기대. 다론 아세모글루(MIT)의 전망 (비관론) AI의 경제 성장 효과는 과장 향후 10년간 TFP 기여도는 0.53%, GDP는 0.9% 상승에 불과할 것으로 추정. 이유: AI가 자동화할 수 있는 업무의 범위 과소 (전체 업무 중 약 20%만 영향). 자동화의 대부분은 기존 비용 절감에 불과(업무 자동화는 현재로서는 비용 효율적이지 않고, 앞으로 10년안에도 그렇게 되지 않을것), 새로운 가치 창출은 제한적. 노동 재배치 효과 반영 부족: 새로운 직종 창출을 과대평가하고 있음. Jim Covello의 AI 회의론 AI 투자에 대한 신중한 태도 향후 몇 년간 AI 인프라 구축 비용만 1조 달러 이상으로 예상되며, ROI(투자수익률)를 정당화하려면 매우 복잡하고 중요한 문제를 해결해야 함. 단순 반복 작업 자동화로는 고비용 기술을 정당화할 수 없다고 지적. 기술 비용 하락에 대한 회의 인터넷·스마트폰 같은 과거 기술혁신은 초기부터 비용 절감과 효율 개선을 제공했지만, AI는 아직 그런 증거가 부족. 많은 사람들이 “기술 비용은 시간이 지나면 내려간다”고 믿지만, 반례도 존재(예: ASML 리소그래피 장비는 오히려 수천억 원대까지 급등). Nvidia의 GPU 독점 구조 때문에 AI 인프라 비용이 쉽게 낮아질 가능성도 낮음. AI의 생산성·혁신 기여에 대한 의구심 AI는 현재 주로 코딩 속도 향상 등 일부 업무 효율화에 기여하지만, 비용이 6배 더 든다는 분석도 있음. 복잡한 인지적·창의적 작업을 인간처럼 수행하는 데는 한계가 뚜렷하며, AI의 잠재력에 대한 과대평가가 심각하다고 주장. “AI가 인터넷·스마트폰처럼 생활을 근본적으로 바꿀 것”이라는 주장에는 동의하지 않음. 투자자 관점 AI 인프라 투자 수혜 기업(예: Nvidia, AMD, hyperscaler 기업들)은 단기적으로는 수익을 얻을 수 있음. 하지만 근본적 펀더멘털이 뒷받침되지 않으면 AI 버블은 붕괴할 수 있으며, 장기적으로 투자 지속성이 떨어질 수 있음. 과거 닷컴 버블, 메타버스, 블록체인 투자처럼 과장된 기대에 따른 과잉투자 → 실망 → 하락 사이클이 반복될 가능성. 장기적 리스크 AI가 비(非)기술 기업의 매출 확대나 근본적 경쟁력 강화로 이어질지는 의문. 비용 절감 효과도 결국 경쟁사와의 가격 경쟁에서 상쇄되기 때문에, 기업 이익률에 장기적으로 기여하지 않을 수 있음. 투자자 경고 신호: 12~18개월 내 의미 있는 AI 활용 사례가 나타나지 않으면 시장의 인내심이 줄어들고, 투자 열기가 식을 것. 현재는 이익이 견조하므로 실험을 계속하고 있으나 기업 수익성 악화 시 AI 인프라 지출은 가장 먼저 삭감될 가능성이 큼. Kash Rangan의 낙관적 전망 Kash Rangan은 generative AI의 장기적 잠재력에 낙관적이며, 지난 12개월간 기술 발전이 가속화되었고, hyperscaler들이 60B~80B를 투자해 AI 모델 개발 인프라를 구축 중이라고 강조했음. AI는 생산성 향상(디자인 아이디어 생성, 코드 자동화)과 고객 서비스 응답 시간 80% 단축 등 실질적 이점을 제공하며, 과거 ERP처럼 "killer application"이 될 잠재력을 지녔음. 2000년대 오픈소스, 클라우드 기술 발전이 AI를 통해 저비용 컴퓨팅을 가능하게 하며 IPA 단계를 열 것으로 예상 Eric Sheridan의 신중한 접근과 우려 Eric Sheridan은 AI 인프라 중요성에 동의하지만, 투자 수익 가시성이 부족하다고 지적. 1990년대 인터넷, 2000년대 클라우드 붐과 비교하며 AI 챗봇의 "환각" 문제 등 기술적 한계를 우려했음. 과거 대규모 투자가 장기 성과로 이어졌으나, 많은 기업이 ...