260427 GS - AMERICAS TECHNOLOGY: SOFTWARE - Spring roundup of Front Office datapoints

미국 소프트웨어 rAImo의 AI 뉴스레터 #108: SaaS의 종말을 위한 AI 계산은 현실에서는 문제가 있다 우리는 현재 소프트웨어에 대한 부정적인 시장 심리를 이해한다. 그러나 이상한 점은 많은 SaaS 시스템 사용자들, 특히 대형 플랫폼 사용자들이 이러한 암울한 전망을 공유하지 않는다는 것이다. 본문에서는 그들의 계산 방식을 보여주며, 이는 투자자들이 상황을 보다 객관적으로 이해하는 데 도움을 줄 것이다. 지난주 ServiceNow의 초기 1분기 실적 발표 이후 소프트웨어의 종말에 대한 논쟁이 다시 본격화되고 있다. 우리는 이를 이해한다. 현재는 매우 불확실한 시기이며, agentic 및 vibe coding과 같은 새로운 AI 기능들은 분명 흥미롭게 들린다. 우리 리서치 작업을 현실에 기반하기 위해, 우리는 실제 현업 종사자들과 자주 통화하며 우리가 현실과 동떨어진 사고를 하고 있지 않은지 확인한다. 흥미로운 점은 그들의 시각이 향후에 대한 “단순한” 투자자들의 시각보다 훨씬 더 미묘하다는 것이다. 아래에서는 그들의 생각을 설명한다. 이는 투자자들이 AI와 SaaS 논쟁을 보다 균형 있게 이해하는 데 도움이 될 것이다. 우선, SaaS 기업들은 일반적으로 기업의 IT 예산에서 비용이 지불된다는 점을 상기해야 한다. 보다 정확한 숫자를 위해, 우리는 여러 산업에서 매출 대비 평균 IT 지출 비율과 시간에 따른 IT 지출 비율을 분석했다. 다음 두 개의 그래프를 참고하라. Figure 1. 2025년 산업별 IT 예산 우리는 이 두 개의 그래프에서 IT 지출이 기업 전체 비용 구조에서 작은 비중이지만 의미 없는 수준은 아니라는 것을 확인할 수 있다. 또한 금융 서비스와 같은 일부 산업이 다른 산업보다 더 “기술 집약적”이라는 점도 확인할 수 있는데, 이는 자연스러운 결과이다. Figure 2. 전체 산업 평균 매출 대비 IT 지출 비율 이 정보를 바탕으로 한 단계 더 나아가면, 전형적인(평균적인) S&P 기업이 IT에 얼마를 지출하는지 확인할 수 있다. 아래 표는 그 계산을 보여주며, 우리는 Apple과 같은 대형 기업들이 수치를 왜곡할 수 있기 때문에 평균이 아닌 중앙값을 사용했다. S&P 500 기업의 중앙값 기준 연간 매출은 약 150억 달러이며, 이에 대응하는 영업비용(OpEx)은 약 30억 달러 수준이다. 위 그래프의 IT 지출 비율을 적용하면 전형적인 ...

Credit Notes: AI 관련 부채 발행: 공공 vs. 민간 조달 구조 2026년 4월 21일 핵심 요약 AI 관련 데이터센터 구축에 필요한 자본지출(capex)과 자금조달 수요는 매우 크다. 당사 미국 주식 포트폴리오 전략팀은 하이퍼스케일러 capex 지출이 2026년에 최대 7,000억~7,250억 달러에 이를 수 있다고 추정한다. 또한 주식 리서치팀은 아마존, 알파벳(구글), 메타, 마이크로소프트의 5년(2025~2030년) 총 capex가 4.5조 달러에 달할 것으로 전망한다. 향후 몇 년간 AI 자금조달의 ‘믹스 변화’는 다양한 자산군에 걸쳐 균형 있게 이루어질 것으로 예상한다. 여기에는 신디케이트 신용시장(특히 투자등급, 그리고 하이일드 및 레버리지드론), 사모시장(특히 인프라 및 부동산), 그리고 은행금융(건설 대출 포함, 영구 자금조달로의 브릿지 역할)이 포함된다. 기술 섹터의 신디케이트 채권 발행은 이미 올해 매우 강한 출발을 보이고 있으며, 특히 USD 투자등급(IG)에서 두드러진다. 추가 발행 여지는 존재하지만, 하이퍼스케일러의 재무상태표상 부채 여력 대비로는 훨씬 제한적일 것으로 본다. 이는 부분적으로 발행자 집중도 제한 때문이다. 미국 은행 섹터의 USD IG 지수 편입 채권 사례가 유용한 비교 사례라고 판단한다. 2024년 이후 하이퍼스케일러들은 자금조달 다변화를 위해 EUR, GBP, CHF 시장에서 IG 등급 채권 발행을 확대해왔다. 이 추세는 앞으로 더 강화될 것으로 예상된다. 사모시장은 2025년 데이터센터 관련 거래에 1,020억 달러를 투자했고, 올해에도 이미 175억 달러를 공급했다. 사모시장 전략 내 풍부한 드라이파우더를 고려할 때 이 추세는 가속화될 전망이다. 디지털 인프라 펀드는 2025년에 1,000억 달러 이상을 조달했으며, 데이터센터 거래 규모는 점점 100억 달러 이상으로 확대되고 있다. 공공채권 시장의 제약 외에도, ...

중국 그리드 테크: 전력용 변압기 수출 트래커: 3월 중국 변압기 총 수출 +56% yoy, 미국향 수출 +118% yoy 2026년 4월 21일 | 11:11PM HKT 이번 최신 전력용 변압기 수출 트래커에서 우리는 3월 기준 업데이트를 제공한다. 미국 변압기 PPI는 2021~22년 급등 이후 높은 수준에서 안정적으로 유지되고 있으며, 한편 중국의 220~330MVA 구간 수출 가격은 1~3월 평균 기준 yoy +54% 상승했다. 3월 역시 강한 변압기 수출 흐름을 보여주었으며, 총 변압기 수출 금액은 yoy +56% 증가했다. 이는 전자식 계량기(-6% yoy 감소)나 스위치기어(+5% yoy 증가) 등 다른 그리드 장비 카테고리 대비 현저히 강한 수준이다. 특히 미국향 변압기 수출은 3월에 yoy +118% 증가했으며, 1~2월 합산 yoy +182% 대비 다소 둔화되었다. 우리는 미국 전력용 변압기 수요-로컬 공급 갭이 현재 72%에서 2028년 60%로 축소될 것으로 계속 추정한다. 이는 로컬 변압기 제조업체들의 다수의 증설 계획에 의해 뒷받침된다. 그럼에도 불구하고 공급 부족은 지속될 것으로 예상하며, 중국을 포함한 비전통 공급업체들에게 여지가 남아 있을 것이다. 핵심 아이디어: Sieyuan (매수), Nari Tech (매수), Huaming (중립) 중국 그리드 기술 기업 중에서 우리는 Sieyuan과 Nari Tech를 선호하며 ...

2025년 초부터 이란 전쟁이 시작되기 전까지, 미국 주식 시장은 언더퍼폼했으며(표 1), 이는 금융위기 이후 시대의 지배적인 지역별 트렌드를 뒤집는 것이다. 이러한 성과의 확산에는 여러 요인이 결합되어 기여했다. 미국 달러의 약세는 지역 간 분산투자의 잠재적 보상을 증가시켰으며, 일본과 독일에서의 재정 부양은 오랜 기간 동안 미국 대비 매우 낮은 성장률을 보였던 이들 지역에서 더 나은 성장률을 기대할 수 있는 가능성을 높였다. 표 1: 미국은 다른 주요 시장 대비 언더퍼폼 가격 성과, USD 기준; 2025년 1월 1일을 100으로 지수화 2025년 초부터 시작된 또 다른 요인은 기술 섹터의 언더퍼포먼스였다. 해당 섹터는 DeepSeek의 출시 이후 경쟁적 해자에 대한 우려를 불러일으키며 상당한 언더퍼포먼스 기간으로 2025년을 시작했으나, 이후 견고한 실적 발표를 통해 반등했다. 올해 들어 지금까지, 이 섹터는 1970년대 초 이후 World ex Tech 대비 상대적 언더퍼포먼스 측면에서 가장 부진한 시기 중 하나를 기록하고 있다(표 2). 지난 1년 대부분 동안, 우리는 보다 가치지향적인 시장 부문으로의 로테이션을 보면서 기술 섹터가 언더퍼폼하기 시작했다(표 3). 표 2: 지난 50년 동안 기술의 상대 수익률이 가장 약했던 시기 중 하나 표 3: 최근 Value가 Growth를 아웃퍼폼 국가, 섹터 및 팩터 수준에서 나타난 이러한 성과의 확산은 시장과 섹터 모두에서 상대적으로 뒤처진 영역으로 다시 분산투자를 할 수 있는 기회를 창출하기 시작했다. 미국 주식 시장은 더 이상 상대적으로 그렇게 비싸 보이지 않는다. 수익은 여전히 강하게 유지되고 있으며, 동시에 가격은 조정을 겪었다. 미국과 나머지 세계 간의 PEG 비율은 ‘미국 예외주의’ 내러티브가 지배했던 기간 동안 디커플링된 이후 다시 재설정되었다(표 4). 표 4: 미국과 나머지 세계 간 PEG 비율이 재설정 기술 섹터의 언더퍼포먼스는 투자자들에게 매력적인 밸류에이션 기회를 창출하기 시작하고 있다. 이는 예상되는 컨센서스 성장률 대비 밸류에이션이 글로벌 전체 시장보다 낮아졌기 때문이다(표 5). 우리는 부록에서 소프트웨어와 하드웨어를 구분해 보여주지만, 두 경우 모두 PEG 비율이 낮다. 물론 예상 성장률이 시장 움직임을 뒤따르고 있어 향후 몇 달 동안 비율이 다시 상승할 가능성도 있지만, 이는 시장 가격에 반영된 기대치 변화의 규모를 보여준다. 표 5: 기술의 PEG 비율은 글로벌 전체 시장보다 낮음 이 점을 보여주는 또 다른 방법은 과거 수익을 기반으로 한 PEG 비율을 보는 것이다(표 6). 기술의 ‘과거 기준’ PEG의 급락은 미래 수익이 훨씬 약해질 것이라는 것을 시사하며, 이는 기술 버블 붕괴 이후 2003~2005년 저점 수준만큼 낮다. 표 6: 과거 수익 기반 PEG에서 미국 기술 섹터 2025년 이후, 기술 섹터 일부의 상대적 약세에는 여러 요인이 기여했다. 첫째, Hyperscaler의 CAPEX 지출이 급격히 증가하면서 이들 기업이 창출할 수 있는 잠재 수익에 대한 우려가 커졌다(표 7). 증기기관에서 철도, PC, 인터넷에 이르기까지 기술 혁신의 역사는 기반 인프라 구축을 위해 막대한 자본이 투입되었으나 결국 낮은 수익률로 이어진 사례들로 가득하다. 이후의 이익은 이러한 초기 투자에 올라탄 다른 기업들이 누리게 된다. 투자자들은 또한 이러한 투자 비용이 일부 기업의 현금흐름과 재무구조 여력을 잠식하기 시작했다는 점을 우려하기 시작했다. Oracle은 이를 극단적으로 보여주는 사례로, 자금 조달을 해야 했고 최근에는 직원 해고도 단행했다. 다른 기업들도 유사한 행동을 보이고 있다. 다만, 기술 섹터의 부채 비율은 상승했음에도 ...

Agentic AI(AAI)는 현재의 AI 챗봇보다 훨씬 더 에너지 집약적인 기술이다; 우리는 AAI 질의 비중이 기본 가정(2030~35년 기준 20~30%) 대비 +10%p 증가할 때마다, 미국과 유럽에서 데이터센터 수요가 기존 전망 대비 약 +25% 증가할 수 있다고 추정한다. Agentic AI로의 전환은 전력 소비를 추가적으로 증가시키며, 이는 전력 인프라의 유기적 성장 강화, 재생에너지 수익률 상승, FlexGen에서의 마진 확대 등 유틸리티 산업에 순풍으로 작용할 것이다. 이는 유틸리티 산업이 “이익 슈퍼사이클”의 초입에 있다는 우리의 견해를 더욱 강화하며, 이는 긍정적인 이익 상향 조정과 멀티플 확대로 이어질 가능성이 높다. Agentic AI: 앞으로 등장할 것은 훨씬 더 에너지 집약적이다. 현재 AI 도구—ChatGPT나 Google Gemini 같은 챗봇—는 상대적으로 단순한 문제를 최소 비용으로 해결하도록 최적화된 대형 언어 모델 기반이다. 반면 Agentic AI는 여러 모델을 동시에 실행하며 지속적인 피드백 루프를 통해 복잡하고 다단계의 작업을 수행할 수 있다. 기술 문헌에 따르면 Agentic AI는 기존 AI 챗봇 대비 약 15~50배 더 많은 에너지를 필요로 할 수 있다. Agentic AI 질의 비중이 +10%p 증가할 때마다 데이터센터 수요는 약 +25% 증가할 수 있다. 우리는 Agentic AI의 더 빠른 도입 시나리오를 시뮬레이션했으며, Agentic AI 채택률이 +10%p 증가할 때마다 미국(2030년)과 유럽(2035년)에서 데이터센터 수요가 약 +25% 증가할 수 있음을 보여준다. 이 시점에서 데이터센터는 해당 지역 전력 소비의 약 20~25%를 차지할 것으로 추정한다. 상방 시나리오에서 전력 수요 증가율은 2030년까지 연평균 3.5~4%에 이를 수 있다. 기본 시나리오에서는 유럽 전력 수요가 2029년까지 1.5~2% 성장하고 이후 2030~31년에 2.5~3%로 가속될 것으로 본다. Agentic AI 도입이 더 빠르게 진행될 경우 소비 증가율은 연 3.5~4%까지 상승할 수 있다. 미국에서도 유사한 상방이 존재하며, 현재 약 3%에서 4%까지 상승할 수 있다. 유틸리티 산업은 여전히 “이익 슈퍼사이클” 초기 단계에 있다. 전력 소비 증가는 인프라 투자 확대와 재생에너지 및 FlexGen 마진 상승을 지지하며, 이는 산업 전반의 이익 성장 사이클을 강화한다. 대부분의 전력 유틸리티 기업들이 2030년대까지 한 자릿수 중후반 EPS 성장을 달성할 것으로 보이며, 이에 따라 멀티플 확장도 지속될 가능성이 높다. 이 테마에서 선호 종목: 유럽: RWE, Solaria, Enel, PPC, Naturgy, Engie, Siemens Energy 미국: NEE, AEP, XEL, DUK Executive Summary Agentic AI(AAI)는 현재 AI 챗봇(ChatGPT, Google Gemini)보다 훨씬 더 에너지 집약적이다; 우리는 AAI 질의 비중이 기본 가정(2030~35년 기준 20~30%) 대비 +10%p 증가할 때마다 데이터센터 수요가 미국과 유럽에서 기존 전망 대비 약 +25% 증가할 수 있다고 추정한다. Agentic AI로의 점진적인 전환은 전력 소비를 추가적으로 증가시키며, 이는 전력 인프라의 유기적 성장 강화, 재생에너지 수익률 상승, FlexGen 마진 확대 등 유틸리티 산업에 긍정적 영향을 줄 것이다. 이는 유틸리티 산업이 “이익 슈퍼사이클”의 시작 단계에 있다는 우리의 견해를 강화하며, 긍정적인 이익 상향과 멀티플 확대로 이어질 가능성이 높다. 본 테마에서 선호 종목은 유럽의 RWE, Solaria, Enel, PPC, Naturgy, Engie, Siemens Energy와 미국의 NEE, AEP, XEL, DUK이다. Agentic AI: 앞으로 등장할 것은 훨씬 더 에너지 집약적이다 현재 AI 도구는 단일 단계 응답을 제공하는 대형 언어 모델 기반이며, 비교적 단순한 문제를 최소 비용과 지연으로 해결한다. 반면 Agentic AI는 문제를 더 작은 작업으로 분해하고, 여러 모델을 동시에 실행하며 피드백 루프를 통해 복잡한 문제를 해결한다. 기술 문헌에 따르면 Agentic AI는 기존 AI 챗봇 대비 약 15~50배 더 많은 에너지를 필요로 할 수 있다. 우리는 보수적으로 6배의 에너지 집약도를 가정하여 상방 시나리오를 분석했다. Agentic AI 질의 비중이 +10%p 증가할 때 데이터센터 수요는 약 +25% 증가 대부분의 전문가들은 현재 데이터센터 개발 속도가 2030년까지 글로벌 기준 약 20~30%의 Agentic AI 도입률과 일치한다고 본다. 우리는 더 빠른 도입 시나리오를 제시하며, Agentic AI 채택률이 +10%p 증가할 때마다 데이터센터 수요가 약 +25% 증가할 수 있음을 보여준다. 상방 시나리오에서는 데이터센터 전력 소비가 2030~35년까지 전체 전력 수요의 약 20~25%를 차지할 수 있다. Exhibit 1: Agentic AI는 더 능동적이며 복잡한 다단계 문제에 더 적합함 미국 우리가 진행한 전문가 인터뷰에 따르면, 2030년까지 전체 질의의 약 20~30%가 Agentic 형태가 될 것으로 널리 예상된다. 다시 말해, 현재 데이터센터 개발 속도는 Agentic AI의 비교적 느리고 점진적인 도입을 전제로 하고 있다. 그러나 AAI의 도입 속도가 더 빨라지는 시나리오를 가정할 경우, 현재 계획된 데이터센터 개발은 충분하지 않을 것이다. 우리의 분석에 따르면 Agentic AI 채택률이 +10%p 증가할 때마다, 2030년까지 미국의 데이터센터 수요는 약 +25% 증가할 수 있다. 이 경우 데이터센터는 전력 소비의 약 20%를 차지하게 된다. Exhibit 2: 미국: Agentic AI 채택률이 +10%p 증가할 때 데이터센터 수요는 +25% 증가; 2030년에는 데이터센터 전력 소비 비중이 약 20%에 도달 유럽 유럽은 데이터센터 개발과 AI 보급에서 미국보다 약 5년 정도 뒤처져 있다고 가정하면, 2035년에는 유사한 결론에 도달한다: Agentic AI 채택률이 +10%p 증가할 때마다 유럽의 데이터센터 수요는 약 +25% 증가할 수 있다. 이 경우 데이터센터는 EU28 전력 수요의 약 25%를 차지할 것으로 추정된다. Exhibit 3: 유럽: Agentic AI 채택률이 +10%p 증가할 때 데이터센터 수요는 +25% 증가; 2035년에는 데이터센터 전력 소비 비중이 약 25% 전력 수요: 유럽에서 상방 리스크 존재 기본 시나리오에서는 유럽의 전력 수요가 2029년까지 연평균 1.5~2% 성장할 것으로 예상된다. 이는 주로 이동 수단(전기차)과 건물(히트펌프)의 점진적인 전기화에 기인한다. 참고로 2026년 유럽 전기차 판매는 200만 대를 초과할 것으로 예상되며, 히트펌프 판매 역시 200~250만 대를 초과할 것으로 보인다. Exhibit 4에서 보듯이, 연간 15~20k km를 주행하는 전기차와 히트펌프를 추가하면 일반 가구의 전력 소비는 연간 약 2.5MWh에서 약 7MWh로 세 배 증가한다. 2030년 이후에는 데이터센터 기여와 더 빠른 전기화로 인해 전력 수요 증가율이 2.5~3%로 가속될 것으로 본다. 만약 AI Agent의 침투율이 추가로 +10%p 증가한다면 전력 수요 증가율은 약 3.5%까지 상승할 것이며, +25%p 증가할 경우 2029년부터 연 4%까지 성장할 수 있다(다른 조건 동일 가정). Exhibit 4: 전기차와 히트펌프 도입 시 가구 전력 소비는 2.5MWh에서 약 7MWh로 3배 증가 Exhibit 5: 상방 시나리오에서는 2029년 이후 전력 수요 증가율이 최대 4%까지 상승 Agentic AI “초고속 도입”의 병목 요인 분석 자금 조달 및 비용 부담 외에도, 데이터센터 개발이 크게 가속될 경우 전력 생산, 전력망, 반도체, 원자재, 냉각, 부동산 등 다양한 산업에서 공급 부족이 발생할 수 있다. 동시에 AI Agent 도입 확대는 특히 유럽에서 장기 전력 수요 전망에 상당한 상방 리스크를 의미한다. Exhibit 6: 데이터센터 개발 가속은 다양한 산업에서 공급 부족을 유발할 수 있음 유틸리티 이익 슈퍼사이클은 여전히 초기 단계 전력 소비 증가는 인프라 투자 확대와 재생에너지 및 FlexGen 마진 상승을 지지하며, 유틸리티 산업의 이익 슈퍼사이클을 강화한다. 유럽의 대부분 전력 유틸리티는 2030년대까지 한 자릿수 중후반 EPS 성장을 달성할 것으로 보이며, 멀티플 확장도 지속될 가능성이 높다. Exhibit 7: 유럽 유틸리티 밸류에이션 리레이팅은 지속될 가능성 더 높은 성장 전망에도 불구하고, 우리의 주요 ‘전기화 복리 성장 기업(Electrification compounders)’들은 2030년 예상 PER 기준으로 중기 사이클 평균인 14.5배 및 +1표준편차인 16배 대비 상당한 할인 상태에서 거래되고 있다. 우리는 커버리지 내 주요 ‘전기화 복리 성장 기업’들의 유기적 성장이 특히 강할 것으로 예상하며, Solaria를 제외한 평균 EPS CAGR은 2025~30년 동안 약 +9%로 추정한다. Exhibit 8: 전기화 복리 성장 기업들은 2030년 예상 PER 기준으로 중기 사이클 평균 대비 할인되어 거래 중 Exhibit 9: 향후 5년 동안 ‘전기화 복리 성장 기업’의 EPS CAGR은 약 +9%로 추정 AI 챗봇에서 AI Agent로 현재 인공지능 기술(예: ChatGPT, Google Gemini)은 대형 언어 모델(LLM)에 기반하며, AI 챗봇을 통해 단일 단계 응답을 제공하여 비교적 단순한 문제를 해결한다. 예측 역시 비교적 단순한 논리를 사용하는 “선형적” 방식으로 처리된다. 반면 Agentic AI는 문제를 더 작은 작업으로 분해하고, 더 큰 워크플로우와 복잡한 문제를 처리할 수 있는 다단계 접근 방식을 채택한다. AAI 도구는 여러 모델을 동시에 실행하며, 중간 결과를 지속적인 피드백 루프를 통해 평가한다. 이러한 이유로 대부분의 전문가들은 Agentic AI가 인간의 사고 과정을 더 잘 모방할 수 있어 기업용 애플리케이션에서 표준이 될 것으로 예상한다. 전통적 AI에서 Agentic AI로 현재 널리 사용되는 전통적 AI는 주로 패턴 인식, 예측, 분류, 자연어 처리와 같은 특정 작업에 초점을 맞춘다. 이러한 시스템은 각 작업마다 명시적인 인간 입력을 필요로 하는 반응형 구조이며, 사전에 정의된 범위 내에서 작동한다. 반면 Agentic AI는 여러 모델이 병렬로 작동하며 지속적인 피드백 루프를 형성한다. 인간의 사고와 유사하게, AI Agent는 목표를 해석하고 이를 작은 작업으로 분해하며, 워크플로우를 설정하고 외부 모델을 활용하고, 중간 결과를 지속적으로 평가한 뒤 최종 결과를 도출한다. 이러한 점에서 더 능동적이며 복잡한 다단계 문제에 적합하다. 다만 그 대가로 더 높은 지연(latency), 더 큰 연산 요구량, 그리고 훨씬 더 높은 에너지 소비가 발생한다. A Exhibit 10: 전통적 AI는 지연과 비용을 최소화하기 위해 단일 단계 응답 제공에 집중 Exhibit 11: Agentic AI는 더 능동적이며 복잡한 다단계 문제에 더 적합 앞으로의 AI는 훨씬 더 에너지 집약적이다 Agentic AI 모델의 다중 모델 및 지속적인 피드백 루프 구조는 훨씬 더 많은 연산 능력을 필요로 하며, 그 결과 에너지 수요도 크게 증가한다. 지난 3년 동안 AI 질의는 상당한 효율 개선을 이루었다. 초기에는 질의당 약 2.7Wh를 소비했으나, 현재 ChatGPT 및 Google Gemini 모델은 약 0.30Wh를 소비한다. 이는 5년 미만 기간 동안 약 90%의 에너지 효율 개선을 의미하지만, 여전히 비AI 구글 검색 대비 약 10% 높은 수준이다. Microsoft 및 기타 연구에 따르면 Agentic AI는 기존 AI 챗봇 대비 약 15~50배 더 많은 에너지를 사용할 수 있다. 우리는 보다 보수적으로, 해당 범위의 하단에서 50% 이상의 효율 개선을 가정하여 약 6배 높은 에너지 집약도를 적용한다. 이는 도입 속도에 따라 예상보다 훨씬 더 큰 에너지 수요를 의미할 수 있다. 이는 OpenAI 및 Google DeepMind 등 주요 기술 기업 창업자들의 인터뷰와도 일치한다. AI 챗봇의 에너지 효율은 긍정적으로 개선되어 왔다 초기 ChatGPT(2022년 출시)는 기존 검색 엔진보다 약 10배 더 많은 전력을 소비했지만, 칩과 LLM의 효율 개선으로 현재는 질의당 약 0.30Wh 수준으로 감소했으며, 이는 비AI 구글 검색 대비 약 10% 높은 수준에 불과하다. Exhibit 12: AI 챗봇의 에너지 집약도는 2022년 이후 약 90% 감소 AI Agent의 에너지 집약도는 현재 AI 챗봇 대비 15~50배 높을 수 있다 ResearchGate에 따르면 Agentic AI 질의는 현재 AI 챗봇(ChatGPT, Gemini 등) 대비 약 50배의 에너지를 소비할 수 있다. Microsoft의 연구에서는 약 13배 증가를 제시하고 있다. 우리가 인터뷰한 전문가들 역시 10~50배 수준의 에너지 증가를 언급한다. Microsoft 논문을 기준으로 보면 Agentic AI의 에너지 소비는 질의당 약 4Wh 수준으로 상승한다. 우리는 상방 시나리오에서 데이터센터 인프라와 에너지 수요를 분석하기 위해, 해당 Microsoft 논문을 기반으로 ...