AI is slowing down

개요

AI 산업은 지속적인 성장을 위해 막대한 자금 조달과 수익 창출이 필수적이지만, 현재 인프라 구축 및 컴퓨팅 약정 수준에 비해 2030년까지 연간 2조 달러 이상의 수익 창출이 요구되는 상황에서 비용 대비 효율성과 수익성 확보에 어려움을 겪고 있습니다.

주요 내용

* 천문학적인 인프라 투자 및 컴퓨팅 비용: 190GW 규모의 데이터 센터 건설에는 9.5조 ~ 15조 달러가 소요될 것으로 예상되며, 이는 연간 5000억 ~ 1조 달러의 신규 채권 발행을 요구합니다. NVIDIA는 2027년 말까지 1조 달러의 수익을 예상하지만, 54%가 3개 고객사에 의존하며, 이는 해당 고객사들의 막대한 부채 조달 능력에 달려있습니다.
* OpenAI 및 Anthropic의 재정적 압박: OpenAI는 2030년까지 최소 8520억 달러를, Anthropic은 2029년까지 연 1740억 달러의 수익 달성을 목표로 하지만, 현재의 자금 조달 및 수익으로는 막대한 컴퓨팅 약정 비용을 감당하기 어려워 추가적인 수백억 달러 규모의 자금 조달이 필요합니다.
* 수익 성장 둔화 조짐: AI 서비스의 토큰 기반 과금 모델 도입 이후, 기업들은 AI 비용에 대한 투자 대비 수익(ROI)을 파악하는 데 어려움을 겪고 있으며, 이는 AI 서비스의 매출 성장이 둔화될 가능성을 시사합니다. Uber, T-Mobile, Brex 등은 AI 토큰 사용량에 대한 지출 제한을 도입하고 있습니다.
* AI 서비스의 실질적 가치 및 효율성 의문: 현재 LLM 기반의 AI 서비스는 높은 비용에도 불구하고 사용자 경험이나 실질적인 가치를 제공하지 못하며, '삽질(shovelware)' 또는 '슬롭웨어(slopware)'에 불과하다는 비판이 제기됩니다.
* AI 산업의 지속 가능성 문제: AI 산업은 높은 비용으로 인해 성장 자체를 지속하기 위한 순환 경제에 의존하고 있으며, '효율성'이나 '비용 절감' 개념은 데이터 센터 투자 및 이론적인 AI 수익에 대한 서사를 강화하는 데 방해가 될 수 있습니다.

시사점

AI 산업의 현재 성장 모델은 천문학적인 비용과 불확실한 수익성이라는 근본적인 문제에 직면해 있으며, 지속 가능한 발전을 위해서는 실질적인 가치 창출과 비용 효율성 개선이 필수적입니다.