데이비드 칸 – AI의 6,000억달러 질문 (AI’s $600B Question)
원문: David Cahn, AI’s $600B Question (Jun 2024) 전문은 원문에서 확인하실 수 있습니다. 아래 글은 번역이 아니라, 데이비드 칸의 논증을 한국어로 재구성한 정리입니다.
글의 배경과 개요
데이비드 칸(David Cahn)은 벤처캐피털 세쿼이아 캐피털(Sequoia Capital)의 그로스 팀 파트너로, AI 인프라와 엔터프라이즈 소프트웨어, 방위 기술에 투자하는 인물입니다. 이 글은 2024년 6월 세쿼이아 블로그에 올라온 짧은 논평으로, 그가 2023년 9월에 쓴 「AI’s $200B Question」의 후속편입니다. 글을 쓴 직접적 계기는 엔비디아(NVIDIA)가 그 주에 시가총액 세계 1위 기업에 올랐다는 사건이었고, 그 전후로 ‘그 계산은 지금 어떻게 되느냐’는 문의가 여러 차례 들어왔다고 칸은 밝힙니다. 글이 답하려는 질문은 하나로, AI 인프라에 쏟아부은 자본을 정당화하려면 연간 얼마의 최종 매출이 나와야 하는데 지금 실제로는 얼마가 나오고 있는가 하는 것입니다. 논증 경로는 단순하고 선명해서, 먼저 엔비디아 매출에서 출발해 필요한 최종 매출 규모를 역산하고, 이어 지난 아홉 달 사이에 달라진 다섯 가지를 짚은 뒤, 지난 글에 쏟아진 가장 강력한 반론인 ‘GPU 투자는 철도 건설과 같다’는 비유를 네 가지 논점으로 반박합니다. 마지막으로 칸은 자신이 AI 회의론자가 아님을 분명히 하면서, 손실을 보는 쪽은 창업자가 아니라 투자자일 것이라는 결론으로 글을 맺습니다.
핵심 내용 정리
- 칸은 2023년 9월에 제기한 ‘AI 인프라 투자를 정당화할 매출은 어디에 있는가’라는 질문을 다시 계산했고, 그 규모가 2,000억 달러에서 6,000억 달러로 커졌다고 말합니다.
- 계산법은 엔비디아의 런레이트 매출 전망에 2를 곱해 데이터센터 총소유비용을 반영하고, 다시 2를 곱해 GPU 최종 사용자의 50% 매출총이익률을 반영하는 것입니다.
- 2023년 말 정점이었던 GPU 공급 부족은 거의 해소되었고, 지금은 합리적인 리드타임으로 GPU를 구하는 것이 어렵지 않다고 칸은 전합니다.
- 빅테크의 GPU 재고는 쌓이고 있으며, 재고가 충분히 커져 수요가 줄어드는 순간이 조정의 계기가 될 것이라고 칸은 봅니다.
- AI 매출은 여전히 오픈AI(OpenAI)가 압도적으로 차지하고 있고, 빅테크들의 신규 AI 매출을 후하게 가정해도 메워지지 않는 구멍은 1,250억 달러에서 5,000억 달러로 커졌다고 계산합니다.
- ‘GPU 투자는 철도 건설과 같다’는 반론에 대해 칸은 GPU 데이터센터에는 독점적 가격 결정력이 없고, 투기적 투자 국면에서는 자본이 대규모로 소각되며, 반도체는 차세대 칩 때문에 훨씬 빠르게 감가상각된다고 답합니다.
- 칸은 이 예측이 현실이 되더라도 피해는 주로 투자자에게 돌아가고, 창업자는 낮아진 비용과 이 시기에 축적된 학습 덕분에 오히려 성공 가능성이 높아진다고 봅니다.
다시 던지는 질문 — 2,000억 달러에서 6,000억 달러로
칸은 2023년 9월에 발표한 「AI’s $200B Question」의 문제의식을 다시 꺼내는 것으로 글을 시작합니다. 그 글의 목적은 단 하나의 질문을 던지는 것이었습니다. 그 많은 매출은 도대체 어디에 있는가.
당시 칸이 포착한 것은 간극이었습니다. 한쪽에는 AI 인프라 구축 규모가 암묵적으로 전제하고 있는 매출 기대치가 있고, 다른 한쪽에는 AI 생태계에서 실제로 일어나고 있는 매출 성장이 있는데, 둘 사이가 크게 벌어져 있다는 것입니다. 칸은 후자, 즉 실제 매출 성장을 최종 사용자가 얻는 가치의 대리 지표로 봅니다. 그래서 그는 이 간극을 현재 수준의 자본지출(CapEx)이 1년 지속될 때마다 메워야 하는 1,250억 달러짜리 구멍이라고 표현했습니다.
그리고 이 글이 나온 주에 엔비디아는 세계에서 가장 가치 있는 기업의 자리에 올랐습니다. 그 몇 주 전부터 칸에게는 그 분석의 최신 수치를 다시 보여달라는 요청이 계속 들어왔습니다. AI의 2,000억 달러 질문은 풀린 것인가, 아니면 더 악화된 것인가. 칸의 답은 이렇습니다. 같은 분석을 오늘 다시 돌리면, 2,000억 달러 질문은 이제 6,000억 달러 질문이 되었습니다.
해설 ‘대리 지표’라는 표현이 이 글의 논리적 핵심입니다. 칸의 전제는 이렇습니다. 사용자가 AI로부터 실제 가치를 얻는다면 그것은 결국 지불로 나타나고, 지불은 매출로 집계됩니다. 따라서 매출이 인프라 투자를 따라가지 못한다면, 그것은 아직 그만큼의 가치가 창출되지 않았다는 뜻입니다.
반대로 ‘매출은 적지만 가치는 이미 크다’고 주장하려면, 가치와 지불 사이가 왜 벌어져 있는지를 따로 설명해야 합니다. 칸은 이 전제를 글에서 명시적으로 방어하지는 않고 자명한 것으로 두고 넘어갑니다. 그가 짚는 간극이 설득력을 가지려면 이 전제가 먼저 받아들여져야 한다는 점은 기억해 둘 만합니다.
6,000억 달러는 어떻게 나온 숫자인가
칸은 이 수치를 직접 계산하는 것이 어렵지 않다고 말하며 방법을 그대로 공개합니다. 먼저 엔비디아의 런레이트 매출 전망을 가져와 2배 합니다. GPU가 AI 데이터센터 총소유비용(TCO)의 절반에 불과하고, 나머지 절반은 전력과 건물, 예비 발전기 등이 차지하기 때문입니다. 그다음 여기에 다시 2배를 합니다. GPU를 최종적으로 사용하는 주체, 즉 애저(Azure)나 AWS, GCP에서 AI 연산을 사서 쓰는 스타트업이나 기업도 돈을 벌어야 하므로 50%의 매출총이익률을 반영하는 것입니다.
칸은 각주에서 첫 번째 단계의 가정을 따로 방어합니다. 지난 글에서 데이터센터 비용 중 비(非)GPU 비용이 절반이라는 가정을 두고 이의를 제기한 논평자들이 있었는데, 엔비디아 자신이 정확히 같은 수치를 제시했다는 것입니다. 칸은 이 비(非)GPU 비용을 전력 비용으로 요약해 설명했습니다. 해당 수치는 지난 글이 나오고 며칠 뒤에 공개된 2023년 10월 엔비디아 애널리스트 데이 발표자료 14쪽에서 확인할 수 있다고 칸은 안내합니다.
해설 칸이 제시한 배수는 2 곱하기 2, 즉 4입니다. 따라서 최종 결과가 6,000억 달러라면 출발점인 엔비디아 런레이트 매출은 약 1,500억 달러로 잡힌 셈입니다. 이는 칸이 명시한 계산식을 뒤집어 본 산술이며, 그가 본문에 특정 런레이트 수치를 문장으로 적어 두지는 않았습니다.
또 하나 주의할 점은 이 6,000억 달러가 지금까지 투자된 누적 금액이 아니라는 것입니다. 현재 수준의 지출이 1년간 이어질 때 그 1년치를 정당화하기 위해 필요한 연간 최종 매출을 가리킵니다. 칸이 지난 글에서 자본지출 1년마다라고 강조한 것이 바로 이 지점입니다.
[이해관계] 칸은 세쿼이아 캐피털의 그로스 팀 파트너이고, 이 글은 AI 투자로 수익을 내는 벤처캐피털의 공식 블로그에 실렸습니다. 그 발화 위치가 결론의 방향과 맞물려 있다는 점은 짚어 둘 만합니다. 그가 도달한 결론은 ‘AI에 투자하지 말라’가 아니라 ‘인프라에 돈을 넣은 투자자가 손실을 보고 창업자는 낮아진 비용의 수혜를 입는다’이며, 이는 초기·그로스 단계 창업자에게 자본을 대는 쪽에 불리하지 않은 서사입니다.
그의 이력도 같은 방향을 가리킵니다. 칸은 세쿼이아 합류 전 코우튜 매니지먼트(Coatue Management)에서 벤처 부문 제너럴 파트너 겸 COO를 지냈고, 세쿼이아에서는 허깅페이스(Hugging Face)를 비롯한 AI 소프트웨어 기업들에 투자해 왔습니다. 다만 이 글이 세쿼이아 자신이 대규모로 투자한 영역의 산술을 공개적으로 깎아내리는 성격이라는 점, 그리고 그가 글 말미에 자기 이메일 주소를 공개하며 창업자의 연락을 청한다는 점도 함께 보아야 합니다.
2023년 9월 이후 무엇이 달라졌는가
칸은 다섯 가지 변화를 제시합니다.
공급 부족은 잦아들었다
2023년 말은 GPU 공급 부족의 정점이었습니다. 당시 스타트업들은 GPU에 접근할 방법을 찾으려고 벤처캐피털에, 말을 들어줄 만한 사람이면 누구에게나 전화를 돌렸습니다. 칸은 오늘날 그 우려가 거의 완전히 사라졌다고 말합니다. 그가 이야기를 나누는 대부분의 사람들에게 이제 GPU를 합리적인 리드타임 안에 확보하는 일은 비교적 수월해졌습니다.
GPU 재고가 쌓이고 있다
엔비디아는 4분기에 데이터센터 매출의 약 절반이 대형 클라우드 사업자에게서 나왔다고 보고했습니다. 마이크로소프트(Microsoft) 한 곳만으로도 엔비디아 4분기 매출의 약 22%를 차지했을 가능성이 높습니다. 하이퍼스케일러의 자본지출은 역사적인 수준에 도달하고 있고, 이 투자는 2024년 1분기 빅테크 실적 발표의 주요 테마였습니다. 당시 경영진들은 사실상 시장을 향해 당신들이 좋아하든 말든 우리는 GPU에 투자하겠다고 말한 것이나 다름없었다고 칸은 표현합니다.
칸은 하드웨어를 쟁여 두는 현상 자체가 새로운 일은 아니라고 덧붙입니다. 다만 그는 조정의 방아쇠가 무엇일지 특정합니다. 재고가 충분히 커져서 수요가 줄어드는 순간이 그 계기가 될 것이라는 것입니다.
AI 매출의 대부분은 여전히 오픈AI의 몫이다
디 인포메이션(The Information)의 보도에 따르면 오픈AI 매출은 2023년 말 16억 달러에서 34억 달러로 늘었습니다. 칸은 매출을 1억 달러 미만 구간까지 키워낸 스타트업이 몇 곳 나오기는 했지만, 오픈AI와 나머지 전부 사이의 격차는 여전히 크게 어른거린다고 말합니다.
그리고 그는 독자에게 직접 질문을 던집니다. ChatGPT를 빼고, 오늘 소비자들이 실제로 쓰고 있는 AI 제품이 몇 개나 됩니까. 이어 그는 비교 기준을 제시합니다. 월 15.49달러를 내는 넷플릭스(Netflix)에서, 월 11.99달러를 내는 스포티파이(Spotify)에서 당신이 얼마나 많은 가치를 얻고 있는지 생각해 보라는 것입니다. 장기적으로 AI 기업들이 소비자의 지갑을 계속 열게 하려면 그에 상응하는 상당한 가치를 전달해야 한다고 칸은 결론짓습니다.
1,250억 달러 구멍이 5,000억 달러 구멍이 되었다
칸은 지난 분석에서 자신이 사용한 가정을 그대로 밝힙니다. 그는 구글(Google), 마이크로소프트, 애플(Apple), 메타(Meta)가 각각 연간 100억 달러의 신규 AI 관련 매출을 만들어낼 수 있다고 후하게 가정했습니다. 그리고 오라클(Oracle), 바이트댄스(ByteDance), 알리바바(Alibaba), 텐센트(Tencent), X(엑스), 테슬라(Tesla)에 대해서는 각각 50억 달러의 신규 AI 매출을 가정했습니다. 칸의 판단은 이렇습니다. 이 가정들이 그대로 유효하다고 치고 목록에 기업을 몇 개 더 추가한다고 해도, 1,250억 달러였던 구멍은 이제 5,000억 달러 구멍이 될 것입니다.
아직 끝이 아니다 — B100이 온다
칸은 이 흐름이 여기서 멈추지 않을 것이라고 봅니다. 올해 초 엔비디아는 B100 칩을 발표했는데, 이 칩은 25% 더 비싼 가격으로 2.5배 더 나은 성능을 냅니다. 칸은 이것이 엔비디아 칩 수요의 마지막 급등으로 이어질 것으로 예상합니다. B100은 H100 대비 비용 대비 성능에서 극적인 개선이고, 올해 후반에 모두가 B100을 손에 넣으려고 달려들면서 또 한 번 공급 부족이 발생할 가능성이 높다는 것입니다.
해설 공급 부족 해소와 재고 축적을 나란히 놓으면 이런 그림이 됩니다. 공급 부족이 풀렸다는 것은 구매 압력의 성격이 없어서 못 사는 것에서 쌓아 두기 위해 사는 것으로 바뀌었을 수 있음을 뜻합니다. 그리고 쌓아 두기 위한 구매는 언젠가 반드시 멈춥니다. 칸은 그 시점이 언제인지는 말하지 않고 조건만 제시한 채 열어 둡니다.
구멍의 산술도 따라가 보면 선명해집니다. 100억 달러 곱하기 4개사는 400억 달러, 50억 달러 곱하기 6개사는 300억 달러로 합계 700억 달러이고, 여기에 몇 개 기업을 더해도 대략 1,000억 달러 안팎입니다. 6,000억 달러에서 이를 빼면 5,000억 달러가 남습니다. 주목할 점은 가정은 그대로인데 구멍만 네 배로 커졌다는 구조이며, 이는 분모에 해당하는 필요 매출이 엔비디아 매출을 따라 급증하는 동안 분자에 해당하는 실현 가정은 거의 그대로였다는 뜻입니다.
[관점] 넷플릭스와 스포티파이를 끌어온 대목은 단순한 가격 비교가 아니라 소비자 지출 경쟁의 문제로 읽어야 합니다. 소비자의 월 구독 예산은 유한하고, AI 제품은 이미 자리 잡은 서비스들과 같은 지갑을 놓고 다툽니다. 칸의 논점은 AI 제품이 유용한가가 아니라, 월 15달러짜리 넷플릭스만큼의 체감 가치를 주는가입니다.
여기에 한 가지를 더 얹으면 그림이 완성됩니다. 인프라 쪽 매출은 기업의 자본지출 예산에서 나오지만, 칸이 메워져야 한다고 말하는 최종 매출의 상당 부분은 결국 소비자와 기업의 운영 예산에서 나와야 합니다. 자본지출은 기대만으로도 수년간 집행될 수 있는 반면 운영 예산은 매달 체감 가치로 검증받습니다. 두 예산의 성격 차이가 칸이 말하는 간극이 쉽게 닫히지 않는 구조적 이유입니다.
철도 비유는 어디서 어긋나는가
칸은 지난 글에 대한 주요 반박 중 하나가 GPU 자본지출은 철도를 놓는 것과 같다는 비유였다고 전합니다. 언젠가 기차가 다닐 것이고 목적지도 생겨날 것이며, 새로운 농산물 수출로가 열리고 놀이공원이 서고 쇼핑몰이 들어설 것이라는 이야기입니다. 칸은 이 비유에 실제로 동의한다고 먼저 말합니다. 다만 이 비유가 놓치는 지점이 몇 가지 있다고 보고 네 가지를 제시합니다.
가격 결정력의 부재
물리적 인프라를 구축하는 경우에는 그 인프라 자체에 내재적 가치가 따라붙습니다. 샌프란시스코와 로스앤젤레스를 잇는 선로를 소유하고 있다면 일종의 독점적 가격 결정력을 갖게 되는데, A 지점과 B 지점 사이에 놓을 수 있는 선로에는 물리적 한계가 있기 때문입니다. 그러나 GPU 데이터센터에는 그런 가격 결정력이 훨씬 적습니다. GPU 연산은 갈수록 시간당 요금으로 계량되는 범용재화가 되어 가고 있고, 과점 구조로 굳어진 CPU 클라우드와 달리 AI 전용 클라우드를 짓는 신규 진입자들이 계속해서 시장에 쏟아져 들어오고 있습니다.
칸은 여기서 일반 원리를 하나 제시합니다. 독점이나 과점이 없는 상태에서, 고정비가 높고 한계비용이 낮은 사업은 거의 언제나 가격이 한계비용까지 경쟁적으로 내려간다는 것입니다. 그가 든 예시는 항공사입니다.
투자의 소각
칸은 철도의 경우에도, 그리고 많은 신기술의 경우에도 투기적 투자 광풍은 흔히 높은 비율의 자본 소각으로 이어진다고 말합니다. 그는 근거로 알리스데어 네언(Alisdair Nairn)의 『The Engines That Move Markets』를 듭니다. 칸은 이 책을 기술 투자에 관한 최고의 교과서 중 하나로 꼽으면서, 실제로 철도에 초점을 맞춘 이 책의 가장 중요한 교훈은 투기적 기술 파동 동안 많은 사람이 많은 돈을 잃는다는 것이라고 전합니다. 그리고 그는 실무적으로 유용한 비대칭 하나를 덧붙입니다. 승자를 고르는 일은 어렵지만 패자를 고르는 일은 훨씬 쉽다는 것이고, 철도의 경우에 그 패자는 운하였습니다.
감가상각
칸은 기술의 역사가 반도체는 계속해서 더 좋아진다는 사실을 알려준다고 말합니다. 엔비디아는 B100 같은 차세대 칩을 계속 내놓을 것이고, 그 결과 이전 세대 칩의 감가상각은 더 빠르게 진행될 것입니다. 그의 진단은 시장의 오해를 겨냥합니다. 시장은 B100을, 그리고 차세대 칩이 개선되는 속도를 과소평가하고 있기 때문에, 오늘 구매한 H100이 3-4년 뒤에도 가치를 유지할 정도를 과대평가하고 있다는 것입니다. 여기서도 철도 비유가 성립하지 않는데, 물리적 인프라에는 비용 대비 성능이 지속적으로 개선되는 무어의 법칙 유형의 곡선이 존재하지 않기 때문입니다.
승자와 패자
칸은 마지막으로 승자와 패자를 면밀히 구분해서 볼 필요가 있다고 말합니다. 과잉 인프라 건설의 시기에는 언제나 승자가 존재한다는 것입니다. 그는 AI가 다음 변혁적 기술 파동이 될 가능성이 높다고 보고, 지난 글에서 이미 언급했듯이 GPU 연산 가격이 하락하는 것은 실제로 장기적 혁신에 좋고 스타트업에도 좋다고 말합니다.
그리고 칸은 자신의 예측이 현실화될 경우 피해가 어디로 향하는지를 명확히 합니다. 그 피해는 주로 투자자에게 돌아갑니다. 창업자와 기업 설립자들은 AI에서 계속 무언가를 만들어갈 것이고 오히려 성공할 가능성이 높아지는데, 낮아진 비용과 이 실험의 시기에 축적된 학습이라는 두 가지 이득을 동시에 누리기 때문입니다.
해설 운하 사례를 조금 풀어 두면 비유가 선명해집니다. 철도가 등장하기 직전까지 운하는 최첨단 물류 인프라였고 막대한 자본이 투입된 대상이었습니다. 그런데 철도가 도래하자 운하에 묶인 자본은 회수되지 못했습니다. 즉 새 기술이 온다는 판단이 옳았더라도, 기존 인프라 보유자는 그 판단의 수혜자가 아니라 피해자가 됩니다.
네언의 책은 19세기 철도 투기부터 20세기 기술주 파동까지를 훑으며 같은 패턴이 반복된다는 점을 보인 투자사 서술서입니다. 칸이 이 책을 끌어오는 이유는 ‘기술은 성공했지만 그 기술에 투자한 사람은 실패했다’는 사례가 예외가 아니라 규칙에 가깝다는 점을 보이기 위해서입니다. 그는 AI 맥락에서 무엇이 오늘의 운하에 해당하는지는 지목하지 않습니다.
[관점] 가격 결정력과 감가상각은 네 가지 반박 중 투자 판단에 가장 직접적으로 쓰이는 대목입니다. 핵심은 수요가 오느냐가 아니라 수요가 와도 그 이익을 누가 가져가느냐이기 때문입니다. 수요가 칸의 예상을 넘어설 만큼 커지더라도 연산이 범용재화되어 가격이 한계비용까지 밀린다면, 데이터센터 사업자의 투하자본이익률은 회복되지 않습니다. 항공 여객 수요는 지난 수십 년간 꾸준히 성장했지만 그 산업의 누적 주주 수익은 참담했다는 점에서 칸의 비유는 정확합니다.
감가상각 논점은 회계 수치를 직접 건드리기 때문에 검증 가능한 명제입니다. GPU 자산의 내용연수를 몇 년으로 잡느냐에 따라 연간 감가상각비가 달라지고 그만큼 영업이익이 달라지는데, 실제 경제적 수명이 장부상 내용연수보다 짧다면 보고된 이익은 그만큼 과대계상된 셈입니다. 칸이 3-4년이라는 구간을 언급한 것은 이 지점을 겨냥한 것으로 읽힙니다. 다만 반대 방향의 사실도 있습니다. 구세대 칩이 프런티어 모델 학습에서 밀려나더라도 추론 작업에서 계속 활용된다면 경제적 수명은 예상보다 길어질 수 있는데, 칸은 학습용 수요와 추론용 수요를 구분하지 않고 논의를 전개합니다.
[한국 관점] 칸의 가격 결정력 논점은 한국 반도체 기업에는 거꾸로 적용됩니다. 그가 말하는 범용재화는 GPU 연산 시간이지 AI 데이터센터의 부품이 아니며, 공급자가 셋뿐인 고대역폭 메모리(HBM)에는 그가 철도 선로에 부여한 종류의 희소성이 오히려 존재합니다. 카운터포인트리서치 집계 기준 2026년 2분기 HBM 시장 점유율은 SK하이닉스 50%, 삼성전자 33%, 마이크론 18%로 사실상 3사 과점이고, SK하이닉스의 2026년 1분기 매출은 52조 5,763억 원, 영업이익은 37조 6,103억 원이었습니다. 칸의 논리를 그대로 따르면, 범용재화의 가격이 한계비용으로 수렴하는 동안에도 과점적 병목을 쥔 부품 공급자는 지대를 수취합니다.
다만 같은 논리가 반대 방향의 경고도 함께 담고 있습니다. HBM의 과점이 유지되는 것은 기술 난도와 인증 리드타임 때문이지 구조적 독점 때문이 아니며, 세대가 바뀔 때마다 점유율이 재편되는 시장입니다. 그리고 칸이 말한 감가상각 가속은 한국 기업에는 양면입니다.
칩 교체 주기가 짧아질수록 메모리 교체 수요도 빨라지지만, 그 수요의 원천인 데이터센터 사업자의 투자 회수가 칸의 예상대로 어긋난다면 주문의 상단이 먼저 꺾입니다. 요컨대 한국 기업의 위치는 간극의 바깥이 아니라 간극이 닫히는 방식에 연동되어 있습니다.
맺음말 — 망상은 경계하되 두려워하지는 말 것
칸은 마무리에서 AI의 가치를 분명한 어조로 긍정합니다. 막대한 경제적 가치가 AI에 의해 창출될 것이고, 최종 사용자에게 가치를 전달하는 데 집중하는 기업 설립자들은 후하게 보상받을 것입니다. 우리는 한 세대를 규정할 잠재력을 지닌 기술 파동 한가운데를 살고 있습니다. 엔비디아 같은 기업들은 이 전환을 가능하게 한 역할에 대해 대단한 공로를 인정받아 마땅하며, 앞으로도 오랫동안 생태계에서 결정적 역할을 할 것으로 보입니다.
이어 칸은 투기적 열광에 대한 자신의 입장을 정리합니다. 투기적 열광은 기술의 일부이며 따라서 두려워할 대상이 아니라는 것입니다. 이 순간에 냉정을 유지하는 이들에게는 대단히 중요한 기업을 세울 기회가 있습니다.
그러나 칸은 경계해야 할 것 하나를 특정합니다. 실리콘밸리에서 시작해 이제 미국 전역으로, 그리고 세계 전체로 퍼진 망상입니다. 범용인공지능(AGI)이 내일 오기 때문에 우리 모두 빨리 부자가 될 것이고, 따라서 유일하게 가치 있는 자원인 GPU를 쟁여 두어야 한다는 생각입니다.
칸의 마지막 문장은 절제되어 있습니다. 현실에서 앞에 놓인 길은 긴 길이 될 것이고 오르내림이 있겠지만, 거의 확실하게 그 길은 걸어볼 만한 가치가 있을 것입니다. 글 말미에 그는 이 분야에서 무언가를 만들고 있다면 연락을 달라며 자신의 이메일 주소를 남겼습니다.
[사후 맥락] 이 글은 2024년 6월 20일자입니다. 그 뒤 엔비디아 매출은 칸의 예상보다 훨씬 더 커졌습니다. 2026년 1월 말로 끝난 2026 회계연도에 연간 매출은 2,159억 달러로 전년 대비 65% 늘었고, 데이터센터 매출은 1,937억 달러로 68% 증가했습니다. 가장 최근 분기인 2027 회계연도 2분기에는 매출 962억 달러, 데이터센터 매출 890억 달러를 기록했고 다음 분기 매출 가이던스는 1,080억 달러였습니다.
오픈AI 매출도 크게 늘었습니다. 칸이 글을 쓸 당시 34억 달러였던 연환산 매출은 디 인포메이션 보도 기준 2026년 2월 말 250억 달러를 넘어섰고, 블룸버그(Bloomberg)는 2026년 8월 그 런레이트가 400억 달러를 넘었다고 보도했습니다. 다만 포춘(Fortune)이 2026년 6월 유출 자료를 근거로 보도한 2025년 실적은 매출 130.7억 달러에 손실 210억 달러였습니다.
칩 세대교체도 칸의 예상대로 이어졌습니다. B100 계열인 블랙웰(Blackwell)은 실제로 출하되었고 2027 회계연도 2분기의 데이터센터 매출 증가는 블랙웰 울트라(Blackwell Ultra) 공급이 견인했으며, 엔비디아는 이미 차세대인 베라 루빈(Vera Rubin)의 양산을 예고한 상태입니다. 칸이 마지막 급등이라고 표현했던 B100발 수요는 적어도 2026년 중반까지는 마지막이 아니었습니다.
[관점] 칸이 공개한 계산법을 최근 수치에 그대로 적용하면 규모가 어떻게 달라지는지 가늠할 수 있습니다. 2027 회계연도 2분기 데이터센터 매출 890억 달러를 연환산하면 약 3,560억 달러이고, 여기에 4를 곱하면 약 1조 4,000억 달러가 나옵니다. 다음 분기 가이던스를 기준으로 하면 이 숫자는 1조 6,000억 달러 안팎까지 올라갑니다. 방법론을 유지하는 한 2,000억 달러 질문은 6,000억 달러를 거쳐 조 단위 질문으로 확대된 셈입니다.
다만 이 계산을 그대로 받아들이기 전에 두 가지를 따져야 합니다. 첫째, 분모만 커진 것이 아니라 분자도 커졌습니다. 칸이 글을 쓸 때 34억 달러였던 오픈AI 매출은 400억 달러대가 되었고 앤트로픽(Anthropic)을 비롯한 다른 사업자들의 매출도 함께 늘어, 빅테크 각 100억 달러라는 그의 가정은 이제 보수적인 쪽에 가깝습니다. 둘째, 배수 자체가 시간이 지나며 흔들릴 수 있는데 데이터센터 비용에서 GPU가 차지하는 비중과 최종 사용자의 50% 매출총이익률 가정은 모두 2023-2024년의 구조를 전제한 것입니다.
그러므로 이 수치를 칸이 틀렸다거나 맞았다는 증거로 바로 쓰기는 어렵습니다. 정확한 독법은 그가 제기한 간극 자체는 사라지지 않았고 분자와 분모가 함께 커지면서 논쟁의 스케일만 바뀌었다는 쪽입니다. 그가 든 네 가지 반박 중 가격 결정력과 감가상각에 관한 주장은 여전히 검증 진행 중이며, 이 둘의 결론이 나기 전까지 6,000억 달러 질문은 닫히지 않습니다.
원문: David Cahn, AI’s $600B Question (Jun 2024) 전문은 원문에서 확인하실 수 있습니다.
참고할만한 글
- 애스워스 다모다란 – AI의 바르 미츠바 순간 (AI’s Bar Mitzvah Moment) — 다모다란이 AI 매출과 투자의 간극을 시장 데이터로 따져 본 글로, 칸의 질문을 이어서 볼 수 있습니다.
- 샘 올트먼 – 세 가지 관찰 (Three Observations) — AI 투자가 늘수록 성능과 비용이 예측 가능하게 좋아진다는 낙관 논리를 담은 글로, 칸의 회의와 대비됩니다.
- 샘 올트먼 – 온화한 특이점 (The Gentle Singularity) — 지능의 원가가 전기 값에 수렴한다고 보는 글로, 칸이 묻는 매출의 문제와 반대편의 전망을 보여 줍니다.
