생성형 AI 경제학 스탠퍼드 강의: AI 슈퍼사이클에서 돈이 흐르는 곳

핵심 메시지

• AI 산업의 가치는 반도체·인프라(추론)·앱 세 층으로 나뉘며, 지금은 반도체 층이 압도적으로 큰 '역삼각형' 구조다.
• 소프트웨어(SaaS)는 한계비용이 0에 가까워 80~90% 마진을 냈지만, AI 앱은 사용자가 늘수록 GPU 추론 비용이 그대로 붙어 수십억 달러 매출에도 적자인 경우가 많다.
• 수익성은 반도체 층에 집중돼 있다. 엔비디아 데이터센터 총마진은 약 75%인 반면 앱 층 마진은 0~30% 수준으로 추정된다.
• 지난 2년간 생태계는 약 5배 커졌지만 층별 비중의 '모양'은 거의 그대로였고, 새로 늘어난 매출의 약 75%가 반도체로 갔다.
• 소비자 AI의 다음 과제는 사용자 수(약 10억→40억)와 1인당 매출(연 약 10달러→100달러)을 함께 끌어올리는 것이며, 광고가 큰 열쇠가 될 수 있다.

쉽게 이해하기

강의는 'AI에서 돈은 어디서 벌리는가'라는 질문으로 시작한다. 강연자는 AI 생태계를 반도체, 인프라(추론), 애플리케이션 세 층으로 나눠, 과거 인터넷·모바일·클라우드 사이클과 비교한다. 클라우드 생태계가 비교적 고르게 분포한 것과 달리, 지금의 AI는 아래쪽 반도체 층이 압도적으로 크고 위쪽 앱 층이 작은 '뒤집힌 삼각형' 모양이라는 점이 핵심으로 제시된다.

왜 이렇게 다른가에 대해 강연자는 세 가지를 든다. 아직 초기이고, 엔비디아가 컴퓨트 시장을 사실상 장악하고 있으며, 추론이라는 작업의 '물리적 성질'이 과거와 다르다는 것이다. 소프트웨어는 한 번 만들면 수백만 명에게 거의 공짜로 배포됐지만, AI는 사용자가 한 명 늘 때마다 GPU를 태워야 해서 한계비용이 결코 0이 아니다. 그래서 커서나 대형 AI 서비스처럼 매출이 커도 이익이 나지 않는 사례가 나온다.

역사적 비유로는 AWS가 등장한다. 2004년 시작해 2010년 넷플릭스를 첫 고객으로 잡고 2012년에야 아마존이 완전히 옮겨가기까지 약 8년이 걸렸고, 그 사이 '아마존이 파산하는 것 아니냐'는 논쟁이 컸다는 것이다. 강연자는 지금의 대규모 설비투자(capex)도 철도를 까는 것과 비슷한 주기적 성격을 가지며, 삼각형이 뒤집히기까지 클라우드는 약 10년이 걸렸다고 본다.

수익성 측면에서 가장 남는 층은 반도체다. 엔비디아 데이터센터 매출의 총마진은 약 75%로 추정되는 반면 앱 층은 0~30%에 그친다. 훈련과 추론의 비중도 다뤄지는데, 엔비디아 설비의 약 40%가 추론에 쓰이는 것으로 알려져 있고 시간이 지날수록 추론 쪽 비중이 커질 것으로 본다. 추론 수요는 사람이 깨어 있는 시간에 몰리고 명절엔 줄어드는 등 변동이 크다.

마지막 주제는 소비자 AI의 수익화다. 선도 AI 서비스는 사용자 약 10억 명을 1인당 연 10달러 수준으로만 버는 반면, 알파벳은 약 40억 명을 100달러, 메타는 약 35억 명을 70달러 안팎으로 수익화한다. 사용자와 1인당 매출을 함께 키우려면 지식노동을 넘어서는 쓰임과 광고 모델이 필요하다는 것이 강연자의 전망이다. 그는 과거 페이스북 모바일 광고 회의론이 틀렸던 것처럼, 대화에 자연스럽게 녹는 광고가 큰 전환점이 될 것으로 본다.

주요 인사이트

• AI 앱의 근본 제약은 '지능'이 아니라 '한계비용'이다. 사용자당 추론 비용이 남아 있는 한 SaaS식 고마진 구조는 자동으로 따라오지 않는다.
• 설비투자 사이클과 매출 실현 사이에는 시차가 있다. 반도체는 5~6년을 내다보고 깔지만 앱 매출은 지금 발생하므로, 아래층은 주기적으로 과열·조정을 겪는다.
• 구글처럼 반도체(TPU)·인프라(GCP)·앱(제미나이)을 모두 가진 수직통합 사업자는 각 층을 나눠서 봐야 실제 가치 흐름이 보인다.
• 소비자 AI의 성장 여력은 '지식노동을 하는 사람 수'에 갇혀 있다. 온라인 인구 전체가 능동적으로 질문을 던지지는 않기 때문이다.
• 하이퍼스케일러의 분기 실적 발표에서 capex 가이던스가 꺾이는지 지켜보는 것은, 현재 균형이 유지되는지 가늠하는 실용적 신호다.

자주 묻는 질문

관련 AI 소식