[로널드 템플의 마켓 나우] AI 투자는 공급망 관점에서 접근해야

로널드 템플 라자드자산운용 시장 전략 수석

모든 인공지능(AI)의 상호작용 중심에는 토큰이 있다. 토큰은 AI 모델이 읽고 생성하는 데이터의 기본 단위다. 최근 AI 활용이 늘어나면서 전체 토큰 사용량은 물론 토큰당 필요한 연산 능력도 커지고 있다. 자연스럽게 메모리, 첨단 패키징, 전력 등 특수 부품 전반에 걸친 글로벌 인프라 구축이 빨라지고 있다. 토큰 수요가 커지면서 글로벌 AI 공급망에 대한 투자도 늘어나는 이유다. 이는 경기 순환적 현상보다 AI 활용 방식의 구조적 변화에 가깝다고 본다. AI가 더 복잡한 작업을 수행할수록 더 많은 연산을 요구하고 있기 때문이다. 여러 단계에 걸쳐 문제를 푸는 추론 모델은 최종 답변을 내기까지 긴 추론 과정을 거치며 토큰을 생성한다. 사용자를 대신해 도구를 활용하며 문서를 읽고, 여러 차례 모델을 호출하는 에이전트형 시스템도 토큰 사용량을 늘린다. 이미지와 음성, 영상 등 다양한 형태의 데이터를 처리하는 기술인 멀티모달(Multimodal) 입력 역시 텍스트보다 훨씬 많은 토큰으로 변환된다.

AI에 드는 비용은 토큰당 가격뿐 아니라 사용량에도 달려있다. 멀티모달 입력은 작업당 토큰 소비를 크게 늘린다. 에이전트형 코딩은 일반적인 채팅보다 약 1000배 많은 토큰이 쓰인다. 토큰 하나를 쓰는 비용이 낮아져도 사용량이 그보다 더 빠르게 늘어난다. 단가가 내려가도 전체 비용이 커지는 ‘제번스의 역설’이 나타난다. 그 바람에 늘어나는 수요가 낳은 경제적 과실은 상당 부분 인프라 부문으로 돌아갈 것으로 예상한다. 미국 하이퍼스케일러의 2027년 설비투자는 올해보다 약 60% 증가해 1조5000억 달러(약 2025조원)에 이를 전망이다.

AI 인프라의 핵심 병목을 해결하는 부품 상당수가 한국과 대만 등 아시아에서 생산된다. 미국 기업들이 클라우드 서비스와 AI 모델, 가속기 시스템에서 상당한 수익을 가져가더라도 이를 뒷받침하는 하드웨어는 아시아 공급업체에 크게 의존한다. 이 부품을 단기간에 대체하거나 생산을 복제하기 어렵다. 물리적 공급망이 특별한 신흥시장 기업을 눈여겨봐야 하는 이유다.

AI 하드웨어가 복잡해질수록 공급망에 필요한 부품과 기술의 종류도 늘어난다. 새로운 세대의 하드웨어는 더 많은 부품을 필요로 한다. 더 좁은 공간에 더 높은 연산 성능을 담으려면 칩에서 발생하는 열을 관리할 첨단 냉각 시스템이 필요하다. 기존 배선이 물리적 한계에 이르면서 새로운 연결 소재가 요구되고, 훨씬 큰 규모의 시스템에 전력을 효율적으로 공급할 장비도 필요해진다. AI 투자를 몇몇 종목에 대한 투자가 아니라 공급망 전반에 대한 관점에서 봐야 하는 이유다.

로널드 템플 라자드자산운용 시장 전략 수석