AI가 싸지는 속도보다 더 많이 쓰는 속도가 빠를까?｜AI 투자소스고찰
AI가 싸지는 속도보다
사람들이 AI에게 일을 더 많이 시키는 속도가 빠를까?
AI는 빠르게 싸지고 있다. 그렇다면 AI 반도체와 데이터센터 수요는 줄어드는 것 아닐까? 이번에는 단순한 AI 강세론이 아니라 가격 하락·사용량 증가·연산 효율화 중 무엇이 더 빠른가라는 질문으로 다시 살펴봤다.
- 토큰 가격이 싸진다는 게 왜 중요한가?
AI를 한 번 사용하는 비용이 내려가면 사람들이 AI에게 맡길 수 있는 업무 범위가 넓어진다. - 그런데 가격만 보면 왜 안 될까?
1회 가격은 떨어져도 사용 횟수가 그보다 더 빨리 증가하면 전체 AI 연산량은 오히려 커질 수 있다. - 투자자는 무엇을 봐야 할까?
“AI 가격이 얼마나 떨어졌나?”보다 “AI가 실제로 얼마나 더 많이 일하고 있나?”를 봐야 한다. - 강세 시나리오
AI 비용 하락 → Agent 확산 → inference 증가 → AI반도체·HBM → 데이터센터 → 전력인프라 → 광통신 → AI소프트웨어 → 로봇·피지컬AI. - 중립 시나리오
사용량 증가와 효율화가 비슷하면 테마 전체보다 실적과 수주가 확인되는 기업으로 수혜가 압축될 가능성이 있다. - 반론
모델 경량화·양자화·캐싱·증류·ASIC이 너무 빠르게 발전하면 같은 업무를 더 적은 연산으로 처리할 수 있다. - 반론이 맞을 때 국장
범용 GPU·HBM 중심에서 ASIC·저전력 반도체·AI소프트웨어·자동화 쪽으로 수혜 중심이 이동할 가능성을 봐야 한다. - 진짜 질문
“AI가 싸지고 있나?”에서 끝나는 것이 아니라 “싸지는 속도보다 AI에게 맡기는 일이 더 빨리 늘고 있나?”를 물어야 한다. - 추가 고찰거리
Agent 하나가 만드는 모델 호출은 얼마나 많을까? 기업 AI가 개인 AI보다 더 많은 연산을 만들까? 효율화가 데이터센터 증설 속도를 따라잡을까?
1. 왜 이런 질문을 하게 됐을까?
AI 산업을 공부하면 GPU, HBM, 데이터센터, 전력 부족 이야기가 계속 나온다. 그런데 동시에 AI는 더 작아지고 더 싸지고 있다.
↓
같은 업무에 필요한 연산은 줄어든다
↓
그렇다면 GPU·HBM 수요도 줄어드는 것 아닐까?
하지만 한 번 사용하는 비용과 경제 전체에서 AI가 수행하는 총 업무량은 별개의 문제다.
2. 먼저 확인된 사실
하지만 이 세 가지 사실만으로 앞으로도 사용량 증가가 효율화를 계속 압도한다고 단정할 수는 없다.
3. 여기서부터는 야왕투자의 투자 가설
택시요금이 크게 떨어졌다고 생각해보자. 요금은 싸졌지만 사람들이 택시를 훨씬 더 자주 타게 된다면 택시 한 번의 가격은 떨어져도 도시 전체의 총 운행거리는 오히려 증가한다.
AI 업무량 증가 × 업무당 연산량이 전체 compute demand를 결정한다.
4. Agent AI가 중요한 이유
기존 챗봇은 질문 하나에 답변 하나로 끝나는 경우가 많았다. 하지만 Agent는 하나의 업무를 처리하기 위해 계획, 검색, 추론, 실행, 검증, 재시도를 반복할 수 있다.
↓
계획 → 검색 → 실행 → 검증 → 재시도
↓
여러 번의 모델 호출
↓
업무 하나당 연산량 증가 가능성
5. 가장 강한 반론｜AI가 너무 효율적으로 변한다면?
따라서 AI 성장 = GPU 증가 = HBM 증가라는 직선적인 공식은 위험하다.
AI 산업은 성장해도 그 성장을 처리하는 방식이 바뀌면 수혜 기업 역시 달라질 수 있다.
6. 세 가지 시나리오｜국장은 어떻게 달라질까?
AI반도체·HBM → 반도체장비 → 데이터센터 → 전력인프라 → 광통신 → AI소프트웨어 → 로봇·피지컬AI까지 수혜가 넓어질 수 있다.
AI 테마 전체보다 HBM 출하·전력 수주·광통신 매출·데이터센터 계약처럼 실적이 확인되는 기업 중심의 선별장세가 가능하다.
범용 GPU·HBM에 대한 성장 기대는 낮아질 수 있지만 ASIC·저전력 반도체·AI소프트웨어·자동화처럼 AI 비용을 낮추는 공급망이 새로운 중심이 될 수 있다.
| 시나리오 | 핵심 | 국장 관찰축 |
|---|---|---|
| A | 연산량 폭증 | HBM·AI반도체·전력·광통신·로봇 |
| B | 완만한 증가 | 실적·수주 확인 기업 |
| C | 효율화 우위 | ASIC·저전력반도체·AI SW·자동화 |
7. 야왕투자의 예측 실패 복기 기준
- AI 사용량 자체가 예상보다 느리게 증가했는가?
- 사용량은 늘었지만 효율화가 더 빨랐는가?
- GPU에서 ASIC이나 작은 모델로 기술경로가 이동했는가?
- 연산량은 늘었지만 공급과잉이 생겼는가?
- 산업은 성장했지만 국내 기업이 실제 공급망에 들어가지 못했는가?
- 산업 전망은 맞았지만 주가가 이미 너무 비쌌는가?
8. 앞으로 확인할 숫자
- AI compute capacity
- 하이퍼스케일러 CAPEX
- AI 데이터센터 전력 증설
- HBM·AI 가속기 출하
- 광통신·네트워크 투자
- Agent 실제 기업 도입률
- 유용한 업무 하나를 끝내는 평균 AI 비용
결국 단순 토큰 가격보다 AI 업무 하나를 완료하는 비용과, 그 가격 하락이 얼마나 많은 새로운 업무를 AI로 이동시키는지가 더 중요할 수 있다.
9. 초보 투자자의 결론
진짜 중요한 것은
싸진 AI에게 얼마나 더 많은 일을 맡기느냐다.
AI 이용비용 하락과 AI 컴퓨팅 인프라 확대가 동시에 진행돼왔다는 것은 확인된다.
그러나 앞으로도 총 연산량이 계속 폭증할지는 확정할 수 없다. 작은 모델, ASIC, 캐싱, 효율화라는 강한 반론이 존재한다.
그래서 이번 글의 결론은 하나의 투자 가설로 남긴다.
YES라면 AI반도체 → 전력 → 광통신 → 로봇으로 국장 수혜가 넓어질 수 있다.
NO라면 AI 투자가 사라지는 것이 아니라 ASIC·저전력 반도체·AI소프트웨어처럼 AI를 더 싸게 만드는 기업으로 돈이 이동할 가능성을 봐야 한다.
-
Stanford Institute for Human-Centered AI｜AI Index Report 2025
AI 추론비용 하락, 하드웨어 효율 개선, 작은 모델 성능 향상 자료를 확인했다.
Stanford HAI AI Index 2025 -
Stanford Institute for Human-Centered AI｜AI Index Report 2026
글로벌 AI 컴퓨팅 용량 확대와 해당 수치의 추정 방식 및 한계를 확인했다.
Stanford HAI AI Index 2026 -
The White House｜G20 Innovation Ministerial
AI·첨단기술의 연구·상업화·도입을 촉진하는 정책 방향을 확인했다.
White House G20 Innovation Ministerial
※ 확인 가능한 사실과 야왕투자의 투자 가설을 분리했다. “AI 이용비용 하락보다 총 연산량 증가가 앞으로 더 빠를 것”이라는 판단은 현재 확정된 사실이 아니라 향후 데이터로 검증해야 할 가설이다.
댓글
댓글 쓰기