AI가 커질수록 데이터센터는 왜 늘어날까? 빅테크 투자와 유동성의 관계

AI 이야기를 처음 접했을 때만 해도 저는 챗GPT 같은 서비스나 새로운 소프트웨어가 가장 먼저 떠올랐습니다.

그런데 미국 빅테크 기업들의 실적 발표를 계속 보다 보니 조금 다른 부분이 눈에 들어오기 시작했습니다.

마이크로소프트도 데이터센터 이야기를 하고, 메타도 데이터센터를 짓고, 구글 역시 서버와 데이터센터에 막대한 돈을 쓰고 있었습니다.

처음에는 이런 생각도 들었습니다.

“AI는 소프트웨어인데 왜 이렇게 공장 짓듯이 돈이 많이 들어가지?”

조금 찾아보니 이유가 있었습니다.

AI가 화면에서는 소프트웨어처럼 보이지만 실제로 그 뒤에는 수많은 GPU와 서버가 돌아가고 있습니다.

서버에서는 엄청난 열이 발생하고,

이를 식히기 위한 냉각시설도 필요합니다. 무엇보다 이 모든 장비를 24시간 돌릴 전력까지 확보해야 합니다.

결국 지금의 AI 경쟁은 좋은 모델을 만드는 경쟁인 동시에 GPU, 데이터센터, 전력까지 누가 먼저 확보하느냐의 경쟁이기도 합니다.

이번 글에서는 최근 빅테크 기업들이 왜 이렇게 많은 돈을 데이터센터에 쓰고 있는지, 그리고 금리와 금융시장 환경은 이런 투자와 어떤 관계가 있는지 조금 쉽게 정리해보겠습니다.

AI를 쓰다 보니 데이터센터가 조금 다르게 보였다

우리가 AI 서비스를 사용할 때는 뒤에서 무슨 일이 벌어지는지 거의 보이지 않습니다.

질문 하나를 입력하면 몇 초 만에 답이 나오니까요.

저도 예전에는 그냥 프로그램이 알아서 답을 만드는 정도로 생각했습니다.

그런데 AI 모델은 학습할 때도 엄청난 연산이 필요하고, 이미 학습된 모델이 이용자의 질문에 답을 만드는 ‘추론’ 과정에서도 계속 컴퓨팅 자원이 필요합니다.

사용자가 많아지면 필요한 서버도 많아집니다.

여기에 기업들이 더 큰 모델을 개발하고, 이미지나 영상 생성 AI까지 확대하면 필요한 연산량은 더 커질 수밖에 없습니다.

그래서 요즘 AI 뉴스를 보다 보면 자연스럽게

AI → GPU → 서버 → 데이터센터 → 전력

이런 식으로 이야기가 이어집니다.

AI를 이해하려면 이제 소프트웨어만 봐서는 부족하다는 생각이 들었던 이유입니다.

빅테크가 데이터센터에 쓰는 돈은 어느 정도일까?

실적 발표를 보다 보면 요즘 유난히 많이 등장하는 단어가 있습니다.

바로 CAPEX, 자본적 지출입니다.

쉽게 말하면 기업이 앞으로 사업에 사용할 건물이나 서버, 데이터센터 같은 자산에 투자하는 돈입니다.

규모를 보면 생각보다 훨씬 큽니다.

마이크로소프트는 2026 회계연도 3분기에만 약 319억 달러의 자본적 지출을 기록했고, 회사는 2026년 달력 기준으로 약 1,900억 달러의 CAPEX를 예상한다고 밝혔습니다.

특히 당시 자본적 지출 가운데 상당 부분이 GPU와 CPU 같은 장비에 들어갔다고 설명했습니다.

메타도 비슷합니다.

메타는 2026년 자본적 지출 전망을 약 1,300억~1,450억 달러 수준으로 제시했습니다. AI 인프라와 데이터센터에 대한 투자가 계속 커지고 있다는 뜻입니다.

구글의 모회사 알파벳도 2025년 CAPEX 전망을 약 850억 달러까지 높였고, 당시 회사는 클라우드 수요에 대응하기 위해 서버와 데이터센터 건설을 확대하고 있다고 설명했습니다.

숫자만 놓고 보면 조금 실감이 안 납니다.

하지만 여러 빅테크 기업이 동시에 수십조 원에서 수백조 원 규모의 설비투자를 진행한다고 생각하면 AI가 단순한 소프트웨어 산업만은 아니라는 게 조금 더 와닿습니다.

출처: Microsoft Investor Relations, Meta Investor Relations, Alphabet Investor Relations

그런데 왜 이렇게 미리 짓는 걸까?

데이터센터 투자의 특징 중 하나는 필요해진 다음에 만들면 늦을 수 있다는 것입니다.

일반 제품은 주문이 늘어나면 생산량을 어느 정도 빠르게 조절할 수 있습니다.

하지만 대형 데이터센터는 다릅니다.

땅을 확보해야 하고 건물을 지어야 합니다.

전력망과 연결해야 하고 냉각설비를 설치해야 합니다.

GPU와 서버도 확보해야 합니다.

이 과정이 몇 달 만에 끝나는 일이 아닙니다.

국제에너지기구(IEA)는 데이터센터 자체는 약 2~3년 안에 가동될 수도 있지만, 발전소나 송전망 같은 전력 인프라는 이보다 훨씬 긴 시간이 필요할 수 있다고 설명합니다.

그래서 기업 입장에서는

“고객이 몰리면 그때 짓자.”

라고 하기 어렵습니다.

AI 사용량이 앞으로 더 늘어날 것이라고 판단한다면 수요가 완전히 확인되기 전에 어느 정도 미리 투자할 수밖에 없습니다.

실제로 마이크로소프트도 AI와 클라우드 수요가 공급 가능한 컴퓨팅 용량을 넘어서는 상황이 이어지고 있다고 밝혔습니다.

결국 요즘 데이터센터 투자는 현재 수요만 보고 하는 투자가 아니라

몇 년 뒤 AI 사용량까지 예상하고 미리 용량을 확보하는 투자에 가깝습니다.

데이터센터에서 이제 GPU만큼 중요한 게 전력이다

예전에는 AI 관련 뉴스를 보면 거의 항상 엔비디아 GPU 이야기부터 봤습니다.

그런데 요즘은 오히려 전력 이야기가 더 흥미롭게 느껴집니다.

GPU를 많이 사도 전기가 없으면 돌릴 수 없기 때문입니다.

데이터센터에서는 서버를 돌리는 데 전기가 필요하고 서버에서 발생하는 열을 식히는 냉각장치에도 다시 전기가 들어갑니다.

IEA 자료를 보면 2024년 전 세계 데이터센터가 사용한 전력은 약 415TWh로 추정됩니다.

전 세계 전력 사용량의 약 1.5% 수준입니다.

IEA는 데이터센터의 전력 소비가 2030년에는 약 945TWh까지 늘어날 수 있다고 전망하고 있습니다.

거의 두 배가 되는 셈입니다.

특히 AI용 가속 서버가 데이터센터 전력 수요 증가의 중요한 원인으로 지목되고 있습니다.

이런 숫자를 보고 나면 빅테크가 왜 태양광이나 풍력뿐 아니라 원자력, 천연가스, 전력망까지 관심을 갖는지 조금 이해가 됩니다.

결국 AI 경쟁은 GPU 확보 경쟁이면서 동시에 전기를 확보하는 경쟁이기도 합니다.

출처: International Energy Agency(IEA), Energy and AI

금리가 내려가면 AI 투자가 더 늘어날까?

여기서 제가 궁금했던 부분이 하나 있습니다.

“금리가 낮아지면 빅테크가 돈을 더 많이 빌려서 데이터센터를 더 짓는 것 아닐까?”

일반 기업이라면 어느 정도 맞는 이야기입니다.

금리가 낮아지면 돈을 빌리는 비용이 줄어들기 때문에 대규모 설비투자를 결정하기 조금 더 쉬워질 수 있습니다.

하지만 마이크로소프트나 메타, 알파벳 같은 빅테크 기업은 조금 다르게 볼 필요가 있습니다.

이 기업들은 본업에서 만들어내는 현금이 워낙 큽니다.

그래서 데이터센터 투자를 전부 빚을 내서 하는 것은 아닙니다.

오히려 최근 실적을 보면 금리가 상당히 높은 기간에도 AI 관련 CAPEX는 계속 증가했습니다.

그래서

금리 하락 = 데이터센터 투자 증가

라는 식으로 단순하게 연결하는 것은 조심할 필요가 있습니다.

금리가 중요한 변수인 건 맞지만, 더 중요한 건 결국

AI 서비스에 실제 수요가 있는지

그리고

기업이 이 투자로 미래에 돈을 벌 수 있다고 판단하는지

입니다.

그렇다면 ‘유동성’과는 어떤 관계가 있을까?

처음 이 글을 쓸 때 가장 헷갈리기 쉬운 부분이 바로 이것입니다.

빅테크가 데이터센터에 돈을 쓰면 건설회사에도 돈이 가고, 반도체 회사에도 돈이 가고, 전력회사와 장비회사에도 돈이 갑니다.

그러다 보니

“데이터센터 투자가 시장에 유동성을 공급한다.”

라고 표현하기 쉽습니다.

하지만 경제에서 말하는 거시적인 유동성은 조금 다른 개념입니다.

M2나 은행 신용, 중앙은행의 대차대조표 같은 금융시장의 유동성과 한 기업의 CAPEX를 같은 의미로 보면 안 됩니다.

대신 이렇게 생각하는 게 더 자연스럽습니다.

금융여건이 좋아지면 기업 투자와 자산 가격에 우호적인 환경이 만들어질 수 있고, AI에 대한 기대가 높으면 빅테크의 CAPEX가 확대될 수 있다.

그리고 빅테크가 실제로 돈을 쓰기 시작하면 그 자금은 다시

반도체 → 서버 → 냉각장비 → 변압기 → 전력망 → 건설

같은 여러 산업으로 흘러갑니다.

그래서 AI 데이터센터 투자가 경제 전반의 설비투자와 산업 수요를 키우는 효과는 분명히 볼 수 있지만, 이것을 연준이 돈을 푸는 것과 같은 ‘유동성 공급’으로 표현하는 것은 조금 다릅니다.

생각보다 많은 산업이 같이 움직인다

데이터센터 하나를 떠올리면 서버가 잔뜩 있는 건물 정도를 생각하기 쉽습니다.

하지만 실제로 필요한 것을 하나씩 적어보면 상당히 많습니다.

GPU와 CPU가 필요하고,

서버가 필요하고,

고속 네트워크 장비가 필요합니다.

열을 식힐 냉각장치도 있어야 하고 변압기와 배전시설도 필요합니다.

많은 전기를 보내기 위해 송전망도 확충해야 할 수 있습니다.

건물 자체를 짓는 건설회사도 필요합니다.

그래서 AI 데이터센터 투자 사이클을 보다 보면 자연스럽게 반도체 회사뿐 아니라 전력설비, 냉각, 네트워크, 발전 산업까지 같이 보게 됩니다.

저도 처음에는 AI 투자라고 하면 엔비디아와 마이크로소프트 정도만 떠올렸습니다.

그런데 조금씩 공부하다 보니 AI 산업에서 병목이 생길 수 있는 곳이 GPU만 있는 게 아니었습니다.

칩은 있는데 전력을 공급받지 못할 수도 있고,

전력은 있는데 변압기나 송전망 연결이 늦어질 수도 있습니다.

데이터센터 부지는 확보했는데 건설 일정이 밀릴 수도 있습니다.

결국 AI 투자 사이클을 이해하려면 어디에서 병목이 생기고 있는지를 보는 것도 꽤 중요해 보입니다.

자체 데이터센터와 임대 데이터센터의 차이

빅테크 기업이라고 모든 데이터센터를 직접 소유하는 것은 아닙니다.

직접 짓기도 하고 다른 데이터센터 사업자의 시설을 빌리기도 합니다.

직접 구축하는 경우에는 초기 비용이 많이 들지만 서버 배치나 냉각, 전력 사용 등을 자사 AI 서비스에 맞게 최적화하기 쉽습니다.

반대로 임대형 데이터센터를 이용하면 새로운 지역에 비교적 빠르게 진출할 수 있다는 장점이 있습니다.

요즘은 이 두 가지를 섞는 경우도 많습니다.

 

메타의 사례도 흥미롭습니다.

2026년 메타는 블랙록과 함께 미국 텍사스 엘패소에 데이터센터 캠퍼스를 개발하는 합작 구조를 발표했습니다.

빅테크가 모든 데이터센터 투자 비용을 자기 돈만으로 부담하는 것이 아니라 외부 자본과 협력하는 방식까지 확대되고 있는 겁니다.

이 부분은 앞으로 AI 데이터센터 투자 규모가 더 커질수록 중요해질 가능성이 있습니다.

이제는 CAPEX만 많이 쓴다고 좋은 것도 아니다

실적 발표에서 CAPEX가 늘었다는 이야기가 나오면

“AI에 많이 투자하니까 좋은 것 아닌가?”

라고 생각하기 쉽습니다.

 

하지만 투자금액만 보는 것도 위험합니다.

아무리 많은 돈을 투자해도 실제 서비스에서 돈을 벌지 못하면 기업 입장에서는 부담이 됩니다.

서버와 GPU는 시간이 지나면 감가상각 비용도 발생합니다.

새로운 칩이 나오면 기존 장비의 경제적 가치가 예상보다 빠르게 낮아질 가능성도 있습니다.

실제로 마이크로소프트는 AI 인프라 투자와 AI 서비스 사용 증가가 클라우드 사업의 마진에 부담을 주는 요인이라고 밝히기도 했습니다.

반대로 Azure 같은 클라우드 사업의 매출이 빠르게 늘고 AI 서비스 이용도 계속 증가한다면 기업 입장에서는

“우리가 미리 투자한 게 맞았구나.”

라는 결과가 될 수 있습니다.

그래서 저는 요즘 빅테크 실적을 볼 때 CAPEX 숫자 하나보다 두 가지를 같이 봅니다.

얼마를 쓰고 있는가?

그리고

그 돈을 쓴 만큼 매출과 사용량이 따라오고 있는가?

이 두 가지를 같이 봐야 AI 투자가 실제 사업으로 이어지고 있는지 조금 더 잘 보입니다.

AI 거품론도 결국 여기서 시작된다

AI 투자 규모가 커질수록 자연스럽게 나오는 이야기가 있습니다.

바로 AI 거품론입니다.

수백억 달러씩 데이터센터를 짓고 GPU를 사는데 실제 AI 서비스에서 그만큼의 수익을 만들 수 있겠느냐는 질문입니다.

충분히 나올 수 있는 의문이라고 생각합니다.

다만 반대쪽도 봐야 합니다.

마이크로소프트는 여전히 일부 AI·클라우드 수요가 공급 가능한 용량을 넘어서는 상황이라고 밝히고 있고, 메타 역시 2026년 데이터센터를 포함한 CAPEX 전망을 계속 높은 수준으로 유지하고 있습니다.

즉 현재로서는

“투자가 많으니 거품이다.”

또는

“AI는 무조건 성장하니 모든 투자가 성공한다.”

둘 중 하나로 단순하게 볼 단계는 아닌 것 같습니다.

앞으로 실제 사용량과 매출이 얼마나 늘어나는지, 그리고 막대한 투자비가 기업의 현금흐름과 수익성에 어떤 영향을 주는지를 계속 확인해야 합니다.

개인적으로 실적 발표에서 보는 숫자가 조금 달라졌다

예전에는 미국 빅테크 실적이 나오면 매출과 EPS를 먼저 봤습니다.

매출이 예상보다 높았는지, 순이익이 얼마나 늘었는지를 확인하는 정도였습니다.

그런데 AI 투자가 커진 뒤로는 조금 달라졌습니다.

요즘은 CAPEX가 얼마나 늘었는지를 먼저 보고,

그다음 클라우드 매출이 얼마나 증가했는지,

경영진이 데이터센터 용량이 부족하다고 이야기하는지,

AI 투자 때문에 마진이 얼마나 영향을 받았는지를 같이 보는 편입니다.

여기에 전력 확보 이야기가 나오면 더 관심 있게 봅니다.

AI 산업을 보다 보니 결국

“누가 가장 좋은 AI를 만들까?”

뿐만 아니라

“그 AI를 수많은 사람이 실제로 사용할 수 있을 만큼 컴퓨팅 자원을 확보할 수 있을까?”

라는 질문도 굉장히 중요하다는 생각이 들었습니다.

앞으로 데이터센터 투자는 얼마나 더 이어질까?

정확히 몇 년 동안 계속될지는 누구도 알 수 없습니다.

기존 글처럼

“앞으로 최소 5~10년은 계속된다.”

라고 단정할 근거도 충분하지 않습니다.

AI 사용량이 예상보다 빠르게 늘면 투자는 더 오래 지속될 수 있습니다.

반대로 AI 서비스의 수익화가 기대에 미치지 못하거나 전력과 반도체 공급 문제가 심해지면 투자 속도가 늦어질 수도 있습니다.

IEA 역시 향후 데이터센터 전력수요를 하나의 숫자로 단정하지 않고 여러 시나리오를 함께 제시하고 있습니다.

그만큼 불확실성이 크다는 뜻입니다.

다만 현재 확인할 수 있는 것은 분명합니다.

주요 빅테크 기업들이 실제로 막대한 금액을 AI와 데이터센터에 투자하고 있고, 이 과정에서 반도체뿐 아니라 전력과 건설, 냉각, 네트워크 같은 실물 산업까지 함께 움직이고 있다는 점입니다.

데이터센터 얘기에서 제가 보는 것

AI를 처음 접하면 소프트웨어부터 떠올리기 쉽습니다.

저도 그랬습니다.

하지만 조금 더 들여다보면 지금의 AI 경쟁은 생각보다 훨씬 물리적인 산업입니다.

GPU가 필요하고,

서버가 필요하고,

서버를 둘 건물이 필요하고,

열을 식힐 냉각장치가 필요하고,

무엇보다 엄청난 양의 전력이 필요합니다.

그래서 마이크로소프트, 메타, 구글 같은 기업들이 수십조 원에서 수백조 원 규모의 CAPEX를 집행하고 있는 것입니다.

금리와 거시적인 유동성 환경 역시 이런 투자에 영향을 줄 수 있지만, 그것만으로 AI 데이터센터 투자를 설명하기에는 부족합니다.

결국 가장 중요한 것은 실제 AI 수요와 수익성입니다.

앞으로 빅테크 실적을 볼 때 저는 단순히

“AI 매출이 늘었다.”

만 보지 않고

“얼마를 투자했고, 그만큼 실제 사용량과 매출이 따라오고 있는가?”

를 같이 보려고 합니다.

어렵게 느껴졌던 데이터센터 투자도 이렇게 하나씩 연결해서 보면 결국 AI 산업의 현재 위치를 판단하는 꽤 중요한 단서가 되는 것 같습니다.

이 투자가 실제 주가와 밸류에이션으로 어떻게 연결되는지는 엔비디아의 PER은 왜 생각보다 부담스럽지 않을까에서, 유동성이 빠듯한 국면에서도 빅테크가 버티는 이유는 유동성이 빠듯할 때 왜 빅테크가 더 강할까? 매그니피센트 7과 중소형주의 차이에서 다뤘습니다.

참고자료

• Microsoft Investor Relations
• Meta Investor Relations
• Alphabet Investor Relations
• IEA – Energy and AI

※ 이 글은 AI 및 데이터센터 산업과 거시경제 흐름을 이해하기 위해 정리한 일반적인 정보입니다. 특정 기업이나 금융상품의 매수·매도를 권유하기 위한 내용은 아닙니다.