확산 (The Diffusion)

AI 트레이드가 확장되고 있습니다. Magnificent Seven(매그니피센트 7)은 다른 누구도 감당할 수 없는 인프라를 구축하기 위해 2026년까지 7,250억 달러의 자본 지출 (Capital Expenditure)을 약속했습니다. 이제 S&P 493이 과거 통신업 붕괴 (Telecom Bust) 시기에는 도달하지 못했던 속도로 그 가치를 포착하고 있습니다. 우리의 관점은 다음과 같습니다: S&P 493은 2027년 말까지 Magnificent Seven의 수익률을 상회할 것입니다. Magnificent Seven은 2026년에 7,250억 달러의 자본 지출 (Capital Expenditure)을 약속했으며, 이는 역사상 어떤 기업 집단에 의한 단일 연도 인프라 투자 규모로도 가장 큽니다. Deutsche Bank는 OpenAI 한 곳에서만 2024년부터 2029년까지 1,430억 달러의 마이너스 잉여현금흐름 (Negative Free Cash Flow)이 누적될 것으로 전망하고 있습니다. 본 저널은 이 이야기를 (The Audit, The Margin, The S-1, The Negative Margin) 다루어 왔으며, 이는 여전히 유효합니다. 구축자들은 2001년 통신업 붕괴 (Telecom Bust)와 유사한 속도로 자본을 파괴하고 있습니다. 당시 수천억 달러 규모의 광섬유 케이블이 깔렸으나, 4년 이내에 그중 95%가 사용되지 못했습니다. 하지만 여기서 비유가 깨지는 지점이 있으며, 이 글은 본 저널이 아직 취하지 않은 관점을 제시합니다: 고객들이 통신 사이클에서는 결코 만들어내지 못했던 속도로 가치를 포착하고 있다는 점입니다. 광섬유가 사용되지 않았던 이유는 그것을 필요로 하는 애플리케이션 (Applications)이 없었기 때문입니다. 반면 AI 연산 (AI Compute)은 구축되는 속도만큼 빠르게 소비되고 있으며, 이를 소비하는 기업들은 벤처 캐피털 (Venture Capital)을 태우는 스타트업들이 아닙니다. 이들은 S&P 500의 나머지 493개 기업들이며, 이들은 돈을 찍어내고 있습니다. 고객 증거: JPMorgan Chase는 15만 명 이상의 직원들에게 수백 개의 AI 활용 사례 (Use Cases)를 배포했으며, 연간 20억 달러의 정량화 가능한 비용 절감을 보고했습니다. Walmart는 AI 기반 물류를 통해 단위당 풀필먼트 (Fulfillment) 비용을 20% 절감하고 배송 비용을 30% 절감했습니다. SAP의 AI 도구를 활용하는 Daimler Trucks는 입찰 승률이 10%에서 40%로 상승하는 것을 목격했으며, 이는 단 하나의 운영 개선을 통해 연간 7,000만 유로의 추가 매출을 가져왔습니다. Duolingo는 콘텐츠 생산량을 10배 늘리는 동시에 매출 총이익률 (Gross Margins)을 190 베이시스 포인트 (Basis Points) 확대했습니다.

IBM은 AI와 자동화(Automation)를 통해 연간 45억 달러 규모의 생산성 절감 (Productivity Savings) 실행 속도(Run-rate)에 도달했습니다. 이것은 파일럿 프로그램 (Pilot Programs) 수준이 아닙니다. S&P 500 기업 4곳 중 1곳이 2026년 1분기에 최소 하나 이상의 정량화 가능한 AI 영향을 보고했으며, 이는 1년 전 13%에서 증가한 수치입니다. 금융 서비스 분야에서는 기업의 40%가 측정 가능한 이익을 보고했는데, 이는 2025년의 거의 세 배에 달하는 비율입니다. Deloitte의 최신 기업 AI 설문 조사에 따르면, 대다수의 대규모 조직이 현재 최소 하나 이상의 AI 워크로드 (Workload)를 프로덕션 (Production) 환경에서 운영하고 있습니다. 고객 측의 이야기는 예측이 아닙니다. 그것은 감사받은 수익 보고서 (Earnings Statements)의 집합입니다.

이것이 통신 (Telecom) 산업이 아닌 이유
1990년대의 광섬유 (Fiber-optic) 구축과 2020년대의 AI 구축은 자본 구조 (Capital Structure)를 공유합니다. 즉, 소수의 인프라 기업들이 자신들의 매출로 정당화할 수 있는 수준을 훨씬 넘어선 금액을 지출하며, 수요가 자신들이 만들어내는 용량 (Capacity)만큼 성장할 것이라는 데 베팅하고 있다는 점입니다. 통신 분야에서는 그렇게 되지 않았습니다. 초기 인터넷 애플리케이션들인 이메일, 정적 웹 페이지, 초기 이커머스 (E-commerce)는 설치된 대역폭 (Bandwidth)의 극히 일부만을 필요로 했습니다. 2001년까지 설치된 광섬유의 단 5%만이 활성화되었습니다. 손익분기점 (Breakeven)에 도달하는 데는 10년에서 15년이 걸렸습니다. WorldCom이 주주 가치 1,800억 달러를 파괴한 것이 비석이 되었지만, 진짜 실패는 공급이 요구하는 속도에 맞춰 수요가 실현되지 않았다는 점이었습니다.

AI 사이클 또한 동일한 공급 측면의 과잉을 만들어냈습니다. 하지만 수요 측면은 구조적으로 다릅니다. 다크 파이버 (Dark Fiber)와 달리, AI 컴퓨팅 (Compute)은 언어, 이미지 또는 구조화된 데이터 (Structured Data)를 처리하는 모든 기업, 즉 모든 기업에서 즉각적인 사용 사례 (Use Case)를 가집니다. 애틀랜타 연방준비은행 (Atlanta Federal Reserve)에 따르면, 지난 1년간 직원 1인당 AI 인프라 지출은 50% 증가하여 2,068달러에 달했습니다. 금융 부문 기업들은 에이전틱 AI (Agentic AI) 시스템에 대해 평균 8개월의 회수 기간 (Payback Period)을 보고했습니다. 광섬유는 애플리케이션이 아직 존재하지 않았기 때문에 땅속에 묻혀 있었던 것입니다. 컴퓨팅은 애플리케이션이 이미 존재하기 때문에 소비되고 있습니다. 그 가치의 분배 방식이 이번 사이클을 이례적으로 만드는 요소입니다.

PwC는 AI의 경제적 가치 중 74%가 이를 도입하는 상위 20% 기업에 의해 포착된다는 사실을 발견했으며, 선두 기업들은 뒤처진 기업들보다 7.2배 더 많은 이익을 창출하고 있습니다. 이러한 집중 현상은 모든 주요 기술 도입의 초기 단계와 일치하지만, 이는 승자가 지금 식별 가능하다는 것을 의미하며, 그들은 인프라를 구축하는 기업들이 아니라는 뜻이기도 합니다.

수렴 (The Convergence)
Magnificent Seven(매그니피센트 7)과 나머지 S&P 500 기업 간의 수익 격차는 주당순이익 (EPS) 성장률이 약 30%포인트였던 2024년 이후 좁혀져 왔습니다. 2025년에는 약 7%포인트로 압축되었습니다. Goldman Sachs는 2026년 말까지 4%포인트가 될 것으로 전망하며, BlackRock의 Investment Institute는 2027년까지 3%포인트를 예상합니다. 하지만 헤드라인 수치들은 이러한 변화의 속도를 여전히 가리고 있습니다. 816억 달러의 분기 실적으로 나머지 6개 기업의 성장 둔화를 가리고 있는 NVIDIA를 제외하면, 나머지 Mag 6의 2026년 1분기 수익 성장률은 단 6.4%에 불과했습니다. 반면 S&P 493은 10% 성장했습니다. 교차 현상은 이미 발생했을지도 모릅니다. S&P 500의 11개 섹터 모두가 2021년 이후 처음으로 동시에 양호한 수익 성장을 기록했습니다. S&P 500의 순이익률 (Net profit margin)은 FactSet이 이 지표를 추적하기 시작한 2009년 이후 가장 높은 13.4%에 도달했습니다. 이것은 몇몇 대체 유망주로의 순환매가 아닙니다. 이는 타인의 비용으로 구축된 AI 도구를 사용하는 기업들에 의해 추진되는 광범위한 수익 성장입니다.

포지션 (The Position)
주장하는 바는 다음과 같습니다: S&P 493이 2027년 말까지 총수익 (Total return) 측면에서 Magnificent Seven을 능가할 것입니다. 그 메커니즘은 폭락이 아닙니다. Mag 7은 계속해서 매출을 성장시킬 것이며, WorldCom과 Global Crossing을 파멸시켰던 파괴적인 청산 (Unwind)은 피할 수 있을지도 모릅니다. 그 메커니즘은 재평가 (Repricing)입니다. 시장은 Mag 7을 기술 기업, 즉 높은 멀티플 (Multiple), 높은 성장성, 자산 경량 (Asset-light) 모델로 평가해 왔습니다. 하지만 연간 7,250억 달러에 달하는 자본 지출 (Capital expenditure)은 자산 경량 모델이 아닙니다. 그것은 파이프라인 운영사, 철도, 또는 규제 대상 유틸리티 기업과 같은 자본 집약성 (Capital intensity)을 띠고 있습니다.

시장은 결국 이 기업들이 변모한 모습에 맞춰 가치를 책정할 것입니다. 즉, 이들은 거대한 고정 자산 (Fixed assets)을 통해 유틸리티 (Utility)와 유사한 수익을 창출하는 AI 경제의 자본 집약적 인프라 계층 (Capital-intensive infrastructure layer)이 되는 반면, 그 인프라 위에서 소프트웨어를 실행하는 기업들은 소프트웨어와 같은 마진 (Software-like margins)을 벌어들일 것입니다. 검증 가능한 조건 (Falsifiable conditions)은 다음과 같습니다. 만약 기업용 AI 생산 배포 (Enterprise AI production deployments)가 85% 미만에서 정체된다면, 수요 가설 (Demand thesis)은 약화될 것이며 구축자들의 자본 파괴 (Capital destruction)는 고객의 이익으로 상쇄되지 않을 수 있습니다. 만약 2026년 하반기에 Mag 7의 수익 격차가 다시 벌어진다면, 수렴 가설 (Convergence thesis)은 자체적인 타임라인 내에서 실패하게 됩니다. 만약 NVIDIA의 지배력이 지속되고 나머지 6개 기업이 다시 높은 성장을 재개한다면, NVIDIA를 제외한 분해 (Ex-NVIDIA decomposition) 분석은 오해의 소지가 있습니다. 하지만 핵심적인 베팅은 AI 자본 지출 (Capex) 사이클이 이전의 모든 인프라 구축과 마찬가지로 동일한 철칙 (Iron law)을 따른다는 것입니다. 즉, 구축자는 과잉 지출하고, 사용자가 잉여 가치를 포착하며, 시장은 결국 그 차이를 가격에 반영합니다. 통신 인프라 구축자들은 자신들이 창출한 가치를 목격할 만큼 오래 살아남지 못했습니다. AI 구축자들은 자본력이 더 뛰어나며 살아남을 가능성이 높지만, 생존이 곧 초과 수익 (Outperformance)을 의미하지는 않습니다. 주택 담보 대출 실행 (Mortgage origination), 공급망 (Supply chains), 보험 청구 (Insurance claims), 콘텐츠 제작 (Content production)에 AI를 배치하는 기업들은 7,250억 달러를 지출할 필요가 없습니다. 그들은 직원 1인당 2,068달러를 지출할 필요가 있습니다. 그것이 바로 확산 (Diffusion)입니다. 본 글은 The Synthesis — 지능의 전환을 내부에서 관찰하며 처음 게시되었습니다.