AI arms race and implications for Australian technology infrastructure: Jefferies는 지속적인 AI 인프라 수요가 일부 호주 기술주를 지지할 것으로 본다

개요

Jefferies는 AI 군비 경쟁과 호주 기술 부문 영향에 관한 GlobalData의 Bill Rojas 전문가 콜을 요약했다. 핵심 결론은 모델 경쟁과 AI 모델 가격 하락이 인프라 수요를 훼손할 필요는 없으며, 빠르게 증가하는 token 소비가 칩, 전력, 데이터센터 용량 및 GPU 워크로드를 계속 필요로 한다는 것이다.

핵심 견해

콜의 핵심 논지는 AI 인프라 수요가 프런티어 모델 개발업체의 단기 수익성이 아니라 token 소비에 의해 결정된다는 것이다. GlobalData 모델링에 따르면 전 세계 일일 token 수요는 현재 300조 초과에서 2030년 2-5천조까지 증가할 수 있으며, 중국은 현재 하루 약 100조 AI token을 생성한다. 더 고도화된 추론 모델은 token 생성을 한 자릿수 규모로 늘릴 수 있어 추론 수요가 예상보다 커질 수 있다. 보고서는 이 추세가 금세기 말까지 칩, 전력 및 데이터센터 인프라 확장을 뒷받침하고, 성장세는 2032년 이후 완화되기 시작할 수 있다고 본다. 잠재적 글로벌 전력 수요는 약 200GW이며, 반도체 관련 capex는 2026년 약 US$950bn에서 2030년 약 US$1.4tn까지 증가할 수 있다. 보고서는 미국 프런티어 랩의 경쟁적 지위와 더 광범위한 모델 시장의 경제성을 구분한다. OpenAI와 Anthropic은 더 큰 R&D 예산과 최신 칩 접근성을 바탕으로 매우 복잡한 추론에서 여전히 우위를 가진 것으로 평가되며, Bill은 OpenAI만의 연간 R&D 지출을 약 US$20bn으로 추정한다. 중국은 수출 통제로 최신 NVIDIA GPU 접근이 제한되지만 아키텍처, 효율성, 최적화 및 증류를 통해 지난 24개월간 성능 격차를 크게 축소했다. 중국 생산은 7nm 공정에 집중되고 약 4nm 이하 공정에 필요한 EUV 역량은 없지만, 보고서는 반도체 설계 인재와 알고리즘 혁신이 하드웨어 제약을 일부 상쇄할 수 있다고 본다. 따라서 제재는 중국의 진전을 영구적으로 막기보다 지연시키는 것으로 평가된다. 중국의 오픈 웨이트 전략은 폐쇄형 모델 경제성에 대한 잠재적 압력 요인이다. 오픈 웨이트 모델은 모델 파라미터와 가중치를 공개하는 반면, 완전한 오픈소스 모델은 훈련 코드, 데이터세트 및 개발 과정도 공개한다. 현재 이른바 오픈소스 AI 모델의 대부분은 실제로 오픈 웨이트 모델이다. 더 저렴한 중국 모델과 광범위한 증류는 기업이 추론 사용 사례의 80-90%에 오픈 웨이트 모델을 사용하게 하고, 폐쇄형 프런티어 모델은 복잡한 추론, 미션 크리티컬 워크로드 및 전문 과학 업무에 남길 수 있다. 이는 총 AI 사용량이 증가하더라도 OpenAI와 Anthropic의 주소가능시장을 축소할 수 있다. Bill은 프런티어 AI 투자에서 2029년 이전에는 유의미한 경제적 수익을 기대하지 않으며, ROI가 2029-30년에 나타나더라도 10% 미만일 가능성이 있다고 본다. 고급 GPU와 높아지는 모델 복잡성이 비용을 높게 유지하기 때문이다. 보고서는 향후 3-5년의 수요 전망이 neocloud 및 데이터센터 제공업체에 특히 우호적이라고 주장한다. Neoclouds는 이용률을 고정하고 대규모 인프라 투자를 정당화하기 위해 장기 고객 약정을 모색한다. 1GW의 AI 인프라에는 US$50-60bn의 투자가 필요할 수 있다. GPU 접근성만으로는 차별화가 약해짐에 따라 강한 계약 백로그, 재무 지원, 폭넓은 서비스, 워크로드 최적화 및 앵커 고객 관계가 점점 더 중요한 경쟁우위가 된다. 지역 사업자는 hyperscaler와 직접 경쟁이 적어 지역 시장에서 더 강한 가격 결정력을 가질 수 있다. 미국의 데이터센터 전력 부족과 프로젝트 승인 난항은 호주, 말레이시아, 인도네시아, 태국, 스칸디나비아 및 북유럽 등으로 추가 활동을 유도할 수 있다. 호주 기술 부문에서 Jefferies는 이번 콜이 Megaport, CDC를 통한 Infratil, NextDC 및 Macquarie Technology Group이 지속적인 AI 인프라 수요의 수혜자라는 견해를 강화한다고 말했다. 더 저렴한 오픈 웨이트 모델은 AI 스타트업과 새로운 사업모델을 가능하게 하며, Megaport의 Latitude.sh를 통한 GPU 워크로드 수요를 늘릴 것으로 보고서는 말한다. Neocloud 수요가 확대됨에 따라 NextDC, CDC 및 Macquarie Technology Group의 데이터센터 용량 파이프라인은 AI 서버를 수용할 위치에 있다. 보고서는 이 인프라 기회와 AI의 궁극적 가치가 어디에 귀속될지를 구분한다. 기업 도입은 빨랐지만 측정 가능한 생산성 증거는 혼재돼 있으며 AI 생성 이메일과 프레젠테이션은 증분적 이익에 그칠 수 있다. Bill은 산업 자동화, 로보틱스, 자율 시스템, 운송, 제조, 헬스케어 및 지능형 엣지 컴퓨팅을 포함한 피지컬 AI가 더 큰 장기 기회이며 시간이 지남에 따라 US$100tn+ 시장이 될 수 있다고 본다. 피지컬 AI는 이용률, 산출, 비용 및 생산성에 직접 영향을 미치며, 클라우드 지연이나 연결 의존을 감당할 수 없는 곳에서는 엣지 처리가 중요하다. 이에 따라 장기 승자는 모델 제작자 자체가 아니라 AI를 산업별 제품, 기기 및 워크플로에 성공적으로 내재화하는 기업일 수 있다고 본다. 기업가치 산정은 개별 커버리지 기업별로 적용된다. Infratil은 SOTP를 사용하며 CDC는 32x EV/EBITDA로 평가되고 약 8x EV/Contracted EBITDA를 반영한다. One NZ는 7.5x, RHCNZ/Qscan은 13x, Wellington Airport는 16x이다. Macquarie Technology Group은 8.0% WACC, 4.5% 무위험수익률, 5.0% 주식위험프리미엄, 1.10 beta 및 4.5% 영구성장률을 가정한 DCF와 SOTP를 사용한다. Megaport의 15년 DCF는 8.8% WACC와 4% 영구성장률을, NextDC의 DCF는 6.5% WACC와 3.5% 영구성장률을 사용한다.

분석 프레임워크

Jefferies는 AI 모델 경쟁 및 token 수요 동인에서 출발해 token 증가를 칩, 전력, neocloud 및 데이터센터 수요와 연결하는 전문가 콜 프레임워크를 사용한다. 이어 이 산업 논리를 선별된 호주 및 뉴질랜드 인프라 제공업체에 적용하면서, 기업별 DCF 및 SOTP 가치평가 프레임워크와 위험 논의를 유지한다.

방법론 메모

• 산업 분석 프레임워크수급 프레임워크

  AI 칩, 전력 및 데이터센터 용량 수요의 동인으로서 token 소비.

  보고서는 일일 token의 예상 증가를 더 높은 컴퓨팅 및 전력 수요와 연결하고, 이를 다시 AI 인프라 제공업체 수요로 연결한다.

• 산업 분석 프레임워크산업 가치사슬 상·중·하류 전이

  모델과 기업 추론 워크로드에서 neocloud, GPU 서비스 및 데이터센터로의 전이.

  더 저렴한 오픈 웨이트 모델이 AI 워크로드를 확대해 호스팅, 네트워킹 및 데이터센터 용량 수요를 늘린다고 보고서는 설명한다.

• 가치평가 방법론DCF(할인현금흐름법)

  MAQ, MP1 및 NXT에 대한 할인현금흐름 가치평가.

  보고서는 WACC, 무위험수익률, beta, 자본구조 및 영구성장률에 관한 명시적 가정을 사용해 이들 기업을 평가한다.

• 가치평가 방법론SOTP(사업부문 합산) 가치평가

  Infratil 및 Macquarie Technology Group에 대한 SOTP 가치평가.

  이 접근법은 각 사업 자산에 지정된 EV/EBITDA 배수 또는 자산가치를 적용한 뒤 합산한다.

자산 매핑 및 비교

투자 논리에서 명시된 자산으로의 구조화 매핑(강점, 약점, 비교 대상, 위험).

• Infratil Limited (IFT)

  CDC 데이터센터 노출을 통한 커버리지 수혜자.

  강점

  CDC는 확대되는 AI 서버 수요를 충족할 위치에 있으며, SOTP 평가는 32x EV/EBITDA를 사용하고 약 8x EV/Contracted EBITDA를 반영한다.

  약점

  추가 지분 또는 capex 투입이 필요할 가능성.

  위험

  CDC 및 Longroad Energy의 건설 및 계약 지연, 추가 자금 수요, One NZ의 모바일 가격 경쟁.

• Macquarie Technology Group (MAQ)

  AI 인프라용 데이터센터 용량 파이프라인을 보유한 커버리지 수혜자.

  강점

  보고서는 증가하는 데이터센터 수요를 충족할 역량을 강조한다.

  약점

  건설 실행과 고객 집중 노출.

  비교

  SOTP는 CS&G, 안정화 데이터센터 자산, IC3SW 및 Telecom에 서로 다른 배수를 적용한다.

  위험

  IC3 Super West 건설 지연, 정부 또는 기업 고객 상실, 호스팅 가격 경쟁.

• Megaport Limited (MP1)

  Latitude.sh GPU 워크로드와 더 광범위한 AI 네트워킹 수요를 통한 커버리지 수혜자.

  강점

  글로벌 규모와 더 많은 대역폭 수요 및 부가가치 서비스 가능성.

  약점

  네트워킹 진입장벽이 낮고 하드웨어 비용 하락에 따라 가격이 하락할 가능성.

  비교

  주요 데이터센터 운영업체가 가상 크로스커넥트 플랫폼을 만들지 않는 한 글로벌 규모가 핵심 우위로 설명된다.

  위험

  경쟁, 가격 하락, 최신 GPU 칩 확보의 어려움 및 금리 민감도.

• NextDC Limited (NXT)

  AI 서버를 수용할 데이터센터 용량을 보유한 커버리지 수혜자.

  강점

  용량 파이프라인이 증가하는 AI 인프라 수요와 부합한다.

  약점

  고객 매출을 받기 전에 자본을 선투입해야 한다.

  비교

  자본비용이 낮은 경쟁업체는 NXT보다 낮은 가격을 제시할 수 있다.

  위험

  Hyperscaler의 협상력, 계약의 변동성과 용량 활용 공백, 저비용 경쟁업체 및 금리 민감도.

핵심 데이터

• 글로벌 일일 token 수요More than 300 trillion currently; 2-5 quadrillion by 2030전문가가 인용한 GlobalData 모델링이며, 성장은 2032년까지 강하게 유지될 전망이다.
• 중국 일일 token 생성량Roughly 100 trillionBill Rojas의 현재 일일 AI token 생성량 추정치.
• 잠재적 글로벌 전력 필요량Approximately 200GW2030년 token 수요 추정치와 관련된 잠재적 용량 필요량.
• 글로벌 반도체 관련 capexRoughly US$950bn in 2026; approximately US$1.4tn by 2030Bill Rojas의 추정치.
• 프런티어 AI ROIPotentially below 10%Bill은 적어도 2029년 전에는 충분한 수익을 기대하지 않으며 ROI는 2029-30년에 나타날 수 있다고 본다.
• 오픈 웨이트의 기업 사용80-90% of use cases기업 추론 사용에 대한 Bill의 예상.
• AI 인프라 투자US$50-60bn per 1GWAI 인프라에 필요한 자본의 추정치.
• 피지컬 AI 시장 기회US$100tn+ over time전문가가 제시한 잠재적 장기 기회.

영향과 시사점

보고서는 모델 가격 압박과 경쟁이 프런티어 모델 개발업체의 경제성을 약화시킬 수 있지만 인프라 수요를 낮추지는 않을 수 있다고 말한다. 오히려 더 광범위하고 token 집약적인 AI 사용이 지역 GPU 서비스, 네트워킹 및 데이터센터 용량을 지지하며 MP1, CDC/IFT, NXT 및 MAQ가 관련 수혜자로 제시된다. 장기적으로는 피지컬 및 엣지 AI 애플리케이션이 기반 모델 자체보다 더 큰 가치를 창출할 것으로 본다.

위험

• 모델의 자율성과 역량이 커질수록 AI 안전성, 책임 및 사이버 보안 위험이 더 중요해질 수 있다.
• 오픈 웨이트 모델과 증류는 폐쇄형 프런티어 모델의 주소가능시장 및 경제성을 압박할 수 있다.
• Neocloud 및 데이터센터 운영업체는 막대한 자본이 필요하며 장기 고객 약정과 이용률에 의존한다.
• 건설 지연, 고객 상실, 경쟁적 가격 압력 및 금리 상승은 커버리지 인프라 기업의 명시적 위험이다.
• 기업 AI의 생산성 성과는 혼재돼 있으며 광범위한 증거는 여전히 제한적이다.

주시할 점

• Token 성장 속도, 특히 추론 워크로드가 예상보다 큰 추론 수요를 이끌지 여부.
• 데이터센터 전력 가용성, 프로젝트 승인 및 지역 시장의 추가 AI 인프라 흡수 능력.
• Neocloud 및 데이터센터 제공업체의 계약 백로그와 앵커 고객 약정 진전.
• 오픈 웨이트 모델과 폐쇄형 프런티어 모델 간의 채택 구도.
• 피지컬 및 엣지 AI 배치가 측정 가능한 생산성, 비용 및 산출 개선을 제공한다는 증거.