AI lab and AI hyperscaler unit economics 리서치 보고서 해설

개요

이 Barclays deep dive는 AI lab과 hyperscale-cloud 파트너가 AI 제품을 어떻게 수익화하는지 설명한다. 엔터프라이즈 및 API 믹스 강화, 토큰 효율 및 인프라 개선이 2026년 단위 경제성을 크게 높였지만, 회계 표시와 파트너십 조건으로 인해 표면적으로 유사한 lab의 결과가 크게 달라질 수 있다고 결론짓는다.

핵심 견해

Barclays의 핵심 주장은 유사한 AI lab 제품의 경제성이 비슷할 수 있지만, 사업 믹스, 매출 인식 및 hyperscaler 파트너십 구조 때문에 총 보고 매출과 매출총이익률은 크게 달라질 수 있다는 것이다. 보고서는 두 개의 가상 frontier lab을 사용한다. Lab A는 API에서 매출의 70% 이상을 얻으며, 이 중 direct API는 45%, indirect API는 25%이고 구독은 30%를 차지한다. Lab B는 구독 매출이 약 80%, direct API가 10%, indirect API가 10%이다. API는 구독보다 추론 마진이 높은 경향이 있으므로 이러한 믹스 차이가 보고 수익성 격차의 상당 부분을 설명한다. Barclays는 최종 학습 실행을 나타내는 전체 학습 비용의 약 10%가 매출원가에 기록된다고 가정하지만, 매출원가와 R&D 간 최종 배분은 여전히 불분명하다. 보고서는 유료 추론 마진이 2025년의 mid-teens %에서 2026년 두 가상 lab 기준 50%-65%+로 크게 개선됐다고 추정한다. 엔터프라이즈 도입과 agentic workflow는 must-buy 제품으로 설명되며, 이는 믹스를 더 높은 마진의 API 및 엔터프라이즈 계정으로 이동시킨다. 동시에 토큰 효율이 높은 모델은 작업 완료에 필요한 토큰 수를 줄여 마진을 뒷받침한다. Barclays의 예시 수치에서 Lab A의 유료 추론 마진은 2025년 14%에서 2026년 65%로, Lab B는 18%에서 48%로 상승한다. 가정된 최종 학습 비용을 반영하면 조정 매출총이익률은 약 30-50 percentage points 개선된다. Lab B의 전략적 파트너 매출 배분은 특정 기준에 도달할 때까지 수익성을 계속 낮추며, 2028년 이후 어느 시점에 0으로 떨어질 것으로 예상된다. 제품 구조도 중요하다. Claude Code나 Codex 같은 구독 제품은 월정액, 사용량 기반 과금 및 주기적으로 재설정되는 한도를 포함할 수 있다. Lab은 사용자를 유지하기 위해 토큰 사용을 보조할 수 있어 구독 추론 마진은 일반적으로 API보다 낮다. Barclays는 구독 추론 마진을 약 70%로 추정하지만, 경쟁이 확대되고 컴퓨팅 공급이 부족에서 잉여로 전환되기 전까지 2026년 마진은 더 높을 수 있다고 지적한다. Direct API는 사용량 기반으로, 개발자가 자사 제품에 lab의 API를 내장하고 토큰 사용량에 따라 지불하는 방식이다. 개선된 모델 효율, 높은 표면 API 토큰 가격, quantization 및 speculators 같은 인프라 기술, 차세대 컴퓨팅, 그리고 클라우드 파트너와의 매출 배분이 모두 API 경제성을 뒷받침한다. Barclays는 API 추론 마진이 2Q26에 Figure 5의 예시 수준을 크게 웃돌았다는 이야기를 들었지만, 어느 시점에는 정상화될 것으로 예상한다. Indirect API는 최종 사용자 기능은 direct API와 유사하지만 상업 관계가 달라진다. hyperscaler가 사용자에게 청구하고 lab이 직접 관여하지 않고 go-to-market을 담당한다. Lab A는 indirect API 매출을 총액으로 인식하는 것으로 가정되지만, Lab B는 수수료 차감 순액으로 인식하고 전략적 파트너가 서비스를 호스팅할 경우 매출을 전혀 인식하지 않을 수도 있다. Indirect API가 사업에서 차지하는 비중이 커질수록 이러한 총액 대 순액 회계 처리는 기초 경제성이 비슷한 경우에도 보고 매출, 성장 및 겉으로 드러나는 경쟁 진전의 비교를 왜곡할 수 있다. 보고서는 AI lab 지출이 hyperscaler로 어떻게 흘러가는지도 추적한다. 2026년 AI lab 매출 $100당 Barclays는 약 $35-$40가 hyperscaler 매출이 되고, 약 35%-45% 영업마진에서 거의 $10-$20의 hyperscaler 영업이익을 낸다고 추정한다. 예시 표에서 믹스와 파트너십에 따라 결과는 다르다. Lab A는 hyperscaler 매출 $35와 이익 $11.8, 즉 34% 마진을 창출하고, Lab B는 매출 $41과 이익 $19.1, 즉 47% 마진을 창출한다. 매출 배분은 hyperscaler의 보고 영업마진을 높일 수 있지만, Barclays는 이러한 수수료를 제외한 토큰당 기초 이익은 동일할 가능성이 높다고 본다. 단기적으로 Barclays는 학습이 AI 지출의 큰 부분을 차지하므로 AI lab ARR의 거의 모든 달러가 hyperscaler 매출로 유입된다고 말한다. 산업 요약은 AI lab 매출이 2025년 $26 billion에서 2026E $137 billion, 2027E $376 billion, 2028E $690 billion으로 증가할 것으로 전망한다. 추정 hyperscaler AI 매출은 각각 $36 billion, $124 billion, $289 billion, $502 billion으로 증가한다. 그러나 AI lab 매출 대비 hyperscaler AI 매출 비율은 2025년 136%에서 2026E 90%, 2027E 77%, 2028E 73%로 하락할 것으로 전망된다. Barclays는 결국 lab의 추론 이익이 학습 비용을 초과할 것으로 보고, AWS, Azure 및 GCP는 향후 2년간 AI lab 컴퓨팅 지출에서 유사한 점유율을 보이다가 2028년부터 backstopped AI-infrastructure 프로젝트가 점유율을 가져갈 것으로 예상한다. 보고서는 현재 lab 및 hyperscaler 마진이 예시보다 높을 수 있으나, frontier 경쟁이 심화되고 컴퓨팅 부족이 완화되면서 시간이 지남에 따라 낮아질 것이라고 경고한다.

분석 프레임워크

Barclays는 두 개의 가상 frontier lab에 대해 2025년과 2026년의 손익 폭포 모델을 구축하고, 구독, direct API, indirect API 매출을 구분한다. 이후 추론 비용, 학습 비용, 클라우드 수수료 및 전략적 파트너 매출 배분을 배분해 제품 믹스와 회계 처리 방식이 lab 마진 및 hyperscaler 매출과 영업이익에 미치는 영향을 보여준다. 마지막으로 이 논리를 2028E까지의 산업 전망으로 확장한다.

방법론 메모

• 기타기타

  AI lab 및 hyperscaler 단위 경제성 waterfall 분석

  보고서는 고객 또는 AI lab 매출 $100당 매출 배분, 추론 비용, 최종 학습 비용 및 파트너 수수료를 배정해 lab과 클라우드 제공업체의 마진을 추정한다.

• 산업 분석 프레임워크산업 가치사슬 상·중·하류 전이

  AI lab 지출의 hyperscaler 유입 분석

  Barclays는 AI lab 매출과 컴퓨팅 수요가 어떻게 hyperscaler의 추론 및 클라우드 매출이 되는지 추적하고, 관련 영업이익 확보를 추정한다.

자산 매핑 및 비교

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

• Amazon Web Services (AWS)

  2028년에 backstopped infrastructure가 점유율을 가져가기 전까지 향후 2년 동안 AI lab 컴퓨팅 지출에서 유사한 점유율을 유지할 것으로 예상되는 hyperscaler.

  강점

  AI lab 학습 및 추론 매출에 참여하며, Barclays는 hyperscaler가 AI lab 지출에서 상당한 매출과 영업이익을 확보한다고 추정한다.

  비교

  Barclays는 향후 2년 동안 AWS, Azure 및 GCP가 AI lab 컴퓨팅 지출에서 유사한 비중을 차지할 것으로 예상한다.

  위험

  2028년부터 backstopped infrastructure 프로젝트가 가동되면서 hyperscaler는 AI lab 학습 및 추론 시장 점유율을 잃기 시작할 수 있다.

• Azure (MSFT)

  2028년에 backstopped infrastructure가 점유율을 가져가기 전까지 향후 2년 동안 AI lab 컴퓨팅 지출에서 유사한 점유율을 유지할 것으로 예상되는 hyperscaler.

  강점

  AI lab 학습 및 추론 매출에 참여하며, 전략적 파트너 매출 배분은 보고된 클라우드 영업마진을 높일 수 있다.

  비교

  Barclays는 향후 2년 동안 AWS, Azure 및 GCP가 AI lab 컴퓨팅 지출에서 유사한 비중을 차지할 것으로 예상한다.

  위험

  2028년부터 backstopped infrastructure 프로젝트가 가동되면서 hyperscaler는 AI lab 학습 및 추론 시장 점유율을 잃기 시작할 수 있다.

• Google Cloud Platform (GCP)

  2028년에 backstopped infrastructure가 점유율을 가져가기 전까지 향후 2년 동안 AI lab 컴퓨팅 지출에서 유사한 점유율을 유지할 것으로 예상되는 hyperscaler.

  강점

  AI lab 학습 및 추론 매출에 참여하며, 전략적 파트너 매출 배분은 보고된 클라우드 영업마진을 높일 수 있다.

  비교

  Barclays는 향후 2년 동안 AWS, Azure 및 GCP가 AI lab 컴퓨팅 지출에서 유사한 비중을 차지할 것으로 예상한다.

  위험

  2028년부터 backstopped infrastructure 프로젝트가 가동되면서 hyperscaler는 AI lab 학습 및 추론 시장 점유율을 잃기 시작할 수 있다.

핵심 데이터

• 2026년 AI lab 유료 추론 마진50%-65%+Barclays 추정치이며, 2025년 mid-teens %에서 상승했다.
• 조정 AI lab 매출총이익률 개선~30-50 points최종 학습 비용 반영 후 2026년 대 2025년 비교.
• AI lab 매출 $100당 hyperscaler 매출$35-$40추정 2026년 추론 관련 유입액.
• AI lab 매출 $100당 hyperscaler 영업이익Nearly $10-$20약 35%-45% 영업마진 기준.
• AI lab 매출 전망$137B in 2026E; $376B in 2027E; $690B in 2028E2025년 $26B 대비.
• Hyperscaler AI 매출 전망$124B in 2026E; $289B in 2027E; $502B in 2028EAI lab 매출 대비 추정 비중은 각각 90%, 77%, 73%로 하락한다.

영향과 시사점

보고서는 AI lab의 보고 매출 및 마진 비교 시 제품 믹스, 파트너 수수료 및 총액 대 순액 회계를 조정해야 한다고 주장한다. AI 수요에서 hyperscaler의 단기적인 상당한 매출 및 이익 확보를 보지만, 대체 backstopped infrastructure가 가능해지고 lab의 추론 수익성이 개선되는 2028년부터 그 관계의 집중도는 낮아질 것으로 예상한다.

위험

• frontier 경쟁이 심화되고 컴퓨팅 부족이 완화되면 AI lab 및 hyperscaler 마진이 하락할 수 있다.
• 2028년부터 backstopped AI-infrastructure 프로젝트가 가동되면서 hyperscaler는 AI lab 학습 및 추론 시장 점유율을 잃을 수 있다.
• Indirect API 매출의 총액 대 순액 인식은 보고된 AI lab 매출과 상대적 진전 비교를 왜곡할 수 있다.

주시할 점

• 엔터프라이즈 및 agentic-workflow 도입 속도와 그에 따른 API 및 엔터프라이즈 매출로의 믹스 이동.
• 2Q26에 예시 수준을 크게 웃돌았다고 전해진 API 추론 마진이 시간이 지나며 정상화되는지 여부.
• AI lab이 GAAP 보고에서 학습 비용을 매출원가와 R&D 사이에 어떻게 배분하는지.
• Indirect API 매출 인식과 전략적 파트너 매출 배분 구조의 변화.
• 2028년부터 hyperscaler 점유율에 영향을 줄 것으로 예상되는 backstopped AI-infrastructure 프로젝트의 시점과 영향.