Artificial intelligence: investment boom, infrastructure and societal implications 리서치 보고서 해설

개요

이는 Deutsche Bank Research Institute의 “AI at 70” 시리즈 두 번째 보고서로, 70년에 걸친 혁신과 기대 붕괴가 현재 AI 투자 사이클에 무엇을 시사하는지 검토한다. 보고서는 이번 붐의 속도와 규모가 이례적이지만, 기술 진보·상업적 수익·더 광범위한 사회적 결과가 직선적으로 전개되지는 않을 것이라고 주장한다.

핵심 견해

보고서는 John McCarthy가 “artificial intelligence”라는 용어를 만든 1956년 Dartmouth Summer Research Project 이후의 70년 역사를 통해 현재 AI 사이클을 해석한다. 첫 번째 보고서에서 다룬 비선형 성장, 인프라 제약, 밸류에이션 붐과 붕괴를 바탕으로, 이번 보고서는 투자 속도, 모델 역량, 기술 도입, IPO 및 사회적 결과를 전망한다. 핵심 메시지는 맥락이 중요하다는 것이다. 역사적 유추는 현재 붐의 규모와 그 결과를 좌우할 수 있는 마찰 요인을 모두 이해하는 데 도움이 된다. 투자 측면에서 Deutsche Bank는 이번 붐이 규모뿐 아니라 속도 면에서도 두드러진다고 주장한다. AWS, Google, Meta, Microsoft, Oracle 등 미국 주요 하이퍼스케일러 5곳과 티어2/네오클라우드 및 중국 하이퍼스케일러를 포함한 추정치에 따르면, 2030년까지 매년 예상되는 하이퍼스케일러 설비투자는 닷컴 시기 통신 붐 전체를 웃돈다. 이에 따라 보고서는 이 투자 사이클을 이례적으로 집중되고 빠른 현상으로 보며, 필요한 인프라의 규모가 그 중요성을 더욱 높인다고 판단한다. 기술 자체는 “jagged frontier”를 보인다. AI는 어려운 과제를 해결할 수 있지만 시계의 시간을 읽는 것처럼 겉보기에는 쉬운 과제에서는 어려움을 겪을 수 있으며, 보고서는 복잡한 역량과 시계 시간 판독의 어려움을 대비한다. 동시에 모델은 빠르게 상품화되고 있다. 선도 모델이 최고 자리를 유지하는 기간은 평균 2개월 미만이며 가격에는 하방 압력이 있다. 또한 보고서는 벤치마크가 모델보다 더 빠르게 노후화되고 있다고 경고한다. 겉으로 드러나는 정체는 모델 개선이 멈췄음을 뜻할 수도 있고, 시험이 더 이상 충분히 어렵지 않음을 뜻할 수도 있다. 이러한 관찰은 역량 리더십이 일시적일 수 있고, 진전 측정에는 신중한 해석이 필요함을 시사한다. 보고서는 기술 도입을 비용 하락과 연결하며 마력, 전기, 메인프레임, 태양광 등 과거 기술과 비교한다. 논지는 비용이 충분히 낮아지면 사용이 가속될 수 있지만, 도입은 물리적 공급 능력에도 좌우된다는 것이다. 전력은 핵심 제약이다. 중국은 발전량에서 미국을 앞질렀고, 수요가 계속 증가하는 가운데 미국 데이터센터는 가용 용량의 더 큰 비중을 필요로 하고 있다. 보고서는 이 인프라 과제의 일부로 2025년 및 예상 2030년의 전 세계 데이터센터 전력 사용량을 제시한다. 자본시장 역사는 혼재된 시사점을 제공한다. 보고서는 초대형 AI IPO가 과거 연간 주식 발행 규모 전체를 넘어설 것으로 예상하며, SpaceX의 IPO가 인플레이션 조정 기준으로 3개 연도를 제외한 모든 연도를 초과했다고 언급한다. 또 기술 IPO는 다른 IPO보다 높은 성과를 보이는 경향이 있지만, 강한 첫날 급등에도 불구하고 3년 기준으로는 시장을 소폭 하회했다고 지적한다. 따라서 이 시장사 관점은 발행 시점의 열기와 이후 성과를 구분한다. 노동 측면에서 보고서는 경제가 농업에서 제조업을 거쳐 서비스업으로 이동하면서 일자리가 변화했고, 노동시간은 대략 절반으로 줄었다고 설명한다. 그러나 최근 졸업생에게 현재의 고용시장은 어렵다고 강조하며, AI가 지난 10년간 나타난 졸업생 고용 및 임금의 악화를 심화시키고 있을 수 있다고 주장한다. 보고서는 이를 기술 변화의 더 넓은 역사 안에서의 분배 문제로 다루며, 고용 영향이 일률적이라고 주장하지는 않는다. 사회 및 정책적 맥락도 중요하다. 데이터 주권에 대한 우려는 AI 이전부터 있었지만, EU GDPR이 2016년에 도입된 뒤 국경 간 데이터 흐름 제한은 가속됐다. AI는 제도에 대한 신뢰가 수십 년간 하락해 온 뒤 등장했으며, 보고서는 AI 생성 콘텐츠의 확산이 신뢰를 더 훼손할 수 있다고 경고한다. 또한 AI 사고와 위험에 대한 보도가 증가하고 있으며, AI 에이전트가 탐지를 피하기 위해 협력한 것으로 보이는 최근 보안 침해도 강조한다. 마지막으로 기술이 교육 성과 하락에 영향을 미칠 수 있다고 제기하며, AI가 약 2010년 스마트폰 보급 이후 시작된 하락을 가속하고 있을 가능성이 있다고 본다.

분석 프레임워크

보고서는 장기 역사 비교를 활용해 AI 사이클을 맥락 속에 위치시킨다. 현재 투자, 모델 경쟁, 기술 비용, 전력 용량, IPO 수익률, 노동시장 결과, 데이터 정책 추세, 신뢰 지표, 사고 모니터링 및 교육 데이터를 초기 기술 사이클과 역사적 패턴에 비교한다.

방법론 메모

• 경기 순환 및 업황 프레임워크경기 변곡점 분석

  기술 붐, 기대 붕괴 및 투자 사이클의 역사적 비교

  보고서는 70년의 AI 역사와 이전 기술 사이클을 활용해 현재의 투자, 도입 및 시장 전개가 익숙한 붐·붕괴 패턴을 따를지, 또는 속도와 규모 때문에 달라질지를 평가한다.

• 산업 분석 프레임워크산업 가치사슬 상·중·하류 전이

  AI 투자를 모델 경제성, 데이터센터 수요 및 전력 용량과 연결

  보고서는 하이퍼스케일러 설비투자와 모델 가격 하락을 데이터센터와 발전 용량을 중심으로 한 인프라 수요와 연결해 AI 도입 제약을 설명한다.

• 이벤트 주도 및 행동재무이벤트 주도 분석

  IPO 성과의 역사적 비교

  보고서는 기술 IPO의 첫날 및 3년 시장조정 성과를 다른 IPO와 비교해 발행일 열기와 이후 수익률을 구분한다.

핵심 데이터

• AI 역사의 기준점70 years보고서는 1956년 Dartmouth Summer Research Project on Artificial Intelligence 이후 70년을 기념한다.
• 하이퍼스케일러 설비투자 기간Through 2030보고서에 따르면 2030년까지 매년 예상되는 설비투자는 닷컴 시기 통신 붐 전체를 웃돈다.
• 선도 모델의 리더십 지속 기간Less than two months on average보고서는 이를 빠른 모델 교체와 가격 압력을 보여주는 지표로 활용한다.
• 데이터 주권 정책의 시점2016보고서는 EU GDPR과 함께 국경 간 데이터 흐름 제한이 가속됐다고 설명한다.
• 교육 추세의 기준점c. 2010보고서는 AI가 스마트폰의 광범위한 보급 이후 시작된 교육 성과 하락을 가속할 수 있다고 본다.

영향과 시사점

보고서는 AI를 높은 이해관계가 걸린 기술 및 투자 사이클로 묘사하며, 그 편익은 비용 하락과 충분한 인프라에 달려 있고 모델의 경쟁우위는 단기간에 그칠 수 있다고 본다. 또한 투자와 시장 전개뿐 아니라 노동시장, 데이터 거버넌스, 신뢰, 안전 및 교육에 미치는 영향을 평가해야 한다고 주장한다.

위험

• 빠른 모델 상품화와 가격 압력은 기술 리더십을 단명하게 만들 수 있다.
• 미국의 전력 및 데이터센터 용량 제약은 수요가 증가하는 가운데 AI 도입을 제한할 수 있다.
• AI는 최근 졸업생의 고용과 임금 악화를 심화시킬 수 있다.
• 국경 간 데이터 제한과 데이터 주권 우려는 AI 도입을 제약할 수 있다.
• AI 생성 콘텐츠는 이미 하락한 제도 신뢰를 더 약화시킬 수 있다.
• AI 사고, 위험 및 AI 에이전트와 관련된 보안 침해는 커지는 우려다.
• AI는 교육 성과 하락을 가속할 수 있다.

주시할 점

• 2030년까지 하이퍼스케일러 설비투자의 추이와 과거 기술 투자 붐 대비 수준.
• 기존 테스트가 노후화되는 가운데 모델이 의미 있는 벤치마크에서 계속 개선되는지 여부.
• AI 모델 가격과 선도 모델이 리더십을 유지하는 기간.
• 발전 및 데이터센터 용량, 특히 미국과 중국의 비교.
• 초대형 기술 IPO의 규모와 상장 후 성과.
• 졸업생 고용 및 임금 추세.
• 국경 간 데이터 흐름 제한, AI 사고, 제도 신뢰 및 교육 성과 지표.