China AI compute and infrastructure buildout 리서치 보고서 해설

개요

Morgan Stanley는 규모, 자금조달 및 수익률에 초점을 맞춰 2030년까지 중국 AI 인프라를 전망한다. 기본 시나리오는 RMB8.5 trillion의 설비투자를 제시하며 AI 클라우드를 주요 성장 동력으로 보고 하이퍼스케일러, 클라우드 사업자, 데이터센터 운영사 및 AI 랩에 긍정적 함의를 제시한다.

핵심 견해

Morgan Stanley는 2026-30E AI 관련 총 설비투자가 RMB8.5 trillion에 달해 2030E까지 81GW의 IT 용량과 약 55GW의 컴퓨팅을 지원할 것으로 예상한다. 5년 지출 전망은 하이퍼스케일러 설비투자 RMB6.3 trillion, 네오클라우드 RMB1.5 trillion, 통신 컴퓨팅 설비투자 RMB0.654 trillion으로 구성된다. 하이퍼스케일러 지출 중 RMB4.2 trillion, 약 67%는 국내용이고 RMB2.1 trillion, 약 33%는 해외 인프라 및 투자다. 서버 지출은 RMB5.3 trillion으로 컴퓨팅 설비투자의 약 88%를 차지하며, AI 서버는 RMB4.9 trillion으로 서버 설비투자의 92%를 차지한다. AI 클라우드는 보고서의 핵심 수요 동력이다. Morgan Stanley는 Alibaba, Tencent, Baidu, ByteDance, Kuaishou, Meituan, Xiaomi의 하이퍼스케일러 및 인터넷 설비투자가 2027E에 RMB1.2 trillion에 이를 것으로 예상한다. 중국 전력 수요는 2026-30E에 5.6-13GW, 제3자 IDC 주문은 6.1-11GW로 전망한다. 하이퍼스케일러는 같은 기간 국내에서 34GW, 글로벌 기준으로 47GW의 용량을 추가할 전망이다. 보고서는 또한 국내 컴퓨팅 배치 비용이 미국보다 낮으며, 미국의 비용 범위는 MW당 US$15-23 million이라고 제시한다. 자금조달은 핵심 제약이며 특히 RMB2.0 trillion의 해외 설비투자가 주요 고려사항이다. 보고서는 하이퍼스케일러가 공급망에서 복수의 역할을 수행하고, 네오클라우드 자금조달에는 더 큰 부채 및 리스 의무가 수반된다고 본다. 또한 중국에서는 순환성이 더 제한적이므로 컴퓨팅 수요의 지속성과 자금조달 구조가 계획된 구축이 수용 가능한 수익률을 낼 수 있는지를 좌우한다고 설명한다. Morgan Stanley는 인프라 사업모델별 ROIC와 회수기간을 검토한다. 자체 보유 GPU IaaS의 예시 결과는 영업이익률 44%, ROIC 13%, 현금 회수기간 3년이다. 임차 인프라는 설비투자가 없지만 영업이익률은 약 20%다. 자체 구축 MaaS의 경우 제시된 1P 모델은 영업이익률 53%, ROIC 19%, 회수기간 2.5년이며, 제3자 API 모델은 영업이익률 57%, ROIC 29%, 회수기간 2년이다. 국내 추론은 ROIC가 더 낮을 수 있지만 Morgan Stanley는 성능과 가동률 발전에 따른 개선 여지를 본다. Morgan Stanley는 AI 인프라의 Alibaba, Kingsoft Cloud, VNET과 MiniMax 및 Z.AI를 포함한 AI 랩, GPU 현지화를 Overweight로 제시한다. 기업별 가치평가는 차별화된 방법론을 사용한다. AI 랩에는 WACC 15%, 영구성장률 3%의 DCF를 적용하고, Alibaba에는 WACC 10%, 영구성장률 3%의 기본 시나리오를 적용한다. Kingsoft Cloud에는 5.5x 2027E EV/EBITDA를 적용하는데, 이는 낮은 자산 수익률과 공급망 불확실성을 반영해 미국 네오클라우드 동종업체의 평균 13x 및 중앙값 10x보다 낮다. VNET에는 WACC 8.7%, 부채비용 4.0%, 자기자본비용 14.0%, 부채 가중치 50%, 영구성장률 3%의 10년 DCF를 적용한다.

분석 프레임워크

Morgan Stanley는 먼저 중국 AI 설비투자를 상향식이 아닌 톱다운으로 추정하고, 투자자 유형, 지역, 장비별로 지출을 분해한다. 이후 이를 용량, 전력 수요, 데이터센터 주문으로 전환하고 자금조달 수요를 평가한다. 이어 자체 보유, 임차, 1P, 제3자 API 컴퓨팅 모델의 영업이익률, ROIC, 회수기간을 모델링한 뒤 기업별 가치평가 체계를 적용한다.

방법론 메모

• 산업 분석 프레임워크수급 프레임워크

  설비투자를 컴퓨팅, 전력 수요, 데이터센터 주문으로 전환하는 예측

  보고서는 예상 AI 투자를 서버 지출, 용량 증설, 전력 수요, 제3자 IDC 주문으로 전환해 구축 규모와 수혜자를 평가한다.

• 기업 펀더멘털 및 재무 프레임워크ROIC-WACC 스프레드

  컴퓨팅 사업모델의 ROIC, 영업이익률 및 현금 회수기간 분석

  보고서는 자체 보유와 임차 GPU 인프라, 1P와 제3자 API MaaS 모델의 수익률과 회수기간을 비교한다.

• 가치평가 방법론DCF(할인현금흐름법)

  DCF 가치평가

  보고서는 여러 커버리지 기업에 대해 WACC와 영구성장률을 포함한 DCF 가정을 제시한다.

• 가치평가 방법론EV/EBITDA 가치평가

  2027E EV/EBITDA 멀티플 가치평가

  Kingsoft Cloud에 대해 Morgan Stanley는 5.5x 2027E EV/EBITDA를 사용하고 미국 네오클라우드 동종업체 멀티플과 비교한다.

자산 매핑 및 비교

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

• Alibaba Group Holding (BABA.N)

  Overweight AI 인프라 익스포저이며 AI 클라우드 수요가 핵심 성장 동력이다.

  강점

  핵심 전자상거래 수익화 개선, 기업 디지털화 가속, AI 주도 클라우드 매출 성장에 따른 상방 가능성.

  약점

  예상보다 높은 재투자 비용이 수익률을 압박할 수 있다.

  비교

  WACC 10%, 영구성장률 3%의 DCF 기본 시나리오로 평가한다.

  위험

  경쟁, 소비 약화, 기업 디지털화 둔화 및 플랫폼에 대한 추가 규제 감시.

• Kingsoft Cloud Holdings (KC.O)

  Overweight AI 인프라 익스포저이자 네오클라우드 수혜자다.

  강점

  예상보다 강한 AI GPU 수요, 낮은 금리, Xiaomi AI 모델 개발 개선에 따른 상방 가능성.

  약점

  낮은 자산 수익률과 공급망 불확실성이 미국 네오클라우드 동종업체 대비 할인된 가치를 뒷받침한다.

  비교

  5.5x 2027E EV/EBITDA, 미국 네오클라우드 동종업체 평균 13x 및 중앙값 10x와 비교.

  위험

  공급 측 조달 제한, 높은 자금조달 비용, 중국 내 AI 모델 개발 둔화.

• VNET Group Inc (VNET.O)

  Overweight AI 인프라 및 제3자 IDC 익스포저다.

  강점

  도매 계약 추가, 예상보다 빠른 고객 입주, 금리 인하, REITs를 통한 자산 수익화에 따른 상방 가능성.

  약점

  용량 인도와 영업 실행이 중요한 운영상 의존 요인이다.

  비교

  WACC 8.7%, 영구성장률 3%의 10년 DCF로 평가한다.

  위험

  하이퍼스케일러의 클라우드 설비투자, 특히 AI 관련 투자 축소, 용량 인도 지연 및 영업 실행 부진.

• MiniMax (0100.HK)

  Overweight AI 랩 익스포저다.

  강점

  글로벌 최고 수준 모델 출시와 시장 경쟁 완화에 따른 상방 가능성.

  약점

  모델 성능은 동종업체 대비 경쟁력을 유지해야 한다.

  비교

  DCF는 WACC 15%와 영구성장률 3%를 적용하며 목표주가는 25x 2027 P/S를 시사한다.

  위험

  지정학적 위험, 경쟁 및 가격 경쟁 심화, 동종업체 대비 모델 성능 부진.

• Z.AI CO., LTD. (2513.HK)

  Overweight AI 랩 익스포저다.

  강점

  해외 클라우드 서비스 제공업체와의 협력을 통한 글로벌 확장과 경쟁 완화에 따른 상방 가능성.

  약점

  컴퓨팅 제약이 실행을 제한할 수 있다.

  비교

  DCF는 WACC 15%와 영구성장률 3%를 적용하며 목표주가는 35x 2027E P/S를 시사한다.

  위험

  컴퓨팅 제약과 지정학적 위험.

핵심 데이터

• AI 설비투자 총 전망RMB8.5 trillion2026-30E 총 설비투자 전망
• IT 용량81GW2030E 예상치
• 컴퓨팅 용량~55GW5년 설비투자 전망이 지원
• 하이퍼스케일러 설비투자RMB6.3 trillion5년 누적 설비투자
• 네오클라우드 설비투자RMB1.5 trillion2026-30E 전망
• 2027E 하이퍼스케일러/인터넷 설비투자RMB1.2 trillionAlibaba, Tencent, Baidu, ByteDance, Kuaishou, Meituan, Xiaomi 대상 전망
• 국내 하이퍼스케일러 순증 용량34GW2026-30E; 글로벌 기준 47GW
• 제3자 IDC 주문6.1-11GW2026-30E 전망

영향과 시사점

보고서는 예상되는 컴퓨팅 구축이 AI 인프라, AI 랩, GPU 현지화에 유리하다고 주장한다. 다만 투자 논리는 AI 클라우드 수요, 특히 해외 자금조달 능력, 그리고 운영사가 가동률과 매력적인 ROIC를 유지할 수 있는지에 달려 있다.

위험

• 지정학적 위험과 수출통제 관련 제약이 AI 및 컴퓨팅 관련 기업에 영향을 줄 수 있다.
• 경쟁 및 가격 경쟁 심화가 AI 랩의 경제성을 압박할 수 있다.
• 공급 측 제약이 GPU 조달 부족으로 이어질 수 있다.
• 예상보다 높은 금리가 인프라 운영사의 자금조달 비용을 높일 수 있다.
• 하이퍼스케일러가 특히 AI 관련 클라우드 설비투자를 줄일 수 있다.
• 용량 인도 지연과 부진한 영업 실행이 데이터센터 수익률을 훼손할 수 있다.

주시할 점

• AI 클라우드 수요와 하이퍼스케일러 설비투자 속도.
• RMB2.0 trillion 해외 설비투자 자금조달 진척.
• 2030년까지의 국내 전력 수요와 제3자 IDC 주문.
• GPU 공급 가능성, 가동률 및 컴퓨팅 모델 ROIC.
• 데이터센터 운영사의 신규 도매 계약, 고객 입주 및 잠재적 REITs 자산 수익화.