‘AI 버블’은 하나가 아니다: 서로 다른 3개 거품과 붕괴 시점

핵심 질문: 하나의 거품이 아닌 다중 거품

지금 묻어야 할 질문은 “AI가 거품인가”가 아니라 “우리는 어떤 AI 거품에 있고, 각각 언제 터질 것인가”이다. AI 생태계는 경제성·방어력·위험 프로필이 다른 세 가지 층으로 구성돼 있으며, 한 번에 동시에 무너지지 않는다.

AI 생태계의 3개 레이어

레이어 3: 래퍼 기업(먼저 무너질 구간)

AI 버블과 래퍼 비즈니스의 취약성

가장 취약한 부문은 AI 그 자체가 아니라, 이를 포장해 되파는 래퍼다. 예컨대 OpenAI API에 인터페이스와 프롬프트 엔지니어링을 얹어 월 49달러를 받는 도구들이다. Jasper.ai는 마케터 친화적 UI로 GPT를 감싸 첫 해 연간 반복매출(ARR) 약 4,200만 달러를 기록했지만 균열이 보이기 시작했다.

대형 플랫폼의 기능 흡수로 내일 당장 오피스나 지메일, CRM에 유사 기능이 기본 탑재될 수 있고, 모델 성능·가격이 수렴하면서 마진은 급격히 압축된다. 독점 데이터나 깊은 워크플로 내재화가 없어 전환비용이 거의 0에 가깝고, 화이트라벨 생태계는 API 제약과 종속 리스크로 ‘빌린 땅 위의 사업’이라는 한계를 드러낸다. 예외적으로 Cursor처럼 개발자 워크플로에 깊게 박혀 고유 기능과 습관 기반 네트워크 효과를 만든 사례도 있지만 극소수다.

타임라인: 2025년 말부터 2026년에 걸쳐 대형 플랫폼의 기능 흡수와 사용자 인식 전환이 맞물리며 대규모 실패가 본격화될 전망.

레이어 2: 기초 모델(중간 지대)

AI 버블이 부른 투자-수익 괴리

OpenAI·Anthropic·Mistral 등 LLM 기업은 기술적 해자(훈련 역량·컴퓨트 접근·성능)로 어느 정도 방어력이 있지만, 투자 대비 수익의 괴리는 거품 논란을 키운다. 예컨대 OpenAI는 총 1조 달러 규모의 거래(이 중 데이터센터 구축 5천억 달러)를 추진하는 반면, 매출은 130억 달러 수준으로 거론된다. 한편 승부처는 점차 대규모 학습이 아니라 추론 최적화와 시스템 엔지니어링으로 이동한다.

확장 KV 캐시, 높은 토큰 처리량, 더 빠른 첫 토큰 지연 단축 등으로 메모리 장벽을 넘고, 메모리 관리·캐싱·인프라 효율 혁신을 이룬 쪽이 단가 경쟁력을 확보한다. 엔비디아가 OpenAI 데이터센터에 1천억 달러를 투자하고, 그 시설을 엔비디아 칩으로 채우는 ‘순환 투자’ 또한 수요 과대 추정 우려를 낳는다. 그럼에도 이들은 막대한 자본, 기술 역량, 클라우드·엔터프라이즈 파트너십으로 카테고리를 지속시킬 가능성이 높다.

타임라인: 2026~2028년 통합이 진행되며, 2~3개 강자가 부상하고 소규모 모델 업체는 인수·정리될 전망.

레이어 1: 인프라(견고한 토대)

AI 버블 속에서도 남는 가치

GPU(엔비디아), 데이터센터, 클라우드, 메모리·스토리지 등 인프라는 AI 붐 중 가장 ‘덜 거품’인 층으로 평가된다. 2025년 AI 관련 설비·VC 투자 합계가 이미 6천억 달러를 넘고, 전세계 AI 지출이 1.5조 달러에 달할 수 있다는 전망은 과열처럼 보이지만, 인프라는 승자와 무관하게 가치가 남는다. 닷컴 버블 때 깔린 광케이블이 이후 유튜브·넷플릭스·클라우드를 가능케 했던 전례가 그렇다.

주가 변동과 별개로 엔비디아의 2025회계연도 3분기 매출은 약 570억 달러, 이 중 데이터센터 매출이 약 512억 달러로 집계되며 실제 수요를 반영했다. 오늘 구축되는 칩·센터·메모리·스토리지는 챗봇부터 자율 에이전트까지 어떤 응용이 승리하든 기반이 된다. 특히 GPU HBM—DRAM—고성능 스토리지로 이어지는 전체 메모리 계층을 통합해 추론 워크로드의 ‘토큰 웨어하우스’로 활용하는 아키텍처는 단순 범용 스토리지와 차별화된다.

타임라인: 2026년 단기 과잉 구축과 비효율 가능성은 있으나, 향후 10년간 워크로드 확대로 장기 가치가 유지될 공산이 크다.

연쇄 붕괴의 전개

붕괴는 한 번에 오지 않는다. 1단계에서 차별화가 빈약한 래퍼·화이트라벨 업체들이 마진 압박과 기능 흡수로 대거 정리된다. 현재 1,300개 이상의 AI 스타트업이 1억 달러 이상 가치를 인정받고, 498개 유니콘이 존재하지만 상당수는 정당화되지 못할 것이다. 2단계에서 성능 수렴과 자본력 격차로 기초 모델 기업이 3~5건의 대형 인수합병을 거쳐 통합된다. 3단계에서 인프라 지출은 정상화되지만 높은 수준을 유지하고, 일부 데이터센터는 한동안 유휴화되었다가 워크로드 확장에 따라 채워질 것이다.

빌더를 위한 실천 전략

AI 버블 시대의 업스택 이동

가장 큰 리스크는 ‘래퍼가 되는 것’이 아니라 ‘래퍼로 남는 것’이다. 사용자가 머무는 경험을 소유해야 사용자를 소유한다. 애플리케이션 레이어에 있다면 즉시 업스택하라: (1) 래퍼→앱: 출력 생성에서 벗어나 AI 상호작용 전후의 전체 워크플로를 장악하라. (2) 앱→버티컬 SaaS: 제품 내부에서 실행이 완결되도록 설계하고, 전용 데이터·깊은 통합·워크플로 지배로 전환비용을 높여라. 진짜 해자는 LLM이 아니라 유저 획득·유지·확장으로 이뤄지는 ‘배포(디스트리뷰션)’다.

결론

우리는 단일한 거품이 아니라 서로 다른 시차를 가진 여러 AI 버블 속에 있다. 래퍼 기업의 거품은 약 18개월 내 먼저 터지고, 기초 모델은 2~4년에 걸쳐 통합되며, 인프라 투자는 단기 진통을 거쳐 장기적으로 타당성이 입증될 가능성이 높다. 이는 비관이 아니라 실행 로드맵이다. 자신이 속한 레이어와 거품의 성격을 정확히 이해하는 것이 다음 희생양이 될지, 흔들림을 견디는 회사를 만들지의 갈림길이다.