AI 컴퓨팅 파워의 금융화: 오픈소스 모델이 컴퓨팅 파워를 자본 시장으로 밀어 올리다 (상)

본 문서는 OKX Ventures가 제작한 심층 분석 보고서입니다. 분량이 길어 상·하 두 편으로 나누어 게재합니다: 상편은 컴퓨팅 파워의 자산화, 리스크 노출 및 파생상품 가격 결정 로직에 초점을 맞추고, 하편은 컴퓨팅 파워 금융 인프라, 추론(Inference) 자산화 기회 및 산업 동향을 중점적으로 분석할 예정입니다. 본 편은 상편입니다.

서론: 컴퓨팅 파워의 자산화와 리스크 노출

AI 인프라는 자본 집약적 확장 단계에 진입하고 있으며, 이에 따라 컴퓨팅 파워의 경제적 속성도 변화하고 있습니다. 과거 기업들은 컴퓨팅 파워를 주문형으로 구매하는 IT 비용으로 간주하는 경우가 많았습니다. 그러나 현재 GPU, 데이터센터 용량, 장기 구매 계약이 점점 더 대차대조표에 포함되면서, 컴퓨팅 파워는 자본 자산의 특성을 갖추기 시작했습니다: 초기 투자 규모가 크고 자금 회수에 수년이 걸리며, 향후 수익과 장비 가치는 공급·수요 및 기술 혁신 주기에 따라 지속적으로 영향을 받습니다.

GPU 조달과 데이터센터 구축은 점점 더 부채 자금에 의존하고 있습니다. 오늘날의 GPU 신용은 장비 담보와 장기 고객 계약만으로도 자금 조달이 가능해졌지만, 시장에는 여전히 공개적이고 표준화된 GPU-hour 선도 가격 및 헤징 도구가 부족합니다. 부채는 약정된 일정에 따라 상환해야 하는 반면, 수년 후这批 GPU가 얼마의 임대료를 벌어들이고 얼마의 가치를 지닐지는 전적으로 당시의 시장 상황에 달려 있습니다. 레버리지가 높을수록 이러한 가격 불확실성이 채무 상환과 재융자에 미치는 영향은 더 커집니다.

1. 배경: 컴퓨팅 파워 시장의 자본 구조

1.1 컴퓨팅 파워 확장이 레버리지 단계에 진입하기 시작

지난 몇 년간 AI 인프라에서 가장 주목할 만한 변화 중 하나는 자본 지출이 기업 내부 현금 흐름의 확장보다 빨라지기 시작했다는 점입니다. 2020~2023년, Top 5 클라우드 업체의 AI 관련 CapEx가 영업 현금 흐름에서 차지하는 비중은 대략 20%~30% 수준이었으나, 2025년에는 약 94%에 근접했습니다. 2026년에 들어서면서 Top 5 클라우드 업체가 확정한 CapEx 규모는 합산 7,000억 달러를 초과합니다.

이들 기업은 여전히 강력한 현금 창출 능력을 보유하고 있지만, 인프라 구축이 수천억 달러 규모로 장기간 확장될 때 부채 자본이 자연스럽게 더 큰 역할을 담당하게 됩니다. 컴퓨팅 파워 자산은 독자적인 자금 조달 논리를 형성하기 시작했습니다.

GPU, 서버, 데이터센터는 수익이 발생하기 전에 자금을 투입해야 하며, Neocloud와 같은 컴퓨팅 파워 사업자는 일반적으로 Hyperscaler만큼 성숙한 기업 신용도를 갖추지 못한 경우가 많습니다. 따라서 대출 기관은 점차 자금 조달 판단을 프로젝트 자체에 초점을 맞추고 있습니다: 미래 현금 흐름이 충분히 안정적인지, 부채 원리금을 상환할 수 있는지, 그리고 채무 불이행 시 회수할 수 있는 자산 가치는 얼마인지입니다.

Take or Pay 장기 계약은 이러한 구조가 성립할 수 있는 핵심입니다. 고객은 예약한 용량을 완전히 사용하지 않더라도 계약에 따라 약정된 비용을 지불해야 합니다. 사업자에게 이는 미래 수익의 일부를 사전에 확보하는 것과 같고, 대출 기관에게는 극도로 불확실한 GPU 가동률을 보다 예측 가능한 계약 현금 흐름으로 전환시켜 줍니다.

CoreWeave는 이 구조의 가장 대표적인 사례입니다 (수익의 98% 이상이 Take or Pay 조항 계약에서 발생). 투자 등급 고객의 장기 계약 비중이 높아짐에 따라, 이들의 자금 조달은 점점 더 인수자 신용도와 계약 보장률에 의존하게 되었습니다. 이후 Nebius, IREN 등 대형 고객 장기 계약을 보유한 사업자들도 유사한 구조를 채택하기 시작했습니다.

이로 인해 GPU 신용의 리스크 순위가 변화했습니다. 대출 기관은 먼저 계약 현금 흐름이 부채를 충당할 수 있는지 판단하고, 마지막으로 채무 불이행 시 GPU를 얼마나 회수할 수 있는지 평가합니다. GPU 수량이 담보 규모를 결정하고, 장기 계약이 이 자산이 어떤 자금 조달 조건을 얻을 수 있는지를 추가로 결정합니다.

1.2 현금 흐름이 고정된 후 남는 것은 자산 가격 리스크

Take or Pay는 상환 현금 흐름의 가시성을 높였지만, GPU 자체의 경제적 가치는 계속해서 변화할 것입니다. 수년 후 이 장비들이 얼마나 많은 수익을 창출하고 얼마의 가치를 지닐지는 여전히 대차대조표에 남아 있는 리스크입니다.

GPU는 생산 장비와 기술 제품이라는 두 가지 속성을 동시에 지닙니다. 지속적으로 임대료를 창출할 수 있지만, 동시에 매우 빠른 기술 혁신 주기에 놓여 있습니다. 신세대 칩이 출시된 이후, 이전 세대 장비에 미치는 영향은 임대료, 가동률, 재계약 가격, 중고 시장 가치에 점진적으로 반영됩니다.

따라서 GPU의 회계상 감가상각과 경제적 감가상각이 완전히 일치하기는 어렵습니다. 회계는 고정 연한에 따라 장비 비용을 상각할 수 있지만, 시장은 매일 GPU 한 장이 얼마나 많은 경쟁력 있는 컴퓨팅 파워를 생산할 수 있는지를 재평가합니다. 대출 기관에게 핵심 변수는 궁극적으로 잔여 대출 기간 동안의 현금 흐름과 채무 불이행 시 회수 가능한 가치로 귀결됩니다.(대형 클라우드 업체의 데이터센터 자산 감가상각 정책에 대해 시장에서는 이미의문이 제기되고 있습니다)

이것은 왜 현재 GPU 신용이 임대료 하락 시에도 일시적으로 안정성을 유지할 수 있는지 설명해 줍니다. 인수 고객이 계속해서 계약을 이행하는 한, 현물 가격 변동이 당장의 채무 상환에 영향을 미치지는 않을 수 있습니다. 리스크는 계약 갱신, 재융자, 채무 불이행 처리와 같은 특정 시점에 더 집중될 것입니다. 이러한 시점이 되면 GPU의 시장 임대료와 잔존 가치가 대출의 안전 마진을 다시 결정하게 됩니다.

임대료와 장비 가치가 대출 원금 상환 속도보다 빠르게 하락한다면, LTV는 다시 상승하고 대출의 안전 마진은 축소됩니다. 장기 계약은 리스크를 뒤로 미룰 수는 있지만, 장비 수명 주기 전체에 걸친 경제적 가치를 고정할 수는 없습니다.

따라서 현재 컴퓨팅 파워 신용 구조의 공백은 명확합니다: 계약이 고객 지불의 일부를 묶어두었지만, GPU의 시장 가격은 여전히 변동적입니다.

시장은 현재 주로 다년제 용량 계약을 통해 가격을 사전 고정하고 있습니다. 초기 H100 1년 계약은 현물에 비해 뚜렷한 할인이 있었지만, 현물 가격 하락과 선도 계약 가격 상승으로 두 가격의 격차는 크게 좁혀졌습니다. 공급 개선과 계약 조건 변경 모두 이러한 결과에 영향을 미칠 수 있지만, 동시에 더 근본적인 문제를 반영합니다: 표준화된 선도, 선물, 스왑 도구가 부족한 상황에서 산업 참여자들은 장기 실물 계약이 조달과 가격 관리라는 두 가지 기능을 동시에 수행하도록 할 수밖에 없습니다.

장기 계약은 단일 거래 당사자 간의 리스크 배분을 완료할 수 있습니다. 그러나 시장이 지속적으로 공개 가격을 형성하고 기관 간 리스크를 이전해야 할 때는 더욱 표준화된 금융 도구가 필요합니다. 점점 더 많은 GPU 자산이 부채 자본으로 뒷받침됨에 따라 이러한 수요는 더욱 뚜렷해질 것입니다.

2. 컴퓨팅 파워 시장이 실제로 거래해야 하는 것은 무엇인가?

컴퓨팅 파워가 자본 구조에 편입되면 가격 변동은 명확한 부담 주체를 갖게 됩니다. Neocloud는 임대료 하락 리스크를, AI 기업은 조달 비용 상승 리스크를, 채권자는 잔존 가치와 재융자 리스크를 보유합니다. 파생상품 시장은 종종 이러한 대차대조표가 스스로 흡수할 수 없는 리스크로부터 실제로 형성되기 시작합니다.

2.1 세 가지 참여자 유형과 리스크 노출

컴퓨팅 파워 가격 변동은 궁극적으로 세 가지 유형의 대차대조표에 영향을 미칩니다. Neocloud는 초기에 GPU, 데이터센터 공간, 자금 조달 비용을 고정하지만, 미래 임대료는 여전히 재가격 책정될 수 있습니다. 장기 계약 보장이 충분하지 않을 때 임대료 하락은 EBITDA와 DSCR을 빠르게 압박하므로, 선도를 매도하고 수익을 사전에 고정할 유인이 가장 큽니다. AI 연구소와 추론 플랫폼은 반대편에 있으며, GPU 가격 상승은 마진을 직접적으로 잠식하고 시장이 부족할 때 가격과 용량 리스크가 동시에 발생하는 경우가 많기 때문에 비용과 가용 용량을 동시에 고정해야 합니다. 대출 기관은 대출 잔액과 GPU 경제적 가치 사이에 얼마나 많은 안전 마진이 남아 있는지 더 관심을 가지며, 공개 지수와 선도 곡선이 없으면 LTV, 재융자, covenant를 동적으로 관리하기 어렵습니다. 헤징 요건이 점차 대출 조건에 포함됨에 따라 컴퓨팅 파워 파생상품에 대한 수요는 기업의 자발적 리스크 관리에서 더 나아가 금융 시스템 내로 진입할 것입니다.

2.2 잠재 시장 규모: 어떤 리스크 노출이 파생상품 시장에 진입할 것인가

전 세계 GPU 출하량, 데이터센터 CapEx, 또는 AI 인프라 규모를 직접 사용하여 컴퓨팅 파워 파생상품 TAM을 추정하면 결과가 한 자릿수 이상 과대 평가되기 쉽습니다.

실제로 파생상품 시장에 진입할 수 있는 것은 여전히 시장 가격에 노출되어 있고 다른 방식으로 흡수되지 않은 리스크입니다.

Hyperscaler가 자체 구축하여 내부적으로 사용하는 GPU의 상당 부분은 리스크가 자체 대차대조표에 남아 있습니다. 이미 다년간 고정 가격 계약을 체결한 용량의 가격 리스크도 양자 간 계약에서 사전에 배분되었습니다. 이들은 모두 경제적 리스크를 가지고 있지만 반드시 매일 시장에서 거래될 필요는 없습니다.

따라서 전 세계 컴퓨팅 파워 수요에서 실제 파생상품 TAM에 이르기까지 최소한 몇 단계의 필터링을 거쳐야 합니다:

이것이 미래 컴퓨팅 파워 파생상품 시장의 규모가 전 세계 GPU 설치량의 단순한 선형 증가보다는 merchant compute의 비중과 더 큰 관련이 있을 이유이기도 합니다.

과거에는 많은 첨단 모델이 소수의 대형 연구소와 Hyperscaler 내부에서 실행되었고, 컴퓨팅 파워 조달 또한 매우 내부화되어 있었습니다. 오픈소스 모델의 성능이 향상됨에 따라 점점 더 많은 기업이 자체적으로 배포하거나 workload를 제3자 Neocloud 및 추론 플랫폼에 위임할 수 있게 되었습니다. 원래 몇몇 대형 대차대조표 내부에 갇혀 있던 컴퓨팅 파워 수요는 점차 공개 시장의 조달 주문으로 전환될 것입니다. 이것이 오픈소스 모델의 발전이 주목할 만한 이유를 설명합니다:

첫째, 더 많은 컴퓨팅 파워가 실제 거래 가격을 형성하기 시작합니다. 충분한 외부 거래가 없다면 지수가 형성되기 어렵고 선도 곡선은 말할 것도 없습니다.

둘째, 수요 충격이 현물 시장에 더 빠르게 전파됩니다. 인기 모델이 출시된 후 많은 기업이 동시에 배포를 늘리면 새로운 수요가 제3자 GPU 용량에 직접적인 충격을 주어 가격과 가용성이 빠르게 변화할 것입니다. 공개 시장이 부담하는 한계 수요가 많을수록 임대료 변동은 기업이 실제로 관리해야 하는 P&L 리스크가 될 가능성이 높습니다.

따라서 컴퓨팅 파워 금융화에 있어 오픈소스 모델이 진정으로 중요한 점은 시장 기반 조달 비율을 높일 수 있다는 데 있습니다. 컴퓨팅 파워는 충분히 많은 외부 거래를 거쳐야 비로소 지수화, 선도화, 금융화할 가치가 있는 가격을