블랙록 2026 전망 : AI CAPEX $8T 시대를 열기 위한 '금융 보릿고개'를 지나는 중

​ 컴퓨팅, 데이터센터, 에너지 인프라는 지금 당장 지어야 하고, 이런 인프라에서 발생하는 토큰을 통한 궁극적인 이익은 나중에 일정 기간에 걸쳐 발생하는 구조입니다. 수요는 확보되어 있으니 투자한 규모만큼 회수할 수 있을 것인데 이 갭을 메꾸기 위해서 부채가 쓰이고 있습니다. 이에 대해 블랙록은 금융적인 보릿고개(개인적인 의역)라는 의미로 'financing hump'라고 칭했습니다. 개인적으로는 부채를 통해 성장을 가속화하는 과정에서 투자자에게 전체의 AI 사이클에 대한 이해를 요구하다보니 생기는 성장통으로 보고 있으며, AI 사이클 수요의 핵심인 Enterprise AI & AI Labs ARR는 여전히 매우 가파르게 증가하고 있기에 우려하고 있지 않습니다. $8T를 지탱하기 위한 자금은? 150년간 미국 경제는 장기 성장률 2%를 넘어본 적이 없다 미국 경제는 지난 150년 동안 장기 성장률 2%를 한 번도 돌파하지 못했다 놀랍게도 지난 150년간 미국의 GDP 성장률은 2%를 넘지 못하고 일정하게 유지됐습니다.

​ 증기기관 (1760~1910년) → 약 150년이라는 매우 긴 시간에 걸쳐 서서히 구축됐습니다. 전기 (1899~1941년) → 약 42년정도 걸렸으나, 다른 혁신에 비해 자본투자 집중도는 낮았습니다. 정보통신기술 (1974~2012년) → 약 38년에 걸쳐서 지속됐으며, 매우 높은 자본투자 기여를 보였습니다. AI (2022~2040년) → 현재 진행 중인 혁신으로 18~20년이란 매우 짧은 기간에 ICT의 전체 사이클에 필적하는 거대한 양의 자본투자가 이어질 것으로 예상합니다. ​ 블랙록은 2030년까지 전 세계 기업의 AI 투자규모는 $5T~$8T에 달할 것으로 예상했으며, 그중 대부분이 미국에 집중될 것으로 예상했습니다. 여기서 대부분의 투자자가 갖는 의문은 '그럼 이 CAPEX를 감당할 AI 매출은 어디서 나오는가?'인데, 여기에 대해서 블랙록은 해답을 '미국의 GDP 성장률이 장기적으로 2% 추세를 돌파할 경우 가능하다'는 데에서 찾았습니다. ​ GDP 대비 투자의 논리로 들어가면 이런 경우는 종종 있었습니다.

중간에 성장률이 낮아지고, 다시 높아지고를 반복했습니다. 증기기관, 전기, 정보통신기술, 대공황, 제1~2차 세계대전, 닷컴버블 등이 나왔음에도 불구함에도 추세를 깨지 못했던 것입니다. ​ AI CAPEX $5~8T를 감당하기 위해서 장기 GDP 성장률이 2%를 넘기게 한다는 것이 결코 쉬운 것은 아님을 의미하지만, 역사상 처음으로 '상상 가능한 일(conceivable)'이 됐습니다. ​ AI는 그 자체로 혁신일 뿐만 아니라, 혁신 그자체의 과정을 혁신할 잠재력을 갖고 있기 때문입니다. AI가 스스로 새로운 개념을 생성하고, 테스트하고, 개선할 수 있습니다. 만약 그렇게 된다면 새로운 혁신을 발견하는 속도가 가속화되기에 재료, 의약품, 기술적인 면에서 새로운 과학적 혁신을 이끌어낼 수 있습니다. 혁신 가속화의 선순환은 획기적인 성장을 내는 데 핵심적인 요소입니다. ​ 가능성은 있으나, 실제로 일어날 수 있을지에 대한 영역은 아직 알 수 없는 부분입니다. 블랙록은 이에 따라 혁신의 속도가 빨라질 수 있는 가능성을 보여주는 선행지표로서 매년 신규 특허 출원 건수를 추적하여 이것이 급증하게 될 경우 AI의 효과가 전반적인 데이터로 나오기 전에 미리 알 수 있을 것이라는 생각입니다.

중간에 성장률이 낮아지고, 다시 높아지고를 반복했습니다. 증기기관, 전기, 정보통신기술, 대공황, 제1~2차 세계대전, 닷컴버블 등이 나왔음에도 불구함에도 추세를 깨지 못했던 것입니다. ​ AI CAPEX $5~8T를 감당하기 위해서 장기 GDP 성장률이 2%를 넘기게 한다는 것이 결코 쉬운 것은 아님을 의미하지만, 역사상 처음으로 '상상 가능한 일(conceivable)'이 됐습니다. ​ AI는 그 자체로 혁신일 뿐만 아니라, 혁신 그자체의 과정을 혁신할 잠재력을 갖고 있기 때문입니다. AI가 스스로 새로운 개념을 생성하고, 테스트하고, 개선할 수 있습니다. 만약 그렇게 된다면 새로운 혁신을 발견하는 속도가 가속화되기에 재료, 의약품, 기술적인 면에서 새로운 과학적 혁신을 이끌어낼 수 있습니다. 혁신 가속화의 선순환은 획기적인 성장을 내는 데 핵심적인 요소입니다. ​ 가능성은 있으나, 실제로 일어날 수 있을지에 대한 영역은 아직 알 수 없는 부분입니다. 블랙록은 이에 따라 혁신의 속도가 빨라질 수 있는 가능성을 보여주는 선행지표로서 매년 신규 특허 출원 건수를 추적하여 이것이 급증하게 될 경우 AI의 효과가 전반적인 데이터로 나오기 전에 미리 알 수 있을 것이라는 생각입니다.

​ 개인적으로 느끼기에, 인공신경망의 핵심은 지능의 복제와 축적에 있습니다. 인류는 가장 잘 살아남게 특화된 인간이 DNA를 많이 남김으로써 강화학습과 비슷하게 성장해왔는데, AI는 전 세계에서 가장 뛰어난 신경망의 지능을 복사하여 체크포인트로 삼고 거기서부터 더 나은 지능을 쌓아갈 수 있습니다. ​ 사람으로 따지자면 80억 인류 중에서 가장 뛰어난 사람의 지능을 Ctrl + C, Ctrl + V 정도의 노력으로 모두가 나눠갖는 것과 비슷합니다. 아인슈타인 혼자서는 지구를 바꿀 수 없지만, 아인슈타인이 80억 명이 된다면 상황이 달라진다는 것이 AI 발전으로 인한 가속 주장의 핵심입니다. 가장 지능이 뛰어난 지능이 살아남는 강화학습의 루프를 인간보다 훨씬 간단하고 빠르고 쉽게 할 수 있습니다. ​ 관련 자료인 <오픈AI 퇴사자의 글 #2 : 초지능을 향한 지능의 폭발>에는, 이렇게 발전한 AI는 여러 영역에서 인간보다 더 높은 지능을 갖고 연구할 수 있게 될 것이라고 합리적으로 예상할 수 있습니다.

두 번째 자료인 <오픈AI 공동창업자 일리야 수츠케버 : 인간의 진화에서 찾은 초지능의 열쇠, '감정'>에서도, 비슷한 의미의 생각들을 보실 수 있습니다. ​ Micro가 Macro가 되다 : 빅테크가 국가 경제를 좌우하다 AI 구축을 주도하는 소수 기업들의 지출은 거시 경제에 영향을 미칠 정도로 거대하며, 2030년까지 AI 투자 규모는 상단 기준 $8T에 달할 것으로 보입니다. AI CAPEX에 대해서 투자자들이 기대하고 있는 적정 ROI인 9~12%를 맞추려면 연간 $1.7T~$2.5T에 해당하는 매출이 필요합니다. 애널리스트들이 예상하는 빅테크의 매출 성장세는 $1.6T 수준이므로 $0.1T~$0.9T정도의 추가 매출이 AI를 통해 나와야 한다는 의미입니다. ​ 부족한 매출의 갭을 메울 수 있는 가능성 있는 시나리오는 크게 두 가지입니다. ​ 기존 빅테크 사업 범위 확대 : AI를 통해서 클라우드, 광고, 소매업, 서비스, 소프트웨어 등의 영역을 넓히고 코딩 같은 작업을 자동화하거나, 완전히 새로운 AI 기반 수익원들이 생김으로써 기술 섹터가 전체 미국 경제에서 차지하는 비중이 현재 25% → 35%까지 성장한다면 $0.4T​의 추가 매출이 발생합니다.

경제 전반의 생산성 혁신 : 경제 전체가 GDP 2% 성장률을 넘겨서 생산성 향상을 통해 연간 1.5%p의 추가 생산성 증가를 가져온다고 가정할 경우, 경제 전반의 매출이 $1.1T 증가할 것으로 추정합니다. 이 경우 AI에 대한 투자 시나리오에서 최고 수준의 지출을 정당화하기에 충분하고도 남습니다. ​ 블랙록은 여기서 AI 빌더도 중요하지만, AI로 인해 궁극적으로 매출이 늘어나는 기업을 찾아내는 것이 다음 알파의 원천이 될 것으로 봤으며 이 과정에서 이제 패시브가 아닌 액티브 투자가 중요해질 것을 예상했습니다. ​ 개인적으로도 AI는 증강의 영역이기에 소수의 기업이 많은 부를 가져가는 트렌드가 더욱 강화될 것으로 예상하는 만큼, 다음 20년은 액티브 투자의 영역이 될 것으로 예상합니다. 예전에는 포트폴리오를 다각화해두면 따로따로 움직였기에 변동성이 낮아졌는데, ⓐ이제 S&P 493 자체는 EPS가 성장하지 않는 때이기도 하고 ⓑ시장 집중도가 커지다보니 Risk-on/off에 같이 움직이는 비율이 크게 늘고 있습니다.

경제 전반의 생산성 혁신 : 경제 전체가 GDP 2% 성장률을 넘겨서 생산성 향상을 통해 연간 1.5%p의 추가 생산성 증가를 가져온다고 가정할 경우, 경제 전반의 매출이 $1.1T 증가할 것으로 추정합니다. 이 경우 AI에 대한 투자 시나리오에서 최고 수준의 지출을 정당화하기에 충분하고도 남습니다. ​ 블랙록은 여기서 AI 빌더도 중요하지만, AI로 인해 궁극적으로 매출이 늘어나는 기업을 찾아내는 것이 다음 알파의 원천이 될 것으로 봤으며 이 과정에서 이제 패시브가 아닌 액티브 투자가 중요해질 것을 예상했습니다. ​ 개인적으로도 AI는 증강의 영역이기에 소수의 기업이 많은 부를 가져가는 트렌드가 더욱 강화될 것으로 예상하는 만큼, 다음 20년은 액티브 투자의 영역이 될 것으로 예상합니다. 예전에는 포트폴리오를 다각화해두면 따로따로 움직였기에 변동성이 낮아졌는데, ⓐ이제 S&P 493 자체는 EPS가 성장하지 않는 때이기도 하고 ⓑ시장 집중도가 커지다보니 Risk-on/off에 같이 움직이는 비율이 크게 늘고 있습니다.

실제 빌드아웃을 위한 생각들 자금은? 병목은? 국가들의 생각은? AI 빌드아웃의 자금은 민간에서 올 것 압도적인 AI의 생산성을 확대시키고 수익으로 연결짓기 위해서는 지금 당장의 투자가 필요한 상태입니다. 더 큰 레버리지가 필요한 국면이고 이것이 발생하는 중입니다. 역사가 참 흥미로운 것은 민간에서 레버리지를 쓸 여력이 충분하다는 것입니다. Bloomberg 데이터로 보면, 2025년 11월 26일 기준 CSP들의 평균 부채비율은 0.54배입니다. 레버리지를 확대할 여지가 충분합니다. 이들의 신규 채권발행에 매우 높은 수요가 몰리는 이유이자 이들이 적극적으로 backstop을 제공하고 있는 이유입니다. ​ 미국 정부 부채는 GDP 대비 120%로 2차대전 이후로 부채비율 최고치입니다. 미국 기업 부채, 그중 특히 빅테크는 부채비율 0.54배로 정부보다 훨씬 건전한 상태입니다. ​ 반면, 미국과 영국의 재정적자 확대, 프랑스의 재정침체, 독일의 국방비 증액, 일본의 코로나 이후 최대 추경안과 방위비 증액 등 선진국 정부에서는 높아진 부채레벨 속에서도 재정을 이미 많이 쓰고 있어서 AI 구축에 쓰일 자금을 지원하는 역할에서 적극 나서기가 부담스러운 상황입니다.

​ 앞으로도 기업들이 부채시장을 활용하면서 투자를 받아 AI 데이터센터를 지을 상황이 높아질 가능성이 높다는 의미입니다. 향후 레버리지 비율이 높아질 경우 경제가 점점 더 금리에 민감해질 가능성이 높습니다. 인플레이션 재점화, 정부 부채 지속가능성에 대한 우려, 각종 채권 금리 변동, 기업들의 신용등급 변동 등이 생기면 AI 투자비용이 증가하게 되고 이 경우 전체 경제에 충격이 전달될 수 있는 쪽으로 가고 있다는 의미입니다. ​ 개인적으로는 이것을 극복하기 위해서도 결국은 미국 정부는 AI 침투 속도에 맞춰서 스테이블코인 채택을 서두를 것으로 보고 있습니다. 미국 정부는 돈을 계속 써야 하는 상황에서, 국채를 사갈 기존의 큰 손들이 예전만큼 적극적이지 않다보니 강했던 규제를 풀어주면서 동시에 새로운 국채 수요처로 스테이블코인 발행사를 끌어들이려 할 것이란 생각입니다.

​ *코멘트 → 산업의 트렌드가 바뀌는 흐름의 사례 중 대표적으로 꼽히는 것은 1830~1900년대 초까지 진행됐던 영국의 민간철도 투자였습니다. 미국에서도 철도투자가 최고 하이테크 산업일 때가 있었죠. 120년 전 1900년대 미국에서 철도가 깔리던 시절에는 전체 주식시장에서 60%에 가까운 시가총액이 철도산업(Rail)에서 나왔습니다. ​ 역사상 다른 선례들 맨해튼과 아폴로 프로그램은 GDP의 0.4%, 오늘날로 계산하면 연간 $100B를 투자했습니다. 연간 $1T 규모의 AI 투자는 GDP의 약 3%에 해당합니다. 1996년부터 2001년까지 통신업체들은 인터넷 통신망 구축에 현재 가치로 약 $1T를 투자했습니다. 1841년부터 1850년까지 영국의 민간철도 총 투자규모는 당시 영국 GDP의 약 40%에 달했습니다. 미국 GDP와 비슷한 비율이라면 10년 동안 $11T에 해당하는 규모입니다. 친환경 전환을 위해 이미 수조 달러가 쓰이고 있습니다. 빠르게 성장하는 경제는 종종 GDP 대비 높은 비율을 투자에 썼습니다.

예를 들어 중국은 20년 동안 GDP의 40% 이상을 투자에 썼습니다. 마찬가지로 미국 GDP를 고려하면 연간 $11T 규모에 해당합니다. 역사적으로 가장 긴박했던 국가안보상황들을 살펴보면, 전시상황에는 국가가 GDP 대비 상당한 부분을 차입금으로 충당하는 경우가 많았습니다. 제1차 세계대전 중 영국, 프랑스, 독일은 GDP의 100% 이상을 빌려서 전쟁에 썼고, 미국은 20% 이상을 빌려서 썼습니다. 제2차 세계대전 동안 영국과 일본은 GDP의 100% 이상을 빌렸고, 미국은 GDP의 60% 이상을 빌려서 썼습니다. 현재 $17T에 해당하는 규모입니다. ​ 문제는 타이밍: 투자가 먼저 → 수익은 나중 AI CAPEX는 엄청난 자금을 필요로 합니다. 150년에 걸쳐 발생한 철도의 혁신, 40년에 걸쳐 진행했던 ICT의 혁신보다 큰 규모의 혁신을 20년에 걸쳐서 진행하는 과정이기에 그렇습니다. 문제는 타이밍입니다. 최근 일간보고들을 통해서 말씀드리고 있기도 한 부분처럼, 오라클을 통해 모두가 느끼고 계시겠지만 AI CAPEX의 문제는 플레이어들은 매출과 수익이 총량으로 볼 때 일치하고 있음을 강조하고 있지만 시점이 불일치하기에 불확실성이 있다는 데에서 생기는 구조적인 문제입니다.

​ 앞으로도 기업들이 부채시장을 활용하면서 투자를 받아 AI 데이터센터를 지을 상황이 높아질 가능성이 높다는 의미입니다. 향후 레버리지 비율이 높아질 경우 경제가 점점 더 금리에 민감해질 가능성이 높습니다. 인플레이션 재점화, 정부 부채 지속가능성에 대한 우려, 각종 채권 금리 변동, 기업들의 신용등급 변동 등이 생기면 AI 투자비용이 증가하게 되고 이 경우 전체 경제에 충격이 전달될 수 있는 쪽으로 가고 있다는 의미입니다. ​ 개인적으로는 이것을 극복하기 위해서도 결국은 미국 정부는 AI 침투 속도에 맞춰서 스테이블코인 채택을 서두를 것으로 보고 있습니다. 미국 정부는 돈을 계속 써야 하는 상황에서, 국채를 사갈 기존의 큰 손들이 예전만큼 적극적이지 않다보니 강했던 규제를 풀어주면서 동시에 새로운 국채 수요처로 스테이블코인 발행사를 끌어들이려 할 것이란 생각입니다.

​ AI 구축의 가장 큰 병목 : 에너지/전력 AI 구축에는 많은 제약들이 있습니다. 정치적, 재정적 제약보다 컴퓨팅과 에너지처럼 물리적 제약에 더 크게 직면해 있습니다. 그 중에서도 그런데 가장 문제가 되는 것은 에너지입니다. ​ 미국 전력 수요에서 AI 데이터센터가 차지하는 비중은 2024년A 기준 4~5% → 2027년e 10~15% → 2030년e 15~25%까지 높아질 것으로 예상됩니다. 전력망 연결 대기 물량, 느린 인허가 절차, 전력망의 노후화를 업그레이드하기 위한 공급망의 확장 등이 AI 성장을 가로막는 병목지점들이 되고 있습니다. ​ 국가적으로 보자면 차이가 큽니다. 중국은 전력 및 송전망 시설을 매우 빠르게 건설하고 있습니다. 화력발전, 원자력, 재생에너지 등은 적기에 구축되며 예산 내에서 집행되고 있습니다. AI 인프라를 구축함에 있어서 중국이 여러 이점을 갖고 있습니다.

​ 분열의 시대 : AI와 국방 1~2차 세계대전의 시대 → 냉전의 시대 → 세계화의 시대를 지나 새로운 세계 질서가 시작되고 있습니다. 트럼프의 집권 이후 미국은 세계와 경제 및 지정학적 관계를 근본적으로 재편하는 중입니다. 관세를 통해 거래를 이끌어내고, 산업 정책을 부흥시키기 위해 국가정책이 개입하며, 동맹관계도 재편하는 등 미국에 유리한 쪽으로 집중하는 것입니다. ​ 이 과정에서 단연 핵심은 미국과 중국의 경쟁입니다. 경쟁은 무역, 기술, 에너지, 국방 등 다양한 분야에 걸쳐 있으며 중심에는 AI가 있습니다. 미국과 중국 정부 양측은 모두 AI를 이번 세기의 미래 경제 및 군사적 우위를 결정짓는 핵심 기술로 보고 있으며, 미국이 앞서고 있는 폐쇄소스 AI를 견제하기 위해서 중국은 오픈소스 프로젝트에 공을 들이는 중이기도 합니다. ​ 그러면서도 중간중간에서 소규모 전쟁 및 분쟁이 늘어나고 있습니다.

우크라이나에서 계속되는 소모전, 가자지구의 불안정한 평화, 수십년 만에 있는 최대 규모의 미국 카리브해 병력 증강 등이 변동성을 키우고 있습니다. ​ 유럽은 그 사이에서 상황이 좋진 않습니다. 미국의 보호무역주의 심화, 유럽의 고질적인 낮은 산업경쟁력, 러시아의 우크라이나 침공 등으로 상황이 악화된 탓입니다. 직면한 과제를 시급하게 해결해야 한다는 인식이 강화되며, EU는 여러 측면에서 규제를 완화하고 재정을 늘리는 중입니다. NATO는 2035년까지 GDP 대비 국방비 지출을 5%까지 늘리는 것을 목표로 삼기로 합의했고, 독일은 국방 및 인프라 지출을 빠르게 늘리기 위해 부채한도 잠금장치를 풀어버렸습니다. 에너지에서도 전력 가격이 높아지고 수입 의존도가 높았던 상황이므로 공급망 투자 확대 및 인허가 프로세스 단축을 강조하고 있습니다. ​

글을 정리하며 미국 경제는 지난 150년간 장기 성장률 2% 이상을 넘어본 적이 없습니다. 그런데, 이제 AI CAPEX $8T를 가정하는 과정에서 참여자들의 생각은 이것이 넘을 수도 있다는 베팅에 있습니다. 이에 대한 블랙록의 대답은 아직 확신은 할 수는 없겠지만 '상상 가능한 일이다'입니다. 하나의 혁신이 아니라, 혁신의 과정까지 혁신할 수 있는 기술로 보기 때문입니다. ​ AI는 더 높은 FLOPS, 더 큰 매개변수, 더 많은 데이터를 통해 달러당 지능을 더 키우는 쪽으로 발전해왔습니다. LLM으로만 성장하는 것이 아닙니다. 지능 향상의 축은 추가되거나 교체될 수 있을지언정 강화학습의 역사이자 딥러닝의 역사가 본질입니다. 이런 과정을 통해 발생한 더 높은 차원의 인공신경망은 같은 예산을 기준으로 ROI를 높이는 요인입니다. 그리고 효율이 높아질수록 사용량이 줄어드는 것이 아니라 오히려 폭발적으로 늘어나는 '제번스의 역설(Jevons' Paradox)'이 현재 AI 시장에서 고스란히 재현되고 있습니다.

6개월마다 추론 수요가 2배씩 증가하는 현상은 이미 AI가 실질적인 생산성 임계점을 넘어섰음을 시사합니다. ​ 추론 영역에서는 NVFP4 이점을 극대화한 GB200/300 NVL72가 주력으로 부상했지만, 훈련 영역은 소프트웨어 및 네트워크 생태계의 성숙 단계로 인해 여전히 Hopper 아키텍처가 주류를 이뤘습니다. 추론으로는 쓰임새가 충분하지만 훈련용으로는 구형인 칩을 더 많이 구매하여 훈련용 FLOPS를 유의미하게 늘릴 필요는 없었기에 코딩에 대한 합성 데이터를 강조한 Codex 업데이트, 어떻게 더 추론 효율을 끌어올리고 환각률을 낮출 시에 대해 연구한 GPT-5 및 Garlic 모델 연구 같은 데에 집중했던 이유입니다. 이는 NVL8에서 NVL72로 하드웨어 규모를 확장하며 겪어야 했던 필수적인 '성장통'이었습니다.

​ 이제 Blackwell을 기반으로 한 본격적인 훈련이 궤도에 올랐습니다. 2026년 1분기를 기점으로 GPT-6, Grok 5, Avocado 등 Blackwell 기반 모델들이 쏟아져 나올 예정입니다. 지금까지는 GB200에서 Reasoning한 합성 데이터로 post-training에 집중해 왔다면, Blackwell 기반의 pre-training 모델이 등장하는 시점은 AI 침투율과 AI Product ARR이 다시 한번 가속화되는 변곡점이 될 것이라 예상합니다. 2025년 초, 딥시크를 통해 모두가 한 번 겪었던 것처럼 제번스의 역설을 다시 증명할 차례입니다. ​