AI 버블이 터지면 애플은 ‘모든 것이 불타는 걸 지켜볼 것’

• AI 인프라 확장은 투입 비용을 회수하지 못할 가능성이 큼

  • 메모리 가격은 두 배로 뛰었고 Mac과 iPad 가격도 올랐으며, iPhone도 뒤따를 것으로 예상되지만 이런 비용을 유발한 AI 인프라는 스스로 수익을 낼 수 없음

• LLM의 비용 구조는 기존 소프트웨어 판매 방식과 근본적으로 맞지 않음

  • 소비자와 기업은 일정한 월 구독료를 기대하지만, LLM은 사용량이 계량되는 동시에 실제 비용을 예측하기도 어려운 서비스임

  • 원하는 답을 얻지 못하거나 코딩 에이전트가 반복문에서 헛돌더라도 사용된 토큰에는 100만 개당 비용이 계속 부과됨

  • AI 기업은 고객이 실제 원가를 내지 않을 것을 알고 모호한 사용 한도가 붙은 정액제를 판매해 왔음

    • SemiAnalysis의 계산에서는 월 $20 구독으로 수백 달러, 월 $200 구독으로 수천 달러 상당의 토큰을 쓸 수 있음

    • 토큰 매출총이익률이 70%라는 주장에는 증거가 거의 없으며, 내 취재로는 OpenAI가 2025년 매출 $13.07 billion을 올리고도 $20.9 billion의 손실을 기록함

• 실제 토큰 원가를 고객에게 청구하면 기업 수요가 제한됨

  • 고객이 실제 비용을 감당할 의사가 있다면 Anthropic과 OpenAI가 구독료의 20~40배에 해당하는 토큰을 제공할 이유가 없음

  • 두 회사는 올해 3월 기업 고객을 토큰 기반 과금으로 전환했고, Uber는 몇 주 뒤 1년치 토큰 예산을 한 분기 만에 모두 소진함

    • 비용을 실제 출시된 유용한 기능과 연결하기 어려워 AI 지출을 정당화하기가 점점 힘들어졌음

    • Sam Altman도 이를 "중대한 문제"로 인정했지만 해결책은 밝히지 않음

  • 100만 토큰당 비용을 부담하는 Perplexity, Cursor, GitHub Copilot 등도 사용자가 실제 AI 원가를 내려 하지 않아 수익을 내지 못함

    • GitHub Copilot은 6월에 토큰 기반 과금으로 전환함

• AI 서비스는 효용과 차별성도 부족함

  • AI 생성 코드에서 일부 이익을 얻을 수 있지만, 실제로는 개발 속도가 느려지고 코드베이스에 저품질 코드가 쌓일 수 있음

  • LLM이 제공하는 기능은 생성·요약·검색 정도로 비슷해 서비스 간 차별화가 어려움

    • 전체 AI 매출의 89%를 Anthropic과 OpenAI가 차지함

    • 스타트업들은 실제 매출 대신 한 달 매출에 12를 곱한 "연환산 매출"을 내세우며, 이 기준으로도 대부분 $100 million 안팎에 간신히 도달한 수준임

• AI 데이터센터는 막대한 선투자에 비해 의존할 고객이 거의 없음

  • 건설에 18~36개월과 수십억 달러가 들고, 사업자는 부채를 조달한 뒤 고객이 입주해야 돈을 받을 수 있음

  • 실질적인 고객은 Anthropic과 OpenAI 정도지만, 두 회사는 Microsoft·Google·Amazon이 인프라를 구축해 줬는데도 수익성이 낮아 수천억 달러를 조달해야 했음

  • 시장이 아직 크게 동요하지 않는 이유는 AI 관련 주가가 올랐기 때문이며, hyperscaler들은 AI 매출을 따로 공개하지 않고 있음

• 버블 붕괴 비용은 데이터센터에 자금을 댄 사모대출과 연기금으로 번질 수 있음

  • 사모대출 펀드의 자금에는 SF 교사 연기금이나 CalPERS 같은 연기금이 들어가 있어 시스템 전염이 우려됨

  • 프로젝트 파이낸싱으로 투입된 돈은 이미 소진됐으므로 일반적인 구제금융으로 해결하기 어려움

    • 특수목적법인(SPV)의 부채를 사들이거나 매출을 공급하는 방식은 이론상 가능함

    • 필요한 금액이 수천억 달러에 달해 정치적으로 감당하기 어려운 선택이 됨

• Oracle은 OpenAI 의존형 데이터센터 투자 때문에 특히 큰 위험을 안고 있음

  • Oracle이 OpenAI로 인해 치명적인 타격을 받을 가능성이 큼

  • Oracle 매출은 20년간 정체됐고 $85bn+ 규모의 인수로도 제자리 수준을 유지했음

  • $340bn+ 규모의 AI 데이터센터 투자와 수천억 달러의 부채를 감당하려면 OpenAI가 2030년까지 세계 최대이자 최고 수익 기업이 돼야 하며, 그렇지 않으면 Oracle의 자금이 바닥날 수 있음

• 붕괴의 충격은 대만·한국·미국 투자시장으로 확산될 가능성이 큼

  • TWSE는 AI 서버 판매로 매출이 늘어난 Quanta와 Hon Hai(Foxconn) 같은 대만 ODM 의존도가 높음

    • 특히 Apple 사업 비중이 큰 Hon Hai를 포함해 기업 자체가 무너지지는 않더라도 주가 하락으로 투자자의 생계가 타격받을 수 있음

  • KOSPI의 한국 투자자와 AI 버블에 기대 움직이는 미국 hyperscaler·반도체 기업 투자자도 결국 같은 충격을 받을 수 있음

• AI 인프라 경쟁의 비용은 메모리와 소비자 기기 가격으로 넘어오고 있음

  • hyperscaler들이 세계 메모리 공급을 대량 흡수하면서 DRAM 가격은 올해 약 두 배가 됐고, 팀 쿡은 Apple의 최근 가격 인상이 "불가피하다"고 표현함

    • Mac과 iPad 가격은 이미 올랐으며 iPhone 모델도 곧 뒤따를 것으로 예상됨

  • hyperscaler들은 2022년 이후 설비투자에 $1 trillion 넘게 지출함

    • 절반만 AI 데이터센터 비용이라고 가정해도 이를 정당화하려면 신규 매출이 아니라 새 순이익으로 $1.5 trillion 넘게 벌어야 함

  • 데이터센터가 수익을 내지 못할 것으로 보기 때문에 소비자는 사실상 Big Tech의 무리한 건설 경쟁 탓에 제품 가격을 더 내는 셈이며, 이 구조는 Hater's Guide To The Memory Crisis에서 자세히 다룸

• Apple은 hyperscaler보다 훨씬 적게 투자하면서 AI를 범용 상품처럼 다루고 있음

  • hyperscaler들이 올해 AI 인프라에 합계 $650 billion 이상을 쓰는 반면 Apple의 지출은 약 $14 billion임

  • Apple은 Siri에 Gemini를 쓰기 위해 Google에 연간 약 $1 billion을 지급하고 가능한 작업은 기기에서 처리하는 방식으로 대응하고 있음

  • 외부 AI 기업에 의존하는 위험은 있지만, AI 경쟁에서 뒤처졌다는 주장만 반복될 뿐 무엇에 뒤처졌고 왜 중요한지는 제대로 설명되지 않음

• Apple Intelligence의 실패는 Apple이 AI 투자에 제동을 거는 계기가 됨

  • 요청받지 않은 부가기능을 눈에 띄게 밀어 넣었지만 제대로 작동하지 않았고, 요약 기능은 곧 밈이 됐으며 새 Siri는 기존 Siri보다도 나빴음

  • 결과적으로 사용자들의 AI 반감이 커졌고 Apple도 이를 알고 있음

  • Apple은 설비투자와 AI 개발에 거의 힘을 싣지 않은 채, 시장을 달래기 위해 제품에 "AI"라는 이름만 붙이는 수준을 유지할 가능성이 큼

• AI 버블이 꺼져도 Apple과 iPhone 사용자의 상황은 크게 달라지지 않을 전망임

  • 자산 상각, 과잉 컴퓨팅 공급, OpenAI의 추락이 발생해도 Apple은 옆에서 모든 것이 무너지는 모습을 지켜볼 가능성이 큼

  • 붕괴 과정에서 선별적으로 기업을 인수할 수도 있지만 아무것도 하지 않는 선택도 가능함

• Apple이 장기적으로 투자할 대상은 AI보다 새로운 인터페이스인 Vision Pro에 가까움

  • Vision Pro는 흥행에 실패했지만 최근 나온 제품 가운데 가장 흥미롭고 미래지향적인 시도였음

  • AI 버블은 주로 업계가 초고속 성장 아이디어와 새로운 인터페이스를 소진하면서 생긴 결과이므로, Apple은 서두르지 말고 시간이 얼마나 걸리든 Vision Pro를 최대한 작게 만드는 데 투자할 필요가 있음

  • 목표한 경험을 구현하려면 Vision Pro가 사실상 무게가 없고 눈에 띄지 않으며 조정도 필요 없는 수준이 돼야 함

    • 제대로 작동할 때는 뛰어나지만 조금만 움직여도 초점이 흐려짐

    • 업데이트하는 동안 계속 착용해야 해 현재 보유 기기를 쓰지 못할 정도이며, 가능성은 컸지만 너무 일찍 출시된 제품임

^{source https://www.macrumors.com/2026/07/27/ed-zitron-apple-watch-it-burn-ai-bubble-bursts/}

HN에서는 애플의 소극적인 AI 투자를 영리한 위험 관리로 볼지, 기술 전환기에 뒤처진 결과를 사후 포장한 것으로 볼지가 핵심 쟁점이었다. 애플은 데이터센터 경쟁과 막대한 투자 부담을 피하면서 자체 칩과 단말에 집중했다는 평가를 받았다. 그러나 단말용 반도체의 강점만으로는 충분하지 않다. AI 소프트웨어와 제품 경험을 제대로 구현하지 못한다면 기다림은 전략이 아니라 실행 실패가 된다.

논쟁의 바탕에는 LLM 사업의 비용 구조를 둘러싼 불확실성이 있다. 회의적인 쪽은 요청할 때마다 추론비가 발생하므로, 한 번 개발해 여러 번 판매하는 기존 소프트웨어와 수익 구조가 다르다고 지적했다. 현재의 낮은 구독료와 높은 사용 한도도 투자금의 보조 없이는 유지하기 어렵다는 주장이다. 반면 이용자 대부분이 한도를 소진한다는 근거는 없으며, 업체가 작업을 저렴한 모델에 배분하거나 추론 효율을 높이면 손익도 달라질 수 있다는 반박이 뒤따랐다.

실무 경험도 판단을 갈랐다. 코딩 도구에서 이미 충분한 가치를 얻고 사용량을 늘리는 개발자들은 기업이 높은 요금을 감수할 가능성을 제시했다. 반대로 생산성 향상과 비용 절감이 입증되지 않으면 예산이 줄 때 가장 먼저 재검토될 수 있다. 과거 연구만으로 빠르게 개선된 최신 도구의 효과를 단정하기 어렵다는 지적도 같은 맥락이다.

결국 AI의 효용과 현재 기업가치의 정당성은 별개다. 시장이 크게 조정돼도 AI 활용까지 사라진다는 반응은 많지 않았다. 애플은 투자 규모보다 단말과 클라우드의 역할을 어떻게 나누고 이를 실제 제품 경험으로 연결하는지가 중요하다. AI 업체 역시 평균 사용량과 추론비, 고객이 지속해서 감당할 만한 투자수익을 증명해야 한다.