미국, 지난해 AI에 3000억 달러를 썼다. 골드만삭스는 이것이 경제에 전혀 기여하지 않았다고 말한다.

Source: Dev.to

Introduction

기업 역사상 가장 비싼 기술 베팅은 GDP 기여도가 약 제로에 불과합니다. 골드만삭스 수석 경제학자 Jan Hatzius는 이번 주 고객에게 대규모 AI 투자 지출이 2025년 미국 경제 성장에 “사실상 제로”에 불과했다고 말했습니다. 모건 스탠리도 독립적으로 같은 결론에 도달했습니다. 월스트리트에서 가장 영향력 있는 두 경제 데스크는 AI 붐이 중요한 수치에 나타나지 않고 있다고 동의합니다.

AI 투자와 GDP 영향

• 지출 vs. 산출: 미국 기업이 Nvidia GPU에 500 억 달러를 지출하면 그 대부분이 해외 제조업체로 흐른다. GDP 회계에서는 수입품에 대한 국내 지출이 산출에서 차감된다. 투자는 기업 대차대조표에 나타나지만 GDP에는 반영되지 않는다.
• 지출 규모: Meta는 2026년에 AI 인프라에 650 억 달러를 약속했으며, Microsoft는 800 억 달러, Amazon, Google, Oracle은 각각 수십억 달러를 추가로 약속했다.
• 자본 지출 vs. GDP: Goldman은 AI 투자가 2026년 미국 자본‑지출 성장에 약 1.5 퍼센트 포인트를 기여할 것으로 추정하지만, 순 GDP 영향은 0.1–0.2 퍼센트 포인트에 불과할 것이라고 보고 있다. 영향의 거의 전부가 해외로 새어나간다.

Hardware Supply Chain

• Import Dependence: About three‑quarters of AI data‑center costs go toward chips and equipment manufactured in Asia—primarily TSMC in Taiwan, SK Hynix and Samsung in South Korea, and assembly operations across Southeast Asia.
• Reshoring Efforts: The CHIPS Act allocated $52 billion to reshoring semiconductor manufacturing, yet total AI‑chip demand in 2026 alone will exceed $200 billion.
• Supply Constraints: SK Hynix announced its entire 2026 production of HBM4 memory chips is already sold out and plans to increase advanced DRAM capacity eightfold, from 20,000 to 190,000 wafers per month. Prices will keep rising, and the revenue flows to South Korea, not the U.S.

하드웨어 공급망

• 수입 의존도: AI 데이터센터 비용의 약 3/4가 아시아에서 제조된 칩과 장비에 사용됩니다—주로 대만의 TSMC, 한국의 SK Hynix와 삼성, 그리고 동남아시아 전역의 조립 작업입니다.
• 리쇼어링 노력: CHIPS 법안은 반도체 제조를 국내로 되돌리기 위해 520억 달러를 배정했지만, 2026년 한 해만 해도 AI 칩 전체 수요는 2,000억 달러를 초과할 전망입니다.
• 공급 제약: SK Hynix는 2026년 전체 HBM4 메모리 칩 생산량이 이미 전량 판매되었으며, 고급 DRAM 용량을 월 20,000 웨이퍼에서 190,000 웨이퍼로 8배 확대할 계획이라고 발표했습니다. 가격은 계속 상승할 것이며, 수익은 미국이 아니라 한국으로 흐르게 됩니다.

기업 지출 vs. 국내 생산

자금을 지출하는 기업은 미국 기업이지만, 그 자금을 수령하는 공장은 그렇지 않다. AI가 미국 경제 성장을 견인한다는 정치적 서사는 범주 오류에 기반한다: 성장은 국내 생산에 의해 촉진되지만, 현재 AI는 대만 반도체에 대한 수요를 촉진하고 있다.

생산성 향상 타임라인

골드만은 AI로 인한 의미 있는 생산성 향상이 2027년에 나타나기 시작해 2030년대 후반까지 복합적으로 증가할 것으로 예상합니다. AI에 대한 실제 경제적 논점은 지출 자체가 아니라 AI 도구를 사용하는 근로자들의 최종 생산량 증가입니다. 현재 채택 속도에서는 이러한 이익이 아직 이론적인 수준에 머물고 있습니다.

산업 채택 및 ROI

• 채택 비율: McKinsey의 최신 설문 조사에 따르면 기업의 72 %가 어떤 형태로든 AI를 도입했으며, 이는 1년 전 55 %에서 상승한 수치입니다.
• ROI 현실: MIT의 Project NANDA는 맞춤형 기업 AI 도입 중 95 %가 측정 가능한 ROI를 전혀 제공하지 않는다고 밝혔습니다. Anthropic의 연구에 따르면 AI 코드 어시스턴트를 사용하는 개발자들은 코드 이해 테스트에서 17 % 낮은 점수를 받았습니다. 도구는 어디에나 있지만, 성과 향상은 그렇지 않습니다.

역사적 유사점

Hatzius는 1990년대 후반 인터넷 투자 사이클과 명시적인 유사점을 제시한다. 기업들은 수년간 광섬유 케이블, 웹 서버, 전자상거래 플랫폼에 공격적으로 투자했지만 생산성 통계는 움직이지 않았다. 닷컴 붕괴가 개입했다. 생산성 향상은 결국 2003년에서 2007년 사이에 실현되었지만, 그때는 돈을 썼던 기업들과는 다른 기업들에서 나타났다.

Economic Implications

• Trade Balance Issue: 상황은 기술 문제가 아니라, 기술 복장을 한 무역‑수지 문제이다.
• Short‑Term Outlook: 미국은 역사상 가장 비싼 인프라 구축을 자금 조달하고 있지만, 그 인프라는 외국 부품으로 건설되고 있다. GDP는 국내에서 생산된 것을 측정하는데, 국내에서 생산되는 대부분은 전기 요금이다.

결론

골드만 삭스는 AI가 나쁜 투자라고 말하는 것이 아니다. 투자가와 경제 성장이 서로 다른 국가에서 이루어지고 있다고 말한다. 돈을 쓰는 기업들은 미국에 있지만, 돈을 모으는 공장들은 그렇지 않다. 경제적 수익이 있다면, 그것은 수년 후에 나타날 것이며, 현재의 GDP 수치는 크게 영향을 받지 않는다.