순환 금융: Nvidia의 1,100억 달러 베팅, 텔레콤 버블을 연상시키는가?

(tomtunguz.com)

1P by GN⁺ 8일전 | ★ favorite | 댓글 1개

Nvidia가 1,100억 달러 규모의 투자로 OpenAI 등 AI 인프라에 대규모 자금을 투입함에 따라, 과거 텔레콤 버블과 유사한 순환형 벤더 파이낸싱 구조가 재현된다는 우려가 논의됨
2025년 미국 대표 IT 기업들은 3,000~4,000억 달러의 AI 인프라 투자를 예고하며, 고객 기반 집중·GPU 담보 대출 등 리스크가 확대됨
Lucent의 실패 이력과 달리 Nvidia는 현금 흐름, 고객 신용도, 회계 투명성에서 차별성을 보이나, 고객 집중, 자산 평가, 커스텀 실리콘 개발 확산은 경계 요소로 지목됨
AI 수요가 실질적 수요인지, 클라우드처럼 필수 인프라화될지, 아니면 거품에 지나지 않을지에 대한 지속적인 모니터링 필요성이 강조됨
Lucent 회계 부정 사례와 같이 과거의 구조적 위험이 반복되지 않도록, Nvidia 및 산업 전반의 자산 가치, 수익 모델, 부채 리스크 등을 주의 깊게 살펴야 함

서론: Nvidia와 순환 금융, 그리고 텔레콤 버블의 그림자

2025년 Nvidia가 OpenAI 등에 1,100억 달러 벤더 파이낸싱을 단행하며 텔레콤 버블 당시 대규모 순환 금융 구조와 유사성이 부각됨
미국 빅테크들은 2025년에 3,000~4,000억 달러 규모의 사상 최대 AI 인프라 투자를 예고함
이 투자 규모는 기존 단일 연도 기업 인프라 투자 기록을 크게 상회함

Lucent의 전략: 순환 금융의 교훈

1999년 Lucent Technologies는 닷컴 버블 정점에서 379억 달러 매출, 이후 불과 3년 만에 69% 급락, 결국 Alcatel과 합병 수순을 밟음
당시 Lucent와 Nortel, Cisco 등 장비 업체들은 수십억 달러의 벤더 금융을 통해 고객인 통신사에 장비 구입 자금을 직접 제공함
- Lucent 81억 달러, Nortel 31억 달러, Cisco 24억 달러 대출 약정
이 전략은 초기에는 모두에게 유리해 보였으나, 시장 포화와 자금 경색이 닥치며 고객사 대다수(47개 CLEC) 파산, 대출금의 33~80% 미회수, 장비 가치 폭락이라는 치명적 결과로 이어짐
실제로 광케이블 네트워크는 가용 용량의 0.002%만 활용되는 등 수요에 비해 투자 시점이 매우 빨랐음

Nvidia의 전략: 차별화된 순환 금융 구조

Nvidia는 2025년 기준 직접 투자 1,100억 달러(매출의 85%), GPU 담보 대출 150억 달러 이상을 운용함
- OpenAI와는 1,000억 달러 구체 약정(10회 분할 트랜치, 인프라 구축 단계별 지급, 실질 자금 유입은 GPU 리스 형태)
- CoreWeave, NVentures 등에도 추가 투자 및 GPU 담보 대출 시장 확산
CoreWeave의 경우 104.5억 달러 GPU 담보 부채를 보유하고, Lambda Labs 등 다른 AI 신생기업들도 GPU를 대출 담보로 활용

수치 비교: Lucent vs Nvidia (2024년 달러 환산)

항목	Lucent (2000년)	Nvidia (2025년)
벤더 파이낸싱	150억 달러	1,100억 달러
영업 현금흐름	3억 달러	154억 달러(22회계연도 2분기)
연 매출	340억 달러	1,300억 달러
상위 2개 고객 비중	23%	39%

주의할 점: 새로운 시장적 위험 구조

1. 더 집중된 AI 고객 기반

Nvidia 상위 2~4곳 고객에 매출 46% 집중, Lucent 대비 2배에 달하는 고객 집중 현상
매출의 88%가 데이터센터에서 발생

2. GPU 담보 대출의 확대와 재고 리스크

GPU는 4~6년 가치 유지 전제로 14% 고금리 대출에 활용됨 (투자등급 회사채의 3배 수준)
실제 GPU의 실사용 수명은 1~3년에 그치는 것으로 나타남 (Google 설계자·Meta 실사례)

기업	2020년 전	2020년	2022~2023년	2024~2025년	변화폭
Amazon	3년	4→5년	5년	6→5년	최초 단축
Microsoft	약 3년	4년	6년	6년	+100%
Google	약 3년	4년	6년	6년	+100%
Meta	약 3년	4년	4.5→5년	5.5년	+83%
CoreWeave	N/A	N/A	4→6년	6년	+50% (GPU)
Nebius	N/A	N/A	4년	4년	업계 표준

Amazon은 2025년 감가상각 기간을 6년에서 5년으로 되돌려, 최초로 보수적 회계 관행을 적용함
CPU는 5~10년 활용이 일반적이나, AI 데이터센터의 GPU는 실제 사용에서 1~3년 내 교체가 빈번하게 발생함 (Meta Llama 3: 연 9% 고장률 → 3년간 27% 불량 예측)
주요 금융기관(예: Cerno Capital)은 "이러한 감가상각 정책이 진정한 경제적·기술적 현실을 반영하는지, 아니면 투자자 관심 분산을 위한 '착시' 전략인지" 의문을 제기함

4. SPV(특수목적법인) 구조 활용

대형 테크기업들은 Apollo 등 사모펀드와의 SPV 합작 투자를 통해 데이터센터 건설 자금을 조달
- SPV가 데이터센터를 보유·운영, 장기 리스로 테크기업에 제공
- SPV 부채는 회계상 테크기업 재무제표에 반영되지 않음(오프밸런스처리)
- 일반적으로 자본 10~30%, 부채 70~90% 구조
이러한 구조는 신용도 보호, 투자비 노출 축소 등의 이점이 있지만, 만약 데이터센터 활용률 저하·GPU 가치 하락 시 얇은 자본 계층 보유자(Equity holder)부터 손실 발생
현재 데이터센터 자산은 주요 부동산 투자신탁(REIT) 포트폴리오에서 10~22% 차지(2년 전 ‘0’에서 급증)

5. 커스텀 실리콘 경쟁 리스크

Microsoft(Maia), Google(TPU), Amazon(Trainium/Inferentia), Meta(MTIA) 등 직접 개발 AI 가속기 사용 확산
고객사가 자체 칩 전환 시, CoreWeave 등 GPU 담보 자산 가치 하락, Nvidia 벤더 파이낸싱 리스크 증폭

Nvidia와 Lucent의 본질적 차이

Lucent: 11억 달러 매출 조작, 경영진 10명 SEC 기소, 재무제표 불신
Nvidia: PwC 감리, 등급 개선, 매년 500억 달러 이상 현금 창출, 462억 달러 순 현금 유지(2024년)
Lucent: 고객사 대부분이 과도하게 부채 레버리지 사용 및 적자 상태
Nvidia: 상위 고객(Microsoft, Alphabet, Amazon, Meta 등)은 2024년 기준 4,510억 달러의 영업현금흐름으로 양호한 펀더멘털
Lucent는 투자 대비 활용도가 0.002%에 불과했으나, Nvidia는 상위 고객사들이 AI 인프라 부족(공급 제한) 현상 보고

주목해야 할 지표들

GPU 활용률: 실제 데이터센터에서 GPU 사용량이 충분한지, 단순 재고 비축인지 지속 모니터링 필요
OpenAI 수익성: 대규모 인프라 구축이 충분한 수익으로 이어지는지 확인 필요
부채 부실 징후: 150억 달러 규모의 GPU 담보대출 시장에서 상환불능 징후 확인 필요
AR(Accounts Receivable) 관리 트렌드: AR 비율이 개선(68%→30%)되고 있으나, 추가 악화 주의 필요
고객 다각화: 새로운 고객층 확보 여부, 소수 대형 고객 의존성 지속 모니터링
커스텀 실리콘 이슈: 하이퍼스케일러의 자체 칩 전환 시 Nvidia의 파이낸싱 노출 위험 확대
밴더 통합 트렌드: 시장 내 다수 대안 실험 후, 최종적으로 일부 벤더에 수요 집중 가능성

미국 내 AI 실 사용률은 2023년 20%에서 2025년 40%로 급증
하지만 MIT 연구에 따르면 AI 도입 파일럿의 95%가 실질 재무 성과를 내지 못하는 등 통합 문제도 지적됨
그럼에도 AI 근로자 임금은 2배로 상승, 이용자 생산성도 40%까지 향상되는 등 긍정적 신호 확인
OpenAI는 2025년 상반기 43억 달러 매출, 47억 달러 손실(절반은 주식보상)로 아직 적자 상태
과거와 달리, 현재 대형 고객사는 충분한 현금 및 성과 중심 경영 유지, 실제 인프라 수요가 존재하고 있음

결론: 순환 금융의 구조적 리스크와 2025년 AI 시장

Nvidia의 대규모 벤더 파이낸싱 전략은 명백한 성장과 기술 수요를 활용하지만, 고객 집중, 자산 가치 변동, 커스텀 실리콘 도입 등 리스크 내재
Lucent 사례처럼 자산 과대평가, 부채 부실, 회계투명성 저하 시 위험이 급격히 현실화될 수 있으므로, 주요 메트릭과 시장 동향의 엄격한 모니터링 필요

부록: Lucent의 회계 부정과 순환 금융 위기

Lucent는 2000년 회계부정(매출 11.5억 달러, 세전이익 4.7억 달러 조작)으로 SEC 조사를 받음
- ‘채널 스터핑’: 유통사에 미판매 제품을 미리 공급, 매출로 일괄 계상
- ‘사이드 어그리먼트’: 유통계약과 별도로 반품권, 특혜 부여 후 매출 인식
- ‘충당금 조작’: 과도한 손실충당금 설정·해제 통해 실적 변동성 최소화
Lucent는 2억 5,000만 달러 과징금 부과 및 임원 10명 기소
대표 사례로, WinStar에 20억 달러 파이낸싱 제공한 후 WinStar 파산, Lucent는 7억 달러 손실 기록
이런 패턴으로 2001~2002년 35억 달러의 대손 충당금 적립, 실질 부실 위험이 나타난 전형적 사례임

▲

GN⁺ 8일전 [-]

Hacker News 의견

90년대에 동네 소규모 ISP에서 일했던 경험이 있음, 그 당시 Lucent가 인터넷 장비 분야에서 가장 앞서 있었음, 우리는 Portmaster 3를 사용해 다이얼업 연결을 처리했고 Lucent의 초기 무선 기술도 살펴봤음
텔레커뮤니케이션법(Telecommunications Act) 1996 덕분에 통신사들이 인프라를 타사에 임대해야 했고, 이로 인해 ISP의 T1 임대료가 큰 폭으로 인하됨(T1이 96년에 월 1800달러에서 99년에는 600달러로 감소), 그 후 통신사들이 FCC를 상대로 소송을 걸어 2003년에 법이 사실상 무력화됨
경쟁 지역 교환 사업자 관련 위키 설명
- 지역에 따라 가격차가 컸음, 내가 일하던 소규모 ISP는 T1을 월 1,500달러에서 500달러, 이후 고객까지 가는 T1 루프는 월 100달러, 전체 회선을 데이터센터로 백홀 하는 OC12 SONET 링에는 수천 달러를 썼음
  이 모든 가격 변동의 핵심 원인은 통신법에서 정한 ILEC의 네트워크 설비 분리 판매 의무였음
  대부분의 CLEC(경쟁 사업자)들도 결국 지역 ILEC 물리망을 썼기 때문에 구조적 변화가 컸음
  재미있는 점은 90년대 후반 다이얼업이 아직 대세였을 때, 음성 T1 PRI(월 250달러)가 데이터 T1(월 500달러)보다 더 저렴해서 많이 활용되었음
  통신법이 무력화된 이후에도 ILEC는 도매/분리 서비스를 계속 판매했는데, 이 사업이 고수익임을 이미 파악한 듯함
- 나는 텔레콤 붐 시절 스타트업에서 일했음
  그때는 Cisco 같은 곳이 아직 제품이 없는 스타트업을 인수하기도 했고, IPO만이 유일한 엑시트였으며 엔지니어들은 6개월 락업에 묶였음
  운 좋은 사람들은 급락 전 IPO나 매각으로 빠져나갈 수 있었고, 버블 붕괴 후에는 자금이 말라 거의 모든 스타트업이 망했음
  수년간의 침체 이후 새로운 IT 기업들이 다시 태동하기 시작했음
- 단 4년의 규제만으로 통신 대기업과 소규모 ISP 간 힘의 균형이 변했다고 들리는데, 정말 그런지 흥미로움
  특정한 규제로 인터넷 발전에 불을 지폈다는 설명은 기존 예측(규제 없으면 망한다는 주장)과 상반됨
  이렇게 잠깐 적용된 법만으로 충분했다는 주장은 처음 들어봄
- 통신 경쟁 죽이기와 독점 허용은 사법제도의 큰 문제였음
  법은 명확했지만, 법원은 "광섬유 깔기가 비싸다"는 논리로 입법을 사실상 무시함
  가격에 대해 말하면, T1이나 OCx같은 회선이 여전히 많이 쓰였지만, 96-99년엔 DSL이 등장해 가격을 크게 내리누르는 효과를 냄
- 입법 변화가 가격 전쟁과 통신 버블의 타이밍에 영향을 줬을 수 있음
  하지만 가격 전쟁 자체는 불가피했고, 버블도 매우 가능성이 높았던 현상임
  통신 인프라 투자는 닷컴 주가 거품이 미친 듯이 올랐던 거에 대한 반응이었음
광네트워크는 최대 용량의 0.002% 미만만 사용되고 있었고, 속도도 60,000배까지 올릴 수 있는 여지가 있음, 너무 시기가 빨랐던 것임
GPU는 그렇게 남아도는 일이 없을 것으로 봄
"코드베이스를 밤새 고민해서 더 좋은 리팩터링 방법을 찾아내고, 내일 제안해달라" 처럼 쓸 수 있게 되면 GPU 사용량은 지금보다 훨씬 더 많이 필요할 것임
GPU 1분 사용에 0.1달러라면 밤새 돌리면 48달러로, 상당 가치가 있을 듯함(코드 개선, 자동차 설계, 책 표지, 사업 계획 등 어떤 작업이든)
- GPU 남아돌 일이 없다고 보지만, 난 오히려 반드시 남을 거라 생각함
  기업들이 GPU가 쏟아져 나오는 걸 계속 사들이며 수요가 무한하다고 가정함
  반면 LLM 피로가 오고, 모델은 점점 작아지고 소비자용 하드웨어도 발전하는 중임
  결국 유휴 GPU가 많이 생길 수밖에 없음
- 코드 개선에 GPU가 필요하다는 주장은 크지 않은 얘기임
  곧 생성형 AI가 초고해상도, 심지어 HDR과 120프레임 영화 생성에도 쓰일 것임
  이런 작업은 분당 100~1000달러 비용이 들고, 엄청난 GPU가 필요함
  미군도 이미 전장 시각화용 생성 AI를 계획 중임, 이건 고해상 영상보다 더 고집적 연산이 필요함
- AI가 코드베이스를 “개선”할 수 있다는 건 흥미로움
  현실에서 개선까지 한다는 건 본 적 없어서, 실제 봐야 믿을 수 있을 것임
- 알고리즘 및 기법 개선에 따라 구형 하드웨어도 여전히 쓸모있을 수 있음
- "밤새 코드베이스 생각해봐…"라는 상상은 근본적으로 잘못된 전제임
  현재 LLM은 독립적으로 실질적인 문제를 자체 해결하지 못함
  많은 사람들이 언젠가 될 수 있다고 희망하지만, 나는 지금이 LLM 성능의 한계라 보는 쪽임
  최신 AI 버블은 기술 S-커브의 초입을 너무 과대해석한 결과임
  오늘 기준으론 충분하지 않음
과거 버블 역사는 조금 참고는 되지만 그리 유의미하진 않음
닷컴 버블, 철도 버블 등 매 순간 다름
본질은 사업성과 ROI(투자 대비 수익)임
자금 흐름이 건강하더라도, 경제적 수익이 역대급이 아니면 결국 붕괴 위기임
모두가 황금알 거위 쫓는 상황임
- Bezos가 10GW 이상의 데이터센터를 우주에 짓는 계획을 언급한 것에서, 이게 ROI(수익률)보다 미래 권력 구조, 즉 초부유층이 더는 노동력을 필요로 않게 되는 세상 구축이 목표라는 생각이 들기도 함
  관련 HN comment
  Bezos 우주 데이터센터 언급 기사
- 과거 메커니즘만 집착하면 미래 가능성 공간을 너무 제한하게 된다고 봄
  닷컴 버블도 수많은 "가능한 경로" 중 하나로만 흘러갔기 때문임
  같은 식으로 보면, 다음 버블의 실현 방식도 놓칠 수 있음
- Lucent와 Nvidia, Microsoft, OpenAI, Google 간의 회계 처리 차이가 사실 "더 교묘한 거짓말과 실제보다 과장하는 기술"이 발전한 것 아닌가 하는 우려가 있음
  버블이 터지고 나야 진짜 숫자가 드러남
- 이번에는 법정화폐와 정부의 뒷받침까지 있으니 과거와 또 다름
닷컴과 텔레콤 붕괴 한가운데에 있었음, 특히 텔레콤은 훨씬 더 심각했음
광섬유는 녹슬지 않으나 엄청난 과잉설치가 있었고, 10년 후 DWDM 기술 덕에 8가닥 중 2가닥만 실제 쓰는 식이었음(파장은 전보다 훨씬 다양하게 적용)
GPU의 10년 후 중고 가치는 얼마일지, 과잉 투자된 GPU에도 'DWDM 같은 해법'이 끼어들 수 있을지 궁금증
지금 우리가 엄청 흥미로운 시기를 살고 있음
Nvidia의 가장 큰 문제는 그들의 매출이 영속적이지 않음에도 시장이 반복 매출처럼 평가하며, 실제로는 1~2년 정도만 지속될 CAPEX 투자임
이 구조가 계속 지속될 수는 없다고 단순하게 봄
- NVDA의 주가는 극단적으로 비싼 것도 아니고, EPS 25배에 불과함
  매출 성장세가 빠르고, 역사상 가장 중요한 기술 전환이 앞에 있는 상황임
  시장도 이미 성장 둔화를 주가에 일부 반영하고 있음
- 코로나 시기 주목받은 Zoom, Peloton 같은 기업들도 비슷하게 미래가 계속될 것으로 시장이 가정했음
  시장 구조가 늘 이런 패턴을 반복함, 최근엔 3D 프린팅, 대체육도 마찬가지였음
  OpenAI에 대한 투자는 CAPEX 둔화에 대한 헷지로 해석할 수 있음
- Nvidia는 발표만 하면 그래픽카드가 바로 품절됨
  마진이 어마어마하게 높지만, 여전히 수요를 다 못 맞춤
- 결국 이건 단순 경제 논리임
  수요가 한 번만 삐끗해도 중고 GPU가 쏟아져 나오고, 새 제품을 살 필요가 없어짐
  그때가 되면 Nvidia가 지금 매출을 이어가는 건 불가능해질 것임
- TSLA도 마찬가지임
  주식 시장은 사실상 부자들을 위한 은행이고, 대출과 신용으로 포장됨
  실제야 거품이지만, 부자들이나 신경 쓰는 영역임
  우리 같은 일반인은 그냥 개미에 불과함
"텔레콤 중에 텔레콤"에서 일할 때, 우리는 모바일 데이터 수요 덕분에 다크파이버(미활성 광섬유)를 15년이나 지난 후(2015년)에야 비로소 점등했음
과잉설치 규모가 정말 어마어마했음
광케이블은 항상 유용했는데, GPU는 그렇게 오래 쓰일 수 있을지 의문임
개인적 경험으로 이야기함
- 새 광섬유는 별로 에너지 효율이 높아지지 않았음
  다만 땅을 파는 백호의 효율도 전혀 달라지지 않았음
- "이 카드들이 오래 쓸 수 있을까?"란 질문에, 본문에 나온 예시로는 스트레스가 심해 1~2년이 수명일 수 있다고 함
- 2005년 당시, 장거리 통화 요금 덕분에 텔레콤은 현금용 암소였고, 기계식 교환기까지 이미 감가상각한 경우 돈을 마구 찍어냈음(규제가 수익 보장)
  하지만 그 구조도 그리 오래 안 가서, 많은 지역에서 "비규제수익"을 노린 관리형 서비스(예: DataDog 같은 솔루션) 쪽으로 확장 시도함
  사업의 본질, 비이성적 낙관이 언제든 기업을 무너뜨릴 수 있음
- 칩 자체는 수명이 길지 않겠지만, 그 안에 들어간 R&D는 여전히 가치가 있음
  문제는 그 가치가 얼마나 회수될 수 있느냐임
- 하이퍼스케일러 지원을 위해 건설 중인 고밀도 데이터센터가 사실상 다크파이버 과잉 설치와 비슷하다고 봄
  2015년에 광선을 점등했을 때 1998년에 산 라인 카드를 그대로 쓴 건 아니었을 거라 생각함
근본적으로는 AGI(일반 인공지능) 달성의 불확실성이 가장 큰 이슈라고 생각함
현재 탑라인 투자 90%가 그 2~5년 내 달성을 전제로 쏠려 있음
그게 충분히 빠르게 안 오면 투자자 관심이 뚝 떨어질 위험
계속 벤치마크 성장으로 흥미를 붙들고 있으나, 6~12개월 뒤엔 신규 이정표도 바닥이라고 예상함
진짜 다음 단계는 소프트웨어 개발, 암 연구, 로보틱스 등에서 실제 결과를 보여줘야 함
지금 구조로는 어렵다고 본다
- AGI는 멀었다고 봄
  최대의 기회는 법과 의학처럼 지식 베이스가 방대해 인력이 대학원까지 가서 습득하는 영역이라 생각함
  코딩은 특히 LLM 활용도가 높아질 것임
  문제는 기존 골치 아픈 코드 리팩터링 등 밀린 작업이 끝나고 나면, 신규 코드 생성만으로는 지금과 같은 하드웨어 수요 버블은 절대 유지 못 한다는 점임
- 하이퍼스케일러들도 AI 투자(CAPEX)에 영업현금흐름의 절반도 안 쓰는 중임
  진짜 AGI 달성에 베팅하는 수준이면 규모는 훨씬 더 클 것임
- “지금 네 회의도 5년 전 ‘생각하는 기계는 불가능하다’ 주장만큼 근거 없는 회의론일 수도 있음, 지금 LLM도 이미 등장해 있음”
- 왜 사람들이 마이너스 평가 날리는지 모르겠음
  AI 연구자들과 얘기만 해봐도 현실적인 기대치를 갖고 있음
  하지만 비즈니스 쪽인, 기술 모르는 사람들일수록 지나치게 과한 기대를 품고 있음
  "월 20달러로 ChatGPT가 일 다 해줄 거다" 식의 계산으로 인력을 줄이고 예산, 계획, 채용도 벌써 다 조정하는 상황임
  1년 후 뻔히 잘 안되면 AI에 대한 태도는 바로 반대로 돌아섬(분노, 회피, 신제품 불신 등)
  실패가 누적되면 성장률이 느려지고, 그러면 투자자 불안, 주가 급락, 밸류에이션 하락도 같이 올 것임
내가 이해를 못 하는 건 “학습”용 GPU 수요가 지금처럼 계속 높게 성장할 거라는 낙관임
추론(inference) 수요는 이해하지만, 이미 훌륭한 프리 모델들이 많고, 애플 M4나 AMD Max APU 같은 소비재에서도 잘 구동됨
이 상황에서 추가 GPU 투자 수요가 정말 많이 남아 있는지 의문임
- Reinforcement Learning(강화학습)이 새로운 GPU 전쟁터가 될 것으로 봄
  예: o1, o3, GPT-5, Sonnet 3.7, 4, 4.5 등 변화
  모두가 B200으로 추론을 할 수 있게 되면 모델이 다시 커질 수 있지만, 현재로선 RL 훈련 예산에서 GPU 갈증이 제일 심함
- 그래도 궁극적 목표는 GPU를 더 많이 돌려서 AGI에 한 발 더 다가가는 무한경쟁이기 때문이 아니냐는 주장도 있음
- 계속 학습하는(Continuous Learning) 구조가 다음 GPU 수요 촉진 요소가 될 거라 추정함
- 추론(inference)은 결국 클라우드에서 공유 기반으로 가는 게 원가상 제일 쌀 것임
  대부분의 B2B 사례는 AWS 등 데이터센터 기반으로 옮겨갈 거라고 봄
  특수한 경우(CERN이나 Apple Siri)는 FPGA나 저전력 ASIC 등 전용 하드웨어로 하지만, 그 외는 점점 “클라우드 기반”이 표준이 됨
닷컴 버블 땐 광고가 순환 효과를 만들었음
VC가 스타트업에 자금 넣고, 스타트업은 Yahoo 등 광고에 그 돈을 씀
Yahoo 매출이 급증해 주가가 오르고, 이게 인터넷에서 돈 번다는 신호가 되어 다른 스타트업들 IPO 시장을 키움
돈이 돌수록 광고→수익→시총→더 많은 VC투자→더 많은 광고 순환이 계속됨
참고자료 14번에서는 OpenAI가 Nvidia의 GPU를 일시불 구입이 아니라 임대(리스)로 쓸 것이라 밝혔는데,
Nvidia가 "여기에 투자했다"라고 표현하는 것을 이해하기 어려움
임대라면 그냥 대여료 받을 뿐인데, 왜 투자로 칭할까? Nvidia가 뭘 ‘투자’한 거지?
- Nvidia가 처음에 GPU를 생산·공급할 때 자금을 먼저 투입해야 하고, 만약 이 자산 배분이 제대로 결산되지 못하면(예: 고객이 파산할 경우) 위험 부담이 됨
  이 리스크를 감수하는 대신 추가 보상을 기대하는데, 이 구조 자체가 투자 특성을 띔
- 회계 전문가는 아니지만, 리스가 끝나면 Nvidia는 감가상각된 저가 자산만 손에 쥐게 될 것이라고 봄
  차량 리스와 달리 GPU 중고 시장은 그리 크지 않을 듯함
  즉, Nvidia는 전액 선불을 받지 않고 GPU를 “할부”로 제공하는 셈임
  리스료 총액이 원가와 맞먹는지 궁금함

답변달기