이미지펌) 현재 미국에서 ai 데이터센터가 ㅈ된 이유

* 긴 글 읽기 싫으면 맨 밑 3줄 요약만 보셈. Why AI Data Centers in the U.S. Are Starting to Face Questions About Profitability A lot of first-generation AI data centers were built around NVIDIA A100 GPUs about four years ago. The problem is that today's Blackwell systems can deliver up to 30x higher inference performance in certain workloads. That means many of those billion-dollar clusters are becoming economically obsolete much faster than anyone expected. To stay competitive, operators have to replace huge portions of their infrastructure. The problem? They don't have enough cash flow to keep doing it. Even if they upgrade everything to Blackwell today, history suggests they'll be forced to upgrade again in another 3–4 years as the next generation delivers another massive leap in performance. This creates a vicious cycle: Spend tens of billions on GPUs. Build new power and cooling infrastructure. Generate lower-than-expected returns because AI pricing keeps falling. Then replace everything again before fully recovering the original investment. Unlike traditional cloud infrastructure, AI hardware depreciates at an extraordinary pace because compute efficiency is improving exponentially. If model costs continue falling while hardware becomes obsolete every few years, capital expenditure may grow faster than operating profits. That's why investors are beginning to ask whether the AI infrastructure business can ever generate attractive long-term returns—or whether it's becoming an endless cycle of reinvestment just to stay in the game. 번역하면 지금 미국에서 AI 데이터센터가 사업성에 의문을 받는 이유 약 4년 전 지어진 1세대 AI 데이터센터들은 대부분 NVIDIA A100 GPU를 기반으로 구축됐다. 문제는 현재의 Blackwell 시스템이 일부 AI 작업에서는 최대 30배 이상의 추론 성능을 제공한다는 점이다. 즉, 수십억 달러를 들여 구축한 기존 AI 클러스터가 예상보다 훨씬 빠른 속도로 경제성을 잃고 있다는 것이다. 경쟁력을 유지하려면 결국 장비를 대규모로 교체해야 한다. 하지만 문제는 돈이다. 지금 막대한 비용을 들여 Blackwell로 업그레이드하더라도, 3~4년 뒤에는 또다시 성능이 몇 배에서 수십 배 향상된 차세대 GPU가 등장할 가능성이 높다. 결국 데이터센터 사업자는 다음과 같은 악순환에 빠질 수 있다. 수십억~수백억 달러를 GPU 구매에 투자한다. 전력·냉각 설비까지 새로 구축한다. AI 서비스 가격 경쟁이 심해져 기대보다 낮은 수익을 올린다. 투자금을 회수하기도 전에 다시 차세대 GPU로 교체해야 한다. 기존 클라우드 서버와 달리 AI GPU는 연산 효율이 매우 빠르게 발전하기 때문에 자산 가치가 훨씬 빠른 속도로 떨어진다. AI 서비스 단가는 계속 내려가는데 하드웨어는 몇 년마다 교체해야 한다면, 영업이익보다 설비투자(CAPEX)가 더 빠르게 늘어날 수도 있다. 그래서 최근 미국 시장에서는 "AI 데이터센터는 과연 장기적으로 돈이 되는 사업인가, 아니면 살아남기 위해 끝없이 돈만 쏟아부어야 하는 산업인가?" 라는 의문이 점점 커지고 있다. 요약하면 약 4년 전 구축된 미국의 1세대 AI 데이터센터는 주로 엔비디아 A100을 사용했다. 하지만 최신 블랙웰은 특정 추론 작업에서 최대 30배 높은 성능을 내기 때문에 기존 설비의 경쟁력이 빠르게 떨어지고 있다. 문제는 데이터센터가 막대한 비용을 들여 장비를 교체해도, 몇 년 뒤 더 강력한 차세대 GPU가 나오면 또다시 업그레이드해야 한다는 점이다. 전력과 냉각 설비까지 계속 투자해야 하지만 AI 서비스 가격 경쟁으로 수익성은 낮아질 수 있다. 결국 투자금을 회수하기도 전에 장비가 낡아지는 구조라, 미국에서는 AI 데이터센터가 장기적으로 돈을 버는 사업인지, 아니면 경쟁력을 유지하기 위해 계속 돈만 투입해야 하는 사업인지 의문이 커지고 있다. 3줄 요약하면 1. 1세대 AI 데이터센터(A100)는 최신 블랙웰 대비 성능이 크게 뒤처져 빠르게 경쟁력을 잃고 있다. 2. 살아남으려면 수십억 달러를 들여 GPU와 전력·냉각 설비까지 계속 업그레이드해야 한다. 3. 투자금을 회수하기도 전에 또 차세대 장비가 나와, AI 데이터센터의 장기적인 사업성에 의문이 커지고 있다.