곡괭이를 사던 손이 연산을 파는 입이 되었다

2026년 7월 1일, 블룸버그가 하나의 보도를 보도했습니다. 메타가 자체 AI 인프라의 여유분을 외부에 판매하는 클라우드 사업을 검토 중이라는 내용이었습니다. 메타 주가는 그날 8.81% 급등했습니다.

다음 날, 코스피는 7.89% 폭락했습니다. 삼성전자가 9.06%, SK하이닉스가 14.57% 하락했습니다. SK하이닉스의 하락폭은 2008년 금융위기 이후 17년 만에 최대치였습니다. 코스피에서는 매도 사이드카가 발동되었고, 외국인은 10거래일 연속 순매도를 기록했습니다.

표면적으로는 '메타가 클라우드 사업을 한다'는 뉴스입니다. 시장은 이를 AI 인프라 과잉 공급의 신호로 읽었습니다. 가장 많은 GPU를 사던 고객이 이제 연산을 팔겠다고 나선 것이니, 'HBM이 더 필요한가'라는 질문이 시장의 근저를 관통한 겁니다.

그런데 이 해석은 표면에 불과합니다.

곡괭이의 역류

1849년 캘리포니아 골드러시에는 오래된 농담이 있습니다. 금을 캐러 온 사람보다 곡괭이를 판 사람이 더 돈을 벌었다는 이야기입니다. 이 비유는 AI 산업에서 그동안 정확히 들어맞았습니다. 엔비디아가 곡괭이를 팔고, 메타와 구글과 아마존이 그 곡괭이를 사서 금을 캐는 구조였죠.

메타의 발표는 이 구조를 뒤집습니다.

곡괭이를 가장 많이 산 사람이 이제 자기 광산을 열겠다고 나선 겁니다. 메타가 2026년에 GPU와 데이터센터에 투입한 자본 지출은 1,250억에서 1,450억 달러입니다. 이 막대한 투자를 내부 비용 센터에서 외부 수익 원천으로 전환하겠다는 선언입니다. 메타 내부에서는 이 프로젝트를 'Meta Compute'라 부르고 있습니다. 인프라 책임자 산토시 자나르단과 슈퍼인텔리전스 랩의 다니엘 그로스, 디나 파월 맥코믹 사장이 공동으로 이끌고 있는데요.

사실 메타가 연산을 외부에 팔려는 것은 갑작스러운 결정이 아닙니다. 2026년 3월, 구글은 메타의 제미나이(Gemini) 모델 사용을 제한했습니다. 메타의 연산 수요가 구글의 수용 능력을 초과했기 때문입니다. 이 제한으로 메타의 내부 AI 프로젝트 여러 개가 지연되었습니다. 구글조차 연산 부족에 시달리는 상황에서, 메타가 자체 인프라를 구축하고 그 여유분을 판다는 것은 자연스러운 전략적 귀결이었죠.

다만 시장이 놀란 것은 이 전략의 방향이 아니라 속도입니다. '언젠가' 일어날 일로 생각했던 연산의 상품화가 '지금' 일어나고 있다는 신호로 읽힌 겁니다.

저커버그의 계산

마크 저커버그는 2025년 5월 주주 회의에서 이미 이 가능성을 언급했습니다. 외부 기업들로부터 API 서비스와 연산 구매 요청이 매주 들어오고 있다며, 인프라 과잉 구축 시 이를 판매하는 옵션을 고려하겠다고 밝혔습니다. 그는 가능한 많은 연산을 먼저 확보한 뒤 용도를 결정하겠다는 전략을 취해왔습니다.

이 전략의 배경에는 숫자가 있습니다.

메타의 2026년 연간 자본 지출 가이던스를 1,250억에서 1,450억 달러로 상향한 것은 투자자들에게 큰 부담이었습니다. 메타 주가는 발표 직후 급락했고, 2026년 들어 연초 대비 8% 하락해 있었습니다. 투자자들은 '이 막대한 지출이 언제 수익으로 돌아오는가'를 끊임없이 물었습니다.

클라우드 사업은 이 질문에 대한 답이 될 수 있습니다. 메타가 구축한 인프라를 외부에 임대하면, 자본 지출 회수 경로가 하나 더 생깁니다. AWS의 Bedrock처럼 자체 AI 모델(Muse Spark)에 대한 접근 권한을 판매하거나, CoreWeave처럼 원시 연산 능력을 직접 임대하는 방식이 검토 중입니다.

왜 시장이 이 발표에 그토록 격렬하게 반응했을까요. 메타가 연산을 판다는 것은 곧 자기들이 생각보다 연산에 여유가 있다는 방증이기 때문입니다. 가장 공격적으로 GPU를 사던 기업이 '여유분'을 말하는 순간, 시장은 '수요가 공급을 초과한다'는 그간의 핵심 서사를 의심하기 시작합니다.

연산의 상품화

AI 산업의 무게중심이 학습에서 추론으로 옮겨가고 있습니다. 이 전환은 단순한 기술적 변화가 아닙니다. 가치 사슬 전체를 재편하는 구조적 전환입니다.

학습 시대에는 가장 강력한 GPU를 가장 많이 가진 자가 이겼습니다. 엔비디아의 H100과 B200이 곡괭이였고, 그 곡괭이를 가장 많이 산 메타와 구글과 마이크로소프트가 금광을 독점했습니다. 하지만 추론 시대의 논리는 다릅니다. 추론은 학습만큼 극단적인 연산력을 요구하지 않습니다. 특정 작업에 최적화된 ASIC 칩이 범용 GPU보다 비용 효율이 높을 수 있죠.

모건스탠리의 전망에 따르면 2026년 ASIC 칩 출하량은 약 770만 개, 시장 점유율 45%에 달할 것입니다. 2027년에는 점유율이 58%까지 상승하며 GPU를 추월할 전망입니다. 구글의 TPU, 아마존의 Trainium, 메타의 MTIA, 마이크로소프트의 Maia, 그리고 OpenAI의 자체 칩 '할라피뇨'까지. 빅테크 기업들이 모두 추론 전용 칩을 내놓고 있습니다.

엔비디아의 시장 점유율은 정점인 87%에서 75%로 하락했습니다. 증분 시장의 상당 부분이 경쟁사로 이동하고 있는 셈입니다. SemiAnalysis는 엔비디아의 CUDA 해자가 과거에는 상상하기 힘들 정도로 빠르게 침식되고 있다고 평가했습니다. 앤스로픽은 학습에 구글 TPU를, 추론에 아마존 Trainium을 사용하며 엔비디아 GPU는 연구 및 탐색 용도로만 운용하고 있습니다.

연산이 상품화된다는 것은 가격 결정권이 이동한다는 뜻입니다. 곡괭이를 독점한 사람이 가격을 정하던 시대에서, 연산을 생산하는 사람들이 경쟁하며 가격이 형성되는 시대로 넘어가고 있습니다. 젠슨 황이 2026년 GTC에서 제시한 '토큰 공장(token factory)' 개념은 이 전환을 정확히 포착합니다. 데이터센터를 단순한 저장소가 아닌 토큰을 생산하는 공장으로 재정의한 것이죠. 공장이 많아지면, 공장의 산출물인 토큰은 상품이 됩니다.

칩 연방의 균열

2026년 6월 30일, 반도체 연구 기관 SemiAnalysis는 보고서 하나를 발표했습니다. 엔비디아가 GTC 2026에서 발표한 루빈 울트라(Rubin Ultra) 4칩 버전이 출시 3개월 만에 취소되었다는 내용이었습니다.

원래 설계는 4개의 계산 칩과 16개의 HBM4E 메모리 모듈을 단일 패키지에 통합하는 것이었습니다. TSMC의 CoWoS-L 패키징 공정에서 기판 휨 현상이 발생해 신호 전송이 실패했습니다. 결국 2칩 설계로 후퇴하며 성능이 절반으로 감소했습니다. TSMC의 대안인 CoPoS 패키징 양산은 2028년 말이나 가능합니다.

이 사건은 상징적입니다.

엔비디아의 무기는 가장 강력한 칩을 가장 빨리 만드는 것이었습니다. 하지만 물리적 한계에 부딪혔습니다. 4개의 칩과 16개의 HBM 스택을 하나의 패키지에 넣는 것은 조립 공정의 한계를 넘어섭니다. 반면 경쟁사들은 거대한 칩 대신 전용 칩을 만드는 방식으로 이 물리적 장벽을 우회하고 있습니다.

OpenAI는 브로드컴과 협력하여 자체 추론 칩 할라피뇨를 설계부터 시제품까지 9개월 만에 완성했습니다. 일반적인 고성능 ASIC 프로젝트가 18~36개월이 소요되는 것과 비교하면 파격적인 속도입니다. OpenAI는 자사 모델을 사용해 칩 설계의 일부를 가속화하는 폐쇄 루프를 형성했습니다. 더 나은 모델이 더 나은 칩을 설계하고, 더 나은 칩이 다음 세대 모델을 구동하는 선순환입니다.

이 흐름은 과거 애플이 인텔의 클라이언트 칩 독점을 깨뜨린 역사와 닮아 있습니다. 애플이 자체 A시리즈와 M시리즈 칩을 설계하면서 인텔 의존도를 낮추었던 것처럼, 이제 빅테크들이 엔비디아 의존도를 낮추고 있습니다. 차이가 있다면, 애플은 칩을 자사 기기에만 쓴 반면 메타는 칩과 연산을 외부에까지 판매하려 한다는 점입니다.

엔비디아가 구축한 GPU 중심의 질서를 칩 연방이라 부를 수 있을지도 모르겠습니다. 하나의 공급자가 곡괭이를 독점하고, 모든 광부가 그 곡괭이를 사야 하는 체제. 그 연방에 균열이 생기고 있습니다. 고객이 경쟁자가 되는 순간, 연방의 기반이 흔들리는 것이죠.

코스피의 60% 딜레마

한국 증시의 구조적 취약성은 이번 사태에서 극명하게 드러났습니다. 삼성전자와 SK하이닉스의 코스피 내 시가총액 비중은 약 60%에 달합니다. 엔비디아와 애플의 나스닥 비중 합계가 약 20%인 것과 비교하면 집중도가 세 배 가까이 높습니다.

골드만삭스는 이 집중도를 '거대 자기강화 피드백 머신'이라 불렀습니다.

삼성전자와 SK하이닉스를 추종하는 단일 종목 레버리지 ETF의 규모가 17조 원에 달합니다. 이 ETF들은 주가 상승 시 추가 매수, 하락 시 추가 매도를 유발하는 구조로 변동성을 증폭시킵니다. 6월 한 달 동안 코스피에서 서킷브레이커가 세 차례나 발동되었습니다. 2025년 한 해 전체에서 세 차례였던 것과 비교하면 구조적 변화의 깊이를 짐작할 수 있습니다.

왜 메타 하나의 발표에 코스피가 8%나 빠졌을까요. 시가총액의 60%가 반도체인 시장에서, 'AI 연산 수요가 과잉일 수 있다'는 신호 한 줄이면 지수 전체가 흔들리기 때문입니다. 일본 니케이 지수와 코스피의 상관계수는 0.84로 역사적 평균의 두 배를 넘어섰습니다. 골드만삭스는 이를 '북아시아 반도체 연합체'의 탄생으로 정의했습니다. 두 시장이 사실상 AI 하드웨어 자본 지출이라는 동일한 거래의 서로 다른 코드로 작동하고 있는 겁니다.

7월 2일의 폭락은 펀더멘털의 붕괴가 아닙니다. 메모리 가격 상승세는 여전히 견고하고, 장기 공급 계약 체계도 유지되고 있습니다. 문제는 구조입니다. 60% 집중도와 레버리지 ETF의 기계적 매매가 결합되면, 작은 신호도 시장 전체를 뒤흔듭니다. 이것이 코스피가 AI 거래 압력이 가장 집중되는 발화점이 된 이유입니다.

캘리포니아 골드러시에서 가장 부자가 된 사람은 리바이 스트라우스였습니다. 청바지를 판 사람이었죠. 금을 캐는 사람에게 필요한 것은 곡괭이만이 아니었으니까요. 하지만 골드러시가 끝나자 청바지는 더 큰 시장이 되었습니다. 도구가 상품이 되고, 상품이 일상이 되는 과정이었습니다.

AI 산업도 비슷한 경로를 걷고 있는지도 모르겠습니다. 연산이 상품이 되고, 상품이 인프라가 되는 과정. 곡괭이를 파는 사람과 곡괭이로 금을 캐는 사람과 금을 사는 사람의 경계가 흐려지고 있습니다. 메타는 곡괭이를 사서 광산을 열었습니다. 이제 그 광산에서 나온 연산을 팔려 합니다.

이 전환에서 한국 반도체의 위치는 특이합니다. HBM이라는 핵심 부품을 공급하면서도, 연산을 생산하고 판매하는 주체는 아닙니다. 칩을 파는 사람은 여전히 칩을 파는 사람이고, 연산을 파는 사람은 새로운 경쟁자로 등장했습니다. 그 사이에서 가격 결정권이 어디로 이동하는지가 다음 관전점이 될 겁니다.