Financial Engineering for AI: 비싸진 GPU 때문에 AI 랩이 기업 고객을 다년 최소약정으로 옮기는 이유
Theory Ventures의 Tomasz Tunguz는 Anthropic S-1/A에서 3분기 컴퓨트 지출 98억 6천만 달러의 51%가 단기 burst였고 GPU 시간당 blended 단가가 3.10달러에서 5.65달러로 올랐다고 짚었습니다. 그는 2027년 랩들이 기업 고객에게 GPU 임차 기간에 맞춘 고정 단가 다년 최소약정을 팔 것이라고 봅니다. 사는 쪽이 약정 수준을 정하고 조건을 협상하는 방법을 붙였습니다.
Anthropic의 수정 상장 신고서(S-1/A)를 보면 3분기 컴퓨트 지출의 절반이 넘는 돈이 비싼 단기 GPU 임차에 들어갔습니다. 매출이 늘었는데도 영업손익은 적자로 돌아섰습니다. Tomasz Tunguz는 그래서 2027년에는 AI 랩이 기업 고객을 사용량 기반 API에서 GPU 임차 기간에 맞춘 다년 최소약정으로 옮길 것이라고 봅니다. 사는 쪽은 그 제안이 오기 전에 자기 사용량 장부와 단가 시나리오부터 갖춰야 합니다.
요약
Theory Ventures의 Tomasz Tunguz는 Anthropic이 2026년 11월 2일 낸 S-1/A의 3분기 숫자를 읽고 AI 랩의 비용 구조를 짚었습니다. 3분기 매출은 169억 6천만 달러로 전 분기보다 54억 달러 늘었습니다. 같은 분기 컴퓨트 지출은 98억 6천만 달러였고 그중 50억 달러(51%)가 burst compute(장기 계약으로 못 채운 수요를 메우려고 단기로 빌린 GPU)였습니다. 그가 추정한 Anthropic의 GPU 환산 시간당 blended 단가는 두 분기 만에 3.10달러에서 5.65달러로 약 82% 올랐습니다. 영업손익은 2분기 9억 7,400만 달러 흑자에서 3분기 5억 6,700만 달러 적자로 바뀌었습니다.
원인은 기간이 어긋난 데 있습니다. 랩은 GPU를 여러 해짜리 계약으로 최대한 빌리지만, 그 물량이 모자라면 값이 훨씬 높은 단기 시장에서 사야 합니다. 반면 기업 고객 상당수는 쓴 만큼 내는 API로 삽니다. 모델 간 가격 경쟁 때문에 토큰 단가를 올리면 점유율을 내줍니다. Tunguz는 랩이 세 갈래로 대응한다고 정리합니다. 모델 효율을 높이고 구독 요금제의 사용 한도를 조이며 기업 고객을 다년 약정 계약으로 옮깁니다. 2027년에는 대형 고객에게 GPU 임차 기간과 같은 기간의 고정 단가 최소약정을 팔 것이라고 내다봅니다. 아래에서 이 구조의 개념을 풀고 사는 쪽이 준비할 일을 붙였습니다.
핵심 메커니즘
Burst Compute: 장기 계약으로 못 채운 수요를 메우는 단기 GPU
Burst compute는 미리 다년으로 빌려 둔 GPU가 모자랄 때 단기로 빌려 쓰는 연산 자원입니다. 수요가 계약 물량을 넘으면 그 차이만큼 단기 시장에서 사야 합니다. 원문에 따르면 단기 GPU 임차 가격은 시간당 약 3달러에서 12~13달러까지 올랐고 다년 계약은 대략 2~4달러에 묶여 있습니다. 3분기 Anthropic은 이 비싼 단기 물량에 50억 달러를 썼습니다. 이는 컴퓨트 지출 98억 6천만 달러의 51%입니다. 수요가 빨리 크는 회사일수록 burst 비중이 커집니다. 단가가 오르는 시기에는 원가 전체가 출렁입니다.
Blended GPU Cost: 장기·단기 단가를 섞은 평균 원가
Blended cost는 장기 계약 단가와 burst 단가를 사용 비중대로 섞어 낸 GPU 환산 시간당 평균 원가입니다. Tunguz는 공개된 공급 계약과 컴퓨트 지출을 시간순으로 놓고 이 값을 추정했습니다. 두 분기 전 3.10달러였던 값이 3분기에는 5.65달러가 됐습니다. 추정 범위는 3.45~8.29달러입니다. 원문 첫머리의 진단도 같은 맥락입니다. 그는 AI의 핵심 재료값이 지난 6개월 사이 두 배 넘게 올랐다고 진단합니다. 저자는 GPU 원가가 두 배가 되면 모델 효율을 두 배로 올리거나 고객 가격을 두 배로 올리거나 둘을 섞어야 맞출 수 있다고 봅니다.
Duration Mismatch: 고객 계약과 GPU 임차의 기간 차이
Duration mismatch는 비용을 묶은 기간과 매출을 받는 기간이 서로 다른 상태입니다. 랩의 GPU는 다년 계약이고 Anthropic의 장기 컴퓨트 약정 총액은 8,954억 달러입니다. 고객 매출의 상당 부분은 사용량 기반이라 달마다 늘고 줄며 단가는 경쟁 때문에 쉽게 올릴 수 없습니다. 공급도 곧 풀리지 않습니다. 원문은 데이터센터 프로젝트의 40~50%가 지연됐다는 Goldman Sachs 집계를 듭니다. 2027년 계획 용량의 60% 넘게 아직 착공 전이라는 JPMorgan 분석도 인용합니다. 발전기용 변압기는 3~5년을 기다려야 하고, GE Vernova와 Siemens Energy의 가스터빈은 2029년까지 생산분이 다 팔렸습니다.
Three Levers: 랩이 비용 상승을 흡수하는 세 갈래
가격을 올리지 못하는 랩이 쓸 수 있는 손잡이는 세 개입니다. 첫째는 모델 효율입니다. 원문은 Opus 5.5가 Opus 5보다 과제당 비용을 40% 낮춘 것을 계단식 개선의 예로 듭니다. 둘째는 구독 요금제의 사용 한도 축소입니다. OpenAI는 2026년 12월부터 Plus, Pro, Business 플랜에서 ChatGPT와 Codex가 한 토큰 한도를 함께 쓰게 합니다. 셋째로 기업 고객을 사용량 기반 API에서 다년 약정 계약으로 옮깁니다. 첫째는 원가를, 둘째는 정액 매출 안의 사용량을, 셋째는 매출의 기간을 바꿉니다.
Multi-year Minimum Commitment: GPU 임차 기간에 맞춘 고정 단가 약정
Minimum commitment는 고객이 정해진 기간 동안 최소 금액이나 최소 사용량을 사겠다고 약속하고 그 대가로 단가를 고정받는 계약입니다. Tunguz가 그리는 2027년 모습은 이렇습니다. 랩이 Fortune 500 같은 대형 구매자에게 고정 단가의 다년 최소약정을 팔되, 그 기간을 밑에 깔린 GPU 임차 기간과 맞춥니다. 그러면 비용과 매출이 같은 기간에 묶여 burst 시장에 덜 기대게 됩니다. 사는 쪽에서는 단가 상승 위험을 덜어 내는 대신 사용량 예측이 틀릴 위험을 떠안습니다. 사용 이력이 짧거나 쓰임새가 아직 크게 바뀌는 조직에는 약정이 부담이 될 수 있습니다.
통념과 다른 주장
흔히 이렇게 봅니다AI 토큰 단가는 해마다 내려가므로 쓰는 쪽의 비용은 시간이 지나면 줄어든다.
저자는 이렇게 봅니다AI의 핵심 투입물인 GPU 원가는 최근 6개월 사이 두 배 넘게 올랐고, 공급 압박은 가까운 시일 안에 풀리지 않습니다. 랩은 효율, 가격, 약정 가운데 어디선가 그 차이를 메워야 합니다.
근거Anthropic의 blended 단가가 두 분기 만에 3.10달러에서 5.65달러로 올랐고, 데이터센터 지연과 변압기·가스터빈 대기 기간이 몇 해 단위입니다.
흔히 이렇게 봅니다AI 경쟁은 GPU를 더 많이 확보한 쪽이 이긴다.
저자는 이렇게 봅니다2026년은 값을 가리지 않고 GPU를 찾는 경쟁이었다면, 2027년의 승자는 고객 계약 기간을 컴퓨트 기간에 맞춘 쪽입니다.
근거Anthropic은 매출이 54억 달러 늘어난 분기에 단기 burst 비용 때문에 영업 적자로 돌아섰습니다. 물량을 늘려도 기간이 어긋나면 손익이 흔들린다는 뜻입니다.
저자가 든 사례
Anthropic의 3분기 손익
- 상황: 수요가 빠르게 늘어 다년 계약 GPU만으로는 모자랐습니다.
- 한 일: 부족분을 단기 burst로 메워 3분기에만 50억 달러를 썼습니다. 컴퓨트 지출의 51%입니다.
- 결과: 매출은 169억 6천만 달러로 늘었지만 영업손익은 2분기 9억 7,400만 달러 흑자에서 5억 6,700만 달러 적자가 됐습니다. 영업현금흐름은 86억 달러 플러스였습니다.
- 연결: Burst Compute, Blended GPU Cost, Duration Mismatch.
OpenAI의 구독 한도 통합
- 상황: 구독 요금제 안에서 사용량이 늘면 정액 매출 대비 원가가 커집니다.
- 한 일: 2026년 12월부터 Plus, Pro, Business 플랜에서 ChatGPT와 Codex가 한 토큰 한도를 나눠 쓰게 했습니다.
- 결과: 효과 수치는 원문에서 밝히지 않았습니다.
- 연결: Three Levers의 두 번째 갈래.
Amazon의 Early Rack Receipt
- 상황: 데이터센터 착공과 전력 연결이 늦어지고 있습니다.
- 한 일: Amazon은 시설에 전력이 들어오기 전에 Nvidia GB300 랙을 먼저 받는 Early Rack Receipt 프로그램을 돌렸습니다.
- 결과: 2026년 8월 약 50억 달러어치를 받았고 이후 매달 약 30억 달러어치를 받았습니다. 수십억 달러어치 GPU가 전력을 기다리며 창고에 있다는 것이 저자의 설명입니다.
- 연결: Duration Mismatch(공급 제약이 곧 풀리지 않는 이유).
기술 디테일: 약정 제안을 받기 전에 사는 쪽이 만들 것
아래는 원문의 구조를 기업 구매자 입장에서 실제로 돌릴 때 필요한 준비입니다. 필드명과 숫자는 가상 예시입니다.
약정 수준을 정하려면(Multi-year Minimum Commitment) 먼저 사용량 장부가 있어야 합니다. 벤더 청구서와 API 사용 로그를 주 단위로 모아 모델, 팀, 과제 유형별 토큰과 비용을 집계합니다. 최소 6개월 치가 있으면 주별 사용량의 p50(중앙값)과 p90(상위 10% 경계)을 구할 수 있습니다. 약정 하한은 p50 근처로 잡고 p90과의 차이는 사용량 요금으로 남겨 두는 편이 미사용 위험을 줄입니다.
{
"week": "2026-W44",
"vendor": "vendor_a",
"model": "model_large",
"team": "customer_service",
"task_type": "ticket_summary",
"input_tokens": 182000000,
"output_tokens": 21000000,
"cost_usd": 4120.50,
"billing": "usage",
"committed_balance_usd": null
}단가가 오를 때를 대비하려면(Blended GPU Cost, Three Levers) 연간 AI 비용을 단가 +0%, +30%, +80% 세 시나리오로 다시 계산해 둡니다. +80%는 원문에서 Anthropic의 blended 단가가 두 분기 동안 오른 폭(약 82%)에 맞춘 극단값입니다. 랩이 이 원가를 그대로 넘긴다는 뜻은 아니지만, 구독 한도 축소나 약정 전환처럼 간접적으로 넘어올 때 예산이 얼마나 버티는지 볼 수 있습니다.
모델 효율로 비용을 줄이려면(Three Levers의 첫 갈래) 신모델이 나올 때마다 과제당 비용을 다시 잽니다. 실제 업무에서 뽑은 50~100건의 평가 세트를 두고 신·구 모델을 각 3회씩 같은 설정(temperature 0~0.2)으로 돌립니다. 과제당 토큰, 비용, 품질 점수를 비교합니다. 반복 실행 사이 품질 점수의 표준편차가 1점(10점 척도)을 넘으면 그 과제는 교체를 미룹니다. Opus 5.5처럼 과제당 비용이 크게 내려간 모델이 나오면 약정 금액 재협상의 근거가 됩니다.
약정과 사용량 요금을 섞어 쓰려면(Duration Mismatch를 사는 쪽에서 다루기) 요청마다 과제 유형과 예상 토큰을 태그로 달고 라우터가 약정 잔량과 과제 난이도를 보고 모델을 고르게 합니다. 약정 소진율이 계획보다 15%p 넘게 앞서거나 뒤처지면 경보를 보냅니다. 앞서면 초과 단가 노출을, 뒤처지면 미사용분 소멸 위험을 미리 알 수 있습니다.
현업 실행 디테일: 누가, 언제, 무엇을
원문은 파는 쪽의 계약 전략을 다룹니다. 아래는 사는 쪽이 그 제안에 대응하는 실행 예시입니다.
역할. CFO가 약정 총액과 기간을 승인하고 구매팀이 조건을 협상합니다. CIO·CTO 조직은 사용량 장부와 평가 세트를 만들며 법무는 이월·해지·단가 조항을 봅니다. 가능하면 벤더 두 곳의 조건을 나란히 받아 비교합니다.
4주 일정. 1주차에 최근 6개월 청구서와 로그로 사용량 장부를 만듭니다. 2주차에 단가 시나리오 세 개와 평가 세트 결과를 냅니다. 3주차에 벤더와 조건을 협상하고 4주차에 CFO 승인과 서명을 받습니다.
협상 때 물을 질문.
- 단가 고정 기간이 약정 기간 전체와 같은가, 중간에 조정 조항이 있는가?
- 쓰지 못한 약정 금액은 다음 해로 넘어가는가, 소멸하는가?
- 약정 기간 중 신모델이 나오면 같은 단가로 바꿔 쓸 수 있는가?
- 사용량이 약정을 넘을 때 초과분 단가는 얼마이며, 약정을 늘릴 권리가 있는가?
- 구독 요금제의 사용 한도를 바꿀 때 몇 일 전에 알리는가?
진행 판정 기준(예시). 사용 이력이 6개월 이상이고, p50 기준으로 하한을 정할 수 있고, 단가 고정 기간이 약정 기간과 같으면 진행합니다. 이력이 3개월 미만이거나 월별 편차가 커서 p50과 p90이 두 배 넘게 벌어지면, 또는 이월이나 모델 교체 조항이 없으면 보류하고 사용량 요금을 유지합니다.
AX 적용 제언. AI 지출이 부서별 카드 결제나 개별 API 키로 흩어져 있는 조직은 약정 제안을 받아도 판단할 근거가 없습니다. 먼저 전사 사용량 장부를 한 곳에 모으고, AX 추진 조직이 그 장부를 기준으로 약정 범위를 제안하는 순서가 맞습니다. 약정은 쓰임새가 이미 굳은 업무(고객 상담 요약, 문서 처리 같은 반복 과제)부터 걸고, 아직 실험 중인 에이전트 업무는 사용량 요금으로 남겨 둡니다. 구매 관행도 바뀝니다. 연 단위 소프트웨어 라이선스처럼 사던 AI를 원자재 장기 구매처럼 기간, 단가, 물량의 조합으로 보는 눈이 필요합니다.
원문 사례
| 항목 | 내용 |
|---|---|
| 글 | Tomasz Tunguz(Theory Ventures), tomtunguz.com, 2026.11.03 게재 |
| 근거 자료 | Anthropic Form S-1/A(2026.11.02 제출), 3분기까지 |
| 매출 | 3분기 169억 6천만 달러, 전 분기 대비 54억 달러 증가 |
| 컴퓨트 지출 | 3분기 98억 6천만 달러, 그중 단기 burst 50억 달러(51%) |
| GPU 단가 | blended 시간당 3.10달러 → 5.65달러(두 분기, 약 82%), 추정 범위 3.45~8.29달러 |
| 시장 단가 | 단기 임차 약 3달러 → 12~13달러, 다년 계약 약 2~4달러 |
| 손익 | 영업손익 2분기 9억 7,400만 달러 흑자 → 3분기 5억 6,700만 달러 적자, 영업현금흐름 +86억 달러 |
| 장기 약정 | 컴퓨트 장기 약정 총액 8,954억 달러 |
| 공급 제약 | 데이터센터 프로젝트 40~50% 지연(Goldman Sachs), 2027년 계획 용량 60% 넘게 착공 전(JPMorgan), 변압기 3~5년, 가스터빈 2029년까지 매진 |
| 랩의 대응 | Opus 5.5 과제당 비용 40%↓, OpenAI 12월부터 ChatGPT·Codex 한도 통합, 기업 고객 다년 약정 전환 |
| 2027 전망 | 고객 계약 기간을 GPU 임차 기간에 맞춘 고정 단가 다년 최소약정 |
핵심 개념
- S-1/A
- 미국 상장 신고서(S-1)의 수정본. 재무 숫자와 위험 요인이 새로 반영됩니다.
- GPU-equivalent hour
- 종류가 다른 가속기 사용 시간을 GPU 한 대의 한 시간으로 환산한 단위.
- serverless API
- 서버를 따로 잡지 않고 요청한 만큼 요금을 내는 API 사용 방식.
- Early Rack Receipt
- Amazon이 시설 완공·전력 연결 전에 GPU 랙을 먼저 넘겨받은 프로그램.
- Ornn Compute Price Index
- GPU 시간당 시장 가격을 추적하는 지수. 원문은 B300 기준 2026년 10월 30일 12.29달러를 인용합니다.
- operating cash flow
- 영업으로 실제 들어오고 나간 현금. 선수금이 많으면 영업손익이 적자여도 플러스일 수 있습니다.
내 메모
TODO: 내 생각 추가
원문은 Tomasz Tunguz(Theory Ventures)의 「The Financial Engineering Essential for AI in 2027」(tomtunguz.com, 2026.11.03 게재)이며, Anthropic이 2026년 11월 2일 제출한 Form S-1/A를 근거로 합니다. 원문은 후보 주소(tomtunguz.com/the-financial-engineering-essential-for-ai-in-2027/)에서 직접 읽었습니다. 요약, 핵심 메커니즘의 원문 내용, 통념과 다른 주장, 사례, 원문 사례 표는 저자가 언급한 내용을 AX Review가 다시 정리했습니다. 장기 계약분 48억 6천만 달러는 컴퓨트 지출에서 burst를 뺀 계산값입니다. 기술·현업 실행 디테일, JSON 예시, 시나리오 표, 일정과 판정 기준, 인포그래픽은 원문에 없는 내용으로 새로 작성했고 그 안의 필드명과 숫자는 가상 예시입니다. 원문 전체는 원문 페이지에서 볼 수 있습니다.