연산력 배분 — 직접 쓸까 빌려줄까, AI 데이터센터 소유자의 기회비용 (2026)

2026-09-25

결론부터 말하면, GPU를 많이 가진 회사일수록 “몇 개를 가졌나”보다 “그중 몇 개를 직접 쓰나”가 더 중요합니다.

같은 GPU라도 자기 모델을 학습시키는 데 쓰면 미래 경쟁력이 되고, 남에게 빌려주면 오늘의 현금이 됩니다.

AI 인프라 관련 업종의 흐름은 https://dinsightlab.com 의 섹터 모멘텀 랭킹에서 다른 업종과 비교해 볼 수 있습니다.

연산력은 두 가지로 쓸 수 있다

첫째는 자체 사용입니다.

자기 AI 모델을 학습시키고 서비스를 돌리는 데 쓰면, 당장 돈은 나가지만 더 좋은 모델이라는 미래 가치가 생깁니다.

둘째는 외부 임대입니다.

다른 AI 회사에 시간 단위나 계약 단위로 빌려주면 감가상각이 시작된 설비에서 곧바로 매출이 나옵니다.

GPU는 비싸고 빨리 낡습니다.

새 세대 칩이 1~2년마다 나오기 때문에, 놀리는 GPU는 가치만 떨어집니다.

자체 학습 일정 사이 비는 시간이나, 신형으로 옮겨가며 남는 구형 클러스터를 빌려주면 이 손실을 줄일 수 있습니다.

2026년 9월 기준 한 대형 AI 기업이 약 22만 개 GPU 규모의 기존 클러스터를 경쟁 AI 연구소에 빌려준 것도 이런 계산으로 볼 수 있습니다.

외부에 빌려준 연산력은 경쟁사의 모델을 키웁니다.

오늘의 임대 수익이 내일의 경쟁 격차 축소로 돌아올 수 있습니다.

또 장기 계약으로 묶어두면 정작 자체 학습에 연산력이 더 필요해졌을 때 되찾기 어렵습니다.

그래서 회사가 발표하는 전체 GPU 수는 실제로 자기 모델에 쓰이는 양을 부풀려 보이게 할 수 있습니다.

GPU 공급사 입장에서 이런 대형 고객의 주문이 실적에 어떻게 반영되는지는 https://dinsightlab.com 의 기업 실적 화면에서 확인할 수 있습니다.

첫째, 발표된 GPU 수 가운데 외부 임대 비중이 얼마인지 봅니다.

둘째, 임대 계약 기간을 봅니다.

짧은 계약은 유연성을 남기고, 긴 계약은 안정적인 매출을 주지만 연산력을 묶습니다.

셋째, 자체 모델의 성능 발표 주기를 봅니다.

연산력을 많이 가졌는데 모델 발전이 느리다면, 그 연산력의 상당 부분이 다른 곳에 쓰이고 있을 수 있습니다.

AI 관련 종목을 보는 증권사 시각은 https://dinsightlab.com 의 애널리스트 투자의견 화면에서 함께 볼 수 있습니다.