AWS가 엔비디아 GPU 200만개를 더 깐다…AI 투자 열기가 아직 꺾이지 않은 이유

아마존웹서비스(AWS)와 엔비디아가 2026년 8월 26일 전 세계 AWS 데이터센터에 엔비디아 GPU 200만 개를 추가 배치하겠다고 발표했다. 배치 시점은 2027~2028년이며, 미국 정부와 국가안보 업무를 위한 보안 시설에도 이 가운데 10만 개가 들어갈 예정이다. 같은 날 엔비디아는 최근 분기 매출이 962억 달러로 1년 전보다 106% 늘었다고 밝혔다. AI 투자 열기가 기대가 아니라 실제 주문과 매출로 이어지고 있다는 두 개의 신호가 동시에 나온 셈이다.

GPU는 원래 화면의 그래픽을 처리하던 반도체지만, 많은 계산을 한꺼번에 수행하는 특성 때문에 AI 학습과 서비스 운영에 널리 쓰인다. 일반 독자에게 200만 개라는 숫자가 중요한 이유는 반도체 사양 때문이 아니다. 챗봇, 영상 생성, 기업용 AI 비서, 로봇 같은 서비스를 운영하려면 거대한 데이터센터와 전력, 네트워크가 필요하다. AWS와 엔비디아의 계획은 AI 경쟁이 이제 모델 발표를 넘어 수년 뒤에 쓸 물리적 기반 시설을 먼저 확보하는 단계로 들어갔음을 보여 준다.

다만 발표 계획이 곧 설치 완료를 뜻하지는 않는다. 200만 개는 2027~2028년에 걸친 추가 배치 계획이며 전력 공급, 건설 일정, 반도체 생산, 규제와 실제 고객 수요에 따라 달라질 수 있다. 엔비디아의 높은 매출도 현재 시장의 강한 수요를 보여 주지만, 앞으로 모든 AI 서비스가 수익을 낸다는 보장은 아니다. 발표된 사실과 기업의 낙관적인 전망을 나눠 볼 필요가 있다.

무엇을 발표했나

엔비디아 공식 발표에 따르면 양사는 AWS의 글로벌 기반 시설에 엔비디아 GPU 200만 개를 추가로 배치할 계획이다. 대상에는 현재 세대뿐 아니라 블랙웰 울트라, 루빈, 루빈 울트라 계열이 포함된다. 배치는 한 번에 이뤄지는 것이 아니라 2027년과 2028년에 걸쳐 진행된다.

AWS는 2026년부터 엔비디아 GPU 100만 개 이상을 더하겠다는 기존 계획을 내놓은 바 있다. 이번 발표는 그 위에 200만 개를 추가한다는 내용이다. 양사는 기존 예상보다 고객 수요가 컸다고 설명했다. 단순 합산만으로 설치 시점과 실제 가동 수량을 단정할 수는 없지만, AWS가 엔비디아 장비 확보 계획을 크게 늘렸다는 방향은 분명하다.

협력 범위는 GPU 구매에 그치지 않는다. 엔비디아의 중앙처리장치와 고속 네트워크, 공개형 AI 모델, 데이터 처리 기술을 AWS 서비스와 더 깊게 연결한다. 아마존 창고 로봇을 훈련하고 시험하는 데 엔비디아의 로봇 기술을 활용하는 계획도 포함됐다. 쉽게 말해 반도체 상자를 사는 거래라기보다 데이터센터의 여러 층을 함께 맞추는 장기 계약에 가깝다.

미국 정부용 10만 개 계획도 눈에 띈다. 양사는 연방기관과 국가안보 업무를 위한 높은 보안 등급의 AWS 기반 시설에 전용 AI 데이터센터를 구축하겠다고 밝혔다. 어떤 기관이 어떤 모델과 업무에 사용할지는 이번 발표에 구체적으로 나오지 않았다. 따라서 10만 개 모두가 특정 시점에 즉시 정부에 제공된다고 이해하면 안 된다.

왜 200만 개나 필요한가

초기 생성형 AI 경쟁은 더 큰 모델을 학습시키는 데 집중됐다. 학습은 AI가 방대한 자료에서 패턴을 익히는 과정이다. 그러나 이용자가 늘어난 지금은 학습을 끝낸 모델이 매일 수많은 질문에 답하는 ‘추론’ 계산도 크게 늘었다. 한 번 모델을 만드는 비용뿐 아니라 서비스가 사용될 때마다 반복되는 비용이 중요해졌다.

텍스트 챗봇만 있을 때보다 필요한 계산도 다양해졌다. 영상 생성은 긴 시간의 화면을 만들고 수정해야 한다. 음성 비서는 이용자의 말을 듣고 답을 만들며 소리를 생성하는 작업을 거의 동시에 수행한다. 기업용 에이전트는 문서를 읽고 여러 앱을 오가며 반복해서 모델을 호출한다. 로봇은 카메라로 주변을 보고 움직임을 판단해야 한다. 서비스 하나가 한 번 답하는 데 필요한 계산이 늘어난 것이다.

클라우드 사업자인 AWS는 기업이 장비를 직접 사지 않고 필요할 때 빌려 쓰게 한다. GPU가 부족하면 고객은 원하는 시간에 AI 서비스를 확장하기 어렵고 가격도 올라갈 수 있다. 반대로 미리 너무 많이 사 두면 수요가 기대에 못 미칠 때 값비싼 장비가 놀게 된다. 200만 개 추가 계획은 AWS가 후자의 위험보다 공급 부족의 위험을 더 크게 보고 있다는 신호다.

엔비디아에도 중요한 계약이다. AI 반도체 회사의 성장은 소수 대형 클라우드 기업의 주문에 크게 연결된다. AWS처럼 전 세계 고객을 가진 사업자가 수년치 배치 계획을 늘리면 엔비디아는 다음 세대 제품의 생산과 공급망을 계획하기 쉬워진다. 동시에 엔비디아에 대한 고객 집중과 시장 의존도가 더 커질 수 있다는 뜻이기도 하다.

같은 날 실적이 보여 준 것

엔비디아의 2027 회계연도 2분기 실적 발표에 따르면 7월 26일 끝난 분기 매출은 962억 달러였다. 직전 분기보다 18%, 1년 전보다 106% 증가했다. 이 가운데 데이터센터 매출은 890억 달러로 전체의 대부분을 차지했고, 전년 동기 대비 117% 늘었다.

숫자의 의미는 엔비디아가 더 이상 게임용 그래픽카드 중심 회사가 아니라는 데 있다. 분기 전체 매출의 약 92%가 데이터센터에서 나왔다. AI 모델을 학습하고 운영하기 위한 장비와 관련 시스템이 회사의 압도적인 중심 사업이 됐다. AI 수요가 실제 매출로 이어지고 있는지를 볼 때 가장 직접적인 지표 중 하나다.

엔비디아는 다음 분기 매출을 1,080억 달러 안팎으로 예상했다. 이 전망에는 중국 데이터센터용 연산 장비 매출을 넣지 않았다고 회사는 밝혔다. 중국 시장 규제와 수출 제한이 변수인 상황에서도 다른 지역의 수요가 계속 늘 것이라는 자체 판단이다. 다만 전망은 확정 실적이 아니며, 실제 주문과 납품 상황에 따라 달라질 수 있다.

높은 매출총이익률도 주목된다. 엔비디아는 매출에서 제품 생산에 직접 들어간 비용을 제외한 비율인 매출총이익률이 75%였다고 밝혔다. 강한 수요와 시장 지배력이 높은 수익성으로 이어지고 있다는 뜻이다. 그러나 이런 수익성이 경쟁사의 대체 제품, 고객사의 자체 칩, 규제 변화 속에서도 유지될지는 별개의 질문이다.

일반 이용자에게 무엇이 달라지나

이번 발표 때문에 당장 챗봇 구독료가 내려가거나 답변 속도가 빨라지는 것은 아니다. 장비 배치는 2027~2028년 계획이고, 실제 비용 절감이 이용자 가격에 반영될지도 정해지지 않았다. 클라우드 회사는 새 장비의 비용뿐 아니라 데이터센터 건설, 전력, 냉각, 네트워크 비용을 함께 부담한다.

그럼에도 중장기적으로는 AI 서비스의 공급 여력이 늘어난다. 이용자가 몰리는 시간에 답변이 느려지거나 영상 생성 대기 시간이 길어지는 문제를 줄일 수 있다. 기업이 새 AI 기능을 시험한 뒤 수백만 고객에게 확대할 때 필요한 자원을 더 쉽게 빌릴 수도 있다. 지금은 비싼 요금제에서만 제공되는 계산량 많은 기능이 시간이 지나 더 넓은 요금제로 내려올 가능성도 있다. 이는 가능성이지 이번 발표로 확정된 가격 정책은 아니다.

직장인에게는 AI 비서가 단순한 문서 초안 도구에서 실제 업무를 여러 단계 처리하는 쪽으로 발전할 기반이 커진다는 뜻이다. 회사가 동시에 수천 개의 AI 에이전트를 운영하려면 많은 연산 자원이 필요하다. AWS는 이번 투자가 기업 자동화와 에이전트 수요를 겨냥한다고 명시했다. 다만 장비가 많아져도 정확성, 개인정보 보호, 책임 소재 문제가 자동으로 해결되지는 않는다.

소비자가 쓰는 서비스 선택에도 간접적인 변화가 생길 수 있다. 특정 AI 회사가 자체 데이터센터를 모두 갖추지 않아도 AWS에서 대규모 장비를 빌려 새 서비스를 출시할 수 있다. 작은 회사의 시장 진입 문턱을 낮추는 효과가 있다. 반대로 핵심 기반 시설이 몇몇 클라우드와 반도체 기업에 집중되면 서비스 가격과 공급 조건이 이들의 결정에 크게 좌우될 수 있다.

기업과 창업자에게 중요한 이유

기업이 AI를 도입할 때 “어떤 모델이 제일 똑똑한가”만 비교하던 시기는 지나고 있다. 실제 서비스에서는 원하는 지역에서 충분한 자원을 구할 수 있는지, 데이터가 어느 국가에 저장되는지, 장애가 났을 때 다른 장비로 옮길 수 있는지, 비용이 사용량에 따라 얼마나 늘어나는지가 중요하다. AWS의 대규모 확장은 선택 가능한 용량을 늘리지만 특정 공급자에 대한 의존도도 함께 키운다.

창업자에게는 공급 부족 완화가 긍정적일 수 있다. 인기 서비스가 갑자기 성장했을 때 장비를 구하지 못해 고객을 기다리게 하는 위험이 줄어든다. 엔비디아의 공개형 모델을 AWS에서 바로 쓸 수 있게 한다는 계획도 모델 선택지를 넓힌다. 그러나 대형 클라우드가 제공하는 편리한 묶음에 깊이 들어갈수록 나중에 다른 사업자로 옮기는 비용이 커질 수 있다.

로봇과 제조 기업에도 영향이 있다. 실제 로봇을 매번 움직여 모든 상황을 시험하기는 비싸고 위험하다. 컴퓨터 속 가상 환경에서 다양한 상황을 반복해 학습시킨 뒤 현실에서 검증하는 방법이 쓰인다. AWS와 엔비디아는 아마존 로봇 업무까지 이 협력을 확대하겠다고 밝혔다. AI 투자의 중심이 화면 속 챗봇에서 창고와 공장, 이동 수단으로 넓어지는 흐름을 보여 준다.

전력과 지역사회가 치를 비용

GPU 200만 개는 전자제품 주문 숫자로 끝나지 않는다. 장비를 돌릴 전력과 열을 식힐 냉각 설비, 데이터를 옮길 네트워크, 건물을 지을 토지와 송전망이 필요하다. 발표문은 효율과 성능을 강조하지만 전체 전력 사용량과 물 사용량, 데이터센터 위치별 환경 영향은 구체적으로 제시하지 않았다.

데이터센터가 들어오는 지역은 건설 투자와 일자리를 얻을 수 있지만 전력망 부담과 소음, 물 사용, 전기요금 문제를 겪을 수도 있다. 특히 여러 회사가 동시에 대규모 시설을 계획하면 발전소와 송전선 증설이 AI 산업의 성장 속도를 따라가지 못할 수 있다. 앞으로 GPU 납품량만큼 전력 확보 계약과 지역 인허가가 중요한 뉴스가 될 이유다.

미국 정부용 시설은 경제 문제에 안보 문제를 더한다. 높은 보안 등급의 AI 기반 시설은 민감한 자료를 외부에 노출하지 않고 처리하는 데 필요할 수 있다. 동시에 어떤 업무를 AI에 맡기는지, 민간 기업의 기반 시설에 국가안보 기능이 얼마나 의존하는지, 감독은 누가 하는지에 대한 공개적인 기준도 필요하다. 10만 개라는 숫자만으로 정책의 타당성을 판단할 수는 없다.

엔비디아 독주가 계속될까

AWS는 엔비디아 GPU를 대량으로 사면서도 자체 AI 칩을 개발한다. 다른 대형 클라우드 기업도 비슷하다. 엔비디아 제품은 성능뿐 아니라 개발 도구와 소프트웨어 생태계가 널리 쓰인다는 강점이 있지만, 고객들은 가격과 공급을 한 회사에만 맡기고 싶어 하지 않는다. 이번 협력에는 AWS 자체 칩과 엔비디아의 고속 연결·메모리 기술을 함께 쓰는 계획도 들어 있다. 경쟁과 협력이 동시에 진행되는 셈이다.

오픈AI도 8월 25일 자체 추론 칩의 초기 성능을 공개했다. 구글과 아마존 역시 자체 설계 칩을 운영한다. 따라서 AWS의 200만 개 주문은 엔비디아 독주가 영원히 확정됐다는 증거가 아니라, 적어도 향후 몇 년간 엔비디아 장비가 AI 기반 시설의 중심에 계속 있을 것이라는 강한 신호에 가깝다.

경쟁의 결과는 일반 이용자에게도 중요하다. 대체 칩과 효율 개선이 성공하면 같은 비용으로 더 많은 AI 서비스를 제공할 수 있다. 반대로 특정 업체의 제품과 소프트웨어에 시장이 지나치게 묶이면 공급 차질이나 가격 변화가 여러 서비스에 동시에 영향을 줄 수 있다.

앞으로 볼 변화

가장 먼저 확인할 것은 계획이 실제 설치로 이어지는 속도다. 2027~2028년 배치 일정, 데이터센터 부지와 전력 계약, 세대별 장비 구성, 실제 가동률이 공개될 때 200만 개 약속의 현실성을 판단할 수 있다. 발표 숫자보다 고객이 얼마나 지속적으로 장비를 빌려 쓰는지가 더 중요하다.

두 번째는 AI 서비스 매출이 기반 시설 투자 속도를 따라가는지다. 엔비디아의 매출은 지금 강하지만, 장비를 산 클라우드와 AI 회사가 최종 고객에게서 충분한 수익을 내야 투자가 계속된다. 기업용 AI 에이전트와 영상·로봇 서비스가 실제 비용 절감이나 새 매출을 증명하는지가 다음 단계의 관전 지점이다.

독자가 기억할 핵심은 이렇다. AWS의 GPU 200만 개 추가 계획과 엔비디아의 962억 달러 분기 매출은 AI 투자 열기가 2026년 8월 현재 아직 꺾이지 않았음을 보여 준다. 그러나 이는 AI 서비스의 성공이 모두 보장됐다는 뜻이 아니라, 기업들이 수년 뒤의 수요를 예상해 막대한 기반 시설 비용을 먼저 지불하고 있다는 뜻이다. 앞으로는 모델 발표만큼 전력, 데이터센터, 실제 이용률과 수익성이 AI 경쟁의 승패를 가를 것이다.