AI가 효율적일수록 GPU가 더 부족해지는 이유: 사티아 나델라가 19세기 경제학자를 소환한 사연

1. 시대를 앞선 경제학자와 테크 거물의 만남

2025년 10월 현재, 우리는 AI 혁명의 거대한 물줄기가 어디로 흘러가는지 목격하고 있습니다. 시간을 거슬러 지난 1월 27일, 마이크로소프트의 CEO 사티아 나델라(Satya Nadella)는 자신의 소셜 미디어를 통해 매우 흥미로운 화두를 던졌습니다. 그는 현대 AI 산업의 미래를 설명하기 위해 19세기 영국 경제학자이자 신고전파(Neoclassical School)의 선구자인 윌리엄 스탠리 제번스(William Stanley Jevons)를 소환했습니다.

나델라가 150여 년 전의 고전 경제학을 인용한 이유는 명확합니다. 19세기 대영제국의 성장을 지탱했던 '석탄'과 21세기 디지털 문명을 가속화하는 'GPU' 사이에서 발견되는 기묘한 평행이론 때문입니다. 그는 기술의 효율성이 증대되면 자원 수요가 줄어들 것이라는 대중의 순진한 기대를 정면으로 반박하며, AI 시대의 새로운 경제적 메커니즘을 제시했습니다.

2. 첫 번째 통찰: '제번스의 역설(Jevons Paradox)'이란 무엇인가?

엄밀히 말해 '제번스의 역설'은 자기모순적인 명제가 아니라, 기술 발전에 따른 '직관에 반하는 결론(counterintuitive conclusion)'에 가깝습니다. 일반적인 상식으로는 기술이 발전해 자원 이용 효율이 높아지면 전체 자원 소비가 줄어들 것으로 예상합니다. 그러나 제번스는 오히려 그 반대의 현상을 통찰했습니다. 특정 자원을 사용하는 비용이 낮아지면, 그 자원을 활용하고자 하는 새로운 수요가 폭발적으로 증가하여 결국 전체 소비량은 이전보다 훨씬 늘어난다는 것입니다.

나델라는 현대 AI 시장이 바로 이러한 경제적 기제에 의해 움직이고 있음을 다음과 같이 경고했습니다.

"제번스의 역설이 다시 찾아왔습니다! AI가 더 효율적이고 접근 가능해짐에 따라, 우리는 그 사용량이 급증하는 것을 보게 될 것이며, 이는 우리가 아무리 가져도 부족한 상품이 될 것입니다." — 사티아 나델라

3. 두 번째 통찰: 석탄과 GPU, 소름 돋는 평행이론

19세기 영국은 증기 기관의 급속한 보급으로 인해 '석탄 고갈' 공포에 직면해 있었습니다. 당시 기술 낙관론자들은 증기 기관의 효율이 개선되면 석탄을 아낄 수 있을 것이라며 대중을 안심시켰습니다. 실제로 당시 증기 기관의 효율 개선 속도는 지난 반세기 동안 오늘날의 '무어의 법칙(Moore's Law)'에 비견될 만큼 경이로운 수준이었습니다.

하지만 제번스는 엔진 효율이 좋아져 '바퀴를 한 번 돌리는 데 드는 비용(per-unit output cost)'이 낮아지면, 산업 전반에서 증기 기관의 용처가 상상 이상으로 확장될 것이라고 보았습니다. 결국 엔진의 수가 기하급수적으로 늘어나며 석탄 소비량은 오히려 폭증했습니다. 21세기의 상황도 이와 다르지 않습니다.

19세기 증기 기관 시대

핵심 입력 자원: 석탄 (Coal)

최종 출력 가치: 휠 회전 (Wheel turns)

효율화의 중추: 증기 기관 엔진 (Steam Engine)

21세기 AI 시대

핵심 입력 자원: GPU (반도체 인프라)

최종 출력 가치: 알고리즘 실행 (추론 및 학습)

효율화의 중추: AI 알고리즘 및 데이터 센터 소프트웨어

4. 세 번째 통찰: 딥시크(DeepSeek) 쇼크와 시장의 '라쇼몽'

나델라가 제번스를 소환한 결정적인 계기는 2025년 1월, 중국 기업 딥시크(DeepSeek)가 발표한 V3와 R1 모델이었습니다. 이들은 극히 적은 비용으로 고성능 모델을 구현해내며 시장에 큰 충격을 주었습니다. 이 사건은 보는 관점에 따라 해석이 엇갈리는 일종의 '라쇼몽 사례(Rashomon example)'가 되었습니다.

금융 시장은 즉각 패닉에 빠졌습니다. 투자자들은 "알고리즘이 효율화되면 더 이상 비싼 GPU가 대량으로 필요하지 않겠구나"라고 성급하게 결론지었습니다. 이로 인해 엔비디아뿐만 아니라 TSMC, ASML, ARM과 같은 '실리콘 스택' 기업들, 그리고 막대한 인프라 투자를 진행해온 마이크로소프트, 구글, 메타, 오라클 등 하이퍼스케일러들의 가치에 대해 거센 의구심이 제기되었습니다.

사티아 나델라는 이러한 시장의 오해를 불식시키고자 했습니다. 그는 효율성 증대가 결코 하드웨어 가치의 하락을 의미하지 않으며, 오히려 AI라는 상품을 '가장 갖고 싶지만 늘 부족한' 필수재로 변모시키는 변곡점이 될 것임을 간파한 것입니다.

5. 네 번째 통찰: 효율성이 만드는 새로운 수요의 파도

효율적인 알고리즘이 등장함에도 불구하고 GPU 수요가 줄어들지 않는 이유는 세 가지 핵심 경제적 요인으로 설명됩니다.

추정(Estimation)에서 추론(Inference)으로의 중심 이동: 알고리즘 효율화는 모델을 학습시키는 '추정' 단계의 비용을 낮추지만, 동시에 AI를 실제 서비스에 적용하는 '추론' 수요를 폭발시킵니다. 실행 단가가 낮아질수록 AI는 모든 디지털 서비스에 내재화되며, 결과적으로 추론 전용 하드웨어에 대한 수요는 더욱 거대해집니다.

혁신적 기능의 모방과 경쟁: 딥시크가 선보인 '추론 과정 시각화'와 같은 혁신적인 사용자 경험은 시장의 새로운 표준이 되었습니다. 이러한 신기능은 경쟁 기업들의 모방과 고도화 경쟁을 유발하며, 이는 다시 더 많은 연산량과 하드웨어 자원을 요구하는 피드백 루프를 형성합니다.

지정학적 한계와 검열 기제: 딥시크와 같은 특정 국가 기반 모델은 정치적 편향성이나 검열 문제라는 한계를 지닙니다. 이는 다양한 대체 모델에 대한 글로벌 수요를 유지시키며, 파편화된 시장 내에서의 지속적인 인프라 경쟁을 야기합니다.

6. 예측의 수레바퀴를 멈추지 마라

기술 혁신의 역사는 늘 단기적인 혼란과 패닉을 수반했습니다. 하지만 PC, 인터넷, 스마트폰 혁명을 거치며 우리가 배운 교훈은 명확합니다. 냉철한 분석가라면 단기적인 효율성 증대에 일희일비하기보다, 그것이 창출할 거대한 장기적 수요의 흐름을 읽어야 합니다.

제번스의 역설이 2025년의 우리에게 주는 진정한 교훈은 이것입니다. 기술이 발전하여 단위당 비용은 결국 내려가겠지만, 인류가 그 기술로 구현하고자 하는 욕망의 크기는 그보다 훨씬 빠르게 팽창합니다. "비용은 결국 낮아지겠지만, 우리가 그 기술로 하고 싶은 일은 그보다 훨씬 빠르게 늘어난다면?" 이 질문에 대한 답이 바로 우리가 여전히 더 많은 GPU를 갈구하는 이유입니다. 경험 많은 분석가라면 이제 패닉을 멈추고, 다시 풀가동될 예측의 수레바퀴 위에서 미래를 준비해야 할 때입니다.

Source: Shane Greenstein, Artificial Intelligence and the Jevons Paradox, Digitopoly, Oct 14, 2025