Hyperscale vendors' 2026 capex totals approximately $725 billion, a 77% year-over-year surge.

Amazon, Microsoft, Alphabet (Google), Meta는 2026년 AI 인프라에 약 7,300억 달러를 투자할 계획입니다 — 2025년 약 4,100억 달러에서 78% 증가한 규모로, 기업 기술 지출 역사상 전례가 없는 인프라 구축 규모를 의미합니다. Goldman Sachs는 2027년 이 수치가 1조 1,400억 달러에 가까워질 것으로 전망합니다.

이는 방어적 지출이나 연구개발 분산이 아닙니다. 모든 자금은 구체적인 목표에 연결되어 있습니다: AI 컴퓨팅이 향후 10년간 클라우드, 엔터프라이즈 소프트웨어, 소비자 제품에서 승자를 결정하는 희소 자원이 될 것이라는 내기입니다.

**기업별 수치**

Amazon은 2026년 약 2,200억 달러의 자본지출을 지향하고 있으며, 이는 2025년에서 약 72% 증가입니다. Microsoft는 약 1,750억 달러로 지향하고 있으며, 약 48% 증가합니다. Alphabet은 1,950억~2,050억 달러를 지향하고 있으며, 약 120% 성장을 나타냅니다. Meta는 1,300억~1,450억 달러를 약속하고 있으며, 전년 대비 약 90% 증가합니다. 이 2026년 수치는 2026년 9월 현재 최신 연간 지침을 반영하며, 모두 2026년 2분기 실적 발표에서 재확인되거나 인상되었습니다. Microsoft의 2026년 수치는 절대적 구축 규모 축소가 아닌 내용연수 회계 변경을 반영합니다. Amazon과 Microsoft의 수치는 총 회사 자본지출을 나타냅니다.

**각 기업이 실제로 구매하는 것**

Microsoft의 1,750억 달러 약속은 Azure OpenAI Service를 구동하는 GPU 클러스터에 자금을 지원하며, 엔터프라이즈 규모에서 GPT-4, o3 및 차세대 모델을 실행합니다. Microsoft의 AI 사업은 연간 370억 달러의 수익 실적을 넘어섰으며, 전년 대비 123% 증가했습니다. 동사는 미국, 유럽, 중동 및 아시아 전역에서 100곳 이상의 새로운 시설로 글로벌 확장을 진행하면서 동시에 Nvidia 의존도를 줄이고 토큰당 추론 비용을 낮추기 위해 MAIA 칩을 통한 맞춤형 반도체 연구에 투자하고 있습니다. 상당한 용량은 Copilot 인프라에 할당되어 있으며, Microsoft 365 사용자가 생성하는 모든 AI 요청마다 전용 추론 용량이 필요합니다.

Alphabet은 1,950억~2,050억 달러를 TPU v5 및 v6 클러스터에 배치하고 있습니다 — Google의 맞춤형 AI 가속기로 현재 Gemini 및 Google Cloud AI 서비스를 구동하고 있습니다. Google Cloud 수익은 2026년 2분기 248억 달러에 도달했으며, 전년 대비 82% 증가하고 1분기 63% 성장에서 가속되었습니다. 검색 AI 통합은 Google이 마진 붕괴 없이 쿼리 규모에서 AI Overviews를 제공해야 하므로 주요 자본 요구입니다. 상당한 투자는 자율 주행 차량 훈련을 위한 Waymo 컴퓨팅을 지원하며, 이는 지속적인 대규모 시뮬레이션 워크로드를 필요로 하고, AlphaFold의 후속 제품 및 과학 AI 프로그램을 위한 DeepMind 연구 인프라를 지원합니다.

Meta는 1,300억~1,450억 달러를 주로 MTIA (Meta Training and Inference Accelerator)에 약속하고 있으며, 궁극적으로 Nvidia GPU를 순위 지정 및 추천 분야에서 대체하려는 전용 칩 기술입니다. 각 Llama 세대는 100,000개 이상의 H100 클러스터가 필요했습니다; Llama 5는 더 많은 것이 필요할 것입니다. 동사는 WhatsApp, Instagram, Facebook 전역에서 30억 이상의 사용자에게 Meta AI 어시스턴트를 제공하는 인프라를 구축하고 있으며, 동시에 디바이스 엣지에서 실시간 AI 렌더링이 필요한 VR 및 AR 환경을 위한 Reality Labs 컴퓨팅을 개발하고 있습니다.

Amazon의 2,200억 달러 자본지출은 Bedrock (엔터프라이즈 AI), SageMaker를 서비스하고 P5 인스턴스를 통한 직접 GPU 렌탈을 지원하는 AWS 데이터 센터 확장에 자금을 지원합니다. AWS 수익은 2026년 2분기 422억 달러에 도달했으며, 전년 대비 36.7% 증가 — 이 부문의 18분기 만에 가장 빠른 성장입니다. Amazon은 상당한 내부 ML 워크로드를 처리하기 위해 Trainium2 및 Inferentia 칩을 개발하고 있으며, 상당한 추론 용량이 필요한 기반 모델 스택을 기반으로 Alexa를 재구축하고 있으며, Anthropic의 주요 훈련 클라우드로서 AWS의 역할을 지원하는 인프라를 유지하고 있습니다.

**실제로 돈이 어디로 가는가**

대부분의 보도는 하이퍼스케일러 자본지출을 단순히 "Nvidia GPU 구매"로 표현합니다. 이는 정확하지만 불완전합니다. 전형적인 AI 인프라 구축은 다섯 가지 범주에 걸쳐 분류됩니다:

GPU 클러스터는 지출의 40~50%를 차지합니다. Nvidia H100, H200 및 Blackwell GB200 NVL 시스템의 비용은 H100당 30,000~40,000달러이고 GB200당 60,000~70,000달러이므로, 적절한 규모의 클러스터도 수십억 달러의 비용이 소요됩니다.

데이터 센터 건설은 지출의 25~35%를 나타냅니다. Virginia, Texas, Iowa 및 국제 지역에서 새로운 건설이 진행 중이며, Google은 12개 국가에서 확장하고 있고 Meta는 Louisiana에서 2GW 이상의 시설 착공식을 진행하고 있습니다. 목적에 맞게 지은 AI 데이터 센터의 리드타임은 이제 18~24개월입니다.

네트워킹 인프라는 예산의 10~15%를 소비합니다. InfiniBand 및 고속 Ethernet은 규모 있게 GPU 클러스터를 연결하는 데 필요합니다. Nvidia의 네트워킹 사업부는 Arista Networks 및 Juniper와 함께 주요 수혜자입니다.

전력 및 냉각은 10~15%를 차지합니다. 100MW 이상을 소비하는 단일 최신 GPU 클러스터는 목적에 맞게 지은 전력 공급 및 냉각 인프라가 필요합니다. 기업들은 유틸리티 및 원자력 사업자와 직접 전력 구매 계약을 체결하고 있습니다 — Microsoft는 Three Mile Island를 재개하기 위한 계약을 체결했습니다.

맞춤형 반도체 개발은 지출의 5~10%를 나타냅니다. Google의 TPU, Amazon의 Trainium2, Meta의 MTIA 및 Microsoft의 MAIA는 시간이 지남에 따라 Nvidia 의존도를 감소시킵니다. 이는 세대당 20억~50억 달러의 비용이 소요되는 다년간의 내기이지만 하이퍼스케일러 규모에서 이득을 봅니다.

**경쟁이 계속 가속되는 이유**

세 가지 구조적 요인은 어떤 기업도 일방적으로 물러날 수 없게 합니다. 첫째, 훈련 비용 확장성: 각 최첨단 모델 세대는 이전 세대보다 10~100배 더 많은 컴퓨팅이 필요합니다. 훈련 사이클을 건너뛰는 것은 현재 제품 차별화의 핵심인 기능에서 뒤처진다는 의미입니다.

둘째, 추론 수요 폭증: Copilot, Gemini 및 Meta AI와 같은 배포된 AI 제품은 하루에 수십억 쿼리를 생성합니다. 이 규모의 추론은 훈련보다 더 많은 컴퓨팅이 필요합니다. 프로비저닝 부족은 더 느린 응답과 더 높은 쿼리당 비용을 의미합니다.

셋째, 맞춤형 반도체 경쟁: H100당 30,000~40,000달러를 Nvidia에 지불하는 모든 기업은 전용 칩을 개발하려고 합니다. 그러나 반도체 구축에는 3~5년과 수십억 달러의 연구개발이 필요합니다 — 따라서 자본지출은 현재 전략적 독립성을 나중에 구매합니다.

**Nvidia의 위치**

Nvidia의 데이터 센터 수익은 회계연도 2023년의 150억 달러에서 회계연도 2025년의 1,150억 달러로 증가했습니다 — 주로 하이퍼스케일러 자본지출 때문입니다. 회계연도 2027년 2분기의 최근 수치 (2026년 7월 26일로 끝나는 분기)는 데이터 센터 수익이 890억 달러입니다 — 전년 대비 117% 증가 — Blackwell Ultra 시스템의 증가가 네 가지 주요 하이퍼스케일러로부터 이익을 얻고 있으며, 이는 총 GPU 구매의 약 40~50%를 차지합니다.

그러나 Microsoft가 MAIA에 지출하는 모든 달러, Meta가 MTIA에 지출하는 모든 달러, Google이 TPU에 지출하는 모든 달러, Amazon이 Trainium에 지출하는 모든 달러는 결국 Nvidia로의 흐름이 멈출 달러입니다. 맞춤형 반도체 프로그램은 현재분기 혼란이 아닌 3~5년의 내기입니다. 지금은 Nvidia가 자본지출 사이클을 포착합니다. 문제는 규모에서 전용 반도체로의 전환 후 그 해자가 생존할 것인지입니다.

**2차 효과**

네 기업이 동시에 단일 연도에 자본지출을 약 50~120% 늘릴 때, 파급 효과는 AI 산업을 훨씬 넘어 확장됩니다. 미국 전력망은 100MW 이상의 데이터 센터 클러스터를 위해 설계되지 않았습니다. Dominion Energy는 Northern Virginia에만 대기열에 있는 30GW의 데이터 센터 용량을 가지고 있습니다 — 현재 주의 전체 발전 용량보다 많습니다. 빅 테크는 이제 공급을 확보하기 위해 원자력 전력 공급자와 계약을 체결하고 있습니다.

Equinix 및 Digital Realty를 포함한 데이터 센터 부동산투자회사는 모든 주요 시장에서 수요가 공급을 초과하는 상황을 보았습니다. Rural Virginia, Iowa 및 Texas의 변전소 인접 토지는 2023년 이후 300~500% 가치가 상승했습니다.

하이퍼스케일러 데이터 센터 구축은 반도체 파운드리 건설 (TSMC Arizona, Intel Ohio) 및 청정 에너지 프로젝트와 경쟁하여 전문화된 건설 노동력을 두고 경쟁하며, 여러 산업 부문에 걸쳐 임금과 프로젝트 타임라인을 상승시킵니다.