← 두 제국의 알고리즘 Vol. 2 5 / 18 English
Vol. 2 — 두 제국의 알고리즘

제4장: 달러와 GPU — 금융 패권 + 기술 패권의 이중 구조

도입부: AI 시대의 혈액형

2025년 11월 20일 목요일, 이른 오전이었다.

NVIDIA의 분기 실적 컨퍼런스 콜이 시작되자 월가의 애널리스트들은 스프레드시트를 닫았다. 숫자를 보는 것만으로 충분했기 때문이다. 데이터센터 매출 512억 달러. 분기 기록 경신. 전년 동기 대비 66% 성장. 젠슨 황(Jensen Huang)은 특유의 가죽 재킷 차림으로 화면에 등장했고, 차분한 목소리로 숫자를 읽어 내려갔다.

그 숫자 앞에서 어떤 이들은 계산을 했다. 2020년, NVIDIA의 연간 총매출은 106억 달러였다. 5년 만에 분기 매출이 그 5배가 됐다. 회사는 5년 만에 20배 성장했다.

어떤 이들은 다른 계산을 했다. 분기 512억 달러라면, 하루에 약 5억 6,000만 달러다. 시간으로 나누면 2,330만 달러. 분당 38만 달러. 초당 6,400달러. NVIDIA는 초당 6,400달러를 벌고 있었다.

컨퍼런스 콜이 끝나고 몇 시간 뒤, 사우디아라비아 리야드에서 다른 계약서에 서명이 됐다. PIF(공공투자기금, Public Investment Fund) 산하 HUMAIN이 NVIDIA와 계약을 체결했다. 500메가와트(MW) 용량의 AI 팩토리 건설. 금액은 공개되지 않았지만, 같은 규모의 GPU 클러스터 단가를 역산하면 수십억 달러 수준이었다.

계약서의 결제 통화는 달러였다.

HUMAIN은 2025년 5월 출범한 사우디아라비아의 AI 전담 기관이다. PIF 산하에서 AI 가치사슬 전체를 운영하고 투자한다. 500MW 용량의 AI 팩토리. 사우디의 목표는 2030년까지 AI가 GDP의 12%를 기여하는 것이다. 석유 이후를 준비하는 나라가 GPU를 사고 있다. 그 GPU의 값을 치르는 통화는 달러다. 사우디의 석유달러(petrodollar)가 이번에는 GPU달러(GPU-dollar)로 순환한다.

이것이 우연이 아니다. GPU는 달러로 거래된다. NVIDIA의 데이터센터 서버 하나에 탑재되는 Blackwell B200 GPU의 가격은 3만~4만 달러, 랙(rack) 시스템 단위로는 수백만 달러다. 클라우드 서비스를 빌리면 달러로 청구된다. AWS, 애저(Azure), GCP — 모두 달러다. AI 스타트업의 기업가치는 달러로 매겨진다. Anthropic 3,800억 달러. OpenAI 7,300억 달러. 투자금도 달러, 출구(exit)도 달러, 주식도 달러다.

AI 시대의 혈액형은 달러다.

이 단순한 사실 안에 21세기 패권 구조의 핵심이 있다. 역사상 진짜 패권국은 두 가지를 동시에 보유했다. 세계가 쓰는 돈과, 세계가 원하는 기계. 19세기 영국은 파운드와 증기기관을 가졌다. 21세기 미국은 달러와 GPU를 가졌다. 두 가지는 서로를 강화한다. GPU가 팔릴수록 달러 수요가 늘고, 달러 수요가 늘수록 더 많은 GPU를 살 자본이 생긴다.

그렇다면 질문은 하나다.

이 이중 구조는 얼마나 견고하며, 어디에 균열이 있는가.

이 챕터는 NVIDIA의 GPU 독점 구조를 해부하고, 빅테크 4사의 천문학적 AI 투자를 추적하며, 달러 기축통화 지위가 AI 시대에 획득하는 새로운 의미를 분석한다. 금융 패권과 기술 패권이 맞물려 작동하는 "이중 나선(double helix)" 구조 — 그리고 영국이 이 구조를 잃었을 때 무슨 일이 벌어졌는지도 함께 들여다본다.

섹션 A: NVIDIA — AI 시대의 아크라이트

하드웨어가 아니라 생태계다

2006년 6월, NVIDIA는 조용하게 소프트웨어를 하나 출시했다. 이름은 CUDA(Compute Unified Device Architecture, 컴퓨트 통합 장치 아키텍처). 목적은 GPU를 그래픽 렌더링만이 아니라 범용 병렬 연산에 쓸 수 있게 하는 것이었다. 그때 이것이 20년 뒤 세계를 바꿀 것이라고 예측한 사람은 거의 없었다.

당시 GPU 시장의 경쟁자들은 칩 성능에 집중했다. NVIDIA도 칩을 만들었다. 다만 NVIDIA는 칩과 함께 생태계를 만들었다. 연구자들이 CUDA로 코드를 짜기 시작했다. AI 프레임워크 PyTorch와 TensorFlow가 CUDA 위에서 설계됐다. 딥러닝 라이브러리 cuDNN, 선형대수 가속기 cuBLAS, 다중 GPU 통신 라이브러리 NCCL — 모두 CUDA 위에 올라탔다.

수백만 명의 연구자와 엔지니어가 CUDA로 코드를 짰다. 수십만 개의 연구 프로젝트, 수천 개의 상업 AI 모델이 CUDA 최적화를 전제로 구축됐다. 이것이 전환 비용(switching cost)이다. AMD GPU로 갈아타려면 그 모든 코드를 다시 써야 한다. 수천만 줄의 최적화 코드를. 실용적으로는 불가능에 가깝다.

이것이 NVIDIA가 GPU 시장 점유율 92%를 가진 진짜 이유다.

2025년 상반기 기준, NVIDIA의 GPU 시장 점유율은 92%다. AI 칩, AI 데이터센터 매출, 어떻게 잘라도 85~92% 사이다. 독점이다.

2026년 2월 발표된 FY2026 연간 실적이 이 독점의 규모를 보여준다. 연간 매출 2,159억 달러, 전년 대비 65% 성장. 삼성전자의 2025년 총매출이 약 2,400억 달러인 것과 비교하면, NVIDIA는 그것에 근접한 매출을 AI 하나로 만들고 있다. 그리고 이미 확정된 수주 잔고(백로그)가 3,200억 달러다. 미래 매출이 현재 매출보다 크다.

데이터 노트: NVIDIA FY2026 주요 지표

데이터센터 분기 매출 512억 달러(Q3, YoY +66%). 12개월 누적 총매출 1,871억 달러(YoY +65.2%). Blackwell 누적 매출 약 1,800억 달러. Q4 매출 681억 달러(역대 최대, YoY +73%). Q1 FY2027 가이던스 780억 달러(컨센서스 726억 상회). 젠슨 황의 전망: Blackwell+Rubin 가시 매출 2026년말까지 5,000억 달러.

주가는 다른 이야기를 했다. 2026년 2월 말, NVIDIA 주가는 약 193달러였다. 사상 최고치 280달러 대비 약 30% 낮은 수준이었다. 매출은 역대 최대인데 주가는 최고치에서 밀렸다. 시장은 미래를 판다. 이 괴리는 두 개의 질문을 반영한다. 성장이 지속될 것인가. 그리고 경쟁이 생태계를 침식할 것인가.

CUDA는 AI 시대의 윈도우즈다

"CUDA는 AI 시대의 윈도우즈다."

이 비유가 정확한 이유는 구조가 같기 때문이다. 1990년대 마이크로소프트 윈도우즈는 PC 운영체제 시장을 지배했다. 어느 회사의 소프트웨어도 윈도우즈 위에서 돌아야 했다. 윈도우즈가 달라지면 소프트웨어도 달라져야 했다. 그 의존성이 마이크로소프트의 해자였다.

오늘날 AI 모델은 CUDA 위에서 돌아간다. OpenAI의 GPT-4를 훈련한 GPU 클러스터, Anthropic의 Claude를 훈련한 서버, Google DeepMind의 Gemini — 모두 NVIDIA GPU + CUDA 스택이다. 이 의존성이 NVIDIA의 해자다.

다만 비유는 여기서 멈추지 않는다. 마이크로소프트는 결국 윈도우즈 독점에 도전받았다. Linux가 서버 시장에서 윈도우즈를 밀어냈고, 모바일에서는 안드로이드가 새로운 표준이 됐다. NVIDIA도 같은 도전에 직면하고 있다.

AMD의 MI300X는 칩 성능 자체로는 NVIDIA H100에 근접했다. Microsoft Azure는 일부 워크로드에 AMD GPU를 쓴다. Meta는 AMD를 테스트 중이다. 반면 AMD의 소프트웨어 생태계 ROCm은 CUDA에 비해 현저히 빈약하다. "칩은 비슷해도 소프트웨어가 부족하다." 이 한 문장이 현재의 경쟁 구도를 요약한다.

Google은 다른 경로를 택했다. 자체 AI 칩 TPU(Tensor Processing Unit, 텐서 처리 장치)를 설계해 내부 워크로드에 쓴다. 7세대 TPU "Ironside"로 Gemini 훈련 비용을 줄이고 있다. 다만 이것은 구글 내부에서만 쓰인다. 외부에 팔지 않는다. CUDA 생태계를 대체하는 것이 아니라 NVIDIA 의존도를 내부에서 줄이는 전략이다.

Amazon도 자체 AI 칩을 만든다. 훈련용 Trainium, 추론용 Inferentia. AWS 내부 워크로드 일부를 이쪽으로 옮기고 있다. 여기서도 목적은 NVIDIA 대체가 아니라 비용 절감이다.

NVIDIA를 정면으로 겨냥한 것은 중국에 있다.

화웨이 Ascend — 다른 생태계의 등장

화웨이(Huawei)의 Ascend 910C는 중국 내 NVIDIA H100의 대체품으로 설계됐다. SMIC(중신국제, SMIC) 7나노미터(nm) 공정으로 생산된다. 수율은 약 40%다. TSMC가 생산하는 NVIDIA의 3~4nm 칩 수율이 90%를 넘는다는 점에서, 이 수율 격차는 생산 비용에 직접 반영된다. 같은 수의 칩을 만들려면 더 많은 웨이퍼가 필요하다.

2025년 화웨이는 Ascend 910C를 약 60만 개 생산한다는 목표를 세웠다. 2026년에는 160만 다이(die)까지 확대한다는 계획이다. 100만 개가 넘는 국산 AI 가속기(화웨이 + 캠브리콘)가 2026년 중국 시장에 공급된다.

중국 정부는 공공 조달과 국유기업을 통해 Ascend 채택을 사실상 의무화하고 있다. 바이두(百度, Baidu), 알리바바(阿里巴巴, Alibaba), 텐센트(腾讯, Tencent)는 정부 압력으로 NVIDIA에서 Ascend로의 전환을 진행 중이다.

다만 핵심 문제가 남는다. Ascend에는 CUDA 생태계가 없다. 중국 AI 기업들이 NVIDIA에서 Ascend로 전환할 때, 소프트웨어를 전부 재작성해야 한다. DeepSeek가 NVIDIA GPU 약 2만 개로 훈련한 모델을 Ascend로 돌리려면 최적화 작업이 대규모로 필요하다. 실제로 DeepSeek V4는 화웨이와 캠브리콘(寒武纪, Cambricon) 칩 최적화 버전을 별도로 개발하고 있다.

이것은 세계 AI 인프라가 분기하는 지점이다. NVIDIA/CUDA 생태계와 Ascend/자체 생태계. 미국이 수출 통제를 강화할수록, 중국은 자체 생태계를 고도화한다. 두 생태계는 호환되지 않는다. 한쪽 위에서 개발된 모델을 다른 쪽으로 옮기려면 상당한 추가 작업이 필요하다.

여기서 DeepSeek(深度求索)의 사례가 중요하다.

DeepSeek는 2025년 1월, V3와 R1 모델을 공개했다. 훈련 GPU 컴퓨트 비용은 약 600만 달러였다. Meta가 유사 성능의 모델을 훈련할 때 사용하는 GPU 시간의 10분의 1도 안 됐다. 성능은 벤치마크에서 프론티어 모델과 대등하거나 근접했다.

이것이 의미하는 바는 이중적이다.

NVIDIA 입장에서는 위협이다. AI 훈련에 필요한 GPU 수가 줄어든다는 증거이기 때문이다. 미국 빅테크가 6,350억~6,650억 달러를 쏟아붓는 동안, 중국 기업은 600만 달러로 경쟁 가능한 모델을 만든다. 이 효율성의 방향이 지속된다면, AI 훈련의 한계비용이 급격히 낮아지고 NVIDIA의 미래 성장에 의문이 생긴다.

그러나 NVIDIA는 다른 논리를 편다. 젠슨 황은 "제번스 역설(Jevons Paradox)"을 언급했다. 효율이 높아지면 수요가 늘어난다. 증기기관이 효율화됐을 때 석탄 소비가 줄지 않고 늘었듯이, AI 훈련 비용이 낮아지면 더 많은 모델이 훈련된다. 결국 더 많은 GPU가 필요해진다.

어느 논리가 맞는지는 아직 알 수 없다. 한편 2026년 3월 현재, NVIDIA의 수주 잔고는 3,200억 달러다. 이미 확정된 주문이다.

섹션 B: 4,000억 달러의 베팅 — 빅테크 AI Capex의 해부

4개의 회사, 1년에 6,500억 달러

2026년 2월 6일, CNBC는 하나의 기사를 올렸다. 제목은 "구글, 마이크로소프트, 메타, 아마존 — AI에 어떤 돈을 쓰는가."

숫자는 이것이었다.

Amazon: 약 2,000억 달러. Alphabet(구글): 1,750억~1,850억 달러. Microsoft: 약 1,450억 달러. Meta: 1,150억~1,350억 달러. 합산: 6,350억~6,650억 달러.

비교 대상을 찾는 것이 쉽지 않다. 2026년 중국의 연간 국방예산은 약 2,250억 달러다. 이 4개 민간 기업의 AI 투자가 세계 최대 군사국 중 하나의 국방비를 세 배 가까이 초과한다. 한국의 2025년 GDP가 약 1조 7,800억 달러다. 이 한 해 투자가 한국 경제 규모의 약 37%에 달한다.

2025년의 합산은 약 4,000억 달러였다. 1년 만에 60~66% 더 늘어난다. 이 속도는 버블의 속도일까, 아니면 진짜 전환의 속도일까.

Amazon: FCF가 마이너스가 되더라도

Amazon의 2026년 Capex 2,000억 달러는 4사 중 가장 크다.

앤디 재시(Andy Jassy) CEO의 논리는 명쾌하다. "지금 투자하지 않으면 뒤처진다." AWS(아마존 웹 서비스)는 클라우드 인프라 시장 1위다. AI 수요가 급증하면서 AWS의 매출도 급증하고 있다. 다만 AI 훈련 수요를 감당하려면 데이터센터를 더 지어야 한다. 데이터센터를 짓는 데는 시간이 걸린다. 지금 짓지 않으면, 2년 뒤 수요가 왔을 때 공급이 없다.

Amazon은 NVIDIA 의존도를 줄이기 위해 자체 AI 칩도 개발한다. 훈련용 Trainium, 추론용 Inferentia. 하지만 투자의 핵심은 여전히 NVIDIA GPU를 담을 데이터센터다.

문제는 재무다. CNBC는 Amazon의 2026년 잉여현금흐름(FCF)이 마이너스로 전환될 수 있다고 분석했다. 회사가 버는 것보다 더 많이 쓴다는 뜻이다. 단기적으로는 가능하다 — Amazon은 차입 능력이 있다. 그러나 이 투자가 수익으로 전환되지 않으면, 이것은 AI 시대의 "남해 버블(South Sea Bubble)"이 된다.

Google: 기초부터 다시 짓는다

Alphabet의 2026년 Capex는 1,750억~1,850억 달러다.

구글은 특수한 위치에 있다. AI 모델 자체에서는 가장 앞선 자리를 다투지만, AI 수익화에서는 뒤처진다는 평가를 받았다. ChatGPT가 검색 시장을 위협한다는 공포가 있었다. Gemini로 반격했지만, 초기 오류와 논란이 겹쳤다.

구글의 전략은 인프라에서 차별화다. TPU(텐서 처리 장치) 7세대 Ironside를 자체 개발해 내부 워크로드에 쓴다. NVIDIA 의존도를 내부에서 줄이면서 비용 효율을 높인다. 동시에 Google Cloud 시장 점유율을 확대한다. AWS·Azure에 이은 3위 클라우드지만, AI 훈련 서비스에서 차별화해 격차를 좁히겠다는 목표다.

Alphabet의 FCF는 아직 양(+)이다. Google 광고 사업이 여전히 막대한 현금을 만들고 있기 때문이다. 이 현금이 AI 투자의 재원이다. 구글은 광고로 번 돈을 AI에 쏟아붓고 있다.

Microsoft: OpenAI에 올라탄 레버리지

Microsoft의 2026년 Capex(FY2026 기준 연율)는 약 1,450억 달러다.

마이크로소프트는 2019년부터 OpenAI에 투자했다. 총 투자액은 130억 달러 이상이다. 그 대가로 Azure가 OpenAI의 독점 클라우드 인프라가 됐다. ChatGPT가 돌아가는 서버는 마이크로소프트의 데이터센터다. GPT-4를 훈련한 GPU 클러스터는 마이크로소프트가 구축했다.

이 파트너십의 구조는 단순하다. OpenAI가 성장할수록, Azure의 매출이 늘어난다. 마이크로소프트는 AI 모델 자체가 아니라 모델이 돌아가는 인프라에서 수익을 낸다. Copilot — Windows, Office, GitHub 전 제품군에 삽입된 AI 어시스턴트 — 은 Azure 위에서 돌아간다. 마이크로소프트의 AI 전략은 한 마디로 "인프라 레버리지"다.

Meta: 오픈소스로 독점을 부순다

Meta의 2026년 Capex는 1,150억~1,350억 달러다.

메타의 전략은 독특하다. AI 모델을 직접 판매하지 않는다. 대신 LLaMA(라마) 시리즈를 오픈소스로 공개한다. "AI 민주화"를 외치지만, 실상은 다른 목적이 있다.

LLaMA를 오픈소스로 풀면, 개발자들이 LLaMA 기반으로 제품을 만든다. 그러면 NVIDIA GPU가 더 많이 팔리고, AWS·Azure 클라우드가 더 많이 쓰인다. 하지만 이것이 Meta의 적이 아니라 경쟁자(OpenAI, Google)의 독점을 약화시킨다. OpenAI가 GPT를 유료로 팔 때, Meta는 비슷한 성능의 모델을 무료로 준다. OpenAI의 구독 수익 기반이 흔들린다.

메타가 원하는 것은 AI 모델 시장의 독점이 아니다. AI가 인스타그램, 페이스북, WhatsApp의 광고 알고리즘에 녹아들어 광고 효율을 높이는 것이다. 모델 자체는 수단이다.

반면 메타의 FCF 전망도 좋지 않다. Barclays 분석에 따르면, 이 Capex 수준이 지속되면 FCF가 90% 감소할 수 있다. 마크 저커버그의 베팅은 크다.

이 돈은 무엇에 쓰이는가

6,350억~6,650억 달러 중 약 75%, 즉 약 4,500억 달러가 AI 인프라에 직접 투입된다. 세부 구성은 이렇다.

GPU 서버 구매가 약 40%다. NVIDIA H100, H200, 그리고 Blackwell B200 클러스터다. 데이터센터 건설이 약 25%다. 전력·냉각 인프라, 부지 확보다. 네트워킹 장비가 약 10%다. InfiniBand, 고속 이더넷 연결이다. 나머지 25%가 스토리지, 소프트웨어, 인력이다.

가장 큰 병목은 전력이다.

1.5~2조 달러 규모의 데이터센터 단지 하나가 소도시 하나의 전력을 소비한다. IEA(국제에너지기구)에 따르면, 2026년 데이터센터 전력 소비는 기본 전망 약 800TWh, 상단 시나리오에서 1,000TWh를 넘을 것이다. 상단 기준으로 일본 전체 전력 소비 수준이다. 2030년까지 이 수요는 2023년 대비 160% 증가할 전망이다.

미국의 데이터센터 전력은 2023년 19기가와트(GW)에서 2030년 35GW로 늘어날 것으로 FERC(연방에너지규제위원회)는 추산한다. 이것이 현재 미국 신규 원자력 발전소 계획, 소형모듈원자로(SMR) 투자, 천연가스 발전소 건설로 이어지는 이유다.

오리건주의 한 농촌 마을을 생각해보자. 대형 데이터센터가 들어선다는 공고가 나면 지방 정부는 세수 증가를 환영한다. 반면 주민들 사이에서 불만이 나온다. "우리 전기 요금은 올라가는데, 이 시설에서 만들어지는 AI가 우리 일자리를 없앤다." 투자의 이익과 비용이 같은 지역사회에 균등하게 돌아가지 않는다. 이 비대칭이 AI 투자의 정치적 균열이다.

섹션 C: 달러라는 혈액형 — 기축통화와 AI 패권의 상관관계

56%라는 숫자의 무게

2025년 2분기 기준, 전 세계 공식 외환보유고에서 달러가 차지하는 비중은 56.32%다.

어떤 이들은 이 숫자를 "달러 패권의 쇠락 증거"로 읽는다. 2001년 달러 비중은 72%였다. 24년 만에 16%포인트가 빠졌다. 이 추세가 지속되면 언젠가 달러는 기축통화 지위를 잃는다.

그러나 IMF의 분석은 다르다. 환율 변동 효과를 제거하면, 달러 비중의 실질적 하락은 0.12%포인트에 불과하다. 달러 강세 시에는 달러 표시 자산의 상대적 가치가 올라가 비중이 높아 보이고, 달러 약세 시에는 낮아 보인다. 2001년의 72%는 닷컴 버블 피크이자 달러 초강세 시기였다. 수치 비교 자체가 맥락 없이 제시되면 오해를 만든다.

달러 대안으로 가장 자주 거론되는 위안화(元/CNY)의 외환보유고 비중은 약 2%다. 세계 2위 경제대국의 통화치고는 현저히 낮다. 유로가 약 20%, 엔이 약 6%, 파운드가 약 5%인 것과 비교하면, 위안화의 국제화는 아직 걸음마 수준이다.

"달러의 쇠퇴"는 수사(rhetoric)와 현실(reality) 사이의 간극이 큰 서사다.

달러 패권의 4중 이점

기축통화(Reserve Currency) 지위가 AI 시대에 제공하는 이점은 네 가지다.

첫째, 자본 조달 비용의 구조적 우위다. 미국 국채는 세계에서 가장 안전한 자산으로 간주된다. 전 세계 투자자가 달러 표시 자산을 원하기 때문에 미국의 차입 비용은 낮다. 빅테크 4사가 2026년 6,350억~6,650억 달러를 지출할 수 있는 배경에는 이 낮은 자본 비용이 있다. 중국 기업들이 같은 규모의 자본을 같은 비용으로 조달하는 것은 구조적으로 어렵다.

둘째, AI 거래 인프라 자체가 달러 위에 있다. GPU는 달러로 거래된다. NVIDIA 주식은 달러 표시다. AWS, Azure, GCP 클라우드 서비스는 달러로 청구된다. 글로벌 AI VC 투자 2,110억 달러의 60%가 베이 에어리어에서 달러로 집행됐다. Anthropic 3,800억 달러 기업가치, OpenAI 7,300억 달러 기업가치도 달러 표시다. AI 산업이 성장할수록 달러 수요가 늘어나는 자기강화 루프(self-reinforcing loop)다.

셋째, 달러 시스템이 곧 제재 무기다. SWIFT 네트워크, 수출입 통제 규정(EAR, Export Administration Regulations) — 이것들은 모두 달러 시스템 안에서 작동한다. NVIDIA가 중국에 H100을 팔지 못하는 것은 칩 성능 때문이 아니라 달러 시스템을 통한 미국의 통제 때문이다. 중국 기업이 NVIDIA GPU를 사려면 달러를 써야 하고, 달러 시스템을 통한 거래는 미국의 제재 대상이 된다.

넷째, 비달러권 AI 기업의 구조적 불리함이다. 유럽의 Mistral, 한국의 네이버 HyperCLOVA X, 인도의 AI 스타트업들이 기업가치를 달러로 산정받고 투자를 달러로 받아야 한다. 이 과정에서 환율 리스크와 달러 신용 시스템 편입 비용이 생긴다.

달러의 아킬레스건

공정한 분석은 취약점도 명시한다.

미국의 국가 부채는 2025년 기준 36조 달러를 넘었다. GDP 대비 약 125%다. 이 부채는 자동적으로 갱신된다. 미국이 지급하는 연간 국채 이자는 이제 국방예산을 초과했다. 역사적으로 패권국의 과도한 부채는 기축통화 신뢰를 잠식했다. 스페인이 남미 은광의 수입으로 재정을 유지했듯이, 미국은 달러 수요를 유지하는 한 이 부채를 굴릴 수 있다. 그 조건이 달라지는 날, 계산이 달라진다. 미국이 예외일 이유가 구조적으로 있는가, 아니면 아직 그 시점이 오지 않은 것인가 — 이 질문은 열려 있다.

BRICS+(브릭스 플러스) 국가들의 탈달러화(de-dollarization) 시도가 있다. 러시아는 우크라이나 전쟁 이후 SWIFT에서 배제되자 에너지 결제를 위안화로 전환했다. 이란은 위안화와 루피로 석유를 판다. 사우디아라비아는 달러 이외의 통화로 석유를 팔 가능성을 공개적으로 처음 언급했다. 인도는 루피 결제 협정을 확대하고 있다. 이들의 거래 규모는 아직 달러 지배를 위협하는 수준이 아니다. 그러나 방향이 형성되고 있다는 것은 10년 전과 다르다.

중국이 추진하는 디지털 위안(e-CNY, 디지털 위안)은 또 다른 전략이다. 달러를 정면으로 대체하는 것이 아니라, 달러 시스템 밖에서 작동하는 병렬 채널을 만드는 것이다. 2026년 1월, 중국은 해외 송금 규정을 강화해 5,000위안(元/CNY) 또는 1,000달러를 초과하는 거래에 상세 기록 제출을 의무화하고, 기록 보관 기간을 5년에서 10년으로 늘렸다. 자본 유출 통제를 강화하는 동시에, 위안화 직불 채널은 확장한다. 대(對)개도국 인프라 투자에서 위안화 결제를 확대하는 것이 전략이다. SWIFT를 우회하는 거래 경로를 만드는 것이 장기 목표다.

이것은 달러 패권의 즉각적 위협이 아니다. 다만 달러 시스템의 제재 무기화 능력이 점차 약화되는 경로다. 미국이 SWIFT 제재를 남발할수록, 제재 회피 인프라에 대한 수요가 늘어난다. 역설적으로 달러 무기화는 달러 대안의 수요를 키운다.

2026년 3월 현재, 달러는 여전히 글로벌 AI 경제의 혈액형이다. 하지만 혈액형을 바꾸려는 시도가 진행 중이다. 그 시도가 성공하려면 아직 오랜 시간이 필요하다. 그러나 시도 자체가 존재한다는 것은 20년 전과 다른 세계다.

섹션 D: 이중 나선 — 금융 패권과 기술 패권의 자기강화 구조

영국의 교훈

1815년, 나폴레옹 전쟁이 끝났다. 영국은 세계의 유일한 강국이었다.

런던 시티(City of London)는 세계 금융의 중심이었다. 영국 파운드 스털링(Pound Sterling)은 국제 무역의 기준 통화였다. 영국 해군은 대서양과 인도양의 무역로를 통제했다. 맨체스터와 버밍엄의 공장들은 세계 면직물의 절반을 생산했다. 증기기관은 영국의 것이었다.

이 두 가지 — 파운드와 증기기관 — 가 맞물렸다. 공장이 전 세계에 면직물을 팔면 무역 흑자가 생겼다. 흑자가 런던으로 흘러들어와 금융 자본이 됐다. 그 자본이 다시 공장 건설에 투자됐다. 더 많은 공장이 더 많은 면직물을 만들었다. 순환이었다.

금융 패권이 기술 패권을 강화했다. 영국 기업들은 파운드 표시 자산의 글로벌 수요 덕에 낮은 금리로 자본을 조달했다. 독일과 프랑스 기업보다 자본 비용이 낮았다. 더 많은 공장을 더 싸게 지을 수 있었다. 그 공장이 다시 무역 흑자를 만들었다. 이중 나선이었다.

이 구조는 100년간 지속됐다.

그러다가 균열이 생겼다.

첫 번째 균열은 기술의 확산이었다. 기계는 복사된다.

영국은 1774년 기계수출금지법(Act for the Preservation of the Art of Making Engines)을 제정했다. 산업 기계 수출과 숙련 노동자 해외 이민을 동시에 범죄화했다. 위반 시 최대 500파운드 벌금과 12개월 징역이었다. 영국은 이 법으로 기술 독점을 유지하려 했다.

스물두 살의 새뮤얼 슬레이터(Samuel Slater)는 더웬트 강변 아크라이트 방적 공장에서 도제 훈련을 받았다. 1789년, 그는 도면 한 장 없이 배를 탔다. 방직기의 구조를 머릿속에 통째로 담은 채였다. 미국 로드아일랜드(Rhode Island)에 상륙해 1793년 미국 최초의 수력 방직 공장을 완성했다. 영국 법은 그를 범죄자로 분류했지만, 미국은 그를 "미국 섬유산업의 아버지"로 불렀다.

2024년 10월부터 2025년 5월 사이, 중국으로 밀수 시도된 NVIDIA H100과 H200 GPU 적발 규모는 1억 6,000만 달러를 넘었다. 슬레이터가 도면을 머릿속에 담았다면, 현대의 밀수꾼들은 박스 안에 GPU를 숨겼다. 형태는 달라졌지만 구조는 같다. 기술 통제에는 항상 우회로가 생긴다.

독일은 영국 기계를 수입하고 모방했다. 비슷한 경로로 기술이 퍼졌다.

독일은 영국의 기술을 흡수한 뒤, 영국이 놓친 다음 파도를 잡았다. 2차 산업혁명 — 화학, 전기, 철강. 독일의 응용화학 교육 시스템이 세계 유기화학 시장의 90%를 장악했다. 독일 철강 생산량은 1893년 영국을 추월했다. 1913년, 독일의 세계 제조업 비중은 14.8%, 영국은 13.6%였다.

두 번째 균열은 금융의 과잉이었다. 런던 금융시장은 아르헨티나, 러시아, 중국에 대규모 대출을 했다. 제국 팽창의 자금을 댔다. 1차 세계대전이 터졌다. 전쟁 비용으로 이 대출들이 부실화됐다. 영국은 전쟁 중 미국에 빚을 졌다. 전쟁 전 채권국이었던 영국이 전쟁 후 채무국이 됐다.

세 번째 균열이 결정적이었다. 미국의 등장이었다. 1880년, 미국의 철강 생산량은 영국을 처음 추월했다. 1900년, 미국은 세계 철강 1위였다. 1917년, 미국이 글로벌 신용의 최종 공급자(lender of last resort)가 됐다. 전쟁 중 참전국들에 달러를 빌려주면서 세계 금융의 중심이 런던에서 뉴욕으로 이동하기 시작했다. 1918년 이후, 런던은 여전히 중요했지만 더 이상 유일하지 않았다.

기술 패권과 금융 패권이 함께 이전됐다.

21세기 이중 나선

오늘날 미국의 구조는 영국의 구조와 형태가 같다.

순환 구조 1: AI/클라우드 서비스가 기술 무역 흑자를 만든다. 그 흑자가 월스트리트와 VC 자본으로 축적된다. 그 자본이 OpenAI, NVIDIA에 투자된다. OpenAI와 NVIDIA의 성장이 더 많은 AI 서비스를 만든다.

순환 구조 2: 달러 국채에 대한 글로벌 수요가 미국의 차입 비용을 낮춘다. 낮은 차입 비용이 빅테크의 6,500억 달러 Capex를 가능하게 한다. 그 Capex가 더 강력한 AI 모델과 인프라를 만든다. 더 강력한 AI가 더 많은 달러 표시 거래를 만든다.

이것이 현재 진행형의 이중 나선이다.

현재의 균열 세 곳

영국의 교훈을 미국에 적용하면, 같은 세 가지 균열 가능성이 보인다.

첫 번째 균열 후보는 기술 확산이다. DeepSeek가 등장했다. 600만 달러로 프론티어 모델을 만들었다. 그것은 "기술이 복사된다"는 원리의 현대판이다. 오픈소스 AI 모델 — LLaMA, DeepSeek, Mistral — 이 확산되면서 AI 기술의 독점 가능성이 낮아진다. 중국은 글로벌 오픈 가중치 모델 상위 10개 중 9개를 점유하고 있다(ChinaTalk, 2025년 특정 벤치마크 기준). 독일이 영국의 기계를 흡수한 뒤 2차 산업혁명에서 앞선 것처럼, 중국이 AI 기초 기술을 흡수한 뒤 다음 파도(추론, 에이전트, 로봇공학)에서 앞설 가능성은 열려 있다.

두 번째 균열 후보는 금융의 과잉이다. 36조 달러의 국가 부채는 영국의 과잉 대출과 구조적으로 유사하다. 미국이 이 부채를 감당할 수 있는 것은 달러 기축통화 지위 덕에 낮은 금리로 차환할 수 있기 때문이다. 그러나 이 구조는 달러 신뢰가 유지될 때만 작동한다. 달러 신뢰가 흔들리면 금리가 오르고, 금리가 오르면 부채 비용이 오르고, 부채 비용이 오르면 빅테크의 Capex 여력이 줄어든다. 이것은 즉각적 위협이 아니지만, 구조적 취약점이다.

세 번째 균열 후보는 경쟁자의 등장이다. 중국은 아직 미국을 따라잡지 못했다. Epoch AI에 따르면 중국 모델과 미국 프론티어 모델의 격차는 2025년 기준 3~6개월이다. 한편 방향은 수렴이다. 2024년 말 중국의 글로벌 오픈소스 AI 시장 점유율은 1.2%였다. 2025년 8월에는 30%가 됐다. 8개월 만에 25배 성장이다. DeepMind CEO 데미스 하사비스(Demis Hassabis)는 "수개월 차이"라고 평가한다.

다만 여기서 영국과 미국의 결정적 차이도 있다. 영국은 기술 패권을 물리적 제국과 함께 운영했다. 제국이 무너지면 기술 패권도 함께 흔들렸다. 미국은 기술 패권을 탈물질화(dematerialization)된 소프트웨어와 표준으로 운영한다. 알고리즘은 증기기관과 달리 복사해도 원본이 사라지지 않는다. CUDA 생태계는 중국이 Ascend를 채택해도 사라지지 않는다. 이 "프로토콜 제국"의 특성이 영국 이중 패권보다 더 오래 지속될 가능성을 준다.

그러나 동시에, 같은 탈물질화가 AI 기술의 확산을 빠르게 만든다. 물리적 기계는 운반하는 데 배가 필요했다. 알고리즘은 인터넷으로 이동한다.

2025년의 역설: 수출 통제의 모순

2025년 12월, 트럼프 행정부는 NVIDIA H200의 중국 수출을 한때 승인했다. NVIDIA의 중국 매출 비중은 약 13%다. 이 매출이 없어지면 R&D 재원이 줄고, 장기적으로 미국 AI 패권이 약화된다는 논리였다.

그러나 이 결정은 번복됐다. 2026년 1월, BIS(산업안보국)는 H200 중국 수출 심사를 "거부 추정"에서 "건별 심사"로 완화했다. 동시에 트럼프 행정부는 미국 공급망 외 고급 AI 칩에 25% 관세를 부과했다. NVIDIA의 중국 H200 매출은 결국 0이었다. 승인됐지만 수출되지 않았다.

이 역설은 무엇을 보여주는가. 수출 통제는 중국의 AI 발전을 막는 데 목적이 있다. 그러나 수출 통제는 동시에 NVIDIA의 매출을 줄인다. NVIDIA 매출이 줄면 R&D 투자가 줄고 미국의 기술 우위가 좁아진다. 자국 기업의 이익과 안보 목표가 충돌한다.

영국은 기계수출금지법을 1843년에 폐지했다. 기계를 팔 때 오는 수익이 기술 확산의 위험보다 크다는 판단이었다. 미국은 지금 이 딜레마를 동일하게 겪고 있다.

1권 연결점: 아크라이트에서 젠슨 황까지

리처드 아크라이트(Richard Arkwright)는 1771년 더웬트 강변의 작은 마을 크롬퍼드(Cromford)에 세계 최초의 수력 방직 공장을 열었다. 방적기(spinning frame)라는 기계를 발명했다는 이야기는 반만 사실이다. 정확히는, 아크라이트는 발명가이기 이전에 시스템 설계자였다.

아크라이트가 만든 것은 방적기가 아니라 공장 시스템이었다. 기계를 건물 안에 배치하고, 노동자들을 교대제로 운영하고, 원면 공급에서 완제품 출하까지를 하나의 흐름으로 통합했다. 이전에는 분산된 가내 수공업이었던 것이 공장이라는 집중된 시스템이 됐다.

1권의 표현을 빌리면, 아크라이트는 실행 레이어(execution layer)를 장악한 것이 아니라 설계 레이어(architecture layer)를 만든 것이었다. 직조 자체가 아니라 직조를 가능하게 하는 시스템을.

젠슨 황(Jensen Huang)은 AI 시대의 아크라이트다.

비교는 구조적으로 정확하다.

아크라이트 젠슨 황/NVIDIA
방적기(spinning frame) GPU(Blackwell B200)
크롬퍼드 밀(Cromford Mill) DGX 슈퍼컴퓨터 클러스터
특허 소송으로 경쟁자 방해 CUDA 생태계로 전환 비용 부과
공장주 계층 형성 AI 기업 계층 형성
수직공(handloom weaver) 계층 파괴 주니어 소프트웨어 개발자 계층 위협

그러나 결정적 차이가 있다.

아크라이트의 공장 시스템은 영국 안에서만 완전히 작동했다. 원면은 인도에서 왔다. 노동자는 랭커셔에서 왔다. 시장은 제국 식민지에 있었다. 아크라이트는 영국 국가 권력과 운명을 같이했다. 영국 제국이 흔들리면 랭커셔 공장도 흔들렸다.

젠슨 황의 GPU 제국은 탈국가적이다. 설계는 캘리포니아 산타클라라에서 한다. 제조는 대만 TSMC에 맡긴다. 고대역폭 메모리(HBM)는 한국 SK하이닉스와 삼성에서 온다. 판매는 전 세계에서 한다. 사용은 모든 대륙에서 한다.

이 탈국가성이 NVIDIA를 아크라이트보다 강하게 만든다. 단일 국가의 운명에 묶이지 않는다. 동시에, 이 탈국가성이 수출 통제라는 "재국가화(re-nationalization)" 시도와 충돌한다. 미국 정부가 "NVIDIA는 미국 회사이므로 중국에 팔지 마라"라고 할 때, NVIDIA는 "우리는 글로벌 기업이며 중국 매출도 우리 주주의 자산"이라는 논리와 충돌한다.

1권에서 아크라이트가 특허 소송을 통해 경쟁자를 막으려 했지만 결국 1785년 특허 소송에서 패소했던 것처럼, NVIDIA의 CUDA 독점도 언젠가는 도전에 직면할 것이다. 특허는 만료된다. 그러나 아크라이트가 특허 소송에서 졌음에도 그가 구축한 "공장 경영 시스템"은 표준으로 남았다. NVIDIA가 CUDA 독점을 잃더라도, AI 연산의 표준을 먼저 정의한 회사로서의 이점은 오래 이어질 것이다.

"아크라이트가 면사를 짜는 속도를 100배로 높였다면, 젠슨 황은 생각하는 속도를 100배로 높였다. 두 사람의 공통점은 기계를 만든 것이 아니라, 기계 위에서 돌아가는 생태계를 만들었다는 것이다."

그리고 1권의 핵심 공식 — 기술 → 자본 집중 → 사회 불안 → 제도 재설계 — 이 다시 작동하고 있다. AI라는 기술이 NVIDIA에 자본을 집중시킨다. 그 자본이 빅테크 4사의 6,500억 달러 투자로 이어진다. 이 투자가 만드는 AI가 노동 시장을 재편한다. 사회 불안이 시작된다. 제도는 아직 따라가지 못하고 있다.

1권에서 공장법까지 64년이 걸렸다. 최초 공장 1769년에서 공장법 1833년까지. AI 시대에 제도 적응의 역사적 밴드(14~64년)가 얼마나 압축될 수 있을지는 아직 알 수 없다. 그러나 속도가 다르다는 것만은 확실하다. 아크라이트의 공장은 랭커셔에서만 보였다. 젠슨 황의 GPU는 전 세계에서 동시에 작동하고 있다.

섹션 추가: 투자자를 위한 구조 분석

이 섹션에서 필요한 것은 분석의 언어다. 서사가 아니라 프레임워크.

GPU 공급망의 구조적 집중

NVIDIA의 독점은 세 개의 집중이 받쳐준다.

설계 집중: NVIDIA는 GPU 설계를 독점한다. AMD가 경쟁하고 있으나 소프트웨어 생태계 격차가 크다. 구글, Amazon, Microsoft의 자체 칩은 내부용으로 제한된다.

제조 집중: NVIDIA GPU의 제조는 TSMC 대만 공장에 의존한다. TSMC의 파운드리 시장 점유율은 2024년 기준 64%, 2025년 연간 66%+다. ASML의 EUV(극자외선) 노광 장비 없이는 3~4nm 공정이 불가능하다. ASML은 세계 유일의 EUV 제조사다. 중국에는 EUV를 한 대도 팔지 않았다. 이 이중의 집중이 미국 수출 통제의 물리적 기반이다.

생태계 집중: CUDA는 비공개다. 수백만 명의 개발자가 CUDA에 최적화된 코드를 작성했다. 이 코드베이스는 NVIDIA에 의존한다. 이 의존성이 전환 비용이다.

이 세 집중이 동시에 무너지지 않는 한, NVIDIA의 독점은 지속된다. 그리고 이 세 집중 중 어느 하나를 무너뜨리는 것도 단기간에는 어렵다.

빅테크 Capex의 리스크 구조

6,500억 달러 투자는 세 가지 리스크를 내포한다.

수요 리스크: AI 서비스에 대한 실제 기업 지출이 예상보다 느리게 증가하면, 인프라 과잉 공급이 된다. 2026년 현재 AI 소비의 대부분은 아직 훈련 단계에 집중돼 있다. 추론(inference) 수요가 훈련 수요를 넘어서는 시점이 수익화의 분수령이다.

효율 리스크: DeepSeek 방식의 효율화가 가속되면, 같은 성능을 얻기 위해 더 적은 GPU가 필요해진다. Capex가 과잉 투자가 된다. 젠슨 황의 "제번스 역설" 반론이 맞는다면 이 리스크는 해소된다.

전력 리스크: 데이터센터 전력 수요 증가가 전력 공급 능력을 초과하면, 훈련과 추론 용량에 병목이 생긴다. 미국 전력망의 업그레이드 속도가 AI 투자 속도를 따라가지 못할 수 있다.

한 가지 사실이 남는다. 이 돈을 쓰는 4개의 회사는 AI가 버블이 아니라는 데 각자 수백억 달러를 걸었다. 그들의 정보는 투자자보다 낫다. 그들이 틀릴 수도 있다. 그렇지만 그들이 틀린다면, AI 버블의 규모는 닷컴 버블을 압도할 것이다.

달러-GPU 이중 나선의 투자 함의

달러 기축통화 지위와 GPU 독점의 결합이 투자자에게 제시하는 시간 지평은 세 개다.

단기(2026~2028): 단기 실적의 가시성이 높다. 수주 잔고 3,200억 달러가 이미 확정되어 있고, 빅테크 Capex의 약 40%가 GPU 서버에 투입된다. 대부분이 NVIDIA를 거친다. FY2026 실적이 이 구조를 확인했다.

중기(2028~2032): 효율화 추세와 자체 칩 개발의 가속이 NVIDIA 성장률을 낮출 가능성이 있다. 그러나 AI 모델의 복잡도 증가와 추론 수요 급증이 이를 상쇄할 가능성도 있다. 어느 힘이 강할지는 2026년 현재로서는 알 수 없다.

장기(2032 이후): 양자컴퓨팅, 뉴로모픽 칩, 혹은 현재 상상하지 못하는 아키텍처가 GPU를 대체하거나 보완하는 시대가 올 것이다. 이것은 이중 나선의 다음 변환이다.

달러 기축통화에 대한 투자 함의는 다르다. 달러는 직접 투자 대상이 아니라 구조적 조건이다. 그러나 달러의 구조적 안정성이 미국 빅테크 투자의 전제 조건이다. 달러 신뢰가 흔들리는 시나리오에서는 미국 테크 밸류에이션 전체가 재평가된다. 그것은 "달러 위기"가 아니라 "AI 버블 붕괴"와 같은 충격을 만들 것이다.

섹션 추가: 균형을 위한 비교 — 중국의 다른 계산

$600만 대 $6,350억

숫자의 대비가 질문을 만든다.

DeepSeek V3의 훈련 비용 약 600만 달러. 빅테크 4사의 2026년 AI Capex 6,350억~6,650억 달러. 비율로 따지면 약 1대 10만이다. 한쪽은 600만으로 프론티어 모델을 만들었다. 다른 쪽은 6,500억을 쏟아붓는다.

이것은 어떻게 해석해야 하는가.

단순화하면 오해가 생긴다. DeepSeek의 600만 달러는 최종 훈련 실행 비용이다. 그 이전의 연구 개발, 데이터 준비, 인프라 구축 비용은 포함되지 않는다. SemiAnalysis에 따르면, DeepSeek의 총 서버 Capex는 약 16억 달러로 추산된다. 그 중 클러스터 운영 관련 비용이 9억 4,400만 달러다. 여전히 미국 빅테크 대비 수백 배 적지만, 600만이라는 숫자는 일부일 뿐이다.

하지만 방향은 분명하다. DeepSeek는 제약 조건 속에서 더 효율적인 알고리즘을 개발했다. NVIDIA H100과 H800에 대한 수출 통제가 강화되면서, 더 적은 칩으로 더 많은 것을 하는 방법을 찾았다. 제약이 혁신을 죽인 것이 아니라, 다른 종류의 혁신을 낳았다.

이것은 1권에서 보았던 패턴과 같다. 랭커셔 수직공들이 일자리를 잃어갈 때, 일부는 다른 기술을 개발했다. 제약은 일부를 밀어내고, 일부에게는 새로운 방향을 강제한다.

중국의 AI 효율성 — 구조적 이유가 있다

중국의 AI 효율성이 단순히 "어쩔 수 없어서"만은 아니다. 구조적 이유가 있다.

중국의 데이터센터 전기료는 미국의 절반 이하다. 2024년 중국의 전력 순 용량 추가는 약 430GW로, 같은 해 미국(약 30GW)의 14배가 넘었다(국가에너지국/Jefferies). 2030년 중국의 여유 전력 전망은 약 400GW다. 전력 비용이 절반이면 추론(inference) 비용이 절반이다. 추론 비용이 절반이면 같은 돈으로 두 배의 AI 서비스를 제공할 수 있다.

중국 AI 모델의 가격은 미국 대비 6분의 1에서 4분의 1 수준이다. DeepSeek R1 API 비용은 입력 기준 1M 토큰당 0.55달러다. OpenAI o1은 15달러다. 20~50배 차이다. 이 가격 구조에서 중국 AI 서비스가 글로벌 시장을 잠식할 수 있다면, 미국 빅테크의 AI 수익화에 직접 타격이 된다.

2026년 2월 현재, 중국 프론티어 모델들 — Alibaba Qwen 3.5, ByteDance Doubao 2.0, GLM-4.7, Kimi K2.5 — 은 서구 프론티어 모델과 대등하거나 근접한 성능을 보인다. 이들의 가격은 미국의 6분의 1이다.

이것이 이중 나선의 마찰 지점이다. 달러 표시 AI 서비스가 지배하는 세계에서, 더 싼 비달러 AI 서비스가 등장한다면, 달러 AI 거래의 비중이 줄어들 수 있다. 아직 일어나지 않은 일이다. 그러나 방향은 형성되고 있다.

전환부: 동전의 양면

이것이 "자본의 집중(Ch.4)"과 "노동의 배제(Ch.5)"가 같은 동전의 양면인 이유다. NVIDIA 본사에서 매일 초당 6,400달러를 벌어들이는 동안, 시카고의 한 법률 사무소에서는 파라리걸 자리가 조용히 사라지고 있다. 해고당하는 것이 아니다. 빈자리를 채우지 않는 것이다. 조용한 밀림이다.

동전의 앞면에는 6,500억 달러가 있다. 뒷면에는 밀린 자들이 있다.

달러 기축통화 지위가 자본 조달 비용을 낮추고, 그 자본이 GPU 클러스터로 흘러들어 파라리걸 업무의 69%를 자동화한다. 세계의 잉여 자본이 산타클라라로 집중되는 동안, 그 집중이 만든 도구들은 전 세계의 화이트칼라 책상 위에 동시에 도착하고 있다.

달러와 GPU가 세계를 재편하는 동안, 그 재편에서 밀려나는 사람들이 생긴다. 그들은 누구이며, 어떻게 밀려나는가.

동전의 뒷면을 볼 차례다.

NVIDIA의 92% GPU 독점은 하드웨어가 아니라 CUDA 생태계에 있다. 빅테크 4사의 6,500억 달러 AI 투자는 달러 기축통화 지위가 주는 낮은 자본 비용 위에서 가능하다. 이 두 가지 — 달러와 GPU — 가 이중 나선을 형성하며 서로를 강화한다. DeepSeek의 600만 달러 프론티어 모델, 중국의 에너지 비용 우위, 국가 부채 36조 달러, BRICS+ 탈달러화 시도가 이 이중 나선에 마찰을 가한다. 영국이 파운드와 증기기관이라는 이중 패권을 100년간 유지했다가 잃었듯이, 미국이 같은 구조를 얼마나 오래 유지할 수 있는지는 지금 결정되는 중이다.

다음 챕터 예고: 6,500억 달러의 투자가 만든 AI가 당신 동료의 자리를 노리기 시작한다면, 당신은 밀린 자인가 읽은 자인가. 러스트벨트의 블루칼라가 30년 전에 경험한 것을, 화이트칼라가 지금 경험하기 시작한다. 표적이 달라졌고 속도가 달라졌다. 그러나 구조는 같다.

참고: 이 챕터의 핵심 데이터

수치 값 출처
NVIDIA GPU 시장 점유율 (2025 H1) 92% Carbon Credits
NVIDIA AI 칩 시장 점유율 90% PatentPC
NVIDIA AI 데이터센터 매출 점유율 86% Visual Capitalist
NVIDIA FY2026 연간 매출 $2,159억 (+65% YoY) NVIDIA 공식
NVIDIA Q4 FY2026 매출 $681억 (+73% YoY) NVIDIA 공식
Blackwell 누적 판매 ~$1,800억 Motley Fool
FY2027 수주 잔고 $3,200억 분석사 추정
빅테크 4사 Capex 2025 ~$4,000억 CNBC
빅테크 4사 Capex 전망 2026 $6,350억~$6,650억 CNBC
Amazon 2026 Capex ~$2,000억 CNBC
Alphabet 2026 Capex $1,750억~$1,850억 CNBC
Microsoft 2026 Capex (연율) ~$1,450억 CNBC
Meta 2026 Capex $1,150억~$1,350억 CNBC
AI 인프라 직접 투입 비중 ~75% IEEE ComSoc
달러 글로벌 외환보유고 비중 (2025 Q2) 56.32% IMF COFER
위안화 외환보유고 비중 ~2% IMF COFER
달러 피크 비중 (2001) 72% St. Louis Fed
미국 국가 부채 $36조+ 공식
DeepSeek V3 GPU 훈련 비용 ~$600만 Analytics Vidhya
Huawei Ascend 910C 수율 약 40% SemiAnalysis
Huawei Ascend 2026 생산 목표 160만 다이 Bloomberg/SCMP
H100/H200 밀수 적발 규모 $1.6억+ CNBC
영국 기계수출금지법 1774년 제정, 1843년 폐지 역사 기록
미국 철강, 영국 초과 1880년 역사 기록
독일 철강, 영국 추월 1893년 Wikipedia
이 챕터의 인용 출처와 참고 문헌은 Vol. 2 참고 문헌에서 확인할 수 있습니다.