클라우드 삼국지: 왜 같은 GPU가 다른 가격인가 — AI 원가와 마진의 분기점 | 재무제표 X-Ray-06

지난 편에서는 AI 기업이 GPU와 전력을 확보하기 위해 Take-or-Pay 계약을 체결할 수 있고, 계약 총액보다 최소지급의무와 가동 개시일, 해지권을 먼저 봐야 한다는 점을 다뤘습니다. 이번에는 그 계약이 실제 고객 가격으로 바뀌는 지점, 즉 클라우드 GPU 가격을 살펴봅니다.

클라우드 삼국지는 AWS·Azure·Google Cloud의 단순한 시장점유율 경쟁이 아닙니다. 동일한 AI 작업을 누가 더 낮은 총원가와 더 안정적인 공급 조건으로 제공할 수 있는지 겨루는 인프라 경쟁입니다.

같은 H100 GPU를 빌려 쓰는데 AWS와 Azure, Google Cloud, CoreWeave 같은 네오클라우드의 가격이 다른 이유는 무엇일까요. 표면적으로는 GPU 한 장의 시간당 가격 차이처럼 보이지만, 실제로 고객이 구매하는 것은 칩 한 장이 아닙니다.

고객은 서버, 네트워크, 전력, 냉각, 데이터 이동, 예약 용량, 보안, 관리도구, 기술지원, 계약 유연성이 묶인 서비스를 구매합니다. 그래서 클라우드 삼국지는 가격표 비교가 아니라 원가 구조와 위험 배분의 비교로 읽어야 합니다.

이 글은 어느 클라우드가 무조건 싸다고 말하지 않습니다. 온디맨드 가격이 낮아도 데이터 이동비와 운영 인력이 많이 들면 실제 원가는 높아질 수 있습니다. 반대로 단가가 높아도 기존 데이터·보안 체계·애플리케이션과 결합돼 전환비용을 줄이면 전체 비용은 낮아질 수 있습니다.

클라우드 삼국지의 핵심은 가격표 비교가 아니라 원가 구조 비교입니다. AI 기업의 매출총이익률은 모델 가격만으로 결정되지 않습니다. 고객에게 서비스를 제공하기 위해 실제로 소비되는 GPU 시간, 전력, 네트워크, 감가상각, 클라우드 사용료, 할인계약, 유휴 용량이 함께 마진을 만듭니다.

1. 같은 GPU인데 가격이 다른 이유

대부분의 글은 H100의 시간당 가격을 비교해 어느 클라우드가 비싼지 결론을 냅니다. 시간당 단가는 출발점으로 유용하지만, 그 숫자만으로 실제 AI 원가를 판단하기는 어렵습니다.

AWS의 H100 가격을 인용할 때는 인스턴스·리전·구매 방식이 무엇인지 반드시 밝혀야 합니다. 예를 들어 p5.48xlarge는 H100 8개, 192 vCPU, 메모리 2TiB로 구성된 인스턴스입니다.

일부 공개 가격 데이터에서는 미국 동부·오하이오의 온디맨드 조건에서 시간당 55.04달러, GPU당 단순 환산 약 6.88달러로 표시됩니다. 다만 이는 특정 리전과 온디맨드 조건의 예시일 뿐, 모든 AWS H100의 일반 가격이 아닙니다.

AWS Capacity Blocks의 p5.48xlarge는 리전과 블록 조건에 따라 인스턴스당 유효 시간당 41.528달러, 가속기당 5.191달러의 예시 가격이 제시되기도 합니다. Capacity Blocks는 선구매한 특정 기간의 용량 블록 상품이므로 온디맨드와 같은 조건으로 비교할 수 없습니다.

가격 확인 기준은 2026년 9월 16일 확인 가능한 공개 가격과 상품 설명입니다. 실제 견적은 리전, GPU 수, 인스턴스 SKU, 운영체제, 약정 기간, 수량, 네트워크, 스토리지, 기술지원, 기업 할인에 따라 달라질 수 있습니다.

1-1. GPU 시간당 가격은 서비스 묶음의 가격이다

클라우드 삼국지에서 가격이 달라지는 첫 번째 이유는 서비스 묶음의 차이입니다. 동일한 GPU 모델이라도 서버당 GPU 개수, GPU 간 연결 방식, CPU·메모리 비율, 로컬 스토리지, 네트워크 속도, 가용 영역 구성에 따라 학습 성능은 달라집니다.

고객이 H100 여덟 장을 빌렸다고 해도 GPU 사이의 통신 지연이 크면 대규모 분산 학습 효율은 떨어질 수 있습니다. 반대로 네트워크가 빠르고 스토리지·오케스트레이션 도구가 잘 연결돼 있다면 시간당 가격이 높아도 학습 완료까지 걸리는 시간이 짧아질 수 있습니다.

따라서 클라우드 삼국지에서 봐야 할 단위는 GPU당 시간당 요금만이 아닙니다. 학습 작업 하나를 끝내는 데 필요한 총 GPU 시간, 추론 토큰 하나를 생성하는 데 필요한 비용, 장애·재시작·데이터 이동까지 포함한 총소유비용이 더 중요합니다.

따라서 클라우드 삼국지에서 고객이 비교해야 할 대상은 GPU 한 장이 아니라, 같은 작업을 완료하는 데 필요한 전체 인프라 묶음입니다. 시간당 요금은 출발점일 뿐이며, 실제 비용 판단은 작업 완료 시점에 이뤄져야 합니다.

1-2. 온디맨드·예약·스팟 가격은 같은 상품이 아니다

온디맨드 가격은 즉시 사용할 수 있는 유연성의 가격입니다. 고객은 장기 의무 없이 필요할 때 자원을 쓰고, 사용량이 줄면 비용도 줄일 수 있습니다. 공급자는 수요 변동과 유휴 자산 위험을 부담하므로 단가를 높게 받을 수 있습니다.

클라우드 삼국지의 가격 차이는 공급자가 고객에게 넘기는 위험의 차이이기도 합니다. 온디맨드에서는 공급자가 유휴 용량 위험을 더 부담하고, 장기 예약에서는 고객이 수요 예측 위험을 더 부담할 수 있습니다.

예약계약과 용량 블록은 다릅니다. 고객이 1년 또는 3년의 사용 의무를 약정하거나 특정 기간 GPU 클러스터를 미리 확보하면 공급자는 수요 예측이 쉬워집니다. 그 대가로 고객은 할인받을 수 있지만, 수요가 줄어도 약정 부담을 가질 수 있습니다.

스팟 또는 프리엠프터블 자원은 남는 용량을 낮은 가격에 쓰는 방식입니다. 가격은 낮을 수 있지만 공급자가 필요할 때 작업이 중단될 수 있습니다. 긴 학습 작업에 적합한지는 체크포인트·재시작·대체 인프라의 준비 여부에 달려 있습니다.

📎 참고 자료: AWS EC2 Capacity Blocks의 H100 예약 용량 가격과 과금 방식 확인하기

이 표를 클라우드 삼국지의 가격표로 읽을 때는 할인율보다 계약의 유연성을 먼저 확인해야 합니다. 낮은 명목 단가가 미사용 약정과 전환 제한을 포함한다면, 경제적 실효단가는 오히려 높아질 수 있습니다.

2. 클라우드 삼국지의 가격표를 읽는 법

클라우드 삼국지는 세 사업자가 동일한 방식으로 경쟁하는 시장이 아닙니다. AWS는 광범위한 서비스 포트폴리오와 자체 칩, Azure는 기업 고객과 마이크로소프트 생태계, Google Cloud는 TPU와 데이터·AI 플랫폼 통합을 각각 강점으로 갖습니다.

클라우드 삼국지에서는 가격표의 형식 자체도 사업자마다 다릅니다. 어떤 공급자는 노드 단위로, 어떤 공급자는 GPU 단위로, 어떤 공급자는 장기 예약 용량을 포함한 유효 단가로 가격을 제시합니다.

그래서 같은 NVIDIA GPU를 제공해도 가격표에는 각자의 전략이 반영됩니다. AI 모델 개발자에게는 GPU 가격이 중요하지만, 기업 고객에게는 기존 데이터웨어하우스, 보안 체계, 생산성 도구, 애플리케이션, 계약 할인까지 묶인 전체 가격이 더 중요할 수 있습니다.

2-1. AWS·Azure·Google Cloud의 비교 전제

AWS·Azure·Google Cloud의 가격표를 비교할 때는 H100이라는 명칭만 같다고 동일 상품으로 판단해서는 안 됩니다. AWS p5.48xlarge는 8×H100과 192 vCPU, 2TiB 메모리 구성으로 제시됩니다.

클라우드 삼국지에서 AWS 가격을 비교할 때도 인스턴스 전체 구성과 지역을 고정해야 합니다. GPU당 단순 환산 가격은 편리하지만, CPU·메모리·스토리지·네트워크 가치가 함께 포함된 결과라는 한계가 있습니다.

Google Cloud A3 High 역시 H100 8개를 포함한 노드형 상품이지만, 208 vCPU, 약 1.87TB 메모리, 로컬 SSD 6TB 등 구성요소가 다릅니다. 공개표에서 시간당 88.49달러가 제시될 수 있고 GPU당 단순 환산은 약 11.06달러가 되지만, AWS와 네트워크·리전·약정 조건이 완전히 일치하지 않으면 가격 순위를 정할 수 없습니다.

Google Cloud의 A3 High 가격도 클라우드 삼국지의 상대 순위를 확정하는 숫자가 아닙니다. H100 8개라는 공통점이 있어도 메모리, 로컬 SSD, 네트워크, 리전, 할인 계약이 다르면 고객의 실제 작업 완료 비용은 달라집니다.

Azure는 H100 계열 VM이라도 NC 계열과 ND 계열, GPU 수, CPU·메모리, 네트워크, 운영체제, 리전에 따라 가격과 용도가 달라집니다. 따라서 AWS의 8-GPU 학습 노드나 Google Cloud의 A3 High와 비교할 때는 GPU 수, GPU 간 연결, 노드 간 네트워크, CPU·메모리, 약정 조건을 맞춰야 합니다.

2-2. 네오클라우드가 낮은 가격을 제시할 수 있는 이유

CoreWeave, Lambda, Crusoe, RunPod 같은 네오클라우드 또는 전문 GPU 클라우드는 GPU 작업에 집중합니다. 이들은 범용 클라우드의 광범위한 서비스 포트폴리오 대신 GPU 자산의 높은 가동률, 단순화된 운영 구조, 특정 고객 중심의 대형 계약에 집중할 수 있습니다.

CoreWeave의 공식 가격표는 H100 HGX 80GB를 시간당 4.76달러, H100 PCIe 80GB를 시간당 4.25달러로 표시합니다. 이는 전문 GPU 클라우드가 하이퍼스케일러보다 낮은 명목 단가를 제시할 수 있다는 근거가 됩니다.

다만 H100 HGX와 H100 PCIe를 한 줄의 H100으로 묶어 비교해서는 안 됩니다. HGX·NVLink 구성과 PCIe 구성은 GPU 상호연결, 대규모 분산학습 성능, CPU·메모리·스토리지·약정 조건에서 차이가 날 수 있습니다.

전문 사업자가 더 낮은 가격을 제시할 수 있는 이유는 GPU 조달·배치·운영을 특정 작업에 최적화하고, 유휴 GPU를 줄이며, 대형 고객의 장기 약정으로 수요 불확실성을 낮출 수 있기 때문입니다. 낮은 가격이 항상 낮은 품질을 뜻하는 것은 아닙니다.

그러나 네오클라우드의 가격을 하이퍼스케일러와 비교할 때는 지역 수, 글로벌 네트워크, 보안 인증, 서비스 범위, 재무건전성, 특정 공급자 의존도, 데이터 이동 비용, 장애 시 대체 가능성도 함께 봐야 합니다.

결국 클라우드 삼국지에서 네오클라우드의 낮은 명목 가격은 중요한 경쟁력일 수 있지만, 고객의 보안·운영·전환 비용까지 낮다는 뜻은 아닙니다. 가격과 서비스 범위를 같은 기준으로 맞춘 뒤에만 비교가 가능합니다.

📎 참고 자료: CoreWeave 공식 가격표에서 H100 HGX·PCIe GPU 요금 확인하기

3. AI 원가는 GPU 가격표 밖에서 갈린다

AI 모델 학습과 추론의 실제 원가는 GPU를 켜 둔 시간만으로 끝나지 않습니다. 클라우드 공급자는 데이터센터 전력, 냉각, 변전 설비, 네트워크, 서버, GPU, 보안, 운영 인력, 감가상각, 자본비용을 회수해야 합니다.

클라우드 삼국지의 원가 경쟁은 GPU 제조사만의 경쟁이 아닙니다. 전력 조달, 냉각 효율, 토지와 건물, 네트워크, 자본비용을 얼마나 낮게 통제하느냐가 공급자의 장기 가격 경쟁력을 가릅니다.

3-1. 전력·냉각·데이터센터가 만드는 원가

GPU는 전력 집약적인 장비입니다. 데이터센터가 같은 GPU를 운영해도 전력단가와 냉각 효율이 다르면 공급자의 원가는 달라집니다. 전력이 싼 지역, 냉각이 효율적인 기후, 기존 변전 인프라가 있는 부지는 원가 경쟁력을 높일 수 있습니다.

반대로 전력망 접속이 늦거나 피크 시간 전력요금이 높거나 냉각 설비를 새로 건설해야 한다면 GPU 단가가 같아도 서비스 가격은 높아질 수 있습니다. AI 인프라는 칩 산업이면서 동시에 전력·부동산·설비 산업입니다.

이 때문에 클라우드 삼국지에서 같은 H100 GPU의 가격 차이는 데이터센터 입지의 차이로도 발생합니다. 전력 확보가 빠르고 냉각 효율이 높은 지역은 공급자가 고객에게 더 경쟁적인 조건을 제시할 기반이 될 수 있습니다.

3-2. 네트워크와 데이터 이동비의 함정

AI 모델 학습에는 대규모 데이터 이동이 필요합니다. 학습 데이터를 한 클라우드에서 다른 클라우드로 옮기거나, 추론 결과를 외부 시스템으로 대량 전송하면 네트워크 비용이 발생할 수 있습니다.

데이터 이동비는 단순한 반출 단가로 끝나지 않습니다. 인터넷 반출, 리전 간 복제, 가용영역 간 통신, 사설회선, NAT·보안장비 통과, 저장계층 변경 비용까지 데이터 경로별로 달라질 수 있습니다.

클라우드 삼국지에서 데이터 이동비를 비교할 때는 각 사업자의 반출 정책과 예외 조건을 함께 봐야 합니다. 반출비 면제 정책이 있어도 대상 지역, 신청 절차, 전송 경로, 부가 네트워크 서비스 비용에 따라 실제 비용은 달라질 수 있습니다.

반대로 일부 사업자는 고객의 멀티클라우드·온프레미스 이전을 지원하기 위해 반출비 면제 또는 할인 정책을 제공하기도 합니다. 따라서 벤더 락인은 반출 단가 하나가 아니라 데이터 구조, 전송량, 재구축 기간, 애플리케이션 의존성, 계약상 반출권을 합산해 판단해야 합니다.

📎 참고 자료: Azure 데이터 반출·리전 간 전송 요금과 멀티클라우드 이전 지원 정책 확인하기

3-3. GPU 감가상각과 외부 사용료의 차이

하이퍼스케일러가 GPU를 직접 사서 운영하면 GPU·서버·네트워크 장비의 감가상각이 원가에 포함될 수 있습니다. 이 경우 공급자의 가격에는 과거의 대규모 CAPEX와 미래 교체투자 부담이 반영됩니다.

외부 클라우드 GPU 사용료는 자동적으로 특정 계정으로 분류되는 것이 아닙니다. 서비스 제공과 직접 관련된 추론·호스팅 비용은 매출원가에 반영될 수 있고, 신모델 개발·학습·실험을 위한 컴퓨팅 비용은 연구개발비에 반영될 수 있습니다.

실제 분류는 비용의 기능, 기업의 회계정책, 내부 배부 기준에 따라 달라집니다. 전력·냉각·운영 인력도 서비스 제공 기능과 직접 연결되는지, 연구개발인지, 공통 인프라 비용인지에 따라 매출원가·연구개발비·판매관리비 사이에 배부될 수 있습니다.

클라우드 삼국지의 고객 가격은 공급자의 GPU 감가상각과 고객사의 클라우드 사용료가 만나는 지점이기도 합니다. 공급자는 설비투자와 감가상각을 회수해야 하고, 고객은 그 사용료를 매출원가나 연구개발비로 배부할 수 있습니다.

4. 벤더 락인은 왜 가격보다 무서운가

예약할인, 지출 약정, 용량 예약은 공급자에게 예측 가능한 매출을 제공합니다. 고객은 그 대가로 낮은 단가와 우선 용량을 얻을 수 있습니다.

클라우드 삼국지에서 벤더 락인은 단순히 특정 사업자를 떠나기 어렵다는 뜻이 아닙니다. 할인계약, 데이터 구조, 보안 체계, 운영 인력, AI 개발도구가 서로 결합하면서 전환의 경제적 비용을 높이는 구조입니다.

그러나 수요가 줄거나 더 좋은 GPU 세대가 다른 공급자에 먼저 들어오거나 데이터센터 지역 전략이 달라지면 장기 약정은 전환을 어렵게 만들 수 있습니다. 할인은 단순 가격 인하가 아니라 고객의 미래 선택권 일부를 공급자에게 넘기는 거래일 수 있습니다.

4-1. 할인은 계약 유연성과 맞바꿀 수 있다

구매·조달 실무에서는 할인율만 보지 않습니다. 약정 사용률, 미사용분 이월, 지역 간 전환, GPU 세대 교체, 계약 중도 해지, 계열사 사용 허용, 가격 재협상 기준을 함께 봅니다.

클라우드 삼국지에서 장기 약정은 공급 부족 국면에서는 경쟁력일 수 있지만, 기술과 수요가 빠르게 바뀌는 시기에는 계약 유연성을 낮출 수 있습니다. 따라서 할인율은 계약기간 전체의 선택권 가격과 함께 평가해야 합니다.

따라서 클라우드 삼국지의 장기 할인은 현금 절감 효과와 선택권 상실 효과를 함께 계산해야 합니다. 계약 기간 동안 절감되는 GPU 비용보다 전환 제한으로 생길 수 있는 기회비용이 크다면 할인은 재검토 대상이 됩니다.

4-2. 데이터·보안·도구가 만드는 전환비용

클라우드 전환비용은 계약 위약금만이 아닙니다. 데이터를 이동하는 비용, 모델을 다시 배포하는 비용, 보안·권한 체계를 재설계하는 비용, 엔지니어 교육, 장애 위험, 고객 서비스 중단 위험이 합쳐집니다.

AI 기업은 특히 데이터 파이프라인과 모델 운영도구에 묶일 수 있습니다. 학습 데이터가 특정 저장소에 있고, 추론 서비스가 특정 네트워크와 보안체계에 연결돼 있으며, 모니터링·로그·청구 시스템이 특정 클라우드 도구에 맞춰져 있으면 이동은 단순하지 않습니다.

클라우드 삼국지에서 멀티클라우드 전략은 락인을 줄이는 방법이지만 공짜 해결책은 아닙니다. 데이터 복제, 보안 정책 통합, 운영 인력, 관제 도구, 장애 대응 체계를 이중으로 설계해야 하므로 관리 원가가 늘어날 수 있습니다.

5. AI 기업의 마진은 어디서 갈리는가

AI 모델 서비스의 매출총이익은 고객에게 받은 API·구독·기업계약 매출에서 추론에 직접 관련된 원가를 뺀 결과입니다. 이 원가에는 GPU 사용료 또는 GPU 감가상각, 전력·냉각, 네트워크, 모델 운영 인력, 데이터 처리 비용이 포함될 수 있습니다.

클라우드 삼국지가 AI 기업의 마진에 중요한 이유는 컴퓨팅 원가가 서비스 원가의 중심이기 때문입니다. 공급자 간 단가 차이는 고객이 받는 할인으로 끝나지 않고, AI 모델 기업의 매출총이익률과 가격 정책에 직접 연결될 수 있습니다.

5-1. 매출총이익률은 추론 단가와 사용률의 함수다

추론 단가는 같은 모델이라도 입력·출력 토큰 길이, 모델 크기, 배치 처리, 캐시 활용, GPU 세대, 메모리 효율, 고객별 SLA에 따라 달라집니다. 단가가 낮아지면 같은 가격에서 마진은 좋아질 수 있습니다.

GPU 사용률도 중요합니다. 직접 보유한 GPU가 유휴 상태라면 감가상각과 전력·데이터센터 비용은 계속 발생할 수 있습니다. 반대로 사용률이 높아도 고객 가격이 너무 낮으면 매출총이익률은 충분히 개선되지 않을 수 있습니다.

클라우드 삼국지에서 GPU 단가가 내려가도 AI 기업의 마진이 자동으로 개선되는 것은 아닙니다. 경쟁사가 가격을 함께 낮추거나, 고객이 더 큰 모델과 더 긴 토큰 사용을 요구하면 절감된 원가가 빠르게 상쇄될 수 있습니다.

5-2. 내부 원가배분이 만드는 착시

AI 기업은 모델 학습·제품 개발·추론 서비스·보안·내부 운영에 같은 GPU 클러스터를 함께 쓸 수 있습니다. 이때 GPU 사용료와 감가상각을 매출원가, 연구개발비, 판매비와관리비에 어떻게 배부하는지에 따라 매출총이익률과 영업이익률은 달라집니다.

투자자는 매출총이익률 하나만으로 AI 인프라 경쟁력을 판단해서는 안 됩니다. GPU 감가상각, 클라우드 사용료, 데이터센터 운영비, 네트워크비, 모델 개발용 컴퓨팅 비용이 매출원가·연구개발비·판매관리비 중 어디에 배부되는지를 함께 확인해야 합니다.

동일한 경제적 실질이라도 비용 분류가 다르면 매출총이익률은 다르게 보일 수 있습니다. 따라서 매출총이익률의 상승은 GPU 조달단가 하락, 모델 효율 개선, 가격 인상, 비용의 기능별 배부 변화 중 무엇에서 비롯됐는지 분리해 해석해야 합니다.

클라우드 삼국지의 원가 분석에서는 비용 분류도 중요합니다. 같은 컴퓨팅 비용이 매출원가에 배부되면 매출총이익률에 영향을 주고, 연구개발비에 배부되면 영업이익률에 더 직접적인 영향을 줄 수 있습니다.

6. 투자자와 실무자를 위한 클라우드 가격 점검표

6-1. 견적서에서 확인할 여덟 가지 항목

클라우드 삼국지의 견적 비교에서 여덟 항목 중 세 항목 이상이 확인되지 않는다면, 가장 싼 공급자를 고르기보다 정보 부족으로 총원가를 정량화하기 어렵다고 판단하는 편이 안전합니다.

6-2. 가격 비교를 위한 자체 계산 예시

가격 비교는 단순한 예시로 시작할 수 있습니다. A 공급자의 GPU 시간당 가격이 7달러이고 B 공급자가 5달러라고 가정해 보겠습니다. 표면적으로 B가 약 29% 저렴합니다.

그러나 A에서는 고속 네트워크 덕분에 학습 작업이 1,000 GPU시간에 끝나고, B에서는 통신 효율과 재시작 때문에 1,350 GPU시간이 필요하다면 총 GPU 비용은 A가 7,000달러, B가 6,750달러가 됩니다.

작업 완료당 총원가는 다음과 같이 계산할 수 있습니다.

작업 완료당 총원가 = (실제 GPU 시간 × GPU 시간당 요금) + 저장비 + 네트워크·데이터 이동비 + 재시작·유휴비용 + 운영 인력비 + 약정 미사용분 배부액

여기서 약정 미사용분 배부액이 중요합니다. 장기 예약으로 명목 GPU 단가가 낮아져도 실제 사용률이 낮으면, 쓰지 못한 최소구매 의무가 남은 작업의 경제적 실효단가를 높일 수 있습니다.

이 자체 계산의 목적은 어느 공급자가 싸다는 결론이 아닙니다. 클라우드 삼국지에서 비교 단위를 GPU 시간당 가격에서 작업 완료당 총원가로 바꿔야 한다는 점을 보여주는 것입니다.

이 계산 방식은 클라우드 삼국지에서 가격 경쟁을 실무적인 의사결정으로 바꾸는 방법입니다. 시간당 GPU 가격이 아니라 학습 완료당 비용과 추론 토큰당 비용을 비교해야, 할인과 약정의 실제 가치를 판단할 수 있습니다.

7. 맺음말

이전 편에서는 Take-or-Pay 계약이 AI 기업의 GPU·전력·데이터센터 조달에서 어떻게 미래 의무가 될 수 있는지 살펴봤습니다. 이번 편에서는 그 조달 계약과 데이터센터 원가가 고객에게 보이는 클라우드 GPU 가격, 그리고 AI 기업의 마진으로 어떻게 이어지는지를 다뤘습니다.

클라우드 삼국지의 핵심은 같은 GPU가 왜 다른 가격인가라는 질문입니다. 답은 칩 한 장의 원가에만 있지 않습니다. 전력, 냉각, 네트워크, 데이터 이동, 지역, 가동률, 예약기간, 서비스 수준, 벤더 락인, 계약 유연성이 함께 가격을 만듭니다.

AI 기업의 매출총이익률도 같은 구조를 따릅니다. 낮은 GPU 가격이 곧 높은 마진을 보장하지 않으며, 높은 GPU 가격이 곧 비효율을 뜻하지도 않습니다. 추론 단가, 사용률, 비용 배부, 장기 약정, 영업현금흐름을 함께 봐야 실제 원가 경쟁력을 읽을 수 있습니다.

이번 클라우드 삼국지 분석은 가격이 단순한 상업 조건이 아니라 비용배부와 수익 귀속의 문제로 이어질 수 있음을 보여줍니다. 그래서 다음 편에서는 Microsoft와 OpenAI의 투자·클라우드·IP 라이선스 관계를 회계상 특수관계자 거래와 이전가격의 경계라는 관점에서 살펴봅니다.

다음 편에서는 Microsoft와 OpenAI의 투자·클라우드·IP 라이선스 관계를 사례로, 대형 AI 제휴가 회계상 특수관계자 거래에 해당하는지 어떻게 판단하는지 살펴봅니다.

지분율만으로 결론을 내리지 않고, 지배력·공동지배·유의적 영향력·계약상 권리·서비스 거래·비용배부 구조를 기준으로 검토하겠습니다. 또한 국경 간 거래가 존재하는 경우 정상가격과 이전가격 이슈가 언제 논의될 수 있는지도 구분해 보겠습니다.

관련 글로는 경영·리더십 인사이트 카테고리의 “구매조직은 왜 멀티벤더 전략을 설계하는가” 편을 함께 읽어보시길 권합니다. 클라우드 삼국지의 가격 경쟁을 기술 문제가 아니라 조달 협상력과 공급망 회복력의 관점에서 연결해 볼 수 있습니다.

이전 글을 알고 싶다면
Take-or-Pay 계약의 숨은 폭탄: 5GW 컴퓨팅 계약을 구매·조달 관점에서 읽는 법 | 재무제표 X레이-5편을
클릭해서 읽어보세요.

FAQ – 자주 묻는 질문

Q1. 같은 H100 GPU인데 클라우드 가격이 왜 이렇게 다른가요?

A1. GPU 모델이 같아도 서버 구성, GPU 연결 방식, 네트워크, 지역, 전력·냉각 원가, 예약기간, 가용성 보장, 데이터 이동비, 기술지원이 다릅니다. 시간당 단가보다 작업 완료당 총원가를 비교해야 합니다.

Q2. 네오클라우드는 하이퍼스케일러보다 항상 싼가요?

A2. 아닙니다. 전문 GPU 클라우드는 특정 작업에서 낮은 단가와 높은 가용성을 제시할 수 있지만, 서비스 범위, 네트워크, 보안 인증, 데이터 이동, 공급자 재무건전성, 계약 유연성까지 함께 비교해야 합니다.

Q3. 예약할인은 무조건 좋은가요?

A3. 수요가 안정적이고 용량을 꾸준히 사용할 수 있다면 유리할 수 있습니다. 그러나 수요가 줄거나 다른 GPU 세대·다른 공급자로 전환해야 할 때는 최소사용 의무와 벤더 락인이 비용이 될 수 있습니다.

Q4. GPU 사용료가 낮으면 AI 기업 마진도 반드시 좋아지나요?

A4. 아닙니다. 고객 가격 인하, 데이터 이동비, 네트워크 비용, 모델 효율, GPU 사용률, 비용 배부 정책이 함께 영향을 줍니다. GPU 단가 하락은 마진 개선의 필요조건일 수 있지만 충분조건은 아닙니다.

Q5. 클라우드 가격을 비교할 때 가장 먼저 볼 항목은 무엇인가요?

A5. 동일 GPU 사양과 노드 구성인지 먼저 확인한 뒤, 온디맨드·예약·스팟 등 과금 방식, 네트워크, 데이터 이동비, 가동률, SLA, 해지·전환권을 같은 조건으로 맞춰야 합니다.

클라우드 삼국지에서 같은 H100 GPU인데 AWS·Azure·Google Cloud·네오클라우드의 가격은 왜 다를까요? GPU 시간당 요금, 전력·네트워크·데이터 이동비, 예약 할인, 벤더 락인, AI 추론 원가와 매출총이익률을 분석합니다.