어제 Hacker News에 75점·35개 코멘트를 기록한 게시물이 있다. 너무 뻔한 제목이다——Banks are now trying to offload the AI data center debt they just underwrote.
핵심만 말하면 이렇다. 은행이 AI 데이터센터 프로젝트 대출을 인수(underwrite)하자마자, 계약서에 잉크도 마르기 전에 이차시장에서 채권을 넘기려 하고 있다.
이 사건이 단독으로 일어난 건 아니다. 같은 시기 로이터·블룸버그 모두 비슷한 움직임을 추적 중이다. loan syndication 흐름을 추적하는 LBJ Assistant 같은 플랫폼은 이미 AI 데이터센터 프로젝트의 이차 할인을 별도 섹션으로 분리해 보여준다.
서명하자마자 넘기려 한다?
사건 자체는 한 문장이다. 은행이 소액 프로젝트 대출을 인수한 뒤 이차시장에서 저가 매각을 시도했다. 구체적으로는 세 층위로 분해된다.
- 프로젝트: AI 데이터센터 건설 대출. 일반적으로 capex 수십억 달러 규모.
- 행동: 은행이 인수하자마자 거의 즉시 이차 매각을 시작.
- 결과: 할인해야만 인수가 일어남.
이 사건이 흥미로운 이유는 무엇일까. 매각이라는 동작 자체는 낯설지 않다. 문제는 "얼마나 빨리 빼려는가"와 "얼마나 할인하고 내놓는가"다. 이 두 지표가 조합되면 일반적으로 인수자 본인이 hold to maturity를 원치 않는다는 뜻이다.
HN 코멘트에서 자주 등장하는 키워드는 underwriting party, so much capital, capex, distributing the risk였다. 즉, 인수자가 리스크를 분산하고 있다는 얘기인데, 본인들도 이 자산의 듀레이션이 너무 길다고 느끼고 있다는 의미다.
이 사건의 금융 논리: syndication은 새로운 게 아니다
loan syndication은 은행이 50년 넘게 해온 표준 업무다. 30억 달러짜리 프로젝트 대출을 단독으로 소화할 수 없으니, 여러 은행이 신디케이트를 구성해 나눠 담거나 CLO로 묶어 보험사·퇴직연금에 넘긴다. 기초 자산이 부실해지면 각자가 손실을 나눠 갖는다. 교과서적인 절차다.
문제는 속도와 가격이다.
정상적인 속도: 대출 인수 → 몇 달간 보유하며 관찰 → 시장 상황에 맞춰 매각. 초기 성과를 검증하고, 인수자가 신용 분석을 할 시간을 확보하기 위한 단계다.
지금의 속도: 인수 → 거의 즉시 묶어서 매각. 인수자가 짐을 서둘러 벗어버리려는 모양새다.
가격 신호: 이차시장에서 syndicated loan은 보통 액면가의 98~99 수준에 거래된다. 90 이하, 혹은 그보다 더 낮은 견적이 자주 등장한다면, 인수자가 가격으로态度를 표현하고 있다는 뜻이다——"이걸 들고 자면 잠이 안 온다"라고.
이번 사건의 제목은 "stands out"라는 표현을 썼다. bank loan 매각 자체를 처음 본 게 아니라, AI 데이터센터라는 섹터가 너무 빠르게 움직이고 있기 때문이다.
왜 하필 AI 데이터센터인가
산수를 해보자.
100MW 규모의 hyperscale 데이터센터:
- 부지 + 건축: 2~5억 달러
- 서버 + 스위치: 10~20억 달러
- 전력 + 냉각 + 네트워크 이중화: 5~10억 달러
- 총 capex: 20~30억 달러
매출 측면: hyperscale 고객 하나의 10년짜리 MSA(master contract)만으로도 30~60억 달러 수익을 만들 수 있다. 듣기에는 그럴듯하지만, 문제가 세 개 있다.
- 감가상각 속도. GPU는 3~5년 주기로 감가상각된다. 4년 지나면 손에 남는 건 회계 장부상 숫자만 남은 장비다.
- 전력 리스크. 100MW 데이터센터는 연간 전기료만 1~1.5억 달러. 총 capex의 5~7%다. 전기료가 5%만 오르더라도 장비 감가상각에 몇 퍼센트포인트 영향을 준다.
- 사용 주기 불확실성. 10년 MSA가 안정적으로 들리지만, AI workload 변화 속도가 이 정도라면 2030년에도 GPU를 쓰고 있을 거라고 누가 장담할 수 있겠나.
은행의 장부상에는 20~30억 달러 대출 + 10년 만기 + 프로젝트 파이낸스(project finance, 모회사 신용이 아닌 현금흐름으로 상환). 은행 입장에서는 듀레이션이 길고, 현금흐름은 불확실하고, 감가상각 리스크까지 끼어 있다. 그래서 hold하고 싶지 않다.
따라서 서명 후 곧바로 매각을 검토하는 건 합리적인 판단이다.
누가 인수하는가
이차시장의 매수자 유형은 다양하다.
- CLO(Collateralized Loan Obligations). 레버리지 대출을 묶어서 수익을 추구하는 기관에 증권으로 넘긴다. 가장 큰 인수자다.
- 프라이빗 크레딧(private credit). Blackstone, Apollo, KKR 등. 최근 몇 년 사이 급성장했고, 총 수익률은 15~20%.
- 보험 자금. 듀레이션 매칭이 잘 되고, 중간 정도의 수익률을 요구한다.
- 퇴직연금·주권 펀드. 인프라 asset class 안에 담아둔다.
이 매수자들 각자의 위험 선호도는 다르지만, 인프라 프로젝트 대출의 긴 듀레이션과 낮은 유동성을 받아들일 여력은 있다. 다만 조합의 키워드가 있다. "CLO와 보험 모두 관망 중이라면"이라는 시나리오다.
bid pricing이 벌어지는 건 대출 시장에서 뚜렷한 신호다. 매수자가 큰 폭의 할인을 요구한다는 뜻이다. 관심이 없다는 게 아니라, 그만큼의 프리미엄을 줘야만 인수하겠다는 의미다.
이런 장기 자금조차 추가 리스크 보상을 요구한다면, 해당 자산의 가격이 펀더멘털에서 이미 벗어났다는 뜻이다.
이번과 2000년 닷컴 버블은 어떻게 다른가
인터넷 버블과 비교하면 다음과 같다.
| | 2000 dot-com | 2024-2025 AI infra |
|--------------------|-------------------|-----------------------|
| 리스크载体 | 주식 | 채권 |
| 자금提供者 |散户 + VC + IPO | 은행 + CLO + 프라이빗 크레딧 |
| 레버리지 신호 | 주가 + IPO 밸류에이션 | 대출 이차 할인 + 매각 속도 |
| 폭雷 경로 | 주가 폭락 + 상장폐지 | 디폴트 + 구조조정 |
| 첫 번째 接点 |散户 + VC | CLO + 프라이빗 크레딧 |
그때는 주식 버블이었다——시스코 4100억 달러 시가총액, pets.com 상장 첫날 3배 폭등. 리스크가 주식 시장에 집중돼 IPO와 주가 폭락을 통해 청산됐다.
지금은 채무 버블이다——리스크가 은행 대차대조표를 떠나 대출 매각과 CLO 패키징을 통해 수익을 추구하는 기관으로 넘어가고 있다.
2024년 한 가지 디테일이 더 있다. 하이일드 채권 시장에서 AI 관련 발행(광발전, 반도체, 인프라) 비중이 눈에 띄게 올랐다. 닷컴 시절 IPO 비중이 급증한 것과 같은 성격의 신호다——돈이 되는 「자산 클래스」가 집단적으로 등장하기 시작했다는 점이다.
편집자의 생각
이 사건이 중요한 이유는 무엇인가. AI 인프라 금융 체인의 인수 전환 신호가 보이기 때문이다. "터질 것인가"가 아니라 "터질 때 전파 경로가 어떻게 흐를 것인가"다.
내 판단은 주류 서사와 조금 다를 수 있다.
인수자들은 당장 문제가 터지지 않을 것이다. CLO는 자산 격리 + 선후순 구조가 있고, 프라이빗 크레딧은 공시 의무가 없다. 향후 12~18개월 내에 디폴트 파도를 보기는 어렵다. 다만 2027~2028년이 핵심 관찰 윈도다. 이유는 네 가지다.
- 2024~2025에 인수된 대출이 refi 윈도에 진입하기 시작한다.
- GPU 2세대/3세대가 대량으로 풀리면서 구형 장비의 가치가 재평가된다.
- 전력 가격과 냉각 수요가 예상치를 넘기면 opex 압박이 그대로 전해진다.
- AI workload 성장이 기대에 못 미칠 경우 MSA 현금흐름이 모델보다 낮아질 수 있다.
과거의 어떤 사건과 구체적으로 어떻게 다른가.
닷컴과 비교하면: 그때는散户 + IPO라 폭발이 빨랐다. 이번엔 기관 + CLO + 프라이빗 크레딧이라 폭발은 느리지만 지속성은 더 강하다.
2008년과 비교하면: 그때는 subprime + 주택 + 리테일. 이번엔 investment grade + 산업 + AI. 자산 자체의 질은 더 건강할 수 있지만, 듀레이션과 집중도 리스크가 더 크다——단일 대출 금액이 크고, 만기가 길고, 기초 자산이 동일한 종류로 묶여 있다.
불확실한 부분: AI workload의 성장 궤적. inference 쪽 성장이 training 쪽보다 가파르다면, 데이터센터 사용률은 현재 모델이 예측하는 것보다 빡빡해진다. 반대로, 생성형 AI 성장세가 둔화되고 하드웨어迭代가 느려진다면, 이 대출들의 현금흐름 모델을 다시 써야 한다.
내 결론은 이렇다. 지금 당장 폭雷 조짐은 보이지 않지만, 자금 안의 수분은 이미 드러나고 있다. 2027년 refi 대기열을 보는 것이 어떤 거시 지표보다 직접적인 시그널이다.
출처: