오픈 소스가 ‘자본 지출(Capex) 이론’을 무너뜨렸고, 월가의 AI 펀드들이 그 대가를 치렀다

2026년 7월, 인공지능 투자 전망은 사상 가장 심각한 스트레스 테스트를 겪었으며, 이는 인프라 확충 이론에 크게 베팅했던 전문 기술 펀드 전반에 걸쳐 대규모 손실을 초래했다. 이러한 갑작스러운 시장 반전은, 물리적 AI와 생성형 AI를 뒷받침하는 수십억 달러 규모의 데이터 센터 확장이 급속히 발전하는 오픈소스 모델의 등장으로 인해 기대했던 상업적 수익을 창출하지 못할지도 모른다는 투자자들의 불안감이 커지고 있음을 여실히 보여준다.

수개월 동안 월가의 주류 견해는 AI에 점점 더 많은 자본 지출이 필요하며, 소수의 하이퍼스케일러만이 필요한 인프라를 구축할 여력이 있고, 산업이 확장됨에 따라 하드웨어 공급업체들이 막대한 가치를 확보할 것이라는 것이었습니다. 2026년 7월은 불과 몇 주 만에 이러한 공감대를 산산조각 냈으며, 가장 명성이 높았던 AI 전문 펀드 중 일부는 재앙적인 손실을 감내해야 하는 처지가 되었다.

피해 현황 보고서

가장 큰 타격을 입은 곳은 알렉스 사세르도테가 설립하고 집중적인 기술주 투자로 유명한 보스턴 기반 펀드인 웨일 록 캐피털(Whale Rock Capital)이었다. 이 펀드는 7월 한 달 동안만 21.7%나 폭락하며 연초 대비 수익의 절반 이상을 날려버렸고, 2026년 수익률은 72.5%에서 35.1%로 떨어졌습니다. 변동성이 큰 기술주 투자 기준으로도 이 같은 반전의 속도는 놀라웠으며, 올해 상반기까지 엄청난 수익을 창출했던 포지션들이 갑자기 손실 요인으로 전락했다.

다른 전문 펀드들도 비슷한 운명을 겪었다. AI 하드웨어와 반도체에 중점을 둔 롱/숏 전략을 운용하는 투리온(Turion)은 해당 월 11.4%의 손실을 기록했다. 코아투(Coatue)의 헤지펀드는 8.3%의 손실을 기록하며 1년 넘게 가장 저조한 월간 실적을 보였고, 이에 따라 연초 대비 수익률은 14.3%로 떨어졌다. 유레카(Eureka)는 6.9% 하락하며 2026년 누적 수익률을 11.6%로 낮췄다.

가장 극적인 폭락은 전 오픈AI(OpenAI) 연구원 레오폴드 아셴브레너(Leopold Aschenbrenner)가 운용하는 AI 전문 펀드인 시추에셔널 어웨어니스(Situational Awareness)에서 발생했다. 2026년 상반기에 무려 439%라는 놀라운 수익률을 기록한 후,

운용 자산을 15억 달러까지 늘렸던 이 고레버리지 펀드는 한 달도 채 되지 않아 완전히 파산하며, 총 노출액이 450억 달러에서 0으로 떨어졌다. 아셴브레너는 투자자들에게 보낸 편지에서 “여러분을 실망시켰습니다”라고 직설적으로 적었는데, 불과 몇 주 전만 해도 AI 투자 분야에서 가장 선견지명이 뛰어난 인물 중 한 명으로 칭송받던 펀드 매니저가 내놓은 충격적인 고백이었다.

오픈소스가 촉발한 사태

7월 매도세의 촉매제는 기술의 실패가 아니라, 오히려 오픈소스 대안의 성공이었다. K3와 V4 Flash와 같은 중국산 고성능 모델의 출시로, 이전에는 필수적이라고 여겨졌던 천문학적인 자본 지출 없이도 최첨단 수준의 성능을 달성할 수 있음이 입증되었다. 이 모델들은 컴퓨팅 요구 사항을 획기적으로 줄여주는 아키텍처와 훈련 기법을 활용하여, 훈련에 수십억 달러가 소요되었던 독점 시스템의 성능을 따라잡거나 능가했다.

이러한 사실은 하드웨어 기업들의 기업 가치를 사상 최고치로 끌어올렸던 “규모만 있으면 된다”는 주장의 핵심을 정면으로 뒤흔들었다. 오픈소스 모델이 훨씬 적은 비용으로 독점 시스템에 필적할 수 있다면, 2026년까지 총 7,200억 달러의 자본 지출을 계획했던 빅 4(구글, 아마존, 메타, 마이크로소프트)가 투자한 막대한 데이터 센터 투자에서 수익성 있는 투자 수익을 얻기 어려워질 수 있다. 논의의 초점은 “누가 가장 큰 클러스터를 구축할 수 있는가”에서 “가장 큰 클러스터가 불필요하다면 어떻게 될까”로 옮겨갔다.

시장의 반응은 신속했고, 하드웨어 공급업체들에게는 가혹했다. 투자자들이 고대역폭 메모리에 대한 수요 전망을 재평가함에 따라 SK하이닉스의 주가는 6월 최고점 대비 거의 40%나 하락했다. 샌디스크, 마이크론, 코어위브와 같은 기업들은 30%가 넘는 하락률을 기록했다. 반대로, 이전에는 AI로 인한 구조적 변화에 취약할 것으로 여겨졌던 어도비와 같은 소프트웨어 기업들의 주가는 투자자들이 인프라 계층에서 벗어나, AI 활용이 가능한 기업들로 자금을 이동시키면서 반등했다.

자본 비용을 부담하지 않고도 저렴한 AI의 이점을 누릴 수 있습니다.

레버리지 문제

시장 조정을 일련의 펀드 파산 사태로 몰아넣은 것은 레버리지였다. 많은 AI 전문 펀드들은 인프라 투자 논리에 대한 베팅을 확대하기 위해 차입 자본을 활용했는데, 거래 방향이 너무나 명백하여 레버리지는 단지 효율성을 높이는 수단에 불과하다고 판단했기 때문이다. 투자 논리가 뒤집히자 레버리지 포지션이 급격히 청산되며 강제 매도가 발생했고, 이는 가격을 더욱 하락시켜 연쇄적인 피드백 루프 속에서 추가적인 마진 콜을 유발했다.

‘시추에이션 어웨어니스(Situational Awareness)’ 펀드는 이러한 역학을 여실히 보여주었다. 아셴브레너가 상반기 439%의 수익률을 기록한 것은 AI 하드웨어 및 인프라 포지션에 대한 공격적인 레버리지 활용 덕분이었다. 이러한 포지션이 반전되자, 상승 국면에서 수익을 증폭시켰던 레버리지가 하락 국면에서는 그만큼의 강도로 손실을 증폭시켰다. 15억 달러의 자본금을 바탕으로 450억 달러에 달하는 총 노출 규모를 가진 이 펀드는, 포트폴리오 가치가 소폭만 하락해도 펀드 전체가 파산할 수 있는 상황이었고, 실제로 바로 그런 일이 벌어졌다.

로보틱스 캐피털에 미치는 영향

7월의 조정으로 인한 여파는 상장 주식 시장을 넘어, 로봇 공학 및 물리적 AI 기업에 자금을 지원하는 벤처 캐피털 및 성장주 시장까지 미치고 있다. AGI 상용화 일정이 길어지고 API 가격 경쟁이 바닥을 향해 치닫는 가운데, 주요 AI 연구소들은 운영 자금을 확보하기 위해 공개 시장 자본을 점점 더 많이 모색하고 있다. 오픈AI, 앤트로픽, 스페이스X는 모두 인프라에 대한 시장 기대감이 더 악화되기 전에 자금을 확보하기 위해 IPO 일정을 앞당기고 있는 것으로 알려졌다.

구현형 AI 및 로봇공학 분야에 있어 이러한 시장 변화는 양면적인 현실을 제시한다. 한편으로는 오픈소스 공개를 통한 파운데이션 모델의 상품화가 로봇공학 스타트업의 소프트웨어 진입 장벽을 획기적으로 낮춘다. 이전에는 독자적인 모델을 훈련시키기 위해 수억을 조달해야 했던 기업들도 이제는

극히 적은 비용으로 오픈소스 대안을 세밀하게 조정함으로써, 현대 로봇 시스템의 기반이 되는 AI 기능에 대한 접근성을 대중화할 가능성이 있습니다.

반면, 하드웨어 중심의 벤처 캐피털이 갑작스럽게 사라지면서 자본 집약적인 물리적 AI 프로젝트의 자금 조달 환경이 위축될 수 있습니다. 맞춤형 컴퓨팅 클러스터, 독자적인 훈련 파이프라인, 또는 하드웨어 의존도가 높은 배포 모델을 구축하는 등 동일한 인프라 전략에 의존하는 로봇 기업들은 투자자들의 관심이 크게 줄어들 수 있습니다. 현재 시장은 수익성 달성을 위한 더 명확한 경로와 자본 집약도 감소를 요구하고 있으며, 이는 하드웨어 중심의 대규모 구축보다 자산 부담이 적은 소프트웨어 접근 방식을 선호하는 추세입니다.

7월의 조정 국면은 궁극적으로 영구적인 변화라기보다는 건전한 재평가로 판명될 수 있겠지만, 그 즉각적인 효과는 로봇공학을 포함한 전체 AI 생태계가 보다 신뢰할 수 있는 단위 경제성과 상업적 지속 가능성을 달성하기 위한 더 짧은 경로를 제시하도록 압박하는 것이다.

본 분석은 기업 발표 내용과 공개 시장 동향을 종합한 것입니다.

면책 조항: 본 분석은 정보 제공 목적으로만 제공되며, 투자, 법률 또는 조달에 대한 조언을 구성하지 않습니다. RobotAIGeek은 특정 공급업체를 추천하지 않으며, 초기 단계 기술의 성능을 보장하지 않습니다.