Crusoe CEO: Why Everyone Gets GPU Depreciation & AI Energy Costs Wrong

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

크루소 CEO는 GPU 감가상각을 신제품 출시 속도만으로, AI 에너지 비용을 전력 단가만으로 판단하면 구형 GPU의 서비스 수익화와 시설·전력 확보·가동률이 좌우하는 경제성을 놓친다고 본다.

📌 핵심 요점

1. GPU의 회계상 감가상각 기간과 실제 수익 창출 기간을 함께 봐야 한다. 크루소는 현재 6년 감가상각을 적용하며, CEO는 관리형 서비스를 통해 구형 GPU도 저렴한 지능을 제공하는 자원으로 활용할 수 있다고 설명한다. Hopper 이용료가 신제품 출시 당시보다 높다는 사례도 제시하지만, 모든 GPU의 장기 수익성을 입증하는 자료는 아니다.
2. AI 인프라의 병목은 GPU 구매를 넘어 전력·시설·숙련 인력 확보에 있다. CEO는 미국 전력 가격이 세계적으로 경쟁력 있다고 주장하며, 저렴하고 풍부한 에너지 입지에 맞춘 시설 설계를 강조한다. 애빌린에서는 배전센터를 내부 제조해 외부 조달 100주 대신 28주에 제작했다고 설명한다.
3. 장기 GPU 임대와 단기 서비스의 조합으로 투자금 회수와 마진을 관리한다. 약 5년의 장기 용량 임대는 계약 기간 내 투자금 회수와 현금흐름을 목표로 하고, 관리형 추론 등 짧은 서비스 계약은 더 높은 마진을 제공한다. GPU 임대는 통상 take-or-pay 방식이지만, 모든 매출에 같은 지급 구조가 적용된다는 설명은 없다.
4. 수직계열화의 가치는 납기 확보와 가치사슬 내 마진 이동에 대응하는 데 있다. 크루소는 데이터센터·GPU·토큰을 판매하며, 내부 제조로 설비 공급 병목을 줄이고 서비스까지 확장해 자산의 수익화 방식을 늘리려 한다. 현재 높은 관리형 GPU·클러스터 마진은 CEO가 공급 부족의 결과로 해석한다.
5. 추론 경쟁력은 토큰 가격과 GPU 활용률, 공급 속도를 함께 봐야 한다. 워크로드별 처리량과 응답 지연, 메모리 계층 간 데이터 이동이 GPU 가동과 서비스 성능을 좌우한다. 모듈식 시설로 설비가 없는 상태에서 토큰 생산까지 걸리는 시간을 줄이면 고객의 먼 미래 수요 예측 부담도 완화할 수 있다는 구상이다.

🧩 배경과 문제 정의

• AI 확산으로 데이터센터·연산 용량·에너지 확보 경쟁이 심화하고 있다. 핵심 문제는 GPU 확보뿐 아니라 GPU를 설치하고 실제로 가동할 전력과 시설을 마련하는 데 있다.
• 크루소는 데이터센터·GPU·토큰을 판매하는 사업을 운영하며, 309억 달러 기업가치로 39억 달러 규모의 시리즈 F 투자를 유치했다. 저렴하고 풍부한 에너지를 연산 수익으로 연결하는 전략이 사업의 출발점이다.
• AI 인프라 확대에는 공급망·숙련 인력·규제 문제가 얽혀 있다. 지역사회에서는 물 사용과 전기요금, 공사 피해에 대한 우려가 제기되며, 실제 영향과 전망을 구분필요가 있다.

🕒 시간순 섹션별 상세정리

1. 산악인식 사고는 대안 준비와 안전 우선의 조직문화다

• 크루소의 핵심 가치인 ‘산악인처럼 생각하기’는 변화에 대비하는 회복력을 뜻한다. 날씨 변화, 장비 고장, 동료의 질병, 눈사태처럼 계획을 깨뜨리는 상황에 대비해 여러 대안을 준비한다 [02:54]
• 길고 고통스러운 도전을 견디는 인내와 함께 안전을 최우선에 둔다. ‘정상에 오르는 것은 선택이지만 내려오는 것은 필수’라는 원칙은 대규모 건설 현장의 신체적 안전과 플랫폼의 디지털 보안에도 적용된다 [03:56]

2. 다음 계획이 없던 공백이 크루소 창업의 계기가 됐다

• 체이스 록밀러는 이전까지 학교나 직장을 떠나기 전에 다음 진로를 정했지만, 2018년 에베레스트 등반을 위해 떠날 때는 이후 계획이 없었다. 이미 일정한 재정적 성공을 거둔 상태에서도 이 공백은 어려운 변화였다 [05:58]
• 빈 출발점은 무엇이든 할 수 있다는 가능성도 열었다. 자신의 돈을 투자하며 지내는 선택과 창업 사이에서, 매일 몰입할 만큼 흥미롭고 어려운 문제를 찾는 과정이 크루소의 출발로 이어졌다 [06:41]

3. 재정적 안정은 더 큰 위험을 감수할 여유를 만든다

• 사업이 실패하더라도 주거비와 가족의 생활비를 감당할 수 있다는 확신은 위험을 감수할 심리적 여유를 준다 [07:26]
• 록밀러는 이론물리학자와 교수를 목표로 기초과학 연구를 했지만, 당시 연구의 느린 속도에 답답함을 느끼고 삶의 목적을 잃었다. 이후 수학 문제 해결 능력을 활용해 높은 보수를 받을 수 있는 퀀트 금융 분야로 진로를 바꿨다 [09:25]

4. 비트코인 채굴은 AI 플랫폼을 향한 초기 수익화 수단이었다

• 크루소 내부의 창업 목표는 처음부터 AI 플랫폼 구축이었다. AI가 산업 전반을 바꾸면 연산과 데이터가 병목이 되고, 연산을 뒷받침하는 에너지도 병목이 된다는 판단이 사업의 전제였다 [11:27]
• 초기 자원의 대부분은 버려지는 에너지를 비트코인 채굴로 수익화하는 데 투입했다. 당시 비트코인은 저렴하고 풍부한 에너지를 연산으로 수익화하기에 가장 좋은 수단이었지만, AI 플랫폼도 초기부터 함께 개발했다 [12:01]

5. ChatGPT 출시가 AI 수요 전망과 자원 배분의 전환점이 됐다

• 자원 배분은 미래를 확정된 결과로 보는 대신, 새로운 정보에 따라 확률적 판단을 갱신하는 베이지안 접근에 기반한다. 먼 미래일수록 전망이 흐려진다는 불확실성도 전제한다 [12:36]
• 크루소는 MIT·스탠퍼드 등의 연구자들과 필요한 인프라를 탐색한 뒤, 2022년 초 첫 유료 고객을 확보하며 클라우드 플랫폼을 출시했다 [13:16]

6. AI 데이터센터는 전력 밀도와 에너지 입지에 맞춰 재설계해야 한다

• 비트코인 채굴은 노트북·GPU·기존 데이터센터를 거쳐, 높은 가동 신뢰도와 이중화를 줄인 저비용 시설로 발전했다. 이 과정에서 데이터센터 비용을 약 98% 줄이고 투자 회수 기간을 단축한 사례가 AI 인프라 변화에 대한 참고점이 됐다 [15:05]
• 당시 엔비디아 로드맵에서 칩당 소비전력이 150~200와트에서 다음 세대 300와트, 향후에는 600와트까지 높아질 가능성을 보면서, 전력 밀도 상승에 맞춘 데이터센터 설계가 필요하다고 판단했다 [15:31]

7. 수직계열화는 GPU를 가동할 시설의 공급 병목을 푼다

• 현재 공급 제약은 GPU를 꽂고 켜서 AI 작업을 실행할 장소가 부족하다는 데 나타난다. 대규모 데이터센터 공급망에서는 시점마다 다른 병목이 생기므로, 여러 공정을 내부에서 다룰 수 있는 역량이 중요하다 [17:39]
• 애빌린의 첫 두 건물은 200메가와트를 조금 넘는 연산 용량을 1년 안에 구축하는 목표였다. 다른 개발사 34곳이 참여한 가운데, 그다음으로 빠른 제안도 2년 반이 걸리는 일정이었다 [18:07]

8. 내부 제조의 핵심 가치는 납기 확보와 설계 혁신이다

• 수직계열화는 원재료부터 완제품까지 실제 비용을 파악하게 한다. 원재료 비용과 최종 제품 가격의 차이를 살피는 이른바 ‘이디엇 인덱스’는 AI 시설의 건설·운영 비용을 이해하는 기준이다 [19:41]
• 전기설비 제조는 본래 초고마진 사업이 아니며, 최근 마진 상승은 공급 부족의 영향이다. 내부 제조의 주된 목적은 마진을 더 쌓는 데 있기보다 필요한 설비를 확보하고 제때 납품하며, 원재료부터 원하는 설비를 설계할 기반을 갖추는 데 있다 [20:30]

9. 추론 확대에서는 토큰 생산까지 걸리는 시간이 중요해진다

• 록밀러는 2026년을 AI 인프라와 기반 모델의 실용적 활용이 확대되는 시기로 본다. 에이전트와 토큰 사용이 늘고 모델의 효용이 확인되면서 추론 수요가 커진다는 전망이다 [21:29]
• 추론 서비스에는 반드시 1기가와트 규모의 컴퓨터가 필요한 것은 아니며, 더 작은 클러스터로도 모델을 제공할 수 있다. 이때 중요한 기준은 아무 설비도 없는 상태에서 토큰을 생산하기까지 걸리는 시간인 ‘타임 투 토큰’이다 [21:48]

10. 전력과 숙련 인력을 같은 장소에 확보하는 일이 어렵다

• 연산에 쓸 수 있는 전력과 숙련 인력이 핵심 병목이다. 미국의 전기공·용접공·배관공·건설 인력은 유한하며, 에너지를 확보한 지역에 필요한 인력을 데려와 시설을 완성하는 일이 큰 과제다 [22:33]
• 진행자는 미국의 전력과 인건비가 중국보다 비싸다는 우려를 제기하지만, 록밀러는 전력이 크게 비싸다는 주장에는 동의하지 않는다. 중국의 보조금은 인정하면서도 미국 전력 가격은 세계적으로 경쟁력이 있다는 입장이다 [23:16]

11. 규제 대응과 지역사회 기여가 개발의 조건이다

• 규제는 대응해야 할 조건이며, 대규모 투자는 주변에 대한 고려와 적절한 정책 아래 진행해야 한다. 다만 정책이 개발 속도에 마찰을 일으키므로, 거대한 현장 건설 사업의 비중을 줄이고 더 많은 인프라를 제조하는 방식에 관심을 둔다 [24:21]
• 지역 정책의 판단 기준은 일자리, 전기요금, 물 사용, 대기오염처럼 주민 생활에 직접 영향을 주는 요소다. 데이터센터가 책임 있는 지역 구성원으로서 가치를 만들고 세수 등으로 기여하는지가 중요하다 [25:16]

12. 폐쇄 순환 냉각은 물 소비를 크게 줄일 수 있다

• 록밀러는 현대 AI 시설이 물을 대량으로 소비한다는 인식에 반박한다. 애빌린의 첫 8개 건물은 건물당 전력 예산이 약 140메가와트이며, 그중 대형 건물 하나의 연간 물 사용량은 단독주택 약 10채와 비슷하다고 제시한다 [26:04]
• GPU 냉각에 물을 사용하지만, 폐쇄 순환 구조에서 랙과 외부 냉각장치 사이로 물을 순환시키며 열을 배출한다. 실제 물 소비의 주된 용도는 직원의 화장실·손 씻기와 부지 식물 관리라는 설명이다 [26:34]

13. 데이터센터 투자가 지역 전기요금을 낮출 수 있다는 주장

• 록밀러는 대규모 데이터센터가 들어선 시장에서 지역 전기요금이 대체로 내려갔다고 주장한다. 발전 기술과 발전 용량에 대한 투자를 촉진하고, 같은 송배전 인프라로 더 많은 전력을 공급하게 되는 것이 그 이유다 [27:27]
• 많은 신규 발전 용량이 필요한 사업에서는 데이터센터 업계가 추가 전력 생산을 가동하도록 기여해야 한다는 입장이다. 전기요금이 오른다는 일반적 인식과 달리, 그가 근거로 삼는 데이터에서는 가격 하락이 나타났다고 강조한다 [27:55]

14. 지역 소비·세수 확대와 공사 피해가 함께 발생한다

• 애빌린에서는 공사 인력과 자금 유입으로 식당·카페·호텔 등 지역 서비스 지출이 크게 늘었다. 록밀러는 지역 사업자들의 경기가 이전보다 좋아졌다고 평가한다 [28:22]
• 대규모 공사는 교통량 증가, 먼지, 소음을 동반한다. 그는 이러한 공사 영향은 사라지고 장기적인 상시 일자리가 지역사회를 계속 뒷받침할 것으로 기대한다 [28:46]

15. 계획된 데이터센터의 실제 가동에는 큰 불확실성이 남는다

• 계획된 데이터센터의 50%가 실제로 완공·가동되지 않을 것이라는 전망에 대해, 록밀러는 50%가 합리적인 추정으로 보인다고 답한다. 이는 확정된 실적이나 정밀한 예측치가 아니다 [29:38]
• 데이터센터 계획 과정에서도 산악인처럼 여러 실패 가능성을 고려해야 한다. 많은 일이 잘못될 수 있다는 점이 계획을 세울 때의 핵심 불확실성이다 [29:59]

16. 토지·인허가·전력 연결이 개발을 막는 주요 변수다

• 토지 소유자의 매각 거부, 개발 권리와 허가 확보, 지역 전력회사와의 대규모 부하 연결 계약이 데이터센터 개발을 지연시킬 수 있다. 신규 발전 설비를 도입하면 대기 관련 허가도 필요하다 [30:04]
• 중국처럼 이주와 승인을 강하게 밀어붙이는 방식은 데이터센터 개발자에게 유리할 수 있다. CEO는 이 장점을 개발 효율만 따지는 관점에 한정해 인정한다 [30:40]

17. 일자리 상실 불안과 데이터센터의 고용 효과가 충돌한다

• CEO는 데이터센터가 미국 중간선거를 앞두고 양극화된 정치 쟁점이 된 배경에 AI 이후의 일자리와 소득에 대한 불안이 있다고 본다. 데이터센터는 그 불안을 투영할 수 있는 AI의 물리적 실체다 [31:14]
• CEO는 일자리 창출, 에너지 비용 인하, 물 사용의 중립성, 장기 세수가 지역사회에 긍정적이라고 주장한다. 반면 진행자는 AI 지도자들의 반복적인 일자리 대체 예고가 반감을 키웠다고 지적한다 [32:10]

18. 장기 GPU 임대와 단기 고마진 서비스를 조합한다

• GPU 시간당 가격은 거래되는 상품처럼 변동하며, 컴퓨팅을 거래 가능한 자산이나 선물 상품으로 만드는 플랫폼도 등장하고 있다. Crusoe는 차입에 따른 위험을 서비스와 수익 구조의 포트폴리오로 관리한다 [34:18]
• 신용도가 높은 고객과 맺는 약 5년의 장기 용량 임대 계약은 그 기간 안의 투자금 회수와 현금흐름을 목표로 한다. 단기 계약은 마진이 높지만 종료 후 갱신이나 다른 수익원을 확보해야 하는 위험이 있다 [35:16]

19. 수직계열화로 가치사슬 안의 마진 이동에 대응한다

• Crusoe의 핵심 판매 단위는 데이터센터, GPU, 토큰이다. CEO는 이를 석유·가스 산업의 생산, 운송, 최종 제품 판매에 대응시키며 수직계열화된 ‘AI 슈퍼메이저’를 지향한다 [36:39]
• CEO가 든 Exxon의 비유에서는 유가 하락으로 생산 단계의 마진이 줄어도 정유·최종 제품 단계의 마진이 늘 수 있다. Crusoe도 전력, 데이터센터, 칩, 서비스 사이에서 마진이 이동하는 구조를 기대한다 [38:08]

20. Take-or-pay는 실제 사용 여부와 지급 의무를 분리한다

• Take-or-pay 계약은 고객이 사용하지 않아도 약정한 자원에 비용을 내는 구조다. 예를 들어 전력 용량 100메가와트를 약정하면 실제 사용량과 관계없이 그 용량에 대해 지급한다 [39:27]
• Crusoe의 GPU 임대 계약은 통상 take-or-pay 방식이다. 이 답변은 GPU 임대에 관한 것이며, 모든 매출이 같은 구조라는 확인은 아니다 [39:48]

21. 특정 소비자 서비스의 수요 약화와 전체 AI 수요를 구분한다

• 진행자는 소비자 수요가 약해지면 그 충격이 인프라 계약으로 전파될 가능성을 우려한다. CEO는 AI의 효용이 경제의 여러 영역에 걸쳐 있어 단일 소비자 서비스 수요로 전체 시장을 판단하기 어렵다고 본다 [40:01]
• CEO는 최근 모델의 성능 향상이 이전에 불가능했던 발견을 가능하게 하며, 현재의 모델 효용도 앞으로 개선될 것이라고 낙관한다. 이는 미래에 대한 전망이다 [40:44]

22. 6년 감가상각과 구형 GPU의 장기 수익화를 연결한다

• Crusoe는 현재 6년의 자산 감가상각 주기를 적용하며, CEO는 이를 업계의 일반적인 기준이라고 드러낸다. 장기 보유하는 데이터센터·에너지·칩을 더 다양한 방식으로 수익화하려는 목적이 관리형 AI 서비스 투자로 이어졌다 [41:53]
• 서비스가 고객에게 특정 칩을 직접 드러내지 않으면 구형 장비도 저렴한 지능을 제공하는 자원으로 활용할 수 있다. CEO는 이런 수익화 방식이 감가상각 주기를 6년 이상으로 늘릴 수 있다고 기대한다 [42:25]

23. 구축 기간을 줄여 먼 미래의 수요 예측 부담을 낮춘다

• Crusoe의 수요 예측은 고객과의 대화를 바탕으로 한다. 다만 AI 인프라 구축 기간이 길어지면서 고객이 더 먼 미래의 수요까지 예측해야 하는 문제가 커지고 있다 [44:38]
• 소형 모듈식으로 제조한 AI 데이터센터는 특히 작은 GPU 클러스터를 필요한 시점에 더 가깝게 공급하기 위한 수단이다. Crusoe는 이를 통해 토큰 제공이나 관리형 클러스터 인도까지 걸리는 시간을 줄이려 한다 [45:07]

24. 변화의 방향에 대한 확신과 일의 미래에 대한 불확실성이 공존한다

• CEO는 모델 개발의 돌파구와 계속 유효하다고 보는 스케일링 법칙을 근거로 AI 발전 방향에 확신을 갖는다. 튜링 테스트를 넘어섰고 AI가 밀레니엄 난제를 풀고 있다는 주장도 그 확신의 근거로 든다 [45:57]
• 진행자는 악의적인 에이전트 집단, 산업 구조의 변화, 법률 문서 작성의 자동화 사례를 들어 불확실성을 강조한다. 재귀적 자기개선이 모든 것을 바꿀 가능성도 우려에 포함한다 [47:14]

25. 추론 경쟁력은 토큰 가격과 GPU 활용률을 함께 봐야 한다

• 토큰당 달러 비용은 유용한 지표지만, 모든 토큰의 가치가 같지는 않다. 특정 모델과 용도에서의 초당 토큰 처리량, 첫 토큰까지의 시간, 마지막 토큰까지의 시간도 함께 최적화해야 한다 [48:48]
• 수직계열화와 인프라 소유는 가치사슬 여러 단계의 마진을 확보해 가격 책정의 유연성을 준다. 동시에 데이터센터에서 가장 비싼 자원인 GPU를 쉬게 두지 않는 것이 비용과 성능 모두에 중요하다 [49:41]

26. 추론 플랫폼은 서비스 차별화와 인프라 협력을 동시에 추구한다

• CEO는 추론 제공업체의 역량이 동일하지 않다고 본다. 범용 오픈소스 프로젝트가 있어도 특정 워크로드의 처리 능력, 사용자 경험, 도구와 기능 구성에서 플랫폼별 차이가 생긴다 [51:55]
• Fireworks는 특정 워크로드를 잘 처리하는 경쟁사로 평가된다. 사용자가 어떤 플랫폼을 선호하는지는 각 플랫폼의 경험과 제공 기능에도 달려 있다 [52:35]

27. 폐쇄형 모델의 지출과 오픈소스 모델의 토큰량이 다르게 움직인다

• CEO의 관찰에 따르면 지출액은 폐쇄형 프런티어 모델 쪽이 더 크지만, 생성되는 토큰량은 오픈소스 모델 쪽이 더 많다. 오픈소스는 자체 모델과 지능을 소유하려는 데이터 주권 수요에도 중요하다 [54:12]
• 기업의 자체 데이터와 모델이 프런티어 모델 사업 일부를 대체할 가능성은 인정하지만, CEO는 최첨단 모델 수요도 계속 존재할 것으로 본다. 아직 활용되지 않은 비공개 데이터에는 큰 성능 개선 여지가 있다고 판단한다 [54:37]

28. 관리형 추론은 기업의 자체 모델을 쉽게 운영하게 하는 방향으로 간다

• 향후 관리형 추론의 핵심은 기업이 지능에 쉽게 접근하도록 하는 것이다. 여기에는 기업의 비공개 데이터로 추가 학습한 특정 분야의 맞춤 모델을 호스팅하는 수요도 포함된다 [56:15]
• 여러 GPU, 데이터 저장소, 모델을 운영하고 질의를 적절한 모델로 보내는 복잡성을 서비스가 흡수해야 한다. CEO의 전망에서는 이런 운영 부담을 줄이는 능력이 관리형 추론의 중요한 가치다 [56:43]

29. 가족 시간을 일정과 연락 가능 시간에 명시적으로 반영한다

• CEO는 자녀와의 시간을 우선순위로 두기 위해 불편한 항공편이나 야간 비행을 선택한다. 자녀의 취침 시간을 놓치지 않고 거의 매주 주말 집에 머물며 축구나 수영 같은 활동에 참여하려 한다 [57:28]
• 집에 있는 날의 오전 7시부터 8시까지는 회의를 받지 않는 시간으로 회사에 알려져 있다. 아침 식사를 준비하고 등교를 돕는 시간을 확보하기 위해 연락 가능 시간을 제한한다 [58:22]

30. 데이터센터를 지역사회가 환영해야 할 자산으로 본다

• CEO는 데이터센터가 지역사회에 좋은 자산이며, 건설되는 지역에서 환영받아야 한다는 입장을 유지한다. 경제와 에너지 측면의 편익, 학교를 포함한 지역사회 투자 가능성을 그 근거로 제시한다 [58:56]

31. 불평등보다 투자로 늘어나는 전체 편익을 중시한다

• CEO는 소득·부의 불평등을 크게 우려하지 않는다고 답한다. 다른 사람이 가진 것과 자신의 것을 비교하는 감정은 인간에게 내재한 성향이라고 본다 [59:18]
• 그의 판단은 대규모 경제 발전 투자가 없을 때보다 모두가 더 큰 혜택을 얻는다는 전제에 기반한다. 다만 이 구간에는 그 혜택의 분배를 뒷받침하는 구체적인 수치가 없다 [59:45]

32. AI의 경제적 가치와 장기 경쟁 우위의 불확실성

• 기업 가치의 집중은 전례 없는 수준이지만, 풍부한 지능이 세계 경제의 생산성을 크게 높여 창출할 가치는 관련 기업의 시가총액보다 몇 배 더 클 것이라는 전망이다. [1:00:28]
• 지속적으로 시장 평균 이상의 수익을 보장하는 경쟁 방어력에 대한 믿음이 약해졌다. 대부분의 장기 경쟁 우위는 환상이거나 실제로 존재하지 않는다는 판단이다. [1:01:00]

33. 대규모 인프라 투자와 상장 시점의 판단

• Crusoe가 2028년 말까지 상장할지는 불확실하다. 데이터센터, AI 팩토리, 대규모 GPU 클러스터 등 지능의 기반 인프라를 구축하려면 막대한 자본이 필요하다. [1:01:49]
• 상장은 대규모 자본에 접근할 수 있다는 장점이 있어, 궁극적으로는 공개시장이 회사에 더 유리할 가능성이 크다. 다만 언제 상장하는 것이 적절한지는 아직 정해지지 않았다. [1:02:05]

34. 에너지 우선 전략의 실현과 직원들의 시간 투자

• 2018년에는 대담하고 야심 찬 구상이었던 AI 클라우드 플랫폼이 현재 규모로 실현됐다. 에너지를 우선하는 전략의 전제가 현실화됐고, 에너지가 지능 인프라 확장의 병목이 됐다는 점도 당시에는 믿기 어려웠을 변화다. [1:03:25]
• 창업 초기에는 지인의 회사 규모인 직원 약 150명도 상상하기 어려웠지만, 현재 Crusoe는 2,000명에 가까워지고 있다. 직원들은 경력에서 매우 생산적인 시기를 회사에 걸고 매일 사업을 함께 구축하고 있다. [1:04:20]

🧾 결론

• 이 인터뷰의 핵심은 GPU를 구매 후 빠르게 낡는 장비로만 평가하지 않고, 계약과 서비스가 만들어 내는 현금흐름까지 살피자는 데 있다.
• 저렴한 전력을 확보하더라도 시설·전력 연결·인력·인허가가 준비되지 않으면 연산 매출로 전환하기 어렵다. 에너지 전략의 실행력은 실제 가동까지 이어지는 과정에서 확인해야 한다.
• 크루소의 전략은 시설부터 토큰 서비스까지 운영하며 공급 병목과 마진 이동에 대응하는 것이다. 다만 구형 장비의 장기 수익화와 미래 추론 수요는 아직 CEO의 기대가 포함된 영역이다.

📈 투자·시사 포인트

• AI 인프라 기업을 비교할 때 감가상각 연수뿐 아니라 장비별 이용료·가동률·서비스 활용 범위·투자금 회수 기간을 함께 점검필요가 있다.
• 장기 임대의 현금흐름과 단기 서비스의 높은 마진을 구분해 봐야 한다. 계약 기간, 고객 신용도, take-or-pay 적용 범위, 갱신 필요성이 수익 구조를 이해하는 핵심 항목이다.
• 공급 부족으로 높아진 마진을 장기 경쟁 우위로 그대로 해석하기는 어렵다. CEO도 지속적인 경쟁 방어력보다 빠른 실행과 적응의 중요성을 강조한다.
• 발표된 데이터센터 용량보다 전력 연결·인허가·설비 납기·실제 가동 여부가 중요하다. 지역 전기요금과 물 사용, 세수 효과 역시 사업자의 주장과 확인된 결과를 구분해 판단해야 한다.

⚠️ 불확실하거나 확인이 필요한 부분

• 6년 감가상각은 크루소가 적용하는 회계 기준이다. CEO가 업계의 일반적 기준이라고 설명했지만, 공급된 자료에는 업계 비교나 GPU 세대별 경제적 수명을 검증할 데이터가 없다. 6년 이상 수익화할 수 있다는 기대도 별도 확인이 필요하다.
• Hopper 이용료가 초기보다 높다는 설명에는 구체적인 가격, 계약 조건, 가동률, 유지 비용이 제시되지 않았다. 이 사례만으로 모든 구형 GPU의 잔존가치나 수익성을 일반화하기 어렵다.
• 데이터센터가 지역 전기요금을 낮췄다는 주장에는 비교 대상과 기간, 요금 자료가 없다. 폐쇄 순환 냉각의 물 사용량과 지역 세수 전망도 CEO가 제시한 설명이며, 개별 시설과 지역의 자료로 확인해야 한다.
• 자막 기반 정리: 타임스탬프가 있는 자막을 기준으로 정리했으며, 고유명사·수치·인용은 원문 확인 필요 시 별도 검증한다.
• 영상 속 주장: 발표자의 해석·전망·비교는 확인된 외부 사실이 아니라 영상 속 주장으로 분리해 읽는다.
• 검증 필요: 수치, 기업 실적, 정책·시장 전망은 발행 전 최신 자료로 별도 검증이 필요하다.

✅ 액션 아이템

• GPU 세대별 이용료·가동률·운영 비용·서비스 매출 자료를 확보해 6년 감가상각과 실제 투자금 회수 가능성을 비교한다.
• 장기 임대와 단기 서비스의 매출 비중, 고객 신용도, 계약 기간, take-or-pay 적용 범위와 갱신 조건을 확인한다.
• 데이터센터별 토지·인허가·전력 연결·설비 납기·인력 확보 상태를 점검하고 발표 용량과 실제 가동 용량을 구분한다.
• 지역 전기요금·물 소비·세수 관련 주장을 전력회사와 지방정부, 시설 운영 자료로 대조한다.

❓ 열린 질문

• 신형 GPU 공급이 늘고 임대 가격이 달라져도 구형 GPU의 관리형 서비스 수익이 6년 이상 유지될 수 있을까?
• 공급 부족이 완화되면 데이터센터·GPU 임대·토큰 서비스 사이의 마진은 어떻게 이동하며, 수직계열화는 얼마나 효과적으로 대응할까?
• 데이터센터가 추가 발전과 송배전 활용을 늘리는 효과는 어떤 조건에서 주민 전기요금 인하로 이어질까?