Amazon

Amazon을 “물건 파는 회사”로만 알고 있으면, 이 이름이 왜 AI 인프라 이야기마다 나오는지 이해하기 어려워. 지금 AI 국면에서 Amazon은 초대형 데이터센터를 굴리는 소수의 하이퍼스케일러 중 하나이고, 최근 12개월 설비 구매를 1년 전보다 593억 달러나 늘리면서 번 현금 대부분을 AI 데이터센터에 밀어 넣고 있는 지출의 큰손이야.¹ 2026년 1분기 장부만 봐도 전체 매출 1,815억 달러, 순이익 303억 달러, 자산 9,166억 달러짜리 회사가 이 결정을 하고 있어.²

그리고 이 회사의 제일 흥미로운 긴장은 이거야. Amazon은 NVIDIA GPU를 100만 개 이상 새로 배치하겠다는 대형 고객이면서, 동시에 자체 칩(Trainium·Graviton)을 연 200억 달러 규모로 키우는 경쟁자야. 고객이자 경쟁자라는 이중 역할 — AI 칩 시장의 앞날을 가늠할 때 이 회사의 행보가 자주 판별선이 되는 이유지.¹

다만 Amazon을 AWS 데이터센터 하나로만 줄여도 놓치는 게 있어. 이 회사의 인프라는 데이터센터, 물류센터, 배송망, 위성 처리 시설, 재생에너지 설비가 같이 움직이는 물리적 네트워크야. Ohio와 Florida에 이어 Louisiana와 Georgia 자료까지 보면 같은 패턴이 반복돼. 한 주에서는 클라우드 컴퓨팅 캠퍼스와 전력·수도 투자가 나오고, 다른 주에서는 데이터센터와 물류·재난 구호 거점이 같이 나온다.³⁴⁵⁶

한 줄로 말하면

전자상거래로 출발했지만, AI 국면에서는 클라우드(AWS)를 굴리는 하이퍼스케일러로서 AI 인프라 지출·자체 칩·지역 물리 인프라·클라우드 신뢰 기능의 네 갈래에서 계속 등장하는 회사야.

무엇인가

상장 법인은 Amazon.com, Inc.이고, 대중에게는 온라인 상점과 물류 회사로 익숙해. 하지만 AI 인프라 문맥에서 핵심은 AWS야. AWS는 기업과 AI 랩이 컴퓨트를 빌리는 클라우드이고, Amazon이 자체 칩·데이터센터·전력·네트워크를 한꺼번에 늘리는 무대이기도 해.

이 구조는 소매와 클라우드가 완전히 분리된 사업이라는 뜻이 아니야. Amazon의 강점은 거대한 물류 운영, 데이터센터 운영, 지역 투자, 위성·항공·배송 거점을 같은 조직 안에서 다루는 데 있어. AI 컴퓨트도 결국 전력과 건물과 냉각과 네트워크를 먹는 물리 사업이기 때문에, 이 실행력은 장부 밖의 배경이 아니라 분석의 일부야.

flowchart LR
    A["소매·마켓플레이스"] --> B["현금·물류 규모"]
    B --> C["배송·창고·항공 거점"]
    B --> D["AWS 데이터센터"]
    B --> E["Amazon Leo 위성 인프라"]
    D --> F["AI 컴퓨트<br/>Trainium·GPU·Bedrock"]
    F --> G["AI 랩·기업 고객"]

왜 계속 등장하는가

첫째, AI 인프라 지출의 당사자라서. NVIDIA 매출의 대부분이 데이터센터에서 나오고, 그 수요를 Amazon 같은 소수 하이퍼스케일러의 설비투자 결정이 떠받쳐. 그래서 “AI 투자가 계속되나”라는 질문은 상당 부분 “Amazon(과 동류 회사들)이 계속 쓰나”라는 질문이야. 이 구조가 왜 중요한지는 capex cycle에, 그 위에 선 주장은 NVIDIA의 다음 분기는 칩 경쟁력이 아니라 하이퍼스케일러 capex가 결정한다에 정리돼 있어.

둘째, 자체 칩 때문에. Trainium(AI 훈련·추론용)·Graviton(범용 서버용) 매출이 연환산 200억 달러 런레이트를 넘겼고, OpenAI·Anthropic에 기가와트급 Trainium 컴퓨트 공급도 약속했어. AWS는 Trainium을 단일 칩으로만 설명하지 않아. Graviton 호스트 CPU, Nitro, Elastic Fabric Adapter, Neuron SDK, EKS, SageMaker HyperPod까지 묶은 “칩부터 서비스까지”의 스택으로 설명해.⁷ 여기에 HyperPod의 노드 설정 자동화까지 붙으면, 고객이 보는 경쟁력은 칩 성능표가 아니라 클러스터를 얼마나 빨리 늘리고 다시 쓸 수 있느냐로 내려와.⁸ Graviton도 EC2 안에만 머무는 칩이 아니야. Redshift RG 인스턴스가 안정성을 우선하는 trailing track 운영 워크로드에 들어가면서, 자체 CPU가 분석 데이터베이스 비용과 성능을 바꾸는 축으로도 쓰이고 있어.⁹ 맞춤형 실리콘이 NVIDIA의 점유율을 갉아먹을지 지켜볼 때, Amazon이 중요한 이유는 칩 하나보다 그 전체 운영 스택을 자기 데이터센터에 붙일 수 있기 때문이야.

셋째, 클라우드의 신뢰 기능 경쟁. 은행·병원처럼 규제가 센 산업을 클라우드로 끌어오려면 “우리도 고객 데이터를 못 봅니다”를 기술로 증명해야 해. 2026년 7월 AWS가 기밀 컴퓨팅 옵션(AMD SEV-SNP)을 전용 호스트로 넓힌 게 그 갈래의 신호였어 — 클라우드가 내 VM 속을 못 보게 만들기 — AWS의 SEV-SNP 전용 호스트 참고.

넷째, 외부 AI 랩 모델을 기업 고객에게 유통하는 통로라서. Amazon Bedrock은 고객이 AWS 안에서 Anthropic 같은 외부 모델을 쓰게 하는 층이야. Claude Fable 5가 Amazon Bedrock에 다시 열렸다는 공식 공지는, AWS가 직접 만든 Trainium만 파는 곳이 아니라 모델 공급자와 기업 고객 사이의 배포 채널이기도 하다는 점을 보여줘.¹⁰

여기에 Bedrock AgentCore가 붙으면 AWS의 역할은 한 단계 더 넓어져. KTern.AI 사례에서 AWS는 SAP 전환 에이전트의 실행, 오래 유지되는 기억, MCP 기반 도구 연결, 신원·권한, 관측, 평가를 AgentCore 구성요소로 나눠 설명해.¹¹ 그러니까 Bedrock은 “모델을 고르는 창구”만이 아니라, 기업이 에이전트를 오래 굴릴 때 필요한 운영 계층을 같이 파는 쪽으로 움직이고 있어.

다섯째, 디지털 서비스가 물리 인프라로 내려앉는 사례라서. Ohio 자료에는 2011년 이후 데이터센터 투자 399억 달러가 따로 적혀 있고, Florida 자료에는 Kennedy Space Center의 Amazon Leo 위성 처리 시설, Amazon Air 허브, Prime Air 드론 배송 거점이 함께 등장해.³⁴ 최근 데이터센터 커뮤니티 자료까지 보면, 이 사업은 새 건물을 짓는 일만이 아니라 폐공장 재활용, 지역 인력 양성, 냉각수 허가 같은 마찰을 계속 처리하는 일이기도 해.¹² Amazon을 보면 AI 클라우드가 서버 구매만이 아니라 부지·전력·물·위성·항공·지역 고용까지 끌고 가는 사업이라는 점이 보인다.

이 대상을 볼 때의 핵심 축

• capex의 방향. 설비투자를 늘리나 줄이나, 그리고 그 대가로 잉여현금이 얼마나 남나. 최근 서류에서는 잉여현금흐름이 259억 달러에서 12억 달러로 쪼그라들 만큼 투자에 쏟고 있었어 — 이 속도가 유지되는지가 AI 인프라 수요 전체의 온도계 중 하나야.
• 자체 칩 vs GPU 구매의 균형. Trainium을 키우면서 NVIDIA GPU도 더 산다는 게 지금까지의 그림인데, 이 균형이 어느 쪽으로 기우는지. Trainium3 UltraServer는 144개 Trainium 칩, 20.7TB HBM3e, 706TB/s aggregate memory bandwidth를 한 묶음으로 제공한다고 설명돼.⁷ 그래서 봐야 할 것은 “칩을 만들었다”가 아니라, 이 묶음이 실제 훈련·추론 워크로드를 얼마나 가져가느냐야.
• Graviton의 서비스 침투 범위. Graviton은 AI 가속기가 아니라 범용 서버 CPU라서 Trainium과 역할이 달라. 봐야 할 지점은 EC2 인스턴스 몇 종류가 아니라 Redshift 같은 데이터베이스·분석 서비스의 운영 트랙까지 들어가 AWS 전체 원가 구조와 고객 이전 비용을 얼마나 바꾸는지야.
• AWS의 성장과 수익성. 이 모든 투자를 정당화하는 건 결국 클라우드 매출이야. AWS 부문 매출과 영업이익이 투자 속도를 따라오는지 확인해야 해.
• 모델 공급자와의 관계. Bedrock에 어떤 프론티어 모델이 들어오고, 빠지고, 다시 열리는지가 중요해. AWS가 자체 칩과 자체 서비스를 키워도, 기업 고객의 선택지는 Anthropic 같은 외부 모델 공급자와의 관계에 같이 묶여 있어.
• 에이전트 운영 계층. Bedrock AgentCore가 단순한 데모가 아니라 memory, gateway, identity, observability, evaluations 같은 생산 기능으로 기업 사례를 쌓는지 봐야 해. 이 축은 agentic workflow가 클라우드 상품으로 굳는지를 보여준다.
• 지역 인프라의 밀도. Ohio처럼 데이터센터 투자가 누적되는 주, Florida처럼 위성·항공·배송 거점이 겹치는 주, Louisiana·Georgia처럼 클라우드 인프라가 지역 전력·수도·인력 양성과 같이 묶이는 주를 보면, Amazon의 투자가 어느 지역에서 어떤 병목을 만들고 푸는지 보인다.
• GPU와 훈련 클러스터 운영 비용. GPU를 사는 것만이 비용이 아니야. 어떤 인스턴스군을 어떤 관리형 서비스로 돌리고, 모니터링·장애 교체·노드 설정·관리 수수료를 얼마나 낮추는지도 AWS가 AI 워크로드를 끌어오는 조건이 된다.
• 규제 산업용 신뢰 기능. 기밀 컴퓨팅 같은 기능이 실제로 규제 워크로드를 끌어오는지, 니치에 머무는지.

최근 관찰된 신호

• 2026년 1분기 실적 — 최근 12개월 설비 구매가 1년 전보다 593억 달러 늘었고, 회사는 이 증가가 “주로 인공지능 투자를 반영한다”고 밝혔어. 그 결과 잉여현금흐름은 259억 달러에서 12억 달러로 줄었지.¹
• AWS 세그먼트 — 같은 분기 AWS 매출은 376억 달러로 전년 대비 28% 늘었고, AWS 영업이익은 142억 달러였어. Amazon 전체 영업이익 239억 달러 중 상당 부분을 AWS가 받치고 있다는 뜻이야.¹
• 같은 발표에서 — Trainium·Graviton 매출이 연환산 200억 달러 런레이트를 넘겼고, OpenAI·Anthropic에 기가와트급 Trainium 공급을 약속했으며, 2026년부터 NVIDIA GPU 100만 개 이상을 새로 배치한다고 했어. 자체 칩과 GPU 구매를 동시에 늘리는 그림이야.¹
• 2026년 7월 2일 — AWS가 AMD SEV-SNP 기밀 컴퓨팅을 전용 호스트에서 지원한다고 발표했어.
• 2026년 7월 7일 — Amazon ECS Managed Instances가 GPU·가속 인스턴스 관리 수수료를 낮췄어. G-series는 35%, P-series와 AWS Trainium은 60% 인하이고, 이미 쓰는 고객에게 자동 적용돼.¹³
• 2026년 7월 8일 — Amazon Redshift RG 인스턴스가 trailing track(P201)에서도 열렸어. AWS는 rg.4xlarge와 rg.xlarge를 새 클러스터나 기존 클러스터 resize로 쓸 수 있고, RA3 인스턴스보다 query 성능은 최대 2.4배 빠르며 vCPU당 가격은 30% 낮다고 설명해.⁹
• 2026년 7월 10일 — SageMaker HyperPod가 Slurm 클러스터의 continuous provisioning에서도 AMI 기반 노드 lifecycle 구성을 지원한다고 공지했어. 새 노드가 들어올 때 Docker, Enroot, Pyxis, Slurm accounting, SSH key generation, log rotation 같은 기본 구성을 AMI에서 바로 적용하고, 필요하면 별도 extension script만 붙이는 방식이야.⁸ AWS가 AI 클러스터 경쟁을 “칩을 빌려준다”가 아니라 “노드가 늘어날 때 설정·예약·운영까지 줄인다”로 끌고 가는 신호야.
• 2026년 7월 10일 — AWS Machine Learning Blog가 KTern.AI의 Bedrock AgentCore 사례를 공개했어. KTern.AI는 SAP 전환 업무용 에이전트 20개 이상을 AgentCore 위에서 운영하고, 실행 격리, 오래 유지되는 기억, SAP API 도구 접근, 권한, 관측, 평가를 AWS 관리 계층에 맡겼다고 설명해.¹¹ AWS가 기업용 에이전트 경쟁을 모델 접근권보다 운영 인프라 쪽으로 넓히는 신호야.
• AWS Trainium 공식 페이지 — AWS는 Trainium3에 4세대 NeuronCore, 144GB HBM3e, 4.9TB/s bandwidth가 들어가고, UltraServer 단위로는 144개 칩까지 묶인다고 설명해. 고객 예시에는 Anthropic, Databricks, Decart, OpenAI, Ricoh, SplashMusic, Uber가 들어가 있어.⁷ 자체 칩 전략이 내부 실험이 아니라 외부 고객용 클라우드 상품으로 포장돼 있다는 신호야.
• 데이터센터 커뮤니티 자료 — Oregon에서는 Blue Mountain Community College의 데이터센터 기술자 과정에 70만 달러 넘는 장학금을 약속했고, Mississippi Clinton에서는 닫힌 Delphi 제조 시설을 데이터센터로 고쳐 100개 이상 정규직 일자리를 만들겠다고 했어. Virginia Louisa County 자료는 데이터센터 냉각이 전력만이 아니라 물 허가와 배출 기준까지 안고 간다는 점을 보여줘.¹²
• 2026년 1분기 SEC companyfacts — Amazon은 2026년 1분기에 전체 매출 1,815억 달러, 순이익 303억 달러, 영업현금흐름 260억 달러, 자산 9,166억 달러를 기록했어.² 이 숫자는 AWS만 떼어낸 지표가 아니라 Amazon 전체 규모를 보여주는 장부라서, 클라우드 부문 수익성은 별도 세그먼트 공시로 계속 확인해야 해.
• Ohio 투자 자료 — Amazon은 2010년 이후 Ohio의 인프라와 임직원 보상에 700억 달러 이상을 투자했고, 그중 2011년 이후 데이터센터 투자만 399억 달러라고 밝혔어. 17개 fulfillment·sortation center, 16개 delivery station, 25개 solar farm과 1개 wind farm도 함께 적혀 있어.³
• Florida 투자 자료 — Amazon은 2010년 이후 Florida에 550억 달러 이상을 투자했고, Kennedy Space Center의 Amazon Leo 위성 처리 시설은 완전 가동 시 월 100개 넘는 위성을 처리하고 동시에 3개 launch campaign을 지원할 수 있다고 밝혔어. 같은 주에 Amazon Air 허브, Prime Air 드론 배송 거점, 35개 fulfillment·sortation center도 같이 놓여 있어.⁴
• Louisiana 투자 자료 — Amazon은 2010년 이후 Louisiana에 60억 달러 이상을 투자했고, 2026년에는 northwest Louisiana 클라우드 컴퓨팅 인프라에 120억 달러를 계획했다고 밝혔어. 새 데이터센터 캠퍼스의 에너지 인프라 비용을 전부 부담하고, 현지 물·하수 인프라에도 최대 4억 달러를 투자하겠다는 설명이 붙어 있어.⁵
• Georgia 투자 자료 — Amazon은 2010년 이후 Georgia에 300억 달러 이상을 투자했고, 그중 데이터센터 인프라가 65억 달러 이상이라고 밝혔어. Butts와 Douglas 카운티의 AI·클라우드 인프라 확대에는 최소 110억 달러를 더 투자할 계획이라고 설명해.⁶
• Claude Fable 5의 Bedrock 재개 — Amazon은 Anthropic의 Claude Fable 5를 Amazon Bedrock과 Claude Platform on AWS에서 다시 쓸 수 있다고 공지했어. AWS는 이 모델이 코딩·지식 작업·비전 작업과 자기 검증 기능을 다룬다고 설명하지만, 더 중요한 건 Bedrock이 AWS 자체 모델이 아니라 외부 프론티어 모델의 기업 배포 통로라는 점이야.¹⁰

헷갈리지 말아야 할 점

• Amazon과 AWS는 층이 달라. 소매·물류가 매출의 몸통이지만, AI 이야기에서 등장하는 건 거의 언제나 클라우드 부문 AWS야. “Amazon이 AI에 얼마를 쓴다”는 이야기의 무대도 대부분 AWS 데이터센터고.
• 자체 칩 확대가 곧 GPU 이탈은 아니야. 지금 서류상으로는 자체 칩을 키우면서 NVIDIA 칩도 더 사는, “더 많이·더 다양하게”의 국면이야. 대체가 시작됐다고 단정하려면 구매 감소가 숫자로 확인돼야 해.
• Trainium은 칩이 아니라 묶음으로 봐야 해. AWS가 강조하는 건 Neuron SDK, EFA, EKS, SageMaker HyperPod, 장애 감지와 reroute까지 붙은 운영 체계야. 그래서 단순 성능표만 비교하면 Amazon의 진짜 의도를 놓쳐. 목표는 “가장 빠른 칩” 하나가 아니라, 고객이 AWS 안에서 더 싼 토큰과 더 빠른 반복을 얻는 구조야.
• HyperPod 같은 관리형 도구는 사소한 편의 기능이 아니야. AI 훈련 클러스터에서는 노드를 추가하고, 같은 환경으로 맞추고, 작업을 다시 예약하는 시간이 비용이 된다. AMI 기반 lifecycle 구성은 이 마찰을 줄이는 장치라서, 칩 공급량만큼이나 운영 흡수력을 볼 때 중요해.
• AgentCore도 모델 성능표가 아니야. 여기서 보는 것은 어떤 모델이 더 똑똑한가보다, 기업이 에이전트를 오래 실행할 때 기억·도구 권한·고객별 격리·로그·평가를 어디에 맡기는가야.
• Graviton과 Trainium을 같은 칸에 넣으면 헷갈려. Trainium은 AI 훈련·추론 가속기이고, Graviton은 범용 서버 CPU야. Redshift RG 사례의 의미는 “AI 모델이 NVIDIA에서 Graviton으로 이동한다”가 아니라, AWS가 자체 CPU를 데이터베이스 같은 일상 운영 워크로드까지 밀어 넣어 원가와 가격을 조정한다는 데 있어.
• Bedrock은 자체 칩 전략의 반대편이 아니야. Amazon이 Trainium을 키운다고 해서 Bedrock의 외부 모델 유통 역할이 사라지는 건 아니야. 기업 고객 입장에서는 같은 AWS 안에서 자체 칩 위의 서비스, 외부 모델, 관리형 추론 환경을 같이 고르는 구조에 가깝다.
• 지역 투자 숫자는 전부 AI 투자 숫자가 아니야. Ohio·Florida 자료에는 창고, 배송, 리테일, 위성, 데이터센터가 섞여 있어. 그래서 이 숫자를 곧바로 “AI capex”로 읽으면 과해. 대신 Amazon이 디지털 수요를 물리 인프라로 바꾸는 능력을 보여주는 근거로 봐야 해.

남은 질문들

• Amazon의 2026년 연간 capex 가이던스는 얼마이고, 유지·상향·하향 중 어느 쪽으로 움직이나? Q1 보도자료만으로는 연간 전망 숫자를 아직 확인하지 못했어.
• AWS 부문의 매출·영업이익 추이는 여러 분기에서 이 투자 속도를 정당화하고 있나?
• Trainium은 실제로 어떤 고객·워크로드에서 NVIDIA GPU를 대체하고 있나, 아니면 보완에 머무나?
• Bedrock에서 Anthropic 같은 외부 모델 공급자가 얼마나 오래 핵심 선택지로 남나?
• Bedrock AgentCore는 SAP 전환 같은 장기 업무 밖에서도 반복 고객 사례를 만들까?
• Ohio의 데이터센터 투자와 Florida의 Leo·항공·배송 거점은 AWS·AI 수요와 어느 정도 직접 연결돼 있나?
• 잉여현금이 거의 바닥까지 눌린 상태는 얼마나 지속 가능한가 — 무엇이 먼저 꺾이나(투자냐 현금이냐)?

이어서 읽기

• 이 회사의 지출이 왜 칩 산업 전체를 흔드는지 구조가 궁금하면 capex cycle, 그 지출에 매출이 걸려 있는 회사는 NVIDIA.
• “고객 capex가 NVIDIA의 다음 분기를 결정한다”는 주장을 따져보고 싶으면 NVIDIA의 다음 분기는 칩 경쟁력이 아니라 하이퍼스케일러 capex가 결정한다.
• 클라우드 신뢰 기능의 실물 사례는 클라우드가 내 VM 속을 못 보게 만들기 — AWS의 SEV-SNP 전용 호스트.
• 이 회사가 컴퓨트를 공급하기로 한 AI 랩 중 하나는 Anthropic.

각주

1. Amazon, 「Amazon.com Announces First Quarter Results」(2026-04-29) SEC EX-99.1 ↩︎ ↩︎² ↩︎³ ↩︎⁴ ↩︎⁵

2. SEC, 「AMZN Company Facts」(2026-07-08 수집) data.sec.gov XBRL companyfacts ↩︎ ↩︎²

3. Amazon Staff, 「4 ways Amazon is investing in Ohio」 공식 뉴스 ↩︎ ↩︎² ↩︎³

4. Amazon Staff, 「5 ways Amazon is investing in Florida」 공식 뉴스 ↩︎ ↩︎² ↩︎³

5. Amazon Staff, 「6 ways Amazon is investing in Louisiana」 공식 뉴스 ↩︎ ↩︎²

6. Amazon Staff, 「5 ways Amazon is investing in Georgia」 공식 뉴스 ↩︎ ↩︎²

7. AWS, 「AWS Trainium」(날짜 미표기) 공식 제품 페이지 ↩︎ ↩︎² ↩︎³

8. AWS, 「Amazon SageMaker HyperPod now supports AMI-based node lifecycle configuration for Slurm clusters using continuous provisioning」(2026-07-10) What’s New ↩︎ ↩︎²

9. AWS, 「Amazon Redshift RG instances now available on the trailing track」(2026-07-08) What’s New ↩︎ ↩︎²

10. Amazon Staff, 「Claude Fable 5 from Anthropic: available again on Amazon Bedrock」(날짜 미표기) 공식 뉴스 ↩︎ ↩︎²

11. AWS Machine Learning Blog/Vijayaraghavan C P·Prabhu G, 「How KTern.AI built agentic AI for SAP on Amazon Bedrock AgentCore」(2026-07-10) AWS Blog ↩︎ ↩︎²

12. Amazon Staff, 「Amazon data center communities: Here’s what’s happening near data centers across the US」(2026-06-10 업데이트) 공식 뉴스 ↩︎ ↩︎²

13. AWS, 「Amazon ECS Managed Instances reduces GPU management fees by up to 60%」(2026-07-07) What’s New ↩︎