한 줄로 말하면

앵커테넌트(anchor tenant)는 쇼핑몰 같은 대형 부동산 개발 프로젝트에서 임대료를 크게 할인받는 대신 가장 먼저 장기 임대차 계약을 맺어주는 최대 규모 임차인이야.1 그 임대차 계약 자체가 건물주에게는 안정적인 현금흐름을 약속하는 신용 증거이기 때문에, 이 개념은 최근 AI 데이터센터 건설의 자금 조달에서 프로젝트의 신용등급을 좌우하는 핵심 변수로 쓰이고 있어.2

임차인 신용도가 왜 건설사의 신용등급이 되나

이 개념은 원래 쇼핑몰 얘기였어. 1950년대 초중반 빅터 그루엔이 계획형 쇼핑센터라는 형식을 만들 때, 대형 백화점을 입점시키는 게 프로젝트의 재무 안정과 주변 소형 매장으로 손님을 끌어오는 데 둘 다 필요했거든.1 앵커테넌트는 임대료를 크게 깎아주는 데 그치지 않고, 계속 입점해 있어 달라며 현금까지 얹어주는 경우도 있어.1 국제쇼핑센터협의회(ICSC) 기준으로 연면적 40만~80만 제곱피트인 지역센터는 앵커가 2개 이상, 80만 제곱피트를 넘는 초광역센터는 3개 이상이어야 하고,1 두 경우 모두 앵커테넌트가 전체 임대 가능 면적의 50~70%를 차지해.1 앵커가 있는 쇼핑센터는 없는 곳보다 실적이 꾸준히 좋았고,1 마지막 앵커가 떠난 몰은 흔히 ‘죽은 몰’로 불려.1

이 논리가 그대로 옮겨간 곳이 AI 데이터센터야. 건설 단계의 대출기관은 프로젝트 실행력, 예상 임대수익, 스폰서 경험, 전력 접근성, 인허가 복잡도와 함께 앵커테넌트의 신용도를 핵심 심사 기준으로 봐.2 데이터센터 자본조달의 중심 구조는 개별 프로젝트 단위의 제한소구 건설금융인데, 감정평가 가치를 보는 일반 상업부동산 대출과 달리 데이터센터 대출기관은 앵커테넌트 신용도·예상 임대료 흐름·개발자 실행 이력·전력 근접성·인허가 복잡도를 층위별로 평가해.2 프라이빗 크레딧 펀드가 프로젝트·포트폴리오·SPV 단위로 돈을 댈 때도 심사 기준은 똑같이 앵커테넌트 신용도, 계약된 임대수익, 확보된 전력, 건설 마일스톤, 스폰서 지원이야.2

때로는 임차인이 직접 신용 보강 역할을 맡기도 해. Google·Fluidstack·TeraWulf 거래에서 TeraWulf가 데이터센터 건설용 하이일드 채권을 발행하고 Fluidstack이 GPU 클러스터용으로 이를 임차하기로 하자, Google이 지분 워런트를 대가로 Fluidstack의 임대 의무에 조건부 백스톱을 제공했어.2 세일-리스백 구조에서는 운영사가 시설이나 캠퍼스 일부를 금융투자자·리츠·인프라펀드·SPV에 팔고 곧바로 장기 임대차 계약을 맺어 계속 운영해.2

앵커테넌트 밖에서 오는 돈 — 네 갈래 조달 경로

프로젝트 파이낸싱만 있는 게 아니야. 데이터센터 건설 자금은 크게 네 갈래로 갈려. 첫째는 위에서 본 프로젝트 파이낸싱이야 — 특수목적법인이 하이퍼스케일러와 맺은 장기 임대·코로케이션 계약을 신용 기반 삼아, 대출기관이 스폰서의 대차대조표가 아니라 프로젝트의 예상 현금흐름을 보고 돈을 대는 방식이고, 이 구조는 통상 총사업비의 60~80%(loan-to-cost)까지 레버리지를 끌어올려 스폰서의 다른 자산과 위험을 분리하면서 기업 차입 여력도 지켜.3 이런 거래는 대개 상업은행이 주선하는 신디케이트 대출로 짜이고 기관투자자·인프라 부채펀드가 참여하며, 기존 운영사는 회사 단위 리볼빙 크레딧이나 텀론을 얹기도 해.3

둘째는 프라이빗 크레딧이야. 직접대출기관·인프라 부채펀드·대체자산운용사가 건설 대출·브리지 대출·메자닌 파이낸싱에 점점 더 많은 자본을 넣고 있는데, 신디케이트 은행이나 공모 자본시장보다 빠르고 유연한 대신 금리·수수료가 더 높고 유동성이 낮아 만기 시 재융자 옵션이 제한될 수 있어.3 셋째는 자본시장이야. 투자등급 채권·하이일드 채권·자산유동화증권(ABS)으로 자금을 모을 수 있고, 특히 증권화는 안정적으로 현금을 내는 포트폴리오를 매력적인 스프레드로 현금화하는 수단으로 주목받고 있어.3 위 베녜 거래의 144A 노트도 이 계열이다. 넷째는 조인트벤처야. 개발사가 전문성·인허가·프로젝트 관리 역량을 대고 연기금·국부펀드·인프라 특화 사모펀드 같은 지분 파트너가 대부분의 자본을 대는 구조로, 파이프라인을 키우는 데는 효과적이지만 의사결정·자본 콜·엑시트 권리를 놓고 지배구조가 복잡해져.3

왜 중요한가

건설 단계든 세일-리스백이든, 데이터센터 파이낸싱에서 최종 심사 기준은 결국 하나로 수렴해 — 이 건물을 채울 임차인이 누구이고 그 임대차 계약이 얼마나 신뢰할 만한가야. AI 인프라 투자를 자기 돈이 아니라 남의 돈으로 짓는 구조가 늘어날수록, 그 돈을 대는 쪽이 가장 먼저 캐는 질문도 결국 앵커테넌트로 돌아온다. 많은 프로젝트가 단일 앵커테넌트 하나의 신용에 기대어 파이낸싱되기 때문에, 그 임차인이 유일한 거래상대방이 되어 매출 집중 위험을 그대로 지게 돼.3

실제 예시

2025년 10월 종결된 Meta의 Hyperion 데이터센터 캠퍼스(루이지애나주 리치랜드 패리시) 파이낸싱 ‘베녜(Beignet)’ 거래가 이 구조를 잘 보여줘 — 약 300억 달러 규모다.2 Meta는 Blue Owl Capital과 합작 SPV인 Beignet Investor LLC를 만들었고, Blue Owl 운용 펀드가 지분 80%, Meta가 20%를 갖는다.2 모건스탠리가 PIMCO를 앵커로 BlackRock 등이 참여한 270억 달러 이상의 부채와 약 25억 달러의 지분을 조달했고, 이 노트는 144A 형식으로 S&P 투자등급 A+를 받아 2049년 만기·완전상환형으로, 발행 당시 미 국채 대비 약 225bp 스프레드에 가격이 매겨졌어.2 구조상 SPV가 캠퍼스를 소유하고 Meta에 재임대하기 때문에, Meta는 관련 부채를 대차대조표에 부채로 잡지 않고 지분 출자분과 임대 의무만 보고해.2 대신 Meta는 임대를 갱신하지 않거나 해지할 경우를 대비해 투자자에게 잔존가치 보증을 제공했는데, 조건이 맞으면 그 시점 자산 공정가치와 보증 기준선의 차액만큼을 물어줘야 해.2

2026년 7월 13일 Meta는 Hyperion 캠퍼스가 5기가와트 컴퓨트 용량에 이를 것으로 예상한다고 밝혔고, 예상 비용은 기존 추정의 거의 두 배인 500억 달러를 넘는다고 했어.2 같은 해 7월 20일 Meta는 BlackRock과 함께 텍사스주 엘패소에 120억 달러 규모 데이터센터를 짓는 새 파트너십을 발표했는데, Hyperion과 비슷하게 BlackRock이 80%, Meta가 20% 지분을 갖는 구조로 예상돼.2

헷갈리지 말아야 할 점

‘앵커테넌트’라는 말만 들으면 그 회사가 건물 주인이라고 오해하기 쉬워. 그런데 세일-리스백이든 위 베녜 구조든, 건물을 실제로 갖는 주체는 리츠·인프라펀드·SPV 같은 별도 법인이고 앵커테넌트는 그 소유권과 무관하게 장기 임대차 계약만 맺어.2 그래서 이 개념에서 진짜 중요한 건 ‘누가 건물을 갖고 있나’가 아니라 ‘누가 얼마나 오래, 얼마나 확실하게 임대료를 낼 것으로 약속했나’다.

이어서 읽기

하이퍼스케일러의 데이터센터 투자가 왜 이렇게 커졌는지는 자본지출 사이클(capex cycle)에서, 그 옆에서 벌어지는 전력 조달 구조 변화는 독립발전사업자(IPP)와 데이터센터 전력 조달에서 이어 읽을 수 있어. 베녜 거래의 당사자였던 Meta의 인프라 구조는 그 페이지에서 더 볼 수 있다.

남은 질문들

  • 앵커테넌트 신용도가 실제 대출 스프레드(bp)에 얼마나 반영되는지, Beignet 말고 다른 거래에서도 비교할 수 있는 자료가 있는가.
  • 세일-리스백이 아니라 순수 SPV 건설금융 구조에서는 신용평가사가 앵커테넌트 신용도를 어떻게 다르게 반영하는가.

각주

  1. Wikipedia, 「Anchor tenant」 글 ↩︎ ↩︎2 ↩︎3 ↩︎4 ↩︎5 ↩︎6 ↩︎7

  2. afslaw.com, 「An Introduction to US Data Center Financing Structures for AI Infrastructure Development」 분석 ↩︎ ↩︎2 ↩︎3 ↩︎4 ↩︎5 ↩︎6 ↩︎7 ↩︎8 ↩︎9 ↩︎10 ↩︎11 ↩︎12 ↩︎13 ↩︎14

  3. Foley & Lardner LLP, 「Financing the Data Center Boom: Trends, Structures, and Considerations for Market Participants」(2026-04-21) 분석 ↩︎ ↩︎2 ↩︎3 ↩︎4 ↩︎5 ↩︎6