AI 기술이 이제 '진정한 제품 개발 시대'에 진입했다
지난 10년간 실리콘밸리의 혁신에 대해 비관적인 견해를 가지는 것은 투자자가 할 수 있는 최악의 선택 중 하나였습니다. 전설적인 공매도 투자자들은 다음과 같은 기업들에 베팅했습니다:
- Tesla에 대해: GM, Ford, Stellantis와 경쟁할 만한 제조 전문성과 규모가 부족하다고 주장
- Uber와 DoorDash에 대해: 긱 이코노미 모델의 단위 경제성이 지속 불가능하다고 주장
- Netflix에 대해: 콘텐츠 비용으로 인해 무너질 것이라고 예측
- Facebook에 대해: 규제 위협과 메타버스로의 잘못된 전환이 회사를 몰락시킬 것이라고 경고
심지어 거품, 사기, 범죄자들의 도구라고 무시당했던 Bitcoin조차 끝없는 부고를 뒤로하고 주류 자산 클래스가 되었습니다.
AI와 그로 인한 수익에 대한 회의론도 결국에는 비슷한 운명을 맞이할 수 있습니다. 하지만 단기적으로 미국 주식 시장의 운명은 Magnificent 7(Apple, Nvidia, Microsoft, Amazon, Alphabet, Meta, Tesla)의 운명에 달려있으며, 점점 더 Magnificent 7의 운명은 인공지능의 성공에 달려있습니다.
현재 우리는 2000년 닷컴 버블이 붕괴되기 직전 이후로 보지 못했던 수준의 시장 집중도를 보이고 있으며, 시가총액 기준 미국 최대 기업들은 순이익의 상당 부분을 AI 관련 자본 지출에 베팅하고 있습니다.
이는 AI가 실리콘밸리의 다음 큰 혁신 물결이 될 수 있지만, 동시에 이러한 높은 집중도와 대규모 투자가 단기적으로는 시장 위험 요인이 될 수 있다는 것을 시사합니다.
최근의 대부분 기술 혁명은 최첨단 VC(벤처캐피탈) 매니저들이 자금을 대는 실험실 실험과 비슷했습니다. 벤처 투자는 90% 이상이 실패할 것으로 예상되며, 성공하더라도 투자자들이 큰 수익을 보기까지 보통 10년 이상이 걸립니다. 이것이 시드 단계 경제의 비즈니스 모델입니다.
현재의 AI 혁명에도 많은 VC 후원자들이 있지만, 대부분은 곧 투자 성과를 내야 하는 최대 상장기업들이 주도하고 있습니다. 만약 이들이 성과를 내지 못한다면, Magnificent 7만 실적과 밸류에이션 타격을 입는 것이 아니라 시장 전체가 영향을 받게 될 것입니다.
작년 여름, Goldman Sachs는 향후 몇 년간 AI 자본지출이 1조 달러에 달할 것으로 추정했으며, 아래 차트에서 보듯이 그 이후로 금액은 계속 증가했고 대부분이 공개 시장을 지배하는 Magnificent 7에 집중되어 있습니다.
투자자로서는 이러한 베팅이 어떻게 잘못될 수 있는지, 만약 실리콘밸리에 공매도 투자자가 아직 남아있다면 그들의 주장이 무엇일지 고려해볼 필요가 있습니다. 이는 사고가 주로 호모 사피엔스에 의해 이루어지지 로봇 지배자들에 의해 이루어지기 전의 한 시점을 기념하는 사고 실험으로서라도 말입니다.
회의론자들의 주장은 Magnificent 7이 '경쟁 과소평가(competition neglect)'라는 전형적인 현상을 겪고 있을 가능성에서 시작됩니다. Robin Greenwood와 Samuel Hanson이 그들의 논문 'Waves in Ship Prices and Investment'에서 설명했듯이, 이는 '경쟁 상황에서 참가자들이 공통된 충격에 대응하는 자신의 능력과 대응 속도는 과대평가하는 반면, 경쟁자들의 능력과 대응력은 과소평가하는 현상'을 말합니다.
해운 가격이 상승할 때, 해운회사들은 모두 선박에 투자하기로 결정합니다 - 결국 그들의 모델은 모두 현재 요율로 이러한 투자가 수익성이 있을 것이라고 말하기 때문입니다. 이러한 투자는 새로운 선박 건조 비용을 상승시킬 뿐만 아니라, 건조가 완료되면 공급 과잉을 초래하여 Greenwood와 Hanson에 따르면 최대 -36%까지 이러한 순환적 투자에 대한 저조한 수익률을 초래합니다. 반면, 현재 해운 가격이 낮고 조선소에서 건조하는 사람이 없는 사이클의 바닥에서 투자하는 사람들은 최대 24%의 수익을 얻습니다.
Sequoia Capital의 David Cahn이 지적했듯이, 오늘날의 AI 자본지출은 "토지, 전력, 철강, 산업 생산능력을 갖춘 물리적 데이터 센터를 구축하는 것에 대한 완곡한 표현"입니다. AI 경쟁자들은 AI가 스케일링 법칙을 따른다고 믿기 때문에 이 돈을 지출하고 있습니다. 본질적으로 모델은 더 많은 데이터, 더 큰 모델, 그리고 이 모든 것을 구동할 수 있는 충분한 컴퓨팅 능력(및 에너지)으로 기하급수적으로 똑똑해진다는 것입니다. 스케일링 법칙과 그로 인한 '가장 많이 지출하는 자가 전리품을 차지한다'는 믿음은 AI를 제조 및 인프라 문제로 전환시켰습니다.
선박 대신, Sequoia Capital의 David Cahn이 지적했듯이, 오늘날의 AI 자본지출은 "토지, 전력, 철강, 산업 생산능력을 갖춘 물리적 데이터센터를 구축하는 것을 완곡하게 표현한 것"입니다. AI 경쟁자들은 AI가 스케일링 법칙을 따른다고 믿기 때문에 이 돈을 지출하고 있습니다. 즉, 모델이 더 많은 데이터, 더 큰 규모, 그리고 이 모든 것을 구동할 수 있는 충분한 컴퓨팅 능력(및 에너지)을 통해 기하급수적으로 더 똑똑해진다는 것입니다. 스케일링 법칙과 '가장 많이 투자하는 자가 성과를 차지한다'는 결과적 믿음은 AI를 제조업과 인프라 문제로 전환시켰습니다.
OpenAI, SoftBank, 그리고 연방정부의 5,000억 달러 규모 Project Stargate는 기술 기업들을 산업 제조업체로 전환하려는 이러한 경쟁의 정점을 보여줍니다. 하지만 이 경쟁에서 승리하더라도 그것은 피로스의 승리가 될 수 있습니다. 이러한 수준의 자본지출은 자산 중심의 비즈니스 모델입니다. 자산 중심 비즈니스 모델은 역사적으로 자본수익률이 더 낮았으며, 특히 매몰비용이 증가된 경쟁과 맞닥뜨릴 때 더욱 그렇습니다.
이러한 시나리오에서, 아마도 Stargate는 모든 기업이 동시에 새로운 선박에 과잉투자하는 것과 같은 상황의 AI 버전일 수 있으며, 이는 공급 과잉, 가격 하락, 그리고 저조한 투자 수익으로 이어질 수 있습니다. 또는 이 모든 AI 투자가 1990년대 후반의 이른바 '통신망 공급 과잉(bandwidth glut)' 사태와 같은 결과를 맞이할 수도 있습니다. 대역폭에 대한 대규모 투자는 비싼 장거리 전화를 과거의 유물로 만들었지만, 동시에 MCI WorldCom 같은 과잉 투자 기업들을 파산으로 몰아넣었습니다(무책임한 합병 광풍과 회계 부정도 한몫했습니다). 또는 다른 비유를 들자면, AI 칩과 데이터센터가 셰일 유정만큼이나 빠르게 감가상각될 수 있습니다.
수익 모델은 무엇인가?
현재로서는 어떤 AI 모델이 Google보다는 Yahoo처럼 될지 알 수 없습니다. 하지만 분명한 것은 AI 기업들이 보여줄 만한 매출도 없이 현금을 태우고 있다는 점입니다. Google, Microsoft, Amazon, Meta를 비롯한 AI 자본지출에 큰 돈을 쓰는 기업들은 데이터센터 지출에 대한 전통적인 수준의 매출총이익을 달성하기 위해서는 4,000-5,000억 달러의 매출이 부족한 상황입니다.
이는 현재 AI 투자의 핵심적인 문제점을 지적하는 것으로, 대규모 투자에 비해 수익화 전략이 명확하지 않다는 것을 의미합니다. 기업들이 미래의 시장 지배력을 위해 현재 막대한 투자를 하고 있지만, 이러한 투자가 어떻게 실질적인 수익으로 전환될 것인지는 여전히 불확실한 상태입니다.
수익이 나기 전까지 버티기만 한다면 현금 소모(burn)는 문제가 되지 않습니다. 하지만 현재 AI의 경제성 있는 활용 사례가 많지 않은 상황입니다. ChatGPT의 GPT-3 모델은 저연산 모드에서도 단일 프롬프트 처리에 20달러의 비용이 들며, 고연산 모드에서는 훨씬 더 많은 비용이 발생할 수 있습니다.
인터넷을 거대한 디지털 도서관으로, Google 검색을 향상된 듀이십진분류법으로 본다면, AI는 모든 책을 읽고 어떤 질문에도 답할 수 있는 사서와 같습니다 - 다만 답변을 만들어내는 데 엄청난 양의 '칼로리'를 소모합니다. Google이 더 나은 파일 정리도구였다면, LLM은 에너지 집약적인 디지털 두뇌인 셈입니다.
간단한 수학 계산은 LLM 시스템이 왜 이렇게 운영 비용이 많이 드는지 이해하기 좋은 예시입니다:
Microsoft Excel에서 2+2를 계산할 때는 단순한 "결정론적" 계산을 수행합니다. 매번 동일한 답(4)이 나오며, 동일한 결과를 산출하는 코드를 실행하므로 노트북의 아주 작은 처리 능력만 필요합니다.
반면 ChatGPT, Claude 등 LLM 기반 챗봇에 2+2를 물어보면, 엄청나게 복잡한 "확률적" 계산을 수행합니다. 마블 유니버스의 닥터 스트레인지처럼 모델이 가능한 모든 결과를 계산하여 일련의 예측을 하는 것과 비슷합니다.
Anthropic의 CEO Dario Amodei는 2-3년 내에 AI가 대부분의 영역에서 인간을 능가할 것이라고 확신하지만, 그렇다고 우리 모두가 그런 방식으로 AI를 사용하게 될 것이란 의미는 아닙니다. 자동화할 수 있는 것과 자동화하는 것이 비용 효율적인 것은 다릅니다:
MIT의 Daron Acemoglu 교수는 향후 10년 내에 AI 노출 작업 중 단 4분의 1만이 비용 효율적으로 자동화될 것으로 추정합니다.
MIT 연구에 따르면 비농업 사업장의 직무 중 36%가 AI 비전 모델로 자동화 가능하지만, 경제적으로 자동화할 가치가 있는 것은 8%에 불과했습니다.
스케일링 법칙은 무차별적인 힘(brute force)으로 점점 더 강력한 AI를 얻을 수 있다는 가정입니다. AI 투자자들에게 이는 경쟁사보다 더 많은 지출을 통해 시장을 장악하고, 결국에는 더 많은 인프라와 더 나은 칩이 비용을 낮추고 더 많은 작업의 자동화를 경제적으로 가능하게 만들 것이라고 믿는 전략입니다. 하지만 규모를 추구하는 것과 높은 투자수익률(ROI)을 달성하는 것은 보통 동시에 이루어지지 않습니다.
Project Stargate가 발표된 직후, 중국의 DeepSeek 모델에 대한 더 큰 뉴스에 곧 가려졌습니다. 정확한 사양은 논쟁의 대상이지만, DeepSeek는 투자자들과 Magnificent 7이 기준으로 삼아온 비용 대비 성능 기대치를 완전히 뒤엎었습니다. 훨씬 적은 비용으로(정확한 비율은 현재 많은 논쟁이 진행 중), 다양한 테스트에서 미국의 선도적 모델들과 대등한 성능을 보여주며, AI 모델 기업들의 대규모 AI 자본지출과 높은 자본 소모에 의문을 제기했습니다.
DeepSeek를 투자 논리의 증거 - AI 자동화를 훨씬 더 비용 효율적이고 유용하게 만들 효율성의 도약 - 로 볼 수도 있습니다. 하지만 Nvidia와 다른 Magnificent 7 주가의 후속 하락은 시장이 다른 해석을 했음을 보여줍니다: 만약 Magnificent 7 기업들이 이미 엄청난 컴퓨팅 비용을 가정하고 거대한 금액을 투자했다면, 어떻게 이 비용을 회수할 수 있을까요? 새로운 중국 모델이 10분의 1의 비용으로 동일한 성능을 제공할 수 있다면, Magnificent 7은 어떻게 4,000억 달러의 격차를 메울 수 있을까요? 더 나은 칩과 데이터센터는 여전히 중요하겠지만, 그것만이 전부는 아닐 것이며, 이는 Magnificent 7 기업들이 엄청난 비용을 들여 구축한 우위의 상당 부분을 무력화할 수 있습니다.
오늘날의 Magnificent 7처럼, 50년 전에는 IBM과 Xerox 같은 기업들이 다가올 컴퓨터 혁명에 대한 모든 이점을 가진 것처럼 보였습니다. 하지만 실리콘밸리의 차고에서 직접 마더보드를 납땜하던 Woz, Jobs, Gates 같은 젊은이들이 거대 기업들이 상상조차 못했던 것, 즉 개인용 컴퓨터 혁명이 올 것을 내다보았습니다. 이 젊은이들이 미래를 볼 수 있었던 것은 그들이 바로 고객이었기 때문입니다 - 집에서 대학 과제를 작성하고, 수학을 하고, 게임을 하기를 원했던 얼리어답터들이었습니다.
Microsoft CTO Kevin Scott는 이렇게 말합니다: "AI는 제품이 아닌 모델입니다." ChatGPT가 우연히 바이럴한 제품이 되었기 때문에 우리는 모델 자체가 제품인 것처럼 행동해왔습니다. 하지만 바이럴리티는 상업적 실행 가능성과 같지 않습니다. ChatGPT는 빠르게 광범위한 소비자 채택을 이루었지만, 이는 (아직) 이러한 모델들과 관련된 높은 비용을 조금이라도 충당할 수 있는 수익으로 전환되지 않았습니다.
우리는 이제 막 AI의 진정한 제품 구축 시대에 진입했습니다. 오늘날 얼마나 많은 사람들이 인터넷을 하나의 제품으로 생각할까요? 인터넷은 단일 제품이 아니라 공통 디지털 인프라(예: 미국 납세자의 돈으로 DARPA가 구축했고 누구도 돈을 벌지 않는 TCP/IP 프로토콜) 위에 구축된 서비스와 제품의 집합체입니다.
마찬가지로, AI 모델도 다른 상품, 유틸리티, 인프라 프로젝트처럼 독특한 제품이 아닌 우리가 사용하는 모든 것의 일부가 될 수 있습니다. 사용 패턴이 이를 반영하기 시작했습니다: 우리는 이러한 모델들을 직접적으로 사용하기보다는 그 위에 구축된 다른 서비스를 통해 더 많이 사용하고 있습니다.
VC들과 AI 창업자들의 새로운 부류는 거대 LLM이 모든 일을 할 수 있지만 어느 것 하나 전문적이지 않은, 비싼 교육을 받은 만물박사 같은 존재가 될 것이라고 베팅하고 있습니다. 암을 치료하고, 박사 수준의 논문을 쓰고, 동시에 여러 가지를 할 수 있는 수십억 달러짜리 모델이 과연 필요할까요? 차라리 ChatGPT의 라이선스를 얻어 그 위에 맞춤형 서비스를 구축하거나, 무료 오픈소스 LLM 코드를 사용해 특정 문제를 해결하는 다양한 목적별 봇을 만드는 것이 낫지 않을까요?
이러한 관점에서 LLM은 전력 회사와 비슷해질 것입니다(LLM 기업들이 자체 데이터센터를 위해 실제로 되고자 하는 것처럼). 전력 사업은 매우 중요하지만, 제조업보다도 수익성이 낮으며 SaaS는 말할 것도 없습니다. 이런 시나리오에서는, 특정 산업과 사용 사례, 사용자에 맞는 제품을 만들고 더욱 상품화된 요율로 LLM 처리 능력과 칩을 사용하는, 아직 등장하지 않은 전문 기업들이 큰 돈을 벌게 될 것입니다.
마치 Netflix와 Facebook이 인터넷 인프라에 투자된 비용의 혜택을 받거나, Ford와 General Motors가 1956년 연방 고속도로법의 결실을 누린 것처럼 말입니다.
서두에서 언급했듯이, 많은 투자자들이 실리콘밸리의 강력한 혁신가들에 대해 베팅하지 않아 큰 손실을 봤습니다. 하지만 이제 그들이 서로를 지출 경쟁으로 몰아붙이는 거대 자본가들이 운영하는 대형 기업이 된 상황에서, 아마도 Magnificent 7은 그들의 진정한 후계자들, 즉 실리콘밸리의 평방피트당 1,700달러라는 비싼 임대료 대신 전 세계의 훨씬 저렴한 차고에서 묵묵히 일하고 있는, 아직은 알려지지 않은 또 다른 젊은 혁신가 그룹에 의해 추월당할지도 모릅니다.
<출처:Verdad.com>
