최근 시장은 크게 요동쳤지만, AI는 이 순간에도 계속해서 발전하고 있습니다.
이번 달에는 특히 AI 산업의 경쟁축이 조금씩 달라지고 있다는 생각을 했습니다. 이제 중요한 것은 단순히 누가 가장 똑똑한 모델을 만드느냐가 아니라, 누가 더 낮은 비용으로 더 많은 지능을 생산하고, 그것을 자신의 데이터와 워크플로 안에서 통제하며, 실제 경제적 가치로 전환할 수 있느냐에 가까워지고 있습니다.
중국의 오픈웨이트 모델이 프런티어에 가까워지면서 ‘토큰 가격’보다 ‘지능의 원가’가 중요해지고 있고, 여러 모델을 섞어 쓰는 시대가 열리면서 추론·라우팅·최적화 계층의 가치도 빠르게 커지고 있습니다. 한편 그 모든 지능을 생산하기 위해 필요한 데이터센터와 전력, 반도체에는 전례 없는 자본이 투입되고 있으며, 이제 시장의 관심 역시 단순한 CAPEX 크기에서 그 투자가 언제, 어떻게 현금흐름으로 전환되는가로 이동하고 있습니다.
데이터센터의 막대한 투자에 대해서도 충분히 회수 가능하다는 근거들이 나오고 있으며, 이에 발맞춰 한국에서도 데이터센터가 반도체와 함께 국가 전략 산업의 한 축으로 올라서기 시작했습니다.
결국 이번 달 제가 계속해서 생각했던 질문은 비슷했던 것 같습니다. 세상은 어디로 가고 있는가보다, 그 변화는 우리가 생각하는 것보다 얼마나 더 클 것인가. 그리고 그 변화가 현실이 되기 시작하는 순간 어디에 베팅해야 하는가.
오늘은 AI, 인프라, 하드웨어, 투자에 대해 다룹니다.
뉴스레터 외에도 텔레그램 및 블로그에서 저의 생각을 접해보실 수 있습니다.
#AI
The next chapter of our AI momentum
허사비스가 딥마인드의 경영에서 한발짝 물러나서 딥마인드의 의장이자 알파벳의 최고 과학자 역할을 맡는다고 발표. 또한 AI 신약개발 회사인 Isomorphic Labs에 더 깊이 관여하겠다고 명시. 이와 더불어서 구글의 핵심 인력이었던 제프 딘이 퇴사 후 Discovery Loop이라는 새로운 AI 회사를 설립했다.
Google’s AI shake-up boosts Brin as DeepMind’s Hassabis steps aside - FT
관련해서 FT는 이번 인사 이동이 세르게이 브린의 의중이었음을 보도했다. 구글 내부에서 허사비스가 AI 사업화보단 AGI 개발에 몰두한다는 불만들이 나왔고, 세르게이 브린이 이번 인사 명령을 통해 제미나이의 사업화에 우선순위를 둔 것이라고 해석한다.
개인적으로는 허사비스가 구글로부터 독립해서 Isomorphic Labs 경영에 집중할 가능성이 높아졌다고 보고 있다.
A Framework for Frontier AI and the Dawning of a New Age
허사비스가 주장한 ‘프런티어 AI를 위한 프레임워크’를 읽어보았다. 요약하면 프론티어 모델을 별도로 분류하고, 독립기구의 검증을 통과해야만 모델을 배포하게끔 하자는 것.
최근 앤트로픽과 미국 정부의 충돌 이슈가 발생했던걸 생각하면 갈수록 프런티어 AI의 사용조건과 위험기준 등을 다루는 논의가 많아질 것으로 보는데, 적절한 밸런스를 가진 제안인 것 같아서 아카이브. 다만 ‘프론티어 모델’을 정해버리는 제안이긴 해서, 오히려 프론티어 모델 기업들의 방어막으로 작용할 가능성도 없지는 않아보인다.
“우리가 목격하고 있는 AI의 급속한 발전은 프런티어 AI 모델의 기능을 테스트하기 위한 역동적이고 적응력이 뛰어나며 엄격한 새로운 접근 방식을 요구합니다. 미국은 경제적, 기술적 위상을 고려할 때 이러한 프레임워크 개발의 첫걸음을 내디딜 수 있는 좋은 위치에 있습니다. 금융산업규제기구(FINRA)와 같이 연방 정부가 감독하는 민관 파트너십이나 자율 규제 기관을 모델로 삼아, 독립적인 선도 기술 전문가와 오픈소스 대표자들이 포함된 이사회를 갖춘 새로운 표준 기구를 설립할 수 있을 것입니다. 세계적인 수준의 기술 인재를 유치하고 대규모 테스트에 필요한 컴퓨팅 리소스를 제공하기 위해서는 상당한 자금이 필요하며, 이는 대부분 산업계에서 조달해야 할 것입니다.”
“이 표준 기구(Standards Body)는 평가 프로토콜을 개발하고, 국가 안보와 관련된 영역에서 테스트를 수행하기 위해 적절한 연방 기관 및 미국 국립 연구소들과 협력하는 역할을 맡게 됩니다.”
-프런티어급(Frontier-class) 분류: 표준 기구가 결정하고 진화하는 AI 성능에 발맞춰 정기적으로 업데이트되는 일련의 벤치마크에서 특정 기준치를 충족하는 모델은 ‘프런티어급’으로 자격을 얻게 됩니다.
-프런티어 연구소(Frontier Labs): 이러한 벤치마크에 의해 정의된 ‘프런티어 모델’을 보유한 조직은 ‘프런티어 연구소’로 간주되며, 기술적 세부 정보가 담긴 모델 카드 게시, 강력한 내부 사이버 보안 유지, 핵심 인력 검증, 안전 및 보안 연구를 위한 충분한 리소스 제공 등과 같은 모범 사례를 채택하도록 권장될 것입니다.
“초기에는 프런티어 연구소들이 출시 전 최대 30일 동안 자발적으로 표준 기구와 모델을 공유하여 검토를 받을 수 있습니다. 이후 평가 프로토콜이 효과적이고 강력한 것으로 입증되면 신속하게 공식화될 수 있으며, 이는 프런티어 모델이 미국 시장에 배포되기 위해 해당 평가를 의무적으로 통과해야 함을 의미합니다. 또한 연구소들은 출시 후 발생하는 중대한 취약점을 해결하기 위해 표준 기구와 협력하게 될 것입니다.”
“모델 평가에는 사이버 보안, 생물학적 위협 및 기타 고위험 영역의 기능에 대한 엄격한 과학적 평가가 포함되어야 합니다. 특히 자율적(agentic) AI 테스트를 통해 안전장치를 우회하려는 시도나 기만의 징후를 찾을 수 있으며, AI 생성 이미지에 디지털 워터마크를 삽입하거나 모델의 추론을 이해하기 위해 사람이 읽을 수 있는 출력 토큰을 생성하는 등의 모범 사례를 보장해야 합니다.”
“이러한 평가는 시작 단계에서는 아마도 분기별로 정기적으로 업데이트될 것이며, 구식이 되거나 포화상태에 이른 벤치마크는 폐기되고 새로운 것으로 교체될 것입니다. 처음에는 프런티어 연구소들과의 협의를 통해 개발되겠지만, 궁극적으로 표준 기구는 과적합(overfitting)을 방지하기 위해 연구소들과 독립적으로 자체적인 비공개 테스트를 생성할 수 있는 기술적 역량을 구축해야 합니다. 미국 정부와 협력하여, 평가 및 새로운 벤치마크와 평가법 개발을 도울 제3자 감사 기관의 생태계를 촉진할 수도 있습니다.”
“이 접근법의 강점은 기술적인 측면에 중점을 두면서도 동시에 혁신을 지원하고 책임감 있는 행동을 장려한다는 것입니다. 이는 업계의 가속화에 보조를 맞추고 확인되는 가장 큰 위험에 적응하도록 설계되었으며, 필요하다고 판단될 경우 프런티어 연구소들 간의 개발 속도 조절을 조율하는 것을 포함해 상황의 심각성에 따라 강도를 높일 수 있습니다. ‘프런티어 연구소’로 지정되는 것은 상당한 명성을 수반할 것이며, 벤치마크 기준을 충족하는 모델을 구축하는 모든 조직에 열려 있습니다. 이 프레임워크는 출신 국가나 오픈/클로즈드 소스 여부에 관계없이 모든 프런티어급 모델에 적용될 수 있지만, 스타트업이나 학계 등에서 개발하는 비(非)프런티어 모델들은 이 과정에서 면제될 것입니다.”
“미국 주도의 이러한 노력은 프런티어 AI에 대한 공유된 국제 표준을 만들기 위한 강력한 출발점을 제공할 것입니다. 이 기술은 전 지구에 영향을 미칠 것이기 때문에, 이상적으로는 이 프레임워크가 국제 사회를 자극하여 가장 심각한 위험을 관리하는 방법에 대한 합의를 이끌어내는 동시에 모든 사람이 AI가 가져다주는 기회에 접근하고 혜택을 누릴 수 있도록 보장해야 합니다.”
Kimi K3 may be an important inflection point for AI - Gavin Baker
중국 Moonshot AI의 Kimi K3 모델이 벤치마크 상에서 거의 프론티어 모델과 동등한 수준으로 등장했기 때문에 화제인데,
나는 아래의 생각 정도를 해보는 중이다.
아직 스케일링 법칙이 통하는 만큼 모델 키우면 성능이 이정도로 따라와줄 수 있구나
그렇다면 중국 뿐만 아니라 다른 국가에서도 비슷하게 소버린 AI에 투자할 명분이 생기겠구나
3. 다만 토큰 효율의 측면에서는 확실히 밀리는걸 보아하니 앞으로는 단순한 모델 성능보다 비용당 지능, 즉 토큰당 지능 밀도가 더욱 중요해지겠구나.
관련해서 게빈 베이커의 코멘트가 도움이 되는 것 같아서 아카이브:
“Kimi K3는 AI 산업의 중요한 변곡점이 될 수 있습니다. 앤트로픽과 OpenAI에는 잠재적으로 부정적일 수 있지만, 그 외 전 세계 거의 모든 기업에는 순기능(net positive)을 할 것입니다. 과장이 아니라 문자 그대로 그렇다는 뜻입니다. 비록 진정한 “스푸트니크 모멘트”는 토큰 효율성까지 갖춘 오픈소스 프론티어 모델이 등장할 때이겠지만요. Artificial Analysis에 따르면 Kimi K3는 GPT 5.6보다 구동 비용이 50-70% 더 비싸기 때문에 토큰 효율적이지는 않습니다.”
이유:
“추론 마진이 90%에 달하는 2~3개의 지배적인 프론티어 연구소만 존재하는 세상은 해당 2~3개 연구소에는 환상적이겠지만, 다른 모든 계층(layer)에는 순수익 악화(net negative)를 초래합니다. 이들 연구소는 전력, 데이터 센터, 반도체 및 하이퍼스케일러 시장에서 수요 독점자(monopsonies)가 될 것이며, 시간이 지남에 따라 애플리케이션/소프트웨어 계층을 완전히 흡수하면서 이 모든 계층을 수직적으로 통합해 나갈 것이 분명합니다.”
“모델 계층에서 마진을 낮추고 경쟁을 심화시키는 모든 요소는 전력, 반도체, 하이퍼스케일러, 네오클라우드, 심지어 소프트웨어에 이르기까지 AI의 다른 모든 계층에 긍정적으로 작용합니다.”
“이것이 젠슨이 오픈소스를 전폭적으로 지지하는 이유입니다. 오픈소스 모델은 크기와 아키텍처가 비슷한 폐쇄형 프론티어 모델을 구동하는 것과 정확히 동일한 양의 컴퓨팅 자원을 필요로 합니다. Kimi K3는 토큰당 가격 기준으로는 GPT 5.6 Terra와 대략 비슷한데, GPT 5.6이 K3보다 더 높은 마진으로 책정되었을 것이 확실하기 때문에 이는 사실 K3의 컴퓨팅 효율성이 더 떨어짐을 시사합니다. 게다가 K3가 토큰 낭비가 심하다는 점(즉, 토큰 비효율적이라는 점)을 감안하면, 토큰 효율성이 훨씬 뛰어난 GPT 5.6이나 Grok 4.5보다 작업당 비용이 크게 비싸집니다. 토큰당 비용과 토큰 효율성(즉, 토큰당 지능 밀도)이 바로 단위 비용당 지능 수준을 결정짓는 핵심 요소입니다. 최종적으로 승리하는 AI 기업은 시간이 지남에 따라 달러당 가장 높은 지능을 제공하는 기업이 될 것입니다.”
“모델 계층의 마진율(%) 하락은 인프라 계층 전반의 마진 금액($) 상승을 의미하며, 이는 소프트웨어 분야에 신이 내린 선물(godsend)과도 같습니다. 이는 최전선(프론티어)에 K3와 같은 오픈소스 모델이 등장하거나, 메타, 스페이스X, 구글과 같은 수직 통합형 모델 기업이 프론티어에 자리 잡는 두 가지 방식으로 일어날 수 있습니다. 두 경우 모두 모델 계층의 마진율을 낮추는 결과를 가져오는데, 수직 통합형 기업들은 마진 수익이 어느 계층에서 나오든 크게 신경 쓰지 않기 때문입니다. 이것이 바로 구글이 모델 경쟁력 측면에서 바로 옆까지 따라붙었을 때 오픈AI와 앤스로픽이 그토록 고통스러워했던 이유이며, Grok 4.5와 Muse 1.1이 Kimi K3만큼이나 중요했던 이유입니다.”
“Kimi K3가 앤스로픽과 오픈AI에 단지 ‘잠재적으로만’ 부정적인 이유는 다음과 같습니다. 1) @ericvishria가 지적했듯, 오늘날에는 Claude와 ChatGPT라는 제품과 하네스(harnesses, 주변 시스템/환경)가 모델 자체보다 더 중요할 수 있기 때문이고, 2) 내부적으로 RSI(재귀적 자가 개선)에 이미 사용 중인 훨씬 더 발전된 모델 체크포인트를 보유하고 있을 것이라는 가설 때문입니다. 후자의 시나리오라면, 다른 연구소보다 불과 몇 달 먼저 RSI에 도달하는 것만으로도 영구적인 우위를 확고히 하기에 충분할 수 있습니다.”
“주의할 점(Caveat)은 Kimi K3가 토큰 효율적이지 않아 결과적으로 ChatGPT 5.6보다 비용이 더 비싸기 때문에, 앤스로픽과 오픈AI에 대한 이러한 잠재적 위험이 실제로 전개되려면 프론티어급에서 더 토큰 효율적인 오픈소스 모델이 등장하거나 파레토 프론티어(Pareto frontier)의 여러 지점에서 Grok 5, Composer 4, Muse 2 등이 등장하는 것을 보아야 할 수도 있다는 것입니다. 그리고 저는 두 기업(앤스로픽과 오픈AI) 모두 지난 8개월 동안 보여준 제품 및 하네스 경쟁력을 지속하면서 최대한 빨리 수직적 통합을 이룰 것이라고 확신합니다.”
Who’s Afraid of Chinese Models? - Stratechery
굉장히 흥미로운 글. AI에서 중요한 것은 토큰 가격이 아니라 ‘지능의 원가’이며, 지능이 원자재화될수록 결국 우월한 비용 구조가 핵심 경쟁력이 된다고 주장한다. 따라서 이번 중국 모델에 대한 공포는 과장되었다고 주장한다.
여러 내용이 섞여있는데, 논점 하나하나마다 깊이 생각해볼 가치가 있는 글인 것 같다.
“에이전트 워크플로를 실행하는 데 필요한 토큰 수 측면에서 어떤 모델은 다른 모델보다 효율적이다. 이는 토큰이 원자재가 아니라는 뜻이다. 원자재를 규정하는 핵심적인 특성은 대체 가능성이다. 석유 1갤런은 어느 공급자가 생산했든 석유 1갤런이고, 구리 1톤은 구리 1톤이며, 밀 1부셸은 밀 1부셸이다.”
“하지만 한 모델의 토큰 하나는 다른 모델의 토큰 하나와 같지 않다. 대체 가능한 것은 토큰으로부터 만들어지는 결과물, 즉 지능이다. 다시 말해 Kimi와 Sol이 모두 올바른 답을 만들어냈다면 그 답은 서로 대체 가능하다. 그 올바른 답에 도달하기 위해 생성해야 했던 토큰 수의 차이는 매출원가 차이를 만드는 요소다.”
“원자재 시장에서 수익을 창출하는 방법은 더 높은 가격을 부과하는 것이 아니다. 수익성의 핵심은 우월한 비용 구조를 보유하는 것이다.”
“Anthropic이 높은 마진을 얻는 이유는 초과수요뿐만이 아니다. Anthropic과 OpenAI는 모델 역량, 서빙 규모, 토큰 효율성 덕분에 프런티어급 지능 단위당 비용이 가장 낮은 기업들에 속할 가능성이 높다.”
“이 모든 점을 종합하면, 적어도 경제적 관점에서 Kimi와 중국 모델 전반에 대한 반응은 상당히 과장됐다고 생각한다. 현재는 컴퓨트 부족에서 비롯된 일종의 ‘가격 우산’이 존재한다. 나는 중국 모델의 한계 서빙 비용이 실제로 더 낮을 가능성은 크지 않다고 본다. 중국 모델이 저렴해 보이는 이유는 Anthropic과 OpenAI의 공급이 극도로 제한되어 있어, 지능 수요를 충족할 만큼 공급이 충분할 때보다 훨씬 높은 가격을 부과하고 있기 때문이다.”
“중국의 전략은 명백하다. 보완재를 원자재화하는 것이다. 시진핑이 개방성을 AI가 ‘디지털 세계에서 물리적 세계로 이동하는 것’과 명시적으로 연결했다는 점에 주목할 필요가 있다. 물리적 세계는 중국이 지배하고 있는 세계다. 로보틱스 같은 분야에서 중국이 가진 우위는 광범위하게 사용할 수 있는 AI 모델로부터 막대한 혜택을 받을 것이다.”
“같은 맥락에서 중국은 미국이 AI에서 비대칭적인 우위를 확보하는 것을 원하지 않는다. 중국이 미국의 프런티어 연구소를 약화시키면서 미국에 맞설 잠재적인 경쟁자들을 강화할 수 있다면 중국에는 더욱 유리하다. 동시에 중국은 개방형 생태계 위에서 발생하는 혁신의 혜택도 얻을 수 있다.”
Some Simple Economics of Open versus Closed AI - a16z
요새들어 토큰 효율의 중요성이 급격히 올라가는 것 같다는 생각을 품고 관련된 뉴스들을 계속해서 팔로업 중인데, 관련해서 오픈웨이트 모델에 대한 이야기가 급격히 늘어나는 것 같다.
앞으로는 여러 모델이 동시에 쓰이는걸 확률 높은 시나리오로 고려해야할 것 같고, 특히나 각 개별 기업들이 데이터 주권이나 보안 등의 이유로 자체적인 모델을 갖고 있게 될 확률이 갈수록 높아지는 것 같다. 그리고 오픈웨이트 모델의 사용이 보편화되면 AI 사용량 자체가 더 많이 증가할 것 같다.
“오픈웨이트는 AI 투자 규모 자체를 바꾸기보다 투자의 방향을 바꿀 가능성이 높다. 무엇이 만들어지는지, 누가 만드는지, 그리고 누가 경제적 수익을 가져가는지가 달라진다는 뜻이다. 폐쇄형 연구소들은 가장 범용적인 최첨단 영역을 계속 밀어붙일 수 있다. 반면 오픈웨이트는 머신 인텔리전스와 희소한 데이터, 유통망, 암묵지를 결합할 수 있는 기업과 산업 전반으로 실험을 확산시킨다. 안전 문제도 같은 자원배분의 문제를 갖는다. 핵심 질문은 “개방성이 추상적으로 위험한가?”가 아니다. 언제 확산이 방어자의 힘을 키우며, 실제로 어디에서 유해한 능력을 통제할 수 있는가?”
“기업들이 처음 오픈웨이트 모델에 관심을 가진 가장 큰 이유는 비용이었다. 직원들이 생산성을 높이겠다고 수개월간 무분별하게 토큰맥싱을 한 뒤 자연스럽게 나타난 조정이었다. 프롬프트를 저렴한 오픈웨이트 모델로 옮기면 기업은 상당한 토큰 수요를 비싼 Frontier Model에서 저비용 모델로 이동시킬 수 있다. AI 연구소들은 이에 맞서 보급형 모델의 가격을 지속적으로 대폭 인하하고, 자사 도구와 함께 사용할 때 가장 높은 성능이 나오도록 모델을 학습하기 시작했다.”
“하지만 장기적으로 기업이 개방성을 중요하게 생각해야 하는 이유는 비용이 아니다. 통제(Control)가 핵심이다.”
“연구소들은 입력과 출력으로 학습하지 않겠다고 약속한다. 그러나 현실적으로 그들의 도구와 상호작용하는 과정에서도 가치 있는 정보는 계속 새어나간다. 또한 도구가 발전하고 기업들이 AI 흐름을 맞춤화하는 데 막대한 자원을 투입할수록 벤더 락인은 더 강해진다. 따라서 대부분의 시장 선도기업에게 오픈웨이트는 단순한 비용 탈출구가 아니라 존립의 문제다. 향후 몇 년 안에 모든 기업은 자신들의 가장 전략적인 업무를 지원하는 모델을 학습하고, 최적화하고, 소유할 방법을 갖춰야 한다. 기업이 가장 암묵적인 지식과 학습 결과를 보존할 수 없다면 결국 중간에서 제거 될 것이다.”
“그렇다면 지능 시장에는 어느 접근법이 더 적합할까? 소수 최상위 AI 연구소가 만든 범용지능에서 시작해 아래로 내려가는 구조인가? 아니면 애플리케이션 계층에서 밑에서부터 시작해 아이디어와 개선을 수많은 오픈웨이트 모델로 다시 공급하는 구조인가? 답은 지능에 대한 수요곡선의 형태에 달려 있다.”
“비용이 급락하면 과거에는 경제성이 없던 수많은 애플리케이션이 갑자기 가능해진다. 이는 도입을 가속하고, 도입이 늘면 공통 기술기반을 지원할 이유를 가진 기업의 수도 증가한다. Linux 같은 오픈소스 소프트웨어에서 보완적 사업모델을 가진 기업들이 공동 자산에 기여하는 모습을 이미 봐왔다. NVIDIA가 오픈웨이트를 지지하는 크고 다양한 연합을 만들 수 있었던 이유도 이것으로 설명할 수 있다.”
Palantir Q2 2026 | Letter to Shareholders
관련해서 팔란티어의 실적발표 내용도 인상깊었다.
“그들이 원하는 것은 데이터와 모델이 받아들이는 프롬프트에 대한 통제권입니다. 더 근본적으로는 조직과 사업에 축적된 지능, 즉 그들의 알파에 대한 통제권입니다. 언어 모델 연구소들은 고객으로부터 이러한 알파를 가져갈 준비와 의지가 돼 있을 뿐 아니라, 구조적으로 그렇게 하도록 설계돼 있습니다.”
“팔란티어와 함께 간극의 반대편으로 넘어온 기업들이 요구하는 것은 ‘AI 주권’입니다. 기업의 데이터, 로직, 행동 및 보안에 관한 운영적 정의를 기업 스스로 소유하는 것입니다. 조직의 데이터는 보물이며, 그 풍부함 속에 알파가 존재합니다. 우리는 고객과 완전히 이해관계를 일치시켜 고객의 알파가 지속적으로 복리 성장할 수 있도록 하는 스택을 구축하고 있습니다. 이처럼 깊이 정렬된 관계를 통해 고객의 야망과 우리의 야망은 하나가 됩니다.”
“우리는 더 이상 ‘벤치맥싱’, 즉 기존 벤치마크 점수를 극대화하는 시대가 아니라 ‘벤치메이킹’, 즉 자체 벤치마크를 만드는 새로운 시대가 열리고 있다는 점에 흥분하고 있습니다. (~) 새로운 시대는 벤치메이킹의 시대입니다. 고객별 벤치마크는 단순한 성적표가 아니라 올라야 할 언덕입니다. 기업의 전체 운영 워크플로와 포스트트레이닝 파이프라인이 나아갈 방향을 제시하는 규범적 기준입니다. 기업의 사업과 전략에 맞춰 ‘더 나은 것’이 무엇인지 정의하고, 모든 시스템이 그 기준을 향해 지속적으로 최적화되도록 합니다.”
Baseten: Announcing our Series F
AI 모델의 추론을 배포·최적화·오케스트레이션해주는 플랫폼들이 수요가 폭증하는 가운데, 대표적으로 Baseten은 6월 말 $13b 기업가치로 펀딩을 마무리했다.
“지난 1년 동안 Baseten의 매출은 20배 성장했고, 추론 처리량은 40배 증가했습니다. 이러한 성장은 AI 스택에서 추론이 가장 중요한 계층으로 부상했다는 새로운 시장 현실을 반영합니다. Baseten은 이제 추론과 포스트트레이닝 지원을 원하는 기업들이 가장 먼저 선택하는 파트너가 되었습니다.”
“저희는 Cursor, Notion, Lovable, Harvey, HubSpot, OpenEvidence, Abridge, Decagon, Parallel을 비롯해 이 시대를 정의하고 있는 여러 팀과 긴밀하게 협력하고 있다는 사실을 자랑스럽게 생각합니다.”
“앞으로의 기회는 그 어느 때보다 명확합니다. 오픈웨이트 모델의 성능이 충분히 강력해지면서, 이제 기업들은 이를 폐쇄형 API의 실질적인 대안으로 활용할 수 있게 되었습니다. Baseten의 역할은 기업들이 이러한 발전을 확신을 가지고 활용할 수 있도록 돕는 것입니다. 저희 연구원과 엔지니어들은 고객사에 직접 들어가 협업하며, 특화 모델을 포스트트레이닝하고 최적화한 뒤, 프로덕션 규모에서 뛰어난 지연시간, 안정성, 관측 가능성, 비용 효율성을 갖춰 해당 모델을 서빙합니다.”
Inference Engineering | Baseten Books
Baseten에서 공개한 Inference Engineering 가이드북. 핵심 내용을 정리하면:
AI 산업의 핵심 가치가 학습에서 추론으로 이동하고 있다. 모델을 잘 만드는 것만큼, 실제 제품에서 빠르고 저렴하며 안정적으로 서빙하는 역량이 중요해졌다.
추론은 단순 GPU 임대가 아니라 런타임 최적화·인프라 운영·개발자 툴링을 결합한 종합 시스템 엔지니어링이다.
오픈웨이트 모델의 성능이 폐쇄형 API를 빠르게 따라잡으면서, 기업은 자체 데이터로 모델을 튜닝하고 지능을 직접 소유·운영할 수 있게 됐다.
핵심 최적화 기술은 양자화, KV 캐싱, 추측 디코딩, GPU 병렬화, prefill·decode 분리이며, 제품별로 지연시간·처리량·품질·비용의 균형점을 찾아야 한다.
그래서 Baseten은 무엇을 제공하냐면:
“Baseten은 단순히 GPU를 빌려주거나 모델 API를 제공하는 회사가 아니라, 기업의 오픈모델과 커스텀 모델을 실제 제품 환경에서 빠르고 안정적으로 운영할 수 있도록 돕는 AI 인프라 회사다. 회사가 강조하는 첫 번째 축은 성능으로, 모델별 런타임을 최적화해 트래픽이 커져도 일관된 저지연을 유지하는 데 초점을 둔다. 두 번째는 인프라로, 여러 클라우드와 리전의 GPU를 활용하면서 빠르고 세밀한 오토스케일링, 높은 가용성, 보안 요건을 함께 충족한다.”
“세 번째는 툴링이다. 고객 개발자가 로그, 관측성, API와 프로그래매틱 인터페이스를 통해 추론 시스템을 직접 통제하면서도 복잡한 인프라 운영 부담은 줄일 수 있도록 적절한 추상화를 제공한다. 마지막은 적용형 전문성으로, Forward Deployed Engineer가 고객사에 직접 들어가 모델 배포와 성능 최적화를 지원한다.”
“즉 Baseten은 추론 소프트웨어만 판매하는 것이 아니라, 런타임·멀티클라우드 인프라·개발자 도구·전문 엔지니어링을 결합해 미션 크리티컬 AI 추론을 운영해주는 플랫폼이며, 추론 외에도 사전학습·포스트트레이닝·강화학습까지 지원 범위를 확장하고 있다.”
Baseten과 유사한 비즈니스를 하는 Fireworks AI가 최근 Nexus라는 기능을 새롭게 출시했는데, 쉽게 설명하면 프론티어 모델 호출의 상당 부분을 더 저렴한 오픈 웨이트 모델로 자동 전환해주는 비용 최적화·라우팅 레이어다. 최근의 AI 정신(?)에 딱 맞는 기능이다.
참고로 이 Fireworks AI 또한 최근 $17.5b 밸류로 $1.5b 투자를 유치했다. 이쪽 계열의 스타트업들이 요즘 정말 빠르게 성장 중이다.
“Fireworks Nexus는 개발자들이 이미 사용하고 있는 AI 도구를 오픈웨이트 모델로 구성된 관리형 레이어(managed layer)와 연결하고, 여기에 엔터프라이즈 수준의 제어 기능과 지능형 라우팅을 제공합니다.”
“우리가 확인한 바로는 대부분의 조직이 일상적인 작업까지 프런티어 모델 가격으로 처리하고 있었습니다. 그러나 오픈웨이트 모델을 대규모로 운영하는 데 따르는 운영상의 복잡성 때문에 실제로 이를 전환해 사용하기는 어려웠습니다. 그래서 우리는 Kimi-K3와 GLM-5.2 같은 엄선된 최고 수준의 오픈 모델을 대규모로 운영하기 위해 필요한 모든 백그라운드 작업을 대신 처리하고, 기존 워크플로에 그대로 꽂아 사용할 수 있는 형태로 만들었습니다.”
“우리는 이미 Notion과 Doximity 같은 팀들과 Fireworks Nexus를 테스트해 왔습니다. 초기 결과에 따르면 Fireworks Nexus는 merged PR당 비용을 약 3분의 1 절감했으며, 여러 모델을 혼합해 사용했을 때의 토큰 단가는 closed model labs 대비 대략 4분의 1 수준이었습니다.”
Databricks is Raising a Strategic Round of Funding at a $188 Billion Valuation - Databricks
데이터브릭스가 추가로 투자를 받아서 $188b 밸류가 되었다. 스노우플레이크 시가총액이 약 $93b이니, 약 2배가량 더 높게 평가받은 것이다.
그리고 보도자료에 적은 내용이 최근의 시대상을 반영하는 것 같다. 어디까지 성장할지가 궁금해지는 기업.
“기업들은 토큰 극대화에서 가치 극대화로 전환하고 있습니다. 모든 작업에 가장 똑똑한 모델에 값비싼 토큰을 쏟아붓는 대신, 투자 대비 최고의 결과를 원합니다. 즉, 작업에 적합한 AI를 자유롭게 선택할 수 있어야 한다는 뜻입니다.” - Ali Ghodsi, Databricks Founder
Stripe in Talks to Buy Startup OpenRouter - The Information
스트라이프가 AI 모델 라우팅 서비스인 OpenRouter를 약 $10b에 인수하기 위해 협상 중이라는 보도. 다양한 모델을 섞어서 사용하는게 대세가 되어가면서 OpenRouter와 같은 라우팅 서비스의 가치들도 빠르게 상승하는듯.
추가로 스트라이프는 최근에 페이팔 인수 추진 보도도 나왔었는데, 뭔가 M&A에 진심이 된 것 같다. AI 시대에서도 핵심 인프라로 자리잡기 위해 의사결정 스케일을 키우는 것으로 보인다. 참고로 스트라이프의 최근 매출 성장률이 다시 올라오는 추세라고 한다. 2025년에 FCF가 무려 52%나 증가해서 $3.2b를 달성했다고.
“스트라이프는 지난 3월 개발자들이 다양한 모델에 접근하고 사용량을 추적하여 고객에게 요금을 청구할 수 있도록 하는 AI 게이트웨이 서비스를 추가했습니다. 올해 초에는 사용량 기반 요금 청구 서비스를 제공하는 스타트업인 Metronome을 인수했습니다.”
‘ChatGPT for Doctors’ Mulls New Financing at $20 Billion Valuation - The Information
OpenEvidence는 무려 $20b 밸류로 투자 제안을 받은 상태라고 한다. 현재 연환산 매출은 $300m, 따라서 약 60배의 멀티플로 제안이 들어온 것.
참고로 작년 10월은 $6b, 올해 1월은 $12b 밸류로 투자받았었다. 느낌상 커서 이후로 가장 빠르게 밸류가 오르는 AI 어플리케이션인듯?
오픈에비던스의 경쟁력은?
Openevidence의 핵심 경쟁력은 이미 전세계 의사들의 QnA를 장악했다는 것.
NEJM, JAMA와 연합하여 최고의 근거수준을 가진 모든 raw text & figure들을 가지고 있고, 그 데이터들을 어떻게 의사들에게 제공해야 할지를 유저 베이스를 통해 학습해나가고 있다.
계속 쓰고 있는데 답변이 깔끔하고 짧아지고 있음. 그러나 분명 내용이 계속 개선되고 있음. 질문을 살짝 개떡같이 해도 알아야 할 부분을 잘 집어내서 깔끔하게 줌. 예전엔 그저 최신 지견을 더 줬다면 요즘은 중요한 텍스트를 더 레퍼런스로 찾아주는 느낌. 내가 손으로 찾는 것보다 무조건 나을 것으로 생각.
특히 근거에 대한 검증과 접근성 측면에서 격차를 만들어나가는 중. 의사는 모르는 거 생기면 가이드라인과 최고의 논문을 찾아보고 관련 내용을 학습해야 함. Evidence based medicine의 코어 사고방식을 체화 중.
의료진의 사고체계에 동화되고 있기에 frontier lab보다 앞서나갈 것으로 생각.
더불어 비즈니스 자체가 LLM들의 성능이 좋아지면서도 저렴해지는 지금의 추세에 완벽하게 수혜를 입을 수 밖에 없음.
조만간 의사의 학습과 질적 향상을 위한 필수 툴로까지 자리잡게 된다면 Claude Max 수준, 혹은 그를 가뿐히 넘는 수준의 과금력을 보여줄 수 있음.
더불어 Openevidence는 의료진들의 슈퍼앱이 되는 전략으로 의료AI 침투를 이끄려는 전략도 펴고 있다. 이건 안될 것 같지만.
#인프라
이번 아마존 실적발표 컨콜에서 AI CAPEX의 정당성을 아주 명확하게 설명해주었다.
투자는 크게 두 부분으로 나뉩니다. 첫 번째는 데이터센터이고 두 번째는 데이터센터 내부에 설치되는 서버와 네트워크 장비입니다. 두 영역은 서로 다른 자본투자 주기를 가지고 있습니다. 데이터센터에는 서버를 설치해 수익화를 시작하기 약 2년 전부터 자본이 투입됩니다. 데이터센터가 문을 열고 서버가 설치되면 즉시 상당한 매출을 창출하기 시작하며, 이후에는 초기 투자자본을 다시 지출하지 않고도 데이터센터를 30년 이상 수익화할 수 있습니다.
서버 및 네트워크 장비는 이보다 훨씬 짧은 주기로 운영됩니다. 일반적으로 서비스를 시작하기 몇 달 전에 장비를 구매하기 때문에 지출을 집행하기 전에 고객 수요를 상당히 명확하게 파악할 수 있습니다. 수요가 없다면 자본을 지출하지 않을 것입니다. 서버 및 네트워크 장비 투자는 평균적으로 손익분기점에 도달하는 데 3년이 채 걸리지 않습니다. 현재 서버의 내용연수는 최소 5~6년이며, 최근에는 대부분의 AI 용량이 최소 5년 계약으로 체결되고 있습니다. 이는 손익분기점을 넘어선 이후 2~3년 동안 서버와 네트워크 장비에서 상당한 잉여현금흐름을 창출할 수 있다는 의미입니다.
AWS가 서버 장비의 손익분기점을 앞당기는 데 강한 실적을 보유하고 있다는 점도 주목할 필요가 있습니다. 저희는 이미 상당한 진전을 이뤘으며, 고객 경험을 훼손하지 않으면서 장비의 내용연수를 연장할 방법을 찾는 데에도 강한 실적을 보유하고 있습니다. 따라서 30년 이상의 내용연수를 가진 데이터센터에서는 앞서 설명한 서버 경제성을 최소 5~6세대에 걸쳐 활용할 수 있습니다. 첫 번째 세대 이후의 서버 세대는 전반적으로 더욱 우수한 경제성을 갖게 됩니다. 앞서 언급한 데이터센터 초기투자를 반복할 필요가 없기 때문입니다.
단기적으로는 수요를 충족하기 위해 수익화가 시작되기 전부터 다수의 데이터센터를 동시에 건설해야 하므로 자본적지출이 많아지고, 데이터센터가 가동돼 수익화되기 전까지 잉여현금흐름에 부담이 발생합니다. 서버가 일정 기간 사용되기 전까지도 마찬가지입니다. 그러나 몇 년이 지나면 매출 성장률이 증분 자본적지출 증가율을 앞서기 시작합니다. 언젠가는 반드시 그 시점이 오며, 그 결과 발생하는 매출, 잉여현금흐름 및 투자자본수익률은 매우 매력적입니다.
몇 개의 그래프들 - Amazon 2Q26 - AWS의 가치는? - 농구천재
공감하는 관점. 지금부터는 시장의 색깔이 바뀔 가능성을 열어둬야 한다고 보고, 하이퍼스케일러는 최종적으로 돈을 버는 구조의 사업임을 계속 염두해야한다.
“그 동안은 클라우드의 비용 증가로 인한 현금 유출만 걱정했다면, 그리고 그 현금이 흘러가는 HW의 여러 숏티지 기업들에만 집중했다면, 어느 순간부터 AI로 실제 지속가능한 매출을 발생시키는 기업들로 관심이 갈 수도 있을 것이라 생각하고”
“AWS와 같은 클라우드 회사들도 CAPEX와 비용 증가에도 이익을 지키며 성장을 가속화 시키는 부분에 대해서도 인정해 줄 수 있지 않을까 하는 생각을 조금.”
Market is overreacting to hyperscale credit spreads widening from my perspective - Gavin Baker
관련해서 게빈 베이커의 얼마전 코멘트:
“GPU 계약이 만료되고 가격이 재조정되기 시작하면, 이미 설치된 컴퓨팅 인프라의 이용가격이 상승하면서 하이퍼스케일러들의 성장률은 계속 가속될 것이다. 추정치와 실제 실적을 혼합해 계산한 하이퍼스케일러의 영업현금흐름 증가율은 2026년 1분기 31%에서 2분기 50%로 가속될 것으로 모델링된다. 이러한 가속은 올해 남은 기간에도 이어질 가능성이 높다. 그러나 현재 시장 추정치는 3분기에 성장률이 다시 둔화되는 것으로 잘못 가정하고 있으며, 이러한 가속 가능성을 반영하지 못하고 있다고 본다.”
“현재 하이퍼스케일러들은 본래 잠재력보다 적게 벌고 있으며, 반대로 2024년과 2025년에 GPU 컴퓨팅 장기 계약을 체결한 기업들은 초과이익을 누리고 있다. 하이퍼스케일러의 영업현금흐름만으로도 설비투자를 충분히 충당할 수 있을 것이다. 이후 계약가격이 재조정되고 클라우드 성장률이 계속 가속되면 신용 스프레드 역시 다시 축소될 가능성이 높다.”
“결론적으로, 하이퍼스케일러의 신용 스프레드 확대를 크게 우려하지 않는다. 진정한 위험은 필요한 전력설비를 적기에 구축하고, 이 모든 GPU에 실제로 전력을 공급해 가동하는 일이 매우 어렵다는 점이다. 다만 이 문제를 해결하는 역량은 하루가 다르게 개선되고 있다.”
20260723 - 시장 단상 (클라우드, AI-DC, 코스닥) - Seung
“어쨌든 AI-클라우드 비즈니스는 현재 폭발적인 성장의 초입에 서있다. 구체적인 미래 궤적이 어떻게 될지는 ‘아직’ 알 수 없으나, 미래가 밝다는 것은 절대적으로 자명하다. 이 확신은 AI인프라의 높은 허들비용에 기인한다.”
“AI를 구동하기 위한 최소한의 티켓 사이즈는 어언 100조를 넘어설 것이다. 이제 AI는 아무나 할 수 없는 비즈니스가 되었다. 소비자 입장에서는 거의 100에 99는 클라우드를 쓰는 것이 싸다. 아니, 클라우드가 없으면 아예 구동이 불가할 수도 있다.”
“혹자는 구글의 FCF가 음전한 것을 걱정하지만, 얼마 전 버핏옹의 인터뷰처럼 AI는 이제 ‘철도’와 같은 무언가가 되었을 수도 있다. 그 어떤 개인도 철도를 혼자 구축하려 하지 않는다. 결국 반대로 얘기하면 ‘그’ 구글조차 숨이 허덕이는 투자가 필요하다는 것이다. 이런 관점에서 보면 메타가 클라우드를 한 것은 매우 훌륭한 선택인 것 같다.”
“결국 LTA는 클라우드를 비롯해 일종의 서비스 Layer에 있는 비즈니스가 안정적으로 영위할 수 있는 ‘최소한’의 시계열을 마련해 주었다. 지금까지 급격하게 치솟는 메모리 단가는 마치 바닷속의 뻘밭에 피어오르는 먼지와 같았다. 투자자 입장에서는 가격 곡선이 수요를 파괴할지도 모른다는 공포가 가득했다. 일종의 시계열 제로였다.”
“그러나 LTA가 시행되면서 시장에는 규율과 질서가 생기기 시작했다. 바닷속의 먼지가 가라앉을 때까지, 메모리 하드웨어 기업들의 단기 주가도 약간의 쉼은 필요할 수도 있겠다. 그러나 이를 통해 전방에 더 큰 부가가치가 탄생할 수 있는 순간이다. 부가가치에 대한 확신이 생긴다면, 하드웨어 주가는 다시 움직일 것이다.”
“또한 부가가치를 만들어내는 산업들에도 여러가지 층위의 기회가 도사린다.”
SKT, AIDC 전문 자회사 ‘SK하이퍼’ 신설...7500억원 출자
정부의 메가프로젝트가 발표되었을 때 나는 ‘피지컬 AI’와 ‘데이터센터’가 반도체와 같은 선상에 올라왔다는 것에 주목했었다. 특히 데이터센터는 한국이 꽤나 잘할 수 있는 분야라고 생각했다.
그런 맥락에서 오늘 SKT의 SK하이퍼 신설은 의미가 꽤나 커보인다.
“SK텔레콤은 23일 열린 이사회에서 AIDC 사업개발 전문 신설 법인인 ‘SK하이퍼’를 설립하고, 사업 기반 마련을 위해 2030년까지 7500억원을 출자하기로 의결했다고 밝혔다.”
“SK하이퍼는 중장기적으로 15GW AIDC 구축을 본격화하기 위한 사업개발에 집중한다. AIDC에 필요한 부지 확보, 변전소 구축∙운영, 고객 유치와 사업화를 담당한다.”
“SK텔레콤은 SK하이퍼를 통해 정부의 메가 프로젝트 달성을 위한 AIDC 구축에 속도를 올린다. SK하이퍼를 중심으로 2029년에 5GW 규모의 AIDC를 단계적으로 가동하는 것을 최우선 과제로 삼았다.”
20260723 - 시장 단상 (클라우드, AI-DC, 코스닥)
AI 데이터센터는 ‘토큰 공장’이다. 이는 마치 우리나라가 잘해온 반도체 팹, 바이오 CDMO랑 업의 본질이 비슷해보이지 않는가?
“AI-DC가 핫하다. 개인적으로는 나라마다 소버린 AI를 안 할 수는 없다고 생각한다. 특히나 데이터센터는 소버린 AI를 위한 필수적인 정지(整地) 작업에 가깝다.”
“데이터센터는 AI를 가동하기 위한 일종의 중간재 시설에 가까운데, AI가 잠재적으로 가진, 그리고 앞으로 더욱 가속화될 파괴적인 영향력을 고려하면 데이터센터 CAPA 자체가 일종의 국력이 될 수 있다.”
“우리나라는 프런티어 모델을 개발할 여건은 안 되지만, 중간재에 가까운 DC를 건설하기에는 여러모로 좋은 조건들을 갖고 있다. 가장 중요한 전력계통이 비교적 안정적이고 여유가 있는 편이다. 기저 발전원이나 RE100 등은 해결해야 할 이슈지만 어떻게 보면 마이너 한 문제라 생각한다.”
“특히 지정학적으로도 지진 등으로부터 매우 안전하고, ‘아직까지는’ 신뢰할 수 있는 서방권 국가에 속한다. 기타 서방권 국가들이 여러 가지 제약 사항들 (가장 크게는 전기) 때문에 DC를 빠르게 건설할 수 없음을 고려하면, 우리나라는 서방권의 AI 중간재인 데이터센터 공급자가 될 수 있다. 가령 미국이 중국의 데이터 센터를 쓰는 것은 상상이 되지 않는다.”
“우리는 이미 방산과, 반도체와, 석유화학 등을 통해 비슷한 역할을 수행한 적이 있다. 우리나라에 잘 맞는 비즈니스라고 생각한다. 오늘 주가적으로도 관련된 기업들이 크게 반응하기 시작했는데, 트레이딩과, 인베스팅 양측에서 기회가 도사리고 있다. 지금의 가격 움직임은 확실히 과격하다. 나는 당장은 급진적이긴 하지만 방향성적으로는 맞는 방향이라 생각한다.”
“특히 본장 종료 후에 나온 SKT의 발표는 꽤 의미심장하다. 데이터센터가 국가의 기간 인프라 역할을 할 수 있다는 점, 그리고 중간재적인 성격을 띤다는 점에서 이미 석유화학과 반도체, 그리고 에너지 인프라와 통신 인프라를 겸하는 SK는 최고의 적임자처럼 느껴진다.”
“심지어 특별법 제정을 통해서 계열사 간 자금 이동이 원활해진 시점에, 글로벌에서 수위를 다투는 SK의 현금 창출 능력은 미래 계획에 현실성을 더한다.”
NVIDIA AI Factory Compute Is Becoming an Investable Asset Class - Jensen Huang
최근 AI 인프라 투자의 병목은 다름아닌 ‘돈’이었는데, 이에 관해서 엔비디아가 직접 금융 지원을 하겠다고 선언. 젠슨 황의 주장은 이러하다:
“그렇다면 이것이 결국 순환금융(circular financing)이 아니냐는 질문이 나올 수 있습니다. 이번 이니셔티브는 오히려 바로 그런 우려를 해결하기 위해 설계됐습니다. 우리가 하려는 것은 독립적인 장기 기관투자 자본을 AI 인프라 시장으로 끌어들이는 것입니다. 수요는 실제로 존재합니다. 프런티어 AI 연구소와 AI 네이티브 스타트업, 일반 기업, 클라우드 사업자, 그리고 AI 서비스를 구축하는 국가들로부터 수요가 발생하고 있습니다. 자본 공급자들은 각각의 프로젝트에 대해 고객과 수요, 가동률, 현금흐름, 잔존가치를 독립적으로 심사합니다. NVIDIA는 플랫폼을 제공할 뿐이고, 투자 여부는 투자자들이 독립적으로 결정합니다. 이것은 AI 인프라를 위한 개방형 자본시장이 만들어지는 시작점입니다.”
“그렇다면 왜 NVIDIA가 직접 금융 지원까지 해야 하느냐는 질문도 가능합니다. 일부 경우 NVIDIA는 개별 투자기회를 면밀히 평가한 뒤 최대 25%까지 잔존가치 지원(residual-value support) 메커니즘을 제공할 수 있습니다. 하지만 이러한 지원은 제한적이고 잔존가치를 기반으로 하며, 금융기관의 독립적인 투자심사를 대체하기 위한 것이 아니라 이를 보완하기 위해 설계됐습니다. 이는 다른 컴퓨트 금융 구조에서 제공되는 지원 수준보다 상당히 낮은 수준입니다. NVIDIA가 이런 지원을 제공할 수 있는 이유는 NVIDIA 컴퓨트가 독특한 자산이기 때문입니다. 다양한 고객 사이에서 대체 가능하고, 전 세계적으로 보편적으로 사용되며, 소프트웨어를 통해 계속 업그레이드할 수 있고, 거대한 생태계 안에서 다른 고객에게 재배치할 수도 있습니다. 우리의 역할은 리스크 노출을 엄격하게 관리하면서도 매우 거대한 독립적인 자본 풀을 활용할 수 있도록 길을 열어주는 것입니다.”
“또 하나의 중요한 질문은 시장이 이렇게 막대한 컴퓨팅 용량을 정말 흡수할 수 있느냐는 것입니다. 하지만 진짜 질문은 우리가 데이터센터를 많이 짓느냐가 아닙니다. 우리가 생산적인 AI 팩토리를 짓고 있느냐가 중요합니다. AI 팩토리는 에너지와 데이터를 가치 있는 지능으로 전환합니다. 프런티어 AI 연구소와 AI 클라우드, 일반 기업, 국가까지 매우 폭넓은 고객들이 존재합니다. 이들이 AI를 구축하고 있는 이유는 이제 AI가 실제로 유용해졌고, 모든 산업에 걸쳐 가치 있는 일을 수행하기 시작했기 때문입니다. 이 모델에는 금융적 규율도 존재합니다. 각각의 금융 파트너는 수요와 가동률, 현금흐름, 잔존가치를 독립적으로 평가할 것이고, 실제 고객의 경제성을 기반으로 필요한 용량만 구축하게 됩니다.”
“그렇다면 결국 투자수익률은 어디에서 발생할까요? 답은 AI의 유용성에 있습니다. 기업들은 AI를 이용해 소프트웨어를 작성하고, 신약을 발굴하고, 제품을 설계하고, 고객에게 서비스를 제공하고, 업무를 자동화하고, 새로운 서비스를 구축하고 있습니다. AI 팩토리는 이러한 모든 활동을 가능하게 합니다. 더 많은 컴퓨트는 더 나은 AI를 만들고, 더 나은 AI는 더 많은 사용량을 만들어냅니다. 사용량이 늘어나면 매출이 증가하고, 늘어난 매출은 다시 더 많은 컴퓨트에 대한 투자를 가능하게 합니다. 이것이 AI 산업혁명의 선순환입니다.”
Nvidia’s Risky Business - Stratechery
젠슨 황의 이러한 움직에 관해 긍정적/부정적 뷰가 공존하는데, 그런 관점에서 읽어볼만한 의견.
GPT왈: 한 문장으로 압축하면 이 글은 이렇게 읽는 것이 가장 정확하다.
“AI가 철도처럼 세상을 바꿀 가능성과, 철도처럼 투자자들을 파산시킬 가능성은 동시에 존재한다. 어느 쪽이 되느냐를 결정하는 것은 기술의 유용성 자체보다 ‘AI가 현재 쌓이고 있는 거대한 자본비용을 얼마나 빨리 현금흐름으로 전환하느냐’다.”
참고로 이 글은 이렇게 시작한다.
“1870년 1월 1일, 남북전쟁 당시 북군의 전비 조달에 기여한 공로로 미국의 영웅으로 추앙받던 제이 쿡(Jay Cooke)은, 조금 멀리 내다보면 훗날 세계대전으로까지 이어지게 될 계약 하나에 서명했다.”
“1864년 미국 의회는 오대호와 퓨젯사운드를 연결하기 위해 노던 퍼시픽 철도회사(Northern Pacific Railway Company)를 설립했다. 최종적으로는 미네소타주 덜루스에서 워싱턴주 타코마까지 철도를 놓는 것이 목표였다. 의회가 부여한 사업 인가에는 철도 건설을 완수하는 대가로 예정 노선 주변 4,000만 에이커의 토지를 제공한다는 조건도 포함되어 있었다. 그러나 이후 6년 동안 노던 퍼시픽은 자금 조달에 어려움을 겪었다. 같은 시기 유니언 퍼시픽과 센트럴 퍼시픽 철도는 양쪽에서 서로를 향해 선로를 건설하고 있었고, 1869년 5월에는 새크라멘토와 오마하를 잇는 철도를 완성하며 이른바 ‘골든 스파이크’를 박았다.”
“노던 퍼시픽은 이미 1866년 쿡에게 자금 조달을 요청한 적이 있었다. 그러나 이 회사에는 유니언 퍼시픽과 센트럴 퍼시픽을 뒷받침했던 후한 연방정부 보증이 없었다. 물론 덧붙이자면, 그 정부 보증은 엄청난 부정부패를 낳기도 했다. 연방정부의 금융력을 누구보다 잘 알고 있던 쿡은 당시에는 관심을 보이지 않았다. 그러나 결국 노던 퍼시픽은 그가 거절할 수 없는 조건을 제시했다. 판매하는 채권마다 12%의 수수료를 지급하고, 채권 1,000달러어치를 팔 때마다 노던 퍼시픽 주식 200달러어치를 추가로 주겠다는 것이었다.”
“쿡은 곧 자신의 기관투자자 동료들도 과거 자신이 그랬던 것처럼 이 채권에 관심이 없다는 사실을 알게 되었다. 그래서 그는 전쟁채권을 팔면서 갈고닦은 바로 그 기법을 다시 꺼내 들었다. 애국심에 호소하고, 언론을 장악하며, 철도를 통해 큰돈을 벌 수 있다고 약속했다. 그리고 이 모든 것을 산업 규모의 유통망으로 밀어붙였다. 전성기에 쿡은 1,500명의 판매 인력을 고용했고, 광고와 직접적인 금전 지급을 섞어 1,300개 신문사에 자금을 댔다. 남북전쟁을 통해 쌓은 자신의 브랜드도 적극 활용했다. 개인투자자들은 그 전에도 철도채권을 살 수 있었지만, 쿡은 이들을 아예 핵심 자금 조달원으로 만들어버렸다.”
“분명 이것은 엄청난 혁신이었다. 과거에는 정부나 은행에서 대출을 받을 수 없으면 대규모 자금을 조달할 방법 자체가 거의 없었다. 문제는 노던 퍼시픽의 자본 수요가 끝이 없었다는 점이다. 1873년 9월이 되자 빈 증권거래소의 폭락과 은의 화폐 지위 박탈로 전 세계 신용 여건이 긴축되기 시작했다. 쿡은 채권 발행과 발행 사이의 기간 동안 예금으로 노던 퍼시픽에 자금을 대고 있었는데, 이제 더 이상 채권을 사줄 사람을 찾을 수 없었다. 결국 제이 쿡 앤드 컴퍼니가 파산했고, 이것이 1873년 공황(Panic of 1873)을 촉발했다. 그 결과 미국 전역에서 철도회사들이 줄줄이 파산했고, 수년에 걸친 경기침체와 수십 년간의 디플레이션이 이어졌다. 그리고 한편으로는, 40년 뒤 유럽을 화약고로 만들어버린 금융적 여건까지 이 과정에서 형성되었다고 주장할 수도 있다.”
“참고로 노던 퍼시픽은 여러 차례 파산을 겪으면서도 결국 철도를 완공했다. 이후 노던 퍼시픽은 다른 세 개 철도회사와 합병되어 벌링턴 노던 철도(Burlington Northern Railroad)가 되었고, 벌링턴 노던은 다시 애치슨·토피카·산타페 철도와 합병해 BNSF Railway가 되었다. 버크셔 해서웨이는 2009년 BNSF의 모회사를 인수했다.”
#하드웨어
Senra Systems: Harnessing Human Skill - Not Boring
AI의 제조업 혁신을 상상하면 많은 사람들이 로봇이 사람을 대체해서 돌아가는 자동화된 공장을 떠올리겠지만, 사실은 숙련자의 지식을 소프트웨어로 복제하고, 평범한 사람도 숙련자처럼 일하게 만들며, 그 과정에서 공장을 데이터화한 회사가 이후 자동화까지 가져가는 방식이 먼저 다가올 가능성이 높지 않을까?
스페이스X 출신들이 나와서 창업한 ‘와이어 하네스’라는 상품을 제조하는 스타트업 Senra가 그걸 보여주는 것 같다. 자동화 이전에 표준화와 최적화!
“숙련된 조립 작업 전반, 특히 와이어 하네스 제작 분야에서 Senra가 하고 있는 일은 숙련된 조립 작업자를 둘러싼 모든 환경을 개선하여, 숙련된 조립 작업자가 탁월한 품질과 정확성을 유지하면서 기존 공급업체보다 4배 빠른 속도로 와이어 하네스를 생산할 수 있도록 하는 것입니다.”
“전통적인 공장에서는 거의 모든 것이 숙련된 직원들의 머릿속에 담긴 암묵적인 지식에 의존합니다. 이 문제를 해결하려면 “암묵적인 지식을 확장 가능한 소프트웨어와 프로세스로 전환”해야 합니다. 단순히 인공지능을 문제에 마법처럼 적용하는 대신, “우리는 사람들이 직접 미네소타에 가서 ‘도대체 당신들은 하루 종일 뭘 하는 겁니까?’라고 물어봐야 합니다.”
“저희 생각에는 표준화, 최적화, 자동화 순서로 진행해야 합니다. Senra가 오늘날 하는 일은 와이어 하네스 설계도를 작업 지침 으로 바꾸는 것입니다. 현재 Senra는 고객으로부터 와이어 하네스 도면을 받아 엔지니어 팀이 도면을 검토하고 작업 지침으로 변환합니다. 현재 이 프로세스는 약 20% 정도 자동화되어 있는데, 작업 지침이 생성되는 것만으로도 상당한 진전이므로 이 정도도 괜찮습니다. 시간이 지남에 따라 사람이 작성한 작업 지침을 활용하여 모델을 학습시키면 도면에서 작업 지침으로의 변환 과정을 90%까지 자동화할 수 있고, 최종 검토는 엔지니어가 담당하게 되어 프로세스 속도와 정확도를 향상시킬 수 있습니다. 이것이 바로 최적화 입니다.”
“우리의 목표는 기술자들을 교육하고, 그들을 둘러싼 모든 환경을 최적화하고, 맞춤형 기계를 제공하고, 더 나은 도구를 제공하며, 그들이 수행해야 할 비부가가치 업무를 모두 제거하는 것입니다.”
Gemini Robotics 2 brings whole body intelligence to robots
제미나이 로보틱스 2가 공개되었는데, 역시나 피지컬AI는 LLM의 발전 과정을 압축시켜서 진화하고 있음이 보인다.
“에이전트 추론과 다중 로봇 협업을 통한 고차원적 작업의 실현”
“대부분의 실제 환경에서의 작업은 긴 시간 동안 여러 단계를 거쳐야 합니다. 이러한 복잡성을 관리하기 위해, 우리의 체화된 추론(Embodied Reasoning, ER) 모델인 ‘제미나이 로보틱스 ER 2(Gemini Robotics ER 2)’는 로봇의 고차원적인 두뇌 역할을 하며 사용자의 지시를 처리하고 사람과 소통합니다. 이 모델은 주변 공간을 관찰하고, 작업을 완료하는 데 필요한 단계를 추론하며, VLA(시각-언어-행동 모델)와 협력하여 동작을 수행하고, 작업이 끝날 때까지 진행 상황을 추적합니다. 이러한 시스템을 통해 로봇은 복잡한 다단계 작업을 실행하고, 특정 단계에서 실패하더라도 스스로 오류를 수정하며, 새로운 상황과 목표에도 유연하게 대처할 수 있습니다.”
“이번 업데이트를 통해 로봇은 수 분이 걸리고 수백 번의 판단이 수반되는 더 긴 작업 시퀀스를 한층 더 안정적으로 실행할 수 있게 되었습니다. 이제 제미나이 로보틱스 ER 2는 작업의 시작과 끝을 이해하고 주요 이벤트가 발생하는 순간을 정확히 짚어낼 수 있어, 작업 진행 상황을 파악하는 능력이 비약적으로 발전했습니다.”
“더 나아가, 우리는 다중 로봇 협업(multi-robot collaboration) 기능을 도입합니다. 이를 통해 서로 다른 유형의 로봇들이 소통하고 협력하여, 단일 로봇 혼자서는 해낼 수 없는 복잡한 워크플로우를 해결할 수 있게 됩니다.”
참고로 아래는 최근 내가 피지컬 AI 관련해서 남겨놓은 대화:
“학습-추론-에이전트는 LLM을 처음 발전시킬 때 여러 시행착오를 겪으며 돌파구를 찾아낸 순서라서, 이미 LLM에서 노하우를 얻어낸 이상 피지컬에서는 ‘학습, 추론, 에이전트’가 병렬적으로 동시에 일어나지 않을까 싶긴 합니다.”
“오히려 피지컬에서는 피지컬 특성상 ‘하드웨어 / 소프트웨어/ 그리고 이 둘 간의 통합’이 어떤 순서로 일어날지가 더 중요해보이긴 해요 제 기준에서는”
“이 기준에서 현재 빅테크(와 테슬라)를 포함한 여러 업체들이 피지컬용 소프트웨어(모델) 개발에 진심이고, 실제로 계속해서 발전하는 모습이고요. 여기서 중요한건 ‘실제 물리세계의 데이터’입니다. 그래서 다들 피지컬용 데이터 모으기에 진심이고요.”
“반대로 하드웨어는 아시다시피 상대적으로 빅테크보단 현대차나 중국 업체들이 선도하고 있는거고, 여기서의 병목은 각각의 부품, 그중에서도 ‘손’이나 ‘액츄에이터’ 같은게 병목입니다. 이걸 어떻게 잘 구현하냐가 피지컬 하드웨어의 핵심입니다.”
“정리하면: 소프트웨어(피지컬용 모델)과 하드웨어가 각각의 플레이어군들에 의해서 동시에 발전 중인건데, 어느순간부터는 이 둘의 통합이 병목이 될껍니다.”
“그때가 되면 이 둘을 동시에 개발하는 테슬라가 진짜 우위를 보일 수도 있고, 아니면 연합체 (ex 엔비디아 & 현대차 연합)이 우위를 보일 수도 있고, 이건 계속 체크해봐야할 것 같습니다.”
#투자
레오폴드의 Situational awareness에 굉장히 큰 이벤트가 발생하였는데, 때마침 내가 7/20에 남긴 카톡.
기본적으로 천재라고 생각합니다. AI 글 작성했을 때부터 눈여겨봤고, 펀드 차린다고 했을 때 심상치 않다고 느꼈어요. 그리고 실제로 초대박이 났네요 ㅋㅋㅋ
다만 13F 보면서 카피트레이딩 하는건 금물인 것 같습니다. 매매를 자주 하는 타입이라서 13F 따라사면 엇박자나는 것 같습니다.
근데 13F에서 이 사람이 종목 뭐 담는지는 잘 봐야하는 것 같습니다. LP들도 실리콘밸리 큰손들이라고 하고, 이 사람 주변들이 다 업계 인싸들이라 정보가 그 누구보다 빠른 것 같거든요.
길게보면 이 사람이 어떻게 될지는 가늠이 잘 안되는데, 너무 공격성이 커서 시장에서 아웃될 가능성도 아예 없지는 않다고 봅니다.
레오폴드 이벤트를 보며 그냥 스쳐가는 문장은...
“지금도 fo24 사이트에 가면 ‘알바트로스 옵션’이라는 당시 그 계좌의 수익률을 볼 수 있는데, 2007년 6월 4일에 1억으로 시작한 계좌는 불과 1년 반 후인 2008년 11월 7일에 최고점인 16억 3,500만 원까지 가는 믿기 어려운 수익을 기록하게 된다. 그리고 2009년 5월 11일, 8억에서 그 기록은 막을 내리게 된다. 애초에 최고점에서 절반만큼 깨지면 계좌를 멈추기로 계획해두었기 때문이다.”
“초기 자금 1억 원이 16억 원까지 불어나는 동안에 숱한 화제를 낳았듯이, 16억이 8억이 되는 과정에서도 말들이 끊이지 않았다. 저렇게까지 깨져나가는데도 가만히 있을 수 있냐는 얘기였다. 하지만 그런 방식이었다. 그런 방식이었기 때문에 16억까지 갈 수 있었던 것이다.” - 돈을 이기는 법, 성필규 지음.
“일반적으로 하수들은 주식을 싸게 사는 데 민감하고, 고수는 비싸게 파는 데 관심을 둔다.”
#마지막으로
30 Lessons at 30 - A Letter a Day
투자업을 하는 저자가 서른을 맞이하면서 깨달은 바를 적은 글인데, 최근 읽은 글들 중에서 가장 인상깊었다.
그리고 GPT에게 물어보았다: Q. 만약 내가 이런 글을 쓴다면? 나는 어떤 스타일과 전략이 맞는 사람인걸까?
그랬더니 나온 답변이 아주 마음에 들어서 뉴스레터에도 한번 남겨본다.
→
내가 지금까지 본 너를 기준으로 하면, 너는 전통적인 의미의 ‘가치투자자’도, ‘퀄리티 컴파운더 투자자’도, ‘모멘텀 트레이더’도 아니다. 가장 가까운 표현은 아마 “구조적 변곡점을 찾는 고집중 성장 투자자(Structural Inflection Investor)”일 것 같아.
조금 더 정확하게 표현하면,
“큰 구조적 변화가 시작되는 지점을 찾고, 그 변화의 크기를 남들보다 크게 해석한 뒤, 기업·실적·가격이 그 가설을 확인해주는 순간 집중적으로 베팅하는 투자자.”
이게 지금까지 네가 가장 자연스럽게 반복해온 방식이라고 생각해.
1. 너는 ‘좋은 기업’을 찾는 사람이라기보다 ‘세상이 어디로 움직이는가’를 먼저 보는 사람 같아
이 차이가 꽤 중요해.
네가 기업을 볼 때 처음부터 ROIC가 높고, 마진이 좋고, 경영진이 훌륭한 회사를 스크리닝해서 들어가는 스타일은 아니야. 오히려 먼저 이런 질문을 던지는 경우가 많았어.
“지금 무슨 일이 벌어지고 있는 거지?”
“이 변화가 3~5년 지속되면 산업구조가 어떻게 달라질까?”
“시장이 아직 과소평가하고 있는 두 번째, 세 번째 파급효과는 뭐지?”
AI가 커진다면 GPU만 보는 것이 아니라 메모리 → 광통신 → 전력 → 데이터센터 → 보안 → inference economics까지 넘어가고, hyperscaler의 CapEx가 늘어난다는 사실 자체보다 그 CapEx 구조가 어떻게 바뀌는지에 관심을 갖는 식이지.
그래서 너의 기본 단위는 사실 ‘기업’보다 ‘구조적 변화(structural shift)’에 가까워 보여.
기업은 그 변화에 올라탈 수 있는 가장 좋은 vehicle이고.
이게 첫 번째 중요한 특징이야.
2. 그리고 너에게 가장 강한 Variant Perception은 ‘Direction’보다 ‘Magnitude’에 있는 것 같아
방금 번역한 글에서 정말 흥미로운 구분이 있었잖아.
Direction / Magnitude / Conviction.
내가 보기에는 너는 의외로 Direction에서 엄청나게 contrarian한 사람은 아니야.
예컨대 AI가 커질 것이라는 것, 데이터센터 투자가 커질 것이라는 것, 메모리 수요가 증가할 것이라는 것 자체는 남들과 완전히 다른 생각이 아니지.
그런데 너는 자꾸 이렇게 생각해.
“아니, 사람들이 이게 얼마나 커질지를 아직 잘못 보고 있는 것 같은데?”
이게 굉장히 반복돼.
AI 데이터센터를 ‘서버가 들어가는 건물’이 아니라 토큰을 생산하는 공장으로 생각한다든지, AI inference가 성장한다는 걸 단순 GPU 출하량 문제가 아니라 메모리·네트워크·전력·스토리지의 자본집약도 변화로 확장해서 생각한다든지.
VC에서도 비슷해. 작은 시장에서 괜찮은 회사를 찾는 것보다, “이게 정말 된다면 얼마나 커질 수 있지?”에 훨씬 끌리는 편이야.
그래서 네가 써야 할 투자 프레임워크에서 Variant Perception을 넣는다면 나는 가장 크게 Magnitude에 동그라미를 칠 것 같아.
너에게 알파가 생기는 순간은 상당 부분
“모두가 방향은 알고 있지만, 나는 기울기를 다르게 본다.”
에서 오는 것 같거든.
3. VC와 상장주식에서 의외로 같은 사람이다
이것도 재미있어.
겉으로 보면 네 VC 투자와 주식투자는 꽤 달라 보여.
VC에서는 극초기, 사람, 창업가, 시장을 보고 장기간 기다리잖아. 반면 상장주식에서는 실적, 수급, 차트, 주가 시그널까지 상당히 적극적으로 보니까.
그런데 밑바닥의 사고는 꽤 같다.
VC에서:
“이 사람이 이 시장을 먹을 수 있는 사람인가?”
“이 시장이 정말 커질 것인가?”
“아직 다른 사람들이 알아보지 못한 무언가가 있는가?”
“맞다면 20배, 50배, 100배가 가능한가?”
상장주식에서:
“이 기업이 이 구조적 변화를 가장 강하게 먹는가?”
“시장의 이익 추정치가 아직 충분히 올라오지 않았는가?”
“인식 전환이 이제 시작됐는가?”
“맞다면 시장 예상보다 업사이드가 훨씬 큰가?”
표현만 다르지 사실 계속 Power Law를 찾고 있어.
그래서 나는 네가 본질적으로 확률보다 payoff distribution에 민감한 투자자라고 생각해.
60% 확률로 20% 먹는 투자보다, 잘못되면 손실을 통제하면서 맞으면 몇 배가 열리는 상황에 훨씬 본능적으로 끌리는 사람.
이건 너의 VC와 상장주식을 연결해주는 상당히 중요한 공통점이라고 봐.
4. 다만 ‘좋은 것을 오래 들고 있는 것’만으로는 너에게 잘 맞지 않을 가능성이 높다
여기서는 조금 구별해야 해.
너는 장기적인 사고를 굉장히 좋아하지만, 전통적인 Buy & Hold 투자자는 아닌 것 같아.
예를 들어 “Alphabet은 훌륭한 회사니까 10년 동안 들고 있겠습니다” 같은 투자가 intellectually는 이해되더라도, 그것만으로는 네 뇌가 별로 즐겁지 않을 가능성이 높아.
왜냐하면 너는 변화율에 민감하기 때문이야.
실적의 2차 미분이 바뀌었나?
산업의 색깔이 바뀌었나?
시장 기대치가 달라지고 있나?
상대강도가 움직이나?
새로운 정보로 payoff가 변했나?
이걸 계속 보고 싶어 해.
그래서 너에게 더 맞는 것은 “영원히 좋은 기업”이 아니라 “좋은 기업이 가장 좋아지는 구간”을 찾는 것이라고 생각해.
나는 이걸 Prime Time investing이라고 부를 수 있을 것 같아.
기업의 장기 가치 × 산업의 구조적 순풍 × 이익 추정치 변화 × 시장의 인식 전환이 동시에 겹치는 몇 년.
그 구간에 크게 베팅하고, 그 조건이 사라지면 아무리 좋은 기업이라도 비중을 줄이는 것.
이게 훨씬 너답다.
5. 그래서 네 투자 전략은 사실 하나가 아니라 ‘Core + Inflection + Tactical’이어야 한다고 생각해
네가 계속 어려움을 겪었던 이유 중 하나도 여기 있다고 봐.
장기적인 thesis와 단기적인 position management를 하나의 계좌 안에서 섞어버리기 때문이야.
너는 어떤 기업을 3년짜리 구조적 아이디어로 샀다가 주가가 강하게 움직이면 트레이딩을 하고 싶어지고, 반대로 트레이딩으로 들어갔다가 빠지면 장기 펀더멘털을 꺼내 들기도 해.
그러면 시간축이 꼬여.
그래서 네 성향에는 오히려 투자 포트폴리오를 머릿속에서 명확하게 분리하는 게 잘 맞아.
Compounder / Structural Inflection / Trading / Cash & Optionality.
장기적으로 계속 재투자하면서 복리 성장할 기업은 가격 때문에 쉽게 팔지 않는 별도의 book.
산업 변곡점에서 이익과 valuation의 재평가가 동시에 가능한 종목은 가장 공격적으로 집중할 수 있는 Structural Inflection book.
가격·수급·실적 이벤트를 이용하는 것은 thesis와 무관하게 손절과 익절이 존재하는 Trading book.
그리고 아무것도 충분히 매력적이지 않을 때의 현금은 ‘놀고 있는 돈’이 아니라 다음 비대칭적 기회를 살 수 있는 옵션으로 보는 것.
이 구조가 네 성향을 억압하지 않으면서도 네 약점을 상당히 보완해줄 것 같아.
6. 왜냐하면 네 가장 큰 강점과 가장 큰 약점이 사실 같은 뿌리에서 나오기 때문이야
너는 확신을 빠르게 크게 만들 수 있는 사람이야.
새로운 정보를 많이 흡수하고, 서로 떨어져 있는 정보들을 연결해서 하나의 큰 그림을 빠르게 만들어낸다.
이건 투자자에게 엄청난 장점이야.
다른 사람이 GPU만 보고 있을 때 전력까지 보고, 전력을 보고 있는 사람보다 먼저 발전기나 데이터센터 EPC를 볼 수도 있으니까.
그런데 바로 그 능력 때문에 위험도 생겨.
이야기가 너무 빨리 완성될 수 있다.
논리가 아름답게 연결되는 순간, 실제 증거가 얼마나 쌓였는지보다 conviction이 먼저 커질 수 있어.
그리고 conviction이 커지면 position size도 빠르게 커지는 편이고.
그러다 시장이 반대로 가면 처음에는 장기 thesis를 생각하고, 더 가면 의심하기 시작하고, 어느 순간에는 가격이 thesis를 압도해버려.
그래서 너에게 필요한 것은 conviction을 낮추는 게 아니야.
오히려 반대야.
conviction과 sizing 사이에 한 단계의 검증 절차를 끼워 넣는 것이라고 생각해.
즉,
“내가 얼마나 확신하는가?”가 아니라
“시장이 내 생각을 증명하기 시작했는가?”
를 집중 투자의 기준으로 삼는 거지.
이익 방향성, 업황, 상대강도, 실적 추정치, 가격 행동 같은 것들이 하나씩 confirmation을 줄수록 size를 키우는 방식.
너에게는 이쪽이 훨씬 맞아 보여.
7. 그리고 네 진짜 edge는 꽤 독특한 곳에 있을 수도 있다
나는 네가 앞으로 투자자로서 차별화된다면 특정 산업을 남들보다 10배 깊게 아는 것만으로 차별화되는 사람은 아닐 수도 있다고 생각해.
오히려 네 edge는 서로 다른 세계를 연결하는 능력에 가까워 보여.
VC ↔ 상장시장.
한국 ↔ 미국.
AI software ↔ semiconductor ↔ data center ↔ energy.
기술 ↔ 자본시장.
초기기업의 product signal ↔ 상장기업의 earnings signal.
대부분의 사람은 이 중 하나의 세계 안에서 살아가는데, 너는 여러 시장을 동시에 넘나드는 편이야.
그래서 어떤 기술 변화가 비상장 스타트업에서 나타났을 때 그것이 2년 뒤 어느 상장기업의 매출로 이어질지를 생각하거나, 반대로 hyperscaler의 CapEx 변화를 보고 어떤 초기기업의 TAM이 열리는지 생각할 수 있어.
이건 꽤 좋은 information cross-pollination edge가 될 수 있다고 봐.
그래서 정말 네가 오늘 읽은 글 같은 걸 쓴다면, 나는 아마 네 프레임워크의 제목을 이렇게 잡을 것 같아.
“Find the Change, Find the Winner, Bet When It Matters.”
변화를 찾고, 승자를 찾고, 중요한 순간에 베팅한다.
그리고 네 네 가지 원칙을 억지로 뽑아본다면 아마 이런 식일 것 같아.
1. Follow the magnitude.
방향보다 변화의 크기를 생각한다.
2. Bet on people who can bend reality.
특히 VC에서는 결국 사람이다. 시장이 아직 존재하지 않아도 그것을 만들어낼 수 있는 사람을 찾는다.
3. Choose the game before choosing the stock.
종목 선택보다 먼저 어떤 산업, 어떤 자본 사이클, 어떤 구조적 변화에서 싸울지를 결정한다.
4. Concentrate only when reality confirms the thesis.
생각이 남들과 다르다는 이유만으로 크게 베팅하지 않는다. 현실이 그 생각을 확인하기 시작하는 순간에만 크게 건다.
그리고 네가 지금 읽은 글의 저자와 가장 다른 부분은 아마 마지막일 거야.
그 사람의 중심 단어가 Compounding이라면, 네 투자에서 가장 중심적인 단어는 아마 아직까지는 Inflection이야.
복리가 얼마나 오래 지속될 것인가도 좋아하지만, 네 눈이 가장 반짝이는 순간은 항상 “무언가가 지금 막 달라지기 시작했다”고 느꼈을 때였거든.
그리고 그 성향을 제대로 다듬는다면, 나는 네가 추구해야 할 투자자는 ‘오래 버티는 사람’ 그 자체라기보다, 큰 변화의 초입을 남들보다 조금 일찍 알아보고 그 변화가 현실이 되는 순간 크게 베팅할 줄 아는 사람에 더 가깝다고 생각해.