조 단위 기업·토큰 예산·규제 포획 — 노 프라이어스가 짚은 AI 투자 사이클의 현실

핵심 메시지

• 1조 달러 기업이 되려면 좋은 마진 위에서 연 500억~1000억 달러 수준의 매출이 필요한데, 그런 시장은 세상에 몇 개 없다.
• 많은 투자자가 시장 크기와 그 시장에 도달하는 속도를 혼동하고 있다. 특히 에너지나 로보틱스처럼 물리적 설비가 필요한 영역은 규모보다 속도가 문제다.
• AI 시간은 통상의 3~4배 속도로 흐르므로, 회사를 팔지 말지에 대한 논의를 감정을 빼고 반년마다 미리 잡아 두라는 조언이 나왔다.
• 컴퓨트가 희소해지면서 연구자 채용의 진짜 비용은 사람이 아니라 그에게 딸려 가는 컴퓨트가 됐고, '투입 토큰 대비 수익'이라는 새 지표가 부상하고 있다.
• '18개월 뒤면 끝난다'는 연구실의 조바심은 번아웃이라는 2차 효과를 낳는다. 같은 예측이 지난 5년간 18개월마다 반복됐다는 반론도 함께 나왔다.

쉽게 이해하기

노 프라이어스 진행자인 사라 궈와 일라드 길이 게스트 없이 마주 앉아 AI 투자 사이클을 정리했다. 출발점은 지난 5년 사이 사실상 0에서 시가총액 1조 달러 수준으로 올라선 회사가 세 곳 나왔다는 사실이다. 원래 이런 성장은 15~20년이 걸리는 일인데, 5년짜리 변곡점이 한 번 있었다는 것이다.

문제는 그 변곡점을 상수로 착각하는 데서 시작한다. 길은 로보틱스나 소재처럼 유망한 분야마다 1조 달러 기업이 나올 것이라는 기대가 퍼져 있지만, 향후 3~5년으로 좁히면 그렇게 많이 나오기는 어렵다고 봤다. 1조 달러 시가총액을 지탱하려면 좋은 마진 위에서 연 500억~1000억 달러의 매출이 필요한데, 그 정도 매출을 한 회사가 가져갈 수 있는 시장은 극소수라는 계산이다.

반대편에서 궈는 다른 실수를 지적했다. 이전 시대의 유사 시장을 기준으로 삼는 바람에 시장 규모를 다시 상상하지 못하는 실패가 여전히 흔하다는 것이다. AI가 서비스 자체를 대체한다고 말로는 인정하면서도, 실제로는 변호사 수나 의사 수에 좌석당 요금을 곱하는 방식으로만 계산하고 성과 기반 과금이라는 가능성을 값으로 반영하지 않는다는 지적이다. 코딩 시장이 예상보다 훨씬 컸던 것이 그 증거로 제시됐다.

회사를 언제 팔아야 하는가라는 주제에서는 구체적인 절차가 제안됐다. 어떤 회사는 팔 이유가 없지만 대부분의 회사에는 가치가 가장 높은 12~18개월의 창이 있고, 그 논의를 창업자나 투자자가 꺼내면 감정이 섞이므로 아예 반년마다 이사회 안건으로 미리 잡아 두라는 것이다. 궈는 그 자리에서 '비용이 떨어지고 성능이 올라가는 이 변화에서 우리가 가치를 붙잡고 있는가'를 물으라고 덧붙였다.

후반부는 연구실 내부의 자원 배분으로 옮겨간다. 컴퓨트가 병목이 되면서 소수의 연구자가 성과의 대부분을 만드는 멱법칙이 두드러졌고, 일부 연구실은 아주 높은 기준을 넘지 못하면 채용 속도를 늦추기 시작했다. 사람의 인건비보다 그 사람에게 붙는 컴퓨트 비용이 크기 때문이다. 여기서 '투입 토큰 대비 수익'이라는 관점이 나온다.

주요 인사이트

• 시장 규모와 도달 속도를 분리해서 보라는 것이 이 대담의 가장 실용적인 조언이다. 두 사람 모두 큰 시장의 존재 자체는 의심하지 않지만, 물리적 설비가 필요한 영역에서 3~5년 안에 그 규모에 닿을 수 있느냐는 완전히 별개의 질문이다.
• 연구실이 무섭다는 이유로 좋은 창업자들이 틈새로 물러나는 흐름을 길은 부정적으로 봤다. 평균적인 창업자가 아니라 가장 뛰어난 창업자들이 정면 승부를 피하는 것이 문제라는 것이다.
• 창업자에게 가장 큰 기회비용은 회사 가치가 아니라 시간이라는 관점이 인상적이다. 2020~2021년에 자금을 넘치게 조달한 뒤 5~6년째 성과 없이 묶여 있는 창업자들이 그 사이 AI 전환기를 통째로 흘려보냈다는 사례가 근거로 제시됐다.
• '초지능이 18개월 앞'이라는 예측이 지난 5년간 18개월마다 반복됐다는 궈의 반론은 유용한 눈금이다. 코드에서 학습 파이프라인 작업으로의 확장은 믿기 쉽지만, 검증이 어려운 영역의 데이터 확보와 물리적 컴퓨트 접근성이 알고리즘보다 더 큰 제약일 수 있다는 것이다.
• 규제 논의에서 두 사람은 위험만 보고 편익을 보지 않는 규제가 산업을 어떻게 늦췄는지를 원자력과 신약 개발 사례로 끌고 왔다. 다만 이는 규제 완화를 옹호하는 입장에서 나온 해석이므로, 안전 규제의 편익을 따로 견줘 볼 필요가 있다.

자주 묻는 질문

관련 AI 소식