🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

AI 시대의 가치는 단순히 모델이나 앱에만 쌓이는 것이 아니라, 인프라·칩·데이터·모델·실행·애플리케이션으로 이어지는 스택의 병목 자산을 누가 소유하느냐에 따라 결정된다는 주장입니다.

📌 핵심 요약

• Chamath Palihapitiya는 2026년 AI 산업을 이해하려면 과거 인터넷 산업의 OSI 스택처럼 AI만의 개념적 스택을 그려야 한다고 주장합니다.
• 원문은 AI 스택을 인프라, 칩, 데이터, 모델, 실행, 애플리케이션의 여섯 층으로 나누고, 각 층마다 가치가 반드시 통과하는 “fulcrum assets”가 있다고 설명합니다.
• 저자는 AI 스택의 하단부, 특히 전력·냉각·핵심 광물·반도체 장비 같은 인프라가 매우 집중되어 있으며 글로벌 병목을 형성한다고 봅니다.
• 칩 계층에서 AI는 소프트웨어 AI와 물리적 AI로 갈라지며, 두 영역은 서로 다른 가치 축적 곡선을 따른다고 제시합니다.
• 소프트웨어 AI에서는 모델 실행 비용 하락으로 지능이 점점 저렴해지고, 그 위의 에이전트와 애플리케이션을 생산하는 시스템이 중요해진다고 봅니다.
• 물리적 AI에서는 배터리와 구동 장치처럼 현실 세계에서 작동하기 위한 공급망이 핵심 자산으로 부상한다고 주장합니다.

🧩 주요 포인트

1. AI 산업도 과거 인터넷 산업처럼 가치가 쌓이는 구조적 스택으로 이해해야 한다는 문제의식이 제시됩니다.
2. 저자는 AI 스택을 여섯 계층으로 나누고, 각 계층의 병목 자산을 찾는 것이 향후 승자를 가르는 핵심이라고 봅니다.
3. AI의 기반부는 미국 소프트웨어 기업만으로 설명되지 않으며, ASML, 일본 소재 기업, 핵심 광물 공급지 같은 글로벌 병목에 의존한다고 설명합니다.
4. 칩 계층 이후 AI는 소프트웨어 AI와 물리적 AI로 분기하며, 각각 다른 방식으로 가치가 축적된다고 봅니다.
5. 모델 가격 하락은 모델 자체보다 그 위에서 에이전트와 애플리케이션을 만들어내는 실행 시스템의 중요성을 키운다는 시사점을 줍니다.
6. 물리적 AI에서는 로봇의 성능보다 에너지 저장과 움직임을 가능하게 하는 하위 공급망 소유가 중요하다는 관점이 제시됩니다.

🧠 상세 정리

1. AI를 ‘스택’으로 봐야 한다는 핵심 thesis

Chamath Palihapitiya의 핵심 주장은 AI 산업을 개별 기업이나 제품 단위로만 볼 것이 아니라, 가치가 어느 계층에 축적되는지를 보여주는 “스택”으로 이해해야 한다는 것입니다. 그는 초기 인터넷 기업들이 OSI 스택이라는 개념적 지도를 통해 각 계층의 경계와 기회를 파악할 수 있었다고 설명합니다.

이 관점에서 중요한 것은 AI가 단순히 모델 경쟁이나 애플리케이션 경쟁으로 끝나지 않는다는 점입니다. 저자는 인프라부터 애플리케이션까지 이어지는 계층별 경계를 정확히 그려야, 어떤 기업이 장기적으로 중요한 위치에 서게 될지 판단할 수 있다고 봅니다.

2. 여섯 계층과 ‘fulcrum assets’라는 관점

원문에서 제시된 AI 스택은 아래에서부터 인프라, 칩, 데이터, 모델, 실행, 애플리케이션의 여섯 층입니다. 저자는 각 계층마다 그 위의 가치가 반드시 지나가야 하는 단일 지점, 즉 “fulcrum assets”가 존재한다고 설명합니다.

이 개념은 기존 방식과 차이가 있습니다. 일반적인 AI 논의가 모델 성능, 사용자 앱, 빅테크 경쟁에 집중한다면, 이 글은 각 계층에서 대체하기 어렵고 가치 흐름을 통제할 수 있는 자산이 무엇인지 묻습니다. 즉 “누가 가장 좋은 모델을 만들었는가”보다 “누가 전체 스택이 의존하는 병목을 소유하는가”가 더 중요한 질문이 될 수 있다는 시각입니다.

3. 기반 계층의 집중과 글로벌 병목

저자는 AI 스택의 기반이 전력, 냉각, 핵심 광물에 있으며, 이 인프라 계층이 가장 집중된 영역이라고 주장합니다. 예시로 네덜란드의 ASML, 일본의 반도체 필름 공급 기업들, 노스캐롤라이나의 특정 광산을 언급하며, 첨단 반도체 생산이 소수의 핵심 자산에 의존한다고 설명합니다.

여기서 중요한 시사점은 AI 산업이 겉으로는 미국 소프트웨어 기업 중심으로 보이더라도, 실제 하부 구조는 글로벌 공급망과 물리적 병목에 크게 의존한다는 점입니다. 원문은 NVIDIA의 CUDA 같은 미국적 소프트웨어 자산도 결국 그 아래의 장비, 소재, 광물, 전력 인프라 위에서 작동한다고 봅니다.

4. 칩 계층 이후의 분기: 소프트웨어 AI와 물리적 AI

저자는 AI 스택이 칩 계층에서 두 갈래로 나뉜다고 설명합니다. 한쪽은 소프트웨어 AI입니다. 이 영역에서는 모델 실행 가격이 크게 하락하면서 “지능이 무료에 가까워지는” 방향으로 움직이고, 모델 위에서 사람들이 매일 사용할 에이전트와 애플리케이션이 중요해진다고 봅니다.

다른 한쪽은 물리적 AI입니다. 이는 현실 세계에서 작동해야 하는 AI, 예컨대 로봇이나 자동화 시스템에 가까운 영역으로 볼 수 있습니다. 저자는 이 영역에서 에너지 저장과 구동 장치가 핵심이라고 말합니다. 아무리 뛰어난 로봇이라도 배터리가 다 되면 멈추고, 움직일 수 없다면 실제 가치를 만들기 어렵다는 논리입니다.

5. 왜 중요한가: 가치가 쌓이는 위치를 다시 묻기 때문

이 글이 중요한 이유는 AI 산업의 승자를 예측하는 기준을 바꾸기 때문입니다. 원문은 단순히 가장 뛰어난 모델이나 가장 인기 있는 앱이 아니라, 각 계층의 경계와 병목을 장악한 기업이 장기적으로 큰 가치를 얻을 수 있다고 봅니다.

다만 이 관점은 하나의 투자·산업 분석 thesis입니다. 원문은 특정 기업들이 이미 중요한 경계에 자리 잡고 있다고 암시하지만, 제공된 텍스트 안에서는 그 전체 목록이나 상세 근거가 모두 제시되지는 않습니다. 따라서 이 글의 주장은 AI 스택을 해석하는 유용한 틀이지만, 실제 기업별 우위와 지속 가능성은 추가 자료와 검증이 필요한 부분입니다.

🧾 핵심 주장 / 시사점

• AI 산업의 가치는 모델이나 앱 하나에만 쌓이지 않고, 인프라부터 애플리케이션까지 이어지는 계층 구조 안에서 분산·집중됩니다.
• 장기적으로 중요한 기업은 눈에 잘 띄는 소비자 앱보다, 전체 스택이 의존하는 병목 자산을 가진 기업일 수 있습니다.
• 미국 중심의 AI 소프트웨어 스택도 실제로는 해외 장비, 소재, 광물, 공급망에 크게 의존한다는 점이 강조됩니다.
• 모델 실행 비용 하락은 모델 계층의 일부 가치를 압박하고, 그 위의 실행·애플리케이션 계층 또는 하부 병목 자산의 중요성을 키울 수 있습니다.
• 물리적 AI에서는 소프트웨어 성능뿐 아니라 배터리, 액추에이션, 공급망 장악력이 핵심 경쟁력이 될 수 있습니다.

✅ 액션 아이템

• Chamath Palihapitiya가 제시한 AI 스택의 여섯 계층을 인프라, 칩, 데이터, 모델, 실행, 애플리케이션으로 구분해 별도 메모로 정리하기
• ASML, CUDA, 반도체 필름 공급망, 노스캐롤라이나 광산 등 원문에 등장한 병목 자산의 역할을 개별적으로 확인하기
• 소프트웨어 AI와 물리적 AI의 가치 축적 방식이 어떻게 다른지 기업 사례 중심으로 비교하기
• 원문에서 언급된 Substack 딥다이브를 읽고, 각 계층별로 저자가 지목한 기업과 근거를 추가로 검토하기

❓ 열린 질문

• AI 모델 실행 비용이 계속 하락한다면, 모델 계층의 가치는 실제로 얼마나 빠르게 commoditize될까?
• 물리적 AI에서 에너지 저장과 구동 장치 공급망을 장악한 기업들이 소프트웨어 AI 기업만큼 큰 가치를 가져갈 수 있을까?
• AI 스택의 병목 자산은 시간이 지나도 유지될까, 아니면 기술 발전과 공급망 재편으로 빠르게 이동할까?