Anthropic Hits $2 Trillion in Historic IPO
Quick Summary
Anthropic의 최대 2조 달러 IPO 기업가치는 소문으로 제시됐으며, 출연자의 낙관론은 빠른 성장과 추론 비용 하락, AI 산업의 가치 배분 변화에 근거한다.
영상 보기
클릭 전까지는 가벼운 미리보기만 먼저 불러옵니다.
🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론
Anthropic의 최대 2조 달러 IPO 기업가치는 소문으로 제시됐으며, 출연자의 낙관론은 빠른 성장과 추론 비용 하락, AI 산업의 가치 배분 변화에 근거한다.
📌 핵심 요점
- IPO 평가의 핵심은 예상 매출과 가격의 관계다. 출연자는 소문으로 제시된 기업가치 1조 5,000억~2조 달러를 다음 해 예상 회계기준 매출 1,400억~1,500억 달러와 비교해 약 11~14배로 계산한다. 이를 매력적으로 평가하지만, 상장 성공과 향후 주가는 전망의 영역이다.
- 고객 지출 확대가 성장 논리의 중심이다. 자료에서 소개한 Anthropic의 지표는 3분기 매출 약 170억 달러, 연간 100만 달러 이상 지출 고객 약 1,900곳, 순매출유지율 900%다. 출연자는 이를 기존 고객의 사용 확대와 고객 기반의 분산을 보여주는 근거로 해석한다.
- 추론 비용 하락이 자본 효율성 평가를 뒷받침한다. 출연자에 따르면 매출 1달러당 컴퓨팅 비용은 88센트에서 15센트로 감소했다. 다만 이를 연결해 제시한 85% 마진이 회사 전체 비용을 반영한 수익성을 뜻하는지는 별도 확인이 필요하다.
- 인프라 투자 확대와 공급 병목이 동시에 나타난다는 진단이다. 출연자가 제시한 빅테크의 올해 AI 설비투자는 약 8,600억 달러다. 인허가와 규제로 컴퓨팅 증설이 지연되면 기존 용량 보유자가 유리해질 수 있지만, 공급 부족 규모와 높은 임대료의 지속성은 불확실하다.
- 업무용 에이전트와 오픈소스가 수익 기회를 넓힌다는 전망이다. 출연자는 AI 활용이 정보 조회에서 코딩·업무 자동화로 이동한다고 설명한다. 모델 가격과 실행 비용이 낮아지면 모델·앱에 더 많은 가치가 쌓일 수 있으며, 오픈소스 확산도 추론 인프라의 수익 기회로 연결될 수 있다고 본다.
🧩 배경과 문제 정의
- AI 투자 규모가 빠르게 커지면서 지출의 지속 가능성, 자금이 흘러가는 계층, 실제 활용과 투자수익을 함께 살펴볼 필요가 생겼다.
- 반도체와 데이터센터에 먼저 자금이 집중되는 현상이 기술 확산 초기의 정상적인 과정인지, 과잉투자의 신호인지가 핵심 쟁점이다.
- Anthropic의 S-1에 제시됐다는 성장·고객·비용 지표를 바탕으로 사업성과 IPO 가격을 평가한다. 상장 성공과 향후 성장에 관한 판단은 출연자의 전망이다.
- 컴퓨팅 공급 제약과 오픈소스 확산이 대형 클라우드, AI 연구소, 스타트업의 경쟁 구도와 수익 배분에 미칠 영향을 검토한다.
🕒 시간순 섹션별 상세정리
1. AI 설비투자는 과거 인프라 투자 붐과 비교할 규모로 커졌다
- 출연자가 제시한 올해 빅테크의 AI 설비투자는 약 8,600억 달러로, 최근 2년 사이 세 배 이상 늘었다. 미국 국방비에 견줄 규모이며, GDP 대비 투자 비중도 철도·석유 및 가스·통신·셰일의 과거 투자 붐을 넘어섰다는 비교다 [02:45]
- 현재 투자액의 크기만큼 중요한 문제는 투자 확대가 정점에 가까운지, 앞으로도 계속 커질 수 있는지다 [03:27]
2. 반도체에서 시작한 가치 축적이 모델과 앱으로 확장된다
- 제시된 비교에서 기존 클라우드·소프트웨어 경제는 약 6,000억 달러의 매출을 약 3,000억 달러의 인프라 지출과 연간 약 800억 달러의 반도체 지출이 뒷받침한다. AI 경제는 모델·앱 매출이 약 1,400억~1,500억 달러인 반면, 이를 지원하는 반도체 지출의 상대적 비중이 훨씬 크다 [04:15]
- 모바일 시대에는 반도체, 인프라와 기기, 소프트웨어와 앱 순으로 가치가 축적됐다. AI에서도 비슷한 전개가 나타난다는 해석이며, 최근 2~3년간 전체 AI 경제가 약 6배 성장하는 동안 앱·모델 부문은 약 100배 성장했다는 수치가 근거다 [05:05]
3. 챗봇의 정보 검색에서 에이전트의 업무 수행으로 중심이 이동한다
- 2022년 11월 ChatGPT 출시로 시작된 챗봇 시대에는 답변 검색, 지식 조회, 여행 계획 등이 활용의 약 80%를 차지했다는 설명이다 [07:06]
- 출연자가 지난해 말~올해 초로 지목한 전환 이후에는 장시간 작동하는 에이전트와 에이전트 집단이 부상했다. 에이전트형 AI에서는 코딩과 업무 자동화가 활용의 약 80%를 차지하며, 영업·마케팅·지원·투자팀까지 사용 범위가 넓어졌다는 주장이다 [07:25]
4. 선도 기업과 일반 기업의 AI 사용 격차가 벌어진다
- OpenAI가 공개했다는 자료에서 최근 1~1년 반 동안 상위 10% 고객의 사용량은 17배, 중간값 고객의 사용량은 2배 늘었다. 출연자는 이 격차를 AI 도입이 포화됐다는 신호보다 선도 기업이 더 빠르게 활용을 확대한다는 신호로 해석한다 [08:55]
- Cursor의 공개 자료에서는 상위 10% 사용자가 전체 토큰의 약 3분의 2를 소비한다. 소수의 집중 사용자와 나머지 사용자 사이의 차이는 후발 사용자의 활용 확대 여지가 크다는 판단을 뒷받침한다 [10:04]
5. 기업 지출에서 작은 AI 비중이 추가 성장의 근거가 된다
- Anthropic에 10만 달러 이상 지출하는 Fortune 500 고객에게도 해당 비용은 총비용의 0.1% 미만이라는 설명이다. 이 비중이 1%로 커지면 지출이 10배 늘 수 있다는 계산은 향후 성장 가능성을 보여주는 시나리오다 [10:49]
- 연간 100만 달러 이상 지출하는 고객이 약 1,900곳이라는 수치는 매출이 소수 고객에만 의존하지 않는다는 평가의 근거다. 대형 고객에게도 아직 작은 비용 항목이라는 점이 추가 확장 여력으로 드러난다 [11:09]
6. Anthropic의 성장성과 가격이 IPO 투자 판단의 중심이다
- 출연자는 빠른 성장, 긴 성장 여력, 수익성과 자본 효율성을 Anthropic의 강점으로 평가한다. 선행 실적 대비 11~14배라는 가격도 매력적이라고 보며 성공적인 IPO를 예상하지만, 이는 투자자의 평가와 전망이다 [11:56]
- 제시된 성장 지표는 최근 3년간 매년 약 10배 성장, 3분기 매출 약 170억 달러다. 출연자는 이를 역사적으로도 이례적인 성장 속도로 평가한다 [12:41]
7. 현금 소진과 추론 비용 하락이 자본 효율성 평가를 뒷받침한다
- 출연자에 따르면 Anthropic은 약 700억 달러의 연환산 매출 규모에 도달하기까지 현금을 100억 달러 미만 소진했다. 이 수치가 높은 자본 효율성이라는 평가의 핵심 근거다 [13:29]
- 매출 1달러를 제공하는 데 드는 컴퓨팅 비용이 88센트에서 15센트로 내려갔으며, 출연자는 이를 85% 마진과 연결한다. 와트당 수익화 지표도 약 16에서 60으로 높아졌다는 설명이다 [14:14]
8. AI 투자금의 주요 목적지는 데이터센터 구축이다
- 대규모 자본의 가장 큰 목적지는 데이터센터 구축이며, 그중 절반 이상이 칩과 메모리 같은 IT 장비에 들어간다는 설명이다. 나머지는 데이터센터를 실제로 건설하고 가동할 기반을 마련하는 데 쓰인다 [15:22]
- 이 배분은 대략적인 구분이다. 자막에서는 Crusoe 관계자의 더 세밀한 비용 분석을 언급하지만 구체적인 항목별 비율까지 제시하지는 않는다 [15:49]
9. AI 전 계층을 이해하는 교육이 진로 판단의 기반이 된다
- 스탠퍼드 공대의 AI 입문 강의는 칩부터 데이터센터, 인프라, 모델, 애플리케이션과 에이전트까지 전체 구조를 다룬다. 각 영역에 약 2주를 배정하고 해당 분야의 업계 관계자가 참여한다 [16:36]
- 약 150명의 학생이 창업·취업·투자를 결정할 때 각 계층의 구조와 현장 과제를 이해하도록 돕는 것이 목표다. 출연자는 칩·데이터센터·인프라·모델 등 여러 계층에서 수익 기회가 생길 것으로 전망한다 [17:25]
10. 데이터센터 공급 전망에는 인허가와 규제의 불확실성이 있다
- 출연자는 올해 말 미국 내 가동 컴퓨팅 용량을 약 35~40GW로 추정한다. 내년에 40~50GW를 추가한다는 기존 전망은 하향 조정될 가능성이 큰 부분으로 지목한다 [20:05]
- 인허가와 규제가 증설을 얼마나 늦출지는 정확히 알기 어렵다. 내년 공급이 기존 예상보다 약 10~15GW 부족할 수 있다는 수치도 확정된 결과가 아닌 거친 추정이다 [20:23]
11. 공급 부족은 기존 용량 보유자와 후발 기업에 다르게 작용한다
- 이미 대규모 컴퓨팅 용량을 확보한 하이퍼스케일러는 공급 병목에서 유리한 위치를 차지한다. 다만 이들 역시 대형 데이터센터 증설 계획이 지연될 위험을 함께 안고 있다 [21:06]
- 컴퓨팅 확보 순위가 뒤에 있는 네오클라우드와 스타트업에는 공급 지연이 생존 문제로 이어질 수 있다. 같은 공급 제약이라도 후발 사업자가 받는 충격이 더 클 수 있다는 판단이다 [22:01]
12. 최전선 모델 경쟁에서는 Anthropic과 OpenAI가 중심을 이룬다
- 출연자는 대규모 자본을 가진 기업들이 유리한 경쟁 구도라고 본다. Anthropic이 앞서 있다고 평가하면서도, 최전선 연구소인 Anthropic과 OpenAI가 서로 앞서거니 뒤서거니해 왔다고 보여준다 [22:52]
- OpenAI의 회복력을 보여주는 근거로 12억 명을 넘었다는 ChatGPT 사용자 수와 모델·Codex·업무용 제품의 성능 개선을 제시한다 [23:17]
13. 오픈소스의 지속 수요는 추론 인프라의 수익 기회로 연결된다
- SpaceX와 Google은 인프라 구축과 수익화에서 강점을 보인다는 평가다. 별도로 오픈소스에는 전체 AI 지출의 약 20~30%가 배분될 수 있다는 투자 가정을 제시한다 [24:38]
- 오픈소스 생태계에서는 모델을 실제로 실행하는 추론 계층에서 수익이 발생한다고 본다. Baseten, Fireworks, Modal 등이 큰 사업으로 성장할 수 있다는 전망이다 [25:07]
14. 통제권·비용·주권이 오픈소스 선택과 플랫폼화를 촉진한다
- AI 기업은 고객 상호작용에서 얻은 학습을 작은 특화 모델에 반영해 서비스 품질을 높이고 추론 비용을 낮출 수 있다. 데이터와 지능을 자체적으로 통제하려는 요구가 오픈소스 선택의 동력이다 [25:34]
- 출연자는 Groq CEO의 발언을 인용해 약 35개 기업이 전체 추론의 99%를 수행한다고 보여준다. 주요 연구소 외의 AI 스타트업이 오픈소스 활용을 이끌고 있으며, 은행과 의료기업도 뒤따르기 시작했다는 관찰이다 [26:23]
15. 오픈소스는 성능 시차가 있지만 실행 비용과 사업 기회가 남는다
- 출연자의 평가에서 최상위 오픈소스 모델은 현재 최전선의 폐쇄형 모델과 같지는 않지만, 약 6개월 전 폐쇄형 최전선 수준을 꾸준히 따라간다. 최신 성능이 반드시 필요하지 않은 고객에게 선택지가 된다는 논리다 [28:06]
- 오픈소스 모델도 실행할 클러스터를 구축해야 하므로 사용 비용이 사라지지는 않는다. 출연자는 이 실행 인프라에 상당한 매출총이익 기회가 있다고 보고, AWS·GCP·Azure처럼 여러 유력 사업자가 공존하는 시장을 예상한다 [28:55]
16. AI 서비스의 가치가 컴퓨팅 판매 방식이라는 관점으로 계속된다
- 진행자가 전한 생성형 미디어 기업 fal의 관점에서는 각 기업이 컴퓨팅을 서로 다른 형태로 판매하는 창구다. 이는 개별 AI 서비스의 경쟁력을 하이퍼스케일러·네오클라우드의 공급 구조와 연결하는 시각이다 [29:33]
- 이 관점이 Anthropic·OpenAI·SpaceX·Google의 경쟁 구도와 어떻게 맞물리는지가 다음 쟁점이다. 제공된 처리 범위는 질문에서 끝나므로 이에 대한 답변은 확인할 수 없다 [29:54]
17. 여러 모델을 운영하는 생태계가 하이퍼스케일러로의 확장을 이끈다
- 고객은 오픈소스·폐쇄형 모델과 코딩·이미지 모델을 조합해 사용한다. 이들을 효과적으로 운영하려면 모델 라우팅과 샌드박스 등 공통 도구를 갖춘 생태계가 필요하다 [31:15]
- 컴퓨팅 규모를 확보한 기업은 플랫폼 도구를 추가하며 사업 범위를 넓힌다. 오픈소스 모델 지원도 하이퍼스케일러와 유사한 사업으로 발전하는 경로가 될 수 있다 [31:40]
18. SpaceX의 AI 사업 확대는 인프라 선점의 가치를 보여준다
- 출연자가 제시한 SpaceX의 매출 런레이트는 약 600억 달러이며, AI 사업이 절반, Starlink가 약 3분의 1, 발사 사업이 나머지를 차지한다. AI 사업의 급성장이 기존 우주 사업 중심의 기업 구도를 바꾼다는 설명이다 [32:26]
- 연말 매출 런레이트 1,000억 달러와 다음 해의 더 큰 규모가 전망치로 거론된다. 이러한 성장 기대의 기반에는 컴퓨팅 자원을 일찍 확보하고 대규모 인프라를 구축한 선택이 있다 [33:39]
19. 단기 컴퓨팅 임대료는 높은 수익화 능력을 가진 고객이 뒷받침한다
- 일반적인 네오클라우드의 1~3년 장기 임대와 달리, SpaceX는 단기 가격으로 컴퓨팅을 공급한다. 출연자가 제시한 와트당 가격은 장기 임대 약 10~20달러, SpaceX의 단기 공급 약 25~50달러이며, 실적 발표에서는 상단에 가까운 가격이 언급됐다고 한다 [34:18]
- Anthropic처럼 컴퓨팅을 와트당 50~100달러 수준으로 수익화할 수 있는 기업은 높은 임대료를 지불하면서도 매출총이익을 확보할 여지가 있다. 모델 수요는 강하지만 컴퓨팅이 부족한 상황이 이러한 거래를 성립시킨다 [34:50]
20. 물리적 인프라 구축과 수익화의 결합에는 지속 가능성이라는 조건이 붙는다
- SpaceX의 강점은 대규모 물리적 인프라를 빠르게 구축하는 능력에 컴퓨팅 사업의 수익모델을 결합하는 데 있다. 다만 다음 해 매출 5,000억~1조 달러라는 전망의 실현 여부는 열려 있다 [36:27]
- 출연자는 연말 컴퓨팅 규모를 약 3GW로 추산하고, 회사가 다음 해 말 약 13GW를 제시한다고 보여준다. 여기에 와트당 50달러 이상의 수익화 수준을 적용하면 매출 런레이트 5,000억 달러 이상이라는 계산이 가능해진다 [37:02]
21. Google 내부에서는 검색과 클라우드의 성장 격차가 커진다
- 출연자가 제시한 검색 사업은 매출 런레이트 약 2,500억 달러에 성장률 12%인 반면, 클라우드는 약 1,200억 달러에 전년 대비 103% 성장한다. 클라우드는 규모가 검색의 절반가량이지만 성장 속도는 약 8배라는 비교다 [38:11]
- 클라우드에는 TPU와 관련 판매가 포함되며, Anthropic의 이용과 Broadcom을 통한 TPU 임대 약정도 수요 기반으로 거론된다. OpenAI의 TPU 검토는 확정된 계약이 아닌 소문으로 구분된다 [38:37]
22. AI 산업의 투자 쟁점은 승자의 존재보다 이익의 배분 규모다
- 칩·데이터센터·클라우드·모델 모두 성장의 수혜를 얻을 수 있지만, 각 계층이 확보하는 가치의 상대적 크기는 다르다. 지금까지는 큰 재무 여력을 가진 대형 기업이 유리했다는 평가다 [40:49]
- 컴퓨팅 효율이 높아지고 모델 가격이 내려가면 모델·애플리케이션·신생 기업 등 상위 계층에 더 많은 가치가 쌓일 수 있다. 이는 향후 가치 배분에 대한 기대이며, 이미 확정된 변화는 아니다 [41:07]
23. 매출 규모에 따라 최고 수준의 성장 기준도 달라진다
- 기존 소프트웨어 기업의 성장 공식만으로 AI 기업을 평가하기 어려워졌다. 매출 런레이트가 약 1,200억 달러인 규모에서도 100% 이상 성장하는 사례가 새로운 비교 기준으로 드러난다 [42:09]
- 더 작은 규모에서는 훨씬 높은 성장률이 거론된다. Cursor의 연간 매출 10억 달러에서 100억 달러로의 확대는 소문으로 제시되며, BaseTen은 해당 규모에서 최근 2년간 각각 10배 성장한 사례로 나온다 [42:43]
24. 창업팀의 역량은 성장 수치보다 앞서 보는 투자 판단 요소다
- 신생 기업을 평가할 때 출발점은 뛰어난 창업자와 팀이다. Cursor 창업자에 대한 평가는 빠른 성장의 배경을 창업 역량과 연결한다 [44:01]
- 야심 찬 과제를 선택하고 수행해 온 경력은 미래 성과를 판단하는 선행 신호로 취급된다. 매출 같은 숫자는 성과가 나타난 뒤 확인되는 후행 지표이므로, 초기에는 창업팀의 역량을 살피는 비중이 크다 [44:40]
25. 사이버보안은 새로운 AI 수요처로 부상할 가능성이 있다
- 소프트웨어 개발은 가장 큰 AI 작업 부하로 제시되며, 금융시장에서도 퀀트 기업들이 상당한 비용을 지출하지만 수요가 일부 기업에 집중돼 있다. 사이버보안은 그다음의 큰 신흥 시장 후보로 평가된다 [45:27]
- AI와 관련된 보안 위협이 커질수록 방어 활동도 확대되고, 이에 필요한 AI 토큰 사용량이 늘어날 수 있다. 널리 사용되는 Chrome의 취약점 사례는 소프트웨어 보안 위험의 파급력을 보여주는 근거로 거론된다 [46:57]
26. 보안 분야의 경쟁력은 모델 성능과 지속적인 방어 검증에 달려 있다
- 출연자는 보안 업무에서 프런티어 모델의 성능 우위가 커서 OpenAI·Anthropic 같은 선도 모델 기업이 수요의 상당 부분을 담당할 가능성이 높다고 본다. 별도의 도구 기업은 이를 조직의 보안 업무에 적용하는 역할을 맡을 수 있다 [47:25]
- 방어 측면에서는 연 1회 점검보다 소프트웨어 변경에 맞춘 지속적인 보안 검증이 중요해진다. 이러한 수요에서도 최신 모델의 역량이 중요한 선택 기준으로 남는다는 전망이다 [47:49]
27. Anthropic IPO의 낙관론은 예상 매출 대비 배수에 근거한다
- Anthropic과 OpenAI의 높은 기업가치는 비상장시장 전반의 기대를 끌어올린 요인으로 드러난다. 상장 후 가격 변동성이 커질 경우 이러한 기대가 어떻게 달라질지는 별도의 위험 요인이다 [49:12]
- 출연자는 Anthropic의 3분기 매출을 약 170억 달러, 다음 해 회계기준 매출을 약 1,400억~1,500억 달러로 추정한다. 소문으로 제시된 IPO 기업가치 1조 5,000억~2조 달러는 예상 매출의 약 11~14배라는 계산이다 [49:42]
🧾 결론
- Anthropic IPO 낙관론은 성장률, 고객 지출 확대, 컴퓨팅 비용 개선을 함께 보는 투자 판단이다. 제목의 2조 달러를 확정된 상장 결과로 받아들여서는 안 된다.
- AI 투자에서는 산업 전체의 성장뿐 아니라 칩·데이터센터·클라우드·모델·앱이 각각 얼마나 이익을 확보하는지가 중요하다.
- 공급 제약은 기존 인프라 보유자에게 유리할 수 있지만, 증설 지연과 고객 계약 갱신은 해당 기업에도 위험 요인이다.
- 오픈소스는 통제권과 비용 측면에서 선택지를 넓히지만 실행 인프라가 필요하며, 최신 폐쇄형 모델과의 성능 격차도 고려해야 한다.
📈 투자·시사 포인트
- IPO 가격은 매출의 정의와 기간을 맞춰 비교해야 한다. 분기 매출, 연환산 매출, 다음 해 예상 매출을 구분해야 11~14배라는 평가 배수의 의미를 판단할 수 있다.
- 인프라 사업은 공급 확보와 가격 유지 조건을 함께 봐야 한다. SpaceX에 관해 제시된 빠른 투자 회수와 높은 매출 전망은 컴퓨팅 증설, 단기 임대료, 주요 고객의 계약 갱신에 의존한다.
- 모델·앱 사업은 비용 절감이 실제 이익으로 남는지 확인해야 한다. 추론 효율 향상이 가격 인하로 이어질 때 고객 수요 확대와 사업자의 수익성 개선이 얼마나 함께 나타나는지가 쟁점이다.
- 기업 도입과 방어용 보안 업무는 추가 수요 후보다. 선도 고객의 집중 사용이 일반 기업으로 확산되는지, 지속적인 보안 검증 수요가 유료 사용으로 이어지는지 살펴볼 필요가 있다.
⚠️ 불확실하거나 확인이 필요한 부분
- 제목은 Anthropic의 2조 달러 IPO를 단정적으로 표현하지만, 본문에서는 1조 5,000억~2조 달러 기업가치를 소문으로, 성공적인 IPO를 출연자의 전망으로 구분한다.
- S-1에 제시됐다는 성장·고객·비용 수치는 제공된 자료만으로 원문과 대조할 수 없다. 순매출유지율 900%와 고객 수의 산정 기간·정의도 확인이 필요하다.
- 매출 1달러당 컴퓨팅 비용 15센트에서 도출한 85% 마진에는 다른 비용이 어떻게 반영됐는지 설명이 충분하지 않다. 이를 회사 전체 이익률로 해석하기 어렵다.
- 자막 기반 정리: 타임스탬프가 있는 자막을 기준으로 정리했으며, 고유명사·수치·인용은 원문 확인 필요 시 별도 검증한다.
- 영상 속 주장: 발표자의 해석·전망·비교는 확인된 외부 사실이 아니라 영상 속 주장으로 분리해 읽는다.
- 검증 필요: 수치, 기업 실적, 정책·시장 전망은 발행 전 최신 자료로 별도 검증이 필요하다.
✅ 액션 아이템
- Anthropic의 공식 상장 서류와 공시를 확인해 상장 진행 여부, 기업가치, 실제 공모 조건을 대조한다.
- 분기 매출·연환산 매출·회계기준 연간 매출·예상 매출을 구분해 IPO 평가 배수를 다시 계산한다.
- 고객 지출 구간과 순매출유지율의 정의를 확인하고, 컴퓨팅 비용 외 비용까지 반영한 수익성을 검토한다.
- 데이터센터의 계획 용량과 실제 가동 용량을 구분하고, 인허가 지연과 주요 고객 계약 갱신을 추적한다.
❓ 열린 질문
- 인프라 공급이 늘어난 뒤에도 높은 컴퓨팅 임대료와 빠른 투자 회수가 유지될까?
- 추론 비용 하락으로 생긴 가치는 인프라 사업자, 모델 기업, 앱 기업, 고객 사이에 어떻게 배분될까?
- 소수 선도 고객의 집중 사용이 일반 기업으로 확산되면서 실제 투자수익으로 이어질까?