What Happens When the AI Boom Slows Down

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

What Happens When the AI Boom Slows Down를 중심으로, 성장기의 우위가 둔화기에도 지속된다는 보장은 없다. 신규 수요가 빠르게 늘 때는 경쟁사의 고객을 빼앗지 않고도 성장할 수를 핵심 판단 포인트로 압축 정리한다.

📌 핵심 요점

1. 성장기의 우위가 둔화기에도 지속된다는 보장은 없다. 신규 수요가 빠르게 늘 때는 경쟁사의 고객을 빼앗지 않고도 성장할 수 있다. 시장이 포화되면 최첨단 모델의 가격 결정력이 약해지거나 수요가 오픈소스로 이동할 가능성이 제기된다.
2. 모델 기업은 짧은 제품 수명과 출시 지연에 민감하다. 모델 수명이 3~6개월이라는 경험적 추정에 따르면, 기존 모델에서 장기 매출을 얻기보다 후속 모델을 계속 출시해야 한다. 규제·기술·보안 문제로 출시가 지연되면 매출 유지가 어려워질 수 있다.
3. 사용자 증가와 경쟁 방어력은 구분해야 한다. 피드백으로 제품이 개선되는 현상만으로 고전적 네트워크 효과를 입증할 수는 없다. 이용자 간 연결, 규모의 경제, 양면 시장을 구분하고 규모 확대에 따라 우위가 얼마나 강화되는지 살펴야 한다.
4. AI 인프라 수요에는 서로 다른 두 경로가 있다. 소프트웨어 생산 증가가 컴퓨트·데이터베이스 수요를 늘리는 경로와, AI 중심 시스템·에이전트가 새로운 설계를 요구하는 경로다. 소프트웨어를 쉽게 만들 수 있다는 사실만으로 기존 인프라 기업의 대체를 단정하기는 어렵다.
5. 자본을 활용할 능력과 투자 수익은 별개다. AI는 작은 팀도 막대한 연산 자원을 생산적으로 사용할 가능성을 열지만 수익을 보장하지 않는다. 부채 조달, 하드웨어·전력 공급, 후속 자금 확보가 사업의 지속성과 경쟁 구도에 영향을 준다.

🧩 배경과 문제 정의

• 기존 소프트웨어는 사용하기 어렵고 자주 고장 났지만, AI는 기술이 실제로 제대로 작동할 가능성을 열고 있다. 이 관점에서 새로운 제약은 기술 자체보다 활용 방식을 상상하는 창의성이다.
• 기술 투자에서는 재무 지표, 기술의 가치 창출력, 창업팀, 시장 타이밍을 중시하는 관점이 혼재한다. 투자 전제가 불명확하면 같은 거래를 자신의 편향에 맞춰 정당화하기 쉽다.
• AI는 기존 인프라와 애플리케이션 구조를 동시에 바꾸고 있다. 빠르게 성장하는 시장에서 확인된 최첨단 모델의 우위가 시장 포화 이후에도 유지될지는 불확실하다.

🕒 시간순 섹션별 상세정리

1. 기술 투자를 바라보는 네 가지 관점

• 전통적 재무 투자자는 시장 규모와 재무·SaaS 지표를 사업의 건전성을 판단하는 대리 지표로 삼는다. 생산적 자산 투자자는 기술이 가치를 만들면서 시장도 형성하고, 사업 모델은 그 가치를 포착하도록 뒤따라 발전한다고 본다. [01:06]
• 프런티어 투자는 창업자가 투자자보다 새로운 가능성을 먼저 발견했다는 믿음에 기반한다. 기술과 시장을 세밀하게 검증하기보다, 그 일을 해낼 인재와 팀을 신뢰하는 성격이 강하다. [02:03]

2. 파괴적 인프라는 완성된 재무 지표보다 부분적 신호로 평가한다

• 컴퓨터과학·인프라 투자에서는 기술적 접근을 해당 산업의 구매 방식과 플랫폼 발전 경로에 맞춰 평가한다. 선도 기업의 내부 기술이나 다른 환경에서 검증된 팀의 경험은 앞으로의 변화를 가늠하는 단서가 된다. [03:53]
• 고객의 사용 의사, 성장하는 인접 예산, 초기 지불 의향은 사업 모델이 완성되기 전에도 확인할 수 있다. 클라우드·모바일·인터넷에서도 초기에는 마진 우려가 있었듯, 수요가 존재해도 원가 구조와 수익 모델은 아직 정립되지 않았을 수 있다. [04:44]

3. ‘사용자가 늘면 좋아진다’는 정의만으로는 네트워크 효과를 판별할 수 없다

• 사용자가 늘면 버그 제보·피드백·입소문으로 대부분의 제품이 개선된다. 따라서 사용자 증가에 따른 제품 개선만으로는 경쟁사가 따라오기 어려운 방어력이 존재한다고 판단할 수 없다. [06:35]
• 고전적 네트워크 효과는 전화망처럼 이용자끼리 상호작용하면서 연결 가치가 초선형적으로 증가하는 구조를 뜻한다. 반면 데이터 네트워크 효과라는 표현은 자기 강화 순환을 뜻하기도 하며, 그 순환이 초선형적으로 커지는지는 별도 문제다. [06:53]

4. 해자를 만드는 원리와 규모에 따른 해자의 성장 형태를 구분해야 한다

• 브랜드·규모의 경제·양면 시장·네트워크 효과는 해자를 만드는 서로 다른 원리다. 경쟁 방어력을 평가하려면 원리의 이름보다 규모가 커질 때 해자가 초선형·선형·준선형 중 어떤 형태로 성장하는지 먼저 살펴야 한다. [07:40]
• 규모의 경제는 구매 협상력 등으로 단위 비용이 낮아지거나 브랜드 덕분에 고객 획득 비용이 줄어드는 구조다. 양면 시장은 공급과 수요가 서로를 강화하는 구조이며, 이용자 간 연결에서 생기는 네트워크 효과와 구별필요가 있다. [08:43]

5. 초선형 효과는 선두를 강화하고 준선형 효과는 추격을 허용한다

• 통신망에서는 이용자가 늘수록 가능한 연결 수가 이용자 수보다 빠르게 증가한다. 이런 초선형 구조에서는 두 기업이 각각 500만 달러를 투자하더라도 이미 조금 더 큰 기업이 더 빠르게 성장할 수 있어, 선두의 우위와 독점 가능성이 커진다. [10:05]
• 준선형 구조에서는 같은 금액을 투자할 때 선두 기업의 추가 성장이 도전자보다 작다. 다른 조건이 같다면 선두는 성장을 위해 계속 더 많은 돈을 써야 하므로 도전자의 추격을 허용하게 된다. [11:04]

6. 고전적 네트워크 효과는 드물고 규모 효과와 혼동되기 쉽다

• 통신사·LinkedIn·GitHub는 이용자 간 연결에 기반한 네트워크 효과의 사례로 드러난다. 이런 초선형 효과는 흔하지 않지만, 존재할 경우 오래 지속되는 높은 기업 가치의 기반이 될 수 있다. [13:14]
• Uber는 운전자와 승객이 서로를 끌어들이는 양면 시장으로 볼 수 있지만, 양쪽 모두 여러 서비스를 이용할 수 있어 독점적으로 묶여 있지 않다. 따라서 그 우위는 고전적 네트워크 효과보다 대규모 자금 조달과 단위 비용 개선에서 나오는 규모 효과에 가까울 수 있다. [14:01]

7. 성장 시장에서는 해자보다 새로운 수요가 가치 축적을 좌우할 수 있다

• 시장이 성장하면 기업은 경쟁사의 고객을 빼앗기보다 새롭게 열리는 수요를 공략할 유인이 크다. 이런 환경에서는 경쟁 방어력이 투자 판단의 두 번째나 세 번째 문제로 밀릴 수 있다는 관점이다. [14:30]
• 시장이 둔화하거나 축소되면 해자의 유무와 별개로 산업이 통합되는 경향이 있다는 주장이다. AI 모델의 방어력이나 네오클라우드의 매출 질에 대한 우려만으로는 성장 시장에서 발생하는 가치 축적을 충분히 설명하기 어렵다. [15:06]

8. 재무 중심의 투자 기준을 너무 일찍 적용하면 파괴적 기술을 놓칠 수 있다

• 초기 벤처 투자는 사람·기술·새로운 시장에 집중했지만, 기술 시장과 투자 자금, 비상장기업 규모가 커지면서 일부 VC의 역할은 상장기업 투자자와 가까워졌다. 전통 금융과 경영대학원 출신 인력의 유입도 재무 중심 사고의 확산에 영향을 줬다는 해석이다. [16:20]
• 사업 모델은 파괴적 기술보다 늦게 정립된다는 관점에서, 초기 매출의 질과 현재 시장 규모만으로 기술을 평가하는 데는 한계가 있다. 기술이 새로운 시장을 만들 수 있고, 영구 라이선스에서 반복 결제로 전환했던 사례처럼 가격 체계도 오랜 시간이 지나야 자리 잡을 수 있다. [17:24]

9. AI 모델은 기존 인프라에 새로운 축을 더하고 설계 전제를 바꾼다

• 인프라의 차별화는 기술 자체에 있으며, 전통적 구성 요소는 컴퓨트·네트워크·스토리지·데이터베이스다. AI는 이 구성 요소들을 재편하는 동시에 모델이라는 새로운 인프라 범주를 만든다. [19:20]
• 모델은 자본 수요와 경쟁 압력에서 전통적 소프트웨어보다 ASIC 같은 특수 목적 반도체에 가깝다는 관점이다. 상위 애플리케이션 전체를 바꾸고 있지만, 앞으로 어떤 계층 구조로 정착할지는 아직 불분명하다. [20:01]

10. AI가 만드는 소프트웨어의 증가와 AI 자체를 위한 시스템은 다른 수요다

• 바이브 코딩으로 소프트웨어 생산량이 늘어나면, 결과물이 일반 소프트웨어인 경우에도 실행·배포를 위한 컴퓨트와 데이터베이스가 필요하다. 에이전트가 만들었는지 사람이 만들었는지와 별개로 기존 인프라 수요가 증가하는 경로다. [21:30]
• 다른 경로는 AI를 핵심에 둔 시스템과 에이전트 자체를 구축하는 데서 나온다. 따라서 인프라 변화를 모두 ‘에이전트용 재설계’로 묶기보다, 소프트웨어 생산 증가와 AI 중심 시스템의 요구를 구분해야 한다. [21:49]

11. 데이터베이스·네트워크·실행 환경에서 재설계 기회가 열린다

• 성숙한 OLTP 데이터베이스 시장에서도 새로운 설계가 등장하고 있다. 전용 언어와 개발자 재교육 부담이 기존 구조를 유지하는 요인이었지만, 에이전트가 새 방식을 사용할 수 있다면 그 제약이 약해진다. OLTP가 5년 뒤 크게 달라질 가능성과 기존 사업자가 적응할 가능성이 함께 열려 있다. [22:20]
• 대규모 AI 클러스터의 엄격한 성능 요구는 네트워크 분야의 신규 진입과 기술 변화를 촉진한다. 오랫동안 변화가 적었던 분야에서 새로운 기업이 등장하고, 구축 소재의 변화와 광학 기술의 부상도 나타나고 있다. [23:35]

12. 빠르게 성장하는 모델 시장에서는 작은 성능 우위도 가격 결정력으로 이어진다

• 최근 3년의 관찰에서는 최첨단 모델이 경쟁 모델보다 아주 조금만 우수해도 강한 가격 결정력과 막대한 수요를 확보했다는 주장이다. 최고 성능 모델들이 금액 기준 시장의 80% 이상을 차지하는 현상이 이어졌다는 설명이다. [24:58]
• 이 우위는 시장이 아직 포화되지 않았고 고객이 가장 똑똑한 모델을 원하기 때문일 수 있다. 기업 도입률은 3%라는 수치가 거론되지만 예산 기준 비중은 약 1% 이하라는 추정에 따르면, 유용성에 비해 성장 여지가 여전히 크다. [25:32]

13. 짧은 모델 수명은 출시 지연과 시장 둔화의 위험을 키운다

• 모델 기업의 재무 전망에는 차기 모델 출시가 늦어질 위험이 충분히 반영되지 않을 수 있다. 규제·기술·보안 문제 등으로 출시가 몇 달 미뤄지면 기존 모델이 시장을 유지하지 못할 가능성이 있으며, 이는 긴 매출 꼬리를 기대해 온 소프트웨어와 다르다. [26:15]
• 애플리케이션 기업 등의 모델 사용 추이를 본 경험상 모델 수명은 3~6개월이라는 추정이다. 이 관점에서는 기존 모델의 장기 수익에 의존하기보다 다음 모델을 계속 출시해야 한다. [26:58]

14. 코딩 자동화의 포화가 더 저렴한 모델로의 전환을 뜻하지는 않는다

• 많은 코딩 작업이 이미 충분히 해결됐다는 평가와 최첨단 모델 토큰에 대한 높은 지출이 공존한다. 이전 모델이나 훨씬 저렴한 모델로도 작업을 처리할 수 있다면 왜 지출이 계속되는지 의문이 생긴다. [27:43]
• ‘이미 95%를 자동화해 추가 토큰 수요가 늘지 않는다’는 가정과 ‘따라서 더 저렴한 모델을 써도 된다’는 결론은 서로 다른 주장이다. 자동화 범위가 포화에 가까워졌다는 판단만으로 기존 작업을 저가 모델로 대체할 수 있다고 추론할 수는 없다. [28:14]

15. 경쟁은 더 똑똑한 모델에 대한 지불 의사를 유지한다

• 경쟁하는 스타트업은 상대보다 성능이 낮은 모델을 선택하기 어렵기 때문에, 가장 똑똑한 모델에 열 배의 비용도 지불할 것이라는 주장이다. 작업 성능이 충분해져 추가 지능이 필요 없어질지는 열린 문제지만, 개발 속도와 품질 경쟁이 더 높은 지능을 요구한다고 본다 [28:51]
• 토큰 사용량이 더 늘지 않으면 성장도 둔화하므로 가격을 올리거나 사용처를 넓혀야 한다. 경쟁 때문에 가격은 유지될 것으로 보며, 코딩 밖의 일반 지식 업무로 활용이 확장되고 있다고 판단한다 [29:27]

16. 개인용 AI를 집 안에서 작동하는 존재로 확장한다

• 개인용 AI를 재무 관리와 모듈러 신시사이저 취미에 활용하며, 집이 사용자를 맞이하고 대화하는 가정용 AI로 확장하려 한다 [30:26]
• 원하는 집의 모습과 설명을 AI에 제공하고, 이를 구현할 장비와 오픈소스 프로젝트를 고르게 했다. 장비는 주문했지만 실제 구현 결과는 아직 확인되지 않았다 [31:00]

17. 새로운 활용을 막는 제약은 기존 소프트웨어에 대한 고정관념이다

• AI를 기존 소프트웨어나 검색의 연장으로만 이해하면 활용 가능성을 좁히게 된다. 범용적이고 유연한 기술이 등장했지만, 사람들이 소프트웨어의 한계를 당연하게 받아들여 시도를 제한하고 있다는 진단이다 [31:58]
• 3D 장면과 움직임을 생성하는 모델을 바탕으로 영화 속 공간에 들어가거나 몰입형 연극을 VR로 경험하는 활용을 상상한다. 이런 경험에 가까워지고 있다는 전망이며, 완성된 서비스가 있다는 주장은 아니다 [32:30]

18. 디지털 작업의 해결 경로와 물리 세계의 불확실성은 다르다

• 컴퓨터에서 시뮬레이션할 수 있는 작업은 강화학습 환경을 만들고 훈련할 수 있으므로, 충분한 자본이 있으면 해결할 수 있다는 강한 확신을 보인다. 코드 작성, 컴퓨터 조작, Blender를 이용한 3D 작업이 그 예다 [34:24]
• 현재 AI가 모든 디지털 작업을 수행한다는 뜻은 아니지만, 컴퓨터로 하는 일 전반을 수행하게 될 경로는 보인다고 판단한다 [35:09]

19. AI 보안은 초기 혼란을 거쳐 방어 역량을 높일 수 있다

• 인터넷 초기에도 웜이 수십억 달러의 경제적 피해를 일으키고 핵심 기반시설을 마비시켰다. 인터넷에 연결된 Windows 95가 설치를 마치기도 전에 감염되던 사례는 새로운 컴퓨팅 환경의 보안 혼란을 보여준다 [36:05]
• AI 도입기에도 실제 피해를 주는 침해 사고와 수년의 혼란이 있을 수 있지만, 방어자가 공격자보다 더 많은 자원을 투입할 수 있다면 기술적 해결책이 나올 것으로 예상한다 [37:03]

20. AI에 자본이 집중돼도 기존 성장 기업의 투자 가치는 남는다

• AI 투자에서 기대하는 높은 수익 때문에 과거에는 매력적이었을 소프트웨어 기업도 투자 우선순위에서 밀린다. 자본 조달 비용과 다른 투자 기회의 수익성이 기존 기업의 자금 확보를 어렵게 만드는 문제다 [38:05]
• 수익을 내면서 40~60% 성장하는 기업도 상장하기에는 규모가 작을 수 있다. 이런 기업은 여전히 개인 자산을 투자하고 싶을 만큼 매력적이라는 평가다 [38:37]

21. 소프트웨어 증가가 오히려 인프라 기업의 수요를 키운다

• 소프트웨어를 쉽게 만들 수 있게 되더라도 데이터베이스 같은 인프라까지 쉽게 대체되는 것은 아니다. 소프트웨어가 늘면 이를 뒷받침하는 인프라도 더 필요하다는 관점이다 [40:11]
• Snowflake 같은 사업은 제품 구축뿐 아니라 다양한 기능, 성능 요구, 실제 운영을 감당하기 어렵다. AI보다는 기존 경쟁사와의 경쟁이 더 직접적인 위험이라는 평가다 [40:23]

22. AI는 자본을 개발 역량으로 전환하는 방식을 바꾼다

• AI 기업들이 목표를 달성하는 데 필요한 연산 자원을 충분히 확보하지 못하면서, 추가 자본이 얼마나 성장을 늘릴 수 있는지가 중요해진다 [41:26]
• 기존 소프트웨어 개발은 인력을 늘려도 속도가 비례해 빨라지지 않았다. 『맨먼스 미신』이 다룬 조직 내 소통 비용 때문에 사람을 더 투입하고도 일정이 늦어질 수 있었다 [42:49]

23. 부채 부족은 작은 사업자와 고객의 선결제 부담으로 계속된다

• 현장에서 관찰한 부채 조달 여력은 부족해지고 있다. 자금을 공급하는 기관은 위험한 네오클라우드보다 국채나 투자등급 기업을 선호할 수 있어, 투자등급이 없는 기업의 조달이 더 어려워진다는 판단이다 [44:13]
• 일반적인 투자 유동성은 충분할 것으로 보지만, 부채는 현재 조달하기가 더 어렵다고 평가한다. 부채 조달을 전제로 하는 사업모델에서는 규모와 신용도가 유리하게 작용한다 [44:53]

24. 네오클라우드와 네오랩은 최종적으로 무엇을 파는지로 구분한다

• 기존 모델의 토큰을 생산하는 사업은 수직 통합의 정도와 관계없이 네오클라우드로 구분한다. 네오클라우드는 GPU와 물리적 인프라를 바탕으로 연산 자원, 미세조정 서비스, 토큰을 제공하는 사업이다 [46:37]
• 네오랩은 새로운 모델 구조와 학습 방식, 지능 문제의 해결을 목표로 한다. 자체 GPU나 인프라를 보유하더라도 그것을 구축해 판매하는 것이 핵심 목표는 아니라는 구분이다 [47:19]

25. 반도체와 전력의 제약 아래 대형 공급자와 틈새 사업자가 공존한다

• 현재 가장 직접적인 공급 제약은 하드웨어와 전력이며, 반도체와 자재도 부족하다. 이런 조건에서는 시장의 80%가 규모 있는 공급자에게, 20%가 접근하기 어려운 틈새에 돌아갈 것으로 예상한다 [47:54]
• 농장의 닭장을 개조해 설치한 GPU까지 연결하는 시장처럼 대형 사업자가 직접 다루기 어려운 수요가 존재한다. 전체 시장이 충분히 크므로 20%의 틈새만으로도 다양한 소규모 사업자가 공존할 수 있다는 전망이다 [48:18]

26. 데이터센터 건설 규제가 해외와 우주로의 확장을 자극한다

• 우주 데이터센터는 경제성뿐 아니라 규제 측면에서도 매력이 있다는 주장이다. 미국에서 데이터센터 건설을 막으려는 법안이 약 500개 제안돼 있다고 보며, 텍사스에서도 건설에 제약이 생기는 상황을 문제로 삼는다 [49:18]
• 규제 압력이 지속되고 실제 착공이 어려워지면 해외나 우주로 향할 수 있다고 예상한다. 우주 이전을 확정된 경로로 단정하지 않고, 지상 건설이 막힐 때의 대안으로 본다 [49:37]

27. 투자 가격보다 실사로 낮출 수 있는 위험에 집중한다

• 훌륭한 자산도 너무 비싸게 사면 투자 수익이 훼손될 수 있다는 문제에 대해, 민간시장 역시 효율적으로 가격을 형성한다는 입장을 취한다. 시장보다 싼 거래를 찾기보다 시장 가격을 받아들이는 방식이다 [51:07]
• 경쟁이 치열했던 투자에서도 시장 가격을 지불했으며, 실사의 역할은 가격의 오류를 찾는 것보다 자신이 부담하는 위험을 줄이는 데 있다고 본다 [51:55]

28. 모든 기업을 사기 어려우므로 분야별 최상위 기업을 선택한다

• 경쟁력 있는 모든 투자 건의 지분을 5%씩 보유하는 방식이 이상적이라고 생각하지만, 경쟁 관계와 투자 여력, 기업을 추적하고 지원할 역량 때문에 실행하기 어렵다 [52:48]
• 좋은 창업자들이 자신의 미래와 기회비용을 걸고 뛰어든 분야를 유효한 시장으로 보고, 팀·기술·수익화 가능성·시장 성장성을 검토해 가장 좋은 기업을 고른다. 이후 가격은 시장이 효율적으로 정한다고 가정한다 [53:49]

29. 비합의 투자는 후속 자금 조달 위험을 동반한다

• 거품 여부를 예측하거나 시장 가격에 지속적으로 이의를 제기하는 투자 태도에 회의적이다. 기술의 가치 창출과 시장의 가격 형성 능력을 함께 신뢰해야 한다는 입장이다 [54:56]
• 시장 합의에 반하는 투자는 후속 투자금을 확보하지 못할 위험이 있다는 주장이다. 독자적인 기회를 찾아 남보다 똑똑함을 증명하려는 투자자의 정체성이 이런 위험을 과소평가하게 할 수 있다고 본다 [55:39]

30. 민간시장으로 유입된 자금이 시장의 규모를 키울 수 있다

• 민간시장에 돈을 넣어도 민간시장 자체의 규모는 커지지 않는다는 믿음에도 반대한다 [56:41]

31. 비상장시장의 투자 기회는 자본과 함께 커질 수 있다

• “중요한 스타트업은 20개뿐”이므로 자금이 많으면 과잉투자가 된다는 주장에 반대한다. 지난 20년간 비상장시장으로 유입된 자금이 증가하는 동안 기업가치와 대형 회수 기회도 함께 커졌다는 점이 반론의 근거다. [57:45]
• 자본은 기존 투자 기회를 나눠 갖는 데 그치지 않고, 새로운 시장과 투자 가능한 전체 시장 규모를 만든다는 관점이다. 비상장 자금이 풍부해지면 기업이 상장하지 않고도 성장할 수 있어 비상장시장의 투자 기회가 확대된다. [58:33]

32. 전략적 인수합병은 신뢰와 시장 확장 논리로 성립한다

• 자신의 회사를 VMware에 12억 6,000만 달러에 매각한 경험을 비롯한 전략적 인수합병에서, 양측 핵심 인물의 깊은 신뢰와 미래에 대한 공통된 관점이 반복적으로 중요했다. 거래가 양측 모두에게 큰 위험인 만큼 시장·인프라·데이터를 바라보는 방향이 맞아야 한다. [1:00:51]
• 인수자는 큰 시장에 진입할 수 있는 선택권을 산다. VMware 사례에서는 400억 달러 시장을 겨냥한 10억 달러 규모의 선택권이라는 논리 아래, 기존 네트워킹 예산을 확보할 수 있다는 근거와 가상머신에 제품을 결합해 판매를 확대할 수 있다는 경로를 연결해야 했다. [1:01:51]

33. Cursor 사례에서는 모델 개발 자원과 데이터의 결합이 핵심이었다

• Cursor는 수십억 달러 규모의 투자 유치를 마무리하던 시점에 Mythos의 등장을 맞았다. Mythos 제작비를 정확히 알지는 못하지만 약 30억 달러로 추정하면서, 자체 모델을 개발하려면 추가 자금과 컴퓨팅 자원이 필요하다고 판단했다. [1:03:38]
• 그만한 컴퓨팅 자원을 확보한 상대가 많지 않아 전략적 논의가 시작됐다. 설명에 따르면 SpaceX에는 컴퓨팅 자원이, Cursor에는 많은 사용자와 데이터, 모델 개발 경험을 갖춘 팀이 있어 서로의 필요가 맞아떨어졌다. [1:04:11]

34. 거래 유출과 경쟁 유도는 전략적 인수합병을 흔들 수 있다

• 대형 전략적 거래에서는 투자 유치 이력이나 유사 기업의 시장 가격으로 가치를 판단하면서, 상대방과 선의로 협상하는 접근이 효과적이었다. 반대로 이사회 구성원이 창업자에게 경쟁 입찰이나 언론 유출을 부추겨 비슷한 규모의 거래가 무산된 경험도 있었다. [1:05:55]
• World Labs 거래는 소수만 알고 있어 유출되지 않았지만, OpenRouter 거래는 반복적으로 유출됐다. 유출이 가격을 올리는 수단이라는 일부 투자자의 기대와 달리, 실제로는 거래를 불안정하게 만든다고 지적한다. [1:06:20]

35. 거대 비상장기업과 초기 스타트업에는 다른 투자 역량이 필요하다

• 현재의 대형 비상장기업은 20년 전 상장기업에 견줄 정도로 커졌다. 비상장시장 안에서도 투자 단계를 더 분명히 구분하고, 후기 투자자가 초기 기업에 참여할 때 자신의 전문성과 판단 방식이 적합한지 점검필요가 있다. [1:08:25]
• 2021년 일부 사모투자자의 이사회 참여 사례에서는 장기간 현금을 소진하며 기술을 개발하는 기업을 현금 소진 지표 중심으로 이해하려는 문제가 있었다. 시장을 30년 전보다 “천 배” 커졌다고 표현할 만큼 확대된 것으로 보며, 이런 혼선을 산업이 성숙하는 과정의 성장통으로 해석한다. [1:09:24]

36. 창업자 면담에서는 경청과 의사결정에 필요한 질문이 중요하다

• 운영자 출신 투자자는 창업자의 말을 듣는 법과 자신에게 정말 필요한 질문을 하는 법을 배워야 한다. 경쟁사를 묻는 등의 관행적인 질문도 투자 결정에 도움이 되지 않는다면 면담을 형식적인 문답으로 만들 수 있다. [1:11:19]
• 창업자의 판단에 동의하지 않더라도 즉시 문제를 고치려 하기보다, 그 사람이 실제로 무엇을 믿는지 이해해야 한다. “내가 더 잘 운영할 수 있다”는 생각만으로 좋은 투자라고 판단해서는 안 된다. [1:11:49]

37. AI는 기술 문제를 자본 배분 문제로 바꿀 수 있다는 전망이다

• AI의 변화를 산업혁명에 견줄 만한 전환으로 본다. 복잡한 엔지니어링과 지속적인 유지보수가 필요했던 소프트웨어 문제를 자본과 자원의 투입으로 해결하는 방향으로 바뀌고 있다는 판단이다. 다만 물리적 현실의 문제에도 같은 변화가 적용되는지는 아직 확신하지 못하며, 앞으로 가능해질 것으로 기대한다. [1:13:16]
• 이 전망이 맞는다면 자본 배분자는 이전보다 직접적으로 기술의 미래를 만드는 위치에 놓인다. 필요한 자원을 공급하고 규모를 확대하는 투자가 혁신의 실현에 더 큰 영향을 줄 수 있다. [1:13:31]

38. 후반 광고는 자본 배분과 기업 운영 도구를 홍보한다

• Ramp 광고는 지출 시스템을 자본 배분 전략과 연결하며 더 나은 데이터와 의사결정을 강조한다. Vanta 광고는 기업 성장에 맞춘 컴플라이언스 자동화와 보안·위험 정보의 통합 관리를 내세운다. [1:14:27]
• WorkOS 광고는 기업 고객 대응에 필요한 인프라 구축 부담을 줄이는 서비스를, Ridgeline 광고는 자산운용사의 성장과 운영 개선을 지원하는 기술을 홍보한다. Ridgeline의 “5배” 성장·확장 지원 표현도 광고상의 주장으로 등장한다. [1:14:54]

🧾 결론

• 핵심은 AI 붐의 종료 시점을 맞히는 것보다, 성장 둔화가 각 사업의 가격·수요·자금 조달에 미치는 경로를 구분하는 데 있다.
• 코딩 자동화의 범위가 포화된다는 주장과 기존 작업을 저렴한 모델로 대체할 수 있다는 주장은 다르다. 개발 속도와 품질 경쟁이 고성능 모델의 지불 의사를 유지할 가능성도 남아 있다.
• 자료는 기술과 자본의 결합을 강하게 낙관하지만, AI 시장 둔화 이후의 결과는 알 수 없다고 인정한다. 성장 속도가 느려도 사업 기반이 유지되는 기업을 함께 보유하는 분산 접근이 제시된다.

📈 투자·시사 포인트

• 투자 전제를 먼저 명시한다. 재무 건전성, 기술의 가치 창출, 창업팀, 시장 진입·이탈 중 무엇에 근거한 판단인지 구분해야 상황에 따라 논리를 바꾸는 편향을 줄일 수 있다.
• 모델 기업은 출시 일정과 매출 지속성을 함께 본다. 현재의 성능 우위뿐 아니라 후속 모델 지연, 고객의 모델 교체, 가격 결정력 약화에 얼마나 노출돼 있는지 확인필요가 있다.
• 인프라는 수요 증가와 자금 부담을 함께 평가한다. 소프트웨어 증가에 따른 수혜 가능성이 있어도 하드웨어·전력 부족과 부채 조달 제약이 공급 및 고객 선결제 부담으로 이어질 수 있다.
• 성숙도에 맞는 판단 기준을 적용한다. 초기 기술은 고객의 사용 의사와 지불 의향도 중요한 신호지만, 큰 자본을 투입할 수 있다는 사실만으로 수익성이나 투자 가격의 적정성이 입증되지는 않는다.

⚠️ 불확실하거나 확인이 필요한 부분

• 최고 성능 모델의 금액 기준 점유율 80% 이상, 기업 도입률 3%, 예산 비중 약 1% 이하, 모델 수명 3~6개월은 자료에서 제시된 관찰·추정이다. 조사 범위와 산정 방식이 제공되지 않아 일반화에 주의가 필요하다.
• 시장 포화 이후 오픈소스로 가치가 이동할 가능성과 경쟁 때문에 최첨단 모델의 가격이 유지될 가능성이 함께 제시된다. 어느 경로가 우세할지는 확인되지 않았다.
• 시장 둔화가 산업 통합으로 이어진다는 주장과 민간시장의 가격 형성이 효율적이라는 입장은 투자자의 해석이다. 모든 AI 기업과 거래에 적용되는 확정적 법칙으로 볼 수 없다.
• 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

• 검토 중인 투자마다 기술·팀·재무·시장 타이밍 중 핵심 전제와 그 전제가 깨지는 조건을 기록한다.
• 모델 기업의 후속 출시가 몇 달 지연되는 경우를 가정하고 기존 모델 매출, 고객 유지, 추가 자금 필요성을 점검한다.
• 고객의 토큰 사용량, 실제 지출, 모델 교체 이유를 나눠 확인해 수요 포화와 저가 모델 대체를 구분한다.
• 인프라 기업의 수요를 일반 소프트웨어 증가와 AI 중심 시스템 구축으로 나누고, 부채·전력·하드웨어 확보 조건을 확인한다.

❓ 열린 질문

• 어떤 업무에서 추가 지능에 대한 지불 의사가 먼저 정체되며, 그때 최첨단 모델의 가격 결정력은 얼마나 유지될까?
• 모델 시장이 둔화하면 가치는 오픈소스, 애플리케이션, 기존 인프라 가운데 어디로 이동할까?
• 소프트웨어 생산 증가가 만드는 인프라 수요는 모델 사용량 둔화를 어느 정도 상쇄할 수 있을까?