YouTube20VC with Harry Stebbings·2026년 11월 21일·0

Why Neo-Clouds are Great Businesses & The State of Compute with Kush Bavaria, Co-Founder @ Ornn

Quick Summary

Why Neo Clouds are Great Businesses & The State of Compute with Kush Bavaria, Co Founder @ Ornn를 중심으로, 네오클라우드의 매력은 인프라 소유와 임대수익이다. 바바리아는 GPU 공급자가 AI 기업에 연산 자원을 빌려주는 구조를 건물를 핵심 판단 포인트로 압축 정리한다.

영상 보기

클릭 전까지는 가벼운 미리보기만 먼저 불러옵니다.

원본 열기

🖼️ 인포그래픽

Why Neo-Clouds are Great Businesses & The State of Compute with Kush Bavaria, Co-Founder @ Ornn 내용을 설명하는 본문 이미지

🖼️ 4컷 인포그래픽

Why Neo-Clouds are Great Businesses & The State of Compute with Kush Bavaria, Co-Founder @ Ornn의 핵심 내용을 4단계로 요약한 인포그래픽
Why Neo-Clouds are Great Businesses & The State of Compute with Kush Bavaria, Co-Founder @ Ornn 핵심 내용을 4단계로 압축한 4컷 인포그래픽

💡 한 줄 결론

Why Neo-Clouds are Great Businesses & The State of Compute with Kush Bavaria, Co-Founder @ Ornn를 중심으로, 네오클라우드의 매력은 인프라 소유와 임대수익이다. 바바리아는 GPU 공급자가 AI 기업에 연산 자원을 빌려주는 구조를 건물를 핵심 판단 포인트로 압축 정리한다.

📌 핵심 요점

  1. 네오클라우드의 매력은 인프라 소유와 임대수익이다. 바바리아는 GPU 공급자가 AI 기업에 연산 자원을 빌려주는 구조를 건물주와 임차인에 비유한다. GPU 임대 자체의 해자가 약하더라도 사업의 투자 매력이 사라지는 것은 아니라는 입장이다.
  2. 토큰 수요와 긴 조달 기간이 가격 상승론의 근거다. 토큰 판매를 늘리려는 기업들이 제한된 연산 자원을 확보하려 경쟁한다는 설명이다. 다만 GPU 가격 상승과 공급 부족 사례는 바바리아의 관찰이며, 장기적으로 지속된다고 확정할 수는 없다.
  3. 고객 신용위험은 GPU 가격위험으로 이어진다. AI 고객이 실패하면 공급자는 남은 연산 용량을 다시 팔아야 한다. 투자금 회수에 필요한 기간보다 임대계약이 짧다면 계약 종료 이후의 수입과 GPU 잔존가치도 중요해진다.
  4. Ornn은 실물 거래를 기반으로 가격지수와 위험관리 시장을 구축하려 한다. 모든 컴퓨트를 동일하게 취급하기보다 특정 GPU 구성과 거래 조건을 표준화해 참조가격을 만드는 접근이다. 필요한 거래 데이터를 확보하기 위해 외부 자본을 활용한 칩 운영까지 사업을 확장했다고 설명한다.
  5. 구형 GPU 활용과 물리 인프라가 추가 기회로 제시된다. 바바리아는 A100·H100의 장기 임대 사례와 추론 수요의 전문화를 근거로 기존 칩의 경제적 수명이 길어질 수 있다고 본다. 전력 설비와 변압기 등 데이터센터 구축에 필요한 구성요소에도 투자 기회가 있다는 견해다.

🧩 배경과 문제 정의

  • Ornn 공동창업자 쿠시 바바리아는 GPU 연산 가격지수와 선물시장을 구축하고 있다. 핵심 문제는 연산 자원을 미리 확보해야 하는 구매자가 미래 수요와 가격을 알기 어렵다는 점이다.
  • AI 서비스의 토큰 수요 증가와 긴 인프라 구축 기간은 GPU 공급 부족과 가격 상승을 뒷받침한다. 반면 기업의 AI 투자수익이 충분히 입증되지 않으면 수요 둔화가 임대사업자와 채권자에게 전파될 수 있다.
  • 네오클라우드의 투자 매력은 인프라 소유와 임대수익에 있다는 것이 바바리아의 관점이다. 다만 고객의 지급 능력, 기존 GPU의 경제적 수명, 추론시장의 전문화 여부는 여전히 중요한 불확실성이다.

🕒 시간순 섹션별 상세정리

1. MIT 스포츠 베팅 앱에서 드러난 개발력과 사업화의 간극

  • 바바리아와 공동창업자 웨인은 Novig 인턴십에 합류하지 못한 뒤 직접 스포츠 베팅 앱을 만들었다. 당시 강점은 코딩이었고, 영업과 법률 등 사업 운영에 대한 이해는 부족했다 [01:42]
  • 선수 기록과 배당에 거래할 수 있는 앱은 MIT의 사교클럽을 중심으로 이용됐지만 학교 밖으로 확장되지는 못했다. 제품 개발 능력만으로는 고객 확보와 시장 진입 문제를 해결하기 어려웠다 [02:24]

2. 창업자의 협상 태도와 데이터 가격 책정

  • 바바리아는 트래비스 칼라닉을 더 공격적이고 야심 있게 행동하기 위한 참고점으로 삼는다. 필요한 상황에서도 반박하거나 요구를 밀어붙이지 못하는 자신의 성향을 보완하려는 취지다 [03:04]
  • 초기에는 대형 헤지펀드와 트레이딩 업체에 데이터를 월 5,000~10,000달러에 판매했다. 고객들이 즉시 수락하는 모습을 본 뒤, 일부 고객은 월 10만 달러나 50만 달러도 지불할 의향이 있다고 판단하면서 기존 가격이 지나치게 낮았다고 돌아봤다 [04:00]

3. 창업으로 훈련을 중단한 뒤 완주한 마라톤

  • 바바리아는 대학 시절 달리기와 마라톤 경험이 있었지만, 새로 신청한 대회는 창업 이후 훈련 시간을 확보하지 못했다. 하루 약 두 시간이 필요한 훈련이 회사 운영과 충돌했다 [04:48]
  • 대회 당일에는 포기하지 않겠다는 생각으로 출전했고, 본인의 기억으로 약 3시간 30분에 완주했다. 기록과 별개로 매우 고통스러운 경험이었다 [05:27]

4. 인프라 임대수익의 매력과 수요 감소 위험

  • 데이터센터와 GPU 인프라를 소유한 투자자는 건물주에, 이를 사용하는 AI 기업과 추론 제공업체는 임차인에 비유된다. 바바리아의 낙관론은 고객이 계속 존재하는 동안 인프라 소유자가 임대료를 받을 수 있다는 데 기반한다 [06:26]
  • 기업의 AI 투자수익이 기대에 못 미치면 서비스 제공업체를 거쳐 인프라 투자자까지 영향을 받을 수 있다. 바바리아도 수요가 줄면 GPU 시간당 가격이 하락한다는 점은 인정한다 [07:38]

5. 토큰 수요가 GPU 가격과 연산 확보 경쟁을 밀어 올리는 구조

  • 바바리아는 AI 제품의 실제 유용성과 토큰 수요를 근거로 인프라 부채 확대를 크게 우려하지 않는다. H100과 B200·B300 가격도 초기보다 높아졌다는 것이 그의 시장 관찰이다 [08:57]
  • 토큰 판매를 늘리려면 생성 효율을 높이거나 연산 자원을 더 확보해야 한다. 두 방법을 함께 추진하더라도 공급이 부족하면 추가 연산을 얻기 위해 다른 구매자보다 높은 가격을 제시해야 한다 [09:40]

6. 가격 하락을 전제했던 계약 관행과 네오클라우드 강세론

  • 초기에는 3~5년 뒤 GPU 시간당 가격이 낮아질 것이라는 기대가 강했다. 이 때문에 3년 뒤 계약을 시간당 2.50달러에 연장할 수 있는 선택권을 무료로 제공하기도 했지만, 이제는 같은 가격의 갱신 선택권을 무상으로 주기 어려워졌다는 관찰이다 [10:25]
  • 바바리아는 수요가 계속 강하면 Rubin의 GPU 시간당 가격이 20~30달러에 이를 가능성도 있다고 본다. 이는 확정된 가격이 아니라 그의 전망이다 [11:09]

7. 기업의 AI 활용 부진이 과잉투자와 채무불이행으로 이어지는 약세 시나리오

  • 약세 시나리오는 기업들이 AI의 실질적 효과를 체감하지 못해 토큰 구매를 줄이는 경우다. 바바리아는 대기업의 AI 활용이 아직 충분히 유용하지 못한 사례가 있으며, 구현 과정의 문제일 가능성도 있다고 본다 [12:46]
  • 연산 자원은 수요를 확신하기 전에 확보해야 한다. 예상 수요가 실현되지 않으면 과잉 구매한 GPU의 임대수익이 부족해지고, 채무불이행 이후 채권자가 회수한 장비의 경제적 가치도 크게 낮아질 수 있다 [13:37]

8. 길어진 조달 기간과 가격위험을 관리할 시장의 필요성

  • 기존에 18~20주 앞서 연산 자원을 구매하던 기업도 조달 기간 증가에 따라 22~26주 전 구매를 고려해야 한다는 판단이다. 구매 시점에는 실제 사용 시점의 가격을 알 수 없으므로 가격위험을 헤지할 수단이 필요하다 [14:19]
  • 바바리아는 가격 상승 전망을 전제로, 자금이 충분하고 AI 투자를 계획한 기업이라면 칩이나 데이터센터를 먼저 확보하는 편이 유리하다고 본다. 남는 GPU를 다른 기업에 임대하는 선택지도 제시하지만, 이는 수요와 가격이 유지된다는 가정에 기대는 전략이다 [14:58]

9. AI 도구 선택을 좌우하는 이용비용과 기존 크레딧 활용

  • Ornn 팀은 일상 업무에 Grockbot을, 개발에 Cursor와 Factory 등을 사용한다. 바바리아는 별도 비서 없이도 일상 업무 도구가 유용하게 작동한다고 평가하며, 공동창업자는 Instinct를 사용한다고 한다 [15:48]
  • Factory의 장점은 자체 API 키를 연결해 스타트업이 받은 Claude·OpenAI 크레딧을 활용할 수 있다는 점이다. 월 200달러 요금제도 사실상 제한 없이 토큰을 쓰는 것처럼 느껴질 만큼 유리하다는 이용자 관점의 평가다 [16:25]

10. 구형 GPU의 지속적인 활용과 추론시장의 전문화

  • A100과 H100이 여전히 장기 임대된다는 사례는 구형 GPU의 경제적 수명이 예상보다 길 수 있음을 시사한다. 바바리아는 최첨단 모델 학습에서 밀려난 칩도 소형 모델이나 상대적으로 부담이 작은 추론에 사용될 수 있다고 본다 [17:29]
  • 추론 수요는 응답속도, 비용, 작업 유형에 따라 나뉠 수 있다. 가장 빠른 토큰 생성, 느리지만 저렴한 처리, 이미지·영상 생성이나 과학 분야 작업처럼 서로 다른 요구에 맞춘 전문 제공업체가 등장할 것이라는 전망이다 [18:32]

11. AI 투자 과열의 동력인 소외 공포와 선점된 응용 분야

  • 두 시간 만에 투자 라운드가 끝나는 상황은 충분한 검토보다 과열과 소외 공포가 작용한다는 것이 바바리아의 판단이다. OpenAI와 Anthropic의 초기 투자 기회를 놓친 투자자들이 다음 대형 기업까지 놓칠까 두려워 자금을 투입한다는 해석이다 [20:38]
  • 고객지원과 일부 전문 업무용 AI는 이미 경쟁이 과열됐거나 강한 선두 업체가 자리 잡았다는 평가다. 바바리아는 Rogo와 Harvey 등이 선점한 범주에 유사한 제품으로 진입해 이기기 어렵다고 본다 [22:05]

12. 데이터센터 성장에 필요한 전력·물리 인프라의 투자 기회

  • 바바리아가 투자하고 싶은 분야는 에너지와 물리적 AI 인프라다. 특히 네오클라우드와 데이터센터 구축업체에 필요한 제품을 만드는 기업이 충분하지 않다고 본다 [22:54]
  • 전력 인프라와 변압기처럼 눈에 덜 띄는 구성요소에도 기회가 있다는 판단이다. 데이터센터가 7조 달러 규모라는 가정에서는 상당한 지출이 물리적 구축에 필요하므로, 개별 부품 시장도 겉보기보다 클 수 있다 [23:15]

13. 뉴욕의 관계 중심 문화와 친구들과 일하려는 창업 동기

  • 바바리아는 실리콘밸리보다 뉴욕을 선호한다. 실리콘밸리에서는 추가 보상에 따른 이직이 흔하고 뉴욕에서는 동료에 대한 충성심과 유대가 더 강하다는 개인적 인식이다 [24:13]
  • 진행자도 실리콘밸리의 집단사고와 거래 중심 관계를 비판한다. 두 사람은 금전적 이익만으로 관계를 판단하기보다 존중하는 사람들과 함께 좋은 일을 하는 데 가치를 둔다 [24:47]

14. BCG에서 경험한 AI 업무 자동화와 독립

  • 바바리아는 BCG 사모펀드 팀에서 일할 때 ChatGPT로 엑셀 수식을 만들고 Python으로 업무를 처리했다. 빠른 결과물은 자신의 업무 지식만이 아니라 AI 활용과 코딩 능력에서 나왔다는 자평이다 [26:08]
  • 인턴십에서 배운 것은 많았지만 장기적으로 그 일을 하고 싶지는 않았다. 이후 스타트업을 운영하던 중에도 BCG 채용 담당자가 복귀 예정자로 잘못 알고 연락했다는 일화는 기업 취업 대신 창업을 선택한 경로를 보여준다 [27:15]

15. 공급자 다변화가 만든 연산 거래시장과 네오클라우드의 해자 문제

  • 연산시장에는 유사한 Nvidia GPU를 판매하는 다수의 공급자와 이를 원하는 다수의 구매자가 존재한다. 위치나 메모리 조건은 달라도 공통된 자원을 거래하므로 수요와 공급을 연결하는 시장이 필요하다는 논리다 [27:54]
  • 바바리아는 GPU 임대 자체에는 강한 해자가 부족하며, CoreWeave 등의 후학습·토큰 사업 확장은 차별화를 확보하려는 시도라고 본다. 그래도 인프라를 소유하고 임대료를 받는 사업은 매력적일 수 있어, 해자 부족과 투자 낙관론이 반드시 모순되지는 않는다는 입장이다 [28:32]

16. 모든 컴퓨트의 통일보다 특정 상품의 기준가격이 중요하다

  • 네오클라우드의 GPU 경매는 컴퓨트 가격이 시장에서 형성되는 흐름을 보여준다. Ornn은 실물 거래에서 얻은 데이터로 컴퓨트 지수를 만드는 방식을 택했다. [30:19]
  • 컴퓨트는 칩과 구성에 따라 여러 종류로 나뉘므로, 특정 유형을 정밀하게 추적해 시장의 참조가격으로 삼으면 된다는 논리다. [30:46]

17. 지수 사업의 기반은 신뢰와 실제 거래 데이터다

  • 거래 사업의 경쟁력에는 신뢰와 오랜 관계가 크게 작용한다. S&P와 Moody’s의 지위도 이러한 신뢰의 축적과 연결된다고 본다. [31:50]
  • Ornn의 장기 구상은 실물 거래에서 데이터를 확보하고, 이를 지수·데이터 상품·등급평가로 확장하는 것이다. 컴퓨트 시장이 기존 원자재보다 커질 수 있다는 전망이 이 구상의 전제다. [32:19]

18. 데이터 확보의 한계가 칩 운영까지 사업을 확장시켰다

  • 자체 자금으로 네오클라우드를 세우는 대신, 외부 투자자가 칩이나 데이터센터 프로젝트에 투자하고 Ornn이 칩을 통제·운영하며 수익화하는 구조를 구축했다. 매각 후 재임대 같은 금융 방식도 활용한다. [33:22]
  • 처음에는 소프트웨어·데이터 회사만 생각했지만, 다른 사업자들이 핵심 거래 데이터를 충분히 제공하거나 표준화해 주지는 않았다. 약 6개월간 데이터 제공을 요청해 일부를 확보했어도, 원하는 시장 규모를 뒷받침하기에는 부족했다고 보여준다. [33:56]

19. 컴퓨트 선물의 초기 수요는 신용위험과 계약 이후 가격에서 나온다

  • 초기 대형 거래자는 컴퓨트 가격에 이미 노출된 주체일 가능성이 크다. 예컨대 1억 달러를 조달한 기업에 2억 5,000만 달러 규모의 컴퓨트를 제공하면, 공급자나 대출기관은 그 기업의 추가 자금조달 능력에 의존하게 된다. [35:30]
  • 고객이 부도나면 남은 컴퓨트를 시장에 다시 팔아야 하며, 재판매 가격은 기존 계약보다 높거나 낮을 수 있다. 고객 신용위험이 컴퓨트 가격위험으로 이어지는 구조다. [36:16]

20. 대규모 인프라 투자가 우량 기업의 자금조달에도 불안을 더한다

  • Meta 같은 기업의 자금조달 비용이 높아지는 배경으로 시장의 불안과 막대한 인프라 투자 규모를 지목한다. 기존 사업에서 벌어들인 현금을 데이터센터 용량 확충에 집중하는 흐름이 투자자에게 부담을 준다는 해석이다. [37:41]
  • 진행자는 Google과 Facebook의 잉여현금흐름 악화 가능성을 우려한다. Bavaria는 일부 금융시장 참여자가 AI 수요의 실체를 확신하지 못하는 점도 이러한 불안에 영향을 준다고 본다. [38:16]

21. 클러스터 표준화는 고객 교체와 담보가치 평가를 쉽게 한다

  • 지수는 컴퓨트 클러스터의 표준화를 촉진할 수 있다. 여기서 대체 가능성이란 고객마다 완전히 다른 설비를 만드는 대신, 한 고객이 빠져도 다른 고객이 같은 클러스터를 사용할 수 있다는 뜻이다. [38:46]
  • 표준화된 상품은 고객 부도 이후 다른 이용자를 들이기 쉬워 대출기관과 신용시장에 유리하다는 논리다. 진행자는 이러한 특성이 평가에 적용되는 할인율을 낮출 수 있다고 연결한다. [39:04]

22. 대형 구매자의 수요와 소규모 고객의 접근성을 함께 유지해야 한다

  • 현장에서 관찰하는 변화는 구매자가 지불하려는 가격의 상승과 구매자 구성의 변화다. Modal·Fireworks·fal처럼 자금을 확보한 사업자 쪽으로 수요가 이동하고 있다는 설명이다. [39:28]
  • Ornn은 대형 고객에게 공급하면서도 작은 스타트업의 컴퓨트 접근성을 유지하려 한다. 구매자가 소수로 좁혀지고 다른 기업이 접근하지 못하면 시장의 유동성도 약해진다는 판단이다. [40:08]

23. 데이터 사업의 규모와 추론 수요의 실질성

  • Ornn에서 지수·데이터 상품을 담당하는 인력은 약 5~6명이지만, 그 데이터를 만들기 위한 시장 운영에는 약 30명이 투입된다고 보여준다. 시장 운영이 데이터 사업의 기반이라는 구조가 인력 배치에도 드러난다. [41:04]
  • 기존 거래소와 금융정보 기업의 가치를 근거로, 컴퓨트가 세계 최대 원자재 시장으로 성장한다면 관련 사업 기회가 조 달러 규모에 이를 수 있다고 전망한다. 이는 컴퓨트 시장의 장기 성장에 대한 기대다. [41:33]

24. 고객 실사 부족과 컴퓨트 확보 경쟁이 만드는 위험

  • 일부 네오클라우드가 고객의 투자유치 실적만 보고 컴퓨트를 제공하면서 충분한 실사를 하지 않는 점을 잘못 평가된 위험으로 지목한다. 여러 신생 AI 기업이 실패하면 공급자가 헤지 수단 없이 노출될 수 있다는 우려다. [42:46]
  • 진행자는 수요가 충분하면 빈 용량을 곧바로 채울 수 있지 않느냐고 반문한다. Bavaria도 재판매 가능성은 인정하지만, 비슷한 목표를 추구하는 AI 기업들이 모두 성공하지는 않을 것이라는 불확실성을 강조한다. [43:29]

25. 기술 발전과 기업 도입 속도의 차이가 가격 불확실성을 키운다

  • 진행자는 여러 산업의 5년 뒤 모습을 가늠하기 어려워 자산 가격을 정하기도 힘들어졌다고 본다. Bavaria는 이를 변동성 증가로 해석하고, 그 관점에서는 옵션 가격이 낮게 평가됐다고 볼 여지도 있다고 답한다. [44:37]
  • 기업의 AI 도입은 예상보다 오래 걸리는 반면, 그 아래의 기술은 더 빠르게 바뀔 것이라고 전망한다. 모델 성능이 빠르게 개선돼도 기존 기업은 실제 업무에 적용하는 방법을 찾는 데 시간을 쓸 수 있다는 뜻이다. [45:12]

26. AI와 수명 연장에 대한 급진적 전망

  • Bavaria는 AI가 인간보다 훨씬 똑똑해지면 인간의 역할이 AI를 통제하기보다 감정과 생물학적 경험을 가르치는 쪽으로 바뀔 수 있다고 예상한다. 이는 그가 제시한 개인적 미래관이다. [45:49]
  • 의약품과 생명공학 발전으로 인간의 평균수명이 150~200년까지 늘고, 고령에도 젊을 때와 비슷한 삶의 질을 누릴 수 있다고 믿는다. 죽음이 몇 년 안에 지금과 다른 문제가 될 수 있다는 발언까지 포함된 매우 낙관적인 전망이다. [46:16]

27. 데이터센터 신용평가와 수직계열화의 확장 가능성

  • 향후 중요한 매출원으로 데이터센터 부채의 신용평가를 꼽는다. 기존 평가기관이 컴퓨트 구매자와 인프라 공급자 사이의 신용위험을 얼마나 이해하는지 의문을 제기하며, 가까운 미래에 평가 사업으로 진입하려 한다. [47:03]
  • 집중을 유지하기 어렵다고 인정하면서, 자원 제약이 없다면 물리적 데이터센터 건설까지 확장하고 싶다고 드러낸다. 다만 이는 현재 실행 중인 사업 전체를 뜻하지는 않는다. [48:04]

28. 장기 사업을 위한 자금조달과 Ornn이라는 이름

  • 당장 자금이 필요하지 않아도 투자받은 이유는 적합한 파트너를 확보하기 위해서다. 친구들이 함께 여러 세대에 걸쳐 지속되는 사업을 만든다는 구상이 투자자 선택의 기준이 된다. [49:26]
  • Ornn이라는 이름은 즐기던 게임인 리그 오브 레전드의 캐릭터에서 가져왔다. 여러 게임 캐릭터의 이름을 살펴보다 저렴한 네 글자 도메인을 찾은 것이 직접적인 계기였다. [50:11]

29. 투자자의 브랜드보다 이해관계와 개인적 관심을 중시한다

  • Miles를 선택한 이유는 첫 만남의 약 45분 동안 사업보다 창업자들이 어떤 사람인지에 관심을 보였기 때문이다. 사업 아이디어와 함께 사람 자체를 중요하게 여긴다는 인상을 신뢰의 근거로 삼았다. [51:07]
  • Vine과 대형 펀드가 비슷한 가격의 투자 조건을 제시했을 때, 자신들의 성공이 펀드에 얼마나 중요한지를 비교했다. 대형 펀드의 작은 투자 건보다 소형 펀드의 중요한 투자 건이 되는 편이 더 큰 관심을 받을 수 있다고 판단했다. [52:55]

30. 후속 투자에서는 실행 속도와 경험을 얻을 파트너가 중요했다

  • 이후 대형 투자사와의 자금조달에서는 다른 투자사의 검토가 길어지자 Chris Dixon 팀과 논의를 진행했다. 약 일주일 만에 투자 조건서를 받고 해당 팀을 선택했다고 보여준다. [54:45]
  • Thrive를 선택한 핵심 이유도 브랜드보다 Miles와 팀원들이었다. 경험이 부족한 젊은 창업자로서 더 나이 든 창업자와 투자자에게 배우며 실수를 줄이는 것을 중요하게 여긴다. [55:18]

31. 창업의 지속성을 좌우하는 감정적 부담

  • 창업 전에는 사업이 쉬울 것이라고 생각했지만, 실제로는 매일 다음 상황을 걱정해야 하는 정신적 부담이 컸다고 돌아본다. 아무도 하지 않은 일을 시작한 뒤에야 그 어려움을 이해하게 됐다는 경험이다. [56:20]
  • 같은 하루 안에서도 큰 자신감과 실패할 것 같은 불안이 번갈아 나타난다. 이를 견디는 끈기와 감정적 변동에 적응하는 능력이 필요하다는 데 두 사람이 동의한다. [57:02]

32. 관계의 안정감과 동료가 돈보다 중요한 동기가 됐다

  • 투자금을 돌려줄 때까지 연애하지 않겠다는 말은 농담이라고 드러낸다. 연애가 집중력을 분산시킬 수 있다고 보면서도, 감정을 조절하고 창업의 변동성을 줄이는 안정감을 줄 수 있다고 인정한다. [57:57]
  • 창업 초기에는 돈을 많이 의식했지만, 지금은 돈을 벌지 못하더라도 같은 일을 할 것 같다고 드러낸다. 현재의 가장 큰 동기는 함께 일하는 친구들과 보내는 즐거움이다. [58:47]

33. 기업가치와 창업자의 개인 유동성 사이의 간극

  • 쿠시는 회사의 가치가 높아도 개인적으로 돈이 많은 것은 아니며, 이전 직장 경험이나 저축도 없다고 보여준다. 진행자는 투자 수요가 있을 때 구주 매각으로 100만 달러를 확보하는 방안을 권하고, 쿠시는 고려할 수 있다는 반응을 보인다. [1:00:33]
  • 운동과 건강한 식사에는 이미 투자하고 있다. 더 좋은 집의 효용에는 의문을 보이며, 주말에도 아침 달리기 이후 대부분의 시간을 사무실에서 보낸다고 한다. [1:00:58]

34. 장시간 협업과 조직 확대를 뒷받침하는 채용 기준

  • 쿠시는 처음에는 똑똑한 사람을 모으면 충분하다고 생각했지만, 시행착오를 거치며 조직문화의 중요성을 체감했다. 동료와 주당 60~80시간, 특정 엔지니어와는 약 100시간을 함께 보내기도 하므로 함께 일하는 경험 자체가 즐거워야 한다는 입장이다. [1:01:49]
  • 현재 약 28~29명인 조직을 100명으로 키우면서 매출과 생산성도 함께 높이려면 소통 능력이 중요하다고 본다. 운동선수 출신에게서 팀 내 의사소통과 경쟁심을 기대하며, 진행자는 즉각적인 보상 없이 꾸준히 훈련하는 태도도 장점으로 꼽는다. [1:03:22]

35. 과열된 평가보다 매출과 수익성을 우선하는 자금 조달

  • 쿠시는 외부의 관심이나 높은 평가에 휩쓸리지 않는 기준으로 매출과 수익성을 든다. 회사를 장기적으로 이어갈 가족기업으로 바라보며, 현재 실적이 기업가치를 뒷받침하고 다른 회사들보다 평가 배수가 낮다고 주장한다. [1:05:21]
  • 더 높은 기업가치를 제시한 투자 조건이 있었지만 자금 조달의 규율을 택했다고 한다. 15억 달러나 20억 달러 수준의 조건도 거절하고 Miles와 함께하기로 했다는 설명이다. [1:05:46]

36. 회사 밖의 개인까지 돌보는 멘토와 감정 관리의 중요성

  • 쿠시는 MIT 신입생이던 17세부터 관계를 이어온 투자자 Nick이 회사뿐 아니라 자신을 한 사람으로서 아껴준다는 점을 높이 평가한다. 학창 시절에는 몇 달 간격으로 연락했지만, 지금은 거의 매일 통화한다고 한다. [1:06:47]
  • 이사회에 추가하고 싶은 인물로 Travis Kalanick을 꼽는다. 아직 만난 적은 없으며, 만나면 감정의 큰 기복을 어떻게 다루는지 묻고 싶어 한다. [1:07:23]

37. AI 경쟁의 제약으로 보는 컴퓨트 공급과 생산 능력

  • 쿠시는 Anthropic과 OpenAI 중 투자 대상을 고른다면 컴퓨트가 더 많다는 이유로 OpenAI를 택한다. 자금이 충분해도 TSMC의 생산라인을 더 빨리 움직이게 할 수는 없으므로, 현금만으로 공급 제약을 즉시 해소하기 어렵다는 판단이다. [1:07:54]
  • 그는 컴퓨트 부족이 Anthropic의 제품 제공, 모델 속도와 성장에 제약이 될 수 있다고 전망한다. 반면 모델 성능의 우열은 새 모델이 나올 때마다 바뀔 수 있으며, 자신도 정확한 벤치마크 결과는 모른다는 점을 인정한다. [1:08:23]

38. 모델을 바꿔 쓰는 코딩 하네스의 가치와 Factory 선호

  • 쿠시는 코딩 하네스의 효용을 의심하던 입장에서 Factory와 Cognition의 가치를 인정하는 쪽으로 생각을 바꿨다. 모델을 빠르게 전환하고 작업에 맞는 모델을 선택하는 기능, 그 위에 구축한 도구의 사용 경험이 이유다. [1:09:17]
  • Factory를 쓰다가 Cognition이 제공한 토큰으로 약 3~4개월간 서비스를 이용했고, 최근에는 제품이 더 낫다고 느껴 Factory로 돌아왔다고 한다. 개인 자금이 있다면 Factory에 투자하고 싶지만, 아직 투자한 상태는 아니다. [1:10:17]

39. 수명 연장에 대한 기대와 컴퓨트 공급의 장기적 의미

  • 2030년 전망 가운데 인간이 AI의 생물학적 매개체가 된다는 생각은 실현되지 않을 가능성이 크다고 본다. 사람이 150세까지 사는 미래는 바라지만, 이를 2030년까지 기대하기에는 무리가 있다는 의견도 함께 나온다. [1:11:37]
  • 쿠시는 AI가 더 오래, 더 행복하게 사는 데 기여할 수 있다는 기대 아래 바이오와 특히 수명 연장 기술의 가능성을 긍정적으로 본다. 직접 해당 분야에서 일하지는 않지만, 컴퓨트 접근과 가격 변동 위험 관리를 도와 공급을 늘리는 일이 유익한 연구와 인류의 번영으로 이어지기를 바란다. [1:12:27]

🧾 결론

  • 네오클라우드 강세론의 핵심은 실제 유료 수요, 제한된 공급, 지속적인 임대수익의 결합이다. AI 산업의 성장 기대만으로 개별 사업자의 수익성을 판단하기는 어렵다.
  • 고객의 AI 투자수익이 부진하면 토큰 구매 감소, 임대수익 부족, 채무불이행과 장비 가치 하락이 연결될 수 있다. 고객의 자금조달 실적만으로 지급 능력을 판단하는 관행을 바바리아도 위험으로 지적한다.
  • Ornn의 구상은 현물 거래에서 확보한 데이터를 지수·금융상품·신용평가로 확장하는 것이다. 실제 거래 기반과 신뢰를 축적할 수 있는지가 장기 사업성의 핵심이다.

📈 투자·시사 포인트

  • 임대수익과 신용위험을 함께 평가해야 한다. 바바리아가 CoreWeave와 Nebius에 낙관적이라는 사실과 해당 기업들의 고객이 장기간 임대료를 지급할 수 있는지는 별개의 판단이다.
  • GPU의 기술적 세대교체와 경제적 수명은 구분필요가 있다. 구형 칩이 추론에 계속 활용될 가능성은 있지만, 미래 임대료와 잔존가치가 유지되는지는 확인해야 한다.
  • 계약 기간과 투자금 회수 기간의 차이가 중요하다. 계약 이후 수입을 고정하려는 수요는 컴퓨트 선물시장의 사업 기회가 될 수 있으나, 제시된 구상이 충분한 거래 규모로 이어질지는 열려 있다.
  • 전력·변압기·물리적 구축 역량도 살펴볼 대상이다. 바바리아는 데이터센터 확대에 필요한 구성요소를 유망하게 보지만, 언급된 시장 규모는 가정이며 개별 기업의 투자 매력을 입증하지는 않는다.

⚠️ 불확실하거나 확인이 필요한 부분

  • GPU 가격, 조달 기간, 네오클라우드 수와 구형 GPU 임대 사례는 인터뷰에서 제시된 관찰·추산이다. 자료만으로 시장 전체의 최신 상황이나 대표성을 확인할 수 없다.
  • Rubin의 시간당 가격 전망, 컴퓨트 시장의 장기 규모, 추론 전문업체의 분화는 바바리아의 전망이다. 확정된 가격이나 검증된 시장 결과로 받아들이면 안 된다.
  • Ornn이 설명한 지수·선물·신용평가 사업의 현재 제공 범위, 거래 유동성, 수익성과 위험관리 효과는 별도 확인이 필요하다. 미래 가격을 고정하는 수단이 고객의 지급 능력까지 보장한다는 근거는 제시되지 않았다.
  • 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

  • 관심 있는 네오클라우드의 실제 임대단가, 가동률, 계약 기간과 갱신 조건을 확인하고 인터뷰의 가격 상승 관찰과 비교한다.
  • 주요 고객의 지급 능력과 추가 자금조달 의존도를 살펴보고, AI 활용 성과가 토큰 구매와 계약 유지로 이어지는지 점검한다.
  • GPU 투자금 회수 기간과 임대계약 만기를 비교하고, 계약 종료 후 임대료 하락 및 잔존가치 하락을 가정해 수익성을 검토한다.
  • Ornn의 지수 산출 대상, 실제 거래 데이터의 범위, 상품 제공 상태와 시장 참여자 구성을 확인한다.

❓ 열린 질문

  • 토큰 수요 증가가 고객 AI 기업의 충분한 현금흐름으로 이어져 장기 임대료를 지탱할 수 있을까?
  • 구형 GPU의 추론 활용이 이어지더라도 신규 칩과의 경쟁 속에서 임대료와 잔존가치를 얼마나 유지할 수 있을까?
  • Ornn은 대형 고객의 단기 매출과 다양한 구매자가 참여하는 시장의 유동성을 어떻게 함께 확보할까?

관련 문서

공통 태그와 주제 흐름을 기준으로 같이 보면 좋은 문서를 이어서 제안합니다.