OpenAI, NVIDIA And Anthropic Just Split. Here''s How I''d Spend $20, $60 Or $200.

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

OpenAI·NVIDIA·Anthropic의 서로 다른 전략 속에서 월 20달러는 주력 AI 하나에, 60달러는 역할별 조합에, 200달러 이상은 비용 회수가 가능한 도구에 쓰되 기억과 파일은 직접 통제하라는 것이 영상의 결론이다.

📌 핵심 요점

1. 발표자는 AI 업계를 OpenAI의 수직 통합, NVIDIA의 광범위한 시스템 공급, Anthropic의 공급처 다변화라는 세 가지 전략으로 해석한다. 공식적으로 결성된 동맹이나 완전히 분리된 진영을 뜻하지는 않는다.
2. OpenAI의 자체 추론 칩은 반복 작업의 비용을 낮추려는 수단으로 소개된다. 모델·소프트웨어·칩·사용자 제품을 연결하는 개선 순환이 핵심이며, NVIDIA의 학습용 시스템을 전면 대체한다는 설명은 아니다.
3. Cursor의 소유권 변화와 모델 공급 중단 사례는 사용자가 쓰던 앱에서 주력 모델이 사라질 수 있다는 위험을 보여준다. 발표자는 문서·코드·기억·업무 지침을 이동 가능한 형태로 별도 보관하라고 권한다.
4. 월 20달러라면 유료 주력 서비스 하나와 경쟁사의 무료 계정, 월 60달러라면 OpenAI·Claude와 매일 코딩할 경우 Cursor Pro를 조합한다. Google Workspace 중심 사용자에게는 Google AI Pro를 기존 구독의 대체재로 제안한다.
5. 고가 구독은 각각의 비용을 시간 절약이나 업무 성과로 회수해야 한다. 발표자의 실제 사례는 총예산 200달러를 나누는 방식이 아니라, 월 200달러급 플랜을 여러 개 구독하며 각 플랜의 가치를 따로 검증하는 방식이다.

🧩 배경과 문제 정의

발표자는 OpenAI의 자체 칩, Cursor를 둘러싼 모델 공급 갈등, NVIDIA의 실적 발표 발언을 하나의 산업 변화로 묶는다. OpenAI는 제품부터 추론 인프라까지 더 많이 통제하려 하고, NVIDIA는 여러 기업에 시스템을 공급하려 하며, Anthropic은 여러 공급처를 통해 연산 자원을 확보하려 한다는 해석이다.

이 변화가 개인에게 던지는 문제는 특정 회사의 승패보다 업무의 연속성이다. 앱 안에 기억·파일·규칙을 모두 쌓아 두면 기업 간 거래나 갈등으로 모델 접근권이 바뀔 때 업무를 다시 구성해야 할 수 있다. 영상은 이 문제를 월 20달러·60달러·200달러 이상 지출 선택과 연결하며, 예산과 무관하게 업무 자산을 직접 통제하라고 제안한다.

🕒 시간순 섹션별 상세정리

1. 세 가지 산업 전략과 개인의 구독 선택

• 자체 칩 공개, Cursor 갈등, NVIDIA의 대응을 서로 연결된 사건으로 소개하며 개인의 월간 AI 지출 문제를 제기한다. [01:05]
• OpenAI의 통제 확대, NVIDIA의 보편적 공급, Anthropic의 공급처 선택권을 세 가지 느슨한 진영으로 보여준다. 공식 동맹은 아니라고 선을 긋는다. [01:20]

2. 자체 추론 칩의 성과 주장과 한계

• OpenAI가 일부 공개 가중치 모델 시험에서 지연 시간과 전력당 처리량 우위를 주장했으며, 설계 완료까지 9개월이 걸렸다고 전해진다. [02:02]
• AI 생성 코드의 속도 개선은 일부 작업에 한정되고, 이 칩은 모델 학습용 NVIDIA 시스템을 대체하는 제품으로 설명되지 않는다. [02:37]
• NVIDIA 측의 2030년까지 약 12기가와트 시스템 계획·약정 설명을 인용하며, 자체 칩 개발과 NVIDIA 대량 구매가 병행된다고 해석한다. [03:00]

3. 모델·소프트웨어·칩을 잇는 OpenAI의 통합

• 맞춤형 칩에는 모델을 효율적으로 실행하는 소프트웨어가 필요하다. 발표자는 CUDA가 축적한 강점에 OpenAI가 자체 코딩 모델로 접근한다고 보여준다. [03:28]
• Codex와 GPT Astra가 당초 계획에 없던 세 모델 계열을 두 달 만에 칩 설계에 맞게 실행하도록 했다는 회사 측 설명을 보여준다. [03:55]
• 사용자 요청에서 얻은 비용 정보를 모델·요청 처리·칩 소프트웨어·차기 칩 설계에 반영하는 순환을 강조한다. 모든 칩을 소유하지 않아도 반복 추론의 일부를 통제하면 비용 구조를 바꿀 수 있다는 논리다. [04:45]

4. Cursor 사례가 드러내는 모델 접근권 위험

• 원문은 SpaceX가 Cursor를 인수했으며, OpenAI가 신뢰와 계약 문제를 이유로 11월 12일부터 미래 모델 공급을 중단한다고 보여준다. [05:20]
• 발표자는 소유권이나 경쟁 관계 변화 때문에 익숙한 앱에서 모델이 사라질 수 있다고 지적하고, Anthropic의 Windsurf 지원 철회도 유사 사례로 든다. [05:58]

5. NVIDIA가 여러 진영에 계속 판매하려는 이유

• NVIDIA의 상품은 개별 칩을 넘어 학습·모델 개선·데이터센터 연결·다양한 작업을 위한 시스템이며, 주요 클라우드가 판매 경로가 된다고 보여준다. [06:41]
• 고객이 일부 작업을 자체 칩으로 옮겨도 전체 AI 수요가 커지면 NVIDIA 시스템 총구매량은 늘 수 있다는 성장 논리를 제시한다. [07:37]
• 새로운 모델과 예상하지 못한 작업에 대응하는 범용성과 적응력이 NVIDIA 전략의 핵심이라고 해석한다. [07:57]

6. Anthropic의 공급처 다변화와 얽힌 협력 관계

• Amazon Trainium, Google TPU, Microsoft를 통한 NVIDIA 용량, SpaceX의 Colossus 1을 Anthropic의 연산 자원 확보 경로로 보여준다. [08:28]
• 여러 시스템에 모델을 맞추는 작업을 통해 공급처 간 가격·용량 경쟁을 유도하고, 부족한 자원을 다른 곳에서 보완할 선택권을 얻는다고 보여준다. [09:00]
• Google·Microsoft·SpaceX는 경쟁과 협력을 동시에 수행한다. 발표자는 이 복잡한 관계 속에서도 각 기업의 전략적 중심은 구분할 수 있다고 본다. [09:54]

7. 기억과 파일을 직접 통제하는 업무 기반

• 프로젝트·대화 기록·규칙·기억이 한 앱에 쌓인 상황에서 모델이 사라지면, 다른 앱을 여는 것만으로 업무가 이어지는지 질문한다. [10:44]
• 발표자는 기억을 직접 통제하는 시스템에 두고, 문서는 일반 파일로, 코드는 자신의 저장소로, 업무 방식은 옮길 수 있는 지침으로 관리한다고 보여준다. [11:11]
• 여러 모델로 작업을 보내는 OpenRouter를 언급하면서도, 라우팅 서비스 하나가 전체 작업 환경을 통제하게 하지는 말라고 권한다. [11:33]

8. 월 20달러와 60달러의 구독 구성

• 월 20달러 수준에서는 반복 업무에 맞는 주력 유료 서비스 하나와 실제 사용해 보는 경쟁사의 무료 계정을 제안한다. 기억과 파일은 서비스 밖에 둔다. [11:50]
• 월 60달러 예시로 OpenAI와 Claude의 각 20달러급 직접 구독, 매일 코딩할 경우 Cursor Pro를 제시한다. 연구·에이전트·연결 도구와 문서·글쓰기 등의 역할을 나눠 보여준다. [12:24]
• Gmail·Docs·Drive 중심 사용자에게는 Google AI Pro로 기존 플랜 하나를 교체할 수 있다고 제안한다. 예산 안에서 주간 업무의 효용을 높이는 것이 기준이다. [12:55]

9. 월 200달러급 플랜은 각각 비용을 회수해야 한다

• 발표자는 Anthropic·Codex·Grok의 월 200달러급 플랜을 각각 사용한다고 밝히며, 모든 구독에서 개별적으로 비용 회수를 기대한다고 보여준다. [13:19]
• 시간 절약, 코딩 비용 감소, 버그 바운티 등으로 가치를 만들고, 매일 수행할 명확한 업무가 없거나 기대에 미치지 못하면 플랜을 축소한다는 기준을 제시한다. [13:43]
• 일부 기업 고객 대상 OpenAI의 성과 기반 과금을 언급하며, 자신의 고가 구독도 각 모델이 비용을 정당화해야 한다는 관점으로 평가한다고 드러낸다. [14:44]

10. 모델을 바꿔도 업무를 이어갈 수 있는가

• 예산과 무관하게 한 회사가 기억·파일·지침·업무의 유일한 사본을 보유하지 못하게 하는 것이 개인이 실행할 수 있는 대응이라고 강조한다. [15:24]
• 새 모델이 기존 기억과 작업 방식을 빠르게 이어받는 것이 목표다. 발표자도 Codex와 Claude를 바꿀 때 차이를 느끼지만, 기억 공유가 전환을 수월하게 만든다고 보여준다. [15:50]

11. 지출 가치와 신뢰를 묻는 마무리

• 세 전략을 되짚으며 Anthropic의 선택권 확보가 소비자에게도 참고가 된다고 말하고, 시청자의 지출 수준·비용 회수 기준·모델 선택 이유를 묻는다. [16:21]
• 어떤 모델이나 회사에 대한 신뢰를 잃었는지도 질문한 뒤, 기억·파일·지침·업무의 유일한 사본을 한 회사에 맡기지 말라는 원칙으로 마무리한다. [17:24]

🧾 결론

• 소비자가 참고할 전략은 Anthropic식 선택지 확보다. 여러 서비스를 무조건 결제하기보다 주력 모델을 바꿀 수 있는 업무 기반을 갖추는 것이 중요하다.
• 구독은 매주 반복하는 실제 업무를 기준으로 선택하고, 역할이 겹치거나 비용을 정당화하지 못하는 플랜은 축소한다.
• 기억과 지침을 공유해도 모델 전환의 차이는 남는다. 목표는 완벽한 동일성이 아니라 새 모델로 비교적 빠르게 업무를 이어가는 것이다.

📈 투자·시사 포인트

• 자체 추론 칩의 확산과 NVIDIA의 총매출 기회 확대는 함께 일어날 수 있다는 것이 발표자의 논리다. 특정 작업의 점유율 변화와 전체 AI 수요 증가를 구분해서 볼 필요가 있다.
• OpenAI의 수직 통합은 반복 추론의 단위 비용을 낮추는 방향이고, Anthropic의 다변화는 가격·용량·공급처 선택권을 확보하는 방향이다. 각각 통합 효율과 조정 부담이라는 차이를 가진다.
• 개발자가 모델을 선택하는 접점인 Cursor는 유통 경로이자 경쟁 자산으로 다뤄진다. 모델 성능뿐 아니라 접근 경로와 공급 계약도 사용자 유지에 영향을 줄 수 있다.
• 개인의 AI 지출 역시 성과를 기준으로 평가할 수 있다. 영상은 특정 주식의 매수 판단보다 공급 구조와 구독 비용의 회수 가능성을 생각하는 틀을 제공한다.

⚠️ 불확실하거나 확인이 필요한 부분

• 원문은 자체 칩을 Habanero와 Jalapeno로 번갈아 부르고, 뒤에서는 Hal Tan이라는 표현도 사용한다. 명칭 간 관계가 설명되지 않아 동일한 대상을 가리키는지 확인이 필요하다.
• 칩 성능, 설계 기간, AI 생성 코드의 속도 향상은 영상이 전달하는 회사 측 주장이다. 비교 조건과 독립 검증 자료는 제공되지 않으며, 코드 성과도 선택된 일부 작업에 한정된다.
• SpaceX의 Cursor 인수, OpenAI의 11월 12일 이후 미래 모델 공급 중단, Stripe의 OpenRouter 인수 등은 원문에 등장하는 주장이다. 제공된 자료만으로 실제 거래·발표 여부나 적용 연도를 확인할 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

• 매주 반복하는 업무를 적고, 가장 자주 쓰는 작업에 맞춰 주력 유료 AI 하나를 선정한다.
• 중요한 기억·문서·코드·업무 지침의 원본을 직접 통제하는 파일과 저장소에 보관한다.
• 경쟁 서비스의 무료 계정을 유지하고, 실제 업무 하나를 옮겨 필요한 자료와 지침이 작동하는지 확인한다.
• 월 60달러 조합에서는 각 구독의 역할을 정하고, 매일 코딩하는지와 Google Workspace 의존도를 기준으로 서비스를 교체한다.

❓ 열린 질문

• 주력 모델이 내일 사라져도 기존 기억과 지침을 활용해 다른 모델에서 업무를 이어갈 수 있는가?
• 각 유료 구독은 어떤 반복 업무에서 얼마만큼의 가치를 만들어야 유지할 만한가?
• 특정 모델이나 회사에 대한 신뢰를 잃게 만드는 기준은 무엇이며, 그때 사용할 대안은 준비되어 있는가?