She Knows the 250 People Building AI. Here''s What They Actually Believe.

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

AI를 만드는 약 250명의 핵심 인재를 가까이서 본 투자자가 포착한 실제 믿음은, 모델의 진보만큼 독립적 창업가의 실행력·컴퓨트·개방형 생태계·기술을 이해하는 자본이 AI의 향방을 결정한다는 것이다.

📌 핵심 요점

1. 약 250명의 프런티어 연구자·창업가와 관계를 구축한 투자 전략의 핵심은 소수 연구소의 모델·자본 독점에 맞서 독립적인 인재가 자본, 네트워크, 인프라를 확보하도록 돕는 데 있다.
2. 유망 시장은 고객 요구만 역산하기보다 모델이 잘 수행하는 업무에서 출발해 찾아야 한다. 구조화된 언어와 문서가 중심인 법률, 행동 데이터가 관건인 로보틱스, 연구개발을 가속하는 바이오가 그 사례다.
3. 연구자 사이에서는 AI가 더 나은 AI를 만드는 재귀적 자기개선으로 1~2년 안에 지능이 급격히 증가할 수 있다는 믿음이 확산됐다. 그러나 지능 폭발 시점이 계속 뒤로 밀려왔다는 자기비판도 있어 시간 전망은 불확실하다.
4. AI 경쟁력은 알고리즘만으로 결정되지 않는다. 컴퓨팅 확대에는 전력, 인허가, 냉각, 노동력, 원자재, 제조 경험과 복수의 공급망이 필요하며, 이 물리적 기반은 소프트웨어처럼 빠르게 확장되지 않는다.
5. 좋은 AI 투자는 명성이나 인맥이 아니라 기술 원리와 사업 논리에 대한 독자적 판단에서 출발한다. 초기 직감을 세운 뒤 반증 자료를 찾고, 고객 증거를 확인하며, 최종 결정에 개인적으로 책임지는 과정이 확신을 만든다.

🧩 배경과 문제 정의

• AI 기술과 투자 시장은 과거 사례를 그대로 적용하기 어려울 만큼 빠르게 변하며, 기회를 놓칠 위험과 기술 거품에 휘말릴 위험이 동시에 커지고 있다.
• 소수의 프런티어 연구소가 모델과 자본을 독점하는 미래를 피하려면, 뛰어난 연구자·창업가가 자본과 인재를 확보해 독립적인 기술 생태계를 구축해야 한다.
• 컴퓨팅 규모가 경쟁력을 좌우하기 시작하면서 연구자의 주도권은 약해지고, 에너지·규제·공급망과 투자자의 기술 이해도가 AI 발전을 제한하는 핵심 변수로 부상했다.

🕒 시간순 섹션별 상세정리

1. 과거 경험으로 판단하기 어려운 AI 투자 환경

• AI 투자자는 과거 데이터를 통한 검증이 어려운 상태에서 기회를 놓칠 위험과 반복되는 기술 거품에 휘말릴 위험을 함께 감수해야 한다. [01:17]
• 시속 90마일로 달리면서 브레이크를 밟고 싶지만 실제로는 멈추지 못한다는 비유가 현재 투자 시장의 불안과 경쟁 압력을 압축한다. [01:33]

2. 소수 모델의 경제 독점을 막는 개인과 자본의 역할

• 높은 실행력을 가진 인물이 적절한 위험자본·네트워크·환경을 확보하면 오픈소스 모델과 미국의 산업정책 같은 거시적 결과까지 바꿀 수 있다. [02:22]
• 경쟁력 있는 서구권 오픈소스 모델의 존속 여부는 자본 조달, 인재 결집, 인프라 구축과 프런티어 경쟁을 감당할 창업가가 실제로 등장하는지에 달려 있다. [02:56]

3. 주인공보다 뛰어난 창업가를 돕는 투자자 정체성

• 목표는 역사적 변화를 자신의 이름으로 만드는 것이 아니라, 가장 뛰어난 투자자가 되어 비범한 인물의 성공 가능성과 영향력을 높이는 데 있다. [03:49]
• 깊은 호기심, 판단의 정확성, 뛰어난 사람과 일하려는 동기가 직접 창업보다 초기 투자에 더 잘 맞는 정체성을 만들었다. [04:24]

4. 기술 전환기에 확보한 초기 투자 우위

• 기존 벤처 회사의 대형화와 세대교체로 초기 투자 경쟁이 느슨해진 시점에 AI 기술과 연구자 공동체를 집중적으로 이해한 선택이 더 나은 접근성과 판단으로 이어졌다. [05:29]
• 위험을 감수하고 한 영역에 집중한 뒤 높은 인재 기준과 실행력을 유지하는 단순하지만 어려운 전략이 초기 성과의 기반이 됐다. [06:00]

5. 모델 능력에서 출발한 시장 선택과 법률 AI

• 고객 문제만 역산하지 않고 모델이 잘 수행할 수 있는 업무·직업·워크플로를 먼저 찾은 뒤, 그중 경제적 가치가 큰 시장을 선별했다. [07:48]
• 법률은 문서 검색, 구조화된 언어, 판례와 내부 자료, 텍스트 생성이 결합된 영역이어서 차기 토큰 예측 모델의 능력과 기술적으로 잘 맞았다. [08:49]

6. 자기개선 AI와 지능 폭발에 대한 새로운 믿음

• 프런티어 AI 업계의 경쟁은 미국 내부를 넘어 세계적 구도로 격화됐으며, 기존의 낙관적 서사를 흔드는 불안감도 함께 커졌다. [12:17]
• AI 연구 모델이 더 나은 모델을 만드는 재귀적 자기개선을 통해 1~2년 안에 지능이 기하급수적으로 증가할 수 있다는 믿음이 최근 1년 사이 연구자들에게 확산됐다. [12:43]

7. 거대 연구소의 규모가 약화시키는 연구자 주도권

• 연구소가 수천 명의 인력과 막대한 컴퓨팅 자본을 필요로 하는 조직으로 커지면서, 개별 연구자는 자신의 기여가 전체 결과를 바꾼다는 감각을 잃기 쉽다. [13:29]
• 모델이 결국 연구자의 일을 대신하거나 컴퓨팅 규모만이 성패를 결정한다는 두 믿음은 인간의 노력과 연구 선택을 무력하게 만든다. [14:25]

8. 대체 가능성 속에서도 갈리는 과학자의 동기

• 일부 과학자는 자신의 기여가 결정적이지 않더라도 중요한 연구 대상 자체에 매력을 느끼지만, 결과를 바꾸려는 성향이 강한 사람은 대체 가능성을 더 큰 문제로 받아들인다. [14:45]
• 뛰어난 창업가는 다른 투자자를 구할 가능성이 높아 특정 투자자의 필수성은 제한되지만, 추가 컴퓨팅 자본과 지원이 성장 속도와 규모를 바꿀 수 있다. [15:16]

9. 컴퓨팅 확장을 가로막는 에너지와 규제

• 향후 5~10년의 AI 경쟁은 충분한 컴퓨팅 자원을 확보할 수 있는지에 달렸지만, 대규모 공급을 실질적으로 늘릴 해법은 2030년 이전에 나오기 어렵다는 전망이 존재한다. [15:58]
• 데이터센터에 필요한 천연가스와 전력을 빠르게 늘리지 못하는 원인은 기술력이나 자본주의보다 인허가 규제와 지역사회의 이해관계 불일치에 가깝다. [16:18]

10. 물리적 공급망과 자본 조달의 이중 병목

• 노동력, 원자재, 제조 경험과 암묵지는 소프트웨어처럼 빠르게 확장되지 않으므로, 물리적 공급망에는 장기 투자가 필요하다. [17:38]
• 선행 설비투자가 큰 연구기업은 기술적 베팅을 투자자가 이해할 수 있는 사업 서사로 바꾸지 못하면 필요한 자본을 확보하기 어렵다. [18:14]

11. 명성과 인맥에 의존하는 기술 투자의 위험

• 기술 자체를 이해하지 못한 투자자는 창업자의 학력·경력, 기존 투자자, 추천인처럼 쉽게 읽히는 신호로 판단을 대체하기 쉽다. [18:48]
• 뛰어난 인물이라는 평판만으로 기술 이론과 사업 논리가 불분명한 대규모 연구 프로젝트에 투자하면 실패 가능성을 평가할 기준이 사라진다. [19:43]

12. 로봇 일반화를 위한 데이터 수집 문제

• 선데이 로보틱스의 젊은 창업자 두 명은 지난 4년간 현대 AI를 활용해 로봇의 일반화와 강건성 문제를 현실적으로 해결하는 아이디어를 집중적으로 발전시켰다. [21:22]
• 범용 로봇에는 인터넷 규모의 행동 데이터가 필요하지만 실제 환경과 작업을 반영하는 데이터를 무한한 비용으로 수집할 수 없다는 병목이 존재한다. [21:50]

13. 연구 아이디어를 가정용 로봇으로 전환한 속도

• 창업자들의 제약 중심 사고와 결과 지향성은 첫 만남에서 즉시 투자 결정을 내릴 만큼 강한 확신을 만들었다. [22:44]
• 약 2년 만에 스탠퍼드 지하실의 판지 시제품에서 제조 가능한 풀스택 로봇으로 발전했고, 하드웨어와 데이터 수집을 수백 차례 반복하며 실제 환경의 작업으로 연결했다. [23:17]

14. 직감에서 시작해 반증을 찾는 투자 의사결정

• 창업자의 과거 작업과 아이디어를 이해한 상태라면 첫 만남에서 10점 만점에 8~9점 수준의 확신이 생기지만, 이는 최종 결정이 아니라 검증의 출발점이다. [24:28]
• 이후 며칠에서 몇 주 동안 자신의 이해에서 빠진 부분, 전제의 오류, 해당 분야의 일반적 견해와 창업자에 대한 외부 평가를 조사해 초기 판단을 반증한다. [25:05]

15. 기술 직관과 창업자 판단력이 만드는 최종 확신

• 투자자는 처음의 긍정적 직감을 유지하더라도 과학적 근거를 이해하지 못하면 높은 확신을 부여하지 않으며, 어떤 정보가 판단을 바꿀지도 사전에 분명히 해야 한다. [27:00]
• 극소수의 탁월한 인물에게는 사업이 즉시 이해되지 않아도 투자할 수 있지만, 그 탁월함 자체가 반복적으로 옳은 산업 논리와 의사결정에서 나온다는 점에서 인물과 사업 판단은 분리되기 어렵다. [28:19]

16. 투자 판단의 보정과 의도적인 학습 시간

• 주당 신규 기업 검토량은 4~6개 정도이며, 과거 몇 달간 500개를 검토했던 경험이 쌓이면서 좋은 기회를 식별하는 판단과 자신감이 높아졌다. [30:11]
• 다른 자산군의 투자자와 제약회사 실무자를 만나 관점을 넓히고, 일정에 빈 공간을 남겨 AI가 산업을 어떻게 바꿀지 학습하는 데 시간을 배분한다. [31:14]

17. 현실과 접촉하기 전에는 전략을 확정할 수 없다

• 자금 조달에서는 상대의 반론과 질문을 이해해야 하지만, 투자를 받기 위해 상대가 듣고 싶어 하는 답을 만들어서는 안 된다. [31:50]
• 첫 펀드 조성 당시에는 구체적인 운용 전략을 안다고 가장하지 않았고, 먼저 자금을 확보해 시장에서 실험한 뒤 실제 전략을 찾아가려 했다. [32:26]

18. 독립적인 투자회사는 운용 철학 자체를 표현한다

• 자신이 무엇을 할지 솔직히 밝히면 운용과 의사결정이 단순해지고, 기존 세계관을 뒤집는 논리를 만날 때 새로운 투자 기회도 빠르게 포착할 수 있다. [33:51]
• 창의적인 운용사들은 기존 대형사의 형태를 복제하지 않고, 독자적인 관점을 회사 구조와 투자 방식으로 구현한다. [34:41]

19. 가족과 일은 양립하며 독립적 사고는 도덕적 원칙이다

• 부모는 늘 일했지만 가족이 삶의 중심이라는 감각을 잃지 않았고, 각자가 가족 밖의 관심과 목적을 가진 온전한 개인이라는 가치관도 함께 유지했다. [35:00]
• 성실함과 가족 중심성에 더해 타인의 평가를 걱정하지 않고 스스로 사고하는 태도가 핵심이었으며, 부모에게 독립적 사고는 취향이 아니라 도덕적 문제였다. [35:59]

20. 지분 경쟁은 협업을 막지만 긍정합 구조는 아이디어를 확산한다

• 전통적인 시리즈 A·B 투자사가 지분 18~25%와 이사회를 독점하려는 구조에서는 다른 투자자와의 협업이 어렵고 생태계가 제로섬 경쟁으로 흐르기 쉽다. [36:46]
• 공개시장 투자자들은 다른 자금이 뒤따라오도록 최고의 아이디어를 공유하며, 이런 구조는 게임·엔터테인먼트 같은 저평가 영역에 대한 공동 투자를 촉진한다. [37:03]

21. 창업의 본질은 관계망보다 제품과 고객 가치에 있다

• 더 나은 기술과 제품으로 대기업을 이길 수 있다는 부모의 창업 경험은, 아무것도 없는 상태에서 더 나은 미래를 빠르게 구현하는 창업가 정신의 기반이 됐다. [37:38]
• 창업 성공을 연줄·마케팅·소셜미디어 게임으로만 해석하는 냉소와 달리, 가치 있는 비전과 뛰어난 동료, 사람을 잘 대하는 태도는 예상보다 자주 실제 성과로 계속된다. [38:42]

22. 개방형 AI 모델은 이미 되돌릴 수 없는 현실이다

• 중국을 중심으로 미국과 유럽에서도 경쟁력 있는 개방형 모델이 빠르게 늘었고, 서구권의 강력한 모델까지 등장하면서 광범위한 활용을 되돌리기 어려워졌다. [40:18]
• 프런티어 모델은 비용·속도·민감정보 문제 때문에 적용하기 어려운 경우가 많으며, 역량이 널리 보급될수록 더 많은 기업과 산업이 AI를 활용할 수 있다. [41:10]

23. 개방성 제한보다 실증적인 안전성 검사가 필요하다

• 사이버보안과 생물학에서 방어에 쓰이는 프런티어 역량은 공격에도 활용될 수 있으므로, 모델 성능이 높아질수록 안전성 프로파일을 구체적으로 파악해야 한다. [41:39]
• 미국에서 개방형 모델을 제한하면 법을 지키는 자국 기업의 비용과 속도만 악화되고, 적대적 사용자는 같은 규제의 영향을 받지 않을 가능성이 크다. [42:31]

24. 저렴한 지능은 기업 생태계를 통해 경제 전반으로 확산한다

• 기업은 비용과 용량을 스스로 통제하기 위해 개방형 모델을 원하며, 후속 학습과 도구 구축 역량까지 보편화되면 저렴한 지능에 대한 접근성이 크게 높아진다. [43:40]
• 프런티어 연구소는 현실의 모든 사용 사례를 미리 상상할 수 없으므로, 다양한 기업과 저렴한 인프라가 각 개인·산업의 수요를 발견하고 AI를 경제에 연결해야 한다. [44:12]

25. 풍부한 지능과 산업 경쟁력은 자동으로 보장되지 않는다

• 저렴하고 풍부한 지능을 확보하지 못하거나 경쟁국보다 뒤처질 가능성은 충분하며, 이는 경제 경쟁력과 국가안보에 직접적인 위험이 된다. [45:11]
• 미국이 값비싼 노동력과 부족한 기술 인력 속에서 산업 기반과 공급망을 재건하려면 자동화가 필수이며, 이를 외면하면 생산 확대에 필요한 노동력을 확보하기 어렵다. [45:28]

26. 컴퓨트 독립성은 공급망 전체의 복원력 문제다

• GPU 데이터센터를 기준으로 역산하면 칩뿐 아니라 전력·냉각·훈련·추론에 필요한 모든 투입 요소가 연결되며, 컴퓨트 독립성은 에너지 독립성과 유사한 구조를 가진다. [49:22]
• 일부 핵심 부품은 불안정하거나 미국과 동맹국이 접근하기 어려운 지역의 얇은 공급망에 의존하므로, 국가안보·에너지 정책과 민간 투자를 함께 동원해야 한다. [49:49]

27. 데이터센터 확대는 기술과 운영·금융이 결합된 시장이다

• 데이터센터 노동력과 로보틱스, 원자력, 대안적 칩 아키텍처는 컴퓨트 공급능력을 넓히고 공급망 병목을 줄일 수 있는 주요 투자 영역이다. [50:38]
• 데이터센터 건설과 태양광·배터리 설치는 기술만으로 차별화하기 어렵고 운영·부동산·금융의 비중이 커서, 지속 가능한 제품 자산을 찾는 기술투자자에게는 판단이 까다롭다. [51:18]

28. AI 수요가 전통적으로 불리했던 벤처시장을 바꾼다

• 반도체는 오랫동안 낮은 수익 때문에 벤처투자에 부적합했지만, 가속기 수요와 공급망 독립성에 대한 대형 구매자의 요구가 커지면서 시장 조건이 달라졌다. [52:47]
• 시장의 방향에는 합의하더라도 반도체·우주·태양광·배터리·원자력·터빈·로보틱스가 벤처기업에 우호적인지, 성공 확률과 수익 분포가 투자할 만한지는 분야별로 다시 판단해야 한다. [53:25]

29. 바이오 모델은 신약 자체와 다른 가치 포착 경로를 연다

• 실제 데이터를 확인한 뒤 바이오 AI 모델이 막대한 가치를 만들고 포착할 수 있다는 쪽으로 판단이 이동했으며, Chai Discovery는 대형 제약사들과 연구개발 가속화 작업을 진행하고 있다. [54:19]
• 과거에는 직접 신약을 개발하고 임상 위험을 부담해야만 바이오에서 큰 수익을 얻을 수 있다는 통념이 강했고, 높은 실패율과 특수한 자본구조 때문에 소프트웨어식 투자가 어려웠다. [54:45]

30. 고객 증거와 개인 책임이 투자 확신을 완성한다

• 가능성을 믿고 불확실한 단계에서 투자한 뒤 1,000만 달러 규모 계약과 고객 과학자의 실제 활용을 확인하면서, 바이오 AI의 경제적 가치가 가설에서 실증으로 이동했다. [56:10]
• 초기투자는 비주류 관점을 장기간 유지해야 하며, Figma·Notion·Rippling처럼 성과가 분명해지기까지 수년이 걸리는 기업을 의심 속에서도 지원하는 태도가 필요하다. [58:32]

31. 시장의 오판에서 투자 확신을 만드는 법

• 시장이 잘못 평가한 진실과 비대칭 정보를 먼저 확보하면 유리한 위치를 차지할 수 있으며, 다른 사람들이 동의하기 전까지 견해를 유지할 자신감도 필요하다. [1:00:02]
• 유용한 정보는 새로운 행동을 만드는 창업자, 기술의 최전선을 넓히는 연구자, 기존 믿음과 충돌하는 통찰을 가진 사람에게서 나오며 외부의 반복적 소음은 차단해야 한다. [1:00:43]

32. Suno가 뒤집은 AI 창작 수요에 대한 직관

• Suno 투자 기회를 거절한 배경에는 음악을 직접 만들려는 사람이 많지 않을 것이라는 판단과 소비량·소셜 네트워크화 가능성에 대한 의문이 있었지만, 실제 이용 행태는 그 직관을 흔들었다. [1:01:08]
• AI 도구는 예상보다 훨씬 큰 표현·오락·창작 수요를 만들 수 있으며, 이해하기 어려운 새로운 행동을 만들어내는 기업과의 대화가 기존 가정을 교정하는 근거가 된다. [1:01:33]

33. 거대 AI 연구소의 전략보다 중요한 확산의 나머지 99%

• OpenAI·Anthropic·DeepMind가 안전한 AGI 또는 ASI와 수익 확보를 지향하더라도, 현실의 우선순위는 ChatGPT·광고·코딩·다양한 업무 인터페이스처럼 구체적인 제품 영역으로 나뉜다. [1:02:29]
• 어느 기술 계층이 최종 승자가 될지 포괄적으로 예측하는 일보다 개별 제품의 경쟁력과 범위를 평가하고, AI가 현재 1%만 확산됐다면 남은 99%가 어디에서 실현될지 찾는 편이 투자 판단에 유용하다. [1:03:12]

34. AI 생산성 향상과 제번스 역설

• AI 에이전트가 일상의 반복 업무를 더 효율적으로 처리하면 소프트웨어 개발 조직이 경험한 속도 향상이 마케팅을 비롯한 다른 직무로 확산되며, 한 사람이 자율형 마케팅 부서를 구축하는 조직도 등장한다. [1:04:17]
• 생산성이 높아져 확보된 시간은 노동 감소보다 더 많은 업무와 새로운 활동에 재투입될 가능성이 크며, 고용 확대의 혜택을 넓히려면 누구나 AI 도구와 활용 교육에 접근할 수 있어야 한다. [1:05:30]

35. 실행력과 사람에 대한 믿음이 만드는 기회

• 이미 초기 투자사가 많았던 시장에서도 Conviction은 차별화 전략을 세밀하게 설계하기보다 실행에 집중해 자리를 만들었으며, 뛰어난 신규 참여자를 위한 공간은 기존 경쟁의 밀도와 별개로 존재한다. [1:06:12]
• 실리콘밸리의 일부 선배들은 학벌이나 경력보다 사람과 아이디어의 잠재력을 보고 23세의 신입 투자자에게 기회와 교육을 제공했으며, 작은 격려와 조언은 독립 투자사 창업을 뒷받침하는 신뢰 자본이 됐다. [1:07:02]

🧾 결론

• AI의 미래는 거대 연구소 몇 곳의 전략만으로 정해지지 않으며, 독립적인 연구자·창업가와 이들을 지원하는 자본의 질이 산업의 다양성과 경쟁 구조를 바꿀 수 있다.
• 개방형 모델과 저렴한 지능의 확산은 더 많은 기업이 AI를 활용하게 하지만, 충분한 컴퓨트와 산업 기반이 뒷받침되지 않으면 경제적 풍요와 국가 경쟁력으로 자동 연결되지 않는다.
• 불확실성이 큰 시장에서 지속 가능한 우위는 유행을 빠르게 추종하는 능력보다 기술을 직접 이해하고, 시장의 지배적 서사와 충돌하는 가설을 검증하며, 틀렸을 때 판단을 수정하는 능력에서 나온다.

📈 투자·시사 포인트

• 전력, 원자력, 냉각, 데이터센터 노동력, 대안적 칩, 로보틱스와 공급망 복원력은 AI 확산의 병목을 완화할 후보 영역이지만, 각 산업의 자본집약도와 벤처 수익 구조는 별도로 검증해야 한다.
• 법률 AI, 로보틱스, 바이오 AI처럼 모델 능력과 산업 워크플로가 직접 맞물리는 시장에서는 기능 시연보다 데이터 확보 방식, 고객의 실제 사용, 확장 가능한 경제적 가치가 중요한 선별 기준이다.
• 개방형 모델을 일괄 제한하기보다 사이버보안·생물학적 위험과 백도어 가능성을 구체적으로 시험하는 실증적 안전 체계가 산업 경쟁력과 위험 관리의 균형에 더 적합하다는 관점이 제시된다.
• AI 에이전트가 생산성을 높이면 노동 수요가 단순히 감소하기보다 더 많은 업무와 새로운 활동이 생길 수 있으므로, 도구 접근성과 활용 교육의 보급 여부가 수혜의 범위를 좌우할 수 있다.

⚠️ 불확실하거나 확인이 필요한 부분

• 약 250명은 인터뷰에 참여한 전체 표본이나 공식 설문 집단이 아니라 투자자가 가까운 관계를 맺고 지원하는 핵심 네트워크로 제시된다. 따라서 영상의 견해를 250명 모두의 합의로 해석해서는 안 된다.
• 재귀적 자기개선과 1~2년 내 지능 폭발은 최근 연구자들 사이에 확산된 믿음이지만, 안드레이 카파시의 자기비판적 사례처럼 예상 시점이 반복적으로 빗나갈 가능성이 크다.
• 선데이 로보틱스, Chai Discovery와 일부 고객 계약은 기술 가능성을 보여주는 사례이지만, 장기적인 시장 규모와 수익성 또는 산업 전체의 성공 확률을 입증하지는 않는다.
• 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

• AI 투자 후보마다 모델이 실제로 잘하는 업무, 필요한 데이터, 고객이 지불하는 경제적 가치가 연결되는지 기술·사업 가설을 함께 작성한다.
• 창업자 평판과 기존 투자자 명단을 제외한 상태에서도 투자 논리가 성립하는지 검토하고, 초기 판단을 뒤집을 수 있는 정보와 반증 조건을 사전에 명시한다.
• 컴퓨트 관련 기회를 평가할 때 칩뿐 아니라 전력, 냉각, 인허가, 노동력, 원자재와 핵심 부품의 복수 공급 경로까지 하나의 병목 지도로 정리한다.
• 개방형 모델이나 고위험 프런티어 기능을 평가할 때 추상적인 찬반 대신 비용·속도·민감정보 편익과 공격·백도어 위험을 측정할 구체적인 시험 항목을 설정한다.

❓ 열린 질문

• 재귀적 자기개선이 현실화될 경우 가장 먼저 한계가 되는 것은 모델 능력, 컴퓨트, 에너지, 데이터, 안전성 검증 중 무엇일까?
• 개방형 모델의 확산은 실제로 경제적 권력을 분산할까, 아니면 컴퓨트와 배포 인프라를 보유한 기업에 새로운 집중을 만들까?
• 데이터센터, 원자력, 반도체와 로보틱스처럼 자본집약적인 분야에서 기술적 중요성과 벤처투자 수익성을 동시에 만족시키는 사업 구조는 무엇일까?