오픈 AI직원이 1인당 35억치 AI쓰는 이유

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

오픈AI 직원이 1인당 연 35억 원어치 AI를 쓴다는 제목의 핵심은 AI로 연구와 실험을 대폭 늘린다는 것이며, 본문에서 제시한 대상은 전체 직원이 아닌 상위 10% 연구자다.

📌 핵심 요점

1. 발표자는 오픈AI 상위 10% 연구자의 하루 토큰 비용을 7,000달러로 소개하고, 이를 월 약 3억 원·연 약 36억 원으로 환산한다. 큰 지출의 배경으로 연구자당 실험 증가와 AI의 연구 전 과정 참여를 든다.
2. AI의 장시간 자율 작업과 맥락 유지가 개선되면 기업이 맡길 업무가 늘고, 사용량과 연산 수요도 증가한다는 논리다. 발표자는 오픈AI의 연구 산출량 증가를 이러한 변화의 사례로 제시한다.
3. 작업 기억과 문맥 보존을 핵심 성능 요인으로 보고, 메모리 용량·대역폭 및 NAND·SSD 수요 확대를 전망한다. 다만 소프트웨어의 기억 기능이 개별 반도체 수요로 이어지는 규모는 별도 확인이 필요하다.
4. 유가와 금리 상승은 성장주 가치평가를 압박하지만, AI 인프라는 실적과 수요 증가로 차별화될 수 있다는 시각이다. 클라우드·반도체·광통신·전력 공급의 병목을 주요 관심 대상으로 꼽는다.
5. 최종 투자 관점은 AI 도입 기업 전반보다 병목을 해결하는 인프라 공급자의 이익 성장에 집중하는 것이다. 다음 분기들의 실적과 가이던스로 성장의 지속성을 확인하는 일이 핵심 조건이다.

🧩 배경과 문제 정의

영상은 유가와 금리 상승이라는 거시경제 부담 속에서도 AI 인프라 관련주가 강세를 보이는 이유를 설명한다. 발표자는 AI의 자율 작업 능력과 연구 참여 확대가 연산·메모리·통신·전력 수요를 늘린다는 연결고리를 제시한다.

제목의 거액 AI 지출 사례는 이 수요 확대를 보여주는 중심 사례다. 다만 본문은 오픈AI 전체 직원의 평균 비용이 아니라 상위 10% 연구자의 하루 토큰 비용과 그 환산치를 다룬다. 아래 수치와 시장 해석은 제공된 전사에 담긴 발표자의 설명이며, 외부 검증을 거친 사실로 확정하지 않는다.

🕒 시간순 섹션별 상세정리

1. 유가와 금리 부담 속 AI 인프라 강세

• 발표자는 GPT-6 Astra의 성능을 높이 평가하며, AI가 AI를 개발하는 단계에 가까워졌다는 기대를 인프라 수요 증가와 연결한다. [00:53]
• 브렌트유 약 99달러·WTI 약 94달러를 소개하고, 운송 차질 장기화 시 120달러 가능성이라는 골드만삭스 전망과 자신의 100달러 부근 상단 견해를 구분한다. [01:20]
• 미국 10년물 국채금리가 4.8%를 넘었다고 설명하며, 금리 부담 때문에 좋은 실적이 나와도 나스닥 기업 주가가 오르기 어렵다고 해석한다. [02:00]

2. 학습 연산 확대와 반도체 수요 기대

• Astra가 Grace Blackwell 10만 개 이상으로 학습됐다는 발언을 소개하고, 기존의 2만~3만 개 규모와 비교해 성능 향상의 배경으로 보여준다. [02:42]
• 다음 학습에 GPU 40만 개를 사용할 것이라는 발언과 AI의 자기 개선 가능성을 연결하며, 모델 개발 주기가 짧아질 것으로 본다. [03:28]
• 필라델피아 반도체 지수 12,000을 지지·저항 구간으로 제시하고, 향후 실적 발표를 거치며 전고점에 도전할 가능성을 전망한다. [04:20]

3. 모델 비교에서 자율 업무 확대 논리로

• GPT-6 Astra와 Claude Fable 5.1이 각각 53점으로 공동 선두라고 소개하고, Muse Spark·GLM·Grok·Gemini 점수를 비교한다. 평가 지표의 구체적 조건은 설명하지 않는다. [04:43]
• Gemini의 경쟁력이 구글 주가에 영향을 준다는 견해를 밝히면서도, 향후 성능 개선을 통한 반등 가능성을 열어둔다. [05:03]
• AI가 중간 오류 없이 더 오래 작업하면 기업이 맡길 업무가 늘고, 사용량·데이터·이용자가 증가하는 선순환이 생긴다고 보여준다. [05:37]

4. 작업 기억과 메모리 인프라의 연결

• ARC-AGI에서 약 99%에 도달했다는 수치를 제시하며, 이전 상태와 긴 대화의 핵심 문맥을 유지하는 능력을 성능 개선의 이유로 든다. [06:06]
• 실험적 ‘Notes’ 기능을 문맥을 압축해 정보를 오래 유지하는 기능으로 설명하고, NAND·SSD·메모리 수요 확대를 예상한다. [06:46]
• 작업 기억을 늘리려면 메모리 대역폭과 용량도 확대해야 한다는 관점에서 메모리 반도체를 긍정적으로 평가한다. [07:16]

5. 오픈AI의 연구 자동화와 거액 토큰 지출

• 2025년 12월부터 2026년 8월까지 연구 산출량이 120배로 늘었다고 소개하며, AI가 코드 작성 보조를 넘어 연구 전 과정에 참여한다고 보여준다. [07:52]
• 인간 연구자 대비 AI 작업량이 5월 0.5배에서 8월 3.14배로 증가했다고 전하고, 실험 확대와 함께 상위 10% 연구자의 하루 토큰 비용이 7,000달러에 이른다고 드러낸다. 이를 월 약 3억 원·연 약 36억 원으로 환산한다. [08:56]
• 일반 기업의 인당 AI 지출 중앙값을 월 약 10달러로 소개하고, 활용 격차가 커질 수 있으므로 개인은 AI를 잘 쓰고 투자자는 AI를 잘 활용하는 기업에 주목해야 한다고 주장한다. [09:30]

6. 연산 공급자와 반도체의 수요 확대 기대

• AI 작업량 증가가 연산 공급자의 수요와 이익으로 연결된다는 기대가 되살아났다고 설명하며 CoreWeave·Nebius·Oracle을 언급한다. CoreWeave 상승률은 전사에서 7%와 11%로 혼재한다. [10:04]
• NVIDIA는 당일 약 2% 하락하고 AMD는 수요 확대 소식으로 약 5% 상승했다고 보여준다. Intel의 가격 인상과 약 9% 상승을 공급 부족 신호로 해석한다. [10:32]
• Qualcomm과 Broadcom까지 파급 효과를 받는 사례로 들며, AI 반도체 전반의 흐름을 긍정적으로 평가한다. [10:39]

7. 광통신·전력 강세와 SMR의 시간 차이

• Corning의 8,000마일 이상 광섬유 계약과 Lumentum의 11% 상승을 보여준다. 자신의 Lumentum 보유 비중이 가장 크다고 밝히고, 광통신 반등에는 전주 급락의 되돌림도 섞였을 수 있다고 본다. [11:39]
• 전력망 제약을 배경으로 Bloom Energy의 S&P 500 편입과 상승, GE 및 Vertiv의 강세를 보여준다. [12:16]
• NuScale Power와 Oklo의 반등을 언급하지만 고점 대비 80% 이상 하락한 상태라고 보여준다. SMR은 2030년대 상용화를 예상해 현재 투자 시점은 이르다는 견해를 드러낸다. [12:46]

8. 현재의 메모리 병목과 소프트웨어 대체 우려

• 장기 기술 기대보다 현재 부족한 전력·통신·메모리에서 가까운 시기의 이익을 찾는 편을 선호한다. Seagate와 SK하이닉스 ADR의 강세, 메모리 재고 약 10일이라는 소식을 보여준다. [13:21]
• 에이전트가 제대로 작동하려면 많은 메모리가 필요하고, 메모리 확보 여부가 작업 성능을 좌우한다는 이유로 강세 전망을 유지한다. [13:47]
• 하드웨어와 소프트웨어 주가의 상반된 흐름을 설명하며, 앱을 넘나드는 에이전트가 Salesforce·ServiceNow·Adobe 사용을 대체할 수 있다는 우려를 제기한다. [14:23]

9. 좋은 실적이 주가 상승으로 이어지지 않는 이유

• S&P 500의 12개월 선행 주가수익비율이 20배대로 내려왔다고 설명하고, 금리 상승이 높은 성장주 배수를 부여하기 어렵게 만든다고 본다. [14:53]
• IT 기업의 95%가 시장 예상보다 좋은 실적을 냈지만 약 60%는 주가가 하락했다고 보여준다. 높은 사전 기대와 금리 상승을 두 가지 해석으로 제시한다. [15:35]
• 일부 AI 기업의 주당순이익이 연 50~100% 성장한다고 강조하며 실적 확대와 주가 평가의 괴리를 논한다. [15:49]

10. 성장의 지속성을 확인할 다음 실적

• 6월 이후 조정으로 가치평가 부담이 줄었다고 판단하며, 다음 분기와 그다음 분기의 실적·가이던스가 성장 지속성에 대한 확신을 높일 것으로 본다. [16:25]
• 후속 모델 출시가 추가 연산 수요를 만들 것으로 예상하고, 에이전트 AI의 본격 활용과 물리적 AI 시장이 아직 초기라는 관점을 제시한다. [16:53]
• 이러한 확장 가능성을 근거로 AI 인프라 투자에 아직 긴 성장 경로가 남아 있다고 주장한다. [17:00]

11. 최종 선택 기준은 병목과 이익 성장

• 발표자는 실제 AI 사용 경험을 통해 거품 우려보다 성장 가능성에 무게를 두며, AI 도입 소프트웨어 기업보다 인프라 공급자를 선호한다고 드러낸다. [17:25]
• AI 도입 기업은 후보가 너무 많지만 NVIDIA·SMCI와 공급망 병목을 선점한 기업은 상대적으로 식별하기 쉽다는 점을 투자 선택의 이유로 든다. [17:49]
• 마지막으로 AI 인프라의 이익 성장과 병목 구간의 수요에 계속 집중하자는 주장을 반복하고, 구독·좋아요 요청으로 마무리한다. [18:06]

🧾 결론

• 거액의 AI 비용은 연구자가 수행할 수 있는 실험과 업무를 확장하기 위한 지출로 설명된다. 다만 영상은 해당 지출의 투자수익률을 직접 입증하지는 않는다.
• 발표자의 중심 주장은 AI 성능 개선이 업무 위임과 사용량을 늘리고, 다시 연산·메모리·통신·전력 수요를 확대한다는 것이다.
• AI 인프라의 구조적 성장 전망과 주가 상승 전망은 구분해서 읽어야 한다. 영상에서도 금리와 시장 기대가 좋은 실적의 주가 반영을 제한하는 요인으로 제시된다.

📈 투자·시사 포인트

• 메모리는 에이전트의 맥락 유지와 작업 지속성을 뒷받침하는 투자 주제로 제시된다. 재고 부족 주장과 실제 실적 개선이 함께 확인되는지 살펴볼 필요가 있다.
• 광통신·전력·냉각·연산 공급자는 AI 사용량 증가에 따른 병목 해소 수혜 후보로 거론된다. 당일 주가 반등과 장기 이익 증가의 근거를 구분해 평가해야 한다.
• 발표자는 2030년대 상용화를 예상하는 SMR보다 현재 부족한 전력·통신·메모리를 선호한다. 이는 기술의 장기 잠재력과 가까운 시기의 실적 가시성을 나누는 관점이다.
• 다음 실적 발표에서 매출·이익 성장과 가이던스가 이어지는지가 중요하다. 유가·미국 국채금리 상승이 가치평가를 누르는 상황도 함께 고려해야 한다.

⚠️ 불확실하거나 확인이 필요한 부분

• 제목의 ‘직원 1인당 35억’과 본문의 ‘상위 10% 연구자, 연 약 36억’은 대상과 금액이 다르다. 하루 7,000달러를 연간 비용으로 환산한 것이 실제 연간 집행액인지도 확인되지 않는다.
• 모델 명칭이 GPT-6 Astra, GPT-4o Astra, GPT 4o로 혼용된다. 출시 여부·시점, 학습에 사용한 GPU 수, 다음 모델 계획은 원자료 확인이 필요하다.
• 연구 산출량 120배, 인간 연구자 대비 3.14배, ARC-AGI 약 99%라는 수치에는 측정 정의·평가 조건·출처가 제시되지 않는다. 서로 다른 지표를 동일한 생산성 증가율로 해석해서는 안 된다.
• 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

• 오픈AI 연구자의 토큰 지출 원자료에서 상위 10%의 정의, 집계 기간, 환율과 연간 환산 방식을 확인한다.
• 연구 산출량·인간 대비 작업량·벤치마크 점수를 각각 분리하고, 지표 정의와 평가 조건을 대조한다.
• 관심 인프라 기업의 다음 실적과 가이던스에서 AI 수요가 실제 매출·이익 증가로 이어지는지 확인한다.
• 메모리 재고, 광통신 계약, 전력 공급 제약을 관련 기업의 발표와 대조해 병목의 지속성을 점검한다.

❓ 열린 질문

• 상위 연구자의 거액 토큰 지출은 추가 연구 성과에 비해 얼마나 경제적이며, 일반 기업에도 같은 방식이 적용될 수 있는가?
• 작업 기억과 맥락 보존의 개선은 연산·메모리·저장장치 수요를 각각 얼마나 증가시키는가?
• 인프라 기업의 이익 성장이 이어져도 금리 상승과 높은 시장 기대가 주가 상승을 얼마나 제한할 것인가?