AI 인프라 구축이 인터넷 시대보다 오래 지속되는 이유, 코딩 에이전트 이후의 성장, 컴퓨트 투자 수익성, 과잉 구축, 오픈 소스와 클로즈드 소스 모델의 경쟁 구도를 살펴봅니다.
코딩 이후 ARR 성장의 다음 엔진, AI 인프라 버블, 오픈 소스와 클로즈드 소스 모델의 경제학
왜 AI 반도체 구축은 인터넷 구축보다 더 오래 지속될까?
코딩 이후 ARR 성장의 다음 국면은 어디에서 올까?
AI 인프라는 과잉 구축될까? 설비투자는 버블일까? 컴퓨트 산술은 성립할까?
오픈 소스와 클로즈드 소스의 구도는 어떤 모습일까? 클로즈드 소스 모델에 미치는 영향은 어떻게 진화할까?
이 글은 이 질문들 뒤에 있는 논리를 따져 보려는 시도다.
—--------------------------------
인터넷 혁명에서 하드웨어·인프라 매출 성장은 사용자 수라는 단 하나의 침투 차원을 따라서만 기하급수적으로 증가했다.
모두가 구독 요금제에 있었기 때문이다. 인터넷 접속에 월 50달러를 내고, 그 이상으로 상향 판매할 곳은 없다. 정액제 서비스다. 웹페이지를 10배 더 많이 본다고 10배 더 많이 내는 것은 아니다. 정액제 서비스에는 기하급수 성장의 두 번째 차원이 없으며, 포화되면 그대로 포화된다.
모바일 인터넷 인프라, 즉 엣지 기기인 스마트폰도 같은 논리로 움직인다. 엣지 기기는 높은 ASP를 가질 수 없다. 비용을 상각하려면 대량생산이 필요하고, 대량 규모를 얻으려면 ASP가 높을 수 없으며, 올리기도 어렵기 때문이다. 따라서 엣지 기기는 침투율이 일정 수준에 도달하면 복리 성장할 수밖에 없도록 정해져 있었고, 그 상한은 단일 차원으로 결정된다.
이것이 인터넷 혁명에서 하드웨어 수요가 침투율이 시그모이드 곡선의 중간점을 지난 뒤 대체로 꺾이며 둔화한 이유이기도 하다. 2000년 3월 인터넷 버블이 붕괴했을 때 미국의 인터넷 침투율은 약 50%였다. 어떤 기술 혁명에서든 가장 빠른 구간은 채택률 10%에서 50%로 이동하는 구간이다.
—--------
반면 AI 하드웨어 수요는 토큰의 기하급수적 성장에서 나온다. 이번 AI가 그토록 하드웨어 집약적인 근본 이유는 상한이 두 차원으로 결정되기 때문이다. 사용자 수·침투율의 기하급수적 성장과 1인당 사용량의 기하급수적 성장이다.
이 두 기하급수 성장 차원은 서로 곱해지고, 둘 다 토큰이라는 하나의 회계 단위로 전환된다. 이는 인프라 상한을 훨씬, 훨씬 더 높인다.
우리 시대에서 이 두 차원은 각각 어디쯤 와 있을까?
첫 번째 차원인 사용자 침투율은 몇 달 전 50%를 넘어섰다. 즉 시그모이드 곡선의 미분값이 곧 변곡될 시점이라는 뜻이다.
두 번째 차원인 1인당 토큰은 2026년 초에도 아직 초기다. 현재 미국 기업 내부의 AI 지출 중앙값은 1인당 월 12달러다. 장기적으로 이 수치는 화이트칼라 급여의 최소 10%, 즉 월 약 1,000달러에 도달할 수 있다. 그 사이에는 거의 두 자릿수의 규모 차이가 있다.
오늘날 성장은 주로 두 번째 침투 차원, 즉 1인당 평균 토큰의 기하급수적 성장이다. 두 개의 시그모이드 곡선이 바통을 이어받아 달리고 있다.
이는 역사적으로 드문 일일 것이다. 두 차원에 걸친 시그모이드 곡선의 릴레이가 만들어 내는 컴퓨트·인프라 수요, 그리고 그에 따른 반도체 슈퍼사이클이다.
하지만 모든 기하급수 성장은 상한에 도달하기 전까지는 환상이며, 이번 AI 구축도 예외는 아니다. 다만 기하급수 성장의 추가 차원이 바통을 넘겨받기 때문에 그 환상이 훨씬 더 오래 지속될 뿐이다.
—--------------------------------
AI의 구축 수요가 인터넷보다 더 높은 또 다른 이유는 내가 지난해 쓴 반도체 연말 글에서 언급했다. 앞서 말했듯 이 두 침투 차원은 모두 토큰이라는 하나의 회계 단위로 전환된다. 인터넷 시대와 달리, 당시에는 요청 하나당 네트워크와 컴퓨트 비용의 한계비용이 극히 낮았고, 확장은 매우 잘 작동했으며, 소프트웨어를 복제·배포하는 한계비용은 거의 0에 가까웠고, 추가 하드웨어도 거의 소모되지 않았다.
토큰 시대에는 추론 비용이 높기 때문에 사용자 접근의 한계비용이 인터넷 시대보다 한 자릿수 규모만큼 높다. 비즈니스 모델은 부분적으로 ‘트래픽 × 전환율’에서 ‘토큰당 매출총이익’으로 이동했고, 이것이 AI 시대의 인프라 수요가 인터넷 시대보다 훨씬 높은 이유다.
—--------------------------------
첫 번째 침투 차원은 너무 빠르게 확산되어 이미 변곡점을 지났다. 그래서 사람들이 지금 AI의 전망을 논할 때 침투율은 더 이상 초점이 아니다. 논의는 훨씬 더 모든 산업에서 1인당 토큰이 어떻게 성장할지에 맞춰져 있다.
—--------------------------------
내 생각에는 여전히 코딩, 넓은 의미의 코딩이며, 여지는 아직 크다.
코딩은 세계가 디지털화되는 거스를 수 없는 흐름이다. 모든 것은 코딩이 될 수 있고, 명시적 코딩일 필요도 없다. 실제로는 지나치게 많은 작업이 배경에서 조용히 코딩으로 전환되고 있으며, 작업이 기록될 때도 여전히 코딩으로 나타난다.
현재 넓게 정의한 코딩 작업은 전체 ARR 매출의 약 60~70%를 차지한다. 좁은 개발자 정의만 세면 아마 40% 정도이고, 나머지 20~30%는 다른 산업의 작업이 코딩 에이전트 실행 구조로 전환된 것일 가능성이 높다.
가장 흔한 예를 들어 보자. 파일 편집, Excel, PowerPoint는 결국 모두 배경에서 Linux 샌드박스를 띄우고 코드를 통해 완료된다. 금융, CRM 운영, 법률 문서 정리도 마찬가지다. 차이는 어떤 도구와 검증기를 호출하느냐뿐이다. 전부 관찰 가능 -> 실행 가능 -> 검증 가능한 폐쇄 루프 코딩 작업으로 전환된다.
반도체 아키텍처 탐색은 SystemC 모델 시뮬레이션 문제로 전환되고, 바이오제약에서 분자 구조 분석과 시뮬레이션의 많은 단계는 코드로 수행할 수 있으며, 투자은행 리서치 보고서 안의 모델 구축도 코딩 문제로 바꿀 수 있다.
좁은 의미의 개발자 코딩 작업은 고빈도 관찰·분석 -> 실행 -> 검증 루프가 처음부터 끝까지 작동하게 된 첫 대형 작업 범주일 뿐이다. 그래서 코딩은 채팅보다 한 자릿수 규모만큼 더 많은 토큰을 소비한다. 이후 같은 논리를 물려받을 작업은 너무나 많으며, 딥 리서치 같은 개방형 작업도 포함된다. 형태상 다음의 현실적인 성장원은 공동 작업·컴퓨터 사용이다.
개발자 코딩의 바통을 이어받는 것은 다른 고립된 거대 시나리오가 아니다. 지금 가장 빠르게 성장하는 것은 바로 ‘비프로그래머가 코딩 인프라를 사용해 비코딩 제품 작업을 완료하는 것’이다. 코딩은 여전히 기본 실행 커널이지만, 반드시 사용자가 보는 제품 범주일 필요는 없다.
2026년 6월 기준 OpenAI의 기업 고객에서 Codex는 이미 Codex + ChatGPT 출력 토큰 합계의 64%를 차지한다. 2월 이후 Codex 주간 활성 사용자는 법률에서 108배, 영업·채용에서 41배, 마케팅에서 26배 늘었고, 엔지니어링에서는 5배 늘어나는 데 그쳤다.
Anthropic의 산업별 매출 구성을 보면 좁은 의미의 개발자·소프트웨어 기업 코딩은 40%에 불과하다. 금융 서비스·보험은 20%를 넘고, 법률, 제약·생명과학, 소비재·소매 전자상거래도 각각 약 10% 수준으로 모두 매우 크다.
소프트웨어가 세계를 집어삼킨다는 논리는 LLM이 코딩의 장벽을 100배 낮추면서 코딩이 세계를 집어삼키는 것으로 한층 강화되었다. 달리 말하면 코딩은 에이전트가 가장 능숙하게 구사하는 양식이며, 에이전트는 코딩으로 모든 지식 노동에 활용 범위를 넓히고 있다.
에이전트 코딩은 이미 실현 가능성과 방향 탐색 단계를 지났다. 남은 것은 대부분 엔지니어링 문제, 즉 장시간 실행, 시스템 간 운용, 자율성, 신뢰성이다. 중대한 과제는 더 이상 남아 있지 않다.
나머지는 사용자가 시나리오에 적응하고 습관을 바꾸는 문제다. 침투·활용의 주된 병목은 사람들의 학습 곡선이 그렇게 빠르지 않다는 점이다. 사용자는 에이전트·코딩 워크플로로 이동할 시간이 필요하다. 기업 워크플로는 매우 롱테일이고, 데이터는 흩어져 있으며, 내부 도구 통합은 부족하고, 위에서 아래로 내려오는 KPI 압력도 부족하다. 모델 능력, 조직적 추진, 도구 통합이 함께 도입 속도를 결정한다.
또 다른 병목 논리는 Amdahl의 법칙이다. 결과는 가속할 수 없는 부분에 의해 좌우된다. 토큰은 일부 단계만 가속한다. 예를 들어 신약 개발의 임상 부분은 가속할 수 없다. 단계의 절반을 빠르게 할 수 없다면, 토큰이 나머지를 1,000배 가속하더라도 전체 속도 향상은 2배에 불과하다. 따라서 더 현실적인 경로는 더 많은 방향을 병렬로 탐색하여 병목을 의사결정에서 검증으로 옮기는 것이다.
Anthropic의 6~7월 매출 둔화에는 세 가지 주된 원인이 있었다. 컴퓨트 부족, 많은 계정을 폐쇄한 증류 단속, 그리고 OpenAI의 Codex 5.6이 점유율을 가져간 것이다. 광범위한 에이전트 코딩 수요가 상한에 닿았기 때문은 아니었다.
넓은 에이전트 코딩 관점에서 나는 현재 대형 모델·에이전트 수요의 단단한 상한을 보지 못한다. 우리는 아직 더 많이 사용할수록 더 큰 효율을 얻는 단계에 있고, 한계 긍정 수익은 여전히 크며, 주된 병목은 매출·이익이 얼마나 많은 예산을 지탱할 수 있느냐다. 의향과 사용 사례는 문제가 아니다.
자금 제공자 측에서 인터넷 시대와 가장 큰 차이는 인터넷 시대에는 구축에 자금을 대는 주체와 그 혜택을 받는 주체가 같지 않았다는 점이다. AI 시대에는 둘이 겹친다. 구축의 최대 자금 제공자인 Anthropic과 OpenAI는 이 AI 혁명의 최대 수혜자이기도 하다.
따라서 산술을 검토하는 가장 직접적인 방법은 OpenAI와 Anthropic의 관점에서 보는 것이다.
1. 단위 경제성은 성립한다
6월 말 기준 Anthropic은 약 2GW의 유효 컴퓨트로 약 620억 달러의 ARR을 창출했다. 데이터센터 1GW의 구축 비용을 500억 달러로 잡고 6년에 걸쳐 상각하면 연간 비용은 약 100억 달러다. 따라서 Anthropic의 추론 컴퓨트 매출 약 300억 달러/GW를 연간화된 컴퓨트 비용으로 나누면 대략 3배다. 추론 ROIC도 약 60%다.
추론만 계산하면 단위 경제성은 더 좋아 보인다. GW당 매출은 500억 달러에 가깝다.
7월 두 회사의 합산 규모는 대략 6~7GW였고, Anthropic은 650억 달러, OpenAI는 450억 달러였다.
연말까지 두 회사는 합산 약 11GW를 가동할 것이다. ARR과 가동 컴퓨트가 보조를 맞춰 성장하려면 하반기에 ARR이 약 60%만 더 성장하면 된다. 2026년 상반기에 Anthropic은 7배, OpenAI는 2배를 조금 넘게 성장했다는 점을 기억하자. 즉 하반기 월 10%다.
2027년 말에는 두 회사의 계획 컴퓨트 합계가 대략 20~24GW다. 실제로 토큰 ARR은 그해 1~1.5배만 성장하면 되고, 적어도 단위 경제성 측면에서는 컴퓨트 산술이 성립한다. 컴퓨트와 ARR 성장은 보조를 유지하며, 현재의 가시성은 2027년 예상 설비투자를 큰 문제 없이 뒷받침한다.
가시성이 없는 2028년은 추측만 가능하다. 2028년 예상 ARR이 연간 80% 성장한다면 OpenAI + Anthropic 합산 45GW의 컴퓨트를 정당화한다. 2029년과 2030년에 걸쳐 ARR이 추가로 100% 성장한다면, 즉 CAGR이 고작 40%라면, 2030년 말까지 OpenAI + Anthropic이 계획한 총 컴퓨트 약 100GW는 완전히 합리적이다.
적어도 구조적으로 성장하는 수요 경로를 분명히 찾아낸 OpenAI와 Anthropic 같은 참여자에게는 ROIC 산술이 성립한다. 2027년, 심지어 2028년의 컴퓨트 계획도 현재로서는 버블이 아니다.
AI 인프라를 구축하려고 부채를 지고 FCF 적자로 전환하는 것은 도박인가? 그렇다.
그러나 ROIC가 이 정도로 좋고 지속될 확률이 높은 사업 앞에서는 그런 도박은 합리적이다. 기회를 놓칠 위험은 FOMO 버블의 위험보다 의미 있게 더 크다. 자금 조달 비용이 8% 이상으로 올라가더라도 적어도 2027~2028년까지는 컴퓨트 수익이 차입 위험을 정당화할 수 있다.
—------------------------
이 부분은 정량화하기 매우 어렵다. 직접 매출을 전혀 만들지 않고 R&D 비용으로 처리되는 컴퓨트가 많기 때문에 대략적이고 정성적으로만 볼 수 있다. 예를 들어 Meta는 내년에 MSL 모델 학습과 검색·광고·추천을 위해 5GW를 추가할 계획이다. Google의 Gemini 학습과 검색·광고·추천도 마찬가지다. 어느 것도 직접 매출을 만들지는 않지만, 여전히 전략적으로 합리적인 컴퓨트 수요다.
여기서 간과하기 쉬운 점이 있다. 업계 전체로 보면 오늘날 AI·ML 컴퓨트의 매우 큰 부분은 토큰을 전혀 팔지 않는다. 여전히 전통적인 검색·광고·추천 용도이며, Meta가 전형적인 사례이고 Google 컴퓨트의 대부분도 이런 방식으로 작동한다.
따라서 2027~2028년의 천문학적인 컴퓨트 수치를 볼 때 전통적 워크로드는 중요하면서도 쉽게 놓치는 구성 요소다. 공급망에 속한 실리콘밸리 기업 내부의 체감은 시장과 정반대다. 내부에서는 컴퓨트가 절박하게 부족한 반면, 시장은 여전히 컴퓨트 산술에서 매출이 보이는지 묻고 공급 과잉을 걱정한다.
하지만 직접 매출을 만들지는 않아도 여전히 중요한 이 모든 R&D와 전통적 AI·ML 컴퓨트의 큰 성장을 함께 계산하면, 산술이 성립하지 않는 컴퓨트의 비중은 꽤 제한적이다.
게다가 OpenAI + Anthropic의 컴퓨트 비중은 계속 집중되고 있다. 2027년 순증 컴퓨트 GW의 경우 전력 병목 때문에 미국은 약 20~25GW만 전력 공급을 시작할 수 있고, OpenAI + Anthropic이 그중 10GW를 가져갈 수 있다. 순증의 절반에 가까울 수 있다. 2025년에는 그 비율이 더 낮았다. OpenAI + Anthropic은 순증 컴퓨트의 약 25%에 불과했고, 컴퓨트 GW의 큰 비중은 LLM용조차 아니었다. 시간이 갈수록 OpenAI + Anthropic의 컴퓨트 GW 비중은 계속 높아지고, 이는 산술이 성립하는 전체 컴퓨트 비중도 계속 높아진다는 뜻이다.
또 하나 쉽게 놓치는 논리가 있다. 코딩 에이전트가 부상하면서 소프트웨어 산업과 ML 산업의 반복 속도가 갑자기 빨라졌고, 전 세계의 디지털화도 빨라졌으며, 그에 수반되는 전통적 하드웨어 인프라 수요도 가속되고 있다.
CPU를 예로 들자.
token = 의사결정·지능
CPU = 실행·검증
모든 것이 코딩인 디지털 세계에서는 의사결정 능력이 폭발할수록 실행·검증 수요도 같은 자릿수 규모로 보조를 맞춰 증가한다.
또한 전통적 ML 산업의 더 빠른 반복도 CPU와 같은 논리를 따른다. ML 결과가 좋아지고 사용 사례가 늘어날수록 GPU·ASIC 하드웨어 수요도 더 많이 이끈다.
—------------------------
지금 추론은 지나치게 수익성이 좋다. 모두가 추론 시장의 일부를 차지하고 싶어 하고, 모든 참여자가 군비 경쟁 중이며, 누구도 점유율을 잃고 고속 성장의 물결을 타지 못하는 일을 감수할 수 없고, 아무도 물러서지 않을 것이므로 과잉 구축은 필연적 결과다.
클로즈드 소스 추론의 매출총이익률은 CSP가 몫을 가져간 뒤에도 쉽게 70%를 넘고, 오픈 소스 모델을 호스팅해 토큰을 파는 토큰 팩토리도 60% 이상의 매출총이익률을 낸다. DeepSeek의 GM은 80%를 넘는다. GPU 가격은 계속 오르고, 1GW 임대료는 200억 달러를 향하고 있으며, 단기 GPU 클러스터 계약만 판매해도 60% 이상의 매출총이익률을 낸다. 이 AI 인프라 시장은 수익성이 너무 좋고 매력적이어서 유통망과 기술을 가진 누구나 네오클라우드로 뛰어들고 있다. 구축 계획과 인도 사이에는 대체로 1~2년의 시차가 있으므로 과잉 구축은 확실히 일어난다. 문제는 오직 언제냐는 것이다.
‘언제의 문제’라는 것은 현재 수요와 현재 컴퓨트 계획 아래에서는 적어도 2년 동안 과잉 구축이 보이지 않는다는 의미다. 모델의 계단식 개선, 예를 들어 추론 -> 에이전트, 또는 AI 지출 성장을 지속시키는 애플리케이션 패러다임 혁신은 모두 과잉 구축의 시점을 더 뒤로 밀어낸다.
그런 연장이 더는 구축 속도를 따라가지 못하게 되면 과잉 구축은 천천히 모습을 드러내기 시작할 것이다.
하지만 이는 선도 모델 기업과 애플리케이션 계층에는 오히려 더 낫다. 과잉 구축은 데이터센터 매출총이익률을 낮추고, 추론 이익의 더 많은 부분이 상위 두 곳으로 흘러가기 때문이다.
SpaceX는 아직 규모가 작지만, 새 컴퓨트를 구축하는 이 치열한 시장에서 가장 강한 실행력과 가장 낮은 비용, 어쩌면 가장 강한 경쟁력, 가장 큰 야심과 계획을 갖고 있다. 과잉 구축의 가장 중요한 기여자 중 하나가 될 수밖에 없다.
—-----------------------------------------------------
오픈 모델과 클로즈드 모델의 격차는 좁혀질까?
오픈 소스가 모멘텀을 지속할 수 있는지는 오픈 모델의 역량에도 달려 있다. 내 견해로 격차는 약 6개월 수준에서 유지될 것이다. Mythos는 2월에 나왔고 규제를 받았다. 증류는 주로 비용 절감에 관한 것이다.
모델 발전의 세 가지 해자: 컴퓨트 규모, 데이터 규모, 자기 반복
OpenAI와 Anthropic은 올해 합쳐 데이터에 100억 달러 넘게 썼지만, 중국 연구소들도 이제 데이터에 수십억 달러를 쓰고 있다. 데이터 규모 해자는 좁아졌지만 여전히 존재한다.
컴퓨트 측면에서는 해외 데이터센터 구축과 여러 국가를 통한 우회 운송 사이에서 GPU 금지 조치는 상당 부분 우회되었다. 중국 국내 가속기 생산능력이 늘어나면 컴퓨트 해자도 계속 좁아질 것이다. 현재로서는 컴퓨트의 한 자릿수 규모 격차가 여전히 유지된다.
현재 차세대 모델의 발전은 이전 세대 모델을 기반으로 한 반복, 즉 자기 반복에 크게 의존한다. 이전 세대가 강할수록 다음 세대도 강하다. 이 격차는 쉽게 닫히지 않는다.
—-----------------------------------------------------------
오픈 소스가 클로즈드 소스 ARR에 미치는 영향은 분명 존재하지만, 시장이 예상하는 것보다 작을 수 있다. 적어도 1년 안에 충격은 크지 않다. 여기서 대략적으로 정량화해 보자.
OpenRouter와 Vercel의 오픈 소스 토큰 점유율이 28%에서 62%로 오른 것은, 라우터에 있는 소규모·초소형 기업과 멀티모델 사용자의 변화만 반영할 뿐이다. 클로즈드 소스 토큰의 압도적 대다수는 그곳에 전혀 보이지 않으므로 표본의 의미는 크지 않다.
7월 말 ARR 기준 Anthropic은 약 720억~750억 달러, OpenAI는 약 450억 달러다.
7월 기준 전 세계 오픈 소스 매출을 모두 합쳐도 약 100억 달러다. 북미만 보면 많아야 40억~50억 달러다. ARR 기준 북미 오픈 소스 토큰 팩토리 + AWS Bedrock 오픈 소스 + Azure 오픈 소스는 ARR 40억 달러 미만에 불과하며, 클로즈드 소스 1,200억 달러에 맞서 약 3% 비율이다.
중국의 오픈 소스 35억 달러를 분해하면 대략 Zhipu 10억 달러, Alibaba 12억 달러, DeepSeek 5억 달러, Kimi 3억 달러, MiniMax 2억 달러다. 미국을 분해하면 Fireworks 10억 달러, Together 12억 달러이며 그중 오픈 소스 추론은 5억 달러에 불과하고, Baseten은 5억 달러다. 다른 지역을 더해도 겨우 100억 달러에 이른다.
북미 토큰 팩토리의 오픈 소스 추론은 2026년 상반기에 약 3배 성장했을 뿐이다. 예를 들어 Fireworks는 10T 이상·ARR 3억 달러에서 40T·ARR 10억 달러로 갔다. 전체적으로 클로즈드 소스 추론 시장의 성장률과 비교해 의미 있는 우위는 없다.
기업이 자체 사용을 위해 프라이빗 오픈 소스 모델을 배포하는 경로는 비용 측면에서 성립하지 않는다. 데이터 보안은 별도 고려 사항이다. 오픈 소스 모델이 충분히 최적화되지 않았다면 비용이 클로즈드 소스보다 더 높을 수도 있다. 토큰 팩토리에 맡기는 편이 낫다.
미국 오픈 소스의 컴퓨트 확장은 여전히 컴퓨트에 제한되어 규모를 키울 수 없고, 확장 속도도 클로즈드 소스보다 우위가 없다. Fireworks, Baseten, Together는 모두 약 10억 달러 규모를 조달했지만, 현재 컴퓨트 임대 가격이 연간 200억 달러/GW이므로 그 돈으로는 1년간 0.5GW도 빌리지 못한다. 이들의 컴퓨트 성장은 실제로 클로즈드 소스보다 빠르지 않다. 확장하려면 고객이 Azure·AWS에서 자체 컴퓨트를 가져오게 해야 한다.
중국의 오픈 소스 확장은 더 빠르지만 토큰 팩토리 역시 컴퓨트 제약을 받는다. 중국 자체 수요도 충족하지 못하고 있으므로 현재로서는 해외로 나가 미국에 대규모로 팔 수 없다. 중국에는 규모가 다양한 토큰 팩토리가 약 30개 있고, 이미 피 말리는 레드오션이지만 모두 심각하게 컴퓨트가 부족하다. 카드를 가진 쪽이 매출을 얻는다.
중국 토큰의 해외 진출에는 신뢰와 정책 리스크도 있다. 미국 기업은 감히 사용하지 않을 수 있고, 중국도 자국 모델이 아무 대가 없이 무료로 쓰이는 것을 원하지 않을 수 있다. 그러나 OpenRouter와 Vercel 같은 라우터가 계속 발전하면 토큰 수출 금지조차 토큰의 해외 진출을 막을 수 없다. 미국에 오픈 소스 토큰을 파는 이익이 너무 높기 때문이다.
미국 오픈 소스 토큰 팩토리의 문제는 현재 컴퓨트가 제한되고 자금 조달 규모도 제한되어 있어 확장 속도가 수요를 맞출 수 없다는 점이다. 정책이 열려 중국 오픈 소스 토큰을 해외에 팔 수 있더라도, 단기적으로는 진출할 컴퓨트가 충분하지 않다. Nvidia가 오픈 소스를 그토록 열심히 지원하고, 심지어 직접 개입해 과정을 가속하는 이유도 이것이다. 오늘 Hugging Face를 인수했다.
—-----------
별도로, 클로즈드 소스의 방어 전략은 상당히 강력하다. 예를 들어 5.6 Luna가 가격을 80% 인하하면 가격 경쟁력이 매우 높아진다.
역사와 비교할 수 있다. 이는 모바일 인터넷 시대에 Qualcomm이 수년간 MediaTek을 상대로 사용한 방어 전략과 정확히 같다.
Sol은 Snapdragon 8 시리즈에 해당한다. 플래그십이 기술과 브랜드의 상한을 지키며, 물량과 점유율은 그렇게 크지 않다.
Luna는 Snapdragon 4 시리즈에 해당한다. 저가 구간을 선제적으로 채워 저비용 경쟁자에게 이익 풀을 남기지 않고, 물량의 대부분은 여기서 나온다.
토큰이 서로 다른 등급으로 나뉘는 것처럼 MediaTek 칩은 사실 휴대폰에 필요한 수준을 훨씬 넘는 ‘충분히 좋은’ 성능이었다. 일상 사용은 말할 것도 없고, 고부하 게임 상황에서도 10년 전 MediaTek은 Qualcomm에 크게 뒤지지 않았다.
Qualcomm–MediaTek의 공방전은 15년간 이어졌고, Qualcomm은 이 전략으로도 시장 점유율을 방어하고 고급 칩의 매출총이익률을 꽤 잘 유지했으며 Android 플래그십의 첫 선택지로 남았다.
따라서 역사를 보면 오픈 소스가 클로즈드 소스에 미치는 영향은 현실이지만, 역사의 흐름을 바꾸지는 못할 것이다.
—-------------------
오픈 소스 인접 영역의 또 다른 질문: 토큰 맥시밍 물결의 종식은 ARR 성장에 영향을 줄까?
내 생각에 토큰 맥시밍은 기업들이 내부 도입을 위해 한 단기적 조치일 뿐이었다. 일부 미국 대기업은 현재 직원의 일일 사용량을 제한하지만, 한도는 매우 높다. 대략 월 1만~2만 달러이며, 직원의 95% 이상은 거기에 전혀 근접하지 못한다. 실제 중앙값은 매우 낮으므로 성장 여지는 여전히 크다. 토큰 사용량은 아직 한계 긍정 수익이 큰 단계에 있다.
—--------------------------------
전체적으로
AI 인프라의 전망이 그토록 불투명하고 버블 논쟁이 인터넷 구축 시대보다 더 뜨거운 이유는 주로 컴퓨트 지출에는 일정한 가시성이 있는 반면 수요 가시성은 낮아 엄청난 불확실성을 만들기 때문이며, 그 사이에는 매출과 지출의 시점 불일치에서 오는 금융 리스크가 있다. 모든 주체가 계속 베팅을 키우면서 구축 금융 리스크는 국채 발행에까지 영향을 줄 수 있는 수준으로 커졌다.
그러나 새로운 패러다임이 전혀 없는 기본 시나리오에서도 적어도 2027~2028년까지의 구축은 버블이 아니라는 견해를 유지한다.
컴퓨트는 지능이고, 지능은 거대한 매출이다.
AI 토큰 수요의 두 기하급수 차원 사이 릴레이 속도는 역사상 전례가 없으며, 넓은 코딩을 통해 모든 것을 디지털화하는 수요는 첫 번째 구간을 막 마쳤을 뿐이다. 오픈 소스가 이익 분배에 미치는 영향은 반드시 발생하겠지만, 전체 흐름을 바꾸지는 못한다.
공급망 관점과 시장·거시 관점에서는 리스크와 사이클의 호황에 대한 감각이 반대로 보이지만, 양쪽이 느끼는 격변은 똑같이 격렬하다. 가까이 있는 이들은 부족함을 보고, 멀리 있는 이들은 과잉을 본다.
컴퓨트는 판단·인식이 되었다. 수요를 어떻게 전망하고 상한을 어떻게 계산할지는 역사적 참조가 전혀 없다. 우리가 실제로 논쟁하는 것은 숫자가 맞느냐가 아니라, 어떤 시간 단위로 그것을 보느냐였다.
그리고 바로 그 사실 자체가 이것이 얼마나 큰지를 보여 준다. 진정한 국면 전환만이 모든 낡은 역사적 참조를 한꺼번에 무력화한다.
지출의 가시성이 오늘의 공포를 만들지만, 수요의 비가시성에야말로 이 시대 최대의 기회가 숨어 있다.
경로가 명확히 보이지 않는다고 해서 방향을 잘못 본 것은 아니다.
모든 S 곡선의 기하급수 성장은 결국 끝에 도달한다.
그러나 문명은 어느 하나의 곡선 끝에서 멈춘 적이 없다.
—--------------------------------------
오픈 소스는 반도체에 어떤 영향을 미칠까?
반도체 설비투자 내전에서는 누가 이길까? 그리고 메모리·스토리지가 이익을 너무 많이 가져가면 어떻게 될까?
이 글은 이미 너무 길어졌으므로, 이 두 주제는 다음 글로 넘긴다.
