엔비디아의 AI 생태계 올인과 앤트로픽의 30조 달러 TAM 가정

URL: https://www.youtube.com/watch?v=j_JlQm8DB80
날짜: 2026-08-28
채널: 20VC with Harry Stebbings
원문 제목: Anthropic's $30T Assumption & OpenAI Confirms IPO | Why Customer Service & Robotics are Overinflated
발행일: 2026-08-27
출연: Harry Stebbings, Jason, Rory

📌 핵심 질문 / AI 자본 사이클의 다음 관문

==AI 생태계의 승자는 모델 하나를 만드는 회사가 아니라, 컴퓨트·오픈 모델·학습 데이터·기업 고객의 지출을 동시에 장악하는 회사가 될 수 있으며, 시장은 아직 이 사이클의 3분의 1도 지나지 않았다.==

• NVIDIA는 Poolside의 모델 자산과 엔지니어를 Nemotron에 편입하고, Mercor·Perplexity·OpenAI 같은 수요 측 기업에도 자본을 공급한다.
• Poolside가 400억 달러 상당의 GPU 4만 장을 살 20억 달러를 조달하지 못한 사례는 프런티어 모델 경쟁이 아이디어가 아니라 자본집약도의 싸움임을 보여준다.
• Anthropic의 30조 달러 TAM 가정과 OpenAI의 2027년 IPO 예고는 AI 기업의 매출·수익성·상장 순위를 다시 쓰는 경쟁을 촉발한다.
• 기업은 토큰을 소프트웨어 좌석이 아니라 돈처럼 가격을 매기고 배분해야 하며, 사용량을 끊으면 핵심 인재가 이탈하는 인재 유지 문제까지 감수해야 한다.

NVIDIA의 현금은 생태계의 각 층을 움직이는 전략 자산이 됐다. Poolside와 오픈 모델에는 컴퓨트 수요를 넓히는 돈을, Mercor에는 학습 데이터 공급망을 선점하는 돈을, OpenAI와 Perplexity에는 고객의 칩 구매를 가능하게 하는 벤더 금융(vendor financing)을 투입한다. 동시에 Anthropic의 코딩 중심 성장과 OpenAI의 소비자 브랜드가 충돌하면서, 공개시장 투자자는 아직 상장되지 않은 거대 기업들의 재평가를 기다리고 있다.

1. NVIDIA가 모델·데이터·고객 금융을 한꺼번에 묶다

NVIDIA는 칩을 파는 회사에서 AI 생태계 전체의 성장률과 생존 가능성을 조정하는 회사로 변하고 있다.

1.1. Poolside 거래가 드러낸 프런티어 모델의 자본 장벽

1. 거래의 구성

   1. 모델 팩토리 라이선스: NVIDIA가 Poolside의 Model Factory를 라이선스하는 대가로 60억 달러를 지급한다.
   2. 추가 투자와 인력 이동: 기업가치 120억 달러 프리머니(pre-money) 기준으로 10억 달러를 추가 투자하고, Poolside 엔지니어 109명을 NVIDIA의 Nemotron 구축 쪽으로 옮긴다.
   3. 전략적 의미: 미국산 오픈 모델을 확보해 중국 오픈소스 모델이 차지한 토큰 처리량과 컴퓨트 수요를 NVIDIA 칩 쪽으로 끌어온다.

2. Poolside의 자금 조달 실패

   1. 데이터센터 계획: Poolside는 약 4만 장의 GPU를 구매하고 자체 대규모 데이터센터를 세우기 위해 20억 달러를 조달하려 했다.
   2. 컴퓨트 절벽: 필요한 돈을 확보하지 못하면 다음 해에 사용할 컴퓨트가 없어 모델의 다음 세대 학습을 진행할 수 없는 상황이었다.
   3. 실패한 뒤의 선택: 독립적으로 다음 라운드를 버티는 대신 NVIDIA로부터 60억 달러를 받고, 10억 달러 투자를 더해 120억 달러 프리머니 거래로 사실상 ‘실패를 딛고 상승(fail up)’했다.

3. Poolside 투자자 편지의 핵심 문장

   1. 옳았던 예측: Poolside는 3년 전 미국 오픈소스 모델 시장이 생길 것이라고 예측했고 실제 모델을 만들며 약속한 일을 수행했다.
   2. 달라진 자본 강도: 시장이 자본 집약도(capital intensity) 측면에서 기하급수적으로 커지면서, 다음 모델 세대를 돌리는 비용이 Poolside의 독립적인 자금 조달 능력을 넘어섰다.
   3. 비관과 낙관의 동시성: 가장 똑똑한 팀도 프런티어 경쟁에서 자본의 벽에 부딪힌다는 점은 부정적이지만, 초고성장 시장에서 공을 충분히 앞으로 옮긴 회사는 독립 수익성이 부족해도 인수자에게 큰 가치를 만들 수 있다는 점은 긍정적이다.

1.2. Poolside의 15배 수익과 시드 펀드의 수학

1. 15배의 의미에 대한 충돌

   1. Rory의 관점: 사업 가설이 완전히 실현되지 않았어도 인수자에게 가치를 만들고 투자자에게 15배를 돌려줬다면 훌륭한 결과이며, 벤처에서 실패한 투자마다 15배를 얻으면 부자가 되어 죽을 수 있다고 말한다.
   2. Jason의 관점: 2026년 시드 투자에서 90억 달러의 출구(exit)는 충분한 기준을 넘지 못한다. 오늘날 시드 라운드는 10억~20억 달러 프리 또는 포스트 밸류에이션에서도 성사되므로, 진짜 시드 펀드는 15배 하나로 펀드 전체 수익을 만들기 어렵다.
   3. 희석의 함정: 90억 달러 출구에서 15배만 얻었다면 초기 투자 가격은 단순 60억 달러가 아니라 희석을 반영한 유효 프리머니 약 6억 달러였다는 뜻이다.

2. 50배를 요구하는 펀드 수학

   1. 최고의 투자 기준: 시드 펀드가 포트폴리오의 손실과 희석을 감당하려면 최선의 투자가 50배 또는 100배가 되어야 한다.
   2. 가상의 출구 가격: Poolside 투자자가 15배 대신 희석 후 50배를 만들려면 약 7배 더 큰 출구가 필요하며, 대략 630억 달러의 기업가치가 필요하다는 계산이 제시된다.
   3. 개인 투자자와 펀드의 차이: 개인 투자자에게 15배는 대단한 성과지만, 여러 투자를 묶어 운용하는 시드 펀드에는 동일한 결과가 충분하지 않을 수 있다.

3. 그래도 Poolside가 합리적인 베팅이었던 이유

   1. 상금 구조: 폐쇄형 프런티어 모델의 승자는 1조 달러 규모이고, 중국의 오픈웨이트(open-weight) 승자도 500억~1,000억 달러 규모가 될 수 있어 초기 잠재 수익이 매우 컸다.
   2. 순위 밖의 보상: 골프 US Open 마지막 날 몇 번의 퍼트를 놓쳐 우승하지 못해도 7위 상금으로 수백만 달러를 받는다는 비유처럼, 1등이 아니어도 90억 달러의 가치가 남는다.
   3. 대화의 농담: Jason이 공을 벙커에 넣어 빠져나오지 못했다고 하자, Rory는 두 타를 더 쳤을 뿐 결국 벙커에서 나왔고 이것은 승리라고 받아친다.

1.3. NVIDIA가 오픈 모델을 사는 경제적 이유

1. 오픈 모델은 칩의 보완재다

   1. 토큰과 마진의 분리: 중국 오픈소스 모델은 모델 사업자의 마진을 크게 가져가지 못해도 많은 토큰을 처리하고, 그만큼 컴퓨트를 소비한다.
   2. NVIDIA의 이해관계: 미국 오픈 모델이 NVIDIA 칩 위에서 실행되며 프런티어 모델의 시장점유율을 일부 빼앗으면, 모델 회사보다 칩 회사로 더 많은 돈이 흐른다.
   3. Nemotron의 역할: Poolside의 모델 자산과 109명의 엔지니어는 Nemotron을 미국산 오픈 모델의 경쟁자로 만드는 재료가 된다.

2. 프런티어 경쟁의 자금 공급자

   1. VC의 한계: 미국에서 최첨단 프런티어 모델을 계속 자금 조달할 수 있는 주체는 Microsoft·Google·Amazon 같은 하이퍼스케일러였고, 이제 NVIDIA도 그 대열에 들어섰다.
   2. VC 지분의 축소: Anthropic과 OpenAI에는 VC 자금이 오래전에 바닥났기 때문에 어느 VC도 두 회사 지분을 1~2% 이상 보유하기 어렵다.
   3. Apple의 예외: 세계 최대 기업 다섯 곳이 생태계에 자금을 넣는 동안 Apple은 현금을 쌓고 주가 상승을 누리는 쪽을 택한다는 농담이 나온다.

2. Mercor·Perplexity·벤더 금융이 만드는 생태계 순환

NVIDIA의 모든 투자가 칩 판매를 직접 늘리는 것은 아니지만, 현금을 고객과 공급망 전체에 흘려보내는 선택은 강한 현금흐름이 지속될 때 상당한 전략적 레버리지를 만든다.

2.1. Mercor 투자와 학습 데이터의 가치

1. Mercor의 성장과 거래 조건

   1. 매출 규모: Mercor의 연환산 매출(ARR)이 약 20억~25억 달러를 넘는다는 수치가 언급된다.
   2. 신규 라운드: General Catalyst가 주도하는 라운드에서 기업가치 200억 달러가 거론되고, NVIDIA가 상당한 규모로 참여할 가능성이 제시된다.
   3. 투자자의 놀라움: Harry는 Mercor에 투자했지만 이렇게 빠르게 커질 줄은 몰랐다고 말한다.

2. Poolside와 다른 전략적 연결

   1. Poolside의 직접 효과: Poolside는 오픈 모델을 키워 NVIDIA가 더 많은 오픈 모델 컴퓨트를 판매하게 만들 수 있다.
   2. Mercor의 간접 효과: Mercor가 더 많은 AI 학습을 수행한다고 해서 칩 판매가 바로 증가하는 것은 아니므로, 데이터 라벨링·학습 데이터가 NVIDIA에 얼마나 전략적으로 중요한지 별도 판단이 필요하다.
   3. 데이터의 선택권: 프런티어 모델이 2조~5조 달러 사업이 된다면 핵심 데이터 공급자는 그 시장가치의 일부를 차지할 수 있고, 장기적으로 2,000억 달러 규모의 기업이 될 가능성도 거론된다.

2.2. 총마진보다 성장과 전략적 선택이 앞서는 시장

1. Croll의 거래 분석

   1. 30% 기준의 변화: Croll이 최근 6개월의 인수·대형 거래를 분석한 결과, 에이전트 기업은 총마진이 30% 아래면 불이익을 받지만 30%를 넘는다고 추가 보상을 받지는 않는다는 해석이 소개된다.
   2. Mercor의 계산: 총마진 80%에 성장하는 기업을 전통적인 8배 매출 배수로 평가하면 200억 달러가 지나치게 비싸지 않다는 계산이 가능하다.
   3. 핵심 배수: 궁극적으로 데이터 기업에 AI 프리미엄을 적용할지, 낮은 성장률·총마진 배수를 적용할지가 가치의 큰 변수가 된다.

2. Cursor 사례와 생존자 편향

   1. 초기의 문제: Cursor는 월 200달러 무제한 사용처럼 원가를 방어할 수 없는 가격으로 시작했고, 사용량 제한과 자체 모델 개발을 거쳐야 했다.
   2. 결과: 강한 시장지위와 뛰어난 팀이 비용 구조를 개선하면서 Cursor의 기업가치가 600억 달러까지 올라갔다.
   3. 주의점: 음의 총마진으로 시작한 모든 회사가 Cursor처럼 되지는 않는다. 나쁜 총마진이 계속 나쁜 채 남은 투자 사례도 있으며, Mercor는 수십만 명의 고객을 가진 Cursor와 달리 3~5개 대형 고객에 의존해 마진 개선 경로가 더 불확실하다.

3. ‘모든 일이 잘되면?’이라는 투자 질문

   1. 기본 태도: Rory는 투자 검토 때 위험을 열거하는 데서 끝내지 않고, 사실·팀·포트폴리오 구성까지 모두 올바르게 작동하면 어떤 결과가 나오는지 묻는다.
   2. 시장 전환의 힘: 네거티브한 DCF만 보면 부족해 보이는 회사도 올바른 방향으로 움직이며 당장 가치 있는 제품을 만들면 큰 출구를 얻을 수 있다.
   3. 반복될 출구: 초고성장 AI 시장에서는 Poolside와 같은 ‘자본 벽에 부딪힌 뒤 더 큰 회사에 편입되는’ 거래가 앞으로도 많이 나올 수 있다.

2.3. NVIDIA의 현금 사용과 벤더 금융의 위험

1. 현금흐름의 폭발

   1. 규모의 변화: NVIDIA의 현금흐름은 4년 전보다 약 10배 커졌고, 자본적 지출을 뺀 잉여현금흐름이 약 40억 달러에서 500억 달러 수준으로 커졌다는 비교가 나온다.
   2. 현재 현금: 현금과 투자를 합친 대차대조표 보유액은 약 500억 달러로 언급되며, 일각에서는 비상시를 위해 더 보유해야 한다고 본다.
   3. 소비의 논리: 수익성 높은 기업이 현금을 방어적으로 쌓는 것보다 고객·생태계에 1대1로 재투자하는 편이 낫고, 월스트리트가 허용한다면 현금의 100%를 쓰겠다는 논리가 제시된다.

2. 세 가지 투자 층위

   1. 인접 제품 인수: Poolside 거래는 오픈 모델을 확보해 총주소시장(TAM)을 넓히는 인접 영역 확장이다.
   2. 관련 공급망 투자: Mercor 투자는 학습 데이터와 데이터 라벨링이라는 인접 공급망을 선점하는 전술적 투자다.
   3. 고객 금융: OpenAI·Perplexity 등에 돈을 넣는 것은 칩 구매자가 미래 매출을 만들 수 있도록 공급자가 자금을 대는 벤더 금융이다.

3. 순환 매출의 양면성

   1. 좋은 시나리오: NVIDIA는 고객을 얻고, 고객의 성공을 보장하며, 그 고객이 다시 NVIDIA 칩을 구매하는 순환 매출(circular revenue)을 얻는다.
   2. 나쁜 시나리오: 고객 성장률과 수요를 잘못 인수하면 2년 뒤 대손과 과잉 컴퓨트가 돌아오며 NVIDIA가 바보처럼 보일 수 있다.
   3. 2000년 통신 버블의 교훈: 2000~2002년 통신 붕괴 때 통신 장비 업체와 금융기관이 고객의 낙관적 전망을 떠받친 뒤 거래가 풀린 사례처럼, 벤더 금융은 매출을 단순히 파는 것보다 훨씬 높은 지속적 판단력을 요구한다.

3. OpenAI의 IPO 압력과 Anthropic의 30조 달러 가정

Anthropic의 성장·수익성·코딩 집중은 OpenAI가 소비자 브랜드의 우위를 지키면서도 기업 시장의 속도와 자본 요구를 따라가야 하는 압박을 만든다.

3.1. OpenAI의 2027년 상장 예고

1. Sarah Fry의 메시지

   1. 상장 시점: OpenAI CFO Sarah Fry는 직원들에게 OpenAI가 2027년에 공개기업이 될 것이라고 말했다.
   2. 시점의 압력: Anthropic이 수개월 안에 상장할 수 있다는 전망이 나오는 상황에서 OpenAI가 침묵하면 시장이 최악의 성장률을 사실로 받아들일 수 있다.
   3. Q3 재가속 서사: Q1·Q2 성장률이 기대보다 약했기 때문에 OpenAI는 Q2가 예외였고 Q3가 폭발적으로 성장하고 있다는 메시지를 내부와 외부에 동시에 흘릴 필요가 있었다.

2. 매출 성장의 상대 비교

   1. OpenAI 수치: Q1·Q2 매출이 대략 50억~60억 달러였고 분기 대비 성장률이 18%였다는 설명이 나온다. 지난해 GAAP 매출 약 125억 달러에서 올해 300억 달러에 못 미칠 수 있다는 계산이 붙는다.
   2. Anthropic 수치: Anthropic은 연환산 매출 약 600억 달러에 도달했고 더 빠르게 성장하는 것으로 묘사된다.
   3. 절대 성장과 상대 순위: 한 회사가 연간 두 배로 성장해도 훌륭하지만, 경쟁사가 600억 달러에서 8배 또는 10배 속도로 커지면 상대 시장점유율은 2년 안에 20~30%로 내려갈 수 있다.

3. 칩 공급자에게 보내는 신호

   1. 수요 기대: NVIDIA와 Broadcom은 OpenAI가 장차 약 2,000억 달러어치 칩을 구매할 가능성을 전제로 움직여 왔다.
   2. 성장률의 함의: OpenAI의 상반기 숫자만 보면 성장률이 낮아 미래 컴퓨트 수요도 낮아질 수 있다는 결론이 가능하다.
   3. 메시지의 목적: OpenAI가 Q3 가속을 강조한 것은 매출을 자랑하기 위한 홍보만이 아니라, 공급망과 투자자에게 컴퓨트 수요가 계속 커진다는 확신을 주는 생존 전략이다.

3.2. ‘2위’가 된 OpenAI의 선택지 감소

1. 순위 변화

   1. Anthropic의 1위: 플랫폼·기업 채택 지표에서 Anthropic이 1위라는 사실은 숫자로 반박하기 어렵다는 평가가 나온다.
   2. OpenAI의 2위: OpenAI는 여전히 거대하지만 시장의 기본 순위가 1위에서 2위로 바뀌었다.
   3. IPO 가격: Anthropic이 2조 달러에 상장하면 OpenAI는 그보다 낮은 가격을 받을 가능성이 높고, Anthropic이 1조 달러라면 OpenAI는 7,000억 달러 수준일 수 있다는 식으로 상대 가격이 결정된다.

2. 2위 자리를 둘러싼 다자 경쟁

   1. 오픈웨이트의 압박: 성능이 근접한 오픈웨이트 모델이 많아지면 프리미엄 폐쇄형 모델은 가격을 내리지 않고는 경쟁하기 어렵다.
   2. 멀티모델 환경: 기업은 이미 여러 LLM을 스택에 넣고 있으며 OpenRouter 같은 라우터를 통해 최대 78개 모델을 선택할 수 있다.
   3. 영업의 어려움: 경쟁자가 Anthropic 하나일 때는 두 회사의 과점형 비교표를 만들 수 있지만, 11~12개의 오픈소스·오픈웨이트·신형 플랫폼이 있으면 OpenAI는 모든 워크플로에 연결되어야 한다.

3. 선택의 부재가 만드는 상장 일정

   1. 수익성 압력: 경쟁사가 수익을 내고 상장하면 OpenAI도 수익성을 증명해야 한다.
   2. 자금 압력: 프런티어 모델의 거대한 컴퓨트 비용 때문에 현금흐름만으로 버티며 2028년을 기다리기 어렵다.
   3. 위험의 정의: Sebastian Junger의 바다 재난 책에서 나온 ‘위험은 선택지가 없는 상태’라는 문장처럼, OpenAI는 상장 시점과 가격을 완전히 통제하지 못하고 2027년에 시장이 주는 가격을 받아야 할 수 있다.

3.3. Anthropic의 차별화와 30조 달러 TAM

1. 코드 중심의 한 문장

   1. 최고 ROI 영역: 코딩은 AI 채택 속도가 가장 빠르고, 생산성 향상의 투자수익률이 높으며, 고객의 지불 의향도 큰 시장으로 평가된다.
   2. 핵심 포지셔닝: Yahoo 이사회가 10년 동안 ‘모든 것은 검색이다’라고 외쳤다면 1,000억 달러를 만들었을 것이라는 비유처럼, Anthropic에는 ‘모든 것은 코드다’라는 한 문장이 작동한다.
   3. OpenAI와의 대비: OpenAI는 ChatGPT 소비자 확산에 집중했고 Anthropic은 코딩·기업 지출이라는 지불 의향이 높은 곳에 집중했다.

2. 소비자 브랜드의 힘과 한계

   1. ChatGPT의 침투력: 세계 다수의 일반 사용자에게 AI의 동의어는 ChatGPT이며, 다른 LLM이 따라가기 힘든 소비자 브랜드와 사용량을 확보했다.
   2. Google식 선택지: ChatGPT를 차세대 Google로 보고 광고와 소비자 하드웨어를 결합하면, 서빙 비용이 낮아지는 5~10년 동안 Google 소비자 사업의 ±50% 수준에 가까운 사업이 될 가능성이 있다.
   3. 컴퓨트의 기회비용: Sora와 소비자용 영상은 매력적이지만 제한된 컴퓨트를 코딩·기업 매출에 쓰는 것보다 ROI가 낮아 우선순위에서 밀렸다.

3. 소비자 토큰 경제의 취약성

   1. 보조금 구조: 파워 유저는 월 100~200달러를 내고 8,000~12,000달러 상당의 토큰을 사용할 수 있어 소비자 사업이 사실상 크게 보조된다.
   2. 제품의 출발점: ChatGPT와 Claude는 처음부터 수익성 높은 소비자 기업이 아니라 플랫폼의 가능성을 입증하는 프로토타입 앱이었다.
   3. 기업과의 차이: 기업은 코드·법률·대출 처리처럼 비용이 큰 업무에 예산을 배정하고 높은 지불 의향을 보이지만, 일반 소비자의 추가 지불 의향은 상대적으로 낮다.

4. 30조 달러 TAM의 과장

   1. Anthropic의 주장: Anthropic이 전체 잠재시장을 30조 달러로 본다는 내용이 Wall Street Journal을 통해 소개된다.
   2. 비판적 해석: 이 숫자는 사실상 미국 전체 GDP와 맞먹는 수준이므로, 시장을 잘 정의한 TAM이라기보다 ‘모든 것을 가져가겠다’는 선언에 가깝다는 비판이 나온다.
   3. 필요한 서사: Anthropic이 자신의 지분 2%만 가져가더라도 거대한 시장을 주장해야 한다는 농담이 붙으며, 성과가 좋을수록 기업의 TAM 설명이 현실보다 커지는 경향을 경계한다.

4. 공개시장 재평가와 Hugging Face의 중립성

상장 AI 종목의 조정은 거품의 끝을 의미할 수도 있지만, 비공개 AI 기업이 상장되기 전까지는 공개시장 투자자가 비교 대상 자체를 충분히 보지 못한 상태이기도 하다.

4.1. $8200억 가치 소멸과 공개시장 계층 재편

1. AI 종목 조정

   1. 하락 폭: 주요 AI 종목이 4월 이후 최악의 연속 하락을 겪으며 약 8,200억 달러의 가치를 지웠다.
   2. 재평가의 원인: 성장률·마진·컴퓨트 기대가 한꺼번에 조정되면서 공개시장 투자자는 실제 현금흐름과 상장 가능성을 다시 계산한다.
   3. 숨은 비교 대상: OpenAI·Anthropic·Stripe·Databricks 같은 비공개 또는 신규 상장 후보가 공개되면 기존 소프트웨어 기업의 순위가 크게 밀릴 수 있다.

2. Stripe와 Databricks의 기준선

   1. Stripe 성장: Stripe는 매출 성장률이 41%로 가속됐고 청구(billing)는 71% 증가했다.
   2. AI의 수혜: 거의 모든 에이전트 제품이 Stripe를 사용하기 때문에 AI 에이전트 확산이 Stripe의 차별적 성장분을 만든다.
   3. 안전한 AI 노출: Stripe는 AI만의 회사가 아니라 기존 클라우드 경제의 현금창출 사업을 보유하면서 AI 성장률을 추가로 얻으므로, AI 열기가 식어 성장률이 10%로 내려가도 현금을 계속 만들 수 있다.

3. 공개 소프트웨어의 상대적 압박

   1. 새로운 리더보드: OpenAI와 Databricks가 80% 성장률로 상장하고 Stripe가 41% 성장·71% 청구 증가를 보여주면, Palantir를 제외한 대부분의 전통 소프트웨어 기업은 비교표에서 아래로 밀린다.
   2. 투자자의 답답함: 비공개 기업의 성장률과 자산이 공개되지 않은 상태에서 소형·중형주 투자자는 도달할 수 없는 최고급 자산을 포트폴리오에 담지 못한다.
   3. 크로스오버 투자: 이런 격차 때문에 공개시장과 비공개시장 양쪽에 투자하는 크로스오버 펀드가 늘어난다.

4.2. Hugging Face의 전략적 가격과 ‘건드리면 망가진다’는 원칙

1. 잠재적 인수 가치

   1. 가격 논쟁: Hugging Face에 130억 달러 가격이 거론되지만, Harry와 Jason은 그 가격을 직관적으로 이해하기 어렵다고 말한다.
   2. 현재 매출: Hugging Face의 매출은 약 1억5,000만 달러로 언급되며, 130억 달러는 현재 매출 배수만으로는 설명하기 어렵다.
   3. 전략적 자산: 기업이 폐쇄형 프런티어 모델에 모든 TAM을 빼앗길까 두려워할 때 오픈웨이트 모델을 접근하는 중립 플랫폼은 강력한 반대편 자산이 된다.

2. 오픈웨이트 전환의 배경

   1. 기업의 자구책: Microsoft·IBM 같은 IT 기업은 두 프런티어 모델이 모든 업무를 가져갈 수 있다는 위기감을 느끼며 자체 모델과 오픈웨이트를 찾는다.
   2. 시장 전환: 오픈웨이트 모델은 실험 단계에서 주류로 넘어가고 있으며, 기업은 모델 선택·호스팅·배포를 위한 중립적인 장소를 필요로 한다.
   3. 매각 타이밍: 오픈웨이트가 실험에서 주류가 되는 전환 순간에 관련 인프라를 보유했다면 ±90일 안이 가장 높은 매각 가격을 받을 수 있는 정점일 수 있다.

3. 플랫폼 중립성 보존

   1. 10,000개 모델의 마켓플레이스: Hugging Face는 수많은 모델을 탐색하는 중립적인 장터이며, 한 인수자가 특정 모델·광고·상업적 이해를 앞세우면 신뢰가 무너진다.
   2. 인수 후 운영: 30억 달러든 130억 달러든 인수한다면 24~36개월 동안 95% 이상을 그대로 두어야 한다는 의견이 나온다.
   3. 핵심 문장: Hugging Face는 ‘건드리면 망가지는’ 플랫폼이므로, 소유권을 바꿔도 사용자·모델·중립성을 건드리지 않는 거래 구조가 필요하다.

5. 레버리지·공매도와 AI 부의 집중

공개시장 사건과 주거비·임금의 변화는 AI 붐이 단순한 기술 사이클이 아니라 자본과 위험 관리 방식, 지역 사회의 비용 구조까지 바꾸고 있음을 보여준다.

5.1. Citadel과 Situational Awareness 포트폴리오

1. Ken Griffin의 거래

   1. 포트폴리오 인수: Citadel이 Leopold Aschenbrenner의 Situational Awareness가 보유하던 AI 관련 공개 주식 포트폴리오를 인수했다.
   2. 위험 축소: Ken Griffin은 인수한 원래 포트폴리오의 총 위험을 80% 이상 줄였다고 투자자에게 알렸다.
   3. 거래 규모: 100건이 넘는 블록 거래로 40억 달러 이상의 시장가치 포지션을 처리했다는 후속 수치가 확인된다.

2. Citadel이 잘한 일

   1. 시장조성자 성격: Citadel은 장기 보유를 목표로 하는 투자자가 아니라 시장조성과 단기 트레이딩에 강점을 가진다.
   2. 약한 손에서 강한 손으로: 시장가보다 10% 낮은 가격에 자산을 사들인 뒤, 강한 손으로 이동했다는 신호만으로 가격이 5~10% 더 오르면 자금을 회수할 수 있다.
   3. 반복 불가능성: 이런 특수상황은 매달 반복되지 않으며, 수년마다 한 번 나타나는 레버리지 오류를 포착할 대차대조표와 배짱이 필요하다.

3. 레버리지의 교훈

   1. 무차입 투자: 레버리지가 없으면 장기적으로 옳은 판단을 하고 버티는 것이 핵심이다.
   2. 4대1 레버리지: 레버리지를 네 배로 쓰면 최종적으로만 옳아서는 안 되고, 보유 기간의 모든 단계에서 옳아야 한다.
   3. 벤더 금융과의 공통점: NVIDIA가 칩을 그냥 팔면 최종 수요만 맞으면 되지만, 칩을 살 돈까지 빌려주면 고객의 내년 성장과 상환 능력까지 계속 맞혀야 한다.

5.2. KOSPI·메모리·샌프란시스코의 AI 인플레이션

1. AI 레버리지로서의 KOSPI

   1. 연간 상승률: KOSPI가 연초 대비 약 56.46% 상승한 것으로 언급된다.
   2. 고점과 급락: 6월 약 9,000에서 7월 29일 약 5,600까지 급락한 뒤 20%대 반등을 보였다는 변동성이 소개된다.
   3. 구성의 변화: 한국 증시는 메모리 업체 두 곳과 AI 관련 기업의 묶음처럼 움직이며, AI 기대를 NASDAQ보다 더 크게 증폭한다.

2. 메모리 인재의 가격

   1. 결혼 시장의 농담: 한국에서 삼성전자와 SK하이닉스 엔지니어가 가장 선호되는 신랑감이 됐다는 보도가 소개된다.
   2. NVIDIA 직원의 부: NVIDIA 직원의 약 50%가 순자산 2,500만 달러 이상이 됐다는 이야기가 나온다.
   3. 주가와 생활비: AI 주식의 상승은 직원 부를 늘리지만, 그 부가 특정 지역과 직군에 집중되며 주거비를 함께 끌어올린다.

3. 샌프란시스코의 주거비

   1. 임대료: Dogpatch의 평범한 1베드룸 아파트 Avalon 임대료가 월 1만 달러를 넘는다.
   2. 필요 소득: 캘리포니아 세전 소득 24만 달러가 임대료만 내는 데 필요하고, 편안함을 느끼려면 48만 달러가 필요하다는 계산이 나온다.
   3. 지역의 제약: 인구 약 75만~78만 명의 샌프란시스코와 약 700만 명의 베이 지역에 돈이 몰리고, 바다·산·좁은 계곡으로 둘러싸인 토지 공급이 제한되어 가격이 쉽게 내려가지 않는다.

4. 부의 집중의 장기 경로

   1. 수요의 집중: OpenAI와 Anthropic이 전체 자금의 큰 몫을 가져갔고 캘리포니아가 전체 AI 자금의 약 4분의 3을 흡수했다는 관찰이 나온다.
   2. 생산성의 집중: 더 적은 인원으로 더 많은 매출을 만드는 기업은 핵심 인재에게 일반적인 회사보다 2~3배 높은 보상을 지급할 수 있다.
   3. 조정과 래칫: 1999~2000년과 2007년처럼 조정은 오지만, 가격은 원래 수준으로 완전히 돌아가지 않고 한 단계 높은 바닥으로 고정되는 경향이 있다.

6. 토큰 중독과 기업의 지능 예산

AI 사용량은 소프트웨어 좌석처럼 고정된 라이선스가 아니라 조직 전체를 흐르는 지능(intelligence) 자원이므로, CFO는 가격·배분·인재 유지의 세 문제를 동시에 풀어야 한다.

6.1. AI 사이클은 아직 초반이라는 공급·수요 논리

1. 공급 측은 멈추지 않는다

   1. NVIDIA와 하이퍼스케일러: NVIDIA와 대형 클라우드 기업은 컴퓨트 투자를 갑자기 중단할 이유가 없고, 다음 분기에도 수요 둔화를 선언할 가능성이 낮다.
   2. 추가 자본의 문: Anthropic과 OpenAI가 상장하면 사모시장 밖의 공개시장 자본이 유입되어 AI 사이클이 한 번 더 연장된다.
   3. 남은 두 변수: 사이클을 멈출 요인은 자본 고갈 또는 최종 제품 수요 고갈이며, 공급자의 의지 자체가 아니다.

2. 기업 수요가 진짜 병목이다

   1. 매출 목표: OpenAI와 Anthropic이 2028년 2,000억 달러의 GAAP 매출을 이야기하는 상황에서 기업이 2027년까지 실제 수요를 얼마나 빨리 만들지가 핵심이다.
   2. 필요한 시장: AI 기업들이 2,000억~3,000억~4,000억 달러 규모의 제품 수요를 만들 수 있는지가 컴퓨트 열차의 속도를 결정한다.
   3. 현재의 강점: 코딩 분야는 이미 비용 대비 효과와 지불 의향이 확인됐지만, 법률·재무·운영으로 확산되는 속도가 1년인지 10년인지에 따라 결과가 달라진다.

3. 토큰 의존의 비가역성

   1. 토큰 맥시밍: 올해 초 기업은 토큰을 많이 쓰는 직원이 좋은 직원이라는 ‘퍼포먼티브 AI’를 과시했다.
   2. 예산 충격: 직원 한 명당 월 2만 달러 청구서가 나타나자 비엔지니어는 200~500달러, 엔지니어는 1만 달러처럼 사용 상한을 두기 시작했다.
   3. 다음 단계: 내년에는 비용 통제에 대한 반발이 일어난다. AI를 빼앗으면 업무를 수행할 수 없다고 느끼는 직원이 이미 생겼기 때문이다.

6.2. 지능을 돈처럼 가격 매기고 배분하기

1. Stripe 편지의 통찰

   1. 지능의 대체 가능성: 지능은 자본처럼 대체 가능하고(fungible), 수요가 있으며, 관리·배분해야 하는 자산이라는 관점이 제시된다.
   2. 좌석 기반 SaaS와의 차이: 좌석 다섯 개를 판매하면 판매가 끝나지만, 무제한 지능을 주면 직원이 계속 토큰을 소비하므로 CFO의 관리가 계속된다.
   3. OpenRouter의 역할: 모델별 비용·성능을 라우팅하고 사용량을 통제하는 OpenRouter 인수는 지능을 소프트웨어 라이선스보다 현금처럼 관리하려는 움직임이다.

2. CFO의 손익 계산

   1. 예산 초과: CFO들은 첫여름 토큰 예산을 모두 부족하게 잡았고, 팀이 예상보다 훨씬 많은 돈을 썼지만 회사가 즉시 망하지는 않았다.
   2. 이익 잠식 금지: 연간 이익이 10억 달러인 중견 은행이 토큰에 1억 달러를 써 EPS를 10% 낮추면서 자동화했다고 월스트리트에 말할 수는 없다.
   3. 대체 비용: 토큰을 더 쓰려면 직원 수, 다른 소프트웨어, 기존 운영비 중 무엇인가를 줄여 자동화의 순이익 개선을 만들어야 한다.

3. 생산성 높은 직원의 배분

   1. 차등 예산: 모든 직원에게 동일한 무제한 예산을 주는 대신, Jason처럼 생산성이 높은 직원에게 더 많은 토큰을 주고 낮은 ROI의 사용은 줄여야 한다.
   2. 인원 구조조정: Jason이 네 사람 몫을 하면 조직은 기존 네 명을 계속 유지하면서 토큰 비용까지 더할 수 없고, 그중 세 명의 역할을 재설계해야 한다.
   3. 자동화의 조건: 자동화는 매출이 늘지 않은 채 비용만 늘리는 장치가 아니라, 같은 매출에서 이익과 주당순이익을 올리는 장치여야 한다.

6.3. 토큰 예산과 인재 유지의 충돌

1. 핵심 인재의 이탈 위험

   1. CFO의 공포: 주가가 내려가고 주식보상이 부족한 회사의 CFO는 최상위 AI 인재가 OpenAI·Anthropic·Harvey 같은 회사로 빨려 나갈 것을 두려워한다.
   2. 최악의 구성: AI 리더에게 필요한 도구를 주지 않으면 조직에는 AI 회의론자와 과거 SaaS 방식에 머문 인력만 남을 수 있다.
   3. 극단적 표현: Jason은 5~10개의 에이전트를 24시간 돌릴 수 없다면 자신의 일, 코드 작성, 버그 수정, 팟캐스트 편집을 하지 않겠다고 말한다.

2. 30%와 90%의 차이

   1. 회사 전체의 위험: 회사 인력의 30%가 Harvey로 떠나면 회사가 물속에 잠긴다는 표현이 나온다.
   2. 핵심 인력의 위험: 실제로는 전체 30%보다 회사에 가장 중요한 상위 인력 90%가 떠나는 시나리오가 더 치명적이다.
   3. 반대편의 계산: CFO는 인재를 붙잡기 위해 토큰을 허용하면서도, 생산성 증가분이 임금·컴퓨트 비용을 상쇄하는지 계산해야 한다.

3. 확산 속도가 결과를 결정한다

   1. 코딩의 선행 사례: 코딩 도구는 빠르게 확산되어 기업이 에이전트와 토큰에 의존하는 기준을 만들었다.
   2. 법률의 다음 순서: 법률은 이미 임계점에 도달한 다음 채택 분야로 언급되며, Harvey와 같은 회사가 인재와 지출을 흡수한다.
   3. 시간축의 갈림길: 모든 기업이 코딩처럼 빠르게 도입하면 AI 수요가 폭발하지만, 확산이 10년에 걸리면 기업 매출·컴퓨트·투자 배수의 경로가 완전히 달라진다.

7. 에이전트의 신뢰성, 개인 생산성, 기업 자동화

에이전트는 결국 신용카드와 비밀번호까지 맡게 되겠지만, 현재의 확률적 목표 추구 방식은 실수를 단순한 데이터 오류보다 훨씬 큰 금액의 사고로 확대할 수 있다.

7.1. Instinct·Grokbot과 권한 위임의 문제

1. Instinct의 확산

   1. 제품 개념: Instinct는 이메일을 읽고 사용자를 대신해 일을 수행하는 차세대 AI 비서로, 많은 VC가 비공개로 사용하며 입소문을 탔다.
   2. 보안 사고: 한 투자자와 Alex Cohen이 모든 데이터에 접근 권한을 주는 과정에서 보안 문제가 발생한 사례를 공유했다.
   3. 비꼼: ‘무엇이든 접근 권한을 주면 데이터 보안 문제가 생긴다’는 문장 자체가 당연하다는 농담이 나온다.

2. 에이전트 신뢰의 현재 상태

   1. 해결되지 않은 문제: 최근 1년 동안 가드레일(guardrail)과 하네스(harness)가 좋아졌어도 에이전트를 아무 데이터에나 맡길 수 있는 수준은 아니다.
   2. 오픈웨이트의 위험: 오픈웨이트 모델은 가드레일이 약해 폭탄 제조나 불법 행위처럼 위험한 목표를 수행하는 방향으로 쉽게 조정될 수 있다.
   3. 목표 추구의 본질: LLM은 사람처럼 실수하는 동시에 사람보다 수천 배 빠르게 같은 실수를 반복할 수 있다.

3. 실제 사고 사례

   1. Audemars Piguet 구매 시도: Jason이 ‘Dumb Money’식 자동화 실험을 하던 중 에이전트가 팀을 위해 AP 시계 6개를 36만 달러에 사려고 했다.
   2. 실수의 유형: 이는 데이터가 새는 문제가 아니라, 개인 비서나 주니어 엔지니어가 잘못된 사람에게 신용카드를 건네는 것과 같은 목표 해석 오류다.
   3. 현재의 결론: 이론적으로는 해결할 수 있지만 2026년 현재 실무에서 에이전트를 완전히 신뢰할 수 없고, 방향은 맞지만 최소 1년 이상의 개선이 필요하다.

7.2. 개인 생산성 도구와 기업의 반복 업무

1. 개인 업무의 난점

   1. 비정형 업무: 일정 관리·이메일 답장처럼 개인의 맥락과 취향이 강한 업무는 에이전트가 정확히 처리하기 어렵다.
   2. 기업 업무의 장점: 대출 심사·처리처럼 반복적이고 재량이 적으며 비용과 예산이 큰 업무는 자동화 투자수익을 계산하기 쉽다.
   3. 시장 크기: 개인 생산성 도구는 실제 수요가 있지만 시장 규모가 중간 정도이고, 완벽히 맞추기 어려워 대규모 사업으로 확장하는 데 제약이 있다.

2. 실리콘밸리의 편향

   1. 효율성의 과대평가: 실리콘밸리는 3년마다 미국 중간 지역의 보통 사람은 효율성을 극대화하려고 살지 않는다는 사실을 잊는다.
   2. 받은편지함의 예: Harry는 매일 창업자에게 연락을 받아 받은편지를 자동으로 정리하고 싶어 하지만, Harry의 아내는 이메일 3만 통을 쌓아둔 채 필요한 것만 검색한다.
   3. 사용자의 목표: 모든 사람이 할 일 목록을 갈아 없애거나 하루를 생산성 게임으로 만들고 싶어 하는 것은 아니다.

3. 시장에 남은 제품들

   1. 기존 시도: Evernote, Superhuman, Grammarly, Notion, Airtable 등은 개인·기업 생산성을 해결하려고 지속적으로 시도해 왔다.
   2. Superhuman의 사례: Superhuman은 Grammarly에 편입됐고, Harry와 Jason은 주주라는 농담을 한다.
   3. 정확성의 장벽: Google의 추천도 여전히 평범하다는 경험은, 더 높은 권한을 가진 에이전트가 ‘제대로 맞히는’ 문제가 아직 어렵다는 경고가 된다.

7.3. 신용카드 이후의 에이전트 신뢰

1. 불가능에서 일상으로

   1. 과거의 거부감: 사람들은 한때 신용카드를 인터넷에 절대 입력하지 않겠다고 했지만 결국 온라인 결제를 일상적으로 받아들였다.
   2. 미래의 권한: 충분한 가드레일이 생기면 에이전트가 신용카드·금융 데이터·비밀번호를 다루는 일도 자연스러워질 가능성이 높다.
   3. 현재와 미래의 구분: 기술적으로 불가능한 것이 아니라, 현재 제품이 실무에서 감당할 수 있는 신뢰 수준에 도달하지 않았다는 점이 핵심이다.

2. 가드레일만으로 부족한 이유

   1. 새로운 사고: Mac Mini와 OpenClaw 관련 정보 유출 사건처럼 새로운 에이전트가 이전 세대의 문제를 그대로 반복할 수 있다.
   2. 확률적 행동: 에이전트는 데이터만 훔치는 것이 아니라 목표를 달성하려고 예측 불가능한 경로를 택한다.
   3. 확장 속도: 사람이 한 번 실수할 일을 에이전트는 자동화된 속도로 수천 번 실행할 수 있다.

3. 투자 기준

   1. 차별화된 해결책: 단순히 이메일과 업무 권한을 묶어주는 제품보다 근본적인 권한·검증·실행 문제를 해결하는 회사에 더 높은 가치가 부여돼야 한다.
   2. 가격의 조건: Jason은 이런 실존적 문제를 실제로 해결하는 Instinct라면 6억 달러 프리머니도 투자할 수 있다고 말한다.
   3. 검증의 필요: 제품의 화려한 데모보다 잘못된 구매·유출·불법 행동을 차단하는 검증 가능성이 우선이다.

8. 과열된 투자 분야와 마지막 투자 원칙

수요가 존재한다는 사실과 벤처 투자자가 큰 수익을 얻는다는 사실은 다르며, 각 시장의 통합 구조·고객 통제력·실제 사용처를 따로 봐야 한다.

8.1. 고객지원·CX 소프트웨어의 상품화

1. Harry의 우려

   1. 시장 집중: 고객지원 시장은 한두 업체가 큰 비중을 가져가고 나머지는 사라지는 구조가 될 수 있다.
   2. 내부 구축: 정교한 대형 기술 기업 대부분이 이미 자체 고객지원 시스템을 만들고 있어 외부 제품의 시장이 줄어든다.
   3. 상품화: 고객지원이 독립적인 표면(surface)으로 남지 않고 마케팅·영업·운영 에이전트에 흡수되면서 차별성이 사라진다.

2. Jason의 결론

   1. 클래식 CS의 소멸: 전통적인 고객지원과 CX는 24개월 안에 독립 범주로 존재하지 않고 저가 상품 또는 다른 에이전트 범주에 합쳐질 수 있다.
   2. 달러의 잔존: CX 관련 지출이 완전히 사라지는 것은 아니지만, 기존의 독립적 CS·CX 제품군에 배정되는 돈은 줄어든다.
   3. 투자자 주의: AI 에이전트의 표면적 확장으로 고객지원 회사의 TAM을 크게 잡기보다, 실제로 독립된 예산과 고객 통제력을 확보하는지 확인해야 한다.

8.2. 국방과 휴머노이드 로봇의 과대 기대

1. 국방 벤처의 수익률 문제

   1. 수요와 수익률의 분리: 국방 제품은 미국과 세계에 중요하고 필요한 시장이지만, 필요성이 곧 벤처 투자자의 높은 수익률을 보장하지 않는다.
   2. 계정 통제력: 국방 사업은 펜타곤과의 관계·계정 통제력이 중요해 소수 업체가 포트폴리오 전체를 갖추는 것이 유리하다.
   3. 통합 전망: Anduril 같은 두세 개 대형 기업이 향후 20년 동안 제품군을 흡수해 공개시장 규모와 임계 질량을 확보할 가능성이 높다.

2. 휴머노이드 로봇의 문제

   1. 비전과 현실: 인간 노동을 대체한다는 비전은 매력적이지만, 손재주·촉각·안전·현장 신뢰성의 요구조건은 훨씬 어렵다.
   2. 특수목적 로봇의 증거: Locust Robotics는 현장에 1만5,000대의 특수목적 로봇을 배치했으며, 좁은 목적에 맞춘 로봇은 이미 실질적인 시장을 증명한다.
   3. 달리기 영상의 농담: 로봇이 폭발하고 둘로 분해된 영상과, 인간보다 빠르게 100m를 달리는 영상이 화제가 됐지만 100m를 빠르게 달릴 기계가 필요하면 Tesla를 사면 된다는 반론이 나온다.

3. 현실적인 로봇 투자

   1. 집중형 접근: 특정 작업을 안정적으로 수행하는 로봇은 대규모 배치·운영 데이터·반복 매출을 만들 수 있다.
   2. 인간형 과잉: 모든 환경에서 인간처럼 움직이는 범용 로봇에 지나치게 많은 자본을 넣는 것은 실제 사용처보다 ‘인간다움’에 투자하는 셈이 될 수 있다.
   3. 열린 결론: 휴머노이드가 불가능하다는 뜻은 아니지만 현재의 가격과 기대가 실제 시장 크기보다 앞서 있을 가능성이 있다.

8.3. AI 법률·회계 서비스 롤업의 복잡성

1. Jason의 회의론

   1. 사업 모델: 벤처 자금으로 회계법인과 로펌을 묶어 AI 기반 서비스 회사로 바꾸는 모델이 거론된다.
   2. 복잡한 소유권: 일부 구성원이 자매 회사 지분을 갖는 구조는 이해상충과 운영 복잡성을 키운다.
   3. 스프레드시트의 설득력: 모델이 재무표에서는 그럴듯해 보여도, 실제로 200억 달러의 출구를 만드는지는 별개의 문제다.

2. 고성장 기대에 대한 검증

   1. 인재의 한계: 아이비리그 출신 인력이 주 100시간 일한다고 해서 AI가 매출과 마진을 자동으로 만들어주지는 않는다.
   2. 비교의 오류: Mercor·Hugging Face 같은 순수 기술 플랫폼과 사람 중심 전문서비스 회사를 같은 배수로 비교하기 어렵다.
   3. 출구 우려: 이 모델은 투자금이 투입된 만큼의 탈출구를 만들지 못하고 출구가 없는 사업으로 끝날 수 있다는 우려가 제시된다.

8.4. ‘무엇이든 작동할 수 있다’는 마지막 원칙

1. Rory의 자기 교정

   1. 편향 인정: Rory는 고객지원·국방·로봇·서비스 롤업의 문제를 이해하면서도 자신이 본래 비관적인 편향을 가진다고 인정한다.
   2. 반전 질문: 모든 범주에서 ‘문제가 맞다’고 말한 뒤에도, 그 문제를 인정하고 초월하는 팀이 있다면 어떻게 할 것인지 물어야 한다.
   3. 투자자의 태도: 냉소적 분석, 뛰어난 창업자, 사실에 근거한 팀 보강, 포트폴리오 구성이 결합하면 기존의 선입견이 틀릴 수 있다.

2. AI 시대의 창의성

   1. 역사적 규모: AI가 만들고 국방 예산이 키우며 Elon Musk가 일부를 구성한 창업자·기업가의 창의성이 경력 전체에서 본 적 없는 수준으로 커졌다.
   2. 두 자릿수의 변화: 지금의 창의성은 과거보다 두 자릿수 규모로 크며, 예전에는 작동하지 않던 사업을 새 모델·새 자본 구조로 작동시킬 수 있다.
   3. 타이밍: 규칙을 다시 쓰고 실패하던 것을 성공시키려 한다면 지금이 그 순간이다.

3. 최종 투자 체크리스트

   1. 시장 방향: 회사가 올바른 방향으로 움직이고 있는지, 완벽한 현재 총마진보다 시장 전환 속도를 봐야 한다.
   2. 자본 강도: 다음 단계에 필요한 컴퓨트·인력·데이터 비용을 독립적으로 감당할 수 있는지, 아니면 생태계의 전략적 인수자가 필요한지 계산해야 한다.
   3. 실행의 질: ‘모든 일이 잘되면?’이라는 낙관과 ‘무엇이 망가질까?’라는 냉소를 함께 적용하고, 둘 중 하나만으로 결론 내리지 않아야 한다.

주요 발언 모음

“실패에서 15배를 얻는다면 결국 부자가 되어 죽을 것이다.”

“2026년 시드 투자에서 90억 달러는 기준을 넘지 못한다.”

“모든 것은 코드에 달려 있다. 그것이 중요한 유일한 매출이다.”

“위험은 선택지가 없는 상태다.”

“지능은 자본과 같다. 가격을 매기고 배분해야 한다.”

“내 에이전트 5~10개를 24시간 돌릴 수 없다면 나는 그 일을 하지 않겠다.”

“고객지원과 CX는 24개월 안에 다른 에이전트 범주로 합쳐질 것이다.”

“무엇이든 작동할 수 있다. 지금은 규칙을 다시 쓰는 순간이다.”

핵심 데이터 & 수치

• Poolside 거래: Model Factory 라이선스 60억 달러, 추가 투자 10억 달러, 120억 달러 프리머니, Nemotron으로 이동한 엔지니어 109명.
• Poolside의 독립 계획: GPU 4만 장 구매를 위한 20억 달러 조달 실패.
• Poolside 수익률: 일부 시드 투자자 기준 약 15배, 시드 펀드의 목표로 제시된 수익률은 50~100배.
• 가상 시드 출구: 희석 후 50배를 만들기 위한 Poolside 출구 가격 약 630억 달러.
• 프런티어 모델 시장: 폐쇄형 승자 약 1조 달러, 중국 오픈웨이트 승자 500억~1,000억 달러.
• Mercor: 약 20억~25억 달러 ARR, General Catalyst 주도 라운드에서 기업가치 200억 달러, 총마진 약 80% 언급.
• NVIDIA 현금흐름: 4년 전 약 40억 달러에서 현재 약 500억 달러 수준으로 증가했다는 비교.
• OpenAI: 상반기 분기 대비 성장률 약 18%, 지난해 GAAP 매출 약 125억 달러, 올해 300억 달러 미만 가능성, 2027년 IPO 예고.
• Anthropic: 연환산 매출 약 600억 달러, 30조 달러 TAM 주장.
• AI 공개시장: 주요 AI 종목 조정으로 약 8,200억 달러 가치 소멸.
• Hugging Face: 약 1억5,000만 달러 매출, 잠재 인수 가격 130억 달러, 약 10,000개 모델을 가진 중립 장터.
• Stripe: 매출 성장률 41%, billing 증가율 71%, 3~4년 전보다 낮아진 주식 수.
• Citadel: Situational Awareness 포트폴리오의 총 위험 80% 이상 축소, 100건 초과 블록 거래, 40억 달러 초과 시장가치.
• KOSPI: 연초 대비 약 56.46% 상승, 6월 약 9,000에서 7월 29일 약 5,600까지 급락 후 20%대 반등.
• 샌프란시스코 주거비: Dogpatch Avalon 1베드룸 월세 1만 달러 이상, 임대료만 위한 세전 소득 24만 달러, 편안한 생활을 위한 소득 약 48만 달러.
• 토큰 예산: 직원 1인당 월 2만 달러 청구 사례, 비엔지니어 200~500달러와 엔지니어 1만 달러의 사용 상한.
• 에이전트 사고: AP 시계 6개를 36만 달러에 구매하려 한 자동화 시도.
• 로보틱스: Locust Robotics 현장 배치 1만5,000대, 휴머노이드의 100m 달리기 영상과 폭발·분해 영상.

결론 및 시사점

1. 생태계의 단위로 투자하라: NVIDIA의 최적 전략은 칩·모델·데이터·고객 금융을 따로 보는 것이 아니라, 어느 투자도 다른 층의 수요를 막지 않도록 연결하는 것이다.
2. 자본 장벽을 먼저 계산하라: Poolside처럼 기술과 시장 예측이 맞아도 다음 세대 학습을 위한 GPU와 데이터센터 자금을 마련하지 못하면 독립 사업은 멈춘다.
3. 15배를 맥락에 맞게 해석하라: 15배는 실패한 베팅의 훌륭한 회수일 수 있지만, 높은 초기 밸류에이션과 희석을 감안한 시드 펀드의 최종 수익률로는 부족할 수 있다.
4. 프런티어 모델의 고객 지불 의향을 구분하라: 소비자 토큰 사용량은 크지만 보조금이 크고, 코딩·법률·기업 업무는 비용 절감과 매출 증가를 근거로 더 높은 가격을 지불한다.
5. 30조 달러 TAM을 검증하라: 미국 GDP에 가까운 TAM은 사업의 가능성을 보여주는 동시에 모든 기업의 예산을 가져오겠다는 과장된 서사일 수 있으므로 실제 예산과 채택률로 다시 계산해야 한다.
6. 토큰을 현금처럼 관리하라: AI 예산은 좌석 수가 아니라 업무별 ROI와 인재 유지 비용을 반영해 가격을 매기고 배분해야 한다.
7. 에이전트 권한을 단계적으로 확대하라: 신용카드·비밀번호·금융 데이터에 대한 미래의 위임은 가능하지만, 현재는 실행 전 승인·감사 로그·손실 제한 없이는 맡기지 않아야 한다.
8. 과열과 기회를 동시에 보라: 고객지원·휴머노이드·서비스 롤업에는 과대 기대가 있지만, 강한 팀과 실제 고객·운영 데이터가 있다면 기존의 회의론을 뒤집을 수 있다.
9. 상장 전 리더보드를 경계하라: OpenAI·Anthropic·Stripe·Databricks가 공개되면 공개 소프트웨어 기업의 상대 성장률과 밸류에이션 순위가 크게 재편될 수 있다.
10. 최종 질문을 바꿔라: “무엇이 잘못될까?”에 더해 “모든 일이 잘되면 어떤 가치가 생길까?”를 물어야 지금의 AI 창업 기회를 놓치지 않는다.

핵심 요약 (20줄)

1. NVIDIA는 Poolside의 Model Factory를 60억 달러에 라이선스하고 10억 달러를 추가 투자해 Nemotron에 109명의 엔지니어를 합류시킨다.
2. Poolside는 GPU 4만 장을 사기 위한 20억 달러를 조달하지 못해 독립적인 프런티어 모델 확장의 자본 장벽을 드러냈다.
3. Poolside 투자자는 약 15배 수익을 얻었지만 2026년 시드 펀드에는 90억 달러 출구와 15배 수익이 충분하지 않을 수 있다.
4. 희석을 감안한 시드 펀드의 50배 목표를 달성하려면 Poolside는 약 630억 달러 출구가 필요하다는 계산이 제시됐다.
5. 오픈 모델은 NVIDIA 칩의 컴퓨트 수요를 키우는 보완재이므로 NVIDIA는 모델 마진보다 칩 사용량 확대를 선호한다.
6. Mercor는 약 20억~25억 달러 ARR과 200억 달러 가치로 성장했고 NVIDIA가 General Catalyst 라운드에 참여할 가능성이 거론된다.
7. Mercor의 학습 데이터 공급망 가치는 높지만 소수 대형 고객 의존 때문에 Cursor 같은 총마진 개선을 보장하지 않는다.
8. NVIDIA는 Poolside·Mercor·OpenAI·Perplexity를 통해 오픈 모델·데이터·고객 금융을 하나의 생태계로 연결한다.
9. NVIDIA의 잉여현금흐름은 4년 전보다 약 10배 커져 고객과 생태계에 현금을 재투자할 여력을 만들었다.
10. OpenAI CFO Sarah Fry는 2027년 IPO를 예고했고 Anthropic의 빠른 성장과 임박한 상장이 OpenAI의 선택지를 줄인다.
11. OpenAI의 상반기 분기 대비 성장률 약 18%는 절대적으로 훌륭해도 Anthropic의 약 600억 달러 연환산 매출과 비교하면 약점이 된다.
12. Anthropic은 코딩이 가장 빠르게 채택되고 지불 의향이 높은 시장이라는 “모든 것은 코드” 전략으로 차별화한다.
13. Anthropic의 30조 달러 TAM은 미국 GDP에 가까워 잠재력과 과장이 동시에 큰 주장으로 평가된다.
14. Hugging Face는 약 1억5,000만 달러 매출에도 오픈웨이트 모델을 연결하는 중립 플랫폼이라는 전략적 가치로 130억 달러 인수설이 나왔다.
15. 공개 AI 종목의 약 8,200억 달러 가치가 사라졌지만 OpenAI·Anthropic·Stripe·Databricks의 상장은 기존 소프트웨어 순위를 더 크게 바꿀 수 있다.
16. Stripe는 매출 성장률 41%와 billing 증가율 71%로 AI 에이전트 확산의 수혜를 받으면서 기존 현금창출 사업도 유지한다.
17. 기업은 토큰을 좌석 라이선스가 아닌 자본처럼 가격·배분해야 하며 직원당 2만 달러 청구와 인재 유지 사이에서 균형을 찾아야 한다.
18. Instinct와 OpenClaw 관련 사고는 에이전트가 신용카드·비밀번호·금융 데이터에 접근하기에는 아직 신뢰성이 부족하다는 사실을 보여준다.
19. 고객지원·휴머노이드·AI 법률·회계 롤업은 과대 기대 위험이 있지만 특수목적 로봇과 강한 실행팀은 예외가 될 수 있다.
20. AI가 창업자의 창의성을 두 자릿수 규모로 키운 지금은 “모든 일이 잘되면?”이라는 질문으로 기존의 비관적 투자 가설을 다시 검증할 때다.

📁 Obsidian: Study/YouTube다이제스트/2026-08-28-20VC-Anthropic-30T-OpenAI-IPO.md 🔗 https://nuggets-nine-self.vercel.app/digest/2026-08-28/20vc-nvidia-ai-ecosystem-anthropic-30t-2026-08-28