AI 시대 투자자는 선형 사고를 버려야 한다

URL: https://www.youtube.com/watch?v=0_ylfzoVGrM
날짜: 2026-09-03
원본 발행일: 2026-09-01
채널: t3chfeed
원문 제목: 지금 투자하려면 뇌구조 부터 바꿔야 합니다.
영상 길이: 약 10분 28초

---

📌 핵심 질문 / AI 투자에서 선형적 감각을 버려야 하는 이유

==AI의 성능과 사용량이 재귀적 자기 개선(Recursive Self-Improvement)을 통해 기하급수적으로 커진다면, 현재의 선형적 경험만으로 투자 기회와 수요의 크기를 판단할 수 있는가?==

• 1초마다 정보가 두 배로 퍼지면 전 세계 80억 명에게 도달하는 데 33초밖에 걸리지 않는다.
• 사람은 일상에서 선형적 증가에 익숙해 미래의 지수적 규모를 직관적으로 과소평가한다.
• AI는 사람이 만든 시스템이 다음 AI의 개선에 기여하는 재귀 구조를 형성할 수 있어 기존 투자 프레임의 재검토가 필요하다.
• 모델 효율이 높아지고 가격이 내려가도 사용량이 줄기보다 늘어날 수 있으며, 결국 B2C 소비자 경험을 만드는 기업이 큰 수혜를 얻을 수 있다.

핵심 관점은 “AI가 충분히 좋아지면 수요가 끝난다”가 아니라 “더 강한 지능을 원하는 경쟁 때문에 사용량의 끝이 계속 멀어진다”는 데 있다. 투자자는 단기 벤치마크보다 자금 투입, GPU 수요, 가격 하락 뒤의 호출량, 소비자 접점을 함께 살펴야 한다.

1. 33초 사고 실험과 인간의 지수 성장 편향

정보 확산의 단순한 계산은 기하급수적 성장의 속도를 보여주지만, 선형적 일상에 익숙한 사람의 직관은 그 결과를 거의 포착하지 못한다.

1.1. 비밀 하나가 80억 명에게 퍼지는 과정

1. 한 사람이 두 사람에게 비밀을 전하는 시작점

   1. 첫 전달: 한 사람에게 비밀을 알려주고, 1초가 지날 때마다 그 사람이 지인 두 명에게 비밀을 퍼뜨린다고 가정한다.
   2. 전파 규칙: 비밀을 들은 두 사람도 각각 두 명에게 전달하므로, 매초 직전 단계의 사람들이 같은 방식으로 확산을 이어간다.

2. 두 배씩 커지는 전파 규모

   1. 초기 수열: 1명, 2명, 4명 다음에 8명, 16명, 32명으로 늘어난다.
   2. 전 세계 도달: 같은 규칙을 계속 적용하면 약 80억 명에게 비밀이 퍼지는 데 33초가 걸린다.

1.2. 선형적 일상과 지수 성장 편향(Exponential Growth Bias)

1. 생활 속에서 반복되는 선형 모델

   1. 이동 시간: 시속 100km로 일정하게 운전하면 강남에서 용산까지 걸리는 시간이 속도와 거리에 따라 예측 가능하다.
   2. 소득 변화: 연봉이 매년 몇 퍼센트씩 오르면 5년 뒤 규모도 대략 계산할 수 있다는 식으로 미래를 상상한다.

2. 직관이 지수적 규모를 놓치는 방식

   1. 더하기의 익숙함: 하나를 더하면 하나가 늘어나는 경험에 노출되어 있어, 계산을 직접 하기 전에는 증가 속도가 갑자기 커지는 현상을 감각적으로 파악하기 어렵다.
   2. 심리학적 명칭: 미래의 크기를 실제보다 작게 평가하는 경향을 지수 성장 편향(Exponential Growth Bias)이라고 부른다.

2. AI가 만드는 재귀적 자기 개선과 투자 프레임의 변화

AI는 단순히 외부 입력에 따라 조금씩 개선되는 제품이 아니라, 다음 세대의 개선 과정에 직접 기여할 가능성이 있는 시스템이다.

2.1. 33초 전파 구조와 Recursive Self-Improvement의 대응

1. 재귀적 자기 개선의 개념

   1. 개선 주체의 변화: 사람이 AI를 개발한 뒤, 그 AI가 다음 AI를 더 좋게 만드는 데 기여한다.
   2. 반복되는 개선 고리: 한 세대의 성과가 다음 세대 성능 향상의 원인이 되어 같은 구조가 되풀이된다.

2. 기하급수적 성능 향상 가능성

   1. 결과가 원인이 되는 구조: 앞 단계의 결과가 다음 성장의 입력으로 재사용되므로 단순한 누적 개선보다 가파른 증가가 가능하다.
   2. 직관의 한계: 33초 사고 실험처럼 성능이 몇 차례의 반복만으로 큰 규모에 도달할 수 있어 선형적 예측으로는 변화의 크기를 놓치기 쉽다.

2.2. AI 투자 감각을 다시 세우는 관점

1. 기존 프레임의 문제

   1. 선형적 투영의 한계: 과거의 성장률을 바탕으로 다음 기간을 예측하는 방식은 재귀적 개선이 일어나는 AI의 구조와 맞지 않을 수 있다.
   2. 과소평가 위험: AI 변화의 초입에서 현재의 비용, 성능, 사용량만 보면 미래의 규모를 지나치게 작게 잡게 된다.

2. 기하급수적 상승 초입에서 확인할 질문

   1. 걱정의 방향: 상황을 과소평가하고 있는지, 아니면 상승 초입의 불확실성 때문에 걱정이 앞서는지 구분해야 한다.
   2. 산업의 행동 확인: 말보다 실제로 업계를 움직이는 기업들이 돈을 어디에 투입하는지 살펴보면 그들이 전제하는 미래를 추론할 수 있다.

3. 엔비디아의 금융 플랫폼과 AI 인프라 자금 흐름

엔비디아와 금융권의 결합은 GPU 판매를 넘어 AI 사용량의 폭증을 예상하는 자금 조달 구조로 해석할 여지가 있다.

3.1. 월가를 끌어들이는 금융 플랫폼

1. 대출을 통한 확장이라는 불안 요소

   1. 금융 플랫폼 구축: 엔비디아가 금융 플랫폼까지 만들며 월가를 끌어들이고 있다는 점이 산업의 자금 구조를 바꾸는 신호로 제시된다.
   2. 레버리지 확대: 대출로 확장하겠다는 뜻이므로 겉으로는 분명 불안해 보이는 선택이다.

2. 표면적 동기와 더 큰 규모의 설명

   1. 금융권의 동기: 금융기관은 이자와 수수료를 얻을 수 있다.
   2. 엔비디아의 동기: 순환 금융을 키워 고객이 GPU를 더 많이 구매하도록 만들 수 있다.
   3. 규모의 불일치: 이자·수수료와 GPU 판매 촉진만으로는 5억 달러($500 million) 규모를 모두 설명하기 어렵다.

3. 금융 참여자들이 전제하는 미래

   1. 사용량 폭증 기대: 금융 플랫폼에 참여하는 사람들이 앞으로 AI 사용량이 현재와 비교할 수 없을 정도로 커질 가능성을 보고 있을 수 있다.
   2. 자금의 선행 투입: 아직 실현되지 않은 수요를 전제로 자금을 먼저 투입하면, 이후 인프라와 모델의 확대가 수요를 다시 자극하는 고리가 형성된다.

3.2. 대출에서 GPU 가격 하락으로 이어지는 연쇄

1. 자금 투입의 순서

   1. 신규 자금 유입: 대출이 활발하게 실행되면 AI 산업으로 새로운 자금이 들어온다.
   2. GPU 확충: 엔비디아 GPU가 더 많이 투입되고, 모델 개발과 서비스 운영에 사용되는 컴퓨팅 자원이 늘어난다.

2. 모델 개선과 가격 경쟁

   1. 성능 향상: 더 많은 컴퓨팅 자원은 모델 발전을 뒷받침한다.
   2. 경쟁 심화: 모델 성능이 높아지고 경쟁자가 늘어나면 효율 개선과 가격 인하 압력이 커진다.
   3. 단가 하락: 효율이 좋아질수록 동일한 성능을 더 낮은 가격에 제공할 수 있게 된다.

3. 가격 하락 뒤의 GPU 수요라는 핵심 질문

   1. 감소 가설: 적은 컴퓨터로 더 좋은 성능을 낼 수 있다면 GPU 사용량이 줄어들 것이라는 추론이 가능하다.
   2. 증가 가설: 가격이 내려가면 호출 비용이 낮아져 사람과 기업이 더 자주 AI를 호출할 수 있다는 반대 추론도 가능하다.

4. 효율화가 사용량을 줄이지 않는다는 과거의 증거

데이터 전송의 비용 하락은 사용을 절제하게 만들지 않았고, 오히려 더 많은 정보와 더 높은 품질을 소비하게 만들었다.

4.1. 문자 메시지와 이미지 전송의 변화

1. 비싸던 시절의 사용 습관

   1. 문자 절약: 과거에는 문자 메시지를 아껴 보내야 한다는 말이 자연스러웠다.
   2. 이미지의 높은 부담: 특히 이미지는 데이터 비용과 전송 부담 때문에 보내기 전에 더 신중하게 검토했고, 가능하면 보내지 않는 편이 낫다고 여겼다.

2. 전송 기술의 효율화

   1. 비용 하락: 데이터 전송 최적화가 계속되고 전송 비용이 낮아졌다.
   2. 압축 개선: 압축 기술이 발전하면서 더 적은 데이터와 더 낮은 비용으로 더 많은 정보를 보낼 수 있게 됐다.

4.2. 모바일 데이터 그래프가 보여주는 반대 결과

1. 효율화 뒤의 사용량 증가

   1. 사용률의 반전: 비용과 데이터량이 줄어드는 효율화가 사용률 감소로 이어지지 않았다.
   2. 2025년 증가율: 모바일 데이터 사용량은 2025년에 20% 늘어났고, 효율화되면 오히려 더 많이 쓰는 경향이 확인된다.

2. 2007년부터 2025년까지의 추세

   1. 스마트폰 전환점: 2007년 아이폰 출시 이후 최신 데이터인 2025년까지 모바일 데이터 사용량이 계속 증가했다.
   2. 축의 함정: 로그축(Logarithmic Axis)에서는 그래프가 완만해 보이지만, 선형축(Linear Axis)으로 바꾸면 증가세가 기하급수적으로 보인다.
   3. 월간 사용량: 2025년 월평균 모바일 데이터 소비량은 약 146GB로 제시된다. 자동 자막의 “146바이트”는 모바일 월 사용량이라는 문맥에 맞춰 146GB로 보정했다.

3. 더 높은 품질이 만드는 추가 수요

   1. 시청 품질: 사람들은 더 좋은 4K 화질과 앞으로 출시될 더 나은 오디오 품질을 계속 원한다.
   2. 통화 경험: 4K 영상 통화가 새로운 기대치가 되고, 이후에는 3D 공간 영상 통화(3D Spatial Video Call)까지 요구할 수 있다.
   3. 사용량의 원동력: 데이터 사용량의 가장 큰 원인은 영상 소비이며, 4K 영상을 찾는 동기는 오락과 편의성이다.

5. 오락을 넘어 기업 생존이 된 AI 수요

영상 품질 경쟁의 동기가 즐거움과 편의라면, AI 성능 경쟁의 동기는 기업의 생존과 직결된다.

5.1. “충분히 좋은 지능”에는 끝이 없는 이유

1. 오락용 데이터와 AI 데이터의 차이

   1. 영상 소비: 더 선명한 화면과 편리한 통화는 오락 경험을 개선하기 위해 선택된다.
   2. AI 도입: 기업이 경쟁사보다 약한 지능을 쓰면 생존이 위협받을 수 있으므로, AI 사용 동기는 훨씬 강하다.

2. 지능 수요의 상한선 부재

   1. 충분함의 기준: “이 정도면 괜찮다”라고 말할 수 있는 지능이 정말 존재하는지 질문해야 한다.
   2. 경쟁 우위의 반복: 남보다 강력한 지능이 등장하면 수요가 끝날 것처럼 보이지만, 더 강력한 지능이 계속 등장할 가능성이 있어 실제로는 끝이 멀어진다.

5.2. 엔비디아 GPU 가격과 B2C 수혜 기업

1. 오래된 칩에도 남아 있는 가격 힘

   1. A100의 연식: 출시 후 6년이 넘은 엔비디아 A100 칩도 시간당 렌탈 가격이 높게 유지된다.
   2. 최근 상승: A100 시간당 렌탈 가격은 최근 90일 동안 6.5% 상승한 것으로 제시된다.
   3. 수요의 신호: 오래된 칩에 더 많은 돈을 지불하는 현상은 AI 컴퓨팅 수요가 아직 꺾이지 않았다는 신호로 읽힌다.

2. 효율화의 최종 수혜자

   1. B2C 초점: 모델이 더 저렴해지고 성능이 좋아질 때, 소비자에게 그 지능을 가장 좋은 경험으로 전달하는 기업이 큰 수혜를 볼 수 있다.
   2. 애플의 선례: 모바일 데이터 사용이 최적화될 때 애플은 최적화된 연결성과 기능을 소비자 경험으로 전달했다.
   3. 투자 질문: AI 비용과 성능의 개선을 단순한 원가 절감으로 끝내지 않고 최적의 소비자 경험으로 바꿔낼 기업이 어디인지 찾아야 한다.

6. 구조적 관점에 집중한 책과 투자자의 태도

단기 모델 순위보다 미국 테크 생태계와 구조적 성장의 방향을 먼저 보려는 접근이 책의 설계와 시장 관찰 방식에 이어진다.

6.1. 『미래를 바꿀 일곱 개의 메가트렌드에 올라타라』의 문제의식

1. 책이 던지는 출발 질문

   1. 미국을 보는 이유: 왜 미국이어야 하는지에 대한 질문에서 논의를 시작한다.
   2. 테크에 집중하는 이유: 왜 미국의 테크 기업이어야 하는지와 기업을 바라보는 관점을 함께 제시한다.

2. 시의성보다 구조를 택한 편집

   1. 벤치마크 배제: 당장의 벤치마크나 LM 성능은 책에서 일절 언급하지 않았다.
   2. 변하는 뉴스: 집필을 시작한 2025년 초에는 DeepSeek R1이 등장해 기존 모델을 넘어섰다는 소식이 가장 크게 주목받았고, Anthropic도 지금과 같은 모습이 아니었다.
   3. 구조적 초점: 모델 순위와 회사의 현재 모습은 빠르게 변하므로, 책에는 더 오래 유효할 구조적 내용에 집중했다.
   4. 현재의 평가: 시간이 지난 뒤에도 이러한 선택이 옳았다고 판단한다.

6.2. 부록에 담긴 현재의 버블과 포트폴리오

1. 시의성 있는 별도 내용

   1. 현재 시장: 본문과 별도로 제공되는 부록에는 현재의 AI 버블과 같은 시의성 있는 이야기가 담겨 있다.
   2. 포트폴리오 구성: 어떤 방식으로 포트폴리오를 구성할지에 대한 개인적 견해도 부록에 담겼다.

2. 초판 및 확인 방법

   1. 초판 한정: 부록은 초판에만 포함된다.
   2. 수량 제한: 출판사는 선착순 한정 수량으로 안내하고 있다.
   3. 정보 확인: 관심이 있다면 고정 댓글의 링크에서 자세한 내용을 확인할 수 있다.

6.3. 확신보다 지표를 우선하는 태도

1. AI 수요에 대한 현재 관점

   1. 일관된 주장: AI 수요는 끝이 없을 가능성이 높다는 관점을 계속 유지한다.
   2. 기계적 고집의 거부: 자신의 관점이 언제나 맞았다고 고집하는 방식은 경계한다.

2. 관점 수정의 조건

   1. 산업 지표 관찰: 기업의 자금 지출, GPU 렌탈 가격, 사용량, 모델 효율 같은 업계 지표를 계속 살핀다.
   2. 오류 인정: 지표가 관점과 어긋난다면 자신의 관점이 틀렸는지 확인하고 계속 수정해 나간다.

주요 발언 모음

“33초면 됩니다.”

“왜 우리가 이게 33초라고 상상조차 하지 못하느냐에 대해서 질문을 던지고 싶습니다.”

“미래의 크기를 과소평가하는 경향이 우리 모두에게 있는 거죠.”

“하나의 결과가 그대로 그다음 성장의 원인이 되는 구조가 계속해서 관측되고 있는 겁니다.”

“과연 이만하면 괜찮은 지능이라는 게 존재할까를 한번 생각해 보자는 거죠.”

“AI의 수요는 끝이 없을 것 같고, 제 관점이 틀린 건 아닌지 계속 수정해 나가면서 보겠습니다.”

핵심 데이터 & 수치

• 33초: 1초마다 두 배로 확산되는 비밀이 약 80억 명에게 도달하는 시간이다.
• 2025년 모바일 데이터 사용량 +20%: 전송 비용과 압축 효율이 좋아졌어도 사용량은 감소하지 않고 증가했다.
• 2007~2025년: 아이폰 출시 이후 모바일 데이터 사용량이 로그축보다 선형축에서 더 가파른 기하급수적 증가로 나타난다.
• 월 146GB: 2025년 월평균 모바일 데이터 소비량으로 제시된 수치다.
• 5억 달러($500 million): 이자·수수료와 GPU 판매 촉진만으로 설명하기 어렵다고 평가된 금융 플랫폼 규모다.
• A100 6년 이상: 오래된 엔비디아 칩도 높은 시간당 렌탈 가격을 유지한다.
• 최근 90일 6.5% 상승: A100 시간당 렌탈 가격의 최근 상승률로 제시된 수치다.
• 4K·3D 공간 영상 통화: 화질과 통화 경험이 더 높은 데이터 수요를 계속 만들 수 있다.

결론 및 시사점

1. 투자자의 뇌구조 전환: 선형적 일상 경험이 AI의 지수적 성장 가능성을 과소평가하게 만들 수 있음을 먼저 인식해야 한다.
2. 수요의 방향 확인: 모델 효율과 가격 하락이 GPU 수요를 꺾는지, 호출량을 폭증시키는지 사용량 지표로 검증해야 한다.
3. 인프라와 소비자 경험 연결: 컴퓨팅 자원을 공급하는 기업뿐 아니라 저렴하고 강력해진 AI를 최고의 B2C 경험으로 번역하는 기업을 함께 찾아야 한다.
4. 구조와 시의성 분리: 단기 벤치마크는 빠르게 낡을 수 있으므로, 미국 테크 생태계·자금 흐름·반복 개선 구조 같은 오래가는 요인을 중심에 둬야 한다.
5. 가설을 계속 수정: AI 수요가 무한하다는 전망도 업계 지표와 어긋나는 순간 재검토하는 태도가 필요하다.

핵심 요약 (20줄)

1. 1초마다 두 사람에게 비밀을 전하면 80억 명에게 퍼지는 데 33초밖에 걸리지 않는다.

2. 사람은 하나를 더하면 하나가 늘어나는 선형적 경험에 익숙하다.

3. 선형적 일상은 기하급수적 성장의 규모를 직관적으로 이해하기 어렵게 만든다.

4. 미래의 크기를 과소평가하는 심리적 경향은 지수 성장 편향이라고 불린다.

5. AI는 재귀적 자기 개선을 통해 다음 AI의 개발에 기여할 수 있다.

6. 한 세대의 AI 성과가 다음 세대 개선의 원인이 되면 성능 향상은 가속된다.

7. 기존의 선형적 투자 프레임은 AI 변화의 실제 규모를 과소평가할 수 있다.

8. 엔비디아의 금융 플랫폼과 월가의 결합은 AI 사용량 폭증을 전제로 한 행동일 수 있다.

9. 이자와 수수료, GPU 판매 촉진만으로는 5억 달러 규모의 금융을 전부 설명하기 어렵다.

10. 대출이 늘면 새로운 자금과 GPU가 AI 산업에 더 많이 투입될 수 있다.

11. 모델 발전과 경쟁 심화는 AI 서비스 가격을 낮추는 방향으로 작용한다.

12. 가격 하락은 적은 컴퓨터로 더 좋은 성능을 내게 하지만 호출량을 오히려 늘릴 수 있다.

13. 과거에는 문자와 이미지 전송 비용이 높아 메시지와 이미지를 아껴 보냈다.

14. 데이터 전송 최적화와 압축 기술 발전은 더 많은 정보를 더 낮은 비용으로 전달하게 했다.

15. 모바일 데이터 사용량은 효율화 이후에도 줄지 않고 2025년에 20% 증가했다.

16. 2007년부터 2025년까지의 데이터 추세는 선형축에서 기하급수적 증가로 드러난다.

17. 4K 화질과 고품질 오디오, 4K 영상 통화, 3D 공간 영상 통화가 새 수요를 만든다.

18. 영상 소비의 동기가 오락과 편의라면 AI 사용의 동기는 기업 생존과 경쟁 우위다.

19. 충분히 좋은 지능에는 고정된 상한선이 없고 더 강한 지능을 향한 경쟁은 계속될 수 있다.

20. 투자자는 AI 인프라뿐 아니라 저렴하고 강력해진 지능을 최고의 소비자 경험으로 바꾸는 기업을 찾아야 한다.