Higgsfield의 숨은 이야기: AI 모델에 매달 400만 달러를 쓰는 이유

URL: https://www.youtube.com/watch?v=jszn8rFtxm4 날짜: 2026-09-29 채널: 20VC

📌 핵심 질문 / 이 영상이 다루는 핵심 논점

==Higgsfield는 왜 매달 400만 달러를 AI 모델에 쓰면서도 18개월 만에 연환산 매출 10억 달러를 만들 수 있었으며, 영상 AI 시대의 진짜 해자는 무엇인가?==

• Alex Mashrabov는 중앙아시아의 비(非)실리콘밸리 출신이라는 한계를 경쟁 프로그래밍, 제품 집착, 글로벌 인재 채용으로 돌파했다.
• Higgsfield는 1,600만 달러 시드 자금 중 1,000만 달러 이상을 태우며 1년 넘게 제품을 찾은 뒤, 카메라 제어(Camera Control)와 크리에이터 중심 배포로 제품-시장 적합성(Product-Market Fit)을 얻었다.
• 고객이 실제로 원하는 결과를 만들기 위해 오픈 웨이트(Open Weights), 자체 모델, 폐쇄형 모델을 라우팅하고, 그 비용과 성능을 최적화하는 ‘토큰 이코노믹스(Tokenomics)’가 핵심 운영 역량이 됐다.
• AI 광고와 AI 생성 콘텐츠가 아시아의 전자상거래·숏폼 드라마에서 서구로 확산되면서 광고·콘텐츠 산업의 분배 구조와 시스템 오브 레코드(System of Record)가 재편되고 있다.

Higgsfield의 성장은 단순히 더 좋은 모델을 만드는 이야기가 아니다. 빠르게 변화하는 모델 공급망을 제품 워크플로에 연결하고, 고객이 더 많이 판매하도록 돕는 결과를 제공하며, 콘텐츠 자체를 배포 채널로 활용한 결과다. Alex는 AI 모델의 성능 순위보다 실제 사용 흐름, 고객 데이터, 인재 밀도, 결정 속도, 커뮤니티 네트워크 효과가 장기적인 가치를 만든다고 본다.

1. 중앙아시아에서 세계 3위 프로그래머까지

가난한 환경에서 기술과 실력으로 탈출하라는 가족의 기대가 Alex의 경쟁심과 미국행 목표를 만들었다.

1.1. 우즈베키스탄 가족과 미국행 목표

1. 낮은 생활 수준에서 출발한 가족

   1. Alex의 아버지는 우즈베키스탄 출신이며, 중앙아시아에서 다섯 식구가 한 달에 1,000달러를 벌면 부유한 편으로 여겨지는 환경에서 자랐다.
   2. 양친은 기계공학(Mechanical Engineering) 교수였지만, 전문직이라는 사실이 높은 생활 수준을 보장하지는 않았다.
   3. Alex가 기억하는 여덟 살 무렵부터 부모는 미국이 기술이 중요한 곳이므로 반드시 미국에 가야 한다고 가르쳤다.

2. 교육을 위해 감당한 가족의 희생

   1. 어머니는 Alex의 교육비를 마련하기 위해 세 가지 일을 동시에 했다.
   2. Alex는 프로그래밍 대회에 계속 참가하고 교육 캠프에 가서 자료구조(Data Structures), 알고리즘(Algorithms)을 최고의 강사에게 배웠다.
   3. 아버지는 Alex를 각종 캠프에 데려다니며 시간을 쏟았고, 나중에 Alex가 체커(Checkers) 세계 3위권에 오르는 과정에서도 함께 세계를 돌아다녔다.

3. 압박을 탈출 경로로 바꾸다

   1. 어린 나이에 경쟁 환경에 밀려난 경험에는 분명한 압박이 있었지만, Alex는 부모가 일찍 길을 보여준 점에 감사한다.
   2. 구소련권 국가, 인도, 중국처럼 출신 지역의 기회가 제한된 곳에서는 국내외 경쟁에서 최상위권에 오르는 것이 사회적·경제적 탈출구가 되기 쉽다.
   3. Alex는 19세에 세계 경쟁 프로그래밍(Competitive Programming) 순위 3위권에 올랐지만, 학계에 남는 대신 스타트업을 선택했다. 19년 동안 부모가 기대한 ‘정답’을 준비해 놓고도 스타트업이라는 위험한 선택을 한 셈이라며 웃음이 나왔다.

1.2. 연구자에서 창업가로 방향을 틀다

1. 2014년, 트랜스포머 이전의 신경망

   1. Alex는 2014년 트랜스포머(Transformer) 이전의 신경망(Neural Network)을 다루며 시스템을 더 빠르게 최적화하고 여러 기계에 병렬 분산하는 일을 했다.
   2. 팀은 영어-러시아어와 러시아어-영어 번역에서 당시 최첨단(State-of-the-art) 시스템을 만들었다.
   3. 팀 동료 상당수는 DeepMind와 Meta에 영입됐지만, Alex의 관심은 연구 성과 자체보다 새로운 소비자 제품이 세계를 바꾸는 방식에 있었다.

2. Uber가 보여준 모바일 미래

   1. Alex는 처음 미국에 왔을 때 Uber가 너무 빠르게 확산되는 모습을 보고, 모바일 앱이 세계의 산업을 통째로 바꿀 수 있다는 사실에 놀랐다.
   2. 모바일폰이 세계에서 가장 많이 쓰이는 기기가 되고, 사람들이 삶의 대부분을 휴대폰으로 AI 생성 비디오(AI-generated Video)를 보게 될 수 있다고 추론했다.
   3. 휴대폰용 비디오를 누가 그렇게 많이 만들 것인지 생각한 끝에, AI가 생산자가 될 것이라는 가설을 세웠다.

3. A Factory와 Snap 인수

   1. Alex가 만든 회사는 A Factory로 불렸고, 2018년에 Higgsfield의 공동창업자가 된 Mahi를 만났다.
   2. Mahi는 실리콘밸리에서 여러 번의 상승과 하락을 경험한 베테랑이었으며, 회사를 Snap에 1억 6,600만 달러에 매각했다.
   3. 당시 AI 기업의 자본 조달 시장은 지금과 달랐다. AI가 투자 주제가 아니어서 기업가치 배수는 매출의 200배가 아니라 0에 가까웠고, 희석(Dilution)이 심했다.
   4. 1,200만 달러 규모의 투자 라운드만 받아도 훌륭한 성과로 여겨졌지만, 인수는 Alex가 영구적으로 미국에 정착할 수 있게 했다. 그는 LA를 거쳐 실리콘밸리로 이동하며 어린 시절 꿈을 이뤘다.

4. 샌프란시스코에 대한 기대와 현실

   1. 샌프란시스코는 인종과 국적을 이유로 사람을 판단하지 않고 누구나 만날 수 있다는 점에서 놀라운 곳이었다.
   2. 반면 실리콘밸리 투자자 생태계는 매우 합의 지향적(Consensus-driven)이었다.
   3. Alex는 투자자들이 독창적인 판단보다 서로의 판단을 확인하려는 모습은 예상하지 못했지만, 자본의 법칙을 다룬 책을 읽고 그것이 세상이 작동하는 방식임을 받아들였다.

2. Snap에서 Higgsfield까지: 광고 문제를 영상 AI로 풀다

Snap의 얼굴 필터 경험은 무료에 가까운 소비자 AI를 수억 명에게 확장하는 법과, 기업이 소셜 미디어 콘텐츠를 따라가지 못한다는 문제를 동시에 보여줬다.

2.1. 얼굴 필터와 소셜 미디어의 미충족 수요

1. Snap의 2020년 성장 경험

   1. 2020년 Snap은 빠르게 성장했고, Alex의 팀이 만든 얼굴 필터가 일일 신규 사용자의 상당 부분을 이끌었다.
   2. 얼굴 필터는 모바일 기기에서 실행돼 비용이 사실상 무료였다. 현재의 LLM 토큰처럼 사용량마다 비용이 붙는 구조가 아니었다.
   3. 필터는 전 세계 수억 명에게 확장됐고, Alex는 여전히 가장 많이 사용된 소비자 미디어 AI 제품을 만들었다고 평가한다.

2. 브랜드의 소셜 콘텐츠 생산 병목

   1. 소셜 미디어가 세계의 주류 미디어가 됐지만, 평균적인 기업은 소셜 플랫폼에서 어떻게 관련성을 유지할지 알지 못했다.
   2. 일부 기업은 직접 반응 광고(Direct-response Advertising)로 판매를 늘릴 수 있었지만, 대부분의 회사는 매일 바뀌는 트렌드에 맞춰 콘텐츠를 생산할 속도가 없었다.
   3. 브랜드가 자체 미디어 하우스처럼 움직이도록 돕는 제품이 필요하다는 판단이 Higgsfield의 출발점이 됐다.

2.2. 첫 제품의 실패와 카메라 제어의 발견

1. 슬라이드쇼에서 숏폼 변환까지

   1. 첫 도구는 여러 이미지를 올려 음악과 함께 슬라이드쇼로 바꾸는 방식이었다. 아무것도 없는 것보다는 나았지만 결과물은 여전히 좋지 않았다.
   2. 긴 영상을 세로형 숏폼으로 자르는 다음 해법은 조금 나아졌지만, 완성도는 충분하지 않았다.
   3. 2023년 무렵에는 LLM과 코딩에서 입증된 스케일링 법칙(Scaling Laws)이 비디오에도 작동할 것이 분명해졌다. 비디오가 2~3년 더 늦었을 뿐, 규모를 키우면 품질이 올라가는 단계에 들어섰다는 판단이었다.

2. 1,600만 달러를 태운 제품 탐색

   1. Higgsfield는 출시 첫날부터 제품-시장 적합성을 얻지 못했다.
   2. 1년 넘게 작동하는 제품을 찾는 과정에서 시드 펀딩 1,600만 달러 중 1,000만 달러 이상을 소진했다.
   3. 남은 돈이 600만 달러보다 적고 실제로는 500만 달러에 가까워지자, 이번이 사실상 마지막 시도라는 위기감이 생겼다.
   4. Alex는 당시 오늘 유행하는 주제, 적절한 내러티브, 관심을 가로채는 방법을 지나치게 최적화했고 좋은 제품을 만드는 일을 놓쳤다고 자책했다.

3. 고객 인터뷰가 찾은 카메라 제어

   1. 팀은 제품 주도 성장(Product-led Growth, PLG)에 집중하고 최고의 제품이 결국 이긴다는 믿음을 세운 뒤, 8명의 크리에이티브 디렉터에게 AI 경험과 부족한 기능을 물었다.
   2. 모든 디렉터가 AI에는 카메라 제어(Camera Control)가 없다고 답했다.
   3. 카메라의 위치·이동·구도를 제어하지 못하면 이야기를 전달하기 어렵기 때문에, 카메라 제어는 영상 AI의 가장 중요한 병목이었다.
   4. Higgsfield는 2025년 3월 31일 제품을 출시했고, 사용자가 사랑하는지 여부는 사랑과 같아서 알게 되면 바로 안다는 식의 즉각적인 제품-시장 적합성을 경험했다.

4. 유료 광고를 하지 않는 성장 원칙

   1. Higgsfield에는 유료 광고로 사업을 수십억 달러 규모까지 키워본 인력이 있지만, 회사는 유료 광고를 하지 않기로 했다.
   2. 인플루언서 협업에는 영상 제작비와 YouTube에서 잘 작동하는 클릭당 비용(CPC)·어트리뷰션 비용이 들어갈 수 있으므로, 인플루언서가 완전히 무료인 것은 아니다.
   3. 초기에는 크리에이터와 고객 성공을 합쳐 두 명 정도만 두고 에이전시에 배포를 외주화했다. 그 경험은 좋지 않았고, 핵심 교훈은 배포(Distribution)를 직접 소유해야 한다는 것이었다.

5. 논쟁적인 디지털 복제와 크리에이터의 압박

   1. Higgsfield는 세계 최대 스트리머 중 하나인 Neon과 협력해 그의 AI 생성 스트림을 만들었다.
   2. 실제 크리에이터가 자신의 디지털 복제본을 만들어 콘텐츠를 생산한 첫 사례에 가까웠고, 사람들이 그것을 진짜 콘텐츠라고 부를 수 있는지 의문을 제기했다.
   3. MrBeast 사례처럼 톱 크리에이터는 계속 성과를 내야 한다는 엄청난 압박을 받는다.
   4. 현재 A급 연예인은 그린스크린 앞에서 녹화한 뒤 많은 후반작업을 거치지만, 장기적으로 AI 디지털 복제본은 크리에이터가 수익을 창출하는 여러 방식 중 하나가 될 수 있다.

3. 18개월 만의 10억 달러와 고객의 폭발적 확장

Higgsfield의 연환산 매출은 소비자 AI 역사상 가장 빠른 성장 곡선 중 하나를 보였고, 작은 구독이 기업 계약으로 확장되는 패턴을 드러냈다.

3.1. 매출 10억 달러의 계산법

1. 1,000만 달러에서 10억 달러까지

   1. Bloomberg 보도가 나온 날 Higgsfield는 연환산 매출(Annualized Revenue) 10억 달러를 넘겼다.
   2. 100만 달러에서 10억 달러까지 걸린 기간은 18개월이었다.
   3. Cursor는 같은 구간을 24개월에 통과했으며, Alex는 OpenAI와 Anthropic 다음으로 빠른 사례일 것이라고 말했다.

2. ARR 산정의 투명성

   1. 최근 4주 동안의 실제 매출(Revenue)을 합산해 13을 곱하는 방식으로 연환산 매출을 계산한다.
   2. 매출이 아니라 판매액(Sales)을 사용한다. 1년짜리 구독이나 기업 계약은 12개월에 걸쳐 안분하고, 28일에 해당하는 한 달분만 반영한다.
   3. 3년짜리 기업 계약을 한 번에 매출 10억 달러에 포함하지 않으며, 실제로 발생한 라이브 매출만 계산한다.

3. 코딩보다 늦은 비디오 AI 채택

   1. 비디오 AI는 코딩보다 채택이 약 2년 늦었다.
   2. 코딩 회사는 사용량 기반 매출이 50%를 넘을 수 있지만, 비디오에서는 그 비중이 훨씬 낮다.
   3. 대신 고객이 사용량을 늘리는 매출 확장이 매우 크며, 한 고객은 6개월 전 월 99달러 구독으로 시작해 연 600만 달러 계약으로 커졌다.
   4. 99달러에서 연 600만 달러로의 확장은 펀드레이징 자료에서 가장 강력한 슬라이드가 될 만한 사례다.

3.2. 아시아에서 시작된 AI 네이티브 광고 경제

1. 전자상거래의 AI 네이티브 전환

   1. 아시아의 직접 소비자(Direct-to-Consumer, DTC) 전자상거래 기업은 시장 진입 방식을 AI 네이티브로 다시 만들고 있다.
   2. 매주 수백 개에서 수천 개의 광고를 만들고, 어떤 광고가 작동하는지 A/B 테스트하는 구조가 빠르게 자리 잡고 있다.
   3. 고객이 연 600만 달러를 쓰는 이유는 사실상 할리우드 콘텐츠 팀에 가까운 생산량과 실험 능력을 얻기 위해서다.

2. 10억 달러 규모의 숏폼 드라마 산업

   1. 숏폼 드라마는 주로 중국 기업이 소유한 100억 달러 이상의 산업으로 성장했고, 중국·미국·유럽 등 전 세계에 영향을 준다.
   2. 새로 만들어지는 많은 쇼는 처음부터 끝까지 AI로 제작된다.
   3. AI 영상 채택은 위에서 명령해 내려오는 방식이 아니라, 더 많은 광고와 콘텐츠를 만들어 돈을 벌 수 있다는 경제적 동기에서 아래로부터 확산된다.

3. 비즈니스와 소비자 매출의 구분

   1. 기업 매출은 전체의 50%를 조금 넘는다.
   2. 모바일 사용 비중은 전체 매출의 10%보다 낮고, 순수 소비자 사용 사례는 소비자 쪽 매출에서 약 10% 수준이다.
   3. 소셜 미디어 마케팅 프로젝트를 맡은 프리랜서와 예비 크리에이터는 AI 비디오를 배워 더 많은 돈을 벌려 하지만 행동이 불안정해 1년 안에 상당수가 이탈한다.
   4. 다만 이들 중 대부분은 다시 시도하며, 시간이 지나면 AI 네이티브 노동력으로 전환될 가능성이 있다. Higgsfield Academy와 YouTube 채널에 투자하는 이유도 이 교육 격차를 줄이기 위해서다.

4. 월 20달러 구독을 넘어서는 업셀

   1. Google과 OpenAI가 광고를 적극적으로 추구하는 수평적 제품을 제공하면, 월 20~30달러짜리 수직형 소비자 구독 시장 상당수가 잠식될 수 있다.
   2. Higgsfield는 월 20달러 사용자를 확보하는 것보다, 그 사용자가 연 1,000달러 이상을 지출할 만큼 실질적 가치를 증명하는 것을 목표로 한다.
   3. Canva가 제공하던 소비자 디자인의 쉬운 영역이 OpenAI 같은 수평형 제품으로 이동할 수 있다는 판단은 반대되는 전략을 택하게 만든다.

3.3. 리텐션, 크리에이터 조직, 자체 배포

1. 초기 이탈과 장기 확장

   1. 소비자는 첫 달에 가치를 충분히 깨닫지 못해 약 30%가 이탈한다.
   2. 첫 달 이후 리텐션은 비교적 평평해지지만, 전통적인 B2B SaaS의 첫 달 로고 리텐션 80% 이상 기준과 비교하면 아직 좋다고 말하기 어렵다.
   3. 반대로 비즈니스 부문의 12개월 순매출 유지율(Net Revenue Retention, NRR)은 300%를 넘는다.
   4. 초기 사용자 교육은 개선해야 하지만, 살아남은 기업 고객의 확장은 일반적인 B2B SaaS에서 거의 보기 힘든 수준이다.

2. 150명의 크리에이티브 전문가

   1. Higgsfield는 회사 전체 인력의 거의 절반에 해당하는 150명 이상의 크리에이티브 전문가를 내부에 두고 있다.
   2. 이들은 제품 출시 영상, 튜토리얼, 전문적인 상업 영상의 제작 과정을 직접 보여준다.
   3. 첫 AI 생성 영화를 만들고 제작 과정을 오픈소스로 공개했다.
   4. 90분짜리 TV 품질 콘텐츠를 만들려면 100시간이 넘는 AI 생성물이 필요했다. 어떤 장면을 선택하고 연결할지 결정하는 크리에이티브 판단은 여전히 가장 중요하다.

3. 콘텐츠가 곧 소비자 성장 채널

   1. 소비자 구독 성장은 광고비가 아니라 Higgsfield 자체의 콘텐츠와 배포에서 나온다.
   2. 가장 좋은 상업용 영상을 Higgsfield로 만들고 그 워크플로를 공개하는 방식이 제품 교육과 마케팅을 동시에 수행한다.
   3. 제품이 많아질수록 배포를 외부 에이전시에 맡기는 것보다 직접 소유하는 역량이 중요해진다.

4. 모델 벤치마크보다 워크플로가 중요하다

Higgsfield는 최고 점수 모델을 만드는 회사가 아니라, 특정 고객 작업에 맞는 모델 조합과 비용 구조를 선택하는 회사로 변했다.

4.1. 자체 모델 집착을 버린 이유

1. 벤치마크 추구의 함정

   1. Alex는 자체 모델을 고집하고 벤치마크를 좇은 것이 자신의 실수였다고 인정했다.
   2. 대형 연구 조직에서는 분기별 진전을 보여주기 위해 벤치마크 점수를 올리는 일이 목표가 되기 쉽다.
   3. 일부 연구자는 테스트 데이터를 학습에 넣거나, LLM을 평가자로 활용해 모델을 학습시키거나, 다른 편법으로 점수를 높인다.
   4. 연구자가 한 연구소에서 연 수백만 달러를 벌고 쉽게 다른 연구소로 옮길 수 있다면, 실제 고객 결과보다 분기 보너스와 점수에 유리한 행동을 선택할 유인이 생긴다.

2. 기업별 성과가 보여주는 현실

   1. OpenRouter 데이터를 보면 미국의 기존 대형 기업 중 실제로 관련성을 유지하는 곳은 Google이 거의 유일하다.
   2. 벤치마크 집착이 상대적으로 약한 중국에서는 Tencent, Xiaomi, Alibaba가 관련성을 가진 세 개의 기존 기업으로 남았고 ByteDance도 추격 중이다.
   3. 높은 벤치마크 점수가 실제 제품 채택과 반드시 연결되지 않는다는 점이 결과로 드러난다.

3. 영상 모델 벤치마크의 허점

   1. 현재 영상 벤치마크의 상당수는 텍스트-투-비디오(Text-to-video)라서 실제 제작 워크플로를 거의 반영하지 못한다.
   2. 영상 모델은 여러 입력을 받는 현대적 렌더링 엔진이며, Unreal Engine이나 Unity와 비슷하지만 입력 방식이 다른 도구로 보는 편이 정확하다.
   3. 텍스트만으로 시각적 결과를 완전히 정의하고 실행하기는 어렵다.
   4. Higgsfield가 오픈소스로 공개한 영화의 평균 프롬프트는 3,000단어가 넘고, 장면 하나에 최소 10개의 이미지 레퍼런스가 들어간다.
   5. 캐릭터의 외형, 배경, 장면 안에서의 위치를 일관되게 지정해야 하므로, 짧고 단순한 벤치마크 프롬프트와 라벨러의 평가만으로는 실제 복잡성을 측정할 수 없다.

4.2. 고객 피드백에 따라 자체 모델을 선택하다

1. 자체 모델이 만든 성장 구간

   1. VFX와 카메라 제어 제품을 통해 연환산 매출을 약 100만 달러에서 2,000만 달러로 첫 3개월 안에 키웠다.
   2. 미적 사진 촬영과 제품 일관성(Product Consistency)에 강한 자체 이미지 모델을 출시한 뒤 매출을 2,000만 달러에서 1억 달러로 확장했다.
   3. 자체 모델은 모델을 보유한다는 자존심 때문이 아니라 특정 고객 사용 사례가 요구할 때만 유지한다.

2. 오픈 웨이트와 후훈련(Post-training)

   1. 기업이 자체 모델을 만들었다고 말할 때 실제로는 오픈 웨이트 모델을 가져와 자체 데이터로 후훈련한 경우가 많다.
   2. 고객이 내린 일련의 의사결정 데이터를 활용하면 모델이 10단계 작업을 한 단계로 압축하도록 강화학습(Reinforcement Learning)을 시킬 수 있다.
   3. 이런 고객 행동 기반 후훈련이 가장 가치 있는 자체 모델화 방식이 될 수 있다.

3. 오픈소스 모델 점유율의 상승

   1. 대부분의 기업은 Astra 같은 최신 모델이나 가장 새로운 Fable 모델이 필요하지 않다.
   2. OpenRouter 데이터에서 오픈소스 모델의 비중은 올해 30% 미만에서 60% 이상으로 상승했다.
   3. 2년 뒤에도 달러 기준으로는 Anthropic·OpenAI 같은 폐쇄형 모델이 50% 이상을 차지할 수 있지만, 영상 광고처럼 반복 생산이 많은 시장에서는 안정적이고 저렴한 모델이 더 적합하다.

4. 마진과 모델 라우팅

   1. 오픈 웨이트 모델과 자체 후훈련 모델의 마진은 80%를 넘는다.
   2. 폐쇄형 모델을 사용하면 마진은 20~30% 수준으로 떨어진다.
   3. 고객사가 에이전트형 광고 워크플로를 만들수록 Higgsfield는 어떤 모델을 쓸지 직접 선택할 수 있고, 현재 사례의 40% 이상에서 모델을 라우팅한다.
   4. Alex는 고객이 원하는 작업량에 필요한 토큰 수와 가장 효율적인 토큰을 선택하는 구조를 ‘토큰 이코노믹스(Tokenomics)’라고 부른다.

5. 매달 400만 달러를 태우는 조직과 AI 노동의 변화

최첨단 모델은 비싸지만, 고성과 엔지니어와 크리에이터가 수천 개의 에이전트를 지휘하면 업무 단위당 생산성의 경제성이 달라진다.

5.1. 현재의 모델 사용량과 기묘한 지출

1. 인당 월 1만 달러 이상

   1. Higgsfield 직원 한 명은 여러 모델에 월 1만 달러 이상을 쓴다.
   2. 미국과 아시아에 걸친 약 400명의 조직이 매달 내부 모델 사용료로 400만 달러 이상을 지출한다.
   3. 단순 계산으로도 인당 모델 비용이 월 1만 달러를 넘는다.

2. Astra에 일주일 3만 달러를 쓴 개발자

   1. 크리에이티브 팀은 바이브 코딩(Vibe Coding)을 시작했고, 한 직원은 에셋 정리 워크플로가 마음에 들지 않아 직접 만들기로 했다.
   2. 자동 편집은 아직 프로덕션에서 충분히 좋지 않았고, 그 직원은 Astra를 5일 밤 연속 사용해 한 주에 3만 달러를 썼다.
   3. 결과물이 바로 프로덕션에 투입될 수준은 아니었지만, 팀은 많은 것을 배웠고 순효과는 긍정적이었다.
   4. 다른 사람들도 일주일에 1만 달러 이상을 쓰는 경우가 많아 재무팀은 지출을 통제하려 하지만, Alex는 실험을 멈추지 않는다.

3. 10배 인재의 새로운 비용 구조

   1. 상위 엔지니어와 상위 크리에이터는 12개월 안에 모델 사용료만 월 5만~10만 달러를 쓰게 될 수 있다.
   2. 이들이 요구하는 급여도 비슷한 수준으로 올라갈 수 있어 모델 비용과 인건비가 서로 연동된다.
   3. 법무·재무처럼 다른 직무는 AI가 빠르게 안정화돼 전체 비용이 월 50만 달러 부근에서 멈출 수 있다.
   4. 10배 엔지니어와 10배 크리에이터는 아래에서 수천 개의 에이전트를 돌리며 실행 업무를 맡길 수 있다.

5.2. 고객지원·법무·제품 속도의 현실

1. AI가 대체할 것이라는 기대와 실제 인력

   1. Alex는 법무와 고객지원이 대부분 대체될 것으로 생각했지만, 팀을 빨리 키우지 않은 것이 회사의 운영상 주요 실수였다고 인정했다.
   2. Higgsfield에는 10명 이상의 법무팀과 40명 이상의 고객 성공(Customer Success)팀이 있고, 모두 AI를 많이 사용한다.
   3. 고객지원 요청의 60% 이상, 특히 첫 번째 대응은 AI로 처리할 수 있지만 B2B 고객지원에서는 AI만으로 충분하지 않다.
   4. Revolut은 소비자 고객지원에서 92% 해결률을 달성했지만, 이를 위해 막대한 투자를 했다.

2. 제품 출시 속도가 에이전트를 어렵게 만든다

   1. Higgsfield는 거의 매주 새 제품을 출시하므로, 에이전트가 제품 정보와 규칙을 계속 갱신해야 한다.
   2. 에이전트는 주어진 맥락과 규칙만큼만 똑똑하며, 규칙이 일주일에 두 번 바뀌면 고객지원 자동화가 어려워진다.
   3. 제품 속도가 빨라질수록 매우 똑똑하고 조율된 고객지원팀이 더 중요해지는 역설이 생긴다.

3. 팀의 모델 이동

   1. 3월부터 6월까지 엔지니어와 크리에이티브팀은 Claude로 이동했고, 크리에이티브팀에서 프로덕션에는 아직 쓰지 않는 바이브 코딩 기능을 보기 시작했다.
   2. 6월 중순부터 코더들은 빠르게 Codex로 이동했고, 시간이 지나면서 10배 크리에이터도 Codex를 사용하기 시작했다.
   3. Alex는 모델 경쟁이 순환적이므로 특정 모델에 영원히 묶이지 않는다고 본다.

4. 전문화 모델의 지속적인 등장

   1. 모델 출시 속도는 3년 안에 곧바로 느려지지 않을 가능성이 높다.
   2. OpenAI가 법률용 모델의 초기 버전을 만들었듯, 앞으로도 특정 업무에 맞춘 작고 전문화된 모델이 계속 등장할 수 있다.
   3. Astra는 장기 추론(Long-term Horizon)에 강하지만, 법률처럼 깊은 도메인 지식과 대형 로펌의 긴 판매 주기를 요구하는 분야를 단순히 모델 이름만으로 해결할 수는 없다.

6. 모델 회사가 아니라 AI 네이티브 시스템 오브 레코드

콘텐츠 저장소가 자연어와 의미를 이해하고 브랜드 규칙을 기억하면, 단순한 파일 보관 도구를 넘어 마케팅 운영체제가 된다.

6.1. 특정 워크플로와 시스템 오브 레코드

1. 전문화 AI의 필요성

   1. Solve Intelligence 같은 회사는 특허 업무를 외주화하더라도 전체 워크플로를 통제하고 하나의 시스템 오브 레코드를 갖고 싶은 고객을 겨냥한다.
   2. 누가 AI 네이티브 시스템 오브 레코드를 만들 수 있느냐가 해당 업무의 승자를 결정할 수 있다.
   3. OpenAI가 내부 법률 업무를 전환하는 것처럼, 기업은 외부 공급자에게 맡긴 업무도 내부 인터페이스와 데이터로 통제하려 한다.

2. Higgsfield의 자산 라이브러리 문제

   1. 기업은 Dropbox, Google Drive, Miro, Frame.io 등 여러 도구에 자산을 흩어 놓는다.
   2. 마케터가 필요한 것은 파일 위치를 아는 것이 아니라 콘텐츠를 검색하고, 브랜드의 시각적 정체성과 가이드라인을 지키는지 판별하는 능력이다.
   3. 의미 이해(Semantic Understanding)와 의미 제어(Semantic Control)가 가능해지면 자산 라이브러리의 가치가 달라진다.

3. 픽셀 우선 시대에서 자연어 인터페이스로

   1. Adobe와 Canva는 모든 것이 픽셀로 정의되는 픽셀 우선(Pixel-first) 시대의 뛰어난 소프트웨어를 만들었다.
   2. 미래에는 사용자가 자연어 인터페이스로 자산과 지식을 검색하고 작업하며, 분석 기능이 연결된 시스템 오브 레코드를 원한다.
   3. Higgsfield는 이런 하니스(Harness)에 투자해 제품이 시간에 따라 브랜드의 시각적 스타일을 학습하게 만든다.
   4. 클라우드 모델이나 OpenAI의 일반 모델이 특정 기업의 시각적 스타일을 같은 방식으로 학습해 주지는 않는다.

6.2. 해자와 네트워크 효과

1. 속도 자체가 만드는 방어력

   1. AI 시대에 해자(Moat)를 과장하는 이론은 현실과 맞지 않을 수 있다.
   2. Lovable이 처음에는 단순한 래퍼(Wrapper)라는 조롱을 받았지만, 실제 가치는 의사결정 속도, 제품 실행, 빠르게 축적되는 가치에 있다.
   3. AI 비서 자체는 만들기 어렵지 않지만, 빠르게 매우 가치 있는 기능을 쌓고 시간을 들여 제품을 완성하는 능력은 차별화된다.

2. 두 가지 현대적 해자

   1. 첫째는 결과를 직접 전달하는 것이다. Higgsfield의 결과는 기업이 AI 광고로 더 많이 판매하도록 만드는 것이다.
   2. 둘째는 네트워크 효과(Network Effects)다. AI가 네트워크 효과를 대체하지는 않으며, 에이전트들이 서로 대화하는 ‘스웜’은 앞으로 5년 안에 현실화되지 않을 수도 있다.
   3. 소프트웨어가 빠르게 성장하는 이유는 GitHub 프로젝트를 쉽게 포크하고 다른 사람의 산출물 위에 새 결과를 만들 수 있기 때문이다.

3. 오픈소스 커뮤니티의 눈덩이

   1. Higgsfield는 커뮤니티가 더 많은 프로젝트를 만들고 이를 오픈소스로 공개하도록 돕는다.
   2. 8주 전 10개 정도였던 시드 프로젝트가 1만 개 이상으로 늘었다.
   3. 사람들이 서로의 출력물을 자본화하는 구조가 커지면 커뮤니티 자체가 시간이 지날수록 네트워크 해자가 될 수 있다.

7. 아시아에서 서구로 퍼지는 광고·콘텐츠의 재편

AI 영상은 광고의 핵심 사업 모델인 맥락형 광고(Contextual Advertising)를 바꾸고, 기업이 소비자와 직접 관계를 맺는 분배 인프라가 될 수 있다.

7.1. Yuri Milner가 본 동일한 시장

1. 최고의 VC 미팅

   1. Alex가 가장 인상 깊게 경험한 투자자 미팅은 Yuri Milner와의 대면 미팅이었다.
   2. Yuri는 최신 트렌드를 따라가며 콘텐츠 우선(Content-first) 전환을 깊이 이해하고 있었다.
   3. 직접 소비자 AI 광고, 숏폼 드라마, AI 보조·AI 생성 소셜 콘텐츠가 아시아에서 서구로 이동하는 흐름을 동일하게 읽었다.

2. 인터넷 광고 모델의 재편

   1. 세계 콘텐츠의 대부분은 AI의 보조를 받거나 AI로 생성될 수 있다.
   2. 수조 달러 규모의 광고 산업에서 맥락형 광고는 인터넷의 핵심 사업 모델인데, 비디오 AI는 이 산업을 크게 흔들 것이다.
   3. 광고 산업은 여전히 가치 있겠지만, 지금과 같은 모습으로 남지는 않는다.

3. 투자자의 약속을 믿을 수 없는 이유

   1. Alex는 투자자가 특정 가격에 투자하겠다고 악수한 다음, 다른 투자자에게 연락해 신디케이트를 철회하고 30% 낮은 가치로 투자하려 한 경험을 여러 번 겪었다.
   2. 따라서 미팅 직후 실제 수표가 나올지 확신할 수 없지만, Yuri와의 경우에는 그런 일이 없었다.

7.2. 비(非)실리콘밸리 창업자의 할인과 장기 목표

1. 출신 지역이 만든 가치평가 할인

   1. Higgsfield가 실리콘밸리 내부자가 아니라는 이유로 기업가치 할인(Discount)을 받을 수 있다.
   2. 실리콘밸리 기업이었다면 18개월 만에 10억 달러 매출을 만든 회사가 250억 달러 수준으로 평가받을 수 있다는 의견이 나왔다.
   3. Cognition이 500억 달러 가치로 평가받은 사례를 감안하면 상단은 더 높을 수도 있다.

2. Shopify와 같은 분배 인프라

   1. Higgsfield는 직접 소비자 전자상거래를 위한 인프라가 된 Shopify처럼, DTC 기업이 분배를 구축하도록 돕는 인프라가 되는 것을 목표로 한다.
   2. 장기적으로 1,000억 달러 이상의 회사가 될 수 있다고 믿으며, 현재의 배수보다 세계 최대 산업의 분배를 차지하는 일이 중요하다.
   3. 제약과 빅테크를 제외한 상장기업에서는 영업·마케팅 지출이 연구개발 지출보다 큰 경우가 많다.
   4. 최적화된 개인화 제안을 만드는 영업·마케팅 작업의 상당 부분이 개인화 영상으로 바뀔 수 있다.

3. 매출의 지역 분포와 서울의 위치

   1. Higgsfield 매출의 70% 이상은 서구에서 나온다.
   2. 중국은 AI 시장이 크지만 Higgsfield는 중국에서 서비스되지 않는다.
   3. 사용량 기준 최대 도시는 서울이며, 최대 국가는 미국이다.
   4. 아시아에는 직접 소비자 유통을 구축하려는 IP와 제품이 많다. 중간 재판매 플랫폼을 거치기보다 고객과 직접 관계를 맺고 싶어 하므로 새로운 비디오 AI 도구를 적극적으로 받아들인다.

8. 가족, 희생, 중앙아시아 인재 채용

Alex의 일 중독은 기술에 대한 확신뿐 아니라 가족의 희생에 보답하고 실리콘밸리에서 자신의 자리를 증명하려는 감정에서 나온다.

8.1. 가족에게 진 빚과 창업의 대가

1. 어머니와 아버지의 희생

   1. Alex가 7세에서 12세일 때 어머니는 세 가지 일을 하느라 집에 거의 없었다.
   2. 아버지는 Alex를 대회와 캠프에 데려다니고 체커와 프로그래밍을 함께하며 삶을 바쳤다.
   3. 아버지는 21년 전부터 파킨슨병을 앓고 있으며, 자본과 회사를 매각한 결과만으로는 가족의 시간을 되돌릴 수 없다.

2. 성공 후에도 멈추지 못하는 이유

   1. Alex는 더 이상 일하지 않아도 되지만 여전히 가족의 생일과 결혼식을 놓친다.
   2. 어린 시절 뚱뚱한 아이였다는 깊은 불안감이 성공을 계속 증명해야 한다는 욕구로 이어졌다.
   3. 그가 꼽은 창업가의 다섯 유형 중 자신에게 가장 가까운 것은 기술·시장·기회에 대한 강한 확신과 거대한 기회를 놓칠까 하는 공포(FOMO)다.

3. 어린 시절의 빌 게이츠 이야기

   1. 여섯 살 때 Bill Gates와 Microsoft 창업에 관한 잡지를 본 기억이 남아 있다.
   2. 당시 사회적으로 완전히 인정받지 못하던 사람이 기술로 세상을 바꿀 수 있다는 이야기를 어머니가 들려줬다.
   3. 어머니가 샌프란시스코와 시애틀을 정확히 구분하지는 못했지만, 기술과 실력이 인정받는 환경으로 가야 한다는 메시지는 Alex에게 깊이 남았다.

8.2. 유럽과 카자흐스탄의 인재 밀도

1. 유럽 기술 생태계의 반전

   1. 유럽에는 Nscale, Iron, Nebius, Crusoe 같은 네오클라우드와 Legora, ElevenLabs, Lovable 같은 애플리케이션 기업이 있다.
   2. Mistral을 포함해 모델 계층에서도 실제 사용량은 강하지만, 시장은 유럽 기업을 충분히 믿지 않는 경우가 있다.
   3. ASML이 없으면 AI 인프라 전체가 성립하기 어렵다는 점에서 유럽은 모델 계층 밖에서도 매우 경쟁력 있다.
   4. 유럽이 에너지를 해결할 수 있는지는 Alex의 전문 영역을 넘어서는 문제지만, 여러 도시에서 회사를 만들 기회가 이전보다 훨씬 분산됐다는 점은 분명하다.

2. 충성도와 축구의 비유

   1. 실리콘밸리에서는 사람들이 2년마다 직장을 옮기는 경향이 있어 장기적인 충성도가 약하다.
   2. 유럽은 충성도가 강하기 때문에 경쟁력이 생길 수 있다.
   3. Fulham 팬은 Arsenal이 챔피언스리그에서 우승했다고 Arsenal 팬으로 바뀌지 않지만, 미국에서는 Lakers가 정상에 있으면 대화를 쉽게 시작하려고 Lakers 팬이라고 말하는 사람이 생긴다는 비유가 나왔다.

3. 카자흐스탄 채용의 근거

   1. Higgsfield 팀은 캘리포니아 약 50명, 원격 약 50명, 카자흐스탄 300명 이상으로 구성돼 있다.
   2. 카자흐스탄은 국제 고교 물리 올림피아드에서 세계 5위권이며 미국·중국·인도와 비슷한 수준이다.
   3. 핵심 팀에는 수학·물리 국제대회 수상자가 많다.
   4. 소련식 수학 교육을 싱가포르식 교육 원리로 업그레이드했고, 정부는 수천 명의 고교생이 해외에서 공부하도록 보조하며 많은 사람이 귀국한다.
   5. 2,000만 명이 넘는 인구와 중앙아시아·유럽·아시아에서 유입되는 인재, 약 15%의 개인소득세가 인재 밀도를 높인다.

4. 가족에게 돌려준 첫 수입

   1. 회사 매각 때 얻은 100만 달러 이상을 Alex는 자기 집이 아니라 부모, 친척, 아내의 부모를 위한 아파트를 사는 데 썼다.
   2. 대가족에게 보답하는 것은 아시아 문화의 일부이며, 자신을 위해 희생한 부모에게 금전적으로라도 돌려줘야 한다는 책임감을 느꼈다.
   3. 화려한 Lamborghini나 Porsche 대신 Tesla Model 3를 운전하고, 카자흐스탄에 소유한 부동산은 없다.

8.3. 90시간 노동과 CEO 운영 원칙

1. 시간 배분의 불균형

   1. Alex는 주 80~90시간을 Higgsfield에 쓴다.
   2. 아내에게 주 3시간, 아들에게 주 5시간을 쓰려고 하며, 출장으로 몇 주를 비우면 일요일 하루를 아들과 보내며 보충한다.
   3. 최근 3개월 동안 이메일도 팀 대화도 없이 아들과 처음부터 끝까지 하루를 보낸 날은 단 하루였다.
   4. 그는 더 열심히 일할수록 더 운이 좋아진다고 믿는다. 더 많은 창업자를 만나고, 좋은 회사를 찾고, 더 많은 쇼에 출연하며, 성공할 확률을 높인다는 뜻이다.

2. 배우자와의 관계를 지탱하는 희생

   1. Alex는 아내가 인내심을 갖고 지지해 주는 데 감사하며, 아시아 문화에서는 서로를 위해 희생하는 일이 자연스럽다고 말한다.
   2. 파티에 초대받아도 아내에게 가라고 하고 자신은 참석하지 않는 일이 반복된다.
   3. 아내가 둘이 함께 가자고 생각할 때마다 마지막 순간 회사의 긴급한 불이 꺼지지 않아, 아내 혼자 가게 되는 상황을 농담으로 풀었다.

3. CEO의 관리 철학

   1. AI 시대에는 실제 신호, 실제 채택, 원시 데이터에 접근하는 능력이 중요하다.
   2. Alex가 배우는 CEO는 Jensen Huang, Elon Musk, 그리고 Nick이며, 이들은 일대일 면담이나 부드러운 피드백 같은 미국식 관리 원칙보다 세부 사항과 사실을 직접 파고든다.
   3. 기업에서는 마이크로매니지먼트라고 부를 행동도 실제 제품과 데이터를 이해하는 방식으로 활용한다.
   4. 가장 중요한 원칙은 최고의 사람을 채용해 최고의 일을 하게 하고, 그들을 붙잡는 관계를 만드는 것이며 나머지는 부차적이다.

4. AI 공격과 부정행위 대응

   1. 초기에는 모든 긴급 문제에 직접 뛰어들었지만, 팀이 40명 규모로 커진 뒤 삶은 조금 나아졌다.
   2. LLM은 기업 해킹, 크레딧을 사용한 뒤 자동 환불을 요청하는 봇, 각종 사기 등 공격과 부정행위를 증폭한다.
   3. Alex는 머신러닝과 데이터 과학 배경으로 통계와 데이터에서 여전히 큰 변화를 만들 수 있어 방어 업무에도 직접 관여한다.

9. 빠른 질문에서 드러난 장기 전망

짧은 질문들은 익숙한 제품의 끈기, AI 콘텐츠의 가격 차이, 미래 창작 직무, 상장 전략에 대한 Alex의 판단을 압축한다.

9.1. 사라지지 않을 제품과 AI 콘텐츠의 가치

1. HubSpot은 사라질 것이라는 생각을 수정하다

   1. Alex는 한때 모든 기업이 자체 CRM을 만들면서 HubSpot이 낡을 것이라고 생각했다.
   2. 하지만 B2B 영업팀을 채용하고 확장하면서 익숙한 인터페이스가 큰 가치를 갖는다는 점을 깨달았다.
   3. 고객을 잘 이해하고 대화하는 영업 인재는 새로운 인터페이스를 빠르게 받아들이지 않을 수 있으며, HubSpot이 시스템 오브 레코드로서 데이터 흐름의 오류를 추적하게 해주는 점도 강력하다.

2. AI 생성 콘텐츠가 소셜 미디어의 대부분이 된다

   1. 대다수 사람은 소셜 콘텐츠의 대부분이 AI로 생성될 것이라는 사실을 아직 충분히 이해하지 못한다.
   2. 100% 진짜인 콘텐츠는 줄어들겠지만, 10~15배 높은 CPM을 받을 만큼 AI 생성 콘텐츠보다 훨씬 큰 가치를 가질 수 있다.
   3. 진정성 있는 인터뷰와 AI 생성 오버레이가 공존할 수 있으며, 기존 영상 위에 Higgsfield 오버레이를 얹는 방식은 새로운 배포 기회를 만든다.

3. 창업자 자신이 만든 배포 채널

   1. Alex는 Instagram에 하루 2시간을 쓰며 대본을 만들고 직접 촬영한다.
   2. 세 개의 숏폼을 만들 때 두 사람이 각각 6시간씩 후속 작업을 한다.
   3. 숏폼은 수억 회 조회로 상단 퍼널을 크게 만들 수 있지만, downstream 수익화나 가치 창출이 있어야 조회수가 사업이 된다.

9.2. 아직 이름이 없는 미래의 창작 직무

1. 컴퓨터와 실시간으로 이야기를 만드는 크리에이티브 디렉터

   1. 5년 뒤 크리에이티브 디렉터는 컴퓨터와 대화하며 이야기와 영상을 실시간으로 만들고, AI로 여러 변형을 생성할 수 있다.
   2. 현재는 스크립트 작가, 각본가, 장면별 분해를 담당하는 사람, 스토리보드 담당자, 전체를 감독하는 영화감독이 나뉘어 있다.
   3. 이 모든 역할을 자연어·영상 AI와 결합하는 직무를 아직 정확히 부를 단어가 없지만, 결국 중요한 것은 취향(Taste)과 들려줄 이야기다.

2. 이사회에 모시고 싶은 리더

   1. Alex는 Frank Slootman을 이사회에 영입하고 싶어 한다.
   2. Slootman의 『Amp It Up』과 인터뷰를 보며 캘리포니아에 강한 ‘불시트 없는’ 문화가 실제로 존재하고 빠른 회사 확장을 가능하게 하는지 관심을 갖게 됐다.
   3. 다만 Slootman식 강력한 Go-to-Market은 제품 발전을 희생할 수 있다. Snowflake가 GTM 머신을 만들 동안 Databricks가 제품을 우선해 경쟁 우위를 가져간 사례가 그 위험을 보여준다.
   4. Alex는 세계 최고의 세일즈 리더로 Chad Peets를 꼽고, 그를 이사회에 모실 방법을 찾겠다고 농담 섞인 강한 찬사를 보냈다.

3. Snap에서 배운 모멘텀의 유한성

   1. 모멘텀은 영원하지 않다. Snap의 시가총액은 현재 150억 달러 아래로 내려왔지만, 신뢰·안전·사용자 경험을 중요하게 여기는 훌륭한 회사라는 평가도 있다.
   2. Snap이 800억 달러 가치였고 Meta와의 격차가 10배도 안 됐을 때는 모멘텀이 계속될 것처럼 느껴졌다.
   3. 그러나 자본주의에는 상승과 하락이 있고, 공개기업이 AI 이야기를 제대로 만들지 못하면 Meta와 Snap의 격차가 커진다.
   4. Snap, Figma, Canva의 사례는 사기업과 공개시장에서 AI 전환을 설명하는 일이 얼마나 어려운지 보여준다.

4. Meta와 Scale의 인재 전략

   1. Canva의 CEO Melanie Perkins는 민간시장과 공개시장에서 모두 성공한 보기 드문 사례로 평가받았다.
   2. Meta가 Scale의 Alex Wang을 시장가치의 0.5% 정도로 영입한 것은 두 번째 CEO를 얻은 것과 같은 효과를 낸 뛰어난 인재 거래라는 의견이 나왔다.
   3. Instagram과 WhatsApp 인수처럼 Meta의 인재·제품 흡수 능력은 별도 리그로 볼 수 있다.
   4. 다만 Meta AI 전략은 성공적인 출시가 1년쯤 쌓인 뒤 평가해야 하며, Alex Wang의 Muse가 왜 다른지 공개 투자자에게 일관되게 설명하는 능력은 이미 인상적이다.

9.3. 12개월 뒤 매출과 상장 가능성

1. 4.5억 달러가 아니라 45억 달러를 둘러싼 전망

   1. 재무팀의 현재 사업 모델은 다음 해 말 연환산 매출 45억 달러를 예상하지만, 상당한 성장 둔화를 전제로 한다.
   2. Alex는 그래도 월 30% 성장을 최소 목표로 계속 밀어붙일 것이라고 말했다.
   3. 질문자가 개인적 전망을 묻자, 그는 12개월 뒤 100억 달러를 넘을 수 있다고 답했다.

2. 할리우드의 태도 변화

   1. 크리에이티브 AI 채택은 DTC 브랜드가 광고를 더 많이 만들고, 영화적인 AI 콘텐츠가 크리에이터의 도구 탐색을 자극하는 수익화에서 시작된다.
   2. 할리우드는 현재 AI를 새로운 CGI와 하이브리드 제작 도구로 받아들이는 단계다.
   3. 업계 감정은 강한 반대에서 중립과 약한 반대로 이동했고, 여전히 시니어 인재의 절반 이상이 영원히 반대하겠다고 말하지만 새로운 이야기를 더 많이 만들 수 있는지 묻는 사람도 늘고 있다.
   4. AI가 과거의 예산 한계를 넘고 이전에는 만들 수 없던 이야기를 가능하게 할 수 있다는 인식 변화는 긍정적이다.

3. 펀드레이즈와 상장 목표

   1. 매출 10억 달러에 보수적인 배수를 적용하면 다음 펀드레이즈 가치는 약 150억 달러일 수 있고, 100억 달러 매출을 달성하면 800억 달러 수준까지 상상할 수 있다.
   2. Alex는 기업을 지속 가능하게 만들고 공개시장에 진입할 수 있는 기반을 만드는 일을 가치평가보다 우선한다.
   3. Higgsfield는 상장 잠재력이 있으며, 장기적으로 거대한 소비자·기업 분배 인프라가 되면 대형 플랫폼과 Shopify보다 커질 가능성을 목표로 한다.
   4. Shopify가 전자상거래 인프라의 한 계층이고, 코딩에는 클라우드와 Codex가 있듯이, 결국 가장 중요한 것은 시간이 지날수록 축적되는 분배(Distribution)다.

주요 발언 모음

“사랑과 같습니다. 알게 되면 압니다.”

“우리는 매달 내부 모델 사용료로 400만 달러 이상을 씁니다.”

“한 사람이 Astra에 일주일 동안 3만 달러를 썼습니다. 다섯 밤을 연속으로 작업했어요.”

“최고의 사람을 채용해 최고의 일을 하게 하고, 그들을 유지할 방법을 찾는 것 외에는 대부분 부차적입니다.”

“더 열심히 일할수록 더 운이 좋아집니다.”

“소프트웨어는 다른 사람의 GitHub 프로젝트를 쉽게 포크할 수 있기 때문에 빠르게 성장합니다.”

“모멘텀은 영원히 지속되지 않습니다. 우리는 긍정적인 모멘텀을 당연하게 여기지 않습니다.”

핵심 데이터 & 수치

• Higgsfield 연환산 매출: 18개월 만에 100만 달러에서 10억 달러 이상으로 증가했다.
• 매출 계산법: 최근 4주 실제 매출에 13을 곱하며, 연간 계약은 월별로 안분하고 예약 매출은 포함하지 않는다.
• 고객 확장: 월 99달러 구독 고객이 6개월 만에 연 600만 달러 계약으로 확장됐다.
• 매출 구성: 기업 매출이 전체의 50%를 조금 넘고, 모바일 매출은 전체의 10% 미만이다.
• 소비자 리텐션: 첫 달 약 30%가 이탈하지만 이후는 평평해지고, 비즈니스 부문의 12개월 NRR은 300%를 넘는다.
• 크리에이티브 조직: 150명 이상의 크리에이티브 전문가가 있으며, 90분 TV 품질 콘텐츠에 100시간 이상의 AI 생성물이 필요했다.
• 모델 프롬프트: 오픈소스 영화의 평균 프롬프트 길이는 3,000단어 이상이며 장면당 이미지 레퍼런스가 최소 10개다.
• 모델 마진: 자체·오픈 웨이트 모델은 80% 이상, 폐쇄형 모델은 약 20~30%의 마진을 낸다.
• 모델 라우팅: 고객 사례의 40% 이상에서 Higgsfield가 사용할 모델을 직접 선택한다.
• 내부 모델 비용: 약 400명이 매달 400만 달러 이상, 인당 월 1만 달러 이상을 사용한다.
• 미래 고성과 인재 비용: 10배 엔지니어·크리에이터는 모델 사용료만 월 5만~10만 달러를 쓸 수 있다.
• 지원 자동화: 고객지원 첫 단계 요청의 60% 이상은 AI로 처리 가능하지만, B2B에서는 완전 대체가 어렵다.
• Revolut 사례: 소비자 고객지원의 92% 해결률을 달성했다.
• 오픈소스 성장: 오픈소스 모델 점유율이 올해 30% 미만에서 60% 이상으로 상승했고, Higgsfield의 오픈소스 시드 프로젝트는 8주 만에 약 10개에서 1만 개 이상으로 늘었다.
• 지역 분포: 매출의 70% 이상이 서구에서 나오며, 사용량이 가장 큰 도시는 서울이고 가장 큰 국가는 미국이다.
• 인력 분포: 캘리포니아 약 50명, 원격 약 50명, 카자흐스탄 300명 이상으로 구성된다.
• 근무 시간: Alex는 주 80~90시간 일하고, 아내에게 주 3시간, 아들에게 주 5시간을 쓰려 한다.
• 매출 전망: 재무팀은 다음 해 말 45억 달러, Alex는 12개월 뒤 100억 달러 이상을 전망한다.

결론 및 시사점

1. 영상 AI의 경쟁력은 단일 모델의 벤치마크 점수보다 카메라 제어, 이미지 레퍼런스, 자산 관리가 연결된 실제 워크플로에 있다.
2. 고객 데이터에서 반복되는 의사결정을 찾아 후훈련하면 오픈 웨이트 모델도 특정 산업에서 폐쇄형 모델보다 높은 경제성을 만들 수 있다.
3. 최고 모델을 무조건 호출하는 대신 작업별 모델 라우팅과 토큰 이코노믹스를 설계하는 일이 AI 제품의 핵심 기능이 된다.
4. 콘텐츠를 직접 만들고 배포하는 조직은 유료 광고에 의존하지 않고 제품 교육·마케팅·커뮤니티 형성을 동시에 달성할 수 있다.
5. 월 20달러 소비자 구독은 수평형 AI 제품에 잠식될 수 있으므로, 장기적으로 연 1,000달러 이상을 지불할 기업 결과를 만들어야 한다.
6. 초기 소비자 이탈이 있더라도 기업 고객의 순매출 확장이 300%를 넘는다면 교육·업셀 구조가 장기 성장의 중심이 될 수 있다.
7. AI 생성 광고는 아시아 전자상거래와 숏폼 드라마에서 먼저 경제성을 증명하고 서구로 확산될 가능성이 높다.
8. 저장소가 브랜드 규칙과 시각적 스타일을 이해하면 Dropbox나 Drive를 넘어 AI 네이티브 시스템 오브 레코드가 된다.
9. AI가 네트워크 효과를 대체하지는 않지만, 오픈소스 프로젝트가 서로의 산출물을 재사용하는 커뮤니티는 새로운 해자가 될 수 있다.
10. 400만 달러의 월간 모델 비용은 낭비가 아니라 고성과 인재가 수천 개의 에이전트를 지휘하는 새로운 생산성 비용 구조의 실험이다.
11. AI가 법무와 고객지원의 일부를 자동화해도 빠른 제품 출시와 B2B 맥락에서는 사람이 규칙과 관계를 관리해야 한다.
12. 모델 출시 주기는 당분간 느려지지 않고, 범용 모델과 전문화 모델이 사용 사례별로 공존할 가능성이 크다.
13. 투자자가 말하는 벤치마크보다 실제 채택, 매출, 고객 행동, 오픈라우터 사용량이 더 신뢰할 수 있는 신호다.
14. 실리콘밸리 밖의 인재는 비용 절감 대상이 아니라 경쟁 프로그래밍·물리·수학의 밀도와 충성도를 가진 전략적 자산이다.
15. 최고의 인재를 뽑고 권한을 주며 오래 머물게 하는 관계를 만드는 일이 관리 이론보다 중요하다.
16. 창업자의 장시간 노동은 기술에 대한 확신과 FOMO뿐 아니라 부모의 희생과 자신의 소속감을 증명하려는 욕구에서도 나온다.
17. 진정성 있는 콘텐츠는 AI 생성 콘텐츠보다 적어지더라도 더 높은 CPM과 신뢰를 얻을 수 있다.
18. 미래의 창작자는 글·스토리보드·연출을 분리하기보다 컴퓨터와 대화하며 실시간으로 여러 이야기를 만드는 역할을 맡게 된다.
19. Snap의 하락은 성장 모멘텀이 영원하지 않으며, 공개기업은 AI 전환을 명확한 제품 이야기로 설명해야 한다는 경고다.
20. Higgsfield의 장기 목표는 모델 회사가 아니라 AI로 기업의 콘텐츠 분배를 구축하는 인프라가 되어 공개시장에서도 지속 가능한 성장을 증명하는 것이다.