<aside> 🌐 🔗 참조 기사 읽기
</aside>
1. 핵심 요약
- 현재 AI 열풍은 단일 거품이 아닌, 3개의 뚜렷한 계층으로 구성된 다중 거품 현상이며, 각 계층은 서로 다른 경제적 특성, 경쟁력, 위험 요소를 가지고 있습니다.
- 가장 먼저 붕괴될 계층은 OpenAI API를 활용한 단순 래퍼(wrapper) 기업들로, 2025년 말에서 2026년 사이에 대규모 실패가 예상됩니다.
- 장기적으로 가치를 유지할 계층은 AI 인프라(Nvidia, 데이터센터, 클라우드 등)이며, 단기적인 과잉 투자와 비효율적인 엔지니어링은 발생할 수 있지만, AI 워크로드 확장에 따라 장기적인 수요는 유지될 것입니다.
2. 기사 상세 번역
AI 거품 논쟁의 새로운 시각
최근 AI 기술에 대한 관심이 뜨겁지만, 과연 지금이 AI 거품의 시점인지에 대한 논쟁이 끊이지 않고 있습니다. 하지만 이는 잘못된 질문입니다. 진정으로 던져야 할 질문은 “어떤 AI 거품에 놓여 있으며, 각 거품은 언제 터질 것인가?” 입니다.
메타 CEO 마크 저커버그를 비롯한 기술 리더들조차 AI 분야에서 불안정한 금융 거품이 형성되고 있다는 점을 인정하고 있습니다. OpenAI CEO 샘 Altman과 마이크로소프트 공동 창업자 빌 게이츠 역시 과도하게 흥분한 투자자, 비정상적인 기업 가치 평가, 그리고 실패할 프로젝트들이 많다는 점을 인지하면서도, AI가 궁극적으로 경제를 변화시킬 것이라고 믿고 있습니다.
하지만 “AI”를 단일하고 획일적인 붕괴를 겪을 존재로 취급하는 것은 근본적으로 잘못된 접근 방식입니다. AI 생태계는 서로 다른 경제 구조, 경쟁력, 위험 프로필을 가진 세 가지 뚜렷한 계층으로 구성되어 있습니다. 이러한 계층을 이해하는 것은 각 계층이 동시에 붕괴되지 않기 때문에 매우 중요합니다.
Layer 3: 래퍼 기업 (가장 먼저 붕괴될 계층)
AI를 직접 구축하는 것이 아니라, AI 기술을 재포장하는 기업들이 가장 취약합니다.
이들은 OpenAI의 API를 활용하여 멋진 인터페이스와 프롬프트 엔지니어링을 추가한 후, 월 49달러에 ChatGPT의 고급 버전과 유사한 서비스를 제공하는 기업들입니다. Jasper.ai는 마케터를 위한 사용자 친화적인 인터페이스를 제공하는 GPT 모델 래핑을 통해 첫해에 약 4,200만 달러의 연간 반복 수익(ARR)을 달성하며 빠른 성공을 거두었습니다.
하지만 이미 균열이 나타나고 있습니다. 이러한 기업들은 다음과 같은 위협에 직면해 있습니다.
- 기능 흡수: 마이크로소프트는 AI 글쓰기 도구를 Office 365에 내장할 수 있습니다. 구글은 AI 이메일 어시스턴트를 무료 Gmail 기능으로 만들 수 있습니다. Salesforce는 AI 영업 도구를 CRM에 기본적으로 통합할 수 있습니다. 대규모 플랫폼이 귀사의 제품을 기능으로 간주하면 비즈니스 모델은 순식간에 사라집니다.
- 상품화의 함정: 래퍼 기업은 단순히 입력을 전달하고 출력을 받는 역할을 수행합니다. OpenAI가 프롬프트를 개선하면 이러한 도구는 순식간에 가치를 잃게 됩니다. 기초 모델의 기능이 유사해지고 가격이 계속 하락함에 따라 마진은 제로로 압축됩니다.
- 제로 전환 비용: 대부분의 래퍼 기업은 독점적인 데이터, 내장된 워크플로우 또는 심층적인 통합을 보유하지 않습니다. 고객은 몇 분 안에 경쟁사로 전환하거나 ChatGPT에 직접 액세스할 수 있습니다. 진입 장벽이 없고, 고객을 유지할 수 있는 요소가 없습니다.
화이트 라벨 AI 시장은 이러한 취약성을 잘 보여줍니다. 화이트 라벨 플랫폼을 사용하는 기업은 독점 시스템 및 API 제한으로 인해 벤더 록인 위험에 직면하며, 이는 통합을 방해할 수 있습니다. 이들은 빌린 땅에 건물을 짓고 있는 것과 같으며, 집주인은 언제든지 조건을 변경하거나 건물을 철거할 수 있습니다.
예외적인 사례: Cursor는 개발자 워크플로우에 깊이 통합하고, 단순 API 호출 이상의 독점적인 기능을 구축하며, 사용자 습관 및 사용자 정의 구성을 통해 강력한 네트워크 효과를 구축함으로써 진정한 경쟁력을 확보한 드문 래퍼 기업입니다. 하지만 Cursor와 같은 기업은 예외적인 경우이며, 대부분의 래퍼 기업은 이러한 수준의 워크플로우 통합 및 사용자 록인을 갖추지 못하고 있습니다.
예상 시기: 2025년 말에서 2026년 사이에 이 분야에서 대규모 실패가 발생할 것으로 예상됩니다. 대규모 플랫폼이 기능을 흡수하고 사용자들이 상품화된 기능에 대해 프리미엄 가격을 지불하고 있다는 것을 깨닫게 될 것입니다.
Layer 2: 기초 모델 (중간 지대)
LLM(대규모 언어 모델)을 구축하는 기업들, 즉 OpenAI, Anthropic, Mistral은 보다 강력한 경쟁력을 갖추고 있지만 여전히 불안정한 위치에 있습니다.
경제 연구원 Richard Bernstein은 OpenAI를 거품의 역학 관계를 보여주는 예시로 들며, 이 회사가 약 1조 달러 규모의 AI 거래를 성사시켰지만, 예상되는 수익은 130억 달러에 불과하다고 지적했습니다. 투자와 합리적인 수익 간의 격차는 “분명히 거품 같다”고 그는 덧붙였습니다.
그럼에도 불구하고 이들 기업은 모델 훈련 전문성, 컴퓨팅 자원 접근성, 성능 우위 등 진정한 기술적 경쟁력을 보유하고 있습니다. 문제는 이러한 우위가 지속 가능한지, 아니면 모델이 상품화되어 기초 모델 제공업체가 저마진의 인프라 유틸리티로 전락할 것인지에 있습니다.
엔지니어링이 승자를 가를 것: 기초 모델의 기본 기능이 수렴됨에 따라 경쟁 우위는 추론 최적화 및 시스템 엔지니어링에서 비롯될 것입니다. 확장된 KV 캐시 아키텍처와 같은 혁신을 통해 메모리 벽을 극복하고, 우수한 토큰 처리량과 더 빠른 첫 토큰 생성 시간을 달성하는 기업이 프리미엄 가격과 시장 점유율을 확보할 것입니다. 승자는 가장 큰 규모의 훈련을 수행하는 기업이 아니라, AI 추론을 경제적으로 실현 가능한 규모로 만들 수 있는 기업이 될 것입니다. 메모리 관리, 캐싱 전략 및 인프라 효율성 분야의 기술적 돌파구가 어떤 프론티어 연구소가 살아남을지 결정할 것입니다.
또 다른 우려는 투자의 순환적인 성격입니다. 예를 들어, Nvidia는 데이터 센터를 구축하기 위해 OpenAI에 1,000억 달러를 투자하고 있으며, OpenAI는 다시 Nvidia의 칩으로 이러한 시설을 채우고 있습니다. Nvidia는 본질적으로 최대 고객 중 하나를 보조하고 있으며, 이는 실제 AI 수요를 인위적으로 부풀릴 수 있습니다.
그럼에도 불구하고 이들 기업은 막대한 자본 지원, 진정한 기술력, 주요 클라우드 제공업체 및 기업과의 전략적 파트너십을 보유하고 있습니다. 일부 기업은 통합되고, 일부는 인수될 것이지만, 이 분야는 생존할 것입니다.
예상 시기: 2026년에서 2028년 사이에 통합이 이루어질 것으로 예상되며, 2~3개의 지배적인 기업이 부상하고 소규모 모델 제공업체는 인수되거나 문을 닫을 것입니다.
Layer 1: 인프라 (지속 가능성)
반전되는 주장은 다음과 같습니다. AI 호황의 가장 거품이 적은 부분은 Nvidia, 데이터 센터, 클라우드 제공업체, 메모리 시스템, AI 최적화 스토리지 등 인프라 계층입니다.
최근 추정치에 따르면 2025년에는 전 세계 AI 자본 지출 및 벤처 캐피털 투자가 이미 6,000억 달러를 넘어섰으며, Gartner는 전 세계 AI 관련 지출이 1조 5천억 달러를 넘어설 것으로 예상합니다. 이는 거품 영역처럼 보일 수 있습니다.
하지만 인프라는 특정 애플리케이션이 성공하든 그렇지 않든 가치를 유지한다는 중요한 특징이 있습니다. 닷컴 버블 시대에 깔린 광섬유 케이블은 낭비되지 않았습니다. YouTube, Netflix, 클라우드 컴퓨팅을 가능하게 했습니다. 25년 전, 원래 닷컴 버블은 부채 자금을 통해 미래가 아직 도래하지 않은 광섬유 케이블을 구축한 후 터졌지만, 그 미래는 결국 도래했고 인프라는 기다리고 있었습니다.
주가 압박에도 불구하고 Nvidia의 2025 회계연도 3분기 매출은 약 570억 달러로 전 분기 대비 22%, 전년 동기 대비 62% 증가했으며, 데이터 센터 부문만 약 512억 달러를 창출했습니다. 이는 허황된 지표가 아니라 기업들이 실제 인프라 투자를 하고 있다는 것을 보여주는 것입니다.
오늘날 구축되고 있는 칩, 데이터 센터, 메모리 시스템, 스토리지 인프라는 챗봇과 같은 현재의 AI 애플리케이션, 자율 에이전트와 같은 미래의 AI 애플리케이션, 심지어 상상조차 할 수 없는 애플리케이션을 지원할 것입니다. 단순한 상품화된 스토리지와 달리, 현대 AI 인프라는 GPU HBM에서 DRAM, 추론 워크로드를 위한 토큰 웨어하우스 역할을 하는 고성능 스토리지 시스템에 이르기까지 전체 메모리 계층을 포괄합니다. 이러한 통합된 메모리 및 스토리지 접근 방식은 단순한 상품이 아닌 근본적인 아키텍처 혁신을 나타냅니다.
예상 시기: 단기적으로 과잉 투자와 게으른 엔지니어링이 발생할 수 있지만(2026년), AI 워크로드가 확장됨에 따라 장기적으로 가치는 유지될 것으로 예상됩니다.
연쇄 효과: 왜 중요한가
현재 AI 호황은 하나의 극적인 폭발로 끝나지 않을 것입니다. 대신 가장 취약한 기업부터 시작하여 실패가 연쇄적으로 발생할 것입니다. 경고 신호는 이미 나타나고 있습니다.
- 1단계: 래퍼 및 화이트 라벨 기업은 마진 압박과 기능 흡수에 직면합니다. 차별화가 부족한 수백 개의 AI 스타트업이 문을 닫거나 액면가 이하로 매각될 것입니다. 현재 1,300개 이상의 AI 스타트업이 1억 달러 이상의 가치를 평가받고 있으며, 이 중 많은 기업이 이러한 가치를 정당화하지 못할 것입니다.
- 2단계: 성능이 수렴되고 자본력이 가장 강한 기업만이 살아남으면서 기초 모델 통합이 이루어질 것입니다. 기술 대기업이 유망한 모델 기업을 인수하면서 3~5건의 대규모 인수가 예상됩니다.
- 3단계: 인프라 지출은 정상화되지만 높은 수준을 유지할 것입니다. 일부 데이터 센터는 몇 년 동안 부분적으로 비어 있을 수 있습니다(2002년의 광섬유 케이블과 유사). 하지만 AI 워크로드가 실제로 확장됨에 따라 결국 채워질 것입니다.
빌더를 위한 의미
가장 큰 위험은 래퍼가 되는 것이 아니라, 래퍼로 남는 것입니다. 사용자가 상호 작용하는 경험을 소유하면 사용자를 소유하게 됩니다.
애플리케이션 계층을 구축하고 있다면 즉시 상위 계층으로 이동해야 합니다.
- 래퍼 → 애플리케이션 계층: 단순히 출력을 생성하는 것을 멈추십시오. AI 상호 작용 전후의 워크플로우를 소유하십시오.
- 애플리케이션 → 수직 SaaS: 사용자가 제품 내에 머무르도록 강제하는 실행 계층을 구축하십시오. 전환이 고통스러울 정도로 독점적인 데이터, 심층적인 통합 및 워크플로우 소유권을 만드십시오.
- 유통 경쟁력: 실제 경쟁력은 LLM이 아니라 사용자를 확보하고 유지하며 플랫폼 내에서 수행하는 작업을 확장하는 방법에 있습니다. 성공적인 AI 기업은 단순한 소프트웨어 기업이 아니라 유통 기업입니다.
결론
“AI 거품”이 있는지 묻는 것을 멈출 때입니다. 우리는 서로 다른 특성과 시기를 가진 다중 거품에 있습니다.
래퍼 기업은 아마도 18개월 이내에 터질 것입니다. 기초 모델은 향후 2~4년 동안 통합될 것입니다. 현재 인프라 투자는 장기적으로 정당화될 것으로 예상되지만, 단기적인 과잉 투자로 인한 어려움은 있을 것입니다.
이는 비관적인 이유가 아니라 로드맵입니다. 어떤 계층에서 운영하고 있는지, 어떤 거품에 갇혀 있는지 이해하는 것이 다음 희생자가 되느냐 아니면 혼란을 극복하고 살아남는 기업이 되느냐를 결정합니다.
AI 혁명은 현실입니다. 하지만 AI의 물결을 타고 있는 모든 기업이 해안에 도달할 수 있는 것은 아닙니다.
Val Bercovici는 WEKA의 CAIO입니다.
3. 기술 용어 해설
- LLM (Large Language Model, 대규모 언어 모델): 방대한 텍스트 데이터를 학습하여 인간의 언어를 이해하고 생성할 수 있는 인공지능 모델입니다. ChatGPT, Gemini 등이 대표적인 LLM입니다.
- API (Application Programming Interface, 애플리케이션 프로그래밍 인터페이스): 서로 다른 소프트웨어 애플리케이션이 상호 작용할 수 있도록 하는 인터페이스입니다. OpenAI API는 개발자가 OpenAI의 LLM을 자신의 애플리케이션에 통합할 수 있도록 합니다.
- ARR (Annual Recurring Revenue, 연간 반복 수익): 구독 기반 비즈니스 모델에서 1년 동안 예상되는 반복 수익을 나타내는 지표입니다.
- KV 캐시 (Key-Value Cache): LLM 추론 속도를 향상시키기 위해 사용되는 메모리 최적화 기술입니다.
- 토큰 (Token): LLM이 처리하는 텍스트의 기본 단위입니다. 단어, 구두점, 또는 그보다 작은 조각으로 나눌 수 있습니다.
- 래퍼 (Wrapper): 기존 AI 모델(예: OpenAI API)을 활용하여 간단한 인터페이스를 제공하는 서비스 또는 애플리케이션입니다.
- 수직 SaaS (Software as a Service): 특정 산업 또는 틈새 시장에 특화된 구독 기반 소프트웨어 서비스입니다.
- Agentic AI: LLM을 기반으로 자율적으로 작업을 수행하고 목표를 달성할 수 있는 AI 시스템입니다.
4. 수석 분석가의 Insight
본 보고서는 AI 열풍의 이면에는 여러 층위의 거품이 존재하며, 각 거품의 붕괴 시점이 다를 것이라는 점을 명확히 제시합니다. 특히 단순 래퍼 기업의 위험성을 강조하며, 장기적인 경쟁력 확보를 위해서는 애플리케이션 계층으로의 확장 및 독점적인 가치 창출이 필수적임을 시사합니다. 국내 IT 업계는 이러한 분석을 바탕으로 AI 서비스 개발 전략을 재검토하고, 단순한 기술 도입을 넘어 차별화된 가치를 제공할 수 있는 방안을 모색해야 할 것입니다. 또한, 인프라 계층의 중요성을 간과하지 않고, AI 시대에 필요한 핵심 인프라 구축에 대한 투자를 지속해야 할 필요가 있습니다.
AI검색 기반 자료입니다. 중요한 정보인 경우 다시 확인해주세요.
댓글, 공감 버튼 한 번씩 누르고 가주시면 큰 힘이 됩니다