1. AI가 똑똑해질수록 GPU의 경제적 가치가 급등 (Dwarkesh Patel)
- AI 기업 매출은 10배씩 늘 수 있지만, 컴퓨트 공급은 연간 3배 증가하는 데 그침
- 이 격차를 설명하려면 결국 AI 기업의 마진이 크게 오르거나, 컴퓨트 가격이 상승해야
- 인간 소프트웨어 엔지니어를 H100로 구현할 수 있다면, 해당 GPU는 연간 25만 달러, 현재 대비 15배 가치를 창출
- 반면 첨단 공정, EUV 장비, 웨이퍼 배정 등 공급 제약 때문에 GPU 생산량을 수요만큼 빠르게 늘리기는 어려움
예상되는 결과
- 컴퓨트가 비싸질수록 성능이 낮고 비효율적인 모델은 도태
- 같은 연산량으로 더 좋은 결과를 내는 최상위 모델에 수요가 집중
- 신규 업체는 매출 없이 비싼 GPU를 확보해야 하므로 선두 연구소 추격이 더욱 어려워짐
- 숏폼 영상 생성처럼 경제적 가치가 낮은 AI 서비스는 컴퓨트 경쟁에서 밀려남
- 결국 AI 산업은 강한 규모의 경제와 함께 승자독식·권력 집중 구조로 감
2. AI 산업은 성장해도 OpenAI·Anthropic는 고평가 (Andrew Ho)
- 높은 추론 매출총이익률만 보고 AI 연구소의 수익성을 평가하면 안 됨
- 선두 기업은 경쟁력을 유지하기 위해 다음 세대 모델 훈련에 계속 막대한 돈을 투입해야
- 모델 성능과 매출이 증가해도, 차세대 훈련 비용 역시 더 빠르게 커짐
- 개발을 멈추면 저렴한 Qwen·Kimi 같은 경쟁 모델에 빠르게 따라잡히므로 투자 중단도 불가능
- 또한 현재 기업가치는 다음과 같은 강한 가정을 전제로 함:
- a)AI 성능이 계속 폭발적으로 향상, b)AI 에이전트가 기업과 경제활동을 자율적으로 운영, c)신기술이 빠르게 제품과 매출로 전환
- 성능 발전이 예상보다 느리고 불규칙하며 데이터 제약을 받을 수
- 기술이 충분히 발전해도 실제 경제에 확산되기까지 수십 년이 걸릴 수
3. AGI가 곧 오면 기존 수익성 논리는 무의미 (Will Depue)
- Andrew의 주장은 AI 성능 향상이 둔화된다는 전제에서만 성립
- AGI와 재귀적 자기개선이 1년 내 현실화될 것이기 때문에
- 매출·훈련비·기업가치를 기존 방식으로 계산하는 것 자체가 의미 없어질 것