1. Sarah Guo의 핵심 주장은 간단하다. AI는 몇 개 랩의 독점으로 끝나선 안 되고, 투자 포인트는 프론티어 모델 자체보다 그 지능이 경제 전반으로 확산되는 애플리케이션·오픈소스·인프라 레이어에 있다.
2. 프론티어 연구자들 사이의 새 분위기는 “recursive self-improvement”가 실제로 오면 1~2년 안에 지능이 비선형적으로 튈 수 있다는 것인데, 동시에 많은 연구자들이 “결국 승부는 내 연구가 아니라 compute scale”이라고 느끼며 무력감도 커지고 있다.
3. 이건 투자적으로 중요하다. 알파의 중심이 모델 랩 equity 하나에 집중되는 게 아니라, GPU 데이터센터, 전력, 냉각, 로봇, 산업용 AI, 바이오 툴링, 오픈소스 서빙 레이어로 퍼질 수 있다는 뜻이기 때문이다.
4. 구체 사례로 그녀는 Harvey를 들며 “법률은 구조화된 언어”라서 2022년 말 기준으로도 LLM의 첫 대형 애플리케이션 시장으로 읽을 수 있었다고 말했고, Sundy Robotics의 Tony Zhao, Jangyi를 “지난 4년간 로보틱스 AI의 흥미로운 아이디어 대부분을 만든 팀”으로 평가했다.
5. 로보틱스에 대한 톤도 바뀌었다. 과거의 “언젠가 되겠지”가 아니라 “안 되면 내년” 수준으로 시간표가 짧아졌고, 범용 반휴머노이드 로봇이 가정에 들어가는 베타가 올해 말 나올 수 있다는 믿음까지 등장했다.
6. 오픈소스 AI에 대해서는 매우 명확하다. 중국발 포함 오픈소스 프론티어 모델은 이미 퍼졌고, 미국이 규제로 막아도 실제 공격자는 못 막고 법을 지키는 미국 기업만 불리해질 가능성이 크다. 따라서 핵심은 봉쇄보다 frontier-grade safety testing과 공급망 경쟁력이다.
7. 가장 큰 병목은 소프트웨어가 아니라 물리 세계다. 2030년 이전 대규모로 판을 바꿀 컴퓨트 증설은 어렵고, 문제는 기술 부족보다 규제·전력·부지·건설·공급망 정렬 실패에 가깝다는 진단이다. 그녀가 말하는 “compute independence”는 사실상 AI판 에너지 안보다.
8. 바이오도 흥미롭다. 예전엔 “AI로 바이오에서 돈 벌려면 결국 직접 신약을 만들어야 한다”는 인식이 강했지만, Chai Discovery 같은 사례를 보며 그녀는 “모델 기반 툴링만으로도 pharma에서 큰 가치 포착이 가능하다” 쪽으로 확실히 이동했다. 업계의 진짜 리레이팅 트리거는 “AI가 실질적으로 만든 신약/적응증”의 등장이다.
트레이더/투자자 관점
• 내러티브: AI를 ‘앱 붐’이 아니라 ‘컴퓨트 안보 + 전력 인프라 + 산업 자동화’ 사이클로 봐야 한다는 프레임 전환이 핵심이다. 크립토 관점으로 치환하면, L1 성능 경쟁보다 데이터 가용성, 인프라, 디스트리뷰션, 오픈 네트워크 확산이 더 큰 가치 사슬을 만든다는 논리와 닮아 있다.
• 가격/포지셔닝: 단순 프론티어 랩 내러티브 추종보다 전력, 원전, 데이터센터 체인, 로보틱스, AI-바이오 툴, 오픈소스 서빙/인퍼런스 레이어가 상대적으로 덜 가격 반영됐을 수 있다. 반대로 “좋은 창업자면 뭐든 된다” 식의 pedigree-driven late private 투자 열기는 과열 리스크 신호로 읽힌다.
• 체크포인트: 1) 미국의 전력·원전·데이터센터 규제 완화, 2) TSMC 대체 공급망과 PACIA류 정책 진전, 3) 오픈소스 모델 안전성 테스트 체계, 4) 로보틱스의 실제 배포 속도, 5) AI가 기여한 신약/적응증의 상업화 사례, 6) 대형 랩의 컴퓨트 capex와 실제 수익화 간격을 계속 확인해야 한다.