# 에릭 비슈리아가 보는 AI 시장: 승자 한 곳보다 중요한 것들 > 2026-08-11 · Invest Like the Best · 큐레이션 김태우 > https://challengekim.com/insights/에릭-비슈리아가-보는-ai-시장-승자-한-곳보다-중요한-것들 > 원문: https://www.youtube.com/watch?v=0e7aG_MIHlQ ## 핵심 요약 - 에릭 비슈리아는 클라우드 시장의 전개를 근거로 AI에서도 여러 층위의 기업이 성장할 수 있다고 본다. 다만 각 분야의 모든 기업이 성공한다는 뜻은 아니라고 강조한다. - 기존 기업은 AI를 도입하려는 의지가 있지만 활용 수준에는 차이가 있다. 그는 모델의 능력과 한계를 고객의 문제에 연결하는 역량을 중시한다. - AI가 소프트웨어 개발 비용을 낮추면서 기존 SaaS 기업의 경쟁 기준도 바뀌고 있다. - AI 수요가 늘수록 연산에 필요한 에너지가 제약이 될 수 있다. 로봇과 의료처럼 현실 세계에 적용하는 분야에서는 데이터와 제도도 중요한 조건이다. ## 클라우드의 성장사가 보여준 시장의 크기 비슈리아는 2014년 무렵 AWS가 기업용 소프트웨어 시장을 대부분 차지할 것이라는 전망이 널리 퍼져 있었다고 회고한다. 그러나 이후 AWS와 경쟁하는 서비스가 성장했고, Azure와 GCP도 큰 사업이 됐다. 그는 이 경험을 근거로 **한 사업자가 시장 전체를 흡수할 것이라는 가정**을 경계한다. 그가 투자한 Fireworks의 사례도 같은 맥락에서 제시한다. 비슈리아에 따르면 동일한 공개 모델과 엔비디아 하드웨어를 사용해도 Fireworks와 대형 클라우드 제공업체 사이에는 속도에서 약 5배 차이가 난다. 처리량에도 차이가 있다고 말하지만 구체적인 배수는 제시하지 않는다. 그는 이를 대형 모델을 효율적으로 운영하는 일이 단순한 재판매 이상의 전문성을 요구한다는 근거로 해석한다. 비슈리아는 AI 시장에서도 클라우드 제공업체, 모델 운영 기업, 반도체 기업과 응용 기업 가운데 여러 승자가 나올 수 있다고 전망한다. 동시에 분야별로는 실패하는 기업이 많을 것이며, 뚜렷한 차별화가 필요하다고 선을 긋는다. ## 기업이 AI를 도입하는 방식 비슈리아의 관찰에 따르면 초기 클라우드 시장에서는 신생 기업이 먼저 움직였고 전통적인 대기업은 회의적이었다. 현재의 AI는 양상이 다르다. 대기업의 활용 수준이 AI 기업과 같지는 않지만, 실험하고 비용을 쓰며 도입 방법을 찾고 있다는 것이다. 그는 기업의 업무와 AI의 능력 사이를 연결하는 역할에서 기회를 본다. 사례로 든 Sierra는 고객 서비스에서 출발해 Horizon을 통해 더 오래 이어지는 작업을 수행하는 에이전트로 영역을 넓히고 있다. 비슈리아는 이런 제품을 만들려면 모델이 잘하는 일과 실패하는 지점을 세밀하게 이해해야 한다고 설명한다. 고객 문제를 아는 것에 더해 모델의 불균일한 능력과 한계를 파악해야 한다는 뜻이다. 그는 Cursor가 개발 환경과 자동 완성에서 에이전트 작업으로 제품을 바꿔 온 과정도 언급한다. 모델의 능력이 달라질 때 이전에 만든 기능을 고수하기보다 제품을 다시 설계하는 사례다. ## SaaS의 경쟁 기준은 어떻게 바뀌는가 비슈리아는 기존 SaaS 기업의 핵심 위험을 사용자가 AI로 자체 프로그램을 만드는 데서 찾지 않는다. **기존 사업을 이기게 했던 조건이 달라지는 것**이 더 큰 문제라는 주장이다. 그는 데이터베이스를 예로 든다. 과거에는 특정 데이터베이스에 맞춰 작성한 애플리케이션과 쌓인 데이터 때문에 다른 제품으로 옮기는 비용이 컸다. 비슈리아는 AI 에이전트가 명확히 정의된 인터페이스 사이의 변환 작업을 맡으면서 그 장벽이 낮아진다고 본다. 그 결과 비용, 작은 사용량에서 큰 사용량까지 확장하는 능력, 서비스를 빠르게 만들고 없앨 수 있는 유연성이 더 중요해질 수 있다는 설명이다. 이 변화는 기존 기업의 경영 계획에도 영향을 준다. 비슈리아는 과거의 목표를 예정대로 달성하더라도 새로운 경쟁 기준에 대응하지 못하면 기업가치가 훼손될 수 있다고 주장한다. 다만 기존 SaaS 기업이 모두 사라지거나 고객이 직접 대체품을 만들 것이라는 전망에는 동의하지 않는다. ## 커지는 수요와 연산의 제약 비슈리아는 모델이 연산을 지능으로 바꾼다고 표현한다. 지능에 대한 수요가 계속 늘어난다면 연산 수요도 늘고, 이를 뒷받침할 에너지가 병목이 될 수 있다는 논리다. 에너지 공급이 부족하면 AI를 사용하는 데 필요한 토큰의 공급이나 가격에도 영향을 줄 수 있다고 우려한다. 이는 그의 전망이며, 대담에서 수요의 크기나 병목이 나타날 시점을 확정하지는 않는다. 하드웨어 투자 경험으로 든 Cerebras는 다른 제약을 보여준다. 비슈리아는 칩의 설계 원리가 타당해 보여도 실제 성능을 얻기까지 제조 공급망, 장치 구동, 소프트웨어 최적화가 필요하다고 설명한다. 처음 작동한 칩의 성능은 설계상 최대치보다 낮을 수 있고, 그 차이를 줄이는 데 오랜 시간이 든다는 것이다. 그는 AI가 큰 새 연산 수요를 만들고 기존 GPU가 해결하지 못한 칩 내부 통신 문제를 제기한다는 판단으로 이 분야에 투자했다고 말한다. ## 로봇과 의료에서 드러나는 현실의 조건 로봇에 관해 비슈리아는 통제된 환경의 반복 작업과 다양한 실제 환경의 작업을 구분한다. 후자에는 학습할 데이터가 필요하지만 언어 모델이 활용한 인터넷 자료에 해당하는 로봇 데이터는 없다는 것이다. 그는 로봇, 데이터 수집 방식, 모델을 함께 설계해 질 높은 초기 데이터를 확보하는 접근을 설명한다. 투자 사례인 Sunday Robotics는 로봇 손에 맞춘 장갑으로 데이터를 수집한다. 비슈리아가 본 현장에서는 약 12대의 로봇이 서로 다른 빨랫감을 접고 있었고, 직원들이 결과를 측정해 평가 기준을 만들고 있었다. 그는 빨래 접기 자체보다 이 데이터를 바탕으로 모델을 학습하고 새 작업으로 확장할 수 있는지가 중요하다고 본다. 의료 영상 사례는 기술의 성능만으로 도입 결과를 예측하기 어렵다는 점을 보여준다. 비슈리아는 특정 종류의 영상을 읽는 AI가 유용하더라도 방사선과 의사는 하루에 여러 종류의 영상을 다룬다고 지적한다. 학습 데이터의 범위, 의사의 판독에 맞춰진 보상 체계, 오류에 따른 책임도 남는다. 그는 AI가 당분간 판독 업무의 일부를 돕고 의사와 함께 확인하는 형태로 확산할 것으로 예상한다. ## 투자 판단에도 남는 불확실성 비슈리아는 시장이 커지면서 초기 단계를 지난 기업에서도 높은 투자 수익을 얻을 기회가 있다고 본다. 하지만 그런 기업이 무수히 많다는 뜻은 아니라고 말한다. 성장 단계 투자에는 별도의 평가 역량을 갖춘 팀이 필요하다는 점도 짚는다. 그는 창업자와 장기간 긴밀히 일할 수 있는지, 회사가 성공했을 때 그 성과가 충분히 중요한지도 투자 전에 살핀다고 설명한다. Cerebras를 거론하면서는 하드웨어 기업이 부품 공급망과 외부 일정에 크게 좌우된다는 점을 덧붙인다. 좋은 기술과 팀을 골라도 결과의 시점까지 통제할 수는 없다는 것이다. ## 결론 비슈리아의 주장은 AI의 각 분야에 성장 여지가 크다는 전망에 기초한다. 동시에 기업 도입의 속도, 에너지와 공급망, 현실 세계의 데이터와 제도는 분야마다 다르다. 시장이 크다는 판단과 개별 기업이 성공할 것이라는 판단은 구분해야 한다. --- 원문을 바탕으로 AI 가 한국어로 요약·재구성한 글입니다. 인용·수치는 원문 링크에서 확인해 주세요. [원문 링크](https://www.youtube.com/watch?v=0e7aG_MIHlQ)