핵심 요약

  • 구글의 AI 연구진 이탈을 두고 출연진은 모델 개발보다 컴퓨팅 인프라에 자본을 배분하려는 선택이 영향을 줬을 가능성을 제기했다. 구글의 실제 내부 결정으로 확인된 내용은 아니다.
  • 최첨단 AI 모델이 높은 가격을 유지할 수 있는지에는 의견이 갈렸다. 기업이 저렴한 모델과 고성능 모델을 업무별로 섞어 쓸 것이라는 견해도 나왔다.
  • 출연진이 소개한 스페이스X의 분기 매출과 AI 컴퓨팅 매출은 크게 늘었지만, 데이터센터 증설에는 막대한 자금이 필요하다. 현재 컴퓨팅 임대 가격이 유지될지도 쟁점이다.
  • 에어테이블 매각은 높은 성장 기대에 맞춰 설계한 비용 구조를 다시 살펴보게 했다. 다만 출연진은 이 사례를 전체 SaaS 시장에 일반화하는 데 선을 그었다.
  • 미국 기업의 학습 데이터가 중국 AI 기업에 판매된다는 보도를 두고, 그 데이터가 대체하기 어려운 경쟁 자산인지에 대한 판단은 엇갈렸다.

구글의 인력 이탈과 자본 배분

방송에서 진행자는 데미스 허사비스의 역할 변경과 제프 딘을 비롯한 연구진의 이탈 소식을 소개했다. 구글은 허사비스의 변화를 승진으로 설명했지만, 보도에서는 다르게 해석했다고 전했다. 진행자는 제미나이 3.5 프로의 지연에 사기 저하가 일부 영향을 줬다는 회사 관계자들의 전언도 인용했다.

데이비드 프리드버그는 인력 이탈의 원인을 단정하기보다 구글의 자본 배분에 주목했다. 그의 설명에 따르면 구글은 올해 AI 인프라와 데이터센터에 2,000억 달러를 투입하기로 했다. 컴퓨팅 자원을 구축해 여러 AI 기업에 제공하는 사업은 수요와 수익을 비교적 예측하기 쉽지만, 최첨단 모델 개발에는 수백억 달러를 써도 그에 맞는 이익을 얻을지 불확실하다는 견해다. 브래드 거스트너는 구글 클라우드가 외부 고객에게 컴퓨팅 자원을 빌려주려는 수요와 내부 모델팀이 그 자원을 쓰려는 수요가 충돌한다고 봤다. 두 사람의 설명은 구글 내부 의사결정에 대한 해석이다.

최첨단 모델과 저렴한 모델의 쓰임새

데이비드 색스는 최첨단 모델 시장에서 앤스로픽과 오픈AI가 앞서며 높은 가격을 받을 수 있다고 주장했다. 반면 선두보다 6~12개월 뒤처진 모델은 모델 자체보다 이를 실행하는 컴퓨팅 자원과 서비스에서 돈을 벌기 쉬울 것이라는 관측을 내놨다.

제이슨 칼라카니스는 자신이 하는 업무의 상당수에는 오픈소스 모델이 충분하다고 반박했다. 색스는 경쟁이 치열한 업종이나 AI의 새 활용처를 찾는 단계에서는 최고 성능에 비용을 더 지불할 이유가 있다고 맞섰다. 프리드버그는 둘 중 하나만 고르는 구도가 아니라고 봤다. 단순한 업무 흐름에는 저렴한 오픈 웨이트 모델을, 생명과학 같은 전문 작업에는 성능이 높은 모델을 쓰는 조합을 제시했다. 오픈 웨이트 모델은 모델의 가중치를 공개해 다른 곳에서도 실행할 수 있는 모델을 뜻한다. 그는 영상·생명과학 등 전문 분야에서 구글의 가능성을 배제하기 이르다고도 말했다.

스페이스X의 성장과 데이터센터 투자 부담

진행자가 소개한 스페이스X의 2분기 매출은 78억 달러로 전년 동기보다 92% 늘었다. AI 매출은 전 분기의 세 배를 넘어 26억 달러였고, 분기 설비투자는 184억 달러로 전년 동기의 여섯 배라고 전했다. 출연진은 AI 매출 증가의 한 축으로 앤스로픽 등에 제공하는 컴퓨팅 임대 사업을 꼽았다.

성장 수치와 별개로 증설 비용은 큰 변수다. 방송에서 인용한 회사의 계획은 컴퓨팅 규모를 연말 약 2기가와트에서 다음 해 5~10기가와트로 늘리는 것이었다. 색스가 가정한 8기가와트까지의 증설은 6기가와트 증가에 해당하며, 출연진이 제시한 기가와트당 최소 500억 달러의 건설비를 적용하면 약 3,000억 달러가 필요하다. 이는 계획 범위 안에서 세운 가정에 따른 계산이지 확정된 투자액이 아니다.

거스트너는 현재의 높은 컴퓨팅 임대 가격이 부족한 공급에 따른 것일 수 있다고 지적했다. 가격이 내려가면 투자비 회수 기간도 길어진다. 그는 메모리·칩·전력 확보와 자금 조달을 추가 제약으로 꼽았다. 프리드버그는 스타링크의 현금 창출력을 높게 평가했지만, 그가 제시한 향후 매출과 현금흐름은 가입자 증가와 기업 고객 확대를 전제로 한 전망이다.

에어테이블 매각이 보여준 SaaS의 차이

진행자에 따르면 에어테이블은 연 매출 약 4억 8,000만 달러, 연간 성장률 약 20%인 상태에서 벤딩스푼스에 매각됐다. 그는 매각 대금을 12억 8,000만 달러로 소개하며, 보유 현금을 포함하면 22억 5,000만 달러라고 설명했다. 2021년 최고 평가액은 117억 달러였다고 전했다. 두 금액의 기준이 다른 만큼 매각 가격과 기업가치를 하나의 수치로 취급할 수는 없다.

색스는 에어테이블이 제품 주도 성장으로 고객을 확보했으나 높은 기업가치에 걸맞은 성장을 추구하며 영업 조직을 확대한 것으로 해석했다. 그가 언급한 영업 인력의 목표 달성률은 30%였다. 벤딩스푼스가 비용을 줄여 수익을 낼 수 있다는 전망도 내놨지만, 거스트너는 고객 이탈과 제품 개발 둔화 가능성을 들어 큰 폭의 이익 개선이 쉽지 않을 수 있다고 반론했다.

색스는 에어테이블이 모든 SaaS 기업을 대표하지 않는다고 강조했다. 사용 목적을 설명하기 어려운 노코드 도구와 기업 운영·규정 준수에 깊이 연결된 시스템은 교체 비용이 다르다는 것이다. 출연진이 든 사례에서도 일부 팀은 자체 도구를 만들었지만, 그 경험만으로 모든 기업용 소프트웨어를 같은 방식으로 대체할 수 있다고 보지는 않았다.

미국 학습 데이터의 중국 판매 논쟁

진행자는 미국 데이터 기업들이 중국 AI 기업에도 학습용 자료를 판매한다는 포브스 보도를 소개했다. 이 자료에는 전문가가 작성하거나 검증한 콘텐츠가 포함된다고 설명했다. 다만 방송에는 개별 데이터셋의 내용이나 판매 조건이 제시되지 않았다.

칼라카니스는 같은 자료가 중국 기업에도 제공되면 미국 AI 기업의 우위가 줄어들 수 있다고 주장했다. 색스는 중국에서도 전문가를 고용해 유사한 자료를 만들 수 있다며, 판매 제한을 논하려면 해당 데이터가 실제로 독점적인지, 군사적 용도가 있는지 먼저 따져야 한다고 말했다. 거스트너는 미국과 중국 AI 기업 간 격차에 대한 판단이 달라지면 이런 거래가 더 엄격한 검토를 받을 수 있다고 전망했다.

이번 대담에서 공통으로 드러난 것은 AI 수요의 크기만으로 사업의 수익성이 결정되지 않는다는 점이다. 모델 성능의 가격 프리미엄, 컴퓨팅 임대 가격과 증설 비용, 기존 소프트웨어의 교체 가능성, 학습 데이터의 독점성은 각각 별도의 근거로 판단해야 한다는 논쟁이 이어졌다.