정보게시판
Mary Meeker의 Trends Report - "AI"
- 최고관리자 2일 전 2025.06.13 09:32
-
1
0
Trends_Artificial_Intelligence.pdf (12.1M) 0회
5년만에 나온 메리 미커의 트렌드 리포트. 이번엔 AI가 중심. 총 340페이지
AI 사용과 확산 속도가 인터넷보다 훨씬 빠르며, 기계가 인간을 앞지르는 시점이 도래하고 있음
글로벌 인터넷 인프라(55억명 사용), 30년 이상 축적된 디지털 데이터셋, ChatGPT를 필두로 한 대형 언어 모델(LLM)의 등장과 사용성/속도 혁신이 이를 이끌고 있음
신생 AI 기업들은 혁신, 투자, 제품 출시, 자본 조달 등에서 매우 공격적으로 움직이고 있으며, 기존 빅테크 기업들도 AI 중심 투자와 성장을 가속화하고 있음
중국과 미국의 AI 경쟁 등 글로벌 기술 패권 다툼이 치열하게 전개되고 있으며, 이 리포트가 기술·재무·사회·물리·지정학적 변화에 대한 논의에 기여하기를 바람
문서 Outline
변화가 과거보다 빠르게 일어나고 있는가?
→ 그러함, 실제로 더 빨라지고 있음
AI 사용자 + 사용량 + 자본지출(CapEx) 성장 =
→ 전례 없는 성장세 (Unprecedented)
AI 모델 컴퓨트(Compute) 비용은 높아지고, 추론(Inference) 비용은 하락 =
→ 성능은 수렴(Performance Converging), 개발자 사용(Developer Usage) 증가
AI 사용량 (Usage) + 비용(Cost) + 손실(Loss) 성장 =
→ 전례 없는 수준 (Unprecedented)
AI 수익화(Monetization)의 위협 =
→ 경쟁 심화, 오픈소스 모멘텀(세력 확장), 중국의 부상
물리 세계와 AI의 융합(Ramps) =
→ 빠르고 데이터 중심적(Fast + Data-Driven)
AI로 촉진된 글로벌 인터넷 사용자 증가 =
→ 그동안 경험하지 못한 성장
AI와 일(Work)의 진화(Evolution) =
→ 현실에서, 빠르게 진행 중(Real + Rapid)
Overview
"세상이 전례 없이 빠른 속도로 변화하고 있다"는 표현조차 과소평가일 정도로, 변화의 속도와 범위가 급격히 확장되고 있음
기술 혁신과 빠른 채택(adoption), 그리고 글로벌 리더십(leadership) 변화가 이 모든 변화의 근간(Underpinnings)을 이룸
Google의 창업 미션(1998): '세계의 정보를 체계화하여 모두가 접근하고 쓸 수 있게 한다'
Alibaba의 창업 미션(1999): '어디서나 쉽게 비즈니스를 할 수 있도록 한다'
Facebook의 창업 미션(2004): '사람들이 더 많이 공유하고, 세상이 더 개방적이고 연결될 수 있게 한다'
오늘날에는 AI(Artificial Intelligence), 가속화된 컴퓨팅 파워(Computing Power), 그리고 경계 없는 자본(Borderless Capital) 이 결합하여 정보 조직, 연결, 접근성을 비약적으로 향상시키며 거대한 변화를 주도함
스포츠에서 선수의 기록이 데이터/입력/훈련으로 끊임없이 개선되듯, 기업들도 방대한 데이터셋을 컴퓨터가 학습하며 점점 더 스마트하고 경쟁적으로 변화함
대형 모델(Large Models) 혁신, 토큰 단가(cost-per-token) 하락, 오픈소스 확산(Open-Source Proliferation), 반도체 성능(Chip Performance) 향상 등이 기술의 경제성, 파워, 접근성을 모두 극적으로 높임
OpenAI의 ChatGPT는 사용자, 사용량, 수익화 지표에서 역사상 가장 빠른 ‘오버나이트 성공(overnight success)’ 사례 (설립 후 9년 만에 달성)
AI 활용은 소비자, 개발자, 기업, 정부 모두에게서 폭발적으로 증가
Internet 1.0 혁명 때는 기술이 미국에서 시작되어 점진적으로 확산됐지만, ChatGPT는 전 세계 동시다발적으로 도입되어 빠르게 성장
기존 플랫폼 대기업(incumbents) 과 새로운 도전자(challengers) 는 에이전틱 인터페이스(agentic interfaces), 엔터프라이즈 코파일럿(enterprise copilots), 실세계 자율 시스템(real-world autonomous systems), 주권 모델(sovereign models) 등 AI 인프라의 새로운 계층을 선점하기 위해 경쟁 중
AI, 컴퓨트 인프라, 글로벌 연결성(global connectivity) 의 급진적 발전은 일(Work)의 방식, 자본 배치(Capital Deployment), 리더십의 기준 자체를 기업과 국가 전반에 걸쳐 근본적으로 재편
동시에 각국의 글로벌 리더십 변화가 진행되고 있으며, 주요 강대국들은 서로의 경쟁력과 비교우위를 적극적으로 견제중
세계 각국이 경제, 사회, 영토적 야망(Economic / Societal / Territorial Aspiration)에 따라 다시 가속화되고 있음
이제 두 가지 거대한 힘, 즉 기술(Technological) 과 지정학(Geopolitical) 이 점점 더 깊이 얽혀가고 있음
Meta Platforms CTO Andrew Bosworth는 최근 ‘Possible’ 팟캐스트에서 “지금 AI는 마치 우주 경쟁(Space Race) 과도 같고, 특히 중국 등 주요 국가들은 매우 높은 역량을 갖췄으며 비밀이 거의 없고 모두가 꾸준히 발전하고 있다”고 언급
AI 리더십(AI Leadership) 이 곧 지정학적 리더십(Geopolitical Leadership) 으로 이어질 수 있음 (그 반대는 성립하지 않음)
이 현상은 큰 불확실성(Uncertainty)을 동반하지만, 전 T. Rowe Price 회장 Brian Rogers의 “통계적으로 세상은 그리 자주 끝나지 않는다”는 말처럼, 낙관적 시각이 중요함
투자자 입장에서 항상 모든 일이 잘못될 수 있다고 가정하지만, 무엇이 제대로 잘 될 수 있는지에 대한 기대가 진정한 희망(Optimism) 의 원천
AI가 대신 일을 해주는 모습은 이메일, 웹 검색의 초기 마법과도 같으며, 더 빠르고, 더 싸고, 더 나은(Better / Faster / Cheaper) 효과가 훨씬 더 빠르게 확산
물론 위험(Danger)과 불확실성도 크지만, 장기적으로 강력한 경쟁(Competition), 혁신(Innovation), 저렴하고 쉽게 접근 가능한 컴퓨트(Accessible Compute), 빠르게 확산되는 AI 기술, 신중하고 치밀한 리더십(Thoughtful and Calculated Leadership)이 상호확증억제(Mutually Assured Deterrence) 와 같이 균형을 만들어낼 것이라는 기대가 있음
어떤 이들에게는 AI의 진화가 바닥치기 경쟁(Race to the Bottom) 이 될 수 있지만, 또 다른 이들에게는 정상으로의 경쟁(Race to the Top) 의 시작
자본주의(Capitalism) 와 창조적 파괴(Creative Destruction) 의 투기적이고 역동적인 힘이 거대한 지각변동을 일으키고 있음
특히 미국(USA), 중국(China), 그리고 글로벌 테크 리더들의 치열한 경쟁이 이미 '게임 온(Game On)' 상태임
본 리포트는 다양한 서드파티 데이터, 리서치, 벤치마크를 바탕으로 현재와 같은 역동적 시기(Dynamic Time) 의 트렌드를 입체적으로 보여주고자 함
궁극적으로 이 논의에 기여하고자 하는 것이 본 리포트의 목표
1. 변화가 과거보다 빠르게 일어나고 있는가?
Technology Compounding = Numbers Behind The Momentum"
"기술의 복리 성장 = 폭발적 성장의 모멘텀 뒤에 숨겨진 수치와 데이터들"
컴퓨팅 사이클의 역사와 AI 시대의 도래
1960년대 메인프레임(Mainframe, ~100만대) → 미니컴퓨터(Minicomputer, ~1천만대) → PC (~3억대) → 데스크톱 인터넷(Desktop Internet, ~10억대/사용자) → 모바일 인터넷(Mobile Internet, ~40억대) → AI 시대(AI Era, 수십억~수백억 단위)
축적된 컴퓨팅 인프라(CPU, GPU, 클라우드/빅데이터)가 AI 확산의 기반이 됨
AI 디바이스 시대에는 과거 메인프레임 대비 수만~수십만 배 이상의 디바이스 수가 예상됨
AI 모델 학습 데이터셋(단어 수)의 성장
1950~2025년 주요 AI 모델의 학습 데이터셋 크기(단어 수)가 연평균 260% 성장
2018년 이후 GPT-2, GPT-3, GNMT 등 대형 모델이 등장하며 데이터 사용량이 기하급수적으로 증가
최근 Aramco Metabrain AI 등 최신 모델들은 수십조 단위의 단어를 사용해 학습
AI 모델 학습에 사용된 컴퓨트(연산량, FLOP)의 성장
1950~2025년 주요 AI 모델 학습 연산량이 연평균 360% 성장
GPT-4, Grok, AlphaGo, Swift 등 대형 모델의 등장과 함께 FLOP 지표가 급격히 상승
알고리듬 혁신이 가져온 컴퓨트 효율 향상
2014~2023년 AI 모델의 효과적 연산량(Effective Compute) 이 연평균 200% 증가
Chinchilla, OPT-175B 등 알고리듬 최적화가 성능 향상과 컴퓨트 절감에 크게 기여
AI 슈퍼컴퓨터의 성능 성장
2019~2025년 AI 슈퍼컴퓨터(클러스터) 성능이 연평균 150% 성장
Sunway OceanLight, GPT-3/4 클러스터, Frontier, El Capitan, xAI Colossus 등
칩 성능과 클러스터 당 칩 수의 동시 성장
강력한 대규모 AI 모델 수의 폭증
2017~2024년 연 167% 증가: 10^23 FLOP 이상 대규모 AI 모델 출시 수가 급증
DeepMind(AlphaGo), xAI, Anthropic, Meta, NVIDIA, Mistral 등 다양한 플레이어가 속속 등장
ChatGPT 사용자·구독자·매출 성장
2022.10~2025.4 기준, 주간 활성 사용자(Users, MM), 구독자(Subscriber, MM), 매출(Revenue, $B) 가 모두 기하급수적으로 성장
800만+ 주간 사용자, 2천만+ 구독자, 연 매출 40억 달러에 근접
3650억 연간 검색 달성 속도: ChatGPT vs Google
ChatGPT: 2년 만에 연 3650억 검색 달성 (2024년)
Google: 같은 수치 도달까지 11년(2009년) 소요
ChatGPT가 Google 대비 5.5배 더 빠른 확산 속도를 기록함
1998년, 인터넷 보급이 시작될 무렵 Google은 '세계의 정보를 체계화해 모두가 접근하고 유용하게 만들겠다'는 목표로 출발함
30년 가까운 세월 동안 인류가 경험한 가장 빠른 변화 속에서, 현재는 대부분의 정보가 디지털화, 접근 가능, 활용 가능한 상태에 이름
AI 기반의 정보 접근과 이동 방식 변화는 이보다 훨씬 더 빠르게 전개되고 있음
AI는 인터넷 인프라 위의 Compounder(복리적으로 성장하는 존재) 이며,
누구나 쉽게 쓸 수 있고 대중적 관심을 끄는 서비스들이 극도로 빠르게 확산되는 현상을 만들어냄
지식 전달의 진화 (Knowledge Distribution Evolution)
1440~1992: Static + Physical Delivery
1440년 인쇄기(Printing Press) 발명부터 1992년까지, 지식은 정적이고(Static), 물리적(Physical) 방식으로 배포됨
즉, 종이책, 신문, 잡지 등 인쇄물 중심의 지식 전달 구조가 수백 년간 유지
– 1993~2021: Active + Digital Delivery
1993년 인터넷(World Wide Web) 공개 이후, 능동적(Active)이고 디지털(Digital) 기반의 지식 전달로 전환
누구나 웹사이트를 만들고, 실시간으로 정보에 접근·유통 가능해짐
인터넷은 ‘지식의 공개와 유통’에 있어 근본적 변혁을 일으킴
– 2022+: Active + Digital + Generative Delivery
2022년 ChatGPT의 출시와 함께 생성형 AI 기반의 지식 전달 시대로 진입
Generative AI: 텍스트, 이미지, 오디오, 코드 등 다양한 콘텐츠를 생성할 수 있는 AI
ChatGPT는 출시 5일 만에 100만 사용자 돌파라는 역대급 성장 기록
이제 지식은 단순 저장·검색이 아니라, AI가 창의적으로 생성하고 즉시 전달하는 시대
“지식은 사실의 축적이지만(wisdom), 지혜는 그 단순화에 있다” – Martin H. Fischer
AI = Many Years Before Lift-Off
AI 기술은 단기간에 폭발적으로 성장한 것처럼 보이지만, 본격적 대중화 이전에 수십 년의 준비와 발전 과정이 있었음
1950~2025 AI Milestone Timeline (Stanford가 정리)
1950.10: Alan Turing, 튜링 테스트 발표(컴퓨터의 지능 평가 개념 제안)
1956.6: Dartmouth Conference 개최, John McCarthy가 ‘Artificial Intelligence’ 용어 창시
1962.1: IBM의 Arthur Samuel, 체커 게임에서 자가학습 프로그램으로 미국 챔피언 격파
1966.1: Stanford의 Shakey, 최초의 범용 모바일 로봇 배치
1967~1996: “AI 겨울” (AI Winter) – 큰 진전 없이 투자/관심 감소
1997.5: IBM Deep Blue, 체스 세계 챔피언 Kasparov 격파
2002.9: Roomba, 최초 대량생산 로봇 청소기 출시
2005.10: Stanford의 무인차 Stanley, DARPA 그랜드 챌린지 완주
2010.4: Apple, Siri 인수 후 iPhone 4S에 통합
2014.6: Eugene Goostman 챗봇, 튜링 테스트 통과
2018.6: OpenAI, 최초의 대형 언어모델 GPT-1 발표
2020.6: OpenAI, GPT-3 출시 및 Microsoft 단독 라이선스
2022.11: OpenAI, ChatGPT 일반 공개
2023.3: OpenAI, GPT-4(멀티모달) 출시 / Microsoft, Copilot 통합 / Google, Bard 출시 / Anthropic, Claude 출시
2023.11: 미국·EU·중국 등 28개국, Bletchley AI Safety 선언문 서명
2024.3~5: Meta, Llama 3(오픈소스) 공개 / 미국 국토안보부 AI 로드맵 / Google, AI 기반 검색 기능 도입 / OpenAI, GPT-4o(완전 멀티모달) 출시
2024.7: Apple, Apple Intelligence 발표(개발자용)
2024.9: Alibaba, 오픈소스 Qwen 2.5 모델 100종 출시(서구와 동등한 성능)
2024.12: OpenAI, o3(최고 성능 모델) 발표
2025.1: DeepSeek, R1·R1-Zero 오픈소스 추론모델 공개 / Alibaba, Qwen2.5-Max 발표(GPT-4o, Claude 3.5 추론 성능 능가)
2025.2: OpenAI, GPT-4.5 출시 / Anthropic, Claude 3.7 Sonnet 발표 / xAI, Grok 3 출시
2025.4: ChatGPT, 주간 8억 명 사용자 도달
Circa Q2:25 - 오늘날 AI가 할 수 있는 10가지 (ChatGPT에 의하면)
모든 것을 작성하거나 편집 : 이메일, 에세이, 계약서, 시, 코드 등을 즉각적이고 유창하게 작성·편집
복잡한 자료 요약 및 설명 : PDF, 법률 문서, 연구, 코드를 쉽게 풀이해 일반 영어로 변환
거의 모든 주제의 튜터 역할 : 수학, 역사, 언어, 시험 준비 등 단계별로 학습 지원
생각 파트너가 되어주기 : 아이디어 브레인스토밍, 논리 디버깅, 가설 점검 등 사고 보조
반복 작업 자동화 : 보고서 생성, 데이터 정리, 슬라이드 요약, 텍스트 재작성 등
필요한 역할 연기 : 면접 준비, 고객 시뮬레이션, 대화 리허설 등 다양한 역할 수행
도구 연결 : API, 스프레드시트, 캘린더, 웹 코드 등 다양한 툴과 연동 코드 작성
심리적 지원 및 동반자 역할 : 하루를 함께 이야기하거나, 생각을 재구성, 혹은 단순히 들어주기
삶의 목적 찾기 지원 : 가치 명확화, 목표 설정, 실행 계획 수립 등
삶의 조직화 : 여행 계획, 루틴 설계, 한 주 또는 작업 흐름 구조화 등
Circa 2030? - 앞으로 5년 내 AI가 할 수 있을 것으로 예상되는 10가지 (ChatGPT에 의하면)
인간 수준의 텍스트, 코드, 논리 생성 : 챗봇, 소프트웨어 엔지니어링, 사업 계획, 법률 분석 등에서 인간과 같은 결과물 생성
풀타임 영화·게임 창작 : 대본, 캐릭터, 장면, 게임플레이 메커닉, 보이스 액팅 등 전체 콘텐츠 자동 제작
인간처럼 이해하고 말하기 : 감정 인지형 비서, 실시간 다국어 음성 에이전트 등
고도화된 개인 비서 역할 : 인생 계획, 기억 회상, 모든 앱·디바이스간 일정·정보 연동 등
인간형 로봇 운영 : 가사 도우미, 노인 돌봄, 리테일·호스피탈리티 자동화 등
자율 고객 서비스·영업 운영 : End-to-end 문제 해결, 업셀링, CRM 통합, 24/7 지원 등
개인의 전체 디지털 라이프 맞춤화 : 적응형 학습, 동적 콘텐츠 추천, 개인 맞춤형 건강관리 등
자율 비즈니스 구축 및 운영 : AI 기반 스타트업, 재고·가격 최적화, 전면 디지털 운영 등
과학적 발견의 자율화 : 신약 설계, 신소재 합성, 기후 모델링, 새로운 가설 테스트 등
파트너처럼 창의적 협업 : 소설 공동 집필, 음악 제작, 패션 디자인, 건축 등 다양한 창작 협업
Circa 2035? - 앞으로 10년 내 AI가 할 수 있을 것으로 예상되는 10가지 (ChatGPT에 의하면)
과학 연구 수행 : 가설 생성, 시뮬레이션 실행, 실험 설계 및 분석 등
첨단 기술 설계 : 신소재 발견, 바이오테크 설계, 에너지 시스템 프로토타입 제작 등
인간 유사 마인드 시뮬레이션 : 기억, 감정, 적응 행동을 가진 디지털 페르소나 생성
자율 기업 운영 : R&D, 재무, 물류 등을 최소한의 인간 개입으로 관리
복잡한 물리적 작업 수행 : 도구 조작, 부품 조립, 실제 환경 내 적응 등
글로벌 시스템 조율 : 물류, 에너지 사용, 위기 대응 등을 대규모로 최적화
생물학적 시스템 모델링 : 세포, 유전자, 유기체 시뮬레이션 및 치료/연구 활용
전문가 수준의 의사결정 제공 : 실시간 법률, 의료, 비즈니스 자문 제공
공공 토론 및 정책 형성 : 포럼 중재, 법안 제안, 이해관계 조정 등
몰입형 가상 세계 구축 : 텍스트 프롬프트만으로 대화형 3D 환경을 생성
AI 개발 속도는 예상 못했던 수준
머신러닝 모델 개발 주체의 변화 (2003~2024)
2003~2014년까지는 학계(academia) 가 머신러닝 모델 개발을 주도 (Academia Era)
2015년 이후 산업계(industry) 가 데이터, 컴퓨트, 자본 투입량에서 학계를 크게 앞질러 혁신을 주도 (Industry Era)
2024년 기준, 산업계에서 매년 60여 개의 주목할 만한 ML 모델이 개발됨
AI 개발자 수의 급증 (NVIDIA 생태계 기준, 2005~2025)
NVIDIA 생태계 내 글로벌 개발자 수가 7년 만에 6배 증가 (2025년 600만 명 도달 전망)
2018~2025년 사이 가장 큰 폭으로 성장
구글 AI 생태계 내 개발자 수 (2024~2025)
2024년 5월: 140만 명 → 2025년 5월: 700만 명
1년 만에 5배 성장, Gemini 플랫폼 중심으로 AI 개발자 커뮤니티 폭발적 확대
컴퓨팅 관련 미국 특허의 폭발적 증가 (1960~2024)
2003년 Netscape IPO 이후 8년간 +6,300건, 2004~2022년 18년간 +1,000건 증가
ChatGPT 공개(2022) 이후 1년 만에 +6,000건 급증
컴퓨팅/AI 기술 관련 혁신 특허가 대규모로 쏟아짐
AI 성능, 2024년 인간 수준 돌파
MMLU 벤치마크(일반지식+추론) 에서 2024년 기준 AI 시스템이 인간(89.8%)을 뛰어넘는 92.3% 정확도 달성
AI의 인간 판별 능력 (2025 Q1)
GPT-4o(페르소나 미포함): 73% 응답이 인간 대답으로 오인됨
GPT-4.5(페르소나 포함): 90% 이상 인간 판별 실패 (AI임을 못 알아챔)
AI 응답의 인간 유사성/현실감이 비약적으로 향상
AI 대화의 사실감 (튜링 테스트 사례)
GPT-4.5를 활용한 실제 튜링 테스트 대화 예시
실험 참가자 87%가 인간이라고 오인한 쪽(A)이 실제로는 AI였으며,
반대로 인간(B)은 "AI스러운 분위기"로 판단됨
현대 AI의 자연스러운 대화 능력이 인간을 넘어섬
AI 이미지 생성 성능 진화
Midjourney v1(2022)과 v7(2025) 버전 비교:
3년 만에 쥬얼리(해바라기 목걸이) 생성 결과가 압도적으로 현실적으로 발전
AI 생성 이미지 vs 실제 이미지 (2024)
2024년 기준 AI가 만든 인물 사진(StyleGAN2)이 실제 사진과 거의 구분 불가할 정도로 정교해짐
생성 이미지의 현실감이 비약적으로 높아짐
AI 음성 생성/번역의 현실성 (ElevenLabs 사례)
ElevenLabs의 AI 음성 생성 도구가
음성 자동 더빙, 실시간 다국어 번역, 원음 보존 등 고도화
글로벌 사이트 트래픽이 2년 만에 월 2천만 회를 돌파, Fortune 500 기업 60%가 도입
AI 오디오 생성·번역 역시 폭발적으로 발전 중
AI 기반 오디오 번역의 대중화(Spotify, 2025년 5월)
Spotify가 ElevenLabs와 협업, 29개 언어로 오디오북 AI 번역을 수용하기 시작
"누구나 자국어로 콘텐츠를 만들고, AI가 실시간으로 번역해 전 세계에 전달하는 시대"를 비전으로 제시 (CEO Daniel Ek)
2025년 1분기 기준, 월간 활성 사용자 6억 7800만 명, 구독자 2억 6800만 명, 연 매출 168억 유로
AI 성능 가속: 새로운 응용사례들(2024년 11월, Morgan Stanley)
단백질 접힘(Protein Folding): DeepMind AlphaFold, 거의 모든 단백질 구조 예측
암 진단(Cancer Detection): Microsoft & Paige, 세계 최대 이미지 기반 암 진단 모델 구축
로보틱스(Robotics): Google, LLM을 활용해 인간 지시를 이해·수행하는 로봇 데모
에이전트형 AI(Agentic AI): Amazon, 사용자 지시에 따라 과업을 수행하는 도구 공개
유니버설 번역(Universal Translation): Meta, 다국어 통·번역 멀티모달 AI 모델 공개
디지털 영상 생성(Digital Video Creation): Channel 1 AI, GenAI 기반 맞춤형 뉴스 영상 제작 시연
AI의 이익과 위험 (Benefits & Risks)
AI 개발의 이점(benefits)
인간 문명의 모든 성과는 인간 지능의 산물이며, 기계지능(machine intelligence) 의 수준이 높아질수록 인류의 야망(ambition)도 크게 확장
AI와 로봇은 반복적 노동에서 인류를 해방시키고, 생산성 증대로 평화와 풍요의 시대를 열 가능성
과학연구 가속화로 질병·기후변화·자원 문제 해결을 앞당길 수 있음
AI 개발의 위험(risks)
Demis Hassabis(Google DeepMind): "AI를 먼저 해결해야 그 외의 모든 것도 해결할 수 있다. 그러나, 그 기회를 얻기 전에 AI의 오·남용, 비의도적 리스크가 발생할 수 있다"
이미 드러난 위험과 앞으로 더욱 커질 위험: 치명적 자율 무기(lethal autonomous weapons), 감시(surveillance), 편향적 의사결정(biased decision making), 고용 영향(employment impact), 안전 및 보안(safety-critical applications, cybersecurity) 등
"AI 개발의 성공은 인류 문명사에서 가장 큰 사건이 될 수 있지만, 동시에 우리가 그 위험을 피하는 법을 배우지 못하면 마지막 사건이 될 수도 있다" - 스티븐 호킹
AI User + Usage + CapEx Growth = Unprecedented
ChatGPT를 기준으로 17개월 만에 주간 활성 사용자 8억 명(+8배) 돌파
AI 글로벌 채택(Global Adoption) 속도도 인터넷 도입 초기와 비교해 전례 없는 확산 (3년 만에 90% 비북미 사용자 도달, 인터넷은 23년 소요)
ChatGPT 1억 사용자 도달까지 0.2년(약 2개월), TikTok·Instagram·YouTube 등 주요 인터넷 서비스 대비 월등히 빠른 성장
100만 사용자(고객) 도달까지 Ford Model T: 2,500일, iPhone: 74일, ChatGPT: 5일 — 비용도 $0로 접근성 최고조
미국 내 가구의 50%가 AI 활용 도달까지 3년이 예상, 모바일 인터넷(6년), 데스크탑(12년), PC(20년), 산업혁명(42년) 대비 반으로 단축
AI 도입과 확산의 속도는 역사상 어떤 기술보다도 빠르고, 그 영향 범위와 규모 역시 예상을 뛰어넘음
테크 기업의 AI 도입, 최우선 과제
빅테크 및 주요 테크 기업, AI를 핵심 경영 화두로 집중
NVIDIA, Google, Microsoft, Meta, Amazon, Baidu, IBM, C3.ai 등
2020~2024년 실적 발표문에서 AI 언급 빈도가 급증, AI 중심 경쟁 본격화
Amazon (CEO Andy Jassy)
"생성형 AI는 거의 모든 고객 경험을 혁신할 것"
코딩, 검색, 쇼핑, 금융, 건강, 로봇, 바이오 등 모든 분야에서 AI 도입·효율화
Google (CEO Sundar Pichai)
"AI는 우리의 미션(정보 체계화, 보편적 접근성 제공)을 진전시키는 가장 중요한 수단"
"AI 기회는 지금까지와 차원이 다르다"
Duolingo (CEO Luis von Ahn)
"생성형 AI가 데이터 생성, 새로운 기능, 전사적 효율화에 기여"
체스 커리큘럼도 AI로만 프로토타입 완성
xAI (CEO Elon Musk)
"Grok AI는 진실 탐구(truth-seeking)가 본질, AI 안전의 필수"
"최대한 진실 지향적 AI를 만들어야 한다"
Roblox (CEO David Baszucki)
"AI는 개인의 역량을 극대화하는 가속 도구, 앞으로 모든 사람이 자신만의 AI와 함께할 것"
NVIDIA (CEO Jensen Huang)
"10년 내 AI는 모든 산업, 모든 국가, 모든 회사의 인프라가 될 것"
"AI 데이터센터는 본질적으로 'AI 팩토리'임, 엄청난 가치를 생산"
글로벌 테크 리더들은 AI 도입과 인프라 확장에 사활을 걸고 있으며, AI가 미래 기업·사회 경쟁력의 핵심임을 한목소리로 강조
전통적 기업의 AI 도입도 우선순위 급상승
S&P 500 기업의 AI 관심 급등
2024년 4분기 기준, S&P 500 기업 중 50%가 실적 발표에서 'AI' 언급 (2015년 대비 급격한 증가)
기업 전반에 걸쳐 AI가 전략적 핵심 아젠다로 부상
글로벌 대기업, AI 도입 목표는 '매출 성장'
향후 2년간 생성형 AI(GenAI) 투자 목표의 다수는 생산성, 고객 서비스, 매출, 마케팅 효과 등 '성장과 수익성'에 집중
비용절감(cost reduction)은 상대적으로 낮은 우선순위
글로벌 CMO(최고마케팅책임자) 75%가 AI 도구 실험/도입
대다수 마케팅 조직이 초기 테스트 또는 파일럿을 시행 중이며, 상당수가 이미 AI를 완전 도입
실제 도입 사례
Bank of America: Erica Virtual Assistant
4,000만 명 고객, 누적 25억 건 상호작용, 50,000회 이상 성능 업데이트
24/7 디지털 금융 비서로 자리매김
JP Morgan: 엔드-투-엔드 AI 현대화
AI/ML 도입으로 2023~2025년 수익·효율성 각각 +35~65% 기대
Kaiser Permanente: AI 기반 의료 기록(AI Scribe)
수천 명의 의료진이 도입, 문서화 부담 경감, 환자 경험 및 진료 품질 개선
Yum! Brands: Byte by Yum!
2025년 기준 25,000개 레스토랑에서 AI 기반 주문·운영 시스템 도입
전통 대기업 역시 AI 도입을 '비용절감'이 아니라 성장·혁신 중심의 전략적 우선순위로 삼고 있음
각 산업별로 구체적인 AI 활용 성공사례가 빠르게 축적되는 중
교육·정부·연구 분야의 AI 도입도 우선순위 급상승
교육(교육기관) 분야 AI 통합 사례
Arizona State University: AI 도구 개발 전담 조직 신설('AI Acceleration')
Oxford-OpenAI 파트너십: 5년간 연구·AI 리터러시 강화 협력
NextGenAI: MIT, Harvard, Caltech 등 15개 연구대학이 참여하는 5천만 달러 규모 컨소시엄 출범
ChatGPT Gov: 미 연방정부 기관 전용 ChatGPT 출시(2025년 1월)
미국 국립연구소: 원자력, 사이버보안, 첨단 과학분야 AI 인프라 협력
정부(Sovereign AI) 도입 정책 확대
NVIDIA Sovereign AI Partners: 프랑스, 스위스, 스페인, 에콰도르, 일본, 베트남, 싱가포르 등에서 국가별 AI 인프라 구축 본격화
"각국이 AI 인프라에 투자하는 모습이 과거 전기, 인터넷 인프라와 유사" (NVIDIA CEO Jensen Huang)
연구(R&D)·의료 분야 AI 적용 확대
FDA 승인 AI 의료기기: 2023년 기준 연간 223건 승인, 2015년 대비 폭발적 증가(미국 연방정부 FY21~FY25 AI 예산 147억 달러)
AI 기반 신약개발: 기존 방식 대비 임상 전(Pre-Clinical) 단계까지 도달하는 시간 30~80% 단축(1.5~12배 가속)
교육·정부·연구·의료 등 비영리/공공 부문에서도 AI 도입·통합이 빠르게 확산
인프라 투자와 규제 완화, 공동연구 등으로 산업 외 영역에서의 AI 혁신 속도 역시 가속화
AI User + Usage + CapEx Growth = Unprecedented
미국 성인 ChatGPT 사용률 현황
미국 전체 성인 중 ChatGPT 사용 경험 비율은 23년 7월 18%에서 25년 1월 37%로 급증
18~29세는 55%, 30~49세는 44%로 젊은 층일수록 활용도가 높음
OpenAI CEO Sam Altman은 "젊은 층은 라이프 어드바이저, 고령층은 검색 대체로 사용"이라고 평가
ChatGPT 앱 일일 평균 사용 시간 증가
23년 7월~25년 4월, 미국 ChatGPT 앱 사용자 기준 일일 평균 사용 시간 202% 증가
하루 약 7분에서 20분 가까이로 늘어나, AI 앱에 대한 사용자 몰입도가 급상승
ChatGPT 앱 세션 및 세션당 시간 증가
23년 7월~25년 4월, 평균 세션 수 106% 성장, 세션당 시간도 47% 늘어남
사용자가 앱을 더 자주, 더 오래 사용하며, AI 도구가 일상 속에 자리 잡음
ChatGPT와 Google Search 사용자 주간 유지율 비교
23년 1월~25년 4월 기준, ChatGPT의 주간 유지율은 80%로 Google Search의 58%를 크게 앞섬
AI 서비스에 대한 사용자 충성도가 전통적 검색보다 높게 나타남
미국 직장 내 AI 챗봇 활용 효과
AI 챗봇을 사용하는 미국 직장인 중 72% 이상이 ‘더 빠르고, 더 나은’ 업무 성과 경험
업무 효율성과 작업 품질 모두 긍정적인 변화 보고
미국 대학생 ChatGPT 활용 사례
미국 대학생(18~24세) ChatGPT 사용 용도는 논문/프로젝트 시작, 텍스트 요약, 아이디어 브레인스토밍, 문제해결, 시험준비, 연구, 튜터링 등 연구·학습·진로 조언 중심
실질적 과제 해결, 창의적 작업, 진로 설계까지 AI가 적극적으로 활용됨
AI 기반 딥 리서치 자동화 서비스
Google Gemini, OpenAI ChatGPT, xAI Grok 등 주요 기업의 딥 리서치 기능 확장
웹 자동 조사, 인사이트 도출, 수십 페이지 분량의 리포트 자동 생성, 팩트 탐색 등 고도화된 지식 업무의 자동화 가속화
AI 에이전트의 진화 = 챗 응답에서 실제 업무 자동화로
기존 챗봇은 제한된 대화와 간단한 질문 응답에 머물렀지만, AI 에이전트는 스스로 추론, 실행, 다단계 작업을 처리하는 서비스 제공자로 발전 중임
예시: 미팅 예약, 보고서 제출, 도구 로그인, 여러 플랫폼 간 워크플로 자동화 등
자연어 명령만으로 복잡한 업무를 직접 실행
이런 변화는 2000년대 초 정적 웹사이트에서 Gmail, Google Maps 같은 동적 웹앱으로 전환된 흐름과 유사함
단순 메시징 인터페이스에서 실제 작업을 실행하는 인프라로 진화
AI 에이전트는 명확한 입력이나 제한적 결과만 제공하던 초기 어시스턴트와 달리, 목표 중심·** 자율성**·** 보호장치**까지 갖추어 의도 해석, 메모리 관리, 앱 간 협업 등 복잡한 프로세스 실행이 가능해짐
기업들이 가장 빠르게 도입을 추진 중이며, 단순 실험을 넘어 프레임워크 투자와 에이전트 생태계 구축을 본격화함
AI Agent에 대한 글로벌 관심 급증 (Google 검색 트렌드, 2024~2025)
‘AI Agent’라는 키워드의 Google 검색량이 16개월 만에 1,088% 급증
2025년 3월 OpenAI가 AI Agent 개발도구를 출시한 후 검색량이 더욱 가파르게 증가하며, 업계의 기술적 전환점이 되었음을 시사함
AI 기득권자(Incumbent)의 AI Agent 제품 출시 가속화 (2024~2025)
Salesforce, Anthropic, OpenAI, Amazon 등 대표 빅테크 기업들이 AI 에이전트 기반 신제품을 속속 출시함
Salesforce Agentforce: 고객지원 자동화, 리드 발굴, 주문 트래킹 등
Anthropic Claude 3.5 Computer Use: 컴퓨터 스크린 직접 제어, 웹 데이터 추출, 온라인 구매 등
OpenAI Operator: 복잡한 온라인 작업 자동화
Amazon Nova Act: 홈 오토메이션, 정보수집, 구매, 일정관리 등
AI Agent 제품들은 기존 챗봇을 넘어 실제 ‘일’을 대신하는 실질적 자동화 도구로 확장 중임
Next Frontier For AI = Artificial General Intelligence
Artificial General Intelligence(AGI) 란?
AGI는 인간의 지적 작업 전반(추론, 계획, 소규모 데이터 학습, 다양한 영역 간 지식 일반화 등)을 모두 수행할 수 있는 시스템을 의미함
현재 AI 모델이 특정 영역 내에서 뛰어난 성능을 보이는 것과 달리, AGI는 분야를 가리지 않고 재학습 없이 새로운 문제도 유연하게 해결할 수 있음
최근 모델 규모, 학습 데이터, 컴퓨팅 효율성의 기하급수적 성장이 AGI 개발을 앞당기고 있음
AGI 도달 시기와 기대감
AGI 달성 시기는 여전히 불확실하지만, 전문가들의 기대가 최근 몇 년 새 크게 앞당겨짐
OpenAI CEO Sam Altman은 2025년 1월, "이제 우리가 전통적으로 이해한 AGI를 어떻게 만들 수 있는지 확신한다"고 언급함
이는 모델 구조, 추론(inference) 효율, 대규모 학습 환경의 발전으로 연구와 실전의 간극이 줄어들고 있음을 시사함
추론(inference)은 완전히 학습된 모델이 사용자 입력에 대해 예측, 답변, 콘텐츠를 생성하는 과정. 이 단계는 학습보다 훨씬 빠르고 효율적임
AGI는 더 이상 가상의 종착점이 아니라 도달 가능한 임계점으로 인식되기 시작함
AGI 도달의 의미
AGI가 실현되면 소프트웨어와 하드웨어의 본질적 역할이 재정의될 것임
미리 프로그래밍된 작업을 반복하는 대신, 목표 이해, 계획 수립, 실시간 자기교정이 가능한 시스템으로 변화
연구, 엔지니어링, 교육, 물류 등 다양한 워크플로우를 인간의 감독 없이도 운영 가능
새로운 문제에 직면해도 재학습 없이 맥락에 맞춰 적응하며, 인간 전문가처럼 작동
AGI 기반 휴머노이드 로봇은 물리적 환경과 일하는 방식을 근본적으로 변화시킬 수 있음
AGI가 가져올 사회적 영향
AGI는 마지막 목표점이 아닌, 역량의 단계적 전환임
제도, 노동, 의사결정 구조가 AGI 도입 방식과 통제 장치에 따라 재편
생산성 향상 효과가 클 수 있으나, 수혜가 불균형하게 분배될 가능성도 있음
지정학적, 윤리적, 경제적 변화는 점진적으로 진행될 전망
산업혁명, 디지털 전환, 알고리듬 혁명처럼, 기술이 무엇을 할 수 있느냐뿐 아니라 사회가 어떻게 받아들이고 규율하느냐에 따라 결과가 달라짐
AI User + Usage + CapEx Growth = Unprecedented
지난 20년간 기술 분야 CapEx는 데이터 중심의 아크(arc)를 따라 급격히 증가해왔음
초기에는 스토리지와 접근(저장/접근) 에 투자, 이후 분산/확장으로, 현재는 컴퓨팅/지능으로 중심이 이동함
1차 웨이브에서는 대규모 서버팜, 해저 케이블, 초기 데이터센터 등에 자금이 집중되어 아마존, 마이크로소프트, 구글 등이 클라우드 컴퓨팅의 기반을 마련함
이 단계는 '저장, 조직화, 서비스 제공'이 핵심 목표였음
2차 웨이브(현재 진행형)는 AI 워크로드를 위한 컴퓨팅 인프라 강화가 중심
Hyperscaler(초대형 데이터센터 사업자)들의 CapEx는 GPU, TPU, AI 가속기, 액체 냉각, 첨단 데이터센터 설계 등 특화 인프라로 옮겨가고 있음
2019년 AI는 연구 기능이었지만, 2023년에는 CapEx(자본적 지출)에서 핵심 항목으로 편입됨
마이크로소프트 브래드 스미스 회장(4/25 블로그):
"전기와 같은 범용 기술처럼, AI와 클라우드 데이터센터는 차세대 산업화의 단계를 대표함"
글로벌 빅테크들은 연간 수십조 원 규모의 투자를 진행 중
단순히 데이터를 수집하는 것이 아니라, 빠르게 학습하고, 깊게 개인화하며, 폭넓게 배포하는 능력이 경쟁력의 핵심이 되고 있음
AWS, NVIDIA, MSFT, Google, Apple, Meta 등 대형 기술 기업들의 CapEx(설비 투자) 지출은 수년간 꾸준히 상승 중임
Data Centers = AI CapEx 지출의 핵심 수혜자
AI 인프라의 경제성을 이해하려면 데이터 센터 건설 속도와 규모를 살펴볼 필요가 있음
AI 중심 수요의 폭발로 글로벌 IT 기업의 데이터 센터 CapEx(자본 지출) 이 사상 최고치에 도달, 2024년 기준 4,550억 달러에 달하며 가속화되고 있음
Hyperscaler와 AI-first 기업 모두 스토리지 뿐만 아니라 실시간 추론과 대규모 모델 학습을 위한 고성능, 고전력 하드웨어 인프라 구축에 수십억 달러 투자
AI가 실험적 기술에서 필수 인프라로 전환되면서 데이터 센터도 이에 맞춰 핵심적 위치를 차지
NVIDIA CEO 젠슨 황은 "이제 AI 데이터 센터는 AI 팩토리"라고 강조
미국 테네시주 멤피스의 xAI Colossus 데이터 센터는 418채 규모의 건물을 단 122일 만에 완공, 전례 없는 속도와 효율성 달성 (평균 미국 주택 건설의 절반 이하 기간)
사전 제작 모듈, 신속한 인허가, 전기/기계/소프트웨어의 수직 통합을 통해 데이터 센터가 IT 제품 개발 속도로 건설되는 시대 도래
데이터 센터 CapEx는 토지, 전력, 칩, 냉각 설비에 의해 좌우되며, AI 워크로드가 기존 엔터프라이즈 컴퓨팅보다 훨씬 높은 열 및 전력 수요를 발생
OpEx(운영비용)은 에너지 비용과 시스템 유지보수가 중심이며, 특히 고밀도 AI 학습 클러스터는 상시 최대 부하로 작동
수익은 컴퓨트 판매(AI API, 엔터프라이즈 플랫폼 요금, 내부 생산성 향상 등) 에서 나오지만, 선제적 구축을 하는 기업은 투자 회수 기간이 길어질 수 있음
신생 업체는 인프라 구축 후 수익화까지 수 분기~수년이 소요될 수 있음
공급망 측면에서 전력 인프라(변압기, 변전소, 터빈, GPU, 케이블 등) 확보가 새로운 병목 요인으로 부상
데이터 센터는 단순한 물리적 자산이 아니라, 부동산, 전력, 물류, 컴퓨트, 소프트웨어 수익화의 전략적 인프라 허브 역할
이 복잡한 퍼즐을 제대로 풀어낸 기업이 향후 AI 경제의 지리적 판도를 좌우할 것
Data Centers = Electricity Guzzlers
AI와 에너지 인프라의 긴장 관계가 점차 심화되고 있음
AI의 고도화로 인해 AI 특화 데이터센터가 기존 중공업 못지않은 전력 소비를 기록 중
AI 모델 학습과 서비스에 필요한 막대한 연산력이 전기 수요를 폭증시키는 주요 원인
데이터센터는 2024년 전 세계 전력 소비의 약 1.5% 차지
2017년 이후 글로벌 데이터센터 전력 소비가 연평균 12% 증가
전체 전력 소비 증가 속도의 4배 이상에 해당
국가별 전력 소비 비중에서 미국이 45%로 1위, 중국(25%), 유럽(15%) 순
미국 데이터센터 용량의 거의 절반이 5개 주요 지역 클러스터에 집중
신흥국과 개발도상국(중국 제외)은 인터넷 사용자의 50% 차지하지만 데이터센터 용량은 10% 미만에 머무름
AI 확산에 따라 전력망(grid)과 공급 인프라가 AI 성능의 병목으로 부상
더 이상 데이터나 알고리듬이 아닌, 전력 공급이 AI 성장의 핵심 제약이 되고 있음
한편, AI는 에너지 산업 내에서 운영 효율화와 혁신을 가속
전력, 광물, 전송, 소비 등 에너지 공급망 전체에서 AI 기반 최적화가 본격 적용 중
하지만 AI 수요와 에너지 비용이 계속 증가하는 한, 데이터센터는 결국 비용 지불 능력이 있는 고객만을 대상으로 서비스할 것임
AI Model Compute Costs High / Rising + Inference Costs Per Token Falling = Performance Converging + Developer Usage Rising
대형 언어 모델(LLM) 훈련은 인류 역사상 가장 비용 집약적인 작업 중 하나로, 성능 향상을 위해 파라미터 수와 알고리듬 복잡성이 증가하면서 훈련 비용이 수십억 달러로 치솟고 있음
가장 뛰어난 범용 모델 구축 경쟁이 심화될수록, 결과물 품질의 차별화는 점점 어려워지고 수익성도 악화되는 '수렴' 현상 발생
반면, 추론(inference) 비용은 급격히 하락 중
예를 들어, NVIDIA 2024 Blackwell GPU는 2014년 Kepler 대비 토큰당 에너지 소모가 10만 5천 배 감소
하드웨어 혁신 및 모델 알고리듬 효율성 향상 덕분에 토큰당 추론 비용은 빠르게 낮아지고 있음
추론 비용 하락은 LLM 제공자 간 경쟁을 심화
정확도뿐만 아니라 지연 시간, 가용성, 토큰당 단가에서 경쟁
달러 단위 비용이 이제는 몇 센트, 그리고 곧 1센트 미만으로 내려가는 상황
사용자(개발자) 입장에서는 저렴한 비용에 강력한 AI 접근이 가능해지며
신규 서비스와 제품 개발이 활성화, 실제 사용자와 활용도 역시 빠르게 증가 중
모델 제공자에게는 수익성 악화와 비즈니스 모델 변화라는 새로운 과제가 등장
훈련은 비싸고 제공은 싸지면서 수직/수평 통합, 특화형 LLM 시장 등 새로운 전략이 모색되고 있음
범용 LLM은 수익성 없는 소모전 양상을 보이기 시작
소형·맞춤형 모델의 등장으로 기존 대형 모델과 차별화된 수익 구조 실험이 본격화되는 추세
Inference Costs Per Token Falling
AI 추론 비용 감소는 컴퓨팅 발전의 대표적인 패턴을 반복
1997년 Microsoft CTO Nathan Myhrvold가 “소프트웨어는 가스와 같아서 주어진 그릇을 모두 채운다”고 말한 것처럼, AI도 인프라를 모두 활용할 만큼 수요가 커지는 중
모델 성능이 좋아질수록 사용량(쿼리, 토큰, 모델 수)이 폭발적으로 증가하며, 인공지능 활용 범위와 빈도 역시 급격히 확대
인프라 발전 속도도 역대 최고 수준
2024년 NVIDIA Blackwell GPU는 2014년 Kepler 대비 토큰 생성 시 에너지 효율이 10만 5천 배 개선
이는 단순 비용 감소가 아니라 하드웨어 아키텍처와 소재 혁신의 결과임을 의미
하드웨어 효율 향상은 급증하는 AI 및 인터넷 수요의 전력 부담을 상쇄하는 핵심 요소
하지만 지금까지의 개선만으로는 전체 전력 수요 증가를 완전히 막지 못하는 상황
이 현상은 1865년 제번스 패러독스(Jevons Paradox)와 유사
자원 효율이 높아질수록 전체 소비량이 더 늘어나는 역설적 현상이 AI에서도 반복
결과적으로, 비용 하락·성능 향상·사용량 증대라는 테크놀로지의 오래된 공식이 AI에서도 반복되고 있음
인프라 발전이 AI 사용 증가를 다시 부추기며, 전력 인프라와 에너지 생산에 대한 새로운 고민을 야기
Performance Converging
AI 모델 성능 상위권의 빠른 수렴 현상
Stanford HAI의 LMSYS Chatbot Arena 데이터(2024~2025년) 기준, Google, OpenAI, DeepSeek 세 모델의 챗봇 평가 점수가 1,385, 1,366, 1,362로, 불과 1~2% 내외의 근소한 차이만 남김
1년 새 상위권 모델 간 점수 격차가 점점 줄어들며, 성능 경쟁이 사실상 평준화되는 추세가 뚜렷
최신 대형 언어모델(LLM) 간 품질 차별화가 어려워지는 상황
사용자 입장에서 "어느 모델을 써도 거의 비슷하다"고 느낄 수 있는 환경이 조성
모델 제공 업체는 비용·서비스 안정성·특화 기능 등 비성능 요소의 경쟁으로 이동할 가능성 커짐
Developer Usage Rising
AI 개발자 활동이 폭발적으로 증가하는 현상은 추론(inference) 비용의 극적인 하락과 유능한 모델의 접근성 확대에서 비롯됨
2022년~2024년 사이 언어 모델 실행의 토큰당 비용이 약 99.7% 감소
하드웨어, 알고리듬 효율의 비약적 발전이 배경
과거에는 대기업만 접근 가능했던 기술이 이제는 개인 개발자, 독립 앱 빌더, 연구자, 소규모 사업자까지도 쉽게 활용 가능
비용 붕괴로 실험이 저렴해지고, 반복/제품화가 신속해짐
누구든 아이디어만 있으면 쉽게 AI 서비스 개발 가능
모델 성능이 빠르게 수렴하면서 모델 선택의 공식이 변화
최상위 대형 모델과 더 작고 효율적인 대안 모델 간의 격차가 좁아짐
요약, 분류, 추출, 라우팅 등 여러 실사용 과제에서 실제 성능 차이가 거의 없음
개발자들은 이제 고가 프리미엄 모델 대신 저렴한 모델이나 로컬 실행/저가 API를 통해 비슷한 결과를 얻을 수 있게 됨
특히 태스크 특화 데이터로 파인튜닝 시 효과 극대화
이 변화는 모델 '기득권'의 가격 지렛대를 약화시키고, AI 개발의 평등화를 촉진
단일 사업자(벤더)에 종속되기보다, 다양한 생태계의 모델을 조합/분산 활용
OpenAI ChatGPT, Meta Llama, Mistral Mixtral, Anthropic Claude, Google Gemini, Microsoft Phi 등
각기 강점이 다른 모델 중에서 기술적/재무적 니즈에 맞는 최적 모델 선택 가능
플랫폼 락인(종속)에서 탈피, 개발자가 주도하는 선택과 분산의 시대로 전환
개발자 주도의 인프라 성장 플라이휠이 형성 중
더 많은 개발자가 AI 네이티브 앱을 만들면서, 도구/래퍼/라이브러리/프레임워크 생태계가 급증
프론트엔드 프레임워크, 임베딩 파이프라인, 모델 라우터, 벡터 DB, 서빙 레이어 등
매번 개발자 활동의 파동이 다음 파동의 진입 장벽을 낮추는 효과
아이디어에서 프로토타입, 프로토타입에서 제품까지 걸리는 시간 단축
비용뿐 아니라 복잡성까지 빠르게 감소
플랫폼의 변화를 넘어, 창의력 폭발의 시대가 열리고 있음
역사적으로도 개발자가 많고(사용/활용이 꾸준한) 플랫폼이 결국 승자가 되는 패턴이 반복됨
마이크로소프트 스티브 발머의 “Developers! Developers! Developers!” 연설에서 봤듯이 개발자는 중요함
개발자에게 채택받고, 지속적 스케일, 개선을 이끌어낸 플랫폼이 결국 시장을 지배할 것
The AI Developer Next Door
AI 개발 도구 채택률 급등 (2023~2024, Stack Overflow)
2023년 대비 2024년 AI 도구를 활용하는 개발자 비율이 크게 증가
프로 개발자 기준 44% → 63%, 코딩 학습자 기준 55% → 65%로 상승
AI 개발자 오픈소스 저장소 폭증 (GitHub, 2022.11~2024.3)
GitHub 내 AI 개발자 저장소 수가 16개월간 약 175% 증가
ChatGPT, Stable Diffusion 등 주요 모델/도구 등장 이후 개발 생태계 폭발적으로 성장
AI 개발자 생태계 확장(Google 기준, 월간 토큰 사용량)
2024년 5월 10조 토큰 → 2025년 5월 480조 토큰으로 1년만에 50배 증가
구글 Gemini, AI API 등 통해 개발자 사용량 대폭 확대
Microsoft Azure AI Foundry 생태계 성장(분기별 토큰 사용량)
2024년 1분기 20조 → 2025년 1분기 100조 토큰으로 5배 성장
7만 개 이상 기업/개발자가 활용 중
AI 개발자 활용 사례의 다양화 (2024년, IBM 기준)
코드 생성, 버그 탐지/수정, 테스트 자동화, 프로젝트/워크플로우 관리, 문서화, 리팩토링/최적화, 보안 강화, CI/CD, UX 디자인, 아키텍처 설계 등 광범위한 영역에서 AI 활용이 가속
AI Usage + Cost + Loss Growth = Unprecedented
AI 성장 및 비용, 손실의 규모가 전례 없는 수준으로 증가
“이번에는 다르다”, “규모의 경제로 수익을 맞출 수 있다”, “나중에 사용자를 수익화하겠다”는 위험 신호가 기존에는 실패를 부르곤 했으나, 빅테크 투자에서는 실제 성공 사례도 존재
이번 AI 경쟁은 전례 없는 규모의 자본과 창업자 중심 대기업들이 동시에 뛰어드는 양상
미국, 중국 등 글로벌 강국의 경쟁이 AI 혁신을 가속
주요 기술 도입 시점마다 전환점이 존재
개인 컴퓨터는 매킨토시(1984)·윈도우 3.0(1990), 인터넷은 넷스케이프 IPO(1995), 모바일은 아이폰 앱스토어(2008), 클라우드는 AWS(2006~09), AI는 NVIDIA A100(2020), ChatGPT(2022) 등이 결정적 계기
2025년 중국 DeepSeek의 등장이 글로벌 AI 경쟁 격화의 신호탄
AI 성장을 위한 자금은 거대 IT기업의 막대한 현금 흐름과 글로벌 자본에서 비롯
치열한 경쟁·자본·창업가 정신의 조합이 AI 발전을 가속
단, 최종 승자 비즈니스 모델이 무엇일지는 아직 불확실
Technology Disruption Pattern Recognition = Hundreds of Years of Consistent Signals
기술 혁신의 역사에는 초기 과열, 자본 유입, 경쟁 심화, 승자와 패자 구분의 주기가 반복됨
예시: 19세기 철도, 1840년대 거품, 기대 붕괴 등
대규모 자본 투입이 필요한 기술은 초기엔 실망스러운 수익률을 보이나, 성공 시 장기적 산업 구조를 바꿈
단, 경쟁으로부터 보호받지 못하면 높은 위험을 내포
최종 승자는 항상 최고의 기술 보유자가 아니라, 시장과 산업의 흐름을 가장 명확히 읽은 주체
진입장벽 없는 시장에서는 선점 효과가 빠르게 사라짐
“새로운 기술의 승자는 예측이 어렵지만, 패자는 쉽게 보인다”는 교훈을 되새길 것
AI-Related Monetization = Very Robust Ramps
AI 하드웨어 전략의 진화: 칩 설계 주도권이 전통 벤더에서 플랫폼 기업으로 이동
NVIDIA GPU는 오랜 기간 AI 트레이닝/추론의 기본 엔진 역할을 하며 독보적 지위를 확보
수요 폭증으로 인해 NVIDIA의 빠른 생산 확대에도 공급 부족 현상 지속, 하이퍼스케일러와 클라우드 사업자들이 공급망 다변화에 나섬
맞춤형 칩(ASIC)의 부상: 범용 GPU 대비 특정 AI 연산에 최적화된 ASIC 도입 가속
Google의 TPU, Amazon의 Trainium 칩이 각사의 AI 스택 핵심 요소로 자리잡음
Amazon Trainium2는 일반 GPU 대비 30~40% 더 우수한 가격/성능 제공, 대규모 인퍼런스 비용 절감 가능
이러한 커스텀 칩은 단순 실험이 아니라, 성능·경제성·아키텍처 통제를 위한 핵심 전략
AI 인프라 경제성 개선 노력 확산
Amazon CEO Andy Jassy: "AI가 반드시 지금처럼 비싸야 할 필요는 없고, 앞으로는 더 저렴해질 것"
커스텀 실리콘은 AI 인프라 비용 절감의 핵심 수단 중 하나
AI 인프라 전문 기업의 성장
CoreWeave: 게이밍·암호화폐 하드웨어 공급망을 AI용 GPU 클라우드로 재구성해 빠르게 성장
Oracle: 전통 IT에서 AI 특화 GPU 클라우드 플랫폼으로 전환
Astera Labs: GPU-메모리 간 초고속 연결장치 공급, 대규모 모델의 성능 한계 극복에 기여
이들 기업은 파운데이션 모델을 직접 개발하지 않지만, 그 생태계의 필수적 인프라를 구축
연산 수요 급증에 따라 속도, 가용성, 효율성이 경쟁력의 핵심으로 부상
AI Monetization = Chips
NVIDIA, Google, Amazon 등 주요 기업들의 AI 칩 매출이 빠르게 성장하고 있음
NVIDIA 분기 매출은 전년 대비 78% 증가해 390억 달러를 돌파, 주력은 데이터센터 부문
최근 10년간 NVIDIA 매출은 28배 성장했고, 미국 빅테크(애플, 마이크로소프트, 알파벳, 아마존, 메타, 엔비디아)의 CapEx + R&D 투자도 6배 확대
Google의 TPU(Tensor Processing Unit) 매출은 연간 116% 증가하여 89억 달러 규모로 추정됨
Google TPU는 AI 모델 학습에 특화된 ASIC 칩으로, 2015년 첫 버전 출시 이후 누적 10만 개 이상 생산
Amazon의 AWS Trainium 칩 매출은 연간 216% 증가해
- 이전글CLAUDE CODE SDK2025.06.13
- 다음글과기정통부, AI반도체 추경사업 통합설명회 11일 개최2025.06.13
댓글목록
등록된 댓글이 없습니다.