2026년 09/06 ~ 09/12
투자 권유가 아닙니다. 스스로 공부하고 판단하는 데 쓰는 자료입니다.
전략가의 시각
모델은 새지만 전기는 새지 않습니다 — 2026년 AI 해자는 코드가 아니라 전력 계약서와 데이터 소유권 문서에 있습니다.
이번 주 뉴스를 한 줄로 꿰면 이렇습니다. Anthropic이 증류 공격을 공개하고 정부 기관까지 나선 것은 모델 능력이라는 자산의 모방 장벽이 생각보다 얇았다는 자백에 가까운데, 반대편에서는 기가와트급 부하 변동이 전력망을 흔들고 주 정부가 청정 전력 기준으로 개발을 조이면서 전기와 부지는 갈수록 구하기 어려워지고 있습니다. 한쪽 자산은 API 호출로 복제되고 다른 쪽 자산은 인허가와 5년짜리 계약으로만 얻어지는데, 투자 배분은 아직도 전자에 쏠려 있습니다.
그래서 저는 경영진 회의의 질문을 바꾸라고 권합니다. '우리 모델이 경쟁사보다 얼마나 좋은가'는 반감기가 여섯 달인 질문이지만, '우리가 확보한 전력·부지·독점 데이터가 복제되는 데 몇 년이 걸리는가'는 사업의 수명을 직접 결정하는 질문입니다. 구글이 TPU를 외부에 열고 엔비디아가 5300억 달러 규모 보증으로 생태계 수요를 자기 장부에 얹는 것도 결국 같은 판단인데, 계산 능력이 흔해질수록 그것을 돌릴 수 있는 물리적 권리가 값이 오른다는 것입니다.
당장 할 일은 세 가지로 압축됩니다. 추론 워크로드의 벤더 전환 비용을 숫자로 측정해 협상력으로 바꾸고, 데이터센터 사양을 다음 전력 아키텍처 기준으로 다시 발주하며, 모델 해자를 전제한 수익 계획에서 물리 자산과 데이터 소유권 기반 계획으로 예산을 옮기는 것입니다. 남들이 모델 벤치마크를 비교하는 동안 계량기 뒤의 발전 설비와 데이터 라이선스를 먼저 묶어두는 쪽이 내년 이맘때 원가 구조에서 이깁니다.
프레임워크로 본 사례 3
Powering AI is an architecture problem
기가와트급 AI 데이터센터가 수 밀리초 안에 70퍼센트씩 출렁이는 부하를 만들어내면서, 기존 저전압 전력 스택과 지역 전력망이 구조적으로 버티지 못한다는 분석이 나왔습니다. 같은 주에 하이퍼스케일러들이 전력망 밖에서 자체 발전을 붙이는 BTM(계량기 뒤 전력) 전략을 사실상 생존 조건으로 다루고 있다는 보도와, 휴대용 전원 기기조차 패시브 방열의 물리적 천장에 걸렸다는 분석이 함께 나왔습니다.
전력 스택은 투입 대비 성능을 와트·전압·열로 아주 명확하게 측정할 수 있는 영역인데, 저전압 배전과 수동 방열이라는 기존 방식은 이미 투자를 더 넣어도 성능이 잘 늘지 않는 포화 구간에 들어섰고, 그 아래에서 고전압 직류 배전과 자체 발전, 능동 냉각이라는 다른 곡선이 올라오고 있습니다. 매사추세츠주가 데이터센터에 청정 전력 기준을 새로 붙인 것도 기존 곡선의 상단을 제도적으로 더 눌러 새 곡선으로의 이동을 앞당기는 힘입니다.
흔히 이 뉴스는 '발전 용량이 모자라니 발전소를 더 지어야 한다'는 공급 부족 기사로 읽힙니다. 하지만 S커브로 보면 문제는 용량의 양이 아니라 아키텍처의 수명이어서, 지금 표준 설계로 지은 데이터센터는 완공 시점에 이미 낡은 곡선 위에 서게 되고, 곡선을 갈아타는 시점을 잘못 잡은 사업자는 자산 내용연수가 회수 기간보다 짧아지는 손실을 떠안습니다.
의사결정 제안 — 신규 데이터센터 사양서에서 저전압 스택과 수동 냉각을 기본값으로 두는 관행을 이번 분기에 폐기하고, 고전압 직류 배전과 액체냉각, 급격한 부하 변동을 흡수할 배터리 저장을 설계 전제로 재발주하십시오. 동시에 입지 후보를 전력망 접속 대기열 기준이 아니라 BTM 자체 발전과 청정 전력 요건을 함께 충족할 수 있는 곳으로 다시 점수화하고, 전력 계약은 6개월 내 장기 고정 조건으로 묶으십시오.
프레임워크 설명
한 기술의 성능은 투입 대비 처음에는 더디게, 중간에는 폭발적으로, 성숙기에는 다시 완만하게 오르는 S자를 그리는데, 물리적·구조적 한계에 가까워질수록 아무리 투자해도 성능이 잘 늘지 않기 때문이다. 그래서 한 기술이 곡선의 꼭대기에 닿을 무렵 전혀 다른 새 기술의 곡선이 아래에서 올라와 결국 자리를 넘겨받는다.
MIT Technology Review
TPU Inference Externalization Full Steam Ahead - InferenceX
구글이 오랫동안 내부에만 쓰던 TPU를 추론 시장에 본격적으로 외부 개방하며, 성능 대비 비용에서 우위를 주장하는 인프라를 구축하고 있습니다. 같은 주에 엔비디아는 70퍼센트 성장 전망과 함께 파트너사에 부지·전력·설비까지 얽히는 5300억 달러 규모의 오프밸런스 보증 구조가 드러났습니다.
추론 가속기 전환을 막는 비용의 대부분은 계약서가 아니라 관성에서 옵니다. 축적된 CUDA 커널과 최적화 노하우, 운영팀의 학습, 기존 파이프라인과의 연동이 실제 청구서보다 훨씬 큰 벽을 만드는데, 구글이 제시한 성능 대비 비용 격차가 그 벽의 높이를 처음으로 정량 비교 가능한 수치로 만들어 놓았다는 점에서 전환비용 렌즈의 조건이 그대로 충족됩니다.
흔히 이 뉴스는 '구글이 엔비디아에 도전한다'는 칩 성능 대결로 읽힙니다. 하지만 구매자 입장에서 중요한 것은 어느 칩이 빠르냐가 아니라 내 조직의 전환비용이 얼마냐이며, 이 숫자를 모르면 협상 테이블에서 대안이 있다는 사실 자체를 가격에 반영시킬 수 없습니다. 대안의 존재는 옮겨 타야 가치가 생기는 것이 아니라, 옮겨 탈 수 있음을 증명할 때 값이 됩니다.
의사결정 제안 — 가장 비용이 큰 추론 워크로드 한두 개를 골라 프레임워크 추상화 계층 위로 올린 뒤, 90일 안에 TPU와 기존 GPU에서 동일 조건 벤치마크와 이전 공수를 실측해 '전환 비용 명세서'를 만드십시오. 그 숫자를 다음 GPU 물량 협상의 입장 자료로 쓰고, 신규 코드에는 특정 벤더 전용 커널을 직접 호출하지 않는 규칙을 아키텍처 표준으로 못 박으십시오.
프레임워크 설명
고객이 다른 제품으로 갈아타는 데 드는 비용이 크면, 지금 쓰는 것이 조금 불만족스러워도 그 비용 때문에 눌러앉게 되는데, 데이터 이전·재학습·기존 시스템과의 연동처럼 눈에 안 보이는 비용이 실제 가격보다 훨씬 클 때가 많기 때문이다. 그래서 전환비용은 기업에게 고객을 붙잡아 두는 해자이자, 신규 진입자에게는 넘기 힘든 벽이 된다.
SemiAnalysis
Anthropic details distillation campaigns from Alibaba, Moonshot AI, and DeepSeek
Anthropic이 알리바바, 문샷, 딥시크 등 중국 기업들로부터 자사 모델을 산업 규모로 증류당하고 있다고 공개했고, 미국 정부 기관들도 6개 중국 AI 기업의 프론티어 모델 복제를 공식 문제 삼았습니다. 한편 Y Combinator의 게리 탄은 미국 오픈웨이트 진영도 프론티어 모델을 증류해 써야 한다고 주장하며, 같은 기법이 공격이자 산업 정책 수단으로 동시에 거론되는 상황입니다.
같은 산업에서 특정 기업만 앞서는 이유를 모델 가중치라는 사내 자원으로 설명해 왔는데, 증류는 그 자원의 핵심 조건인 모방 불가능성을 직접 무너뜨립니다. API로 출력을 뽑을 수 있다면 가중치를 훔치지 않고도 능력의 상당 부분이 복제되기 때문에, 희소하고 베끼기 어려워야 한다는 전제가 서비스 공개와 동시에 침식되는 구조입니다.
흔히 이 뉴스는 '중국의 기술 탈취'라는 지정학 기사로 읽힙니다. 하지만 자원기반관점으로 보면 훨씬 불편한 결론이 나오는데, 수출 통제나 소송으로 막아도 모델 능력 자체는 이미 반감기가 짧은 자산이 되었다는 것이며, 그렇다면 해자를 모델에서 로봇 훈련 데이터나 독점 계약 데이터, 전력과 유통 채널처럼 API 한 번으로 복제되지 않는 자산으로 옮기는 일이 방어보다 시급합니다.
의사결정 제안 — 모델 자체를 해자로 전제한 사업계획을 이번 분기에 재작성하되, 고가치 모델 API에는 출력 워터마킹과 이상 호출 탐지, 계약상 증류 금지 조항을 즉시 적용하고, 같은 예산 안에서 독점 데이터 확보와 배포 채널 계약으로 자원 포트폴리오를 재배분하십시오. 로봇 훈련 데이터나 산업 현장 데이터처럼 물리 세계에서만 나오는 자산은 지금 파트너십으로 선점하는 것이 1년 뒤 가격보다 쌉니다.
프레임워크 설명
같은 산업에 있는데 어떤 회사만 계속 잘하는 이유를 이 관점은 시장에서의 위치가 아니라 회사 안에서 찾는데, 남이 갖지 못한 자원과 역량이 그 답이라는 것이다. 다만 아무 자원이나 되는 것은 아니어서, 가치 있고 희소하며 베끼기 어렵고 대신할 수도 없어야(VRIN) 하며, 특허나 데이터·독점 알고리즘·인재처럼 돈 주고 사올 수 없는 것들이 여기 해당한다.
TechCrunch
근거 103 개 항목 · 7일