2026년 11/08 ~ 11/14
투자 권유가 아닙니다. 스스로 공부하고 판단하는 데 쓰는 자료입니다.
전략가의 시각
AI 투자 실사에서 '모델 성능' 항목의 비중을 낮추고, '전력 접속 일정'과 '수출통제 조항'을 1순위로 올리십시오.
이번 주 뉴스를 한 줄로 꿰면, AI의 병목이 두 번 이동했다는 사실이 드러납니다. 처음에는 모델이 병목이었고 다음에는 칩이었는데, 이제는 칩을 돌릴 전기와 그 칩을 쓸 수 있게 해주는 정치적 허가가 병목입니다. 데이터센터가 전력망과 인허가에 막혀 지어지지 못한다는 분석과, 엔비디아가 칩 위치 추적 기능을 정부에 확인해줬다는 보도가 같은 주에 나온 것은 우연이 아니라 같은 구조의 두 얼굴입니다.
그렇다면 투자위원회의 질문지도 바뀌어야 합니다. 지금까지 우리는 '어떤 모델을 쓸 것인가'와 'GPU를 몇 장 확보했는가'를 물었지만, 그 두 질문은 이제 답이 비슷해져 변별력을 잃었습니다. 대신 물어야 할 것은 이 계약의 전력 접속 확정일이 언제인지, 규제가 바뀌어 가동이 멈출 때 손실을 누가 지는지, 그리고 우리가 쌓고 있는 데이터와 평가 기준이 공급자를 바꿔도 따라오는 자산인지입니다.
버티컬 AI 기업의 절반이 자체 모델을 학습시키기 시작한 흐름도 같은 논리에서 읽힙니다. 이들이 모델을 만드는 이유는 성능 자랑이 아니라, 남의 모델에 업무의 핵심을 걸어두면 가격과 정책이 바뀔 때 통째로 흔들린다는 것을 알기 때문입니다. 통제권을 어디까지 직접 쥐고 어디부터 빌릴지를 명시적으로 결정하지 않은 기업은, 결정을 안 한 것이 아니라 전부 빌리기로 결정한 것입니다.
프레임워크로 본 사례 3
Nvidia privately confirmed it could track chips to fight smuggling, even as industry publicly questioned feasibility
엔비디아가 의회에서 논의 중인 칩 보안법(Chip Security Act)의 요구에 맞춰 첨단 AI 칩의 위치를 추적할 수 있다는 점을 비공개로 확인했고, 같은 주에 수출 통제 대상 GPU가 중국 최상위 모델 학습에 쓰였다는 보도와 CEO 사임 사태가 겹쳤습니다. 미국 정치권은 엔비디아의 대중국 영업을 조사 대상으로 올렸습니다.
구매 기업의 AI 스택은 CUDA와 전용 인터커넥트, 그 위에 쌓인 운영 데이터까지 특정 공급자의 독점 기술에 묶여 있는데, 이제 그 칩에 지리 추적과 수출통제라는 정부 조건까지 얹히기 때문에, 이전을 막는 기술적 장벽 위에 법적 장벽이 한 겹 더 생긴 전형적인 종속 구조가 성립합니다.
흔히 이 뉴스는 '미국이 중국 밀수를 막는 안보 조치'로 읽힙니다. 하지만 종속의 렌즈로 보면 핵심은 중국이 아니라, 초기의 성능과 편의 때문에 단일 공급자에 올라탄 전 세계 구매자들이 이제 공급자가 아니라 워싱턴의 정책 변경에 따라 자산의 가동 조건이 바뀌는 자리에 서게 됐다는 점이며, 종속의 진짜 비용은 계약 기간이 아니라 빠져나갈 수 없는 구조에서 나옵니다.
의사결정 제안 — 다음 분기 GPU 조달 계약부터 수출통제·추적 요건이 바뀔 때 가동 중단과 리전 이전 비용을 누가 부담하는지 명시하는 조항을 반드시 넣고, 추론 워크로드 가운데 최소 20~30퍼센트를 대체 가속기나 다른 관할권 리전에서 돌려보는 이중화 검증 과제를 6개월 기한으로 지금 발주하십시오.
프레임워크 설명
특정 공급자의 기술에 깊이 얽매이면 나중에 값을 올리거나 조건을 바꿔도 벗어나기 어려운데, 독점 포맷·전용 API·축적된 데이터가 이전을 사실상 불가능하게 만들기 때문이다. 그래서 초기의 낮은 가격이나 편리함이 나중의 협상력 상실로 되돌아오며, 종속의 진짜 비용은 계약 기간이 아니라 벗어날 수 없는 구조에서 나온다.
MIT Technology Review
14 of the 30 most valuable vertical AI companies now train their own models
가장 가치가 높은 버티컬 AI 기업 30곳 중 14곳이 범용 모델에 얹는 단계를 넘어 자체 모델을 직접 학습시키고 있으며, 연구소 수준의 역량을 내부에 쌓고 있습니다. 같은 주 OpenAI는 여행 스타트업 Odessia를 인수해 특정 도메인의 업무 흐름 안으로 들어갔습니다.
이들 기업의 고객은 '좋은 모델'을 사는 것이 아니라 보험 청구 심사나 임상 문서 작성 같은 좁고 반복되는 업무 한 덩어리를 처리하려고 돈을 내는데, 그 일을 두고 범용 모델 API와 사내 인력, 기존 SaaS가 카테고리를 넘어 경쟁하기 때문에 '할 일'의 범위가 분석 단위로 잡힙니다.
흔히 이 뉴스는 '버티컬 기업들도 이제 모델을 만든다, 파운데이션 모델 회사와 정면충돌'로 읽힙니다. 하지만 할 일의 렌즈로 보면 이들이 만드는 것은 더 똑똑한 모델이 아니라 특정 업무에서 실패율을 사람 수준 아래로 내리는 완결된 처리 능력이고, 그래서 벤치마크 점수가 아니라 그 업무의 재작업률과 승인률이 승부를 가릅니다 — 반대로 OpenAI의 도메인 인수는 범용 모델이 그 일을 혼자서는 못 끝낸다는 자백이기도 합니다.
의사결정 제안 — 모델 자체 학습 여부를 먼저 묻지 말고, 우리 매출에 직결되는 업무 세 가지를 골라 각각 실패율·재작업률로 측정하는 평가셋과 독점 데이터 파이프라인을 두 분기 안에 구축하되, 자체 학습 예산은 범용 모델이 그 평가셋에서 목표 수준을 끝내 못 넘긴 업무에만 집행하십시오.
프레임워크 설명
사람들은 제품을 사는 것이 아니라 삶에서 해결하고 싶은 '할 일'을 처리하려고 제품을 고용하는 것인데, 그래서 경쟁의 진짜 범위는 같은 카테고리의 제품이 아니라 그 할 일을 대신 해줄 수 있는 모든 대안이다. 스펙을 아무리 올려도 고객이 진짜 하려는 일과 어긋나면 팔리지 않고, 전혀 다른 기술이 그 일을 더 잘 해주면 카테고리째 대체된다.
CB Insights
Why the data center you dread might never even be built
AI 데이터센터 건설 붐이 지역 반발과 인허가 지연, 전력 부족에 막혀 실제로는 속도를 늦추고 있고, 데이터센터 반대 여론의 본질도 기업 권력이 아니라 전력망 과부하라는 분석이 나왔습니다. 같은 주 X-energy는 소형 모듈 원자로 건설 허가를 받았고 Fervo는 지열 수주 120억 달러를 확보했습니다.
투입(자본과 부지)을 늘려도 전력 접속 대기와 인허가라는 물리적 한계 때문에 추가 컴퓨팅 성능이 예전처럼 늘지 않는 구간에 들어섰고, 동시에 지열과 소형 원자로, 해상 부유식 같은 전혀 다른 전력 곡선이 아래에서 상업 수주 단계로 올라오고 있어 곡선 교체의 조건이 갖춰져 있습니다.
흔히 이 뉴스는 'AI 버블이 꺾이는 신호' 또는 '님비 때문에 혁신이 막힌다'로 읽힙니다. 하지만 S-커브로 보면 꺾이는 것은 수요가 아니라 기존 전력 조달 방식의 성능 곡선이고, 지금 승부처는 GPU를 몇 장 더 확보하느냐가 아니라 다음 곡선인 자가발전과 신규 기저전원에 누가 먼저 자리를 잡느냐로 옮겨가 있습니다.
의사결정 제안 — 신규 데이터센터 계약은 준공일이 아니라 전력 접속 확정일 기준으로 다시 쓰고 지연 시 배상 조항을 붙이되, 2027년 이후 증설 물량은 지열이나 소형 원자로 전력구매계약이 붙은 부지에만 선지급금을 투입하도록 투자 승인 기준을 이번 분기에 개정하십시오.
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.
TechCrunch
근거 108 개 항목 · 7일