Anduril

1. 매출 및 재무 현황
매출 성장:

Sacra의 추정에 따르면 Anduril은 2023년 약 4억 2천만 달러에서 2024년 10억 달러로 성장했으며, 전년 대비 138% 증가했습니다.
이는 주요 정부 계약(예: 미 해병대의 Bolt-M 계약, Pentagon의 Replicator 프로그램 등)의 획득에 기인합니다.
새로운 정부 계약의 총액은 2023년 6억 7500만 달러에서 2024년 15억 달러 이상으로 크게 증가했습니다.
현금 보유:

2024년 1분기 기준 약 7억 5천만 달러의 현금을 보유하고 있습니다.
초기 계약 성공 사례:

2017년 창업 후 약 1년 만에 미 해병대와 1,250만 달러 규모의 첫 방위 계약을 체결하였으며,
2020년에는 경쟁 입찰을 통해 첫 ACAT I(가장 큰 규모의 계약 분류)인 10억 달러 규모의 시스템 통합 파트너(SIP) 계약을 따냈습니다.

2. 수익성 및 마진
총 마진:

Anduril은 40~45%의 총 마진을 기록하고 있습니다.
이는 전통적인 방산 대기업(일반적으로 8~10% 마진)보다 훨씬 높은 수치로, 고정 가격(Fixed Pricing) 방식으로 제품을 판매하기 때문입니다.
비즈니스 모델의 차별점:

비용 가산(cost-plus) 모델 대신, 상업용 제품처럼 정해진 가격에 판매하는 방식 덕분에 높은 “SaaS형” 마진 구조를 실현하고 있습니다.

3. 고객 확보 및 판매 주기
판매 주기:

방위 분야의 판매 주기는 평균 18~24개월로 매우 길며, 많은 R&D 투자와 시제품 제작, 현장 테스트가 필요합니다.
초기 계약은 작은 규모(예: 20만 달러 내외)부터 시작하여, 점차 신뢰를 쌓으며 다년간의 대형 계약으로 확장됩니다.
R&D 투자:

Anduril은 대규모 자금 조달을 통해 긴 판매 주기를 견디고, 필요한 연구개발(R&D) 및 제품 검증에 투자하고 있습니다.

4. 기업 가치 및 투자
기업 가치:
2024년 Series F 라운드 기준으로 Anduril은 140억 달러 가치로 평가되며, 연매출 10억 달러 기준으로 14배의 매출 배수를 기록하고 있습니다.
자금 조달 현황:
총 37억 6천만 달러의 자금을 유치했으며, 이번 라운드에는 Fidelity Management & Research Company와 Baillie Gifford 등이 참여했습니다.
주요 전략 투자자로는 Anduril 공동창업자인 Trae Stephens가 참여하는 Founders Fund가 있습니다.

5. 제품 및 기술 포트폴리오

5.1. 창업 배경
창업 및 미션:
2017년 캘리포니아 어바인에서 Palmer Luckey(오큘러스 공동창업자), Brian Schimpf, Trae Stephens가 공동 창업하였으며, 방위와 안보를 위한 최첨단 기술 개발을 미션으로 삼았습니다.

5.2. Lattice – 핵심 소프트웨어 플랫폼
Lattice 개요:
Anduril 제품군의 중심에는 Lattice라는 AI 기반 소프트웨어 플랫폼이 있습니다.
다양한 센서(카메라, 레이더 등)로부터 데이터를 수집, 실시간 상황 인식 및 데이터 기반 의사결정을 지원합니다.
객체 인식, 행동 분석, 예측 모델링 기능을 갖추어, 방위 기관과 국경 통제에 효과적인 솔루션을 제공합니다.

5.3. 하드웨어 생태계
Anduril은 Lattice와 연동되는 여러 하드웨어 제품을 개발하여, 통합 솔루션을 구성합니다.

Anvil:

지상에서 UAV(드론)를 격추하는 동력형(kinetic) 반드론 시스템.

Ghost 4:

단 3분 만에 조립이 가능한 자율 전술 드론으로, 60분 동안 조용하게 비행할 수 있습니다.

Altius:

공중, 지상, 해상에서 모두 배치 가능한 드론으로 4가지 모델로 구성되어 있습니다.

Dust:

지상 기반 센서로, 목표를 감지하고 경고하는 역할을 합니다.

Dive-LD:

최대 6,000미터 깊이까지 작전 수행이 가능한 자율 잠수정(AUV)으로, Dive Technologies 인수를 통해 확보된 제품입니다.

6. 자율성 및 통합
자율성 강화:
머신러닝을 활용하여 드론, 센터리 타워, 센서 등이 최소한의 인간 개입으로 작동합니다.
예를 들어, Ghost UAS는 지정된 경로를 자율 주행하고, 장애물을 회피하며, 여러 드론이 협력하는 군집 작전을 지원합니다.

시스템 통합:
Lattice가 중앙 통제 시스템 역할을 하며, 여러 하드웨어 제품에서 수집된 데이터를 종합해 전장의 상황을 실시간으로 파악하고, 각 자산 간 협력을 가능하게 합니다.

예시: 센트리 타워가 의심스러운 차량을 감지하면, Lattice를 통해 Ghost UAS가 자동으로 출격하고, 동시에 Dust 센서가 추가 정보를 제공하여 Anvil 시스템을 통해 위협을 제거하는 방식입니다.

7. 비즈니스 모델 및 전략
SaaS + 하드웨어:

Lattice는 구독 기반 서비스(SaaS) 형태로 판매되며, 고객은 월간/연간 요금을 지불합니다.

하드웨어 제품은 교차 판매(cross-sell) 및 업셀(upsell) 형태로 추가 제공되어, 전체 생태계를 강화합니다.

소프트웨어와 하드웨어를 통합 판매함으로써, 최적의 성능과 호환성을 보장하고, 고객이 고정 가격에 안정적인 제품을 지속적으로 업그레이드 받을 수 있도록 합니다.

R&D 리스크 선행 부담:

전통적인 정부 RFP(제안 요청서) 방식을 기다리지 않고, Anduril은 R&D 부담을 먼저 떠안아, 완성도 높은 솔루션을 미리 개발하여 시장에 빠르게 진입하는 전략을 취합니다.

고정 가격 판매:

비용 가산 계약(cost-plus) 대신, 고정 가격으로 제품을 판매하여 높은 마진(40~50% 총 마진)을 달성합니다.
지속적인 소프트웨어 업그레이드를 통해 하드웨어의 단발적 판매를 보완합니다.

8. 경쟁 환경 및 시장 동향

주요 경쟁자:

Anduril의 주요 경쟁은 기존의 대형 방산업체들(Lockheed Martin, Boeing, Raytheon, Northrop Grumman, General Dynamics)입니다.

이들 업체는 오랜 역사를 기반으로 대규모 자본과 정치적 영향력을 가지고 있으며, 전통적인 비용 가산 모델을 사용합니다.

스타트업 경쟁:

Shield AI와 같은 방위 기술 스타트업도 경쟁하고 있으며, Palantir, SpaceX, Relativity Space 등도 각자의 분야에서 혁신을 시도하고 있습니다.

시장 접근 전략:

방위 예산은 하나의 거대한 시장이 아니라 여러 마이크로 시장으로 구성되어 있으며, 각 기술 및 제품이 접근할 수 있는 시장 규모는 상대적으로 작습니다.

듀얼 유즈(방위 전용과 상업용 모두에 적용 가능한) 전략을 통해, Anduril은 시장을 확장할 수 있는 기회를 모색합니다.

글로벌 방위 지출:

미국 국방부는 2022년에 7270억 달러, NATO 동맹국 전체는 1조 달러 이상을 지출하며, 이 거대한 시장 내에서 자율 시스템과 AI 기술에 대한 투자가 급증하고 있습니다.

특히, 자율성, AI, 인간-기계 팀 구성 관련 프로그램에 매년 수십억 달러가 할당되고 있습니다.

9. 향후 전망 및 위험 요소

성장 전망:
Anduril은 빠른 제품 개발과 정부 계약 성공, 그리고 R&D 선행 부담을 통해 기존 방산업체와 차별화된 경쟁력을 확보하고 있습니다.

위험 요소:
조달 관행: 전통적인 정부 조달 방식과 정치적 요소가 여전히 큰 장애물로 남아있으며, 이는 장기 계약 확보에 영향을 줄 수 있습니다.

시장 경쟁: 대형 방산업체들과 기존 계약 체계 내에서 경쟁하는 어려움.

정책 및 예산: 국방 예산 및 정책 변화가 Anduril의 성장 및 제품 채택에 영향을 미칠 수 있음.

https://sacra.com/c/anduril/

새로운 혁신적인 것이 등장하면, 우리는 처음에는 그것을 기존의 것에 비추어 생각하는 경향이 있습니다. 예를 들어, 사람들은 처음에 자동차와 기차를 기계화된 마차로 여겼다가 점차 그것들을 독자적인 존재로 인식하기 시작했습니다. 우리는 AI에 대해서도 이런 식으로 접근하고 있을까요?

몇십 년 후, 우리가 AI를 진정으로 이해하게 될 때, 현재 우리가 AI를 이해하는 방식 중 어떤 부분이 옛날 방식에 뿌리를 두고 있는 것처럼 보일까요?

저는 우리의 AI 이해가 중요한 것이 아니라, 오히려 AI가 AI를 이해하는 방식이 중요하다는 가정이 정답이었으면 합니다.

https://x.com/paulg/status/1888196213192675470

자원과 AI 지능의 관계:

AI 모델의 지능은 모델을 훈련하고 운영하는 데 사용된 자원의 로그 값에 비례합니다.
훈련에 사용되는 컴퓨팅 파워, 데이터, 추론 컴퓨팅 등의 자원을 늘리면 예측 가능한 성능 향상이 지속적으로 발생합니다.

AI 사용 비용 하락:

일정 수준의 AI를 사용하기 위한 비용은 매 12개월마다 약 10배 정도 낮아집니다.
예를 들어, GPT-4에서 GPT-4o로 토큰당 가격이 약 150배 하락한 사례에서 볼 수 있듯, 비용 하락 속도는 Moore의 법칙(18개월마다 2배 하락)보다 훨씬 빠릅니다.

지능 증가의 초지수적 가치:

AI의 지능이 선형적으로 증가할 때, 그 사회경제적 가치는 초지수적으로 확대됩니다.
이에 따라, 투자 확대의 추세도 가파르게 이어질 것으로 보이며, AI 분야에 대한 투자 중단의 이유를 찾기 어렵습니다.

3. AI 에이전트와 가상 동료의 등장
가상 협력자:

미래에는 소프트웨어 엔지니어링, 디자인 등 다양한 분야에서 ‘가상 동료’ AI 에이전트가 등장할 것으로 예상됩니다.
예를 들어, 소프트웨어 엔지니어 에이전트가 경험이 있는 주니어 엔지니어 수준의 업무를 수행하며, 이를 수천, 수백만 단위로 확장한다면, 전 분야에서 지식 노동의 방식이 크게 변화할 것입니다.

경제적 아날로지:

AI는 트랜지스터와 같이 경제적으로 매우 중요한 발견으로 자리잡을 가능성이 있습니다.
트랜지스터가 거의 모든 산업에 파급력을 미친 것처럼, AI도 모든 분야에 스며들어 혁신을 일으킬 것입니다.

사회 및 경제에 미치는 장기적 영향
일상 생활의 변화:

단기적으로는 2024년과 크게 다르지 않을 수 있지만, 장기적으로는 전혀 새로운 방식으로 사람들이 일하고, 창의력을 발휘하며, 사회적 역할이 재정의될 것입니다.
모든 사람이 높은 수준의 지능과 창의력을 발휘할 수 있는 시대가 도래할 수 있습니다.

개인 역량과 사회적 가치:

올바른 의사결정, 적응력, 그리고 개인의 의지와 결단력이 앞으로 더 큰 가치를 갖게 될 것입니다.
AGI는 인간 개개인이 지금보다 훨씬 더 큰 영향을 미칠 수 있도록 도와주는 가장 강력한 지렛대가 될 것입니다.

가격 변동 및 자원 배분:

많은 상품의 가격은 인공지능 및 에너지 비용이 하락하면서 급격히 낮아질 것이지만, 제한된 자원(예: 토지, 일부 사치재 등)은 반대로 가격이 상승할 가능성이 있습니다.
기술 발전이 가져올 경제적 변화에 맞춰, 사회 전반의 정책과 자원 배분 방식에도 큰 변화가 요구될 것입니다.

공공 정책과 사회적 통합의 중요성

정책과 여론:

AGI가 사회 전반에 스며들면서, 정부와 사회가 이를 어떻게 통합할 것인지에 대한 공공 정책과 집단적 의견이 중요해질 것입니다.
안전과 개인의 자율성 사이의 균형, 오픈소싱과 투명성 강화 등의 논의가 필요하며, 이는 미래 사회의 구조와 권력 균형에 큰 영향을 미칠 수 있습니다.

포용적 혜택 분배:

기술 발전이 가져올 이익이 모두에게 고르게 분배되도록 하는 것이 중요합니다.
초기에는 기술 발전의 경제적 이익이 불평등하게 나타날 수 있으므로, 정부나 사회적 프로그램을 통한 조기 개입이 필요할 수 있습니다.
모두가 무한한 창의력을 발휘할 수 있도록 ‘컴퓨트 예산’ 같은 아이디어도 고려될 수 있습니다.

https://blog.samaltman.com/three-observations

# DeepSeek 을 둘러싼 다른 이야기들 정리.
전자신문 컬럼쓰다 길이 폭주를 못 막아서, 어차피 정리해서 거기 낼 방법은 안보이니 원 생각 글을 여기다 붙여본다.
설 연휴 시작부터 DeepSeek 이야기를 몇 번이나 했는지 모르겠다. 명절기간과 그 다음주 동안 인터뷰 여섯 번과, 두 번의 내부 미팅, 두 번의 자문을 하고 나니 이제는 DeepSeek이라는 단어만 들어도 도망가고 싶다. 기술적 배경을 포함해서 AI 업계가 앞으로 어떻게 변할지, 그리고 우리가 고민해야 할 방향이 무엇인지까지 묻는 내용들이 개발자 분들, 기자분들, 정책 담당하시는 분, 회사 구성원까지 다 다양한데, 답변하다보니 질문 내용들이 이리저리 겹쳐서 정리해보면 몇가지 가닥으로 요약이 된다. 이제 한 광풍 지나 갔으니 (같은 내용을 반복해서 말하는 대신 의견 전달해 드릴 링크도 확보할 겸) 질문들을 요약한 것만 정리해 보려 한다.
크게 네가지 질문들은 이렇다.
1. 그래서 정말 싼가?
2. 미중 갈등과의 연관성은?
3. 우리는 무엇을 해야 하나?
4. OpenAI 와 NVIDIA는 어떻게 되나?
아래 답변들은 짧게는 15분 길게는 두 시간씩 이야기하던 내용의 요약이다. 다른 분들이 많이 지식이나 견해 나눠주셔서 이제 많이들 아는 내용들은 다 빼고, 나머지 내용들 중에서 가능하면 프로그래머나 연구자가 아닌 분들에게도 익숙한 단어들을 써서 적어본다(고 노력을 해 본다).
## DeepSeek은 정말 싼가? 중국 AI 시장의 특징
그럼 1번부터. 그래서 정말 싼가? 결론적으로는 싼데 비싸다. 중국의 C++로 AI를 파고 드는 문화, NPU, 자강시도와 같은 특징들이 한데 모인 결과물이기 때문이다. 2017년 Google Developers Expert로 난징에 발표하러 갔을 때가 생생하다. 한 시간 발표에 두 시간 삼십분 질답이 이어졌는데, TensorFlow 질문은 하나도 없었고 전부 C++ 관련 질문이었다. 애초에 TensorFlow 나 PyTorch 사이트에 중국에서 접근이 불가능했던 시절이기도 했다. 프레임워크 종속에서 좀 벗어나 있는 것이 중국의 특징이다. 중국은 IT 시장 자체가 데스크탑을 바이패스하고 모바일 시장으로 가면서, C++ 기반 딥러닝 코드와 모델을 NPU에 올린다거나, 모바일 메신저 플랫폼에서의 실행을 위해 자바스크립트로 인퍼런스 하는걸 많이 시도해 왔다. 또 다른 중국의 특징으로는 자강시도를 들 수 있는데, 탈 TensorFlow, 탈 PyTorch를 하면서 알리바바 XDL, 텐센트 TNN 및 Mariana, 바이두의 PaddlePaddle 같이 각자 프레임웍을 만들었다. 그 결과, 중국 대학의 딥러닝 커리큘럼에서도 PyTorch나 TensorFlow를 기본으로 가르치는 것이 아니라, 자체 개발 프레임워크를 다루는 경우들도 다수였다. 그러한 영향인지 중국의 엔지니어들은 새로운 것을 직접 만들어 쓰는 것에 거리낌이 없다.
게다가 DeepSeek은 HFT(High-frequency trading) 하던 팀이 차린 회사이고, 그 분야에서 필요해서 만들었던 기술들을 많이 반영한 터라, DeepSeek-v3 처럼 싼데 비싼 모델이 나왔다. HFT를 하다 보면 레이턴시 해결에 목숨을 걸어야 해서 네트워크 스택을 새로 쓰는 일이 흔하다. 하여 DeepSeek 팀의 모회사는 HFT 시절부터 NCCL 지원과 NVLink가 없는 기기들을 가져다가 SM의 일부를 예약해 GPU로 네트워크를 가속하고, 패킷에서 오류 정정 루틴이나 일반 통신 규격을 바이패스해서 GPU 비용을 낮추는 등의 테크닉을 만들어 왔다. (HFT 분야에선 CPU로 같은 작업을 할 때도 마찬가지로 윈도우나 리눅스 네트워크 스택을 안 쓰고 중간에 빼버려도 되는 절차를 다 생략하는 식의 최적화가 흔하다) 이런 걸 하던 사람들이 AI 한다고 모여서 GPU-GPU 통신을 최적화 한 거라 GPU 간 서버-투-서버 통신을 가속하는 압축/해제 연산을 위해 H800 GPU의 SM 132개 중 20개 정도를 통신 전담으로 재구성하고, GPU가 계산하는 동안 백그라운드에서 InfiniBand로 데이터를 보내고 받는 DualPipe 기술을 개발했다. 이런 하드웨어 튜닝으로 All-to-All 통신 오버헤드를 거의 0에 가깝게 줄여서 GPU의 75%가 통신 대기로 낭비되는 일반적인 상황과 달리 GPU 활용률을 거의 100%에 가깝게 끌어올려 적은 GPU로도 4배 이상의 효과를 냈다고 이야기하고 있다.
네트워크 말고 계산적으로도 재미있는 부분이 많은데 포워드-백워드 전부 NVIDIA 칩이 제공하는 FP8 포맷 중 한 가지(E4M3)으로 통일한 후, 낮은 정확도로 인해 생기는 누적 오차는 4번 곱할때마다 TF32로 역변환해서 보정하는 식으로 FP8 연산을 적극 활용하고, 순방향/역방향 계산을 overlap 해서 GPU가 쉬는 시간을 최소화하고, 불필요한 중간계산값은 메모리에 저장하지 않고 필요할 때 재계산하는 등 메모리 사용량을 줄이는 최적화도 했다. 그 결과 DeepSeek는 GPU 인터커넥트 인프라 없이도 GPU 훈련 변수비용을 80억 원 정도로 낮출 수 있었다. 물론 그 이면에는 (소문이 사실이라면) 이미 2조 원 규모의 고정비용이 숨어 있지만 말이다.
## 미중 갈등 속에서 DeepSeek이 가지는 의미
두 번째 질문은 미중 갈등에 대한 건데, 중국을 무슨 갑자기 하늘에서 떨어진 충격으로 보는데 사실은 엄청난 규제를 걸어서 키운 시장이다. 한때는 300개가 넘는 LLM 회사에 200개가 넘는 파운데이션 모델이 쏟아져 나왔다. 그 중 대부분은 Llama를 파인튠하고 택갈이해서 파운데이션 모델 만들었다고 주장하던 터라, 중국 정부가 게임 판호 만들듯이 AI 판호제를 도입해서 10여개 사만 허가해 주고 나머지는 다 정리했다. 판호를 내 줄 때는 기술 관련 인증도 있지만 가드레일이 국가 기준을 따랐는가 부터 사업할 자본이 충분한지 등 다양한 면을 ‘종합적’으로 봐서 국가에서 사업 허가를 내 주었다. 결국 판호를 받은 회사들은 기술력과 자본력이 있으면서도 중국 정부의 정책과 잘 얼라인된 회사들이다. 중국 전기차 시장이나 배터리 시장과 비슷한 발전 양상인데, 중국 국내에서 엄청나게 경쟁시키고 살아남은 곳들은 강해져서 해외까지 나가게 되는 패턴이다.
이 과정에서 살아남은 AI LLM 기업들은 미국, 유럽의 AI 스타트업들과는 차원이 다른 생존 경쟁을 경험했다. 판호를 받은 기업들은 3억명에 가까운 중국내 액티브 유저 시장을 놓고 경쟁해야 하므로 기술 뿐 아니라 사업적으로도 규모가 크다. 일례로 바이트댄스의 경우 10만 장 이상의 GPU를 보유한 것으로 추정된다.
이러한 환경에서 중국의 AI 기업들은 단순히 정부의 지원이 아니라, 극심한 경쟁과 최적화 경험을 통해 글로벌 경쟁력을 갖추게 되었다. 경쟁 상황 속에서 중국 회사들이 서로 모델을 발표하면 곧바로 대응하는 방식은 OpenAI와 구글 간의 경쟁과 유사한 양상을 보인다. 그런 곳에서 살아남은 회사들인 이유로, 중국 AI 기업들은 미국이나 유럽 AI 모델들을 기술적으로는 존중하지만 경쟁력 차원에서는 자기 발 아래로 생각하는 경향이 있다. DeepSeek 은 비교적 최근에 그 흐름에 뛰어든 회사다. 알리바바가 Qwen을 오픈 모델화 하면서 국내외적 명성을 얻은 것과 같은 방법론을 채택하고 있다.

한편, 미국의 GPU 수출 규제는 효과적인 견제가 되지 못했다. 바이든 행정부는 칩의 총 연산 성능(FLOPS) 기준으로 규제를 걸었지만, 엔비디아는 이를 우회하여 H100의 성능을 낮춘 H800을 중국에 공급했다. 그런데 H800이 딱히 싸지도 않다. H100과 H800의 실판매 가격은 동일하다. H800은 대중 수출 규제를 피하고자 통계용 성능을 낮추는 몇가지 변경의 결과로 FP32와 FP64 성능이 H100 대비 1/20로 줄어든 대신, FP16과 FP8 성능은 동일하다. 그런 고로 16비트 이하 연산으로 훈련하는 Meta의 Llama나 DeepSeek의 DeepSeek-V3는 실질적인 제약을 받지 않았다. NVLink를 통한 칩간 커뮤니케이션은 막혀있지만 그건 MoE 로 단일 모델 크기를 일정 정도 이하로 줄여서, 하나의 모델을 여러 GPU로 쪼개 올려 훈련할 필요를 아예 막아서 우회했다. 즉, 규제는 걸렸지만 실질적으로 LLM 훈련에는 차이가 없었다. 비슷한 사례로 A100과 A800도 있는데, 두 제품은 사실상 동일한 칩이며, NVLink 스피드 감소와 함께 약간의 언더클럭을 적용한 차이가 난다. 미국의 제재 규칙이 AI 전문가에 의해 정해진 것이 아니라, 슈퍼컴퓨팅 중심의 FLOPS 규제 관점에서 이루어졌기에 이 같은 허점이 생긴 것으로 보인다.
모델 개발 비용은 계속 줄어들고 있어서 2년 늦게 시작하면 10~20분의 1 비용으로 2년전 모델을 개발할 수 있다. 작년부터는 데이터도 장벽이 되지 않는다. 일반언어 합성데이터 분야는 개인적으로는 2024년 4월을 기점으로 끝났다고 본다. Llama 3가 405B 모델을 내 놓으며 합성 데이터 생성용으로 쓰라고 구체적으로 언급했고, 바로 엔비디아가 MegatronLM 405B를 내놓으면서 합성 데이터는 마음껏 생성할 수 있는 대상이 되었다. 어떤 희한한 프롬프트로 가이드를 하느냐에 따라 인간이 만든 데이터보다 더 풍부한 합성 데이터를 AI가 만들어 낼 수 있게 된 상황이다. 이런 상황에 OpenAI 모델을 데이터 합성에 쓴것이 아니냐는 지적은 핀트가 맞지 않는다. 훈련에 많이들 쓰는 데이터 소스인 ShareGPT 자체가, OpenAI 가 관련 조항 만들기 전에 사용자들이 ChatGPT로 생성해서 공유한 데이터 셋이다.
그러면 왜 미국이 이제서야 부랴부랴 저런 대응을 할까? AI 기술이나 코드 공유는 대부분 GitHub을 통해 이루어지는데, 중국은 GitHub을 막고 자체적인 오픈소스 저장소인 Gitee를 운영하고 있다. 소비자 시장도 갈리는 상황이라 그냥 중국 사정에 어두웠던 것이 아닌가 하는 생각이 든다. 감은 있었는데 이정도일줄은 몰랐다- 정도가 적당할 듯 하다. 그래서 지금의 DeepSeek 쇼크는 미국의 대중 GPU 수출 규제(?)를 뚫고 만들어낸 모델의 성능과 레시피가 가져온 쇼크도 있지만, 개인적으로는 DeepSeek 서비스를 앱스토어를 통해 바로 사용할 수 있게 되며 만들어진 쇼크로 본다. 이 이야기는 세번째 질문에 대한 답변으로 이어지겠다.
## 대한민국의 대응
AI 분야는 경쟁 보호를 위한 지역적 해자를 만들거나 자연히 생기기가 어려운 분야다. 미국의 DeepSeek 쇼크는 미국 앱스토어 1위가 상징적으로 보여준다. 사용자는 애초에 AI가 어느 나라에서 만들어졌는지를 따지지 않았다. 중요한 것은 AI의 기능이 얼마나 뛰어난지, 가격이 경쟁력이 있는지, 그리고 얼마나 쉽게 사용할 수 있는지에 달려 있다는걸 앱스토어 차트가 보여주었다. 미국 소비자들은 중국산 모델이 일대일로를 얼마나 긍정적으로 말하는지에는 큰 관심이 없었다. 정리해 보자면, 이번 DeepSeek 쇼크에서 배워야 할 것은 소비자 AI 분야에서는 기능, 가격, 접근성 이 세가지가 가장 큰 요소고 나머지는 모두 사변적이라는 점이다. 기능과 가격 면에서 DeepSeek의 등장은 AI 산업이 급격한 비용 구조 혁신과 기술적 최적화 부분에 아직 기술적으로 접근할 공간이 많이 남았음을 알려준다.
또한 한국이 AI 산업에서 어떤 길을 가야 하는지에 대한 근본적인 질문을 해 볼 시점이기도 하다. 모방과 추격으로는 글로벌 경쟁에서 살아남을 수 없음이 갈수록 명확해지고 있으며, 동시에 기존의 '소버린 AI' 전략이 현실적인지에 대한 의문이 들기 때문이다. (국가가 아닌) 소비자 레벨에서는 '중국'의 모델이 '미국'에 제공되는데 소버린은 아무 장벽이 되지 못했다는걸 보게 되었다. 독도가 대한민국 땅이라고 나오는 AI는 한국에서는 의미가 있지만, 글로벌 시장에서는 해자가 되지 않는다. 글로벌 모델들이 독도에 대해 대한민국 모델과 다른 이야기를 하면, 국산 모델만 그 이야기를 하는 것이 장기적으로 무슨 의미가 있겠는가? 프랑스의 Mistral 모델은 불어를 잘해서 뜬게 아니라, 영어도 한국어도 잘 해서 뜬 모델이다.
한국이 AI 산업에서 주도권을 가지려면, 국내 시장을 목표로 하는 것이 아니라 세계 1위를 목표로 하는 길밖에 없는 상황이 되었다. 사실 원래부터 산업은 그랬다. 현재 한국이 강점을 가진 산업을 꼽아보면 가전, 조선, 반도체 등인데, 이 산업들은 최소한 세계 1위~3위 자리를 차지하고 있다. 이 분야들 이외에 과거 한국이 경쟁력을 확보했던 분야들은 결국 글로벌 시장에서 1위를 했던 분야들이다. AI도 산업인 이상 예외가 아니다. 한국이 의미 있는 AI 산업을 유지하려면, 글로벌 1위 전략을 목표로 설정해야 한다. AI는 지역적 장벽을 칠 수 없는 분야라서 적어도 APAC 스케일로 시장을 키워야 한다. 2등을 할 자리가 없다.
한국은 알파고 쇼크의 영향으로 다른 국가보다 훨씬 빠른 시점인 2017년~2020년 사이에 AI 분야에 엄청난 투자를 진행했다. 하지만 이후 COVID-19 와 함께 AI 모델이 충분히 성숙하기 이전 상업화 모델을 찾지 못한 결과 투자 정당화에 실패했고, 그 반동으로 지금은 과도하게 투자가 움츠러든 상황이다. 당장 기반 모델 (foundation model) 개발에 투자가 어렵다면, 글로벌 AI 시장에서 살아남기 위해 기반 모델을 오픈소스 모델에 의존하더라도 그걸 이용해 특정 산업에 특화된 버티컬 멀티모달 기반 모델을 개발하거나, 특정 도메인에서 독보적인 경쟁력을 확보하는 것부터 시작해야 할거다. 언어 데이터가 아닌 다른 특화 데이터가 필요한 분야들에는 기회가 많이 남아있다. 그렇게 만든 버티컬 파인튜닝 모델 또는 추가 훈련된 기반 모델들은 해당 회사의 경쟁력이 될 수 있고, 사업화까지 연동하기 더 유리하다. 이후 성공사례들이 나오고, 일반 기반 모델들이 이어져 나오게 될 것이다. 시간이 흐를수록 훈련 비용은 기하급수적으로 낮아지며, 소프트웨어 최적화가 그 정도를 조금 더 끌어내리고 있는 중이다.
## OpenAI 와 NVIDIA
네번째 질문에 대한 대답. OpenAI가 앞으로 원하는 밸류로 투자 유치를 할 수 있을까? 하는 질문이 있었다. OpenAI를 대박난 맛집에 비유해보자. 레시피를 아무도 모른다. 하지만 맛있다. 그런데 DeepSeek-R1이라고 인터넷에 레시피를 올렸는데, 딱 같진 않은데 생각보다 비슷한 맛을 내기 쉬운거다. 백종원이 사이다랑 깻잎으로 모이또 만들어도 그럴싸하쥬? 하던 그 순간이다. 정확히 똑같진 않아도 비슷한 맛을 낼 수 있게 된 상황이다. 비법이 털린 맛집이 가는 길은 세가지로 정해져 있다. 브랜드 명성으로 버티거나, 체인점으로 가거나, 망하거나. OpenAI가 투자 유치 경쟁하면서 만들어낸 스토리가 이제 의구심을 사게 된 상황이다. OpenAI 는 o3 기반의 새로운 서비스들을 계속 공개해서 시선을 사로잡아 두려고 하겠지만, 복제에 걸리는 시간은 갈수록 짧아질 것이다. OpenAI 라운드 클로징 전의 스토리에서 환상이 좀 걷히고 있는 중이며, 환상이 걷히고 나면 이제 이 기업이 정말 천조원의 가치를 지닌 회사인가에 대한 의문이 들게 될 것이다.

DeepSeek의 레시피가 의미하는게 하나 더 있다. DeepSeek은 증류를 통해 10B 미만의 파라미터를 지닌 모델들의 상태 공간 크기만으로도 reasoning 을 충분히 할 수 있는 것을 보였다. 그리고 그 작은 모델의 구조를 크게 비틀거나 할 필요 없이, 컨텍스트 윈도우 관련 부분 조정이랑 증류 만으로도 충분히 긴 추론 기능을 추가할 수가 있다는 것이 확실해졌다. 너무 간단해서 다들 해 보고 있다. (나조차도 해당 내용 보고 나서 작게 CoT 데이터셋 뽑아내서 바로 파인튠 해 볼 정도였다) 다양한 크기의 모델을 만들고 공개하고 있는 Llama 의 메타와 Qwen의 알리바바에게, 지금까지의 기여 크레딧과 함께 이 회사들이 앞으로 개발할 reasoning 모델의 스케일에 대한 일종의 개발 가이드라인을 준 상황이 된 것으로도 볼 수 있을 것이다.
엔비디아는 DeepSeek을 통해 오히려 더 강력한 독점을 구축할 가능성이 크다. DeepSeek의 기술 기여를 들여다보면, 엔비디아 전용 시스템 콜들을 활용하거나 오버라이드해서 구현해버리는 바람에 회사 엔지니어링 차원에서는 오히려 엔비디아 종속성이 심해졌다. CUDA를 바이패스 했다고 CUDA가 필요없는 게 아니라, DeepSeek이 엔비디아 전문가가 되어 CUDA의 일부 콜들을 PTX를 이용해 오버라이드 하여 엔비디아 GPU를 최적화하고 네트워크 스택을 만들어 올려 사용하고 있으니, 이후 다른 칩으로 갈아타는 비용이 너무 커지고 있는 경우다. 대규모 훈련 칩 경쟁사도 AMD나 인텔밖에 없는데, 그 칩들이 엔비디아 PTX 수준의 칩 의존성이 덜하면서도 안정적인 어셈블리 레벨 시스템 콜을 제공할 가능성은 당분간 거의 없어 보인다.
이와 별도로 앞으로 어떻게 될지는 봐야 알 것 같다. 정치적 상황이 워낙 급변하고 있어서. 예전 같으면 "H800 시리즈로 이런 모델도 만들 수 있다!"며 광고할 엔비디아가, 요즘은 "수출금지 어기고 판 것 아니냐?" 소리 나올까봐 조용하게 있는 것을 보면 더 그렇다. 중국에 공격적으로 판매를 늘리고 싶지만 그게 쉽지는 않은 엔비디아의 2025년 2월이다. 아마 올해 3월 엔비디아의 기술 컨퍼런스인 GTC에서는 FP4/FP8 성능으로 훅 올라간 컴퓨팅 성능 그래프를 보여주며 "트레이닝도 FP8 쓰세요~ 인퍼런스는 FP4!" 로 대대적인 홍보를 할 것 같다. 올해 초 마이크로소프트가 FP4로 실용 인퍼런스 기술을 공개한 것도 함께 묶어, 엔비디아 칩만이 지원하는 FP4라는 스토리로 여러가지 이야기를 하지 않을까 싶다.
## 정리
AI 인프라쪽에 거대하게 펼쳐진 최적화 공간을 모두가 봤다. 앞으로 AI 기술 경쟁은 더 가속화될 것 같고, 소프트웨어 레벨 최적화를 통한 비용 절감 또한 핵심 화두가 될 듯하다. 오픈소스 활용, 하드웨어 최적화 등으로 개발 비용을 줄이는 게 승패를 좌우할 수 있다는 생각을 하게 되었다. 우리나라도 적당한 AI 기술 개발 또는 지역적 AI를 넘어 처음부터 글로벌 경쟁력을 갖추는 데 몰두해야 한다. 성능과 비용, 접근성을 모두 높이는 전략으로 버티컬 시장을 바로 타겟팅할 필요가 있다. NVIDIA의 독점은 당분간 계속될 테고, 오픈AI도 아직은 시장의 신뢰를 받고 있지만 DeepSeek 같은 사례들이 계속 나오면 전망이 흔들릴 것이다. 엄청 재미있는 시간이 열리고 있지만, 그만큼 피로하고 위험한 시간이기도 하다. 누구도 정답이 없는 폭풍 가운데의 상황이라 계속 예의주시하며 빠르게 전략을 세우고, 지속적으로 계속 수정해 나가는 방법밖에 없는 시기다.

신정규님

인공지능(AI), 우수 첨단소재 등 10대 국방전략 기술에 2027년까지 3조 원 이상을 투자하는 등 방위산업 수출 지원을 강화하겠다고 밝혔다. 방산 소재·부품 분야 우수 중소기업엔 글로벌 공급망 편입을 위해 업체당 최대 50억 원을 2년간 지원한다.

방산 업계의 건의를 수용해 180일 범위에서 특별연장근로시간제도를 적극적으로 활용하도록 할 방침이다. 특별연장근로 인가제도는 재해·재난, 업무량 폭증 등 특별한 사정이 있을 때 노동자 동의와 고용노동부 장관 인가를 받아 주 최대 64시간까지(연간 최대 180일) 일할 수 있도록 한 제도

어디서부터 한국의 이런 근면성실함이 망가졌는지 모르겠지만, 이건 개인적으로, 사회적으로, 그리고 국가적으로, 대대적으로 고쳐야 하는 악성 코드이자 버그다. 주 52시간 꼬박 지키고, 워라밸 다 챙기면 우린 국가적으로 계속 후퇴할 것이다. 그동안 쌓아놓은 체력이 있어서 그나마 한국의 위상을 지키고 있지만, 덜 일 하고, 더 많이 노는 문화와 태도가 아예 정착되면 한국은 유럽이 가고 있는 길을 그대로 가게 될 것이다. 꽤 강대국이었던 유럽 대부분 국가는 아주 빠르게 내리막길을 가고 있는데, 나는 그 근본적인 이유가 바로 유럽인들의 게으름이라고 생각한다. 일은 더 안 하고 정부에 요구하는 건 더 많아지면서, 이들은 여름휴가를 한 달 이상 가고, 세 시간 점심시간에 와인 한 병씩 먹으면서 삶의 질이 좋다고 하지만, 이건 오래 가지 못한다. 나라가 망하면 삶 자체가 없어지는데, 이걸 모르는지 아니면 그냥 될 대로 돼라 마인드인지 잘 모르겠다.

https://www.thestartupbible.com/2025/02/we-dont-want-to-follow-europes-downfall.html?fbclid=IwY2xjawIW2wJleHRuA2FlbQIxMQABHb32fg-1pqnzQxB0Y3CV4OnDejTosO7fF9Pxy0X1iCOdxCfhnGP3uAPkyA_aem_2s-82mkCfPyphGK7s8zkEA

https://youtu.be/gQPlhycLmMk

1. 수직 통합의 중요성
가치 포착(Value Capture)의 문제:

과거의 혁신(예: 증명된 과학 이론, 초기 산업 혁명 기술 등)에서는 사회 전체에 큰 가치를 창출했음에도 불구하고, 발명가나 과학자들은 그 가치의 거의 대부분을 포착하지 못했습니다. 피터 틸은 과학자들이 자신의 혁신이 결국은 보상받을 것이라는 환상을 가지고 있다고 지적합니다.
반면, 수직 통합된 기업은 여러 생산 단계와 부문을 하나의 조직 내에 통합하여 전체 가치 사슬을 장악함으로써 창출된 가치를 상당 부분 확보할 수 있습니다.
경쟁의 한계 극복:

전통적인 산업에서는 경쟁이 치열해져 혁신적인 아이디어라도 결국 가격 경쟁이나 마진 압박에 시달리게 됩니다. 예를 들어, 초기 철도나 자동차 산업에서 수많은 경쟁자가 있었지만, 결국 수직 통합을 통해 독점적 지위를 확보한 기업들(예: 포드, 스탠다드 오일)이 남아 가치 창출에 성공했습니다.
수직 통합은 복잡한 부품과 여러 단계를 하나로 묶어내어, 경쟁자들이 쉽게 모방하거나 견제할 수 없는 독자적인 생태계를 구축합니다.

2. 수직 통합의 개념
수직 통합이란?
수직 통합은 생산의 여러 단계를 한 기업이 직접 관리하고 운영하는 구조를 말합니다. 즉, 원자재 확보부터 생산, 유통, 판매까지 전 과정을 내부에서 처리하여 외부 업체에 의존하지 않는 것입니다.

복잡한 조정과 통합:
성공적인 수직 통합은 여러 개의 독립적인 부문들을 효과적으로 조정하고 결합해야 합니다. 이는 단순히 한 부분의 혁신이 아니라, 전체 생산 과정과 공급망을 통합하여 “하나의 유기체”처럼 작동하게 만드는 것을 의미합니다.
이러한 통합 구조를 갖추면, 제품의 품질과 성능을 최적화할 수 있으며, 비용 효율성을 극대화할 수 있습니다.


3. 수직 통합이 중요한 이유

가치 포착 강화:
수직 통합을 통해 기업은 여러 독립적인 부문들이 각각 작은 가치만을 가져가는 단편화를 극복하고, 혁신을 통해 창출된 총 가치의 상당 부분을 획득할 수 있습니다.

하청업체와의 경쟁 감소:
많은 대형 항공우주 기업들은 독점적 이윤을 청구하는 단일 공급 하청업체에 의존합니다. 반면, 수직 통합된 기업은 이러한 외부 하청업체에 의한 이윤 분산을 피할 수 있습니다.

소프트웨어와 하드웨어의 규모의 경제:
틸은 소프트웨어가 낮은 한계 비용 덕분에 엄청난 규모의 경제를 실현할 수 있다고 강조합니다. 소프트웨어와 하드웨어가 원활하게 통합되면, Tesla나 SpaceX와 같은 기업들이 수직 통합 구조를 통해 빠른 채택과 높은 수익성을 달성한 사례가 이를 뒷받침합니다.

복잡한 조정이 경쟁 우위의 방어벽 역할:
다양한 프로세스를 성공적으로 조율하는 수직 통합은 강력한 경쟁 모트를 형성합니다. 틸은 이 모델이 오늘날에도 “덜 탐구되고 있다”고 지적하며, 이를 통해 기업들이 빠르게 혁신하면서도 높은 비율의 가치를 포착할 수 있다고 제안합니다.

4. 현대의 사례와 수직 통합의 효과

엘론 머스크의 사례:
피터 틸은 Tesla와 SpaceX를 예로 들며, 이들 기업이 수직 통합된 구조를 통해 기존의 산업 구조를 전복하고 큰 성공을 거둔 사례를 강조합니다.
Tesla는 자동차 제조뿐 아니라 유통 채널까지 자체 통제하며, SpaceX는 로켓 생산에서부터 발사까지 전체 과정을 내부에서 운영함으로써 혁신과 비용 절감, 그리고 높은 마진을 실현했습니다.
방산 분야에서의 의미:
기존 방산 기업들은 주로 정부의 맞춤형 일회성 제품 계약(비용 가산 계약)에 의존하는 반면, 수직 통합을 통해 제품과 서비스를 반복적으로 업데이트하고 상업용 제품처럼 운영할 경우, 훨씬 유연하고 빠른 혁신이 가능해집니다.
수직 통합된 기업은 R&D, 제조, 판매, 서비스 등 전 단계에서 비용을 절감하고 효율성을 높여, 결과적으로 시장에서 경쟁 우위를 확보할 수 있습니다.

인더스트리얼 투자의 선두 주자, 8090 Industries

8090 Industries는 미국의 산업 재건이라는 거대한 흐름을 일찍부터 포착, 미국이 주도하는 새로운 산업 혁명에 대한 투자를 기치로 내건 펀드입니다. 맨하탄 프로젝트를 주도한 J. 로버트 오펜하이머의 손자가 실제로 펀드에 자문역으로 참여하며 유명세를 타기도 했었죠. 이들의 투자 포트폴리오는 현재 아메리칸 다이나미즘으로 대표되는 미국 인프라 딥테크 투자의 현주소를 잘 보여줍니다.

1️⃣ Oklo
샘 알트만이 투자한 원자로 기업으로 유명세를 치른 Oklo는 8090 Industries의 대표적인 초기 투자기업입니다. 2024년 스팩 상장에 성공하여 현재 약 9조 원 가까운 시가총액을 기록하고 있습니다.

최근에는 데이터센터 기업 Switch와 세계 최대 규모인 12GW의 청정에너지 공급 계약을 체결하며, AI 및 데이터 인프라의 안정적인 전력 공급을 위한 핵심 파트너로 부상하고 있습니다.

2️⃣ Infinium
선도적인 e-fuels 생산 기업 Infinium은 최근 브룩필드 자산운용 주도로 진행된 시리즈 C 라운드에서 11억 달러의 자금을 유치하며 본격적인 상업 생산에 돌입했습니다. e-fuels는 CO₂와 재생에너지를 정제해 중장거리 운송을 위한 액체 연료를 생산하는 기술로, Infinium은 텍사스에서 세계 최초 상업용 e-fuels 시설을 가동하며 아마존에 연료를 공급 중입니다.

또한 엑슨모빌과 연간 150만 톤 CO₂ 활용 계약을 체결했으며, 아메리칸항공 및 브리티시 에어웨이즈와 대규모 오프테이크 계약도 확보했습니다. 향후 연간 8,400만 갤런의 e-fuels 생산을 목표로 확장 중이며, 기존 화석연료보다 저렴한 비용으로 공급할 계획입니다.

3️⃣ Armada
Aramco, Armada, Microsoft Launch First Industrial Cloud
8090 Industries의 또다른 포트폴리오 기업 아르마다는 사우디 아람코 및 마이크로소프트와 협력해 세계 최초의 산업용 분산 클라우드를 공급에 나섰습니다. 기존 산업 현장의 데이터 활용 한계를 극복하며, AI를 엣지 환경에서 실시간 분석·운용할 수 있도록 지원하는 것을 목표로 합니다.

아르마다는 갈레온(Galleon) 엣지 데이터센터와 커맨더(Commander) 소프트웨어를 통해 산업 현장에서 즉각적인 AI 기반 인사이트를 제공하며, 초저지연 클라우드 컴퓨팅 및 위성 연결까지 지원하며 AI 전환을 통한 산업 혁신의 새로운 기준을 제시할 것으로 기대됩니다.

미국의 새로운 산업 지도
미국의 부통령 J.D. 반스의 고향이기도 한 오하이오 주는 미국 산업 재건의 상장과도 같은 곳이 되었습니다. 디펜스 테크의 선두주자 안두릴(Anduril)이 현재 건설 중인 10억 달러 규모의 'Arsenal-1' 공장은 500만 평방피트 규모로, 2030년까지 4,000명의 엔지니어를 고용해 자율 무기 시스템을 생산하게 됩니다.

같은 주에 위치한 조비 에비에이션(Joby Aviation) 또한 5억 달러를 투자해 eVTOL 생산 공장을 짓고 있습니다. 한때 '러스트 벨트'로 불리던 이곳이 첨단 방산과 항공우주 산업의 중심지로 변모하고 있는 것입니다.

'프로젝트 스타게이트'는 두 말이 필요 없습니다. 5,000억 달러라는 천문학적인 투자금이 미국 전역의 AI 데이터센터 건설에 투입될 예정입니다. 텍사스 애빌린에 첫 번째 캠퍼스가 이미 착공됐고, 19개에 달하는 주 정부가 추가 부지 유치를 위해 경쟁하고 있습니다. "중국과의 AI 경쟁에서 승리하기 위한" 이 프로젝트는 마치 1960년대 주간고속도로 건설처럼, 이번에는 디지털 인프라가 미국을 새롭게 연결하게 될 것입니다.

남부 지역도 예외는 아닙니다. 전 테슬라 CTO JB 스트라우벨이 설립한 배터리 재활용 기업 레드우드매터리얼즈는 사우스캐롤라이나에 35억 달러를 투자해 배터리 재활용 및 소재 생산 시설을 건설하고 있습니다. 총 600에이커 규모의 이 '캐롤라이나 캠퍼스'는 주 역사상 최대 규모의 경제 개발 프로젝트로, 1,500개의 일자리를 창출할 예정입니다. DOE의 20억 달러 대출 약정은 이 프로젝트가 단순한 공장 건설이 아닌, 미국의 배터리 공급망 재건을 위한 전략적 투자임을 보여줍니다.

이처럼 미국 전국 각지에서 진행되는 대규모 산업 시설 건설은 AI보다 더 큰 변화를 가져올 새로운 산업 혁명의 신호탄입니다. 스페이스X의 스타베이스(텍사스), 붐슈퍼소닉의 초음속 제트기 공장(노스캐롤라이나), 커먼웰스 퓨전의 핵융합 실증 플랜트(매사추세츠) 등, 한때 정부나 대기업만이 가능했던 규모의 산업 프로젝트들이 이제는 스타트업들의 주도로 속속 진행되고 있는 것입니다.

새로운 제조업의 시대가 온다
"미국의 제조업은 죽었다"라는 말은 이제 옛날이야기가 되어가고 있습니다. 최근 연구에 따르면 글로벌 무역의 25%가 향후 3년 내에 재편될 것으로 예측됩니다. 더욱 놀라운 것은 미국 제조업 기업의 82%가 이미 해외 생산기지를 본국으로 이전했거나 이전을 진행 중이라는 사실입니다. 이는 단순한 트렌드가 아닌, 글로벌 제조업의 패러다임 자체가 변화하고 있음을 보여줍니다.

특히 주목할 점은 노동비용의 중요성이 급격히 감소하고 있다는 것입니다. 중국의 제조업 임금은 지난 10년간 매년 10-15%씩 상승했고, 자동화 기술의 발전으로 전체 제조원가에서 인건비가 차지하는 비중은 20% 미만으로 떨어졌습니다. 더 이상 저임금을 찾아 공장을 이전하던 시대는 저물어가고 있는 것입니다. 대신 기술력, 공급망 안정성, 그리고 혁신 역량이 새로운 경쟁력의 핵심이 되고 있습니다.

로켓을 만드는 공장, 스타팩토리 (Starfactory)
이제 국내 제조기업들도 선택의 시간이 다가오고 있습니다. '밀착 서비스', '빠른 추격자', '가성비'에 기반한 수출 주도, 그리고 소재 부품 중심의 사업도 한계에 다다르는 모습입니다. AI 경쟁이 새로운 시장을 차지하기 위한 경쟁이라면, 미국이 주도하는 새로운 제조업 패러다임은 제조업 기반의 국내 경제의 기반을 뿌리부터 흔들 수 있는 더욱 근본적인 변화를 예고하고 있습니다. 아메리칸 다이나미즘이 가져올 새로운 산업 혁명의 파고는, 우리가 예상했던 것보다 훨씬 더 크고 근본적인 도전이 될 것입니다.

250211_Exclusive: OpenAI set to finalize first custom chip design this year

https://www.reuters.com/technology/openai-set-finalize-first-custom-chip-design-this-year-2025-02-10/

(1) Reuters에 따르면 OpenAI는 올해 첫 ASIC 설계를 최족 확정 예정이라고 알려짐

(2) 수 개월 이내에 첫 번째 자체 칩의 설계를 마무리하고, 이를 TSMC에게 테이프아웃을 예정

(3) OpenAI, TSMC 모두 공식적인 입장을 내놓고 있지는 않았으나, '26년 부터는 양산에 돌입할 것이라는 내부 소식통
*TSMC의 3nm 공정 기술을 사용해 제조할 것
**또한 해당 칩은 Systolic array 아키텍처와 HBM 탑재를 특징으로 하며, 이는 NVIDIA AI GPU에서 동일하게 사용되는 구조인 것으로 알려짐

(4) 내부에서는 첫 번째 칩을 Training용 전용 칩으로 보고 있으며, 이는 OpenAI가 다른 칩 공급업체들과의 협상력을 높이는 전략적인 수단으로 활용할 것이라고 보고 있음

(5) 또한 해당 ASIC은 AI 모델 학습(Training)과 추론(Inference) 모두 수행할 수 있지만, 초기에는 제한된 규모로 배포될 예정이며, 향후에는 추론(Inference)에 중심적으로 사용될 것

(6) 초기 칩이 만약 성공적으로 제조될 경우, 점점 더 성능이 향상된 AI 프로세서를 개발하고 이를 NVIDIA의 제품의 대체재로 만들어 나갈 것

(7) 현재 OpenAI가 올해 안에 설계를 완료하고, TSMC에게 테이프아웃을 으뢰하는 계획은 업계 기준으로도 엄청나게 앞서나가고 있음을 시사

(8) OpenAI의 칩 설계는 Richard Ho가 이끄는 자체 개발팀이 담당하고 있으며 현재 팀 규모는 40명 수준으로 알려짐

(10) Richard Ho는 이전에 Google에서 AI 칩을 주도했던 엔지니어 출신으로 1년 전에 OpenAI에 합류함

(11) OpenAI는 현재 Broadcom과 협력해서 칩을 개발 중이며라는 이야기는 이는 작년부터 계속 이야기가 나왔었던 것이지만 생각보다 진전 속도가 빠른 듯

1. AI 에이전트의 가능성

1.1. 고객 지원 업무의 혁신 및 효율화
24시간, 다국어 지원:
AI 에이전트는 휴먼 에이전트에 비해 24/7 운영이 가능하며, 여러 언어로 서비스를 제공할 수 있어 글로벌 고객 지원에 큰 이점을 제공합니다.
예시: Clara의 고객 지원 사례에서 35개 언어, 23개 시장에서 동시 운영된 점이 언급됨.

응답 속도 및 고객 만족도 향상:
AI 에이전트는 평균 처리 시간이 인간에 비해 크게 단축됩니다(예: 2분 내 문제 해결 vs. 11분).
이로 인해 고객 만족도 및 재문의율 감소 등 긍정적인 성과를 창출합니다.

비용 및 인력 절감:
대규모 고객 지원 팀을 운용하는 기업에서 AI 에이전트를 도입함으로써, 운영 비용을 절감하고 인력 배분(예: 65명의 에이전트 대체 효과)을 최적화할 수 있습니다.

1.2. 투명성과 통제 가능성

의사 결정 과정의 투명성:
Decagon이 강조한 점 중 하나는 “블랙박스”가 아닌, 에이전트의 데이터 활용, 의사 결정 로직 등을 고객이 확인할 수 있도록 하는 점입니다.
이는 관리자나 고객사가 에이전트의 결과에 대해 신뢰를 가질 수 있게 합니다.

인간-기반 피드백 및 모니터링:
AI 에이전트가 수행한 작업을 사람이 실시간으로 모니터링하고 피드백을 제공할 수 있는 구조(예: 오케스트레이션 레이어)를 구축함으로써, 지속적인 개선과 안정적인 운영이 가능합니다.

1.3. 기술적 확장 및 커스터마이징

오케스트레이션 레이어의 역할:
모든 기업이 동일한 LLM(대형 언어 모델)을 사용하는 가운데, Decagon은 여러 모델을 조합하고 평가(Eval)하여 고객의 비즈니스 로직에 맞춘 “맞춤형” AI 에이전트를 구축하고 있습니다.

멀티모달(음성, 텍스트 등) 지원 가능성:
단순 텍스트 응대뿐만 아니라, 음성 인식 및 합성 기술(예: 11 Labs, OpenAI, Google 등)의 발전을 활용해 음성 기반 고객 지원 에이전트로 확장할 수 있는 잠재력을 보유합니다.

2. AI 에이전트의 한계 및 도전 과제

2.1. 모델의 불확정성과 신뢰성 문제

비결정론적(Non-deterministic) 특성:
현재의 AI 모델은 완벽한 일관성을 보장하지 않기 때문에, 특히 보안이나 규제가 중요한 분야에서는 미세한 오류도 큰 위험으로 작용할 수 있습니다.

초기 완성도 요구:
일부 산업에서는 ‘거의 완벽한’ 초기 성능이 요구되는데, 현 상태의 모델은 아직 이러한 수준에 미치지 못하는 경우가 많아 상업적 도입에 제약이 따릅니다.

2.2. 음성 기반 인터페이스의 지연(latency) 문제

음성 → 텍스트 → 처리 → 음성 변환 과정:
음성 인식과 합성 과정을 거치면서 발생하는 추가 지연(latency)은 사용자 경험에 부정적인 영향을 미칠 수 있습니다.
– 해결 방안: 일부 기업은 스트리밍 방식 등으로 지연을 최소화하려는 방법을 모색 중이나, 여전히 개선이 필요한 부분입니다.

2.3. 인간의 감독 및 보완 필요성
코파일럿(co-pilot) 역할:
많은 경우, AI 에이전트는 완전한 자율 운영보다는 인간 전문가의 감독과 보완(피드백 및 편집)이 필요합니다.
– ROI 측정의 어려움: 이러한 협업 체계에서는 AI가 창출하는 가치를 정량적으로 평가하기가 어려워, 비용 대비 효율성을 정확히 판단하기 어렵습니다.

2.4. 오케스트레이션 및 시스템 복잡성
맞춤형 소프트웨어 구성의 초기 단계:
각 에이전트가 수행해야 하는 역할에 따라 오케스트레이션 레이어와 주변 소프트웨어를 커스터마이징해야 하는데, 이는 기술적 복잡성과 개발 비용을 수반합니다.

다양한 인텔리전스 유형의 필요성:
고객 지원에서는 ‘instruction following(지시사항 준수)’ 능력이 중요하지만, 일부 영역에서는 수리적/코딩 능력과 같이 다른 인텔리전스 유형도 필요할 수 있으며, 모든 분야에서 동시에 최적화된 모델을 구축하기는 어렵습니다.

시장 역학 및 ROI 고려사항

정량화 가능한 이점:
Decagon의 제품은 시간 절감, 비용 절감, 고객 만족도 향상 등 측정 가능한 개선을 제공합니다. 고객 지원은 고용량 데이터 중심의 기능이기 때문에, 해결 시간 단축과 고객 만족 점수 개선 등의 지표를 통해 ROI를 쉽게 산정할 수 있습니다.

채택 도전 및 점진적 도입:
AI 에이전트의 잠재력은 엄청나지만, 현재 모델의 비결정성(non-deterministic) 때문에 일부 영역에서의 광범위한 채택은 다소 느릴 수 있습니다. Decagon은 소규모 도입(예: 전체 업무의 1% 처리)으로 시작하여 점진적으로 확장하면서 가치를 입증하는 접근 방식을 취하고 있습니다.

업계 벤치마킹:
고객 지원 분야에서 성공은 AI가 전체 작업 중 어느 정도를 자동화할 수 있는지와 그 결과 고객 만족도가 얼마나 향상되는지에 따라 측정됩니다. 이러한 정량적 기준은 기업이 AI 에이전트에 대한 투자를 정당화하는 데 도움이 됩니다.

미래 전망 및 더 넓은 시사점

고객 지원의 전환:
호스트와 Jesse는 AI 에이전트가 발전함에 따라 고객 지원 업무가 전면적으로 변할 것으로 전망합니다. 텍스트, 음성, 이메일, SMS 등 다양한 채널을 통해 AI 에이전트가 고객과 상호작용하며 기업의 고객 지원 방식을 근본적으로 재편할 것입니다.

작업에 미치는 장기적 영향:
향후 AI 에이전트의 발전은 인간 에이전트의 역할을 크게 변화시킬 것입니다. 인간은 점차 감독, 편집, 최적화 역할로 전환되고, 기본적인 작업은 AI가 수행하게 될 것입니다. 이는 업무의 본질과 생산성을 크게 바꿀 것입니다.

혁신과 반복 개선:
전체적인 주제는 초기 도입이 완벽하지 않더라도 큰 가치를 제공할 수 있다는 것입니다. 기술이 반복적으로 개선되고 발전함에 따라, 다양한 사용 사례에서 AI 에이전트의 잠재력이 완전히 실현되어 경제적 및 운영적 측면에서 상당한 이익을 가져올 것입니다.

https://youtu.be/CvFpEvcIDVM

https://youtu.be/riWB5nPNZEM

2. 에이전트(Agents)의 정의와 유형
에이전트의 정의:
학문적 관점에서 AGI(Artificial General Intelligence) 시스템은 소프트웨어가 자율적으로 추론하고 행동할 수 있는 능력을 의미하며, ‘agency’라는 단어에서 유래합니다.

에이전트의 세 가지 카테고리:

개인 에이전트 (Personal Agents):
사용자의 이메일, 캘린더, 일정 조정 등 개인 업무를 도와주는 에이전트.
이러한 에이전트는 인간-컴퓨터 상호작용과 시스템 통합의 복잡성 때문에 구현에 더 많은 기술이 필요합니다.

페르소나 기반 에이전트 (Persona-based Agents):
특정 업무(예: 법률 서비스, 코딩 업무 등)를 수행하는 에이전트.
좁지만 깊이 있는 기능을 제공하며, 이미 존재하는 벤치마크를 활용할 수 있습니다.

회사 에이전트 (Company Agents):
기업의 디지털 존재감을 대표하는 에이전트로, 고객이 회사 웹사이트에서 경험하는 모든 상호작용(제품 문의, 고객 서비스, 전자상거래 등)을 담당합니다.
Sierra가 집중하고 있는 영역으로, 기업의 브랜드와 고객 경험을 강화하는 역할을 합니다.


3. 기술 인프라 및 제품 설계

핵심 기술 및 오케스트레이션 레이어:

Sierra는 GPT-4, Claude 등과 같은 대형 언어 모델을 기반으로 하며, 이들 모델 위에 고객 지원에 특화된 오케스트레이션 레이어를 구축합니다.
이 레이어는 여러 모델을 통합하고 비즈니스 로직을 관리하며, 결정 과정의 투명성과 설명 가능성을 보장하여 고객이 ‘블랙박스’가 아닌 시스템을 경험할 수 있도록 합니다.

명령 수행 능력:

에이전트가 고객 지원 업무를 효과적으로 수행하려면, 미리 정의된 워크플로우나 표준 운영 절차를 정확히 따르는 것이 필수적입니다.

음성 기능 및 멀티모달 지원:

음성 기반 인터페이스를 통해 고객과의 상호작용을 강화하려는 시도가 진행 중이며, 현재는 텍스트 기반 시스템에 비해 지연(latency) 문제가 존재합니다.
향후 음성, 영상, 아바타 등 다양한 모달리티를 결합한 경험으로 확장할 가능성이 언급되었습니다.

4. 시장 동향 및 ROI (투자 수익률) 고려사항

정량적 이점:

Sierra의 솔루션은 고객 지원 비용 절감, 응답 시간 단축, 고객 만족도 향상 등의 명확한 ROI를 제공합니다.
고객 지원 업무는 대량의 데이터와 상호작용을 기반으로 하므로, 이러한 개선 효과가 쉽게 측정됩니다.

채택 전략:

초기에는 전체 업무의 일부(예: 1% 정도)부터 도입하여 성공 사례를 확보하고, 점진적으로 확대하는 전략을 취합니다.
경쟁과 제품 차별화:

Build vs. Buy(자체 개발 대 외부 솔루션 도입) 결정에 대해, 대부분의 기업이 복잡한 AI 솔루션 구축보다는 전문 벤더와의 파트너십을 선호한다는 점이 강조됩니다.
고객들이 요구하는 것은 높은 투명성과 실시간 피드백을 제공하는 솔루션으로, 이를 통해 고객 경험을 극대화하는 것이 핵심입니다.

5. 미래 전망 및 AI 에이전트의 영향

고객 경험의 혁신:

AI 에이전트가 발전함에 따라, 고객 지원은 단순 문의 응대에서 벗어나 기업의 전반적인 디지털 브랜드 경험을 혁신할 것으로 보입니다.
인간 에이전트는 점차 감독 및 편집 역할로 전환되고, AI가 주도하는 업무 프로세스가 확대될 것입니다.

시장 확장과 응용 분야:

초기 고객 지원 외에도, 법률, 코딩, 분석 등 다양한 분야에서 페르소나 기반 에이전트가 중요한 역할을 할 것으로 전망됩니다.
또한, 대규모 고객 상호작용의 비용을 획기적으로 절감할 수 있어, 다양한 산업에서 AI 에이전트의 도입이 가속화될 것으로 기대됩니다.

제품 개발 및 고객 중심 접근:

Sierra는 고객 인터뷰와 실시간 피드백을 통해 제품을 지속적으로 개선하고 있으며, 고객이 실제로 원하는 가치에 집중하는 전략을 취하고 있습니다.
고객 경험 팀이 직접 에이전트의 성능을 모니터링하고 조정할 수 있도록 투명한 인터페이스와 도구들을 제공하여, 사용자와의 상호작용을 극대화하고 있습니다.

미래의 기술 동향:

스마트폰, 스마트워치와 같이 대중적인 기기를 넘어, 대화형 AI와 멀티모달 상호작용이 확산될 가능성이 언급됩니다.
이러한 변화는 향후 인간과 디지털 에이전트 간의 상호작용 방식을 근본적으로 재편할 것입니다.

주요 주제:

오프로드 자율주행은 도로 주행과는 달리, 지형의 가변성과 관통성이 핵심 과제입니다.
기계 학습 기반의 인식 시스템을 활용하여, 나무나 초목 뒤에 가려진 지형을 예측하고, 안전하게 주행할 수 있는 경로를 찾는 기술 개발의 중요성을 강조합니다.
한 명의 운영자가 여러 대의 차량을 동시에 제어할 수 있는 "포스 멀티플라이어(Force Multiplier)" 효과에 대해 언급합니다.

2. Byron Boots의 배경 및 Overland AI의 창업 동기
개인 배경 및 경력:
- Byron은 컴퓨터 과학과 철학을 전공했으며, Carnegie Mellon에서 기계학습 박사(PhD)를 취득하고 University of Washington에서 기계학습 교수로 재직했습니다.
- 이전에는 DARPA와 미국 육군 연구소와 함께 오프로드 자율주행 관련 연구 및 기술 개발에 참여하였습니다.

창업 동기:
- 학계와 연구 기관에서의 경험이 자연스럽게 군용 자율주행 기술 개발로 이어졌으며, 전투원들이 위험에 노출되지 않고 임무를 수행할 수 있도록 기술을 전쟁터에 전달하는 것을 목표로 삼았습니다.
- DARPA의 Grand Challenge(자율주행 경진대회) 경험을 통해 오프로드 주행의 복잡성을 체험하며, 실제 전장에서 적용 가능한 기술을 개발하고자 하는 동기를 얻었습니다.

3. 오프로드 자율주행의 기술적 특징과 도전 과제

주요 기술 및 센서 활용:

- 오프로드 환경은 도로 주행과 달리, 다양한 지형(구릉, 함몰, 나무, 초목 등)으로 인해 매우 복잡합니다.
카메라와 LIDAR 등의 센서를 활용하여 지형의 특성과 안정성을 파악하고, 어떤 구간은 주행이 가능한지, 어떤 구간은 위험한지를 예측하는 것이 핵심 과제입니다.
- LIDAR는 높은 정확도를 제공하지만, 신호를 외부로 방출하여 적에게 노출될 위험이 있어, 상황에 따라 카메라 기반 인식과의 결합이 필요합니다.
빠른 현장 테스트 및 반복(iteration)의 중요성:

Overland AI는 로봇을 현장에서 실제로 주행시켜 테스트하는 데 집중합니다.
- 로봇이 잘못된 경로로 빠지거나 파손되더라도, 현장 팀이 신속하게 수리하고 소프트웨어 업데이트를 반복하여 기술을 개선하는 것이 "비밀 소스(secret sauce)"로 강조됩니다.

전략적 중요성:

- 오프로드 자율주행 기술은 한 명의 운영자가 여러 대의 무인 차량을 동시에 제어할 수 있게 하여, 전투력 배가 효과(Force Multiplier)를 실현합니다.
- 또한, 전장 내에서 인간을 직접 투입하지 않고 위험한 지역에서 임무를 수행할 수 있도록 해, 병사들의 생명을 보호하는 데 중요한 역할을 합니다.
- 전자전(electronic warfare) 상황에서 통신이 끊겨도 자율적으로 임무를 수행할 수 있는 능력이 전략적으로 매우 중요합니다.

4. 스워밍(Swarming) 및 다중 자산 제어

스워밍 개념:
- 다수의 무인 차량(로봇)이 하나의 제어 체계(예: OverWatch)를 통해 실시간으로 관리되고, 상호 연계되어 작전을 수행하는 개념입니다.
- 이는 실시간 전략 게임(Real-Time Strategy, RTS)과 유사한 방식으로, 한 명의 운영자가 여러 자산을 동시에 배치하여 전투에서의 효율성을 극대화할 수 있도록 합니다.

제어 및 명령 전달
- 자율주행 차량의 오토노미(autonomy) 스택이 각 차량의 센서 데이터를 기반으로 최적의 경로를 계산하고, 운영자가 설정한 목표에 따라 자동으로 주행합니다.
- 스워밍 기술은 DOD의 다양한 임무(정찰, 공격, 전자전 등)에서 한 명의 운영자가 다수의 차량을 효과적으로 제어할 수 있도록 하는 중요한 기술 요소입니다.

5. DOD와의 협력 및 구매 문화

DOD(미 국방부)와의 협력:
- DOD와의 협업은 기존의 긴 프로큐어먼트(조달) 주기와 문화 차이로 인한 어려움이 존재합니다.
- 빠른 소프트웨어 개발 및 현장 테스트를 통한 반복적 개선과, DOD의 느린 구매 사이클 간의 문화 충돌이 발생합니다.
- Overland AI는 이러한 어려움을 극복하기 위해 DARPA 및 DIU와 협력하며, 프로토타입을 현장에 배포해 실제 피드백을 받으면서 기술을 개선하고 있습니다.

전략적 시사점:

- DOD의 전통적인 비용-플러스(cost-plus) 계약 방식 대신, 자율주행 기술의 경우 저렴한 비용으로 다수의 차량을 배치할 수 있다는 점이 강조됩니다.
- 낮은 비용의 무인 차량을 대량으로 운용하면, 전통적인 고가의 전투 차량을 대체하거나 보완할 수 있어 경제적 및 전략적 이점이 큽니다.

6. 미래 전망 및 결론

미래 전투의 변화:
- 오프로드 자율주행 기술이 발전하면, 소규모 부대가 다수의 무인 차량을 효과적으로 운용할 수 있게 되어 전투력 배가 효과가 극대화될 것입니다.
- 위험한 임무(예: 교두보 확보, 폭발물 제거, 적의 방어선을 돌파 등)에서 인간을 대신해 무인 시스템이 투입됨으로써 병사의 생명이 보호될 것입니다.

기술 혁신과 경쟁력:
- Overland AI는 빠른 현장 반복 테스트와 강력한 기계 공학 팀을 바탕으로, 복잡한 오프로드 환경에서도 안정적으로 작동하는 자율주행 시스템을 개발하고 있습니다.
- 이와 같은 기술력과 신속한 문제 해결 능력이 경쟁 우위(secret sauce)로 작용하며, 미래 전장에서의 큰 변화를 예고합니다.

전반적인 결론:

- 오프로드 자율주행 기술은 단순한 도로 주행을 넘어, 전장에서의 전략적 이점을 제공하는 핵심 기술입니다.
- 한 명의 운영자가 여러 차량을 제어할 수 있는 능력은 전투력 배가 효과를 실현하며, 위험 지역에서 병사들의 생명을 보호하는 데 중요한 역할을 합니다.
- Overland AI는 이러한 기술 개발과 빠른 현장 적용을 통해 미래 전쟁의 판도를 바꿀 수 있는 기반을 마련하고 있습니다.

https://youtu.be/3IkwPQedA80

스티브 잡스로부터 배워야 할 가장 중요한 교훈에 대해 피터 틸이 말합니다:

"잡스에게서 배울 수 있는 가장 중요한 교훈은 미학과는 아무 상관이 없습니다.

잡스가 디자인한 가장 위대한 것은 비즈니스였습니다.

Apple은 새로운 제품을 만들고 이를 효과적으로 배포하기 위해 다년간의 명확한 계획을 구상하고 실행했습니다.

1976년 Apple을 창업한 이래 잡스는 포커스 그룹의 피드백을 듣거나 다른 사람의 성공을 모방하는 것이 아니라 신중한 계획을 통해 세상을 바꿀 수 있다는 것을 알았습니다.

장기적인 계획은 무한경쟁의 단기적인 세상에서 종종 저평가됩니다."

1. 시장의 장기 성장 전망
시장 성장 예시:
전자상거래, 유전체학, 암호화폐 등은 초기에는 승자를 정확히 예측하기 어려웠지만, 시간이 지남에 따라 전체 시장이 크게 성장할 것이 분명한 분야들입니다.

2. 인덱스 기업(Index Companies)이란?
정의:
인덱스 기업은 해당 시장 내에서 이루어지는 모든 거래나 활동의 일정 부분(수수료 등)을 챙기거나, 그 시장의 필수 인프라 역할을 수행하는 기업입니다.

특징:

시장 참여의 대리 수단:
개별 우승자를 예측하는 대신, 시장 전체의 성장을 반영하는 기업에 투자함으로써 전체 시장의 성과에 참여할 수 있습니다.

예시:
서구에서 우주 발사를 하려면 거의 필수적으로 SpaceX를 사용해야 하는 것처럼, 특정 분야에서 인덱스 기업은 거의 필수적인 역할을 합니다.

3. 대표적인 인덱스 기업 사례

전자상거래 & Stripe:

Stripe는 오랜 기간 온라인 커머스 스타트업들의 활동을 반영하는 지표 역할을 해왔으며, 현재는 전 세계 온라인 경제의 대표적인 대리 투자 수단으로 볼 수 있습니다.

암호화폐 & Coinbase:

Coinbase는 수백 가지 암호화폐 거래에 대해 일정 비율의 수수료를 취하며, 암호화폐 시장 전체의 움직임을 반영합니다.
기관 투자자들이 직접 암호화폐를 보유하지 않고도 시장에 참여할 수 있는 고품질 대리 투자 수단으로 주목받고 있습니다.

유전체학 & Illumina:

임상 유전체학의 90% 이상이 Illumina 장비를 통해 진행될 가능성이 크며, Illumina 주식은 임상 유전체학 활용의 대리 지표 역할을 합니다.

우주 발사 & SpaceX:

현재 서구의 상업적 우주 발사는 소수의 기업이 담당하며, SpaceX가 그 중 핵심적인 점유율을 가지고 있습니다.
향후 5~10년 내에 우주 발사 시장이 SpaceX와 몇몇 경쟁사(예: Relativity)로 집중될 가능성이 큽니다.

인공지능 & 칩 제조 기업:

AI 분야를 대변하는 가장 좋은 방법은 AI 전용 칩 제조업체를 통한 접근일 수 있습니다.
현재 NVIDIA가 대표적이지만, GPU가 ML 애플리케이션에 최적화되어 있지 않은 점에서, Groq나 Cerebras와 같은 경쟁자들도 주목할 만합니다.

4. 분산된(Fragmented) 인덱스의 경우
예시 - 클라우드 시장:
AWS, Azure, GCP와 같이 여러 기업이 함께 클라우드 시장을 대변하는 경우도 있습니다.
이들은 각각 독립적으로 투자하기 어렵지만, 전체 클라우드 시장의 흐름을 보여줍니다.

5. 미래의 인덱스 기업 가능성
미래 시장 예측:
어떤 시장이나 분야에서 인덱스 기업이 등장할 수 있을지에 대한 추측도 가능합니다.
예를 들어, Substack이 차세대 저널리즘의 인덱스 역할을 할지, Zoom이 원격 근무의 지표가 될지 등을 고민해볼 수 있습니다.

트렌드의 대리:
“어떤 트렌드가 중요한가?”라는 질문을 통해, 특정 트렌드 내의 모든 활동을 대변할 수 있는 기업(예: 3D 프린팅, DeFi 등)을 찾는 관점도 있습니다.

https://blog.eladgil.com/p/index-companies

• 2/12 캐피탈투데이 창업자, 샤오펑 회장, 유니트리 CEO, 모델베스트 CEO, 실리콘플로우 창업자, CHAGEE 창업자 등과 런정페이 화웨이 창업자 비공개 회동. 샤오펑 회장은 sns 통해 ‘런정페이 회장으로부터 기술/기업/문화/거버넌스 분야 다양한 의견 받았다’

>> 벤처투자/전기차/로봇/AI 분야. 중국판 어벤저스

2月12日，第一财经记者获悉，今日资本创始人徐新、小鹏汽车董事长何小鹏、宇树科技CEO王兴兴、面壁智能CEO李大海、硅基流动创始人袁进辉、霸王茶姬创始人张俊杰、努斯学社创始人范晓东等人前往华为，与华为创始人任正非展开闭门交流。今日何小鹏朋友圈发文称：今天很荣幸向任总学习交流！无私，睿智，大道至简的给了很多在科技，企业，文化，治理上的思考和建议。