1. 즉각적이고 막대한 경제적 피해 유발:

시장 반응: 서머스는 관세 정책 발표(또는 위협) 직후 주식 시장이 폭락($3조 손실 언급, 경제 전체로는 $30조 손실로 추정)한 것을 가장 즉각적이고 명백한 증거로 제시합니다. 그는 이러한 규모의 시장 충격은 팬데믹, 금융 위기 등 극히 중대한 외부 사건 발생 시에나 나타나는 현상이며, 정부가 자랑하는 정책 때문에 이런 반응이 나오는 것은 전례가 없고 매우 위험하다고 강조합니다.

경기 침체 위험 증가: 그는 이러한 정책이 경제에 심각한 부담을 주어 경기 침체 가능성을 크게 높인다고 봅니다. 과거 50% 확률로 예측했던 침체 가능성이 관세 정책 강행으로 인해 2/3 또는 3/4까지 높아졌을 수 있다고 언급합니다.

스태그플레이션 유발: 관세는 수입품 가격을 상승시켜 인플레이션을 유발하는 동시에, 경제 활동을 위축시켜 성장을 저해합니다. 이는 스태그플레이션(stagflation), 즉 경기 침체 속 물가 상승이라는 최악의 조합을 초래할 수 있다고 경고합니다. 이는 소비자의 구매력을 약화시키고 기업의 비용 부담을 늘려 경제 전반에 해를 끼칩니다.

2. 경제 논리 및 현실 데이터의 부재:

비논리적 접근: 서머스는 관세 정책, 특히 "상호 관세" 아이디어가 다른 나라의 실제 관세율에 대한 데이터나 분석 없이 즉흥적으로 추진되는 점을 강력히 비판합니다. 이는 경제 정책이라기보다는 비논리적이고 비합리적인 행동에 가깝다고 지적합니다.

"누가 관세를 부담하는가?"에 대한 오류: 서머스는 스콧 베센트 등이 주장하는 "중국(관세 대상국)이 관세 비용을 부담한다"는 주장이 모든 기초 경제학 교과서에 위배되는 터무니없는 주장이라고 일축합니다. 그는 관세는 본질적으로 수입품에 대한 세금이며, 그 부담은 궁극적으로 수입하는 국가의 소비자(미국 소비자)에게 전가된다고 강조합니다.

현실 증거: 그는 자신의 주장을 뒷받침하기 위해 트럼프 행정부 1기 당시 미국 철강 가격이 관세 부과 후 급등하여 자동차 가격 상승으로 이어진 사례를 제시합니다. 이는 관세 부담이 미국 내 소비자에게 전가된다는 명백한 증거라고 주장합니다.

3. 정책 목표 달성 실패 및 역효과:

무역 수지 개선 효과 미미: 만약 베센트의 이론처럼 중국 생산자가 비용을 부담한다면, 미국 소비자에게는 가격 변화가 없어 중국산 제품 대신 다른 제품을 선택할 유인이 거의 없게 됩니다. 이는 관세의 목표 중 하나인 무역 불균형 해소 및 국내 생산 장려 효과를 스스로 부정하는 논리적 모순이라고 지적합니다.

동맹국 타격 및 공급망 교란: 캐나다와 같은 핵심 동맹국이자 공급망의 중요 부분인 국가들에게까지 무차별적으로 관세를 부과하는 것은 자해 행위에 가깝다고 비판합니다. 이는 동맹 관계를 훼손하고 안정적인 공급망을 교란시켜 오히려 미국 경제에 해를 끼친다고 봅니다.

경쟁국(중국)에게 기회 제공: 미국이 동맹국 및 다른 국가들과의 무역 관계를 스스로 악화시키면, 그 틈을 타 중국이 남미, 유럽, 아프리카 등에서 새로운 무역 기회를 얻게 될 것이라고 경고합니다. 이는 미국의 국제적 영향력을 약화시키고 장기적으로 중국을 강화시키는 결과를 초래할 것이라고 주장합니다.

NAFTA와의 잘못된 비교: NAFTA로 인해 어려움을 겪은 제조업 공동체가 있다는 점은 인정하지만, NAFTA가 수조 달러의 부를 증발시키거나 즉각적인 경기 침체를 유발하지는 않았다고 반박합니다. 현재의 관세 정책을 NAFTA의 문제점을 바로잡는 행위로 정당화하는 것은 논리적으로 맞지 않다고 비판합니다.

4. 정부 역량 및 신뢰도 문제:

기본적인 역량 부족: 서머스는 이러한 관세 정책이 경제 정책의 실패를 넘어 정부의 **"기본적인 역량 부족(lack of basic competence)"**을 보여준다고 신랄하게 비판합니다. 그는 이를 군사 작전 계획이 공개 전화선으로 논의되는 것에 비유하며 극도의 비효율과 위험성을 지적합니다.

https://youtu.be/uUoALgOPbJY

트럼프는 거래의 기술에서 “목표를 최대로 세워라” “상대를 당황시켜라” “시간을 제한해라”라고 했습니다. 트럼프는 지금도 일단 센 걸 던져놓고, 얻어낼 수 있는 최대를 얻어내려 하고 있습니다.



* 트럼프는 제조업 비중을 더 높이고 투자를 끌어들이고 달러를 약세로 만들고 싶어합니다. 이 셋은 서로 충돌하기에 트럼프가 이 중 하나를 포기할 거라고 보기도 하던데, 아닐 것 같습니다.



- 약달러를 만드는 방법 -



* 세계에서 가장 큰 경제로 돈이 빨려들어가는 와중에 달러를 약하게 만들려면 더 큰 돈을 내보내야 합니다.



* 트럼프는 2월 국부펀드 행정명령에 서명했고, 베센트 재무장관은 12개월 안에 펀드를 출범시키겠다고 했습니다. 무슨 돈으로 뭘 살 건지 구체적인 내용은 없습니다.



- 돈은 어디서 나오나 -



* 미국 재무부가 갖고 있는 금을 쓴다는 시각이 있습니다. 뉴욕연준 금고에 2.2억온스 금이 있어서 지금 금 가격을 감안하면 7,000억달러 정도 됩니다.



* 관세 수입으로 채운다는 아주 상식적인 주장도 있습니다. 미국이 일년에 4.1조달러를 수입하니까 여기에 20% 관세를 매기면 일년에 8,000억달러 관세를 걷을 수 있습니다.



* 이렇게까지 하지 않아도 그냥 100년짜리 국채를 찍어서 외국에 강매하면 됩니다. 트럼프는 달러 사용료를 내라는 명분으로 이 국채를 팔 계획입니다. 방어선에서 제외한다고 하면 안 살 나라는 없을 겁니다.



- 뭘 사나 -



* 뭘 살 건지는 윤곽이 나와 있습니다. 쇼핑 카드에 담겨있는 것만 1) 틱톡 2) 그린란드 3) 우크라이나 희토류 등등 많습니다.



* 2019년에도 트럼프는 그린란드를 사려고 했는데, 언론에서 최대 426억달러까지 고려하고 있다고 언론에서 보도한 적이 있습니다. 칼만 안들었지 이런 강도가 없습니다.



* 전세계에 싼 부동산들을 찍어뒀나봅니다. 만수르는 FM을 실제로 하지만 트럼프는 브루마블을 실물로 하려고 합니다.

주말 칼럼 “트럼프의 브루마블”

트럼프는 2월 국부펀드 행정명령에 서명했고, 베센트는 12개월 안에 펀드를 출범시키겠다고 했습니다. 쇼핑 카드에 담겨있는 것만 1) 틱톡 2) 그린란드 3) 우크라이나 희토류 등등 많습니다.

https://rafikiresearch.blogspot.com/

대중국 전략 및 관계:

중국의 취약성: 중국 경제는 미국 시장에 대한 의존도가 매우 높기 때문에(잉여 국가(surplus nation)), 미국이 관세를 부과해도 중국이 효과적으로 보복하기 어렵다고 평가합니다. 이는 마치 거액을 빌린 사람이 오히려 은행에 대해 협상력을 갖는 상황과 유사하다고 비유합니다. 또한, 중국 경제 모델 자체가 수출에 과도하게 의존하고 내수가 취약한 역사상 가장 불균형한 구조를 가지고 있으며, 현재 디플레이션 압력 등 내부적인 어려움에 직면해 있어 미국의 압박에 더욱 취약하다고 분석합니다.

트럼프의 역할: 트럼프 대통령의 관세 정책이 중국의 기존 수출 주도 성장 모델의 한계를 드러내고 이를 **"깨뜨렸다(broken)"**고 평가합니다. 이는 중국에게 경제 구조 전환의 필요성을 강제하는 효과를 가져올 수 있습니다.

장기적 재균형 가능성 ('딜'): 단기적으로는 갈등과 압박이 예상되지만, 장기적으로는 미중 양국이 서로의 경제 구조를 조정하는 **전략적인 '딜'(grand bargain)**을 모색할 가능성을 열어둡니다. 이는 미국이 제조업 비중을 늘리고 소비를 줄이는 대신, 중국은 제조업 비중을 줄이고 내수 소비를 늘리는 방향으로 상호 재균형을 이루는 것을 의미합니다. 이 과정에서 군사적, 경제적 경쟁은 지속되겠지만, 보다 안정적이고 공정한 경쟁 환경을 조성할 수 있다는 기대입니다. 이러한 거대한 합의는 최고 지도자 간의 **직접적인 소통 채널(트럼프-시진핑 관계)**이 존재하기 때문에 가능성이 있다고 봅니다.

양자주의 강화: 이는 WTO 등 다자 체제보다는 양국 간의 직접적인 합의와 조정을 중시하는 질서를 시사합니다.

대유럽 관계:

노르트스트림 2 교훈: 과거 트럼프 대통령이 러시아와 독일을 잇는 노르트스트림 2 가스관 건설의 위험성(에너지 안보, 러시아 의존 심화)을 유럽에 경고했지만 무시당했고, 결국 우크라이나 전쟁 이후 그 경고가 현실화되었다는 점을 지적합니다. 이는 유럽(특히 독일)의 정책 판단 착오를 보여주는 사례라고 주장합니다.

유럽 경제 재조정 필요성: 독일을 포함한 유럽 경제 역시 수출에 과도하게 의존하는 불균형한 구조를 가지고 있으며, 이는 더 이상 지속 가능하지 않다고 진단합니다. 과거에는 낮은 유로화 가치와 중국 시장 덕분에 성장했지만, 이제 러시아는 신뢰할 수 없는 에너지 공급원이고 중국은 강력한 경쟁자로 부상했습니다. 따라서 유럽 역시 수출 의존도를 낮추고 내수 시장을 강화하는 방향으로 경제 구조를 재조정해야 할 필요가 있다고 지적합니다.

연준(Federal Reserve) 및 금융 규제:

연준 역할 제한 요구: 연준은 물가 안정과 완전 고용이라는 핵심적인 통화 정책 목표에만 집중하고 정치적으로 독립성을 유지해야 한다고 강조합니다. 그러나 최근 연준이 DEI(다양성, 형평성, 포용성), 기후 변화 대응, 과도한 금융 규제 등으로 역할을 확장하는 것은 오히려 연준의 독립성을 훼손하고 통화 정책 결정에 불필요한 정치적 논란을 야기하여 연준을 취약하게 만든다고 비판합니다.

금융 규제 비판 (SVB 사태): 실리콘밸리 은행(SVB) 파산 사태는 금융 규제 당국(연준 포함)의 실패를 보여주는 대표적인 사례라고 지적합니다. 규제 당국이 기후 변화와 같은 부차적인 문제에 집중하느라 예금의 급격한 인출 가능성, 자산-부채 만기 불일치와 같은 명백한 위험 신호를 간과했다고 비판합니다. 더 나아가, SVB CEO가 감독 기관인 샌프란시스코 연준 이사회 멤버였다는 사실을 언급하며, 이는 규제 포획(regulatory capture), 즉 규제 기관이 피규제 기관의 이익에 포섭되는 심각한 문제가 있었음을 시사한다고 주장합니다. 이는 규제 완화의 필요성을 뒷받침하는 논거로 활용됩니다.

금(Gold)의 역할:

최근 금 이동 배경: 최근 전 세계적으로 금의 실물 이동이 활발했던 이유 중 하나로 미국의 관세 정책 불확실성을 꼽습니다. 관세 부과 대상에 금이 포함될지 여부가 불분명했기 때문에, 스위스나 런던 등 해외 금고에서 미국 등으로 금을 미리 옮겨두려는 움직임이 있었다는 것입니다. (현재는 금이 관세 대상에서 제외된 것으로 보인다고 언급)

역사적 가치 저장 수단: 금은 비트코인과 같은 새로운 가치 저장 수단이 등장했음에도 불구하고, 수천 년간 인류 역사에서 신뢰받아 온 전통적인 가치 저장 수단임을 인정합니다.

중국 수요 증가: 특히 현재 중국에서 금 수요가 높은 이유는 중국 경제의 불안정성(디플레이션 압력 등)과 엄격한 자본 통제로 인해 위안화나 다른 금융 자산을 신뢰하지 못하는 중국인들이 안전 자산으로서 금을 선호하기 때문이라고 분석합니다.

금의 본질적 장점: 금은 특정 국가의 정부처럼 재정 적자 문제나 전쟁 위험에 직면하지 않는다는 본질적인 안정성을 가지고 있습니다. 이는 불확실성이 높은 시기에 금이 매력적인 투자 대상이 되는 이유이며, 과거 브레튼 우즈 체제 하에서 금이 국제 통화 시스템의 기준이었던 역사적 사실도 금의 중요성을 뒷받침한다고 봅니다. (베센트 본인도 과거 금 강세론자(gold bug)로 불렸을 수 있다고 언급)

https://youtu.be/zLnX1SQfgJI

닐 메타가 현재 최고 잘나가는 투자자가 된건 이 간단한 통찰에 기반한다. 지금와서는 당연한 소리인데 당시에는 이걸 알아보는 이들이 극히 드물었을테고, 이 괴리에서 나오는 아비트라지를 완벽하게 챙겨갔다.

난 지금 AI 시장이 비슷할 수 있다고 생각한다. 현재 가장 중요한건 개개인의 토큰 사용량이라고 생각하는데, 비교적 얼리어답터인 나를 떠올려보았을 때 작년과 비교해서 적어도 10배 이상으로 사용량이 늘었다 (아니 10배가 뭐야, 제대로 까보면 100배 이상일 수도 있다).

그런데 아직 주변에서는 이러한 변화를 알아차리지 못하는 것 같다. 나름 가장 앞단에서 변화를 보는 사람들임에도 불구하고 이게 얼마나 큰 변화인지 제대로 인식하지 못하고 있을 수 있다는 소리다.

따라서 내 생각이 맞다면 이건 너무나도 완벽한 아비트라지 기회다. 물론 기회를 포착하는 것 보다 잡는 것이 100배 어렵다는게 문제이지만 ㅎㅎ

핵심 철학: "변화의 물결을 보고 확신이 있다면 과감히 베팅하는 것"
https://joincolossus.com/article/the-visions-of-neil-mehta-greenoaks/

Greenoaks의 근본적인 접근 방식은 세상을 바꿀 거대한 기술적/사회적 변화의 물결("Finding Value in Unusual Places", 비정상적인 곳에서 가치를 찾는 것)을 남들보다 먼저 인지하는 것입니다.

- 설립 초기 자료에 따르면, "그 당시에는 인터넷을 의미했습니다." 이들의 아이디어는 "이 믿을 수 없을 정도로 저렴한 인터넷 기업들이 S&P 500의 상당 부분을 대체할 것"이라는 것이었습니다. 이러한 확신이 서면, 시장의 단기적 소음이나 일반적인 통념에 흔들리지 않고, **철저한 자체 분석("제1원칙에서 이해하려 노력")**을 통해 **강한 확신(conviction)**을 얻고, 소수의 회사에 **대규모의 집중적인 투자("올인")**를 감행합니다.

1. 훌륭한 경영진(창업자)이라고 생각하는 기준

Mehta와 Greenoaks는 창업자를 투자의 핵심 요소로 보며, 그들을 특별한 방식으로 이해하려 노력합니다.

- 창업자는 예술가: Mehta는 내부 문서 'Our Soul'을 인용하며 "창업가들을 예술가로 이야기합니다. '각자 자신의 그림을 그리고 있다(Each one’s painting their own painting)'"고 말합니다. 투자자의 역할은 "의견을 갖고 다른 사람의 돈을 쓰는 것"이 아니라, "창업가들이 무엇을 하고 있는지 이해하고, 그것에 대해 겸손하고 호기심 많으며 공감하는 것"입니다. "우리의 임무는 그들이 어떻게 그리고 왜 그들의 그림을 그리고 있는지 알아내는 것입니다. 그게 전부입니다." 비평가가 아닌, 화가가 "실제로 무엇을 하려고 하는지 이해하는 것"이 중요합니다.
- 찾는 창업가 유형 (반복 가능한 원형): Mehta는 논란의 여지가 있지만 "위대한 창업가의 원형(archetype)이 있다고 믿으며, 일단 그것을 보고 배우면 반복 가능한 과정(repeatable process)"이라고 말합니다. Greenoaks가 찾는 자질은 다음과 같습니다.
- 비범한 지적 능력 (Remarkable intellect)
- 극단적인 집중력 (Extreme focus)
- 고객에 대한 집착 (An obsession with the customer)
- 역경 앞에서의 불합리한 수준의 투지 (Unreasonable determination, especially in the face of adversity)
- 명확하고 신뢰할 수 있는 야망 (Clear and credible ambition)
- 약간의 발산성/독립성 (A bit of divergence): "모든 사람에게 사랑받을 필요를 느끼지 않는 사람들."
- '세대적 창업가' (Generational Founders): 평범한 모방 제품("me-too products swimming in a river of beta")이 아니라, "차별화된 속도로 인간을 기쁘게 하는 무언가"를 만드는 창업가입니다. 이들은 "경쟁자들에게 악몽을 선사하는, 기술적으로나 운영적으로 불가능하다고 인식되는 무언가를 하는 것에서 보통 시작하는 압도적인 고객 경험(Jaw Dropping Customer Experience, JDCE)"을 통해 기존의 **트레이드오프(tradeoffs)를 깨고 경쟁적 해자(moats)를 구축**합니다. 나머지는 "단지 눈속임 게임(shell game)"일 뿐이라고 Mehta는 믿습니다. (예: Bom Kim, Ernie Garcia)

2. 창업자를 찾고 평가하는 프로세스

Greenoaks는 소수의 위대한 창업가를 찾기 위해 집요하고 차별화된 프로세스를 운영합니다.

- 명확한 목표: "지구상에 살았던 1000억 명의 사람들 중 인류의 기술 발전에 영향을 미친 1만 명에서 10만 명 사이의 사람들이 있다면, 우리의 임무는 인류를 발전시킨 위대한 인간들의 판테온에 합류할 수 있는 현재 살아있는 수백 명을 찾는 것"입니다.
- 철저한 사전 준비 (미팅 전): "웹사이트에 들어가서 제품을 조금 사용해보는 것"을 의미하지 않습니다. Greenoaks는 "그들의 고객들과 이야기하고, 경쟁자들이 정확히 무엇을 하고 있는지 조사하고, 제품을 세부적인 방식으로 이해하고, 기반 기술과 그것이 어떻게 진화하는지 연구"합니다. 이를 통해 "우리는 밖에서 안을 들여다보는 방식으로 지구상의 거의 모든 다른 누구보다 더 잘 이해할 수 있습니다." 창업자에게는 Greenoaks와의 "첫 만남이 네 번째나 다섯 번째 만남처럼 느껴지게 합니다."
- 제1원칙 기반 심층 분석: 시장의 "정신 나갈 정도로 많은 잡음(insane amount of noise)" 속에서, Greenoaks는 "소매를 걷어붙이고 제1원칙(first principles)에서 무슨 일이 일어나고 있는지 이해하려고 노력"합니다. 여기에는 "제품 고객들, 회사의 경쟁자들, 사업의 비용 구조, 그리고 사업의 자본 구조를 이해하는 데 엄청난 시간"을 쏟는 것이 포함됩니다. (Carvana 사례)
- 현장 중심주의와 집요함: Bom Kim은 "Greenoaks가 어떻게 기계(machine)가 되었는가? 그것은 닐이 현장에 가서 손톱 밑에 흙을 묻히기 때문(Neil gets on the ground, gets dirt in his fingernails)"이라고 말합니다. 이는 "불쾌하고, 피곤하며, 육체적으로나 정신적으로 고된" 일이지만, Mehta는 "비행기에서 내리자마자 문을 잠그고 나와 다른 팀원들과 6시간 동안 모든 세부 사항을 검토"하는 모습을 보입니다. 중요한 것은 변명(CYA)이 아니라 "결국 한쪽으로 확신을 가지는 것(getting to conviction one way or another)"입니다.
- 아름다움의 발견으로서의 분석: Mehta는 분석 작업의 궁극적인 목표가 "진정으로 고객을 기쁘게 하는 가장 아름다운 비즈니스를 구축하는 가장 위대한 창업가들을 찾는 데 도움을 주는 것"이라고 말합니다. "창업가를 이해하고, 비즈니스를 깊이 이해하는 것, 그것이 바로 아름다움을 발견하는 과정입니다."

3. 투자 원칙

Greenoaks의 투자는 명확하고 일관된 원칙에 따라 이루어집니다.

- 두 가지 핵심 집중: "우리는 인생에서 단 두 가지에만 집중합니다: 훌륭한 비즈니스 모델과 훌륭한 창업가. 이 둘을 동시에 같은 상황에서 발견하면, 우리는 올인합니다(we go all in)."
- 장기적 관점: "우리가 하는 게임은 '주식이 내일 오를까 내릴까?'가 아닙니다." Greenoaks가 하는 게임은 "'이 회사가 시간이 지남에 따라 수천만 명의 소비자를 기쁘게 하고, 단위당 실제 총이익을 창출하며, 향후 10년간 복리로 성장할 수 있는 훌륭한 창업가가 운영하는 자유 현금 흐름 기계가 될 것인가?'" 입니다. (Carvana 사례)
- 집중 투자: 소수의 핵심 기업에 자금을 집중합니다. 분산보다는 확신에 기반한 큰 베팅을 선호합니다.
- 역발상 및 위기 시 투자: "많은 사람들이 위대한 투자자의 비결은 다른 사람들이 빠져나갈 때 뛰어들고, 그 반대도 마찬가지라고 말합니다. 말하기는 매우 쉽지만, 실제로 하기는 정말 무섭습니다." (Parker Conrad 인용) Greenoaks는 시장의 공포나 비관론 속에서도 펀더멘털 분석과 창업자에 대한 확신을 바탕으로 과감하게 투자합니다. (Coupang 북핵 위기, Rippling SVB 사태, Carvana 파산 위기 사례)
- 직접 분석 및 책임: "우리는 스스로 기초 작업을 하지 않았습니다. 그 작업을 외부에 맡겼습니다... 그때 스스로 다짐했습니다: 다시는 직접 작업을 하지 않는 일은 없을 것이라고." 외부 의견에 의존하지 않고 자체적인 심층 분석을 통해 투자 결정을 내립니다. (SpaceX 투자 실패 경험)
- 파트너십: 단순히 자금을 투자하는 것을 넘어, 창업자의 "가장 중요한 파트너"가 되어 "수십 년 동안" 함께하는 것을 목표로 합니다. 특히 회사가 어려운 시기를 겪을 때 곁을 지킵니다.

4. 훌륭한 비즈니스라고 생각하는 기준

단순히 성장성만이 아니라, 특정 조건을 만족하는 비즈니스 모델을 찾습니다.

- 압도적인 고객 경험 (JDCE): 고객을 열광시키는 차별화된 경험 제공이 핵심입니다. 이는 경쟁 우위의 원천이 됩니다. (Coupang, Carvana 사례)
- 경쟁적 해자 (Competitive Moats): JDCE 등을 통해 경쟁자들이 모방하기 어려운, 지속 가능한 경쟁 우위를 구축하는 비즈니스.
- 트레이드오프 돌파: 기존 산업의 한계나 통념(예: 낮은 초기 마진)을 극복하고 새로운 가치를 창출하는 능력. (Coupang 사례: 초기 저마진 감수 후 규모의 경제 달성)
- 자본 효율성 및 확장성 (과거 인터넷/모바일 모델): 초기 Greenoaks는 인터넷/모바일 비즈니스의 "한계 비용 제로(zero marginal cost)", 플랫폼 기반의 "무료 배포", "네트워크 효과(network effect)" 등 확장성과 자본 효율성이 높은 모델에 주목했습니다.
- 지속 가능한 단위 경제학 (vs. 현재 AI 모델): 현재 파운데이션 모델과 달리, 장기적으로 건전한 이익 구조를 가질 수 있는 비즈니스.

5. Greenoaks가 성공한 이유 / 차별점

- 차별적 통찰력 생성 능력: "훨씬 더 많은 정보를 얻고 장기적인 기업 가치에 중요한 차별적 통찰력(differential insight)을 생성할 수 있게 되는 것"이 핵심입니다.
- 실행 속도 및 플라이휠 구축: 이러한 통찰력을 "작은 팀과 함께 결합하여 매일 반복해서 할 수 있는 플라이휠(flywheel)을 구축"하여 정보 비대칭성의 "속도와 속도(speed and velocity)"를 높입니다.
- 창업자와의 깊은 파트너십: 단순 투자자를 넘어, 창업자의 비전을 깊이 이해하고 위기 시에도 든든한 지원군이 되어주는 관계를 구축합니다.
- 규율과 일관성: "비밀 소스는 없습니다. 단지 수천 개의 회사를 대상으로 이러한 유형의 비즈니스와 창업가만을 찾는 규율의 일관성일 뿐입니다."
- 내부 통제 위치 (Internal Locus of Control): Neil Mehta의 강력한 내부 통제 위치는 현실에 안주하지 않고 세상을 바꾸려는 의지와 실행력으로 이어집니다.

6. 인터넷 / 모바일 / AI에 대한 관점

- 인터넷/모바일 (초기 기회):
- Greenoaks 설립 초기(2012년경)에는 인터넷/모바일 기업을 "Finding Value in Unusual Places", 비정상적인 곳에서 가치를 찾는 것”으로 보았습니다.
- "한계 비용 제로", "무료 배포", "네트워크 효과" 등을 가진 "믿을 수 없을 정도로 저렴한 비즈니스"가 기존 산업(S&P 500)을 대체할 잠재력이 있다고 확신했습니다. 이는 Coupang 투자 성공의 배경이 되었습니다.
- AI (현재 파운데이션 모델에 대한 회의론):
- 현재의 파운데이션 모델 회사들에 대해서는 대체로 **신중하고 회의적인 입장**입니다.
- 나쁜 비즈니스 모델: "거대한 초기 자본 투자", "빠른 자산 감가상각(12개월)", "지속적인 재투자 필요", "단위 경제학 문제", "경쟁 우위 부재" 등을 이유로 1980년대 항공사 비즈니스에 비유하며 비판합니다.
- 기술적 한계: 현재 모델 회사들이 "Transformer 모델의 마력(horsepower)을 단순히 확장하는 것"일 뿐, "기본 모델 자체를 혁신하는 것"은 아니라고 봅니다. 이는 진정한 경쟁 우위나 장기적 가치 창출에 한계가 있음을 시사합니다.
- AGI vs. Superintelligence: 현재 모델들은 단지 "거대한 단어 복제 및 재생 기계"이며, 인간 수준의 AGI 달성은 가능할 수 있으나, 인간 인지를 뛰어넘는 진정한 초지능(Superintelligence)에는 도달하기 어려울 수 있다고 봅니다. 초지능은 "매우 제한된 데이터로부터 많이 배우고 제1원칙에서 일반화할 수 있는 모델"을 필요로 할 것이라고 추측합니다.
- Safe Superintelligence (SSI) 투자 가능성 (미확인): Ilya Sutskever의 SSI가 파운데이션 모델 회사들과 "다른 산을 오르고 있다"고 주장하며, Greenoaks의 투자가 사실이라면 이는 SSI가 기존 모델 회사들과 달리 Greenoaks의 "훌륭한 창업가 + 훌륭한 (잠재적) 비즈니스 모델" 기준을 충족했을 가능성을 시사합니다. (특히 창업가 측면에서 Sutskever는 Mehta가 찾는 원형에 부합할 수 있음)

트럼프의 관세 폭탄으로 온 지구가 난리이다. 현재 미국의 부채는 36조 달러 규모이고 매년 이자로 지급하는 액수만 1조 달러가 넘는다고 한다. 국방비 지출 액수보다도 많다고 한다. 기업 경영의 관점으로 본다면 분명 지속 가능하지 않은 상황이다.

정치인은 문제 해결보다는 문제 관리의 입장이고 기업인은 분명 문제 해결의 관점으로 세상을 본다. 미정부가 부채 규모를 관리 가능한 수준으로 되돌리기 위해서는 재정, 무역수지의 쌍둥이 적자를 어떻게든 줄여야 한다는 것은 맞다고 본다.

DOGE를 통해서 재정 지출을 1조 달러 절감하고 관세등의 경제 정책을 통해서 1조 달러를 벌충할 수만 있다면 이자를 지불하고 부채 규모를 감소시키는게 가능하다고 보는 것 같다. 그가 보는 무역 불공정은 관세율이 아니고 무역 수지 불균형율로 보기 때문에 상호 관세율을 그렇게 계산했다고 본다.
우리가 상대 관세율을 경쟁국 대비 낮춰서 상대적 경쟁력을 높이고 최대한 대미 무역 수지를 유지하는 방법은 차액을 미국에 돌려주는 아이디어를 제시해 주고 협상하는 방법이 있다.

한 해 대미 무역 수지 흑자가 500억 달러라면 그만큼 미국에 달러를 환류시키는 방안을 제시하는 것이다. 국채를 그만큼 사주든가, 미국내 투자를 하겠다고 약속하는 것이다. 트럼프가 원하는 협상안이 바로 이런게 아닐까 싶다.

세상에 미친 넘은 없다. 다만 나의 정보 부족이 있을 뿐이다. 지금은 트통을 미친 넘이라고 말하기 보다는 그의 머리속에 들어가서 상호 원하는 협상안을 도출해 보려고 최선의 노력을 다할 때이다. 그래야 우리같은 약자도 살길이 생긴다. 오랫동안 대기업 갑질에서도 살아남은 나같은 중소 기업 약자의 머리속에 맴도는 해법이다.

Llama 4 단상
늦게 찾아온 봄날 주말 점심때 벚꽃 놀이할 겸 공원을 걸었다. 은진과 공원을 걷다가, 커피도 마시며 이런저런 재미있는 이야기를 나눴다. Llama 4 이야기다. 사람들이 MoE나 모델 사이즈 이야기는 많이 하니 기술적인 이야기는 생략하고, 다른 쪽으로 재미있었던 산책 이야기만 잊기 전에 요약해본다.
사람들이 기대하던 Llama 모델의 발표치고는 내용이 좀 이상했다. 모델 네 개 중에 소규모 사이즈 두 개만 공개했다. 정작 사고 모델이나 데이터 증류 모델 등 최근 주목받는 모델 두 종류의 공개는 4월 말 LlamaCon으로 연기했다. 연기할 거면 그냥 LlamaCon에서 다 발표해도 되는데? 모델도 이제 MoE 기반이라 데스크탑에서 실운영은 어려운, GPU 메모리를 엄청나게 요구하는 모델들이 되었다. 동시에 토큰 컨텍스트 윈도우 크기를 최대 1천만 토큰으로 늘렸다고 공개했다. 컨텍스트 윈도우가 크면 파인튜닝 없이 모델 실행 시점에 필요한 데이터를 다 주고 인-컨텍스트 러닝으로 처리할 수 있다. 1천만 토큰이면 사조영웅문 45권, 브리태니커 백과사전 1/5, 논문 2천 편이다. (인 컨텍스트 러닝 시 비용이 엄청나게 나오는 것은 회사마다 컨텍스트 캐싱으로 해결 중. 구글과 앤트로픽의 접근 방식이 다르다.)
그런데 달력에 보이는 이벤트들이 있다. Google Cloud Next 25가 곧 열린다. 작년 Cloud Next에서 구글이 랩 레벨에서는 천만 토큰 컨텍스트 윈도우 모델까지도 테스트 중이라고 했고, 이후 1백만 토큰에서 2백만 토큰으로 공개 모델의 컨텍스트 윈도우 크기를 늘렸다. 사실 천만 토큰 컨텍스트 윈도우도 발표 시점이 언제가 될지만 궁금할 뿐 공개 예상은 공공연한 비밀이었다. Meta는 구글의 행사를 코앞에 두고 사흘 빨리 Llama 4를 내놓으며 선수를 친 셈이다. 개인적으로는 절대 미룰 수 없는 발표 마감일을 클라우드 넥스트 앞에 그어두고, 그때까지 완료된 모델만 공개한 것처럼 보인다. 2년간 많이 보던 구글-OpenAI 사이의 아젠다 선점용 초치기 이벤트의 Meta 버전 같다.
왜 그렇게까지 했느냐? 거대 언어 모델은 비용이 많이 들어서 기술을 이윤으로 바꾸는 환전이 힘들다. 그때를 기다리는 동안 모델 개발사와 모델 서비스 회사가 강결합된 상태로 시장이 2년 넘게 흘러왔다. 모델 훈련에 필요한 거대한 자원을 저렴하게 소싱하는 것도 클라우드 업체 아니면 힘들기 때문이다. 그쪽 진영에서 극적으로 잘하고 있는 회사가 구글이다. 마찬가지로 한국의 클라우드 업체들이 자체 AI 모델을 오픈 모델로 공개하지 않는 이유들 중 일부도 원가 경쟁력 부분에 걸쳐 있다. 모델 서빙 시의 원가 경쟁력이 타 GPU 리소스 제공 회사들에 비해 차이가 없기 때문에, 모델을 공개하는 순간 모델 개발비의 환전 수단이 아예 사라져버릴 수 있기 때문이다.
하지만 모든 IT 기술이 그렇듯 시간이 지나면 원가가 내려가서 환전 가능한 기술이 된다. 그 상황이 불러온 시장의 흔들림이 발생 중이다. OpenAI는 마이크로소프트와 결별 중이고, Anthropic은 아마존과 티밍하리라는 모두의 예상을 깨고 독자 생존을 준비 중이다. Meta의 경우 Llama의 성공을 바탕으로 위의 '모델 개발+모델 서비스' 강결합 공식을 뒤집고 싶은 상황일 것이다. Llama가 불법으로 수집된 자료로 훈련되었는가에 대한 소송이 진행 중인데, 지지난주에 소송 중에 나온 자료들에 의하면 Llama가 Llama 2 라이센스에 따라 클라우드 서빙 회사들로부터 모델 사용료를 받고 있음이 알려졌다. Meta가 자체 모델 서비스도 운영하고는 있지만 모델 개발사로서의 입지가 더 강력한 상황이라면, 기존에 이어온 모델 개발과 서비스 사이의 연결을 해체하고, 모델 개발사로서의 영역을 강고히 하고 싶지 않을까? 혼자 아젠다를 뒤집기엔 좀 힘들지만, 올해 DeepSeek-R1 사고 모델이 나온 후, (처음에는 DeepSeek의 영향으로 Llama의 오픈 모델 기수 역할이 흔들리니 당황했겠지만) 이젠 아예 DeepSeek까지 레버리지해서 AI 모델 서비스의 판 자체가 클라우드 모델에서 오픈 웨이트 모델로 이동하고 있다는 식으로 아젠다를 세팅하려는 움직임으로 보인다.
Meta의 의도대로 모델 개발사와 모델 서비스 업체가 지금보다 훨씬 고리가 약해지고, 오픈 웨이트 또는 오픈소스 모델들의 위상이 더 강고해진다면 어떻게 될까. 목적 지향 모델들을 위한 공간이 엄청나게 넓어짐과 동시에, 파인튜닝과 인컨텍스트 러닝이 모두 혼재되어 비용에 맞추어 시스템에 적용하는 대혼돈의 시기는 불을 보듯 뻔하고, 그 와중에 결국 파인튜닝 모델들이 대기를 구성하고, 기술 핵심으로서의 기반 모델이 존재하는 모델 패밀리라는 형태로 생태계를 구축한 모델들이 훨씬 유리한 위치에 서게 될 것이다. Meta는 본의 아니게 Llama로 그 경험을 한 번 했고, 이후 계속 우연한 경험을 필연적인 경험으로 체화해서 확대재생산하고 있다.
Meta가 그렇게 시장을 바라보고 있다면 Llama 4의 거대한 메모리 요구 용량과 MoE, 거대 컨텍스트 윈도우 지원이 이해된다. 모델 서빙을 할 대상은 클라우드 서비스 제공자들이고, 모델 승부 대상은 이제 구글이 되었기 때문이다. Google Cloud Next를 목전에 두고 모델 두 개를 발표한 타이밍도 같은 아젠다 싸움 맥락에서 해석할 수 있다. 구글은 Gemma/Gemini 페어를 어떻게 더 들고 나올 것인가. 오래 안 기다려도 이틀 후면 알게 될 것이다.
덧붙여, 최근 해외 모델 개발사들에게 이런 류의 성능 티키타카용으로 쟁여놓는 모델 체크포인트들에 버퍼가 없어졌다는, 모두가 진검승부를 안 할 수 없는 상황이 되었다는 이야기를 도란도란 나누며 벚꽃길을 걸었다. 지난 주말에서야 봄이 막 왔는데, 벌써 여름이 다가온다. 소용돌이 한가운데 있는 것마냥 조용하다.
덧) reasoning 모델을 개인적으로 추론(inference) 용어와 구분 짓기 위해 사고 모델 이라 부른다. 시작 끝 토큰이 thinking 이라 그렇게 이름지음.

신정규님

https://humanoid-ai.github.io/

- 기존 가정 1: "로봇 제어는 분해해서 접근해야 한다" (Decoupling/Modularization):
- 복잡한 시스템은 인식, 계획, 제어 모듈로 나누고, 팔과 다리 제어도 분리하는 것이 합리적이다.
- *한계 😚 인간의 움직임은 분리되어 있지 않고 전신이 유기적으로 통합되어 작동한다. 모듈화 방식은 설계가 복잡하고 특정 작업에만 국한되어 확장성이 떨어지며, 전신 협응이 필요한 복잡한 기술 학습에 비효율적이다.
- 기존 가정 2: "로봇은 로봇 데이터로 학습해야 한다" (Robot-Specific Data):
- 로봇 제어 모델은 해당 로봇의 데이터로 학습해야 정확하다.
- *한계:* 휴머노이드 데이터는 수집 비용이 매우 높고 양이 절대적으로 부족하다. 반면, 인간 데이터는 방대하게 존재한다. 인간과 로봇의 물리적 차이(Embodiment Gap) 때문에 직접 적용은 어렵지만, 이 방대한 데이터를 활용하지 못하는 것은 비효율적이다.
- 기존 가정 3: "원격 조작은 고가 장비가 필요하다" (Expensive Teleoperation):
- 정밀한 휴머노이드 제어를 위해서는 모션 캡처 슈트, VR, 외골격 등 고가의 장비가 필요하다.
- *한계 😚 인간은 주로 시각 정보(카메라의 원리)를 통해 타인의 동작을 인지하고 모방할 수 있다. 가장 기본적인 센서인 **카메라**와 **효과적인 자세 추정 알고리즘**만 있다면 저비용으로도 원격 조작 데이터 수집이 가능해야 한다.

- 원칙 1: 전신 제어는 통합적으로 접근해야 한다.
- *시도:* 시뮬레이션에서 **대규모 강화학습**을 통해 **작업에 구애받지 않는(task-agnostic) 저수준 전신 제어 정책(Humanoid Shadowing Transformer)**을 학습시킨다. 이는 특정 작업의 복잡한 보상 설계 없이도 다양한 목표 자세를 안정적으로 추종할 수 있게 한다. 복잡한 모듈 설계를 피하고 학습에 맡긴다.
- 원칙 2: 방대한 인간 데이터를 활용해야 한다.
- *시도 1 (저수준 제어):* 기존의 대규모 인간 모션 캡처 데이터(AMASS)**를 활용한다. 인간-로봇 간 물리적 차이는 **리타겟팅(Retargeting) 기술로 극복하여 로봇의 목표 자세를 생성하고, 이를 저수준 정책 학습 데이터로 사용한다. (기존 자원을 최대한 활용)
- *시도 2 (고수준 기술):* 저수준 정책을 기반으로 섀도잉(Shadowing) 시스템을 구축한다. 이는 **단일 RGB 카메라**라는 기본 센서와 자세 추정 AI를 활용하여, 인간이 실시간으로 휴머노이드를 **저비용-고효율로 원격 조작**하게 한다. 이를 통해 실제 환경에서 **로봇의 자기중심 시점(egocentric vision) 데이터**를 직접 수집한다. (데이터 파이프라인 문제 해결 및 Sim2Real 인식 문제 우회)
- 원칙 3: 학습은 효율적이어야 한다.
- *시도:* 섀도잉으로 수집된 **소수의 시연 데이터(최대 40개)**만으로도 복잡한 기술을 학습할 수 있도록 **효율적인 모방 학습 알고리즘(Humanoid Imitation Transformer - HIT)**을 사용한다. 이 알고리즘은 **Forward Dynamics Prediction**을 추가하여 시각 정보 활용도를 높이고 과적합을 방지한다.

4. HumanPlus의 의의:

- 근본적인 해결책 제시: 휴머노이드 학습의 핵심 난제인 '데이터 부족'과 '제어 복잡성'을, '방대한 인간 데이터 활용'과 '학습 기반 통합 제어'라는 기본 원칙에 기반하여 정면으로 돌파하려는 **Full-Stack 시스템**을 제시했다.
- 비용 및 접근성 혁신: 고가의 장비 없이 **단일 RGB 카메라**만으로 전신 원격 조작 및 데이터 수집이 가능함을 보여줌으로써, 휴머노이드 연구 및 개발의 **비용 장벽을 크게 낮추고 접근성을 향상**시켰다. (기존 방식 대비 비용 절감 및 효율성 증대)
- 데이터 활용의 새로운 패러다임: 오프라인 인간 데이터(저수준 제어)와 온라인 인간 시연 데이터(고수준 기술)를 효과적으로 결합하는 **시너지 효과**를 입증했다.
- 실제적 성과: 매우 **적은 시연 데이터**만으로도 신발 신고 걷기, 옷 접기 등 **복잡한 전신 조작 및 이동 기술을 자율적으로 학습**시키는 데 성공함으로써, 제안된 시스템의 실질적인 효용성을 입증했다.

5. 여전히 남은 한계 (Limitations from First Principles):

- 하드웨어의 물리적 한계: 아무리 제어가 뛰어나도 로봇 하드웨어 자체의 물리적 제약(자유도 부족, 강도, 센서 한계 등)은 근본적인 성능 한계를 결정한다. HumanPlus 로봇도 발목/손목/팔 자유도 부족, 고정된 카메라 등의 한계를 지닌다. **궁극적인 범용성을 위해서는 하드웨어 자체의 발전이 필수적**이다.
- 리타겟팅의 근본적 어려움: 인간과 로봇의 형태 및 동역학 차이를 완벽하게 매핑하는 리타겟팅은 여전히 어려운 문제이다. 고정된 매핑 방식은 인간 동작의 미묘함과 다양성을 온전히 전달하지 못할 수 있다. **더 정교하고 적응적인 리타겟팅 기술**이 필요하다.
- 인식의 불완전성: 단일 RGB 카메라 기반 자세 추정은 가려짐(Occlusion) 등에 취약하다. **더 강인하고 정확한 실시간 3D 인식 기술**은 여전히 풀어야 할 숙제이다.
- 학습 데이터의 편향성: AMASS나 섀도잉 데이터가 실제 세상의 모든 인간 동작과 기술을 대표하지는 못한다. **더 방대하고 편향 없는 데이터**가 필요하며, 이는 지속적인 과제이다.
- 장기 작업 및 상식 추론: 현재 시스템은 비교적 짧은 호라이즌의 모방 학습에 초점을 맞추고 있다. 복잡한 장기 작업을 수행하기 위해서는 **더 높은 수준의 계획(planning), 상식 추론(commonsense reasoning), 그리고 환경과의 상호작용을 통한 지속적인 학습 능력**이 필요하다. (Visual CoT는 시작 단계)

6. 새로운 기회 (New Opportunities):

- 범용 휴머노이드 학습 가속화: HumanPlus 시스템은 저비용 데이터 수집 및 효율적인 학습 파이프라인을 제공함으로써, 다양한 연구 그룹과 스타트업이 **범용 휴머노이드 기술 개발에 더 쉽게 참여**할 수 있는 기회를 연다.
- 인간 데이터의 새로운 활용: 단순히 모방을 넘어, 인간 비디오 데이터에서 **암묵적인 지식, 물리적 상식, 작업 절차 등을 추출**하여 휴머노이드의 이해 및 추론 능력을 향상시키는 연구 기회가 확대된다.
- 하드웨어-소프트웨어 공동 최적화: HumanPlus와 같은 시스템은 어떤 하드웨어(센서, 액추에이터, 자유도 구성)가 데이터 기반 학습 및 제어에 더 유리한지에 대한 인사이트를 제공하며, **차세대 휴머노이드 하드웨어 설계 방향**을 제시할 수 있다.
- 다양한 응용 분야 개척: 물류(창고 작업), 가사 노동(옷 접기), 제조, 협업, 엔터테인먼트(피아노, 탁구) 등 HumanPlus가 시연한 작업들은 **휴머노이드의 실질적인 응용 가능성**을 넓히고 새로운 비즈니스 기회를 창출할 수 있다.
- 안전하고 직관적인 상호작용: 인간의 동작을 직접 따라하는 섀도잉 기술은 로봇에게 작업을 가르치는 **더 직관적이고 안전한 방법**을 제공하며, 이는 인간-로봇 협업 및 비전문가의 로봇 활용 가능성을 높인다.

"저는 지능으로 인생에서 성공하지 못했습니다. 나는 집중력이 길기 때문에 성공했습니다."

- 찰리 멍거

어리고 야망있는 어린 창업자들의 감소
- 그는 과거(10~15년 전) Stripe, Figma, Facebook 등을 창업했던 20대들과 비교했을 때, 현재는 Scale AI의 알렉스(Alexandr Wang) 정도를 제외하고는 20대에 매우 큰 규모의 회사를 성공시킨 사례가 드묾
- 사회 전반적으로 나타나는 '지연된 성인기(delayed adulthood)' 현상과 관련이 있을 수 있다고 추측합니다. 즉, 젊은이들이 더 늦게 성인으로서의 책임감을 지거나 독립하는 경향이 창업 활동에도 영향을 미칠 수 있다는 것입니다.
- 증가하는 규제나 사회 전반적인 낙관주의 부족도 젊은 창업자들이 야심 찬 도전을 하는 데 장벽이 될 수 있다고 생각

AI 기반 바이아웃(Buyout)의 가능성과 미래

AI 기반 바이아웃이 가능한 이유:

1. 비용 구조 혁신 (Radical Impact on Cost Structure): AI는 특정 산업, 특히 노동 집약적이거나 반복적인 업무가 많은 산업의 운영 비용 구조를 근본적으로 바꿀 잠재력이 있습니다. AI를 통해 인력 효율을 극대화하거나 자동화를 이루면, 기존 기업보다 훨씬 낮은 비용으로 운영하는 것이 가능해집니다.
2. 시장 확장 가능성 (Market Expansion): 단순히 비용을 절감하는 것을 넘어, AI를 활용하여 기존에는 불가능했던 새로운 서비스나 제품을 제공하거나, 더 넓은 고객층에게 다가가 시장 점유율을 높이거나 시장 자체를 확장할 수 있습니다.
3. 느린 기술 도입 속도 (Slow Adopter of Technology): 일부 전통 산업은 새로운 기술, 특히 AI와 같은 혁신 기술의 도입 속도가 매우 느립니다. 이런 산업에 AI 솔루션을 '판매'하려는 스타트업을 만드는 것은, 고객 확보 및 기술 채택 속도의 한계로 인해 어려울 수 있습니다. 차라리 해당 산업의 기존 기업(자산)을 인수한 뒤, 내부적으로 AI를 공격적으로 도입하여 운영 효율성을 높이고 경쟁 우위를 확보하는 것이 더 빠르고 효과적인 전략일 수 있습니다.

바이오테크(Biotech) 산업에 대한 시각:

대형 바이오테크 기업의 부재: 기술 분야의 마이크로소프트와 애플 두 회사의 시가총액이 전체 바이오/제약 산업(BioPharma) 시가총액과 비슷하다는 점을 지적한다. 미국 GDP의 상당 부분을 차지함에도 불구하고, 지난 30-40년간 500억 달러 이상의 가치를 지닌 대형 바이오테크 기업(Vertex, Regeneron 제외)이 거의 탄생하지 않은 이유에 대해 의문을 제기한다. 이는 산업 구조, 규제, 창업 모델 등의 체계적인 왜곡(systematically distorted) 때문일 수 있다고 추측한다.

개인적 투자: 현재 바이오테크 분야에 많은 투자를 하고 있지는 않지만, 헬스케어 인프라(소프트웨어), 일부 AI 기반 바이오 모델 회사(예: Inceptive), 그리고 항노화(anti-aging) 관련 바이오테크 회사(예: BioAge - 7~8년 전 투자, 현재 근육 감소 치료제 등 개발 중)에는 관여하고 있다.

창업자들을 위한 조언:

확신(Conviction) 갖기: 인기 없는(unpopular) 아이디어나 회사에 투자하려면 남을 설득하기보다, 사회적 또는 개인적 가정을 끊임없이 재점검하고(double-check assumptions), 올바른 질문을 던지며(asking the right questions), 현실을 명확히 보는(seeing reality more clearly) 능력이 중요하다고 강조한다.
Anduril (시장 중요성에 대한 확신)
Stripe (회사 자체와 모멘텀에 대한 확신)
초기 GenAI 투자 (기술 물결에 대한 확신)

중요한 창업자 자질: 명확한 사고와 소통 능력 외에도, 야망(ambition), 추진력(drive), 강렬함(intensity), **이기고자 하는 열망(hunger to win)**이 매우 중요하며, 한동안 기술 업계에서 과소평가되었다고 지적한다. 리더십은 인기와 혼동되어서는 안 된다(Leadership vs. Popularity)고 강조한다.

시장 > 창업자: 창업자의 중요성을 인정하면서도, 회사의 성공을 결정짓는 가장 중요한 요인은 **'프로덕트 마켓 핏(Product-Market Fit, PMF)'**이라고 본다. 훌륭한 팀도 나쁜 시장에서는 실패할 수 있고, 평범한 팀도 좋은 시장에서는 매우 성공할 수 있다. 구글은 초기에 검색 기술 라이선싱과 하드웨어 판매라는 비즈니스 모델을 시도했지만, 이는 회사의 폭발적인 성장 잠재력을 충족시키기에는 부족했습니다. 결국 사용자 경험을 크게 해치지 않으면서도 확장 가능하고, 검색이라는 핵심 서비스와 자연스럽게 연결되는 관련성 기반의 PPC 광고 모델(AdWords)과 이를 외부 웹사이트로 확장한 AdSense를 통해 막대한 수익을 창출하는 데 성공

- 예시
1. 구글 초기: 검색 기술 라이선싱 (Search Technology Licensing): 1990년대 후반 ~ 2000년대 초반
구글의 핵심 자산인 우수한 검색 엔진 기술을 다른 웹사이트나 기업에게 제공하고 사용료를 받는 방식입니다. 당시 야후(Yahoo!), 넷스케이프(Netscape), AOL 등 인터넷 포털 사이트들은 자체 검색 기능이 필요했지만, 구글만큼 성능이 좋지 않았습니다. 구글은 이들에게 자사의 검색 기술을 '백엔드(backend)'로 제공하여 그들의 웹사이트 내 검색창을 강화해주는 모델을 시도 -> 수익 규모의 한계, 파트너 의존성, 브랜드 인지도

2. 구글 검색 어플라이언스 (Google Search Appliance, GSA): 2002년 출시. 웹 검색 기술을 기업 내부 검색이라는 새로운 시장에 적용하여 수익원을 다각화하려는 시도였습니다. 기업 시장은 비교적 높은 가격을 지불할 용의가 있다는 점도 고려-> GSA는 실제로 구글의 엔터프라이즈 사업부(현 구글 클라우드의 일부)의 초기 형태가 되었고, 수년간 기업 고객들에게 판매

3. 광고 모델로의 전환 및 정착 (AdWords & AdSense): 2000년 ~ 2003년
- 초기 광고 시도 (Premium Sponsorships): 2000년경, 구글은 검색 결과 상단에 소수의 광고를 노출시키는 '프리미엄 스폰서십' 모델을 도입
- Overture(GoTo.com)의 영향: 당시 Overture(구 GoTo.com)는 검색 키워드에 대해 광고주들이 입찰하고 클릭당 비용(PPC, Pay-Per-Click)을 지불하는 모델로 큰 성공을 거두고 있었습니다. 이는 구글에게 큰 영감을 주었습니다.
- AdWords의 탄생과 진화 (2000년 출시, 2002년 개편):
구글은 Overture 모델을 참고하되, **'관련성(Relevance)'**이라는 핵심 가치를 더했습니다. 단순히 입찰가만 높은 광고가 아니라, **사용자의 검색어와 관련성이 높고 품질이 좋은 광고(클릭률 CTR 등 고려)**가 더 좋은 위치에 노출되도록 알고리즘(후에 '품질 평가점수 Quality Score' 개념으로 발전)을 도입했습니다.
- AdSense의 출시 (2003년):
구글 검색 결과 페이지뿐만 아니라, 수많은 외부 웹사이트(블로그, 뉴스 사이트 등)에도 문맥에 맞는 광고를 게재하고, 해당 웹사이트 운영자(게시자)와 광고 수익을 나누는 모델

제품에서 유통으로(Product to Distribution): 성공적인 제품은 결국 강력한 유통 채널이 되며, 이를 기반으로 다른 제품이나 서비스를 교차 판매(cross-sell)하는 전략이 매우 중요하다고 강조한다.
- 성공 사례: Rippling, Ashby, DataDog, HubSpot, Microsoft Office (Excel, Word, PowerPoint 모두 초기엔 외부 앱), Facebook (Instagram 인수 후 교차 홍보로 급성장)
- 실행 시점: 혁신은 초기에 시작하는 것이 좋다. 매출이 안정화되고 반복 가능한 성장 궤도(low tens of millions of revenue, repeatable motion)에 오르면 다음 제품/기능 확장을 고려해야 한다. 너무 이른 시점(수백만 달러 매출)의 다각화는 핵심 제품에 대한 확신 부족의 신호일 수 있다. 주로 동일 고객에게 판매하는 것이 효과적이다.

비상식적 조언(Non-obvious Startup Advice):
- 가장 중요한 것은 PMF이므로, 다른 것보다 여기에 집중하라.
- 공동 창업자는 필수가 아니다. 중요한 것은 명확한 의사 결정권자이다. (아마존, 마이크로소프트 등 사례)
- 모든 것을 위임할 필요는 없다. 중요한 특정 영역은 마이크로매니징해도 괜찮다.
- 지나치게 린(lean)한 것에 자부심을 갖기보다, 시장 기회를 잡기 위해 성장해야 할 때는 과감히 투자하고 인력을 충원해야 한다. (Sketch 사례 언급 - 성장을 꺼리다 기회를 놓침)
- 가족에게 회사 창립 초기에 약간의 지분을 증여하는 것을 고려하라. 초기에는 가치가 낮아 세금 부담이 적지만, 나중에 매우 의미 있는 결과가 될 수 있다.

포기하는 시점(When it's OK to give up): 무조건 계속하는 것이 항상 좋은 조언은 아니다. 현실을 직시하고 가망이 없다면, 인생의 가장 생산적인 시기를 낭비하지 않도록 방향 전환을 고려해야 한다. 포기할 때는 회사를 그냥 폐업하기보다, 인수합병(exit, acquihire) 등을 통해 어딘가에 안착시키는(land it somewhere) 것이 직원들과 창업자 본인의 다음 단계를 위해서도 좋다고 조언한다.

자금 조달(Fundraising) 조언: 첫 라운드 투자는 단순히 돈을 받는 것이 아니라, **10년 이상 함께할 파트너(in-laws 비유)**를 고르는 과정으로 생각하고 신중해야 한다. 단순히 가장 빨리, 가장 많은 돈을 주는 곳을 선택하는 것을 경계한다.

이사회 멤버(Board Member) 선택: 투자자든 독립 이사든, 명확한 **'직무 기술서(job rec)'**를 작성하고 이에 가장 적합한 사람을 찾아야 한다. 리드 호프먼의 말을 인용해, 이상적인 이사회 멤버는 '공동 창업자로 원했지만 현실적으로 영입할 수 없었을 만한 사람'이라고 설명한다.

초기 핵심 인력 채용(Hiring First Employees):
첫 직원은 채용이 가장 어렵지만, 일단 시작하면 탄력이 붙는다.
역량, 문화 적합성, 추진력, 실행력 등을 종합적으로 평가한다.
특정 역할(디자이너, ML 엔지니어 등)을 채용할 때는 막연히 넓게 후보를 찾기보다, **원하는 결과물을 이미 만들고 있는 특정 회사 출신들을 타겟팅(target specific companies)**하는 것이 훨씬 효과적이다.
관료주의적인 사람(실제 일은 하지 않는 사람)을 피하려면 인터뷰와 레퍼런스 체크를 통해 그들의 **실제 활동 내역(actual activities)**을 깊이 파악해야 한다. 레퍼런스 체크는 직접 하기 어렵다면 해당 분야 전문가에게 어떤 질문을 해야 할지 조언을 구하는 것이 좋다.

실행 속도의 중요성(Importance of Speed of Execution): 초기 스타트업의 가장 큰, 어쩌면 유일한 경쟁 우위는 **'속도(speed)'**이다. 거대 기업은 자원, 고객, 인력 등 모든 면에서 앞서기 때문이다.
토론하는 데 걸리는 시간과 만들어서 테스트하는 데 걸리는 시간이 비슷하다면, 그냥 **만들어서 시도해보는 것(just build it and try it)**이 더 낫다.
Perplexity의 초기 투자 이유 중 하나로 엄청난 실행 속도를 꼽는다.
속도 외에 중요한 것은 세일즈 능력(팀원 설득, 투자 유치, 고객 확보 포함)과 명확한 사고 및 방향 설정 능력이다.

https://youtu.be/xcvIGJ3_H_k

시장 경쟁을 끝내는 결정적 한 수 (Market Ending Moves)

스타트업 CEO는 스스로에게 '어떤 기발한 아이디어가 시장의 경쟁 구도를 완전히 끝내버릴 수 있는 결정적 한 수가 될 수 있을까?'라고 질문해야 합니다.

때때로 시장 내 스타트업들의 경쟁과 관련 질문들을 종식시키는 결정적 한 수가 나타납니다. 단 한 번의 움직임으로 효과적으로 시장을 장악하거나, "시장을 끝낼" 수 있습니다.

시장 경쟁을 끝내는 결정적 한 수에는 다음이 포함될 수 있습니다.

주요 경쟁사와의 합병: 가격 압박을 제거하고 구매자의 선택지를 줄이기 위함입니다. 1990년대 X.com과 페이팔의 합병은 당시 인터넷상의 주요 결제 제공업체들을 통합했습니다. 우버와 리프트는 2010년대 경쟁이 최고조에 달했을 때 거의 합병할 뻔했다는 소문이 있습니다. 소문에 따르면 우버가 이 거래에서 발을 뺐지만, 이후 여러 해외 시장(중국, 러시아 등)에서 자회사를 해당 시장의 주요 업체와 합병하여 합병된 회사의 시장 내 영향력을 높였습니다. 비상장 회사 간의 합병은 회사가 아직 초기 단계일 때, 상장/비상장 회사 인수보다 규제 당국의 승인을 받기가 훨씬 쉽습니다. 그러나 소유권, 리더십, 자존심과 관련된 다른 문제들에 대처해야 합니다[1].
핵심 공급업체 인수: (독점적 데이터, 맞춤형 센서나 부품 등) 다른 경쟁사들이 제품의 핵심 요소를 얻지 못하게 하거나, 자신에게 물량을 우선 배정받거나, 비용 우위를 확보하기 위함입니다.
핵심 유통 계약: IBM이 마이크로소프트의 초기 운영체제(O/S)를 유통하거나 야후!(Yahoo!)가 구글을 유통한 것은 업계에서 "킹메이커(king making)" 역할을 한 두 가지 사례입니다.
경쟁사의 캐시카우(현금 창출원) 파괴: 때로는 기존 경쟁사가 다른 모든 사업 자금을 대는 오래된 캐시카우 사업을 가지고 있을 수 있습니다. 이 사업의 무료 또는 저렴한 버전을 제공하거나, 비즈니스 모델을 변경하여 그들의 현금 흐름을 파괴하는 것은 매우 효과적일 수 있습니다. 이는 일부 생성형 AI(genAI) 제품과 관련하여 구글이 검색/광고 사업에서 우려하는 부분 중 하나입니다[2].
자본: 때로는 막대한 자금을 조달하여 유통망을 사들이거나 네트워크 효과가 있는 시장을 포화시킬 수 있습니다. 틱톡(Tiktok)은 초기에 대규모 트래픽 구매로 유명하며, 구글은 초기 검색 유통에 수십억 달러를 투자했습니다. 현재 최첨단(SOTA) 거대 언어 모델(LLM)은 차세대 거대 모델 개발을 위해 수십억 또는 수백억 달러를 조달할 수 있는 능력 때문에 과점 시장에 상당히 갇혀 있다고 주장할 수 있습니다.
기타 전략: 다른 많은 것들도 가능합니다.
시장 경쟁을 끝내는 결정적 한 수를 생각할 때는 창의력을 발휘하십시오! 말 그대로 어떤 시나리오든 브레인스토밍할 수 있습니다. 대형 상장 회사를 설득하여 핵심 자회사를 분사시킨 후 당신의 회사와 합병하게 할 수 있을까요? 주요 경쟁사와 자존심을 접어두고 힘을 합쳐 모든 것에 대한 경쟁을 멈출 수 있을까요? 넓게 생각하십시오. 비록 실현되지 않더라도, 이는 종종 다른 방식으로는 고려하지 않았을 M&A, 파트너십, 핵심 인재 채용에 대한 중요한 생각을 촉발합니다.

주석

[1] 비상장 회사 간의 합병은 치열한 경쟁사 사이에서는 극도로 어렵기로 알려져 있습니다. 보통 세 가지 주제가 부상합니다 - (a) 합병 후 상대적 지분 소유권, (b) 누가 경영권을 가질 것인가, (c) 한 창업자가 다른 창업자가 자신을 베꼈다고 느끼거나, 험담했다고 느끼는 등의 악감정.
[2] 제 생각에 구글은 (존폐의 위기라기보다는 생존 가능한 수준으로) 잘 전환할 가능성이 높지만, 많은 사람들은 이것이 문제가 될 것이라고 우려합니다.

https://blog.eladgil.com/p/market-ending-moves

1. 마켓플레이스는 인터넷과 모바일에 큰 변화가 있었다. 인터넷에서는 아마존/이베이 느린 인터넷으로 같이 정보 연결만으로도 가치가 있었던 것 부터 시작해서 모바일 때에는 숙박/여행/교통/중고거래 등 일상에 필요한 많은 업무로 확장되어 갔다. AI덕분에 개인이 원하는 까다로운 조건들을 모두 들어주고 그 조건에 맞는 무언가를 제공할 수 있게되었다. 마켓플레이스를 사용하는 유저의 경험도 바뀔 것 같다.

호텔/비행기를 조건으로 검색하는 것이 아닌 여행계획을 짜는 과정에서 예약하는 서비스들의 등장이 멀지 않았다. 비단 호텔/비행기에만 해당하는 이야기는 아니다.

- SaaS의 발전은 소상공인/골목상권이 적은 비용으로도 합리적으로 운영할 수 있는데 도움(매출관리, 재료 공급 관리, 고객확보/관리 등) 이 많이 되었는데, AI로 이러한 움직임은 더 가속화될 듯하다. 소상공인/1인 창업자들이 더 생겨날 수 있는 다양한 제품들이 나오고있다.

- 소비자 검색 방식이 바뀌면 검색 광고의 형태도 바뀔 것이다.

2. 다이소에서 경험한 것처럼 싸고 가성비 있는 것은 모두가 좋아한다. 소프트웨어 생산 비용이 극단적으로 낮아진다면 1회용 소프트웨어들이 실시간으로 생산되고 소비될 수 있다.

https://twocents.xyz/p/two-cents-72-ai-25-q2-version-agentmcp?fbclid=IwY2xjawJhh2ZleHRuA2FlbQIxMAABHsKqZvjK5PKx2g8OPdI4IFSv8z-K8o7vYJkLmlSphuGKbw8M6sbgGJN9ApBU_aem_SwlTbI8IXD9LIKslabTeLQ

돈 버는 AI 서비스 리스트: https://leanaileaderboard.com/

창의성이란 몇몇 천재들의 전유물인가 아니면 누구나 지렛대로 활용할 수 있는 ‘패턴’이 있는가? 이 책은 이런 질문에 대한 답을 찾아가는 여정을 보여준다. 먼저 저자는 비틀즈의 폴 메커트니가 ‘예스터데이’라는 곡을 꿈에서 들었다는 이야기, 모짜르트가 한 번에 곡을 마구 써내려갔다는 신화등을 예시로 들며 사실 이런 신화들이 신화들일 뿐이며 폴 메커트니는 수년전 자신이 매주 불러야했던 레이 찰스의 노래로부터 익숙한 코드를 물려받았음을 그리고 모짜르트도 매우 반복적이고 고된 과정을 거쳐 오랜 시간을 작곡에 투자했음을 여러 사실관계등을 통해서 입증한다.

오히려 저자가 보기에는 ‘창의성’이라는 것이 하나의 재능으로서 많은 시간을 자신의 성과를 좀 더 향상하기 위해 노력하는 과정에서 만들어지는 것이라고 주장한다. 이러한 주장의 신경학적 근거는 ‘두뇌가소성’이라는 개념으로부터 나온다. 즉, 신경세포는 매일 새롭게 생성되는데(그만큼 죽는데) 지속적인 훈련은 특정 유형의 두뇌를 발달시키며 이것이 창의성이 개발되는 근거가 된다.

창의적인 결과물들을 하나의 사회적 현상이라고 한다면(동시대에 인정받지 못하는 창의적 결과물들은 이 논의에서 제외되어야할 것 같다.) 대중들의 인정이 필요한 것이라고 한다면 ‘친숙하면서도 조금 새로운 것’이 요구된다. 이러한 요구는 인간의 진화 과정에서 낯선 것을 경계하고 익숙해질수록 편안해지는 인류의 경험을 반영하는 것이다. 여러 심리학 실험들은 사람들이 어떤 새로운 것을 점점 더 친숙해질수록 더 선호하지만 너무 친숙해지면 선호가 떨어지는 현상들을 입증하고 있다. 이러한 선호를 시간의 축으로 그려보면 이 책의 영어 제목이기도 한 ‘Creative Curve’가 도출된다. 즉 사람들이 새로운 것을 좋아할때에는 시간이 흐름에 따라 친숙해지는 패턴이 있으며 따라서 ‘창의적인 결과물’이 대중들에세 수용되려면 창작자들은 이런 친숙한 수준을 잘 관찰해서 적절한 시기에 창작물을 제시해야 한다. 너무 빠른 제시는 친숙함이 없어서 거부되며 너무 늦은 제시는 진부해져서 거절된다는 것이다.

그렇다면 어떻게 이런 대중들의 ‘Creative Curve’를 파악하고 지금 곡선의 어디쯤에 있는지를 잘 아는 능력을 가질 수 있는 것인가? 저자는 다음의 네 가지를 ‘창의적인 능력’ 획득의 중요한 요소로 보고 있다.

첫째, 의도적인 엄청난 소비를 통해서 감각을 익혀야 한다. 화가들은 수시로 전시회장을 찾고 세프는 최첨단 식당에서 식사를 하고 농장을 찾는다. 넷플릭스의 테드 사란도스는 비디오 대여점 점원시절 대여점의 모든 비디오를 시청했다.

둘째, 결국 대중들에게 인정받는 새로운 콘텐츠들도 내부적으로는 비슷한 구조들을 가지고 있다. 따라서 이미 성공한 잘 만들어진 거장들의 결과를 ‘모방’함을 통해서 창의적인 능력을 기를 수 있다. 미국 건국의 아버지인 벤자민 프랭클린이 자신의 글쓰기 능력을 키우기 위해 매일 ‘스팩테이터’라는 기사와 같은 수준의 글들을 꾸준히 작성한 것처럼.

셋째, 주변의 창의적 공동체가 도움이 된다. 나에게 가르침을 줄 수 있는 사람(마스터 티쳐), 나와 대등한 입장에서 끊임없이 비판적인 피드백을 줄 수 있는 사람(상충하는 협업자), 혁신에 대한 열정을 공유할 수 있는 사람들(모던 뮤즈), 자신을 대중에게 소개해줄 이미 성공한 사람들(유명 프로모터)

넷째, 창의적인 결과물을 제공하기 위한 끝없는 반복. 벤앤제리스 아이스크림이 매년 6~10종의 새로운 맛을 내기 위해 수십년간 수천개의 재료/맛조합이 각각 ‘Creative Curve’의 어느 선상에 있는지 확인하고 검증하고 선택하는 프로세스를 매일매일 빠짐없이 하듯이.

결론적으로 ‘창의적인 결과물’은 소수의 천재만이 만들 수 있는 것이 아니라 평범한 사람들도 평소에 관련된 결과물들을 엄청나게 많이 소비하면서 감을 만들고 가장 잘 만들어진 것들을 지속적으로 모방하고 주변에 좋은 사람들과의 관계를 유지하고(가르쳐줄 사람, 건강하게 비판해줄 사람, 나의 열정을 계속 북돋아줄사람, 나를 주류 세계에 안내할 사람) 계속해서 결과물을 내기를 반복하면 대중들에게 사랑받는 성공적인 결과물을 만들 수 있다는 것이다.(나를 포함한 모든 평범한 사람들께 희망을!)

강준열님

지금 실리콘밸리에서 가장 많이 공유되고 있는 글 중 하나입니다. 해당 글을 쓴 사람은 안드레 카파시(Andrej Karpathy). OpenAI와 Tesla에서 AI를 이끌었던 인물로, 실리콘밸리에서 가장 영향력 있는 기술 리더 중 한 명입니다. 엔지니어이지만, 이 글에서는 기술의 구조뿐 아니라 그것이 사회에 미치는 영향까지 깊이 있게 통찰합니다. 특히 대규모 언어 모델(LLM)이 기존의 기술 확산 흐름을 정반대로 뒤집고 있다는 지적은 매우 인상 깊고요. 한국어로 빨리 번역해 많은 분들에게 나누고 싶었습니다. 이 글도 누군가 한 분이라도 도움 된다면 기쁠 것 같네요. 멋진 하루 보내시길 바랍니다.

번역 : https://blog.naver.com/bizucafe/223828335649

구글 클라우드 넥스트 0일차 스피어 이벤트를 보고 왔다. 오랜만에 Sam Witteveen과 David Cardozo를 만나 반가웠는데 그 반가움이 금방 잊혔다. 충격적인 스케일이었다. 라스베가스 스피어 스크린 크기를 직접 경험해본 사람이 아니라면 오늘 본 광경을 제대로 이해하기 어려울 것이다.
구글은 TPU를 갈아 넣어서 거의 백 년 전 영화인 오즈의 마법사를 스피어용 영상으로 변환했다. 초고화질에 초고해상도 음성, 4D 효과까지 더해 16K 해상도의 좌우 270도 상하 120도 영상으로 만들었다. 처음 시작할 때 아주 작은 저화질 화면으로 시작해서 잠시 보여주다가 고화질로 업스케일한 다음, 그 밖을 왕창 그려서 스피어 전체에 펼쳐버렸다. (영상 보며 찍어둔 사진을 아래 올려본다) 원본 영상 바깥은 모두 AI가 그린 것이다. 단순한 업스케일링으로는 그 공간을 채울 수가 없다. 슈퍼 레졸루션과 아웃페인팅 기술로 원본 영상 바깥의 이미지까지 새롭게 그려냈다. 그려낸 부분에서 오리지널 영상의 크기가 1/30 은 차지하고 있을까? 경우에 따라서는 더 작을 것 같다.
이 영상 생성의 디테일을 위해 오즈의 마법사 전체 영화 뿐 아니라, 영화사가 보관하고 있던 영화 촬영시 수집된 다양한 보관 자료를 넣어 veo2 모델을 파인튜닝했다고 한다. 이게 말로는 도저히 설명이 안 되는데, 하나 확실한건 백마디 LLM 채팅보다 한 장면 장면의 임팩트가 더 컸다.
다큐멘터리에서는 화면을 키우면서 (키운다는 표현이 맞는지도 모르겠다 이젠) 화면 밖에 존재해야 했던 캐릭터들을 AI가 어떻게 추론하는지 한참 설명해 주었다. 오즈의 마법사 배우들 각각 특유의 연기 스타일을 반영해 생성하기 위해 어떤 캐릭터가 어떻게 연기하는지 다 별도로 캡처해서 파인튜닝하는 과정, 화면 안에서 밖으로 나가거나 밖에서 안으로 들어오는 캐릭터들의 일관성 유지 방법, 거의 백년 전 테크니컬러 필름의 색감 재현 방식 등. 오즈의 마법사 영화가 영화 기술 면에서 영화사적으로 큰 의미가 있는 작품이라 선택했을텐데, 그래서 그런지 참여한 엔지니어들과 예술가들이 결과물을 너무 사랑하더라.
아래 붙여놓은 사진에서 도로시의 빨간 구두를 예로 들면, AI는 그 구두들의 컨텍스트를 파악한 후 단계적으로 바깥 영역을 그려나간다. 원본 영상을 업스케일한 건 가운데 작은 원 부분뿐이고, 나머지는 전부 AI가 생성한 것이다. 카메라 이동에 따라 다른 부분이 찍히면, 전후 프레임에서 그렇게 지나가며 찍혔던 공간 정보를 참조해서 앞과 뒷 샷에 해당 공간이나 등장인물들을 전부 생성해 그려냈다고 한다. 없던 세계를 만들어낸건데, 어찌보면 없던 세계는 아니기도 한 셈이다.
오늘 보여준 건 제작 과정에 관한 다큐멘터리였고, 완성된 풀 영상은 8월 22일부터 스피어에서 상영할 예정이라고 한다. 다큐멘터리 중간중간에 상영할 실제 스피어 영상을 보여주고 그에 따른 기술 설명과 제작 비화를 이야기해 주는데, 여러 의미로 감탄사가 나왔다. 저게 얼마만큼의 노가다야… 저게 얼마만큼의 자원이야… 이야 저거 파인튜닝 대체 얼마야 같은 감탄사들로 시작했다가, 뒤로 가면 화려함에 좀 넋을 놓고 보고 있게 되었다. 스피어가 해상도가 너무 높아서 일반적인 방법으로는 영상도 못 뿌린다. 하여 영상 전송에 Weka의 GPUDirect Storage를 쓰는데, 저기 뿌릴 이미지를 저정도 프레임으로 그린거면 대체 얼마나 TPU를 굴린것인가…
OpenAI 의 이미지 생성 모델 영향으로 생성 이미지의 스타일과 저작권에 관한 논쟁이 많다. 그런데 그건 인간과 AI가 같은 일을 할 수 있을 때의 이야기다. 이번 데모의 진짜 충격은 사람을 아무리 갈아 넣어도 불가능한 스케일의 예술 복원을 AI로 보여줬다는 점이었다. 인간과 AI의 스타일 경쟁같은건 요새나 잠시 이야기할 수 있는 주제일지도 모르겠다.
인류가 만든 기계장치의 신[1]이 얼마나 많은 전기를 먹는지, 또 우리의 상상력을 얼마나 빨리 소진시킬지는 아직 모르겠다. AI는 항상 미래를 창조할 도구로 생각했는데, 어느새 빛바래어 가는 과거를 문자 그대로 재창조하는 과정을 본다. TPU로 되살린 오즈의 도로시가 에메랄드 시티를 향해 걸어가는 동안, 화려함에 눈이 멀어 잠시 잊고 있던 질문이 숙소로 돌아오는 길에 떠올랐다. 이제 우리는 무엇을 만들 것인가.
[1] Deus ex Machina. 그리스 비극 상연 시대에 급마무리를 처리하는 속편한 방식을 이야기하기도 하지만, 여기서는 그 말의 형식만을 빌려왔다.

신정규님

‘K뷰티’ 열풍에 편승해 화장품 유통·판매에 뛰어든 개인사업자와 중소기업이 경쟁 과열로 줄폐업하고 있다. 작년 한 해 시간당 한 개꼴로 약 9000곳이 문을 닫았다.

https://naver.me/5A3DLj3E

내 친구가 유명 VC들한테 1억 달러 투자를 받았는데, 이제 몇 주 안에 회사를 접기로 했어.

무슨 일이 있었는지 들어보려고 만나서 얘기했지.

그가 내게 부탁한 건, 자신의 스타트업 경험을 내 링크드인 커뮤니티에 공유해 달라는 거였어.
다른 창업자들에게 조금이라도 도움이 되면 좋겠다고.

그가 7년 가까이 창업 여정을 하면서 가장 후회한 건,
Series A에서 너무 높은 밸류에이션으로 투자를 받은 것이었어.

당시에 여러 VC들로부터 투자 제안을 받았고,
그중 가장 큰 밸류에이션을 제시한 쪽을 선택했지.
유명 VC들이었고, 언론에서도 많이 다뤘고,
다른 창업자들이라면 자랑하고 축하할 만한 순간이었어.

그런데 문제는,
그 과도한 밸류에이션이 너무 큰 기대와 압박으로 돌아왔다는 거야.
결국 후속 투자를 받는 데 큰 걸림돌이 되었고, 자금줄이 끊겼지.

그 와중에 제품 개발이 지연되고,
중요한 인재 영입도 무산되고…
스타트업이라면 겪을 수 있는 평범한 일들이 연달아 터졌어.

사기가 떨어지고, 분위기도 안 좋아지고,
밖에서 보는 시선도 달라졌지.

초기 투자자들 중에는 단기 수익을 노리는 VC들도 있었는데,
그들의 전략은 단순했어.
돈 넣고, 회사 띄우고, 더 높은 밸류에이션에 다음 투자자한테 넘기는 식.

그가 배운 교훈은 이거야.

“밸류에이션이 곧 검증은 아니다.”

그건 그냥 ‘베팅’일 뿐이고,
현실이랑 안 맞으면 아무리 잘 나가던 회사도 무너질 수 있어.

현실적인 밸류에이션,
믿을 수 있는 사람들과 함께,
버텨낼 수 있는 기반을 먼저 잘 다져라.

그게 결국
지속 가능한 성장의 출발점이고,
예측 불가능한 스타트업 여정을 버티게 해주는 힘이라는 거야.

https://www.linkedin.com/posts/miladalucozai_founder-funding-investing-activity-7316071639530553346-uDUE