저는 사실 프론티어 연구소(Frontier Lab)의 기업 가치(Valuations)에 대해 상당히 비관적(Bearish)입니다. 그 이유가 제가 만족할 만큼 명확하게 설명된 것을 본 적이 없기에, 잠들기 전에 제 생각을 여기에 빠르게 적어두고 싶었습니다.

기본적인 문제는 연구소들이 매우 수익성이 낮다는 점입니다. 이는 단순한 지점처럼 보일 수 있지만, 비상장 시장의 기업 가치는 상대적으로 비이성적일 수 있습니다. 하지만 $SPCX의 사례처럼, IPO 이후의 가격 책정은 특히 표준적인 6개월 보호예수(Lockup) 기간이 만료되고 매도 압력이 심화됨에 따라 훨씬 더 가혹해질 가능성이 높습니다.

많은 이들이 연구소들이 높은 마진(Margins)을 기록하고 있다고 주장합니다. 하지만 높은 마진을 갖더라도, 1조 달러($1T)의 기업 가치가 정당화되려면 연구소들이 추론(Inference) 서비스 외에는 아무것도 하지 않고(따라서 추론과 관련된 비용만 절감하며), 약 80%의 매출총이익률(Gross Margin)과 20배의 수익 배수(Earnings Multiple)를 가정했을 때 연간 매출액이 1,000억~2,000억 달러 범위에 있어야 합니다.

이 가정은 분명 사실이 아닙니다. 왜냐하면 프론티어 연구소들은 차세대 모델을 훈련하기 위해 지속적으로 돈을 써야 하기 때문입니다. 이는 후발 기업들과의 시장 경쟁 때문입니다. 예를 들어, 만약 OpenAI가 작년에 모델 개발을 중단했다면, Qwen이나 Kimi를 훨씬 더 저렴하게 사용할 수 있는 상황에서 GPT-5 API 가격을 지불할 이유가 더 이상 없을 것입니다. 따라서 연구소들은 모델 훈련에 점점 더 많은 금액을 투자하도록 강요받습니다. 모델 성능이 향상됨에 따라 매출도 증가하지만 미래의 훈련 비용 또한 함께 증가하기 때문에, 어느 시점에서든 다음 모델에 투자해야 하는 금액이 실제로 벌어들이는 금액보다 극적으로 더 높게 형성되는 구조입니다. 이는 선두 주자들에게 매우 가혹한 역학 관계입니다.

(프론티어 연구소들이 자신들의 선도적인 모델을 증류(Distill)하여 더 낮은 지능 수준에서도 승리할 수 있다고 주장하는 관련 소주제도 있습니다. 하지만 이러한 추론의 상당히 낮은 마진을 고려할 때, 관련된 매출 수치가 너무 낮기 때문에 이는 말이 되지 않습니다.)

Frontier lab의 기업 가치는 규모를 확장함에 따라 나타나는 능력(capabilities)이 충분히 범용적이고 심오하여, AI 에이전트(AI agents)와 유사한 것들이 하위 에이전트(subagents)들로 구성된 전체 기업을 시작하고 자율적으로 관리하는 것과 같은 폭발적인 성장(https://t.co/RqmkltVpM3)을 보일 것이라는 가정에 주로 기반하고 있는 것으로 보입니다. 하지만 저는 이것이 사실인지 명확하지 않습니다. 실제로 제가 이전 포스트(https://t.co/3URAcJ4XkJ)에서 언급했듯이, 저는 능력(capabilities)의 성장이 현재 사람들이 가정하는 것보다 더 느리고, 급격하며(spikier), 데이터 제한적(data-limited)일 것이라고 믿습니다. 경제의 완전한 자동화와 함께 결국 이러한 성격의 폭발적인 성장을 보게 될 수도 있겠지만, 적어도 저의 관점은 우리가 이 지점에 도달하기까지 훨씬 더 긴(수십 년에 걸친) 타임라인이 필요함을 시사합니다. Frontier lab들이 그렇게 오랫동안 수익을 내지 못한 채 운영될 수 있을지는 불분명하지만, 아마도 이것이 일종의 피할 수 없는 국유화(nationalization)를 예고하는 것일 수도 있다고 생각합니다.

또한 저는 기술 확산(technological diffusion)에 대해 더 넓은 관점의 논점을 제시하고 싶습니다. 기술 확산이 느린 이유는 단순히 예를 들어, 노인들이 기술 사용법을 배우는 데 오랜 시간이 걸리기 때문만은 아닙니다(물론 이것도 어느 정도 기여하는 요인이긴 합니다). 제 견해로는, 새롭고 혁명적인 기술이 등장했을 때 그 기술을 후속 개발에 통합하는 방법이 항상 명확한 것은 아니며, 실제로 순수 이성(pure reason)의 적용만으로는 반드시 도달할 수 없기 때문입니다. 만약 그것이 가능하다면, 아마도 프론티어 모델(frontier models)은 어느 시점에 LLM 애플리케이션 계층(application layer)이 어떻게 개발되어야 하는지에 대해 완벽한 이해를 갖게 될 것이고, 그러면 그들은 자율적으로 그러한 계층을 코딩하고, 배포하며, 판매할 것입니다.

하지만 저에게는 이러한 확산이 경제적 계산(economic calculation)이라는 난제에 의해 더 크게 제한될 것이라는 점이 더 타당해 보입니다. 즉, 가격 체계(price system)를 통해 자원이 효율적으로 배분되도록 점진적으로 촉진하는 하이에크적(Hayekian) 개념이며, 이는 중앙 계획(central planning)을 통해서는 시뮬레이션될 수 없습니다. 또한 현재의 역량 수준을 오늘날의 수준에서 동결하더라도, LLM(대규모 언어 모델)을 우리 삶에 완전히 통합하는 데는 20년이 훨씬 넘게 걸릴 것입니다. 결과적으로 이러한 관점은 연구소들의 지속적인 수익성에 대해 상당히 비관적(bearish)입니다. 왜냐하면 연구소들이 코딩 에이전트(coding agents)와 수익성 면에서 대등할 만한 다른 무언가를 찾아낼 가능성을 낮추기 때문인데, 코딩 에이전트는 애초에 Anthropic이 다소 운 좋게 발견한 것처럼 보입니다. 즉, FDE(Full-stack Developer Agents)를 아무리 쏟아낸다 하더라도, '올바른' 제품의 형태를 충분히 빠르게 찾아낼 수 있다는 보장이 없습니다.

전반적으로, 저는 사람들이 왜 연구소의 지분 가치가 현재만큼 높아야 하는지에 대한 자신들의 멘탈 모델(mental models)을 명확하게 추론하지 못하고 있다고 생각합니다. 만약 실제로 그러한 모델을 작성해 본다면, 당신이 원하는 결론에 도달하지 못할 수도 있습니다. 이것이 향후 수십 년 동안 AI가 (업계 전반에 걸쳐) 거대한 붐을 경험할 것이라고 예상하지 않는다는 뜻은 아닙니다. 다만 저에게 기회가 주어진다면, OpenAI나 Anthropic의 주식을 현재의 최고 밸류에이션(valuations)에 매수할 수 있을지는 완전히 확신할 수 없다는 의미입니다.

물론, 전직 연구소 직원으로서 이는 분명 제 본래 입장(my own book)에 반하는 이야기입니다. 저는 사람들에게 낙관적(bullish)이어야 할 이유를 더 많이 제시해야 마땅합니다. 하지만 결국 제 영향력은 너무나 미미하여 아무런 차이를 만들지 못하니, 그냥 재미 삼아 이야기해 보는 것이 어떨까요?