지난 2년 동안 투자자들은 반도체와 관련된 거의 모든 회사들, 즉 칩 설계사부터 장비 제조업체까지의 주식을 매수했으며, 이 주식들은 전반적으로 상승했습니다.

반면 엔터프라이즈 소프트웨어는 마치 대규모 언어 모델(LLM)이 결국 해당 카테고리 전체를 불필요하게 만들 것이라는 가정 하에 '부수적인 피해'로 취급받았다는 것입니다.

하지만 그 가정이 지금 시험대에 오르고 있으며, 심지어 소프트웨어 회사들 스스로가 아닙니다.

Piper Sandler는 수요일 고객들에게 다섯 개의 인프라 소프트웨어 이름이 최고 정보 책임자(CIO)들이 가장 많이 불평하는 문제를 해결할 위치에 있다고 밝혔습니다. 즉, AI 에이전트를 대규모로 운영하는 비용이 누구나 예산 책정했던 것보다 훨씬 더 많이 든다는 문제입니다.

Piper Sandler의 주장은 이 회사들이 이미 저장하고 있는 고객 데이터가 AI 에이전트가 처리해야 할 토큰 수를 줄여주어 운영 비용을 낮출 수 있다는 것입니다.

Piper Sandler가 이 5개 소프트웨어 주식이 AI 토큰 비용을 절감한다고 말하는 이유

Investing.com에 따르면, 분석가 Rob Owens가 주도한 보고서는 Elastic (ESTC), GitLab (GTLB), MongoDB (MDB), Snowflake (SNOW), 그리고 Atlassian (TEAM)을 주요 수혜주로 지목했습니다.

**토큰(token)**은 단어보다 작은 텍스트의 한 단위입니다. AI 모델은 토큰당 비용을 부과하며, 입력으로 보내는 것과 되돌려 받는 것을 모두 계산합니다.

Owens는 이러한 플랫폼 내부에 이미 존재하는 독점 데이터가 모델을

Owens는 최신 프론티어 모델 (frontier models)의 출력 토큰 (output tokens) 비용이 이전 세대보다 약 50% 저렴하게 실행되지만, 향상된 추론 (reasoning) 능력으로 인해 소비량이 증가했다고 언급했습니다.

추론 모델 (Reasoning models)은 토큰 단위로 사고하기 때문에, 과거에는 수백 개의 토큰만 소모되던 단일 쿼리 (query)가 이제는 수만 개의 토큰을 소모할 수 있습니다.

추가 AI 주식:

Snowflake의 가격 책정 문서는 이러한 현상이 얼마나 상세해졌는지를 보여줍니다.

이 회사는 고객이 일반적인 처리 비용 (processing costs) 대비 토큰 지출을 추적할 수 있도록 AI 사용량을 별도의 소비 미터 (consumption meter)로 분리합니다.