Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
프론티어 AI 연구소가 막대한 자본 투입과 짧은 기술 주기로 인해 반도체 산업과 유사한 '자본 집약적 트레드밀' 구조에 진입하고 있습니다. 모델 훈련 비용은 급격히 상승하는 반면, 지능 구현 비용은 하락하며 응용 계층의 기회와 플랫폼 종속 위험이 공존하고 있습니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 GeekNews의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기구형 공정에서 수십만 달러였던 테이프아웃 비용은 3nm 전체 마스크 기준
1억 달러 이상에 이를 수 있음
비용 대부분은 웨이퍼가 아니라 마스크 세트와 비반복 엔지니어링에서 발생함
International Business Strategies가 추산한 신형 칩의 전체 설계 비용은 공정이 미세해질수록 급격히 증가함
28nm: 약 4,000만 달러
7nm: 약 2억1,700만 달러
5nm: 약 4억1,600만 달러
3nm: 약 5억9,000만 달러
2nm: 7억2,500만 달러 이상
다만 이 수치에는 논쟁의 여지가 있음
SemiAnalysis에 따르면 실제 스타트업이 최첨단 7nm 칩을 총
5,000만~7,500만 달러에 출시한 사례가 있어, 높은 추정치는 상한선으로 봐야 함
제조 시설까지 포함하면 부담은 더욱 커짐
3nm 생산 시설은 150억~200억 달러
EUV 스캐너 한 대는 3억5,000만 달러 이상
TSMC의 2026년 설비투자 계획은 520억~560억 달러
트랜지스터당 비용은 계속 하락하지만, 이를 상쇄할 만큼 충분한 생산량을 확보한 기업만 경제성을 얻을 수 있음
GPT-4 최종 훈련에 투입된 상각 하드웨어 비용은 Epoch AI 추산 약
4,000만 달러임
Stanford AI Index는 클라우드 임대 가격을 적용해 약 7,800만 달러로 계산함
Sam Altman은 1억 달러 이상이 들었다고 밝힘
Gemini Ultra의 추정 훈련비는 계산 방식에 따라
3,000만~1억9,100만 달러로 달라짐
방법론에 따라 첫 자릿수는 달라져도 비용의 규모 자체는 비슷하며, 개별 추정치보다 장기 증가 추세가 중요함
Epoch AI에 따르면 프론티어 훈련비는 8년 연속 매년 약
2.4배 증가함
최대 훈련 작업은 2027년 10억 달러를 넘어설 수 있음
Dario Amodei는 2028년에 100억 달러 규모의 훈련 작업이 등장할 수 있다고 전망함
2026년 프론티어 훈련 작업은 이미 2억~5억 달러 이상으로 추산됨
거대한 선행 자본, 빠른 출시 주기, 출시 직후 차세대를 요구받는 환경이 AI 연구소에 반도체 기업과 유사한 압박을 가함
반도체 산업은 최첨단 공정 기업의 통합만 낳은 것이 아니라 기술 산업 전체의 거대한 가치 창출 기반이 됨
Nvidia·Apple·Qualcomm·Broadcom·AMD는 직접 공장을 소유하지 않고 TSMC 등에 최첨단 제조의 자본 부담을 맡기는
팹리스 모델로 강력한 사업을 구축함
ARM은 실리콘을 직접 다루지 않고 명령어 집합을 라이선스해 거의 모든 휴대전화에 진입함
이 기업들은 제조 트레드밀보다 한 계층 위에서 설계, 소프트웨어, 생태계를 장악하고 파운드리에 재무제표상의 위험을 넘김
더 큰 변화는 저렴하고 풍부하며 지속적으로 개선된 반도체 위에서 발생함
소프트웨어 산업
인터넷
스마트폰 경제
클라우드 컴퓨팅
Google·Amazon과 앱 경제
최첨단 공정 경쟁에서 사라진 기업보다, 그 경쟁이 만든 저렴한 컴퓨팅 위에 사업을 구축한 기업들이 수십 년 동안 더 큰 성장을 누림
프론티어 모델 훈련에는 막대한 자금을 확보한 소수 연구소만 참여할 수 있지만, 그 위의 응용 계층은 더 많은 기업에 열려 있음
Anysphere는 MIT 학생 4명이 2022년에 창업해 다른 기업의 프론티어 모델 위에
Cursor를 구축함
연환산 매출은 2025년 초 약 1억 달러에서 2026년 중반 약 40억 달러로 증가함
SpaceX는 2026년 6월 약 600억 달러에 회사를 인수하기로 합의함
Cursor는 프론티어 모델을 직접 훈련하지 않고 제품과 개발자 관계를 소유했으며, 모델 연구소가 훈련비를 부담하도록 함
같은 전략은 여러 산업에 적용되고 있음
Perplexity: 검색
Harvey: 법률 업무
Sierra: 고객 서비스
Abridge: 임상 현장
Glean: 기업 내부 업무
Foundry Robotics: 제조
이 기업들은 훈련 트레드밀에 직접 올라가지 않고 그 위에서 제품과 사업을 구축함
반도체 시대에는 두 유형의 기업이 성과를 냄
소수 기업은 최첨단 트레드밀을 계속 감당할 규모를 확보함
더 많은 기업은 저렴하고 풍부한 실리콘보다 한두 계층 위에서 지속 가능하고 마진이 높은 사업을 구축함
전체 가치 창출 규모에서는 두 번째 유형이 첫 번째 유형보다 훨씬 컸음
프론티어 모델 시대도 같은 방향으로 전개되고 있으며, 트레드밀을 시장 전체로 간주해서는 안 됨
AI도 이전의 자본 집약적 기술 호황처럼 한 번 이상의 자금 가뭄을 겪을 수 있으며, 낙관적인 시장 자금으로 최신 세대를 조달하는 기업은 그 시기에 압박받게 됨
더 넓은 기회는 누가 프론티어 경쟁에서 승리하는가보다
지능이 저렴하고 풍부해진 뒤 무엇을 구축하는가에 있음
Red Glass Ventures는 특히 저렴한 지능이 물리적 세계와 만나는 로보틱스, 하드웨어, 현실에서 직접 행동하는 시스템에 관심을 두고 있음