a16z AI 연산력 분석: 수익 두 배, 주가 압박, 자본 지출 놀라움

원문 제목: 주간 차트: 네오클라우드의 머리

원문 저자: 모세 스턴스타인, a16z

편집자 주: 생성적 AI가 새로운 계산력 투자로 이어지는 배경 속에서, 시장은 AI 인프라에 대한 논의를 "충분한 GPU가 있는가?"에서 "누가 지속 가능한 방식으로 계산력을 제공할 수 있는가?"로 전환하고 있습니다. 모델 훈련, 추론 수요와 데이터 센터 확장이 공감대가 형성된 가운데, 더 근본적인 질문이 떠오릅니다: 계산력 수요의 급속한 증가가 실제로 안정적인 이익과 현금 흐름으로 전환될 수 있을까요?

a16z New Media에서 발표한 《주간 차트》에서 저자 모세 스턴스타인은 CoreWeave, Nebius 및 Applied Digital과 같은 새로운 클라우드 기업을 통해 AI 계산력 시장의 성장, 평가 및 수익 모순에 대해 논의하며, 이를 수평 SaaS, 모델 라우팅 및 최전선 실험실 인재 경쟁으로 확장합니다.

이 글에서 저자는 AI 수요가 강력한지 단순히 판단하는 것이 아니라, 현재 AI 거래를 더 근본적인 구조적 문제로 분해합니다: 기존 인프라가 어떻게 재가격화되고, 수익 성장이 왜 시장 기대와 동기화되지 않으며, AI 산업의 경쟁 초점이 단순한 확장에서 효율성과 수익으로 전환되는 이유입니다.

첫째, 인프라 가치의 재발견입니다. 과거에는 철도 주변의 토지, 천연가스 파이프라인 및 케이블 TV 네트워크가 특정 산업에 서비스를 제공하다가, 이후 통신 및 인터넷 인프라로 전환되었습니다. 오늘날, 유사한 자산 재평가가 다시 발생하고 있습니다. 일부 새로운 클라우드 기업은 원래 암호화폐 채굴을 위해 서비스를 제공했으며, 전력, 데이터 센터, 냉각 시스템 및 고밀도 컴퓨팅 운영 경험을 보유하고 있습니다; AI 수요 폭발 이후, 이러한 능력은 빠르게 희소한 계산력 공급으로 전환되었습니다. 이는 AI 인프라 경쟁이 완전히 제로에서 시작되는 것이 아니라, 초기 이점이 종종 구형 자산, 에너지 자원 및 엔지니어링 능력의 재조합에서 비롯된다는 것을 의미합니다.

둘째, 높은 수익 성장과 수익 불확실성이 공존합니다. CoreWeave와 같은 새로운 클라우드 기업의 초기 수익 성장률은 AWS와 같은 클라우드 대기업의 초기 단계보다 한때 높았지만, 자본 시장은 동등한 수준의 인정을 하지 않았습니다. 그 이유는 새로운 클라우드가 전형적인 경량 자산 소프트웨어 비즈니스가 아니기 때문입니다. GPU 구매, 전력 접근, 데이터 센터 건설, 칩 감가상각 및 부채 이자는 규모에 따라 동기화되어 증가하며, 심지어 수익 성장보다 빠르게 증가할 수 있습니다. 이는 수익 확장이 AI 계산력 수요가 강하다는 것을 증명할 수 있지만, 비즈니스 모델이 충분히 높은 자본 수익률을 가지고 있다는 것을 자동으로 증명하지는 못한다는 것을 의미합니다. 시장이 진정으로 기다리는 것은 이러한 기업들이 주문과 수익을 지속 가능한 자유 현금 흐름으로 전환할 수 있는지 여부입니다.

셋째, 소프트웨어 가치가 AI의 영향에 따라 재분화되고 있습니다. 과거에는 생성적 AI가 SaaS 기업의 방어력을 약화시킬 것이라는 우려가 있었지만, Atlassian의 성과는 AI가 고객 지출 및 제품 충성도를 높이는 도구가 될 수 있음을 보여줍니다. 동시에, 사이버 보안 및 관측 가능성 소프트웨어는 AI가 잠재적 위험을 확대하고 기업이 성숙한 솔루션에 대한 의존도를 높이기 때문에 여전히 평가 프리미엄을 받고 있습니다. 이는 이른바 "SaaS 종말"이 균일하게 발생하지 않을 것임을 의미합니다. AI가 대체 제품인지, 가격을 낮추는지, 수요를 확대하는지가 소프트웨어 평가 분화의 새로운 기준이 되고 있습니다.

넷째, AI 응용 프로그램이 "토큰 쌓기"에서 최적화된 토큰으로 전환되고 있습니다. 과거에는 기업들이 종종 가장 강력한 모델을 직접 호출하거나 엔지니어 팀에게 예산을 주어 스스로 실험하도록 했습니다; 이제 Databricks와 같은 기업은 스마트 라우팅을 통해 작업 난이도에 따라 다양한 가격과 성능의 모델을 매칭하여 효과를 유지하면서 비용을 낮추기 시작했습니다. 토큰 단가는 하락하더라도 AI 총 지출 축소를 의미하지는 않습니다: 단위 비용이 낮아지고 응용 시나리오가 증가하면, 토큰 소비 총량과 전체 시장 규모는 여전히 계속 증가할 수 있습니다. 효율성과 수요는 상호 배타적이지 않으며, 서로 강화하는 순환을 형성할 수 있습니다.

이 기사를 하나의 판단으로 압축하면, AI 인프라는 스스로 고속 성장을 창출할 수 있음을 증명했지만, 다음 단계의 승패는 기업이 성장을 더 높은 자본 효율로 전환할 수 있는지에 달려 있다는 것입니다. 이런 의미에서, 본문에서 논의하는 대상은 CoreWeave가 다음 세대 클라우드 대기업이 될 수 있는지 여부만이 아니라, 전체 AI 산업이 계산력 확장에서 지속 가능한 상업적 수익으로 나아갈 수 있는지 여부입니다.

다음은 원문 내용입니다:

머리 위의 "신 클라우드"

20세기 초, 남태평양 철도 회사는 미국 각지의 도시와 마을을 연결하는 정리된 토지에서 대량의 유휴 건설 권리를 보유하고 있었습니다. 철도 노선의 범위는 철도 자체보다 훨씬 넓어, 따라서 노선 주변에는 개발 가능한 많은 복도들이 남아 있었습니다.

그래서 이 철도 회사는 철도 노선에 통신 네트워크를 설치하고 이를 "남태평양 철도 내부 네트워킹 전화 시스템" (Southern Pacific Railroad Internal Networking Telephony)이라고 명명했습니다. 20세기 70년대에 이 회사는 이 네트워크를 상업화하기 시작하여 더 넓은 사용자에게 개방했습니다.

그 후 두 가지 일이 동시에 발생했습니다: 한편으로는 장거리 전화 시장의 독점 구조가 종말을 맞이했고, 다른 한편으로는 광섬유 케이블이 상업적으로 실행 가능해졌습니다. 기존의 통신 복도가 광섬유 라인으로 전환되었고, 이 네트워크는 나중에 그 영어 약어 "Sprint"로 알려지게 되었습니다. 한때 철도에 서비스하던 자산이 통신 혁명의 인프라 중추가 되었습니다.

기존의 물리적 네트워크를 더 큰 규모의 상업 기술 인프라로 전환한 것은 철도 회사만이 아닙니다.

20세기 80년대, 윌리엄스 회사(Williams Company)는 유휴 천연가스 파이프라인을 광섬유 통로로 전환하여 WilTel을 설립했습니다. 이 회사는 나중에 매각되었고, 결국 WorldCom으로 이름이 변경되었습니다. 90년대에는 케이블 TV 비즈니스를 위해 설치된 단방향 동축 케이블이 대규모, 고비용의 업그레이드를 겪어, 결국 Comcast와 Charter가 소비자에게 제공하는 브로드밴드 인터넷 서비스의 인프라가 되었습니다.

이로 인해 또 다른 유형의 기업이 등장했습니다: 이들은 역시 기존의 인프라를 보유하고 있으며, 이러한 자산이 현재 대폭 개조되고 재가격화되고 있어 새로운 기술의 수요를 충족시키고 있습니다. 이것이 바로 "신 클라우드" 회사입니다.

간단히 요약하자면, 신 클라우드 회사는 원래 에너지 및 계산력 집약적인 암호화폐 채굴 비즈니스를 하고 있었으나, AI의 물결이 닥치면서 갑자기 전력 사용 권한, 인프라 및 고강도 계산 부하를 구축하고 관리하는 경험을 가진 자가 현재 가장 인기 있는 경로 중 하나에 서게 되었습니다.

물론, 이것은 엄밀한 의미의 동종 비교는 아닙니다. 그러나 가장 큰 세 개의 상장 신 클라우드 회사의 수익 성장률을 관찰하면, 그 속도가 확실히 주목할 만합니다.

우리는 초대형 클라우드 서비스 제공업체의 초기 클라우드 비즈니스 수익을 대략적으로 추정할 수 있지만, 대략적인 추세는 이미 명확합니다: 신 클라우드 회사의 성장 속도는 매우 빠르며, 세 대 클라우드 서비스 제공업체의 초기 단계 성장 속도보다 확실히 빠릅니다.

설명할 필요가 있는 것은, 전체 계산력 판매 시장에서 신 클라우드 회사는 현재 여전히 상대적으로 작은 참여자라는 것입니다.

그들은 초대형 클라우드 서비스 제공업체의 규모에 도달하기까지 아직 긴 길을 가야 합니다.

초대형 클라우드 서비스 제공업체가 매 분기 생성하는 수익은 신 클라우드 회사보다 몇 배 더 많습니다. 그러나 동시에 CoreWeave는 약 25개 분기 만에 AWS가 출시 후 40개 분기까지 도달한 26억 달러 수익을 달성했습니다. 다시 강조하지만, 이러한 기업의 성장 속도는 정말로 매우 빠릅니다.

이렇게 높은 성장 속도를 가지고 AI 산업의 순풍을 타고 있다면, 투자자들은 상당히 흥분해야 할 것입니다. 어느 정도는 그렇지만, 실제 상황은 더 복잡합니다.

이들 회사의 최근 재무 보고서 성과는 대체로 좋았지만, 지난 1년 동안 CoreWeave의 주가는 여전히 약 16% 하락했습니다; Nebius만이 이전의 고점에 가까워졌습니다.

따라서 이 이야기는 전반적으로 여전히 좋지만, 그 중 가장 큰 신 클라우드 회사에게는 매력이 분명히 약해졌습니다.

최근 시장 성과가 상대적으로 평범한 이유 중 일부는 많은 성장 기대가 이미 평가에 반영되었기 때문입니다.

신 클라우드와 같은 자본 집약적인 기업에 대해, 시가 매출 비율은 가장 적합한 평가 지표가 아니지만, 문제를 설명하는 데 여전히 직관적입니다. 규모가 작고 성장 속도가 더 빠른 Nebius와 Applied Digital은 규모가 훨씬 큰 CoreWeave보다 훨씬 높은 평가 프리미엄을 받고 있습니다. CoreWeave의 수익은 여전히 두 배로 증가하고 있지만, 400%에서 450%의 성장 속도를 기록한 상위 기업에 미치지 못합니다.

신 클라우드 회사가 진정으로 직면하고 있는 문제는 성장 자체가 아니라, 장기적인 수익성입니다. 신 클라우드 회사는 규모를 확장하기 위해 지속적으로 칩, 전력 및 물리적 인프라에 투자해야 하며, 이러한 비용은 결코 적지 않습니다:

CoreWeave를 예로 들면, 그 수익 성장률은 확실히 상당하지만, 자본 지출은 더욱 놀랍습니다. 다른 막대한 비용에는 칩 감가상각이 포함되며, 감가상각 금액은 수익의 절반을 초과하고 있으며, 비싼 인프라를 미리 구축하기 위해 빚을 지면서 발생하는 이자 지출도 여전히 증가하고 있습니다.

이 글은 신 클라우드 회사가 궁극적으로 성공할 수 있을지, 또는 현재 주가가 합리적인지에 대한 판단을 내릴 의도가 없습니다. 주제 자체의 열기를 제외하고, 여기서 정말로 말하고 싶은 것은 신 클라우드 회사가 전체 AI 거래에서 매수와 매도 간의 긴장의 축소를 형성하고 있다는 것입니다.

한편으로, 그들은 모든 사람이 이전에 예상했던 것보다 훨씬 더 큰 규모의 수직 시장인 계산력 시장에 위치하고 있으며, 역사적으로 드문 성장 속도를 창출하고 있습니다; 다른 한편으로, 이러한 기업을 구축하는 비용도 역사적 고점에 있으며, 막대한 고정 인프라에 지속적으로 투자해야 합니다.

수평 SaaS의 귀환?

아래는 "SaaS 종말"이 계속 변화하는 시장 지도를 간단히 업데이트합니다. 이전 소프트웨어 주식 대량 매도에서 가장 큰 피해를 입었던 회사가 최근 한 달 동안 상당히 좋은 성과를 보였습니다.

지난 30 거래일 동안, 수평 소프트웨어 회사는 IGV 소프트웨어 ETF 구성 주식 중에서 가장 좋은 성과를 보였습니다—비록 이 데이터 수집이 시작된 이후 일부 상승폭을 반납했지만.

전반적으로 이들 회사의 기본적인 면은 여전히 견고합니다. 특히 Atlassian은 AI 충격으로 인해 시장이 이전에 예상했던 것처럼 쇠퇴하지 않았습니다.

이 생산성 소프트웨어 회사는 성과와 지침 모두에서 "두 배 초과 예측"을 달성했습니다: 클라우드 비즈니스 수익은 전년 대비 31% 증가했으며, 수익 누적 주문의 증가율은 그보다 더 높았습니다. 그러나 더 중요한 신호는 AI가 비즈니스 성장의 촉진제가 되고 있다는 것입니다, 저항이 아니라. Atlassian은 AI 도우미 Rovo가 널리 채택되었다고 밝혔으며; 동시에 Rovo를 사용하는 고객의 지출 증가율은 비 Rovo 사용자보다 두 배에 가깝습니다.

이는 Atlassian에게 좋은 소식이며, Rovo에게도 좋은 소식이며, 수평 SaaS에게도 좋은 소식입니다.

그러나 수평 SaaS의 전체 평가 여전히 다른 소프트웨어 범주보다 약간 낮습니다.

몇 가지 예외를 제외하고, Atlassian을 포함한 수평 SaaS 회사의 예상 시가 매출 비율은 일반적으로 "성장---평가 배수" 추세선에 해당하는 수준보다 낮습니다.

다시 강조하지만, 수평 SaaS는 상대적으로 괜찮은 "한 달"을 보냈습니다. 시장이 "SaaS 종말"이 취소되었다고 믿게 하려면, 단 한 달의 성과로는 충분하지 않습니다.

물론, 만약 귀하의 소프트웨어 비즈니스가 사이버 보안 또는 관측 가능성 분야에 속한다면, 그것은 또 다른 이야기입니다—이들 회사에게는 이른바 "SaaS 종말"이 결코 발생하지 않았습니다.

사이버 보안 부문은 IGV 소프트웨어 ETF의 다른 범주보다 계속해서 크게 앞서고 있습니다. 이 분야에서 AI는 오히려 순풍 요소가 되었습니다: 시장은 일반적으로 AI가 사람들의 사이버 보안 위협에 대한 위험 인식을 높였다고 생각하며, 어떤 기업 고객도 "분위기 프로그래밍"(vibe coding)으로 임시로 자신의 보안 솔루션을 조합할 수는 없습니다.

이 논리가 궁극적으로 성립할 수 있을지는 물론 시간이 검증해야 할 문제입니다. 그러나 적어도 현재로서는 전통적인 소프트웨어 회사의 처지가 균일하지 않다는 점은 분명합니다.

투자자들은 AI가 각 회사에 이익을 가져다줄 것인지, 아니면 침식할 것인지에 대해 높은 관심을 가지고 있으며, 매번 새로운 데이터가 나올 때마다 기존 판단을 수정하고 있습니다—이는 당연한 일입니다.

토큰 투자의 효율성 전선으로 나아가기

모델 사용, 토큰 소비 및 토큰 지출 관리와 관련된 시장 구도는 여전히 다양한 흥미로운 방식으로 진화하고 있습니다.

Databricks를 예로 들면.

"어떤 모델을 사용해야 할까", "어떤 모델이 가장 좋을까"와 같은 질문에 대해, Databricks는 승자가 모든 것을 차지하는 사고방식을 취하지 않았으며, 엔지니어에게 예산을 주어 스스로 결정하게 하지도 않았습니다. 대신, "적절한 작업을 적절한 모델에 자동으로 할당하는 솔루션을 개발하면 어떻게 될까?"라는 다른 질문을 제기했습니다.

Databricks는 물론 이렇게 하는 유일한 회사는 아니지만, "스마트 라우터"라는 시스템을 개발했으며, 실제 효과에 대해 상당히 만족하고 있습니다.

전해진 바에 따르면, Databricks의 라우터는 필요할 때 더 강력하고 가격이 더 높은 모델을 호출하고, 조건이 허락할 때는 능력이 더 약하고 가격이 더 낮은 모델을 사용하여 "지속적으로 평균 작업 비용을 30% 이상 낮추고 있습니다."

전반적으로, 토큰 지출의 "효율성 전선"을 추구하는 것은 결코 나쁜 일이 아닙니다. 이는 수요가 여전히 증가하고 있으며, 응용 시나리오가 성능 최전선에서 지속적으로 진화할 뿐만 아니라, 능력이 그렇게 뛰어나지 않은 모델로 확산되고 있음을 의미합니다. 초기의 비관적인 서사에서 이러한 차선 모델은 빠르게 퇴출될 것이라고 여겨졌습니다.

앞서 언급한 바와 같이, 효율성 향상은 수요의 범위를 확대할 것이며, 이는 시장이 보고 싶어 하는 제빈스 역설과 유사한 역동성입니다.

Silicon Data의 토큰 가격 강도 지수는 전체 가격 강도가 하락하고 있음을 보여주며, 특히 가격이 더 낮은 개방 모델이 지속적으로 확장되는 시장에서 더 높은 점유율을 차지하고 있습니다.

여기서 자주 오해되는 개념을 다시 한번 명확히 할 필요가 있습니다: 이 지수는 토큰 지출의 비용 강도를 측정하며, 절대적인 달러 금액이 아닙니다. 이는 토큰 소비 수량과 토큰의 종합 비용에 따라 달라집니다. 이는 각 토큰 가격이 하락하더라도, 토큰 총 소비량과 총 지출 금액이 여전히 증가할 수 있음을 의미합니다.

진정으로 중요한 것은, 전체 수요가 여전히 증가하고 있으며, 가격 책정과 모델 선택이 점차 효율성 전선으로 나아가고 있다는 것입니다. 특히 주목할 점은 "AI 수요" 또는 "AI 채택"이 단일하고 동질적인 개념이 아니라는 것입니다. 중증 사용자와 다른 사용자 간에는 여전히 큰 차이가 존재합니다. 이는 "항상 가장 좋은 모델을 사용하는 것"이 일부 기업에는 적합할 수 있지만, 모든 기업에 적합하지는 않다는 것을 분명히 보여줍니다.

현재 시장은 더 많은 선택 가능한 대안이 빠르게 형성되고 있습니다. 전반적으로 이는 좋은 일입니다.

기업 지출 관리 플랫폼 Ramp의 데이터에 따르면, 모든 기업이 AI 지출을 늘리고 있지만, 지출 중위수와 상위 10% 기업 간, 그리고 상위 10%와 상위 1% 기업 간의 차이는 극히 큽니다.

Ramp의 데이터는 일반적으로 기술 회사에 더 편향되어 있으므로 해석할 때 이 점을 고려해야 합니다. 그러나 데이터에 따르면, 지출 순위 상위 10%의 기업은 평균 기업의 50배에 달하는 AI 지출을 하고 있습니다.

이러한 분포는 우연히 형성된 것이 아닐 가능성이 큽니다. AI 지출에서 더 많은 가치를 창출할 수 있는 기업은 아마도 가장 많이 투자한 기업일 것입니다—모든 회사가 그렇지는 않지만, 적어도 상당 부분의 회사가 이 규칙에 부합합니다.

보스턴 컨설팅 그룹이 107개 상장 회사에 대한 분석을 통해 발견한 바에 따르면, 토큰 사용량이 상위 두 개의 5분위 그룹에 속하는 회사는 다른 기업보다 수익 성장률이 뚜렷하게 빠릅니다.

여기서 전달하고자 하는 핵심은, 토큰 수요와 사용 효율성이 서로 강화되고 있다는 것입니다: 기업이 얻는 가치가 많을수록 소비하는 토큰도 많아집니다.

이 과정에는 물론 투자와 수익 간의 반복적인 균형 조정이 존재하며, 연구 개발에는 항상 일부 초기 비용이 포함됩니다. 그러나 대다수 기업에게 있어, 무제한으로 "토큰을 쌓는 것"은 결코 효과적인 전략이 아닙니다.

따라서 기업이 앞으로 점점 더 이러한 방식을 취할 필요가 없다는 것은 분명히 좋은 일입니다.

최전선 실험실 인재 경쟁

New Media는 최근 OpenAI에 두 명의 뛰어난 팀원을 새로 영입했습니다. 그래서 마지막으로 몇 개의 흥미로운 차트를 통해 최전선 AI 실험실의 인재 채용 상황을 살펴보겠습니다.

다리오 아모데이는 최근 직원들이 사명을 돈보다 우선시하고 있다는 우려를 표명했습니다. Levels.fyi의 데이터에 따르면, 이러한 우려는 그리 근거가 없는 것이 아닐 수 있습니다.

데이터를 표면적으로만 이해한다면, Anthropic은 엔지니어에게 매우 높은 보수를 지급하고 있으며, 구글, 테슬라 등과 같은 회사의 동급 엔지니어보다 훨씬 높은 수준입니다.

기술 팀의 일원이 되는 것은 확실히 좋은 일인 것 같습니다.

또한, 또 다른 흥미로운 데이터 세트가 있습니다.

Live Data Technologies의 데이터에 따르면—Truist Securities가 정리하여 제시한—각 실험실의 인재 출처는 상당한 중복이 있지만, 뚜렷한 차이도 존재합니다:

두 회사 모두 초대형 시가총액 기술 회사에서 많은 인재를 채용했지만, OpenAI만이 엔비디아와 테슬라에서 인재를 채용했으며, 이는 모두 2026년에 발생했습니다.

Databricks, Snowflake(최근), Palantir 및 DeepMind는 두 회사가 공통적으로 인재를 채용한 곳입니다.

두 실험실 모두 Salesforce와 Stripe에서 상당 수의 직원을 채용했습니다.

그러나 양측의 중복은 여기서 끝나는 것 같습니다. Anthropic은 SaaS 회사에서 많은 인재를 채용했지만, OpenAI는 거의 없었습니다; OpenAI는 소비자 인터넷, 플랫폼 시장 및 광고 기술 회사에서 대량으로 인재를 채용했지만, Anthropic은 이러한 분야에서의 채용이 상대적으로 적었습니다, Airbnb, Netflix 및 Uber를 제외하고는 말입니다.

이러한 차이가 무엇을 의미하는지는 각자가 해석하기 나름입니다.