# 누가 지능의 가격을 정할 것인가? > Clean Markdown view of GeekNews topic #30710. Use the original source for factual precision when an external source URL is present. ## Metadata - GeekNews HTML: [https://news.hada.io/topic?id=30710](https://news.hada.io/topic?id=30710) - GeekNews Markdown: [https://news.hada.io/topic/30710.md](https://news.hada.io/topic/30710.md) - Type: GN+ - Author: [neo](https://news.hada.io/@neo) - Published: 2026-06-22T10:31:02+09:00 - Updated: 2026-06-22T10:31:02+09:00 - Original source: [x.com/JayaGup10](https://x.com/JayaGup10/status/2065965053334216718) - Points: 2 - Comments: 0 ## Topic Body - AI가 지능(intelligence)을 **가격이 매겨지는 자원**으로 바꾸면서, 시장의 모든 계층이 그 가격을 누가 통제할지를 두고 경쟁 중 - **AI 랩**들은 사용량이 자신을 거쳐 흐르길 원하고, **애플리케이션**은 랩들보다 지능을 더 잘 배분할 수 있음을 증명하려 하며, 국가는 지능이 국가 인프라가 될 만큼 **저렴해지길 원함** - 지능의 비용은 더 이상 소프트웨어의 입력값이 아니라, 기업·시장·지정학이 재편되는 **축(axis)** 으로 작동 - AI 투자가 소프트웨어 투자와 다른 이유는 변수가 더 많고, 변수들이 불균등하게 **결합(coupled)** 되며, 각 변수가 자체 곡선으로 움직이는 하위 변수로 분해되기 때문 - 매시간 방정식 자체가 다시 쓰이는 시스템을 분석하는 것이며, 어떤 변수든 충분히 움직이면 다른 변수의 의미를 바꾸는 **재편의 연속** --- ### AI 투자가 소프트웨어 투자와 다른 이유 - 소프트웨어에서는 패턴 매칭이 어렵긴 해도 작동했으며, **배포 비용(distribution cost)** 이 고객 획득 효율을, **전환 비용(switching cost)** 이 유지·확장을 결정 - CAC payback, NDR, magic number, Rule of 40은 모두 이 두 힘의 하위 결과물 - AI는 세 가지 이유로 이를 무너뜨림 - 시스템에 변수가 더 많음 - 변수들이 불균등하게 결합됨 - 각 변수가 자체 곡선으로 움직이는 하위 변수로 분해됨 - Capability, cost, latency, deployment, regulation, talent 중 **어느 하나라도 움직이면** 나머지의 의미가 바뀌고, 한 제약을 풀면 다음에 중요한 제약이 달라짐 ### 각 변수가 바꾸는 것 - 이미 논의되는 익숙한 변수는 capability, cost, latency - 더 어려운 변수는 연구·제품에서 나오는 **unlocks**로, 그 성격과 깊이를 사전에 모델링하기 어렵고 도래 속도가 계속 가속 - 소프트웨어가 고정값으로 다루던 제약이 AI에서는 전략적 선택이 됨: geopolitics, deployment, talent - ## Capability - reasoning, context, multimodality, tool use, planning, memory, controllability로 분해되며 각각 자체 곡선에서 격렬하게 이동 - context는 3년 만에 **4천 토큰에서 100만 토큰 이상**으로 확장 - reasoning은 프롬프팅 트릭에서 독자적 모델 클래스로 발전 - retrieval pipelines, output parsers, prompt scaffolds 같은 인프라를 흡수했으며, 이들은 모델 약점을 보완하던 **보철물(prosthetics)** 이었음 - 프롬프트를 담을 수 있는 모델과 코드베이스나 고객 이력을 담을 수 있는 모델은 서로 다른 제품이며, 성능 향상은 모든 애플리케이션을 균등하게 끌어올리지 않고 **병목(bottleneck)** 을 이동시킴 - ## Cost - 비용 하락은 단순히 마진을 개선하는 게 아니라 **누가 경쟁할 수 있는지**를 바꿈 - 한때 frontier API가 필요했던 워크플로가 저렴한 open-weight 모델, 파인튜닝된 전문 모델, 라우팅된 스택으로 이동하며 프리미엄 제품이 **commodity feature**로 전락 - **DeepSeek**은 모델 계층의 비용 기대치 변화가 그 위의 마진 풀을 재경로화할 수 있음을 더 격렬하게 보여줌 - ## Latency - AI가 비동기 프롬프팅에서 실시간 워크플로로 이동하며 변수가 됨 - 느린 모델은 메모 작성엔 괜찮지만 sales call, support conversation, tutoring session, security response에서는 무너짐 - 반대편에 사람이 기다리는 순간 latency는 성능 디테일이 아니라 **시장 존재 가능 여부**를 결정 - voice는 품질, 인터럽션 처리, 분당 센트 단위 가격이 함께 도래했을 때 그 선을 넘음 - latency 하락은 같은 제품을 빠르게 만드는 데 그치지 않고 **새로운 사용 표면(surface)** 을 열어줌 - ## 새로운 곡선들 - 2년 전엔 목록에 올릴 수 없던 inference-time compute, task horizon, 그리고 **AI 자체 생산의 입력** - ### Inference-time compute - 컴퓨팅을 10배 더 쓰면 더 나은 답을 얻는 다이얼은 이전 소프트웨어에 없던 진정한 신규 요소이며, **outcome당 비용을 선택**의 문제로 만듦 - 같은 모델의 10초 쿼리와 10분 쿼리는 서로 다른 가격의 다른 제품이며, 마진은 모델 가격이 아니라 시스템의 판단에 좌우됨 - 이는 labs에 대한 **애플리케이션 계층의 반격**으로, frontier 모델이 제품 로직을 흡수할수록 각 기업은 자신이 고객의 토큰을 더 잘 배분할 수 있음을 주장해야 함 - lab은 사용량 확대를, 애플리케이션은 성과 가치가 있는 곳에만 지출하도록 인센티브가 갈림 - ### Task horizon - 깊이 다이얼이 inference-time compute라면, task horizon은 **길이 다이얼**로 AI가 사람 개입 전까지 스스로 작동하는 시간 - 단위가 call에서 workflow로 이동 - 에이전트가 수 시간 작동하고 하위 에이전트를 생성하며 의사결정 경로당 수백만 토큰을 소모해, 사용량이 더 이상 seat에 비례하지 않음 - 길이와 깊이를 곱하면 모든 Fortune 500 CFO가 묻는 **토큰 청구서**가 됨 - ### AI 자체 생산의 입력 - synthetic data 생성, 코드 작성, evals 생성, 실험 주기 압축에 AI가 투입됨 - 각 세대가 다음 세대 구축 시간을 단축해 변화율이 **내생적(endogenous)** 이 됨 - 이 재귀로 인해 변화 주기가 펀드레이징 주기보다 짧아졌고, 어떤 thesis의 반감기도 줄어드는 중 - ## Geopolitics - 전쟁이 명시적으로 드러나는 지점이며, China는 구조적으로 **효율성과 open-weight 공개**로 밀림 - 제한된 칩 접근과 frontier 스택 일부에서의 배제가 그 전략을 합리적으로 만듦 - U.S.는 open-weight frontier 모델로 여전히 경쟁 가능하나 아직 동일한 구조적 답을 내놓지 못함 - 소프트웨어는 수십억 달러 규모의 학습이 필요 없었으나, frontier open weights는 compute financing, patient capital, release governance, serving infrastructure, 그리고 인재 경쟁 수단이 필요 - 어떤 미국 그룹은 federation이나 financial engineering을 통해 그 학습 비용을 합리화해야 함 - frontier labs는 기술이 위험하다고 믿어 **capability 기반 규제**를 주장하며, frontier 접근이 통제·감사·계량되고 API 뒤에 머물 때 이익을 봄 - **DeepSeek**은 단순한 모델 공개가 아니라 지능의 가격을 누가 정하느냐를 둘러싼 전쟁의 한 발의 총성 - ## Deployment - 가치가 전부 cloud로 귀속되지 않기에 여전히 유동적 - 추론은 제품을 망치지 않는 한 가장 저렴한 곳으로 이동: frontier reasoning은 cloud, latency는 edge, 프라이버시·개인화는 on-device, 세 가지 모두 필요한 워크플로는 hybrid - 모델이 데이터를 저장만 하는 게 아니라 사용자의 context, memory, documents, voice, code, behavior, enterprise permissions를 추론하기에 **프라이버시가 SaaS보다 더 중요** - 추론이 일어나는 위치가 누가 마진을 가져가고, 누가 context를 소유하며, 고객이 누구를 신뢰하는지를 결정 - ## Talent - SaaS에서 인재는 실행 변수였으며, 더 나은 팀이 더 빠르게 만들고 더 잘 팔고 더 규율 있게 운영 - AI에서 인재는 **생산의 원재료(raw input)** 이며, 소수의 연구자가 architecture, data mixture, eval regime, cost-capability 곡선 자체를 바꿀 수 있음 - 팀이 시장에 맞춰 실행하는 데 그치지 않고 **시장의 형태를 바꿀 수 있음** - 운영 품질뿐 아니라 research taste가 자산의 일부가 됨 ### 위협이 더 이상 경쟁자가 아님 - SaaS에서는 보통 다른 회사에 의해 죽음: 자금이 더 많은 경쟁자, 더 빠른 팀, 영역을 확장하는 기존 업체 - 한 가지 예외는 타사 플랫폼 위에 세운 회사가 가격·약관 변경으로 경쟁자 없이 소멸되는 경우 - AI는 이 예외를 **기본값(default)** 으로 만듦 - AI의 위협은 **계층 이동(layer migration)** 으로, capability, cost, latency, deployment, regulation, trust 중 어느 변수든 충분히 변하면 작업이 이동 - 모델, open-weight 대안, 고객의 데이터 플랫폼, 에이전트 런타임, 또는 디바이스 자체로 옮겨갈 수 있음 - 또 다른 변수는 demand로, 구매자는 느리게 움직이지만 순진하지 않으며 lock-in 비용을 알기에 그 지연 속 차익이 닫히는 중 ### 회사 구축 방식도 역전됨 - 과거 가정과 전통적 VC 조언이 사라짐 - SaaS가 생산성과 좋은 분위기를 팔았다면, AI는 점점 **outcomes와 services**를 파는 덜 관대한 사업이며, 성과가 작동해야 제품이 좋고 그 성과가 충분히 효율적으로 생산돼야 회사가 작동 - ## Consumer와 Enterprise의 분기 - consumer에서는 breadth만으로 충분: 빠르고 저렴하고 폭넓게 유용하며 실패해도 용서됨 - enterprise에서는 기준이 다름: 특정 워크플로 안에서 고객의 context, permissions, data, risk tolerance를 내장한 채 작동해야 함 - 그래서 frontier 모델 단독은 enterprise 제품이 아니며, 가치는 모델을 회사 안에서 쓸모 있게 만드는 application, orchestration, services, proprietary data 계층에 자리함 - ## Distribution과 Talent - 어제의 모델이 새 제품을 가능케 해서 회사가 화요일에 포지션을 바꿀 수 있음 - 일부 회사는 **움직이는 목표를 팔 수 있는 사람**으로 판매 인력 프로필을 이미 바꿈 - 처음부터 top-down 방식이 일부 회사에서 작동 - ## 경제 구조 - **services-as-software**가 가격 책정을 바꾸고, systems-integrator 파트너십이 기존 플레이북보다 수년 일찍 발생 - 시장이 갈라짐: 일부 투자자는 제품이 끊임없이 재구축되는 포트폴리오를 보며 제품이 거의 중요하지 않고 services가 진짜 사업이라 결론, 다른 이들은 컨설팅처럼 보이는 것에 거부감 - 더 불편한 진실은 AI에서 product, services, deployment, distribution이 회사마다 재조합되는 중이라는 점 - ## 창업자의 혁신 - 좁은 ICP, 하나의 wedge, 천천히 구축, 예측 가능한 채용, product-led 유지: 변수가 가만히 있지 않고 고객이 point solution을 원하지 않는 시장에선 어느 것도 충분치 않음 - 승리하는 것으로 보이는 요소는 **빠른 피드백 루프**, 권한을 가진 소규모 팀, 6개월 전 계획이 아니라 변화에 맞춰 재조직하는 편안함 ### 이제 창업자와 국가의 과제 - AI에서 가치는 한 번 포착해 방어되는 게 아니라 **지속적으로 재가격화·재배치**되며, 변수는 그 재배치의 방향과 속도를 읽는 수단 - 모든 AI 회사는 가정의 스택 위에 앉아 있고, 견고한 회사는 자신이 어떤 가정에 롱이고 어떤 가정에 숏인지를 앎 - AI에 투자하고 구축하는 일은 소프트웨어 회사를 인수 심사하는 것보다 **트레이딩 북(trading book)을 운용**하는 것에 가까움 - 일부 곡선엔 롱, 다른 곡선엔 숏이며, 가장 중요한 순간에 깨질 수 있는 상관관계에 노출됨 - 어떤 변수에 베팅할지 고르고, 어떤 변수가 자신을 죽일 수 있는지 알며, 잘못된 베팅이 복리로 쌓이기 전에 더 빨리 회복하도록 회사를 구축해야 함 - ## 정치적 차원 - U.S. 정부가 두 변수를 동시에 다룰 수 있다면 더 나아짐: 위험한 frontier를 통제하되, 지능을 폐쇄형 labs와 경쟁 국가만이 미래를 정의할 만큼 비싸게 만들지 않기 - 승리하는 국가는 가장 많이 규제하거나 가장 많이 공개하는 나라가 아니라, 지능을 신뢰할 만큼 **안전하면서도** 퍼질 만큼 **저렴하게** 만드는 방법을 찾는 나라 ## Comments _No public comments on this page._