Anthropic, 시리즈 F 라운드에서 약 18조원 투자 유치

• Anthropic은 ICONIQ가 주도한 시리즈 F 투자에서 130억 달러($13B, 18조원)를 유치함
• 이번 투자로 Anthropic의 기업가치가 1,830억 달러($183B, 254조원) 로 평가됨
• 수익 성장세가 가파르게 늘어나며, 2025년 8월에는 연간 매출 기준 50억 달러에 도달함
• Claude Code 및 API 등 다양한 제품이 비즈니스와 개발자 시장에서 빠르게 확장됨
• 투자금은 기업 고객 수요 대응, 안전성 연구 강화, 글로벌 진출 확대에 사용 예정임

---

Anthropic, 시리즈 F 투자 유치 및 성장 현황

시리즈 F 투자 개요

• Anthropic은 ICONIQ가 주도한 시리즈 F 라운드를 통해 130억 달러 투자를 유치함
• 이번 투자로 Anthropic의 포스트머니 기업가치가 1,830억 달러로 평가됨
• ICONIQ 외에도 Fidelity Management & Research Company, Lightspeed Venture Partners가 공동 주도함
• Altimeter, Baillie Gifford, BlackRock 관련 펀드, Blackstone, Coatue, D1 Capital Partners, General Atlantic, General Catalyst, GIC, Goldman Sachs Alternatives, Insight Partners, Jane Street, Ontario Teachers' Pension Plan, Qatar Investment Authority, TPG, T. Rowe Price, WCM Investment Management, XN 등 다양한 글로벌 주요 투자사들이 참여함

Anthropic의 성장 및 수익 현황

• CFO Krishna Rao는 "Fortune 500 기업부터 AI 기반 스타트업에 이르기까지 고객이 Anthropic의 프론티어 모델과 플랫폼을 중요 업무에 활용 중"임을 강조함
• 고객 기반 전반에서 수요가 기하급수적으로 증가하고 있음
• Claude 출시(2023년 3월) 이후 매출 성장이 매우 빠르게 진행됨
  • 2025년 초에는 연매출 10억 달러에 도달함
  • 2025년 8월에는 연매출 50억 달러를 돌파하여, 역사상 가장 빠르게 성장하는 기술 기업 중 하나로 평가됨

기술력과 안전성에 집중

• Anthropic의 성장은 우수한 기술 인재, 안전성 중심의 접근, 프론티어 연구(정렬·해석 가능성 등) 에 힘입음
• 이런 요소들이 모델의 성능과 신뢰성의 기반이 되고 있음
• 현재 30만 개 이상의 비즈니스 고객에게 서비스를 제공 중이며, 매출 10만 달러 이상 계정을 보유한 대형 고객 수는 1년 동안 7배 증가함

제품 및 고객 확장

• 전체 플랫폼에서 비즈니스, 개발자, 개인 시장 모두 높은 성장세를 기록함
  • 기업 고객을 위해 API와 산업별 특화 제품을 제공하여, 복잡한 통합 과정 없이 강력한 AI 도입을 지원함
  • 개발자들은 2025년 5월 전면 공개된 Claude Code를 주요 도구로 채택 중임
  • Claude Code는 단 3개월 만에 5억 달러 이상의 연간 매출을 달성했고, 이용률이 10배 이상 증가함
  • 개인 사용자 대상 Pro 및 Max 요금제를 통해 일상 및 전문 업무용 향상된 AI 기능 제공함

투자자 평가 및 향후 계획

• ICONIQ 파트너 Divesh Makan은 "연구 우수성과 기술적 리더십, 그리고 고객 중심적 집중"을 통해 Anthropic이 탁월한 성장경로를 달리고 있음을 언급함
• 엔터프라이즈 리더들 역시 Claude의 신뢰성과 장기적 비전에 높은 점수를 주고 있음
• 시리즈 F 자금은 기업 수요 대응 능력 확장, 안전성 연구 심화, 글로벌 사업 확대 등에 쓰일 예정임
• 목표는 신뢰할 수 있고 해석 가능하며, 조정 가능한 AI 시스템 구축임

[GN⁺]

Hacker News 의견

• AI 분야에서 컴퓨팅 경쟁력이 엄청나게 치열해지는 중임을 느낌, 이젠 소규모 국가의 GDP 수준의 자본과 GPU, 전력 인프라가 없으면 경쟁 자체가 힘든 상황임, TSMC와 전력 회사들이 진정한 판을 쥐고 있음, 인재만으론 부족하고 H100 10만 장과 전용 발전소가 없으면 끝, 13억 달러 중 상당 부분이 실제 운영비보다 컴퓨팅 선결제일 수도 있을 것 같음, 마치 맨해튼 프로젝트급 인프라가 민간에 넘어가는 느낌임, 예전엔 1억 달러면 GPT-4 훈련 가능했지만 곧 10억, 100억 달러로 치솟을 전망임, 이게 미래엔 싸게 느껴질 수도 있음, GPT-7 정도면 국부펀드가 필요할 수도 있음
  • LLM 시대가 끔찍함, 혁신이 대부분 대규모 자본이 있는 기존 대기업 주도로 나오기 때문임, 사용은 구독 형태이기 때문에 사용자 통제권이 전혀 없음, hype가 엄청나서 실제로 현장에 도움이 되는지도 모르는 C레벨 경영진이 도입을 밀어붙이는 상황임, 공급사와의 기존 관계로 AI 선택이 좌우됨, 지난 10년간의 테크 업계 최악의 트렌드가 집약된 것 같음
  • 새 모델이 나올 때마다 비용 대비 효과가 점점 줄어듦을 체감함, 옛날 모델과 비교해도 잘 구분이 안될 때가 많음, 비디오 쪽은 빠르게 발전하는 것 같지만 그만큼 컴퓨팅 비용이 급증해서 오히려 우려사항이 생김
  • 최첨단 모델들이 6개월 내외만에 구형이 되는 현재 상황이 가장 놀라움, 이렇게 계속 단기간에 막대한 돈을 쏟아붓는 것이 지속 가능하다고 생각하지 않음, AGI가 몇 세대 안에 오는 것이라는 믿음이 있지 않은 이상 이 구조는 장기적으로 유지되기 힘듦
  • Dario가 Cheeky Pint에서 말한 내용을 인용하면서, “각 모델을 하나의 회사로 보면 2023년에 1억 달러로 모델을 훈련, 2024년에 2억 달러 수익 발생, 같은 해 10억 달러 투자해 다음 모델 만들고 그 다음해 20억 수익, 이런 식으로 초기엔 손실이 극심해도 각 모델 자체는 이득을 내는 셈이지만, 동시에 계속 더 비싼 회사를 창업하는 구조라서 돈이 점점 커짐, 이게 equilibrium 규모에 도달하면 장기적으론 전체적으로 수익성이 엄청 좋아지거나, 아니면 모델 성능이 더 좋아지지 않는 시점이 오고, 그때 지나친 투자 후 유야무야 빠질 수도 있음”이라고 설명함, 결론적으로는 어느 규모에서 균형을 이루게 될지, 오버슈트가 생기지 않을지는 아직 모름, 링크: Cheeky Pint 팟캐스트
  • 이 열풍이 지나치게 많은 원자력 발전 용량을 남겨서 결국 전기값이 낮아지면 이걸로 대기 중 탄소를 포집하는 일이 가능해지는 낙관을 갖고 있음, 중기적으로는 중국이 잉여 전력 덕분에 하이엔드 모델에서는 독보적 존재가 될 수 있고, 미국은 수십 년간 방치된 전력망 수리하느라 분주할 것 같음
• 이번 자금 조달은 50억 달러 목표에서 출발해 130억 달러까지 몰렸음, 보통 이런 경우 뜨거운 시장의 분위기를 노리거나, 높은 밸류에이션으로는 추후 자금을 모으기 힘들 것 같을 때 발생함, 내부자들이 주는 신호는 AI 투자자에겐 부정적으로 보임, 수백 개 댓글을 읽어보니 혼란과 불확실성, 허황된 생각이 너무 많아서 이전 거품과 비슷하다고 느낌, 훈련비용은 급증하는데 신모델들의 개선 폭이 줄고 있어 전망이 우려됨, 부(wealth)란 정의하기 어려운 개념으로, 협력과 교환을 통해 모호하게 형성되는 개념임, 결국 LLM이 진짜로 부를 만들어내야 이 투자가 정당화될 것, 빨리 구체적 가치를 보여주지 못하면 한순간에 붕괴할 위험이 높음, 금융업계에서 일하며 듣고 느낀 건 금융인들이 결코 천재가 아님, 130억 달러를 굴린다고 명민한 것은 아니고 기존의 돈 밝은 사람들이 많음, 그들이 무조건 통찰력이 있을 거라 착각하지 말라는 의견임
  • 만약 희석율이 20%였다면 동의할 수 있겠지만, 3%에서 7%로 늘린 것이라면 대거 초과 배정이 되었다는 점에서 오히려 긍정 신호로 봄, 상태 안 좋은 회사들은 라운드 채우기도 힘듦
• 이 펀딩 규모는 앞으로 곧 뭔가 터질 것 같은 불안함을 줌, 경쟁에서 살아남으려면 엄청난 현금을 불태워야 해서 소수만 할 수 있는 게임이 되었고, 이마저도 아직 수익성 있는 비즈니스를 보여준 곳이 없음, 모델들이 상향 평준화되다 보니 기술적 진입장벽도 미미하며, 누구나 할 수 있고 대규모 자금이 답이 된 상황임, 비즈니스적으로는 많이 위험한 구조고, 멋진 기술이지만 투자자 대부분의 손실로 귀결될 것 같음
  • 한동안 동의했던 생각이지만 최근엔 생각이 조금 바뀜, 최신 모델을 직접 커스터마이즈해서 인하우스에서 활용할 수 있을 때와 API만 사용할 때 경험 차이가 상당히 큼, Cursor와 Claude Code를 비교하면 같은 모델이어도 직접 빌드해서 쓸 때 완전히 다른 품질을 체감함, Mac vs Windows 비교처럼 결국 모델과 툴을 직접 설계해서 제공하는 일체형 구조가 상당한 장점이 있음
  • 아직 그 점에 확신이 크게 안 들긴 함, Anthropic이 API로 inferencing 서비스 제공 시 가격이 꽤 비싼데도 사람들이 계속 비용을 감수하고 씀
  • “누구나 모델 만드는 법은 안다, 돈만 들이면 된다”는 말은 차별화된 품질, 효율성, 파트너십 등 여러 요소를 간과하는 주장임
  • 오랫동안 계속 못 간다는 얘기와 달리 Herbalife도 아직 상장되어 있음이라는 우스갯소리
  • 이렇게 거대한 돈이 오가는 만큼, 거품이 꺼져서 헛것임이 드러나면 전체 시장에 엄청난 충격이 올 것임
• 부정적인 댓글이 너무 많음, 성장 잠재력이 큰 새로운 시장의 톱 플레이어가 130억 달러, 20배 매출 대비 밸류에이션으로 자금 유치에 성공했다면 반드시 거품 신호는 아니라고 생각함, 이 투자자들이 결코 비합리적이거나 멍청한 사람들은 아닐 것임, 거품일 가능성은 남아있지만 너무 성급한 판단은 금물임
  • 20배 매출 대비 밸류에이션이 거품 신호가 아니냐는 지적에, 오히려 이게 거품의 정의 아니냐고 묻는 의견
  • SoftBank와 WeWork 사태를 상기시켜줌
  • “이 투자자들은 바보가 아닐 것”이란 말은 예전에도 거품이 터지기 전에 항상 나왔다는 의견
  • SBF에게도 속았던 바로 그 투자자라는 점을 상기시킴, SBF조차 재무제를 설명할 스프레드시트 하나 갖추지 못했는데도 투자받았음
• YouTube 인수가 2006년에 16억 5천만 달러였는데 미쳤다고 여긴 사람이 많았음을 회상함, 시장 정보에 비해 개인 직감이 얼마나 신뢰할 수 없는지 강조, 시장보다 자신이 더 많이 안다고 생각할 때 보통 틀릴 확률이 높음, 옳다고 믿는 근거만 찾으려는 태도는 위험함, 만약 투자 수준이 비합리적이라면 얼마나, 왜, 어떻게 미래에 전개될지 구체적으로 예측하는 것이 매우 어렵다는 교훈을 언급함
  • 본인 예시로 YouTube를 꺼내는 것도 한편으론 자기모순 아니냐는 지적
  • 성공 사례만 부각된 생존자 편향이 아니냐는 의견, Google의 Motorola, Microsoft의 Nokia 인수처럼 실패 사례도 많음, WeWork도 120억 달러 투자받고도 파산함
  • 1830억 달러 밸류가 20년 전 16억 5천만 달러와 비교해 그럴 만하다는 논리는 납득이 잘 안됨
• 기대 매출 90억 달러(연환산 ARR)와 60% 매출총이익(클라우드 업체 협력 시 30%)이면 고성장에 gm 레벨에서도 선방, 20배 멀티플이라 해도 성장률을 볼 때 그리 미친 수준은 아님, 실제로 연말까지 이 수치가 실현될지 여부에 달렸음, 5월에는 30억, 7월에는 50억이었으니 한 달에 2-4억 성장
  • 투자자들이 뭘 보고 이렇게 투자하는지 궁금함, 분명 배당이나 수익 때문은 아닐 것임, 결국 주가 상승에만 전적으로 베팅하는 셈, 시장이 진짜로 가치를 창출한다고 믿고 계속 이 구조가 돌아가는 모양임
• AI에 돈과 컴퓨팅을 쏟아붓는 현재 방식은 단기적 해법 같음, 인간 뇌는 원전 수준의 에너지 없이도 학습하는데, 향후 효율성이 진짜 핵심 혁신 포인트가 될 것이라 봄, 그 타이밍이 내일일지 5년일지 모르지만 AI 회사들은 그때까지는 올인할 수밖에 없음
  • 양자 컴퓨팅이 해결책인지는 확신 없지만, 크게 효율적이고 파워풀한 완전히 새로운 컴퓨팅 패러다임(예: 양자 컴퓨팅)이 필요하다고 느낌
  • 에너지 비용이 비싸게 유지된다면 AI 투자는 결국 에너지 생산 단가가 낮아지는 데에 걸겠다는 것과 같음, 에너지 가격이 내려가면 컴퓨팅 경쟁력의 진입장벽도 무너질 것임, 만약 효율성에서 혁신이 나온다면 반도체보다는 모델 자체 쪽에서 나올 가능성이 높고, 그렇더라도 그 혁신을 내부에만 유지하지 못한다면 결국 경쟁장벽이 또 사라질 것임
  • 인간 뇌가 원전을 쓰지 못하는 이유는 진화적으로 그만큼 복잡하고 어려웠기 때문, 우리가 원전을 쓰는 방법을 알아냈다면 훨씬 더 높은 지능도 가능할 것임, 원전을 쓴다고 해서 더 높은 지능이 나오지 말란 법은 없음
• LLM 추론 서비스는 항상 클라우드 데이터센터 수준의 99.999% 가용성이 필요하지 않음, 그래서 소형 투자자들이 창고에 GPU 들여놓고 오픈소스 LLM을 돌리며 고객 라우팅하면, 서비스가 하루 다운됐다고 해서 큰 손해가 아니라 하루치 수익만 날릴 뿐임, 세탁소나 창고 투자처럼 간편한 수동적 투자처로도 각광될 수 있다고 봄
  • 본인은 AI 작업 중 80%를 OpenAI batch mode로 처리하는데 덕분에 마음이 한결 편해짐, 즉각반응 모드는 계속 긴장할 수밖에 없음, Copilot 열풍이 식고 나면 LLM 사용이 결정적 도구는 잘 만들지만 도구 자체로는 약하다는 인식이 높아져서, 사용량과 급박함 모두 줄 것 같음
• Iconiq(마크 저커버그 가족회사)가 이번 라운드 주도 투자자 중 하나였음
• Ontario Teachers' Pension Plan이 투자자로 등장하길래, 캐나다 국민연금이 Anthropic에 투자한 건지 의문을 가짐
  • Ontario Teachers'는 벤처/그로스 펀딩에 매우 적극적이며 다수 펀드의 대표적 LP임, 다만 전체 투자 포트폴리오에서 이 영역은 극히 일부임, 참고 링크: Crunchbase / OTPP 공식
  • 이런 대형 투자는 대부분 연기금 등 대규모 자금을 움직이는 기관이 필요함, SoftBank 등이 대규모 자금 집행안을 내놓으면 사실상 더 나은 대안이 없음
  • ‘공적 연금’(공무원 및 공기업 직원들의 은퇴 자금)과 ‘공공 자금’(정부 예산 등)은 엄연히 다르다고 봄, 물론 연기금이 큰 손실 나면 정부가 구제해야 할 수도 있으니 어느 정도 의미는 통함, 하지만 단일 투자로 무너질 만큼 한 종목에 비중이 실리지는 않음
  • 이 연기금은 VC업계에서 아주 주요한 투자자였으며, 나 역시 이 덕분에 몇 년간 급여 받았던 기억이 있음