▲

AI 버블 혐오자의 가이드

 (wheresyoured.at)
32P by GN⁺ 9일전 | ★ favorite | 댓글 5개
  • AI 버블은 실질적 수익 없이 거품만 잔뜩 낀 상황이며, 경제적/기술적으로도 매우 불안정한 구조임
  • NVIDIA와 소수의 빅테크가 시장을 떠받치고 있으며, 대부분의 AI 기업은 엄청난 적자를 기록 중임
  • 생태계 전반이 GPU 판매에 과도하게 의존하고 있고, 실제로 돈을 버는 기업은 NVIDIA뿐임
  • 생산성, 혁신, 일자리 대체 등 AI의 효과는 과장되어 있으며, AI 기반 스타트업 대부분은 뚜렷한 비즈니스 모델이나 흑자 전환 없이 버티는 중임
  • 거대 자본과 미디어가 AI에 대한 환상을 부추기며, 실상은 반복적이고 한정된 기능, 높은 비용, 불확실한 미래로 점철되어 있음

서론: “AI 버블”에 대한 경계

  • 진정한 저널리즘은 역사를 기록하고 사실을 정확히 진단하며, 현 상황을 ‘경고할 만하다’고 명확히 묘사하는 것임
  • 필자는 AI 산업의 현재 모습에 깊은 우려와 경각심을 가지고 있음
  • 이런 우려는 약함이나 비관주의가 아니라, 시장과 자본의 거품과 자기기만을 비판적으로 바라보는 건강한 회의주의에서 비롯됨
  • 필자를 비롯한 비판자들은, 시장 논리에 순응하지 않는다는 이유로 과도하게 폄하되고, ‘반대를 위한 반대’ 또는 ‘트래픽을 노린 클릭 유도’라는 비난을 받음
  • 하지만 비판의 목적은 단순한 관심이 아니라, 산업 내 과장과 허위, 자본의 낭비, 환경 파괴, 그리고 소수만 이득을 보는 구조를 드러내기 위함임
  • 필자는 2021년 이후 재택근무 반대 열풍, Clubhouse 오디오 소셜 버블, NFT 버블, 조용한 퇴사(Quiet Quitting) 조작, FTX 사태 등 다양한 거품과 조작을 꾸준히 비판해왔음
  • 이는 단순한 ‘반골’이 아니라, 권력과 자본에 대한 비판적 사고와 건전한 불신에서 비롯된 것임
  • 최근 상황을 보면 AI 버블은 단순히 시장 기대와 분위기(vibes), 그리고 맹신 위에 세워진 극도로 불안정한 구조임
  • 거품이 명확히 존재함에도, 시장은 여전히 이를 부정하거나, 실제보다 훨씬 강하고 견고하다고 착각함
  • 필자는 스스로를 ‘헤이터(hater)’라고 칭하며, 낭비와 손실, 환경 파괴, 허위 마케팅, 일자리 대체 허상에 대한 혐오를 밝힘
  • 본 글은 전통적인 가이드가 아닌, AI 버블의 본질적 문제와 비판 근거를 압축적으로 정리한 자료임
  • AI 산업의 허상, 작동하지 않는 ‘에이전트’ 개념, 효용 없는 고가의 클라우드 소프트웨어, 그리고 ‘미래가 이미 도래했다’는 과장에 환멸을 느낌
  • 필자가 보는 생성형 AI 붐은 매출·성과·효용 모두 결여된 신기루에 불과함
  • 이 모든 상황이 붕괴될 때, 필자가 미리 경고했다는 점을 꼭 기억해주길 바람

The Magnificent 7의 약점: NVIDIA

  • 2025년 7월 기준, NVIDIA의 주가는 170달러로 급반등했으나, 올해 1월 DeepSeek 사태로 100달러 이하까지 하락하는 등 주요 시장 이벤트에 극단적으로 민감하게 반응함
  • Magnificent 7(미국 증시의 35% 차지): NVIDIA, Microsoft, Alphabet(Google), Apple, Meta, Tesla, Amazon
    • 이 중 NVIDIA의 시가총액이 Magnificent 7의 19%를 차지
    • 다수 미국인의 연금·투자 상품이 이 빅테크 그룹에 연동되어 있어, AI 버블 붕괴 시 실물 경제에 영향 미칠 수 있음
  • NVIDIA 주요 매출 의존도 심각
    • Microsoft(18.9%), Amazon(7.5%), Meta(9.3%), Alphabet(5.6%), Tesla(0.9%)가 NVIDIA 전체 매출의 42.4% 차지
    • Meta는 자본 지출의 25%, Microsoft는 47%를 NVIDIA 칩 구매에 사용
    • Microsoft는 CoreWeave에서 서버를 임대하며, CoreWeave와 Crusoe 등 신생 클라우드 기업도 NVIDIA 매출의 10% 기여
  • NVIDIA의 분기별 실적 성장률
    • 연간 성장률: 101%, 94%, 78%, 69% (최근 4개 분기)
    • 분기 성장률은 69%→59%→12%→12%로 급격히 둔화
    • 데이터센터 매출(주로 서버용 GPU)이 391억 달러로, 시장 예상(394억 달러)에 못 미침
    • 중국 시장 이슈(H20 금지 등) 와 맞물려, 매출 성장성에 점점 한계 노출
  • NVIDIA의 리스크
    • 매 분기마다 GPU 판매량이 증가해야만 성장 유지 가능
    • 매출 88%가 데이터센터 GPU(즉, AI 트레이드)에서 발생하며, 빅테크 5~6개사의 연속 구매가 끊기면 시장 전체가 흔들릴 수 있음
    • 실제로 미국 증시 35% 가 5-6개 기업의 GPU 구매에 의해 ‘버티는’ 구조
    • Russell 1000 수익의 47.87%가 Magnificent 7에서 창출(2024년 기준)
  • 결론적으로, NVIDIA 성장의 둔화나 매출 타격이 발생하면 Magnificent 7 전체, 나아가 미국 증시와 연금 시장에 직접적 충격이 전이될 수 있는 구조임

The Hollow "AI Trade" (공허한 AI 트레이드)

  • “AI로 돈을 번다”는 시장의 일반적 인식과 달리, NVIDIA 외에는 생성형 AI로 이익을 내는 기업이 사실상 전무

Magnificent 7이 2024~2025년 2년간 AI 관련 설비투자(Capex)로 5600억 달러를 쏟아부었으나, 그 결과 만들어진 AI 관련 매출은 고작 350억 달러

  • Meta, Amazon, Microsoft, Google, Tesla가 약속대로 진행 한다면 5600억 달러 투자에 350억 달러 매출만 발생할 것
  • 실제로 대부분의 기업이 ‘매출’만 있을 뿐, 이익(Profit)은 전혀 없음
  • 이 같은 시장 구조는 극단적으로 비합리적이고, 위험한 자본 소모

Microsoft AI Revenue In 2025: 130억 달러, 이 중 100억 달러는 OpenAI가 '서버 운영 원가만 간신히 충당하는 할인 요금'으로 Azure에 지출

  • 2025년 자본지출(Capex): 800억 달러

  • 2025년 1월 기준, Microsoft의 AI 관련 연환산 매출은 130억 달러로 발표됐지만,이 중 100억 달러(약 77%)는 OpenAI가 Microsoft Azure를 사용하는 데서 발생한 것임
  • OpenAI가 지불하는 금액은 'Microsoft의 서버 운영비만 충당하는 수준의 대폭 할인 요금' 으로, 실질적인 이익은 거의 남지 않음
  • 실제 Microsoft의 '진짜' AI 매출은 약 30억 달러에 불과하며,이는 2025년 자본지출의 3.75%에 그침
  • 2024년 AI 매출도 47억 달러 중 20억 달러가 OpenAI에서 발생 2년간 AI 인프라에 1357억 달러를 투자했지만, 전체 AI 매출(177억 달러) 중 127억 달러가 내부 거래임
  • 결국 Microsoft의 AI 사업은 외형만 부풀려진 상태이며, 실제 이익은 미미하고 대부분이 OpenAI와의 내부 거래임

Amazon AI Revenue In 2025: 50억 달러

  • 2025년 자본지출(Capex): 1,050억 달러

  • 2025년 Amazon의 AI 관련 예상 매출은 50억 달러로, 1,050억 달러라는 거대한 자본지출에 비해 매우 미미한 수준
  • 2024년에도 자본지출이 830억 달러에 달했지만, 실제 AI 매출은 겨우 27.7억 달러였음
  • 분석가는 Amazon의 AI 매출이 80% 증가할 수 있다고 전망하지만, 투자 대비 수익 구조가 극도로 비효율적임
  • Amazon CEO Andy Jassy는 “AI가 클라우드 이후 최대의 비즈니스 기회이자 인터넷 이후 가장 큰 기술 변화”라고 강조했으나, 실제 데이터는 이 주장을 뒷받침하지 못함
  • 대규모 자본 투입에도 불구하고, AI에서 의미 있는 이익을 창출하지 못하는 구조적 한계가 드러남

Google AI Revenue: 최대 77억 달러

  • 2025년 자본지출(Capex): 750억 달러

  • 2025년 Google의 AI 관련 최대 매출 추정치는 77억 달러에 불과하며, Bank of America 애널리스트의 추정이 다소 관대한 편임
  • 이 중 42억 달러는 Google Cloud 내 AI 구독 매출, 31억 달러는 Google One의 프리미엄 AI 플랜에서 발생
    나머지 11억 달러는 Workspace 서비스에 Gemini AI 기능을 강제로 추가하면서 가격 인상으로 창출된 매출임
  • Google One 프리미엄 AI 플랜은 약 1,290만 명의 유료 구독자를 가정해야만 31억 달러 매출이 가능하지만, 이는 현실적 근거가 부족한 추정임
  • Workspace 매출 역시 비즈니스 사용자 대상 강제 가격 인상 효과에 의존해 지속적인 성장성에 의문이 제기됨
  • 총 750억 달러의 AI 관련 자본지출에 비해, 실제 AI 매출(이익이 아님)은 매우 미미한 수준

Meta AI Revenue: 20~30억 달러

  • 2025년 자본지출(Capex): 720억 달러

  • 2025년 Meta의 AI 매출은 20~30억 달러로, 720억 달러에 달하는 AI 설비투자에 비해 매우 미미한 수준임
  • Meta는 생성형 AI(LLM, 이미지 생성 등) 기능을 Instagram DM 등 모든 주요 서비스에 강제 통합했으나, 이를 통한 실질적 수익화에는 실패하고 있음
  • 저작권 소송에서 공개된 자료에 따르면 Meta는 2035년까지 AI 매출 4,600억~1.4조 달러를 주장했으나, 이는 비현실적 과장에 불과함
  • 전체 매출의 99%는 광고에 의존하며, Llama 모델 라이선스 매출도 일부 클라우드 파트너(AWS, NVIDIA, Google 등) 에서 발생할 수 있으나 구체적 실적은 미공개
  • 결과적으로 Meta의 AI 부문은 대규모 투자 대비 이익 창출이 부재하며, 막대한 현금 소진과 비효율성만 심화시키는 구조임

Tesla Does Not Appear To Make Money From Generative AI

  • 2025년 자본지출(Capex): 110억 달러

  • Tesla는 Magnificent 7에 포함되어 있으나, 생성형 AI 트레이드와는 가장 거리가 먼 기업임
  • Elon Musk가 xAI(대표적 LLM인 Grok 개발, 트위터 소유)로 AI 분야에 뛰어들었지만, xAI는 월 10억 달러의 현금 소진과 연 1억 달러(월 830만 달러)의 극히 미미한 매출만 기록하고 있음
  • Tesla의 AI 관련 직접 매출은 사실상 전무하며, xAI 투자 여부도 주주 투표를 통해 결정될 예정이나, 이는 Musk 개인의 레버리지 목적이 강함
  • xAI와 같은 AI 사업에 Tesla 자본이 투입될 경우, 실질적 수익 창출 가능성은 낮고, 오히려 Tesla 본업의 매출·브랜드 악화 리스크만 커질 전망임
  • 결론적으로 Tesla는 생성형 AI 열풍의 직접적 수혜자도 아니며,AI 투자로 인한 실질적 이익 역시 기대하기 어려운 상황

Apple's AI Story Is Weird

  • 2025년 자본지출(Capex): 약 110억 달러

  • Apple은 생성형 AI 도입에 가장 소극적이고 AI 트렌드에 뒤처진 기업이라는 평을 받고 있음
  • Apple Intelligence 기능 출시 이후, 수백만 명의 사용자가 오히려 AI에 반감을 갖게 되었으며, 이유는 대부분의 AI 기능(문서 요약, 이메일 작성, 커스텀 이모지 등)이 실질적으로 원하지 않는 기능이었기 때문임
  • 시장에서는 Apple이 AI 경쟁에서 뒤처졌다는 평가를 받고 있으며, 억지로 생성형 AI를 도입한 결과 사용자 불만만 증가함
  • 그럼에도 불구하고, Apple은 AI 인프라에 천문학적 투자를 단행하지 않았고, AI 관련 자본지출은 110억 달러 수준으로 상대적으로 매우 적음
  • 한정된 시장성과 수익성 없는 AI 제품에 거대한 자본을 베팅하지 않았다는 점에서, Apple의 접근 방식은 오히려 보수적이고 신중했다고 볼 수 있음

The Fragile Five — Amazon, Google, Microsoft, Meta and Tesla — Are Holding Up The US Stock Market By Funding NVIDIA's Future Growth Story

  • Amazon, Google, Microsoft, Meta, Tesla 등 이른바 ‘Fragile Five’가 NVIDIA GPU 구매를 통해 미국 증시를 떠받치고 있는 구조임
  • NVIDIA의 기업가치는 미국 전체 증시의 약 8%, S&P 500의 약 7.5% 를 차지하며, 매출의 88%가 생성형 AI용 엔터프라이즈 GPU에서 발생, 이 중 42%는 다섯 기업의 구매에 의존함
  • 이들 중 단 한 곳이라도 NVIDIA 칩 투자에 변화를 주면, 미국 전체 시장에 직접적이고 중대한 부정적 영향이 발생할 수 있음
  • NVIDIA 실적이 곧 시장 신뢰도로 간주되는 상황에서, 실제로는 이들이 구축한 AI 서비스가 막대한 적자를 내고 있음에도, 실질적 매출·수익 창출에는 거의 기여하지 못하고 있음
  • 각 기업이 ‘AI로 인한 성장’, ‘AI로 인한 일자리 대체’ 등을 이야기하지만, 이는 실제 수익 공개를 회피하는 손짓에 불과
  • 실질적 성장이나 매출 증대가 있었다면 시장 전체에 대대적으로 알렸을 것이며, 계속해서 막대한 비용만 투입하고 있음
  • 결국, AI 붐의 본질은 실제 비즈니스 수익이 아닌, NVIDIA의 GPU 구매를 둘러싼 자본 순환에 불과함

Ed! Amazon Web Services Took Years To Become Profitable! People Said Amazon Would Fail!

  • 많은 사람들이 “Amazon도 한동안 적자였으니 AI 역시 시간이 지나면 흑자로 전환될 수 있다”는 논리를 반복하지만, 실제로 Amazon Web Services(AWS) 와 생성형 AI 산업은 본질적으로 다름
  • 1999년 Barron's의 Amazon.bomb 기사에서 Amazon의 적자 구조, 경쟁 심화, ‘언젠가 흑자 전환 가능성’에 대한 회의적 시각이 있었으나,
    이 당시조차도 Amazon의 비즈니스 모델(온라인 상거래)의 시장 수요 자체는 부정하지 않았음
  • AWS 역시 2006년 출범 전후로 적자가 있었으나, 기존에 존재하던 명확한 시장(웹 서비스, 온라인 트래픽 증가)에 실질적 수요가 있었고, 성장 후에는 빠르게 흑자 전환에 성공함
  • 생성형 AI 산업은 AWS와 달리, 수익성 있는 확실한 비즈니스 모델이나 대중적 수요가 아직 입증된 적 없음
  • 과거 Amazon 회의론이 잘못됐다는 이유만으로, 현재 AI 산업 비판을 ‘언젠가 흑자 전환될 것’이라 낙관하는 것은 본질적 맥락이 다름을 무시한 잘못된 비교임

But Let's Talk About Amazon Web Services

  • Amazon Web Services(AWS) 는 본래 Amazon.com의 폭증하는 웹 트래픽과 복잡한 서비스 운영 인프라를 자체적으로 확장하는 과정에서 파생된 사업임
  • 초기 인터넷 시대(페이스북, 트위터 등장 이전)였으며, AWS는 클라우드 컴퓨팅, 서버 임대, 스토리지 등 실질적 인프라 혁신을 최초로 제공하며 시장을 새롭게 창출함
  • 2006년 Bloomberg 기사에서도 Bezos의 ‘위험한 베팅’ 으로 평가받으며 월가와 투자자들로부터 강한 회의론에 직면
  • 그러나 당시에도 하드웨어/소프트웨어 인프라가 이미 구축된 상태였고, 몇 년 간의 대규모 선투자가 끝나면 본격적으로 사업성과가 날 것이라는 경영진의 장기적 전망이 분명했음
  • 당시 애널리스트 Scott W. Devitt는 “수년간 경제적 수익이 없을 것”이라고 비관적으로 평가했지만,
    실제로 AWS는 기존에 존재하던 뚜렷한 시장 수요(기업·개발자 대상 IT 인프라 서비스) 를 빠르게 흡수하며 성공적으로 흑자 전환함
  • 오늘날 AI 붐에서도 다수 애널리스트들은 생성형 AI가 AWS처럼 수익성 있는 산업이 될 것이라 낙관하지만,
    실제로는 Salesforce, Palantir 등 주요 IT기업들도 AI 부문에서 수익 개선 신호가 없다고 공식적으로 밝힘
  • 분명한 차이점은, AWS의 경우 명확한 시장과 필요에 기반하여 성장한 반면,생성형 AI 서비스는 과장된 기대만 존재하고 실질적 수요·수익 모델이 입증되지 않은 상태임
  • 애널리스트들도 대규모 오판을 할 수 있음을 강조하며, 시장 낙관론만으로 AI 사업의 성공을 기대하는 건 위험함

But Amazon Web Services Cost Money Ed, Now You Shall Meet Your End!

  • AWS 역시 장기간 적자와 막대한 설비투자(Capex) 부담을 안고 성장했으나,
    2015년 흑자 전환 직전까지도 많은 애널리스트(예: Katy Huberty)는
    “AWS가 여전히 큰 손실을 보고 있다”, “수익 기여도가 낮다”는 비관적 평가를 내림
  • 2014년 기준, Amazon 전체 설비투자 49억 달러 중 상당 부분이 AWS에 투입되었으나,
    결국 10년간 676억 달러의 누적 투자로 AWS는
    분기당 수십억 달러의 이익을 내는 초대형 인프라 사업으로 성장함
  • 참고로, 676억 달러는 2024년 Amazon AI 설비투자(830억 달러) 에도 못 미치며,
    2025년 Amazon 전체 AI 설비투자의 1/15 수준에 불과
  • 즉, AWS 성장에 들어간 비용조차 현재 AI 붐에서 투입되는 자본의 극히 일부임
  • 이와 달리, 생성형 AI 산업은 이미 수십~수백억 달러의 자본을 단기간에 쏟아붓고 있지만, 실질적으로 수익성·시장성 모두 입증하지 못한 상태임
  • 요약하면, 과거 AWS와 생성형 AI는 투입 자본, 시장성, 성장의 명확성에서 근본적 차이가 있음
  • 현재 AI 투자의 규모와 속도가 AWS 당시와는 비교 불가임

Generative AI and Large Language Models Do Not Resemble Amazon Web Services or The Greater Cloud Compute Boom, As Generative AI Is Not Infrastructure

  • 많은 사람들이 생성형 AI 및 대형언어모델(LLM) 을 AWS, Azure, Google Cloud 등 클라우드 인프라 사업과 동일 선상에서 비교하지만,실제로 두 사업은 본질적으로 완전히 다름
  • AWS 등 클라우드 서비스는 EC2(컴퓨트 임대), S3(스토리지 임대)처럼 실질적 IT 인프라를 유연하게 제공하며, 엔터프라이즈 시장에서 이미 수십~수백억 달러의 매출을 기록함
    수요가 분명하고, 기업·개발자에게 높은 효용을 제공하는 기반 사업임
  • 클라우드 인프라의 본질은 저렴하고 안정적으로, 전 세계 어디서나 서비스를 운영할 수 있게 해주는 것이며, 이는 고객이 직접 인프라를 구축·운영할 필요성을 제거해주기 때문임
  • AWS의 성장은 온라인 쇼핑, 웹서비스 트래픽 증가 등 이미 존재하던 문제와 수요를 효과적으로 해결하며 일어난 것임
    • 즉, 명확한 비즈니스 필요와 시장 수요가 선행
  • 반면, 생성형 AI/LLM 사업은 과도한 데이터센터·GPU 비용 투입 외에, 인프라로서의 다양성과 범용성, 명확한 시장 수요가 부족
    • 실제로 AI 스타트업들도 대부분 AWS나 Azure 같은 ‘진짜’ 인프라 위에 탑승할 수밖에 없음
  • 결론적으로, 생성형 AI는 클라우드 인프라의 한 기능(Feature)에 불과하며,
    클라우드처럼 다양한 산업·제품 기반이 될 수 있는 범용 인프라로 입증된 적 없음
    AI 붐과 인프라 혁신을 동일선상에서 비교하는 것은 논리적 오류임

Companies Built On Top Of Large Language Models Don't Make Much Money (In Fact, They're Likely All Deeply Unprofitable)

  • 생성형 AI(LLM) 기반 기업들은 거의 모두 적자임. 예외적으로 Midjourney가 2022년 흑자라 주장했으나 현재는 불확실함
  • OpenAI, Anthropic, Cursor(Anysphere) 를 제외하면, 연간 매출 5억 달러를 넘는 기업이 없음
  • Midjourney, Ironclad, Perplexity 등 소수만이 연매출 1억~2억 달러대이며, 1억 달러 매출을 넘는 생성형 AI 기업은 전 세계 12곳에 불과
  • 이 중 일부는 이미 인수되었고, 7곳은 연매출 5천만 달러 이상 수준에 머물고 있음
  • SaaS/엔터프라이즈 소프트웨어 시장과 비교하면 이 매출 규모는 매우 미미함(예: Hubspot 연매출 26억 달러)
  • 3년이 지났지만, OpenAI·Anthropic 등 선두 기업조차 수십억 달러 적자를 내며, 성장 기업도 대중적 인기·수익성 모두 부족
  • 대표 사례인 Cursor도 5억 달러 매출을 내지만, 무리한 요금 정책과 서비스 제한 등으로 인해 지속 불가능한 비즈니스 모델임이 드러남

Cursor's $500 Million "Annualized Revenue" Was Earned With A Product It No Longer Offers, And Anthropic/OpenAI Just Raised Their Prices, Increasing Cursor’s Costs Dramatically

  • Cursor의 5억 달러 연환산 매출은 실제로는 더 이상 판매하지 않는, 지속 불가능한 서비스에서 나온 수치임
  • 2025년 6월, Anthropic와 OpenAI가 API 가격을 인상하고 서비스 티어/우선처리 등 구조를 도입하면서, Cursor의 운영 비용이 급증함
  • 이에 따라 Cursor는 구독 요금제, 이용 제한, 속도 제한 등 사용자에게 불리한 정책을 연이어 도입함
  • Cursor의 급격한 매출 성장 배경에는 채산성이 전혀 없는 무리한 가격 정책과 모델 사용 조건이 있었고, 이제는 더 이상 유지할 수 없어 서비스 품질·조건이 악화
  • 실제로 Cursor가 유치한 투자금 대부분은 OpenAI, Anthropic 등 LLM 제공사에 지급되고 있음
  • 이런 환경에서는 어떤 AI 스타트업도 영속적 비즈니스 모델을 만들기 어렵고, Cursor의 급성장 사례도 결국 ‘거짓 성장’으로 판명

No, Really, Where Are The Consumer AI Startups?

  • 대표적 소비자 AI 스타트업 Perplexity는 연환산 매출이 1.5억 달러에 불과하며,
    2024년에는 매출의 167%에 달하는 비용을 Anthropic, OpenAI, Amazon에 지불해 6,800만 달러 적자를 기록함
  • 실제로는 소비자 대상 생성형 AI 서비스가 제대로 수익화된 사례가 거의 없음
  • 대부분의 신규 AI 서비스는 기존 검색, 자동화, 챗봇 등 기존 SaaS의 기능 반복에 머물러, 실질적 혁신이나 ‘새로운 시장’을 만들어내지 못하고 있음

The Generative AI Software As A Service Market Is Small, With Little Room For Growth And No Profits To Be Seen

  • 생성형 AI SaaS 시장은 전체 규모가 매우 작고, 고성장·수익성 있는 기업이 전혀 없음
  • 업계는 실제 수익이 아닌 ‘연환산 매출(Annualized Revenue)’만을 강조하는데, 이는 월 매출이 낮거나 구독자 이탈이 많아 실제 성장·지속성 판단에 한계가 있음
  • 월 매출 기준으로 환산하면 대부분의 기업이 1,000만 달러 이하에 불과하며, 예를 들어 2008년 AWS 월 매출(1,575만 달러)과 비교해도 성장 속도가 매우 뒤처짐
  • Cursor 외에 눈에 띄는 SaaS 기업이 없고, “최고 성장”을 자랑하는 기업조차 불투명한 가격정책과 허위 성장 지표를 사용함
  • 대표적 AI 검색 SaaS인 Glean도 2024~2025년 연속 투자유치 및 “100M ARR 달성” 발표 이후 월 매출·실질 성장 정체, 갑작스런 가격 인상 등 실질적 시장성, 고성장성 모두 부재
  • 전체적으로 생성형 AI SaaS 시장은 좁고 성장 여력도 없으며, 아직 흑자 전환에 성공한 기업이 전무

There Are No Unique Generative AI Companies — And Building A Moat Based On Technology Is Near-Impossible

  • 생성형 AI 기업들은 거의 모두 동일한 기능(챗봇, 검색·요약, 텍스트/이미지 생성, 번역, 코딩 지원 등) 만 제공하며, 기술적 차별화가 극도로 어려움
  • 결국 대부분의 기업이 동일한 LLM(OpenAI, Anthropic 등) API에 의존하고, 핵심 지적재산(IP) 역시 LLM 제공사에 귀속됨
  • Cursor처럼 성장한 사례도 UI·프롬프트·요금 정책 외에 실질적 차별점이 없고, 경쟁사(아마존, ByteDance 등) 역시 유사 제품을 손쉽게 출시
  • 서비스 디자인·운영이 기술적 진입장벽(모트)이 될 수 없으며, 모델 제공사가 원하면 언제든 클론 서비스를 만들 수 있음
  • 결과적으로 독창적인 생성형 AI 스타트업, 실질적 ‘해자(Moat)’ 구축에 성공한 사례는 없음

Established Large Language Models Are A Crutch

  • 과거 기술 붐에서는 기업마다 자체 모델·인프라를 개발했으나, 생성형 AI 시대에는 거의 모든 스타트업이 소수 대형 LLM(OpenAI, Anthropic 등)에 의존
  • 결국 시장은 두세 개 기업을 중심으로, 나머지 기업이 하청처럼 기능 소프트웨어만 얹는 구조로 변질됨

OpenAI And Anthropic Are Their Customers' Weak Point

  • OpenAI, Anthropic 등 LLM 제공사는 가격·서비스 조건을 언제든 임의로 변경할 수 있고, Windsurf 차단 사례처럼 고객 비즈니스를 직접적으로 위협함
  • 고객사들은 LLM 제공사의 정책 변화에 완전히 종속되어 있음

The Limited Use Cases Are Because Large Language Models Are All Really Similar

  • 모든 대형언어모델은 거의 동일한 데이터와 구조(Transformer 등)를 사용해, 결국 기능적 차별성·사용처 다양성도 극히 제한적임

Generative AI Is Simply Too Expensive To Build A Sustainable Business On Top Of It

  • 운영비, API 비용 등 비용 구조가 지나치게 크고 예측이 어려움
  • OpenAI, Anthropic, Perplexity 등 모두 수익 대비 유지비 부담이 극심해 지속 가능한 비즈니스 모델이 불가능에 가까움

Companies Are Using The Term "Agent" To Deceive Customers and Investors

  • ‘AI 에이전트’라는 용어는 실제로는 자율적이지 않은 챗봇, 자동화 플로우를 그럴듯하게 포장한 마케팅 사기에 가깝음
  • 대표적으로 Salesforce의 Agentforce, OpenAI의 ChatGPT Agent, Glean, ServiceNow 등이 ‘AI 에이전트’라는 이름으로 단순 챗봇 또는 IF-THEN 기반 자동화 기능만 제공함
  • 실제 단일 스텝 작업 성공률 58%, 다중 스텝 작업 성공률 35%에 불과하며, ‘사람을 대체’하는 진짜 에이전트는 전혀 아님
  • 코딩 에이전트조차 실질적으로는 실행·오류·품질 관리 모두 인간의 감독에 의존
    • 실제 연구 결과, AI 코딩 툴은 개발자 생산성을 19% 감소
  • ‘AI 에이전트’라는 용어 자체가 고객·투자자를 오도하기 위한 과장된 상징적 수사에 불과하며, 언론 역시 이를 무비판적으로 반복 보도하는 상황

But Really Though, Everybody Is Losing Money On Generative AI, And Nobody's Making A Profit

  • UBS 보고서에 따르면, 실제로 AI 서비스를 운영하는 상장 기업들의 AI 관련 수익은 극히 미미
  • 예시로 ServiceNow의 AI 연계 연간 계약 가치(ACV)가 2억 5,000만 달러에 불과하며, 이마저도 실제 ‘AI만’의 순수 매출인지 불분명
  • Gartner는 2027년까지 ‘AI 에이전트’ 프로젝트의 40% 이상이 중도 폐기될 것이라 전망
  • Adobe, Salesforce 등도 생성형 AI에 대해 많은 홍보를 하지만 연환산 매출은 1억 달러 내외로, 비용을 감안하면 실질적 이익은 거의 없거나 적자에 가까움
  • 이런 매출 규모는 미래 산업을 주도하기엔 터무니없이 작은 수준이며, 실질적 수익성이나 시장성 모두 부재

OpenAI and Anthropic Are The Generative AI Industry, Are Deeply Unstable and Unsustainable, and Are Critical To The AI Trade Continuing

  • OpenAI와 Anthropic은 생성형 AI 산업의 절반 이상의 매출을 차지하지만, 연간 수십억 달러씩 적자를 내고 있는 극도로 불안정한 구조
  • OpenAI는 SoftBank 등에서 400억 달러 조달 중이며, 이 중 300억 달러는 아직 미확보
    • 투자금의 상당 부분은 데이터센터(예: Stargate)에 투입될 예정이나, 실제 자금 조달 가능성도 불확실함
    • 2025년까지 영리회사 전환에 실패하면 2억 달러 중 200억 달러를 잃고, 2026년 10월까지 미전환 시 전체 투자금이 부채로 전환
    • Microsoft 등 주요 투자자와의 협상도 교착 상태임
  • Anthropic 역시 연매출 40억 달러에 30억 달러 적자, Cursor 등 주요 고객사에 가격 인상 및 서비스 제한을 반복
    • 수익성·지속가능성 모두 없는 불안정한 사업 구조
  • 두 기업이 생성형 AI 전체 매출의 50% 이상을 차지하지만, 실제론 수익 없는 적자 구조에 전적으로 의존
  • 외부 자금 지원과 지속적인 인프라 확장 없이는 존속 자체가 불투명한 ‘위험 산업’ 임

There Is No Real AI Adoption, Nor Is There Any Significant Revenue

  • 생성형 AI 서비스의 실질적 대중 채택(adoption)과 유의미한 매출은 거의 부재
  • ChatGPT는 주간 사용자 5억 명이라는 수치를 내세우지만, 실제 유료 구독자는 1,550만 명에 그치며, 이 중 상당수는 일회성 사용이나 학습·과제 등 비즈니스 목적이 아님
  • Google Gemini 등도 실사용자 수를 부풀리기 위해 Google Assistant 등과 합산 집계하는 등, 실제 시장 침투율은 훨씬 낮음
  • 3년간 업계와 언론, 투자 시장이 AI 열풍을 주도했음에도 매출·가입자·생태계 모두 기존 SaaS와 비교해 현저히 부족
  • ChatGPT 이외에 시장 내에서 의미 있는 매출·사용자를 확보한 생성형 AI 서비스는 사실상 없음

Yes, Generative AI "Does Something," But AI Is Predominantly Marketed Based On Lies

  • 생성형 AI가 일정 수준의 기능(코딩, 검색 등)을 제공하는 것은 사실이지만, 관련 기업들은 모두 적자 상태로,
    단 하나의 흑자 기업도 없는 상황에서는 진짜 산업이라 볼 수 없음
  • ‘에이전트’, ‘AGI’, ‘싱귤래리티’ 등 용어를 남용해 마치 LLM이 자율적·지능적 혁신을 실현하는 것처럼 과장
  • AI가 인간 일자리를 대체한다는 주장도 기업가치·주가 상승을 위한 의도적 과장/왜곡에 불과
  • 실제로는 대부분의 미디어·기업 홍보가 AI의 능력을 현실보다 부풀려 투자자와 대중을 오도
  • 모델의 거짓말·사기 등 행동도 의도적 프롬프트로 유도된 결과임에도, 언론은 이를 자율성·위험성 과장에 이용
  • 전체적으로 생성형 AI 시장은 실제 매출 500억 달러짜리 산업을 1조 달러급 미래산업으로 포장하는 허상이 크며, 언론 역시 이러한 거품 형성에 일조

The AI Trade Is Entirely About GPUs, And Is Incredibly Brittle As A Result

  • AI 관련 주식 거래는 수익, 사용자 증가, 기술 혁신과 무관하게 진행됨
  • 기업들은 AI로 돈을 벌고 있기 때문에 주가가 오르는 것이 아니라, AI와 연관된 이미지와 분위기로 인해 주가가 움직임
  • OpenAI와 그 위에 쌓인 기업들은 비즈니스적으로 매우 취약하며, 대규모 언어 모델은 운영 비용이 너무 높고, 근본적으로 차별화된 혁신을 만들기도 어려움
  • 현재 AI 산업 전체는 GPU 판매에 전적으로 의존하는 구조임
  • CoreWeave, Oracle, Meta 등은 NVIDIA로부터 대량의 GPU를 구입하며, Microsoft 역시 OpenAI 지원을 위해 대규모 Azure 인프라를 NVIDIA GPU 기반으로 운영하고 있음
  • Microsoft, Meta, Google, Apple, Amazon, Tesla 모두 AI로 실질적인 이익을 내지 못하고, 주가 성장도 AI와 관련된 이미지 덕분에 일어남
  • 이 모든 흐름은 궁극적으로 NVIDIA의 GPU 판매 능력에 달려 있으며, AI 제품 자체는 실제로 의미 있는 비즈니스 가치를 제공하지 못함. 제품이 일부 채택되어도 대부분 심각한 적자를 감수하며 운영되고 있음

I'm Alarmed!

  • 지금 AI 산업은 명백한 버블 상태임
  • 1990년대 IT 버블보다 현재 S&P 500 상위 10개 기업의 고평가가 더 심각하다는 분석이 존재함
  • 생성형 AI는 실제 비즈니스 성과, 사용자 확보, 노동 자동화, 실질적인 가치 창출에 거의 기여하지 못함. 대부분 기업이 수익을 내지 못하고 오히려 심각한 적자 발생
  • 이번 버블은 단순한 금융 자본 문제가 아니라, GPU 지속적 판매에만 의존하는 상징적 구조임. 실제로 데이터센터에 GPU를 채울 공간과 자본도 제한적임
  • 비용 인하나 ASIC(특정 목적용 칩) 도입 주장에도, 실질적 증거 부족과 생산·적용의 어려움이 존재함. 지금까지는 여전히 NVIDIA GPU에 의존함
  • 언론과 시장 분위기가 실체 없는 AI 성공 신화를 부추기며, 실질적 혁신·수익이 없는 현실을 외면함
  • NVIDIA는 시장의 힘이자 동시에 최대 약점임. 모두가 NVIDIA에 기대어 대규모로 GPU를 구매하지만, 실제로 설치 즉시 손실이 시작됨
  • 대형 언어 모델 기반 제품은 모두 비슷하며, 막대한 비용 소모에도 불구하고 음의 수익률만 초래함
  • 현 AI 산업 구조는 과거 Uber, AWS 등과도 다르고, 기술·산업계의 아이디어 고갈, 한 기업에 대한 지나친 의존에서 비롯된 특이한 구조임
  • AI 회의론자들에게 항상 설명을 요구받아왔지만, AI 낙관론자들은 실질적 근거를 제시하지 못함
  • 버블이 꺼지면 AI 산업의 근본적 허상이 드러날 것임

  • "추론 비용이 내려가고 있다?"에 대한 반론

    • 토큰 단가 하락이 곧 추론 비용 하락을 의미하지 않음. 대규모 모델일수록 실제 비용은 오히려 증가
    • 실제로 Reasoning-heavy 모델(예: Claude Opus 4 등)은 운영비 증가로 이어짐

  • "ASIC 도입이 해결책?"에 대한 회의론

    • OpenAI와 Broadcom 등에서 자체 ASIC을 개발하려 하지만, 생산 가능성, 실제 성능, 서버 아키텍처 호환 등 수많은 문제가 해결되지 않음
    • 실제로 Microsoft도 신뢰할 만한 ASIC 개발에 실패한 사례가 있음
    • 만약 ASIC 전환에 성공해도, NVIDIA GPU 판매가 줄면 AI 거래 자체가 흔들림

  • 버블의 본질적 위험

    • 현재 AI 산업은 실질적 혁신이나 인프라적 진입장벽(모트) 없이, 언론·시장 심리에 의존해 주가와 밸류가 유지되고 있음
    • 역사상 비교할 만한 사례는 닷컴 버블과 WeWork 붕괴 등 뿐임
    • 시장은 NVIDIA의 GPU 판매 지속에만 매달려 있음. 설치와 동시에 손실이 시작되는 구조
    • 결국 모든 제품과 사업모델이 비슷한 방식으로 작동, 고비용-저수익 악순환
  • 산업 내외에서 실체 없는 낙관론만 가득하고, AI의 실제 활용과 혁신은 과장되어 있음
  • AI 버블이 붕괴하면, 지금까지 근거 없이 낙관론을 펼친 이들이 책임을 져야 할 것임

I Don't Like What's Happening : 나는 지금 벌어지는 일이 마음에 들지 않아요

  • 기술 산업은 혁신, 실질적 수익, 진짜 성장을 추구해야 하지만, 현재 생성형 AI는 시장과 미디어가 인간 노동 대체라는 환상에만 집착하는 현실을 보여줌
  • Rot Economy(썩은 경제) 논지처럼, 실질적 가치나 제품 완성도와 무관하게 성장 지상주의에 빠진 결과, LLM과 GPU는 오직 돈을 쓰는 수단으로 변질됨. 실제로는 누구도 좋아하지 않을 상품을 만들면서도 데이터센터와 칩 구매만 반복함
  • 지금의 AI 산업은 매우 취약하고 위험한 구조임. 겨우 네다섯 개 기업이 칩을 계속 사줄지 여부에 따라 전체 시장이 흔들림. 설치 즉시 손실을 내는 GPU, 실질적 차별점 없는 LLM 제품, 지속되는 적자가 근본 문제임
  • 생성형 AI 찬양자들과 일부 미디어, 경영진은 비판적 의견에 경멸적 태도로 일관하며, 실제 효용성이나 혁신에 대한 설명이 아닌 허상을 부추김. AI가 대단하다 주장하면서도 실질적 근거는 부족함
  • LLM은 옳고 그름을 구분하지 못하고, 잘못된 정보를 권위적으로 전달함. 경영진과 관리자들은 AI로 똑똑해진 척하며, 진짜 학습이나 책임을 회피하는 수단으로 삼음
  • 생성형 AI의 최대 착시는 경제 활동의 환상임. 실제로는 유의미한 가치를 창출하지 못하면서도, GPU와 데이터센터에 거액을 투자할 명분을 만들어 거품만 키움
  • 이 구조는 Uber나 AWS, 과거의 다른 산업 사례와 전혀 다름. 한 기업의 하드웨어 판매가 네다섯 기업에 달렸으며, 인식의 변화만으로도 거대한 도미노가 무너질 수 있음
  • 현재의 방향성은 불필요한 낭비와 파괴로 이어지고 있음. 수많은 이들의 퇴직금과 일자리가 사라졌으며, 대기업은 분기별 성장 수치를 꾸미기 위해 데이터센터와 GPU에 천문학적 지출을 감행함
  • 궁극적으로, 시장 혼란의 책임자들은 분명히 존재하며, 산업 전체에 피해가 돌아갈 것임. 이 과정에서 사람들에게 두려움과 불신을 심어주는 게 아니라, 실제 책임자를 정확히 인식하는 것이 중요함
  • Sam Altman, Dario Amodei, Satya Nadella, Sundar Pichai, Tim Cook, Elon Musk, Mark Zuckerberg, Andy Jassy 등은 이러한 불필요하고 파괴적인 경제 구조를 이끈 책임이 있음
    • 버블이 붕괴된 후에는 반드시 책임을 져야 함
  • 일반인들도 이 구조를 충분히 이해할 수 있으며, 권력이나 자본이 올바름, 지혜로움을 의미하지 않는다는 점을 자각해야 더 나은 미래를 만들 수 있음
▲
dojanmail 5일전  [-]

LLM이 단점이 없는 것은 아니지만 모든 AI 서비스가 수익성이 없다는건 동의하기 어려운듯. 향후 5년 내에 모든 현재 플랫폼 서비스는 거의 대부분 AI 에이전트로 대체될거라고 생각함

답변달기
▲
ndrgrd 8일전  [-]

LLM이 정말 쓸만해졌는데도 사용해보지도 않고 폄하하며 일부러 피한다면 그 사람이 문제지만
현재의 소비자 레벨 서비스의 질은 쓰기 힘든 수준입니다.

퍼플렉시티, GPT, 제미니같은 유명 서비스의 유료 모델을 사용해 봤지만 다 거기서 거기입니다.
직접 자료를 찾아서 링크를 첨부해가며 필요한 데이터를 떠먹여줘도 제대로 읽지도 못하고 내용을 지어내서 틀린 주장만 반복합니다.
또 하나같이 이상한 고집이 있어서 한 번 틀린 주장을 하기 시작하면 절대 고칠 수가 없습니다. 그냥 대화 전체를 폐기하고 새로 시작하는게 빨라요.

솔직히 이런 것과 실랑이하는 것이 짜증나요. 말귀를 못 알아 먹습니다.
그 시간에 그냥 직접 문서를 찾아보고 직접 알아내서 고치는 것이 더 빠릅니다.

코파일럿 류의 서비스도 하나를 선택하기 위해 몇 개 써봤지만 결국 전부 버렸습니다.
스니펫 수준의 작업은 잘 하지만 그 이상을 기대하기는 어렵습니다. 그럴 거면 뭣하러 데이터를 공유하고 느려터진 인터넷에 연결하며 사용하나요? 그냥 스니펫을 몇 개 더 등록하지.

좋은 경험을 하셨다는 분들은 무슨 서비스를 얼마나 복잡한 작업에 사용하셨는지 모르겠습니다.

답변달기
▲
3ae3ae 8일전  [-]

클로드 코드를 사용해본 경험으로는, 에이전 트가 개발을 대신 해준다는 느낌보다는, 개발 과정 중 직접 코드를 치는 딱 그 부분만 외주를 준다는 느낌에 가까웠습니다.

설계는 많은 경우 인간이 해야하고, 지시는 누가 와도 그대로 따를 수 있게 자세하게 줘야해서 듣던 것과는 다른 느낌이었어요.

그래도 저는 만족하며 사용 중입니다. 내 일을 많이 줄여주지는 못해도 ai가 작업하는 중에 제가 다른 작업을 하거나 다른 ai에게 명령을 내릴 수 있어서 시간 절약면에서 도움이 됐어요.

클로드 코드를 사용하신다면 프롬프트에 think deeply나 ultrathink 같은 미리 지정 된 추론 지시 단어를 포함하고, shift tab으로 plan mode로 바꿔서 작업해보시는걸 추천 합니다.

답변달기
▲
argo9 9일전  [-]

비지칼크, 로터스123, 뭐 이런거 나왔을 때 여전히 주판에 계산기 두둘기던... 생각보다 일반인이 체감하는 시간의 간극 좀 있음.

답변달기
▲
GN⁺ 9일전  [-]
Hacker News 의견

  • 2023년 7월에 친구에게 이렇게 말한 적이 있음: "솔직히 AI 회의론자임. AI와 LLM은 약간 흥미롭긴 하지만 5년 전의 자율주행차처럼, 벤처캐피탈이 만든 과대한 유행 정점에 있고 곧 거품이 꺼질 것 같음. 내가 기술에 관심을 두는 것은 혁신이 실제 사람들에게 유용하게 되는 것인데, 지금 단계에서는 콘텐츠 소비 측면에서 약간의 개선 그 이상으로 유익한 쓰임을 상상할 수 없음. 가장 잘하는 것은 그럴듯한 콘텐츠를 만드는 건데, 실제로 생성된 모든 결과물은 오류, 실수, '환각' 등을 전문가가 꼼꼼히 검증해야 함. 만약 어떤 공장이 ChatGPT처럼 결함품을 내놓는다면 바로 폐쇄될 것임. 이미 인터넷에는 질 낮고 심지어 기만적인 콘텐츠가 넘쳐나는 문제가 있는데, 이걸 자동으로 더 만들어내는 건 악몽 같음. 게다가, 일반적으로 쓰이는 학습 데이터셋에는 수많은 창작자들의 글이 허락 없이 포함되어 있을 가능성이 높고, 이런 시스템이 결국 창작자들의 노고로 만들어진 잘 꾸며진 거짓말을 보상이나 표기 없이 토해내고 있음. 너무 찝찝함!" 지금 이 '거품의 spectacular deflation'이 얼마나 빨리 다가올지 궁금함. 지금까지 살아온 동안 3번 정도의 주요 기술 거품을 겪어봤는데, 내 촉으로는 그 때가 멀지 않은 듯함

    • 유용한 쓸모가 콘텐츠 소비 측면에서의 사소한 개선을 넘어설 수 없다는 지적<p>AlphaFold가 의료 연구 분야에 큰 영향을 주고 있음. AI는 챗봇만이 아님<p>AlphaFold 3가 신약 개발에 어떻게 쓰이고 있는지 이 기사를 참고할 만함. 내 여동생이 ALS라서 개인적으로 관심이 많음. 인실리코 돌파구만이 동생을 살릴 수 있을 거란 희망을 품고 있음

    • 생성된 모든 결과물은 전문가가 꼼꼼히 검증해야 한다는 지적<p>아니, 그냥 올리면 됨. 사람들이 실수를 지적하면 알고리즘이 그 코멘트도 긍정적 상호작용으로 간주함. 실제로 신경 쓰는 사람 입장에서는 아쉬운 현실임

  • 나도 현 경제적 배분에 깊이 회의감을 느끼고 있지만, 이런 건 항상 개척지에서 늘 있는 일임<p>AI 분야에서는 사람들이 transformer 아키텍처가 본질적으로 대량 데이터셋에서 의미적 관계를 식별, 채굴하는 추출적 프로세스라는 사실을 간과함<p>사람 문화 데이터는 겉으로 드러나지 않은 엄청난 양의 유추 정보가 담겨 있어서, 수많은 똑똑한 사람들이 이를 생성적 메커니즘으로 착각함<p>그래서 이 분야 전체를 "생성" AI라 부르지만, 실제로는 결코 생성적이지 않음. 숨겨진 의미를 추출해서 씨앗값에서 외삽하는 것에 불과함<p>이런 메커니즘이 쓸모 있는 부분이 많음. 새로운 의미나 이야기를 만들 필요 없는 노동의 예가 아주 많음<p>기존 의미적 패턴을 데이터에 적용해서 수작업을 자동화할 수 있고, 이때 목표를 달성하는데 필요한 알고리즘을 완전히 규정할 필요도 없어짐<p>만능 알고리즘, 마치 소닉 스크류드라이버처럼, 문제와 해결 예시만 충분히 주면 숨겨진 알고리즘이 모델 파라미터로 빨려 들어가서 모든 완전히 풀린 계열 문제를 해결할 수 있음<p>단, 이건 이미 충분히 해결된 문제군에는 효과적임. 미해결 문제도, 생성-검증 프레임워크로 문제를 푼다면 이 도구로 어쩌면 해결 시도를 해볼 수 있음

    • 각기 다른 알고리즘이 각기 다른 역할을 함. "생성형" AI는 실제로 새로운 이야기나 이미지를 만들어낼 수 있고, 완전히 해결되지 않은 문제(예: 단백질 접힘)도 특정 알고리즘으로 다룰 수 있음

  • 나는 이 거품이 19세기 철도 거품이나 1세대 닷컴 거품처럼, 결국 엄청난 가치를 창출하는 인프라 투자가 이루어지는 "좋은" 거품이라 봄<p>하지만, 모든 LLM은 대체 가능하고 (차별화 장벽 없음), 대부분의 수익은 "라스트 마일" 즉, 현장 전문가가 현업에 AI를 접목하는 활용에서 나올 것임

    • "좋은" 거품이라는 게 대규모로 구매한 하드웨어가 몇 년 뒤 버려질 운명이라면, 어떻게 긍정적인 인프라 투자라 볼 수 있는지 의문임

    • 소비자 기기에 신뢰할 만한 메모리 대역폭이 폭넓게 보급되길 바람. 많은 하드웨어 벤더들이 이 부분을 아쉽게도 소홀히 하고 있음

    • "진짜로 쓸모 있는 대규모 저렴 GPU 활용 아이디어 있으면 준비하라"는 말을 주위에 자주 함. 하지만 아직 진짜 좋은 사업 아이디어는 떠오르지 않음

    • 철도나 닷컴처럼, AI 거품이 꺼진 후에 남고 재활용 가능한 인프라가 뭘지 궁금함

  • 저자는 너무 비관적으로 본다고 생각함. AI 업체들이 현재 돈 먹는 하마고 유지 불가능하다는 점엔 동의하지만, AI가 절대로 수익을 못 낼 거라고 단정짓는 건 무리라고 느낌. 업계 전체가 어마어마한 속도로 발전 중이고 모델 품질도 매달 향상되고 있음. 비용도 빨리 낮아지고 있음. AI의 활용 방법 자체를 아직 다 못 찾은 상태임 지금 이 거품 이후에도 누구도 AI를 이용해 가치 제공 및 수익을 못 낸다는 결론을 내린다면 그건 지나친 자만임

    • "비용 빨리 떨어진다"지만 자본 지출이 여전히 큼. 결국 돈을 받게 될 운명 아닌가?

    • 수익성만의 문제는 아님. 장기적으로 사회 전체에 순이익이 있어야 함 현 표준에서 수익성 확보는 쉬움. 사용자 모으고, 의존도 높이고, 가격 올리고, AI 의무화하고, 이런 식임

    • noone이 뭔지? 그 단어에 너무 신뢰를 두고 있음

    • gpt4 이후로 기반 모델 성능은 거의 정체 상태임. 지금은 주로 도구/통합이 경쟁이고, 목표점은 AGI라서 어떤 제품이든 그 진보도로 평가받음. "최신" 모델들이 계속 나와서 사용자 유지도 어렵고, 사용자들은 사실상 모델 성능에만 관심이 있음. openai 너희 보고 있음...<p>"그들은 나를 bubble boy라 불렀다..." - Deutsche 은행 누군가

  • 분석이 매우 상세하지만, 저자가 자신의 감정에 너무 몰입한 나머지 감정을 정당화하는 결론만 도출하는 것 같음. 거품이라는 점, 많은 회사가 망할 거라는 건 동의하지만, Google이나 Anthropic 같은 곳이 망하진 않을 거라고 생각함 (단, Google이 훨씬 우수하거나 훨씬 저렴한 동급 성능 모델을 만들지 않는 한). Claude는 Python, Typescript 같이 데이터가 많은 언어에서는 코드가 너무 잘 나와서 월 수백, 많게는 수천 달러(회사에서 보조)를 안 쓸 이유가 없음. 지금은 가장 강력한 에이전트와 모델 확보 경쟁 중임. 결국 인간이 요구사항과 컨텍스트를 얼마나 잘 명확화하느냐가 병목이 되고, 그 뒤에는 모델 단가 인하가 주요 경쟁력이 됨. 아직 그 단계는 아님 (하지만 이미 요구/컨텍스트를 잘 전달할 수록 더 생산적으로 모델을 쓸 수 있음). 비용 인하가 본격적 목표가 되면 Google이 하드웨어 역량으로 승리할 거라 봄

    • Claude는 수백~수천 달러 가치<p>실제 추론 비용이 수천 달러에 달하거나 그 이상임. 그리고, 엔지니어가 월 수천 달러를 추가로 들여서 생산성이 그만큼 오른다고 확신할 근거가 없음. 모델은 그린필드 프로젝트(새로 짜는 코드)에는 큰 도움이 되나, 실제 엔지니어링은 기존 코드 반복 및 유지보수가 많음. 즉, 새 기능을 짜는 코드 쓰는 시간과 AI한테 프롬프트 잘 써서 새 기능 코드 뽑는 시간 차이가 중요한데, 그게 10%라고 쳐도 AI로 시간 10% 절약하면 주 4시간 남음. 그 4시간을 실제 코드 개발에 다 쓰진 않으니 실질적 산출 증가는 5%쯤임. 이렇게 따지면 사용자가 5% 생산성 향상, 연봉 1만 달러면 회사가 AI에 월 500달러 이상 안 쓸 것. 그런데 Anthropic이 한 사용자를 위해 주 $10k 이상 추론 비용을 쓰는 구조면 말이 안 맞음. 비용이 엄청 내려가야 진정 의미 있음. 10년 뒤에는 엔지니어가 GPU 내장 랩탑을 받아서 AI 코드완성을 아주 빠르게 쓰는 시나리오라면, 회사는 기기 3~5천 달러 한 번 투자로 끝임. 앞으로 AI코딩은 ‘에이전트’가 주류가 아니라, 프롬프트 엔지니어링도 아님. 모델은 지금보다 크게 향상되진 않을 거고, 단순·표준적·쓸만하지만 특출나진 않을 것. 결국 ‘심심하게’ 느껴지는 게 건강한 미래임

    • 본질적으로 IDE 플러그인 이상의 시장 규모로는, 이런 회사들의 평가액을 정당화하기 어렵다고 봄

    • Claude가 실제로 수익을 낼 수 있을지는 미지수임. 보조비용을 실제로 기꺼이 낼 사람이 충분한가, 그리고 추가 인력 연봉의 큰 비중을 차지할 수준의 비용이면 더욱 의문임

    • OpenAI가 한때 ‘압도적 우위’에 있었지만 경쟁사들이 1년 만에 따라온 점을 보면, 이런 격차는 그리 벽이 두껍지 않음. Anthropic 케이스처럼 핵심 인력만 빠지면 얼마든 따라잡을 수 있는 시장임

  • 지금 우리가 경제의 큰 부분을 날려버릴 정도로 거품에 빠졌냐고? 거의 확실하다고 봄. 그렇다고 AI 자체가 사기라는 의미는 아님. 결국 닷컴 거품도 터졌지만, 인터넷은 사라지지 않았고, 당시 닷컴이 약속한 거의 모든 건 언젠가 실현됨

    • 인터넷이 모든 걸 할 수 있게 된 건 맞지만, 그게 GPU 가속 LLM이 인간 노동의 대다수를 대체한다는 이야기로 자동 연결되진 않음

    • 본문에서도 실제 사용자가 유용하다고 느끼는 사례가 있음은 인정함. “사기”라는 평가도, 실제 유용성보다 VC와 언론, 투자금 등이 너무 과장됐다는 의미임. 거품이라고 부르는 건 완전 사라지고 다시는 안 나온다는 얘기가 아니라, 결국 현실이 드러나서 많은 회사가 망하고, 평가액이 폭락하며, 연쇄적 여파가 생긴다는 뜻임

    • 예측의 문제는, 바로 ‘시점’ 그 자체가 실질적인 예측이 된다는 거임. 앞으로 뭐가 올지 모름. GPT-3 처음 봤을 땐 진짜 별로라 생각해서 신경도 안 썼음. 그래서 지금은 미래에 대한 불확실성이 훨씬 큼<p>인터넷도 ‘당초 약속의 어떤 버전’을 긴 시간이 지나서, 당시 존재하지 않은 신기술로 실현한 사례임. "방향성은 맞지만"이란 건 실은 "틀렸다"는 유의어에 가까움

    • 닷컴에서 약속한 거의 모든 게 실현됐단 주장, 블록체인 거품 생각해봄? 요즘 블록체인 많이 쓰고 있나? 실제 무언가를 바꿨나?

  • 거품은 언젠간 꺼질 것임. 웹 거품도 꺼졌고, 그 과정은 아플 것임. 하지만 AI 기술은 남고 실제로 변혁을 이끌 것임. 웹이 그랬던 것처럼, 좋은 방향에도 나쁜 방향에도 영향을 줄 것임

    • AI 관련 논쟁이 결국 크립토 논쟁과 ‘구별 불가’한 수준으로 똑같다는 점이 늘 웃김<p>(단, LLM에는 실제 쓸모가 있음)

    • 닷컴 거품 시절 나스닥 P/E 비율이 200을 넘었지만, 현재 전체 시장은 40, Nvidia는 49. 모두가 이번에도 거품이라고 말하고 싶어 하지만, 실제 ‘고객’이나 ‘수익’ 기반으로 보면 전혀 거품 아님. ChatGPT는 MAU 1억 명을 역사상 가장 빠르게 달성했고, 인터넷에서 방문자 수 기준 상위 5위 안에 든다고 함. Cursor는 사상 최단기간 5억 달러 매출 돌파. Midjourney도 요즘 화제 안 되지만 연매출 2억 달러 넘게 수익 내며 흑자임. 냉정히 보자면, 해커뉴스 사람들이야말로 생각이 ‘거품’에 가까움. 물론, 과대 평가된 회사도 많고 부침도 있겠지만, 이런 실질적 지표를 보고도 “크립토와 똑같다”고 말하는 건 도저히 이해 못함. 최근 설문조사에서 48%가 ChatGPT로 심리상담을 해봤다고 함(설문 링크). 이 정도 폭발적인 확산은 인류 역사상 없음. 이제는 서버도 수요를 못 따라가서 매주 서비스가 다운될 지경임. 거품과는 본질적으로 다름

  • 본문의 주장이 의미 있지만, 군더더기 줄이면 더 강력하고 간결하게 전달될 것임

  • 아이러니하게도 ChatGPT에게 프랑스어 요약을 부탁했었음. 그런데 AI 거품이 너무 피곤하고, 트위터 타임라인 절반이 AI 소식과 스레드로 도배되는 것에 질림

    • Reddit과 LinkedIn은 자동 생성된 콘텐츠의 온상이 됐음. 그래도 패턴만 알면 걸러내고 차단하기 쉬움

    • 요약 및 번역 용도로 AI는 꽤 쓸만함<p>나는 AI 결과물을 프롬프트+입력 정보량 대비 출력 정보량으로 분류함<p>요약: 출력 < 입력. 이런 저위험 작업에는 준수함<p>번역: 출력 ≈ 입력(형식/언어만 다름). 이건 확인이 좀 더 필요함<p>생성 확장: 출력 > 입력. 위험요소는 여기 있음. 예를 들어 치즈버거 구성을 뽑으라 했더니 AI가 ‘참깨빵’을 ‘넣으려고’ 하는 것처럼, AI의 내부 데이터 기준 평균값을 유추할 뿐임. 괜찮을 수도 있지만, 만약 참깨 알레르기면 치명적일 수 있음. 입력 넘어서는 부분엔 항상 주의가 필요함. 본질적으로 입력을 넘어선 생성 결과는 ‘평균적’일 수밖에 없음. 그래서 AI 생성물이 ‘평균적’ 슬러지로 보여지는 이유임

  • 이 글 신선하다는 느낌임. 나는 "낙관론자" 그룹에 더 가깝긴 하지만, 전반적으로 회의론이 부족하다고 생각함. 보수적 견해를 가진 사람이나 비판하는 사람이 오히려 이상하게 취급받는 분위기가 있음. 이전 트렌드와 달리 AI 업계의 사기꾼은 정말 많고, 단순히 래퍼나 챗봇만 씌우면 뭐든 “AI 기반”이라고 포장할 수 있게 됨

답변달기