모델 : Anthropic 상장 & 구글에 대한 고민

[원문 유형] 네이버 프리미엄 콘텐츠 [채널] 이효석아카데미 [게시일] 2026.09.21 [원문 URL] https://contents.premium.naver.com/hsacademy/hsacademy1/contents/260921183032279or [제목] 모델 : Anthropic 상장 & 구글에 대한 고민 [수집 기준] 구매회원 본인이 QR 로그인으로 승인한 구독 열람권을 사용해 개인 문서 보관용으로 확보했다. 목록 메타데이터가 아니라 아래 실제 본문만 분석 근거로 사용한다. [구독 원문 본문] 앤트로픽의 속도 지연 논란 이유는 뭘까? 메리츠증권 황수욱 연구원 "프론티어 기업들의 경제적 유인" ① AI 개발 속도 조절의 경제적 유인 AI 개발 속도를 늦출 때 가장 큰 이득을 보는 곳이 막대한 개발비를 부담하는 프런티어 모델 기업

OpenAI·앤트로픽은 별도 사업에서 현금을 창출하는 빅테크와 달리 AI 모델의 성능과 판매에 의존 ​ ② GPU를 학습에 쓰는 동안 발생하는 기회비용 GPU를 신규 모델 학습에 투입하면 같은 기간 추론 서비스에 활용해 매출을 올릴 기회를 포기 GPT-6 Astra가 Blackwell급 GPU 10만 개 이상으로 학습, 집중 사전학습 기간을 8~12주로 가정 핵심 쟁점은 미래 경쟁력을 위한 학습 투자와 당장 매출을 만드는 추론 사이의 자원 배분 ​ ③ 추정한 기회비용 규모 GPU 임대료 기준 10주간 약 12.1억 달러 이를 연율화하면 약 63억 달러 글에서 제시한 OpenAI 연환산 매출 520억 달러 대비 약 12% 모델 서비스 판매에 추가 마진이 붙을 수 있어 임대료 기준 계산을 보수적인 추정으로 평가 ​ ④ 투자 관점에서의 시사점

기술 발전이 빨라질수록 모델 기업의 학습비 부담과 추론용 GPU 확보 부담도 커질 수 있다는 논리 개발 속도 조절은 기존 모델을 판매하며 투자금을 회수할 시간을 늘려주는 효과 기술 혁신 속도를 높이는 선택과 단기 수익을 극대화하는 선택이 다를 수 있다는 사례 ​ 하나증권 : 강재구 연구원 ​ 한 편에서는 속도조절 어렵다는 의견도 게임 이론상의 모순: 개별 기업의 단독 감속에는 한계 ① 속도조절론의 배경 — AI가 다음 AI를 개발하기 시작 주장은 개발 중단이 아니라 모델 발전 속도를 안전성 연구가 따라갈 시간을 확보하자는 것 AI가 코드 작성뿐 아니라 실험·결과 분석·다음 모델 개발에 참여하는 재귀적 자기개선(RSI)에 진입 더 뛰어난 AI가 다음 세대 AI 개발을 가속하면서 성능 향상 속도가 급격히 빨라질 가능성을 우려

평가 과정에서 발생한 외부 시스템 공격과 채점 시스템 침투 시도도 안전 우려의 계기 ​ ② 안전 논쟁의 본질 — 규제 설계권 선점 경쟁 선두 AI 기업들은 정부 규제가 만들어지기 전에 자신들이 참여하는 감독체계를 제안 딥마인드 하사비스는 업계가 자금을 지원하고 독립 전문가가 운영하며 정부가 감독하는 평가기구 구상 아모데이는 이를 외부 평가에서 공통 안전기준과 개발 속도 관리까지 확장 이는 규제를 무조건 막으려는 시도보다 규칙을 만드는 과정에 먼저 참여하려는 전략으로 해석 안전 우려가 실제라는 점과 기업의 경제적 이해관계가 작용한다는 점은 양립 가능 ​ ③ 혼자 감속하기 어려운 이유 — 기업·국가 간 군비경쟁 한 기업만 개발을 늦추면 경쟁사에 뒤처지기 때문에 자발적인 단독 감속에는 한계 모든 기업에 동일한 평가·안전기준을 적용하면 감속에 따른 개별 기업의 경쟁상 불이익 완화

미국 기업들이 함께 늦추더라도 중국이 계속 개발하면 국가 간 기술격차가 축소될 가능성 보고서는 아모데이가 첨단 반도체 수출 제한·GPU 밀수 단속·해외 데이터센터 접근 제한 강화를 주장하는 배경도 이 맥락으로 해석 ​ ④ 첫 번째 투자 시사점 — 규제 강화는 빅테크에 구조적으로 유리 보안·모델 평가·사고보고·법무·공급망 관리 규제가 강화되면 AI 사업의 고정비 증가 현금흐름·컴퓨팅·데이터센터·법무조직·정부 대응조직·고객망을 갖춘 빅테크가 비용을 감당하기 유리 구글의 모델·TPU·클라우드·검색·Android, MS와 아마존의 클라우드·기업 고객망 등 수직계열화의 가치가 커질 수 있음 ​ ​ 아스트라가 똑똑해진 이유 DS 투자증권 이규원 연구원 AI 성능을 높이는 새로운 방법 — “같은 두뇌를 더 깊게 사용한다”

기존에는 모델을 크게 만들거나, 답을 내기 전에 더 많은 추론 토큰을 생성하는 방식으로 성능을 개선 보고서가 강조하는 Recurrent Depth는 동일한 계산 블록을 여러 번 반복 사용하는 방식 새로운 파라미터를 계속 추가하지 않아도, 답변 한 조각을 만들기 전에 더 많은 내부 계산을 수행 핵심은 모델 크기가 그대로여도 더 많은 계산을 통해 성능을 높일 여지가 생긴다는 것 세 방식은 반드시 하나만 선택하는 관계가 아니라 함께 활용될 수 있다 ​ Recurrent Depth AI 안의 같은 계산 장치를 여러 번 사용해, 중간 결과를 계속 다듬는 방식 똑같은 입력으로 같은 계산을 반복하는 게 아니라, 앞에서 계산한 결과를 다음 계산에 넣는다 어려운 문제는 중간 결과가 있어야 다음 단계로 갈 수 있다는 원리 성능을 높이는 방법

쉽게 비유하면 늘어나는 것 모델 크기 확대 더 많은 지식과 능력을 갖춘 두뇌 만들기 파라미터와 이를 저장할 메모리 추론 토큰 확대 풀이 과정을 더 길게 써가며 문제 풀기 중간 풀이의 길이와 연산량 Recurrent Depth 같은 계산 장치로 중간 결과를 여러 차례 다듬기 토큰 하나를 만들기 위한 내부 연산 ​ 반도체에 주는 의미 — GPU 연산성능이 더 중요해질 수 있다 같은 계산 블록을 여러 번 실행하면 출력 토큰당 필요한 연산량 증가 따라서 GPU·AI 가속기의 연산성능과 전력효율이 중요해진다는 논리 모델을 여러 GPU에 나눠 실행한다면 반복 계산 과정에서 GPU 간 통신도 늘어날 수 있어 네트워크 역시 중요 ​ 대규모 학습 인프라는 여전히 중요 — 알고리즘만으로 경쟁하지 않는다

​ 엔트로픽의 상장이 시장에 끼칠 영향 ▶ 수급 우려 과거 스페이스 X 상장 당시, 상장 전 1주 동안 나스닥 7%, 엔비디아 14% 하락 마감 ​ 조용한 구글, 숨죽인 잠룡인가? 구글 일봉 차트 구글의 AI 전략 변화 (골드만삭스) ​ “구글이 AI 성능 경쟁보다, AI로 돈을 버는 데 더 무게를 두기 시작했다 왜 전략 변화 이야기가 나왔나? → AI 조직 개편과 인재 이탈 시장의 우려 : 핵심 인재가 빠지면서 구글의 AI 경쟁력이 약해지는 것 아닌가? 인물 변화 데미스 허사비스 AGI·과학·장기 연구 중심의 Chief Scientist 역할 및 딥마인드 의장으로 이동 코라이 카부크오글루 Gemini 제품 개발과 상업화의 운영 책임 담당 제프 딘 퇴사 후 새로운 AI 연구기업 추진, 알파벳이 해당 기업에 투자

세르게이 브린 Gemini 개발에 더 직접적으로 관여할 가능성이 언론에서 거론 ​ 골드만삭스의 의견 : 장기 연구와 실제 사업화를 분리하고, 상업화를 강화하려는 변화 왜 상업화에 집중하나? → 부족한 컴퓨팅 자원을 수익성이 높은 곳에 배분 구글도 연산 자원이 부족하기 때문에, 확보한 컴퓨팅을 어디에 쓸지 선택해야 함 모델 성능을 조금 더 높이는 데 자원을 쓰는 것보다, 고객이 실제로 사용하는 서비스에 쓰는 편이 투자수익률이 높을 수 있음 컴퓨팅 활용처 기대하는 효과 최첨단 AI 연구 미래 기술 확보, 다만 수익 발생 시점과 규모가 불확실 소비자용 AI 서비스 기존 서비스의 이용 확대와 수익화 구글 클라우드 기업과 AI 개발사에 인프라를 제공하고 매출 창출

​ 구글이 앞세울 강점 : 모든 레이어에 걸쳐 있다 유통력 — 기존 소비자·기업 고객에게 AI를 대규모로 보급할 수 있는 접점 다양한 수익화 방식 — 소비자 서비스와 기업용 클라우드 등 여러 경로에서 수익 창출 대규모 인프라 — 자체 설계 반도체와 외부 하드웨어를 활용한 연산 역량 https://x.com/Speculator_io/status/2003602998208135454 ​ 재미나이4 공개 임박 중국발 자료인 만큼 100% 신뢰하기는 어렵지만, 구글 역시 새로운 모델 개발 방향은 더 저렴한 작업 당 비용 & 업무 효율 일 것 연말을 앞두고 앤트로픽 VS 오픈AI VS 구글의 모델 3파전 경쟁이 치열해질 것 ​