우리는 Anthropic에 1조 4000억 달러를 줘야 할까요?
저자:후용, 베이징대학교 뉴스 및 커뮤니케이션 학원 교수
편집:수양, 텐센트 기술
인공지능 산업은 상징적인 순간을 맞이하고 있습니다.
2026년 11월, 설립된 지 5년이 채 안 된 Anthropic이 최초의 공개 모집(IPO)을 시작하며 1조 달러 이상의 평가로 자본 시장에 진입하려고 합니다.
공모 설명서에 제공된 정보에 따르면, Anthropic IPO 완료 후 기본 유통 총 주식 수는 약 130.7억 주이며, 70~78달러의 발행가 범위에 따라 기본 시가총액은 약 9160억에서 1.02조 달러에 해당합니다. 직원 옵션 등 약 49.2억 주의 잠재 주식을 합산하면, 완전 희석 평가액은 약 1.26조에서 1.4조 달러에 달합니다.
대규모 언어 모델을 핵심 제품으로 하는 회사가 이렇게 짧은 시간 안에 이렇게 큰 시장 가치를 얻는 것은 기술 산업 역사상 드문 현상입니다.
그러나 Anthropic의 상장은 자본 시장이 인공지능의 전망을 인정하는 것뿐만 아니라, 오랫동안 기술 혁신과 자금 조달 열풍에 가려져 있던 문제를 공개적으로 검증해야 함을 의미합니다: 인공지능이 이미 막대한 시장 수요를 창출했지만, 과연 그 가치에 상응하는 수익을 창출할 수 있을까요?
우리는 이 글을 통해 몇 가지 주제를 탐구하고자 합니다:
700억 달러의 연간 수익, 조정된 41억 달러의 운영 이익과 1040억 달러의 순손실이 공모 설명서에 동시에 나타나는데, 상업 모델의 판단 기준은 무엇인가요?
모델의 각 추론은 계산력을 소모하며, 가장 활발한 사용자가 반드시 가장 많은 수익을 기여하지는 않습니다.
모델 회사는 에너지, 통신 및 인프라 방식으로 자본을 조직하며, 평가 논리는 "모델이 얼마나 강한가"에서 자본 비용, 투자 수익 주기 및 자본 수익률로 전환됩니다.
사용자 관계, 작업 흐름 및 생태계를 장악한 회사는 모델 회사보다 지능을 수익으로 전환하기가 더 쉬울 수 있습니다.
현재 "작업을 완료하는 것"을 지능의 가격 책정 기준으로 인정하고 있지만, 작업 실패나 오류로 인한 경제적 손실을 누가 부담할지는 아직 합의가 없습니다.
인공지능이 창출한 가치는 반드시 모델 개발자의 수익과 이익과 일치하지 않습니다.
칩, 전력, 연구 개발 및 자금 조달 비용 등을 정산한 후, "금광을 파는" 사람이 얼마나 남을 수 있는지가 Anthropic 상장의 진정한 검증 사항입니다.
01 700억 vs 13억: 수익의 기적과 이익의 의문
이전 인공지능 금광 열풍에서 가장 확실한 승자는 "삽"을 판매하는 기업들이었던 것 같습니다. 엔비디아는 GPU를 제공하고, TSMC는 첨단 칩 제조를 담당하며, 클라우드 컴퓨팅 회사는 데이터 센터를 건설하고, 전력 및 에너지 기업은 점점 커지는 계산 시설에 기본 조건을 제공합니다.
어떤 대형 모델 회사가 최종적으로 승리하든, 이러한 인프라 공급업체는 전체 산업의 확장에서 이익을 얻을 수 있습니다.
반면 OpenAI와 Anthropic과 같은 대형 모델을 직접 개발하는 기업들은 놀라운 사용자 증가와 수익 증가를 얻었지만, 여전히 더 복잡한 경제학 문제에 직면해 있습니다: 지능 개발 비용, 지능 판매 가격, 그리고 기술 우위를 유지하기 위한 자본 투자가 과연 지속 가능한 상업 순환을 형성할 수 있을까요?
Anthropic의 공모 설명서는 이 문제를 이해하는 데 중요한 근거를 제공합니다.
2026년 11월 업데이트된 상장 문서에 따르면, 회사는 2025년 수익이 약 45.85억 달러에 이를 것으로 예상하며, 2026년 첫 9개월 동안 수익은 이미 332.42억 달러에 도달했으며, 단지 3분기 동안 약 170억 달러의 수익을 달성했습니다. 이는 단 한 분기의 수익이 전체 상반기 총합을 초과했다는 것을 의미합니다. 만약 3분기의 단기 수익을 단순 연환산하면, Anthropic의 수익 운영률(run-rate)은 680억에서 700억 달러에 가까워집니다.
이러한 성장 속도는 전통 소프트웨어 산업의 발전 속도를 훨씬 초과하며, 생성적 인공지능이 더 이상 자본 보조금에 의존하여 사용자 규모를 유지하는 실험적 기술이 아니라, 실제 지불 능력을 갖춘 상업 시장을 형성하고 있음을 나타냅니다.
특히 주목할 점은, Anthropic의 수익이 주로 기업 고객 및 지능 사용량에 따라 과금되는 서비스에서 발생하며, 단순히 개인 소비자의 고정 월 요금에 의존하지 않는다는 것입니다. 이는 대형 모델의 상업화 중심이 채팅 도구 사용권 판매에서 생산 활동에 참여할 수 있는 지능 능력 판매로 전환되고 있음을 나타냅니다.
대형 모델은 금을 파는 것뿐만 아니라 톤 단위로 채굴하고 있습니다. 그러나 수익의 폭발적인 증가가 자동으로 이익 문제를 해결하지는 않습니다.
Anthropic은 2026년 첫 9개월 동안 계산력 및 인프라 지출이 약 188억 달러에 달하며, 이는 총 수익 332.42억 달러의 약 57%를 차지합니다.
운영 측면에서는 여전히 손실이 발생하고 있으며, 첫 9개월의 GAAP(미국 일반 회계 원칙) 운영 손실은 약 12.6억에서 13억 달러에 달합니다. 첫 9개월의 순손실은 1040억 달러에 달하지만, 그 중 상당 부분은 전환 가능한 자금 조달 도구 및 관련 부채의 공정 가치 재평가에서 발생하며, 일상적인 운영의 현금 유출이 아닙니다. 동시에 회사가 공개한 조정된 운영 이익은 약 41억 달러로 전환되었습니다 (조정된 운영 이익률 약 12%), 수익 대비 계산력 비용의 효율성도 크게 개선되었습니다.
따라서 단순히 막대한 순손실로 Anthropic의 상업 모델이 성립할 수 없다고 단정하는 것은 명백히 지나치게 단순합니다; 그러나 조정된 운영 이익이 전환되었다고 해서 대형 모델이 이미 이익 문제를 해결했다고 단정하는 것도 충분한 근거가 부족합니다.
핵심은 기업이 지속적인 연구 개발 투자, 계산력 구매, 인프라 구축 및 자금 조달 비용을 감당한 후, 장기적으로 충분한 자유 현금 흐름(FCF)을 생성할 수 있는가입니다.
점점 더 많은 기업들이 인공지능이 가져오는 정량화 가능한 생산성 향상을 강조하고 있으며, 여기에는 작업 흐름 가속화, 일상적인 작업의 자동화, 서비스 능력 확대 및 비용 통제 개선이 포함됩니다. 분명히 인공지능에 대한 수요는 강하지만, 월스트리트는 이러한 수요를 충족하기 위해 필요한 비용에 대한 인내심을 잃어가고 있습니다.
가장 뚜렷한 예는 메타입니다. 이 회사의 3분기 재무 보고서에 따르면, 인공지능이 메타 광고 수익을 26% 증가시켰음에도 불구하고, 회사의 분기 자유 현금 흐름은 부정적으로 전환되었으며, 이는 10년 이상 현금 순유출이 발생한 첫 번째 경우입니다. 동시에 메타는 공격적인 인공지능 인프라 확장 계획을 지원하기 위해 자본 지출 예측을 상향 조정했습니다.
전체 월스트리트는 AI 인프라 투자 수익률(ROI)에 대한 불안이 즉각적으로 확대되었습니다.
지난 2년 동안, 시장은 "AI 능력 향상, 사용자 충성도 증가"라는 말을 듣기만 하면 맹목적인 프리미엄을 부여했습니다; 그러나 현재 단계에서는 자본 지출이 전 산업에 걸쳐 수천억 달러, 심지어 1조 달러 규모에 가까워지면서, 월스트리트는 보험계리사처럼 계산하기 시작했습니다: 이러한 계산력 투자가 과연 언제 실질적인 자유 현금 흐름으로 전환될 수 있을까요?
투자 수익 주기가 너무 길어지거나, AI가 가져오는 수익 증가가 매년 수백억 달러의 감가상각 및 전기 요금을 상쇄할 수 없다면, 시장은 평가 처벌을 가할 것입니다.
시장 조사 기관 가트너의 예측에 따르면, 기업이 현재의 지출 속도를 유지한다면, 2030년 말까지 3.5조 달러 이상의 인공지능 인프라 투자가 자산 손상 위험에 직면할 수 있습니다. 인공지능 서비스 제공업체는 2026년에 인공지능 인프라에 거의 1조 달러를 투자할 것으로 예상되며, 2027년부터 2030년까지 추가로 6조 달러를 투자할 것으로 보입니다.
가트너는 이 기간 동안 기업 고객과 소비자가 가져오는 인공지능 수익이 이러한 투자를 수익성 있는 반환으로 지원하기에 부족할 수 있다고 지적했습니다.
02 규모의 비경제성
거대한 공급과 수요 및 재정 불일치는 대형 모델과 전통 소프트웨어 산업 간의 근본적인 차이를 드러냅니다.
지난 수십 년 동안, 소프트웨어 서비스(SaaS)가 자본 시장에서 선호되는 상업 모델이 된 이유는 소프트웨어 개발이 완료된 후 더 많은 사용자에게 서비스를 제공하는 한계 비용이 상대적으로 낮기 때문입니다. 고객 규모가 확대됨에 따라 기업은 일반적으로 규모의 경제를 통해 이익률을 지속적으로 높일 수 있습니다. 그러나 대형 모델은 이 논리를 완전히 따르지 않습니다.
모델의 각 추론, 코드 생성, 긴 텍스트 분석 및 지능 에이전트 작업 수행은 실제 계산 자원을 소모해야 합니다. 특히 인공지능이 질문에 답하는 것에서 복잡한 작업을 자율적으로 수행하는 것으로 발전할 때, 하나의 작업은 모델을 반복 호출하고, 외부 정보를 검색하고, 프로그램을 실행하고 결과를 검증하는 데 필요할 수 있으며, 비용이 증가합니다. 고정 월 요금 구독을 제공하는 기업에게 가장 활발한 사용자가 반드시 이익 기여도가 가장 높은 사용자는 아닐 수 있으며, 오히려 계산력 소비가 가장 큰 사용자일 수 있습니다.
이것이 바로 각 대형 모델 제조업체가 맥락 길이 제한, 호출 횟수 제한 또는 계층 요금을 통해 "사용자를 선별"해야 하는 이유입니다.
중증 사용자들이 "자산"에서 "부담"으로 변할 가능성이 있는 상황에서, 대형 모델 기업의 상업 모델이 성숙했는지 판단하기 위해서는 단순히 유료 사용자 수, 구독 수익 증가 또는 사용자 활동도를 살펴보는 것이 아니라, 다양한 사용자 집단의 단위 경제적 효율성을 관찰해야 합니다: 각 사용자당 얼마나 많은 수익을 기여하는지, 얼마나 많은 추론 자원을 소비하는지, 사용 강도가 증가한 후 이익률이 어떻게 변화하는지, 그리고 기업이 더 합리적인 가격 책정과 기술 최적화를 통해 이러한 관계를 개선할 수 있는지 여부입니다.
대형 모델이 반드시 규모의 경제를 형성할 수 없는 것은 아닙니다. 모델 압축, 추론 최적화, 칩 업그레이드, 캐시 기술 및 다양한 모델 간의 작업 분배는 단위 계산 비용을 지속적으로 낮출 수 있습니다. Anthropic이 공개한 운영 효율성 개선도 기술 발전이 비용 구조를 변화시킬 수 있음을 나타냅니다.
그러나 인공지능은 특별한 수요 확장 메커니즘에 직면해 있습니다: 지능 서비스가 더 저렴하고 강력해질수록, 사용자는 단순히 더 낮은 비용으로 기존 작업을 완료하는 것이 아니라, 과거에 수행할 수 없었던 더 많은 작업을 기계에 요구하기 시작할 수 있습니다.
경제학의 제번스 역설은 여기에서 영감을 주는 참고 자료를 제공합니다: 자원 이용 효율성이 향상되더라도 자원 소비 총량이 줄어들지 않을 수 있으며, 오히려 수요 증가를 자극할 수 있습니다. 대형 모델 기업에게는 단위 추론 비용이 감소한다고 해서 전체 계산력 지출이 감소하는 것은 아닙니다. 더 저렴한 지능은 더 광범위한 응용을 가져올 수 있으며, 더 큰 계산 수요를 초래할 수 있습니다.
Anthropic의 공모 설명서에서 미래 계산력 구매 약속에 대한 공개는 이러한 모순을 강조합니다. 회사가 이미 체결하고 공개한 장기 계산력 및 인프라 계획의 총 규모는 거의 9000억 달러에 달하며, 그 중 상당 부분은 2030년 이전에 발생할 것으로 예상됩니다.
이 숫자는 Anthropic이 해당 금액을 이미 지불했다는 것을 의미하지 않으며, 현재 부채로 간단히 간주할 수 없지만, 이는 중요한 변화를 반영합니다: 최전선 인공지능 기업들이 전통적인 의미의 경량 자산 소프트웨어 회사에서 칩 제조, 전력망 용량, 데이터 센터 및 장기 자본 조달에 크게 의존하는 중량 자산 기술 기업으로 전환하고 있습니다. 대형 모델 회사들은 여전히 알고리즘 혁신과 연구 인재에 베팅하고 있지만, 물리적 인프라 공급에 의해 점점 더 제약을 받고 있습니다.
만약 한 기업이 기술 우위를 유지하기 위해 수천억 달러를 지속적으로 투자해야 한다면, 그 수익 증가가 놀랍더라도 자본 수익률이 현재의 평가를 지탱할 만큼 충분하다고 보장할 수는 없습니다.
인공지능은 소프트웨어 산업의 속도로 수익을 창출하면서도, 에너지, 통신 및 산업 인프라 산업의 방식으로 자본을 조직해야 하는 특별한 산업 형태를 나타내고 있습니다. 투자자들은 과거에 어떤 회사가 가장 진보된 모델, 가장 많은 사용자 및 가장 빠른 수익 증가를 가지고 있는지에만 주목했습니다; 그러나 미래에는 자본 비용, 계산력 구매 가격, 인프라 활용률 및 투자 회수 주기가 기업의 장기 경쟁력을 결정할 수 있습니다.
03 모델 상품화의 몇 가지 가능성
Anthropic과 비교할 때, OpenAI의 상업적 배치는 더 광범위하며, 개인 사용자에게 일반 지능 비서가 되려는 시도와 기업 및 개발자가 인공지능을 사용할 수 있는 기본 플랫폼이 되려는 시도를 하고 있습니다. 그러나 OpenAI도 유사한 모순에 직면해 있습니다.
비록 OpenAI의 연간 수익(ARR)과 분기 수익이 100억 달러 수준에 도달했지만, 여러 공개 재무 보고서와 업계 예측은 차세대 최첨단 모델의 높은 훈련 비용, 막대한 추론 지출 및 수백억 달러 규모의 컴퓨팅 파워 임대 계약에 의해 최근 몇 년간 누적 운영 손실과 향후 몇 년간 예상되는 현금 흐름 부족이 여전히 수백억 달러에서 천억 달러에 이를 것이라고 지적하고 있습니다.
따라서 사용자를 끌어들이는 것이 핵심이 아니라, 가장 큰 도전은 광범위한 사용 수요를 지속적인 자본 투자를 충당할 수 있는 수익으로 전환하는 방법입니다.
Meta는 또 다른 길을 보여주었습니다.
OpenAI와 Anthropic과 달리, Meta는 대형 모델 판매에 의존하여 수익을 얻지 않고, 인공지능을 기존의 광고, 추천 및 소셜 플랫폼 시스템에 통합합니다. 모델 능력의 향상은 콘텐츠 배포, 광고 매칭 및 마케팅 자동화 효율성을 개선하여 성숙한 비즈니스의 수익성을 직접 강화할 수 있습니다.
Meta에게 인공지능은 우선 기존 상업 시스템의 효율성을 높이는 기술이며, 반드시 독립적으로 요금을 부과해야 하는 새로운 제품은 아닙니다. 이 모델은 명백한 장점을 가지고 있습니다: 기존의 고객 관계, 사용자 규모 및 광고 거래 시스템을 활용하여 수익을 창출할 수 있으며, 소비자가 인공지능 서비스에 대한 새로운 지불 습관을 완전히 의존할 필요가 없습니다.
그러나 Meta 역시 데이터 센터 투자 확대 문제에 직면해 있으며, 막대한 자본 지출이 자유 현금 흐름에 압박을 가하고 있습니다. 이는 성숙한 비즈니스 모델을 보유하고 있다고 해서 인공지능의 자본 집약적 특성을 없앨 수 있는 것은 아니며, 단지 이러한 비용을 감당할 수 있는 더 안정적인 수익 기반을 제공할 뿐입니다.
Meta의 사례는 대형 모델 상업화에서 더 깊은 모순을 드러냅니다: 모델이 창출한 경제적 가치는 반드시 모델 제공자가 직접 얻는 것은 아닙니다.
인공지능이 점점 더 다양한 제품과 서비스에 통합됨에 따라, 사용자 관계, 응용 시나리오 및 상업 채널을 장악한 기업이 단순히 모델 능력을 제공하는 기업보다 가치를 실현하기가 더 쉬울 수 있습니다. 이는 기본 모델이 점차 상품화될 것인지가 대형 모델 기업의 수익 전망을 이해하는 데 핵심 문제가 됩니다.
서로 다른 기업이 개발한 모델이 성능, 신뢰성 및 사용 경험에서 점차 가까워지면, 고객은 가격과 서비스 비용에 점점 더 관심을 가지게 됩니다. 모델 제공자가 지속적으로 기술 발전을 이루더라도, 경쟁으로 인해 장기적으로 높은 이익을 유지하기 어려울 수 있습니다.
기술 능력의 확산은 소비자에게 유리하지만, 반드시 최초의 기술 개발자에게 유리하지는 않습니다. 역사적으로 많은 중요한 기술이 결국 광범위하게 사용되는 인프라가 되었지만, 기술 자체의 보급이 그 발명자가 최대의 경제적 이익을 얻는 것을 보장하지는 않습니다.
그러나 모델의 상품화가 모든 인공지능 서비스의 상품화를 의미하지는 않습니다.
기업이 실제로 구매하는 것은 질문에 답할 수 있는 모델이 아니라, 내부 비즈니스를 이해하고, 독점 데이터를 호출하며, 복잡한 프로세스를 실행하고, 보안 및 규정 준수 요구 사항을 충족할 수 있는 지능형 시스템입니다. 인공지능이 기업의 재무, 연구 개발, 법률 및 고객 서비스 프로세스에 깊이 통합될 때, 공급업체를 변경하는 것은 단순히 채팅 인터페이스를 변경하는 것이 아니라 데이터 이전, 시스템 통합, 위험 관리 및 조직 교육을 포함할 수 있습니다.
따라서 미래의 더 견고한 상업적 방어선은 모델 매개변수 자체에 있지 않고, 모델과 기업 작업 흐름의 결합, 그리고 이로 인해 형성된 개발자 네트워크, 데이터 환경 및 서비스 생태계에 있을 수 있습니다.
이 관점에서 Anthropic과 OpenAI도 반드시 기본 모델 공급자의 위치에 영원히 머물 필요는 없습니다. 그들은 소비자와 기업을 위한 완전한 서비스를 개발하고, 제품 경험, 작업 흐름 및 고객 관계를 통해 차별화된 이점을 구축하려고 시도하고 있습니다.
Anthropic이 Claude Managed Agents를 통해 기업의 인공지능 배치 장벽을 낮추고, Claude Code를 통해 소프트웨어 개발 프로세스에 깊이 들어가든, OpenAI가 인공지능을 기업의 일상 운영에 통합하려고 하든, 두 회사는 같은 방향을 탐색하고 있습니다: 모델 능력과 대화 도구를 제공하는 것에서 비즈니스 프로세스에 통합되고 지속적으로 작업을 수행할 수 있는 지능형 서비스를 제공하는 것으로 전환하는 것입니다.
동시에 지능형 에이전트의 발전은 인공지능의 가격 책정 논리를 더욱 변화시킬 수 있습니다. 전통적인 구독 모델은 일정 기간 동안 소프트웨어 사용 권한을 판매하고, 토큰에 따라 계산 자원 소비를 판매하지만, 지능형 에이전트는 실제로 특정 작업의 완료 능력을 판매할 수 있습니다.
만약 AI 시스템이 법률 문서 검토, 소프트웨어 테스트 또는 기업 재무 분석을 독립적으로 완료할 수 있다면, 고객이 진정으로 관심을 가지는 것은 얼마나 많은 토큰을 소비했는지가 아니라, 작업이 완료되었는지, 결과가 신뢰할 수 있는지, 그리고 이를 통해 얼마나 많은 비용을 절감했는지입니다.
작업, 작업량 또는 실제 결과에 따라 요금을 부과하는 것이 미래 상업 모델의 중요한 구성 요소가 될 수 있습니다. 그러나 이러한 모델은 새로운 책임 문제를 가져올 것입니다: 인공지능이 작업을 완료하지 못하거나 그 오류로 인해 경제적 손실이 발생했을 때, 비용과 위험은 누구에게 귀속되어야 할까요? 지능형 서비스가 실제 노동에 가까워질수록, 그 상업 모델은 전통 소프트웨어 산업의 규칙을 완전히 따르기 어려워집니다.
04 누가 캐낸 금을 남길 수 있을까?
더 거시적인 관점에서 볼 때, 인공지능 산업은 가치 분배 구조의 재편성을 겪고 있습니다.
초기 가장 뚜렷한 수혜자는 칩, 제조 및 인프라 공급업체로, 전체 산업의 확장은 계산 자원에 대한 수요로 전환됩니다. 그러나 모델 능력이 확산됨에 따라, 이익은 기업 작업 흐름, 사용자 진입점 및 응용 생태계를 제어할 수 있는 회사로 점차 이동할 수 있습니다.
만약 컴퓨팅 파워가 장기적으로 부족하다면, 인프라 공급업체는 여전히 강력한 협상력을 가질 것입니다; 만약 모델 공급이 충분해진다면, 응용 기업은 더 큰 가치 분배 공간을 얻을 수 있습니다; 만약 소수의 플랫폼이 모델, 데이터, 결제 및 작업 흐름을 통합할 수 있다면, 새로운 플랫폼 경제가 형성될 수 있습니다.
미래에 누가 최대 이익을 얻는지는 산업 체인 내에서 어떤 단계가 지속적인 희소성을 형성할 수 있는지에 달려 있습니다.
역사적으로, 마이크로소프트의 장기 경쟁 우위는 Windows 운영 체제의 라이센스 수익에서만 오는 것이 아니라, 운영 체제를 중심으로 형성된 개발자 생태계, 소프트웨어 호환성 및 기업 고객 네트워크에서 비롯됩니다; 구글도 사용자에게 검색 비용을 부과하여 상업 제국을 구축한 것이 아니라, 검색을 통해 형성된 사용자 진입점과 상업적 수요를 광고 수익으로 전환했습니다.
오늘날의 Anthropic과 OpenAI 역시 중요한 선택에 직면해 있습니다: 기본 모델이 과연 지속적으로 막대한 자본을 투입하여 유지해야 하는 기술 제품인지, 아니면 개발자, 기업 고객 및 응용 생태계를 연결하는 플랫폼 기반이 될 수 있는지?
그들이 모델 위에 안정적인 개발자 네트워크, 깊이 통합된 기업 작업 흐름 및 쉽게 대체할 수 없는 서비스 시스템을 구축할 수 있다면, 모델 성능 자체를 초월하는 경쟁 우위와 가격 책정 능력을 얻을 수 있습니다. 그러나 이러한 플랫폼화 전환이 지속적인 컴퓨팅 파워 투자를 충당할 수 있는 이익을 창출할 수 있을지는 장기적인 경영 성과의 검증이 필요합니다.
Anthropic이 최근 제출한 규제 문서에 따르면, 이 회사가 곧 진행할 예정인 최초의 공개 모집(IPO)은 가장 이상적인 경우 1.4조 달러의 가치(희석 후)와 900억 달러의 자금을 모을 수 있을 것으로 예상됩니다.
이 야심찬 IPO는 사실상 투자자들이 인공지능 산업에 대한 투표를 하는 것입니다. 이는 더 넓은 투자자들에게 기회를 제공합니다 ------ 그들은 회사가 계속 돈을 소모하는 것을 지원할 수도 있고, 인공지능 산업의 중요한 방향 지표가 될 가능성이 있는 이 회사를 회피할 수도 있으며, 1.4조 달러와 같은 역사적인 고평가를 거부할 수도 있습니다.
어쨌든, Anthropic의 IPO 신청 문서는 무시할 수 없는 문제를 드러냅니다: 수익 성장을 유지하기 위해 회사는 계속해서 상승하는 계산 비용을 감당해야 합니다. 이는 분명히 투자자를 설득하는 것을 더욱 어렵게 만듭니다. 만약 한 번 주목받던 인공지능 스타 기업이 상장 후 지속적으로 부진한 성과를 보인다면, 시장은 이를 감당할 수 있을까요? 이는 시간이 지나야 검증될 것입니다.
한 가지 쉽게 간과되는 질문이 있습니다: 인공지능이 창출한 경제적 가치는 반드시 모델 개발자의 수익과 이익으로 전환될 수 있는 것은 아닙니다.
기업이 인공지능을 활용하여 생산성을 높이고 절감한 비용은 사용자의 손에 남을 수 있습니다; 소비자가 무료 또는 저렴한 인공지능 서비스를 통해 얻는 편리함은 소비자 잉여로 나타날 수 있으며, 모델 공급자의 수익이 아닐 수 있습니다. 비록 인공지능이 궁극적으로 사회 전체의 생산성을 크게 향상시킨다 하더라도, 모델 개발자가 그들이 창출한 가치에 따라 적절한 경제적 보상을 받을 수 있을지는 불확실합니다.
기술의 사회적 가치와 개발자의 재정적 수익 간에는 필연적인 대응 관계가 존재하지 않습니다.
AI 는 확실히 금을 캐냈습니다. 그러나 칩, 전력, 데이터 센터, 연구 개발 투자 및 자금 조달 비용이 모두 정산된 후, 금을 캐낸 사람이 과연 얼마나 남길 수 있을까요? 이것이 대형 모델 상업 모델이 아직 답하지 못한 핵심 문제입니다.
Anthropic의 상장은 이 문제의 종결이 아니라, 문제를 더 엄격한 단계로 진입하게 합니다. 이전에는 시장이 기술 혁신, 사용자 성장 및 자금 조달 가치를 기반으로 미래를 상상할 수 있었습니다; 상장 이후, 기업은 수익, 이익, 현금 흐름 및 자본 수익을 통해 자신의 상업적 가치를 지속적으로 증명해야 합니다.
모델이 더 똑똑한지는 물론 중요하지만, 더 중요한 것은 기업이 경제적으로 지속 가능한 방식으로 지능을 생산, 분배 및 판매할 수 있는지입니다.