한 투자자의 구현, 모델 및 연산력에 대한 17가지 판단

편집: 쉬칭양

지난 몇 년간 중국 테크·벤처 투자 업계에서 가장 뜨거운 키워드는 거의 예외 없이 AI, 로봇, 그리고 체화된 지능(Embodied Intelligence)이었다.

대형 언어 모델 트랙에서는 즈푸(Zhipu)가 가장 먼저 ‘중국판 OpenAI’라는 맥락에서 논의된 기업 중 하나다. 제에슈싱천(StepFun), 성수커지(Shengshu Technology) 역시 각각 파운데이션 모델, 영상 생성 등 핫한 방향의 중심에 서 있다. 로봇 분야에서는 유비테크(UBTech)가 이미 자본시장에 상장했고, 갤럭시 제너럴 로봇(Galaxy General Robot), 인쯔로봇(Inshi Robot), 타스즈항(Taszhihang) 등은 로봇 본체, 모델, 현장 적용까지 다양한 방향의 탐색을 대표한다.

이들 스타 기업 뒤에는 공통된 투자 기관이 있다 — 치밍벤처(Qiming Venture Partners)다. 이 기관은 2006년 설립되어 11개의 달러 펀드와 7개의 위안화 펀드를 운용 중이며, 조성된 운용자산 총액은 95억 달러에 달한다.

여러 차례 기술 웨이브에 베팅해 온 치밍벤처의 방법론은 무엇일까?

최근 치밍벤처의 매니징 파트너 저우즈펑은 치밍벤처의 투자 방법론을 중심으로, 대형 언어 모델, 체화된 지능, AI 컴퓨팅 칩 등 최전선 트랙의 근본적인 발전 추세를 공유하고, 컨셉트 과대포장과 실제 산업 적용을 구분하는 핵심 기준을 분석했다.

투자자로서 저우즈펑은 철저한 AI 헤비 유저다. 대화 중 그는 자주 생활 밀착형의 작은 시각으로 접근해 AI 기술이 실제로 자리잡은 시대상을 그려냈다. 집안 어르신은 이미 숏폼 영상 플랫폼을 능숙하게 즐기고, AI를 활용해 일상적인 정보 검색도 매끄럽게 해내신다는 이야기, 본인의 업무 환경에서도 AI는 깊숙이 스며들어 데이터 해체와 자료 정리를 AI 도구에 의존하고, 빡빡한 일정 속에서도 AI 생성 숏폼 콘텐츠의 진화를 꾸준히 관찰한다는 이야기 등이다.

이런 소소하고 생생한 일상의 단편들은 하나의 핵심 추세를 직관적으로 입증한다. AI는 이미 오래전부터 연구실 이론이나 저널 논문 속 전문 개념, 혹은 프라이머리 마켓의 투자 보도자료에 그치는 자본 이야기에 머물지 않고, 진정으로 일반 대중의 휴대폰 단말기까지 내려와 최전선 기술에서 전 국민의 일상 도구로 도약했다는 것이다.

투자자의 역할은 이러한 변화가 대규모로 나타나기 전에, 어떤 기술 방향, 제품 형태, 기업이 이 변화를 현실로 이끌 가능성이 가장 높은지 판단하는 것이다.

저우즈펑은 이 아이디어를 ‘반걸음 앞서기(快半步)’ 투자라고 정리한다 — 무조건 빠를수록 좋은 것도 아니고, 시장 공감대가 형성된 뒤 쫓아 들어가는 것도 아니다. 기술 돌파 지점 이후, 상업적 폭발점 이전에 진입하는 것이다.

저우즈펑 치밍벤처 매니징 파트너

저우즈펑은 즈푸를 예로 든다. 2020년 5월 GPT-3가 발표되면서, 치밍벤처는 스케일링 룰(Scaling Law)이 검증되고 대형 모델이 중요한 기술적 임계점을 넘어섰다고 보았다. 이 판단을 바탕으로 치밍벤처는 2021년 12월 즈푸에 투자했다. 당시 챗GPT는 아직 출시되지 않았고, ‘올인 AI’는 투자 업계의 집단적 구호가 아니었다. 2022년 11월 챗GPT가 등장하면서 비로소 생성형 AI가 진정으로 대중과 벤처투자 시장 앞에 내밀어졌다.

그렇다면 AI, 로봇, 컴퓨팅 파워, 칩 같은 핫한 방향에서 다음 ‘반걸음 앞서기’ 기회는 어디에서 생겨날까? 현장 대화에서 저우즈펑은 직접 답을 제시하기보다 이들 트랙에서 일어나고 있는 변화들을 더 많이 해체했다.

화끈한 트랙과 대규모로 몰려드는 뜨거운 자금 앞에서, 저우즈펑은 폭풍의 중심에 가까울수록 가장 소박한 질문으로 돌아가야 한다고 말한다: 진정한 가치를 창출했는가, 비즈니스 논리의 검증을 견딜 수 있는가. 그는 시장이 ‘쇼 미 더 머니(show me the money)’ 국면으로 진입할 가능성이 크다고 여러 번 언급했다. 새로울수록 단기적 관심과 장기 가치 사이의 괴리를 더욱 경계해야 하고, 시장이 소란스러울수록 기업은 기술을 매출로, 상상을 현실로 바꿀 수 있다는 점을 증명해야 한다는 것이다.

이하, 가독성을 위해 텐센트 테크는 1인칭 구술 형식으로 저우즈펑의 핵심 판단을 재구성했다.

01 “체화된 지능은 나의 뇌세포를 가장 많이 죽인 분야다. 단연코 그렇다”

많은 체화된 지능 기업들과 교류하면서, 크게 세 가지 소감을 갖게 되었다.

첫째, 프라이머리와 세컨더리 마켓이 이 트랙을 유달리 높이 평가한다. 핵심 이유는, 아마도 스마트폰의 출하량 규모와 승용차의 단가를 동시에 갖춘 역사상 최초의 산업이기 때문일 것이다. 이 산업이 성숙기에 접어들면 연간 10억 대의 출하량에, 평균 단가 약 3만 달러(한화 약 20만 위안, 4천만 원 상당)가 될 것이다. 이는 인류 200~300년 상업 발전사 속에서도 최정상급 규모의 트랙이며, 이와 견줄 만한 산업은 없다.

둘째, 모두가 지금 IPO에 돌격하는 것은 본질적으로 희소성 프리미엄을 선점하려는 것이다. 세컨더리 마켓 자체가 이런 특성을 지닌다: 큰 트랙에서 한두 개 기업이 앞서 상장하면, 그 희소성 때문에 초대형 자본 수혜를 누린다. 주가가 상식을 벗어날 정도로 치솟는 것으로 직결되기 때문에, 모두가 앞다투어 상장하려 한다.

셋째, 점점 더 많은 기업을 구분하기 어려워지고 있다. 우리가 모니터링하기로 중국에는 370여 개의 체화된 지능 관련 기업이 있으며, 기본적으로 매주 두세 곳의 신규 프로젝트가 추가로 접수된다. 이들의 팀 배경, 기술 루트, 현장 적용 시나리오가 점점 더 유사해지고 있다. 교수, 천재 소년, 자율주행 대기업 임원 혹은 AI 모델 백그라운드 출신에, 모두 VLA, 월드 모델을 이야기하고, 적용도 대부분 산업 제조, 물류, 상업 서비스에 집중되어 있다가 최근에는 생체 모방 로봇 시나리오도 등장했다. 그러나 문제는 기술 수준이나 모델 역량을 객관적으로 평가할 기준이 아직 없어서, 누구의 기술이 더 강하고, 누가 현장 적용 능력이 더 뛰어난지 진정으로 판단할 수 없다는 점이다.

따라서 한두 군데 기업이 먼저 상장하면 희소성 덕에 아주 높은 시가총액을 기록할 수 있다. 하지만 반 년에서 1년 뒤, 시장은 ‘쇼 미 더 머니’ 국면에 들어갈 가능성이 크다. 실제로 적용 가능 여부, 매출과 수익률로 전환될 수 있는지만을 따질 것이다.

올해 말, 내년 중순 즈음까지 만약 현장 적용이 예상에 못 미치면, 성공적으로 상장하더라도 시가 총액이 조 단위에서 수천억 원대까지 떨어질 수 있고, 세컨더리 마켓과 프라이머리 마켓 간 밸류에이션 역전이 일어날 수 있다. 기존 프라이머리 마켓의 밸류에이션이 지탱되기 어려워지면, 기업의 후속 자금 조달 난이도는 크게 올라갈 것이다.

핵심은 결국 기술이다. 로봇 트랙에 중대한 돌파구가 없고, 특히 기술 루트가 수렴되지 않는다면, 산업이 대규모로 적용되기 어렵다. 현재 각 기업의 로봇 적용 탐색은 대부분 특정 현장 전용 모델을 사용하고 있으며, 현재 여론의 주목도가 높은 범용 모델이 아니다. 기술 수렴이 이뤄지지 않으면 대규모 표준화된 적용 시나리오를 열 수 없고, 결국 있으면 좋고 없어도 그만인 데모 프로젝트 수준에 그쳐 상업화 규모를 키울 수 없다.

그래서 지금 내가 할 수 있는 일은, 계속해서 적극적으로 새 프로젝트를 모두 살펴보며 정보를 전방위로 수집하고 업계 판도를 지속 추적하는 것이다.

지금 프라이머리 마켓은 여전히 자금 조달에 사활을 걸고 있고, 규모가 비교적 안정적인 기업은 상장 준비에 혈안이다. 하지만 결국에는 상장 여부를 막론하고, 시장이 보는 것은 상업화다. 만약 업계가 실제 현장 적용 성과를 내놓지 못한다면, 시장은 큰 폭의 심각한 조정기를 겪을 가능성이 높다.

나는 월드 모델이 완전히 새로운 트랙이라고 본 적이 없다. 미래에 VLA와 월드 모델이 융합될 확률은 50%를 넘는다.

월드 모델은 하나의 기술 경로에 가까울 뿐인데, 프라이머리 마켓에서 인기 컨셉트로 부풀려졌다. 최근 새로 등장한 약 30여 곳의 월드 모델 스타트업을 이전 VLA 기술 루트 회사들과 비교해 보면, 상업화 적용 측면에서 본질적 차이가 없다.

현재 체화된 지능에는 객관적인 평가 기준이 부족하다.

언어 모델은 다양한 벤치마크가 있지만, 체화된 지능이 직면하는 것은 물리 세계의 노동력이라 평가 난이도가 훨씬 높다. 지금 전 세계 시장에 대략 서너 개의 체화된 지능 벤치마크가 있지만, 최근 많은 의문을 받고 있다. 일부 기업이 벤치마크 점수 인플레로 높은 밸류에이션을 받는 경우는, 업계 관계자가 보면 아무 의미도 없다는 걸 안다.

기준이 수렴되기 전까지, 우리는 주로 바텀업 로직으로 추론한다: 첫째, 알고리즘과 모델 아키텍처 루트가 우리의 추론에 부합하는가; 둘째, 팀에 풍부한 엔지니어링 경험이 있는가; 셋째, 데이터 전략이다. 데이터는 아마도 앞으로 가장 중요한 변수가 될 것이다. 언어 모델은 1,000억 개의 토큰이 주어져서야 스케일링 룰을 구현했고, 영상 모델은 10억 건의 클립이 제공되자 스케일링 룰을 구현했다. 현재 미·중 최상위권 체화 모델 기업이 보유한 데이터는 수십만 시간에 불과하다. 충분한 규모에 한 자릿수 차이만큼 모자란다. 그러나 올해 미·중 선두권 체화된 지능 기업들이 이 데이터 규모에 도달할 가능성이 있기에, 올해 돌파가 이뤄질 수도 있다.

기술 돌파가 이뤄지면 평가는 오히려 단순해진다. 예를 들어 산업 현장에서, 어떤 대기업의 25개 공정에 대해 사후 학습 없이 혹은 아주 간단한 사후 학습만 마친 로봇이 해당 작업을 완료할 성공률이 얼마인지 보는 것이다. 성공률이 50%를 넘으면 대기업은 진짜 로봇을 구매할 것이고, 5%에 불과하다면 아직 안 된다는 뜻이다.

데이터는 체화 모델이 돌파해야 할 기술 병목이지만, 향후 1~2년 내에 빠르게 개선될 수 있다.

체화 모델을 완성하려면 100만에서 200만 시간의 훈련 데이터가 필요할 수 있으며, 현 단계에서는 데이터 양이 개별 데이터 품질보다 더 중요하다. 각종 데이터 조합 방안에 대해 업계 전문 용어로는 데이터 전략이라 부르는데, 최근 몇 달간 이 부분에 공감대가 형성되었다. 이전에는 몇 가지 데이터 루트로 나뉘어 있었는데, 테슬라가 자체 개발한 실제 로봇으로 수집한 데이터는 진실성 최고 수준으로, 모델이 더 학습하기 쉽고, 이후 모델을 하드웨어에 배포해 실행할 때 훈련 수집 데이터와 완벽히 일치한다는 장점이 있다.

하지만 이처럼 실제 로봇 데이터 수집은 진입 장벽이 극도로 높다. 테슬라 같은 선두 기업조차 추진이 매우 버겁고 연간 생산량이 극히 제한적이다. 로봇 1,000대를 투입하고 전담 인력이 상주해야 하는데, 기기 한 대당 하루 유효 수집 시간이 한두 시간에 그쳐 효율이 극히 낮다. 100만 시간 분량 데이터를 모으려면 10년이 걸려도 완수하지 못할 수 있다. 테슬라조차 이 지경이니 다른 기업들은 더욱 실현이 어렵다. 이 부류의 데이터는 최고 품질이지만, 총량은 희소하다. 앞서 구글과 OpenAI는 동영상 데이터 활용을 선호하는 경향이 있었고, 구글 자체는 영상 모델 분야에 깊이 뿌리내렸지만, 방대한 범용 영상 데이터와 로봇 실제 조작 현장은 동떨어져 있다. 예를 들어 회의실 장면 영상만으로 로봇이 실전 조작 능력을 배우기 어렵고, 오히려 모델에 대량의 저품질 노이즈 데이터를 유입시킨다.

두 가지 사이에는 최근 1년 새 부상한 UMI 데이터가 있다. 작업자들의 현장 작업이나 인간의 실제 조작 시 웨어러블 기기로 실제 작업 장면을 기록하기 때문에 모델 훈련 수요와 정렬하기가 더 쉽다. 현재 중국과 미국의 선두 기업들은 올해 총 100만 시간의 훈련 데이터를 구매할 계획이며, 이 중 실제 기기 데이터는 1%–3%에 불과하고 UMI 데이터가 약 70%, 비디오 데이터가 20%를 차지한다. 노이텀(诺亦腾)은 모션 캡처 사업에서 분사해 독자적으로 발전해 왔으며, 모션 캡처 기술은 UMI 데이터와 실제 기기 데이터 수집을 최적화할 수 있다. 이제 전 카테고리에서 각종 훈련 데이터를 공급할 수 있게 되었다.

규모 외에도 촉각 데이터 역시 중요해질 것입니다. 예를 들어 로봇이 평범해 보이지만 실제로는 더 무거운 액체 병을 집어 올릴 때, 인간이라면 즉시 무게 변화를 감지하고 파지력을 조절하지만, 현재의 실기 데이터, 텍스처 데이터 및 비디오 데이터에는 대부분 이러한 촉각 정보가 부족합니다.

따라서 현재 많은 기업들이 촉각 섬유와 같은 솔루션을 시도하며 촉각 인식이 가능한 로봇 손을 개발하고 촉각 데이터를 수집하고 있습니다. 이 분야는 투자 열기가 매우 뜨겁지만, 전 세계적으로 아직 어느 기업도 완전히 성숙한 기술을 확보하지 못했습니다.

임바디드 AI 모델 측면에서 중국의 강점은 크게 세 가지입니다: 데이터, 실제 적용 시나리오, 그리고 하드웨어 지원입니다.

현재 중미 간 모델 기술 격차를 계량화하기는 어렵습니다. 중미 간 모델 격차는 본질적으로 컴퓨팅 파워이기 때문입니다. 기술이 아직 완전히 수렴되지 않았으며, 기술 탐구 연구는 마치 어두운 밤바다를 항해하며 보물섬을 찾는 것과 같습니다.

미국은 컴퓨팅 파워에 제한이 없어 선두 기업이 매일 밤 동시에 30척의 배를 보낼 수 있습니다. 탐색 피드백 한 번 한 번이 방향을 찾는 데 결정적이며, 각 팀이 돌아와 오늘 30° 방위각으로 5해리를 항해했으나 목표를 찾지 못했다고 보고하면 이후에는 이 경로를 반복할 필요가 없습니다.

그러나 중국은 현재 칩 제한으로 인해 하룻밤에 배 한 척만 보낼 수 있으며, 핵심 격차가 바로 여기에 있습니다. 현재 대형 언어 모델(LLM)의 전반적인 경로는 이미 명확해졌기 때문에 직관적으로 느끼는 격차는 그리 크지 않습니다. 하지만 업계에 다음 번 기술 도약이 온다면, 확률적으로 30개 탐색 경로를 동시에 펼치는 것과 단 하나의 경로만 가는 것을 비교했을 때, 미국이 기술적 돌파구를 먼저 달성할 가능성이 훨씬 커집니다. 표면적으로 현재 모델 격차는 매우 작지만, 장기적인 전체 격차는 결코 작지 않습니다.

다만, 데이터, 실제 산업 적용 시나리오, 그리고 하드웨어 지원 면에서 중국은 분명한 강점을 가지고 있습니다.

미국의 여러 선두 대기업들이 중국 기업으로부터 데이터를 구매하고 있으며, 이는 그들 자체의 데이터 보유량이 부족하다는 점을 충분히 말해줍니다.

둘째, 실제 산업 적용 시나리오입니다. 중국에는 CATL, BYD와 같은 수많은 제조 기업과 공동 연구개발이 가능한 충분한 실제 공장이 있습니다.

셋째, 하드웨어 지원입니다. 휴머노이드 로봇 완제품에는 약 1,200개의 부품이 들어가며, 공급망의 90% 이상이 중국 창장 삼각주와 주장 삼각주에 집중되어 있습니다. 중국 기업들은 로봇 본체와 모델을 동시에 빠르게 반복 개발할 수 있으며, 모델 알고리즘과 하드웨어 구동 간 불일치가 발견되면 2주 내에 공급업체와 협력하여 조정·최적화할 수 있습니다.

요약하면, 중국은 하드웨어와 데이터 측면에서 뚜렷한 강점을 보유하고 있고, 미국의 강점은 모델 측면에 있지만 양측의 격차는 그리 크지 않습니다.

휴머노이드 로봇이 "화려한 기술 시연"이냐 "실용적"이냐는 논쟁에서, 많은 논의가 개념을 제대로 구분하지 못하고 있습니다.

임바디드 AI 관련 알고리즘은 크게 세 가지 방향으로 나뉩니다. 바로 Manipulation(물리적 조작), Navigation(내비게이션), 그리고 Locomotion(운동 제어)입니다.

첫째, Manipulation은 물리적 작업을 조작하는 것으로, 임바디드 AI와 월드 모델이 모두 이 방향에 속하며, 현재 업계 전반적으로 아직 통일되고 성숙한 기술 경로가 형성되지 않았습니다. 둘째, Navigation은 이미 상용화되어 성숙했으며 자율주행에서 이식된 기술입니다. 셋째, Locomotion은 달리기나 무술 같은 시연 동작으로, 전시 성격이 강합니다.

세 방향 모두 로봇 AI 알고리즘에 속하지만, 로봇이 대규모 상업적 가치를 창출할 수 있을지를 결정하는 핵심은 결국 조작 기술입니다. Locomotion은 더 성숙하게 발전했으며, 유니트리(Unitree)는 이 분야에서 세계 최고 수준이고, 유비테크(UBTECH)도 상당한 축적을 보유하고 있습니다. 따라서 현재 사람들이 이들 기업이 기술 시연만 할 수 있다고 생각하는 것은 당연하며, 이는 본래 그들의 강점이기 때문입니다. 최근 새로 설립된 360여 개의 로봇 기업들은 모두 조작 방향을 주요 공략 분야로 삼고 있습니다. 유니트리와 유비테크는 자금이 충분하고 관련 연구팀도 구축했기 때문에 이 역량 또한 약하지 않습니다.

Locomotion 같은 시연·전시 시나리오만 보면 전 세계 시장 잠재력은 약 10억 달러에 불과합니다. 반면 산업 제조와 관련된 로봇 적용 시나리오는 전 세계 규모가 훨씬 크며, 두 시장의 규모는 전혀 다른 수준입니다. 간단히 말해, 운동 제어 기술이 더 일찍 성숙했기 때문에 초기 로봇은 춤이나 공연 같은 기능만 구현할 수 있었습니다. 올해와 내년에 조작 관련 기술이 수렴을 완성해야 비로소 로봇이 진정한 실용 가치를 지닌 대규모 시나리오에 적용될 수 있을 것입니다.

02 "AI 분야에서 예상을 뛰어넘은 변화 두 가지와 밑돈 변화 한 가지"

향후 1~~2년 내에 AI 기업의 밸류에이션은 결국 매출과 제공 능력으로 회귀할 것입니다. 전통적인 기업 소프트웨어 기업의 PS(주가매출비율) 멀티플은 대개 5~~15배 수준이지만, 가장 뜨거운 바람을 타고 기술을 선도하는 산업이라면 20~100배까지 멀티플을 부여받을 수 있습니다. 즈푸(Zhipu)와 같은 기업이 밸류에이션을 유지할 수 있을지는 결국 매출 규모를 키울 수 있느냐에 달려 있습니다. 만약 100억 위안의 매출을 달성하고 100배의 PS를 적용받으면 시가총액은 1조 위안이 됩니다. 하지만 매출이 15억 위안에 불과하다면 시장 밸류에이션은 조정을 받게 될 것이며, 로봇 분야도 동일한 논리입니다.

기업의 ARR(연간 반복 매출)은 성장성을, 장부상 인식 매출은 현금 흐름을 나타냅니다. 로봇 산업 역시 마찬가지로, 결국 전체 매출을 봐야 하며 이러한 재무 지표가 가장 공정한 척도입니다.

따라서 AI 기업에게 가장 중요한 것은 두 가지입니다. 모델 역량을 지속적으로 향상시킬 수 있는지, 그리고 고객 측에서 실제 사용과 매출을 창출할 수 있는지입니다. 이 두 가지가 기업에 장기적 가치가 있는지를 결정합니다.

지난 1년간 AI 분야에서는 두 가지 변화가 예상을 뛰어넘었고, 한 가지 변화는 예상을 밑돌았습니다.

첫째로 예상을 뛰어넘은 것은 AI 컴퓨팅 파워입니다. 전체 컴퓨팅 파워 총량과 함께 훈련에서 추론으로의 컴퓨팅 패러다임 혹은 수요 패러다임 전환 속도 등이 예상을 뛰어넘었습니다. 예를 들어, 한 중국 대형 기술 기업의 작년 컴퓨팅 예산 집행액은 약 500억 위안 이상이었는데, 올해 제시된 예산은 작년의 6배가 넘습니다.

따라서 1차 시장에서 다수의 차세대 AI 칩 기업이 등장하든, 2차 시장에서 HBM 메모리나 광통신 섹터가 투기적으로 부각되든, 업계의 각종 과열 양상은 본질적으로 막대한 컴퓨팅 파워 수요가 견인하고 있으며, 전체적인 기저 논리는 타당합니다. 개별 종목의 단기 급등이 합리적인지 여부는 제가 판단할 수 없지만, 컴퓨팅 파워 시장의 전반적인 열기와 증분은 분명 제 예상을 훨씬 뛰어넘었습니다.

둘째로 예상을 뛰어넘은 것은 모델 기술 자체의 발전 속도와 시장이 모델을 중심으로 빠르게 형성한 공감대입니다. 올해 1월, 샤오룽샤(小龙虾)로 대표되는 에이전트와 코딩 능력이 부상하면서, 작년에 우리가 10대 전망을 발표할 때 WAIC에서 코딩 능력이 중요하다고만 말했었는데, 지금은 코드 능력이 대형 언어 모델의 가장 핵심적인 경쟁력이 될 줄은 예상하지 못했습니다.

코딩 능력이 에이전트의 능력을 가져왔기 때문에, 에이전트의 산업적 가치는 지난 2~3년간 대화형 챗봇 중심의 AI 제품보다 무수히 많은 등급 차이로 높다고 생각합니다. 동시에 선순환도 형성되고 있습니다. 에이전트 구동에 따른 컴퓨팅 소모량은 단순 대화형 제품의 수천 배에 달하므로, 이것이 컴퓨팅 파워 트랙의 성장이 전반적으로 예상을 뛰어넘는 이유를 설명해주며, 이 둘은 서로 연관되어 있습니다.

모델 기술의 발전과 자본 시장의 모델 기업에 대한 추종 열기도 예상을 뛰어넘었습니다. 시장은 우수한 모델 기업에 대한 공감대를 극히 빠르게 형성하고 있으며, 선두 종목의 시가총액은 1조 위안 규모에 도달할 수 있습니다. 또한 시장에는 neo labs와 같은 신형 모델 스타트업이 대거 등장했고, 창업자들은 대부분 95년생, 00년생이며, 이러한 프로젝트의 엔젤 라운드 밸류에이션이 20억~30억 위안에 달합니다. 이 업계에 몸담은 지 오래됐지만 저는 이렇게 뜨거운 장세를 본 적이 없습니다.

예상을 밑돈 것은 AI 애플리케이션, 특히 2C 애플리케이션입니다. 저는 작년에 2025년을 AI 앱 시대의 원년으로 전망했습니다. 지금 보면 AI 앱의 전체 시장 규모는 여전히 예상을 뛰어넘지만, 그 전개 방식은 제가 작년에 생각했던 것과는 다소 다릅니다. 오늘날 AI 앱은 기본적으로 AI 코딩 관련, 그리고 에이전트 발전이 주를 이루고 있으며, 이는 제가 예상하지 못했던 부분입니다. 작년에는 아마 올해 AI가 정말로 모든 산업에 힘을 불어넣고, 새로운 텐센트, 새로운 바이트댄스, 새로운 알리바바가 될 듯한 2C 앱이 몇 개쯤 등장하지 않을까 기대했지만, 지금까지 시장 전체를 깜짝 놀라게 할 차세대 2C 앱은 나타나지 않았습니다.

2022년, 2023년에 설립된 1세대 AI 앱은 대부분 대화 도구나 감성 동반자인 Character AI 같은 제품으로 대표되었는데, 현재는 상당수가 성장 동력을 잃고 업계는 제품 동질화 경쟁에 빠졌습니다. 사용자 증가율도 2년 전의 고속 성장을 회복하지 못하며, 지난 1년간 전반적인 성장세가 다소 둔화되었습니다. 우리가 내부적으로 복기한 결과, 핵심 문제는 인터넷·모바일 인터넷 시대의 사용자 성장 및 트래픽 논리가 AI 시대 2C 제품을 만드는 데 통하지 않는다는 점입니다.

AI 완구와 AI 숏드라마가 그 예입니다. 어떤 AI 완구 기업은 수십만 대를 판매했지만, 90%의 사용자가 AI 인터랙션 기능을 장기간 활성화하지 않습니다. 회사는 오히려 이것이 다행이라고 솔직히 말하는데, 수십만 사용자가 모두 고빈도 대화를 하며 지속적으로 토큰을 소모한다면 비용을 감당할 수 없기 때문입니다. AI 숏드라마에서는 AI 콘텐츠 비중이 매우 빠르게 증가하고 있지만, 진정한 히트작은 좀처럼 나오지 않습니다.

이는 숏드라마 산업이 대규모 물량을 기반으로 삼지만, 핵심 수익화는 히트작에 크게 의존하는데, 현 단계에서 AI는 아직 많은 히트작을 생산해낼 수 없다는 뜻입니다. 또한 문예 창작에서 인간의 예술적 표현과 구상이 차지하는 비중이 매우 커서, 단순히 AI로 정교한 인물 이미지를 생성하는 것만으로는 좋은 콘텐츠를 지탱할 수 없음을 보여줍니다.

지난 1년간 비디오 모델 기술은 도약적인 성장을 이루었습니다.

차세대 비디오 모델, 예를 들어 전 세계를 뜨겁게 달군 Seedance 2.0은 MoE 아키텍처를 채택하여 지능 능력이 크게 향상되었으며, 현재 4K 해상도를 지원합니다. 바로 이 때문에 요즘 많은 할리우드 영화, 코카콜라·맥도날드 같은 대형 브랜드 광고 속 상당수 장면이 전부 또는 일부 AI로 생성되고 있으며, 이는 모델의 고화질 생성 능력 덕분입니다.

나아가 이번 월드 모델의 물결은 비디오 생성을 강화해 물체 움직임, 충돌 효과를 구현하고 실제 물리 법칙을 재현하게 되었는데, 이는 1년 전만 해도 전혀 예측하기 어려웠습니다. 지난 1년간 관련 기업들의 사업 성장세는 매우 빨랐으며, 주요 플레이어는 두 부류로 나뉩니다. 글로벌 3대 대기업으로는 바이트댄스의 Seedance, 콰이쇼우의 Kling, 구글 Veo가 있고, 스타트업으로는 우리가 투자한 ShengShu Technology, Aishi Technology, Video Rebirth 등이 있으며, 이들 각 사의 사업과 매출은 대체로 10배 수준의 성장을 기록했습니다.

현재 할리우드, 광고 업계, 웨딩, 이벤트 회사 등에서 모두 사용하고 있으며, 다양한 적용 시나리오가 한꺼번에 열렸습니다. 저는 올해 업계 전체의 상업화 규모가 큰 폭으로 증가할 것이라고 판단합니다.

Seedance, Kling, 그리고 구글 Veo 3의 핵심 강점은 컴퓨팅 파워와 데이터입니다.

Seedance, Kling, 구글 이 세 곳은 같은 유형에 속하며, Kling이 분사하더라도 콰이쇼우의 컴퓨팅 파워와 데이터 지원을 계속 받을 수 있습니다. 세 기업의 핵심 강점은 자체 컴퓨팅 인프라 규모로, ShengShu Technology와 같은 스타트업 대비 강점을 지니며, 동시에 일정한 데이터 이점도 갖고 있습니다. 비디오 모델이 업그레이드되면 훈련과 추론 규모를 모두 따라잡아야 하는데, 이들 기업은 수만 장에서 수십만 장의 GPU 카드를 보유하고 있어 강점이 분명합니다.

하지만 저는 스타트업에게 여전히 기회가 있다고 생각합니다. 기술이 아직 완전히 수렴되지 않았고, 스타트업은 인재와 기술 탐구 반복 속도에서 대기업에 뒤지지 않습니다. 저는 可灵이 분사를 선택한 것도 지속적으로 최고 인재를 유지하는 데 유리할 것이라고 믿습니다. VC와 스타트업이 존재하는 근본적인 논리는, 스타트업의 규모는 작지만 지분 인센티브 메커니즘과 모든 자원을 집중하여 힘을 쏟을 수 있다는 두 가지 점에서 항상 대기업보다 유리하다는 것입니다.

시장 규모가 빠르게 확대되면서 스케일이 커짐에 따라 분업도 더욱 세분화되고 있으며, 각 기업의 상업화 전략에도 뚜렷한 차별화가 나타나고 있습니다. 먼저 언어 모델을 살펴보면, 미국 상위 3개 기업에 대한 사용자 경험은 제각기 다릅니다. Gemini의 채팅 경험이 더 낫다고 느끼는 사람도 있지만, 기술과 산업의 공감대만 놓고 보면 OpenAI의 ChatGPT가 사용자 규모가 가장 크고, 대화형 챗봇을 가장 먼저 출시했으며, 많은 최적화가 대화 시나리오를 중심으로 이루어졌습니다.

영어 대화 시나리오에 집중한다면 ChatGPT의 유창함은 세계 최고 수준입니다. Gemini는 Google을 등에 업고 방대한 온라인 데이터에 접근하여 정보 검색과 정리에서 강점을 보입니다. Anthropic은 기본적인 퍼스트 프린서플(First Principle)에서 출발하여, 코딩과 에이전트 능력에서 초기 단계부터 우위를 확보하며 세 회사가 뚜렷하게 차별화되었습니다.

영상 생성 기업들 역시 저마다 다른 노선을 걷고 있습니다. ByteDance는 C단(소비자 대상)에 주력하고, Kling은 B단(기업 대상) 비즈니스에 집중하며, 우리가 투자한 Shengshu Technology 역시 B단의 특정 시나리오에 집중하는 등 업계의 분화 추세가 매우 뚜렷합니다. B단 시나리오와 C단 시나리오에 따라 모델 특성에 대한 요구 사항도 상당히 다릅니다.

지금 한 가지 우려되는 점은, AI 공감대가 형성된 후 막대한 투기 자본이 밀려들고 있다는 것입니다.

공감대가 형성된 후 대규모 투기 자본이 유입되면서 가장 먼저 2차 시장으로 들어옵니다. 현재 순수하고 핵심적인 AI 상장 기업은 많지 않아 2차 시장에서 자금을 받아들일 수 있는 풀이 그리 크지 않습니다. 현재 2차 시장의 투기 자본이 다시 1차 시장과 1.5차 시장으로 흘러가고 있는 것이 확연히 보입니다. 많은 기업들이 이제 막 투자를 완료하여 자금이 부족하지 않은 상태임에도, 기관들은 기꺼이 밸류에이션을 50%에서 100%까지 더 높여 즉시 추가 투자를 진행하려 합니다. 이 투기 자본이 업계에 미치는 충격은 매우 큽니다. 기업이 필요 이상의 자금을 확보하게 되면 자체적인 전략 판단과 일상 경영에 혼란이 생길 수 있습니다. 하지만 창업가의 입장도 이해는 됩니다. 누군가 선뜻 더 높은 밸류에이션과 막대한 자금을 제안하는데 거절하는 행위 자체가 인간의 본성에 반하는 일이니, 하기 어려운 결정이죠.

단기적으로는 우리에게 호재가 더 많지만, 장기적으로는 시장이 크게 혼탁해질 것입니다. 아까 말씀드린 것처럼, 현재 밸류에이션이 200억 위안이 넘는 임바디드 AI 기업이 거의 10곳에 달하고, 100억 위안대 밸류에이션을 가진 기업도 10여 곳이 넘습니다. 이들 모두 설립된 지 불과 2~3년에 불과한데, 이것 자체로 이미 심각한 비정상입니다.

이렇게 많은 기업이 거액의 자금을 확보해 시장에 뛰어들면 무분별한 제살깎기 식 내부 경쟁이 벌어질 가능성이 큽니다. 첫째, 컴퓨팅 자원 비용이 치솟고 있습니다. 원래 한 대에 300만 위안이던 NVIDIA 서버가 1천만 위안까지 올라 업계 전체의 컴퓨팅 비용이 상승하고 있습니다. 둘째, 인재 쟁탈전이 심화되어 업계 연봉이 급등합니다. 셋째, 고객 차원의 무질서한 경쟁으로, 성숙하게 현장에 적용된 비즈니스 시나리오가 없는 상태에서 여러 기업이 주요 고객사 쟁탈에만 몰려 단순히 매출 규모만 경쟁하게 됩니다.

이러한 현상들은 장기적으로 보면 모두 산업 발전을 저해하며, 현재 시장에는 다수의 비이성적이고 열광적인 행동이 가득합니다.

현재 자본 시장은 젊은 AI 창업자들에게 일종의 '알 수 없는 열광'을 보이고 있습니다.

첫째, 대부분의 기관들은 이번 대형 모델 기업의 2, 3년 전 투자 기회를 놓쳤습니다. 대다수 기관이 AI에 대한 확신(conviction)과 결의를 갖지 못해 당시 투자하지 못했습니다. 올해 초가 되어서야 대형 모델에 대한 공감대가 형성되었고, 많은 기관들이 뒤늦게 서둘러 투자하려 하면서 새로 등장한 모델 회사들이 특별히 자본 리스크 프리미엄을 누리게 된 것입니다.

둘째, DeepSeek가 등장한 후 모두가 큰 충격을 받았습니다. 많은 언론 보도에서 핵심 팀이 베이징대, 칭화대 재학 중인 박사 과정생들이며 AI 업계의 '베테랑'이 아니라고 전하면서, 시장에는 젊을수록 더 똑똑하고, 똑똑할수록 역사적 부담이 없어 성공할 가능성이 높다는 인식이 퍼졌습니다. 현재 시장에서는 많은 투자자들이 젊은 팀을 맹신하는 경향이 있습니다. 젊은 팀이 나쁘다는 뜻이 아닙니다. 우리도 매우 젊은 팀에 투자했고 많은 프로젝트를 살펴봤습니다. 다만 젊은 창업가라는 점을 투자 판단의 주요 기준으로 삼는 것은 지극히 주관적이며 근거가 부족하다고 생각할 뿐입니다.

셋째, 미국에서도 새로운 프론티어 모델 연구소들이 몇몇 등장했습니다. 해외 선두 3사의 핵심 인력 연봉은 이미 1천만 달러에 달합니다. 뛰어난 젊은 연구원들은 풍부한 소득 덕분에 재정적 걱정이 없어 독립하여 새로운 모델 회사를 설립하는 것이 충분히 이해되며, 이러한 흐름이 국내의 많은 젊은이들도 창업에 뛰어들도록 만들었습니다.

이러한 물결 뒤의 논리는 이해가 되지만, 우리가 개별 프로젝트를 판단할 때 설립자가 젊다는 이유만으로 투자하지는 않습니다. 우리는 핵심적으로 그 기술 노선이 파괴적인지, 혹은 10배 수준의 향상을 이룰 수 있는지를 봅니다. 설립자가 아직 박사 과정 중이거나 갓 졸업한 박사여서 관련 업계 이력이 부족하더라도, 우리는 다방면으로 증빙 자료를 수집해 팀의 실제 하드 실력과 연구 개발 방향 선택을 종합적으로 검증하고, 완전한 평가 분석을 수행합니다.

광기의 시대일수록 역사의 교훈을 되새겨야 합니다. 노이즈가 많은 시대일수록 철학적 사유가 더욱 중요해지니, 이 문제를 제대로 통찰하고 꿰뚫어야 합니다.

이제 막 설립된 지 2~3년 된 젊은 회사에 드리고 싶은 조언은, 역사를 많이 보라는 것입니다. 큰 물결 속에서일수록 역사 속 교훈을 더 살펴야 합니다.

사실 큰 물결은, 인터넷 및 모바일 인터넷 시대에도 비슷한 상황이 벌어졌습니다. 다만 그 규모가 갈수록 과장되었을 뿐이죠. 1990년대 말에도 한 사람이 자금을 조달해 2년 만에 상장하는 사례가 나타났습니다. 그러나 결국 모든 것은 흙에서 와서 흙으로 돌아갑니다. 진정한 가치를 창조하지 못한다면 아무리 자본 시장의 사랑을 받아도 결국 실패할 수 있습니다.

그러므로 광기의 시대일수록 역사의 교훈을 되새기고, 노이즈가 많은 시대일수록 철학적 사유가 더욱 중요합니다. 이 문제를 제대로 통찰하고 꿰뚫어야 합니다.

투자의 본질은 우리가 어떤 기업에 투자하여 그 기업이 미래에 규모를 확장하고, 우리가 IPO 등의 형태로 회수 수익을 실현하는 것입니다. 예를 들어 우리는 맥도날드에는 투자하지만, 미쉐린 3스타 레스토랑에는 절대 투자하지 않을 것입니다. 미쉐린 레스토랑이 아무리 수익성이 높고 순이익률이 높아도, 자본화가 불가능하고 IPO라는 증폭 장치가 없다면 회수할 방법이 없기 때문입니다.

03 “만약 1년 후 에이전트가 살아나지 못한다면, 컴퓨팅 수요도 재검토될 것입니다.”

올해 미국 주요 빅테크 기업들의 연간 AI 컴퓨팅 파워 투자 관련 예산 규모가 7천억 달러에서 8천억 달러 이상으로 상향 조정되었습니다. 중국은 그 10분의 1 수준인 1천억 달러 규모로 추정됩니다.

이 통계 수치가 완전히 정확하지 않을 수 있지만, 방향은 명확합니다. 이것이 현재 인류 상업 사회에서 볼 수 있는, 로봇 분야보다 확실성이 더 높고 실용화 주기가 더 가까운 최대 수요이며, 그 수요가 매우 뚜렷합니다.

구체적인 사례를 들면, 몇 년 전만 해도 모두가 모델 트레이닝에 집중했지만, 올해까지 확인된 바에 따르면 ByteDance의 컴퓨팅 및 추론 부문 수요는 이미 1:1에서 점차 추론 비중이 더 높아졌습니다. Zhipu 역시 현재 토큰 사용량이 훨씬 늘었으며, 최근 몇 달간의 증가 폭을 유지할 수 있다면 추론 컴퓨팅 파워가 빠른 속도로 증가할 것이 확실합니다. 기본적으로 ByteDance와 같은 빅테크 기업들은 2~3년 후 매년 추론 컴퓨팅 파워 수요가 카드 수백만 장 규모에 이를 것입니다. 즉, 이것은 엄청난 수요이며 매우 실제적이고 명확한 수요입니다.

따라서 GPU 회사의 시장 수요 공간은 매우 크며, 이 큰 시장에서 GPU 기업이 단 1%의 점유율만 차지하더라도 연 매출 100억 위안 규모를 의미하고, 이에 상응하는 기업 가치는 쉽게 1천억 위안에 달할 수 있습니다. 그러나 시장은 먼저 분산되었다가 점차 수렴할 것입니다. 현재 중국은 많은 GPU 회사들을 수용하고 있지만, 5년, 10년 후에는 얼마나 살아남을까요? 반드시 수렴할 것이라고 생각합니다.

현재 국산 GPU에는 대략 세 가지 노선이 있습니다.

현재 시장의 AI 클라우드 칩 기업들은 서로 다른 세 가지 기술 노선에 대응하고 있으며, 뒤의 두 분야는 최근 1년 사이에야 부상한, 현재 VC 시장이 특히 활발한 방향입니다. 첫 번째는 Biren Technology, Muxi, Moore Threads, Kunlun Core, Cambricon, Huawei를 필두로 하는 국산 GPU 기업들입니다. 현재 핵심 요소는 누가 국산 공급망의 생산 능력을 확보했느냐에 달려 있습니다. 현재 몇몇 기업만이 지속적이고 안정적인 공급이 가능할 전망이 보입니다.

공급망 문제로 인해 첨단 공정 생산 능력의 공급이 제한되면서, 이제 두 가지 새로운 노선이 파생되었습니다. 이 노선들은 현재의 GPU보다 미래 AI 추론 수요를 더 잘 충족할 수 있으며, 공급망 문제도 피할 수 있습니다. 그 두 가지 노선이 바로 3D 적층 DRAM 방식과 DDR 사용 방식입니다. 현재 3D 적층 노선과 DDR 노선을 추구하는 기업이 각각 10여 곳에 이르며, 이 중 다수의 선두 기업의 현재 밸류에이션은 일반적으로 100억 위안에서 200억 위안 사이이고, 투자 규모도 매우 큽니다.

시장이 이러한 기업들을 긍정적으로 보는 논리는 매우 간단합니다. 제품이 양산되어 실제 납품될 수만 있다면, 첫째로 생산 능력 공급의 난제를 해결할 수 있고, 둘째로 미래의 추론 시장 성장 잠재력이 막대하기 때문에 이러한 기업들이 항상 일정 부분 시장 점유율을 가져갈 수 있다는 것입니다.

컴퓨팅 파워 수요에 대한 시장의 기대는 여전히 흔들리고 있으며, 이 점을 경계해야 합니다.

전체 시장이 가장 경계해야 할 점은, 이미 며칠 전 한 차례 충격이 있었습니다. Meta가 유휴 컴퓨팅 자원 일부를 외부에 매각할 것이라는 보도가 나왔습니다. Meta가 공식적으로 발표한 소식이 아니었음에도 시장은 순식간에 기존의 모든 업계 예측에 오류가 있었던 것은 아닌지 의심했습니다. 그 소식이 전해진当晚, 한국 증시는 바로 서킷브레이커가 발동되었고, 삼성과 SK하이닉스 주가는 폭락했으며, 국내 관련 홍콩 주와 A주도 동시에 하락했습니다.

만약 향후 AI 애플리케이션의 착지가 지속적인 폭발적 성장을 이어가지 못하고, 예를 들어 에이전트 발전이 1년간 별다른 성과를 내지 못하거나, 상업화 착지가 더 이상 진전되지 않거나, 모델 능력이 더 향상되지 못하고 현재 수준에 머무르게 된다면, 전체 애플리케이션 규모가 확대될 수 없어 컴퓨팅 파워 성장에 대한 기대가 무너지고, 1, 2차 시장에 집중적인 리스크가 발생할 수 있습니다.

국산 고급 AI 칩과 NVIDIA의 격차는 우선 소프트웨어 생태계에 있습니다.

현재 모델 훈련에 사용할 수 있는 것은 기본적으로 NVIDIA의 카드이며, 모든 모델 훈련 체계는 CUDA 생태계 위에 구축되어 있습니다. 높은 효율과 저비용으로 추론을 수행하려면 반드시 CUDA와 호환되어야 합니다. 이는 중국 기업만의 문제가 아니라, AMD도 수십 년 동안 이 문제로 싸워왔습니다.

지금 몇 가지 변화가 나타났습니다. 첫째, AI 1.0 시대와 비교하여 대형 모델의 알고리즘 수렴도가 더 높아, 연산자 최적화 작업이 상대적으로 수월해져 CUDA가 가져오는 적응 장벽을 낮출 수 있습니다. 둘째, 최근 반년간 대형 모델의 코드 작성 능력이 좋아지면서 현재 모든 비 NVIDIA 칩 제조사들이 대형 모델을 사용하여 자동으로 연산자 적응을 수행하고 있습니다. 그러나 어쨌든 현재까지 CUDA 생태계는 여전히 NVIDIA의 가장 큰 경쟁 장벽입니다.

하드웨어 수준에서는 오랜 기간 논의되어 온 얘기이지만, 우리의 첨단 전력 공급 공정이 TSMC보다 한 세대 뒤처져 칩의 트랜지스터 수가 적습니다. 동일한 컴퓨팅 성능을 구현하려면 칩 면적을 키워야 하며, 면적이 커지면 비용도 올라가고 발열 부담도 동시에 증가하는 등 연쇄적인 문제가 발생합니다. 간단히 말해, 현재 우리의 고급 칩은 NVIDIA에 비해 최소 한 세대 이상 뒤처져 있다고 할 수 있습니다.