차마스의 AI 투자 해부…“수익은 전력·부지에서 시작, 반도체 신생기업은 이제 어렵다”

AI 투자판을 6단계로 나눈 차마스, 어디에 돈이 몰리는지 짚다

실리콘밸리의 대표적 투자자로 꼽히는 차마스 팔리하피티야가 인공지능 산업을 여러 계층으로 나눠 바라보는 투자 관점을 공개하며, 가장 확실한 수익 구간은 전력과 부지 같은 물리 인프라라고 강조했다. 그는 자신의 X 계정을 통해 AI 생태계를 아래쪽의 희소 자원부터 위쪽의 고객 접점 영역까지 구분하고, 각 층위별로 수익성의 방향과 투자 리스크를 설명했다.

그의 시각을 요약하면 이렇다. 현재 시점에서 높은 마진이 기대되는 곳은 토지, 전력, 데이터센터 외형 인프라, 반도체, 클라우드 등 하부 인프라 영역이다. 반면 AI 모델이 점점 범용화될수록 수익의 중심은 장기적으로 하네스(harness)와 애플리케이션 같은 상위 소프트웨어 영역으로 이동할 가능성이 크다는 분석이다.

차마스가 가장 높게 본 영역, LPS와 ‘곡괭이 전략’

그가 최우선 투자처로 지목한 곳은 AI 스택의 최하단에 있는 LPS(Land, Power, Shell)다. 이는 전력 연결이 이미 확보된 토지와 데이터센터의 기본 구조물 등을 뜻한다. 데이터센터 신설 과정에서 지역 반대가 커지고 전력망 여유가 줄어드는 상황일수록, 이미 전기를 끌어올 수 있는 부지의 가치는 더 높아질 수밖에 없다는 판단이다.

차마스는 단순한 의견 제시에 그치지 않았다. 그는 2029년까지 운영 가능한 6GW 규모의 전력 관련 자산을 선점해뒀다고 밝혔다. 어떤 AI 기업이 승자가 될지를 맞히기보다, 누가 이기든 반드시 필요로 할 자원인 전력과 부지를 먼저 확보하는 방식이다.

이 전략은 흔히 말하는 ‘곡괭이 전략’에 가깝다. 골드러시에서 금을 직접 캐는 사람보다 곡괭이와 작업복을 판 사람이 더 안정적으로 돈을 벌었다는 비유처럼, AI 경쟁의 핵심 장비와 기반 자산에 베팅한 셈이다.

왜 AI 반도체 스타트업에는 등을 돌렸나

반대로 차마스가 이제 투자하지 않겠다고 선을 그은 분야도 있다. 바로 AI 반도체 스타트업이다. 그의 판단에 따르면 지금의 AI 칩 시장은 신생 기업이 돌파하기에 너무 높은 장벽을 갖게 됐다.

우선 요구되는 성능 기준이 매우 높아졌고, 제조 공정 역시 과거보다 훨씬 복잡해졌다. 단순히 칩 설계만 잘한다고 해결되지 않으며, 메모리, 첨단 패키징, 생산 파트너십, 공급망 전반까지 함께 확보해야 경쟁이 가능하다는 것이다. 이 조건을 스타트업 혼자 감당하기는 현실적으로 쉽지 않다.

차마스는 Groq와 Cerebras 사례를 언급하며, 이들이 주목받을 수 있었던 배경에는 약 10년 전의 상대적으로 낮은 진입장벽이 있었다고 봤다. 하지만 지금은 같은 성공 공식을 반복하기 어려운 시점이며, 후발 주자 상당수는 막대한 투자금만 태운 채 성과를 내기 힘들 수 있다고 평가했다.

결국 오늘날 AI 칩 산업은 기술력만으로 승부하는 시장이 아니라, 제조 역량·공급망 장악력·대규모 자본·고객 네트워크를 동시에 갖춘 대기업 중심의 게임으로 바뀌었다는 해석이다.

클라우드는 수익성은 매력적이지만, 규제가 변수

AI 클라우드에 대해서는 비교적 신중한 태도를 보였다. 차마스는 이 영역이 경제성 자체는 좋다고 인정하면서도, 투자 위험이 상당히 크다고 평가했다. 이유는 분명하다. 초기 구축 비용이 매우 크고, 운영 자체도 고난도 사업이기 때문이다.

그보다 더 큰 부담은 향후 규제 가능성이다. AI 안전성, 책임 소재, 악용 방지 이슈가 커질 경우, 클라우드 사업자에게 KYC(고객확인)와 강도 높은 사용자 인증 의무가 부과될 수 있다는 전망이다. 만약 악의적 이용자가 클라우드 인프라를 통해 사고를 일으킨다면, 규제 당국의 책임 추궁이 서비스 제공자에게 향할 수 있다는 우려도 포함된다.

즉, 돈은 될 수 있지만 그만큼 법적·운영적 부담이 커질 수 있는 영역이라는 게 그의 시각이다.

모델 기업 매출, 정말 실력에서 나오는가

차마스가 특히 날카롭게 지적한 부분은 AI 모델 기업의 매출 구조다. 현재의 매출이 실제 고객 가치에 기반한 것인지, 아니면 비효율적인 토큰 사용 구조 덕분에 일시적으로 부풀려진 것인지 명확하지 않다고 본 것이다.

그가 경고한 개념은 이른바 ‘토큰맥싱(token-maxing)’이다. 만약 모델 기업의 매출이 많은 토큰 소비에 의존해 커진 것이라면, 향후 모델 효율이 개선되고 단가가 내려가는 순간 매출이 급격히 꺾일 수 있다.

이 경우 전체 AI 사용량은 계속 늘더라도, 작업 1건당 비용은 낮아지고 모델 사업자의 매출은 오히려 줄어들 수 있다. 다시 말해 AI 수요 증가가 곧바로 모델 회사의 매출 성장으로 이어진다고 볼 수 없다는 얘기다. 핵심은 단순 성능 경쟁이 아니라 토큰당 경제성이라는 설명이다.

차마스가 가장 중요하게 본 소프트웨어 층, 하네스

현재 시점에서 그가 가장 주목한 소프트웨어 영역은 하네스(harness)다. 하네스는 AI 모델과 기업 내부의 데이터, 워크플로, 업무 시스템을 연결하는 운영 계층으로 이해할 수 있다. 기업이 가진 정보와 규칙, 평가 방식, 프로세스를 하나의 통합된 문맥으로 묶어주는 역할을 한다.

차마스는 이를 팔란티어의 알렉스 카프가 언급한 개념과 연결하며, 기업이 가진 고유한 ‘알파’를 AI가 활용할 수 있게 만드는 층이라고 설명했다. 이 구조가 갖춰지면 기업은 특정 모델 하나에 묶이지 않고 필요에 따라 다른 모델로 쉽게 전환할 수 있다.

결국 장기 경쟁력은 특정 AI 모델 자체보다도, 기업 고유의 데이터와 업무 방식을 얼마나 정교하게 구조화해두느냐에 달려 있다는 의미다. 이는 동시에 모델 회사들의 해자(진입장벽)를 약하게 만들 수 있는 요소이기도 하다.

애플리케이션 시장도 바뀐다…SaaS와 맞춤형의 경계 희미해져

최상단 애플리케이션 계층에 대해서도 차마스는 변화가 불가피하다고 봤다. 과거에는 범용 SaaS를 만들어 다수 고객에게 반복 판매하는 방식이 표준에 가까웠지만, 앞으로는 기업별 맞춤형 소프트웨어의 중요성이 더 커질 수 있다는 전망이다.

하네스를 통해 각 기업의 데이터와 업무 규칙을 직접 반영할 수 있게 되면, 기업은 자신만의 운영 방식이 녹아든 소프트웨어를 상대적으로 낮은 비용으로 구축할 수 있다. 이 경우 범용 제품과 외주형 맞춤 개발 사이의 경계가 점점 흐려질 수 있다.

• 하부 인프라: 현재 가장 확실한 마진이 존재하는 구간
• 반도체 스타트업: 진입장벽과 자본 부담이 지나치게 커진 영역
• 클라우드: 수익성은 있지만 규제 리스크가 큰 분야
• 모델 기업: 토큰 효율화가 진행되면 매출 구조가 흔들릴 가능성
• 하네스·애플리케이션: 장기적으로 가치가 커질 상단 소프트웨어 계층

차마스의 결론은 다소 역설적이다. 많은 사람이 AI가 소프트웨어를 표준화할 것이라 생각하지만, 그의 관점에서는 오히려 반대다. AI는 기업별 차이를 더 잘 반영하게 만들며, 소프트웨어를 더욱 세분화하고 맞춤화하는 방향으로 이끌 수 있다는 것이다.

출처 :: https://www.coinddak.com/news/articleView.html?idxno=7311