AI 붐의 차기 과제는 컴퓨팅 과장에서 기저 단위 경제와 인프라 수익성 제약으로 초점을 옮긴다.

경제학자들은 인공지능을 주요 거시경제 현안으로 점차 인식하고 있으나, 현재의 사업 모델이 오늘날의 밸류에이션을 정당화하는지에 대한 지속적인 의문을 제기하고 있습니다. 북유럽 금융그룹 Nordea는 핵심 모순을 지적했습니다: 투자 규모는 막대하고 위험도 크지만, 약세론이 현재의 낙관론보다 더욱 설득력 있을 수 있다는 점입니다.

근본적인 문제는 추론 비용에 있습니다—학습 완료 이후 AI 모델을 운영하는 지속적인 비용입니다. 이것이 인공지능이 기존 소프트웨어와 근본적으로 다른 부분입니다. 소프트웨어를 추가 사용자에게 배포하는 데는 거의 0에 가까운 한계 비용이 발생하지만, 추론에는 지속적인 계산 자원이 필요합니다. 저렴한 칩으로 경제성이 개선되었지만, 사용자 수요는 반대 방향으로 움직이고 있습니다. 더 긴 프롬프트, 더 복잡한 추론, 더 큰 출력값이 표준이 되고 있습니다. Nordea는 이러한 압력들이 기저 기술이 개선되더라도 추론 비용을 끈질기게 높게 유지한다고 주장합니다.

두 번째 압력은 경쟁과 시장 구조에서 비롯됩니다. 어떤 회사도 지속가능한 경쟁 우위를 확보하지 못했습니다. 사용자들은 최소한의 전환 비용으로 모델 간에 교체할 수 있으며, 오픈 가중치 경쟁자들은 폐쇄형 시스템과의 성능 격차를 계속 좁혀나가고 있습니다. 기술 최전선에 있는 frontier 모델들은 수개월 내에 대체될 수 있으며, 이들은 지속적인 자산이라기보다는 특이하게 짧은 유용 수명을 가진 인프라로 이해하는 것이 낫습니다. 이는 데이터 센터와 계산 용량에 막대한 자본 지출을 하는 회사들에게 어려운 환경을 만듭니다.

Nordea는 AI가 막대한 경제적 가치를 창출하지 못할 것이라고 주장하지 않습니다. 핵심 질문은 AI가 성공하는가가 아니라 누가 그 수익을 거두는가입니다. 모델 품질이 수렴하고, 가격이 하락하고, 추론이 상품화된다면, 인공지능은 전 지구적 경제를 변혁할 수 있으면서도 현재 밸류에이션이 시사하는 것보다 훨씬 적은 수의 승자들에게 수익을 집중시킬 수 있습니다.