
두 명의 24 세 대학 중퇴자가 NVIDIA 를 뒤집으려 한다: AI 추론 칩이 다음 조 달러 규모의 베팅이 되고 있다
정리 & 번역: TechFlow

게스트: EJ와 Josh, Limitless Podcast 호스트
출처: Limitless Podcast
원문 제목: If You Believe in AI, You Have to Bet on This
방송 일자: 2026년 7월 7일
요약
이번 Limitless Podcast의 핵심 논리는 명확하다. 모두 AI 훈련에 시선을 맞추고 있지만, 진정한 다음 비대칭 베팅은 AI 추론 칩이다. 두 호스트는 Etched라는 스타트업에서 이야기를 시작한다. 이 회사는 대학 중퇴생 두 명인 24세 형제가 설립했으며, Transformer 아키텍처 전용 ASIC 추론 칩을 전문으로 한다. 이들은 8억 달러 이상의 자금을 조달했고, 10억 달러가 넘는 고객 계약을 체결했다. 투자자 목록에는 Peter Thiel, Jane Street, TSMC 그리고 장수 과학에 푹 빠져 있는 Brian Johnson이 이름을 올렸다.
하지만 Etched는 단순히 진입점일 뿐이다. 프로그램이 실제로 논의하는 것은 전체 추론 분야의 구조적 기회다. 2년여 전만 해도 추론이 칩 수요의 3분의 1, 훈련이 3분의 2를 차지했다. 이제 이 숫자는 정반대로 뒤바뀌어 추론이 3분의 2, 훈련이 3분의 1이며, 연말에는 추론 비중이 80%에 가까워질 수 있다. NVIDIA가 칩 시장에서 약 75%의 점유율을 차지하고 있지만, 그 GPU는 추론용으로 최적화되지 않았다. 바로 여기에 스타트업이 틈새를 공략할 기회가 존재한다.
Etched의 접근 방식은 더 나은 단일 칩을 만드는 것이 아니라, 전체 랙 시스템을 재설계하는 것이다. 그들은 NVIDIA GPU의 실제 추론 작업 활용률이 30~40%에 불과하다는 점을 발견했고, 이를 통해 전체 시스템을 활용률 80~90%로 최적화하는 동시에 전압을 낮춰 전력 소비를 75% 절감했다. 대가는 하드코딩이다. 그들은 Transformer 아키텍처가 계속 주류로 남을 것이라고 베팅했으며, 만약 미래에 모델 아키텍처가 변경되면 해당 칩은 쓸모없게 된다. Josh는 이를 생존을 건 베팅이라고 부르지만, EJ는 이미 5년 전부터 이 베팅은 승리가 결정났다고 본다.
프로그램 후반부는 공개 시장에서 어떻게 참여할 수 있는지 다룬다. Cerebras는 이미 상장했고, MediaTek는 올해 180% 상승했으며, Broadcom은 Google용 TPU를 설계 중이고, OpenAI의 Jalapeno 칩은 제작 기간 단 9개월 만에 태이프아웃(tape out)했다. AI 에이전트가 수 시간에서 하루 이상 자율적으로 작동하기 시작하면, 토큰 소모는 지수함수적으로 증가할 것이며, 이때 추론 칩이 반드시 거쳐야 할 길이 된다.
핵심 주장 요약
추론 vs 훈련에 관하여
- "모두 여전히 훈련에 집중하며 NVIDIA GPU가 만능키라 생각한다. 하지만 추론이야말로 진정한 이익 창출의 핵심이다. Anthropic이 이번 분기 추론 수익성으로 흑자 전환을 기대하고 있다."
- "2년여 전만 해도 추론 수요는 3분의 1, 훈련은 3분의 2였다. 지금이 정확히 역전되어 추론이 3분의 2, 훈련이 3분의 1이며, 연말에는 추론 비중이 80%에 가까워질 전망이다. NVIDIA가 75% 점유율을 차지하고 있지만, 그 칩은 사실 추론용으로 최적화되지 않았다. 이는 시장에서 다른 대안이 없다는 뜻이다."
- "중국 기업은 NVIDIA GPU를 사용하지 못하지만, 추론 최적화를 통해 미국 프론티어 모델의 90% 수준까지 끌어올렸다. 추론에는 해자가 없으며, NVIDIA도 추론 부문에서는 해자를 가지고 있지 않다."
Etched의 기술적 돌파구에 관하여
- "그들은 더 나은 단일 칩을 만드는 게 아니다. 전체 랙 시스템을 구축하여 추론 활용률을 30~40%에서 80~90%로 끌어올리고 있다. 5만~15만 달러짜리 장비를 구매했는데 실제 성능의 30~40%しか 발휘하지 못한다면 누구나 분통이 터질 것이다."
- "전력은 전압의 제곱에 비례한다. 전압을 절반으로 낮췄다는 것은 전력 소비가 75% 줄었다는 의미다. 동일한 추론 성능을 얻기 위해 훨씬 적은 전력만으로도 충분하다."
- "비트코인 마이닝 ASIC과 유사한 맥락을 든다. ASIC은 특정 수학적 문제를 처리하도록 설계된 전용 컴퓨터로, 효율성이 기존 대비 몇 차원 뛰어나다."
팀과 실행력에 관하여
- "방갈로르와 미국에서 교대 근무를 하며, 하루 12시간씩 매일 24시간 돌아가며 작업한다. TSMC 공장 내에 머무르며 자정 이후에도 전화로 칩 테스트를 진행해 웨이퍼 상의 칩 상태 불량 판정 불빛(녹등/홍등)이 켜지는지를 확인한다. 이 정도 고난이도 환경이라면 보통 사람이라면 그만두고 싶어질 것이다."
- "Google은 TPU를, Amazon은 Trainium을 보유하고 있지만, 거대 기업 직원들이 공장에 처박혀 잠들지는 않는다. 그들에게 칩 프로젝트가 실패해도 기업은 당당히 돌아간다. Etched의 생사는 이 칩 하나에 달려있기 때문에, 이들은 회사의 성공과 실패가 오직 이 칩 하나로 결정난다는 사실에 오히려 흥분할 수 있는 인재를 영입한다."
Transformer 아키텍처 베팅에 관하여
- "전체 계산 그래프를 실리콘 웨이퍼에 하드코딩했다. 만약 내년에 Andrej Karpathy가 Transformer가 아닌 완전히 새로운 아키텍처를 발표한다면 Etched의 칩은 즉각 무용지물이 된다."
- "GPT-2 시절부터 오늘까지 Transformer는 이미 5년간 시장을 지배해 왔다. OpenAI, Anthropic, Google, Meta가 모두 사용 중이며, 단기적으로는 대체 아키텍처를 찾아보기 어렵다."
OpenAI의 Jalapeno 칩에 관하여
- "OpenAI는 Broadcom과 함께 단 9개월 만에 Jalapeno를 태이프아웃했다. 아이를 잉태해 태어나는 데 9개월이 걸리듯, 그들도 똑같이 9개월 만에 '고추(Jalapeno)' 칩을 탄생시켰다."
- "OpenAI의 접근법은 Etched와 다르다. Transformer를 하드코딩하지 않았으나, 칩과 랙 시스템을 GPT에 맞춰 심층 최적화했다. 자체 모델을 보유하고 있어 사용자가 어떤 프롬프트를 입력할지 파악하고 있기에, 전체 추론 경로를 최적화할 수 있다."
- "OpenAI는 과거 Cerebras와도 거래를 맺은 바 있다. Cerebras는 최근 상장했으나 주가가 35.5% 하락했다. 하지만 이는 트렌드 문제가 아닌 가치 평가 문제다."
투자 로직에 관하여
- "Brian Johnson의 원문 인용: '몇 년 전 대학 중퇴생 두 명이 자신들이 더 빠른 AI 칩을 만들어 장수 연구를 가속화할 수 있다고 말했다.' 이게 그들의 유일한 논증이다. 당신의 칩이 더 빠르게 토큰을 생산해낼수록, 과학적 난제를 빠르게 해결할 수 있다."
- "Jane Street, Peter Thiel, TSMC의 사내 벤처 펀드까지 투자의 손길을 보냈다. TSMC가 투자한다는 것은 단순한 자금 제공이 아니다. '당신의 칩을 우리가 제조하겠다'는 강력한 메시지를 전달하는 것이다."
- "모든 사람에게 정면에 드러난 비대칭 베팅이다. 모두 메모리 병목 현상과 전력 부족만 강조하지만, AI 연구소들이 상장 후 마진의 진정한 근원이 추론이라는 사실을 간과하고 있다."
Nvidia와 수직 통합에 관하여
- "NVIDIA를 배제해서는 안 된다. 이들은 200억 달러를 지불하고 Groq를 인수했다. Jensen이 무슨 일이 일어나고 있는지 잘 인지하고 있다. 대기업은 방향을 틀기 어렵지만, 분명히 움직이기 시작했다."
- "애플 M 시리즈 칩은 수직 통합의 모범 사례다. 칩, 소프트웨어, 모델을 완전히 연계할 수 있다면 제품 라인의 효율성이 근본적으로 달라진다."
추론이란 무엇인가: prefill에서 decode까지
EJ: 리미트리스(Limitless)에서는 항상 알파(alpha)와 코너에서의 기회를 모색해 왔다. 이번 주말 사람들은 폭죽을 터뜨리고 있지만, 우리는 Etched라는 회사를 분석 중이다. 이 회사는 우리가 추론을 바라보는 방식을 영구히 바꾸려 한다.
기본 원리부터 설명하자. Claude나 ChatGPT에서 프롬프트를 작성하고 엔터를 누르면 답변이 나타난다. 하지만 백엔드에서는 무슨 일이 벌어질까? 당신의 프롬프트가 서버로 전송되고, 서버 랙에는 수없이 많은 AI 칩, 보통 NVIDIA GPU가 자리 잡고 있다. 이 GPU는 먼저 한 가지 작업을 수행하는데, 당신의 전체 프롬프트를 읽고 처리하는 것이다. 이를 prefill(프리필)이라고 부른다. 이어 메모리에서 대화의 전체 컨텍스트를 불러오는데, 여기에는 이전의 모든 프롬프트와 네가 알려준 정보들이 포함된다. 그런 다음 토큰을 하나씩 추출하며 답변을 생성한다. 이를 decode(디코드)라고 한다. 이것이 추론의 전체 과정이다.
대부분은 여전히 훈련에만 매달리며 NVIDIA GPU를 최후의 해답으로 여긴다. 하지만 우리는 새로운 트렌드가 부상하는 것을 목격했다. Google은 자체 가속기를 개발 중이며, Amazon 역시 자체 칩을 만들고 있다. Cerebras는 방금 상장했으며, Groq는 NVIDIA에 인수되었다. 이 중 Etched가 가장 과감한 도전을 펼치고 있다.
Josh: 훈련과 추론 사이에는 결정적인 차이가 있다. 훈련은 일반적으로 몇 달이 소요되는 일회성 사건이다. 어느 회사에서 새로운 GPT나 Claude 모델을 훈련시킨다는 소식을 들으면 그것이 바로 훈련이다. 추론은 완전히 별개의 문제다. 참고할 만한 수치 하나가 있는데, 2년여 전만 해도 추론 수요는 3분의 1, 훈련은 3분의 2를 차지했다. 지금은 정확히 역전되어 추론이 3분의 2, 훈련이 3분의 1이며, 연말에는 추론 비중이 80%에 가까워질 전망이다.
이는 매우 중요한 시사점을 준다. NVIDIA가 칩 시장의 약 75%를 점유하고 있지만, GPU는 추론용으로 최적화되지 않았기 때문이다. NVIDIA의 점유율은 상승하고 추론 수요 역시 증가하고 있으나, NVIDIA 칩은 이 부분에서 강점이 없다. 이는 오직 하나의 사실을 입증할 뿐이다. 시장에서 사용할 수 있는 대안이 전혀 없다는 것이다. 누구도 대규모 커스텀 추론 칩을 양산하는 방법을 완벽히 깨닫지 못했다. 따라서 전 세계 시장은 NVIDIA 제품만 구매할 수밖에 없었다. 하지만 Etched 같은 스타트업이 속속 등장하여 이 격차를 메우려 하고 있다.
EJ: 중국 기업들의 행보를 보면 이 길이 얼마나 유효한지 알 수 있다. 그들은 NVIDIA GPU를 활용할 수 없지만, 미국 프론티어 모델의 90% 수준에 도달하는 모델을 훈련했다. 이것이 가능했던 이유는 추론 분야에서 극단적인 혁신을 이루었기 때문이다. 따라서 추론은 진정한 다음 주전장이 될 것이며, 이 전장에서 NVIDIA는 어떠한 해자도 보유하고 있지 않다.
24세 두 청년이 세운 Etched
EJ: Etched는 24세의 젊은 창업자들이 설립했다. 그들은 3년 전부터 이 작업을 시작했으며, 일반 GPU 대신 Transformer 아키텍처에 특화된 ASIC 칩을 만들기로 베팅했다. 현재 8억 달러가 넘는 자금을 유치했으며, 고객 계약 규모는 10억 달러를 돌파했다. 초기 테스트 결과, 그들의 서버 랙은 지연 시간, 전력 소비, 추론 워크로드 측면에서 이미 최선진 수준에 도달했다.
당신은 생각해 볼 것이다. '비공개 기업이잖아, 어떻게 투자를 하지?' 맞다. 직접 투자할 수는 없다. 하지만 공개 시장에는 이赛道에 노출되는 간접 경로가 존재한다. 나중에 자세히 다루겠다. 먼저 이 회사가 아직 제품을 정식 출시하기도 전에 이처럼 높은 밸류에이션을 받을 수 있었던 이유부터 알아보자.

정답은 간단하다. 그들은 단일 칩을 만드는 게 아니다. 전체 랙 시스템을 구축하고 있는 것이다. 이것이 그들의 핵심 논지다. 그들은 추론이 실제로 어떻게 동작하는지를 관찰했고 NVIDIA GPU의 성능을 분석하여, GPU의 실제 추론 활용률이 단 30~40%에 불과하다는 사실을 발견했다. 5만~15만 달러짜리 장비를 구매했는데 정말 실력 밖에 발휘하지 못한다면 누구나 분통이 터질 것이다. 그래서 그들은 단지 더 나은 칩을 설계하는 데 그치지 않고, 데이터센터에 반입 가능한 시스템 전체를 설계하여 추론 활용률을 80~90%까지 끌어올렸다.
주요하게 추진한 사업은 두 가지다. 첫째는 낮은 전압으로 동일한 연산 출력을 얻는 방안을 마련한 것이다. Transformer 아키텍처를 중심으로 칩 전반을 재설계했다. 전력은 전압의 제곱에 비례하므로, 전압을 절반으로 낮추면 전력 소비가 75% 감소한다. 데이터센터 규모에서 이는 엄청난 규모의 전기 요금 및 냉각 비용 절감으로 직결된다.
둘째는, 전체 시스템이 훈련이 아닌 추론을 위해 설계되었기에 prefill과 decode 프로세스 전반을 최적화했다는 점이다. NVIDIA GPU는 범용 컴퓨팅 장치라 훈련, 추론, 그래픽 렌더링 등 모든 작업을 수행할 수 있다. 반면 Etched는 오직 한 가지 작업에만 집중하지만, 그 끝까지 파고든다.
Josh: 여기서 매우 날카로운 비교가 나온다. 그들은 직접 비트코인 마이닝 ASIC에서 영감을 얻었다. 비트코인 마이닝기는 특정 수학적 문제를 처리하도록 설계된 전용 컴퓨터로, 효율성이 기존 대비 몇 차원 뛰어나다. Etched가 추구하는 본질도 바로 이 로직이다. Transformer 추론이라는 특정 수학적 문제에 맞춰 전용 칩의 효율을 극대화하는 것이다.
TSMC 공장에 잠든 팀
EJ: 이 회사를 감명 깊게 만드는 것은 기술만이 아니라 실행 방식이기도 하다. 현재 TSMC와 협력 관계에 있다. 그들의 기술이 충분히 좋으므로 웨이퍼 양산을 진행해야 한다고 TSMC를 설득해냈다. 팀원은 반은 방갈로르에, 반은 미국에 위치해 교대제로 하루 12시간씩 총 24시간 가동한다. TSMC 내부에서 칩 테스트를 진행할 수 있는 권한을 받았으며, 자정 이후 공장 측에 전화를 걸어 웨이퍼 상의 칩 상태 불량 판정 신호 불빛이 켜지는지 확인한다. 이 정도 고난이도 업무라면 누구나 사직서를 내고 싶어질 정도다.
이 점은 Google과 Amazon과 대비될 때 더욱 흥미롭다. Google은 TPU를, Amazon은 Trainium을 보유하고 있지만, 거대 기업 직원들이 공장에 처박혀 잠들지는 않는다. 그들에게 칩 프로젝트가 실패해도 기업은 당당히 돌아간다. 하지만 Etched는 다르다. 회사의 생사화복이 오직 이 칩 하나에 달려 있기 때문이다. 따라서 이들이 채용할 때는 회사의 성공과 실패가 이 칩 하나로 결정난다는 사실에 오히려 흥분할 수 있는 인재를 영입한다.
Josh: 이것이 그들이 단 3년 만에 이러한 단계에 도달할 수 있었던 이유다. 정상적인 프로세스라면 1년 6개월에서 2년이 필요하지만, 그들을 압축해냈다.
투자자 명단 속 인물들의 베팅 대상
EJ: 투자자 명단을 살펴보면 이들이 풀려는 문제가 무엇인지 이해할 수 있다. 매일 100가지 지표를 측정하며 장수 과학에 푹 빠져 있는 Brian Johnson이 왜 cap table에 이름을 올렸을까? Brian Johnson은 직접 트윗을 게재했다. "몇 년 전 대학 중퇴생 두 명이 자신들이 더 빠른 AI 칩을 제작해 장수 연구를 가속화할 수 있다고 했다." 이것이 그의 핵심 논리다. 당신의 칩이 더 빠르게 토큰을 생산해낼수록, 과학적 난제를 빠르게 해결할 수 있다. 신약 발굴, 단백질 접힘, 질병 기전 해석 등 모두 AI 추론이 필요하다. 누가 더 빠르느냐에 따라 승패가 갈린다.
Jane Street도 참여했다. 전 세계 최고 수준의 퀀트 펀드 중 하나다. Peter Thiel, TSMC가 자체 벤처 펀드를 통해 투자했다. TSMC의 투자는 단순한 자금 지원이 아니다. '우리가 당신의 칩을 제조하겠다'는 강력한 시그널이다.
Josh: 장수 과학, 금융, 반도체 제조라는 겉보기에 무관한 분야의 거물들이 동일한 기업에 자본을 투입한 것은, 그들이 국지적인 작은 기회를 본 것이 아니라 기반 컴퓨팅 효율의 향상이 AI에 의존하는 모든 산업을 뒤흔들 것임을 간파했기 때문이다.
Transformer 아키텍처를 건 생존 베팅
Josh: 하지만 제가 완전히 직시하지 못했던 경계 조건이 하나 있다. 그들은 매우 구체적인 베팅을 했는데, 바로 Transformer 아키텍처에 올인했다는 점이다. GPT-2 시대부터 오늘에 이르기까지 모든 프론티어 모델이 Transformer 위에서 구동된다. 핵심 메커니즘은 next token prediction이며, 잠재 공간을 통해 재귀적으로 학습한다. 그러나 Etched의 칩은 이 아키텍처에 하드코딩되어 설계되었다. 만약 향후 Transformer보다 우수한 아키텍처가 등장하여 구조가 변경된다면, 이 칩들은 기술 스택의 상당 부분을 다시 구축해야 할 것이다. 이것이 생존을 건 위험인지, 아니면 받아들일 만한 wager인지?
EJ: 지적한 대로 정확하다. 그들은 계산 그래프를 실리콘 웨이퍼에 하드코딩해 버렸다. 만약 내년에 Andrej Karpathy가 Transformer가 아닌 완전히 새로운 아키텍처를 발표한다면 Etched의 칩은 망한다. 하지만 확실한 장점도 있다. 베팅에 성공한다면 효율성 향상 폭이 10배에서 50배에 이를 수 있다는 점이다. GPT-2 시대부터 현재까지 Transformer는 이미 5년간 독주해 왔으며, OpenAI, Anthropic, Google, Meta가 모두 채택하고 있다. 단기적으로는 대체 아키텍처를 찾기 힘들다. 따라서 이 베팅은 상당히 극단적이지만, 확률적으로 볼 때 결코 광기어린 선택은 아니다.
EJ: OpenAI의 자체 Jalapeno 칩과 다시 한번 비교해보자. OpenAI는 Transformer를 하드코딩하지 않았으나, 칩과 랙 시스템을 GPT에 맞춰 심층 최적화했다. 왜 이런 것이 가능한가? 그들이 자체 모델을 보유하고 있기 때문이다. 사용자가 어떤 프롬프트를 입력할지 알고 있으며, 토큰을 어떻게 로드해야 하는지도 꿰고 있다. 칩, 모델, 배포 채널을 수직 통합한 것이다. 이는 사실상 Etched의 순수 서드파티 전략보다 더 안정적인 포지션이다. Etched가 동등한 최적화 수준에 도달하려면, 결국 누군가 프론티어 연구소에 매각되거나 다수 고객을 상대하면서도 단일 모델을 위한 극치 최적화는 포기해야 한다.
Josh: 게다가 OpenAI는 Broadcom과 공동으로 단 9개월 만에 Jalapeno를 태이프아웃했다. 아이를 잉태해 태어나는 데 9개월이 걸리듯, 그들도 똑같이 9개월 만에 '고추(Jalapeno)'를 낳았다.
EJ: OpenAI가 이번이 처음은 아니다. 과거 Cerebras와도 업무 관계를 맺은 바 있다. Cerebras는 최근 상장했지만 주가가 35.5% 급락했으며 올해 초부터 부진한 흐름을 보였다. 하지만 이는赛道 문제가 아닌 적정 가격 책정 문제다. 많은 시장 참가자들은 Cerebras가 잘못 평가받았다고 보고 있다.

추론은 새로운 해자(Moat)다
EJ: 우리가 이 방송을 준비한 이유는, 많은 사람이 깨닫지 못하고 있기 때문이다. 즉, 추론이 더 나은 모델을 훈련시키는 데 필요한 새로운 해자이자, 다수의 사용자에게 토큰을 전송하는 또 다른 해자로 부상했다는 사실을 말이다.
대부분의 사람은 여전히 'LLM을 사용하는 것은 마치 Google을 검색하는 것과 같다'는 수준에 머물러 있다. 지구상에서 1%도 되지 않는 사람들이 실제로 1시간 이상 자율 에이전트를 돌려본 적이 있을 것이다. 그러나 트렌드는 명확하다. 곧 수많은 AI 모델이 당신을 대신해 몇 시간, 심지어 며칠 동안 자동으로 작동하게 될 것이다. 이는 막대한 양의 토큰을 소모하게 만든다. 당신은 단위 시간 내에 가능한 한 많은 토큰을 생성하기를 원할 것이다. 빠르게 답변을 얻고, 업무를 완료하며, 경쟁자를 이길 수 있기 때문이다.
이를 달성하려면 기존과는 완전히 다른 칩 아키텍처가 요구된다. 모든 GPU 아키텍처 업계의 선두 주자인 NVIDIA조차 현재 추론 효율성 문제를 완벽히 해소하지 못한 상황이다.
Anthropic이 이번 분기 추론 마진을 바탕으로 흑자 전환을 예고했다는 소식도 있다. 모두가 훈련 비용에만 시선을 맞추지만, AI 연구소들의 상장 후에는 추론이 진정한 이익 창출 센터가 될 것이다. 훈련은 전방위적 선투금이고, 추론은 지속적 현금 흐름이다.
공개 시장에서의 투자 경로
EJ: 'Etched는 비공개 기업이니 직접 투자할 방법이 없겠네'라고 말할 수도 있다. 하지만 공개 시장에는 여러 경로가 열린다. Cerebras는 이미 상장되었다. MediaTek는 이러한 전용 칩 설계에 관여 중이며 올해 주가가 180% 상승했다. Broadcom은 Google용 TPU를 설계 중이며 오늘 하루만 봐도 약 10% 상승했다. Groq는 NVIDIA에 200억 달러라는 어마어마한 금액에 인수되기도 했다. NVIDIA가 이 트렌드를 인지하지 못한 게 아니다. 방향 전환을 꾀하고 있을 뿐이다.
Josh: 애플 M 시리즈 칩이 훌륭한 표본이 되어준다. 수직 통합이 어떻게 한 제품 라인을 송두리째 재편할 수 있는지 보여주니까. 지금 OpenAI는 Jalapeno를, Google은 TPU를, Amazon은 Trainium을 개발 중이다. 누구나 ASIC 시장에 뛰어들고 있다. 이 흐름은 아직 시작단계에 불과하다.
EJ: 이는 모든 사람에게 정면에 노출된 비대칭 베팅이다. 메모리 병목 현상을 주목하는 이는 많다. 매우 중요하다. 전력 부족 이슈도 크게 부각된다. 역시 중요하다. 하지만 다수가 잊고 있다. 이러한 AI 연구소들이 상장했을 때, 마진의 진정한 근원은 추론이라는 사실을. 만약 에이전트와 자율 운영의 미래에 믿음을 두고 있다면, 추론 칩에 베팅하지 않을 수 없다. 이것은 선택지가 아니다.













