2024년 MAD (Machine Learning, AI, Data) 생태계

Matt Turck가 2024년의 Machine Learning, AI, Data (MAD) 생태계에 관한 짐작을 기사로 냈습니다. 이는 급조한 데이터로 번뜩이는 아이디어를 기사를 쓴 것이 아니라 다년간 축적된 업계 데이터를 기반하여 추론한 날카로운 2024년의 전망을 담고 있습니다. 물론 2023년의 비판도 함께 얘기하고 있습니다.

 

아래 원문을 보시는 것도, 인터넷의 요약본을 보시는 것도 좋고 아니면 천천히 기사 전문을 번역한 이 포스트를 보셔도 좋습니다. 2024년이 AI 분야에서 어떤 한 해가 될지 생각해 볼 수 있는 시간을 가지시기 바랍니다.

 

 

원문: Full Steam Ahead: The 2024 MAD (Machine Learning, AI & Data) Landscape – Matt Turck

Full Steam Ahead: The 2024 MAD (Machine Learning, AI & Data) Landscape

 

 

 

 

이 포스트는 데이터, 분석, 기계 학습 및 AI 생태계의 10번째 연례 전망이자 "연두교서"입니다.

10년 이상 이 분야를 취재하면서 오늘날 만큼 흥미롭고 유망했던 적이 없었습니다. 지난 수년간 우리가 설명한 모든 트렌드와 서브 트렌드가 합쳐졌습니다. 데이터는 엄청난 양으로 디지털화 되었고 최신 도구를 사용하면 빠르고 저렴하게 저장과 처리 그리고 분석할 수 있습니다. 그리고 가장 중요한 것은 이를 이해하고, 패턴을 인식하고, 이를 기반으로 예측하는 것으로 이제 텍스트, 코드, 이미지, 사운드 및 비디오를 생성할 수 있는 성능이 더욱 뛰어난 ML/AI 모델이 우리에게 제공될 수 있다는 것입니다.

MAD(ML, AI, 그리고 Data) 생태계는 틈새 및 기술에서 주류로 이동했습니다. 패러다임 전환은 기술적 문제나 비즈니스 문제를 훨씬 뛰어넘어 사회, 지정학 및 인간에게 영향을 미치면서 가속화되고 있는 것 같습니다.

그러나 수십 년간의 메가트렌드에 대해 아직 작성해야 할 내용이 많습니다. 매년 그렇듯이 이 포스트는 제품, 회사 및 업계 동향 전반에 걸쳐 우리가 현재 어디에 있는지 이해하려는 시도입니다.

 

올해 우리 팀은 Aman Kabeer와 Katie Mills(FirstMark), Jonathan Grana(Go Fractional) 및 Paolo Campos와 함께입니다. 모두에게 큰 감사를 드립니다. 그리고 인터랙티브 버전에 나타나는 카드 데이터를 제공해 주신 CB Insights에도 큰 감사를 드립니다.

이 연례 연두교서는 세 부분으로 구성됩니다.

• Part I: 생태계
• Part II : 2024년에 우리가 생각하고 있는 24가지 테마
• Part III: 금융, M&A, 그리고 IPO

 

PART I: 생태계

Links

2024년 MAD 생태계의 PDF를 전체 해상도로 보려면(확대하세요!) 여기를 클릭하세요.

2024년 MAD 생태계의 대화형 버전에 액세스하려면 여기를 클릭하십시오.

 

회사 수

2024 MAD 생태계에는 총 2,011개의 기업이 있습니다.

이 숫자는 작년의 1,416명에서 증가했으며, 생태계에 새로 진입한 기업은 578개입니다.

참고로 2012년 첫 버전에는 기업이 139개에 불과했습니다.

극도로 (미칠 정도로?) 혼잡한 생태계의 특성은 주로 두 번의 연속적인 회사 창립 및 자금 조달의 물결에서 비롯됩니다.

첫 번째 물결은 빅 데이터로 시작하여 최신 데이터 스택으로 끝나는 10년 간의 데이터 인프라 주기였습니다. 해당 분야에서 오랫동안 기다려온 통합은 아직 이루어지지 않았으며 대다수의 회사는 여전히 존재합니다.

두 번째 물결은 생성형 AI (Generative AI)로 시작된 ML/AI 사이클 입니다. 우리는 이 사이클의 초기 단계에 있고 대부분의 회사가 매우 젊기 때문에 우리는 젊은 스타트업 (대부분은 아직 초기 단계)을 생태계에 포함시키는 데 자유로웠습니다.

참고: 이 두 물결은 밀접하게 관련되어 있습니다. 매년 MAD 생태계의 핵심 아이디어는 데이터 인프라 간의 공생 관계를 보여주는 것이었습니다(왼쪽). Analytics/BI 및 ML/AI(가운데) 및 애플리케이션(오른쪽).

매년 점점 더 많은 회사를 생태계에 추가하는 것이 더 어려워지지만 궁극적으로 MAD 공간을 생각하는 가장 좋은 방법은 조립 라인, 즉 수집부터 저장, 처리, 분석 및 애플리케이션을 통한 가치 제공에 이르는 데이터의 전체 수명주기입니다.

생태계에는 두 개의 큰 물결 + 제한된 통합 = 많은 회사가 있습니다.

"인프라" 및 "분석"의 주요 변경 사항

우리는 생태계 왼쪽의 전체 구조를 거의 변경하지 않았습니다. 아래에서 볼 수 있듯이(현대 데이터 스택이 죽었나요?) MAD 생태계의 이 부분은 최근에 큰 변화가 없었습니다.

몇 가지 주목할 만한 변경 사항: 올인원 '다중 모델' 데이터베이스 그룹(SurrealDB*, EdgeDB)을 중심으로 떠오르는 물결을 포착하기 위해 "Database Abstraction"의 이름을 "Multi-model Database & Abstractions"로 변경했습니다. 작년에 우리가 실험적으로 만든 "Crypto / Web 3 Analytics" 섹션을 없앴는데, 이 섹션은 이 생태계에서 어울리지 않는 느낌이었습니다. 별도의 섹션이라기보다는 섹션의 일부처럼 느껴지는 "쿼리 엔진" 섹션을 제거했습니다(Dremio, Starburst, PrestoDB 등 해당 섹션의 모든 회사는 여전히 생태계에 나타납니다).

“머신러닝 & 인공지능” 주요 변경사항

2023년 AI 기업이 폭발적으로 증가하면서 우리는 지금까지 가장 구조적인 변화를 이루었습니다.

• 지난해 'AI enablement' 계층의 엄청난 활동을 고려하여 우리는 MLOps 옆에 3가지 새로운 범주를 추가했습니다.
  • "AI Observability"는 LLM 응용 프로그램을 테스트, 평가 및 모니터링하는 데 도움이 되는 스타트업이 포함된 올해의 새로운 카테고리입니다.
  • "AI Developer Platforms"은 개념상 MLOps에 가깝지만 우리는 AI 애플리케이션 개발, 특히 LLM 교육, 배포 및 추론에 전적으로 초점을 맞춘 플랫폼의 물결을 인식하고 싶었습니다.
  • "AI Safety & Security"에는 환각 (hallucination)부터 윤리, 규정 준수 등에 이르기까지 LLM에 내재된 문제를 해결하는 회사가 포함됩니다.
• Sam Altman과 Elon Musk 사이의 공개적인 의견이 우리에게 무엇인가를 말해 준다면, 기초 모델 개발자에게 있어 상업용과 비영리의 구별이 매우 중요하다는 것입니다. 이에 기존 '수평적 AI/AGI'를 '상업적 AI 연구 (Commercial AI Research)'와 '비영리 AI 연구 (Nonprofit AI Research)' 두 가지 카테고리로 나누었습니다.
• 우리가 만든 마지막 변경 사항은 또 다른 명명법으로, 많은 GPU 클라우드 제공업체가 만든 핵심 인프라 기능 세트 추가를 반영하기 위해 "GPU Cloud"를 "GPU Cloud / ML Infra"로 수정했습니다.

 

“애플리케이션”의 주요 변경 사항

• 여기서 가장 큰 업데이트는...아무도 놀랄 일이 아닐 것입니다...모든 애플리케이션 회사는 이제 자칭 "AI 회사"입니다. 필터링을 시도한 만큼 올해 MAD 풍경의 오른쪽에 보이는 새로운 기업이 폭발적으로 증가했습니다.
• 구조 측면의 몇 가지 사소한 변경 사항은 다음과 같습니다.
  • “Horizontal Application”에 “Presentation & Design” 카테고리를 추가했습니다.
  • Perplexity와 같은 LLM 기반 채팅 기반 인터페이스의 등장을 반영하여 "검색"의 이름을 "검색 / 대화형 AI (Search / Conversational AI)"로 변경했습니다.
  • "산업"에서는 "Gov't & Intelligence"를 "Aerospace, Defense & Gov't"로 브랜드를 변경했습니다.

 

“오픈소스 인프라”의 주요 변화

• 우리는 항상 가까운 카테고리를 병합하여 "데이터 액세스 (Data Access)"와 "데이터 운영 (Data Ops)"을 모두 포괄하는 단일 "데이터 관리 (Data Management)" 카테고리를 만들었습니다.
• 빌더가 AI 및 LLM을 로컬 개발 시대로 가져오기 위한 인프라 도구를 제공하려고 함에 따라 "로컬 AI (Local AI)"라는 중요한 새 카테고리를 추가했습니다.

 

PART II: 2024년에 우리가 생각하고 있는 24가지 테마

AI의 모든 것들은 너무 빠르게 움직이고 너무 많은 범위를 확보하고 있기 때문에 이전 몇 년 동안 그랬던 것처럼 MAD 생태계의 완전히 포괄적인 "연두교서"를 제공하는 것이 거의 불가능합니다.

따라서 여기에 다른 형식이 있습니다. 특별한 순서 없이 가장 먼저 떠오르거나 대화에서 자주 등장하는 24가지 주제가 있습니다. 일부는 상당히 구체화된 생각이고, 일부는 주로 질문이나 사고 실험일 뿐입니다.

 

1. 구조화된 데이터와 구조화되지 않은 데이터

이는 부분적으로는 하나의 주제이고, 부분적으로는 현재 동향을 설명하는 데 도움이 되도록 대화에서 많이 언급하는 내용이기도 합니다.

그러므로, 이 2024 년 토론에 대한 소개로 중요한 리마인더 하나를 미리 해드리겠습니다. 이는 주요 산업 트렌드를 설명하는 내용입니다. 모든 데이터가 동일하지 않습니다. 지나치게 단순화할 우려가 있지만, 데이터에는 주로 두 가지 주요 카테고리가 있으며, 각 카테고리에는 특정 도구와 사용 사례가 있습니다.

• 구조화된 데이터 파이프라인: 행과 열에 들어갈 수 있는 데이터입니다.
  • 분석 목적으로 데이터는 트랜잭션 데이터베이스 및 SaaS 도구에서 추출되어 클라우드 데이터 웨어하우스(예: Snowflake)에 저장되고 비즈니스 인텔리전스(BI) 도구를 사용하여 변환, 분석 및 시각화됩니다. 주로 현재와 과거를 이해하기 위한 목적입니다. ('설명 분석 (descriptive analytics)'으로 알려져 있음). 해당 조립 라인은 아래 논의된 모던 데이터 스택 (Modern Data Stack)에 의해 종종 가능해지며, 분석이 핵심 사용 사례로 작용합니다.
  • 또한 구조화된 데이터는 미래를 예측(예측 분석)할 목적으로 "기존" ML/AI 모델에 입력될 수도 있습니다. 예를 들어 어떤 고객이 이탈할 가능성이 가장 높은지 확인하는 것입니다.
• 구조화되지 않은 데이터 파이프라인: 텍스트, 이미지, 오디오, 비디오 등 일반적으로 행과 열에 맞지 않는 데이터의 세계입니다. 구조화되지 않은 데이터는 주로 Generative AI 모델(LLM 등)에 입력되어 훈련 및 사용(추론)됩니다.

이 두 가지 데이터 계열(및 관련 도구 및 회사)은 현재 매우 다른 행운과 관심 수준을 경험하고 있습니다.

구조화되지 않은 데이터(ML/AI)는 인기가 높습니다. 구조화된 데이터(모던 데이터 스택 등)는 그렇지 않습니다.

 

2. 모던 데이터 스택은 죽었나요?

얼마 전까지만 해도(2019~2021년) 소프트웨어 세계에서 MDS(Modern Data Stack)보다 더 섹시한 것은 없었습니다. "빅 데이터"와 함께 데이터 엔지니어부터 더 광범위한 청중(임원, 언론인, 은행가)으로 넘어간 것은 드문 인프라 개념 중 하나였습니다.

MDS는 기본적으로 위에서 언급한 종류의 구조화된 데이터 파이프라인을 다루었습니다. 빠르게 성장하는 클라우드 데이터 웨어하우스를 중심으로 상류 (Fivetran 및 Airbyte 등), 중간(DBT) 그리고 하류(Looker, Mode)에 위치했습니다.

Snowflake가 사상 최대 규모의 소프트웨어 IPO로 부상하면서 ZIRP를 기반으로 한 회사 설립과 VC 자금 조달로 인해 MDS에 대한 관심이 폭발적으로 증가했습니다. 1~2년 안에 데이터 카탈로그, 데이터 관측성, ETL, 리버스 ETL 등 전체 범주가 과밀해졌습니다.

실제 문제에 대한 실제 솔루션인 Modern Data Stack은 데이터 가치 사슬 전반에 걸쳐 수많은 스타트업 간의 마케팅 개념이자 사실상의 동맹이기도 했습니다.

오늘날 상황은 매우 다릅니다. 2023년에 우리는 MDS가 "압박을 받고 있다"고 미리 밝혔으며, 그 압박은 2024년에도 계속해서 강화될 것입니다.

MDS는 두 가지 주요 문제에 직면해 있습니다.

• MDS를 통합하려면 여러 독립 공급업체의 다양한 최고 솔루션을 결합해야 합니다. 결과적으로 돈, 시간, 자원 측면에서 비용이 많이 듭니다. 이는 ZIRP 예산 삭감 이후 시대의 CFO 사무실에서 호의적으로 보지 않습니다.
• MDS는 더 이상 블록의 멋진 아이가 아닙니다. 생성적 AI는 임원, VC 및 언론의 모든 관심을 끌었으며 위에서 언급한 일종의 비정형 데이터 파이프라인이 필요합니다.

 

3. 데이터 인프라 통합, 그 규모는 점점 더 커지고 있다

위의 내용을 고려하면 2024년에는 데이터 인프라 및 분석 분야에서 어떤 일이 일어날까요?

다음과 같이 보일 수 있습니다.

• 모던 데이터 스택 안팎의 많은 스타트업은 "AI 인프라 스타트업"으로 공격적으로 재배치하고 모던 AI 스택 (아래 참조)에서 자리를 찾으려고 노력할 것입니다. 이는 어떤 경우에는 효과가 있지만 대부분의 경우 구조화된 데이터에서 구조화되지 않은 데이터로 전환하려면 근본적인 제품 발전이 필요할 수 있습니다.
• 데이터 인프라 산업은 마침내 일부 통합을 보게 될 것입니다. M&A는 현재까지 상당히 제한되어 있지만 Stemma (Teradata에서 인수), Manta (IBM에서 인수), Mode (Thoughtspot에서 인수) 등을 포함하여 tuck-in 인수든 중소 규모 인수든 2023년에 일부 인수가 발생했습니다. (아래 3부 참조)
• 스타트업 실패가 훨씬 더 많아질 것입니다. VC 자금이 고갈되면서 상황이 어려워졌습니다. 많은 스타트업이 비용을 대폭 절감했지만 어느 시점에서는 캐시 런웨이가 종료될 것입니다. 화려한 헤드라인을 기대하지 마세요. 하지만 (슬프게도) 이런 일이 일어날 것입니다.
• 규모 확장이든 상장 기업이든 이 분야의 더 큰 회사는 플랫폼 플레이를 두 배로 늘리고 더 많은 기능을 포괄하기 위해 열심히 노력할 것입니다. 그 중 일부는 인수 (따라서 통합)를 통해 이루어지지만 대부분은 자체 개발을 통해 이루어질 것입니다.

 

4. Databricks와 Snowflake 확인

이 분야의 대기업에 대해 말하자면, 두 핵심 데이터 인프라 플레이어인 Snowflake와 Databricks 간의 "타이타닉 쇼크"(MAD 2021 블로그 게시물 참조)를 확인해 보겠습니다.

Snowflake (역사적으로 구조화된 데이터 파이프라인 세계에서 유래)는 여전히 놀라운 회사이자 가장 가치가 높은 공공 기술 주식 중 하나입니다 (작성 당시 EV/NTM 수익의 14.8배). 그러나 많은 소프트웨어 산업과 마찬가지로 성장도 급격히 둔화되었습니다. 2024 회계연도를 전년 대비 38%의 제품 매출 성장으로 마무리하여 총 26억 7천만 달러를 기록했으며, 당시 기준으로 22%의 NTM 수익 성장을 예상했습니다. 아마도 가장 중요한 것은 Snowflake가 제품 측면에서 압박을 받고 있다는 인상을 준다는 것입니다. 즉, AI를 수용하는 속도가 느리고 습득력이 상대적으로 덜합니다. 최근의 다소 갑작스러운 CEO 전환은 또 다른 흥미로운 데이터 포인트입니다.

Databricks (역사적으로 구조화되지 않은 데이터 파이프라인 및 기계 학습 세계에서 유래)는 전반적으로 강한 모멘텀을 경험하고 있으며 (여전히 민간 기업이므로) 50% 이상의 성장과 함께 16억 달러의 매출로 FY'24를 마감한 것으로 알려졌습니다. 중요한 것은 Databricks가 인수 (가장 주목할만한 13억 달러의 mosaicML)와 자체 제품 개발을 통해 핵심 Generative AI 플레이어로 부상하고 있다는 것입니다. 무엇보다도 LLM에 제공되는 구조화되지 않은 데이터 종류의 주요 저장소이자 제작자로서도 그렇습니다. Dolly에서 이 글을 쓰는 시점에 회사가 방금 발표한 새로운 생성 AI 모델인 DBRX에 이르기까지 다양한 모델이 있습니다.

Snowflake와 Databricks 경쟁의 새로운 주요 발전은 Microsoft Fabric의 출시입니다. 2023년 5월에 발표된 이는 데이터 및 분석을 위한 엔드투엔드 클라우드 기반 SaaS 플랫폼입니다. OneLake (오픈 레이크하우스), PowerBI 및 Synapse Data Science를 포함한 많은 Microsoft 제품을 통합하고 기본적으로 데이터 통합 및 엔지니어링에서 데이터 과학에 이르기까지 모든 데이터 및 분석 워크플로를 다룹니다. 대기업 제품 출시의 경우 항상 그렇듯이 발표와 제품의 현실 사이에는 격차가 있지만 Microsoft의 Generative AI에 대한 주요 추진과 결합하면 이는 엄청난 위협이 될 수 있습니다. (Databricks가 주로 Azure 위에서 돌아간다는 점이 흥미로운 포인트).

 

5. 2024년의 BI, 그리고 Generative AI가 데이터 분석을 혁신할 것인가?

MDS과 구조화된 데이터 파이프라인 세계의 모든 영역 중에서 재창조에 가장 적합하다고 생각되는 분야는 비즈니스 인텔리전스입니다. 우리는 2019 MAD에서 BI 산업이 어떻게 완전히 통합되었는지 강조하고 2021 MAD에서 메트릭 스토어의 출현에 대해 이야기했습니다.

BI/분석의 변화는 우리가 예상했던 것보다 더 느렸습니다. 업계는 여전히 구형 제품인 Microsoft의 PowerBI, Salesforce의 Tableau 및 Google의 Looker가 주도하고 있으며 때로는 광범위한 판매 계약에 무료로 번들로 제공되기도 합니다. 물론 좀 더 통합이 이루어지기도 했습니다 (Thoughtspot이 Mode를 인수했으며 Sisu는 Snowflake에 조용히 인수되었습니다). 일부 젊은 기업은 규모 확장(dbt 및 해당 의미 계층/MetricFlow 참조)이든 스타트업(Trace* 및 해당 메트릭 트리 참조)이든 혁신적인 접근 방식을 취하고 있지만 일반적으로 여정의 초기 단계에 있습니다.

Generative AI는 잠재적으로 데이터 추출 및 변환에서 강력한 역할을 수행할 뿐만 아니라 데이터 분석의 초강력화 및 민주화 측면에서 큰 영향을 미칠 수 있습니다.

확실히 활동이 많았습니다. OpenAI는 Code Interpreter를 출시했으며 나중에 Advanced Data Analysis로 이름이 변경되었습니다. Microsoft는 Excel에서 재무 직원을 위한 Copilot AI 챗봇을 출시했습니다. 클라우드 공급업체, Databricks, Snowflake, 오픈 소스 및 대규모 스타트업 그룹에서 많은 사람들이 자연어를 사용하여 데이터베이스에 대한 쿼리를 실행하는 데 도움이 되는 "text to SQL" 제품을 개발 중이거나 출시했습니다.

그 약속은 흥미롭기도 하고 잠재적으로 파괴적이기도 합니다. 데이터 분석의 성배는 민주화였습니다. 자연어가 노트북, 데이터베이스 및 BI 도구에 대한 인터페이스가 된다면 훨씬 더 광범위한 사람들이 분석을 수행할 수 있게 될 것입니다.

그러나 BI 업계의 많은 사람들은 회의적입니다. SQL의 정확성과 쿼리 이면의 비즈니스 컨텍스트를 이해하는 데 필요한 미묘한 차이는 자동화의 큰 장애물로 간주됩니다.

 

6. 모던 AI 스택의 부상

지금까지 우리가 논의한 많은 내용은 구조화된 데이터 파이프라인의 세계와 관련이 있었습니다.

앞서 언급했듯이, 구조화되지 않은 데이터 인프라의 세계는 매우 다른 순간을 경험하고 있습니다. 구조화되지 않은 데이터는 LLM에 공급되는 요소이며 이에 대한 수요가 엄청납니다. Generative AI를 실험하거나 배포하는 모든 회사는 "데이터가 새로운 석유"라는 진부한 표현을 재발견하고 있습니다. 모두가 LLM의 강력한 기능을 원하지만 자신의 (기업) 데이터로 학습된 모델을 원하고 있습니다.

크고 작은 기업들은 Generative  AI 인프라를 제공할 수 있는 기회에 서두르고 있습니다.

몇몇 AI 스케일업 기업은 Databricks (위 참조)부터 Scale AI ( 원래 자율 주행 자동차 시장을 위해 개발된 라벨링 인프라를 OpenAI 등과 제휴하여 엔터프라이즈 데이터 파이프라인으로 발전 ) 그리고 Dataiku* (Global 2000 기업이 여러 LLM 공급업체 및 모델에서 원활하게 작업할 수 있도록 LLM 메시를 출시함) 에 이르기까지 시장 모멘텀을 활용하기 위해 제품을 공격적으로 발전시켜 왔습니다.

한편, 다음을 포함한 다양한 영역에서 차세대 AI 인프라 스타트업이 등장하고 있습니다.

• 벡터 데이터베이스: Generative AI 모델이 사용할 수 있는 형식(벡터 임베딩)으로 데이터를 저장합니다. 전문 공급업체(Pinecone, Weaviate, Chroma, Qudrant 등)는 놀라운 한 해를 보냈지만 일부 기존 데이터베이스 플레이어(MongoDB)도 빠르게 반응하여 벡터 검색 기능을 추가했습니다. 또한 더 긴 컨텍스트 창이 벡터 데이터베이스의 필요성을 완전히 없앨 것인지에 대한 논쟁이 진행 중이며 논쟁의 양쪽 모두에 강한 의견이 있습니다.
• 프레임워크: LlamaIndex, Langchain 등 움직이는 모든 부분을 연결하고 조정 합니다.
• 가드레일: LLM과 사용자 사이에 위치하며 모델이 조직의 규칙을 따르는 출력을 제공하는지 확인 합니다.
• 평가도구 (Evaluators): 공개 벤치마크에 대한 일반적인 불신으로 입증된 어려운 문제인 Generative  AI 모델 성능을 테스트, 분석 및 모니터링하는 데 도움을 줍니다.
• 라우터 (Routers): 성능, 비용 및 사용자 경험을 최적화하기 위해 실시간으로 다양한 모델에 걸쳐 사용자 쿼리를 직접 전달하는 데 도움을 줍니다.
• 비용 보호 장치 (Cost guards): LLM 사용 비용을 모니터링하는 데 도움을 줍니다.
• 엔드포인트: 기본 인프라(예: 모델)의 복잡성을 효과적으로 추상화하는 API

우리는 MDS의 역사를 고려할 때 "모던 AI 스택"이라는 용어 사용을 거부해 왔습니다.

그러나 이 표현은 많은 유사점을 포착합니다. 이러한 스타트업 중 다수는 이전의 MDS 회사와 마찬가지로 오늘날의 "인기 회사"이며, 마케팅 제휴 및 제품 파트너십을 구축하여 무리를 지어 움직이는 경향이 있습니다.

그리고 이 새로운 세대의 AI 인프라 스타트업은 이전 MDS 회사와 동일한 과제에 직면하게 될 것입니다. 이러한 카테고리 중 수십억 달러 규모의 회사를 구축할 만큼 큰 카테고리가 있습니까? 대기업(주로 클라우드 제공업체이지만 Databricks 및 Snowflake도 포함)은 어떤 부분을 스스로 구축하게 될까요?

7. AI 과대 광고 사이클에서 우리는 어디에 있습니까?

AI는 AI의 여름과 겨울에 대한 수십 년의 역사를 가지고 있습니다. 지난 10~12년 동안 이것이 우리가 경험한 세 번째 AI 과대 광고 주기입니다: ImageNet 2012 이후 딥 러닝이 각광을 받은 후 2013~2015년에 한 번 있었습니다. 또 다른 하나는 챗봇 붐과 TensorFlow의 부상 기간인 2017~2018년경입니다. 그리고 이제 2022년 11월부터 Generative AI를 사용하고 있습니다.

이 과대 광고 주기는 여러 가지 이유로 AI 거품처럼 느껴질 정도로 특히 강렬했습니다. 기술은 믿을 수 없을 정도로 인상적입니다. 그것은 매우 본능적이며 기술계를 넘어 광범위한 청중에게 전달됩니다. 그리고 많은 건조 파우더 (미사용 자금)에 앉아 있는 VC들에게는 기술의 다른 모든 것이 침체되었기 때문에 그것은 그들에서 유일한 투자처였습니다.

과대 광고는 모든 일반적인 장점 ("비합리적인 열정 없이는 위대한 것을 달성하지 못했습니다", "1000개의 꽃을 피우십시오" 단계, 야심 찬 프로젝트에 많은 돈을 사용할 수 있음)과 단점 (모든 스타트업이 하룻밤 사이에 AI 전문가가 되었으며, AI 스타트업이고, AI 컨퍼런스/팟캐스트/뉴스레터가 너무 많습니다… 그리고 AI 시장 지도가 너무 많다고 말할 수 있을까요???).

모든 과대광고 주기의 주요 문제는 피할 수 없는 역풍입니다.

이 시장 단계에는 상당한 양의 "기이함"과 위험이 내재되어 있습니다: 이 분야의 대표적인 회사는 매우 특이한 법적 및 거버넌스 구조를 가지고 있습니다. 완전히 이해되거나 공개되지 않은 많은 "자본을 위한 컴퓨팅" 거래(잠재적 round-tripping 포함)가 발생하고 있습니다. 많은 최고의 스타트업이 AI 연구원 팀에 의해 운영됩니다. 그리고 많은 VC 거래는 ZIRP 시대를 연상시킵니다. 즉, "토지 수탈", 거대 라운드 및 아주 젊은 회사에 대한 눈길을 끄는 가치 평가입니다.

확실히 AI의 과대광고에 균열이 있었지만(아래 참조), 우리는 여전히 매주 새로운 것이 모든 사람의 마음을 사로잡는 단계에 있습니다. 그리고 보고된 400억 달러 규모의 사우디아라비아 AI 펀드와 같은 뉴스는 자금 흐름이 조만간 중단되지 않을 것임을 시사하는 것 같습니다.

 

8. 실험 vs 현실: 2023년은 가짜였나요?

위와 관련하여 – 과대 광고를 고려할 때, 지금까지 얼마나 많은 것이 실제였습니까? 아니면 단지 실험적인 것이었습니까?

2023년은 활동으로 가득 찬 한 해였습니다. a) 모든 기술 공급업체는 서둘러 Generative AI를 제품 제공에 포함시켰고, b) 모든 Global 2000 이사회는 팀에 "AI 수행"을 지시했으며, Morgan Stanley 및 Citibank와 같은 규제 산업 및 일부 기업 배포는 기록적인 속도로 이루어졌습니다. c) 물론 소비자들은 Generative AI 앱에 대한 열렬한 관심을 보였습니다.

그 결과, 2023년은 큰 승리를 거둔 해였습니다. OpenAI는 연간 실행률이 20억 달러에 도달했습니다. Anthropic은 2024년에 8억 5천만 달러의 매출을 예상할 수 있는 속도로 성장했습니다. Midjourney는 투자 없이 40명으로 구성된 팀으로 매출 2억 달러로 성장했습니다. Perplexity AI는 월간 활성 사용자 수를 0 명에서 1,000만 명으로 늘렸습니다.

하지만 우리는 냉소적이라고 해야 할까요? 아래와 같은 몇 가지 우려사항이 있습니다:

• 기업에서는 개념 증명이나 손쉬운 승리에 많은 비용이 지출되었으며, 종종 혁신 예산이 부족했습니다.
• 무모해 보이지 않기를 원하는 경영진과 실제 비즈니스 문제를 해결하려는 경영진이 얼마나 많은 노력을 기울였습니까?
• 소비자에서는 AI 앱이 높은 이탈률을 보입니다. 단순한 호기심이 얼마였나요?
• 개인 생활과 직업 생활 모두에서 많은 사람들이 Generative AI 앱과 제품으로 무엇을 해야 할지 완전히 확신하지 못한다고 보고합니다.
• 최고의 AI 기능으로 구축된 제품이라 할지라도 모든 Generative AI 제품이 마법처럼 되는 것은 아닙니다. Inflection AI가 13억 달러를 모금하고도 빠르게 접기로 한 결정을 세상에 또 다른 AI 챗봇이나 LLM이 필요하지 않다는 인정으로 보아야 할까요?

 

9. LLM 회사: 결국 그렇게 평준화되지는 않았을까요?

수십억 달러의 벤처 캐피털과 기업 자금이 LLM 기업에 투자되고 있습니다.

따라서 지난 18개월 동안 모두가 가장 좋아하는 질문은 다음과 같습니다. 자본이 결국 평준화될 제품으로 경이롭게 소각되는 것을 목격하고 있습니까? 아니면 LLM 제공업체가 새로운 AWS, Azure 및 GCP가 되었습니까?

(관련 회사의 경우) 문제가 되는 사실은 어떤 LLM도 지속적인 성과 이점을 구축하지 못하는 것 같다는 것입니다. 이 글을 쓰는 시점에서 Claude 3 Sonnet과 Gemini Pro 1.5는 Gemini 1.0 Ultra보다 성능이 더 좋은 GPT-4보다 성능이 더 좋습니다. 그러나 이는 몇 주마다 바뀌는 것 같습니다. 성능도 변동될 수 있습니다. ChatGPT는 어느 시점에서 일시적으로 "정신을 잃거나" "게으르게" 됩니다.

또한 오픈 소스 모델(Llama 3, Mistral 및 DBRX와 같은 기타 모델)이 성능 측면에서 빠르게 따라잡고 있습니다.

별도로 – 시장에는 처음에 나타날 수 있었던 것보다 훨씬 더 많은 LLM 제공업체가 있습니다. 몇 년 전만 해도 승자 독식의 역학을 지닌 LLM 회사는 한두 개밖에 없을 수 있다는 것이 지배적이었습니다. 부분적으로는 Transformer를 확장하는 데 필요한 전문 지식을 갖춘 전 세계 사람이 극소수였기 때문입니다. .

하지만 처음 예상했던 것보다 더 많은 팀이 있다는 것이 밝혀졌습니다. OpenAI와 Anthropic 외에도 Mistral, Cohere, Adept, AI21, Imbue, 01.AI 등 기본적인 AI 작업을 수행하는 수많은 스타트업이 있으며 물론 Google, Meta 등의 팀도 있습니다.

그렇긴 하지만, 지금까지 LLM 제공업체는 잘 지내고 있는 것 같습니다. OpenAI와 Anthropic 수익은 놀라운 속도로 증가하고 있습니다. 정말 감사합니다. LLM 모델이 평준화될 수도 있지만 LLM 회사는 여전히 엄청난 비즈니스 기회를 갖고 있습니다. 이들은 이미 기본 모델 외에도 여러 대상(소비자, 기업, 개발자)에게 애플리케이션과 도구를 제공하는 "풀 스택" 회사가 되었습니다.

아마도 클라우드 공급업체와의 비유는 실제로 꽤 적절할 것입니다. AWS, Azure 및 GCP는 애플리케이션/도구 계층을 통해 고객을 유치 및 유지하고 크게 차별화되지 않은 컴퓨팅/스토리지 계층을 통해 수익을 창출합니다.

 

10. LLM, SLM 및 하이브리드 미래

대규모 언어 모델에 대한 모든 기대에도 불구하고 지난 몇 달 동안의 한 가지 분명한 트레드는 Meta의 Llama-2-13b, Mistral 의 Mistral-7b/Mixtral 8x7b, 그리고 Microsoft의 Phi-2/Orca-2 등과 같은 소규모 언어 모델(SLM)의 가속화였습니다.

LLM이 점점 더 커지고 있는 동안(GPT-3에는 1,750억 개의 매개변수가 있는 것으로 알려졌고, GPT-4에는 1조 7천억 개의 매개변수가 있는 것으로 알려졌으며, 전 세계는 훨씬 더 큰 GPT-5를 기다리고 있습니다) SLM은 많은 사용 사례에서 강력한 대안이 되고 있습니다. 운영 비용이 저렴하고 미세 조정이 쉬우며 강력한 성능을 제공하는 경우가 많습니다.

가속화되는 또 다른 트렌드는 코딩(Code-Llama, Poolside AI) 또는 산업(예: Bloomberg의 금융 모델 또는 재료 과학을 위한 Orbital Materials 구축 모델 등)과 같은 특정 작업에 초점을 맞춘 전문 모델의 등장입니다.

이미 수많은 기업에서 볼 수 있듯이 세계는 여러 모델을 결합하는 하이브리드 아키텍처로 빠르게 발전하고 있습니다.

가격이 하락하고 있지만(아래 참조) 대규모 독점 LLM은 여전히 매우 비싸고 대기 시간 문제를 경험하므로 사용자/고객은 점점 더 대형/소형, 상업용/오픈 소스, 그리고 일반/전문 모델의 조합을 특정 요구 사항과 비용 제약에 맞게 사용하게 될 것입니다.

 

11. 전통적인 AI는 죽었는가?

ChatGPT가 출시되면서 재미있는 일이 일어났습니다. 그때까지 배포된 AI의 대부분은 하룻밤 사이에 " Generative  AI"와 달리 "전통 AI"라는 라벨이 붙었습니다.

“전통적”이라는 용어는 모든 형태의 AI가 새로운 것으로 전면적으로 대체될 것임을 분명히 암시하기 때문에, 그때까지 최첨단 작업을 수행하는 것으로 간주되었던 많은 AI 실무자와 회사에게는 약간의 충격이었습니다.

현실은 훨씬 더 미묘합니다. 전통적인 AI와 Generative AI는 다양한 유형의 데이터와 사용 사례를 다루기 때문에 궁극적으로 매우 상호 보완적입니다.

현재 "전통적인 AI"로 분류되거나 때때로 "예측 AI (predictive AI)" 또는 "테이블 형식 AI (tabular AI)"로 분류되는 것 역시 현대 AI(딥 러닝 기반)의 상당 부분입니다. 그러나 일반적으로 구조화된 데이터(위 참조)와 권장 사항, 이탈 예측, 가격 최적화, 재고 관리와 같은 문제에 중점을 둡니다. "전통적인 AI"는 지난 10년 동안 엄청난 채택을 경험했으며 이미 전 세계 수천 개의 회사에서 대규모로 생산되고 판매 되었습니다.

이와 대조적으로 Generative AI는 주로 구조화되지 않은 데이터(텍스트, 이미지, 비디오 등)에서 작동합니다. 다양한 종류의 문제(코드 생성, 이미지 생성, 검색 등)에 매우 능숙합니다.

여기서도 미래는 하이브리드입니다. 기업은 특정 작업에는 LLM을 사용하고 다른 작업에는 예측 모델을 사용할 것입니다. 가장 중요한 것은 이들을 결합하는 경우가 많다는 것입니다. LLM은 이탈 예측과 같은 정확한 예측을 제공하는 데 적합하지 않을 수 있지만 해당 예측 제공에 초점을 맞춘 다른 모델의 출력을 호출하는 LLM을 사용할 수 있으며 그 반대의 경우도 마찬가지입니다.

 

12. 얇은 래퍼, 두꺼운 래퍼, 그리고 풀 스택 경쟁

"얇은 래퍼 (thin wrapper)"는 2023년에 모두가 즐겨 사용했던 경멸적인 용어였습니다. 핵심 기능이 OpenAI와 같은 다른 회사의 기술로로 제공된다면 오래 지속되는 가치와 차별화를 구축하기 어렵다는 주장이 있습니다. 그리고 몇 달 전 Jasper와 같은 스타트업이 엄청난 수익 증가를 경험한 후 어려움을 겪고 있다는 보도는 이러한 생각을 뒷받침하는 것 같습니다.

흥미로운 질문은 젊은 스타트업이 더 많은 기능을 구축하고 시간이 지남에 따라 어떤 일이 발생하는지입니다. 얇은 포장지가 두꺼운 포장지가 되나요?

2024년에는 두꺼운 포장지 (thick wrapper)가 다음과 같은 방식으로 차별화될 것으로 보입니다.

• 종종 수직적인 특정 문제에 초점을 맞추는 경우 – 너무 수평적인 것은 Big Tech의 "킬 존"에 있을 위험이 있기 때문입니다.
• 해당 문제에 특정한 워크플로, 협업 및 심층 통합 구축
• 특정 데이터세트로 모델을 미세 조정하거나 특정 비즈니스에 맞게 맞춤화된 하이브리드 시스템(LLM, SLM 등)을 만드는 등 AI 모델 수준에서 많은 작업 수행

즉, 좁으면서도 "풀 스택"(애플리케이션과 인프라 모두)이어야 합니다.

 

13. 2024년 주목해야 할 분야 : AI 에이전트, Edge AI

지난 한 해 동안 AI 에이전트 개념을 둘러싸고 많은 관심이 있었습니다. 기본적으로 협업 방식으로 작업을 실행할 수 있는 지능형 시스템의 마지막 단계입니다. 이는 여행 예약 지원(소비자 사용 사례)부터 전체 SDR 캠페인 자동 실행(생산성 사용 사례), RPA 스타일 자동화(엔터프라이즈 사용 사례)까지 무엇이든 될 수 있습니다.

AI 에이전트는 자동화의 성배입니다. 즉, AI가 우리를 대신해 작업을 수행하는 "text to action" 패러다임입니다.

몇 달에 한 번씩 AI 세계는 작년 BabyAGI부터 최근 Devin AI(“AI 소프트웨어 엔지니어”)에 이르기까지 에이전트와 유사한 제품에 열광합니다. 그러나 일반적으로 이러한 흥분의 대부분은 지금까지 시기상조인 것으로 입증되었습니다. 여러 모델이 포함된 복잡한 시스템이 함께 작동하고 우리를 대신하여 실제 조치를 취하기 전에 Generative를 덜 취약하고 더 예측 가능하게 만들기 위해 먼저 수행해야 할 많은 작업이 있습니다. AI 시스템에 더 많은 메모리를 구축해야 하는 등 누락된 구성 요소도 있습니다. 그러나 AI 에이전트는 내년이나 2년 안에 특히 흥미로운 분야가 될 것으로 예상됩니다.

또 다른 흥미로운 분야는 Edge AI입니다. 대규모로 실행되고 엔드포인트로 제공되는 LLM에 대한 거대한 시장이 있는 만큼, AI의 성배는 GPU 없이 장치(특히 휴대폰)에서 로컬로 실행할 수 있는 모델뿐 아니라 지능적인 IoT 분야에도 큰 잠재력을 가지고 있습니다. 이 분야에는 Mixtral, Ollama, Llama.cpp, Llamafile, GPT4ALL(Nomic)와 같은 기업에서 활발히 다루고 있으며 구글과 애플도 활발히 활동할 것으로 보입니다.

 

14. Generative AI는 AGI를 향해 나아가고 있습니까, 아니면 정체기를 향해 가고 있습니까?

AI에 대한 모든 숨막히는 해석과 매주 나올 듯한 놀라운 신제품을 생각하면 거의 신성모독적인 질문입니다. 하지만 Generative AI의 발전이 AGI까지 가속화되기보다는 느려지는 세상이 있을까요? 그리고 그것은 무엇을 의미합니까?

논쟁은 두 가지입니다. a) 기본 모델은 무차별 대입 (brute force) 연습이므로 이를 제공할 리소스(컴퓨팅, 데이터)가 부족할 것이며 b) 부족하지 않더라도 궁극적으로 AGI는 LLM이 할 수 없는 추론입니다.

흥미롭게도 이는 우리가 2018년 블로그 게시물에서 설명한 대로 6년 전 업계에서 논의했던 것과 거의 동일합니다. 실제로 2018년 이후 가장 많이 변한 것으로 보이는 것은 (점점 더 많은 기능을 갖춘) 모델에 투입한 엄청난 양의 데이터와 연산량입니다.

전반적으로 우리가 AI 추론에서 얼마나 많은 진전을 이루었는지는 덜 명확합니다. DeepMind의 프로그램 AlphaGeometry는 추론을 위한 논리적 규칙인 기호 엔진과 언어 모델을 결합하므로 중요한 이정표인 것처럼 보입니다.

연산량이나 데이터의 "고갈"이 얼마나 가까워졌는지는 평가하기가 매우 어렵습니다.

"연산량 부족"의 한계는 매일 더 뒤로 밀려나는 것 같습니다. NVIDIA는 최근 Blackwell GPU 시스템을 발표했으며, 이 회사는 27조 매개변수 모델(GPT-4의 경우 1.7조)을 배포할 수 있다고 밝혔습니다.

데이터 부분은 복잡합니다. 법적으로 라이선스가 부여된 데이터 부족에 대한 보다 전술적인 질문 (모든 OpenAI 라이선스 거래 참조)과 일반적으로 텍스트 데이터 부족에 대한 더 광범위한 질문이 있습니다. 합성 데이터와 관련하여 확실히 많은 작업이 진행되고 있습니다. Yann LeCun은 모델을 한 단계 더 발전시키려면 훨씬 더 풍부한 비디오 입력을 수집할 수 있어야 하지만 아직은 불가능하다는 점에 대해 논의했습니다.

GPT-5에 대한 기대는 엄청납니다. GPT-4보다 얼마나 더 나은지는 AI의 전반적인 발전 속도를 가늠하는 지표로 널리 간주될 것입니다.

스타트업 생태계 참여자 (창업자, 투자자)의 좁은 관점에서 볼 때 중기적으로 문제는 덜 중요할 것입니다. 만약 Generative AI의 진전이 내일 멈춘다고 하더라도 우리는 우리가 개발한 것을 배포하기 전에 여전히 현재 다양한 업종과 사용 사례에 걸쳐 수년간의 비즈니스 기회를 가질 것입니다.

 

15. GPU 전쟁 (NVIDIA가 과대평가됐나요?)

우리는 연산량이 세계에서 가장 귀중한 필수품이 되는 대규모 사이클의 초기 단계에 있습니까?, 아니면 확실히 큰 충돌로 이어질 수 있는 방식으로 GPU 생산을 과도하게 구축하고 있습니까?

Generative AI 지원 GPU에 관한 거의 유일한 기업인 NVIDIA는 2022년 말 이후 주가가 5배 상승하여 2조 2천억 달러 가치로 평가되고 총 매출이 3배로 증가하는 등 확실히 좋은 순간을 보내고 있습니다. 수입에 대한 엄청난 흥분과 함께 GTC의 Jensen Huang은 2024년 가장 큰 이벤트에서 Taylor Swift와 경쟁하고 있습니다.

 

아마도 이는 부분적으로 VC가 AI에 투자한 수십억 달러의 궁극적인 수혜자였기 때문일까요?

 

그럼에도 불구하고, 회사로서의 부인할 수 없는 모든 역량에도 불구하고 NVIDIA의 행운은 현재의 골드러시가 얼마나 지속 가능한가에 달려 있을 것입니다. 하드웨어는 어렵고 대만의 TSMC에서 제조해야 하는 GPU 수를 정확하게 예측하는 것은 어려운 기술입니다.

또한 AMD에서 Intel, Samsung에 이르기까지 경쟁업체들은 대응하기 위해 최선을 다하고 있습니다. 그로크 (Groq)나 세레브라스 (Cerebras)와 같은 스타트업이 가속화되고 있으며, 샘 알트먼 (Sam Altman)이 7조 달러 규모의 칩 회사로 소문난 것처럼 새로운 스타트업이 설립될 수도 있습니다. Google, Intel, Qualcomm을 포함한 새로운 기술 기업 연합은 NVIDIA의 비밀 무기, 즉 개발자를 Nvidia 칩에 묶어두는 CUDA 소프트웨어를 노리고 있습니다.

우리의 의견: GPU 부족 현상이 완화됨에 따라 NVIDIA에 단기 및 중기적으로 하향 압력이 있을 수 있지만 AI 칩 제조업체의 장기적 전망은 여전히 믿을 수 없을 만큼 밝습니다.

 

16. 오픈 소스 AI: 좋은 점이 너무 많나요?

이것은 단지 냄비를 조금 저어주기 위한 것입니다. 우리는 오픈 소스 AI의 열렬한 팬이며 분명히 이것이 작년 쯤의 큰 추세였습니다. Meta는 Llama 모델로 대대적인 추진을 했고, 프랑스의 Mistral은 논란의 대상에서 Generative AI의 새로운 빛나는 스타로 변모했으며, Google은 Gemma를 출시했으며, HuggingFace는 수많은 모델을 호스팅하면서 언제나 활기 넘치는 오픈 소스 AI의 본거지로 계속 상승했습니다. Generative AI의 가장 혁신적인 작업 중 일부는 오픈 소스 커뮤니티에서 이루어졌습니다.

그러나 오픈 소스 커뮤니티에는 인플레이션에 대한 일반적인 느낌도 스며들어 있습니다. 이제 수십만 개의 오픈 소스 AI 모델을 사용할 수 있습니다. 대부분은 장난감이나 주말 프로젝트 수준 입니다. 모델은 순위가 오르락내리락하며, 그 중 일부는 단 며칠 만에 Github 스타 표준(결함이 있는 측정항목이지만 여전히)에 따라 급격한 상승을 경험하지만 특별히 사용할 수 있는 것으로 변환되지는 않습니다.

시장은 클라우드 제공업체와 기타 대형 기술 기업으로부터 불균형적인 지원을 받게 될 성공적인 오픈 소스 프로젝트의 힘의 법칙을 통해 자체 수정될 것입니다. 그러나 그 동안 현재의 폭발은 많은 사람들에게 어지러움을 안겨주었습니다.

 

17. AI의 실제 비용은 얼마입니까?

Generative AI의 경제학은 빠르게 발전하는 주제입니다. 그리고 놀랄 것도 없이 많은 미래는 이를 중심으로 돌아갑니다. 예를 들어, AI 기반 답변을 제공하는 비용이 10개의 블루 링크를 제공하는 비용보다 훨씬 높다면 검색 분야에서 Google에 심각하게 도전할 수 있을까요? 그리고 추론 비용이 총 이익의 상당 부분을 차지한다면 소프트웨어 회사가 진정으로 AI 기반 기업이 될 수 있을까요?

AI 모델의 고객/사용자라면 좋은 소식이 있습니다. 우리는 가격 측면에서 바닥을 향한 경쟁의 초기 단계에 있는 것 같습니다. 이는 예상보다 빠르게 진행되고 있습니다. 주요 동인 중 하나는 오픈 소스 AI (Mistral 등)와 상업용 추론 공급업체(Together AI, Anyscale, Replit)가 이러한 개방형 모델을 가져와 엔드포인트로 제공하는 병행 상승이었습니다. 고객에게는 전환 비용이 거의 없으며(다양한 결과를 생성하는 다양한 모델로 작업하는 복잡성 제외) 이는 OpenAI와 Anthropic에 압력을 가하고 있습니다. 이에 대한 예는 여러 공급업체(OpenAI, Together AI 등)가 동시에 가격을 인하하는 내장 모델의 상당한 비용 인하입니다.

벤더 관점에서 볼 때 AI 구축 및 서비스 비용은 여전히 매우 높습니다. Anthropic은 LLM을 운영하기 위해 AWS 및 GCP와 같은 클라우드 제공업체에 비용을 지불하면서 발생한 수익의 절반 이상을 지출했다고 언론에 보도 하였습니다. 게다가 출판사와의 라이센스 계약 비용도 있습니다

긍정적인 측면으로는 Generative 기술 사용자로서 우리 모두가 VC 보조금을 받는 무료 서비스의 폭발적인 증가를 즐겨야 할 수도 있습니다.

 

18. 대기업과 변화하는 AI의 정치경제: 마이크로소프트가 승리했나요?

이는 2022년 말에 모두가 가장 먼저 물어본 질문 중 하나였으며, 2024년에는 훨씬 더 중요한 질문입니다. 빅테크가 Generative AI에서 대부분의 가치를 포착할 것인가?

AI는 크기에 보상을 줍니다. 더 많은 데이터, 더 많은 연산량, 더 많은 AI 연구자가 더 많은 힘을 발휘하는 경향이 있습니다. 빅테크는 이 사실을 잘 알고 있었습니다. 이전 플랫폼 전환의 기존 업체와는 달리, 앞으로 발생할 수 있는 잠재적인 혼란에 대해서도 적극적으로 대응해 왔습니다.

거대 기술 기업들 사이에서는 확실히 마이크로소프트가 4D 체스를 두는 것 같은 느낌이 듭니다. Microsoft가 2019년에 처음 투자하여 현재 130억 달러에 달하는 OpenAI와의 관계가 분명히 있습니다. 그러나 Microsoft는 오픈 소스 경쟁사인 Mistral과도 파트너십을 맺었습니다. ChatGPT 경쟁사인 Inflection AI (Pi)에 투자한 후 최근 화려한 방식으로 인수했습니다.

그리고 궁극적으로 이러한 모든 파트너십은 Microsoft의 클라우드 컴퓨팅에 대한 필요성을 더 많이 창출하는 것으로 보입니다. Azure 수익은 전년 동기 대비 24% 증가하여 2024년 2분기에 330억 달러에 도달했으며, Azure 클라우드 성장의 6 가지 포인트는 AI 서비스에 기인합니다.

 

한편 Google과 Amazon은 OpenAI 경쟁사인 Anthropic과 파트너십을 맺고 Anthropic에 투자했습니다 (이 글을 쓰는 시점에 Amazon은 계획된 40억 달러 투자의 2차 트랜치에서 회사에 추가로 27억 5천만 달러를 투자했습니다). Amazon은 오픈 소스 플랫폼 Hugging Face와도 파트너십을 맺었습니다. 구글과 애플이 애플 제품에 제미니 AI를 통합하는 방안을 논의 중인 것으로 알려졌습니다. Meta는 완전히 오픈 소스 AI에 집중함으로써 모두를 저렴하게 제공할 수 있다고 생각합니다. 그리고 중국에서 벌어지는 일들도 많이 있죠.

분명한 질문은 스타트업이 성장하고 성공할 여지가 얼마나 있느냐 하는 것입니다. 첫 번째 단계의 스타트업 (OpenAI 및 Anthropic, 주로 Mistral이 곧 합류할 수도 있음)은 올바른 파트너십을 맺고 탈출 속도에 도달한 것으로 보입니다. 자금이 넉넉한 스타트업을 포함해 다른 많은 스타트업의 경우 심사위원단이 아직 많이 부족합니다.

Inflection AI가 인수하기로 한 결정과 Stability AI의 CEO가 고민하는 것을 읽어야 할까요? "2등급" Generative AI 스타트업 그룹의 경우 상업적 견인력을 달성하기가 더 어렵다는 인정을 읽어야 할까요?

 

19. OpenAI 열광 – 아니면 냉소?

OpenAI는 계속해서 매력적입니다. 860억 달러 가치 평가, 수익 성장, 궁정 암투 (경영자 간 불화?), 그리고 Sam Altman이 이 세대의 Steve Jobs입니다.

 

몇 가지 흥미로운 질문:

OpenAI가 너무 많은 일을 하려고 하는 걸까요?

11월 드라마가 시작되기 전에 OpenAI Dev Day가 있었습니다. 이 기간 동안 OpenAI는 모델 + 인프라 + 소비자 등 수직적(풀 스택) 및 수평적(사용 사례 전체)에서 AI의 *모든* 작업 ( 검색 + 엔터프라이즈 + 분석 + 개발 도구 + 마켓플레이스 등)을 수행할 것임을 분명히 했습니다. 스타트업이 사실상 자본에 대한 무제한 액세스를 통해 큰 패러다임 전환의 초기 리더인 경우 이는 전례 없는 전략이 아닙니다 (Coinbase가 암호화폐에서 그랬습니다). 그러나 지켜보는 것은 흥미로울 것입니다. MAD 생태계를 확실히 단순화하는 동시에, 특히 경쟁이 심화되는 상황에서는 엄청난 어려운 도전이 될 것입니다. ChatGPT 게으름 문제부터 시장 활동의 실망스러운 성과에 이르기까지 OpenAI가 비즈니스 중력 법칙에서 벗어나지 못했음을 시사합니다.

OpenAI와 Microsoft는 헤어질 것인가?

Microsoft와의 관계는 매우 흥미로웠습니다. 분명히 Microsoft의 지원은 리소스 (연산량 포함) 및 배포(기업의 Azure) 측면에서 OpenAI에 큰 도움이 되었으며, 이러한 움직임은 Generative AI 물결 초기에 마이크로소프트에게 큰 이점을 제공한다고 평가되었습니다. 동시에 방금 언급한 대로, 마이크로소프트는 OpenAI에 의존하지 않음을 명확히 했습니다 (모든 코드, 가중치, 데이터 보유). 경쟁사와 파트너십을 맺었으며(예: Mistral), Inflection AI 인수를 통해 AI 연구팀을 상당히 강화했습니다.

한편, OpenAI는 마이크로소프트와의 협력에서 단일 스레드로 남겨져 있을 것인지, 다른 클라우드에 배포되는 것을 원할 것인지 고민할 것입니다.

OpenAI의 엄청난 야망과 Microsoft가 글로벌 지배를 목표로 한다는 점을 감안할 때, 두 회사는 어느 시점에서 파트너보다는 경쟁자라고 결론을 내릴 수 있을까요?

 

20. 2024년은 기업 AI의 해가 될까?

위에서 언급했듯이 기업 (글로벌 2000대 기업으로 정의됨)의 2023년은 모두가 새로운 트렌드를 수용하기 위해 분투하지만 실제로는 아무 일도 일어나지 않는 중요한 해 중 하나로 느껴졌습니다.

몇 가지 개념 증명이 있었고 전사적 노력 없이 "빠른 승리"를 제공하는 신중한 AI 제품 (예: Synthesia*와 같은 교육 및 기업 지식을 위한 AI 비디오)이 채택되었습니다.

그 외에도 아마도 지금까지 기업에서 Generative AI의 가장 큰 승자는 Accentures일 것입니다 (Accenture는 작년에 AI 컨설팅 비용으로 20억 달러를 창출한 것으로 알려졌습니다).

 

그럼에도 불구하고 2024년은 기업 AI에 있어 중요한 해가 될 것이라는 엄청난 희망을 가지는데 전통적인 AI가 이미 상당한 발자취를 남기고 있기 때문에 (위 참조) Generative  AI도 큰 발전이 있을 것으로 기대하고 있습니다.

그러나 글로벌 2000대 기업이 직면하고 있는 몇 가지 주요 질문에 대한 답이 아직 초기 단계에 있습니다.

사용 사례는 무엇입니까?

지금까지의 쉽게 이룰 수 있는 성과는 대부분 a) 개발자 팀을 위한 코드 생성 코파일럿, b) 기업 지식 관리 (검색, 텍스트 요약, 번역 등), c) 고객 서비스를 위한 AI 챗봇 (Generative AI 이전 버전의 사용 사례)이었습니다. 확실히 다른 것 (마케팅, 자동화된 SDR 등)도 있지만 알아내야 할 것이 많습니다 (코파일럿 모드 vs 완전 자동화 등).

어떤 도구를 선택해야 할까요?

위와 같이 미래는 상용 공급업체와 오픈 소스, 대형 또는 소형 모델, 수평 및 수직 GenAI 도구의 조합인 것처럼 느껴집니다. 하지만 어디서부터 시작하나요?

누가 도구를 배포하고 유지 관리합니까?

글로벌 2000대 기업에는 분명히 기술 부족이 존재합니다. 소프트웨어 개발자 채용이 어렵다고 생각했다면 머신러닝 엔지니어를 채용해 보세요.

그들이 환각 (hallucination)을 느끼지 않도록 하려면 어떻게 해야 할까요?

RAG, 가드레일, 평가 등을 중심으로 엄청난 양의 작업이 수행되고 있지만 Generative AI 도구가 완전히 잘못되었을 가능성과 Generative AI 모델의 작동 방식을 실제로 알지 못한다는 더 광범위한 질문은 기업에서 큰 문제입니다.

ROI는 무엇입니까?

대형 기술 기업들은 자신들의 필요에 따라 Generative  AI를 일찍부터 활용해 왔으며 흥미로운 초기 데이터를 보여주고 있습니다. 수익 결산에서 Palo Alto Networks는 T&E 서비스 비용을 대략 절반으로 줄인다고 언급했고 ServiceNow는 개발자 혁신 속도를 52% 높인다고 언급했습니다. 그러나 우리는 기업에서 Generative AI의 비용/수익 방정식을 아직 초기 단계로 이해하고 있습니다.

Generative AI 벤더에게 좋은 소식은 기업 고객이 예산 (중요하게는 더 이상 "혁신" 예산이 아니라 실제 OpEx 예산, 다른 곳에서 재할당될 수 있음)과 이를 파악하기 위한 리소스를 할당하는 데 많은 관심이 있다는 것입니다. 하지만 우리는 아마도 1년이 아닌 3~5년 배포 주기에 대해 이야기하고 있는 것 같습니다.

 

21. AI가 SaaS를 죽일 것인가?

이것은 지난 12개월 동안 유행했던 아이디어 중 하나였습니다.

질문의 한 가지 버전:

AI를 사용하면 코딩 속도가 10배 향상되므로 일반 개발자 몇 명만으로도 필요에 맞는 SaaS 제품의 맞춤형 버전을 만들 수 있습니다. 직접 구축할 수 있는데 왜 SaaS 제공업체에 많은 돈을 지불해야 합니까?

질문의 또 다른 버전:

미래는 일련의 에이전트로 하나의 AI 인텔리전스 (여러 모델로 구성될 수 있음)가 회사 전체를 운영할 것 입니다. AI 인텔리전스가 완전히 자동화되고 원활한 방식으로 모든 작업을 수행하므로 더 이상 HR 소프트웨어, 재무 소프트웨어 또는 영업 소프트웨어를 구매할 필요가 없습니다.

우리는 실제로 본격적인 방식으로 일어나고 있는 두 가지 트렌드와는 다소 거리가 있는 것처럼 보이지만, 우리 모두 알고 있듯이 AI에서는 상황이 매우 빠르게 변합니다.

한편, 미래에는 AI가 모든 제품에 내장됨에 따라 SaaS 제품이 더욱 강력해질 것으로 보입니다.

 

22. AI가 벤처캐피탈을 죽일 것인가?

AI가 회사 선택 및 투자 후 부가가치 측면에서 벤처 캐피탈을 자동화할 수 있는지 여부에 대한 (항상 재미있는) 주제를 제쳐두고, 자산 클래스가 AI 플랫폼 전환에 맞게 크기가 조정되었는지에 대한 흥미로운 일련의 질문이 있습니다.

 

벤처캐피털이 너무 작은가?

전 세계의 OpenAI는 수십억 달러를 조달해야 하며, 더 많은 수십억 달러를 조달해야 할 수도 있습니다. 이러한 수십억 달러 중 상당수는 Microsoft와 같은 대기업에서 제공되었으며 아마도 대부분 지분 계산 (연산량 제공) 거래의 형태로 제공되었을 것입니다. 물론 많은 VC도 대규모 기반 모델 회사에 투자했지만, 최소한 자본 집약도가 높은 스타트업에 대한 투자는 전통적인 VC 소프트웨어 투자 모델에서 확실히 벗어났습니다. 아마도 AI 투자에는 적어도 LLM 회사의 경우 대규모 VC 자금이 필요할 것입니다. 이 글을 쓰는 시점에서 사우디아라비아는 미국 VC 회사와 협력하여 400억 달러 규모의 AI 펀드를 곧 출시할 것으로 보입니다.

벤처캐피탈이 너무 큰가?

만약 AI가 우리의 생산성을 10배로 높일 것이라고 믿는다면, 슈퍼 코더와 자동화된 SDR 에이전트 및 자동화된 마케팅 생성을 포함하여, 우리는 이론상으로 수억 달러의 수익을 창출할 수 있는 소수 팀 (또는 아마도 단 한 명의 개인 사업자) 에 의해 완전히 자동화된 기업 세대의 탄생을 목격할 수 있을까요? 개인 사업자가 운영하는 1억 달러 규모의 ARR 회사에 벤처 캐피탈이 필요합니까?

현실은 항상 더 미묘하지만, 실제 가치 창출이 기초 모델 계층이나 애플리케이션 계층에서 일어날 것이라고 믿는다면 오늘날 존재하는 벤처 캐피털 자산 클래스가 불편할 정도로 혼란스러워지는 세상에 있습니다.

 

23. AI가 소비자를 살릴 것인가?

소비자는 소셜 미디어와 모바일 시대부터 차세대 바람을 찾고 있습니다. Generative AI가 그럴 수도 있습니다.

특히 흥미로운 예로 MidJourney는 2억 달러에서 3억 달러 사이의 금액으로 갑자기 등장했으며 소규모 팀 (누구에게 요청하느냐에 따라 40~60명)이 있다는 점을 고려하면 아마도 엄청난 수익을 낼 수 있을 것입니다.

몇 가지 흥미로운 영역(다른 많은 것 중에서):

검색:

수십 년 만에 처음으로 Google의 검색 독점이 초기 단계이지만 신뢰할 수 있는 경쟁자를 갖게 되었습니다. Perplexity AI 및 You.com과 같은 소수의 스타트업이 검색 엔진에서 답변 엔진으로의 진화를 주도하고 있습니다.

AI 컴패니언:

디스토피아적 측면을 넘어, 모든 인간에게 지식, 오락, 치료 등 자신의 특정 요구에 맞춰 무한히 인내심을 갖고 도움이 되는 동반자가 있다면 어떨까요?

 

AI 하드웨어:

Humane, Rabbit, VisionPro는 소비자 하드웨어 부문에서 흥미로운 진입점입니다.

초개인화된 엔터테인먼트:

Generative AI 기반 도구가 계속해서 향상되고 저렴해짐에 따라 우리는 어떤 새로운 형태의 엔터테인먼트와 예술을 발명하게 될까요?

 

24. AI와 블록체인: 황당한가요, 아니면 흥미롭나요?

AI와 암호화폐의 교차점은 X/Twitter 농담을 위한 완벽한 먹이처럼 느껴집니다.

그러나 빅테크부터 공개되지 않은 것으로 유명한 OpenAI에 이르기까지 가장 많은 연산량, 데이터 및 AI 자원이 소수의 기업에 집중되고 있다는 것은 부인할 수 없는 우려입니다. 한편, 블록체인 제안의 핵심은 참가자가 리소스와 자산을 공유할 수 있는 분산형 네트워크를 생성할 수 있도록 하는 것입니다. 거기에는 우리가 몇 년 전 부터 고민한 주제로 탐구할 만한 비옥한 영역이 있습니다.

Bittensor* (분산형 기계 지능 플랫폼), Render (분산형 GPU 렌더링 플랫폼), Arweave (분산형 데이터 플랫폼)를 포함하여 다수의 AI 관련 암호화폐 프로젝트가 눈에 띄게 가속화 되었습니다.

올해 MAD 생태계에는 암호화폐 섹션이 포함되지 않았지만 이는 주목할만한 흥미로운 영역입니다.

이제 언제나 그렇듯이 문제는 암호화폐 산업이 스스로를 도울 수 있는지, 수백 개의 AI 관련 밈코인, 펌프 앤 덤프 계획 (pump-and-dump scheme) 및 사기에 빠지지 않을 수 있는지 여부입니다.

보너스: 여기서 논의하지 않은 다른 주제:

• AI가 우리 모두를 죽일 것인가? AI 둠스데이 vs AI 가속주의자
• 규제, 개인 정보 보호, 윤리, 딥 페이크
• AI는 실리콘밸리에서만 만들 수 있을까?

 

PART III: 금융, M&A 그리고 IPOS

자금조달

현재 금융 환경은 AI 등 모든 것이 존재하는 '두 시장 이야기' 상황 중 하나입니다.

전체 자금은 계속해서 흔들리며 2023년에는 42% 감소한 2,484억 달러를 기록했습니다. 2024년 첫 몇 달 동안 일부 회복세가 나타났지만 현재 추세는 거의 동일합니다.

위에서 설명한 모든 이유로 인해 데이터 인프라에서는 자금 활동이 거의 없었으며 Sigma Computing 및 Databricks는 드문 예외였습니다.

반면 AI는 완전히 다른 이야기였습니다.

AI 펀딩 시장의 피할 수 없는 특징은 다음과 같습니다.

• 소수의 스타트업, 특히 OpenAI, Anthropic, Inflection AI, Mistral 등에 대규모 자본이 집중되어 있습니다.
• 기업 투자자들의 불균형적인 활동 수준이 있었습니다.. 2023년 가장 활발한 AI 투자자 3곳은 마이크로소프트, 구글, 엔비디아 입니다.
• 위의 기업 거래에서 현금인지 "자산을 위한 컴퓨팅"인지에 대한 일부 불명확한 점이 있습니다.

2023년 MAD 이후 주목할만한 거래를 대략적인 시간순으로 나열합니다 (완전한 목록은 아닙니다!).

• 기본 모델 개발자인 OpenAI는 2회에 걸쳐 103억 달러를 모금했으며 현재 가치는 860억 달러입니다.
• 또 다른 기초 모델 개발자인 Adept는 평가액 10억 달러로 3억 5천만 달러를 모금했습니다.
• 금융 서비스를 위한 시장 조사 플랫폼인 AlphaSense는 2회에 걸쳐 4억 7,500만 달러를 모금했으며 현재 가치는 25억 달러입니다.
• 또 다른 기본 모델 개발자인 Anthropic은 3회에 걸쳐 184억 달러의 가치로 64억 5천만 달러를 모금했습니다.
• 벡터 데이터베이스 플랫폼인 Pinecone은 평가액 7억 5천만 달러에서 1억 달러를 모금했습니다.
• 메모리 및 컴퓨팅을 위한 광학 상호 연결 기술 플랫폼인 Celestial AI는 2회에 걸쳐 2억 7,500만 달러를 모금했습니다.
• GPU 클라우드 제공업체인 CoreWeave는 25억 달러 가치 평가로 4억 2100만 달러를 모금했습니다.
• 컴퓨팅용 조명 칩 개발사인 Lightmatter는 2회에 걸쳐 3억 8백만 달러를 모금했으며 현재 가치는 12억 달러입니다.
• 클라우드 호스팅 데이터 분석 플랫폼인 Sigma Computing은 평가액 11억 달러로 3억 4천만 달러를 조달했습니다.
• 또 다른 기초 모델 개발자인 Inflection은 40억 달러 가치 평가에서 13억 달러를 모금했습니다.
• 기초 모델 개발자인 Mistral은 2회에 걸쳐 5억 2,800만 달러를 모금했으며 현재 가치는 20억 달러입니다.
• 기본 모델 개발자인 Cohere는 20억 달러 가치 평가로 2억 7천만 달러를 모금했습니다.
• 생성적 비디오 모델 개발자인 Runway는 15억 달러 가치 평가로 1억 9100만 달러를 모금했습니다.
• 기업용 비디오 생성 플랫폼인 Synthesia*는 평가액 10억 달러에서 9천만 달러를 조달했습니다.
• 오픈 소스 모델 작업을 위한 기계 학습 및 데이터 과학 플랫폼인 Hugging Face는 평가액 45억 달러에서 2억 3,500만 달러를 모금했습니다.
• 코드 생성 및 소프트웨어 개발을 위한 기본 모델 개발자인 Poolside는 1억 2600만 달러를 모금했습니다.
• AI 개발 플랫폼인 Modular는 평가액 6억 달러에서 1억 달러를 모금했습니다.
• AI 에이전트 개발자인 Imbue는 2억 1200만 달러를 모금했습니다.
• 데이터, 분석 및 AI 솔루션 제공업체인 Databricks는 평가액 432억 달러로 6억 8,400만 달러를 조달했습니다.
• 또 다른 기본 모델 개발자인 Aleph Alpha는 4억 8600만 달러를 모금했습니다.
• 기초 모델 개발자인 AI21 Labs는 14억 달러 가치 평가로 2억 8백만 달러를 모금했습니다.
• Generative AI 개발을 위한 클라우드 플랫폼 Together는 2회에 걸쳐 2억 850만 달러를 모금했으며 현재 가치는 12억 5천만 달러입니다.
• 딥 러닝용 데이터 플랫폼인 VAST Data는 91억 달러 가치 평가에서 1억 1,800만 달러를 조달했습니다.
• 항공우주 및 방위 산업을 위한 AI 파일럿 개발자인 Shield AI는 평가액 28억 달러에서 5억 달러를 모금했습니다.
• 기초 모델 개발자인 01.ai는 10억 달러 가치 평가로 2억 달러를 모금했습니다.
• 항공우주 및 국방용 정밀 부품 공장 제조업체인 Hadrian은 1억 1700만 달러를 모금했습니다.
• 고객 서비스/경험을 위한 AI 챗봇 개발자인 Sierra AI는 두 라운드에 걸쳐 1억 1천만 달러를 모금했습니다.
• AI 기반 기업 검색 플랫폼인 Glean은 22억 달러 가치 평가에서 2억 달러를 조달했습니다.
• GPU 클라우드 제공업체인 Lambda Labs는 평가액 15억 달러로 3억 2천만 달러를 모금했습니다.
• 코드 생성 및 소프트웨어 개발을 위한 기초 모델 개발자인 Magic은 평가액 5억 달러에서 1억 1,700만 달러를 모금했습니다.

 

M&A, 비상장 거래

M&A 시장은 2023년 MAD 이후 상당히 조용했습니다.

많은 기존 소프트웨어 인수자는 인수 기회를 적극적으로 찾기보다는 자체 주가와 전반적인 비즈니스에 집중했습니다.

특히 엄격한 독점금지 환경으로 인해 잠재적인 인수자가 상황을 더욱 까다롭게 만들었습니다.

 

사모펀드 회사들은 합리적으로 활동하여 더 어려운 시장에서 더 낮은 가격의 기회를 모색했습니다.

MAD 생태계에서 수년에 걸쳐 등장한 기업과 관련된 몇 가지 주목할만한 거래(규모 순):

• 반도체 제조업체인 Broadcom은 클라우드 컴퓨팅 회사인 VMWare를 690억 달러에 인수했습니다.
• 네트워킹 및 보안 인프라 회사인 Cisco는 모니터링 및 관찰 플랫폼인 Splunk를 280억 달러에 인수했습니다.
• 고객 경험 관리 회사인 Qualtrics는 Silver Lake와 CPP Investments에 의해 125억 달러에 비상장으로 전환되었습니다.
• 지출 관리 플랫폼인 Coupa는 Thoma Bravo에 의해 80억 달러에 비상장으로 전환되었습니다.
• 모니터링 및 관찰 플랫폼인 New Relic은 Francisco Partners와 TPG에 의해 65억 달러에 인수되었습니다.
• 데이터 분석 플랫폼인 Alteryx는 Clearlake Capital과 Insight Partners에 의해 44억 달러에 비상장으로 전환되었습니다.
• 수익 조정 플랫폼인 Salesloft는 Vista Equity에 의해 23억 달러에 인수되었으며, 이후 고객 경험을 위한 AI 챗봇 개발자인 Drift도 인수했습니다.
• 데이터 레이크하우스 제공업체인 Databricks는 AI 개발 플랫폼인 mosaicML을 13억 달러에 인수했습니다 (그리고 Arcion 및 Okera와 같은 더 적은 금액으로 다른 여러 회사도 인수했습니다).
• 데이터 분석 플랫폼인 Thoughtspot은 비즈니스 인텔리전스 스타트업인 Mode Analytics를 2억 달러에 인수했습니다.
• 데이터 웨어하우스 제공업체인 Snowflake는 소비자 AI 검색 엔진인 Neeva를 1억 5천만 달러에 인수했습니다.
• 클라우드 호스팅 제공업체인 DigitalOcean은 클라우드 컴퓨팅 및 AI 개발 스타트업인 Paperspace를 1억 1100만 달러에 인수했습니다.
• 클라우드 컴퓨팅용 칩 제조사 NVIDIA가 엣지용 AI/ML 최적화 플랫폼인 OmniML을 인수했습니다.

 

그리고 물론, 마이크로소프트의 인플렉션 AI '비인수 인수'도 있었습니다.

2024년은 AI M&A의 해가 될까? 많은 것은 지속적인 시장 모멘텀에 달려 있습니다.

• 시장 하위권에서는 강력한 팀을 갖춘 많은 젊은 AI 스타트업이 지난 12~18개월 동안 자금을 지원 받았습니다. 지난 10년간 AI 과대 광고 주기의 마지막 두 번 동안 초기 자금 조달 주기 이후에 많은 인수가 발생했습니다. 종종 해당 회사가 가진 실제 견인력에 비해 불균형한 가격으로 보였지만 AI 인재는 항상 드물었고 오늘날에도 그리 많지 않습니다.
• 상위 시장에는 선도적인 데이터 플랫폼과 선도적인 AI 플랫폼 간의 추가 융합에 대한 강력한 비즈니스 근거가 있습니다. 그러나 이러한 거래는 훨씬 더 비쌀 가능성이 높습니다.

 

IPO?

증시에서는 AI가 뜨거운 트렌드가 됐다. "매그니피센트 7" 주식 (Nvidia, Meta, Amazon, Microsoft, Alphabet, Apple 및 Tesla)은 2023년에 최소 49% 상승하여 전체 주식 시장을 상승시켰습니다.

전반적으로 증시에서는 여전히 순수 AI 주식이 심각하게 부족합니다. 사용 가능한 소수는 프리미엄을 받습니다. Palantir 주가는 2023년에 167% 상승했습니다.

이는 AI 관련 IPO 전 스타트업 전체 그룹에 좋은 징조가 될 것입니다. MAD 생태계에는 상당한 규모의 회사가 많이 있습니다. 무엇보다도 Databricks뿐만 아니라 Celonis, Scale AI, Dataiku* 또는 Fivetran을 포함한 수많은 다른 회사도 있습니다.

그런 다음 OpenAI와 Anthropic이 상장에 대해 어떻게 생각할 것인지에 대한 흥미로운 질문이 있습니다.

그 동안 2023년은 IPO 측면에서 매우 부진한 한 해였습니다. 소수의 MAD 관련 회사만이 상장되었습니다.

• 마케팅 자동화 플랫폼인 Klaviyo는 2023년 9월에 92억 달러의 가치로 상장되었습니다 (Klaviyo S-1 분해도 참조).
• AI 플레이어에게 콘텐츠 라이선스를 제공하는 포럼 스타일의 소셜 네트워킹 플랫폼인 Reddit은 2024년 3월에 64억 달러의 가치로 상장되었습니다.
• AI 및 클라우드 인프라를 위한 지능형 연결을 제공하는 반도체 회사인 Astera Labs는 2024년 3월에 55억 달러의 가치로 상장되었습니다.

 

결론

우리는 매우 특별한 시대에 살고 있습니다. 우리는 패러다임 전환의 초기 단계에 있습니다. 새로운 것을 실험하고 시도해 볼 시간입니다. 우리는 이제 막 시작했습니다.