앤트로픽·오픈AI IPO를 공매도하고 싶다는 쪽의 논리

AI IPO가 뜨겁긴 한데, 숫자가 너무 커짐

• 프런티어 AI 랩들이 공개 시장으로 들어가려는 레이스가 시작됨

  • 앤트로픽은 비밀리에 기업공개를 신청했고, 오픈AI도 자체 초안을 준비 중인 것으로 알려짐
  • 거론되는 기업가치는 앤트로픽 9650억 달러, 오픈AI 8520억 달러 수준
  • 둘 다 각각 600억 달러 조달을 목표로 하고 있고, 여기에 1조 7500억 달러 상장을 추진하는 스페이스X까지 붙으면 닷컴 버블 이후급 자본 집중이라는 얘기가 나옴

• 글의 핵심은 단순함. “이 회사들이 진짜 그만한 돈을 벌 시장에 붙어 있나?”임

  • 프런티어 모델은 네트워크 좋고, 인재 많고, 컴퓨팅 예산 있는 상위권 기업에서 가장 멋진 데모를 보여줌
  • 문제는 그 영역이 전 세계 AI 수요의 상위 15%에 가깝다는 점이고, 앤트로픽은 특히 그쪽 의존도가 더 강하다고 봄

진짜 수요는 덜 화려한 곳에 있음

• 글쓴이는 “미국 대기업용 초지능 에이전트”가 AI의 킬러 앱이 아닐 수 있다고 봄

  • 비즈니스 역사에서 돈이 되는 곳은 멋진 데모가 아니라 충족되지 않은 수요가 있는 곳이었음
  • 지금 AI 담론은 실리콘밸리식 지식노동자 자동화에 과하게 쏠려 있고, 실제 매출이 날 수 있는 구역은 덜 섹시한 산업에 숨어 있다는 얘기

• 선진국 쪽에서는 레거시 현대화가 대표 사례로 나옴

  • 은행, 보험사, 정부 부처 시스템은 여전히 오래된 메인프레임과 코볼 코드에 크게 의존함
  • 핵심 은행 시스템의 약 43%, ATM 거래의 95%가 코볼에서 돌아간다는 숫자가 꽤 세게 들어옴
  • 앤트로픽이 클로드로 이런 현대화를 자동화할 수 있다고 주장하자 IBM 주가가 하루에 13.2% 빠졌고, 2000년 이후 최악의 하루였다고 함

• 개발도상국 쪽에서는 결제 데이터 기반 신용평가가 훨씬 직접적인 시장으로 제시됨

  • 인도, 브라질, 인도네시아, 케냐, 베트남 같은 ‘도약형’ 경제권에는 모바일 지갑 사용자와 거래 기록은 많은데 공식 신용 대출을 못 받는 사람이 많음
  • 결제 데이터로 학습한 AI 신용평가, 신원 인증, 사기 탐지는 바로 돈으로 이어질 수 있는 영역임
  • 인도 UPI는 2026년 3월 한 달에만 226억 건의 거래를 처리했고, 모바일 머니는 2025년 전 세계적으로 2조 달러 이상을 움직였음

• 사하라 이남 아프리카와 남아시아의 농업 영역도 예시로 등장함

  • 연구에 따르면 아프리카 7개국에서 AI 농작물 질병 탐지 하나만 적용해도 1400만 소농에게 61억 달러 가치를 만들 수 있음
  • 재밌는 건 이 지역 사용자들이 AI에 대한 신뢰도를 매우 높게 보고했다는 점임
  • 실리콘밸리 임원들이 열광하는 IPO 스토리보다, 실제 현장에서 AI를 쓸 동기가 더 강할 수 있다는 얘기임

모델보다 오래 가는 건 인프라일 수 있음

• 글은 닷컴 버블과 모바일 시대를 다시 끌고 옴

  • 1999년에 돈은 펫츠닷컴과 웹반 같은 화려한 인터넷 스토리로 몰렸지만, 오래 가는 매출은 라우터의 시스코, 콘텐츠 전송의 아카마이, 나중의 AWS 같은 인프라에서 나옴
  • 모바일도 비슷해서, 장기 승자는 특정 휴대폰 제조사가 아니라 모든 통신사가 빌려야 하는 기지국 타워 회사였다는 설명

• AI에서도 비슷한 일이 벌어지고 있다는 게 이 글의 투자 논리임

  • 어떤 모델이 이기든 AI를 쓰려는 회사는 데이터 파이프라인, 카탈로그, 거버넌스, 인프라 비용을 계속 내야 함
  • 2025년 인수합병 시장에서 뜨거웠던 영역도 모델 회사가 아니라 데이터 인프라였음
  • IBM은 DataStax, 서비스나우는 Data.world, 세일즈포스는 Informatica를 80억 달러에 샀음

sequenceDiagram
    participant 기업 as 기업 구매자
    participant 모델 as 프런티어 AI 랩
    participant 데이터 as 데이터 인프라
    participant 현장 as 레거시·결제·농업 현장
    기업->>모델: 생산성 향상 기대하고 도입 검토
    모델-->>기업: 비싼 모델 API와 에이전트 제안
    기업->>기업: 투자수익률이 맞는지 계산
    현장->>데이터: 실제 거래·코드·작물 데이터 축적
    데이터-->>기업: 반복 사용되는 기반 계층 제공
    기업->>데이터: 모델보다 오래 가는 비용 지불

• 인프라 쪽 숫자는 꽤 냉혹함
  • 베인은 AI가 현재 컴퓨팅 지출을 정당화하려면 2030년까지 연간 2조 달러 매출이 필요하다고 봄
  • 그런데 현재 전망으로는 8000억 달러가 부족함
  • 오라클은 2480억 달러 규모의 데이터센터 임대 계약을 공개했는데, 임대 기간은 15~19년이고 고객 계약은 보통 5년이라 만기 불일치가 큼
  • 오픈 웨이트 모델은 추론 비용을 연 30~50%씩 낮추고 있어, 모델 레이어의 마진 방어가 더 어려워짐

그래서 공매도 논리는 뭔가

• 이 글이 “오픈AI와 앤트로픽은 망한다”고 단정하는 건 아님

  • 오픈AI가 매출 목표를 따라잡을 수도 있고, 앤트로픽이 기업 고객에게 충분히 가치를 입증할 수도 있음
  • 스페이스X의 발사 경제학도 가격을 정당화할 가능성이 있음

• 다만 IPO 레이스가 팔고 있는 이야기는 꽤 큰 가정을 깔고 있음

  • AI가 전 세계 지식노동자 경제에 거의 마찰 없이 퍼질 것
  • 기업들이 비싼 모델 비용을 감당할 만큼 생산성 향상을 확인할 것
  • 프런티어 모델 계층이 오픈소스와 비용 하락에도 방어 가능한 마진을 유지할 것

• 글쓴이는 과거 큰돈을 번 투자자들이 IPO 순간의 제일 화려한 스토리를 산 게 아니라고 정리함

  • 그들이 던진 질문은 “수요가 어디 있나”와 “모든 참여자가 반복해서 돈 낼 수밖에 없는 건 뭔가”였음
  • 1999년에는 라우터, 2007년에는 기지국 타워였고, 지금은 코볼 현대화 계약, 사기 탐지 레일, 농작물 질병 모델일 수 있다는 결론

기술 맥락

• 이 글의 기술적 선택은 “가장 좋은 모델을 누가 만드느냐”보다 “모델이 붙을 데이터와 업무 흐름이 어디 있느냐”를 보는 쪽이에요. 개발 현장에서도 비슷하거든요. 데모가 멋진 도구보다, 실제 병목에 붙어서 반복적으로 쓰이는 도구가 오래 살아남아요.

• 코볼 현대화 사례가 중요한 이유는 레거시 시스템이 단순히 오래된 코드가 아니라 은행, 보험, 정부 업무의 핵심 경로이기 때문이에요. 이런 시스템은 한번 갈아엎기 어렵고 리스크가 커서, AI가 안전하게 분석·변환·검증을 도와줄 수 있다면 비용을 낼 명분이 생겨요.

• 결제 데이터 기반 신용평가도 같은 맥락이에요. 이미 모바일 지갑과 결제 레일은 대규모로 돌아가고 있는데, 그 데이터를 신용·사기 탐지에 연결하지 못한 수요가 남아 있는 거예요. 모델 성능보다 데이터 접근권과 운영 통제가 더 중요해지는 지점이죠.

• 데이터 인프라 인수합병이 뜨거운 이유도 여기 있어요. 어떤 대규모 언어 모델(LLM)이 이기든 기업은 데이터를 정리하고, 권한을 통제하고, 파이프라인을 유지해야 해요. 그래서 모델 레이어보다 아래쪽 기반 계층이 더 방어적인 매출을 만들 수 있다는 논리가 나와요.