# OpenAI와 Anthropic으로 자원 집중 현상 – Dylan Patel의 연산 집중론

> https://bookfactory.kr/c/ai-tech/11474
> 게시판: AI·머신러닝
> 작성자: admin
> 작성일: 2026-09-13T01:49:16.927Z

---

![見出し画像](https://assets.st-note.com/production/uploads/images/307501423/rectangle_large_type_2_b18ed0f1c28848913b968782a734bfec.png?width=1280)

司会のDwarkesh Patel는 SemiAnalysis 창업자인 Dylan Patel와의 대담을 매년 반복되는 가족의 감사 행사와 유사한 것으로 가볍게 언급했다.

그녀와 그 남자는 같은 성씨였지만, 실제 형제는 아니었다. 대담이 막바지에 이르자, 대화는 가족 식탁과는 정반대인 곳으로 흘러갔다.

OpenAI와 Anthropic이라는 두 기업으로 집중될 가능성이 있다.

Anthropic와 OpenAI는 2028년까지 세계의 연산 능력이 대다수를 차지할 것으로 예상된다. 하지만 이 기사에서 생각하고 싶은 것은 그 예측이 맞는지 틀리는 것뿐만이 아니다.

더욱 중요한 것은 왜 셈 능력의 집중이 일단 시작되면 자동적으로 가속화될 수 있는가 하는 점이다.

다이런 패틀은 SemiAnalysis의 창립자, CEO, 최고 분석가이며, SemiAnalysis는 AI 및 반도체 분야의 유료 구독 리서치 및 기관 모델을 판매하고 있다. 즉, 여기서 다루는 연산 능력 수요와 설비 투자에 대한 미래 전망은 이 회사의 분석 사업과 중첩되는 입장에서 제시된 시장 예측을 의미한다. 이 점을 염두에 두고 읽기를 바란다.

## 모든 출발점은 “1메가와트가 얼마나 수익을 올리는가”이다.

![](https://assets.st-note.com/img/1787816291-vhcILykjEVYHTJdRXGCM14NB.png?width=1200)

AI의 연산 능력은 GPU의 개수나 모델의 파라미터 수로 설명되는 경우가 많다.

그러나 다이언이 이 대담에서 반복적으로 사용한 단위는 1메가와트당 수익이었다.

메가와트는 원래 전력의 단위이며, 데이터센터 세계에서는 어느 정도의 AI 컴퓨팅 장비를 구동할 수 있는지를 나타내는 대략적인 척도로 사용된다.

딜런은 현재 AI 컴퓨팅이 1메가와트당 약 1천만 달러에서 1억 5천만 달러 사이의 충분한 수익성을 가진 시장이라고 설명했다. 반면, 대담에서는 Anthropic을 1메가와트당 6천만 달러 이상의 수익성을 가진 사례로 다루는 부분이 있었다.

같은 revenue per MW 지표로 비교할 수 있다고 가정했을 때, 6,000만 달러 이상의 하한선에서 단순 계산하면,

- 600만 달러를 1000만 달러로 나누면 6배입니다.
- 6000만 달러를 1500만 달러로 나누면 4배입니다.

이는 약 4~6배에 해당하는 값으로 나타나지만, 기업 간 동일 조건의 숫자 일치 여부를 확인하기 어렵고, 이는 엄밀한 비교를 의미하지 않으며 순이익률을 그대로 해석할 수 없는 것이다.

연구 개발비, 인건비, 네트워크, 데이터 센터 건설, 전력, 감가상각비 등은 별도로 존재한다. Dylan 스스로도 설비 투자부터 최종 AI 수익까지에는 많은 CapEx와 OpEx가 얽혀 있다고 반복적으로 지적하고 있다.

더욱이 다이런은 2027년 말 연구소의 MW당 매출액이 5천만 달러를 초과하고, 조건에 따라 7천만 달러에서 8천만 달러/MW까지 상승할 가능성을 예측하고 있다. 이는 확정된 수치가 아니며, 가정에 기반한 미래 시나리오이다.

그렇다고 중요한 것은, 과거에 추론 서비스를 제공하면서 적자를 냈던 모델층에서, 컴퓨팅 자원 추가 구매가 가능한 충분한 수익이 발생하기 시작했다는 그의 견해이다.

여기, AI 산업의 구조가 변화한다.

이전 AI 연구소는 투자자로부터 자금을 모아 그 자금으로 GPU를 구매하고, 손실을 내면서 모델을 제공했다.

그러나 1메가와트가 충분한 수익을 창출하게 되면 다일이 그린 시나리오대로 다음 루프가 성립할 수 있다.

- 셈 능력 향상에 투자하다
- 추론 서비스를 통해 수익을 창출
- 다음 투자 수익을 다음 단계로 재투자합니다.
- 더 강력한 모델을 만드는 방법
- 1메가와트당 가치가 더욱 상승

산력은 단순한 비용이 아닌, 다음 산력 구매 자금으로 활용될 수 있다.

## 수익력의 차이가 곧바로 ‘셈을 사는 권리’의 차이로 나타난다.

이러한 구조를 이해하면 OpenAI나 Anthropic이 자체적으로 건설하지 않은 데이터센터까지도 “두 회사의 연산 능력”으로 수치되는 이유가 명확해진다.

딜런의 생각에 따르면, 장비가 물리적으로 누가 소유하고 있는지보다 최종적으로 누가 그 모델을 작동시키고, 누가 수익을 창출하는지에 더 중요합니다.

Amazon의 장비를 이용하여 Anthropic의 모델을 실행한다면, 그 컴퓨팅 자원은 경제적으로 Anthropic의 수요에 따라 움직일 것이다. SpaceX나 클라우드 사업자가 시설을 구축하더라도, 가장 높은 가격을 지불할 수 있는 고객이 OpenAI와 Anthropic이라면, 그 시설은 두 회사로 유입될 것이다.

다이런의 추계에 따르면, 2026년까지 새롭게 성장할 세계의 AI 연산 능력의 약 30%가 최종적으로 OpenAI와 Anthropic에 집중될 것으로 보인다.

2027년에는 그 비율이 40~50%까지 오르는 가능성이 있다는 것이다.

더 나아가 2028년에는 두 회사가 신규 태양광 발전의 70~80%를 확보하는 상황이 예상된다면, 현재 가격으로는 시장이 성립되지 않을 수도 있습니다. 다이런은 1메가와트당 2,500만 달러, 4,000만 달러, 심지어 그 이상으로 가격이 상승할 가능성을 논의하고 있습니다.

이는 법적 독점과는 다르다.

다른 회사의 GPU를 금지할 필요도 없으며, 데이터 센터를 인수할 필요도 없습니다.

가장 높은 수익을 올릴 수 있는 기업이 셈력 시장의 최고 입찰자가 되기 쉬운 경향이 있다.

최고 입찰자는 다음 산출량을 확보하며, 수익성을 더욱 향상시킨다.

이 시나리오에서는 산력 집중이 명령이나 규제 없이도 입찰 결과에 따라 진행될 수 있다.

## 새로운 1메가와트는 이전의 1메가와트와 동일하지는 않습니다.

![](https://assets.st-note.com/img/1787816295-nk7JywLTZMH2GODcXlsjVWBg.png?width=1200)

여기서 또 하나, 전력을만 계산하면 놓치는 것이 있다.

다이런은 GB300, TPU v7, Trainium 3와 같은 새로운 세대의 AI 칩은 이전 세대보다 1와트당 성능이 3~5배 높아진다고 설명한다.

즉, 신세대 1메가와트와 전세대 1메가와트에서는 처리 가능한 AI 계산량이 다르다.

낡은 트럭 100대와 새로운 고속 철도 100량을 “乗り物100대”라고 세는 것은 아무 의미가 없는 것과 같습니다.

두 회사가 신규 전력 용량의 절반을 확보한다면, 최신 하드웨어에서 가진 효율 차이 때문에 실제로 이용 가능한 AI 계산량, 즉 유저블 FLOPs의 비율은 전력 비율 이상으로 집중될 것이다.

이러한 경향이 지속된다면, 2028년 말에는 OpenAI와 Anthropic이 세계의 유효한 AI 컴퓨팅 자원의 대부분을 사실상 통제할 수 있을 것이라는 것이 Dylan의 예측이다.

하지만 여기서 말하는 “통제”는 반드시 소유를 의미하는 것이 아니다.

저희사가 보유한 장기 계약, 클라우드 기반, 전용 칩, 타사 장비 임차를 모두 포함하는 경제적 이용권의 집중입니다.

## 가장 기묘한 역설——추론의 수익화가 진행될수록 추론을 판매하지 않게 된다.

![](https://assets.st-note.com/img/1787816298-SXCktUDYjbmor1sLRNFiE2Wl.png?width=1200)

평범한 사업이라면 수익화 수준이 높은 상품은 더 많이 판매할 것이다.

AI는 추론 1MW당 수익화 수준이 높아지면 외부 고객에게 제공하는 계산 자원을 늘리는 것을 자연스럽게 고려할 것이다.

하지만 다이런은 반대로 미래를 예측한다.

AI랩은 앞으로 추론에 사용하는 ‘산력’의 비중을 줄이고 연구 개발에 집중하는 비중을 늘릴 계획이다.

현재의 산력 배분은

- 연구: 약 50%
- 모델 개발: 약 10%
- 외부 대상 추론: 약 40%

그렇습니다.

모델이 강해짐에 따라 추론 1메가와트의 수익이 올라갈수록 그 셈풀이를 외부로 판매할 기회 비용도 상승한다.

왜냐하면 동일한 계산 자원을 내부적으로 활용한다면,

- 코드 생성 속도 향상
- 다음 모델의 실험을 확대
- 학습 데이터 제작 과정입니다.
- 평가 자동화
- 추론 기반을 최적화한다
- 차세대 모델 연구를 진행한다

그렇기 때문에 가능합니다.

외부로 1 토큰을 판매하는 것인가.

다음 모델을 더 빠르게 완성하기 위해 1 토큰 상당의 컴퓨팅 자원을 활용할지 고려한다.

해당 자산의 미래 가치가 커질수록 연구소는 현재 매출을 포기하더라도 핵심 역량인 계산 능력을 내부적으로 유지하려 할 것이다.

딜런은 Anthropic의 연산 능력이 계속 증가하고 있지만, 매출 증가 속도가 이전만큼 급격하게 늘어나지 않는 것을 추가 연산력이 추론보다 R&D(연구 개발)로 전환되기 시작한 징후로 읽는다.

여기, 셈 능력 집중의 진짜 공포가 있다.

강력한 기업들이 대량의 AI를 판매하기 때문에 집중하는 것이 아니다.

딜런이 그린 시나리오에서는 강력한 기업일수록 최상의 AI를 외부로 판매하지 않는 것이 더 합리적이다.

## 집중하는 것은 GPU가 아닌 다음 판단을 내릴 지능입니다.

외부에 제공되는 모델이 실험실 내부에서 사용되는 모델보다 수개월 지연되면 어떻게 될까요?

연구실 내부에서는 더욱 강력한 AI가 연구, 구현, 데이터 분석, 인프라 설계 등을 지원한다.

그 결과로 인해 다음 모델이 더 빨리 완성될 것이다.

완료된 모델도 우선 내부 연구에 투입될 것이다.

이렇게 하여 외부와 내부의 능력 차이가 더욱 벌어진다.

이는 단순한 “모델 성능 차이”가 아니다.

- 연구 속도
- 소프트웨어 개발 속도
- 장비 설계 속도
- 자본 배분의 정확성
- 다음 학습 방법을 탐색하는 속도

차이차가 100만 엔으로 벌어진다.

대담 막바지 무렵, 드워케쉬와 다일런은 미래의 인공지능 노동력이나 지능이 소수의 연구소에 집중될 가능성에 대해 논의했다.

이는 매우 투기적인 시나리오다.

하지만 논리 자체는 이해할 수 있다.

계산 능력을 가장 효과적으로 수익화할 수 있는 곳이 실험실 내부라면, 계산 자원은 외부로 유출되지 않는다.

계산 자원이 외부로 나가지 않는다면, 그것이 만들어내는 AI 노동력 또한 외부로 나오지 않는다.

결과적으로 집중될 수 있는 것은 GPU의 소유권만이 아니라, 연구하고, 제작하고, 판단하고, 다음 자원 배분을 결정하는 능력이다.

형식적인 지배 관계가 성립되어 있지 않더라도 괜찮습니다.

가격 경쟁이 존재해도 괜찮을 것입니다.

개방형 모델이 존재해도 괜찮다.

가장 가치 있는 지능의 활용처가 항상 내부 연구소에만 집중된다면, 지능은 시장으로 확산되지 않고 내부로 흡수될 것이다.

## 물론, 이 루프가 무한정 반복되지 않을 수 있습니다.

다이런 스스로도 2028년의 예측을 확정된 미래로 표현하고 있지 않다.

이 자기 강화 루프에는 여러 가지 제동 장치가 있다.

### 산출 비용

두 회사가 세계적인 새로운 셈 능력의 대부분을 구매하려 하면 가격이 오를 것이다.

현재 1,000만 달러에서 1,500만 달러 사이로 추정되는 1메가와트당 컴퓨팅 가격이 2,500만 달러, 4,000만 달러로 상승한다면 수익성 격차는 축소될 것이다.

### 규제 및 안전성

더 강력한 모델을 공개할 수 없다면 외부 유치는 어려울 것이다.

릴리즈 제한, 데이터 센터 건설 규제, 전력 제약은 1메가와트당 수익화 수준의 상승을 억제할 수 있다.

### 자본시장

SemiAnalysis의 모델에 따르면, 2024년부터 2029년까지 AI 생태계 전체의 CapEx는 총 약 11조 달러에 이를 것으로 예상되며, 그 중 5조 달러를 넘는 금액은 신용으로 조달할 가능성이 있다.

이는 예측 모델일 뿐이며 확정된 투자 계획이 아니다. 그럼에도 불구하고, 전력, 데이터 센터, 반도체 공장, 냉각 시스템, 네트워크까지 포함하면 인공지능 확장이 실험실 매출만으로는 감당하기 어려운 규모가 될 가능성을 시사한다.

### 중국과 다른 공급망

다이런은 2026년 시점에서 중국이 세계의 신규 AI 데이터센터 전력에 차지하는 비중을 10% 미만으로 추정하는 한편, 2028년 이후에는 중국 내 반도체 제조 능력이 급증할 가능성을 인정하고 있다.

다만 같은 1메가와트라도 칩의 성능 차이 때문에 유효한 계산량은 달라.

문제는 전력 용량 자체에 문제가 아니라, 그 전력으로부터 얼마나 많은 AI 능력을 활용할 수 있는가에 달려 있다.

어려운 점은 이러한 브레이크들이 오히려 집중력을 약화시킬 수 있다는 점이다.

장비 가격 상승과 복잡한 규제 대응은 자금력과 법률 전문성을 갖춘 대기업에게는 감당할 수 있지만, 작은 경쟁 업체에게는 감당하기 어렵다.

진보를 지연시키는 규제가 결과적으로 기존 연구소의 진입 장벽을 높이는 가능성도 있다.

## 기업이 갖춰야 할 것은 “모델 성능”이 아닌 “접근의 불확실성”이다.

이 대담을 OpenAI와 Anthropic의 시장 예측만을 놓고만 읽으면 먼 이야기처럼 느껴질 것이다.

그러나 기업의 인공지능 전략으로 대체할 경우, 상당한 구체적인 문제로 귀결된다.

### 최고 모델이 외부로 제공될 것이라고 보장할 수 없습니다.

모델이 존재한다는 것과 자사가 이를 이용할 수 있다는 것은 별개의 문제이다.

제공 지역, 가격, 이용 제한, 안전 심사, 기업 계약, 공개 시기에 따라 접근 가능한 능력은 달라집니다.

### 추론 가격이 계속 하락할 것이라고 단정할 수 없습니다.

칩의 성능이 아무리 높아도 수요가 그 이상으로 증가하고 연산 능력 입찰 가격이 오르면 이용 가격은 하락하지 않는다.

내년에는 토큰 가격이 반으로 줄어들 것이라는 전제만으로는 업무 설계를 하는 것은 위험하다.

### 저희가 가져야 할 것은 모델 그 이상에 있습니다.

모델 자체를 소유할 필요는 없어도,

- 업무 데이터
- 고객 관계
- 평가 기준
- 과거 결정 이력
- 워크플로우
- 모델 전환 기능을 구현했습니다.
- 사람으로 되돌리는 조건

저희가 직접 보유하고 있습니다.

최고 모델에 접근이 불안정해질수록 모델 외부의 이러한 자산들이 더욱 중요해진다.

AI 경쟁 우위를 ‘어떤 모델을 계약했는가’라는 점에만 두는 것이 아니라, 모델이 바뀌어도 유지되는 맥락과 평가 능력을 갖춰야 한다.

## 정말로 주목해야 할 지표는 세계 GPU 점유율이 아니다.

2028년에는 OpenAI와 Anthropic가 세계의 연산 능력 과반수를 점유할지, 혹은 더 큰 비중을 차지할지.

그 숫자는 물론 중요합니다.

하지만, 더욱 중요한 지표가 있습니다.

새롭게 추가된 셈 문제는 외부 튜링 실험과 내부 연구 중 어느 쪽으로 배분되고 있는가.

세계에 AI 서비스가 널리 퍼져나가고 있지만, 가장 최신이자 가장 고성능의 컴퓨팅 자원이 실험실 내부에서 계속 남아 있다면, 지능의 집중은 진전되고 있다.

반대로, 강력한 모델과 저렴한 추론 능력이 널리 제공되고 외부 기업이 그 위에 더 큰 가치를 창출할 수 있다면 AI의 가치는 사회로 확산될 것이다.

다이런 패텔의 예측에서 정말 기묘한 점은 “두 회사가 엄청난 양의 GPU를 보유하고 있다”는 부분 그 자체로서는 아닙니다.

늘 두 회사의 내부에서 발생할 수 있다는 점이다.

가장 높은 수익을 창출하는 기업이 다음 1메가와트를 구매한다.

다음 1메가와트가 더욱 강력한 모델을 만들 것이다.

강력한 모델에 의해 기업 내부에서 연산 능력을 활용하는 가치가 더욱 높아진다.

이 루프가 계속된다면, 집중은 누군가가 계획하든 안 하든 진행될 수 있을 것이다.

마지막 남은 질문은 바로 이것이다.

우리 회사의 AI 활용은 “최고의 지능이 저렴하게 외부로 제공될 수 있다는” 전제에 의존하지 않는가?

## 이 논의를 읽는 방법

본 기사에서 다룬 산력, 수익, 가격, 설비 투자, 2028년 시장 구조는 2026년 8월 25일에 공개된 Dwarkesh Podcast에서 Dylan Patel이 제시한 추계 및 관찰, 시나리오에 근거한다.

### 참고한 정보에 대하여

- 드웨케쉬 팟캐스트, “다일런 패텔 – 2028년까지 안트로픽과 오픈AI가 세계 대부분의 컴퓨팅 자원을 확보하게 될 것”
- Original YouTube
- SemiAnalysis — 다이런 패틀 프로필
- ## SemiAnalysis FAQ / 유료 리서치 구독

**Q: SemiAnalysis의 유료 리서치 구독은 어떤 종류의 정보를 제공하나요?**

저희의 유료 리서치 구독은 다음과 같은 다양한 정보를 제공합니다.

*   **이미지 분석:** 이미지의 구성 요소, 색상, 패턴, 텍스트 등을 분석하여 이미지의 특징을 파악합니다.
*   **웹 페이지 분석:** 웹 페이지의 구조, 콘텐츠, 디자인, SEO 요소 등을 분석하여 웹 페이지의 특징을 파악합니다.
*   **데이터 분석:** 다양한 데이터 소스에서 데이터를 수집하고 분석하여 트렌드, 패턴, 인사이트를 도출합니다.
*   **API 분석:** API의 구조, 기능, 사용법 등을 분석하여 API의 특징을 파악합니다.
*   **3D 모델 분석:** 3D 모델의 구조, 재질, 텍스처 등을 분석하여 3D 모델의 특징을 파악합니다.
*   **실시간 데이터 스트림 분석:** 실시간 데이터 스트림에서 데이터를 수집하고 분석하여 실시간 트렌드를 파악합니다.

**Q: 유료 구독의 차등은 무엇인가요?**

저희는 다양한 수준의 요구 사항을 충족하기 위해 여러 가지 유료 구독 플랜을 제공합니다. 각 플랜은 제공되는 데이터 양, 분석 기능, 지원 수준 등이 다릅니다.

*   **Basic 플랜:** 기본적인 이미지, 웹 페이지, API 분석 기능을 제공하며, 제한된 데이터 양을 분석할 수 있습니다.
*   **Standard 플랜:** Basic 플랜의 기능에 더하여 더 많은 데이터 양을 분석할 수 있으며, 고급 분석 기능도 제공합니다.
*   **Premium 플랜:** Standard 플랜의 기능에 더하여 모든 분석 기능을 제공하며, 우선적인 지원을 받을 수 있습니다.

**Q: 분석 결과는 어떤 형태로 제공되나요?**

분석 결과는 다양한 형태로 제공됩니다.

*   **API:** 분석 결과를 API를 통해 실시간으로 받아올 수 있습니다.
*   **CSV 파일:** 분석 결과를 CSV 파일로 다운로드하여 사용할 수 있습니다.
*   **PDF 보고서:** 분석 결과를 PDF 보고서 형태로 제공받을 수 있습니다.
*   **대시보드:** 분석 결과를 시각적으로 보여주는 대시보드를 통해 쉽게 이해할 수 있습니다.

**Q: 분석 결과의 정확도는 어떻게 보장되나요?**

SemiAnalysis는 최첨단 기술과 전문적인 지식을 활용하여 분석 결과를 제공합니다. 하지만 분석 결과는 데이터의 품질, 분석 방법, 사용자의 해석 등 다양한 요인에 따라 달라질 수 있습니다. 따라서 분석 결과를 활용할 때는 주의를 기울여야 하며, 필요한 경우 전문가의 도움을 받는 것이 좋습니다.

**Q: 유료 구독을 취소하고 싶습니다. 어떻게 해야 하나요?**

유료 구독을 취소하려면 계정 설정 페이지에서 구독 플랜을 선택하고 "취소" 버튼을 클릭하면 됩니다. 취소 절차는 30일 이내에 완료될 수 있으며, 취소 후에도 일정 기간 동안 서비스 이용이 가능합니다. 자세한 내용은 [SemiAnalysis 지원 센터](https://support.semianalysis.com/)를 참조하십시오.

만약 이 관점이 도움이 된다면 팔로우 또는 좋아요로 반응을 알려주세요. 귀사의 회사는 최적 모델 접근 불확실성에 어떻게 대비하고 있나요?

AI, 생성 AI, AI 인프라, OpenAI, Anthropic

**출처:** [note 원문](https://note.com/humble_jacana238/n/n9caa384f42e7)

*번역: Gemma 3(.44) 초벌 + 교정 93청크*

[원문 보기](https://note.com/humble_jacana238/n/n9caa384f42e7) | 출처: note.com