2025년 AI 빅테크 기업의 전망과 위기에 관한 글입니다. 구글, 메타, 오픈AI, 엔비디아, 아마존, 마이크로소프트와 같은 기업의 주가는 계속해서 상승할 수 있을까요?
빅테크 기업은 AI 침체의 위기일까?
현재 AI 기술 발전 속도가 이전 몇 년보다 둔화될 가능성이 있다는 경고가 제기되고 있다. 주요 원인은 인터넷에서 사용할 수 있는 데이터의 부족으로 인해 기존 데이터 기반 방식이 한계에 도달하였다.
AI 연구자들은 그동안 대규모 인터넷 데이터를 활용해 성능을 개선했으나, 사용 가능한 데이터가 거의 소진되었다. “Scaling Laws”에 기반한 성장은 초기에는 큰 성과를 냈지만, 더 이상 같은 속도로 발전하지 않는다.
기존 데이터를 넘어서는 새로운 접근법이 필요하며, “Synthetic Data”와 같은 자가 생성 데이터를 활용하는 방식이 탐구되고 있다. 그러나 이러한 방식은 수학 및 과학과 같은 명확한 답이 있는 영역에서만 효과적이며, 인문학, 예술, 철학적 문제에는 적용이 어렵다.
엔비디아와 같은 AI 칩 제조업체는 여전히 높은 수요를 보이고 있지만, 일부 고객들은 AI 기술 발전이 정체될 가능성에 대비하고 있다. Meta 등 주요 기업들은 투자 대비 실질적인 결과를 계속 검토 중이다.
일부 전문가들은 AI가 계속 빠르게 발전할 것이라 낙관적이다. 그러나 Demis Hassabis와 Ilya Sutskever 같은 이들은 새로운 아이디어가 없으면 발전이 제한될 것이라 경고한다.
어느 인공지능 기업이 위기를 맞을까?
1. 구글, 오픈AI 등 대규모 데이터에 의존하는 기업
이들 기업은 인터넷에서 수집한 방대한 텍스트 데이터를 기반으로 대형 언어 모델(LLM)을 훈련해 왔다. 하지만 이미 활용 가능한 인터넷 텍스트 데이터가 고갈에 가까워졌다는 지적이 나오고 있어, 기존 방식으로 성능을 끌어올리기가 어려워지고 있다. “Scaling Laws”로 인해 이득을 봤던 시기가 점차 끝나가면서, 새로운 방식(예: Synthetic Data)으로 전환해야 하는 부담이 크다.
2. AI 중심 비즈니스를 급격히 확대하는 스타트업
최근 막대한 투자금을 유치한 AI 스타트업(예: Anthropic, Databricks 등)은 앞으로도 고성장을 이어가야 한다는 기대감에 부응해야 한다. 인터넷 데이터가 한계에 부딪히면, 성장 곡선이 예전만큼 가파르지 않을 수 있어 투자자들의 기대와 실제 성과 사이에서 어려움을 겪을 수 있다.
3. 고성능 AI 훈련 수요에 크게 의존하는 하드웨어·클라우드 기업
엔비디아, AWS, Azure, 구글 클라우드 등의 인프라 기업은 당장은 A100, H100 등 고성능 AI 칩과 클라우드 GPU 수요가 폭증해 이익을 보고 있다. 그러나 “AI 모델이 더 이상 예전 속도로 성장하지 않는다면, 막대한 인프라 투자가 나중에 과잉으로 이어지지 않을까?”라는 의문이 제기된다.
지금 당장은 수요가 커서 위험이 즉각 현실화되진 않겠지만, 장기적으로 AI 모델 개발이 한계에 부딪히면 인프라 투자 회수 기간이 길어질 수 있다.
결국 핵심은 “인터넷 기반 대규모 텍스트 데이터가 거의 소진되었다”는 분석이 현실화될 경우, 데이터를 많이 집어넣어 모델을 키우는 기존 방식에 의존해왔던 회사들이 어려움을 겪을 수 있다는 점이다.
어느 AI 기업이 기회를 가질까?
1. 풍부하고 독점적인 데이터를 보유한 기업
테슬라(자율주행용 차량 주행 데이터), 아마존(전자상거래·클라우드 사용 데이터), 메타(소셜 네트워크 사용자 데이터)와 같은 기업이 주가가 상승할 수 있다. 인터넷 텍스트 데이터를 포괄적으로 긁어오는 방식의 한계가 드러나면, 방대한 독점 데이터를 자체적으로 쌓아온 기업이 상대적으로 우위에 설 수 있다. 이런 기업들은 인공적으로 수집이 어려운 독점 데이터(이미지·영상·센서 데이터 등)를 활용해 경쟁력을 높일 수 있다.
2. Synthetic Data(자가 생성 데이터) 및 대체 학습 기법을 제공하는 기업
AI 모델 훈련에 필요한 데이터가 부족해지면, ‘기존 데이터’를 대체 또는 보완할 ‘Synthetic Data’ 솔루션에 대한 수요가 늘어날 수 있다. 지브레인(ZeBrains), Datagen, Synthesis AI, Anyverse 이런 기업들은 가상 환경에서 생성된 사진, 영상, 센서 데이터를 제공하거나, AI가 스스로 데이터를 만들어내는 기법(자기지도학습 등)을 연구·개발한다.
3. 특화 영역(Vertical AI)에 집중하는 기업
헬스케어 AI, 금융 AI, 제조업 AI 등 특정 산업 데이터를 다루는 기업들이 기회를 가질 수 있다. 범용 대규모 언어 모델이 아닌, 한정된 산업·도메인 데이터를 깊이 있게 활용해 정밀한 모델을 개발하는 곳들은 데이터 품질만 확보되면 대규모 공용 데이터에 덜 의존해도 된다. 향후 AI 서비스가 점차 ‘전문성’과 ‘정확성’을 강조하게 되면, 도메인 특화 기업들의 가치가 더욱 높아질 수 있다.
모르면 망하는 주식 기초정보
위 사진은 증권사에서 가져온 통계다. 예를 들어 주식 투자를 100명이 참가하면 75명은 손실을 보고, 20%는 은행 이자 수준을 달성한다. 오직 5명이 막대한 투자 수익을 가져간다. 당신은 세 그룹에서 어디에 속하는가? 당연히 이 글을 보고 있다면 손실 그룹에 속할 가능성 높다.
아래 글을 하나하나 읽어보고 자신의 투자스타일을 반성해보자. 내가 투자 공부(노력)도 안하고 5% 안에 들어갈 생각을 안했는지 자신에게 스스로 물어보자.