코스피, 기관 매수에 힘입어 강보합 마감…코스닥은 1%대 하락

기관 투자자들의 적극적인 매수세에 힘입어 코스피가 강보합으로 마감했다. 반면 코스닥은 1% 이상 하락하며 약세를 보였다.

주식시장의 양극화 현상이 또다시 드러난 날—기관은 안전자산으로, 개미들은 코스닥에서 피를 보는 구조. 어제도 그렇고 오늘도 그런 전형적인 ’월가의 승리’다.

# 승자독식 구조와 각국·기업의 AI 경쟁

AI 모델을 개발하기 위해 전 세계가 막대한 비용과 자본을 투입하는 이유는 AI 시장의 승자독식(winner takes all) 구조이기 때문이다. 가장 앞선 AI 모델을 보유하는 소수가 시장을 차지하고 성과를 독점할 가능성이 높은 구조를 가지고 있다.

현재 OpenAI의 GhatGPT를 비롯한 소수의 자본집약적 언어모델 기업들이 이미 시장을 대부분 선점한 상황이다. 실제로 현재 AI 시장의 투자 규모를 감당할 수 있는 곳은 전 세계에서 구글, 메타, OpenAI, Anthropic 등 4개 기업에 불과하다. 한 기업의 모델이 다른 기업들 대비 압도적으로 앞서게 될 경우 해당 기업이 대부분의 시장 점유율을 가져가는 승자독식 구조가 될 것이다.

AI 경쟁은 기업을 너머 국가간 경쟁으로 확산되고 있다. 24년 말 미 의회 산하 미중 경제안보검토위원회는 AGI 개발을 가속하기 위해 맨해튼 프로젝트에 비견되는 대규모 지원 이니셔티브를 제안했다.

과거 블라디미르 푸틴은 “AI 기술을 선도하는 자가 세계를 지배할 것”이라 말한 사례도 있었다. 이처럼 각 국가 정부 역시 AI 패권 경쟁에 사활을 거는 모습이다.

AI 선두 자리를 차지하기 위한 국가 간 경쟁도 승자독식 구조 인식 아래 치열하게 전개되고 있다. 이러한 이유로 기업과 국가 모두 막대한 비용을 투입해 AI 분야의 1등을 차지하기 위한 투자를 단행하고 있는 것이다.

# AGI 등장 전까지 지속될 승자독식 구도

이를 고용시장에 비유해보면, AI 모델이 고도화될수록 박사급 전문직부터 단순 업무까지 모든 종류의 노동을 처리할 수 있게 된다.

단일 AI 모델이 다양한 업무를 대체할 수 있다면, 기업 입장에서는 여러 특화된 인력을 운용하는 것보다 하나의 고성능 AI를 활용하는 것이 비용과 운영 면에서 압도적으로 효율적이다. 즉, 규모의 경제와 네트워크 효과가 강하게 작용하는 구조다.

따라서 가장 뛰어난 모델 하나가 시장을 지배할 가능성이 높으며, 최소한 단기 목표인 AGI(Artificial General Intelligence)가 등장하기 전까지는 이러한 구조가 지속될 것으로 보인다.

AGI의 등장은 인간이 수행할 수 있는 모든 업무를 이론상 대체 가능하게 만들며, 이 시점부터는 ‘누가 더 나은 AI를 만들었는가’보다는, “어떤 AGI를 어떻게 활용할 것인가”, “어떤 가성비 모델을 선택할 것인가” 같은 세부 시장 경쟁이 본격화될 것이다. 즉, AGI 이후에는 시장 파이를 키우는 단계에서 파이를 세분화해 나누는 단계로 전환될 가능성이 크다.

현재 AI 시장은 여전히 파이를 키우는 단계에 있으며, 모든 자원이 더 나은 모델을 만들기 위한 경쟁에 집중되고 있다.

현재로서는 탈중앙화된 방식으로 OpenAI 수준의 최상위 모델을 만드는 것은 극도로 어렵다는 평가가 지배적이다. 가장 큰 원인은 초거대 AI 모델을 훈련하는데 필요한 천문학적 자원이다.

앞서 언급했듯 GPT-4 한 모델 훈련에 수천만 달러에 달하는 비용과, 전 세계 상위권 슈퍼컴퓨터에 견주는 수만 대의 고성능 GPU가 필요하다​. 반면 탈중앙화된 커뮤니티나 스타트업이 이러한 자원을 자체적으로 조달하기는 현실적으로 불가능에 가깝다.

예를 들어 22년 오픈소스 AI 커뮤니티 EleutherAI가 약 200억 개 파라미터 규모의 모델인 GPT-NeoX-20B을 공개했지만, 이는 당시 OpenAI의 모델인 GPT-3의 1,750억 개 파라미터보다 훨씬 작은 절충 모델이었다. 해당 모델조차도 훈련에 수십만 달러 이상의 비용과 며칠간의 대규모 분산 클라우드 연산이 소요되었다고 한다.

결국 현 시점 최첨단 AI 개발은 자본과 인프라를 갖춘 극소수만의 영역으로 남아 있으며, 탈중앙화된 접근으로 동일한 성과를 내기 어렵다는 것이 중론이다. 골드만삭스 자산운용 또한 “인프라 측면에서 레이스는 이미 상당 부분 끝난 상태”라고 언급하며, 새로운 경쟁자가 이 격차를 따라잡기 어렵다는 견해를 내비쳤다​.

요컨대 초거대 AI 모델 학습에는 막대한 비용 장벽이 존재하며, 이는 탈중앙화된 개별 프로젝트들이 OpenAI와 같은 선두를 단기간에 추격하기 어렵게 만드는 결정적 요인이다.

# 등장한 탈중앙화 AI 프로젝트 동향은? AI 인프라 지원형 프로젝트

현재 초기 단계이기는 하지만, 탈중앙화를 접목한 AI 프로젝트들이 등장하고 있다. 이들은 크게 AI 인프라를 탈중앙화 방식으로 구축하는 프로젝트와 AI 기술을 서비스로 제공하는 프로젝트의 두 가지 흐름으로 분류할 수 있다:

– 바나(VANA) – 사용자 개인 데이터 중심의 분산 네트워크 프로젝트로, 이용자가 자신의 데이터를 업로드하여 AI 모델 훈련에 제공하면 그 모델의 성과에 비례한 소유권 및 보상을 받는다. 빅테크가 독점한 데이터에 대항해 사용자 소유의 데이터 생태계를 구축하는 것이 목표다.

– 아이오넷(IO) – 탈중앙화 GPU 컴퓨팅 네트워크로서, 전 세계에 분산된 유휴 GPU 자원을 모아 AI 개발자들이 저렴한 비용으로 대규모 연산을 이용할 수 있게 한다. 솔라나(SOL) 블록체인을 기반으로 하며, 개인이 남는 GPU를 제공하고 보상 토큰을 받는 형태로 운영된다.

– 아카시네트워크(AKASH) – 블록체인 기반 분산 클라우드 마켓플레이스로, 누구나 GPU·CPU 등의 하드웨어 자원을 사고팔 수 있는 서비스를 제공한다​. 이를 통해 AI 연구자들은 중앙화 클라우드 대비 저렴하고 유연한 인프라를 활용할 수 있고, 자원 제공자는 토큰 보상을 얻는다.

– 플록(FLock.io) – 탈중앙화 AI 모델 훈련 및 검증 네트워크로, 전 세계 참여자들이 노드를 통해 모델 학습에 기여하고 보상을 얻는 연합학습(federated learning) 플랫폼이다. AI 모델 학습 과정의 투명성을 높이고 기술 대기업의 AI 독점을 깨는 것을 목표로 한다. 

AI 서비스형 프로젝트들은 주로 AI 기술을 소비자가 실질적으로 활용할 수 있도록 연결하는 역할을 수행한다. 이들은 탈중앙화된 네트워크를 기반으로, AI 에이전트(AI Agents)나 AI 기능을 활용한 서비스 플랫폼을 제공하여 사용자가 직접 다양한 AI 기능에 접근하고 활용할 수 있도록 한다.

예를 들어, 자율적으로 행동하는 AI 에이전트를 통해 호텔 예약, 물류 최적화, 데이터 교환 등의 작업을 자동화하거나, 탈중앙화된 환경에서 다양한 AI 서비스를 마켓플레이스 형태로 이용할 수 있도록 지원하는 방식이다. 궁극적으로 이들은 AI 기술을 사용자 친화적으로 활용할 수 있게 만들고, AI 생태계의 대중화와 상용화를 촉진하는 연결 고리를 지향한다.

AI 시장은 폭발적으로 성장하고 있는 초기 단계이다. 그러나 탈중앙화 방식을 도입하여 메인 프로덕트 경쟁에 합류하긴 어려운 실정이다. 향후 AI 기술이 인간 노동시장을 본격적으로 대체하게 되면, AI도 인간 고용시장처럼 역할과 기능별로 분화할 것이다.

이때 블록체인이 가진 탈중앙화, AI 모네타이징(수익화), 인센티브 설계, 거버넌스 등의 특성이 AI 생태계에 자연스럽게 접목된 다양한 프로덕트와 시스템이 나올 것으로 보고 있다.

액세스프로토콜(ACS)·바나(VANA)·스토리(IP) 공통점은–사용자 데이터 수익화

• 탈중앙화
• AI