## 3,000배라는 숫자에서 시작한다

1997년 아마존이 상장했을 때 주식 한 주 값은 분할조정 기준 0.075달러, 우리 돈으로 약 110원이었다. 지금은 232달러다. 30년이 채 되지 않는 사이 약 3,000배가 올랐다. 그때 1,000만 원을 넣어두었다면 지금 약 300억 원이다.

이 숫자를 꺼내는 이유는 "그때 샀어야 했다"는 후회를 하자는 게 아니다. **강의가 이 사례를 여는 이유는, 아마존이 왜 올랐는지를 이해하면 AI 시대를 바라볼 때 쓸 렌즈가 하나 생긴다고 보기 때문이다.** 회차 제목을 '3,000배의 법칙'으로 붙이고 부제를 '그물 친 자가 부를 거둔다'로 단 이유가 여기에 있다. 다만 이 렌즈는 어떤 기업을 고르라는 답이 아니라, 무엇을 관찰할지에 대한 기준이다 — 강의 자체도 뒤에서 여러 차례 단서를 단다.

먼저 한 가지를 분명히 해두자. 아마존이 오른 이유는 책을 잘 팔아서가 아니다. 구글이 오른 이유도 광고를 잘 팔아서가 아니다. 두 회사의 업종은 각각 유통업과 광고업, 그러니까 전형적인 레거시 산업이다. 그런데 시가총액은 약 3,000조 원과 3,500조 원이다. 메타도 광고업인데 2,500조 원이다. 겉옷은 전통 산업인데 결과는 빅테크다. 그 차이를 만든 것이 딱 하나 있다. **네트워크 효과, 강의의 표현으로는 '그물'이다.**

## 베이조스는 성공 공식을 숨기지 않았다

놀라운 사실이 하나 있다. 제프 베이조스는 이 성공의 원리를 처음부터 공개했다.

1997년 상장 직후 그는 주주들에게 편지를 한 통 보냈다. 제목은 *"It's All About the Long Term."* 모든 결정은 장기적 시야로 하며, 시장을 지배하는 것이 최우선이라는 선언이었다. 그리고 이 편지는 **그 후 20여 년 동안 모든 연례 서한에 빠짐없이 첨부됐다.** 매년 주주들에게 "우리는 여전히 이 원칙대로 한다"고 확인시킨 셈이다.

그가 반복해서 외친 한 마디는 'Day 1'이었다. 아직 첫날이다, 모든 가능성이 이제 막 시작되는 순간이다 — 그러나 우리가 '둘째 날'이라고 생각하는 순간 정체가 시작되고, **정체는 곧 죽음이다.** 아마존 본사 건물 이름도 그래서 'Day 1'이다.

그 사고에서 나온 원칙이 네 가지다. 첫째, 단기 이익은 무시한다. 둘째, 장기적 시장 지배를 최우선에 둔다. 셋째, 회계상 이익보다 현금흐름을 본다. 넷째, 고객 집착을 모든 결정의 기준으로 삼는다.

공식이 공개돼 있었는데도 대부분은 읽어내지 못했다. 강의가 지적하는 대목이 이것이다. 국내 유통업체 상당수가 이 원리를 이해하지 못하는 동안, 쿠팡과 손정의는 정확히 파악했다. 그래서 적자를 감수하면서 고객 확보에만 집중하는 방식이 가능했다.

**그리고 지금, AI 기업 대부분이 같은 전략을 쓰고 있다.** 우리가 AI 서비스를 비용보다 훨씬 싸게 쓰고 있는 이유, 순이익을 내는 AI 기업이 거의 없는 이유가 바로 이것이다. 다만 여기서 결정적 차이가 하나 생긴다 — 과거에는 아마존 혼자 이 전략을 알았지만, 지금은 **모두가 '아마존 성공 공식'을 알고 뛰어들어 과잉 경쟁이 벌어지고 있다.** 그래서 강의는 "과거가 똑같이 반복된다고 생각하는 것은 매우 위험하다"고 못 박는다.

## 닷컴 버블이 가르쳐준 것 — 주가가 아니라 그물을 보라

1997년의 아마존은 정말 작았다.

| 구분 | 1997년 | 2025년 |
|---|---|---|
| 매출 | 약 2,200억 원 | 약 870조 원 |
| 직원 | 614명 | 155만 명 |
| 고객 | 150만 명 | 2억 명 |

매출이 838% 성장하는 중이었는데도 시장은 "서점에서 파는 걸 통신판매로 팔겠다는 이상한 회사, 그냥 작은 책 가게"로 봤다.

그다음에 벌어진 일이 이 회차에서 가장 중요한 장면이다. 상장 후 닷컴 버블이 타오르자 "이것도 인터넷 기업"이라는 이유로 주가가 약 20배 올랐다. 그리고 버블이 꺼지자 **약 10분의 1 토막으로 폭락했다.** 시장의 평가는 정반대로 뒤집혔다. "상장 전에도 적자, 상장 후에도 매년 적자, 저 회사는 망한다."

그때 베이조스는 직원들에게 이렇게 말했다. "우리 주가가 10분의 1이 됐지만 매출은 계속 늘고 있습니다. 실망하지 말고 똑같이 일하면 됩니다."

실제로 그랬다. **주가가 무너지는 동안에도 매출·직원 수·고객 수는 단 한 번도 줄지 않았다.** 시장이 진가를 알아보기 시작한 것은 2003~2005년경, 제대로 평가한 것은 2007년이다. 다시 말해 **알아볼 시간이 10년이나 있었다.**

여기서 나오는 결론이 이 회차의 관찰법이다. 주가가 얼마나 빠졌는지를 보지 말고, **그 회사가 시장에 그물을 치고 고객을 끌어당기는 과정**을 보라는 것.

## 왜 카카오톡을 못 떠나는가 — 그물의 정체

네트워크 효과를 강의는 카카오톡으로 설명한다.

친구들이 먼저 가입했다. 그리고 나에게 전화가 온다. "종훈아, 너 빼고 다 가입했어. 너도 빨리 가입할래?" 회사가 광고를 한 게 아니다. **기존 가입자들이 각자 마케터가 되어 눈덩이처럼 새 가입자를 끌어들인 것이다.** 이것이 스노볼 효과다.

그다음이 더 중요하다. 카카오톡이 최근 광고를 크게 늘렸을 때 많은 사람이 탈퇴하겠다고 했지만, 실제로 탈퇴한 사람은 거의 없었다. **조금 불편해도, 조금 비싸져도, 품질이 조금 떨어져도 떠나지 못하는 것** — 이것이 락인이고, 네트워크 효과의 완성형이다.

오프라인에서는 불가능했던 일이다. 월마트에 가다가 메이시 백화점에 들르는 걸 아무도 막을 수 없었다. 그런데 IT가 등장하면서 사람을 플랫폼에 붙잡아둘 수 있게 됐다. 강의자 본인도 스탠퍼드 객원연구원 시절 아마존 프라임에 가입한 뒤로는 못 떠났다고 말한다.

**AI 시대의 함의는 단순하다.** 그물을 쳐서 탈퇴를 못 하게 만들면 가격 경쟁도 품질 경쟁도 할 필요가 없어진다. 요금을 올려도 사람들이 못 떠난다. 강의의 표현으로는 "떼돈을 버는 구조"다. 참고로 강의자의 경제학 석사 논문 주제가 바로 이 네트워크 효과였다.

## 학술적으로는 — N의 제곱, 그리고 2의 N승

이 현상은 이미 1980년에 정리됐다.

**메칼프**(이더넷 발명가)가 발견한 법칙은 네트워크의 가치가 가입자 수의 제곱에 비례한다는 것이다. 두 사람이 가입하면 연결은 한 번이지만, 네 사람이면 연결이 여섯 번이다. 가입자는 2배인데 연결은 6배다. 정확한 식은 N(N-1)이지만 통상 N² 법칙으로 부른다.

**리드**(MIT 컴퓨터 과학자)는 1999년에 여기서 한 발 더 나갔다. 그 안에서 동호회가 생기고 단톡방이 만들어지면 N²이 아니라 **2의 N승**으로, 훨씬 빠르게 가치가 올라간다는 것이다.

**NFX**(James Currier, 2018)의 집계에 따르면 1994년 이후 만들어진 테크 기업 가치의 **70%가 네트워크 효과를 가진 회사들에서 나왔다.**

강의자의 해석이 흥미롭다. 이 가치 상승이 실제로 시작된 게 1994년 무렵이고, 그것이 닷컴 버블을 만들었다. **실제 상승도 빨랐지만 사람들의 기대가 언제나 그것보다 더 빨리 앞서갔기 때문에** 버블이 붕괴했다는 것이다. 그리고 붕괴 후에도 네트워크를 이미 장악한 기업들은 추격이 불가능할 만큼 앞서 나갔고, 그 결과가 3,000배였다.

## 그물은 5단계로 자란다 — 그리고 입장권은 2단계에서 3단계 사이에 있다

앤드류 첸은 a16z 파트너이자 우버의 성장 책임자였던 사람이다. 우버를 1,500만 명에서 1억 명으로 키운 당사자이고, 『Cold Start Problem』(2021)의 저자다. 그가 정리한 그물의 5단계는 이렇다.

| 단계 | 이름 | 상태 |
|---|---|---|
| 1 | 시작 | 사용자 0 |
| 2 | 임계점 | 작은 그물 — 시장이 아직 못 알아봄 |
| 3 | 폭발 | 자가 가속 — 가입자가 가입자를 부름 |
| 4 | 포화 | 신규 둔화 (주가는 기대로 좀 더 오르기도) |
| 5 | 해자 | 경쟁자가 와도 OK — 대신 주가 상승은 미미해짐 |

**투자의 골든존은 2단계에서 3단계로 넘어가는 전환점이다.** 그리고 그 전환점을 알아보는 신호가 아주 구체적이다 — **"주변에서 다들 쓰기 시작할 때."**

강의의 표현을 그대로 옮기면 이렇다. 친구에게서 "너만 아직 안 했어?"라는 전화가 온다면, 그때 해야 할 일은 가입이 아니라 **그 회사 주식을 먼저 사는 것**이다. 이것이 강의가 말하는 '3,000배 입장권'이다.

그리고 하나 더. 진짜 그물인지 확인하려면 **직접 써봐야 한다.** 써보고 "탈퇴했다가는 진짜 불편하겠다", "친구들과 다 끊기겠다" 싶으면 그때 그 주식을 계속 들고 갈 수 있다는 것이다.

## 지금 AI는 몇 단계인가

강의자의 진단은 단호하다. **AI에는 아직 네트워크 효과가 없다.**

그 근거로 본인을 든다. 유료 AI를 다섯 개 쓰는데 메뚜기처럼 옮겨 다닌다는 것이다. 7개월 전에는 그록이 좋았고, 4개월 전에는 제미나이가 괜찮았고, 최근 두 달은 클로드가 최고라고 말하고 있다. **어떤 AI도 아직 자가 가속을 만들어내지 못했다는 뜻이다.**

강의가 정리한 후보들의 단계는 이렇다.

| 단계 | 해당 사례 |
|---|---|
| 1 시작 | Tesla 자율 Cybercab 양산 시작, Optimus 2026 여름 예정 |
| 2 임계점 ★골든존 | Waymo 10개 도시 운영 / Anthropic 코딩 임계점↑ / Cursor Fortune 500의 50%+ |
| 3 폭발 | OpenAI 주간 사용자 9억 명 — 그러나 락인이 약함 |
| 4 포화 | MS Copilot — Office 끼워팔기 2,000만 시트 |
| 5 해자 | NVIDIA CUDA — 600만 개발자 락인 |

그런데 강의 이후 석 달 사이, 이 표를 다시 보게 만드는 일이 있었다. †1

이 표는 **'사용자 수'를 축으로 삼는다**는 점을 함께 봐야 한다. 강의 이후 석 달 사이 매출 run-rate 추정치에서는 이 표의 순서와 다른 대비가 관측됐는데, 매출 축과 사용자 축은 서로 다른 이야기를 할 수 있다. 정확한 수치와 그에 붙는 단서는 뒤의 자료 보강 †1에 정리했다.

## 단계보다 중요한 것 — 그리고 좁아진 진입 창

여기서 강의는 중요한 단서를 두 개 단다. 이 회차에서 가장 조심스러운 대목이다.

**첫째, 단계가 곧 투자 판단이 아니다.** 3단계 폭발에 도달했다고 주가가 무조건 더 오르는 게 아니다. 2000년 야후처럼 폭발하다가 무너지는 경우도 있다. 반대로 5단계 해자에 도달한 엔비디아는 그 사실이 이미 주가에 다 반영돼 있어서, 강의의 표현으로는 "추가 3,000배 입장권은 종료"된 상태일 수 있다. **진짜 중요한 것은 그 기업이 몇 단계인지가 아니라, 그 단계에 비해 고평가됐는지 저평가됐는지다.** 무조건 초기 단계에 투자하는 것이 능사가 아니라는 것.

**둘째, 일반 투자자의 진입 창 자체가 좁아졌다.** 과거에는 자금을 모으려면 1~2단계에서 상장해야 했다. 지금은 다르다. 엔젤 캐피털이 있고, 빅테크가 직접 투자하고, 사모 자금이 먼저 들어온다. 앤트로픽도 오픈AI도 상장하지 않은 채로 성장하고 있다. 게다가 정보가 인터넷과 유튜브로 워낙 빨리 퍼지다 보니 **주가가 단계를 앞질러 먼저 오르는 일도 생긴다.**

그나마 다행인 것은, 실리콘밸리에서 한두 달마다 새 기술이 나오기 때문에 **사모펀드를 운영하는 사람조차 이걸 다 미리 알 수는 없다**는 점이다. 그래서 기회는 계속 생긴다.

## 한 번 돌기 시작하면 멈출 수 없다 — 자가증식 사이클

그물이 스스로 커지는 구조를 강의는 네 단계 사이클로 설명한다.

**가입자 → 데이터 → 품질 → 락인 → 다시 가입자.**

이 사이클의 원전은 제프 베이조스가 냅킨에 그렸다는 **아마존 플라이휠**(2001)이고, 짐 콜린스가 『Good to Great』(2001)에서 학술화했으며, 브라이언 아서의 『Increasing Returns』(1994)가 격차가 벌어지는 경제학을 제공했다.

아마존판은 조금 다르게 돌았다. 가입자가 늘자 물건을 파는 벤더가 더 많이 들어왔고, 벤더끼리 경쟁하면서 물건값이 내려갔고, 값이 싸지니 가입자가 또 늘었고, 많이 팔리니 벤더가 다시 들어왔다.

AI 시대에는 데이터와 품질과 락인을 통해 가입자를 폭증시키는 형태로 바뀌었다. 핵심은 하나다. **누군가 이 사이클을 돌리기 시작하면 멈추지 않는다.**

## 그물에 올라타는 세 가지 방법

강의는 솔직하게 인정한다. **우리가 그물을 직접 지배하기는 어렵다.** AI 시대에 그물을 치는 것은 주로 빅테크의 영역이다. 대신 그 부에 올라타는 경로를 세 가지로 제시한다.

**첫째, 그 기업의 주식을 사는 것.** 둘째, **그 기업의 협력 업체가 되는 것.** 셋째, **그 그물 안에서 자기 노출을 관리하는 것.**

세 번째가 이 회차의 실전 파트다. 자영업자라면 그동안 네이버 검색 상단에 뜨려고 광고비를 써왔을 것이다. 그런데 **그물의 주인이 바뀌고 있다.** 이제는 AI로 검색했을 때 자기 업체가 먼저 나오도록 해야 한다는 것이다. 미국에서는 이미 AI 검색 상단 노출을 다루는 스타트업들이 2~3년 만에 유니콘이 됐다.

여기서 강의자는 네이버에 대한 우려를 길게 이야기한다. 네이버가 AI의 블로그 크롤링을 막아둔 것을 "정말 잘못된 판단"으로 본다. 본인이 제주도에서 제미나이로 맛집을 찾았는데 방문한 곳마다 사장이 중국인이었던 경험을 든다. 네이버 블로그가 막혀 있으니 제미나이가 구글에 쌓인 평가를 참고했고, 제주도 특성상 그 평가를 남긴 사람들이 대부분 중국인 관광객이었던 것이다.

과거에는 언어 장벽이 방어막이었다. **AI 시대에는 그 장벽이 없다.** 그래서 예전 방식으로 시장을 지키려 한다면 이번에는 지키지 못할 것이라는 진단이다. 강의는 "네이버가 빨리 적응해서 한국 IT·AI 산업의 파수꾼이 되어주기를 바란다"는 당부로 이 대목을 맺는다.

## 진짜 그물과 가짜 그물 — 무너진 세 가지 유형

그물을 쥔 자가 돈을 버는 세상이라면, 진짜와 가짜를 구별하는 게 그만큼 중요해진다. 그물처럼 보였지만 무너진 사례가 셋 있다.

| 사례 | 겉보기 | 실제 | 결과 |
|---|---|---|---|
| **WeWork**(2019) | "네트워크 부동산" | 부동산 임대업 | 기업가치 -90% |
| **Uber/Lyft**(2010s) | 양면 시장 그물 | 락인 약함·적자 누적 | 10년간 흑자 미달성 |
| **Quibi**(2020) | 할리우드 + 모바일 그물 | 임계점 도달 실패 | 출시 6개월 만에 폐업 |

여기서 실패의 유형이 셋으로 갈린다.

**유형 1 — 자산이 네트워크와 무관한 경우.** 위워크는 공유 오피스를 빌리면 네트워크 효과가 생긴다는 논리로 포장됐다. 손정의마저 속을 만큼 포장이 좋았다. 그러나 **부동산은 땅에 박혀 있다.** 디지털에서 가능한 일이 물리적 자산에서는 일어나지 않는다. 강의의 판별 기준은 명확하다 — **AI 시대에 가장 중요한 자산은 데이터이고, 데이터가 아닌 것을 네트워크라고 주장하면 무시하라.**

**유형 2 — 락인이 없는 경우.** 우버는 원래 완벽한 네트워크 사업처럼 보였다. 앱 하나로 전 세계 어느 공항에서든 택시를 부를 수 있다면 가입자가 가입자를 부를 수밖에 없다. 그런데 실제로는 기사들이 우버와 리프트를 함께 깔았다. 우리나라에서도 우버와 카카오를 같이 쓴다. 승객도 마찬가지다. 이렇게 여러 앱을 동시에 쓰는 것을 멀티호밍이라 하는데, 그러면 락인이 성립하지 않는다. 우버는 우버이츠와 결합해 부활 중이지만, 강의자의 평가는 아직 "세모"다.

**이 유형 2가 지금 AI에서 그대로 재현되고 있다.** †2 강의자가 "AI 다섯 개를 메뚜기처럼 옮겨 다닌다"고 한 것은 개인의 습관이 아니라 업계 일반의 패턴이다. 더 흥미로운 건 방향이다. 2026년 앤트로픽은 챗GPT·제미나이·코파일럿의 대화 기록을 클로드로 가져오는 도구를 내놓았다. **그물의 핵심이 락인이라면, 지금 AI 업계는 오히려 전환 비용을 낮추는 쪽으로 경쟁하고 있는 셈이다.** 강의가 "AI에는 아직 락인이 없다"고 진단한 지점이, 시장에서는 더 강화되는 방향으로 가고 있다.

**유형 3 — 임계점 전에 강력한 경쟁자를 만나는 경우.** 퀴비는 할리우드 배우들과 10분짜리 영상을 만들어 유료로 팔았다. 막대한 투자를 받았지만, 임계점에 닿기 전에 무료 '쇼츠'가 폭발해버렸다. 유료 서비스로는 네트워크 효과를 만들 방법이 없었고, 6개월 만에 문을 닫았다.

## AI 그물 후보 여덟 — 강점과 약점을 함께 본다

강의는 이번 회차에서 '네트워크 효과'라는 렌즈 하나만 들고 후보들을 훑는다. 다섯 개 렌즈로 점수를 매기는 작업은 후반 회차로 미뤄뒀다. 그리고 **모든 후보에 한계를 함께 붙였다는 점**이 중요하다.

**구글**은 여섯 개 무기를 동시에 굴린다. 유튜브(월 20억 명), 검색(90%), 제미나이, 워크스페이스, 웨이모(10개 도시), 안드로이드(수십억 대). 서로 연결돼 있어서, 제미나이에 유튜브 URL을 넣으면 5초 만에 요약해준다. 강의자는 이 대목에서 본인 채널 콘텐츠가 학습에 쓰이는 것에 대한 불편함을 솔직히 드러낸다. 다만 한계가 있다 — **AI 검색이 광고 매출을 잠식하고, 여섯 개 무기가 아직 통합되지 않아 단일 메가 그물이 되지 못했다.**

**테슬라**는 자율주행·에너지·로봇의 삼각편대다. 자율주행 데이터는 100억 마일로, 웨이모의 1억 마일과 비교가 되지 않는다. 한계는 **삼각편대가 각각 따로 놀고 차량 간 그물이 없다**는 점이다.

**엔비디아**의 쿠다는 19년 치 라이브러리와 약 600만 개발자를 붙들고 있다. 파이토치도 텐서플로우도 결국 쿠다를 호출하기 때문에, 개발자는 자기도 모르는 사이 엔비디아 위에서 일한다. 강의는 여기서 시스코와의 비교를 명확히 끊는다 — **시스코는 라우터를 아무나 만들 수 있게 되면서 네트워크 효과를 만들지 못했지만, 엔비디아는 처음부터 그물을 갖고 있었다.** 약점은 두 가지다. 해자가 이미 주가에 반영돼 작년 9월부터 횡보 중이고, 구글·아마존·메타가 자체 칩을 개발하며 중국도 쿠다 탈피를 압박하고 있다.

이 두 번째 약점은 강의 이후 더 뚜렷해졌다. †3 구글은 2026년 4월 8세대 TPU를 훈련용과 추론용으로 나눠 발표했고, TPU 출하량이 2026년 430만 개에서 2028년 3,500만 개로 늘어날 것으로 전망한다. 커스텀 AI 칩 매출은 2026년 45% 성장이 예상되는 반면 범용 GPU는 16%다. 다만 **쿠다에서 옮기려면 JAX 같은 다른 도구 체계를 새로 익혀야 하는 전환 비용이 여전히 실재한다** — 해자가 얇아지는 중이지 사라진 것은 아니라는 뜻이다.

**오픈AI**는 주간 사용자 9억 명, 일일 프롬프트 25억 건(초당 약 3만 건), 연 매출 run-rate 약 37조 원이다. 그런데 **락인이 없다.** 오늘 챗GPT를 쓰다가 내일 클로드를 써도 아무 문제가 없다. 강의는 해법의 방향까지 제시한다 — 30년 경력의 비서처럼 나를 너무 잘 알아서 척하면 척 알아듣는 존재가 되면 못 떠난다는 것. 아직 그 기술을 만들지 못했다는 게 오픈AI의 약점이다.

**앤트로픽**은 품질로 압도하고 있다. 매출이 2024년 12월 1조 원에서 2026년 2월 21조 원으로 13개월 만에 15배 늘었고, 엔터프라이즈 LLM 점유율은 12%(2023)에서 40%(2025년 말)로 뛰었다. 약점은 자본이다. 소문이 퍼지면서 사람이 몰리자 응답이 느려지고 있는데, **품질의 핵심 요소 중 하나가 속도**이기 때문이다. 강의자는 어려운 질문을 던져놓고 한 시간을 기다린 적도, 그러다 잠든 적도 있다고 말한다.

**마이크로소프트**는 오피스 끼워팔기다. 유료 엔터프라이즈 시트 2,000만(전년 대비 +160%), 포춘 500의 90%가 쓴다. 그러나 **모델을 오픈AI에 의존하기 때문에 '사용자가 늘면 모델 품질이 좋아진다'는 강화 사이클이 돌지 않는다.** 끼워팔기만으로 네트워크 효과가 될지 강의자는 회의적이지만, 역전 전력이 많은 회사라 관찰 대상으로 남겨둔다.

**커서**(애니스피어)는 다크호스다. 2022년 MIT 출신 4명이 창업해 21개월 만에 매출 약 3조 원에 도달했고, 포춘 500의 절반 이상이 쓴다. 강의가 지적한 약점은 두 가지 — 개인 도구라 사용자끼리 그물이 없고, 독자 모델이 없어 매출 대부분이 앤트로픽·오픈AI로 흘러간다는 것이다.

그런데 이 두 번째 약점은 다시 볼 필요가 있다. †4 애니스피어는 2025년 11월에 자체 모델을 만들기로 결정했고 2026년 3월 Composer 2를 내놓았다. 자체 모델로 처리하면 외부 API를 부를 때보다 원가가 훨씬 낮다. 그 결과 2026년 4월 기준 대형 기업 고객에서는 총이익률 흑자에 도달했다. 다만 **개인 개발자 요금제에서는 여전히 외부 모델 추론 비용이 구독료를 넘어 적자**다. 강의가 지적한 구조적 약점이 절반쯤 해소되는 중이라고 보는 편이 정확하다.

여덟 번째 후보는 물음표다. **아직 우리가 모르는 후발주자.**

## 야후에서 구글로 — 후발주자는 언제든 나온다

미래의 그물을 반드시 지금의 강자가 차지한다는 법은 없다.

야후가 검색을 지배하던 시절, 구글은 1998년에 나타난 후발주자였다. 그리고 **2002년 후반기에 판이 뒤집혔다.**

강의가 드는 이유는 **매몰 비용**이다. 강의자가 근무했던 KBS를 예로 든다. 지상파를 보는 사람이 거의 없는데도 수천 명의 인력이 지상파 송출에 묶여 있다. 그것이 KBS의 존재 이유 중 하나라 포기할 수도 없다. 그 비용 때문에 정작 콘텐츠에 투자하지 못한다. **기존 IT 기업들도 인력과 자산이 과거 방식에 묶여 AI 전환에 늦을 수 있다.**

여기서 나오는 위로가 중요하다. 초반에 못 알아봐도 된다. **판이 뒤집힌 뒤에 알아보고 투자해도 늦지 않다.** 구글이 야후를 역전한 2002년 이후로도 25년의 기회가 있었다.

## 처음부터 못 잡아도 된다

이 회차에서 가장 실용적인 표가 이것이다. 아마존에 언제 들어갔으면 어땠는지를 구간별로 나눈 것이다.

| 진입 시점 | 결과 |
|---|---|
| 처음 10년 (1997~2007) | 약 100배 |
| 2007년 중간 진입 (이미 유명해진 뒤, 당시 최고점) | 약 30배 |
| 2001년 닷컴 붕괴 시점 | 약 900배 |
| 2008년 금융위기 시점 | 100배 이상 |

2007년은 이미 아마존이 유명해질 대로 유명해진 뒤였고 심지어 그 해가 고점이었는데도 30배다. **3,000배를 전부 얻는 것은 베이조스만 가능한 일이고, 강의는 그것을 "비현실적"이라고 분명히 말한다.** 뒤늦게 진입하더라도 확실한 것에 투자하겠다는 신중한 자세면 된다는 것이다.

여기서 AI 시대에 대한 네 가지 함의가 나온다.

1. **지금은 군웅할거** — 누가 그물을 칠지 아직 모른다
2. **3~4년이 핵심** — 임계점이 가까워질 때까지 관찰
3. **주변이 다 쓰면 OK** — 아마존도 중간 진입으로 30배였다
4. **열린 눈** — 야후에서 구글처럼 후발주자도 가능하다

3~4년이라는 숫자의 근거는 이렇다. IT 시대에는 승자가 갈리기까지 약 8년이 걸렸고, AI는 그 절반쯤으로 본다는 것. 강의자는 **AI 시대가 사실상 올해 개막했다**고 판단한다.

그리고 승자는 소수일 것으로 본다. 지금 대규모로 투자하는 기업이 최소 여섯 곳이지만 전부 살아남지는 못한다. 서방에서 많아야 한두 개, 중국에서 한두 개, 심지어 각 진영에서 하나만 남을 수도 있다. 그래서 강의자는 **"투자는 한 발 늦는 편이 오히려 유리하고 안전하다"**고 말한다. 누가 승자가 될지 지켜봐야 하기 때문이다.

## 그물에 닿기 전, 두 개의 전쟁

강의의 결론은 이렇다. **네트워크 그물을 장악하는 기업이 다음 시대의 승자가 될 것이라고 강의는 본다.** 그런데 그 그물에 닿기까지 두 개의 전쟁을 치러야 한다.

| 가격 전쟁 | 품질 전쟁 |
|---|---|
| **에너지** — 전력 가격이 곧 AI 가격 | **데이터** — 더 많은 데이터가 더 좋은 모델 |
| 딥시크 충격이 효율성의 가능성을 보여줌 | 저작권 우위가 필수 |

가격 전쟁이 에너지로 결정되는 이유는 단순하다. AI를 돌리는 데 드는 전기값이 곧 원가이기 때문이다. 딥시크 충격은 훨씬 적은 비용으로도 고성능 모델이 가능하다는 걸 보여줬고, 그래서 경쟁의 초점이 전력 가격으로 옮겨갔다.

그런데 이 전력 가격에는 강의가 다루지 않은 다른 면이 있다. †5 미국 평균 전기요금은 12.76센트/kWh에서 2026년 2월 17.44센트/kWh로 **36% 이상 올랐다.** 최대 전력망 운영사인 PJM은 향후 3년간 소비자 전기요금이 63억 달러 늘어나는 것의 상당 부분을 데이터센터 수요 탓으로 분석했고, 유틸리티 회사들은 2026년 상반기에만 186억 달러의 요금 인상을 신청했다. **AI 기업들의 가격 전쟁이 기업 원가 문제로만 끝나지 않고, 일반 가정의 전기요금으로 전가되고 있다는 뜻이다.**

품질 전쟁이 데이터로 결정되는 이유도 명확하다. 더 많은 데이터가 더 좋은 모델을 만들기 때문에, **데이터를 어떻게 영리하게 확보하느냐**가 핵심이 된다. 저작권 문제가 걸리는 이유도 여기에 있다. 강의는 챗GPT가 뉴욕타임스를 비롯한 언론사들의 소송 때문에 최신 기사 검색이 제한된 반면, 제미나이는 구글 검색과 유튜브를 활용할 수 있다는 대비를 든다.

## 마지막 진단 — AI 경쟁의 끝은 독점이다

네트워크를 장악하기 전까지는 가격과 품질로 싸워야 한다. **그런데 장악하고 나면 그 경쟁이 끝난다.**

그래서 강의는 이렇게 경고한다. **"지금 AI가 이렇게 저렴한 것은 앞으로 마지막일 수도 있습니다."** 독점이 되면 가격을 올려도 사용자가 떠나지 못하기 때문이다.

**AI 경쟁의 끝은 결국 독점이 될 것이다.** 지금은 군웅할거이고, 누가 그물을 칠지 아직 알 수 없으며, 기존 기업만 볼 것이 아니라 새로운 후보가 나타날 수도 있다 — 3강부터 이어질 심층 분석의 출발점이 여기다.

---

## 회차 자료 보강

이 회차 본문은 2026년 6월 19일 게시된 강의 정리본에 근거한다. 아래 다섯 건은 강의 이후 약 3개월간의 후속 사실과 외부 관측으로, **강의 본문에 없는 정보이므로 †로 구분해 표기했다.** 강의의 권고나 판단을 확장하는 용도가 아니라 사실·정량을 덧붙이는 용도다.

**†1 — 매출 run-rate 추정치가 대비되는 사례** (시간 연장)
리서치 회사 Sacra는 오픈AI의 2026년 7월 연환산 매출을 약 400억 달러로 **추정**한다(2025년 말 200억 달러에서 상승). 한편 앤트로픽의 run-rate가 2026년 7월 말 약 650억 달러에 이르렀다는 내용이 블룸버그 보도를 인용한 2차 매체를 통해 전해졌으나, **본 정리 시점에 블룸버그 원문을 직접 확인하지 못했으므로 이 수치는 확정 사실이 아니라 전언으로 다룬다.**

**이 대비를 강의의 단계 진단이 뒤집힌 근거로 읽어서는 안 된다.** 이유는 세 가지다. ① run-rate는 감사받은 매출이 아니라 특정 시점 실적을 연 단위로 늘려 잡은 추정치이며, 두 회사가 산정 방식을 달리할 수 있다(원 보도에도 이 단서가 붙어 있다). ② 강의의 5단계는 **사용자 기반**을 축으로 삼는 프레임이라 매출 순위와 직접 대응하지 않는다. ③ 사용자 규모로는 여전히 오픈AI가 크다(클로드 앱 월간 활성 사용자는 2026년 2분기 기준 약 5,600만 명). 즉 이 자료는 "같은 회사들을 다른 축으로 보면 다른 그림이 나온다"는 참고 사례이지, 단계 분류의 반증이 아니다.
· [Sacra — OpenAI revenue](https://sacra.com/c/openai/) (오픈AI 추정치) / [Trending Topics — $65bn vs $40bn](https://www.trendingtopics.eu/anthropic-vs-open-ai-revenue-race/) (블룸버그 인용 2차 매체, 원문 미확인)

**†2 — AI 업계는 전환 비용을 오히려 낮추는 쪽으로 경쟁 중이다** (검증·반박)
강의자가 "AI 다섯 개를 메뚜기처럼 옮겨 다닌다"고 한 멀티호밍은 개인 습관이 아니라 일반적 패턴으로 관측된다. 나아가 앤트로픽은 2026년 챗GPT·제미나이·코파일럿의 대화 기록을 클로드로 가져오는 메모리 임포트 도구를 공개했다. 락인이 그물의 핵심이라면, 현재 AI 업계의 경쟁은 그 반대 방향으로 가고 있는 셈이다.
· [Fast Company — Claude can now take your memories from ChatGPT, Gemini, and Copilot](https://www.fastcompany.com/91501002/anthropic-claude-app-import-chats-from-open-ai-chatgpt-gemini-copilot-memory-tool)

**†3 — 쿠다 해자를 향한 압박이 강의 이후 더 뚜렷해졌다** (사례 후속)
구글은 2026년 4월 8세대 TPU를 훈련용(8t)과 추론용(8i)으로 나눠 발표했고, TPU 출하량이 2026년 430만 개에서 2028년 3,500만 개로 늘 것으로 전망한다. TrendForce는 2026년 커스텀 AI 칩 매출이 45% 성장하는 반면 범용 GPU는 16% 성장에 그칠 것으로 본다. 다만 쿠다에서 이전하려면 JAX·MaxText 등 다른 도구 체계를 새로 익혀야 하는 전환 비용이 여전하다는 지적도 함께 나온다.
· [TechCrunch — Google Cloud launches two new AI chips to compete with Nvidia](https://techcrunch.com/2026/04/22/google-cloud-next-new-tpu-ai-chips-compete-with-nvidia/) / [Spheron — Hyperscaler Custom AI Chips in 2026](https://www.spheron.network/blog/hyperscaler-custom-ai-chips-2026-trainium-tpu-maia-mtia-vs-nvidia-gpu/)

**†4 — 커서의 '독자 모델 없음' 약점은 절반쯤 해소됐다** (사례 후속)
애니스피어는 2025년 11월 자체 모델 개발을 결정했고 2026년 3월 Composer 2를 출시했다. 자체 모델로 처리하는 완성 요청은 외부 API 호출 대비 원가가 크게 낮아, 2026년 4월 기준 대형 엔터프라이즈 계정에서는 총이익률 흑자에 도달했다. 다만 개인 개발자 요금제는 외부 모델 추론 비용이 구독료를 초과해 여전히 적자다. ARR도 강의가 인용한 20억 달러(2026년 2월)에서 4월 약 30억 달러, 5월 약 40억 달러로 보고된다. **참고로 강의 슬라이드에 병기된 "$400M → $50B"는 매출이 아니라 기업가치 기준으로 보인다** — 2026년 20억 달러 ARR 도달 후 500억 달러 가치로 자금 조달을 논의 중이라는 보도가 있다.
· [The Next Web — Cursor in talks to raise $2B at $50B valuation](https://thenextweb.com/news/cursor-anysphere-2-billion-funding-50-billion-valuation-ai-coding) / [Sacra 인용 — Cursor 2026 ARR](https://getlatka.com/companies/cursor.com)

**†5 — "전력 가격 = AI 가격"의 청구서는 가정에도 간다** (각도 확장)
미국 평균 전기요금은 12.76센트/kWh에서 2026년 2월 17.44센트/kWh로 36% 이상 상승했다. 최대 전력망 운영사 PJM은 향후 3년간 소비자 전기요금 63억 달러 증가분의 상당 부분이 데이터센터 전력 수요에 기인한다고 분석했다. 유틸리티 회사들은 2026년 상반기에만 186억 달러 규모의 요금 인상을 신청했으며, 골드만삭스는 AI 인프라 구축이 2026~2027년 전기요금을 6%, 2028년까지 추가로 3% 끌어올릴 것으로 전망했다. 강의는 전력 가격을 AI 기업의 원가 축으로 다뤘는데, 같은 전력 수요가 일반 가정의 요금으로 전가되는 면이 함께 진행되고 있다.
· [CNBC — Who pays for AI's electricity?](https://www.cnbc.com/2026/03/13/ai-data-centers-electricity-prices-backlash-ratepayer-protection.html) / [Newsweek — Map Shows Electricity Costs in Every State](https://www.newsweek.com/map-shows-electricity-costs-in-every-state-as-ai-data-centers-surge-prices-12279072)

---

**출처**: 박종훈의 지식한방 「Part 5 - 2강 | 3,000배의 법칙」 정규 강의 정리본 (2026년 6월 19일 게시, fanding.kr/@kpunch). 본문은 강의 정리본에 명시된 내용만 사용했으며, † 표시 항목은 강의 이후의 외부 자료다. 본 문서는 강의 내용의 정리이며 특정 종목의 매수·매도를 권유하지 않는다.