모른다는 걸 아는 사람의 AI 투자법

막스는 이 질문을 Claude에게 직접 물었습니다. 돌아온 답의 요지는, 무엇으로 만들었고 어떻게 학습시켰는지는 거의 완벽히 알지만 실제로 안에서 어떻게 답을 만들어 내는지는 놀랄 만큼 모른다는 것입니다. 규칙을 누가 써넣은 게 아니라 학습 과정에서 저절로 생겨났고, 모델이 자기 풀이를 설명할 때 그 설명이 실제 내부 과정과 다를 수도 있습니다.

만든 사람도 다 설명하지 못하는 기술이라면, 그 위에 쌓은 예측은 얼마나 믿을 수 있는가.

몇 해 전까지 AI는 과거 패턴을 찾아 이어 붙이는 도구로 요약됐지만, 이제는 추론이라 불러도 될 수준에 왔다고 봅니다. 그 뒤로 질문이 줄줄이 따라옵니다. 정직하고 겸손할까, 틀렸다고 인정할까, 아첨 대신 의심을 내놓을까, 남들과 다르게 한 단계 위에서 생각하는 '2차적 사고'를 할 수 있을까, 범용 인공지능의 기준은 평균인인가 상위 10%인가 세계 최고인가.

이 답들이 AI에 어떤 일을 맡길지를 정합니다.

세상을 바꾸는 기술이 투자자에게 보답한다는 보장은 없습니다. 여러 모델이 똑같이 똑똑해지면 서비스는 가격으로만 경쟁하는 범용품이 될 수 있고, 그러면 이익은 파는 쪽보다 쓰는 쪽으로 갈 수 있습니다. 반대로 몇몇이 없어서는 안 될 독점이 될 수도 있습니다. 지금 큰돈을 버는 건 엔비디아와 TSMC입니다. 막스는 덜 논의된 변수도 꺼냅니다. AI가 일자리를 대체하면 사라진 근로소득세를 메우려 정부가 AI에 세금을 매기지 않겠느냐는 것입니다.

효율이 오르는 것과 이익이 남는 것은 다른 문제입니다.

지금의 선두 OpenAI와 Anthropic은 몇 해 전만 해도 대부분이 몰랐던 이름입니다. 그렇게 빨리 올라설 수 있다면 그렇게 빨리 밀려날 수도 있습니다. 20~25년 전의 선두 가운데 마이크로소프트·아마존·애플·구글은 승자로 남았고 냅스터·야후·넷스케이프는 밀려났습니다.

5~10년 뒤에도 지금의 선두가 선두일 확률은 얼마인가. 그렇다면 지금 지분의 값은 얼마인가.

가치투자는 미래 이익을 추정해 현재가치로 당겨 오는 일입니다. 그런데 AI에서는 제품이 무엇을 할지, 범용품 값을 받을지 필수재 값을 받을지, 칩이 몇 년을 버틸지, 지출 경쟁이 언제까지 갈지를 모릅니다. 막스는 1970년대 복합기업도, 1999~2000년 인터넷·전자상거래도 이 정도로 막막하진 않았다고 회고합니다. 그가 제안하는 시험은 간단합니다. 어떤 AI 기업의 5년 뒤 주당순이익을 하나 찍고, 실제 값이 그 숫자의 위아래 50% 안에 들어온다는 데 돈을 걸 수 있느냐.

10달러라고 찍었다면, 5~15달러 사이에 들어올 거라고 얼마나 자신하는가.

금 캐는 사람 대신 곡괭이와 삽을 파는 전략처럼 보입니다. 누가 이기든 인프라는 써야 하니까요. 하지만 막스는 쉬운 슛이 아니라고 말합니다. 비용의 대부분은 건물이 아니라 칩이고, 부지·인허가·주민 반대·전력·냉각·광케이블·자금 조달이 모두 병목입니다. 뒤집어 보면, 건설 유예 조치처럼 공급을 막는 요인은 이미 지어졌거나 앞으로 지을 수 있는 센터의 가치를 올립니다.

과잉 건설에서 비켜나 있는 자산을 골라야 하고, 승자와 패자의 격차는 보통의 인프라보다 클 수 있습니다.

AI는 미국 경제의 작은 부분인데 성장의 큰 몫을 냅니다. 그 기여는 대부분 데이터센터 건설 지출에서 나오고, 나머지 건설은 줄고 있습니다. 주식시장 상승분과 기업 이익도 소수 AI 기업에 몰려 있습니다. 막스는 이를 포트폴리오를 관통하는 단층선에 비유합니다. 1970년대 말 고수익 채권 시장이 열릴 때의 전제는 충분한 금리와 충분한 분산이었는데, 지금은 주식도 채권도 AI의 성공이라는 한 요인에 걸려 있습니다.

칩 수명, 기업 전략, 컴퓨트 수요 가운데 하나만 어긋나도 파장이 넓게 퍼질 수 있습니다.

AI 기업들은 금리가 올라도 투자를 늦출 수 없는, 금리에 둔감한 차입자입니다. 예전엔 정부 차입이 민간을 밀어낸다고 했는데, 이제는 AI의 차입이 정부가 내는 금리를 밀어 올릴 수 있다고 막스는 봅니다. 빚 없이 현금이 넘치던 하이퍼스케일러는 현금을 쓰고 빚을 늘리는 중입니다. 임대 계약의 해지 조항, 대출 만기보다 짧을 수 있는 칩 담보의 수명, 서로의 제품 구매 자금을 대 주는 순환 거래, 장부 밖 특수목적법인 차입도 점검 대상으로 꼽습니다.

대출자는 한 산업에 몰린 빚, 빠르게 변하는 펀더멘털, 미래 컴퓨트 매출에 대한 높은 의존을 함께 떠안습니다.

예측에는 예측이 맞을 확률에 대한 견해가 함께 있어야 한다는 게 막스의 오랜 주장입니다. 그는 Claude에게 AI의 예측 가능성을 1점(알 수 없음)에서 10점(완전 예측 가능)으로 매겨 달라고 했습니다. 전체는 3점. 다만 기술이 계속 좋아지고 퍼진다는 방향은 6~7점, 투자자가 돈을 받는 부분인 속도·이익 규모·이익의 귀속은 2점 안팎이었습니다. 지정학도 변수입니다. 최첨단 칩은 거의 전부 대만 TSMC에서 나옵니다.

가장 예측하기 어렵다는 프런티어 랩이 비상장 시장에서는 오히려 프리미엄을 받고 있습니다.

막스의 버블 정의는 비이성적 과열이 무분별한 행동과 과잉 투자, 지나친 가격으로 이어지는 상태입니다. 그는 셋으로 나눠 봅니다. 기술 자체가 과장됐는가 — 아니다, AI는 상상 못 한 방식으로 기업과 삶을 바꿀 것이다. 기업들의 지출이 과도한가, 투자자가 너무 비싸게 사고 있는가 — AI가 어떻게 쓰이고 누가 벌지 알기 전에는 판단할 수 없다.

핵심은 하나로 모입니다. AI가 수조 달러 투자에 걸맞은 수익을 낼 만큼 사용자에게 가치를 줄 것인가. 막스가 잘 아는 사람들과 이야기한 끝에 내린 결론은, 지금으로선 이 질문에 답하는 일이 대체로 믿음의 문제라는 것입니다.

막스는 AI를 적어도 한 세대 만에 가장 중대하고 가장 예측하기 어려운 변화로 봅니다. 그래도 답은 마비가 아닙니다. 전략 선택과 투자 규모, 위험 감수에서 겸손하되 불확실성 속에서도 움직이라는 것입니다. 프런티어 랩의 주주는 기술·경쟁·가격 결정력·수익성·밸류에이션을 맞혀야 할 수 있습니다. 장기 계약 데이터센터에 돈을 빌려주는 쪽은 맞혀야 할 것이 더 적지만 종류가 다릅니다. 임차인 신용, 계약 조건, 전력, 잔존 가치입니다.

불확실성이 커도 가격이 충분히 싸면 감수할 수 있습니다. 현명한 투자는 대부분 가격의 문제입니다. 다만 AI에서는 내재가치를, 그래서 싼지 비싼지를 따지는 일 자체가 크게 어려워진다는 단서를 답니다.