프론티어 AI가 반도체 산업을 닮아가는 이유

막대한 선행 자본과 짧은 기술 주기가 결합하면서, 프론티어 AI 연구소는 신제품을 내놓는 즉시 다음 세대를 준비해야 하는 반도체식 트레드밀에 진입함 프론티어 모델 훈련비는 8년 동안 매년 약 2.4배 증가했으며, 최대 훈련 작업은 2027년 10억 달러를 넘어 2028년에는 100억 달러에 이를 수 있음 반도체 산업은 3~4년마다 침체를 겪으며 소수 기업 중심으로 재편됐지만, Nvidia·Apple·ARM처럼 제조보다 한 단계 위에서 설계·소프트웨어·생태계를 장악한 기업들은 큰 가치를 창출함 AI에서도 프론티어 비용은 치솟는 반면 같은 성능을 구현하는 비용은 일부 추산으로 매년 10분의 1 수준까지 하락해, Cursor·Harvey·Abridge 같은 응용 기업이 직접 모델을 훈련하지 않고도 제품과 고객 관계를 구축할 수 있음 규모와 자본은 프론티어 연구소의 핵심 경쟁력이지만 더 넓은 사업 기회는 저렴하고 풍부해진 지능의 응용 계층에 있으며, 모델 공급자가 고객 시장에 진입할 수 있는 플랫폼 종속 위험은 별도로 평가해야 함 멈추지 않는 반도체 트레드밀 차세대 반도체 기업은 설계, 테이프아웃, 공정 인증, 제조·유통 확대에 막대한 자본을 투입하지만, 제품이 완성될 때면 시장은 이미 다음 세대를 요구함 이 주기를 따라가지 못한 기업은 인수·통합되거나 조용히 사업을 종료했으며, 기술 자체보다 자본 집약성과 개발 속도가 투자를 어렵게 만들었음 프론티어 모델 연구소 역시 대규모 자본을 투입해 제품을 출시하는 순간 다음 모델을 요구받는다는 점에서 같은 패턴을 보임 차세대 반도체 공정의 비용 구형 공정에서 수십만 달러였던 테이프아웃 비용은 3nm 전체 마스크 기준 1억 달러 이상에 이를 수 있음 비용 대부분은 웨이퍼가 아니라 마스크 세트와 비반복 엔지니어링에서 발생함 International Business Strategies가 추산한 신형 칩의 전체 설계 비용은 공정이 미세해질수록 급격히 증가함 28nm: 약 4,000만 달러 7nm: 약 2억1,700만 달러 5nm: 약 4억1,600만 달러 3nm: 약 5억9,000만 달러 2nm: 7억2,500만 달러 이상 다만 이 수치에는 논쟁의 여지가 있음 SemiAnalysis에 따르면 실제 스타트업이 최첨단 7nm 칩을 총 5,000만~7,500만 달러에 출시한 사례가 있어, 높은 추정치는 상한선으로 봐야 함 제조 시설까지 포함하면 부담은 더욱 커짐 3nm 생산 시설은 150...