2024년 AI 5대 핵심 트렌드: 투자 기회와 스타트업의 미래

2024년 AI 분야 5대 핵심 트렌드

올해 NeurIPS 2024 컨퍼런스에서 Conviction Capital의 설립자 Sarah Guo와 파트너 Pranav Reddy는 "AI 스타트업의 현재 상황"에 대한 통찰력을 공유했습니다. 그들은 2024년 AI 분야의 5가지 주요 트렌드를 체계적으로 검토하고 이러한 트렌드가 미래 투자에 미치는 영향에 대해 논의했습니다.

기반 모델 경쟁 심화: 2024년에는 기반 모델 간의 경쟁이 그 어느 때보다 치열해졌습니다.
오픈 소스 모델의 빠른 발전: 오픈 소스 모델의 경쟁력이 지속적으로 강화되어 일부 측면에서는 폐쇄형 모델을 능가하기도 합니다.
소형 모델의 가성비 향상: 소형 모델은 성능 면에서 상당한 발전을 이루었으며, 비용이 저렴하여 가성비가 높습니다.
멀티모달 기술의 돌파구: 멀티모달 기술은 미래 발전의 중요한 방향으로 자리 잡고 있으며, 사용자에게 새로운 상호 작용 경험을 제공합니다.
스케일링 법칙의 새로운 돌파구: 스케일링 법칙에는 한계가 있지만, 새로운 확장 패러다임이 등장하여 AI의 미래 발전에 새로운 희망을 제시합니다.

기반 모델 경쟁 심화

기반 모델의 경쟁 구도는 2024년에 큰 변화를 겪었습니다. Chatbot Arena의 데이터에 따르면, 1년 전에는 OpenAI 모델이 성능 면에서 압도적인 우위를 점했지만, 현재는 Google을 비롯한 다른 회사들도 경쟁력 있는 모델을 출시했습니다. 오픈 소스 모델도 지속적으로 발전하고 있어 기업들이 API를 선택할 때 더 많은 옵션을 갖게 되었습니다.

OpenAI 토큰 소비 감소: 작년 11월 말, OpenAI의 토큰 소비량은 전체 소비량의 90%에 육박했지만, 현재는 1년도 채 되지 않아 60%에 가까운 수준으로 감소했습니다. 이는 사용자들이 다양한 모델을 시도하고 있음을 시사합니다.
오픈 소스 모델의 부상: SEAL 순위표의 독립 평가에 따르면, 오픈 소스 모델은 수학 능력, 명령어 준수, 적대적 견고성 등 다양한 측면에서 뛰어난 성능을 보이며, Llama 모델은 상위 3위 안에 들었습니다.
오픈 소스 모델의 놀라운 발전 속도: 오픈 소스 모델은 여러 측면에서 놀라운 발전 속도를 보이고 있습니다. MMLU 평가에 따르면, 일부 매개변수가 작은 오픈 소스 모델은 성능 면에서 이미 최첨단 모델에 근접하고 있습니다. 1년 전, 최고의 소형 모델이었던 Mistral-7b는 이 평가에서 약 60점 정도를 기록했지만, 현재 Llama 8B 모델은 10점 이상 향상된 점수를 보여줍니다.

소형 모델의 높은 가성비

소형 모델과 대형 모델 간의 격차가 줄어들고 있으며, AI 지능의 가격도 크게 하락하고 있습니다. OpenAI 플래그십 모델의 API 비용은 지난 1년에서 1년 반 사이에 약 80~85% 감소했습니다. 이는 AI를 사용하여 애플리케이션을 구축하는 비용이 크게 감소했음을 의미합니다.

AI 애플리케이션 구축 비용 감소: Notion이나 Coda와 같은 AI 애플리케이션을 구축하는 데 필요한 토큰 비용은 수천 달러에 불과합니다.

멀티모달 기술의 미래

멀티모달 기술은 AI 분야의 중요한 발전 방향으로 자리 잡고 있습니다. 저지연 음성, 실행 능력, 비디오 등 새로운 모달리티의 등장은 사용자에게 완전히 새로운 상호 작용 경험을 제공합니다.

향상된 음성 상호 작용 경험: 저지연 음성은 단순한 기능적 특성을 넘어 새로운 상호 작용 경험을 제공합니다.
AI 실행 능력 강화: Claude의 Computer Use 능력과 OpenAI가 Canvas에 출시한 코드 실행 기능은 사용자에게 더욱 강력한 AI 능력을 제공합니다.

스케일링 법칙의 새로운 돌파구

스케일링 법칙에는 한계가 있지만, 새로운 확장 패러다임이 등장하고 있습니다. OpenAI는 스케일링 법칙의 한계를 극복하는 방법을 찾은 것으로 보이며, RL self-play와 같은 기술을 통해 모델 성능을 향상시키고 있습니다.

AI 투자 환경의 합리화

AI 분야에 거품이 있다는 의견도 있지만, 실제로는 기반 모델 연구소로 흘러가는 자금 규모가 크고, 실제 운영 회사로 흘러가는 자금 규모는 상대적으로 합리적입니다.

애플리케이션 계층의 가치 저평가: 과거에는 기반 모델이 더 가치 있고 애플리케이션 계층은 가치가 없다고 여겨졌습니다. 하지만 실제로는 AI 생태계의 기회가 매우 풍부하며, 애플리케이션 계층도 큰 잠재력을 가지고 있습니다.

스타트업의 거대한 기회

AI 생태계의 기회는 기반 모델에만 국한되지 않고, 애플리케이션 계층에도 큰 잠재력이 있습니다. 다양한 혁신이 끊임없이 나타나고 있으며, 다양한 유형의 모델이 각각의 장점을 가지고 있습니다. 시장 경쟁이 치열하고 오픈 소스 프로젝트도 활발하게 발전하고 있습니다.

서비스 자동화: AI는 많은 반복적인 작업을 자동화하여 비용을 절감하고 효율성을 높일 수 있습니다.
더 나은 검색 방향: AI는 사용자가 더 나은 방식으로 정보를 검색하고 얻을 수 있도록 지원하며, 개인화된 경험을 제공합니다.
기술의 민주화: AI는 다양한 기술을 민주화하여 더 많은 사람이 창조와 혁신에 참여할 수 있도록 합니다.

AI 물결 속 투자 방향

AI 인프라(컴퓨팅 파워 및 데이터)는 AI 물결 속에서 중요한 투자 방향입니다. AI 기술이 발전함에 따라 전문가 데이터와 더 다양한 유형의 데이터에 대한 수요가 증가하고 있습니다.

"소프트웨어 3.0" 시대의 도래

요약하자면, 우리는 이러한 일련의 변화를 "소프트웨어 3.0"으로 요약합니다. 우리는 이것이 새로운 세대의 기업에 큰 이점을 제공할 수 있는 전 스택 재고라고 생각합니다. 변화의 속도는 스타트업에 유리합니다.

제품 및 인프라 재고: 새로운 AI 패러다임에 적응하기 위해 제품 설계 방식과 인프라 구축 방식을 재고해야 합니다.
막대한 기술 및 경제적 기회: AI는 막대한 기술 및 경제적 기회를 제공하며, 이를 포착할 가치가 있습니다.

스타트업과 거대 기업의 경쟁

승리의 열매는 결국 스타트업에게 돌아갈까요, 아니면 기존 거대 기업에게 돌아갈까요? 거대 기업은 유통 채널과 데이터 이점을 가지고 있지만, 스타트업은 더 나은 제품과 혁신적인 비즈니스 모델을 통해 경쟁할 수 있습니다.

혁신자의 딜레마: 기존 회사는 혁신자의 딜레마에 의해 제한될 수 있지만, 스타트업은 새로운 사용자 경험 패러다임과 코드 생성을 통해 기존 모델에 도전할 수 있습니다.
데이터의 중요성: 스타트업은 기존 회사의 데이터에 의존하기보다는 제품 품질을 향상시키기 위해 어떤 데이터가 필요한지 고민해야 합니다.