AI 중심의 새로운 균형, 미국 투자시장이 전하는 메시지

- 실리콘밸리은행, '2025 하반기 시장현황' 보고서 발간   

실리콘밸리은행(SVB)이 ‘2025년 하반기 시장 현황(State of the Markets)’ 보고서를 공개됐습니다.
SVB는 올해 혁신 생태계가 단순한 회복이 아닌, ‘재조정(Recalibration)’의 시기에 들어섰다고 진단하고, AI가 시장의 판도를 바꾸고 있지만, 그 속에서 스타트업에게 요구되는 성공의 조건은 달라지고 있다고 말합니다.

⚖️ 고성장보다 ‘수익성’

“비용 절감의 시대는 끝났고, 효율성의 시대가 시작됐다.” – SVB

2025년 VC 투자의 58%가 AI 분야로 집중되었지만, 소규모 딜은 여전히 침체 중입니다. 이제 투자자들은 더 이상 빠른 성장만을 원하지 않습니다.

• ‘낮은 성장 + 높은 수익성’이 새로운 성공 공식

• VC 지원 기업들의 수익성은 2022년 대비 2배 개선, 그러나 성장률은 둔화

• ‘Rule of 40(성장률+수익률 ≥ 40%)’을 충족하는 유니콘은 단 5%

💡 스타트업에 던지는 메시지
→ 투자자는 “성장의 속도”보다 “수익성의 지속성”을 보고 있습니다.
→ 사업 구조가 효율적인지, 수익 경로가 명확한지가 핵심 평가 기준입니다.

💰 자본의 양극화, 돈은 ‘큰 곳’으로

VC 시장은 양극화가 뚜렷합니다.
총 펀드레이징 규모는 2017년 이후 최저 수준으로 떨어졌지만, 10억 달러 이상 메가펀드의 비중은 36%까지 상승했습니다.

이른바 ‘Vibecession(바이브세션)’ — 투자금은 돌고 있지만, 심리는 냉소적인 상태입니다.

• LP(연기금, 재단 등)는 회수 지연으로 유동성 압박

• 시드→시리즈 D까지 소요 기간은 약 10년으로 늘어남

• 전체 VC 투자액의 ⅔가 AI 중심 메가딜에 집중

💡 스타트업에게 던지는 메시지
→ “작지만 빠른 실적 증명”이 필수입니다.
→ 다음 라운드를 기다리기보다 현금흐름 자립성을 확보하는 전략이 필요합니다.

🤖 AI 붐, 혁신인가 거품인가

SVB는 단호히 말합니다.

“AI 시장은 거의 확실히 거품 상태다.”

현재 AI 생태계는 닷컴 버블 시기와 유사한 순환 구조를 보입니다.

대형 테크 기업이 AI 인프라에 투자 → 그 자금이 AI 스타트업으로 흘러감 → 다시 테크 대기업에 의존.

• AI 기업은 효율성보다 점유율 확보에 집중

• 비AI 기업 대비 직원 1인당 매출·수익 마진이 낮음

• ChatGPT 출시 이후 기술직 해고는 오히려 감소, 대신 ‘린(Lean) 창업’ 가속화

💡 스타트업에게 던지는 메시지
→ 시장 점유율보다 문제 해결력이 중요합니다.
→ 거품 속에서도 실제 수익 모델을 증명한 팀이 살아남습니다.

📈 엑시트: 선택적 회복의 시작

IPO 시장이 조금씩 열리고 있지만, 문턱은 매우 높습니다.

• 최근 상장 기업들은 평균 매출 5억 달러 이상, 성장률은 단 9%

• M&A 거래의 90%가 비공개 조건, 인수자 우위 구조

• AI 유니콘(OpenAI, Databricks 등)이 주요 인수자로 부상

💡 스타트업에게 던지는 메시지
→ IPO보다 지속 가능한 재무 구조가 우선입니다.
→ 스타트업 간 M&A 기회가 늘어나고 있으므로, 협업·통합 전략이 필요합니다.

🌍 혁신의 원동력은 여전히 ‘글로벌 인재’

미국 상위 100대 유니콘 중 59%가 외국인 창업가 출신이며, 이들이 전체 기업 가치의 77%를 차지합니다.

하지만, 최근 비자 발급 제한과 이민 규제는 혁신의 속도를 늦추는 요인이 되고 있습니다.

💡 스타트업에게 던지는 메시지
→ 글로벌 확장과 해외 인재 확보는 선택이 아닌 필수입니다.
→ “언제, 어디서, 누구와 일할 수 있는가”가 경쟁력의 핵심이 됩니다.

“이제는 속도보다 방향, 성장보다 지속 가능성이 중요합니다.”

AI 중심의 혁신 시장 속에서 효율적이고 단단한 스타트업만이 다음 사이클의 주인공이 될 것입니다.

스스로 학습하고 진화하는 AI 시대 열리나?

- MIT, 스스로 학습하고 수정하는 언어모델 SEAL 발표

매사추세츠공과대학교(MIT) 연구진이 Self-Adapting Language Models (SEAL) 이라는 새로운 프레임워크를 발표했습니다.
AI 모델이 정해진 트레이닝 이후 멈춰 있는 것이 아니라, 스스로 데이터를 생성하고, 자신의 가중치를 업데이트하며, 지속적으로 진화할 수 있게 만드는 구조입니다.

기존의 언어 모델은 훈련이 끝나면 고정된 지식을 바탕으로 동작하지만, SEAL은 새 정보를 통합하고 적응하는 능력을 내장하려는 시도입니다.

🔍 SEAL의 작동 원리

SEAL의 핵심 메커니즘은 다음과 같습니다. 

• Self-Edit (자기 수정) 모델이 새 입력을 받으면, 해당 정보를 효과적으로 학습할 수 있는 형태로 자신만의 훈련 지시문 또는 데이터를 생성하는 단계입니다.
• 내부 루프 (Inner Loop) 생성된 self-edit를 기반으로 가중치를 임시로 업데이트 (fine-tune) 합니다.
• 외부 루프 (Outer Loop, RL 기반 평가) 내부 루프의 업데이트가 실제로 모델 성능을 개선했는지 평가하고, 성공한 ‘수정 전략’에 보상을 주어 self-edit 생성 정책을 강화합니다.

즉, SEAL은 모델이 스스로 “어떤 방식으로 나를 업데이트할 것인가?”를 학습하는 구조입니다. 특히, teacher-student 구조 형태로 self-edit를 생성하는 역할과 업데이트하는 역할을 분할하고 있습니다. 

📊 실험 결과 및 성과

1. 지식 통합 (Knowledge Incorporation)

• 기존 모델이 텍스트 기반 fine-tuning만 했을 때 정확도는 약 32.7% → 33.5% 수준에 그쳤습니다.

• 반면 SEAL은 self-edit로 생성한 합성 데이터를 기반으로 학습하면서 정확도를 47.0%까지 끌어올렸습니다. 이는 훨씬 큰 모델이 생성한 synthetic data를 사용한 경우보다 더 나은 성과였습니다.

2. Few-Shot 학습

• ARC(Abstraction Reasoning Corpus) 같이 추론이 필요한 과제에서, SEAL은 72.5% 성공률을 기록했습니다. 이는 기본 in-context learning(0%)이나 단순 self-edit 적용 (RL 미사용, 약 20%)보다 훨씬 높은 수치입니다.

• 이 과정에서는 self-edit 단계에서 어떤 데이터 증강 전략, 학습률 조정, 최적화 방법 선택 등을 자동으로 설계하는 능력이 관찰되었습니다. 

⚠️ 한계와 고려사항

SEAL이 제시하는 비전은 상당히 매력적이지만, 아직 해결해야 할 과제들도 존재합니다:

• 파국적 망각(Catastrophic Forgetting)
  새로운 지식을 업데이트하는 과정에서 이전에 배운 정보가 손실될 가능성이 큽니다. SEAL 논문에서도 이를 주요 한계로 지적하고 있습니다. 

• 계산 비용과 실시간성
  각 self-edit 평가 및 업데이트 과정은 비교적 무거운 연산을 요구하며, 실시간으로 지속 적용하기엔 많은 비용이 듭니다. 

사람이 생성한 고품질의 새로운 데이터를 점점 확보하기 어려워지고 있습니다. MIT의 SEAL 모델처럼 자체적으로 유의미한 학습 신호를 생성할 수 있다면, 인공지능 훈련 비용과 업데이트 부담이 크게 줄어들 수 있습니다.

특히 챗봇, 지능형 에이전트 등 동적 환경에서 동작하는 시스템과 접목될 수 있다면, 인간과의 상호작용 기반으로 학습하고 스스로 개선하는 AI 설계가 더 가까워질 수 있습니다.

- 엔비디아, 칩 메이커를 넘어 AI 생태계의 ‘설계자’로

엔비디아(Nvidia)가 2025년 들어 AI 스타트업 투자 역대 최대 기록을 세우며, 단순한 GPU 제조사를 넘어 AI 시대의 설계자(designer) 로 자리매김하고 있습니다.
TechCrunch 보도에 따르면, 엔비디아는 2025년 현재 50건 이상의 벤처 투자에 참여하면서 이미 2024년 전체 투자 규모를 넘어섰습니다. 

이 투자는 단순한 재무적 베팅이 아니라, AI 생태계 전반을 통제하고 확장하려는 전략적 움직임으로 평가됩니다. 엔비디아는 자금, 하드웨어, 소프트웨어, 생태계 영향력을 유기적으로 엮어 ‘AI 제국’을 구축하고 있습니다.

🚀 AI 인프라와 파운데이션 모델에 집중된 투자

엔비디아는 자신들의 GPU 및 CUDA 생태계와 직접 시너지를 낼 수 있는 파운데이션 모델 및 AI 인프라 스타트업에 가장 적극적으로 투자하고 있습니다.
이 전략의 핵심은 “AI의 기초 체계를 쥔 자가 생태계를 통제한다”는 확신입니다.

• OpenAI — 2024년 10월, 66억 달러 규모의 라운드에 약 1억 달러 투자. ChatGPT 생태계와의 기술적·전략적 연계를 강화.

• Mistral AI — 유럽의 대표 LLM 스타트업. 시리즈 C에서 약 1.7억 유로 투자 유치, 엔비디아는 GPU 공급 및 연구 협력 확대.

• Cohere / Perplexity / Reka — 기업용 LLM, 검색 기반 AI, 모델 최적화 기술 등 다각화된 AI 서비스군에 대한 포트폴리오 확장.

• Reflection AI / Thinking Machines Lab — 초기 단계 스타트업임에도 수십억 달러 밸류로 투자 유치. 엔비디아의 ‘미래 기술 선점형’ 투자 전략을 상징.

이처럼 엔비디아는 GPU 판매를 넘어, AI 학습 인프라와 언어 모델의 생태계 자체를 자신들의 영역 안으로 끌어들이고 있습니다.

🤖 자율주행과 로보틱스 — ‘실물 AI’로 확장되는 투자

엔비디아는 자율주행, 로보틱스, 생성형 미디어 분야를 차세대 성장 축으로 보고 있습니다. 이는 자사의 비주얼 컴퓨팅 및 엣지 AI 기술과 자연스럽게 연결되는 영역입니다.

• Wayve / Waabi / Nuro — 자율주행 트럭 및 물류 AI 기업. 엔비디아의 드라이브(Drive) 플랫폼과 직접적 기술 연계.

• Figure AI — 인간형 로봇 개발 기업. 로보틱스용 GPU 및 학습 프레임워크 최적화를 통해 차세대 하드웨어 시장 확대 노림수.

• Runway — 생성형 비디오 기술을 선도하는 스타트업. AI 기반 콘텐츠 제작 시장 진입의 교두보로 평가됨.

이처럼 엔비디아는 ‘AI 두뇌(GPU)’를 넘어 AI가 현실에서 움직이고, 보고, 말하는 단계까지 확장하려 하고 있습니다.

💼 ‘엔비디아식 투자 전략’: 생태계 안에서 자라는 스타트업

엔비디아의 투자는 단순한 자금 지원이 아닙니다.
자본 → 기술 인프라 → 시장 진입 → 생태계 귀속의 선순환 구조를 갖춘 ‘상호 거래형 투자 모델’을 지향합니다.

• 투자금의 일부가 다시 엔비디아로 돌아오는 구조
  스타트업들은 엔비디아 GPU와 CUDA 플랫폼을 사용하며 개발을 진행하고, 자연스럽게 생태계 종속성이 형성됩니다.

• 기술·시장 지원 통합 전략
  투자 대상 기업에 최신 하드웨어 접근권, 엔비디아 소프트웨어 최적화 지원, 마켓 파트너십 등을 제공해 ‘함께 성장하는 구조’를 만듭니다.

이 모델은 엔비디아가 하드웨어 매출뿐 아니라 AI 생태계 전반에서 구조적 지위를 확보하게 만드는 핵심 전략입니다.

엔비디아는 이제 '칩을 설계하고 판매하는 기업’을 넘어, AI 산업의 질서와 방향을 설계하는 기업으로 진화하고 있습니다. 

엔비디아의 제국 안으로 들어갈지, 혹은 그 바깥에서 새로운 질서를 만들어낼지는
AI 시대를 준비하는 스타트업들에게 놓인 가장 중요한 선택이 될 것입니다.