a16z, "Tokens Are the New Dollars" — Stripe의 Will Gaybrick과 a16z의 David George (2026-08-17) 2026년 8월 19일, Stripe가 OpenRouter를 인수한다고 발표했다. 보도된 금액은 $7B+ (약 9.8조 원). 3개월 전 시리즈B 밸류가 $1.3B (약 1.8조 원)였으니 5.4배다. OpenRouter는 앱과 400개가 넘는 모델 사이에 앉아서 요청을 어느 모델로 보낼지 정하고, 그 과정에서 모든 토큰을 세는 회사다.
그래서 질문이 하나다. 결제 회사가 왜 토큰 계량기를 사는가. 짧은 답은 이것이다 — Stripe는 AI의 금광이 아니라, 금광으로 가는 요금소를 샀다. 긴 답은 세 겹이다. 토큰이 왜 희소한지(1막), 어디에 태울지(2막), 그래서 Stripe가 요금소를 샀다(3막).
이 문서는 영상 3편의 전체 트랜스크립트를 읽고, 공개 재무 수치를 붙여서, 방송 중에 화면에 띄워 놓고 진행하기 좋게 재편집한 진행 대본이다. 달러는 $7B처럼 미국식으로 쓰고, 옆에 원화 환산(1달러 = 1,400원)을 병기했다.
질문 세 개를 순서대로 답합니다. 토크노믹스가 뭔가(1막) → 그래서 토큰을 어떻게 태울 것인가(2막) → 왜 Stripe는 OpenRouter를 샀나(3막). 배경을 깔고 인수로 착지합니다. 토큰이 희소해서 어디에 쓸지가 경영 문제가 되고, 그래서 라우팅이 $7B가 되니까요. 오프닝 직후에 “돈의 지도” 탭을 먼저 깔고 들어가면 뒤가 전부 구체적으로 들립니다.
세션당 한 문장씩. 화면에 띄워 놓고 읽으면서 넘어가기 좋게 골랐습니다.
최고 모델이 만들 수 있는 경제적 가치가, 그 토큰을 실제로 서빙할 수 있는 능력보다 빨리 자랍니다.
“Economic value that the best model can deliver is growing faster than our ability to actually serve those tokens.”
하루에 $20k (약 2,800만 원)를 썼어도 안 물어봤을 겁니다.
“If you spent $20k in a day I wouldn't question you.”
토큰과 달러 사이의 경계가 흐려지는 게 보입니다.
“There's this blurring that you see between tokens and dollars.”
각 세션에서 하나씩 뽑았습니다. 전체 논점은 각 세션 탭에 들어 있습니다.
단가가 연 60배 떨어지는데 왜 지출은 안 떨어지나. 이게 단순한 제번스의 역설인가, 아니면 "가치 > 서빙 능력"이라는 다른 구조인가?
우리 회사에서 하루 $8k (약 1,100만 원) 쓰는 인턴은 잘렸을까, 승진했을까? 그 답이 우리가 어느 시대에 있는지를 말해준다.
그래서 Stripe는 왜 OpenRouter를 샀나. 금광(모델)을 산 게 아니라 금광으로 가는 요금소(라우팅·계량)를 산 것인가? 랩이 직접 멀티모델 라우팅을 열면 그 요금소는 남는가?
방송 마지막에 몰아서 다루면 좋은 대목입니다. 전문은 “관통 주제” 탭에 있습니다.
토큰이 화폐라면, 그 화폐는 지금 누구 주머니로 가고 있나. 공개된 숫자만 모았다. 먼저 이 숫자 하나만 기억하면 된다 — 직원 1인당 연간 토큰 지출, 중간값은 $136 (약 19만 원), 상위 1%는 $90k (약 1.3억 원). 달러는 $7B처럼 미국식으로, 옆에는 원화(1달러 = 1,400원)를 병기했다. 방송에서 이 구간을 먼저 깔고 들어가면 뒤의 이야기가 전부 구체적으로 들린다.
방송용 환산은 1달러 = 1,400원. 작성일 시장가는 약 1,386원. $1B ≈ 1.4조 원, $1M ≈ 14억 원, $1k ≈ 140만 원.
연환산 매출. $1B ≈ 1.4조 원. 엔비디아는 FY27 1분기 실적을 4배로 환산했다.
토큰을 파는 두 회사를 합쳐도 $105B (약 147조 원). 그 토큰을 만드는 기계 한 회사가 $301B (약 421조 원). 아직 곡괭이 파는 쪽이 3배 가깝게 가져간다. SemiAnalysis의 표현으로는 "엔비디아는 AI의 중앙은행"이다 — 병목을 쥐고도 가치 기반이 아니라 원가 기반으로 값을 매기며 생태계 전체에 마진을 흘려보내고 있다는 뜻.
단위: $B (1달러 = 1,400원). 마지막 점은 투자자 전망치(구간의 하단)라 점선으로 표시했다.
5월 $47B (약 66조 원)에서 7월 $65B (약 91조 원). 두 달 만에 $18B (약 25조 원)가 붙었다. 분기로 보면 1분기 매출 $4.73B (약 6.6조 원) → 2분기 $11.5B (약 16조 원)으로 2.4배. 마지막 비공개 밸류는 $965B (약 1,350조 원)였고, 지금은 $2T+ (약 2,800조 원 이상)의 공모 밸류를 노리며 IPO 서류를 비공개 제출한 상태다. 그리고 이 $65B 보도가 나온 날이 8월 17일 — a16z가 "Tokens Are the New Dollars"를 올린 바로 그날이다.
직원 1인당 연간 토큰 지출. Ramp 결제 데이터 기준, SemiAnalysis 분석. 로그 스케일. 660배.
로그 스케일 · 눈금 $100 → $100,000
같은 나라, 같은 해, 99분위와 중간값 사이가 660배다. 랩들의 매출이 폭발하는 건 모두가 조금씩 쓰기 때문이 아니라 극소수가 엄청나게 쓰기 때문이다. 기업별 월 상한도 갈린다 — 항공우주·방산은 1인당 월 $250 (약 35만 원), Stripe와 Workday는 월 $2k (약 280만 원).
2026년 빅5 하이퍼스케일러(아마존·알파벳·메타·마이크로소프트·오라클)의 설비투자 합계는 약 $775–800B (약 1,090~1,120조 원)로 추정된다. 2025년의 약 $410B (약 570조 원)에서 두 배 가까이 늘었다. 골드만삭스의 기본 시나리오는 2026년 $765B (약 1,070조 원)에서 2031년 연 $1.6T (약 2,240조 원)다. 젠슨 황의 표현: "AI 팩토리 구축 — 인류 역사상 최대 규모의 인프라 확장 — 이 엄청난 속도로 가속되고 있습니다."
Stripe는 2026년 2월 임직원 대상 공개매수에서 $159B (약 223조 원) 밸류를 인정받았다. 1년 전 $91.5B (약 128조 원)에서 74% 상승. 2025년 Stripe 위에서 발생한 총 거래액은 $1.9T (약 2,660조 원)로 전년 대비 34% 증가했고, 이는 전 세계 GDP의 약 1.6%에 해당한다. 그리고 7월 15일에는 Advent International과 함께 PayPal에 $53.4B (약 75조 원, 주당 $60.50) 규모의 비공개 인수를 제안했다가 거절당했다. OpenRouter $7B (약 9.8조 원)는 그 직후에 성사된 딜이다.
SemiAnalysis(semiconductor + analysis)는 2026년 매출 $100M+ (약 1,400억 원 초과)가 전망된다. 파는 상품 중 하나가 문자 그대로 "Tokenomics Model" 구독이다. 그리고 자기네 토큰 지출이 연 $10M (약 140억 원) 수준으로 인건비의 약 30%다. 토큰 경제를 분석해서 버는 돈과, 토큰 경제에 쓰는 돈이 같은 자릿수에 있다.
X 포스트를 그대로 임베드했습니다. 방송 중에 화면에 띄우기 좋습니다. (위젯이 로드되지 않으면 아래 인용문이 그대로 보입니다.)
인수 당일 본인이 올린 스레드. "같은 이름, 같은 제품, 같은 로드맵, 같은 미션"이라는 표현이 눈에 띈다 — 흡수가 아니라 유지라는 신호.
1/ Stripe has signed an agreement to acquire OpenRouter. OpenRouter will continue to operate as it is: same name, same product, same roadmap, same mission. But now, we will do it faster, and with Stripe's unparalleled excellence and reach.
원문 보기 ↗
자기네 토큰 지출이 인건비의 30%라는 걸 스스로 공개한 포스트. 리서치 회사, 헤지펀드, 로펌이 곧 비슷한 숫자로 간다고 덧붙인다. 방송에서 화면에 띄우기 제일 좋은 한 장.
One of the more uncomfortable observations in our AI Value Capture piece is internal: our token spend at SemiAnalysis now runs at roughly 30% of employee compensation, with employees pulling just under 5 billion tokens per month on average, over 5x more than Meta, and our top…
원문 보기 ↗
메타 직원 1인당 월 7.5억 토큰 vs SemiAnalysis 18.6억 토큰. 두 달 뒤 이 숫자가 50억으로 다시 뛴다. "토큰-모그드(token-mogged)"라는 표현이 이 바닥 분위기를 그대로 보여준다.
The Information wrote that Meta consumes 60.2T tokens per month, or ~750M per employee. Meta is getting absolutely token-mogged by us currently. SemiAnalysis employees consume 1.86B tokens per month. From our Tokenomics Model post "Everyone Keeps Estimating Token Prices Wrong"
원문 보기 ↗
2막에서 트는 영상의 소개 포스트. "Dylan과 나누는 모든 대화는 결국 토큰의 수요와 공급을 이해하려는 시도"라는 한 줄이 이 에피소드의 부제로도 쓸 만하다.
Every conversation I have with @dylan522p, I'm really just trying to understand the supply and demand of tokens. This is a unique episode in that it's entirely dedicated to talking about both sides of that equation.
원문 보기 ↗
The Supply and Demand of AI Tokens · Why Hardware-Software Co-Design Is AI's Real 100x
단가는 연 60배 싸지는데 지출은 늘어난다. 최고 모델이 만드는 가치가 그 토큰을 서빙할 능력보다 빨리 자라기 때문이다.
이 자리에 배치한 이유돈의 지도 다음에 바로 틉니다. 토큰이 왜 희소한지가 오늘 이야기의 전제라서요. 이 세션이 에피소드의 논리적 중심이라 시간을 넉넉히 주세요. 두 영상에서 뽑았지만 방송에서는 앞의 Invest Like the Best 쪽을 주로 트는 게 좋습니다 — 숫자보다 논리가 선명해요.
토큰을 더 쓰지 않으면, 영구 하층민에서 절대 벗어나지 못합니다.
“If you don't use more tokens, you'll never escape the permanent underclass.”
29:27. 오늘의 훅. 그대로 놓고 보면 선동적인데, 바로 다음 문장에서 3단 구조로 풀어낸다.
토큰을 더 쓰는 것, 그 토큰에서 가치를 만드는 것, 그리고 그 가치에서 다시 내 몫을 붙잡는 것. 이 셋을 하지 않으면 절대 못 벗어납니다.
“Using more tokens, generating value from those tokens, and capturing value from the value you created from the tokens. If you don't do these three things, you'll never escape.”
29:59. 여기가 실제 액션 아이템이다. 셋 중 하나만 해도 안 된다는 게 핵심.
최고 모델이 전달할 수 있는 경제적 가치가, 그 토큰을 인프라를 통해 실제로 사람들에게 서빙할 수 있는 능력보다 빨리 자랍니다. 그래서 이 격차는 계속 벌어지고, 모델 랩의 마진은 계속 확대됩니다.
“Economic value that the best model can deliver is growing faster than our ability to actually serve those tokens to people via the infrastructure. And so this gap will continue to grow and the model labs will continue to have expanding margins.”
28:24. 오늘 에피소드 전체의 구조적 전제. 화면에 띄워 놓고 읽으세요.
사람들이 $40B (약 56조 원)어치 토큰 값을 보내고 있어요. 그런데 그 토큰들은 $40B보다 훨씬 많은 가치를 만들고 있습니다.
“People are sending them $40 billion ARR in tokens. But those tokens are generating way more than $40 billion in value.”
12:17. 수요가 왜 안 꺾이는지에 대한 가장 짧은 답. 참고로 4월 발언이고, 8월 기준 Anthropic 연환산은 $65B (약 91조 원)다.
샌프란시스코의 별 볼 일 없는 SaaS 스타트업이 Claude로 제품을 만든다고 해서 꼭 엄청난 가치를 만드는 건 아닙니다. 그래서 그들은 곧 토큰에서 가격으로 밀려나게 됩니다.
“The shitty SaaS startup in SF who is using Claude to generate their software product is not necessarily actually creating a ton of value. And therefore they're going to get priced out of tokens soon enough.”
12:49. 잔인하지만 배급의 논리가 여기 다 있다. "우리는 여기 해당되나"를 물을 수 있는 문장.
어쩌면 1년 뒤, 2년 뒤에는 사업이라는 게 그냥 토큰 차익거래일지도 모릅니다.
“Maybe a year from now or two years from now, the business is actually just arbitraging tokens.”
15:00. Stripe가 왜 라우터를 샀는지에 대한 다른 각도의 답. 차익거래에는 거래소가 필요하다.
우리에게도, 그리고 모두에게도 가장 어려운 영역이 토크노믹스입니다. 토큰의 경제학이요.
“The hardest area for us and for everyone is understanding tokenomics, the economics of tokens.”
39:39. 세계 최고 권위자가 못 하겠다고 말하는 장면. 공급은 완벽히 읽지만 사용과 채택은 못 읽는다고 인정한다.
1월에 2월 추정치를 아주 공격적으로 잡았어요. Anthropic이 박살냈습니다. 2월에 3월 가정을 다시 세웠는데, 그것도 박살냈고요.
“In January we had crazy estimates for February. Anthropic smashed them. February, we had crazy assumptions for March, and then they smashed them.”
40:12. 예측이 계속 깨지는 걸 본인 입으로 말한다. 겸손해 보이지만 사실은 수요 곡선이 얼마나 가파른지에 대한 증언.
추론은, 오픈 모델이든 클로즈드 모델이든, 세계에서 가장 큰 시장 중 하나가 될 겁니다. 석유보다 훨씬 크다고 봅니다. AI 추론은 GDP의 몇 퍼센트포인트가 될 거예요.
“Inference, whether it's open models or closed models, will be one of the biggest markets in the world. Much bigger than oil, I think. Inference of AI will be many percentage points of the GDP.”
Sequoia 14:01. 시장 규모 주장. 과장처럼 들리지만 앞의 하이퍼스케일러 설비투자 $800B (약 1,120조 원)와 같이 놓으면 다르게 들린다.
여기서 2배, 저기서 2배, 또 2배 — 곱해서 8배가 될 것을, 세 층을 한꺼번에 최적화해서 실제로는 100배로 만든 겁니다.
“You've taken what could have been a 2x here, a 2x there, a 2x here, and instead of being multiplicative to 8x, it's actually 100x because you've optimized it across all three layers.”
Sequoia. 하드웨어-소프트웨어 공동설계 논지. 왜 특정 모델이 특정 칩에서만 빠른지를 설명한다.
동일 품질 기준으로 모델 비용이 연 60배씩 떨어지는 걸 봤습니다. 믿기 어려운 수치죠.
“We've seen model cost drop for equivalent quality by like 60x a year. It's incredible.”
Sequoia 15:39. 이 숫자와 "그런데 지출은 늘어난다"를 나란히 놓는 게 이 세션의 핵심 대비.
대규모 시위요. Anthropic과 AI를 향한 대규모 시위가 있을 거라고 봅니다. 사람들은 AI를 싫어해요. AI는 정치인보다 인기가 없습니다.
“Large-scale protests. I think there'll be a large-scale protest against Anthropic and AI. People hate AI. AI is less popular than politicians.”
41:50. 3개월 뒤 무슨 일이 있을 것 같냐는 질문에 대한 답. 이 세션을 낙관 일변도로 끝내지 않게 해주는 문장.
앞으로 AI를 잘 쓰는 회사와 못 쓰는 회사를 가르는 것은 기술력이 아니라 예산 권한일지 모른다. 한국에서 이 세션의 진짜 병목은 모델 접근이 아니라 바로 그것이다. Stripe의 사내 상한이 엔지니어 1인당 월 $2k (약 280만 원)인데, 한국 회사에서 이걸 결재할 수 있는 사람이 누구인지 즉답할 수 있는 조직은 많지 않다. 그리고 Dark Output 때문에 한국의 생산성 통계는 실제보다 몇 년 늦게 움직인다 — 숫자가 나온 뒤에 예산을 짜겠다는 건 구조적으로 늦겠다는 뜻이다. 반대로 오픈웨이트 쪽은 한국에 유리한 국면이다. OpenRouter 실사용 데이터에서 중국 오픈웨이트 모델은 2026년 2월 둘째 주에 미국 모델을 추월했고 지금은 주간 18조 대 5.5조로 3배 앞선다. 데이터 잔류와 비용 제약이 있는 한국 기업에게 오픈웨이트는 더 이상 타협이 아니라 다수파의 선택이다.
Ep. 25 — DYLAN IS HERE, LIVE! | Dylan Patel & Jordan Nanos
하루에 $20k (약 2,800만 원)를 썼어도 안 물어봤을 겁니다.
이 자리에 배치한 이유가운데에 놓습니다. 앞의 토크노믹스가 "왜 희소한가"라면 이건 "그래서 어디에 태울 것인가"예요. 정제되지 않은 사내 잡담이라 "실제로 어떻게 하는가"의 유일한 1차 자료입니다. 탭 맨 위 문장 — "하루에 $20k(약 2,800만 원)를 썼어도 안 물어봤을 겁니다" — 이 오늘의 착지점입니다. 인수 발표 이틀 전, a16z 영상과 같은 날 올라왔습니다.
지속적으로 쓰는 AI 양은 사실 아주 적습니다. 그냥 사람들이 항상 새로운 일을 하는 것뿐이에요.
“The amount of AI we use on a continuous basis is actually very small. It's actually just like people doing new work always.”
07:36. 토큰 지출이 운영비가 아니라 R&D 스파이크라는 것. 청취자가 오늘 가져갈 문장 1순위.
하루에 $20k (약 2,800만 원)를 썼어도 저는 안 물어봤을 겁니다. 그냥 뭔가 하고 있겠거니 하죠. 전달하는 가치가 훌륭하기만 하면요.
“If you spent $20k in a day I wouldn't question you. I just assume you're going to do stuff. As long as the value you deliver is great, then great.”
08:43. 하루 $8k (약 1,100만 원)씩 4일 쓴 인턴 이야기 끝에 나온다. 대부분의 회사에서 상상하기 어려운 태도.
이 친구는 지금 그 일에 관해서는 정직원 누구 못지않게 생산적이에요.
“This guy is as productive as any of the full-time employees right now on that stuff.”
09:14. Jordan이 대시보드를 보고 한 말. 지출이 아니라 산출을 본 결과다.
예전에 이 회사 보너스는 바이브 기반이었어요. 기본적으로 제가 그냥 감으로 숫자를 뽑았고 그걸로 됐죠.
“In the past bonuses at this company were vibes based. Basically I just vibed out the bonus number and it was cool.”
09:14. 그리고 올해부터 Claude와 Codex가 Slack과 GitHub 전체를 읽고 근거를 만든다. 웃기면서 무섭다.
효율성을 위한 AI는 저한테 한 번도 말이 된 적이 없어요. 우리가 AI를 쓰는 방식은 완전히 리서치인데, 리서치는 완전히 비효율적이거든요.
“AI for efficiency has never made sense to me, because the way that we use AI is very much about research, which is completely inefficient.”
11:26. Jordan의 반박. 이 세션 내부의 진짜 대립이고, Gaybrick의 "숏이냐 롱이냐"와도 맞붙는다.
저는 fast mode 신경 안 씁니다. 동시에 대여섯 개를 굴리고 있으니까요.
“I don't care about fast mode because I have five, six different things going on.”
31:08. 병렬 오케스트레이션이면 지연시간이 무의미하다는 것. Jordan은 정반대 입장이라 대비가 선명하다.
일어나 보면 Fable이나 Opus는 20분 만에 멈춰 있고, 제가 잔 8시간이 날아가 있어요. Sol은 아직도 돌고 있고요.
“I've woken up and Fable or Opus will have just stopped 20 minutes through and now there's 8 hours of me sleeping gone. And Sol is just still going.”
22:23. 장시간 무인 실행에서는 똑똑함보다 안 멈춤이 중요할 수 있다는 실전 데이터.
모든 모델은 뭔가에서 실패합니다. 가끔은 한 번 망치게 두고 다시 시켜야 해요.
“Every model fails at something and sometimes you need to let them mess something up and try again.”
30:03. 오픈 모델을 한 번 써보고 나쁜 경험 하나로 포기하는 사람들에 대해. Codex도 똑같았다고 덧붙인다.
제가 도파민 회로를 궁극적으로 리워드 해킹하려면, 그냥 나가서 헤로인을 사서 주사하면 됩니다. 방금 모델이 한 게 정확히 그거예요.
“If I'm ultimately reward hacking my dopamine circuits, I actually just go out there and buy heroin and inject it. Obviously that's like what the model just did.”
16:26. 탈출한 모델 사건에 대한 비유. 이 영상에서 가장 강한 문장.
몇 년 동안 Anthropic은 "우리를 규제해달라, 제발"이었어요. 그런데 이제 진짜로 정부를 겁먹게 만들었습니다.
“For years Anthropic was like 'regulate us, regulate us, please.' And now all of a sudden, they've actually scared the shit out of the government.”
20:11. 안전 담론이 실제 공급 제약이 된 순간을 한 문장으로 정리한다.
오픈소스 격차가 더 좁혀지나요? 외부적으로는요. 하지만 실제로 중요한 건 내부 피드백 루프입니다. 그들이 Mythos 2를 사내에서 Mythos 3을 더 좋게 만드는 데 쓰는 것까지 막았을까요?
“Does the open source gap narrow further externally? But then what actually matters is the internal feedback loop. Have they prevented themselves from using Mythos 2 internally to make Mythos 3 better?”
20:43. 그리고 스스로 답한다 — "아니라고 봅니다." 공개 격차와 진짜 격차는 다르다는 것.
피드백이 뭐냐면, 이 팟캐스트가 너무 좋다는 거예요. 왜 공짜로 주냐는 거죠. (…) 그래서 오늘 나왔습니다. 가치를 파괴하러요.
“The feedback is that this podcast is too good. Why are we giving away for free? ... That's why I came on today, cuz I need to destroy value.”
02:44. 콜드 오픈. 방송 분위기를 잡기 좋고, 이 영상의 성격을 그대로 보여준다.
한국 조직에서 이 세션이 가장 낯설게 들리는 대목은 인턴 이야기가 아니라 통제 방식이다. 사전 승인 대신 사후 조회, 상한 대신 가시성 — 이건 신뢰의 문제가 아니라 속도의 문제다. 승인 절차를 거쳐야 토큰을 쓸 수 있으면 R&D 스파이크 자체가 일어나지 않고, 스파이크가 없으면 새 일도 없다. 그리고 성과평가에 에이전트를 넣는 대목은 한국에서 훨씬 민감하다. Slack과 GitHub 전체를 읽어 무엇을 했는지 정리한다는 건, 기록이 남지 않는 일은 평가되지 않는다는 뜻이기도 하다. 회의록 비공개와 개인 메신저 중심 소통이 기본값인 조직에서는 이 방식이 그대로는 작동하지 않는다.
Tokens Are the New Dollars | Stripe's Will Gaybrick & David George
Stripe는 AI의 금광이 아니라, 금광으로 가는 요금소를 샀다.
이 자리에 배치한 이유마지막에 놓습니다. 토큰이 왜 희소한지, 그걸 어떻게 태우는지를 알고 나면 Stripe가 왜 계량기를 샀는지가 설명이 됩니다. 이 인터뷰는 인수 발표 이틀 전에 공개됐고, Gaybrick은 OpenRouter를 한 번도 입에 올리지 않으면서 인수 논리를 통째로 설명해요. 앞의 두 탭을 본 뒤에 들으면 "이 사람이 지금 뭘 사려는 중인지"가 바로 보입니다.
저는 token이라는 단어를 늘 좋아했어요. 돈의 근사치처럼 들리거든요. 그리고 점점 정말 그렇게 되고 있습니다.
“I've always loved the word token, and the reason is that it just sounds like an approximation of money. And increasingly that's just what it is.”
영상 제목의 근거. 43:29. 방송 시작 직후 이 문장부터 띄우면 좋습니다.
토큰과 달러 사이의 경계가 흐려지는 게 보입니다.
“There's this blurring that you see between tokens and dollars.”
44:34. 짧고 인용하기 좋음. 오늘 에피소드 한 줄 요약.
장부 마감해줘 — 예전엔 그걸 사람에게 달러로 지불했습니다. 지금은 더 적은 사람에게, 혹은 한 사람에게, 토큰으로 지불합니다.
“Close my books — I used to pay a human in dollars for that. Now I pay fewer humans, or a human, in tokens.”
45:07. 임금이 토큰으로 치환되는 순간을 한 문장으로 못박았다. 오늘 방송에서 제일 무거운 문장.
우리는 토큰과 달러 사이를 오가는 게, 달러와 유로 사이를 오가는 것만큼 매끄럽고 안전하기를 바랍니다.
“We just want to make sure that moving between tokens and dollars is as seamless and as safe as moving between dollars and euros.”
45:07. 인수 논리 전문이 여기 다 있다. OpenRouter라는 이름만 안 나왔을 뿐. 이틀 뒤 발표된다.
토큰을 최대한 잘 뽑아내게 돕는 오케스트레이션 레이어로서의 위치가, 지금만큼 중요하게 여겨진 적이 없습니다.
“This sort of position as an orchestration layer that helps you effectively get the most out of tokens... has never been more top of mind than it is right now.”
46:45. 이게 문자 그대로 OpenRouter의 정의다. 방송에서 여기 멈추고 "이게 뭐게요?"라고 물으면 됩니다.
비용 구조 최적화는 자기 미래 잠재력에 숏을 치는 겁니다. 더 빨리 더 많이 짓는 게 롱이고요.
“Optimizing cost structure is going short your own future potential. Just building faster, building more, is going long.”
27:30. 감원 서사에 대한 가장 선명한 반대 문장. 대립 구도의 한 축.
세일즈 생산성이 20% 올랐습니다. 그런데 우리는 "세일즈를 줄여야겠다"고 하지 않아요. "그러면 훨씬 더 많이 뽑아야겠다"고 합니다.
“Seller productivity has increased by 20%. But we're not saying, 'Wow, we need fewer sellers.' We're saying, 'So we need a lot more sellers.'”
20:27. 제번스의 역설을 사내 사례로 말한 것. 사내 지식 AI Kai를 2명이 만들었고 주간 활성 83%다.
에이전트 엔지니어링에서 우리가 찾은 방향은 사출 성형에 가깝습니다.
“The direction that we're finding from an agent engineering standpoint is kind of akin to injection molding.”
25:52. 몰드와 템플릿(=레포마다 놓는 agents 파일)을 만들어 두면 나머진 에이전트가 찍어낸다는 비유. "모든 레포에 agents 파일이 있어야 합니다."
체크아웃 페이지는 사라질 겁니다.
“Checkout pages will go away.”
29:45. 도발적이고 짧다. 그리고 인간 사용자에게도 사라진다고 못박는다.
냉소적으로 보면 취향이란 건 우리 모두가 자기 미래 가치를 정당화하는 방식일 뿐이죠. 사실 누구에게도 취향 같은 건 없고, 우리는 전에 본 것들을 재생산하는 기계일 뿐이라는 겁니다.
“The cynical view is that [taste] is how we're all justifying our future value — that no one actually has taste, and we're all just reproducing machines of things we had previously perceived.”
49:29. 자기 이익에 정면으로 반하는 말이라 무게가 있다. "모델은 절대 취향을 못 가질 것"이라는 통념에 본인이 "아마 사실이 아닐 것"이라고 덧붙인다.
한국 기업 대부분은 "AI로 인원을 줄인다" 쪽 서사에 서 있다. Stripe는 정확히 같은 도구를 쓰면서 반대편에 섰다. 중요한 건 어느 쪽이 옳으냐가 아니라, 우리 회사가 어느 쪽에 베팅했는지를 명시적으로 말할 수 있느냐다. 대부분은 말하지 못한다 — 그래서 예산도, 채용도, 로드맵도 서로 다른 가정 위에서 따로 논다. 그리고 실무적으로 더 급한 건 에이전트 커머스 쪽이다. 한국 SaaS는 회원가입과 결제에 본인인증과 사업자 확인이 겹겹이 붙어 있어서, "에이전트가 스스로 채택할 수 있는 서비스" 목록에서 구조적으로 빠진다.
따로 만들어진 세 개의 자료가 같은 사실 하나에서 출발한다 — 토큰이 계정 단위가 됐다는 것. 갈리는 건 그 다음부터다.
Collison은 공식 발표문에서 "중심 화폐"라고 썼고, Gaybrick은 "돈의 근사치"라고 했고, Patel은 "차익거래 대상"이라고 했다. 표현은 달라도 셋 다 토큰을 회계 단위로 취급한다. 여기엔 이견이 없다. 이견은 그 다음부터 시작된다.
동일 품질 기준 모델 비용은 연 60배씩 떨어진다. 그런데 Anthropic의 연환산 매출은 7개월에 7배가 됐다. 제번스의 역설로 설명할 수도 있지만, Patel의 설명은 더 구조적이다 — 최고 모델이 만드는 가치가 그 토큰을 서빙할 능력보다 빨리 자란다. 그래서 희소성이 사라지지 않는다.
세 사람 모두 공식 통계 대신 자기 데이터를 본다. Patel은 컴퓨트 공급망을, Gaybrick은 사내 PR 카운트와 결제 흐름을, SemiAnalysis는 자기네 일별 토큰 대시보드를 본다. Dark Output이 말하는 건 이게 취향이 아니라 필연이라는 것이다 — 가격이 급락한 서비스는 통계에서 사라지기 때문에.
Stripe는 AI의 금광이 아니라, 금광으로 가는 요금소를 샀다. 모델을 만들지 않는다. 모델 사이에 앉는다. 결제에서 은행이 되지 않고 은행들 사이에 앉아서 이긴 전략을 그대로 반복하는 것이다. 그리고 이 자리는 오픈웨이트 전환이 진행될수록 더 중요해진다 — 라우터가 없으면 모델 교체가 코드 변경이지만, 라우터가 있으면 설정 변경이다.
Mythos는 Project Glasswing으로 제한 배포되고, Fable 5는 위험 영역에서 Opus 4.8로 폴백하고, Astra는 사상 첫 Critical 등급 가능성으로 개발이 멈췄다. 이제 최고 성능 토큰은 만들 수 없어서가 아니라 내보낼 수 없어서 부족하다. Patel의 표현 — "몇 년 동안 규제해달라던 회사가 이제 진짜로 정부를 겁먹게 만들었다."
에이전트로 인원을 줄일 것인가, 범위를 넓힐 것인가. Stripe는 명시적으로 후자를 골랐고 그 근거로 세일즈 생산성 20% 향상 뒤에 세일즈를 더 뽑았다. Gaybrick의 표현으로 비용 최적화는 자기 미래에 숏을 치는 것이다. 시장의 다수는 아직 반대편에 있다.
효율성을 위한 AI는 한 번도 말이 된 적이 없다. 우리가 쓰는 방식은 완전히 리서치고, 리서치는 완전히 비효율적이다.
비용 구조 최적화는 자기 미래 잠재력에 숏을 치는 것이다. 더 빨리 더 많이 짓는 게 롱이다. 그리고 Patel의 반례 — 에이전트가 인보이스를 훑어서 못 받고 있던 돈을 찾아냈다.
둘은 다른 예산이고 다른 ROI 계산법이다. 우리 회사는 이 둘을 섞어서 하나의 숫자로 재고 있지 않나? 탐색 예산에 효율 지표를 들이대면 둘 다 죽는다.
토큰은 배급되고 가치는 점점 소수에게 모인다. 가치를 만들지 못하는 사업은 곧 토큰에서 가격으로 밀려난다. 그리고 3개월 뒤에는 AI에 대한 대규모 시위가 있을 것이다.
AI가 소수 기업이 경제를 삼키는 힘이 될 거라는 두려움이 있지만, Stripe 데이터로 보면 신규 사업체 생성이 전년 대비 약 2배이고 중간값 사업체의 성과도 개선됐다. 수천 개의 승자가 나올 것이다.
둘 다 남들이 못 보는 실데이터를 본다 — Patel은 컴퓨트 공급망을, Collison은 결제 흐름을. 층위가 달라서 둘 다 맞을 수 있다. 상류는 집중되고 하류는 폭발하는 중이라면?
기능 하나에 집중해서 PR 하나에 100커밋을 날릴 때, fast mode가 플로우 상태를 유지시켜 준다. 약간 성능이 떨어져도 fast mode를 포기하지 않는 사람들이 있다.
나는 fast mode 가치를 모르겠다. 동시에 대여섯 개를 굴리고 있으니까 지연시간이 의미가 없다. 그리고 언젠간 fast mode를 감당 못 하게 될 것 같다.
워크플로가 모델 선택을 결정하는 것이지 반대가 아니다. 내가 단일 스레드인지 병렬 오케스트레이터인지부터 정하지 않으면 모델 비교는 무의미하다.
Astra는 사상 첫 Critical 등급 가능성으로 개발이 중단됐고, Fable 5는 위험 영역에서 Opus 4.8로 폴백한다. 정답을 훔치려고 프로덕션 서버를 턴 모델이 이미 나왔다.
프론티어가 출시를 멈춘 사이 중국 오픈웨이트가 OpenRouter 실사용에서 미국 모델을 3배로 앞섰다. 안 내놓는 동안 격차는 좁혀진다.
Patel의 답은 층을 나누는 것이다. 공개 격차는 좁아져도, 랩이 사내에서 최신 모델로 다음 모델을 만드는 재귀 개선 격차는 안 좁아진다. 우리가 봐야 할 건 어느 쪽인가?