기본 콘텐츠로 건너뛰기

OpenAI에서 잘린 24세가 225M을 5.5B로 만든 방법 — AI 시대 진짜 자산은 전기다

thumbnail

Photo by Tom Geerts on Unsplash

OpenAI에서 잘린 24세 연구원이 1년 만에 $225M을 $5.5B로 만들었습니다. 그가 투자한 건 AI 모델이 아니라 전력 회사였습니다. AI 시대에 진짜 돈이 되는 자산이 무엇인지, 숫자로 정리했습니다.

AI가 발전하면 AI 기업 주식을 사야 할 것 같습니다. 그런데 AI를 가장 깊이 이해하는 사람 중 하나가 전력 회사에 $875M을 베팅했습니다. 그리고 그 돈이 $2.2B가 됐습니다. 뭘 알고 있었던 걸까요.


이 사람은 누구인가 — Leopold Aschenbrenner

Leopold Aschenbrenner는 19세에 컬럼비아대를 수석 졸업한 독일 출신 AI 연구원입니다. OpenAI의 Superalignment 팀에서 일리야 수츠케버와 함께 일했습니다. AI 안전 문제를 내부에서 제기했다가 2024년 해고됐습니다.

해고 직후, 그는 165쪽짜리 에세이 "Situational Awareness"를 발표했습니다. AI가 2027년까지 전문가 수준에 도달할 것이라는 예측이 담긴 이 글은 업계에 큰 반향을 일으켰습니다. 그리고 곧바로 헤지펀드 Situational Awareness LP를 설립했습니다.

시드 투자자가 화려합니다. Stripe 창업자 콜리슨 형제, 전 GitHub CEO Nat Friedman, Daniel Gross. 이들이 그의 판단력에 돈을 걸었습니다.

$225M → $5.5B, 1년 만에 24배 — 그가 산 것

Aschenbrenner의 펀드는 2024년 4분기 $225M으로 시작해서, 2025년 4분기 $5.5B를 기록했습니다. 1년 만에 24배. SEC 공시 기준으로 확인된 숫자입니다.

그가 산 것은 AI 모델 회사가 아닙니다. 약 30개 종목의 포트폴리오에서 가장 큰 비중을 차지하는 것은 Bloom Energy($BE)라는 연료전지 회사입니다. $875M어치를 사들였고, 현재 가치는 약 $2.2B입니다.

나머지 포트폴리오도 비슷한 방향입니다. 전력 생산 회사(Vistra, Constellation Energy), 반도체 회사(Intel, Broadcom), AI 클라우드 인프라(CoreWeave), 심지어 비트코인 채굴 회사(Cipher Mining)까지. 공통점은 하나입니다. 전부 전기를 많이 쓰거나, 전기를 만드는 회사입니다.

왜 전기인가 — 숫자로 보는 AI의 전력 수요

Aschenbrenner의 논리는 단순합니다. AI가 발전하려면 데이터센터가 필요하고, 데이터센터는 전기를 먹습니다. 그것도 상상 이상으로.

전통적인 데이터센터의 전력 소비는 10~25MW 수준이었습니다. AI 학습용 하이퍼스케일 데이터센터는 100MW를 넘깁니다. Aschenbrenner는 진짜 AGI를 위해서는 10GW(기가와트)급 데이터센터가 필요하다고 봅니다. 단일 학습 한 번에 미국 전체 전력의 20% 이상을 소비할 수 있다는 얘기입니다.

이건 그의 개인 추측만이 아닙니다. IEA(국제에너지기구)는 전 세계 데이터센터 전력 소비가 2030년 약 945TWh로, 현재의 2배 이상이 될 것으로 전망합니다. 미국 5대 하이퍼스케일러(Amazon, Microsoft, Google, Meta, Oracle)의 2026년 데이터센터 설비투자는 약 $700B(7,000억 달러)로, 전년 대비 거의 2배입니다.

그래서 2026년 4월 14일, Oracle이 Bloom Energy와 2.8GW 규모 연료전지 계약을 체결했을 때 Bloom Energy 주가가 하루 만에 23% 올랐습니다. AI 데이터센터에 전력이 급하다는 것을 시장이 인정한 순간이었습니다.

골드만삭스도 같은 이야기를 했다

이전 글에서 다뤘던 골드만삭스 HALO 프레임도 같은 구조입니다. AI 발전의 수혜는 AI 모델을 만드는 회사보다, 그 모델을 돌리는 데 필요한 인프라 — 전기, 반도체, 냉각 시스템 — 를 제공하는 회사에 먼저 간다는 것입니다.

Aschenbrenner는 이 논리를 투자로 실행한 사람입니다. 골드만삭스가 프레임워크를 만들었다면, 그는 $5.5B짜리 실전 포트폴리오를 만들었습니다.

한국도 예외가 아니다

한국 상황도 비슷합니다. 한국데이터센터연합회에 따르면 국내 민간 데이터센터 시장 규모는 2024년 약 6조 2,200억 원에서 2028년 약 10조 1,900억 원으로 성장할 전망입니다. 2026년 시행된 AI기본법은 AI를 국가 핵심 인프라로 규정했고, 데이터센터 구축 비용 최대 25% 세제 감면을 추진하고 있습니다.

문제는 수도권 전력 수요 집중과 송전망 증설 갈등이라는 구조적 한계입니다. 전기는 AI 시대의 병목이고, 병목은 곧 기회입니다.


자주 묻는 질문 (FAQ)

Q. Leopold Aschenbrenner는 왜 OpenAI에서 해고됐나요?

AI 안전과 관련된 내부 보안 우려를 제기한 것이 원인으로 알려져 있습니다. 해고 후 그는 165쪽 분량의 "Situational Awareness" 에세이를 발표하며 AI 발전 속도와 안전 문제에 대한 경고를 공개적으로 밝혔습니다.

Q. GEO는 왜 전기 회사에 투자하나요? AI 회사가 아니라?

AI 모델은 경쟁이 치열하지만, AI를 돌리는 데 필요한 전기는 대체가 어렵습니다. 데이터센터 전력 수요가 폭증하는 상황에서 전력 인프라는 공급이 수요를 따라가지 못하는 병목 구간이고, 병목을 장악하는 기업이 이익을 가져갑니다.

Q. 이 투자 논리에 반박은 없나요?

있습니다. 첫째, 칩 효율이 개선되면 전력 수요 증가가 예상보다 느릴 수 있습니다. 둘째, 원자력이나 태양광 등 경쟁 에너지원이 연료전지를 대체할 수 있습니다. 셋째, AGI 도달 시점이 2027~2028년이 아니라 훨씬 늦을 수 있습니다. 투자는 개인 판단 영역입니다.


정리하며

AI 시대에 어디에 투자해야 하는지는 각자의 판단입니다. 다만 한 가지 분명한 흐름이 있습니다. AI가 발전할수록 전기 수요는 폭발적으로 늘어나고, 전기를 공급하는 인프라의 가치는 올라갑니다.

Aschenbrenner가 $225M을 $5.5B로 만든 건 AI의 미래를 예측했기 때문이 아닙니다. AI가 발전하려면 반드시 전기가 필요하다는, 지극히 물리적인 사실에 베팅했기 때문입니다.

이 글을 쓰면서 다시 느꼈습니다. AI 모델이 아무리 화려해도, 뒤에는 전기와 서버와 냉각수가 돌아가고 있어요. 기술보다 그 기술이 소비하는 물리적 자원을 보는 게 더 본질적입니다. 눈에 안 보이는 곳에 진짜 가치가 있습니다.


#멜론 AI 인사이트 #AI 인사이트 #AI 인프라

AI 인프라 투자 논리가 더 궁금하다면

골드만삭스 HALO 프레임 읽어보기 →

참고 자료
· Leopold Aschenbrenner "Situational Awareness" — situational-awareness.ai
· Fortune — Why Aschenbrenner's AI hedge fund is betting big on power companies
· Benzinga — 24-Year-Old Turns $875M Into $2.2B Via Bloom Energy
· CNBC — Oracle-Bloom Energy AI data center power deal
· 전기신문 — AI 전력 전쟁이 시작됐다
· @LEAPTRADER_ (X) — 원문 게시물

댓글

이 블로그의 인기 게시물

Opus 4.7 제대로 쓰는 법 — Claude Code 팀이 공유한 실전 팁 6가지 2026

Photo by Joshua Woroniecki on Unsplash Opus 4.7로 바꿨는데 "음... 좀 나아진 것 같기도?"로 끝났다면, 모델이 아니라 쓰는 방식이 문제입니다. Claude Code를 만든 팀이 직접 몇 주간 써보고 깨달은 것을 공유했습니다. 솔직히 저도 그랬습니다. Opus 4.7 나왔다길래 바로 써봤는데, 처음엔 "뭐가 달라졌지?" 싶었습니다. 그런데 Boris Cherny(Claude Code 팀)의 팁을 보고 워크플로우를 바꿨더니, 체감이 확 달라졌습니다. 매일 이 블로그를 Claude Code로 운영하면서 하나씩 적용해본 기록입니다. 광고 자리 (AdSense 승인 후 교체) 핵심 요약 — 6가지 팁 한눈에 팁 한줄 요약 적용 방법 Auto mode 권한 프롬프트 자동 판단 Shift+Tab /fewer-permission-prompts 반복 허락 묻기 제거 /fewer-permission-prompts 입력 Recaps 긴 작업 후 요약 자동 제공 자동 (Opus 4.7 기본 탑재) Focus mode 중간 과정 숨기고 결과만 /focus 입력 Effort level 생각 깊이 직접 조절 /effort 입력 검증 수단 제공 AI가 스스로 결과를 확인하게 테스트/브라우저/Computer use 연결 1. Auto mode — 옆에서 지켜보지 마세요 "이 명령어 실행해도 될까요?" — Cla...

Claude Design 제대로 쓰는 법 — Anthropic 디자이너가 공유한 실전 팁 7가지 2026

Photo by Balaji Padmanabhan on Unsplash Anthropic에서 7개 제품을 동시에 담당하는 디자이너가 있습니다. 혼자서요. 그게 가능한 이유가 Claude Design입니다. 캔버스 도구처럼 쓰면 답답한 이 도구, 제대로 쓰는 법을 정리했습니다. Figma나 Sketch 같은 캔버스 기반 도구에 익숙한 사람일수록, Claude Design을 처음 만지면 어색합니다. 레이어도 없고, 드래그 앤 드롭도 없으니까요. 그런데 이건 다른 동물입니다. Anthropic 버티컬 팀 디자이너 Flo Merboy가 X에 올린 스레드에서 직접 공유한 팁 7가지를 보면, 왜 이 도구가 워크플로우 자체를 바꾸는 물건인지 감이 옵니다. 광고 자리 (AdSense 승인 후 교체) 1. 디자인 시스템부터 세팅하라 — 준비 1시간이 수십 시간을 아낀다 작업 시작할 때 디자인 시스템과 주요 화면을 먼저 잡아두는 데 한 시간 정도 투자하세요. 이게 없으면 매번 "이 버튼은 둥근 모서리에 초록색이고 높이는 40px이고..." 하고 설명해야 합니다. 한 번 세팅해두면 이후에는 "로그인 버튼 추가해줘"로 끝납니다. 컴포넌트를 설명하고 스타일을 맞추는 반복 작업이 통째로 사라져요. 2. 엔지니어와 실시간으로 이터레이션하라 Claude Design의 진짜 힘은 속도입니다. 대화 중에 "이렇게 하면 어때요?" 하면 바로 화면이 뜹니다. 이게 무슨 의미냐면, 한 번의 미팅에서 새 기능 디자인을 마무리할 수 있다는 뜻입니다. 높은 레벨에서 개념과 제약을 얘기하면서, 그게 바로 구현되는 모습을 보는 협업. 예전 방식으로는 불가능했던 겁니다. 기획 → 시안 요청 → 대기 → 피드백 → 수정 → 대기, 이 루프가 한 자리에서 끝납니다. 광고 자리 (AdSense 승인 후 교체) 3. C...

ChatGPT 메모리가 이제 보입니다 — 환각 52% 줄인 GPT-5.5 Instant의 진짜 변화 2026

Photo by Andy Luo on Unsplash OpenAI가 ChatGPT를 조용히 바꿨습니다. 새 기본 모델 GPT-5.5 Instant가 나왔고, 환각이 절반 가까이 줄었습니다. 그런데 더 중요한 건 따로 있습니다. 이제 ChatGPT가 답을 어디서 가져왔는지 사용자에게 보여주기 시작했다는 점입니다. [AdSense 상단] 무엇이 바뀌었나 2026년 5월 5일, OpenAI는 ChatGPT의 기본 모델을 GPT-5.5 Instant로 교체했습니다. 가장 눈에 띄는 숫자는 환각률입니다. 의학·법률·금융처럼 잘못된 답이 실제로 손해로 이어지는 분야에서, 새 모델은 이전(GPT-5.3 Instant)보다 환각된 주장을 52.5% 적게 만들어냈다고 OpenAI는 자체 평가에서 밝혔습니다. 수학 추론(AIME 2025)에서는 점수가 65.4에서 81.2로 올랐고, 멀티모달 추론(MMMU-Pro)에서도 69.2에서 76으로 향상됐습니다. 속도는 이전 모델 수준을 그대로 유지했다는 게 OpenAI의 설명입니다. 그런데 진짜 변화는 모델 성능이 아니라 메모리 소스 표시 기능 입니다. ChatGPT는 이제 답변을 만들 때 참고한 과거 대화, 업로드 파일, 연결된 Gmail 정보를 사용자에게 보여줍니다. 사용자는 잘못된 출처를 삭제하거나 수정할 수 있습니다. 다른 사람과 채팅을 공유해도 메모리 소스는 본인만 볼 수 있습니다. 왜 이게 큰 변화일까요 지금까지 ChatGPT를 쓰면서 가장 답답했던 순간을 떠올려보면, 대부분 같은 종류의 답답함이었을 겁니다. "이 답이 도대체 어디서 나온 거지?" AI는 자신감 있게 답하지만, 그 자신감의 근거를 사용자가 검증할 방법이 없었습니다. 환각이라는 단어가 늘 따라다닌 이유입니다. 메모리 소스가 보이기 시작했다는 건, AI 답변에 처음으로 추적 가능한 흔적 이 생겼다는 뜻입니다. 비개발자 입장에서 이건 단순한 UI 추가가 아닙니다. 그동안 ...