DruckFin

최고의 투자 전략: 앤스로픽(Anthropic) 매출, 한 분기 만에 90억 달러에서 300억 달러로 폭증… CFO "스케일링 법칙, 멈출 기미 안 보여"

크리슈나 라오 CFO, 2026년 5월 13일 패트릭 오쇼네시와의 인터뷰서 앤스로픽의 컴퓨팅 전략, 기하급수적 성장, 그리고 최첨단 지능이 구조적 프리미엄을 갖는 이유를 밝히다

한 분기 만에 90억 달러에서 300억 달러로

대부분의 투자자를 압도할 만한 수치가 스치듯 언급됐다. 앤스로픽의 크리슈나 라오(Krishna Rao) CFO는 'Invest Like The Best'와의 인터뷰에서, 2026년 연간 매출 실행률(run rate) 약 90억 달러로 시작했던 회사가 1분기 말에는 300억 달러를 넘어섰다고 밝혔다. 이는 연간 실적이 아니라 단 한 분기 만의 성과다. 참고로 라오가 2년 전 합류했을 당시 회사의 매출 실행률은 약 2억 5,000만 달러였다. 이러한 성장 궤적은 기존의 모든 엔터프라이즈 소프트웨어 도입 프레임워크를 무색하게 만든다. 라오는 초기 몇 달간 선형적 사고에 갇혀 있다가 자신의 가정들을 완전히 재설정해야만 했다고 솔직하게 털어놓았다.

라오가 설명하는 성장의 엔진은 단순히 영업력이나 가격 결정력이 아니다. 바로 모델 지능의 복리 효과다. 그는 "각 모델 세대는 더 많은 일을, 더 잘, 그리고 더 효율적으로 수행할 기회를 제공한다"며 "최첨단 지능에 대한 수익률은 매우 높으며, 특히 엔터프라이즈 분야에서는 더욱 그렇다"고 말했다. 연간 순 달러 유지율(Net Dollar Retention)은 500%를 상회한다. 포춘 10대 기업 중 9곳이 현재 고객사다. 라오는 스튜디오로 향하는 차 안에서도 수천만 달러 규모의 계약 두 건을 성사시켰다.

1,000억 달러 규모의 컴퓨팅 투자와 '레이어 케이크' 전략

지난달 앤스로픽은 기업 역사상 최대 규모의 컴퓨팅 조달 계약 중 하나를 체결했다. 2027년부터 시작되는 구글 및 브로드컴(Broadcom)과의 최대 5기가와트 규모 TPU 용량 확보 계약과, 아마존(Amazon)의 트레이니움(Trainium) 최대 5기가와트 확보 계약이 그것이다. 두 계약을 합치면 1,000억 달러가 넘는 규모다. 라오는 또한 단기 컴퓨팅 수요, 특히 소비자 및 프로슈머 워크로드를 겨냥해 멤피스에 위치한 스페이스X(SpaceX)의 'Colossus' 시설을 이용하는 새로운 파트너십도 공개했다.

라오는 이 인프라를 '레이어 케이크(Layer Cake)'라고 부른다. 서로 다른 공급업체, 칩 세대, 시작 시점의 컴퓨팅 자원을 모델 학습 및 개발, 내부 직원 생산성 향상, 외부 고객 추론 수요 대응이라는 세 가지 용도에 맞춰 역동적으로 배치하는 방식이다. 그는 "우리는 이 칩들을 유연하게 사용한다"고 말했다. 앤스로픽은 아마존의 트레이니움, 구글의 TPU, 엔비디아(Nvidia)의 GPU를 동시에 가동하며, 각각의 활용도를 극대화하기 위해 자체 컴파일러 스택과 오케스트레이션 레이어를 구축했다. 라오는 이것이 앤스로픽을 가장 효율적인 컴퓨팅 사용자이자 최첨단 연구소로 만들었다고 자부하며, 이는 단일 아키텍처 결정이 아닌 수년간의 의도적인 투자 결과라고 설명했다.

이러한 멀티 클라우드 및 멀티 칩 전략의 논리는 간단하다. 유연성이 불확실성에 대한 헤지(hedge)라는 것이다. 라오는 "컴퓨팅을 너무 많이 사면 파산하고, 너무 적게 사면 고객에게 서비스를 제공할 수 없어 최첨단 지위를 잃게 된다. 결국 둘 다 같은 결과"라고 말했다.

'불확실성의 원뿔(Cone of Uncertainty)'이 모든 것을 주도한다

라오가 앤스로픽의 재무 기능을 운영할 때 사용하는 가장 중요한 개념적 프레임워크는 이른바 '불확실성의 원뿔'이다. 기하급수적 성장 곡선에서는 주간 또는 월간 성장률의 작은 차이가 1~2년 후에는 극단적으로 다른 결과를 낳는다. 따라서 시나리오의 범위는 매우 넓어지고, 단일 추정치는 거의 무의미해진다. 앤스로픽의 대응책은 모든 컴퓨팅 계약에 유연성을 부여하고, 단기 수요 압박과 관계없이 모델 개발용 컴퓨팅 자원을 하한선 이상으로 유지하며, 분기가 아닌 상시적인 ROI 논의를 통해 나머지 자원을 역동적으로 재배분하는 것이다.

라오는 회사가 역사적으로 그 '원뿔'의 상단부를 향해 운영되어 왔음을 분명히 했다. 그가 합류한 이후 750억 달러를 조달하고 아마존과 구글 거래로 500억 달러가 추가로 들어오는 이유는 영업 손실을 메우기 위해서가 아니라, 성장이 예상을 뛰어넘는 시나리오에 대비하기 위해서라고 주장했다. 그는 "우리가 이 자금을 조달하는 이유는 현재의 사업 손실을 메우기보다 불확실성의 원뿔에 대비하기 위함이 더 크다"고 말했다.

이미 시작된 재귀적 자기 개선(Recursive Self-Improvement)

이번 대화에서 가장 중요한 폭로 중 하나는 앤스로픽에서 재귀적 자기 개선이 더 이상 이론적 구성물이 아닌 현재의 운영 현실이라는 점이다. 내부에서 작성되는 코드의 90% 이상이 현재 'Claude Code'에 의해 생성되며, Claude Code 자체의 상당 부분도 Claude Code가 직접 작성한다. 앤스로픽이 상당한 내부 컴퓨팅 자원을 이 루프에 할애하는 이유는 매출을 포기해서가 아니라, 모델이 차세대 모델 개발을 실질적으로 가속화하고 있기 때문이다.

라오는 "모델 자체가 차세대 모델을 구축하는 데 도움을 주고 있다"고 말했다. "스케일링 법칙에서 얻는 능력 도약 외에도 인재는 매우 중요하며, 최고의 모델을 갖춘 인재들은 능력 개발을 크게 가속화할 수 있다." 앤스로픽은 1월에만 30개의 제품 및 기능 업데이트를 출시했으며, 그 속도는 이후 더 빨라졌다. 앤스로픽의 내부 논리는 이 재귀적 루프가 여전히 유효한 스케일링 법칙과 결합하여, 최첨단 연구소와 다른 기업들 사이의 격차를 벌리고 있다는 것이다.

스케일링 법칙: 둔화 조짐 없음

AI 투자 커뮤니티를 양분하고 있는 '스케일링 법칙이 한계에 부딪혔는가'라는 핵심 질문에 대해 라오는 단호했다. "우리에게 그것은 타당한 설명이다. 스케일링 법칙은 느려지지 않고 있다." 그는 앤스로픽 창업자들 중에 스케일링 법칙 논문의 원저자들이 포함되어 있으며, 내부 문화 자체가 기존 가정에 대한 과학적 회의론을 요구한다는 점을 인정했다. 그러나 앤스로픽이 사전 학습 손실 곡선, 강화 학습 실행, 그리고 실제 고객 피드백을 통해 관찰한 결과, 둔화의 증거는 전혀 없다. 사전 학습, 사후 학습, 추론 능력이 모두 향상되고 있으며, 라오는 진정한 천장이 나타나려면 이 모든 것이 동시에 붕괴해야 할 것이라고 본다.

앤스로픽은 원시 능력 향상과 더불어 모델 효율성 개선도 추적한다. Opus 4에서 4.5, 4.6, 그리고 최신 4.7로 이어지는 Opus 제품군을 보면, 각 세대마다 지능 향상뿐만 아니라 토큰 처리 효율성도 배가되고 있다. 이는 AI 모델에 대한 '스포츠카 비유'가 틀렸음을 시사한다. 더 좋은 모델이 운영 비용도 더 저렴하다는 것이다. 라오는 "우리는 능력과 모델 효율성이라는 두 가지 측면에서 엄청난 개선을 보고 있다"고 말했다. 강화 학습은 사실상 샌드박스 내에서의 추론이기 때문에, 더 효율적인 모델은 강화 학습 실행 비용도 낮춰주는 내부적인 효율성 증대 효과를 가져온다.

가격 책정: 제본스의 역설(Jevons Paradox)

앤스로픽의 가장 중요한 가격 책정 전략은 Opus 4.5 출시 당시 Opus 제품군의 가격을 인하한 것이다. 이유는 간단했다. 고객들이 Opus급 문제를 Sonnet급 가격에 맞추려다 보니 Opus의 능력이 과소평가되고 있었기 때문이다. 가격을 낮춤으로써 앤스로픽은 라오가 명확히 '제본스의 역설'이라고 표현한 현상을 유발했다. 즉, 일정한 활용률에서 예상했던 것보다 훨씬 더 큰 폭으로 소비량이 증가한 것이다. Sonnet과 Haiku의 가격은 대체로 안정적으로 유지되었다. 가장 최신이자 강력한 모델인 Mythos는 능력 등급에 걸맞게 더 높은 가격대가 책정되었다.

라오는 컴퓨팅 제약이 논리적으로 전반적인 가격 인상을 유도해야 한다는 시각에 반박했다. 그가 선호하는 측정 기준은 전체 컴퓨팅 자원에 대한 수익률로, 학습, 내부 사용, 추론을 서로 다른 시간대에서 수익을 창출하는 통합된 자본 풀로 취급한다. 그는 구체적인 마진 수치는 밝히지 않은 채 "현재 컴퓨팅 비용에 대한 수익은 탄탄하다"고 말했다. 투자자를 위한 핵심 통찰은, 12개월 전에 미리 확보된 컴퓨팅 용량 덕분에 단기적인 컴퓨팅 비용 급증 없이 매출이 빠르게 성장할 때, 새로운 수요를 처리하는 데 따른 증분 경제성이 매우 유리할 수 있다는 점이다.

플랫폼 vs 애플리케이션: 주로 수평적, 선택적으로 수직적

라오는 앤스로픽의 전략적 방향을 AWS 초기 시절과 비유하며 주로 수평적 플랫폼 사업이라고 정의했다. 목표는 최고의 모델을 구축한 뒤, 엔터프라이즈 고객이 그 위에 직접 구축할 수 있도록 도구, SDK, 관리형 에이전트, 프롬프트 캐싱, 애플리케이션별 오버레이를 제공하는 것이다. Claude Code, co-work, Claude for Financial Services, Claude for Life Sciences, Claude Security 등은 애플리케이션 영역을 잠식하려는 것이 아니라, 플랫폼이 무엇을 할 수 있는지 생태계에 보여주기 위한 수직적 예시들이다.

라오는 이러한 긴장 관계를 직접 인정했다. Claude를 기반으로 사업을 구축하는 고객들이 앤스로픽이 스택의 어디까지 내려올지 경계하는 것은 당연하며, 때로는 모델 출시가 앤스로픽 내부 팀조차 놀라게 할 때가 있음을 시인했다. 파트너들의 불안에 대한 그의 답변은 구조적이다. 앤스로픽은 고객에게 제공하는 동일한 플랫폼 위에서 구축하며, 수직적 제품 출시는 생태계 파트너들과 협력하여 진행해 왔고, 회사의 상업적 이익은 모든 애플리케이션 계층을 장악하는 것이 아니라 지능을 광범위하게 확산시키는 데 있다는 것이다. 플랫폼이 성숙해짐에 따라 이러한 기조가 유지될지는 라오도 확답을 피했다.

Claude가 앤스로픽 재무팀을 운영하는 방식

라오가 공개한 구체적인 내용 중에는 자신의 재무 조직이 어떻게 변화했는지에 대한 설명도 있었다. 앤스로픽은 이제 모든 법적 실체에 대한 법정 재무제표를 Claude를 사용해 작성하며, 인간의 검토는 주된 생산 메커니즘이 아닌 확인 절차로 활용한다. 또한 'Ant Stats'라는 내부 플랫폼을 구축해 재무팀 전체가 접근할 수 있는 70개 이상의 재무 특화 기술 라이브러리를 갖췄다. 여기에는 월간 재무 검토(MFR)를 90~95% 완성도로 생성하는 기능도 포함된다. 예전에는 몇 시간씩 걸리던 주간 매출 및 컴퓨팅 활용 보고서가 이제는 30분 만에 완료된다. 결정적으로 라오는 모델이 단순히 일어난 일을 보고하는 것이 아니라 동인(driver)과 인과관계를 분석한다고 강조했다. "Claude는 날씨를 보고할 뿐만 아니라, 왜 숫자가 그렇게 변했는지 그 원인을 생각하는 데 도움을 줍니다."

라오는 팀 내 토큰 사용량을 리더보드로 추적하는데, 가장 많이 사용하는 사람들은 주로 고위 임원들이라고 언급했다. 세무 책임자가 가장 많은 토큰을 사용하며 정책 엔진을 구축하고 세무 업무의 상당 부분을 자동화하고 있다. 그는 "우리가 이 기술의 헤비 유저가 아니라면, 우리가 한계를 밀어붙이지 않는다면, 어떻게 고객들에게 그렇게 하라고 기대할 수 있겠느냐"고 말했다.

Mythos, 사이버 보안, 그리고 단계적 출시 프레임워크

라오는 Mythos 모델의 출시에 대해서도 언급했다. Mythos는 광범위한 능력을 갖춘 모델인데, 특히 사이버 보안 능력에서 매우 날카로운 도약을 보여주었다. 이전의 Claude 모델이 오픈소스 코드베이스에서 22개의 보안 취약점을 식별했다면, Mythos는 250개를 찾아냈다. 이를 통제되고 확장 가능한 사용자 집단에게 단계적으로 출시하기로 한 결정은, 앤스로픽이 향후 비대칭적 이중 용도 위험 프로필을 가진 모델을 다루는 방식의 템플릿이 될 것이다. 회사는 출시를 앞두고 현 미국 행정부와 긴밀히 협력했다. 라오는 규제 당국과의 관계를 앤스로픽은 혁신이 책임 있는 프레임워크 내에서 빠르게 진행되기를 원하며, 해석 가능성 및 정렬(alignment) 연구에 대한 앤스로픽의 투자가 당초 의도하지 않았던 엔터프라이즈 고객들에게 상업적 이점을 제공하고 있다고 설명했다.

논지를 무너뜨릴 수 있는 리스크

라오는 앤스로픽을 '불확실성의 원뿔' 하단부로 밀어넣을 수 있는 요인들에 대해 솔직한 사전 분석(pre-mortem)을 내놓았다. 첫 번째 리스크는 확산 속도다. 대기업의 사용 사례가 모델 능력의 발전 속도를 따라가지 못하고 있으며, 조직의 관성이 도입을 늦출 수 있다. 두 번째는 스케일링 법칙 자체의 둔화다. 라오는 현재 앤스로픽이 그 증거를 보지 못하고 있음에도 불구하고 가능성을 완전히 배제할 수는 없다고 지적했다. 세 번째는 경쟁적 위치다. "오늘 우리는 최첨단에 있다. 나는 우리가 에이전트 AI의 최첨단을 정의하고 있다고 생각한다. 우리는 그 위치를 유지해야 하며, 그것 또한 보장된 것은 아니다."

장기적 목표: 헬스케어와 신약 개발

AI가 미칠 영향 중 가장 기대되는 분야가 무엇이냐는 질문에 라오는 주저 없이 생명공학과 신약 개발을 꼽았다. 그의 비전은 현재 불치병으로 진단받은 환자가 AI 덕분에 분자 연구, 단백질 분석, 임상 시험 처리 기간이 획기적으로 단축되어 생전에 완치되는 세상이다. 그는 "분자와 단백질은 매우 복잡하며, 아주 작은 변화가 결과에 큰 영향을 미친다. AI는 이 분야에 완벽하다"고 말했다. 그는 실험실 처리량을 10배에서 100배까지 늘리는 것이 가능하며, 의료 자원이 부족한 지역을 포함해 전 세계 인구에게 혜택을 줄 수 있는 혁신적인 변화가 될 것이라고 내다봤다.