David Cahn은 벤처 캐피털 회사인 Sequoia Capital의 파트너로, 인공지능과 인프라 분야의 초기 단계 투자에 주력하고 있다. 그는 AI 경제학에 대한 분석적 프레임워크, 특히 널리 인용되는 'AI 거품' 추정치와 GPU 및 데이터 센터에 대한 막대한 자본 지출을 정당화하는 데 필요한 수익 추정치로 잘 알려져 있다. Cahn의 연구는 AI 구축의 지속 가능성에 대한 논의에서 저명한 목소리로 자리 잡았으며, 해당 분야의 여러 주목할 만한 거래에 참여해 왔다.
Cahn은 데이터 과학자와 제품 관리자로 일한 후 2021년에 Sequoia에 합류했다. 그의 배경은 기술적 전문성과 시장 역학에 대한 전략적 초점을 결합한 것으로, 이를 통해 칩에서 클라우드 서비스에 이르는 AI 스택의 기반 계층을 구축하는 스타트업을 평가하는 데 적용한다. 그는 Sequoia의 공개 연구에 자주 기고하며 AI 인프라 트렌드에 관한 영향력 있는 에세이를 여러 편 집필했다.
AI 인프라 분석
Cahn이 공개 담론에 기여한 가장 주목할 만한 성과는 주요 클라우드 제공업체와 기술 기업들의 AI 인프라에 대한 자본 지출(capex) 분석이다. 일련의 에세이에서 그는 업계의 Nvidia GPU 및 데이터 센터 지출이 투자 수익을 달성하려면 연간 수천억 달러의 수익을 창출해야 한다고 주장했다. 그는 2023년에 '2000억 달러의 질문'이라는 용어를 만들었으며, Microsoft, Amazon Web Services, Google Cloud, Oracle Cloud와 같은 기업들이 지출을 정당화하려면 해당 금액의 AI 관련 수익을 창출해야 할 것이라고 추정했다. 2024년에는 가속화된 투자를 반영하여 이 수치를 6000억 달러로 업데이트했다. 그의 분석은 AI 산업이 거품인지에 대한 논쟁에서 자주 인용되며, 그는 기술이 혁신적이지만 현재의 지출 속도가 단기 수요를 초과할 수 있다고 경고해 왔다.
Cahn의 프레임워크는 '훈련'과 '추론' 비용을 구분하며, AI 기업의 장기적 생존 가능성을 위해 추론 효율성의 중요성을 강조해 왔다. 그는 또한 오픈소스 모델이 독점 제공업체를 교란할 가능성과 중앙 집중식 데이터 센터에 대한 의존도를 줄이는 엣지 컴퓨팅의 역할에 대해서도 저술했다.
투자 초점 및 거래
Sequoia에서 Cahn은 여러 AI 인프라 스타트업에 대한 투자를 주도하거나 참여했다. 여기에는 빠른 추론을 위한 특수 LPU(Language Processing Unit) 칩을 개발하는 Groq와 풀스택 AI 플랫폼을 구축하는 SambaNova가 포함된다. 그는 또한 오픈소스 모델용 클라우드 플랫폼인 Together AI와 빠른 추론 서비스를 제공하는 Fireworks AI에 대한 투자에도 관여했다. 그의 투자 철학은 AI의 '곡괭이와 삽' - 모델 배포를 가능하게 하는 하드웨어, 소프트웨어 및 서비스 - 이 산업이 성숙해짐에 따라 상당한 가치를 포착할 것이라는 생각에 중심을 둔다.
Cahn은 또한 AI 애플리케이션의 중요성에 대해 저술했으며, 가장 성공적인 기업은 일반적인 모델 API만 제공하는 기업이 아니라 기업의 특정 문제를 해결하는 기업이 될 것이라고 주장했다. 그는 에이전트 AI와 검색 증강 생성의 잠재력을 주요 성장 분야로 강조해 왔다.
공개 저술 및 영향력
투자 활동 외에도 Cahn은 Sequoia 웹사이트와 개인 블로그에 게재하는 공개 에세이로 유명하다. 그의 글은 데이터 기반 접근 방식이 특징이며, 업계 트렌드를 설명하기 위해 자주 어림셈 계산을 사용한다. 그는 The Information, The New York Times, Bloomberg와 같은 주요 매체에 인용되었으며, 그의 분석은 소셜 미디어에서 자주 공유된다. 2023년 에세이 '2000억 달러의 질문'은 투자자와 경영진에게 중요한 기준점이 되었으며, 후속 분석은 AI 경제학에 대한 논의를 계속 형성해 왔다.
Cahn은 또한 산업 컨퍼런스와 팟캐스트에서 연설하며, 반도체 공급망, 제조에서의 TSMC 역할, Nvidia와 AMD 및 Intel 같은 도전자 간의 경쟁 역학과 같은 주제를 논의한다. 그는 대규모 언어 모델 제공업체의 단기 수익성에 대한 회의론과 같이 통념에 도전하는 태도로 알려져 있다.
경력 배경
Sequoia에 합류하기 전에 Cahn은 McKinsey & Company에서 데이터 과학자로 일하며 고급 분석과 머신러닝에 대해 고객에게 자문했다. 그는 또한 헬스케어 기술 스타트업에서 제품 역할을 맡았다. 그는 하버드 대학교에서 수학 학사 학위를, 스탠포드 대학교에서 컴퓨터 과학 석사 학위를 취득했다. 그의 학문적 배경에는 딥러닝과 신경망에 대한 연구가 포함되며, 이를 투자 철학에 적용해 왔다.
Cahn은 샌프란시스코 베이 에어리어에 거주하며 초기 단계 창업자들에게 적극적인 멘토로 활동하고 있다. 그는 세계경제포럼의 AI 글로벌 미래 협의회 회원으로, AI 거버넌스와 경제적 영향에 관한 논의에 기여하고 있다.
평가 및 비판
Cahn의 분석은 명확성과 엄격함으로 칭찬을 받았지만 비판도 받았다. 일부 업계 관찰자들은 그의 필요 수익 추정치가 AI가 완전히 새로운 시장을 창출할 잠재력을 충분히 고려하지 않아 너무 보수적이라고 주장한다. 다른 이들은 인프라 지출에 대한 그의 초점이 독점 데이터와 유통 우위의 가치를 간과할 수 있다고 지적한다. Cahn은 이러한 비판에 대해 자신의 목표는 확정적인 예측을 하는 것이 아니라 사려 깊은 논쟁을 촉발하는 것임을 강조하며 대응해 왔다.
논란에도 불구하고 그의 연구는 AI 투자 커뮤니티에서 가장 많이 인용되는 분석가 중 한 명으로 만들었으며, 그의 통찰력은 벤처 캐피털리스트와 기업 전략가 모두에게 널리 사용된다.
같이 보기
참고 문헌
- Sequoia Capital, "The $200B Question," 2023.
- Sequoia Capital, "The $600B Question," 2024.
- David Cahn의 다양한 공개 인터뷰 및 에세이.