Lightcone Podcast - 2024’s Biggest Startup Trends
최근 스타트업은 적은 자본으로 빠르게 수익을 창출할 수 있는 기회를 얻고 있다. 특히 AI와 오픈 소스의 발전이 이를 뒷받침하고 있다. 예를 들어, 다양한 AI 모델을 활용하여 특정 작업에 최적화된 솔루션을 제공하는 기업들이 증가하고 있다. 이는 모델 라우터 개념에서 발전한 것으로, 여러 모델을 조합하여 최적의 결과를 도출하는 방식이다. 또한, AI 코딩 도구의 발전으로 개발자들이 더 많은 작업을 자동화할 수 있게 되었으며, 이는 스타트업의 인력 채용 방식에도 변화를 가져오고 있다. 이러한 변화는 스타트업이 더 적은 인력으로도 높은 성과를 낼 수 있게 한다. 또한, 오픈 소스의 발전은 대기업의 독점적 지위를 약화시키고, 스타트업이 더 많은 기회를 가질 수 있도록 돕고 있다.
Key Points:
- 스타트업은 적은 자본으로 빠르게 수익을 창출할 수 있다.
- AI와 오픈 소스의 발전이 스타트업의 성장을 지원한다.
- 여러 AI 모델을 조합하여 최적의 솔루션을 제공하는 기업이 증가하고 있다.
- AI 코딩 도구의 발전으로 개발자들이 더 많은 작업을 자동화할 수 있다.
- 오픈 소스의 발전은 대기업의 독점적 지위를 약화시킨다.
Details:
1. 🚀 스타트업의 급성장과 기회
1.1. 스타트업의 초기 성장
1.2. 파일럿 프로젝트의 수익 전환
2. 🤖 AI와 스타트업의 혁신적 응용
- 2024년은 스타트업에게 유리하게 작용한 해로 평가됨.
- ChatGPT 출시 초기에는 모든 가치가 OpenAI에 집중될 것이라는 의견이 지배적이었음.
- ChatGPT 스토어가 출시되면 AI 애플리케이션을 개발하려는 모든 시도를 압도할 것이라는 예상이 있었음.
- 그러나 현재 ChatGPT 스토어는 큰 영향력을 발휘하지 못했음.
- ChatGPT 외에도 Perplexity와 같은 소비자용 AI 애플리케이션이 주목받고 있음.
- 기업용 AI 애플리케이션으로는 Glean이 주목받고 있음.
- 법률 기술 분야에서는 Case Techs와 Harvey가 주목받고 있음.
- 프로슈머 시장에서는 Photo Room이 주목받고 있음.
- OpenAI가 아닌 다양한 스타트업들이 많은 AI 애플리케이션을 개발함.
3. 💡 오픈 소스와 AI의 발전
- 스타트업은 24개월 만에 수천만 달러를 벌 수 있으며, 초기 자본은 200만~500만 달러로 충분할 수 있다. 이는 AI와 오픈 소스 기술의 발전 덕분이다.
- Opusclip이라는 회사는 실제 시리즈 A를 유치하지 않고도 성공을 거두었으며, 이는 전통적인 자금 조달 방식 없이도 AI 기술을 활용하여 빠르게 성장할 수 있음을 보여준다.
- GPT 스토어 출시 이후 Anthropic과 Claude가 등장하면서, AI 경쟁에서 성공하려면 막대한 자금을 조달해야 한다는 인식이 있었으나, Opusclip의 사례는 이를 반박한다.
- 기존의 대형 기업들(아마존, 페이스북, 구글 등)만이 AI 분야에서 가치를 창출할 수 있다는 의견이 있었지만, 스타트업도 AI와 오픈 소스를 통해 큰 가치를 창출할 수 있음을 보여준다.
- 기반 모델 회사들이 직접 애플리케이션을 개발하거나, 그렇지 않으면 큰 가치를 가지지 못할 것이라는 전망이 있었으나, 스타트업의 성공 사례는 다양한 접근 방식의 가능성을 시사한다.
4. 📈 스타트업의 성장과 수익화 전략
4.1. 📈 스타트업의 성장과 수익화 전략
4.2. Lama의 초기 도전과 극복 전략
5. 🔄 다중 모델 아키텍처와 모델 라우터의 중요성
- 스타트업들이 모델 라우터를 구축하여 비용 절감을 목표로 함. 다양한 모델에 작업을 분산시켜 Chat GPT 호출 비용을 줄임.
- 모델 라우터는 LLM 기반 앱을 구축하는 새로운 스택의 훌륭한 진입점으로 작용함.
- 많은 애플리케이션이 특정 모델에 종속되지 않으려 함.
- 2024년 가을 배치에서 다중 모델 아키텍처를 사용하는 기업들이 증가함.
- 예를 들어, XYZ 스타트업은 모델 라우터를 통해 운영 비용을 30% 절감함.
- 다중 모델 아키텍처는 특정 작업에 최적화된 모델을 선택하여 성능을 향상시킴.
6. 🎨 AI와 미적 교육의 융합
- 캠퍼(Camphor)는 PDF를 파싱할 때 가장 빠른 모델을 사용하고, 복잡한 작업에는 O1 모델을 사용하여 효율성을 높임.
- 사기 탐지 분야에서는 빠르고 간단한 GPT-4 mini를 사용하여 주니어 리스크 분석가 역할을 수행하고, 복잡한 작업에는 O1 모델을 사용함.
- Cursor는 여러 모델을 사용하는 복잡한 다중 아키텍처를 통해 코드 예측과 전체 코드베이스 이해를 위한 서로 다른 작업을 수행함.
- Variant는 최첨단 오픈 소스 LLM 모델을 사용하여 아이콘 생성부터 시작해 미적 교육을 진행하며, SVG 수준에서 미적 감각을 가르치는 포스트 트레이닝 워크플로우를 개발함.
- SVG를 활용한 미적 교육은 다양한 미적 표현으로 번역될 수 있는 가능성을 가짐.
7. 💼 기업과 AI의 융합 및 규제
- 스타트업의 파일럿 프로젝트가 실제 수익으로 전환되고 있으며, YC 배치의 스타트업들이 실제 기업에 더 빠르게 판매하고 있음.
- YC 배치의 스타트업들이 연간 반복 수익(ARR) 100만 달러를 더 빠르게 달성하고 있음.
- 여름과 가을 배치의 스타트업들이 주당 10% 성장률을 기록하며, 이는 YC 과정에서 3배 성장에 해당함.
- 연간 1억 달러 수익을 달성하는 데 걸리는 시간이 줄어들고 있음.
- 과거 20년 동안 연간 1억 달러 수익을 달성할 수 있는 기업의 수가 10배 증가했음.
- AI 기술이 스타트업의 빠른 성장과 수익 창출에 중요한 역할을 하고 있음.
8. 🌐 AI의 수요와 규제의 영향
8.1. AI 수요의 증가
8.2. AI 규제의 영향
9. 💼 스타트업의 성공 사례와 피벗
- 2024년은 스타트업들에게 유리한 해로, 혁신적인 AI 애플리케이션 구축이 가능해짐.
- 스타트업들이 대규모 자금 조달에 성공, OpenAI는 60억 달러, Scale은 10억 달러, SSI는 10억 달러를 조달함.
- Scale.ai는 YC의 전형적인 성공 사례로, 초기 아이디어에서 100억 달러 규모의 회사로 성장함.
- 스타트업 성공의 주요 요인으로는 혁신적인 기술 개발과 시장의 긍정적 반응이 있음.
10. 🔄 피벗과 성공적인 아이디어의 발견
- Scale.ai의 창립자인 Alex는 초기에는 AI와 관련 없는 아이디어로 YC에 지원했으나, 시장의 요구에 따라 여러 번 피벗을 거쳐 현재의 사업 모델을 확립했다.
- 초기에는 자율주행차 회사들을 위한 데이터 라벨링 서비스를 제공하며 사업을 시작했다.
- Alex는 Quora에서 Amazon Mechanical Turk를 사용한 경험을 바탕으로 더 나은 데이터 라벨링 서비스를 개발했다.
- Scale.ai는 자율주행차와 컴퓨터 비전의 발전으로 인한 데이터 라벨링 수요 증가와 LLM의 부상이라는 두 가지 큰 흐름을 잘 포착하여 성장했다.
- Scale.ai는 LLM의 부상 이전에도 이미 수십억 달러 규모의 사업을 운영하고 있었으며, LLM의 부상으로 인해 더욱 성장할 가능성이 높아졌다.
- 다른 창업자들도 초기 아이디어에서 피벗하여 AI 관련 아이디어로 성공을 거두고 있는 사례가 증가하고 있다.
11. 🎙️ 음성 AI의 가능성과 응용
- 음성 AI는 현재 AI 분야에서 가장 유망한 수직 시장으로, 원시적인 견인력 측면에서 두드러진다.
- 음성 AI는 다양한 수직 시장에 맞춤화된 100개의 다른 수직 시장을 가질 가능성이 있다.
- 음성 AI의 응용 분야는 무궁무진하며, 언어 학습 애플리케이션, 원격 근무 및 고객 지원 등 다양한 분야에서 활용될 수 있다.
- 고객 지원 분야에서도 음성 AI는 다양한 워크플로우를 필요로 하며, 산업별로 매우 구체적인 워크플로우가 필요하다.
- 수평적 인프라 회사들이 수직적 응용 프로그램에서 성공할 가능성이 높다.
- 음성 AI는 자체 애플리케이션을 쉽게 구축할 수 있도록 하는 수평적 인프라 계층을 제공할 수 있다.
12. 🤖 로봇 공학의 발전과 도전
- Weave Robotics 팀은 2025년까지 로봇을 출하할 계획이며, 가격은 약 $65,000에서 $70,000로 예상된다. 이는 가정에서 작동하기 위한 액추에이터와 안전 장치의 비용을 포함한다.
- 로봇의 '의식'은 LLM(대형 언어 모델)이 담당할 수 있으며, 이는 로봇이 주인의 요구를 이해하고 상호작용하는 데 도움을 줄 수 있다.
- 로봇 공학은 AI와 하드웨어의 결합으로, 하드웨어는 여전히 비싸고 어려운 부분이다.
- 스타트업의 이상적인 경우는 AI나 소프트웨어만 개발하고 이를 범용 하드웨어에서 실행하는 것이며, 반대로 하드웨어와 소프트웨어 모두를 잘해야 하는 경우 테슬라가 유리할 수 있다.
- 여러 회사들이 범용 하드웨어에서 모델을 실행하는 창의적인 방법을 모색하고 있으며, 로봇 공학은 아직 초기 단계에 있다.
- 자율주행차가 샌프란시스코에서 작동하고 있는 것이 로봇 공학의 발전을 보여주는 사례일 수 있다.
13. 🕶️ AR과 하드웨어의 도전
- 샌프란시스코에서는 Waymo가 일상적으로 사용되고 있으며, DoorDash의 Tony는 이를 독점적으로 사용하고 있음.
- 전 세계적으로 몇 천 대만 배치된 상태이며, Palo Alto에서는 이용할 수 없음.
- AR 하드웨어는 경량화가 필요하지만, 물리적 제약으로 인해 어려움이 있음.
- 현재 알고리즘은 준비되어 있으나, 하드웨어와 광학 문제 해결이 필요함.
- 하드웨어 보급이 부족하여 앱 개발자들이 앱을 개발할 동기가 부족함.
- 현재 AR의 킬러 앱은 대형 모니터로의 활용이며, 영화 감상에 적합함.
- Meta Ray Barn은 디스플레이 없이 오디오와 음성 기능이 뛰어나며, ChatGPT와의 대화에 활용 가능함.
14. 💻 AI 코딩의 혁신과 채용 변화
14.1. AI 코딩 혁신
14.2. 채용 변화
15. 🛠️ AI 코딩과 채용 전략의 변화
- AI 코딩 에이전트는 기존 프로그래밍 인터뷰 방식을 혁신하고 있으며, 기업들은 지원자들이 AI 도구를 사용하는 것을 허용할지에 대해 논의 중입니다.
- Stripe는 10년 전부터 웹 애플리케이션 개발에 중점을 두고 인터뷰 방식을 변경하여, 복잡한 컴퓨터 과학 문제 대신 실제 개발 능력을 평가하는 방향으로 이동하고 있습니다.
- AI 도구를 활용한 인터뷰 방식이 점차 확산되고 있으며, 이는 지원자들이 더 많은 작업을 수행할 수 있도록 기대됩니다.
- 아마존은 내부적으로 수백 개의 LLM 기반 애플리케이션을 운영 중이며, 이는 AWS처럼 외부에 공개될 가능성이 있습니다.