Foundation Models

기술 정의/원리

Transformer 아키텍처 기반으로 수조 개의 토큰을 사전학습(pre-training)해 언어 이해·생성·추론 능력을 범용적으로 획득한다. Few-shot 및 Zero-shot 학습 능력으로 별도 파인튜닝 없이 다양한 태스크에 적용 가능한 범용 AI 플랫폼 역할을 한다.

현재 성숙도

TRL 8-9 (기업 도입 단계) — Claude 3.5/3.7, GPT-4o, Gemini 1.5 등 상업 배포 완료. 기업 PoC에서 생산 전환이 진행 중이며, 코딩·분석·에이전트 태스크에서 ROI 검증 사례가 누적 중.

주요 기업/연구기관

투자 관점 포인트

1. API 수익화 가속: 토큰당 비용 하락이 도입 장벽을 낮추고 API 볼륨이 급증하는 구조.
2. 에이전트 전환 프리미엄: 단순 응답 모델에서 자율 작업 실행(Agentic) 모델로의 전환이 ASP 상승 동력.
3. 오픈소스 가격 압박 모니터: Llama·Mistral 계열 성능 추격 속도가 상용 모델 마진에 미치는 영향.
4. 수직 특화 차별화: 범용 모델 가격이 하락할수록 금융·의료·법률 도메인 특화 모델의 프리미엄 유지.
5. 컴퓨트 비용 레버리지: 추론 효율화(MoE, 양자화)로 마진 개선이 수익성 전환의 핵심 변수.

2026 핵심 이벤트/마일스톤

1. Claude 4 / GPT-5 출시: 차세대 플래그십 모델 출시 및 벤치마크 경쟁 재점화.
2. 멀티모달 에이전트 상용화: 텍스트+이미지+코드+툴 사용을 통합한 에이전트 제품 기업 배포 확산.
3. 추론 모델(o3급) 대중화: 복잡한 다단계 추론 능력의 API 가격 인하로 도입 문턱 하락.
4. 오픈소스 Llama 4 출시: Meta의 차세대 오픈소스 모델이 상용 모델 경쟁에 미치는 파급력.
5. 엔터프라이즈 계약 갱신 사이클: 2023-2024 PoC 계약이 연간 SaaS 계약으로 전환되는 첫 갱신 시즌.

🎯 기술 요약

• 한 줄 정의: 대규모 데이터로 사전학습되어 다양한 다운스트림 AI 작업의 기반이 되는 범용 모델 계층.

💰 왜 지금 주목(투자 포인트)

• 모델 성능 경쟁이 단순 파라미터 규모보다 데이터 품질·후학습·추론비용 최적화 경쟁으로 이동하고 있다.
• 엔터프라이즈 도입이 PoC에서 생산 단계로 넘어가며, 모델 선택 기준이 정확도 단일 지표에서 총소유비용(TCO)으로 바뀌고 있다.
• 오픈소스와 클로즈드 모델의 이중 생태계가 고착되면서 파운데이션 모델 자체보다 배포·최적화·도메인 튜닝 가치가 빠르게 커지고 있다.

📏 KPI (3개)

1. 벤치마크 성능/비용 효율: MMLU·코딩·추론 지표 대비 토큰당 비용.
2. 상용 전환율: 파일럿 고객 중 유료 API/온프렘 전환 비중.
3. 도메인 확장성: 특정 산업(금융·헬스케어·제조)에서 파인튜닝 후 성능 유지율.

👀 모니터링 (3개)

1. 모델 릴리스/가격 정책: 주요 모델 사업자 가격 인하, 컨텍스트 확장, 멀티모달 업데이트.
2. 오픈소스 생태계 속도: Llama/Qwen/Mistral 계열의 성능 추격 속도와 라이선스 변화.
3. 규제·데이터 이슈: 학습데이터 저작권, AI 안전성 규정, 국가별 컴퓨트 규제.

🧩 투자 해석 메모

• 모델 자체는 점차 범용화되므로 초과수익은 모델 위 레이어(에이전트, 워크플로, 버티컬 앱)에서 발생할 가능성이 높다.
• 다만 특정 고난도 영역(코딩, 과학, 멀티모달)에서는 상위 모델 프리미엄이 당분간 유지될 수 있다.
• 따라서 단일 모델 우위보다 생태계 장악력(개발자 도구, 배포 채널, 데이터 피드백 루프)을 동반 확인해야 한다.

⚠️ 리스크 체크

• 대형 모델의 가격 경쟁 심화로 API 매출 성장 대비 마진이 급격히 낮아질 수 있다.
• 보안·환각·책임소재 문제로 엔터프라이즈의 대규모 도입 일정이 지연될 수 있다.
• 컴퓨트/전력/네트워크 병목이 모델 성능 향상 속도를 제약할 수 있다.

🔗 관련 회사 (Dataview)

TABLE company, market, ticker, sector, value_chain, spotlight_tech, updated
FROM "Research_DB/개별종목"
WHERE contains(spotlight_tech, this.file.link)
   OR contains(string(spotlight_tech), this.tech)
   OR contains(file.outlinks, this.file.link)
SORT updated DESC
LIMIT 200

✅ 실무 체크리스트

• 이번 분기 핵심 가설 1개를 명시하고, 반증 조건을 함께 기록한다.
• KPI 3개 중 선행지표/후행지표를 구분해 월간 업데이트한다.
• 관련 회사 Dataview 결과에서 상위 5개 종목은 링크 무결성(깨진 링크 여부)을 확인한다.
• 지표 해석 시 단기 이벤트(실적 시즌)와 구조 변화(사이클 전환)를 분리해서 메모한다.
• 테크 노트 업데이트 시 연결된 회사 노트의 spotlight_tech 표기도 함께 점검한다.

🗓️ 90일 관찰 포인트

• 1개월: 발표/실적/가격정책 변화를 수집하고 기존 가설의 방향성을 확인.
• 2개월: 실제 수요 지표(발주, 사용량, 배포 사례)와 기대치 괴리를 점검.
• 3개월: 멀티플/밸류에이션 재평가 요인을 정리하고 next_review에서 반영.
• 관찰 중 신뢰도 낮은 소스는 제외하고, 공식 문서·실적자료·기술문서 중심으로 정제.
• 변화가 없더라도 "변화 없음"을 명시해 추적 공백을 방지.
• 월 1회 최소 업데이트를 목표로 하되, 이벤트 발생 시 수시 갱신.
• 업데이트 시각과 변경 요약을 노트 하단에 1줄로 남긴다.
• 다음 검토일 이전에 핵심 KPI 재정의 필요 여부를 점검.
• 데이터 공백 구간은 추정치 대신 NA로 표기.

Companies Exposed

(자동 업데이터가 채웁니다)