DigitalOcean ($DOCN)
"Software-centric NeoCloud"

두 가지 이유로 이 전략을 택했다. (1) 재무 프로파일과 (2) 우리가 진짜 잘하는 것에 대한 자기성찰.

지난 12년+ 동안 우리가 잘했던 건 복잡한 인프라 개념을 단순화해서 개발자에게 떠먹여주는 것. Cloud 1.0 시대에 통한 플레이북을 AI 네이티브 시대에 그대로 복제할 기회가 있다고 봤다.

3년 전 AI 웨이브 초기엔 frontier 모델 학습용 대규모 GPU 클러스터 시장이 폭발했지만, 우리는 그 시장의 매우 수동적인 참가자였다. 우린 데이터센터 운영이나 하드웨어 시스템 구축에 강점이 없다는 걸 알았기 때문.

약 18개월 전부터 추론(inferencing)의 변곡점이 보이기 시작했고, AI 네이티브 고객들로부터 "훌륭한 추론 스택"이 뭔지 배웠다. 그 결과가 2주 전 발표한 업계 최초 AI-Native Cloud — 실리콘부터 에이전트까지 5개 레이어를 하나의 스택으로 통합한 아키텍처다.

기존 75MW에 더해 60MW를 추가했다. 자신감의 근거:

① 매분기 성장률이 가속 중. ② 거의 매분기 "신규 조직 ARR 최고치" 경신. ③ Top 고객, $1M·$500K 고객 cohort traction이 모두 개선. ④ 수요가 공급(캐파)을 압도하는 상황 지속.

고객 퀄리티 자체도 지난 몇 분기 동안 현저히 개선됐고, 이게 우리가 캐파 확장에 들어갈 수 있는 핵심 근거다.

Character.ai부터 시작된 흐름이다. 이유는:

① 가격·성능 비. 동일 하드웨어에서 커널 레벨 소프트웨어 최적화로 처리량(throughput)을 끌어올려 TCO를 30~40% 절감. AI 네이티브는 매출을 SW로 모네타이즈하기 때문에 인프라 지출이 곧 마진 압박 — 인프라/모델 선택을 잘못하면 스케일링 자체가 망가짐. 그들은 매우 신중하다.

② "Thinking + Doing"을 한 스택에서. AI 네이티브가 거치는 변화 — 1단계: 워크플로우에 지능 주입 → 2단계: 워크플로우를 에이전틱하게 만들기. "생각(intelligence)"과 "실행(modern computing primitives)"을 같은 스택에서 처리 가능한 클라우드는 많지 않다. 이게 DOCN의 통합 스택이 가지는 결정적 우위.

2주 전 Intelligent Router를 발표 — 오픈/클로즈드 모델 위에 얹는 "스마트 라우팅" 레이어.

주말 All-in Podcast에서 Marc Benioff가 "Salesforce가 $300M 어치 Anthropic 토큰을 쓰고 있다", 그리고 "누군가 곧 스마트 토큰 라우팅을 하는 회사를 만들 것 — 모든 작업에 Opus 4.7이 필요한 건 아니니까"라고 말했다.

나는 Benioff에게 메모를 보낼 생각이다 — "그 회사 이미 여기 있다. 상장사다. 2주 전에 출시했다."

데모에서 동일 워크로드를 (A) 전부 Opus 4.7로 (B) Intelligent Router로 처리. 결과: 비용 차이가 최소 한 자릿수 배수(order of magnitude). 게다가 유닛 테스트 코드 작성·간단 번역 같은 태스크는 Kimi 2.6, Qwen 3.2 같은 OSS가 오히려 더 빠르고 완성도 높음.

2년에 걸친 overnight success다. 핵심 과제: top 고객들이 sophisticated 워크로드를 다른 hyperscaler로 가져갔던 이유를 식별하고, 체계적으로 메꿔나가는 것.

4분기에 걸쳐 성능·고급 네트워킹·분산 글로벌 개발조직용 보안 등 missing capabilities 6~12개를 모두 추가. 그 결과:

① $1M·$500K cohort 모두 의미 있게 성장. ② 그 그룹의 churn이 거의 없음. ③ AI top 워크로드에서도 같은 패턴 시작.

핵심 원칙: 우리는 회사를 "공공 LBO"로 운용하지 않는다. 가드레일:

① 레버리지 4x 초과 장기 금지 (단기적으로 신규 DC ramp-up 시점은 예외). ② 대규모 cash burn 금지.

Term Loan A($500M)는 매년 약 $50M의 의무상환+이자 비용 발생 → 비효율적. 그 돈을 장비 리스(equipment financing)로 돌려서 4~5년 분할 지급하는 게 훨씬 효율적. 최종 소유권은 그대로 우리 것.

Term Loan A 상환 + '26 컨버터블 stub 연말 상환 → 모든 레버리지 캐파를 성장에 투입 가능 → 60MW 추가의 자금원. 추가로 '27·'28·'29 캐파도 평가 중.

올해 초 약 $1B 에쿼티 raise — 발행 당일 주가가 오히려 상승한 게 시장이 우리 어프로치를 인정한다는 시그널.

Primary는 equipment financing. "리스"란 단어가 헷갈리게 하지만 — 4~5년 (가능하면 6년) 분할 결제, 최종 소유권은 우리 것. 그냥 할부 구매와 동일.

OEM 마켓·은행 마켓 모두 tap 가능. quantum이 커지면 같은 equipment financing 구조 내에서 다른 자본원도 활용 가능.

하지만 거기에 wedded되어 있지는 않음 — 에쿼티·컨버터블 등 cost of capital을 최적화하는 mixed approach.

변곡점은 이미 한참 전에 지났다. 그리고 두 metric 중 더 좋은 건 incremental ARR.

왜 NDR을 신뢰하면 안 되나: 우리는 650K 고객 중 20K만 digital-native enterprise. 나머지 630K는 본질적으로 "유료 freemium" 그룹 — 인디 개발자, 개인. 이 cohort의 NDR은 본래 90s대일 수밖에 없고 그게 전체 NDR을 희석. 게다가 NDR 자체가 AI 매출을 포함하지 않음.

우리가 진짜 보는 metric: key customer cohort별 성장률. Q4 기준 $1M+ 고객 NDR은 115%, 이번 분기엔 더 높음(공개는 안 함). 모든 cohort의 NDR이 상승 중. AI 매출은 220%+ 성장.

① Bare Metal opportunity는 안 쫓는다 — 마진 박하고 scale play. Multi-layer로 5층 스택을 다 쓰는 고객만 타겟 → ARR per MW 높음.

② Core cloud (CPU side)는 GPU보다 마진이 훨씬 높음. 그리고 시장이 이제야 깨닫는 사실 — "AI 서비스를 하려면 CPU 기반 클라우드도 필수". 두 비즈니스의 결합이 우리의 강점.

③ 비교의 기준은 GAAP operating margin. DOCN의 GAAP op 마진은 SW회사·AI 인프라 회사 통틀어 top quartile이고, 그 중 우리만큼 성장하는 회사는 거의 없음.

④ OpEx 레버리지 확보 — 매출 50% 성장한다고 비용이 50% 늘진 않음. 또한 big AI native는 credit card로 안 내니까 Stripe 수수료 없음, bad debt 프로파일 다름.

하드웨어는 같다 — B300 Blackwell. 모든 클라우드가 같은 칩 접근 가능.

차이는 커널 레벨에서의 software optimization. 특정 모델 패밀리 × 특정 하드웨어 조합에 맞춘 튜닝. 그 결과 230 tokens/sec — 대부분 hyperscaler 포함 다른 클라우드보다 훨씬 높음.

의미: 50% 더 빠르면 고객은 50% 더 적은 토큰을 결제. 직접적 TCO 감소.

기술 핵심 — Disaggregated Inferencing: 추론 단계를 여러 step으로 쪼개서 GPU + SW로 각 step별 최적화. throughput·latency 양 축 모두 1위 (Artificial Analysis 벤치).

실제 사례: Hippocratic AI — 병원용 음성 에이전트. 수술 후 급성기 환자 1차 케어. mission-critical 그 자체 — 레이턴시·업타임 모두 무관용. 15년간 글로벌 클라우드 인프라 운영해온 경험이 GPU training → inference at scale 전환에 큰 무기.

이건 한 세대에 한 번 오는 기회다(once-in-a-generation). 시장이 아직 모르는 핵심:

① "GPU 접근은 같다"는 말은 맞지만, 추론·에이전틱 앱의 마법은 대부분 소프트웨어에서 일어난다. 이건 매우 sophisticated한 SW 스택이 필요한 일.

② 코딩은 이미 만개한 micro-vertical이지만, 다른 모든 SaaS·vertical SW·physical AI는 매우 초기. 즉, 새로운 에이전틱 앱 wave가 본격적으로 오고 있음. 이들이 필요로 하는 건 "intelligence + agentic computing" 둘 다 통합된 스택 — 우리만의 5층 스택.

1년 전만 해도 투자자들이 "DOCN이 왜 존재하나? hyperscaler가 다 할 수 있지 않나?"라고 물었다. 그건 이제 줄었다.

하지만 여전히 시장이 못 보고 있는 것: TAM 규모와, 우리가 "inference wrapper" 회사들을 disintermediate할 능력. 많은 스타트업이 inference wrapper로 가치를 더하지만, 우리가 그 layer를 통째로 consume하는 capability를 launching 중. Cursor 같은 고객이 wrapper 회사들의 큰 손인데도 DOCN으로 오는 이유.