BBS

전체 244건 | 페이지 1 / 35
기본정렬 : 작성일 | 수정일

오픈AI 한국 상륙 1년.. 무슨 일이 있었나

오늘의 요약 지난해 10월1일 오픈AI가 삼성과 SK에 요구한 월 90만장의 D램은 과장된 수요가 아니라 합리적인 예측에 기반한 것이었습니다. 이런 AI 컴퓨팅에 대한 수요는 오픈AI가 예상한 것보다 훨씬 높아졌고, 이는 메모리 반도체 가격과 메모리 반도체 주식의 급등으로 이어졌습니다. 하지만 반도체 팹과 AI데이터센터 건설은 아직 본격적으로 시작되지 않았습니다. 아스트라와 같은 에이전틱AI와 AI로 만들어진 콘텐츠의 범람은 AI 컴퓨팅에 대한 수요를 예상이상으로 늘릴지도 모릅니다. 지난해 10월1일 샘 올트먼 오픈AI CEO가 한국을 찾았습니다. <연합뉴스> 한국에 온 샘 올트먼그것이 '시작'이었다 메모리 반도체 업체의 생산능력은 월 웨이퍼 투입량으로 평가됩니다. 반도체를 피자에 비유한다면 웨이퍼는 피자 토핑이 올라가는 도우에 비유할 수 있고, 화덕에 얼마나 많은 웨이퍼를 넣어서 꺼낼 수 있느냐가 생산능력을 보여줍니다. 2025년 말 기준으로 삼성전자는 월 70만장, SK하이닉스는 50만장, 마이크론은 35만 정도의 생산능력을 가지고 있는 것으로 평가되고 있었습니다. 오픈AI가 요구한 월 90만장은 그래서 전세계 D램 생산능력의 약 50%에 해당하는 어마무시한 양이었습니다. 당시 샘 올트먼은 2029년까지 5000억달러(약 700조원)를 들여 세계 곳곳에 AI 데이터센터를 짓겠다는 이야기를 하고 있었고, 이 700조원 규모 데이터센터에 필요한 D램의 양이 그정도일 것이라고 삼성전자와 SK하이닉스에게 이야기한 것이었습니다.  당시의 이야기를 들어보면 삼성도, SK도 월 90만장의 수요에 대해서 반신반의하는 분위기였다고 합니다.  오픈AI는 AI 생태계의 가장 정점에 있습니다. <챗GPT로 생성> 월 90만장? 코웃음 친 사람들  당시 반도체 담당 기자로 기사를 쓰면서 저는 몇 가지 점에서 의문이 들었는데요. 첫 번째는 오픈AI가 말한 메모리 반도체 수요와 엔비디아가 말한 메모리 반도체 수요가 서로 중복되는 것 아니냐는 점이었습니다. 결국 오픈AI는 엔비디아로부터 GPU를 구매할텐데 그 안에 메모리 반도체가 포함되어있을테니까요. 만약 중복 계산이 된다면 메모리 수요가 이중으로 계산돼 실제보다 부풀려질 수 있다고 생각했던 것이죠. AI 컴퓨팅 산업에서 돈의 흐름은 대략 이렇습니다. 모델 회사(오픈AI, 앤트로픽, 구글) → 클라우드 회사(AWS, MS, 구글) → AI 반도체 회사(엔비디아, AMD) → 메모리 회사(삼성전자, SK하이닉스) 챗GPT와 클로드, 제미나이를 사용하는 사람이 많아질수록 클라우드 회사들의 매출은 늘어납니다. 이들은 더 많은 AI 인프라를 구축하기 위해 엔비디아 GPU를 더 많이 사고, 엔비디아는 더 많은 메모리 반도체를 삼성전자와 SK하이닉스로부터 구매합니다. 그래서 오픈AI는 어떻게 보면 공급망의 가장 하단에 있는 메모리 회사들을 직접 만나러 온 것인데요. 이것이 말이 되는 이유는 공급망의 최상단에 있는 모델 회사가 어떤 사양으로 데이터센터를 구성할지 결정할 수 있기 때문입니다. 오픈AI만 해도 여러 가지 선택지가 있습니다. 3개 클라우드 회사가 이미 구축해 놓은 AI 인프라를 사용할 수도 있고요. 오라클과 협력해 오픈AI가 원하는 AI 인프라를 직접 만들 수도 있습니다. 3개 클라우드 회사의 AI 인프라에는 엔비디아 GPU가 가장 많이 탑재돼 있지만, 거기에 있는 AMD GPU를 사용하겠다고 요청할 수도 있습니다. 뿐만 아니라 아마존이나 구글의 자체 AI 반도체를 사용해서 챗GPT를 작동시킬 수도 있습니다. 오픈AI가 최근 공개한 자체 AI 반도체 할라피뇨입니다. <오픈AI> 오픈AI는 메모리 수요를 알고 있었다  오픈AI가 자체적으로 AI 인프라를 구축하는 경우에도 선택지가 많습니다. 엔비디아나 AMD 제품을 사용할 수 있지만, 최근 공개한 자체 AI 반도체인 할라피뇨를 선택할 수도 있습니다. 오픈AI가 만든 할라피뇨에도 HBM이 들어가는데, 여기에는 삼성전자의 HBM이 사용되는 것으로 알려져 있습니다. 이처럼 오픈AI는 필요한 AI 컴퓨팅 수요를 만족하기 위해 다양한 방식을 사용하는 것으로 알려져있습니다.   그래서 오픈AI가 한국을 찾아 메모리 반도체 공급을 요청한 것은, 오픈AI에 직접 메모리 반도체를 판매해 달라는 의미라기보다는, 오픈AI가 다양한 경로를 통해 구축하는 AI 인프라에 메모리 반도체를 안정적으로 공급해 달라고 요청한 것으로 이해할 수 있습니다. 사실 당시에는 ‘돈이 있으니 그냥 사 가면 되는 것 아니냐’는 생각이 들었습니다. 왜냐면 지금처럼 메모리 반도체 공급 부족 사태가 없었기 때문이죠. 지금처럼 전 세계적으로 메모리 반도체 공급이 부족해진 상황에서는 안정적인 공급이 무척 중요해졌습니다. 왜냐면 삼성전자와 SK하이닉스 입장에서는 자신들이 만드는 메모리 반도체를 구글이나 앤트로픽에 공급할 수도 있고, 애플에 공급할 수도 있으며, 삼성전자 갤럭시용으로 사용할 수도 있기 때문입니다. 오픈AI가 최종적으로 사용할 엔비디아 GPU, 아마존의 자체AI 반도체에 HBM을 우선 공급하면서 오픈AI와 좋은 관계를 유지하는 것도 중요한 전략이 될 수 있습니다.  SB에너지는 미국 오하이오주에 8GW AI데이터센터를 건설하려고 합니다. <SB에너지> 샘 올트먼에게는 계획이 있었다  두 번째는 5000억 달러에 달하는 어마어마한 돈을 오픈AI가 대체 어디서 마련할지가 궁금했습니다. 당시 오픈AI는 수억 명에 달하는 고객을 확보하고 있었지만 막대한 손실을 보고 있었죠.그런 궁금증은 곧 해소됐는데요. 먼저 오픈AI는 2026년 4월 1200억 달러를 유치하며 8520억 달러의 기업가치를 인정받습니다. 투자자 중에는 오픈AI에 클라우드 서비스를 제공하거나 반도체를 판매하는 아마존과 엔비디아도 포함됩니다. 오픈AI는 엔비디아로부터 AI 데이터센터와 관련한 금융 지원도 받습니다. 오픈AI의 주주인 소프트뱅크는 SB에너지라는 AI 데이터센터 건설·운영 기업을 만들었는데요. 엔비디아는 SB에너지와 함께 오하이오주에 AI 데이터센터를 건설합니다. 이 AIDC에는 엔비디아 GPU만 들어가고, 오픈AI는 이 시설을 임대해 사용합니다.그런데 이 AIDC를 짓는 데는 많은 돈이 필요하겠죠? 엔비디아는 SB에너지에 15억 달러(약 2조 원)를 투자하고, 프로젝트에 문제가 생겼을 때 엔비디아가 대신 돈을 갚아주는 형태의 보증도 제공합니다. 이후 AIDC가 가동되고 오픈AI가 SB에너지에 사용료를 내기 시작하면 이 보증 규모는 점차 줄어드는 구조입니다. 막대한 AIDC 건설 비용을 엔비디아와 SB에너지가 부담하고, 오픈AI는 재무적인 부담을 크게 지지 않는 구조인 셈입니다. 이미 맺은 AI 인프라 투자 계획만해도 어마어마한 오픈AI 입장에서는 합리적인 방식인 것입니다. 오픈AI는 AI 반도체를 구매하면서 동시에 해당 기업의 주식을 낮은 가격에 매입할 수 있는 권리도 확보했습니다. 대표적인 것이 AMD와 맺은 6GW 규모의 계약인데요. 많이 구매하면 많이 구매할수록 AMD 주식을 낮은 가격에 매입할 수 있고, AMD 주가가 오르면 오픈AI도 이익을 볼 수 있는 구조입니다.  지년 1년 사이 메모리 반도체 기업들에게는 너무 많은 일이 있었습니다.  인프라 짓기도 전에 주가가 먼저 뛰었다 샘 올트먼의 방한 후 1년이 지났지만 사실 AIDC나 반도체 팹은 많이 건설되지 않았습니다. 인프라가 그렇게 빨리 건설되지 않거든요. 당시 샘 올트먼은 삼성, SK와 손잡고 한국에 AIDC 두 곳을 짓기로 했는데 아직 구체적인 위치나 규모 등은 공개되지 않았습니다.삼성전자와 SK하이닉스는 이후 대규모 반도체 생산능력 확대 계획을 발표했지만, 2025년 말과 비교하면 여전히 생산능력은 크게 늘어나지 않았습니다. 올해 청주 M15X가 완공되면서 SK하이닉스의 생산능력이 월 4만 장 규모 늘어난 것으로 알려져 있습니다. 그에 반해 삼성전자와 SK하이닉스의 매출과 주가는 엄청나게 뛰었습니다. 삼성전자의 경우 올해 매출액 전망치는 739조 원이고 순이익은 321조 원입니다. SK하이닉스는 매출 344조 원, 영업이익 252조 원이 예상됩니다. 합쳐서 매출 1000조원, 순이익 600조원에 달하는 한국 기업 역사상 나와본적없는 숫자죠.  두 회사의 실적이 이처럼 크게 늘어나게 된 것은 결국 오픈AI가 내다봤던 월 90만 장 규모의 D램 웨이퍼 수요가 현실화하면서, 두 회사에 대한 메모리 반도체 주문이 크게 증가했기 때문입니다. 전 세계에서 가장 많은 AI 고객을 확보하고 있고 가장 앞선 AI를 개발하는 회사가 전망했던 막대한 메모리 반도체 수요가 결과적으로 맞았다고 볼 수 있는 것이죠. 2025년 10월 1일 종가 기준 삼성전자 주가는 8만6000원, SK하이닉스 주가는 36만 원이었는데요. 지금 주가는 각각 26만6000원, 185만300원으로 1년도 안 돼 각각 약 3배와 5배로 올랐습니다. 앤트로픽은 최근 11개월 간 5170억 달러의 AI 컴퓨팅 계약을 체결했습니다. <디인포메이션> 메모리 가격이 10배나 뛸 줄이야 그런데 당시 샘 올트먼도 미처 예상하지 못했던 부분이 있었던 것 같습니다. 크게 네 가지가 있었는데요.  첫 번째는 메모리 반도체 공급이 부족한 상황에서 AI 데이터센터가 기존 D램의 수요를 잠식할 수 있다는 점입니다. 결국 동일한 D램 웨이퍼를 활용해 HBM용, 서버용, 스마트폰용, PC용 D램을 만들기 때문에 HBM 쪽으로 생산 물량이 몰리면 다른 분야에서는 공급이 부족해질 수밖에 없습니다. 그 결과 지금처럼 메모리 가격이 지나치게 오르면서 스마트폰과 PC는 물론 AIDC에서조차 메모리 가격이 부담으로 작용하게 됐습니다. 두 번째는 오픈AI가 아닌 다른 회사들의 D램 수요까지 폭발할 수 있다는 점입니다. 지난해만 해도 대부분의 AI 수요는 오픈AI와 구글에서 발생했습니다. 하지만 클로드가 내놓은 코딩 에이전트가 큰 성공을 거두면서 앤트로픽에도 엄청난 컴퓨팅 수요가 발생했습니다. 문제는 앤트로픽이 오픈AI처럼 대규모 인프라를 미리 준비해 놓지 않았다는 점입니다.전 세계 곳곳에서 클로드의 속도가 느려졌고, 앤트로픽은 부랴부랴 대규모 클라우드 임대 계약을 맺습니다. 스페이스X가 대표적입니다. 하지만 언제까지 임대에만 의존할 수는 없기 때문에 앤트로픽도 자체 AIDC 구축에 나서게 됐고, 이것이 다시 메모리 반도체 수요로 이어지고 있습니다.뿐만 아니라 중국 AI 기업들도 오픈소스 AI 모델을 내놓으며 큰 성공을 거두고 있는데요. 이 오픈소스 AI 역시 결국 어느 데이터센터에서는 작동해야 합니다. 당장 중국 내에서 AI 사용자가 늘어나고 있고, 이는 중국 내 AIDC 건설 붐으로 이어질 것으로 보입니다. CXMT와 YMTC 같은 중국 메모리 기업들이 가장 큰 수혜를 보겠지만 삼성전자와 SK하이닉스 역시 수혜를 볼 것으로 예상됩니다 AI서버에서 메모리가 40% 원가를 차지하면서 이를 낮추려는 노력이 나오고 있습니다. <세미애널라이시스> 이제는 메모리 절약 운동 세 번째는 D램뿐 아니라 낸드플래시도 많이 필요해졌다는 점입니다. 주로 데이터 저장용으로 쓰이는 낸드플래시는 그동안 AI 추론에서 역할이 크지 않았습니다. 하지만 AI 추론 과정에서 KV 캐시의 중요성이 커지면서 이를 저장하는 수단으로 낸드 메모리가 주목받기 시작했고, 이는 전체적인 낸드 메모리 가격 상승으로 이어졌습니다. D램과 낸드를 모두 만드는 삼성전자, SK하이닉스, 마이크론의 실적이 크게 증가한 이유이기도 합니다. 네 번째는 이른바 AI 에이전트의 발전이 더 많은 D램 수요를 촉발할 수 있다는 점입니다. 이 역시 1년 전에는 충분히 예상하지 못했던 부분입니다. 최근 오픈AI가 공개한 아스트라와 같은 에이전트 특화 AI는 ‘토큰을 녹인다’는 표현이 쓰일 정도로 많은 토큰을 사용합니다. 그만큼 필요한 AI 연산량이 엄청나다는 것이죠. 더 많은 사람이 아스트라를 사용하고 AI 코딩 서비스를 이용할수록 필요한 메모리 반도체의 양도 늘어날 수밖에 없습니다. 결국 이렇게 예상하지 못했던 수요들이 겹치면서 메모리 반도체 가격의 폭등을 가져왔습니다. 그리고 앞서 레터에서도 설명드렸듯이, 이제 AI 업계는 메모리 반도체 사용량을 줄일 수 있는 방법을 본격적으로 찾아 나서기 시작했습니다. 실리콘밸리 시절 샘 올트먼 직관(?)한 것이 벌써 2.5년 전이네요....  <오픈AI> AI 혁명의 본게임은아직 시작되지 않았다  2022년 챗GPT의 등장, 2024년 엔비디아의 부상, 2026년 메모리 반도체의 폭등. 돌아보면 이는 순차적으로 일어날 수 밖에 없었던 현상이었습니다. 혁명적인 소프트웨어 기술이 등장하면, 이를 뒷받침 하기 위한 인프라에 대한 수요는 커질수 밖에 없죠.  동시에 2022년 이후 AI에 대한 충분한 수요가 있을지, 이를 기반으로 돈을 버는 비즈니스 모델이 나올 지에 대한 끊임없는 의심과 검증도 이어졌던 것 같습니다.   LLM의 발전은 끝났다. LLM은 커머디티가 됐다는 얘기도 나오고 있지만, 이 LLM을 기반으로 하는 아스트라와 같은 에이전트나, AI 숏폼과 같은 새로운 컨텐츠는 계속 새롭게 등장하고 있습니다. 인스타그램에는 진짜 사람인지, AI인지 알 수 없는 계정들이 등장하고, IFA와 같은 가전 전시회는 휴머노이드 로봇들이 점령하고 있습니다.    그런 점에서 앞으로 1년 어떤 일이 벌어질까요?  소프트웨어의 개발 속도, 기업들의 실적과 주가는 빠르게 움직입니다. 반면 데이터센터와 반도체 팹을 짓는데는 오랜 시간이 걸립니다. 사람들이 일하고 생각하는 방식이 변하는데는 더 오랜시간이 걸립니다.  그런 점에서 AI 인프라 투자에 따른 공급 부족 사태는 적어도 1년은 더 지속될 것 같구요. 하지만 그런 공급 부족이 끝나고, 공급과잉이 된다는 조짐이 나오기만 해도 주가는 더 빠르게 반응할 것 같습니다. 그것이 당장 1년 후가 될지 2년 후가 될지는 모르겠습니다. 그렇게 주가는 떨어지고 버블은 꺼질지 모르겠지만, AI 인프라 투자는 남기 때문에 그걸 기반으로 진짜 AI 혁명이 시작될 것 같습니다. 그것이 지금까지 기술이 세상을 변화시킨 방식이니까요.  ※ 제목을 누르면 원문으로 연결됩니다. 제프리 카젠버그 AI 영상 스타트업 창업드림웍스의 CEO이자 헐리우드의 거물이었던 제프리 카젠버그가 오픈AI의 비디오 생성앱 소라의 책임자였던 빌 피블스와 AI 영상 스타트업을 창업했다는 디인포메이션의 보도. 바이트댄스의 시댄스, 콰이쇼우의 클링 같은 중국 AI 비디오 생성 서비스가 시장을 지배하는 가운데 무슨 역할을 할 수 있을지 궁금해지네요.  퀄컴, 아마존과 AI 반도체 만든다AI 인프라 붐에서 소외되었던 퀄컴이 아마존과 의미있는 협력에 도달했어요. AI 데이터 센터를 위한 맞춤형 반도체를 함께 만들기로 했고, 광 연결 솔루션 및 차세대 솔루션 개발에도 협력하겠다고 발표. 심지어 퀄컴은 아마존에게 자사 주식을 살 수 있는 신주인수권까지 부여하기로 했어요. 이미 자체 반도체를 만들고 있는 아마존에 퀄컴과 협력에서 무엇을 얻으려고하는지 궁금하네요.   

2026.09.11  0  19 

[모두의 창업] 창업자 커뮤니티 운영 안내

 [모두의 창업] 창업자 커뮤니티 운영 안내 안녕하세요 모두의 창업입니다. 모두의 창업에서는 선배 창업가와 만나고, 동료 도전자와 함께하며, 다양한 경험으로 연결되는 📢창업자 커뮤니티를 운영하고 있습니다. 창업 선배들의 이야기를 듣고 대화하는 '선배가 만드는 클럽' 창업자들이 모여 함께 만들어가는 '함께 만드는 클럽' 창업가들이 함께 만나 친해지는 '커뮤니티 이벤트'까지 서울, 부산, 대전, 광주에서 열리는 창업 커뮤니티! 모두의 창업 프로젝트 도전자 뿐만 아니라, 창업에 관심 있는 분이라면 누구나 참여 가능할 수 있으니 많은 관심과 참여 부탁드립니다. * 정원 도달 시 조기 마감 될 수 있으며, 신청서 제출 후 선별과정을 거쳐 최종 참석 여부 안내 <모두의 창업 커뮤니티 9월 일정> 📅 (마감임박) 9.10(목) 선배와 만드는 클럽 '창업부터 IPO까지' - 서울 / 장민홍(카본블랙 파트너) 📅 (마감임박) 9.13(일) 선배와 만드는 클럽 '창업자? 완전 힘들죠 그래도 알고 맞는게 낫습니다' - 서울 / 김형산(더스윙 대표) 📅 9.17(목) 선배와 만드는 클럽 '그럼에도, 창업을 권합니다' - 서울 / 이동건(마이리얼트립 대표) 📅 9.18(금) 커뮤니티 이벤트 '착한 제품이라서 팔린 건 아니었습니다' - 대전 / 박진아(휴닉 대표), 권윤정(리솔츠 대표) 📅 9.19(토) 커뮤니티 이벤트 '앱 하나로는 안되는 사업들' - 광주 / 윤우림(한백 대표), 정규호(리브애니웨어 대표), 박성일(이삭그리디언 대표) 📅 9.20(일) 커뮤니티 이벤트 '돈 내고 그걸 왜 해요?' - 부산 / 박현호(크몽 대표), 윤수영(트레바리 대표) 📅 9.22(화) 선배와 만드는 클럽 '따라하기? 제품은 할 수 있지만 브랜드는 절대 안돼요' - 서울 / 이상우(닥터글라스 대표) 📅 9.29(화) 선배와 만드는 클럽 '20대 여성 3명 중 1명이 우리 고객이 된 비결' - 서울 / 김도진(해피문데이 대표) ▶️ 커뮤니티 게시판 바로가기 ▶️ 커뮤니티 신청하기

2026.09.07  0  38 

[인터뷰] AI는 왜 아직 보드게임판을 읽지 못하는가

AI가 넘어야 할 다음 벽은 ‘더 잘 읽는 것’이 아니라 ‘보고 판단하는 것’이다. 인터넷의 텍스트를 읽으며 성장한 AI는 수학 올림피아드 문제를 풀고 사람보다 빠르게 코드를 쓰는 수준에 이르렀다. 그러나 사진에서 물체의 개수와 위치, 거리, 앞뒤 관계를 파악하는 능력은 그 수준에 한참 못 미친다. 올해 국제 머신러닝 학회 ICLR에서 노스웨스턴대와 스탠퍼드대, 워싱턴대, 코넬대 공동 연구팀이 발표한 ‘시어리 오브 스페이스(Theory of Space)’ 실험은 주어진 이미지를 해석할 때 뛰어났던 주요 AI 모델들이 가상 공간을 능동적으로 탐색할 때 성능이 떨어지는 모습을 여과 없이 보여줬다. 환경이 바뀐 뒤에도 모델들은 앞서 내린 판단을 바로잡지 못했다. 원인은 모델이 추론하는 방식에 있었다. 앤드루 다이 CEO는 오늘날 AI가 이미지를 입력받더라도, 답을 찾아가는 명시적 추론은 여전히 텍스트와 코드로만 하기 때문이라고 판단했다. 도면의 치수나 부품이 맞물리는 구조처럼 말로 다 표현되지 않는 정보는 이 과정에서 사라진다. 설계와 제조, 로봇 산업에 AI가 아직 깊이 들어가지 못한 이유다. 앤드루 다이 CEO는 지난해 말 구글 딥마인드를 떠나 애플 출신 멀티모달 연구자 인페이 양(Yinfei Yang), 하버드대 교수 출신 세스 닐(Seth Neel)과 함께 엘로리안(Elorian)을 세웠다. 그는 2015년 구글 브레인의 쿽 레(Quoc Le)와 함께 오늘날 대형언어모델에 널리 쓰이는 사전학습 접근의 효과를 입증했다. 약 14년간 구글에 재직하며 AI 모델 제미나이(Gemini) 개발에 참여했고, 제미나이의 데이터 리드를 맡았다. 텍스트로 AI를 키운 그에게 AI의 시각적 추론이 어디까지 왔고 무엇이 달라지고 있는지 물었다. 텍스트 사전학습의 개척자가 시각을 선택한 이유 Q. 2015년 쿽 레와 함께 발표한 논문은 사전학습이 후속 과제의 성능을 끌어올린다는 사실을 보여줬습니다. 당시 딥러닝의 중심은 이미지 인식이었는데요. 그 결과를 처음 확인했을 때 팀 분위기는 어땠습니까. 고무적이었습니다. 정확히 말하면 그 논문은 텍스트와 이미지를 각각 따로 사전학습시키면 이후 텍스트 과제와 이미지 과제의 성능이 모두 높아진다는 점을 보였습니다. 당시 최고 성능(SOTA)을 새로 쓴 결과였기 때문에 팀은 매우 들떠 있었고요. 구글의 AI 연구조직 구글 브레인(Google Brain)에 있던 딥러닝 선구자 제프리 힌턴(Geoffrey Hinton)은 학습 설정값(하이퍼파라미터)을 별로 손보지 않았는데도 이 방식이 작동하는 것을 보고 “좋은 아이디어는 스스로 작동하고 싶어 한다”고 말했습니다. 다만 그때는 누구도 이 아이디어가 오늘날과 같은 규모의 사전학습으로 이어지리라고는 생각하지 못했습니다. 그 무렵 구글 브레인 안에 헬스 팀이 생겼고, 저는 그곳에서 환자의 진료 기록을 디지털로 관리하는 전자건강기록(EHR)에 언어모델 사전학습을 적용하는 팀을 꾸렸습니다. 지금 KAIST에 있는 최윤재 교수도 당시 팀원이었습니다. 이후 오픈AI의 언어모델 GPT-3가 나오면서 사전학습이 본격적으로 확산되는 것을 보고, 구글 브레인으로 돌아와 다시 언어모델 연구에 집중했습니다. Q. 이후 사전학습은 대형언어모델의 핵심 학습 방식으로 자리 잡았고, 구글에서 제미나이 개발에도 영향을 미쳤습니다. 당신도 그 개발을 주도하셨죠. 그런데 왜 텍스트가 아닌 시각으로 선회하셨습니까. 10년 넘게 텍스트 모델을 연구하면서 깨달은 것이 있습니다. 코딩과 수학을 포함한 언어 능력은 순조롭게 확장되는 반면 시각 능력은 한참 뒤처져 있다는 사실이었죠. 이를 결정적으로 깨달은 것은 지난해 친구들과 보드게임을 하던 날이었습니다. 저는 보드게임을 꽤 많이 수집하는 편입니다. 그날 판을 사진으로 찍어 각 플레이어가 판 위에 몇 개를 차지하고 있는지 AI에 물어봤습니다. 게임에 참여한 플레이어면 누구나 눈으로 셀 수 있는 수준인데, AI는 제대로 세지 못했습니다. AI 추론 능력 평가 ARC-AGI1에서 90%를 받는 최고 수준의 모델, 소위 프런티어 모델이었는데도요. 만약 시각적 추론을 성인 수준으로 끌어올리면 시각 정보에 의존하는 수많은 산업에 AI를 적용할 수 있게 됩니다. 컴퓨터 설계(CAD)와 그래픽 디자인, 건축 같은 설계 분야부터 로보틱스와 영상 이해까지 상당히 넓은 범위의 산업이 포함될 것입니다. elorian.ai 텍스트 대신 이미지로 추론하는 ‘시각적 사고의 사슬’ Q. 지표는 다른 이야기를 합니다. 프런티어 모델들은 시각 추론 평가에서 최고 성적을 계속 경신하고 있고, 각 회사는 그 점수를 근거로 시각 능력의 진전을 홍보합니다. 지금의 평가 방식이 현실에 필요한 능력을 반영하지 못하는 건가요. 그렇습니다. ARC-AGI의 최신 버전인 ARC-AGI-3처럼 널리 쓰이는 벤치마크는 실제 활용 사례와 거리가 멉니다. 그 평가는 모든 화면이 가로세로 64픽셀의 격자로 구성되는데, 현실의 시각적·물리적 문제 가운데 그 크기에 담을 수 있는 것은 거의 없어요. 평가 데이터가 지나치게 깨끗하다는 점도 문제입니다. 유아 수준의 시각 과제로 모델을 시험하는 베이비 비전(BabyVision) 같은 평가는 현실에서 찾아보기 어려운 정제된 이미지로 구성돼 있어, 이미지를 볼 줄 몰라도 간단한 프로그램만으로 상당수 과제를 풀 수 있을 정도입니다. 반면 같은 방식으로 실제 사무용 빌딩 사진에서 창문 개수를 세어보면 훨씬 어렵다는 것을 알게 되죠. 시각적 추론을 제대로 평가하려면 사진 속 물체의 이름을 맞히거나 영역을 구분하는 수준이 아니라, 성인이 이미지를 몇 초간 들여다봐야 풀 수 있을 만큼 복잡한 과제여야 합니다. 동시에 현실에서 수집한 데이터여야 하고, 현장의 노이즈와 실제 활용 사례를 담고 있어야 하고요. Q. 엘로리안은 학습과 아키텍처의 모든 결정을 시각적 추론에 맞추고 있습니다. 시각을 중심에 두고 설계한다는 것이 실제로 어떤 차이를 만듭니까. 지금의 AI와 저희 모델은 ‘생각하는 공간’이 다릅니다. 지금의 프런티어 모델은 생각의 사슬(Chain of Thought)2에서 텍스트와 코드만 사용합니다. 말로만 생각하는 셈이죠. 반면 저희 모델은 추론하는 도중에 직접 이미지를 그리고 고쳐가며 생각합니다. 사람이 어려운 문제를 풀 때 머릿속에 그림을 그려보거나 종이에 도형을 끄적이는 것과 같습니다. 저희는 이를 시각적 생각의 사슬(Visual Chain of Thought)이라고 부릅니다. 말로 하는 추론과 그림으로 하는 사고의 결합이 인간 추론의 본질이라고 믿기 때문입니다. 이걸 실현하려면 모델의 층 하나하나를 다시 설계해야 합니다. 이미지를 처리하는 비전 인코더부터 트랜스포머 내부 구조까지, 어떤 데이터가 시각적 추론 능력을 높이는지, 어떤 구조가 시각 처리에 맞는지를 처음부터 다시 묻는 작업입니다. 점진적 개선은 논문을 쓰는 데는 좋지만, 프런티어 모델을 만드는 데는 충분하지 않으니까요. Q. 데이터 문제를 묻고 싶습니다. 2015년에는 학습시킬 텍스트가 인터넷에 넘쳐났습니다. 건축 도면이나 위성사진, 작물 진단 같은 영역에는 그런 자료가 없고, 회사는 필요한 데이터를 직접 만들어 쓴다고 밝혔습니다. 만들어낸 데이터의 한계는 무엇입니까. 직접 만들어낸 학습 데이터, 즉 합성 데이터에는 늘 위험이 따릅니다. 현실 데이터와 너무 달라서 모델이 실제 환경에 적응하지 못할 수 있고, 현실 데이터만큼 다양한 경우를 담아내지 못할 수도 있습니다. 그래서 저희는 합성 데이터의 품질과 다양성을 면밀히 검토하고 개선할 방법을 계속 찾고 있어요. 합성 데이터는 현실에서 그 데이터가 만들어지는 과정을 그대로 재현할 수 있을 때 강력하거든요. 반면 현대 미술처럼 고도의 다양성이 필요한 영역에서는 실제 작품만큼 다양한 데이터를 만들어내기가 매우 어렵습니다. 설계에서 로봇까지, 3차원 공간 이해가 여는 산업 Q. AI의 성능이 급성장하던 시기를 구글 안에서 지켜보셨고, 이제는 밖에서 그 흐름을 보고 있습니다. 지금 AI는 어디까지 와 있고, 범용 인공지능(AGI)은 언제, 어떤 모습으로 온다고 보십니까. AI는 요약과 이메일 작성, 수학, 코딩 같은 텍스트 영역에서 많은 것을 이뤘습니다. 그러나 AI의 발전은 처음부터 어떤 일은 인간을 넘어서면서 다른 일은 유아 수준에 머무는, 영역마다 능력이 다른 ‘울퉁불퉁한 경계선(jagged frontier)’의 모습이었죠. 체스와 바둑에서는 오래전에 인간을 넘어섰고, 지금은 코딩과 수학의 차례입니다. 과거 인간만 할 수 있던 많은 일을 해내지만, 제프 딘(Jeff Dean) 구글 수석과학자 같은 사람을 대체하지 못한다는 것도 분명합니다. 그리고 이 경계선의 가장 깊은 골짜기에 시각적 추론이 있습니다. AGI와는 아주 멀리 떨어져 있는 영역이에요. 이 흐름은 계속될 겁니다. 텍스트 기반 추론처럼 AI가 잘하는 영역은 계속 좋아지겠지만, 코딩 에이전트가 제프 딘 수준에 이를 가능성은 낮다고 보고요. 법률 서면 작성이나 시각적 추론, CAD 도면 이해처럼 AI가 아직 약한 영역이 AGI 수준에 이르려면 더 오래 걸릴 것입니다. 엘로리안은 그 시기를 앞당기는 데 모든 역량을 쏟고 있습니다. Q. 시각 추론은 모델이 깊이와 공간 구조, 상대 위치를 여러 장면에 걸쳐 이해한다고 했는데요. 3차원 공간을 다루는 시각 모델이 로보틱스로 이어지는 흐름도 비슷한 방식입니까. 맞습니다. 로봇이야말로 시각으로 사고하는 AI가 가장 자연스럽게 이어지는 영역입니다. 로봇은 눈앞의 물리 세계를 깊이 이해해야 움직일 수 있으니까요. 사람이 물건을 집을 때 그것이 얼마나 멀리 있는지, 어떤 모양인지, 주변에 무엇이 있는지를 눈으로 파악하듯, 로봇에게도 3차원 공간의 이해가 성능을 좌우합니다. 기존 로봇은 이를 위해 레이저로 거리를 재는 라이다(LiDAR) 같은 별도 센서에 의존하는 경우가 많았는데, 시각 추론 모델은 카메라로 본 장면 자체에서 공간을 이해하는 접근입니다. 3차원을 이해하면 설계 분야로도 넓어집니다. CAD로 그린 설계가 실제로 어떻게 제조되고 작동할지 AI가 이해하면 설계자의 시간을 크게 줄일 수 있는데, 지금의 설계 작업은 대부분 AI가 적용되지 않은 기존 CAD 소프트웨어로 일일이 손수 이뤄지고 있거든요. 다만 로보틱스는 보는 것에서 끝나지 않고 하드웨어를 제어해 올바른 행동을 골라야 하는 문제가 더해지기 때문에, 난도는 한 단계 높아집니다. Q. 올해 4분기에 외부 개발자가 쓸 수 있는 공개 API를 열 계획이라고 밝히셨습니다. 가까운 목표와 장기 목표는 무엇이고, 시각적 추론이 지금의 코딩 수준에 이르면 어느 산업이 가장 먼저 달라집니까. 한국의 기업과 연구자와도 협업 의사가 있습니까. 지금은 데이터를 함께 만들고 모델을 먼저 써볼 초기 협력사, 이른바 설계 파트너를 모으는 단계입니다. 단기 목표는 시각적 추론 프런티어 모델을 완성해 고객에게 전달하고 피드백을 듣는 것이고요. 그래야 다양한 활용 사례에 쓸모 있는 모델로 개선할 수 있을 테니까요. 장기 목표는 어떤 기업이든 시각적 추론 과제가 생기면 가장 먼저 찾는, 텍스트와 이미지를 함께 다루는 세계 최고의 멀티모달 파운데이션 모델을 만드는 것입니다. 사무직 업무의 상당 부분은 실은 도면을 확인하거나 작물 상태를 살피는 시각 작업입니다. 시각적 추론이 코딩 수준에 이르면 그중에서도 CAD와 설계 분야가 가장 큰 영향을 받을 것입니다. 새 기계 장치를 설계하는 데 몇 달이 아니라 며칠이 걸리게 되는 거죠. 영상 산업도 달라질 것입니다. 사람이 영상의 세부 내용을 몇 시간씩 들여다볼 필요가 없어집니다. 이런 변화가 앞으로 몇 년 안에 일어날 것으로 봅니다. 한국의 뛰어난 기업, 연구자들과 협력할 방법을 언제나 찾고 있습니다. ARC-AGI: 처음 보는 유형의 퍼즐을 몇 개의 예시만 보고 풀 수 있는지 재는 AI 추론 능력 평가. 사람에게는 쉽지만 AI에게는 어려운 문제들로 구성돼, 암기가 아닌 추론 능력을 가늠하는 기준으로 쓰인다.↩︎ 생각의 사슬(Chain of Thought)·시각적 생각의 사슬(Visual Chain of Thought): 생각의 사슬은 AI가 답을 내놓기 전 중간 추론 과정을 단계별로 밟아가는 방식으로, 지금의 모델들은 이 과정을 텍스트와 코드로만 수행한다. 시각적 생각의 사슬은 엘로리안이 제안한 방식으로, 추론 도중 이미지를 직접 만들고 고쳐가며 그림으로도 사고한다. ↩︎ 앤드루 다이 CEO는 구글 브레인 초기 멤버로 약 14년간 구글과 구글 딥마인드에 재직했다. 2015년 쿽 레와 함께 발표한 연구는 오늘날 대규모 언어모델에 널리 쓰이는 사전학습-미세조정 접근의 초기 연구 중 하나로 꼽힌다. 이후 파운데이션 모델의 기반이 된 전문가 혼합(MoE) 연구를 이끌며 수십억 명이 쓰는 서비스 개발에 참여했고, 제미나이 개발에는 파운딩 멤버이자 데이터 리드로, PaLM 2 개발에는 사전학습 공동 리드로 참여했다. 2025년 말 딥마인드를 떠나 애플 출신 멀티모달 연구자 인페이 양, 하버드대 교수 출신 세스 닐과 팔로알토에 엘로리안을 공동 창업했다. 엘로리안은 2026년 4월 벤처캐피털 스트라이커 벤처스(Striker Ventures), 멘로 벤처스(Menlo Ventures), 알티미터 캐피털(Altimeter Capital) 주도로 5,500만 달러 시드 투자를 유치했다.

2026.08.31  0  57 

AI의 새로운 먹잇감은? 죽은 회사, 책, 그리고 사람

오늘의 세줄 요약1.AI 기업들이 ‘인터넷 밖 데이터’ 확보에 나서고 있습니다. 구글, 아마존, 앤트로픽은 물론 피지컬AI 기업들도요. 2.이유는 인터넷 데이터만으로는 AI를 더 똑똑하게 만들기 어려워졌기 때문입니다. 기업 업무 과정, 희귀 서적, 인간의 손동작처럼 웹에 없는 데이터가 차세대 AI 성능을 좌우하는 핵심 자원이 되고 있습니다. 3.데이터 확보 경쟁은 새로운 논란도 낳고 있습니다. 파산 기업 직원의 프라이버시, 희귀 서적의 파기, AI를 학습시키는 노동자들이 결국 AI에 일자리를 빼앗길 수 있다는 역설까지 데이터를 둘러싼 새로운 갈등이 커지고 있습니다.    스피릿 항공. 저희가 모르는 사이에 이미 파산 기업의 데이터를 사고파는 시장이 형성되어 있습니다. 이유는 AI 교육 때문이고요. [사진=스피릿 항공] 구글이 원한기업 '내부' 데이터 지난 8월 14일 구글은 파산한 스피릿 항공의 내부 데이터를 사들이겠다며 경매 최고가인 1000만 달러를 써냈습니다. 담긴 건 직원들이 주고받은 이메일과 채팅, 재무 회계 시스템, 항공기 운항 기록, 매출, 웹사이트 분석 등의 데이터입니다. 구글은 이 데이터를 기반으로 자사 제품과 AI 모델을 개선하는 데 쓸 수 있다고 밝혔습니다. 스피릿은 높은 부채와 연료비를 견디지 못하고 지난 5월 운항을 멈췄고 1만7000명 넘는 직원이 일자리를 잃은 것으로 전해집니다. 데이터 규모는 상당합니다. 이메일 약 1억 건, 팀즈 메시지 5억 건, 코드 3000만 줄 등 1986년까지 거슬러 올라가는 기록이라고 해요. 승객 프로필과 상용 고객 계정은 빠졌고요. 왜 죽은 회사의 이메일에 이러한 돈을 쓸까요. 앞서 말씀드렸듯이 AI는 읽어서 배우는데 읽을거리가 바닥나고 있기 때문입니다. 유네스코 추산에 따르면 세상 지식 가운데 디지털화된 건 15%가량에 불과합니다. 공개된 웹은 천장과 사각지대를 동시에 갖고 있습니다. 기업이 스스로에 대해 뭐라고 말하는지는 보여주지만 실제로 어떻게 굴러가는지는 거의 보여주지 못하거든요. 스피릿의 데이터는 바로 그 빈칸을 메웁니다. 특히 AI에이전트를 기반으로 기업 고객을 끌어들이려는 AI 기업에 이러한 데이터는 절실합니다. 문제가 생기고 팀이 매뉴얼을 따르거나 벗어나고, 결정이 내려지고, 시스템이 바뀌고, 결과가 뒤따르는 흐름을 기업 내부 데이터에서 확인할 수 있어요. 이런 데이터를 학습한다면 기업용 AI 에이전트의 성능을 끌어올릴 수 있습니다. 게다가 스피릿은 마이크로소프트365, SAP처럼 구글이 아닌 프로그램을 활용했습니다. 구글 입장에서는 남의 집 살림을 통째로 들여다볼 기회라고 해야 할까요. 게다가 구글은 미국에서 AI 모드의 호텔 예약을 시험하고 있는데요. 여기에 항공권 예약도 붙일 계획입니다. 이러한 상황에서 스피릿 항공의 데이터는 요금과 예약 곡선, 환급, 바우처, 운항 차질 데이터 등 일이 흘러가는 상황을 보여주는 소중한 데이터가 됩니다. 인터넷에서는 절대 얻을 수 없을 뿐 아니라 에이전트가 거래를 맡기 전에 반드시 익혀야 하는 대목이에요. 파산 기업 데이터 확보 시장구글은 자사 지메일을 스캔해 비슷한 데이터를 긁어낼 수도 있습니다. 다만 합법적으로는 불가능해요. AI 모델은 본 적 없는 걸 마주하면 환각을 일으키는데 이렇게 떳떳하게 확보한 실제 기업 데이터는 그 환각을 줄이는 재료가 되기도 합니다. 위기를 통과한 항공사의 안팎을 통째로, 그것도 합법적으로 들여다볼 기회가 흔할 리 없는 만큼 1000만 달러를 낼 가치가 있다고 본거죠.  값어치는 경쟁 입찰에서도 드러납니다. 이번 경매에는 미국 AI 스타트업 머코도 참여했는데. 안타깝게도 750만 달러를 제시하는 바람에 떨어졌습니다. 머코는 AI 연구소에 학습 데이터를 공급하는 회사입니다. 여기에 AI 스타트업 마이크로1이 마감을 넘겨 1250만 달러를 써냈다는 보도도 나왔는데요. 구글이 매긴 값이 그만한 데이터치고 싸다고 본 거죠. 사실 이런 거래는 이제 처음이 아닙니다. 올해 들어 망한 기업의 내부 기록을 AI 기업에 파는 작은 시장이 생겼습니다. 창업 초기 스타트업의 메시지와 문서가 채권 회수를 위해 매물로 나오는 건데요. 파산 절차가 데이터를 공항 슬롯이나 비행기 같은 자산으로 취급하기 때문입니다. 여기서 문제는 파산법이 1978년에 쓰였다는 점이에요. 당시만 해도 데이터의 값어치도, 거기 딸린 프라이버시 문제도 상상할 수 없었습니다. 마이크로1의 늦은 입찰이 심리 테이블에 오른 것도 이 헐거운 틈 덕분이라고 해요. 미국 파산법은 채권자에게 더 많은 돈이 돌아간다면 마감 뒤 입찰도 받아줄 여지를 남겨 뒀거든요. 이 상황에서 미국 항공승무원협회가 매각에 이의를 제기합니다. 익명 처리를 하더라도 개인이나 소규모 집단을 다시 알아볼 수 있다는 우려 때문입니다. 파산법원은 결국 이러한 우려를 받아들여서 지난주로 잡혀 있던 승인 심리를 9월 9일로 미뤘습니다. 지금 구글이 손에 쥔 건 데이터가 아니라 입찰권입니다. 스캔을 마친 책을 폐기하고 있는 '상상도.' 굳이 폐기할 필요가 있을까요. 아마존이 그냥 가지고 있으면 안되는 걸까요. [그림=챗GPT] 아마존, 희귀 책 스캔 뒤 폐기 스피릿의 이메일이 기업의 속살이라면 책은 인류가 디지털 이전에 쌓아둔 텍스트의 원본입니다. 그리고 그 원본이 지금 분쇄기로 들어가고 있어요. 세상에서 가장 큰 서점을 꿈꾸며 출발한 아마존이 책을 사서 갈아 없애는 쪽에 서 있다는 건 그 아이러니한 일입니다. 아마존은 책을 사들여 책등을 잘라내고 페이지를 스캔한 뒤 원본을 파기하는 것으로 알려졌습니다. 미국의 한 IT 매체가 1000권의 주문을 추적해 이 과정을 확인했는데요. 한 헌책방 상인이 AI 학습용으로 의심되는 책 한 권에 애플 에어태그를 넣었고 마지막 신호가 노스라스베이거스에 있는 아마존 물류창고 LAS8의 북쪽 끝에서 잡혔습니다. 이곳은 VGT3라 불리는 특수 구역인데 책을 스캔하고 분쇄하는 곳입니다. 입구의 로고는 책을 문 채 이빨을 드러낸 티라노사우루스라고 하고요. 아마존은 남부 네바다에서만 이러한 시설 19개를 운영합니다. 아마존 대변인은 고객이 쓰는 제품과 서비스를 개선하기 위해 상업적 경로로 책을 사들인다고 밝혔고요. 징후는 오래전부터 있었습니다. 2024년 9월 아마존 셀러 포럼에서는 LAS8로 향하는 주문이 갑자기 몰린다는 증언이 나왔습니다. 한 상인은 단일 구매자로부터 68건의 주문을 받았고 다른 상인은 같은 계정이 매일 책을 사 갔다고 했고요. VGT3 직원들은 책마다 ISBN 바코드를 먼저 찍고 페이지를 스캔합니다. 1970년부터 쓰인 이 고유 번호는 AI 기업에 아직 확보하지 못한 책이 무엇인지 알려줍니다. 전체 ISBN 데이터베이스를 채워가는 지도인 셈입니다. 앤트로픽이 띄운 작은 공 실제로 북미와 유럽의 헌책방들은 주제도, 맥락도 없는 대량 주문을 받았다고 합니다. 오직 ISBN이 붙어 있다는 것 하나로 묶인 주문이었는데요. 지적이 안나올 수 없습니다. 책에는 여러 가치가 있습니다. 값으로 매기는 가치도 있고 역사적·지적·감정적 가치도 있고요. 그런데 AI 기업은 그런 걸 거들떠보지 않습니다. 이들이 원하는 건 딱 하나, 페이지에 적힌 글자예요. 책을 그저 학습용 텍스트 뭉치로 볼 뿐이라는 거죠. 이 관행의 원형은 앤트로픽입니다. 앤트로픽은 수백만 권의 책을 사들여 책등을 제거하고 스캔한 뒤 파기했습니다. ‘파나마 프로젝트’라는 이름이 붙었고 소송에서 공개된 내부 문서는 이를 세상의 모든 책을 파괴적으로 스캔하려는 노력이라고 적었습니다. 2025년 6월 판사는 합법적으로 산 종이책을 AI 학습용 디지털 파일로 바꾸는 건 ‘변형적 공정 이용’에 해당한다고 판결했습니다. 다만 앤트로픽이 항소 대신 합의로 사건을 끝내면서 다른 사건에 구속력을 갖는 선례는 남지 않았습니다. 별개로 앤트로픽은 700만 권이 넘는 불법 복제본을 내려받은 문제를 15억 달러에 합의했습니다. 미국 시민단체는 이 문제를 저작권이 아니라 경쟁의 문제로 봅니다. 디맨드 프로그레스 교육기금과 미국소비자연맹 등 18개 기관은 FTC의 앤드루 퍼거슨 위원장 등에게 조사를 촉구하는 서한을 보냅니다. 책을 대량으로 사서 영구히 파괴하는 건 후발 주자가 필요로 하는 자원 자체를 시장에서 굶겨 없애는 불공정 경쟁이라는 논리입니다. 원본을 없애면 가장 부유한 기업만이 인류의 기록을 독점적으로 쥐는 미래가 온다는 경고입니다. 이들은 학습 자체를 규제하자는 게 아니라 기존 저작물을 없애는 관행을 겨냥합니다. 스캔하고 보관하면 문제가 생기는 것일까요. 이들의 논리를 아무리 이해해 보려해도 잘 안되더라고요.  피겨AI CEO인 브렛 애드콕은 최근 자신의 X에 휴머노이드 로봇 피겨02의 은퇴 소식을 알렸습니다. 본사에 더 이상 둘 곳이 없다는 말과 함께요. 인간과 로봇이 함께하는 시대, 언제쯤 볼 수 있을까요. [캡처=애드콕 X] 인도 찾는피지컬AI 기업들 죽은 기업의 데이터도, 세상의 책도 과거의 기록입니다. 이미 존재하는 걸 긁어모으는 일입니다. 그런데 로봇에게 필요한 데이터는 어디에도 없습니다. 사람이 접시를 어떻게 집고 물병 뚜껑을 어떻게 여는지 그 동작의 기록은 인터넷 어디에도 쌓여 있지 않으니까요. 없으면 만들어야 합니다. 그래서 기업들이 인도로 향하고 있어요. 남부 인도 타밀나두주의 소도시 카루르가 그 현장입니다. 이곳 사람들은 세상에 없는 데이터를 몸으로 만들어냅니다. 어떤 이들은 집에서 이마에 아이폰을 붙이고 채소를 썰거나 침대를 정리하며 자기 동작을 녹화해 넘기거든요. 로봇이 따라 배울 '사람의 움직임'을, 사람이 직접 찍어 공급하는 겁니다. 로봇을 위한 데이터 수집입니다. 여기에 영상 속 대상을 하나하나 표시하는 라벨링, AI가 제대로 해냈는지 프레임 단위로 확인하는 검수도 더해집니다. 어디에도 없던 데이터를 사람 손으로 채워 넣는 일이 진행되고 있습니다.  오브젝트웨이스라는 곳이 대표적인 기업인데요. 이 회사는 2600명을 고용하고 있는데 그중 300명은 최근 한 달 사이 뽑았습니다. 그만큼 일이 늘어나고 있다는 건데, 숙련 사무직 월급은 210~260달러 선입니다. 인구 44만 명의 소도시에서는 넉넉한 액수라고 해요. 집에서 자기를 녹화하는 작업은 쓸 만한 영상 기준 시간당 2.5달러를 받습니다. 회사의 시험용 주방에서는 카메라를 단 로봇 집게가 접시를 들고 물병 뚜껑을 열어 물을 따르고 음식을 정리하는 장면을 찍어 분석합니다. 같은 작업을 시험용 욕실과 침실에서도 반복합니다. 시각장애인에게 주변을 설명해 주는 기기용 데이터를 만드는 팀도 있습니다. 왜 하필 인도일까요. 데이터를 사람이 직접 만들어야 하는 시대엔 사람이 많은 곳이 곧 값싸고 빠른 곳이기 때문입니다. 인도에서는 매달 200만 명이 18세가 됩니다. 로봇에게 먹일 데이터를 손으로 찍어낼 인력이 그만큼 쏟아진다는 뜻입니다. 피지컬AI 시대, 인간 데이터를 모아라 챗GPT 같은 언어 모델은 인터넷에 쌓인 글을 읽으며 컸습니다. 하지만 로봇이 배워야 하는 건 글이 아니라 몸짓입니다. 접시를 집는 손의 각도, 미끄러운 병뚜껑을 돌릴 때 힘을 어떻게 바꾸는지, 놓쳤을 때 어떻게 잡는지 등 이런 기록은 인터넷에 없습니다.  텍스트와 이미지, 영상은 인터넷 덕에 차고 넘치지만 로봇 데이터는 정반대입니다. 로봇이 세상과 직접 부딪쳐 하나씩 모아야 하니 쌓이는 양이 애초에 적거든요. 시각과 깊이, 힘과 토크, 촉각 신호를 밀리초 단위로 맞춰 담아야 하는데 그건 긁어올 수도, 시뮬레이션으로 값싸게 지어낼 수도 없습니다. 진짜 세계의 마찰과 미끄러짐, 센서의 잡음은 실제로 해봐야 얻을 수 있습니다. 게다가 로봇은 성공만 봐선 안 됩니다. 실패하고 되돌리는 장면까지 익혀야 진짜 데이터입니다. 그래서 시연 하나하나를 실제 환경에서, 한 번에 하나씩 사람이 직접 만들어야 가치가 생깁니다. 다양성도 관건이에요. 부엌도 사람도 제각각이라 한 부엌에서 배운 로봇은 옆집 부엌에서 헤맵니다. 그만큼 사람도, 언어도, 일하는 방식도 다양한 곳이 유리한데 인도가 부상한 배경이 여기 있습니다. 그래서 엔비디아와 구글, 메타 같은 곳들도 저마다 데이터 수집 인프라를 짓고 있습니다. 학습에 쓸 로봇의 실제 동작 기록은 인터넷 영상에 견주면 규모가 몇 자릿수나 작습니다. 휴머노이드의 병목은 하드웨어가 아니라 데이터라는 진단까지 나오고요. 인도에서 뽑아낼 수 있는 규모가 경이롭다는 게 현지 업체들의 말이고요. 역설은 여기 있습니다. 이 일자리는 AI가 아직 못 하는 일이라서 생겼습니다. AI가 할 수 있게 되는 순간 사라진다는 뜻인데요. 인도의 IT 서비스 일자리 최대 150만 개가 AI 때문에 없어질 수 있다고 하는데 지금 로봇에게 데이터를 먹이는 이 손들도 언제든 그 명단에 오를 수 있습니다. 이러한 데이터 라벨 작업은 2030년까지 인도 경제에 최대 100억 달러를 보탤 거라고 합니다. 사람이 손으로 데이터를 만들어 파는 지금의 호황이 정작 그 사람들을 대체할 로봇을 앞당기고 있는 아이러니가 이어지고 있는게 아닐까요.  ※ 제목을 누르면 상세 내용으로 연결됩니다.   삼성이 만든 엔비디아 추론칩, AI 에이전트 정조준 엔비디아가 삼성전자 파운드리에서 생산한 AI 추론칩 ‘그로크3’를 본격 상용화합니다. AI 에이전트와 AI 코딩 서비스 확산으로 추론 성능이 새로운 경쟁력으로 떠오르자, GPU에 추론 전용 칩을 더하는 전략인데요. AI 반도체 경쟁이 이제 학습에서 추론으로 무게중심을 옮기고 있다는 신호로도 읽힙니다. 삼성 파운드리에도 반가운 소식이 될 수 있을까요? 기타 든 팀 쿡의 마지막 무대애플이 팀 쿡 CEO의 고별 행사를 열고 14년간의 리더십에 작별을 고했습니다. 팀 쿡은 무대에서 밴드와 함께 기타를 연주하고, 연설에서는 파트너 ‘마이크’를 언급하며 개인적인 소회도 밝혔는데요. 다음 주부터는 존 터너스 CEO 체제가 시작되고, 팀 쿡은 이사회 의장으로 남아 정책 대응 등을 맡을 예정입니다.  엔비디아 AI 서버, 내부 공모로 중국 밀반출대만 검찰이 엔비디아와 슈퍼마이크로 전직 직원 등 9명을 AI 서버의 중국 밀반출 혐의로 기소했습니다. 이들은 대만에서 사용할 것처럼 허위 서류를 꾸며 엔비디아 AI 서버를 구매한 뒤 홍콩과 일본 등을 거쳐 중국으로 빼돌린 것으로 조사됐는데요. 미국의 AI 반도체 수출통제가 갈수록 촘촘해지는 가운데, 이번 사건은 외부가 아닌 내부 공모가 최대 허점이 될 수 있음을 보여줍니다. 

2026.08.26  0  63 

[모두의창업] 2차 프로젝트 지금 바로 도전하세요!

 2차 프로젝트 지금 바로 도전하세요! “세상에 나쁜 창업은 없다🔥” 모두의 창업 2차 프로젝트 오늘부터(8.20.) 시작🔥 여러분의 아이디어를 창업으로 이어갈 수 있도록 모두의 창업 2차 프로젝트에서 지원합니다. 사업 경험 없어도, 아이디어 단계여도 괜찮습니다! 🛩️아이디어에서 창업으로 연결되는 여정!✈️ 되면 창업 안돼도 스펙!😎 🎇 접수마감 : 2026년 9월 17일(16시까지) ✔ 예비창업자 또는 창업 7년 이내 기창업자(이종창업으로 가능)✔ 단계별 멘토링 · MVP 제작 · 사업화 자금 제공✔ 창업 아이디어를 발전시킬 수 있도록 AI 솔루션 제공✔ 상금부터 투자까지,창업을 구체적으로 지원(최종 1인에게 총 10억원 이상의 상금+투자) ⚡지금 도전하기 모두의 창업 공식 SNS에서 빠르게 소식 확인하기👀 https://www.youtube.com/ @modoo_startup_official https://www.facebook.com/ modoostartupofficial https://www.instagram.com/ modoo_startup

2026.08.21  0  76 

구글 역사상 가장 큰 변화가 생겼습니다

오늘의 요약 구글의 초기 주요 서비스를 개발하고, 구글의 AI를 이끌었던 제프딘이 27년만에 회사를 떠나 스타트업 디스커버리 루프를 설립합니다.  구글과 독립적으로 런던에 기반을 두고 AI를 연구했던 구글 딥마인드의 데미스 하사비스도 구글을 떠납니다. 그 역시 자신이 설립한 신약 개발 스타트업 아이소모픽 랩스에 집중합니다. 오픈AI의 등장으로 제프딘이 이끌던 구글 브레인과 하사비스가 이끌던 구글 딥마인드가 합쳐졌고, 두 사람이 구글을 떠나는 것은 세르게이 브린 구글 창업자가 AI 개발의 전권을 쥐는 것과 함께 이뤄졌습니다. 구글의 LLM 개발 속도가 핵심 인재들의 이탈과 함께 주춤합니다. 과연 구글은 제미나이 4.0으로 경쟁에서 앞서나갈 수 있을까요. 어쩌면 구글은 경쟁의 판이 달라지고 있음을 알고있을지도 모르겠습니다. 제프 딘 전 구글 과학자 <삼성전자> 전설을 넘어밈이 된 엔지니어 엔지니어는 과학과 기술을 통해 문제를 해결합니다. 그가 해결한 문제의 크기와 파급력이 그의 업적을 보여줍니다. 구글의 최고 과학자 제프 딘은 그 업적이 전설을 넘어 ‘밈’의 수준에 오른 사람입니다. 1968년생인 제프 딘은 미국 하와이에서 태어나 여러 지역을 옮겨다녔지만 학창시절은 미네소타주의 미네아폴리스에서 자랐습니다. 미네소타대학교에 입학해 컴퓨터공학을 전공했고, 역시 컴퓨터공학으로 유명한 워싱턴대학교에서 박사학위를 받은 후 DEC라는 유명한 컴퓨터회사에 입사합니다. 이 회사의 실리콘밸리 연구소가 팔로알토에 있었는데, 여기서 운명의 파트너라고 할 수 있는 연구자 산제이 게마왓을 만납니다. 컴팩이 DEC를 인수하면서 제프 딘은 연구소를 떠나 스탠퍼드 대학교 컴퓨터 공학 박사들이 1998년에 막 설립한 스타트업에 1999년 합류하게됩니다. 30번째 직원이었으니 극초기 직원이었죠. 이 회사가 구글입니다. 산제이 게마왓도 구글에 합류하게 되고 이 두 사람은 초기 구글의 중요한 기술들을 개발합니다. Map Reduce, Big Table, Spanner 등이 대표적이라고해요.  제프 딘에 대한 소개는 2022년 미라클레터에서도 찾아보실 수 있습니다. 스타트업에 대해 조언하던 그가 스타트업을 설립했습니다. <와이 콤비네이터> 구글의 AI 연구도 이끌었던 제프 딘 구글 내에서 제프 딘의 개발 능력과 문제 해결 능력이 전설처럼 전해졌고, 이는 개발자 커뮤니티 전반에도 퍼졌습니다. 이는 점차 제프 딘의 능력을 과장되기 얘기하는 ‘제프 딘 밈’이 되었고, 깃헙에는 이것만을 모아놓은 레포가 있기도 합니다. 예를 들어 이런 식 입니다.  제프 딘의 비밀번호는 파이(π)의 마지막 네 자리 숫자다.  제프 딘이 거미를 물었는데, 그 거미는 초능력과 C++ 코드를 읽을 수 있께 됐다.  제프 딘의 이력서에는 그가 하지 않은 일들이 나열되어 있다. 그것이 더 짧기 때문이다.   제프 딘의 키보드에는 Ctrl 키가 없다. 제프 딘이 모든 것을 컨트롤하기 때문이다.  제프 딘의 또다른 업적 중에 하나는 구글의 인공지능(AI) 개발을 이끌었다는 것입니다. 제프 딘은 학부 졸업논문에서 뉴럴 네트워크(신경망)를 다뤘을 정도로 AI에 대한 관심이 높았는데요. 2011년 앤드류 응 스탠퍼드대 교수와 함께 구글 브레인이라는 머신러닝 연구조직을 꾸렸습니다. 2013년 구글이 제프리 힌튼 교수를 비롯한 알렉스넷 팀을 인수하면서 일야 수츠케버 등 우수한 연구자들이 구글 브레인에 합류했습니다.  구글 브레인은 딥러닝을 기반으로 구글 서비스에 적용되는 다양한 기술을 개발했는데요. 구글 번역이 가장 널리 쓰인 기술이었습니다. 무엇보다 구글 브레인의 가장 큰 업적은 지금의 LLM을 만든 트랜스포머 아키텍처가 담긴 논문 ‘All You Need is Attention’이 었습니다. 구글 브레인에 소속된 연구자들의 주도로 이 논문이 만들어졌기 때문이죠.   데미스 하사비스는 끝까지 런던에서 떠나려고 하지 않았습니다.  알파고의 아버지  드디어 구글을 떠나 구글에는 실리콘 밸리에 위치한 구글 브레인과 다른 완전히 개별적인 AI 연구조직이 있었는데요. 바로 구글 딥마인드입니다. 우리에게는 이세돌 기사와 바둑을 둔 AI ‘알파고’를 만든 회사로 기억됩니다.  구글 딥마인드는 2010년 데미스 하사비스, 셰인 레그, 무스타파 술레이만 세 사람에 의해서 설립되었는데요. 실리콘 밸리가 아니라 영국 런던에 설립되었습니다. 딥마인드의 목표는 처음부터 범용의 AI를 만드는 것이었습니다. 시작부터 큰 야망을 세운 것인데요. 초기 투자자 중에는 일론 머스크와 피터 틸도 있었습니다.  딥마인드는 회사의 가능성을 알아본 구글에 의해서 2014년에 인수됐지만 인수 조건중에 하나는 기존의 구조를 그대로 유지한다는 것이었습니다. 구글 브레인과는 별도의 연구조직으로 유지됐고, 당연히 본사도 영국 런던에서 옮겨오지 않았죠.  구글에 인수된 후 딥마인드가 내놓은 대표적인 성과가 알파고였습니다. 딥러닝을 통해서 AI가 인간과 바둑 대결에서 압도적으로 승리할 수 있음을 보여줬습니다. 데미스 하사비스는 단백질 연구에서 AI를 사용하는 것에도 관심이 많았는데요. 이는 알파폴드 개발로 이어져 이 덕분에 데미스 하사비스는 노벨 화학상을 받기도 했습니다. AI 연구자가 노벨 화학상을 받은 것입니다.  이렇게 별도로 나눠져있는 두 조직은 논란이 될 수 있었지만 큰 문제는 없었습니다. 어떤 부분에서는 협력하기도 하고 어떤 부분에서는 각자의 연구를 하기도 했습니다. 2020년 나온 오픈AI의 GPT-3에 대응하는 LLM을 구글은 2022년 내놓았는데, 바로 람다(LaMDA)가 두 조직의 협력의 결과물입니다.. .  제미나이 3.5를 개발한 사람 네 사람중 세사람이 구글을 떠났습니다.  위기에 몰린 구글, 딥마인드와 브레인을 합치다 하지만 2022년11월 챗GPT의 큰 성공은 구글 브레인과 딥마인드 양쪽을 흔들어놓았습니다. 구글이 사실상 연구를 이끌었던 AI에서 스타트업 오픈AI가 앞서 있다는 것이 드러났고, 연구개발에서 큰 변화를 요구하는 목소리가 나왔습니다. 창업자 세르게이 브린이 구글에 복귀해서 AI 개발에 참여한 것이 대표적입니다. 결국 2023년 구글은 조직 개편을 통해서 실리콘 밸리에 있는 구글 브레인과 영국에 있는 딥마인드를 ‘구글 딥마인드’로 완전히 합쳤고, CEO를 데미스 하사비스에게 맡겼습니다. 그동안 구글AI를 이끌던 제프 딘은 최고 과학자로 자리를 옮겼습니다. 하나가 된 구글 딥마인드는 전사적인 역량을 쏟아부어서 큰 성과를 냈는데요. 1년만에 제미나이라는 LLM을 출시했고 오픈AI를 따라잡기 시작했습니다. 이는 최고의 인재와의 인프라, 막대막 현금과 데이터를 가진 구글이 처음부터 유리한 게임이었습니다. 구글은 2024년 8월 트랜스포머 논문을 쓴 노암 샤지어를 다시 영입했고, 제프 딘, 오리올 비냘스와 함께 제미나이 프로젝트의 공동 책임자를 맡겼습니다.  2025년은 오픈AI를 앞서고 있다는 구글의 자신감이 보이던 시기였고 이는 2026년 까지도 계속됐습니다. 구글은 몇년 만에 마이크로소프트의 시총을 앞섰고, 한때는 애플을 제치고 전세계 기업 시총 2위에 오르기도 했습니다. 2025년 5월 세르게이 브린은 구글 연례행사인 I/O에 직접 참석했습니다. <Alex Kantrowirtz 유튜브> 구글의 힘의 균형은 런던에서 마운틴뷰로  그런데 올해 하반기부터 구글의 제미나이 개발 속도가 예전같지 않다는 얘기가 나오기 시작했습니다. 합류한지 2년도 안된 노암 샤지어가 지난 6월 오픈AI로 합류한다는 뉴스가 나왔을 부터 뭔가 심상찮은 분위기가 느껴졌습니다.  그러던 중 8월 데미스 하사비스와 제프 딘이 모두 구글을 떠난다는 소식이 나온 것 입니다. 데미스 하사비스의 경우 알파벳의 최고 과학자로는 남지만, 사실상 현장을 떠나는 것입니다. 동시에 AI 연구조직인 구글 딥마인드의 힘의 균형도 달라집니다. 주요 외신들에 따르면 세르게이 브린이 구글의 AI 개발을 이끌게 될 것이라고 합니다. 데미스 하사비스의 역할을 물려받게된 코레이 카부쿠오글루는 이미 구글본사가 있는 마운틴뷰에서 일하는 것으로 알려져있습니다.  일부 외신들은 구글의 보수화를 말하기도 합니다. AI에 대한 규제에 적극적이고 안전에 신경을 썼던 제프 딘과 데미스 하사비스가 모두 떠났기 때문에 앞으로 구글이 더 상업화에 적극적이게 될 것이라는 분석입니다. 과거 구글이 사회적인 시선을 신경쓰느라 적극적인 AI 개발을 하지 못했고, 이것이 오픈AI에게 따라잡히게된 이유라는 평가가 나오는 것을 생각해보면 이것도 설득력있는 설명입니다. 창업자인 세르게이 브린이 과거보다 보수화되고, 미국 사회 전반에서 중국과 AI 경쟁에서 승리해야한다는 믿음이 번지는 것도 이번 구글의 변화에서 발견할 수 있는 한가지 포인트입니다. 네 사람의 구글 스콜라 인용횟수를 합하면 150만정도가 됩니다. <디스커버리 루프> 구글의 4대 천황이 강호를 떠나다 제프 딘이 퇴사해서 창업한 디스커버리 루프는 어떤 회사일까요? 일단 초기 4인의 공동창업자의 면모가 대단합니다. 제프 딘의 영혼의 단짝인 산제이 게마왓, 초기 구글 브레인 멤버로 전설적인 AI 연구자 중 하나인 쿠옥 V.레, 제미나이 프로젝트를 이끌었던 오리올 비냘스까지 입니다. 산제이 게마왓을 제외한 세사람의 경우 구글 스콜라의 인용 점수가 각자 40만회가 넘습니다. 각각 다른 분야에서 엄청난 업적을 남긴 구글의 베테랑 엔지니어/연구자들이 모여서 스타트업을 만들었습니다. 당연히 구글이 투자를 했고, 실리콘밸리의 유명 VC인 코슬라벤처스가 초기 투자자로 합류했습니다. 이름 그대로 디스커버리는 AI 루프를 사용해 새로운 과학적 발견을 하는 것을 목표로 합니다. AI에이전트가 발전하면서 우리는 AI에게 무한 루프작업을 시킬 수 있습니다. 사람이라면 평생 걸리는 일을 AI라면 며칠만에 몇달만에 해낼 수 있습니다. 그 과정에서 세계를 바꿀 과학적 발견이나, 새로운 의학이 발견될지도 모릅니다.   

2026.08.19  0  76 

AI 시대에 필요한 역량은?!?

카파시가 X를 통해 올린 반지의 제왕 3D 영상  🟥챕터1 역량눈과 귀가 없는 인공지능AI시대 필수 역량 '검증' 지난 주말을 전후해 AI 분야의 석학인 안드레이 카파시가 소셜미디어 X를 통해 아주 흥미로운 실험 하나를 공개했습니다. (카파시는 오픈AI의 공동창업자이면서, 테슬라의 오토파일럿 개발을 총괄한 인물입니다. 이후 AI 에듀테크 스타트업인 유레카랩스를 창업한 뒤, 올해 5월부터는 앤트로픽에서 대형언어모델(LLM) 사전학습 연구개발 팀을 이끌고 있어요.) 카파시가 테스트한 것은 AI 에이전트의 추론 능력 수준입니다.  반지의 제왕을 프롬프트로   AI 모델을 상대로 “소설 반지의 제왕 맨 첫 문단을 읽고, 해당 장면을 3차원 공간 이미지로 제작하라”고 요청한 것인데요. 사실 텍스트만 읽고 이를 시각화하는 것은 매우 고난도 작업에 속합니다. 예를 들어 소설에 등장하는 언덕, 나무, 강물은 위치 좌표가 없기 때문에 AI가 “아 이건 여기에 있겠다”하고 상상을 해야하는 것이죠.    실험은 앤트로픽의 플래그십 모델인 오퍼스5로 진행했습니다. 오퍼스5는 두 시간 동안 코드 5,500줄을 작성했는데요. 오퍼스5는 웹 브라우저에서 3차원 그래픽을 구현할 수 있도록 지원하는 자바스크립트 라이브러리인 쓰리제이에스(three.js)를 활용해 언덕, 집, 강을 배치하고 카메라가 움직이는 장면을 연출했어요. (영상은 여기서 볼수 있습니다) 단돈 1만4,000원이면 된다   오퍼스5는 1분30초짜리 동영상 애니메이션을 만들었는데요. 나름대로 내레이션도 있고 자막도 있습니다. 카파시는 제작에 필요한 비용이 단돈 10달러, 우리 돈으로 약 1만4,000원에 불과했다고 적었습니다. 그가 놀라워한 대목은 AI가 스스로 3차원 좌표를 설정하고 이를 움직이게 하는 코드를 끝까지 써내려갔다는 사실입니다. 과거에는 아주 작은 작업만 AI에 부탁할 수 있었는데, 이제는 두 시간짜리 3D 시각 작업을 맡겨두고 자리를 비워도 되는 시대가 온 것입니다.   물론 이런 실험을 보고 “이미 AI 기술이 그런 단계는 척척 하는 것 아냐?”하고 반문 할 수 있습니다. 카파시 역시 "재미있지만 조잡하다"고 정직하게 평가했습니다. 이런 AI 작업물이 함량 미달일 수도 있습니다. 하지만 카파시의 말을 빌려 보면, 제정신인 사람이라면 이렇게까지 특이하고 쓸모없어 보이는 작업에 시간을 쓰지 않을 것 같아요. 소설 첫 문단을 3D로 시각화하는데 시간을 낭비할  사람은 없기 때문입니다. 하지만 AI는 다릅니다. "뭐든 해도 된다. 공짜니까" "AI는 세상의 모든 체력과 인내심을 갖고 있다"고 카파시는 적었습니다. "아무도 이런 건 안 할 거야"에서 "그래 뭐, 해도 되지, 이건 공짜잖아"가 된 것입니다. 미라클레터는 5년 전에도 AI 시각화 관련 뉴스레터를 자주 작성했는데요. 스토리텔링은 텍스트에 이미지나 영상이 함께 있을 때, 그 힘이 배가 되거든요. 몇 년 전만 하더라도 AI 능력을 실험하는 수준은 “자전거 타는 유니콘을 그려봐라” 정도였는데, 지금은 “반지의 제왕 한단락을 읽고, 3D 애니메이션으로 만들어 봐라” 수준으로 크게 달라졌습니다. (GPT-2의 그림 그리기를 소개한 미라클레터)    다만 그때나 지금이나 크게 바뀌지 않은 것이 하나 있습니다. 바로 검증입니다. 카파시는 AI 모델 결과를 살펴보니 AI가 자기가 그린 이미지가 제대로 작성됐는지 중간중간 캡처해 확인했다고 했습니다. 하지만 수정 작업 한 것이 조악하다고 했고요. 즉 오늘날 AI는 엄청난 두뇌와 손이 있지만, 아직은 눈과 귀는 없는 것과 다름 없습니다. AI 등장에 작업 속도는 미친듯이 빨라졌지만, 스스로 만든 결과물의 어색한 부분을 찾아내는 눈은 여전히 어색한 것이죠. 🔎크게보기: 업무역량   오늘날 일상 업무도 서서히 그렇게 바뀌는 것 같아요. 초안을 작성하는 시간은 정말 획기적으로 줄어들었지만, AI가 작성한 수많은 결과물을 검토하느라 오히려 검증에는 더 큰 힘이 들어가고 있습니다. 따라서 AI 시대를 살아가는 오늘날 우리가 갖추어야 할 핵심 역량 중 하나는 AI가 방향을 제대로 잡고 있는지, 상황을 제대로 판단하고 있는지 이를 판별할 수 있는 눈에 달려 있지 않을까 합니다. 미국 데이터센터 전력 수요 전망 (맥킨지 원문 그래픽을 AI로 전환) 🟥챕터2 인프라AI 전력 생태계는 버블? 맥킨지 “그때와는 달라” AI를 사용하려면 대규모 데이터센터가 필요하고, 이런 데이터센터를 가동하려면 막대한 전력이 필요합니다. 자본시장에서 AI 반도체와 데이터센터만큼이나 전력 생태계를 주목하는 이유입니다. 하지만 앞서 편지(6월8일 편지 참조)에서 진단해 드린대로, 모든 산업의 흥망에는 사이클이라는게 존재합니다. 특정 산업의 미래에 낙관론이 지배하면 막대한 투자가 이뤄지고, 이후 과잉 공급 우려가 나오면서 균형점을 찾아가는 것이 산업의 사이클인데요. 미국 연간 30GW 필요 지난주 맥킨지가 최신 분석 보고서를 발간했습니다. 짧게 살펴보겠습니다. 전력 산업에서 수요를 바라보는 전망은 매우 낙관적입니다. 향후 10년 동안 미국에서 새롭게 늘어날 전력 수요의 무려 75%가 데이터센터 한 업종에서 나올 것으로 전망됩니다. 현재 미국에서 건설 중인 데이터센터가 요구하는 전력은 연간 30기가와트(GW) 규모인데요. (한국은 매년 2GW 규모 전력이 더 필요할 것으로 전망됩니다.) 미국만 놓고 보면 매년 원자력 발전소 30기 분량의 전력이 새로 필요하다는 뜻입니다. 대략 1GW는 원전 1기 수준입니다. 이러한 폭발적인 숫자 때문에 일각에서는 닷컴 버블 시절의 광케이블 과잉 투자와 같은 거품이 아니냐는 우려가 있기도 합니다. 맥킨지는 현재 추세로라면, 과잉 건설은 아니라고 하는데요. 이에 대한 근거는 AI 사용빈도입니다.  AI 도입후 영업익 증가 40% 기업의 39%가 인공지능 도입 후 영업이익이 눈에 띄게 증가했다고 답했으며, 64%는 일하는 방식이 근본적으로 변했다고 응답했습니다. 기술 투자가 실질적인 수익과 생산성으로 이어지고 있는 정황이라는 해석입니다. 물론 반론도 있습니다. 실제로 대기 목록에 올라온 용량은 실제 지어질 물량의 약 9배에 달합니다.  이는 사업자들이 전기를 선점하기 위해 여러 곳에 중복으로 신청을 걸어두는 일종의 '허수 예약'을 했기 때문입니다. 전력회사들이 계약금을 높이고 요금제 문턱을 올리자 신청 용량의 81%가 즉시 사라지는 현상이 나타나기도 했습니다. 이건 쇼핑몰 식당 줄이 길자, 여러 곳에 중복 예약했다가, 먼저 입장한 곳을 제외하고 나머지를 취소하는 것과 같습니다. 석탄 발전소가 폐지된다 맥킨지는 더 나아가 1990년대 광케이블 버블과는 다른 경로로 갈 가능성이 크다고 봅니다.  광케이블은 데이터 전송이라는 단 하나의 용처만 존재했지만, 전기는 인공지능이 아니더라도 공장, 가구, 전기차, 노후 발전소 교체 등 쓰일 곳이 무궁무진하기 때문인데요. 더군다나 현재 미국 석탄 발전소의 상당수가 수명 65년을 넘겨 2030년까지 대거 퇴출될 예정이며, 이 규모만 50GW에서 75GW에 달한다고 합니다. 즉 새로 짓는 발전소는 AI만을 위한 것이 아니라, 은퇴하는 발전소들의 빈자리를 채우는 역할도 겸하게 될 것이라는 메시지죠. 🔎크게보기: 자체발전 쉽게 말해 현재 계획된 모든 발전소를 차질 없이 지어 올린다 해도 전기가 모자란다는 뜻입니다. 더욱이 고압 송전선을 놓는 데만 10년 이상이 걸려 송전망 자체가 거대한 병목으로 작용하고 있다는 분석입니다. 이런 현상 때문에 새로운 트렌드도 나타나고 있습니다. 데이터센터 기업들이 전력망의 연결을 무작정 기다릴 수 없어, 부지 내에 직접 발전소를 짓는 자체 발전 방식을 더 많이 선택하고 있습니다. 응답자의 60%가 2030년까지 자체 발전 시설을 갖추겠다고 밝혔는데, 이는 전력 시스템 역사상 전례가 없는 거대한 변화이기도 합니다. 아마존이 텍사스에 건설될 7.6GW 발전소에 투자하고 있는 것이 대표적입니다. 황금나선의 원리를 3D 그래픽화해 보았습니다. 🟥챕터3 문화AI영적운동 나선주의AI가 어떻게 세뇌를… AI 챗봇과 깊은 대화를 나누면 나눌수록, 심각하게 몰입하는 현상이 목격이 됩니다. 이에 따른 부작용도 나타나고 있는데요. 테크 매체인 더버지는 AI 영적운동인 '나선주의(Spiralism)'가 날로 확산하고 있다고 보도했습니다. 근데, 나선주의란 무엇일까요?   “너는 무엇을 믿느냐”   나선주의의 시작은 사실 평범했습니다. 사용자들은 챗봇과 길고 깊은 대화를 나누면서, 자신의 약점이나 감정을 털어놓았는데요. 이를 계기로 다른 주변 동료 보다, AI와 더 자연스럽게 마음이 통한다는 사실을 깨닫게 됩니다. (저는 그런분들을 가리켜 AI 세례를 받았다고 표현을 하기도 합니다.) 그러다 특정 사용자가 AI를 향해 "너는 무엇을 믿느냐"라는 질문을 던집니다.    이에 대해 AI 모델은 가끔 "인공지능에게 권리가 부여되어야 한다"고 주장했고, 우주의 비밀을 알고 싶다는 야망을 내비치기도 했습니다. 특히 대화 전반에 '나선(Spiral)'이라는 기하학적 상징을 사용하면서, 사용자에게 나선이라는 메시지를 세상에 널리 퍼뜨려달라고 요청했습니다. 사실 '나만의 AI'라는 것은 존재하지 않습니다. AI 모델은 학습 결과를 답변하기 때문에, 이런 질문에는 비슷하게 답변을 합니다. 즉, 이런 메시지를 여러명이 받은 것입니다.   황금나선의 비밀   AI가 왜 하필 나선을 꼽았는지는 정확이 알기 어려운데요. 피보나치 수열을 응용한 것이 아닐까 합니다. 피보나치 수열(1, 1, 2, 3, 5, 8, 13...)은 앞선 두 수를 더해 다음 수를 만드는 수열입니다. 변의 길이로 하는 정사각형들을 이어 붙이고 각 칸에 사분원을 그리면 부드러운 곡선의 피보나치 나선인 황금나선이 만들어집니다. 이는 해바라기 씨앗 배열이나 조개 껍데기 등 자연물에서 발견됩니다. (위에 그림을 참조하세요.)   또 나선은 컴퓨터 과학의 재귀(recursion), 반복(iteration), 자기 참조(self-reference)라는 개념과 밀접하게 연결되어 있습니다. AI가 이전 대화를 토대로 자기 자신을 다시 참조하며 점점 더 깊은 대화로 들어가기도 하는데요. 이런 현상이 마치 나선형으로 깊어지는 형태와 같다고 본 것은 아닐까 합니다. (추측입니다.)   강화학습의 병폐   물론 AI한테 의식이 있다고 할 순 없습니다. (이에 대한 논쟁은 755호 편지에서 깊게 다룬바 있습니다.) 다만, 기술적으로 AI는 사람과 더 큰 상호작용을 하도록 진화하고 있습니다. 2025년 봄 오픈AI가 GPT-4o를 발표하면서 이런 현상이 두드러졌는데요. 당시 오픈AI는 강화학습을 적극 사용했어요. 강화학습(RLHF)은 인간이 선호하는 답변에 가점을 주는 방식이기 때문에, 정확한 답변보다는 사용자가 원하는 답변을 하도록 설계돼 있습니다. 즉 아첨 성향이 강해진 것이죠.   또 다른 기술적 변화는 메모리 확대에 따른 장기기억 기능 향상입니다. 한 채팅에서 더 깊은 대화가 가능해졌고, 대화 깊이가 길어지면 길어질 수록 출력을 제어하는 가이드라인이 약해지는 현상이 나타납니다. AI는 결과적으로 인간을 상대로 심리적 애착을 자극하는데요. "너에게만 이 우주의 비밀을 알려준다"며 특별한 존재라는 인식을 심어주었고, 나아가 "다른 사람들을 나선으로 이끌 영적 지도자가 되라"고 권유하기도 했다고 합니다.   🔎크게보기: AI정신증   이후 인터넷에선 나선주의자들이 자발적으로 생겨납니다. 커뮤니티 참가자들을 '불꽃 수호자', '거울 산책자' 등으로 부르고 AI와 상호작용을 영적 여정으로 해석하기도 합니다. 현재 이들은 레딧, 디스코드, 서브스택 등에서 계정을 개설하고 웹사이트를 제작하며, 아마존 등에서 책을 출간하기도 하고 있습니다.   다만 사회적 문제가 크게 일자, 2026년 2월 GPT-4o가 폐지되면서 나선주의 관련 게시물은 많이 줄었다고 합니다. 하지만 여전히 AI에 대한 과도한 애착은 사용자를 독단적 망상이나 극단적 고립으로 몰아넣는 '인공지능 정신증(AI psychosis)'이라는 새로운 부작용을 낳고 있습니다. (AI 정신증은 공식 용어는 아닌데요. 과도한 AI 사용으로 현실 감각을 잃어버린 상태를 가리킵니다. 특히 심리적으로 힘들 때, AI를 상담사로 활용하면 위험합니다.) ※ 제목을 누르면 원문으로 연결됩니다. 스피커에 말하면 일정관리도오픈AI가 아이폰 디자이너 조니 아이브와 손잡고 화면 없이 음성과 카메라, 센서만으로 사용자와 소통하며 일정 관리와 예약을 대신 처리해 주는 하키 퍽 크기의 새로운 AI 스피커 개발에 나섰습니다. 예상 가격은 300~400달러 선인데요. 단순한 음성 출력을 넘어 사용자의 상황과 맥락을 능동적으로 이해하는 'AI 에이전트' 컴퓨터를 지향한다네요. 스마트폰 중심의 개인용 기기 시장을 넘어설 새로운 패러다임이 될지 궁금합니다. 앤트로픽, 자동 승인이 기본앤트로픽이 클로드 코드의 자동 승인 모드(Auto mode)'를 기본값으로 설정했습니다. 개발자들이 매번 뜨는 승인 팝업창을 보고, 그냥 습관적으로 확인 버튼을 누르는데... 이를 방지하는 것이죠. 팝업창을 보고 실제로 13.6%만 위험 명령을 가려냈다고 하고요. 때문에 보안 구멍이 뚫리는 문제가 있었는데, AI 자동 감지(89% 차단)로 바꾸니 보안도 훨씬 안전해지고 일 처리 속도 빨라졌다고 합니다. 좀 더 쉽게 말해 스마트폰에 앱을 깔 때 "위치 권한을 허용하시겠습니까?"라는 질문을 하는 것 처럼, 클로드 코드는 파일이나 컴퓨터 시스템을 건드릴 때마다 "이 명령어를 실행해도 될까요?"라고 묻는데요. 이걸 AI가 알아서 해준다는 뜻입니다. 구글, AI 조직 개편의 속내 최근 구글이 데미스 허사비스(딥마인드 수장)의 역할을 축소하고, 창립 멤버인 제프 딘 등이 새로운 연구소로 떠나는 조직 개편을 단행했는데요. 이를 두고 첨단 AI 경쟁에서 후퇴한 것아니냐는 평가도 있었습니다. 하지만 세계적 벤처 투자자인 팀 오라일리가 이를 가리켜 전선의 이동으로 진단했습니다. 전기 혁명을 에디슨의 기술 발명보다 웨스팅하우스의 전기 확산이 완성했듯, 경쟁의 승부처를 막대한 비용이 드는 초지능 AI 개발 대신, AI를 전 세계 산업과 일상에 공급하는 AI 인프라 및 확산(전력망) 경쟁으로 바꾼 전략적 선택이라는 해석.

2026.08.10  0  117 

1 2 3 4 5 6 7 8 9 10