Continuous Learning_Startup & Investment

요즘 AI Agent에 대해서 읽고 생각한 것들을 노정석 대표님 팟 캐스트에서 이야기 나눴습니다. AI 에이전트에 대한 관찰 1. 현재 상황: 산업혁명과 AGI 이전의 '과도기' 산업혁명 비유: 현재는 증기기관 발명 후 가내수공업에서 자동화 공장으로 넘어가던 시기와 같다. AGI(범용인공지능)가 도래하기 전까지의 기술적 '갭'에서 새로운 사업 기회가 존재한다. AGI의 의미: 사람보다 AI에게 업무를 맡기는 것이 비용, 품질, 속도 모든 면에서 월등해지는 시점. AGI가 오면 기존 비즈니스 패러다임이 근본적으로 바뀔 것이다. 2. 핵심 사례: 개발 도구 'Cursor'가 보여주는 힌트 Cursor는 AI 시대의 변화를 예측할 수 있는 세 가지 중요한 단서를 제공한다. ① 개발자의 역할 변화: 코드를 직접 짜는 '빌더'에서 AI가 생성한 코드를 리뷰하고 관리하는 '매니저'로 역할이 바뀌고 있다. ② 새로운 시장 창출: 코딩 지식이 없는 사람도 아이디어만으로 코딩하는 '바이브 코딩' 시장을 열었다. ③ 프론티어 모델과의 경쟁 전략: 거대 모델(항공모함)에 맞서는 스타트업(제트보트)은 **'속도'**로 생존한다. 독점 데이터 (맛집 소스): 고객사의 실제 코드베이스와 AI 추천에 대한 개발자의 피드백(암묵지) 데이터를 축적, 이를 통해 모델을 고도화하는 데이터 선순환 구조를 구축하여 경쟁 우위를 확보한다. 자원과 인재: 충분한 자본으로 GPU를 확보하고, 경쟁사의 핵심 인재를 영입해 이노베이션 속도를 극대화한다. 다음 전쟁터는 '팀 생산성': 개인의 생산성을 넘어, 코드 리뷰 지원 등 팀 워크플로우에 스며들어 네트워크 효과를 창출하는 것이 핵심이다. 3. 'Cursor for X': 다른 지식 노동 분야로의 확장 '코드'를 '텍스트'로, '개발'을 '지식 노동'으로 치환하면 모든 전문 분야에 동일한 모델을 적용할 수 있다. 법률 (Harvey AI): 로펌의 내부 데이터를 학습해 계약서 수정, 법률 자문 등 다단계 워크플로우를 자동화한다. 변호사를 직접 고용해 모델 평가와 제품 개발에 참여시키는 것이 차별점이다. 의료 (Abridge): 의사-환자 대화를 녹음해 진료 기록과 보험 청구 서류를 자동 생성한다. GPT 등장 후 병원에서 먼저 도입을 원하는 등 시장의 수요가 바뀌었다. 핵심 과제: '라스트 마일 문제(Last-mile Problem)': 현재 AI는 업무의 전 과정을 완벽히 처리하지 못하며, 최종 검토와 판단이라는 '마지막 단계'는 여전히 사람의 개입이 필요하다. 이 간극을 해결하는 것이 사업의 핵심이다. 4. 자본 시장의 전략: 'AI 롤업' VC와 PE는 전통 산업을 AI로 재정의하는 '롤업(Roll-up)' 전략을 구사하고 있다. AI 롤업 프로세스: AI로 자동화 가능한 전통 산업(콜센터, 회계)을 타겟팅. 소프트웨어 판매 대신, 해당 산업 전문가를 영입하고 AI 기술을 결합. 한 회사를 인수해 AI 적용 플레이북을 만든 후, 자본을 투입해 동종 기업들을 인수하며 산업 전체를 장악. 전략적 이유: 소프트웨어 판매의 긴 주기를 극복하고, 자본의 힘으로 시장을 더 빠르게 혁신하기 위함이다. 5. 미래의 UX: 음성 인터페이스와 실시간 AI 코칭 사용자 경험은 키보드/마우스 중심에서 음성과 실시간 AI 지원으로 진화할 것이다. 음성 인터페이스: 걸어 다니며 말로 코딩하는 '입 코딩'처럼, 음성이 주요 입력 수단이 될 것이다. 실시간 AI 코칭: 화상 회의 중 AI가 상대방의 반응을 분석해 영업 전략을 코칭해주거나, 모르는 질문에 대한 답변을 실시간으로 제공한다. AI 의존성 심화: 실시간 AI 비서가 보편화되면, AI 연결이 끊기는 것은 인터넷 단절 이상의 상실감을 줄 것이며, 사람들은 '벌거벗은 느낌'을 받게 될 것이다. https://youtu.be/WU7Bx2QlEdA?si=8GrSvLJPtttuwmo4 https://matthewcontinuouslearning.notion.site/AI-Agent-2262857ddb1680a192b3c29f5fae602f

GPU 모니터링 앱을 하나 만들어서 새벽에 공개했다. all-smi 라는 이름의 앱이다. (미리 아답터를 만들어 두었다면) GPU, NPU 종류에 상관없이 하나의 뷰로, 지금 내 컴퓨터 또는 여러 서버에 걸쳐 모든 자원을 모니터링하는 툴이다. GPU 모니터링하러 뭔가 잔뜩 깔고, 웹까지 개발하고 열고 보는 그 모든 과정이 너무 불편해서 만들었다. 지금은 Nvidia GPU들, Nvidia Jetson GPU 및 (달려 있는 보드라면) DLA 가속모듈, Apple silicon 의 GPU 및 ANE 모니터링을 지원한다. 여러 서버 노드에 API 모드로 데몬으로 띄운 후 한 곳에서 모아서 보는 뷰 모드가 핵심인데, 서버 노드 300여대, GPU는 2400장까지 지원하는 것을 1차 목표로 만들었다. (더 많아지면 커넥션 풀과 뷰 설계가 좀 바뀌어야 할 듯 하다. 운영체제에 따라 현재 64개 정도의 커넥션 풀을 쓰는데, 더 댓수가 많아지고 중간에 몇몇 뻗는 노드들이 생길 때 타임아웃 고려하면 커넥션 풀 고갈 관련해서 머릴 써야 한다.) 설치는 cargo install all-smi 또는 https://github.com/inureyes/all-smi 에서 바이너리를 받으면 된다. 애플 머신을 위한 homebrew 랑 리눅스 배포판 추가 등은 저녁에 진행할 예정. 여기까지는 앱 소개였고, 사실 이 앱은 작년 8월 초에 휴가갔다가 rust 나 배워볼까 하고 만들기 시작했던 앱이다. 작년 여름에 NPU용 뷰잉 도구가 제대로 된 것이 없고, 사용성도 다 달라서 여러 GPU나 NPU가 섞여 있는 상황에서 뭘 하기가 너무 어려웠다. 그래서 휴가 간 김에 만들까 해서 시작했던 앱이다. rust 를 선택한 이유는 가장 안 해 본 언어라서였다. rust 는 정식 버전도 나오기 전 아주 초창기에 book of rust 읽고 해 본 것이 다였다. 당시의 페이스북 글이다. https://www.facebook.com/share/p/1B44JfnsQU/ Google AI studio 와 ChatGPT에 계속 코드 조각을 물어보고 작성하고 수정할 때 준 프롬프트는 이랬다. "난 러스트를 거의 처음 한다. C 프로그래밍 및 파이썬 3에는 익숙하다. 비동기 기술 및 패키징 기술, UI 기술에 대해서는 jQuery와 웹컴포넌트에 대한 풍부한 경험이 있다. 지금부터 프로그래밍을 하다가 오류가 생기면 디버그를 부탁할 것이다. 오류 및 수정 제안 코드를 설명할때 나의 백그라운드를 고려하여, 이해할 수 있는 설명 및 비유를 충분히 활용해서 설명하라. 비슷한 레토릭 및 일대일 대응이 되는 기능이 있다면 그 내용을 원용하여 설명하라. 오류가 발생할 경우, 원래 내가 알고 있는 지식과 러스트 언어의 특징을 비교하여, 러스트 언어의 특징에 의한 휴먼 에러인 경우 해당 부분을 상세하게 설명하라." 사흘 만들다가 휴가를 마치고 돌아와 일 년 가까이 잊고 있다가, 이번 주말에 다시 코드를 손댔다. 작년처럼 GPU/NPU가 섞인 상황도 있지만, 이번엔 GPU 네자릿수를 모니터링해야 할 상황이 되어서 귀찮아져서 다시 코드를 잡았다. GPU 달랑 천 대 모니터하려고 dcgm 셋업에 그라파나 대시보드를 짜야 한다는게 좀 그랬다. 한두번 할 것도 아니기 때문에 더 그랬다. 이번에는 Gemini CLI 를 거의 옆에 끼고 개발했다. 중간에 무한루프를 돌면 Gemini CLI를 잠시 끄고 (Gemini CLI 에 어제 그저께 replace tool 관련 버그가 있었다. GitHub 보니 구글에서 고치는 중으로 보인다.) Claude Code로 개발하고, Claude code가 영 감을 못잡으면 에디터 열어서 한 10분씩 직접 코딩했다. 다음주 발표자료 만들면서 한쪽에서 코딩하다 보니 대략 원하는 형태의 모습이 되어서 릴리즈까지 하게 되었다. 자동 릴리즈용 GitHub action 작성은 Gemini 에게 처리하라고 하고, Cargo 릴리즈는 ChatGPT 에게 방법을 물어봐서 적용했다. 오늘 개발 및 릴리즈를 하며 깨달은게 있는데, 코드와 컴퓨팅, 네트워크를 깊게 알수록 에이전틱 코딩에 절대적으로 유리하다. 중간중간 Gemini 나 Claude code의 삽질을 중간에 멈추고 해결책에 대한 의견 주기를 통해 최종 해결을 위한 가이드를 하며 느낀 점이다. 터미널에서 더블 버퍼링을 구현한다거나, 여러개의 스크린 버퍼를 두고 컴포지션해서 뿌리라거나 하는 가이드를 줘서 터미널 출력 관련 플리커링이나 프레임 문제들을 해결했다. 준기님 컴퓨터에서는 여전히 플리커링이 일어나 오늘 적응형 프레임 버퍼까지 구현을 하게 되었다. (터미널 프로그램 맞다.) AI 모델로 코딩을 잘 외주하려면 우선 가이드를 줄 사람이 그런 기술들이 있다는걸 알아야 한다는 부분을 갈수록 더 많이 느낀다. 코딩 모델들은 핵심 구현에 대한 기술적 가이드를 줄 때는 그 방향으로 깊이 들어갈 수 있지만, 그렇지 않으면 그저그런 대답이나 코드들을 만들어낸다. 알아서 좀 잘 못하냐? 하기엔 AI는 의지가 좀 허약하다. 구현 디테일의 정도를 깊이 생각하지 않고 일단 지시에 따라 코드를 찍어내는 정도라, AI 모델 코딩 실력의 한계는 그걸 잡고 있는 사람의 실력 바운더리를 크게 넘지 못하는 듯 하다. 강한 방향성이 문제를 파고드는 의지를 만든다. AI나, 사람이나. 덧. Gemini CLI (맨정신일땐) 네가 최고다… https://www.facebook.com/share/p/16ggK9RGFP/

🤯상하이 한 블록이 로봇으로 이사하는 영상 https://youtu.be/7ZccC9BnT8k

AI, 로봇, 신약 개발 등 세상이 급변하고 있습니다. 중국이 공산당의 장기 플랜 아래 뛰어난 창업자, 자본, 인재를 동원해 일사불란하게 움직인다면, 미국은 국가의 미래를 고민하는 기업가들이 새로운 시대를 열어가고 있습니다. 미래 산업의 패권을 두고 국가와 기업이 '원팀'처럼 움직이며 모든 자원을 쏟아붓는 거대한 경쟁의 시대입니다. 이러한 전환기 속에서, 마크 앤드리슨은 과거 미국을 세계 최강으로 이끈 '아메리칸 시스템'을 통해 다시 한번 도약이 가능하다고 주장합니다. 19세기 말 윌리엄 매킨리 대통령이 완성한 이 시스템은 세 가지 축으로 이루어져 있습니다. 첫째, 보호 관세입니다. 단순히 수입을 막는 것이 아니었습니다. 당시 압도적인 경쟁력을 가진 영국산 제품으로부터 미국의 '유치산업'을 보호하는 것이 핵심이었습니다. 높은 관세로 미국 신생 공장들이 성장할 시간과 시장을 벌어주었습니다. 둘째, 국립 은행입니다. 안정적인 통화를 공급하고 공장, 철도 등 거대한 산업 프로젝트에 필요한 자본을 융자하는 금융의 중심축이었습니다. 셋째, 내부 개선입니다. 관세 수입을 재원으로 도로, 철도 등 국가 기반 시설을 건설했습니다. 이는 원자재와 상품의 물류 비용을 획기적으로 낮춰 산업 생태계 전체의 효율을 높였습니다. 이 시스템은 2차 산업혁명의 기술(철강, 전기)과 맞물려 폭발적인 시너지를 냈습니다. 단순히 자동차 회사 하나가 아닌, 그 차에 들어가는 모든 부품 산업이 하나의 거대한 생태계(Ecosystem)로 동반 성장하며 미국을 세계 최고의 산업 강대국으로 만들었습니다. 이 역사적 모델은 오늘날 AI와 로봇공학 시대를 맞이한 미국에 세 가지 중요한 전략적 힌트를 줍니다. 첫째, 단순한 자유 시장 경쟁이 아닌 '전략적 보호'가 필요합니다. 중국의 저가 공세로부터 미국의 신생 로봇 기업들을 지키기 위해 데이터 안보 규제, 정부 조달 우대 등 현대적인 보호막이 필수적입니다. 둘째, 19세기의 철도가 그랬듯 21세기의 '미래 인프라'(AI 데이터센터용 전력망, 5G/6G 통신망 등)에 대한 과감한 정부 투자가 뒤따라야 합니다. 셋째, '생태계 전체'를 육성하는 금융 지원이 필요합니다. 챗GPT 같은 소프트웨어뿐만 아니라, AI 반도체, 로봇, 그리고 그 로봇을 만들 첨단 공장까지 아우르는 종합적인 지원이 핵심입니다. 결론적으로, '아메리칸 시스템'의 교훈은 단편적인 정책이 아닌, ①보호, ②인프라, ③금융이 유기적으로 결합된 '종합 산업 전략'이 필요하다는 것입니다. 그렇다면 미국이 다시 제조업을 부흥시킬 수 있을까요? 과거의 성공 방정식이었던 숙련되고 부지런한 노동력 기반의 제조업은 이미 아시아 국가들의 영역이 되었습니다. 하지만 마크 앤드리슨과 일론 머스크가 그리는 미래는 다릅니다. 해법은 '제조업의 부활'이 아니라 '제조업의 재정의'에 있습니다. 그 중심에 바로 '에일리언 드레드노트 공장(Alien Dreadnought Factory)'이라는 개념이 있습니다. 이는 "기계를 만드는 기계" 그 자체를 하나의 제품처럼 혁신하는 것입니다. 에일리언(Alien): 기존의 공장과는 완전히 다른, 마치 외계 기술처럼 고도로 자동화되고 효율적인 공장을 의미합니다. 인간의 개입이 거의 없는 '소등 공장'에 가깝습니다. 드레드노트(Dreadnought): 20세기 초 등장하여 기존의 모든 전함을 구식으로 만들어버린 혁명적인 전함의 이름처럼, 이 공장이 기존 제조업의 판도를 바꿀 것이라는 자신감의 표현입니다. 이것이 바로 마크 앤드리슨이 말하는 미래 제조업의 청사진입니다. 저임금 단순 노동이 아닌, 공장 시스템 자체를 설계하고 로봇을 프로그래밍하며 유지 보수하는 고숙련 엔지니어와 기술자 중심의 새로운 일자리가 바로 여기서 창출될 것입니다. https://youtu.be/pRoKi4VL_5s

칼융 인생의 전반부는 사회의 기대에 부응하기 위해 '페르소나(사회적 가면)'를 쓰고 살아가는 시기입니다. 그러나 이 가면과 자신을 동일시하면 진정한 자아를 잃고 내면의 공허함을 느끼게 됩니다. 진정한 삶은 이 가면이 도구일 뿐임을 인식하는 데서 출발합니다. 진정한 자아를 찾기 위해서는 자신이 억압하고 부인해 온 내면의 어두운 면, 즉 '그림자'와 용감하게 마주해야 합니다. 이 그림자를 외면하면 타인에게 투사하여 비난하게 되고, 온전한 자신에 이를 수 없습니다. 빛은 어둠을 알아야만 비로소 드러납니다. '개성화'는 페르소나를 인식하고 그림자를 통합하며, 궁극적으로 의식과 무의식의 모든 측면이 조화를 이룬 온전한 '자기(Self)'에 도달하는 평생의 여정입니다. 이는 타인이 아닌 자신의 내면 나침반을 따라 자신의 길을 가는 것이며, 진정한 삶의 목적과 의미를 찾는 과정입니다. 융은 40세 이후의 중년을 단순한 위기가 아닌, 인생의 전반부에 구축한 외적 삶에 대해 질문하고 내면의 진실을 찾아 영적으로 각성할 수 있는 결정적인 기회로 보았습니다. 이때 비로소 사람들은 사회의 기대가 아닌, 자신만의 의미를 추구하기 시작합니다. "페르소나는... 개인이 세상과 관계를 맺거나 다루는 방식, 즉 적응의 체계이다. 모든 직업이나 전문 분야는 그 자체의 특징적인 페르소나를 가지고 있다... 세상은 그들에게 특정 행동을 강요하고, 전문직 종사자들은 이러한 기대에 부응하려 애쓴다... 위험은 그들이 자신의 페르소나와 동일시되는 것이다—교수는 그의 교과서와, 테너는 그의 목소리와. 그렇게 되면 손상은 이미 일어난 것이며, 그때부터 그는 오직 자신의 배경에 기대어 살아간다... 약간의 과장을 보태 말하자면, 페르소나는 실제로는 자기 자신이 아니지만, 자기 자신뿐만 아니라 다른 사람들도 자신이라고 생각하는 바로 그것이다.” "불행하게도, 인간은 대체로 자신이 상상하거나 되고 싶어 하는 것보다 선하지 않다는 것은 의심의 여지가 없다. 모든 사람은 그림자를 지니고 있으며, 그것이 개인의 의식적인 삶에 덜 구현될수록, 그 그림자는 더욱 검고 짙어진다. 만약 열등함이 의식된다면, 그것을 바로잡을 기회는 항상 있다... 그러나 그것이 억압되고 의식으로부터 분리된다면, 결코 바로잡히지 않는다.” "개성화란 '개인(in-dividual, 나눌 수 없는 존재)'이 되는 것을 의미하며, '개성'이 우리의 가장 내밀하고, 궁극적이며, 비할 데 없는 독특함을 포함하는 한, 그것은 또한 자기 자신이 되는 것을 의미한다. 그러므로 우리는 개성화를 '자아실현(coming to selfhood)' 또는 '자기실현(self-realization)'으로 번역할 수 있다." "우리는 철저히 준비되지 않은 채 인생의 오후로 발을 내딛는다. 더 나쁜 것은, 우리의 진리와 이상이 이전과 같이 우리에게 도움이 될 것이라는 잘못된 가정하에 이 발걸음을 내딛는다는 것이다. 하지만 우리는 인생의 아침 프로그램에 따라 인생의 오후를 살 수 없다. 왜냐하면 아침에 위대했던 것은 저녁에는 사소한 것이 될 것이고, 아침에 진실이었던 것은 저녁에는 거짓이 될 것이기 때문이다.”

The Bitter Lesson AI 연구의 장기적인 승자는 언제나 '범용적인 방법(General Methods)'과 '컴퓨팅 규모의 힘(Power of Scale)'을 최대한 활용하는 쪽이었다. 1. 인간의 지식을 활용한 복잡한 접근법은 단기적으로는 성공하지만, 장기적으로는 패배한다. - 연구자들은 초기에 인간의 지식(예: 체스의 오프닝 전략, 언어의 문법 규칙)을 시스템에 직접 넣으려는 시도를 합니다. 이런 접근은 단기적으로 성능을 빠르게 끌어올립니다. - 하지만, 이는 시스템을 복잡하게 만들고, 결국 더 단순하고 일반적인 학습 방법이 막대한 컴퓨팅 파워를 만났을 때 그 성능을 따라잡지 못하고 뒤처지게 됩니다. 2. 가장 중요한 것은 '학습(Learning)'과 '탐색(Search)'이다. - 학습(Learning): 데이터로부터 자동으로 구조와 패턴을 발견하는 능력. (예: 딥러닝) - 탐색(Search): 가능한 수많은 선택지 중에서 최적의 해를 찾아내는 능력. (예: 알파고의 몬테카를로 트리 탐색) - 이 두 가지 범용적인 방법은 인간의 직관이나 지식에 의존하지 않으며, 컴퓨팅 파워가 증가할수록 그 성능이 계속해서 향상됩니다. 3. 컴퓨팅 규모의 힘을 절대 과소평가하지 마라. 1. 모델의 한계와 보조 장치의 필요성: - 현재의 AI 모델(예: GPT-4o)은 그 자체로 완벽하지 않습니다. 특정 작업을 더 잘 수행하게 하거나, 복잡한 워크플로우를 처리하게 하려면 보조적인 장치들이 필요합니다. - Harness/Scaffold: 모델이 특정 작업을 더 잘하도록 돕는 프롬프트 체인, 외부 도구(function calling) 연동, 작업 분해 로직 등을 포함하는 포괄적인 프레임워크입니다. 예를 들어, 'Pokemon 게임하기' 벤치마크에서 모델이 게임을 할 수 있도록 도와주는 복잡한 코드 구조가 여기에 해당합니다. - Model Router: 비용과 성능의 트레이드오프를 관리하기 위해 등장한 기술입니다. 간단한 질문은 빠르고 저렴한 모델(예: Haiku)로 보내고, 복잡하고 중요한 질문은 느리고 비싼 고성능 모델(예: Opus, o1)로 보내는 '교통정리' 역할을 합니다. 2. 개발자들의 현실적인 고민: - 이러한 보조 장치들은 당장 제품의 성능을 높이고, 사용자 경험을 개선하며, 비용을 절감하는 데 실질적인 도움을 줍니다. - 따라서 많은 스타트업과 개발팀은 이러한 **'똑똑한 엔지니어링'**에 많은 시간과 노력을 투자하여 자신들만의 프레임워크와 라우팅 로직을 구축하고 있습니다. 3. 과거의 반복: - 그는 먼저 과거의 사례를 듭니다. 현재의 o1 같은 '추론 모델'이 등장하기 전, 사람들은 복잡한 에이전트 시스템(Harness)을 만들어 일반 모델(non-reasoning model)을 여러 번 호출함으로써 추론과 유사한 행동을 흉내 내려고 했습니다. - 하지만 **추론 모델 자체가 등장하자, 그 복잡했던 엔지니어링은 대부분 불필요해졌고 오히려 성능을 저해**하기까지 했습니다. 모델에게 그냥 질문을 던지는 것이 더 나은 결과를 낳았습니다. 4. 현재와 미래의 유추: - 노암은 이 패턴이 반복될 것이라고 주장합니다. - Harness/Scaffold: 지금 개발자들이 추론 모델 위에 쌓고 있는 복잡한 스캐폴드 역시, 미래에 모델이 더 유능해지면 자연스럽게 모델 내부에 통합되어 불필요해질 것입니다. - Model Router: OpenAI의 목표는 결국 **'단일 통합 모델(a single unified model)'**을 만드는 것입니다. 이 모델은 스스로 문제의 난이도를 판단하고 필요한 만큼의 컴퓨팅 자원을 동적으로 할당할 수 있게 될 것입니다. 그렇게 되면 외부에서 질문을 라우팅해주는 장치는 의미가 없어집니다. 5. 개발자들을 위한 조언 - "물론 지금 당장은 이런 보조 장치들이 유용하고, 제품에 가치를 더해주는 것을 이해한다. 하지만 명심해야 할 것은, AI 분야의 발전 속도가 엄청나게 빠르다는 점이다." - 바로 이 지점에서 **"6개월 뒤에 버려질 수 있는 것을 만드는 데 6개월을 쓰지 말라"**는 말이 나옵니다. 6. 규모에 의해 씻겨 내려가지 않는 것 - RFT를 위해 **자신만의 데이터셋, 환경(environment), 보상 모델(reward model)을 구축하는 것**은 '규모에 의해 씻겨 내려가지 않는' 가치 있는 자산입니다. - 미래에 더 강력한 모델이 나와도, 이 데이터셋과 환경은 그 새로운 모델을 **'우리 서비스에 맞게 전문화(specializing)'**시키는 데 계속해서 사용될 수 있기 때문입니다. 이는 모델의 발전을 보완하는 활동이지, 대체되는 활동이 아닙니다. 테스트 시간 컴퓨팅을 3분에서 3시간, 3일, 3주로 확장할 때 두 가지 주요 문제가 발생한다. 1. 비용 문제: 모델이 더 오래 생각할수록 비용이 기하급수적으로 증가하며, 이는 경제적 한계에 부딪힌다. (단, 모델 자체의 사고 효율성이 높아지면서 같은 시간 내에 더 많은 것을 할 수 있게 되는 점은 긍정적이다.) 2. 물리적 시간(Wall-Clock Time) 병목 현상: 모델이 응답하는 데 3시간, 3주가 걸리면 실험을 반복하고 개선하는 속도가 극적으로 느려진다. 특히 신약 개발처럼 실제 결과를 확인하는 데 오랜 시간이 걸리는 분야에서 이는 치명적인 병목이 될 수 있다. 이는 AI 발전 타임라인이 길어질 수밖에 없는 강력한 근거가 된다. "왜 사람들은 추론 모델을 이런 중요한 문제에 사용하지 않는가?" - 단순한 챗봇 용도를 넘어, 인류의 지식 경계를 넓히는 **'탐색 기계(search machine)'이자 '과학적 발견 도구'**로서 추론 모델의 잠재력을 최대한 활용해야 한다. 비용과 시간이라는 병목 현상이 존재하지만, 그만큼의 가치를 창출할 수 있는 영역에 집중적으로 투자해야 한다는 의미입니다. - 다중 에이전트 팀의 목표: **테스트 시간 컴퓨팅을 몇 시간, 며칠 단위로 대폭 확장하여 어려운 문제를 푸는 것**입니다. 또 다른 방향이 **다중 에이전트**인데, 이는 협력과 경쟁 양측면을 모두 포함합니다. - AI 문명(Civilization) 가설: - 인간의 지능은 단일 개체가 아니라, 수십억 명의 인간이 수천 년간 협력하고 경쟁하며 쌓아 올린 **'문명'의 산물**이다. - 마찬가지로, 현재의 AI는 '원시인' 단계에 불과하다. 수십억 개의 AI가 오랜 시간 협력하고 경쟁하며 'AI 문명'을 구축한다면, 현재와는 비교할 수 없는 수준의 결과물을 만들어낼 것이다. https://youtu.be/ddd4xjuJTyg https://www.latent.space/p/noam-brown

Your margin is my opportunity https://x.com/theinformation/status/1939315431614873961

확신을 가지고 행동하되 유연할 것. 지난 몇년간 자신이 틀렸다고 반성한 적이 없다면, 그 사람은 틀린 고집을 갖고 있을 가능성이 높다. 최신 심리학 실험에 따르면, 지능이 높은 사람일수록 자신이 틀렸다는 생각을 더 하기 어렵다고 한다. 모든 사람은 때때로 틀린 생각, 잘못된 고정관념, 진실이 아닌 편향에 빠지지만, 똑똑한 사람일수록 자기는 '틀릴 수 없다'는 착각에서 헤어나오기 힘들어한다. 똑똑한 사람일수록 고도의 자기합리화로 지나치게 무장하여 결코 고집을 바꾸지 못하는 것이다. 그렇기에 지난 몇 년간, 심지어 그보다 더 오랜 시간 동안 자기가 틀렸다고 통렬하게 인정한 순간들이 기억나지 않는다면, 그는 자기만의 거대한 세계에 갇힌 거라고 볼 수 있다. 이 편향적인 확신은 날이 갈수록 강화되기 때문에, 어느 순간부터 그는 자기 자신에 대한 광신도가 된다. 그러나 반대의 경우 역시 만만치 않게 존재한다. 끊임없이 새로운 것들에 홀리느라, 자기 중심이나 줏대를 갖지 못하는 현상이 매우 광범위해졌다. 세상에는 선택할 수 있는 것이 너무 많아서, 하나에 몰입하는 게 손해처럼 느껴진다. 어느 하나에 몰두하려고 하면, 더 매력적인 다른 것들이 유혹한다. 2시간을 몰입해서 볼 영화 한 편 고르기도 쉽지 않다. 영화 한편을 고르려면, 그 시간에 볼 수 있는 다른 영화, 드라마, 웹툰, 유튜브들과 치열하게 싸워야 한다. 그러니까 한편에는 고집을 가질 수 없는 무한한 유동성의 바다라는 게 있다. 이런 바다에서는, 자기 고집을 가진다는 것도 쉽지 않다. 어느 하나의 견해를 택하기 무섭게, 온갖 반론들이 세상에 넘쳐난다. 인터넷만 조금 뒤져보더라도, 거의 동일한 양의 서로 다른 입장에 대한 이야기들을 찾아볼 수 있다. 내가 하는 선택, 내가 가진 고집은 언제나 넘쳐나는 논거로 비난의 대상이 될 수 있다. 결국, 삶은 고집과 유연성의 전쟁터 같은 것이다. 고집을 가지려고 하다보면, 어느덧 잘못된 편향이나 고정관념에 사로잡혀 자기 방어와 자기 신앙에 급급한 인간이 되어버린다. 반대로, 고집을 경계하며 선택을 열어두다 보면, 그 무엇도 선택하지 못하고, 몰입하지 못하고, 헌신하지 못한 채 자기 정체성 자체를 갖지 못하게 된다. 내가 생각할 때, 이 딜레마를 해소하는 핵심적인 태도가 '용기'이다. 자기 방어를 직시하며 자기가 틀릴 수도 있다는 걸 직시하는 용기가 필요하다. 동시에 수많은 선택들 가운데 어느 하나를 선택하여 나를 헌신할 용기 또한 필요하다. 그러한 헌신 가운데에서, 내가 다시 한 번 틀릴 수도 있다는 걸 직시하고, 다시 나를 부정하는 용기가 필요하다. 그렇게 내가 틀릴 수도 인정하는 바로 그 자리에서, 다시 나를 새로운 것에 투신시킬 용기가 필요하다. 용기의 주체는 그렇게 자기 삶을 만들어간다. 자기합리화로 지나치게 무장하여 결코 고집을 바꾸지 못하는 사람한테는 배울 게 없다. 반대로 끊임없이 새로운 것에만 홀리느라 어느 하나 깊이 있는 선택을 하지 못하는 사람에게도 배울 게 없다. 그러나 자신의 선택과 고집에 충실하면서도, 끊임없이 의심하며 유연하게 자기를 바꾸어갈 용기를 가진 사람, 그런 겸손함과 강인함을 가진 사람에게서는 삶 전체를 배운다. 그런 사람에게서는, 삶을 걷는 법을 배운다. 바로 그렇게 살아야 한다는, 용기를 수혈받는다. 정지우님

우리는 왜 정체되어 있는가? 피터 틸은 1970년대 이후 디지털 분야를 제외한 현실 세계의 기술 발전이 현저히 느려진 **'거대한 정체(The Great Stagnation)'**가 지금도 계속되고 있다고 진단합니다. 정체의 증거들 물리적 환경의 불변: 영화 <백 투 더 퓨처> 속 1955년과 1985년의 차이는 극적이지만, 현실의 1985년과 2025년의 차이는 스마트폰을 빼면 미미합니다. 우리를 둘러싼 물리적 세계는 거의 변하지 않았습니다. 야심 찬 꿈의 상실: 과거에는 과학 기술로 '불멸'을 이룰 수 있다는 급진적 믿음이 소수에게나마 존재했습니다. 하지만 오늘날 젊은 세대는 그런 야망조차 품지 않으며, 이는 정체의 핵심 징후입니다. 경제적 지표: 오늘날 30대의 생활 수준은 부모 세대가 30대였을 때보다 나아졌다고 보기 어렵습니다. 지식 생산성의 하락: 학문 분야에 대한 투자는 늘어나지만, 획기적인 성과는 줄어드는 '수확 체감' 현상이 뚜렷합니다. 디지털 혁신의 한계: AI와 같은 디지털 혁신만으로는 사회 전반의 정체를 극복하기에 역부족입니다. 정체의 원인 기술 정체는 단순히 아이디어가 고갈되어서가 아닙니다. 1970년대 이후 ▲기술 발전에 대한 공포(핵, 환경 재앙), ▲위험을 회피하는 제도의 경직화, ▲성장보다 안정을 추구하는 문화적 변화가 복합적으로 작용했습니다. 정체의 위험성 중산층 붕괴: "자녀 세대가 더 나은 삶을 살 것"이라는 기대가 무너지면 사회의 기반이 흔들립니다. 제도적 불안정: 성장을 전제로 설계된 정부 예산, 연금 등 사회 시스템 전체가 지속 불가능해집니다. 정체를 어떻게 돌파할 것인가? 틸은 정체를 타파하기 위한 방법으로 **'위험 감수'**와 **'파괴적 행위자'**의 역할을 강조합니다. 해결책: 더 많은 위험을 감수하라 사회는 훨씬 더 많은 위험을 감수해야 합니다. 50년간 진전 없는 알츠하이머 연구처럼, 기득권에 안주하는 것은 "멍청한 사기극"에 불과합니다. 과감한 시도가 필요합니다. 정치라는 벤처 투자 트럼프의 역할: 틸은 트럼프를 경직된 현상 유지를 뒤흔들 **'파괴적 행위자'**로 보고 투자했습니다. "미국을 다시 위대하게"라는 구호는 미국의 쇠퇴라는 불편한 진실을 드러내고, 정체에 대한 사회적 대화를 촉발할 수 있다고 기대했습니다. 실리콘밸리의 변화: 현재 많은 실리콘밸리 리더들이 트럼프를 지지하는 것은, 기존의 진보적 방식(Wokeness 등)이 실패했다고 느끼고 대안을 찾는 과정입니다. 틸은 이런 상황에서 트럼프 2.0이 정체를 깰 **"단연코 최상의 선택지"**라고 평가합니다. 정치에 대한 양가감정: 정치 참여는 매우 중요하지만, 동시에 개인과 사회에 "매우 유독하다(toxic)"며, 현재는 직접 후원을 중단한 상태라고 밝혔습니다. AI와 미래 기술에 대한 현실적 전망 AI의 규모와 한계 AI의 영향력은 90년대 인터넷 혁명과 비슷하며, **"아무것도 아닌 것보다는 크지만, 사회 전체를 바꿀 변혁보다는 작다"**고 평가합니다. AI가 사회 전체의 정체를 끝내기에는 역부족이며, 그 이유는 다음과 같습니다. 제도적 장벽: AI가 신약 개발에 성공해도 FDA 승인에 10년 이상 걸릴 수 있습니다. 기득권의 저항: 학계의 기득권 세력은 자신들의 이론을 뒤집는 AI의 발견에 저항할 것입니다. 사회적 의지 부족: 1960년대 아폴로 계획처럼 국가적 역량을 결집할 사회적 합의가 부재합니다. 기술 유토피아에 대한 회의론 일론 머스크가 "10년 안에 10억 대의 로봇이 등장할 것"이라면서도, 동시에 "재정 적자"를 걱정하는 모순을 지적합니다. 이는 기술의 유토피아적 비전이 현실의 거시 경제 문제를 해결할 것이라는 믿음이 불확실하거나, 그 연결고리에 대한 깊은 성찰이 부족함을 보여줍니다. 그럼에도 불구하고, AI가 가져올 발전은 아무것도 없는 정체 상태보다는 낫다고 봅니다. 화성 프로젝트의 재해석 머스크의 화성 프로젝트는 단순한 과학 탐사가 아닌, 지구의 낡은 시스템을 피해 새로운 사회를 건설하려는 **'정치적 프로젝트'**였습니다. 하지만 "네 AI가 화성까지 따라올 것"이라는 통찰처럼, 기술적 도피만으로는 문제를 해결할 수 없으며, 지구의 정치·문화 전쟁에서 먼저 승리해야 한다는 현실을 깨닫게 되었다고 분석합니다. https://youtu.be/vV7YgnPUxcU?si=NK3k2LtVYDtsVD2I

(1) 첫째, AI의 새로운 병목 현상은 '프롬프트 입력(prompting)'과 '결과 검증(verifying)' 단계에서 발생합니다. AI는 시작부터 끝까지(end-to-end)가 아닌, 중간에서 중간까지(middle-to-middle)의 작업을 처리하기 때문입니다. 따라서 AI가 중간 단계를 아무리 가속화하더라도, 기업의 비용은 프롬프트를 입력하고 결과를 검증하는 양 끝단으로 옮겨가게 됩니다. (2) 둘째, AI는 '대리인(agentic) 지능'이 아니라 '증폭된(amplified) 지능'을 의미합니다. 즉, 당신이 더 똑똑할수록 AI도 더 똑똑해집니다. 글을 더 잘 쓰는 사람이 프롬프트도 더 잘 입력하는 것과 같습니다. (3) 셋째, AI는 당신의 직업을 빼앗는 것이 아니라, 당신이 '어떤 직업이든 할 수 있게' 해줍니다. AI 덕분에 당신은 그럭저럭 괜찮은 UX 디자이너가 될 수도, 제법 괜찮은 SFX 애니메이터가 될 수도 있습니다. 하지만 그렇다고 해서 그 일을 '잘' 할 수 있다는 의미는 아닙니다. 최종적으로 다듬는(polish) 작업에는 여전히 전문가가 필요하기 때문입니다. (4) 넷째, AI는 당신의 직업을 빼앗는 것이 아니라, '이전 세대 AI'의 직업을 빼앗습니다. 예를 들어, 미드저니(Midjourney)는 스테이블 디퓨전(Stable Diffusion)의 자리를 차지했고, GPT-4는 GPT-3의 자리를 차지했습니다. 일단 당신의 업무 과정(workflow)에 AI 이미지 생성이나 AI 코드 생성 같은 자리가 하나 생기면, 당신은 그저 그 예산을 가장 최신 모델에 배정할 뿐입니다. 저는 현재 AI가 전반적으로 '탈중앙화' 효과를 가져오고 있다고 생각합니다. 왜냐하면 소규모 팀이 올바른 도구만 있다면 훨씬 더 많은 일을 할 수 있게 되었고, 매우 높은 품질의 오픈소스 모델들이 쏟아져 나오고 있기 때문입니다. https://x.com/balajis/status/1938840903692755135

미국이 기업가가 많고 혁신을 이끌 수 있는 건 실패라고 치부하지 않고 실패해본 사람이 가장 그 문제를 잘 풀 수 있는 데이터를 수집했다고 바라보고 다시 베팅해줄 수 있는 환경 덕분 아닐까. 상상하는 미래를 현실화 시키겠다고 뛰어드는 창업자들도 많고 미친 사람들에 베팅하는 사람도 있고 그 사람들을 믿는 인재들도 많고. 위워크 아담뉴먼도 다시 문제를 풀고 있고, Katerra의 창업자/창업팀도 이 문제를 다시 풀고 있다. 1. Katerra의 실패와 ONX Homes의 탄생 Katerra의 교훈: Katerra는 건설 산업을 혁신하겠다는 비전으로 시작했지만, ①제품-시장 부합(Product-Market Fit)을 찾기 전 너무 빠르게 규모를 확장했고, ②외부인의 오만함으로 산업을 제대로 이해하지 못했으며, ③과도한 투자 열풍의 희생양이 되어 파산했습니다. 창업팀의 재도전: Katerra의 창업자 마이클 마크스(Michael Marks)를 포함한 핵심 경영진이 다시 모여 2021년 ONX Homes를 설립했습니다. 현재 상황: 플로리다에 본사를 두고 있으며, 약 2억 달러의 투자를 유치했습니다. 현재까지 500채 이상의 단독주택을 지었고, 1,500채를 추가로 개발 중입니다. 2. ONX Homes의 비즈니스 모델: Katerra와의 유사점 ONX는 Katerra의 성공 전략을 상당 부분 다시 실행하고 있습니다. 공장 기반 건설 (Factory-Built Construction): ONX는 Katerra처럼 비용 절감, 속도 및 품질 향상을 위해 공장 제작 방식을 고수합니다. 차이점: Katerra가 목재, 철강 등 다양한 재료를 오갔던 반면, ONX는 **프리캐스트 콘크리트(Precast Concrete)**에 집중합니다. 공장에서 벽, 바닥, 계단, 심지어 욕실 유닛(Bathroom Pods)까지 미리 제작하여 현장으로 운송 후 조립합니다. 이를 통해 단 30일 만에 집을 짓는다고 홍보합니다. 완전한 수직계열화 (Vertical Integration): ONX는 설계, 자재 공급(Katerra의 자재 브랜드였던 Kova를 다시 활용), 공장 제작, 현장 시공까지 모든 과정을 직접 수행합니다. Katerra와의 가장 큰 차이점: ONX는 여기서 한 걸음 더 나아가 토지 매입 및 개발까지 직접 합니다. Katerra가 개발사에게 '제품'을 판매하는 B2B 모델이었다면, ONX는 최종 소비자에게 '집'을 직접 판매하는 B2C 모델입니다. 이는 Katerra의 실패 요인 중 하나였던 '개발사 설득의 어려움'을 피하기 위한 전략으로 보입니다. 유사한 확장 계획: 현재 플로리다에서 운영 중이지만, 텍사스, 캘리포니아, 애리조나, 네바다로 공장을 확장할 계획입니다. 이는 Katerra의 주요 활동 지역과 일치합니다. '기술 회사' 브랜딩: Katerra처럼 ONX도 스스로를 '건설 회사'가 아닌 **'기술 회사'**로 포지셔닝하며, AI 활용, 특허, IP 등을 강조합니다. 실상: 하지만 마케팅과 달리, 실제 공장 자동화 수준은 콘크리트 패널과 욕실 유닛 제작 외에는 그리 높지 않으며, 여전히 많은 부분이 현장 작업에 의존합니다. 3. ONX Homes의 새로운 전략: Katerra와의 차이점 ONX는 Katerra의 실패를 교훈 삼아 몇 가지 핵심적인 전략 변화를 시도했습니다. B2C 비즈니스 모델: 앞서 언급했듯, 개발사를 상대하는 B2B가 아닌 **소비자 직접 판매(B2C)**로 전환했습니다. 보수적이고 성숙한 기술 채택: Katerra가 CLT(구조용 집성판)와 같은 새롭고 혁신적인 기술에 베팅했다면, ONX는 수십 년간 사용되어 온 프리캐스트 콘크리트라는 훨씬 더 성숙하고 안정적인 기술을 선택했습니다. 이는 기술적 리스크를 줄이는 보수적인 선택이지만, 건물 기술 자체에서 급진적인 혁신을 기대하기는 어렵다는 의미이기도 합니다. 가치 제안의 변화: '최저가'에서 '총소유비용'으로 Katerra의 약속: "더 좋게, 더 빠르게, 더 싸게 (Better, faster, cheaper)" ONX의 약속: "더 빠르게, 더 튼튼하게, 더 낮은 총소유비용" ONX는 자신들이 최저가 생산자가 아니라는 점을 인정합니다. 대신 콘크리트 구조물의 장점인 재해(바람, 화재)에 대한 높은 내구성을 강조합니다. 이는 장기적으로 보험료와 유지보수 비용을 절감해주며, 단열 성능과 AI 기반 HVAC 시스템을 통해 에너지 비용도 줄여준다고 주장합니다. 이는 특히 허리케인과 보험료 상승이 문제인 플로리다 시장에 매우 적합한 전략입니다. 4. 결론 및 미래 전망 ONX는 성공할 것인가? 이 질문은 결국 "Katerra의 아이디어가 근본적으로 옳았는가, 아니면 단지 몇 가지 수정이 필요했을 뿐인가?"라는 질문과 같습니다. 긍정적 요인: ONX 팀은 Katerra의 경험에서 분명히 교훈을 얻었습니다. 제품군을 좁히고, 목표를 더 절제하며, 더 보수적인 기술을 채택하는 등 더 집중된 전략을 구사하고 있습니다. B2C 전환과 '총소유비용'이라는 새로운 가치 제안은 현명해 보입니다. 핵심 의문점: 실제 생산 비용: 현재 판매 가격이 실제 생산 비용을 반영하는지, 아니면 Katerra처럼 손해를 보며 팔고 있는지 알 수 없습니다. 경쟁력 있는 생산 비용을 달성할 수 있는지가 관건입니다. 가치 제안의 확장성: '재해에 대한 내구성'이라는 가치 제안이 플로리다 외 다른 지역에서도 매력적일지는 미지수입니다. https://www.construction-physics.com/p/the-katerra-team-rides-again-onx

수직 계열화는 여러 산업에서 일어나며 어렵다. 하나의 조직을 이끄는 게 어려운 것처럼 M&A도 아주 어렵고 대부분 잘 안된다. 1. Katerra의 시작과 비전 (The Beginning) 창업 배경: 세계 최대의 전자제품 위탁생산업체 'Flex'의 CEO였던 마이클 마크스가 2015년에 창업. 그는 전자제품 산업의 효율적인 공급망 관리 노하우를 원시적인 건설 산업에 적용하려 했습니다. 초기 모델: 처음에는 저렴한 건축 자재를 대량으로 소싱하여 공급하는 **'공급망 회사'**로 시작. 피봇(Pivot)과 비전: 초기 모델이 실패하자(건축가들이 기존에 쓰던 자재를 선호), Katerra는 **완전한 '수직계열화 건설회사'**로 방향을 전환했습니다. 공장 제작 (Prefabrication): 건물을 현장에서 손으로 짓는 대신, 공장에서 부품(패널)을 사전 제작하여 조립. 건축의 제품화 (Productization): 매번 건물을 새로 설계하는 대신, 자동차처럼 고객이 옵션을 선택할 수 있는 표준화된 '건물 제품'을 제공. 자체 브랜드 자재: 조명, 가구, 가전제품까지 Katerra 브랜드의 자재를 사용. 전국적 시공망: 전국의 건설사(GC)를 인수하고, 직접 시공 인력을 고용. 목표: 설계-자재공급-공장제작-현장시공까지 모든 단계를 통합하여 건설 산업을 혁신하는 것. 2. 무모한 규모 확장 (Scaling Up) 급격한 성장: 필자가 입사한 2018년 초, Katerra는 이미 1,000명 규모였고, Softbank로부터 8.65억 달러의 투자를 유치한 상태였습니다. 그 해에 직원 수는 8,000명으로 8배나 증가했습니다. 인재 유치: "건설 산업의 가장 큰 문제를 해결한다"는 비전 덕분에 업계 최고의 경험과 실력을 갖춘 인재들을 쉽게 영입할 수 있었습니다. 성장 방식: 신규 채용과 더불어, 전국 각지의 건설사, 설계사무소, 기술 회사 등을 끊임없이 **인수합병(M&A)**하며 몸집을 불렸습니다. 3. Katerra의 제품과 기술 (Building Systems & CLT) 주력 제품: 처음에는 다세대 주택 시장을 공략. 공장에서 벽체, 바닥 패널을 사전 제작하는 방식. 창문, 배관, 전기까지 공장에서 미리 설치하여 현장 작업을 최소화하는 것이 목표였습니다. 다양한 제품 개발: 주택뿐만 아니라 사무실, 산업 시설, 심지어 사우디아라비아를 위한 조립식 주택까지 수십 가지의 '건물 제품'과 관련 시스템(기초, 욕실/주방 키트, 공조 시스템, 소프트웨어 등)을 동시에 개발. CLT(Cross-Laminated Timber)에 대한 큰 베팅: Katerra는 친환경 고급 자재인 CLT에 1억 달러 이상을 투자해 세계적인 규모의 공장을 지었습니다. 이는 Katerra의 브랜드를 차별화하고, 유능한 인재를 모으는 데 도움이 되었습니다. 문제점: CLT는 비싼 자재라 프로젝트 비용이 높아지면 쉽게 제외되었고, 거대한 공장을 유지할 만큼 충분한 물량을 판매하기 어려웠습니다. 4. 실패의 근본 원인 (Structural Issues) 필자는 Katerra의 실패를 표면적인 문제(과도한 지출, 프로젝트 지연 등)가 아닌, 더 깊은 구조적 문제에서 찾습니다. 통합 실패와 관료주의 (Bureaucracy): 수많은 회사를 인수했지만, 이들을 하나의 유기적인 조직으로 통합하는 데 실패했습니다. 각 부서는 인수 전처럼 따로 움직였고, 서로 협력하는 것을 꺼렸습니다. 각 부서가 독립적인 '이익 센터(profit center)'로 운영되다 보니, 회사 전체의 이익보다 부서의 이익을 우선시하는 **'부분 최적화'**가 만연했습니다. 회사가 커지면서 의사결정 구조가 복잡해졌고, 간단한 변경 사항 하나를 승인받는 데 수많은 사람의 결재가 필요해져 제품 개발 속도가 매우 느려졌습니다. 제품-시장 부합의 부재 (Lack of Product-Market Fit): 이것이 가장 결정적인 실패 원인입니다. Katerra는 '사람들이 원하는 제품'이 무엇인지 확인하기도 전에 무작정 회사 규모부터 키웠습니다. 이후 제품-시장 부합을 찾기 위해 CLT에 집중했다가, 경량 목조로, 다시 냉간성형강으로 방향을 바꾸는 등 고통스러운 피봇을 반복했습니다. 이러한 방향 전환은 막대한 자본 투자와 설계 예산을 낭비하게 만들었습니다. 작은 스타트업도 힘든 피봇을, 수천 명의 직원과 거대한 공장을 가진 회사가 하기는 훨씬 더 어려웠습니다. 5. 몰락의 과정 (What Goes Up...) 위기의 시작: 2019년 여름, 대규모 감원이 시작되며 필자가 속한 그룹의 75%가 해고되었습니다. 긴축 경영: 새로운 CEO가 부임하고, 비용 절감을 위해 연이은 감원, 복지 삭감, 공장 폐쇄, R&D 예산 삭감 등이 이어졌습니다. 불운: WeWork 사태로 인한 투자 심리 위축, 코로나19 팬데믹, 목재 가격 폭등, 그리고 결정적으로 자금줄이었던 Greensill Capital의 파산이 겹치며 Katerra는 결국 무너졌습니다. 결론: Katerra는 무모할 정도로 야심 찬 회사였고, 수많은 직원이 그 비전을 실현하기 위해 최선을 다했습니다. 비록 실패했지만, 그 시도 자체는 의미 있었다고 필자는 회고합니다. https://www.construction-physics.com/p/another-day-in-katerradise

Q 다들 아시다시피 정말 대단하고 기발한 아이디어들을 많이 가지고 계십니다. 어떻게 그런 아이디어들을 떠올리시는지, 그 과정에 대해 더 자세히 말씀해주실 수 있나요? 또한, 그렇게 훌륭한 아이디어가 떠올랐을 때, 아주 제한적인 재정 자원만으로 어떻게 그 야심 찬 아이디어들을 사업화하시나요? Elon 소프트웨어나 지적 자본만으로 할 수 있는 일의 가장 큰 장점은 당신과 친구 몇 명만 있으면 그냥 시작할 수 있다는 것입니다. 그래서 인터넷이나 소프트웨어 관련 사업이 처음 회사를 만들기에 아주 좋습니다. Zip2와 페이팔이 있었기에 저는 더 많은 자본이 필요한(자본 집약적인) 일에 도전할 자금을 마련할 수 있었습니다. 아이디어 창출에 관해서는, 저는 일종의 물리학적 관점, 즉 '제1원칙(first principles)' 관점에서 생각하는 경향이 있습니다. 무언가를 달성하기 위한 최선의 방법은 무엇일까를 생각하고 그것을 추구하는 것이죠. 그리고 이 방식은 어떤 것이 최적의 상태에서 얼마나 멀리 떨어져 있는지 판단하는 좋은 방법이기도 합니다. 예를 들어 로켓의 경우, 유추를 통해 '이전 로켓들 비용이 이랬으니, 이 로켓도 그 정도 비용이 들 것이다'라고 생각할 수 있습니다. 혹은 이렇게 질문할 수도 있죠. '로켓은 무엇으로 만들어졌는가? 그 구성 재료는 무엇이고, 그 재료들의 단위 질량 당 비용은 얼마인가?' 이것이 로켓 비용의 이론적인 한계치를 설정합니다. 만약 그 요소들을 창의적인 방법으로 재배열해서 로켓 형태로 만들 수 있다면, 훨씬 더 좋은 결과를 얻을 수 있습니다. 이것이 바로 제1원칙 접근법입니다. 또한, 서로 다른 산업의 아이디어들을 결합하는 것도 혁신에 정말 많은 도움이 된다고 생각합니다. 한 산업에서 발견된 것을 다른 산업에 적용할 수 있는지 살펴보는 것이죠. 이 또한 훌륭한 아이디어의 원천이라고 생각합니다. 하지만 보통은 해결책을 찾기 위해 고군분투하며 여러 가지를 시도합니다. 그중 대부분은 실패하고, 아주 가끔 하나가 성공할 뿐입니다. https://youtu.be/P2xXT_FU-QE

당신의 스타트업은 직선이 아닌, 미로다 스타트업은 미로와 같아서, 벽에 부딪혔을 때 기꺼이 경로를 바꿀 줄 알아야 합니다. NeXT 컴퓨터의 실패: 애플에서 해고된 후, 잡스는 NeXT 컴퓨터를 창업했습니다. 하지만 NeXTcube는 아름다웠지만 너무 비싸 아무도 사지 않는 재앙이었습니다. 잡스 스스로 이 실수를 이렇게 인정했습니다. "Next를 시작했을 때... 저는 아주 성공적이었던 곳을 떠나 다음 일을 할 때, 지난번 성공했던 패러다임을 그대로 베끼려고 하는, 그리 드물지 않은 실수를 저질렀습니다. 그러면서 발밑의 세상이 변하고 있다는 사실은 깨닫지 못하는 것이죠." 방향 전환 (피봇): 그는 고집스럽게 하드웨어를 고수하는 대신, 회사를 완전히 소프트웨어 중심으로 전환했습니다. 그는 실패를 두려워하지 않았습니다. "제가 항상 스스로에게 가르치려 했던 것 중 하나는 실패를 두려워하지 않는 것이었습니다... 무언가 잘 안 풀렸을 때, 많은 사람들은 다시는 그런 망신을 당하고 싶지 않다는 생각에 매우 방어적으로 변하곤 합니다. 저는 그게 큰 실수라고 생각합니다." 결과: NeXT의 소프트웨어는 매우 훌륭해서, 1997년 존폐 위기에 놓인 애플이 그 소프트웨어를 얻기 위해 4억 달러에 NeXT를 인수했습니다. 그 소프트웨어는 macOS의 기반이 되었습니다. 잡스는 성공의 영원하지 않음을 이해했습니다. "만약 한 그룹의 사람들이 몇 년 안에 무언가를 해내지 못하면, 시대는 비슷한 것을 성취할 또 다른 그룹의 사람들을 만들어 낼 것입니다." 당신을 위한 교훈: 실패가 해결책이 될 수 있습니다. 미로는 완벽함이 아닌 끈기를 보상합니다. 당신의 스타트업이 벽에 부딪혔을 때, 그저 서 있지만 마십시오. 뒤로 물러나 다른 길을 찾으세요. 세 번째 움직임: 한 가지만 잘하는 전문가가 되기를 멈춰라 잡스는 자신을 "전자기기를 좋아하는 인문학도"라고 불렀습니다. 이 독특한 조합이 모든 것을 바꾸었습니다. 서체 수업: 대학 중퇴 후 청강했던 서체 수업은 10년 뒤 매킨토시의 비밀 무기가 되었습니다. 잡스는 이렇게 말했습니다. "우리의 목표는 전통적으로 매우 괴짜들의 기술이었던 것에 인문학적 관점과 인문학적 대중을 끌어들이는 것이었습니다." 다른 문화: 애플은 엔지니어뿐만 아니라 음악가, 예술가, 작가들을 고용했습니다. "우리는 우리에게 무엇을 해야 할지 말해줄 사람들을 고용했습니다." 라고 잡스는 말했습니다. 일과 삶의 통합: 잡스는 일과 삶을 분리하지 않았습니다. "저는 제 일과 삶을 다른 것으로 생각해 본 적이 없습니다. 그 둘은 같은 것입니다." 당신의 일이 당신의 삶이 될 때, 당신의 집착은 당신의 제품이 되고, 당신의 호기심은 당신의 혁신이 됩니다. 그렇게 집착할 때 실패는 그저 피드백일 뿐입니다. "원하는 것을 성취하는 과정에서 몇 번 넘어지지 않고는 결코 그곳에 도달할 수 없습니다." 당신을 위한 교훈: 당신의 무작위적인 관심사들은 방해물이 아니라, 당신의 무기입니다. 자신을 한정 짓지 마십시오. 모든 것이 되고, 모든 것을 읽고, 모든 것을 시도하십시오. 결론: 이제 당신 차례입니다 (Your Move) 스티브 잡스는 아무것도 없이 시작했습니다. 돈도, 인맥도, 컴퓨터 공학 학위도 없었습니다. 그는 단지 이 세 가지 움직임을 계속해서 반복했을 뿐입니다. 오늘날 애플은 수조 달러의 가치를 지니고, 10억 명이 넘는 사람들이 그 제품을 사용합니다. 이 모든 것은 차고에서 시작되었습니다. 여러분은 지금 잡스가 가졌던 것보다 훨씬 더 많은 도구를 가지고 있습니다. 인터넷, 무료 프로그래밍 강좌, 그리고 수십억 명의 고객에게 접근할 기회까지 말이죠. 남은 유일한 질문은 이것입니다. 무언가를 만들어 내시겠습니까, 아니면 계속 영상만 보고 계시겠습니까? 이제 당신의 차례입니다. https://youtu.be/z2X225qNp9g?si=Gi2otphExxazaB4s

성공 방정식 = [ (1) 명확한 임무(Mission) + (2) 역발상적 접근(Contrarian Approach) ] × (3) 최고의 인재 융합(Talent Fusion) SpaceX의 성공 방정식 명확한 임무(Mission): "우주 발사 비용을 획기적으로 낮춰 인류를 다행성 종족으로 만든다." 다른 모든 것은 이 목표를 위한 수단일 뿐입니다. 역발상적 접근(Contrarian Approach): 문제 정의: 위성은 싸지는데 로켓 발사 비용은 그대로인 '병목 현상'을 문제로 정의. 해결책: "하나의 비싸고 정교한 엔진"이라는 기존 공식을 버리고, **"저렴하고 신뢰성 있는 엔진 여러 개"**를 묶어 비용을 낮춘다는 역발상을 실행. 최고의 인재 융합(Talent Fusion): 항공우주 산업 전문가: 기존 기술의 한계와 가능성을 아는 사람들. 자동차/드래그 레이싱 커뮤니티 출신: 저비용으로 고성능 기계를 만드는 데 능숙한 사람들. 열정적인 젊은 엔지니어: 최신 기술과 지식을 갖추고, 고정관념 없이 문제에 도전하는 사람들. Palantir의 성공 방정식 명확한 임무(Mission): "기술을 통해 국가 안보와 시민의 프라이버시를 동시에 지킨다." 역발상적 접근(Contrarian Approach): 문제 정의: 9/11 테러 이후, 정책 입안자들은 "안전이냐, 프라이버시냐"라는 잘못된 이분법적 선택을 강요하고 있었음. 해결책: "왜 둘 중 하나를 선택해야 하는가?"라고 질문하며, 기술을 통해 두 가치를 모두 달성할 수 있다는 새로운 해법을 제시. 즉, 여러 정보기관의 데이터를 안전하게 연결하되, 엄격한 접근 통제와 감사 기록으로 프라이버시를 보호하는 시스템을 구축. 최고의 인재 융합(Talent Fusion): 정보기관 출신 전문가: 실제 현장의 문제와 요구사항을 이해하는 사람들. 실리콘밸리 최고의 소프트웨어 엔지니어: 복잡한 데이터를 처리하고 시각화하는 최고의 기술을 가진 사람들. Anduril의 성공 방정식 명확한 임무(Mission): "소프트웨어 기술을 통해 미국의 국방력을 혁신하고 동맹국을 보호한다." 역발상적 접근(Contrarian Approach): 문제 정의: 실리콘밸리가 "국방 사업은 돈이 안 되고 비윤리적"이라며 등을 돌리고 있을 때, 오히려 이것이 미국의 안보를 위협하는 가장 큰 문제라고 정의. 해결책: 전통적인 무기 개발 방식(하드웨어 중심, 긴 개발 기간)을 버리고, AI, 자율주행 등 최첨단 소프트웨어 기술을 중심으로 빠르고 저렴하게 국방 시스템을 개발하는 새로운 모델을 제시. 최고의 인재 융합(Talent Fusion): 국방부/군 출신 전문가: 실제 전장의 요구와 작전 개념을 이해하는 사람들. 최고의 AI 및 소프트웨어 엔지니어: 자율 시스템과 데이터 융합 기술을 개발하는 사람들.

미국은 원자력 에너지를 초당적 어젠다로 삼고 과감한 투자를 집행하고 훌륭한 기업가들과 기술자들이 뛰어들고 있다. 질문: 당신의 삶의 궤적을 향상시킨, 재정적이든 아니든, 당신이 투자한 사람은 누구인가요? 답변: 일론 머스크입니다. SpaceX에서 그를 위해 일했고, 이후 파운더스 펀드를 통해 SpaceX, 뉴럴링크, 보링 컴퍼니 등에 투자했습니다. 특히 스페이스X의 스타링크(Starlink) 위성 인터넷 서비스는 공상 과학 같던 기술을 현실로 만들어 제 삶에 직접적인 영향을 주었습니다. 질문: 재정적 지원을 받는 사람과 자본이 적지만 추진력이 강한 사람 중 누가 더 뛰어난 성과를 낼 것이라고 보나요? 답변: 자본이 적지만 추진력이 강한 사람이 이길 것이라고 생각합니다. 원자력 에너지의 중요성 질문: 왜 미국은 원자력 에너지를 더 진지하게 받아들이지 않았나요? 답변: 최근 몇 년 사이 진지하게 받아들이기 시작했습니다. 과거 수십 년 동안은 그렇지 못했습니다. 1950~60년대에는 원자력이 미래 에너지로 여겨졌으나, 이후 무기에 대한 공포와 스리마일 섬(Three-Mile Island) 같은 사고에 대한 두려움 때문에 수십 년간 정체되었습니다. 하지만 이제는 양당 모두 원자력이 탄소 배출이 없는 청정하고 신뢰할 수 있는 기저부하(baseload) 에너지원임을 인정하고 있습니다. 질문: 스리마일 섬 원전 사고는 정확히 무엇이었고, 그 영향은 어땠나요? 답변: 1979년 펜실베이니아에서 운영자의 실수로 인해 원자로의 부분적 용융(meltdown)이 발생한 사고입니다. 하지만 격납 용기 덕분에 방사능 누출로 인한 사망자는 단 한 명도 없었습니다. 이 사고가 미국의 원자력에 대한 공포를 수십 년간 지속시켰지만, 역설적으로 현재 마이크로소프트는 이 원자로 중 하나를 AI 데이터센터에 전력을 공급하기 위해 재가동할 계획입니다. 이는 원자력의 안전성을 보여주는 사례입니다. 질문: 에너지 생산과 국가 발전은 어떤 관계가 있나요? 답변: 에너지 생산은 GDP와 직접적으로 연결됩니다. 2010년 이후 미국의 전력 생산은 정체된 반면, 중국은 2배로 늘렸습니다. 높은 GDP를 가진 저에너지 국가는 존재하지 않습니다. AI, 제조업, 경제적 영향력에서 미국이 주도권을 가지려면 더 많은 에너지가 필수적입니다. AI 시대와 차세대 원자로 질문: AI 붐이 에너지 수요에 미치는 영향은 무엇인가요? 답변: 2030년까지 AI가 필요로 하는 전력량은 현재 미국 전체 전력망과 맞먹을 것으로 예측됩니다. 이는 기하급수적인 성장이며, 지금 당장 원자로와 핵연료 생산을 확대해야 함을 의미합니다. 질문: 소형 원자로(mini-reactors)는 현재 사용되고 있나요? 답변: 아직 상업적으로 사용되지는 않습니다. 현재 많은 기업들이 설계 및 건설 단계에 있으며, 약 5년 후부터 전력망에 연결되기 시작할 것으로 예상됩니다. 이 소형 원자로들은 공장에서 대량 생산하여 비용을 낮추고 건설 기간을 단축하는 것을 목표로 합니다. 제너럴 매터와 미국의 우라늄 농축 질문: 제너럴 매터는 왜 우라늄 농축 사업을 시작했나요? 답변: 현재 미국은 자체적으로 핵연료를 생산할 상업적 농축 능력이 거의 없기 때문입니다. 필요한 농축 우라늄의 대부분을 러시아, 프랑스 등 해외 국영 기업에 의존하고 있습니다. 이는 국가 안보와 에너지 독립에 큰 위협이 되므로, 미국 내 농축 시설을 복원하는 것이 시급합니다. 질문: 핵연료는 어떻게 만들어지나요? 답변: 5단계로 이루어집니다. 채굴(Mining): 땅에서 우라늄을 캔다. (미국에 능력 있음) 변환(Conversion): 농축을 위해 우라늄을 가스 형태로 바꾼다. (미국에 일부 능력 있음) 농축(Enrichment): 동위원소에 따라 우라늄을 분리하는 정제 과정. (미국에 상업적 능력 거의 없음) 재변환(Deconversion): 농축된 우라늄을 다시 고체로 만든다. 연료 가공(Fabrication): 원자로에 맞는 형태로 펠릿이나 입자를 만든다. (미국에 능력 있음) 질문: 핵연료 펠릿 하나의 에너지 효율은 어느 정도인가요? 답변: 약 1인치(2.5cm) 높이의 농축 우라늄 펠릿 하나는 석탄 1톤 또는 석유 100배럴과 맞먹는 에너지를 가지고 있습니다. 이는 엄청난 에너지 밀도입니다. 질문: 차세대 원자로는 왜 더 높은 농축도의 연료를 필요로 하나요? 답변: 기존 원자로는 5% 농축 우라늄을 사용하지만, 차세대 소형 원자로는 10~20%로 더 높게 농축된 연료(HALEU)를 사용합니다. 이를 통해 원자로 크기를 줄여 공장에서 생산하고 운송할 수 있게 되어, 건설 비용과 기간을 획기적으로 줄일 수 있습니다. 원자력 폐기물 문제 질문: 원자력 폐기물은 심각한 문제인가요? 답변: 아닙니다. 흔히 '폐기물'이라고 부르는 것은 '사용후핵연료'이며, 녹색 점액이 아니라 고체 금속 덩어리입니다. 미국 역사상 발생한 모든 사용후핵연료를 모아도 올림픽 규격 수영장의 절반밖에 채우지 못합니다. 현재는 각 원전 부지 내의 견고한 콘크리트 용기에 안전하게 보관되고 있으며, 이는 원자력 반대론자들이 제기하는 과장된 문제입니다. 정부 지원 및 미래 전망 질문: 미국 정부는 원자력 확대를 위해 어떤 노력을 하고 있나요? 답변: 최근 몇 년간 초당적인 지원이 이루어지고 있습니다. HALEU 가용성 프로그램: 차세대 원자로용 고농축 우라늄 생산을 촉진하기 위해 27억 달러 규모의 구매 계약 프로그램을 시작했습니다. 제너럴 매터도 이 프로그램에 선정되었습니다. 러시아산 우라늄 수입 금지: 에너지 자립을 강화하기 위한 조치입니다. 4개의 행정명령: 공급망 강화, 원자로 테스트 절차 간소화, 국방부의 자체 원자로 배치, 원자력규제위원회(NRC) 개혁 등을 통해 규제를 현대화하고 산업을 가속화하고 있습니다. 질문: 미래에 모든 것이 원자력으로 움직이게 될까요? (자동차, 비행기 등) 답변: 자동차나 비행기 같은 운송수단에 직접 원자로를 탑재하는 것은 비효율적이고 안전 문제도 있어 가능성이 낮습니다. 하지만 매우 저렴해진 원자력 전기를 사용해 합성 항공유나 자동차 연료를 생산하는 방식으로는 가능할 수 있습니다. 주된 변화는 전력망에서 원자력 비중이 크게 늘어나는 것입니다. 질문: 신형 원자로는 냉각수 문제를 어떻게 해결하나요? 답변: 최신 4세대 원자로는 물을 사용하지 않는 폐쇄 루프 냉각 방식을 사용합니다. 헬륨이나 이산화탄소 같은 기체를 냉각재로 사용하고 자동차 라디에이터처럼 팬으로 열을 식히기 때문에, 물이 부족한 서부 사막 지역에도 설치할 수 있습니다. 질문: 우주에서 원자력을 사용할 가능성이 있나요? 답변: 네, 가능성이 있습니다. 중국은 이미 우주에 원자력 발전소 배치를 추진 중이며, 미국에서도 스타트업들이 우주 태양광 발전을 연구하고 있습니다. SpaceX의 스타십(Starship)으로 발사 비용이 획기적으로 저렴해지면, 우주에서 에너지를 생산해 지구로 전송하는 것이 현실화될 수 있습니다. SpaceX와 파운더스 펀드 질문: 30여 명의 직원만 있던 초기 SpaceX 시절은 어땠나요? 답변: 매우 재미있고 빠르게 진행되었습니다. 당시 목표는 '발사 비용 절감' 하나로 명확했습니다. 자동차 드래그 레이싱 커뮤니티 출신 엔지니어들이 많아 저비용 고성능 기계를 만드는 데 집중했으며, 이들의 노력 덕분에 미국은 전 세계 위성 발사 시장의 80~90%를 차지하는 압도적인 리더가 되었습니다. 질문: 파운더스 펀드는 어떤 투자 철학을 가지고 있나요? 답변: "창업자가 자신의 회사를 계속 운영하도록 힘을 실어주자"는 철학으로 2005년에 설립되었습니다. 당시 벤처캐피탈 업계가 창업자를 교체하려는 경향과 달리, 파운더스 펀드는 창업자의 비전과 리더십을 신뢰합니다. 또한, 다른 투자자들이 꺼리는 국방(Anduril), 우주(SpaceX), 생명공학(Neuralink) 등 어렵지만 중요한 문제를 해결하는 회사에 투자합니다. 질문: 뉴럴링크(Neuralink)에 대한 두려움은 없나요? 답변: 아니요, 두렵지 않습니다. 향후 10년간 뉴럴링크는 사지마비, 루게릭병, 시각 및 청각 장애 등을 치료하는 데 집중할 것입니다. 이는 수많은 사람들의 삶을 완전히 바꿔놓을 수 있는 긍정적인 기술입니다. 인간-AI 결합과 같은 논의는 아직 매우 먼 미래의 일이며, 자발적인 선택이 될 것입니다.

## 중동 자본의 유럽 진출 유럽과 중동의 협력에는 두 가지 이유가 있다. 첫째, 유럽의 가장 큰 이슈가 돈이 없는 것이고, 중동은 안정적인 연산자원 확보의 문제가 있어서 이해가 맞았다. 둘째, 중동에서 AI 인프라를 차세대 투자처로 바라보고 있어서, 거대 규모의 펀드를 조성하고 웬만한 곳에 다 들어가서 돈 대고 지분받는 움직임이 시작됐다. 그런데 민간 자본이 들어오면 기존 정부 주도 또는 정부 전액 투자가 되는 자원과 섞을 수가 없다. 이윤을 내는 목표의 사업이 함께 들어오기 때문이다. 그런 맥락에서 유럽 대상으로 볼 때 모델 개발과 모델 기반 서비스 운영, 그리고 이를 뒷받침하는 자본 구조를 구분해 볼 필요가 있다. 슈퍼컴퓨팅 영역과 결합되고 있는 건 모델 개발 영역이고, 서비스 운영은 민간 자본이 들어와서 진행되는 영역이다. 앞에서 대규모 GPU 슈퍼컴퓨터 건조 계획과, AI 기가 팩토리 계획의 결이 다르다고 한 부분이다. ## 소버린 AI의 서로 다른 의미 "소버린 AI"라고 할 때는 의미를 잘 구분 짓는 게 중요해지고 있다. 어디까지가 소버린이고 어디까지가 AI인가? 허큘리스 미사일에서 영감을 얻은 현무 미사일은 소버린 국방인가? 같은 질문이다. 자주 이야기하지만 우리나라는 하드웨어부터 소프트웨어, 모델까지 엔드투엔드 개발이 가능한 전세계 두 나라 (중국과 한국) 중 한 나라라 이런 고민을 할 수 있다. 중국은 운영체제(는 리눅스 기반이지만)와 AI 프레임워크까지 독립적으로 개발하고 진행할 정도로 의존성을 줄이고 있다. 유럽의 경우 팹이 없어서 우리와 상황이 달라서 가능한 선택지가 차이가 난다. 유럽의 경우 기성 AI 가속기는 구매하고, 오픈소스 소프트웨어 생태계를 개발해 자체 데이터를 올리는 것을 소버린 AI 의 경계선으로 보고 있다. 공공과 민간, 그 사이에서 다양하게 시도되고 발표되는 유럽 AI 팩토리를 주제로 ISC에서 이야기를 나누며, 소버리니티를 놓고 일 년 넘게 다양한 정의들이 공전하는 우리나라 상황이 떠올랐다. 사람마다 정의가 다르고, 포지션이 다 다르니 의견이 다를 수 밖에 없다. 의견이 다를 수 있어서 다행이라는 생각이 들었다. 선택의 여지가 많다는 것이기도 하기 때문이다. 우리나라도 엑사스케일급 GPU 클러스터가 지금 예정된 것만 해도 민간에서 2건 이상, 공공에서 1건이 있다. 이를 위해 사회 기간망, 특히 전력망 및 전력 소스의 엄청난 업그레이드가 필요한 상황이다. 시점이 중요한데, 그 이유는 전력 생산 시스템, 전력망 및 네트워크 확충은 오래 걸리는 일이고, 미래 수요가 예측이 안 되는 만큼 지금 눈에는 필요 없을 만큼 선제 투자해야 하는 부분이기 때문이다. 기간망 개편은 고민 없이 그냥 가야 할 때가 있는 종류의 투자다. 한 번 깔고 나면 추가 투자하기가 어려운 종류의 시설중 대표적인 것이 전력망이다. 1990년대에 우리나라 전체에 광통신망 깔 때 ADSL로 충분하지 않냐는 여론이 있었다. 그 때 지은 광통신망이 결국 어떤 효과를 불러 일으켰는지 모두가 알고 있다. 이상하게 들릴 수 있지만, 계통별로 나뉜 현재의 모든 전력 그리드를 이어야 할 상황이며, 거점간 기간 전력망은 지금 용량의 최소 30배가 될 필요가 있지 않나 싶다. 엔비디아가 제시한 로드맵만 따라가도 GPU 전력 소모는 3년 후면 단위 부피당 13배가 된다. ## 맺으며 처음 전기랑 전화선 깔았고, 그다음에 초고속 인터넷과 무선통신망 깔았고, 이제 그런 레벨의 세 번째 변화라고 보면 어떤 변화가 생길지, 도대체 AI 예산 100조를 어떻게 만들어서 어디에 쓰일 것인지 납득하기 쉬울 것이다. ISC 2025에서 본 유럽의 모습은 이 거대한 변화의 한가운데서 각자의 방식으로 미래를 준비하는 모습이었다. 서둘러야 하는 상황인데, 세계의 상황이 녹록치 않다. 유럽에 있는 동안 이란과 이스라엘 충돌이 뉴스를 뒤덮었었다. 서니베일에서 이 글을 쓰는 동안 미국 뉴스도 전쟁 이야기로 뒤덮여 있다. AI의 응용이 워낙 광범위해서, 가면 갈수록 무기시장이랑 레토릭 호환이 잘 되고 있어서 걱정이다. 이정도로 6월 10일에서 13일까지 열린 ISC 2025의 감상을 정리해본다. 전시의 1/3은 양자컴퓨터였지만 위에선 생략했다. 내년이면 할 이야기가 많아지지 않을까 싶다.

## 오픈소스 전략과 언어 모델의 정치학 유럽연합 내의 EuroHPC는 실질적으로 완전 풀뿌리 교육 기관 및 지역 기관들의 연합이다. 각 학교나 기관별로 인력 파견 및 교류 등이 굉장히 활발하다. Tier 4, 3은 대학 및 연구소, 국가의 지방정부들이고(우리로 따지면 도나 대도시 수준), Tier 2가 국가, Tier 1이 국가 연합 및 유럽 전체에 해당되는 범위다. Tier 2부터는 공유자원 구축을 기본으로 하고 있다. 유럽이 전 소프트웨어 스택을 오픈소스로 가지고 간다는 부분도 뚜렷했다. 엔비디아는 이를 겨냥해 Nemo 솔루션을 앞세워 국가별 소버린 언어모델까지도 직접 개발해주며, 오픈소스 AI 프레임워크들을 유료로 지원해주겠다고 홍보했다. Nemo 자체가 엔비디아가 직접 개발한 게 아니라, 엔비디아도 기여했지만 다른 많은 회사나 오픈소스 커뮤니티, 대학들이 만든 오픈소스들을 번들링한 것에 테크서비스를 붙인 것이다. 우리나라에서도 3개사가 도입해서 모델 만들 때 쓴 Nemo Megatron의 경우도 코어는 마이크로소프트의 오픈소스다. 불안함을 달래기 위해 유럽 스타트업들과 협력해서 소버린 모델을 만들어 준다는 발표도 했다. 유럽에서 공용 클러스터에서 국가별 또는 컨소시엄별 GPU 클러스터를 만드는 이면에는 복잡한 사정이 있다. EU에서는 공용 멀티링구얼 LLM을 만드는 로드맵이 있는데, 유럽은 역사가 복잡해서 모두가 동의하는 역사 관점이 없다. 그 부분이 국가별로 AI 모델을 보유하려는 움직임의 근거 중 하나로 쓰이고 있다. 이후 교육 및 검색에 AI가 도입될 경우 국가 정체성 차원에서 중요한 이슈가 된다는 논리다. 엔비디아나 AMD가 대규모 이벤트를 유럽 지역에서 지난주에 열었고 열 준비를 하는 것(GTC Paris 같은)도 이런 맥락에서 이해할 수 있다. 모델 빌드 소프트웨어와 데이터까지 줘도 엔비디아는 아쉬울 게 없다. 하드웨어 판매가 핵심 수익모델이고 소프트웨어는 경쟁력 강화 수단이기 때문이다. ## 전력망이 진짜 문제 엔비디아가 올해 3월 GTC에서 3년 로드맵을 발표하며 랙당 600kW 전력을 요구할 거라고 했는데, 지금 한국에 30kW도 거의 없다. 어떻게 기반 기술들을 로드맵에 맞출지는 모른다. 엔비디아의 발표는 이게 말이 되게 기술을 다 거기 맞추라는 선언적인 의미가 있다. 채팅을 나눈 이제현님이 첨언해 주신 것처럼, 우리나라 AI 관련 투자나 전력을 이야기할 때 생산만 인지하시는 분들이 많은데 전력망이 진짜 큰 이슈다. 발전단만 해도 원전이나 재생에너지 중 하나를 일방 주장해서 안 되고 천연가스 등 변동성 대응 자원까지 포함해서 포트폴리오를 짜야 하는 문제다. 송전과 배전은 이 복잡한 발전과 수요까지 생각해서 시스템을 갈아엎어야 하는데, 그러자면 시스템 운영이 지금과 비교할 수 없을 만큼 고도화되어야 한다. 아주 복잡하고 어려운 문제인데 그만큼 대중이나 다른 분야의 전문가들이 알기 힘들어서 간과하는 사항이다. 지금은 GPU에 묻혀 덜 보이지만 당장 여름 지나 올 하반기만 되어도 모두가 전력 이야기만 하고 있을 것이다. 중국이 태양광과 원자력에 어마어마하게 집중하는 이면도 함께 봐야 한다. ## 슈퍼컴퓨터가 곧 AI 팩토리 "슈퍼컴퓨터와 AI 팩토리를 구분해야 하지 않나?"라는 질문을 받기도 하는데, 2023년 이후엔 구조상으로는 구분이 안 된다. 그냥 포장만 다르지 다 GPU 클러스터다. 지금 ISC 가서 보면 유럽 슈퍼컴퓨터들도 AI 팩토리나 토큰 생성기라고 자기들이 홍보하고 있다. 둘의 용도는 인프라의 종류가 아니라 인프라의 사용 목적으로 갈리고 있다고 보는 게 맞다. Jupiter가 2월부터 가동 중이고 완공은 아마 연말일 텐데, 누가 봐도 고전적 슈퍼컴퓨터가 아니고 그냥 AI 팩토리다. H100이 34TFLOPs니까 대충 3만 장부터 엑사스케일로 쳐주니, Jupiter의 경우에도 CPU로 일부 플롭스를 채우고 수량으로는 2만장 이상 규모의 GPU를 갖추게 될 것이다. 미국의 경우 엑사스케일이 꽤 있어서 비교적 유럽이나 중국, 우리나라처럼 절박하지 않다. 그래서 스타게이트 정도가 되어야 임팩트가 있다. 이번 ISC에서는 GraphCore가 사라진 영향으로 유럽의 NPU를 볼 기회는 없었다. 미국 회사들이 대거 참여할 11월 SC 2025에서 많이 보게 될거다. 미국은 NPU 개발에 정부 주도로 돈을 가장 많이 지원하고 있는 나라일것이다. 우리나라와 비교해보면 리벨리온, 퓨리오사 이렇게 개발 지원 과제나 상용 과제를 별도로 만들어서 주는 식인데, 미국은 직접 지원도 엄청난 규모로 하지만, 국책연구소들한테 NSF 등의 펀드를 줄 때 GPU 구입은 불가능하고 NPU만 살 수 있게 한 조건이 걸린 투자를 연간 조 단위로 낸다. 그래서 아르곤 랩 등이 NPU 사서 그걸로 연구도 하고, 갑갑하면 NPU용 소프트웨어 등도 직접 만들고, 예제도 만들어내는 식이다. 직접 지원 대신 수요처를 통해서 투자를 돌려서도 진행하는 식이다. 우리가 이름 들어본 Cerebras, Groq, SambaNova 전부 아르곤 연구소나 DARPA에 물량 공급을 하게 해서 아직 생존시켜 놓았다. ## 상업화 단계에 들어선 AI 인프라 미국 쪽에서 10만장 단위의 GPU를 구입하기 시작했는데, 이제 몇몇 부분에서 AI 상업화가 성공하면서 투자 흐름 자체가 전략적으로 바뀐 부분이 있다. 모델 개발에 드는 GPU 사용 비용은 응용처를 찾기 전까진 선행연구에 가까워서 매몰비용 처리를 했던 것이고, 지금 민간투자가 왕창 들어와서 구성되는 부분들은 모델 인퍼런스에 훨씬 더 집중한 곳들이다. 그래서 서비스용 GPU 팜의 경우 이윤은 발생하지 않더라도 매출이 발생하기 때문에, 투자 비용의 일부 또는 대부분을 정당화할 수 있게 되어 공격적인 물량 투자가 가능하다. 10,000장을 훈련용으로 썼다면 2022년 정도엔 10,000장이 다 매몰비용이 된 거고, 2025년엔 100,000장을 서비스용으로 써서 90,000장 정도를 매출로 도로 회수할 수 있다면 마찬가지로 손해는 10,000장만 보는 상황이다. 서비스용 모델 크기의 한계 및 최적화가 끊임없이 일어나고 있어서 잘하면 이윤 구간에도 들어갈 수 있어 보인다. 그래서 우리 눈엔 말도 안 되는 규모의 투자가 보이게 되는 것이다. 여섯 자리 수의 대규모 GPU 투자가 있으려면 매출 파이프라인이 존재하거나 계획이 명확해야 한다. 그리고 매출이 발생하는 영역부터는 이제 국가 단독이 아니라 공동투자 및 펀딩의 영역이 되고 있다.

AI시대 전력 문제에 우리는 얼마나 준비가 되었는가? — 신정규님 # ISC 2025 이야기: 유럽 슈퍼컴퓨팅과 AI 인프라의 현재와 미래 유럽의 슈퍼컴퓨팅 컨퍼런스인 International Supercomputing Conference - High Performance (줄여서 ISC) 2025를 6월 초중순에 다녀왔다. 시간이 좀 지났다. 귀국하자마자 업무에 치이고, 다시 샌프란시스코 출장을 오는 바람에 정리가 늦어졌다. 비행기 안에서 정리하던 생각을 채팅으로 나눠보다가, 정리하면 어떻냐는 권유를 받아 글 형태로 대화 내용을 정리해 본다. ## 유럽의 소버린 AI 전략과 그 이면 이번 ISC에서 가장 인상적이었던 것은 유럽이 소버리니티(sovereignty)와 오픈소스 기반 엑사스케일 컴퓨팅에 올인하고 있다는 점이다. 엑사스케일은 엑사플롭스를 처리할 수 있는 슈퍼컴퓨팅 시스템을 부르는 말이다. EU 차원의 협동 전략과, 각 국가별로 언어와 역사관의 문제로 독자적으로 진행하려는 흐름이 충돌하고 있었다. 이 긴장감이 엑사스케일 슈퍼컴퓨터를 짓는 컨소시엄 구성에 그대로 드러났다. 놀라운 것은 투자 규모다. 프랑스가 올해 초 AI 분야에 100조원 투자를 천명한 이후, 엑사스케일 컨소시엄 참가 티켓 사이즈가 기본 100조원이 되었다. 물론 이 100조원의 실체를 제대로 이해할 필요가 있다. AI 투자 100조라고 했을 때 그 절반 이상은 GPU가 아닌 전력망 개편, 전력 수급, 부지 조성 같은 인프라 비용이다. 현재의 기간망은 엑사스케일 컴퓨터들을 수용할 수 없기 때문이다. 예를 들어 원래 10조원 들여 남서 전력계통을 수도권에 연결하는 계획이 있었다면, 10조원을 추가로 써서 용량을 3배로 늘리고 AI 투자 20조원으로 라벨링하는 식이다. 이는 유럽만의 이야기가 아니다. 미국도, 우리나라도 마찬가지다. 우리가 사회간접자본(SOC)이라고 생각했던 것들이 AI 시대에 맞춰 대대적으로 갈아엎어져야 하는 상황에 와 있다. ## 엔비디아와 AMD의 유럽 공략 이런 상황을 놓칠 리 없는 엔비디아와 AMD는 각 국가를 상대로 소버린 AI 풀패키지 플랫폼 공급을 위해 전사 차원에서 영업 중이다. (엔비디아의 경우 ISC에서도 언제나처럼 참여하지만 https://www.nvidia.com/en-us/events/isc/, 정확하게 겹치는 일정으로 프랑스의 VivaTech 부대 행사로 GTC Paris 를 개최했다. 연초에는 잡혀있지 않은 일정이었다.) 흥미로운 것은 유럽 국가들이 소버린 AI를 바라보는 관점이다. 이들은 이를 무기 구입과 비슷하게 바라본다. 크게 네 가지 그룹으로 나뉜다: 1. 통째로 사와도 그 나라 땅에 갖다 놓으면 그 나라 것이라고 주장하는 그룹 2. 자생하지 않으면 결국 종속된다고 주장하는 그룹 3. 전자로 시작해서 후자로 가자는 그룹 4. 처음부터 자체 개발에 올인하자는 그룹 이런 딜레마를 가장 극명하게 보여주는 사례가 유럽은 아니지만 사우디아라비아다. 2023년 중순 미국으로부터 GPU 금수조치가 내려진 후, 2024년 내내 대안을 찾아 모든 국가로부터 NPU나 대안 솔루션을 소싱했다. 우리나라 기업들도 많이 갔고, 투자도 받고, 공급도 하고 계약들도 했다. 그런데 바이든 정부 말기에 국가별 GPU 구매량 제한에 티어를 나눠서 GPU 구입 물량을 풀어주자마자, GPU 대안을 알아보던 모든 자본을 전부 홀딩하고 그걸로 엔비디아 GPU를 살 수 있는 최대 물량으로 사고 있다. 언제 또 못 사게 될지 모르니까. ## 미국과 유럽의 슈퍼컴퓨팅 접근법 차이 미국과 유럽의 슈퍼컴퓨팅 접근이 다른 이유는 각 주체가 동원할 수 있는 펀드의 규모 차이 때문이다. 미국은 학계에서 창업해서 그대로 업계로 이어지는 실리콘밸리와, 핵물리학 등의 거대 과학 기반 수요가 서로 어우러진 복잡한 구조를 가지고 있다. 민간에서도 천문학적인 펀드를 동원하지만, 동시에 국가에서도 천문학적인 투자를 동시에 붓고 있다. 흥미로운 변화는 2021년까지는 AI와 HPC (High Performance Computing, 고성능 컴퓨팅 분야)가 필요한 연산 종류가 달라서(AI는 속도를 위해 수치정확도를 16비트 이하로 낮추는 식으로 진행되었고, HPC는 시뮬레이션이나 연산을 위해 64비트 고정밀도 연산에 집중했다) 각기 따로 놀다가, 2022년부터 시뮬레이션 기반 예측을 AI로 어림할 수 있음을 깨닫게 되면서 AI/HPC가 급격하게 합쳐지고 있다는 점이다. 2023년부터 기획되는 슈퍼컴퓨터들은 사실상 슈퍼컴퓨터와 AI 컴퓨터를 분리할 수가 없게 되었다. 반면 유럽은 애초부터 그 정도의 펀드 조성이 어려워서 유럽연합의 슈퍼컴퓨터를 공동 조성하고 품앗이하는 식으로 사용해 왔다. Mare Nostrum(지중해라는 뜻)이 대표적이다. 1~4호기까지는 HPC용이었고, 5호기부터는 사실상 GPU 클러스터다. 50%는 유럽연합에서 출자하고, 나머지 50%는 국가들이 갹출해서 100%를 만든 후, 투자 퍼센트만큼 GPU 타임을 갖고 간다. 우리나라로 따지면 KISTI 슈퍼컴퓨터 1~5호기를 거치며 CPU기반에서 이번에 GPU 클러스터로 간 것과 같은 변화이다. CPU만 고집하던 일본의 슈퍼컴퓨터들도 최근 2년간 기획되고 올해 런칭하는 3대의 슈퍼컴퓨터들은 전부 GPU 클러스터다. ## 유럽의 엑사스케일 도전과 갈등 문제는 Mare Nostrum의 성능이 엑사스케일 슈퍼컴퓨터의 1/3~1/2 정도라 최근 요구되는 수준에 못 미친다는 점이다. 그래서 첫 엑사스케일 슈퍼컴퓨터로 짓고 있는 유럽의 GPU 클러스터가 Jupiter다. 여기서부터 갈등 비슷한 것이 보인다. 유럽 국가들이 기존 PRACE와 EuroHPC가 운영하는 Mare Nostrum에서 원하는 만큼 자원을 받지 못하는 문제를 겪고 있다. 전체 타임의 50%는 EU가 유럽 전체에 필요한 공동 연구 및 출자가 힘든 소규모 국가들에게 나눠주고, 나머지 50% 중에서 돈 낸 만큼만 쓰기 때문에, 전체 스케일이 아무리 커도 각 나라가 쓸 수 있는 양은 적다. 그래서 대규모 슈퍼컴퓨터 건조 계획과, AI 기가 팩토리 계획 등을 발표중이다. 그 두가지의 결이 다른데 뒤에서 설명해 보겠다. 그래서 EU에서도 자본을 동원할 수 있는 국가들이 3~4개씩 모여서 유럽연합과 별도로 엑사스케일 슈퍼컴퓨터를 세우고 있다. 우리가 보기엔 "그냥 단독으로 세우면 되지 않나?"라고 할 수 있지만, 우리나라를 유럽에 갖다 놓으면 인구수도, 국력도 EU 내 중진국 4개 정도를 합친 사이즈라 그런 생각이 드는 것이기도 하다. (우리나라는 사실 우리가 생각하는 것보다 큰 나라다.) 영국은 실제로 엑사스케일 슈퍼컴퓨터를 단독으로 세운다고 2023년에 국가 과제를 냈다. 당시 5월경에 영국의 NPU 제조사인 GraphCore가 "GPU 발주는 우리한테 줘야 한다"고 유명 신문들에 전면광고를 때려서 이슈가 됐었다. 그런데 그해 가을에 그 과제는 엔비디아 기반의 슈퍼컴퓨터가 수주했고, 겨울에 GraphCore의 유럽 연구팀은 메타가 인수해갔고, 회사는 소프트뱅크가 5천억에 사 갔다. 지금 다시 각 국가가 NPU 산업을 육성하려는 상황이라, 영국 정부도 아쉬워하고 있을 것이다. 프랑스, 네덜란드, 독일, 스위스 같은 국가들이 연합을 만들어서 현재 엑사스케일 슈퍼컴퓨터가 4기 건조 중이거나 건조 예정이다. 이런 컨소시엄을 만들 때 북유럽 3국이나 스위스를 꼭 끼워준다는 점이 재미있다. 현재 건조 중인 클러스터들을 보면 하나는 스위스, 나머지는 전부 북유럽에 위치하고 있다. 냉각과 전력 문제 때문이다. 독일 등 유럽과 노르웨이 등 북유럽의 슈퍼컴퓨팅 전기료를 비교하면 3배 정도 차이가 나고, 냉각 난도가 엄청나게 차이가 난다.