Continuous Learning_Startup & Investment

아무도 말하지 않는 ‘창업자로 부(富)를 얻는 최고 경로’ 스타트업 세계는 “유니콘(기업가치 10억 달러 이상) 아니면 망”이라는 내러티브를 밀지만, 제가 봐온 다른 플레이북은 더 많은 ‘10밀리언 달러(M)가 넘는 창업자’를 만들어 내고 있습니다: 500만 달러 미만의 투자금(최대 1,000만 달러 이하)을 조달 연간 반복 매출(ARR)이 500만 달러 이상 달성 손익분기점(흑자 전환) 달성 ARR의 310배(1,500만5,000만 달러)에 매각 개인적으로 1,000만~2,500만 달러를 가져감 연방 세금을 0달러 납부 (QSBS 덕분) 불과 몇 달 전만 해도 이런 딜이 여러 건 체결됐습니다. 모두 5년 이하 기간 동안 회사를 키운 창업자들이었죠. 이 경제 구조는 의외로 단순합니다: 지분 희석(dilution)을 최소화(80% 이상 지분 확보) 500만 달러 이상의 ARR을 낼 수 있는, 지속 가능한 성장과 흑자에 집중 5년 차에 회사를 매각하여 QSBS 세제 혜택 극대화 8자리(수천만 달러) 규모의 결과물을 얻고, 대부분을 그대로 보유 반면 “유니콘 경로”의 현실은 이렇습니다: SaaStr의 Jason M. Lemkin은 이렇게 딱 꼬집었습니다: “‘큰 액수로 엑싯했다’고 알려진 많은 창업자들도, 실은 여러 라운드의 지분 희석, 청산우선권(liquidation preference), 세금 등을 다 떼고 나면 실제로 얻는 돈은 생각보다 훨씬 적다.” 제가 직접 본 실제 사례 수치를 보세요: “9자리 매각(수억 달러 규모)”이라 해도 → 투자자 몫이 65% 남은 35%를 창업자·임직원 주식보상(ESOP)으로 나눔 세금 후 창업자 한 명당 400만~600만 달러 수준 이 모든 데 10년 이상 소요 끝없는 이사회, 자금 조달 통제권과 자율성 상실 한편, “미들 패스(middle path)”를 걷는 창업자들은: 지분 대부분을 보유 자신이 원하는 방식으로 흑자 기업을 키움 10명 미만의 소규모 팀 스스로 엑싯 시점을 선택 모든 과정에서 주도권 유지 인생 바꿀 만큼의 돈을 가지고 떠남 팀 페리스(Tim Ferriss)가 말했듯이: “질문은 ‘어떻게 10억 달러짜리 회사를 만들지?’가 아니라, ‘내가 원하는 라이프스타일을 가능케 해줄 회사는 어떤 모습인가?’이다.” 여기서 섹션 1202의 QSBS(Qualified Small Business Stock) 세제 혜택이 숨은 슈퍼파워입니다. 적격 주식을 5년 이상 보유하면, 최대 1,000만 달러(또는 투자 원금의 10배)까지 양도소득에 대한 연방 세금이 면제될 수 있습니다. 실제 사례: 어떤 SaaS 창업자는 4.5년 만에 ARR 600만 달러를 달성하고, 5년 차가 될 때까지 기다렸다가 4,200만 달러에 회사를 매각했습니다. 지분 85%를 보유했고 QSBS 요건을 충족했기에, 2,200만 달러 이상을 완전 비과세로 챙겼죠. 스타트업 생태계가 유니콘만 외치다 보니, 창업자들은 이 경로를 못 보고 있습니다. 유명 VC인 David O. Sacks는 다음과 같이 말했습니다: “대부분 창업자에게 2천만~5천만 달러 규모의 엑싯이지만 지분을 많이 유지할 수 있는 것이, 극히 낮은 확률의 유니콘 엑싯을 노려 소수 지분만 갖는 것보다 훨씬 낫다.” 인사이트: ARR 500만 달러에 이르렀으나 성장이 정체된다면, 추가 자금을 조달해 더 희석되는 대신 과감히 매각을 모색하라. 첫 엑싯을 이뤄내면, 다음 회사부터는 전혀 다른 게임을 즐길 수 있다. 당신에겐: 직접 투자할 자본 공동 투자자에게 신뢰를 줄 수 있는 명성 시행착오를 줄일 경험 진정으로 대담하게 도전할 수 있는 자유 이제 AI 시대에는 창업자들이 “3천만 달러짜리 엑싯의 85%”를 소유하는 길이 더 매력적일 수 있다. “10년 이상, 커다란 우선주 구조를 감당하며 결국 5%밖에 못 갖는 유니콘”을 쫓는 것보다 훨씬 간단하기도 하다.

앞으로의 전쟁터에서 드론의 모습: https://x.com/AdrianDittmann/status/1860572276371886369

보스턴 다이나믹스 창업자 대담 https://youtu.be/5VnbBCm_ZyQ ‘실패 후 빠른 수정’ 1. 구조적 약점 파악 - 로봇이 넘어지거나 부딪힐 때, 어떤 관절이 부러지는지·어디가 잘 망가지는지 실험으로 확인. 내구성이 부족한 부품이나 설계를 재빨리 찾아서 개선한다. 2. 제어 알고리즘 오류 수정 - 넘어지는 순간의 센서 로그(관절각도, IMU, 모터 토크 등)를 분석해 “왜 갑자기 균형을 잃었는지” 원인을 찾는다. 다음 소프트웨어 업데이트 때 이를 반영해 균형 안정성을 높인다. 3. 실험 데이터 축적 - 다양한 조건(비탈길, 미끄러운 바닥, 외부에서 밀기 등)에서의 실패 사례가 쌓이면, 그만큼 로봇이 “예외 상황”을 배우게 된다. 4. 공개 영상 통한 홍보 & 신뢰 - 단순히 성공 사례만 보여주는 게 아니라, 실패 과정을 투명하게 공개함으로써 “이 로봇이 얼마나 혹독한 테스트를 거쳤는지” 증명하고, 신뢰도도 높아진다. Raibert는 로봇이 복잡한 물리 환경에서 동작하려면, 실패와 충돌 테스트가 불가피하다고 본다. 그는 “실패를 빠르게, 자주 경험해야 빨리 해결책을 찾는다”는 관점으로 접근한다. 예컨대, 4족 로봇이나 Atlas 휴머노이드가 고난도 동작(공중제비, 계단 점프 등)을 시도할 때 수십, 수백 번씩 넘어지거나 고장을 겪는다. 그런데 이 과정을 의도적으로 빈번히 실행하고, 문제 발생 직후 곧바로 원인을 파악하여 부품을 교체·보완하거나 제어 알고리즘을 수정함으로써 단시간 내 내구성과 동작 안정성을 크게 높일 수 있다고 믿는다. - 내구성 강화: 로봇이 자주 넘어진다면, 구조물이 쉽게 망가진다는 뜻이다. 이를 거듭 보완해가면서 관절, 하우징(housing), 센서 보호장치 등 기계적인 부품을 점점 더 견고하게 만든다. - 지속적인 피드백 루프: 한 번 실험할 때마다 센서 로그, 비디오 분석, 엔지니어 관찰 등을 통해 “왜 넘어졌는가?” “어떤 부분이 취약했는가?”를 즉각 피드백한다. 이 정보를 곧바로 소프트웨어 제어와 하드웨어 설계에 반영한다. - 빨리 만들고 부수고 고쳐라: Raibert가 애초에 “금속덩어리를 ‘금고’처럼 모셔두지 말고, 실제 환경에 내던지고 부서지면 고쳐야 진보가 있다”고 말하는 이유다. 1. 언어·시각·추론을 통합해 자율·적응 능력을 높이는 방법 고성능 센서로 다양한 피드백 수집 - 카메라/라이더/초음파 등으로 주변 환경을 실시간 인식. - 로봇 자체 관절각·가속도·토크 센서까지 종합. 운동지능(athletic intelligence) + 인지지능(cognitive intelligence) 결합 - 운동지능: 보행·점프·착지 제어, 에너지 효율 등 기존 강점. - 인지지능: - 언어: 최근 대형 언어모델(LLM) 도입 가능성 연구. - 시각: 객체 인식·3D 매핑·물체 추적. - 추론: 사람 지시나 상황을 해석해, 스스로 다음 동작 결정. 학습 기반 제어 + 전통 제어 혼합 - 예: Atlas의 공중제비나 계단 점프는 ‘모델 예측 제어(MPC) + 강화학습’으로 구현. - 사람이 하듯이 동영상을 보고 동작을 습득하거나, 시연을 반복하여 스스로 모션을 튜닝. 로봇에게 ‘보고 따라하기’ 능력 부여 - 예: 작업자가 어떤 공정을 하는 모습을 비디오로 찍거나 실시간 관찰 → 로봇이 그 과정을 분해·이해 → 유사 작업을 수행할 수 있게 하는 연구. 궁극적으로 시야에 들어온 물체나 지형을 인식 → 필요한 동작을 계획 → 실행 중 끊임없이 재계산 → 언어 명령에 응답 등, 사람이 직관적으로 하는 다양한 사고 과정을 로봇에도 녹이려는 시도다. 휴머노이드 로봇에서의 병목 1. 하드웨어 무게·에너지 밀도 문제 - 이족 보행은 균형 잡기가 훨씬 까다롭고, 관절도 많아 전력 소모가 크다. 배터리가 무거우면 움직임이 둔해지고, 작으면 작동 시간이 짧아진다. 2. 강인한 제어(내구성)와 안전 - 넘어지면 관절이나 센서가 파손되기 쉬우며, 주변 사람에게도 위험. 내구성과 충돌 안전성을 동시에 만족시키기 어려움. 3. 인지/조작 능력 결합 - 인간 수준의 손·팔 조작 능력 구현이 매우 어렵다. 물체 감지, 미세 조작, 힘 조절 등 병목이 많다. 4. 비용 - 정밀 부품 다량 필요, 센서도 비싸고 복잡. 대량생산 체계가 미비해 가격이 높다. 5. 사회적·윤리적 장벽 - 인간형 로봇에 대한 심리적 거부감, 안전·규제 문제, 프라이버시 우려 등도 장애가 된다. Moonshot vs. Stepping Stones: “큰 꿈과 작은 단계” 전략 1. 보스턴 다이나믹스에서의 활용 - 대표 사례: Atlas가 계단을 뛰어오르고, 공중제비를 시도하고, 장애물을 넘는 등의 대담한(문샷) 목표를 세웠으나, 이를 한 번에 완벽 구현하려 하지 않고 **여러 단계**의 프로토타입·실험 영상을 매년 발표. - 예: Atlas가 처음엔 단순 서 있는 것(스텝 스톤1) → 천천히 보행(스텝 스톤2) → 동적 달리기(스텝 스톤3) → 도약·점프(스텝 스톤4) → 고난도 공중 제비(스텝 스톤5) 식으로 **단계별 성공사례**를 공개하면서 기술을 축적. 1. 동기 부여 & 실패 부담 경감: 최종적으로 달성하고픈 큰 그림(문샷)이 있어도, ‘1년 내 작은 기능’만 성공해도 팀이 성과를 체감할 수 있다. 2. 유연한 방향 전환: 매년 혹은 매분기 프로토타입이 나오면, 문제점을 조기에 발견하고 코스 조정이 쉽다. 3. 대중·투자자 설득: 중간에 나온 데모나 영상이 큰 홍보 효과가 되어, 지속적인 관심과 자금을 유치할 수 있다. 엔지니어링이 ‘과학+예술+창조+경제’를 아우르는 최고의 일인 이유 Raibert는 엔지니어를 “과학적 방법론으로 세상을 분석하면서도, 현실에 새로운 것을 창조해내는 예술가”로 본다. - 과학: 자연 법칙(물리, 수학 등)을 근간으로 실험·검증. - 예술: 문제를 아름답고 우아하게 푸는 창의성, 독창적 발상 필요. - 창조: 세상에 없던 제품·기술을 구체화해 실물로 만든다. - 경제: 이렇게 탄생한 제품이나 시스템은 사회·산업에서 가치를 창출해 삶을 변화시킨다. 즉, 엔지니어링은 이 모든 요소가 융합되어 “새로운 세계를 직접 만들어내는 힘”이 있다는 점에서 최고의 보람과 가치를 지닌다는 것이다.

1. 때로는 버크셔가 고용하는 경영자의 능력이나 충성도를 평가할 때도 실수를 저질렀습니다. 충성도가 실망스러울 때 입게 되는 상처는 금전적 충격 수준을 넘어서므로, 그 고통은 결혼 실패의 고통에 가까울 정도입니다. 인사관련 판단에서 내가 할 수 있는 것은 적절한 타율(성공률)이 전부입니다. 실수 정정을 미루는 것, 즉 찰리 멍거가 이야기하는 Thumb Sucking(자기 위안)는 중대한 잘못입니다. 사라지길 바란다고 해서 문제가 사라지지 않는다고 찰리가 내게 말해주곤 했습니다. 아무리 불편해도 문제를 해결하려면 행동이 필요합니다. 2. 경영자의 능력과 충성도는 물론 기업의 잠재력 측면에서도 뜻밖의 기쁨을 느낄 때가 많았습니다. 우리의 경험에 따르면, “하나의 탁월한 결정(single winning decision)”이 시간이 흐르면서 엄청난 변화를 만들어 낼 수 있습니다. (사업 결정으로서의 GEICO, 경영진 결정으로서의 아짓 자인, 그리고 독보적인 파트너이자 개인적 조언자이면서 변함없는 친구가 되어준 찰리 멍거를 만난 제 행운을 떠올려보면 됩니다.) 실수는 점차 희미해지고, “승자”는 영원히 꽃을 피울 수 있습니다. https://www.scribd.com/document/831392000/Buffett-Letter-Full#download&from_embed

버크셔 해서웨이 2024년 주주 서한 전문 번역(이건 님) https://buffettclub.co.kr/article-20250227/

https://youtu.be/AzuReZFeM_s 부는 사람을 돕는데 사용하는 것

최근 '대치맘 패러디'가 일종의 화제가 되고 있다. 한 개그맨이 대치동 엄마의 삶을 패러디한 영상을 올린 것인데, 논란은 다른 것보다 주로 '패션'에 맞춰지고 있다. 첫 영상에서는 전형적인 대치맘의 패션으로 수백 만원에 이르는 몽클레어 패딩을 입고 샤넬 가방을 들고 나온 게 논란이 되었고, 이에 따라 중고거래에 '몽클레어 패딩'이 1000건 넘게 매물로 쏟아져 나왔다고 한다. 이후 영상에서는 밍크퍼 조끼랑 고야드 가방이 나왔다고 하는데, 사실 나는 무엇인지도 모르는 것들이다. 그러나 이렇게 패러디로 등장하는 패션 아이템들이 갑자기 사람들의 거부 대상이 되면서, 입거나 들고 다니기 창피해지는 '무언가'가 되고 있다는 게 이 현상의 핵심을 이루고 있다. 개인적으로는 상당히 흥미로운 현상이라고 생각한다. 어떤 패션은 그 값비쌈 때문에 경쟁적으로 유행한다. 옷, 가방, 자동차, 각종 명품 등에는 "내가 이 정도는 살 수 있는 사람이야"라는 자부심이 덧입혀지고, 사람들은 그런 것들을 갖고 있는 자기 자신을 바라봐주는 어떤 '가상의 시선'에서 만족감을 느낀다. 그런데 흥미로운 건 이런 가상의 시선이 '노골적'이 되는 순간, 거기에서 오던 만족감은 사라지고, 일종의 혐오감이 남아버린다는 점이다. '수백만원짜리 패딩을 일상적으로 입고다닐 수 있는 나'라는 이미지는 노골적이지 않고, 은근한 과시를 통해 잔잔하게 나를 감싸고 있는 '분위기'일 때만 내게 뿌듯함과 우월감, 자존감을 준다. 그러나 이제는 모두가 돈자랑하기 위해 똑같은 걸 입는다는 인식이 퍼지는 바로 그 순간, 내게 자부심을 주었던 그 대상은 '극혐'의 대상이 된다. 내 이미지 자체가 일종의 자기 혐오적 대상이 되는 것이다. 그런데 이는 잘 들여다보면, 그것이 무엇이든 그 명품으로 자존감을 얻고 있던 '나라는 인간' 자체를 사실은 내가 진정으로 사랑하지 않고 있었다는 사실에 대한 폭로가 아닐까? 내가 나를 바라봐주고 있다고 믿었던 그 '타인의 시선'도 사실은 공허한 '헛것'에 불과했다는 폭로는 아닐까? 사실, 나는 그것보다 더 가치있는 존재이고 싶었지만, 그러지 못해서 스스로 가치있는 존재라고 믿는 '치장'에 빠져 있었다는 것을 알려주는 '결정적 순간'이 아닐까? 만약 내가 내 삶을 온전히 사랑하고 있었다면, 그것이 누군가에 의해 '재현'되었다고 해서 곧바로 '혐오'하게 될 리는 없다. 가령, 내가 매일 진심으로 도자기를 빚으며 사는 장인으로 살고 있었는데, 누군가가 그 모습을 패러디했다고 해서 자기의 라이프스타일이 혐오스러워지지는 않을 것이다. 내가 진심으로 자연을 사랑해서 등산하고 함께하는 사람들과 보내는 산에서의 시간을 진심으로 사랑한다면, 그것이 패러디 되었다고 해서 내일부터 산에 안 가지는 않을 것이다. 내가 욕망하던 그것이 제3의 시선으로 재현되며 패러디되었다는 사실만으로 '혐오스러워' 진다면, 사실 나는 내가 아닌 것을 좇고 있었던 것이다. 애초에 그것이 내가 아니었다는 사실, 내 것도 아니었고, 내 삶도 아니었으며, 그저 허영에 불과했다는 사실의 폭로 앞에 혐오 말고는 느낄 게 없는 것이다. 반면, 자기 삶을 진정으로 좋아한 사람은 삶이 희화화 되었을 때, 웃음을 터뜨릴 것이다. 맞아, 그게 내 삶이야, 우리네 삶이지, 나는 이 웃긴 삶을 사랑하고 있어, 라고 말할 것이다. 누군가에게 그 삶은 터무니 없는 짓을 하며 밤을 새는 청춘의 새벽일 수 있고, 누군가에게는 하루 종일 아이와 함께 땅을 파거나 개미를 쫓아다는 일일 수 있고, 누군가에게는 자연인으로 살거나 실개천 곁을 달리는 삶일 수도 있고, 마을에 모여 엉덩이를 덩실대며 춤추는 오후일 수도 있다. 무엇이든 우리가 삶을 진실로 사랑한다면, 재현은 부끄럽지 않다. 오히려 재현은 깔깔대며 웃을 수 있는 일이 된다. 삶에 대한 사랑이나 혐오는 그렇게 폭로된다. 정지우님

30대 백수가 AI를 활용하여 중국에서 제작한 제모기를 소싱해서 판매하는 사업을 시작한 경험을 공유 해외에서 남성용 제모기 시장이 성장 중이라는 영상을 보고, 국내 시장을 조사 국내에는 남성 전용 제모기 개념이 부족하다는 것을 발견하고, AI 서비스들의 도움을 받아 제품 개발을 결심 제품 개발 과정 AI에게 남성용 제모기 제작 방법을 문의하였고, 제품 소싱과 제조에 대한 조언을 받음 Made-in-China라는 중국 도매 사이트에서 다양한 제품을 비교하고, 테무에서 샘플을 주문하여 직접 사용해 봄 나중에 안 사실인데 도매업자들한테 샘플을 보내달라고 하면 보내줌 사용성, 디자인, 방수 기능 등을 고려하여 최적의 제품을 선택 실제로는 상품소개만 보고 평점이 가장 낮았던 물건이 훨씬 품질이 좋아서 최종 선택 브랜드명 '클링턴'을 정하고, 로고와 패키지 디자인을 AI를 활용하여 제작 ideogram 으로 외부 패키지 디자인 Flair 로 사진작가가 찍은 것 같은 제품 이미지 생성 제품 상세 페이지 제작도 AI의 도움으로 해결 Wechat 에서 한국어-중국어 자동 번역이 되니까 이걸로 제조사와 소통 MOQ(최소 주문 수량), FOB(물건을 중국내륙에서 항구까지만 제조사가 책임을 짐), CIF(내의 항구에 도착할때까지 책임을 지는거) 가 뭔지도 배움 GPT가 포워더 비용을 포함해 500개의 제품을 보내는 비용을 대략적으로 알려줌 제조사와의 대화내용을 통채로 집어넣고 모르겠는 부분을 물어보기도 함 최신 정보를 위해 Perplexity 도 이용. 통관절차,배터리 규제, 안전인증,선하증권,사업송장 등에 대해 배움 제품 출시 및 판매 약 두 달 만에 제품 런칭에 필요한 모든 준비를 마치고, 제품을 출시 브랜드명이 외국 대통령과 겹쳐 검색 노출에 어려움을 겪었으며, 광고비 부족으로 마케팅에 한계를 느낌 현재는 업무 정리 툴을 활용하여 할 수 있는 것들을 배우며 개선해 나가는 중 AI 시대에 개인이 높은 생산성을 갖출 수 있음을 체감하였으며, 이러한 경험이 다른 분들께도 영감이 되길 바람 앞으로 AI를 활용한 광고 방법 등을 배워 다시 공유할 예정 https://www.clien.net/service/board/use/18923002

지능의 가치가 0으로 수렴할 수록 Agency(의지, 삶의 목적성 등)이 더 중요해진다. https://x.com/karpathy/status/1894099637218545984 Agency > Intelligence 나는 수십 년 동안 이것을 직관적으로 잘못 이해하고 있었다. 아마도 지능에 대한 만연한 문화적 숭배, 다양한 엔터테인먼트/미디어, IQ에 대한 집착 등이 원인이었던 것 같다. 에이전시(Agency)는 훨씬 더 강력하고 훨씬 더 희소하다. 우리는 에이전시를 기준으로 사람을 뽑고 있는가? 에이전시를 길러내는 교육을 하고 있는가? 우리는 마치 10배 더 높은 에이전시를 가진 것처럼 행동하고 있는가? Grok의 설명이 대략 근접함: “성격적 특질로서의 에이전시(Agency)란, 개인이 주도권을 갖고 결정을 내리며 자신의 행동과 환경에 영향력을 행사할 수 있는 능력을 말한다. 반응적이기보다는 능동적인 상태를 가리킨다. 에이전시가 높은 사람은 단지 삶이 그들에게 일어나도록 두지 않고, 스스로 삶을 만들어간다. 자아효능감(self-efficacy), 결단력, 그리고 자신의 길에 대한 책임감이 결합된 것으로 생각할 수 있다. 에이전시가 강한 사람들은 목표를 설정하고 장애물이 있어도 자신 있게 달성하려고 노력한다. 이들은 “내가 어떻게든 해낼 거야”라고 말하고 실제로 그렇게 한다. 반면 에이전시가 낮은 사람은 자신의 인생에서 그저 승객처럼 느끼며, 운이나 타인, 혹은 환경이 이끄는 대로 움직인다. 이것은 자신감이나 야망과 완전히 동일한 개념은 아니지만, 어느 정도 겹치는 부분도 있다. 에이전시는 보다 조용하고 내면적이다—‘행동할 수 있다’는 믿음과, 그것을 실제로 실행해 옮기는 의지가 결합된 것이다. 심리학자들은 이를 종종 통제 소재(locus of control) 개념과 연관 지어 설명한다. 에이전시가 높은 사람들은 내부 통제 소재(자신이 운명을 결정한다고 믿는 성향)를 가지고 있는 반면, 에이전시가 낮은 사람들은 외부 통제 소재(삶이 자신에게 ‘일어나는’ 것이라고 보는 경향)를 가질 수 있다.”

Agent는 결국 Voice와 결합되야 CX서비스를 바꿀 수 있음. 오늘, Decagon Voice 출시 소식을 전하게 되어 정말 기쁩니다! 당사의 엔터프라이즈급 AI 음성 에이전트는 실제 통화처럼 생생한 고객 대화를 제공하며, 지금까지 저희의 성공을 이끌어온 동일한 “두뇌” 위에서 구동됩니다. 이는 고객 경험(Customer Experience)을 위한 에이전트형(agentic) 미래를 향해 나아가는 중대한 이정표입니다. 또한, AI 오디오 분야의 선두주자인 ElevenLabs와 함께 Decagon AI Voice Agents를 출시하기 위한 파트너십을 발표하게 되었습니다. 저희 고객사 입장에서는, 모든 고객 접촉 기회가 가치를 제공하고 충성도를 높일 기회가 됩니다. 고객들은 긴 대기 시간이나 복잡한 전화 안내 없이, 빠르고 매끄러운 지원을 기대하죠. 저희는 이러한 경험을 채팅과 이메일에서 이미 구현했으며, 이제 동일한 수준의 고객 경험을 음성으로까지 확장합니다. ElevenLabs의 놀라울 정도로 자연스럽고 표현력이 풍부한 음성 모델과 Decagon의 에이전트형 AI 플랫폼이 결합되어, 전화 지원이 실시간 채팅만큼 매끄럽고 신뢰할 만하며 효율적으로 제공됩니다. 저희 음성 에이전트가 실제로 어떻게 작동하는지 데모를 원하시면 언제든 DM(쪽지) 보내주세요. 기꺼이 소개해 드리고 싶습니다.

Pivot points on your life School -Brand or not -What you study Spouse -Who you marry -Age when marry -Kids # & health Work -Platform or not -Scale or not -Founder or not Family & friends -Clicks of friends -Problems or not (money, health, drugs etc) Health -Self explanatory Spirituality -There is a G*d shaped hole in everyone, what you fill it with matters Location - Spouse - Work - Family & friends

5가지 부(富) 정의: 사힐 블룸(Sahil Bloom)은 ‘부’를 단순히 돈이 아니라 △시간(시간을 통제하고 의미 있게 활용할 수 있는 능력) △사회적 부(가족·친구 등 관계의 질) △정신적 부(호기심·학습·삶의 목적 등 내적 풍요) △신체적 부(건강과 활력) △재정적 부(경제적 안정과 선택권)라는 다섯 축으로 확장해 설명한다. 오로지 돈에 매달리는 함정: ‘돈만 많으면 행복해진다’는 착각(도착의 오류)에 빠지면 영원히 만족하지 못한다. 재정적 부는 삶의 한 요소일 뿐, 그것만으로는 진정한 충족감을 주지 못한다고 블룸은 말한다. 균형의 중요성: 재정적 부가 안정과 기회를 제공하는 기반이라면, 시간·관계·정신·신체의 부는 삶을 실질적으로 풍요롭게 하는 핵심 요인이다. 결국 다섯 영역을 조화롭게 발전시켜야 의미 있는 행복을 누릴 수 있다. 주요 사례 부모님과의 남은 횟수 계산: 블룸은 1년에 한 번씩만 부모를 뵙는 생활을 하던 중 “앞으로 부모님을 고작 15번 정도밖에 못 본다”는 친구의 말에 큰 충격을 받고 삶의 우선순위를 재설정한다. 거주지 이전과 전환: 충격 이후 그는 불과 45일 만에 서부에서 동부로 이사해 부모님과의 시간을 획기적으로 늘렸고, 커리어도 재조정했다. 이를 통해 “돈이 전부가 아니다”라는 사실을 뼈저리게 깨닫고 다섯 가지 부의 균형을 추구하기 시작한다. 다섯 가지 부 요약 시간의 부: 하루 24시간을 가치 있게 쓸 자유와 주도권. 무엇을 위해 시간을 쓰는지 의식적으로 선택하고 불필요한 활동을 줄여야 한다. 사회적 부: 사람들과의 건강한 관계망. 주변에 어떤 인맥·가족·친구를 두느냐가 삶의 질과 성장을 좌우한다. 관계의 질을 높이려면 ‘관계 지도’를 그려 우선순위를 명확히 하고, 부정적 관계엔 거리를 두는 것이 중요하다. 정신적 부: 호기심·학습·자기계발·삶의 목적의식 등 내적 풍요. 끊임없이 배우고 성장하며, 나만의 ‘이키가이(ikigai)’를 찾아야 한다. 신체적 부: 건강과 활력. 꾸준한 운동·식습관·수면이 핵심이며, ‘80세에도 춤출 수 있을까?’라는 질문으로 미래 건강을 자각하라고 조언한다. 재정적 부: 경제적 안정과 선택권. 삶에 필수적이지만, 끝없이 추구하면 함정에 빠지기 쉽다. ‘얼마면 충분한지’를 정의하고, 돈을 다른 부를 실현하는 도구로 삼아야 한다. 실생활 적용 자신의 삶 진단: 다섯 영역(시간·관계·정신·신체·재정) 각각을 점검해 어느 부분이 부족한지 확인한다. 작은 변화 시작: 예) 시간의 부를 위해 퇴근 후 30분 휴대폰 끄기, 사회적 부를 위해 매주 한 사람에게 안부 전화하기, 정신적 부를 위해 매일 책 10페이지 읽기, 신체적 부를 위해 주 3회 걷기, 재정적 부를 위해 월급 10% 저축하기 등. 나만의 ‘충분함(enough)’ 설정: 남과 비교하지 말고, 내 삶에 필요한 수준을 구체적으로 생각해 ‘돈의 덫’에 빠지지 않는다. 인생의 계절에 맞춘 균형: 20~30대에는 재정 기반 다지기에, 40대 이후엔 건강·가족·관계 등에 더 집중하는 식으로 유연하게 조정한다. 삶에서 진정 중요한 것은 결국 다섯 가지 부를 조화롭게 가꾸는 일이다. 재정적 부만 좇으면 영원히 부족감을 느끼기 쉽고, 반대로 재정이 전혀 없으면 다른 부를 누리기 어렵다. 각자에게 의미 있는 ‘부의 포트폴리오’를 설계해, 돈·시간·관계·마음·건강을 균형 있게 발전시키는 것이 결국 행복과 성취로 가는 길이라는 점을 블룸은 강조한다. https://www.amazon.com/Types-Wealth-Transformative-Guide-Design-ebook/dp/B0D38TNQ68/ref=tmm_kin_swatch_0

해외에선 벌써 프로덕트를 만드는 포지션이 변화하고 있네요. 전통적인 백엔드, 프론트엔드, 마케터, PM 직무에 머물러 계시는 것은 위험할 수 있는 것 같습니다. ➡️ 프론트엔드 개발자 → 프로덕트 엔지니어 - AI를 활용한 유저 리서치, 고객 피드백 정리 등으로 어떤 기능을 만들어야 할 지에 대해서 고객과 접점을 가지고 파악해 가는 엔지니어 ➡️ ML 엔지니어, ML Ops, 백엔드 개발자 → AI 엔지니어 - AI, Cursor 등을 잘 활용하여 프로덕트의 AI 기능을 백엔드의 일부로 개발하는 엔지니어 ➡️ PO/PM → 엔지니어링 PM - 고객과 접점을 가지고, 어떤 기능을 만들어야 할지 파악하는 것 뿐만 아니라, 최소한의 MVP 기능을 AI를 활용해 디자인하고, 개발까지 하여 배포할 수 있는 PM ➡️ 마케터 → 엔지니어링 마케터 - 마케팅 캠페인의 기획 및 실행을 하는 것을 넘어서, AI 에이전트를 활용해서 마케팅 캠페인의 기획/실행/최적화를 백엔드 앱을 만들어 자동화 하는 역할 ➡️ 디자이너 - 엔지니어링 디자이너 - 기존 프로덕트 디자이너가 하던 어떤 기능을 만들어야 하는 가 - 에 대한 답을 PM과 함께 찾고, 이를 디자인으로 실현하는 역할에서, MVP 기능까지 AI를 활용해 만들어 낼 수 있는 디자이너 결국 대부분의 프로덕트 직무들은 AI를 활용해서, 나와 협업하던 다른 동료들이 해 주던 것을 할 수 있게 되는 것 같아요. 다만, 본인만이 더 깊은 지식을 가지고 있는 분야가 있어서 팀에 기여하게 될 것 같습니다. 예를 들어 프로덕트 엔지니어는 PM에게 유저 리서치에 조언을 얻고, 엔지니어링 디자이너는 AI 엔지니어로부터 백엔드 앱 개발의 도움을 얻는 거죠. 시니어 5명 (엔지니어링 PM, 프로덕트 엔지니어, AI 엔지니어, 엔지니어링 디자이너, 엔지니어링 마케터) 가 모여서 일을 하는데, 서로 서로에게 쥬니어 역할을 해 주는 것이 됩니다. 서로의 영역이 겹치는 만큼 더 커뮤니케이션은 타이트하게 일어나게 되고, 더 좋은 성과를 낼 수 있게 되는 것 같습니다. 아직은 각 분야의 전문가들이 자신 분야에서 가장 중요한 일에 AI의 도움을 받는 것이 쉽지가 않습니다. 그래서, 아직 AI 활용하는 비율이 체감상 전체 경제활동 인구의 10%도 되지 않는 것 같고요. 하지만, 이런 내가 못하는 분야에서 AI의 도움을 받는 것은 체감하는 가치가 훨-씬 큽니다. 즉, 내가 못하던 분야로 내 업무를 확장하는 것이 더 빠르게 사람들에게 가치를 전달할 수 있기에 더 빠르게 도입하는 패턴이 될 수도 있을 것 같아요 레브잇이라는 회사에서 이전에 Problem Solver라고 모든 직무를 하나로 통일하고, 스마트하면서 각자의 전문 분야가 있는 사람들이 모여서 팀을 구성하는 조직을 지향했던 것으로 알고 있습니다. AI 시대에는 정말 이런 조직이 가능해지는 것 같습니다. 결국 회사의 AX (AI 직무 전환) 담당자들은 이러한 업무 영역의 확장을 임직원들에게 가이드하고 성공 사례를 만들고 해야 하는 것 같습니다. 하지만, AX 직무 전환은 임직원들이 원래 일하던 관성을 이겨내고 새로운 일하는 패턴을 만들어야 하는 것이라, 단발성 챗GPT 교육이라던가, 2-3주의 집체 교육으로는 사실상 어렵습니다. 그럼에도 불구하고, 그 분들도 매년 더 나아지는 업무 성과를 내야 하기 때문에 교육 수료 임직원 수 같은 단기적인 지표에 매몰될 수 밖에 없는 것 같고요. 그런 이유로, 결국 저런 새로운 포지션이 생기고, 새로운 방식으로 일을 시작하고, 이전 회사의 업무 방식 대비 10x, 50x 성과를 더 내는 것은 스타트업에서 시작될 수 밖에 없는 것 같아요. 새로운 조직과 직무로 AI 에 미쳐있는 사람들이 함께 모여 일하면서, 고객이 정말 원하는 문제를 푸는 프로덕트를 만들기 시작하면, 다른 회사들이 그 성공 사례를 보면서 직무의 변화도 도입하고 하면서 전체 사회가 AI 시대의 새로운 직무로 천천히 적응해 갈 것 같습니다. 지피터스에서도 이런 AI를 활용하는 직무의 유연한 확장 -- 을 시험해 보려 합니다. 그래서 백엔드 개발자도 AI 엔지니어링까지 하고 싶은 분을 채용하고, PM, 마케터는 n8n, Streamlit 등으로 직접 자동화까지 해 볼 수 있는 분을 채용하려 합니다 (관심 있는 분들은 "지피터스 채용"으로 검색해주세요). 이런 시도가 어떻게 되는지 계속 SNS 얘기 올리겠습니다. PS. 첨부된 이미지는 Stack (@_StacksAI) 이라는 회사의 채용 공고를 스크린캡쳐한 것입니다. https://www.linkedin.com/posts/tae-hyun-kim_%ED%95%B4%EC%99%B8%EC%97%90%EC%84%A0-%EB%B2%8C%EC%8D%A8-%ED%94%84%EB%A1%9C%EB%8D%95%ED%8A%B8%EB%A5%BC-%EB%A7%8C%EB%93%9C%EB%8A%94-%ED%8F%AC%EC%A7%80%EC%85%98%EC%9D%B4-%EB%B3%80%ED%99%94%ED%95%98%EA%B3%A0-%EC%9E%88%EB%84%A4%EC%9A%94-%EC%A0%84%ED%86%B5%EC%A0%81%EC%9D%B8-%EB%B0%B1%EC%97%94%EB%93%9C-activity-7298979355634847744-fROv

트럼프 지금 우리가 가진 에너지의 두 배가 필요, 기업은 AI를 위해 더 많은 전기가 필요합니다. 기업들이 들어오고 있고, 그들은 전기를 필요로 합니다 우리는 인공지능 회사들이 자체 발전소를 갖도록 할 것이다 어제 애플 CEO 팀 쿡을 만났습니다. 애플은 관세 때문에 멕시코가 아닌 미국에 공장을 짓겠다고 합니다. 많은 칩 제조업체들이 들어올 것입니다. 나는 곧 상호 관세를 부과할 것이다. 시진핑 중국 국가주석과 펜타닐에 대해 대화를 나눴다 우리는 불법 마약 사용을 50% 줄일 수 있다. 4월 2일 자동차에 대한 25% 관세를 반복한다. EU는 지금 매우 친절하게 대하고 있고, 저는 장벽을 낮추고 싶습니다. 우크라이나-러시아 평화 협정을 타결할 기회가 있다고 생각한다 중동에 좋은 소식이 있을 것입니다 우크라이나와의 광물 거래에 대해: 꽤 가깝습니다. 빅테크가 싫어하는 디지털 세금에 대응하기 위해 관세를 고려하기 위한 메모에 서명 (일부 국가가 미국 기술 대기업에 부과하는 디지털 서비스 세금에 대응하여 부과금을 허용하는 각서에 서명할 것으로 예상되며, 이는 글로벌 문제 해결을 목표로 하는 관세 전쟁을 확대하는 최신 조치) CFIU가 중국 투자를 제한하도록 하는 각서에 서명 젤렌스키 우크라이나 대통령: 우크라이나와 미국 팀이 합의문 초안을 준비하고 있습니다.

예상 트럼프 시나리오 1. 우크라이나 희토류 자원 50% get -> 러우 전쟁 러시아 압박해서 종전 -> 중국 희토류 의존도 낮춰 중국 압박 2. 우크라이나 압박해서 러우 전쟁을 현재 점령지역 기준 국경 재편 및 종전 -> 러시아에 종전 해결 대가로 점령 우크라이나 영토 내 희토류 공급 제안 -> 중국 희토류 의존도 낮춰 중국 압박 결론: 중국 본격적으로 압박하기 위해서는 중국 희토류 의존도를 낮춰야하는 거고 이를 위해서 우크라이나 영토 내 희토류를 어떻게든 가져가야할 것

• 공동 연구·개발을 원하는 사람들을 초대하며, 향후 혁신적 휴머노이드 로봇 도입을 가속화하고자 함 https://www.figure.ai/news/helix

1. Helix 개요 1. 프로젝트 목표 • 가정 환경처럼 수많은 종류의 물건, 예측 불가능한 환경에서의 로봇 활용성 극대화 • 하나의 모델(뉴럴 네트워크)로 다양한 동작을 즉석에서 생성하고 실행할 수 있도록 함 • 자연어 지시만으로 새로운 객체나 작업을 바로 수행할 수 있는 로봇을 구현 2. 핵심 성과 (시리즈 최초 기록) • 전신(상반신) 제어: 팔, 손목, 손가락, 허리(토르소), 머리까지 전부 포함한 고차원(35 DoF) 동작을 실시간(200Hz)으로 제어 • 다중 로봇 협업: 단 하나의 뉴럴 네트워크 가중치를 공유하여, 두 대의 휴머노이드가 동시에 협업 작업을 수행 • 초고범용 픽업: 작은 생활용품은 종류에 상관없이 “집어 올리기(Pick up the X)” 지시로 대부분 처리 가능 • 단일 뉴럴 네트워크: 여러 작업(픽업, 서랍/냉장고 열기/닫기, 로봇 간 협업 등)을 하나의 모델로 처리 (작업별 파인튜닝 불필요) • 상용화 준비 완료: 임베디드 저전력 GPU 상에서 완전한 온디바이스(Inference) 구동 가능 3. 의미 • 가정용 로봇이 필요한 ‘광범위하고 복잡한 작업’을 단시간에 학습하고 수행하도록 하는 토대를 마련 • 언어 기반 지시(“무엇을 어떻게 해라”)를 통해, 시각-언어 모델(VLM)로부터 축적된 일반 지식(common sense)을 로봇 제어에 직접 연결 2. 로봇 분야의 스케일링 문제 1. 가정 환경의 복잡성 • 물체가 다양하고(색상, 형태, 재질 등), 환경 구조도 예측하기 어렵기 때문에 기존 산업용 로봇 수준의 규칙기반(Heuristic) 접근으로는 한계 • 작업별로 많은 시범(데이터)이나 전문가 프로그래밍이 필요한 기존 방식은 매우 비효율적 2. Vision-Language 모델의 적용 필요성 • 인지(시각) + 언어 + 동작을 통합하는 형태로 접근하면, 대규모 인터넷 데이터로부터 학습된 일반지식을 활용해 새로운 동작을 즉석에서 생성 가능 • 핵심 과제: 기존 VLM(느리지만 범용)과 로봇 전용 정책(빠르지만 범용성 낮음) 간의 속도·적응성 간극을 어떻게 해소할 것인가 3. Helix의 주요 아이디어: “System 1, System 2” 분리 Helix는 느린 사고(고수준 이해)와 빠른 반응(저수준 제어)을 분리해 서로 다른 시간 해상도로 동작하게 만드는 VLA(Vision-Language-Action) 방식이다. 1. System 2 (S2) • 시각·언어 이해를 담당하는 VLM(7B 파라미터) • 약 7~9Hz로 실행되면서, 카메라 이미지·로봇 상태·자연어 명령을 분석하고, **‘무엇을 해야 하는지’**를 추상 벡터(잠재 표현)에 담아 전달 • 풍부한 개념 이해(대형 사전 학습 VLM)를 통해 객체나 명령을 일반화 2. System 1 (S1) • 고속 제어를 담당하는 Visuomotor 정책(약 80M 파라미터) • 200Hz로 구동되어, 실제 로봇 관절·손가락·허리·머리 등의 미세 제어 실행 • S2에서 전달된 ‘잠재 표현’을 받아, 해당 작업을 실시간으로 세밀하게 조정하며 수행 • 시각 입력(카메라), 로봇 상태(관절 위치 등)를 직접 빠르게 처리해 즉각적인 오차나 환경 변화에 대응 3. 장점 • 속도와 범용성 동시 확보: VLM 기반의 풍부한 개념 이해(S2) + 실시간 제어(S1) • 확장성: 고차원(35 DoF) 제어를 직접 연속적으로 출력 (기존 VLA가 사용하던 토큰화된 저차원 동작과 달리) • 모듈 분리의 이점: S2와 S1을 독립적으로 개선 가능 (설계·학습·최적화 편의) 4. 모델 및 학습 상세 1. 데이터 (약 500시간) • 여러 로봇, 여러 오퍼레이터가 원격(텔레오퍼레이션)으로 다양한 작업 수행 후 수집 • 자동 라벨링: 수행된 동작의 비디오를 VLM에 입력해 “이 동작을 수행하기 위해 로봇에게 어떤 명령을 주면 될까?” 식의 역질문(Hindsight instruction) 생성 • 학습 시 사용한 아이템들은 평가(테스트)에서 제외해 새로운 물체에 대한 일반화 성능을 확인 2. 아키텍처 • S2(VLM): 7B 파라미터, 인터넷 사전학습 기반 • 카메라 이미지, 로봇 상태, 자연어 명령 → 시각·언어 임베딩 공간에서 처리 → 잠재 벡터 출력 • S1(Visuomotor Transformer): 80M 파라미터 • S2의 잠재 벡터를 받아서, 고주파(200Hz)로 로봇 행동(손가락, 팔, 허리, 머리, 작업 진행률 예측 등)을 출력 • 자체 시각 백본(Convolution + Transformer) 보유 • 전부 엔드투엔드로 학습: S1이 내는 행동(continuous control)에 대한 손실을 역전파하여 S2에도 업데이트 3. 학습 접근 • 일반적인 회귀(Regression) 방식으로 픽셀·텍스트 → 로봇 관절 제어를 직접 예측 • S2와 S1 간에는 ‘잠재 벡터’를 공유하며, 이 벡터를 통해 언어·시각 정보가 S1에 전달 • 실제 배치 환경을 반영하기 위해, S2와 S1의 시간 지연(Offset)을 인위적으로 추가 후 학습 → 실제 배포 시 지연과 동일하게 맞춤 4. 추론(실행) 방식 • 로봇에 장착된 저전력 GPU 두 대가 각각 S2와 S1을 담당 • S2(느린 처리)는 비동기적으로 최신 카메라 이미지·상태·명령을 받아 ‘잠재 벡터’를 갱신 • S1(실시간 처리)은 200Hz로 돌면서, 가장 최근 S2 벡터와 센서 정보를 결합해 연속 제어 신호를 출력 • 이 구조 덕분에 모델 속도 제약 최소화 + 실시간 반응이 가능 5. 실험 결과 1. 전신(상반신) 고차원 제어 • 35-DoF를 200Hz로 동시 제어하며, 머리/허리를 움직여 시야와 작업 범위를 조절하고, 손가락을 정밀하게 제어해 다양한 물체를 쥐는 모습 확인 (Video 3) • 기존에는 특정 작업에 특화된 정책조차 고차원 제어가 어렵다고 여겨졌으나, Helix는 다양한 작업을 단일 정책으로 처리 가능 2. 다중 로봇 협업 • 동일한 Helix 모델(가중치 동일)을 2대의 로봇이 구동 • “오른쪽 로봇에게 과자봉지를 건네라” → “왼쪽 로봇에게 받은 과자봉지를 서랍에 넣어라” 같은 연속 명령을 수행 (Video 1, Video 4) • 아이템 자체도 훈련에서 본 적 없는 미지의 물건 사용. 그럼에도 성공적으로 역할 분담, 동작 협업 수행 3. ‘Pick up anything’ 제어 • “Pick up the [X]” 형태의 지시로, 수천 가지에 달하는 가정용 물건(컵, 의류, 장난감, 공구 등)을 안정적으로 집어 올림 (Video 5) • 예: “Pick up the desert item” → S2가 ‘사막과 관련된 물체=선인장 모양 장난감’으로 추론, S1이 그 위치와 모양에 맞게 정확히 집어 듦 • 언어 의미 해석 + 실제 로봇 동작의 연결성을 입증 4. 학습 효율 • 약 500시간 수준의 높은 품질 데이터로도, 기존 대규모 VLA 대비 뛰어난 범용성 달성 (수집량이 5% 미만인 셈) • 복잡한 훈련 스테이지나 작업별 전문가 코딩 없이, 단일 학습으로 전부 통합 5. 단일 가중치 • 여러 동작(집기, 옮기기, 서랍·냉장고 열고 닫기, 로봇 간 물건 주고받기) 등을 모두 하나의 모델로 처리 • 중간에 ‘전환(head)’를 추가하거나 ‘파인튜닝’할 필요 없이, 통합 모델이 다양한 작업에 즉석 대응 6. 결론 및 미래 전망 1. 의의 • Helix는 최초로 자연어 → 시각 분석 → 휴머노이드 전신 제어를 엔드투엔드로 연결한 VLA 모델 • 특히 가정용 로봇이 필요로 하는 장기(manipulation) 작업 + 협업 + 범용성을 단일 모델로 구현 • 재훈련 없이, 새로운 물건도 명령 한 줄로 바로 다룰 수 있는 점이 큰 도약 2. 한계 및 기대 • 현재 결과는 초기 단계지만, 고차원·장기 작업에서의 가능성을 보여줬다는 점에서 매우 고무적 • 향후 데이터 1,000배 규모로 확장 시, 지금보다 훨씬 정교하고 복합적인 작업 수행이 가능할 것으로 전망 • 더 많은 로봇·환경·시나리오로의 확장이 기대됨 3. 마무리 • Helix 같은 범용 휴머노이드 정책은 가정용 로봇 보급에 필수적인 “즉석 학습”과 “범용 동작” 문제를 해결하는 핵심 열쇠

https://x.com/adcock_brett/status/1892577936869327233?s=46&t=h5Byg6Wosg8MJb4pbPSDow 일반적인 로봇 공학 문제를 해결하는 것을 목표로 1년 넘게 이 프로젝트를 진행해 왔습니다. 헬릭스는 사람처럼 말을 이해하고, 문제를 추론하며, 훈련이나 코드 없이도 모든 사물을 파악할 수 있습니다. 테스트 결과, 헬릭스는 거의 모든 가정용 물체를 잡을 수 있었습니다! 휴머노이드 로봇을 위한 새로운 스케일링 수십억 대의 로봇 수준으로 확장하기 위해서는 코딩 방식으로는 불가능하며, 기능의 획기적인 변화가 필요합니다. 가정과 같은 역동적인 환경에서 성공하려면 로봇이 온디맨드 일반화를 수행할 수 있어야 합니다. 오늘은 두 대의 휴머노이드 로봇이 협동으로 식료품 보관 작업을 수행하는 모습을 보여드리겠습니다. 헬릭스 신경망 가중치의 단일 세트가 두 대의 로봇에서 동시에 실행됩니다. 그런 다음 두 로봇이 함께 협력하여 이전에 본 적이 없는 식료품을 정리합니다. 헬릭스는 200Hz에서 35-DoF 액션 공간을 조정합니다. 개별 손가락 움직임부터 엔드 이펙터 궤적, 머리 시선, 몸통 자세까지 모든 것을 제어할 수 있습니다! 정말 흥미로운 점은 이 로봇이 이제 일반적으로 모든 가정용품을 집어 올릴 수 있다는 것입니다. 예를 들어 "사막의 아이템을 집어줘"라고 요청했습니다. 헬릭스는 장난감 선인장을 인식하고 가장 가까운 손을 선택한 후 정확한 모터 명령을 실행하여 선인장을 안전하게 잡습니다! 헬릭스는 "시스템 1, 시스템 2"라는 새로운 아키텍처입니다. > 시스템 2는 인터넷으로 사전 학습된 7B 파라미터 VLM(빅 브레인)입니다. > 시스템 1은 80M 파라미터의 시각 모터 정책(빠른 제어)입니다. 각 시스템은 온보드 임베디드 GPU에서 실행되므로 상용 배포에 즉시 사용할 수 있습니다.

Thinking Machines Lab은 인공지능 연구 및 제품 개발 회사입니다. 우리는 모든 사람이 각자의 독특한 필요와 목표에 맞게 AI를 활용할 수 있는 지식과 도구에 접근할 수 있는 미래를 만들어가고 있습니다. 비록 AI 기술은 극적으로 발전했지만, 여전히 중요한 격차가 존재합니다. 최첨단 AI 시스템에 대한 과학계의 이해는 빠르게 발전하는 기술력을 따라가지 못하고 있습니다. 이러한 시스템이 어떻게 학습되는지에 대한 지식은 주요 연구소에 집중되어 있어, AI에 대한 공론과 사람들이 AI를 효과적으로 사용하는 능력을 제한합니다. 게다가, 잠재력에도 불구하고 이들 시스템은 사람들이 자신의 구체적인 필요와 가치에 맞게 맞춤화하기 어렵습니다. 이러한 격차를 해소하기 위해, 우리는 Thinking Machines Lab을 구축하여 AI 시스템이 보다 폭넓게 이해되고, 맞춤형으로 조정 가능하며 전반적으로 유능해지도록 만들고자 합니다. 우리는 ChatGPT와 Character.ai 같은 널리 사용되는 AI 제품, Mistral과 같은 오픈 웨이트 모델, 그리고 PyTorch, OpenAI Gym, Fairseq, Segment Anything과 같은 인기 있는 오픈 소스 프로젝트들을 만들어낸 과학자, 엔지니어, 그리고 제작자들입니다. 과학은 공유할 때 더욱 빛납니다 과학적 진보는 공동의 노력의 결과입니다. 우리는 연구자와 제작자 커뮤니티와 협력함으로써 인류의 AI 이해를 가장 효과적으로 발전시킬 수 있다고 믿습니다. 앞으로 기술 블로그 포스트, 논문, 코드 등을 자주 공개할 계획이며, 우리의 작업을 공유하는 것이 대중에게 이로울 뿐만 아니라 우리 연구 문화 자체를 개선할 것이라고 생각합니다. 모두를 위한 AI 인간과 AI의 협업에 중점을 둡니다. 완전 자율적인 AI 시스템 개발에만 몰두하는 대신, 우리는 사람들과 협력하여 함께 작동하는 멀티모달 시스템 구축에 큰 기대를 걸고 있습니다. 더욱 유연하고, 적응력 있으며, 개인화된 AI 시스템을 추구합니다. 현재의 시스템들이 프로그래밍과 수학 분야에서 뛰어난 성과를 보이는 반면, 우리는 인간의 다양한 전문 지식에 맞춰 적응하고 더 넓은 범위의 응용을 가능하게 하는 AI를 구축하고 있습니다. 튼튼한 기반이 중요합니다 모델 인텔리전스를 초석으로 삼습니다. 인간-AI 협업과 맞춤화에 대한 강조 외에도, 모델 자체의 지능은 매우 중요하며, 우리는 과학과 프로그래밍과 같은 분야에서 최첨단 능력을 갖춘 모델들을 구축하고 있습니다. 궁극적으로 가장 발전된 모델들이 혁신적인 과학적 발견과 엔지니어링 돌파구와 같은 가장 변혁적인 응용과 혜택을 열어줄 것입니다. 인프라 품질을 최우선 과제로 삼습니다. 연구 생산성은 인프라의 신뢰성, 효율성, 사용 용이성에 크게 의존하므로, 단기적인 지름길 대신 장기적으로 생산성과 보안을 극대화할 수 있도록 올바르게 구축하는 것을 목표로 합니다. 고급 멀티모달 기능은 보다 자연스럽고 효율적인 소통, 풍부한 정보 보존, 의도 파악, 그리고 실제 환경과의 깊은 통합을 가능하게 하는 데 필수적입니다. 실행을 통한 학습 연구와 제품의 공동 설계가 중요합니다. 제품은 배포를 통해 반복적 학습을 가능하게 하며, 뛰어난 제품과 연구는 서로를 보완하며 강화합니다. 제품은 현실에 기반을 두게 하고, 가장 영향력 있는 문제를 해결하도록 우리를 이끕니다. 경험적이고 반복적인 AI 안전 접근법 가장 효과적인 안전 조치는 선제적 연구와 신중한 실제 테스트의 결합에서 나옵니다. 우리는 다음과 같은 방식으로 AI 안전에 기여할 계획입니다: 1. 높은 안전 기준을 유지하여 출시된 모델의 오용을 방지하는 동시에 사용자의 자유를 극대화합니다. 2. 안전한 AI 시스템 구축을 위한 모범 사례와 방법론을 업계와 공유합니다. 3. 코드, 데이터셋, 모델 사양을 공유하여 정렬(Alignment)에 관한 외부 연구를 가속화합니다. 현재의 시스템에 대해 개발된 효과적인 레드팀(red-teaming) 및 배포 후 모니터링 같은 방법들이, 앞으로 더 강력한 시스템에도 유용한 통찰력을 제공할 것이라고 믿습니다. 진정으로 중요한 것을 측정합니다 우리는 시스템이 실제 세계에서 어떻게 진정한 가치를 창출하는지 이해하는 데 집중할 것입니다. 가장 중요한 돌파구는 기존의 지표 최적화가 아니라, 우리의 목표를 근본적으로 재고하는 데서 나옵니다. https://thinkingmachines.ai/

게다가, 모든 산업 혹은 개인의 생활을 AI로 업데이트해 나간다는 비즈니스 기회, 이 맛있는 시대에, 이 비즈니스 기회를 포착하여 실현하기 위해서는 AI의 전문가가 필요한 것이고, 전문가뿐만 아니라, AI Savvy나 AI 프렌들리라고 써놨지만, "AI를 사용해서 뭔가 만들어보자"는 마음가짐이 있는 엔지니어에 대한 수요는, 높아질 일방이라고 생각합니다. 그리고 모든 제품은, AI×업계 지식으로 만들어질 것입니다. 따라서 업계에 관한 전문지식이라든가 업무에 관한 지식, 혹은 데이터 그리고 고객 기반에 대한 접근을 가진 인재에 대한 수요도 당연히 높아질 것입니다. 그리고 AI가 지시대로 움직여주는 미래에도, 역시 기점은 인간이라고 생각합니다. 일을 일으키는 의지를 가지고 있다는 것, 무언가에 열중할 수 있는 힘, 욕구를 가지는 것, 욕망을 가지는 것, 이런 것들이 점점 더 중요해지지 않을까요? 일이 점점 더 농밀해질 테니까요. 얕은 일은 전부 컴퓨터에 맡기게 되므로, 저는 이러한 의지, "기점력"이라는 것이 매우 중요해질 것이라고 생각합니다. 한편으로 일본의 교육을 생각하면, 정답을 맞히는 것, 혹은 획일적인 환경에서 획일적인 내용을 학습해 나가는 현상의 교육 시스템이 아직 바뀌지 않았기 때문에, AI 시대에 요구되는 교육으로 대담하게 바꿔나갈 필요가 있다고 생각하고 있습니다. ## AI는 좋은 타이밍. 파도를 잡으면 누구나 주역이 될 수 있다 자, 지금은 좋은 타이밍이라고 말씀드렸는데, 여러분에게 있어서는 어떨까요. AI의 파도라는 게임은 78조 엔을 투자하는 사람만이 주역인 것이 아닙니다. 78조 엔을 투자하는 사람도, 이것을 "여러분의 일"로 만들기 위해 투자를 하는 것이라고 생각합니다. 일본과 미국의 격차는 크다고 말씀드렸지만, 지금은 (그림에서 보여준) 이 위치입니다. 일본도 세계도 여기입니다. 이 가로축은, OpenAI의 AGI에 이르는 5단계, 그리고 그 너머는 ASI. 또한, 인포메이셔널 AI에 더해, 최근에는 피지컬 AI도 현실의 가능성으로서 논의되고 있습니다. 사업 기회는 기하급수적으로 확대되어 갑니다. 그 중에서 지금 입구인 여기에 있다는 것입니다. 지금 이 파도를 잡아서 들어가보지 않겠습니까? 저는 대소를 불문하고 일반 기업 모두, 그리고 일반 개인 모두에게 이 주역이 될 가능성이 있다고 생각합니다. 요는, 파도를 잡느냐 못 잡느냐라고 생각하고 있습니다. 저 개인도 말이죠, 실은 최근, 일본 여성의 평균 건강수명이 얼마인가 하고 찾아보다가, "앞으로 10여 년 밖에 없잖아"라고. "어떡하지 10여 년으로 무엇을 할 수 있을까"라고 초조해한 적도 있었지만, AI 에이전트를 철저히 활용해서, 10배, 혹은 그 이상이네요, 일을 할 수 있는 가능성이 현실적인 것으로 느껴지고 있습니다. 그렇다면, 100년분의 일을 할 수 있겠다고 생각하며 힘내고 있습니다. 경청해 주셔서 감사합니다.