Continuous Learning_Startup & Investment
2.23K subscribers
508 photos
5 videos
16 files
2.64K links
We journey together through the captivating realms of entrepreneurship, investment, life, and technology. This is my chronicle of exploration, where I capture and share the lessons that shape our world. Join us and let's never stop learning!
Download Telegram
미국의 관세가 미국 제조업들에게 오히려 좋지 않은 영향을 준다.

경쟁에서 오는 발전을 저해해서 시장에서 퇴보된다.

이미 BYD의 U9는 GM의 콜벳보다 성능은 뛰어나고 가격은 절반 이하인데 미국 정부가 수입을 금지하면서 GM은 콜벳을 개선해야하는 니즈를 느끼지 못한다. GM 엔지니어들은 경쟁사의 제품을 분해하여 배우는 '벤치마킹'을 할 필요조차 느끼지 못합니다. BYD는 애초에 경쟁 상대가 아니기 때문입니다. 소비자인 미국인들은 U9이 제공하는 새로운 기술을 경험할 기회를 잃게 됩니다.

관세 대신 어떤 것들을 해야하는가?

규제 없애고, 민간/정부 투자 늘려주고(세금 줄이고), 노동 유연성 늘려주고, 주요 생산 인프라에 대해서 국가차원에서 투자해주고, 전세계 인재들을 쉽게 채용할 수 있게 해달라. 우리나라에도 똑같이 필요한 조치처럼 보인다.

의미 있는 규제 철폐 (Meaningful Deregulation)

- 연방 차원: 제조업 활동을 저해하는 모든 부서나 기능을 과감히 폐지해야 합니다.
- 지방 차원: 주택, 에너지 자원 건설 등에 대한 허가 절차와 규제를 대폭 축소해야 합니다.
- 예산 삭감: 민간 투자를 위축시키는 정부 지출을 줄여야 합니다.

→ Balaji도 미국이 제조업에서 승리하기 위해서는 100명의 일론이 새로운 기업을 만들어야하고 과거 중국이 심천을 경제 성장을 위한 허브로 만든 것처럼 모든 규제가 철폐된 Elon Zone을 만들어야한다고 주장했음. 우리나라에 너무 필요한 조치.

신규 기업의 진입 장벽 완화 (Reduce Barriers to Entry)

- 자본 형성 촉진: 자본 이득세(Capital Gains Tax) 등을 인하하여 투자를 활성화해야 합니다.
- 투자 자격 완화: 전문 투자자뿐만 아니라 일반인도 비상장 기업에 투자할 수 있도록 허용해야 합니다.
- 국방 조달 개방: 소수의 거대 방산업체 대신, 더 많고 작은 기업들이 가격과 성능으로 경쟁할 수 있도록 국방 조달 시장을 개방해야 합니다.

C. 노동 비용 절감 (Reduce Labor Costs)

- 노조 권력 약화: 모든 주를 '일할 권리 주(Right-to-Work state)'로 만들어 노조의 영향력을 줄여야 합니다.
- 시장 기반 임금: 최저임금제 같은 인위적인 임금 하한선을 없애고, 자유 시장이 임금을 결정하도록 해야 합니다.

D. 핵심 생산 요소에 대한 투자 촉진 (Spur Investment in Key Production Inputs)

- 에너지 및 자원 개발: 연방 소유 토지에서의 시추, 채굴, 개발을 허용하고 관련 환경 규제를 대폭 완화해야 합니다.
- 인프라 건설: 새로운 송전선 건설, 원자력 발전소 개발에 대한 규제를 철폐하고, 국가환경정책법(NEPA) 검토 기간을 15일로 제한하는 등 인프라 투자를 가로막는 장벽을 제거해야 합니다.

E. 전 세계 최고의 인재 유치 (Recruit the Best from Around the World)

- 비자 자동 발급: STEM 분야 대학 졸업생에게 H1-B 비자를 자동으로 부여해야 합니다.
- 글로벌 인재 채용 사무소(OGR) 설립: 전 세계 최고 엔지니어들을 적극적으로 유치하고, 개인과 채용 기업에 '사이닝 보너스'를 제공해야 합니다.
- 이민 시스템 현대화: 불법 이민을 막는 동시에, 합법 이민 절차는 기술을 통해 50% 이상 단축해야 합니다.

Manufacturing: Culture as Strategy (전략으로서의 제조업 문화)

이 글은 미·중 제조업 경쟁의 핵심을 지정학이나 경제가 아닌 '문화'에서 찾으며, 미국이 다시 경쟁력을 갖추기 위해서는 문화적 변화가 시급하다고 주장합니다.

- 중국의 문화적 강점:
- 중국 제조업은 저임금 노동력에 의존하는 저기술 공장이 아니라, 사회 전체가 '만드는 것(making things)'에 최적화되어 있습니다.
- 비기술 직군 직원도 제조 공정에 대한 이해도가 높고, 기업 리더들은 재무가 아닌 기술 배경 출신이 압도적으로 많습니다.
- BYD 같은 회사는 GM 같은 전통적인 미국 기업보다 훨씬 역동적이고 혁신적인 문화를 가지고 있으며, 이는 자동차 같은 복잡한 제품에서도 미국을 능가하는 결과로 이어지고 있습니다.

미국이 해야 할 일:

1. 제조업 근로자에게 힘 실어주기: 임금을 인상하고, 의사결정에 참여시키며, 제조업을 다시 '멋진 일'로 만들어야 합니다.
2. 선망의 대상이 되는 제조업 회사 만들기: Hadrian처럼 최고의 인재들이 가고 싶어 하는 회사를 1000개 이상 만들어야 합니다.
3. 블루칼라와 화이트칼라의 격차 해소: 관리 장벽을 허물고 소통을 강화해야 합니다.
4. 실무 중심의 공학 교육 강화: 대학에서 실제 현장에서 필요한 기술을 가르쳐야 합니다.

https://worthoverdoing.substack.com/p/tariffs-are-an-admission-of-defeat

https://roblh.substack.com/p/surviving-involution
👍21
누구나 실패를 두려워하고 부정적인 자기 대화를 하기도 한다.

마이클 델(Michael Dell)은 '실패에 대한 큰 두려움'을 동력으로 삼습니다. 승리를 사랑하는 것보다 실패를 훨씬 더 두려워하는 것은 많은 성공가들에게서 공통적으로 나타나는 특징입니다.

Q: 성공가들의 '부정적인 자기 대화(negative self-talk)'에 대해 어떻게 생각하나요? 엔비디아의 젠슨 황(Jensen Huang)도 그런가요?

A: '탁월함은 고통을 감수하는 능력'이라는 말이 있지만, 모든 고통이 생산적인 것은 아닙니다. 부정적인 자기 대화는 주변 사람들에게도 부정적인 영향을 미칠 수 있어 위험합니다. 젠슨 황 역시 최고의 분기 실적을 기록한 다음 날 아침 회의에서 "왜 나는 이렇게 못났을까?"라고 말하며 자신을 채찍질하는, 매우 하드코어한 인물입니다.

진정한 학습은 행동을 바꾸는 것.

Q: 당신이 생각하는 '학습'의 진정한 의미는 무엇인가요? 데릭 시버스(Derek Sivers)의 말과 어떻게 연결되나요?

A: 데릭 시버스는 "만약 정보가 답이었다면, 우리 모두는 식스팩을 가진 억만장자였을 것"이라고 말했습니다. 이에 동의하며, **진정한 학습은 정보를 암기하는 것이 아니라, 행동을 바꾸는 것**이라고 생각합니다. 행동의 변화가 없다면, 지식 습득은 시간 낭비일 뿐입니다.

거인의 어깨에 올라가 더 넓은 세상을 바라볼 것

Q: 당신의 아이디어가 독창적인 것이 아니라, 과거의 거인들로부터 왔다는 것을 어떻게 깨달았나요?

A: 저는 **'영향력 있는 사람에게 영향을 준 사람(influences the influencers)'**에 항상 관심이 있습니다.

- 워런 버핏과 찰리 멍거가 계속해서 **헨리 싱글턴(Henry Singleton)**을 언급하는 것을 보고, 그를 연구하며 버핏과 멍거의 아이디어가 사실 싱글턴에게서 왔다는 것을 깨달았습니다.
- 데이비드 오길비(David Ogilvy)는 자신의 천재성이 **클로드 홉킨스(Claude Hopkins)**의 작업을 재해석한 것이라고 밝혔습니다.
- 스티브 잡스는 젊은 시절부터 폴라로이드의 창업자 **에드윈 랜드(Edwin Land)**를 자신의 영웅으로 꼽았으며, 애플의 핵심 철학(인문학과 기술의 교차점, 수직 통합, 마법 같은 경험)은 대부분 랜드에게서 직접적으로 가져온 것입니다.

Q: 에드윈 랜드의 개인적인 좌우명 두 가지는 무엇이며, 당신에게 어떤 의미인가요?

A: 1. "다른 사람이 할 수 있는 일은 하지 마라 (Don't do anything that someone else can do)." 이는 차별화의 중요성을 강조합니다.

2. "할 가치가 있는 일은 과도하게 할 가치가 있다 (Anything worth doing is worth doing to excess)."

모두가 스티브 잡스, 일론 머스크일 필요는 없다.


Q: 다양한 창업가 유형(archetypes)이 존재하는데, 이를 어떻게 이해해야 하나요?

A: 다니엘 에크는 "모든 젊은 창업가들이 일론 머스크나 스티브 잡스가 될 필요는 없다"고 말합니다. 세상에는 다양한 성공 모델이 있습니다.

- 안티-비즈니스 억만장자: 스티브 잡스, 제임스 다이슨, 이본 쉬나드(파타고니아 창업자)처럼 제품의 품질과 장기적인 회사 통제에만 집착하는 유형. 역설적으로 이들이 결국 가장 큰 부를 얻습니다.
- 분야별 전문가: 엔지니어 창업가(토비 뤼트케), 천재적인 운영가(트래비스 캘러닉), 분석적인 금융가 등 각자의 강점을 극대화하는 유형.

중요한 것은 다른 사람의 '무엇(what)'을 모방하는 것이 아니라, '어떻게(how)'**를 배우고, 자신에게 **'자연스러운(natural)' 비즈니스를 구축하는 것입니다.

Q: 당신의 삶과 일에 대한 궁극적인 철학은 무엇인가요?

A: 저는 장기 계획을 세우지 않습니다. **"훌륭한 삶은 훌륭한 하루들이 모여 만들어진다"**고 믿습니다. 그래서 매일 아침 일어나 건강을 챙기고, 책을 읽고, 제가 자랑스러워할 수 있는 제품을 만들고, 사랑하고 존경하는 사람들과 시간을 보내려고 노력합니다. 저는 정상을 신경 쓰지 않고, 오르는 과정 자체를 사랑합니다. 그것이 저를 움직이는 원동력입니다.

https://youtu.be/mesjY6l2T8c
1
앞으로 1-2년 뒤에 어떤 세상이 될지 예측하기 너무 어렵다. 진보의 안개에서 조심 조심 걸어가는 느낌.

Q* 사례: 프론티어 예측의 어려움과 교훈


과거 OpenAI Q* 스트로베리 당시에 대부분 AI 전문가들이 Q 러닝이나 A* 알고리즘 결합을 예상했으나 결국 강화학습을 해야하는 것이었음.

비록 추측이 틀리더라도, '문제의 방향성'(추론, RL, 탐색의 중요성)을 제대로 제시하면 업계 전반에 강력한 자극을 주어 수많은 시도를 유발하고, 결국 Deepseek R1과 같은 올바른 방법론을 더 빨리 찾는 데 기여할 수 있음.

'추론과 에이전트' 시대의 도래


멀티모달 같은 다른 중요한 문제들보다 '추론(Reasoning)과 에이전트(Agent)' 문제에 자원과 노력을 집중하고 있음. (예: 앤트로픽, 중국의 Moonshot AI, DeepSeek 등)

'AGI에 도달하려면 시각(Vision) 등 멀티모달 문제를 먼저 해결해야 한다'는 얀 르쿤, 페이페이 리 등의 주장과는 다른 흐름임.

일단 학계와 다르게 자본은 추론/에이전트에 올인하는 느낌.

텍스트 vs 이미지: 데이터의 본질적 차이와 텍스트의 우위


과거의 관점: 텍스트와 이미지를 모두 '동일한 데이터'로 취급하려는 경향이 있었음.
현재의 관점: 텍스트는 이미지와 본질적으로 다르며, 훨씬 강력한 데이터라는 인식이 확산됨.

텍스트 데이터의 3가지 특징:
방대한 동시 과업 학습: 웹 텍스트 사전학습은 수많은 과업(task)을 동시에 배우는 효과가 있지만, 이미지는 그렇지 않음.
이해(Understanding) 능력 내포: 다음 토큰을 예측하는 과정 자체가 문맥에 대한 '이해'를 수반함.
자연스러운 인간 관점과의 정렬(Alignment): 인간이 만든 데이터이기에 인간의 의도, 상징, 추상적 개념과 자연스럽게 정렬됨.

'추론'의 정의: 방법론의 시대에서 '평가의 시대'로
추론의 정의: 최종 답변을 내기 전, '생각의 과정'에 해당하는 중간 결과물을 텍스트로 생성하는 것.
기존 CoT(Chain of Thought)와의 결정적 차이: CoT는 사람이 생각의 과정을 지시하거나 가이드했지만, 현재의 '추론'은 모델이 강화학습(RL)을 통해 스스로 더 나은 생각의 과정을 발견하고 학습한다는 점.

'후반전(The Second Half)' 패러다임 (by Yao Shunyu):
전반전 (방법론의 시대): 이미지 분류 등 고정된 문제를 풀기 위한 더 나은 '방법(알고리즘, 아키텍처)'을 찾던 시대.

후반전 (평가의 시대): 일반화된 방법론(LLM+RL)은 찾았으므로, 이제는 현실 세계의 가치 있는 '문제(Problem)'와 그것을 측정할 '평가(Evaluation)'를 만드는 것이 핵심이 된 시대.
핵심 명제: "평가할 수만 있다면, 어떤 문제든 풀 수 있다."

'환경 스케일링'과 현재의 도전 과제들

'후반전'의 구체적 실행 방식: '환경 스케일링(Environment Scaling)'
3요소: 1) 지시(Instruction), 2) 실행 환경(Environment, 예: 코딩을 위한 VM), 3) 보상 메커니즘(Reward, 예: 유닛 테스트)
이 3요소의 조합을 'RL 짐(Gym)'이라 부르며, 이를 다양하게, 대규모로 구축하는 것이 빅테크의 핵심 과업.

현재 직면한 주요 도전 과제:
1. 비용과 복잡성: 환경 구축은 수학 올림피아드 수상자, STEM 박사 등을 '튜터'로 고용해야 할 만큼 막대하고 비싼 데이터 작업. (해결책 시도: 모델을 이용한 환경 합성)
2. 개방형 질문과 검증의 어려움: 정답이 없거나 검증이 어려운 문제(예: 수학 증명)에 대한 보상 제공 문제. (해결책: 모델 기반 보상 모델, 루브릭(Rubric) 기반 평가)
3. 롱 컨텍스트와 장시간 사고: 긴 문맥을 정확히 이해하고 장시간(수십 분~수 시간)에 걸쳐 사고하는 능력. ICPC 대회(5시간 제한) 문제 해결 사례는 이 문제가 프론티어에서 상당 부분 해결되고 있음을 시사.

-> 덕분에 Mercor/ScaleAI/Surge/Handshake같은 전문직을 연결해서 데이터를 제공하는 회사들의 매출은 수직 상승

해결해야 할 다음 문제들: 프론티어 랩들이 고민할 것으로 추정되는 상호 연결된 미래 연구 주제들.

1. 자율 학습(Autonomous Learning)과 내재적 보상(Intrinsic Rewards):
외부에서 설계된 환경이 아닌, 모델 스스로 학습 환경을 구축하고 목표를 설정하며 '내재적 보상'을 통해 학습하는 능력. 인간의 호기심이나 성취감과 유사.

2. 온라인 및 지속 학습(Online & Continual Learning):
자율 학습이 가능해지면, 모델을 특정 환경(예: 기업 내부)에 배치해 실시간으로 상호작용하며 계속해서 배우고 발전하게 만들 수 있음.

3. 장기 기억(Long-term Memory):
지속 학습을 위한 필수 요소. 가중치 업데이트, 수십억 토큰의 컨텍스트, 외부 메모리 도구 등 다양한 방식으로 구현될 수 있음.

4. 멀티 에이전트 시스템(Multi-Agent Systems):
기능: 역할 분담을 통한 컨텍스트 관리, 단일 과업의 깊이(depth)를 넘어 여러 과업을 동시에 처리하는 폭(width)의 확장. (예: 버그 하나 수정 → 오피스 프로그램 전체 개발)
결정적 차이: 과거의 프롬프트 조합 방식과 달리, 전체 멀티 에이전트 시스템 자체를 강화학습으로 '훈련'하여 에이전트 간의 상호작용과 협업 방식을 최적화할 수 있게 됨.

https://youtu.be/wsgisRt-I1U
3
자연은 속일 수 없다 (It Is Impossible to Fool Mother Nature)

Naval: 당신에게 일어나는 모든 나쁜 일에 대해 책임을 지라—이건 마인드셋입니다.

어쩌면 약간은 가식처럼 느껴질 수도 있지만, 사실 자기 자신에게 매우 유리한 태도예요. 그리고 한 걸음 더 나아가, 당신에게 일어나는 모든 좋은 일은 운 덕분이라고 여기면 도움이 될 수도 있습니다. 하지만 어느 수준에서는 진실이 매우 중요합니다. 자기기만을 해서는 안 돼요.

제가 관찰한 바에 따르면, 사실은 이렇습니다. 아주 열심히 일하고, 스스로를 투입하며, 포기하지 않고, 결과에 대해 책임을 지는 사람들은 충분히 긴 시간 축에서 보면 그들이 몰두한 분야에서 결국 성공합니다. 그리고 모든 성공 사례는 이 사실을 알고 있어요.

리처드 파인먼은 자신이 천재가 아니었다고 말하곤 했습니다. 그는 그저 스스로를 몰입시키고 아주 열심히 일한 소년이었을 뿐이라고요. 물론 그는 매우 똑똑했습니다. 하지만 그건 필요조건이지 충분조건은 아니었죠. 우리 모두 똑똑하지만 게으른 사람의 전형을 알고 있습니다.

그리고 저는 제 모든 친구들—**니비(Nivi)**를 포함해서—을 약간 괴롭히듯이 이렇게 말하곤 합니다. “당신들 문제 중 하나는 자신의 잠재력보다 한참 낮은 수준에서 운영되고 있다는 거예요. 당신들의 잠재력은 지금 위치보다 훨씬 높습니다. 그 잠재력의 일부를 **운동 에너지(kinetic)**로 전환해야 합니다.”

아이러니하게도, 그렇게 하면 오히려 잠재력이 더 커집니다. 우리는 정적인 존재가 아니라 동적인 존재이니까요.

우리는 동적인 존재입니다. 그리고 당신은 더 많이 배우게 될 거예요. 행동하면서 배우게 됩니다. 그러니 변명은 그만하고 링 위로 올라가세요.

Nivi: 당신은 쇼펜하우어도 좋아하잖아요. 그에게서 무엇을 배웠나요? 그의 작업에서 놀라웠던 점이 있나요?

Naval: 쇼펜하우어는 모든 사람에게 맞는 작가는 아닙니다. 그리고 사실 여러 얼굴의 쇼펜하우어가 있어요. 그는 글을 많이 썼고, 철학자들을 위한 난해한 텍스트—예컨대 의지와 표상으로서의 세계—를 읽을 수도 있고, 좀 더 실용적인 글—존재의 허영에 대하여 같은—을 읽을 수도 있습니다.

그는 역사상 드물게 흔들림 없이 쓰던 사람 중 하나였죠. 그는 자신이 진실이라고 믿는 것을 썼습니다. 항상 옳았던 건 아니지만, 결코 독자에게 거짓말하지 않았고, 그게 글에서 느껴집니다. 그는 사물에 대해 아주 깊이 생각했어요.

그는 사람들이 자신을 어떻게 생각하는지에 크게 신경 쓰지 않았습니다. 그가 아는 건 하나였죠. “내가 지금 쓰는 것은 내가 진실이라고 아는 것이다.”

그리고 그는 허세를 부리지도 않았습니다. 현란한 언어를 쓰지 않았고, 당신을 감탄시키려 하지도 않았죠.

사람들은 그를 염세주의자라고 부릅니다. 저는 그게 완전히 공정하다고는 생각하지 않아요. 그의 세계관은 염세적으로 해석될 수 있지만, 저는 그저 거친 진실의 한 사발이 필요할 때 그를 읽습니다.

쇼펜하우어가 제게 독특하게 해 준 것은, 그가 제게 **온전한 ‘나 자신일 허용’**을 줬다는 겁니다. 그는 대중이 무엇을 생각하는지 전혀 개의치 않았고, 피상적·통속적 사고에 대한 경멸이 글에서 드러납니다.

물론 저도 그걸 그대로 다 공유하는 건 아닙니다—저는 그보다 조금 더 평등주의자예요. 하지만 그는 정말로 당신이 당신 자신일 수 있는 허가증을 줍니다. 그러니 무언가에 능하다면 주저하지 마세요. 자신이 그 일에 능하다는 사실을 받아들이세요.

그건 제게도 쉬운 일은 아니었어요. 우리 모두 서로 잘 지내고 싶어 하니까요. 집단 속에서 잘 지내려면 너무 튀고 싶진 않죠. 흔히 말하듯, 키 큰 양귀비는 잘린다(=한국식 표현으로는 모난 돌이 정을 맞는다).

하지만 대단한 무언가를 하려면, 어떤 방식으로든 자신에게 베팅해야 합니다. 어떤 일에서 탁월하려면, 자신이 탁월하다는 사실을 인정—적어도 그렇게 되려 노력—하고, 남들이 뭐라 하는지에 너무 연연하지 않아야 합니다.

물론 망상에 빠져서는 안 됩니다. 투자 업계에 있다 보면, “제가 이건 정말 잘합니다”라고 말하는 약간은 망상적인 사람들을 끊임없이 만나게 됩니다. 아니요, 스스로를 탁월하다고 선언할 권리는 당신에게 없어요. 남들이 당신을 탁월하다고 말해 줘야 합니다. 그리고 엄마는 그 ‘남들’에 포함되지 않습니다.

타인으로부터의 피드백은 보통 가짜입니다. **상(어워드)**은 가짜예요. 비평가도 가짜. 친구와 가족의 칭찬도 가짜입니다. 그들이 진심을 담으려 노력할 수는 있겠지만, 가짜의 바다 속에 묻혀서 진짜 피드백은 얻지 못합니다.

진짜 피드백은 자유시장과 자연으로부터 옵니다. 물리는 냉정하죠. 제품이 작동했는가, 아닌가. 자유시장도 냉정합니다. 사람들이 샀는가, 안 샀는가. 하지만 다른 사람들로부터의 피드백은 가짜입니다.

집단으로부터는 좋은 피드백을 얻기 어렵습니다, 왜냐하면 집단은 그저 서로 잘 지내려 하기 때문이에요. 개인은 진실을 찾고, 집단은 합의를 찾습니다. 서로 잘 지내지 못하는 집단은 응집을 잃고—와해됩니다. 그리고 집단이 클수록, 좋은 피드백을 얻을 가능성은 더 작아집니다.

그러니 어머니·친구·가족의 피드백이나, 시상식과 어워드 시스템에서 나오는 피드백에 의존하려 들지 마세요.

회사를 잡지 표지에 올리거나 업계 상을 받도록 최적화하고 있다면, 이미 실패하고 있는 겁니다.

당신에게 필요한 것은 고객입니다. 그게 진짜 피드백이에요. 자연으로부터의 피드백이 필요합니다.

로켓이 발사됐습니까?

드론이 날았습니까?

3D 프린터가, 정해진 허용오차 안에서, 정해진 시간과 예산 안에 그 물체를 출력했습니까?

자기 자신을 속이는 것은 아주 쉽습니다. 남들에게 속는 것도 아주 쉽죠.

하지만 자연은 속일 수 없습니다.

https://nav.al/fool
7
AI는 '올인(All-in)' 게임: 컴퓨팅 파워가 곧 왕이다.

AI 모델의 성능은 투입되는 컴퓨팅, 데이터, 인재의 양에 비례하여 기하급수적으로(로그-로그 스케일) 증가한다.

OpenAI는 구글이나 메타처럼 모델 훈련에 필요한 막대한 자본(수십조~수백조 원)을 자체적으로 감당할 수 없다보니 초기엔 MS 지금은 Oracle/NVDIA과 딜을 해야했다.

Nvidia는 자사의 GPU 판매를 극대화하기 위해, OpenAI에 '총이익의 일부를 지분으로 전환하는' 형태의 전략적 투자를 단행한다. 오라클은 자사의 클라우드 시장 점유율 확대를 위해 OpenAI에 수천억 달러 규모의 컴퓨팅 인프라를 제공하는 계약을 맺는다.

AI 개발의 새로운 패러다임: 강화 학습(RL)과 환경 구축


인터넷의 텍스트 데이터만으로는 AI가 현실 세계의 복잡한 작업을 학습하는 데 한계가 있다.

이제 AI 개발의 핵심은 특정 작업을 시뮬레이션하고 학습할 수 있는 '가상 환경(Environment)'을 구축하고, 이를 통해 강화 학습(RL)을 시키는 것으로 이동하고 있다.

이미 프론티어랩들은 수십개의 스타트업들에게 데이터 정리-강화학습 환경세팅을 외주주고 있다.

커서 vs Claude Code/Codex

커서 대부분 매출은 Anthropic으로 가서 마진이 약하다. Anthropic의 대부분 매출도 Nvida/브로드컴으로 간다.

Cursor는 고객이 제품을 쓰면서 남기는 많은 데이터를 가지고 있고 이를 가지고 자체 모델을 훈련하거나 다른 프론티어 랩으로 전환할 수 있다. Cursor와 Anthropic은 적과의 동침.

프론티어랩 OpenAI와 MS의 관계는 더 복잡한 이익 공유/IP 계약으로 묶여있음.

Pretraining과 강화학습의 진행상황


인터넷의 텍스트를 이용한 사전 훈련은 '후반 이닝(late innings)’

비디오, 이미지, 오디오 데이터는 처리 비용이 매우 비싸 아직 완전히 활용하지 못했기 때문에 전반적인 사전 훈련은 '중반 이닝(mid-innings)'

강화 학습과 이러한 새로운 환경에 대해서는 이제 막 '첫 공을 던진(thrown the first ball)'

인간은 강화 학습자이며, 강화학습을 위한 디지털 환경 세팅, 현실 환경 세팅은 이제 시작했다.

물리적 지능과 로보틱스는 어떻습니까? 오늘날 구현(embodiment)의 상태는 어떤가요?

우리는 아직 멀었디. 로보틱스 스케일링에 있어서는 아직 덕아웃을 떠나지도 못했다. 하지만 가치 있으려면 와인 잔을 돌릴 수 있을 필요는 없고, 단지 물건을 안정적으로 집어 올바른 장소에 내려놓을 수만 있으면 된다.

왜 메타는 AI 리서처에게 $100m 보상을 제공할까?

AI 리서처들이 다루는 인프라는 수천억 달러, 5%만 효율적으로 만들 수 있으면 엄청난 수익. 대부분 AI 연구는 직관과 직감에 의존.

미국의 똑똑한 인재들이 의사를 포기하고 AI 분야로 몰리는 이유는 인재는 가장 높은 레버리지를 선택하기 때문.

역사적으로 모든 부족 현상은 과잉 공급으로 이어졌으며, 특히 리드 타임이 길고 자본 집약적인 산업에서 그렇습니다. AI 인프라를 과잉 구축할 위험은 없나요?

만약 모델이 개선되지 않는다면, 우리는 과잉 구축할 것이고 그것은 불황을 만들것.

하지만 튤립이나 암호화폐와 같은 과거의 거품과는 달리, 이것은 실재함.

그리고 세계에서 가장 강력한 대차대조표를 가진 마이크로소프트, 구글, 메타에 의해 주도.

하지만, 만약 스케일링 법칙이 계속된다면, 수요는 사실상 무한함.

만약 당신이 시니어 구글 엔지니어와 동등한 지능을 만들 수 있다면, 그것만으로도 소프트웨어 개발에서 2조 달러의 가치를 창출할 수 있음.

'토크노믹스(Tokonomics)'의 딜레마: 성능과 비용의 상충 관계


더 뛰어난 AI 모델은 더 많은 컴퓨팅 자원을 소모하므로, 제공 비용이 비싸고 응답 속도가 느려진다. 이로 인해 최고의 모델이 항상 최고의 사용자 경험이나 비즈니스 성과로 이어지지는 않는다.

OpenAI는 GPT-5를 이전 모델보다 훨씬 크게 만드는 대신, GPT-4o와 비슷한 크기로 유지하여 더 많은 사용자가 채택할 수 있도록 했다. 이는 최고의 성능보다 '광범위한 채택'과 '수익성'을 우선시한 전략적 결정.

https://youtu.be/kAIVualeQjM
1
법률 AI(Legal AI) 시장의 현재 동향과 미래 전망

법률 업계에서도 AI 도입이 활발해지고 있으며, 특히 신입 변호사들의 핵심 경쟁력으로 'AI 프롬프트 엔지니어링' 능력이 부상하고 있습니다.

대다수 변호사들은 AI 도구 도입 후 실질적인 생산성 향상을 체감하며, 자신의 업무에 가장 적합한 AI 솔루션을 적극적으로 탐색하고 있습니다. 고객에게는 AI 활용 사실을 투명하게 공개하고, 최종 결과물은 변호사가 직접 검토 및 책임진다는 점을 명확히 하고 있습니다. 이러한 변화는 기존의 시간당 과금(Billable Hour) 모델에서 벗어나 고정 요금제(Flat-fee) 또는 과업 단위 과금으로 전환을 가속화하고 있습니다.

변호사들이 AI 도입 후 가장 만족하는 지점은 업무 강도의 완화입니다. 과거 밤샘 작업이 불가피했던 고된 업무를 훨씬 적은 시간 안에 높은 품질로 완수할 수 있게 되면서, 일과 삶의 균형 개선에 큰 도움이 되고 있습니다.

법률 AI 시장의 대표 주자인 Harvey는 OpenAI, Sequoia 등 유수의 투자자들로부터 8억 6백만 달러의 누적 투자를 유치하며 50억 달러의 기업 가치를 인정받았습니다.

그러나 시장의 높은 기대와 달리, Reddit 등 온라인 커뮤니티에서는 실제 사용자들의 비판이 쏟아지고 있습니다. 주요 불만 사항은 제품이 실제 변호사의 워크플로우를 깊이 이해하지 못하고 단순히 GPT, RAG, 워크플로우 자동화를 엮은 수준에 그친다는 점과, 좌석당 월 1,000달러가 넘는 고가의 구독료에 비해 제공하는 가치가 미미하다는 점입니다. 이 때문에 차라리 범용 LLM(ChatGPT, Claude 등)을 직접 활용하는 것이 낫다는 의견이 지배적입니다.

한 대형 로펌의 사례에 따르면, 이들은 초안 작성 능력, 대량 문서 처리 워크플로우, 사용자 편의성, 그리고 다양한 법률 분야에 대한 범용성을 핵심 평가 기준으로 삼았습니다. 그 결과, 문서 생성 및 분석(AI Drafting & Analysis)에는 Iqidis를, 법률 리서치(Legal Research)에는 기존 강자인 Westlaw AI를 채택하는 '최적 조합(Best-of-Breed)' 전략을 선택했습니다.

Iqidis는 대형 로펌 출신 변호사가 현장의 문제점을 해결하기 위해 직접 창업한 회사로, 실제 변호사들이 겪는 구체적인 어려움(pain point)을 해결하는 데 집중하여 좋은 평가를 받고 있습니다.

한편, 원고 측 소송 업무에 특화된 AI 스타트업 Eve는 10억 달러 가치에 1억 3백만 달러 투자를 유치하고 450개 로펌을 고객으로 확보하는 등 특정 니치 시장에서 빠르게 성장하고 있습니다.

스웨덴의 한 법률 AI 회사는 4개월 전 8천만 달러의 시리즈 B 투자를 유치한 직후, 18억 달러 가치로 1억~1억 5천만 달러 규모의 추가 자금 조달을 추진하며 빠른 성장세를 보이고 있습니다. 이 회사는 최근 연 매출이 4백만 달러에서 23백만 달러로 급증했으며, 올해 4천만 달러를 목표로 하고 있습니다.

유럽 시장에서 먼저 확실한 성공 기반(Traction)을 다진 후 미국 및 글로벌 시장으로 확장하는 '랜드 앤 익스팬드(Land and Expand)' 전략이 유럽 스타트업들 사이에서 성공 공식으로 자리 잡고 있습니다.

시장의 기대감을 반영하듯, 2025년에만 법률 AI 분야에 약 24억 달러의 자금이 투자되었습니다.

현재 법률 AI는 대부분 특정 작업을 보조하는 '도구(Tool)' 수준에 머물러 있지만, 1년 내로 자율적으로 과업을 수행하는 'AI 에이전트(Agent)'를 활용하는 변호사들이 급증할 것으로 예상됩니다.

5~10년 내에 기업 내 인간 직원보다 AI 에이전트의 수가 더 많아지고, 인간의 역할은 이 에이전트들을 관리하고 전체 워크플로우를 조율하는 것으로 변화하는 것이 '뉴노멀(New Normal)'이 될 것입니다. 이는 곧 새로운 기회를 포착하는 수많은 스타트업의 등장을 예고합니다.

궁극적으로 버티컬 AI(Vertical AI)의 본질은, 도메인 전문가가 AI 도구와 에이전트를 활용하여 기존의 업무 방식을 근본적으로 재설계하고, 특정 산업에 최적화된 차세대 ERP 시스템을 구축하는 과정으로 볼 수 있습니다. 이 과정에서 초기 단계에 AI 에이전트에 대한 조직적 저항이 예상된다면, 먼저 보조적인 'AI 도구'를 도입하여 점진적으로 변화를 유도하는 전략이 효과적일 것입니다.
소프트웨어의 본질이 '도구'에서 '노동자'로 바뀌었다.

과거: 소프트웨어는 인간이 더 효율적으로 일하도록 돕는 '디지털 파일 캐비닛(Tool)'이었다.
현재: AI 기반 소프트웨어는 정보를 바탕으로 직접 업무를 수행하는 '자율적인 노동자(Autonomous Labor)'가 되었다.

경쟁의 장(場)이 '시스템 예산'에서 '인건비 예산'으로 이동했다.


소프트웨어의 경쟁 상대는 더 이상 다른 소프트웨어가 아니다. 기업의 가장 큰 지출 항목인 '인간의 급여($13조 시장)'가 새로운 목표 시장이 되었다.

비즈니스 모델이 '사용료'에서 '성과급'으로 전환된다.

과거에는 '좌석(Seat)' 당 사용료를 받았지만, 이제는 소프트웨어가 창출한 '결과(Outcome)*에 기반해 가치를 청구한다. (예: "인건비 7,500만 달러를 아껴줄 테니, 500만 달러를 내라.")

AI는 비즈니스의 경제적 한계를 무너뜨려 시장을 확장합니다.

새로운 시장 창출:
과거에는 '사람'만 할 수 있던 업무(예: 컴플라이언스)는 소프트웨어 시장이 아니었습니다. 이제 AI가 그 업무를 직접 수행하며, '사람의 급여 예산'을 새로운 소프트웨어 시장으로 창출합니다.

실패한 사업의 부활:
과거에는 높은 고객 획득 비용(CAC)과 운영비(COGS) 때문에 실패했던 사업 모델(예: 자전거용 에어비앤비)이 있었습니다. AI는 영업, 고객응대 등의 핵심 비용을 극적으로 낮춰, 경제성이 없어 불가능했던 사업을 수익성 있는 기회로 바꿉니다.

https://youtu.be/dhyhR4Bzc0I?si=KHhrevGNT1s7Ojap
1
사용자가 왕이다

성공적인 플랫폼은 기술이나 개발자가 아니라 사용자로부터 시작된다. 사용자가 모이면 개발자는 자연스럽게 따라오고, 이는 플랫폼을 더욱 강화하는 선순환을 만든다.

OpenAI는 'ChatGPT'라는 압도적으로 인기 있는 제품을 통해 대규모 사용자를 확보했다. 이를 기반으로 Canva, Zillow, Spotify 등 다양한 앱을 ChatGPT 내에 통합하여, 사용자가 다른 곳으로 이동할 필요 없이 모든 작업을 처리할 수 있는 'AI 운영체제(OS)'를 구축하고 있다. 이는 사용자를 소유한 자가 궁극적인 힘을 갖는다는 원칙을 증명한다.

핵심 부품에 대한 통제권을 확보하라.


단일 공급업체에 의존하는 것은 장기적으로 위험하다. 핵심 부품에 대한 통제권을 확보하기 위해 '제2의 공급원(Second Sourcing)'을 반드시 확보해야 한다.

AI의 핵심 부품은 GPU이다. 현재 Nvidia가 시장을 독점하고 있지만, OpenAI는 과거 IBM이 Intel을 견제하기 위해 AMD를 키웠던 전략을 그대로 따르고 있다. AMD와 수십억 달러 규모의 칩 구매 계약을 체결하고 지분까지 확보함으로써, OpenAI는 Nvidia의 가격 결정력을 약화시키고 공급망의 안정성과 통제권을 확보하려 한다. 이는 핵심 자원에 대한 의존성을 줄이고 생태계의 주도권을 잡으려는 근본적인 움직임이다.

버블의 중심이 되어 모든 것을 흡수하라

기술 버블은 필연적으로 발생한다. 이 시기에는 가장 주목받는 '중심축(Linchpin)'이 되어, 시장에 쏟아지는 모든 투기적 자본의 최대 수혜자가 되어야 한다.

OpenAI는 소비자용 제품(ChatGPT), 개발자용 API, 비디오 생성 모델(Sora) 등 AI의 모든 영역에 진출하며 'AI의 모든 것'이 되려 하고 있다. 이는 단순히 사업을 확장하는 것을 넘어, AI 버블의 중심에 서려는 전략이다. Oracle, AMD 등과의 파트너십 발표만으로도 해당 기업의 주가가 급등하는 현상은 OpenAI가 이미 AI 생태계의 중심축이 되었음을 보여준다. 이를 통해 회사는 버블이 터지기 전까지 원하는 만큼의 자금을 확보하고, AI 인프라 구축의 방향을 주도할 수 있는 막강한 영향력을 얻는다.

OpenAI의 전략은 과거 PC 시대의 Microsoft가 윈도우를 통해 생태계를 장악했던 방식을 AI 시대에 재현하는 것이다. 제1원칙에 입각하여 보면, OpenAI는 (1) 사용자를 먼저 장악하고, (2) 핵심 공급망을 통제하며, (3) 기술 버블의 중심이 됨으로써 AI 시대의 절대적인 플랫폼 지배자가 되려는 명확하고 논리적인 경로를 밟고 있다. 구글이 칩부터 모델, 최종 사용자까지 모든 것을 통합하는 애플과 같다면, OpenAI는 생태계 전체를 자신을 중심으로 재편하는 Microsoft의 역할을 하고 있다.

http://stratechery.com/2025/openais-windows-play
1
나는 지금 올바른 게임을 하고 있는가?

https://youtu.be/jmWUlJ1U5J0

"당신이 이길 수 있고, 이기고 싶어 하며, 그 게임을 하는 것 자체가 당신이 되고 싶은 사람으로 만들어주는 게임. 즉, 외부적 성공과 내적 만족이 충돌하지 않고 같은 게임 안에 있는 것."

1. 당신의 피를 끓게 하는 게임을 선택하라

"작은 계획을 세우지 마라. 그것은 사람의 피를 끓게 할 힘이 없다”

목표와 정체성의 일치: 그는 매일 "나는 올림픽 선수다(I am an Olympian)"라고 현재 시제로 목표를 적었습니다. 이 행위를 통해 그는 목표를 세운 첫날부터 이미 올림픽 선수의 정체성을 일부 받아들이기 시작했고, 훈련을 거듭할수록 그 정체성은 더욱 강해졌습니다.

- 실패한 목표의 문제점: 반면, 그의 사모펀드가 추구했던 목표는 "자본 보존의 확률을 극대화하면서 매력적인 위험 조정 수익률을 창출한다"는 지루하고 열정이 없는 것이었습니다. 사람들은 큰 꿈을 꾸다가 현실의 벽에 부딪히면서 점차 목표를 낮추고 안주하게 됩니다.
- 핵심 통찰: 당신은 평범한 목표보다, 당신을 흥분시키는 야심 찬 목표를 달성할 확률이 더 높습니다. 왜냐하면 당신은 그 목표를 달성할 수 있는 사람의 정체성을 받아들이고, 다르게 행동하며, 불필요한 것들을 멀리하고, 더 좋은 사람들을 끌어당기고, 무엇보다 더 오래 버틸 수 있기 때문입니다.

1. 당신만의 게임을 설계하라 (Design your own game)
- 남들이 가는 길의 함정: 세상은 당신이 붐비고, 잘 포장되고, 표지판이 명확한 길을 가도록 유도합니다. 하지만 당신이 이길 수 있는 게임은 거의 그런 길에 있지 않습니다.
- 위대한 사람들의 공통점: 당신이 존경하는 작가, 음악가, 기업가들은 모두 '자신만의 게임'을 했습니다. 그들은 남들이 하지 않는 게임을 찾아냈고, 이를 통해 진정한 자기 자신으로 살아갔습니다.
- 규칙의 재정의: 대부분의 게임에는 당신이 생각하는 것보다 훨씬 적은 규칙만이 존재합니다. 사모펀드 업계의 수많은 관행들(기존 경영진 지원 등)은 사실 규칙이 아니라 '관습적 지혜(conventional wisdom)'에 불과했습니다. 실제 규칙은 '투자자에게 돈을 돌려준다', '윤리적으로 행동한다' 등 몇 가지뿐이었습니다.

1. 존경하는 사람들과 함께 게임을 하라
- 나쁜 동료의 영향 ('래리' 이야기): 월스트리트 시절, '래리'라는 상사는 그레이엄의 업무 성과와 상관없이 "네가 더 간절해지길 바란다"는 이유로 보너스를 삭감했습니다. 심지어 어머니와의 저녁 식사를 위해 퇴근하려 했다는 것을 문제 삼았습니다. 이 경험은 그에게 깊은 상처를 남겼습니다.
- 좋은 동료의 영향 ('빌리' 이야기): 자신의 펀드(Alpine)를 창업한 후, 그는 두 살 된 아들의 유치원 행사에 참여하고 싶다는 이야기를 파트너 회의에서 조심스럽게 꺼냅니다. 과거의 상처 때문에 긴장했지만, 그의 파트너 '빌리'는 즉시 "당연히 가야지! 회의는 내가 맡을게. 사진 꼭 보내줘"라며 진심으로 응원해 주었습니다.
- 핵심 통찰: 이 순간 그는 앞으로 겪을 수많은 어려움을 어떻게 헤쳐나갈지는 몰라도, '누구와 함께' 할 것인지는 확실히 알게 되었습니다. 당신 주변의 사람들은 당신의 목표, 가치, 그리고 궁극적으로 당신의 정체성을 형성합니다. 따라서 인생을 함께할 사람들을 매우 신중하게 선택해야 합니다.

1. 지금 바로 플레이하라
- '언젠가(When)'라는 악마의 속삭임: "학자금 대출을 다 갚으면...", "승진하면...", "아이들이 크면..." 등, 우리는 계속해서 인생의 시작을 미래로 미룹니다. 하지만 당신이 '지나가고 있다'고 생각하는 그 시간들이 바로 **당신의 인생 그 자체**입니다.
- 가장 위험한 두 단어, '나중(Not now)': 지난 22년간 수많은 학생들이 무언가를 하고 싶다고 말하면서 "안 하겠다"고 말한 경우는 없었습니다. 그들은 항상 "지금은 아니다(Not now)"라고 말했습니다.
- 기다림은 두려움의 다른 이름: 사이드라인에서 기다리는 것은 당신이 이길 수 있는 게임을 찾는 방법이 아닙니다. 그것은 단지 두려움의 또 다른 형태일 뿐입니다.
- 열정은 현재의 삶에서 발견된다: 당신의 열정은 현재 당신이 살고 있는 삶에 열정적으로 임할 때 발견됩니다.
4💘1
OpenAI Dev Day 2025 메모

1. OpenAI의 궁극적 비전: '위대한 AI 슈퍼 어시시턴트'와 플랫폼화


웹의 패러다임 전환: 과거 Google이 정적인 웹사이트를 '찾아주는' 역할이었다면, ChatGPT는 정보를 '읽어주고, 이해하며, 사용자를 대신해 행동하는' 동적인 에이전트로 웹의 역할을 재정의하고 있습니다.

'Apps in ChatGPT'를 통한 생태계 구축:

신뢰 자산의 활용: ChatGPT는 이미 주간 활성 사용자 8억 명과의 신뢰 관계를 구축했습니다. 기술은 모방할 수 있지만, 이 규모의 신뢰와 브랜드는 후발주자가 따라오기 힘든 강력한 해자(moat)입니다.

네트워크 효과를 향한 재도전: 과거 'GPTs'가 실패한 이유는 ①사용자에게 반복적으로 사용할 만한 충분한 가치를 제공하지 못했고, ②개발자(메이커)가 수익을 창출하거나 사용자를 지속적으로 확보할 수단이 부재했기 때문입니다. 이번 'Apps in ChatGPT'는 이 문제를 해결하고, iOS 앱스토어처럼 강력한 네트워크 효과와 생태계 락인(Lock-in)을 구축하려는 OpenAI의 진심이 담긴 시도입니다.

새로운 앱스토어의 가능성: 만약 조니 아이브와 협력 중인 새로운 AI 하드웨어가 출시된다면, 'Apps in ChatGPT'는 단순한 플러그인을 넘어 그 하드웨어의 핵심 앱 생태계, 즉 새로운 형태의 앱스토어로 발전할 잠재력을 가집니다.

2. 모델 성능의 비약적 향상과 개발의 민주화

Dev Day의 모든 발표 기저에는 '모델 자체 성능의 비약적 향상'이라는 근본적인 동력이 있습니다. 이는 소프트웨어 개발 방식에 지각 변동을 일으키고 있습니다.

'노코드 혁명' (Agent Builder): 코딩 지식이 없는 일반인도 시각적인 인터페이스로 복잡한 AI 에이전트를 구축할 수 있게 되었습니다. 이는 AI 개발의 장벽을 극적으로 낮춰 개발의 민주화를 이끌고 있습니다.

개발 속도의 폭발적 증가: 샘 알트먼이 언급했듯, "아이디어가 떠오르는 속도보다 개발 속도가 더 빠른" 시대가 오고 있습니다. Agent Kit, Codex와 같은 툴은 아이디어 구상부터 프로토타입 제작, 배포까지의 사이클을 획기적으로 단축시킵니다.

3. Sora: 새로운 사용 패턴과 비즈니스 모델의 실험장
Sora는 단순히 기술적 성과를 넘어, AI 시대의 새로운 콘텐츠 소비 패턴과 비즈니스 모델을 탐색하는 중요한 실험장입니다.

사용 패턴의 발견: 초기 예상과 달리, 소수의 전문가가 고품질 영상을 만드는 것보다 다수의 일반 사용자가 친구들과 공유할 '밈(Meme)'을 만드는 사용 사례가 폭발적으로 나타났습니다. 이는 AI 창작 도구가 전문가의 영역을 넘어 대중의 일상적인 소통 방식으로 자리 잡을 가능성을 보여줍니다.

새로운 비즈니스 모델의 탐색: 인터넷 시대의 수익 모델이 대부분 광고에 의존했다면, AI 시대에는 훨씬 더 다각화된 모델이 실험되고 있습니다.

구독 (ChatGPT Plus)
API 사용량 과금
생성 건당 과금 (Sora의 밈 제작 등)
IP 라이선스 (예: 디즈니 캐릭터를 사용하려면 추가 비용 지불)
커머스 결제 수수료

경쟁 구도: Sora가 틱톡을 위협할 만큼 성장한다면 OpenAI에게 중요한 현금 흐름이 될 것입니다. 이는 Meta(최근 'Vibe' 출시)와 같은 빅테크 기업들이 이 분야에 더욱 공격적으로 뛰어들게 만드는 촉매제가 될 것입니다.

4. Codex & Storyboard: AI가 바꾸는 개발자와 크리에이터의 작업 방식

Codex는 AI가 어떻게 특정 전문 분야의 생산성을 극대화하는지를 보여주는 가장 명확한 사례입니다.

OpenAI 내부의 압도적인 생산성 향상:
채택률: 기술 직원의 **92%**가 매일 사용.
생산성: 엔지니어당 주간 PR 제출량 70% 증가.
품질: 거의 모든 PR을 AI가 리뷰하여 배포 전 버그를 잡아냄.

맞춤형 툴 신속 개발 (Storyboard 사례): 영화 'Critters' 제작팀을 위해, Codex를 활용하여 단 이틀 만에 맞춤형 스토리보드 툴을 구축했습니다. 아티스트의 피드백을 받아 회의 중간에 Codex에게 작업을 지시하고, 심지어 폰으로 PR을 병합하며 하루에 10개 가까운 기능을 추가하는 등, 기존에는 상상할 수 없었던 속도로 개발이 이루어졌습니다.

Sora 2 API와의 결합: Storyboard는 이제 **'스케치 → 이미지 → 영상'**으로 이어지는 전체 크리에이티브 파이프라인을 AI로 가속화하며, 아티스트가 창의적 통제권을 유지한 채 작업할 수 있도록 돕습니다.

5. 거대한 인프라 투자와 'AI 동맹' 전략

모든 프론티어 AI 연구소는 컴퓨팅 파워가 곧 모델의 능력과 서비스의 한계임을 인지하고, 선제적인 인프라 구축에 사활을 걸고 있습니다.

OpenAI의 자금 조달 전략: Google, Meta 같은 빅테크와 직접 경쟁하기에 자본력이 부족한 OpenAI는, 자신의 성공에 이해관계가 걸린 'AI 동맹'을 구축하는 전략을 사용하고 있습니다.

이해관계 일치: Nvidia, Oracle, AMD, 삼성/SK하이닉스, 소프트뱅크 등 파트너사들은 OpenAI의 성공이 곧 자신들의 성장으로 이어진다는 이해관계를 공유합니다.

'합성 레버리지' 구조: OpenAI는 장기 구매 계약을 통해 파트너사들의 부채를 사실상 '보증'합니다. 이는 "타인의 부채를 보증하여 자신의 생산 능력을 확보하는" 구조로, 재무제표상에는 드러나지 않는 거대한 레버리지를 일으키는 것과 같습니다. 이는 OpenAI의 리스크인 동시에, 파트너들을 운명 공동체로 묶는 강력한 수단이 됩니다.

공급망 다변화: Nvidia의 CUDA 생태계에서 벗어나기 위해 Triton을 지원하며 AMD와의 협력을 강화하고, 삼성/SK하이닉스와의 관계를 통해 HBM 공급망을 확보하는 등, 장기적으로는 자체 하드웨어 구축까지 염두에 둔 치밀한 공급망 전략을 펼치고 있습니다.

6. 에너지: AI 시대의 새로운 석유

AI 데이터센터의 폭발적인 전력 수요는 에너지를 AI 시대의 가장 중요한 자원으로 만들었습니다. 샘 알트먼은 개인 투자를 통해 이 분야에 적극적으로 베팅하고 있습니다.

단기: Crusoe (잉여 천연가스를 활용한 데이터센터)
중기: Oklo (SMR-소형 모듈 원자로), Exowatt (태양광+저장장치)
장기: Helion (핵융합)

7. 버블에 대한 고찰

인프라 버블의 가능성: 닷컴 버블이 통신 설비에 대한 과잉 투자에서 비롯되었듯, 현재 데이터센터에 대한 막대한 투자는 유사한 버블의 위험을 내포하고 있습니다.

과거와의 차이점: AI 기업들은 이미 강력한 수익 모델을 확보하고 있으며, 기술이 실질적인 가치를 창출하는 속도가 훨씬 빠릅니다.

마크 앤드리슨의 관점: 버블 예측은 불가능하며, 시장 붕괴는 여러 번의 하락을 통해 점진적으로 일어납니다.

8. OpenAI의 조직 문화와 미래 타임라인

조직 구조: OpenAI는 ①소비자 기술 비즈니스, ②초대규모 인프라 운영, ③연구소, ④신규 사업(하드웨어 등)이 결합된 수직계열화된 조직입니다.

연구 문화: "초기 스타트업 투자사처럼 운영"하는 것이 핵심입니다. 다수의 프로젝트를 병렬적으로 탐색하고, 대부분의 실패를 감수하며 소수의 대성공을 노리는 포트폴리오 접근 방식을 취합니다.

미래 타임라인 (예측):
2025년: 전체 인프라 계획 공개, Apps in ChatGPT 1,000개 돌파.
2026년: 첫 AI 기반 중요 과학 발견, 조니 아이브 디바이스 출시.
2027년 이후: AGI 시대 진입, AI 과학자가 인간을 초월하는 영역 등장.
2
Continuous Learning_Startup & Investment
https://youtu.be/wLb9g_8r-mE "우리가 만드는 것이 우리가 누구인지를 증명한다"는 깨달음을 얻었습니다. 제품은 가치관, 주요 관심사 등을 명확하게 보여준다고 생각했습니다. - 맥을 통해 명확한 가치관을 가진 독창적인 사상가 그룹이 사람과 문화를 중시하며 만든 제품이라는 것을 느꼈습니다. - 제품 디자인은 단순히 가격과 일정에 맞추는 것이 아니라, 인류를 진보시키려는 시도가 될 수 있다는 것을 맥을 통해 확인했습니다. 당시 실리콘밸리(1989…
"수십 년 된 레거시 제품(스마트폰 등)을 통해 오늘날의 경이로운 기술을 경험해야 한다고 가정하는 것은 불합리하다"

새로운 Iphone Moment가 얼마 남지 않았다.

"어떻게 문제 탐색 단계에서 완전히 새롭고 명료한 아이디어로 도약하는가?"

1. 동기와 연료(Motivation and Fuel): "우리는 인류를 사랑하고, 인류에게 유용해지고 싶다"는 명확한 동기가 가장 중요합니다.
2. 연약한 아이디어 보호: 아이디어는 항상 잠정적이고, 조용하며, 본질적으로 연약하게(fragile) 시작됩니다. 오랜 신뢰를 쌓은 팀 환경이 이 연약한 아이디어를 말로 표현하고 탐색할 수 있는 분위기를 만듭니다.
3. 역사와 질문: 역사를 신중하게 연구하되, 기존의 지혜를 쉽게 받아들이지 않고 끊임없이 "왜?"라고 질문하는 끈기가 중요합니다.

'Craft(솜씨)'와 'Care(정성)'의 철학

보이지 않는 것에 대한 정성: 조니 아이브는 'Craft'와 'Care'를 거의 동일한 개념으로 봅니다. 이는 사람들이 보지 못하는 부분까지 신경 쓰는 것을 의미하며, 편리할 때만 신경 쓰는 것은 진정한 정성이 아니라고 말합니다.

사람은 정성을 감지한다: 그는 "사람들은 누군가 정성을 쏟았을 때 그것을 감지할 수 있다"고 믿습니다. 특히 '부주의함(carelessness)'은 더 쉽게 감지할 수 있으며, 이는 사용자를 신경 쓰지 않고 돈이나 일정만 생각할 때 드러난다고 설명합니다.

가장 큰 도전: 아이디어가 부족한 것이 아니라, 감당하기 힘든 '추진력(momentum)'이 가장 큰 도전입니다. 너무나 많은(15~20개) 매력적인 제품 아이디어가 쏟아져 나와, 어디에 집중할지 선택하는 것이 어렵다고 토로합니다.

빌더들을 위한 조언:

모두가 초심자: AI 시대는 모두에게 새롭기 때문에 평등한 기회가 있습니다.

호기심과 배움에 대한 갈망: 성공하기 위해서는 호기심을 갖고 배우려는 자세가 필수적입니다.

자신의 경험을 의심하라: 자신의 과거 경험이 언제 유용한지, 그리고 언제 방해물이 되는지를 명확히 구분해야 합니다.

독단(Dogma)을 버려라: 기존의 창작 방식이나 엔지니어링에 대한 독단은 성공에 큰 장애물이 될 것입니다.

'전술이 전략이 되게 하라(Let tactics become a strategy)'는 말을 인용하며, 처음부터 거창한 전략을 세우기보다, 우선 작동하는 것들을 실행하다 보면 그 과정에서 지속 가능한 전략이 드러난다고 조언했습니다.

ChatGPT의 사례: 처음 ChatGPT를 출시할 때 '메모리(Memory)' 기능이 중요한 경쟁 우위가 될 것이라고는 전혀 예상하지 못했습니다. 하지만 기능을 추가하고 사용자의 반응을 보면서, 이것이 사용자들이 계속 ChatGPT를 사용하게 만드는 강력한 요인임을 발견했습니다.

https://youtu.be/7cKbPLzNYws
2
Continuous Learning_Startup & Investment
- LLM 경쟁이 주요 회사들(OpenAI, Google, Anthropic, xAI) 들이 LLM 성능을 더 좋게 만드는 것은 지속될 것. - 코딩 영역에서는 IDE(커서) 방식이나 에이전트 워크플로우(데빈)을 둘 다 실험하고 있으나 에이전트의 품질이 얼마나 빠르게 좋아지느냐가 중요함. OpenAI의 경우에는 Codex(코딩 에이전트)에 투자하고 IDE(윈드서프)를 인수하면서 두가지 방향성에 대해서 헷징 - 헬스케어에서 문서작업이 많은 일, 고객성공(Sierra…
AI 쪽을 보다 보면 "나만 뒤처지는 거 아냐?" 하는 조급함, FOMO에 빠지기 쉽다. 그런데 Elad Gil은 "AI는 이제 막 초기 단계를 지났을 뿐"이라고 말한다. 앞으로 올 변화들을 생각하면 아직 갈 길이 멀다는 거다.

Thrive Capital의 Josh가 했던 말이 떠오른다. 모든 테마와 회사를 파악하려는 '조직적인 조급함'과, 진짜 뭘 할지 결정할 때 필요한 '극도의 인내심'. 이 둘 사이에서 균형을 잡는 게 어렵지만 정말 중요해 보인다.

닷컴 버블 때를 생각해보자. 1999년, 2000년에 걸쳐 900개 회사가 상장했지만, 살아남은 건 고작 30개 남짓이었다. 그중에서도 아마존이나 구글처럼 진짜 중요한 회사는 두세 곳뿐이었다. 지금은 시대가 바뀌어서 Series B 투자가 예전 IPO만큼 돈을 모은다지만, 본질은 같다. 결국 진짜는 소수라는 것.

그럼 AI 시대의 '내구성(해자)'은 뭘까?

Frontier Lab들이 코딩, 법률, CS 등 각 분야의 전문가 Agent를 직접 만들기 시작하면 어지간한 서비스는 살아남기 힘들 거다. 그래서 다음 질문들이 중요해진다.

1. Frontier Lab이 직접 만들면 내 서비스는 버틸 수 있나?
2. 새로운 스타트업이 나와도 고객들은 내 제품을 계속 쓸까?
3. 내 제품, 혹시 그냥 AI 유행에 편승한 거품은 아닐까?

이미 코딩이나 법률 분야는 소수의 승자로 좁혀지는 분위기다. 하지만 금융 툴링, 세일즈, 회계, 컴플라이언스 같은 분야는 아직 누가 이길지 모르는 기회의 땅이다.

"아직 투자가 덜 된 분야가 어디냐"는 질문에 Elad Gil은 이렇게 답한다. "트렌드는 생각보다 오래간다. 페이스북, 트위터 나오고 소셜 끝났다고 할 때 왓츠앱, 인스타, 틱톡이 나왔다. AI는 지난 20년간 가장 큰 파도인데, 이제 겨우 시작이다."

AI가 아닌 전통 소프트웨어는 어떨까?

리플링(Rippling) 같은 HR 회사는 AI로 제품을 개선할 순 있겠지만, 'AI-First 리플링' 같은 회사가 나와서 이기긴 어렵다. 오히려 진짜 위협은 AI 때문에 회사 인력이 줄어서 리플링의 매출 자체가 줄어드는 시나리오일 수 있다.

AI 시대에 우리가 저평가하고 있는 것들은 뭘까?


모델 성능 자체보다, 누구나 API로 이 엄청난 기술을 쉽게 쓸 수 있게 됐다는 사실.
예전엔 소프트웨어가 절대 안 팔리던 법률 같은 시장이 열리고 있다는 것.
TAM이 '사람 수'에서 '사람의 노동 가치'로 바뀌고 있다는 것.

Zendesk 몇 개 파냐가 아니라, AI가 몇 명의 일을 대신하냐가 핵심이다. 이건 5조 달러짜리 시장을 노리는 거다.

인터넷도 진짜 커지는 데 15년이 걸렸는데, AI는 더 빠를까?

Cursor 같은 팀의 속도를 보면 그럴 것 같다. 하지만 진짜 병목은 기술이 아니라 조직과 일하는 방식이다. 그래도 다들 ChatGPT를 쓰는 걸 보면, 이번엔 진짜 빠를지도 모르겠다.

AI Roll-up이라는 개념도 흥미롭다.

미국에만 5조 달러 규모의 거대 서비스 시장이 있는데, 이 회사들은 AI 도입이 느리다. 이 회사들을 아예 사버린 다음, AI로 마진 구조를 뜯어고치는 거다. 직원 생산성을 80%씩 올리는 식으로 말이다. 물론 이걸 하려면 AI 전문가, PE 전문가, 오퍼레이터가 다 있어야 한다. 대부분은 그냥 AI 이름만 붙여서 밸류에이션 아비트라지 하는 데 그친다.

마지막으로, AI가 벤처 투자는 어떻게 바꿀까?

듀 딜리전스는 당연히 좋아질 거다. 더 재밌는 건 사람 표정을 읽는 기술이다. 상대가 가짜로 웃는지, 성향은 어떤지 분석하는 'EQ Copilot'이 메타 글라스 같은데 들어간다면, 사람 보고 투자하는 VC들에게는 엄청난 무기가 될 것 같다.

https://youtu.be/xpzDUXbSq8g?t=5713
2
2024년부터 밈 코인이 빠르게 성장했고 대표적인 사례는 Trump 코인

밈코인을 트레이딩하는 대부분 소셜(X,텔레그램, 틱톡)을 통해 컨텐츠를 보내면서 엄청난 속도로 성장. 주로 밈코인 트레이딩하는 법, 고래 지갑을 추적하는 법 등.

대부분 밈코인은 솔라나 네트워크에서 거래. 2025년 상반기에 솔라나 전체 네트워크의 60%까지도 차지했으나 하반기엔 30% 미만으로 하락.

밈코인을 생성하는 플랫폼은 Pump.fun은 밈코인 생성의 기술적/금융적(초기 유동성 x) 번거로움을 없애면서 신규 밈 토큰의 70-80%을 차지함. 2024년에는 $350m 매출(수수료 1%)

생성된 밈코인들은 여러 DEX 거래소에서 거래됨.

대부분 트레이더들이 X, 텔레그램 봇, 온체인 지갑 활동, 밈 코인 가격을 살펴보면서 트레이딩을 하고 있어서 텔레그램 봇 + 거래 터미널을 합쳐주는 제품들(BullX, GMGN, Photon)이 등장함.

Axiom은 기회를 포착해서 거래하는 모든 과정을 하나의 UX로 만들어서 밈 트레이딩을 위한 Wrapper(거래소)를 만듦.

기존 플레이어 대비 낮은 수수료 + 다단계 구조의 추천 제도 + 거래할 수록 쌓이는 보상을 만들어서 런칭 129일만에 $100M누적, 202일만에 $200M 매출을 만드는 중.

창업자는 2명(20살)이고 현재 4명의 팀으로 운영중.

AI이외에도 엄청나게 빠른 성장을 Crypto에서도 만들고 있음. Hyperliquid는 89일만에 $100m 매출.

https://axiom.trade/discover
3
Bitmex 창업자 Arthur Hayes의 새로운 PE

Problem

1. 대부분 Crypto Infra 창업자들이 Coinbase에게 회사를 팔고 Coinbase는 상장사로서 이런 회사들을 유리한 위치에서 인수.
2. 전통 금융회사들은 Crypto에 진입하고 싶지만 제대로 팀을 찾기 어려움.
3. LP들이 크립토에 집중된 펀드에 투자하고 싶은데 이미 커버린 펀드들이 많음.

Solution

1. Cash 로 딜을 해서 창업자도 좋고, 펀드는 비교적 싸게 구매할 수 있어서 수익율 관점에서 좋음.
2. 비즈니스를 키우고 잠재적 인수자들에게 매각
3. LP들에게는 빠르게 성장하는 Crypto 회사들에게 투자할 수 있는 기회 제공

https://x.com/akshat_hk/status/1979259734524912091
👎1
USDC/USDT가 스테이블코인 시장을 과점할 것인가?

1. 스테이블코인(USDC/USDT)은 크립토 시장에서 디지털 달러의 역할을 하며, 중앙화 거래소(CEX)와 DeFi의 성장과 함께 주요 거래 페어로 쓰이면서 빠르게 성장해 왔다.

2. 거래량 증가로 유동성·신뢰·사용 습관이 누적되며 USDT/USDC의 양강 체제가 형성됐다. BUSD·UST 등 경쟁자도 있었으나 규제 이슈(BUSD)와 설계 취약(UST 붕괴)로 현재는 양강 구도가 유지되고 있다.

3. 두 스테이블코인은 유통량에 상응하는 준비자산(현금·미국 국채 등)을 보유하며, 여기서 발생하는 이자수익이 핵심 수익원이다. USDC는 Coinbase와의 계약에 따라 준비자산 이자수익을 공유한다(온플랫폼 100%, 오프플랫폼 50:50 등 조건).

4. 사용자 분포(Distribution)를 가진 쪽이 유리하다. Hyperliquid(파생 거래소), MetaMask/Phantom(지갑)처럼 자체 스테이블코인을 발행해 플로트 이익을 내부화하고, 이를 기반으로 예치·결제 등 인접 서비스로 확장하기 수월해졌다. (예: MetaMask의 mUSD—Bridge(Open Issuance) 발행 + M^0 온체인 인프라 연동; Phantom의 CASH 등)

5. 은행·핀테크 컨소시엄 형태도 등장한다. 예컨대 Paxos의 Global Dollar Network(USDG)는 Robinhood·Kraken·Anchorage 등과 배포·유통을 묶는 모델로 확장한다. 이러한 연합은 새 수익원(플로트·수수료)을 만들고 파트너사에 리워드(Rev-share)를 제공하는 구조다.

6. 화이트라벨 발행 인프라가 늘고 있다: Open Issuance(Stripe-Bridge), M^0, Brale, Bastion 등. 이들은 발행·준수(컴플라이언스)·유동성·상장·정산을 상품화해 발행 장벽·비용을 낮춘다.

7. 신규 발행사는 유통 파트너와의 Rev-share를 통해 준수·운영을 담당하고, 사용자를 가진 서비스(DeFi·핀테크·은행·마켓플레이스 등)와 제휴해 빠르게 확장할 수 있다. (예: BridgeM^0 조합, BVNKWorldpay 지급망 결합)

8. 당연하게도 고객(플랫폼·지갑·머천트·은행)은 신뢰할 수 있는 준비자산·공개 정보(투명성), 규제 준수 아웃소싱(감사·PoR), 정책·리저브·체인 커스터마이즈, 기존 금융/결제망 연동을 한 번에 제공하는 벤더를 선호한다.

9. Stripe는 Bridge 인수 후 Open Issuance로 Crypto 네이티브 고객(Phantom, Hyperliquid, MetaMask)을 확보했다. Brale은 거래소·지갑·프로토콜을, Bastion은 엔터프라이즈를 주로 공략한다. BVNK는 스테이블코인 지급·수납·보관 인프라를 제공하면서 Worldpay와 글로벌 즉시 Payout을 추진하고, Deel 등의 지급 사례가 나온다. M^0는 연합 발행·공유 유동성 네트워크로 초기 유동성 문제를 줄여준다.

10. 스테이블코인이 다양해질수록 거래·스왑·어그리게이션·파생 등의 새 스택이 쌓이고, 핀테크/전통 금융과 결제·예치·송금을 내재화한 신규 플레이어도 등장할 것이다(예: 카드/급여 카드인데 백엔드는 스테이블 코인 기반 결제 등).

11. 규제가 크립토 친화적으로 바뀌면서 합법적 취급 범위가 넓어지며, 크립토 2.0으로의 전환이 가속화되고 있다.

12. 거래·예치 중심이던 CEX/DEX를 넘어 은행·송금·결제·카드 등 백엔드 인프라에 스테이블코인이 들어가면, 현재의 거래량·발행량을 크게 상회하는 더 큰 생태계가 만들어질 가능성이 높다. (PSP와의 정산·프리펀딩, 카드 결제 라우팅 등)

13. 요약하면, USDT/USDC는 성장을 이어가겠지만 배포·정산·리워드에서 플랫폼 소유자(거래소·지갑·PSP·은행)가 자체 코인 또는 제휴 코인으로 플로트 이코노믹스를 가져가면서 점유율의 ‘가장자리부터’ 잠식이 진행될 것이다. 완전한 전복은 쉽지 않지만, 변화는 이미 시작됐다.

https://x.com/nic__carter/status/1973399535092171216
👍21
한국인 중에서 해외에서 성공한 사람들을 열심히 찾을 때 우연히 알게된 Michell Kang 이번에 David Rubenstein Show에 나오셔서 메모.

Super Korean이 더 많아지고 거기에 기여하고 싶다!

- 한국 서울에서 태어나 미국으로 유학 (시카고대 경제학, 예일대 경영대학원).
- 컨설팅(Arthur D. Little, Ernst & Young)과 대기업(Northrop Grumman)에서 경력을 쌓음.
- 2008년 헬스케어 IT 컨설팅 회사 코그노산테(Cognosante)를 창업하여 2024년 액센츄어에 매각.
- 현재는 여성 축구팀을 중심으로 한 멀티클럽 조직 키니스카(Kyniska)를 운영하며 여성 스포츠의 프로페셔널화와 생태계 구축에 전념

왜 여성 스포츠에 입문했는가?

2019년 미국 여자 축구 대표팀의 월드컵 우승 기념 파티에 초대받은 것을 계기로 미국 여자 프로 축구 리그(NWSL)의 존재를 처음 알게 됨. 처음에는 소수 지분 투자자이자 젊은 여성 선수들의 멘토로 참여할 생각이었으나, 점차 깊이 관여하게 됨.

수익성 전망: 현재 여성 스포츠팀들은 수익을 내지 못하고 있지만, 이는 남성팀들도 미디어 중계권료를 제외하면 경기 당일 운영만으로는 수익을 내기 어려운 것과 마찬가지. 관중 동원력을 키우고 리그가 성숙해지면 몇 년 안에 손익분기점을 넘을 것으로 확신.

출생과 교육: 서울에서 교수 아버지와 교사 출신 정치인 어머니 사이에서 태어남. 미국에서 유학한 아버지의 영향으로 성 역할에 대한 고정관념에서 벗어나 자유롭게 성장.

미국 유학: 당시 미혼 여성이 혼자 유학 가는 것이 금기시되던 사회 분위기 속에서, "유학을 보내주지 않으면 민주화 시위에 참여하겠다"는 협상과 "학비는 1년치만 지원해주면 나머지는 스스로 해결하고, 결혼 비용도 쓰지 않겠다"는 약속으로 부모님을 설득. 시카고 대학교에서 경제학을 전공.

커리어 3단계 계획: 예일대 경영대학원 졸업 후, 그녀는 30년에 걸친 야심 찬 커리어 계획을 세움.

1단계 (10년): 컨설팅 회사(Arthur D. Little, Ernst & Young)에서 비즈니스의 모든 측면을 빠르게 학습.
2단계 (10년): 포춘 500대 기업(Northrop Grumman)에서 조직 관리와 리더십을 경험. P&L(손익) 책임이 있는 헬스케어 사업부를 맡아 운영.
3단계 (10년): 포춘 500대 기업의 CEO가 되는 것을 목표.

창업의 계기: 헬스케어 IT 분야에서 일하던 중, 조지 W. 부시 대통령이 2014년까지 모든 미국인의 전자의무기록(EMR) 보급을 선언하며 관련 시장이 폭발적으로 성장하는 것을 목격. 여기서 사업 기회를 발견하고 2008년 코그노산테(Cognosante)를 창업.

독립적인 자본 조달: 외부 투자 없이 완전한 자기 자본(Bootstrapped)으로 회사를 설립. 외부 투자를 받았다면 자신이 감수했던 과감한 리스크를 지지 못했을 것이라고 설명.

https://youtu.be/noLna-rOl30
2👍1
1. AGI, 10년은 걸린다: '요란한 데모'와 '진짜 제품'의 차이

- "에이전트의 해"가 아닌 "에이전트의 10년": Karpathy는 현재의 AI 기술이 인상적이지만, 인간 인턴 수준의 업무를 수행하기엔 역부족이라고 단언합니다. 연속 학습, 멀티모달리티, 인지적 결함 등 근본적인 문제 해결에 최소 10년이 걸릴 것이라고 예측합니다. 이는 단기적인 기대감보다 장기적인 R&D 관점이 필요함을 시사합니다.
- '9의 행진 (March of Nines)': 그는 테슬라 자율주행 개발 경험을 바탕으로, 90% 성능의 데모를 만드는 것과 99.999% 신뢰도의 제품을 만드는 것은 차원이 다른 문제라고 강조합니다. 신뢰도의 '9'를 하나 더 늘릴 때마다 처음 90%를 달성한 만큼의 노력이 필요하며, 이는 안전성과 신뢰도가 중요한 AI 프로덕트(특히 B2B, 프로덕션 코드) 개발에 동일하게 적용됩니다. 투자자와 창업가는 '화려한 데모'와 '실제 상용화' 사이의 거대한 갭을 인지해야 합니다.
- 현실: 웨이모 같은 서비스도 운전석에 사람이 없을 뿐, 보이지 않는 곳의 원격 관제 센터(teleoperation)에서 여전히 인간이 개입하고 있습니다. 이는 100% 완전 자동화의 어려움을 보여주는 현실적 사례이며, '화려한 데모'와 '실제 상용화' 사이의 거대한 갭을 인지해야 합니다.

2. 현존 LLM의 심각한 '인지적 결함'들: 왜 아직 멀었는가?

- "Pre-training은 crappy evolution이다. 실제 진화를 할 수 없으니, 인터넷 문서 모방으로 'ghosts'를 만드는 것”
- 강화학습(RL)의 한계: "가느다란 빨대로 학습 신호를 겨우 빨아들이는 격": 현재의 RL은 끔찍(terrible)하다고 표현합니다. 수많은 시도 끝에 정답을 맞혔다는 **단 하나의 결과**만으로, 그 과정의 모든 행동(심지어 잘못된 추론)을 강화하는 방식은 매우 비효율적입니다. 인간처럼 과정을 복기하고 부분적인 성공/실패를 분석하는 'Reflect & Review' 메커니즘이 부재합니다.

문제점: 과정 기반 보상을 위해 LLM 심판(Judge)을 도입해도, 'dhdhdhdh' 같은 무의미한 입력에 최고점을 주는 등 쉽게 속아 넘어가는(gameable) 문제가 있어 아직 난관에 부딪혀 있습니다.

- '수면'과 '지식 증류'의 부재: 인간이 잠을 자면서 낮 동안의 경험을 장기기억으로 전환하는 것처럼, LLM에는 컨텍스트 창(작업 기억)의 내용을 모델의 가중치(장기 기억)로 '증류(distill)'하는 과정이 없습니다. 매번 세션을 처음부터 다시 시작해야 하는 근본적인 한계입니다.
- 합성 데이터의 '붕괴(Collapse)' 문제: LLM이 스스로 생성한 데이터로 학습하면 성능이 오히려 저하되는 현상입니다. 모델이 생성하는 결과물은 겉보기엔 다양해 보이지만, 실제로는 **통계적으로 매우 좁은 분포에 갇혀있기(collapsed) 때문**입니다. 이는 "ChatGPT에게 농담을 해달라고 하면 맨날 똑같은 3가지 농담만 하는 것"과 같습니다. 이 '엔트로피 부족' 문제는 자기 개선 능력의 핵심적인 병목입니다.
- 인간도 Collapse: 그는 이 현상이 인간에게도 나타난다고 말합니다. 어린이는 아직 과적합(overfit)되지 않아 창의적이지만, 성인은 점점 같은 생각과 말을 반복하며 '붕괴'된다는 것입니다. **꿈(Dreaming)은 이런 과적합을 막기 위한 뇌의 엔트로피 추구 메커니즘**일 수 있습니다.
- 과도한 암기력은 버그: LLM은 인간과 달리 무의미한 정보까지 완벽하게 암기합니다. Karpathy는 이것이 오히려 일반화 가능한 패턴을 학습하는 데 방해가 되는 '버그'라고 지적합니다. 그는 미래에는 불필요한 사실적 지식(memory)을 제거하고, 사고와 문제 해결 알고리즘만 남긴 순수한 '인지적 핵(Cognitive Core)' 형태의 모델이 중요해질 것이라 예측합니다.
- LLM은 외로운 천재: 문화와 경쟁의 부재: LLM에는 '문화(Culture)'가 없습니다. LLM끼리 서로의 결과물("책")을 읽고 배우거나, 공유된 지식 기반(scratchpad)을 쌓아가지 못합니다. 또한 AlphaGo가 스스로와 대결하며 강해졌듯, LLM 간의 경쟁과 협력을 통한 'Self-Play' 메커니즘도 아직 미개척 영역입니다. 현재의 AI는 똑똑하지만 고립된 '유치원생' 수준에 머물러 있습니다.

3. AI 개발의 현실: '오토컴플리트'는 훌륭하지만 '에이전트'는 아직

- Nanochat 개발 경험: 그는 최근 공개한 ChatGPT 클론 'Nanochat'을 개발하며 **코딩 에이전트가 거의 도움이 되지 않았다**고 밝혔습니다. 그 이유는 다음과 같습니다.
- 새로운 코드에 대한 이해 부족: 에이전트는 인터넷에 널리 퍼진 보일러플레이트 코드 생성에는 능하지만, 독창적이거나 새로운 구조의 코드("한 번도 작성된 적 없는 코드")는 이해하지 못합니다.
- 잘못된 패턴 강요: Karpathy가 커스텀 구현을 사용했을 때, 에이전트는 계속해서 일반적인 라이브러리(DDP) 사용을 강요하며 코드를 망가뜨렸습니다.
- 불필요한 복잡성 증가: 방어적인 코딩 스타일(try-catch 남발), 오래된 API 추천 등 코드의 복잡성만 높이는 "쓰레기(slop)"를 생성하는 경우가 많았습니다.
- '오토컴플리트'가 최적점: 현재로서는 인간 개발자가 코드의 구조를 설계하고 특정 위치에서 몇 글자만 입력하면 나머지를 완성해주는 **'오토컴플리트'가 가장 생산성이 높은 방식**이라고 결론 내립니다. 이는 인간의 의도를 지정하는 데 가장 높은 정보 대역폭을 제공합니다.
- Karpathy는 자신의 워크플로우를 1) 핵심 로직은 직접 작성, 2) 반복적인 부분은 오토컴플리트 활용, 3) 보일러플레이트나 익숙하지 않은 언어(e.g., Rust)에만 에이전트를 제한적으로 사용한다고 밝혔습니다. 이는 인간의 의도를 지정하는 데 가장 높은 정보 대역폭을 제공합니다.
- 코딩이 첫 킬러앱인 이유: AI가 유독 코딩 분야에서 강력한 이유는 코딩이 본질적으로 텍스트 기반이고, diff 등 자동화를 위한 인프라가 이미 잘 구축되어 있기 때문입니다. 슬라이드 제작처럼 시각적이고 구조화되지 않은 작업은 훨씬 어렵습니다.

4. AI의 경제적 임팩트: '폭발'이 아닌 '점진적 통합'

- GDP 성장률 2%의 연속: Karpathy는 AI가 인류의 GDP 성장률을 극적으로 끌어올릴 것이라는 '폭발' 가설에 회의적입니다. 그는 컴퓨터, 인터넷과 같은 과거의 혁신적인 기술들도 기존의 연 2% 성장률 곡선에 점진적으로 통합되었을 뿐, 성장률 자체를 급격히 바꾸지 못했다고 지적합니다.
- AI는 컴퓨팅의 연장선: AI 역시 갑작스러운 '특이점'이 아니라, 수백 년간 이어져 온 자동화와 컴퓨팅 기술 발전의 자연스러운 연장선으로 봅니다.
- 이는 AI가 단순한 생산성 도구를 넘어 '노동 자체'를 대체하기에 질적으로 다르다는 반론에 대해, 컴퓨터 역시 정보 처리라는 '노동'을 자동화한 기술이었지만 결과는 동일했다고 반박합니다. 사회에 점진적으로 확산되고 통합되면서 기존 성장 패턴을 유지하는 데 기여할 것이라는 현실적인 전망을 내놓았습니다.
6
5. 교육의 미래: Eureka와 '초인적 인간'의 비전
- Pre-AGI: 교육은 유용합니다 (돈을 벌기 위해).
- Post-AGI: 교육은 즐거워집니다 (헬스장에 가듯이).
- '지식으로 가는 램프(Ramps to Knowledge)':
- 그의 교육 철학은 복잡한 지식을 가장 단순한 첫 단계(구형 소(Spherical cow) 모델)부터 시작해 점진적으로 오를 수 있는 **'경사로'를 설계하는 것**입니다. (micrograd 예시: 단 100줄의 코드로 모든 신경망 학습의 핵심을 설명)
- 완벽한 튜터 경험: 그의 한국어 과외 경험처럼, 5분 만에 학생 수준을 파악하고 항상 적절한 난이도를 제공하여, **학생 자신이 유일한 병목**이 되게 만드는 것이 목표입니다. 현재 AI 튜터는 이 수준에 한참 미치지 못합니다.
- 투자 시사점:
- 완벽한 AI 튜터의 실용화는 5-10년 후에나 가능할 것입니다.
- 단기적으로는 프리미엄 콘텐츠 + 인간 TA 모델이 유효합니다.
- 직업 변화로 인한 재교육(Re-education) 시장은 거대해질 것이며, 오프라인 교육기관의 중요성도 여전할 것입니다.

https://www.youtube.com/watch?v=lXUZvyajciY
Continuous Learning_Startup & Investment
1. Delight a small number of people (High retention) 2. Move fast & cheap : No GPU before product market fit 3. Focus on low hanging fruits and easy. Keep it simple. 4. Don’t overthink early defensibility - Most AI, SaaS, market place companies does…
Elad는 오랫동안 쉬운 문제 풀라고 이야기해왔음. 쉬운 문제가 다 풀리고 나면 그 때 어려운 문제 풀 수 있다고.

지금 AI 시장은 기술 혁신 초창기라 '낮게 매달린 과일'이 널렸습니다. 어렵고 복잡한 거 하지 마세요. 멍청해 보일 만큼 쉬운 문제부터 잡으세요. 그걸로 시작해서 해자를 파는 겁니다.

당신 회사는 'Braintree'인가, 'Stripe'인가?


Stripe에 왜 투자해? Braintree가 있는데? -> Braintree는 8억 달러에 팔렸고, Stripe는 1,000억 달러 회사가 됐습니다.

당신 회사, 지금 잘나간다고요? 그래서 그게 Braintree인가요, Stripe인가요?

지금 잘되는 게 5년 후에도 시장 리더라는 보장이 전혀 없습니다. 단기적인 성공(좋은 엑싯)에 만족할 건지, 아니면 시장의 판도를 바꾸는 장기적인 승자가 될 건지 항상 자문해야 합니다.

https://www.youtube.com/watch?v=PdKV3hivwRs