[삼성 이영진] 글로벌 AI/SW
오픈AI, 에이전틱 AI로의 전환, Codex가 보여주는 증거들 안녕하세요 삼성증권 글로벌 AI/SW 담당 이영진입니다. 오픈AI는 신규 리서치 보고서를 통해 Codex로 대표되는 에이전틱 AI가 지식 노동 단위를 단일 상호작용에서 장기 작업으로 변화시키고 있다고 분석했습니다. 특히 오픈AI 내부 사용자 데이터에서 여러 시사점을 꼽아볼 수 있는데요. AI 활용에 따른 비용, 문화, 사용 경험 측면의 마찰이 낮은 선행 사용자군의 사례로 일반 기업을…
이거는 진짜 잘쓰게되는 것 같아요
- 비개발 Codex 사용자는 개발자 대비 빠르게 성장
- 비개발 인력이 과거 기술 인력의 지원이 필요했던 업무를 Codex를 통해 직접적으로 수행
- 장기 작업 위임 트렌드 가속화. Codex 요청의 1/4는 사람 수행시 1시간 이상 걸리는 작업
- Codex 내 스킬과 플러그인을 활용하는 비중 증가
- 병렬 에이전트 운영 확산. 사람은 감독하며 결과 조율 역할 담당
❤1
📊 26년 상반기 VC 투자 트렌드 핵심
1️⃣ "사상 최대"는 착시, 시장이 아니라 메가딜이 컸음
• 글로벌 반기 $560B로 역대 최대인데 $10B 이상 메가딜 빼면 $306B, 전년보다 오히려 33% 감소
• 상위 4개사(OpenAI, Anthropic, xAI, Waymo)가 전체의 45%. Anthropic은 반기에만 두 라운드 돌며 밸류 $380B에서 $965B로
• AI 비중 77%, 미국 비중 74%: 비AI는 자금 가뭄, 사실상 자본의 AI 단일시장화
• 국내도 같은 그림; 반기 7조(+24%), 1,000억 이상 메가딜 2.1조로 역대 최대
• Q1 AI 비중 45%라는데 리벨리온 한 건 빼면 25%, 여기도 메가딜이 지표를 만드는 중
• 시드 투자의 91%가 AI/로봇으로 초기 파이프라인은 이미 전부 AI
• 눈에 띄는 시그널: 엔비디아, 아마존, 무바달라가 국내 스타트업에 직접 투자 시작 (포인투, 업스테이지, 퓨리오사)
2️⃣ 글로벌은 '모델', 한국은 '칩'
• 글로벌 1위는 Foundation Model $250B+, 절반 이상이 LLM 3사 몫
• 한국 1위는 AI 반도체: 리벨리온 6,400억에 퓨리오사, 딥엑스 진행분까지 합치면 2.2조
• 한국의 승부처는 모델이 아니라 반도체와 Physical AI라는 구도
• 제일 가파른 건 AI Agent: 글로벌 Q1 $4.8B → Q2 $20B, 한 분기에 4배 (국내는 520억으로 이제 원년, 격차가 큰 만큼 빈자리도 큼)
• Physical AI도 반기 사상 최대, 돈의 절반이 휴머노이드로 감. 국내는 Holiday Robotics 1,500억
• Defense 2.4배는 지정학이, Energy는 AI 데이터센터 전력 수요가 밀어올림. 원자력/핵융합이 에너지 투자의 44%
3️⃣ AI Agent: IT의 주 사용자가 사람에서 에이전트로
• 주 사용자가 바뀌는 순간 디바이스, 반도체, OS, SW 전 스택이 새로 열린다는 게 핵심 프레임
• 두 번째 iPhone moment 근거: Ray-Ban Meta가 작년 한 해만 700만 대, iPhone 1세대 첫해 610만을 이미 추월
• OpenAI x Jony Ive 스크린리스 디바이스가 27년 초 예정, $3,999짜리 DGX Spark로 '홈 AI 서버'라는 새 카테고리 개막
• 검색, 요약, 번역 같은 얇은 SaaS는 에이전트가 흡수해 소멸, 반대로 API/MCP 열고 에이전트를 고객으로 받는 결제, 예약, 커머스, 데이터는 오히려 확장 (B2A)
• 결론: "모델은 상향평준화, 이제 Agent가 쓰기 좋은 툴을 쥐여주는 쪽이 이긴다"
1️⃣ "사상 최대"는 착시, 시장이 아니라 메가딜이 컸음
• 글로벌 반기 $560B로 역대 최대인데 $10B 이상 메가딜 빼면 $306B, 전년보다 오히려 33% 감소
• 상위 4개사(OpenAI, Anthropic, xAI, Waymo)가 전체의 45%. Anthropic은 반기에만 두 라운드 돌며 밸류 $380B에서 $965B로
• AI 비중 77%, 미국 비중 74%: 비AI는 자금 가뭄, 사실상 자본의 AI 단일시장화
• 국내도 같은 그림; 반기 7조(+24%), 1,000억 이상 메가딜 2.1조로 역대 최대
• Q1 AI 비중 45%라는데 리벨리온 한 건 빼면 25%, 여기도 메가딜이 지표를 만드는 중
• 시드 투자의 91%가 AI/로봇으로 초기 파이프라인은 이미 전부 AI
• 눈에 띄는 시그널: 엔비디아, 아마존, 무바달라가 국내 스타트업에 직접 투자 시작 (포인투, 업스테이지, 퓨리오사)
2️⃣ 글로벌은 '모델', 한국은 '칩'
• 글로벌 1위는 Foundation Model $250B+, 절반 이상이 LLM 3사 몫
• 한국 1위는 AI 반도체: 리벨리온 6,400억에 퓨리오사, 딥엑스 진행분까지 합치면 2.2조
• 한국의 승부처는 모델이 아니라 반도체와 Physical AI라는 구도
• 제일 가파른 건 AI Agent: 글로벌 Q1 $4.8B → Q2 $20B, 한 분기에 4배 (국내는 520억으로 이제 원년, 격차가 큰 만큼 빈자리도 큼)
• Physical AI도 반기 사상 최대, 돈의 절반이 휴머노이드로 감. 국내는 Holiday Robotics 1,500억
• Defense 2.4배는 지정학이, Energy는 AI 데이터센터 전력 수요가 밀어올림. 원자력/핵융합이 에너지 투자의 44%
3️⃣ AI Agent: IT의 주 사용자가 사람에서 에이전트로
• 주 사용자가 바뀌는 순간 디바이스, 반도체, OS, SW 전 스택이 새로 열린다는 게 핵심 프레임
• 두 번째 iPhone moment 근거: Ray-Ban Meta가 작년 한 해만 700만 대, iPhone 1세대 첫해 610만을 이미 추월
• OpenAI x Jony Ive 스크린리스 디바이스가 27년 초 예정, $3,999짜리 DGX Spark로 '홈 AI 서버'라는 새 카테고리 개막
• 검색, 요약, 번역 같은 얇은 SaaS는 에이전트가 흡수해 소멸, 반대로 API/MCP 열고 에이전트를 고객으로 받는 결제, 예약, 커머스, 데이터는 오히려 확장 (B2A)
• 결론: "모델은 상향평준화, 이제 Agent가 쓰기 좋은 툴을 쥐여주는 쪽이 이긴다"
2025 스타트업 실적 정리
핵심 내용
• 감사보고서 기준 2025년 영업이익 상위 30개 비상장 스타트업 선정(설립 10년 이내, 대기업 계열 제외. 단 PE에 인수된 곳은 재매각 가능성 있는 독립기업으로 보고 포함)
• 같은 흑자여도 유형이 다름. K뷰티/소비재 브랜드형(10곳), IP/팬덤형(7곳), 플랫폼/거래형(6곳), 운영 효율형(7곳)
• 진짜 적자→흑자 전환은 30곳 중 1곳(갤럭시코퍼레이션)뿐. 흑자는 단년 비용절감이 아니라 구조에서 나온다는 게 확인됨
• 좋은 흑자의 정의: 성장을 멈춰 만든 숫자가 아니라 고객이 늘고 반복 매출이 쌓여도 유지되는 흑자. 그래서 이익 규모와 함께 매출 성장, 이익 반복성, 사업 구조를 같이 평가
• 2026년은 수익성과 영업현금흐름을 같이 지키는 회사가 더 선명하게 갈릴 것이라는 전망
하이라이트 3가지
1. K뷰티 상위권 독식
• TOP8 중 5곳이 K뷰티(구다이글로벌, 더파운더즈, 비나우, 뷰티셀렉션, 부스터스)
2. 흑자의 질 검증이 반복 주제
3. 흑자가 곧 엑싯 티켓
핵심 내용
• 감사보고서 기준 2025년 영업이익 상위 30개 비상장 스타트업 선정(설립 10년 이내, 대기업 계열 제외. 단 PE에 인수된 곳은 재매각 가능성 있는 독립기업으로 보고 포함)
• 같은 흑자여도 유형이 다름. K뷰티/소비재 브랜드형(10곳), IP/팬덤형(7곳), 플랫폼/거래형(6곳), 운영 효율형(7곳)
• 진짜 적자→흑자 전환은 30곳 중 1곳(갤럭시코퍼레이션)뿐. 흑자는 단년 비용절감이 아니라 구조에서 나온다는 게 확인됨
• 좋은 흑자의 정의: 성장을 멈춰 만든 숫자가 아니라 고객이 늘고 반복 매출이 쌓여도 유지되는 흑자. 그래서 이익 규모와 함께 매출 성장, 이익 반복성, 사업 구조를 같이 평가
• 2026년은 수익성과 영업현금흐름을 같이 지키는 회사가 더 선명하게 갈릴 것이라는 전망
하이라이트 3가지
1. K뷰티 상위권 독식
• TOP8 중 5곳이 K뷰티(구다이글로벌, 더파운더즈, 비나우, 뷰티셀렉션, 부스터스)
2. 흑자의 질 검증이 반복 주제
3. 흑자가 곧 엑싯 티켓
손톱 먹은 쥐
https://www.citriniresearch.com/p/thematic-primer-humanoid-robots
요약
• 휴머노이드는 AI가 디지털을 벗어나 물리 세계로 나오는 AI Phase 2의 가장 순수한 적용처. 배터리 값을 하는 두뇌가 로봇에 이제야 생김
• 세상이 이미 두 팔, 열 손가락, 인간 리치 기준으로 설계되어 있어 인간형 폼팩터는 설비 개조 없이 기존 인프라에 바로 투입 가능
• 지금이 진입 시점인 근거 3가지: 부품 공급사 사이클 바닥(secular story를 cyclical price에 사는 기회), 가격 97% 하락, VLA 모델 성숙
• 소비자 로봇의 ChatGPT 모먼트는 10년 뒤가 아니라 3~4년 내 전망(발행 시점 기준)
• 휴머노이드는 AI가 디지털을 벗어나 물리 세계로 나오는 AI Phase 2의 가장 순수한 적용처. 배터리 값을 하는 두뇌가 로봇에 이제야 생김
• 세상이 이미 두 팔, 열 손가락, 인간 리치 기준으로 설계되어 있어 인간형 폼팩터는 설비 개조 없이 기존 인프라에 바로 투입 가능
• 지금이 진입 시점인 근거 3가지: 부품 공급사 사이클 바닥(secular story를 cyclical price에 사는 기회), 가격 97% 하락, VLA 모델 성숙
• 소비자 로봇의 ChatGPT 모먼트는 10년 뒤가 아니라 3~4년 내 전망(발행 시점 기준)
[핵심 논지]
- 제목이 곧 테제: "미래의 secular story를 현재의 cyclical price에". 부품 공급사들이 자동차 사이클 최악과 방산 DOGE 공포로 바닥 밸류에이션에 눌려 있을 때 사자는 것
- 휴머노이드는 AI가 물리 세계로 나오는 AI Phase 2의 가장 순수한 적용처. 세상이 이미 두 팔, 열 손가락 기준으로 설계돼 있어 설비 개조 없이 투입 가능
- 완전 자율 불필요. 인도 오퍼레이터 1명이 미국 로봇 4~5대를 원격 코칭하는 텔레옵만으로 선진국 인건비 절감(2차 노동 차익거래). 소비자 ChatGPT 모먼트는 3~4년 내 전망
- MCHP, IFX, RRX, ON 어닝콜 기준 재고 정리 종료, 사이클 상방 변곡 조짐. VLA 모델은 NVIDIA Isaac Sim으로 개발 사이클이 12개월에서 4개월로 단축
- 해자는 하드코딩 모션에서 독점 모션 데이터로 이동. fleet log 가진 쪽이 플라이휠을 가짐
[하이라이트 1. BOM 분해: 돈은 관절에 있다]
- Unitree GO2 실물 분해 결과 총원가 $3,100 중 액추에이션(모터+감속기)이 66%. AI 컴퓨트는 9.5%뿐
- 휴머노이드로 가면 액추에이터 비중이 ~75%로 오르고 BOM은 약 4배($14~16k). 이 안 떨어지는 원가가 내일의 profit center라는 게 저자 결론
- Unitree 저가($16k)의 비결은 벤더 90%가 항저우에서 몇시간 거리인 로컬 수직통합. 다른 지역엔 아직 동급 모터 생태계가 없음
- 스마트 서보는 2년 만에 $1,200에서 $600으로 반토막, 규모의 경제로 추가 하락 여지
[하이라이트 2. 밸류체인: 9개 카테고리, 250개+ 기업]
- 중국이 액추에이터 지배, 일본/스위스/대만이 감속기와 베어링 과점, 미국은 AI 실리콘과 모션컨트롤 칩. "중국이 관절을 가져도 두뇌는 여전히 미국 것"
- 부품주는 결국 커머디티. 초기 몇 년은 picks and shovels로 돈 벌지만 장기 승자는 OEM과 소프트웨어라는 판단
- 로터리에서 리니어 액추에이터(planetary roller screw)로 전환 중. 연속가동 1시간 vs 2~3시간 차이. THK, NSK, Hiwin 같은 졸린 이름들이 수혜
- Regal Rexnord CEO: 휴머노이드 제조사에서 연 $20m 이상 수주, 로봇당 30~50축 커버, 파이프라인 $100m
[하이라이트 3. 휴머노이드 OEM 3분류]
- Scale-Chasers(Tesla, UBTech, Figure): 물량으로 경제성 창출. Optimus 램프 목표 26년 5만~10만대, 27년 50만대, 목표 ASP $20~30k
- Cost-Disruptors(Unitree, XPeng, Xiaomi): 가격으로 시장 창출. Unitree G1 $16k, EngineAI $13,700
- Legacy Springboards(Toyota, Honda, Hyundai): 깊은 IP, 긴 R&D 사이클
- 현주소 벤치마크: Figure 02가 한손 16자유도, 2.25kWh 팩으로 5시간 구동. 배터리 탓에 아직 대부분 "인턴보다 적게 일하는" 수준
[티핑포인트 5조건]
- 자체 전원(3시간 배터리 벽), 근제로 지연(텔레옵 왕복 40ms, 목표 15ms), 유용한 작업(킬러앱은 여전히 pick and place), 안전 표준, 경제성(RaaS 월 $500로 연 $45k 창고 인력 대체, 페이백 5년에서 2년으로)
- ChatGPT식 급변이 아니라 조건들의 점진적 충족을 전망
[리스크]
- 캡엑스 사이클 재악화, 고금리 장기화 시 페이백 수학 훼손, 미중 수출규제 맞대응(희토류, 감속기), 안전사고 헤드라인
- pre-revenue OEM 다수가 현금 24개월 미만. 바스켓에서 합산 15%로 캡
[Citrini Robot Basket]
- 250개+ 유니버스를 75종목으로 압축. 종목당 3% 미만, 얼리스테이지 1% 미만, 기회 명확해지면 추가 압축 예정
- 최상위 비중이 전부 베어링/액추에이터: RBC Bearings, Schaeffler, Timken 각 2.9%, Regal Rexnord 2.7%, 이어 Ametek, Curtiss-Wright, SKF
- OEM은 Tesla(2.2%), UBTech, 현대차, XPeng. 컴퓨트는 NVIDIA, Ambarella. 안전 인증 보유한 ABB, Rockwell, TI 오버웨이트 명시
- 한국 관련: 현대차 exposure 9/10(보스턴다이내믹스), Rainbow Robotics 7(삼성 지분 14%, "아시아의 Figure/Tesla 피어"), Doosan Robotics 포함. 유니버스엔 삼성SDI, LG엔솔도(배터리가 휴머노이드 BOM의 ~15%)
❤1
Forwarded from 전종현의 인사이트
나는 한 해를 돌아보며 나에게 가장 많은 영향을 끼친 아티클을 선정하는데, 2025년의 자리는 나의 영웅 닐 메타의 인터뷰가 차지할 수 밖에 없었다.
확률을 고민하는 투자자의 삶에서 '정답'을 외치기가 쉽지 않은데, 닐 메타의 생각들은 정답에 가깝다고 느껴졌거든.
"역사를 보면 소수의 성장 기업들이 대부분의 가치 창출을 주도해 왔어요."
"(그 당시에 그린옥스는 뭐라고 소개하셨나요? 27살짜리 젊은 창업자가 “제가 어떤 걸 할 건지는 아직 몰라도 잘할 테니 믿어주세요”라고 하기엔 무리가 있을 텐데, 구체적으로 어떻게 설득하신 거죠?) 저희는 아주 구체적이었습니다. 실제로 팔란티어, Flipkart, OYO Rooms, 그리고 쿠팡 같은 회사를 미리 조금씩 투자해보고 있었어요. 그걸 예시 삼아 “이런 식으로 기술·인터넷 기반의 고성장 기업에 집중 투자하고 싶다. 이미 조그맣게 투자한 회사들이 있고, 앞으로 더 크게 투자하겠다. 그들의 팀 역량, 사업 모델, 그리고 수익 예측을 근거로 했을 때, 20~30년 동안 이 기회는 엄청 클 것으로 본다”고 설명했습니다."
"돈을 벌 수 있는 방식은 크게 보면 몇 가지 없어요. 하나는 스피드고, 또 하나는 동일한 정보로부터 남다른 통찰을 도출해내는 능력이죠. 저희는 최근 몇 년간, 작은 팀으로 어떻게 하면 (1)정보 비대칭을 빠르게 확보하고, (2)장기 기업가치에 진짜 중요하게 작용하는 통찰을 얻고, (3)그걸 반복 가능한 플라이휠로 만드는지에 집중했어요."
"그린옥스 내부에서 베니랑 하루 종일 같이 있다 보면, 아마 가장 의외라고 느낄 만한 게 ‘아름다움(beauty)’에 집착한다는 점일 거예요. 저희는 재무제표 보는 것도 좋아하지만, 결국 ‘아름다운 비즈니스’를 좋아하고, 아름다운 관계를 맺고, 세상을 조금 더 낫게 만들고 싶어 해요. 그래서 그린옥스도 단순히 매출 3배에 사서 5배에 파는 그런 투자에는 관심이 없고, 진짜로 세상에 기여하는 회사를 찾는 거죠."
https://joincolossus.com/episode/finding-future-sp-500-companies/
확률을 고민하는 투자자의 삶에서 '정답'을 외치기가 쉽지 않은데, 닐 메타의 생각들은 정답에 가깝다고 느껴졌거든.
"역사를 보면 소수의 성장 기업들이 대부분의 가치 창출을 주도해 왔어요."
"(그 당시에 그린옥스는 뭐라고 소개하셨나요? 27살짜리 젊은 창업자가 “제가 어떤 걸 할 건지는 아직 몰라도 잘할 테니 믿어주세요”라고 하기엔 무리가 있을 텐데, 구체적으로 어떻게 설득하신 거죠?) 저희는 아주 구체적이었습니다. 실제로 팔란티어, Flipkart, OYO Rooms, 그리고 쿠팡 같은 회사를 미리 조금씩 투자해보고 있었어요. 그걸 예시 삼아 “이런 식으로 기술·인터넷 기반의 고성장 기업에 집중 투자하고 싶다. 이미 조그맣게 투자한 회사들이 있고, 앞으로 더 크게 투자하겠다. 그들의 팀 역량, 사업 모델, 그리고 수익 예측을 근거로 했을 때, 20~30년 동안 이 기회는 엄청 클 것으로 본다”고 설명했습니다."
"돈을 벌 수 있는 방식은 크게 보면 몇 가지 없어요. 하나는 스피드고, 또 하나는 동일한 정보로부터 남다른 통찰을 도출해내는 능력이죠. 저희는 최근 몇 년간, 작은 팀으로 어떻게 하면 (1)정보 비대칭을 빠르게 확보하고, (2)장기 기업가치에 진짜 중요하게 작용하는 통찰을 얻고, (3)그걸 반복 가능한 플라이휠로 만드는지에 집중했어요."
"그린옥스 내부에서 베니랑 하루 종일 같이 있다 보면, 아마 가장 의외라고 느낄 만한 게 ‘아름다움(beauty)’에 집착한다는 점일 거예요. 저희는 재무제표 보는 것도 좋아하지만, 결국 ‘아름다운 비즈니스’를 좋아하고, 아름다운 관계를 맺고, 세상을 조금 더 낫게 만들고 싶어 해요. 그래서 그린옥스도 단순히 매출 3배에 사서 5배에 파는 그런 투자에는 관심이 없고, 진짜로 세상에 기여하는 회사를 찾는 거죠."
https://joincolossus.com/episode/finding-future-sp-500-companies/
Colossus
Finding Future S&P 500 Companies - Colossus
Neil Mehta is the founder of Greenoaks Capital. We cover his favorite stories from being a long-term investment partner to companies like Coupang and
전종현의 인사이트
나는 한 해를 돌아보며 나에게 가장 많은 영향을 끼친 아티클을 선정하는데, 2025년의 자리는 나의 영웅 닐 메타의 인터뷰가 차지할 수 밖에 없었다. 확률을 고민하는 투자자의 삶에서 '정답'을 외치기가 쉽지 않은데, 닐 메타의 생각들은 정답에 가깝다고 느껴졌거든. "역사를 보면 소수의 성장 기업들이 대부분의 가치 창출을 주도해 왔어요." "(그 당시에 그린옥스는 뭐라고 소개하셨나요? 27살짜리 젊은 창업자가 “제가 어떤 걸 할 건지는 아직 몰라도…
주주 블로그 시리즈 왜케 재밌나요..
https://app.zuzu.network/contents/blog/30
https://app.zuzu.network/contents/blog/30
손톱 먹은 쥐
Stanford CS329A Self-Improving AI Agents
파라미터(매개변수) 란?
• 모델 안에 들어 있는, 학습으로 값이 정해지는 숫자들이다. 프로그래밍에서 말하는 함수의 매개변수(인자)와는 전혀 다름
• 신경망은 결국 행렬 곱셈 덩어리. 입력 벡터 x가 들어오면 y = Wx + b 같은 연산을 층층이 통과하는데, 여기서 가중치 행렬 W와 편향 b를 채우고 있는 개별 숫자 하나하나가 파라미터다. GPT-3가 1,750억 개라는 건 그런 숫자가 1,750억 개 박혀 있다는 뜻
• 하이퍼파라미터와는 다름. 온도(temperature), 학습률, 레이어 개수처럼 사람이 손으로 정해주는 설정값은 하이퍼파라미터다. 파라미터는 사람이 정하지 않고 데이터가 정함
• 모델 안에 들어 있는, 학습으로 값이 정해지는 숫자들이다. 프로그래밍에서 말하는 함수의 매개변수(인자)와는 전혀 다름
• 신경망은 결국 행렬 곱셈 덩어리. 입력 벡터 x가 들어오면 y = Wx + b 같은 연산을 층층이 통과하는데, 여기서 가중치 행렬 W와 편향 b를 채우고 있는 개별 숫자 하나하나가 파라미터다. GPT-3가 1,750억 개라는 건 그런 숫자가 1,750억 개 박혀 있다는 뜻
• 하이퍼파라미터와는 다름. 온도(temperature), 학습률, 레이어 개수처럼 사람이 손으로 정해주는 설정값은 하이퍼파라미터다. 파라미터는 사람이 정하지 않고 데이터가 정함
예)믹싱 콘솔의 노브를 떠올리면 편하다. 노브 1,750억 개짜리 콘솔이 있고, 학습이란 "다음에 올 단어를 잘 맞히도록" 이 노브들을 아주 조금씩 돌리는 과정이다. 훈련이 끝나면 노브 위치는 고정되고, 그 위치 자체가 모델이 아는 전부가 된다. 흔히 말하는 "모델 파일"이란 이 숫자 목록을 저장한 것에 지나지 않음
손톱 먹은 쥐
Stanford CS329A Self-Improving AI Agents
(1/3)
지난 5년간 언어 모델을 좋게 만드는 방법은 사실상 하나였다. 크게 만드는 것. 그런데 이 축이 포화 지점에 닿기 시작하면서 질문이 바뀌게 되었다.
파라미터를 바꿔서 개선하던 시대
BERT가 3억 4천만 개, GPT-2가 15억 개, GPT-3가 1,750억 개, PaLM이 5,400억 개. 2018년 이후 매개변수는 기하급수적으로 불어났고, 연산량과 데이터셋을 함께 키우면 테스트 손실이 예측 가능하게 떨어졌다.
그런데 손실 곡선만 매끄럽게 내려간 게 아니다. 특정 크기를 넘어서는 순간 예고 없이 새 능력이 튀어나왔다. 예시 몇 개만 보고 템플릿을 따라가는 few-shot 능력, 그리고 답에 이르는 과정을 함께 보여주면 문제를 훨씬 잘 푸는 사고의 연쇄(chain of thought)가 대표적. 작은 모델은 사고의 연쇄를 줘도 이득을 못 얻는데 커지면 갑자기 써먹기 시작하니, 연구소들이 스케일링을 계속 밀어붙일 이유는 충분했던 셈이다.
ChatGPT의 도약은 크기만으로 설명되지 않는다. 사전학습을 마친 모델은 세상에 대한 통계적 지식만 있을 뿐 무엇이 옳고 그른지에 대한 개념이 없기 때문이다.
그 위에 고품질 데이터로 미세조정을 얹고, 명령어와 질문과 답변 쌍으로 지시를 따르는 법을 가르치고, 사람이 매긴 선호를 보상 모델로 바꿔 강화학습을 돌리는 RLHF까지 붙이면서 비로소 인간의 목표와 가치에 정렬(alignment)된 모델이 나온 것
보상 함수는 정확성이나 유용성, 구체성, 무해성처럼 여러 갈래로 정의하고 가중치를 달리 줄 수도 있다.
지난 5년간 언어 모델을 좋게 만드는 방법은 사실상 하나였다. 크게 만드는 것. 그런데 이 축이 포화 지점에 닿기 시작하면서 질문이 바뀌게 되었다.
파라미터를 바꿔서 개선하던 시대
BERT가 3억 4천만 개, GPT-2가 15억 개, GPT-3가 1,750억 개, PaLM이 5,400억 개. 2018년 이후 매개변수는 기하급수적으로 불어났고, 연산량과 데이터셋을 함께 키우면 테스트 손실이 예측 가능하게 떨어졌다.
그런데 손실 곡선만 매끄럽게 내려간 게 아니다. 특정 크기를 넘어서는 순간 예고 없이 새 능력이 튀어나왔다. 예시 몇 개만 보고 템플릿을 따라가는 few-shot 능력, 그리고 답에 이르는 과정을 함께 보여주면 문제를 훨씬 잘 푸는 사고의 연쇄(chain of thought)가 대표적. 작은 모델은 사고의 연쇄를 줘도 이득을 못 얻는데 커지면 갑자기 써먹기 시작하니, 연구소들이 스케일링을 계속 밀어붙일 이유는 충분했던 셈이다.
ChatGPT의 도약은 크기만으로 설명되지 않는다. 사전학습을 마친 모델은 세상에 대한 통계적 지식만 있을 뿐 무엇이 옳고 그른지에 대한 개념이 없기 때문이다.
그 위에 고품질 데이터로 미세조정을 얹고, 명령어와 질문과 답변 쌍으로 지시를 따르는 법을 가르치고, 사람이 매긴 선호를 보상 모델로 바꿔 강화학습을 돌리는 RLHF까지 붙이면서 비로소 인간의 목표와 가치에 정렬(alignment)된 모델이 나온 것
보상 함수는 정확성이나 유용성, 구체성, 무해성처럼 여러 갈래로 정의하고 가중치를 달리 줄 수도 있다.
손톱 먹은 쥐
(1/3) 지난 5년간 언어 모델을 좋게 만드는 방법은 사실상 하나였다. 크게 만드는 것. 그런데 이 축이 포화 지점에 닿기 시작하면서 질문이 바뀌게 되었다. 파라미터를 바꿔서 개선하던 시대 BERT가 3억 4천만 개, GPT-2가 15억 개, GPT-3가 1,750억 개, PaLM이 5,400억 개. 2018년 이후 매개변수는 기하급수적으로 불어났고, 연산량과 데이터셋을 함께 키우면 테스트 손실이 예측 가능하게 떨어졌다. 그런데 손실 곡선만 매끄럽게…
(2/3)
모델 파라미터를 직접 건드린다는 것
파라미터를 고정한 채 개선하는 시대
강의에 등장하는 Large Language Monkeys는 원숭이가 타자기를 영원히 두들기면 언젠가 셰익스피어를 쳐낸다는 무한 원숭이 정리에서 이름을 따온 프로젝트다.
문제를 한 번만 풀게 하는 대신 병렬로 반복해서 풀게 하고, 그중 맞는 답을 검증자(verifier)가 골라내는 방식. 코드라면 단위 테스트가 검증자 노릇을 한다.
문제당 샘플을 1개에서 10,000개까지 늘려봤더니, 단발 성능으로는 GPT-4에 못 미치던 8B급 소형 오픈 모델들이 커버리지 기준으로 모든 경우에서 GPT-4를 앞질렀다. 커버리지란 뽑아낸 샘플 중 최소 하나가 문제를 풀어낸 비율이니, 맞는 답을 골라줄 검증자가 있다는 전제가 깔린 수치다. 어떤 문제에서는 10,000개 중 정답이 서너 개에 불과했다고. 능력은 있는데 우리가 한 번밖에 안 물어봐서 못 꺼내고 있었던 셈.
둘을 잇는 루프가 자기 개선의 시작
정답을 아는 수학 문제라면 정답으로 이어지는 경로만 골라 모으고, 코딩 문제라면 통과한 해법을 모아 학습 데이터로 되돌린다. 그렇게 미세조정된 모델이 다시 더 나은 샘플을 만들고. 추론이 훈련 데이터를 낳고 훈련이 추론을 밀어 올리는 이 순환이 자기 개선의 정체이며, 최근 추론 모델들의 도약도 미세조정과 테스트 타임 스케일링을 결합한 데서 나왔다. 검증자에 접근할 수 있다면 샘플 수에 따라 로그-선형 스케일링이 관찰된다는 점도 확인됐는데, 훈련이 아니라 테스트 시점에 같은 법칙이 성립한다는 게 핵심.
그래서 병목은 생성이 아니라 검증 쪽으로 옮겨간다. 그럴듯한 추론 흔적을 잔뜩 쏟아내기는 쉬운데 그게 쓸모 있는지 판정하기는 어려운 것. 이것이 생성자-검증자 격차(generator-verifier gap)이다. 수학이나 코드처럼 규칙으로 채점 가능한 도메인은 개선 루프가 도는 반면, 창의적 글쓰기는 피드백을 어디서 얻을지부터 막힌다.
결국 인간 피드백이 병목으로 돌아오고, 강력한 검증을 확보하는 일이 모델을 더 좋게 만드는 데 계속 걸리는 병목 중 하나로 남아 있는 것이다.
모델 파라미터를 직접 건드린다는 것
파라미터를 고정한 채 개선하는 시대
강의에 등장하는 Large Language Monkeys는 원숭이가 타자기를 영원히 두들기면 언젠가 셰익스피어를 쳐낸다는 무한 원숭이 정리에서 이름을 따온 프로젝트다.
문제를 한 번만 풀게 하는 대신 병렬로 반복해서 풀게 하고, 그중 맞는 답을 검증자(verifier)가 골라내는 방식. 코드라면 단위 테스트가 검증자 노릇을 한다.
문제당 샘플을 1개에서 10,000개까지 늘려봤더니, 단발 성능으로는 GPT-4에 못 미치던 8B급 소형 오픈 모델들이 커버리지 기준으로 모든 경우에서 GPT-4를 앞질렀다. 커버리지란 뽑아낸 샘플 중 최소 하나가 문제를 풀어낸 비율이니, 맞는 답을 골라줄 검증자가 있다는 전제가 깔린 수치다. 어떤 문제에서는 10,000개 중 정답이 서너 개에 불과했다고. 능력은 있는데 우리가 한 번밖에 안 물어봐서 못 꺼내고 있었던 셈.
둘을 잇는 루프가 자기 개선의 시작
정답을 아는 수학 문제라면 정답으로 이어지는 경로만 골라 모으고, 코딩 문제라면 통과한 해법을 모아 학습 데이터로 되돌린다. 그렇게 미세조정된 모델이 다시 더 나은 샘플을 만들고. 추론이 훈련 데이터를 낳고 훈련이 추론을 밀어 올리는 이 순환이 자기 개선의 정체이며, 최근 추론 모델들의 도약도 미세조정과 테스트 타임 스케일링을 결합한 데서 나왔다. 검증자에 접근할 수 있다면 샘플 수에 따라 로그-선형 스케일링이 관찰된다는 점도 확인됐는데, 훈련이 아니라 테스트 시점에 같은 법칙이 성립한다는 게 핵심.
그래서 병목은 생성이 아니라 검증 쪽으로 옮겨간다. 그럴듯한 추론 흔적을 잔뜩 쏟아내기는 쉬운데 그게 쓸모 있는지 판정하기는 어려운 것. 이것이 생성자-검증자 격차(generator-verifier gap)이다. 수학이나 코드처럼 규칙으로 채점 가능한 도메인은 개선 루프가 도는 반면, 창의적 글쓰기는 피드백을 어디서 얻을지부터 막힌다.
결국 인간 피드백이 병목으로 돌아오고, 강력한 검증을 확보하는 일이 모델을 더 좋게 만드는 데 계속 걸리는 병목 중 하나로 남아 있는 것이다.
손톱 먹은 쥐
(2/3) 모델 파라미터를 직접 건드린다는 것 파라미터를 고정한 채 개선하는 시대 강의에 등장하는 Large Language Monkeys는 원숭이가 타자기를 영원히 두들기면 언젠가 셰익스피어를 쳐낸다는 무한 원숭이 정리에서 이름을 따온 프로젝트다. 문제를 한 번만 풀게 하는 대신 병렬로 반복해서 풀게 하고, 그중 맞는 답을 검증자(verifier)가 골라내는 방식. 코드라면 단위 테스트가 검증자 노릇을 한다. 문제당 샘플을 1개에서 10,000개까지…
(3/3)
챗봇에서 에이전트로
단일 턴 대화에 머물던 모델이 목표를 받고, 계획을 세우고, 환경과 상호작용하고, 피드백으로 행동을 고치고, 언제 멈출지까지 판단하기 시작했다. 우리가 활용하는 코딩 에이전트나 딥 리서치가 그 증거.
다만 현실의 워크플로우 상당수는 여전히 사람이 그래프를 손으로 짜둔 정적 구조에 가깝다. 작업을 쪼개 이어붙이는 프롬프트 체이닝, 난이도에 따라 경로를 가르는 라우팅, 여러 호출을 동시에 굴리는 병렬화, 중앙 LLM이 계획을 세우고 후속 호출을 지휘하는 오케스트레이터, 결과를 다른 LLM이 판정하는 LLM-as-a-judge가 그 조립 부품들이다.
여기서 요구되는 능력이 계획과 다단계 추론, 그리고 자기 개선인 것.
챗봇에서 에이전트로
단일 턴 대화에 머물던 모델이 목표를 받고, 계획을 세우고, 환경과 상호작용하고, 피드백으로 행동을 고치고, 언제 멈출지까지 판단하기 시작했다. 우리가 활용하는 코딩 에이전트나 딥 리서치가 그 증거.
다만 현실의 워크플로우 상당수는 여전히 사람이 그래프를 손으로 짜둔 정적 구조에 가깝다. 작업을 쪼개 이어붙이는 프롬프트 체이닝, 난이도에 따라 경로를 가르는 라우팅, 여러 호출을 동시에 굴리는 병렬화, 중앙 LLM이 계획을 세우고 후속 호출을 지휘하는 오케스트레이터, 결과를 다른 LLM이 판정하는 LLM-as-a-judge가 그 조립 부품들이다.
여기서 요구되는 능력이 계획과 다단계 추론, 그리고 자기 개선인 것.
블루엘리펀트 어펄마캐피탈 투자 1천억 유치, 법적 리스크 속 기업가치 4천억 인정
블루엘리펀트는 글로벌 사모펀드 운용사 어펄마캐피탈매니져스코리아(이하 어펄마캐피탈)와 1000억 원 규모의 신주 및 구주 인수 투자 계약을 체결했다고 공식 발표했다. 어펄마캐피탈은 우선 750억 원을 납입하여 지분을 취득하고, 향후 6개월 이내에 250억 원의 추가 투자를 진행하는 옵션을 행사할 경우 총 25.8%의 지분율을 확보하게 된다.
이번 투자 라운드에서 인정받은 블루엘리펀트의 기업가치(Enterprise Value)는 약 4000억 원에 달한다. 브랜드 설립 후 비교적 짧은 업력에도 불구하고 독창적인 오프라인 공간 마케팅과 해외 핵심 상권 점유율 확대를 발판 삼아 차세대 K-아이웨어 대표주자로서의 성장 가능성을 대외적으로 검증받았다는 분석이다.
재무 안정성 확보 속, 전 대표의 부정경쟁방지법 위반 재판 지속
대규모 투자 유치라는 호재 뒤편에는 넘어야 할 법적 악재도 존재한다. 국내 유명 아이웨어 브랜드 ‘젠틀몬스터’의 상품 형태를 모방해 판매한 혐의(부정경쟁 방지 및 영업비밀 보호에 관한 법률 위반)로 구속기소 되었던 최진우 전 블루엘리펀트 대표가 대전지방법원으로부터 보석 허가를 받아 석방되었다. 이번 투자 유치가 석방 직후 전격 이뤄져 최대 주주인 최 대표의 역할이 주요하게 작용했을 것으로 업계는 해석하고 있다.
검찰 측은 최 전 대표가 2023년 2월부터 2025년 6월까지 젠틀몬스터의 히트 선글라스 등 인기 제품 51종, 총 32만1000여 점(판매가 기준 약 123억 원 상당)을 무단 모방하여 막대한 부당 이득을 챙겼다고 판단했다. 검찰은 사안의 중대성과 내부 직원들에 대한 심리적 압박 우려를 들어 구속 상태 유지를 주장해왔다.
반면 최 전 대표 측 변호인은 이번 사안을 유통업계 내 경쟁사 간의 상품 형태 분쟁으로 규정했다. 명확한 정의 규정이 부재한 부정경쟁방지법 형사처벌 조항의 위헌성을 다투고 방어권을 보장받아야 한다고 맞섰으며, 법원이 이를 받아들여 보석을 인용했다. 검찰의 피고인석방통지에 따라 최 전 대표는 석방 상태에서 오는 8월 24일 예정된 공판에 참석해 공방을 이어가게 된다.
블루엘리펀트는 글로벌 사모펀드 운용사 어펄마캐피탈매니져스코리아(이하 어펄마캐피탈)와 1000억 원 규모의 신주 및 구주 인수 투자 계약을 체결했다고 공식 발표했다. 어펄마캐피탈은 우선 750억 원을 납입하여 지분을 취득하고, 향후 6개월 이내에 250억 원의 추가 투자를 진행하는 옵션을 행사할 경우 총 25.8%의 지분율을 확보하게 된다.
이번 투자 라운드에서 인정받은 블루엘리펀트의 기업가치(Enterprise Value)는 약 4000억 원에 달한다. 브랜드 설립 후 비교적 짧은 업력에도 불구하고 독창적인 오프라인 공간 마케팅과 해외 핵심 상권 점유율 확대를 발판 삼아 차세대 K-아이웨어 대표주자로서의 성장 가능성을 대외적으로 검증받았다는 분석이다.
재무 안정성 확보 속, 전 대표의 부정경쟁방지법 위반 재판 지속
대규모 투자 유치라는 호재 뒤편에는 넘어야 할 법적 악재도 존재한다. 국내 유명 아이웨어 브랜드 ‘젠틀몬스터’의 상품 형태를 모방해 판매한 혐의(부정경쟁 방지 및 영업비밀 보호에 관한 법률 위반)로 구속기소 되었던 최진우 전 블루엘리펀트 대표가 대전지방법원으로부터 보석 허가를 받아 석방되었다. 이번 투자 유치가 석방 직후 전격 이뤄져 최대 주주인 최 대표의 역할이 주요하게 작용했을 것으로 업계는 해석하고 있다.
검찰 측은 최 전 대표가 2023년 2월부터 2025년 6월까지 젠틀몬스터의 히트 선글라스 등 인기 제품 51종, 총 32만1000여 점(판매가 기준 약 123억 원 상당)을 무단 모방하여 막대한 부당 이득을 챙겼다고 판단했다. 검찰은 사안의 중대성과 내부 직원들에 대한 심리적 압박 우려를 들어 구속 상태 유지를 주장해왔다.
반면 최 전 대표 측 변호인은 이번 사안을 유통업계 내 경쟁사 간의 상품 형태 분쟁으로 규정했다. 명확한 정의 규정이 부재한 부정경쟁방지법 형사처벌 조항의 위헌성을 다투고 방어권을 보장받아야 한다고 맞섰으며, 법원이 이를 받아들여 보석을 인용했다. 검찰의 피고인석방통지에 따라 최 전 대표는 석방 상태에서 오는 8월 24일 예정된 공판에 참석해 공방을 이어가게 된다.
TENANT news
블루엘리펀트 어펄마캐피탈 투자 1천억 유치, 법적 리스크 속 기업가치 4천억 인정 - TENANT news
아이웨어 브랜드 블루엘리펀트가 어펄마캐피탈로부터 1000억 원 투자를 유치하며 기업가치 4000억 원을 인정받았습니다. 젠틀몬스터 모방 혐의 재판 및 보석 허가 등 법적 이슈와 재무 구조 개선 현황을 총정리합니다. 블루엘리펀트 어펄마캐피탈 투자
Forwarded from 대왕밀크티의 능동적 세상읽기
#솔라다임 #거버넌스
솔라다임 중복상장에 대해서 별 문제가 없다고 코멘트하는 애널들이나 채널들은 다 나감.
https://m.blog.naver.com/wlfvndxnwk/224372415887
https://m.blog.naver.com/wlfvndxnwk/224373322505
솔라다임 중복상장에 대해서 별 문제가 없다고 코멘트하는 애널들이나 채널들은 다 나감.
https://m.blog.naver.com/wlfvndxnwk/224372415887
https://m.blog.naver.com/wlfvndxnwk/224373322505
NAVER
중복상장 가이드라인 정부안에 대한 생각 (솔리다임 관련)
이어지는 문제로 금융위와 거래소의 중복상장 가이드라인을 언급하지 않을 수 없다. 규율이 기교적이면 기...
글로벌 2200개 매장 키운 공차... 새 주인 '밸류업 시험대'
잠재적 원매자들은 공차의 기업가치가 2조원 안팎으로 거론되는 만큼 인수 이후 꺼내 들 밸류업 전략을 두고도 고심하는 것으로 전해진다.
공차는 앞선 두 차례의 PEF 투자를 거치며 대만 본사의 경영권 확보와 해외 매장 확대 등 굵직한 성장 전략을 이미 실행한 상태다.
차기 주주로서는 추가 출점뿐 아니라 기존 점포의 매출과 수익성을 높일 방안을 마련해야하는 셈이다.
해시드 플랫폼팀에서 AI Ecosystem Growth 인턴을 모집합니다!
저희 Nitro 이니셔티브를 같이 운영할 분을 찾고 있습니다.
Nitro는 올해 1월 Hashed Vibe Labs라는 이름으로 시작한 프로그램이고, AI를 적극적으로 쓰는 극초기 팀들과 함께합니다.
혹시 주변에 생각나는 분 있으시면 편하게 공유해주시면 감사하겠습니다!
저희 Nitro 이니셔티브를 같이 운영할 분을 찾고 있습니다.
Nitro는 올해 1월 Hashed Vibe Labs라는 이름으로 시작한 프로그램이고, AI를 적극적으로 쓰는 극초기 팀들과 함께합니다.
하는 일
- 워크샵, 멘토링 세션, 데모데이 등 프로그램 기획과 실행 서포트
- 빌더 커뮤니티 온오프라인 접점 설계, 소셜 채널 운영
- 홍보 콘텐츠 기획과 제작
- 공동 주최사, 스폰서, 협력사 실무 조율
- 해커톤과 밋업 현장 운영
- 참여자 데이터 정리 → 결과 리포트 작성
이런 분
- AI 생태계와 빌더 커뮤니티에 관심 있는 분
- 여러 건이 동시에 돌아갈 때 순서를 스스로 잡는 분
- 영어 자료 리딩과 기본 커뮤니케이션 가능한 분
- 커뮤니티 운영이나 그로스, 이벤트 운영 경험 있으면 우대
- AI와 바이브코딩 직접 해보셨으면 우대
다만 경력보다 중요하게 보는 건 정해진 게 많지 않은 상태에서 스스로 방향을 잡아본 경험입니다.
근무 조건 및 지원
- 서울 오피스, 근무 시작일로부터 최소 3개월(희망 시 연장 협의)
- 이력서와 간단한 자기소개서를 recruit@hashed.com 으로 발송
- 면접 이후 추가 과제 진행될 수 있음
혹시 주변에 생각나는 분 있으시면 편하게 공유해주시면 감사하겠습니다!
hashed on Notion
[Platform Team] AI Ecosystem Growth Internship | Notion
근무형태: 인턴
❤1
Forwarded from 정비티씨의 문화정비소 in Odyssey
https://www.sedaily.com/article/20078898
왓챠의 인수가 드디어 확정 되었습니다. 대한민국 OTT 플랫폼 서치 회사인 키노라이츠가 50억에 인수를 진행한다고 합니다.
스토킹호스 방식의 인수로, 키노라이츠가 먼저 인수예정자로 나선 뒤 더 높은 조건을 제시할 인수자를 공개적으로 모집했지만 추가 입찰자가 나타나지 않아 최종 인수가 확정됐습니다.
스읍,, 키노라이츠 작년 매출이 28억에, 왓챠 부채가 993억으로 알려졌는데 뭐 잘 해보길 기원하겠습니다
왓챠의 인수가 드디어 확정 되었습니다. 대한민국 OTT 플랫폼 서치 회사인 키노라이츠가 50억에 인수를 진행한다고 합니다.
스토킹호스 방식의 인수로, 키노라이츠가 먼저 인수예정자로 나선 뒤 더 높은 조건을 제시할 인수자를 공개적으로 모집했지만 추가 입찰자가 나타나지 않아 최종 인수가 확정됐습니다.
스읍,, 키노라이츠 작년 매출이 28억에, 왓챠 부채가 993억으로 알려졌는데 뭐 잘 해보길 기원하겠습니다
서울경제
[단독] 왓챠, 콘텐츠 기업 키노라이츠가 인수해 키운다
국내 콘텐츠 스트리밍 시장을 개척한 왓챠가 콘텐츠 기업 키노라이츠 품에 안긴다. 키노라이츠는 콘텐츠 추천 플랫폼을 운영하는 기업으로 최근 영화 지식재산권(IP) 사업으로 영역을 넓혔다. 영화 마니아들이 선호하는 IP를 왓챠를 통해 유통하는 방식으로 인수 시너지를 낼 것