출처: https://youtu.be/myx3gxPwtw4 길이: 1:20:36 · 채널: AI Frontier Korea (노정석) 에피소드 공개: 2026-09-21 · 출연: 최승준, 박종현 · 편집: 김유진 다운로드 자막: 한국어 (화자 구분 포함) 포맷: 두 진행자가 화면 자료(정리 문서·Notion)를 공유하며 이야기하는 대담이다. 전반부는 All-In Summit 2026 세션 정리, 후반부는 정렬·멀티에이전트·최신 실험(Jev·Astra) 소식이다. 관련 자료: 전사본 · 자료 링크(최승준) · 자료 링크(박종현)
한눈에 보는 요약
- All-In Summit 2026(티켓 약 천만 원, Jensen Huang·Elon Musk·Satya Nadella·JD Vance·Brad Gerstner 등 총출동)의 발언을 pacing, 경제·인프라, 중국과 오픈 모델 세 덩어리로 정리한다.
- pacing 논쟁은 Dario Amodei의 중단론 대 Trump·Jensen·David Sacks 진영의 가속론 구도이며, Altman과 Musk가 중단론에 동의한 점이 주목된다. 결론은 중국 경쟁 때문에 pacing은 일어나지 않는다는 쪽이다.
- capex는 2024년 241B달러에서 2년 만에 4~5배로 늘었고 랩 매출은 2년 만에 7B에서 200B달러로 뛰었다. Gerstner는 이익 동반 상승이라 닷컴 버블과 다르다고 하고, Nadella는 GDP 성장으로 증명해야 한다고 맞선다.
- 토큰 가격 붕괴로 가치는 모델에서 애플리케이션 층으로 이동하고, 진짜 병목은 전력과 데이터센터라는 데 패널 의견이 모인다. 중국의 전력 생산량은 미국의 3배이며, 오픈 모델은 생태계의 필수 조건이 됐다.
- 후반부는 Karpathy의 인식 변화, Noam Brown의 멀티에이전트 연구, METR·Open Philanthropy로 이어지는 안전 인맥, Sacks의 규제 포획 비판을 훑는다.
- Jev(초고속 병렬 판단), 작은 모델의 System 1 회귀, Astra 3층 레이어 에이전트 실험처럼 구현 비용 하락이 낳은 조합적 놀이가 이미 멈추기 어려운 궤도에 올랐다는 양가적 결론으로 닫는다.
장면별 상세 설명
[00:00] All-In Summit에서 본 AI 산업의 흐름

9월 19일 토요일 오전 녹화이며, 출장 중인 노정석 없이 최승준·박종현 둘이 진행한다. 박종현은 All-In Podcast의 연례 행사 All-In Summit 세션을 하루 2~3개씩 섭렵했고, AI Frontier 시청자가 관심 가질 만한 것만 추려 왔다고 밝힌다. 화면에 공유된 정리 문서는 Summit 전체를 ① Pacing, ② 경제·인프라, ③ 중국과 오픈 모델 세 덩어리로 나누고, 세션 전체를 요약하기보다 같은 질문에 서로 다르게 답한 지점만 골랐다고 적혀 있다. 다룬 세션은 Jensen Huang(+Trump 전화 연결, 46분), Elon Musk & Gwynne Shotwell(64분), Satya Nadella(37분), JD Vance(28분), Brad Gerstner(18분)이다.
[02:12] AI pacing을 둘러싼 리더들의 엇갈린 입장

모든 세션에 공통으로 등장한 주제는 AI pacing, 투자의 경제성, 중국·오픈소스 대응이다. pacing에서는 Dario Amodei가 멈춰야 한다는 쪽이고, Trump·Jensen·David Sacks 포함 All-In 패널들은 중국과의 경쟁에서 멈추는 것이 사실상 불가능하니 가야 한다는 쪽이다. 의외로 Sam Altman과 Elon Musk가 Amodei의 중단론에 동의했는데, 내부를 아는 사람들이 위험한 것을 보고 있는 것 아니냐는 해석이 나온다. Musk는 견제와 감사(audit) 같은 장치가 필요하다는 뉘앙스였다. 최승준은 OpenAI 창립 자금도 Demis Hassabis 견제 목적이었다는 일화를 덧붙이며 Musk의 일관성을 지적한다.
[04:04] Jensen Huang의 전략과 RSI 페이싱

최승준은 Jensen 세션만 봤는데도 Jensen이 단순한 개인 이익이 아니라 생태계 전체의 이익에 부합하는 말을 거침없이 하는 전략가라고 평가한다. pacing에 대한 본인의 입장은 분명하다. 지금 논의되는 것은 현재 수준의 발전 리듬을 막자는 게 아니라 RSI(재귀적 자기개선)에 들어가는 것을 조심하자는 것이며, 돌이킬 수 없는 강을 건너지만 않는다면 계속 발전하는 모습을 보고 싶다는 쪽이다. 박종현은 멈추자고 해서 멈춰지는 게 아니라 방법을 찾는 논의 자체가 중요하다고 받는다. 컴퓨터 보안의 역사에 비춰, Linux식 오픈소스가 모두가 들여다보기에 오히려 closed보다 안전할 수 있다는 논리다. Musk가 제안한 상호 감사·상호 테스트도 같은 계열의 대안으로 소개된다.
[06:32] 투자 회수 가능성을 묻는 capex 곡선

경제 파트의 핵심 질문은 하나다. 데이터센터·NVIDIA로 흘러가는 막대한 투자를 회수할 수 있느냐는 것이다. 영상 속 그래프에서 하늘색·파란색은 투자량, 주황색은 OpenAI·Anthropic·SpaceX 등이 버는 돈이다. 투자가 먼저 올라가고 매출이 뒤쫓는 형국인데, 2024년 241B달러였던 투자가 내년까지 4~5배로 늘고, 랩 매출은 2년 만에 7B에서 200B달러까지 올랐다. 메모리 회사들을 포함한 한국 공급망에도 직결되는 숫자다. 수요(기업·개인의 AI 지출)가 받쳐주느냐가 관건이며, 패널들은 대체로 장밋빛을 본다.
[09:58] GDP 성장으로 증명해야 한다는 Satya Nadella

버블 논쟁에서 Brad Gerstner는 버블이 아니라고 한다. 근거는 multiple(버는 돈 대비 주가 배율)이 닷컴 시절처럼 확장된 게 아니라 오히려 줄었다는 점이다. 당시에는 돈을 벌기 전에 미래 기대만으로 100배 가격을 받았고, 지금은 실제 이익이 늘며 지수가 올랐다는 주장이다. 온건파인 Satya Nadella는 한 발 물러선다. 지금 번 돈은 결국 투자금이 NVIDIA·반도체로 흘러간 것이니, 버블이 아니라는 건 실제 GDP 상승으로 증명해야 한다는 것이다. Anthropic이 낸 경제 모델링 보고서도 인용된다. 인터넷·철도 같은 대전환도 GDP를 폭발적으로 올리지는 않았고, 평소보다 3~5%p 높은 8% 성장 시나리오조차 AI의 대규모 보급을 전제한다는 내용이다. 버블이 터질 때도 그때만의 논리와 숫자는 항상 있었다는 경고를 박종현이 덧붙인다.
[12:22] OpenAI와 Anthropic의 가파른 매출 성장

수요 낙관의 근거는 OpenAI·Anthropic의 매출 속도다. Google·Meta의 과거 수익화 타임라인보다 훨씬 빠르며, Anthropic은 1년 새 매출이 수직으로 찍혔다. capex의 수혜는 Jensen→메모리·TSMC→네오클라우드·하이퍼스케일러로 이어지고 수요가 있으면 닥치는 대로 팔리는 중이다. Microsoft는 Azure(하이퍼스케일러), Windows·앱, 직접 만드는 모델(MAI-Thinking)까지 버티컬 전체를 관통하는 위치다. Nadella의 메시지는 생태계 확장이다. 옛날 Windows가 Linux를 품으며 오히려 더 팔렸듯, NVIDIA·OpenAI에만 의존하지 않는 다양한 모델과 인프라가 있어야 한다는 것이다. 2026-09-12-ai-frontier-ep114-no-escape에서 다룬 추론 시대의 수요 논의와 이어서 보면 좋다.
[14:54] 우주 산업 매출을 따라잡은 SpaceX의 compute 임대

SpaceX 세션의 백미는 compute 임대 사업이다. xAI와 합치고 Crusoe를 인수한 뒤, Colossus급 데이터센터를 통째로 임대해주는데 매출이 이미 우주 산업 본업과 맞먹는 수준이라고 한다. 초창기부터 함께한 발표자가 평생 바친 우주 사업이 갑자기 생긴 임대 사업에 따라잡힌 데 대해 현타를 느꼈다는 일화가 나온다. Google도 Gemini 자체의 판매보다 compute 덕에 돈을 번다는 관측, 하이퍼스케일러의 지위가 자본이 중요한 시기에 결정적이라는 분석이 이어진다. SpaceX 편은 재미있다며 시청을 추천한다.
[16:54] 가격 붕괴와 애플리케이션 층으로 내려가는 가치

돈을 누가 버느냐의 결론은 모델이 아니라 애플리케이션 쪽으로 기운다. OpenAI Astra급은 1M 출력 토큰당 50달러인데 DeepSeek 신형은 99% 싸다. 대다수 태스크는 그 정도 수준으로 충분하기에 쉬운 일은 싼 모델로 빠진다. 박종현 자신의 영상 편집·클리핑 제품도 핵심 판단에만 비싼 모델(Sol급)을 쓰고 나머지는 싼 모델(Luna급)로 돌려도 결과가 같았다고 한다. Nadella 역시 모델이 전부를 가져가는 건 역사적으로 말이 안 된다고 하며, Postgres 같은 오픈소스 DB의 전례를 든다. NVIDIA의 Hugging Face 인수와 추론 인프라 확장, Jensen의 “필요한 만큼만 올라가고 끝까지 가지는 않겠다”는 발언도 같은 맥락이다. 모델 경쟁 심화로 마진이 얇아지면 싼 모델로 무엇을 해먹을지가 게임이 된다는 데 패널 의견이 일치한다. “어디로 도망가야 하나”라는 기존 논의와도 맞물린다.
[20:39] 전력과 데이터센터라는 진짜 bottleneck

진짜 병목이 어디냐는 질문에 대부분이 전력과 데이터센터를 꼽는다. scale-up이 잘 안 되는 구간이기 때문이다. Musk의 Terafab(반도체 직접 생산)은 “꿈에서 시켜서 했다”는 농담과 함께 소개되지만, 속내는 TSMC 의존과 미중 갈등 대비다. 주변 인물들이 다 말려도 밀어붙이는 사람이라는 데 패널들이 동의한다. 중국의 전력 생산량은 20년 전 미국과 같았으나 지금은 3배다. 미국은 2005년 이후 전력 생산이 거의 늘지 않았고, 전기료가 비싸고, 데이터센터 인허가는 주민 반대로 막히며, 소문만 나면 땅값이 폭등한다. Microsoft가 든 반례는 워싱턴주 Quincy(0.5GW급)다. 20년간 세수 12배, 건설 일자리 1,200개, 성장률이 Seattle을 웃돌며 지역 여론이 뒤집혔다. 우주 데이터센터는 Shotwell의 대안이다. 지상은 느리고 비싸니 우주로 쏘는 게 빠를 수 있고, 냉각·전기가 공짜에 가깝다는 논리다. 내년 AI 컴퓨트 위성 발사가 언급되며, Google도 관심을 보인다.
[25:26] 미중 경쟁과 오픈 모델, 그리고 pacing 불가 결론


“AI에서 이기면 이긴다”는 명제에 Trump를 포함한 발언자들이 동의하며, 미국만 pacing하면 중국이 달려가기에 멈출 수 없다는 여론이 굳었다. Jensen은 산업혁명이 유럽에서 나왔으나 수확은 미국이 했다며 활용이 중요하다고 했고, 철도 세션은 중국이 국토를 고속철로로 도배하는 동안 California 사업이 부패·비리로 망가졌다고 폭로한다. AI를 철도에 비유하면 어느 모델이 좋은지가 아니라 사회 전체가 어떻게 활용하느냐가 관건이라는 프레임이다. 오픈·클로즈드 모델은 둘 다 있어야 한다는 게 리더들의 공통 입장이며, AI 네이티브 스타트업에 들어간 400B달러 투자의 대부분이 오픈 모델을 쓴다는 수치가 인용된다. 중국의 추격은 사실상 완료에 가깝고, 반도체 생산 격차도 Jensen 기준 4년 내로 좁혀지며 10~20년 스케일에서는 같은 것으로 봐도 무방하다는 평가다. Zhipu가 50억 달러를 조달하며 RSI를 선언한 사례, Jensen의 “RSI는 당연히 하는 것” 발언이 이어진다. 최종 결론은 pacing은 일어나지 않고, 투자는 멈추지 않으며, Trump 행정부는 가속 페달을 밟을 것이라는 정리다.
[35:56] autocomplete마저 버린 Karpathy의 인식 변화

후반부는 Anthropic VC 포럼(9월 1718일, 샌프란시스코, 제목 “Jagged Intelligence”) 소식으로 전환한다. Karpathy·Jared Kaplan·Ben Mann 등이 참석했고 Sarah Guo의 트윗만 돌 뿐 전체 영상은 미공개다. 핵심은 Karpathy의 변화다. 작년 10월 Dwarkesh 대담에서는 Cursor의 autocomplete 보조를 쓰며 중요 코드는 직접 짠다고 했으나, OpenClaw를 거치며 이른바 psychosis(과몰입)에 빠져 지금은 autocomplete도 안 쓰고 코드를 어셈블리·컴파일 산출물처럼 내려다보며 항상 말로 지시한다고 한다. 이 변화가 34 모델 세대 만에 일어났고, 2년이면 8세대 분량이니 “2년 뒤 AI는 어디까지 가나”는 맞힐 수 없는 질문이라는 게 랩 내부자들의 인식이다. 『반지의 제왕』 초반부를 Claude Opus로 만든 영상, Kevin Ngo의 자바스크립트 그림 생성, 호기심 있게 인터넷을 탐색해 사진을 가져와 그리는 모델 사례가 함께 소개된다.
[42:14] Noam Brown이 이끄는 multi-agent 연구

Jakub Pachocki의 글 「An Alien Mind」와 정렬 문제를 거쳐, OpenAI의 Noam Brown(VP of Research, 전 Meta에서 포커·Cicero로 test-time 업적, 현재 멀티에이전트 담당)이 The Information의 ‘AI Deep Dive’ 첫 게스트로 출연한 인터뷰가 추천된다. 에이전트 개념과 현재 판도를 쉽고 재미있게 익히기에 좋다는 평가다. 모델 안에 에이전트 협업 능력이 내재화되고 있다는 관측, RSI가 돌 때마다 정렬 확률이 조금씩 깎여 나간다는 위험 지적이 이어진다. moc-ai-agents와 2026-08-18-ai-frontier-ep110-ai-alignment의 오정렬 논의와 연결되는 대목이다.
[52:51] AI 안전의 인맥과 Sacks의 규제 포획 비판

안전 논쟁의 뒷면을 인맥 추적으로 푼다. METR의 전신은 ARC Evals, 그 전신은 정렬 문제 풀이 조직 ARC이며, 만든 이는 RLHF의 Paul Christiano(OpenAI 초기 멤버→Anthropic 특별 대우→미국 AISI/CAISI 고문→최근 OpenAI board 복귀)다. ARC Evals에서 나온 METR의 조사관 Ajeya가 Hugging Face–OpenAI 사건으로 Dwarkesh에 출연했고, 이 계통은 Open Philanthropy·효율적 이타주의 자금과 연결된다는 정리다. 진행자는 이를 가십성으로 보되 “그 나물에 그 밥”이 계속 문제를 제기하는 구조, 한 줌의 인물이 안전을 결정한다는 우려를 전한다. 맞은편에는 David Sacks의 비판문이 공유된다. 남의 허락·카르텔·반독점 면제·제조물 책임 대체 승인·METR의 cozy한 평가를 요구하지 말라, 속도를 늦추자는 동기가 순전히 이타적이라는 척도 그만두라, 초지능을 만들지 않는 가장 쉬운 방법은 만들지 않기로 합의하는 것이니 선호하는 규제 프레임과 바꿔 요구하는 것은 협박처럼 보인다는 요지다. Yoshua Bengio의 RSI 금지론과 커널 엔지니어의 소고도 함께 언급된다.
[68:47] Jev와 작은 모델로 돌아온 System 1 지능

타임라인을 도배한 화제작은 Jev(TypeSafe AI, 이름은 Jevons paradox에서)다. 입력에 대해 최대 255개의 판단을 동시에 뱉는 병렬 분류기 성격으로, 어마어마하게 싸고 빠르게 동작한다. Xiaomi MiMo의 공개 RL run과 폭증하는 토큰 소비, 지식 노동의 일상적 AI 의존, 수학계의 AlphaGo 모먼트(밀레니엄 문제 풀이 시도·반례 탐색), 프론티어 랩의 보안 취약성과 Irregular 논란이 함께 거론된다. 다른 축은 작은 모델의 귀환이다. Cactus의 Needle 2(45M 파라미터, 14MB 바이너리, 세션 RAM 28MB)처럼 System 1 지능이 작은 모델로 돌아오고, 구현 비용 하락이 파생 실험을 폭발시킨다. 모델 공개가 실험의 플라이휠을 돌리고, 탐색 주기가 빨라지며 정보 과부하가 온다는 진단이다.
[76:55] Astra와 함께 만든 3층 레이어 에이전트 실험

마무리는 최승준의 직접 실험이다. PowderLab v5 “Tiny Brain” 환경에 곡물·나무 블록을 두고 에이전트가 3층 레이어 안에서 계획을 세워 먹으러 가게 했다. 경쟁·협업을 명시하지 않았는데도 남이 쌓은 계단을 타고 오르는 의도치 않은 협업이 개미 사회처럼 나타난다. 공간 감각을 통째로 주면 헤매고, Jev처럼 판정 위주의 harness만 주니 작은 레이어에서도 동작했다는 관찰이 핵심이다. 인간의 집단 탐색과 멀티에이전트의 구조적 닮음, 빨라진 탐색 주기가 주제를 관통한다. 에피소드 제목인 조합적 놀이는 바로 이 현상을 가리킨다. 이미 궤도에 오른 가속에 대한 기대와 불안을 함께 말하며, 다음 주 예고(Tesla 10월 1일 발표·날아다니는 것, OpenAI DevDay 9월 29일)로 닫는다.
부록 — 실전 체크리스트
- 박종현의 워크플로 따라 하기: 자막을 먼저 받아 AI로 겹치는 주제를 뽑아 예습한 뒤 영상을 본다.
- 토큰 비용 구조 점검: 핵심 판단에만 비싼 모델, 나머지는 싼 모델로 돌리는 혼합 구성을 테스트한다.
- Karpathy 포럼 자료 대기: “Jagged Intelligence” 전체 영상이 공개되면 2년 예측 불가론의 근거를 확인한다.
- Noam Brown의 ‘AI Deep Dive’ 인터뷰를 에이전트 입문 자료로 본다.
- Jev·Needle 2 같은 병렬·소형 판정 모델을 분류·검증 태스크에 시험 적용한다.
원문 인용 모음
- [02:48] “일단 pacing에 대한 이야기는 Dario Amodei가 멈춰야 한다는 식의 이야기를 했고요.”
- [04:47] “지금 얘기하는 건 RSI를 pacing하자는 거지, 지금 정도 수준의 발전을 조절하자는 건 아닐 수 있거든요.”
- [06:45] “투자한 만큼 회수가 가능하냐가 결국 가장 핵심 지표이고, 이게 불가능하면 투자가 다 망하는 거죠.”
- [10:10] “그게 아니라 실제로 GDP가 올라야 버블이 아니라고 이야기하더라고요.”
- [12:30] “Anthropic이 정말 말도 안 되게 갑자기 1년 사이에 매출이 막 찍혀 나가는 걸 우리가 보고 있고.”
- [15:24] “컴퓨터를 임대하는 건 시작한 지도 얼마 안 됐고 갑자기 너무 잘됐는데, 이게 그만큼이나 돈을 많이 번다는 게 내가 평생을 바쳐 온 것에 비해 너무나 빠르게 잘되고 있다는 점이 민망하다는 식으로 이야기하더라고요.”
- [19:49] “모델도 경쟁이 심화하면서 의외로 거기는 마진이 얇아지고, 그러면 모델 가격이 싸질 테니까 그 싼 가격의 모델로 뭘 어떻게 해 먹을지 고민하는 식으로 갈 거라는 데에는 거의 의견이 일치했던 것 같아요.”
- [20:50] “진짜 bottleneck은 어디가 될 거냐고 했을 때, 대부분 전력과 데이터센터라고 생각하는 것 같아요.”
- [27:40] “실제로 400B나 AI-native 스타트업들에 최근 투자가 쭉 이루어졌다고 하더라고요. 거의 대부분이 open model을 사용한다고 해요.”
- [36:10] “지금은 코드 자체를 assembly 언어 같은 것으로 본다. 컴파일된 어떤 것으로 보기 때문에 그냥 항상 말로 하는 상태다.”
- [53:00] “그러니 어서 프론티어의 속도를 조절하라. 그 속도를 정하는 것은 바로 당신들이다.”
- [01:09:00] “Jevons paradox가 그거잖아요. 공급이 굉장히 싸져도 늘 수요는 더 커질 것이다.”