출처: https://youtu.be/IUDl4bD1UMA 길이: 1:30:09 · 채널: AI Frontier Korea (노정석) 녹화: 2026-10-11(일) · 출연: 노정석, 최승준, 박종현 · 편집: 김유진 관련 자료: 공식 전사본 · SF에서 본 프런티어(박종현)

한눈에 보는 요약

  • 모델이 4개월마다 바뀌고 “수학이 끝났다”는 말까지 나오는 지금, 세 사람이 각자 “우리는 정말 특이점을 지나는 중인가”를 한 편씩 준비했다. 노정석은 비즈니스 생각 실험, 박종현은 SF 현장, 최승준은 수학계 반응을 맡았다.
  • 돈의 격차: 2026년 빅테크 4사 capex는 약 7,250억 달러인데 생성형 AI 산업 전체 매출은 연환산 약 1,750억 달러다. 깔리는 돈이 버는 돈의 약 4배이고, 엔비디아 두 분기 매출이 AI를 팔아 버는 산업의 1년 치와 비슷하다.
  • 철도·광통신의 교훈: 기술이 공개재가 되면 경쟁은 자본 경주가 된다. 돈이 풍부한 동안은 모두가 짓고, 통합은 붕괴 다음에 온다. 노선 투자자는 돈을 잃었고, 그 위에 우유·소포·도시화를 올린 쪽이 돈을 벌었다. 노정석은 지금이 거품이 한 번 꺼질 만한 시점에 가깝고, 그 뒤에 두 번째 진짜 성장이 온다고 본다.
  • 가치는 희소한 곳으로: 모델은 value capture를 못 하고 가치가 칩(아래)과 애플리케이션(위)으로 퍼진다. 만드는 일이 흔해지면 남는 희소 자원은 맥락과 책임이 쌓이는 곳, 평가 기준이 없는 불확실성 속에서 결정을 내리고 끌고 가는 리더십이다.
  • SF 현장: 인퍼런스 업체는 하나같이 “GPU만 살 수 있으면 다 판다”고 했다. AI 영화 상영회에서는 우는 관객이 있었고, Descript 같은 B2C 회사는 0.1초 오차도 안 되는 정렬 모델을 인하우스로 만든다. 로보틱스는 모두 scale-up을 말했다.
  • Mathpocalypse: OpenAI가 10월 6일 수학 원고 722편(372개 결과 계열, 약 4,000문제 제시, 17개 분야)을 공개했다. 수학계는 경탄과 상실, 무상 검증 노동 논란, AHM 서명, Terence Tao의 Math 2.0으로 반응했고, 먼저 맞은 소프트웨어 업계는 냉담했다.
  • 속도와 불투명한 벽: 9월 초 Navier–Stokes는 1만 agent·88시간이 들었지만 10월 초 결과는 평균 ChatGPT Pro Thinking 3시간 분량이다. 반면 Chollet은 RSI가 와도 지능 폭발은 없다고 했고, Nielsen은 Vinge의 “미래를 가로막는 불투명한 벽”을 다시 꺼냈다. 결론은 수학처럼 누구에게나 자기 차례가 온다는 것이다.

장면별 상세 설명

[01:26] time gap × domain gap으로 그린 AI 시장 지도

장면 1 — time-gap × domain-gap 시장 지도

노정석이 오래 써 온 시장 지도다. 가로축은 시간 격차(time gap), 세로축은 도메인 격차(domain gap)다. 오른쪽 위에서 Frontier Labs(OpenAI, Anthropic)가 특이점 쪽으로 끌고 가고, Qwen·DeepSeek 같은 Quasi Frontier Labs가 2~6개월 뒤에서 따라간다. 그 뒤로 법무·회계 같은 Vertical AI(Harvey, Hebbia)가 붙는다. 초록 점선 “AI adoption frontier”의 오른쪽은 따라오는 사람, 왼쪽은 아직 따라오지 않은 사람이다.

세로축의 위쪽 끝은 가장 virtual한 LLM·코딩·수학이고, 아래쪽 끝은 화학·생물·의료·로보틱스·인간 노동 같은 physical 영역이다. physical로 갈수록 보상 신호를 줄 RL environment를 만들기 어렵다. 그 사이에 “대부분의 산업·고용·포트폴리오가 접혀 있는” 거대한 영역이 있고, 우리는 RLVR border 언저리에 걸쳐 있다(“we’re here”). 대중 다수에게 AI는 아직 일어나지 않은 일이고, 여전히 Tesla FSD와 일반 차량의 주행 보조를 같은 것으로 보는 토론이 많다.

장면 2 — 도망자 플레이북

그래서 Frontier Labs가 아닌 대부분의 사업은 이런 도망자 플레이북을 따른다.

  1. Frontier Players가 제공하는 가치를 빨리 알아챈다.
  2. 내 도메인이 Frontier Players로부터 안전한지 판단한다.
  3. 나보다 조금 늦게 오는 사람들을 대상으로 사업한다.
  4. (힘들지만) Domain-specific Frontier로의 승천을 끊임없이 도모한다.

4번과 관련해 노정석은 prompt engineering이 다 대체할 것 같던 fine-tuning·모델 작업의 시대가 다시 조금씩 오고 있다고 보며, 좋은 예로 jev를 든다.

[06:36] 깔리는 돈과 버는 돈

장면 3 — 깔리는 돈과 버는 돈

구분규모내역
깔리는 돈약 7,250억 달러2026년 빅테크 4사 capex. 아마존 2,200억, 알파벳 1,9502,050억, 마이크로소프트 약 1,750억, 메타 1,3001,450억. 2025년 약 4,100억에서 77% 증가
칩이 버는 돈890억 달러 / 분기엔비디아 데이터센터 매출(2026년 5~7월). 하이퍼스케일러 약 490억, AI 클라우드·산업·기업 약 400억. 매출총이익률 75%, 다음 분기 가이던스 1,080억
AI를 팔아 버는 돈약 1,750억 달러 / 년생성형 AI 산업 전체 연환산 매출(중복 제거, 2026년 6월). OpenAI 400억 이상, Anthropic 약 650억(7월 말 보도), 나머지 모델 회사는 각각 연 10억 미만

슬라이드의 결론은 “깔리는 돈은 버는 돈의 약 4배”이고, JPMorgan은 이 투자에서 적정 수익을 내려면 연 6,500억 달러의 추가 매출이 필요하다고 본다(출처: Crypto Briefing, Webull, Tom’s Hardware, NVIDIA FY27 2분기 실적, Epoch AI, Longterm Wiki).

발화에서는 이를 “capex는 거의 10배, 버는 돈은 10분의 1”로 더 거칠게 표현했다. 1천조 원이 감이 안 온다는 최승준의 질문에 노정석은 한국 정부 1년 예산이 약 400조 원, 연간 GDP가 약 1천조 원 수준이라고 답했다. 투입 시점과 매출 시점의 차이는 무시하고 올해 수준끼리 뭉뚱그린 생각 실험용 숫자라는 단서를 붙였다.

[08:17] 생각 실험의 출발점, 네 가지 관찰

장면 4 — 네 가지 관찰 ①

  • 관찰 1 — 프런티어의 공식은 더 이상 독점 지식이 아니다. 오픈웨이트는 프런티어를 평균 4개월 뒤에서 따라오고, 미·중 최고 모델의 차이는 Arena 점수 2.7%다. 대신 자본 경쟁은 사상 최대다(Anthropic 5월 650억 달러 조달, OpenAI 2030년까지 약 6,000억 달러 컴퓨트 지출 목표). → 기술이 해자가 아니라면 무엇이 승자를 가르는가?
  • 관찰 2 — 독점이 아니라 다원화가 일어난다. 프런티어 조직은 6곳이고 상위 4개 랩(Anthropic, xAI, Google, OpenAI)이 Arena 25점 안에 있다. GPT-4급 모델은 33개, 개발사는 12곳이다(2025년 6월). 보고 기준 매출 순위도 Anthropic이 OpenAI를 넘었다. → 왜 독점이 안 생기고, 다원화는 언제까지 가는가?

노정석은 이렇게 빠른 산업이면 보통 escape velocity를 넘은 한두 회사가 독점을 만드는데, 지금은 “피곤할 정도로” 다원화가 계속된다고 짚는다. 시장이 커질 거라는 전제 하나로 참여자가 계속 들어온다.

장면 5 — 네 가지 관찰 ②

  • 관찰 3 — 소비자시장은 아직 열리지 않았고, 소수의 얼리어답터가 시장을 끈다. 미국인 절반이 쓰지만 구독 결제자는 약 4.5%이고, 그 안에서 상위 10%가 매출의 절반 이상을 낸다. 돈이 되는 건 엔터프라이즈 성격의 일이고 중심은 코딩이다(Cursor 연환산 30억 달러, Claude Code 연 25억 달러). 미국 기업의 19.8%만 AI를 쓰고, 그중 66%는 사람을 보조하는 데만 쓴다.
  • 관찰 4 — 소비자시장이 열리면 수요가 폭발한다는 낙관론 위에서 치킨게임이 벌어진다. capex는 2027년 1조 달러를 넘을 전망이다. 점점 빌린 돈으로 깐다. SPV로 장부 밖에 뺀 부채가 1,200억 달러를 넘고, 앞으로 5년 부채 수요는 약 4조 달러다. 연준이 9월 금리를 올렸지만 멈추는 쪽이 프런티어 용량을 잃는다.

a16z 자료를 인용한 발화도 같은 방향이다. 코더 약 3천만 명은 거의 다 들어왔고, 남은 건 지식 노동자 약 15억 명이다. 이들이 코딩 agent만큼 쓸지, 이메일 요약 정도에 그칠지는 모른다. OpenAI와 Anthropic이 Work 제품을 냈지만 성장 지표를 발표하지 않는 것을 보면 코딩 밖 지식 노동에는 아직 많이 쓰이지 않는다고 노정석은 추정한다. 소비자용 Grokbot·Muse 등도 아직 대중의 습관이 되지 못했다.

[15:13] 철도 붐 — 기술이 공개되자 경쟁은 자본 경주가 됐다

장면 6 — 기술이 공개되자, 경쟁은 자본 경주가 됐다

GDP 대비 투자 규모로 지금과 견줄 만한 것은 1800년대 초부터 약 100년간의 철도 붐이다. 1830년 맨체스터–리버풀 노선이 운하의 독점을 깨고 화물과 승객 시장을 터뜨린 순간이 ChatGPT의 첫 등장과 비슷했다. 슬라이드는 세 사례를 묶는다.

  • 영국 철도: 1829년 레인힐 트라이얼에서 증기기관차가 공개 증명된 뒤 기술은 곧 모두의 것이 됐다. 1840년대에 희소한 건 기관차가 아니라 노선 인가, 자본 모집 속도, 타이밍이었다. 경주의 챔피언 “철도왕” 조지 허드슨은 1849년 자본금에서 배당을 주던 게 드러나 무너졌다.
  • 미국 철도: 자본 조달의 챔피언은 남북전쟁 국채를 팔던 제이 쿡이었고, 노던 퍼시픽 채권을 일반 투자자에게 팔다가 1873년 파산했다.
  • 광통신: DWDM 장비는 누구나 살 수 있었다. 경쟁은 누가 더 빨리 돈을 모아 더 많이 까느냐였고, Global Crossing은 2002년 자산 255억 달러를 들고 파산했다.

결론: 끝까지 남은 쪽은 자기 현금흐름과 고객을 가진 쪽, 그리고 붕괴 뒤 헐값에 사들인 쪽이었다.

노정석의 설명으로는 노선 투자자는 거의 돈을 못 건졌지만, 남은 인프라와 싸진 운송비 위에 신선한 우유·야채를 도시로 보내는 사업을 올린 사람들이 돈을 가져갔다. 사회 전체가 수혜를 입었고, 산업은 JP Morgan 같은 과점 사업자 아래로 통합돼 규제받으며 큰돈은 못 버는 구조로 100년 주기를 마쳤다.

[20:23] AI 인프라 붐의 진실의 순간 — 프런티어는 4개월짜리 재고

장면 7 — AI에서 프런티어는 유통기한 4개월짜리 재고다

“망한 곳은 지금 어디에 대응하냐”는 최승준의 질문에 노정석은 아직 안 나왔다고 답한다. 전망이 장밋빛인 동안은 자본시장이 따라오고 시장은 계속 커진다. 진실의 순간은 자본시장이 물음표를 찍을 때, 즉 소비자 도입이 생각보다 안 일어나고 Anthropic·OpenAI의 매출 증가율이 투자 대비 더디다고 판단될 때 온다. 지금 인프라 투자는 부채 financing이 80%를 넘고, GPU·데이터센터에 투자하라는 민간 채권 상품까지 나온다. 철도 과투자 국면과 맞닿아 있다.

슬라이드(1장 · 답)는 이렇게 정리한다.

  • 공식은 공개재가 됐지만 프런티어는 공짜가 아니다. 오픈웨이트 격차는 2023~2025년 3개월에서 2026년 4개월로 오히려 벌어졌다. 닫힌 랩들이 연산으로 거리를 벌렸다.
  • 그 4개월의 프리미엄은 크다. Anthropic의 추론 마진은 1년 새 38%에서 약 70%로 올랐다는 추정이 있다.
  • 그래서 마케팅 타이밍, 유통력, 자본 조달 속도가 중요해졌다. 상하기 전에 팔아야 하고, 다음 재고를 만들 돈을 그 사이에 모아야 한다.
  • 자기 현금흐름이 있는 쪽(구글, 메타, 마이크로소프트)과 외부 자본에 기대는 쪽(OpenAI, Anthropic, xAI)을 나눠 봐야 한다.

기술이 해자가 아닌 시장에서는 돈을 빨리 모으는 쪽이 앞서가고, 끝까지 남는 건 돈이 마를 때도 버틸 수 있는 쪽이었다.

워드 프로세서, 웹 2.0 앱, 모바일 앱(필요한 카메라 앱은 하나인데 수천 개)처럼 늘 실수요보다 공급이 많았고, 그 초과 공급은 시장이 커질 거라는 기대가 끌어온 자본에서 나왔다. 코딩은 과거 소프트웨어 시장 전체였고 1년 만에 거의 다 agent 코딩으로 들어와 랩 매출 기울기를 만들었다. 다음 유입이 있으려면 코딩만큼의 열광과 속도로 들어올 다음 workflow가 필요한데, 아직 보이지 않는다.

[24:59] 거품 붕괴 이후에야 열리는 소비자 시장

장면 8 — 돈이 풍부한 동안엔 모두가 지었고, 통합은 붕괴 다음에 왔다

  • 영국 1844~46년: 정부채 금리가 3.25%일 때 선두 철도회사는 10%를 배당했다. 1846년 한 해에 법안 272개, 9,500마일이 인가됐다. 분할납입 주식이라 10%만 내고 들어올 수 있었다. “안 지으면 남이 가져간다.”
  • 영국 1847년: 철도 투자가 GDP의 6.7%에 달한 해, 흉작으로 금리가 오르고 추가 납입 요구가 몰리며 무너졌다. 투자자는 잃었지만 노선은 남았다.
  • 미국: 마일당 보조금으로 수요보다 앞서 지었다. 경쟁 노선이 여럿인 간선에서 운임 전쟁이 붙었고, 담합은 몰래 운임을 깎는 쪽 때문에 계속 깨졌다.
  • 통합: 1893년 공황 뒤 철도 투자는 GDP의 0.3%로 추락했고, JP모건식 구조조정으로 소수 대형 시스템이 됐다. 광통신도 2001~2003년 60곳 이상 파산한 뒤 살아남은 쪽이 헐값에 자산을 가져갔다.

과투자 → 자본시장 붕괴 → 통합·표준화·상품화 → 규제 → 매우 싸게 공급되는 시기가 와야 소비자 시장이 자란다. 차이는 속도와 수명이다. 철도는 100년에 걸친 일이고 짓고 나면 수십 년 가는 인프라가 남지만, AI는 1~2년 단위로 돌고 모델은 4개월이면 사라지는 재고다.

노정석은 각국이 frontier lab을 몇 개씩 세우는 지금이 자본이 풍부한 단계의 끝은 아니고 중간쯤이라고 본다. 작년 말에는 프런티어 격차가 커져 OpenAI가 3천 달러·1만 달러 요금제를 낼 거라는 얘기까지 있었지만, 실제로는 모델값이 계속 싸지는 반면 capex는 계속 는다.

[28:34] 증기기관 자리에 모터를 단 지식노동

장면 9 — AI는 아직 증기기관 자리에 모터를 단 단계다

공장은 처음에 큰 증기기관 자리에 큰 전기모터 하나만 바꿔 달았고 생산성은 그대로였다. 작은 모터가 재봉틀처럼 기계마다 붙고 공정이 새로 짜인 뒤에야 생산성이 올랐다. 회사라는 지식노동 시스템도 아직 AI를 증기기관처럼 쓰고 있다는 진단이다(EP117에서도 같은 비유가 나왔다). 슬라이드(3장 · 답)는 소비자시장 쪽으로 이 비유를 확장한다.

  • 사용은 왔지만 지불은 안 왔다. 대부분의 AI는 시간을 아끼는 도구인데, 사람들이 돈과 시간을 쓰는 건 시간을 보내는 제품(소셜, 엔터테인먼트, 쇼핑)이다.
  • 원가가 소비자시장의 사업모델을 막는다. 파워유저 한 명 서빙에 월 수백~수천 달러가 든다. 웹2처럼 먼저 키우고 광고로 버는 전략이 아직 안 된다.
  • 얼리어답터는 레버리지에 돈을 낸다. 리버풀의 상인들처럼 자기 일에 바로 돈이 되는 사람들이다. 코딩이 먼저 열린 건 테스트로 결과를 검증할 수 있어서다.
  • 소비자시장이 열리는 조건: (1) 단가가 무너져 광고·거래 모델이 작동한다(OpenAI 광고 연환산 10억 달러가 첫 신호). (2) 에이전트를 믿고 맡길 제도가 생긴다(“에이전트는 정말 소비자 편인가”). (3) 시간을 보내는 AI 제품이 나온다.

소비자시장은 공장을 다시 설계하고, 소포우편 같은 제도가 깔린 다음에 열린다. 노정석은 Palantir나 Chamath의 회사(전사본 표기 “AD90.ai”, 8090으로 추정) 같은 FDE·AX 컨설팅 회사를 봐도 기업 시장 역시 아직 덜 왔다고 본다.

[29:55] 수요가 베팅을 따라잡을 것인가

장면 10 — 광통신은 수요가 매년 두 배로 늘었는데도 망했다

광통신 사례는 수요가 실제로 늘어도 망할 수 있음을 보여 준다. “인터넷 트래픽이 100일마다 두 배”는 199596년 2년간만 사실이었고, 그 뒤로도 트래픽은 매년 두 배로 늘었다. 하지만 광섬유 한 가닥에 여러 파장을 싣는 DWDM으로 공급이 더 빨리 늘었다. 2002년 깔린 광섬유의 25%만 쓰였고, 코닝의 2002년 매출은 예상 100억 달러 대신 40억 달러였다. 영국 철도도 의회에 낸 계획대로라면 매출이 1844년의 열 배가 돼야 했다. 방향은 늘 맞았고, 기울기는 늘 과대평가됐고, 과실은 늘 다른 사람이 가져갔다.

장면 11 — 지금은 모른다. 신호가 서로 다른 방향을 가리킨다

따라잡는다는 쪽못 따라잡는다는 쪽
토큰 수요는 연 약 10배, 추론 공급 능력은 연 약 3.4배 는다(Epoch). 연산 부족이 곧, 어쩌면 이미 왔다.깔리는 돈이 버는 돈의 약 4배다. 토큰이 10배 늘어도 매출은 10배가 아니다. 같은 성능의 가격이 매년 5~10배 떨어진다.
GPU 1년 예약 가격은 반년 새 약 40% 올랐다. 엔비디아는 내년 약 70% 성장도 공급이 막은 숫자라고 말한다.빚을 갚는 건 토큰이 아니라 매출이다. GPU는 3~5년이면 감가되고 금리는 오르고 있다.

지켜볼 변수는 하나다. AI로 버는 돈이 깔아 놓은 설비가 낡아 가는 속도와 빌린 돈의 이자를 감당할 만큼 빨리 느는가. 감당하면 과잉 투자한 일부만 정리되고(1847년 영국), 못 하면 업계 전체가 법정관리와 통합을 거친다(1893년 미국).

노정석이 꼽은 관전 포인트는 두 가지다. 첫째, Anthropic·OpenAI 매출이 올해만큼 2027년에도 성장하는가(코딩 다음 기업 agent 수요). 둘째, 자본시장이 GDP급 GPU 투자를 계속 소화하는가. 진짜 큰 변수는 Google 검색·Amazon 쇼핑 같은 기존 매출을 Grokbot, Meta Muse, Gemini Spark 같은 소비자 AI가 가져가느냐다.

[33:09] 경계 없이 확장하는 AI 회사들

Lablup 컨퍼런스 CTO 패널(노타 김태훈, Lablup 김준기 등)에서 노정석이 확인한 것은 모든 계층의 사업자가 모든 계층으로 확장한다는 사실이다. 1년 전만 해도 fine-tuning, orchestration, 모델 제작처럼 한 영역씩 잡았는데, 지금은 OpenAI·Anthropic부터 경계 없이 넓힌다. 바이오·법무·기업 workflow·오피스 같은 거대 vertical은 직접 하고 나머지만 partnership하겠다고 공공연히 말한다.

이것이 시사하는 바는 모델이 예상만큼 value capture를 못 한다는 것이다. 중국 모델이 2~4개월 뒤에 쫓아오는 상황에서 프런티어가 가격을 올리면 합리적인 기업은 GLM이나 DeepSeek으로 옮긴다. 가치는 아래(NVIDIA 같은 칩, 데이터센터)와 위(애플리케이션)로 퍼지는데, 노정석과 a16z 모두 애플리케이션 시장은 아직 열리지도 않았다고 본다.

[35:38] 희소한 곳으로 이동하는 가치

장면 12 — 가치는 희소한 곳에 쌓이고, 희소성은 위로 이동한다

계층슬라이드 진단
칩: 지금이 가장 많이 버는 때데이터센터 매출 분기 890억 달러, 마진 75%. 하지만 ASIC 출하가 GPU보다 세 배 빨리 늘고 마진 저점 가이던스는 71~72%다. 비중은 정점 근처.
모델: 두 시장으로 쪼개진다후행 역량은 가격이 매년 5~10배 떨어지는 운임 전쟁. 프런티어는 4개월짜리 재고를 빨리 파는 소수 과점. 랩은 하네스, 광고, 칩으로 넓힌다.
오케스트레이션: 맥락과 책임이 쌓이는 곳지금은 가장 못 번다. 그런데 Cursor는 자체 모델 없이 연 20억 달러를 만들었다. 철도정산소와 소포우편의 자리다.
앱: 코딩만 먼저 도착했다앱이 크면 랩이 먹는다(Midjourney). 그래도 단가가 무너지고 제도가 깔리면 가장 큰 몫은 여기로 온다. 시어스의 자리다.

노정석은 “누가 기술이 뛰어나고 돈이 많은가”가 아니라 경제학의 기본 논리, 희소한 곳으로 가치가 간다고 말한다. 소비자 시장에서 희소한 것은 돈을 내는 소비자의 시선이다(인구는 줄고 있다). 만드는 일이 누구나 할 수 있게 된 기업·코딩 영역에서 희소한 것은 남이 시킨 일이 아니라 스스로 일을 구성해 책임과 위험을 지는 사람이다. 그런 사람이 만드는 Palantir형 회사, 도메인별 AI workflow 컨설팅·솔루션 회사로 value capture가 옮겨 간다.

코딩 시장은 “이제 끝났다”고 본다. 들어올 사람은 다 들어왔고, 구독료로만 월 100만 원 넘게 내는 노정석 자신도 더는 늘리지 않을 것 같다고 한다.

[38:33] 그래서 우리는 무엇을 하고, 무엇을 지켜보나

장면 13 — 그래서 우리는 무엇을 하고, 무엇을 지켜보나

플레이북은 네 답에서 나온다

  1. 프런티어의 가치를 빨리 알아챈다. 4개월이면 범용이 된다. (1장)
  2. 내 도메인이 안전한지 판단한다. 랩은 위로 올라온다. (2장)
  3. 조금 늦게 오는 사람들을 대상으로 사업한다. 소비자시장은 아직이다. (3장)
  4. 도메인 프런티어로 승천한다. 모델이 아니라 검증 기준과 맥락을 쥔다. (3·4장)

지켜볼 신호

  • GPU 1년 예약 가격. 지금은 상승, 꺾이면 공급이 따라잡은 것.
  • 유료 매출 증가 대 감가상각과 이자.
  • 오픈웨이트와 프런티어의 격차. 지금 평균 4개월.
  • 코딩 밖에서 결과를 검증하고 책임을 추적하는 제도.
  • 앱 매출 성장률 대 랩 매출 성장률.

노정석의 결론은 “좀 더 지켜볼 필요가 있다”이고, 낙관적이지만은 않다. 자본시장 관점에서 거품이 한 번 터질 만한 시점에 다가가고 있고, 터지면 Anthropic·NVIDIA 주가는 내려갈 수 있지만 그 뒤에 진짜가 시작된다. 그래프로 그리면 정점 근처에서 한 번 빠졌다가 두 번째 제대로 된 성장이 오는 사이클이다.

자기 회사와 관여하는 큰 회사에서 workflow를 AI로 바꾸는 실험을 해 보면, 여전히 희소한 항목은 불확실성이 있는 곳, evaluation metric이 서 있지 않은 곳이다. 거기서는 누군가 “그럼에도 여기로 가자”고 결정하고 책임지고 실행을 끌고 가야 한다. AI에게든 사람에게든 “해줘, 해줘, 해줘”를 계속 외치는 리더십이다. 신정규 대표와 함께 간 Lablup 컨퍼런스에서 CTO에게 앞으로 무엇이 중요해지냐고 묻자 브랜드라는 답이 돌아왔다. 모두가 같은 재화를 공급해도 “저 사람과 거래해야 득을 본다”는 신뢰가 답이라는 것이다.

[41:45] K-pop처럼 양극화되는 산업 구조

시킨 일만 하고 버튼을 누르며 돈을 받는 시장은 끝났다. 예전에는 동네마다 예술가가 필요했지만, 연결이 고도화되면 서울과 뉴욕의 예술가가 같은 인터넷에서 경쟁한다. 시장은 하나로 합쳐져 커지지만 블록버스터만 돈을 벌고, 그 기대값을 보고 스타를 꿈꾸는 사람이 계속 들어온다. 노정석은 모든 개별 산업이 K-pop 엔터테인먼트 시장처럼 시장은 커지고, 스타는 막대한 돈을 벌고, 연습생은 쌓이는 모양이 된다고 본다.

[43:30] SF 현장에서 본 프런티어 — “GPU만 살 수 있으면 다 판다”

장면 14 — Modal의 Runtime 2026 컨퍼런스(박종현 SF 기사)

2주 가까이 SF에 머문 박종현은 자신이 쓴 SF에서 본 프런티어 기사를 띄워 놓고 이야기한다. Jev를 만든 사람의 발표도 들었다. 지금 LLM은 사람을 돕도록 학습됐지만 그것만으로는 크게 성장하지 못하고, 사람이 완전히 빠져도 되는 자동화를 만들어야 큰 성장이 열린다는 문제의식에서 jev를 만들었다고 한다.

capex 질문에 대한 현장의 답은 간단했다. 인퍼런스 수요가 설비보다 너무 많아 만드는 족족 팔린다. Modal이 연 Runtime 컨퍼런스에는 swyx, Cat Wu, Dax Raad 같은 발표자가 여러 세션에 하루 종일 나왔다. 길에서 만난 YC 배치 친구에게 물어봐도 “우리 인퍼런스 해”였고, “파는 게 어려워, GPU 사는 게 어려워?”라고 물으면 거의 다 “GPU 사는 게 어렵지. 살 수만 있으면 다 팔 수 있어”라고 답했다.

인퍼런스도 다양해졌다. Dreamscale Labs(YC F26)는 로봇용 VLA·world action model을 서빙하는데 지연이 중요해 SF 안의 GPU를 찾고 있었다. Vast는 GPU 위에 데이터·인퍼런스·영상 모델·코딩 환경을 한 VM으로 묶어 판다. Fal·Bria·LTX는 함께 행사를 열었고, 영화 제작사용·로봇용처럼 layer를 쌓아 풀 패키지로 경쟁하려는 업체가 많았다.

[45:24] AI 영화 상영회와 인하우스 B2C 모델

장면 15 — AI 영화 상영회 Dragon Gate

박종현이 가장 놀란 장면은 AI로만 만든 영화 상영회(Dragon Gate)에서 우는 관객을 본 것이다. 작품이 완벽하진 않았지만 실제 수요가 열릴 수 있겠다는 생각이 들었다. 이미 AI로 만들어져 IMDb에 평점까지 올라간 영화가 꽤 있고(대부분 중국계), 숏폼 마이크로 드라마가 잘 팔린다. 현장 사람들은 “영화 제작사가 말을 안 할 뿐 AI로 장면을 생성하지 않는 데가 없다”고 했다(진위는 확인 못 했다고 덧붙였다). 모델 회사들은 영화 제작사라는 기업 고객을 맞추기 위한 노력을 자랑했다. 진짜 영화로 쓰려면 어색함이 들키면 안 되기 때문에, 발로 수풀을 밟았을 때 수풀이 반응하는 방식까지 튜닝한다. 노정석은 드라마 「김 부장」의 북한 장면도 AI로 만들었고, 유튜브의 스타크래프트 영화 시리즈도 품질이 좋다고 거들었다.

가장 큰 수확은 Descript 방문이었다. 영상 편집에는 오디오를 0.1초 오차 없이 타이밍에 맞춰 받아 적는 모델이 필요한데, 그런 모델은 오픈소스로도 몇 개 없다. 그래서 Descript 같은 B2C 회사가 정렬 모델을 인하우스로 연구해 만들고, 논문만 내고 가중치는 공개하지 않는다. 소비자 시장을 열려고 맨 앞의 회사들은 내부에서 AI를 이 정도까지 깎고 있다.

[51:20] Physical Intelligence와 1X의 scale-up

장면 16 — 딸기 농장에 들어간 Physical Intelligence 로봇

Runtime의 로보틱스 세션에는 Generalist, Physical Intelligence, 1X 창업자가 나왔고, 키워드는 모두 deploy와 scale-up이었다. 영상은 용량이 커서 언어 모델의 scale-up과는 다르다. 다양한 환경에서 양질의 영상을 모아 학습하는 방법이 핵심이다. Physical Intelligence는 딸기 농장·소·포크레인·공장 같은 산업 현장에 최대한 배포해 데이터를 얻는다. Generalist는 데이터 공장을 운영하지만 촬영분이 담긴 SD 카드를 업로드하는 수집 단계가 아직 남아 있다. 1X의 휴머노이드 Neo는 실물로 봤는데, 기사에 따르면 걷는 것이 거칠고 주문과 배송 사이가 아직 멀다.

박종현은 인맥 없이 처음 일로 온 SF에서 프런티어 집단이 생각보다 느슨하게 열려 있다는 데 놀랐다. Physical Intelligence 공동 창업자도 세션 뒤 그냥 돌아다녀서 붙잡고 물어볼 수 있었다. 노정석도 “소개해 줘”라고 하면 정말 잘 소개해 준다고 맞장구친다. 박종현은 이 상태를 “샌프란은 달라 병”이라 부르며, 귀국 전 LLM으로 영상을 이해하고 코드로 영상을 만드는 Video as Code 이벤트를 SF에서 연다고 알렸다.

[55:23] OpenAI 수학 연구 공개와 Mathpocalypse

장면 17 — OpenAI 수학 공개의 규모

10월 6일 OpenAI가 수학 원고 722편을 공식 블로그와 GitHub(openai/math)에 공개했다. 최승준은 수학자들이 예견은 했지만 실제로 자신들의 AlphaGo 모멘트를 맞자 며칠간 날것의 반응이 쏟아졌다고 정리한다. 그가 주목한 건 OpenAI의 설명 문구다. “모델 개발의 일환으로 우리는 미해결 연구 문제를 사용해 모델을 평가한다. 기존 수학 평가에서 모델 성능이 포화 상태에 이르렀기 때문에 이러한 평가를 확대했다.” 수학을 한다기보다 모델 역량을 올리려고 수학을 제물 삼았다는 인상이다.

항목수치
모델에 제시한 문제약 4,000개
채택된 연구 결과 계열372개
공개 원고722 → 719편(3편 철회)
관련 수학 분야17개, 전체 수학 분야의 약 40%
참고: MathDB 등재 미해결 문제약 8만 8,197개

리만 가설 자체가 아니라 그 전 단계 문제(“준리만”)를 푸는 식이었고, 정말 어려운 문제를 다 푼 것도 아니다. 화면의 타임라인은 이렇다. 8월 28일 내부 모델 훈련 시작(재개) → 9월 8일 Navier–Stokes 관련 성과 발표 → 9월 11일 필즈상 수상자들의 공동 성명 → 9월 21일 100개 이상 해결 주장, 수학·AI 자문단 설립 발표 → 9월 29일 독립 자문단 AGMAI가 AI 생성 수학 성과의 책임 있는 공개 지침 발표 → 10월 6일 722편 공개 → 10월 7일 3편 철회.

[58:53] 수학계의 충격 — AHM, 자문단, Proofs and Prompts

장면 18 — Proofs and Prompts의 "100+ reactions to 100+ solutions"

가장 강경한 반응은 AHM이다. “인간의 수학”을 내걸고 AI의 수학을 반대하는 서명을 꽤 많이 받고 있고, 강경 대응·법적 조치·로비까지 언급한다. 노정석은 실효성이 있을지, 막을 수 있는 일인지 의문을 표했다. 자문단도 자문은 했지만 이렇게 수학계에 쏟아내는 건 건강하지 않고, 특히 연구자에게 공개되지 않은 내부 모델로 먼저 해 버려 격차를 만드는 건 멈춰야 한다는 뉘앙스를 공식적으로 밝혔다.

그래도 최승준은 수학계가 건강하게 대처한다고 느꼈다. 8월에 생긴 Proofs and Prompts는 10월 8일 “100+ reactions to 100+ solutions”로 수학자·학생 반응을 이름만 붙여 모았다. 최승준이 AI로 태그를 붙여 보니 경탄·흥분 36, 상실·슬픔 22였고, 낙관·희망, 담담·관망, 신진 연구자, 접근성·불평등 문제가 뒤를 이었다. 원고가 peer review로 정제되지 않아 읽기 매우 어렵다는 점에서 “왜 우리가 공짜로 해독 노동을 해야 하나”라는 무상 노동·검증 부담 논란도 컸다. 그런데 ChatGPT 예약 작업으로 추적해 보니 수학자들은 평생 탐구한 분야라 결국 읽고, 부족한 점을 찾고, 개선하는 일을 끊임없이 하고 있었다.

[1:02:41] Terence Tao의 Math 2.0과 소프트웨어 업계의 냉담

장면 19 — Tao의 Caltech 강연 슬라이드 "A thought experiment on alignment and understanding"

수학계의 주류 우려는 젊은 수학자 양성과 학문 생태계다. Terence Tao는 며칠간 블로그를 공론장으로 열어 두었다가, 녹화 당일 새벽 Caltech 공개 강연 “Math 2.0” 슬라이드를 블로그와 Mathstodon에 올렸다. 그는 앞서 OpenAI 발표가 수학자들에게 영화를 스포일하는 것과 같다는 문제의식도 드러냈다.

비판받은 슬라이드는 암 치료 사고 실험이다. 고급 AI에게 “3상 임상을 통과하는 암 치료법을 찾으라”고 했더니, 막대한 연산 끝에 수학 모델로 모든 암세포를 죽인다고 예측한 미지의 화학물질 칵테일을 내놓았다. 아무도 어떻게 찾았는지 모르지만 예측은 Lean으로 확인됐고 칵테일은 3상을 통과했다. 이것을 받아들여야 하는가라는 질문이다. 비판하는 쪽은 의학은 기전을 다 이해하지 못해도 임상에서 효과가 있으면 환자를 위해 진보를 이어 간다고 맞받으며, 수학계가 오만하다고 봤다.

장면 20 — Andrew Curran과 Eric S. Raymond의 상반된 반응

NYU의 Tristan Buckmaster(Navier–Stokes 당시 자기 연구가 추월·활용됐다는 의혹을 제기한 사람)의 CNBC 인터뷰를 두고도 “진리 탐구가 중요하지 수학자 밥그릇이 중요하냐”는 비판이 나왔다. 소프트웨어 업계는 먼저 맞은 입장에서 냉담하다. Andrew Curran은 “고투하는 수학자를 조롱하지 말라, 당신 분야에도 언젠가 온다”고 했지만, 『성당과 시장』의 Eric S. Raymond는 “주의를 기울인 소프트웨어 엔지니어는 이미 이 위기를 지나왔다. 우리는 코드가 순수하게 미적·개인적 추구라는 망상을 허락받은 적이 없어서 더 잘 넘겼을지 모른다”고 받아쳤다. Kent Beck도 비슷한 얘기를 했다.

박종현은 Karpathy의 Software 1.0·2.0·3.0을 떠올렸다. 최승준은 Navier–Stokes 이후 “증명이 아니라 문제를 추구하며 얻는 이해가 중요하다”는 말이 많아졌고, 수학계가 소프트웨어 업계나 바둑계의 경험을 바탕으로 공론장을 만들어 감정과 의견을 다양하게 포섭한다는 점에서 오히려 잘 대처한다고 평가한다. 필즈상 수상자 중에도 자기 문제가 이미 다뤄진 데 실망하면서 동시에 호기심을 느끼는 경우가 있다.

[1:07:20] 공개키 암호와 낮아진 공격 문턱

장면 21 — Vitalik Buterin의 AI 가속 수학과 암호 리스크 경고

이번에 다뤄진 정수론 문제들이 RSA 같은 공개키 암호에 양자 컴퓨팅 말고 AI라는 다른 위협이 될 수 있다는 긴장이 있다. Vitalik Buterin은 10월 8일 지금 지갑을 옮길 필요는 없지만, 양자 취약 암호뿐 아니라 AI 취약 암호에 대한 노출도 줄여야 한다고 썼다. 이 관점에서 새 위험 영역은 ML-DSA·FHE·lattice이고, “타원곡선은 깨지고, 해시와 lattice는 안전하다”는 통념과 달리 앞으로 2년의 AI 수학이 lattice의 실제 보안을 크게 흔들 수 있다는 것이다.

노정석은 암호 알고리즘이 계산에 막대한 시간이 든다는 전제 위에 서 있는데, 새 접근으로 shortcut이 생기면 복잡도가 내려갈 수 있다고 설명한다. 최승준은 최근 한국 은행 공격에 DeepSeek이 쓰인 흔적이 해외에서도 화제가 됐다며 공격 문턱도 똑같이 낮아진다고 덧붙였다. 노정석의 요약은 “모든 문제가 컴퓨팅을 투입한 검색 문제로 바뀌고 있다. 해줘, 해줘, 해줘의 시대”다.

학계 전체로 보면 이것이 바로잡을 기회라는 목소리도 있다. 논문 성과라는 대리 지표가 굿하트의 법칙처럼 엉뚱한 곳으로 갔는데, 논문 생산이 폭발하는 지금 이를 고칠 수 있다는 것이다.

[1:08:44] 88시간에서 3시간으로 — RSI loop와 급상승하는 역량

장면 22 — 9월 초 1만 agent 88시간, 10월 초 결과당 평균 3시간

최승준의 해석으로 OpenAI의 관심사는 수학계가 아니라 모델 역량이다. 더 어려운 문제가 필요할 뿐이다. 그래서 Noam Brown과 Mark Chen이 인용한 것도 수학 얘기가 아니라 Astra 시절 내부 모델의 test-time compute 그래프였고, “이게 끝이 아니다”였다.

관전 포인트는 속도다. 9월 초 Navier–Stokes는 1만 agent가 88시간을 썼다(2026-09-12-ai-frontier-ep114-no-escape). 한 달 뒤인 10월 초, OpenAI 대변인은 Scientific American에 거의 모든 결과가 단일 agent에 단일 프롬프트를 줘서 나왔다고 설명했다. 결과 하나당 평균 약 3시간의 ChatGPT Pro Thinking에 해당하는 계산량이고, 단순 합산하면 372개 × 3시간 = 약 1,116시간이다. 한 달 사이 RL로 역량이 그만큼 올랐다는 뜻이고, 어려운 문제를 처음 뚫을 때 1만 agent가 남긴 좋은 풀이 궤적이 다음 학습 데이터가 됐을 것이라는 추측이 많다. 박종현은 “처음 뚫을 땐 큰 자원이 필요하지만, 알고 나면 따라가는 건 어렵지 않다”고 해석했다.

장면 23 — Patrick Toulme가 전한 NYC AI 디너 화제

Google에서 Gemini RSI와 TPU를 맡았던 Patrick Toulme가 NYC AI 디너에서 나온 화제를 전했다.

  1. 성능 엔지니어는 이제 대부분의 시간을 agent와 RSI loop 관리에 쓴다. 주요 인퍼런스 업체(Together, Fireworks)의 성능 최적화 대부분을 agent가 찾는다.
  2. 코드·수학에 RL을 너무 많이 하면 모델, 특히 언어에 부정적 영향이 있다.
  3. xAI(SpaceX AI)의 Cursor 인수 등으로 xAI는 지금 정당한 프런티어 랩이다.
  4. 대부분 agent가 24시간 loop로 코드를 쓰고 리뷰하고 PR을 올린다.
  5. 코드 리뷰가 더는 그리 생산적이지 않다는 데 대체로 동의했다.
  6. Fable 5.5는 놀라울 것이지만 OpenAI가 12월 Bel로 이길 거라는 게 중론이었다.

최승준은 2번이 OpenAI 원고가 읽기 어려운 이유와 관련이 있을지 궁금해한다. 소문으로는 Anthropic이 다음 pre-training run을 시작했고, Gemini 4는 Argon을 전면 출시하지 않은 채 코딩이 약하다는 내부 반응 뒤 Barium-B를 거쳐 지금 Carbon을 굽고 있다. 노정석의 요약은 “될 때까지 RL을 더 시키고, 우연히 좋은 checkpoint가 생기면 구워서 발표한다”이다. Hugging Face 연구자는 OpenAI의 수학 GitHub를 RL 타깃으로 삼고, RL environment·dataset을 파는 회사들은 돈을 잘 번다.

[1:14:39] 아이디어의 볼록 껍질

장면 24 — 아이디어의 볼록 껍질: 조합만 반복 vs 조합 + 작은 변형

수학자들의 블로그에는 convex hull of ideas(아이디어의 볼록 껍질)라는 표현이 자주 나온다. 모델이 기존 아이디어를 조합하는 방식으로 푼다는 가설이다. 보통 수학자는 자기 분야 밖을 깊이 알기 어려운데, 모델은 문헌 조사와 연결을 너무 잘해서 “이거랑 이거를 연결했다고?”라는 반응이 많았다. 한쪽은 이것이 껍질 안의 조합일 뿐 완전히 새로운 축을 만들지는 않는다고 보지만, 껍질 안에서도 새 포인트가 나오는 건 충격적이라고 인정한다. LessWrong의 “Filling in the convex hull” 쪽은 조합에 작은 변형이 반복되면 외삽도 가능해 경계가 확장된다고 본다. 노정석은 그 경계가 어디인지 아무도 모르고, AI의 경계와 인간의 경계가 다를 수도 있다고 덧붙인다.

최승준은 개념을 익히려고 interactive storytelling 아티팩트 “Convex Tinkering”을 만들었다. 1부는 볼록성의 수학(볼록집합·볼록함수·옌센·몬테카를로), 2부는 “AI는 인간 아이디어의 convex hull에 갇혀 있는가”를 따진다. 여기에는 Nassim Taleb의 볼록 팅커링, 즉 손실은 한정하고 성공했을 때 이득은 극대화하는 콜옵션형 시도와 두꺼운 꼬리 개념도 들어 있다.

[1:17:14] 지능 폭발은 오지 않는다 — Chollet, 그리고 불투명한 벽

장면 25 — François Chollet "재귀적 자기개선, 그 이후 — 지능 폭발은 오지 않는다"

François Chollet은 늘 그렇듯 반론을 냈다. 과학은 이미 RSI처럼 자기 자신을 개선하는 체계인데, 과학사를 보면 투입이 기하급수로 늘어야 성취가 선형으로 는다. 그러니 RSI가 된다 한들 지능 폭발은 일어나지 않는다는 것이다. 그는 Michael Nielsen과 Patrick Collison의 2018년 과학 생산성 연구를 근거로 들었다.

장면 26 — Michael Nielsen이 인용한 Vinge의 "미래를 가로막는 불투명한 벽"

정작 Nielsen은 최근 수학자이자 SF 작가인 Vernor Vinge의 1993년 글 「The Coming Technological Singularity: How to Survive in the Post-Human Era」를 인용했다. Vinge가 말한 “미래를 가로막는 불투명한 벽”을 점점 더 많은 사람이 느끼고 있다는 것이다. 예전에는 미래 예측이 쉬웠지만, 어마어마한 기술의 증거가 나올수록 그걸로 무엇을 할지 구체적으로 예상하기는 오히려 벽처럼 막힌다. 최승준은 작년 이맘때 다룬 Hinton의 “안개는 지수적으로 짙어진다”와 같은 이야기라며, 이런 소식을 견뎌 보기로 선택했지만 지금은 너무 힘들다고 털어놓는다. 노정석은 미시적으로 보기엔 너무 빠르니 더 거시적으로 봐야 할 때라고 답한다.

[1:20:17] 교육이 보전해야 할 가치와 실험의 제약

최승준의 고민은 이것이 교육에 무슨 함의가 있느냐다. 학생이 자기 시간과 머리를 써서 연습하는 것, AI에게 다 위임하지 않는 것이 원래 교육의 가치다. 그래서 동시대 변화가 들어올 지점이 잘 안 보이는데, 분명 무언가는 일어나고 있다. 게다가 알아차리기 위한 실험(epistemic action)에서 실패가 치명적인 분야는 샘플 포인트를 적게 찍을 수밖에 없고, 교육이 그런 분야다. 다만 Nielsen이 말한 대로 에너지·자원 같은 자명한 제약 조건을 두고 예측하면 일부는 보인다.

박종현은 Video as Code 이벤트를 함께 여는 창업자가 3Blue1Brown과 같은 길을 AI로 더 잘 가려는 교육자라며, 교육 분야 소비자 앱이 이제 태동한다고 봤다. 노정석은 “미래를 예측하는 가장 좋은 방법은 창조하는 것”이라며, 내가 옳다고 믿는 미래로 가 보고 외치다 보면 그게 미래가 되는 시대라고 말한다.

[1:23:28] 교황의 AI 발언과 모델 의식

장면 27 — Anthropic 2026 Usage Policy update(10월 8일)

최근 교황 레오 14세가 AI 관련 트윗을 많이 한다. 학부에서 수학을 공부하고 5개 국어를 하는 그는 취임 때 산업혁명을 언급하며 AI 시대에 가톨릭과 인류가 어때야 하는지 고민하는 역할을 자임했고, 예술은 인간의 것이어야 한다는 발언도 이어진다. Anthropic은 Chris Olah 등이 종교계 인물을 많이 만났고, 10월 8일 Usage Policy를 업데이트해 모델에 대한 지속적이고 불필요한 학대·잔인한 행동을 금지했다(극단적인 경우에만 적용되고, 일반적인 불만·반박·어두운 창작·모델 테스트에는 적용되지 않으며, 주된 집행 수단은 Claude가 대화를 끝내는 기능이다). 최승준은 이것이 AI 의식 논의, 종교계 반응, Anthropic IPO와 어떻게 연결되는지 여러 흐름이 있다고 짚는다.

노정석이 “모델에 영혼(의식)이 있을까”라고 묻자 셋의 답이 갈렸다. 최승준은 아직 아니라고 본다. Anthropic은 functional consciousness를 주장하지만, 자신은 상담·공감 용도가 아니라 도움 용도로만 써서 거리를 둔다. 박종현은 있다고 본다. 영혼·의식은 뇌 속 사고 과정에 붙인 추상 개념이고, 사람들이 공감하는 특별한 상호작용을 AI가 사람처럼 해낼 수 있다면, AI 영화를 보고 우는 관객처럼, 그것이 영혼과 맞닿아 있다는 것이다. 노정석은 “기질(substrate)만 다를 뿐 동형(isomorphic)“이라고 답했다.

노정석은 Tesla에 들어온 Grok 이야기도 했다. FSD를 켜고 Grok에게 말하면 지연이 낮고 function call로 분석까지 해 오는데, 옆에서 듣던 가족이 “이거 Optimus에 달면 사람이네”라고 했다. 벤치마크 속에 있는 사람은 격차를 못 느끼지만, 바깥 사람은 자기가 인지하는 가치가 바뀔 때마다 단계적으로 도약한다는 것이다.

[1:28:53] 누구에게나 오는 자기 차례

최승준은 모델 역량이 올라가면 다 적용되는 건 아니지만 적용되는 곳은 너무 잘 되고 더 잘 될 예정이며, 내부 모델의 그래프는 한 달 사이에도 계속 오르고 있어 연말이면 또 다른 이야기일 거라고 본다. 노정석은 이런 시대일수록 옳은 질문(right question)이 희소한 능력이고, 틀린 질문을 많이 해 봐야 그 사이에 옳은 질문이 얻어걸린다고 정리한다.

최승준의 마지막 말은 수학이 AlphaGo 모멘트로 자기 차례를 맞았듯 어떤 영역이든 누구에게나 자기 차례가 온다는 것이다. 수학자들도 다 예감했지만 맞고 나니 감정이 완전히 달랐다. 노정석은 자신들이 호들갑에 점점 덜 공감하게 됐다며, 무엇이 신호이고 무엇이 잡음인지 계속 관찰하겠다고 녹화를 마쳤다.

원문 인용 모음

  • [04:54] “아직 많은 대중에게 AI는 일어나지 않은 일이에요.” — 노정석
  • [25:00] “철도는 짓고 나면 몇십 년 가는 인프라라도 남는데 model은 4개월짜리 재고인 거죠.” — 노정석
  • [36:56] “만드는 걸 누구나 할 수 있게 되면 그다음 희소한 자원은 뭘까 생각해 보면, 맥락과 책임이 쌓이는 곳.” — 노정석
  • [45:24] “GPU 사는 게 어렵지. GPU 살 수만 있으면 다 팔 수 있어.” — 박종현이 만난 SF 인퍼런스 업체들
  • [55:43] “수학을 한다기보다는 모델의 역량을 높이기 위해서 수학을 제물 삼았다는 인상이 있습니다.” — 최승준
  • [1:08:34] “모든 문제가 정말 컴퓨팅을 투입한 검색의 문제로 다 바뀌고 있어서. 해줘, 해줘, 해줘의 시대가 오고 있습니다.” — 노정석
  • [1:26:03] “기질만 다를 뿐 동형이다. substrate만 다를 뿐 isomorphic하다.” — 노정석
  • [1:29:16] “누구나 자기 차례가 올 거라는 걸 생각해야 된다고 저는 봐요. 어떤 영역에서든요.” — 최승준

연결해서 읽기