Video: AI 전쟁은 모델을 넘어섰다 | 칩·전력·추론·피지컬 AI의 다음 병목 [Asia2G Capital BeyondAsiaTechSummit 참관기]
Channel: 안될공학 - IT 테크 신기술
Duration: 18m 42s
Source: subtitle (auto, ko)
Transcript:

뭐 전력만 연결이라든가 뭐 변서 냉각수 또 지역 주민들도 반발하고 있고 인허가 문제 같은 것들 탄수 부제도 당연하고 이런 전력 같은 병목 문제가 있기 때문에 결국은이 전력이라고 하는 문제가 사실상 이제 입장권이죠. 입장권.네 [음악] 네, 여러분 반갑습니다. 레입니다. 제가 이번에 실리콘 밸리의 출장을 가서 구글 iOS도 갔지만 굉장히 좀 의미 있는 행사를 하나 갔었는데요. 바로 아시아 토지 캐피탈에서 플가인 플레이 센터에서 열린 실리콘펠리 벤처 캐피탈 서밋이었습니다.이 한국과 아시아 기술 스타터 그리고 실리콘밸리 투자자분들이라든가 빅테크 관계자분들 또 AI 인프라나 에너지 방산 엔터프라이즈 AI 관련해서 모든이 플레이어분들이 한 자리에 모 수 있는 자리였기 때문에 저도 많은 걸 배우기 위해서 왔던 거고요. 원래는 사실 촬영할 생각은 없었어요. 근데 내용이 너무 좋아 가지고이 아시아 투지 캐피탈의 공격력 대표님과 지금 보시는 정준 박사님께 이렇게 말씀을 드려 가지고 아 요거 제 채널에 좀 씻고 싶은데 이게 좀 촬영을 해도 되겠느냐라고 허락을 구하고 여러분들께요 내용들을 전달드리려고 합니다.이 겉으로 보면은 스타트업 데모데이 쇼케이스처럼 보실 수도 있는데 이게 세션을 관통해서 보면은 투자자들 분들께서 이제 AI 앱들보다도 AI 산업의 어떤 비용 구조라든가 공급만 병목을 보고 있다라는 점이 개인적으로 좀 많이 느껴졌는데요.

그래서 그냥 줄줄 이렇게 훑어 드리는 것이 아니라 이번 세션에서 제가 인상 깊었던 내용들을 위주로 해서 잘 구성해서 현재이 실리콘 밸리 중심으로이 미래를 바알라보고 기회를 찾고 계신 분들이 어떤 걸 주목하고 있는지 그래서 AI 산업의 다음 병목이 어디로 향하고 있는가에 대해서 지금 뭐라든가 메모리 패키징에 대한 얘기들은 이미 많이 나왔었고 또 뭐 전력이나 데이터 센터 뭐 출론 비용이라든가 또 기업의 데이터를 어떻게 잘 운용을 할 것인가 또 인재를 어떻게 체험을 하고 또 로봇이라든가 이런 드론 같은 피지컬 AI 족들 또 더 나가서는 이제 이게 전략 차상이 되기 때문에 방산이라든가 에너지 인프라까지 연결되거든요. 이 모든 내용이 이번에 다 나왔기 때문에 요걸 한번 정리를 해 드리려고 합니다. 전체 구성을 봤을 때 이번 서밋의 발표 내용을 크게 세 가지 병목의 축으로 잡을 수가 있었는데 첫 번째는 일단 물리적인 병목이죠. 우리가 제조를 할 때에 GPU뿐만 아니라 요즘 제가 늘 말씀드리다시피 HBM 패키징 또 전력이라든가 냉각 데이터 센터 또 엣지 인프라 같은 요런 문제들 있잖아요.

요게 가장 제가 많이 다루기도 하고 사람들이 굉장히 널리 인식을 하고 있는 물리적인 변목이죠. 여기서 더 나아가서 굉장히 흥미로웠던 부분이 바로이 조직 내부에 대한 변목입니다. 기업 문서라든가 데이터 구조, 업무 프로세스, 또 AI, ROI 같은 측면이라든가 실제로 인력을 평가하는데 쓰는 거, 뭐 채용이나 육성 같은 거 요런 것들도 실질적으로 기업을 운영해 나가는 입장에서는 병목이라는 거죠. 그리고 현실 세계에서도이 피지컬 AI 관련된 부분들 로봇이라든가 드론 뭐 방산 전력 같은 것도 있잖아요. 뭐 합성 데이터라든가 이런 검증의 문제도 있기 때문에 이런 전체이 세 가지 병목을 중점적으로 해서 제가 한번이 세션에 나왔던 내용들을 설명을 드려 보도록 하겠습니다. 전체 방향성은 AI 모델에서 인프라로 현재 물리적인 병목으로 이동하고 있는 부분들 그다음에 조직 내부에서 다시 현실 세계로 확장이 될 때에 병목 같은 것들을 살펴봐야 되는데 이런 것들 종합적으로 봤을 때 아시아 스타트업들이 이러한 거대한이 플라이 휠 안에서 어떤 위치에 있을 수 있는지를 한번 살펴보도록 하겠습니다.

라인업부터 살짝 보고 가면은 스폰서들도 굉장히 빵빵한데 실제 진행은이 선에 있는 플러그앤 플레이 테크 센터에서 진행이 됐고요. 정준 박사님이 이제 문을 열어 주시고 그 이후에 무신사 CTO 엔드리 전 대표님이라든가 굉장히 많은 분들이 참석을 해 주셨습니다. 그리고 우리나라 MPU 관련해서 하이퍼엑셀이라고 아시죠? 요쪽도 아시아 투지 캐피탈에서 이렇게 투자를 하고 계신데 하이퍼엑셀의 US헤드 분이시죠. 제이킴. 직접 나와서 앞으로의이 AI칩 상황도 한번 돌이켜 봐 주셨고요. 구글 스타트업 프로그램뿐만 아니라 우리나라에서도 지금 스타트업을 이렇게 다양한 프로그램들을 진행하고 있기 때문에 그런 것들을 같이 접할 수 있었습니다. 사실이 VC 관점에서는 AI 투자의 기준이 지금 바뀌고 있다라고 판단이 됩니다. 왜냐하면은 예전에는 그냥 좋은 모델 뭐 좋은 앱이라든가 뭐 좋은 사스를 만들면은 이게 투자 돌리가 어느 정도 성립이 되면서 어 이렇게 투자를 하면 되겠구나라는게 보였던 거 같은데 지금은 AI 기업의 경쟁력이 모델 자체보다 뭐 컴퓨터 비용이라든가 데이터 접근성 엔터프라이즈 배포 능력 뭐 이런 것들 있잖아요.

또 글로벌 고객을 확보한다라든가 이런 쪽으로 가고 있다 보니까 기준이 굉장히 많이 바뀌었다고 보실 수가 있는데 처음 정지훈 박사님께서 발표해 주신이 AI 플라이휠과 어떤 지정학적 알파라는 주제로 다뤄 주셨는데 여기서 AI를 단순한 모델 응전으로 보지 않고이 실리콘이라든가 에너지 인텔리전스 피지컬 AI 어떤 자본이 어떤 맞물린 플라이 휠로 봤다라는 거죠. 그 AI 플라이 휠의 구조가 칩이 있어야 데이터 센터가 돌아가죠. 그리고 데이터 센터가 있어야 모델이 커집니다. 또 모델이 커져야지 또 서비스하고 로봇이 나올 거고 그 서비스와 로봇에서 매출이 다시 생겨야지만이십가 전력 인프라에 다시 투자를 할 수 있다라는 거죠. 이게 중요한 포인트가이 플라이휠이 그냥 돈다라는게 아니다라는 겁니다. 한 단계 출력이 다음 단계에 입력이 되니까이 연견이 빨라지면 빨라질수록 전체 산업의이 회전 속도가 빨라질 수밖에 없겠죠. 특히나이 빅테크가 AI K픽스를 늘린다라고 해서 그 돈이 바로 AI 매출을 바뀌는게 아니잖아요.

이번에는 구글 같은 경우에는 그런 거를 잘 보였기 때문에 시장에서 많은 관심을 받았고 근데 실제 매출 전환하기까지 여러 가지 변목이 있다는 거죠. 뭐 데이터 센터 부지도 확보를 해야 되고 뭐 전력을 연결한다거나 냉각 설비, 서버 설치 뭐 네트워크 구성도 해야 되고 어떤 고객의 워크로드도 합부를 하는 요런 여러 가지 이런 측면들이 있다는 거죠. 그래서이 AI 플라이 휠의 속도를 K팩스 규모만으로 보는 건 굉장히 단순한 시각이라는 겁니다. 지금 말씀하시는 것이 결국은이 K팩스가 얼마나 빨리 매출 정도로 흡수가 될 수 있느냐 요런 관점에서 봐야 될 건데 타임라인을 보시면은 느껴지시죠? 어 처음엔 GPU가 엄청 주목 받았다가 HBM이 더 주목을 받기 시작하고 그러니까 HBM 중심으로 되다 보니까 이게 첨단 패키징 쪽으로 그리고 TSMC의 코어스라든가 인터포죠 지금도 이제 기판도 막 얘기를 하고 있잖아요. PCP 기판들 이런 것들이 전부 다 A의 공급망의 핵심이 되다 보니까 SK 하이닉스를 비롯해서 뭐 삼성자, 마이크론 이런 메모리 기업들이라든가 기판 업체들 이런 기업들의 전략등이 굉장히 커지고 있고 그다음에 지금 전력에 대한 문제가 이미 많이 얘기가 되면서 전력과이 그리드 전력 마응을 어떻게 잘 구성을 할 것이냐에 대한 변목을 얘기를 하고 있으면서 동시에 지역 인허가 문제도 지금 계속 나오고 있잖아요.

이런 얘기들이 계속 나오고 있는 상황입니다. 그다음에 앞으로는 이제 엣지 디바이스에서 출론을 할 건데이 피지컬 AI가 변목이 될 수 있다라는 거죠. 로봇이라든가 드론 자율주행 같은 것들 그리고 스마트 팩토리를 구성했는데 현장에서 바로 판단을 해야 되는 AI가 늘어나고 있는 상황이잖아요. 근데 이거를 전부 다 클라우드로 보낼 수가 없으니까 엣사 처리를 해야 될 때에 생길 수 있는 변목을 우리가 생각을 해야 된다라고 말씀을 주신 거죠. 사실 그런 관점에서 보면은 한국의 위치가 단순히 그냥 메모리와 제조를 잘한 나라고 보기가 힘들고이 AI 플라이휠의 여러 병목에 걸쳐 있는 국가라고 볼 수가 있다라는게 전박사님의 이제 말씀인데 뭐 HB 메모리 제조 기반은 당연하고 이번에 지금 구광모 회장이 지금 젠슨 만나고 뭐 이것 때문에 좀 난리가 났잖아요. 또 자동차라든가 로봇 배터리도 우리 갖고 있죠. 방산도 좀 뜨고 있지 않습니까? 통신 인프라든가 피지컬 AI. 그래서 여기서 중요한 거는 단순히 부품 공급자로 남으면은 주도권이 제한될 수가 있는데 시스템 설계, 소프트웨어, 뭐 데이터 센터 전략이라든가이 자본 네트워크까지 연결을 해야 성공할 수 있다.

요런 메시지가 있겠죠. 하이퍼 엑셀에서 발표한 내용들이 굉장히 흥미로웠던게 정준 박사님께서 플라이휠에 대해서 슬리콘과 에너지에 해당하는 세션에 해당하는 것이 결국은 하이퍼 엑셀에가 대응되고 또 에너지에 대응된 건 또 바이올로젠이라는 기업도 스타트업 발표를 했거든요. 특히 하이퍼엑셀 같은 경우는이 핵심이 AI가 학습 중심에서 추로 중심으로 이동할 수 있도록 토큰당 원가가 중요해진다는 점을 특히나 강조를 하셨는데 지표가 학습에는 강하지만 LN 추럼에서 병목의 성격이 달라지고 있다라는 거죠. 그리고 이걸 단순히 하나로 볼게 아니라 특정 애플리케이션이 있을 거잖아요. 워크로드에 따라서. 그래서 여기에 특화돼서 각각의 병목을 처리하는 어떤 플레이어가 필요하다. 저는 이렇게 이해를 했습니다. 특히나 늘이 lnm 추론 관련해서 프리필과 디코드 단계를 나눠서 제가 말씀을 드리잖아요. 프리필은 일단 사용자가 긴 입력 뭐 PDF도 넣고 온갖 것들 다 넣었을 때 그 문맥이 어떤 거냐라고 이해를 하는 방식 기술적으로는 키와 밸류를 생성하는 단계라고 보시면 되겠고 이때는 이제 상대적으로 변형성이 큰데 디코더 같은 경우에는 답변 토큰을 하나씩 생성하는 단계다 보니까 순차성이 강하죠.

앞에 거가 돼야지 그다음 단어 나오고 그다음 거 나오고 이게 오토 레그레시브 하게 KV캐시를 이용해서 생성을 하게 되는데 이때 메모리 접근이라든가 지연 시간 대어폭 효율이 굉장히 중요할 수밖에 없습니다. 그러면이 AI 서비스가 발전하면 할수록 비용 구조가 더 중요해지기 때문에 그럼 당연히 그렇겠죠. 에이전트를 계속 반복해서 호출을 해야 될 거고 그 에이전트가 이것도 시도해 봤다가 저것도 시도해 봤다 하면서 또 실패하면 또 뭘 할 거고 또 제대로 안 했으면 또 얘기해야 되니까 그 이전에 대한 희소를 다 기억을 하고 있어야 되는 거죠. 실시간으로 또 응답을 해야 되고 이렇게 되면 결국은 대량 사용자 요청이 늘어나는 상황에서이 하이퍼엑셀 같은 경우에는 기존의 GPU가 LRM 출론에서 메모리 폼을 충분히 활용하지 못하는 비오율이 있다라고 보고 LRM 출론 특화 LPU라는 걸를 했죠. 자,이 LPU는 M비디아 LPX 시스템이 들어가는 LPU가 아닙니다. LRM 프로세싱 유닛이라고 하는 별도의 하이프엑셀의 LPU라고 보시면 되겠고요.

그 LP를 통해서 데이터 흐름을 좀 단순화하고 한 번 가져온 데이터를 더 효율적으로 활용하려는 방향으로 보시면 되겠습니다. 결국 핵심은 더 빠른 집 하나가 아니라 lrm추론의 실제 변목에 맞춘 컴퓨팅 구조를 맞춰갈 될 거니까 뭐지를 대착했다 약간 이런 구도로 보면은 어렵고 지표가 못한 영역을 잘 이렇게 잡아 가지고이 토큰당 어떤 원가라든가 전력단 토큰 수로 내려왔을 때 해결을 보겠다라는 건점이겠죠. 그리고 바이올로젠의이 수소 전력 세션은 뭐냐? AI 데이터센터 변복이 지금 에너지로 이동을 하고 있다 보니까 저도 이게 좀 우려가 되는게 야 에너지가 실제로 다 공급이 안 되면은 이거 더 데이터 센터를 지으려고 해서 못 짓는 거 아니냐? 이런 불안감이 될 수 있거든요. 그러면 이게 이제 전체 산업에 어떤 영향지 걱정이 되는데 AI 데이터 센터에서 전력이 단순히 전기공 문제가 아니잖아요. 전력을 못 구하면은 애초에 데이터 센터를 못 찍기 때문에 그러면 GPU를 사도 설치할 곳이 없는 거예요, [웃음] 이거는.

대형 데이터 센터의 전력 문제가 뭐 전력만 연결이라든가 뭐 변전서 냉각수 또 지역 주민들도 반발하고 있고 인허가 문제 같은 것들 탄수 규제도 당연하고 이런 전력 같은 경복 문제가 있기 때문에 결국은이 전력이라고 하는 문제가 사실상 이제 입장권이죠. 입장권이 뭔가 지을 수 있다. 데이터 센터를 돌릴 수 있다. 이런 가점에서 바이올로전이 수소에 주목을 한 건데 이게 무슨 의미냐면은 AI 데이터 센터가 기존 전력방에 바깥에 어떤 대한 에너지까지 검토해야 하는 단계로 넘어갔다는 뜻이죠. 요즘 막 LNG 뭐 엔진 가져 와가지고 막 그것도 그거 돌려가지고 데이터 센터 돌리고 막 이러고 있잖아요. AI 인프라 금쟁이 반도체를 넘어서 지금 에너지 인프라 금쟁으로 확장되고 있는 상황이다라고 하는 관점에서이 수소 에너지 기반의 어떤 사업을 구상을 하고 계신 거죠. TKI이 책은 미국 규정에 따르면은 데이터 센터를 건설할 때에 그 사용량만큼의 발전소를 추가로 지어야 한다고 하거든요. 그런데 사실 원자력 발전 또 지으려면은 완공까지 오랜 시간이 걸리는 상황이고 재생 에너지는 아시다시피 에너지 공급이 일정하지 않아서 문제가 되는 경우가 많죠.

그래서 지금 현실은 화학 발전소가 굉장히 많이 채워지고 있고 대기 오염이 계속 이제 문제가 되고 있는 상황입니다. 그런 관점에서 비올로젠, 바이올로젠의 경우에는 두 가지 큰 강점이 있다라고 얘기를 했는데 먼저이 모듈 기반으로 소용량의 컨테이너를 병렬로 연결해서 딱 그 필요한 만큼의 전력을 데이터 센터 바로 옆에 온 사이트로 붙인다라는 거죠. 온디맨드 파워서플라이즈라고 표현한게 바로 그런 부분이 되겠고요. 온 사이트로 바로 설치를 붙여서 가게 되니까 별도의 발전서 건설이 필요 없다라는 겁니다. 더군다나 두 번째 강점이이 천연 가스에서 수소를 추출한 다음에 연료 전지로 전기를 생산하는데요. 이게 미국 전기로 대비 30% 또 저렴하고이 배출물로는 또 물만 생성이 되니까 그야말로이 환경에 딱 특화된 기업이라고 볼 수가 있겠습니다. 이렇게 인프라 관점에서 봤으면은 이제는 기업 내부의 어떤 병목이 AI를 쓸 때 요즘 AX AX 이런 얘기 많이 하잖아요. 문서라든가 업무 사람에서 또 병목이 생긴다는 거죠. 데이터 센터 바깥으로 나오면 또 변목이야.

실제로 기업에서 AI를 도입했을 때이 문서를 본다거나 문서를 마음대로 이제 공개를 하기도 힘들고 업무를 볼 때 또 사람이 그걸 봐아드릴 때 문제가 있는데 자 여기서 서칠에서는이 핵심이이 기업 문서는 그냥 PDF가 아니다라는 점을 파고든 거예요. 사실 많은 기업들이 그 뭐 AI 검색을 그냥 래그로 이해를 하고 있잖아요. 뭐 문서를 쪼갠 다음에 인베딩하고 백서 TV에 넣어 놓으면은 질문 들어오면은 비슷한 문단 찾아갖고 넘겨 주면 되니까. 근데 뭐 C라든가 제조 금융 같은 이런 도메인에서는 이런 방식만으로는 부족하다라고 말씀을 하십니다. 그러니까 기업 문서가 단순히 텍스트가 아니라 뭔가이 여러 정보가 굉장히 복잡하게 얽혀 있다는 거죠. 실제로 우리가 현업에 가다 보면은 계약서라든가 규정집이라든가 뭐 기술 문서도 따로 있고 또 도면도 있고 막 뭐 데이터베이스도 따로 있고 각각의 변경 1억들이 존재하고 영어도 표현됐다가 뭐 온갖 것들 그리고 그 기업에서만 쓰는 어떤 은어나 약어 같은 것들도 있잖아요.

그니까 이게 단순 유사도 동색이 아니라는 말이에요. 래그 같은 걸로 벡터디로 하는 것이 아니라 어떤 문서가 최신이고 어떤 조항과 어떤 도면이 연결되는지 막 이런 세부적인 관계성 어떤 문서가 다른 문서를 참조하는지에 대한 것들 이런 특정 사는 용어가 어떤 의미를 쓰는지 이런 것들을 다 이해를 해야 되기 때문에이 서치락에서는 단순 벡터 검색이 아니라 기업 지식의 구조와 관계를 이해를 할 수 있는 어떤 검색 인프라를 만들겠다라는 관점에서 보는 거로 이해가 됩니다.이 이 문서의 개층 구조라든가 거정가 변경점 이런 것들 다 이해를 하고 있어야 되기 때문에 결국은 비슷한 문담만 찾는게 아니라 기업 지식의 관계성 변경 이력을 이해를 해야 된다라는게 서치의 주장이에요. 그다음에 스킬 벤치에서는이 AI 시대에서이 생산성과 ROI를 어떻게 측정할 것인가에 대한 또 본격적인 얘기를 했습니다. 사실 그렇잖아요. 뭐 기업들이 AIR 도입했는데 아 그래서 어 돈을 얼마나 아꼈는데 혹은 얼마나 뭐 생산성이 늘어났는데 요런 거에 대한 질문을 다 받기가 쉽지가 않다라는 [웃음] 거죠.

뭐 A 장용이 많다고 해서 생각성이 오은 건 아니니까 최근에도 뭐 토큰 너무 많이 써 가지고 병이 너무 많이든 이런 얘기도 많이 나왔잖아요. 그리고 코드가 많이 생성됐다고 해서 생산성이 늘어나는 것도 아니잖아요.이 AI RI라는 관점에서 봤을 때 AI가 만든 결과물을 사람이 검증하지 않고 통과시키면은 뭐 당장은 빨라 보일 수가 있는데 장기적으로는 어떤이 기술 부채 뭐 보안 리스크 품질 저하가 커질 수 있다라는 거죠. 그래서 AIOI가 단순히 시간 절감이 아니라는 점을 함께 봐야 되니까 중요한 건데. 특히 뭐 은행 개발자 파일 바일러 사례가 좀 저는 인상적이었는데요.이 AI로 만든 코드의 생성 시점과 커밋 시점 사이가 너무 짧아서 사람이 제대로 읽었다고는 보기 어려운 사례들이 있었다고 하거든요.이 겉으로 생산성이 올라간 것처럼 보이지만 실제로는 그냥 검증 없이 그냥 승인을 해 버린 거잖아요. 그럼이 기술 리스크가 커질 수 있다라는 거죠. 옛날에 마치 초기 공장들이 증기 기간이라든가 뭐 전동 모터를 그대로 그냥 끼워 넣고 그래서 생산성 향상이 굉장히 제한적이어서 진짜 생산성 폭발은 모터를 개별 기계에 붙인 다음에 공장 배치 자체를 바꾼 뒤에야 나왔다고 하거든요.

자, AI도 마찬가지라는 겁니다. 기존 업무에 채권 하나만 붙이면은 이거는 그냥 한계가 있다라는 거죠. 업무를 작은 단위로 쪼개야 되고 어떤 부분은 AI가 맞고 어떤 부분은 사람이 검증해야 되느냐 어떤 조직의 평가 방식도 다시 설계를 해야 한다는 겁니다. 그래서이 무신사의 앤드류전 CTO님께서 발표해 주신이 AI 시대의 어떤 개발자 채용 문제를 다루줘서 저는 이게 굉장히 흥미로웠습니다. 자, AI 코딩 도구가 발전하니까 기존 코딩 테스트의 변별력이 약해지고 있다는 거죠. 이게 제출된 코드만 보고는 후보자가 직접 이해하고 만든 건지 AI가 생성한 것을 붙여 넣은 것인지를 구분하기가 어렵다는 겁니다. 그래서이 무신사에서 접근하고 있는 방식이 굉장히 흥미로웠는데 AI 사용을 전제로 평가한다는 겁니다. 앞으로 엔지니어가 AI를 쓰는 것이 기본값이 될 가능성이 크기 때문에 요러한 방향을 전했다라고 하고요. 그 중요한 거는 결과물이 아니라 과정이라는 거죠. 후보자가 AI에게 어떤 지시를 내렸는가, 또 문제를 어떻게 쪼겠는가?

뭐 결과물을 이해를 하고 검증했는지 왜 그런 설계를 선택했는지를 봐야 한다는 겁니다. 특히나 발표에서 이게 타입 A BC로 나왔는데 타입 A가 뭐 문제를 구조화하고 AI를 도구처럼 통제하는 엔지니어를 말하는 거고 타입 B 같은 경우는 그냥 방향만 대각 제시한 다음에 AI 결과물을 고쳐서 쓰는 유형. 타입 C는 그냥 문제 분석도 없고 그냥 AI한테 의존해서 결과물을 검증하지 않는 유형입니다. A 쪽으로 갈수록 더 바람직한 형태가 되겠죠. 그래서 AI 시대에서는 AI를 쓰느냐가 아니라 AI를 통제하느냐가 어떤 영향이 기준이 되니까 주니어 체험 문제에서도 이게 중요하다는 거죠. 그 AI가 주니어 개발자 업무를 대체할 수 있다라는 이유로 기업들이 주니 주니어 채용을 줄이면은 뭐 단기적으로 당연히 효율적으로 볼 수 있겠죠. 근데 주니어를 뽑아서 키우지 않으면 미래의 시니어도 생기지가 않잖아요. 그 기본적으로이 시니어 엔지니어가 실무 실패라든가 코드 리뷰 시스템 운영 경험을 통해서 길러지기 때문이죠. 그다음에 NCAI에서도 나왔는데 NCAI이 드러움 관련된 노매딕 그리고 방산 AI도 왔거든요.

피지컬 AI로 봤을 때 결국은 AI가 채포이나 기염력 소프트웨어에 먹는게 아니라 가상 세계나 현실 인프라 드론 방산 로봇 같은 부분과 다용관이 있다라는 거죠. 사실이 NCA의 발표가 처음에는이 게임과 콘텐츠 생성 이야기처럼 보였는데요. 이게 뭐 더빙이라든가 뭐 번역 뭐 3D에 SS라든가 뭐 사운드 립싱크 요런 내용들을 말씀을 해 주셨는데 사실 요것보다 더 중요한 포인트가이 게임 회사가 가진 가상 세계 제작 영량이 피지컬 AI와 연결될 수 있다라는 점이라고 볼 수가 있겠습니다.이 피지컬 AI에서 중요한 문제가 결국 데이터인데이 로봇이라든가 자율주행 드론 같은 것들이 현실 세계 다양한 상황에서 학습을 해야 되잖아요. 근데 현실 데이터에 충분하게 이렇게 데이터를 모으고 하는 거 자체가 어렵기도 하고 비싸기도 하니까 뭐 특히나 뭐 예외 사항이라든가 위험 상황 같은 것도 있잖아요. 이런게 어렵죠. 그래서 이게 가상 세계와 시뮬레이션이 단순히이 데모 환경이 아니라는 거죠. 결국이 합성돼 공장이 될 수 있다라는 건데이 가상 세계 진짜 가치가 그냥 예쁜 3D의 화면이다 이렇게 보는게 아니라 현실에서 모으기 어려운 피지컬 A의 학습 데이터를 만들어내는데 있다라고 볼 수가 있다라는 거죠.

다음에이 노매틱 드론에서는 드론으로 사진만 찍는 것이 아니라 전력망 주변을 자율적으로 이동해서 점검 데이터를 쌓고 이상징후 예측하는 방향을 제시했습니다. 이게 굉장히 흥미롭죠. 이게 전력 변목하고 다시 연결되기 때문인데 막대한 전력이 필요도 한데 그 전력망을 관리하는데도 AI와 자율드론이 필요해진 상황에서 실제로 드론을 갖고 오셨거든요. 그 단순검을 자동화 한다라는 그치지 않고 뭔가 예측을 하고 주적인 점검이나 사우대응에서 벗어나서 AI하고 자율도이 결합되면은 뭔가 상시간 차를 할 수가 있고 이게 미리 정비를 할 수 있는 이런 영역으로 갈 수가 있다라는 겁니다. 이게 일반적인 드론의 최대 한계가 배터리 사용 시간이잖아요. 근데이 노매직 드론에서는이 전량방 위에이 참새처럼 이렇게 앉아 가지고 자율적으로 무선 충전이 가능하다고 합니다. 굉장히 신기하죠. 이것 때문에 한 번 자율 비행을 시작하면은 1년 이상 전력망을 따라 가지고 이동하면서이 그리드 상태를 계속 상시점검을 할 수가 있고 관리를 할 수가 있다라는 거죠.이 미국이나 유럽이 땅이 넓은 곳에는 굉장히 진짜 가장 최적의 어떤 방식이라고 볼 수가 있다라는 거죠.

그 외에도 요즘 핫한 방산 관련해서도 하나 에어로스페이스와 플라이드 인튜에서 발표해 주셨는데 보안상 하나 에어로스페이스는 제가 말씀드릴 수가 없고 어플라이드 인튜는 관련된 내용들 보면은 결국은이 자율병이라든가 무인 시스템 전술 AI 뭐 센서 융합이라든가 전자전 이런 것들 있잖아요. 뭐 인간하고 기계가 협력하고 여기서 이제 모델이 그냥 단순히 똑똑한게 전부가 아니라 통신이 극길 수도 있다건가 뭐 센스가 불안하던가 이런 문제들 있잖아요. 결국은 방산 AI가 피지컬 AI의 어떤 극한 테스트 매드에 가깝다라는 거예요. 결국 거의 모든 것들이 다 연결돼 있다라고 보시면 될 거 같은데 이게 그렇게 보면은 이번 아시아 투지 캐피탈 같이 이런 실리콘 밸리의 한인 기술 네트워크의 의미가 있는 것이 결국 AI와 관련돼서이 한국과 아시아 기술의 스타트업들이 어떤 것들을 접근을 하고 기회를 찾고 있느냐를 보여줄 수 있는 어떤 것들이이 글로벌 AI 플라이 휠 속에서 병목을 가지고 있는지를 짚어주는 그런 서밋이었다라는 거죠.

한국 기술 스타트업이 글로벌로 가는 것이 생각보다 쉽지 않다라고 저는 들었는데 이게 기술력이 있어도 어떤 미국 고객의 구매 프로세스를 따라야 되고 뭐 엔터프라이즈 세일즈라든가 뭐 보안 심사 같은 것들 뭐 클라우드 파트너십이라든가 현재 어떤 레퍼런스라든가 이런 것들을 다이 규제 대응 같은 것들 다 해야 되거든요. 근데 더군다나 AI 인프라나 뭐 방산 에너지 분야는이 단순히 그냥 사스 기업들을 하고는 또 차원이 다르죠. 세일즈 사이클도 길고 어떤 실내어 검증이 계속 쌓여야 된다라는 부틈에 있습니다. 그래서 이런 실내 네트워크가 필요하다 보니까이 실리콘밸리 중심이 어떤 한인 네트워크 자체가 굉장히 또 중요한 의미가 있다라고 생각이 들고 저도 이제 수많은이 투자 선배님들이라든가 엔지니어 선배님들을 그때 직접 후에 네트워킹을 하면서 만나뵙거든요. 굉장히 좋은 인사이트를 얻었는데 서비스에서는 이제 모델에서 칩으로 그리고 칩에서 메모리 패키징으로 이동하고 전력 데이터 센터 그리고 사람이 직접 쓰는데 있는 문제 기업의 문제 현실 세계에서의 피지컬 문제이 모든 것들의 병목에 대해서 각각의 스타트업들이 기회를 찾고 있다.

뭐 이렇게 이해가 됐습니다. 뭔가 다시 한번 더 수많은 사람들이 그리고 한인 네트워크 포함해서 세상이 지금 바뀌고 있잖아요.이 세상이 바뀔 때 충분한이 투자가 잘 이루어지고 그 기회를 퍼착을 하실 수 있는 사람들이 또 세상을 바고 나가기 때문에 여러분이 VC라고 하는 것들이 결국은 애플도 구글도 뭐 모든 것들이 다 VC를 토대로서 태어난 기업들이잖아요. 우리나라고 못 하겠습니까? 그런 것들에 대한 스마트하고 기회를 잘 찾는 분들이 세상을 바꿔 가는데 일조를 하고 있으니까이 서미트를 잘 찾아다니면서 많은 걸 배우고 또 여러분들께 많은 걸 전달해 드려 볼까 합니다. 지금까지 에러였습니다.