AI 경제의 5명의 설계자가 설명하는 기어의 이탈 위치

이번 주 초, AI 공급망의 모든 계층에 관여하는 5명의 사람들이 Beverly Hills에서 열린 Milken Global Conference에 앉아 칩 부족부터 궤도 데이터 센터, 기술을 뒷받침하는 전체 아키텍처가 잘못되었을 가능성에 이르기까지 모든 것에 대해 이 편집자와 이야기를 나눴습니다.

TechCrunch와 함께 무대에 선다: ASML의 CEO인 Christophe Fouquet는 극자외선 리소그래피 기계를 독점하고 있는 네덜란드 회사입니다. 이 기계가 없었다면 현대 칩은 존재하지 않았을 것입니다. 기업 역사상 가장 큰 인프라 투자 중 하나를 감독하는 Google Cloud의 최고 운영 책임자인 Francis deSouza 시뮬레이션에서 시작하여 국방 분야로 옮겨간 150억 달러 규모의 물리적 AI 회사인 Applied Intuition의 공동 창립자이자 CEO인 Qasar Younis AI 기반 에이전트 검색 회사인 Perplexity의 최고 상업 책임자(CCO) Dimitry Shevelenko; 그리고 대부분의 AI 산업이 당연하게 여기는 기본 아키텍처에 도전하기 위해 학계를 떠난 양자 물리학자인 Eve Bodnia는 자신의 스타트업인 Logical Intelligence에서 이 문제를 해결했습니다. (Meta의 전 수석 AI 과학자 Yan LeCun은 올해 초 기술 연구 위원회의 창립 회장으로 서명했습니다.)

다섯 사람은 이렇게 말했습니다.

병목현상은 현실이다

AI의 부상은 엄격한 물리적 한계에 도달하고 있으며 그 한계는 많은 사람들이 상상하는 것보다 낮게 시작됩니다. Fouquet는 처음으로 “칩 제조의 엄청난 가속화”를 설명하면서 “앞으로 2년, 3년, 어쩌면 5년 동안 시장의 공급이 제한될 것”이라는 “확고한 믿음”을 표현했습니다. 즉, 하이퍼스케일러(Google, Microsoft, Amazon, Meta)가 지불하는 칩을 모두 얻지 못할 것이라는 의미입니다.

DeSouza는 이 문제가 얼마나 큰지(그리고 얼마나 빠르게 성장하고 있는지) 강조하면서 Google Cloud의 수익이 지난 분기에 200억 달러를 넘어 63% 증가했으며, 백로그(수익이 확정되었지만 아직 제공되지 않음)가 한 분기에 2,500억 달러에서 4,600억 달러로 거의 두 배 증가했다는 사실을 청중에게 상기시켰습니다. “수요는 현실입니다.”라고 그는 인상적으로 침착하게 말했습니다.

유니스에게 있어 한계는 주로 다른 곳에서 비롯됩니다. Applied Intuition은 자동차, 트럭, 드론, 광산 장비, 국방 차량을 위한 자율 시스템을 구축하며 병목 현상은 실리콘이 아닙니다. 기계를 현실 세계로 보내고 무슨 일이 일어나는지 관찰해야만 수집할 수 있는 데이터입니다. “실제 세계에서 찾아야 한다”고 그는 말했고, 어떤 합성 시뮬레이션도 그 격차를 완전히 메울 수는 없습니다. “실제 세계에서 실행되는 모델이 종합적으로 완전히 훈련되기까지는 오랜 시간이 걸릴 것입니다.”

에너지 문제도 현실이다

칩이 첫 번째 병목 현상이라면 그 뒤에는 에너지가 있습니다. DeSouza는 Google이 에너지 제약에 대한 진지한 대응으로 우주의 데이터 센터를 탐색하고 있음을 확인했습니다. “더 풍부한 에너지에 접근할 수 있게 됩니다”라고 그는 말했습니다. 물론 궤도에서도 쉽지는 않습니다. DeSouza는 공간이 진공이므로 대류를 제거하고 복사만이 주변 환경으로 열을 방출하는 유일한 방법이라고 지적했습니다(이 프로세스는 오늘날 데이터 센터가 의존하는 공기 및 액체 냉각 시스템보다 훨씬 느리고 설계하기가 더 어렵습니다). 하지만 회사에서는 여전히 이를 합법적인 경로로 간주하고 있습니다.

놀랍게도 De Souza가 제시한 더 깊은 주장은 통합을 통한 효율성에 관한 것이었습니다. 전체 AI 스택(맞춤형 TPU 칩부터 모델 및 에이전트까지)을 공동 설계하는 Google의 전략은 기성 구성 요소를 구매하는 회사가 복제할 수 없는 와트당 오류(에너지 단위당 더 많은 계산)로 배당금을 지급한다고 그는 제안했습니다. “TPU에서 Gemini를 실행하는 것은 다른 구성보다 훨씬 더 전력 효율적입니다.” 왜냐하면 칩 설계자는 모델이 출시되기 전에 어떤 내용이 나올지 알고 있기 때문이라고 그는 말했습니다.

Fouquet는 토론 후반부에서 비슷한 점을 제기했습니다. “아무것도 가격을 가질 수 없습니다”라고 그는 말했습니다. 현재 업계는 전략적 필요성에 따라 엄청난 양의 자본을 투자하면서 이상한 위치에 있습니다. 그러나 더 많은 컴퓨팅은 더 많은 에너지를 의미하며, 더 많은 에너지에는 대가가 따릅니다.

다른 유형의 지능

업계의 나머지 부분이 대규모 언어 모델 패러다임 내에서 추론의 규모, 아키텍처 및 효율성에 대해 토론하는 동안 Bodnia는 매우 다른 것을 구축하고 있습니다.

그녀의 회사인 Logical Intelligence는 소위 에너지 기반 모델(EBM)을 기반으로 하며, 이는 다음 토큰을 순차적으로 예측하지 않고 대신 인간 두뇌가 실제로 작동하는 방식에 더 가까운 방식으로 데이터의 기본 규칙을 이해하려고 시도하는 AI 클래스입니다. “언어는 나의 두뇌와 당신의 두뇌 사이의 사용자 인터페이스입니다”라고 그는 말했습니다. “추론 자체는 어떤 언어에도 얽매이지 않습니다.”

주요 LLM의 수천억 매개변수에 비해 가장 큰 모델은 2억 매개변수로 실행되며 수천 배 더 빠르게 실행된다고 주장합니다. 더 중요한 것은 처음부터 새로운 교육을 요구하는 대신 데이터 변경에 따라 지식을 업데이트하도록 설계되었다는 것입니다.

칩 설계, 로봇 공학 및 시스템이 언어적 패턴보다는 물리적 규칙을 이해해야 하는 기타 영역에서는 EBM이 가장 자연스러운 선택이라고 그는 주장합니다. “자동차를 운전할 때 어떤 언어에서든 패턴을 찾지 않습니다. 주위를 둘러보고 주변 세계의 규칙을 이해하고 결정을 내립니다.” 이는 흥미로운 주장이며, AI 분야가 규모만으로 충분한지 의문을 제기하기 시작하면서 앞으로 몇 달 동안 더 많은 관심을 끌 가능성이 높은 주장입니다.

에이전트, 보안 장벽 및 신뢰

Shevelenko는 Perplexity가 검색 제품에서 현재 “디지털 작업자”라고 부르는 제품으로 어떻게 진화했는지 설명하는 데 많은 시간을 보냈습니다. 최신 제품인 Perplexity Computer는 지식 근로자가 사용하는 도구가 아닌 지식 근로자가 관리하는 직원으로 설계되었습니다. 그는 기회에 대해 “매일 일어나면 팀에 100명의 직원이 있습니다.”라고 말했습니다. “이것을 최대한 활용하기 위해 무엇을 하시겠습니까?”

설득력 있는 연설입니다. 이는 또한 통제에 대한 명백한 질문을 제기하기 때문에 그들에게 물었습니다. 그의 대답은 세분성이었습니다. 기업 관리자는 에이전트가 액세스할 수 있는 커넥터와 도구뿐만 아니라 해당 권한이 읽기 전용인지 읽기-쓰기인지 여부도 지정할 수 있습니다. 이는 에이전트가 기업 시스템 내에서 작동할 때 매우 중요한 구별입니다. Perplexity의 IT 사용 에이전트인 Comet은 사용자를 대신하여 조치를 취할 때 먼저 계획을 제시하고 승인을 요청합니다. Shevelenko는 일부 사용자는 마찰이 짜증스럽다고 생각하지만 특히 Lazard 이사회에 합류한 후 마찰이 필수적이라고 생각한다고 말했습니다. 그는 고객 신뢰를 바탕으로 구축된 180년 된 브랜드를 보호하는 CISO의 보수적 본능에 예기치 않게 공감하게 되었다고 말했습니다. “세분성은 우수한 보안 위생의 기초입니다.”라고 그는 말했습니다.

안보만이 아닌 주권

Younis는 패널이 가장 지정학적으로 주장한 견해를 제시했는데, 이는 물리적 AI와 국가 주권이 순전히 디지털 AI에서는 결코 존재하지 않았던 방식으로 얽혀 있다는 것입니다.

인터넷은 처음에는 미국 기술로 확산되었지만 오프라인 결과가 가시화되면서 애플리케이션 계층(Ubers 및 DoorDashes)에서만 좌절에 직면했습니다. 물리적 AI는 다릅니다. 자율 주행 차량, 국방 드론, 광산 장비, 농기계 등은 정부가 무시할 수 없는 방식으로 현실 세계에 나타나고 있으며 보안, 데이터 수집, 국가 국경 내에서 작동하는 시스템을 궁극적으로 통제하는 주체에 대한 의문을 제기합니다. “거의 끊임없이 모든 국가가 이렇게 말합니다. 우리는 이러한 정보가 다른 나라에 의해 통제되는 물리적 형태로 우리 국경에 존재하는 것을 원하지 않습니다.” 그는 현재 핵무기를 보유한 국가보다 로봇택시를 배치할 수 있는 국가가 더 적다고 군중에게 말했습니다.

푸케는 조금 다르게 표현했습니다. 중국의 AI 발전은 현실이지만(올해 초 DeepSeek 출시로 업계 일부가 패닉 상태에 빠졌습니다), 그 진전은 모델 계층 아래로 제한됩니다. EUV 리소그래피에 접근하지 못하면 중국 칩 제조업체는 가장 진보된 반도체를 만들 수 없으며, 오래된 하드웨어로 제작된 모델은 소프트웨어가 아무리 우수하더라도 복합적인 불리함을 안고 작동합니다. 푸케는 “오늘날 미국에는 데이터가 있고, 컴퓨팅에 접근할 수 있고, 칩과 재능이 있다. 중국은 상위권에서는 매우 좋은 성과를 거두고 있지만 하위권에는 몇 가지 요소가 빠져 있다”고 푸케는 말했다.

세대적인 질문

패널이 끝날 무렵 청중 중 누군가가 명백하고 불편한 질문을 했습니다. 이 모든 것이 다음 세대의 비판적 사고 능력에 영향을 미칠까요?

이 기술에 자신의 경력을 걸고 있는 사람들에게서 기대할 수 있듯이 반응은 낙관적이었습니다. DeSouza는 더 강력한 도구를 통해 인류가 마침내 해결할 수 있는 문제의 심각성을 즉시 지적했습니다. 우리가 아직 생물학적 메커니즘을 이해하지 못하는 신경 질환, 온실가스 제거, 수십 년 동안 지연된 네트워크 인프라에 대해 생각해 보세요. “이것은 우리를 창의성의 다음 단계로 끌어올려줄 것입니다”라고 그는 말했습니다.

Shevelenko는 보다 실용적인 점을 지적했습니다. 초기 작업은 사라질 수 있지만 독립적으로 무언가를 시작하는 기능은 그 어느 때보다 쉽게 ​​접근할 수 있었습니다. “[For] Perplexity Computer를 갖고 있는 사람이라면 누구나 가능합니다. . . 한계는 당신 자신의 호기심과 의지입니다.”

Younis는 지식 노동과 육체 노동을 가장 명확하게 구분했습니다. 그는 평균 미국 농부의 나이는 58세이며 광업, 장거리 트럭 운송 및 농업 분야의 노동력 부족이 만성화되고 증가하고 있다는 점을 지적했습니다. 이는 임금이 너무 낮아서가 아니라 사람들이 그러한 일자리를 원하지 않기 때문입니다. 이러한 영역에서는 물리적 AI가 기꺼이 일하는 근로자를 대체하지 않습니다. 그것은 이미 존재하고 여기에서 더 깊어지는 것처럼 보이는 공허함을 채우는 것입니다.