OpenAI가 Navier–Stokes 밀레니엄 문제의 해법을 공개했다.
정확히는 매끄러운 외력이 있는 3차원 Navier–Stokes 방정식에서 유한시간 안에 특이점이 발생할 수 있다는 증명이다. 일반적인 유체 흐름을 계산하는 공식이 나온 것도, 항공·기후·CFD 문제가 해결된 것도 아니다. 하지만 외력을 허용하는 C·D 조건은 Clay의 공식 문제에 포함되므로, 증명이 맞다면 실제 밀레니엄 문제의 해결이다. 아직 독립 검증과 학계의 수용은 끝나지 않았다.
수학적 결과만큼 흥미로운 것은 문제를 푼 방식이다.
OpenAI의 자기보고에 따르면 약 1만 개의 에이전트가 88시간 동안 270만 개의 메시지와 1,300억 개의 출력 토큰을 사용했다. 여러 팀이 서로 다른 접근법을 탐색하고, 중간 결과를 공유하고, 유망한 경로에 컴퓨트를 집중했다. 이후 Lean으로 증명을 형식화했다.
정확한 GPU 수와 비용은 공개되지 않았지만, 중요한 것은 분명하다.
연구가 사람 몇 명이 몇 년 동안 수행하는 프로젝트에서, 거대한 추론 예산을 투입하는 ‘컴퓨트 캠페인’으로 바뀌기 시작했다.
문제 정의 → 병렬 탐색 → 실패 경로 제거 → 유망한 분기에 컴퓨트 증액 → 자동 검증 → 재현 가능한 결과
앞으로 R&D의 핵심 지표도 연구원 수나 생성된 아이디어의 개수가 아니라 ‘검증된 결과 한 건당 비용’, ‘결과 도달시간’, ‘재현 성공률’이 될 수 있다.
다만 1만 개의 에이전트를 띄운다고 모든 문제가 풀리는 것은 아니다. Google의 연구에서도 병렬화 가능한 문제에서는 멀티에이전트가 강했지만, 순차적인 계획 문제에서는 오히려 성능이 크게 떨어졌다. 핵심은 에이전트 숫자가 아니라 문제를 잘게 나누는 방법, 유망한 경로를 고르는 스케줄러, 그리고 결과가 맞는지 판정할 수 있는 verifier다.
Navier–Stokes는 AI에 특히 유리한 문제이기도 했다. 문제 정의가 명확하고, 결과가 디지털이며, Lean으로 상당 부분 검증할 수 있다. 신약·소재·기계설계에서는 시뮬레이터와 현실의 차이, 실험 오차, 제조 가능성, 규제가 개입한다. 따라서 이번 사건을 ‘R&D 전체가 곧 자동화된다’고 해석하는 것은 과장이다.
먼저 바뀌는 곳은 소프트웨어 migration, 보안, 반도체 검증, CAE처럼 여러 경로를 탐색할 수 있고 결과를 테스트·시뮬레이션으로 빠르게 확인할 수 있는 분야일 가능성이 높다.
인간 연구자가 바로 사라지기보다는 역할이 바뀔 것이다. 한 명의 전문가가 여러 개의 연구 캠페인을 동시에 운영하고, 에이전트가 문헌 조사·후보 생성·시뮬레이션·코딩·반복 분석을 수행하는 구조다. 연구원 100명이 10명으로 줄어들기보다, 10명이 과거보다 훨씬 많은 문제를 시도하게 될 가능성이 높다. 다만 주니어 연구와 외주 분석이 담당하던 실행 피라미드는 얇아질 수 있다.
창업·투자 관점에서도 중요한 구분이 있다.
장시간 추론 수요가 증가하면 칩·전력·클라우드는 수혜를 받는다. 그러나 GPU를 빌려주거나 범용 멀티에이전트 runtime을 만드는 것만으로는 스타트업이 강한 해자를 갖기 어렵다. AWS와 Microsoft가 이미 장기간 실행, GPU, 다중 에이전트, 고객 계정 내부 실행을 제품에 넣고 있기 때문이다.
더 큰 기회는 특정 산업에서 ‘무엇을 정답으로 인정할 것인가’를 정의하고, 기존 solver·테스트·실험실로 결과를 검증해 납품하는 회사에 있다.
예를 들면 다음과 같다.
- 과학·산업용 레거시 코드의 migration과 수치 동등성 검증
- 반도체 패키지·데이터센터·배터리의 열관리 설계
- 조선 선형·프로펠러 후보의 CFD 탐색
- 소재·배합 후보 생성과 실제 실험의 폐쇄 루프
- 펌웨어·산업제어 시스템의 취약점 발견과 검증된 패치
여기서도 Private는 해자가 아니라 입장권이다. 고객의 코드·CAD·실험 데이터가 외부 모델 학습에 사용되지 않도록 VPC나 온프레미스에서 실행하는 것은 기본 요건이 될 것이다.
진짜 해자는 산업별 acceptance test, 기존 도구와 실험실에 대한 접근권, 검증 결과가 붙은 성공·실패 기록, 그리고 결과에 제한적으로 책임질 수 있는 구조에 생긴다.
그래서 앞으로 가장 흥미로운 회사는 “AI가 R&D를 대신합니다”라고 말하는 회사가 아닐 수 있다.
대신 이렇게 말할 수 있는 회사다.
“정해진 비용과 시간 안에 고객의 테스트를 통과한 설계·패치·후보를 만들고, 그것이 왜 믿을 만한지 재현 가능한 증거까지 함께 제공하겠습니다.”
이번 사건이 보여준 가장 큰 변화는 AI가 과학자를 없앤다는 것이 아니다. R&D의 디지털 탐색 노동이 컴퓨트로 전환되기 시작했다는 것이다. 그리고 그 시장의 승자는 가장 많은 에이전트를 가진 회사보다, 컴퓨트가 만든 결과 중 무엇을 믿어도 되는지 판단하고 책임질 수 있는 회사일 가능성이 높다.
https://openai.com/index/navier-stokes-solution/