(1) Google이 9월 14일 공개한 Dream-RSI를 포함해 RSI(Recursive Self-Improvement, 재귀적 자기개선)가 확장될 수 있다는 초기 증거가 나타나고 있으며, 이는 새로운 컴퓨팅 수요의 원천이 될 수 있음
(2) 평균 실현 서비스 비용은 5월 28일 고점 대비 -54%, 7월 1일 이후 -43%, 전주 대비 -2% 하락
(3) 이러한 비용 감소 역시 기업 내부와 외부의 AI 사용량 증가를 촉진하는 또 다른 요인이 될 수 있음
(4) AI 속도 조절을 둘러싼 논쟁은 이제 단순한 모델 출시 시점에서 컴퓨팅 자원을 어디에 배분할 것이냐의 문제로 이동 중
(5) Meta는 안전성을 우선시하기 위해 Muse 출시를 수개월 연기. Alexander Wang은 Meta의 컴퓨팅 자원 대부분이 RSI 경쟁보다는 사용자에게 AI 서비스를 제공하는 것에 더 투입되고 있다고 밝힌 바 있음
(6) 한편 AI 성능 개발에 사용되던 컴퓨팅 자원을 안전성, 감사 가능성, 정렬(Alignment) 분야에 재배치하더라도 AI 수요 CAPEX는 '26년 $1tn, '27년 $1.6tn에 영향을 미치지 않을 것으로 예상
(7) Jensen Huang은 제품 단위의 일시적인 개발 중단에는 동의했지만, 새로운 AI 규제는 불필요하다고 주장한 바 있으며, 이는 최첨단 AI 개발 속도를 조절해야 한다는 요구와 경쟁 우위를 지켜야한다는 현실 사이의 긴장을 보여줌
-
[RSI] 재귀적 자기개선
(1) AI가 후속 모델을 개발하는 데 필요한 인프라를 스스로 최적화하는 초기 사례가 나타나고 있음
(2) Z.ai의 Infra Agent는 GLM-5.3-Flash를 2주 이내에 배포하고, 10만 개 이상의 가속기 처리량을 3배로 높였음
(3) 아직 완전한 자기개선 AI는 아니지만, AI가 개발, 배포, 운영을 자동화할수록 추론과 안전성 검증에 필요한 컴퓨팅 수요는 오히려 증가할 가능성이 클 것으로 전망
(4) 한편 모델 경량화는 온프레미스 도입 장벽을 낮춰 AI 사용 범위를 확대할 수 있음
(5) 배포 장벽이 낮아지면 온프레미스 AI 도입이 확대되고, 민감한 데이터에 대한 통제력이 향상될 수 있음. 나아가 대규모 RSI를 구현하기 위한 기반도 마련될 수 있을 것
(6) 이는 Ramp가 조사한 7개 산업 중 6개 산업에서 나타난 전월 대비 AI 도입 증가세를 더욱 연장할 가능성이 있음
-
[Cadence] 모델 출시 속도
(1) 이번 주 신규 모델 출시는 비공개 모델 1개, 오픈 모델 3개로 전주보다 감소
(2) 다만 최근 90일 동안 비공개 모델은 68개, 오픈 모델은 40개가 출시됐으며, 8월 이후 출시 모델의 약 69%가 해당 업체의 기존 최고 성능을 넘어섬
(3) 즉, 출시 횟수는 일시적으로 줄었지만 모델 성능 개선 속도는 여전히 빠름
(4) 월말 신규 프런티어 모델이 출시될 경우, 사용량이 다시 고성능, 고가 모델로 이동하는지 확인할 필요가 있음
-
[Harness]
(1) 하네스 설계가 실제로 구현되는 AI 지능을 결정하는 핵심 요인으로 부상하고 있음
(2) 하네스는 모델이 도구를 사용하고 작업을 계획하며, 결과를 검증하고 오류를 수정하도록 만드는 실행, 제어 구조를 의미
(3) 대화형 ARC-AGI-3 벤치마크에서는 동일한 모델에 공급자별 어댑터 하네스를 추가하자 성능이 62.71%에서 99.95%로 37%포인트 상승. 동시에 비용은 26.1K에서 18.8K로 28% 감소
(4) 마찬가지로 Salesforce는 기초 모델을 변경하지 않고 에이전트 하네스만 개선했는데도 7개 기업용 에이전트 업무의 평균 성공률이 29.2%에서 78.0%로 상승했다고 밝히기도 함
(5) 향후 실제 사용 환경에서 나타나는 지능 향상의 상당 부분은 기초 모델 자체가 아니라 하네스 개선에서 발생할 수 있음
(6) 이는 AI 공급자와 기업 모두에게 애플리케이션 계층이 핵심적인 차별화 원천이 될 것임을 시사