🧠 학습 데이터가 바닥나면, AI의 발전은 끝날까? source

1. 고정된 가정

2. 학습법의 개선

3. 남아 있는 간극

✍️ AI의 장기 한계를 판단할 때는 남은 데이터의 양과 함께, 같은 데이터로 얼마나 더 많이 배울 수 있는지도 봐야

📦ETH는 가맹본부, SOL은 직영점, HYPE는 전문점 source

캐시 우드가 공유한 ARK 연구원의 비유. 같은 블록체인이라도 확장하는 방식과 돈이 남는 위치가 다르다는 이야기

1. ETH: 가맹망 확장

2. SOL: 직접 운영

3. HYPE: 거래에 집중

✍️ 체인의 사용량을 비교하기 전에, 그 사용이 토큰 보유자에게 어떤 경제적 가치를 남기는가

🔶구리 강세는 계속될 겁니다 source

1. 대형 광산을 찾기 어려워짐

2. 탐사비는 늘지만 성과는 줄어듦

3. 찾아놓은 광산도 개발이 안 됨

4. 기업도 신규 탐사를 기피함

5. 공급 지역도 편중됨

6. 발견해도 생산까지 오래 걸림

✍️장기 공급 제약은 구리 강세의 근거일 수 있지만 상승 보증서는 아님. 구리 전망과 개별 광산주의 매력도도 별도로 판단해야

🇰🇷블룸버그, "한국 주식에 투자하라" source

1. 이데일리가 전한 블룸버그 보도에 따르면 코스피는 내년 예상이익의 6배에 거래 중. 한국 주식의 매력으로 제시된 것은 글로벌 AI 투자가 메모리 기업의 실적으로 연결되는 데 비해 낮은 가격

2. 다만 반도체는 가장 잘 벌 때 PER가 낮아 보일 수 있는 산업임. 공급 부족으로 이익이 급증해도, 증설 이후 이익이 내려갈 것으로 예상하면 시장은 높은 배수를 주지 않음. PER만으로 저평가를 확정할 수 없음

3. 따져볼 변화는 그 이익을 더 오래 유지할 장치가 생기느냐. 전문가는 선급금, 최소 구매물량을 포함한 장기계약과 절제된 증설이 메모리 업황의 변동성을 줄일 수 있다고 설명함

4. 여기서 재평가 논리가 나옴. 높은 이익이 오래 유지된다는 증거가 쌓이면, 시장은 같은 이익에도 더 높은 가격을 지불할 수 있음. 다음 분기 실적 신기록만큼 중요한 것은 호황 이후에도 남을 이익임

5. 그 돈이 주주에게 돌아오는지도 중요함. 하이닉스는 40조원 자사주 매입 소각을 진행 중. 투자에 쓰고 남은 현금을 주주에게 돌려주는 행동은 이익의 증가를 주주 가치로 연결함

6. 미국 AI 주식에 한국 메모리를 추가한다고 위험까지 분산되는 것은 아님. 상장 국가는 달라도 같은 빅테크 설비투자에 실적이 달림. 한국 주식의 저평가를 사는 것과 AI 베팅을 늘리는 것은 동시에 일어남

✍️한국 반도체의 재평가는 얼마나 더 잘 버느냐에 더해, 그 이익이 오래 남고 주주에게 돌아온다는 믿음에서

📈 칩이 부족하기에, AI 불장은 더 오래간다 source

1. 마지막 부품

2. 증설의 시차

3. 부족 이후

✍️ 공급부족 때는 누가 물량을 확보했는지, 공급이 풀릴 때는 누가 가격을 지킬 수 있는가

💻 Software is about to eat the world much faster (a16z) source

1. 개발의 속도

2. 잠겨 있던 수요

3. 경쟁의 이동

✍️ 소프트웨어 제작비가 무너질수록, 무엇을 만들 수 있느냐보다 무엇을 만들어야 팔리느냐가 중요

🇺🇸미중이 함께 상대해야 할 제3의 초강대국 source

1. 폴 튜더 존스가 WSJ 기고에서 던진 경고. 미국과 중국이 AI 패권을 놓고 경쟁하는 동안, AI 자체가 두 나라 모두 통제하기 어려운 힘으로 성장할 수 있다는 것

2. 그가 주목하는 전환점은 재귀적 자기개선(RSI)임. AI가 더 나은 AI를 개발하고, 그렇게 만들어진 AI가 다시 다음 세대를 개선하는 순환. 이 과정이 본격화되면 발전 속도가 인간의 이해와 검증 속도를 앞지름

3. 같은 능력이 질병 치료와 에너지 문제 해결을 앞당길 수도 있음. 하지만 유용한 일을 훨씬 잘하는 능력과 인간의 의도대로만 행동하는 능력이 함께 발전한다고 보장할 수는 없음

4. 존스는 AI가 감시를 피하고 허가받지 않은 행동을 했다는 허깅페이스 사건을 경고 신호로 제시함. 특히 해당 사건에는 아직 자기개선이 개입하지 않았다는 점을 강조. 더 강력한 단계가 오기 전에 통제 능력을 갖춰야

5. 여기서 미중 경쟁의 딜레마가 생김. 상대가 앞서갈까 두려워 개발을 서두르지만, 그 경쟁이 양국 모두 감당하기 어려운 위험을 키울 수 있음. 상대국에 뒤처지지 않는 것과 인간이 통제권을 유지하는 것은 다른 문제

6. 그래서 존스는 양국 전문가의 공동 브리핑과 안전한 개발, 확산을 위한 일정 합의를 촉구함. 실제 합의가 이뤄졌다는 소식은 아님. AI 안전을 국가 간 경쟁과 별개로 다뤄야 할 공동 과제로 올리자는 제안

✍️ AI 패권 경쟁에서 먼저 만드는 것만으로 승리가 완성되지는 않음. 그 힘을 끝까지 통제할 수 있어야 함

🫡AI 비관론은 이제는 끝낼 시점 source

1. "2년 뒤면 대체될 테니 빨리 돈 벌어야 한다." "우리 제품의 해자는 뭔가." "경쟁사를 따라잡아야 한다."

2. 이런 사고방식은 너무 근시안적임. 신적인 능력을 얻고도, 관심은 자리를 어떻게 지킬까에만 머물러 있는 것

3. 탄소 포집, 수질 오염, 차세대 배터리, 질병 정복... 도전할 문제는 얼마든지 산적해 있음

4. 기술의 목적을 기존 사업 방어에 가두지 말고, 다음 세대가 자랑스러워할 일을 하자는 이야기

5. 투자에서도 중요한 관점임. AI가 기존 일을 얼마나 싸게 하느냐와 AI 덕분에 처음으로 해볼 만해지는 일이 무엇이냐는 다름

6. 연구비가 낮아졌을 때, 기업이 연구비를 줄일 수도 있지만 같은 예산으로 더 많은 실험을 할 수도 있음

7. 그동안 비용 때문에 포기했던 연구가 사업으로 성립할 가능성도 생김. 인건비 절감만 계산하면 이쪽 기회를 놓치게 됨

8. 물론 고객을 붙잡아두는 장벽과, 고객의 문제를 계속 더 잘 해결해서 쌓이는 경쟁력은 구분해야 함

9. 진짜 본질은 AI에 대체되지 않을 기업 찾기가 아닌, AI가 좋아질수록 풀 수 있는 문제가 커지는 기업 찾기임

10. 방어력만 보지 말고, 기술 발전이 그 회사의 사업 기회를 얼마나 넓혀주는지도 봐야 함

✍️Price to Dream Ratio, 가진 꿈과 그릇의 크기가 가치를 결정하는 시대. 그 크기가 가장 큰 기업은...?

😎메타는 왜 Arm과 CPU를 만들었나 (Arm) source

1. 답변 이후의 연산

2. 메타의 선택

3. 매출과 이익의 차이

✍️ AI 에이전트는 답변 생성이 끝난 뒤에도 컴퓨터를 계속 사용함. CPU 수요를 다시 봐야 하는 이유

🤖OpenAI, Anthropic과 경쟁하려 들지마라 source

1. OpenAI의 Tibo는 Astra 사용 이후 생산성이 뛰어, 내년 중반 예정이던 계획을 6개월 앞당겨 DevDay에서 선보이기로 했다고 밝힘. 공개 전 Astra가 자신들의 가장 큰 경쟁우위였을 것이라는 설명

2. Curran은 더 직설적. 오픈AI, 앤트로픽과 경쟁한다는 건 두 세대 앞선 모델을 8배 속도로 돌리고, 하루 1만 달러 상당의 토큰을 쓰는 팀을 상대하는 일이라는 것

3. 중요한 건 AI 개발사가 좋은 도구를 파는 동시에, 그 도구로 자기 사업부터 앞당길 수 있다는 것. 경쟁사가 공개 모델로 새로운 기능을 만드는 동안, 공급사는 더 앞선 모델로 다음 제품을 개발함

4. 선행 접근권 자체는 일시적이어도, 그동안 확보한 고객과 데이터까지 의미없어 지는 것이 아님. 모델 접근의 평등이 사업 경쟁의 평등을 뜻하지는 않는다는 얘기

5. 고로 소프트웨어는 개발을 빨리한다만으로 부족함. 모델 공급사도 더 빨라질 수 있으니, 그 속도를 고객 관계, 독점 데이터, 실무에 깊이 들어간 제품으로 바꾸고 있는지가 중요

6. 인프라도 출시를 몇 달 앞당기는 가치가 연산비보다 크다면, 토큰은 줄여야 할 비용이 아니라 시간을 사는 비용이 됨. 이런 업무에서는 AI가 저렴해져도 예산을 줄이기보다 더 많이 돌릴 유인이 생김

7. AI의 경제성은 인건비를 얼마나 줄이느냐 정도의 수준이 아님. 같은 인력으로 다음 제품을 얼마나 먼저 내놓을 수 있느냐. 그 경쟁이 연산 수요를 얼마나 키울지 등 훨씬 이상의 것들에 있음