1. AI 종말론은 헛소리
- AI가 인류를 멸망시키거나 일자리를 없앨 것이라는 주장은 과장
- 싱귤래리티, AI 의식, 시뮬레이션 세계관 등도 공상과학적 서사에 가깝다
- 기술 리더가 위험을 경고할 수는 있지만, 해결책 없이 공포만 확대하는 것은 산업과 정책에 해로움
- AI의 위험을 알리는 단계는 이미 충분히 지났으며, 이제는 안전성과 실제 활용 방안을 만드는 데 집중해야
- AI를 두려워해 사용하지 않는 것이 미국을 뒤처지게 만듦
2. 중국 AI를 막는 것은 현실적인 전략이 아님
- 중국은 전 세계에서 가장 많은 수학·과학 인재와 AI 연구자를 배출하고 있어 AI 강국이 되는 것은 예정된 결과
- 미국이 중국의 기술 발전을 완전히 막거나, 중국이 미국을 막는 것 모두 불가능
- AI 경쟁을 승자가 영구적으로 모든 것을 차지하는 100m 달리기처럼 보는 시각도 잘못됨
- 중요한 것은 누가 먼저 모델을 만들었느냐가 아니라, 누가 AI를 산업과 사회에 더 빠르게 적용하느냐
3. 중국 오픈모델은 엔비디아에 악재가 아니라 호재
- Kimi·DeepSeek 같은 중국 오픈모델의 성능 향상을 엔비디아 위협으로 해석하는 것은 잘못됨
- 좋은 모델이 저렴하거나 무료로 공개되면 AI 사용자가 늘어나고, 결국 더 많은 데이터센터와 컴퓨팅 자원이 필요
- 좋은 모델 등장 → AI 사용 증가 → 산업 확산 → 토큰 생산 증가 → GPU·데이터센터 수요 증가
- DeepSeek 공개 당시와 Kimi 등장 이후 엔비디아 주가 하락 모두 시장이 같은 방식으로 오해한 사례
- 미국 기업이 중국 AI 모델을 사용하는 것도 허용해야
- 모델을 직접 내려받은 뒤 파인튜닝·가드레일·샌드박스·접근통제를 적용할 수 있기 때문에, 출신 국가만으로 전면 금지할 필요는 없음
4. 오픈모델과 폐쇄형 모델은 함께 성장함
- OpenAI·Anthropic 같은 폐쇄형 서비스와 오픈모델은 상호보완 관계
- 오픈모델은 AI를 처음 접하게 만드는 저렴한 진입로 역할
- AI를 사용해 본 사람이 더 높은 성능과 편의성을 원하게 되면서 유료 폐쇄형 서비스로 이동
- 무료 모델도 직접 운영하려면 인프라·보안·유지보수 비용이 필요하므로, 상당수 기업에는 관리형 서비스가 더 경제적
- 범용 업무는 OpenAI·Anthropic 등 외부 서비스를 최대한 활용
- 마케팅·법무 자동화처럼 핵심 IP와 무관한 영역은 적극적으로 아웃소싱
- 국가안보·규제·개인정보·핵심 기술·기업 고유 데이터는 자체 AI 구축
- 기업과 국가는 알파와 핵심 지능까지 외부에 맡겨서는 안 됨
- 엔비디아의 Nemotron도 OpenAI와 정면 경쟁하기 위한 모델이 아니라, 자체 AI가 필요한 기업을 지원하기 위한 기반 모델
5. 오픈소스가 오히려 AI 보안을 강화함
- AI가 코드를 작성하고 디버깅할 수 있다면 취약점을 찾아 공격에 활용하는 것도 자연스러운 결과
- 그러나 이를 이유로 모델을 폐쇄하면 소수 모델에 의존하는 단일 실패 지점이 만들어짐
- 오픈모델을 전 세계 보안 전문가에게 배포하면 각 조직이 취약점을 찾고 서로 다른 방어체계를 구축할 수 있음
- 리눅스처럼 많은 사람이 코드를 검사하고 보완할 수 있는 구조가 장기적으로 더 안전
- AI 규제 역시 원천 기술 자체보다 사용되는 분야와 서비스를 중심으로 설계해야
- 의료 AI는 의료 기준에 따라 규제, 자율주행 AI는 교통·안전 기준에 따라 규제
- 개인정보 침해와 계약 위반은 기존 법체계로 처리, 범용 AI 기술의 연구개발 자체는 빠르게 발전하도록 허용
6. AI 인프라 투자는 아직 초입
- AI 확산이 정점에 도달했다는 월가의 시각을 정면으로 반박
- 현재 사회와 산업에서 AI가 실제 업무에 적용된 비중은 아직 매우 낮음
- 기존 소프트웨어는 한 번 개발하면 낮은 비용으로 복제할 수 있었지만, AI는 사용할 때마다 연산과 토큰 생산이 필요함
- 따라서 AI 시대의 소프트웨어는 이전보다 자본집약적인 산업이 됨
- AI 데이터센터를 단순한 서버 시설이 아니라 지능을 생산하는 공장
- 반도체, HBM·메모리·스토리지, 첨단 패키징, 광통신, 전력, 토지, 데이터센터 건설 인력
- 모든 영역에서 공급이 부족하며, 향후 10년간 반도체 산업 규모가 현재보다 10배 커질 필요가 있음
7. AI 버블은 언젠가 오지만 지금은 아님
- 모든 대규모 산업 인프라 투자에는 결국 과잉투자와 버블이 나타날 수 있음
- 다만 향후 5년 안에 공급과잉 버블이 발생할 가능성은 낮음
- 이유는 수요 부족이 아니라 공급 확대 속도가 물리적 제약에 막혀 있기 때문
- 현재 핵심 병목으로 부족한 요소는 다음과 같음:
- GPU와 반도체, 메모리와 패키징, 토지·전력, 데이터센터 시공 인력, 광통신과 네트워크 장비
- 이러한 제약이 투자 속도를 늦추면서 공급이 수요를 넘어서는 시점을 오히려 뒤로 미루고 있음
8. 이제 유용한 AI가 수익성 있는 AI로 전환됨
- 과거에는 AI 투자 대비 수익이 언제 발생할지가 핵심 의문이었지만,
- 이제 코딩 에이전트를 통해 수익성이 증명되기 시작했다고 봄
- 코딩은 고임금 노동을 직접 보조하기 때문에 기업이 높은 비용을 지불할 유인이 큼
- 엔비디아 역시 생산성 향상을 위해 AI 서비스에 연간 수억 달러를 지불할 의향이 있음
- AI 사용 → 생산성 증가 → 기업 수익 증가 → AI 재투자 확대
이러한 플라이휠이 이미 시작됨
- 또한 AI 토큰은 단순한 숫자가 아니라 지식과 추론 능력이 압축된 결과물이며,
- 모델이 발전할수록 토큰의 유용성과 경제적 가치도 높아질 것
9. AI는 직업이 아닌 업무를 자동화함
- 일자리와 개별 업무를 동일하게 보면 AI의 영향을 잘못 해석하게 됨
- 하나의 반복 작업 자체가 직업의 전부인 경우 해당 직업은 자동화되거나 크게 바뀔 가능성이 높음
- 대표적으로 고객센터의 전화 응대 업무는 자동화될 수 있음
- 다만 AI 시스템을 관리·평가·개선하고 복잡한 고객 문제를 조정하는 역할은 계속 인간에게 남게 됨
- 방사선과 의사의 목적은 영상 자체를 읽는 것이 아니라 환자의 질병을 발견하고 치료를 지원하는 것
- 영상 판독이 자동화돼도 직업의 목적은 사라지지 않음
- 타이핑은 직업이 아님. 문제 해결, 발견, 혁신, 가치 창출이 직업의 본질임
- 방사선과 의사·법률보조원·AI 인프라 제조업 등의 사례는,
- AI가 생산성을 높이자 처리 가능한 수요가 늘어나 오히려 인력이 더 필요
10. 로봇과 AI 에이전트의 다음 단계
- 로봇의 ChatGPT 모먼트는 이미 도달
- 로봇이 사과를 서랍에 넣어라라는 지시를 받으면 서랍을 먼저 열어야 한다는 작업 순서를 스스로 추론할 수 있음
- 다만 놀라운 시연과 실생활에서 유용한 제품은 별개
- 일상에서 실제로 쓸 수 있는 로봇이 향후 3년 안에 등장해도 놀랍지 않음
- 에이전트 시대에는 인간보다 AI 에이전트가 훨씬 많은 컴퓨팅 자원을 사용할 것
- 현재는 사람이 컴퓨터를 사용하지 않는 시간에는 연산도 멈춤
- 미래의 에이전트는 사람을 대신해 24시간 지속적으로 작업함
- 장기적으로 1조 개의 전문·범용 AI 에이전트가 동시에 작동
- 이에 따라 필요한 컴퓨팅 인프라 규모가 지금보다 압도적으로 커질 것
11. 미국 AI 정책에 대한 경고
- 미국 정부가 AI 의식·싱귤래리티·중국과의 단기 승부 같은 극단적 서사에 반응해 과잉 규제할 가능성을 우려함
- 정책당국이 일부 기업과 전문가의 주장만 듣고 성급하게 결론을 내려서는 안 됨
- 다양한 CEO·과학자·산업 관계자의 의견을 충분히 듣고 점진적으로 판단해야
- 미국 정부가 엔비디아 같은 기업의 지분을 직접 보유하는 방안도 불필요
- 기업이 세금을 내고 일자리를 만들며 주주가치를 높이는 것 자체가 이미 국가와 국민이 기업 성공의 지분을 공유하는 구조
- 트럼프 대통령에 대해서는 미국 제조업 복원, 반도체 공급망 강화, 일자리 창출에 집중하고 있다는 점을 높게 평가
- 다만 기술 보호를 이유로 AI 확산과 경쟁 자체를 제한하는 방향에는 경계