씨티의 견해
당사는 2026년 9월 9일 뉴욕에서 열린 글로벌 TMT 컨퍼런스에서 풀사이드의 공동 CEO 겸 공동 창업자인 제이슨 워너를 초청해 파이어사이드 챗을 진행하였습니다. 논의는 풀사이드의 모델 팩토리(Model Factory) 아키텍처, 최근 발표된 엔비디아와의 파트너십, 오픈 웨이트 모델 지형, 그리고 지식 노동에서 AI의 장기적 궤적을 다루었습니다. 주요 내용은 아래와 같습니다.
지식 노동의 진화와 토큰 이코노믹스. 워너는 전 세계 GDP의 25%에 해당하는 30조 달러 규모의 글로벌 시장인 지식 노동을 소프트웨어-온-컴퓨트(software-on-compute) 문제로 규정하였으며, 모델이 API와 툴 체인을 일시적으로 발견하고 호출할 것이라는 기대가 점차 커지면서 에이전트와 애플리케이션의 구분이 시간이 갈수록 덜 중요해질 것이라고 설명하였습니다. 경제성 측면에서 워너는 현재 토큰 지출에 상당한 낭비가 있다고 보는데, 지식 노동 경제적 가치의 90%는 프론티어 모델을 필요로 하지 않음에도 불구하고 업계가 모든 작업을 획일적으로 프론티어 문제로 취급하고 있기 때문입니다. 워너는 많은 조직이 폐쇄형 프론티어 모델 위에 구축하는 것을 선택해 왔는데 이는 그것이 더 안전한 선택으로 인식되기 때문이며, 오픈 웨이트 모델이 프론티어 수준의 지능에 도달할 경우 이러한 흐름이 바뀔 수 있다고 밝혔습니다. 워너는 상장기업 주주들의 압박이 프론티어, 프론티어 마이너스 원, SLM 계층에 걸쳐 보다 합리적인 지능 배분을 이끌어낼 수 있다고 보며, 향후 10년간 에너지, 컴퓨트, 지능 인프라 사업자들이 핵심적인 시장 참여자가 될 것이라고 지목하였습니다.
프론티어 모델 개발에 대한 모델 팩토리의 차별화된 접근. 풀사이드는 통상적인 사전학습 및 사후학습 접근법을 따르는 대신, 효율적인 모델 파라미터를 자율적으로 탐색하도록 설계된 메타 플랫폼으로 모델 팩토리를 구축하였으며, 이는 더 단순한 탐색 문제에 더 많은 컴퓨트를 투입하는 것이 가장 지속적인 진보를 낳는다는 리처드 서튼의 쓰라린 교훈(Bitter Lesson)의 핵심 통찰에 기반하고 있습니다. 이 접근법은 라구나 S 2.1(Laguna S 2.1)로 초기 성과를 냈는데, 이 모델은 약 4,000대의 H200으로 5주 만에 엔드투엔드 학습되었으며, 파라미터 수가 상당히 적음에도 불구하고 비교 대상 오픈 웨이트 모델들보다 우수한 성능을 보였습니다. 워너는 이것이 프론티어 역량에는 수십억 달러 규모의 학습 투자가 필요하다는 가정에 도전한다고 주장하였습니다.
오픈 웨이트의 경쟁적 차별화. 워너는 딥시크와 큐원(Qwen)의 자원 제약적 운영 환경이 오히려 이들의 모델 구축 역량에 기여하였으며, 컴퓨트 접근성이 더 좋았던 일부 서구 연구소들이 동일한 수준으로 우선시할 필요가 없었던 아키텍처적 엄밀성을 강제하였다고 주장하였습니다. 그의 견해로는 이 격차가 좁혀지기 전에 오히려 더 벌어질 것입니다. 컴퓨트 전반과 관련해 워너는 학습용 컴퓨트 부족론에 반박하며, 이 제약을 물리학과 경제성의 문제로 규정하였고, 오늘날 학습되는 최대 규모 모델들은 대규모로 서비스하기에 경제적으로 타당하지 않다고 말하였습니다. 워너는 여러 대형 하이퍼스케일러들이 추론 쪽으로 선회하는 것은 공급 부족 때문이라기보다는 학습 캐펙스를 지속할 경제적 정당성이 부재할 가능성을 반영하는 것이라고 설명하였습니다.