2/ 로보틱스는 프론티어 랩의 또 다른 수직 분야로 자리 잡고 있다. 어떤 면에서는 코딩과 다를 바 없다. 왜 모든 산업마다 일반 지능을 새로 발명해야 할까?
3/ 지금까지 로보틱스는 자본 유치가 너무 어려웠다. 설득력 있는 사전 훈련 스케일링 법칙도 없고, 모델, 데이터, 하드웨어에 대한 수렴도 없었다. 일부 비평가들이 이를 비용이 많이 드는 "데모 게임"을 하는 파편화된 산업으로 치부한 것도 당연하다. Astra가 마침내 스케일링을 위한 신뢰할 만한 경로를 제시할 수 있을 것이다.
4/ 로보틱스 기반 모델 스타트업들은 그럴듯한 주장을 펼친다. 하지만 그 주장이 얼마나 강력할까? 주장: Astra는 시스템 2(추론)를 처리하고, 전문화된 모델들은 시스템 1(스킬)과 시스템 0(모터 제어)을 유지한다. 공정하다. 하지만 이는 이미 더 좁은 가치 제안을 의미하지 않나? 그리고 그 경계가 거기서 멈춘다고 누가 말하나?
5/ 인재를 따라가라. 소문에 따르면 OpenAI가 30~40명 규모의 로보틱스 팀을 핵심 Astra 모델 중심으로 재편했다. @Tesla_Optimus에서도 일반 모델로의 유사한 움직임을 듣고 있다. 조직도 차트가 어떤 데모보다 더 많은 것을 말해줄 수 있다.
6/ 로보틱스 데이터 골드러시는 실제다. 백만 시간 조달 프로그램들, 일부는 잠재적으로 수천만 시간에 이를 수 있다. 프론티어 랩당 예산이 10억 달러에 달할 것이라는 이야기도 나온다.
7/ 로보틱스 하드웨어 물량에 낙관적이다. 지능이 더 접근 가능해짐에 따라 유용한 로봇을 만드는 장벽이 급격히 무너질 수 있다. 해자는 신뢰성, 민첩성, 통합, 배포 쪽으로 옮겨간다.
8/ 로보틱스가 다음 반도체와 메모리 슈퍼사이클을 촉발할 수 있다. 에지에서 실행되는 1000억 매개변수 모델은 4비트 가중치만으로도 ~50GB가 필요하다. 이제 이를 수백만 대의 로봇에 곱해보자. @JensenHuang이 로보틱스에 왜 그렇게 집착하는지 왜 그런지 생각해보라. @elonmusk는 이를 미리 내다봤다
9/ 자율주행은 일반 모델 위협에 면역인가? 코딩과 로보틱스 다음에 왜 자율주행이 독점적이고 수직적인 모델의 전유물로 남아야 한다는 가정인가? Robotaxi는 점점 해결된 문제처럼 느껴진다. 하지만 프론티어 랩들이 자율주행으로 진입하면, 우리는 Apple 대 Android 같은 역학을 볼 수 있다. $TSLA, Waymo, 그리고 다른 OEM들에 대한 함의를 생각해보라.
10/ 다음 병목은 지능이 아닐 수 있다. 배포다. 모델들은 우리의 지저분한 현실 세계에 로봇을 배포하는 능력보다 더 빨리 개선되고 있다. 통합, 하드웨어 변동성, 실패 복구, 경제성은 여전히 잔인할 정도로 어렵다. 진짜 해자는 지능을 신뢰할 수 있고 수익성 있는 물리적 노동으로 전환하는 데 있을 수 있다.