여러 커뮤니티에 올라온 Astra가 만든 결과물들을 지켜보면서 떠돌았던 아이디어들을 하나로 묶어서 정리 기록해본다.
모델의 희소성은 옅어지고, 데이터·실행·유통·물리적 인프라의 가치는 높아진다
최근 오픈웨이트 LLM의 재부상과 NVIDIA의 Hugging Face 인수 합의, 기업용 AI 서버 수요, OpenAI의 하드웨어 관련 인수 행보를 함께 보면서 지금까지 생각해왔던 AI 산업의 가치 이동 경로를 다시 정리해본다.
2024년 Llama가 처음 주목받았을 당시만 해도 앞으로는 오픈소스 또는 오픈웨이트 LLM이 시장의 중심이 될 것이라는 기대가 컸다. 기업과 개발자가 모델을 직접 내려받아 자신의 데이터에 맞게 수정하고, 외부 모델 사업자에게 종속되지 않은 AI 환경을 구축할 수 있다는 논리였다.
그러나 OpenAI와 Anthropic을 중심으로 한 폐쇄형 범용 모델의 발전 속도가 예상보다 빨랐다. 더 많은 컴퓨팅 자원과 우수한 연구인력을 보유한 프런티어 연구소가 몇 달 간격으로 모델 성능을 끌어올리자, 기업이 특정 오픈모델을 파인튜닝해 사용하더라도 곧 더 좋은 범용 모델이 출시돼 기존 투자가 무용해지는 문제가 발생했다.
오픈웨이트 모델이 사라진 것은 아니지만, 기업이 직접 모델을 구축하고 운영해야 할 경제적 유인은 한동안 약해질 수밖에 없었다.
그런데 최근 Astra와 같은 고성능 에이전트 모델이 등장하면서 이 흐름이 다시 바뀌고 있다.
1. Astra가 발전시킨 것은 폐쇄형 모델만이 아니다
Astra는 현재 가장 강력한 폐쇄형 프런티어 모델 가운데 하나다. 하지만 Astra가 AI 산업에 미치는 영향은 OpenAI의 경쟁력 강화에만 머물지 않는다.
Astra와 같은 고성능 에이전트는 모델 개발자가 수행하던 다음 작업을 빠르게 자동화한다.
데이터 정제와 합성데이터 생성
파인튜닝 코드 작성
모델 평가와 오류 분석
추론엔진 및 하드웨어 최적화
에이전트 하네스와 도구 연결
기존 애플리케이션과의 통합
새로운 기반모델로의 마이그레이션
소프트웨어 개발·테스트·배포
과거에는 새로운 기반모델이 출시될 때마다 기업이 데이터셋을 다시 구성하고, 모델을 파인튜닝하며, 성능을 평가한 뒤 기존 시스템과 연결해야 했다. 이 과정이 너무 길고 비쌌기 때문에 기업은 편리한 폐쇄형 API를 선택할 수밖에 없었다.
그러나 에이전트가 이 과정을 상당 부분 자동화하면 이야기가 달라진다.
프런티어 모델 발전 → 모델 개발·통합 자동화 → 오픈웨이트 모델의 추격비용 하락 → 기업의 모델 교체속도 상승
Astra는 폐쇄형 모델의 해자를 높이는 동시에, 과거 프런티어 모델이 만들어낸 능력을 오픈 생태계로 이전시키는 확산장치로도 작동한다.
따라서 Astra 이후의 경쟁은 단순히 ‘폐쇄형 모델 대 오픈모델’의 승자독식 경쟁으로 보기 어렵다. 프런티어 모델이 새로운 능력을 먼저 만들고, 에이전트와 개발자 생태계가 이를 빠르게 복제·최적화·확산시키는 반복구조에 가깝다.
실제로 OpenAI는 Astra가 소프트웨어 엔지니어링뿐 아니라 웹사이트·게임·애플리케이션을 자연어에서 직접 구축하고 테스트할 수 있다고 설명한다. 기존 모델보다 OSWorld 작업시간을 약 47% 단축했고, Sites를 통해 웹앱과 게임을 프롬프트에서 직접 만들 수 있는 단계까지 발전했다. OpenAI, GPT-6 Astra
2. 오픈웨이트의 부활은 성능보다 ‘교체비용 하락’에서 시작된다
Ollama CEO 인터뷰에서 가장 중요했던 부분도 오픈모델의 절대적인 성능만은 아니었다.
핵심은 기업이 오픈모델을 도입하고, 새로운 모델로 교체하며, 실제 업무에 연결하는 비용이 빠르게 내려가고 있다는 점이다.
최근에는 학습·평가·마이그레이션 과정이 자동화되면서 새로운 기반모델로 이동하는 시간이 크게 단축되고 있다. 오픈모델의 발전주기는 짧아졌지만, 역설적으로 기업이 그 발전주기를 따라갈 수 있는 능력도 함께 높아진 것이다.
Ollama 인터뷰에서는 장기적으로 기업 토큰 사용량의 80~90%가 저렴한 오픈모델을 통과할 수 있다는 전망이 제시됐다. 다만 오픈모델의 단가가 낮기 때문에 지출액 기준 비중은 **10~20%**에 머물고, 가장 어려운 판단과 전체 작업의 조정은 여전히 폐쇄형 프런티어 모델이 담당할 수 있다.
AI 시장은 하나의 거대한 모델이 모든 문제를 해결하는 구조보다 다음과 같은 혼합 구조로 발전할 가능성이 높다.
오픈모델과 폐쇄형 모델은 서로를 완전히 대체하지 않는다. 비싼 프런티어 지능은 판단과 감독을 담당하고, 저렴한 오픈모델은 실제 작업량 대부분을 처리하게 된다.
따라서 앞으로는 모델 점유율을 하나의 숫자로 설명하기 어려워진다. 오픈모델은 토큰 사용량을 가져가지만, 프런티어 모델은 높은 단가와 고난도 업무를 유지할 수 있다. 토큰 점유율, 매출 점유율, 이익 점유율이 서로 다른 방향으로 움직일 수 있다는 의미다.
3. Alex Karp가 말하는 진짜 AI 주권
 |
| https://www.youtube.com/watch?v=2YVCdwvG548 |
최근 Alex Karp 인터뷰에서 기업 고객이 우려하는 가장 현실적인 AI 위험은 추상적인 인류 멸망 가능성이 아니었다.
기업이 수십 년 동안 축적한 데이터와 업무 노하우, 의사결정 방식과 고객정보가 외부 모델 사업자에게 이전될 가능성이었다.
기업은 외부 모델에 토큰 사용료를 지불하면서 자신의 데이터와 업무 맥락을 제공한다. 그 과정에서 생성되는 프롬프트, 추론기록, 사용자 피드백과 에이전트의 행동 결과는 원천 데이터보다 기업의 실제 경쟁력을 더 직접적으로 설명하는 정보가 될 수 있다.
따라서 AI 시대의 데이터 주권은 단순히 파일을 어느 데이터센터에 보관하느냐의 문제가 아니다.
기업의 업무 과정에서 새롭게 생성되는 지능을 누가 소유하느냐의 문제다.
Karp가 말하는 소버린 AI 구조는 다음과 같다.
기업 데이터와 업무기록은 자체 환경에 유지
핵심 업무는 오픈웨이트 모델을 자체 인프라에서 운영
기업 고유 데이터로 포스트트레이닝
여러 오픈·폐쇄형 모델을 업무별로 교체
모델의 데이터 접근권한과 행동범위를 통제
모델의 결과를 실제 의사결정과 행동으로 연결
팔란티어의 온톨로지가 중요한 이유도 여기에 있다.
모델은 언어를 이해하지만, 기업이 말하는 ‘고객’, ‘재고’, ‘위험’, ‘주문’, ‘승인’이 실제로 어떤 데이터와 권한, 물리적 행동을 의미하는지는 알지 못한다. 기업 데이터를 업무의 객체와 관계로 변환하고, 에이전트가 어느 범위까지 행동할 수 있는지를 정의하는 별도의 운영계층이 필요하다.
범용 모델 → 온톨로지·권한·워크플로 → 기업의 독점 데이터 → 실제 행동 → 생산성·수익
모델은 계속 교체할 수 있지만, 기업의 데이터 구조와 권한체계, 업무 프로세스와 실행기록은 쉽게 교체할 수 없다. 모델이 범용화될수록 기업의 데이터와 업무흐름을 안전하게 연결하는 애플리케이션 계층의 가치는 오히려 높아질 수 있다.
4. NVIDIA가 Hugging Face를 인수하려는 진짜 이유
NVIDIA는 2026년 9월 3일 Hugging Face를 약 129억 달러에 인수하기로 합의했다.
Hugging Face에는 약 1,800만 명의 개발자, 300만 개 이상의 모델, 50만 개의 데이터셋, 100만 개의 애플리케이션이 존재하며, 이를 사용하는 기업은 20만 곳 이상이다. NVIDIA는 인수 이후에도 Hugging Face를 멀티클라우드·멀티가속기 기반의 개방형 플랫폼으로 유지하고, NVIDIA 하드웨어 사용을 의무화하지 않겠다고 밝혔다. NVIDIA, Hugging Face 인수 발표
표면적으로는 오픈모델 개발자 생태계 확보다. 그러나 투자 관점에서 보면 그보다 더 큰 의미가 있다.
Hugging Face는 오픈모델 생태계의 GitHub이자 앱스토어에 가깝다. 어떤 모델이 빠르게 다운로드되고, 어떤 데이터셋과 추론 프레임워크가 채택되며, 어느 하드웨어에서 병목이 발생하는지를 가장 먼저 관찰할 수 있다.
NVIDIA는 이를 통해 다음 영역을 연결할 수 있다.
Model Discovery → Evaluation → Fine-tuning → Inference Optimization → Deployment → NVIDIA Compute
모델이 상품화되더라도 모델을 실제 하드웨어에서 가장 빠르고 안정적으로 실행하는 능력까지 곧바로 상품화되는 것은 아니다.
NVIDIA가 Nemotron을 오픈모델로 제공하는 이유도 직접적인 모델 구독료를 최대화하기 위해서라기보다, 더 많은 개발자가 NVIDIA의 추론 라이브러리·NIM·CUDA·Blackwell 시스템에서 모델을 실행하도록 만들기 위해서라고 볼 수 있다.
2026년 3월 공개된 Nemotron 3 Ultra는 Blackwell의 NVFP4 환경에서 이전 방식 대비 5배의 처리량 효율을 제시했고, Cursor·ServiceNow·CrowdStrike·Perplexity 등 다수 기업이 이를 에이전트에 채택했다. NVIDIA는 각국의 언어와 문화에 맞는 소버린 모델 구축에도 Nemotron과 합성데이터를 공급하고 있다. NVIDIA, Open Model Families
NVIDIA가 노리는 것은 특정 모델의 승리가 아니다.
어떤 모델이 승리하더라도 그 모델이 NVIDIA 생태계 위에서 학습되고 추론되는 구조가 핵심이다.
5. 오픈웨이트는 컴퓨팅 수요를 없애지 않고 구매자를 늘린다
중국 오픈웨이트 모델과 증류, 추론 효율화가 컴퓨팅 수요를 어떻게 변화시키는지는 이전 글 생각정리 312 (* Kimi K3, Computing Infra)에서 자세히 다뤘다.
당시 내린 결론은 모델 구조와 학습 방법은 빠르게 복제될 수 있지만, 모델을 학습하고 운영하는 GPU·HBM·서버 DRAM·스토리지·네트워크·전력은 각 기업과 국가가 직접 확보해야 한다는 것이었다.
오픈웨이트 모델은 하나의 중앙 모델을 공유하는 대신 동일한 모델을 여러 클라우드와 국가, 기업이 중복해서 호스팅하도록 만든다.
최근 서버 업체들의 실적은 이러한 수요가 미국 하이퍼스케일러를 넘어 기업과 소버린 AI로 확산되고 있음을 보여준다.
에이전트가 상태와 기억을 유지하기 시작하면서 메모리·스토리지·네트워크 수요가 시스템 전체로 확산되는 경로는 생각정리 335 (* Stateful AI Factory, Memory, MLCC)에서 정리한 내용으로 갈음한다.
6. 게임과 소프트웨어의 진입장벽이 무너진다
Astra가 바꾸는 또 다른 시장은 게임과 소프트웨어다.
여기서 ‘상용 게임이나 Photoshop의 원본 코드를 그대로 복제한다’는 표현은 엄밀히 말하면 정확하지 않다. Astra가 기존 기업의 비공개 소스코드를 직접 볼 수 있는 것은 아니기 때문이다.
그러나 사용자에게 중요한 것은 코드의 동일성이 아니라 기능과 경험의 동일성이다.
사용자가 특정 게임이나 소프트웨어를 보여주며 원하는 기능과 인터페이스, 규칙과 작업방식을 설명하면 에이전트는 이를 관찰하고 유사한 기능을 가진 새로운 제품을 다시 구축할 수 있다. Astra의 소프트웨어 이해력과 컴퓨터 사용 능력이 발전할수록 ‘기능적 대체재’를 만드는 비용은 계속 낮아진다.
이는 소프트웨어 산업의 희소성을 다음과 같이 바꾼다.
코드 공급이 폭증해도 사람의 시간과 소비지출은 무한정 늘어나지 않는다. 새롭게 만들어진 수많은 게임과 애플리케이션 가운데 무엇을 발견하고, 신뢰하고, 구매할 것인지를 결정하는 플랫폼의 중요성이 높아진다.
게임에서도 단순한 판매수수료보다 제작·배포·서버·결제·광고·커뮤니티·IP 거래를 하나로 묶는 플랫폼이 더 많은 가치를 가져갈 수 있다.
Steam이 게임의 유통과 결제를 담당한다면, 장기적으로는 Roblox나 Fortnite처럼 제작도구·실행환경·사용자 네트워크·가상경제를 함께 제공하는 ‘Creator OS’ 형태가 더 강한 구조가 될 가능성이 높다.
AI는 게임 한 개의 제작비를 낮추지만, 플랫폼에 올라오는 게임의 수는 폭증시킨다. 공급이 넘쳐날수록 발견과 신뢰, 결제와 커뮤니티를 통제하는 플랫폼의 희소가치는 높아진다.
7. 초개인화는 애플리케이션 시장의 파이를 키운다
AI 에이전트가 기존 소프트웨어를 대체하면 소프트웨어 시장의 전체 파이가 줄어들 것처럼 보일 수 있다.
하지만 실제로는 반대일 가능성이 높다.
기존 소프트웨어는 평균적인 고객을 대상으로 만들어졌다. 개인이나 소규모 기업의 요구를 모두 반영하는 것은 개발비와 유지비 때문에 불가능했다.
에이전트는 단 한 명의 사용자를 위해서도 기능을 새로 만들 수 있다.
자신에게 맞는 투자 리서치 도구
개인별 회계·세무 소프트웨어
특정 업무만 처리하는 사내 애플리케이션
취향에 맞춘 게임과 콘텐츠
개인의 건강·교육·쇼핑을 관리하는 에이전트
기존 상용 소프트웨어의 일부 기능만 재구성한 도구
과거에는 경제성이 없어 존재하지 않았던 수백만 개의 작은 시장이 새롭게 소프트웨어 시장으로 편입된다.
AI가 줄이는 것은 개별 소프트웨어 한 개를 만드는 비용이고, 확대하는 것은 소프트웨어가 적용될 수 있는 전체 업무와 생활의 범위다.
Lower Cost per Application
→ More Personalized Applications
→ More Agent Actions
→ More Tokens and Compute
→ Larger Digital Value Added
소프트웨어 가격은 하락하더라도 소프트웨어가 수행하는 경제활동의 총량은 훨씬 커질 수 있다.
8. 다음 경쟁은 B2C 애플리케이션과 물리적 인터페이스다
모델 성능만으로 장기간 차별화하기 어렵다면 프런티어 AI 기업은 모델 위와 아래로 이동해야 한다.
위쪽은 소비자 애플리케이션과 유통이고, 아래쪽은 컴퓨팅 인프라와 물리적 하드웨어다.
OpenAI가 Jony Ive의 io Products 팀을 합병하고 소비자용 AI 기기를 개발하는 이유도 같은 맥락으로 해석할 수 있다. OpenAI와 io는 기존 화면과 애플리케이션 중심의 인터페이스를 넘어 AI 시대에 맞는 새로운 기기를 개발하고 있다. OpenAI, Sam & Jony
최근에는 스마트폰 카메라의 화질을 AI로 개선하는 Glass Imaging을 3억 달러 이상의 가치로 인수한 것으로 보도됐다. Glass Imaging은 전 Apple 카메라 엔지니어들이 설립했으며, 하드웨어와 AI 소프트웨어를 결합해 스마트폰에서 DSLR 수준의 화질을 구현하는 기술을 개발하고 있다. WSJ, OpenAI의 Glass Imaging 인수
이를 단순한 카메라 기술 확보로만 볼 필요는 없다.
AI 에이전트가 현실 세계에서 사용자를 대신하려면 사용자의 상황을 지속적으로 인식할 수 있어야 한다. 카메라·마이크·위치·생체정보와 같은 센서는 현실을 AI가 이해할 수 있는 데이터로 바꾸는 입력장치다.
카메라는 AI 시대의 키보드가 될 수 있다.
사용자가 모든 상황을 텍스트로 설명하는 대신, 기기가 주변 환경을 보고 사용자의 의도와 맥락을 이해한다면 AI는 훨씬 더 많은 행동을 수행할 수 있다.
이 과정에서 엣지 하드웨어에는 다음 수요가 발생한다.
로컬 추론용 NPU·GPU
모델과 컨텍스트 저장을 위한 DRAM
영상·음성·에이전트 상태 저장용 NAND
고화질 카메라와 이미지센서
저전력 네트워크와 통신 반도체
지속적인 센서 입력을 처리할 전력관리 부품
클라우드와 로컬 모델을 연결하는 라우팅 소프트웨어
앞으로의 AI 기기는 모든 작업을 로컬에서 처리하지도, 모든 데이터를 클라우드로 보내지도 않을 것이다.
개인정보와 지연시간에 민감한 작업은 로컬 오픈모델이 처리하고, 고난도 판단과 장기 작업은 클라우드 프런티어 모델로 넘기는 하이브리드 구조가 자연스럽다.
이는 기업용 AI에서 나타나는 멀티모델 구조가 개인용 기기까지 확장되는 과정이다.
9. PACE는 안전 논리이면서 경제적 해자가 될 수 있다
프런티어 AI의 속도조절이 컴퓨팅 수요에 미치는 영향과 안전검증 과정에서 발생하는 추가적인 연산수요는 생각정리 365 (* Pacing Needs More Compute)에서 이미 다뤘다.
또한 에이전트의 위험이 자의식이나 의지가 아니라 책임과 분리된 목적함수, 불완전한 감독구조에서 발생할 수 있다는 생각은 생각정리 366 (* The Machine Does Not Need a Will)에서 정리했다.
따라서 여기서는 PACE의 산업적 결과에만 집중해본다.
Anthropic의 내부 측정에 따르면 2026년 8월 Claude는 전체 AI R&D 업무의 26%를 주도했고, 협업 이상 단계에 참여한 업무는 90% 이상이었다. 내부 연구·엔지니어링 시스템에서는 약 3만 개의 에이전트가 동시에 작동했다. Anthropic, AI Development Measurements
이 정도 규모라면 프런티어 AI 기업이 제기하는 안전 우려를 모두 허구나 마케팅으로 치부하기는 어렵다.
다만 기업의 실제 동기와 규제의 경제적 결과는 분리해서 봐야 한다.
프런티어 AI 기업이 안전을 진지하게 우려하더라도, 그들이 제안하는 검증과 규제 비용을 감당할 수 있는 곳은 결국 막대한 자본과 컴퓨팅 자원, 법률조직을 보유한 대형 기업이다.
독립 평가 의무
모델별 라이선스
대규모 안전성 테스트
사고배상 및 보험
컴퓨팅 사용량 보고
모델 출시 전 검증기간
정렬 및 모니터링 기준 충족
이러한 제도는 안전성을 높이는 동시에 소규모 모델 개발사와 오픈소스 개발자에게 높은 고정비용을 부과한다.
따라서 다음 두 문장은 동시에 참일 수 있다.
프런티어 AI 기업은 실제로 안전을 우려한다.
그들이 요구하는 규제는 결과적으로 프런티어 AI 기업의 해자를 강화한다.
10. AI 가치사슬의 중심이 이동한다
지금까지의 AI 투자 논리는 대체로 가장 좋은 모델을 누가 만드느냐에 집중돼 있었다.
그러나 모델 성능이 빠르게 확산되고 오픈웨이트 모델의 교체비용이 낮아지면 가치의 중심은 다른 계층으로 이동한다.
모델 자체의 초과이익은 압축될 수 있다.
그러나 지능이 저렴해지면서 소비량이 증가하면 AI 인프라 전체의 수요는 오히려 커질 수 있다.
소프트웨어 시장에서도 모든 기업이 동시에 승리하지는 않는다.
단일 기능만 제공하는 소프트웨어는 에이전트가 기능적 대체재를 빠르게 만들 수 있어 가격 압력을 받을 가능성이 높다. 반면 고객의 독점 데이터, 업무기록, 권한체계, 거래·결제와 커뮤니티를 통제하는 플랫폼은 AI를 이용해 자신의 시장을 더 크게 만들 수 있다.
11. 투자아이디어의 다음 단계
이 흐름을 하나의 문장으로 정리하면 다음과 같다.
AI 모델의 성능이 평준화될수록 지능의 가격은 하락하지만, 그 지능을 기업과 개인의 실제 행동으로 바꾸는 실행계층과 물리적 생산수단의 가치는 상승한다.
이전에는 NVIDIA와 메모리, 네트워크, 전력 인프라를 프런티어 모델의 대규모 학습 수요라는 관점에서 봤다.
이제는 투자 논리를 한 단계 확장할 필요가 있다.
첫 번째 수요층은 미국 하이퍼스케일러와 OpenAI·Anthropic 같은 프런티어 연구소였다.
두 번째 수요층은 오픈웨이트 모델을 호스팅하는 New Cloud, 기업용 AI 서버, 각국의 소버린 AI다.
세 번째 수요층은 개인별 에이전트를 실행하는 PC·스마트폰·카메라·로봇과 같은 엣지 하드웨어가 될 가능성이 높다.
동시에 애플리케이션 계층에서는 기존에 존재하지 않았던 수백만 개의 초개인화 소프트웨어와 게임이 만들어진다. 이 공급을 유통하고 실행하며 결제와 신뢰를 관리하는 플랫폼의 경제적 가치도 커진다.
따라서 앞으로의 AI 경쟁은 더 이상 ‘누가 가장 좋은 LLM을 보유했는가’만으로 설명하기 어렵다.
경쟁의 중심은 다음 다섯 가지를 누가 장악하느냐로 이동한다.
가장 많은 개발자와 모델이 모이는 생태계
기업의 데이터와 업무를 통제하는 실행계층
소비자와 직접 연결되는 애플리케이션·유통채널
현실 세계를 인식하는 센서와 엣지 디바이스
지능을 대량 생산하는 서버·메모리·네트워크·전력 인프라
글을 마치며
기술의 진보는 충분히 축적된 자본과 산업역량 위에서만 꽃을 필 수 있다고 한다.
지금의 AI 역시 수천억 달러의 데이터센터 투자와 GPU·메모리·네트워크·전력 인프라, 그리고 이를 감당할 자본시장이 함께 만든 결과다.
오픈웨이트 LLM의 성능이 빠르게 상향 평준화되면 지능의 가격은 내려가고 전체 사용량은 늘어날 수 있다. 그러나 동시에 OpenAI와 Anthropic 같은 프런티어 연구소의 가격 결정력과 투자회수 가능성이 약해지면서, 현재 AI 하드웨어 수요를 이끄는 핵심 축 하나가 흔들릴 위험도 존재한다.
미국은 부채 증가와 고령화, 고금리·고물가라는 구조적 부담 속에서 AI를 생산성 향상과 자본유입, 군사·기술 패권을 유지할 가장 중요한 성장동력으로 삼고 있다.
생각정리 359 (* AI Is the Exit, G20)
이런 상황에서 미국 정부가 프런티어 연구소의 해자가 무너지고, 이를 중심으로 형성된 AI 투자 사슬 전체가 흔들리도록 방치할 가능성은 높지 않아 보인다.
정부가 특정 기업의 수익성을 직접 보장하지 않더라도 안전검증·정렬·사이버보안·국가안보를 명분으로 별도의 규제체계를 만들 수 있다. 막대한 평가비용과 책임보험, 출시 전 검증과 라이선스 요건은 안전장치인 동시에 이를 감당할 수 있는 소수 프런티어 기업을 보호하는 규제형 해자로 작동할 수 있다.
결국 장기적으로는 다음과 같은 이중구조가 나타날 가능성이 높다.
- 오픈웨이트를 통한 지능의 범용화와 비용 하락
- 규제·자본·국가안보를 통한 프런티어 연구소의 보호
- 기업 데이터를 실제 행동으로 연결하는 애플리케이션·온톨로지의 부상
- 폭증하는 실행량을 감당할 AI 인프라와 엣지 하드웨어의 확대
모델은 범용화되고 애플리케이션은 초개인화된다.
지능의 가격은 내려가지만 실행량은 폭증하며,
이를 감당할 데이터·유통·컴퓨팅 인프라의 희소가치는 오히려 높아진다.
그리고 미국 정부 입장에서 다음 세대 지능을 먼저 만들고 AI 자본투자의 출발점을 제공하는 프런티어 LLM 기업은, 시장 논리만으로 쉽게 무너지도록 내버려두기에는 이미 너무 중요한 전략자산이 되어가고 있는 듯하다.
=끝
댓글 없음:
댓글 쓰기