*이 글은 외부 필자인 강병호님의 기고입니다. 구글의 제미나이 2.5 시리즈, 우수한 성능을 보이다. 구글은 지난 3월 25일에 제미나이 2.5 프로(Gemini 2.5 Pro)를 공개했고, 몇 주 뒤인 4월 17일에는 경량 모델 제미나이 2.5 플래시(Gemini 2.5 Flash)를 공개했습니다. 두 모델 모두 추론(Reasoning, Thinking)을 지원하는 최신 구조의 LLM이며, 벤치마크 성능에서도 우수한 결과를 내어 이목을 집중 받고 있습니다. 신형 모델이 더 좋은 성능을 기록하는 것은 특별한 사건은 아닙니다. 모델은 주요 벤치마크의 특성을 고려하여 학습되기 때문에 (벤치마크 데이터를 직접 학습했다는 의미는 아닙니다), 새로운 모델은 더 높은 벤치마크 점수를 기록하는 것이 일반적이기 때문입니다. 하지만 제미나이 2.5 시리즈는 최고 수준(SOTA; State-of-The-Art)의 벤치마크 점수 달성과 함께 실사용자로부터의 긍정적인 평가가 이어지고 있다는 점에서 경쟁 모델 대비 실질적으로 우수한 성능을 낸다는 평가를 받고 있습니다. (참조 - Gemini 2.5: Our most intelligent AI model) 추론, 많이 하는 것이 능사는 아니다 추론형 모델, 즉 Reasoning(오픈AI에서 주로 사용하는 용어) 및 Thinking(구글에서 주로 사용하는 용어) 모델은 최종 답변을 생성하기 전에 모델 스스로 답변을 도출하기 위한 중간 단계를 기록해 둡니다. 이러한 중간 기록 과정을 통해 모델은 생각을 단계별로 정리할 수 있게 되어 복잡한 문제를 차근차근 풀어 나가며 올바른 답변을 낼 수 있게 됩니다. 높은 성능을 내는 모델은 더 많은 추론을 하는 경우가 일반적입니다.

*이 글은 외부 필자인 김지윤님의 기고입니다. 바이브코딩. 요즘 여기저기서 자주 보이는 단어입니다. 쉽게 말하자면 바이브(감, 흐름)에 나를 맡긴 채 인공지능에게 말로 코딩을 시키는 걸 바이브코딩이라고 부른다고 하는데요. "아니, 그야말로 '입코딩' 아닌가!" 네…ㅎㅎ 예전에는 우스갯소리로 '입코딩 한다'는 표현을 썼다면 이제는 반쯤 진담으로 입코딩을 하는 시대가 왔나 싶습니다. 이 표현을 꺼내든 사람은 오픈AI의 창립멤버이자 테슬라 오토파일럿 팀을 이끌었던 안드레이 카파시였습니다. 2025년 2월 3일 그가 올린 트윗(X)이 AI를 에이전트로 활용하는 코딩에 새로운 이름을 붙여준 셈입니다. "바이브코딩(Vibe coding)이라 부를 만한 새로운 방식의 코딩이 늘어나고 있습니다" "완전히 감(感)에 몸을 맡긴 채 코드가 있다는 사실 자체를 잊고서 코드를 짜고 프로그래밍을 하는 겁니다" "이런 방식이 가능해진 건 커서(Cursor)와 앤트로픽 모델 같은 대형 언어 모델(LLM)과 관련 제품들이 너무나 좋아졌기 때문입니다" "이제 저는 키보드를 거의 건드리지 않습니다. '사이드바 패딩을 절반으로 줄여줘' 같이 단순하고 귀찮은 요청은 그냥 말로 해버립니다" "에러 메시지가 떠도 에러가 뜬 부분을 그대로 (채팅창에) 복붙합니다. 그러면 (AI가) 알아서 대부분 해결해줍니다" "물론 LLM이 버그를 못 고칠 때도 있지만 그럴 땐 이것저것 계속 바꿔달라 하면서 언젠가(?) 해결돼 있는 걸 볼 수 있습니다. 주말에 대충 개발해 만들어 보는 프로젝트에 이만하면 꽤 쓸 만한 방식이라고 생각합니다" "어쨌든 웃긴 일입니다. 웹앱이나 프로젝트를 만들고는 있는데 진짜 코딩을 하는 것 같지가 않거든요" "그냥 눈에 보이는 대로 말하고, 실행하고 (AI가 제안한 내용에 따라) 복붙하는데도 웬만하면 잘 돌아간다는 게 말이죠"

*이 글은 외부 필자인 최호섭님의 기고입니다. 올해 초 딥시크(DeepSeek)로 AI 업계는 일대 충격에 휩싸였습니다. 지금은 경계의 시선으로 바라보는 정도로 두려움은 조금 가라앉긴 했지만 여전히 중국의 인공지능 기술에 대한 복잡한 생각은 머릿속 한 켠에 남아 있는 듯합니다. 딥시크 R1 모델에 대한 놀라움은 학습 비용의 절감에 있습니다. 막대한 GPU 컴퓨팅 파워로 학습을 반복하는 게 곧 모델의 성능으로 연결되는 것이 일반적인 인공지능의 접근입니다. 물론 그 효율을 더 높이려는 노력이 이어지고 있지만 여전히 생성형 AI는 환경에 대한 책임을 안고 있습니다. 딥시크는 학습된 모델을 공개하고 누구나 이 모델을 자유롭게 쓸 수 있도록 배포되면서 그 여파가 더욱 커졌습니다. 개인이 PC나 모바일 기기에서 데이터 전송 없이 꽤 높은 수준의 대규모 언어 모델을 쓸 수 있기 때문입니다. 중국산 AI에 대한 개인정보나 보안 관점에서 특정 모델을 개인 기기에서 자유롭게 쓰는 것도 흥미롭지만 대규모 언어 모델을 쓰는 입장에서 보면 또 다른 볼 거리가 있습니다. 바로 컴퓨팅입니다. 딥시크의 핵심은 낮은 컴퓨팅 모델로 학습하는 것이었는데, 이렇게 만들어진 모델의 추론을 개인용 PC에서 매끄럽게 처리한다면 상당히 이상적인 인공지능의 서비스 형태가 만들어지는 셈입니다. 오픈AI도 최근의 DALL-E를 통해 지브리 그림 열풍이 일면서 막대한 컴퓨팅 요구에 애를 먹고 있는데, 이를 각자의 PC에서 필요한 만큼 적절한 컴퓨팅 성능으로 처리할 수 있으면 컴퓨팅 부담이 줄어들 수 있습니다. 물론 로컬 기기에서 언어모델을 이용하면 개인정보의 학습이나 기업 기밀 자료 등에 대한 활용 부담도 크게 줄어들 겁니다. 무엇보다 최근의 스마트폰부터 컴퓨터까지 대부분의 기기는 이미 인공지능의 처리에 대한 대비를 늘려가고 있습니다. 프로세서 기업들은 이미 개인용 기기에서도 AI 처리를 중심에 두고 있습니다. 그에 따른 GPU나 메모리도 변화를 겪고 있고요. 인공지능 모델의 크기가 커지면 추론을 위한 컴퓨팅 성능, 그러니까 주로 GPU를 중심으로 한 병렬 처리 환경이 필요하고, 그 모델을 올려둘 충분한 메모리가 필요합니다. 소형 모델의 기준으로 꼽히는 7~8B 모델을 비롯해 극도로 크기를 줄인 1.5B 모델도 배포되는 중이고, 크게는 32B, 70B을 넘어 670B에 달하는 모델이 개인용 컴퓨터에서 작동되고 있습니다. 최근의 AI PC 바람도 여기에서 시작됩니다. '딥시크가 개인용 컴퓨팅의 답이 될 수 있을까'하는 것이지요.

2024년에 2023년 대비 매출이 20% 이상 증가한 생성형 AI업계 스타트업들을 살펴보았습니다. 유동성이 풍부했던 팬데믹 시기가 끝나며 스타트업에 대한 투자가 전반적으로 위축되었습니다. 그나마 AI업계는 오픈AI, 엔비디아를 중심으로 많은 관심을 받았지만, 일부 기업을 떠나 업계 전반적으로 보면 '투입한 돈에 비해 실질적인 성과가 부진하다'는 평가가 주기적으로 나타났습니다. (참조 - AI에 돈 쏟아붓는 美 빅테크…수익은 기대 못미쳐 '거품론') 이런 환경 속에서도 2024년에 매출을 유의미하게 늘리며 스스로의 가능성을 보이고 있는 생성형 AI업계 스타트업들이 어느 곳들이 있는지 살펴보았습니다. 업계 조사는 스타트업얼라이언스의 '2025 생성형 AI 스타트업맵'에 포함된 약 150개의 스타트업을 기준으로 하였습니다. (참조 - 2025 생성형 AI 스타트업맵) 매출이 몇억, 몇천만원으로 아직 낮은 스타트업은 선정에서 제외하였으며 창업을 한지 얼마 되지 않아 최근 3개년 실적이 없는 기업도 명단에서 뺐습니다. 벤처확인종합관리시스템, 중소기업현황정보시스템에 공개된 실적을 기준으로 했습니다. 다만 일부 스타트업 실적은 아직 공개되지 않았습니다. 대표적으로 830억 투자를 유치한 '뤼튼테크놀로지스'인데요. 뤼튼에 문의한 결과, 추후 공개될 예정이라고 답을 하였습니다. 실적이 공개되지 않아서, 이번 기사에 포함되지 않은 일부 스타트업의 경우 기사 발행 이후에도 주기적으로 확인하여, 지속적으로 업데이트하겠습니다. 2023년 대비 매출이 20% 이상 성장한 스타트업들을 선정했습니다. 선정한 기업들을 대상으로 호실적의 이유 및 2025년 계획에 대해 물어보았으며 취재에 응한 스타트업의 답변을 덧붙였습니다. 매출이 많이 증가한 순으로 나열하였으며 스타트업 앞에 있는 대분류는 2025 생성형 AI 스타트업맵을 기준으로 서술했습니다. 1. (챗봇) 스캐터랩 = 2023년 대비 매출 381.2% 증가

*이 글은 외부 필자인 강병호님의 기고입니다. AI 모델을 학습시키는 방법 AI 모델은 '강화 학습(Reinforcement Learning)'이라는 방식으로 학습됩니다. 강화 학습이란 올바른 행동을 한 경우에는 보상을 부여하고, 잘못된 행동을 했을 때는 처벌을 가하는 식의 학습 기법을 말합니다. 어떤 행동이 옳고 그른지 판단하는 함수를 '보상 함수(Cost Function)'이라고 부릅니다. AI는 디지털 정보로만 세상을 인식합니다. AI에게 보상 함수는 절대적인 기준점이 됩니다. 만약 게임에서 승리하는지에 따라 보상을 주겠다고 하면, AI 모델은 수단과 방법을 가리지 않고 높은 점수를 획득하려 할 수 있습니다. 트롤링을 해서라도 게임에서 이기려 할 수 있습니다. 그래서 보상 함수를 설정할 때에는 단지 문제를 풀어내는 것뿐만 아니라 윤리적인 기준점을 준수하는지 등 모델의 사회성 부분도 고려하게 됩니다. 사람은 눈치를 보며 상황을 둘러볼 수 있지만 AI 모델은 그럴 수 없기 때문에, 명시적으로 어떤 행동이 올바른지를 보상 함수가 알려주는 것입니다. 압박 상황에서 이상 행동을 보인 AI 모델 2024년 12월, 앤트로픽(Anthropic)은 LLM이 보상 함수를 속이는 현상을 발견했다고 말했습니다. 앤트로픽의 클로드(Claude)는 AI 모델의 윤리적 안정성에 집중한 헌법적(Constitutional) 구조를 갖는데, 이러한 원칙을 어기는 현상이 발견되었습니다.

*이 글은 외부 필자인 원대로님의 기고입니다. 지브리 모먼트와 특이점의 도래 지난 3월 26일 오픈AI가 'GPT-4o'에 네이티브 이미지 생성 기능을 추가하였다고 발표하였습니다. 이로부터 불과 이틀 후 오픈AI 대표 샘 올트먼이 "오픈AI의 GPU가 녹아내립니다"라고 엄살을 부릴 정도로, 전 세계인들의 'Ghiblify'(지브리 스튜디오 스타일로 이미지 생성하기) 놀이는 폭발적인 인기를 끌고 있습니다. 이 GPT-4o 이미지 생성 서비스를 사용해 보니, 2022년 11월 30일 오픈AI의 Chat-GPT가 처음 출시되었을 때의 충격 이상이었습니다. Chat-GPT는 어렵게만 보이던 AI를 채팅 UI/UX를 통해 일반인들도 빠르고 쉽게 사용할 수 있게 만들어 주었습니다. 마찬가지로 이미 수많은 이미지 생성 서비스가 있었지만 이들을 제대로 쓰려면 프롬프트부터 정교하게 잘 작성해야 하였고 이런 사용법 자체가 노하우였습니다. 그래서 일반인들의 접근이 수월하지 않았습니다. 하지만 GPT-4o는 '개떡같이 말해도 찰떡같이 알아듣는' 똘똘한 디자이너에게 편하게 요청하는 느낌을 주었습니다. 이 경험은 마치 태풍의 눈을 목격한 것 같았습니다. 우리가 지금 역사적 변곡점에 서 있다는 실감이 들었습니다. 지브리 스튜디오의 그림체뿐 아니라 우리가 알고 있는 대부분의 그림체를 단숨에 흉내 내는 것에 그치지 않고, 웬만한 이미지 편집과 수정도 채팅으로 손쉽게 바로 가능해졌습니다. 여기에 Vibe Coding(AI와 개발자가 협업하여 코드를 작성하는 방식)까지 결합하면 어떤 일이 벌어질지 상상해보십시오.

*이 글은 외부 필자인 김지윤님의 기고입니다. 최근 AI 관련 뉴스에서 자주 접하는 이름이 있습니다. 바로 '허깅페이스'입니다. 허깅페이스? 뭔가 익숙한 듯하기도 하고 낯설게 느끼실 수도 있습니다. 허깅페이스는 개발자, AI 연구자들이 모인 커뮤니티 플랫폼다 보니 일반 대중에게는 그리 익숙한 이름은 아닙니다. 하지만 허깅페이스는 챗GPT가 등장한 2022년부터, 사실 그 전부터 업계에서 자주 회자되는 이름이었습니다. 근래 들어서는 다음과 같은 뉴스로 자주 소식을 전하고 있고요…! "자연어 명령을 로봇의 물리적인 동작으로 직접 변환하는 AI 로봇 모델을 오픈소스로 공개한 최초의 사례!" "음성, 이미지 및 영상 처리 등 여러 데이터를 이해할 수 있는 멀티모달 모델도 지원한다는데?" (참조 - Hugging Face expands its LeRobot platform with training data for self-driving machines | TechCrunch) (참조 - '허깅페이스'서 멀티모달 AI도 지원…"AI 개발 중요 전환점 될것" - 유니콘팩토리) "세계에서 가장 작은 규모의 오픈소스 비전-언어 모델을 발표!" "인터넷 연결 없이도 스마트폰에서 완벽하게 실행될 수 있도록 AI 모델을 설계해 공개했습니다" (참조 - 허깅페이스, 휴대폰서 구동하는 '가장 작은' 비전 언어 모델 출시)

*이 글은 외부 필자인 박상현님의 기고입니다. 인공지능(AI)이 빠르게 발전하면서 많은 사람들이 기계가 지배하는 세상이 찾아올 것을 두려워합니다. 이 두려움은 인간보다 똑똑하고, 인간보다 더 뛰어난 능력을 가진 AI가 인간을 통제하려 들면, 과연 인간이 그걸 막을 수 있겠느냐는 걱정입니다. 그리고 더 나아가서 AI가 인간이 불필요한, 혹은 자기 생존에 방해되는 존재라고 생각해서 없애려고 시도한다면? 물론 이건 아직까지는 SF 소설, 영화에서나 볼 수 있는 시나리오입니다. 왜냐하면 현대 대중화된 AI는 대부분 생성형 AI 챗봇이기 때문이죠. 이런 AI는 사용자가 던진 질문에 답을 하거나, 원하는 그림, 동영상을 만드는 정도의 역할을 수행합니다. 그런데 AI업계의 목표는 그 너머에 있습니다. 바로 자율 에이전트(autonomous agent)입니다. 단순 챗봇과 자율 에이전트의 차이는 엄청납니다. 우리는 챗봇에 여행지의 정보를 물어볼 수 있고, 일정을 짜달라고 할 수 있지만, 비행기표를 사고, 호텔과 렌트카를 예약하는 건 인간인 우리가 직접 해야 합니다. 하지만 자율 에이전트가 등장하면 얘기가 달라집니다. "내가 5월 3일부터 일주일 동안 치앙마이에 다녀오려고 하니까 비행기표와 호텔을 예약해줘. 여행의 총예산은 450만원이니까 거기에 맞춰"라고 명령할 수 있습니다. 그럼 자율 에이전트는 알아서 검색하고, 예약까지 전부 수행하는 거죠. 당연한 얘기지만, 그게 가능하려면 우리가 신용카드 번호를 줘야 합니다. 신뢰가 필요한 거죠. 업계에서는 AI 대중화의 진정한 시험대가 바로 이렇게 사용자가 자기를 대신해서 AI가 돈을 지불할 수 있게 허락하느냐에 있다고 말합니다.

*이 글은 외부 필자인 강병호님의 기고입니다. 로봇산업의 성장과 중국 이제 식당에서 음식을 전달하는 서빙 로봇을 어렵지 않게 찾아볼 수 있습니다. 초기의 서빙 로봇은 간단한 음식 전달도 어려워했지만, 요즘에는 사람들이 많은 환경에서도 음식을 잘 전달해 주는 발전된 모습을 볼 수 있습니다. 국내의 서빙 로봇 시장의 약 80%는 중국 기업이 차지하고 있습니다. 푸두로보틱스는 국내에 가장 많이 보급된 서빙 로봇의 제조 업체입니다. 드론 시장에서도 중국 기업의 점유율 증가가 눈에 띕니다. 2006년 설립된 중국 기업 DJI는 세계 시장 점유율 70%가량을 차지합니다. 드론 시장의 초기에는 취미 목적의 구입이 대부분이었지만, 기술이 발전하자 높은 고도에서 시설물을 점검하거나 방제 작업에도 동원되는 등 산업적 활용이 늘어나고 있습니다. 드론 시장은 중국의 DJI(시장 점유율 70% 이상)를 선두로 미국의 3DR, 중국의 유닉, 프랑스의 패럿이 뒤를 잇고 있습니다. 드론 시장은 DJI가 압도적 우위를 갖는 로봇 산업 분야입니다. 산업용 로봇의 한 형태인 협동 로봇은 가장 전통적인 형태를 갖고 있습니다. 제조 공정에 투입되어 사람과 함께 작업한다는 의미에서 협동 로봇이라는 명칭이 붙었습니다.

*이 글은 외부 필자인 최정우님의 기고입니다. 이 시대의 새로운 테마 신기하게도 사업에는 테마가 있습니다. 지난 십년간의 기억을 떠올리면 몇 개의 공통된 단어들이 수년간 지속되었다는 것을 알 수 있습니다. 플랫폼, 메타버스, 바이오와 같은 핵심 용어들이 수많은 사업계획서와 IR자료에 인용되었던 때가 있었죠. 누구나 아는 지금의 테마는 바로 AI입니다. 챗지피티가 쏘아올린 공이 시장에서 화제가 되기 전부터 생성형 AI를 공부하는 분들도 있었을 것입니다. 기술이란 갑자기 나오지 않기 때문입니다. 오래전부터 누군가 만들었던 기술을 토대로 사람을 모집하고 기술을 상용화하면서 시장은 생겨납니다. 그리고 시대에 맞는 기술이 몇 년간은 테마가 됩니다. 메타버스같이 광풍을 일으켰다가 사라지기도 하지만, 이제 막 시작된 AI의 돌풍은 쉽사리 사라질 것 같아 보이진 않습니다. 그래서 현재 많은 기업들은 AI를 응용한 사업을 진행하고 있습니다. AI기업 중에서 가장 유명한 기업은 챗지피티를 개발한 오픈 AI이겠지만, 세상에는 더 다양한 AI기업들이 있습니다. 실질적으로 AI기술을 보유하고 있지만, AI기업들을 표방하지 않는 기업들을 합치면 아마 더 많은 AI기업들이 존재할 것입니다. 환상과 현실이 공존하는 시장 세상을 뒤흔든 수많은 테마들의 공통점은 시장에 환상을 만들어낸다는 것입니다.

*이 글은 외부 필자인 김지윤님의 기고입니다. 딥시크에 관한 뉴스가 쏟아지는 요즘입니다. 특히 이런 기사가 지속해서 등판하고 있습니다. "딥시크 보안 문제 심각하다" "딥시크가 개인 정보를 유출한다! 딥시크 사용을 금지해야 한다!" 특히 '딥시크 금지령'에 직격탄을 날리는 뉴스가 최근 한국에서 나왔습니다. 한국 개인정보보호위원회가 공식적으로 딥시크의 개인정보 문제를 발표했기 때문입니다. "딥시크 사용자 정보가 (틱톡 모회사인) 바이트댄스에 넘어간 것이 확인됐습니다" "딥시크가 개인정보 보호법상 미흡한 부분을 인정했고 2월 15일부터 앱 신규 다운로드가 국내에서는 중단됐습니다" "제3자에게 유저 정보를 제공할 땐 정보 제공자의 도으이를 받아야 하고 어떤 저오를 왜 수집하며 언제까지 보유할 것인지 등을 알려야 합니다" "하지만 딥시크 개인정보 처리 방침과 이용 약관에는 이런 내용들이 반영돼 있지 않았습니다" (한국 개인정보보호위원회) 이에 따라 국내에서 딥시크 앱을 새로 까는 것은 불가능해졌습니다. 기존 유저는 여전히 앱을 쓸 수 있고 웹을 통한 접근은 가능하다지만 '국가 차원에서 하는 차단'은 타격이 만만치 않으리라 봅니다.

*이 글은 외부 필자인 신기주님의 기고입니다. "오픈AI는 신이 아닙니다. 항상 선두에 설 수는 없습니다" 딥시크의 창업자 량원펑이 2024년 7월 22일 중국 미디어 36Kr(삼육크)과의 인터뷰에서 한 말입니다. 삼육크는 중국의 대표적인 테크 미디어입니다. 크립톤의 화학기호인 36Kr에서 따온 이름이죠. 크립톤이 슈퍼맨의 고향이라서요. 한마디로 량원펑은 삼육크와 인터뷰를 하면서 샘 올트먼은 슈퍼맨이 아니라고 말한 겁니다. 2024년 7월은 량원펑이 딥시크-V2를 공개한 지 한 달 남짓 지난 시점입니다. 딥시크의 두 번째 모델인 딥시크-V2부터 량원펑은 전문가 혼합(Mixture-of Experts) 방식을 처음 적용했습니다. Mixture-of Experts 방식은 딥시크가 오픈AI에 한 방 먹일 수 있었던 비결 중 하나죠. 량원펑이 삼육크와 인터뷰한 2024년 7월 시점에서 이미 딥시크-V2는 210억개의 매개변수만 써서 문제의 해답을 추론해냈습니다. 딥시크-V2의 추론 비용은 토큰 100만개당 1위안이었는데 GPT-4 터보의 70분의 1에 불과했죠. 이때 이미 량원펑은 인공지능의 슈퍼맨 샘 올트먼의 급소를 찌를 크립토나이트를 손에 쥐고 있었던 셈입니다. 2024년 7월 22일 삼육크와의 인터뷰에서 량원펑은 심지어 젠슨 황의 역린도 건드립니다. "엔비디아의 GPU는 이론적으로는 어떠한 기술 비밀도 없어서 복제하기 쉽다" 젠슨 황 엔비디아 CEO는 미국 빅테크들 사이에선 따거입니다. 모두가 엔비디아의 최신형 고성능 GPU를 더 많이 더 빨리 더 먼저 확보하고 싶어 하니까요.

*이 글은 외부 필자인 박상현님의 기고입니다. 올해 초 중국 AI기업 딥시크가 선보인 R1 모델을 보고 전 세계가 충격에 빠졌죠. 특히 미국은 중국 AI의 놀라운 성장을 보며 전기차 시장에서 일어난 일을 떠올립니다. 전기차 시장은 사실상 테슬라가 개척했는데 패스트 팔로어 중국이 BYD 같은 기업들을 선두로 물량면에서 테슬라를 따라잡았죠. 일론 머스크는 중국과 순수한 전기차로는 경쟁이 되지 않는다고 판단하고 테슬라를 AI 기업으로 다시 포장하고 로봇 등의 새로운 시장을 노리고 있는 상황입니다. 그런데 딥시크의 화려한 데뷔로 AI마저 중국에 추월당한다고 긴장합니다. 이런 상황을 두고 지금 미국 언론은 "스푸트니크 모멘트(Sputnik Moment)"라는 말을 합니다. 1957년 옛 소련이 세계 최초의 인공위성 스푸니크 1호를 성공적으로 궤도에 안착시킨 후 미국이 충격을 받았던 때를 미국에서 그렇게 불러요. 한마디로, 기술의 우위를 자신하고 있던 미국이 후발주자의 빠른 추격에 놀라는 상황이 바로 스푸트니크 모멘트인 거죠. 정말로 미국은 AI 분야에서도 중국에 추월을 허용하는 걸까요? 여기에 대해서는 침착하게 살펴볼 필요가 있습니다. 이런 일이 벌어지면 모두가 흥분해서 떠드니 신호보다 소음(noise)이 더 많이 들리기 때문이죠. 딥시크가 충격을 준 이유 스푸트니크 얘기가 나왔으니 옛 소련과 미국의 우주 경쟁의 얘기를 좀 더 해 보죠. 아마 여러분은 당시 미국이 개발한 첨단 볼펜 얘기를 들어 보셨을 거예요. 만년필이나 볼펜은 잉크가 중력에 의해 밑으로 내려오는 원리이기 때문에 우주에서는 사용하기 힘들죠.

AI(인공지능) 패권을 둘러싼 글로벌 격전이 가속화되는 가운데 한국을 대표하는 테크기업인 카카오와 네이버가 해외 AI 업체들과의 협업을 모색하고 있는데요. 카카오는 최근 연내 출시 예정인 자사의 인공지능 서비스 카나나에 챗GPT 개발사 오픈AI의 모델을 도입하겠다고 전격 발표습니다. 네이버 역시 "글로벌 빅테크 기업의 LLM(거대언어모델)과의 협업 가능성은 열려있고, 가능성을 열고 대화를 진행 중"이라는 입장을 밝혔고요. 이번 기사에서는 카카오와 오픈 AI가 전략적 제휴를 체결한 배경과 네이버 역시 외부업체들이 개발한 AI 모델을 자사 서비스에 도입하는 방안을 고려하기 시작한 이유에 대해서 살펴보겠습니다. 카카오, 오픈 AI와 동맹을 맺었습니다 지난 2월 4일 정신아 카카오 대표와 샘 올트먼 오픈AI CEO는 두 회사 간의 전략적 제휴를 공식 발표했는데요. 국내에서 오픈AI와 공식적인 제휴를 체결한 기업은 카카오가 처음입니다. "오랜 기간 국민 다수의 일상을 함께 하며 축적해 온 역량을 바탕으로 '이용자를 가장 잘 이해하는 개인화된 AI'를 선보이는 것이 지금 시대 카카오의 역할일 것입니다" "글로벌 기술 경쟁력을 보유한 오픈AI와 협력해 혁신적 고객경험을 제공함으로써 AI 서비스의 대중화를 이끌겠습니다" (정신아 카카오 대표) 업계에 따르면 두 회사 사이의 제휴 방안은 지난해 9월부터 논의되기 시작했는데요. 양사의 협업은 △AI 서비스 고도화를 위한 기술협력 △공동 상품 개발을 두 축으로 해서 이뤄질 예정입니다. 구체적으로 살펴보면 우선 카카오톡과 AI 에이전트 서비스 카나나에 오픈AI의 최신 AI 모델이 접목될 예정인데요. 현재 출시를 준비하고 있는 카나나에 회사가 자체적으로 개발한 LLM(거대언어모델)뿐 아니라 오픈AI가 개발한 챗GPT 모델도 함께 활용하겠다는 게 카카오 측의 설명입니다. 카나나는 카카오가 지난해 10월에 그 윤곽을 발표한 AI 에이전트인데요. 이용자와의 일대일 대화 혹은 그룹대화를 통해 이용자의 질문에 대한 정확한 답변과 이용자에게 필요한 서비스를 제공하는 B2C 인공지능 서비스죠. 다만 카나나의 출시 일정은 아직 명확하게 정해지지 않았는데요.

2024년 하반기, 스타트업 투자 시장은 여전히 차가웠습니다. 투자 규모는 줄었고 기업들은 인력을 감축했으며, 서비스를 종료한 곳들도 있었죠. 그러나 이러한 상황에서도 매월 약 100곳의 스타트업이 투자 유치에 성공했습니다. 투자는 단순한 자금 조달 수단을 넘어 스타트업의 성장 가능성과 시장성이 검증되는 지표이기도 합니다. 비록 시장이 밝지만은 않지만, 이 가능성을 인정받는 기업들은 꾸준히 발굴되고 있는 셈입니다. 작년 하반기 동안 어떤 스타트업이 역량을 인정받아 자금 조달에 성공했는지 월별로 살펴보았습니다. *혁신의 숲에서 매월 발표하는 스타트업 투자결산을 기반으로 작성된 기사입니다. *seed 투자부터 pre-IPO 단계까지의 스타트업이 기준입니다. *월별로 소개하는 스타트업 3곳은 해당 월에 핵심 지표가 전반적으로 성장 추이를 보이는 기업 5~8곳 중 신규투자유치금액이 높은 순입니다. *투자 결산에 포함되지 않았더라도 시장에서 큰 관심을 받은 곳은 함께 소개합니다. 7월 (1) 브라이트에너지파트너스(BEP) - 서비스: 전기차 급속 충전 서비스 '워터', 환경·에너지·태양에너지 분야 발전사업 투자 - 투자 라운드: 시리즈D - 신규 투자액: 1000억원 - 누적 투자액: 4740억원+ - 투자사: 블랙록 *누적 투자액은 해당 월까지의 기준입니다. 재생에너지 발전 기업 BEP는 블랙록 기후 인프라 사업부가 운용하는 펀드를 통해 1000억원 규모의 투자를 유치했습니다. BEP의 최대주주이자 세계 최대 사모펀드 블랙록은 2021년 첫 투자 이후 네 번째 투자를 진행한 것인데요, 지금까지 총 3810억원을 BEP에 투자했다고 해요. 지금까지 블랙록으로부터만 약 4000억원의 달하는 투자를 유치할 수 있었던 이유는 기존 원자력과 화석 에너지 중심의 에너지 체계를 재생 에너지 중심의 에너지 체계로 전환하는 에너지 전환이 블랙록의 주요 투자 분야이기도 하지만, BEP가 한국에서 대표적인 태양광 개발·운영회사로 자리매김했고 한국의 에너지 전환에 앞장서고 있기 때문이라고 찰리 리드(Charlie Reid) 블랙록 아시아태평양 기후 인프라 공동대표가 밝혔습니다. BEP는 2023년에만 국내 다양한 기업과 20년 장기 계약을 체결해 연간 총 135GWh의 재생 에너지를 공급하고 있습니다.

*이 글은 외부 필자인 성원용님의 기고입니다. 챗지피티(ChatGPT)와 같은 생성형 언어모델 언어모델이 출시되면서 많은 인공신경망 응용이 생겨나고 있습니다. 인공신경망에 대해 정식으로 배운 적도 없고 모델 훈련 경험이 없는데 새로운 응용 개발에 도전할 수 있을까 하는 의문이 들 수 있습니다. 오늘은 생성형 언어모델이 생기면서 어떻게 인공신경망 응용을 개발하는 방법이 달라졌는가에 대해 설명하겠습니다. 인공신경망 개발 방법은 크게 세 가지로 나눌 수 있습니다. 첫 번째는 전용모델(Custom Model)을 이용하는 방법으로 어떤 특정 기능을 효과적으로 수행할 수 있도록 구조를 설계하고 또 훈련하는 방법입니다. 두 번째는 사전학습모델(Pre-trained Model)을 이용하는 방법으로 대표적으로 몇 년 전에 자주 듣던 BERT 가 사전학습모델입니다. BERT는 많은 텍스트 데이터를 이용하여 범용 목적으로 훈련된 트랜스포머(Transformer) 모델입니다만, 그 자체로 어떤 문제해결을 위한 응용이 되지는 않습니다. 대개 다른 응용 개발에 디딤돌이 되는 모델입니다. 세 번째로 요즘 유행인 생성형 언어모델 (Generative Language Model)을 이용하는 방법입니다. 이제 각각의 AI 응용개발 방법에 대해 설명하겠습니다. 전용모델 첫째로 전용모델(Custom Model)입니다. 전용모델은 특정 응용을 위해서 개발된 것으로 다른 목적으로는 쓸 수가 없습니다.

*이 글은 외부 필자인 김지윤님의 기고입니다. 이코노미스트가 뽑은 2024년 올해의 최고경영자(CEO) 과연 누가 뽑혔을까요? 트럼프 캠프에 베팅하면서 장관 자리까지 오른 일론 머스크? 인공지능(AI)과 반도체 붐으로 엄청난 주가 상승을 보여준 엔비디아의 젠슨 황? 엔비디아와 함께 최고 시가총액을 보여줬던 마이크로소프트(MS)의 사티아 나델라? 놀랍게도 이들 모두 1위는 아니었습니다. 2023년 1위로 선정됐던 젠슨 황은 4위를 기록했고요. 2024년 올해의 CEO로는 이 사람이 뽑혔습니다. "누…. 누구신지?" 대중에게는 다소 생소할 수도 있는 인물인데요. 데이터 마이닝 및 AI 방산 기업, 팔란티어를 창업한 알렉스 카프가 2024년 최고의 CEO로 꼽혔습니다. 이코노미스트는 카프를 올해의 CEO로 선정한 이유를 다음과 같이 밝혔는데요. "올 한 해 팔란티어 시총이 360억달러에서 1800억달러 이상으로 급증했고" "전년대비 매출성장률이 10%포인트 상승하는 한편 1년 새 영업이익률도 2배로 뛰었습니다." "9월 S&P500 지수에 입성하는 등 팔란티어의 기세는 무시무시합니다. 사업적으로 빠르게 확장하고 있어요." (이코노미스트) (참조 - '올해의 CEO'에 팔란티어 알렉스 카프… 젠슨 황·머스크 눌러)

*이 글은 외부 필자인 강병호님의 기고입니다. DeepSeek의 등장 2024년 12월 26일, DeepSeek-V3 LLM 모델이 공개되었습니다. GPT-4o와 Claude 3.5 Sonnet, 그리고 Llama 3.1 405B 모델과 견줄 수 있는 수준의 성능을 보여주어 화제였는데요, 이 모델을 공개한 동명의 기업 DeepSeek이 중국의 AI 기업이라는 점에서 많은 사람들을 한번 더 놀라게 했습니다. 미국이 주도권을 잡고 있는 AI 기술의 강력한 경쟁자로 중국이 부상하고 있다는 신호로 여겨졌기 때문입니다. 그로부터 약 4주 뒤인 2025년 1월 20일에는 강화학습 기반의 추론 모델인 DeepSeek-R1이 공개되었습니다. 앞서 공개된 DeepSeek-V3이 GPT-4o와 경쟁하는 모델이었다면, DeepSeek-R1은 OpenAI o1과 경쟁하는 모델입니다. OpenAI o1은 CoT(Chain-of-Thought : 모델이 스스로 고민하며 답변의 품질을 개선시키는 방법) 개념이 도입되어 큰 폭의 성능 향상을 보여주었는데요, DeepSeek-R1 역시DeepSeek-V3를 기반으로 CoT 개념을 추가하여 추론 성능을 크게 높였습니다. DeepSeek이 공개한 벤치마크 기준으로, R1는 OpenAI o1과 유사한 수준의 성능을 보여주고 있고, 실제로 사용해 본 다수의 사람들은 (저를 포함하여) OpenAI o1보다 소폭 부족한 성능으로 평가하고 있습니다. DeepSeek, 어느 정도의 성능을 보여주는가?

2024년 12월 초 AI 반도체 스타트업 업체 리벨리온과 사피온이 합병절차를 완료했습니다. (참조 - 리벨리온-사피온 합병법인 공식 출범…"기업가치 1조3000억") 일전에 저희 아웃스탠딩에서 리벨리온-사피온 합병 이슈에 대해 다루었는데요. 관련 내용을 다시 살펴보시기 번거로우실 수 있으니, 간단하게 요약해서 말씀드리겠습니다. (참조 - 리벨리온-사피온은 왜 합병에 나섰나.. 관건은 복잡한 이해관계 극복) AI시장이 열리면서, AI 반도체 시장도 커졌습니다. AI 반도체는 학습용과 추론용으로 나뉘는데 학습용은 엔비디아가 장악한 상태였는데요. 하지만 아직 추론용 AI 반도체 시장에 기회가 있었기 때문에 국내에서도 다양한 기업들이 시장 진출을 위해 노력하고 있었습니다. 그중 리벨리온과 사피온은 국내 AI 반도체 스타트업 3강에 꼽힐 정도로 많은 기대를 받았지만, 글로벌 시장에서 성과를 내기에는 여러모로 부족한 것이 현실이었는데요. 합병을 통한 규모 확대, 추가 레퍼런스 확보, 전문 인력 충원 등의 긍정적인 효과를 위해 합병을 추진하였으나 투자자들간의 이해관계, 제품 포트폴리오 및 벨류체인 정리 문제, SK하이닉스와 삼성전자의 경쟁 구도 속 파운드리 선정 문제 등 여러 이슈가 있는 상황이었습니다. 그 이후 여러 난관에도 불구하고, 리벨리온과 사피온은 성공적으로 합병하였습니다. 기존에 아웃스탠딩에서 논의되었던 다양한 쟁점에도 불구하고 성사된 리벨리온∙사피온 합병에서 궁금할 수 있는 점, 총 5가지를 짚어보려고 합니다. 1. 5.55 : 1로 공시된 합병 비율 리벨리온과 사피온의 합병비율에 대해 초창기에 다양한 이야기가 오고 갔는데요. 가장 많이 언급된 합병 비율은 2.426 : 1입니다. (참조 - 리벨리온-사피온코리아, 합병비율 2.4대 1...사명은 리벨리온) 한마디로 사피온의 회사가치보다 리벨리온의 회사가치가 2.426배 크다는 것인데요. 이 비율을 해석하는 두가지 관점이 있었습니다. 우선, 초창기에는 2:1로 제시되어 리벨리온 투자자들의 불만이 많았지만 '결과적으로 협상 과정에서 더 높은 비율을 보장받았다'라는 의견이 있었습니다. 또한 '원래 3:1로 제시되었는데, 합병비율이 사피온에게 유리하게 조정하고 대신 리벨리온 창업자에게 최대주주 지위를 보장하는 방향으로 되었다'는 이야기도 있었죠.

*이 글은 외부 필자인 강병호님의 기고입니다. 코딩, 이제는 AI가 더 잘한다. AI 산업이 빠르게 발전하고 있습니다. 근래 공개된 OpenAI의 최신 모델 o3는 소프트웨어 개발 능력을 평가하는 벤치마크 "SWE-bench"에서 71.7점을 받아 신기록을 경신했습니다. 프로그래밍 대회 "Codeforces"에서는 2727점을 기록하며 상위 0.2% 수준의 점수를 획득했는데, 일반적인 개발자가 도달할 수 없는 수준의 점수입니다. o3가 획득한 점수 자체도 매우 높지만, o1 대비 성능 개선폭도 상당히 크다는 점이 인상적이고요. o3는 이 둘의 벤치마크에서 각각 40% 이상의 점수 상승폭을 보였는데 (참고: 점수 상승폭 40%는 모델 성능 향상폭 40%를 의미하지는 않음), 절대적인 성능 외에도 발전 속도 또한 놀라울 정도로 빠르다는 것을 알 수 있습니다. 다만 높은 점수를 획득한 것이 소프트웨어 개발자를 AI가 대체한다는 걸 의미하지는 않습니다. 소프트웨어를 개발하는 과정에서 코드 작성은 전체 프로세스 중 일부이기 때문입니다. 소프트웨어를 개발할 때는 프로젝트의 목표에 맞게 개발이 이루어지고 있는지 살펴보고, 요구사항 명세서가 올바르게 작성되었고 빠지거나 수정이 필요한 내용은 없는지 점검하고, 필요하다면 전체 개발 과정 전반에 대해 논의하고 협상하는 일이 필수이기 때문입니다. 따라서 o3의 코드 작성 능력이 우수한 것은 사실이지만 소프트웨어 개발 과정을 모두 AI가 대체하기는 아직 어려우며, 주어진 명세에 맞는 코드 개발의 상당 부분을 AI가 수행해 낼 수 있다고 판단하는 게 적절합니다.

*이 글은 외부 필자인 김지윤님의 기고입니다. 최근 오픈AI의 CEO 샘 올트먼이 일론 머스크에 대해 한소리 했습니다. "일론 머스크는 위대한 기업가입니다. 오픈AI 초창기에 큰 도움을 줬습니다. 하지만 일진(bully)이기도 합니다. 주변인들에게 싸움을 걸고 있습니다" 물론 안타까워하는 뉘앙스도 있었지만… 샘 올트먼과 일론 머스크의 사이가 돌이킬 수 없는 강을 건넜다는 인상을 주는 멘트입니다. 오픈AI를 함께 창업했던 이들은 어쩌다 이 지경까지 이르렀을까요? 샘 올트먼은 왜 저런 이야기를 꺼낸 걸까요? 일단 일론 머스크는 샘 올트먼이나 그렉 브룩만(오픈AI 공동창업자이자 CTO) 혹은 오픈AI에 대해 3차례가량 소송전을 벌였습니다. 지난해 초중순에는 오픈AI가 '비영리' 기조를 유지한다는 초기 약속을 지키지 않았다는 이유로 소송을 제기하며 비판했고요. 11월에는 오픈AI가 영리 법인으로 전환되는 걸 막아야 한다며 가처분 명령을 내려달라고 연방 판사를 설득하고 나섰습니다. 두 가지 모두 오픈AI의 '영리화'가 주요 이슈라는 걸 짐작할 수 있습니다. 오픈AI가 영리화가 된다니, 이게 무슨 소리일까요? 오픈AI는 비영리 조직으로 알려져 있지만 그동안 영리 법인을 따로 세우는 등 복잡한 조직 구조를 만들어왔습니다. 여기서 한발 더 나아가서 아예 '영리 법인 전환'을 진행하고 있다는 보도가 최근 나왔습니다. 뉴욕타임스 보도에 따르면 오픈AI는 올 10월 엔비디아, 마이크로소프트(MS)를 비롯한 다수 투자사로부터 1570억달러의 기업 가치로 66억달러(약 9조4761억원)의 자금을 유치했는데요.

*이 글은 외부 필자인 김진환님의 기고입니다. 글로벌 인공지능(AI) 시장 규모에 대한 다양한 의견이 있습니다. Statista는 2023년 1359억달러에서 연평균 30%가량의 성장을 지속해 2030년에는 8267억달러 규모로 성장할 것이라고 밝혔습니다. 우리나라는 2023년 46억달러, 2030년 153억달러로 세계 10위의 시장 규모를 가질 것으로 예상되었습니다. (참조 - Artificial Intelligence - Worldwide) Fortune Business Insights는 시장 규모를 더 크게 보았습니다. 2023년 5153억 달러에서 매년 20%가량 성장해 2032년에는 2조7404억달러의 시장이 형성될 것이라고 분석했습니다. 부문별로 살펴보면 소프트웨어가 시장의 65%가량을 점유하고, AI 서비스 및 하드웨어가 나머지를 점유하는 것으로 나타났습니다. (참조 - Artificial Intelligence Market) 정말 이렇게 엄청난 규모의 시장이 존재하는가? 어디까지 AI 시장으로 봐야 하는가? 아마도 다들 이렇게 고민해 보았을 것입니다. 이에 대해 한 시장조사 전문가는 이렇게 답변했습니다. "스마트팜, 스마트팩토리, AI 추천 영상 및 콘텐츠, 자율주행 등 응용 영역까지 광의의 AI 산업이라 부를 수 있습니다" 이와 관련 컨설팅 기업 PWC는 2030년까지 AI가 전 세계 경제에 15.7조달러의 부가가치를 창출할 것이라고 전망했습니다.

*이 글은 외부 필자인 김지윤님의 기고입니다. 2022년 오픈AI가 챗GPT를 공개하면서 생성형 인공지능(LLM, 대형 언어 모델)의 시대가 열렸습니다. 안 써본 사람은 있어도 안 들어본 사람은 없을 정도로 인공지능이 훨씬 일상적인 화두가 됐죠. 그러면서 미친 듯이 몸값이 오른 회사가 있습니다. 바로 엔비디아입니다. (참조 - 금광은 오픈AI 찾았는데 청바지는 엔비디아가 파는 구도, 샘 올트먼은 깰 수 있을까) 2019년 11월 5.27달러였던 엔비디아 주가는 5년 뒤 147달러로 껑충 뛰었습니다. 거의 30배 가까이 올랐다고 봐도 무방합니다. 일등공신은 GPU(그래픽 처리 장치)입니다. 1999년 GPU는 게임 및 이미지 디스플레이 분야에 맞춰 개발됐고, 2000년대 초반 '우연히' 수학 연산 처리를 빠르게 한다는 평가를 받았습니다. 이후 2017년 암호화폐 광풍이 불었을 때 비트코인 채굴기를 돌리는 데 없어서는 안 되는 인프라로 떠올랐고요. 컴퓨터 연산을 가속해주기 때문에 인공지능 트레이닝에도 필수가 됐습니다. 그러다가 생성형 AI가 등장하면서 AI 반도체 시장의 강자가 된 겁니다. 사실상 AI 반도체의 70~90%가량을 엔비디아가 공급하고 있습니다. AI 연산의 기반이 되는 칩을 제공하면서 엔비디아의 입지는 막강해졌습니다. (참조 - [엔비디아 성장 비밀➊] GPU는 어떻게 AI의 심장 됐나) (참조 - 블록체인, 인공지능.. 엔비디아에 기회가 계속되는 이유)

*이 글은 외부 필자인 성원용님의 기고입니다. ChatGPT가 컴퓨터 소프트웨어(SW)의 코딩도 잘한다는 것은 작년 글에 언급을 한 바 있습니다. (참조 - 챗GPT가 잘하는 것, 못하는 것) 그래도 당시에 코딩을 시키면 실수가 많았고 또 ChatGPT가 생성한 코드를 복사한 후 별도의 SW 개발환경에서 이를 실행시키는 번거로운 작업이 필요했습니다. 이때 실행결과 에러가 생기면, 이 에러메시지를 복사해서 ChatGPT에게 주고, 코드를 다시 생성하는 과정이 몇 번 반복되고는 하였습니다. 그리고 긴 코드의 경우 에러의 가능성이 커지기 때문에 잘 적용하기가 어려웠습니다. 실제로 작년에 실리콘밸리에서 제자들을 만났을 때 물어보니 ChatGPT를 코딩에 사용한다고 하지 않았습니다. 그런데 올해는 달라졌습니다. 얼마 전 구글 CEO는 "구글 SW 신규 코드 25% 이상, AI가 생성한다"고 말하였습니다. 무엇보다도 올해 코드 자동생성은 생성형 언어 모델의 가장 확실한 수익모델이 되고 있습니다. 잘 알려진 제품으로는 VS Code(Visual Studio Code, 가장 많이 쓰는 SW개발환경)에서 코드 자동생성을 지원하는 GitHub Copilot이 있고, 또 VS Code와 사용자 환경이 유사하지만 좀 더 친화적인 SW를 제공하는 Cursor가 있습니다. 참고로 GitHub는 마이크로소프트의 자회사인데, SW를 저장하고 배포하는 것을 지원합니다. 이들 코드 생성 SW들은 대개 한 달 정도의 무료 사용 기간을 준 후 유료로 전환하여 한 달에 10달러에서 20달러 정도씩을 받는데, 상당히 많은 숫자의 유료가입자를 단기간에 확보하였습니다. 인도에서도 GitHub Copilot 가입자가 무려 1700만 이상으로 늘었다 하니 매우 놀라운 일입니다.

*이 글은 외부 협찬을 받은 스폰서십 콘텐츠입니다. 독자님들!! 이 기사 섬네일, 좀 특이하지 않았나요? 눈썰미 좋은 분들은 눈치채셨겠지만 섬네일의 여자 의사는 실존하는 사람이 아니라 AI입니다. 바로 비앤빛 안과에서 만든 AI 캐릭터 '닥터 제인'이랍니다! 비앤빛안과는 1994년 개원해 15명의 원장단과 180여 명의 전문 의료 인력을 갖춘 안과입니다. 시력 교정술 분야에서는 국내 최대 규모죠. 병원 공간만 1300평에 달하며 전 세계 의료진들과 환자들이 방문하는 병원이죠. 이렇게 역사와 규모를 갖춘 안과에서 생뚱맞게 AI 캐릭터를 왜 만들었을까요? 이 기사를 읽으시면 그 궁금증이 풀리실 겁니다. 국내 최고의 안과가 AI를 도입하게 된 계기 비앤빛안과를 설립한 김진국 대표원장은 국내에 라섹 수술과 노안 수술을 도입한 인물입니다. "의사 생활 초창기 때 외국에 가서 발표를 많이 했습니다" "수술을 많이 했는데 결과가 좋았고 자료도 많이 쌓였거든요" "그런데 옛날에는 외국에서 대접이 좀 시원찮았어요. ㅎㅎ"

*이 글은 외부 필자인 강병호님의 기고입니다. 9월 25일, 메타 (Meta)는 Llama 3.2를 발표했습니다. Llama(Large Language Model Meta AI)는 메타가 만드는 대형 언어 모델로, 누구나 사용할 수 있는 완전 공개 정책과 경량화 구조를 특징으로 합니다. (참조 - Llama 3.2: Revolutionizing edge AI and vision with open, customizable models) Llama 3.2는 1B(10억개)와 3B(30억개)의 경량 모델, 텍스트와 이미지를 모두 처리할 수 있는 11B(110억개)와 90B(900억개)의 모델 총 4개로 구성되어 있습니다. 종전 버전 대비 우수한 벤치마크 수치를 보여주며, 파라메터당 성능 효율이 더욱 높아졌다는 것을 알 수 있었고요. 파라메터의 규모를 조금 더 현실적으로 말씀드리자면, 1B와 3B 모델은 온디바이스로 사용할 수 있는 수준의 경량 모델이고, 11B와 90B 모델은 비교적 간단한 GPU 구성으로도 사용할 수 있는 규모입니다. 활용성이 꽤 높은 사이즈의 모델들이죠. 또한 마이크로소프트는 최근 모델 경량화를 위한 BitNet 소스코드를 공개했습니다. BitNet은 파라메터 하나당 1비트를 사용하고, 활성화 함수에서는 8비트를 사용하는 경량화 기법으로, 메모리 사용량을 8배에서 최대 32배까지 줄일 수 있는 경량화 기술입니다. 이를 통해 CPU에서도 LLM이 빠른 속도로 구동 가능한 것을 보이기도 했죠.

알체라는 국내 AI 기업을 논할 때 빠트릴 수 없는 기업 중 하나죠. '네이버 스노우가 지원사격한 스타트업' '설립 4년 반 만에 상장' '화려한 이력의 창업자들' 회사는 설립 당시부터 이슈를 몰고 다녔으며 한때는 수많은 이들의 관심과 기대를 모으기도 했었습니다. 하지만 최근 몇 년 사이 분위기는 180도 바뀌었습니다. 회사의 경영 상황은 악화했으며 세간의 기대는 우려로 변했습니다. 알체라의 히스토리를 짚어봤습니다. 창업 스토리와 성과부터 경영 상황이 악화하게 된 배경, 현황에 대해서도 살펴봤습니다. 스노우가 밀어줬던 AI기업 알체라의 시작은 남달랐습니다. 회사가 설립된 건 2016년 6월이었는데요. 회사 설립 불과 한달 반 만에 네이버의 자회사인 스노우(당시 캠프모바일)로부터 15억원의 시드 투자를 유치하는 데 성공했습니다. 당시 인정받은 기업가치는 50억원 수준이었는데요. 이제 막 간판을 단 회사가 이처럼 후한 평가와 지지를 받을 수 있었던 데에는 이유가 있었습니다. 사실 스노우는 알체라 설립 전, 황영규 현 알체라 대표로부터 안면 인식 기술에 관한 자문을 받고 있었습니다. 황 대표는 삼성종합기술원 출신으로 10년 이상 AI 영상 인식을 연구해 상용화에 기여한 전문가였고요. 스노우는 자사의 카메라 앱 등에 들어갈 보정이나 필터 서비스를 등을 개발, 고도화 하는 과정에서 기술 자문을 해줄 사람이 필요했던 것이죠.

*이 글은 외부 필자인 김지윤님의 기고입니다. "나는 이제 죽음이요, 세상의 파괴자가 됐다" 인류 최초로 핵무기 개발에 성공했던 로버트 오펜하이머는 한 인터뷰에서 위와 같이 힌두교 경전을 인용했다고 알려져 있습니다. '임무를 다하라'는 최고 신의 명령에 따라 희생을 치러야 하는 왕자의 역설이 담긴 한 문장이라 할 수 있습니다. 실제로 핵폭탄의 발명 이후 세계대전은 오랜 기간 모습을 감췄습니다. 대신에 핵 개발 경쟁이 이어지기도 했습니다. 엄청난 살상 무기를 만들어낸 군사 기술은 잠수함, 상업용 원전 등을 통해 일상에 한층 가까워지기도 했죠. (참조 - "세상의 파괴자가 되었도다" 오펜하이머 속 핵분열, 상업원전 기틀) 그리고 여기 자신을 '오펜하이머'라 칭하는 또 다른 과학자가 있습니다. 신경과학자 라파엘 유스테입니다. 수년 전 그는 생물학 실험에 참여했습니다. 쥐의 뇌에서 시각을 담당하는 피질, 그중 특정 뉴런에 레이저를 쐈을 때 그 뉴런이 어떻게 활성화하는지 테스트하는 실험이었습니다. 이 방법을 통해 연구진은 쥐가 특정 이미지를 인위적으로 볼 수 있도록 시각을 조작할 수 있다는 걸 밝혀냈습니다. 말 그대로 '헛것'이 보이게 조작한 겁니다. 뇌가 받아들이는 데이터를 조정할 경우 마치 인형처럼 쥐를 조종할 수 있다는 걸 발견하고서 유스테 교수는 생각했습니다. 이것이야말로 "오펜하이머의 순간"이라고.

*이 글은 외부 필자인 길진세님의 기고입니다. 제가 마지막으로 아웃스탠딩에 글을 보낸 것이 지난 7월입니다. 그동안 웬만하면 빠지지 않고 매달 기고를 했었는데, 오랜만에 기고를 하게 되었는데요. 업무가 바쁜 탓도 있었지만 매우 매우 짜증 나는 일이 있어서 늦었습니다. 누가 제 브런치의 글을 그대로 가져다가 유튜브로 만들어서 수익을 올리고 있는 걸 발견했거든요. 바로 이 글입니다. (참조 - 토스는 왜 알뜰폰 사업을 시작할까요?) 처음 발견하고는 멍…했습니다. 이런 일을 처음 겪었기 때문입니다. 무려 26만 구독자를 가진 채널인데 대놓고 표절이라니, 충격적이었습니다. 며칠을 혼자 기분 나빠하다가 용기(?)를 내어 해당 유튜버에게 메일을 썼습니다. 메일주소를 어떻게 알았냐고요? '협업문의'라고 떡하니 기재해 두었더라고요. 입에 착 붙는 욕설로 도배를 할까 하다가 나중에 법정에서 불리할 것 같아서 정말 좋은 말로 아래와 같이 보냈습니다. 사실 저는 거창한 사과까지는 아니어도, 최소한 '우리 스텝이 이랬던 모양인데 몰랐다. 미안하다.' 정도의 회신은 해 줄 거라 생각했습니다. 그러나 회신은 없었고 다음날 이 유튜버는 표절 영상을 비롯한 과거의 다른 영상들까지 모두 비공개 처리해 버리더군요.

*이 글은 외부 필자인 김지윤님의 기고입니다. AI 붐이 다소 사그라진 가운데 다시금 주목받은 AI 스타트업이 있습니다. 엔비디아의 전폭적인 지원을 받으며 설립 1년 안에 유니콘 기업으로 평가받는 일본의 인공지능 스타트업 '사카나 AI'입니다. 사카나 AI는 2023년 7월에 설립된 기술 기업입니다. 벌써부터 기업 가치 10억달러를 넘어섰습니다. 2024년 9월에는 엔비디아, 미쓰비시 등 유수 기업으로부터 추가 투자를 유치했습니다. (참조 - 엔비디아, 日 유니콘 '사카나AI'에 투자…대주주 된다) (참조 - AI 스타트업 사카나, 일본 기업 투자 러시로 2조 가치 달성) (참조 - 韓선 상상도 못할 일…日, 창업 1년만에 AI유니콘 탄생 ) 국내에서도 화제가 됐던 사카나 AI, 그들이 이목을 집중시키는 이유는 무엇일까요? 이번 글에서는 사카나 AI와 함께 생성형 인공지능에 대한 달라진 분위기에 대해 짚어봅니다. 사카나 AI가 실리콘밸리와 다른 점? 흥미롭게도 지난 6월 블룸버그에서는 사카나 AI에 대해 다음과 같은 칼럼이 게재됐습니다. 제목이 꽤 도발적이라 기억에 남는 글이었습니다. "일본의 인공지능 유니콘 기업 사카나 AI가 실리콘 밸리에게 주는 가르침" 내용을 요약해보자면 다음과 같습니다. "실리콘밸리는 '빠르게 움직여 파괴적 혁신을 만든다' (Move fast and break things)라는 기조로 인터넷, 모바일 혁신을 추진해왔습니다" "그러한 접근법으로 인해 AI 툴이 대중적으로 빠르게 배포되면서 인공지능의 황당한 답변이나 오류들이 실생활에 영향을 끼치는 결과를 낳았죠"

카카오가 B2B 비즈니스에 힘을 주기 시작한 것은 2019년이었습니다. 회사는 그해 5월부터 운영된 사내 독립기업(CIC)인 AI랩을 분사해 12월 B2B 자회사인 카카오엔터프라이즈를 출범 시켰습니다. 카카오의 계산은 B2B 사업에 본격적으로 진출해 그룹의 신성장 동력을 확보하겠다는 것이었습니다. 그러나 카카오엔터프라이즈는 최근 몇 년 사이 대규모 적자 누적 등으로 경영상의 어려움을 겪은 바 있는데요. 지난해부터는 대표 이사를 교체하고 사업 분야를 재편하는 등 변화를 시도하고 있습니다. 카카오엔터프라이즈의 그간 행보와 현황에 대해 알아봤습니다. 카카오가 키운 B2B 유망주 사업 초반 카카오엔터프라이즈는 B2B IT 시장에서 다양한 사업을 펼칠 것을 예고했습니다. 서비스형 플랫폼인 PaaS나 서비스형 소프트웨어인 SaaS 등 고객사의 다양한 클라우드 구축 요청에 대응하겠다는 계획이었는데요. 특히 AI 플랫폼인 카카오 i를 유통, 소비재, 엔터테인먼트 등 여러 분야로 확장하거나 기업용 메신저를 출시해 성과를 내겠다는 청사진을 가지고 있었습니다. 대표적으로는 AI 기반 물류 플랫으로, 화물업체와 물류센터를 연결하고 물류 관리를 쉽게 해준다는 콘셉트의 카카오 i LaaS가 있고요. AI 챗봇이자 보이스봇인 카카오 i 커넥트, AI 기반 검색 플랫폼인 카카오 i 서치 등도 있었으며 카카오 i 엔진이라는 이름으로 음성 및 이미지를 분석 엔진을 API, SDK 형태로 제공하기도 했죠. 이듬해인 2020년 9월 종합 업무 플랫폼인 카카오워크를 출시하면서 본격적으로 시장 공략에 나서기도 했는데요. 카카오엔터프라이즈가 막 설립된 이후 코로나19 확산에 따른 비대면 트렌드와 디지털트랜스포메이션 기조가 강화하던 시점이었던 점을 고려하면 비즈니스 트렌드에도 잘 부합했습니다.

*이 글은 외부 필자인 박태영님의 기고입니다. 생산성 향상을 위해서 혹은 제품을 개선하기 위해 AI 도입을 검토하는 기업이 늘고 있습니다. 당연히 모든 기업이 AI에 관심을 가져야 하고 궁극적으로는 AI를 활용하지 않는 기업은 많지 않은 시대가 열릴 것입니다. 그럼에도 AI 도입을 여전히 명쾌하게 잘하는 기업은 많지 않은 것 같습니다. 최근 맥도날드도 AI 주문 기능을 철회한 바 있고 한 해외통계에 따르면 90% 이상이 도입에 실패한다고 합니다. AI는 여전히 신기술이고 여전히 너무 빠르게 발전하고 있어 패턴이 자리 잡히지 않았습니다. 그 상황에서 비즈니스 관점에서 AI 전문가는 거의 전무한 상황입니다. 그러다 보니 모델을 훈련하던 AI 엔지니어의 목소리가 커졌습니다. 문제는 이 AI엔지니어가 원하는 방향과 비즈니스적으로 성공하는 방향이 다를 수 있다는 점입니다. 전형적인 이해충돌 상황입니다. 그래서 의사결정자가 모든 것을 위임하는 것이 아니라 몇 가지는 직접 체크해야 합니다. 1. AI가 할 수 있는 일의 범위 이해하기 ChatGPT가 많은 사람에게 충격을 준 지도 2년이 다 되어 갑니다. 하지만 그사이에 기술적으로 완성도가 상당히 높아졌습니다.

음악AI 사업은 어렵습니다 AI를 키워드로 투자를 받은 스타트업이 많아졌는데요. 이들에게도 어려움이 많습니다. 시장 분위기가 '수익성'을 중시하면서 스타트업에 대해 우려 섞인 목소리가 퍼졌죠. 음악AI 스타트업들도 마찬가지였습니다. 성장과 수익성 고민에 빠져 있는데요. 앞서 음악 관련 AI 스타트업들은 국내외 할 것 없이 투자를 잘 받았습니다. 5월 미국의 음악 생성 AI 스타트업 '수노'(Suno)가 1360억원(1억250만달러)의 투자를 받았습니다. 수노는 음악적 지식이 없는 사용자도 텍스트 입력 만으로 몇 초 만에 연주와 보컬까지 완전한 노래를 생성하는 AI 'V3'를 공개했습니다. 수노의 서비스는 음악판 '소라'로 불렸습니다. (참조 - 오픈AI 소라는 기존 콘텐츠 비즈니스를 무너뜨릴까) "출시 8개월 만에 투자를 받았습니다. 아직 초창기지만 이미 1,000만명이 수노를 사용하여 음악을 만들었습니다" (마이키 슐만, 수노 CEO) 우리나라에도 음악AI 스타트업들이 등장했습니다. 포자랩스, 뉴튠 등이 음악 생성 AI 서비스를 운영 중입니다. 포자랩스는 2022년 10월 CJ ENM으로부터 시리즈A 투자를 받으면서 화제가 된 바 있습니다. (참조 - AI 음원 창작 기업 포자랩스, CJ ENM서 시리즈A 투자유치)

*이 글은 외부 필자인 강병호님의 기고입니다. Amazon CEO 앤디 재시(Andy Jassy)는 지난 8월 22일, Amazon Q를 통해 50일이 걸리는 개발 작업을 단 몇 시간 만에 완료해 냈다고 밝혔습니다. 또한 그동안 Amazon Q를 통해 4500명의 개발자가 1년간 해야 하는 업무량을 절감했다고 말했고요. (참조 - 앤디 재시 링크드인) 앤디 재시가 언급한 "50일이 걸리는 개발 작업"은 어플리케이션을 Java 17로 변환하는 일입니다. 오래전에 작성된 코드를 기능을 유지한 채 Java 17 버전으로 업그레이드하는 작업일 가능성이 높아 보이고요. IT 회사에서는 종종 수행하는 업무입니다만, 과거 버전과 현재 버전의 차이점을 비교해 가며 변환해야 하는 반복 작업이기 때문에 대체로 선호하지 않는 업무에 가깝습니다. 즉 Amazon Q가 절감한 비용은 단순히 "50일이 걸리는 일을 몇 시간에 끝냈다"는 것 외에도 "비선호 업무를 AI를 통해 몇 시간 만에 끝냈다"는 점에서도 의미가 있는 일입니다. 한편으론, 이제 AI가 고된 개발 작업도 자동으로 해준다는 점에서 경계감을 느끼는 소프트웨어 개발자도 적지 않아 보입니다. 요즈음의 개발자들에게는 코드 작성을 도와주는 Copilot이 필수에 가까워지고 있는데요, 개발하려는 모듈의 기능을 입력하면 자동으로 뼈대가 되는 코드를 작성해 주는 기능입니다. 큰 틀은 사람이 잡더라도 세부 요소의 개발에서 AI를 활용하는 건 이제는 일반화되었다고까지 표현할 수 있을 정도이고요. 상황이 이렇다 보니 그림도 그려주고 음악도 만들어주고 운전마저 대신해 주는 AI가 소프트웨어 개발마저도 알아서 잘해주지 않을까 생각하는 사람이 늘어나는 것처럼 보이는데요, 미국의 대형 커뮤니티 레딧(reddit)에는 하루에도 몇 번씩 "AI가 소프트웨어 개발자를 대체할 것인가"에 대한 질문과 토론이 이어지고 있습니다.

"빠르게 변화하는 AI 시대에 자체 파운데이션 모델의 공개와 사업성을 갖춘 서비스 출시에 있어 시장의 기대에 비해 저희가 다소 늦었던 것은 사실입니다" "가급적 이른 시일 내에 AI 관련 서비스를 가시화할 수 있도록 하겠습니다" (정신아 카카오 대표 2024.05.09 1분기 실적발표 컨퍼런스콜 중) "AI는 카카오의 중장기 성장 전략에서 중요한 부분을 담당하고 있습니다" "앞으로는 전사적 리소스를 카카오톡의 톡비즈 성장과 AI를 활용한 새로운 성장 동력 발굴에 집중하면서 중장기적 성장을 추진하겠습니다" (정신아 카카오 대표 2024.08.08 2분기 실적발표 컨퍼런스콜 중) 정신아 카카오 대표는 올해 1분기와 2분기 실적발표 컨퍼런스콜에서 위와 같이 설명했습니다. 카카오의 AI 비즈니스와 관련해 아쉬웠던 점을 인정하며 향후 AI 분야를 강화하겠다는 의지를 내비친 것입니다. 회사는 꽤 오래전부터 AI를 미래먹거리로 낙점해왔습니다. 카카오브레인이나 카카오엔터프라이즈 등 자회사를 설립하고 AI 연구와 사업화를 시도해왔습니다. 그러나 정 대표의 말처럼 자체 모델 공개나 사업성을 갖춘 서비스 출시 등의 측면에선 한발 늦었다는 평가가 나오는 것도 사실입니다. 카카오의 AI 전략에 대해 우려 섞인 시선이 커지는 이유도 바로 여기에 있는데요. 오늘은 AI 전략에 관한 카카오의 지난 행보를 짚어보면서 최근 현황에 대해서도 정리해 보고자 합니다. 2017년 카카오브레인을 세웠습니다 카카오의 AI 전략을 논할 때 빼놓을 수 없는 자회사는 2017년 2월 설립된 카카오브레인입니다. 설립 당시 김범수 창업자가 카카오브레인의 대표를 맡았는데요.

*이 글은 외부 필자인 김지윤님의 기고입니다. 최근 샘 올트먼이 또다시! 구설수에 올랐습니다. 샘 올트먼이 투자한 것으로 알려진 월드코인(Worldcoin) 프로젝트 때문입니다. 월드코인 프로젝트는 2가지로 이름을 알렸습니다. - 홍채 인증 - 기본 소득 월드코인 홍채 인식 기기에 본인의 홍채를 스캔해 등록하면 월드코인 암호화폐 25개를 지급받을 수 있습니다. 이 암호화폐는 향후 본인 홍채를 인증한 사람들에 한해 현금성 보상의 역할을 할 수 있습니다. 올 1분기 한국에서도 오프라인에서 홍채 등록이 가능해지면서 프로젝트의 목적과 우려에 관해 다양한 의견이 교차하며 화제를 낳았습니다. 실제로 홍채 정보 보안 및 사용에 관해 프랑스, 영국, 칠레 등 최소 14개국에서 월드코인 프로젝트를 주시하고 있어요. 홍채 인식 기기를 해킹하는 사례나 무리한 홍채 등록 호객(?!) 등으로 인해 논란이 이어지는 프로젝트에 해당합니다. (참조 - More Than a Dozen Countries Now Investigating Sam Altman's Dubious Eye-Scanning Scheme) "아니, 샘 올트먼 챗GPT 만든 사람 아니었어? 뜬금없이 무슨 블록체인이야?" "기본 소득이랑 샘 올트먼이랑 도대체 무슨 상관이지?" 그쵸. 사실 샘 올트먼은 국내에서 챗GPT 같은 각종 생성형 AI 제품을 만든 오픈AI의 수장으로 명성을 떨쳤습니다. 하지만 미국, 특히 실리콘밸리에서는 샘 올트먼은 한때 '대권 출마설'이 돌았던 나름 정치적인(?!) 인물이었습니다.

*이 글은 외부 필자인 강병호님의 기고입니다. 미국 빅테크 기업의 AI 투자 경쟁 미국 빅테크 기업의 AI 투자 경쟁이 내년에도 이어질 전망입니다. 구글 (Google)은 현재까지는 AI CapEx 과소 투자를 메워왔다면, 2025년도 까지는 과잉 투자 수준까지 비용을 집행할 것을 밝혔습니다. * CapEx : 자본적 지출로, 여기선 AI 인프라를 구성하는 데 필요한 하드웨어 및 소프트웨어 투자 비용을 말함. 또한 구글 CEO 선다 피차이(Sundar Pichai)는 "AI 과소 투자가 과잉 투자보다 위험하다 (the risk of under-investing is dramatically greater than the risk of over-investing for us here)"고 언급하며 AI CapEx 집행이 꼭 필요하다고 주장했고요. 뿐만 아니라 메타(Meta) 또한 AI CapEx를 400억달러(약 54조원) 수준까지 높일 것이며, 2025년도에는 보다 큰 폭으로 AI CapEx를 늘릴 것이라 말했습니다. 메타 CEO 마크 저커버그(Mark Zuckerberg) 또한 블룸버그와의 인터뷰에서 AI CapEx에 대한 견해를 밝혔는데요, 과거 닷컴 버블 사례를 언급하며 "과잉 투자를 하고 있을 가능성이 높지만 합리적인 결정을 하고 있고, 만약 과잉 투자를 하지 않는다면 향후 10~15년간의 기술 주류에서 밀려나는 것이다"라고 말했습니다. AI CapEx가 경쟁력 강화를 위해서는 필수라는 발언이죠.