AI 경제, 물리적 한계에 부딪히다: 칩 부족, 전력 난, 그리고 현실 세계의 장벽
이번 주 초 Beverly Hills의 Milken Global Conference에서 AI 공급망 전 층위에 걸친 다섯 사람이 한자리에 모임.
칩 부족, 궤도 데이터센터, 지금 이 기술을 떠받치는 아키텍처 자체가 잘못됐을 가능성까지, 이 편집자와 폭넓게 얘기함.
TechCrunch 무대 참석자.
없으면 현대 반도체 자체가 성립하지 않는 EUV lithography 장비를 사실상 독점하는 네덜란드 기업 ASML의 CEO, Christophe Fouquet.
기업 역사상 최대급 인프라 베팅 하나를 총괄하는 Google Cloud COO, Francis deSouza.
시뮬레이션에서 출발해 국방으로까지 들어간 150억 달러 규모 physical AI 기업 Applied Intuition의 공동창업자 겸 CEO, Qasar Younis.
AI-native search-to-agents 기업 Perplexity의 chief business officer, Dimitry Shevelenko.
업계가 당연하게 여기는 기반 아키텍처에 도전하려고 학계를 떠난 양자 물리학자 Eve Bodnia, 그리고 그가 세운 스타트업 Logical Intelligence.
Meta 전 chief AI scientist Yan LeCun도 올해 초 기술 연구위원회 founding chair로 합류.
다섯 사람이 꺼낸 얘기는 아래와 같음.
병목은 실제다
AI 붐은 뚜렷한 물리적 한계에 부딪히고 있고, 제약은 많은 사람이 생각하는 것보다 더 아래쪽 스택에서 시작.
Fouquet가 먼저 꺼낸 건 칩 제조의 "엄청난 가속".
그래도 앞으로 2~3년, 길면 5년까지 시장은 공급 제약 상태일 거라는 확신.
Google, Microsoft, Amazon, Meta 같은 hyperscaler가 돈을 냈다고 해서 칩을 전부 받지는 못한다는 뜻.
DeSouza는 문제의 크기와 증가 속도를 짚음.
Google Cloud는 지난 분기 매출 200억 달러 돌파, 성장률 63%.
아직 인도되지 않은 확정 매출인 backlog는 한 분기 만에 2500억 달러에서 4600억 달러로 거의 두 배.
수요는 분명함.
Younis가 보는 핵심 제약은 다른 곳.
Applied Intuition은 자동차, 트럭, 드론, 광산 장비, 국방 차량용 자율 시스템을 만듦.
이쪽 병목은 실리콘이 아니라, 기계를 현실에 내보내 실제로 무슨 일이 벌어지는지 지켜봐야만 얻을 수 있는 데이터.
합성 시뮬레이션만으로는 그 간극이 완전히 메워지지 않음.
물리 세계에서 돌아가는 모델을 전부 합성으로만 훈련할 수 있으려면 아직 한참 멀었음.
에너지 문제도 실제다
칩이 첫 번째 병목이라면, 그 뒤에 더 크게 드리우는 건 에너지.
DeSouza는 Google이 에너지 제약의 해법으로 우주 데이터센터를 진지하게 검토 중이라고 확인.
더 풍부한 에너지원에 접근 가능.
다만 궤도 환경도 만만치 않음.
우주는 진공이라 대류가 사라지고, 열을 주변으로 내보낼 수단은 복사뿐.
지금 데이터센터의 공랭·액랭보다 훨씬 느리고, 설계도 더 까다로움.
그래도 유효한 경로로 보고 있음.
DeSouza의 더 깊은 주장은 통합을 통한 효율.
Google은 커스텀 TPU 칩부터 모델, 에이전트까지 AI 스택 전체를 함께 설계.
이런 방식이 flops per watt, 즉 에너지 단위당 연산량에서 이득을 줌.
기성 부품을 사다 조립하는 회사는 같은 효율을 재현하기 어려움.
Gemini를 TPU에서 돌리는 구성이 다른 어떤 조합보다 에너지 효율이 높다는 설명.
칩 설계 단계에서부터 어떤 모델이 올라올지 미리 알고 맞출 수 있기 때문.
Fouquet도 비슷한 지점을 짚음.
무엇도 공짜일 수 없음.
업계는 전략적 필요에 밀려 막대한 자본을 쏟아붓는 이상한 국면에 들어와 있음.
연산이 늘면 에너지 수요도 늘고, 에너지에는 결국 가격이 붙음.
다른 종류의 지능
업계 다수가 large language model 패러다임 안에서 규모, 아키텍처, 추론 효율을 다투는 동안, Bodnia는 아예 다른 걸 만들고 있음.
Logical Intelligence는 energy-based models, 즉 EBM 위에 세워짐.
연속된 token의 다음 값을 예측하는 대신, 데이터 밑에 깔린 규칙을 이해하려는 AI 계열.
언어는 "내 뇌와 당신 뇌 사이의 user interface"일 뿐이고, 추론 자체는 어떤 언어에도 묶이지 않는다는 관점.
가장 큰 모델도 2억 parameter.
선도 LLM의 수천억 parameter와 대비.
속도는 수천 배 더 빠르다는 주장.
무엇보다 데이터가 바뀌면 지식을 처음부터 다시 훈련하지 않고 갱신하도록 설계됨.
칩 설계, 로보틱스처럼 시스템이 언어 패턴이 아니라 물리 규칙을 파악해야 하는 영역에서는 EBM이 더 잘 맞는다는 판단.
차를 운전할 때 하는 일은 어떤 언어의 패턴 검색이 아님.
주변을 보고, 세상의 규칙을 이해하고, 결정을 내림.
흥미로운 주장이고, 앞으로 몇 달 사이 더 주목받을 가능성이 큼.
AI 분야가 규모만으로 충분한지 묻기 시작했기 때문.
에이전트, 가드레일, 신뢰
Shevelenko는 대화 상당 부분을 Perplexity가 검색 제품에서 이제는 "digital worker"라 부르는 방향으로 진화한 과정을 설명하는 데 할애함.
최신 제품 Perplexity Computer는 지식 노동자가 쓰는 도구가 아니라, 지식 노동자가 지휘하는 스태프로 설계됨.
매일 아침 팀에 직원 100명이 생긴다면, 그들을 최대한 활용하려면 무엇을 할지가 진짜 질문.
꽤 설득력 있는 제안이지만, 통제 문제는 당연히 따라붙음.
그의 답은 세분화.
엔터프라이즈 관리자는 에이전트가 접근할 커넥터와 도구뿐 아니라, 그 권한을 read-only로 둘지 read-write로 둘지도 지정 가능.
에이전트가 기업 시스템 안에서 움직일 때 이 차이는 결정적으로 큼.
Perplexity의 computer-use agent인 Comet가 사용자 대신 행동할 때는 먼저 계획을 보여주고 승인을 받음.
이런 마찰을 귀찮아하는 사용자도 있음.
그래도 Lazard 이사회에 들어간 뒤에는, 고객 신뢰만으로 180년 버틴 브랜드를 지키려는 CISO의 보수적 본능이 예상보다 훨씬 공감된다고 함.
세분화가 좋은 보안 위생의 기반.
단순한 안전이 아닌 주권
Younis가 던진 가장 지정학적인 관찰은 physical AI와 국가 주권이 순수 디지털 AI와는 다른 방식으로 얽혀 있다는 점.
인터넷은 처음 미국 기술로 퍼졌고, 오프라인 결과가 눈에 보이기 시작한 뒤에야 Uber나 DoorDash 같은 애플리케이션 계층에서 반발을 맞음.
physical AI는 다름.
자율주행차, 국방 드론, 광산 장비, 농업 기계는 현실 세계에 직접 나타남.
정부가 무시하기 어렵고, 안전, 데이터 수집, 자국 영토 안에서 작동하는 시스템의 최종 통제권 문제가 함께 따라옴.
거의 모든 나라가, 다른 나라가 통제하는 물리적 형태의 지능을 자국 국경 안에 두고 싶어 하지 않음.
지금 robotaxi를 실전 배치할 수 있는 국가는 핵무기를 가진 국가보다 적음.
Fouquet는 조금 다른 틀로 설명.
중국의 AI 진전은 분명함.
올해 초 DeepSeek 공개는 업계 일부를 패닉에 가깝게 몰아넣음.
다만 그 진전은 모델 레이어 아래에서 제약받음.
EUV lithography에 접근하지 못하면 중국 칩 제조사는 가장 앞선 반도체를 만들 수 없음.
구형 하드웨어 위에서 돌아가는 모델은 소프트웨어가 아무리 좋아져도 불리함이 누적됨.
미국은 지금 데이터, 컴퓨팅 접근성, 칩, 인재를 모두 갖춤.
중국은 스택 상단은 아주 잘하지만, 그 아래 요소 몇 가지가 부족함.
세대 문제
패널 말미 객석에서 가장 불편하고도 당연한 질문이 나옴.
이 모든 것이 다음 세대의 비판적 사고 능력에 영향을 주지 않겠느냐는 질문.
답변은 예상대로 낙관적.
DeSouza는 더 강력한 도구가 인류가 마침내 다룰 수 있게 해 줄 문제들의 규모를 먼저 짚음.
아직 생물학적 메커니즘을 이해하지 못한 신경 질환.
온실가스 제거.
수십 년 미뤄진 전력망 인프라.
이런 도구가 우리를 다음 단계의 창의성으로 끌어올릴 수 있음.
Shevelenko는 더 실용적인 얘기를 꺼냄.
entry-level job은 사라질 수 있음.
반대로 무언가를 독립적으로 시작하는 문턱은 어느 때보다 낮아짐.
Perplexity Computer를 쓸 수 있는 사람에게 남는 제약은 자기 호기심과 실행력.
Younis는 지식 노동과 육체 노동의 차이를 가장 선명하게 그음.
미국 농부의 평균 연령은 58세.
광업, 장거리 트럭 운송, 농업의 인력 부족은 만성적이고 계속 심해지는 중.
임금이 너무 낮아서가 아니라 사람들이 그 일을 원하지 않기 때문.
이런 영역에서 physical AI는 일할 의지가 있는 노동자를 밀어내는 쪽이 아님.
이미 존재하는 공백을 메우는 역할이고, 그 공백은 앞으로 더 깊어질 가능성이 큼.
