@toleston16108 투자자라면 딥마인드가 "방대한 컴퓨트를 사용할 수"있느냐에 의문을 표해야 할 것입니다.
구글이 TPU를 기껏 만들어서 외부에 팔아치우고 있으니까요. xAI도 그렇죠?
그리고 현재 ai랩 중에서 인력 유출이 가장 뚜렷하게 나타나는 곳들이 어딘지도 봐야할 꺼고요.
이제 해외의 모델을 수입하는 걸로는 국가의 미래를 보장할 수 없습니다. 각국이 소버린 AI를 위해 치열한 경쟁을 해야한다는 신호탄이 될 것이고, 즉 이는 추론 뿐 아니라 학습을 위한 시장도 추론 만큼이나 지속 성장하게 된다는 의미로도 확장할 수 있으며 각국은 컴퓨팅 자원을 중복•과잉 투자해야하는 상황이 될 것입니다.
컴퓨팅 자원 역시 이젠 방산 물자가 됩니다.
It was great to see our name amongst the other “AI Native” companies during @Nvidia’s #GTC keynote. NVIDIA Isaac™ Lab helps us train reinforcement learning policies that enable the UMV to drive, jump, flip, and hop like a pro!
학생 때 외과 교수님 한 분이 그런 말씀을 하셨다.
아마 장기이식 관련 수업이었던 것 같은데,
오토바이 사고로 인해 뇌사 상태에 이르는
환자들을 자주 보게 된다며
오토바이는 가능하면 타지 말라고.
그때는 솔직히
조금 과한 말처럼 들렸다.
그런데 응급실에서
팔다리가 심하게 부러진 젊은 오토바이 사고 환자를
직접 처치하고,
다음 날 아침 결국 돌아가셨다는 이야기를 들은 경험을 한 뒤로는 그 말이 전혀 다르게 느껴지게 되었다.
그 뒤로는 적어도 내가 사랑하는 가족들에게만큼은
오토바이를 타지 말라고 하게 된다.
일론이 방금 Cursor에서 핵심 인물 두 명을 빼갔다.
바로 Cursor의 기업가치가 500억 달러를 향해 치솟는 순간에.
Milich와 Ginsberg.
이 두 사람은 누구인가?
이들은 Cursor를 0에서 시작해 연간 반복 매출(ARR) 20억 달러까지 끌어올린 주역들이다.
그 속도는 전 세계 SaaS 제품 역사상 가장 빠른 기록을 새로 썼다.
이제 이들은 일론에게 직접 보고하게 된다.
목표는 단 하나다. xAI를 위한 프로그래밍 제품을 만드는 것.
현재 AI 코딩 시장 규모는 이미 50억 달러를 넘어섰다.
Claude Code의 연간 매출은 25억 달러, 올해 들어 두 배로 늘었다.
GitHub Copilot은 10억 달러를 돌파했고, 유료 사용자만 470만 명이다.
거의 모든 최상위 AI 연구소들이 코딩 도구로 엄청난 돈을 벌어들이고 있다.
유독 xAI만 아직 이 시장에 들어오지 않았다.
기술이 부족한가?
멤피스 클러스터에는 H100 GPU 10만 장이 깔려 있다.
모델이 부족한가?
손에는 Grok 3와 그 뒤를 이을 비장의 카드가 있다.
일론에게 부족했던 것은
코딩 도구를 0에서 20억 달러 규모까지 키워본 진짜 제품 리더였다.
이제 퍼즐이 맞춰졌다.
더 흥미로운 건 배경이다.
Milich는 10년 전 SpaceX에서 인턴으로 일하며
드래곤 우주선의 디스플레이 시스템 개발에 참여했다.
그 당시 SpaceX는 로켓 재사용 문제와 사투를 벌이던 시기였다.
10년 후, 그는
AI 코딩에 대한 실전 매뉴얼 한 세트를 들고 돌아왔다.
이건 단순한 인재 영입이 아니다.
xAI의 수익 구조 자체에 메스를 대는 일이다.
SpaceX는 지난해 80억 달러의 이익을 냈지만
AI 사업은 아직도 막대한 돈을 태우는 단계다.
개발자들은 전 세계에서
돈을 지불할 의지가 가장 높은 사용자 집단이다.
시장 점유율 5%만 가져와도
xAI의 경제 모델 전체가 질적으로 바뀔 수 있다.
AI는 투자자의 돈을 태워야만 할까?
일론은 이미
그걸 증명해 본 사람들을 데려왔다.
실리콘밸리의 AI 코딩 도구 전쟁,
이제야 진짜 시작이다.
다음으로 뒤집힐 곳은 어디일까? 🚀
에이전트 세팅 후 안정화되기까지
절대 준수해야할 대전제가 있음.
스스로를 수술하는 작업이 계속되기 때문에
집도의가 ㄹㅇ 똑똑해야 삽질을 안함
즉,
초반 며칠은 절대 돈 아끼지말고
무조건 최신 최상위 모델로 놓고 세팅을 잡아나가야 함
이게 결국은 돈 시간 건강 마음의평화 다 아낀다
에이전트가 시킨대로 못하고 삽질할 때.
애매한 규칙으로 인한 LLM의 해석 일관성 문제가 보통임.
- 잘못된 접근 : 이렇게 하랬잖아 -> 죄송합니다 앞으로 잘하겠습니다.
- LLM이 반성한 기억을 누적함. 작업 실행마다 그 기억 참조 필요함. 컨텍스트 쌓임. 모순내용도 누적되어감. LLM이 버거워함.