Open Source Wins, AGI Is Here

🏗️ AI 빌드아웃 — 만리장성급 데이터센터 스케일 0:00 ~ 5:24

제이슨은 Cerebras CEO 앤드류 펠드먼(Andrew Feldman)을 다보스 이후 다시 초대해 인프라 이야기부터 연다. "지금의 AI 빌드아웃은 만리장성이나 피라미드 이후 인류 역사에서 자본·시간·인재가 가장 집중적으로 동원되는 사례이며, 굳이 비교하자면 전시(戰時) 총동원 체제에 가깝다"는 게 제이슨의 진단이고, 펠드먼도 이를 부정하지 않는다.

펠드먼은 "앞으로 몇 년간 데이터센터가 소비할 전력이 지난 50년간 지구 전체가 쓴 전력보다 많을 것"이라고 말한다. 개별 건물이 축구장 크기이고, 중소도시급 전력이 단일 건물로 들어간다는 것. 이런 건설이 미국·캐나다·북유럽뿐 아니라 파리·프랑스, 중동, 그리고 카자흐스탄, 타지키스탄, 조지아, 아르메니아처럼 과거엔 테크 지도에 없던 국가에서도 동시다발적으로 벌어지고 있다.

이 열기가 진짜 가치를 창출하는지, 아니면 거품인지에 대해 펠드먼은 "토큰 맥싱(token maxing)"이라는 표현을 쓴다. 그는 초기 AWS 시절, 회사가 엔지니어들에게 "일단 개인 카드로 결제하고 마음껏 써봐라"고 했던 것과 비슷하다고 말한다. 실험적 지출도 상당했지만 순가치는 압도적으로 컸다는 것. 코스트코 비유도 흥미롭다 — 처음 코스트코를 이용하는 사람은 세이프웨이처럼 모든 통로를 훑으며 불필요한 $22짜리 물건 4개를 사지만, 익숙해지면 곧장 필요한 것만 사는 '전략적 쇼핑'으로 바뀐다는 것. 기업들도 처음엔 "토큰 무제한"으로 풀었다가, 이제는 다시 리소스를 구조화하는 단계로 넘어가고 있다는 진단이다.

⚡ Cerebras 추론 칩 — 무어의 법칙을 깬 속도전 5:24 ~ 16:11

대화는 곧 "왜 속도가 중요한가"로 옮겨간다. 펠드먼은 "추론(reasoning)이 곧 추론(inference)"이라는 말장난 같은 핵심 명제를 던진다. 모델이 답을 내기 전에 스스로 여러 경로를 따져보는 리즈닝 과정 자체가 막대한 내부 토큰을 소비하는 추론 연산이기 때문에, 연산 속도가 빠른 칩일수록 같은 리즈닝을 훨씬 빨리, 훨씬 싸게 끝낼 수 있다는 논리다.

그는 실제로 웨이퍼스케일 칩을 하나 들고 나와 보여주며(첫 8~10대 중 하나로, "제 아이의 첫 자전거 같은 존재"라고 농담), "Cerebras로 15배 빠르게 돌리면, 24시간 만에 몇 주~몇 달치의 사고(thinking)를 압축해서 얻을 수 있다"고 주장한다. 무제한 토큰이 사실상 무제한 리즈닝을 의미한다는 것.

제이슨은 CEO로서 250억 달러 수요를 감당해야 하는 부담, OpenAI 같은 "가장 빠르게 움직이는 조직"의 속도를 따라잡아야 하는 압박을 짚는다. 펠드먼은 "왜 OpenAI가 자체 칩을 안 만들고, 왜 아마존이 자체 칩을 만드는가"라는 질문에 대해 "누구도 특정 공급자에 100% 의존하고 싶어하지 않는다"고 답한다. x86 시대 인텔 종속, GPU 시대 소수 하이퍼스케일러 종속의 학습효과가, 이제 칩 다변화·자체 개발·네오클라우드 투자로 이어지고 있다는 설명이다.

🔓 오픈소스 vs 클로즈드 — "Open Source Wins"의 실체 16:11 ~ 28:03

제이슨은 최근 몇 주간 오픈소스가 급부상했다며, 자신도 Claude 토큰을 소진하다가 Kimi(Kimmy)로 스마트 라우팅을 시작했더니 "차이를 거의 못 느꼈다"고 말한다. 펠드먼은 이를 페라리와 미니밴 비유로 정리한다.

규제와 안전 이슈도 화제에 오른다. 정부가 특정 프론티어 모델의 단계적 공개(phased rollout)를 요청한 사례를 두고, 펠드먼은 "제약 산업에서도 강력한 신약은 단계적으로 내놓는다"며 이례적인 요구가 아니라고 옹호한다. 그는 Palo Alto Networks CEO와의 대화를 인용해 "신형 모델을 자사 보안 소프트웨어에 붙여보니 한 시간 만에 수십 개의 치명적 취약점(critical opens)이 발견됐고, 6주간 모든 업무를 멈추고 패치만 해야 했다"는 일화를 전한다.

🧠 AGI Is Here — Feldman의 초지능 로드맵 28:03 ~ 41:36

이 에피소드 제목의 핵심 문장이 여기서 나온다. 펠드먼은 "AGI, 우리는 이미 거기 도달했다고 본다. 다만 아직 완전히 배포(deploy)하지 않았을 뿐"이라고 단언한다. 20년 전 우리가 세웠던 '일반인공지능'의 어떤 정의를 갖다 대도, 지금의 모델은 이미 그 기준을 넘어섰다는 논리다. 튜링 테스트는 "가볍게 날려버렸다"고 표현한다.

대화는 곧 "재귀적 학습(recursive learning)"과 초지능으로 이어진다. 펠드먼은 "질문하고, 결과에서 배우고, 다시 질문하면 답이 조금 나아지는 게 아니라 훨씬 나아진다"며, 이 재귀 루프의 기울기가 지수적이라 어디서 멈출지 아무도 모른다고 말한다. 흥미로운 지점은 이 과정에서 병목이 '지적 난제'가 아니라 '사람 문제(people problem)'로 옮겨간다는 관찰이다. "리더는 결국 팀에 WD40을 뿌리는 마찰 제거자"라는 표현을 쓴다.

중세 석공 가문이 3~4세대에 걸쳐 대성당을 지으며 지식을 물려준 것처럼, AI는 이 세대 간 학습 주기를 초파리(하루 두 세대) 수준으로 압축한다는 비유도 나온다. 펠드먼은 이 기술의 낙관적 전망을 다음과 같이 요약한다.

🎨 Black Forest Labs — 이미지·비디오·피지컬 AI 41:36 ~ 46:47

두 번째 게스트는 로빈 로마흐(Robin Rombach), Black Forest Labs 공동창업자 겸 CEO다. 독일 흑림(Black Forest) 지역의 소도시 프라이부르크(Freiburg) 출신으로, 회사명도 여기서 따왔다. 뮌헨에서 박사과정을 밟던 시절 동료들과 잠재확산(latent diffusion) 알고리즘을 발명했는데, 이는 오늘날 이미지·비디오·심지어 피지컬 AI에 쓰이는 생성모델의 기초 알고리즘이다. 이후 Stable Diffusion 개발에 참여했고, 2년 전 Black Forest Labs를 창업해 오픈소스 모델 Flux와 몇몇 클로즈드 모델을 함께 내놓고 있다.

생성형 AI에 대한 오랜 비판 — "슬롯머신처럼 프롬프트를 넣으면 뭔가 튀어나올 뿐, 통제가 안 된다" — 에 대해 로마흐는 텍스트→이미지에서 이미지+텍스트→이미지 편집, 나아가 여러 이미지+텍스트를 의미론적으로 조합하는 단계로 모델이 진화해왔고, 같은 원리가 비디오에도 적용되고 있다고 답한다. 로봇 학습 데이터에 대해선 "궁극적으로는 언어모델처럼 그 자리에서(in context) 로봇에 지시할 수 있는 단계를 지향하지만 아직 거기까지는 아니고, 현재는 소량의 파인튜닝 데이터로 특정 하드웨어에 맞추는 방식"이라고 설명한다.

🎬 Scorsese's AI Toolkit — 할리우드와 IP의 미래 46:47 ~ 64:00

가장 화제성 있는 대목은 마틴 스코세이지(Martin Scorsese)와의 협업이다. 로마흐는 "그는 살아있는 최고의 감독 중 한 명인데, 그가 직접 우리 모델을 탐색하는 걸 옆에서 지켜보는 건 비현실적인 경험이었다"고 말한다. 실제 작업 과정은 스코세이지가 머릿속에 있는 장면(예: 동유럽 어느 마을의 풍경)을 설명하면, 모델이 이미지를 생성하고, 그걸 보며 다시 반복 수정(iterate)하는 방식이었다.

실제 프로덕션 사례도 등장한다. 원더우먼을 연기했던 배우가 출연한 비트코인 소재 영화는 그린스크린이나 실제 세트 없이 사운드스테이지에서 배우만 연기하고, 배경은 전부 생성형 AI로 채웠다. 세트를 지었다면 예산이 1억5000만 달러까지 뛰어 "영화 자체가 그린라이트를 못 받았을 것"이지만, 실제로는 3000만 달러로 완성됐다는 것이 제이슨의 전언이다.

IP 문제에 대해 로마흐는 "공개용 툴에서는 특정 IP를 아예 생성하지 못하도록 막아두고, 대신 IP 보유사와 직접 협업해 오픈모델 또는 더 강력한 독점 모델 기반으로 맞춤 모델을 개발한다"는 정책을 설명한다. 제이슨은 스타워즈 팬필름 사례를 든다. 조지 루카스가 "상업적으로 쓰지 않는 한" 팬들의 제다이 영화 제작을 허용했고, 이제는 AI로 만든 "Star Wars Stories Untold" 같은 채널이 영상 하나당 수백만 조회수를 기록한다. 제이슨은 이를 "IP 보유사가 라이선스료·이용료를 받고 팬들의 창의성을 풀어주는 미래 모델"로 전망하고, 로마흐도 "IP 소유자를 만족시키면서도 창의적 커스터마이징을 가능케 하는 모델을 찾는 게 관건"이라고 동의한다.