State of AI in 2026 — LLMs·Coding·Scaling·China·Agents·GPUs·AGI

🌏 DeepSeek 모먼트 — 미국 vs 중국, 오픈웨이트가 만드는 전장 0:00 ~ 0:30

대담은 “DeepSeek 모먼트(2025년 1월 공개된 DeepSeek R1)”를 기점으로 2026년 판도를 정리한다. “기술력 1등”이라는 단선적 비교보다, 오픈웨이트 공개가 생태계(개발자·스타트업·기업 도입) 전체에 미치는 파급이 핵심 변수로 반복 언급된다.

미국은 소비자/기업 소프트웨어의 유료 구독·엔터프라이즈 시장이 강하고, 중국은 오픈웨이트를 통해 글로벌 채택(특히 미국 내 호스팅·재판매 포함)을 넓히며 영향력을 확보하려는 동기가 강하다는 진단.

🧠 프런티어 랩 판도 — Claude Opus·Gemini·GPT, ‘차별화는 운영’ 0:30 ~ 1:00

2026년 초 체감 ‘와우’는 Anthropic Claude Opus 4.5에 쏠렸다는 언급이 나오지만, 동시에 X(트위터) 에코체임버의 과대평가 가능성도 짚는다. 대중적으로는 여전히 ChatGPT/Gemini의 “근육기억(muscle memory)”과 브랜드가 강력한 분배(Distribution) 수단.

또 하나의 축은 인프라. Google의 TPU/데이터센터 축적은 “NVIDIA 마진을 회피”할 수 있는 구조적 장점으로 논의된다. 반면 OpenAI는 ‘늘 GPU가 모자라다’는 내러티브가 반복되며, 오픈웨이트 릴리스가 사용자 GPU를 활용해 분산시키는 효과가 있다는 지적도 나온다.

🧬 데이터·학습 파이프라인 — Pre/Mid/Post + 합성데이터 + 라이선스 1:00 ~ 1:30

대화 중 가장 실전적인 파트 중 하나는 “모델 성능을 당기는 레버”를 Pre-training / Mid-training / Post-training으로 나눠 설명하는 부분이다. 포인트는 단순히 파라미터를 키우는 것보다 데이터 믹스와 후처리(정렬/보상)로 능력 언락이 발생한다는 것.

‘합성데이터’도 한 덩어리가 아니다. PDF OCR(스캔 문서에서 텍스트 추출)처럼 웹에 존재하지만 바로 학습에 쓰기 어려운 데이터를 회수하는 것도 합성데이터로 분류될 수 있고, Q&A 재구성/요약 등 구조화도 포함된다.

또한 EU 컴플라이언스 등으로 라이선스 기반 데이터셋에 대한 관심이 높아졌고, 이는 “모델이 무엇을 먹었는가”를 더더욱 비공개로 만드는 인센티브(법/경쟁)를 강화한다는 대목도 나온다.

📈 스케일링 법칙 2026 — RLVR·추론시간 스케일링, GPU/전력의 병목 1:30 ~ 2:00

스케일링은 “끝났나?”라는 질문에 대한 답은 복합적이다. 기술적으로는 스케일링 법칙이 13 orders of magnitude 동안 성립해왔다는 관찰을 언급하며 “왜 갑자기 멈추겠냐”는 쪽에 기운다. 다만 2026년의 핵심은 ‘가능’보다 ‘경제성/운영’이다.

대담에서 반복되는 메시지: 훈련비는 ‘한 번’이지만, 서빙(추론)은 ‘매 쿼리’ 과금이다. “수억 명에게 생각(extended thinking)하는 모델을 어떻게 서비스하나”는 시스템 문제로 귀결.

2026년에 대해선 Blackwell 기반 ‘기가와트 스케일’ 컴퓨트 클러스터가 가시화되고(전력·데이터센터 계약은 2022~2023년에 이미 진행), xAI가 1GW(초반) → 2GW(연말) 같은 규모를 활용할 것이라는 ‘보도/전언’도 언급된다.

또 ‘대규모 RL의 단위 실험 비용’ 예시로 10,000 B200 hours 같은 수치가 언급된다(개별 실험이 수천~수만 달러 단위가 될 수 있다는 취지). 대학/오픈 커뮤니티가 접근하기 어려운 영역이 넓어지는 셈.

🤖 로보틱스 & 안전 — “몸을 가진 시스템은 실패가 허용되지 않는다” 2:00 ~ 2:30

로보틱스에서는 ‘오픈 로보틱 모델 + 데이터 기여’ 생태계 가능성을 말하면서도, 가장 큰 제약으로 안전(safety)을 강조한다. LLM의 실패는 “대체로 웃고 넘길” 수 있지만, 집/공장/도로에서 움직이는 시스템은 거의 실패가 허용되지 않는다는 점.

입장은 명확하다: 가정용 학습 로봇(consumer in-home)에는 매우 보수적(베어리시), 대신 자율주행과 로봇 우선 설계된 물류센터(예: 아마존) 같은 ‘환경이 통제된 자동화’에는 더 낙관적.

⏳ AGI/ASI 타임라인 — 정의 싸움, AI 2027 시나리오, ‘GDP 점프’ 2:30 ~ 3:00

AGI/ASI는 “정의부터 합의가 없다”로 시작한다. 한쪽은 원격 지식노동자(remote worker) 대체를 기준으로 잡고, 다른 쪽은 예상치 못한 과학적 발견 같은 상위 능력을 기준으로 잡는다.

AI 2027(‘AI 27’) 시나리오 문서에 대해선, 초안 예측이 2027~2028이었다가 3~4년 뒤로 밀려 2031로 이동했다는 언급이 나오며, 패널은 “2031 이후일 수도”라는 쪽에 더 무게를 둔다.

🛠️ 코딩·에이전트 — 산업화와 스펙(spec) 능력의 귀환 3:00 ~ 3:30

코딩은 2026년 AI의 ‘가장 큰 상업적 전장’으로 그려진다. “AI 에이전트가 sloppy(허술하다)”에서, 누구나 소프트웨어를 만드는 산업화(industrialization)로 기류가 급변했다는 발언이 나온다.

다만 완전 자율화는 “모델이 못 해서”가 아니라 사람이 스펙을 못 쓰기 때문이라는 관점이 인상적이다. 자연어로 요구사항을 명확히 쓰고, 피드백 루프를 운영하는 능력이 중요해진다.

Slack은 “에이전트 대시보드”로 언급된다. 여러 에이전트가 시도하고, 사람이 리뷰/피드백하는 형태. 이는 향후 ‘직무’가 구현(코드)보다 시스템 설계·목표 정의로 이동할 수 있음을 시사한다.

💼 돈의 흐름 — 광고/구독, M&A·라이선싱 딜 3:30 ~ 4:00

비즈니스에서는 “광고가 들어오는 순간”에 대한 긴장이 뚜렷하다. LLM이 여행/구매 같은 실시간 의사결정을 돕는 순간, 광고 인센티브가 답변을 오염시킬 수 있다는 우려. 동시에 광고가 R&D를 지속시키는 강력한 재원이라는 현실도 인정한다(YouTube 사례 인용).

M&A/딜 구조에서는 ‘인수’보다 라이선싱/인력 흡수형 딜이 늘어 실리콘밸리 문화(직원 지분 정산)에 부정적일 수 있다는 문제의식이 나온다.

또 하나의 투자 힌트: “에이전트/코딩 제품”은 사용자 데이터를 확보한 플레이어가 유리해질 가능성이 크고, 반대로 “단순 API만 제공”하는 회사는 상품화(commoditization) 압력을 받을 수 있다는 논의가 이어진다.

🔓 오픈소스·규제 — ‘금지’는 가능한가, 다중 에이전트/네트워크 4:00 ~ 4:30

오픈웨이트 공개를 안전 때문에 금지하자는 주장에 대해선, 실효성에 회의적이다. “금지를 하려면 미국도 사실상 자국형 방화벽(‘Great Firewall’) 수준의 인터넷 재구성이 필요”하고, 1~100M 달러 수준의 학습 비용은 세계 곳곳에서 달성 가능해 완전 차단은 어렵다는 요지.

흥미로운 비유로 “데이터센터 안의 many AGIs”가 나온다. 단일 ‘모델 1개’가 모든 것을 지배하기보다, 서로 다른 에이전트/클라우드가 분업하고 네트워크로 연결되는 방향. 이는 컴퓨트뿐 아니라 네트워킹이 또 하나의 스케일링 레버가 됨을 시사한다.