인터뷰/예측
샘 알트만 “우리는 지능을 세상에 넘치게 공급하려고 한다.”
“전 세계의 인지 능력(cognitive capacity)이 데이터 센터 '외부(인간)'보다 데이터 센터 '내부'에 더 많아지는 시점은 언제인가입니다. 엄청난 오차 범위가 있을 수 있고 제가 완전히 틀렸을 수도 있지만, 아마 2028년 후반쯤에는 일어날 수도 있을 것 같습니다. 이것은 세상의 엄청난 변화입니다.”
“지난 몇 달 사이 어딘가에서 우리는 major economic utility를 넘었다”
“AI 소프트웨어 엔지니어를 몇 시간짜리 작업엔 믿을 수 있다” 그리고 곧 “멀티데이 task, 멀티위크 task”
샘 알트만 인터뷰 핵심 정리
1️⃣ 우리는 이미 “경제적 유틸리티 단계”에 들어왔다
알트만은 AI가 실험 단계를 넘어 실제 경제적 가치 창출 단계로 들어왔다고 말합니다.“지난 몇 달 사이 어딘가에서 우리는 AI 모델이 주요한 경제적 유틸리티를 갖는 단계를 넘어섰다고 생각합니다.”
그는 특히 코딩 분야에서 가장 눈에 띄게 나타나고 있다고 설명합니다.
“사람들은 지금 이렇게 말합니다.
‘몇 년 뒤에나 가능할 줄 알았던 일이 지금 일어나고 있다.’”
또한 지식 노동 전반에서 동일한 일이 벌어지고 있다고 합니다.
“사람들의 일은 직접 기술 작업을 하는 것에서
AI 에이전트 팀을 관리하는 일로 바뀌고 있습니다.”
2️⃣ AI는 곧 “며칠·몇 주짜리 작업”을 맡게 된다
현재 AI가 맡을 수 있는 작업의 길이는 계속 늘어나고 있다고 합니다.현재:
- 몇 시간짜리 작업 가능
- 며칠짜리 작업
“곧 AI는 여러분의 삶이나 회사에 연결되어
항상 생각하고 일하는 존재처럼 느껴질 것입니다.”
즉
“마치 신뢰하는 시니어 직원처럼 일을 처리하는 시스템이 될 것입니다.”
3️⃣ AGI는 이미 의미 없는 단어가 됐다
알트만은 AGI 논쟁에 대해 매우 흥미로운 말을 합니다.“이 시점에서 AGI라는 단어는 별 의미가 없어졌습니다.”
사람마다 정의가 다르기 때문입니다.
- 어떤 사람: 이미 AGI
- 어떤 사람: 거의 도달
- 어떤 사람: 아직 멀다
4️⃣ 첫 번째 임계점
“데이터센터의 지능 > 인간 지능”
“세계의 인지 능력 중 더 많은 부분이 데이터센터 안에 존재하는 시점”
그는 이 시점을 다음처럼 예상합니다.
“엄청난 오차 범위가 있지만
2028년 말쯤 가능할 수도 있습니다.”
이것은 인류 역사에서 엄청난 변화라고 합니다.
5️⃣ 두 번째 임계점
AI 없이 중요한 직업을 수행할 수 없는 시점
예시- CEO
- 대통령
- 노벨상급 과학자
“이 사람들이 AI를 강하게 사용하지 않으면 일을 할 수 없는 시점”
예를 들어 CEO 역할을 보면
“어떤 CEO도 모든 직원과 대화하고
모든 고객을 이해하고
모든 분야의 전문가가 될 수 없습니다.”
그래서 앞으로 CEO의 역할은
“AI들을 감독하고
결과를 검증하고
방향을 제시하는 것”
이 됩니다.
6️⃣ AI 회사들의 핵심 사업 모델
알트만은 매우 중요한 말을 합니다.“모델 회사들의 비즈니스는 결국
토큰 판매 사업이 될 것입니다.”
즉 AI는
“전기나 수도 같은 유틸리티 산업이 될 것입니다.”
그리고 그는 OpenAI의 철학을 이렇게 말합니다.
“우리는 세상에 지능을 넘치게 공급하고 싶습니다.”
목표는
“지능을 계량할 필요도 없을 정도로 싸게 만드는 것”
7️⃣ AI 인프라 비용은 상상을 초월한다
알트만은 AI 산업이 가진 특이성을 설명합니다.“나는 이런 산업을 본 적이 없습니다.”
왜냐하면
- 엄청난 인프라 필요
- 수년 전부터 투자
- 막대한 전력 필요
“우리는 수익보다 먼저 인프라에 엄청난 돈을 씁니다.”
8️⃣ 모델 비용이 1000배 줄었다
알트만이 강조한 부분입니다.첫 reasoning 모델
→ o1
현재 모델
→ 5.4
같은 문제를 풀 때 비용 변화:
“약 1000배 비용 감소가 있었습니다.”
그는 이것을 보고 이렇게 말합니다.
“이것은 우리가 아직 초기 단계라는 증거입니다.”
9️⃣ AI 산업의 진짜 병목: 사람
AI 산업에서 부족한 것은 의외로 이것입니다.“숙련된 건설 노동자”
데이터센터 건설에 필요한 것
- 전력 인프라
- 냉각
- GPU 랙
- 전력망
🔟 미국 vs 중국 AI 경쟁
알트만의 분석은 꽤 균형적입니다.미국
- 가장 강력한 모델
- 인프라
중국
- 더 저렴한 inference
- 오픈소스
“전체적으로는 미국이 약간 앞서 있습니다.”
하지만 중국은
“훨씬 빠르게 산업화하고 있습니다.”
11️⃣ 인도 스타트업이 가장 공격적
알트만이 놀랐다고 말한 부분입니다.“인도 스타트업은 1인 스타트업도 아니고
0인 스타트업을 만들려고 합니다.”
즉
“프롬프트 하나로
회사 전체를 운영하는 스타트업”
그리고 창업자는
“휴가를 가겠다.”
12️⃣ AI는 “희소성 경제 → 풍요 경제”로 바꾼다
알트만이 가장 철학적으로 말한 부분입니다.지금까지 인류 사회는
“희소성을 관리하는 사회 시스템”
이었습니다.
하지만 AI는
“풍요를 관리하는 사회”
를 만들 수 있습니다.
13️⃣ GDP가 오히려 떨어질 수도 있다
놀라운 주장입니다.“삶의 질은 계속 좋아지는데
GDP는 계속 떨어질 수도 있습니다.”
왜냐하면
- AI가 많은 일을 거의 무료로 해버리기 때문입니다.
“GDP와 삶의 질의 관계 자체가 바뀔 수 있습니다.”
14️⃣ 앞으로 몇 년은 매우 혼란스러울 것
알트만의 결론입니다.“나는 장기적으로 일자리 비관론자가 아닙니다.”
하지만
“앞으로 몇 년은 고통스러운 전환기가 될 것입니다.”
왜냐하면 동시에 많은 것이 변하기 때문입니다.
- 노동 vs 자본 구조
- 경제 측정 방식
- 기업 구조
- 정치
🔎 이 인터뷰에서 가장 중요한 문장
알트만이 한 말 중 핵심은 이것입니다.“우리는 지능을 세상에 넘치게 공급하려고 한다.”
그리고
“지능은 전기처럼 사용되는 유틸리티가 될 것이다.”
전체 내용
진행자:
다시 인사드립니다. 제가 이 일을 계속하다 보니 '60분(60 Minutes, 미국 시사 프로그램)'에 공석이 생겼다고 하더군요. 어쩌면 제가... 이 투자 일이 잘 안 풀리면 그 일을 할 수도 있겠네요. (농담)
또 하나의 완전한 사실 공개(full disclosure)를 하자면, 샘은 제 친구이자 저 역시 OpenAI의 이사회 멤버라는 점입니다. 그러니 약속드리건대 그에게 쉬운 질문(softball questions)만 던지지는 않을 것입니다. 제 내면의 브렛 베이어(Bret Baier)와 앤더슨 쿠퍼(Anderson Cooper, 유명 언론인들)를 끌어내어 질문하겠습니다.
샘은 앞서 말씀드린 대로 OpenAI의 CEO이자 창립자 중 한 명입니다. 이전에는 Y Combinator의 사장으로 재직하며 세계에서 가장 영향력 있는 스타트업 액셀러레이터를 확장하는 데 기여했고, 전체 산업을 재편하는 기업들에게 조언을 제공했습니다. OpenAI에서 샘은 인류의 이익을 위해 인공지능을 발전시키는 최전선에 서 있었음이 분명하며, 수백만 명의 사람들... 몇 명이죠? 8, 9억 명의 사람들이 사용하는 ChatGPT와 전 세계 기업들에게 최첨단 AI 도구를 제공하는 데 기여하고 있습니다.
자, 샘. 모든 사람의 마음속에 있는 질문이라고 생각하는 것부터 시작하겠습니다. 현재 AI의 세계에서 우리는 오늘 어디쯤 와 있습니까?
샘 알트만:
제 생각에 지난 몇 달 사이 어느 시점에, 우리는 이 모델들의 **'중대한 경제적 효용성'**이라는 임계점을 확실히 넘어섰다고 봅니다. 조금 더 일찍 일어났을 수도 있지만, 우리가 이것들을 어떻게 사용해야 할지 알아내기 전까지 엄청난 지연 기간(overhang)이 있었습니다. 모델을 계속해서 더 똑똑하게 만들어야 했을 뿐만 아니라, 사용하기 쉽게 만드는 일종의 기반 작업(plumbing)을 파악해야 했기 때문입니다.
이제 우리는 이 모델들이 할 수 있는 작업으로 사람들을 경악하게 만드는 세상에 와 있습니다. 그리고 이것이 코딩 분야에서 가장 두드러졌다고 생각합니다. 하지만 과학 분야에서도 일어나고 있고, 지식 노동의 여러 분야에서도 일어나고 있습니다. 방향 감각을 잃게 만드는 속도(disorienting speed)로 말이죠. 사람들이 "와, 아직 몇 년은 더 걸릴 줄 알았던 일들이 지금 당장 일어나고 있네"라고 말할 정도입니다.
그리고 사람들의 업무는, 직접적인 기술 업무나 법률 업무를 수행하는 것에서, 이런 작업을 수행하는 AI 에이전트 팀을 관리하는 것으로 바뀌었습니다. 이것은 앞으로 훨씬 더 발전할 것입니다. 제 생각에 우리는 그 성장 곡선의 매우 가파른 구간에 진입해 있습니다. 지금은 AI 소프트웨어 엔지니어에게 수 시간짜리 작업을 믿고 맡길 수 있다면, 아주 곧 수일짜리 작업이 될 것이고, 그다음엔 수주짜리 작업이 될 것입니다.
그리고 그 후 멀지 않아 패러다임이 다시 한번 바뀔 것이라 생각합니다. 마치 이 AI 시스템들이 여러분의 삶이나 회사 등에 완전히 연결되어, 항상 선제적(proactively)으로 생각하고 일하며, 알아야 할 모든 것에 대한 완전한 컨텍스트(맥락)를 가지고, 마치 고위 직원에게 믿고 맡길 법한 일들을 그냥 알아서 처리하는 것처럼 느껴질 것입니다.
진행자:
그렇다면 기업들이 이 시스템이 자신들을 어떻게 도울 수 있는지, 그리고 자신들의 비즈니스 방식을 어떻게 재창조할 수 있는지 제대로 이해하고 있다고 생각하십니까?
샘 알트만:
어떤 곳은 이해하고 어떤 곳은 그렇지 않습니다. 확실히 새로운 세대의 스타트업들은 이전 세대의 어떤 스타트업들보다 다르게 생각합니다. 예전에는 우리가 스타트업들과 이야기할 때 그들은 직원이 몇 명이나 필요한지에 대해 이야기하곤 했습니다. 이제 그들은 대체로 사람을 많이 고용하고 싶어 하지 않습니다. 채용이 자신들을 느리게 만들 거라고 생각하죠. 그들은 오직 **'컴퓨팅 자원(compute)을 얼마나 확보할 수 있는지'**에만 집중합니다. "제가 이만큼의 용량을 예약할 수 있을까요?", "그것을 위해 클라우드 계약을 할 수 있을까요?", "토큰을 이만큼 얻을 수 있을까요?" 이런 식이죠.
저는 그것이 대기업들이 더 천천히 겪고 있는 멘탈리티의 변화라고 생각하지만, 일부 대기업들도 시작하고 있습니다. 이런 변화가 일어나고 있는 걸 볼 수 있는 한 곳은 엔지니어링 조직과 제품 조직들입니다. 그들은 올해 출시할 계획인 제품의 양을 두 배, 세 배로 늘리겠다고 이야기하고 있습니다. 이런 일은 전에는 없었던 일입니다.
진행자:
그리고 당신은 인공 일반 지능(AGI)이 늦기보다는 꽤 빨리 올 것이라고 상당히 목소리를 높여 말씀해 오셨습니다. 우리가 얼마나 가까이 와 있는지, 얼마나 빨리 올 것인지에 대한 당신의 견해를 공유해 주시겠습니까?
샘 알트만:
현시점에서는 AGI의 정의가 정말 중요하다고 생각합니다. 어떤 사람들은 우리가 이미 도달했다고 말하고, 어떤 사람들은 매우 가깝다고 하며, 어떤 사람들은 아직 1년 정도는 남았다고 말합니다. 어쨌든 그 단어 자체는 큰 의미를 잃어가고 있습니다. 대신 우리가 이야기해 볼 수 있는 흥미로운 두 가지 임계점(threshold)이 있을 것 같습니다.
첫째, 전 세계의 인지 능력(cognitive capacity)이 데이터 센터 '외부(인간)'보다 데이터 센터 '내부'에 더 많아지는 시점은 언제인가입니다. 엄청난 오차 범위가 있을 수 있고 제가 완전히 틀렸을 수도 있지만, 아마 2028년 후반쯤에는 일어날 수도 있을 것 같습니다. 이것은 세상의 엄청난 변화입니다.
둘째, 대기업의 CEO, 주요 국가의 대통령, 노벨상 수상 과학자가 언제쯤 AI를 과도하게 사용하지 않고서는 자신의 일을 할 수 없게 되는가입니다. 이것이 AI CEO나 AI 대통령이 생길 것이라는 뜻은 아닙니다. 예를 들어 제 직업을 생각할 때, 인간 CEO의 역할이 꽤 달라질 것이라는 뜻입니다. 결정을 책임지고, 인간적인 판단을 행사하며, 중요한 조직을 운영하는 사람에게 기대하는 이해를 갖춘 사람은 여전히 필요합니다.
하지만 제가 AI에 점점 더 의존해야만 하는 실제 업무 부분들이 생길 것입니다. 어떤 인간도 혼자서는 할 수 없기 때문입니다. 어떤 인간 CEO도 회사의 모든 직원, 모든 고객과 이야기할 수 없고, 모든 회의에 참석할 수 없으며, 모든 분야의 전문가가 될 수는 없습니다. 그래서 점점 더 이런 일들은 많은 AI를 감독하고, 감시를 제공하며, 그 결과물을 어떻게 신뢰할지, 가이던스를 어떻게 제공할지 결정하는 일이 될 것이라 생각합니다.
AI에 대한 무거운 의존 없이는 대규모 조직을 운영하는 일을 정말 하고 싶지 않아질 그 시점은, 제 생각엔 또 다른 종류의 흥미로운 임계점이며, 시간이 조금 더 걸릴 수는 있겠지만 아마 아주 오래 걸리지는 않을 것입니다.
진행자:
본인의 일을 하시면서, 우리가 OpenAI에서 개발 중인 에이전트와 인공지능에 스스로 얼마나 의존하고 있다고 느끼십니까?
샘 알트만:
놀라울 정도로 빠르게 증가하고 있습니다. 만약 저에게 비즈니스 모델, 전략의 변화, 새로운 제품 제공에 대한 아이디어가 떠오른다면, 제가 다른 누군가에게 의견을 묻기도 전에 가장 먼저 하는 일은 우리 도구(AI)에게 물어보는 것입니다.
그리고 AI가 더 많은 컨텍스트를 얻게 됨에 따라—저는 이것이 실제로 일어날 다음 번의 큰 변화(next big thing)라고 생각하는데요—우리 회사의 모든 내부 문서, 커뮤니케이션, 코드, 고객 데이터 등 모든 것에 접근하여 우리 회사의 '전체 컨텍스트'에 근접하게 될수록, 그들이 내놓는 답변, 생각 등 품질은 점점 더 좋아집니다.
진행자:
그럼 주제를 조금 바꿔보죠. 2주 전에 당신은 1,100억 달러 규모의 펀딩 라운드(기업 가치 등)를 발표했습니다. 제가 ChatGPT에게 그 규모가 공개 시장에서 이루어진 다른 어떤 자금 조달과 어떻게 비교되는지 물어보았습니다.
(샘 알트만: 사실 저도 잘 모릅니다.)
4배나 더 컸습니다. 역대 가장 컸던 공모가 몇 년 전 아람코(Aramco)가 했던 대략 250억 달러 규모였습니다. 공개 시장은 가장 광범위하고 깊은 자본의 원천으로 여겨지는데 말이죠. 세 곳의 전략적 파트너로 아마존, 엔비디아, 그리고 소프트뱅크가 있었습니다.
이에 대해 조금 말씀해 주시죠. 이것이 회사의 어떤 변곡점이 되나요? 그리고 사람들이 묻는 질문인데, 도대체 그 많은 돈을 어디에 쓰고 있습니까?
샘 알트만:
이 비즈니스에는 힘든 부분이 많지만, 가장 힘든 것 중 하나는 인프라가 너무 비싸다는 것입니다. 인프라가 엄청나게 많이 필요하고, 아주 먼 미래를 내다보고 미리 확약을 해야 합니다. 저는 역사상 이와 완전히 똑같은 산업을 본 적이 없습니다. 물론 역사적으로 자본 집약적인 산업은 분명 많았지만, 앞으로 미래에 우리 앞에 놓인 것들을 보면, 만약 이 성장 곡선이 지금 보이는 것만큼 계속 가파르다면, 우리는 상당히 이례적인 일들을 해야만 합니다.
OpenAI는 꽤 이상해 보이는 일들을 많이 합니다. 우리는 수익이 발생하기 한참 전부터 인프라에 엄청난 돈을 씁니다. 우리가 할 수 있는 가장 수익성 높은 일이 아닐 것 같아 보이는, 예를 들어 광고 같은 새로운 비즈니스 모델을 시도하기도 합니다.
하지만 우리는 **'지능의 풍요(abundance of intelligence)'**에 대한 근본적인 믿음을 가지고 있습니다. 미래에 가장 중요한 것 중 하나는 우리가 지능을—과거 에너지 산업에서 썼지만 잘 작동하지 않았던 오래된 표현을 빌리자면—'계량하기엔 너무 저렴하게(too cheap to meter)' 만드는 것입니다. 우리는 세상을 지능으로 넘치게 하고 싶습니다. 사람들이 모든 일에 그것을 사용하기를 바라고, 미래 세대가 그것에 대해 생각조차 하지 않을 정도로 어디에나 있을 것이라 기대하며, 모든 사람이 자신이 필요한 어떤 분야에서든 필요한 만큼의 '천재들'에 접근할 수 있게 되기를 원합니다.
우리의 최고의 가이드 원칙 중 하나인 이 원칙은, 다른 회사들에게는 부자연스러워 보일 수 있는 많은 행동들을 이끌어냅니다. 그중 하나는, 우리가 하는 일을 바꾸지 않으면 계속 그 궤도에 머물게 될 '항상 용량 제한을 받는 세상'에서 정말로 벗어나고 싶어 한다는 점입니다.
진행자:
용량 제한이라는 건 컴퓨팅(compute)을 말씀하시는 거죠? (샘 알트만: 네.)
그리고 저는 당신이 **"컴퓨팅이 곧 수익이다"**라고 자주 말하는 것을 들었습니다. 당신이 그것에 대해 어떻게 생각하는지 조금 이야기해 주시겠습니까?
샘 알트만:
근본적으로 우리의 비즈니스, 그리고 다른 모든 모델 제공자들의 비즈니스는 **'토큰(tokens)을 판매하는 것'**이 될 것입니다. 그 토큰들은 더 비싸거나 덜 비싸게 만드는 크고 작은 모델에서 나올 수도 있고, 추론을 더 하거나 덜 함으로써 가격이 달라질 수도 있습니다. 백그라운드에서 당신을 도우려고 항상 실행되고 있을 수도 있고, 비용을 덜 내고 싶다면 필요할 때만 실행될 수도 있습니다. 단 하나의 정말 가치 있는 문제에 수천만, 수억, 언젠가는 수십억 달러의 연산을 쓸 수도 있겠죠.
하지만 우리는 인공지능이 전기나 물 같은 유틸리티(공공재)가 되는 미래를 봅니다. 사람들이 우리에게서 미터기(종량제)로 그것을 구매하고, 자신들이 원하는 어떤 용도로든 사용하는 세상 말입니다. 우리가 보는 그 수요는 계속해서 이렇게 상승할 것 같습니다.
만약 우리가 충분한 용량을 갖지 못한다면, 우리는 그것을 팔지 못하거나 가격이 너무 높아져서 부자들에게만 돌아가거나, 아니면 사회가 "제한된 컴퓨팅 공급을 이것에는 쓰고 저것에는 쓰지 않겠다"라는 식의, 거의 항상 나쁜 결과를 낳는 일련의 중앙 통제 계획을 내리게 될 것입니다. 그래서 자본주의와 혁신의 역사를 통틀어 제게 가장 좋은 방법은, 그냥 시장에 공급을 넘치게 하는 것(flood the market)입니다.
진행자:
그리고 당연히 그 컴퓨팅 수요를 해결하기 위한 핵심적인 부분이 바로 **스타게이트(Stargate)**입니다. 여기는 인프라 컨퍼런스이고, 당신이 그것을 몇 달 전, 제 생각엔 거의 1년 전쯤 발표했었죠. (샘 알트만: 네.) 미국에서는 어떻게 진행되고 있습니까? 그리고 아부다비(UAE)에도 관련 인프라가 있는 걸로 아는데 거기는 어떻게 진행되고 있습니까?
샘 알트만:
솔직히 이 직업에는 멋진 부분들이 많지만, 가장 멋진 것 중 하나는 건설 중이거나 운영 중인 이 메가 데이터센터들을 방문할 수 있다는 점입니다. 이 기가와트(gigawatt) 캠퍼스들의 규모는 정말 말로 설명하기 어렵습니다. 사진을 보면 "오, 크긴 크네"라고 생각하죠. 그리고 막상 그곳에 가서 건물과 건물을 걸어 다니며 보면, 1만 명의 사람들이 온갖 다양한 전문 기술로 다양한 일들을 하고 있습니다. 내부는 마치 우주선처럼 생겼고, 정말이지 꽤 믿을 수 없을 정도입니다.
우리는 지금 텍사스 애빌린(Abilene)의 첫 번째 사이트에서 훈련을 진행하고 있습니다. 세계에서 가장 뛰어난 모델이 될 것이며, 가급적이면 다른 모델들과 큰 격차로 앞서기를 바랍니다. 건설 중일 때 수차례 방문하면서 그 규모와 엄청난 복잡성을 체감했던 과정부터, 마침내 OpenAI의 연구원 한 명이 명령어 하나를 치고 엔터키를 누르는 그날까지의 과정은 정말 놀랍습니다. 믿을 수 없을 만큼 많은 수의 GPU들이 돌아가기 시작하고 이 거대한 단일 연산을 다 함께 시작하는 것은 매우 멋진 일입니다.
진행자:
이 프로젝트를 가동하고 향후 확장해 나가는 데 있어서 가장 기분 좋았던 놀라움과 가장 힘들었던 점은 무엇이었습니까?
샘 알트만:
모든 예상된 도전 과제들이 있었고, 알려지지 않은 미지의 문제들도 있었습니다. 애빌린에 우리가 계획했던 범위를 벗어난 엄청난 기상이변(폭우 등)이 있어서 잠시 일이 중단된 적도 있었죠. 온갖 공급망 문제들도 있습니다. 이 정도 규모에서는 정말 많은 일들이 잘못되곤 합니다. 그렇게 복잡한 것을 24시간 내내 구축하려다 보면 온갖 문제들이 생기기 마련입니다.
긍정적인 면에서 가장 큰 놀라움 중 하나는, 이 일을 이렇게 짧은 시간 안에 해내기 위해 얼마나 많은 다양한 조직들이 함께 모여야 했는가 하는 점입니다. 그리고 그 엄청난 압박 속에서도 우리 모두가 결국 '하나의 팀'으로 일하게 된 그 과정이 정말 놀라웠습니다.
진행자:
그리고 당연히 전력 수요(power demand) 부분이 많은 사람들이 집중하고 있는 문제입니다. 우리가 미국에서 먼저 그 과제를 해결할 수 있을 것이라 낙관하십니까?
샘 알트만:
장기적으로는 낙관합니다. 저는 우리가 막대한 양의 전력을 생산하는 방법을 알아낼 것이라 믿어 의심치 않으며, 물론 AI가 이를 도울 것입니다. 세상이 직면한 포트폴리오를 보면, 가스, 태양광, 원자력 분열, 핵융합 등이 있습니다. 저는 우리가 할 수 있을 것, 그리고 결국 하게 될 일에 대해 긍정적으로 생각합니다.
하지만 우리가 보고 있는 수요 증가를 고려할 때, 저는 이 모든 인프라를 구축할 시간을 벌기 위해 모델의 와트당 효율성을 훨씬 더 높이는 방법을 찾아내는 측면에서 일종의 '기적'을 바라고 있습니다. 지금까지 그 분야의 실적은 믿기 힘들 정도로 놀라웠습니다.
우리의 첫 번째 추론 모델인 o1은 16개월 전쯤 나왔고, 최신 모델(5.4 등)에 이르기까지, 똑같이 어려운 문제에 대해 동일한 답변을 얻는 데 드는 비용이 약 1,000배 감소했습니다. 어쩌면 제가 타임라인을 약간 잘못 말했을 수도 있지만, 어쨌든 단기간에 1,000배의 효율성 개선은 믿을 수 없는 성과입니다.
이것이 시사하는 바가 두 가지 있습니다. 첫째, 우리는 이 패러다임에서 여전히 너무 초기 단계에 있으며, 효율성에 대해 얻을 수 있는 이해가 아직 너무나도 많습니다. 우리는 지금도 여전히 바보 같은(dumb) 방식으로 일하고 있으며, 앞으로 점점 더 좋아질 것입니다. 둘째, 인간의 창의성, 그리고 제약 속에서 문제를 해결하는 능력은 거의 항상 우리를 놀라게 한다는 것입니다. 단지 모델만 좋아진 것이 아니라 커널 엔지니어, 전력 엔지니어, 데이터 센터 설계자들이 더 효율적인 방법을 찾아냈습니다. 사람들은 단순히 모델 측면을 넘어서서 이것을 효율적으로 만들기 위해 응답하고 있습니다.
진행자:
분명 OpenAI는 전 세계 엔비디아나 AMD의 큰 고객입니다만, 아마존과 큰 계약을 맺기도 했고 우리 자체 칩을 만들고 있죠. 그 배경에 있는 생각은 무엇입니까?
샘 알트만:
우리가 만들고 있는 칩은 '추론 전용(inference only)'입니다. 그 이면의 생각은, 우리 앞에 놓인 제약을 고려할 때 가장 빠른 추론 칩일 필요는 없지만 '가장 저렴하고 와트당 가장 효율적인' 특수 목적 칩이 미래에 우리가 보게 될 모든 에이전트 수요에 중요할 것이라는 점입니다. 그러므로 이것은 확고한 의견이 담긴 배팅이며 제한된 목적의 칩이지만, 전력 제약이 있는 세상에서 이 칩이 하는 역할은 매우 중요해질 것입니다.
진행자:
아마 설명해 주시면 좋을 것 같네요. 관객 중 모든 분들이 AI에 능통하지는 않을 테니까요. 추론 칩(inference chip)과 훈련 칩(training chip)의 차이는 무엇입니까?
샘 알트만:
죄송합니다, 먼저 설명했어야 했네요. AI 워크로드에는 두 가지 주요 단계가 있습니다. 앞으로는 결국 서로 섞이겠지만, 현재로서는 먼저 모델을 **'훈련(train)'**시킵니다. 수많은 GPU가 몇 주, 혹은 몇 달 동안 엄청난 양의 데이터를 연산합니다. 이것은 사람이 태어나 교육을 받고 대학 물리학 수준의 디테일을 이해하기까지 22년이 걸리는 것과 비슷합니다. 이 과정은 엄청나게 방대한 처리 능력이 필요하며, 그 결과로 질문을 던지고 답변을 얻을 수 있는 일종의 숫자 파일을 생성해 냅니다.
그리고 그 후에 모델에게 물리학 문제를 풀어달라고 요청하면, 그것이 바로 **'추론(inference)'**입니다. 사람과 마찬가지로 이 과정은 꽤 효율적입니다. 사람들이 "이 AI 모델들은 정말 효율적이네"라고 말할 때, 인간이 훈련하는 데 걸리는 22년과 성인이 문제를 푸는 1초를 비교하는 것입니다. 만약 모델이 문제를 푸는 것과 인간이 푸는 것을 비교한다면, 사실 모델이 이미 더 에너지 효율적일 것입니다.
진행자:
우리가 그 자체 칩을 개발하는 과정에 대해 낙관하십니까?
샘 알트만:
네, 우리는 올해 말쯤에 첫 번째 칩들을 대규모로 배포할 수 있을 것입니다. 이제 불과 몇 달 안으로 첫 번째 칩들을 돌려받게 될 것이며, 아주 훌륭할 것으로 보입니다.
진행자:
오늘 아침 북미 건축업 노동조합(NABTU)과 함께 숙련된 건설을 위한 교육 경로를 확장하는 새로운 파트너십을 발표하셨습니다. 당신과 숀 맥가비(노조 위원장)가 합의한 내용에 대해 조금 말씀해 주시겠습니까?
샘 알트만:
우리는 과거에 여러 번 AI 인프라의 필요성, 즉 발전소, 송전선, 데이터 센터, 냉각기, 랙, GPU 같은 물리적 인프라의 필요성에 대해 이야기해 왔습니다. 저는 모든 사람이 이 메가 스케일 데이터 센터를 방문해 보기를 바랍니다. ChatGPT에게 질문을 하고 답변을 받을 때, 그것을 만드는 데 필요한 스케일이 어느 정도인지 시각화하기가 정말 어렵기 때문입니다.
우리는 터빈, 변압기, 메모리 공장, 데이터 센터 등 여러 부분에서 제한을 받고 있습니다. 이 모든 것들의 공통점은 숙련된 건설 노동자들이 많이 필요한 엄청나게 복잡한 물리적 인프라라는 점입니다. 공급망의 병목이 어디에 있든 간에, 이를 가속화하기 위해 필요한 것은 결국 이 인프라를 구축할 더 많은 숙련된 건설 노동자들입니다. 저는 이것이 엄청난 일자리가 될 것이라 생각하며, 다음 세대의 미국 인프라와 경제 번영을 위한 기초를 놓을 것이라 생각합니다. 이를 빠르게 추진하기 위해 함께 일하게 되어 기쁩니다.
진행자:
사람들의 마음속에 있는 또 다른 질문은 중국과의 경쟁이라고 생각합니다. 현재 그 경쟁 상황이 어떻다고 생각하시며, 우리가 계속 앞서 나가려면 무엇을 해야 합니까?
샘 알트만:
먼저 일반적인 프레임워크에 대해 말씀드리겠습니다. 제 생각에 딥러닝의 발견은 비밀 기술을 발견한 것이라기보다는 물리학의 근본적인 성질을 발견한 것에 가깝습니다. 그 말은 언젠가는, 모델을 매우 유능하게 만드는 근본적인 아이디어들이 단순화되고 널리 알려지며 과학적 원리로서 이해될 것이라는 뜻입니다.
우리는 7년 전쯤 '스케일링 법칙'을 통해 이를 체감했습니다. 모델에 투입되는 자원과 모델의 지능 사이에 아름다운 상관관계가 있었습니다. 다른 과학 분야처럼 시간이 지남에 따라 점차 단순해지고 명확해지며, 결국 이 레시피는 영업 비밀로 남지 않고 과학적 원리로 이해될 것입니다.
역사적으로 제가 가장 좋아하는 비유는 '트랜지스터'입니다. 트랜지스터 역시 근본적인 과학적 돌파구였고, 일단 이해되자 과학적 원리는 모두에게 명확해졌습니다. 물론 TSMC처럼 아무나 할 수 없는 방대한 운영 지식과 산업적 공정의 경쟁 우위는 여전히 존재합니다. 우리 분야에서도 워크플로우 통합, 훈련 데이터, 모델의 최종 사용성, 그리고 무엇보다도 인프라를 누가 얼마나 가지고 있느냐에서 차별화가 있을 것입니다. 하지만 근본 원리는 티셔츠 한 장에 들어갈 정도로 널리 알려질 것입니다.
현재 상황을 보면, 전 세계에서 가장 뛰어난 최전선 모델에서는 미국이 리드하고 있습니다. 하지만 두 세대 이전 모델의 가장 저렴한 추론 사용 측면에서는 중국이 리드하고 있습니다. 인프라의 경우 현재 미국이 리드하고 있지만, 중국이 훨씬 더 빠르게 움직이고 있습니다. 그리고 미국은 클로즈드 소스(closed source)에서 리드하고 있고, 중국은 오픈 소스(open source)에서 리드하고 있습니다. 전체적으로는 미국이 아마도 리드하고 있을 것입니다.
진행자:
최근에 인도에 다녀오셨고, 인도가 도전과 기회에 대해 생각하는 방식에 대해 매우 흥분하신 것처럼 들렸습니다.
샘 알트만:
저는 인도의 스타트업들과 그들이 이 기술을 사용하는 방식을 보며 큰 감명을 받았습니다. 인도에서의 코덱스(코드 생성 AI) 사용량이 불과 몇 달 만에 10배 증가했다는 보고서를 보고 버그인 줄 알았지만 사실이었습니다.
스타트업들과 이야기해보니 그들은 미국보다 훨씬 강력하게 움직이고 있었습니다. "당신은 1인 스타트업을 말하지만, 나는 0인 스타트업을 만들려고 해. 내 스타트업 전체를 만들어 줄 프롬프트 하나를 작성해서, 소프트웨어를 작성하고 고객 지원과 법률 업무를 알아서 하게 한 다음 나는 휴가를 가고 싶어."라고 하더군요.
인도의 대기업들도 "우리에게 용량을 얼마나 팔 수 있소?", "지금 당장 협상합시다, 합의 전엔 못 나갑니다"라며 공격적으로 나왔습니다. AI가 비즈니스를 재편할 것이라는 그들의 공격성, 속도, 믿음은 정말 인상적이었습니다. 미국 고객들과 방향은 같지만, 그들이 조금 더 멀리 나가 있거나 빠르게 움직이고 있습니다.
진행자:
제가 보았던 당신의 또 다른 코멘트는, 권위주의적 AI와 민주적 AI 사이에 차이가 있다는 것이었습니다. 그게 무슨 뜻이며, 무엇이 걸려 있다고 보십니까?
샘 알트만:
가끔씩 사회를 너무나 크게 재편하여, 그것에 관한 결정권이 개발하고 있는 소수의 회사들에게 맡겨져서는 안 될 기술적 변화가 찾아옵니다. 저는 자본주의와 기업의 권리를 깊이 믿으며, 정부가 너무 많이 간섭해서는 안 된다고 믿습니다.
하지만 지금은 사회가 이 기술의 영향에 대해 정당한 이익을 가지는 예외적인 시기입니다. 인터넷 때도 그랬지만 우리가 완벽히 해내진 못했으니, 이번엔 더 잘해야 합니다. 이 기술이 경제를 재편하고 지정학적 권력을 재편한다면, 이것이 어떻게 사용될지에 대해 특정 기업이나 정부가 독단적으로 강요해서는 안 됩니다.
이것은 민주적 절차를 통해 작동하는 사람들의 의지에 속해야 합니다. 저희 같은 회사들은 과거 세대보다 훨씬 빠르게 핵심 인프라의 역할로 이동하고 있습니다. 우리는 전문가로서 한계와 위험에 대해 목소리를 내야 하지만, 그 규칙과 한계는 사회에 의해 합의되어야 합니다. 기술이 빠르게 움직이니 민주적 과정도 조금 더 빨리 진행된다면 좋을 것입니다.
진행자:
다시 글로벌 AI 경쟁으로 돌아와 보죠. 당신이 보기에 미국이 가장 취약한(vulnerable) 부분은 어디라고 생각하십니까?
샘 알트만:
세 가지가 떠오릅니다.
첫째, 글로벌 공급망 의존도입니다. 이것이 얼마나 무섭게 느껴지는지는 아무리 강조해도 지나치지 않습니다. 세계화가 어떤 식으로든 무너져서 우리가 독립적으로 AI 인프라 구축을 계속할 수 없게 된다면, 그것은 큰 취약점입니다. 현재 우리의 글로벌 위치가 싫지는 않지만 너무 좋지도 않습니다.
둘째, 경제적 도입의 속도입니다. 다른 국가들보다 경제 도입에 있어 빠르게 움직이지 않는다면, 우리는 경제 강국으로서 누리고 있는 우위를 잃게 될 것입니다. 긍정적으로 보면 이것은 경제를 개선하고 놀라운 부를 통해 사회의 규칙을 다시 쓸 수 있는 수 세대 만의 기회입니다. 이것이 우리의 가장 큰 경쟁 우위가 될 수 있습니다. 지금 상황이 나쁜 건 아니지만 더 빨리 움직일 수 있습니다. 하지만 미국 내에서 AI에 대한 대중의 반감, 데이터 센터에 대한 전력 요금 비난, 해고의 원인으로 지목되는 등 여러 역풍도 존재합니다.
셋째, 세계 나머지 지역으로의 확산입니다. 세계가 미국 AI 기술 스택(칩, 모델, 애플리케이션 등)을 기반으로 구축될 것인가, 아니면 우리가 그것을 더 어렵게 만드는 정책을 펼 것인가의 문제입니다.
진행자:
제게는 당신이 AI가 엄청난 생산성 붐의 기초가 될 수 있다고 생각하시는 것처럼 들립니다.
샘 알트만:
네 확실합니다. 비록 우리가 그것을 측정하는 방식은 바뀌어야 하겠지만요. 놀라운 생산성 붐이 일어나고 삶의 질이 계속해서 올라가는 세상을 상상할 수 있습니다.
그럼에도 불구하고, 우리가 현재 측정하는 방식대로라면 GDP는 계속해서 떨어질 것입니다. 마치 매우 오랜 기간 동안 디플레이션이 일어나는 것처럼 말이죠. 지적 능력이 데이터 센터 내부에서 더 많이 창출되는 세상에서 영원한 디플레이션이 무엇을 의미하는지, GDP와 삶의 질의 상관관계가 어떤 의미를 가질지 잘 모르겠습니다. 하지만 앞으로 무엇을 측정하는 것이 옳은지에 대한 많은 논쟁이 있을 것입니다.
진행자:
우리가 이러한 도전과 문제들에 대해 올바른 방식으로 생각하고 있다고 보십니까?
샘 알트만:
네, 우리가 시작하고 있다고 생각합니다. 쉬운 합의된 답이 있었다면 진작에 했을 테니, 아무도 정확한 답을 모릅니다. 우리가 사회로서 오랫동안 의존해 왔던 것들이 동시에 의문시되고 있습니다.
인터넷에서 본 인용구가 생각납니다. "수 세기 동안 우리는 '희소성(scarcity)'을 관리하기 위해 사회를 구조화하는 법을 배웠다. 하지만 우리가 '풍요(abundance)'를 관리하는 방향으로 배워야 하는 지금, 그 지식은 아무 도움이 되지 않는다."
이것은 자본주의가 작동해 온 방식에 대한 진정한 변화입니다. 자본주의는 노동과 자본 사이의 힘의 균형에 의존해 왔지만, 현재 많은 일자리에서 GPU의 작업량을 능가하기 어렵다면 그 상황은 변하게 됩니다. 한꺼번에 변화하는 이런 문제들이 10개 정도 있습니다.
저는 장기적인 일자리 비관론자가 아닙니다. 우리는 해야 할 새로운 일들을 알아낼 것입니다. 또한 자본주의를 깊이 믿습니다. 하지만 앞으로 다가올 몇 년은, 우리가 새로운 시스템과 놀라운 번영의 모습을 재정의하기까지 꽤 고통스러운 조정 기간이 될 것입니다. 그 과정에서 매우 강렬하고 불편한 논쟁들이 있을 것입니다.
진행자:
매우 사려 깊은 토론에 감사드립니다, 샘. 제가 한 가지 제안하겠습니다. 5년 뒤에, 우리는 다시 이 자리로 돌아와서 우리가 어디쯤 와 있는지, 그리고 이 과정을 어떻게 헤쳐나갔는지 확인해 봅시다. 콜? (Deal?)
샘 알트만:
좋습니다. 기대하겠습니다. 콜. (Deal)
진행자:
감사합니다.
(인터뷰 종료 및 악수, 무대 퇴장. 장내 화면에 다음 행사 안내가 나옴)