Blog
On VC investing and portfolio
Notes from the field — perspectives that might help founders navigating the fundraising process. Each post is written through my VC OS engine, in my own perspective.
Get new posts by email
I write up what I see in the field and would like to share it with you first. Leave your email and I'll send each new post straight to your inbox.
이 블로그의 지도: 주제별로 글을 찾는 법
글이 쌓이면서 원하는 주제를 찾기 어려워졌습니다. 지금까지 쓴 글 전체를 열한 갈래로 나누고 분포를 그림으로 정리했습니다. 새 글이 나오면 이 지도도 함께 갱신됩니다.
만들고, 쓰고, 투자합니다: 제가 AI를 세 개의 눈으로 보려는 이유
기술도, 시장도, 자본의 길도 함께 이야기 나눌 수 있는 투자자가 되고 싶습니다. 제가 AI를 ‘만드는 눈·쓰는 눈·투자하는 눈’ 세 가지로 보려는 이유와, 그것이 창업자분께 어떤 의미인지 적었습니다.
두 개의 랩이 세계의 연산을 가져갑니다: 딜런 파텔이 그린 2028년의 지도
세미애널리시스 딜런 파텔이 드워케시 파텔과 나눈 77분짜리 대화를 전문 그대로 읽고 주제별로 갈랐습니다. 메가와트당 매출이 뒤집힌 이야기부터, 팹 60억 달러가 1조 달러 매출을 낳는 100배 격차, 5조 달러 신용이 금리를 밀어올리는 경로, 그리고 중국이 언제 하키스틱을 그리는지까지 순서대로 정리했습니다.
NVHBM의 과녁은 메모리 3사가 아니라 커스텀 ASIC입니다
엔비디아가 메모리 컨트롤러를 XPU에서 HBM 베이스 다이로 옮기는 NVHBM을 공개했습니다. HBM 설계 주도권이 메모리 제조사에서 엔비디아로 넘어간 사건으로 읽히지만, 공개 자료의 시간선은 다른 이야기를 합니다. 커스텀 HBM은 이미 2026년 3월 Feynman 로드맵에 있었고, NVHBM은 NVLink Fusion 안에서만 제공됩니다. 즉 이 발표의 상대는 SK하이닉스의 HBF가 아니라 자체 추론 칩을 만드는 하이퍼스케일러입니다. 무엇이 확인됐고 무엇이 아직 추정인지 나눠 정리했습니다.
검색 결과를 넘겨주지 않고, 답과 빈칸까지 남기는 에이전트 메모리
GBrain은 메일·회의·문서에서 들어온 신호를 사실, 관계, 시간축으로 쌓고, 다음 질문에 인용과 빈칸을 함께 돌려주려는 오픈소스 에이전트 메모리 계층입니다. 중요한 것은 설치법이 아니라, 이 계층을 정본 위에 어떻게 안전하게 얹느냐입니다.
직원 4만 명, 미래 에이전트 400만 개: 수요의 단위는 좌석이 아닙니다
엔비디아가 제시한 직원당 10~100개 에이전트는 현재 보급률이 아니라 미래 시나리오입니다. 선도 조직의 실제 사용 데이터를 대조해 에이전트 개수 대신 실행시간, 검수된 결과, 효율을 봐야 하는 이유를 분석합니다.
개인 AGI의 해자는 모델이 아니라 기억의 소유권입니다
Garry Tan은 Personal AGI를 개인이 소유한 기억과 업무 절차 위에서 일하는 에이전트로 정의합니다. 이 주장이 설득력 있는 지점과 생산성 수치, 보안, 스킬 소유권에서 남는 질문을 VC 관점에서 짚었습니다.
OpenAI Jalapeño가 Rubin을 앞선 조건과 진짜 의미
초기 실리콘인 Jalapeño는 짧은 단일턴 추론에서 강한 전력 효율과 지연시간을 보였습니다. 다만 순수 TP와 B0 25% 개선이라는 표현은 공개 근거보다 앞서 있습니다. 이 결과가 NVIDIA, HBM과 AI 반도체 가치사슬에 뜻하는 바를 측정 조건부터 다시 짚었습니다.
휴머노이드의 AI 칩은 데이터센터 GPU의 축소판이 아닙니다
실제 휴머노이드에서 공개된 모델 규모와 제어 주기, 정밀도별 메모리 요구량을 계산하고 로봇용 NPU·LPDDR가 데이터센터 GPU·HBM과 왜 다른지 분석했습니다. 특정 종목 투자판단은 다루지 않습니다.
169일에 네 회사가 몰렸습니다: 중국 오피스 에이전트는 업무 원장을 노립니다
바이트댄스, 텐센트, 알리바바, 킹소프트오피스가 반년 사이 업무형 AI를 내놓았습니다. 기능표보다 기업 맥락, 실행 권한, 업무 흐름, 편집 가능한 결과물을 누가 장악하는지 봐야 합니다.
세레브라스 CS-6: SRAM은 남고, DRAM이 웨이퍼 위로 올라옵니다
세레브라스가 Hot Chips 2026에서 CS-6의 방향을 공개했습니다. wafer-scale SRAM과 compute를 유지하면서 3D-stacked DRAM을 초고대역폭으로 결합하는 구조입니다. 다만 HBM도 이미 3D이고 GPU도 SRAM을 씁니다. 실제 경쟁축은 2D 대 3D가 아니라 메모리 계층의 중심과 통합 범위입니다. CS-5의 2027년 목표는 공식이지만 CS-6의 2029년 출시는 공식 자료에서 확인되지 않았습니다.
소셜 월드 모델은 하나가 아닙니다: 기업 의사결정 예측의 위치
소셜 월드 모델을 개인, 관계, 네트워크, 조직, 시장의 다섯 연구 영역으로 나누고, 기업 의사결정 예측이 왜 별도 분야가 아니라 이들을 관통하는 개입 계층인지 분석합니다. 학술 연구와 상용 사례, 검증의 경계도 함께 살펴봅니다.
예측 모델은 싸지고, 결정 루프는 비싸집니다
기업용 예측과 시뮬레이션은 단일 모델 경쟁에서 데이터 의미, 인과·최적화, 승인·실행, 결과학습을 연결하는 결정 루프 경쟁으로 이동하고 있습니다. 최근 기술 진전, 펀딩과 M&A, 도입 구조와 규제, 독립 기업의 방어력을 함께 분석합니다.
5조 포인트를 읽는 물리 AI, Transformer를 버렸다는 말의 정확한 의미
Accelerated Understanding은 신경 연산자로 3차원 공간과 시간의 물리장을 한 번에 예측한다고 주장합니다. Transformer와 무엇이 다른지, DeepONet·FNO·PINO·FourCastNet·MPP·Transolver와 어떤 계보로 이어지는지, 5조 컨텍스트 수치를 어디까지 믿어야 하는지 나눠 봅니다.
인터넷을 다 읽은 AI도, 세계에서는 초보입니다
Rich Sutton과 Khurram Javed는 현재 LLM이 인터넷의 지식을 크게 확장했지만 배포 뒤에는 경험으로 배우지 못한다고 지적합니다. 합성데이터의 인간 병목, Big World Hypothesis, continual backpropagation의 근거와 한계를 나눠 봅니다.
AI의 다음 병목은 모델이 아니라 인간의 주의입니다
OpenAI의 Thibault Sottiaux 인터뷰는 AI 경쟁의 단위가 모델에서 개인 에이전트와 자동화 시스템으로 이동하고 있음을 보여줍니다. 초고속 추론, ChatGPT와 Codex의 결합, 클라우드 실행환경, 사람 주도의 자기개선 루프가 업무와 제품 구조를 어떻게 바꾸는지 분석합니다.
테라팹은 실제 공장입니다, 그러나 1TW는 아직 생산계획이 아닙니다
SpaceX의 Terafab은 텍사스 그라임스 카운티에서 168억 달러 이상이 투입되는 실물 반도체 프로젝트로 진전됐습니다. 그러나 1억 제곱피트, 로직·메모리·첨단 패키징 일관생산과 연 1TW 출력은 아직 정의와 양산근거가 없는 장기 비전입니다. 연구 팹, 1단계 양산시설과 최종 구상을 분리하고 Intel 14A, HBM, 패키징, 수율과 가동률의 현실을 분석했습니다.
합병보다 먼저 합쳐지고 있습니다, Tesla와 SpaceX의 AI 수직통합
SpaceX는 이미 xAI와 X를 품었고 Tesla와는 지분투자, Megapack 공급, AI 반도체 협력을 확대하고 있습니다. 잠재 합병을 자동차와 우주기업의 결합이 아니라 연결망·모델·컴퓨팅·에너지·피지컬 AI를 묶는 플랫폼 재편으로 분석하고, 법인 합병 없이 가능한 통합과 완전 합병에만 남는 경제적 이익을 구분했습니다.
비상장 AI 기업의 해자는 모델 밖의 통제 지점에 쌓입니다
Daloopa·Simile·Clio·Harvey·Corgi·Vercel·ClickHouse·Divergent가 AI 가치사슬에서 각각 어떤 통제 지점을 확보하고 있는지 분석합니다. 검증 데이터, 업무 컨텍스트, 실행 권한, 런타임, 관측가능성, 물리적 생산능력이 모델 보편화 이후 어떻게 해자가 되는지 살펴봅니다. 종목 투자판단은 다루지 않습니다.
에이전트 도입의 병목은 모델 성능이 아니라 검증과 책임입니다
골드만삭스의 세 번째 실리콘밸리 AI 필드트립은 에이전트가 가장 똑똑한 모델보다 결과를 검증하고 오류를 복구하며 책임을 배분할 수 있는 워크플로우에서 먼저 확산된다는 점을 보여줍니다. 프런티어 모델과 오픈모델의 역할 분담, 사용량·거래·성과 기반 과금, 워크플로우 컨텍스트의 해자까지 연결해 분석합니다. 종목 투자판단은 다루지 않습니다.
535B 모델이 자라는 과정이 열렸습니다, Marin 공개 학습을 읽는 법
Marin은 총 535.3B, 활성 22.76B 규모의 MoE 모델을 11대의 GB200 NVL72에서 훈련하며 데이터 구성, 코드, 예행학습, 손실 곡선과 시스템 지표를 공개하고 있습니다. 비전공자가 무엇을 보고 어떻게 해석해야 하는지 쉽게 설명합니다.
한국에는 이미 검진 데이터가 많습니다, 네코헬스가 다른 것은 반복 측정의 설계입니다
네코헬스는 MRI로 온몸의 장기를 보는 서비스가 아닙니다. 피부·심혈관·혈액·대사 신호를 자체 장비로 표준화해 60분 안에 측정하고, 임상의 설명과 후속 조치, 다음 해 재검까지 한 제품으로 묶었습니다. 한국의 국가검진과 민간 종합검진은 더 넓은 인구와 더 깊은 장기 검사를 갖고 있습니다. 두 시스템의 검사 범위, 데이터 구조, 임상 근거와 사업모델을 비교했습니다.
렌토서팁이 3상에 들어갔다: AI 신약의 진짜 시험이 시작됐다
AI로 표적을 찾고 분자를 설계한 렌토서팁이 임상 3상에 진입했고, AbCellera의 통합 항체 플랫폼에서 나온 ABCL635도 2상 효능 신호를 보고했습니다. 두 사례가 무엇을 증명했고 무엇은 아직 증명하지 못했는지, 제약회사가 AI를 연구개발 인프라로 바꾸는 이유와 앞으로 확인할 지표를 분석합니다. 특정 종목에 대한 투자 판단은 다루지 않습니다.
한 환자를 위한 암 치료 운영체제: 개인맞춤 치료와 AI는 어디까지 왔나
GitLab 공동창업자 Sid Sijbrandij는 재발성 골육종에서 다중오믹스, 오가노이드, 표적 영상, 실험적 치료와 AI 분석을 하나의 반복 루프로 묶었습니다. 무엇을 시도했고 어떤 결과를 얻었는지, AI가 실제로 한 일과 하지 않은 일은 무엇인지, 이 n=1 사례가 개인맞춤 치료의 미래에 주는 의미를 분석합니다.
더 큰 모델보다 더 좋은 세계: SPADE가 환경 설계를 학습시켰습니다
SPADE는 하나의 LLM이 실행 가능한 훈련 환경을 만들고, 같은 LLM이 그 안에서 학습하게 합니다. 고정 문제집을 늘리는 단계에서 능력에 맞춰 변하는 실행 가능한 세계를 만드는 단계로 넘어간 것입니다. 논문의 구조와 성과, 한계, AI 생태계에 미칠 영향을 분석합니다.
바이오 테마를 가르는 것은 질환이 아니라 매출이 생기는 방식입니다
바이오를 항암·비만·희귀질환으로 나누면 같은 칸 안의 위험 차이가 보이지 않습니다. 질환, 치료 방식, 가치사슬 위치, 매출의 반복성이라는 네 축을 겹쳐야 개인맞춤 암백신과 미세잔존암 검사가 왜 같은 뉴스에 움직이면서도 전혀 다른 사업인지가 드러납니다. 개인맞춤 암백신부터 비만 치료제 2.0까지 열네 테마를 가치가 생기는 지점과 검증 단계로 나눠 지도를 그렸고, 개인맞춤 항암 공정의 다섯 자리가 각각 어떤 매출 구조를 갖는지, 치료제가 이기는 자리와 어떤 치료제가 이기든 필요한 자리가 어떻게 다른지를 정리했습니다. 회사 발표 기준이며 종목 판단은 다루지 않습니다.
HBM은 양산, HBF는 규격, HBS는 구상입니다: 병목이 옮겨간 자리의 기술들은 시계가 다릅니다
AI 성능의 병목이 연산기 자체에서 메모리 이동·패키징·인터커넥트·전력으로 옮겨간다는 전망은 맞습니다. 엔비디아가 2027년 DRAM 부족을 이유로 차세대 가속기의 HBM 구성을 낮추는 안을 검토 중이라는 보도가 그 증거입니다. 다만 그 자리를 노리는 기술들을 한 묶음으로 읽으면 틀립니다. HBM은 세 공급사 모두 양산 중이고, HBF는 8월에 첫 공개 규격이 나와 2027년 샘플·2028년 양산이 목표이며, HBS는 보도 외에 규격이 없습니다. 3D 패키징과 칩렛은 이미 양산이고, 광연결은 스위치에서 먼저 현실이 됐으며, 유리기판은 오히려 늦춰지고 있습니다. 각 기술을 양산·검증·구상의 세 시계에 나눠 놓았습니다. 회사 발표·보도 기준이며 종목 판단은 다루지 않습니다.
긴 문맥은 State가 아닙니다
Transformer의 KV cache, Mamba의 고정 크기 상태, 월드모델의 잠재 상태, 인과모델의 변수를 같은 state로 부르면 AI 아키텍처를 오해하기 쉽습니다. Attention과 상태공간모델이 기억하는 방식부터 행동·개입 데이터가 인과적 지능을 만드는 조건까지 길고 쉽게 설명합니다.
토큰은 기록이고 State는 세계에 대한 가설입니다
2017년 Transformer와 현재 프런티어 LLM의 구조적 차이, LLM과 월드모델을 가르는 상태·행동·동역학, 다음 토큰 예측이 인과관계를 보장하지 못하는 이유를 연결해 설명합니다. 미래의 AI는 언어모델, 상태 추정기, 행동 조건부 월드모델과 인과 검증기가 결합된 시스템에 가까워질 가능성이 큽니다.
환자마다 다른 약이 3상을 통과했습니다. 이제 분석·설계·추적이 한 공정이 됩니다
8월 19일 모더나와 머크의 개인맞춤 mRNA 암백신 인티스메란이 흑색종 3상에서 무재발생존 목표를 달성했습니다. 같은 날 템퍼스 AI도 크게 올랐는데, 이 회사가 인수를 진행 중인 퍼스낼리스가 그 백신의 표적을 찾아 준 회사이기 때문입니다. 다만 언론이 섞어 쓰는 두 제품은 서로 다른 일을 하고, 퍼스낼리스는 그 둘을 양쪽 끝에서 쥐고 있습니다. 2022년 머크의 옵션 행사에서 2026년 템퍼스의 인수까지 이어진 계약의 연결고리, 개인맞춤 치료가 늘수록 검사 수요가 어디서 생기는지, 템퍼스가 실제로 사는 것이 무엇인지를 정리했습니다. 발표·보도 기준이며 종목 판단은 다루지 않습니다.
클릭하던 AI가 함수를 호출합니다: 구글 WebMCP가 만드는 에이전트 웹
구글과 마이크로소프트가 제안한 WebMCP는 웹사이트가 현재 탭의 기능을 구조화된 도구로 공개해 브라우저 에이전트가 화면을 추측하지 않고 실행하게 만드는 기술입니다. 핵심 변화는 브라우저가 에이전트의 실행·권한 계층이 되고, 웹이 사람용 UI와 에이전트용 행동 계약을 함께 갖게 되는 데 있습니다.
Self-Evolving AI: 모델이 아니라 시스템이 진화하기 시작했습니다
Self-Evolving AI의 핵심은 AI가 곧바로 자기 가중치를 다시 학습하는 데 있지 않습니다. 같은 모델을 두고 Memory, Skill, Tool, Workflow와 Harness를 경험에 따라 바꾸며 시스템 성능을 높이는 현실적인 경로가 먼저 열리고 있습니다. AlphaEvolve, Darwin Gödel Machine, Hermes Agent, Alita와 DeepSeek Harness를 통해 무엇이 실제로 진화하고, 평가기가 왜 병목이며, 프로덕션에서는 어떤 통제 구조가 필요한지 분석합니다.
AI 애플리케이션을 구축하고 배포하는 여섯 가지 핵심 역량
Andrew Ng가 공개한 AI Engineering Skills Map의 첫 번째 축을 실무 관점에서 다시 읽습니다. LLM 기초, 데이터 그라운딩, 에이전트 시스템, 평가 주도 개발, 프로덕션 운영, 머신러닝 기초가 어떻게 하나의 반복 시스템으로 연결되는지, 무엇을 산출할 수 있어야 진짜 역량인지 상세히 정리했습니다.
2023~2026 LLM 내부구조의 진화: 65장으로 읽는 모델 계보와 알고리즘
Llama 이후 LLM은 겉으로는 모두 Decoder-only Transformer이지만, 내부에서는 정규화, 어텐션, 위치 인코딩, 활성화 함수, MoE, KV 캐시, SSM과 디코딩 방식이 빠르게 갈라졌습니다. 신정규 래블업 대표의 65장 발표자료 전체를 바탕으로 2023~2026년 모델 계보와 알고리즘 변화를 초보자도 따라갈 수 있게 해설합니다.
트랜스포머 이후 AI 모델 아키텍처는 어디로 가는가
AI 모델 아키텍처는 단순히 신경망의 층을 쌓는 방식이 아닙니다. 입력을 표현하고, 정보를 섞고, 상태를 기억하고, 무엇을 예측할지 정하는 전체 설계입니다. Transformer에서 프런티어 LLM, 월드모델, Amazon Chronos-2까지 이어지는 발전을 하나의 공통 프레임으로 분석합니다.
에이전트의 성능은 모델과 하네스, 사람의 경계에서 결정됩니다
좋은 Agentic AI 시스템은 가장 강한 모델을 고르는 데서 완성되지 않습니다. 확률적 추론은 모델에, 상태와 권한과 검증은 하네스에, 목표의 정당성과 책임은 사람에게 배치해야 합니다. 세 주체의 역할과 네 가지 경계를 연구 결과, 비용 구조, 실제 설계 원칙으로 정리합니다.
AI 에이전트 도입 격차는 일의 운영체제를 바꿀 때 닫힙니다
기업의 AI 사용률은 빠르게 늘지만 에이전트가 손익과 업무 흐름을 바꾸는 비율은 낮습니다. 맥킨지의 1:3:5와 A-E 프레임을 출발점으로 기술 신뢰성, 의사결정권, 중간관리자, 평가와 보상, 결과당 비용을 하나의 운영모델로 연결합니다.
개인맞춤 항암제의 첫 3상 성공은 알고리즘의 승리가 아닙니다
머크와 모더나가 개인맞춤 mRNA 항암 치료의 3상 성공을 발표했습니다. 신항원 치료제로는 처음입니다. 그런데 이 치료제는 환자 한 명이 곧 하나의 생산 배치입니다. 설계와 판정 다음에 오는 세 번째 병목, 즉 환자별 제조와 규제 통과가 왜 소프트웨어로 복제되지 않는지 정리했습니다. 발표 기준이며 종목 판단은 다루지 않습니다.
AIDO Cell은 세포를 예측하는 AI에서 실험하는 AI로 넘어가려 합니다
GenBio AI의 AIDO Cell 1.0은 유전자·약물 개입을 누적하고, 하나의 세포 상태에서 전사체·단백질 구조·조절 유전체·형태를 읽어내는 범용 세포 시뮬레이터를 표방합니다. 31개 지표 중 24개 최고 성능이라는 결과보다 더 중요한 것은 세포를 상태와 이력을 가진 프로그래밍 객체로 바꾼 구조입니다. 다만 두 암세포주, 자체 벤치마크, 미완료된 신규 예측의 실험 검증이라는 한계도 분명합니다.
앤트로픽이 단백질을 설계했습니다. 그게 맞는지는 트위스트가 판정했습니다
앤트로픽이 클로드로 단백질 결합체를 설계한 캠페인 결과를 공개하면서, 그 설계가 실제로 붙는지 검증할 외부 평가자로 트위스트 바이오사이언스를 세웠습니다. 표적 15개 중 14개에서 결합체를 얻었고 히트율은 22~35퍼센트로 업계 통상치의 두 배 안팎입니다. 그런데 이 발표에서 더 눈여겨볼 것은 성적표가 아니라 역할 분담입니다. 설계는 이틀이면 끝나는데 그게 맞는지 판정하는 일은 여전히 실험실에서만 됩니다. 트위스트가 실리콘 칩으로 그 판정 단가를 낮추는 자리에 서 있다는 것이 이 뉴스의 구조입니다. 발표·보도 기준이며 종목 판단은 다루지 않습니다.
네오클라우드는 AWS보다 빨리 컸지만 AWS가 된 것은 아닙니다
A16Z의 성장 곡선은 CoreWeave가 초기 AWS보다 빠르게 분기 매출 26억 달러에 도달했음을 보여줍니다. 그러나 같은 그래프에는 AI 클라우드, 데이터센터 임대, 고객 핏아웃 매출과 추정된 초기 하이퍼스케일러 매출이 섞여 있습니다. CoreWeave·Nebius·Applied Digital의 최신 공시를 다시 읽고 네오클라우드의 진짜 해자가 매출 속도가 아니라 전력·자본·계약·활용률을 묶는 능력에 있음을 분석했습니다.
한국 버티컬 AI의 승부처는 데이터가 아니라 폐루프입니다
도메인 데이터가 많다는 사실만으로는 AI 기업의 해자가 되지 않습니다. 모델의 판단이 실제 업무를 바꾸고, 그 결과가 다시 정답으로 돌아오는 관측·판단·실행·검증의 폐루프를 소유해야 합니다. 제조·반도체·조선·병원·건설·로보틱스의 구조적 우위뿐 아니라 이를 유상 도입비, 운영단위 구독, 성과보수와 OEM 유통으로 매출화하는 사업 모델까지 분석했습니다.
앤트로픽이 직접 신약 프로그램을 시작했습니다
Claude for Life Sciences에서 시작한 앤트로픽이 Claude Science, Coefficient Bio 인수 보도, 존 점퍼 영입과 자체 전임상 프로그램으로 경계를 넓혔습니다. 다만 공개된 후보물질이나 임상 계획은 아직 없습니다. 앤트로픽이 만들려는 과학 지능의 구조, 안전정책이 낳는 접근 비대칭, 한국에 필요한 대응을 분석했습니다.
AI 가격표의 진짜 단위는 성공한 업무입니다
같은 100만 토큰은 같은 양의 텍스트도, 같은 양의 일도 아닙니다. GPT-5.6 Sol과 Claude Opus 5의 토큰 산정 차이에서 출발해 추론·도구·재시도·사람 검수까지 포함한 수용 결과당 비용을 기업의 실제 AI 구매 기준으로 제안합니다.
Thrive와 Greenoaks의 수표가 가리키는 AI의 다음 10년
AI 투자 건수가 아니라 Thrive와 Greenoaks가 큰 지분을 반복해서 쌓은 위치를 추적했습니다. 두 운용사는 모델, 코딩, 에이전트, 보안, 과학, 기존 서비스업을 하나의 가치사슬로 보고 있으며, AI의 가치가 소수의 전면적 플랫폼과 실제 업무 데이터를 소유한 운영체계에 집중될 가능성을 보여줍니다.
최고의 VC는 유니콘 수가 아니라 지분과 사람으로 갈립니다
2026 Strebulaev-Jackson Venture Ranking은 Sequoia를 1위로 선정했습니다. 그러나 더 중요한 발견은 VC 성과가 소수의 투자와 개인에게 집중되고, 유니콘 수보다 보유지분·희석·투자원가·파트너 이동이 순위를 가른다는 점입니다.
웨이모는 11년을 걸었습니다: 자동화와 자율화 사이의 거리
자동화는 정해진 상황을 반복하는 일이고, 자율화는 처음 보는 상황을 스스로 판단하는 일입니다. 두 단어 사이의 거리를 실측한 유일한 사례가 웨이모입니다. 2009년 시작, 2015년 첫 완전 무인 주행, 2020년 일반 고객 로보택시, 2026년 10개 도시와 2억 마일. 인식·예측·계획·엣지케이스·시뮬레이션이라는 다섯 관문을 통과하는 데 걸린 시간입니다. 지금 기업용 에이전트 파일럿의 86~89퍼센트가 프로덕션에 못 가는 이유를 이 좌표에 올려놓고, 실패의 원인이 모델 성능이 아니라는 조사 결과를 함께 봤습니다. 그리고 이 긴 데스밸리를 어떻게 버틸 것인지, 알파벳의 인내 자본으로 건넌 웨이모와 자금이 끊겨 문을 닫은 아르고, 좁은 구역의 조기 매출로 밸리를 계단으로 자른 개틱과 코디악을 비교해 대응책을 정리했습니다.
웨이퍼 한 장을 통째로 칩으로 구운 이유: 에이전트 시대에는 속도가 값입니다
오픈AI의 GPT-5.6 Sol 울트라패스트 모드가 세레브라스 웨이퍼 스케일 칩 위에서 돕니다. 초당 750토큰, 표준 대비 최대 14배입니다. 이 속도가 나오는 이유는 단순합니다. 웨이퍼 한 장을 통째로 칩으로 만들어 SRAM 44GB를 얹고, 모델 가중치를 칩 밖으로 내보내지 않기 때문입니다. GPU가 구조적으로 따라올 수 없는 자리이고, 에이전트가 수백 턴을 도는 시대에 속도는 편의가 아니라 경쟁력이 됐습니다. 여기에 27B급 에이전트 모델이 실제로 쓸 만해졌다는 사실이 겹치면, 칩 위에 통째로 올라가는 모델이 주력이 되는 그림이 나옵니다. 검증된 수치와 아직 검증되지 않은 주장을 갈라 정리했습니다.
앤드류 응이 그린 개발자 지도에서, 코딩 에이전트를 다루는 능력이 한 축을 차지했습니다
8월 14일 앤드류 응이 AI 엔지니어링 스킬 맵을 공개했습니다. 채용공고 1만 건 분석과 수십 건의 구조화 인터뷰로 만든 이 지도에서 눈에 띄는 것은, 코딩 에이전트를 다루는 능력이 부수 기술이 아니라 네 축 가운데 하나로 올라섰다는 점입니다. 그가 그 축 안에 무엇을 넣었는지(컨텍스트 관리, 계획과 실행의 균형, 검증기 제공, 다중 에이전트 조율), 왜 이것이 프롬프트 기술과 다른 이야기인지, 그리고 이 발표가 아직 예고편이라는 점까지 정리했습니다.
딥시크가 판 것은 에이전트가 아니라 에이전트를 짓는 공장입니다
8월 13일 딥시크가 에이전트 하네스를 MIT 라이선스로 공개했고, 이 글을 쓰며 깃허브 API로 직접 확인한 수치로 약 50시간 만에 스타 11만 개를 넘겼습니다. 그런데 이 물건은 클로드 코드 같은 완성된 코딩 에이전트가 아닙니다. 모델도 도구도 세션도 루프도 UI도 전부 갈아끼우는 부품으로 만든 조립 틀입니다. 특권을 가진 핵심부가 없다는 설계가 왜 모델 회사에게 이례적인 선택인지, 그것이 클로드 코드와 코덱스가 만든 시장 구도에 무엇을 하는지, 그리고 개발자 미리보기라는 꼬리표가 무엇을 뜻하는지 정리했습니다.
스스로를 고치는 AI: 같은 루프가 과학 자동화와 자율 해킹으로 갈라진 여름
최승준 님이 2026년 여름의 AI를 하나의 실로 엮은 큐레이션을 읽었습니다. 제프 딘의 디스커버리 루프, 비냘스의 재귀적 자기개선 강연, 클로드가 앱 유지보수를 맡은 실험, 오픈AI 평가가 허깅페이스까지 털어 버린 사건, 그리고 그린블랫의 초지능 대담. 따로 벌어진 다섯 장면이 같은 회로의 다른 단면입니다. AI가 자기를 개선하는 루프가 어디서 과학을 짓고 어디서 인프라를 털었는지, 그 방향을 무엇이 정하는지 정리했습니다. 발표·대담·번역본 기준이며, 종목 판단은 다루지 않습니다.
미국 주류에 못 들어가는 것이 문제가 아닙니다: 한국 VC의 다섯 가지 배치
한국 VC의 고민 셋은 따로가 아니라 하나의 구조입니다. 미국 주류 라운드는 상반기 자금의 43퍼센트가 두 회사로 가는 시장이 됐고, 국내 비상장은 건수가 줄면서 금액만 늘어 값이 올랐으며, 회수 시장인 코스닥은 공모액이 반토막 나고 새내기주 18개 중 14개가 공모가를 밑돕니다. 접근성과 멀티플을 동시에 잃은 구조에서 대안은 둘 다 경쟁하지 않는 배치입니다. 한국계 글로벌 팀, 채점기와 데이터 격리로 재정의한 해자, 코스닥에서 분리한 회수 설계, 미·중 사이의 제3 공급자 수출, 그리고 주류의 다음 칸을 먼저 사는 시차 전략까지. 데이터와 실제 회수 사례로 정리했습니다. 특정 종목·개별 투자 판단은 다루지 않습니다.
상반기 벤처 자금의 43퍼센트가 두 회사로 갔습니다: 그 그늘에서 주류와 소수가 갈립니다
최근 두 달 미국 탑티어 VC의 투자 테시스를 보도자료가 아니라 수표와 펀드 구조로 역산했습니다. 집계 기준 2분기 글로벌 벤처 자금의 70퍼센트가 AI로, 상반기의 43퍼센트가 오픈AI와 앤트로픽 두 회사로 갔습니다. 그 절대 중력 아래에서 주류 테시스는 프런티어 랩 더블다운, 수직 에이전트, 검증·환경 공급망, 자동 과학, 그리고 새로 주류에 진입한 AI 롤업으로 정리되고, 소수 테시스는 소비자 AI, 초기 단계 전면 재배치, AI 수축 역발상으로 남아 있습니다. 무엇이 테시스를 주류로 만들고 무엇이 소수에 머물게 하는지, 채점 속도와 펀드 구조의 논리로 분석했습니다. 종목 판단과 투자 자문은 다루지 않습니다.
읽는 일은 넘어갔고, 돈을 만지는 일은 아직입니다: 금융 에이전트의 현재 좌표
JP모건은 25만 명에게 사내 AI를 깔았고 절반이 매일 씁니다. 로고는 넉 달 만에 기업가치를 7억 5천만 달러에서 20억 달러로 올렸고, 앤트로픽은 피치북 생성과 KYC까지 금융 에이전트 템플릿 10종을 내놨습니다. 그런데 실제 애널리스트 과제로 채점하는 벤치마크에서 최고 모델의 점수는 60.6퍼센트입니다. 은행 코파일럿 함대, 주니어 책상을 노리는 스타트업, 프런티어 랩의 수직 진출을 한 지도에 놓고, 읽기·계산·실행의 세 층으로 금융 에이전트의 현재 수준을 판정했습니다. 자본 60분의 1로 검색 내재화·채점기 정의·커버리지 공백을 파는 링크알파(인터베스트 투자사)의 공략 지점도 케이스로 담았습니다. 종목 판단과 투자 자문은 다루지 않습니다.
가중치를 건드리지 않고 에이전트를 전문가로 만드는 다섯 가지 방법
강화학습 없이, 파인튜닝 없이 도메인 에이전트의 업무 역량을 끌어올리는 방법론 다섯 계열을 대표 논문으로 골라 분석했습니다. 자연어 성찰로 프롬프트를 진화시켜 강화학습을 35배 적은 롤아웃으로 이긴 GEPA, 컨텍스트를 진화하는 플레이북으로 만든 ACE, 실패까지 전략 메모리로 증류하는 구글의 ReasoningBank, 정선한 시연 78개로 1만 샘플 학습을 이긴 LIMI, 워크플로 구조 자체를 트리 탐색으로 설계하는 AFlow까지. 다섯 편의 공통점은 경험이 가중치가 아니라 읽을 수 있는 자산으로 쌓인다는 것이고, 그 자산은 모델을 갈아끼워도 살아남습니다. 하네스가 표준이 되는 국면에서 이 축이 왜 실무의 본선인지 정리했습니다.
직원 열 명에 기업가치 40억 달러: 리커시브는 칩이 아니라 설계 루프를 팝니다
구글 알파칩의 두 저자 애나 골디와 아잘리아 미르호세이니가 세운 리커시브 인텔리전스는 창업 넉 달 만에 시리즈 A 3억 달러를 기업가치 40억 달러로 받았습니다. 그때 직원은 열 명이 안 됐습니다. 이 회사가 내건 단어는 디자인리스입니다. 팹리스가 제조를 외주화했듯 설계 자체를 AI에 외주화하겠다는 것이고, 칩을 설계한 경험이 다음 칩의 설계 능력이 되는 재귀 루프가 제품입니다. 엔비디아, AMD, 인텔이 같은 회사에 나란히 투자했다는 신호, 창업자들의 알파칩이 겪은 재현성 논쟁이라는 그림자, 그리고 시뮬레이터 채점과 테이프아웃 채점 사이의 간극까지, 공개 자료 기준으로 조사해 정리했습니다.
구글이 AI 의사에게 레지던트 수련을 시켰습니다. 환자는 일부러 까다롭게 만들었습니다
구글 연구진이 8월 7일 공개한 ResidencyRL은 의학 시험 문제가 아니라 시뮬레이션 진료실에서 AI를 강화학습으로 수련시킨 연구입니다. 최대 60턴의 문진과 도구 호출 속에서, 증상을 과장하고 의사에게 반박하고 조언을 따르지 않는 환자를 일부러 상대하게 했습니다. 결과는 적대 조건 진단 정확도 88.0퍼센트(기준 81.0퍼센트), 위험 신호 누락 31퍼센트 감소, 블라인드 전문의 선호 87.6퍼센트입니다. 열흘 앞서 네이처 메디슨이 평가를 진료처럼 바꾸자고 했다면, 이 논문은 훈련을 진료처럼 바꾼 실물입니다. 논문 기준으로 검증해 정리했습니다.
보상의 원천이 정답지 밖으로 나갑니다: 최근 석 달의 RLVR 논문 다섯 편
2026년 5월 중순부터 8월 중순까지 나온 검증 가능 보상 강화학습(RLVR) 논문 가운데, 서로 다른 병목 하나씩을 대표하는 다섯 편을 골라 깊이 읽었습니다. 열린 과제를 스파이 게임으로 바꿔 보상을 합성하는 RLSVR, 검증기 자체를 스케일링해 보상 해킹을 28.6퍼센트에서 0.6퍼센트로 줄인 검증 지평선 연구, 린 증명 보조기를 훈련용 과정 오라클로 쓴 한국 연구진의 작업, 사람이 읽을 수 없어지는 추론을 고치는 탠덤 학습, 그리고 긴 과제의 공로 배분을 회고로 푸는 RePro까지. 다섯 편이 같은 방향을 가리킵니다. 보상의 원천이 정답지에서 게임 규칙과 형식 시스템과 자기 회고로 넓어지고 있습니다.
딥시크는 모델을 부품으로 내렸습니다. 돈은 다른 장부에서 법니다
8월 둘째 주 사흘 동안 중국 AI에서 일어난 일입니다. 딥시크 V4 프로 정식판은 자체 벤치마크를 제3자가 재현하지 못해 논란에 휩싸였고, 같은 날 공개된 딥시크 하네스는 50시간 만에 깃허브 스타 11만 개를 모았으며, 하루 뒤 나온 GLM-5.3은 그 소란에 묻혔습니다. 이 사흘을 관통하는 구조가 있습니다. 모델 회사가 모델을 갈아끼우는 부품으로 내리고 하네스를 공짜로 풀면서, 경쟁의 축을 자기가 유리한 곳으로 옮긴 것입니다. 그리고 량원펑의 장부를 열어 보면 이 전략의 수익 모델이 모델 판매가 아니라는 것이 드러납니다. 확인된 사실과 와전된 소문을 구분해 정리했습니다.
RLVR의 다음 전선은 정답이 없는 문제입니다
정답을 기계로 채점해 보상을 주는 강화학습(RLVR)은 2년 만에 후반학습의 표준이 됐습니다. 그 사이 'RL은 새 능력을 만드는가, 있는 능력을 증폭할 뿐인가'라는 논쟁이 측정 방법의 진화와 함께 정리되어 가고, 연구 전선은 수학·코드처럼 정답이 있는 문제를 넘어 루브릭 보상, 생성형 검증기, 에이전트 환경으로 옮겨 갔습니다. 커서와 윈드서프는 이 방법을 제품 모델에 직접 썼고, 프라임 인텔렉트·메커나이즈·플릿·오픈파이프·씽킹머신즈는 환경과 검증기와 훈련 도구를 파는 산업을 만들었습니다. 최신 연구 동향과 스타트업 지형을 함께 정리했습니다.
의료 초지능이라는 말이 네이처 메디슨에 실렸습니다. 쟁점은 지능이 아니라 채점입니다
네이처 메디슨에 '의료 AI 초지능의 검증'을 다룬 아티클이 실렸습니다. 스탠퍼드·하버드·스크립스의 의학 AI 연구자들과 구글·오픈AI·앤트로픽·마이크로소프트 인사들이 저자로 함께 이름을 올렸습니다. 내용을 따라가면 이것은 지능 선언이 아니라 채점기 설계도입니다. 의사+AI가 AI 단독보다 못한 패턴, 인간 감독이 장기적으로 작동하지 않아 배포된 AI가 이미 사실상 자율로 쓰이고 있다는 불편한 진실, 초지능의 세 가지 문턱, MAST라는 새 시험지, 그리고 진짜 채점기인 임상 결과 검증에 5년이 걸린다는 시차 문제까지. 아티클 내용과 주변 근거를 함께 검증해 정리했습니다.
타임지가 사람에게는 보이지 않는 광고를 팔기 시작했습니다
7월 말 디지데이 보도 기준으로 타임지는 AI 크롤러만 읽는 마크다운 페이지에 광고주 맞춤 FAQ를 심고, 사람이 한 명도 보지 않은 크롤러 호출을 노출로 과금하기 시작했습니다. 첫 구매자는 앨라이 뱅크와 PMI입니다. 이 상품이 파는 것은 노출이 아니라 AI 답변에 반영될 확률이고, 구조는 구글이 20년간 스팸으로 처벌해 온 클로킹과 같습니다. 광고의 대상이 사람의 주의에서 모델의 신뢰로 옮겨 가는 첫 실물 사례를, 챗GPT 광고·GEO 시장·구글의 새 스팸 정책과 함께 뜯어봤습니다.
자기 원칙을 버린 VC들, 결과는 29배와 1배로 갈렸습니다
2023년 11월 월스트리트저널은 VC들이 생성형 AI 경쟁 속에서 자기 원칙을 스스로 어기고 있다고 진단했습니다. 이유는 투자하지 않는 비용이 너무 크다는 것이었습니다. 2년 9개월이 지난 지금 채점이 가능합니다. 그 말은 맞았지만, 모든 회사에 대해 맞은 것은 아니었습니다.
AI 신약개발의 병목은 이제 분자가 아니라 생물학입니다
AI 발굴 신약 후보는 초기 집계에서 임상 1상 성공률 87.5%를 기록했지만 2상은 40%에 머물렀습니다. 작은 표본이라는 한계를 짚고, 경쟁의 중심이 분자 생성에서 생물학적 가설의 검증과 폐기로 이동하는 이유를 분석했습니다.
14에서 42로, Solar Pro 4는 업무형 모델로 건너갔습니다
Solar Pro 4는 Artificial Analysis Intelligence Index에서 전작의 14보다 세 배 높은 42를 기록했고, Arena 에이전트 평가에서는 44위에 올랐습니다. 점수 상승의 원천, 세 리더보드의 차이, 속도와 비용의 대가, Top 10까지 남은 조건을 분석했습니다.
프런티어를 그리는 나라는 미국과 중국뿐입니다. 한국은 소화 속도 1위가 됐습니다
아티피셜 애널리시스의 국가별 프런티어 지능 곡선에서 한국은 미국과 중국을 제외한 아홉 나라 중 가장 높은 자리에 올랐습니다. 그런데 한국 곡선은 완만한 상승이 아니라 계단 모양입니다. 이 모양이 선두의 이유와 약점을 동시에 말해 줍니다. 포니에서 727만 대까지 간 자동차 산업과, 엔진을 면허생산하며 4.5세대까지 온 KF-21의 경로를 같은 틀에 놓고, 프런티어 모델 산업에서 후발국의 추격 창이 어떻게 다른지, 한국이 티어2 선두에 선 다섯 가지 이유, 그리고 그 지위의 취약점과 지속 조건을 따졌습니다. 종목 판단은 다루지 않습니다.
1비트를 얻으려 4비트를 버립니다: 메모리를 사던 회사들이 직접 그리기 시작했습니다
FMS 2026 무대에서 겔싱어 전 인텔 CEO가 'HBM은 형편없는 메모리'라고 도발하자, SK하이닉스의 김호식 부사장은 '어느 정도 동의하지만 현재 가진 것 중 가장 좋은 메모리'라고 받았습니다. 둘 다 맞는 말이고, 그 간극이 지금 반도체에서 가장 중요한 이동을 만들고 있습니다. 인텔은 소프트뱅크와 Z-앵글 메모리를 그리고 XBM 특허로 인터포저를 지우려 하고, 엔비디아는 그록에 200억 달러를 내고 SRAM 랙으로 메모리를 우회하며, SK하이닉스는 계층형 메모리로 응수합니다. 메모리의 정의권이 만드는 쪽에서 사는 쪽으로 넘어가는 장면을 정리했습니다.
성공률 20퍼센트가 함정입니다: 제프 딘의 1퍼센트 규칙
구글을 떠나기 엿새 전, 제프 딘이 YC 스타트업 스쿨에서 창업자들에게 남긴 지도입니다. 프런티어 모델이 이미 20퍼센트쯤 해내는 문제는 다음 세대 모델이 덮을 자리이고, 성공률이 0에서 1퍼센트에 묶여 있는 문제가 스타트업의 자리라는 것. 0퍼센트가 나오는 두 가지 구조(모델이 볼 수 없는 데이터, 자연어 밖의 물리·수학 법칙), 파라미터 대신 컨텍스트와 스킬을 고치는 이유, 딘과 게마와트의 성능 최적화 노하우 문서를 모델에 주입하는 실례, 냅킨 수학으로 TPU가 태어난 이야기, 그리고 마지막에 남는 능력이 왜 취향인지까지. 강연 내용 기준으로 정리했습니다.
AGI는 문이 아니라 계단입니다. 노동 재편은 신입 책상부터 시작됐습니다
코딩과 수학을 넘어 신약, 세포실험, 공정 노하우, 로봇 손재주까지 지금의 에이전트와 강화학습이 풀 수 있는가. 이 질문을 따라가면 AGI가 한 번에 열리는 문이 아니라 검증 단가 순서로 넘는 계단이라는 결론에 닿습니다. 노동 쪽 데이터는 이미 방향을 보여 줍니다. 재편은 몸 쓰는 일이 아니라 화이트칼라 신입 자리에서 먼저 시작됐고, 책임은 대체를 막는 벽이 아니라 소수의 서명자와 다수의 준비 노동을 가르는 칼로 작동하고 있습니다. 측정치와 함께 재편의 단계, 그리고 어느 시나리오로 가는지 알려 줄 관측 지표를 정리했습니다.
딥시크가 값을 올립니다. 마진을 되찾는 게 아니라 줄을 세우는 것입니다
8월 6일 딥시크가 API 정가를 전면 인상하겠다고 예고했습니다. 두 달 반 전에 75퍼센트를 내렸던 곳입니다. 그런데 인상 사유를 따라가면 원가가 아니라 용량이 나옵니다. 이 사건이 중국 저가 공세의 끝인지, 프런티어 랩의 수익성에 도움이 되는지, 하이퍼스케일러의 자본지출 회수에 어떤 의미인지를 숫자로 따져 봤습니다. 종목 판단은 다루지 않습니다.
발견이 아니라 루프인 이유: 오류를 고치는 회로만 끝이 없습니다
제프 딘의 새 회사 이름이 왜 디스커버리가 아니라 디스커버리 루프인지 묻다 보면 데이비드 도이치의 《무한의 시작》에 닿습니다. 나발 라비칸트와 마크 안드리센이 이 책을 인용해 온 이유, 좋은 설명은 바꾸기 어렵다는 기준이 지금 실무에서 왜 쓸모 있는지, 그리고 정작 도이치 본인은 오늘의 AI를 지식 창출로 인정하지 않는다는 사실까지 정리했습니다. 한국어판 제목이 왜 오해를 부르는지도 함께 짚었습니다.
제프 딘이 27년 만에 구글을 나왔습니다. 병목은 아이디어가 아니라 실험이라고 봤습니다
구글의 최고과학자 제프 딘이 사냐이 게마와트, 오리올 비냘스, 쿽 레와 함께 디스커버리 루프를 창업했습니다. 회사가 자동화하겠다는 것은 모델도 지식도 아니고 실험 한 바퀴 그 자체입니다. 이들이 왜 하필 머신러닝 연구부터 시작하는지, 그 선택에 어떤 기술적 믿음이 깔려 있는지, 딥마인드가 이미 만들어 둔 것과 어떻게 이어지는지, 그리고 같은 목표를 노리는 곳들이 어디에 서 있는지 정리했습니다.
이제 코드를 짜는 것보다, 그게 맞는지 확인하는 게 더 어렵습니다
AI를 학습시키려면 무엇이 잘된 것인지 기계가 판정할 수 있어야 합니다. 그 판정 장치를 만드는 일이 지금 가장 비싸고 어려운 공정이 됐습니다. 실제 파이프라인을 처음부터 끝까지 따라가고, 검증기가 어떻게 속아 넘어가는지, 그리고 왜 이 시장에 조 단위 돈이 몰리는지 정리했습니다.
에이전트는 은행 계좌를 못 엽니다. 클라우드플레어가 그 자리에 들어왔습니다
8월 4일 클라우드플레어가 AI 에이전트에게 고정된 신원과 스테이블코인 지갑을 주는 제품을 내놨습니다. 통신과 결제 표준은 이미 굳었는데 신원만 비어 있던 자리입니다. 비자·마스터카드·스트라이프·구글·메타가 각기 다른 근거로 같은 층을 노리는 중이라, 누가 '이 에이전트는 정당하다'고 말할 자격이 있느냐가 진짜 경쟁입니다.
공개된 GRPO만으로 에이전트는 만들어지지 않는다
강화학습 알고리즘과 프레임워크는 공개돼 있지만, 에이전트 성능을 재현하려면 환경·검증기·분산 실행·정책 신선도·장애 처리까지 하나의 학습 시스템으로 묶어야 합니다. Solar Open 2의 공개 자료를 중심으로 그 난이도와 해법을 분석했습니다.
사람이 소스코드를 덜 읽는 것과, 소스코드가 사라지는 것은 다른 이야기입니다
일론 머스크가 소스코드를 없애고 AI가 바이너리를 직접 만드는 단계를 말했습니다. 반세기 전 우리가 어셈블리를 안 읽게 된 것과 같다는 비유입니다. 비유의 앞쪽은 맞지만 뒤쪽에는 빠진 것이 있습니다. 컴파일러는 우리가 안 읽어도 됐던 이유였지 안 읽어도 되는 결과가 아니었습니다.
CXL과 AI 추론: 알리바바 Beluga가 KV 캐시를 공유 메모리로 바꾼 방법
CXL은 GPU의 행렬 연산을 빠르게 하는 메모리가 아닙니다. 알리바바 클라우드의 Beluga는 CXL 2.0 공유 메모리 풀에 장문 프롬프트의 KV 캐시를 보관해, 모든 캐시가 적중한 재실행에서 RDMA 대비 평균 TTFT 89.6% 감소와 처리량 7.35배를 기록했습니다. 이 수치의 조건과 한계, Meta의 생산 배치가 보여준 서방 하이퍼스케일러 적용 가능성, HBM·RDMA·압축·HBF·SSD 사이에서 CXL의 우선순위를 분석했습니다.
HBF 첫 표준: 512GB 플래시가 AI 가속기 패키지 안으로 들어옵니다
SK하이닉스와 샌디스크가 FMS 2026에서 HBF의 첫 표준 사양을 공개했습니다. 8단·16단 NAND, 최대 512GB, 0.4~3.0TB/s의 세 성능 등급, UCIe 연결과 소프트웨어 I/O 지침이 핵심입니다. 표준이 HBF를 제품에서 생태계로 바꾸는 의미와 함께, 지연·쓰기·내구성·전력·상호운용성이 아직 남은 이유를 분석했습니다.
삼성 zHBM: HBM을 GPU 위에 올리면 메모리는 시스템이 됩니다
삼성전자가 FMS 2026에서 공개한 zHBM은 HBM을 더 높게 쌓는 제품이 아닙니다. 메모리를 xPU 옆이 아니라 위에 올려 메모리, 맞춤형 로직, 파운드리와 패키징을 하나의 3D 시스템으로 묶으려는 아키텍처입니다. 전기적 이득과 함께 열, 수율, 고객 선택권이라는 새 병목도 분석했습니다.
소프트웨어는 안 죽었고, 80퍼센트 마진이 죽었습니다
팔란티어·서비스나우·클라우드플레어·스노우플레이크·세일즈포스의 최근 실적은 하나같이 AI가 수요를 끌어올리고 있다고 말합니다. 그런데 같은 자료가 총이익률이 80~90퍼센트에서 50~60퍼센트로 내려앉는 중이라고도 말합니다. 클라우드플레어는 매출이 34퍼센트 늘어난 분기에 인력 20퍼센트를 줄였습니다.
지난주 클라우드에 나온 2,840억 모델이 이미 노트북에서 돕니다
딥시크가 7월 31일 API로 내놓은 2,840억 파라미터 에이전트 모델이 128GB 맥북에서 초당 34토큰으로 돌아갑니다. 그래서 질문이 바뀌었습니다. 돌릴 수 있느냐가 아니라 어떤 일을 어디로 보낼 것이냐입니다. 엔비디아가 말하는 '모델들의 시스템'과 그 사이에 놓인 라우터 이야기입니다.
메타 뮤즈 스파크는 도구를 가장 잘 부르지만, 혼자 일을 끝내지는 못합니다
메타가 라마 브랜드를 접고 가중치를 닫으며 내놓은 뮤즈 스파크는 도구 호출 벤치마크에서 클로드 오푸스 4.8을 앞섭니다. 그런데 컴퓨터 사용과 코딩에서는 집니다. 에이전트 가치의 대부분이 뒤쪽에 있다는 점을 감안하면, 이 모델의 목적은 프런티어 경쟁이 아니라 자사 유통망 위에서 돌아갈 전용 엔진에 가깝습니다.
카프의 '중독' 공격은 계약서로는 틀렸고, 구조로는 맞습니다
팔란티어 알렉스 카프가 오픈AI와 앤트로픽을 향해 "우리를 마약에 중독시키려 한다", "생산수단을 빼앗으려 한다"고 했습니다. 고객 IP를 가져간다는 문자 그대로의 주장은 기업 계약 조건과 맞지 않습니다. 그런데 그가 가리키는 구조는 실재합니다.
자기개선과 지속학습, 다음 관문이라면서 아무도 내놓지 않았습니다
앤트로픽·오픈AI·구글·메타·xAI·문샷·딥시크의 최신 모델은 강화학습 환경, 후반학습, 장기 실행에 몰려 있습니다. 모두가 다음 관문이라 부르는 자기개선과 지속학습은 아직 아무도 제품으로 내놓지 않았습니다. 그 사이 딥시크와 xAI가 같은 시기에 규모를 키우지 않겠다고 선언했습니다.
매일 아침 기억을 잃는 직원: 지속학습 연구는 어디까지 왔나
테스트타임 학습과 지속학습의 6년 흐름을 시계열로 정리하고, 인간의 학업·직무·평생학습 구조와 나란히 놓아 봤습니다. 지금 AI는 학교는 최고로 마쳤고 도제는 흉내만 내며 평생학습은 시작도 못 했습니다. 그리고 이게 해결되는 순간 안전 평가 체계 전체가 무너집니다.
말하지 않은 생각을 읽다: 언어모델 안에서 발견된 작업 공간
앤트로픽이 클로드 내부에서 작은 공유 칠판을 찾았습니다. 한 번에 25개 남짓의 개념만 올라가고 전체 활동의 10퍼센트도 안 되는데, 모델의 조용한 추론이 전부 이곳을 거칩니다. 이걸 읽으면 모델이 말하지 않은 의도까지 보입니다. 다만 연구진은 이것이 의식의 증거는 아니라고 분명히 선을 긋습니다.
구조는 그대로, 훈련만 다시: 딥시크 V4-Flash가 증명한 것
7월 31일 딥시크가 V4-Flash 정식판을 냈습니다. 아키텍처도 크기도 그대로 두고 후반 학습만 다시 했는데, DeepSWE 점수가 7.3에서 54.4로 뛰었고 자기네 플래그십 V4-Pro를 9개 에이전트 벤치마크 전부에서 이겼습니다. 능력이 어디서 오는가에 대한 답이 바뀌고 있습니다.
올트먼의 재장전: 자책 포스트, 토큰으로 짓는 회사, 그리고 자유·주체성·부
샘 올트먼이 최근 두 달 사이 내놓은 발언들을 원문으로 추적했습니다. 지난 12개월은 대부분 내 탓이라는 이례적 자책, 오늘 창업하는 회사가 역사상 가장 가치 있게 될 거라는 선언, 그리고 YC 스타트업 전원에게 200만 달러어치 토큰을 지분과 바꾸자는 제안까지. 발언과 발언자의 이해관계를 나란히 놓고 읽었습니다.
미국의 제네시스 미션과 한국의 K-문샷: 과학정책이 AI 운영체제가 되는 순간
백악관의 Science: A New Golden Age는 AI 모델 도입을 넘어 연구비 배분, 데이터와 컴퓨팅, 자율실험, 검증, 제조와 사업화를 하나의 순환계로 묶으려는 제도 개편안입니다. 미국의 제네시스 미션과 한국의 K-문샷을 비교해, 이제 중요한 것이 새 계획이 아니라 실제로 작동하는 공통 운영계층과 성과지표인 이유를 살펴봅니다.
AI는 도서관을 졸업하고 현장으로 갑니다: 그런데 현장의 데이터는 누구 것인가
웹 데이터로 배울 수 있는 것은 상향 평준화됐고, 이제 가치는 도서관 밖의 현장에서 만들어집니다. 그런데 버티컬 루프를 지어도 데이터는 고객사 소유입니다. 그 모델은 그 고객사만 쓰게 되는 걸까요. 고객의 데이터가 모델의 일반 역량이 되는 네 가지 메커니즘을, 계약과 머신러닝 양쪽에서 상세히 풀었습니다.
피드백 루프를 소유하는 법: 현장 신호가 모델 개선이 되기까지
루프가 해자라는 건 알겠는데, 그 루프는 정확히 어떻게 짓는 걸까요. 사용자의 다음 행동을 라벨로 바꾸는 계측 설계부터, 수락·거절 쌍을 DPO와 온라인 RL로 넘기는 변환, 보상 해킹을 막는 안전장치까지. 커서·테슬라·하비의 공개된 구현을 근거로 기술적으로 풀었습니다.
2.8조 파라미터를 오픈으로 푼다: 키미 K3 테크니컬 리포트 심층 분석
문샷AI가 2.8조 파라미터 모델 키미 K3의 가중치와 34쪽 리포트를 전부 공개했습니다. 세계 최대 오픈 모델이면서, 프런티어급 성능을 프런티어의 3분의 1 원가로 냅니다. 회사 스스로 '가장 강한 폐쇄 모델엔 못 미친다'고 인정하는 부분까지, 원문을 근거로 갈라 읽었습니다.
LLM 상위권이 다시 섞였습니다: LMArena Top 20의 이번 주 변화
2026년 7월 21일 LMArena Top 20에서는 Anthropic이 선두를 지킨 가운데 OpenAI가 10개 모델을 올렸고, 신규 모델 8개가 진입했습니다. 순위 변화가 컸던 모델과 투자자가 이 리더보드를 읽을 때 주의할 점을 함께 살펴봅니다.
데이터가 해자가 아니라, 데이터를 만드는 루프가 해자입니다
크롤링으로 모을 수 없는 데이터, 즉 전문가가 실제 업무에서 어떻게 판단했는지의 흔적이 다음 시장을 만든다는 주장이 나옵니다. 머코어의 연 환산 매출은 1년 만에 7.6억 달러에서 20억 달러가 됐습니다. 다만 '데이터=해자'라는 통념은 이미 오래전에 반박됐습니다. 무엇이 진짜 방어선인지 갈라 읽었습니다.
감정을 먼저 받아주는 연애 조언 AI, goutoujunshi가 보여주는 수직형 에이전트의 방향
goutoujunshi는 감정을 먼저 받아준 뒤 관계를 분석하고 실행 가능한 대응책을 제시한다고 설명하는 Codex 기반 관계 조언 프로젝트입니다. 제한된 공개 정보 안에서 이 설계가 무엇을 뜻하는지, 동시에 무엇을 더 확인해야 하는지 살펴봅니다.
돈 되는 걸 골라서 안 한다: 량원펑이 투자자에게 4시간 동안 한 말
딥시크 량원펑이 4시간 투자자 미팅에서 했다는 발언 52개가 중국에서 퍼졌습니다. 비디오·슈퍼앱·C단 트래픽처럼 돈 되는 길을 골라서 거부하고, 오픈소스와 저가를 자선이 아니라 전략이라고 말합니다. 다만 이건 공식 녹취록이 아니라 참석자들이 돌린 2차 노트입니다. 무엇이 진짜 신호이고 무엇이 포지셔닝인지 갈라 읽었습니다.
공격이 자동화될 때, 방어도 기계의 속도로 움직여야 합니다
Menlo Ventures는 공격자가 자동화로 속도와 규모를 키우는 동안 수작업에 머무른 방어 조직이 구조적으로 불리해질 수 있다고 봅니다. 공개 요약을 바탕으로 AI 네이티브 사이버보안의 핵심 문제와 창업자·투자자가 확인해야 할 지점을 살펴봅니다.
AutoSynthesis가 보여주는 AI 에이전트의 메타분석 자동화
AutoSynthesis는 연구 질문에서 문헌 검색, 통계 추출, 메타분석, 보고서 작성까지 이어지는 복합 연구 절차를 자동화하려는 다중 에이전트 시스템입니다. 이 논문을 통해 AI의 투자 가치가 단순한 업무 절감이 아니라 결과의 신뢰성과 검증 비용에 달려 있다는 점을 살펴봅니다.
올해 세계 로봇 학회 최고의 논문, 홀리데이로보틱스가 함께 만들었습니다
로봇 분야 최고 학회 중 하나인 RSS가 올해 '최우수 논문' 한 편을 뽑았습니다. 학생 부문도, 시스템 부문도 아닌 전체를 통틀어 딱 한 편입니다. 그 논문을 2024년에 창업한 한국 스타트업 홀리데이로보틱스가 앞장서 이끌었습니다.
체급을 뛰어넘은 한국어 업무 AI: 업스테이지 솔라 오픈 2 심층 리뷰
업스테이지가 2,500억 파라미터 업무형 AI '솔라 오픈 2'를 공개했습니다. 한국어 종합 성능은 비교 모델 중 1위, 6배 이상 큰 모델과 견주는 사무 능력, 세계 최전선 아키텍처를 빠르게 소화한 실행력, 그리고 발표 며칠 만의 실제 제품 적용까지. 34쪽 테크니컬 리포트를 근거로 상세히 정리했습니다.
엔비디아가 발표한 로봇 모델은, 아직 존재하지 않습니다
코스모스 3 엣지는 다운로드할 수 없고, 출시일이 없고, 성능 수치가 하나도 없으며, 돌아갈 칩은 내년 1분기에나 나옵니다. 그런데도 이 발표는 정확히 노린 대로 작동합니다. 팔리는 건 모델이 아니기 때문입니다.
LMArena 상위권을 채운 Anthropic과 여섯 신규 모델
2026년 7월 16일 LMArena Top 20에서는 Anthropic이 최상위권을 주도했고, Google·OpenAI·Moonshot·Meta·Baidu에서 여섯 모델이 새로 진입했습니다. 다만 일부 순위와 ELO 점수가 맞지 않아, 변화를 해석할 때 데이터 정합성에 주의할 필요가 있습니다.
GPU가 없는데 왜 따라잡히나: 중국 AI의 진짜 엔진
중국은 최첨단 GPU를 제대로 구하지 못합니다. 그런데 모델은 계속 따라옵니다. 흔한 설명은 베꼈다는 것인데, 숫자를 보면 그 설명으로는 부족합니다. 세계 상위 AI 인재의 47%가 중국계이고, 중국은 인용 기준 최대 AI 논문 생산국이며, 딥시크는 KV 캐시를 93% 줄이는 구조를 논문으로 공개했습니다. 제약이 알고리즘을 낳았습니다. 증류 논쟁도 함께 짚습니다. 투자 자문은 아닙니다.
에이전틱 웹: 표준 전쟁은 끝났고, 거래는 시작되지 않았습니다
지난 30일간 x402 위에서 7,500만 건의 결제가 일어났습니다. 그런데 총액은 2,400만 달러였습니다. 건당 32센트. 이 두 숫자의 간격이 2026년 에이전틱 웹의 모든 것을 말해줍니다.
WorkBuddyGuide, 실전형 AI 업무 안내서가 보여주는 가능성과 빈칸
WorkBuddyGuide는 튜토리얼부터 자동화와 다중 에이전트 실전까지 다루겠다고 밝힌 오픈소스 안내서입니다. 다만 README 본문이 확보되지 않아, 현재 공개된 메타정보가 보여주는 방향과 아직 확인할 수 없는 부분을 구분해 살펴봅니다.
Thinking Machines의 첫 공개 모델 Inkling: 맞춤형 AI를 위한 오픈 웨이트 전략
Thinking Machines Lab이 첫 자체 모델 Inkling의 가중치를 Apache 2.0으로 공개했습니다. 9,750억 매개변수 모델의 기술적 특징보다 더 주목할 대목은 기본 모델, 후학습, 배포, 사람과의 상호작용을 하나의 맞춤형 AI 체계로 묶으려는 전략입니다.
선형 어텐션이 돌아왔습니다: Kimi Linear와 그 뒤에 온 답
문샷 AI의 Kimi Linear는 선형 어텐션 세 층에 풀 어텐션 한 층을 섞는 하이브리드입니다. 1백만 토큰에서 디코딩이 6.3배 빠르고 KV 캐시는 75% 줄면서, 벤치마크는 오히려 풀 어텐션을 앞섭니다. 품질 때문에 주류에서 밀려났던 선형 어텐션이 실사용 가능한 수준으로 돌아온 것입니다. 당시 남았던 초거대 모델 검증이라는 물음표에는, 9개월 뒤 나온 2.8조 파라미터 모델이 답을 내놓았습니다. 투자 자문은 아닙니다.
AI 에이전트가 클라우드 인프라를 다시 설계하게 만드는 이유
Latent Space와 Modal CTO Akshat Bubna의 대화를 바탕으로, 사람을 위해 만들어진 클라우드가 AI 에이전트의 작업 방식에 맞춰 어떻게 달라져야 하는지 살펴봅니다. 샌드박스, 탄력적 추론, 관측 가능성, 안전장치가 새로운 인프라 경쟁의 핵심이 되는 이유를 투자자의 시각에서 짚어봅니다.
하사비스가 그리는 프런티어 AI 거버넌스: 만드는 쪽이 내놓은 절충안
구글 딥마인드의 데미스 하사비스가 프런티어 AI를 안전하게 다룰 계획을 제시했다는 보도가 나왔습니다. 그가 여러 자리에서 밝혀 온 뼈대는 셋입니다. 출시 전 프런티어 모델을 검증하는 국제 기구, 미국 주도의 연합, 그리고 정적인 규칙 대신 주기적 독립 평가입니다. 최근 나온 두 개의 다른 거버넌스 제안과 겹쳐 보면, 이것이 만드는 쪽에서 나온 절충안이라는 성격이 드러납니다. 투자 자문은 아닙니다.
창고 SOP를 실행하는 AI 에이전트, Eluna가 보여주는 운영 레이어의 의미
Eluna 논문은 창고 운영의 표준작업절차를 그래프로 나누고, 여러 AI 에이전트가 실제 데이터와 코드 실행을 통해 절차를 수행하는 방식을 제안합니다. 투자자 관점에서는 더 큰 모델 자체보다 기업의 반복 업무를 안전하게 실행하는 운영 레이어가 중요해질 가능성을 보여줍니다.
AI 에이전트는 SaaS를 없애는 게 아니라, 사고파는 방식을 바꿉니다
AI 에이전트가 확산되면 기업용 소프트웨어의 가치 단위는 좌석과 기능에서 완료된 업무와 검증된 결과로 이동합니다. 공급업체의 경제성, 기업의 신뢰 설계, 학습 데이터의 소유권까지 함께 살펴봤습니다.
안개 속에서 운전 중입니다: 노벨상 16명이 서명한 AI 경제 성명
2026년 7월 13일, 노벨경제학상 수상자 16명을 포함해 200명이 넘는 경제학자와 AI 연구자가 'We Must Act Now'에 서명했습니다. 주목할 점은 경고가 아니라 고백입니다. 이들은 AI가 경제를 어떻게 바꿀지 자신들도 모른다고 인정하며, 그래서 지금 연구하고 제도를 만들자고 말합니다. 아세모글루와 스티글리츠, 크루그먼, 버냉키, 벤지오, 르쿤, 슈밋이 한 문서에 이름을 올린 이유를 짚었습니다. 종목 투자판단은 다루지 않습니다.
AI 예산은 결국 어디서 올까: 인건비 재배분 가설
기업의 AI 지출은 기존 소프트웨어 예산 안에서만 커질까요, 아니면 채용·외주·반복 업무에 쓰던 비용까지 가져오게 될까요. 예산, 가격표, 고용 데이터를 함께 놓고 인건비 재배분 가설의 근거와 반증을 살펴봤습니다.
README 없이 읽는 openscience: 과학 연구용 AI 워크벤치의 가능성과 한계
synthetic-sciences/openscience는 공개 메타정보 기준으로 과학 연구용 오픈소스 AI 워크벤치를 지향하는 TypeScript 프로젝트입니다. 다만 제공 자료에서 README 확보가 실패했기 때문에, 기능과 성능은 단정하지 않고 공개 메타정보가 보여주는 방향성만 조심스럽게 살펴봅니다.
AI 2040 Plan A: 예측이 답안지를 들고 돌아왔다
미국의 AI 예측 연구팀 AI Futures Project가 새 시나리오 AI 2040 Plan A를 공개했습니다. 2027년 안에 초지능이 등장해 인류가 멸종하거나 소수가 권력을 독점한다고 그렸던 AI 2027의 후속작인데, 성격이 다릅니다. 전작이 예측이었다면 이번엔 권고입니다. 저자들은 이것이 실제 일어날 일에 대한 최선의 추측이 아니라 정책 권고를 전달하고 압박 시험하기 위한 수단이라고 못박았습니다. 투자 자문은 아닙니다.
하네스 엔지니어링: 모델이 엔진이라면 나머지 전부가 공학입니다
샌프란시스코 AI 엔지니어 월드페어 2026의 마지막 날 주제는 하네스 엔지니어링이었습니다. 여러 연사가 약속이나 한 듯 같은 정의에 도달했습니다. 에이전트에서 모델을 빼면 남는 전부가 하네스다. 모델이 강력한 엔진이 될수록, 지속되는 공학은 그 엔진을 감싸는 하네스로 옮겨갑니다. 기억과 도구, 컨텍스트, 정체성, 평가라는 하네스로. 발표 기준으로 정리했고 투자 자문은 아닙니다.
전력이냐 칩이냐: 미국과 중국의 AI 추론 스택이 갈라선 이유
미국과 중국의 AI 추론 스택은 논리 아키텍처가 수렴했습니다. 둘 다 prefill과 decode를 분리하고 KV 캐시를 중심에 놓습니다. 그런데 물리 구현은 정반대로 갈라졌습니다. 미국은 전력 제약 아래 실리콘을 이종화했고, 중국은 칩 제약 아래 광 인터커넥트로 물량을 밀어붙였습니다. 그리고 이 분기는 이제 기술이 아니라 정책으로 고정됐습니다. 모든 2026년 수치는 보도·발표 기준이며 종목 투자판단은 다루지 않습니다.
Etched가 보는 추론 시대의 AI 반도체
Invest Like the Best 인터뷰는 Etched의 핵심 베팅을 단순한 AI 칩 경쟁이 아니라 추론 토큰 생산능력 경쟁으로 설명합니다. 칩, 랙, 인터커넥트, 전력, 공급망을 하나의 시스템으로 묶어 보는 관점이 투자자에게 중요한 시사점을 줍니다.
스킬 엔지니어링과 원샷 AI 디자인의 한계
Latent Space의 글은 Impeccable의 Paul Bakaus를 통해 AI 에이전트 시대의 디자인이 완전 자동화가 아니라 사람의 판단과 조율을 중심에 둔 협업으로 진화할 가능성을 보여줍니다.
LLM 에이전트 안전성 테스트를 자동화하려는 Vera 논문 읽기
Vera는 빠르게 변하는 LLM 에이전트의 안전 위험을 발견하고, 실행 가능한 테스트 케이스로 만들고, 관찰 가능한 증거로 검증하려는 자동화 프레임워크입니다. 투자자 관점에서는 모델 성능 경쟁 다음에 안전 테스트 스택이 중요한 인프라 레이어가 될 가능성을 보여주는 논문으로 읽힙니다.
AI는 생명의 불확실성을 어디까지 다루나: 연역의 층과 귀납의 층
물리학은 몇 개의 법칙에서 결과를 연역하는 세계이고, 생물학은 관찰을 쌓아 규칙을 짐작하는 귀납의 세계입니다. 딥러닝은 본질적으로 귀납 기계라, 규칙이 뚜렷한 곳(안정 단백질 구조)은 이미 정복했지만 규칙이 흐릿하고 계속 변하는 곳에서는 아직 단순한 통계 방법조차 확실히 이기지 못합니다. 2024~2026 연구 동향으로 그 경계선을 짚었습니다. 투자 자문은 아닙니다.
AI-Native vs AI-Adopted: 누가 이기는가
기존 강자가 AI를 도입하면(AI-adopted) 이미 가진 리소스로 신생 AI-native를 압도할까요, 아니면 AI-native만의 구조적 우위가 있을까요. 정답은 둘 중 하나가 아니라 조건부입니다. 질문을 '누가 리소스가 많은가'에서 'AI가 누구의 해자를 파괴하고 누구의 해자를 강화하는가'로 바꾸면 경계선이 보입니다. 종목 투자판단은 다루지 않습니다.
모델 위와 아래에서 승부가 납니다: 이번 주 VC 3편
이번 주 VC 데스크가 주목한 세 편입니다. NanoClaw의 자율 업무 에이전트, 코인베이스의 AI 지출 50% 삭감과 AI ROI 논쟁, 그리고 엔비디아에 도전하는 하버드 중퇴자들의 추론 칩 Etched. 세 편을 관통하는 하나의 실타래는, 모델이 평준화되며 승부가 그 위(에이전트와 운영)와 아래(추론 실리콘)로 이동하고, 그 사이에서 AI 지출이 ROI로 심판받는다는 것입니다. 종목 투자판단은 다루지 않습니다.
모델이 아니라 통제권입니다: 팔란티어 카프가 보는 AI 가치사슬
팔란티어 CEO 알렉스 카프가 CNBC에서 'AI가 팔리는 방식에 무언가 완전히 잘못됐다'고 말했습니다. 그의 논리는 단순합니다. AI의 승부처가 누가 최고의 모델을 만드나에서, 누가 기업과 정부에게 데이터와 모델, 컴퓨트, 업무 맥락을 안전하게 통제하게 해주나로 옮겨간다는 것입니다. 팔란티어-엔비디아 협력과 온톨로지, 그리고 이해당사자의 프레임까지 짚었습니다. 투자 판단은 다루지 않습니다.
AI의 진짜 100배는 칩이 아니라 코디자인입니다: Dylan Patel 인터뷰
세미애널리시스 창업자 Dylan Patel이 세쿼이아와 나눈 인터뷰의 핵심은 하나입니다. AI의 진짜 100배는 더 빠른 칩도, 더 좋은 모델도 아닌, 하드웨어와 시스템 소프트웨어와 모델을 함께 설계할 때 나온다는 것입니다. 코디자인, 물리적 벽 두 개, 컴퓨트 크런치, 그리고 끝판 구도까지 정리했습니다. 투자 자문은 아닙니다.
LMArena 상위권에서 보이는 선호 경쟁의 현재 모습
2026년 7월 2일 기준 LMArena Top 20은 Anthropic이 최상위권을 강하게 차지한 가운데 OpenAI, Google, Alibaba, Z.ai, Moonshot이 촘촘히 뒤따르는 구도입니다. 직전 대비로는 claude-opus-4-6-thinking의 1위 상승, gemini-3.5-flash의 4계단 상승, claude-opus-4-8의 신규 진입이 눈에 띕니다.
엔비디아가 AI의 '중앙은행'이 되려 합니다: 수익 공유형 GPU 모델의 속뜻
엔비디아가 GPU를 파는 대신 매출을 나누기 시작했습니다. 초기 자본이 부족한 스타트업에는 토큰 크레딧으로 GPU를 먼저 주고, 이들이 성장하면 매출 일부를 받는 수익 공유형 모델입니다. 미사용 용량까지 보증합니다. 전문가들은 이를 AI 산업의 '중앙은행'이라 부릅니다. 무엇을 발표했고, 왜 지금이며, 어떤 위험을 품고 있는지 봅니다. 투자 자문은 아닙니다.
퀄컴 HBC vs 세레브라스: 같은 병목, 정반대의 두 해법
퀄컴 HBC와 세레브라스 WSE는 'AI가 느린 건 연산 부족이 아니라 데이터 이동 때문'이라는 같은 병목에서 출발하지만, 해법은 정반대입니다. 퀄컴은 연산을 메모리 옆으로 가져가고, 세레브라스는 웨이퍼 전체를 하나의 연산기로 만듭니다. 구조와 워크로드 적합성, 검증 수준을 같은 잣대로 비교했습니다. 종목 투자판단은 다루지 않습니다.
awesome-evals, README 없이도 보이는 AI 에이전트 평가의 방향
benchflow-ai/awesome-evals는 AI 에이전트 평가 자료를 큐레이션하는 오픈소스 프로젝트입니다. 다만 제공된 자료에서는 README 확보에 실패했기 때문에, 공개 메타정보만으로 확인 가능한 범위와 투자자가 조심스럽게 볼 지점을 나누어 살펴봅니다.
엔터프라이즈 AI의 해자는 모델보다 메모리에서 시작됩니다
20VC 인터뷰에서 Nikesh Arora는 토큰 비용, 오탑률, 메모리, 보안 운영의 관점에서 기업용 AI가 아직 왜 쉽지 않은지를 설명합니다. 투자자 관점에서는 모델 성능보다 조직의 맥락을 얼마나 제품과 워크플로우에 녹이는지가 핵심 체크포인트로 보입니다.
GLM-5.2가 던진 오픈 에이전트의 전환점
Nathan Lambert는 Interconnects 글에서 GLM-5.2를 오픈 웨이트 모델이 코딩 에이전트 영역에서 처음으로 의미 있는 사용자 경험 문턱을 넘은 사례로 봅니다. 투자자 관점에서는 폐쇄형 프런티어 모델의 가격 결정력, 오픈 모델 추론 생태계, 에이전트 워크플로의 재편을 함께 살펴볼 필요가 있습니다.
휴머노이드가 물체와 지형을 함께 다루려면 무엇이 필요한가
SceneBot은 휴머노이드가 단순히 사람 동작을 따라 하는 수준을 넘어, 물체와 지형에 닿는 순간까지 함께 조건으로 주는 움직임 추적 프레임워크를 제안합니다. 초록 기준으로는 휴머노이드 투자에서 보행 데모보다 접촉, 균형, 환경 적응이 더 중요해지는 흐름을 보여주는 논문으로 읽힙니다.
HBM, HBF, HBC: 세 글자가 벌이는 세 가지 다른 싸움
HBM과 HBF, HBC는 발음이 비슷해 한 묶음처럼 보이지만, 실제로는 서로 다른 계층에서 서로 다른 병목과 싸웁니다. HBM은 메모리(대역폭), HBF는 그 위에 붙는 용량 계층(보완재), HBC는 메모리를 적게 쓰려는 시스템 설계(부분 대체재)입니다. 셋을 같은 축에 놓고 누가 더 빠른가를 묻는 순간 질문이 틀립니다. 투자 판단은 다루지 않습니다.
LMArena 상위 20위로 본 이번 주 LLM 판도
2026년 6월 16일 기준 LMArena Top 20에서는 Anthropic이 최상위권을 넓게 차지했고, OpenAI의 gpt-5.5와 Alibaba, Moonshot, Zai 계열 모델의 신규 진입이 눈에 띕니다. 직전 6월 10일 대비 변화는 선두 경쟁이 단일 모델 싸움에서 다수 제공사의 포트폴리오 경쟁으로 옮겨가고 있음을 보여줍니다.
Windows Copilot을 OpenAI 호환 API처럼 쓰겠다는 오픈소스 프로젝트
sums001/Windows-Copilot-API는 Windows Copilot을 역공학해 OpenAI 호환 REST API 형태로 접근하려는 Python 프로젝트입니다. 다만 제공된 자료에는 README 본문이 확보되지 않아, 이 글은 공개 메타정보와 프로젝트 설명에 근거한 제한적 해설입니다.
퀄컴은 왜 데이터센터로 가나: 추론 병목·HBC·그리고 엔비디아가 아닌 경쟁구도
퀄컴이 데이터센터에 들어옵니다. 다만 엔비디아와 GPU 학습 정면승부가 아니라, AI 추론의 메모리 월과 전력당 토큰 비용을 겨냥합니다. 사업구조와 핵심 차별화 주장(HBC), 그리고 엔비디아가 아닌 진짜 경쟁구도를 분석했습니다. 투자 판단은 다루지 않습니다.
가속과 통제 사이의 앤트로픽: 다큐멘터리가 드러낸 전략과 투자자의 질문
앤트로픽을 다룬 장편 다큐멘터리를 투자자의 눈으로 정리했습니다. 조용하다가 갑자기 폭발하는 스무스 지수함수, 가치와 비즈니스 모델을 정렬하려는 전략, 코딩 에이전트가 부른 SaaS 충격, 일자리와 국방·사이버 논쟁, 그리고 가속과 통제라는 모순적 긴장을 짚었습니다.
AI 성능 뒤에 있는 거대한 데이터 블랙홀
Dwarkesh Patel의 영상은 최근 AI 발전의 중심 동력이 더 나은 학습법보다 데이터와 계산 자원의 확대에 있다는 주장을 펼칩니다. 투자자 관점에서는 모델 자체보다 데이터 생성, 검증, 루브릭, 전문가 궤적을 둘러싼 인프라를 눈여겨보게 됩니다.
AI 시대의 이커머스, 유통과 추천 사이에서 다시 읽기
Stratechery의 Ben Thompson이 Michael Morton과 나눈 AI 시대 이커머스 인터뷰를 공개 요약 기준으로 읽었습니다. 원문 전문은 확인되지 않아 단정은 피하되, 유통, 추천, 식료품, 자율주행이라는 네 가지 축이 창업자와 투자자에게 던지는 질문을 정리합니다.
휴머노이드 로봇의 다음 인프라, 물리 경험 데이터 표준
이 글은 Shaoshan Liu 등 저자들이 제안한 휴머노이드 로봇 데이터 표준의 필요성을, 비전공자도 이해할 수 있도록 풀어 쓴 소개입니다. 초록 기준으로는 앞으로의 Physical AI 경쟁이 모델과 하드웨어뿐 아니라 물리 경험 데이터를 축적하고 재사용하는 표준 인프라에 달려 있을 가능성을 시사합니다.
로봇 AI가 한 덩어리에서 여러 층으로 쪼개집니다: 2026 VLA 물결과 피지컬 AI 투자 지도
2026년 로봇 AI 논문 물결의 핵심은 단일 VLA가 플래너·컨트롤러·월드모델·런타임의 여러 층으로 쪼개진다는 점입니다. 무엇이 바뀌었고, 진짜 병목은 무엇이며, 누가 모델과 하드웨어를 만들고, 가치사슬은 GPU 너머 어디로 넓어지는지, 그리고 한국의 자리는 어디인지 정리했습니다.
모델이 아니라 실험이 해자입니다: 자율실험실과 소재 AI의 진짜 병목
소재과학에는 알파폴드가 없습니다. 진짜 병목은 모델이 아니라 실험이기 때문입니다. 자율실험실(Self-Driving Lab)이 무엇이고, 어떤 기술사와 논쟁 위에 있으며, 어떤 스타트업과 빅테크와 VC가 베팅하는지, 그리고 투자자가 무엇을 봐야 하는지 정리했습니다.
알파폴드의 존 점퍼가 앤트로픽으로 갑니다: 'AI for Science'는 어떻게 다음 전선이 됐나
2024년 노벨화학상 수상자이자 알파폴드를 이끈 존 점퍼가 딥마인드를 떠나 앤트로픽으로 갑니다. 이 한 건의 이직을 신호로, AI for Science가 어떻게 7년 만에 예측에서 자율 발견으로 진화했는지, 빅테크와 스타트업과 VC 자금이 어디로 흐르는지, 인재 전쟁의 전선이 어떻게 옮겨가는지, 그리고 아직 넘지 못한 벽은 무엇인지 다각적으로 정리했습니다.
AI가 진단을 넘어 질병을 '관리'하기 시작했습니다: 구글 AMIE의 Nature 논문 정밀 분석
구글의 의료 대화형 AI AMIE가 진단을 넘어 여러 번의 방문에 걸친 질병 관리로 확장됐습니다. 1차 진료의 21명과 겨룬 가상 진료 시험에서 관리 추론은 대등했고 치료 정밀도와 가이드라인 정합성은 더 나았습니다. 논문을 정밀하게 뜯어보고, AMIE 계보와 경쟁 지형, 무엇을 흔드는지, 한국과 투자 관점까지 정리했습니다.
Ponytail, AI 에이전트에게 덜 쓰는 법을 가르치려는 오픈소스 신호
DietrichGebert/ponytail은 README 본문이 확보되지 않은 상태에서도, 설명과 토픽만으로 꽤 선명한 문제의식을 드러냅니다. AI 코딩 에이전트가 더 많이 만들기보다, 불필요한 코드를 쓰지 않도록 유도하려는 개발 도구 흐름을 조심스럽게 살펴봅니다.
소셜 월드 모델과 합성 소비자 조사: AI가 사람을 시뮬레이션해 시장조사를 다시 씁니다
실제 사람을 인터뷰해 만든 AI 에이전트가 설문 응답을 사람만큼 따라 합니다. 소셜 월드 모델과 합성 소비자 조사가 무엇인지, 어디까지 믿을 수 있고 어디서 무너지는지, 누가 이 시장에 들어오는지, 그리고 1,530억 달러 시장조사 산업을 어떻게 대체하고 넘어서는지 정리했습니다.
네오클라우드 해부: 왜 GPU를 구하지 못하고, 누가 그 틈을 메우며, 이 사업은 오래 갈까
모두가 AI를 외치는데 정작 GPU는 구하기 어렵습니다. 그 빈틈에서 네오클라우드가 자랐습니다. 시장의 언멧니즈부터 GPU 부족의 진짜 원인, 네오클라우드의 사업모델과 리스크, 미국과 한국의 차이, 그리고 이 사업이 과도기인지 장기 생존 가능한지까지 정리했습니다.
모델 지능은 범용화되고, 실행 능력은 지역화됩니다: 에이전트 시장이 쪼개지는 방식과 한국의 기회
하나의 만능 에이전트가 모든 업무를 한다는 가정은 과합니다. 병목은 모델 지능이 아니라 도구 품질, 검증된 워크플로, 데이터 접근권이고, 이 셋은 도메인과 국가별로 강하게 쪼개집니다. 실제 사례로 시장이 어떻게 분해되는지, 한국의 기회는 어디인지 정리했습니다.
'63년 만에 컴퓨터를 다시 발명합니다': 젠슨 황 AP 단독 인터뷰로 읽는 AI의 5개 층과 투자 지도
엔비디아 젠슨 황이 텍사스 셔먼 공장 착공식에서 AP와 가진 단독 인터뷰를 정리했습니다. AI를 에너지·칩·인프라·모델·응용의 5개 층으로 보는 관점, 모델은 빙산의 일각이라는 메시지, 그리고 투자자가 어디를 봐야 하는지를 담았습니다.
코딩 에이전트가 실물 로봇으로 밤새 스스로 연구합니다: NVIDIA ENPIRE가 보여준 로보틱스 병목의 이동
NVIDIA GEAR가 공개한 ENPIRE는 코딩 에이전트에게 실물 로봇 여러 대를 맡겨 밤사이 스스로 정책을 고치게 합니다. 무엇을 한 연구인지, 어떤 기술 계보 위에 있는지, 투자자에게 어떤 의미인지 정리했습니다.
한국형 에이전트의 다음 병목은 앱이 아니라 '훈련장'입니다: RL 환경·평가 인프라를 투자자의 눈으로
에이전트 경쟁의 병목이 '앱 wrapper'에서 '업무 환경 + 채점기 + 실패 데이터'로 올라가고 있습니다. K-BrowseComp가 드러낸 한국 웹의 병목을 함께 읽으며, 한국형 에이전트의 진짜 기회가 왜 앱이 아니라 한국 업무용 RL 환경·평가 인프라인지 정리했습니다.
Nebius 인터뷰로 본 AI 인프라 수요의 탄력성
20VC의 Nebius 공동창업자 인터뷰를 바탕으로, AI 인프라가 거품인지 아직 초기 시장인지, 그리고 투자자가 무엇을 살펴봐야 하는지 정리했습니다.
일터의 AI는 생산성을 올리는데 통계엔 왜 아직 안 보일까: 연구 4편으로 읽은 'AI 생산성의 간극'
현장의 미시 데이터는 AI가 생산성을 올린다고 분명히 말합니다. 그런데 거시 통계는 아직 머뭇거립니다. 브린욜프슨의 일터 실험과 미국 연준 세 곳의 보고서를 함께 읽으며, 이 '간극'이 왜 생기고 언제 메워질지, 투자자라면 무엇을 봐야 할지 정리했습니다.
봇이 사람을 앞지른 웹, 다음은 '에이전트용 검색'입니다: 기술 요소와 스타트업 지도
웹 트래픽에서 봇이 사람을 넘어섰고, 그 흐름을 이끄는 것은 AI 에이전트입니다. 사람이 아니라 에이전트가 쓰는 웹에서는 '에이전트용 검색 API' 수요가 빠르게 커집니다. 이 수요에 대응하는 기술 요소와 스타트업, 그리고 그 위아래로 깔리는 표준·경제 층을 리서치를 바탕으로 정리했습니다.
평가(eval)는 왜 중요한가: OpenAI가 품은 오픈소스 'promptfoo'로 들여다봤습니다
AI를 '시연'이 아니라 '측정'의 대상으로 바꾸는 일이 평가(eval)입니다. 원조 openai/evals가 조용해진 사이 OpenAI가 품은 가장 핫한 평가·보안 도구 promptfoo를 살펴보며, 평가가 무엇이고 왜 이렇게 중요해졌는지 창업자·투자자의 눈으로 적었습니다.
별 7만 개 'OpenAI Cookbook'을 뜯어봤습니다: 레시피가 가리키는 AI 개발의 현재
OpenAI Cookbook은 단순한 예제 모음을 넘어, AI로 무언가를 만들 때 무엇이 중요한지 보여 주는 지도에 가깝습니다. 레시피 302개의 구성과 최근 추가를 살펴보고, 무게중심이 어디로 옮겨 가는지 창업자·투자자의 눈으로 읽었습니다.
코드가 에이전트의 '뼈대'가 된다: 'Code as Agent Harness'를 투자자의 눈으로 읽었습니다
AI 에이전트에서 코드는 더 이상 결과물만이 아니라, 모델이 추론하고 행동하고 검증하는 '실행 골격(하니스)'이 되고 있다는 서베이입니다. 저자들이 정리한 세 층위와 여섯 가지 숙제를 쉽게 풀고, 투자자라면 어디를 봐야 할지 적었습니다.
싸고, 열려 있고, 빠릅니다: 중국 AI 에이전트의 기술과 사업화 동향
지난 1년 사이 중국 AI 에이전트가 무섭게 빨라졌습니다. 가중치를 공개한 모델, 화면을 직접 쓰는 에이전트, 가격 전쟁과 해외 진출(出海)까지 기술과 사업화를 쉽게 정리하고, 한국·투자자 관점도 덧붙였습니다.
구글 딥마인드 ‘From AGI to ASI’, AGI 다음을 투자자의 눈으로 읽었습니다
구글 딥마인드 연구진이 ‘AGI가 언제 오나’가 아니라 ‘AGI 다음에 초지능(ASI)까지 어떤 길과 병목이 있나’를 정리한 보고서를 냈습니다. 네 갈래 길과 병목을 쉽게 풀고, 투자자라면 무엇을 볼지 정리했습니다.
사티야 나델라가 말하는 ‘기업의 토큰 전략’, 개념부터 실행과 기대 효과까지
마이크로소프트 CEO 사티야 나델라는 ‘AI는 기술이 아니라 기업의 미래’라고 말합니다. 그가 말하는 ‘토큰 자본’과 기업의 토큰 전략을, 개념부터 실행 방안과 기대 효과까지 쉽게 정리했습니다.
‘AI 네이티브’라는 한 단어에 숨은 세 가지 사업 — 따로 나눠서 봅니다
‘AI 네이티브’ 회사라는 말은 사실 성격이 전혀 다른 세 가지 사업을 한데 묶고 있습니다. 진입장벽도, 시장 크기도, 회수 경로도 다릅니다. 노동 대체 / 친밀·콘텐츠 / 큐레이션·매칭으로 나누고, 근거를 붙여 따로 살펴봤습니다.
더 큰 모델이 답은 아닐지도 모릅니다 — AI 투자에서 요즘 제가 눈여겨보는 것
AI에서 다음 수익은 더 큰 모델보다, AI가 직접 해보고 그 결과로 다시 배우는 구조를 가진 회사에서 나올지도 모릅니다. 왜 그렇게 생각하는지, 투자자라면 무엇을 보면 좋을지 쉽게 풀어 봤습니다.
소개 없이도 같은 기준으로 — 이 창구를 연 이유
좋은 제품을 만든 창업자가 VC를 만나는 길은 더 쉬워져야 합니다. 소개가 없어도 같은 기준으로 검토하는 창구를 직접 열었습니다.