Transcription
[음악]
습니다네 하나 둘 셋 하나 둘 [박수] 셋
모두의 질문 큐가 출범한지 이제 2주가 됐는데요. 그 사이에 4500개가 넘는 질문들이 들어오고요, 하루에 250개가 넘는 질문이 쌓이고 있습니다. 그 인넷 이재명 시민께 아주 많은 질문들을 가지고 “나도 질문하고 싶다”라고 제 해주셨어요네. 인천사 시민네 이재명 있습니다.
근데 집단지성 센터에 질문이 정말 많이 들어왔어요. 그중에 특히 인공지능에 관한 질문들이 꽤 많았는데, 그중에 몇 개 뽑아봤습니다. 신은우 씨가 2025년 2월 12일에 보내준 겁니다. 저는 작곡 갑니다. 최근에는 영상 음악의 AI를 사용하는 일이 많습니다. 비용이 저렴하기 때문이죠. 업계 종사자들은 “어차피 전공자가 음악 AI 만들게 될 거다”라고 말하지만, 젊고 재능 있는 예술가가 성장하기 힘든 환경이 될 거다라는 걱정이 큽니다. 최근 AI로 만든 일러스트나 AI 학습에 사용된 인간 작품에 대한 저작권 논란 이런 것도 많아지는데, 예술가들이 과연 어떻게 대응을 해야 될까 이런 질문이었습니다. 제가 최근에 예술가를 한번 등극을 해 볼까 하는 생각이 들었어요. 제가 채팅 GPT를 쓰잖아요. 예예. 뭐 이래라 그래라 저래라 그래라 한 자기 변형에서 막 그래 주던데네. 나중에 거기다 약간 약간 손을 좀 대죠. “이거 고쳐라, 저거 고쳐라” 했더니, “오, 꽤 저도 괜찮은 예술가가 된” 아 맞습니다. 화가가 된 느낌이 들었는데이이. 진짜 예술가하고 저 같은 사람하고 구분이 안 되잖아요. 그거 어떻게 합니까? 되겠죠. 그거 그 실제로 약간 중급 이하의 작품을 만드는 것들은 모든 사람들이 할 수 있고, 고급 작품을 만드는 것들은 또 예술가의 영역이 되고, 그래서 훨씬 더 많은 사람들이 예술 작품을 만들고 향유하는 형태로 발전하지 않을까 싶고요. 저는 캐나다의 사례를 좀 봐야 될 거 같습니다. 작년 4월 달 캐나다 정부에서는 이런 그 예술 작품 혹은 콘텐츠를 만드는 창작자들에게 인공지능을 어떻게 더 잘 활용할 수 있도록 할 것인가 예산을 편성해 줬어요. 어차피 미디어 콘텐츠를 만드는 방법이 바뀌어 가겠 될 거 같으니까. 그래서 이런 부분도 한 가지 힌트가 되지 않을까 생각을 합니다. 걱정 아니 되는 겁니까네. 새로운 영력이 생기는 거예요. 아 그럼요음. 이걸 활용하는 거죠. 맞습니다이.
남궁호 씨가 보내주신 겁니다. 2월 15일에. 중국 정부는 공공 데이터를 개방해서 AI 알고리즘을 발전시켰고, 이는 국가 경쟁력 강화로 이어졌습니다. 결국 공공 데이터를 개방하지 않으면 AI 연구와 산업 발전에도 한계가 생길 텐데, 개인정보보호 규제 문제, 공공 기관의 보수적인 운영 방식 등이 한국 데이터 개방에서 주요 걸림돌이라고 생각합니다. AI 경쟁력을 확보하기 위해서는 데이터 개방 정책을 어떻게 개선해야 되고, 민간 협력은 어떻게 강화해야 될까라는 질문이었어요. 중국이 지금 AI 앞서가는 제일 큰 이유가 이 데이터 개방이 많이 잘 돼서 그렇다는 거죠. 근네 아무래도 중국 특성이 있으니까요네. 정말 공공 데이터 엄청 중요합니다. 그래서 이제 개인 정보를 보호하는 것을 최선으로 하되, 어 데이터 개방은 확실히 필요한 거 같습니다. 잘해야죠. 잘 위험하지 않 그러니까 데이터에 개인 식별 할 수 있는 그 부분을 철저히 제거하고 개방해 쓰면 되잖아요. 그러니까 그거 자체가 쉽지는 않은데요. 그 철저히 제거한다는 게 쉽지는 않지만, 어 해야 되고, 공공 데이터는 정말 학습에 쓰여야 된다라고 저 생각합니다네. 한국어 양질 한국어 데이 데가 부족한 부분을 가장 효과적으로 해결할 수 있는 방법 중에 하나가 공공에 쌓여 있는 많은 문서들을 학습 활용할 수 있도록 하는 거고요. 또 하나는 공공 문서라는 게 굉장히 이쁘게 만듭니다. 표 안에 표 있고 막 이러거든요. 이런 어떻게 보면 허례허식에 가까운 문서 쓰는 방법에 대해서도 이 참에 한번 계산하는 게 필요하다 이렇게 생각을 합니다. 그거 한데 시간을 엄청 많게 많이 쓴다고 하더라고요. 표 만들고 무슨 뭐 동그라미 물음표 만들고 이거 하느라고 장평 행간 그냥 폰트 바꾸고, 공무원용 전용 폰트가 따로 있습니다. 아 그 양식을 정해 가지고 그거 벗어나면 안 된다 그러더라고. 저는 그 몰라는데, 제 부하 공무원들도 그렇게 하고 있었다더라고. 그 정도가 아니고요. 이를테면 국장 과장 실장이 있다면 이분들이 좋아하는 단어가 서로 다르고 좋아하는 스타일이 달라서 보고서를 올릴 때마다 다시 쓰는 경우도 많답니다. 그 실용적으로 바꿔야 돼요. 거래 허식 진짜 맞습니다네. 그렇게 할 때마다 기계가 점점 더 읽기 어려워.
다음 질문자는 어 2월 16일에 박상은 씨입니다. 취업과 복지에 관한 고민인 거 같아요. 현업에서 AI 로봇의 발전을 직접 목격하고 있는 전공자입니다. AI 로봇의 발전으로 취업자보다 실업자가 더 많은 세상, 극소수의 사람들만 취업하는 세상이 올 것이라 확신합니다. 우리 아이들이 지속적으로 삶의 질을 보장받고 소비 경제의 주체로 버틸 수 있는 준비는 누가 어떻게 하고 있나요? 저도 진짜 고민 많이 되는 부분이기도 합니다. 좀 어떠세요? 그 우리가 자동화를 왜 할까를 한번 물어보자고 말씀을 드리고 싶어요. 그러니까 세탁기를 왜 사나? 빨리 하기 싫어서. 쉽게 세척기를 왜 사나? 설거지할 시간에 가치 있는 일을 하고 싶어서. 이런 거잖아요. 저는 인공지능도 자동화 연장선이라고 생각을 합니다. 그러면 때에 내가 못 살게 됐다거나 쉽게 세척기 때문에 내가 못 살 죽을 지경이다. 되게 이상한 말이시네. 인공지능이 우리의 삶을 괴롭히거나 위협하면 안 된다는 거예요. 인공지능에게 상당히 많이 자동화를 시키면 나머지 새로운 일들이 또 생기게 되는 거죠. 우리가 예전에는 주판 가지고 계산했습니다. 그다음에 계산기, 그다음에 엑셀로 넘어오는데 일이 줄지 않았어요. 생각해 보면 일은 줄어든 적이 없습니다. 뭐 없는 일 만든 거 아니고 일을 더 많이 하죠. 욕구가 좋아지면서 그것도 있는데, 제가 보기엔 인간의 욕망이 커진 거죠네. 맞아요. 욕망이 늘어나요. 커진다. 저는 이제 이 풍요로 아까 이제 행복을 말씀하셨는데, 정말 우리가 이제 행복, 뭐 삶이 풍요로워질 수 있는 그런 것들에 대해서 다시 생각을 하면서 우리가 지금 얘기한 노동 생산성, 직업 그런 것들이 이제 다 그냥 패러다임 전환을 겪게 될 거 같아요. 제가 하나 더 붙이고 싶은 거는요, 결국은 노동 시간의 문제예요. 노동 시간을 단축할 수 있잖아요. 또 단축해야 되거든요. 더 행복한 삶을 살 수 있고 일자리를 나누고, 사실은 옛날에 한 시간에 100원 어치를 생산하는 시대가 있다면 미래는 한 시간에 10만 원 정도를 생산하는 시대가 오겠죠. 그렇습니다. 그럼 한 사람이 만 명이 하던 일 다 해버리는 거잖아요. 그렇습니다네. 그러면 시간 일하던 사람이 뭐 두 시간만 일하고 충분히 행복한 삶을 살 수 있게 갈 수도 있고, 저는 그래서 괜찮은 일자리에 대한 합의가 있으면 좋겠다고 생각해요. 괜찮은 일자리라는 게 산업 정책 차원이 아니라 복지 차원에서도 우리 나눠 가집시다라는 사회적 합의를 할 수 있다. 그러니까 8시간을 일했던 것을 두 시간, 세 시간씩 일하면 나눠 가질 수 있거든요. 그죠. 특히 이제 젊은 친구들 처음 들어올 때요, 진입 장벽이 점점 높아집니다. 왜냐하면 이 젊은 친구들 하는 일은 AI로 대체하기가 가장 좋은 일입니다. 그러니까 그냥 시장 질서에 맡겨 놓으면 젊은 친구들은 갈 곳이 없어요. 사회 전체가 젊은 사람들을 위해서 공간을 열어 주자 이런 합의를 하지 않으면 AI 시대에 정말 그 지옥도가 펼쳐질 수도 있겠다. 그러니까 괜찮은 일자리는 산업 정책에서뿐 아니라 복지 차원에서도 같이 한번 생각해 볼 시간이 왔다. 저는 그렇게 생각합니다. 그렇죠. 이게 노동이라고 하는 것은 원래 더 본질적으로 보면요, 자기 실현의 수단이든 그 자체가 행복의 원천이든 네네. 의의 원천이라 효율이라고 하는 측면에서만 접근하면 안 되는 거죠. 그래서 모두가 좀 기회를 나눠야 돼요. 자, 하나 둘 셋. 이름도 잘 맞았어요.
지금 전 세계가 AI 헤게모니 전쟁 중입니다. 그러니까 미국 진영이 있고 중국 진영이 있고 EU 진영이 있고, 크게 뭐 세 개의 진영이 있는 거 같아요. 우리 위치, 우리 현실에 대한 토론부터 시작해 보겠습니다. 제가 궁금한 게 많습니다. 네네. 질문하시는 걸로 시작하겠습니다네. 우리나라가 이제 글로벌 AI 순위를 봤을 때 그룹으로는 3위, 순위로는 10위권 내다. 그래서 GDP 순위보다 높다 이렇게 알려져 있는데네. AI 투자 또는 비즈니스 순위는 높지 않다 이렇게 알려져 있대요. 그 이유가 뭔가요네? 그 비즈니스 하고 계신 박사께서 하고 있습니다. 그나마 여기서 가장 비즈니스를 하고 있는 얘기를 좀 드리자면, 음, 몇 가지 순위들을 보면은 소위 말하는 상업화 혹은 뭐 어떤 전반적인 어떤 스타트업 생태계 이런 것들이 상대적으로 부족한 편이죠. 인공지능이 그냥 기술로서 어떤 비즈니스로 가는 것도 있지만, 기존의 여러 가지 산업들, 금융이든 법률이든 교육이든 다양한 산업들이 있습니다. 그리고 이 산업들에는 원래 플레이어들이 있죠. 그리고 새롭게 AI 포함한 기술 기반으로 올라온 기업들이 있습니다. 당연히 충돌이 생길 거예요. 여기서 연착륙 같이 성장할 수 있는 제도적인 것들, 사회문화적 공감대가 만들어져 있느냐, 아니면 이렇게 서로 격렬하게 싸우다가 한쪽이 밀리게 되느냐. 현재는 많은 케이스에서 후자에 가까웠죠. 그러다 보니 어 실제적으로 어떤 순위가 높게 나오기 어려운 부분들이 있었던 거 같다 이렇게 보이고 있어. 그럼 사업 AI 확산을 위해서 뭘 해야 되냐. 한국일보에 기사 나온 걸 보면 PC방 GPU 연구하는 한국 대학원 이런 기사가 나옵니다. 아 대충 감 잡아요. 예. 그러니까 그 아주 훌륭한 주제를 잡고 있었던 연세대 인공지능 대학원 석박사 통합과정에 진학을 했는데, 어머나 표가 없네. 그러니까 주제를 바꿔요네. 그냥 그 작은 지표를 할 수 있는 주제로 바꾸니까 이게 세계적인 그 학술지에 실릴 수가 없는 거죠. 그리고 또 한 친구는 처음에 지표를 좀 받아 가지고 되게 높은 평가를 받았어요. 그래 이어가려고 하니까 야야 야 너 지표 많이 있었을까 너 비켜 하고 그 지표를 역 연구원한테 주니까 이 사람이 끊긴 거예요. 우리나라가 세계 12위의 경제 대국이라 말이에요. 그러니까 돈이 없는 나라가 아닙니다. 중국보다도 1인당 GDP 훨씬 높잖아요. 근데 저기는 마음대로 쓰고 우리는 계산기 하나 가지고 다섯 명 앉아 가지고 돌려가면서 쓰고 있고. 그러니까 이게 생태계 관점에서 틀렸다. 이게 뭐냐. 그러니까 이게 저도 이렇게 행정에서 약간 떨어진 정치를 하고 있잖아요. 근데 행정이 어떤 문제가 있냐면 전문가 영향력이 안 되는데. 그렇습니다. 전문가 영향력에 대해서 통제를 하라 그래요네. 모르면서. 맞습니다. 이제 그걸 고쳐야 되겠더라고. 공직사회가 제일 우수한 집단이라 경제를 끌고 가던 시대가 있었어요. 소위 중진국 시대네. 근데 이제는 민간 영역의 영향력이 훨씬 뛰어난데, 공무원들, 공직 사회 전문성이 그렇게 못 [음악] 따라가거나. 이제는 그게 우리가 중진국에서 선진국이 된 거죠. 세상이 변한 거죠. 그러면 다시 주제로 돌아가서, 지금이라도 우리가 따라가야 되나. 하정 박사님. 따라간다는 게 이 인공지능 경쟁 측면에서 당연히 따라가야 되고요. 인공지능 경쟁력을 얼마나 가지고 있느냐가 결국 국가 경쟁력을 좌우하게 될 거 같고. 그러면은 어떤 인공지능을 만드는 걸 할 거냐 하는 부분들은 당연히 이걸 하기 위해서 뭐 GPU 포함한 컴퓨팅 인프라 투자, 지금보다 훨씬 더 많이 해야 되는 거 당연한 거고요. 그러면서 좀 더 혁신적인 연구에 집중할 수 있도록 하는 여러 가지 고민거리들이 사실은 있습니다. 아마 오영 교수님이 하실 말씀이 되게 많을 텐데요. 미국 중국 보면 사실 나라가 워낙 크니까 그 두 나라는 그러니까는 뭐 퍼센티지로 봤을 때 한국이 R&D 투자가 많다라고 해도 사실 딱 액수 자체는 뭐 우리가 따라갈 수가 없잖아요. 근데 문제는 뭐냐면 이렇게 좀 집중해서 투자를 해야 되는데 이게 다 분산이 돼요. 뭐 뭐 500억 나왔다 500억 좋은 쪽에 나눠요. 보면은 연구자 한 명한테 뭐 1억도 안 가고. 그러면은 이거를 아까 말씀하신 정말 PC방에 가서 GPU 돌려야 되는 그런 상황이 생긴단 말이에요. 사실은 이제 지금 인공지능의 이 전쟁과 같은 상황에서는 어느 정도는 아이디어를 사람들은 정말 뛰어난 기술력을 지금도 가지고 있고 더 나갈 수 있다. 그래서 미국 중국이랑 경쟁할 수 있다 그러는 연구 그룹이나 뭐뭐 기업이 됐든 뭐 민간이 됐든 거기에는 좀 팍팍 투자를 해 줘야 우리가 경쟁을 할 수 있는 상황이라고 생각합니다. 참 이건 너무 당연한 얘긴데 이런 것도 못 해 가지고 세상에. 그렇습니다. 예. 20, 20조 원씩 쓴다면서 그 어디 쓴 거다? 강바닥에 40조 쏟아 버렸다. 제가 딱 두 가지를 말씀을 드리고 싶은데, 하나가 의제를 과학자들이 정할 수 있게 하자. 어 맞아요. 그러니까 미국 유럽이든 의제를 그 분야에 가장 잘하는 전문가가 정할 수 있게 해줍니다음. 그러니까 이런 거예요. 프로 야구 선수로 치면 자기들끼리 무엇을 얘기하잖아요. 누가 제일 잘 치냐 서로 다 압니다음. 그러니까 AI 쪽에서도 누가 연구 잘하니 다 알아요. 아 그분들이 모여서 의제를 정하게 해 주면 돼요. 사실 그 그런 연구 방향을 뭐 뭐 기획하고 그런 데 가보면 뭐 이런 아이디어가 있습니다라고 갖고 가면 어 그러면 이거 미국에서 하고 있고 중국에서 하고 있어요. 그래서 아 이거 아직 안 하는데 우리가 먼저 해야 된다. 그러면 이제 이게 꽉 나는 거예요. 어 이거는 뭐 검증이 되지 않은 거다 뭐 뭐 그러면은 구글에서 이거 비슷한 거 하고 있는데 얼마 정도 한다 그러면 이제 할 수 있는 거예요. 그러면은 우리가 계속 쫓아가는 거밖에 못 하는 거죠. 예산 지원할 때 딱 두 가지 문제가 있어요. 예. 이게 감시 감독을 편하기 위한 행정 편의라고 하는 게 그렇습니다. 그래 가지고 딱 풀 500원 사면은 영수증이 있어야 돼요. 예를 들면 이 스테이플러 알맹이, 그 알 사면 그것도 영수증이. 그거 하느라고 시간을 엄청 보낸다는 거예요. 예. 근데 예를 들면 예를 들면 연구비 한 10% 증빙 없이 쓸 수 있다 이렇게 해주면 얼마나 좋아요. 당연히 그래야죠. 근데 지금 안 하잖아요네. 또 한 가지는 혹시 낭비하는 것 아니야 이 감시를 하기 위해서 성공하는 것만 요구를 한다는 거예요. 네네네. 근데 R&D 사실 성공하는 거 하면 그거는 필요가 없는 거라는 뜻이거든요네. 정확하게 말씀해 주셨는데, 우리나라 R&D 과제 성공률이 97% 정도 된다고 하더라고요. 안 된다는 거예요. 아니 무슨 연구가 그렇게 성공률이 높아요? 성공할 만한 것만 한다는 얘기거든요. 그러니 혁신이 없었다는 얘기죠. 되게 마지못해 하는 거만 한다. 그래야지 책임을 묻 책임 소재에서 자유로워지는 거니까. 그러면 안 되는 거죠. 세계 최고 수준의 과학자들의 시간을 우리가 어떻게 쓸 건가에 대한 합의가 있어야 된다고 생각하는데요. 이 분들의 시간을 풀 붙이는 데 쓸 거냐, 영수증 정리하는 데 쓸 거냐, 아니면 정말 그 훌륭한 주제에 1분 1초를 아껴서 연구를 해서 한국 사회에 기여하게 만들 거냐. 그 선택을 해야 되는 [음악] 거죠. 이 딥시크 짤 그거 혹시 보셨어요? 나오자마자 봤고요. 나오자마자 봤어. 세상 이렇게 표현을 잘했나 싶을 정도로 너무 그림을 잘 그려. 나 [음악] 데 저도 저도 그걸 봤는데데. 이제 궁금한 거는네. 그게 사실이에요? 아 근데 그 논란이 많던데. 미국 쪽에서는 베낀 거다 아니다 뭐 이건 논쟁이 많던데 어떻습니까? 그게 트위터에 돌아다니는 짤을 좀 보면 굉장히 의심스러운 정황들이 좀 있습니다. 어떤 거냐면 일본어로 딥시크에 뭐 좀 이상한 일을 시켰더니 쭉 일본어로 얘기하면서 아 주인님이 시키신 거는 오픈 AI 정책에 반하기 때문에 들어줄 수가 없습니다. 이런 짤이 돌아다니더라고요. 진짜 그래서음. 본인들은 아니라고 얘기를 하지만, 그 어떤 딥시크를 만들 때 개발 비용을 상당히 많이 절감할 수 있었던 방법으로 데이터 증류 이런 방법을 얘기를 하는데, 그걸 정확하게 표현한 그림이요. 짤을 보시면 됩니다. 근데 뭐 저는 그 짤에 대해서는 사실 조금 이제 너무 비하하는 거 같아서 저는 그거는 동의하지 않아요. 왜냐면은 딥시크 기술력 자체는 사실 우리가 이거 약간 존경해야 될 만한 굉장히 굉장한 회사예요. 딥시크 기술 보고서를 통해서 발표한 내용들 중에 거인의 어깨에 올라가서 더 계산한 방법론들이 있긴 하지만, 어떤 혁신적인 알고리즘을 딥시크가 처음으로 제안해서 엄청 효율적으로 만든 것들이 꽤 많이 있거든요. 그런 부분에 있어서는 딥시크의 역량을 충분히 인정을 해야 되고네. 기술적으로 존경할 때가 많습니다. 그 이게 딥시크가 나왔을 때 충격을 받았다는 거잖아요. 일단 비용이 너무 싸고 구형 저성능 칩을 가지고 했다고 얘기하고 비슷한 통지를 했는데 중국이 갑자기 따라와서 어쩌면 앞서 버렸는지도 모른다. 충격 아닙니까. 요거는 제가 정리를 좀 해 드려야 될 거 같은데요. 그 딥시크 V3라고 하는 글 잘 쓰는 인공지능의 첫 번째 표에 나온 80억 원 개발 비용이 아니고 특정 모델 하나를 학습을 시키는데 들어간 GPU 있지 않습니까? GPU 전체의 사용료, 한 번 학습한 학습, 예. 그거 성공시키는데 얼마나 많은 시행착오를 겪고 데이터도 확보하고 사람들 인건비도 주고 했겠습니까? 다 빼고 다 빼고 뺀 거 확실해요. 예. 뺐다고 적혀 있습니다. 논문에도 적혀 있습니다. 정확하게 이거 안 들어갔다. 비용에 대해서는 과소평가네. 그게 첫 번째고, 두 번째는 딥시크의 모회사인 하이플라이어가 보유하고 있는 GPU, 2020년, 21년 경에 이미 A00만 장. 지금 현재 이런저런 경로로 알려진 바에 따르면 H100이라고 하는 고성능 GPU 포함 5만 장을 썼지 않았을까 보유하고 있다. 그리고 당연히 학습에 활용했을 것 같은데. 그리고 그 만 장에 우리나라에 있는 그 정도 성능의 GPU 탈탈 털어 모은 것보다 [음악] 많습니다. 딥시크 놀라게 한 것 중에 두 번째는 사실 오픈 AI가 원래라고 하는 되게 추론적 사고를 잘하는 인공지능을 발표를 하면서 디테일을 전혀 공개하지 않았었거든요. 충분히 다 공개했죠. 중국은 이번에 확 공개를 다 해 버렸어요. 전 세계에서 동시다발적으로 굉장히 많은 연구가 진행되고 있고 이 방법들은 상당히 많이 공개가 되고 있습니다. 그런 방법들을 활용하고 좀 더 계산하는 것들을 우리가 충분히 해 볼 수 있는데 봤더니 GPU가 좀 많이 부족하더라고요. 네. 우리가 그래서 정부에서 GPU 상당히 많이 예산을 들여서 확보를 하는 것이 일단은 혁신을 만들기 위한 필요조건이다. 실제로 딥시크 정도 되는 거는 뭐 LG든가 뭐 네이버 같은 기업들은 거의 준비가 돼 있다고 보시면 되고요. 근데 이게 궁극적인 목표가 아니거든요. 음. 속도 더 빨라져야 돼요. 더 더 똑똑해져야 되는데, 그걸 따라가려면. 현대 AI는 놀랍게도 컴퓨팅 파워를 많이 집어넣으면 많이 집어넣을수록, 학습 데이터를 많이 넣으면 많이 넣을수록, 매개변수를 크게 잡으면 크게 잡을수록 성능이 일관되게 좋아집니다. 규모를 따라가지 못하면 잡을 방법이 없어요. 그래서 지금 GPU, GPU, GPU 얘기를 할 수밖에 없는 겁니다. GPU가 없어요. 우리나라에 정말 뛰어난 석박사들이 있고 엔지니어들이 있는데 이 친구들이 GPU 만 장을 한꺼번에 돌려본 경험, 3만 장을 돌려본 경험을 아예 못 하게 되면 기본적으로 문지방도 못 넘어보고 자빠지는 거음. 그러니까 최소한 3만 장, 5만 장, 10만 장을 돌려본 경험을 갖게 해 줘야 세계 경쟁에 그나마 따라가 볼 수 있는 거야. 그리고 추가로 3만 장을 샀어요. 그거를 3만 개 기업에 3천 개 기업에 10개씩 나눠준다 그러면은 또 망하는 길로 가는 거예요. 운영 방법, 핵심은 스케일을 충분히 활용할 수 있도록 한다. 그것이 중요합니다. 그러니까 여기다 무슨 지역 발전이 뭐니 말을 붙여 가지고 뭐 3만 장을 사 놓고 천 장씩 방에다 떼어 놓으면 이거는 그냥 천 장짜리 조만한. 근데 원격으로 때려 놔도 동시 작동하게 할 수 있지 않아요? 물리적으로 붙어 있어야 돼요. 링크가 NV링크가 무슨 뜻인가 하면요, 붙어 있는 이 지연 속도가 너무 적어야 돼요. 그게 NVIDIA가 갖고 있는 기술이든 아 최대한 물리적으로 붙여 놔야 된다고. 좀 더 구체적으로 설명을 드리면, 서버 하나에 GPU 여덟 장이 들어가고요. 그러면은 GPU 여덟 장이니까 이 GPU끼리 연결하는 게 NV링크라고 하는 거고, 그럼 서버와 서버들 또 연결해야 되지 않습니까? 그걸 인피니밴드라고 하는 네트워크로 또 연결해 줘야 됩니다. 넓은 터에다 다 딱 붙여 놔야 된다. 그렇죠. 로컬 같은 지역에 다 몰아 놓고 한꺼번에 만 장, 2만 장. 최근에 Google이 20만 장을 그렇게 연결을 해 놨어요. 20만 장. 그걸로 스케일을 키워서. H100이 지금 한 장이 얼마예요? 5천만 원입니다. 5천만 원이면 대충 잡고 20만 장이면 뭐 조단위가 되겠죠네. 근데 그거는 딱 기계 값이고. 10조 원, 10조 원, 10조 원의 이치가 그게 한 기업이 가지고 있다고요네. 음. 그렇죠. 그 뭐 내년까지 18만 장 목표라 그래서 스케일은 필요하고 이번 정부에서 올해 18,000장, 2년 후 3만 장 정도 보고 계신데 개인적인 바람은 이거보다 훨씬 더 많이 확보하는 게 필요하다라고 생각을 해요. 다만 NVIDIA가 그만큼의 GPU 생산하는 게 가능한가를 좀 체크를 해 봐야 될 거 같고요네. 뭐 NVIDIA 그게 이제 병목이 될 수가 있을 것 같고. 그래서 뭐 국산 NPU, GPU 그런 얘기도 나오고 다양한 기업들의 대안도 찾아보는 그런 방향도. 그러니까 이게 지금 최고 고성능 GPU가 H100이라고 부르잖아요. 이게 아까 한 5천만 원 한다고 하셨는데네. 우리나라는 대충 몇 장? 만 장은 넘을 것 같습니다. 장 넘, 만 장은 넘을 것 같고, 그 전 단계 그것도 가지고 있. 그것도 대충 수만 장 정도 될 거 같습니다. 10만 장에 가깝지는 않은데. 예. 튼 이게 뭔가 술을 퍼내야 될 것 같고요. 저는 국내 기업들의 NPU 포함한 이런 컴퓨팅 기술을 확보하는 게 필요한 게 벌써 미국이 이거 전략 자산으로 관리하기 시작했거든요음. 지금이야 한국이 동맹국으로서 얼마든지 필요한 만큼 수입을 할 수 있지만, 어느 순간에는 트럼프 행정부처럼 막거나 관세도 그렇게 때리는 데 충분히 이런 전략 자산으로서의 리스크, 공급망 리스크에 대해서 대비를 한다고 생각을 하면 우리의 이런 인공지능 반도체 역량을 꾸준히 지원하는 것도 저는 필요하다고 생각합니다. 그 성능이 좀 떨어지는, 그러니까 거기까지 못 못 따라갈 테니까 그거라도 뭐 만들어서 없는 것보다 나으니까 개발에 쓸 수는 있나요? 두 가지 관점에서 봐야 되는데요. 인공지능을 공부시키는 데 쓰는 반도체, 그리고 인공지능을 서비스에 적용할 때 쓰는 반도체. 지금은 다 GPU 쓰는데 서비스에 넣을 때는 지금 현재 최신 GPU 그게 사실은 오버스펙이 아닐. 예. 그러니까 상대적으로 스펙이 좀 떨어지는 것들, 국내 NPU 같은 것들을 서비스할 때 쓰고. 그러면 오히려 가성비, 전성비가 더 낫기도 합니다. 학습에는 최고 성능의 GPU 쓰고 뭐 이런 정책 방향이 될 수 있죠. 맞. 제 차를 사 가지고 옵션 풀 장착했는데, 그 옵션이 있는지도 모르고 나중에 [웃음] [음악] 멘붕했다. GPU 충분히 있으면 딥시크 같은 혁신이 가능하냐. 이 정부가 또 뭘 해 줘야 되냐 궁금해요. 그 그다음에 이제 그 의장님도 말씀해 주셨지만 데이터랑 인재인데, 둘 다 사실은 정부가 할 역할이 엄청나게 큽니다. 제가 지난 2년 동안 말씀드렸던 내용인데요. 다행인지 불행인지 미국 중국 기술이 앞서 나오고 있지만, 미국 중국은 기본적으로 패권주의적입니다. 기본적으로 어떤 기술 경제 종속 혹은 이 될 우려가 상당히 크고요. 이런 것들을 우려하는 곳들이 중동 그리고 동남아시아, 중남미 같은 나라들이 있고요. 학습 데이터 부족 얘기를 많이 하는데, 그거는 영어에만 한정이고, 사실 중동이나 아세안 국가들, 그 중남미 국가들의 디지털화되지 않은 굉장히 많은 데이터들, 문서들이 있습니다. 그 그래서 이 나라들과 함께 연대를 해서 당신 나라들에 있는 많은 아날로그 문서들을 디지털화하는 프로젝트를 같이 하자. 우리가 경험이 많이 있으니까. 그렇게 되면 그 축적된 데이터로 학습을 열심히 시킵니다. 그러면은 각 국가, 지역 다문화를 포용하는 인공지능이 만들어질 텐데, 기술적으로 우리가 리딩할 수 있죠. 그렇게 되면 아군이 굉장히 많이 늘어나게 되고, 단독으로 이보다 이 전체 그룹을 이끄는 나라, 대한민국으로 뭐 G3 혹은 G4 충분히 해 볼 수 있겠죠. 근데 이거를 기업이 할 수 있느냐, 아니고 국가가, 정부가 약간 그 앞장서서 깃발을 들어 주시는 게 필요하겠죠