AI FRONTIER / RESEARCH REVIEW
EPISODE 115 · 2026.09.25
ALL-IN SUMMIT 2026 · 영상 기반 리서치

AI는 멈출 수 있는가이미 시작된
‘조합적 놀이’

속도 조절, AI 버블, 중국과 오픈 모델. 세 가지 논쟁의 밑바닥에는 같은 질문이 흐른다. 거대한 자본과 값싸진 실험이 동시에 가속하는 세계에서, 누가 무엇을 늦출 수 있을까.

원영상 AI Frontier Korea EP 115 대담 최승준 · 박종현 게시 분량 1시간 20분 36초
영상 말미에 표시된 최승준의 Notion 페이지 제목 ‘조합적 놀이’
01:19:48 · 조합적 놀이 — 작은 실험이 서로의 다음 실험을 부르는 장면으로 대담은 끝난다.
Abstract / 초록

가속은 연구실 안에서만
일어나지 않는다

박종현은 All-In Summit의 다섯 세션을 투자·인프라·미중 경쟁의 관점에서 읽으며 속도 조절이 실현되기 어렵다고 전망한다. 최승준은 모델 세대마다 바뀌는 작업 방식과 소형 모델 실험의 확산을 통해, 재귀적 자기개선의 ‘버튼’ 바깥에서도 가속이 진행되고 있다고 해석한다.

이 글은 두 논의를 연결해 자본이 밀어붙이는 확장과 사람들이 만들어내는 집단적 탐색을 살핀다. 투자 수익과 안전성에 대한 결론은 아직 열려 있다.

01 / KEY FINDINGS

네 가지 발견으로 읽는 대담

이 에피소드의 긴장은 “AI가 더 좋아질 것인가”보다 “무엇이 이 속도를 결정하는가”에 있다. 기술의 진보, 투자 회수, 국가 경쟁, 개발자의 일상이 서로를 밀어 올리는 구조가 반복해서 등장한다.

01

속도 조절의 대상부터 다르다

현재의 모델 출시 주기와 재귀적 자기개선(RSI) 진입은 구별해야 한다. 박종현의 “감속은 어렵다”는 전망과 최승준의 “어떤 버튼을 논의하는가”라는 질문은 서로 다른 층위를 겨냥한다.

02

이익 성장과 경제적 효용은 별개의 증명이다

Gerstner는 기업 이익을, Nadella는 GDP와 실물경제의 변화를 판단 기준으로 제시한다. AI 산업의 매출 증가만으로 사회 전체의 생산성 효과가 입증되는 것은 아니다.

03

값싸지는 모델, 느리게 늘어나는 전력

모델 가격 하락은 응용의 문턱을 낮추지만, 데이터센터·전력망·인허가는 같은 속도로 움직이지 않는다. 소프트웨어의 확산과 물리적 공급의 간극이 중요한 병목으로 제시된다.

04

작은 실험도 가속의 동력이 된다

공개된 모델과 아티팩트가 저렴한 구현 도구를 만나 파생 실험을 낳는다. 최승준은 이 집단적 탐색과 그 기록의 재학습을 ‘조합적 놀이’의 핵심으로 읽는다.

AI Pacing투자와 생산성전력 인프라오픈 모델RSI집단적 탐색
02 / THE PACING QUESTION

늦추자는 합의와
늦출 수 있는 조건 사이

영상의 전반부에서 박종현은 All-In Summit 2026의 다섯 세션을 세 축으로 재구성한다. 속도 조절(Pacing), 경제·인프라, 중국과 오픈 모델이다. 세션은 Jensen Huang, Elon Musk·Gwynne Shotwell, Satya Nadella, JD Vance, Brad Gerstner를 중심으로 묶인다.

정리의 출발점은 서밋 직전인 9월 12일 발표됐다고 소개된 Dario Amodei의 「We Must Pace the Frontier」다. 박종현은 Sam Altman과 Elon Musk도 동의했다는 대목을 의외로 받아들인다. 그러나 영상에 정리된 패널들의 강조점은 하나로 모이지 않는다. 위험 자체를 회의적으로 보는 입장, 엔지니어링 규율을 강조하는 입장, 경쟁사 간 상호 검토를 제안하는 입장이 나란히 놓인다.

AI Frontier 정리 페이지에 표시된 All-In Summit 다섯 세션과 세 가지 분석 축
00:01:32 ↗다섯 세션을 세 가지 질문으로Huang 46분, Musk·Shotwell 64분, Nadella 37분, Vance 28분, Gerstner 18분. 박종현은 자막을 모델에 넣어 공통 주제를 먼저 뽑은 뒤 영상을 봤다고 설명한다.
속도 조절에 대한 Trump, Jensen Huang, Vance, Nadella, Musk의 입장을 비교한 표
00:03:30 ↗Pacing 논쟁의 지형도영상 속 표는 Trump와 Huang의 회의적 태도, Nadella의 엔지니어링 규율, Musk의 경쟁사 간 피어 리뷰 제안을 대비한다.
박종현의 전망

경쟁 구조가 감속을 막는다

투자는 계속되고, 수요와 생태계는 커지며, 미국은 중국과 경쟁한다. 이 조건에서 속도 조절이 실제로 일어나기는 어렵다는 판단이다. “거의 99% 확신”은 그의 주관적 전망이다.

최승준의 구분

무엇을 늦추자는 것인가

후반부에서 그는 현재의 출시 리듬과 RSI 진입을 구분한다. 논쟁의 초점이 재귀적 자기개선이라면, 통상적인 제품 출시를 멈추자는 주장과 동일하게 읽어서는 안 된다는 뜻이다.

여기서 남는 현실적인 질문은 전면적인 감속에 합의하지 못하더라도 어떤 안전 논의는 가능한가다. 박종현은 중국과 함께 속도를 맞추기는 어렵다고 보면서도 최소한의 안전 논의 가능성은 열어둔다. 공개 소프트웨어와 오픈 모델이 검토의 범위를 넓힐 수 있다는 관점도 함께 제시한다.

03 / WHO PAYS FOR AI?

버블 논쟁의 핵심은
“누가 돈을 버는가” 다음에 있다

Gerstner의 논리는 기업의 이익에서 출발한다. Nadella가 영상에서 제시한 기준은 한 단계 더 멀리, AI가 경제 전체에 만드는 변화로 향한다.

Brad Gerstner 세션의 WHO PAYS FOR AI 썸네일
00:06:40 ↗누가 AI의 비용을 지불하는가Gerstner 세션을 기점으로 논의는 속도 조절에서 투자 회수와 버블 여부로 이동한다.
하이퍼스케일러 설비투자와 AI 연구소 ARR의 2024년부터 2029년까지 추이를 비교한 Altimeter 차트
00:08:10 ↗투자 확대를 정당화하는 성장 곡선“What has to be true? 2027 and Beyond” 차트. 박종현은 AI 랩 ARR이 2년 사이 $7B에서 $200B로 늘어난다는 화면상의 궤적에 주목한다.
영상 속 Altimeter 차트의 투자·매출 시나리오
연도하이퍼스케일러 CapexAI 랩 ARR
2024$241B$7B
2025$422B$30B
2026E$788B$200B
2027E$1,086B$450B
2028E$1,195B$1,000B
2029E$1,300B$1,300B

출처: 원영상 00:08:10에 표시된 차트에 대한 제공 노트의 전사. B는 10억 달러, E는 추정치다. ARR은 연간 반복 매출 환산 지표로, 연간 인식 매출이나 이익과 같지 않다. Capex와 ARR은 대상 기업군과 측정 방식이 달라 이 표만으로 투자 회수율을 계산할 수 없다.

기업 이익은 늘었다. 그것으로 충분한가

영상에서 Gerstner의 “버블이 아니다”라는 주장을 뒷받침하는 수치는 Nasdaq-100의 선행 주가수익비율(P/E) 26배 → 24배, 주당순이익(EPS) 26% 증가다. 가격에 붙는 배수가 커진 것이 아니라 기업이 실제로 더 벌고 있다는 논리다. Nvidia의 2027년 예상 이익 기준 P/E 14배와 2000년 3월 Cisco의 100배 초과 수치도 비교된다.

다만 투자금이 반도체 회사의 이익으로 모이는 현상과 최종 사용자의 생산성 증가는 구별된다. 영상 속 Nadella의 반론은 이 구분을 GDP라는 기준으로 표현한다. 박종현 역시 숫자를 제시하는 일과 “버블이 터지지 않을 것”이라고 해석하는 일은 다르다고 선을 긋는다.

주가 상승을 이익 증가와 밸류에이션 배수로 나눠 설명한 Earnings Not Multiples Carrying Market 차트
00:09:38 ↗배수보다 이익이 끌어올린 시장Gerstner는 P/E 하락과 EPS 증가를 근거로 닷컴 버블과 현재를 구분한다. 이는 영상에서 소개된 투자 해석이다.
2023년 25퍼센트에서 2026년 누적 68퍼센트까지 높아지는 비중을 표시한 막대 차트
00:11:38 ↗반도체에 집중되는 이익화면의 비율은 25% → 38% → 44% → 68%다. 박종현은 이를 지수 상승에서 반도체 이익이 차지하는 중요성이 커진다는 의미로 설명한다.

“숫자는 조사된 것이지만,
버블이 안 터질 거라는 해석은 그들의 의견이다.”

박종현 · 제공 노트에 정리된 발언

모델이 싸질수록, 가치는 어디에 남는가

영상은 OpenAI와 Anthropic의 가파른 매출 궤적을 소개하는 동시에, 모델 가격 하락이 그 가치의 귀속을 바꿀 수 있다고 짚는다. OpenAI 측 출력 100만 토큰당 50달러와 DeepSeek 신형 모델이 99% 저렴하다는 대비가 등장하지만, 성능·서비스 조건을 맞춘 독립적인 가격 비교로 제시된 것은 아니다.

Nadella의 관점은 Postgres·MySQL 같은 오픈소스 데이터베이스의 사례를 거쳐 애플리케이션 계층으로 향한다. 박종현은 자신의 영상 처리 제품에서도 핵심 판단에는 비싼 모델인 Sol을, 나머지에는 저렴한 Luna를 사용했을 때 결과를 유지할 수 있었다고 경험을 보탠다. 이 사례가 시사하는 것은 모든 작업에 같은 비용을 지불할 필요가 없다는 가능성이다.

OpenAI와 Anthropic의 성장 궤적을 Google과 Meta의 초기 성장과 비교한 차트
00:12:42 ↗랩 매출의 가파른 궤적“AI Labs: $100B → $180B End of 2026” 화면. 앞선 $200B 시나리오와 대상·시점이 같다고 단정할 수 없어 수치를 합치지 않았다.
Jensen Huang, Nadella, Gerstner, Shotwell의 설비투자 관련 입장을 정리한 표
00:14:17 ↗Capex는 누구를 위해 짓는가반도체 공급망부터 클라우드 임대까지 생태계를 확장하는 투자라는 관점. Microsoft의 build → lease → rent 유연성도 소개된다.
Satya Nadella의 Can We Control AI 세션 썸네일
00:16:35 ↗인프라 자체가 사업이 되는 순간이 구간에서 박종현은 SpaceX의 컴퓨트 임대 매출이 우주 사업만큼 커졌다는 이야기를 전한다. 이 글에서는 실적 자료로 확인하지 않은 전언으로 다룬다.
모델 가격 하락과 애플리케이션 계층의 가치에 대한 입장을 비교한 화면
00:19:31 ↗돈은 어느 계층에 남는가Nadella의 애플리케이션 중심 관점과 Huang의 필요한 범위까지 상위 계층으로 확장한다는 입장이 함께 소개된다.
04 / POWER, ATOMS & CHINA

소프트웨어의 속도를
전력과 원자가 따라갈 수 있을까

모델의 가격과 성능 곡선이 빠르게 바뀌어도 전력망과 데이터센터는 물리적 시간표를 따른다. 영상은 전력 확보, 지역 반대, 인허가, 토지 비용을 반복적으로 병목으로 지목한다. Gerstner의 43GW·25GW 관련 발언, Vance의 전기요금 사례, Nadella의 Quincy 데이터센터 사례는 서로 다른 방향에서 같은 제약을 설명한다.

전력망, 인허가, 전기요금, 데이터센터의 지역 효과를 정리한 비교표
00:22:52 ↗진짜 병목 — 전력과 원자영상에는 전기요금 $290 → $580, Quincy의 20년간 세수 12배·일자리 1,200개 같은 사례가 등장한다. 각 수치의 지역·기간·산정 조건은 원자료 확인이 필요하다.
2025년 18기가와트에서 2028년 115기가와트로 증가하는 누적 설치 전력 전망 차트
00:24:56 ↗수요가 커질수록 물리적 제약도 커진다SemiAnalysis 기반으로 소개된 차트는 누적 설치 전력 18 → 37 → 80 → 115GW, OpenAI·Anthropic 비중 20 → 28 → 31 → 35%를 표시한다. 미래 구간은 전망이다.

이 병목을 우회하는 구상으로 우주 데이터센터와 Musk의 Terafab이 거론된다. 그러나 최승준은 우주에서 냉각이 “공짜”라는 식의 설명에 즉시 단서를 단다. 이 대목은 투자 서사와 실제 엔지니어링 조건을 분리해 읽어야 한다는 작은 사례다.

AI 경쟁의 단위가 ‘가장 좋은 모델’에서 넓어진다

중국에 관한 논의도 모델 순위에 머물지 않는다. 영상은 중국의 전력 생산량이 미국의 세 배라는 발언, 반도체 제조 격차가 장기적으로 줄어들 것이라는 Huang의 전망, 오픈 모델의 확산을 함께 묶는다. Huang이 산업혁명의 발상지와 수혜국을 대비한 이유도 여기에 있다. 기술을 먼저 만드는 능력과 널리 활용하는 능력은 서로 다른 경쟁력이라는 것이다.

AI 경쟁을 기술 개발, 활용, 확산과 규범의 관점에서 비교한 표
00:25:33 ↗‘레이스’에서 이긴다는 것Huang의 산업혁명 비유와 Trump의 승자 중심 표현, Nadella의 확산·규범 관점이 나란히 정리된다.
중국의 리소그래피, 전력, Zhipu의 RSI 추진을 다룬 요약 화면
00:28:18 ↗중국은 어디까지 왔는가리소그래피의 2030년 도달 전망, Zhipu의 $5B 조달과 RSI 추진 선언이 영상에서 소개된다. 독립 검증된 현황표가 아니라 출연자의 세션 정리다.
대담에서 드러나는 AI 경쟁의 세 층위
층위영상의 주요 질문확인해야 할 결과
모델·연구누가 더 강한 모델과 자기개선 역량을 확보하는가성능, 신뢰성, 연구 자동화의 실제 범위
물리적 공급누가 칩·전력·데이터센터를 제때 확보하는가가동 용량, 공급 일정, 비용과 지역 수용성
확산·응용누가 모델을 제품과 산업에 더 잘 적용하는가사용자의 비용 절감, 품질 개선, 생산성 변화

위 분류와 확인 항목은 대담의 논점을 연결한 편집적 정리다.

경제와 인프라, 중국과 오픈 모델에 관한 주요 인물들의 입장을 모은 요약표
00:31:49 ↗전반부의 결론: 투자는 멈추기 어렵다박종현은 생태계·투자·수요·정책의 방향을 종합해 “pacing은 못 할 것”이라고 전망한다. 오픈 모델은 이 생태계의 필수 요소로 제시된다.
05 / THE CHANGING INTERFACE

모델 세대가 바뀔 때,
사람의 일하는 방식도 바뀐다

후반부의 초점은 산업의 투자 곡선에서 개인의 작업 화면으로 이동한다. 최승준이 주목하는 변화는 벤치마크 점수보다 인간과 AI 사이의 인터페이스다.

영상에 소개된 Karpathy의 시간 단위는 3~4개월짜리 “모델 세대”다. 두 세대 전에는 코드를 손으로 쓰던 사람이 이제 코드를 어셈블리처럼 바라본다는 설명은, 같은 도구를 더 능숙하게 사용하는 변화와는 다르다. 무엇을 직접 쓰고 무엇을 지시할지, 결과를 어떤 수준에서 검토할지가 함께 바뀐다.

Anthropic VC 포럼 Jagged Intelligence 관련 게시물을 정리한 최승준의 Notion 페이지
00:33:43 ↗공개 영상 대신 게시물로 추적한 행사최승준은 Sarah Guo·Deedy의 게시물을 통해 Anthropic의 VC 대상 행사를 소개한다. 당시 전체 영상은 공개되지 않았다고 설명한다.
Karpathy가 모델 세대당 3개월에서 4개월을 시간 단위로 생각한다고 전한 Deedy의 게시물
00:34:06 ↗“2년 뒤”는 여덟 번의 변화 뒤영상 속 전언에 따르면 Karpathy는 2년 후를 예측하는 일을 약 여덟 번의 주요 기술 반복 이후를 맞히는 문제로 받아들인다.
Karpathy가 Claude Opus로 만들었다고 소개된 반지의 제왕 초반부 JavaScript 영상
00:37:46 ↗소비할 콘텐츠를 직접 생성하는 사람『반지의 제왕』 초반부를 JavaScript로 표현한 영상. 최승준은 Karpathy가 자신이 볼 콘텐츠를 생성해 보는 사례로 소개한다.
모델 세대마다 인간과 AI의 인터페이스가 급격히 바뀐다는 내용의 정리 화면
00:39:02 ↗성능 개선을 넘어 작업 형식의 변화로최승준의 관심은 “몇 점 올랐는가”보다 “사람이 지적 작업을 어떻게 하는가”에 놓여 있다.

협업 능력이 모델 안으로 들어간다는 주장

Pachocki의 「An Alien Mind」와 Noam Brown의 인터뷰를 다룬 구간은 작업 방식의 변화를 연구 자동화와 정렬 문제로 확장한다. 영상에서 소개된 Brown의 설명에 따르면, 1만 에이전트를 동원한 성과에서 멀티에이전트 팀의 기여는 약 10%였고 나머지는 모델 자체의 능력이었다. 대규모 팀을 구성했다는 사실만으로 성과의 원인을 설명할 수 없다는 뜻이다.

또 다른 주장은 협업이 외부의 실행·조율 장치인 하네스에만 의존하지 않고, 학습을 통해 모델 능력에 내재화된다는 것이다. 영상은 Astra를 그 첫 공개 사례로 소개하고 멀티에이전트 확장이 준선형(sub-linear)이라고 전한다. 이 설명대로라면 에이전트 수를 두 배로 늘린다고 효과가 두 배가 되는 것은 아니다.

Jakub Pachocki의 An Alien Mind 한국어판을 보여주는 화면
00:41:25 ↗이해하지 못하는 지성을 어떻게 정렬할까최승준은 Pachocki의 글을 AI 연구 인턴·과학자 로드맵과 연결하며, 정렬 문제가 현실적인 과제로 다가오고 있다고 해석한다.
The Information과 Dwarkesh의 Noam Brown 인터뷰 두 편을 정리한 화면
00:44:10 ↗성과의 원인을 분해해야 한다모델 능력, 협업 학습, 에이전트 수의 효과를 구분하는 대목. 인터뷰 내용은 출연자의 소개를 거쳐 전달된다.
SI / 자기개선
영상에서는 이미 진행 중인 개선 과정으로 다뤄진다. 현재의 제품·연구 발전 전체와 연결되는 넓은 표현이다.
RSI / 재귀적 자기개선
개선된 시스템이 다시 다음 개선을 가속하는 과정. 최승준은 속도 조절 논쟁의 핵심 대상을 이 층위로 구분한다.
CoT 관측 가능성
모델이 드러내는 사고 과정으로 행동을 감독할 수 있는가의 문제. 영상은 감시 결과를 학습 피드백으로 줄 때 생각을 숨기는 유인이 생길 수 있다는 우려를 소개한다.
06 / SAFETY & ACCELERATION

안전을 누가 판단하는가,
그 사이 연구는 얼마나 빨라지는가

안전 논의에서는 기술적 난제와 제도적 신뢰가 겹친다. 영상은 David Sacks의 규제 포획·담합 우려, 평가 기관 METR의 독립성에 대한 비판, 안전 연구자들의 인적 관계를 소개한다. 그러나 관계가 있다는 주장만으로 평가의 부정이나 결론의 오류가 입증되는 것은 아니다. 이 대담에서 건질 수 있는 제도적 질문은 중요한 판단에 참여하는 사람과 기관의 범위가 충분히 넓은가다.

Dario Amodei의 속도 조절 제안과 METR 독립성을 비판한 David Sacks 게시물의 번역 화면
00:52:22 ↗안전 규칙이 진입장벽이 될 수 있다는 비판Sacks는 규제 포획과 담합 가능성을 문제 삼는다. 이는 비판자의 주장으로 소개되며 사실 판정과 구분된다.
Holden Karnofsky의 영상과 AI 안전 연구자들의 관계를 설명하는 화면
00:54:57 ↗평가의 독립성에 관한 질문출연자는 Christiano·Cotra·Karnofsky·Amodei를 둘러싼 관계와 ARC·METR의 계보를 설명한다. 인적 관계와 직책의 세부 사항은 별도 검증하지 않았다.
Geoffrey Irving, Paul Christiano, Dario Amodei의 AI Safety via Debate 논문 화면
00:56:09 ↗오래된 연구 질문, 좁은 의사결정 집단「AI Safety via Debate」가 소개된다. 최승준의 우려는 가속과 제어 양쪽 모두 중요한 결정을 소수 인물에게 의존한다는 데 있다.
보안 감사 기관 Irregular를 다룬 Effort 기사가 표시된 화면
01:07:49 ↗Irregular 관련 기사 — 검증 수준을 구분할 대목보안 평가 기관의 배경에 대한 기사를 소개하면서 최승준은 “가십성으로 볼 것”이라고 단서를 붙인다. 이 글의 결론을 뒷받침하는 확정적 증거로 사용하지 않았다.

논쟁이 이어지는 동안, 연구의 반복 주기는 짧아진다

영상은 Periodic Labs, Claude Science, DeepMind Institute를 연구 자동화의 흐름 속에 배치한다. 실험실에서 결과를 얻고 이를 다음 실험에 반영하는 순환을 닫으려는 시도, 공개된 강화학습 진행 화면, 급증하는 토큰 사용량이 나란히 등장한다. 각 프로젝트의 현재 상태는 별도 확인이 필요하지만, 출연자가 관찰하는 방향은 분명하다. 연구의 실행과 검토를 더 많이, 더 빠르게 반복하려는 움직임이다.

Periodic Labs, Life Sciences Verification Program, Claude Science 관련 페이지를 정리한 화면
00:58:34 ↗실험과 학습의 고리를 닫으려는 시도Periodic Labs의 실험실 구상과 Anthropic의 과학 관련 프로그램이 “멈추지 않는 가속”의 신호로 소개된다.
DeepMind Institute를 소개하며 RSI의 버튼을 논의하는 화면
01:01:08 ↗출시 주기와 RSI 버튼의 구분최승준은 Richard Sutton의 SI·RSI 구분을 인용한다. Bengio가 RSI를 불법으로 해야 한다고 말했다는 전언도 이 구간에 등장한다.
DeepSeek 커널 엔지니어 Shengyu Liu의 글을 소개하는 화면
01:01:44 ↗전문가도 ‘조종사’가 되는 감각Shengyu Liu의 글은 직접 기술을 구사하던 사람이 AI를 조종하는 역할로 이동할 때 느끼는 변화를 보여주는 사례로 소개된다.
Xiaomi MiMo v2.6 강화학습 진행 단계, 비용, 토큰 수, 벤치마크 곡선을 표시한 대시보드
01:03:53 ↗MiMo의 공개 RL 진행 화면Pro: step 22, 3일 16시간, $1,817,535, 해당 step 2.77B·누적 50.4B 토큰. Flash: step 30, $854,044. 화면에 보인 시점의 값이다.

최승준은 MiMo의 벤치마크 곡선을 강화학습이 여전히 작동한다는 신호로 읽는다. 이어 영상은 OpenAI 상위 1% 기술직의 하루 토큰 사용액이 약 8,000달러라는 Brown의 발언과, 박종현이 200달러·200달러·300달러 구독을 모두 소진했다는 경험을 연결한다. 다만 특정 집단의 사용량과 개인 경험을 보편적인 업무 비용으로 일반화할 수는 없다.

Terence Tao 블로그의 After Math 게스트 글을 소개한 화면
01:07:01 ↗수학계의 공론장영상은 「After Math」와 수학·철학계의 반응을 “AlphaGo 모먼트”로 묶는다. Navier–Stokes 관련 발표는 출연자의 설명을 따른 것이며, 추가 밀레니엄 문제 해결설은 출연자도 소문으로 구분했다.
07 / COMBINATORIAL PLAY

실험이 싸질 때,
탐색은 예상 밖으로 넓어진다

‘조합적 놀이’는 이 대담의 결론이자 관찰의 단위다. 거대한 연구소의 로드맵을 따라가는 대신, 공개된 작은 모델 하나가 얼마나 많은 다음 실험을 부르는지 바라본다.

Jev와 초파리 커넥톰 관련 실험이 퍼지는 이유에 대해 최승준은 구현 비용의 하락을 강조한다. 누군가 아티팩트를 공개하면 다른 사람이 아이디어를 가져와 새 실험을 만들고, 결과를 공유하면 또 다른 구현이 나온다. 영상에서 Jev는 최대 255개의 yes/no류 판단을 병렬로 출력하는 모델로, Needle 계열은 작은 기기에서 실행할 수 있는 에이전트 모델로 소개된다.

Cactus의 Needle 3 Automation Foundation Model for Tiny Devices 소개 페이지
01:10:28 ↗작은 기기를 위한 에이전트 모델Needle 3는 Raspberry Pi급 기기를 겨냥한 사례로 소개된다. 인접 장면의 Needle 2에 제시된 14MB·45M 파라미터 설명과 버전을 구분해 읽어야 한다.
TypeSafe AI의 Jev와 Cactus의 Needle 2를 소개하는 페이지
01:10:39 ↗System 1 모델과 파생 실험Jev, Needle, 작은 모델의 logit을 이용한 판단 방식이 함께 언급된다. Minecraft와 실시간 computer-use가 실험의 예로 등장한다.
Concept diagram / 대담을 재구성한 개념도

한 번의 공개가 다음 실험의 재료가 된다

01 →재료의 공개모델·코드·실험 영상이 호기심과 사전 지식을 자극한다.
02 →저렴한 구현AI 도구를 활용해 작은 아이디어를 빠르게 시험한다.
03 →공유와 변형SNS와 커뮤니티를 거쳐 다른 문제와 조합된다.
04 ↺탐색의 확장결과와 작업 기록이 다음 실험의 출발점이 된다.
최승준은 여기에 인간의 작업 기록(trace)을 모델이 다시 학습하는 경로까지 연결한다. 다만 개별 실험 기록이 실제로 어떤 모델의 학습에 포함됐는지는 이 자료로 확인할 수 없다.

작은 네트워크가 보여준 의외의 행동

최승준의 Powder Lab v5 실험은 이 흐름을 구체화한다. 곡물과 나무 블록이 놓인 3D 공간에서 에이전트가 곡물을 찾아가도록 만들되, 공간을 언어로 크게 추론하게 하는 접근보다 조작 판정을 좁게 맡기는 접근이 잘 작동했다고 설명한다.

Astra가 제안했다고 소개된 방법은 A* 알고리즘으로 경로를 먼저 만들고, 그 궤적을 3층 네트워크가 모방하도록 학습시키는 것이다. 최승준은 협업 규칙을 따로 넣지 않았는데도 에이전트가 다른 개체가 쌓은 계단을 이용하는 행동을 관찰했다고 말한다. 이 장면은 흥미로운 탐색 결과지만, 곧바로 일반적인 협업 지능이나 실환경 성능을 입증하는 실험은 아니다.

곡물과 나무 블록이 있는 3D 공간 및 Tiny Brain 패널이 표시된 Powder Lab v5 실험
01:17:02 ↗Powder Lab v5 · Tiny BrainA* 궤적을 모방한 작은 네트워크로 탐색 행동을 구현한 실험. 출연자는 남이 만든 계단을 이용하는 모습을 “개미 사회”에 비유한다.

“RSI 버튼을 누르지 않아도
이미 무서운 궤도에 올라가 있다.”

최승준 · 제공 노트에 정리된 결론

이 표현은 인간과 AI가 함께 만드는 실험 생태계를 가리킨다. 최승준은 사람들의 호기심, 실험, 공유, 파생 과정을 대규모 에이전트 사이의 아이디어 교환과 구조적으로 닮은 것으로 본다. ‘동형’이라는 연결은 그의 해석이며, 두 과정의 성능이나 위험이 같다는 실증 결과는 아니다. 그럼에도 생산성을 당장 입증하지 못하는 놀이가 탐색 공간을 넓힐 수 있다는 관찰은 이 에피소드 전체를 묶는다.

08 / IMPLICATIONS

가속을 예측하기보다,
어디서 효용이 생기는지 살펴볼 때

이 대담은 하나의 확정적인 미래를 제시하지 않는다. 대신 무엇을 관찰해야 할지 더 선명하게 만든다. 다음 항목은 영상의 논점을 연구·제품·인프라 의사결정으로 옮긴 편집적 제안이다.

  • 제품: 비싼 판단과 반복 작업을 나눌 수 있는가모델별 가격보다 실제 작업의 품질·지연·총비용을 비교한다. 박종현의 혼합 사용 경험은 검증할 가설을 제공한다.
  • 연구·로봇: 계획과 실시간 판단을 분리할 수 있는가큰 모델의 계획 능력과 작은 모델의 빠른 판단을 연결하되, 시뮬레이션에서 보인 행동이 실환경에서도 유지되는지 확인한다.
  • 인프라: 발표된 용량이 언제 실제 공급이 되는가전력·인허가·가동 일정과 지역 수용성을 함께 본다. 영상의 한국 데이터센터 관련 언급은 출연자의 기억도 불확실해 구체적 국내 사례의 근거로 삼기 어렵다.
  • 안전·평가: 누가 어떤 방법으로 검증했는가평가 기관의 관계, 공개된 평가 방법, 결과의 재현 가능성을 각각 검토한다. 의혹과 확인된 결함은 구분한다.
  • 산업: 매출 성장 다음의 증거는 무엇인가모델 공급자의 매출과 반도체 이익뿐 아니라 사용자의 비용 절감, 결과 품질, 생산성 변화를 추적한다.
Sam Altman의 출시 예고 게시물과 후속 행사 일정을 소개한 화면
01:18:49 ↗발표는 계속 예고된다Sam Altman의 게시물, 9월 29일 OpenAI DevDay, 10월 1일 Tesla 발표가 다음 일정으로 언급된다. 녹화 당시의 예고를 보존한 것이며 실제 개최·출시 여부를 확인한 일정 안내는 아니다.

두렵지만 즐거운 탐색의 시대

거대한 투자는 기술이 움직일 공간을 만들고, 작은 실험은 그 공간에서 무엇이 가능한지 찾아낸다. 투자 곡선만 보아서는 사용자의 변화를 놓치고, 흥미로운 데모만 보아서는 전력과 경제성의 제약을 놓친다.

이 에피소드가 남기는 질문은 그래서 구체적이다. 다음 모델이 얼마나 강해졌는가와 함께, 그 모델로 사람들이 무엇을 새롭게 할 수 있게 됐는가. ‘조합적 놀이’가 산업과 사회의 변화로 이어지는지는 그 사이에서 드러날 것이다.

09 / SOURCE NOTES & METHODS

출처와 자료의 경계

이 글은 제공된 Obsidian 노트의 구조를 공개 기사에 맞춰 재편집했다. 영상의 주제별 논지를 연결하되, 장면 35장을 모두 보존하고 시간 링크를 달았다. 일부 장면은 논리적 흐름을 위해 시간순과 다르게 배치했다.

원영상
EP 115. 조합적 놀이가 시작됐다: 올인 서밋 2026 총정리 (AI 페이싱·버블·중국)
채널
AI Frontier Korea (노정석)
출연
최승준 · 박종현. 노정석은 출장으로 불참했다고 소개됨.
게시일
2026년 9월 25일 — 제공 노트의 메타데이터 기준
녹화 시점
2026년 9월 19일 토요일 오전 — 도입부 발언 기준
영상 길이
1시간 20분 36초 / 약 4,836초
근거 자료
한국어 수동 자막 1,619개 큐·약 5.4만 자, 메타데이터·설명란·43개 챕터, 추출 프레임 35장

어디까지 확인된 내용인가

  1. 서밋 발언은 재정리를 거쳤다. 박종현이 자막을 AI로 요약·재구성한 페이지를 대담에서 설명하고, 이를 제공 노트가 정리한 구조다. 원 세션의 정확한 표현과 맥락은 원본 확인이 필요하다.
  2. 화면 수치와 해석을 분리했다. 투자·매출 전망은 확정 실적과 다르다. 화면의 큰 글씨와 자막이 일치하는 값을 옮겼다는 제공 노트의 기준을 따르며, 통계와 기업 실적을 별도로 검증하지 않았다.
  3. 사건·직책·제품명도 영상 기준이다. Astra, Sol/Luna, MAI-Thinking, Terafab 등 고유명사와 인수·조달·직책 관련 내용은 출연자의 설명을 반영한다. 이 글이 해당 사실의 독립적인 확인 자료는 아니다.
  4. 소문은 결론의 근거에서 제외했다. 밀레니엄 문제 추가 해결설, Irregular 관련 논란, 안전 진영 인맥에 대한 추정은 검증 수준이 다르다. OpenAI·Anthropic의 메모리 직접 매입 이야기도 원노트에 불확실하다는 단서가 있다.
  5. 해석은 해석으로 표시했다. 조합적 실험과 멀티에이전트 탐색의 구조적 유사성, 투자 지속 전망, 실무 시사점은 각각 출연자의 해석 또는 이 글의 편집적 종합이다.

프레임 수집의 한계

제공 노트에 따르면 자막은 한국어 수동 자막을 확보했으나 프레임은 640×360 해상도로만 확보했다. 작은 차트 주석과 표의 세부 문구는 판독이 어려울 수 있다. 본문 표와 캡션은 저해상도 화면의 판독 한계를 없애는 대체 원자료가 아니다.

제공 노트에 기록된 수집 시도
접근 방식결과
android_vr
-f 137/136/247/399
HTTP 403. --http-chunk-size 적용 후에도 동일.
web_safari
HLS 95/96
최초 포맷 목록 조회 후 반복 시도에서 “Only images are available”.
web_embedded
-f 18
360p 단일 파일 확보. 178.7MB, 4,835.8초.

이 변환 작업에서 수집을 재실행한 기록이 아니라 원노트의 방법론을 보존한 것이다. 수집 당시 로그인 쿠키는 사용하지 않았다고 기록돼 있다.

프레임 선정: 43개 챕터의 70% 지점과 ffmpeg 장면 전환 검출(임계값 0.25, 59개 전환)을 결합했다. 8초 이내 후보를 병합해 69장을 만들고, 밝기·표준편차로 흑화면을 점검했다. 32×18 축소 이미지의 평균 차이 2 미만을 중복 기준으로 삼은 뒤 육안 검토로 반복 화면을 제거해 최종 35장을 선정했다고 원노트는 설명한다.

영상에서 소개된 주요 자료

All-In Summit의 다섯 세션, Altimeter·SemiAnalysis 차트, Dario Amodei의 「We Must Pace the Frontier」, Jakub Pachocki의 「An Alien Mind」, Noam Brown의 The Information·Dwarkesh 인터뷰, 「AI Safety via Debate」(arXiv:1805.00899), Terence Tao 블로그의 「After Math」 등이 등장한다. 이 목록은 영상 속 자료의 식별 정보이며, 해당 원문들을 직접 검토했다는 뜻은 아니다.

관련 노트: 「EP114. 도망칠 틈이 없다_요약」 — Navier–Stokes, 1만 에이전트, OpenAI·Hugging Face 관련 이야기를 다룬 직전 에피소드. 원노트의 Obsidian 내부 참조이며 공개 주소는 제공되지 않았다.