์ฌ์ ๋ฆฌ๋
AI ๋ถ์ ๋๋์ง ์์์ง๋ง AI ์ปดํจํ ์ ๋ถ๋ช ํ ๋ณํํ๊ณ ์๋ค
AI 미래에 대한 우려를 너무 많이 하지 마십시오. 일부 사람들은 이미 큰 AI 투자가 끝났는지, 수많은 고성능 GPU를 사용하는 대규모 AI 훈련 시스템에 대한 시장의 흥분과 지출이 끝났는지, 그리고 AI 시대에 대한 기대를 크게 낮추어야 하는지 의문을 제기하고 있습니다.
그러나 주요 하이퍼스케일러의 계획을 자세히 살펴보면 AI 투자는 여전히 살아 있습니다. Meta, Amazon, Microsoft, Google는 모두 최근에 AI 기술에 대한 투자를 두 배로 늘렸습니다. 2025년을 위한 их의 총 투자額은 최근 Financial Times의 기사에 따르면 3000억 달러 이상입니다. Microsoft의 CEO인 Satya Nadella는 Microsoft가 올해 AI에만 800억 달러를 투자할 수 있다고 말했습니다. Meta의 창립자이자 CEO인 Mark Zuckerberg는 Facebook에서 “우리는今年 60-65B의 capex를 투자할 계획이며 동시에 우리의 AI 팀을 크게 성장시키고 있으며, 앞으로 투자할 수 있는 자본을 가지고 있습니다”라고 말했습니다.
이것은 AI 붐이 끝나고 있는 것이 아니라, AI 애플리케이션을 가능하게 하는 데에 얼마나 많은 돈이 쓰여지고 있는지에 대한 우려가 증가하고 있습니다. 기술 거물들이 대규모 AI 모델을 훈련하기 위한 더 많은 컴퓨팅 파워에 대한 명확한 수요를 보았다고 말한 이후 2년 이상이 지난 지금, 2025년은 이러한 회사들이 매일 비즈니스 미디어에 의해 너무 많은 AI 호재를 만들어낸 것으로 비난받고 시작되었습니다.
왜 이런 우려가突然 나타났을까요?答案은 부분적으로 중국에서 새롭게 등장한 AI 애플리케이션에 있습니다. 그러나 실제로 무슨 일이 발생하고 있는지, 그리고 앞으로 몇 년 동안 AI 투자와 기술 프로그램에 무슨 영향을 미칠지 이해하기 위해서는 AI 시대가 새로운 단계로 진입하고 있음을 인정해야 합니다.
진실을 찾아서
현재 전 세계는 DeepSeek, 중국의 AI 회사에 대해 알고 있습니다. DeepSeek는 추론 엔진과 통계적 추론을 사용하여 다른 회사보다 훨씬 더 효율적이고 저렴한 비용으로 대규모 언어 모델을 훈련시켰습니다.
구체적으로, DeepSeek는 기법이 훨씬 더 적은 수의 GPU(최대 2,048개)와 더 적은 성능의 GPU(Nvidia H800)를 필요로 한다고 주장했습니다. 이는 일부 하이퍼스케일러 公司가 모델을 훈련시키기 위해 수백만 개의 고성능 GPU(예: Nvidia H100)를 필요로 하는 것과는 대조됩니다. 비용 절감 측면에서, OpenAI가 ChatGPT를 훈련시키기 위해 수십억 달러를 지출한 반면, DeepSeek는 보고된 바에 따르면 650만 달러만으로 R1 모델을 훈련시켰습니다.
많은 전문가가 DeepSeek의 지출 주장을 의심하고 있지만, 이미 그들은 하이퍼스케일러와 그들이 수십억 달러를 지출하여 AI 모델을 훈련시키기 위해 사용하는 GPU 公司의 주가가 급격히 떨어지는 결과를 가져왔습니다.
그러나 혼란 속에서 몇 가지 중요한 점이 잊혀졌습니다. 하나는 DeepSeek가 새로운 방법을 “발명”하지 않았다는 것입니다. 두 번째는 AI 생태계의 대부분이 이미 AI 투자 돈을 어떻게 지출해야 하는지, 그리고 앞으로 몇 년 동안 AI를 어떻게 사용할 것인지에 대한 근본적인 변화를 예상하고 있었다는 것입니다.
DeepSeek의 방법에 관해서, AI 추론 엔진과 통계적 추론을 사용하는 개념은 새로운 것이 아닙니다. 통계적 추론은 추론 모델 추론의 더广泛한 개념의 한 측면으로, 이는 AI가 패턴 인식에 따라 추론을 내릴 수 있는 능력을 포함합니다. 이는 본质적으로 인간이 문제에 대한 다양한 접근 방식을 배우고 비교하여 최상의 해결책을 찾는 능력과 유사합니다. 추론 기반 모델 추론은 오늘날 사용될 수 있으며, 중국의 스타트업에 독점적이지 않습니다.
한편, AI 생태계는 이미 오래전부터 AI와 컴퓨팅 자원에 대한 작업 방식의 근본적인 변화를 예상하고 있었습니다. AI 시대의 초기 몇 년은 대규모 AI 모델을 매우 큰 데이터 세트에 훈련시키는 큰 작업에 관한 것이었습니다. 이는 많은 처리, 복잡한 계산, 가중치 조정 및 메모리 의존성이 필요했습니다. AI 모델이 훈련을 마친 후, 상황은 달라집니다. AI는 추론을 사용하여 모든 것을 새로운 데이터 세트, 작업 및 문제에 적용할 수 있습니다. 훈련보다 계산적으로 덜 집중적인 과정인 추론은 그렇게 많은 GPU 또는 컴퓨팅 자원이 필요하지 않습니다.
DeepSeek에 대한 궁극적인 진실은, 그들의 방법이 AI 생태계의 대부분에게 그렇게 놀라운 일이 아니었지만, 추론이 AI의 다음 단계에서 핵심이 될 수 있는 방법 중 하나를 강조했다는 것입니다.
AI: 다음 세대
AI의 약속과 잠재력은 변하지 않았습니다. 주요 하이퍼스케일러의 지속적인 대규모 AI 투자는 그들이 AI에서 잠금할 수 있는 미래의 가치와, AI가 거의 모든 산업이 작동하는 방식과 거의 모든 사람이 일상 생활을 보내는 방식을 변경하는 방법에 대한 그들의 믿음을 보여줍니다.
변화한 것은 이러한 하이퍼스케일러 公司가 어떻게 그 돈을 지출할 것인가입니다. AI 시대의 초기 몇 년 동안, 대부분의 투자는 훈련에必要했습니다. AI를 아직 발달 중인 아이로 생각한다면, 우리는 그 아이를 최고의 학교와 대학에 보내기 위해 많은 돈을 썼습니다. 이제 그 아이는 교육을 받은 성인이며, 그 아이는 자신을 지원하기 위해 일해야 합니다. 실제로, 우리는 AI를 훈련시키기 위해 많은 돈을 투자했으며, 이제 우리는 그 투자로부터 수익을 얻어야 합니다. 즉, AI를 사용하여 새로운 수익을 창출해야 합니다.
이러한 수익을 얻기 위해, AI는 시장의 매력과 가능한 많은 애플리케이션에 대한 유용성을 최대화하기 위해 더 효율적이고 비용이 적어야 합니다. 가장 수익성 높은 새로운 서비스는 인간의 모니터링과 관리가 필요하지 않은 자율적인 서비스입니다.
许多 公司에게 이것은 추론 모델 추론과 같은 자원 효율적인 AI 컴퓨팅 기법을 사용하여 자율적인 기계 간 통신을 빠르고 비용 효율적으로 활성화하는 것을 의미합니다. 예를 들어, 무선 산업에서, AI는 무선 네트워크에서 스펙트럼 사용에 대한 실시간 데이터를 자동으로 분석하여 채널 사용을 최적화하고 사용자 간의 간섭을 완화하여 모바일 운영자에게 더 동적인 스펙트럼 공유를 허용할 수 있습니다. 이러한 유형의 더 효율적이고 자율적인 AI 기반 기계 간 통신은 AI의 다음 세대를 정의할 것입니다.
컴퓨팅의 역사에서 우리가 배운 바와 같이, 새로운 기술은 항상 많은 초기 투자가 필요하지만, 비용은 낮아지고 효율성은 향상될 것입니다. 우리는 더 나은 기술과 더好的 관행을 사용하여 더 많은 시장에吸引力과 비용 효율적인 제품과 서비스를 만들기 시작할 때입니다. 혁신은 항상 방법을 찾습니다.
AI 부문은 최근에 AI 미래에 대한 우려를 보였을 수 있지만, 하이퍼스케일러 公司가 올해 계획하는 투자額과 추론 기반 기법의 증가하는 사용은 다른 이야기를 बत입니다: AI 컴퓨팅은 분명히 변화하고 있지만, AI의 약속은 완전히 유지되고 있습니다.
