AI 시대, 인간은 정말 늙지 않게 될까

https://blog.naver.com/dolbikong/224378879215

🤔AI 과학자가 예측하는 앞으로 5년 (Ryan Greenblatt) source

AI 연구개발 완전 자동화 시점은 2029년 중반. 향후 수년간 전개될 변화에 대한 최선의 예측은 다음과 같음:

2026년 말
- 2026년 최첨단 AI의 발전량은 2025년의 1.5배에 이를 것
- 대부분은 그동안 남아 있던 기술적 잠재력과 미활용 여지를 소진하면서 발생하고, 일부는 AI가 AI 연구개발을 가속하면서 만들어짐
- AI가 앤트로픽의 AI 연구개발 인력 생산성을 2.5배 높일 것
- 모든 연구자와 엔지니어가 기존보다 2.5배 빠르게 사고하고 일하는 것과 비슷한 효과

2027년 말
- AI 기업의 엔지니어링 업무는 완전 자동화되고, AI는 연구 업무 자동화에도 본격적으로 진입
- AI 연구개발 인력의 생산성은 8.5배 높아질 것
- 일각에선 2027년에 AI 연구개발이 완전 자동화됐다고 주장할 것
- 실제로 완전 자동화까지는 아니지만, 상황은 이미 비현실적으로 느껴지게 됨
- AI 기업은 극도로 자동화되고, 인간은 업무 과정에서 거의 배제되며, 연구개발 속도도 크게 빨라짐
- 최첨단 AI의 발전량은 2025년의 1.5배가 될 것으로 예상
- 대부분 AI 연구개발 가속에서 나오고, 일부는 기존에 축적된 기술적 잠재력을 활용하면서 발생

2028년
- 4월경 자동화 코더가 등장할 것
- 연구 엔지니어링과 소프트웨어 개발 업무를 완전히 자동화하는 AI
- 2028년 말에는 AI가 인간 AI 연구자와 동등한 수준에 도달
- 다만 이후에도 한동안 인간은 새로운 관점을 제시하고, AI가 놓친 사각지대나 오류를 지적하는 방식으로 가치를 더할 것
- 하반기에는 AI 발전 속도가 2025년의 1.6배로 올라갈 것
- 현실의 0.5년 동안 0.8년치에 해당하는 AI 발전이 이뤄지는 속도

2029년
- 연초에는 초인간적 AI 연구자가 등장
- 자동화 코더가 등장한 지 1년이 채 지나지 않은 시점
- 발전 속도는 더욱 빨라져 상반기 6개월 동안 1.3년치 AI 발전이 이뤄짐. 2025년 대비 2.6배 속도
- 연말에는 최고 전문가를 압도하는 AI 단계를 상당히 넘어서게 됨
- 하반기 6개월 동안 2.5년치 AI 발전이 이뤄지며, 발전 속도는 2025년의 5배
- 이 시점의 AI는 분야별 편차가 있겠지만, 인간을 크게 뛰어넘는 초인간적 능력을 갖게 됨

2030년
- 연중에는 극도로 초인간적인 AI, 즉 ASI 사이 어딘가에 도달해 상상하기 어려운 일들이 벌어질 것
- 로봇 확산의 결과로 컴퓨팅 자원은 4개월마다 두 배로 증가할 수
- 연말에는 이른바 특이점에 도달
- 경제 규모는 이미 여러 차례 두 배로 증가했으며, 컴퓨팅 자원은 2개월마다 두 배로 늘어날 수

2031년
- 연중에는 두 배 증가에 걸리는 시간이 2주까지 짧아질 수
- 이전에는 상상하기 어려웠던 완전히 새로운 기술들이 실제로 등장하고 활용되기 시작할 것

불과 3주 만에 이뤄진 일입니다 source

1. 성능은 상승, 가격은 절반으로 AI 모델 디플레 발생. Gemini 3.6 Flash 출시 3주 만에 3.7 Flash 공개

2. 코딩·에이전트 성능은 크게 개선. 가격은 3.6 대비 50% 인하. 대규모 신모델이 아닌 알고리즘 개선으로 달성

3. 공식 평가에서도 3.7은 3.6 대비 종합 지능 점수 52→56, 코드 품질은 34.4%→43.6%​로 상승. 같은 모델이 3주 만에 의미 있게 개선

4. 이게 중요한 이유는, 모델 업그레이드 주기가 연 단위에서 주 단위로 압축 + 성능 향상과 가격 하락이 동시에 진행됐단 점

5. 모델 자체의 희소성은 빠르게 약화됐고 배포 속도와 실제 제품 적용력이 더 중요해짐

6. 이제 구글의 병목도 모델 성능보다 제품에 얼마나 빠르게 확산시키느냐에 가깝게 됨

AI 투자 사이클의 진짜 변수 source

AI 수요 자체에 대한 논쟁보다 이제는 누가 이 거대한 CapEx를 감당하느냐가 더 중요해지고 있음

1. 주요 5개 AI 기업의 2027년 예상 CapEx는 1조 달러 이상, 예상 영업현금흐름은 약 9,600억 달러 수준임. CapEx/영업현금흐름 비율은 약 111%, 공격적 시나리오에서는 130% 이상까지 올라갈 수 있으며, 합산 FCF 역시 2027년 마이너스로 전환될 가능성이 있음

2. 과거 빅테크는 막대한 현금흐름을 기반으로 자사주를 꾸준히 매입하며 미국 증시의 구조적 매수자 역할을 해왔음. 하지만 AI 인프라 경쟁이 시작되면서 일부 기업은 자사주 매입을 줄이거나 중단하고, 반대로 주식·채권 발행을 통해 투자 재원을 조달하는 구조로 바뀌고 있음

3. 결국 핵심은 자본의 이동 방향임. 과거 금융시장 안에서 자사주 매입으로 순환하던 돈이 이제 데이터센터, GPU, 전력, 냉각, 변압기, 토지 등 실물 인프라 투자로 빠져나가고 있음

4. 이 과정에서 빅테크의 사업모델도 변하고 있음. 과거에는 적은 재투자로 높은 현금흐름을 창출하는 자본경량 기업이었다면, 앞으로는 막대한 설비투자와 지속적인 인프라 교체가 필요한 자본집약적 기업에 가까워질 수 있음

5. 기업 자체 현금만으로 부족해지면서 벤더 파이낸스와 AI 인프라 구조화 금융도 확대되는 중임. 결국 누가 대출을 제공하고, 누가 보증을 서며, GPU와 데이터센터의 잔존가치를 어떻게 평가할지가 점점 중요한 변수가 되고 있음

6. AI 투자를 볼 때는 단순히 AI가 얼마나 성장하나​보다 "누가 자본을 쓰고, 누가 자본을 공급하며, 최종적으로 누가 현금을 가져가는가"​를 보는 것이 중요함. AI 시대는 기술 성장 사이클인 동시에, 역사적인 자본집약화 사이클임

🤔캐시우드가 메모리 주식에 투자하지 않는 이유 source

1. HBM은 가장 사이클적인 반도체
- 메모리는 반도체 밸류체인에서 가장 상품화되고 경기순환에 민감한 영역
- HBM 가격이 급등한 상황은 정상적 기술 비용 구조가 아니라 극단적 병목 상태라는 판단
- 현재의 높은 가격과 현금흐름을 장기적인 구조적 이익으로 보기 어렵다는 것

2. 비싸진 기술은 결국 설계에서 제거됨
- Cerebras와 Groq 같은 추론 아키텍처는 HBM 의존도를 크게 낮추거나 없앨 수 있다고 주장
- AI 추론 수요가 증가해도 모든 연산이 동일한 비율로 HBM 수요로 연결되는 것은 아님
- HBM 가격이 높아질수록 이를 우회하는 새로운 칩과 시스템을 개발할 경제적 유인도 커짐

3. 공급 부족은 호재이면서 자기파괴 신호
- 현재는 메모리·반도체 기업의 현금흐름이 늘어나는 반면, 이를 구매하는 하이퍼스케일러의 비용 부담은 커지는 구조
- 그러나 기술 비용이 과도해지면 고객은 더 저렴한 구조를 선택하거나 병목 자체를 설계에서 제거
- 테슬라가 배터리의 코발트 의존도를 줄였듯이, 높은 HBM 가격이 대체 기술의 개발을 앞당김

4. 메모리 투자에서 봐야 할 진짜 변수
- AI 사용량이 증가하는지보다 추론 1회당 필요한 HBM 용량이 계속 증가하는지
- AI 수요 증가보다 HBM 집약도 하락이 빠르면, AI 산업의 성장과 메모리 기업의 실적이 분리됨
- 다만 일부 추론 아키텍처가 HBM을 사용하지 않는다는 사실이 전체 AI 인프라의 HBM 수요 감소로 이어진다고 단정할 근거는 아직 부족

✍️즉, HBM 가격 급등 자체가 엔지니어들에게 HBM을 우회할 강력한 유인을 제공한다는 것. 메모리 슈퍼사이클의 가장 큰 적은 병목을 설계에서 제거하는 새로운 추론 아키텍처

AI Is Not a Product Cycle source

1. AI 약세론은 빅테크가 반도체, 데이터센터, 전력, 리스에 3조 달러를 약정했다는 점을 과잉투자의 증거로 제시함. 하지만 SEC 공시에 기재된 구매약정은 숨겨진 부채가 아니며, 미래 구매계약이나 아직 시작되지 않은 리스를 당장 상환해야 할 차입금과 동일하게 볼 수도 없음

2. 중요한 것은 3조 달러라는 총액이 아니라 계약의 구조와 상환 능력임. 지급 시기, 취소 가능 여부, 가격 재협상 조항, 설비의 재배치 가능성, 고객 매출과 영업현금흐름을 함께 봐야 실제 위험을 판단할 수 있음.

3. 진짜 AI 버블 붕괴는 다음과 같은 연쇄작용으로 나타나야 함:
- 데이터센터 가동률 하락
- 컴퓨팅 가격 급락
- 기업의 AI 도입 정체
- 취소할 수 없는 Take-or-pay 계약
- AI 매출이 인프라 비용을 감당하지 못하는 상황

이런 데이터 없이 언젠가 수요가 사라질 수 있다는 주장은 검증 가능한 투자 논리라기보다 막연한 가능성에 가까움

4. AI 약세론에는 더 강한 전제가 숨어 있음. 정부와 기업이 이미 충분히 자동화했고, 소비자도 값싼 지능에서 얻을 수 있는 효용을 거의 다 발견했으며, 글로벌 경제의 컴퓨팅 수요가 곧 포화될 것이라는 가정임

5. 하지만 AI는 스마트폰처럼 몇 년마다 교체되는 제품이 아닌, 프로그래밍 가능한 지능을 공급하는 새로운 인프라 계층임. 챗봇의 사용량은 인간의 질문 시간에 제한되지만, 에이전트는 기업의 업무와 글로벌 경제활동 전체를 대상으로 24시간 작동함

6. 3조 달러의 투자약정만으로 과잉설비를 결론 내릴 수 없음. AI 버블을 주장하려면 투자금의 규모가 아니라 가동률, 가격, 도입률, 현금흐름이 실제로 무너지는 과정부터 보여줘야 함. 지금의 대규모 투자는 앞으로 훨씬 더 많이 사용할 준비를 하고 있다는 시그널임