🚘운전대 없는 Tesla 자율주행차, 운행 시작 source

1. 개요
- 운전대, 페달이 없는 2인승 Cybercab이 오스틴 지역에서 일반 승객 운행 시작
- 2024년 무대 위 콘셉트카가 불과 2년 만에 실제 서비스로 구현됨

2. 아직은 적은 차량 보급
- 텍사스 등록 Tesla 자율주행차는 420대, 이 중 Cybercab은 45대
- Waymo는 천 대. Tesla는 4월 생산을 시작했지만 머스크도 초기 생산은 느릴 것임을 인정

3. 규제 시험
- 현재 운임 부과 시점도 공개되지 않았고 동적요금제만 계획된 상태
- 운전대 없는 차량의 규정 적합성을 검토 중이며, 캘리포니아 무인 로보택시 운행허가도 확보 전

✍️Cybercab는 승객을 태운 데 의미가 있지만, Tesla의 기업가치를 증명하려면 수천 대 수준의 유료 무인운행 증명이 필요

💻️ AI의 중립지대를 인수한 엔비디아 source

Hugging Face는 AI 업계의 깃허브. 즉, 전 세계 개발자와 연구자가 인공지능 모델, 데이터셋, 머신러닝 데모를 공유하고 협업하는 글로벌 오픈소스 AI 허브

1. $13B 짜리 유통망, Hugging Face
- Hugging Face에는 개발자 1,800만 명과 모델 300만 개가 모여 있음
- 오픈모델을 찾고 비교하고 배포하는 과정의 출발점을 엔비디아가 소유

2. 자체 칩이 늘어도 엔비디아는 웃는다
- 구글·아마존·OpenAI가 자체칩을 만들더라도 Hugging Face에서 오픈모델 사용이 늘면 전체 컴퓨트 수요도 커짐
- 엔비디아는 GPU 점유율을 방어하는 동시에 AI 사용량 자체를 키움

3. 핵심 리스크는 중립성
- 엔비디아는 타사 칩과 클라우드도 계속 지원한다고 밝혔음
- 하지만 배포 기본값이 엔비디아가 되면 AMD·클라우드 업체가 대체 플랫폼을 키울 수도

✍️엔비디아는 GPU 경쟁을 넘어, 모든 AI칩이 경쟁하는 시장의 입구에 베팅함

↔️닷컴버블의 교훈과 AI의 수렴 방향 source

1. 수요가 아닌 복잡성의 붕괴
- 닷컴버블은 인터넷 시대를 맞혔지만, 모두 HTML을 배워 홈페이지를 만들 것이라는 예측은 틀렸음
- 대중은 자유도 높은 웹사이트보다 텍스트·사진만 올리면 되는 SNS를 선택
- 인터넷은 커졌지만 인터페이스는 오히려 단순해졌음

2. 누구나 앱을 만들 것이란 착각
- 모든 사람이 에이전트를 사용해도 개발을 직접 다루는 사람은 소수
- 사용자가 원하는 것은 앱 제작이 아니라 예약·구매·정리 같은 결과
- AI가 대중화될수록 코딩은 인터페이스 뒤로 사라짐

3. 마지막 병목은 사고의 반경
- 답변이 틀리는 것과 원치 않는 결제·메시지 전송·정보 유출은 전혀 다른 문제
- 성능만 높여서는 후자를 막을 수 없음
- 해법은 읽기 전용 기본값, 권한 범위, 결제한도, 실행 전 확인, 롤백·감사로 피해를 제한하는 구조

4. 가치는 통제 레이어로 이동
- 수혜영역은 Agent OS, 신원·권한관리, 안전한 커넥터, 결제통제, 실행검증과 복구 인프라
- 구글·MS처럼 계정·OS·결제·앱 권한을 가진 플랫폼과, 서비스나우처럼 기업 업무기록을 보유한 사업자가 유리
- 스타트업은 범용보다 행동범위가 명확한 버티컬 에이전트에서 승산

✍️모델을 똑똑하게 만드는 회사보다 0.1%의 실수가 지갑·메시지·회사 데이터에 닿지 못하게 만드는 회사가 소비자 AI를 장악

🪙사토시 정신을 계승한 체인은 솔라나 (Justin Bons) source

1. BTC·ETH는 사이퍼펑크를 배신
- BTC가 베이스레이어 7 TPS에 묶여 P2P 현금이 되지 못했고,
- ETH는 실행을 단일 시퀀서와 기관 사업자가 운영하는 L2로 넘겼다고 비판
- 대신 사용량과 수수료가 많은 SOL 등 고성능 L1이 비트코인의 본래 이상을 계승함

2. 저사양 노드=탈중앙화는 아님
- 노드를 누구나 돌릴 수 있어도 채굴풀·사업자·블록 빌더 몇 곳이 규칙을 좌우한다면 권력은 집중
- 고성능 노드라도 사용료가 충분한 보안예산을 만들고 독립 운영자를 늘린다면 권력이 분산

3. 사용량이 탈중앙화를 만들지는 않음
- 거래와 수수료가 늘어도 높은 장비·지분 요건, MEV와 클라우드 의존성이 소수 사업자의 힘만 키울 수 있음
- BTC는 대량결제보다 독립 검증과 최종정산을 택한 설계이며, ETH L2도 중앙 DB와 달리 L1 정산·증명을 가질 수 있음
- 결국 SOL이 이미 정답이라는 결론 역시 검증 대상

💡GPT-6 Astra 쇼크 이후 주식시장

이번 Astra 출시는 기업과 대중, 모두에게 holy shit moment 수준

1. AI가 더 좋아졌다 수준이 아니라, CAPEX의 최종 수요가 갑자기 훨씬 현실적으로 보이기 시작

2. Astra는 벤치마크 상승이 아니라 컴퓨터 사용, 업무 자동화, 코딩, 사이버보안 등에서 인간 대체를 넘어 아득히 뛰어넘는 수준을 보여줌

3. OpenAI는 Astra를 10만 개 이상의 GPU로 사전학습했고, 역대 최대 training run이라고 밝힘

4. 즉, 엄청난 compute를 썼더니 경제적으로 쓸모 있는 capability가 또 크게 튀었다는 결과를 보임

5. 이게 중요한 이유는 CAPEX 과잉이라는 의심을 잠재워버렸다는 점. AI를 충분히 공급할 compute 부족을 또다시 증명함

✍️막대한 AI 투자를 회수할 수 있냐는 의문을, 대중들까지 체감하는 경험으로 불식시키기 시작

📊AI 인프라: 부족한 걸 팔거나, 덜 쓰게 만들거나 (a16z) source

AI를 더 많이 돌리려면 칩부터 메모리·네트워크·전력까지, 기존 인프라의 설계 자체를 바꿔야

1. 한 사람이 맡기는 일이 중요해짐
- 단순 챗봇과 계속 추론하고 실행하는 에이전트는 연산 소비가 다름
- 수요 증가는 두 갈래. AI를 쓰는 사람이 늘어나고, 한 사람이 맡기는 업무에 필요한 연산도 커지는 것
- 가입자 수만 보면 AI 수요의 절반을 놓침. 문제는 그 속도를 물리적인 공급이 따라가기 어렵다는 데 있음
- 모델 활용은 빠르게 확산돼도, 반도체 생산능력을 늘리고 데이터센터에 전기를 연결하는 일은 느림

2. 잘 팔리는 AI와 돈을 잘 버는 AI
- 또 다른 핵심은 하드웨어 효율이 AI 기업의 수익성을 좌우할 수 있다는 것
- AI가 일을 많이 해줄수록 연산도 필요하니, 사용량 증가가 그대로 이익 증가로 이어지는 건 아님
- 결국 같은 업무를 얼마나 적은 비용으로 처리하느냐가 중요해짐
- AI를 많이 써도 돈이 남게 만드는 회사도 봐야 한다는 것

3. 그래서 인프라 수혜도 두 종류
- 부족한 것을 공급하는 쪽. 메모리·네트워크·전력·냉각처럼 AI를 더 돌리는 데 필요한 설비와 부품
- 부족한 것을 덜 쓰게 만드는 쪽. 맞춤형 칩, 효율적인 메모리 구조, 저전력 연결, 인프라 운영 소프트웨어처럼 같은 자원으로 더 많은 일을 처리하게 하는 기술
- 단순한 증설만이 아니라, 연산·메모리·데이터 이동·전력 소비를 함께 최적화하는 시스템

4. 결론
- 고객에게 얼마나 큰 비용을 아껴주고, 그중 얼마를 자기 이익으로 가져오느냐가 더 오래 볼 기준
- 부족해서 비싸게 파는 회사는 증설과 대체 기술을 경계해야 함
- 반대로 효율을 높이는 회사는 고객이 절약한 돈이 자기 매출과 마진으로도 돌아오는지 확인해야

🔼전설적인 트렌드 투자자가 보는 현재 시장 (Chris Camillo) source

1. 3일간 GPT-6/아스트라를 살펴본 결론은 이렇다. 성능과 효율 모두 예상보다 훨씬 뛰어나지만, 여전히 충분하다고 하기에는 갈 길이 멀다.

2. 이 두 가지가 맞물리면서 AI 도입이 크게 가속화되고, 제번스의 역설이 나타날 것이다. 동시에 현실의 다양한 용도 전반에서 이 모델들을 믿고 쓰려면, 아직 얼마나 많은 과제가 남아 있는지도 드러날 것이다.

3. AI 인프라에 이보다 더 강력한 호재가 될 만한 결과는 상상하기 어렵다.

🤔자산 토큰화 회사, 정작 자기 토큰은 주식화? source

1. 토큰에서 주식으로
- RWA 플랫폼 Centrifuge가 CFG 토큰을 회사 지분으로 전환하는(1 CFG당 1주) 구조개편안을 투표 중
- 재단을 주식 발행이 가능한 회사로 재편하고, 자격요건을 충족한 보유자에게 전환 선택권을 주는 구조
- Centrifuge 측은 공개 토큰 구조가 기관 자금 유치를 제약하고, 상장·유동성 유지에도 비용이 든다고 설명

2. 성장과 소유권은 별개
- 회사는 CFG 보유가 회사 사업·자산의 법적 소유권을 뜻하지 않는다고 명시함
- 고객과 운용자산이 늘어난다고 홀더에게 무엇이 돌아오는지 설명되지 않는 셈
- 전환 주식도 토큰으로 기록하되, 소유권은 주주명부나 신탁으로 관리함. 블록체인 포기보다 토큰에 담는 권리를 바꾸는 시도

3. 토큰 홀더에겐 선택지가 없다
- 전환이 실행되면 청약기간 종료 후 CFG의 상장·MM 등 유동성 지원을 단계적으로 종료할 계획
- 전환하지 않는다고 기존 지원이 유지되는 건 아니며, 전환한 주식도 당분간 매각이 어려울 전망
- 1:1은 교환비지 가치 보장이 아님. 지분에 포함되는 자산·권리와 향후 희석·매각 조건까지 따져야

✍️RWA 시장의 성장보다 중요한 것은, 내가 산 토큰이 과연 그 성장을 온전히 누릴 수 있느냐... 안건 투표 종료일을 앞두고 $CFG는 강세

🤖월드모델: 로봇이 연습할 세상을 팔다 (a16z) source

1. World Labs의 Atlas는 사진 몇 장으로 공간을 재구성하고, 다른 각도에서 본 모습까지 생성하는 모델임. 핵심은 화려한 영상보다 현실의 작업환경을 가상으로 옮기는 수고를 줄인다는 것

2. 이게 로봇 학습과 연결됨. 로봇에게 케이블 작업을 가르치려면 케이블 모양이나 상자 위치가 달라진 상황도 경험시켜야 함. 기존에는 연습환경을 만드는 일부터 오래 걸리고 노동집약적이었음

3. 포인트는 로봇이 대량으로 팔리기 전에도, 로봇을 학습·검증하는 데는 돈이 들어갈 수 있다는 것. 어느 로봇 회사가 승자가 될지 맞히는 대신, 여러 회사에 훈련환경과 검증 도구를 공급하는 사업을 보는 접근

4. 로봇 외에도 현장을 재현하고, 다양한 조건의 학습·평가 환경을 제공하는 사업을 주목할 이유가 생김. 로봇이 팔리는 시점만 기다리는 게 아니라, 제대로 작동시키기 위해 먼저 지출되는 돈을 보는 관점임

5. 다만 그럴듯한 3D 화면이 곧 믿을 만한 훈련환경은 아님. 개발진도 로봇의 행동에 따른 환경 변화를 학습하는 시뮬레이터는 향후 발전 방향으로 설명함

✍️핵심은 로봇 한 대를 실제 현장에 투입하기까지 드는 시간과 비용을 얼마나 줄여주느냐

🤖OpenAI, Anthropic과 경쟁하려 들지마라 source

1. OpenAI의 Tibo는 Astra 사용 이후 생산성이 뛰어, 내년 중반 예정이던 계획을 6개월 앞당겨 DevDay에서 선보이기로 했다고 밝힘. 공개 전 Astra가 자신들의 가장 큰 경쟁우위였을 것이라는 설명

2. Curran은 더 직설적. 오픈AI, 앤트로픽과 경쟁한다는 건 두 세대 앞선 모델을 8배 속도로 돌리고, 하루 1만 달러 상당의 토큰을 쓰는 팀을 상대하는 일이라는 것

3. 중요한 건 AI 개발사가 좋은 도구를 파는 동시에, 그 도구로 자기 사업부터 앞당길 수 있다는 것. 경쟁사가 공개 모델로 새로운 기능을 만드는 동안, 공급사는 더 앞선 모델로 다음 제품을 개발함

4. 선행 접근권 자체는 일시적이어도, 그동안 확보한 고객과 데이터까지 의미없어 지는 것이 아님. 모델 접근의 평등이 사업 경쟁의 평등을 뜻하지는 않는다는 얘기

5. 고로 소프트웨어는 개발을 빨리한다만으로 부족함. 모델 공급사도 더 빨라질 수 있으니, 그 속도를 고객 관계, 독점 데이터, 실무에 깊이 들어간 제품으로 바꾸고 있는지가 중요

6. 인프라도 출시를 몇 달 앞당기는 가치가 연산비보다 크다면, 토큰은 줄여야 할 비용이 아니라 시간을 사는 비용이 됨. 이런 업무에서는 AI가 저렴해져도 예산을 줄이기보다 더 많이 돌릴 유인이 생김

7. AI의 경제성은 인건비를 얼마나 줄이느냐 정도의 수준이 아님. 같은 인력으로 다음 제품을 얼마나 먼저 내놓을 수 있느냐. 그 경쟁이 연산 수요를 얼마나 키울지 등 훨씬 이상의 것들에 있음

😎메타는 왜 Arm과 CPU를 만들었나 (Arm) source

1. 답변 이후의 연산
- Arm CEO 르네 하스는 AI 열풍에서 잊혔던 CPU의 역할을 강조함
- 모델이 답변을 만드는 것 외에도, 프로그램 실행과 작업 배분에는 CPU가 필요
- 에이전트만 봐도 코드를 생성한 뒤 실행하고, 테스트하고, 오류를 고치는 과정이 반복됨
- 에이전트 사용이 늘면 모델을 돌리는 연산과 기존 소프트웨어를 실행하는 연산이 함께 늘어남

2. 메타의 선택
- 메타는 이런 작업을 처리할 범용 CPU를 원했고, Arm과 공동 개발에 나섰음. Arm은 올해 3월 자체 데이터센터 CPU를 발표함
- 설계 기술을 빌려주고 사용료를 받던 Arm이 실제 칩까지 공급하는 사업으로 확장한 것
- 고객이 직접 설계·개발하는 시간을 줄여주는 데서 더 큰 매출 기회를 찾고 있음

3. 매출과 이익의 차이
- 다만 CPU가 더 필요하다는 전망이 Arm의 이익 증가를 보장하지는 않음
- 실제 채택과 판매가 뒤따라야 함. 칩 판매에는 웨이퍼·부품 조달과 재고 부담도 생김
- 기존 라이선스 사업의 높은 수익성을 새 사업에 그대로 적용해서는 안 됨

✍️ AI 에이전트는 답변 생성이 끝난 뒤에도 컴퓨터를 계속 사용함. CPU 수요를 다시 봐야 하는 이유

📈 칩이 부족하기에, AI 불장은 더 오래간다 source

1. 마지막 부품
- 메모리를 더 확보해도 다른 부품이 부족하면 서버는 완성되지 않음
- 수요가 강해도 공급망 전체가 같은 속도로 매출을 늘리기는 어려움

2. 증설의 시차
- 공급제약이 2027년 가장 심해지고, 대규모 증설 효과는 2028년부터 나타남
- 고객의 장기 구매 약속을 확보하고 공장을 지어 생산하기까지 시간이 걸림
- 이 시차가 당장 판매를 제한하면서도 과잉공급을 늦춰 호황을 연장할 수 있음

3. 부족 이후
- 다만는 공급이 늘어난 뒤 가격결정력과 마진이 약해질 가능성을 지적됨
- 밀린 주문을 많이 출하하는 시기와 가장 높은 이익을 남기는 시기가 다를 수 있음. 증설 발표를 무조건 호재로 읽기 어려운 이유

✍️ 공급부족 때는 누가 물량을 확보했는지, 공급이 풀릴 때는 누가 가격을 지킬 수 있는가

🇰🇷블룸버그, "한국 주식에 투자하라" source

1. 이데일리가 전한 블룸버그 보도에 따르면 코스피는 내년 예상이익의 6배에 거래 중. 한국 주식의 매력으로 제시된 것은 글로벌 AI 투자가 메모리 기업의 실적으로 연결되는 데 비해 낮은 가격

2. 다만 반도체는 가장 잘 벌 때 PER가 낮아 보일 수 있는 산업임. 공급 부족으로 이익이 급증해도, 증설 이후 이익이 내려갈 것으로 예상하면 시장은 높은 배수를 주지 않음. PER만으로 저평가를 확정할 수 없음

3. 따져볼 변화는 그 이익을 더 오래 유지할 장치가 생기느냐. 전문가는 선급금, 최소 구매물량을 포함한 장기계약과 절제된 증설이 메모리 업황의 변동성을 줄일 수 있다고 설명함

4. 여기서 재평가 논리가 나옴. 높은 이익이 오래 유지된다는 증거가 쌓이면, 시장은 같은 이익에도 더 높은 가격을 지불할 수 있음. 다음 분기 실적 신기록만큼 중요한 것은 호황 이후에도 남을 이익임

5. 그 돈이 주주에게 돌아오는지도 중요함. 하이닉스는 40조원 자사주 매입 소각을 진행 중. 투자에 쓰고 남은 현금을 주주에게 돌려주는 행동은 이익의 증가를 주주 가치로 연결함

6. 미국 AI 주식에 한국 메모리를 추가한다고 위험까지 분산되는 것은 아님. 상장 국가는 달라도 같은 빅테크 설비투자에 실적이 달림. 한국 주식의 저평가를 사는 것과 AI 베팅을 늘리는 것은 동시에 일어남

✍️한국 반도체의 재평가는 얼마나 더 잘 버느냐에 더해, 그 이익이 오래 남고 주주에게 돌아온다는 믿음에서