Plan G Research
오늘부로 CME에서 암호화폐 선물과 옵션 트레이딩을 24/7 지원하기 때문에 공식적으로 CME갭이 사라집니다.
시애미 때문에 며느리가 어쩌구 저쩌구..
이제 다 끝났다
이제 다 끝났다
❤3
자기 전 생각 마무리
: 우리 코인러들은 ai 주식 투자하기에 꽤 좋은 환경에 놓여 있다.
Opus 4.8 같은 새 모델이 나오면 바로 써보고, 그걸 돈 버는 수단에 연결해보는 텔레그램 커뮤니티가 있다. 서로의 노하우와 경험도 가감 없이 공유된다.
정확한 타임라인은 기억나지 않지만, 올 2월쯤 오픈클로가 엄청난 바이럴을 타면서 “오픈클로-오케스트레이션”이라는 개념을 텔레그램에서 처음 봤다.
적당히 바이브 코딩에 관심만 있었다면, 그때 오케스트레이션이 뭔지 검색이라도 해봤을 것이다. 그리고 결국 오케스트레이션은 결국 하나의 새로운 투자 컨센서스를 만들어냈다.
AI 추론 과정에서 시스템 성능을 극대화하려면 CPU와 GPU 간의 매끄러운 오케스트레이션이 필수. AI 시대에 마치 구시대의 유물처럼 느껴졌던 CPU 기업들(인텔/암드)의 투자 의견 상향으로 이어졌다.
결국 기술의 최선단에서 느끼는 것들이 투자로 이어지기까지는 아직 시간 딜레이가 있다.
엄청 느리지도, 엄청 빠르지도 않다.
잘 캐치만 한다면 바로 수익이 바뀔 수 있는 정도의 속도감인 것 같다.
지금 Opus 4.8을 써본 사람들은 다들 비슷한 말을 한다.
병렬 에이전트가 미쳤다.
토큰 사용량이 미쳤다.
이 느낌은 또 한 번 Claude Code의 매출 증가, 메모리 증설의 필요성 같은 여러 투자 논리로 이어질 수 있다.
CPU와 오케스트레이션을 놓친 게 아쉬워서 쓰는 글
—-
부정적 의견 : agi의 핵심 레시피 - 메타인지 서브 에이전트가 정답이고 더 세련되고 큰 모델을 계속 만드는 게 아니라 최적화(소프트웨어)가 미래라는 의심이 생기면 하드웨어 vs 소프트웨어 춘추전국시대 on ..
: 우리 코인러들은 ai 주식 투자하기에 꽤 좋은 환경에 놓여 있다.
Opus 4.8 같은 새 모델이 나오면 바로 써보고, 그걸 돈 버는 수단에 연결해보는 텔레그램 커뮤니티가 있다. 서로의 노하우와 경험도 가감 없이 공유된다.
정확한 타임라인은 기억나지 않지만, 올 2월쯤 오픈클로가 엄청난 바이럴을 타면서 “오픈클로-오케스트레이션”이라는 개념을 텔레그램에서 처음 봤다.
적당히 바이브 코딩에 관심만 있었다면, 그때 오케스트레이션이 뭔지 검색이라도 해봤을 것이다. 그리고 결국 오케스트레이션은 결국 하나의 새로운 투자 컨센서스를 만들어냈다.
AI 추론 과정에서 시스템 성능을 극대화하려면 CPU와 GPU 간의 매끄러운 오케스트레이션이 필수. AI 시대에 마치 구시대의 유물처럼 느껴졌던 CPU 기업들(인텔/암드)의 투자 의견 상향으로 이어졌다.
결국 기술의 최선단에서 느끼는 것들이 투자로 이어지기까지는 아직 시간 딜레이가 있다.
엄청 느리지도, 엄청 빠르지도 않다.
잘 캐치만 한다면 바로 수익이 바뀔 수 있는 정도의 속도감인 것 같다.
지금 Opus 4.8을 써본 사람들은 다들 비슷한 말을 한다.
병렬 에이전트가 미쳤다.
토큰 사용량이 미쳤다.
이 느낌은 또 한 번 Claude Code의 매출 증가, 메모리 증설의 필요성 같은 여러 투자 논리로 이어질 수 있다.
CPU와 오케스트레이션을 놓친 게 아쉬워서 쓰는 글
—-
부정적 의견 : agi의 핵심 레시피 - 메타인지 서브 에이전트가 정답이고 더 세련되고 큰 모델을 계속 만드는 게 아니라 최적화(소프트웨어)가 미래라는 의심이 생기면 하드웨어 vs 소프트웨어 춘추전국시대 on ..
Telegram
무온적 사고 - AI, 크립토, 밈, 철학
AGI의 핵심 레시피 => 메타인지 능력
• 요즘 드는 생각인데, AGI에 빠르게 도달하기 위해 중요한 키 보틀넥 중 하나가 모델이 스스로를 이해하는 메타인지 능력일거 같다는 느낌이 들기 시작했다리움
• 모델 하나를 더 똑똑하게 만드는건 이미 잘 하고 있지만, 느리고 비쌈
• 요즘 많이 나오는 "에이전트 오케스트레이션"을 한번 봐보자 (여러 에이전트가 일을 병렬적으로 하는거)
• 이걸 잘하려면 모델이 문제를 해결하는 능력도 똑똑해야하지만, 다른 에이전트한테…
• 요즘 드는 생각인데, AGI에 빠르게 도달하기 위해 중요한 키 보틀넥 중 하나가 모델이 스스로를 이해하는 메타인지 능력일거 같다는 느낌이 들기 시작했다리움
• 모델 하나를 더 똑똑하게 만드는건 이미 잘 하고 있지만, 느리고 비쌈
• 요즘 많이 나오는 "에이전트 오케스트레이션"을 한번 봐보자 (여러 에이전트가 일을 병렬적으로 하는거)
• 이걸 잘하려면 모델이 문제를 해결하는 능력도 똑똑해야하지만, 다른 에이전트한테…
❤11👍3
코인씨커의 일기장
아마 다음 주부터도 온디바이스 AI 이야기가 계속 나올 것 같은데,
결국 모델이 충분히 최적화되고 이를 구동할 수 있는 소형 하드웨어들이 나오기 시작하면 지금과는 완전히 다른 시장이 열릴 거라고 봄.
결국 모델이 충분히 최적화되고 이를 구동할 수 있는 소형 하드웨어들이 나오기 시작하면 지금과는 완전히 다른 시장이 열릴 거라고 봄.
씨커님 말씀 무조건 보세요
저도 거의 동일한 생각인데, 당장 내일 있을 젠슨황의 GTC 기조연설이랑 ai personal computer(+device) 메타로 엄청난 변화가 생길듯
AI 투자 흐름의 메인은 여전히 병목이고, 지속될듯. 그 병목의 방향이 데이터센터 안에만 머무르지 않고 개인용 PC와 디바이스로 내려오는 흐름이 본격화될 것 같음
-> ai pc / device 가 진짜로 쓸모있는지? 는 아직 배송 받아서 누가 써보고 평가하지 않는 이상. 효엄효능 에 대해서 논의하지 않아도 되는 상황
엔비디아가 새롭게 손대기 시작한 ARM 기반 CPU 아키텍처, 기존 PC 유통 인프라를 강하게 보유한 Dell 같은 유통/OEM 기업, 폭발적으로 늘어날 온디바이스 추론 칩 수요와 연결되는 파운드리(삼전)
등등.. 뭔가가 쏘기 시작할 때 이런 맥락을 머릿속에 담아두고 잘 찾아보면 재밌을 것 같음
저도 거의 동일한 생각인데, 당장 내일 있을 젠슨황의 GTC 기조연설이랑 ai personal computer(+device) 메타로 엄청난 변화가 생길듯
AI 투자 흐름의 메인은 여전히 병목이고, 지속될듯. 그 병목의 방향이 데이터센터 안에만 머무르지 않고 개인용 PC와 디바이스로 내려오는 흐름이 본격화될 것 같음
-> ai pc / device 가 진짜로 쓸모있는지? 는 아직 배송 받아서 누가 써보고 평가하지 않는 이상. 효엄효능 에 대해서 논의하지 않아도 되는 상황
엔비디아가 새롭게 손대기 시작한 ARM 기반 CPU 아키텍처, 기존 PC 유통 인프라를 강하게 보유한 Dell 같은 유통/OEM 기업, 폭발적으로 늘어날 온디바이스 추론 칩 수요와 연결되는 파운드리(삼전)
등등.. 뭔가가 쏘기 시작할 때 이런 맥락을 머릿속에 담아두고 잘 찾아보면 재밌을 것 같음
❤9👍2
https://cryptonarratives.substack.com/p/understanding-strc-how-strategy-turns?utm_source=publication-search
아무도 관심 없지만 BTC - STRC 리스크에 대해 정말 잘 정리한 글
BTC는 공부할 필요가 없는 퓨어한 자산이었는데
BTC 홀딩하는데 STRC를 알아야한다는 것 자체가 BTC 투자 논리에 어긋나는 뭔가뭔가가 아닐까 싶네요
아무도 관심 없지만 BTC - STRC 리스크에 대해 정말 잘 정리한 글
BTC는 공부할 필요가 없는 퓨어한 자산이었는데
BTC 홀딩하는데 STRC를 알아야한다는 것 자체가 BTC 투자 논리에 어긋나는 뭔가뭔가가 아닐까 싶네요
Substack
Understanding STRC: How Strategy turns yield demand into BTC buying
Understanding the mechanics, scaling potential, and risks of Strategy’s most important preferred share
👍2
https://www.anthropic.com/institute/recursive-self-improvement
1. AI가 똑똑해질수록, 이제 문제는 “사람이 부족하다”가 아니라 “GPU·전기·데이터센터가 부족하다”로 바뀌고 있다.
2. 그래도 아직 AI가 혼자서 다음 AI를 뚝딱 만드는 수준은 아니고, 사람은 여전히 방향을 정해줘야 한다.
3. 그래서 세상이 하루아침에 확 바뀐다기보단, AI 개발 속도가 조금씩 빨라지면서 인프라 수요가 계속 커지는 흐름에 가깝다.
1. AI가 똑똑해질수록, 이제 문제는 “사람이 부족하다”가 아니라 “GPU·전기·데이터센터가 부족하다”로 바뀌고 있다.
2. 그래도 아직 AI가 혼자서 다음 AI를 뚝딱 만드는 수준은 아니고, 사람은 여전히 방향을 정해줘야 한다.
3. 그래서 세상이 하루아침에 확 바뀐다기보단, AI 개발 속도가 조금씩 빨라지면서 인프라 수요가 계속 커지는 흐름에 가깝다.
❤6
Please open Telegram to view this post
VIEW IN TELEGRAM
❤1
Forwarded from 생각 정리하는 방
오늘 지인이랑 한 대화를 AI로 정리해봄.
요즘 시장에서 다시 평가받는 ‘구시대 기업’들의 공통점은 단순히 오래된 회사라는 점이 아니다. 핵심은 이들이 이미 산업 현장에 깊게 깔려 있는 검증된 소프트웨어, 제어 시스템, 네트워크 인프라, 제조 데이터, 안전 인증을 보유하고 있다는 점이다.
AI가 챗봇이나 검색을 넘어 로보틱스, 자율주행, 스마트팩토리, 산업 자동화로 확장될수록 중요한 것은 단순한 모델 성능이 아니라 “신뢰할 수 있게 실행되는 기반”이다. LLM이나 생성형 AI는 강력한 판단·추론 능력을 제공하지만, 현실세계에서 장비를 움직이고, 차량을 제어하고, 공장을 운영하고, 안전 규칙을 지키려면 검증된 실행 레이어가 필요하다.
이 지점에서 과거에는 낡아 보였던 회사들의 가치가 다시 부각된다. BlackBerry는 QNX라는 미션크리티컬 임베디드 소프트웨어 기반을 가지고 있고, Nokia는 산업용 프라이빗 네트워크와 엣지 인프라를 보유하고 있으며, LG전자는 제조 현장, 스마트팩토리, 차량용 소프트웨어, webOS, 로봇과 가전 생태계를 연결할 수 있는 기반을 가지고 있다.
결국 시장이 다시 평가하는 것은 “옛날 회사”가 아니라, AI가 물리세계로 내려올 때 필요한 신뢰성 높은 소프트웨어·데이터·인프라를 이미 보유한 회사들이다. AI 시대의 다음 리레이팅은 모델을 만드는 회사뿐 아니라, 모델이 현실에서 안전하게 작동하도록 해주는 실행 기반을 가진 회사들에서 나올 수 있다.
요즘 시장에서 다시 평가받는 ‘구시대 기업’들의 공통점은 단순히 오래된 회사라는 점이 아니다. 핵심은 이들이 이미 산업 현장에 깊게 깔려 있는 검증된 소프트웨어, 제어 시스템, 네트워크 인프라, 제조 데이터, 안전 인증을 보유하고 있다는 점이다.
AI가 챗봇이나 검색을 넘어 로보틱스, 자율주행, 스마트팩토리, 산업 자동화로 확장될수록 중요한 것은 단순한 모델 성능이 아니라 “신뢰할 수 있게 실행되는 기반”이다. LLM이나 생성형 AI는 강력한 판단·추론 능력을 제공하지만, 현실세계에서 장비를 움직이고, 차량을 제어하고, 공장을 운영하고, 안전 규칙을 지키려면 검증된 실행 레이어가 필요하다.
이 지점에서 과거에는 낡아 보였던 회사들의 가치가 다시 부각된다. BlackBerry는 QNX라는 미션크리티컬 임베디드 소프트웨어 기반을 가지고 있고, Nokia는 산업용 프라이빗 네트워크와 엣지 인프라를 보유하고 있으며, LG전자는 제조 현장, 스마트팩토리, 차량용 소프트웨어, webOS, 로봇과 가전 생태계를 연결할 수 있는 기반을 가지고 있다.
결국 시장이 다시 평가하는 것은 “옛날 회사”가 아니라, AI가 물리세계로 내려올 때 필요한 신뢰성 높은 소프트웨어·데이터·인프라를 이미 보유한 회사들이다. AI 시대의 다음 리레이팅은 모델을 만드는 회사뿐 아니라, 모델이 현실에서 안전하게 작동하도록 해주는 실행 기반을 가진 회사들에서 나올 수 있다.
❤7
Forwarded from StockHub (스톡허브) 뉴스