그동안 승승장구한 줄 알았던 그도 가장 큰 실패를 했었고 일과 개인사 모두 동시 힘들었고 인생에서 가장 낮은 지점이라고 생각하는 순간이 있었다. 하나하나씩 어려움을 해결하려고 노력했고 다시 좋은 흐름을 만들 수 있었다.

투자의 대가들이 만든 가르침을 배우고 자신만의 원칙을 만들며 본인의 게임을 한다. 게임을 하면서 실수할 수도 있고 때로는 큰 실수일 수도 있다. 그리고 그 실수로 인해 여러 사람의 평가, 비난을 받을 수도 있다. 그래도 그 실수로 배우고 더 나은 의사결정들을 해나가면 된다.

큰 성공이 없을 때, 유명해지지 않을 때 첫 눈덩이를 만드는 것이 쉽진 않다. 그 문제를 잘 해결해야 어느 정도의 눈덩이를 굴릴 수 있게 된다.

일이 잘 안 풀리고 개인적인 어려움이 있더라도, 잘 자고, 잘 먹고, 운동하고 사랑하는 사람들(가족과 친구)로부터 도움받으면 된다.

가까운 친구로부터 솔직한 피드백을 받는 것은 나다움을 찾는데에 큰 도움을 준다.

유한게임은 세상의 자원이 제한되어있고 승리하는 방식이 정해져있는 스포츠같다. 무한게임은 목적도 참가자도 룰도 불명확한 우리의 인생이다.

제한된 리소스 안에서 답을 찾는 지역 최적화를 해야한다면 유한 게임이 좋겠지만, 우리가 살아가는 세상은 무한 세상과도 같다. 세상을 Zero-sum mind-set으로 바라볼 것인가? Growing pie mind-set으로 바라볼 것인가?

Zero-sum game에서는 남들보다 빠르게 조금 더 잘하는 게 중요했다면, Growing Pie mind-set에서는 다른 사람보다 잘하는 게 초점이 아니라 새로운 파이를 만들어 내는 것이 중요하다. 그렇기에 나다움, 협력, 신뢰 등의 가치를 더 중요하게 생각할 수 있다.

https://youtu.be/c8Aj945IgAo

AI로 바뀔 영역 중 하나가 로봇이고 그 분야에서 문제를 잘 정의하는 팀 중 하나.

Excited to share: Figure raises $675M at $2.6B Valuation

+ OpenAI & Figure signed a collaboration agreement to develop next generation AI models for robots

Series B investments from:

- Microsoft
- OpenAI Startup Fund
- NVIDIA
- Jeff Bezos (through Bezos Expeditions)
- Parkway Venture Capital
- Intel Capital
- Align Ventures

In addition, OpenAI & Figure signed a collaboration agreement to develop next generation AI models for humanoid robots

The collaboration aims to help accelerate Figure’s commercial timeline by enhancing the capabilities of humanoid robots to process and reason from language

We will be using this investment to ramping up Figure’s timeline for humanoid commercial deployment and will be used for:

- AI training
- Manufacturing
- Deploying more robots
- Expanding engineering headcount
- Advancing commercial deployment efforts

비슷한 경험.

작년부터 피아노를 치고 있어요. 그런데, 피아노를 잘 쳐야 한다는 강박을 가지고 있었어요. 피아노를 치면서도 틀리면 어떻게 하지, 선생님이 나를 연습도 안 하는 게으른 학생이라고 생각하면 어떻게 하지 걱정한 적이 많았어요. 피아노를 치면서도 틀리는 것에 대해서 기본적으로 거부반응을 하고 있더라고요. 내가 실수하는 것을 싫어한다는 것을 인정하지도 않고 딱 선생님에게 잘 보이기 위한 정도로만 피아노를 배우고 있었어요.

처음엔 피아노 연주를 듣고 피아노를 치는 것 자체가 재밌어서 시작됐는데, 노력도 하고 시간도 들이는데 성장이 더딘 느낌이더라고요. 피아노를 학습하는 내 모습을 스스로 복기하다 보니 실수하면 안 된다는 제 모습을 보게 됐어요. 그리고 두려움도 인정하고 못 쳐도 되는데 재미있게만 치자고 마음을 바꿨습니다. 내 모습을 알아차리고 마음을 바꾸는 데에는 얼마 시간이 걸리지 않았는데 알아차리기까진 꽤 오랜 시간이 걸렸습니다. 사실 알고 있는데 그동안 외면해 왔던 것 같아요.

내가 어떤 일을 왜 시작했는지, 그 일을 정말 잘하기 위해서는 어떻게 해야 하는지, 그것을 가로막는 것(방어기제, 편견, 감정)은 무엇인지 스스로 생각 해보고 알아차리면 더 나은 의사 선택을 하면서 성장할 수 있다고 생각합니다.

아직도 피아노는 걸음마 단계지만 이제 더 재밌게 칠 수 있을 것 같아요.

지금까지 올렸던 영상들과는 조금 성격이 다릅니다. 그래서 매일 올리는 영상이지만, 이번에는 유독 감회가 새롭더군요. 앞으로 종종 이렇게 생각들도 올릴 예정입니다. 롱테이크 무편집입니다. 플레이리스트에 'raw material' 이라고 별도로 표기해서 정리할 예정이고요. 많은 영상들이 쌓이면 좋겠네요. 여러가지 방향으로 이야기 나누고 싶습니다. 잘부탁드립니다. 좋은 저녁 되세요.

https://www.youtube.com/watch?v=sJ-Ua94PpaA

I'm listening to Amp It Up: Leading for Hypergrowth by Raising… on Everand. Check it out: https://www.everand.com/audiobook/638472605

Deep Tech founders:

As promised, I’m passing along my go-to investors

I hope this can aid those struggling with traditional VCs

These investors, who have supported me at Archer Aviation and Figure, fly under the radar yet are willing to make significant investments in deep tech:

- Parkway Venture Capital
- Tamarack Global
- Align Ventures
- Aliya Capital Partners
- Disruptive Founders Fund
- Team Global
- Troy Capital Partners
- FJ Labs
- Sigmas Group

I've found, through trial and error, the traditional VCs rarely fund *real* Deep Tech. They have SW mandates and are petrified of hardware

I’m sharing these insights because I’ve faced these challenges myself, and I hope this can help someone out there 🫡

If you follow me on Twitter, I’ll answer any questions there for the next hour

https://yonghosee.com/ai-strategies-must-align-with-data?fbclid=IwAR1WcbNP0KkxD53gaRWTwOYV-sXZL5E8J5qX82eeS-hQTt3zfAjM2VtTVyI
딥러닝의 3대 요소
훌륭한 알고리즘
고속 계산 하드웨어들
대용량의 데이터들
실제로 알고리즘의 우위는 영원하지 않습니다. GPT 3.5가 나왔을 당시의 첫 감상은 ‘이런 건 세상 누구도 못만들 것‘같은 느낌이었습니다. 하지만 페이스북의 LLaMA 모델 공개는 전세계 연구자들의 가열찬 개조와 개발을 촉발 시켰고, 이제는 예전 GPT 3.5의 성능을 뛰어넘었다는 모델은 꽤나 자주 등장하고 있습니다. 물론 지금도 GPT 4의 성능은 최고입니다만, 그 턱밑까지 쫓아온 모델들이 상당합니다.
하지만 위와 같은 거대 중공업과 같은 흐름은 어찌보면 모델의 ‘생산자‘관점입니다. 모델을 만드는 과정에서 ‘훈련(Training)‘을 잘 하기 위해서는 매우 거대한 장비가 필요하지만, 훈련이 끝난 모델의 ‘소비자‘가 되는 일반 기업들은 ‘추론(Inference)‘이 잘 작동하기만 하면 됩니다. 이를 위한 여러 시도들이 활발하게 이루어지고 있습니다. 훈련된 ML모델을 더욱 작고 가볍게 만드면서도 성능을 유지하는 모델 경량화 기술들이 대거 등장하고 있으며, 이런 모델들을 작은 장치에서도 가볍게 돌릴 수 있게하는 많은 추론 전용 하드웨어들이 나오고 있습니다. 이 발전이 수렴하는 시점에서 ‘사용자’관점에서는 하드웨어 장벽도 크게 의미가 없어질 것입니다.
GPT등의 LLM등은 학습하는데 공개된 정보만을 사용하였기 때문에, 정말 똑똑하더라도 우리 회사 내부의 private한 정보는 아무것도 모릅니다. 때문에 정말 우리 회사 실무에 완전히 커스터마이즈되어서 동작하기 위해서는 이렇게 public data만 알고 있던 녀석들에게 private data를 반영시켜줘야 합니다.
우리 회사와 우리 서비스만이 가지고 있는 독보적인 private 데이터 - 즉 남들은 돈을 주고도 구할 수 없는 closed dataset - 만이 개별 회사의 경쟁력으로 수렴해 나갈 것이라고 생각됩니다.

피아노에 도전하다---
원래 피아노는 나중에 배우려 했는데 행복을 미루지 말자는 생각으로 도전. 이것도 내 삶의 하나의 dot로 이후 어떤 커넥팅이 될지~~
나는 피아노를 배우고 싶었는데 어머님이 공부하라고 학원에 안보내주셨다. 하기 싫다는 여동생은 악착같이 보내시더니.
동네 성인 피아노 학원 검색해서 3개월과 12회 수강권을 끊다(3개월인데 할인 패키지가 있어 60만원 밖에~). 다행히 피아노 학원이 밤11시까지 오픈되어 되어있다.
첫번째 수업: 지난주(2/24)
선생: 왜 배우려 하시죠?
나: 곡을 치고 싶어서요. 류이치 사카모토의 "아쿠아" 요. 영화 '괴물'을 보고 감동 받아서요.
선생: 얼마나 배우셨죠?
나: 초등학교 들어가기 전 바이엘을 잠깐한 기억이~
선생: 완전 초보시네요. 그 곡은 최소 일년 이상 치셔야 시도 할수 있어요
나: 그럼 파헬벨의 "캐논"이요
선생: 그것도~~
나: 그러면 "I can't help falling in love with you" 같은 팝송들을 피아노로 치면서 노래하고 싶네요
선생: 피아노 치면서 노래하는 것. 생각보다 쉽지 않아요
나: 그러면 무엇부터 할까요?
선생: 그래도 무엇을 하고 싶은지 To-be가 명확하시니 놀랍네요. 일단, 악보 보는 것 부터 하시죠.
나: 제가 그래도 학창시절 음악시간을 좋아해서 악보 볼줄은 알아요
선생: 오 다행이네요. 바이엘부터 하는게 좋긴한데 취미생은 재미없을테니 간단한 곡 부터 할까요?
(그리고 몇개 곡을 대략 들려준다) 어떤 것 하고 싶나요? 첫 곡은 연습을 많이 할테니 지겹도록 쳐도 지겹지 않을 곡이 좋으니 맘에드는 곡을 고르는게 좋아요.
나: 센과 치이로의 행방불명 중 '언제나 몇번이라도' 좋으네요
선생: 그러면 오늘은 첫소절 오른손 한번 쳐보고 왼손 한번 쳐봅시다.
2번째 수업: 3월2일
선생: 연습 하셨나요?
나: 매일 퇴근 하면서 들러서 하루 한시간씩 했어요. 저녁 회식하고 술한잔 한 후에도 들러서@@
선생: 대단하네요. 한번 쳐보시죠
나: 띵땅 띵땅
선생: 와. 끝까지 다 연습하셨네요. 수강생은 세 부류가 있어요
1: 연습을 하나도 안함
2: 하라는 그 소절만 연습함
3: 하라는 곳을 넘어서 까지 연습함
수정님은 3번이네요. 일반인들 중 이런 분들은 거의 보지 못했는데요.
나: 제가 뭘 하기를 귀찮아하는데요. 하기로 결심하면 그래도 성실히 하는 편입니다~~
선생: 음은 열심히 치셨는데요. 너무 세게 열심히 치시네요. 밸런스가 중요해요. 왼손은 작고 가볍게, 오른손은 또렸하게 쳐야되요
나: 왼손 오른손을 따로 가야된다는 거네요. 어떻게 그게 가능하죠?
선생: 그게 밸런스 예요. 이제 그걸 연습하셔야~
다음 편은 한 두달 뒤쯤 올리도록 하겠습니다~~

역대 가장 빠르게 성장하는 SaaS 회사 Ramp 이야기. 2년9개월 만에 $200m ARR (run rate) 달성. 성공의 비결은 ‘velocity over everything’ — 모든 의사결정에서 속도를 우선시 한 것이라고 함. 무서운 속도로 제품 개발 할 수 있는 팀이 있었기 때문에 3개월 마다 새로운 상장사 제품을 만들어 출시 할 수 있었음 (Expensify, Bill .com, AMEX의 대항마). 많은 사람들이 속도를 우선시하면 제품 품질이 희생된다고 착각하는데 전혀 그렇지 않음. 오히려 속도 높은 조직만이 품질 높은 제품을 만들 수 있음.
첫 $100m ARR는 50명의 작은 조직으로 달성함. 인재 밀도가 매우 높았기 때문에 가능했음. 팀이 작았기 때문에 모든 구성원에게 많은 권한 부여가 필요했고, PM 뿐만이 아니라 디자니어, 개발자 모두 제품에 대한 고민을 나눠서 진행 함. 인재 밀도가 높았다고 하는데, ‘A+ 개발자는 어떻게 정의하는가?’ — 훌륭한 개발자는 (개발 실력을 보기에 앞서서) 1) 업무에만 집중하는 것이 아니라, 제품으로 시장에서 이기고, 경쟁사를 이기고, 고객들의 마음을 뺏고자 하는 의지가 강함, 2) 호기심이 많음. 회사는 돈을 어떻게 버는 구조이며, 고객들이 무엇을 원하고 무엇을 원하지 않다는 것을 끊임 없이 궁금해함, 3) 개발 속도를 내는데 있어 누가 끌어줄 필요가 없음. 오히려 페이스메이킹을 하면서 디자이너나 PM을 끌고 감, 4) 업무 외 부분에서도 매우 적극적임. 제품을 설명한다거나, 버그를 고친다거나, 의사결정을 챌린지 한다거나. 그리고, Engineer 뿐만이 아니라 전 구성원이 first principal thinking을 할 수 있는게 가장 중요함. 경험이 많던 작던간에 과거 경험을 완전 내려 놓고 현재 상황과 회사에 맞는 가장 좋은 결정을 백지에서 고민해서 낼 수 있는 사람들이 일을 잘 하는 사람들임.
A+급 인재들을 모았으면 그들이 업무에 집중 할 수 있게 해주는게 중요함. 예를 들어, Ramp는 OKR를 설정하지 않음. KPI 잡는데만 한달이 걸리고 분기마다 조정해야 하는데 시간 낭비라고 생각함. 회사의 전략적 우선순위, 재무 목표, 제품 로드맵, 이 3가지만을 가지고 움직인다. 보고하는 회의도 잡지 않는다. 미팅의 목적이 특정 주제에 대해 아이디어를 내는 brainstorm 세션을 하거나, 또는 특정 문제에 대해 의사결정을 내리는 일이 있지 않으면 가급적 미팅을 잡지 말라고 한다. 오히려 돌려받게 된 시간을 block out 해서 종이와 펜을 가지고 풀어야 되는 문제에 대해 first principal thinking을 하는 시간을 가진다. Micromanage 하지도 않는다. 리더의 역할은 회사의 상위 전략적 우선순위에 맞게 움직이고 있는지, 재무 목표에 부합하게 움직이고 있는지를 확인하는 정도이지 어떻게 업무를 하고 어떻게 문제를 풀어가고 있는지는 전적으로 PM과 팀에 위임한다. 또, 신규 제품에 집중 할 수 있게 product operation (제품 운영) 팀을 초기 부터 운영했다. 제품에 대한 이슈 매니징을 하거나, 고객에 대한 리서치를 하거나, 고객 피드백을 수렴하거나 하는 (제품 출시 이후) 역할들을 많은 부분 운영에서 맡아주기 때문에 온전히 제품 개발에만 집중 할 수 있다.
많은 권한과 자율도를 부여하는 대신 그 만큼의 책임감을 요구한다. Ramp에 들어오는 모든 구성원들은 들어올 때 부터 높은 velocity로 움직인다는 간접적 계약을 회사와 맺는거다. 그리고, 로드맵도 계약이다. 아무리 공격적인 로드맵을 뽑았어도 해당 로드맵은 무조건 달성한다는 계약을 체결 한 것이다. 본인이 만드는 제품에 대해서도 큰 책임감이 있어야 한다. 그런 의미에서 내린 결정 중 하나는 Ramp는 customer support 부서가 프러덕 조직에 속해있다. 그 이유는 들어오는 모든 고객 문의는 ‘제품 팀의 실패’라고 믿기 때문이다. 제품에 대해 customer support에 문의를 해야 한다면 제품이 충분히 친절하지 못해서 고객이 햇갈렸거나 완성도가 높지 못한건데 이러한 부분에 대해 큰 책임감을 느끼고 고객 문의를 없애기 위해 모든 제품 팀은 노력한다. 그리고, 만드는 제품이 어떤 고객 임팩트를 내고 있는지도 지속적으로 트래킹한다. NPS, CSAT은 물론이고, 만든 제품으로 고객들이 낭비하는 시간을 얼마나 줄여줬고, 돈을 얼마나 절약해줬는지도 디테일하게 책정한다. 정말 업무 강도가 높음에도 불구하고 큰 임팩트를 낸다고 생각하면 burnout이 오지 않는다.
Ramp에서 일하면 chaos라고 느껴지는 경우들도 많다. 제품을 만들었는데 출시 직전에 중단 한 경우도 많고, 만들던 제품의 방향을 바꾼 경우도 많다. Ramp의 문화에 장단이 있다고 느낄수도 있다. 그렇지만, 우리의 우선순위인 velocity를 위해 chaos도 감수하고 있다. 우리는 A+ 인재들이 책임감과 속도감을 가지고 계속 고객을 위한 제품을 만들어 나가는게 우리만의 성공의 비결이라고 생각한다.

https://www.bill.com/?fbclid=IwAR0dtjpiwxxSJuWMASEAhRHgNeC-czVEltndrkJWgrsyQ-A9J1fte_U5xFs

Deel -- 글로벌 HR SaaS 플랫폼의 head of growth와의 인터뷰. Deel은 3년 안에 0에서 $300m ARR를 달성하면서 Ramp의 ‘fastest growing SaaS company’ 왕관을 뺏어갔다. 인터뷰의 주요한 내용들은 어쩌면 매우 단순하면서도 매우 가치 있는 내용들임
https://www.youtube.com/watch?v=C1_sM0_ds2c
[궁금해하는 사람들이 어디에서 질문하는지 찾아서 도움을 줘라]
>> B2B SaaS 마케팅의 가장 중요한 것은 ‘어디에서 잠재 고객들이 관련 문제들에 대한 질문을 하고 있는가?’를 아는 것이다. 그래서, Deel은 글로벌로 확장하는 회사들이 겪는 HR 관련된 질문들이 어디에 올라오는지 늘 찾았다 (검색엔진, Reddit, Twitter, Quora, 기타 커뮤니티)
>> Deel은 위와 같은 곳들에 글로벌 HR에 관한 질문이 올라오면 push가 오도록 간단한 기능을 만들어서 빠르게 대응 할 수 있었다
>> 질문을 발견했을 때 또는 컨텐츠를 작성할 때 광고하는 마음으로 접근하면 안된다. 고객이 궁금해하는 주제에 대해 고객에게 진정한 답변을 주는게 중요하다. 글로벌 HR에 대한 문의가 있을 때 ‘Deel 웹사이트에 가보세요!’라고 하는건 의미가 없다.
>> 폐쇄형 커뮤니티도 들어가기 어렵지만 가치가 있다. 기획자들이 모여있는 Slack / Discord 방이나, Y combinator 동문들이 들어있는 방들을 뚫으려고 노력했다. 폐쇄형 커뮤니티야 말로 정말 광고하면 퇴장 당한다. 궁금한 질문에 대한 도움이 되는 답을 해줘야 한다.
>> VC들과도 파트너십을 많이 맺었다. 스타트업이 투자 받으면 글로벌 확장에 대한 궁금증이 생기고, 투자사의 선배 회사에게 이러한 질문들을 할 가능성이 높기 때문이다.
[SEO는 정성이 필요하다]
>> SEO도 막연하게 컨텐츠 많이 쓰는게 정답이 아니다
>> Deel은 관련 검색어 700개를 검색량으로 랭킹을 매기고, 또 검색어 하나 하나 검색하는 사람들의 의도를 분석했다. 가령 대학생이 숙제하면서 검색하는 것과 잠재 고객이 글로벌 확장하면서 검색하는 의도는 매우 다르다. 그러면서 의도가 맞고 검색량이 높은 검색어들을 초롤불을 줬고, 초록불 키워드에 맞는 컨텐츠를 우선 제작했다.
>> SEO는 시간 투자가 많이 필요하고 지름길은 없다. 왜 해당 단어를 고객이 검색하는지 정확히 이해해야 하고, 컨텐츠를 고객이 읽으면 해당 궁금증이 완전히 해소되는지를 확인해야 한다 (컨텐츠를 읽은 후에 다른 컨텐츠를 또 검색해야 한다면 실패). 또, 5학년 학생도 이해할 수 있는 정도로 쉽게 작성해야 한다.
>> Deel 초반에는 여러 언어로 매주 10개의 새로운 컨텐츠를 제작했다. 지금은 어느정도 컨텐츠가 많이 쌓이고 업데이트가 필요한 경우가 많아서 (규제 변화, 기능 변화, 등) 주별로 5개 새로운 컨텐츠, 5개 기존 컨텐츠 업데이트를 한다.
>> 컨텐츠들은 매우 디테일하다 — 나라별로 인사 정책들이 어떻게 다른지, 나라별로 세금이 어떻게 다른지, 코로나 지원 프로그램에 우리 회사가 해당 될 수 있는지, 등을 매우 구체적으로 작성한다
[돈을 쓸 때는 정확한 효과를 책정해야 한다]
>> Paid growth는 크게 두가지라고 생각한다 1) messaging (광고 컨텐츠), 2) channel optimization (광고 채널 효율화)
>> 아무리 효과가 좋은 컨텐츠가 있더라도 고객들은 쉽게 질린다. 그래서 계속 바꿔줘야 한다.
>> 마케팅은 단순 리드를 몇개 모았는지 책정해서는 안된다. 해당 리드 중 몇 곳이 고객으로 전환했고, 전환한 고객은 얼마나 매출을 벌어주고 있는지를 고객 여정을 따라가서 봐야한다.
>> 초반 부터 이러한 퍼널을 볼 수 있는 화면을 개발했고, 마케팅 팀을 처음 구성할 때 부터 data analyst를 뽑았다. 너무 일찍 봅은거라고 생각할수도 있지만, 집행하는 광고가 어떤 효과를 가져오는지 정확히 알기 전에는 $1도 쓰지 않겠다는 각오였다.
>> 마케팅은 프러덕이 좋을 때만 가능하다. 프러덕이 본질이다. 마케팅, 데이터, 영업 등은 모두 본질이 좋을 때만 빛날 수 있는 팀들이다.
[속도를 강조하는 문화]
>> 아무리 좋은 회사여도 큰 회사에서 채용하지 않는다. 대부분의 큰 회사들은 너무 많은 체계와 예산을 갖추고 일을 한다. 우리는 아무리 작은 일이라도 팔을 걷고 할 수 있는 사람만 채용한다. 내부적으로 ‘little hands’란 말을 자주 사용한다.
>> 인터뷰 질문으로 예산이 $0, $10,000, $100,000 있을 때 각각 마케팅 캠페인을 짜오라고 한다. 사람의 유연성을 보고 싶고, 예산 없이도 창의적으로 효과를 낼 수 있는지 보려는 의도다.
>> Deel 문화는 3가지다
1. Deel Speed — 모든 일을 최대한 빠르게, 효과적으로 처리하려고 한다. 고객이 질문이 있으면 무조건 24시간 내로 답변을 준다. 고객들이 필요한 기능이 있으면 경쟁사가 개발할 수 있는 속도의 1/10 시간에 개발하려고 노력한다.
2. Default to optimism (긍정적 사고) — 우리는 새로운 영역에서 일을 하고 있다. 부정적 사고를 하는 사람들은 속도를 저하시킨다. 우리가 필요한 사람은 ‘왜 안되는지'를 말해주는 사람이 아니라 된다고 믿고, 그렇지만 어떠한 리스크들이 있는지를 분석해서 리스크에 대한 해결책을 내 놓을 수 있는 사람들이다.
3. Giving a shit about the customers — 우리는 단순 소프트웨어 회사가 아니다. 우리가 존재하기 때문에 전세계 수 많은 직원들이 월급을 받을 수 있다. 단순 기능에 대해 고민하는게 아니라, 회사가 영향을 미치는 사람들까지 고민할 수 있는 사람들을 원한다.

[대한민국의 새로운 반도체 역사를 써봅시다]

제가 경계현 대표님 비롯한 양사 경영진분들에게 이런 말씀을 드렸습니다 “초거대 AI용 저전력 inference 반도체를 만들게 되면 반도체 생태계 전체를 주도할 수 있는 기회도 만들어집니다. 지구상 이미 존재하는 데이터센터를 다 뒤덮고도 모자른 AI 반도체 수요가 발생하는 중입니다. End-to-end로 AI 서비스가 만들어지고 있기 때문에, 기존의 CPU 역할이 크지 않습니다. 그래서 AI 시대로 오면서 ARM 기반 서버들도 각광을 받고 있습니다. 삼성은 이미 엑시노스와 같은 훌륭한 CPU기반 SoC가 존재하며, 메모리와 스토리지를 지배하고 있습니다. 즉 AI용 데이터센터 자체를 삼성 제품만으로도 설계 가능한 꿈이 현실이 될 수도 있고, AI 반도체를 주도하면 더 고부가가치의 메모리와 스토리지를 우리가 제안하고 리드할 수도 있습니다.”

지금까지 대한민국은 고부가가치를 가진, 고마진의 반도체를 만들어볼 기회가 적었던 것이 사실입니다.
남들이 만들어놓은 주어진 표준 규격대로 반도체를 많이 만들어 온것도 사실입니다.

AI시대.. 이 찬스를 놓칠 수 없습니다. AI 반도체를 주도하는 것은 메모리, 스토리지, 파운드리 모두에게 지대한 영향을 미칩니다.
AI로 인하여 반도체 생태계 전체가 뒤바뀌고 있습니다. 수많은 기존의 workload들이 AI로 대체되고 있으며, 역사상 전례가 없는 반도체 변혁이 패키지, 설계, 공정기술등 모든 섹터에서 만들어지고 있는 중입니다. HBM같은 비싼 메모리가 필요할 정도로 고성능이 요구되는 반도체는 기존의 서버나 PC 시장에도 없었을 정도로 스토리가 다릅니다.

반면, 네이버는 AI 논문과 서비스에서도 리더쉽을 가져왔지만 어떤 AI 반도체들이 어떤 컨셉으로 어떤 한계를 가지고 만들어졌는지 ‘경험’으로 알아왔습니다. 어떤 AI 서비스가 필요한지, 어떠한 AI의 미래를 대비해야하는지 아낌없이 모두 지금까지처럼 삼성에 전달하겠습니다. 전례가 없는, 이러한 두회사가 정말 이런 교류가 가능한가 할정도의 협력 때문에 여기까지 진행이 되었다고 생각합니다. 전례없는 협력이 가능하도록 뒤에서 어마어마한 도움주신 양사 경영진분들 덕분입니다.
nvidia는 매우 뛰어난 반도체 기술(특히 HBM controller)을 가졌지만 AI 알고리즘에 특화된 회로 설계는 아닙니다.

반면 빅테크들은 반도체 기술에서 근본적인 혁신을 하기는 어렵습니다 (그래서 사용처가 매우 제한적입니다)
네이버와 삼성이 힘을 합쳐야 하는 이유는, 이러한 기존의 제한, 즉 한 회사가 경험한 분야만으로는 도달할 수 없는 기술을 만들기 위함입니다. 근본적으로 AI 서비스가 녹아져 나온 새로운 연산기법, 메모리 접근법등 기존과는 완전히 다른, 정말 제대로 된 AI 반도체를 만들 수 있는 타이밍은 양사가 힘을 합칠 때입니다. 수십년된 FPU 연산기 (혹은 INT 연산기), 수십년된 sparse matrix 형식 (CSR)이 아직도 AI 반도체에 쓰이고 있고 이것을 아직도 바꾼 회사가 없습니다. 양사가 힘을 합치면 가능하구나 하는 점을 지금까지의 개발과정을 통해 느꼈습니다.
삼성의 더 많은 분들에게 인사드릴 기회가 곧 만들어질텐데, 아무쪼록 해당되는 삼성분들은 AI 관련하여 궁금한 것은 언제든 물어보시고, 저 또한 아낌없이 정보 공유드리고 많은 것들 여쭤보겠습니다.
같이 한번 역사의 한페이지를 매일 써나가봅시다.

(인사드려야할 삼성 분들이 너무 급격히 늘어나서 여기서 대~략 공개 가능한 범위로 먼저 인사드리는 것을 양해바랍니다)
요즘 넷플릭스나 영화도 잘 안보게 됩니다. 워낙 영화나 드라마보다 더 한 일들이 많았으니까요.. 이걸 책으로 다 쓰면 몇권이 되는건지 모르겠네요.

대한민국 기술을 자랑하는 삼성전자와 네이버가 힘을 합쳐서 제대로 사고를 쳐봅시다.
저희와 함께 곧 큰일 하시게될 삼성분들, 언제든 네이버 지나가다 생각나면 연락주세요. 술 (and/or 밥, 커피) 사겠습니다!

Q.요즘도 이런 인생역전에 대해 회고해보곤 하나?
하지 않는다. 살면서 아무것도 미리 계획한 것은 없었다. 그저 한 발 한 발 내디디며, 바보 같은 실수를 하지 않으려 노력할 뿐이다.

Q.당신은 타고난 기획자(builder)란 생각이 든다.
나는 기업가다. 다른 어느 곳에서도 오랫동안 일할 수 없었을 것이다. 그래서 내가 할 수 있는 유일한 일은 내 회사를 시작하는 것이었다.

Q.투자 비결은 무엇인가?
믿기 힘들 정도로 현명한 결정을 한 중요한 순간들이 있었다. 예를 들어, 1991년부터 1994년까지 4억 달러를 들여 최고의 2차 대전 이후 미술품들을 구입했다. 1993년에는 (헤지펀드 매니저) 에디 램퍼트 Eddie Lampert에게 2억 달러를 주고 그의 펀드 60%를 받았다. 사람들은 모두 내가 미쳤다고 생각했지만 오랫동안 30%에 달하는 복리 이익을 챙길 수 있었다.

Q.드림웍스의 공동 설립자라는 점이 자랑스럽나?
순전히 친구 제프리를 돕기 위해 동참했다. 몇 년씩 지속되는 책임이 뒤따를 것이라고는 생각하지 못했다. 미리 알았더라면, 공동 설립에 참여하지 않았을 것이다. 정말이다. 하지만 드림웍스의 주식과 채권으로 각각 10억 달러씩을 벌었다.

https://www.sedaily.com/NewsView/1AESHHBEP3

https://youtu.be/BQ8ykNyZ6LY

Sergey Brin in the AGI house.

성공이 흐른는 사회의 한 모습.

성공한 선배 창업가/개발자/투자자들이 새로운 세상이 열리는 시점에 새로운 빌더/창업자들과 교류하면서 서로 도와주고 투자하는 모습.