정밀해질수록 숙련인력이 중요하다?

"비유하자면 조선산업은 몇 ㎝까지 편차가 허용된다. 자동차산업은 몇 ㎜ 단위까지 편차가 허용된다. 아니 할 말로 뭐가 좀 안 맞으면 망치로 두들겨서 끼워 맞추면 된다. 반도체는 지금 나노 단위까지 내려와 있다. 허용되는 편차가 몹시 적다는 얘기다. 조금만 흔들려도 수율이 확 떨어진다. 정밀기계가 있다지만 결국은 이 기계를 다루는 숙련된 인력이 핵심이다. 이들을 앞에 두고 우린 연구개발 회사다, 자동화하겠다, 그런 얘기를 한 거다. 삼성 전현직 직원들을 만나보면 여기에서 상처를 받았다는 사람들이 적지 않다."

-'기술인력에 대한 존중'이란 기본을 얘기하는 것 같다.

"그렇다. 주52시간이 아니라 동기 부여가 문제다. 수율 문제만 해도 예전에 자기가 하던 업무를 외주를 줘버리니 이전에 자기가 수율 높이기 위해 최선을 다했다면 이제는 외주업체에 전화해서 '고장났어요 고쳐주세요' 하는 사람이 됐다. 어떻게 보면 삼성에 대한 소속감, 충성심은 이분들이 가장 강한데, 그들의 열정에 모욕을 준 셈이다. 제품이 어려워질수록 수율 확보는 점점 더 어려워질 것이다."

『HBM 문제는 시장전망 실패, ROI 따지는 문화 때문이기도 하지만 '기술의 위계' 문제도 있다." (중략)

"반도체 기술에서 설계나 공정 쪽 기술은 우대받는다. 자리도 많고 임원도 많고. 그래서 그 쪽을 '반도체의 꽃'이라 부르며 선망한다. 대신 설비나 후공정 쪽은 무시당한다. 기술의 위계는 여기서 생겨난다.』

→ 좋은 내용의 기사입니다.

https://n.news.naver.com/article/469/0000848957?sid=102

권도언

Reddit Content Could Soon Drive Hedge Fund, Investor Bets (1)

2025-02-14 20:53:03.53 GMT

By Katherine Doherty

(Bloomberg) -- Amateur investors who banded together on Reddit during the meme-stock saga are poised to help hedge funds and asset managers place their market bets.

That’s because of an agreement between Intercontinental Exchange Inc. and Reddit Inc. to develop new data products for the financial industry that leverage the swathes of daily posts, comments and videos on the social-media firm’s forums.

Just like any other data point, Reddit’s content will be analyzed to help detect trends impacting capital markets, Chris Edmonds, president of fixed income and data services at ICE, said in an interview. These could inform trading strategies, algorithms and gauge public sentiment of markets in real time.

“If we can capture the sentiment of posts, along with the changes, that becomes a valuable piece of information,” Edmonds said.

드론을 방어하고 공역을 모니터링하는 체계를 가진 스타트업 히든레벨이 록히드마틴 벤처스와 DFJ그로스 등으로부터 6개월 동안 총 1억 달러(약 1451억) 규모의 투자를 유치했다. 드론 방호에서 가장 첫 번째 단계인 ‘탐지’를 적에게 들키지 않는다는 점에서 주목받고 있다.

13일 블룸버그통신 등에 따르면 최근 6500만 달러(약 943억원) 규모의 시리즈C 펀딩을 마무리했다. 지난 시리즈B 펀딩에서 3500만 달러(약 508억원) 펀딩을 마무리한 지 6개월여만이다. 이번 펀딩으로 히든레벨은 약 5억 달러(약 7257억원)의 기업가치를 인정받았다.

https://n.news.naver.com/article/005/0001757578?sid=101

전쟁에서의 AI와 드론의 부상

머스크는 “미래 전쟁(심지어 현재 우크라이나 전쟁도)은 이미 드론 전쟁이 되었다”고 강조.
드론 및 무인 무기체계가 전장의 최전선을 차지할 것이며, 유·무인 복합체계가 주류가 될 것으로 전망.
AI가 드론을 ‘지역 자율화(localized AI)’ 형태로 제어해 스스로 표적 식별·공격을 수행할 수 있게 될 것이라 우려.

인간이 전선에 남을 것인가

머스크 견해: “치명적인(정밀 타격 가능한) 드론이 무수히 많이 전개되면, 인간이 직접 최전방에 있는 것은 지나치게 위험해질 수 있다.”
특히 초정밀 저격(컴퓨터 비전+자율사격) 시스템 등은 사람보다 훨씬 빠르고 정확하게 표적을 제압할 것.

AI의 잠재적 위협

AI가 단순히 무기를 ‘보조’하는 수준을 넘어, 자율적 의사결정까지 수행하면 “터미네이터” 시나리오 같은 위험도 배제할 수 없다고 지적.
다만 머스크는 “인간의 의지(will)와 가치관을 중시하고, 진실 추구(truth-seeking)와 호기심(curiosity)이라는 미덕을 AI가 공유하도록 ‘정렬(alignment)’하는 것이 중요하다”고 설명.

AI 활용의 현실적 대비

머스크는 “미국이 기술적으로는 진보해 있지만, 대량생산 측면에서 적이 더 많은 드론을 빠르게 만든다면, (미국이 더 뛰어난 기술을 가져도) 질 수 있다”고 분석.
결국 ‘생산 속도’가 관건이며, 군수산업의 신속 대량생산 체계를 갖춰야 한다고 주장.

우주 분야(Starlink 등)의 중요성
우주가 차세대 격전지

전통적 육해공에 이어, ‘우주’가 궁극의 고지(high ground)가 될 것이라 전망.
통신, 정찰, 위치정보 등 전쟁에 필수적인 기능을 우주 인프라가 담당할 것.

스타링크(Starlink)의 역할

우크라이나 사례에서 드러났듯, 지상 인프라(광케이블·기지국)는 파괴되기 쉽고 GPS 신호는 쉽게 방해(재밍)된다.
스타링크는 현재 우크라이나군의 통신 인프라 주축으로 활약 중이며, 전자전(재밍)에 강해 전장에서 핵심 역량이 되고 있음.
향후 독자적 위치측정 시스템 등으로 확장 가능.

우주 기반 무기

“Rods from God(텅스텐 쇠막대기 등을 궤도에서 낙하시켜 목표를 타격하는 개념)” 같은 우주 무기 아이디어, 혹은 고출력 레이저 무기 등에 대해 언급.
현실적인 제약이 있으나, 우주 무기화 가능성 자체는 배제하기 어렵다고 주장.

군사혁신과 과거 전쟁 사례

머스크는 제1차 세계대전 당시에도 시대착오적 교리와 장비를 그대로 사용하는 등 군 조직이 ‘이전 전쟁 방식’을 답습하는 문제를 지적.
요구 사항(Requirement)이 과도하거나 비효율적일 경우, 잘못된 목표에 집중하기 쉽다며 ‘본질적 목적’ 재점검의 중요성 강조.

머스크가 제시하는 단순한 혁신 알고리즘

1. 요구사항을 단순화하라(Make requirements less dumb)
초기에 제시되는 요구 사항 중 불필요·과도한 부분이 없는지 끊임없이 점검.

2. 불필요한 부품·공정은 제거하라(Delete the part/process step)
제거 후 10% 정도는 다시 되돌리는 시행착오가 있어야 할 정도로 대담하게 제거.

3. 그 후에 최적화(Optimize)하라
불필요한 것이 제거된 뒤에야 최적화를 해도 늦지 않음.

4. 속도를 높여라(Go faster)
새로운 시도에 대해 과감하게 추진.

5. 자동화(Automate)는 맨 나중
이미 잘못된 공정을 먼저 자동화하면 비효율이 더 커진다는 점을 유의.

성공과 실패의 균형

“실패가 전혀 없다면 도전의 강도가 낮다는 신호”이므로, 실패를 일정 부분 허용하고 학습해야 한다고 강조.
단, 실패율이 100%가 되어서는 안 되고, ‘적절한 수준’에서 시행착오를 인정하는 문화가 필요.

좋은 리더의 자질

“프로세스, 재정, 행정 역량보다 실제 기술과 본질을 이해하는 능력이 더 중요하다”고 역설.
예: 항공기 회사를 이끄는 사람이라면, 실제 항공기에 대한 기술적 이해가 필수적. “자동차 회사 CEO가 자동차 설계를 모르면 안 된다”는 논리.

https://youtu.be/uItR09tDMXM

우리는 사실 자체적으로 데이터센터를 운영할 생각이 없었습니다. 대신 데이터센터 제공업체에 가서 “한 곳에서 10만 개의 GPU를 효율적으로 운영하려면 얼마나 걸리나요?“라고 물어봤죠. 그랬더니 18개월에서 24개월이 걸린다고 하더군요. 그래서 “그럼 18~24개월이 걸린다면, 우리는 확실히 패배할 것이다”라는 결론이 나왔고, 직접 해야만 했습니다.
그래서 문제를 세분화해서 해결해야 했죠. 먼저 건물이 필요했습니다. 하지만 건물을 새로 지을 수는 없으니 기존 건물을 사용해야 했죠. 그래서 우리는 폐쇄된 공장들을 찾아봤습니다. 건물 상태는 양호하지만, 해당 기업이 파산한 경우를 찾았죠. 그렇게 해서 멤피스에 있는 일렉트로룩스(Electrolux) 공장을 발견했습니다. 이게 바로 데이터센터가 멤피스에 있는 이유입니다. 멤피스는 엘비스의 고향이기도 하고, 고대 이집트의 수도이기도 했죠. 그리고 이 공장은 꽤 좋은 상태였는데, 어떤 이유에서인지 일렉트로룩스가 떠나버렸습니다. 덕분에 컴퓨터를 위한 공간을 확보할 수 있었습니다.
그다음으로 전력이 필요했습니다. 처음에는 최소 120메가와트(MW)가 필요했는데, 건물 자체는 15MW밖에 공급할 수 없었죠. 결국 20만 개의 GPU를 돌리려면 250MW, 즉 1/4 기가와트(GW)가 필요했습니다. 그래서 우리는 우선 엄청나게 많은 발전기를 임대했습니다. 건물 한쪽에는 발전기가 트레일러에 실려 끝없이 줄지어 있었죠. 동시에 냉각도 필요했습니다. 그래서 반대편에는 이동식 냉각 장치가 줄지어 있었습니다. 미국 내 이동식 냉각 용량의 1/4을 임대했죠.
그다음으로는 GPU를 모두 설치해야 했습니다. GPU들은 전부 액체 냉각 방식이었고, 높은 밀도를 유지하려면 필수였죠. 따라서 액체 냉각을 위한 배관을 모두 설치해야 했습니다. 대규모 액체 냉각 데이터센터는 그 누구도 시도해본 적이 없었기에, 엄청난 노력과 뛰어난 팀워크가 필요했습니다.
이제 다 됐을 것 같죠? 아닙니다. 문제는 GPU 클러스터의 전력 변동이 극심하다는 것이었습니다. GPU들은 거대한 오케스트라처럼 움직이는데, 10만~20만 개의 GPU가 100밀리초 만에 조용해졌다가 다시 커지면서 엄청난 전력 변동을 일으킵니다. 이 때문에 발전기들이 예상치 못한 상황에 빠져 제대로 작동하지 않았습니다.
이 문제를 해결하기 위해 테슬라의 메가팩(Megapack)을 사용해 전력을 버퍼링했습니다. 하지만 메가팩 역시 기본 상태로는 이런 급격한 전력 변동을 감당할 수 없었기 때문에, XAI와 테슬라가 협력하여 메가팩의 소프트웨어를 새롭게 프로그래밍했습니다. 이를 통해 전력을 부드럽게 조절할 수 있었고, 마침내 컴퓨터들이 제대로 작동하기 시작했습니다.
하지만 여기서 끝이 아니었습니다. 모든 GPU가 원활하게 통신하려면 네트워크도 해결해야 했죠. 수많은 네트워크 케이블을 디버깅하면서 새벽 4시에 “NCCL“을 문제 삼아 해결하는 과정을 거쳤습니다. 결국 새벽 4시 20분쯤 해결했죠. 원인은 여러 가지였지만, 그중 하나는 BIOS 설정 오류였습니다. BIOS 설정이 제대로 되어 있지 않았던 거죠. 이를 확인하기 위해 작동하는 머신과 그렇지 않은 머신의 LSPCI 출력을 비교하며 디버깅을 진행했습니다.
이런 과정을 거쳐 결국 우리는 데이터센터를 구축할 수 있었습니다.

https://www.facebook.com/syp.sypark/videos/490080087263180/

# DeNA 난바 토모코가 말하는 'AI 시대의 기업 경영과 성장 전략' 전문
2025.02.14
태그: #남바토모코 #AI #데이터사이언티스트 #데이터애널리스트 #엔지니어
"DeNA는 AI에 올인하겠습니다"
2025년 2월 5일에 개최된 이벤트 'DeNA × AI Day || DeNA TechCon 2025'의 오프닝에서 DeNA 대표이사 회장 난바 토모코는 이렇게 선언하며, "1999년에 창업한 DeNA의 제2의 창업, 챕터2가 시작된다"고 발표했습니다.
나날이 눈부시게 발전하는 AI와 DeNA는 어떻게 마주할 것인가?
그리고 AI가 이끄는 미래에 대해 "역시 기점은 인간이다"라고 말한 진의는 무엇인가?
난바 회장의 강연 내용을 전문 그대로 전달해드립니다!
## 목차
- AI의 파워로 "편함"을 얻다
- 10명으로 유니콘은 현실이 되다
- 현재 인원의 절반으로 현업을 성장시키고, 나머지 절반으로 유니콘을 대량 생산한다
- B2B는 버티컬 AI 에이전트에 집중, B2C는 궁극의 몰입감을 추구
- M&A를 활성화하고, 독립도 지원
- AI 전환의 본질은 창조적인 일에 집중하는 것
- DeNA 제2의 창업기, 챕터2가 시작된다
- AI는 좋은 타이밍. 파도를 잡으면 누구나 주역이 될 수 있다
## AI의 파워로 "편함"을 얻다
여러분 안녕하세요. 시청해 주셔서 감사합니다. 먼저 저는 "DeNA가 AI와 어떻게 마주할 것인가"에 대해 말씀드리고 싶습니다.
우선, 경영자로서 AI를 어떻게 보는가 하면, 현실적으로 확실한 것은 극적인 경영 효율화가 있다는 점입니다. 많은 기업들이 "이렇게 생산성을 향상시켰다"는 것을 보도하거나 스스로 발신하고 있습니다.
고객 지원, 소프트웨어 엔지니어링, 마케팅에 더해 앞으로는 HR, 법무, 경영기획, 회계 등의 분야까지 이 AI의 임팩트, 생산성의 극적인 향상의 영향이 미칠 것이라고 생각합니다.
여러분의 업무도 이미 상당히 편해지거나, 빨라지거나, 기간이 단축되고 있지 않나요? 저 같은 경영자도 실은 AI의 힘으로 매우 편해졌습니다. 제 업무의 특징은 현장에서 뭔가를 만들어내기보다는, 미팅이 굉장히 많다는 것, 또 매주 처음 만나는 사람을 만난다는 것입니다. 또한, 저 자신이 마지막 순간까지 준비를 미루는 습관이 있습니다.
(스크린에 보이는) 이 배경이 실은 제 구글 캘린더의 지난주인가 지지난주의 스케줄입니다. AI로 어떻게 편해졌냐면, 우선 처음 만나는 사람의 정보는 'Perplexity'에서 "그 분에 대한 필독 기사가 무엇입니까?"라고 물어보고, 그 URL을 모두 'NotebookLM'에 업로드합니다. 그 사람이 YouTube에서도 발신하고 있는 경우는 최근 것을 모두 URL로 복사해서 'NotebookLM'에 넣습니다. X에서 발신하고 있는 경우는 텍스트로 넣기도 합니다.
그러면 곧바로 그 분의 최근 생각이나 어떤 활약을 하고 있는지가 정리되어 효율적으로 알 수 있습니다. 미팅에 가는 택시 안에서 'NotebookLM'과 채팅하면서 "이 분은 트럼프 정권에 대해 뭔가 말씀하셨나요?" 라든가, "스타트업 생태계에 대해서는 어떠신가요?"라고 물으면, "이 사람은 이것에 대해 이런 생각을 가지고 있어요"라고 답해주므로, 핀포인트로도 좋은 정보가 모입니다.
또한, 미팅에 임할 때 "'Circleback'을 켜도 될까요?"라고 말할 수 있는 상대에게는 허가를 받고, 그리고 미팅이 끝나면 바로 의사록이 있는 상태로 만듭니다. 이는 여러분도 하고 계시겠지만, ToDo 리스트도 나오므로 업무 효율이 대폭 향상되는데, 동시에 질도 향상되고 있다고 생각합니다. 투자 판단할 때는 'Deep Research'로 열심히 정보를 모아서 미팅에 임하는 것도 하고 있습니다.
이렇게 저 자신도 매우 편해져서 감동하고 있지만, 기본적으로 AI의 파워는 화이트칼라 모두에게 생산성과 업무의 질이 향상되는 것이라고 생각합니다. 특히 AI 에이전트가 실용화되면 극적으로 변화할 것입니다.
## 10명으로 유니콘은 현실이 되다
자, "10명으로 유니콘 기업의 설립이 현실적인가"에 대해서는, 이는 현실적인 이야기입니다. 미국 서부의 어느 스타트업 CEO는 아침에 일어나면 ToDo 리스트에서 하나씩 ToDo를 (자율형 AI 소프트웨어 엔지니어인) 'Devin'에 할당하고, 중간에 궤도 수정 등을 하여 완성하며, 상당히 편해졌다는 이야기가 있습니다. 이 분의 회사는 소프트웨어를 만드는 기업인데, 7명으로 3000억 엔의 밸류에이션을 받는 당당한 유니콘으로 성장했습니다.
비밀을 밝히자면, 이 분은 스콧 우로, Cognition AI, 즉 'Devin'을 만드는 회사의 CEO입니다. 당연히 'Devin' 사용에 능숙할 것이라는 점이지만, 실제로 미국 서부에 가서 다양한 창업가의 이야기를 들어보면, 약간의 엔지니어링 백그라운드만 있어도 (AI 에디터인) 'Cursor' 등을 사용하여 상당한 수준의 제품 제작이 가능하다고 합니다. 일반적으로, 채용 인원도 줄었다고 합니다. 또한, 벤처캐피털에 이야기를 들어보면, 최근에는 자금 조달의 얼리 스테이지 규모도 작아졌다고 하고, 조달한 자금의 런웨이가 길어졌다는 이야기도 듣습니다.
1인이 10인분의 일을 할 수 있는 시대가 되었다는 것에 대해, 저도 매우 감동하고 있습니다. 우려되는 점은 일본과 미국의 격차입니다. 미국 서부와 도쿄를 오가다 보면, 어쩔 수 없이 격차를 느끼게 됩니다. 미국 서부에서는 정말 숨 쉬듯이 학생도 스타트업도 그리고 벤처캐피털도 AI 툴을 사용하고 있습니다. 또한, 주 단위로 업데이트되는 파운데이션 모델에 대한 정보 교환, 또는 새로운 툴에 관한 정보 교환 등, 엄청난 소음이 있습니다. 그리고 공표되지 않은 미래까지도 읽으려고 하고 있습니다.
예를 들어, 제 친구는 "들어봐 토모코, 이번에 NVIDIA의 35세를 채용할 거야"라고 말합니다. 이는 NVIDIA가 어떤 미래를 그리고 있는지를, 35세의 핵심 인재를 고용함으로써, 다른 사람보다 빨리 알고 싶다는 것이죠. 실제로 인재의 유동과 함께 정보가 유통되고 있습니다. '지식 스필오버'라는 말을 사용하기도 하지만, 그런 일도 실제로 일어나고 있어서, 스타트업뿐만 아니라 비즈니스맨으로 AI의 가능성에 흥분하지 않는 사람이 없는 상황입니다. 물론 일본에도 그런 사람들이 있지만, 비율이 적어서 약간 위기감을 느낍니다. 특히 대기업 경영자들의 모임에서는 그 비율이 적다고 느끼고 있습니다. 그리고 AI 화제가 올라올 때는 어떻게 보면 리스크 이야기가 많다고 느끼고 있습니다.
일본의 경영자들도 "AI를 제대로 공부해야 한다" "생산성 향상에 사용해야 한다"면서, 현장에 "이것을 사용해서 어떻게 생산성을 극적으로 개선할 수 있는지 제안해보라"는 식의 말을 하고 있는 것 같습니다. 하지만, 저는 현장으로부터의 개혁에 관해서는, 특히 이 건에 관해서는 약간 한계가 있다고 생각합니다.
역시 극적인 생산성 향상이란 것은 AI를 중심으로 업무를 재구성하는 것이 필요합니다. 이것은 꽤 큰일입니다. 그리고 경우에 따라서는 인원 감축으로 이어질 수도 있고, 인재의 교체가 필요한 경우도 생깁니다. 또한 단기적으로는 비용이 증가할 수도 있습니다. 기본적으로는 고통을 수반하는 개혁이며, 드라스틱한 개혁입니다.
이는 역시 톱이 이끌어야 하지 않을까요? 게다가 "이것이 중요하니까 해주세요"라는 것이 아니라, 스스로 툴을 사용해보고, 이 가능성에 감격하고, 흥분하며, 그 흥분을 개혁의 에너지로 바꾸어 전사를 이끌어가는 것이 필요하다고 생각합니다.
따라서, 경영자 자신이 흥분하고 있는지 아닌지가 매우 중요한 포인트라고 생각합니다. 다만, 저는 일본을 걱정하는 입장이 아니므로, 우선 DeNA가 앞으로 무엇을 할 것인지에 대해 말씀드리고 싶습니다.
## 현재 인원의 절반으로 현업을 성장시키고, 나머지 절반으로 유니콘을 대량 생산한다
DeNA는 AI에 올인합니다. 경영의 AI 전환, 우선 철저하게 생성 AI를 사용하여 생산성 향상에 힘쓰겠습니다. 현재의 사업은 약 3000명으로 운영하고 있습니다. 이를 매우 모데스트한 목표이지만, 절반의 인원으로 현업을 성장시켜 나가겠습니다.
그리고 그 나머지 절반으로 무엇을 할 것이냐면, 신규 사업을 진행하겠습니다. 하나의 신규 사업이 아니라, 10명 1조로 유니콘을 대량 생산하는 것과 같은 이미지로, 크레이지하게 공격적으로 나아가고 싶습니다.

영역은 역시 AI입니다. (배경의 그림은) 생성 AI의 산업구조입니다. 가장 아래가 칩이고, 그 위가 컴퓨팅 인프라스트럭처, 그리고 중간에 파운데이션 모델, 그리고 그 위에 개발 툴, 가장 위가 애플리케이션 레이어입니다. 우리는 이 애플리케이션 레이어를 노리겠습니다.
애플리케이션보다 아래 레이어는, 아마도 파운데이션 모델을 중심으로 한 경쟁이 벌어질 것이라고 생각합니다. 그 결과로서, 코모디티화될 가능성도 있습니다.
현재, 조 단위의 투자를 하여 파운데이션 모델의 개발을 하고 있는 플레이어를 중심으로 수직 통합이 나타나고 있습니다. 그들이 애플리케이션 레이어를 공격해오지 않을까 하면, 그렇지 않습니다. 아마도 매우 범용성이 높은, 즉시 수익화할 수 있는 애플리케이션에 관해서는, 이 수직 통합의 거인들도 참여해 올 것입니다.
하지만, 그들이 모든 니즈를 만족시키는 모든 애플리케이션을 전개한다는 것은 없을 것이라고 생각합니다. 그들에게도 생태계의 번영이 전략적으로 중요해질 것입니다. 그리고 이 애플리케이션 레이어의 최대 강점은, 엔드유저에게 직접 닿을 수 있고, 엔드유저의 유스케이스나 니즈를 직접 받아들일 수 있는 유일한 레이어라는 것입니다.
## B2B는 버티컬 AI 에이전트에 집중, B2C는 궁극의 몰입감을 추구
우선 B2B는 버티컬 AI 에이전트에 집중하겠습니다. 반년 전까지는 "수십조 엔을 생성 AI에 투자했는데 매출이 전혀 보이지 않는다"는 이야기가 있었지만, 최근에는 매출이 보이기 시작했습니다.
특히 엔터프라이즈 향け, B2B 사업에서 조금씩 매출이 발생하기 시작했습니다. Y Combinator의 최신 배치도 80%가 AI인데, 그 중 70%는 엔터프라이즈 향け 프로젝트가 되어 있습니다. 그 중에서도 AI 에이전트 프로젝트가 꽤 나오기 시작했습니다.
여기(배경의 그림)에 나와 있는 것은 Y-Com의 AI 에이전트 프로젝트입니다. 마케팅이나 리걸, 오퍼레이션 프로덕티비티, 보안과 기능별로 정리하고 있지만, "기능×업계" 또는 "기능×업무"라는 정말 많은 세밀한 니즈가 발생하고 있습니다. 거기를 DeNA는 공략하고 싶습니다.
특히 DeNA가 강한 스포츠, 그리고 스포츠 운영 시설, 그리고 헬스케어와 메디컬은 당사의 업무 지식의 강점이 있습니다. 그리고 사업 운영 중에 培った 자산이 있습니다. 따라서 그것들을 활용하여, 우선 그것들과 가까운 영역부터 버티컬 AI 에이전트 비즈니스를 시작해 나가려고 합니다. 먼 영역에 관해서는, 다른 회사가 만든 것을 M&A하여, 그것을 성장시키는 것을 고려하고 있습니다.
그러면 B2C는 어떨까 하면, AI 에이전트도 재미있다고 생각하지만, 우리는 여기에 관해서는 몰입감이랄까, 엔터테인먼트 그리고 커뮤니티나 고독의 해소라든가, 또는 게임이라든가, 그런 곳을 공략해보고 싶습니다. 이러한 영역에 관해서는 미국 서부만 보고 있어서는 안 되고, 중국(의 사례)이 재미있네요. 지금 열심히 공부하고 있지만, 우리만의 독자적인 발상으로 재미있는 서비스를 전개할 수 있지 않을까 생각하고 있습니다.
## M&A를 활성화하고, 독립도 지원
자, 많은 신규 사업을 시작하려고, 10명 1조로 유니콘을 노린다는 이야기를 했지만, 우리 회사 안에서만 하려고 하는 것은 전혀 아닙니다.
Delight Ventures와 기타 VC와 연계하여, 우선 M&A를 활성화하고 싶습니다. 이미 눈을 크게 뜨고 AI 스타트업을 찾고 있습니다. 그리고 "여기 갈 수 있겠다"고 생각하는 곳을 계속해서 M&A 하고 싶습니다.
그리고 모두를 DeNA 안에서 안고 있는 것이 아니라, 독립도 지원하고 싶습니다. 안에서 0→1로 시작된 사업, 또는 우리 회사가 1→10을 서포트한 사업, 10→100을 이룬 사업도, 본인들이 IPO를 하고 싶다든가, 희망한다면 계속해서 독립하게 하고, 그것을 적극 지원합니다.
우리는 지금까지도, 예를 들어 택시 앱의 'GO'라든가, AI의 ALGO ARTIS사처럼, 당사 안에서 0→1을 하고, 하지만 외부로 나가는 것이 성장하는 사업은 독립시켰습니다. 주주로는 남아있지만, IPO를 노리고 노력하는, 그런 메커니즘, 스타트업의 생태계를 활용하여 사업을 활성화시키는 것, 안고 있지 않는다는 생각으로 운영을 하고 있습니다. "Delight를 최대화하는 곳에 두러 간다"는 것입니다.
## AI 전환의 본질은 창조적인 일에 집중하는 것
자, 우리가 경영의 AI 전환, 즉 효율 향상과 그리고 신규 사업의 대량 생산이라는 이야기를 했지만, 이 변화의 본질에 대해 잠시 생각해보고 싶습니다.
경영의 AI 전환에 관해 말하면, 실은 2021년에 당사가 완성 완료한, 온프레미스에서 클라우드로의 전환과 겹치는 부분이 큽니다.
21년의 클라우드 전환은 "좀 늦지 않나"라고 느끼시는 분도 있을지 모르지만, 실제로 우리는 가장 먼저 클라우드로 뛰어들지는 않았습니다. 왜냐하면, 우리의 거대한 온프레미스 시스템은 초고수 인프라 엔지니어가, 정말 꼼꼼하게 튜닝을 해서, 클라우드의 절반의 비용으로 운영하고 있었습니다.
게다가 정말 거대한 시스템으로, 지금이면 하루 120억 정도의 리퀘스트가 있지만, 당시에도 50억 이상의 리퀘스트가 있었습니다. 게다가 실시간성이 중요한 게임부터 보안이 생명인 헬스케어까지, 정말 다양한 300개 정도의 시스템이 있었고, 그것들을 인프라 기인 장애 제로로, 게다가 아까 말씀드린 것처럼 비용 절반으로 운영하고 있었기 때문에, 클라우드 전환은 정말 각오가 필요한 결단이었습니다.
타고난 기술력으로 궁리를 해서, 클라우드를 사용해 보고, 비용도 포함해 QCD(Quality, Cost, Delivery)는 합격점이 되었습니다. 그 QCD 이상으로 제가 이 전환의 본질이라고 생각하는 것은, 엔지니어들이 창조적인 일에 집중할 수 있게 되었다는 것입니다.
특히 인프라 엔지니어, 역시 뭔가 있으면 데이터센터에 달려가거나, 랙킹이라든가 배선이라든가 서버 관리로 힘들었거든요. 그것들로부터 해방되어, 창조적인 일, 경영에 있어 중요한 일에 집중할 수 있게 되었다. 이것이 최대의 수확이었습니다.
클라우드 전환은 엔지니어만이었지만, 이번의 AI 전환은 전 사원에 관계되는 일입니다. 전 사원이 지시대로 하는 일로부터 점점 해방되어, 창조적인 일에 집중할 수 있게 됩니다. 그것이 AI 전환의 가장 큰 본질이라고 생각합니다.
## DeNA 제2의 창업기, 챕터2가 시작된다
사업에 관해서는, 보이는 미래와 현상의 갭이네요. 보이는 미래라고 하면, 수년 후, 전 산업에 AI 에이전트가 널리 퍼지는 것은 확실한 미래입니다. 예를 들어 소매업, 그 중에서도 예를 들어 약국의 5년 후 10년 후는, AI 에이전트의 파워를 반드시 활용하고 있을 것입니다.
그런데 지금 AI 에이전트의 힘을 활용하고 있는 약국이 있느냐고 하면, 아직 거의 없는 상태입니다. 전면 보급이 거의 미래로서 확정되어 있는데, 지금 거의 없다는 이 갭, 이것은 언젠가의 무언가와 비슷하지 않나요?
그렇습니다. 1990년대 후반의 인터넷입니다.
이 시대, 1999년에 DeNA는 탄생했습니다. 그리고 처음부터 잘 된 것은 아닙니다. 이런저런 우여곡절이 있었지만, 확실한 미래가 있다고 이 파도에 뛰어들었기 때문에, DeNA는 여기까지 성장할 수 있었습니다.
그것과 같은 일을 AI에 대해서도 하려고 합니다. 이는 과장이 아니라, 제2의 창업, 챕터2가 시작된다는 것입니다. 그리고 이 챕터2의 문을 열면서, 잊어서는 안 될 것이 있다고 생각합니다.
컴퓨터가 점점 인간에 가까워지는 가운데, 진정한 인간의 영위에 대한 갈망은 점점 높아질 것이라고 생각합니다. 예를 들어 스포츠가 그 전형이죠. 역시 인간다움, 그리고 사람들의 감동이라는 것에 대한 센시티비티는, 이 시대 더욱 중요해질 것이라고 생각합니다. 이것을 잊지 않고, 제2의 창업을 해나가지 않으면 안 된다고 생각하고 있습니다.
하나 더, 이것은 아직 고찰 중입니다만 인재에 대해서, 필요한 인재의 이미지도 바뀌어 갈 것이라고 생각합니다. 지금, 미국 서부에서는 엔지니어가 불필요해질 것인가, 아닌가, 격렬한 논쟁이 벌어지고 있는데, 저는 그것은 "아니오"라고 생각합니다. 100년 후는 좀 정말 완전히 다른 세상일지 모르지만, 보이는 미래에 관해서는 엔지니어에 대한 수요는 높아질 것이라고 생각합니다.

게다가, 모든 산업 혹은 개인의 생활을 AI로 업데이트해 나간다는 비즈니스 기회, 이 맛있는 시대에, 이 비즈니스 기회를 포착하여 실현하기 위해서는 AI의 전문가가 필요한 것이고, 전문가뿐만 아니라, AI Savvy나 AI 프렌들리라고 써놨지만, "AI를 사용해서 뭔가 만들어보자"는 마음가짐이 있는 엔지니어에 대한 수요는, 높아질 일방이라고 생각합니다. 그리고 모든 제품은, AI×업계 지식으로 만들어질 것입니다. 따라서 업계에 관한 전문지식이라든가 업무에 관한 지식, 혹은 데이터 그리고 고객 기반에 대한 접근을 가진 인재에 대한 수요도 당연히 높아질 것입니다.
그리고 AI가 지시대로 움직여주는 미래에도, 역시 기점은 인간이라고 생각합니다. 일을 일으키는 의지를 가지고 있다는 것, 무언가에 열중할 수 있는 힘, 욕구를 가지는 것, 욕망을 가지는 것, 이런 것들이 점점 더 중요해지지 않을까요? 일이 점점 더 농밀해질 테니까요. 얕은 일은 전부 컴퓨터에 맡기게 되므로, 저는 이러한 의지, "기점력"이라는 것이 매우 중요해질 것이라고 생각합니다.
한편으로 일본의 교육을 생각하면, 정답을 맞히는 것, 혹은 획일적인 환경에서 획일적인 내용을 학습해 나가는 현상의 교육 시스템이 아직 바뀌지 않았기 때문에, AI 시대에 요구되는 교육으로 대담하게 바꿔나갈 필요가 있다고 생각하고 있습니다.
## AI는 좋은 타이밍. 파도를 잡으면 누구나 주역이 될 수 있다
자, 지금은 좋은 타이밍이라고 말씀드렸는데, 여러분에게 있어서는 어떨까요. AI의 파도라는 게임은 78조 엔을 투자하는 사람만이 주역인 것이 아닙니다. 78조 엔을 투자하는 사람도, 이것을 "여러분의 일"로 만들기 위해 투자를 하는 것이라고 생각합니다.
일본과 미국의 격차는 크다고 말씀드렸지만, 지금은 (그림에서 보여준) 이 위치입니다. 일본도 세계도 여기입니다. 이 가로축은, OpenAI의 AGI에 이르는 5단계, 그리고 그 너머는 ASI. 또한, 인포메이셔널 AI에 더해, 최근에는 피지컬 AI도 현실의 가능성으로서 논의되고 있습니다.
사업 기회는 기하급수적으로 확대되어 갑니다. 그 중에서 지금 입구인 여기에 있다는 것입니다. 지금 이 파도를 잡아서 들어가보지 않겠습니까? 저는 대소를 불문하고 일반 기업 모두, 그리고 일반 개인 모두에게 이 주역이 될 가능성이 있다고 생각합니다.
요는, 파도를 잡느냐 못 잡느냐라고 생각하고 있습니다. 저 개인도 말이죠, 실은 최근, 일본 여성의 평균 건강수명이 얼마인가 하고 찾아보다가, "앞으로 10여 년 밖에 없잖아"라고. "어떡하지 10여 년으로 무엇을 할 수 있을까"라고 초조해한 적도 있었지만, AI 에이전트를 철저히 활용해서, 10배, 혹은 그 이상이네요, 일을 할 수 있는 가능성이 현실적인 것으로 느껴지고 있습니다. 그렇다면, 100년분의 일을 할 수 있겠다고 생각하며 힘내고 있습니다. 경청해 주셔서 감사합니다.

Thinking Machines Lab은 인공지능 연구 및 제품 개발 회사입니다.
우리는 모든 사람이 각자의 독특한 필요와 목표에 맞게 AI를 활용할 수 있는 지식과 도구에 접근할 수 있는 미래를 만들어가고 있습니다.

비록 AI 기술은 극적으로 발전했지만, 여전히 중요한 격차가 존재합니다.
최첨단 AI 시스템에 대한 과학계의 이해는 빠르게 발전하는 기술력을 따라가지 못하고 있습니다. 이러한 시스템이 어떻게 학습되는지에 대한 지식은 주요 연구소에 집중되어 있어, AI에 대한 공론과 사람들이 AI를 효과적으로 사용하는 능력을 제한합니다. 게다가, 잠재력에도 불구하고 이들 시스템은 사람들이 자신의 구체적인 필요와 가치에 맞게 맞춤화하기 어렵습니다. 이러한 격차를 해소하기 위해, 우리는 Thinking Machines Lab을 구축하여 AI 시스템이 보다 폭넓게 이해되고, 맞춤형으로 조정 가능하며 전반적으로 유능해지도록 만들고자 합니다.

우리는 ChatGPT와 Character.ai 같은 널리 사용되는 AI 제품, Mistral과 같은 오픈 웨이트 모델, 그리고 PyTorch, OpenAI Gym, Fairseq, Segment Anything과 같은 인기 있는 오픈 소스 프로젝트들을 만들어낸 과학자, 엔지니어, 그리고 제작자들입니다.

과학은 공유할 때 더욱 빛납니다
과학적 진보는 공동의 노력의 결과입니다. 우리는 연구자와 제작자 커뮤니티와 협력함으로써 인류의 AI 이해를 가장 효과적으로 발전시킬 수 있다고 믿습니다. 앞으로 기술 블로그 포스트, 논문, 코드 등을 자주 공개할 계획이며, 우리의 작업을 공유하는 것이 대중에게 이로울 뿐만 아니라 우리 연구 문화 자체를 개선할 것이라고 생각합니다.

모두를 위한 AI
인간과 AI의 협업에 중점을 둡니다. 완전 자율적인 AI 시스템 개발에만 몰두하는 대신, 우리는 사람들과 협력하여 함께 작동하는 멀티모달 시스템 구축에 큰 기대를 걸고 있습니다.
더욱 유연하고, 적응력 있으며, 개인화된 AI 시스템을 추구합니다. 현재의 시스템들이 프로그래밍과 수학 분야에서 뛰어난 성과를 보이는 반면, 우리는 인간의 다양한 전문 지식에 맞춰 적응하고 더 넓은 범위의 응용을 가능하게 하는 AI를 구축하고 있습니다.

튼튼한 기반이 중요합니다
모델 인텔리전스를 초석으로 삼습니다. 인간-AI 협업과 맞춤화에 대한 강조 외에도, 모델 자체의 지능은 매우 중요하며, 우리는 과학과 프로그래밍과 같은 분야에서 최첨단 능력을 갖춘 모델들을 구축하고 있습니다. 궁극적으로 가장 발전된 모델들이 혁신적인 과학적 발견과 엔지니어링 돌파구와 같은 가장 변혁적인 응용과 혜택을 열어줄 것입니다.
인프라 품질을 최우선 과제로 삼습니다. 연구 생산성은 인프라의 신뢰성, 효율성, 사용 용이성에 크게 의존하므로, 단기적인 지름길 대신 장기적으로 생산성과 보안을 극대화할 수 있도록 올바르게 구축하는 것을 목표로 합니다.
고급 멀티모달 기능은 보다 자연스럽고 효율적인 소통, 풍부한 정보 보존, 의도 파악, 그리고 실제 환경과의 깊은 통합을 가능하게 하는 데 필수적입니다.

실행을 통한 학습
연구와 제품의 공동 설계가 중요합니다. 제품은 배포를 통해 반복적 학습을 가능하게 하며, 뛰어난 제품과 연구는 서로를 보완하며 강화합니다. 제품은 현실에 기반을 두게 하고, 가장 영향력 있는 문제를 해결하도록 우리를 이끕니다.

경험적이고 반복적인 AI 안전 접근법
가장 효과적인 안전 조치는 선제적 연구와 신중한 실제 테스트의 결합에서 나옵니다. 우리는 다음과 같은 방식으로 AI 안전에 기여할 계획입니다:
1. 높은 안전 기준을 유지하여 출시된 모델의 오용을 방지하는 동시에 사용자의 자유를 극대화합니다.
2. 안전한 AI 시스템 구축을 위한 모범 사례와 방법론을 업계와 공유합니다.
3. 코드, 데이터셋, 모델 사양을 공유하여 정렬(Alignment)에 관한 외부 연구를 가속화합니다.
현재의 시스템에 대해 개발된 효과적인 레드팀(red-teaming) 및 배포 후 모니터링 같은 방법들이, 앞으로 더 강력한 시스템에도 유용한 통찰력을 제공할 것이라고 믿습니다.

진정으로 중요한 것을 측정합니다
우리는 시스템이 실제 세계에서 어떻게 진정한 가치를 창출하는지 이해하는 데 집중할 것입니다. 가장 중요한 돌파구는 기존의 지표 최적화가 아니라, 우리의 목표를 근본적으로 재고하는 데서 나옵니다.

https://thinkingmachines.ai/

https://x.com/adcock_brett/status/1892577936869327233?s=46&t=h5Byg6Wosg8MJb4pbPSDow

일반적인 로봇 공학 문제를 해결하는 것을 목표로 1년 넘게 이 프로젝트를 진행해 왔습니다.

헬릭스는 사람처럼 말을 이해하고, 문제를 추론하며, 훈련이나 코드 없이도 모든 사물을 파악할 수 있습니다.

테스트 결과, 헬릭스는 거의 모든 가정용 물체를 잡을 수 있었습니다!

휴머노이드 로봇을 위한 새로운 스케일링

수십억 대의 로봇 수준으로 확장하기 위해서는 코딩 방식으로는 불가능하며, 기능의 획기적인 변화가 필요합니다.

가정과 같은 역동적인 환경에서 성공하려면 로봇이 온디맨드 일반화를 수행할 수 있어야 합니다.

오늘은 두 대의 휴머노이드 로봇이 협동으로 식료품 보관 작업을 수행하는 모습을 보여드리겠습니다.

헬릭스 신경망 가중치의 단일 세트가 두 대의 로봇에서 동시에 실행됩니다.

그런 다음 두 로봇이 함께 협력하여 이전에 본 적이 없는 식료품을 정리합니다.

헬릭스는 200Hz에서 35-DoF 액션 공간을 조정합니다.

개별 손가락 움직임부터 엔드 이펙터 궤적, 머리 시선, 몸통 자세까지 모든 것을 제어할 수 있습니다!

정말 흥미로운 점은 이 로봇이 이제 일반적으로 모든 가정용품을 집어 올릴 수 있다는 것입니다.

예를 들어 "사막의 아이템을 집어줘"라고 요청했습니다.

헬릭스는 장난감 선인장을 인식하고 가장 가까운 손을 선택한 후 정확한 모터 명령을 실행하여 선인장을 안전하게 잡습니다!

헬릭스는 "시스템 1, 시스템 2"라는 새로운 아키텍처입니다.

> 시스템 2는 인터넷으로 사전 학습된 7B 파라미터 VLM(빅 브레인)입니다.

> 시스템 1은 80M 파라미터의 시각 모터 정책(빠른 제어)입니다.

각 시스템은 온보드 임베디드 GPU에서 실행되므로 상용 배포에 즉시 사용할 수 있습니다.

1. Helix 개요
1. 프로젝트 목표
• 가정 환경처럼 수많은 종류의 물건, 예측 불가능한 환경에서의 로봇 활용성 극대화
• 하나의 모델(뉴럴 네트워크)로 다양한 동작을 즉석에서 생성하고 실행할 수 있도록 함
• 자연어 지시만으로 새로운 객체나 작업을 바로 수행할 수 있는 로봇을 구현
2. 핵심 성과 (시리즈 최초 기록)
• 전신(상반신) 제어: 팔, 손목, 손가락, 허리(토르소), 머리까지 전부 포함한 고차원(35 DoF) 동작을 실시간(200Hz)으로 제어
• 다중 로봇 협업: 단 하나의 뉴럴 네트워크 가중치를 공유하여, 두 대의 휴머노이드가 동시에 협업 작업을 수행
• 초고범용 픽업: 작은 생활용품은 종류에 상관없이 “집어 올리기(Pick up the X)” 지시로 대부분 처리 가능
• 단일 뉴럴 네트워크: 여러 작업(픽업, 서랍/냉장고 열기/닫기, 로봇 간 협업 등)을 하나의 모델로 처리 (작업별 파인튜닝 불필요)
• 상용화 준비 완료: 임베디드 저전력 GPU 상에서 완전한 온디바이스(Inference) 구동 가능
3. 의미
• 가정용 로봇이 필요한 ‘광범위하고 복잡한 작업’을 단시간에 학습하고 수행하도록 하는 토대를 마련
• 언어 기반 지시(“무엇을 어떻게 해라”)를 통해, 시각-언어 모델(VLM)로부터 축적된 일반 지식(common sense)을 로봇 제어에 직접 연결

2. 로봇 분야의 스케일링 문제
1. 가정 환경의 복잡성
• 물체가 다양하고(색상, 형태, 재질 등), 환경 구조도 예측하기 어렵기 때문에 기존 산업용 로봇 수준의 규칙기반(Heuristic) 접근으로는 한계
• 작업별로 많은 시범(데이터)이나 전문가 프로그래밍이 필요한 기존 방식은 매우 비효율적
2. Vision-Language 모델의 적용 필요성
• 인지(시각) + 언어 + 동작을 통합하는 형태로 접근하면, 대규모 인터넷 데이터로부터 학습된 일반지식을 활용해 새로운 동작을 즉석에서 생성 가능
• 핵심 과제: 기존 VLM(느리지만 범용)과 로봇 전용 정책(빠르지만 범용성 낮음) 간의 속도·적응성 간극을 어떻게 해소할 것인가

3. Helix의 주요 아이디어: “System 1, System 2” 분리

Helix는 느린 사고(고수준 이해)와 빠른 반응(저수준 제어)을 분리해 서로 다른 시간 해상도로 동작하게 만드는 VLA(Vision-Language-Action) 방식이다.
1. System 2 (S2)
• 시각·언어 이해를 담당하는 VLM(7B 파라미터)
• 약 7~9Hz로 실행되면서, 카메라 이미지·로봇 상태·자연어 명령을 분석하고, **‘무엇을 해야 하는지’**를 추상 벡터(잠재 표현)에 담아 전달
• 풍부한 개념 이해(대형 사전 학습 VLM)를 통해 객체나 명령을 일반화
2. System 1 (S1)
• 고속 제어를 담당하는 Visuomotor 정책(약 80M 파라미터)
• 200Hz로 구동되어, 실제 로봇 관절·손가락·허리·머리 등의 미세 제어 실행
• S2에서 전달된 ‘잠재 표현’을 받아, 해당 작업을 실시간으로 세밀하게 조정하며 수행
• 시각 입력(카메라), 로봇 상태(관절 위치 등)를 직접 빠르게 처리해 즉각적인 오차나 환경 변화에 대응
3. 장점
• 속도와 범용성 동시 확보: VLM 기반의 풍부한 개념 이해(S2) + 실시간 제어(S1)
• 확장성: 고차원(35 DoF) 제어를 직접 연속적으로 출력 (기존 VLA가 사용하던 토큰화된 저차원 동작과 달리)
• 모듈 분리의 이점: S2와 S1을 독립적으로 개선 가능 (설계·학습·최적화 편의)

4. 모델 및 학습 상세
1. 데이터 (약 500시간)
• 여러 로봇, 여러 오퍼레이터가 원격(텔레오퍼레이션)으로 다양한 작업 수행 후 수집
• 자동 라벨링: 수행된 동작의 비디오를 VLM에 입력해 “이 동작을 수행하기 위해 로봇에게 어떤 명령을 주면 될까?” 식의 역질문(Hindsight instruction) 생성
• 학습 시 사용한 아이템들은 평가(테스트)에서 제외해 새로운 물체에 대한 일반화 성능을 확인
2. 아키텍처
• S2(VLM): 7B 파라미터, 인터넷 사전학습 기반
• 카메라 이미지, 로봇 상태, 자연어 명령 → 시각·언어 임베딩 공간에서 처리 → 잠재 벡터 출력
• S1(Visuomotor Transformer): 80M 파라미터
• S2의 잠재 벡터를 받아서, 고주파(200Hz)로 로봇 행동(손가락, 팔, 허리, 머리, 작업 진행률 예측 등)을 출력
• 자체 시각 백본(Convolution + Transformer) 보유
• 전부 엔드투엔드로 학습: S1이 내는 행동(continuous control)에 대한 손실을 역전파하여 S2에도 업데이트
3. 학습 접근
• 일반적인 회귀(Regression) 방식으로 픽셀·텍스트 → 로봇 관절 제어를 직접 예측
• S2와 S1 간에는 ‘잠재 벡터’를 공유하며, 이 벡터를 통해 언어·시각 정보가 S1에 전달
• 실제 배치 환경을 반영하기 위해, S2와 S1의 시간 지연(Offset)을 인위적으로 추가 후 학습 → 실제 배포 시 지연과 동일하게 맞춤
4. 추론(실행) 방식
• 로봇에 장착된 저전력 GPU 두 대가 각각 S2와 S1을 담당
• S2(느린 처리)는 비동기적으로 최신 카메라 이미지·상태·명령을 받아 ‘잠재 벡터’를 갱신
• S1(실시간 처리)은 200Hz로 돌면서, 가장 최근 S2 벡터와 센서 정보를 결합해 연속 제어 신호를 출력
• 이 구조 덕분에 모델 속도 제약 최소화 + 실시간 반응이 가능

5. 실험 결과
1. 전신(상반신) 고차원 제어
• 35-DoF를 200Hz로 동시 제어하며, 머리/허리를 움직여 시야와 작업 범위를 조절하고, 손가락을 정밀하게 제어해 다양한 물체를 쥐는 모습 확인 (Video 3)
• 기존에는 특정 작업에 특화된 정책조차 고차원 제어가 어렵다고 여겨졌으나, Helix는 다양한 작업을 단일 정책으로 처리 가능
2. 다중 로봇 협업
• 동일한 Helix 모델(가중치 동일)을 2대의 로봇이 구동
• “오른쪽 로봇에게 과자봉지를 건네라” → “왼쪽 로봇에게 받은 과자봉지를 서랍에 넣어라” 같은 연속 명령을 수행 (Video 1, Video 4)
• 아이템 자체도 훈련에서 본 적 없는 미지의 물건 사용. 그럼에도 성공적으로 역할 분담, 동작 협업 수행
3. ‘Pick up anything’ 제어
• “Pick up the [X]” 형태의 지시로, 수천 가지에 달하는 가정용 물건(컵, 의류, 장난감, 공구 등)을 안정적으로 집어 올림 (Video 5)
• 예: “Pick up the desert item” → S2가 ‘사막과 관련된 물체=선인장 모양 장난감’으로 추론, S1이 그 위치와 모양에 맞게 정확히 집어 듦
• 언어 의미 해석 + 실제 로봇 동작의 연결성을 입증
4. 학습 효율
• 약 500시간 수준의 높은 품질 데이터로도, 기존 대규모 VLA 대비 뛰어난 범용성 달성 (수집량이 5% 미만인 셈)
• 복잡한 훈련 스테이지나 작업별 전문가 코딩 없이, 단일 학습으로 전부 통합
5. 단일 가중치
• 여러 동작(집기, 옮기기, 서랍·냉장고 열고 닫기, 로봇 간 물건 주고받기) 등을 모두 하나의 모델로 처리
• 중간에 ‘전환(head)’를 추가하거나 ‘파인튜닝’할 필요 없이, 통합 모델이 다양한 작업에 즉석 대응

6. 결론 및 미래 전망
1. 의의
• Helix는 최초로 자연어 → 시각 분석 → 휴머노이드 전신 제어를 엔드투엔드로 연결한 VLA 모델
• 특히 가정용 로봇이 필요로 하는 장기(manipulation) 작업 + 협업 + 범용성을 단일 모델로 구현
• 재훈련 없이, 새로운 물건도 명령 한 줄로 바로 다룰 수 있는 점이 큰 도약
2. 한계 및 기대
• 현재 결과는 초기 단계지만, 고차원·장기 작업에서의 가능성을 보여줬다는 점에서 매우 고무적
• 향후 데이터 1,000배 규모로 확장 시, 지금보다 훨씬 정교하고 복합적인 작업 수행이 가능할 것으로 전망
• 더 많은 로봇·환경·시나리오로의 확장이 기대됨
3. 마무리
• Helix 같은 범용 휴머노이드 정책은 가정용 로봇 보급에 필수적인 “즉석 학습”과 “범용 동작” 문제를 해결하는 핵심 열쇠

• 공동 연구·개발을 원하는 사람들을 초대하며, 향후 혁신적 휴머노이드 로봇 도입을 가속화하고자 함

https://www.figure.ai/news/helix

예상 트럼프 시나리오
1. 우크라이나 희토류 자원 50% get -> 러우 전쟁 러시아 압박해서 종전 -> 중국 희토류 의존도 낮춰 중국 압박

2. 우크라이나 압박해서 러우 전쟁을 현재 점령지역 기준 국경 재편 및 종전 -> 러시아에 종전 해결 대가로 점령 우크라이나 영토 내 희토류 공급 제안 -> 중국 희토류 의존도 낮춰 중국 압박

결론: 중국 본격적으로 압박하기 위해서는 중국 희토류 의존도를 낮춰야하는 거고 이를 위해서 우크라이나 영토 내 희토류를 어떻게든 가져가야할 것

트럼프

지금 우리가 가진 에너지의 두 배가 필요, 기업은 AI를 위해 더 많은 전기가 필요합니다. 기업들이 들어오고 있고, 그들은 전기를 필요로 합니다

우리는 인공지능 회사들이 자체 발전소를 갖도록 할 것이다

어제 애플 CEO 팀 쿡을 만났습니다. 애플은 관세 때문에 멕시코가 아닌 미국에 공장을 짓겠다고 합니다.

많은 칩 제조업체들이 들어올 것입니다.

나는 곧 상호 관세를 부과할 것이다.

시진핑 중국 국가주석과 펜타닐에 대해 대화를 나눴다

우리는 불법 마약 사용을 50% 줄일 수 있다.

4월 2일 자동차에 대한 25% 관세를 반복한다.

EU는 지금 매우 친절하게 대하고 있고, 저는 장벽을 낮추고 싶습니다.

우크라이나-러시아 평화 협정을 타결할 기회가 있다고 생각한다

중동에 좋은 소식이 있을 것입니다

우크라이나와의 광물 거래에 대해: 꽤 가깝습니다.

빅테크가 싫어하는 디지털 세금에 대응하기 위해 관세를 고려하기 위한 메모에 서명 (일부 국가가 미국 기술 대기업에 부과하는 디지털 서비스 세금에 대응하여 부과금을 허용하는 각서에 서명할 것으로 예상되며, 이는 글로벌 문제 해결을 목표로 하는 관세 전쟁을 확대하는 최신 조치)

CFIU가 중국 투자를 제한하도록 하는 각서에 서명


젤렌스키 우크라이나 대통령: 우크라이나와 미국 팀이 합의문 초안을 준비하고 있습니다.

해외에선 벌써 프로덕트를 만드는 포지션이 변화하고 있네요. 전통적인 백엔드, 프론트엔드, 마케터, PM 직무에 머물러 계시는 것은 위험할 수 있는 것 같습니다.

➡️ 프론트엔드 개발자 → 프로덕트 엔지니어
- AI를 활용한 유저 리서치, 고객 피드백 정리 등으로 어떤 기능을 만들어야 할 지에 대해서 고객과 접점을 가지고 파악해 가는 엔지니어

➡️ ML 엔지니어, ML Ops, 백엔드 개발자 → AI 엔지니어
- AI, Cursor 등을 잘 활용하여 프로덕트의 AI 기능을 백엔드의 일부로 개발하는 엔지니어

➡️ PO/PM → 엔지니어링 PM
- 고객과 접점을 가지고, 어떤 기능을 만들어야 할지 파악하는 것 뿐만 아니라, 최소한의 MVP 기능을 AI를 활용해 디자인하고, 개발까지 하여 배포할 수 있는 PM

➡️ 마케터 → 엔지니어링 마케터
- 마케팅 캠페인의 기획 및 실행을 하는 것을 넘어서, AI 에이전트를 활용해서 마케팅 캠페인의 기획/실행/최적화를 백엔드 앱을 만들어 자동화 하는 역할

➡️ 디자이너 - 엔지니어링 디자이너
- 기존 프로덕트 디자이너가 하던 어떤 기능을 만들어야 하는 가 - 에 대한 답을 PM과 함께 찾고, 이를 디자인으로 실현하는 역할에서, MVP 기능까지 AI를 활용해 만들어 낼 수 있는 디자이너

결국 대부분의 프로덕트 직무들은 AI를 활용해서, 나와 협업하던 다른 동료들이 해 주던 것을 할 수 있게 되는 것 같아요. 다만, 본인만이 더 깊은 지식을 가지고 있는 분야가 있어서 팀에 기여하게 될 것 같습니다. 예를 들어 프로덕트 엔지니어는 PM에게 유저 리서치에 조언을 얻고, 엔지니어링 디자이너는 AI 엔지니어로부터 백엔드 앱 개발의 도움을 얻는 거죠.

시니어 5명 (엔지니어링 PM, 프로덕트 엔지니어, AI 엔지니어, 엔지니어링 디자이너, 엔지니어링 마케터) 가 모여서 일을 하는데, 서로 서로에게 쥬니어 역할을 해 주는 것이 됩니다. 서로의 영역이 겹치는 만큼 더 커뮤니케이션은 타이트하게 일어나게 되고, 더 좋은 성과를 낼 수 있게 되는 것 같습니다.

아직은 각 분야의 전문가들이 자신 분야에서 가장 중요한 일에 AI의 도움을 받는 것이 쉽지가 않습니다. 그래서, 아직 AI 활용하는 비율이 체감상 전체 경제활동 인구의 10%도 되지 않는 것 같고요. 하지만, 이런 내가 못하는 분야에서 AI의 도움을 받는 것은 체감하는 가치가 훨-씬 큽니다. 즉, 내가 못하던 분야로 내 업무를 확장하는 것이 더 빠르게 사람들에게 가치를 전달할 수 있기에 더 빠르게 도입하는 패턴이 될 수도 있을 것 같아요

레브잇이라는 회사에서 이전에 Problem Solver라고 모든 직무를 하나로 통일하고, 스마트하면서 각자의 전문 분야가 있는 사람들이 모여서 팀을 구성하는 조직을 지향했던 것으로 알고 있습니다. AI 시대에는 정말 이런 조직이 가능해지는 것 같습니다.

결국 회사의 AX (AI 직무 전환) 담당자들은 이러한 업무 영역의 확장을 임직원들에게 가이드하고 성공 사례를 만들고 해야 하는 것 같습니다. 하지만, AX 직무 전환은 임직원들이 원래 일하던 관성을 이겨내고 새로운 일하는 패턴을 만들어야 하는 것이라, 단발성 챗GPT 교육이라던가, 2-3주의 집체 교육으로는 사실상 어렵습니다. 그럼에도 불구하고, 그 분들도 매년 더 나아지는 업무 성과를 내야 하기 때문에 교육 수료 임직원 수 같은 단기적인 지표에 매몰될 수 밖에 없는 것 같고요.

그런 이유로, 결국 저런 새로운 포지션이 생기고, 새로운 방식으로 일을 시작하고, 이전 회사의 업무 방식 대비 10x, 50x 성과를 더 내는 것은 스타트업에서 시작될 수 밖에 없는 것 같아요. 새로운 조직과 직무로 AI 에 미쳐있는 사람들이 함께 모여 일하면서, 고객이 정말 원하는 문제를 푸는 프로덕트를 만들기 시작하면, 다른 회사들이 그 성공 사례를 보면서 직무의 변화도 도입하고 하면서 전체 사회가 AI 시대의 새로운 직무로 천천히 적응해 갈 것 같습니다.

지피터스에서도 이런 AI를 활용하는 직무의 유연한 확장 -- 을 시험해 보려 합니다. 그래서 백엔드 개발자도 AI 엔지니어링까지 하고 싶은 분을 채용하고, PM, 마케터는 n8n, Streamlit 등으로 직접 자동화까지 해 볼 수 있는 분을 채용하려 합니다 (관심 있는 분들은 "지피터스 채용"으로 검색해주세요). 이런 시도가 어떻게 되는지 계속 SNS 얘기 올리겠습니다.

PS. 첨부된 이미지는 Stack (@_StacksAI) 이라는 회사의 채용 공고를 스크린캡쳐한 것입니다.

https://www.linkedin.com/posts/tae-hyun-kim_%ED%95%B4%EC%99%B8%EC%97%90%EC%84%A0-%EB%B2%8C%EC%8D%A8-%ED%94%84%EB%A1%9C%EB%8D%95%ED%8A%B8%EB%A5%BC-%EB%A7%8C%EB%93%9C%EB%8A%94-%ED%8F%AC%EC%A7%80%EC%85%98%EC%9D%B4-%EB%B3%80%ED%99%94%ED%95%98%EA%B3%A0-%EC%9E%88%EB%84%A4%EC%9A%94-%EC%A0%84%ED%86%B5%EC%A0%81%EC%9D%B8-%EB%B0%B1%EC%97%94%EB%93%9C-activity-7298979355634847744-fROv

5가지 부(富) 정의: 사힐 블룸(Sahil Bloom)은 ‘부’를 단순히 돈이 아니라 △시간(시간을 통제하고 의미 있게 활용할 수 있는 능력) △사회적 부(가족·친구 등 관계의 질) △정신적 부(호기심·학습·삶의 목적 등 내적 풍요) △신체적 부(건강과 활력) △재정적 부(경제적 안정과 선택권)라는 다섯 축으로 확장해 설명한다.

오로지 돈에 매달리는 함정: ‘돈만 많으면 행복해진다’는 착각(도착의 오류)에 빠지면 영원히 만족하지 못한다. 재정적 부는 삶의 한 요소일 뿐, 그것만으로는 진정한 충족감을 주지 못한다고 블룸은 말한다.

균형의 중요성: 재정적 부가 안정과 기회를 제공하는 기반이라면, 시간·관계·정신·신체의 부는 삶을 실질적으로 풍요롭게 하는 핵심 요인이다. 결국 다섯 영역을 조화롭게 발전시켜야 의미 있는 행복을 누릴 수 있다.


주요 사례

부모님과의 남은 횟수 계산: 블룸은 1년에 한 번씩만 부모를 뵙는 생활을 하던 중 “앞으로 부모님을 고작 15번 정도밖에 못 본다”는 친구의 말에 큰 충격을 받고 삶의 우선순위를 재설정한다.
거주지 이전과 전환: 충격 이후 그는 불과 45일 만에 서부에서 동부로 이사해 부모님과의 시간을 획기적으로 늘렸고, 커리어도 재조정했다. 이를 통해 “돈이 전부가 아니다”라는 사실을 뼈저리게 깨닫고 다섯 가지 부의 균형을 추구하기 시작한다.

다섯 가지 부 요약

시간의 부: 하루 24시간을 가치 있게 쓸 자유와 주도권. 무엇을 위해 시간을 쓰는지 의식적으로 선택하고 불필요한 활동을 줄여야 한다.
사회적 부: 사람들과의 건강한 관계망. 주변에 어떤 인맥·가족·친구를 두느냐가 삶의 질과 성장을 좌우한다. 관계의 질을 높이려면 ‘관계 지도’를 그려 우선순위를 명확히 하고, 부정적 관계엔 거리를 두는 것이 중요하다.
정신적 부: 호기심·학습·자기계발·삶의 목적의식 등 내적 풍요. 끊임없이 배우고 성장하며, 나만의 ‘이키가이(ikigai)’를 찾아야 한다.
신체적 부: 건강과 활력. 꾸준한 운동·식습관·수면이 핵심이며, ‘80세에도 춤출 수 있을까?’라는 질문으로 미래 건강을 자각하라고 조언한다.
재정적 부: 경제적 안정과 선택권. 삶에 필수적이지만, 끝없이 추구하면 함정에 빠지기 쉽다. ‘얼마면 충분한지’를 정의하고, 돈을 다른 부를 실현하는 도구로 삼아야 한다.

실생활 적용

자신의 삶 진단: 다섯 영역(시간·관계·정신·신체·재정) 각각을 점검해 어느 부분이 부족한지 확인한다.
작은 변화 시작: 예) 시간의 부를 위해 퇴근 후 30분 휴대폰 끄기, 사회적 부를 위해 매주 한 사람에게 안부 전화하기, 정신적 부를 위해 매일 책 10페이지 읽기, 신체적 부를 위해 주 3회 걷기, 재정적 부를 위해 월급 10% 저축하기 등.
나만의 ‘충분함(enough)’ 설정: 남과 비교하지 말고, 내 삶에 필요한 수준을 구체적으로 생각해 ‘돈의 덫’에 빠지지 않는다.
인생의 계절에 맞춘 균형: 20~30대에는 재정 기반 다지기에, 40대 이후엔 건강·가족·관계 등에 더 집중하는 식으로 유연하게 조정한다.

삶에서 진정 중요한 것은 결국 다섯 가지 부를 조화롭게 가꾸는 일이다. 재정적 부만 좇으면 영원히 부족감을 느끼기 쉽고, 반대로 재정이 전혀 없으면 다른 부를 누리기 어렵다. 각자에게 의미 있는 ‘부의 포트폴리오’를 설계해, 돈·시간·관계·마음·건강을 균형 있게 발전시키는 것이 결국 행복과 성취로 가는 길이라는 점을 블룸은 강조한다.

https://www.amazon.com/Types-Wealth-Transformative-Guide-Design-ebook/dp/B0D38TNQ68/ref=tmm_kin_swatch_0

Pivot points on your life

School
-Brand or not
-What you study

Spouse
-Who you marry
-Age when marry
-Kids # & health

Work
-Platform or not
-Scale or not
-Founder or not

Family & friends
-Clicks of friends
-Problems or not (money, health, drugs etc)

Health
-Self explanatory

Spirituality
-There is a G*d shaped hole in everyone, what you fill it with matters

Location
- Spouse
- Work
- Family & friends

Agent는 결국 Voice와 결합되야 CX서비스를 바꿀 수 있음.

오늘, Decagon Voice 출시 소식을 전하게 되어 정말 기쁩니다!

당사의 엔터프라이즈급 AI 음성 에이전트는 실제 통화처럼 생생한 고객 대화를 제공하며, 지금까지 저희의 성공을 이끌어온 동일한 “두뇌” 위에서 구동됩니다. 이는 고객 경험(Customer Experience)을 위한 에이전트형(agentic) 미래를 향해 나아가는 중대한 이정표입니다.

또한, AI 오디오 분야의 선두주자인 ElevenLabs와 함께 Decagon AI Voice Agents를 출시하기 위한 파트너십을 발표하게 되었습니다.

저희 고객사 입장에서는, 모든 고객 접촉 기회가 가치를 제공하고 충성도를 높일 기회가 됩니다.
고객들은 긴 대기 시간이나 복잡한 전화 안내 없이, 빠르고 매끄러운 지원을 기대하죠.

저희는 이러한 경험을 채팅과 이메일에서 이미 구현했으며, 이제 동일한 수준의 고객 경험을 음성으로까지 확장합니다.

ElevenLabs의 놀라울 정도로 자연스럽고 표현력이 풍부한 음성 모델과 Decagon의 에이전트형 AI 플랫폼이 결합되어, 전화 지원이 실시간 채팅만큼 매끄럽고 신뢰할 만하며 효율적으로 제공됩니다.

저희 음성 에이전트가 실제로 어떻게 작동하는지 데모를 원하시면 언제든 DM(쪽지) 보내주세요. 기꺼이 소개해 드리고 싶습니다.

https://www.linkedin.com/posts/thejessezhang_today-im-excited-to-announce-the-launch-ugcPost-7299836438831853569-8MEH