현재 기술 좌표 — 0에서 1만까지
인류가 상상할 수 있는 기술의 완성점을 10,000으로 놓았을 때, 우리는 지금 어디쯤 있는가.
🧠 소프트웨어 AI2,430/10,000▲ +5
Google I/O 2026에서 Gemini Omni Flash 출시 — 텍스트·이미지·오디오·영상을 모두 입력받아 영상을 출력하는 '어니투어니(any-to-any)' 멀티모달 모델이 전 세계 구독자에게 배포됐다. Anthropic의 Code with Claude 런던 행사에서는 '대부분의 Anthropic 소프트웨어가 이제 Claude가 작성한다'는 선언이 나왔고, API 사용량이 전년 대비 17배 급증했다고 공개됐다. 추론·창작·코딩이 동시에 수렴하는 속도가 눈에 띄게 빨라지고 있다.
🦾 피지컬 AI·로봇835/10,000▲ +2
Uber AV Labs가 수천 대의 센서 장착 차량으로 미국·유럽 전역에서 데이터를 수집 중이며, Waymo·Waabi 등 25개 파트너사에 '에지 케이스(edge case, 드물고 예측불가한 상황)' 훈련 데이터를 공급하는 AV 클라우드로 확장 중이다. 자율주행의 병목이 기술이 아닌 데이터임을 확인한 구조적 진전이다. Humanoid가 Bosch·Schaeffler와 유럽 생산·유통 파트너십도 체결했다.
⚡ 반도체·하드웨어1,660/10,000▲ +1
Alibaba가 Nvidia 의존도를 줄이기 위한 독자 AI 칩과 풀스택 전략을 발표했다. 미국·중국 양측에서 독립적인 칩 생태계 구축 경쟁이 지속되고 있어 점진적 상승 압력이 있다. 양자컴퓨팅 상용화까지는 여전히 큰 간극이 남아 있다.
🔋 에너지 인프라615/10,000▲ +1
AI 데이터센터 전력 수요가 급증하는 가운데 기후테크 기업들이 탄소감축에서 핵심광물(critical minerals) 중심으로 피벗하는 흐름이 포착됐다. 청정에너지 공급 자체의 기술 도약보다는 공급망 재편 단계에 머물러 있다.
🧠 소프트웨어 AI 축 업데이트
Gemini Omni: AI가 세계를 시뮬레이션한다
📍 좌표판에서의 의미: 멀티모달 생성 모델이 '도구'에서 '세계 시뮬레이터'로 격상되는 소프트웨어 AI의 좌표 이동을 상징한다. 단순 텍스트 응답을 넘어 물리 법칙을 이해하고 영상으로 현실을 재구성하는 능력은 소프트웨어 AI의 상한선을 다시 쓰고 있다.
Google DeepMind는 5월 19일 Google I/O 2026에서 Gemini Omni Flash를 발표했다. 텍스트·이미지·오디오·영상 어떤 입력이든 받아 고품질 영상을 출력하는 '어니투어니' 모델로, Gemini의 추론 엔진과 Veo의 렌더링, DeepMind의 Genie 세계 시뮬레이션 레이어가 하나로 합쳐졌다. 핵심은 '물리 인식': 캐릭터 일관성, 그림자, 유체 운동을 픽셀 패턴이 아닌 실제 물리 법칙으로 추론하기 때문에 대화 기반 다중 편집에서도 장면이 무너지지 않는다. 전 세계 구독자 배포가 시작됐고, 수 주 내 개발자 API도 공개 예정이다. 이는 창작 도구의 진화가 아니라, AI가 현실의 '물리적 인과관계'를 학습하기 시작했다는 신호다.
💰 투자·비즈니스 시각: Gemini Omni API가 열리면 영상 제작·광고·교육·시뮬레이션 분야의 B2B SaaS 스타트업에 새로운 창구가 생긴다. 특히 YouTube Shorts 무료 통합은 크리에이터 이코노미의 진입 장벽을 낮추고, 기존 영상 편집 툴(Adobe, CapCut 등)의 점유율을 빠르게 잠식할 위험이 있다. 반면 딥페이크 탐지 기업에는 새로운 수요가 발생한다 — Veriff 조사에서 미국인의 딥페이크 식별 능력이 동전 던지기 수준임이 확인된 시점과 겹쳐 보안 리스크가 동시에 확대된다.
🔗 자세히 보기🧠 소프트웨어 AI 축 업데이트
Claude가 Claude 코드를 짠다 — Anthropic의 선언
📍 좌표판에서의 의미: AI가 '도구'에서 '동료 엔지니어'로 전환되는 임계점이 공개 행사에서 공식 선언됐다. 이는 소프트웨어 개발 산업 전체의 인력·비용 구조를 재편할 신호다.
Anthropic의 Code with Claude 런던 행사(5월 19~20일)에서 엔지니어 Jeremy Hadfield는 '대부분의 Anthropic 소프트웨어가 이제 Claude가 작성하며, Claude Code 자체도 Claude가 만들었다'고 밝혔다. Anthropic 플랫폼의 API 사용량은 전년 대비 17배 급증했다. Shopify, Mercado Libre(엔지니어 2만 3천 명) 같은 대기업들도 'Q3까지 자율 코딩 90% 목표'를 발표했다. 또 'Dreaming'이라는 새 기능이 공개됐는데, 코딩 에이전트가 스스로 메모를 남기고 다음 에이전트가 그 기록을 이어받아 학습하는 일종의 집단 기억 시스템이다. AI 코딩이 일회성 자동화가 아닌 자기 개선 루프에 진입했다는 점이 이번 행사의 핵심이다.
💰 투자·비즈니스 시각: Claude Code 기반으로 코드 리뷰·QA·레거시 마이그레이션을 자동화하는 B2B 툴에 투자 기회가 있다. 반대로 전통적인 아웃소싱 소프트웨어 개발사는 단가 압박에 노출될 위험이 높다. Anthropic의 SpaceX Colossus 컴퓨트 파트너십은 인프라 비용 구조를 바꿀 변수다.
🔗 자세히 보기🦾 피지컬 AI·로봇 축 업데이트
Uber, 자율주행의 데이터 인프라가 되다
📍 좌표판에서의 의미: 자율주행의 마지막 병목이 '알고리즘'이 아닌 '데이터'임이 확인되면서, Uber는 로보택시 경쟁자가 아닌 업계 전체의 데이터 인프라 레이어로 포지셔닝을 완성했다. 피지컬 AI 좌표를 움직이는 것은 로봇 자체보다 그것을 훈련시키는 데이터 파이프라인이다.
Uber AV Labs는 현재 수천 대의 센서 장착 차량을 미국·유럽 수십 개 도시에서 운영하며 실제 도로 주행 데이터를 수집하고 있다. Waymo·Waabi 등 25개 이상의 파트너사에 라벨링된 센서 데이터를 공급하는 'AV 클라우드'를 구축 중이며, 파트너사의 AI 모델이 실제 Uber 운행에서 '섀도 모드(shadow mode)'로 성능을 검증할 수 있다. Uber CTO는 '한계는 기술이 아닌 데이터'라고 명시했다. 더 나아가 수백만 대의 일반 Uber 기사 차량에 센서를 장착하는 구상도 밝혔다 — 이것이 현실화되면 어떤 단일 자율주행사도 복제 불가능한 규모의 데이터 해자(data moat)가 만들어진다.
💰 투자·비즈니스 시각: Uber는 자율주행 레이스의 '픽앤샤벨(pick-and-shovel)' 포지션을 차지했다 — 누가 이기든 데이터는 Uber를 통해야 한다. 라이다·레이더 센서 공급사, 데이터 라벨링 기업, AV 보험 전문사에 간접 수혜 기회가 있다. 반대로 독자 데이터 수집에 의존하던 소규모 AV 스타트업은 비용 열위에 처할 수 있다.
🔗 자세히 보기🚧 다음 관문 — 여기를 넘어야 레벨이 바뀐다
소프트웨어 AI가 다음 레벨(~3000)로 오르려면 '장시간 자율 작업(long-horizon agentic task)'의 신뢰도가 실제 업무 환경에서 검증돼야 한다 — 현재 모델들은 수 시간 작업에서 누적 오류가 발생한다. 기술 조건: 에이전트 메모리의 비퇴행성(non-regression), 멀티모달 추론의 물리 세계 일반화, 외부 시스템 통합 표준화(MCP 등). 예상 시기: 2027년 내 특정 도메인(소프트웨어 개발, 법률 문서, 의료 보조)에서 조건부 돌파 가능. 가장 가까운 주자: Anthropic(에이전트 인프라 깊이), Google DeepMind(멀티모달+물리 시뮬레이션 통합). 피지컬 AI는 Uber AV Labs의 데이터 플라이휠이 수십만 시간 규모로 확대되고, 휴머노이드 로봇의 조작 정밀도가 산업 현장 SLA를 충족하는 시점(2028~2029년 예상)이 다음 관문이다.
🌌 10,000의 세계 — 기술이 완성됐을 때 인간의 하루
아침에 일어나면 집 안의 범용 로봇이 커피를 내리고 당일 일정을 소화하는 동안, 나는 음성으로 소프트웨어 아이디어를 말하면 저녁 전에 배포 가능한 앱이 완성돼 있다. 병원 예약도, 법률 서류도, 투자 포트폴리오 리밸런싱도 AI 에이전트가 실시간으로 처리하고 결과만 요약해준다. 에너지 걱정은 없다 — 도시 전체가 AI가 최적화한 청정에너지 그리드로 돌아가고, 전기요금이 사실상 무료에 가까워졌기 때문이다.
댓글
댓글 쓰기