현재 기술 좌표 — 0에서 1만까지
인류가 상상할 수 있는 기술의 완성점을 10,000으로 놓았을 때, 우리는 지금 어디쯤 있는가.
🧠 소프트웨어 AI2,431/10,000▲ +4
Sakana의 Fugu가 단일 모델 대신 여러 프론티어 모델을 오케스트레이션해 SWE-Bench Pro 73.7점을 기록하며 GPT-5.5·Gemini 3.1 Pro를 앞섰고, Google DeepMind는 A24와 손잡고 AI 영상 제작 워크플로우 R&D에 7,500만 달러를 투입했다. 창작 영역까지 AI 침투가 가속화되는 신호.
🦾 피지컬 AI·로봇836/10,000▲ +3
NVIDIA이 Halos for Robotics를 발표—자율주행에서 쌓은 18,600+ 엔지니어링-년의 안전 노하우를 로봇에 이식한 업계 최초 풀스택 안전 아키텍처다. Agility Robotics가 Amazon·Toyota 현장에 첫 적용하며 '인간 옆에서 일하는 로봇' 상용화의 핵심 병목인 안전 인증 문제를 직접 공략했다.
⚡ 반도체·하드웨어1,658/10,000▲ +1
usbliter8 익스플로잇 공개로 A12·A13 칩의 BootROM 설계 결함이 드러났다. 소프트웨어로 패치 불가능한 하드웨어 취약점은 반도체 설계 검증 프로세스의 한계를 상기시키며, 다음 세대 칩 보안 설계 기준이 한 단계 올라갈 근거를 제공했다.
🔋 에너지 인프라612/10,000
오늘 에너지 인프라 관련 주요 뉴스 없음. AI 데이터센터 전력 수요가 구조적으로 증가하는 기조는 이어지나, 오늘 좌표를 움직일 만한 구체적 발표는 없었다.
🦾 피지컬 AI·로봇 축 업데이트
NVIDIA Halos: 로봇 안전의 표준이 탄생
📍 좌표판에서의 의미: 피지컬 AI 축에서 가장 큰 병목은 '성능'이 아니라 '신뢰'였다. 로봇이 공장 바닥에서 인간과 나란히 일하려면 안전 인증(TÜV, UL 등)을 통과해야 하는데, 지금껏 각 기업이 제각각 구축하던 이 과정을 NVIDIA가 표준 플랫폼으로 흡수했다. 이는 좌표판에서 '개별 로봇 성능'이 아닌 '산업 전체의 확산 속도'를 올리는 사건이다.
NVIDIA가 Automate 2026 컨퍼런스에서 Halos for Robotics를 공개했다. 자율주행 분야에서 축적한 18,600+ 엔지니어링-년의 안전 설계를 로봇 산업 전체에 개방하는 풀스택 아키텍처로, AI 연산(IGX Thor)·소프트웨어(Halos OS)·센서 데이터·외부 카메라 기반 안전 감시까지 한 구조 안에 통합했다. 첫 파트너는 Agility Robotics로, Amazon·도요타 현장에 투입 중인 인간형 로봇에 이를 탑재했다. 특히 Halos AI Systems Inspection Lab은 세계 최초 ANAB 인증 프로그램으로, TÜV·UL 등 제3자 안전 인증을 위한 사전 준비 경로를 처음으로 표준화했다. 이 인증 경로가 없으면 규제 환경에서 로봇 대량 배치는 사실상 불가능하다—NVIDIA는 그 문을 여는 열쇠를 손에 쥔 것이다.
💰 투자·비즈니스 시각: NVIDIA는 로봇 시장에서 칩(GPU·IGX Thor)뿐 아니라 안전 소프트웨어 레이어까지 장악하는 포지션을 굳히고 있다. Halos를 채택하는 로봇 기업들은 NVIDIA 생태계에 깊이 종속되고, 이는 중장기적으로 NVIDIA의 로보틱스 매출을 가속화할 구조다. 투자 관점에서는 Halos 파트너십을 체결한 로봇 기업(Agility 등)과 산업용 안전 인증 서비스 기업(TÜV, UL Solutions)에 간접 수혜가 예상된다. 반면 자체 안전 스택을 구축 중인 경쟁사(Boston Dynamics, Figure AI 등)는 표준 경쟁에서 밀릴 위험이 있다.
🔗 자세히 보기🧠 소프트웨어 AI 축 업데이트
DeepMind×A24: AI가 할리우드 작업실로
📍 좌표판에서의 의미: 소프트웨어 AI가 텍스트·코드를 넘어 '영상 창작 워크플로우' 안으로 들어가는 첫 번째 주요 기업 레벨 실험이다. AI 툴이 아티스트의 손을 거쳐 실제 제작 현장에서 검증되면, 그 피드백은 다음 세대 Veo·Imagen 모델 품질을 직접 올린다.
Google DeepMind와 A24가 약 7,500만 달러 규모의 AI 연구 파트너십을 발표했다. DeepMind 연구진이 A24 영화인들과 함께 스토리보드 생성, 프리프로덕션 워크플로우 등 실제 제작 도구를 공동 개발하는 구조다. 핵심은 이 계약이 A24의 콘텐츠 라이브러리나 데이터를 Google에 제공하지 않는다는 것—법정 싸움이 잦은 할리우드-AI 관계에서 이례적으로 '창작자 친화적' 계약 모델을 선택했다. A24는 DeepMind의 연구 인프라에 접근하고, DeepMind는 세계에서 가장 신뢰받는 인디 스튜디오를 실제 R&D 실험실로 얻는다. Google로서는 7,500만 달러로 '창작 AI = 직업 위협'이라는 이미지를 씻어낼 브랜드 보험을 산 셈이다.
💰 투자·비즈니스 시각: AI 영상 툴 시장의 진짜 수익 모델은 '생성'이 아닌 '워크플로우 레이어 소유'임을 이번 딜이 다시 확인했다. Runway, Pika, Kling 등 AI 영상 스타트업은 단순 생성 경쟁에서 Google·A24 연합의 워크플로우 통합 압력을 받게 된다. 반면 스토리보드·사전시각화 분야 B2B SaaS(Shot Deck, StudioBinder 등)는 AI 네이티브 경쟁자의 직접 위협에 노출된다. Google Alphabet 주가는 이 발표와 무관한 요인(DeepMind 과학자 John Jumper의 Anthropic 이직 소식)으로 당일 약 6% 하락했으나, 딜 자체의 전략적 가치는 별개로 평가해야 한다.
🔗 자세히 보기🧠 소프트웨어 AI 축 업데이트
Sakana Fugu: 더 큰 모델 말고, 더 똑똑한 지휘자
📍 좌표판에서의 의미: 단일 모델 성능 경쟁이 포화되자 '오케스트레이션(지휘)'이 새 축으로 부상했다. Fugu는 GPT-5.5·Claude Opus·Gemini를 직접 조율하는 메타-모델 구조를 상업화한 첫 사례로, AI 역량의 병목이 '모델 크기'가 아닌 '협력 구조 설계'로 이동하고 있음을 시사한다.
도쿄 기반 AI 스타트업 Sakana AI가 Fugu를 정식 출시했다. GPT-5.5·Claude Opus 4.8·Gemini 3.1 Pro 등 프론티어 모델들을 동적으로 조율하는 7B 파라미터 '지휘자 모델'이 핵심으로, 사용자는 하나의 OpenAI 호환 API만 호출하면 된다. 자체 벤치마크에서 Fugu Ultra는 SWE-Bench Pro 73.7점으로 GPT-5.5(58.6)와 Gemini 3.1 Pro(54.2)를 앞섰다(단, 이는 벤더 자체 발표 수치임에 유의). 지정학적 수출 규제에 묶인 단일 프론티어 모델 의존을 피하고 싶은 기업·국가에 대안을 제시한다는 점도 주목할 만하다. 독립적 검증이 아직 없어 수치의 신뢰도는 유보적이나, '더 큰 모델 대신 더 스마트한 조율자'라는 패러다임 자체는 업계 전반의 논쟁을 촉발하고 있다.
💰 투자·비즈니스 시각: Fugu의 성공은 미들웨어 레이어—즉 모델 위에 얹히는 오케스트레이션 플랫폼—가 차기 AI 투자 테마임을 시사한다. 단일 모델 API 구독에 의존하는 기업들은 벤더 락인 리스크를 재평가해야 한다. Sakana처럼 여러 모델을 묶는 메타-오케스트레이터 포지션을 노리는 스타트업(LangChain, CrewAI 등)에 경쟁 압력이 강화된다. 반면 자국 AI 역량 강화를 원하는 중견국(한국, 일본, 유럽 등)에게는 특정 기업 의존 없는 프론티어급 성능 접근 경로로 정책적 관심 대상이 될 수 있다.
🔗 자세히 보기🚧 다음 관문 — 여기를 넘어야 레벨이 바뀐다
소프트웨어 AI 축이 2,500을 넘으려면 '멀티모달 추론의 실시간 신뢰성'이 검증돼야 한다—환각률이 전문가 수준 이하로 떨어지고, 법·의료 등 고위험 분야에서 독립 감사를 통과하는 모델이 나올 때다. 피지컬 AI 축은 Halos 같은 안전 인증 체계가 실제 규제 표준으로 채택되고, 범용 매니퓰레이터(손 역할)의 dexterous manipulation이 비구조화 환경에서 95% 이상 신뢰도를 달성하는 것이 임계점이다. 두 조건 모두 2027~2028년 안에 일부 도메인에서 돌파될 가능성이 높으며, NVIDIA(하드웨어+안전)와 Google DeepMind(소프트웨어+창작)가 각각 가장 가까이 달리고 있다.
🌌 10,000의 세계 — 기술이 완성됐을 때 인간의 하루
2040년대 어느 아침, 평범한 회사원 지수는 출근 전 AI에게 '오늘 프레젠테이션 스토리보드 초안 잡아줘'라고 말하고 커피를 마신다. 사무실 창고에서는 Halos 인증을 받은 인간형 로봇이 택배를 분류하고, 영화관에서는 DeepMind 툴로 제작된 인디 영화가 걸린다. 지수가 손댈 일은 '무엇을 원하는지 결정하는 것' 뿐—실행은 소프트웨어와 로봇이 나눠 처리한다.
댓글
댓글 쓰기