생성 AI가 확장성과 비용에 대한 의문을 극복할 수 있을까?

간결한

요약:

골드만삭스 리서치에 따르면, 세계 최대 기업들이 가장 정교한 인공지능을 개발하기 위해 경쟁함에 따라 이 기술을 얼마나 멀리, 얼마나 빨리 확장할 수 있는지에 대한 의문이 제기되고 있습니다.

생성 AI의 등장은 이 기술의 미래에 대한 흥분을 불러일으켰습니다. 다른 유형의 AI와 달리, Gen AI는 자연어로 자체 출력을 생성할 수 있습니다. "멀티모달"이기 때문에 텍스트, 숫자, 비디오, 사운드를 포함한 다른 형식으로 응답을 생성할 수도 있습니다.

대형 기술 기업들은 초기 사용 사례를 인용하고 있으며, 일부 엔터프라이즈 기업은 코드 작성과 같은 특정 분야에서 생산성을 크게 높일 수 있는 여지가 있다고 보고 있습니다 . 이를 통해 가장 가치 있는 직원의 생산성이 더욱 향상될 수 있습니다.

그러나 미래의 경제적 이익의 정확한 규모는 논쟁의 대상 입니다 . 대규모로 Gen AI를 구축하는 데 드는 비용은 엄청나게 높으며, 대형 기술 회사는 수천억 달러를 투자하지만, 이 기술이 처음 출시된 이후로 쿼리당 비용은 상당히 낮아졌습니다.

첫 번째 Goldman Sachs European Virtual AI and Semis Symposium에서 CEO와 기술자부터 거시 경제학자까지 20명의 연사가 모여 AI의 전망을 평가했습니다. 특히, 그들은 사용 사례, 총 주소 지정 가능 시장, 기술의 추가 개발 및 채택에 대한 과제, 유럽 하드웨어 및 반도체에 대한 의미를 포함한 주요 주제를 논의했습니다.

골드만삭스 리서치의 유럽 기술 하드웨어 반도체 부문 책임자인 알렉산더 듀발과 심포지엄의 주요 결과에 대해 이야기를 나눠보았습니다.

"하이퍼스케일러"로 알려진 대형 기술 기업들은 AI 개발에서 어떤 역할을 하고 있습니까?

지금까지 미국의 기술 거대 기업들은 생성적 AI 사용의 선두에 섰습니다. 그들은 대규모 언어 모델을 개발해 왔으며, 이를 기존 사업과 잠재적으로 새로운 사업 도구를 만드는 데 사용할 수 있습니다.

심포지엄에서는 이 기술이 어떻게 한 하이퍼스케일러 코드의 4분의 1을 생성하고 다른 하이퍼스케일러의 의미 있는 엔지니어링 시간을 절약하는지에 대해 들었습니다. 실제 경제에서의 더 광범위한 사용 사례에는 단백질 구조를 예측하는 데 사용하거나 영화에서 배우의 모습을 "나이를 줄이는" 데 사용하는 것이 포함됩니다.

이것들은 눈에 띄는 예입니다. 하지만 하이퍼스케일러들이 이것에 수천억 달러를 지출했다는 점을 염두에 두는 것이 좋습니다. 그들은 올해 AI에 약 2,000억 달러를 지출했고, 내년에는 아마 2,500억 달러로 늘어날 것입니다. 대규모 언어 모델을 개발하는 데는 수천만 달러 또는 수억 달러가 들 수 있습니다. 그래서 이 심포지엄에서 우리는 이 기술이 훨씬 더 많은 사용 사례를 처리하도록 확장될 수 있는지, 또는 바람직한지 여부를 살펴보고 싶었습니다. 이러한 하이퍼스케일러는 많은 자유 현금 흐름을 가지고 있으며, 사용 사례의 예를 보기 시작했지만, 많은 업계 관찰자들은 어느 시점에서 더 광범위한 사용 사례와 수직 분야에 대한 투자 수익이 필요하다고 생각합니다.

광범위한 경제에서 인공지능의 주요 활용 사례가 나타났는가?

생성 AI는 멀티모달이기 때문에 이론적으로 고객 지원, 코딩, 의료 분석, 마케팅 등 여러 분야에 적용될 수 있습니다. AI에 대한 투자 수준이 매우 높다는 점을 감안할 때, 이러한 사용 사례의 총체적 이점은 투자에 대한 견고한 수익을 정당화하기 위해 입증되어야 합니다. 그럼에도 불구하고, 심포지엄에 참석한 일부 사람들은 모든 사용 사례의 경제적 이점이 전체적으로 충분하다면 AI가 특정 영역에서 확장될 필요가 없을 수도 있다고 말했습니다. 즉, 단일 핵심 사용 사례는 필요하지 않을 수도 있습니다. 전반적으로 효율성이 향상될 수 있습니다.

일부 발표자는 처음에는 핵심 사용 사례가 없었다고 주장할 수 있는 매우 큰 규모의 성공적인 기술 사업 사례가 많다고 지적했습니다. 승차 공유 앱의 예를 들어보겠습니다. 이미 완벽하게 좋은 해결책이 있었습니다. 거리 끝까지 걸어가서 택시를 물리적으로 부르는 것입니다. 하지만 소프트웨어와 네트워크 효과를 활용하면 소비자에게 이익뿐만 아니라 매우 큰 경제적 이익을 창출할 수 있습니다.

여전히 소규모 기술 기업이 경쟁할 여지가 있을까요?

심포지엄에서 몇몇 발표자는 소규모 언어 모델에 대한 흥미로운 통찰력을 보였습니다. 처음에는 기술 업체가 대규모 언어 모델을 구축하는 데 집중했으며, 이는 여전히 중요합니다. 하지만 더 작고 효율적인 모델을 개발하는 추세도 있습니다.

작은 언어 모델은 미세 조정이 더 쉽고, 에너지 소비가 낮을 수 있으며, 주어진 도메인(예: 법률, 의학 또는 금융)에서 기업의 특정 요구 사항을 충족하도록 사용자 정의할 수 있습니다. 또한 일반적으로 더 작고 전력을 덜 사용하기 때문에 비용이 덜 듭니다.

대규모 언어 모델은 여전히 중요할 것이고, 기술 대기업은 이러한 개발을 추진할 자원, 자유 현금 흐름 및 대차대조표를 보유하고 있습니다. 하지만 발표자들은 생태계에서 혁신하고 이러한 대규모 모델 위에 놓일 소규모 언어 모델을 개발할 수 있는 다른, 아마도 더 작은 참여자가 있을 것이라고 지적했습니다. 일부 발표자는 이것이 소규모 회사가 스택 상단에서 혁신을 추진할 수 있는 기회를 제공한다고 생각했고, 그렇게 하기 위해 매일 설립되는 많은 회사를 강조했습니다.

생성 AI의 높은 비용이 개발을 방해할 수 있을까?

LLM을 교육하려면 매우 높은 수준의 자본 투자가 필요합니다. 데이터 센터를 구축해야 하고, GPU와 메모리 칩을 포함한 모든 반도체가 필요하며, 하드웨어, 전력 및 유틸리티가 필요합니다. 발표자들은 일부 도메인에서 쿼리당 비용이 일반 검색 알고리즘보다 몇 배 더 높다고 언급했습니다.

그럼에도 불구하고, 비용 절감에 대한 꾸준한 진전이 있었습니다. 일부 대형 기술 회사의 생성 AI 쿼리 비용은 이 기술이 출시된 이후 상당히 낮아졌으며, 신세대 AI 회사는 최신 세대 LLM에서 창출한 수익이 이전 모델을 훈련하는 데 드는 비용을 초과했다고 말했습니다. 일부 발표자는 상당한 수익이 창출되지 않으면 AI에 대한 지출이 감소할 위험이 있을 수 있다고 말했지만, 하이퍼스케일러는 향후 몇 년 동안 투자를 계속할 것이라는 데 의견이 일치했습니다. Goldman Sachs Research는 향후 몇 년 동안 AI에 약 1조 달러가 투자될 것으로 예측합니다.

AI를 더욱 확장하는 데 방해가 되는 다른 장애물은 무엇입니까?

AI 확장에는 여러 가지 과제가 있습니다. 기술을 구축하려면 반도체, 전력, 그리고 많은 데이터에 대한 액세스가 필요합니다.

데이터가 핵심 질문이 되고 있습니다. 개발자들이 인터넷에 있는 거의 모든 데이터로 이러한 대규모 언어 모델을 훈련한 지경에 이르렀습니다. AI 전문가들은 이 문제를 극복하는 방법을 알아내려고 노력하고 있습니다.

한 가지 잠재적인 답은 멀티모달 학습입니다. AI 모델은 텍스트뿐만 아니라 비디오와 사진도 섭취하여 학습합니다. 그러면 훨씬 더 많은 정보를 얻을 수 있습니다. 또한 연구 기관이나 기업과 같은 독점적인 사일로에 있는 데이터 저장소도 있으며, 이론적으로 이러한 모델이 훈련되는 데이터 코퍼스에 추가될 수 있습니다. 또한 양자 컴퓨팅이 모델을 훈련하는 데 사용할 수 있는 일부 고충실도 데이터를 생성할 가능성에 대해서도 들었습니다.

엄청난 에너지 요구 사항은 또 다른 병목 현상입니다. 발전량은 2030년까지 최소 3~4배 증가해야 합니다. 그리고 한 패널은 그 기간 동안 4~5개의 가장 큰 하이퍼스케일러에서 증가한 에너지 요구 사항이 현재 프랑스의 에너지 소비량과 동일할 것이라고 강조했습니다. 다행히도, 더욱 발전된 반도체는 더 나은 전송 인프라와 더 효율적인 전력 변환을 가져올 수도 있습니다. 반도체를 더욱 에너지 효율적으로 만들기 위한 노력도 진행 중입니다.

대규모로 AI를 도입하는 데에는 어떤 위험이 있으며, 어떻게 위험을 제한할 수 있습니까?

AI의 확산은 그 사용의 윤리에 대한 우려를 불러일으켰습니다. 그럼에도 불구하고, 우리 패널은 기업과 윤리 기관이 개발 중인 사용 사례를 모니터링하고 AI가 오용되지 않도록 하는 보호책을 제안하고 있다는 점을 강조했습니다. 예를 들어, 일부 발표자는 특정 작업의 맥락에 익숙한 인간이 AI 출력을 확인하면 환각이 해로운 영향을 미칠 위험을 줄일 수 있다고 논의했습니다.

이에 따라 발표자들은 AI 사용이 위험성이 가장 낮은 도메인으로 점차 제한될 수 있으며, 안전 기능과 인간의 감독이 필요하다는 점에 동의했습니다.

유럽의 하드웨어 및 반도체 회사는 AI 기술 개발로 어떤 혜택을 볼 수 있을까?

여러 유럽 하드웨어 및 반도체 회사가 혜택을 볼 수 있습니다. 특히, 심포지엄에서는 원자층 증착 기술에 대해 알아보았습니다. 원자층 증착 기술은 실리콘 웨이퍼에 재료를 매우 정확하게 증착하여 칩을 제작할 수 있는 반도체 생산 장비입니다. 네덜란드의 한 회사가 이 기술을 제공합니다. 이러한 칩이 더욱 강력해짐에 따라 공간과 전력에 대한 효율성이 높아야 하므로 새로운 칩 설계는 점점 더 원자층 증착 기술을 활용하고 있습니다.

여러 참가자는 또한 장치의 공간을 효율적으로 사용하는 데 필요한 고급 반도체 패키징 분야에서 유럽의 역량을 강조했습니다. 그리고 마이크로칩에 트랜지스터를 인쇄하는 메커니즘인 리소그래피도 계속 발전하여 점점 더 강력한 처리 기능을 제공할 것입니다. 유럽은 또한 그러한 종류의 기술을 주도적으로 생산하는 나라입니다.

마지막으로, AI 서버를 운영하려면 상당한 전력 변환이 필요하며 유럽은 이 분야에서도 유망한 역량을 갖추고 있습니다.

NULL_CELL

위험 경고 및 투자 면책 조항

여러분은 전략 거래와 관련하여 고 위험성을 이해하고 인정합니다. 모든 전략이나 투자 방법을 따르면 손실이 발생할 수 있습니다. 사이트의 콘텐츠는 정보 제공의 목적으로만 기여자와 분석가가 제공합니다. 귀하의 투자 목표와 재정 상황에 따라 거래 자산, 증권, 전략 또는 기타 상품이 귀하에게 적합한지 여부를 결정할 책임은 전적으로 여러분에게 있습니다.

위험 공개

주식, FX, 상품, 선물, 채권, ETF 또는 암호화폐와 같은 금융 자산 거래의 손실 위험은 상당할 수 있습니다. 중개인에게 자금을 예치할 경우, 이 자금이 전부 손실될 수도 있습니다. 따라서 귀하의 상황과 재정 상황에 비추어 그러한 거래가 귀하에게 적합한지 신중하게 고려해야 합니다.

본인 스스로 나름대로 철저히 조사를 하거나 재무 관련 상담가와 상의하지 않고는 이러한 투자는 고려해서는 안됩니다. 이런 절차 없이 투자할 경우, 귀하의 재정 상태와 투자 요구 사항을 알지 못한 상태에서 하는 투자이기 때문에 당사의 웹 콘텐츠는 귀하에게 적합하지 않을 수 있습니다. 당사의 재무 정보가 최신으로 업데이트 되는 데는 지연이 있을 수 있고, 부정확한 내용이 포함될 수도 있으므로 모든 거래 및 투자 결정에 대한 책임은 투자자 본인의 몫입니다. 회사는 귀하의 자본 손실에 대해 책임을 지지 않습니다.

웹사이트의 허가 없이 웹사이트 그래픽, 텍스트 또는 상표를 복사할 수 없습니다. 이 웹사이트에 포함된 콘텐츠 또는 데이터에 대한 지적 재산권은 해당 공급자 및 거래소 판매자에게 있습니다.

최근 검색

인기 검색어

견적

분석

사용자

7x24

경제 일정