프로그램명 'CBS라디오 <박성태의 뉴스쇼>'를
정확히 밝혀주시기 바랍니다. 저작권은 CBS에 있습니다.
* 아래 텍스트는 실제 방송 내용과 차이가 있을 수 있으니 보다 정확한 내용은 방송으로 확인하시기 바랍니다.
======================================================
■ 방송 : CBS 라디오 <박성태의 뉴스쇼> FM 98.1 (07:10~09:00)
■ 진행 : 박성태 앵커
■ 대담 : 김정호(KAIST 전기·전자공학부 교수)
◇ 박성태> 지금부터는 공부를 잠깐 해 보도록 하겠습니다. 코스피가 연일 최고치고요. 지금 시장에서도 반도체주는 또 오르고 있는 것 같아요. 삼성전자, 하이닉스는 제가 조금 전에 확인했는데 또 오르고 있는 것 같고 반도체가 우리나라 증시 전체를 끌어올리고 있죠. 그래서 이 반도체가 지금 왜 대체 이렇게 인기고 그러면 앞으로는 또 어떻게 될지 이 반도체에 대한 공부를 잠깐 해보도록 하겠습니다. 고대역폭 메모리 HBM의 아버지로 불리는 분입니다. 처음 HBM 개념과 상용화를 시작한 분이죠. 김정호 카이스트 교수님 모시고 반도체의 미래 이야기해 보겠습니다. 교수님, 안녕하십니까.
◆ 김정호> 반갑습니다.
◇ 박성태> 일단 HBM을 필두로 해서 우리나라 반도체, 삼성전자와 SK하이닉스 반도체가 전 세계에서 가장 인기 있는 상품이 됐어요. 감회가 어떠십니까?
◆ 김정호> 제가 삼성전자하고 일을 시작한 게 94년이고 하이닉스하고 일을 시작한 게 96년입니다. 그러니까 30년 됐는데 그 기간 동안 기업이 엄청 성장을 했고요. 최근에는 좀 폭발적으로 성장을 하는데 또 국가 경제에도 이바지하는 것 같고 그래서 참 뿌듯하고요. 또 거기 우리 제자들도 많이 가 있습니다. 그래서 30년 전에 제가 같이 일했던 분들은 다 퇴직하고 안 계시는데 저는 아직까지 같이하고 그래서 영광으로 생각하고 가문의 영광으로 생각하고요. 지난주 토요일 저희 연구실 30주년 모임이 있었습니다. 기흥에서 삼성전자 바로 코 앞에서 했습니다. 그게 저희의 마음을 많이 표현하는 건데 너무나 분위기가 좋았습니다.
◇ 박성태> 정말 뿌듯하시겠어요. 사실 세계 최고의 기업이라고 불렸던 엔비디아, 구글, 애플. 어떻게 보면 지금 교수님께서 참여하신 그 프로젝트를 필두로 해서 반도체가 앞서 언급한 기업들과 삼성전자, 하이닉스가 어깨를 나란히 하도록 했잖아요.
◆ 김정호> 또 미래는 지금 AI를 저는 동시에 같이 보고 있는데요. AI의 본질은 메모리더라고요. AI가 왜 이렇게 똑똑한가 봤더니 기억력이 좋은 거더라고요. 그거를 작년 가을부터 깨닫기 시작했는데 구글도 그렇게 느끼고 아마 테슬라, 엔비디아 다 요즘 그렇게 느낄 겁니다. 그래서 사재기에 들어간 것 같습니다. 그런데 이런 게 지속된다면 삼성이 엔비디아도 넘을 수도 있지 않겠나, 언젠가는.
◇ 박성태> 언젠가는.
◆ 김정호> 언젠가는, 그런 꿈도 꿔봅니다.
◇ 박성태> 지금 사실 이익 규모는 삼성전자가 비슷해지긴 했습니다. 엔비디아가 세계 시총 1위이긴 한데.
◆ 김정호> 시총 1위 하고 삼성전자가 몇 배 차이 나는지 정확한 숫자는 없습니다.
◇ 박성태> 3배 좀 넘게 차이 납니다.
◆ 김정호> 3배는 한번 도전해 볼 수 있지 않을까. 제 남은 기간, 몇 년이 될지 모르겠습니다. 그 기간 동안 제 꿈입니다.
◇ 박성태> 제가 사실 HBM부터 먼저 여쭤보려고 그러는데 지금 방금 교수님께서 AI는 보니까 AI 기본은 메모리더라.
◆ 김정호> 본질이 메모리다.
◇ 박성태> 본질이 메모리더라, 왜 그런 겁니까?
◆ 김정호> 시간이 제약돼 있어서 짧게 짧게 말씀드립니다마는 과거의 인공지능은 학습에 기반을 했습니다. 그때 GPU가 필요하고 데이터가 많이 필요했는데 근본적인 한계에 딱 부딪혀 버렸습니다. 그걸 할루시네이션이라고 그러는데요. 환각 현상입니다. 아무리 데이터 갖고 하더라도 진실을 모두 다 알 수는 없다는 게 하나가 있고요. 그다음에 개인화라는 게 있는데요. 개인에 맞춰서 결과를 내줘야 되는데 그렇게 해서 할루시네이션을 극복할 수 없기 때문에 아예 우리가 질문을 하면 인터넷에서 찾아서 하거나 내가 제공한 정보를 갖고 결과를 주는 방식으로 바뀌고 있습니다. 그러니까 최신 정보를 가장 많이 갖고 있는 인공지능이 정확한 답을 낼 수밖에 없고 또 하나는 인터넷 검색을 잘하는 인공지능이 잘할 수밖에 없고 또 하나는 제 개인 데이터를 많이 가질 수 있는 인공지능이 저한테 맞춤형으로 결과를 줄 수밖에 없습니다. 인공지능 기업으로 보면 구글의 제미나이, 오픈 AI의 GPT, 앤트로픽의 클로드 있는데 AI의 모델 자체는 거의 저는 평준화됐다고 봅니다. 이제는 누가 많은 데이터를 많이 갖고 있느냐인데 그거를 공급하고 빨리 줄 수 있는 거는 메모리입니다. 그래서 결국은 AI의 게임은 메모리에서 결정되는 걸로 가고 있다. 이렇게 저는 판단하고 있습니다.
◇ 박성태> 결국은 데이터를 얼마나 빨리 찾아내서 또 많이 보고 이거를 추론에 응용하느냐가 AI의 핵심인데.
◆ 김정호> 그렇습니다. 그래서 결국 AI 성능은 메모리의 속도와 용량의 곱으로 표현된다는 게 제 주장입니다.
◇ 박성태> 메모리의.
◆ 김정호> 속도와 용량. 얼마나 빨리 제공해 주느냐, GPU에. 그게 속도고요. 그거를 대역폭이라고 보통 얘기하고 용량은 몇 테라바이트냐, 몇 페타바이트냐 1인당 제공할 수 있느냐, 그걸 인프라 게임이라고 우리가 또 얘기하는데요. 게임이 AI 모델에서 인프라 게임으로 넘어가고 있는 겁니다. 그래서 테슬라의 일론 머스크가 테라펩을 짓겠다는 이런 얘기도 나오고 있고요. 결국은 그 뒤에 전기와 자본의 게임으로 넘어가고 있습니다. 근데 기술적으로 보면 가장 부가가치가 높고 중요한 게 메모리다. 이렇게 생각을 하고 있습니다.
◇ 박성태> 예를 들어서 우리가 친숙한 제미나이나 챗GPT 둘이 경쟁을 한다고 하면 각각의 GPU 칩들이 옆에 있는 메모리들에게 정보를 많이 넣고 우리가 프롬프트 질문을 넣었을 때 명령어를 넣었을 때 얼마나 빨리 얼마나 많은 정보를 검색해서 적절한 답을 꺼내냐 이게 핵심이라는 거네요. 그러면 그 역할은 메모리가 하고.
◆ 김정호> 그게 반쯤 되고요. 그게 반쯤 됩니다. 그래서 요즘 그런 역할을 하는 쪽에 낸드 플래시 메모리가 많이 필요해서 삼성, 하이닉스, 샌디스크 주가가 하늘을 올라가고 있는 거고요. 그다음에 읽어온 다음에는 GPU가 해석을 한번 합니다. 그래서 만들어내는 결과를 KV캐시라고 하는데요. 그다음에 우리가 단어를 쭉 하나씩 뽑아내 줄 때 GPU하고 HBM 사이에 데이터를 엄청 빠른 속도로 주고받아야 됩니다. 그 두 단계가 아까 낸드 플래시와 HBM이 둘 다 필요한 그런 시대가 됐습니다.
◇ 박성태> 저장돼 있는 건 낸드 플래시에 저장돼 있고.
◆ 김정호> 대부분.
◇ 박성태> 그리고 우리가 HBM이라는 건 GPU랑 바로 연결되는.
◆ 김정호> 해서 주거니 받거니 하면서 우리 인간의 언어를 인공지능의 언어로 해석한 다음에 그걸 케이블 캐시라고 그러고요. 그걸 하나씩 우리한테 쏟아내 주는 겁니다. 그럴 때는 또 속도가 또 중요하고 그렇습니다. 근데 우리 삼성전자, 하이닉스는 둘 다 하잖아요. 완전히 양손에 떡을 들고 있는 거죠.
◇ 박성태> 약간 이렇게 이해하면 됩니까? 기본적인 저장 공간은 낸드 플래시가 담당을 하고 있고 데이터를 저장하는 건.
◆ 김정호> 그런 거를 전문용어로 롱텀 메모리라고 그럽니다. 그래서 콜드 메모리라고 하고 지금 당장 막 1초에 수조 번씩 갖다 쓰는 건 아니고 필요할 때 빨리 갖다 써야 되는 메모리입니다.
◇ 박성태> 그러면 제 개인 저장 기록이나 어떤 활동 기록.
◆ 김정호> 아니면 전에 어제 혹시 앵커님이 챗GPT 썼으면 그 기록을 또 어디 보관하고 있습니다.
◇ 박성태> 그게 낸드가 하는.
◆ 김정호> 예, 근데 나중에, 그것도 용량이 안 되니까 저는 HBF로 해야 된다는 게 제 주장이고요.
◇ 박성태> 그렇군요. 그러면은 그 앞에 GPU칩 옆에 바로 붙어 있는 게.
◆ 김정호> 날개처럼 붙어 있는 거.
◇ 박성태> HBM. 이게 아주 빠른 속도와 용량으로 GPU를 도와주는.
◆ 김정호> 도와준, 지금까지는 최고였죠. 그런데 용량이 좀 딸려서 낸드나 HBF가 요즘 중요해지는데 어쨌거나 바로 옆에 붙어서 계산을 열심히 도와주는 GPU의 계산을 도와주는데 미래에는 아예 GPU 일부 기능을 HBM에 넣자는 게 제 주장입니다. 계산도 우리가 하자. 그러면 엔비디아 왕따시키자는 거죠. 지금 HBM4에는 이미 그게 좀 들어가기 시작하고 있습니다.
◇ 박성태> 제가 좀 낮아서 잘 몰라서 다시 좀 밑으로 내려가서 여쭤보면 혹시 저희보다 위에 있는 분들에게는 정말 죄송할 수 있겠는데 그러면 AI 데이터 센터라고 우리가 흔히 얘기하는 거는 방금 말씀하신 낸드 같은 롱텀 메모리들이 쭉 있는 데이터들을 가지고 있는 방대한 창고.
◆ 김정호> 공장이 두 종류가 있습니다.
◇ 박성태> 그다음에 GPU와 HBM으로 이루어진.
◆ 김정호> 공장이 두 종류가 있는데 AI, 메모리 팩토리라고 저는 요즘 부르는데요. 낸드만 집중적으로 있는 팩토리가 하나가 있고 그 옆에는 GPU하고 HBM이 같이 붙어서 우리한테 AI 생성 서비스를 해주는 또 팩토리가 있고 그렇게 되겠습니다. 근데 낸드 플래시로 이루어진 팩토리와 GPU, HBM 팩토리를 연결해 줘야 되잖아요. 그걸 광통신으로 요즘 하고 있습니다.
◇ 박성태> 그래서 또 광통신주가.
◆ 김정호> 그렇게 또 연결이 되는 겁니다.
◇ 박성태> 연결이 되는 거군요. 알겠습니다. 근데 방금 말씀하신 낸드나 HBM, 다 우리나라가 세계 최고.
◆ 김정호> 그렇습니다. 근데 거기에 아까 말씀드린 것처럼 HBM4, 5, 6, 7 가면서 GPU와 CPU도 HBM 안으로 집어넣자는 게 제 주장이에요. AI 컴퓨팅이 메모리 중심으로 일어나니까 GPU에 종속하지 말고 우리가 다 하고 조금 귀찮은 계산만 GPU테 넘겨주자는 거예요. 근데 그렇게 하려면 파운더리가 있어야 돼요. GPU와 CPU를 설계할 능력과 제작 능력이 있어야 되잖아요. 그게 삼성전자가 갖고 있다고 볼 수 있습니다.
◇ 박성태> 삼성전자가 그걸 갖고 있는 게 나중에 접목시킬 수도 있다는 말씀이시군요.
◆ 김정호> 이미 HBM4부터는 시작을 했고요. 그러니까 토탈 솔루션을 낼 수 있는 거죠. 그러니까 우리가 그걸 버티컬 스틱이라고 하는데 오늘 기독교 방송에서 너무 무리한, 근데 이런 용어를 우리 앵커님이나 시청자님들이 익숙하지 않으실 수 있는데 내년쯤 되면 또 귀에 따갑게 들으실 겁니다. 저는 좀 그다음 세대를 얘기를 하는데 구글 같은 경우는 다 있는데 메모리가 없고요. 오픈 AI는 모델만 있죠, 엔비디아는 메모리가 없고요. 근데 삼성은 전체 풀 스텍을 가질 수 있기 때문에 잘하면 세계 1등 기업도 될 수 있고 그 대신에 또 경쟁자도 많을 것 같습니다.
◇ 박성태> 그러면 HBM부터 여쭤보도록 하겠습니다. 사실 그것도 제가 잘 몰라서 HBM이 무엇이고 일단 왜 각광받는지 좀 설명을, 일단 기존 메모리와 뭐가 다른 겁니까?
◆ 김정호> 두 가지 일단 말씀을 드리는데 AI 입장에서 메모리에 필요한 성능이 속도와 용량입니다. 그래서 일단 제가 용량을 높이는 방법은 쌓자는 거예요, 아파트처럼. 땅 넓이가 정해져 있는데 우리가 많은 사람들이 도시 근처나 지하철역 근처에 살기 위해서는 건물을 지어야 되잖아요, 아파트처럼. 우리 제가 사는 대전은 그럴 필요 없습니다. 계룡산 밑에 나지막하게 살면 되는데 그러니까 쌓자라는 게 용량을 높이는 방법이라고 제가 90년대 말부터 생각을 한 거죠. 그다음에는 속도를 높여야 되는데 속도는 우리 고속도로를 비유로 하면 차선이 많은 겁니다. 그다음에 차 속도를 200km, 100km 가던 거를 300km 가게 설계를 하는 거고 보통 우리 경부고속도로 차선이 8차선이다 그러면 저는 1024차선으로 처음부터 설계를 한 거예요. 요즘은 2048차선이고 저는 그게 100만 차선까지 가야 된다는데 경부고속도로 처음 지을 때 4차선만 해도 비용이 엄청 들었을 거 아니에요. 이게 필요하냐는 논란이 있을 수 있는데 저는 그런 시대가 올 거라고 생각하고 처음부터 1000차선을 짓자. 그러니까 많은 분들이 호응을 안 했던 것 같습니다. 그래서 그 두 가지, 그다음에 속도를 높이려니까 이렇게 쌓기도 하면 엘리베이터가 중요합니다. 데이터를 수직으로 해야 되니까. 그러니까 단층 건물 짓는 건축 기법하고 100층짜리 짓는 건축 기법과 철학은 완전히 다릅니다. 비용보다는 안정성 그다음에 그 고객 만족도 이런 게 다른 거죠. 지진에도 건뎌야 되고 태풍에도 견뎌야 되고 그런 거를 저희가 한 30년간 계속 연구해 왔는데 하여튼 그 2개 속도와 용량을 동시에 만족시킬 수 있는 방법은 HBM 구조밖에 없다고 저는 생각을 했던 거죠.
◇ 박성태> 그럼 적층, HBM 이게 기본적으로 메모리잖아요. DRAM 같은 메모리인데 그럼 DRAM 여러 개를 쌓아 놓아서 놓는 건데.
◆ 김정호> 예.
◇ 박성태> 근데 이게 마치 하나의 DRAM처럼 작동시키게 하는 게 말씀하신 엘리베이터가 그 안에 있는 것처럼 한다는 말씀이시군요.
◆ 김정호> 그렇습니다. 그리고 또 그 제어 장치가 또 HBM 안에 들어가서 바깥에서 보면 한 몸체처럼 보이게 그렇게 설계를 합니다.
◇ 박성태> 이게 그러면 옆에 여러 개를 놔두고 이렇게 전원주택처럼 쭉 피지 않고 아파트처럼 한 곳에 쌓는 것에 장점은 뭐가 있습니까?
◆ 김정호> 옆으로 쌓으면 데이터가 오고 갈 때 시간이 좀 걸립니다. 저희 아파트 옆에 대전에 신세계 백화점이 있는데 가려면 5분 정도 비 맞고 걸어가야 돼요. 근데 옆에, 그런데 쌓으면 그냥 엘리베이터 타고 바로 내려가서 그냥 장 보고 올라가면 되잖아요.
◇ 박성태> 그러네요.
◆ 김정호> 그러니까 이 엘리베이터가 있기 때문에 가능하긴 한데 버티컬 스테그를 하면 소통 시간이 훨씬 더 짧아집니다. 그러면.
◇ 박성태> 중간에 골목 같은 거 안 지나가도 되고.
◆ 김정호> 예, 그래서 AI를 사용할 때 HBM을 사용하면 단어 그러니까 우리가 챗GPT한테 보고서 써달라면 1초 만에 다 써주는 거니 속도가 빨라지는 겁니다.
◇ 박성태> 기본적으로 데이터를 처리해야 되니까 용량이 필요한데, 앞서 말씀하신. 속도라는 거는 이 GPU칩과 메모리 간의 데이터를 주고받는 속도.
◆ 김정호> 그렇습니다.
◇ 박성태> 이 통로가 기존 메모리에 비해서 HBM이 높이 쌓음으로써 엄청나게 빨라졌다는 거군요.
◆ 김정호> 그렇습니다.
◇ 박성태> 아무리 많이 갖고 있어도 칩이 메모리에게 시켰는데 CPU가, GPU가 뭘 시켰는데 얘가 늦게 갖다주면.
◆ 김정호> 지금은 과장되게 얘기하면 GPU가 90% 시간을 놀고 있습니다. 데이터가 메모리에서 안 와서. 그렇다는 거는 부가가치가 메모리의 속도에 비례한다고 볼 수 있겠습니다.
◇ 박성태> 그렇군요.
◆ 김정호> 그게 다 추론에서 오는 겁니다. 아까 말씀드린 것처럼 그걸 컨텍스트 엔지니어링이라고 그러는데요. 데이터를 빠르게 읽어와서 많이 정리한 다음에 지표에 보내는 게 더 중요해져 버렸습니다. 전에는 학습이 중요했더라면. 그런 것과 다 연관성이 있습니다.
◇ 박성태> 그러면 이 HBM 기술은 사실 하이닉스가 먼저 상용화했고 그다음에 삼성전자가 사실은 손을 안 댔다가 뒤에 들어오긴 했는데 다른 나라들이 추격할 가능성은 없습니까? 예를 들어서 마이크론이랄지.
◇ 박성태> 10년 후에는 모든 게 가능합니다. 일단 마이크론과 샌디스크가 있습니다. 샌디스크는 HBM은 안 했지만 HBF에 진심으로 지금 하고 있습니다. 낸드가 시장이 커지니까 이거를 또 용량을 넓히는 방법은 쌓는 방법밖에 없잖아요. 그래서 마이크론과 샌디스크가 어떻게 보면 엔비디아나 구글 입장에서 미국 기업이니까 또 한국에 올인하기에 좀 부담스럽지 않습니까? 지정학적으로. 그러니까 미국 회사를 키울 수 있는데 그중에 하나가 마이크론이고요. 그중에 하나가 샌디스크입니다. 그래서 지금은 어쩔 수 없이 생산량이 삼성과 하이닉스가 훨씬 많고 성능이 또 제일 좋습니다. 삼성, 하이닉스 게. 그러니까 의존하지만 장기적으로는 아마 여러 기업으로 분산하려고 하지 않겠나, 그게 하나의 리스크고요. 또 하나는 삼성전자, 하이닉스 공장을 미국에 지으라고 자꾸 요구할 것 같습니다. 지정학적으로 가까이 있는 기업으로 하려고 그럴 것 같고요. 세 번째는 중국 기업들이 메모리를 조금씩 생산하고 있지 않습니까? 거기가 HBM을 또 만들기 시작하지 않을까. 그래서 우리가 정신을 잠시만 놓치면 언제든지 따라잡힐 수 있다. 이렇게 생각합니다.
◇ 박성태> 지금 그러면 후발 주자들 아직 안 오고 있지만 앞서 샌디스크 같은 경우는 HBF, F라는 GPU 말고 저쪽에 저장 장치를.
◆ 김정호> 낸드 플래시도 쌓자는 거죠.
◇ 박성태> 낸드를 HBM처럼 쌓자는 거죠. 그게 앞으로 필요하다는 게 교수님의 생각이신데.
◆ 김정호> HBM도 필요하고 HBF도 필요하다는 거예요.
◇ 박성태> 그 기업들과 우리나라 삼성, 하이닉스의 격차는 몇 년 정도로 봐야 될까요?
◆ 김정호> 한 3년 정도로 생각합니다. 근데 우리가 잠시 졸면 금방 따라잡히거든요. HBM, HBF 필요 없다고 생각한다든가 경영적인 실수라든가 또 요즘은 노사 문제도 있지 않습니까? 여러 가지가 결합되면 순식간에 유사 이래로, 우리 단군 이래로 최고의 기회가 날아갈 수도 있다 이렇게 생각합니다.
◇ 박성태> 사실 구글이나 메타, 아마존 보통 하이퍼 스케일러, 초거대 클라우드 사업자라고 그러더라고요. 이분들이 AI 데이터 센터들을 엄청나게 지어서 경쟁하는 친구들인 거죠?
◆ 김정호> 맞습니다.
◇ 박성태> 여기인데 말씀하신 내용은 AI 데이터센터는 사실은.
◆ 김정호> 메모리 공장이다.
◇ 박성태> HBM, GPU 그리고 낸드 플래시로 이어지는 메모리 공장이다.
◆ 김정호> 메모리 공장이다. 그리고 그 옆에 발전소가 있어야 되고.
◇ 박성태> 이건 전력 때문에요.
◆ 김정호> 예. 누가 돈을 대야 되고 그래서 AI 모델의 경쟁인 줄 알았더니 인프라와 자본의 에너지의 경쟁으로 지금 옮겨가고 있습니다.
◇ 박성태> 이거는 그러면 어느 정도가 사실은 되면 이 정도면 오픈 AI, 클로드든 예를 들어서 제미나이든 얼추 너희들이 일을 할 수 있는 메모리 용량은 갖춰졌잖아. 되는 건지 아니면 계속 기하급수적으로 늘어날 건지.
◆ 김정호> 저는 기하급수적으로 늘어난다고 봅니다. 그게 여러 가지 요소가 있는데 개인화 제 맞춤형으로 제작해 줘야 되고 멀티 모델로 가야 되고 또 하나는 미래에는 1인 기업이 AI 100개 에이전트 갖고 창업을 하는 시대가 될 것 같습니다. 그러면 고용이 안 되고 그런 사회적인 문제는 언제 기회 있을 때 다시 우리 논의하도록 하고요. 그러면 100배 정도는 필요하지 않겠나, 메모리가. 그런데 사용자가 또 100배 늘 수가 있습니다. 지금은 전 국민 중 아주 활동적으로 AI를 사용하는 분들이 11%에서 10% 정도 아닐까 싶어요. 하루 종일 AI 갖고 일 다 할 수도 있거든요, 미래에. 그러면 그걸 다 곱하면 미래에는 훨씬 더 많은 AI 메모리가 필요할 수 있는데 근데 그거를 지을 만한 자본이 있느냐, 전력 공급이 되느냐. 이런 리스크 요소는 있겠습니다. 그걸 우리 사람들이 버블이라고 하는데요. 그것이 없다면 계속 수요가 늘 수밖에 없습니다, 기술적으로는.
◇ 박성태> 돈과 공급의 문제지 수요는 무궁무진하다는 게 교수님 전망이시군요.
◆ 김정호> 그렇습니다.
◇ 박성태> 그러네요. 지금 안 쓰는 분도 쓰다 보고 또 쓰니까 AI 똘똘하네. 그러면 이것저것 시키다 보면 일이 많아지고 그 일은 사실은 GPU와 메모리가 하는 것이다.
◆ 김정호> 또 재밌는 현상이 AI 에이전트를 통해서 일을 대신하면 24시간 일하더라고요. 우리 대신에. 우리는 어쩌다가 챗GPT 한 번 쓰잖아요. AI가 계속 쓸 수 있습니다.
◇ 박성태> 프롬프트를 따로 안 줘도.
◆ 김정호> 안 줘도 일을 맡기면 그런 걸 자율형 AI 에이전트라고 그러는데요. 그런 에이전트를 우리가 100개 쓰면 이게 24시간 100개가 돌아가는 겁니다. 그래서 그걸 토큰 사용량이라고 그러는데 토큰 사용량이 또 메모리 용량을 키우고 이래서 생각보다는 상상 이상의 메모리 수요가 필요할 것 같습니다. 근데 거듭 말씀드리지만 그걸 누군가 사 줘야 되잖아요. 그만큼 AI 기업들이 부가가치를 창출하고 사람들에게 제 주머니에서 한 달에 100만 원, 1000만 원도 쓸 수 있어요, 한 달에. 그거를 기업이나 국가나 개인이 지불할 수 있느냐.
◇ 박성태> 그게 관건이다.
◆ 김정호> 그게 관건이고 근데 그 기업에서 1인당 1000만 원 쓰게 하려면 한 사람을 레이어프 시켜야 돼요.
◇ 박성태> 고용 문제가.
◆ 김정호> 예, 그런 게 가장 어려운 숙제가 될 거 같습니다.
◇ 박성태> 교수님 이야기 들으니까 미래가 조금씩 보이는 것 같은데 밝기도 하고 암울하기도 합니다. 다시 한번 제가 모셔서 시간이 되면 더 좀 미래 얘기 들어보고 싶습니다. 김정호 교수님이었습니다.