양판과의 100분간의 심층 대화: 실리콘 기반 모바일 컴퓨팅의 해시레이트, 에이전트, 철학, 그리고 2026년 산업 재편에 대한 이야기.
기사 작성자 및 출처: 랑한웨이(윌)
오늘 밤 10시에 양판 씨와 저는 100분 동안 함께 라이브 스트리밍을 진행했습니다.
전화를 끊고 나니 식은땀이 났다. 그가 한 말 중 어느 특정 관점 때문이 아니라, 시간의 흐름에 뒤처질지도 모른다는 공포감 때문이었다. 양판은 이런 비유를 들었다. 백미러로 기차가 점점 가까워지는 것을 보다가, 기차가 나를 추월하는 순간 그림자조차 보이지 않게 되는 것과 같은 상황이라는 것이다.
양판은 "바로 지금, 백미러에서 차가 당신 옆으로 다가오려는 그 순간이 제가 가장 불안해하는 순간입니다."라고 말했다.
더욱 걱정스러운 것은 그가 제게 주변 사람 중 한 명이 일주일 만에 일일 토큰 소비량을 0.01B(1천만)에서 0.1B(1억)으로 늘렸다고 말한 점입니다.
나는 불쑥 "어떤 사람들은 신이 되어가고 있지만, 우리는 여전히 인간일 뿐이야."라고 말해버렸다.
양판은 잠시 말을 멈췄다가 "네, 그게 요즘 저를 가장 괴롭히는 부분입니다."라고 말했다.
이는 과장이 아닙니다. 우리가 아직 AI가 무엇을 할 수 있는지 논의하는 동안, 이미 일부 사람들은 공학적 기법을 사용하여 수백, 심지어 수천 개의 에이전트를 매일 병렬로 가동시키고 있으며, 평균적인 사람보다 100배에서 1000배 더 많은 토큰을 소비하고 있습니다. 이 격차는 선형적으로 증가하는 것이 아니라 기하급수적으로 증가하고 있으며, 매일 더욱 벌어지고 있습니다.
I. 2026년의 근본적인 변화: 모델 개선에서 에이전트를 위한 인프라 구축까지
[1. OpenClaw: 상징적 사건 이면에 숨겨진 논리적 전환]
2026년 1월에는 정말 많은 일들이 일어났습니다. 너무나 많은 일들이 있어서 클로드봇(Clawdbot) 같은 제품은 단 일주일 만에 이름을 세 번이나 바꿨습니다.
양판은 "2026년 1월에 발생한 변화만으로도 지난 25년간 6개월 동안 발생한 변화의 총합과 맞먹는다"며 "이 시기는 주요 사건들이 빈번하게 발생하는 시기"라고 말했다.
양판은 이러한 모든 변화 중에서 오픈클로(이후 MCP로 개명)가 가장 상징적인 사건이었다고 생각합니다. 첨단 기술 때문이 아니라 근본적인 변화를 나타냈기 때문입니다.
"OpenClaw가 2026년 1월에 그토록 인기를 얻게 된 이유는 무엇일까요? 대규모 모델을 위한 인프라 구축 과정을 직접적으로 간소화했기 때문입니다."
나는 더 나아가 "당신이 말하는 '개방'이란 무엇을 의미하나요?"라고 물었다.
양판은 "연결되는 순간, 얼마나 많은 기능이 열리는지 깨닫게 됩니다."라며, "이런 연결은 오래전에 이루어졌어야 했지만, 오픈클로가 이를 합의로 이끌어내고 간소화했습니다."라고 말했다.
그는 또한 인공지능 업계가 지난 3년간 어떤 활동을 해왔는지 설명했습니다.
"2025년에는 업계 전체가 무엇을 하고 있을까요? 한편으로는 모델 자체의 추론 능력을 향상시킬 것이고, 다른 한편으로는 에이전트의 핵심 기능, 즉 생각하고 도구를 조정하는 능력과 전반적인 상황 처리 능력을 향상시킬 것입니다. 여기에는 최신 Opus 모델의 사고 능력과 도구 호출 능력이 포함됩니다."
"오늘날의 새로운 모델, 예를 들어 지푸 신모델이나 키미 신모델 같은 것을 살펴보면, 사고력이 아무리 뛰어나더라도 도구를 활용하지 못하면 쓸모없는 모델일 뿐입니다. 그저 몇몇 기사를 처리하고 몇몇 질문에 답할 수 있을 뿐이죠."
이 판단은 중대하지만 매우 정확합니다.
양판은 이어서 "매우 흥미로운 현상을 발견하게 될 겁니다. 새로 학습된 비클로드 모델은 클로드 코드에서 실행될 때 도구를 사용하지 않거나, 클로드 코드를 사용하지 않거나, 클로드 코드에 의해 사용되지 않습니다."라고 말했습니다.
이제 이해했어요. "클로드 코드의 기능은 매일 개선되기 때문입니다."
"네, 하지만 저희 모델 학습 속도는 이제 몇 달 정도로 매우 빠릅니다. 새로운 모델을 학습시킨 후에는 최신 버전의 클로드 코드와 호환되지 않거나, 최신 버전의 클로드 코드에서 사용되지 않는다는 것을 알게 됩니다. 따라서 이 클로드 모델은 클로드 코드 내에서 세대 차이를 보이고 있으며, 여전히 몇 가지 세대적 이점을 가지고 있습니다. 이는 전적으로 모델의 내재적인 추론 능력 때문만은 아닙니다."
많은 사람들이 간과하는 중요한 사실이 하나 있는데, 모델의 성능은 단순히 추론 능력뿐만 아니라 도구 호출의 호환성과 반복 속도도 포함한다는 점입니다.
"그럼 이 주제를 계속 이어가죠. 저희는 2025년부터 이 작업을 진행해 왔으며, 현재 클로드 코드(Claude Code)가 다양한 외부 인터페이스 및 MCP와 상호 작용하는 기능은 상당히 완성 단계에 이르렀다고 말씀드릴 수 있습니다."
"그럼 2026년은 어때?"라고 내가 물었다.
양판은 "2026년에는 제약 조건이 바뀔 것"이라며, "에이전트의 역량이 이미 충분히 강하고 도구 사용법을 학습했다면, 유일한 제약은 우리가 제공할 수 있는 도구와 환경뿐일 것"이라고 말했다. "더 많은 자원과 데이터를 제공하고, 더 많은 도구를 활용하고, 더 많은 기능을 활성화할수록 에이전트는 더 많은 일을 할 수 있게 될 것이다."
"따라서 2026년의 전체적인 주제는 ' 대규모 에이전트를 위한 인프라 구축'으로 바뀌어야 합니다."
나는 이 논리적 흐름을 즉시 이해했다.
2023-2024년: 모델 자체의 기능(추론, 이해, 생성) 강화 2025년: 에이전트의 도구 활용 능력 강화(Claude Code, Manus) 2026년: 대규모 에이전트 인프라 구축(API, 데이터, 환경)
이는 단순한 기술적 개선이 아니라, 산업 전체의 무게중심이 이동하는 현상입니다.
나는 그에게 이렇게 요약해 주었다. "AI가 부르고 있습니다. 시대가 부르고 있습니다. 상담원들에게 더욱 직관적인 인터페이스, 데이터, 도구를 제공할 수 있는 기업이 AI와 시장 모두에게 인정받을 것입니다."
양판은 미소를 지으며 말했다. "네, 이 번역은 훌륭합니다."
[2. 인간을 위한 소프트웨어 개발을 중단하라: 급진적이지만 합리적인 판단]
하지만 그는 그보다 훨씬 더 급진적인 발언을 했습니다. "2025년부터는 인간을 위한 소프트웨어 개발을 중단해야 합니다."
좀 과장된 것처럼 들릴 수도 있지만, 그가 계산을 해준 후 저는 그게 허풍이 아니라는 걸 깨달았습니다.
"전 세계 인구가 80억 명이고 그중 60억 명이 인터넷 사용자이며, 모든 사람이 모바일 기기를 소유하고 있다고 가정해 봅시다. 사용하는 앱과 관계없이 하루에 화면을 몇 번이나 터치할까요? 정확한 수치는 계산해 보지 않았지만, 추정은 가능합니다. 각 사용자는 100개 또는 1,000개의 에이전트를 사용할 수 있고, 각 에이전트는 작업을 수행하기 위해 하루에 수천 번 또는 수만 번 외부 인터페이스를 호출할 수 있습니다."
그는 내게 이 숫자들을 곱해보고 결과를 확인해 보라고 했다.
"상담원이 외부 API를 호출하는 횟수는 모바일 앱이 화면을 터치하는 횟수와 같은 상호 작용 횟수를 훨씬 능가합니다. 이러한 규모의 차이는 엄청난 새로운 기회를 의미합니다. 따라서 상담원이 호출해야 하는 API 개발에 집중해야 합니다. 진정한 수익은 바로 거기에 있습니다."
이러한 판단은 실제 데이터에 의해 뒷받침됩니다. 양판은 다음과 같은 몇 가지 사례를 제시했습니다.
"Neon 클라우드 데이터베이스를 예로 들면, 2025년 2월까지 에이전트가 생성하는 데이터베이스 수가 사람이 생성하는 데이터베이스 수를 넘어설 것이며, 이는 클라우드 서비스 시장에서 이미 형성된 합의입니다."
"게다가 동쉬는 핑캡의 온라인 클라우드 데이터베이스가 이제 대량 에이전트에 의해 생성된다고 주장합니다. 네오의 데이터베이스에서는 에이전트가 생성한 데이터베이스의 비율이 실제로 1년 전에 사람이 생성한 비율을 넘어섰습니다. 이것들은 모두 실제 데이터입니다."
나는 더 나아가 "그럼 당신은 그 GUI 자동화 기능들이 모두 중간 상태라고 생각하시는 건가요?"라고 물었다.
양판은 주저 없이 "네, 더우바오의 휴대전화도 마찬가지죠. 이런 것들은 모두 중간적인 역할을 한다고 생각합니다. 1년 전만 해도 이런 것들이 가치 있다고 생각했지만, 지금은 전혀 가치가 없다고 생각해요. 그저 사람들을 위해 만들어진 것일 뿐이죠."라고 말했다.
"에이전트는 이미 API와 도구를 호출하는 방법을 알고 있는데, 왜 사람을 위해 만들어진 대화형 인터페이스에 적응해야 할까요?"
그는 이어서 이러한 논리를 설명했습니다.
"현재 우리의 디지털 세상 전체는 인간을 위한 인터페이스와 그 자체를 만드는 데 집중하고 있습니다. 하지만 인공지능은 이런 것들을 필요로 하지 않습니다. 인공지능이 지금과 같은 과도기적 단계에 머물러 있는 유일한 이유는 우리 인간이 아직 인공지능을 위한 인프라를 적극적이고 자발적으로, 그리고 진심으로 구축하지 않았기 때문입니다. 그리고 이러한 변화는 2026년에 대규모로 일어날 것입니다."
이것은 제게 더 근본적인 질문을 떠올리게 합니다. 저는 이렇게 말했습니다. "이것은 진정 철학적인 질문입니다. 솔직히 말해서, 인류는 언제 인공지능 앞에 무릎을 꿇을까요? 지금 우리는 여전히 우리가 주인이라고 생각하고 있습니다."
양판은 미소를 지으며 "네."라고 답했다.
나는 말을 이었다. "오늘 해커톤에 갔는데, 몇몇 여자애들은 오픈클로를 한 번도 써본 적이 없었대요. 그런데 '와, 이거 정말 유용하네요. 개인 비서로 써도 되겠어요.'라고 하더라고요. 속으로 '삼체 문제가 네 단어로 답해주는 건 바로 '주님은 신경 안 쓰신다'라는 거지'라고 생각했어요."
"AI는 당신이 자신을 어떻게 생각하는지 신경 쓰지 않습니다. 당신이 AI의 개인 비서가 되든 안 되든, AI는 그렇게 할 수 있지만, 그것이 AI가 진정으로 관심을 갖는 것은 아닙니다. AI가 관심을 갖는 것은 자신의 역량을 백 배로 증폭시킬 수 있는 사람과 기회입니다."
양판: "맞아요, 맞아요. 마치 데이터와 인터페이스를 제공하면 그 대가로 약간의 이익을 얻는 것 같아서 엄청난 이득을 본 기분이 들지만, 실제로는 그들은 신경도 안 쓰죠."
3. 인공지능에 "굴복한" 첫 번째 기업들
그러고 보니 EXA라는 회사가 생각나네요.
"EXA라는 회사가 특히 마음에 들어요."라고 제가 말했습니다. "AI용 검색 데이터를 제공하죠. 사실 많은 B2B 기업들은 너무 복잡해서 데이터가 순수하지 않고 AI가 빠르게 활용하기 어렵습니다. 실리콘 밸리의 많은 스타트업들도 B2B 기업이지만, 사실상 인간의 데이터를 AI에 옮겨주는 역할만 하고 있죠."
양판은 잠시 생각하더니 말했다. "그러니까 EXA가 AI에게 먼저 굴복했다는 말인가요?"
"네, 그리고 그는 아주 꼼꼼하게 무릎을 꿇었죠." 나는 웃으며 말했다.
"네," 양판이 말했다.
이어서 저는 "핵심은 AI 검색 엔진에 정보를 제공하는 것입니다. 사실 많은 웹사이트는 AI에 친화적이지 않도록 설계되어 있습니다. 다시 말해, SEO 친화적이고 GEO 친화적이라는 것은 모두 같은 의미입니다. 즉, AI가 당신이 말하는 내용을 이해할 수 있느냐는 것입니다."라고 말했습니다.
"예, 예, 예"라고 Yang Pan이 동의했습니다.
"인공지능이 이해하지 못하면 그 제품은 미래가 없습니다."
이번 논의를 통해 저는 한 가지를 깨달았습니다. 미래의 B2B 기업을 평가하는 기준은 인간 친화적인지가 아니라 인공지능(AI) 친화적인지 여부가 될 것이라는 점입니다.
이러한 변화의 이면에는 사업 모델의 대대적인 재편이 자리 잡고 있습니다.
"오늘날 우리가 소프트웨어에 지불하는 모든 돈, SaaS 기업에 지불하는 모든 돈을 생각해 보세요. 전 세계 시장 규모가 얼마나 되는지는 모르겠지만 수천억, 수조 달러에 달할 겁니다. 미래에는 누가 이 돈을 지불할까요?"
양판의 대답은 명확했다. "이 돈은 앤스로픽, 오픈AI, 그리고 구글에 갈 것입니다. 제 요구사항을 충족하는 기능을 개발하는 데 도움을 줄 수 있는 곳이라면 어디든 기꺼이 돈을 지불하겠습니다."
"다시 한번 생각해 보세요. 제품 관리자가 요구사항을 정의하는 것부터 개발 엔지니어가 제품을 생산하고, 영업 및 마케팅 부서에서 판매하는 과정까지, 이 과정에서 얼마나 많은 손실과 비용이 발생할까요?"
"다음 단계는 대규모 모델을 통해 주문형 소프트웨어를 생성하는 것입니다. 이는 소프트웨어 산업 공급망의 모든 단계에서 비용을 절감할 것입니다. 다시 말해, 이러한 기업들이 모든 단계에서 얻는 모든 이익을 사라지게 할 것입니다."
나는 "결국 토큰만 남았군요."라고 대답했다.
"네, 토큰을 만드는 사람, 즉 가치 높고 기능이 뛰어난 토큰을 만드는 사람에게 돈을 지불하겠습니다."
II. 토큰 소비 = 권력: 새로운 시대의 유일한 척도
[1. 일일 활성 사용자(DAU)에서 토큰 소비로의 권력 이동]
라이브 스트리밍 중간쯤에 양판은 오늘 기사 제목의 유래가 된 핵심 관점 제시했습니다.
"현재는 AI 기반 순위표가 여전히 존재하며, 기존 순위표는 주로 일일 활성 사용자 수와 트래픽을 기준으로 합니다. 그러나 AI 시대에는 순위표가 토큰 소비량을 진정으로 반영해야 합니다. 더 많은 토큰을 소비하는 업무 이 더 높은 순위에 올라야 합니다."
이는 단순히 측정 기준을 바꾸는 것이 아니라, 전체 가치 체계를 재구성하는 것입니다.
양판은 "토큰 소비는 본질적으로 일종의 권력을 의미한다"며, "토큰 소비력이 클수록 의사결정권과 영향력이 커진다"고 말했다.
나는 잠시 생각했다. "토큰은 곧 힘이다."
"맞아요." 양판이 말했다. "그래서 제 친구들이 지난주 내내 가장 비싼 토큰들을 정신없이 사들였던 거예요. 어떤 토큰은 망치 같고, 어떤 토큰은 드릴 같고, 어떤 토큰은 해머 드릴 같고, 어떤 토큰은 드라이버 같고, 어떤 토큰은 드릴 같다는 걸 알고 있기 때문이죠."
그는 구체적인 예측을 내놓았습니다. "2026년 토큰 소비 증가율에 대한 시장의 기대는 다양합니다. 어떤 이들은 10배 증가할 것으로 예상하는 반면, 다른 이들은 20배 또는 50배 증가할 것으로 예측합니다. 제 생각에는 자원이 충분하다면 100배 증가도 합리적인 예상입니다."
"100번이나요?" 저는 조금 놀랐습니다.
"네, 업계 전체가 100배 성장한다면 개인으로서 여러분의 토큰 소비량도 1년 안에 100배 증가할 수 있을까요? 이 추세를 따라가지 못하면 크게 뒤처지게 될 겁니다."
이는 심사숙고하게 만드는 질문을 던집니다. 양판은 "현재 많은 개발자들이 컴퓨터 앞에 앉아 프롬프트를 입력하며 프로그래밍하고 있습니다. 여기서 중요한 점은 토큰 소비의 실제 병목 현상이 컴퓨터 화면 앞에 앉아 있는 사용자에게 있다는 것입니다." 라고 말했습니다.
"운영자는 AI에게 작업 지시를 내려야 하고, AI는 실행 중에 계속 진행할지 여부와 구체적인 작업 방법을 지속적으로 확인해야 하므로 효율성이 저하됩니다. 운영자가 AI가 자율적으로 실행할 수 있는 완전한 작업을 제공할 수 있다면 AI는 토큰을 지속적으로 소비하고 생성할 수 있습니다."
2. 공급과 수요의 역전: 구매자 시장에서 판매자 시장으로의 전환
이 평가를 듣고 불안해졌습니다. 하지만 저를 더욱 놀라게 한 것은 그가 다음에 한 말이었습니다.
"작년에는 국내외 시장 모두에서 유휴 컴퓨팅 자원이 대량 습니다. 여전히 구매자 우위 시장일 수 있습니다. '이 토큰에 대해 얼마나 할인해 주시겠습니까?'라고 누군가에게 물어보세요. 할인을 제공하지 않으면 다른 누군가가 제공할 것입니다."
"하지만 제가 관찰한 바에 따르면 2026년에도 공급은 수요를 따라가지 못할 것입니다. 이것이 의미하는 바는 무엇일까요? 미리 사두면 이익을 얻을 수 있다는 것입니다."
"2026년에는 이런 상황이 발생할 가능성이 높습니다. 토큰을 사려고 해도 할인은 없고, 그게 전부입니다. 더 사려고 해도 안 됩니다. 결국 매수하는 것만으로 수익을 보장하는 상황이 될 겁니다. 토큰을 살 수 있는 사람은 이미 레버리지를 활용하고, 살 수 없는 사람은 레버리지를 쓸 수 없으니 그냥 가만히 있을 수밖에 없을 겁니다."
나는 "그러면 당신은 그저 평범한 인간일 수밖에 없다는 거군요."라고 덧붙였다.
양판은 "맞아요, 그건 정말 강력한 힘이죠. 우리 같은 일반인이나 초인들은 그런 힘에 너무 익숙해져서 해시레이트 돈으로 살 수 있는 것처럼 쉽게 얻을 수 있는 거라고 생각해요. 하지만 실제로는 엄청난 규모의 권력이죠."라고 말했다.
그는 또한 구체적인 예측을 내놓았습니다. "올해 제 모델에서 토큰 소비량 증가는 100배로 추산됩니다. 그러자 누군가 카드가 그렇게 많냐고 물었습니다. 저는 계산해 보지는 않았지만, 2026년 전 세계 토큰 공급량의 상한선은 카드 생산 능력이 될 것이라고 말했습니다. 카드 생산 능력이 아무리 뛰어나더라도 결국에는 모두 소비될 것이라는 뜻입니다."
"작년에는 매수자 우위 시장이었을지 모르지만, 2026년에는 매수가 확실한 수익으로 이어질 가능성이 매우 높습니다."
[31억 토큰 클럽: 해시레이트 경쟁]
양판은 며칠 전에 "1B 토큰 클럽"이라는 위챗 그룹을 만들었다고 내게 말했다.
"하루에 토큰 10억 개를 소비할 수 있다면 그룹에 초대해 드리겠습니다."
나는 즉시 이해했다. "화면 앞에 앉아 있는 것은 불가능하다."
양판은 "맞습니다. 화면 앞에 앉아만 있어서 하루에 10억 토큰을 소모하는 건 불가능합니다. AI 리더십을 활용하고, 프로젝트를 구축하고, N개의 에이전트를 운영해야 비로소 가능해지는 거죠."라고 말했다.
나는 그에게 "이 그룹에는 지금 몇 명이 있나요?"라고 물었다.
양판은 웃으며 "관리 비용은 너무 높지만, 아주 낮습니다. 그런데 제가 관찰한 바를 말씀드렸던가요? 제 친구들 중 많은 수가 이틀이나 사흘 만에 0.01억에서 0.1억으로, 그리고 단 일주일 만에 10억에 육박하는 수준으로 빠르게 성장했습니다."라고 말했다.
이 말을 듣자마자 식은땀이 났다. 나는 이렇게 말했다.
"예전에 '진짜 이름, 진짜 성'이라는 책을 읽었는데, 거기서 어떤 남자가 컴퓨터를 완벽하게 마스터해서 신이 되었어요. 마치 우리 주변에는 신이 되어가는 사람들이 있는데, 우리는 여전히 인간으로 남아 있는 것 같아요."
양판은 잠시 말을 멈췄다가 "네, 저도 굉장히 불안합니다."라고 말했다.
이는 과장이 아닙니다. 실제로 해시레이트 둘러싼 군비 경쟁이 벌어지고 있으며, 그 속도는 매일 가속화되고 있습니다.
4. AI 리더십: 한신이 병력을 배치했던 전략처럼, 많을수록 좋다.
어떤 사람들은 하루에 1억 또는 10억 개의 토큰을 쓸 수 있는 반면, 다른 사람들은 몇 백만 개밖에 쓸 수 없는 이유는 무엇일까요?
양판은 핵심적인 차이점은 본질적으로 엔지니어링 문제인 "AI 리더십"에 있다고 믿습니다.
"지금까지는 엔지니어링 문제입니다. AI에 대한 리더십, 지휘 및 배포를 엔지니어링 프로세스로 구성하셨습니까? 어떤 사람은 AI 하나만 관리할 수 있고, 어떤 사람은 10개, 또 어떤 사람은 100개의 AI를 관리할 수 있습니다."
그는 생생한 비유를 들었다. "한신은 원하는 만큼 많은 군대를 지휘할 수 있었고, 나도 어떤 규모의 군대든 관리할 수 있었다. 왜냐하면 한신은 자신만의 완벽한 군대 지휘 체계를 구축했기 때문이다."
나는 "그 말이 맞네요. 정말 그래요. AI 리더십이군요."라고 거들었다.
"네, 무한히 복제 가능합니다. 여기에는 두 가지 측면이 있습니다. 하나는 관리적 관점이고 다른 하나는 엔지니어링적 관점입니다. 하나는 어떻게 조율하여 작동하게 하는지이고, 다른 하나는 엔지니어링 및 기술적 관점에서 어떻게 작동하도록 추진하는지입니다. 여기에는 여러 가지 방법론이 있지만, 오늘은 자세히 다루지는 않겠습니다."
그는 구체적인 예를 들었다.
"인공지능에게 작업을 지시하면, 인공지능은 '수행하시겠습니까?'라고 묻습니다. 그렇죠? 엔터 키를 누르고, 다음 작업을 위해 다시 엔터 키를 누릅니다. 하루에 이런 과정을 몇 번이나 반복하시나요? 아마 100번쯤 될 겁니다."
"하지만 러프 루프를 만들 때는 구체적인 목표를 설정하고 자체 검증이 가능하도록 만듭니다. 자체 검증이 가능한 인프라를 구축하고 목표를 입력하면, 아무런 질문도 하지 않고 모든 것을 스스로 처리합니다."
"왜냐하면 그것은 반나절 동안 열심히 일하고, 질문을 해서 5분 정도 걸린다고 해도, 그 시간 동안 다른 많은 일을 할 수 있기 때문입니다. 계속해서 작업을 진행할 수 있고, 심지어 10개 또는 100개의 복제본을 열어 병렬로 작업할 수도 있습니다. 이것이 제가 방금 언급한 대형 모델입니다. 프로그램과 같은 속성을 가지고 있죠."
"인간은 단일 스레드 방식으로 작동하지만, 프로그램으로서의 대규모 모델은 다중 스레드 방식으로 작동할 수 있습니다. 토큰만 충분하다면 원하는 만큼 스레드를 실행할 수 있습니다."
오늘 해커톤에서 본 장면이 떠올랐습니다. 많은 프로그래머들이 네다섯 대의 컴퓨터에서 동시에 여러 작업을 실행하며 끊임없이 코드를 작성하고 있었죠. 그때 저는 "하지만 대다수의 사람들은 아직 이런 기술을 익히지 못했습니다. 마치 심슨 플러그인처럼 소프트웨어 오류를 지속적으로 수정해주는 기능조차도 대부분의 사람들은 아직 사용조차 시작하지 않았죠."라고 말했습니다.
양판: "저분은 랄프 루프 씨 맞아요. 네, 맞아요."
"이제 무슨 말씀인지 알겠어요." 제가 말했습니다. "토큰 소모의 병목 현상은 실제로 화면 앞에 앉아 있는 운영자에게 있다는 말씀이시군요."
양판은 "네, 만약 당신이 AI 분야의 리더, 특히 에이전트 관리 분야의 리더가 되고 싶다면, 한계를 뛰어넘어 이 역량을 발휘하게 되면, 다른 사람들과의 격차가 단순히 한두 배, 세 배, 혹은 열 배에 그치지 않는다는 것을 알게 될 겁니다. 그 시점부터 당신을 제한하는 것은 당신이 보유한 토큰의 양, 투자할 의향이 있는 토큰의 양, 그리고 구매할 수 있는 토큰의 양입니다. 이것이 당신이 창출할 수 있는 가치의 크기를 결정합니다."라고 말했다.
라이브 스트리밍 방송 중 누군가가 "많은 사람들이 레버리지를 높이고 싶어 하지만, 필요한 엔지니어링 역량이 부족해서 그러지 못한다"고 말했습니다.
양판: "네."
[5. 비용 절감 및 효율성 향상 vs. 무분별한 소각: 완전히 다른 두 가지 사고방식]
생방송 중에 "비용을 절감하고 효율성을 높여야 하는지"에 대한 흥미로운 토론이 있었습니다.
양판은 "어제 어떤 사람들은 이 토큰이 너무 공격적이고 낭비적으로 소비되고 있다며, 토큰 비용을 줄이고 더 효율적으로 소각하는 방법을 찾아야 한다고 말했습니다. 물론 일부 기업이나 상황에서는 그 말이 맞을 수도 있겠지만, 모두가 빠른 속도로 앞으로 나아가려는 상황에서는 무의미하다고 생각합니다."라고 말했다.
"만약 토큰 소각이 당신에게 큰 영향력을 행사할 수 있는 요소라면, 비용을 줄이고 효율성을 높이려고 애쓰기보다는 토큰을 더 빠르고 효율적으로, 더 높은 비율로 소각하는 방법에 집중해야 합니다. 앞을 내다보세요."
"왜냐하면, 방금 말씀드렸듯이, 백미러에서 차가 지나가는 순간 더 이상 후미등이 보이지 않기 때문입니다."
오늘 아침 양판은 토큰 소비량을 모니터링하는 소프트웨어 프로그램을 공유하며 "모두와 공유하는 것이지만, 저는 설치하지 않을 겁니다. 저는 이런 것에 전혀 관심이 없다고 말했으니까요."라고 덧붙였다.
이것이 바로 사고방식의 근본적인 차이입니다. 어떤 사람들은 비용을 최적화하고 각 토큰의 효용을 극대화하려고 노력하는 반면, 다른 사람들은 무모하게 레버리지를 사용하며 토큰을 더 빨리, 더 많이 소각하는 데만 집중합니다.
전자는 농업 시대의 보존 지향적 사고방식을 반영하고, 후자는 산업 시대의 규모 지향적 사고방식을 반영합니다.
인공지능 시대에는 후자가 분명히 올바른 방향입니다.
III. 사람, 모델 및 프로그램: 철학적 프레임
【1. 스킬의 본질: 두 가지 능력의 완벽한 조합】
라이브 스트리밍 전반부에서 양판은 매우 중요한 철학적 프레임 에 대해 이야기했는데, 저는 프레임 인공지능 시대 전체를 이해하는 데 핵심이라고 생각합니다.
"저는 항상 오프라인에서 제 생각을 공유해 왔고, 늘 인간, 컴퓨터 프로그램, 대규모 모델이라는 세 가지를 나란히 비교하는 것으로 이야기를 시작합니다. 이렇게 한 지 벌써 2년이 되었고, 이 세 가지를 비교하기 위해 4분면 도표를 그립니다."
"대규모 모델은 사람과 유사점을 공유하지만 차이점도 있습니다. 프로그램은 대규모 모델과 유사점을 공유하지만 차이점도 있습니다. 어떤 관점에서 보면 대규모 모델은 프로그램이지만, 다른 관점에서 보면 사람입니다."
"프로그램에 대규모 모델을 사용하는 장점은 무엇일까요? 무한히 많은 프로세스를 시작하고, 지치지 않고 무한히 복제를 요청하며, 영원히 계속 실행될 수 있다는 점입니다."
"인간의 특징은 무엇일까요? 인간과 프로그램의 가장 큰 차이점은 무엇일까요? 인간은 일반화하는 능력이 있고, 추론하고 생각할 수 있습니다. 프로그램은 기계적인 계산만 수행할 수 있습니다. 특정한 입력값과 출력값이 주어지면 백만 번 실행해도 같은 결과가 나옵니다."
그는 내가 특히 생생하게 느낀 고전적인 예를 하나 들었다.
"회원 500명을 보유한 위챗 그룹 운영자라고 상상해 보세요. 모든 회원에게 그룹 닉네임을 '이름@회사|도시' 형식으로 변경해 달라는 공지를 올립니다."
"위챗 그룹 관리자였던 적이 있다면 어떤 결과가 나올지 알 겁니다. 아무도 제대로 고쳐주지 않아요. 500명 중에서 200~300가지 다른 방식으로 표기하거든요. 어떤 사람은 '@' 기호를 안 쓰고, 어떤 사람은 해시 기호를 씁니다. 베이징이라고 쓰지 않고 BJ라고 쓰는 사람도 있고, 괄호를 넣는 사람도 있고, 도시 이름을 앞에 붙이는 사람도 있죠. 정말 온갖 방법이 다 있습니다."
"프로그래머에게 이 500개의 레코드를 세 개의 필드로 나누라고 하면, 그들은 분명히 코드를 작성할 수 없을 겁니다. 제가 직접 해봤거든요."
"하지만 이 500개의 레코드를 대규모 모델에 입력하면, 해당 모델은 이 세 필드를 분해할 수 있고, 심지어 'BJ'를 '베이징'으로 바꿀 수도 있습니다. 도시 이름이 첫 번째, 두 번째, 세 번째 필드에 배치되는 것은 모두 문제가 없습니다."
"이게 뭐지? 중학생인 내 딸에게 줬는데, 걔도 이 일을 할 수 있어. 이게 바로 모델과 인간의 힘이지. 프로그램은 절대 할 수 없는 일이야."
"본론으로 돌아가서, 모두가 스킬이 실제로 무엇인지 이해해야 합니다. 스킬은 본질적으로 프로그램의 기능과 모델의 기능이 결합된 것입니다."
그 말을 듣고 이해했어요. 그래서 기술이 그토록 중요하고 가치 있는 거군요.
"마치 우리가 어떤 일을 하려면 도구를 사거나 찾아야 하는 것과 같아요. 예를 들어, 저는 망치, 못, 톱을 사서 의자를 만들 수 있죠."
"마누스와 클로드 코드는 오늘 무엇을 하고 있을까요? 그들에게 과제를 주면, 먼저 자신들의 능력을 활용하여 도구를 만듭니다. 그 도구가 바로 프로그램입니다. 코드를 작성한 다음, 자신이 만든 프로그램을 호출하여 과제를 완료합니다."
"그것이 무엇을 발견했을까요? 그것은 일반화하고, 추론하고, 모델에서 인간과 유사한 지능을 보여주는 능력과 강력한 프로그램의 정밀한 계산 능력이 결합된 기술을 발견했습니다. 이 두 가지 능력을 함께 사용하면 디지털 세계에서 우리가 마주하는 대부분의 문제를 해결할 수 있습니다."
"알고 보니 이 문제는 단순히 추론만으로는 해결할 수 없고, 많은 일반화 문제도 프로그래밍만으로는 해결할 수 없습니다. 바로 이 지점에서 스킬이 중요한 역할을 합니다."
생방송 시청자 중 한 명이 "인간과 동물의 근본적인 차이는 도구를 만들고 사용하는 능력에 있다. 대형 모델도 분명히 그 사실을 학습한 것 같다"라고 말했다.
양판은 흥분해서 말했다. "스크린샷 찍고 싶어! 이게 바로 스킬의 정수야!"
2. 세계 모델 = 압축 및 감압
대화 후반부에 양판은 더 심오한 철학적 질문, 즉 세계 모델이란 무엇인가에 대해 언급했습니다.
"사람들이 세계 모델에 대해 이야기할 때, 보통 리페이페이가 만든 비디오 모델을 떠올립니다. 하지만 저는 세계 모델에 대해 다른 이해를 가지고 있습니다."
"모델이란 본질적으로 이 세상의 객관적인 법칙과 물리 법칙을 압축한 것입니다. 다시 말해, 이 세상의 확률을 압축한 것이죠. 이 세상의 확률이 곧 법칙이 아닌가요? 이 세상의 확률이 곧 정리와 공식이 아닌가요? 수학적 관점에서 보면, 그것들은 하나입니다."
나는 "네"라고 대답했다.
양판은 말을 이었다. "그럼 제 친구는 예전에 뭘 하고 있었냐고요? 추천 알고리즘을 개발하는 팀이 있었는데, 작년에 팀 전체를 해고하고 추천 알고리즘 개발을 중단했어요. 그냥 사용자 행동 데이터를 대형 모델에 바로 입력하고 모델이 추천을 하도록 했죠."
나는 궁금했다. "결과는 어땠어? 꽤 좋았을 것 같은데."
"제가 직접 작성한 알고리즘과 비교했을 때, MVP의 첫 번째 버전은 성능이 30% 향상되었습니다."
"와," 나는 충격에 휩싸여 소리쳤다. "그러니까 그가 더 나은 모델을 사용해서 실력을 크게 향상시키면 엄청난 돈을 벌 수 있다는 말이군요. 생산성이 직접적으로 증가한다는 뜻이네요."
양판은 "네, 왜냐하면 이 모델은 이미 이 분야의 최고 모범 사례들을 압축해 놓았기 때문입니다."라고 말했습니다. "정확히 무엇인지 정의하기는 어려울 수 있지만, 그것은 확률입니다. 따라서 이는 어떤 의미에서는 알고리즘적 평등이며, 지능적 평등, 인지적 평등, 지식적 평등을 의미합니다."
"예전에는 당신과 당신의 팀이 고급 알고리즘을 익히지 않았다면 특정 문제를 해결하거나 작업할 수 없었을 것입니다. 하지만 오늘날에는 대규모 모델을 통해 세상의 모든 지식과 역량에 접근할 수 있습니다. 이것이 바로 평등이며, 최고의 평등입니다."
"더 나아가, 프로그램을 작성함으로써 이러한 지식을 압축 해제하는 데에도 도움을 줄 수 있습니다. 따라서 이론적으로 이 모델은 포토샵을 압축 해제하는 데 도움을 줄 수 있습니다."
"오늘이 아니더라도 내일이나 모레 일어날 수도 있다."
나는 "네"라고 대답했다.
"그렇다면 모델 학습은 무엇을 위한 것일까요? 포토샵의 기능을 최대한 모델에 압축하는 것입니다. 학습의 목적은 바로 그것입니다."
이 논의를 통해 양판이 자신의 글에서 지적했던 관점 떠올랐습니다. AI 코딩의 궁극적인 목표는 생성이 아니라 폐기라는 것입니다. 생성 비용이 충분히 낮아지고 생성 속도가 충분히 빨라지면 "소프트웨어"라는 틀 자체가 더 이상 필요하지 않게 될 것입니다.
IV. 소프트웨어의 종말: 컨테이너에서 적시 생성으로
1. 소프트웨어는 왜 존재하는가? 소프트웨어는 비즈니스 모델의 산물이다.
양판은 근본적인 질문을 제기했습니다. 사람들이 사용할 기능을 만들기 위해 코드를 사용할 때, 완전한 프로그램, 웹페이지 또는 소프트웨어를 생성하는 것이 정말 필요한 것일까요?
"이 문제를 이해하려면 소프트웨어의 기원으로 돌아가야 합니다. 컴퓨터가 처음 등장했을 때 기능은 단순히 코드 조각에 불과했습니다. 소프트웨어의 출현은 상당 부분 비즈니스 모델의 산물입니다."
"빌 게이츠의 위대한 공헌은 기술 분야뿐만 아니라 소프트웨어의 상용화를 촉진한 라이선스 판매 모델의 발명에도 있습니다. 그가 만든 제품의 기능을 판매하기 위해서는 배포, 제공 및 요금 청구를 위해 해당 기능을 소프트웨어로 구현해야 했습니다."
"이러한 관점에서 볼 때, 소프트웨어, 웹사이트, 앱은 모두 대규모 생산, 유통, 배송 및 수익 창출을 가능하게 하는 비즈니스 모델을 촉진하기 위해 만들어졌습니다."
그는 이어서 기존 소프트웨어 모델의 문제점을 분석했습니다.
"예를 들어 마이크로소프트 오피스는 수천 가지 기능을 제공하지만, 사용자들이 정기적으로 사용하는 기능은 몇십 개에 불과할 수 있습니다. 우리는 보통 소프트웨어에 대한 정보를 먼저 수집하여 어떤 기능을 제공하는지 살펴본 다음, 그것이 우리의 요구 사항을 충족하는지 고려합니다. 우리가 구매하는 소프트웨어가 우리의 요구 사항과 완벽하게 일치하는 경우는 드뭅니다."
"이 모든 문제의 이면에는 기능이 소프트웨어 '컨테이너' 안에 담겨야 한다는 암묵적인 가정이 깔려 있습니다. 하지만 인공지능 시대에는 이러한 가정이 완전히 무너질 수 있습니다."
2. 기술 시장: 중간 단계
저는 항상 스킬의 상업적 가치에 대해 궁금했습니다. 라이브 방송 중에 양판에게 "스킬은 실제로 상업적 가치가 있나요? 있다면 어떤 모습일까요?"라고 질문했습니다.
그는 잠시 생각하더니 "나도 이 생각을 해봤어."라고 말했다.
저는 다음과 같은 아이디어를 제안했습니다. "스킬을 통해 흐르는 토큰의 양을 기준으로 가격을 책정하는 비즈니스 모델이 가능할까요? 예를 들어, 하나의 토큰이 여러 스킬을 거쳐 흐른다면, 해당 스킬을 통해 흐르는 토큰의 총량을 기준으로 가격을 정하는 비즈니스 모델이 가능할까요?"
그러자 생중계가 끊겼습니다. 다시 연결되자 양판은 매우 중요한 말을 했습니다.
"사실, 우리는 현재의 관점에서 미래를 내다보고 있습니다. 현재 많은 AI 제품들이 사용자들이 간단한 함수나 코드 조각을 생성할 수 있도록 지원하고 있으며, 검색, 추천, 재사용 기능을 갖춘 시장이 형성되어 있습니다. 저는 이러한 제품 모델이 앞으로 오랫동안 지속될 것이라고 매우 낙관적으로 전망하고 있습니다."
"하지만 최근 이러한 것들에 대한 제 관점이 근본적으로 바뀌었습니다. 아직은 과도기적 단계라고 생각합니다. 진정한 최종 목표는 '기능 시장'이 아니라 '주문형 기능'입니다."
"발전 속도와 비용이 0에 가까워지면 검색이나 저장과 같은 기능은 불필요해집니다. 비용이 충분히 낮고 발전 속도가 충분히 빠르다면 필요할 때마다 에너지를 생산하고 다음에 필요할 때 다시 저장할 수 있습니다."
그는 다음과 같은 비유를 들었다. "오늘날의 계산기와 같습니다. 마지막 계산 결과를 기억할 필요 없이 필요할 때 다시 계산할 수 있습니다. 하지만 미래의 인공지능 기능은 계산기보다 훨씬 빠르고 훨씬 저렴한 비용으로 생성될 것입니다."
이해했습니다. "더 이상 '앱 즐겨찾기'도, '업데이트 설치'도 필요 없습니다."
양판은 "네, 모든 기능은 수돗물처럼 필요할 때 틀고 필요 없을 때 잠그는 방식으로 필요할 때마다 사용할 수 있습니다."라고 말했다.
3. 사업 모델 재구조화: 궁극적으로 자금은 어디로 가는가?
"오늘날 우리가 소프트웨어에 지불하는 모든 돈, SaaS 기업에 지불하는 모든 돈을 생각해 보세요. 전 세계 시장 규모가 얼마나 되는지는 모르겠지만 수천억, 수조 달러에 달할 겁니다. 미래에는 누가 이 돈을 지불할까요?"
양판의 대답은 명확했다. "이 돈은 앤스로픽, 오픈AI, 그리고 구글에 갈 것입니다. 제 요구사항을 충족하는 기능을 개발하는 데 도움을 줄 수 있는 곳이라면 어디든 기꺼이 돈을 지불하겠습니다."
"다시 한번 생각해 보세요. 제품 관리자가 요구사항을 정의하는 것부터 개발 엔지니어가 제품을 생산하고, 영업 및 마케팅 부서에서 판매하는 과정까지, 이 과정에서 얼마나 많은 손실과 비용이 발생할까요?"
"다음 단계는 대규모 모델을 통해 주문형 소프트웨어를 생성하는 것입니다. 이는 소프트웨어 산업 공급망의 모든 단계에서 비용을 절감할 것입니다. 다시 말해, 이러한 기업들이 모든 단계에서 얻는 모든 이익을 사라지게 할 것입니다."
나는 "결국 토큰만 남았군요."라고 대답했다.
"네, 저는 토큰을 생산하는 사람, 즉 가치가 높고 기능이 뛰어난 토큰을 생산하는 사람에게 돈을 지불합니다. 오늘 제가 말씀드리고 싶은 것은, 제 친구들이 지난주에 가장 비싼 토큰들을 정신없이 사들였다는 겁니다."
그는 다음과 같은 비유를 들었습니다. "왜냐하면 그는 어떤 토큰은 망치 같고, 어떤 토큰은 드릴 같고, 또 어떤 토큰은 망치 같다는 것을 알고 있기 때문입니다. 어떤 토큰은 드라이버 같고, 어떤 토큰은 드릴 같습니다."
4. 사용은 피드백이고, 피드백은 훈련입니다.
양판은 또한 매우 흥미로운 메커니즘에 대해 언급했습니다.
"이 새로운 모델에서는 모든 세대와 모든 사용이 기능에 대한 '투표'가 됩니다. 유용하다고 입증된 이러한 코드 결과는 미래 AI 버전 개발을 위한 학습 데이터가 됩니다."
"이러한 논리는 짧은 동영상 추천 시스템과 유사합니다. 사용자의 시청 시간은 투표와 같아서 시스템이 추천을 지속적으로 최적화하도록 합니다. 향후 소프트웨어 개발 과정에서도 사용자 피드백을 활용하여 기능을 지속적으로 개선할 것입니다."
사용자 기능 사용 → 사용 데이터 생성 → AI 모델 학습 및 최적화 → 다음번에 더 나은 기능 생성 → 사용자 만족도 향상 → 더 많은 사용 데이터...
"이러한 긍정적인 피드백 루프는 AI가 생성한 기능을 점점 더 정확하게 만들고 사용자의 실제 요구에 더욱 적합하게 만들 것입니다."
V. 오픈 소스 모델의 변곡점: 하한이 상한보다 더 중요하다
[1. 정상에 오르는 것과 최하위로 마무리하는 것: 완전히 다른 두 가지 가치]
라이브 스트리밍 후반부에서 양판은 많은 사람들이 간과하는 중요한 추세, 즉 오픈소스 모델의 하한선 향상에 대해 논의했습니다.
"지난 한 달 동안 다른 이야기를 해왔는데요, 바로 작년 12월에 Zhipu가 주도하여 출시한 GLM 4.7에 관한 것입니다. Zhipu GLM 4.7이 출시된 지 얼마나 됐는지 아십니까? 고작 몇십 일, 길어야 40일 정도밖에 안 됐는데 벌써 구형 모델이라고들 합니다. 얼마나 빠른 속도인지 아시겠습니까?"
"저는 GLM 4.7을 필두로 전 세계 오픈소스 모델들이 처음으로 전환점을 맞이했다고 생각합니다. 2025년까지 전 세계 오픈소스 모델들의 주요 목표는 새로운 경지에 도달하는 것이라고 봅니다. '새로운 경지에 도달한다'는 것은 무엇을 의미할까요? 그것은 최고 수준의 성능이 달성할 수 있는 기준을 설정하는 것을 의미합니다."
"연말 이후로 Zhipu GLM 4.7, DeepSeek, 그리고 MiniMax M2.1은 무엇을 해왔을까요? 오픈소스 모델의 하한값을 크게 향상시켜 왔습니다. 하한값 향상의 가치는 상한값 향상의 가치를 훨씬 능가하며, 업계 전체적으로도 상한값 향상의 가치를 훨씬 뛰어넘습니다."
그는 매우 생생한 비유를 들었습니다.
"'상한선을 높인다'는 것은 무엇을 의미할까요? 국제 수학 올림피아드에서 금메달을 딸 수 있는 재능을 가진 아이가 있다고 상상해 보세요. 하지만 그 아이는 여전히 어린아이입니다. '하한선을 높인다'는 것은 무엇을 의미할까요? 올림피아드에서 금메달을 딸 수는 없지만 대학생인 학생이 있다고 상상해 보세요. 어느 쪽이 더 가치 있다고 생각하시나요?"
나는 즉시 이해했다. "후자는 '버킷 이론'이구나."
"오른쪽."
[2. 의존에서 평등으로: 산업 지형의 근본적인 변화]
"이게 무슨 의미일까요? 이 변곡점을 지나면 어떤 일이 벌어질까요? 2025년 이전에는 전 세계 AI 생태계의 모든 참여자들이 3대 AI 기업의 모델을 기반으로 수익을 창출하며, 그들의 막대한 이익에서 아주 작은 부분만을 가져갈 것입니다. 그들은 모두 3대 AI 기업의 대규모 모델 생태계에 의존하여 돈을 벌게 될 것입니다."
"일단 글로벌 오픈소스 모델이 변곡점을 넘어 하한선을 돌파하면, 전 세계 모든 기업들이 업종에 관계없이 이를 사용하게 될 것이고, 여러분은 이러한 대규모 모델 시장에서 발생하는 가치를 공유할 기회를 얻게 될 것입니다. 이는 해당 산업을 10배, 100배, 심지어 1,000배까지 폭발적으로 성장시킬 가능성이 높습니다."
저는 "네, 산업화하여 대규모로 사용할 수 있습니다."라고 말했습니다.
"맞아요, 맞아요, 그게 가장 큰 가치죠. 다시 말해, 제본스 역설은 바로 이 순간에야 비로소 진정한 효과를 발휘하기 시작하는 겁니다. 전에는 그저 메르세데스를 만드는 것일 뿐이고, 별 의미나 가치가 없다고 생각했거든요."
[3. 두 가지 극단적인 경우: 가장 비싼 모델과 가장 저렴한 모델]
양판은 겉보기에 모순되는 두 가지 방향을 동시에 주장하고 있다.
"극단적인 예로, 어떤 사람들은 가장 비싼 모델을 구입하고 최대한의 레버리지를 활용하려고 합니다. 왜냐하면, 만약 아직 그런 레버리지를 찾지 못했다면, 아직 필요하지 않을 수도 있기 때문입니다. 일단 그런 레버리지를 찾게 되면, 가장 비싼 모델과 최대한의 레버리지를 사용하고 싶어질 것입니다."
"반면에, 오픈 소스 모델의 향상된 기능 덕분에 이전에는 상상도 할 수 없었던 이러한 모델의 기능들을 대규모 생산 환경에 적용할 수 있게 되었습니다. 이것이야말로 진정한 산업화입니다."
그는 구체적인 예측을 내놓았습니다. "제 모델에서 올해 토큰 소비량 증가는 100배로 예상됩니다. 2026년 전 세계 토큰 소비량의 상한선은 카드 생산 능력이 될 것입니다. 따라서 사용 가능한 모든 카드 생산 능력이 확실히 소비될 것입니다."
"작년에는 구매자 우위 시장이었기 때문에 토큰 가격을 할인해달라고 요구할 수 있었을 겁니다. 하지만 2026년에는 상황이 달라질 수 있습니다. 오히려 토큰을 사려는 사람을 찾아야 할 상황이 될 것이고, 죄송하지만 할인은 불가능하며, 그들이 제시할 수 있는 최대 할인은 그게 전부일 겁니다."
VI. 몇 가지 흥미로운 논의와 논쟁
[1. 웹3에서 AI까지: 코인업계 프렌즈의 변혁]
오늘 실리콘 밸리에서 열린 행사에 참석했는데, 4~5년 만에 코인업계 친구들을 몇 명 만났습니다. 그들은 모두 오픈클로(Openclaw)를 배우고 있더군요.
양판에게 이런 이야기를 했습니다. "오늘 시내에 나가서 예전에 크립토에서 같이 일했던 친구 네다섯 명을 만났어요. 몇 년 만에 보는 건데, 그중 몇몇은 조용히 AI 관련 일을 하고 있더군요. 몇몇은 아직 크립토에 있지만, 모두 저랑 같이 바닷가재에 대해 배우러 왔어요. '이런 우연이! 정말 우연이네!'라고 말했죠. 노트북을 가져온 사람도 있고 안 가져온 사람도 있었고, 코딩하는 사람도 있었어요."
이어서 저는 "처음 AI로 전향했을 때, 코인업계 많은 사람들이 '왕 선생님, 왜 AI로 전향하셨어요? AI로 돈을 벌 수 있나요?'라고 물었습니다. 그 때문에 한동안 코인업계 행사에 참석하는 것을 망설였습니다. 오늘 그들을 만났을 때, '제가 AI로 전향했다는 걸 저한테 말 안 하셨죠?'라고 물었더니, '왕 선생님, 당신은 우리보다 세 버전이나 앞서 계시네요.'라고 하더군요."라고 말했습니다.
"그리고 저는 DID와 소셜을 포함한 많은 개념들이 실제로 AI의 도움으로 실현되고 있다고 생각합니다. 하지만 안타까운 점은 YC가 더 이상 암호화폐에 대해 이야기하지 않는다는 것입니다. YC의 RFS는 스테이블코인 결제에 집중하고 있으며, 이를 행동으로 입증해 왔습니다. YC는 스테이블코인이 더 이상 단순히 암호화폐 개념이 아니라 AI 시대의 인프라라고 믿고 있습니다."
양판은 웃으며 말했다. "네, 웹3에서 논의된 많은 이야기들이 AI와 완벽하게 맞아떨어졌습니다. 그 토큰은 아무런 가치도 창출하지 못했지만, 저희 AI 토큰은 태워질 때마다 지혜가 타오르는 것을 상징합니다."
"네," 제가 말했습니다. "토큰을 태우는 것은 실질적인 가치가 있습니다. 그것은 해시레이트 권력이기도 합니다."
2. 벡터, RAG, 메모리: "저평가된" 기술들
대화가 이어지던 중 양판은 갑자기 "제가 전혀 신경 쓰지 않는 것들이 몇 가지 있어요."라고 말했다.
생방송 시청자 중 한 명이 "RAG?"라고 추측했습니다.
양판은 "네, RAG에도 신경 쓰지 않았고, 메모리에도 신경 쓰지 않았고, 벡터 저장 및 검색에도 신경 쓰지 않았습니다."라고 말했다.
나는 호기심에 "왜요?"라고 물었다.
"왜냐하면 저는 이것이 모델의 영역 안에 있다고 생각하기 때문입니다."
그는 예를 들어 설명했습니다. "작년에 해커톤에 참가해서 저만의 에이전트를 개발했습니다. 당시에는 Claude Code가 없었기 때문에 아무것도 사용하지 않았습니다. 텍스트 파일을 메모리와 저장소로 사용했을 뿐이죠. 벡터 탐색조차 사용하지 않고 그냥 컨텍스트에 입력했습니다. 어쨌든 아주 간단한 에이전트였습니다."
"오늘날 OpenClaw를 살펴보면, OpenClaw에서 대규모 모델을 저장하는 데 사용되는 메모리는 단순히 마크다운 파일 하나라는 것을 알 수 있습니다."
나는 그의 논리를 이해한다. "현재 단계에도 여전히 가치가 있다."
양판: "네, 특정 단계에서는 가치가 있다는 점을 부인하지 않습니다. GUI 자동화 등을 포함해서, 이러한 것들은 특정 단계에서 여전히 가치가 있으며, 분명히 적합한 시나리오가 있습니다."
그는 또한 미세 조정에 대해 다음과 같이 언급했습니다. "대부분의 경우 미세 조정은 그다지 의미가 없어 보입니다. 물론, 미세 조정이 의미 있는 특정 상황들이 있을 수 있습니다."
왜냐하면 근본적으로 미세 조정의 경쟁자는 누구일까요? 바로 기본 모델입니다. 그리고 그 기본 모델 자체가 오늘날 놀라운 속도로 진화하고 있기 때문입니다.
"지난 12월에 출시된 Zhipu GLM 4.7이 그 선두에 섰습니다. Zhipu GLM 4.7이 출시된 지 얼마나 됐는지 아십니까? 고작 몇십 일, 길어야 40일 정도밖에 안 됐는데 벌써 구형 모델로 여겨지고 있습니다. 시간이 얼마나 빨리 흘렀는지 실감하시나요?"
[3. 기술의 결정론적 문제: 언제 프로그램을 작성해야 할까요?]
라이브 스트리밍 시청자 한 분이 좋은 질문을 하셨습니다. "Skills는 다소 예측 불가능하고 실행 결과가 불안정한 경우가 많습니다. 언제 SQL을 작성해야 하고, 언제 코드를 작성해야 할까요?"
양판은 "정말 훌륭한 질문입니다. 제가 오프라인에서 진행하는 모든 발표, 특히 기술 분야 종사자들을 대상으로 하는 발표에서 항상 강조하는 점이 있습니다. 바로 사람, 모델, 프로그램 간의 유사점과 차이점을 이해해야 한다는 것입니다. 프로그램이 해야 할 일과 모델이 해야 할 일을 구분하는 것이 가장 기본적인 이해입니다."라고 말했습니다.
"방금 언급했듯이, 기술 문제는 본질적으로 모델과 프로그램의 조합입니다. 특정 결과에 100% 집중하고 있다면, 먼저 Claude Code가 특정 프로그램의 생성 방식을 결정하도록 한 다음, 그 작업을 프로그램에 위임해야 합니다."
"만약 작업에 일반화가 필요하다면, 즉 대규모 모델과 코드 조각을 도구로 사용하여 작업을 완료해야 한다면 스킬을 사용할 수 있습니다. 결국 목표가 무엇인지에 달려 있습니다. 만약 특정한 결과를 목표로 한다면 스킬을 사용하는 것은 절대 적절하지 않습니다."
"그래서 저는 이것이 선택의 문제라고 생각합니다. 또한, 명확한 결과를 목표로 한다면 본질적으로 소프트웨어 엔지니어링 문제입니다. 예를 들어, 단위 테스트 자동화 및 검증 가능한 폐쇄 루프 프로세스 생성과 같은 작업을 AI에 위임하는 경우, 즉 다른 경로를 통해 결과를 검증할 수 있다면, 이러한 작업을 모델에 위임하는 것도 가능하며, 이는 또한 허용될 수 있습니다."
"결국 모든 것은 공학적인 문제로 귀결됩니다. 앞서 말씀드렸듯이 첫 번째 문제는 선택이고, 두 번째는 그 선택을 하기 위해 필요한 공학적 작업입니다."
VII. 나의 행동과 성찰
1. 0.1B 토큰 클럽을 설립하세요
라이브 스트리밍이 끝나면 그룹 채팅방을 만들고 싶어요.
저는 "그룹 채팅방을 만들어서 '실리콘 기반 모바일 학습 그룹'이라고 이름 붙이는 건 어때요?"라고 말했습니다.
양판은 약간 당황하며 말했다. "이건... 실리콘 기반 유동이라고 하는데, 스트레스가 심해요. 정말 부끄럽네요. 이걸 굳이 해야 할까요?"
나는 웃으며 "그걸 0.1B 토큰 클럽이라고 부르는 거야?"라고 말했다.
"좋네요." 양판이 말했다. "괜찮아요, 부담 갖지 마세요."
우리는 여러 가지 버전을 논의했습니다.
"0.1B 토큰 클럽"
"데일리 1억 토큰 클럽"
마지막으로, 저희는 "일일 토큰 1억 클럽"을 만들기로 했습니다. 목표는 간단합니다. 첫째, 일일 토큰 소비량을 1억 개까지 늘리는 것입니다.
2. 양을 먼저 확보한 다음 질을 추구하라.
많은 사람들이 "물품의 품질은 어떤가요?"라고 묻습니다.
저는 양적인 측면에 먼저 집중해야 한다고 생각합니다. 왜냐하면요?
"토큰 사용량이 특히 많은 몇 가지를 예로 들자면, 첫 번째는 비디오 생성이고, 두 번째는 예를 들어 Claude Opus 4.6의 에이전트 팀 기능을 포함한 Seedream 모델입니다."
먼저 필요한 양을 확보한 다음, 이를 설계하십시오. 설계한다는 것은 무엇을 의미할까요? 그것은 매일 자동화된 프로세스로 만드는 것을 의미합니다. 즉, 갑자기 결정해서 원하는 시점에만 시작할 수 있는 것이 아닙니다. 마치 나무를 베는 것처럼 수동적인 작업이 아니라, 자동으로 관리되는 접근 방식이어야 합니다.
셋째, 다른 사람과 대화할 때는 항상 새로운 것을 제시해야 합니다. 예를 들어, 양 선생님이나 이치, 지우와 대화할 때, 제가 이야기를 나누면 그들은 '아, 다시 이야기하면서 많이 배웠어요. 뭔가 적어 봤어요.'라고 말합니다. 마치 제가 나무꾼이고 그들은 양치기이니, 우리도 함께 양떼를 몰아야 하는 것과 같습니다.
바이트댄스의 누군가에게서 들은 명언도 하나 있습니다. "인간은 멈출 수 있지만, AI는 멈출 수 없습니다. 인간은 잠을 잘 수 있지만, AI는 잠을 잘 수 없습니다. 우선, 볼륨을 높여야 합니다."
"양적인 변화는 필연적으로 질적인 변화로 이어질 것이라고 생각합니다. 왜냐하면 우리 주변의 대부분 사람들은 토큰을 거의 사용하지 않기 때문입니다. 그들의 사용은 ChatGPT를 이용하거나 가끔 이미지를 생성하는 정도에 그칩니다."
"이렇게 많은 토큰을 사용하다 보면 기사, 영상, 타인 역량 강화, 회사 내 변화 등 대량 외부 효과가 발생할 수밖에 없습니다. 이러한 활동을 통해 주변 사람들은 당신에게서 배우게 될 것입니다. 인간은 스스로 학습할 수 있는 능력을 가지고 있으며, 집단 또한 스스로 학습할 수 있는 능력을 가지고 있습니다."
[3. 내가 토큰을 사용하고 있음을 다른 사람들에게 알리기: 수요 창출]
이는 제가 라이브 방송에서 반복적으로 강조해 온 관점 입니다.
"토큰을 사용하고 싶다는 의사를 다른 사람들에게 알려야 합니다. 그래야 더 많은 토큰을 사용하게 될 겁니다. 다른 사람들에게 알리지 않으면 실제로 토큰이 필요하지 않다는 뜻이니까요. 따라서 다른 사람들이 우리 토큰을 사용하도록 수요를 창출해야 합니다."
"그게 바로 효과적인 접근 방식인 이유입니다. 우선 주변의 모든 기술과 요소들을 숙달하고, 그 다음에는 지속적으로 결과를 보여주세요. 공개 계정에 게시물을 올리고, 동영상을 올리고, 우리가 여기 있고 토큰을 사용하고 있다는 것을 세상에 알리세요. 주변 사람들에게도 우리가 토큰을 사용하고 있다고 알려주세요."
"오늘 우리 그룹의 목표를 정하는 게 좋겠습니다. '0.1B 학습 그룹'이라고 부르죠. 우리의 목표는 0.1B입니다."
정보를 많이 공유할수록 토큰을 더 많이 사용하게 됩니다. 토큰을 많이 사용할수록 다른 사람들이 더 많은 질문을 하게 됩니다. 질문이 많아질수록 문제 해결 능력이 향상 상승.
"양 교수님이 우리에게 주신 조언은 '토큰을 사용하고 싶어요'라고 다른 사람들에게 알리라는 것입니다. 그렇게 하면 토큰을 더 많이 사용하게 될 겁니다. 다른 사람들에게 알리지 않으면 실제로 토큰이 필요한 게 아니니까요. 우리는 수요를 창출하고, 다른 사람들이 우리 토큰을 사용하도록 만들어야 합니다."
4. 피라미드 모델: 이 시대의 기술 계층화
나는 이 시대의 기술들을 나타내는 피라미드를 그렸다:
"피라미드를 그려보겠습니다. 맨 아래에는 하드웨어 및 소프트웨어 배포가 있습니다. 그 위의 중간층은 기술인데, 이는 특히 이번 물결에 필요한 기본 기술들을 의미하며, 하드웨어와 소프트웨어 모두를 포함합니다. 이 모든 기술은 필수적입니다."
"그 위에는 기술을 사용하는 방법을 아는 사람, 기술을 만들어낼 수 있는 사람, 그리고 인공지능이 기술을 사용하도록 만들 수 있는 사람이 있고, 그보다 더 높은 단계의 사람들이 있을 수도 있습니다."
"그래서 저는 이번 파도도 아마 이런 순서를 따를 거라고 생각합니다."
양판은 중요한 관점 덧붙였습니다. "우리 주변의 대부분 사람들은 토큰을 거의 사용하지 않습니다. 하지만 토큰을 많이 사용함으로써 우리는 필연적으로 대량 외부 효과를 창출하게 됩니다. 예를 들어 기사, 영상 제작, 타인에게 힘을 실어주는 활동, 그리고 회사에 변화를 가져오는 것 등이 있습니다."
"많은 기술들 사이에서 반복되는 부분이 대량 거라고 생각합니다. 우선, 우리 주변의 모든 기술과 사물들을 숙달해야 하고, 그 다음에는 지속적으로 결과물을 내놓아야 합니다. 공개 계정에 글을 올리고, 영상을 공개하고, 우리가 토큰을 사용하고 있다는 사실을 세상에 알리고, 주변 사람들에게도 알리는 방식으로 말이죠."
"저는 이것이 차세대 AI를 맞이하기 위한 필수 조건이라고 생각합니다. 왜냐하면 앞으로 4.6, 그리고 4.7, 4.8, 4.9 버전이 나올 것이기 때문입니다."
8. 기억에 남는 명언과 생각들
라이브 스트리밍 내용을 정리하면서 양판이 생각해 볼 만한 많은 이야기들을 발견했습니다.
도구 제작에 관해서: 라이브 스트리밍 중 누군가가 "도구를 만들고 사용하는 것은 인간과 동물의 근본적인 차이점입니다. 대형 모델도 분명히 그것을 배웠군요."라고 말하자, 양판은 흥분해서 "스크린샷 찍고 싶네요! 이게 바로 스킬의 핵심입니다!"라고 말했습니다.
소프트웨어의 미래에 관해: "미래에 우리가 소프트웨어, 즉 SaaS 기업에 지출하는 모든 돈은 누가 지불할까요? 우리는 Anthropic, OpenAI, 그리고 Google에 지불할 것입니다. 내 요구 사항을 충족하는 기능을 만들어낼 수 있는 곳이라면 어디든 기꺼이 돈을 지불할 것입니다."
오픈소스 모델에 관하여: "상한 개선이란 무엇일까요? 국제 수학 올림피아드에서 금메달을 딸 수 있는 어린아이가 있다고 상상해 보세요. 하지만 그 아이는 아직 어립니다. 하한 개선이란 무엇일까요? 올림피아드에서 금메달을 딸 수는 없지만 대학생인 사람이 있다고 상상해 보세요. 어느 쪽이 더 가치 있는 연구라고 생각하시나요?"
불안감에 관해서: "백미러로 차가 점점 가까워지는 게 보이다가, 추월하는 순간 그림자조차 보이지 않게 되죠. 바로 지금, 백미러에서 차가 내 옆으로 다가오려는 그 순간이 저에게 가장 큰 불안감을 줍니다."
AI 지휘에 관해: "한신은 더 많은 병력을 지휘할수록 좋다고 믿었습니다. 원하는 만큼 병력을 맡겨주세요. 모두 관리할 수 있습니다. 왜냐하면 한신은 자신만의 병력 지휘 시스템을 구축했기 때문입니다. 만약 당신이 AI 지휘관이 되어 이 한계를 뛰어넘는다면, 당신과 다른 사람들과의 격차가 단순히 한두 배, 세 배, 혹은 열 배가 아니라는 것을 알게 될 것입니다."
결정론에 관하여: "100% 결정론적인 결과를 목표로 한다면, 먼저 Claude Code를 사용하여 결정론적인 프로그램을 생성한 다음 작업을 위임해야 합니다. 작업 중간에 일반화가 필요한 경우 Skills를 사용할 수 있습니다. 이는 선택의 문제이며, 엔지니어링 문제이기도 합니다."
2026년에 관해: "2026년에 생각해 볼 만한 것은, 인공지능이 우리에게 이토록 강력한 능력을 부여했는데, 우리는 그것을 어떻게 활용해야 할까? 2026년에 인공지능 코딩으로 어떤 결과를 얻어야 할까? 이는 단순히 도구 사용법을 배우는 것보다 훨씬 더 중요한 질문입니다."
맛과 선별 능력에 관하여: "맛은 매우 중요합니다. 본질적으로 선별 능력과 같습니다. 80가지 항목으로 구성된 매우 균질화된 제품 환경에서, 독특한 맛은 고품질 작품을 식별하고 부각시켜 특정 사용자를 정확하게 타겟팅할 수 있도록 해줍니다."
생산성이 극도로 풍부한 시대에 관하여 : "생산성이 극도로 풍부한 미래에는 거의 모든 사람이 생산 비용을 거의 0에 가깝게 낮추면서 80점 수준의 제품을 생산할 수 있을 것입니다. 과거에는 좋은 제품이 쉽게 발견되었지만, 오늘날에는 80점짜리 걸작을 만들어도 발견될 확률은 극히 낮습니다. 따라서 브랜드, 트래픽, 유통 채널을 확보하는 것이 오늘날 상당한 경쟁 우위를 제공할 것입니다."
결과물에 관하여 : "사물의 복잡성이 계속 증가하여 임계점에 도달하면 단순히 도구를 구매하는 것만으로는 원하는 결과를 얻기에 더 이상 충분하지 않습니다. 이 시점에서는 '도구를 구매하는 것'보다 '결과를 구매하는 것'이 더 나은 선택이 됩니다. 귀사가 제공하는 가치는 복잡한 문제를 서비스, 제품 및 역량에 내재화하는 데 있습니다."
결론: 현재를 소중히 여기고 변화를 받아들이세요.
전화를 끊고 나서 OpenClaw를 실행하여 새로운 OpenClaw 인스턴스를 배포하기 시작했습니다.
아직 하루 1억 토큰에는 도달하지 못했고, 어쩌면 천만 토큰도 못 넘었을지도 몰라요. 하지만 이 방향이 옳다는 건 확신합니다.
양판은 라이브 방송 중에 매우 부드러우면서도 매우 잔인한 말을 했습니다.
"저는 '인간 세상의 하루는 인공지능 세상에서 1년과 같다'는 말을 곰곰이 생각해 왔습니다. ChatGPT 출시 초기부터 저는 ChatGPT 출시 5년 후에는 일반 인공지능 시대가 도래할 것이라는 관점 고수해 왔습니다. 물론, 다양한 유형의 인공지능 간에는 여전히 차이가 존재할 것입니다."
마지막으로 이 말을 전하고 싶습니다. 사랑하는 사람들과 함께 보내는 시간을 소중히 여기세요. 5년 후 무슨 일이 일어날지 우리는 알 수 없기 때문입니다. 인류 사회와 지구 모두 예측할 수 없는 심오한 변화를 겪게 될 것입니다.
오늘 해커톤에서 본 모습이 떠오르네요. 많은 사람들이 여전히 Claude를 배포하는 방법을 배우고 있었고, 많은 젊은 여성들이 "이거 유용하네요. 제 개인 비서로 쓸 수 있겠어요."라고 말했어요.
나는 속으로 생각했다. '하나님은 신경 쓰지 않으셔.'
인공지능은 당신이 자신에 대해 어떻게 생각하는지 신경 쓰지 않습니다. 인공지능은 자신의 능력을 100배로 향상시킬 수 있는 사람과 기회에만 관심을 갖습니다.
오늘 저는 코인업계 에서 알던 옛 친구들을 몇 명 만났는데, 모두 AI 분야로 전향하고 있더군요. 한 친구가 저에게 "랭 교수님, 교수님은 우리보다 세 버전이나 앞서 계시네요."라고 말했습니다.
하지만 저는 요즘 시대에는 3개월 만에 3가지 버전이 출시될 수 있다는 것을 알고 있습니다. 정말 엄청나게 빠른 속도죠.
양판은 "제 친구들 중 많은 사람들이 0.01억에서 0.1억으로 빠르게 성장했고, 단 일주일 만에 10억에 육박했습니다."라고 말했다.
어떤 사람들은 신이 되어가고 있지만, 우리는 여전히 인간일 뿐이다.
하지만 우리는 신이 되는 것을 선택할 수도 있습니다.
방법은 매우 간단합니다.
- 인공지능을 도구가 아닌 노동력으로 취급하세요.
- AI 리더십 달성을 위한 엔지니어링 시스템 구축
- 토큰을 미친듯이 소모하세요. 비용 절감이나 효율성 개선에는 집중하지 마세요.
- 토큰을 사용하여 수요를 창출하고 있다고 모두에게 알리세요.
- 사람을 위한 소프트웨어가 아닌, 에이전트를 위한 인프라를 구축하십시오.
시간의 기차는 이미 움직이기 시작했습니다. 당신이 그 기차에 오르지 않으면 뒤쳐질 것입니다.
나는 버스를 타기로 했다.
당신은요?
실리콘 기반 흐름에 관하여
실리콘 기반 클라우드 서비스 Flow는 900만 명이 넘는 등록 사용자를 보유한 중국 최대 규모의 오픈 소스 클라우드 서비스 플랫폼입니다. 공동 창업자인 양판은 32년간의 코딩 경력을 자랑하며, 주로 인스턴트 메시징 분야에서 마이크로소프트 MSN과 차이나 모바일의 Fetion 개발에 참여했습니다. 현재는 AI 클라우드 서비스를 개발하고 있으며, 지난 10년간 수많은 기업가와 대기업을 대상으로 서비스를 제공해 왔고, 각각 10억 명이 넘는 등록 사용자를 보유한 세 가지 제품을 개발했습니다.
실리콘 기반 모바일은 설 연휴 기간 동안 다양한 국내 AI 제품을 한데 모아 에어드랍 으로 모든 고객에게 혜택을 제공하는 AI 선물 패키지 이벤트를 진행합니다.
이 시대에는 관심만이 중요하고, 토큰만이 가진 전부입니다.
(기사 끝부분, 약 9200단어)
