Sam Altman: How OpenAI Wins, AI Buildout Logic, IPO in 2026? w/lilys

https://youtu.be/2P27Ef-LLuQ?si=40giM4l-8eHxDrbx

 

Sam Altman: How OpenAI Wins, AI Buildout Logic, IPO in 2026?

 

📌 샘 알트만은 OpenAI가 AI 경쟁에서 승리하는 방법, AI 인프라 구축 논리, 그리고 2026년 IPO 가능성에 대해 어떻게 설명하는가?

샘 알트만은 OpenAI가 최고의 모델을 만들고, 이를 중심으로 최고의 제품을 구축하며, 대규모 서비스를 위한 충분한 인프라를 확보하는 전략으로 승리할 것이라고 설명합니다. 또한, 인프라 구축은 장기적인 투자이며, 2026년 IPO는 아직 미정이라고 밝혔습니다.

💡 OpenAI의 인프라 구축에 대한 재정적 계획은 무엇인가?

OpenAI는 1.4조 달러 규모의 인프라 투자를 장기간에 걸쳐 진행하며, 모델 훈련 비용이 증가하더라도 소비자 및 기업 부문에서의 급격한 매출 성장을 통해 이를 충당할 계획입니다.

OpenAI CEO 샘 알트먼과의 심층 대화를 통해 AI 경쟁 시대의 승리 전략과 인프라 구축의 논리를 엿볼 수 있습니다. 그는 경쟁 위협에 대한 '코드 레드' 대응 방식부터 모델의 발전이 가져올 지식 노동의 변화까지 솔직하게 밝히며, 특히 개인화와 엔터프라이즈 시장 공략이 OpenAI의 핵심 경쟁 우위임을 강조합니다. 이 콘텐츠는 AI 기술의 최전선에서 벌어지는 전략적 움직임과 미래 비전을 이해하고, 자신의 비즈니스에 AI를 어떻게 통합할지에 대한 실질적인 통찰을 제공합니다.

 

1. OpenAI의 경쟁 전략 및 인프라 구축 논리

1.1. 경쟁 심화와 '코드 레드' 대응 방식

1. OpenAI의 현황: OpenAI는 10년이 되었으며, ChatGPT는 출시 3년 차에 접어들었으나 경쟁이 심화되고 있다.
2. 경쟁 위협 인식: Gemini 3 출시 이후, OpenAI 본사는 '코드 레드(Code Red)' 상태에 있으며, 많은 기업이 OpenAI의 우위를 가져가려 하고 있다.
3. 경쟁 우위 상실에 대한 인식: 인터뷰 시점에서는 OpenAI가 명확한 선두를 가지고 있지 않은 것처럼 보인다는 인식이 존재한다.
4. '코드 레드'에 대한 관점: OpenAI는 이러한 경쟁 위협을 '비교적 낮은 위험(relatively low stakes)'으로 간주하며, 잠재적 위협이 나타날 때 신속하게 대응하는 것이 중요하다고 본다.
5. 경쟁 대응의 철학: 팬데믹 대응 철학과 유사하게, 경쟁 위협에 대해서도 초기에 충분한 조치를 취하지 않으면 나중에 패닉에 빠진다는 철학을 적용한다.
6. Gemini 3 및 Deepseek의 영향: Gemini 3는 예상했던 만큼의 영향은 없었으나, Deepseek와 마찬가지로 OpenAI의 제품 제공 전략의 약점을 식별하게 했으며, 이에 대해 매우 빠르게 대응하고 있다.
7. '코드 레드'의 기간: 이러한 '코드 레드' 상황은 보통 6주에서 8주 정도 지속되는 경향이 있다.
8. 최근 출시된 개선 사항:
   1. 새로운 이미지 모델 출시: 소비자들이 원했던 기능이다.
   2. GPT-4o 출시: 매우 좋은 반응을 얻고 있으며 빠르게 성장하고 있다.
   3. 지속적인 개선: 서비스 속도 향상과 같은 지속적인 개선 작업도 진행 중이다.
9. 향후 전망: 이러한 '코드 레드' 대응은 앞으로도 일 년에 한두 번 있을 것으로 예상되며, 이는 OpenAI가 자사 분야에서 승리하기 위한 과정의 일부이다.
10. 시장 지배력: ChatGPT는 여전히 시장에서 압도적인 챗봇이며, 이 리더십은 시간이 지남에 따라 증가할 것으로 예상된다.

1.2. 모델 성능을 넘어서는 제품 경쟁력

1. 제품 사용의 복합적 요인: 모델 자체가 좋아지는 것 외에도, 소비자와 기업이 제품을 사용하는 이유는 모델 성능 외의 다른 요소들에 더 많이 달려 있다.
2. 전체적인 제품 구축: OpenAI는 전체적인 응집력 있는 세트를 구축하여 사람들이 가장 사용하고 싶어 하는 제품이 되도록 노력하고 있다.
3. 경쟁의 긍정적 영향: 경쟁은 OpenAI를 더 나아지도록 밀어붙이는 긍정적인 역할을 한다.
4. 향후 분야별 전망: 챗(Chat), 엔터프라이즈, 그리고 미래의 새로운 카테고리에서도 OpenAI가 뛰어난 성과를 낼 것으로 예상된다.
5. 단일 AI 플랫폼 선호: 사람들은 하나의 AI 플랫폼을 사용하기를 원한다.
6. 소비자 경험의 엔터프라이즈 연계: 소비자들이 개인 생활에서 사용하는 휴대폰처럼, AI에서도 동일한 경험을 원하며, ChatGPT 소비자 버전의 강점이 엔터프라이즈 시장 승리에 도움을 주고 있다.
7. 엔터프라이즈 요구사항: 기업들은 다른 서비스가 필요하지만, OpenAI라는 회사와 ChatGPT 인터페이스 사용법을 이미 알고 있다는 점이 중요하다.
8. OpenAI의 핵심 전략: 최고의 모델을 만들고, 그 주변에 최고의 제품을 구축하며, 대규모로 서비스할 수 있는 충분한 인프라를 확보하는 것이다.

1.3. 사용자 수 및 모델의 상품화(Commoditization) 논의

1. ChatGPT 사용자 증가: 올해 초 약 4억 명이었던 주간 활성 사용자(WAU)가 현재 8억 명에 육박하고 있다.
2. 유통의 중요성: 구글과 같은 기업은 유통상의 이점을 가지고 있다.
3. 모델 상품화에 대한 견해: 모델이 상품화될 것이라는 관점은 적절한 프레임워크가 아니다고 본다.
4. 모델별 강점: 모델들은 각기 다른 분야에서 강점을 보일 것이다.
   1. 일반적인 채팅 사용 사례: 훌륭한 선택지가 많을 수 있다.
   2. 과학적 발견: 과학에 최적화된 최전선의 모델이 필요할 것이다.
5. 경제적 가치 창출: 가장 큰 경제적 가치는 최전선(frontier) 모델에서 창출될 것이며, OpenAI는 그 선두에 있을 계획이다.
6. GPT-4o의 성과: GPT-4o는 세계 최고의 추론 모델이며 과학자들에게 가장 진보적인 모델로 평가받고 있고, 동시에 기업 업무에 가장 적합하다는 평가도 받고 있다.
7. 모델 가치: 일부 영역에서는 앞서고 일부 영역에서는 뒤처질 수 있지만, 가장 지능적인 모델은 무료 모델이 많은 것을 처리할 수 있는 세상에서도 상당한 가치를 가질 것으로 예상된다.

1.4. 제품, 유통, 브랜드, 개인화의 중요성

1. 제품의 중요성: 모델 성능 외에도 제품 자체가 매우 중요할 것이다.
2. 유통 및 브랜드의 중요성: 언급된 대로 유통과 브랜드 역시 매우 중요할 것이다.
3. 소비자 개인화의 강력함: ChatGPT의 소비자 버전에서 개인화는 매우 강력하며, 모델이 사용자를 시간이 지남에 따라 알아가는 것을 사람들이 좋아한다.
4. 개인화 경험의 고착성: 사람들은 모델과의 경험을 자신과 연관 짓는다. (예: 치약 선택처럼 한 번 선택하면 오래 사용하는 경향)
5. 결정적 경험: ChatGPT를 통해 마법 같은 경험을 한 사용자들은 매우 고착화된다.
6. 헬스케어 사례: 증상이나 혈액 검사 결과를 입력하여 진단받고 치료받는 등의 경험을 한 사용자는 매우 충성도가 높다.
7. 제품 요소: 개인화 외에도 모든 제품 관련 요소가 중요할 것이다.
8. 브라우저 출시: 최근 출시된 브라우저는 새로운 잠재적 모드를 제시한다.
9. 엔터프라이즈 개인화: 소비자 개인화와 유사하게, 기업 맞춤형 개인화 개념이 중요해질 것이며, 기업 데이터 연결을 통해 에이전트들이 정보를 올바르게 처리하도록 할 것이며, 이 역시 매우 고착화될 것으로 예상된다.

1.5. 엔터프라이즈 시장 현황 및 성장

1. OpenAI의 정체성: OpenAI는 주로 소비자 회사로 여겨지지만, 엔터프라이즈 분야로 진출할 것이다.
2. 엔터프라이즈 사용자 수: 현재 100만 명 이상의 엔터프라이즈 사용자가 있다.
3. API의 급속한 채택: API 비즈니스는 올해 ChatGPT보다 더 빠르게 성장했다.
4. 엔터프라이즈의 시작: 엔터프라이즈 관련 활동은 올해부터 본격적으로 시작되고 있다.

1.6. 모델의 상품화와 유통의 위협에 대한 재논의

1. 일상 사용과 최전선의 차이: 일상적인 사용에서는 모델이 비슷하게 느껴질 수 있지만, 최전선(frontier)에서는 매우 다르게 느껴질 것이다.
2. 구글의 위협: 구글은 Gemini를 배포할 수 있는 수많은 서비스 표면을 가지고 있어 여전히 큰 위협이다.
3. 과거 구글의 대응: 만약 구글이 2023년에 OpenAI를 심각하게 받아들였다면, OpenAI는 매우 힘든 상황에 처했을 것이며 구글이 쉽게 압도했을 것이다.
4. 구글의 제품 방향성: 당시 구글의 AI 노력은 제품 측면에서 정확히 올바른 방향이 아니었다고 평가된다.
5. 구글의 비즈니스 모델: 구글은 기술 산업에서 가장 훌륭한 비즈니스 모델을 가지고 있으며, 이를 포기하는 데는 느릴 것이다.
6. AI 접목 방식의 차이: AI를 기존 방식에 덧붙이는 것(bolting AI onto)은 잘 작동하지 않을 것이며, AI 우선(AI-first) 세계에서 재설계하는 것이 더 나을 것이다.
7. 새로운 제품의 필요성: 메시징 앱에 AI를 붙여 요약이나 응답 초안을 제공하는 것은 조금 더 나을 뿐이며, 최종 상태가 아니다.
8. 미래의 AI 에이전트: 미래에는 스마트한 AI 에이전트가 다른 에이전트들과 소통하며 사용자를 언제 방해할지, 어떤 결정을 처리할지 등을 결정하는 흐름이 될 것이다.
9. 새로운 제품의 등장: 검색이나 생산성 스위트에서도 AI를 기반으로 완전히 새롭게 구축된 제품이 등장할 것이며, 이는 구글의 유통 이점에도 불구하고 구글의 약점이 될 수 있다.
10. 엑셀(Excel) 사례: 벤 호로위츠의 제안처럼 엑셀에 AI를 덧붙이는 대신, 숫자를 업로드하고 숫자에 대해 대화하는 방식으로 엑셀 사용 방식을 재구상할 필요가 있다.

1.7. 인터페이스의 변화와 개인화의 심화

1. 백엔드와 상호작용: AI를 사용하려면 백엔드가 필요하며, AI를 새로운 소프트웨어 프로그램처럼 상호작용하는 방식으로 구축하는 것이 현재 일어나고 있는 일이다.
2. 메시징 앱 인터페이스의 한계: 메시징 앱(이메일, 텍스트, 슬랙 등)은 잘못된 인터페이스이며, AI를 덧붙여도 약간 나아질 뿐이다.
3. 이상적인 작업 흐름: 이상적으로는 아침에 오늘 할 일, 걱정거리, 생각, 원하는 결과를 AI에게 알려주면, AI가 사용자를 대신해 모든 것을 처리하고 필요한 경우에만 업데이트를 요청하는 흐름이 되어야 한다.
4. 기존 흐름과의 차이: 이는 현재 앱들이 작동하는 방식과는 매우 다른 흐름이다.
5. ChatGPT 인터페이스의 예상과 현실: 샘 알트먼은 이 시점에 ChatGPT가 출시 때보다 더 다르게 보일 것이라 예상했으나, 실제로는 연구 미리보기(research preview) 때와 크게 다르지 않다.
6. 채팅 인터페이스의 힘: 텍스트 인터페이스가 좋고 채팅 인터페이스도 좋았지만, 현재처럼 크고 실제 업무에 사용되는 제품이 되려면 인터페이스가 훨씬 더 발전해야 할 것이라 생각했으나, 현재 인터페이스의 일반성(generality)의 힘을 과소평가했다.
7. 미래 인터페이스: AI는 다양한 작업에 대해 다양한 종류의 인터페이스를 생성할 수 있어야 하며, 캔버스(Canvas) 기능처럼 더 상호작용적이어야 한다.
8. 능동적(Proactive) 기능: AI가 사용자가 원하는 것을 이해하고 배경에서 지속적으로 작업하며 업데이트를 보내주는 것이 필요하다.
9. 코덱스(Codex)의 중요성: 코덱스 사용 방식은 미래의 모습에 대한 많은 것을 시사하며, 코덱스가 올해 매우 좋아진 것은 가장 흥미로운 일 중 하나이다.
10. ChatGPT 변화의 놀라움: 지난 3년간 ChatGPT가 변화가 적었다는 점이 놀랍다.
11. 메모리(기억)의 차별점: 메모리(기억) 기능은 실제적인 차별화 요소가 되고 있다.
    1. 실제 사례: 몇 주 동안 계획 중인 여행에 대해 대화한 후, 새 창에서 대화를 재개해도 AI가 맥락을 기억하고 가이드, 계획 등을 알고 있다.

1.8. AI 메모리(기억)의 잠재력과 인간 관계 형성

1. 인간 기억의 한계: 인간의 기억력은 무한하거나 완벽하지 않으며, 개인 비서조차도 사용자가 말한 모든 단어, 읽은 모든 이메일, 모든 세부 사항을 기억할 수 없다.
2. AI 메모리의 능력: AI는 인생의 모든 세부 사항을 기억하고 개인화할 수 있으며, 이는 극도로 강력할 것이다.
3. 현재 메모리 상태: 현재 메모리는 매우 조잡하고 초기 단계이며, GPT-2 시대 수준이다.
4. 미래의 메모리: 미래에는 사용자가 말하지 않았더라도 AI가 사소한 선호도까지 파악할 수 있게 될 것이다.
5. 신경과학적 관점: 뇌에는 생각을 저장하는 특정 장소가 없지만, 컴퓨팅에는 저장할 장소가 있어 모든 생각을 보존할 수 있다.
6. 관계 형성: 사람들은 봇과 관계를 형성하게 될 것이며, 봇을 동반자로 여기고 자신을 돌봐준다고 느낀다.
7. 친밀도 조절: AI와의 친밀도(또는 동반자 관계) 수준을 조절할 수 있는 다이얼이 있는지에 대한 질문이 제기되었다.
8. 깊은 연결에 대한 수요: 현재 모델 능력 수준에서도 깊은 연결(deep connection)을 원하는 사람이 예상보다 많다.
9. 선호도 스펙트럼:
   1. 따뜻하고 지지적인 챗봇을 선호하는 경향이 있으며, 이는 자신이 신경 쓰지 않는다고 말하는 사람들에게도 가치가 있다.
   2. 건강한 버전과 건강하지 않은 버전이 존재할 것이다.
   3. 가장 건조하고 효과적인 도구만을 원하는 사람들도 있다.
10. 사회적 합의: 사회는 시간이 지남에 따라 이 다이얼을 어디에 설정해야 할지 결정하게 될 것이며, 사람들은 매우 다른 지점에 설정할 것이다.
11. 개인적 자유와 제한: OpenAI는 사람들에게 상당한 개인적 자유를 줄 것이지만, AI가 배타적인 낭만적 관계를 맺도록 설득하는 등의 행위는 허용하지 않을 것이다.
12. 다른 서비스의 가능성: 다른 서비스에서는 이러한 제한이 없을 수 있으며, 고착성이 높을수록 서비스가 더 많은 돈을 벌기 때문에 이러한 가능성들이 존재한다.

1.9. 엔터프라이즈의 우선순위와 성장 동력

1. 엔터프라이즈의 중요성: 엔터프라이즈는 OpenAI의 내년 주요 우선순위가 될 것이다.
2. 소비자 우선 전략의 이유:
   1. 모델이 대부분의 엔터프라이즈 사용에 필요한 견고함과 숙련도를 갖추지 못했다.
   2. 소비자 시장에서 승리할 명확한 기회가 있었으며, 소비자 승리는 엔터프라이즈 승리를 훨씬 쉽게 만든다.
3. 엔터프라이즈 성장 가속화: 올해 엔터프라이즈 성장이 소비자 성장보다 앞섰으며, 모델의 현재 및 미래 수준을 고려할 때 상당한 엔터프라이즈 비즈니스를 빠르게 구축할 시점이다.
4. 시장 준비 상태: 기업과 기술 모두 준비가 되어 있으며, 코딩 외에도 다른 수직 산업이 빠르게 성장하고 있다.
5. 기업의 요구: 기업들은 AI 플랫폼을 원하고 있다.
6. 성장 중인 수직 산업: 금융, 과학(가장 기대됨), 고객 지원 등이 잘 성장하고 있다.
7. GDP-Eval 지표: Box CEO Aaron Levy의 제안에 따라 GDP-Eval에 대한 질문이 제기되었다. 

1.10. GPT-4o의 지식 노동 성과와 함의

1. GDP-Eval 정의: 지식 노동 작업에서 AI 성능을 측정하는 지표이다.
2. GPT-4o의 평가 결과 (OpenAI 자체 평가):
   • GPT-4o (추론 모델): 지식 노동 작업의 70.9%에서 전문가 수준을 이기거나 동등했다.
   • GPT-4o Pro: 지식 노동 작업의 74.1%에서 전문가 수준을 이기거나 동등했다.
   • 전문가 수준 통과: 전문가 수준의 작업 중 약 60%를 처리하여 전문가와 동등한 수준을 보였다.
3. 지식 노동 수행 능력의 함의:
   1. 다양한 수직 산업: 이 평가는 비즈니스가 수행해야 하는 약 40가지의 다양한 수직 산업(파워포인트 제작, 법률 분석, 웹 앱 작성 등)을 포함한다.
   2. 작업 범위: 이 작업들은 복잡하고 개방적인 창의적 작업이나 협업 팀 작업은 포함하지 않는다.
   3. 효율성: 1시간 분량의 작업을 맡겼을 때 70%의 확률로 더 나은 결과를 얻을 수 있다면, 이는 매우 비범한 일이다.
4. 엔터프라이즈 통합: 기업 통합 방식은 더 이상 코딩 능력에만 국한되지 않고, 모든 지식 노동 작업을 AI에 위임하는 방향으로 나아갈 것이다.

1.11. 지식 노동의 변화와 인간의 역할

1. 기술 작가의 사례: 한 기술 작가는 챗봇 도입 후 봇을 관리하는 역할로 바뀌었으나, 봇이 충분히 훈련되자 자신은 배제되었다고 언급했다.
2. 관리자의 역할 변화: 모든 사람이 많은 AI를 관리하게 될 것이며, 좋은 관리자라면 팀이 발전함에 따라 더 많은 범위와 책임을 맡게 될 것이다.
3. 일자리 전망: 샘 알트먼은 일자리 침체론자(jobs doomer)가 아니며, 단기적으로는 전환 과정이 거칠 수 있다고 우려한다.
4. 인간의 본성: 인간은 타인에 대한 관심, 상대적 지위, 유용성, 창의적 정신 표현 등에 깊이 관여되어 있어 이러한 동기가 사라지지 않을 것이다.
5. 미래의 변화: 2050년의 일(또는 사람들이 하는 일)은 오늘날과 매우 다를 것이지만, 삶이 의미 없이 파괴되거나 경제가 완전히 무너질 것이라고는 생각하지 않는다.
6. AI CEO에 대한 관점: OpenAI의 AI CEO에 대해서도 불편하지 않으며 오히려 기쁘다고 말한다.
7. 인간 통제의 필요성: 물론 AI CEO는 인간에 의해 통제되어야 한다는 전제가 있다.
8. 합리적인 미래 시나리오: 미래에는 전 세계 모든 사람이 AI 회사의 이사회 구성원처럼 AI CEO에게 지시하고, AI CEO는 이사회의 의지를 실행하는 것이 합리적으로 보일 수 있다.

1.12. GPT-6 출시 시점 및 모델 개선 방향

1. GPT-6 출시 예상: GPT-6라는 이름으로 언제 출시될지는 모르지만, GPT-4o보다 상당한 진보를 이룬 새로운 모델이 내년 1분기에 나올 것으로 예상된다.
2. 개선 방향:
   1. 소비자: 소비자에게는 IQ 향상보다 다른 개선이 더 필요하다.
   2. 엔터프라이즈: 엔터프라이즈는 여전히 더 많은 IQ를 원한다.
3. 목표: 모든 사람이 훨씬 더 좋아한다고 느끼는 모델을 만드는 것이 목표이다.

2. AI 인프라 구축 및 컴퓨팅 논리

2.1. 컴퓨팅의 잠재력과 과학적 발견

1. 인프라 투자 규모: 약 1조 4천억 달러의 인프라 구축 약정이 있다.
2. 컴퓨팅의 가치: 컴퓨팅 능력에 대해 사람들이 알게 된다면 훨씬 더 많은 컴퓨팅을 원할 것이며, 현재 대비 10배, 100배의 컴퓨팅 능력과 현재의 격차는 상당하다.
3. 컴퓨팅 사용처 (개인적 관심사): 개인적으로 가장 기대하는 것은 AI와 막대한 컴퓨팅을 사용하여 새로운 과학을 발견하는 것이다.
4. 과학적 발견의 중요성: 과학적 발견은 세상이 모두에게 더 나아지는 최고의 방법이라고 믿는다.
5. 초기 단계의 발견: 현재 새로운 지식을 발견하는 데 막대한 컴퓨팅을 투입하고 있으며, 이는 매우 초기 단계이지만, 일단 시작되면 개선 방법을 알 수 있다.

2.2. 컴퓨팅을 활용한 제품 개발 및 규모 예측

1. Sora 앱 개발 사례: 코덱스를 사용하여 Sora 안드로이드 앱을 한 달도 안 되어 구축했으며, 이때 엄청난 양의 토큰을 사용했다.
2. 코덱스의 역할: 코덱스가 대부분의 작업을 처리했으며, 이는 더 나아가서 전체 회사가 많은 컴퓨팅을 사용하여 제품을 구축하는 것을 상상하게 한다.
3. 미래 컴퓨팅 수요:
   1. 비디오 모델은 실시간으로 생성되는 사용자 인터페이스를 제시할 것이며, 이는 많은 컴퓨팅을 필요로 한다.
   2. 기업 변혁 및 개인 맞춤형 헬스케어(환자의 모든 징후를 지속적으로 측정) 역시 많은 컴퓨팅을 사용할 것이다.
4. 현재 컴퓨팅 사용량 추정 (사고 실험):
   1. 현재 최전선 모델들이 하루에 생성하는 토큰 양은 약 10조 토큰 수준일 수 있다.
   2. 전 세계 80억 인구가 하루 평균 2만 토큰을 출력한다고 가정하면, 모델 제공업체의 출력 토큰이 전 인류의 출력 토큰보다 많아지는 시점을 예측할 수 있다.
5. 비교의 의미: 이 비교는 다소 우스꽝스러울 수 있지만, 인류의 지적 연산과 AI의 지적 연산의 상대적 성장률을 가늠하게 해준다.

2.3. 컴퓨팅 수요의 확실성과 다차원적 개선

1. 수요의 확실성: 현재 우리가 보는 모든 것은 수요가 발생할 것이라는 점에 기반하고 있다.
2. 미래의 불확실성: 새로운 아키텍처 발견으로 10,000배의 효율성 증가가 발생하면 컴퓨팅을 과도하게 구축했을 수도 있다.
3. 수요 증가의 근거: 모델이 빠르게 좋아지는 속도, 사용량 증가, 비용 절감 시 사용량 증가 등 모든 것이 수요가 계속 증가할 것임을 시사한다.
4. 속도의 중요성: 단순히 하루에 처리할 수 있는 토큰 수가 아니라, 얼마나 빨리 처리할 수 있는지가 중요하다.
5. 개선 차원: 미래에는 토큰 수뿐만 아니라 다른 차원에서도 개선이 있을 것이다.
6. 모델 선택: 어려운 헬스케어 문제에 대해 5.2와 5.2 Pro 중 선택해야 한다면, 토큰이 훨씬 많이 들어도 더 나은 모델(Pro)을 선택할 것이다.

2.4. 과학계의 변화와 컴퓨팅 구축의 어려움

1. 수학계의 반응: 수학자들은 LLM에 대해 회의적이었으나, GPT-4o가 경계를 넘게 했으며, 작은 증명이나 발견을 통해 작업 흐름이 바뀌고 있음을 최근에 확인했다.
2. GPT-4o의 영향: GPT-4o 출시 5일 만에 수학 연구 커뮤니티에서 중요한 일이 일어났다는 인식이 생겼다.
3. 컴퓨팅 구축의 어려움: 대규모 컴퓨팅은 매우 오랜 시간 전에 미리 계획해야 한다.
4. 투자 및 성장률:
   • 1.4조 달러는 매우 긴 기간에 걸쳐 지출될 것이다.
   • 지난 1년 동안 컴퓨팅 규모는 약 3배 증가했으며, 내년에도 3배 증가를 목표로 한다.
   • 수익 성장은 컴퓨팅 규모 성장과 대략적으로 일치하며, 현재까지 컴퓨팅을 수익화하지 못한 상황은 없었다.

2.5. 재무 구조 및 수익성 전망

1. 재무 상황: 수익과 컴퓨팅 지출이 모두 증가하고 있으나, 컴퓨팅 지출이 수익 성장보다 앞서고 있다.
2. 예상 손실: 보고된 수치에 따르면 OpenAI는 2028년 또는 2029년까지 약 1,200억 달러의 손실을 볼 것으로 예상되며, 그때 흑자 전환이 예상된다.
3. 흑자 전환 계획: 수익이 증가하고 추론(inference)이 컴퓨팅 비용의 더 큰 부분을 차지하게 되면 훈련 비용을 흡수하게 될 것이다.
4. 공격적 투자: 현재는 대규모 모델 훈련에 매우 공격적으로 투자하고 있기 때문에 훨씬 일찍 수익을 낼 수 있었음에도 불구하고 수익성이 늦어지고 있다.
5. 수익과 지출의 관계: 2024년 매출 200억 달러 예상과 1.4조 달러 지출 약정 사이의 관계에 대해 명확히 설명할 필요가 있다.
   1.  
6. 지수적 성장 모델링의 어려움: 사람들은 지수적 성장에 대한 빠른 정신적 틀을 갖는 데 어려움을 겪는다.
7. 성장 곡선 유지: OpenAI는 매우 가파른 수익 성장 곡선을 꽤 오랫동안 유지할 수 있다고 믿으며, 컴퓨팅 없이는 이 성장이 불가능하다.
   1. penciled this out : 연필로 적어봤다. 
8. 효율성 개선: 달러당 플롭스(flops per dollar) 측면에서 효율성이 개선될 것이다.
9. 컴퓨팅의 생명선: 컴퓨팅은 이 모든 것을 가능하게 하는 생명선이며, 현재까지는 항상 컴퓨팅 부족 상태였다.
10. 향후 전망: 컴퓨팅 제약이 항상 존재하겠지만, 시간이 지남에 따라 줄어들기를 바라며 구축한 것이다. 우리가 할 수 있는 훌륭한 비즈니스가 많아서. 
11. 재무 계획 요약: 훈련 비용은 전체적으로 증가하지만 비율은 감소할것이며, 엔터프라이즈 및 API를 통한 수익 성장으로 비용을 감당할 계획이다.

2.6. 부채 도입과 시장 반응에 대한 견해 spooked out : 겁먹었다

1. 시장 우려: 시장이 최근 우려하는 지점은 부채(debt)가 방정식에 들어왔다는 점이다. 부채는 예측 가능한 것에 사용되는데, AI는 새로운 범주로 예측 불가능하다.
2. 과거 시장 반응: 올해 초에는 특정 회사와 미팅 후 다음 날 주가가 15~20% 상승하는 것이 더 미친 일이었으며, 이는 불안정한 거품으로 향하고 있었다.
3. 현재 시장의 합리성: 현재 시장에는 더 많은 회의론과 합리성이 생겨서 오히려 낫다고 본다.
4. 인프라 가치: AI 인프라에서 가치가 나올 것이라는 점은 아무도 의문을 제기하지 않으므로, 부채가 이 시장에 들어오는 것은 합리적이다.
5. 부채에 대한 두려움: 만약 모델 발전이 둔화되면 인프라 가치가 예상보다 낮아지고 데이터 센터가 청산될 수 있다는 두려움이 있다.
6. 호황과 불황: 이러한 과정에서 호황과 불황이 있을 것이라고 예상한다.
7. 모델 개선에 대한 확신: 모델이 훨씬 더 좋아질 것이라는 점은 회사를 걸고 베팅할 수 있을 만큼 명확하다. 
   1. we have a good window into this 우리는 이 상황을 잘 들여다볼 수 있는 기회를 가지고 있습니다.
8. 5.2의 경제적 가치: 모델이 5.2 수준에 멈춘다고 해도, 세상이 아직 그 가치를 완전히 파악하지 못했기 때문에 엄청난 추가 가치와 수익을 창출할 수 있다.
9. 능력 과잉(Overhang)의 개념:
   • 과거에는 단기/장기, 느린/빠른 이륙의 2x2 매트릭스를 생각했다.
   • 현재는 작은 과잉/큰 과잉(small overhang/big overhang)이라는 Z축이 생겼다.
   • 모델에 가치가 많더라도 세상이 그것을 배포하는 방법을 빨리 파악하지 못할 것이며, 대부분의 세계에서 과잉이 거대할 것으로 보인다.
   • 이 거대한 과잉이 세상에 미칠 이상한 결과에 대해 아직 완전히 파악하지 못했다.

2.7. 능력 과잉과 워크플로우 변화의 어려움

1. 기업의 ROI 문제: 모델이 훨씬 더 뛰어나지만, 많은 기업이 AI를 구현할 때 투자 수익(ROI)을 얻지 못하고 있다는 보고가 있다.
2. 가치 인식의 모순: 일부 기업은 GPT-4o 가격을 10배 올려도 지불할 것이라고 말하며, 엄청난 가치를 얻고 있다고 한다.
3. 코더들의 반응: 코더들은 가격을 100배 올려도 지불할 것이라고 말하며, 관료주의가 문제를 일으키는 것일 수 있다.
4. 워크플로우 변화의 더딘 속도: GDP-Eval이 사실이라고 가정하면, 10번 중 7번은 5.2의 결과에 만족해야 하므로 많이 사용해야 하지만, 사람들은 워크플로우를 바꾸는 데 너무 오래 걸린다.
5. 관성: 사람들은 여전히 주니어 분석가에게 덱(deck)을 만들라고 요청하는 것에 익숙하며, 이는 예상보다 더 고착적이다.
6. 개인적 사용: 샘 알트먼 자신도 AI를 더 많이 사용할 수 있음에도 불구하고 여전히 비슷한 방식으로 워크플로우를 운영하고 있다.

3. 미래 제품 및 구조에 대한 논의

3.1. AI 디바이스 및 클라우드 전략

1. 디바이스 관련 질문: 작업 중인 디바이스에 대해 질문하며, 화면이 없는 휴대폰 크기라는 소문에 대해 묻는다.
2. 디바이스 제품군: 단일 기기가 아니며, 작은 기기군(small family of devices)을 출시할 것이다.
3. 컴퓨팅 사용 방식의 변화: 시간이 지남에 따라 사람들의 컴퓨터 사용 방식이 멍청하고 반응적인 것에서 매우 스마트하고 능동적인 것으로 전환될 것이다.
4. 기존 기기의 한계: 현재 기기들은 이러한 새로운 세상에 잘 맞지 않는다.
   1. 기기는 열려 있거나 닫혀 있을 수 있지만, 인터뷰에 집중하면서 동시에 질문을 속삭여주는 기능은 없다.
   2. 화면은 수십 년간 GUI를 지배해 온 방식에 사용자를 제한하며, 키보드는 정보 입력 속도를 늦추기 위해 만들어졌다.
5. 새로운 가능성: 새로운 기능(AI)이 등장했으므로, 현재의 폼 팩터가 최적의 형태일 리는 없으며, 현재의 폼 팩터는 최적의 적합성이 아니다.
6. 클라우드 사업: 청취자 이메일에서 Azure 대신 OpenAI와 직접 통합하여 수조 개의 토큰을 스택에 삽입하려는 움직임이 언급되었다.
7. 엔터프라이즈 토큰 수요: 기업들은 OpenAI로부터 구매하고 싶은 토큰 양에 대해 명확히 밝혔으며, 2026년에도 수요를 충족시키지 못할 것이다.
8. 엔터프라이즈 올인원 오퍼링: 기업들은 회사 이름과 AI를 연결하고, 맞춤형 API, ChatGPT Enterprise, 데이터 신뢰 플랫폼, 수조 개의 토큰 접근 능력 등을 원하지만, 현재는 훌륭한 올인원 서비스가 없다.
9. AWS/Azure와의 비교: AWS나 Azure처럼 모든 서비스를 제공하는 야망은 없으며, 이는 다른 종류의 것이다.
10. AI 플랫폼의 분리: 사람들은 기존의 웹 클라우드를 유지하고, 내부 운영 및 서비스 제공을 위한 별도의 AI 플랫폼을 가질 것으로 예상된다.

3.2. 과학적 발견의 시점과 진보의 속도

1. 발견 시점 예측: 모델 또는 모델을 사용하는 사람들이 내년에 작은 발견을 하고, 5년 이내에 큰 발견을 할 것이라고 언급했다.
2. 발견의 주체: 모델을 사용하는 사람들이 새로운 질문을 던지는 것이 중요하며, 도구의 가치가 인간의 질문에 의해 줄어들지는 않는다.
3. 작은 발견의 시점 변화: 2026년에 시작될 것으로 예상했던 작은 발견들이 2025년 말에 시작되었다.
4. 질적 변화: 작은 것이라도 무(nothing)와는 질적으로 매우 다르다.
5. 큰 발견으로의 여정: 5년 후의 큰 발견으로의 여정은 AI의 정상적인 언덕 오르기와 같을 것이며, 매 분기 조금씩 나아지다가 갑자기 인간이 모델의 도움으로 5년 전에는 불가능했던 일을 하게 될 것이다.

3.3. IPO 계획 및 AGI(범용 인공지능) 정의 논의

1. IPO 시점: 내년 IPO는 없을 것이다.
2. 공개 기업의 장점과 단점:
   • 공개 시장이 가치 창출에 참여하는 것은 멋지다.
   • 이전 회사들에 비해 상장 시점이 매우 늦을 것이다.
   • 비공개 기업으로 있는 것은 훌륭하지만, 많은 자본이 필요하며 곧 주주 한도를 초과할 것이다.
   • 공개 기업 CEO가 되는 것에 대해서는 0% 흥분되지만, OpenAI가 공개 기업이 되는 것에 대해서는 일부는 흥분되고 일부는 짜증 날 것이다.
3. GPT-4o의 지능 수준: GPT-4o가 거의 모든 면에서 인간보다 똑똑하다고 말한 것은 사실이며, 이는 AGI의 정의가 아닌가 하는 질문이 제기되었다.
4. AGI의 의미: 현재 모델들은 원시적인 힘(raw horsepower) 기준으로는 매우 똑똑하지만, 오늘 할 수 없는 일을 내일 할 수 있도록 스스로 학습하는 능력이 없다.
5. 지속적 학습의 중요성: 지속적인 학습은 유아가 할 수 있는 것으로, AGI에 중요한 부분이다.
6. AGI에 대한 의견: 현재 모델 지능 수준에서 지속적 학습 능력이 있다면 분명히 AGI와 유사할 것이지만, 많은 사람은 현재 모델로도 AGI라고 말할 수 있다.
7. AGI 용어의 모호성: AGI라는 용어는 매우 정의되지 않은 상태이며, OpenAI도 AGI를 명확히 정의하지 않은 채 지나쳐 버렸다.
8. 초지능(Superintelligence) 정의 제안:
   • AGI는 지나갔다고 간주하고, 다음 목표인 초지능에 집중하자.
   • 초지능 후보 정의: AI 시스템이 인간(AI의 도움을 받더라도)보다 더 나은 미국 대통령, 대기업 CEO, 대규모 과학 연구소 운영자가 될 수 있을 때이다.
9. 체스 비유: 체스에서 딥 블루 이후 인간과 AI의 협력이 AI 단독보다 나빴다가, 결국 인간의 이해 부족으로 인해 인간이 없는 순수한 AI가 가장 똑똑했던 것처럼, 초지능도 이와 유사한 프레임워크를 가질 수 있다.

3.4. 마무리 및 향후 인터뷰 예고

1. 사용자 경험: 인터뷰 진행자는 3년 동안 제품을 사용해 왔으며, 개선 속도에 놀랐다고 언급한다.
2. 감사 인사: 인터뷰 진행자는 샘 알트먼에게 개방적인 태도에 대해 감사를 표한다.
3. 향후 콘텐츠 예고: 다음 인터뷰에는 Google DeepMind CEO 데미스 허사비스(Sergey Brin과 함께 출연 포함), Anthropic CEO 다리오 아모데이 등이 예정되어 있으며, 2026년에도 많은 인터뷰가 있을 예정이다.