테슬라 도조 프로젝트의 중단, 엣지/클라우드 범용칩으로의 전환이 지니는 함의

보고서 출처: https://windowsontheory.org/2025/11/04/thoughts-by-a-non-economist-on-ai-and-economics/ METR 논문: https://arxiv.org/abs/2503.14499 AI와 경제에 대한 비경제학자의 생각 – 요약 1. 도입 인류 역사 대부분 동안 삶의 질은 거의 변하지 않았지만, 최근 수 세대 동안 부의 수준은 빠르게 증가했다. 이 글은 인공지능이 이러한 경제 성장에 어떤 영향을 줄 수 있는지를 비경제학자의 시각에서 정리한 것이다. 2. AI 모델 능력의 발전 속도 METR 데이터에 따르면 AI 모델이 해결할 수 있는 업무의 난이도 혹은 시간지평은 로그 스케일로 꾸준히 증가해 왔다. 시간지평의 배가 속도는 약 6개월로 가정할 수 있으며, 이는 모델이 처리할 수 있는 문제의 범위가 매우 빠르게 넓어진다는 의미다. 이 증가 속도는 벤치마크와 실제 업무의 차이, 과제의 복잡성, 신뢰성 등으로 이동할 수 있는 절편과, 계산·데이터·엔지니어링·재귀적 개선 가능성처럼 기울기와 형태를 바꾸는 요인으로 설명된다. 3. 비용 감소와 로봇 자동화 일정 수준의 모델 능력을 유지하는 비용은 매년 큰 폭으로 감소하고 있다. 하지만 이 추세가 로봇공학처럼...

https://youtu.be/IRu-cPkpiFk?si=3H619msRjKroD347 [요약] 1. End-to-End 신경망 구조 도입 테슬라는 과거처럼 인지 → 계획 모듈을 조합하는 방식이 아니라, 하나의 거대 신경망(E2E)으로 전체 파이프라인을 구성하는 방향으로 전환하고 있음. 카메라 영상(픽셀)을 입력받으면 차선/보행자/차량 등을 개별적으로 추출하는 과정 없이 직접 차량의 액션(조향·가속)을 출력함. 기존 모듈형 구조는 디버깅에는 유리했으나, 모듈 간 정보 손실이 커서 자연스러운 판단이 어려웠고, 또한 모듈마다 지연(latency)이 달라 실시간 제어 안정성에 문제가 발생함. 2. 스스로 판단하고 행동하는 ‘기계’로의 진화 테슬라는 이러한 방식이 결국 ‘로보틱스의 본질, 즉 스스로 판단하고 움직이는 기계를 만드는 올바른 방향’이라고 설명함. 규칙 기반 또는 모듈형 시스템은 새로운 상황이 등장할 때 실패하기 쉬움. ● 실제 사례 예: 양방향 도로에서 물 웅덩이를 발견했을 때, 사람은 맞은편 차량이 없고 시야가 충분하면 잠시 차선을 벗어나 피할 수 있음. 이를 규칙 기반으로 구현하는 것은 매우 복잡함. 예: 도로 위를 횡단하는 닭들을 모두 통과할 때까지 기다린 뒤 출발하거나, 움직이지 않는 거위들을 보고 후진 후 우회하는 행동 등도 직관적 판단 학습의 예로 제시됨. → E2E 모델은 장면 전체를 보고 ...

오늘 나는 아름답고 반짝이는 새로운 HW4 테슬라 모델 X를 인도받았고, 그래서 바로 5년 동안 거의 매일 하던 것처럼 FSD 테스트 주행을 하러 나갔다. 한마디로… 정말 놀랍다 — 차는 매우, 매우 잘 운전한다. 부드럽고, 자신감 있으며, 내가 HW3(이전 차량)에서 익숙했던 것보다 확실히 더 좋고, 내가 약 9년 전 테슬라에 첫 출근하던 날 280번 하이웨이를 달릴 때 기억하던 버전과 비교하면 엄청난 격차가 있다. 그때는 도로가 조금만 굽거나 기울어져도 매번 내가 개입해야 했다. (참고로 이건 v13이고, 내 차에는 아직 최신 v14가 제공되지 않았다) 하이웨이에서 나는 마치 초고성능 자기부상 열차 캡슐 안의 승객처럼 느꼈다 — 차는 차선을 정확히 중앙에 고정하고, 나는 모델 X의 더 높은 시야와 파노라마 프런트 윈도우로 밖을 바라보며 믿을 수 없는 사운드 시스템을 듣거나 Grok과 대화를 나누고 있었다. 시내 도로에서는 몇 년 전만 해도 잠 못 이루게 했던 까다로운 상황들을 차가 아무렇지 않게 처리했다. 좁은 차선에서 마주 오는 차량과 교차하는 것을 해결했고, 공사 구간과 차선 내 임시 정차 차량을 우아하게 피해갔으며, 양쪽에서 들어오는 차량 사이에서 까다로운 좌회전...

올 하반기 와이프의 약국 개국을 위해 대부분의 시간을 썼습니다. 막상 개국자리를 찾으려고보니 둘 중에 하나였습니다. 이미 잘 되는 자리는 비싸다. (컨설팅비, 권리금, 월세 등등) 싼 자리는 페이약사 정도 밖에 못번다. 상업용 부동산에 대해서 아무것도 모르는 상태였지만, 주식과 비슷한 관점에서 좋은 자리들을 찾아 보았습니다. 먼저 기존 약국의 권리금, 월세, 조제료의 관계를 뽑아보다보니 배당주와 유사한 구조를 가지고 있었습니다. 매달 처방전이 몇개나 나오는지를 기준으로 조제료를 계산하고, 조재료의 20~30배 가량을 권리금으로 지불합니다. 월세는 조제료의 20~30% 수준이 됩니다. 일반약을 팔아서 추가로 버는 돈이 있겠지만, 매달 투자금의 약 4%를 이익으로 가져가는 구조입니다. 수도권이면 3%까지 떨어지고, 지방이면 5% 이상도 가능합니다. 그런데, 이러한 계산은 해당 상권, 점포, 병원이 10년 이상 안정적으로 유지될 때의 이야기 입니다. 중간에 병원이 망하거나, 상가 재개발을 하거나, 상권이 옮겨가는 바람에 유동인구가 줄어든다면 초기 투자한 '권리금'을 잃게 됩니다. 2~3년 일한 대가가 사라지는 것이죠. 개국을 함으로써 페이약사 월급을 기회비용으로 지불하기에 타격은 더 커집니다. 이런 의미에서 이미 잘 되는 자리에 들어가는것은 상방은 막혀있고, 하방은 열린 투자로 느껴졌습니다. ...

안드레이 카르파티가 말하는 “유령을 소환하는 시대”: 에이전트의 10년 https://youtu.be/lXUZvyajciY?si=ackafa9_gqJlbffo 서론: “지금은 에이전트의 해가 아니라, 에이전트의 10년이다” 최근 AI 업계는 “올해는 에이전트의 해”라고 떠들썩하다. 하지만 테슬라와 OpenAI의 핵심 인물이었던 안드레이 카르파티(Andrej Karpathy)는 이 말에 고개를 젓는다. “지금의 에이전트는 ‘함께 일하고 싶은 직원’ 수준에 도달하지 못했다. 해결해야 할 문제가 너무 많다.” 그가 말한 건 단순한 비관이 아니다. 오히려 지금의 한계를 명확히 짚으며, “앞으로 10년이 진짜 승부”라는 통찰이다. 1. 에이전트의 결핍 — 인간 같은 ‘직원’이 되려면 카르파티는 현 AI 에이전트가 아직 부족한 네 가지 능력을 꼽았다. 멀티모달 이해력 — 시각, 청각, 텍스트를 자연스럽게 연결하지 못한다. 컴퓨터 사용 능력 — 파일 관리, 코드 실행, 웹 조작 등 실제 도구 활용이 미숙하다. 지속적 학습(기억) — 대화를 잊고, 경험에서 발전하지 않는다. 일반지능(G) — 한 도메인을 넘어선 전이 능력이 부족하다. 이 결핍을 채우는 과정이...