에너지는 한정되어 있습니다: 시스템에 맡겨야 하는 이유

메르의 블로그 내용을 보고 한 번 고민해봤다. 생각할 거리를 많이 주는 분이라 참 좋다. https://blog.naver.com/ranto28/224108446003 https://blog.naver.com/ranto28/224108445346 다른 사람의 사고 흐름을 따라가는 것도 내 투자에 도움이 된다. 결국 혼자서 LLM 모델과 하는게 가장 효율적인데 사고의 과정을 훈련하려면 메르님 같은 분 글이나 다양한 책을 많이 읽는게 좋다. 결론적으로 대규모 AI 상업용 데이터 센터는 지상에 위성데이터나 국가 군사 관련 안보 관련은 우주에 가 맞을 것 같다. 우주 데이터센터 떡밥에 대한 투자는 전세계 각자도생 시대와 같은 결을 유지하기 위해서도 그렇고 ITA 방산 우주 ETF 꾸준히 모으고 개별 종목으로는 Honeywell 이 좋아 보인다. 주가 수준도 그렇고 인적분할로 기업이 쪼개지는 모양새인데 각 사업분야들이 모두 유망하고 돈 잘 벌고 재무구조가 탄탄한 기업이다. 아래는 사고의 전개 과정이다. ㅇ 질문 : 우주에 데이터센터를 설치하면 가장 큰 장점이 전력이 필요없고 냉각이 필요없다는 것인데 맞나? 유지보수는 어떻게 되는거지? 망가지는부분은 그냥 못쓰게 되는거 아닌가? 그리고 우주에 데이터 센터를 만드는 효익과 그냥 중동 사막에 데이터 센터를 설치하는 효익을 실제로 비교 해보면 어떤게 더 클까? ㅇ 답변 : 아주 좋은 질문이야. 이 이슈는 “공학적으로 멋있어 보이는 아이디어”와 “경제적으로 말이 되는 선택”을 구분하는 대표적인 사례야. 아래에서 유지보수 → 고장 대응 → 우주 vs 중동 사막의 실질 비교 순서로 정리해볼게. (각 문단마다 한국어 먼저, 영어로 바로 이어서 쓸게.) 1️⃣ 우주 데이터센터의 유지보수는 어떻게 하나? 결론부터 말하면: 거의 유지보수 불가능에 가깝다. 우주 데이터센터는 기본적으로 “고장 나면 끝”이라는 전제 위에서 설계돼. In short: maintenance is extremely limited; systems are designed to be disposable or self-healing. 왜냐하면 🛰 인력 접근 불가: ISS 같은 특수 환경이 아닌 이상 사람이 수리하러 갈 수 없음 🤖 로봇 유지보수도 한계: 정교한 서버 교체·배선·칩 수리는 사실상 불가능 🚀 부품 교체 비용: 나사 하나 보내는 데도 수천만 원 수준 그래서 실제로는 이렇게 설계됨 Fail-soft / Fail-silent 구조 → 일부 서버 죽어도 전체 서비스엔 영향 없음 모듈 단위 폐기 → 특정 모듈 고장 시 논리적으로 제외 강한 ECC·이중화 → 오류를 “고쳐서 쓰는 게 아니라 피해 가서 씀” 📌 즉, 네 말이 정확해: “망가지는 부분은 그냥 못 쓰게 되는 게 맞다.” 2️⃣ 전력·냉각이 정말 ‘필요 없는’ 건 맞을까? 이 부분은 많이 오해되는 지점이야. ❌ 완전히 필요 없는 건 아님 ✅ 다만 “형태가 다를 뿐” Power and cooling are still required, but the form factor changes dramatically. ⚡ 전력 태양광은 매우 안정적 (24/7, 구름 없음) 하지만 배터리·전력변환·차폐 무게가 큼 ❄ 냉각 공기 냉각 ❌ 복사 냉각(Radiative cooling) ✔ 즉, “차갑다”가 아니라 “열을 ...

시장이 맞을까 내가 맞을까. 결론은 누가 맞든 투자만 잘 하면 된다. 개인적인 머릿속 근간을 이루는 생각인데 투자를 할 때 늘 시장이 맞고 내가 틀리다고 생각한다. 그러면 손실을 최소화 하며 수익을 거둘 수 있다. ㅇ 내가 들고 있는 종목이나 섹터 내가 생각한 대로 시장이나 종목이 움직이면 기다려보고 횡보하면 마찬가지로 기다려 보고 반대로 떨어지면 지표와 수치들을 확인하고 세번까지 분할매수 하거나 (분할매수 후 총 금액은 늘 고정시킨다.) 들어간 원인에 따라서 빠르게 손절할 때도 있다. (주로 급하게 혹은 추천으로 들어가거나) 내 뜻대로 지속적으로 움직이지 않으면 내가 틀린거라고 내가 모르는 정보로 인해 내가 생각하는 것과 다르게 움직인다고 생각하기 때문이다. ㅇ 들고 있지 않은데 포모가 와서 한 번 발을 담그고 싶은 경우 조정이 왔을때 60일 선이나 120일 선에 닿았을 때 (강세에 따라) 좀 사본다. 좀 사봐야 내 생각도 다른 의견에 열린다. 꺽일 것이라고 판단되거나 너무 올랐다 싶으면 당연히 안사는데 더 갈 것 같다고 생각되면 그냥 그 때 좀 사본다. 내가 최초 예측한게 틀렸고 시장이 맞다고 생각하기 때문에 보는 지표 등으로 판단하고 실행하되 욕심을 크게 내지 않고 늘 시장이 맞다고 생각하고 분할 매수 한다.

질문1. 투자공부를 하면 주식시장에서 수익창출이 가능할까? 예를들어 대해 커피에 대해 투자를 해보려고 연도별 커피 수요 공급 요소와 과거 통계 그리고 연도별 추정값들을 갖고 미래 가격이 어떻게 될지 미분과 적분 함수를 AI를 활용해서 구하고 그것을 바탕으로 투자를 하면, 가격이 오를 것 같으면 오르는 것으로 배팅하고 내릴 것 같으면 내리는 것으로 배팅해서 수익 창출이 가능할까. 답변1. 안됩니다. 왜 안 되는가? (핵심 이유 4가지) ① 이미 대부분의 정보가 가격에 반영되어 있음 (효율적 시장의 강적 실체) 커피 수요·공급, 기후, 연도별 추정, 생산량… 이런 건 세계 최고의 트레이더, 헤지펀드, 상품 전문 펀드, 머신러닝 트레이더들이 이미 실시간 반영합니다. 즉 “공부해서 알 수 있는 정보”는 거의 모두 가격에 이미 녹아있음. ② 예측은 어느 순간부터 잡음(noise)이 지배함 커피 가격뿐 아니라 모든 금융자산은 날씨 변동 정치적 사건 물류 차질 투기 자금 유입 알고리즘 트레이더들의 포지션 쏠림 이런 비정형, 비합리적, 비예측적 요인이 큰 영향을 줍니다. 수학 모델은 “체계적인 패턴”을 설명하겠지만, 시장의 큰 폭 변동은 패턴 바깥에서 발생하는 경우가 훨씬 많음. ③ AI/수학 모델은 과거를 잘 설명해도 미래는 못 맞춘다 AI 모델이: 과거 20년 커피 데이터, 세계 생산량, 기후 패턴 수출/수입 통계, 선물 포지션 데이터 이런 걸 학습해도 “정답이 없는 환경”에서는 한계가 있습니다. 이유: 시장은 정적인 시스템이 아니라, 모델이 존재한다는 사실 때문에 스스로 변화하는 시스템이기 때문. 즉 예측 자체가 시장에 포함되는 순간, 과거 패턴은 더 이상 유효하지 않음. ④ 실제로 이런 전략으로 장기적으로 돈 버는 사람은 극소수 전 세계에서: 매크로 펀드 CTA 퀀트 헤지펀드 고빈도 알고리즘 펀드. 이런 플레이어들이 초고성능 서버, 실시간 데이터, 전문 인력을 투입해 이런 방식으로 거래합니다. 개인이 아무리 공부해도 그 ...

비전문가는 전문가에게 지식을 얻어야 하니 물어봤다. TPU는 LLM 학습, 대규모 추론에만 쓰임. 비전, 로보틱스, 시뮬레이션 등 대부분 분야에서 사용 불가 답변을 받음. 아래는 자율주행에 사용 가능한지 물어본 것에 대한 답변. 1) TPU vs GPU 연산 방식의 핵심 차이 GPU 원래 그래픽 처리를 위해 만들어짐. 병렬 연산이 많지만, 다양한 형태의 연산을 유연하게 처리하는 것이 강점. 행렬곱, 벡터 연산 등 다양한 계산을 잘함. 범용성이 높고 학습·추론 모두 무난하게 강함. TPU 오직 딥러닝용 행렬곱(MATMUL)을 극도로 빠르게 하기 위해 설계됨. 내부에 Systolic Array라는 큰 행렬곱 전용 하드웨어가 있어서 이 부분은 ...