티스토리 뷰
목차
엔비디아, SSI, 일리야 수츠케버, 베라 루빈, 초지능, AI투자, 안전한AI
상용 제품도, 매출도 없는 연구소에 약 50억 달러(약 7조 원) 규모의 투자라니. 엔비디아가 일리야 수츠케버의 세이프 슈퍼인텔리전스(SSI)에 대규모 투자를 단행하고 차세대 플랫폼 '베라 루빈' 우선 접근권까지 제공한다는 이번 소식은, 현업에서 AI 툴을 매일 쓰는 사람들에게 단순한 투자 뉴스 이상으로 다가올겁니다.
엔비디아가 수익도 없는 연구소에 7조를 쏜 이유
통상적인 투자 논리라면 매출이 있고, 성장 가능성이 검증된 곳에 돈이 흘러가야 정상입니다. 그런데 SSI는 2024년에 설립됐고, 단기 상용화 계획 자체가 없는 순수 연구 조직입니다.
여기서 중요한 맥락이 있습니다. 엔비디아는 단순히 수표에 서명한 게 아닙니다. SSI의 비공개 연구 성과를 이례적으로 직접 실사(due diligence)한 뒤 투자를 결정했다고 알려져 있습니다. 여기서 실사란 투자 전에 대상 기업의 기술력과 재무 상태를 면밀히 검증하는 과정을 의미합니다. 공개되지 않은 연구 결과물을 직접 들여다봤다는 건, 엔비디아 내부에서도 "이 팀이 뭔가 다른 걸 하고 있다"는 확신이 있었다는 뜻입니다.
엔비디아 입장에서 이 투자는 단기 수익 게임이 아닙니다. 구글 TPU나 자체 칩 생태계로 흘러갈 수 있는 최전선 AI 연구소를 자사 GPU 인프라로 끌어들이는 것, 즉 차세대 AI 프레임워크 주도권 싸움에서 선점 포지션을 확보하는 전략적 행보로 읽힙니다. 기술 기업의 대형 투자 결정은 대개 현재 수익보다 3~5년 뒤 생태계 장악력을 향해 있습니다.
베라 루빈과 연산력 10배 — 숫자가 주는 무게감
이번 협력의 핵심 중 하나는 엔비디아의 차세대 AI 가속기 플랫폼인 '베라 루빈(Vera Rubin)'에 대한 우선 접근권입니다. 베라 루빈은 현재 엔비디아가 개발 중인 차세대 GPU 아키텍처로, 기존 블랙웰(Blackwell) 세대를 잇는 플래그십 연산 플랫폼입니다. 쉽게 말해 현존하는 가장 강력한 AI 연산 장치의 다음 버전을 가장 먼저 쓸 수 있는 권리를 SSI가 확보한 겁니다.
수츠케버가 공식 채널을 통해 밝힌 수치도 인상적이었습니다. 향후 12개월 내로 SSI가 활용할 수 있는 연산 능력이 기존 대비 약 10배 확충된다는 내용이었습니다. 10배라는 숫자가 단번에 와닿지 않을 수 있는데,연산력이 10배가 된다는 건 연구 사이클 전체가 압축되고, 시도해볼 수 있는 실험의 규모와 수가 완전히 달라진다는 의미입니다.
수츠케버는 이와 함께 "우리 연구가 본격적으로 스케일업(scale-up)할 가치가 있는 단계에 도달했다"고 밝혔습니다. 스케일업이란 투입 자원(데이터·연산량·모델 크기)을 늘렸을 때 성능이 예측 가능하게 향상되는 구간에 진입했다는 뜻으로, 연구 단계에서 가장 중요한 신호 중 하나입니다.
베라 루빈 플랫폼 우선 접근권 확보 — 차세대 GPU 아키텍처 최선점
12개월 내 연산 능력 10배 확충 공식 발표
스케일업 진입 선언 — 연구 성과에 대한 내부 자신감 공식화
엔비디아의 비공개 연구 성과 직접 실사 후 투자 결정
스케일링 법칙의 한계, 직접 겪어보니 더 선명하게 보였습니다
현재 주류 대형언어모델(LLM)들은 분명히 인상적일 것입니다. 문서 요약, 코드 초안, 이메일 작성 같은 작업은 반복 사용해도 놀랍도록 효율적이라고 합니다. 그런데 복잡한 인과 추론이나 도메인 깊숙한 전문 판단이 필요한 상황에서는 여전히 어이없는 오답을 내놓곤 합니다. 처음엔 프롬프트를 잘못 쓴 줄 알았는데, 반복할수록 이건 사용법의 문제가 아니라 구조적 한계라는 인상을 강하게 받았다고 합니다.
이 한계를 AI 업계에서는 스케일링 법칙(Scaling Law)의 한계라는 맥락에서 논의합니다. 스케일링 법칙이란 모델 크기, 데이터 양, 연산량을 일정 비율로 늘리면 성능이 예측 가능하게 향상된다는 법칙입니다. 오픈AI, 구글, 앤트로픽 등 주요 AI 기업들이 그동안 이 원리에 집중 투자해왔습니다. 그러나 최근 들어 연산을 무한정 늘려도 환각 현상(Hallucination)이 근본적으로 줄지 않고, 전력 소비가 기하급수적으로 증가한다는 문제가 공론화되고 있습니다. 여기서 환각 현상이란 AI가 사실과 다른 내용을 마치 사실인 것처럼 자신 있게 생성하는 현상을 말합니다. 제 경험상 이건 모델이 커질수록 줄어들긴 하지만 결코 없어지지는 않습니다.
수츠케버의 SSI가 추구하는 방향은 이 스케일링 패러다임을 넘어 완전히 새로운 머신러닝 원리와 안전 체계를 연구하는 것이라고 알려져 있습니다(출처: 경향신문). 오픈AI라는 거대 조직을 박차고 나와 수익 모델도 없는 연구소를 설립했을 때, 저는 그게 현실적으로 지속 가능한 모델인지 반신반의했습니다. 하지만 엔비디아라는 거인이 7조 원을 들고 파트너십을 선택했다는 건, 그 연구 방향에 시장 레벨의 신뢰가 형성됐다는 신호로 읽힙니다.
안전한 초지능이라는 목표, 낭만인가 현실인가
SSI의 공식 명칭 자체가 'Safe Superintelligence(안전한 초지능)'입니다. 초지능(Superintelligence)이란 인간의 인지 능력을 모든 영역에서 압도하는 수준의 인공지능을 뜻합니다. 여기서 핵심은 '초지능' 앞에 붙은 '안전한(Safe)'이라는 수식어입니다. 기존 AI 개발 경쟁이 성능과 속도를 먼저 올리고 안전은 나중에 다듬는 방식이었다면, SSI는 안전을 연구의 출발점이자 유일한 목표로 설정하고 있습니다.
이 접근 방식이 이상론처럼 들릴 수 있다는 걸 압니다. 실제로 주변에서 "상용 제품도 없이 어떻게 지속하냐"는 말을 많이 들었습니다. 그런데 생각해보면, 지금처럼 빠른 성능 경쟁 속에서 안전 연구를 전업으로 하는 조직이 존재한다는 것 자체가 AI 생태계 전체에 필요한 역할입니다. 오픈AI, 구글 딥마인드, 앤트로픽이 각자 제품과 수익을 동시에 챙겨야 하는 구조 속에 있다면, SSI는 그 압박 없이 본질적 문제에만 집중할 수 있는 환경을 선택한 셈이니까요.
엔비디아의 이번 투자가 AI 안전 연구에 대한 빅테크의 인식 전환을 보여주는 사례라고 판단합니다. 단기 수익 없이는 움직이지 않는다는 통념이 있는데, 이번 결정은 그 공식을 정면으로 깨는 사례입니다. 물론 엔비디아에게도 생태계 주도권이라는 실익이 있겠지만, 그 실익의 방향이 안전 중심 초지능 연구와 정렬됐다는 점은 분명 의미 있는 변화입니다(참고: Anthropic 안전 AI 연구 접근법).
자주 묻는 질문
Q. SSI(세이프 슈퍼인텔리전스)는 어떤 회사인가요?
A. SSI는 오픈AI 공동 창업자이자 전 수석과학자인 일리야 수츠케버가 2024년에 설립한 AI 연구소입니다. 상용 제품 개발이나 단기 수익 창출을 배제하고, '인류에게 안전한 초지능 구현'만을 단일 목표로 삼고 있다는 점이 기존 AI 기업들과 결정적으로 다른 부분입니다. 직접 추적해온 기관 중에서 이렇게 목표가 단순명확한 곳은 드물것입니다.
Q. 엔비디아 베라 루빈이 뭔가요? H100이랑 다른 건가요?
A. 베라 루빈(Vera Rubin)은 엔비디아가 현재 개발 중인 차세대 GPU 아키텍처 플랫폼입니다. 현재 널리 쓰이는 H100은 호퍼(Hopper) 아키텍처 기반이고, 그다음 세대인 블랙웰(Blackwell)을 거쳐 베라 루빈이 이어지는 구조입니다. 쉽게 말해 H100보다 여러 세대 앞서는 연산 플랫폼이며, SSI는 이것을 가장 먼저 대규모로 활용할 수 있는 우선 접근권을 확보한 셈입니다.
Q. 스케일링 법칙 한계라고 하는데, 지금 AI가 그 한계에 도달한 건가요?
A. 정확히는 "완전히 도달했다"기보다 "한계가 점점 선명하게 드러나고 있다"는 표현이 더 맞습니다. 연산량을 계속 늘려도 환각 현상이 근본적으로 사라지지 않고, 전력 비용이 기하급수적으로 증가하는 문제가 실제로 보고되고 있습니다. 모델이 커질수록 답변의 유창함은 올라가지만, 깊은 추론에서의 오류율이 극적으로 줄지는 않는다는 인상을 받았다고 합니다. SSI의 연구가 바로 이 간격을 메우려는 시도입니다.
Q. SSI는 구글 TPU만 쓰다가 왜 엔비디아 GPU로 바꾼 건가요?
A. 바꾼 게 아니라 병용하는 구조로 전환한 겁니다. 기존에는 구글의 자체 AI 가속기인 TPU(Tensor Processing Unit) 인프라에 주로 의존했는데, 이번 엔비디아 협력으로 GPU 인프라를 대규모로 추가하게 됐습니다. 특정 칩 제조업체에 연구 인프라가 종속되지 않는 멀티 클라우드 다변화를 이룬 셈으로, 연구의 유연성과 독립성 측면에서 훨씬 유리한 위치에 서게 됐습니다.
결론
이번 엔비디아와 SSI의 파트너십을 정리하면, 단순한 칩 공급 계약이 아닙니다. 스케일링 법칙의 한계가 드러나고 있는 시점에, 완전히 다른 패러다임을 추구하는 연구소에 AI 반도체 거인이 7조 원과 최첨단 연산 자원을 실어준 사건입니다. 기술 생태계의 판이 바뀌는 신호는 이렇게 조용하지만 큰 돈이 움직일 때 먼저 포착됩니다.
SSI가 단기에 드라마틱한 결과물을 내놓을 거라 기대하지는 않습니다. 하지만 안전을 타협하지 않는 초지능 연구라는 방향 자체가, 지금처럼 성능 경쟁이 과열된 AI 시장에서 반드시 누군가는 걸어가야 할 길이라고 봅니다. 앞으로 SSI에서 어떤 연구 결과가 공개될지, 베라 루빈 인프라 위에서 어떤 새로운 머신러닝 원리가 나올지 직접 지켜볼 생각입니다.