[요약리뷰] 언더스탠딩 - 과연.. 올까??

 

 

한국어 요약:
김정호 카이스트 교수와의 인터뷰에서 다음과 같은 주요 내용이 논의되었습니다:

1. AI와 반도체의 미래
- HBM(High Bandwidth Memory)은 AI 발전에 핵심적이며, 현재 기술은 AI의 요구사항의 1/100 수준에 불과
- 향후 AI 발전을 위해서는 메모리 용량과 처리 속도의 대폭적인 향상이 필요
- 열 관리와 전력 소비가 주요 기술적 과제

2. 산업 전망
- 엔비디아의 시장 지배력은 1년 더 지속될 것으로 예상
- 브로드컴이 GPU 설계 분야에서 새로운 경쟁자로 부상 중
- 삼성과 SK하이닉스의 HBM4 개발이 중요한 전환점이 될 것

3. 인재 육성
- AI 시대에는 수학적 능력이 매우 중요
- 한국의 교육 시스템은 문제 풀이 중심에서 원리 이해 중심으로 전환 필요
- 다양한 분야의 지식을 통합할 수 있는 인재 육성이 중요

English Summary:
From the interview with Professor Kim Jung-ho of KAIST, the following key points were discussed:

1. Future of AI and Semiconductors
- HBM is crucial for AI development, but current technology only meets 1/100 of AI requirements
- Significant improvements in memory capacity and processing speed are needed
- Heat management and power consumption are major technical challenges

2. Industry Outlook
- NVIDIA's market dominance expected to continue for another year
- Broadcom emerging as new competitor in GPU design
- Samsung and SK Hynix's HBM4 development will be a crucial turning point

3. Talent Development
- Mathematical ability is critical in the AI era
- Korean education system needs to shift from problem-solving to understanding principles
- Importance of developing talent that can integrate knowledge from various fields

 

[레전드 몰아보기] AI 반도체, 이번엔 한국입니다 (KAIST 전자및전기공학부 김정호 교수) - YouTube
https://www.youtube.com/watch?v=rsEQQFwJj_s

Transcript:
(00:00) 세상의 모든 지식 언더스탠딩네 자 이번에는 반도체 얘기 좀 해보겠습니다음 인공지능 뭐 이런게 커지면서 삼성전자 하이닉스가 뭐 hbm 이거 뭐 만드냐 못 만드냐가 갈리고 있잖아요 인공지능의 가장 큰 피해를 삼성전자 그래서 딱이 아마 언더스탠 청정 또는 기본으로 hbm 삼성전자가 요즘 MD 납품 못해서 고민이다 뭐요 정도까지는 알고 계실 텐데 문제 제가 제일 궁금한 건 앞으로 인공지능은 계속 이런 식으로 발전해서 계속 사이 닉스는 hbm 생산해야 되고 삼성전자는 그거 하느라고 밤새야 되고 엔비디아는 계속 때돈을 벌 것이며 인공지능은 앞으로 그렇게 이제 우주를 뚫고 나갈 거냐 아니면 뭔가 좀 이렇게 변곡점이 좀 있어서 지금까지 구도가 좀 달라질 거냐네 hbm 또 뭐 새로운 hbm 개발되고 있다고 해서 이건 또 뭐
(01:03) 어떻게 되는 거지 그 등등을 모두 아시는 분을 찾아내서 보셨습니다 hbm 아버지라고네 불린다는 예 이분이 [음악] 여성이었으며 분이 사회를 보자냐 지금 죄송합니다 오늘 좀 계속 저를 눈을 마주치고 좀 얘기해 주시면 고맙겠습니다네 카메라를 보시는군요네 아닙니다 저저 저도이 눈 마주치고 이야기하면 hbm 편합니다 본질적으로 hbm이라고 하는게 뜬 이유는 뭐라고 요약할 수 있을까요 예 그래서 이제 그 그때부터 2000년대부터 얘기를 가보면 제가 너무 얘기 길게 한번 끊어 주시면 됩니다 어 이제 반 도체 성장 법칙 중에 하나가 무어의 법칙이 있어요 어 그래서 이제 반도체가 나노미터 구조
(02:08) 쯤 되면 그게 이제 다른 말로 보면 옹스트롬이라고 옹스트롬이면 원자 아니거든요 그러니까 원자 공학으로 바뀌는 거예요 그 원자 공학이 바뀐다는 얘기는 어떤 현상이 unc princi이라고 1도 아니고 0도 아닌 거예요 그런게 막 혼재돼 있는 그게 이제 또 원리가 양자 컴퓨팅음 들어가는데 우리 디지털은 1과 0이 분명하잖아 예예 안 맞는 거예요 어 그러니까 이거는 언젠가 무의 법칙은 끝날 것이다 아 그런데 메모리 용량을 높이려면 어쩔 수 없이 그니까 어 그 무의 법칙은 옆으로 줄여가는 거거든요 표면적 상에서 그 표면적 같은 12인치 웨이퍼에 메모리 네트 다수를 느리는 거죠 그러니까 경제성이 있는 건데 이제 못줄 는 거예요 더 이상 작게 못 만든다 그런 거죠 트랜지스터고 배선이나 캐패시터가 이렇게 가도 됩니까 그러면 3% TV 지금 다 시청률로 팍팍 떨어지는 거
(03:11) 괜찮습니다 예 예 저는 그게 한계가 오고 그다음에 그거를 계속 하려면 뭐 isml 장비를 써야 된다든가 비용이 너무 증가하고 수율이 떨어질 거라고 보고 이제 위로 쌓는게 방법이라고 저는 그때 2천년대 초반부터 어 한 거죠 그래서 위로 쌓았을 때 어떻게 설계를 해야 되는가를 이제 공부를 시작하는데 그러면 옆으로 그니까 더 작게 줄이는게 불가능해져서 위로 쌓는 거예요 아니면 위로 쌓는게 별도의 그렇습니다 어 제 저 좀 더 정확하다 하면 두 개가 혼자 돼 있지만 그래도 줄이는게 더 이상 한 개에 왔기 때문에 위로 가는 수밖에 없다 티컬 버티컬 인티그레이션이 되는 거죠 그래서 이제 hbm이 그런 그 것 중에 하난 거죠 재 영향을 받아서 엔비디아 위로 밖에는 생을 속 논문으로 발표를 하고 어 그러다가 보면은 위로 쌓게 되면 이게 이제 AI 하고 떡 완전히
(04:15) 맞아떨어져 버리는 거예요 그건 이따가 후반부에 말씀을 드릴 텐데 운명적인 만남이 될 수밖에 없 조금 설명해 주죠 설해 주세요 그 AI 초대가 됐잖아요 그러면 모델 파라미터가 변수를 학습하면서 정해 가는데 예위 예음 어디다 저장해야 되잖아요 예 최대한 GPU 옆에 갖다 붙여야 돼요 예예 그러는데 한 개에 한 개의 램에 들어갈 수 있는게 뭐 기가바이트 10gb 그러면 바이트까지 되려면 이게 100층을 쌓아야 되는 거예요음 그게 아니라 전통적인 메모리를 DDR이나 lpddr 멀리 쌓 두면 데이터를 갖고 오고 쓰는데 계산하는데 거기서 시간이 다가 버리는 거예 네 인공 지능만 아니었으면 그니까 옆으로 퍼트리던 위로 2층을 쌓던 뭐 그거야말로 근데 인공지능으로 GPU 도와주려고 하다 보니 이거는 야 2층 가지고 되지도 않아 이게 이렇게 되는 거니까 백 그래서 제가 언제 그
(05:19) 학회에서 킴스 오나 무어의 법칙을 벗어나는 법칙으로 킴의 법칙이라고 지금도 나와요 그런데 제가 10년 전부터 20년 전부터 학회에서 발표하면 사람들이 살짝 웃어요음 지가 무슨 무어 감이 그런다고 제가 그래서 인텔의 세미나 할 때 무어 만나러 갔는데 하와이에 출장 가셔서 못 만났는데 이제 위로 계속 두 배씩 늘어난다 이렇게 되는데 지금 이제 내년에 hbm 4는 16층까지 갈 수 있는데 이제 그게 또 어려운 점이 또 있어요 엘리베이터의 속도 문제가 또 있긴 한데 어쨌거나 GPT 터 시작되는 초고도 인공지능이 발생하면서 hbm 갈 수밖에 없는 운명적인 결합이 있 이게 아파트로 치면 당연히 짓다 보면 야 이건 위로 지어야 되겠다 방법이 없네 바로 떠올랐을 텐데 반도체는 그걸 가지고 옆으로 넓혀 볼까 미세 해 볼까 그 도전 언젠가 하면 올려야 될 텐데 올 도전이 있었겠지 위로 올리는 거에 대한게 이제 이게 있습니다 하나가 디램 하나 한 층 쌓은게 수율이 90%고 쳐요 예 열개 쌓으면
(06:25) 0.9의 10승이 그럼 기자님 그러면 값이 얼마쯤 될 요 8 7 6 5 어 거의 양품이 안 나오겠구나 10% 미만이 되겠죠 그 계산을 한 거예요 근데 저는 그렇게 999% 층 싸면 90% 될 거 아니에요 예 그니까 엔지니어링 문제라고 본 거예요 저는 양자역학 문제로 투자가 되면 이거는 풀 수 있는 문제다 그 투자 돈은 누가 되느냐 오픈 AI 마이크로소프트가 될거다 지금 오늘 여러분하고 대화할 때 AI 와 hbm 넘나음 좋은데 그러면 제 원래 계획대로는 벗어나는데 왜 hbm 있가 그런데 어쨌거나 결론은 AI 패권 시대의 초경 초대 초대형화 되는데 그것 속에는 또 생성 인공지능과 agi 아는 거대한 거기 또 음모가 숨어져 있습니다 세계 패권에 원어 원자력 대신에 AI 세계 패권을 하려는데 본질적으로 인공지능 제가 요번 학교에 인공지능 대학원 수업을 해요 예음 깊이깊이 생각해 볼
(07:29) 거 아니에요음 되게 무식한 알고리즘이음 강력한 GPU 강력한 메모리 밖에 없어요음 어 근데 그러니까 초거 대화 되는데 아 그런데 이제 그 운명이죠 그래서 전에 전쟁 뭐 원자력 전쟁 되는데 어쨌거나 hbm Pro 이렇게 쌓 수밖에 없었던 이유 중에 하나는 모델 크기가 커지기 때문에 이거를 학습하는데 남 어느 회사는 1년 걸리는데 나는 새로운 블랙웰 나오거나 그다음 제품 나와서 한 달 만에 학습을 다시켜서 개발이 끝났다음 끝나는 거죠 시간에 게임의 전쟁에서 돈을 안 아끼는 거죠 그거 있고 또 수백만 명이 동시 사용할 때 숫자의 전쟁이다 그러니까 돈 아끼지 않고 지금 도입하는데 그 이제 리스크는 있지만 어쨌거나 그 니드를 맞춰 주는 기업이 엔비디아 엔비디아는 운명적으로 메모리 회사 hbm 회사를 끌고 발 수밖에 없으니까 하이닉스와 삼성전자를 줄다리기 하면서 게임을 하고 있다 이렇게 생각 을합니다 자 그래서 왜 싸야 되는지 얘기었습니다
(08:34) 예예음 이제 왜 엘리베이터를 설치해야 되느냐 뭐또 얘기가 되게 이제 많은데요 두 번째 그 제가 아까 왜 hbm 시작했냐 이제 무의 법칙이 끝나니까 쌓을 수밖에 없다 그게 운명적으로 이제 AI 하고 맞아 떨어졌다이 말씀 그 시가 빨리 왔다네 그리고 이제 2010년 경에 어 AMD고 엔비디아가 그래픽카드 카드를 고성능화 하는데 이제 hbm 같은 아이디어를 낸 거예요 어 거기는 그래픽 카드의 성능을 화려하게 하기 위해서 근데 그 그래픽 카드에 쓰이는 수학이 행렬 계산인데 그리고 이제 기본적으로 컴퓨터가 폰노이만 구조하고 GPU 메모리가 분리된 그 운명은 AI고 또 맞아 떨어졌던 거예요 이해를 잘 못해네 그 GPU 메모리가 분류된 거랑 AI 어떤 가면서 이야기를 드리겠습니다 그래서 어 엔비디아 AMD 그거를 저 하이닉스 hbm 1일 때입니다
(09:39) 개발하자고 했는데 SK 하이닉스는 우리가 그 스테이킹 할 때 필요한 비아 모델링이나 설계 그다음에 인터포저 하고 GPU고 hbm 올라가는 기판이 있습니다 그 설계를 우리가 많이 했었거든요 그래서 같이 하자 그러면서 시작을 하면서 처음 스펙 정하고 뭐 설 를 같이 했죠 그때 우리 석사 학생들이 그 일을 했었습니다 카스고 하이닉스 한 팀처럼 이렇게 그 발주 한 쪽은 엔비디아 있어요 발주하는 표현이 많은 근데 이제 서로 공동 AMD 먼저 있고 곧 엔비디아가 들어왔습니다 그리고 hbm2 때 제 기억에 삼성전자가 들어왔고 어 그런데 그때 그분들의 생각은 그래픽카드 t 그리고 도쿄 올림픽 전이라 텔레비전 화질을 좋게 하려면 예 그 거기에도 텔레비전에도 프로세서가 들어가요 이미지 프로세서라고 어 뭐 우리 화면을 예쁘게 만들어 줘야 되고
(10:42) 거기도 메모리가 들어가요 근데 uhdtv 정도의 어 그 색깔과 농도와 1초에 60프레임을 하려면 GPU고 hbm 사이에 라바 per 세라는 밴드위스 지금 대역 폭이라는 숫자가 딱 나오더라고요 연필로 계산하니까 아 그래서 우리 국내 텔레비전 회사에는 필요하겠다 일단 시작을 하자 그것도 왔다 갔다 데이터가 왔다 갔다 해야 많이 왔다 갔다 해 많 왔다 갔다 해야 되는데 그 게임기와 마찬가지로 GPU 계산하는 능력은 그 쓰레드 그래서 계산기를 10만 개 100만 개를 칩에 만들 수가 있어요 예 그런데 메모리는 지표 안에 넣는게 생산성이 안 맞아요 너무 비싸요 그러니까 디램 공정을 따로 써야 되는 거예요 GPU 공정은 파운드리에서 하고 디램 공정은 삼성이나 SK 하이닉스에서 하는데 둘을 이제 갖다 붙여야 되는 거예요 그래서 본질적으로 GPU고 메모리는 분리될 수밖에 없고 GPU 안에 메모리는 어차피 둬야
(11:45) 되는데 못 두는 거예요 그래서 바깥에 둬야 돼요 그런데 그 계산 시간 어 대부분이 메모리로부터 읽고 쓰는데 걸린다는 걸 알아버린 거예요 GPU 그러니까 계산을 한꺼번에 하는 걸로 유명한 반대가 GPU 그걸 가져와서 계산하려면 메모리에 있는 걸 끌어 와다가 계산 그러니까 그리고 계산하고 딱 갖다 써야 돼요 그러니까 우리 어렸을 때 치면 어 우리 주산학원 다니는 학생들이 초등학생들이 칠판 전체 숫자를 뭐 엄청 써도 1초만에 계산하자아요 시간이 더 걸리는게 칠판 지우고 쓰는대 예 그래서 또 낸 아이디어가 칠판을 열 장을 뒤로 쌓아요 한 장씩 치우는 거야 그게 hbm 쌓는 거하고 원리가 또 똑같아요 아 그런데 또 어려운 건 지워야 돼 또 읽으면 뭐해요 그러니까 수백장을 싸야 되고 그걸 누군가 또 합산을 해 갖고 교무실에가 전달해야 되잖아요 예 그런 기술이 다 엔비디아가 갖고 있는
(12:49) 거예요 근데 어쨌거나 그때 제가 그걸 깨달은 거예요 아 이게 폰노이만 구조의 한 개구 메모리가 90% 시간을 잡아먹는 구 음 그래 여러분이 채면 단어가 뭐에 대해서 보고서를 써주세요 하면 한꺼번에 안 나오고 줄줄이 이렇게 나옵니다 그 시간이 대부분 hbms 데이터 읽고 다시 쓰는데 걸리는 시간이 아 계산은 계산은 행렬 계산이라도 덧셈 곱셈 이래요 아 그게 이제 GP 아키텍처가 그거를 잘해 줘요 생각해 보니 그러네요 요즘같이 컴퓨터 기이 발달했는데 그 쓰면 따다다다다다다 옛날 식으로 따다다다 램을 왜 이렇게 느리냐 램은 덴시티 그니까 밀도를 높이기 위해서 공정을 캐시터라이트 드는 생각이 아까 킴스 로라 그래서뭐 앞으로 계속 버티컬 두 배씩 늘어난다고 그랬잖아요 그러면 GPU고
(13:53) 메모리 사이에 차선을 많이 늘리자 이거예요음 왔다 갔다 잘할 수 있 그러면 차선을 많이 느리면 될 거 아니냐 그래서 전통적인 메모리는 32개 차선 64개 차선인 1024개 차선을 처음부터 채택한 거예요음 그러면 차선만 만원 뭐예 건물에서 빨리 엘리베이터가 내려와야 되잖아요 엘리베이터가 또이 24개가 필요한 거 아 엘리베이터가 좀 느려요 그러니까는 네배 열배 해서 여러 배 엘리베이터가 순차적으로 저층 엘리베이터 고층 엘리베이터 이렇게 설계가 된게 2010년 명이었어요음 근데 이제 2015년 제 인생 얘기하는 거 같은데 괜찮아요 예 안 그러면 이제 눈으로 껌뻑껌뻑 해 주시면 돼 2015년에 어 hbm 이제 재밌게 하고 있는데 마이크로소프트는 그 아카데믹스 웹사이트가 있 있었는데 지금 없었는데 교수별 랭킹을 먹기는 사이트가 있었어요 제가 재미삼아서 hbm 3D 패키지 하니까 제가 다 1등으로
(14:57) 나오더라고요 아 그러니까 계속 이거 하자 뭐 연구비 없지만 그런데음 아 텔레비 용 그래픽 카드 용으로만 이게 쓰일까 하고 혼자 고민을 한 거 디아나 AMD 무슨 꿍꿍이 속이 있는 거 아니야음 그런데 제가 이제 카이스트의 뭐 미래 자동차 학관과 이런 학과 현대 자동차에서 지원을 받아서 자동차 반도체나 자동차 인공지능 이런 거 공부하는 그런 프로그램이 있었어요 예 지금 없 같 그 제가 거기에 뭐 운영 원인가 그래요 그러면 이제 몇 달에 한 번씩 점심 먹으면서 회의하고 신입생 뽑고 뭐 예산 조절하고 하는데 그때 신호 처리하시는 뭐 그런 젊은 교수님들이 있는데 딥러닝이라는 단어를 자꾸 쓰는 거예요 딥러닝이이 어쩌고 저쩌고 한번 들으면 제가 꽂히면 안 놓잖아 그래 그날부터 공부를 시작한 거예 딥러닝이 뭔가 지금 제프리 힌이 노벨상 받은게 그 딥러닝
(16:01) 알고리즘이 그때 처음 등장한 2015년 쯤에 그분들이 얘기했던 인공지능이 CNN이라 인공지능인 CCTV 카메라에 붙여서 인공지능이 범인이냐 아니냐 이게 호랑이냐 고랑이야 그니까 지금의 인공지능도 아니에 판별 인공지능이 지금은 그런 인공지능도 쓰이지 않고 생성형 인공지능이라고 또 한 세대가 넘어가 버렸어요 그런데 어쨌거나 그때 공부를 깊이깊이 한 거죠 예 처음에는 반도 체 패키징 했는데 인공지능이 용어 자체가 이해가 안 돼요 그래서 무조건 외웠어요 그냥 PPT 100장을음네 지금 보니까 다 틀린 얘기라고 예 워낙 빨리 AI 바뀌니까 아 그러면서 아 이거 AI 쓰이는 거 아닐까 왜냐면 그 AI 필요한 수학이 똑같은 행렬 계산이요 그래픽 카드하고 똑같이 그러니까 폰노이만이고 뭐 다 똑같은 거죠 아 나 여기 승부 걸어봐야 되겠다 그래서 더 가속을 했고요 그러고 한 1년 있다니까 알파고가 터졌어요 예 그리고 구글 tpu 이런 데서 채택하기
(17:05) 시작하더라고 hbm 아 이건 계속 가겠구나 이랬고 어 제대로 이제 일반인이나 기업이 뭐 어 뭐랄까 매출액으로 등장하고 주가에 나타나기 시작한 거는 이제 GPT 등장하면서 생성 인공지능이 되면서 우리 3% TV 저로 불러주는데 그래서 결론으로 보면 반은 제가 신기한 거 해 보는 걸 좋아하는 거 반은 운 운빨이다 이렇게음 그러면 교수님 궁금한게 hbm이이 위에서 쌓아서 그니까 GPU 옆에 메모리가 있어야 되는데 옆으로 넓히는 건 이제 한계가 있으니 위로 쌓 차 네네 빨리빨리 왔다가게 해 해줘야 되는 거 아니냐 그런 거였는데 지금 AI 요즘 뭐 많이 올라왔잖아 그래서 AI 이제 투입 대비 뭐 효용이 좀 덜 나온다 할 얘기가 나올 정도로 투입이 많이 되고 있는데네이 지금 hbm 지금도 택도 없습니까 앞으로 훨씬 더 빨라야 됩니까 아니면 야이 정도도 없습니다 요구 조건에 100분 1분도 안
(18:08) 됩니다 100 1요 아 그걸 저 그거를 아는 사람이 어 샘 알트만 하고 젠슨 왕하고 저하고 세 사람인 거 같아요네 어 지금의 생성 인공지능이 어떻게 발 지금은 이제 텍스트를 만들어 주거나 그림을 만들어 주 영상이나 음악인데 이걸 이제 동시에 그 생성을 하려고 그래요 그게 뭐냐면 영화예요 예 예음 영화가 동영 동영상도 만들어 주고 음악도 만들어고음 만하면 야 영상을 만들어 줘 이런 거 그래서 제 생각에 그 샘 알트만이 뭘 꿈꿀까 보면 지금 유튜브에 올라와 있거나 숏폼이라 그러나 짤이라 그러나 이거 다 인간이 만든 거잖아요 인공지능으로 다 도배해 버릴 거 같아요 그러면 사람의 생각과 모든 관념을 다 인공지능이 지배해 주는 거죠 사람이 눈이 가장 그 정보량도 많고 빨리 흡수됩니다 그래서 사람을 헷갈리게 해서 어떤 세계에 빠뜨리는 도구가 뭐냐면
(19:11) 메타버스에 어 뭐 메타버스 같지 않더라도 유튜브로 그렇게 만들려고 해요 그러면 어 그 그 정도 되려면 인공지능의 크기가 한 지금이 뭐 100억 개 조단이면 파라미터 개수가 변 학습해야 되는게 한 1천조 쯤 될 거 같아요 그런 나라를 이제 제가 농담삼아 천조국이 그러는데요 돈도 천 조가 필요하고 그 정도 투입이 되는데 아까 hbm이 GPU 옆에 뭐 여덟 개 그 블랙 웨이라는 거에는 GPU 두 개 붙이고 hbm 여덟 개 붙어요 그래 봐야 1기가바이트 그러니까 제가 얘기하는 아까 뭐 천조 정도 되려면 지금 암산이 이제만 한 천배는 늘어야 돼 메모리 용량이 배요네 그런데 그 영화를 내가 뭐 오늘 이런 주제로 영화를 만 hbm 대해서 동영상 영어 동영상 교육용 만들어 줘 하면 1초 1한시간짜리 1초에 만들어 주고 싶다 또 100만 명이 동시에
(20:15) 요구해도 하고 싶다 그러면 GPU 천만 대는 한 한 몸처럼 움직여야 돼요 계산 량도 그렇고 메모리도 그렇고 예 그러니까 지금보다 천배는 더 빨라져야 그죠 밴드 위나 메모리 용량이나 그래 근데 이제 그렇게 가는데 가장 큰 어려운 점은 뭐냐 hbm 용량을 어떻게 계속 느릴 거냐 GPU 아니고 그러면 얼마나 아까 차선이 이제 104라길 10만 개는 돼야 돼요음 그러면 어떻게이 구조가 인프라스트럭처가 될 거냐 그다음에 그 GPU고 hbm 있는 모듈 하나를 우리가 기라 그러는데 그게 10만 배 100만 대가 서로 연결해서 통신을 해야 돼요 그걸 어떻게 이렇게 그걸 AI 슈퍼 컴퓨터라 그래요 그다음에 그걸 운영하려면 소프트웨어가 필요해요 쿠다라 같은 소프트웨어가 그니까 지금보다 훨씬 많은 요구 조건이 있어 그다음에 열도 어 뭐 손바닥만 하는 지표 하나가 1kW 뭐 그러면 뭐
(21:20) 기가가 필요하고 원자력 발전소가 필요하고 냉각이 필요하고 그래서 기술적인 나도는 계속 있는데 세 알트만이 꿈꾸는 그런 모든 인간을 동영상으로 어 뭐 생각을 도배해 버리겠다는 데까지 가려면은 아직 많이 남았다 근데 이제 너무 많은 돈과 기술이 필요하니까 그걸 이제 극복해야 되는 문제 경제학적인 문제 그다음에 이윤이 안 들어오고 여러 가지 이제 어 데스밸리 같은게 생길 수는 있는데 기본적인 수요 조건은 어 매 매년 아마 어 엔비디아는 두 배씩 빠르고 두 배씩 용량이 느는 hbm 요구할 것 같습니다 그러면 지금은 뭐 6층 뭐 그 그렇게 말씀하셨던 거 같은데 그럼 그게 지금 16층 내년에 16층 내년에 16층 그게 막 천배 너으면 천층 이렇게 가야 됩니까 근데 이제 천층 어떻게 싸요 층을 100층을 또 열 번 싸면 돼요 어 그건 사람이 생각하기 나름인데 공학인 어려운 점은 뭐냐면 아까 냉각 이런게 좀 어렵습니다 열전도 온도가 높아지면 이게 힘이
(22:24) 현상 뭐 이런게 어렵고요 더 어려운 거는 GPU 하나잖아요 거기 높이가 한 750 마이크론 정도된 1mm 조금 안 돼요 근데 hbm 이렇게 싸도 그 높이를 현재 맞춰야 돼요음 이게 너무 100층까지 높아지거나 1층까지 되면 냉각 구조가 바뀌어야 돼요 슈퍼 컴퓨터 하는 사람들이 또 표준화가 돼 있어서 이걸 잘 안 바꿔요 그래서 제가 상상하는 거는 한 16층에서 32층에서 멈추고 아파트 단지처럼 단지와 하는게 방법일 것이다 무슨 말입니까 동간 간격을 줄인다 지금은 hbm 싸고가 하나가 아파트 하나잖아요 옆에 여러 개 단지를 이제 아파트 단지형으로 단독 동이 아니고 단독 동이 아니고 어 그래서 뭐 그런게 한 100개 들어가고 100개 들어가면 얘하고 얘하고 또 연결하고 하면 연 아연 그 그 좋은 포인트를 말씀하시는데 그럼 hbm 그리 서로 소통을 해야 될 거 아니에요 그런 기능이 이제 hbm 5 6부터는
(23:27) 들어가고 아 왜냐면 지금의 컴퓨터 구조는네 hbm 데이터를 읽고 써야 되잖아요 쓰고 나면 어딘가 또 갖고 가야 될 거 아니에요 그래야 저장해 놓거나 고객한테 뿌려 줘야 될 거 아니에요 그러면 반드시 GPU CPU 거쳐서 가게 돼 있어요 그렇게 권력 구조를 만들어 놨어요 처음 시작할 때 CPU 인테리어 왕자고 게임기 업체는 거기서 명령이나 데이터 받아서 도와주는 역할을 한 거예요 그래서 우리가 그걸 가속 기라고 얘기를 해요 그 옆에 또 보조 장치로 메모리가 붙어 있었던 거예요 그러면 내가이 hbms 학습 잘한 데이터를 생성한 거를 어디다 보내려면 GPU CPU 거쳐 가야 되는 거예요음 그러니까 허락을 다 받아야 되는 거예요 어 그러니까 어떻게 보면 종속 구조이기도 하고 허락 받는데 지나가는데 시간이 많이 걸리는 거예요 그러면 또 시간 게임에서지는 거예요 그래서 hbm이 직접 막 그 데이터 끼리 주고받고 일종에 반란을 일으키는 거죠 하층
(24:32) 구조에서 그런 식으로 가자는게 제 미래 hbm 구조의 제한입니다 hbm 5 6 4에서 터 이미 그런 기능이 들어가기 시작하고 있습니다 이번에 새로 만든다는게 잖아요 새로운 걸 개발한다는게 이제 포를 개발한다는 건데 그거는 뭐가 달라요 그건 위층이 층이 16층에서 더 올라가는 겁니까 지금 이제 16층까지 올라갈 것 같고요 몇 가지 포인트가 있는데 어 기본 구조는 같습니다 그런데 두 배의 용량 속도를 높여야 될 거 아니에요 그죠 그러니까 어 아까 고속도로 GP 아고 hbm 사의 고속도로가 1024 일단 2048 개로 느렸어요 차선을 차선을 늘렸다 차선 차선을 그러니까 표면적은 일정하니 자꾸 지하로 팝니다 아 아 그런데 어 엔비디아 구글이나 뭐 어 인텔이나 이런 수요 AMD 수요처는네 배를 원하는 거예요음 예 그러면 차선을 100km per 속도로 가는 거를 200km 하거나 예 버스를 2층 버스로 하거나 또는
(25:37) 차선을 또네 배를 늘일 수도 있어요이 게임이 지금 이제 고객 그 그 옛날에는 뭐 반도체가 표준화 제품이에요 인텔이 요런 요런 스펙을 요런 걸 만들어 와 하고 지정을 해 주면 어 sk 하닉스 삼성 마이크론이 경쟁해서 싼 제품 서로 경쟁시켜 싼 제품 많이 공급하는 거예 주도권이 거기 있지 않고 성능이 거기 있지 않으니까 너희들은요 약속된 거만 만들어 와 그러면 그 메모리 업체끼리 이제 치킨 게임을 하는 거죠 누가 값싸게 만드느냐 그러면 이제 시장 지배력이 자기네들끼리 똑딱똑딱 싸우라고 하고 그런 거죠 근데 hbm 4부터 되면음 그 베이스 다이라고 그 1층의 지하 1층의 편의점이 하나 들어오는 겁니다 저 옆에 있는 백화점 GPU 아지 안 가고 1층에 뭐 식당하고 이런게 들어온 거예요 그러면 아파트 있는 사람이 1층에 가서 먹고 장보고 올라오면 될 거 아니에요 그니까 GPU 일부 기능을 넣기 시작을 해요 아 거기까지 안 가고 안 가고 그러면 거리가 가까우니까 빨리 계산하고 넘겨
(26:41) 주고 간단한 계산은 1층에서 그냥 하자는 거예요 그러면 그 설계를 누가 해요 메모리 회사가 하나요 아니면 엔비디아가 하나요 아니면 어가 인텔에 가우디가 이게 커스텀 회사마다 그러니까 어 오픈 AI 디아나 마이크로소프트가 탐색기로 AI 활용할지 영화 같은 멀티모델 AI 할지 아니면 자율주행 자동차에 할지 아니면 로보트에 사용할지에 따라서 인공지능 모델 그걸 트랜스포머 모델이라고 하는데 그러면 메모리 용량이 달라지고 또 계산 용량이 달라지고 행렬 계산의 종류가 달라져요 그러면 소프트웨어가 바뀌어야 되고 하드웨어도 거기에 최적화해야 되는데 그걸 이제 커스터마이즈 한다 그러거든요 아화된 커스텀된 메리다 그럼 설계 문제니까 그 그동안은 hbm이 하이닉스는 잘하고 삼성이 못하는 이유는 저희가 그냥 피 배우기로 하이닉스는 뭐 이렇게 잘 붙여 그냥
(27:44) 착착착착 잘 붙여 본드를 잘 붙여 그래서 잘더라 삼성은 쌓는데 불량률이 많더라 그냥 단순히 그렇게만 알고 있었는데 그런 수준이 아니네요 그것도 뭐 하나의 요일 있어요 제가 잘 알지만 말씀 요소 중에 하나라 말씀을 드리는데에 하이닉스가 좀 더 진심으로 했죠 어 여기 한번 승부를 걸어 본 거고요 어 삼성전자는 워낙 잘되는 부자 집이니까 아 이제 제가 하여튼 비즈니스 얘기는 오늘 안 하는 걸로 하고 이런데 hbm 4부터는 완전히 삼성전자와 삼성전자와 하이닉스가 완전히 제충 돌 하는거다 그래서 삼성전자도 지금 총력을 기울이고 있고 SK 하이닉스도 총력을 기울이는데 설계 입장에서 공정도 있고 재료도 있고 하는데 설계 입장에서 보면 새로운 국면을 맡고 있다 그러니까 hbm고 GPU 하고 경계가 무너지는 거예요 아하 왜냐면 둘리를 갖다 붙이는 방법 중에 하나가 hbm GP
(28:49) 위에 올리는 방법도 있는데 일단은 타협을 본게 양쪽다 살아남는 타입을 본게 hbm 맨 1층을 GPU 기능을 일단 집어넣 음 아 아 그러니까 그금 설계를 삼성전자는 직접 하려 그러겠죠 자기 파운더리 직접 만들려 그러겠죠 어 엔비디아는 어 자기네가 설계하려고 그러겠죠 그리고 파운더리 tsmc 테 맡기려고 그러겠죠 조금 생태의 주도권을 갖고 싶어 할 거고 삼성은 토탈리 도전할 그 생명 걸고 도전하는데 이게 총체적인 거죠 그다음에 아까 말씀드린 것처럼 hbm 4에서는 그 연결만 개수가 늘어나잖아 예 보면 tsv 구멍 엘리베이터 개수도 또 늘어나게 돼 있어요 그다음에 거기에이 GPU 기능이 들어가면 전력 소모가 더 늘어나요음 그러면 열을 또 빼는 기술이 더 커지는 거고요 예 어 그런게 좀 어렵습니다 그다음에 이제 어 전에는 hbm GPU 종속된 관계인데 반란을 일으켜서 조금씩 딴 메모리나 CPU GPU 아고 통신 기능이 이제
(29:53) 들어가는 거예요 어 그렇게 되니까 어 어떻게 보면 새로운 전자 터가 발현되고 있습니다 그래서 hbm 4가 블랙 웨이라 지금 뭐 어 엔비디아가 hbm 32로 사용되는 거 같은데 지금 뭐 자꾸 딜레이 되잖아요 그 뭐 여러 가지 문제 때문에 hbm 4는 아마 hbm 4의 성능이 어 전체 엔비디아의 운명을 자할 수도 있습니다 예음 그래서 두 가지 트렌드가 있는데 몇 가지 트렌드가 있는데 하나는 용량을 계속 키워야 돼요 더욱 초고대 무대를 사용해야 되기 때문에 그데 폰 노이만 구조에서 메모리와 GPU 사이에 어떻게든 속도를 높여야 돼요 그러니까 인터커넥션 그 연결만 개수가 늘어나고 tsv 늘어나고 세 번째는 GP 일보 기능이 hbm Pro 들어가기 시작한다 그리고 어 경계가 무너지기 시작한다네 번째는 열이 더 많이 나고 전력 소모가 더 중요해지기 때문에 승부는 어느 hbm SK 하이닉스 삼성 hbm이 전력을 더 들
(30:58) 먹을 거냐 아 그다음에 어 열 관리를 어떻게 할거 열 관리라는게 그 아까 채우는 물질 공정과 또 다 관계가 있겠습니다 질문 있습니다 그요 좀 좀 전에 그 hbm 따라서 엔비디아의 운명이 정될거다 그런 말씀하셨는데네 예를 들면 비디아 입장에서는 지금 hbm 사는 사람이잖아요 그러니까 삼성이 잘 만드는지 어디 보자 SK 잘 맞는지 보자지 어 그랬다가 이놈이 잘 만드네 그리고 그냥 하면 되잖아요네 근데 그런 구조가 아니라는 말 그런 구조를 유지하고 싶어 하는데 자기네 GPU 개발 다 해 놨는데 hbm 4가 6개월씩 1년씩 딜레이 되면 속타는게 엔비디아가 될 수도 있다 두 개 경쟁은 붙이겠습니다 그러면 6개월이라 더 빨리 개발하는 업체가 그래 젠슨 왕 한번 와 봐 이럴 수도 있는 거 아니 지금 젠슨 왕은 한국 안 구고 대만만 왔다 갔다 하잖아요 얼마 전에 일본만 가고 한국 무시하는 거잖아요 어 뭐 경우에 따라서는 한네 고 가서 이제 좀 잘해 보시죠 뭐 이렇게 할 수도 있다 이렇게 국면이 예 아
(32:03) 그러려면 삼성이 훨씬 더 잘해야죠 저는 그렇다고 봅니다 현재 컴퓨터 구조상 AI 모델 그니까 트랜스포머 모델이라고 그러는데 그 구조상 근데 더 궁극적으로 미래에는 또 소프트웨어가 또 중요해 져요 이게 국면이 어 점점 더 어려워 그 말씀은 어떻게 보면 다 개발의 속도가 있는 GPU 더 빨 빨라지고 더 계산 많이하고 메모리도 더 빨라지고 뭐 서로 빨라지는 경쟁이 있어야 되는데네 GPU다는 메모리 쪽이 더 빨리 가야 될 길이 많다는 뜻입니까 여기가 아직 더 가야 된다는 뜻이에요 메모리가 더 빨리 가는게 더 발목을 잡을거다 그게 더 어려울거다 더 어려운 기술이라서니까 어렵고 중 더 그리고 성능면에서 90% hbm 얼마나 빨리 데이터를 주고 받느냐에서 결정이 될 것이다음 그러니까 아 우리가 가 근데 그러면 엔비디아는 마이크론이 또 제 3의 업체 키우고 싶어 하겠죠 예 그 우리가 기술력을 계속 키워서 그 주도권을 가져야 된다
(33:08) 제가 hbm 하기 때문에 그런 면도 있어요 아무래도 뭐 그동안 이렇게 성장해 온 걸로 봐서 확신을 들기도 하는데 어 제가 월소 아침 9시 수업을 하는데 오늘은 오늘이 화요일인가 월요일인가 월요니다 그렇죠 아침에 수업을 했는데 수업 준비하면서 계속 생각합니다 오늘도 새벽 2시에 일어났나 어 수업 내용은 알죠 그 의미를대 생각하고 되씹어 보고 되씹어 보고 그 이제 오늘 수업은 이제 인공지능 강화 학습이라고 해서 인공지능 내용인데 그런데 제가 hbm 또 연구하자 동시에 생각해 볼수록 이런 확신이 듭니다 예 아 지금은 이거 좀 전에 좀 중요한 질문인 거 같아서 즉 GPU 있고 메모리가 있고 그 사이에 연결도 해야 되고네 발열도 잡아야 된다 을 전력 소모도 줄이고 딱 같습니다 관 같은 방법이겠죠이 중에서 뭐가 제일 지지하에 지금 즉 결국은 이놈 때문에 이놈이 제일 뒤쳐져 있어음 어 제가 보기에
(34:15) 그 잘 쌓는 거 중요하고요 그거보다 더 중요한게 빨리대 데이터 보내는게 중요하고 전력 소모 그니까 이게 점점 중요해지는 순서입니다 그다음에 전력 소모를 줄리는 게 중요하고 그다음에 열 관리 열 관리가 10점이 전력 소모가 7점 어 속도 5점 잘 쌓는 거 3점 그렇게 랭킹을 먹이겠습니다음 앞에 거가 다 그러면 지금은 나머지는 더 넣을 수 있는데 열 관리가 안 돼서 세 개밖에 못 넣네 뭐 이런 상황이라는 뜻인가 봐요음 쌓고 쌓아야 되는데 운명적으로 모델 때문에 열이 너무 많아서 어 동작 안 하는 거죠 그래서 그러면 열 관리 그 문제가 해결이 되면 더 많은 hbm이 투입될 수도 있겠습니다 더 많은 더 많은 개수의 GPU CPU 하나면 될 거 같고요 오케스트라 지휘자가 GPU 한 개 hbm 100개가 12in 웨이퍼 하나의 패키징에 올라가는 그런데 그때 전력
(35:20) 소모가 어 뭐 수 100kw 정도 될 텐데 그럼 수 100kw men 어 어 상당히 큰 모터가도 전열 기급 있데 그거를 온도를 60대 50도까지 낮출 정도로 하면 수냉식으로 해야 돼서 물 속에 넣어야 되는 액침 냉각이 될 수밖에 없는 근데 그걸로도 어 굉장히 고도의 기술이 필요할 거 물을 어떻게도 그래서 저희 연구실은 반도체 안으로 물을 돌리면 어떻게 될까 그런 거 연구 많이 하고 있습니다 아 방열판을 바라서 자동차 같은 경우는 물을 돌려서 바깥에서 어 공기로 냉각 하잖아요 물이 매 가 있잖아요 예 그러면 어떻게든 엔진과 물이 접촉하는 면의 면적에 따라서 그 냉각이 달라지는데 반도체 안으로 어 tsv 럼 물을 돌려야 되지 않느냐 이렇게 해서 어 시뮬레이션 상이지만 그렇게 연구를 하고 있습니다 나중에 이제 영하 200도가 어 273도 절대 연구 그니까 액체 질소나 액체 산소
(36:23) 쪽에 집어넣자 그런 연구까지 밀 미세공정 다 해 놨는데 반장 라고 더 커져야 되겠에 물이 늘려면 예 그러고 하여튼 뭐 컴퓨터 켰을 때는 도인데 꺼면 0도 그러면 이게 켰다 꺼졌다 하면서 온도가 내려갔다 올라갔다 하면 이제 이게 힘 현상이 생겨요 열팽창 계소 때문에 그래서 어 상당히 예술적으로 어려운데 이런 기술을 우리가 확보하면 반도체 대국이 되는 거고 안 그러면 경쟁자가 쫓아올 것이다 이렇게 생각이 되 에 어렵죠 근데 저는 양자 역보다는 쉽다고 생각합니다 지금 그 말씀하신 열 관리는 비디 그니까 패키징을 하는 쪽에서 주로 컨트롤을 하나요 그니까 우리나라처럼 그니까 메모리 반도체를 만드는 삼성 패키징 그다음에 대만이나 미국 슈퍼 컴퓨터 조립 업체가 있습니다 그런 업체들이 주로 거기서 그래서 우리는 그런 산업이 좀 안 발달돼 있죠 그쪽은 대만은 조금 돼 있는 거 같고요 우리는 산업 체계상 어 어떡하다 보니까 컴퓨터 조립이나
(37:29) 이런 산업은 청개천 이후로 계속 발전이 안 됐는데 슈퍼 컴퓨터 조립 업체들 아마 미국의 슈퍼 마이크론 어 주가가 엄청 오른 회사들이 다 그런 회사들입니다 냉각 관 열 관리는 말씀하셨는데 그럼에도 불구하고 hbm 쪽으로 그 메모리 쪽으로 좀 더 가야 될게 많아네 그래서 제가 이게 지금 성능이 전체적으로 따라올 거야네 그래서 제가 10년 후 제가 이제 카이스트에서 70세까지는 사무실을 10년 후에 뭐를 할까 그래서어 70대 되면은 어 대치동이나 어디 목동 가서 애들 수학 가리킬까 이런 생각도 하고 있고요 아니면 우리 손자 수학 고등학교 갈 때까지 아직 수학 정석은 다 풀리니까 그런 생각이 한는데 10년이 남았는데 어 그래서 어떤 화두를 던지고 있냐면 hcc고 hbm 센트릭 컴퓨팅을 해보자 지금은 CPU 중심 아니에요 CPU 프로그램을 해석하고 명 을 주면 GPU 메모리가 그냥 수동적으로 도와주는데 아예 메모리 명 프로그램을
(38:35) hbm 구동하게 짜자 그게 어떤 겁니까 그 잘 이해가 안 어 그러면 이제 hbm 우리가 프로그램을 짜잖은 그거를 읽어 드려서 기계어로 읽어드린 다음에 CPU 너 이거 해 GPU 너 이거 해 이렇게 중심을 바꿔 보겠다 hbm 중심 메모리를 중심으로 hbm 그때 된 메모리가 아니라 메리 컴퓨팅이 되는 거죠 어 그거 CPU 들어와 있는 거잖아요 그래서 그렇다고 볼 수도 있죠 예 CPU GPU 여기 들어와 있다 이렇게 볼 수도 있는데 관점을 이렇게 그렇게 바꾸는 거죠 어 메모리가 중심으로 프로그램이 되게 그러면 아까 90% 시간이 메모리끼리 뭐 데이터 주고받거나 딴 어 스토리지 하고 데이터 주고받는데 시간이 걸리면 그거의 최적화에서 컴퓨팅을 설계할 수 있지 않겠나 아 그래서 그렇게 되려면 어떤 구조를 가져 이런 연구를 지금 많이 하고 있습니다음 그리고 또 하나 연구는 그런데 그런 설계를 하려면 아키 컴퓨터 아키텍처나 hbm 구조가 너무
(39:39) 복잡해요 신호도 잘 보내야 되고 전력도 잘 보내야 되고 접지도 해야 되고 냉각도 해야 되고 그래서이 전체 설계를 AI 해보고 있습니다음 예 근데 그 AI조차도 코딩을 해야 되잖아요 그걸 직접 하지 않고 말 인간이 말로 하면 LM이라고 해서 랭귀지 모델이 자동 프로그램을 해 주도록 그렇게 해서 지금 시도해 보고 있습니다 그래서 어 아마 이런 저희와 비슷한 생각은 미국의 신나시스 케이던스는 구글이나 어 뭐 애플 이런 데서 꿈꾸고 지금 거기도 반도체 설계 하니까 AI 자동화 해 보려고 하고 있을 것 같습니다 저 연구실에서 제일 요즘 논문을 많이 내고 있습니다 그때 그거 말씀하신 그냥 제가 잘 모릅니다만 그냥 생각하기로는 그니까 메모리를 중심으로 뭔가 더 이게 GPU 있고 CPU 있고 메모리도 있는데 그걸 메모리를 중심으로 하자는 발상은 발상의 전환이 한데 우리가 그거 잘 못하는 이유가 기술이 없어서 그렇잖아요 우리나라는
(40:43) 어 기술 없고 사람 없는 근데 우리가 기술 없고 사람 없는 거는 똑 같고요 그렇지만 꿈꿀 자유는 있잖아요 그런데 이제 메모리 중심이라는 건 일단 우리가 메모리는 잘하니까 그 위에서 자꾸 확대해 나가잖아 예 생각이 있는 거죠 그러려면 이제 우리 기업에서 필요한 인재도 어 또 또 형태가 달라지죠 이제 컴퓨터를 해야 되니까 소프트웨어를 잘 알아야 되고 컴파일러 OS 컴퓨터 아키텍처 이쪽 인력은 우리가 없거든요 거기서부터 시작해서 GPU hbm 설계부터 공정까지이 그 우리가 테크놀러지 스택이라는 한 스텝 정도 됩니다음 그 제가 그 스택을 다 이해하는 사람은 누굴까 제가 들어보면 젠슨 황이 하는 단어를 쓰는 걸 보면 다 알고 있더라고요 아니면 누군가한테 누가 가르쳐 주고 있겠죠 리자 스도 알고 있어요 그래서 우리나라 리더들이 이제 그 공부를 해야지 안 그러면 메모리 하천 기업으로 가면 중국과 미국 기업한테 치어서 그 어차피 생존 게임이라고 생각을 합니다 선택의 여지가 없어요
(41:48) 예 좀 다른 얘긴데 리자 수나 젠슨황 진순 왕이야 뭐 창업 주니까 그렇다고 쳐도 리자는 월급쟁이아요 음 뭐 스 옵션은 많이 받을 것 같습니다 아 네네 물론 그렇지만 근데 이제 그 그런 분이 이제 탑으로 올라가니까 기술을 다 이해한다는 거 아닙니까네 요즘 우리나라는 그 삼성전자의 톱이 초등생 중학생 수준으로 리포트 쓰라고 그래서 논란이 좀 있는 거 같은데네 어 제가 그거에 대한 직접적인 답은 하는 거는 좀 조심스럽고 어 그런데 그거 알아야 CEO 하고 티로 할 거 같아요 안 그러면 주변에 그걸 꽤 뚫는 사람이 옆에 있어야 되잖아요 근데 그런 사람을 잘 써야 되고 근데 우리 산업의 생태 계상 그런 사람이 못 컸어요 그 이유를 여쭈려고 그랬던 겁니다 아 그거는 우리 교육 시스템도 관련이 있고요 어 배운 거 열심히 하는 거지 뭐 세상을 이렇게 바꾼다지도 주도한다 이런 좀 벤처 정신이 좀 적은 것도 있고 또하나 우리 램이나 메모리의 성공 신화에
(42:52) 너무 빠져 있지 않는 다 이렇게 잘됐다 이런 것도 있고 이렇게 아까 컬스 어 소프트웨어 AI 버티컬 스텝부터 공정까지 다 아는 사람이 계속 승진할 수 있었을까 이런 우리면 잘 알면 도움이 되지 않았을까요 오 다음기에 제가 그 우리 이제 그거는 우리 산업의 문화 우리의 우리 우리 시대적인 문화 우리 국가의 문화 다 관련이 있는 거 같습니다 그러니까 이런 화두는 어 제가 오늘은 그 주제로는 조금 안가네 교육과 인재에 관해서는 이것도 우리 뭐 삼박 4일 해야 되는데도 그럼 한번 시간 내서 해 주세요 다음에네 그 그게 어 우리 교육 시스템도 있지만 전 세계 산업 생태계가 우리 산업한류 했죠 PCB 하고 소켓도 하고 어 메모리는 했는데 PC 아는 개념 자체를 우리가 만든게 아니잖아요 그렇죠 핸드폰도 그렇고 예 예
(43:57) 세탁기도 그렇고 자동차도 그렇고 처음부터 디자인해 본 적이 없기 때문에 그런 사람들에 대한 가치음 그런 거를 높이 보고 평가하는에 그 우리 문화적인 사회적인게 좀 약하고 우리는 좀 수도권 집중 뭐 다 몰려 다니잖아요 뭐 그런 것도 좀 관련이 있는데 오 피 잘시키는 제너럴리스트 뽑아다가 그냥 알아서 분산시켜서 시키면 회 그러니까 우리가 또 제조업에 강했 아아 제조업 문화는 생각이 많이 어 뭐 그것보다 는 예 조금 매뉴얼대로 열심히 하고 이런습니다 오늘 이제 hbm이 그런 이제 우리한테 고민거리를 준 거는 사실인데 hbm 떠나서 우리 산업이 제조업 중심에서 이제 주문자 정 그 메모리로 보면 표준화된 제품에서 성실성 가지고 했는데 이제는 주문형 제품 그다음에 성능 그다음에 소프트웨어가 중요해지는 이런 신대로 바뀌고 있는 거 왜냐면 베이스 GPU 기능이 들어가면서 그런 면에서는 대만 사람들이 좀 유리한 거
(45:02) 같아요 문화적으로 거기는 중국 자체가 문화적으로 짬뽕 문화자 다 민족이고 어 뭐 돈만 되면 뭐 영혼까지도 팔 거 같은데 우리는 어 그러니까 우리의 장점을 살리긴 해야 되는데 산업으로 반도체로 들어오면 우리의 그 교육 문화 시스템에 대한 어 그 약간 고민거리가 되고 있습니다 그래서 저는 동양적인 장점음 어 성실성 그다음에 신내 관계 거기에다가 창의성과 좀 도전 정신 이런 걸 잘 융합할 수 있도록 평가 시스템 인센티브 시스템에 뭐 이런 거를 도입하는 창조적인 경영 시대가 올지 않았을까 이렇게 생각합니다음 요즘에는 큰 주제로도 메모 메모리랑 이제 GPU CPU 뭐 반이랑 뭐 연결이 다 같이 움직여야 되니까네 조금 예 그래서 하나가 어 기업 조직이 있다 그러면 아니면 연구소든음 옛날에 하나만 잘하는게
(46:07) 중요했는데요 예 각자 전문 분야가 다 1만 시간씩 한다 그래도 10년은 해야 되는데 그런 사람이 열명이 모여서 같이 해야 풀 수가 있는 거예요 그니까 혼자 잘하는 사람보다 소통하고 협력하고 이런 거 어 되게 그런 사람들이 높이 평가받으면 좋겠습니다 예 예 더 필요하다 그게 그게 더 필요하다 더 필요하다 그런 점에서 52시간 mas 일해서는 반도체 회사 못 돌린다는 진단에 대해서는 어떻게 판단하십니까 제가 그 저는 평소때 52시간 보다 더 주말도 없이 하기 때문에 그 생각은 안 해 봤어요 해봤는데 그게 1번은 아닌 거 같아요 뭐 3번 4번인데 그니까 52시간 더 할 수도 있는데 그만큼 인센티브 주고 스탁 옵션 주고 뭐 이런 제도로 한번 같이 연구해 볼 필요가 있지 않느냐 를 논의하는데 제가 좀 디테일한 걸 여쭤보면네 제 사람들 궁금한게네 삼성이 h hbm's 확실히 따라갈 수 있을 거냐 아니면 승기를 잡은 SK 그냥 장기간 쭉 간다 hbm 4
(47:12) 4에서 4는 4는 삼성전자가 할 수 있어요 이제 이렇게 말씀드 hbm 4에서 삼성이 만약에 실패한다 아니면 SK 하이닉스를 못 넘는다 이러면 따라잡기 어려울 것 같아요가 중요한 분기점이 그렇습니다 그다음부터는 기회가 안 올 것 같아 폰은 어차피 하이닉스도 같이 새로 시작하는 거 누가도 앞사거리 주석원이가 없어요 그 기술이 있다면서요 본딩 기술이 좋다면서요 예예 본딩 근데 본딩 뭐 그 하이 하이브리드 본딩이고 지금 본딩하고 또 바뀌기는 해요 어 근데 어 제가 이제 삼성하고 일 많이 하고 하이닉스 하고도 많이 하는데 도덕적으로 잘 이게 균형을 맞추고 진심으로 다 대하는데 어 삼성이 굉장히 어그레시브 해졌어요 최근 네 어 뭐 어 제가 한번 세미나 하면 100명씩 모이고음 두시간 반 세미나 하는데 한 명도 안 나가고 다 보통 오은 졸고 있잖아요 예 어 그래서 굉장히 하이닉스도 하이닉스는 여전히 졸아요 아니면 하이닉스는 안 졸았어요 아니 너무 개인적인 하이닉스는 하 하이닉스 우리는 그런 걸 여쭤봐서 할
(48:17) 수밖에 없어요 하이닉스는 세미나 하고 오면 아 그 충분하게 전달 안 됐다 찾아오겠다 그래요 어 거기 더 공격적이네 원래 공격적이 어 아 그런 제가 비교는 오늘 제가 왜냐면 양쪽다 저는 진심으로 우리나라 우리나라 기업들이 둘다 발전을 해야 돼요 예 그래서 선의에 경쟁하면서 1 2등인데 SK SK 하이닉스도 열심히하고 전사적으로 삼성도 그래요 그런데 어 제가 더 많은 삼성의 분들한테 전통적인 딜 플로를 따르지 말고 제가 이제 제안을 해요 설계 순서도 정하고는데 옛날 훨씬 더 진지하게 받아들이시고 어 예 그래서 그런데 이제 어 그 진짜 결과가 어떻게 나올지는 저는 뭐 하여튼 둘의 선의의 경쟁이고 삼성도 잘하기를 기대를 하고 있고 그 그게 말씀하셨듯이 그니까 hbm 4부터는 그니까 말 1층에 뭐 편 시점도 들어오고 웬만한 계산을
(49:22) 살짝 넣는 기능이 들어간다 그래서 요거는 설계가 좀 컨셉이 달라지는거다 그렇습니다 그런 측면에서 말씀하신 거잖아요 그래서 요거는 누가 어떤 어프로치를 하느냐에 따라 다를거다네 그거는 부분이고요 어 자 전력이나 어 온도가 더 심각해질거다 이렇게 보는 거예요 싸니까 전통적인 디램 설계는 셀을 어떻게 작게 만들어서 단위 면적당 메모리 캐패시터를 얼마나 느릴 거냐 거기에 집중이 돼 있어요 저는 순서를 바꿔서 열 빼는 거부터 설계해 전력 소모 줄이는 거부터 설계하고 남는 땅에다가 메모리를 넣어 그니까 파격적으로 역전을 역 역제안을 하는 거죠 제기가 틀릴 수도 있지만 발상이 다른 건데 어 그걸 받아들였으면 잘 될 거 같고 예 그게 그게 왜 중요합니까 그걸 거꾸로 하는게 왜 중요해요 중요한 것부터 해야 되니까 중요한게 제 다대로 받고 나서 열 관리 안 되면 다 버려야 되 열 관리부터 다해서 하고 남는 땅에 예 아 공학 저 연구실 석사 오시죠
(50:27) 네 그 말씀입니다 근데 어쨌거나 어이이 수요처인 마이크로소프트 오픈 AI 원하는 방향을 상상해 봤을 때 그거를 또 실현했을 때 입장에서 중요도가 그렇게 간다 근데 물론 이제 세일 설계도 잘하고 수율도 높여야 되지만 어 뭐 제가 중요하다는 거를 간과하면 콜 통과를 못 할 수도 있죠 아니면 똑같은 콜 통과해도 여기는 10w 쓰던 걸 여기 9w 쓴다 이러면 방금 방금 그 정보가 앞으로 앞으로 이제 어깨에 미치는 영향이 클 것 같아요 왜 그러냐면네 그 예를 들면 교육 방송 같은 그 멀 멀티 브로드밴드가 없었을 때는 교수님 한 분이 가르칠 수 있는 학생 숫자가 60명 밖에 안 되니까네 학생들을 많이 가르치려면 교수님도 한 100명이 필요 했었잖아요네 그런데 그 그 저 병목 교수와 학생 사이의 병목이 풀어지면서 EBS 강사 한 명 가지고 전국에 600만 명이 공부 하잖아요네네 그러면 만약 그런 시대가
(51:31) 되면 교수님의 수요는 줄어드는 거 아닙니까네 그 이제 이제 이런 식으로 변하고 오면 지금은 CPU 하나에다가 GPU 두 개 넣고 뭐 메모리를 hbm 뭘 쌓고 이거 한는게 요게 하나가 보통 세트인데 여기서 열 관리가 만약에 문제라서 여기 병목이 풀리고 풀리면네 뭐는 늘고 뭐는 줄어요 그런 변화가 있을 것 같은데요 어 어 지금은 다 한 방향으로 가고 있어요 모델 수가 크고 전력 소모가 늘어나고 유일하게 어 그런데 이제 저 그런데도 불구하고 전력 소모를 줄이고 열이 덜나게 하는 방법이 있어요 예 그거를 제가 강의를 많이 하는데 평소 때 놓친 부분들이 많이 있어요 큰 뭐 sk 하이닉스는 삼성전자나 그거를 우리가 시그널 인테그리티고 얘기하고 파워 인테그리티고 얘기를 하는데 음 그건 전문분야 한데 그런 어떤 기법이 있어요 그게 적용이 되면 같은 기판 안에 메모리는 더 많이 들어갈 수
(52:36) 있다 같은 메모리에 전력 소모를 줄이 수 있거나 예 그렇죠 그렇게 그럼 같은 말이네요 같은 전력 소모하면 더 많은 메모리가 들어갈 수 있다는 거라면 또는 속도를 높이거나 그러면 GPU CPU 더 필요는 없습니까 그런 상 그래도 또 필요합니다음 어 그 그렇게 되면 또 메모리가 더 많아지면 여기도 또 필요 다 예 그러면 어이구 대네 또 하나 GP 더 느리고 예 예음 근데이 모든게 어에 생성형 AI 스케일링 법칙이라고 해서 계속 모델 숫자가 늘고 어 이걸 통해서 사람들한테 동영상을 계속 만들 수 있다는 제 가정하에서 그렇습니다 그리고 거기 필요한 돈이 조에서 1경 정도가 필요해요 그러면 지금 뭐 마이크로소프트나 이런 데가 1년에 100조 한 투자 회사가 10개는 있어야 되는데 과연 계속 그 돈을 넣을 수가 있느냐 그다음에 그만큼 생산성이나 그 뭐죠 뭐 수유 뭐라 그러나이 이득이 나느냐 자본 리턴이 있느냐 그거에 따라서 2 3년 후에
(53:41) 한번 위기가 올 수도 있습니다 그래서 저는 2 3년은 계속 이걸로 갈거다 근데 장기적으로는 이게 천배로 클 사이즈까지 맥시멈으로 갈 수 있다고 보시는 거네요 돈이 돼야죠 돈이 돼 돈이 돼야지 그게 지금 우리가 뭐 우주선 저 뭐 황성으로 뭐 수십만대 안 쏘아도 보내는 이유가네 그 돈에 투자 안 하 이유가 갔다 오들 뭐 돈 벌이가 되겠나 싶어서 안다는 거잖아 그니까 어 그 이런 생각을 해 봅니다 그러면 그 돈을 어떻게 개인들 테 긁어 갈 수가 있을까 그래서 제가 그 정도 돈을 혼자 연필로 계산해 보니까 우리 핸드폰 사용료가 뭐 한 달에 10만 원이다 그 정도는 안 되겠더라고요 전 세계 인구가 한 30만 원에서 50만 원 써야 되더라고요 그래서 제가 혼자 계산해 보니까 제 의료 보험비 정도를 쓰면 되지 않느냐음 아 근데 주택 비용은 뭐 한 달에 1천만 원도 저 저축해야 될 수도 있잖아요 젊은 사람들이 아파트 사려면 어 주택 비용은 그거에 한 열배는 더 되더라고요 그 정도 효용을 줄 거냐 문제죠 그렇죠 그거를 찾아내기 위해서 피하게 지금 아마
(54:46) 플랫폼 기업들이 고민하지 않을까 싶어요 가격이 떨어질 수는 있잖아요 또 그 그거는 지금에 전기 요금이 안 줄 거 같고요 반도체 비용은 안 줄 거 같아요 제 생 은 그렇습니다 디아나 hbm 가격은 일단은 떨어뜨리지 않을 거 같고 비 떨어뜨리기도 어렵고 아까 지금 오늘 얘기한 거 보면 굉장히 코스트가 많이 들어갈 수밖에 없잖아요 어 그리고 운영 비용이 많이 들어가고 그 그만큼의 그 그 이익을 낼 수 있느냐 아 그 거기서 달려 있으니까 아마 그 생각 엄청 할 것 같습니다 예 야겠습니다 길을 잘못 들어온 거 같고 해요 그냥 개인적인 생각은 무슨 기 우리나라가 아니 아니 그 인공지능의이 방법이 무식하게 전기와 이걸 때려 넣어서 뭔가를 도출하는 방식이 아아 근데 신기하게 뭐 글도 쓰고 그림도 그려내고 뭐 어 그러니까 이건 뭐 되는 거 아니 영혼이 있는 거 같기도 하고 agi 아는 걸 또 다음에 얘기해드리고 싶긴 하지만 아 인공지는 공부해 보니까 감정도 넣고 윤리도
(55:51) 넣고 다 할 수 있어요 예 전쟁도 할 수 있고 정치도 할 수 있고 이런 가능성을 보고 하는 거 같아요 근데 굉장히 비용이 많이 들어가는 방법이다 아 AI 대해서도 조 더 다음 시간에는 AI 미래에 대해서 배워보고 그다음 시간에는 어 삼성의 미래와 우리나라 조직문화 같 어 그것도 좀 배워보고 마음의 준비를 하고 오셔 가지고 교수님이 되고 뭐 어떻게 바꿔야 되는지 야 재밌네요이야데 결국은 본질은 아파트였어요 그 대전에서 계속 지내면서 이제 주말이나 출장 올 때 서울 오면 아파트가 계속 올라가는 거예요 왜 저렇게 쓸데없이 비싼 건물 짓고 살까 대전에 옷 저충격 냄새도 좋고 그런데 요즘 생각이 좀 달라졌습니다 아 저렇게 올라가는 다 이유 욕망과 밀도와 땅에 감 뭐 이런게 다 자본이 투자 그래서 겸손하게 다시 제가 뭐 그런 아파트 살 일은 없지만 반도체에서도 그
(56:55) 대전과 서울관의 거리가 왔다갔 는데 비용이 너무 많이 들었 예 그래서 그거를 줄이는 방법이 거리를 가깝게 하는 거예요 그냥 수도권 집중하고 조금 비슷해요 그래서 어 그 컴퓨터 엔비디아 컴퓨터 사진 보면 GPU 바로 옆에 최대한 갖다 붙어 있어요 거 좀 줄려고 그래서 이거 더 줄이려면 어떻게 하냐면 이렇게 또 쌓는 거예요 아 아 빛의 속도를 왔다 갔다 하는데도 그 거리가 영향을 줘요 예 예 그래서 아 그래서 빛의 속도라 하더라도 1mm 되면 뭐 어 피코드 그 그 거리와의 싸움이에요 그래서 미래의 슈퍼 컴퓨터는 지금은 운동장만 하거든요요 방만 해야 져야 돼 너무 커지면 빛의 속도로 가도 그 광파를 이용하는데 만복을 많이 해야 되니까 비디아 주가가 높은 이유는 아까 안 물어보셨는데 광파이버 기술이 또 있습니다 연결해야 되는 기술 그게 좋아요 그 이미 확보했어요 일찍부터 그 m& 해서 그 회사를 인피니 밴드라고 해가지고 게임 만들 때 이미 필요했으니까 야습니다 반 세개 반도체 재밌네 이런
(58:03) 신입생들이 이런 거 공부하러 들어와야 되는데 그러면 치 재네 그렇네요네 잘 들었습니다 카이스트 김종호 교수님 고맙습니다네 감사합니다 한국 hbm 아버지 한국의 반도체를 그냥 어깨에 그냥 온몸으로지고 계신 분을 다시 모셨습니다네 예음 하이시티 반도체의 속깊은 이야기 고는데 가스트 김정호 교수님 오시고 자 반도체 이야기 좀 더 배워 보겠습니다 어서 오십시오네 안녕하십니까 초대해 주셔서 감사드리고요 새 복많이 받 올해 좋은 일이 더 많았으면 좋겠습니다 감사합니다 저희가 인사를 먼저 드렸어야 됩니다 지난번에 우리 김교수님 나오셔서 그때 hbm 얘기 해 주셨는데 아 굉장히 공부도 많이 되고 심각성도 많이 느끼고 그랬다고 들었어요 근데 지금 교수님 이제 학교에서 학생들 가르치고 계신데네 우리나라 이게 큰일이다 반도체 앞으로 인력을 키워내야 되는데 이래 가지고 안 된다 오늘 그런 하실
(59:07) 말씀이 있다고 들었습니다네 그니까 우리 나라를 지탱해 주는게 지금이 순간에도 결국 산업이 아닌가 싶어요 또 수출해야 되고 어 그런데에 국제 정치 군사 입장에서 또는 산업 입장에서 앞으로 제일 중요한게 AI 생각이 변함이 없고요 그건 2025년 지금도 마찬가지고 AI 가능하게 하는게 반도체가 우리 두 가지를 반드시 이제 잡아야 되겠다고 생각을 하는데 거기서 우리 산업 경쟁력을 가지려면 어 기술도 있어야 되고 투자도 해야 되고 인프라도 갖춰져야 되는데 결국 세계적으로 미국 중국 일본 대만 다 가장 부족한게 인재가 아닌가 그래서 오늘 우리는 어떤 인재를 길러야 되는지 우리 대학이나 중고등학교 시스템 템 어 영어 유치원까지 어떤 문제들이 있는지 한번 우리 우리나라에서는 왜 젠슨 왕이 안 나오나 젠슨 왕이 안 나오나 왜 샘 알트만이 안 나오나 아 이런 얘기를 오늘 해 보려고 그러는데 저희 아드님들이 이번에 입시 있잖아요
(1:00:11) 있었잖아요 예데 이번에 입시에서 반도체 관련 학과가 약간 이렇게 떨어졌습니다네 이유가 진짜 민감하라 요즘 우리나라 반도체 한 풀 꺾인 거 아니야 아 그래서 뭐 그런 것 때문에 학 그 우리 우리 사회가 여러 가지 문제가 있지만 현상적으로 드러나는 건 이제 수도권 집중 강남집값 또 이제의 의대 쏠림 현상 거기에 이제 고령화 뭐 저출산 문제가 다 있는데 어 조금 가치관이나 인생을 사는 방법 이런게 좀 다양화됐다 쏠림 현상이 큰데 오늘 그 그거를 한번 제가 깨 드리고 싶은데 얼마나 AI 하고 반도체 공학자가 신나는 직업이고 가능성이 많은지이 얘기도 해보고 싶습니다 반도체 하고 인지하고 말씀하셨던 뭐 솔님 현상 그거하고 무슨 관계가 있습니까 제가 이제 그 얘기 들어가기 전에 먼저 하고 싶은게 어 뭐 그 미래를 이제 예측을 하는게
(1:01:18) 또 중요한 또 우리 그 전문가들의 책무이기도 한데 미래에는 저는 이제 우리 자식들 수도 있 있고 요즘 대학 입질 앞 뒀거나 대학생이거나 아 또는 이제 어 나이가 드신 분은 이제 손자들이 이제 태어나고 이럴 텐데 손자 손녀가 미래의 직업은 전 세 개밖에 없다고 봐요음 AI 개발하거나음 예 AI 어디에 적용하거나 예 그다음에 어 오오 오토바이 탈 일밖에 없다 배달 배달 배달 아 배달은 누군가 해 밥은 먹어야 되니까 그러니까 그걸 배달을 로보트가 하기엔 좀 비싸거든요 그래서 대부분의 일이 다 자동화될 것이다 인공지 AI 하고 ai로 로봇이 육체노동은 로봇이 정신 노동건 AI 그러면 이제 소득이 극단화 되고 이렇게 되는 거죠 국가간에 이제 패권 극단화 되고 그래서 이게 어 유사일치 다도 우리 인류가 맞딱뜨리는 또 다른 위기 아닌가 싶습니다 근데 이제 오늘
(1:02:22) 제가 인재 얘기 오늘 이제 인재 얘기부터 시작하고 또 뭐 올해 기술 트렌드도 예약하고 어떤 주가가 오를 것 같은지 이런 흥미 위주 얘기도 할 텐데 제가 오늘이 인재 주제부터 시작한 이유는 어 여러분들이 자녀분들이 이제 있잖아요 그분들의 진로를 정할 때 그분들이 다 로스쿨 가고 이대 가는 건 아니잖아요 또 본인이 좋아하는 일이 있고 그러면 어 대학생 자녀들 아니면 뭐 중고등 학생이든이 제가 얘기한 주제를 가지고 한번 이야기해 보고 자녀 진로지도 도를 한번 삼아 봤으면 좋겠다는 생각이 들고요 또 하나는 어 제가 얘기한 이런 인재들을 잘 키워내는 기업을 유심히 보셨다가 주가 투자하실 때 그런 회사들 하시면 되겠습니다네 알겠습니다음 그러면 일단 필요한 인재상은네 어떤 거라고 보세요 어 제 제가 두 가지로 오늘 준비해 왔는데 하나는 인공지능 또 하나가 이제 반도체인 인공지능을 가능하게 하는 기술은 세 가지가 있습니다 예
(1:03:27) 하즘 우리가 이제 트랜스포머 모델이라고 하는 뭐 이런 알고리즘 두 번째 컴퓨터 예 세 번째 빅 데이터네 그 세 가지를 주무를 줄 알아야 기본적으로 이제 AI 엔지니어가 되는 거죠 그거 하나당 연봉이 1억씩 될 것이다 그니까 우리나라에서는 그렇고 실리콘 밸리 가면 이제 열배가 더 높아집니다 근데 실리콘 밸리에 살려면 세금도 많이 내고 아파트 값이 비싸고 뭐 그러니까 그게 그거 긴한데 예 그렇습니다 일단 그 세 가지를 아는 인재를 길러내야 되는데 학교에서 어 아 그리고 조금 더 들어가면 그 알고리즘이 중요하잖아요 예 알고리즘은 결국은 수학이요 예 예 수학이 다섯 분야가 있는 제네 개인데 하나가 선형 대수라고 이제 벡터 행렬 근데 지금 고등학교 때 아마 안 배우잖아요 그러니까 상당히 지금 벗어 있는 거죠 우리 교육 체계가 그다음에 이제 확률 통계음 예 통 확률이라는게 엔트로피
(1:04:33) 그래 가지고 어떻게 해야 좋은 분포를 가지나 뭐 이런 거고 그다음 이제 마지막에 미적 분인데 어 제프리 힌턴 교수가 노벨상 받은 그 월리 백 프로파게이션이라 그러는데 어 인공지능 학습할 때 고쳐가는 과정에서 미분을 이용해서 최소값을 찾아 찾는 방향으로 이렇게 업데이트 하는 거거든요 그니까 미적분을 알아야 되는데 예 그렇습니다 그래서 결국은 수학을 잘해야 돼요 예 그래서 수학 예 제가 학생들 우리 연구실의 학생들 길러보면 어 잘한 학생이 좀 있어요 굉장히 잘해서 어 캐나다 토론토대학교 인턴 갔는데 어 그 그래서 이제 얼마 전에 디펜스를 했는데 어 잔 루쿤 어 프랑스 그 그 5대 AI 천왕이라 얘기하는 분이 당신이 자기가 봤던 학생 중에 가장 잘한다 이런데 그 학생이 학부를 수학을 했어요음 수학수학 수학과를 나왔 과학고등학교 나오고 그래서 학 수학 밖에 몰라요 그래서 근데 저희 연구실로 온 거예요 그러면 저희는 응용을
(1:05:37) 하잖아요음 그러면서 불꽃이 확 튀어 버린 거예 대학원 대학원 때 그러니까 학부에서 무슨 인공지능을 배운다던가 양자 컴퓨터를 배우는게 의미가 없는 거죠 그게 뭐 뭐 안 하는 거보다데 물리화학 수학 중에 배우 그 결정에서 배우고 가는게 결국 수학 밖에 안 남는 거 같아 수 제가 요즘 공부해 보면 물리 양자 역학도 결국은 그 얘기를 제가 양자 컴퓨팅 얘기를 좀 언젠가 해 보고 싶은데 결국 그 안에 숨어 있는 원리는 다서 수학으로 표현되고 다 수학이라고 저는 봅니다 제가 어 대학교 때 이제 양자역학에 또 꽂혀 있었어요 제가 이제 꽂히면 또 열심히 하는 경향이 있는데 현대 물리 양자역학 대학원 대학교 수업까지 가서 물리학과 수업 3학년 수업을 들었는데 처음부터 그까지 수학이라고 근데 제가 어 메이트릭스 로 표현하는 불확실성 그 이제 확률을 계산하는 건데 전자가 존재할 확률 뭐 이런 거 계산하는데 너무 재미 없더라고요 저는 뭐 물리적인 인사이트를 가지려고 그랬는데 근데 나중에 요즘 생각해 보니까 그때 제가 수학 실력이
(1:06:40) 충분했으면 그 아름다움과 미닝 충분히 요즘 양자 컴퓨팅에서 뭐 중첩이 어쩌고 뭐 얽힘이 어쨌고 다 수학으로 표현을 하는 거거든요 예 오늘은 이제고 얘기 고기까지 하고 근데 그 수학 그 학생이 수학을 잘해요 근데 제가 그 학생지도 잘한 거는 있어요음 뭐냐면이 학생이 얼마 전에 장가를 갔어요 뭐 AI 다 장가 가는게 더 중요하지 않겠어요 왜냐면 마 수학하고 AI 전문에서 빠지면이 학생은 뭐 그 생각만 하루 종일 하고 사니까 아 그러면 뭐 결혼도 못 하고 너무 불행한 인상을 살까 봐 결혼을 해야 된다 그게 더 중요하다 아 그 그 훌륭한 학생을 장가보낸게 내가 그 제가를 갔다는 거 아니에요 그래갖고 전세집 어 전세집 어느 동네에 구해야 되나 이거 학생들 잘 모르잖아 투자 가치보다이 학생은 이제 한 1년쯤 있다가 이제 미국 어 어 제가 이제 토론토 대학 가서 교수 좀 하다가 어 뭐 오픈 AI 이런데 10억 받고 가라 그래서 거기서 배우고 나중에
(1:07:45) 한국에 와서 뭘 해라 이러면서 부인한테 어 좀 힘든 기간이 있을거다 그렇지만 10억 벌 때 다 통장을 그 부인 인한기로 약속하고 결혼 시켰죠 잘하셨습니다이 방송 래도 되나요 괜찮습니다 괜찮습니다 큰일 하 잘한 건네 어쨌든 그 학생이 수학을 잘한 학생이에요 근데 제가 그러면 뭘 잘했냐 예 제가 원래 반도체 전에 박사 학기는 물리학을 했어요 그러다가 이제 삼성전자에서 반도체 하다가 카이스트 와서 이렇게 하는데 어 뭐 그 반도체 중에서도 양자 물리적인 현상도 있고 전자파 현상도 있는데 그게 다 또 hbm 연관이 돼요 그래서 이제 하는데 그 다양한 분야를 했다 말이죠 근데 AI 제가 2010년에서 15년부터 혼자 공부해서 여기까지 왔거든요 어 그런데 뭐 제 실력이 얼마나 되겠어요 근데 이제 말기는 알아들어요 좀 무슨 얘기 하는지 근데이 학생 보고이 학생은 최신의 논문을 읽어 갖고 뭐 새로운 모델을
(1:08:50) 막 제시하고 이러는 거예요 내가 나한테 설명해 봐라 내가이 내가 그래도 도 대한민국의 교수 뭐 카이스 교수니 중간은 하지 않겠냐 나한테 설명을 못하면 너는 그거 모르는거다 한 1년 지나니까 제 귀에 들어오더라고요 어 그리고 그림을 그려서 설명하는데 최대한 쉽게 해라 나한테 설명할 때 몇 마디만 내가 알아듣게 해라 이랬는데이 학생이 토론토 대학교에 얀르쿤 교수가 테 인턴으로 갔는데 너무 설명을 잘한다고 자기하고 통한다고 큰 인물이 될 것 같다고음 아 그래서 제가 그렇게 하여튼 그렇습니다 근데 그 얘기를 하고 싶은게 뭐냐면 수학이 백그라운드가 됐다 예 그 그런 얘기를 하고 그 수학적인 생각 이걸 이렇게 배치하면 그래서 저희 연구실은 그 AI hbm 설계 이제 적용을 하는데 AI 중에서 뭐 강화 학습이라는게 있습니다 또 모방 모델 뭐 LM 다양한 그 모델이 존재를 해요 그
(1:09:54) 오픈 소스를 갖음 다가 조 조립해서 우리 식으로 학습을 시켜서 어떤 결과를 그래서 저희는 저는 요즘 그 a 아키텍트는 표현을 쓰는데 참 재밌습니다 예 그래서 일단 수학을 잘해야 되는데 수학도 여러 감목 그다음에 이제 컴퓨터와 컴퓨터를 알아야지 컴퓨터를 잘한다는 건 GP hbm 슈퍼 컴퓨터를 알아야돼 그래야 이제 효율적으로 AI 모델을 설계할 수 있으니까 하드웨어를 알아야 되는 거예요 컴퓨터 하드웨어 구조를 그 해도 같은 GPU 만대 써야 될 거를 천대로 쓰면 잘 도는 거 아니에요음 그러니까 그다음에 이제 계산 시간을 빨리 해서 누구는 어 뭐 그림 그려 내라고 하면 1초만에 하는데 누구는 10분 그 차이가 결국은 어 알고리즘 반 제 생각에 반은 하드웨어 GP hdm 슈퍼 컴퓨터 아키텍처 네면이 사업을 키우기 위한 인재 중에는 수학을 잘하는 인재도 필요하고 말씀하신 대로 컴퓨터에 하드웨어네 구조를 잘 이해하는 학생도 필요하다는
(1:10:57) 말이에요 아니면 다음 세대에서 오토바이로 안 가려면네 다 둘 다 잘해야 된다는 뜻 어 하나 잘하는데 이럴 테면 뭐 알고리즘만 잘하는데 10년 걸리는 거 같고요 컴퓨터 이해하려면 10년 걸리 한 30년 걸리는 거 같아요 그러면 30년을 끌어갈 만한 내적 에너지 흥미 뭐 이런게 있어야 돼 아니면 사회적인 서포트 기업에서 그런 사람 살에 대학 가서 30년 걸리면 10살 되면 이제 10억 받는 전문가가 된다는 건데 너무 늦지 않습니까 어 더 더 주겠습니다 제가 기업이라면 젠슨 왕이 되려면 그렇게 해야 되고 샘 알트만이 되려면 그렇게 해야 되는 거죠 예 그런데 또 하나의 방법은 자기가 한 분야가 전문가가 되잖아요 그 이제 기둥을 설치한다 그러는데 보통 그 10만 시 몇 만 시간이 걸린다고 책에 나와 있죠 10만 시간 법칙이요음 하여튼 만 시간의 법칙이라고 들었어 하루에 세 시간씩 10년을 몰입해야 되는 거 예 그 자기가 한 분야의 전문가가 확실히 된 다음에 딴 사람들 말을 기기로들을 수 있는
(1:12:02) 능력이 필요해요음음 허트 듣지 않고 내 세계에 갇히지 않고 그 사람들하고 협력하고 그 사람들의 말길을 알아 그 뭐 그거 아니겠어요 CE cto 되려면 끊임없는 대화하면서 무슨 일이 벌어지고 자기 밑에 사람들이 뭘 하는지 그런 소통 능력 그다음에 그걸 제가 이제 벽을 허문다 그러는데 벽을 허물고 다가가는 능력 제가 이제 반하다가 AI 넘어갈 때 AI 책들이나 자료를 봤어요 초창기 이제 어 인공지능이 나오는 2010년대 예 완전히 제가 평생 살아온 기술 영어하고 다르더라고요 전혀 다른 단어를 제가 한국 말이고 영어고 사전은 이해하지만 의미가 완전히 다르더라고 그거를 제가 채득하고 그 사람들하고 용 이제 대화를 할 수 있는데 한 3년이 걸리더라고요 알고 나니까 별건 없던데 어느 분야는 좀 그런게 있습니다 그 사람들하고 대화가 시작되면 아 저 사람이 어디서 못 얘기할 수 하고 있는 거구나 그게 되면 젠슨 황도 나오고 샘 알트만
(1:13:08) 나오는 거죠 우리나라 이제 그동안 인제는 한 분야만 잘하는 사람 그거를 이제 이건희 회장께서는 한 사람이 뭐 10만 명 먹여 살리는데 한 사람이 아니라는 저는 그런 전문가 뭐 100명 100명 100명 한 천명이 기업의 집단에서 모여 있어요 천만 명을 먹여 살린다 이렇게 조금 그러니까 어 이제 그거는 기술적인 면이고 예 그 뭐 젠슨 왕 같은 사람이 되려면 기술만 아는게 아니라 그러니까 이제 그런 기술을 종합적으로 아는 것도 중요하지만 과거 지식이 아니라 미래를 예측할 수 있어야 되잖아요 근데 미래를 예측한다는 거는 자본이 어디 투자 투자돼야 되고 어 뭐 패권이 어디 가고 정치 게임이 어떻게 되고음 뭐 이런 지정학적인 문제까지 알아야 되는게 하나가 있고 어 그다음에 이제 어 미래에 대한 인사이트가 있다고 보면 그다음에 이제 반도체 설계 분야도 알아야 되고 그 기업들 엔비디아 같은 기업 하고도 일해야 되고 그다음에 파운더리 기업
(1:14:11) tsmc 하고도 해야 되고 패키징 기업 그다음에 이제 자본을 끌어와야 될 거 아니에요 그럼 자본 투자 시장 한 다섯 여섯 개 분야고 종합적으로 커뮤니케이션 할 수 있어야 된다 그렇게 가는데 다 알아야 되네요 그 그 성장 과정이 결국은 엔지니어로서 30대 40대 50대 60대 이렇게 가야 되는데 그거를 이제 기업이 기다려 주고 서포트해 주고 성장을 시켜 줘야 되는 거죠 그런 시스템이 우리가 되고 있느냐 기업에서 어 너 너는 시킨 일만 잘해 왜 딴 소리 얘기해 뭐 이렇게 가면 이제 그런 사람이 안 크는 거죠 근데 지금까지 우리나라 기업은 제조업 중심이지아요 메모리라 하더라도 어 기본 설계나 컨셉은 인텔이 준 거고 아다 당황하는 건 우리가 그런인가 좀 약하죠 예 그런 인재를 성장시키려면 기업 문화도 어 바뀌어야 되는데 자체 성장시키거나 m& 통해서 흡수하거나 뭐 그런 그 우리 학교 우리 학생들은 모르겠어요 고등학교까지는 세계적인
(1:15:16) 수준인 거 같고 수학 잘는 것도 잘 모르겠습니다 아닌가요 뭐 나온 문제 잘 푸는게 얼마나 중요한지 잘 모르겠습니다 그 인공 지능이 더 잘 반대로네 수학을 못 하는 학생도 있잖아요 수학을 못 하는 학생은이 AI 시대에 할 수 있는게 없습니까 좀 불리합니다 제가 보기 진짜 그 결정적으로 불리해요 결정적으로 불리한 이제 AI 어 그 개발하는 사람도 있지만 잘 쓸려면 예 AI 어떻게 구동되는지 알아야 되잖아요 그렇죠 어 물론 우리 엑셀 수학 러도 엑셀 잘 쓰긴 하네요 뭐 그래도 뭐 엑셀 그래프 잘 그리고 엑셀표 소팅고 뭐 배열하고 그래도 수학적인 개념이 있어야 될 거요 예 어 결국은 수학인 수학이라는게 문제 잘 푸는 이런 거 제가 정석 책을 다시 샀다는 거 아니에요 2년 전에 다시 옛날 그 그 그 공부할 때 생각하고 그런데 아니면 제가 은퇴하고 이제 카스에서 저 다안 필요다 은퇴하고 어 수학 강사를
(1:16:20) 아니면 유튜브 수학 선생님을 해 볼까 아 뭐냐면 AI 필요한 수학을 가르킨다 든가 그런데 아 문제를 위한 문제 그 제가 재미있어서 또 인터넷 찾아보니까 경성제국 대학교에 의과 들어가는 수학 문제하고 지금 문제하고 패턴이 똑같아 예 그래서 이런 문제들이 뭐 어 어디서 왔을까 보니까 일본에서 왔고 그 전에는 독일에서 온 거 같아요 그러니까는 독일은 효율적으로 전쟁하기 위해서 효율적으로 문제 빨리 빨리 푸는 사람을 만드는 그 커리큘럼이 수학이 된 거 [음악] 필요은 토론 생는 뭐 논리적으로 이게 좋을까 을까 내가 어떤 순서로 일해야 될까 어 어떻게 그러면 내가 최선의 선택을 할까 이런 생각이 있잖아요 왜 어떻게 어 나만의 생각 사람마다 일하는 방식이 조금씩 다르잖아요 그죠 어 어떤 사람은 중요한 순서로 중요하다는게 사람 또 알고리즘이 다르잖아 지금 말씀하시는게 수학
(1:17:22) 이야기예요 수학 이야기죠 수이 그런 그런 거라고 저는 본질적으로 생각합니다 중요한 거를 찾아가고 뭐가 중요한지 뭐 순서 정하고 순서로 정하고 그건 문과가 하는 일이잖아요 그러니까 문과도 수학을 잘해야 되는 건데요 인공지능 이제 알고리즘 아 오늘 이러면 3천 요번에 이제 요번 강이 요번 저 토론하고 이제 뭐죠 언더스탠딩 잘려도 되는데요 괜찮습 인공지능 안으로 들어가 보면 예 정답을 마치는 이제 그 그거를 이제 뭐 뭐라 무슨 학습이라 그래요 그니까 정답이 있는 걸 잘 맞추는 훈련을 하는 거죠지도 학습이라는 아마 그렇게 얘기 할 겁니다 그러면 잘 마친다는 거는 어떻게 수학으로 변할 거냐 인공지능이 하여튼 잘하는 걸 개발해야 되잖아요 예 그걸 이제 하기 위해서 학습을 하는데 뭘 잘했다라고 얘기하느냐 다 수학이음 내가 원래 정답이 있다 근데 얘 인공지능이 학습을 통해서 정답을 찾아가려면 정답 과 내 인공지능이
(1:18:27) 만든 결과의 차이를 수학적으로 표현해야 될 거 아니에요 그렇죠 어 그다음에 피카소가 그린 그림이 잘 그린 그림인지 아니면이 어 뭐죠 그 인공지능 생성 인공지능이 만든 그림이 잘 그린 그림인지 인간은 딱 눈 보면 알잖아요 예 그 컴퓨터한테 어떻게 입력할 거예요 그 이제 수학으로 엔트로피는 개념이 거기 들어가고요 그다음에 이제 강화 학습이라고 하 데는 알파고는 게임을이기는 거를 잘하도록 훈련을 시켜요 그 이긴다는 걸 이제 수학으로 표현하는 거죠 근데 우리가 그거 말고 또 다양한게 있거든요 비용을 줄여라음 뭐 우리가 인간이 주는 생각들을 거기 또 반영을 하는데 그런 면에서 이제 수학이 들어가는 거 그걸 수학적으로 다 표현해서 입력해야 되니까 아 컴퓨터는 수학 인간의 언어를 이해 못 하니까 우리가 이제 수학으로 표현해서 하는 거 수학은 이해를 해요 덧셈 곱셈 나눗셈 뭐 이런 걸 하니까 그러면 거기서 필요한 수학이 이라는 건 우리가 중고등학교 때 배우는 수학하고 예 같은 겁니까 즉 중고등학교 때 그
(1:19:31) 수학이 재밌으면 말씀하신 그 그 수학도 잘는 중학교에서 배운 수학 중에 원리가 재밌으면 아 이게 뭐지 미분이란 건 뭐지 기울기라도 왜 존재하지 왜 어 자연 현상은 삼각 함수로 표현해야 되지 삼각 함수는 왜 이렇게 아름답게 생겼지 왜 삼각함수 미분하면 또 삼각 함수지 뭐 로그는 뭐야음 자연 자연수는 뭐야 이런 거 왜 등장 파이 3.1은 왜 등장했어 왜 그건 무한 수야 왜 중간에 안 끊어져 이런 의문점을 그 끊임없이 가지고 토론하고 생각하는 거 맞느냐 틀리냐이가 아니고 그런게 더 중요한 거 같습니다 우리가 변 수학이 아닌데 그거 그러니까요 그거는 수학을 열심히 했어도 모를 것 같습니다 저 그 그래서 그래서 이게 참 아니요 다 배웠어 근데 그런 거 쓱 지나가고 문제풀이 중심으로 가니까 기억이 없고 재미없다고 생각하는 그래서 우리나라도 그 이과 인재가 필요한데요 교수님네 왜 이과 인재가 잘 안 나오냐면 그 수학을 그렇게 배우니까네 수학을
(1:20:37) 잘하는 사람도 수학이 싫어요 그렇습니다 예 예 그 그러니까 이제 그게 이제 대학 입시 뭐 시험 이런 거와 다 관련이 있는 거죠 이제 변별력을 줘야 되고 이걸로 평생 먹고 살아야 된다이 수학을 어우 어우 토할 거 같아 이런 생각이 드는 거죠네 네네 그래서 우리나라 학생들이 수학 잘하는 거 같지만 저는 아니라고 이렇게 문제에 문제 주어진 문제 푸는 건데 예네 그러면 그러면 수학을 중고등학교 수학도 이런 걸 하면 안 되지 않습니까 그래서 제가 은퇴하고 유튜브 강좌를 개설해서 뭐 새로운 형태 수학 방법을 한번 전달해 볼까 어 고등학교 때 매운 미분 우리 그 호물 선 미분 하면은 제로가 되는 점이 최저점이 아아 그거하고 인공지능 학습하고 무슨 상관이 있는지 왜 인공지능에서 학습할 때 미분이 쓰이는지 뭐 이렇게 좀 스토리를 엮어 볼까 이런 생각을 그니까 그렇게 배웠으면 아 수학은 이런 거구나 그럼 난 수학이 재밌어
(1:21:41) 하는고 생할데 있고 그럼 나 수학과를 갈래 이럴 텐데 그렇습니다 아 첫 경험이 안 좋은 거지 수학과 관련 그러니까 수학을 못 하면 당연히 못 가는 거고라고 생각하고 들어보니까 그 아니네요 중고등학교 수학을 못 한다고 말씀하신 그 수학을 못 하는 거는 아닐 거 같은데요 제가 그 이런 말로 바꾸겠습니다 제가 이제 연구실에 석박사 학생이 25 명인지 27 명인지 그런데 예 숫자가 왔다 갔다 하는게 지금이 겨울에 많이 몇 명 졸업하고 있죠네 과학고등학교 나오고 완전히 영제 트랙으로 온 학생들 반 뽑고요 예 그다음에 이제 대학 완전히 리고 대학 가서 철들은 학생들 아 이제 놀았으니까 공부 좀 해 볼까 눈빛에서 좀 살아 있어요 놀다온 애들은음 걔네들 하고 반반씩 정확하게 뽑아요 아 대학원에서 대학원에서 카이스트에서 제 아 카이스트에서 일단 뽑고 그다음에 인터뷰 통해서 이제 연구실을 정할 때 어 제가 또 그니까 이제
(1:22:46) 선택하 그면 제가 어떤 학생은 저를 찾아와야 일단 제가 면담을 하는 거고 뭐 제가 받을 수 있는 학생이 1년에 세 명인데 넘으면 미안하다 딴 데로 가봐라 뭐 이렇게 한 인터뷰를 할 때 고런 조건이 반반 영영제 좋은 트랙을 밟은네 반 좋은지는 모르겠는데 우리가 알고 있는 사회적인 영제 트랙 반반 섞어서 딱 합쳐 버려요 그러면 졸업할 때 완전히 좋 어떻 어떻습니까 반반씩 썩는게 딱 좋은 거 같아요 왜 그중에서 어떻 괜찮은 양쪽에서 괜찮은 인재들이 나와요나요 서로 배워요 서로 배운다는게 슨 말 릭 일하는 방법 뭐 어 이제 그 너무 제가 이제 그러면 학점 3.
(1:23:31) 3을 좋아하는 편인데요 예 거의 수석 조로만 학생 받으니까 연구를 잘 못 하는 경우가 있더라다는 아닌데 왜 그러냐 보니까 제가 연구할 때 나도 모르고 해 본 적 없는 거 같이 하자고 던지지아요 문제를 그러면 허우적거리는 거 허우적거리는 거 대답이 없으니까 그리고 먼저 논문부터 보는 경향이 있어요 저 우리 학생들한테 논문 보지 마라 그래 우리 우리 연구실의 룰은 그 논문은 이미 남들 들이 그 결과 내려면 10년 전부터 시작한 거거든요 지금 시작하면 그 사람 머리털을 벗어날 수가 없는 거예요 예 그래서 저는 오히려 산업계에서 아이디어를 받아서 이렇게 한 hbm 그래서 어 인사이트를 얻은 건데 예 그렇습니다 그 양쪽에 성실함 뭐 집요함 이런 것도 있어요 영제 쪽에서 이쪽은 이제 다양성 오픈 마인드 그렇지만 결정적인 순간 또 이쪽은 포기하지 않고 교수를 믿고 가는 그런 또 그게 있어요 그래서 교수에 대한 불신이 좀 있 아니 없어요 없는데 저하고는 잘 지냅니다 그런데 하여튼 다 장점이 있어요 그 제가 저식 자시키 봤잖아요 와 어떻게
(1:24:37) 그래서 제가 좀 공통적으로 우리 학생들을 조사해 얘네들은 어떻게 해서 이렇게 잘할까음 제가 물만 주고 햇볕만 주면음 뭐 요번에도 한 명 물이 삼성 SK 하이닉스도 많이 가는데 한 명은 미국의 퀄컴에 이제 여러분에 인턴을 갔다 왔는데 비행기표 비즈니스를 끊어 주더라 비즈니스 표도 회에서 회사에서 저는 이제 해외 갈 때 보통 비즈니스 잘 안 타는게 학생 한 명 더 데려갈 수 있으니까 이제 안 타는데 그렇더라고요 또 한 명은 애플에 가서 저희 기술을 접목했고 아지 주겠다고 그런데 어튼 그렇습니다 그 반반씩 섞어서 제가 잘한 거 같습니다 근데 어쨌거나 공통적으로 수학을 수학적인 머리가 있다 그니까 수학이라는게 문제 잘 푼다면 얘기해 보면 논리적인 표현을 하잖아요 저한테 설명 그래프 하나 그리거나 플로우차트 하나만 봐도 논리적인 그 완성도가 얼만지 점 하나 찍은 것만 봐도 저는 알거든요 그 논리적인 수학적인 논리성
(1:25:42) 어 그다음에 성격 좋은 거 그 제가 학생들 뽑을 때 운동하거나 연애 잘하 학생들 뽑는 걸 좋아해요 감정적으로 어려운 걸 잘 겪으니까 아니 수학을 그렇게 잘하는데 그 사이에 운동도 잘하고 연애도 잘해요 그래서 이제 그 학생은 운동은 잘 안 해서 너무 배가 나왔는데 그런데 그 연애는 제가 가르켰다 이보다도 인커리지 했죠 이렇게 결혼이 중요하다 어 그렇게 그분들은 결혼도 중요하다 그러면 그냥 빨리 딱 숙제하듯이 해 버리고 그럼 또 공부해야지 그래가지고 이제 어 결혼할 때 쓰레기 음식 쓰레기 버리는 거 아기 기저기 가는 거 해야 될 일 다 이렇게 농담 밥하면서 다 밥 사 주면서 다 얘기 하죠 예 그렇 안 그래도 저 저는 교수님 보면여 여쭤볼게 하나 있었어요네 그 이제 진로를 고민하는 젊은이들이 있 있지 않겠어요 예음 이제 그런 젊은이들이이 분야로 많이가 줘야 거기서 인재가 나오기도 하잖아요 그렇습니다 제가 아이고 질문을 끊었어 죄송합니다 계속 하시죠 예 예 죄송합니다 그
(1:26:48) 하는데음 교수님 입장에서는 많이 지원하면 좋을 것 같아요 그 중에서 좋은 사람 뽑으면 되니까 그렇습니다 그렇습니다 100명이 지원하면 그 중에서 10명만 그런 인재가 나와도 어딥니까네 그런데 나머지 금 90명은 뭐가 되느냐는 그 질문인데음 그까 어 제 생각 각 누가 그런 질문 하더군요 고등학교 3학년이 저희 아들은 고등학교 3학년때 그런 질문 안 했는데 제가 보니까 우리나라의 공대라고 하는이 그 과학이라고 하는 건네 전 세계에서 제일 잘해야 그게 빛을 바라는 거 같다네 인공지능도 전 세계에서 제일 잘해야지 전 세계에서 2등 해 봐야 뭐냐 이게 삼성전자 2등 하니까 바보 되잖아요 지금음네 그런데이 공학이라고 하고 과학이라고 하는이 분야는 우리나라에서 뭐 날고 기어도 전 세계에서 1등 2등 못 하는 거 같다 그거를 제가 이렇게 얘기를 해 보겠습니다 두 두 가지 측면에서 얘기를 할 텐데요 그럼 공대 좋은 점은 뭘까 이렇게 보면 저는 세계적으로 일할 수 있다 제가 일해 보면 새벽에 실리콘 밸리하나로교회
(1:27:54) 이제 시간별로 이메일이 주고받아 그럼 퇴근할 때 되면 유럽 제 공간은 전 세계고 요즘 이제 AI 우주까지 가니까 더 넓죠 로스쿨 가서 변호사 사무실 제 한번가 보니까 열평 안 되던데 예기하고 법정 왔다 갔다 그다음에 개업해도 30 열평 안 되죠 거기 하나가 있고 그다음에 이제 치과 간다면 만 바라보면 10cm 평생 보고 는데 그게 이제 하나가 있고 넓다 훨씬 더 음음 그다음에 되게 창조적이다 홍대가 어 그렇죠 뭘 설계해 보고 만들어 보는 거 아니에요음음 얼마나 지적인 그 재미가 있는가 세 번째는 그래서 제가 이제 옛날에 플레이스테이션에 들어가는 칩도 했었고 뭐 그런데 실제 제가 하던 요즘은 hbm이지만 그게 실제로 사회 기업에 적용되고 생산되고 경제가 발전하지 사회에 기여할 수 있지 않는가 다 단점은 아까 말씀하신대로 뭐 제도나 뭐 라이센스 가지고 이제
(1:28:59) 보호받지 못한다는 측면은 있죠음 예 근데 인생 자체가 다 불확실한 거 아닌가요 그 문제는 우리나라에서도 젠 순환 같은 분이 나오 나와 된다고는 거죠 그러니까 나와야 그래 나도 잘하면 저렇게 해도 되는구나 싶은데 그래서 이제 김호 교수 말고는 안 나왔잖아요 아니 그래서 교육 모델이 이제 좀 바뀌는 시대가 돼야 된다 그래서 이제 이게 3% TV 언더스탠딩도 얘기하고 대학 총장들 테도 얘기를 하는데 언젠가는 이제 그게에 뭐 영향을 미칠 것 같습니다 조금 더 반도체 얘기로 하면 예 젠슨 황은 왜 우리 우리나라에서 안 나오나 이렇게 보면 어 아까 이제 AI 하고 비슷한 측면은 있는데 하나가 반도체를 잘한다는 거는음 제일 기초에 물리 화학 수학을 잘해야 돼요 재료 그 위에 이제 반도체 공정을 할 수 소자 공정을 할 수 있어야 되고 그 위에 이제 설계음 그 위 위에 뭐가 들어가냐 이제 패키징이 또 들어가고 그 위에 컴퓨터 아키텍처가 들어가야 돼요 컴퓨터 아키텍처 모르고 새로운 재료 해 봐야 쓸 일이
(1:30:04) 없어요 어떤 컴퓨터에 들어가냐 GPU hbm이나 CPU 어떤 구조를 갖고 있어야 되고 슈퍼 컴퓨터를 만들 그니까 그 위에 컴퓨터 아키텍처 위에 또 슈퍼 컴퓨터를 알아야 돼요 요즘은 브로드 컴이 뜨는 이유가 바로 거긴데 그 위에 그거를 구동할 와 컴파일러는 소프트웨어가 있어야 되고 그 위에 인공지 이제 알고리즘을 알아야 되고 그 위에 이제 인공지능 서비스가 있는 거예요 그 전체 한 여섯 일곱 단계를 다 꿰뚫어야 새로운 사업 분야를 결정하고이 기술에 투자 할지 말지 이런 사람을 어떻게 키워야 될지를 정할 수 있습니다 그 역시 아까 말씀대로 한 30년 걸리고 어 근데 이제 30년 걸리는 동안 자기 공부 많이 하잖아요 회사에서 계속 월급 주자 월급 받으면서 공부한다 이렇게 생각하면 좋고 또 자기가 모르는 분야라도 같이 이렇게 그니까 어 우리가 좀 문화적으로 조금 너무 단선적 단일 민족적이고 단일 이념적이고 같습니다 그근데 이제
(1:31:07) 조금은 우리가 다양성을 이렇게 추구해야 되지 않느냐 그렇게 교육에서 교육에서 인재에서 평 기업 내에서 평가도 미국 교육 되지는 미국 기업과 한국의 교육과 한국 기업의 차이는 다양성의 결여라고 보십니까 어 본 수학이 일본 예 미국 대학도 위기를 맡기는 마찬가지예요 어 그런데 조금 더 미국은 다양하지 않니 카이스트 같은 경우는 대학교 2학년 때 자기가 과를 다 선택할 수 있고 그래서 뭐 전자 전산 쪽이 뭐 반 50%이 학생 가도 아무런 문제 그다음에과 옮기거나 뭐 이런게 다 자유로워요 뭐 이런게 하나의 방법이 아닐까 이렇게 예 그렇게 생각 근데 이제 대학에서 공부하는 내용으로 평생 살 수가 없어요 아 대학은 [음악] 아에서 그인 성 속 트랙을 만들어야 되지 않냐 계속 교육을 시킨다던가 석박 사기를 보낸다던가 또는 부서 배치 이동을 한다든가 m& 통해서 새로운 인력들을 또 집어 넣는다든가 근데 이제 어
(1:32:14) AI 반도체 입장에서도 제가 보니까 어 뭐 hbm이 나오든 GPU 나오든 열이 많이 나오고 전력 소모가 많고 이래서 적인 한계에 점점 다다르고 있는 거예요 그래서 소프트웨어가 더 중요해지고 있는 거 같습니다 그런데 우리나라 반도체 기업에서 소프트웨어 전공하면 어 그 성장하기가 쉽지 않죠 승진하기 왜냐면 기업 내에서 임원 평가가 매출액 기준이 되기 쉽거든요 그걸 뭐라 그러죠 뭐 목표 목표 정하고 연말에 평가받는 거예 그걸 뭐라 그러죠 경제학 하시니까 막 뭐라 그러 모르겠습니다 예 하여튼 기업에서 임원들은 은 세가 지나기 전에 자기 목표를 정합니다 그중에 가장 공평해 보이는게 KPI 키 어 무슨 퍼포먼스 인덱스 그죠 그거를 표현할 수 있는 방법 쉬운게 뭐냐면 숫자 아아음 그러면 어 그럼 매출 얼마 잡히냐 뭐 이러니까 소프트웨어 같은 경우는 그렇게 잡힐 수가 없잖아요 예 그런 그런 이제
(1:33:17) 위험성이 있어서 우리 KPI 바꿔야 된다는 거고 대학 교수들도 마찬가지입니다 요즘은 주로 논문을 많이 써요 그 그런데 그 논문이라는 거하고 산업계 하고 굉장히 그 갭이 커요음 그래서 이게 산업화 안 되면 특히 카스나 공대 같은 경우는 이게 사실은 어 그 뭐 카이스 같은 경우는 존재 의미를 찾기가 어려운데 그 KPI 논문으로 하면 논문만 쓰는 거죠 논문 숫자로 하는게 무슨 의미가 있느냐 그 논문 그래서 카이스트는 논문 한 편 없어도 정교수가 될 수 있게 바꿔야 된다 뭐 이런 얘기도 우리는 하기도 합니다 너무 많이 쓰는게 뭐 그렇게 중요한가 이렇게음 근데 어쨌거나 어 소프트웨어가 중요하고 그러니까 임원 평가도 바뀌어야 될 것 같습니다 예 그러다 보면 또 그런 인재들이 성장할 수 있지 않을까 이렇게 그동안에는 팔로워 패스트 팔로워 하느라고 모든 구조나 인재 양성이나 그런 거가 맞춰져 있다 보니까 그렇습니다 예 원리를 이해하는
(1:34:21) 것까지는 크게 바라지 않 제조업 중심 음 그냥 빨리 만들어서 싸게 만드는 거 그러니까 이런 창의성이나 수학적인 논리보다는 성실한 근면성 어 일하는 시간 이런게 더 중요했을 수가 있겠습니다 예 야 그럼 그거를 근본적으로 바꿔야 우리 사회나 경제가 여기까지 엄청 발전했지아요 유사 일에 우리가 그 뭐야 뭐죠 그 GP GPU 아니라 GDP 그러나요 그런 걸로 보면 세계 몇일쯤 되나요 지금 한 뭐 12권 안 다합니다 추출액으로 보면 우리가 1조 달러를 넘어 가까이 간다 뭐 이런 얘기도 있다 엄청나잖아요 그죠 그렇게 성장했는데 여기서 한 번 더 성장하려면 선지국이 되려면 결 우리 교육문화 인재 어 성장 방식 궁극적으로 어 기업과 국가의 운영 방식이 바뀌야 되지 않느냐 이렇게 생각합니다 앞으로 인공지능 시대가 오면 인공지능을 만들거나 인공지능을 활용하거나 오토바이로 배달하거나 밖 없다 그래서 그때는 오토바이
(1:35:26) 배달도 굉장히 경쟁력 있지 않을까 한 사람이 많지가 않아 가지고 아닌가 너도나도 토다 배달 생각게 배달 알고리즘도 배달 알고리즘도 비가 올 때는 뭐 나오는 사람이 적을 되니까 좀 더 주고 뭐 거기도 또 AI 알고리즘 집어넣어서 그 어떤 그분들의 생산성을 극대화 하겠죠 그래서 그 AI 개발하는 사람은 수학이 제일 중요하다는게 제 생각이고 AI 그를 자기 분야에 적용하는 사람 저는 AI 그래요음 그 사람은 두 멀티 도메인을 그 여러 영역을 알아야 되거 경제학 하면서 AI 활용한다 공학에서 사용한다 제조 양 분야를 넘 넘 낮을 수가 있어야 되는 거예 우리나라는 어떻게 보면 순수 수학자가 많지 않기 때문에 AI 개발은 어 뭐 자본 투자 입장에서 GPU 개수나 여러가지 분리할 수 있는데 우리 산업에는 AI 적용하는 엔지니어를 많이 길러서 예산을 는게 어떤는요 그걸 제가 a 그요 그게 우리가 우리 산업고 더
(1:36:33) 맞지 않을까 그러면 공대 최대한 공대나이 공개는 필수적으로 AI 수업은 다 듣고 AI 뭐 실습 정도는 하고 졸업해야 되지 않을까 이렇게 경제학도 마찬가지 컴퓨터 쓰듯이 모든 학과에서 컴퓨터가 다 필요하듯이네 그렇습니다 야 진짜 지금보다 는 훨씬 더 공대나 AI 쪽으로 많이 가야 되겠네요 사람들이 많이 갈 수밖에 없는 제 10년 전에 중국 대학들을 한 10억에 돌았는데 예 한 대학마다 반도체 전공 대학원생이 한 1천명이 되더라고요 한 대학마다네 칭화대 뭐 북경대 상하이 아동 대학교 시안대학교 제가 아 뭐 그런 웬만한 대학들은 다 아 그래서 제가 공부하는 학생들 자리를 가봤어요 예 수업 시간 중간에 학생들이 공부하지아요네 카이스트 하고 책이 똑같더라고요음 예 그러니까 우리가 절대적으로 부족하다 그래서 저는 국립대학교 열군데 어 4대 과기원 전부 AI 학과 하고 어
(1:37:41) 반도체 학과를 만들어서 그러면 천명은 배출할 거잖아요 그래도 10년 한 만 명밖에 안 돼요 예 그래서 우리가 좀 어 숫자인 면에서도 상당히 위기다 그니까 인프라적면 에서는 GPU 우리가 아직 슈퍼 컴퓨팅 데이터 센터도 없잖아요 우리나라의 제일 큰 데이터 센터가 아마 어 h100 2,200 돼 있는가 그래요 제게 올해 어 마이크로소프트가 AI 100조 이상 투자 안 되는 거 같아요 그 중에 아마 5 6조는 아마 GPU 사는데 쓰지 않을까 싶어요 그래서 상당히 우리가 어 좀 위기 쪽에 가까이 오고 있다 이런 생각이 듭니다 그 반도체 얘기도 조금 보면 좋겠는데 올해 올해 이제 주목할 만한 반도체 기술 여러 가지가 있다네 그래서 제가 그 그 뭐 재밌게 해 드리려고 저 나름대로 올해 반도체 어 시황에 아 뭐라 전체적인 예측을 한번 어 해 봤는데요 엔비디아의
(1:38:47) 강세는 1년은 더 유지될 것이다 1년만 한 어 한 년부터는 이제 그 경쟁자들이 등장하기 시작할 것이다 지금 이제 90% 이상 차지하고 있잖아요 그건 올해도 유지될 것 같다 2 3년 후에는 한 70%지 내려갈 것 같다 미국 정부가 그걸 그 90% 그 비싼 비용을 원하지 않을 것이다 3년 내로 30% 뺏긴다고 저는 그렇게 일단이 제 바람일 수도 있는데 예측을 그렇게 해봅니다 그 % 줄어드는데 경쟁자가 전통적으로 이제 인텔 AMD 있어요 어 저희 연구실은 어 인텔 네이버하비 연구비를 대주고 어 카이스트 서울대 포항대 교수님 2명하고 같이 하는데 인텔에 가우디를 써 보고 있어요 가우디 엔비디 H1 하고 동급인데 잘 돈 대요 우리
(1:39:52) 학생들 세 명 있어보고 있는데 하드웨어 성능은 아주 좋다는 거예요 예에 그런데 이제 그러면 왜 인텔이 그 그 가우디에 매출액이 오르지 않느냐고 보면 하나가 이제 소프트웨어 서프트 쿠다라 것도 있지만 예 인텔리 미움을 오래 산 거 같아요 그러니까 인텔이 강좌가 되는 걸 아무도 원하지 않는 거 같아요 어깨에서 어깨에서 그동안 너무 갑질을 했다고 생각도 완전히 세상을 지배하고 있는데에 AI 반도체 시대 그게 자본주의 원리일 수도 있고 국제 정세 정치적인 게임일 수도 있는데 예 미움 뭐 미움받 미움받을 권리 뭐 이런 책 있지 않나요 예 그런 책 있죠 근데 미움 오래 받으면 하여튼 경쟁이 심한 것 같고요 AMD 마찬가지 그래서 대타로 키우는 두 번째 기업이 저는 브로드컴이라고 보는 거예요 왜 브로드컴까요 아 브로드컴은 일종의 설계 파운더리 저는 생각하는 거예요 예 tsmc 는 생산 파이아 만들어 자기네는 직접 돈 벌지
(1:40:57) 않고 너희들이 돈 벌게 도와주겠다는 거죠 그니까 포지셔닝을 그렇게 한 거 같아요 예 어 그래서 설계해 줄게 예 그럼 인텔은 설계해 주때 비싼 칩까지 해서 패키징까지 팔아 주겠다는 거고 어 브로드컴은 어 설계해 주겠다니 비즈니스 모델이 구글이나 메타나 테슬라는 이런 기업 아마존에서 보면 더 자기네 하고 맞지 않는 이렇게 생각을 하고 설계를 대신해주는네 저는 그렇게 봅니다 tsmc 고객들은 설계를 어딘가에서 해 왔잖아요 해왔죠 엔비디아는 자신이 한 거죠 예 그러니까 할 줄 안다는 건데 브로드컴이 설계해 준다는게 그리 매력적인 제안이 엔비디아가 너무 비싸게 받으니까음 엔비디아는 제조만 해주고 그돈 받는데 아 그게 아니라 엔비디아는 그냥 GPU 파는 건데 엔비디아는 설계뿐만 아니라 tsmc 생산해 와서 패키징해서 어 GPU 형태로 만들어서 만들어서 근데 GPU 만에 니라 hbm 붙어
(1:42:01) 갖고 모질로 파는 거죠 근데 요즘 그렇게 하지 않고 그 자체를 슈퍼 컴퓨터까지 조립하 해서 파는 비즈니스 모델로 가는 거 같아요 거기 보면 과거고 다른게 GPU hbm 블랙 웨이나 H1 한 모듈 하나가 어 학습을 시킬 수 있는게 아니고 멀티모델 같은 경우 그게 여덟 개가 하나의 렉이 되고 그게 또 서로 두 개가 돼서 26개가 돼야 최소 단위의 슈퍼 컴퓨터가 되고 그게 또 수만 대가 붙어야 이제 그 클라우드 서비스를 하게 되거든요 그 토탈 솔루션을 제공하는 거죠 엔비디아는 그러니 근데 일단 검증됐다 그걸 일단은 시간 싸움이 이거 누 누가 빨리이 시장을 점령하 a 시장에서 그러니까는 엔비디아에 비싼 돈 주고라도 쓸 수밖에 없는 거죠 줄 서서 우리는 줄 서서 사도 안 팔 거요 한국에는 어 젠슨 왕이 안 와서 어 뭘 ces 어 누굴 만날지 모르지만은 아 근데 브로드컴은 아니야 우리 그런 욕수 없어 설계만 해 줄게 우리 설계 비용만 비싸게네
(1:43:04) 이런 전법이 아닌가 그러면 구글 같은데 데이터 센터를 직접 이제 설 설계하고 제작하는 거죠 AI 쓸 칩을 설계해 주는 거군요 그러니까 저는 그렇게 봅니다 제가 건 건축으로 보면 그 엔비디아는 아예 그냥 집 지어서 이집사 10억이 키 키션 음 그 tsmc 설계도 주시면 저희가 이쁘게 만들어 드릴게요 설계 감리 회사 뭐 그 시공 전문 회사죠 tsmc n 그러면 브로드컴은 우리는 시공은 잘 모르겠는데 설계 건축 설계 전문 회사다 저는 그렇게 봅니다 근데 제가 또 틀릴 수 있는데 제가 현재 파악하기로는 그렇게 저는 예측을 합니다 그래서 엔비디아의 그에 어떤 그 의존도를 좀 떨어뜨리고 좀 가격을 떨어뜨 이 지금 1억 하는 블랙웰 2 3천만 원까지 떨어뜨리고 경쟁자를 만드는 거죠 그런데 내가 컨트롤할 수 있는 그러면 브로드컴은 왜 갑자기 이렇게 툭 튀어 나왔느냐 브로드컴은 m& 많이 해서 성장한 회사고 어 저 뭐야 젠슨의
(1:44:11) 비디아 하고 좀 다르죠 그다음에 설계 회사 소프트 사들을 m& 했어요 근데 브로드컴의 본질적인 경쟁력은 뭐냐면 일차적으로 그 그 GPU GPU 연결하는 컴퓨터와 연결하는 그 연결 기술을 갖고 있는 거예요 그게 광 통신이 뭐 구리를 이용하 아까 제가 말씀드렸잖아요 GPU 몇 만 대가 한 몸처럼 움직여야 된다고 그러려면 서로 연결하고 그 중간에 교통 정리하는 스위치가 있어야 돼요 전통적으로 그 기술이 어디서 사용되면 클라우드 컴퓨팅이 통신 시스코와 같은 통신 장비 회사에 필요했던 기술이에요 그걸 이제 서데스 그러는데 집 GPU고 hbm 사이는 1024개 라인이 있잖아요 그러니까 데이터 밴드 위수를 높일 수 있었어요 근데 저는 이게 hbm 4가 되면서 248 4천 몇 개가 될 것 같고 앞으로 10만 개까지 가야 된다고 보는데음 근데 컴퓨터 보드 끼리의 연결은 물리적으로 떨어져 있잖아요 30cm 1m 100m 예 그 1024개 hbm
(1:45:16) 라인을 끌고 갈 수가 없는 거예요 공간이 안 나오는 거예요 그래서 광파이버 이런 실선으로 가야 되는 거 그면이 데이터를 열 직렬로 세운 다음에 저 반대쪽에서 다시 병렬로 하는이 과정이 필요해요 그 엔비디아는 nv 링크라고 자체 기술을 또 갖고 있어요 인피니 밴드라고 자기네가 슈퍼 컴퓨터를 만들어야 되니까 근데 브로드컴의이 기술을 RP 올해부터 확보하고 있다는 거예요 그니까 병렬로 갔다가 아니 직렬로 갔다가 다시 병렬로 병렬에서 직렬로 갔다가 병렬로 근데 hbm GP 그 시간도 못 쓰니까 그 병렬에서 병렬로 그냥 가는 거고 근데 그 IP 그러는데 그 설계 기술을 갖고 있은 거죠 그러니까 비즈니스 모델이 비디아 하고는 다르지만 상당히 매력적이다 그래서 그래서 어제 제가 들어가 보니까 주가가 한 올해 1년 동안 두배는 오은 거 같아요 예 예 어 그리고 주가가 9위 든가 테슬라와 tsmc 사이든 최근에 브로드컴 많이 떴죠네 브로드컴이 뜨는
(1:46:21) 거를 예를 들면 그 기업들 그니까 빅테크 좋아하는 그런 분위기일까요 엔비디아가 너무 비 일단 경쟁자가 뜨는게 좋죠 일단 엔비디아 경쟁자가 되니까 값을 떨어뜨릴 수 있고 자기가 종속 설계만 해 줘 이러니까 구글이 아마존이 뭐 마이크로소프트는 다 좋죠 예 그런데 이때가 삼성의 기회라고 또 저는 보는 거예요 엔비디아 말고 다른데도 엔비디아 SK tsmc고 연합체를 이뤄서 삼성을 힘들게 하잖아요 그죠 뭐 예 그 그럼 삼성도 살기를 찾아야 되잖아요 hbm 4에서 올해 삼성이 성공하지 못하면 이제 모멘텀을 hbm 모멘텀을 잃어버릴 수가 있어요 그러면 그 회복하는게 상당히 힘들 수 있는데 그런데 어쨌 hbm 4를 개발할 때 hbm 4는 커스텀 디자인이든 엔비디아 향 마이크로소프트 향 브로드컴 향 다 다를 거예요 네 그니까 삼성도 디아의 경자를 키워야
(1:47:26) 된다 그런 면에서 브로드컴 하고 회장하고 어 삼성 회장님이 만나셔야 된다 이렇게 최태현 회장님은 뭐 젠하 친하더라도네 이거는 제네 그 그쪽이 점유를 하면 그쪽에 뭐 어디 그도 어딘가에서 찍어야 될테니까 반도체를네 아니 아니 디 그러니까 어 GPU 그니까 브로드컴이 설계한 GPU 하겠습니다 가속 을 삼성 파에서 쓸 수도 있고 거기에 들어가는 hbm 4나 3를 삼성이 제공해서 그다음에 우리가 패키징까지 다해 삼성은 이제 토털 솔루션에 강하니까 그래서 한번 어 물결을 이제 바꿀 수 있지 않느냐 설계전문 브로드 컴과 시공전문 삼성이 만나면 집 나오는 거 아니냐 좋은 비유인 거 같습니다 그래서 근데 왜 건설은 그렇게 나눠져 있죠 우리 법이 그렇게 바뀌었죠 설계하고 시공하고 걸 하는 거죠 아니 지금은 우리 아파트는 설계 시공이 한 몸이죠음 그렇군요 아 뭔가 장단점이
(1:48:30) 있을 것 같은데처럼 그냥 파는 건데 그건 이제 고객이 굳이 개성을 발휘한 집을 원치 않죠 그럼 안 팔리거든요 나중에 근데 지금 이것처럼 예를 들면 엔비디아는 일종 기성품을 만드는 거잖아요 자가 다 만들어서 GPU는 걸 만들어서 hbm 만들어서 요거 그냥 쓰면 돼 이게 최적화 돼 있는 거야라고 지금은 물론 비싸지만 그걸 주 문형 설계를 따로 만들어서 그걸 따로 찍어서 그거보다 훨씬 효율적일 거 같은 생각은 드는데요 그 제가 이제 마이크로소프트나 어 뭐 아마존의 CEO 아고 하면 일단 엔비디아 쓰신 동 비싸요 그래도 비싸요 그래도 줄서야 되고 아 그래도 순서를 정해 줄 거 아니에 젠슨 와이 그 그걸 벗어나는게 있고 그다음에 각 구글이 마이크로소프트는 메타는 각자가 AI 서비스의 중점 방향이 이제 달라질 거 같아요 어디는 뭐 검 생 어디는 LM 멀티모델 그거에 따라서 트랜스포머 모델이라고 하는 생성 모델이 조금씩 달라지니까 거기에 맞춤형으로 설계하면 전력 소모나 성능을 더 줄일 수 있는
(1:49:35) 그런 틈이 그게 10% 30% 충분히 나올 수 있다 그러니까 맞춤형 설계를 하고 싶어 한다 브로드 컴이 30% 점유율을 가져갈 걸로 보십니까 교수님은 어 저는 어 제 기억에 미국에서 통신도 아마 atnt 벨레이 너무 그걸 뭐라 독점이라 그러나요 독점 금지법에서 나눴아요 그죠 구글도 요즘 그런 프레셔가 있을 것 같은데 마이크로소프트도 한번 그래서 클라우드로 변신하지 않았는가 싶어요 예 그런 똑같은 과정을 갈 것이다 예 그렇게 봅니다 그럼 엄청 망한 거네요로 그 그런데 제가 지난번에도 말씀드렸지만 삼성이나 하이닉스가 hbm 4에 생명을 걸어야 되는게 그 AI 시대에 파도를 탈 수 있는 저로 기회라는 것도 있는데 이 지금 가속기 슈퍼 컴퓨터의 성능이 두 가지에 의해서 결정이 되는데 하나가 어 GP hbm 사이의 밴드위스 두 번째는 GPU GPU 사이에 데이터 밴드위스 여기서 결정이납니다음 그러니까 GPU 자체의
(1:50:38) 성능이 아니라 메모리 자체가 아니라는 근데 왔다 갔다 하는 거 왔 폰노이만 아키텍처라고 그래서 그 왔다 갔다 하다가 시간 다 보내는 거예요 그래서 hbm 내에 아예 GPU 집어넣자라는게 제 주장이에요음 그러면 이제 그 아마 엔비디아 브로드 컴도 그런 시대를 꿈꿀지 몰라요 그러면 메모리가 기업이 잡혀 먹히느냐 우리 지분을 갖고 우리가 거기를 하느냐 이런 기회가 있어서 절대 절명의 우리의 길 갈림길이 있다 이렇게음 잘 몰랐구나 그 그 GPU 수요자인 구글 애플 뭐 테슬라 등등은네 설계는 잘 못 했나 보네요 계를 잘 못한게 보다도 인력 구성이나 투자 규모가 아마 작았을 겁니다음 그래서 그냥 AI 집과 관련해서는 이걸로 뭐 하고 싶어라고 하는 꿈은 있는데 네음 그 그걸 위해서는 어떻게 칩을 만들어야 되는지 그 지금까지는 구글이 AI 다른 걸로 돈 버는게 더 편하고 엔비디아 거 갖다 써서 빨리
(1:51:41) 보는게 더 편하겠죠 자체 개발하고 이러는 거보다 애플은 m이라고 하는 칩을 스스로 만들어서 tsmc 테 요대로 만들어만 주세요 해서 갖다 쓰잖아요 그럼 설계를 본인들이 다 한다 죠 그런 기업 같은 경우는 브로드컴 가서 명함주고 할 일이 없죠 아 그런데 AI 보면 어 애플 그 그 지금 이제 맥북이나 애플 아이폰에 들어가는 칩을 말씀하시는 거 같은데 그 설계는 어 제가 알기로 어 그 암이라고 하는 그 아키텍처 기반이 그 암이라는 건 영국 회사인데 지금 아마 소프트뱅크에 팔린 거 같은데 그 아키텍처가 GPU 하고는 또 달라요 음음 그러니까 암 아키텍처 상에서 그 암 아키텍처는 어 좀 느리지만 저전력 칩을 만들어서 맥북에 집어넣고 그 그것도 역시 처음에 애플이 인텔칩 사 쓰다가 기분 나빠서 자체로 한 거잖아요 근데 GPU 쪽으로 잘한다는 거는 잘 모르겠 제가
(1:52:45) 애플 CE면 일단 브로드컴 거 갖다 쓰다가 아 어느 시기에 자기가 좀 내적 역량을 키우거나 &를 통해 해 이렇게 하는데 브로드컴은 본인들도 설계를 잘 못하다가 최근 1 1 2년 사이에 설계 능력이 갖춰져서 이렇게 뜨는 거예요 저는 그 아까 그 연결 그 GPU 그리 연결하는 그거는 30년 이상 했던 거고요 갖고 있는 기술 거기에 접목돼 뭔가 구 그다음에 아 뭐 몇 년간 우리가 못 몰랐지만 그 마이크로소프트나 아마조나 이런데 하고 공동 설계 작업을 좀 한 거 같아요 맞춤형 GPU 같은 그런 느낌이네요 그 를 정면 제가 좀 너무 전문인가 조심스러운데 GPU GP GPU 불러요 원래 이름이 제너럴 퍼즈 GPU 제너럴 포즈에요 범 그래서 범용 소프트웨어 쿠다 프로그램 자면 트랜스포 모델도 하고 소라도 하고 채지 PT 다양하게 우리가 쓸 수 있는 거예요 그러니까 강력한 거죠 개발
(1:53:48) 단계에서는 아직 그런데 그 트랜스포 모델이 끝났냐 제가 보고 보기에는 뭐 10년은 더 새로운 모델이 나올 거 같은데 그 우리가 포스 트랜스포머 모델이라고 하는데 그런 다양한 걸 서포트 할 수 있죠 근데 이제 어 구글이나 아마존이나 이런 데서 자기가 특정 용도로 데이터센터 AI 슈퍼 컴퓨터를 만들어서 쓰겠다 이러면 얘기가 좀 달라지는 거죠 GP GP GP 제너럴 기능을 빼고 스시이 해서 더 성능을 좋게 하 지금 우리 얘기가 어 브로드컴 하고 비디아 hbm 얘기했네요 그죠 예 그래서 어 2 3년 내로 어 지금 GPU 가격이 1억에서 2 3천 2 3년 내로는 뭐 많이 떨어지도록 프레셔를 받을 것이다 조짐이 보일 것이다 이렇게 생각이 되고 어 아까 얘기한 것처럼 마지막 하나 더 기술적으로 중요하다면 아 또 하나는 이제 tsmc 삼성의 파운더리 경쟁은 있는데 tsmc 일단은 조금 더 유리하다 이렇게 말씀드리고 기술적으로
(1:54:52) 중요한게 패키지라고 아까 어 그 GP GP 연결한 연결 기술 이런 것들이 중요해지게게 제가 올해 2025년에 예측하는 거고요 제가 AI 좀 예측해 봐도 될까 예 그럼요 시간이 다 되거 괜찮 예 지금이 얘기가 중요할 것 같습니다 교수님은 남는게 지식이지만 저희는 남는게 시간입니다 아니 이게 지금 방송 나 아니 괜 예 저희가 사장입니다 시청자 여러분 죄송합니다 예 그래서 예 편집 재미없으면 편집해 주시고요 예예 어 AI 어떨까 이렇게 봤는데 스익 모델을 찾으려고 이제 노력을이 계속 투자가 돼야 되잖아요 조씩 들어가고 막 이러니까 그 대안 중에 하나로 에이전트라는 개념을 등장하기 시작하는 거 같아 요즘 좀 언급이 많이 나오기 시작했어요 그래서 왜 그럴까 제가 보면 특별한 건 아니고 맞 개인형 맞춤형에 를 그니까 개인의 욕구를 최대와 비서를 두는
(1:55:57) 거죠 뭐 예 저 대신에 하루 종일 이해 주는 거죠 1. 표 짜고 보고서 쓰고 그 그 그런 얘기가 제가 전부터 주장했는데 AI 인간보다 장점이 제가 이제 조교 없으면 일도 못 하고 예약 예약도 못 하고 이러는데 조교가 돼 주는 거죠 그러면은 근데 조교는 월급도 줘야 되고 가끔 밥도 사 주고 이래 되는데 어 인공지능은이 전기만 넣어 주면 24시간 돌아가고 어 그다음에에 노조도 없고 태도 없고 어 그런 그런 자기의을 대신해 줄 근데 일반적인 비서 뒤에 전문 비서가 붙을 것 같아요 에이전트가 법률 에이전트 뭐 부동산 에이전트 건강 에이전트 이렇게 교육에 나 나를 최대한 전문가로 서포트하는 에이전트가 또 뒤에 그런 거를 꿈꿔서 개인 그 제가 이제 뭐 한 달에 한 100만 원씩 내고 그 에이전 쓰면 직업의 연봉이 어 몇 천만 원 1억 오른다 이러면 투자할 거 아니에요 그런 거를 꿈꾸는게 하나 있을 것 같습니다음 그
(1:57:02) 두 번째는 어 영역이 AI 아까 x고 했는데 어플리케이션 영역이 국방 분야까지 확대될 것이다 이제 많이 드러나진 않을 것 같아요 그래서 요즘 팔란 티어에 그 어 주가가 오르는 그런 이유 중에 하나고요 국방네 국방에 국방에 먼저 쓰기가 좋아 아요 그거는 어 한 시간 더 하시죠 뭐 어 전쟁이 아니 그럼 그러면 올해 예측 다 하고 국방 얘기하겠습니다 그다음에 예예예예 어 올해 아까 마이크로소프트가 100조 이상 아마 투자하는 거 같아요 전 세계적으로 한 1조는 투자할 것이다음 어 그다음에 어 멀티모델 인공 지능이 어쩔 수 없이 그 초고대 모델이 되고 그러면 GPU 만대 10만대 되는 그 트랙이 하 그 방향이 있고 또 하나가 스마트폰이나 가전에 들어가게 경량화하는 그 엣지라는 그거를 또 개발할 것이다음 그다음에 이제 아까도 말씀드린 것처럼 인공지능이 우리
(1:58:06) 두뇌를 어 대체하는데 우리 육체를 대체하는 로봇하고 결합하는 AI 로봇이 이제 상당히 투자가 많이 이루어질 것이다 아 이런 생각이 들고 그다음에 지금의 이제 여섯 번째 쯤 되 지금 멀티모델 인공지능이 너 너무 메모리를 많이 사용하고 GPU 많이 사용해야 돼요 그 양을 줄이는 인공지능 모델을 개발하려고 그래 그걸 이제 포스 트랜스포머 모델이라고 그래서 그 중에 하나가 뭐 만바 이런게 있는데 그런 연구가 계속 될 거 같고 마지막으로는 AI 확산이 되는데 뭐 제조업 경영 뭐 경제 주식 투자 당품 의료 이렇게 조금씩 확장되는 초기가 될 것이다 이렇게 여섯 분야로 제가 어 생각을 했습니다음 AI 이제 시작도 안 한 거 저는 30년에서 100년 갈 거라고 보고요 이제 한 2 3년 왔다 이렇게 생각이을 합니다 100년이면 그 제 예측이고 틀리면 제가 나중에 사과드리고 어마어마한 변화가
(1:59:09) 시작되는구나 아니데 우리 인공지능 보고 신기해하던게 한 1 2년밖에 안 돼서요 그렇습니다 예 근데 지금 교수님 말씀은 이게 이제 세상 바꾸는 거고 이미 세상 바뀌고 있어라는 말씀을 해 주시는 거 같고네 제가 요즘 지하철을 타 보면 앞자리 10분이면 아홉 분이 스마트폰 보고 있어요 예 아 우리 어렸을 때는 신문도 보고 책도 보고 했거든요 예 안 보죠 이제 지금 다 인터넷에 노예라고 뭐 하지만 인터넷 없이 못 살잖아요 그죠 똑같이 될 것이다 뭐 인공지능이 인터넷 유튜브 다음에 AI 이렇게 예음음 우리 뭐 메타버스 같은 거는 오다 말았잖아 다시는 안 올 수도 있고네 그니까 유비 키터 뭐 이런 메타버스 이런 건데 메타버스와이 AI 언젠가는 좀 결합될 것 같아요 우리가 이제 메타버스 보면 이제 그 헤드 마운 디스플레이 보고 헛꽃 보고 이제 창난 일으키면서 사는 거잖아요 그렇죠 뭐 게임이라는게 다 그런 거죠 앞으로 미래에 거기 올라오는 동영상은 인간이 만든게
(2:00:12) 아니라 AI 만든 걸로 올라오지 않을까 예죠 그런데 이제 그 메타버스가 몰입성 있는데 사람이 이렇게 마운트에 쓰고이 불편하잖아요 그래서 메타버스는 그냥 인공지능 세상에 하나의 조그마한 갈래 정도로 이렇게 보 예측합니다 AI 프 세상이 변할 것 같다는 건 뭐 만 사람 동의할 텐데 그래도 이제 제가 개인적으로 걱정하는 건 예전에 우리가 it 버블 같은 걸 한번 겪었아요 그러니까 기대가 좀 앞서 가서 한번 그냥 확 무너진 다음에 결국은 다시 가긴 갔지만 그런 우리가 또 너무 혀 있는 건 아닐까 기대감이 그거를 뭐 데스 밸리라는 후에 한번 올 것 같아요네 그때에 왜냐면 너무나 비용이 많이 드니까 그러니까 뭐 어떻게 뭐라 러시안 룰렛 같나요 뭐서 그걸 뭐라 그러죠 하여튼 반도체 메모리도 그런 전쟁이 서로 이제 죽 상대방 죽을 때까지 투자하고 뭐 이런데 수익 모델을 충분히 창출할 수 있나 1년에 100조 천 조씩 투자하는 그 그것을 한번 멈췄 했다가 가지 않을까 이렇게 생각하고요 그니까
(2:01:18) 투자금이 많이 든다는게 하나 위험성이 있고 또 하나는 너무 반도체지 가 많이 필요한 거예요 예 전력 소모도 많고 그럼 원자력 발전소를 데이터센터 옆에 smr 지어야 되고 그게 이제 그 실리콘 기반의 현재 컴퓨터의 한개인데 그걸 극복해 보려고 이제 퀀텀 컴퓨팅이 등장한 건데 이제 퀀텀 컴퓨팅 다음에 얘기하면 또 그것도 숨겨진 약점이 또 많이 있어요 그래요네 예 물리적으로는 재미있는데 이게 실제로 우리가 누구나 언제나 우리 인터넷 쓸 수 있게 할 수 있느냐 예 많 있습니까 그 그래서 말씀하신 그 너무나 많은 비용과 전력 소모가 있는이 인공지능이라는게 지금은 그냥 돈 쏟아 부어서 신기함을 그냥 관찰하고 있으나네 그것이 일상 생활에 들어와서 지하철 타는 모든 사람이 다 이렇게 갖고 있게 되려면 그 중요한 야이 전기를 어떻게 감당해네이 비용을 어떻게 감당해라는 숙제가 해결돼야 되는 거고 그렇 만약
(2:02:22) 해결이 안 되면 그냥 메타버스 럼 되는 걸 수도 있잖아요 인공지능 야 몇 년 전에 우리가 인공지능 가지고 세상이 바뀌는 줄 알았어 하면서 그렇게 되지는 않을까요 주차장이나 충전기가 뭔지 달라서 전기차가 좀 가다가 이게 주춤하다이 전기차조차도 그렇고 저는를면 해상 풍력 말은 되고 예를 들 화성 탐사 이론은 되는데 저는 저는 좀 오래 간다는 쪽에 그러니까 그 차이가 뭘까 어떻게 왜 보세요 왜 그렇게 보세요 그게 왜 극복될 거라고 보세요 역사의 발전을 그렇게 설계하고 있는 거 같습니다음음 많은 기술들 어 키신 절하고 어 얼마 전에 돌아가셨지요 저 100세까지 마지막에 공부한게 AI요 키신저가네 책도 썼잖아요 어 그분이 그 닉슨 대통령 때 우리 대부분의 시청자들은 태어나기 전일도 모르지만은 1970년대에 어 러시아를 견제하기 위해서 중국을 키워 준 거잖아 예 그래서 또 중국이 이렇게 컸잖아요
(2:03:24) 그죠음 그 그런 여러 가지 핵무기와 같은 게임의 룰로 어 사용될 그 하여튼 세 인공지능이 물론 개발하고 나면 이제 결국은 그게 대결의 뭐 수단으로도 될 텐데 저는 그에 앞서서이 비용과 수익 순익이 이익의 문제는 모든 문제의 본질인데 이거가 될 거라는 건 해결이 될 수도 있고 안 될 수도 있다는 뜻인데 예 그래서 제가 언젠가도 그런 말씀을 드렸는데 우리가 전화 요금을 통신 요금으로 한 달에 10만 원 쓴다 5 5만 원 10만 원 쓴다 의료 보험비는 한 50만 원 정도 쓰는 거 같아요 어 제가 정확하게 명소에서 잘 안 보지만은 주택 비용은 한 달에 1천만 원도 쓰는 거 같아요 젊은 사람들이 이제 아파트 마련하고 대출하고네 어 의료보험비 정도 로 전 세계에 몇 억이 돈 내면 그 비용이 되는 거 같아요 그러니까 우
(2:04:28) 의료보험비 없이는 우리 너무 리스키 하잖아요 우리가 의료보험 때문에 이렇게 수요이 우리가 어 의료 혜택도 보고 우리나라 굉장히 사회적인 시스템이 잘 돼 있잖아요 예 미국은 또 그런 사회적인 문제가 있는 거 같고 영국도 그런데 저 의료 보험 없이 우리가 할 수 없는 것처럼 살 수 없는 것처럼음 AI 없으면은 자기가 어 진짜 오토바이 탈라도 오토바이가 있어야 되는 거잖아요 그죠 그런 것처럼 자기가 직업으로 해서 경쟁력 가지고 뭐 일하려면 어 그 그 정도 돈을 50만 원 한 달에내는 거기까지 가야 될 것 같아요 그게 좀 기술적으로 어려울 것 같습니다만 근데 우리가 지금 인터넷 끊고 지금 한 달에 5만 원 10만 원 내는데 끊고 못 살잖아요 그죠 인공지능도 그런 성격이라서 저는 그렇게 디자인할 것 같아 제가 보 생산성의 향상이 더 높아질 그래야 되겠죠 그러면 말은 되 제가 이제 하이닉스와 삼성 한 지금 시간이 전 한 3 5년 전에 그때는
(2:05:33) 하이닉스가 많이 밀렸어요 뭐 왜 이렇게 못해 아 못 해 이렇게 표은 안 하고 이제 친하니까 아 왜 삼성에 밀려요 뭐가 잘 가장 어 분리해요 그랬더니 재고 예측이라 그러더라고요 제고 예측 예 아 삼성은 갑이니까 어뭐 원하 대로 만들어주고 예측 가능할 것 같고 그 당시 이제 하이닉스가 을이라는 것도 있고 아니면 뭐 내부 마케팅 능력일 수도 있는데 그러면 AI 근데 그게 제고 비용이 어떤 때는 뭐 조 단일 수도 있잖아요 그죠 만들어 놓고 안 팔리면 어 그런데 그게 그 어느 회사는 AI 알고리즘 써서 제고가 10% 줄었다 그러면 경쟁이 안 되는 거죠 자 배달의 민족과 쿠 한과 하는데 어디는 미리 저 사람들이 오늘 한일 축구가 있다 그러면 맥주 치킨이 몇 개 팔리는지 다 알고 미리 다 구워 놓은데 하고 이제 주문 봐서 한시간 후에 그런 게임에서 근데게 한두 달이 아니라 1년 2년면 산업 자체가음 아
(2:06:39) 경쟁력이 차이가 나지 않겠나 산업이 완전히 한 군데는 무너져 가고 한 군데는 계속 그 이득을 그 근데 오늘 제가 드리는 말씀 2025년에 예측이라 어 미래 예측은 다 예측이 아아 예측이라는 건 또 틀릴 수도 있는 거고 그래서 제가 겸손한 마음은 갖고 있고요 그렇지만 미래에 대한 예측을 안 하고 준비하면 항상 2등 밖에 될 수 없잖 그래서 제가 이런 말씀을 드립니다 야 진짜 그러 오늘 팔란티어 얘기는 다음에 하는 걸로 하고 예 예 그렇게 하시죠 양자 컴퓨터 얘기도 다음에 꼭 아 양자 컴퓨터는 좀 조심스러운데 워낙 전문가가 많아서 근데 이제 인공지능 입장에서과 양자 컴퓨터가 도움이 되느냐 그 얘기는 할 수 있을 것 같습니다 암호 푸는데는 도움이 되는 거 같은데네 알겠습니다 팔란티어 말씀하신 인공지능 에이전트 인공지능으로 뭐 좀 유용하게 써먹어 보기 시작하는 케이스 그 중에 시장이 큰 국방 국방 국방 근데 그게 이제 그 시장은 뭐 배달도
(2:07:43) 있을 거고 의료도 있을 거고 교육도 있을 거고 뭐 이미 우리가 하고 있는 모든 활동들이 다 그런 영역일 거 아니겠습니까 국방에서 아닙니다 그 국 국방은 팔란티어 국방에서 먼저 팔란티어 하는 에이전트 회사가 저는 조금 다르게 봅니다 우리나라 방산 기업이 있잖아요 그거하고 민수 기업하고 특징이 좀 다르잖아요 예 좀 다를 거라고 봅니다 아 그 북방 이하 그렇지만 그게 뭐 의료는 혹은 쇼핑이 혹은 뭐 지식이든 다양한 뭐 다른 기업이 거기서 어 힌트를 얻어서 이렇게 할 수는 있는데 팔란티어 자체는 그렇게 보지 않 특수한 방산 기업이라고 보는 거죠 그 말은 정부가 주도적으로 그렇습니다 방 국방비 투자하 키운다음 그런 수혜를 받은 회사인 거 같다 수혜를 받을 회사다 미래 제가 그 그 표현을 받을 회사회사 아직 받은게 아니에요 어 아니죠 아직 안 받 작 국가가 그렇게 올랐는데 시작도 안 했다고요이야 아 그 그 말 그래서 제가 여러분들한테 올해 한번 이렇게
(2:08:46) 실마리를 제가 드리는데 연말에 우리 아 란티 들었어야지 쓸 없는 질문 하 팔란티어 하나을게 그러면 국방에 AI 도입하는게 예를 들면 국방이게 무기도 사고 뭐도 하고 돈이 많이 드는 산업이 아아 AI 이용하는게 훨씬 비용 효율적인 효과를 낳는다 그런 컨셉이 말씀만 드릴게요 아 그 제가 전쟁을 4단계로 보는데요 1단계가 이제 베트남 전쟁 예 가서 비행기가 가서 BB 가서 막 탄 터트리는 거죠 어 우리 625 전쟁도 낙동강 전선에서 교차 당시에 우리가 방어할 수 있었던게 미공군이 다 다리 폭파하고 어 그러니까 이제 베트남 전쟁에서는 그 호지민 터널인요 몰래 밤에 이제 터널 타고 하여튼 뭐 그 국경을 벗어나서 하여튼 그런데이 단계가 제사기 이라크 전쟁 토마호크가 비행기가 안 가고 이제 토마호크가 날아다니고 3단계가 어 아프가니스탄고
(2:09:53) 요즘 우크라이나도 비슷한데 드론이 대신하는 거예요 예 4단계는 그런 거 폭탄 이런 거 등장 안 하고 인공기는 끼에 가서 상대방 발전소 정지시키고 어 뭐 뭐 그 프로그램을 다 그냥음 해킹해서 다 망 되 폭탄도 없다 시끄럽지도 않다 전쟁이 예 예 그런 그런게 저는 예측합니다음 아 AI AI 국방에 쓰면 하여튼 그 제가 그 그 얘기는 투비 컨티뉴로 하고 4단계까지 알겠습니다 야 아니지 하나만 여쭤 봅시다네 그 지금까지는 잘 사는 나라 강한 나라가 되기 위해서 갖춰야 할 건네 혁신적인 기술력이 있거나 선진국의 경 아니면 개발도상국 같은 경우에는 부지런한 혹은 저렴한 인력이 많거나음 아니면 뭐 운 좋아서 자원이 석유 자원 같은게 나오던가 이런 거였는데네 인공지능과 로봇이
(2:10:57) 결합되면인 근면하고 성실한 국가가 살기 쉽지 않은 거죠 그렇죠 없어지죠 없어진다 보다 그 그 강점이라는게 강점이 경제 성장이나 이런 국민 소득이라는게 이제 한계에 부딪치는 리 관건이 뭘까요 그때 관건은 그럼 인공지능도 어찌 보면 미국 사람이 쓰는 노트북 컴퓨터나 우리나라 사람이 쓰는 노트북 컴퓨터나 지금 비슷하듯이네 결국은 다 비슷한 인공 지능들을 활용하게 될 거 같은데 한 뭐 나중 돈 내고 쓰는데 산업 주도권을고 근데 인공지능 쓰게 하다가 너희들 말 안 들으면 끊을 수도 있잖아음 아 그 주도권을 가진 나라가 그냥 그다음 가격 통제할 수 있고음 그 구글 같은 경우 유럽에서는 없잖아요 그러니까 요즘 헤매는 거잖아요 우리나라는 다행히 네이버도 있고 카카오도 있고 예 그렇게 AI 국방 관점에서 봐 주시면 저는 딱 맞을 거라니다 전기 요금의 원가는 나라마다 다 다른 거 같은데 지금 제가 보니까 비싼 전기가 어쩔 수 없이 비싼 나라가 있고 전기를 싸게 만들 수 있는 나라가 있고네 그것이
(2:12:02) 국가 지금은 뭐 그닥이지만 앞으로는 그게 굉장히 중요해 질까요 그래서 러시아가 천연 개스가 나오니까 국력이 올라가는 거고 미국은 쉐일 개스 그래서 에너지의 AI 때문에 에너지의 비중이 커지고 그래서 어 AI 반터치 다음으로 중요한 그 여러분이 투자하신다기에 이블 송전 변전 이런 걸 유심히 보시면 되겠습니다 그 우리는 근데 전기 소스가 없잖아요 그러니까 원자력 발전 어 어 태양광 이런게 잘 조화를 이루어야 되는데 하여튼 그 우리가 자원이 부족한 거를 일력으로 성실한 일력으로 우리가 그동안 발전했고 그 밑바닥에 또 교육 시스템이 있었는데 우리가 한번 다시 고민해야네요 고민 그걸 아 그 판을 바꾸려고 그러는 거지 전 세계 키신저 같은 사람들이 아 제말 틀릴 수도 있습니다 저는 이런 뭐 이렇게도 우리 한번 보자 이런 관점이고 제가 기술적인 예측은
(2:13:06) 오늘 말씀드린 거가 대체로 맞을 것 같고요네 그렇습니다 그냥 어 버릴 얘기가 없네 결혼 제자 결혼시키는 얘기부터 그이 하려면 빨리 제자들 그친 카 는 방 이런 거네네 그런 것도 이제 알겠습니다 알겠습니다네 카이스트 김정 교수 김정 교수님음 아 잘 들었습니다 또 한번 나와 주실 거죠 교수님 예 저 좋은 주제가 있으면 그렇게 들어가겠습니다 감 예 교 교수님 영인 드리고요 고맙습니다 긴 시간 감사합니다 예 a