AI는 어떻게 여기까지 왔고 어디로 가는 중인가

VC 투자자 Akshay Mehra의 글. 5년 전만 해도 마켓플레이스, "X계의 우버", 버티컬 SaaS, 네오뱅크 피치가 넘쳤는데, 지금은 자본 집약적이라 외면받던 하드 사이언스(딥테크) 가 중심으로 올라옴 피터 틸의 "날아다니는 자동차를 원했는데 140자를 얻었다"는 말이 이제는 업계 컨센서스가 됨 저자가 꼽는 원인은 세 가지: AI가 발견 비용을 낮췄고, 창업자들이 이걸 high status로 만들었고, 지정학이 자금을 끌어옴 1. AI가 하드 사이언스의 경제학을 바꿈 (Lollapalooza) 딥러닝의 흐름 정리 AlexNet이 GPU로 ImageNet 오류율을 약 26%에서 15%로 낮추며 "신경망은 한계가 아니라 스케일 문제"임을 보여줌 트랜스포머 논문으로 문장 전체를 한 번에 처리하는 구조 등장. 지금의 GPT, Claude, Gemini도 같은 아키텍처 GPT-3로 스케일링 법칙 검증. AI가 불확실한 과학에서 자본 배분 문제로 바뀜. GPT-3는 능력을, ChatGPT는 사용성을 보여줌 VC가 소프트웨어를 선호한 이유는 낮은 자본 집약도와 빠른 반복이었음 과학은 원래 비싼 시행착오의 연속이었는데, AI가 탐색, 시뮬레이션, 설계 비용을 붕괴시키면서 원자(atoms)에도 소프트웨어 같은 성장 경로가 생김. 멍거식으로 말하면 여러 요인이 겹친 "롤라팔루자 효과" 사례 AlphaFold: 단백질 구조 예측을 몇 달에서 몇 초로 단축, 약 2억 개 구조 무료 공개 Insilico: AI로 타깃 발굴과 분자 설계를 모두 수행해 Rentosertib을 약 30개월 만에 임상 진입 (보통 6~10년) Proxima Fusion: AI 시뮬레이션으로 스텔라레이터 핵융합 발전소 전체를 금속 하나 자르기 전에 설계 2. 모방의 춤 (Mimetic Dance) 플랫폼 전환만으로는 부족하고, 한 세대의 상상력을 바꾸는 단 한 명의 창업자가 필요함 머스크(SpaceX, 발사 비용 재정의), 하사비스(DeepMind, AlphaFold), 제니퍼 다우드나(CRISPR) 어려운 문제로도 큰 상업적 성과가 가능하다는 증거가 쌓이고, 주간 성장 대신 5년 지표에 최적화된 회사가 정상화되면서 업계 전반에 "아하" 모먼트 발생 이제 최고 인재가 광고 클릭에 매달리는 건 용납되지 않는 분위기 문화도 따라옴 뛰어난 창업자는 야심찬 미션으로 인재를 끌어모음 인재들은 중요한 문제에 시간을 쓰는 것 자체를 지위로 여김. 회사가 성공하느...