AI는 2025년에 세상을 바꿀 것이며 대부분의 사람들은 이를 인식하지 못합니다

2024년이 AI가 주류에 자리잡는 해였다면, 2025년은 AI가 주류를 완전히 재편하기 시작하는 해가 될 것입니다.

2024 was the year AI went mainstream. But just wait until 2025.

2024년은 AI가 주류를 이루는 해였다. 하지만 2025년까지 기다리세요.

Most people are still blissfully unaware of just how different the world is about to look. But for those immersed in the tech space, the pace of change is exhilarating—and overwhelming.

대부분의 사람들은 세상이 얼마나 달라질지 아직까지 행복하게 인식하지 못합니다. 그러나 기술 분야에 종사하는 사람들에게 변화의 속도는 신나고 압도적입니다.

OpenAI’s latest models, o3 and o3-mini, exemplify this transformative moment. These models aren’t just smarter chatbots; they’re problem solvers, excelling at reasoning tasks like complex coding, advanced mathematics, and even scientific challenges. O3 represents a new breed of AI that not only processes data but thinks—a shift that pushes us closer to artificial general intelligence (AGI).

OpenAI의 최신 모델인 o3 및 o3-mini는 이러한 변화의 순간을 잘 보여줍니다. 이러한 모델은 단지 더 똑똑한 챗봇이 아닙니다. 그들은 복잡한 코딩, 고급 수학, 심지어 과학적 과제와 같은 추론 작업에 탁월한 문제 해결사입니다. O3는 데이터를 처리할 뿐만 아니라 생각하는 새로운 종류의 AI를 대표합니다. 이는 우리를 일반 인공지능(AGI)에 더욱 가까이 다가가게 하는 변화입니다.

The o3 models achieve breakthroughs in reasoning through test-time compute, a mechanism allowing the AI to ‘ponder’ over complex problems before delivering a response. This innovative leap sets the stage for AI to tackle questions that demand deeper understanding, moving beyond rote predictions to reasoning capabilities that challenge the boundaries of what’s possible with machines.

o3 모델은 AI가 응답을 제공하기 전에 복잡한 문제에 대해 '숙고'할 수 있도록 하는 메커니즘인 테스트 시간 컴퓨팅을 통해 추론에 획기적인 발전을 이루었습니다. 이 혁신적인 도약은 AI가 더 깊은 이해가 필요한 질문을 해결할 수 있는 무대를 마련하고, 기계적인 예측을 넘어 기계로 가능한 것의 경계에 도전하는 추론 기능으로 이동합니다.

o3 is better than 99.95% of programmers Source: X

o3은 프로그래머의 99.95%보다 낫습니다. 출처: X

From Transforming Industries to Challenging Geopolitical Norms

산업을 변화시키는 것에서 지정학적 규범에 도전하는 것까지

But these advances aren’t happening in a vacuum. They’re part of a broader narrative of AI-driven disruption, from transforming industries to challenging geopolitical norms.

그러나 이러한 발전은 진공 상태에서 일어나는 것이 아닙니다. 이는 산업 변화부터 지정학적 규범에 도전하는 것까지 AI가 주도하는 혼란에 대한 더 넓은 이야기의 일부입니다.

As AI becomes increasingly integral to our daily lives, its infrastructure demands have skyrocketed. AI is no longer just a software story. It’s about infrastructure—massive, tangible infrastructure. To make AI work, we need chips, electricity, and interconnects at an unprecedented scale.

AI가 일상생활에 점점 더 중요해지면서 인프라 수요도 급증했습니다. AI는 더 이상 단순한 소프트웨어 이야기가 아닙니다. 이는 대규모의 실질적인 인프라인 인프라에 관한 것입니다. AI가 작동하려면 전례 없는 규모의 칩, 전기, 상호 연결이 필요합니다.

Consider this: OpenAI’s ambitions include building data centers that demand as much power as entire cities. We’re not just talking about a few racks of servers; we’re talking about infrastructure projects on par with major metropolitan utilities.

다음을 고려하십시오. OpenAI의 야심에는 전체 도시만큼 많은 전력을 요구하는 데이터 센터를 구축하는 것이 포함됩니다. 우리는 몇 개의 서버 랙에 대해서만 이야기하는 것이 아닙니다. 우리는 주요 대도시 유틸리티와 동등한 인프라 프로젝트에 대해 이야기하고 있습니다.

This is a CAPEX boom that doesn’t just benefit Silicon Valley engineers but electricians, construction workers, and local businesses. AI is making atoms great again, driving wealth creation across a broader swath of society than any previous tech wave.

이는 실리콘 밸리 엔지니어뿐만 아니라 전기 기술자, 건설 노동자 및 지역 기업에도 혜택을 주는 CAPEX 붐입니다. AI는 원자를 다시 위대하게 만들고 있으며 이전의 어떤 기술 물결보다 사회 전반에 걸쳐 부의 창출을 주도하고 있습니다.

While social media enriched a small subset of programmers and influencers, AI’s hunger for physical infrastructure is creating opportunities for the concrete mixer, the electrician, and the local HVAC shop. This isn’t just a digital revolution; it’s a physical one, with economic ripples that extend far beyond traditional tech hubs.

소셜 미디어가 소수의 프로그래머와 영향력 있는 사람들을 풍요롭게 한 반면, 물리적 인프라에 대한 AI의 갈망은 콘크리트 믹서, 전기 기술자 및 지역 HVAC 매장에 기회를 창출하고 있습니다. 이것은 단순한 디지털 혁명이 아닙니다. 이는 전통적인 기술 허브를 훨씬 뛰어넘는 경제적 파급력을 지닌 물리적인 것입니다.

Test-Time Compute

테스트 시간 컴퓨팅

But this isn’t just a story of growth. It’s a story of constraints—and cracks are already forming. Scaling laws, once gospel in the AI world, are facing practical limits.

하지만 이는 단순한 성장 이야기가 아니다. 이는 제약에 대한 이야기이며 이미 균열이 형성되고 있습니다. AI 세계에서 한때 복음이었던 스케일링 법칙은 실질적인 한계에 직면해 있습니다.

Pretraining these massive models requires staggering amounts of data and power, pushing current infrastructure and resources to their breaking point. The hyperscalers like Google, Amazon, and Microsoft are scrambling to secure energy sources, from renewables to nuclear, to keep their data centers running.

이러한 대규모 모델을 사전 훈련하려면 엄청난 양의 데이터와 성능이 필요하며 현재 인프라와 리소스를 한계점까지 밀어붙입니다. Google, Amazon, Microsoft와 같은 하이퍼스케일러는 데이터 센터를 계속 운영하기 위해 재생 에너지에서 원자력에 이르기까지 에너지원을 확보하기 위해 안간힘을 쓰고 있습니다.

OpenAI’s o3 introduces a promising workaround: test-time compute. This allows models to ‘ponder’ more complex questions, using more resources for tougher problems and optimizing performance. It’s an elegant solution, but it’s only the beginning.

OpenAI의 o3는 유망한 해결 방법인 테스트 시간 컴퓨팅을 도입합니다. 이를 통해 모델은 더 어려운 문제에 더 많은 리소스를 사용하고 성능을 최적화하면서 더 복잡한 질문을 '숙고'할 수 있습니다. 이는 우아한 솔루션이지만 시작에 불과합니다.

The implications of these advancements are staggering. AI’s reach will extend into every industry, from medicine to agriculture, manufacturing to science. It’s poised to create orders of magnitude more wealth than previous technologies by impacting everything, everywhere, all at once.

이러한 발전이 미치는 영향은 엄청납니다. AI의 범위는 의료에서 ​​농업, 제조, 과학에 이르기까지 모든 산업으로 확장될 것입니다. 모든 곳에, 모든 곳에 동시에 영향을 미쳐 이전 기술보다 훨씬 더 많은 부를 창출할 준비가 되어 있습니다.

Critics might call this another tech bubble, but AI has the two critical ingredients to prove them wrong: massive capital investment and unparalleled generality. It’s not just a new tool; it’s a General Purpose Technology (GPT) on the scale of electricity, reshaping the fundamental fabric of human productivity.

비평가들은 이것을 또 다른 기술 거품이라고 부를 수도 있지만 AI에는 그것이 틀렸다는 것을 증명할 수 있는 두 가지 중요한 요소가 있습니다. 바로 대규모 자본 투자와 비교할 수 없는 일반성입니다. 이는 단순한 새로운 도구가 아닙니다. 이는 전기 규모의 범용 기술(GPT)로, 인간 생산성의 기본 구조를 재편합니다.

“This chart is pretty insane, it’s the current AGI progression in passing the ARC test. o3 already exceeded the average human decision-making scores, where will OpenAI’s o4 be in 6 months?” Source: X

“이 차트는 정말 이상합니다. ARC 테스트를 통과하는 현재 AGI 진행 상황입니다. o3은 이미 인간의 평균 의사결정 점수를 넘어섰는데, OpenAI의 o4는 6개월 후에 어디에 있을까요?” 출처: 엑스

Still, key questions loom large as we enter 2025. Are we hitting walls in pretraining? How do we solve reasoning at scale? When will the nation-state race to AGI begin?

그럼에도 불구하고 2025년에 접어들면서 주요 질문이 커집니다. 사전 훈련이 벽에 부딪히고 있습니까? 대규모 추론을 어떻게 해결합니까? AGI를 향한 국민국가의 경쟁은 언제 시작될 것인가?

OpenAI’s breakthroughs, like o1’s chain-of-thought reasoning and scaling inference compute, offer glimpses of answers. But the road ahead will test the limits of innovation, infrastructure, and human coordination.

o1의 사고 사슬 추론 및 추론 컴퓨팅 확장과 같은 OpenAI의 혁신은 답변을 엿볼 수 있습니다. 그러나 앞으로의 길은 혁신, 인프라, 인간 조정의 한계를 시험하게 될 것입니다.

The U.S. is leading the AI race, with regulatory frameworks emerging and partnerships between AI labs and defense sectors strengthening. Meanwhile, other nations are lagging, though that’s unlikely to last.

미국은 규제 프레임워크가 등장하고 AI 연구소와 국방 부문 간의 파트너십이 강화되면서 AI 경쟁을 주도하고 있습니다. 한편, 다른 국가들은 뒤처져 있지만 이것이 지속되지는 않을 것입니다.

Europe’s regulatory-driven approach and China’s puzzling hesitation in prioritizing AI could shift as the race heats up. The geopolitical implications are profound.

유럽의 규제 중심 접근 방식과 AI 우선순위에 대한 중국의 당혹스러운 망설임은 경쟁이 가열됨에 따라 바뀔 수 있습니다. 지정학적 의미는 심오합니다.

National strategies around AI are emerging as critical differentiators, with some countries already positioning themselves as AI superpowers. In the U.S., regulatory efforts are balancing innovation with control, while strategic partnerships between AI labs and defense sectors signal an acknowledgment of AI’

AI를 둘러싼 국가 전략은 중요한 차별화 요소로 떠오르고 있으며, 일부 국가에서는 이미 AI 초강대국으로 자리매김하고 있습니다. 미국에서는 규제 노력이 혁신과 통제의 균형을 맞추고 있는 반면, AI 연구소와 국방 부문 간의 전략적 파트너십은 AI에 대한 인정을 나타냅니다.