AI의 정체기는 한계가 아니라 병목이 겹친 시간이다

최상위 모델을 압도하는 강자가 한동안 나오지 않는 이유를 GPU 부족으로만 설명하기는 어렵다. 다음 도약에 필요한 조건이 여러 개 동시에 막혀 있을 가능성이 크다.

기반 모델을 다시 만들려면 거대한 GPU 군집과 전력, 새 데이터센터를 갖추고 몇 달 학습을 돌려야 한다. 데이터도 비슷하다. 웹과 책과 코드의 고품질 데이터는 이미 상당히 학습됐고, 합성 데이터는 자기 답을 자기가 배우는 방식만으로 새 지식을 무한히 만들지 못한다. 추론 시간을 늘리고 강화학습을 붙이는 승리 공식도 열매를 빠르게 수확해버렸다. 여기에 상위 모델 간 차이를 드러내지 못하는 벤치마크, 안전성 검증 기간, 성능 10%에 추론 비용이 다섯 배가 되는 경제성이 겹친다.

그래서 지금의 정적을 스케일링의 종료로 단정하는 것도, 데이터센터를 더 지으면 풀린다고 보는 것도 성급하다. 소형 오픈웨이트 모델이 거대 모델을 따라붙는 것을 보면 효율 개선 여지는 아직 크다. 다음 지능에는 영상과 공간, 물리 법칙, 장기 기억까지 데이터가 되어야 할지도 모른다. 그렇다면 AI의 진화는 매끄러운 곡선이 아니라 병목을 하나씩 걷어낸 뒤 갑자기 뛰는 계단에 가깝다.