[0m0s] 우리는 투자할 수 있어야 합니다.
[0m2s] 데이터 센터를 더 빠르고 쉽게 구축하는 것입니다.
[0m6s] 더 빠르게.
[0m6s] 전력이 사용 가능하도록 보장하는 것입니다.
[0m9s] 인력 교육이 이루어지도록 하는 것입니다.
[0m11s] 그리고 제 생각엔 모두가 메시지를 받은 것 같습니다.
[0m13s] 긴급함을 느끼는 것처럼요.
[0m16s] (인트로 시퀀스)
[0m26s] 여러분, 좋은 아침입니다.
[0m27s] 저는 댄 디스이며, 골드만삭스 글로벌 뱅킹 및 마켓 사업부 공동 대표입니다.
[0m32s] 이 자리에 서게 되어 기쁩니다.
[0m33s] 저는 이 컨퍼런스를 좋아합니다.
[0m34s] 10년 전 맨 처음부터 참여해 왔습니다.
[0m38s] 그리고 항상 제가 전 세계 순회 중 가장 좋아하는 곳 중 하나입니다.
[0m40s] 그리고 지난 10년 동안 이 기술 생태계의 성장을 보는 것은 정말 멋진 일이었습니다.
[0m45s] 그러니 여기 와주신 모든 분께 감사드립니다.
[0m46s] 그리고 골드만삭스와 함께 해주시는 모든 일에 감사드립니다.
[0m51s] 특히 제 친구 세라 프라이어와 함께하게 되어 기쁩니다.
[0m54s] 그리고 다음 40분 동안 여러분과 이야기 나눌 것입니다.
[0m56s] 와주셔서 감사합니다, 세라.
[0m57s] 저도 기쁩니다.
[0m58s] 세라는 OpenAI의 CFO입니다.
[1m0s] 모두 아시다시피, 훌륭한 분이고, 훌륭한 리더이며, 훌륭한 소통가입니다.
[1m4s] 그리고 저는 우리가 만날 때나 당신의 이야기를 들을 때 항상 많은 것을 배웁니다.
[1m7s] 그래서 기대됩니다.
[1m8s] 저도요.
[1m9s] 마찬가지입니다.
[1m10s] 좋습니다. 자, 다룰 내용이 많습니다.
[1m12s] 당신의 개인적인 배경과 현재 위치까지의 여정에 대해 먼저 이야기해 보죠.
[1m16s] 북아일랜드에서 태어나셨고요.
[1m18s] 골드만삭스에서 리더십 역할을 하셨는데, 저희가 당신을 놓아줬다는 게 아직도 믿기지 않습니다.
[1m22s] 하지만 그건 제가 극복해야 할 별개의 문제입니다.
[1m24s] 맥킨지, 세일즈포스, 스퀘어, 넥스트도어를 거쳐 지금은 OpenAI에 계십니다.
[1m29s] 당신의 여정, OpenAI로 오게 된 계기, 그리고 그 모든 이직 과정에서의 지침이 된 원칙 등에 대해 말씀해주시죠.
[1m35s] 네, 음, 빨리 말씀드릴게요. 제 배경보다는 OpenAI가 훨씬 더 흥미롭다고 생각하니까요.
[1m39s] 하지만 지금 가장 영향력 있는 분야에서 일하는, 제가 생각하기에 가장 영향력 있는 회사에 합류하는 것을 거절하기는 어렵습니다.
[1m46s] 기술적인 관점에서 일어나고 있는 일들의 중심에 있는 것,
[1m49s] 제가 생각하기에 지금까지 우리가 봐온 어떤 기술 물결보다도 진정으로 더 큰 무언가의 중심에 있는 것이죠.
[1m55s] 그리고 저는... PC 혁명 때는 없었지만, 인터넷이 등장했을 때의 특권을 누렸습니다.
[2m2s] 저는 맥킨지에서 스탠포드 경영대학원으로 가고 있었습니다.
[2m5s] 2000년대 학번이죠. 우리 둘 다... 버블이 커지고 있었을 때였습니다.
[2m10s] 또한, 실리콘밸리의 겨울 동안 몇 년간 그 이면도 보았습니다.
[2m14s] 그 후 모바일의 부상을 보고 그것이 회사들에 어떤 영향을 미쳤는지 봤습니다.
[2m18s] 그리고 솔직히 골드만에서 클라우드로의 전환에 대해 이야기하면서 제 경력을 쌓았습니다.
[2m24s] 그래서 지금 반대편에 서 있다는 것이 흥미롭습니다.
[2m26s] AI의 영향을 광범위하게, 전 세계적인 수준에서부터 정부 영향, 기업, 비즈니스, 교육에 이르기까지 이야기하고, 그 주제들에 대해 이야기할 수 있습니다.
[2m39s] 하지만 이제 AI 인프라에 대해 이야기하기 시작하는 것도요.
[2m42s] 거의 클라우드 컴퓨팅의 새벽이 다시 오는 것 같습니다.
[2m45s] 비록 매우 다른 유형의 아키텍처와 구축 방식이지만요.
[2m49s] 그래서 제가 하고 있는 일을 할 수 있는 아주 흥미로운 시기입니다.
[2m53s] 음, 더 흥미로운 것은, 여러분 모두가 이것을 함께 겪고 있다는 점일 겁니다.
[2m57s] 네, 당신과 긴밀히 협력하면서 이러한 몇몇 반복 과정을 지켜봤습니다.
[3m0s] 당신이 관여하는 일은 항상 대단합니다.
[3m1s] 하지만 이번 것은 제 생각에 완전히 새로운 차원으로 나아가는 것 같습니다.
[3m3s] 자, 여기에는 사업체를 운영하고 다양한 조직의 리더인 분들이 많이 계십니다.
[3m8s] 그 모든 경험에서 얻은 교훈 중 이분들과 공유하고 싶은 것이 있나요?
[3m13s] 네, 음, 우선, 지금 당장 자신의 사업에 AI를 도입해야 한다는 것을 모르는 CEO나 비즈니스 리더는 세상에 없다고 생각합니다.
[3m22s] 그리고 뒤처지고 있다고 느끼지 않는 사람은 없을 겁니다.
[3m24s] 그리고 저 자신조차도 그렇게 말합니다. 좀 이상하게 들릴 수도 있겠지만요.
[3m27s] 그래서 OpenAI 내의 리더로서 제가 합류했을 때,
[3m30s] 제가 이해하고 싶었던 것 중 하나는 제 팀, 그냥 제 재무팀과 함께, 우리 자신의 도구로 무엇을 하고 있는지였습니다.
[3m37s] 그리고 흥미로운 점은, 훨씬 앞서 나가서 그것을 받아들인 소수의 사람들이 있다는 것입니다.
[3m44s] 그리고 채용 속도 때문에 다른 조직에서 오는 많은 사람들은 AI가 없는 곳에서 왔습니다.
[3m49s] 그래서 누가 무엇을 왜 하는지에 대한 실제적인 차이가 있었고, 그 주변에 조직화된 것이 많지 않았습니다.
[3m56s] 그래서 사실 개인적으로 리더로서 제가 가장 먼저 한 일 중 하나는 팀원들과 함께 앉아 해커톤을 하는 것이었습니다.
[4m2s] 그리고 우리 영업팀, 솔루션 엔지니어들을 데려왔습니다.
[4m6s] 그리고 오후 세션을 진행했는데, 정말 종이와 펜으로 시작했습니다. 너무 기본적인가요?
[4m10s] 매일 하는 일 중에 아주 일상적이라고 느끼는 것들,
[4m13s] 당신이 당신의 일에서 좋아하지 않는 그런 것들은 무엇인가요?
[4m16s] 그런 다음 사람들을 그룹으로 묶었습니다. 세무팀, 구매팀, 투자자 관계팀을 함께요.
[4m22s] 그리고 약간의 정보 교환을 했습니다.
[4m25s] 그런 다음 아주 기본적인 맞춤형 GPT 빌드를 했습니다.
[4m28s] 말 그대로 30분 안에 무엇을 할 수 있을지, ChatGPT를 전면적으로 사용해서 우리 삶을 더 좋게 만들 수 있는 것은 무엇일지 알아보는 것이었죠.
[4m37s] 그리고 그것만으로도 회의실의 에너지와 흥분은,
[4m40s] 제가 합류했을 때 제 투자자 관계팀에서부터요. 우리는 꽤 큰 투자 라운드를 진행하고 있었고,
[4m45s] 실사 지옥의 한가운데에 있었습니다.
[4m47s] 그리고 우리가 깨달은 것은 모두 비슷하지만 완전히 같지는 않은 질문들이 반복된다는 것이었습니다.
[4m54s] 그리고 아시다시피, 우리는 밤늦게 앉아서 종종 '아, 그 투자자가 그 질문을 했지, 그 답을 가져와서,'
[5m1s] 약간 수정해서 다시 보내야지'라고 기억하곤 했습니다.
[5m3s] 이제 그 모든 질문에 답하는 맞춤형 GPT를 만드는 것,
[5m7s] 우리는 말 그대로 그 회의실에서 춤을 췄습니다.
[5m10s] 음, 그리고 그것은 단지 사람들이 첫 원칙에서부터 이해하도록 하는 것입니다. 그들이 얻는 일반화 가능한 생산성 향상이 무엇인지요.
[5m19s] 오늘 잠시 후에 보여드릴 텐데요, 딥 리서치입니다. 여러분 모두 딥 리서치를 사용해보지 않으셨다면,
[5m24s] 정말 놀랍습니다.
[5m26s] 자, 저희에게 부끄러운 일이지만, 일주일 전까지만 해도 프로 등급에서만 사용할 수 있었습니다.
[5m30s] 그리고 이제 막 엔터프라이즈 등급으로 출시했습니다.
[5m33s] 딥 리서치는 아마 분석가에게 요청했을 법한 것을 모델에게 물어볼 수 있는 능력입니다.
[5m40s] 저는 방금 다른 은행 CEO와의 미팅에서 오는 길입니다. 언급하지는 않겠습니다.
[5m44s] 음, 그리고 우리는 그들에게 GPU 파이낸싱에 대해 묻고 있었습니다.
[5m48s] 저에게는 매우 중요한 문제입니다.
[5m49s] 그래서 팀은 효과적으로 딥 리서치를 사용하여 보고서를 가져왔습니다.
[5m55s] 그의 옆에 앉아 그 작업을 일부 하고 검토하던 동료가 말했습니다. "그 보고서 읽었어요."
[6m1s] "MD 2명, VP 3명, 어소시에이트 6명, 애널리스트 10명으로 구성된 우리 팀이 한 것보다 훨씬 좋았어요."
[6m10s] 저희가 딥 리서치 보고서를 먼저 하지 않고 그것을 아이디어 구상과 반복 작업에 활용하지 않은 것이 조금 부끄럽습니다.
[6m17s] 그래서 딥 리서치 보고서를 해보지 않으셨다면, 제가 말씀드리고 싶은 한 가지는, 오늘 바로 떠나서 가서,
[6m23s] 비용이 들겠지만, 프로 등급을 사야 한다면 200달러가 들 겁니다.
[6m26s] 이 방에 계신 모든 분은 200달러를 감당할 수 있을 겁니다.
[6m29s] 음, 한번 해보세요.
[6m30s] 오늘 시장 보셨잖아요.
[6m33s] 맞아요. 저희가 어디선가 무료 혜택을 드릴 수도 있을 겁니다.
[6m36s] 음, 하지만 정말 놀랍습니다.
[6m37s] 그래서 개인적으로 사용하고, 팀에 도입하고,
[6m40s] 그리고 물론 거기서부터는 훨씬 더 정교해져서 회사 워크플로우에 광범위하게 배포되는 것입니다.
[6m47s] 그럼 좀 더 자세히 들어가 보죠. 그 구체적인 내용 말입니다.
[6m50s] AI에 대한 열기는 상당합니다.
[6m52s] 당신의 이야기를 들으니 기회는 거의 무한하고 매우 흥미진진해 보입니다.
[6m57s] AI에 대해 현재 우리가 어디에 있는지, 그리고 우리 모두가 보게 될 단기적인 돌파구는 무엇인지 기준을 설정해 주시죠.
[7m3s] 그래서, 부끄럽지만 슬라이드를 몇 장 가져왔는데, 괜찮으시다면 그걸 사용하겠습니다.
[7m8s] 그래서 우선 회사로서 우리가 어디에 있는지 기준을 설정하겠습니다.
[7m12s] 왜냐하면 제가 1년 전, 확실히 2년 전에 여기 있었다면,
[7m16s] 저희는 저 주황색 막대를 보여드렸을 겁니다.
[7m18s] 저희는 "안녕하세요, 저희는 모델 회사입니다."라고 말했을 겁니다.
[7m19s] 저희 목표는 항상 SODA 모델, 즉 최첨단 모델이 되는 것입니다.
[7m24s] 그리고 저희는 그렇습니다.
[7m25s] 그래서 2년 전에는 ChatGPT 시리즈였습니다.
[7m28s] 그렇죠, ChatGPT3에서 ChatGPT4로 넘어갔는데, 약 18개월에서 2년이 걸렸습니다.
[7m34s] 작년에 저희는 처음으로 추론 기능을 배포했습니다.
[7m37s] O 시리즈 모델이죠.
[7m39s] 그래서 예측적이고, 빠르게 실시간 답변을 제공하는 모델에서,
[7m45s] 예를 들어 '오늘 아침 골드만삭스 최신 소식 알려줘' 같은 모델에서,
[7m49s] 이제 훨씬 더 인간처럼 추론하는 무언가로 전환하는 것입니다.
[7m53s] 그리고 생각의 연쇄가 일어나는 것을 볼 때 흥미롭습니다.
[7m56s] 쉽게 설명하자면, 십자말 풀이를 할 때를 생각해보세요.
[8m0s] 예를 들어 가로 1번이 5글자일 수 있습니다.
[8m2s] 그리고 당신은 그것이 세 가지 다른 단어 중 하나라고 생각합니다.
[8m4s] 단어를 넣습니다.
[8m5s] 그런 다음 세로 1번으로 가면, '아, 안 돼, 두 번째 글자가 A네'라고 분명해집니다.
[8m9s] 그럼 실제로는 거기에 넣었던 것을 지우고 다른 단어를 다시 넣어야 한다는 뜻입니다.
[8m14s] 그래서 스스로 되돌아볼 수 있습니다.
[8m16s] 그리고 제가 다음 슬라이드에서 에이전트에 대해 이야기할 때 이것이 정말 중요합니다.
[8m20s] 하지만 오늘날 OpenAI는 훨씬 더 많은 것을 의미합니다.
[8m22s] 저희는 데이터 센터 기술로 내려가고 있습니다.
[8m25s] 왜냐하면 저희는 이제 AI 인프라 V2 시대에 있다고 생각하기 때문입니다.
[8m30s] 또는 젠슨이 AI 팩토리라고 부르는 것이죠.
[8m33s] 그리고 저희는 거기서 많은 IP를 창출하고 있다고 느끼며, 그것을 소유하는 것이 저희에게 정말 중요합니다.
[8m38s] 이커머스에서 잘나가던 그 순간의 아마존을 생각해보세요.
[8m42s] 그들은 AWS가 형태를 갖추기 시작하는 것을 봅니다.
[8m45s] 만약 그 단계에서 그것을 신생 기업인 구글 같은 곳에 아웃소싱하기로 결정했다면,
[8m50s] 그렇죠, AWS의 모든 IP를 넘겨줬다면,
[8m53s] 오늘날 회사가 얼마나 달라졌을지 생각해보세요.
[8m55s] 그렇죠, AWS 자체만으로도 클라우드 컴퓨팅에서 40%의 시장 점유율과 38%의 영업 마진을 가지고 있습니다.
[9m2s] 그래서 저희는 인프라 부분을 소유할 수 있는 놀라운 능력이 있다고 생각합니다.
[9m6s] 하지만 이제 저희는 모델에서 벗어나 API 계층으로 올라가고 있습니다.
[9m8s] 이를 통해 기업과 개발자들에게 영향력을 배가할 수 있습니다.
[9m13s] 그리고 다시 한 단계 위인 애플리케이션으로 올라갑니다.
[9m15s] 이는 개인 생활과 직장 생활 모두에서 소비자로서 여러분이 얻는 것을 좋아하게 만드는 기능성을 어떻게 추진할 것인가 하는 것입니다.
[9m26s] 그래서 ChatGPT라는 정문 뒤에서 이제 비디오 생성 소라(Sora)를 할 수 있습니다.
[9m31s] 딥 리서치 보고서를 작성할 수 있습니다.
[9m32s] 검색을 할 수 있습니다.
[9m34s] 프로젝트를 만들 수 있습니다.
[9m35s] 음, 코딩을 할 수 있습니다.
[9m37s] 글쓰기를 위한 캔버스를 만들 수 있습니다.
[9m38s] 그리고 저희 목표는 계속해서 그것을 채워 넣는 것입니다.
[9m41s] 왜냐하면 여러 가지 일을 하기 때문입니다.
[9m43s] 우선, 그것은 저희를 지배적인 플레이어로 유지시켜 줍니다.
[9m45s] 주간 활성 사용자 4억 명.
[9m47s] 하지만 또한 개인화를 추진합니다.
[9m50s] 모델이 당신에 대해 더 많이 알기 시작합니다.
[9m52s] 그래서 정말 세라나 댄에게 답하는 것입니다.
[9m55s] 그리고 그것은 고착성을 만듭니다.
[9m57s] 협업 같은 것을 할 때,
[9m58s] 바로 지난주에 한 투자자가 제게 말했습니다. 그는 "딥 리서치를 정말 사용하고 싶어서 프로 등급을 샀어요."
[10m5s] "엔터프라이즈 등급에는 없었으니까요."
[10m7s] "그리고 여기서 작업을 시작하고 있다는 것을 깨달았지만, 여기서 했던 작업으로 다시 가져오고 싶었어요."
[10m13s] 그는 "정말 짜증났어요."라고 했습니다.
[10m15s] 그리고 나서 저는 깨달았습니다. '아, 이건 이미 고착성이 있구나.'
[10m18s] 제가 이미 해온 작업의 모든 이력 때문에 이것에서 벗어나지 않을 거라는 거죠.
[10m22s] 비즈니스 관점에서는 좋은 일입니다.
[10m25s] 그래서, 그게 음, OpenAI가 있는 곳입니다.
[10m28s] 이제 우리가 AGI, 인공 일반 지능을 향한 5단계에 대해 어떻게 이야기하는지 광범위하게 이야기해 봅시다.
[10m37s] 그래서 이미 챗봇의 세계에 대해 이야기했습니다. 2023년, 실시간 예측 응답이죠.
[10m42s] 작년에 저희는 추론을 테이블에 올렸습니다.
[10m45s] 그래서 이제 더 오래 생각하고 분석가에게 시켰을 법한 장기적인 작업을 수행할 수 있는 모델입니다.
[10m52s] 2025년은 에이전트의 해입니다.
[10m53s] 저희는 아마 작년 3분기나 4분기에 그것에 대해 이야기하기 시작했습니다.
[10m57s] 이제 업계에서 사용하는 용어가 되었습니다.
[11m1s] 하지만 이것은 당신을 위해 독립적으로 나가서 일을 할 수 있는 AI입니다.
[11m5s] 그리고 이것은 베이퍼웨어가 아닙니다.
[11m6s] 저희는 앞서서 팔지 않습니다.
[11m7s] 저희는 실제로 오늘 세 가지가 작동하고 있습니다.
[11m9s] 딥 리서치, 이것은 당신을 위해 실제 심층 연구 보고서를 작성하는 에이전트 도구입니다.
[11m15s] 오퍼레이터, 이것은 태스크 워커가 웹에 나가서 백그라운드에서 시간이 걸릴 수 있는 작업을 수행할 수 있도록 저희가 출시한 것입니다.
[11m24s] 비행기 예약, 휴가 예약, 오늘 저녁 식사 예약, 무엇이든 원하는 것을 하세요.
[11m28s] 그리고 세 번째로 다가오는 것은 저희가 A 스위트라고 부르는 것입니다.
[11m32s] 그런데 저희는 최고의 마케터는 아닙니다. 눈치채셨을 수도 있겠지만요.
[11m35s] 음, 하지만 에이전트 소프트웨어 엔지니어입니다.
[11m37s] 그리고 이것은 단순히 현재 인력의 소프트웨어 엔지니어를 보강하는 것이 아닙니다. 코파일럿을 통해 오늘날 우리가 할 수 있는 종류의 일이죠.
[11m45s] 대신 말 그대로 당신을 위해 앱을 만들 수 있는 에이전트 소프트웨어 엔지니어입니다.
[11m49s] 다른 엔지니어에게 줄 PR을 받아서 그것을 구축할 수 있습니다.
[11m55s] 하지만 구축만 하는 것이 아니라 소프트웨어 엔지니어들이 하기 싫어하는 모든 일을 합니다.
[11m59s] 자체 QA, 자체 품질 보증, 자체 버그 테스트 및 버그 수정, 그리고 문서화를 수행합니다.
[12m5s] 소프트웨어 엔지니어에게 절대 시킬 수 없는 것들이죠.
[12m8s] 그래서 갑자기 소프트웨어 엔지니어링 인력을 배가할 수 있습니다.
[12m13s] 거기서부터 저희는 혁신의 세계로 나아가고 있다고 생각합니다.
[12m16s] 더 이상 오늘날 세상에 존재하는 인간 지식에 관한 것이 아닙니다.
[12m21s] 어떻게 그것을 확장할 것인가 하는 것입니다.
[12m22s] 그리고 실제로 교수들과 학자들로부터 그들의 분야에서 모델들이 새로운 것들을 내놓고 있다는 말을 듣고 있습니다.
[12m32s] 그들은 아직 그 새로운 것들이 진짜인지 모릅니다. 왜냐하면 이제 가서 테스트하고 '이것이 실제로 새로운 발견인가?'라고 말해야 하기 때문입니다.
[12m40s] 하지만 저희는 실제로 학계로부터 그런 피드백을 받고 있습니다.
[12m44s] 그리고 장기적으로는 에이전트 조직입니다.
[12m47s] 마지막 슬라이드는 단지 상기시켜 드리는 것입니다. 최첨단 모델 측면에서 저 주황색 막대로 돌아가서요.
[12m53s] 저희는 여전히 단연코 최첨단 모델입니다.
[12m56s] O3, 관점을 좀 제시하고 싶습니다.
[12m58s] 그래서 이것들은 AI가 AGI가 되고 있는지 판단하는 데 사용하는, 널리 합의된 벤치마크입니다.
[13m7s] 그렇죠, 진정으로 인간 지능 수준 이상에 도달하고 있는가 하는 것이죠.
[13m11s] 그래서 왼쪽에서 오른쪽으로 갈 수 있습니다.
[13m12s] 소프트웨어 엔지니어링 관점에서 어떻게 점수를 매기는지 볼 수 있습니다.
[13m16s] 경쟁 코더, 세계에서 175번째로 뛰어난 경쟁 코더입니다.
[13m21s] 경쟁 수학에서는 한 문제를 틀렸습니다.
[13m25s] 그리고 박사 수준 과학에서는 물리학, 화학, 생물학 등에서 박사 수준입니다.
[13m32s] 그게 O3입니다.
[13m33s] 제 제품팀이 확신하는 것은 O3 미니가 이미 세계 1위 경쟁 코더라는 것입니다.
[13m40s] 말 그대로 이미 세계 최고의 코더입니다.
[13m43s] 음, 그리고 물론 이것들은 모두 제가 거의 하드 스킬이라고 생각하는 것들입니다.
[13m47s] 괴짜로서 그것들은 제게 와 닿습니다.
[13m49s] 하지만 저희는 실제로 모델의 EQ 측면에 대해 생각하는 데 많은 시간을 보내고 있습니다.
[13m53s] 그래서 4.5, 제가 형편없는 마케터라고 말씀드렸죠. 저희가 이번 주에 막 출시했는데,
[14m0s] 저희는 그것이, 아시다시피 실리콘밸리가 '바이브'라고 부르기를 좋아하는 것을 갖도록 훈련하는 데 훨씬 더 많은 시간을 보냈습니다.
[14m6s] 음, 하지만 효과적으로는 EQ입니다.
[14m8s] 그리고 그것은 훨씬 더 높은 수준입니다. 예를 들어 그것과 이야기할 때 매우 인간적으로 느껴집니다.
[14m13s] 사실 순수한 종류의 어려운 수학이나 과학보다는 디자인, 글쓰기, 창의적인 콘셉트 같은 것에 더 좋습니다.
[14m21s] 제 생각엔 그게 다인 것 같습니다. 그래서 슬라이드를 내릴 수 있을 것 같습니다.
[14m24s] 당신이 살펴보고 세계 1위 코더가 이제 당신의 AI가 될 수 있다는 것을 볼 때 정말 대단합니다.
[14m30s] AGI를 언급하셨는데요.
[14m31s] 구체적으로 AGI에 대한 당신의 정의는 무엇이며, OpenAI는 언제쯤 거기에 도달할까요?
[14m38s] 그래서, 음, 이것이 모두가 묻는 질문입니다.
[14m43s] 음, 정의상 AGI는 AI 시스템이 세상의 가치 있는 인간 작업의 대부분을 맡아서 수행할 수 있다고 믿는 시점입니다.
[14m57s] 그리고 저희는 그것이 현실이 되는 것에 꽤 가까워지고 있습니다.
[14m59s] 샘에게 물어보면, 그는 아마 '임박했다'고 말할 겁니다.
[15m3s] 저희는 이미 거기에 있을 수도 있습니다.
[15m5s] 그리고 또한 인공 일반 지능입니다.
[15m8s] 초지능이 아닙니다.
[15m10s] 그렇죠? 그래서 그냥... 솔직히 저는 이것을 보고 '나는 생물학, 물리학, 수학, 코딩 등에서 박사 수준이 아니다'라고 말합니다.
[15m18s] 그래서 이미 세라 지능을 넘어섰을 수도 있습니다.
[15m22s] 아니요, 그럴 수도... 확실히 그렇습니다.
[15m25s] 그래서 질문은, 아시다시피, 기술이 이미 존재하는가 하는 것입니다.
[15m29s] 저희는 아직 그것을 최대한 활용하지 못하고 있을 수도 있습니다.
[15m33s] 사실, 저는 확실히 압니다. 우리 모두, 세상으로서, 그것을 최대한 활용하지 않고 있습니다.
[15m39s] 그래서, 아시다시피, 저희는 이 시점에서 꽤 가까워지고 있다고 말할 것입니다.
[15m43s] 자, 제 생각에 여기서부터 갈 길이 멀 겁니다, 그렇죠?
[15m46s] 왜냐하면 그것은 상호작용의 많은 부분이 손끝을 통해 이루어지는 매우 평평한 세상이기 때문입니다.
[15m54s] 어쩌면 음성을 통해, 어쩌면 청각을 통해, 어쩌면 시각을 통해요.
[15m57s] AI의 다음 세계 전체가 훨씬 더 3D가 되는 곳이 있습니다.
[16m3s] 실제로 작동하는 로봇 공학, 공장 노동자 작업, 농업 같은 작업을 생각해보세요. 기술이 진입하기 시작한 분야들이죠.
[16m13s] 하지만 아직 완전히 진입하지는 않았습니다.
[16m14s] 제 생각에 그것은 사람들이 캐낼 수 있는 매우 비옥한 땅의 또 다른 분야 전체가 될 것입니다.
[16m21s] 네, 알겠습니다. 정말 대단합니다.
[16m22s] 생각만 해도 어지럽습니다.
[16m25s] 그래서 당신의 CEO 샘 알트먼이 래리 엘리슨과 함께 백악관에 있었습니다.
[16m29s] 그리고 당시 래리는, 클립이 나왔을 때 본 기억이 나는데, AI가 설계한 백신이 암을 치료할 수 있다는 아이디어에 대해 이야기하고 있었습니다.
[16m38s] 그리고 그는 진단과 백신 제조법 모두에서 그 개인화에 대해 설명했습니다.
[16m44s] 그것이 현실적인 일인가요?
[16m46s] 그리고 다른 종류의 큰 청사진 같은 큰 아이디어는 무엇이 있나요?
[16m51s] 음, 제 생각엔 매우 현실적입니다.
[16m53s] 그리고 그것이 제가 전문 분야의 학자들로부터 듣고 있는 것에 대해 지적한 이유입니다.
[17m0s] 저희가 이미 그 경계를 밀고 있을 수도 있다는 것입니다.
[17m3s] 저희는 이미 세상에 없는 새로운 발견을 하고 있을 수도 있습니다.
[17m7s] 일반적으로 모델에서 무슨 일이 일어나고 있는지 생각해보세요.
[17m10s] 음, 제 생각에 저희는 잠시 후에 왜 더 많은 컴퓨팅이 필요한지에 대해 이야기할 것입니다.
[17m13s] 하지만 오늘날에는, 아시다시피, 항상 그 주의 소음 같은 것이 있습니다.
[17m17s] 그래서 '스케일링 법칙은 죽었다'는 것이 있었습니다.
[17m21s] 아시다시피, 그게 언제였는지 기억나지 않습니다. 한 달 전이었을 수도 있고요.
[17m24s] 아니요, 이제 실제로 세 가지 스케일링 법칙이 일어나고 있습니다.
[17m27s] 사전 훈련이 있는데, 이것은 그냥 일반 목적 모델을 더 똑똑하게 만드는 것입니다.
[17m33s] 그리고 그것은 더 많은 데이터, 더 많은 알고리즘 전문 지식인 경향이 있습니다.
[17m38s] 그래서 연구자들이 더 많은 컴퓨팅에 걸쳐 영향을 미치는 곳이죠.
[17m43s] 그래서 확실히 정말 성공하기 위해 많은 자본을 필요로 하는 산업으로 이어지고 있습니다.
[17m50s] 그리고 그때 저희가 GPT3, GPT4, GPT5 같은 큰 모델에 대해 이야기하는 것을 듣게 됩니다.
[17m56s] 그렇죠? 그것들은 로그적으로 확장되는 거대한 컴퓨팅 구조 위에서 일어나고 있습니다.
[18m1s] 그래서 그게 일종의 사전 훈련, 일반 목적 모델입니다.
[18m4s] 그런 다음 사후 훈련으로 넘어갑니다.
[18m5s] 그래서 사후 훈련은 미세 조정이 시작되는 곳입니다.
[18m9s] 그래서 제가 질병 진단에 정말 좋은 모델을 만들고 싶다고 가정해 봅시다.
[18m14s] 그래서 일반 목적 모델을 만들기 위해 널리 퍼져 있는 모든 인간 정보를 흡수할 것입니다.
[18m23s] 미세 조정에서는, '좋아, 이제 정말 의학 교과서를 가져오고 싶어.'라고 말할 수도 있습니다.
[18m28s] 그리고 사후 훈련 순간에 그것을 소화하기를 원합니다.
[18m33s] 왜냐하면 진단에 대해 매우 깊이 들어가서 아마도 우리가 아직 모르는 미래의 백신 같은 세계로 나아가기를 원하기 때문입니다.
[18m41s] 그것이 사후 훈련 세계이고, 또한 스케일링 법칙입니다.
[18m44s] 그리고 저희는 거기서 많은 비옥한 땅을 찾고 있습니다.
[18m46s] 그곳이 우리 O 시리즈 추론 모델들이 사후 훈련을 통해 점점 더 좋아지는 곳입니다.
[18m51s] 그리고 마지막 영역은 테스트 시간, 테스트 시간 컴퓨팅이라고 불리는 것입니다.
[18m54s] 그리고 그것은 모델이 당신을 위해 정말 무언가를 하고 있는 순간입니다.
[18m59s] 추론 중에 조금 더 깊이 들어가 달라고 요청할 수 있습니다.
[19m3s] 컴퓨팅을 조금 더 사용해서 더 나은 답, 더 정확한 답을 찾을 수 있는지 확인하세요.
[19m9s] 그래서 오늘 아침 ChatGPT에게 물었습니다. 이것을 일반인 용어로 청중에게 어떻게 설명할 수 있을까요?
[19m14s] 같이 해봐요.
[19m16s] 그것은 자동차로 묘사했습니다.
[19m17s] 그렇죠? 그래서 일반 목적 모델은 마치 자동차를 만들고, 자동차가 무엇인지 알아낸 것과 같습니다.
[19m20s] 바퀴, 엔진, 서스펜션, 움직일 것입니다.
[19m24s] 좋아, 미세 조정 순간은 '음, 이 차가 경주할 수 있기를 원해.'와 같습니다.
[19m28s] 그래서 다른 엔진을 줄 겁니다.
[19m31s] 그래서 일종의 일반 목적 자동차는 존재하지만, 엔진을 업그레이드할 것입니다.
[19m36s] 추론, 테스트 시간 컴퓨팅은 스포츠 모드로 전환할 수 있는 순간입니다.
[19m41s] 그렇죠? 이제 정말 경주 트랙에 들어섰고, 제가 타고 있는 어떤 일반적인 4륜 구동에서 스포츠 모드로 전환할 것입니다.
[19m47s] 그래서 그게 일종의 세 가지 스케일링 법칙입니다.
[19m49s] 그리고 이것이 래리가 "이 모델들이 암 치료법 등을 만드는 데 도움이 될 수 있다고 생각한다"고 말한 이유입니다.
[19m54s] 네, 왜냐하면 그것은 모두 얼마나 구체적으로 할 수 있는지에 관한 것이기 때문입니다.
[19m57s] 그리고 저희는 휴일 직전에 강화 미세 조정이라고 불리는 것을 출시했습니다.
[20m1s] 우리 연구원들이 발견한 것 중 하나는 모델이 특정 틈새 영역에서 상당한 출력 향상을 보이는 데 실제로 많은 정보가 필요하지 않다는 것입니다.
[20m15s] 하지만 핵심은 그 특정 정보 영역에 도달할 수 있는지입니다.
[20m19s] 그래서 퇴행성 결과에 대한 신경 질환 같은 연구를 하고 싶다면,
[20m26s] 그 특정 영역에서 충분한 정보를 얻을 수 있습니까?
[20m28s] 하지만 소량의 정보라도 모델의 유용성에 큰 향상을 가져옵니다.
[20m34s] 알겠습니다.
[20m35s] ChatGPT가 자동차 비유를 잘했네요.
[20m37s] 와, 그럴 줄 몰랐어요.
[20m39s] 그래서, 당신이 언급했죠, 스타게이트 발표.
[20m41s] 4년간 5천억 달러.
[20m44s] 아시다시피, 이 숫자들은 엄청납니다.
[20m45s] 당신과 저는 당신이 다른 조직의 CFO로서 많이 함께 일했습니다.
[20m49s] 이 숫자들은 엄청납니다.
[20m51s] 그것에 대해 어떻게 생각하십니까?
[20m52s] 저희를 위해 맥락을 설명해주세요.
[20m54s] 그리고 그 주변에 따르는 전력 및 인프라 요구 사항에 대해 어떻게 생각하십니까?
[20m59s] 네. 스타게이트, 저희는 컴퓨팅에 5천억 달러 투자로 발표했습니다.
[21m4s] 10기가와트의 컴퓨팅이 필요하다는 것을 이야기하는 지름길이죠.
[21m10s] 음, 어떻게 그 숫자에 도달했을까요?
[21m12s] 큰 숫자입니다.
[21m13s] 그리고 저는 방금 필요한 세 가지 스케일링 법칙에 대해 이야기했습니다.
[21m17s] 그래서 모델 개발의 모든 단계에서 점점 더 많은 컴퓨팅이 필요합니다.
[21m22s] 음, 제가 오늘 보는 것은, 제 말은, 이것이 제 투자자 홍보입니다.
[21m26s] 그것은 "저는 매일 끔찍한 사업 결정을 내립니다."로 시작합니다.
[21m31s] 제게 돈을 주고 싶지 않으신가요?
[21m32s] 저는 컴퓨팅이 충분하지 않기 때문에 모델을 출시하지 않기로 결정합니다.
[21m36s] 소라, 저희 비디오 생성 모델은 아마 작년 2월, 3월에 준비가 되었을 겁니다.
[21m40s] 저희는 거의 12월까지 출시하지 않았습니다. 제 생각엔, 정말로요.
[21m43s] 그리고 아직 완전히 출시되지도 않았습니다.
[21m44s] 제 생각에 유럽에서는 지금 유럽 전체에 다 있는지 확실하지 않습니다.
[21m49s] 저는 기능을 출시하지 않기로 결정합니다.
[21m50s] 저희는 딥 리서치를 출시했습니다.
[21m52s] 저희는 비즈니스 커뮤니티가 이 기능을 좋아할 것이라는 것을 알았습니다.
[21m56s] 저희는 그것을 비즈니스 등급에 넣을 만큼 충분한 컴퓨팅이 없었습니다.
[21m59s] 그리고 제가 매일 내리는 최악의 결정은 연구원들, 제 가장 가치 있는 자원에게,
[22m7s] 그들이 원하는 연구를 수행하는 데 필요한 컴퓨팅을 제공하지 않는 것입니다.
[22m10s] 대부분의 월요일에 샘은 출근해서 저에게 화를 냅니다. 왜냐하면 제가 개인적으로 그날 작업에 충분한 컴퓨팅을 가져오지 않았기 때문입니다.
[22m16s] 그리고 그는 제가 그것에 대해 무엇을 할 것인지 알고 싶어합니다.
[22m19s] 왜 제가 이 위치에 있을까요?
[22m20s] 왜냐하면 2년 전, 3년 전에 컴퓨팅 결정을 내리던 그 테이블에 앉아 있던 사람들은 우리가 컴퓨팅을 필요로 할 속도를 상상할 수 없었기 때문입니다.
[22m30s] 그들은 우리 사업이 얼마나 빨리 성장할지 상상할 수 없었습니다.
[22m33s] 말 그대로 2년 만에 저희는 주간 활성 사용자 4억 명으로 성장했습니다.
[22m39s] 그리고 저희 수익은 매년 세 배로 증가했습니다.
[22m41s] 이제 세 번째 해 연속으로 세 배가 될 것입니다.
[22m44s] 그래서 저희가 어떤 규모에 있을지 상상할 수 있을 겁니다.
[22m47s] 제가 그 사람들을 비난할까요?
[22m49s] 가끔 월요일 아침에는 그렇습니다.
[22m51s] 그리고 나서 저는 생각합니다. '오 이런, 정말 그것을 보기가 어려웠을 거야.'
[22m56s] 그리고 나서 저는 생각합니다. '좋아, 세라, 만약 네가 3년 후에 여기 있고 그것이 문제라면,'
[23m1s] 너는 해고되어야 해.
[23m2s] 그래서 저는 해고되고 싶지 않습니다.
[23m4s] 이 곳의 속도로 보면 해고되기 전에 죽을 수도 있습니다.
[23m8s] 하지만 저는 우리가 컴퓨팅 제약을 겪지 않도록 확실히 하고 싶습니다.
[23m13s] 그리고 제 생각에 3년 후에는 우리가 5천억 달러가 그렇게 큰 숫자라고 정신을 잃었던 것을 되돌아보며 웃을 것입니다.
[23m21s] 자, 그것은 큰 숫자입니다. 왜냐하면 10기가와트의 IT 부하 또는 심지어 유틸리티 부하는,
[23m28s] 제 말은, 다시, 좋은 ChatGPT 순간입니다.
[23m30s] 아일랜드, 그러니까 아일랜드 섬 전체가 약 7기가와트를 사용한다고 생각하면 됩니다.
[23m34s] 그래서 나라 전체가 우리가 이야기하는 것보다 적게 사용합니다.
[23m37s] 그래서 그것은 어떻게 그것을 확장할 것인가에 대한 질문을 제기합니다.
[23m41s] 전력은 어디서 올 것인가?
[23m43s] 재생 에너지 등의 세계에 대해 어떻게 생각해야 할까요?
[23m46s] 그리고 그렇게 하면서 우리 기후와 환경에 대해 어떻게 생각해야 할까요?
[23m50s] 그런 종류의 구축을 수행할 수 있도록 인구를 재교육하는 것에 대해 어떻게 생각해야 할까요?
[23s55] 그렇죠? 전기 기술자, HVAC 담당자들이,
[23m58s] 제 말은, 그것은 진정으로 구축을 제약할 수 있는 자원입니다.
[24m2s] 그래서 제 생각에 정부들이 스타게이트 같은 것에 특히 관심을 갖는 이유입니다.
[24m7s] 왜냐하면 그것은 재정적 투자이면서 동시에 일자리, 경제 개발 구역, 앞서 나가는 방법에 대한 전면적인 재고이기 때문입니다.
[24m17s] 그리고 지정학도 영향을 미치기 시작합니다.
[24m20s] 왜냐하면 저희는 딥시크에서 방금 본 것처럼 중국과 경쟁하고 있기 때문입니다.
[24m26s] 그리고 저희는 그것을 가볍게 여겨서는 안 됩니다.
[24m28s] 왜냐하면 그것은 국가 안보 같은 것에도 영향을 미치기 때문입니다.
[24m32s] 네, 잠시 후에 그것에 대해 이야기하고 싶습니다.
[24m33s] 하지만 제가 당신이 이것에 대해 이야기하는 것을 들을 때마다 얻는 교훈 중 하나는 개발되고 있는 이 도구들의 놀라운 힘입니다.
[24m41s] 그리고 그럼에도 불구하고 저희가 그것을 배포하는 데 얼마나 어려움을 겪는지입니다.
[24m44s] 아시다시피, 개인 생활과 비즈니스 생활에서 그것들을 어떻게 배포할지 알아내는 것이죠.
[24m47s] 그래서 우리 모두 알아내야 할 것입니다.
[24m49s] CEO, 비즈니스 리더들은 자신의 사업에 AI를 어떻게 배포할지 알아내야 할 것입니다.
[24m53s] 그리고 우리 모두는 그것을 일상 생활에서 어떻게 배포할지 알아내야 할 것입니다.
[24m56s] 모범 사례는 무엇입니까? 당신이 나타나서 약간 화이트보딩했을 때 어떻게 했는지 설명해주셨습니다.
[25m1s] 하지만 CEO들과 함께 일하면서, 저희는 이것을 비즈니스에서 어떻게 사용해야 할까요?
[25m4s] 그런 다음 개인적인 측면으로 넘어가겠습니다.
[25m6s] 물론입니다. 제 말은, 제가 제 팀에서 설명한 것은 솔직히 약간 기본적인 것입니다.
[25m12s] 하지만 때로는 그것이 단지 시작점일 뿐입니다.
[25m14s] 이 기술의 좋은 점은 대부분의 사람들이 이미 개인 생활에서 그것을 시도하고 있다는 것입니다.
[25m21s] 그래서 특히 35세 미만의 사람들은 학교에서 그것을 사용하고 있습니다.
[25s26] 아시다시피, 저희 EDU 등급에서 저희가 보는 것은 대학 시스템들이 저희가 전면적인 ChatGPT라고 부르는 것을 배포하고 있다는 것입니다.
[25s34] 그래서, 음, 애리조나 주립 대학교, ASU는 학생, 교수진, 연구원들에게 181,000개의 시트를 배포했습니다.
[25s42] 캘리포니아 주립 대학교는 방금 저희를 위해 50만 시트 배포를 했습니다.
[25s49] 어제 저희는 발표했습니다. 이름을 정확히 말하지는 못하겠지만, 효과적으로 AI 연구 집단인데, 제 생각에 오늘날 옥스포드, 제 모교를 포함하여 15개 기관이 있습니다.
[25s58] 그것을 보고 매우 흥분했습니다.
[26m0s] 효과적으로 연구를 중심으로 그들의 기관에 광범위하게 배포하고,
[26m4s] 하지만 또한 새로운 데이터를 넣습니다.
[26m6s] 이제 1498년의 논문을 얻을 수 있다는 것을 아셨나요? 제 생각엔, 저는...
[26m10s] 1498년에 논문을 썼다면 오늘 읽을 수 없을 거라고 생각합니다.
[26m15s] 하지만 초서처럼 고대 영어로 쓰여진 그것들로 돌아가면 얼마나 흥미로운가요.
[26m19s] 네, 제 말은... 그리고 그것은 스파이크 영역 같은 곳에서 데이터를 얻는 것에 대한 그 스파이크 지점으로 돌아갑니다.
[26s24] 소량의 데이터라도 모델을 매우 똑똑하게 만듭니다.
[26s27] 하지만 교육 기관들은 정말로 여기에 열광적으로 뛰어들고 있습니다.
[26s32] 에스토니아라는 나라는 국가로서 모든 중등학교를 위해 전면적인 ChatGPT 배포를 막 확보했습니다.
[26s42] 그래서 이제 나라의 모든 중등학교는 학습을 위해 ChatGPT에 접근할 수 있게 될 것입니다.
[26s47] 그래서 당신이 좋든 싫든, 모든 사람이 그것을 사용하고 개인적인 방식으로 사용하는 방법을 배우고 있습니다.
[26s53] 이 기술이 이미 가치를 더하고 있다는 기대가 있습니다.
[26s57] 이것은 1분부터의 가치와 같습니다.
[27m0s] 그래서 제 생각에 좋은 점은 천 송이 꽃이 피도록 조금 내버려 두는 것입니다.
[27m4s] 하지만 그런 다음에는 구체적이어야 한다고 생각합니다.
[27m7s] 예를 들어 은행업을 수직 분야로 본다면, 당신은 매우 규제된 산업입니다.
[27m11s] 그래서 저희가 해왔고, 제 생각에 이제 훨씬 더 잘 알려지게 된 것은,
[27m15s] 저희는 이제 기관에 들어가서 특정 분야에서 성공을 보고 사례 연구를 구축했습니다.
[27s20] 그래서 저희가 당신의 특정 수직 분야에서 당신을 방문할 때,
[27s24] 저희는 실제로 아주 좋은 예를 가져올 수 있습니다.
[27s27] 음, 그래서 제가 방금 있었던 은행 예에서,
[27s30] 저희가 일반적으로 보는 것은 신용, 사기 탐지 같은 것들을 중심으로 한 배포입니다.
[27s35] KYC AML 같은 것들을 중심으로 하고요.
[27s38] 음, 자산 관리 및 연구를 중심으로 한 배포입니다.
[27s41] 그리고 투자 은행 같은 분야에서는, 아시다시피, 고객 미팅 준비에서부터,
[27s48] 음, 아시다시피, 시장에서 방금 일어난 일, 어떤 고객에게 가야 하는지에 대한 거의 그 CRM 부분까지요.
[27s53] 그래서 그런 종류의 전체 범위입니다.
[27s56] 그래서 저희에게는 어떻게 그 사례 연구를 구축하고, 세상에 알릴 것인가 하는 것입니다.
[28m1s] 그래서 당신이 임원으로서 올 때, 저희는 그냥 팔을 흔들며 "걱정 마세요, 이건 대단할 거예요."라고 말하는 것이 아닙니다.
[28s7] 그리고 당신 모두 "음, 좀 과장된 것 같네."라고 생각하며 떠납니다.
[28s10] 하지만 저희는 실제로 구체적인 예를 보여줄 수 있습니다.
[28s13] 당신은 이사회에 가져가서 "여기 제가 돈을 절약하거나 더 많은 수익을 창출할 수 있는 방법이 있습니다."라고 말할 수 있습니다.
[28s18] 네.
[28s19] 그리고 개인적인 측면에서, 제가 정보를 잘 알고 있는 것처럼 보일 수 있는 개인적인 팁이 있나요? 그리고...
[28s22] 저는 제가... 제 말은, 제가 남용하는 것에 대해 걱정합니다.
[28s26] 저는 모든 것에 챗GPT를 사용합니다.
[28s28] 그래서 여행부터, 저는 여행에 그것을 좋아합니다.
[28s32] 그런데, 아시다시피, 순수한 아이디어 구상에서부터요.
[28s35] 연중 이맘때 일주일 동안 떠나고 싶어요.
[28s38] 여기 우리가 전에 가본 곳들이에요.
[28s39] 저에게, 아시다시피, 청사진 아이디어를 좀 주세요.
[28s42] 레시피까지요.
[28s44] 슈퍼마켓에 갇혔어요.
[28s45] 치미추리 소스를 만들어야 한다는 것을 알아요.
[28s47] 무엇이 들어가는지 잘 기억나지 않아요.
[28s48] 음... 이게 제 최악의 괴짜 모습입니다.
[28s52] 제 남편이 제게 캘리포니아 산불 보험을 보여주고 있었습니다.
[28s55] 정말 구하기 어렵습니다.
[28s56] 두 개의 견적을 받았습니다.
[28s58] 하나는 우리 집의 약 4분의 1까지만 보장하지만, 훨씬 낮은 요율과 거의 없는 자기 부담금이었고, 다른 하나는 전체 보장, 매우 높은 자기 부담금, 정말 높은 요율이었습니다.
[29s11] 그리고 저는 그것을 보고 있습니다.
[29s12] 제 말은, 매우 관련이 있습니다. 당신이 LA에 살면서 결정하려고 한다는 것을 압니다.
[29s16] 그리고 더욱이,
[29s18] 그래서 저는... 저는 '이게 더 좋은 보험일 수도 있지만, 그들이 그것을 지지할 수 없다면 어쩌지?'라고 생각했습니다.
[29s24] 네.
[29s24] 그래서 저는 재무에 대한 심층 연구 보고서를 작성했습니다.
[29s27] 당신이 그런 일을 하다니 충격적이네요.
[29s29] 제 남편은 "그냥 예 아니오만 원했어."라고 했습니다.
[29s32] 당신의 괴짜 CFO 영역으로 바로 돌아갔군요.
[29s34] 좋아요. 당신이 거기에 가다니.
[29s35] 한 시간이 걸렸어요. 5분이면 될 줄 알았는데.
[29s37] 하지만 저는 이제 캘리포니아 산불 보험 산업에 대해 매우 잘 알게 된 것 같습니다.
[29s41] 오 스티브, 그들 모두 당신의 상담이 필요해요.
[29s42] 다른 질문이 하나 더 있습니다. 당신을 위한 질문 하나로 묶을 텐데요, 바로 다음에 무엇에 투자할 것인가 하는 것입니다.
[29s46] 투자 계획은 무엇이며, 이것은 그냥 친구를 위해 묻는 것입니다.
[29s50] 상장은 어떻습니까?
[29s52] 돈을 모으는 것, 사적 맥락 대 공적 맥락에 대해 생각하는 것, 그리고 거기서의 장단점과 아이디어는 무엇이라고 생각하십니까?
[30m1s] 제 말은, 지금 당장의 초점은 컴퓨팅, 연구원, 데이터, 이 세 가지 영역입니다.
[30m8s] 컴퓨팅은 정말로 스타게이트의 렌즈를 통해서입니다.
[30m10s] 음, 그리고 그것은 세상에 내놓기 위해 많은 노력이 필요할 것입니다.
[30m15s] 실체로서 나와야 합니다.
[30m17s] 저희는 부지, 전력을 찾아야 합니다.
[30m19s] 땅에 구멍을 파고, 데이터 센터를 세우고, 장비로 채우고, GPU를 사야 합니다.
[30m26s] 그리고 음, 정말로 이 첫 번째 단계로 이것을 할 수 있다는 것을 증명해야 합니다.
[30s30] 그리고 제 생각에 그것은 인접한 북미가 될 것입니다.
[30s33] 하지만 저희는 이것을 일종의 글로벌 추진으로 봅니다. 왜냐하면 어쨌든 많은 경우 고객에게 더 가까운 곳에 데이터 센터를 두고 싶기 때문입니다.
[30s41] 하지만 이것은 정부와 협력하는 좋은 방법입니다.
[30s43] 그래서 그게 컴퓨팅입니다.
[30s44] 연구원은 연구원입니다.
[30s46] 저희는 최고와 가장 똑똑한 사람들을 고용하고 싶습니다.
[30s48] 그리고 물론, 저희는 학교 시스템이 계속해서 그런 사람들을 배출하도록 돕고 싶습니다.
[30s53] 예를 들어 이것은 정말 새로운 영역입니다.
[30s55] 그래서 오늘날 박사 AI 학생이 많지는 않지만, 매우 빠르게 성장하고 있습니다.
[31s2] 데이터 측면에서는 데이터 제공업체 등과 협력하여 그것을 잘 수행하는 것입니다.
[31s8] IPO요? 지금 당장은 상상조차 할 수 없습니다.
[31s9] 할 일이 너무 많아요.
[31s12] 음, 하지만 언젠가는, 아시다시피, 상장 회사가 되는 것이 좋은 위생이라고 확신합니다.
[31s16] 그것은 당신에게... 제 말은, 우선, 자본 시장에 접근할 수 있게 해줍니다.
[31s20] 음, 아시다시피, 햇빛은 어떤 금융 기업에게든 최고의 소독제입니다.
[31s27] 그리고 그 이상으로, 그것은 단지 엄격함을 만듭니다.
[31s29] 제 생각에 회사로서 저희는 상장 시장에서 다를 것입니다, 그렇죠?
[31s34] 저희는 저희가 계속해서 열망하고 매우 크고 야심찬 일을 할 것이라는 것을 이해하는 투자자들을 가져야 할 것입니다.
[31s42] 그리고 아시다시피, 그것은 올바른 투자자 사고방식을 가져야 합니다.
[31s46] 예를 들어 90일 주기는 아마 그것에 완벽하게 작동하지 않을 것입니다.
[31s50] 이해됩니다. 알겠습니다.
[31s51] 알겠습니다. 음, 저희는 대기 중이며 가능합니다.
[31s54] 어쨌든, 세라, 감사합니다.
[31s55] 저희와 함께 해주셔서 감사합니다.
[31s56] 당신은 정말 대단합니다.
[31s57] 네. 감사합니다.
[31s58] (박수)
[32m0s] (면책 조항 텍스트)

참고:

• 자막은 이해를 돕기 위해 문맥에 맞게 의역되었습니다.

• 기술 용어(API, GPU, AGI, QA, MD, VP 등)와 고유 명사(Goldman Sachs, OpenAI, Stargate 등)는 그대로 사용했습니다.

• 시간 표시는 제공된 영상 기준입니다.