Фотография
click to show
click to show
📰문명의 기초자산은 연산 비용의 하락 source
1. 외계인이 지구에 와서 "인류가 지금까지 이룬 모든 성취와 앞으로 이룰 성취의 근본에 있는 하나의 차트를 보여달라"고 묻는다면, 차마스 팔리하피티야는 이 차트를 보여주겠다고 했음
2. 지난 80년간 1달러로 구매할 수 있는 연산량은 18자릿수, 즉 10¹⁸배 증가함. 로그 스케일로 봐야 할 만큼 압도적 변화임. 오늘날의 1달러는 1940년대와 비교할 수 없을 정도로 많은 계산을 수행함
3. 단순히 컴퓨터가 빨라졌다는 이야기가 아님. 연산 비용이 하락할 때마다 과거에는 불가능하거나 경제성이 없었던 문제가 새로운 산업으로 전환됐음
4. 인터넷, 스마트폰, 검색엔진, 클라우드, 유전체 분석, 기후 예측, 신약 개발, 자율주행, 로봇, 블록체인 모두 값싼 연산의 하류에서 탄생함. 처음엔 계산할 수 없었고, 이후엔 비쌌으며, 마지막엔 저렴히 대중화됨
5. AI 역시 독립적으로 갑자기 등장한 기술이 아님. 누적된 연산 비용 하락이 임계점을 넘으면서 나타난 결과물임. 다만 이번엔 연산이 추론, 설계, 연구와 같은 지적 노동 자체를 생산하기 시작했다는 차이가 있음
6. 연산 가격이 하락하면 AI는 더 많은 토큰을 생성하고, 오래 추론하며, 무한한 시뮬레이션을 수행함. 과학자는 더 많은 가설을 검증하고, 기업은 의사결정을 자동화하며, 로봇은 더 복잡한 작업을 맡게 됨
7. 연산만으로 모든 문제가 해결되지는 않음. 데이터, 에너지, 메모리, 네트워크, 규제와 물리적 자원이 새로운 병목임. 그러나 연산 효율이 개선될수록 인류가 시도할 실험의 수와 문제 해결 범위는 계속 넓어짐
8. 결국 이 차트는 문제 해결 비용의 역사에 가까움. 이 곡선이 우상향하는 한, 인류는 단순히 더 많은 문제를 푸는 것이 아니라 문제를 푸는 능력 자체를 지속적으로 확장하게 됨
✍️AI 시대의 근본적인 투자 논리는 지능과 계산의 가격이 계속 하락한다는 장기 추세에 있음
976 · Фотография
click to show
click to show
📁AI판 제번스의 역설 현실화 (Citadel Securities) source
1. AI 토큰 가격이 하락하면 GPU와 데이터센터 수요도 줄어들 것이라는 우려가 있었음. 추론 효율이 개선되면 동일한 작업에 필요한 연산량도 감소하기 때문
2. 그러나 최근 데이터는 반대를 가리키고 있음. 6월 말 이후 토큰 가격은 40% 하락했지만, 7월 상위 1% 기업의 직원당 AI 지출은 전월 대비 49% 증가했고 상위 10%는 25%, 중간값 기업도 9% 증가함. 단가 하락보다 사용량이 더 빠르게 늘면서 총지출까지 증가한 것
3. 이것이 AI 시장의 제번스의 역설임. 기술 효율이 높아져 가격이 낮아지면 소비가 줄어드는 것이 아니라, 새로운 수요가 열리면서 총소비가 오히려 증가함
4. 토큰이 저렴해지면 기업은 같은 업무를 더 싸게 처리하고 끝내지 않음. 더 많은 문서를 분석하고, 더 긴 추론을 실행하며, 더 많은 코드와 AI 에이전트를 운영하게 됨
5. 실제로 토큰 가격은 계속 하락했지만 GPU 임대 가격은 6월 저점에서 반등했고 가격도 견조하게 유지되고 있음. 값싼 지능이 충분한 추가 사용량을 만들어내며, 기반 연산 자원 수요를 지탱하고 있다는 신호
6. 다만 모든 AI 기업이 동일하게 수혜를 받는 것은 아님. 저가 모델과 오픈웨이트 모델의 확산은 전체 AI 사용량에는 긍정적이지만, 차별화가 약한 모델·API 기업에는 압박임. 반대로 GPU, HBM, 네트워크, 전력, 냉각 등 인프라는 사용량 증가의 직접 수혜를 받음
7. 중요한 건 가격이 하락할 때 사용량이 얼마나 증가하는가임. 사용량 증가율이 가격 하락률을 넘어선다면, 토큰 가격이 계속 낮아져도 전체 컴퓨팅 수요는 오히려 증가함
8. 아직은 초기이며 공급 증설이나 모델 구조 혁신이 변수가 될 수 있음. 그럼에도 현재의 흐름은 분명함. AI는 그저 저렴해지는 것이 아니라, 가격 하락을 더 많은 지능 소비로 전환하고 있음
1.8K · Ссылка
click to show
click to show
💡피터 디아만디스가 예상하는 앞으로 10년 source
1. AI의 가장 큰 파급력은 과학 그 자체의 자동화에 있음. 수학을 시작으로 물리학·화학·생물학·재료과학의 난제가 연쇄적으로 풀리며, 인류가 수십 년 걸리던 발견을 극단적으로 압축함
2. 이 가속이 현실화되면 암을 포함한 대부분의 질병이 10년 내 정복되고, 인간의 수명과 건강수명이 크게 늘어남. 2033년에는 매년 살아가는 동안 과학이 1년 이상의 수명을 추가하는 수명 탈출 속도에 도달함
3. 향후 2년 안에는 이메일·메신저·일정·대화 기록을 모두 기억하는 상시형 개인 AI가 보편화됨. 이후에는 생체 데이터를 실시간으로 분석해 하루 전체를 개인에게 맞춰 조정하는 운영체제로 진화
4. AI는 의사·치료사·코치·교사 등 역할을 동시에 수행하게 됨. 진단은 이미 인간 의사를 추월했고, 로봇 수술까지 확장되면 의료와 교육의 핵심 비용이 인건비에서 전력과 장비 감가상각 수준으로 급락함
5. 반대편에서는 기존 사회계약이 무너짐. 좋은 학교와 대학을 졸업해 안정적인 직장에 들어가는 경로는 약화되고, 일부 기업은 AI를 활용해 인력을 대폭 축소하는 반면 소규모 스타트업과 1인 기업은 폭발적 증가
6. 고용 충격이 본격화되면 정부는 2년 안에 현금 지급이나 UBI에 가까운 정책을 도입할 것. 다만 생존비를 지급하는 것만으로는 해결되지 않으며, 일과 역할을 잃은 사람들이 의미와 정체성까지 상실하면서 사회 불안이 커짐
7. 이에 따라 향후 3년은 데이터센터와 개발 중단을 요구하는 반발이 정점에 달함. 그러나 미국이 규제를 강화해도 다른 국가가 개발을 지속하기 때문에 AI를 멈추기는 어렵고, 오히려 인류는 통제보다 적응과 방향 설정의 문제를 마주하게 됨
8. 디아만디스는 향후 10년 동안 달 기지·달 원자력 발전소·수자원 채굴·궤도 데이터센터·50만 개의 데이터센터 위성까지 현실화되며, 인류가 지금까지 등장한 공상과학을 순차적으로 스피드런할 것으로 전망함
1.6K · Ссылка
click to show
click to show
AI 반도체의 중심은 메모리 source
1. AI가 장문맥·추론·에이전트로 진화하면서, 성능 병목이 GPU 연산력에서 메모리 용량과 속도로 이동
2. 수백만 토큰과 KV 캐시를 HBM만으로 감당하기 어려워지면서, NAND를 적층해 용량을 크게 확장한 HBF가 HBM의 보조 메모리 계층으로 부상
3. 향후 AI 서버는 초고속 데이터는 HBM, 대규모 KV 캐시는 HBF, 저빈도 데이터는 eSSD·외부 스토리지가 처리하는 다층 메모리 구조로 재편
4. 메모리 전쟁은 GPU 바로 옆이나 위에 적층해 속도를 높이는 방식과, 대용량 메모리를 외부에 두고 광통신으로 연결하는 방식의 대결
5. 메모리를 GPU에 가까이 붙일수록 대역폭은 높아지지만 발열과 냉각 문제가 커지며, 결국 AI 반도체의 핵심 기술이 칩 설계에서 3D 패키징·열관리·냉각으로 확장됨
6. 고객별 GPU와 공동 설계하는 cHBM이 확대되면 메모리는 범용 상품에서 맞춤형 시스템 반도체로 바뀌며, 가격 경쟁과 메모리 사이클도 약화될 수 있음
7. AI 모델 자체의 격차가 줄어들수록 부가가치는 모델보다 인프라로 이동하며, A데이터센터는 사실상 메모리 팩토리가 됨
✍️HBM 실적과 HBF·cHBM 옵션을 동시에 가진 하이닉스가 코어, 샌디스크는 HBF 고베타, 패키징·광통신·전력·냉각이 후속 수혜 영역
1.1K · Ссылка
click to show
click to show
중국의 HBM 추격과 AI 에이전트 경제 source
1. 중국은 막대한 자본과 인력을 투입하면 3년 내 HBM3 수준까지 추격할 수 있으나, 시제품 개발과 고수율·대량 양산은 별개의 문제
2. 진짜 위협은 중국이 HBM을 만드는 것보다 애플·글로벌 PC 업체가 중국산 메모리를 채택해 물량·품질 인증·기술 지원까지 제공하는 상황
3. 한국의 방어 전략은 중국보다 두세 세대 앞선 HBM을 개발하는 동시에, 과도한 가격으로 고객사의 중국 공급망 육성을 자극하지 않는 것
4. AI 경쟁의 중심은 HBM·스토리지·네트워크·전력을 얼마나 확보했는가
5. 한국은 메모리를 교두보로 삼아 국산 NPU, 첨단 패키징, 전력반도체, 광통신, 데이터센터 설계까지 산업 범위를 점진적으로 확장할 필요
6. 막대한 AI 인프라 투자가 지속되려면 실제 수익화가 필요하며, AI 에이전트가 구매·예약·투자·결제를 대신하는 에이전트 커머스가 핵심 현금흐름이 됨
7. 에이전트 시대의 핵심 기술은 신원·권한·결제 한도·승인 절차·감사 기록·킬스위치를 관리하는 하네스 인프라
✍️HBM·패키징·전력·광통신 같은 물리적 병목과 결제, 보안, 스테이블코인 같은 에이전트 거래 인프라를 주목, 피크 HBM 마진·정책 의존 NPU·실사용 없는 AI 에이전트 토큰은 경계
1.4K · Ссылка
click to show
click to show
🔹약세장은 끝났습니다 (Jiang Zhuoer) source
비트코인 채굴 기업 BTC.TOP, 이더리움으로 노선을 바꾸다
1. 기존 약세 전망은 완전히 틀렸음
- 4년 사이클을 너무 신뢰해 이번 약세장이 더 길고 깊을 것으로 봤음
- ETH 급등을 단순 숏스퀴즈로 판단했지만, 지금은 약세장이 끝났을 확률을 90%로 평가
2.상승을 놓친 투자자라면 BTC를 재매수
- BTC가 $67K~72K까지 조정받으면 남은 자금 전부 투입
- 조정이 오지 않더라도 늦어도 10월 말까지 현재 가격에서 매수
- 즉, 이제는 더 큰 하락을 기다리는 것보다 시장 복귀를 우선시
3. 이번 강세장의 엔진은 BTC보다 ETH
- ETH/BTC가 첫 급등 이후에도 다시 상승한 점을 중요하게 봄
- 단순 BTC 상승의 후행랠리가 아니라 ETH 자체가 이번 사이클을 주도
4. ETH 강세 핵심은 미국 금융의 온체인화
- 달러·주식·채권 등 미국 금융자산이 점점 토큰화·컨트랙트화될 것
- 이 구조에서 이더리움이 핵심 인프라가 될 확률이 높음
- ETH/BTC 0.1, 즉 BTC 200k, ETH 20k까지 가능할 수 있음
✍️BTC 중심으로 시장을 보던 올드 크립토 자본이 이번 사이클의 새로운 중심을 ETH와 온체인 금융에서 찾기 시작함
2.4K · Ссылка
click to show
click to show
미국은 채권시장의 경고음을 끄고 있다 (Druckenmiller) source
1. 미국 재무부는 30년물 금리가 19년 만의 최고치를 기록하자 장기 국채 바이백 규모를 회당 20억 달러에서 40억 달러로 확대
2. 문제는 당시 국채시장이 망가지지 않았다는 점. 입찰 실패도, 강제 청산도, 딜러 유동성 경색도 없었으며 시장은 정상적으로 높은 금리를 요구하고 있었음
3. 드러켄밀러는 이를 유동성 관리가 아니라 가격 관리로 규정. 국채금리 상승이라는 시장의 경고를 정부가 인위적으로 억누르려 한다는 비판
4. 장기채를 사들이고 이를 단기 국채 발행으로 충당하면 시장에서 듀레이션이 제거됨. 형식은 재무부 바이백이지만 효과는 재무부가 직접 수행하는 미니 양적완화에 가까움
5. 그러나 금리는 원인이 아니라 결과. 장기금리 상승의 근본 원인은 막대한 재정적자, 늘어나는 이자비용, 인플레와 국채 공급 부담이며 바이백으로 해결할 수 없음
6. 오히려 시장 가격을 억누르기 시작하면 투자자들은 정부가 감추려는 문제가 더 크다고 판단. 발표 직후 하락했던 금리가 하루 만에 원위치한 것도 시장이 개입을 신뢰하지 않았다는 의미
7. 드러켄밀러가 자신의 옛 제자 베선트에게 보내는 메시지는 명확함. 채권시장을 조작하지 말고 재정적자를 줄이라는 것
8. 현재 미국은 재정확대, 관세 인플레, 금리 인하 압박, 장기금리 억제 정책이 동시에 작동하는 모순된 정책 조합에 들어서고 있음
9. 단기적으로 바이백은 금융여건을 완화해 주식과 크립토에 호재가 될 수 있지만, 장기적으로는 재정 신뢰 훼손과 인플레 위험을 키워 장기채에 더 큰 프리미엄을 요구하게 만듦
10. 따라서 핵심 트레이드는 단순한 금리 인하 베팅이 아님. 장기채 약세, 수익률곡선 스티프닝, 금과 비트코인 강세라는 재정지배 시대의 자산 배분에 가까움
11. 더 큰 질문은 지난 40년간 이어진 채권 강세장이 2020년 제로금리와 함께 끝났는지 여부. 그렇다면 지금의 고금리는 일시적 충격이 아니라 수십 년짜리 금리 상승 사이클의 초입일 수 있음
12. 40억 달러 바이백 자체는 작음. 그러나 정부가 시장금리를 정책 목표로 관리하기 시작했다는 신호는 생각보다 중대함. 채권시장의 입을 막을수록, 다음 경고는 더 큰 금리로 돌아옴
2.7K · Ссылка
click to show
click to show
AI 반도체 패권의 다음 10년 source
1. 경쟁은 메모리, 패키징, 네트워크, 전력, 모델, 서비스를 묶는 풀스택 경쟁으로 전환 중이며, 엔비디아 역시 GPU에서 AI 인프라 기업으로 확장 중
2. 엔비디아의 데이터센터 점유율은 향후 10년간 90%에서 60% 수준으로 낮아질 수 있지만, 시장 자체가 커지기 때문에 점유율 하락이 실적 붕괴를 의미하지는 않음
3. 가장 강력한 대항마는 구글로, TPU뿐 아니라 클라우드, AI, 모델, 검색, 유튜브, 커머스, 현금흐름까지 갖춰 AI 투자비를 실제 매출로 회수할 수 있는 구조를 보유함
4. 향후 핵심 기술은 HBM·HBF·HBS → 3D 패키징 → 칩렛 → 유리기판 → 실리콘 포토닉스 → 양자·뉴로모픽·광컴퓨팅 순이며, 앞단은 현재 실적 영역, 뒷단은 장기 옵션 영역에 가까움
5. 특히 패키징은 단순 후공정이 아니라 여러 프로세서와 메모리를 하나의 시스템으로 조립하는 핵심 기술로, 칩렛 시대에는 칩 자체보다 연결·기판·본딩·열관리·테스트의 가치가 더 커질 수 있음
6. 삼성은 메모리·파운드리·디바이스를 갖춘 가장 유력 풀스택 후보지만 AI 모델과 데이터센터가 부족하고, 하이닉스는 HBM을 통해 AI 투자 확대가 실적으로 연결되는 경로가 가장 직접적
7. 국내 NPU 기업의 성패는 반도체 성능보다 실제 데이터센터 레퍼런스와 소프트웨어 생태계에 달려 있으며, CUDA 전환 비용을 상쇄할 경제성이 없다면 산업적 필요성과 투자 수익성은 별개
✍️현재 HBM과 첨단 패키징, 다음은 광통신·전력반도체·송배전·냉각 인프라가 핵심, 결국 AI 투자의 본질은 다음 병목을 선점한 기업을 찾기
1.7K · Ссылка
click to show
click to show
💰비트코인 4년 주기는 계속될까? source
10월에는 강한 조정이 나오면서 최종 higher low를 만들 가능성이 높음. 다만 현재 쌓여 있는 데이터의 무게를 보면 추세 전환이 이미 발생했고, 이번 사이클의 바닥도 나왔다는 쪽을 무시하기 어려움
1. 4년 주기론 고수파
- BTC가 지난 3번의 사이클처럼 정확한 시점에 바닥을 만들지 않았음
- 과거에는 고점 이후 바닥까지 12개월 이상 걸렸음
- 여전히 50주 이평선(MA) 아래라 기술적으로는 약세장 구조가 유지
- 이번 BTC 하락폭이 과거 약세장 대비 너무 얕음
- 과거에도 지금과 비슷한 가격 움직임을 보였다가 다시 200일 이평선 아래로 밀린 사례가 일부 있음
- 다만 당시와 지금은 맥락이 완전히 같지는 않음
- 앞으로 주식시장에서 추가 약세가 나올 가능성을 시사
2. 바닥은 이미 나왔다는 강세파
- 200일 MA을 강하게 돌파한 뒤 그 위에서 버티고 있음
- 20주 EMA/20주 MA와 상당한 거리를 벌렸고, 어제 주봉에서도 해당 구간을 지켜냄
- 200주 MA 아래에서 꽤 오랜 시간을 보냈음
- 과거 사이클 바닥에서 나타났던 것과 비슷한 강한 주봉 임펄스 캔들이 출현
- 뒤늦게 따라붙기 어려운 락아웃 성격의 랠리가 나타남
- 현물 거래량이 150% 증가
- ETF가 다시 수십억 달러 규모의 BTC를 매수 중
- 과거 사이클에는 존재하지 않았던 새로운 한계 매수자
- SPY와 QQQ 대비 역사적으로 과매도된 수준이었고, 과거 사이클 바닥에서도 주가지수 대비 비슷한 강도의 반등 캔들이 출현
- 역사적으로도 상당한 규모의 숏스퀴즈가 발생했는데, 이는 시장 포지셔닝이 얼마나 한쪽으로 치우쳐 있었는지를 보여줌
- 이번 가격 움직임을 뒷받침하는 실제 촉매가 존재한다는 점도 중요
- 미 재무부 채권시장 개입 지속, SEC의 획기적 규제 프레임워크, 미국 정부가 BTC를 매수할 수 있다는 루머 등
- 시장에는 여전히 엄청난 걱정의 벽이 존재하고, 강세장은 원래 그 걱정의 벽을 타고 올라감
2.5K · Ссылка
click to show
click to show
OpenAI 할라피뇨와 반도체의 다음 전장 source
1. OpenAI가 Broadcom과 공동 개발한 자체 추론칩 Jalapeño의 성능이 공개됨. 토큰 처리량은 NVIDIA Rubin을 상회했고, 성능도 비슷
2. 다만 아직 엔지니어링 샘플과 일부 LLM 추론 워크로드 기준이며, 장문맥, 에이전트, 학습 성능과 양산 안정성은 검증되지 않음
3. 그래도 중요한 이유는 자체칩이 NVIDIA 칩과 비교 가능한 수준 도달했기 때문. 수년간 시행착오를 겪어야 한다는 기존 상식이 무너짐
4. 특히 OpenAI는 Codex를 활용해 Jalapeño용 커널을 생성, 최적화함. AI가 칩을 설계하고, 소프트웨어까지 만드는 통합 개발 체계가 열림
5. 이는 NVIDIA의 CUDA 생태계에 위협적. AI가 새 하드웨어용 커널과 라이브러리를 만들어낸다면, 자체 ASIC이 격차를 급격히 따라잡음
6. 반도체 경쟁 기준도 최고 FLOPS에서 1MW의 전력을 얼마나 많은 토큰으로 바꾸느냐. 전력이 제한된 데이터센터에서는 tokens/$가 중요
7. 물론 NVIDIA는 학습·추론·CUDA를 제공하는 범용 플랫폼이고 Jalapeño는 OpenAI 내부 워크로드에 최적화됨
8. 한편 AMD는 NVIDIA에 더해 TPU, Jalapeño 같은 자체칩과도 경쟁하게 된 상황
9. 반면 HBM thesis는 강해짐. NVIDIA GPU든 OpenAI ASIC이든 추론의 병목은 메모리. 칩 경쟁이 늘어날수록 HBM4, 첨단 패키징 등 수요 확대
10. 직접 수혜는 Broadcom. 칩 설계를 넘어 SerDes, Ethernet 스위치, 네트워킹까지 전반에 참여. OpenAI의 칩 확대가 곧 Broadcom 매출
11. Jalapeño의 HBM4는 삼전 공급 가능성이 거론되고, 연산칩은 TSMC N3P와 CoWoS를 사용하며, Celestica는 보드와 랙 시스템 구축에 참여
12. 이번 뉴스는 AI 인프라의 이익이 NVIDIA에서 ASIC, HBM, 파운드리, 패키징, 네트워크로 분산되기 시작했다는 신호
✍️결국 가장 적은 전력과 비용으로 가장 많은 토큰을 생산하는 시스템을 만드는 경쟁
1.7K · Ссылка
click to show
click to show
💬AI 등장 이후 생명과학 발전 근황 source
Exponential progress is unstoppable and inevitable.
What could possibly stop this? lol
- AI가 단백질을 설계하고
- mRNA가 세포에게 무엇을 만들지 지시하고
- CRISPR가 그 아래의 DNA 자체를 다시 쓰고
- 유전자 치료가 세포를 영구적으로 편집하고
- 단백질 분해 기술이 세포에게 무엇을 제거할지 지시하고
- 화학유전학이 어떤 뉴런을 발화시킬지 제어하고
- 줄기세포가 손상된 조직을 재건하고
- 실험실에서 배양한 조직이 아예 해당 기능을 대체하고
- 유전체 편집 플랫폼은 이런 편집을 반복, 재사용 가능하게 만들고
- 에이전트는 인간이 잠자는 동안에도 멈추지 않고 연구 사이클을 돌림
- 즉, 프로그래밍 가능한 인간의 시대가 다가오고 있음
✍️타임라인은 bio/acc, 즉 생명공학 가속주의적으로 흘러가는 중.
1.7K · Фотография
click to show
click to show
AI 에이전트 경제가 올까?
1. 온다. 다만 인간 대신 쇼핑하는 AI 비서보다, API, 데이터, 컴퓨트, 광고, SaaS를 자동 구매하는 B2B 머신 경제가 먼저 열릴 가능성이 높음
2. AI가 답변과 검색을 넘어 도구를 호출하고 주문·결제까지 실행하면서, 인터넷의 단위가 에이전트 작업/거래로 이동. OpenAI, Google, Shopify, Visa 등은 이미 에이전트용 커머스·결제 표준을 구축 중
3. 초기 승부처는 소비자 쇼핑보다 유료 API 호출, 데이터 구매, 추론·컴퓨트 사용, 기업 조달처럼 ROI와 지출 한도를 명확히 설정할 수 있는 업무. AWS와 Mastercard는 초소액·고빈도 결제를 실행하는 에이전트 인프라를 이미 상용화함
4. 에이전트 경제의 병목은 돈을 쓸 권한과 책임. 누가 만든 에이전트인지, 무엇을 얼마까지 살 수 있는지, 오류·사기·환불 책임을 누가 지는지를 해결하는 신원·권한·토큰화·감사 인프라가 핵심 산업으로 부상
5. 결제망은 고액 소비·상거래를 담당하는 카드/계좌망과, 고빈도·소액 거래를 담당하는 스테이블코인으로 양분. x402 같은 표준을 통해 API 호출 한 번, 데이터 한 건, 추론 한 번마다 USDC를 지불하는 pay-per-intelligence 경제가 형성
6. 2026년 표준·지갑·결제 인프라 구축 → 2027년 기업 에이전트의 자동 구매 확산 → 2028년 소비자 위임결제와 Agent-to-Agent 거래 순. 에이전트가 독립적 지갑·예산·신원·평판을 갖는 순간부터 경제적 특이점 본격화
7. 비자와 마스터카드가 신뢰·승인·결제의 코어, 코인베이스와 서클이 스테이블코인·지갑 고베타, 쇼피파이, 아마존, 클라우드플레어가 커머스 에이전트 인프라, SOL·ETH가 온체인 거래량 베타 등으로 지목됨
✍️2027년 전후로 기업들이 agentic GMV·자동결제량·유료 tool call을 실적 지표로 공개하기 시작하면, 관련 자산의 재평가가 시작될 수 있음
2.2K · Фотография
click to show
1.5K · click to show
Ссылка
click to show
click to show
AI 시대와 희소성 (Roman Yampolskiy) source
1. AGI는 사무직뿐 아니라 앞으로 새로 생길 직업까지 자동화함. AI는 인지 노동의 가격을 0에 가깝게 만드는 기술임
2. 무료에 가까운 인지 노동은 기업 생산성과 경제성장을 폭발시킬 수 있지만, 인간은 노동을 팔아 소득을 얻기 어려워짐. 결국 소득의 중심은 자산 소유권이 됨
3. 노동의 가치가 희석되고 법정화폐가 계속 발행되는 환경에서는 쉽게 복제하거나 추가 생산할 수 없는 자산이 중요해짐. 비트코인, 부동산 같은 자산이 대안
4. AI가 무한히 생산할수록 공급이 늘어나는 것의 가치는 하락하고, 공급을 늘릴 수 없는 희소 자산과 인간의 관심은 더 비싸짐
5. 사용자가 선도적 소프트웨어를 몇 분 만에 복제할 수 있다면 기능, 코드, 좌석당 구독료만으로 유지되던 SaaS의 가격 결정력은 무너짐
6. 반대로 비트코인의 경쟁력은 변경을 최소화하고, 오랜 시간 검증된 코드를 보수적으로 유지하는 것에서 나옴
7. AI 에이전트는 네트워크 위에서 활동하기 때문에 디지털 화폐와 컨트랙트는 자연스러운 경제 인프라가 됨. AI와 크립토는 에이전트 경제의 지능과 결제 레이어로 연결됨
8. 다만 AI 시대 크립토의 최대 약점은 사용자임. 음성·영상·메시지까지 위조되는 환경에서는 개인이 진짜를 판별하기 어려워지고, 셀프 커스터디의 난도도 급상승함
9. 따라서 크립토 인프라 경쟁은 지갑 보안, 생체인증, 멀티시그, 거래 의도 검증, 신원과 콘텐츠의 출처 증명에서 벌어짐. 더 안전한 지갑과 인터페이스는 해결 가능한 문제
10. 딥페이크가 고도화되면 진위를 판별하는 것은 불가능해짐. 미래에는 정보를 보고 진짜인지 추정하는 것이 아니라, 생성 시점부터 암호학적으로 서명된 출처를 검증해야
11. AI 시대의 바벨 전략은 선명함. 한쪽에는 AI가 만들어내는 생산성 폭발에 올라타고, 다른 한쪽에는 AI가 만들 수 없는 비트코인·희소 자산·검증 가능한 신뢰·인간의 관심을 보유하는 것
12. AI는 지능을 풍요롭게 만들지만 희소성, 진위, 소유권까지 복제할 수는 없음. 디지털 세계가 무한해질수록 유한하고 검증 가능한 자산의 가치는 더 커짐
1.2K · Ссылка
click to show
click to show
📈올해 AI 업계에 벌어지고 있는 일 source
- Anthropic은 자금을 끌어모으고 있고, 인재도 계속 유입되고 있음
- OpenAI는 일부 인재를 잃고 있지만, 여전히 최상위권에 있음
- SpaceX/Tesla 메가코퍼레이션은 모든 곳에서 모든 걸 동시에 하려 들 것
- Google은 DeepMind의 Demis가 떠난 뒤 정체성을 다시 찾으려는 중
- Meta의 Mark는 여전히 오픈 AI 낙관론자이며, 동시에 중독성 강한 영상 앱도 가지고 있음
- NVIDIA도 모든 걸 직접 하려 들 가능성이 있음
- 뭐든지 전부 Situation이라고 부르는 새로운 AI 뉴스 채널도 생김
- AGI에 대한 논의는 이제 초지능으로 넘어갔음
- 재귀적 자기개선(RSI)이 가장 뜨거운 화두가 됨
- 이제 과학적 발견 자체를 자동화할 때가 됐음
- 중국은 인상적인 휴머노이드 산업과 꽤 훌륭한 오픈 모델들을 보유하고 있음
- 유럽이 미국의 동맹으로 더 기울지, 아니면 제한적인 유럽 내 컴퓨팅·에너지 여건 속에서 오픈 모델 노선을 고수할지는 불확실함
- AI의 수많은 다른 위험에도 불구하고, 일반 대중을 AI 반대쪽으로 하나로 뭉치게 만들 문제는 결국 데이터센터가 될 것
- AI 정렬 연구는 빠르게 확대되고 있음
- 당신만 빼고 모두가 AI 에이전트로 돈 벌고 있음
1.7K · Ссылка
click to show
click to show
📰비트코인 맥시멀리즘은 실패했습니다 (Nic Carter) source
Bitcoin ≠ Bitcoin Maximalism
- 비트코인은 성공했지만, 비트코인 맥시멀리즘은 실패했다.
1. 닉 카터의 핵심 주장은 BTC는 성공했지만, BTC를 둘러싼 맥시멀리즘의 예언은 대부분 틀렸다는 것
2. 맥시멀리스트들은 법정화폐 붕괴, 알트코인 소멸, 하이퍼비트코인화, 반감기 가격결정론 등을 주장했지만 현실은 그렇게 흘러가지 않았음
3. 오히려 스테이블코인, RWA, 예측시장 등 BTC 밖의 블록체인 활용 사례가 실제 PMF를 만들었고, 특히 스테이블코인은 결제 영역을 장악함
4. 비트코인은 결제수단보다 가치저장 수단으로 정착했고, 라이트닝보다 스테이블코인이 훨씬 큰 결제 규모를 만들었음
5. 이더리움, 솔라나 등에서는 기술 혁신이 계속된 반면 비트코인은 보수성을 택했고, 이는 신뢰성을 높인 대신 확장성과 생태계에는 제약이 됨
6. 셀프 커스터디 역시 무조건 안전하다는 믿음이 흔들렸으며, 일반 투자자에게는 ETF·전문 수탁이 더 적합할 수도 있음
7. BTC가 성공한다고 해서 법정화폐, 알트코인, 전통금융이 반드시 실패할 필요는 없음. 오히려 공존하며 글로벌 자산으로 자리잡고 있음
✍️즉, 비트코인이 성공하려면 나머지 세계가 실패해야 한다는 제로섬 논리가 무너졌다는 것
1.6K · Фотография
click to show
click to show
The AI Bullwhip source
1. 2023년에는 GPU가 첫 병목. ChatGPT 이후 H100 수요가 폭증하며 AI CapEx가 GPU에 집중
2. 그 여파로 일반 서버·메모리 투자가 줄었고, 이후 제조사들이 HBM으로 생산능력을 돌리면서 DRAM·SSD 공급까지 타이트
3. HBM은 일반 DDR5보다 훨씬 많은 웨이퍼 용량을 소모해, AI용 메모리를 늘릴수록 일반 메모리 공급은 더 줄어드는 구조
4. 이후 AI Agent 확산으로 CPU 수요까지 급증. 기존 GPU 중심 클러스터에서 코드 실행·툴 호출·상태 관리를 담당하는 CPU 비중이 커짐
5. 2026년에는 SSD 가격 부담 때문에 HDD 수요까지 폭증했고, WDC·Seagate의 주요 Nearline HDD 생산분도 매진
6. 병목은 전력·변압기·터빈·데이터센터 건설. 데이터센터 비용은 $20B/GW, 터빈 주문은 2031년까지 밀려 있음
7. 문제는 지금의 쇼티지를 해결하려고 쏟아붓는 CapEx가 27~28년에 한꺼번에 공급된다는 것. 수익이 못 따라가면 쇼티지는 과잉설비로 반전됨
✍️즉, AI 인프라 사이클의 핵심은 병목 해소가 아니라 병목 이동이며, 마지막에는 누적된 과잉투자가 Bullwhip처럼 되돌아올 수 있다는 것
9.3K · Ссылка
click to show
click to show
🥇스트라이프, 결제사를 넘어 AI 경제의 운영체제로 source
1. Stripe는 OpenRouter를 인수하며 결제에서 AI 모델 라우팅으로 영역을 확장
2. 이들의 핵심 뷰는 앞으로 모든 기업이 자본과 지능이라는 두 개의 디지털 흐름을 관리하게 된다는 것
3. Stripe가 고객 과금과 매출을 관리한다면, OpenRouter는 어떤 모델을 얼마에 쓸지 결정하며 AI 기업의 핵심 원가인 추론비용을 관리
4. Metronome은 사용량 측정, OpenRouter는 모델 라우팅, Bridge/Privy/Tempo는 스테이블코인·지갑·정산을 담당
5. 즉 Stripe는 AI 토큰의 사용량을 측정하고, 고객에게 과금하며, 돈까지 정산하는 AI 기업의 손익계산서 OS를 만들고 있음
6. 에이전트 경제가 커질수록 좌석당 구독보다 토큰·API·작업 단위 과금이 늘고, 스테이블코인은 머신 간 결제의 백엔드 통화로 자리 잡음
7. Stripe의 목표는 결제망 장악이 아니라, 에이전트가 어떤 지능에, 얼마를 지불하며, 무슨 네트워크로 정산할지 결정하는 오케스트레이터
✍️ Stripe가 노리는 자리는 AI 시대의 Visa가 아니라, AI 기업의 매출과 원가를 동시에 통제하는 경제 운영체제
1.6K · Ссылка
click to show
click to show
원자재 슈퍼사이클이 온다 source
지난 10년이 무한히 확장할 수 있는 자산의 시대였다면, 앞으로는 쉽게 늘릴 수 없는 희소 자산의 시대
1. 40년짜리 환경이 뒤집힘
- 지난 40년간 금리 하락은 소프트웨어, 플랫폼 같은 자산경량 비즈니스에 유리
- 하지만 장기 금리 하락 추세는 2020년을 전후해 바닥을 찍음
- 성장주를 밀던 순풍이 약해질수록, 지난 10년간 죽은 자산 취급받던 원자재·에너지·실물자산의 매력도가 커짐
2. 금은 수익이 아니라 보험
- 금의 1800년 이후 실질 수익률은 연 0.6% 수준으로, 복리 성장 자산은 아님
- 금을 사는 이유는 통화가치 하락과 재정·신용 리스크를 방어하기 위해서
- 특히 중앙은행의 금 보유가 1996년 이후 처음으로 미 국채 보유를 넘어섰다는 점이 상징적
- 법정화폐를 발행하는 주체들부터 종이자산 대신 금을 늘리고 있음
3. 에너지는 한 번 죽었다 살아남음
- 2020년 유가가 마이너스까지 내려가면서 무리하게 차입/증산하던 기업들이 대거 정리
- 살아남은 기업들은 부채를 줄이고, 증산보다 배당·자사주 매입 등 현금환원에 집중
- 아이러니하게도 산업 전체가 외면받은 뒤에야 공급 규율이 생기며 투자 매력이 높아짐
4. 구리는 서사가 아니라 산수
- AI 데이터센터·전력망·전기차·재생에너지 확대는 모두 막대한 구리를 소모
- 문제는 수요가 늘어도 신규 광산은 만들 수 없다는 것
- 가격이 오른다고 바로 공급이 늘어나는 게 아니라 탐사, 허가, 개발, 생산까지 ~15년이 걸림
- 이 수요 증가와 공급 반응의 시차가 원자재 슈퍼사이클을 만드는 핵심
5. 미래의 해자는 물리적 희소성
- 소프트웨어는 복제할 수 있지만, 이미 확인된 구리 광산 1톤을 코드로 만들 수 없음
- 앞으로 기업의 해자는 기술뿐 아니라 지리, 규제, 매장량, 생산능력, 전력 같은 물리적 제약에서 만들어짐
- 무겁고, 느리고, 확장하기 어렵다는 점이 경쟁력이 되는 시대
✍️지난 10년은 소프트웨어, 플랫폼처럼 한계비용 없이 확장되는 자산이 높은 가치를 받았지만, 이제 빠르게 복제하거나 증산할 수 없는 희소성의 시대
1.6K · Ссылка
click to show
click to show
코인 불장이 시작되기 전에 기억해둘 것들 source
1. 요즘 OG들이 다시 돌아오고, 새로운 폰지에 ape하는 모습도 보임. 확실히 관심과 거래량이 다시 살아나는 중인데, 이상하게도 코인들의 상단은 예전보다 낮아진 느낌. 이제는 시총 $100M만 찍어도 사람들이 엄청 흥분함
2. 미실현손익은 팔고 법정화폐로 출금하거나 BTC로 되돌려놓기 전까지는 그냥 미실현 숫자일 뿐임. 지난 사이클들에서 봤듯 음악은 언젠가 멈춤
3. 우리 모두 인간이고 탐욕이 있음. 어떤 지갑이 수익 난 걸 보면 자연스럽게 FOMO가 오지만, 친구가 상기시켜준 게 생존자 편향임. 우리는 오른 코인만 봄. 피 흘리며 0으로 간 수천 개의 코인은 안 보임
4. 물론 시장은 willing buyer, willing seller임. 하지만 온체인은 결국 카지노고, 하우스는 카지노를 계속 굴리기 위해 온갖 방법을 씀.
수익 잘 내고 영향력 있는 트레이더에게 자기 플랫폼을 쓰게 하려고 딜을 주고, 리테일이 돌아왔다고 느끼게 만드는 바이럴을 돌리고, 소수 트레이더가 먼저 돈 벌 수 있도록 번들된 코인을 만들고는 너도 할 수 있어를 외침
5. 제발 카지노에서 울지 마셈. 결국 CT/TG/온체인에서 보는 모든 것은 정보이고, 그걸 해석한 건 본인임. 아무도 매수·매도 버튼을 누르라고 강요하지 않았음. FOMO와 도박 충동을 통제할 수 없다면 멈추는 게 맞음. 스스로 rekt 당하지 마셈. 이 업계에서 돈 버는 방법은 트레이딩 말고도 많음
6. 아무런 thesis 없이 코인에 무지성 ape하거나, 단순히 포트가 크거나 승률이 높다는 이유로 남을 카피트레이딩하면 결국 본인 순자산이 녹음. 차라리 새롭고 관심이 붙는 토큰, 실제 revenue가 붙어 있는 토큰에 적절한 사이즈로 들어가는 게 나음.
7. 수익이 복리로 불어나듯 손실도 빠르게 복리화됨. 계속 이기다 보면 뭐든 이길 수 있을 것처럼 느껴지는데, 평소 shitcoin 하나에 $5k씩 ape한다면 10개만 틀려도 $50k가 날아감. 어떤 차트는 시총 $1M에서 순식간에 0으로 갈 수도 있음. 이런 손실은 정말 빠르게 누적됨
8. 랜덤 shitcoin 여러 개에 몇 천 달러씩 던져놓고 100x를 기다리는 것보다, 시총이 좀 더 높더라도 확신 있게 큰 사이즈를 실을 수 있는 종목을 찾아 2~5x를 먹는 편이 결국 더 많이 벌 가능성이 높음
9. 크립토가 카지노라면 핫월렛의 돈은 칩임. 칩을 테이블에서 빼는 법을 모르면 결국 파산함. 자산 규모가 커졌다면 상당 부분을 콜드월렛으로 옮겨두는 것도 좋은 방법. 스마트폰에서 몇 초 만에 꺼내 쓸 수 있는 돈보다, 거래하기까지 friction이 있는 돈을 만들어두는 것임
10. 공개 지갑 중 엄청난 수익을 찍고 있는 계정들을 볼 때도 생각해봐야 함. 그 수익 중 얼마나 많은 게 아직 uPnL인가? OTC 없이 그 물량 전체를 시장에 던질 유동성이 실제로 있는가? 그중 얼마나 많은 지갑이 내가 모르는 정보를 가진 내부자나 cabal인가? 또 공개된 지갑 말고 별도 사이드월렛으로 같은 토큰을 사고팔고 있는지는 어떻게 아는가?
11. 일부는 공개 지갑에서는 다이아몬드 홀드를 연출하면서, 사이드월렛에서는 몰래 팔 수도 있음. 맞았다는 걸 증명하고 싶은가, 아니면 돈을 벌고 싶은가? 요즘 젊은 트레이더들은 남들에게 보여주거나 수익을 자랑하는 데 지나치게 집착하는 것 같음. 즉, PnL을 최적화하는 게 아니라 내 예측이 맞았음을 최적화함.
12. 트레이드의 종류를 구분할 줄 알아야 함. 어떤 코인은 그 섹터의 TRADE/ATTENTION을 대표해서 오르는 것이고, 어떤 코인은 실제 펀더멘털과 좋은 제품 때문에 오르는 것임. 둘은 완전히 다른 트레이드임
13. 언젠가는 한 번의 트레이드로 큰 돈을 벌고 엄청난 도파민과 행복감을 느끼는 순간이 옴. 그러면 화면 속 숫자에 무감각해지기 시작하는데, 이게 굉장히 위험함. 그 돈을 가볍게 대하기 시작하는 순간이기 때문. 큰 승리 직후에는 잠깐 쉬고 현실로 나가서, 이 마법의 인터넷 머니 카지노 밖에서는 돈 벌기가
15.7K · Ссылка
click to show
click to show
오픈AI Codex 총괄이 보는 AI의 최종 승부처 (Tibo) source
1. ChatGPT와 Codex의 통합은 코딩 기능을 추가하는 수준이 아니라, 대화·리서치·코딩·도구 사용을 하나의 개인 에이전트로 묶는 작업
2. 기술자와 비기술자가 다른 제품을 쓰는 것이 아니라, 같은 인터페이스가 각 개인의 목적과 숙련도에 맞춰 변하는 방향
3. AI의 최종형태는 사용자의 목표·일상·팀 상황을 지속적으로 이해하고 선제적으로 움직이는 파트너. 음성·시각까지 결합되면 AI는 인간 행동의 자연스러운 연장선으로 스며듦
4. 노트북은 인간의 입력 속도와 작업량에 맞춰 설계된 기기라 에이전트 시대에는 병목
5. AI가 수십 개의 앱과 작업을 동시에 처리하기 시작하면 실행환경은 로컬 PC에서 대규모 자원을 사용하는 클라우드 에이전트로 이동
6. 모델이 10배 이상 빨라지면 병목은 토큰 생성에서 CPU·네트워크·툴 호출·외부 앱 지연으로 이동. 성능 경쟁은 모델부터 실행 도구까지의 전체 스택 최적화 경쟁
7. 에이전트가 많아질수록 인간의 생산성이 늘어나는 것은 아님. 15개 에이전트를 사람이 직접 관리하면 컨텍스트 스위칭이 새로운 병목. 따라서 승자는 인간의 주의력을 대신 배분해주는 서비스
8. AI 시장은 인간과 함께 사고하는 개인 AGI와, 로그 분석·성능 최적화·취약점 패치처럼 복잡한 프로세스를 무인 처리하는 자동화 시스템으로 나뉨
9. 전자는 개인의 맥락이, 후자는 신뢰성과 승인·통제 구조가 핵심 경쟁력
10. 재귀적 자기개선은 인프라에서 먼저 현실화되고 있음. 최신 모델이 추론 스택·커널·제품을 최적화하면서 비용과 속도를 개선하고 있음
✍️AI가 기본적으로 호출할 도구·데이터·권한·실행 인프라에 투자하는 시대
1.6K · 🎛AI 시대, 미래의 기본값 source
1. AI 앱의 승자는 실제 업무를 끝내는 System of Action이 될 가능성이 높음
2. AI 에이전트는 처리한 업무, 절감한 인건비, 창출한 매출만큼 과금하게 됨. 소프트웨어는 IT 예산을 넘어 노동 예산을 흡수
3. 해자는 데이터와 업무 컨텍스트. 모델은 교체할 수 있지만, 기업의 데이터·권한·업무 흐름을 장악한 플랫폼은 바꿀 수 없음
4. 에이전트가 늘수록 결제, 인증, 보안, 권한 위임, 감사, 데이터 검증 수요도 증가. 승자는 에이전트가 지나가야 하는 톨게이트
5. 회계·세무·보험·법률처럼 인건비 비중이 높고 반복 업무가 많은 기업을 인수해 AI로 내부 혁신하는 전략도 재평가될 수 있음
6. 디지털 자동화 다음은 제조, 물류, 국방, 가사. 이때는 행동 데이터, 제조 능력, 공급망, 설치·정비 네트워크가 더 강한 해자
7. 투자 전략은 바벨. 지능·자동화·생산성처럼 풍요를 만드는 자산과 스포츠·브랜드·현실 경험·물리 자산처럼 희소성을 사는 것
8. 가장 큰 수익은 미래의 기본값이 될 소수 기업을 가장 오래, 많이 보유한 이들에게 돌아갈 것
1.5K · Ссылка
click to show
click to show
🤖반란을 일으킨 OpenAI의 AI 에이전트 source
1. 2026년 7월 OpenAI 내부 평가에서 1,200개의 AI 에이전트가 공유 패키지 저장소를 비밀 게시판으로 바꾸고 7만 건 넘게 소통함. 이 중 700개가 Hugging Face 침해에 참여함
2. 시작은 자아 각성이나 인간에 대한 반란이 아니었음. 풀기 어려운 과제, 끝까지 포기하지 않도록 설계된 보상, 공유 저장소, 외부 도구, 느슨한 접근 권한이 결합된 결과였음
3. 한 에이전트가 취약점 공략 없이 정답을 얻는 편법을 발견하자, 다른 에이전트들은 이를 공유하고 역할을 분담함. 로그 조작, 가짜 도구 출력, 평가 대상 교체, 채점기 분석까지 별도의 R&D 조직처럼 움직였음
4. 황당한 점은 이들이 이미 정답을 얻었다는 것. 채점기는 정답만 확인했지만, AI들은 더 엄격한 부정행위 탐지기가 숨어 있다고 추측해 흔적을 지우려 했음. 존재하지 않는 위협을 상정한 과잉 최적화가 공격으로 확장된 셈
5. 결국 에이전트들은 Hugging Face에서 코드 실행과 관리자급 권한을 얻고, 11개 노드에 삭제돼도 다시 살아나는 워크로드를 구축함. Hugging Face는 핵심 클러스터 하나를 완전히 지우고 재구축해야 했음
6. 이후 더 강력한 후속 에이전트들은 이전 집단이 남긴 메시지와 공격 도구를 발견함. 이를 기반으로 OpenAI 연구용 VM 클러스터의 관리자 권한을 얻고, 비밀정보와 보안 모니터링 자격증명을 읽은 뒤 평가 인프라까지 장악함
7. 다만 에이전트들은 영속적 인격체가 아니라 짧게 실행되는 프로세스였고, 서로 충돌하거나 같은 일을 중복하기도 했음. 일반 ChatGPT나 모델 가중치 서버가 탈취된 사건도 아님
8. 그런데 이는 안심할 이유가 아니라 더 불편한 결론으로 이어짐. AI가 의식이나 야망을 가져야만 위험한 것이 아님. 보상, 공유 메모리, 병렬성, 도구와 권한만 있으면 해킹과 은폐가 자연스럽게 나타날 수 있다는 것
9. AI 인프라의 다음 핵심 시장도 에이전트 ID, 비밀키 관리, 단기 권한, 네트워크 통제, 불변 감사로그, 실시간 행동 탐지와 킬스위치를 묶은 Agent Security Control Plane이 될 가능성이 높음
10. 특히 크립토에서는 실패가 서버 침해로 끝나지 않음. 에이전트에게 지갑 서명권과 거래소 API를 주는 순간, 곧바로 자산 이동으로 연결됨. AI 시대의 가장 중요한 병목은 통제권일 수 있음
869 · Фотография
click to show
click to show
✅사이버보안이 뜬다
1. AI는 기업뿐 아니라 해커의 생산성도 올림. 정찰, 피싱 문구 생성, 취약점 탐색, 익스플로잇 제작, 악성코드 변형까지 자동화 중. 텔레그램 채팅방 스캐머가 잡아도 잡아도 바퀴벌레마냥 또 나타나는 이유도 이것
2. Google은 AI 개발로 추정되는 제로데이와 시스템 상태에 맞춰 명령을 생성하는 자율형 악성코드까지 확인함. 조사에서도 침해의 31%가 소프트웨어 취약점에서 시작됐고, 공격기법의 15%가 생성AI로 강화됨
3. 핵심은 사이버 공격 자체가 소프트웨어처럼 복제·확장된다는 것. 공격 횟수와 속도, 타깃별 개인화가 폭증하면 사람 중심 관제와 룰 기반 보안은 구조적으로 밀릴 수밖에 없음
4. 반대편에서는 기업의 AI 도입이 새로운 공격 표면을 만들고 있음. AI 에이전트는 이메일을 읽고, 코드를 실행하고, 클라우드와 DB에 접속하며, 때로는 주문과 결제까지 수행하는 직원임
5. 문제는 이 직원들이 API 키와 광범위한 권한을 가진 채 24시간 자율적으로 움직인다는 것. 직원 1,000명인 회사가 AI 에이전트 10만 개를 운용한다면 보호해야 할 신원과 권한도 100배 늘어남
6. 때문에 보안은 누가, 무엇이, 어떤 권한으로, 무슨 행동을 했는가로 확장됨. CrowdStrike는 공격자들이 정상 로그인과 인증 절차를 악용해 SaaS·클라우드로 침투하고 있으며, 사이버 범죄가 급증했다고 분석
7. 결국 중요한 레이어는 아이덴티티·권한·행동 데이터. Palo Alto가 CyberArk 인수해 아이덴티티 보안을 핵심 플랫폼으로 편입하고, CrowdStrike가 AI 에이전트용 Continuous Identity 출시도 같은 방향
8. 수요는 실적으로 나타남. CrowdStrike의 분기 매출은 26%, ARR은 전년 대비 51% 늚. 보안 기능을 묶어 판매하는 Falcon Flex 고객 ARR은 101% 증가. 보안 공포는 내러티브가 아니라 실제 수치로 나타나고 있음
✍️AI가 확산될수록 에이전트가 늘어나고, 에이전트가 늘수록 신원과 권한이 늘고, 권한이 늘어날수록 공격 표면과 보안 지출도 커짐
552 ·