생성 AI, 제2의 기계 시대 - 미래에셋증권

안녕하세요, 샬롯의 투자 일지입니다.

일주일 동안 보고, 들었던 콘텐츠 중에서 인상 깊었던 내용을 요약하여 공유드려요! 😉

자세한 내용은 원문을 참고해 주세요!

 

생성 AI, 제2의 기계 시대

출처: 미래에셋증권

 

1. 생성 AI의 지수 함수 - 1) GPT의 지수 함수적인 성능 발전

 

- 기존에 AI가 사람의 말을 이해하고 이를 생성하는 능력은 2~3년 전까지 제한적이었으나, Open AI의 GPT-3 등장 이후 4개월 만에 상용화되는 서비스 출시되며 빠른 속도로 기술 발전.

- 오픈 AI는 GPT-3.5에 강화 학습을 적용하여 22년 11월 챗 GPT를 출시. 출시 2개월 만인 23년 1월 월간 활성 사용자 수가 1억 명을 돌파한 것으로 추정

- 챗 GPT의 빠른 상용화는 사용자 데이터의 확보, 다양한 확장 프로그램의 출시, 기존 서비스와의 결합 등으로 이어져 소비자가 느끼는 효용은 더 커지는 효과로 이어지고 있음

- 챗 GPT가 영어 데이터로 주로 학습해서 다른 언어에서는 약했던 반면 GPT-4는 한국어로 질문에 답하는 능력이 기존 GPT-3.5의 영어보다 높은 점수를 받아 언어의 장벽이 줄어들고 있음을 보여줌.

- 23년 3월 오픈 AI는 챗 GPT에 제3의 어플리케이션을 연동시키는 챗 GPT 플러그인을 발표. 챗 GPT에 제3의 어플리케이션을 연동시키면 해당 영역에서 가지고 있는 특화된 정보를 실시간으로 이용할 수 있고 사용자를 위해 해당 서비스를 직접 해 줄 수 있음. 나아가 사용자가 동의한다면 회사나 개인의 정보에 접근해 다양한 작업을 수행할 수 있음. 한마디로 기존 챗 GPT의 한계가 상당 부분 극복되고 그 기능은 대폭 확장되는 것.

 

 

2. 생성 AI의 지수 함수 - 2) 원가의 하락 속도도 지수함수적

 

- AI를 학습시키고 모델을 추론하는데 드는 비용도 지수 함수의 속도로 하락 중.

- 20년 출시된 GPT-3는 4,990억 개의 토큰(언어 모델의 학습 단위, 1,000토큰은 약 750단어)을 파 라미 터가 1,750억 개나 되는 초거대 모델로 학습한 만큼 훈련 비용이 460만 달러에 달할 것으로 추 정

- 반면 23년 3월 메타가 출시한 언어 모델 LLaMA는 GPT3와 유사한 성능을 보이지만 훈련 비용은 240만 달러로 절반 수준인 것으로 추정된다.

- LLaMA는 모델 파라미터를 650억 개로 줄인 대신 훈련 토큰 수를 1.4조 개로 늘린 모델

 

3. 생성 AI의 지수 함수 - 3) 빅 테크의 본격적인 참여가 가져올 시너지 효과

 

- 마이크로소프트, 엔비디아 등 빅 테크의 본격적인 시장 진출도 생성 AI 기술의 상용화를 가속화시킬 것으로 예상

- 스타트업들은 기본적으로 자본과 기술력 측면에서 제한적이고 신뢰성의 이슈가 있으며 가장 중요한 고객 기반 확보에 시간이 걸린다. -마이크로소프트는 상황이 다르다. 3월 마이크로소프트는 자사의 MS 365에 AI 기술을 도입한 MS 365 Copilot을 공개했다. Copilot이 하는 기능은 메일 초안 작성, 회의 요약, 워드를 PPT로 만들기 등으로 기존의 생성 AI 스타트업들이 하던 서비스와 유사하지만 막대한 고객 기반과 저작권 등에 대한 대응력 등 기존 AI 스타트업들의 한계를 극복할 수 있는 인프라를 갖고 있다.

- 엔비디아의 전략도 인상적이다. 3월 개최한 GTC 2023에서 엔비디아는 반도체뿐 아니라 생성 AI를 사용하고자 하는 고객이 필요로 하는 사실상 모든 서비스를 제공하겠다고 발표했다. 생성 AI 개발에 최적화된 슈퍼컴퓨터를 클라우드로 서비스하고 필요하면 AI 모델도 같이 제공한다.

 

 

4. 경쟁 구도 : 인터넷/모바일 혁명과의 공통점과 차이점

 

- 인터넷/모바일 혁명의 경우 초기에는 시장이 빠르게 성장하면서 대부분 업체들의 주가가 오르고, 이후 경쟁이 본격화되면서 소수 업체 위주로 시장이 과점화되고, 과점적 지위를 확보한 업체들의 실적이 본격적으로 개선되는 과정

- 소수의 업체들이 시장을 장악하는 승자 독식이 강화된다는 공통점. -반면 차이점은 기반 기술 자체가 빠르게 발전하고 있다는 점이다. 애플의 스마트폰은 처음 나올 때부터 거의 완성형이었다. 반면 AI는 최첨단이라고 볼 수 있는 오픈 AI도 계속 발전하고 있다. 답변의 완성도도 더 높여야 하고 인터페이스도 텍스트에서 이미지, 영상 등으로 확장해야 한다. 특정 영역에서는 잘 하지만 완성형으로 가는 길은 아직 멀다

- 따라서 1) 선발 업체들의 경쟁 우위가 지속될 수 있으며 2) AI 서비스 시장에서의 경쟁이 치열해질 것으로 예상

 

5. 산업: 소프트웨어/인터넷 플랫폼

 

- 인공지능 소프트웨어 시장 전망 상향 조정 예상

- 생산성, 마케팅, 이미지 솔루션부터 본격화되는 생성 AI 기술의 상용화

- 우리가 잘 알고 있는 챗 GPT는 텍스트를 생성하는 언어 모델인데, AI가 생성할 수 있는 데이터는 텍스트, 이미지, 비디오, 오디오 등으로 다양하다.

- 텍스트가 등장한 이후, 벌써 이미지와 텍스트, 음성이 결합된 멀티 모달 AI가 빠르게 등장하고 있다. 다양한 데이터가 창출 가능한 서비스들이 확대 등장할 것으로 예상한다.

- B2B 기반 솔루션에서는, 미디어 산업에서는 영상을 만들어주는 AI가 등장할 것이고, 제약에서는 약(drug) 디자인을 AI가 하게 될 것이다. 제조업에서는 부품, 재료 등을 AI가 제조해 주고, 빅데이터 학습이 필요한 AI를 개발할 땐 합성 디자인(Synthetic Design)으로 데이터를 만들어 AI를 개발할 수 있다. -B2C 솔루션에서 기업들이 가장 먼저 가시적으로 AI를 도입하기 시작한 영역은 '생산성'과 '마케팅' 솔루션이고, 생성 AI 이미지 관련 솔루션이 늘어나고 있다. 가장 먼저 움직인 기업은 마이크로소프트였고, 뒤이어 세일즈포스와 어도비, 엔비디아와 오라클 등이 생산성 AI와 관련된 클라우드 기반의 서비스를 대거 출시하기 시작했다.

 

6. 산업: 반도체

- 챗 GPT가 불러온 AI 돌풍, AI 서버 급증

- 엔비디아는 작년 마이크로소프트/오픈 AI와 협력하여 285,000코어의 CPU와 10,000개 이상의 A100/H100 GPU, 400Gb/s InfiniBand로 구성된 AI 슈퍼컴퓨터 개발을 계약하였다. 2020년 통 상적으로 사용되던 AI 데이터 센터와 비교해 보면 GPU의 비율이 높게 높아졌다. 현재는 수 만개 이 상의 GPU를 사용하지만 3년 전만 해도 400개 정도 수준의 GPU가 사용되었다. 초거대 AI 모델의 발전과 함께 학습 데이터 규모와 연산의 중심이 변했기 때문

- 데이터 센터, GPU 수요 상승 전망

- 데이터 센터에서 프로세서의 대표적인 CPU(인텔/AMD), GPU(엔비디아, 네트워크 제외 연산 부분 만 추정) 매출을 전체 데이터 센터 규모와 비교해 보면 2013년부터 더욱 빠른 속도로 증가하는 것 을 관찰할 수 있다. 특히 GPU의 경우 CPU가 부진했던 작년에도 여전히 성장하는 모습을 보이고 있다. 최근 AI 수요가 급증하며 엔비디아의 GPU 수요가 더욱 가파르게 증가하고 있다.

---

-> 의견: 생성 AI 영역의 발전 속도가 매우 빠른 것 같습니다. 수익화, 상용화가 빠르게 이루어지고 있는 영역으로, 향후 10년 이상 유지될 트렌드가 되지 않을까 생각됩니다. 항상 기술 발전 단계 초반의 hype에 유의하여 각자의 투자 원칙에 따라 투자 아이디어로 활용하면 좋을 것 같습니다.

 

생성AI_미래에셋20230407_091350.pdf

4.70MB