HyperAccel이 목표로 하는 LPDDR 기반 저비용 AI 반도체는 AI 서비스 월 사용료를 3만 원에서 5천 원 이하로 낮추겠다는 원대한 비전을 가진다. 이는 명확한 경제적 가치를 제공하는 혁신이다. 그러나 이진원 CTO는 흥미로운 한계를 지적한다. 반도체 설계 자체는 “verify하는 과정이 시간도 많이 걸리고 어려워서” 아직 AI가 깊이 들어오지 못하고 있다는 것이다.
여기서 중요한 통찰이 드러난다. AI의 자동화와 자기 증강 학습이 가장 잘 작동하는 영역은 검증이 빠르고 명확한 도메인(코드 최적화, 벤치마크 등)이다. 반면 반도체처럼 평가 사이클이 길고 metric이 복잡한 분야는 인간의 역할이 필수적이다. 이는 AI의 발전이 모든 분야에 일률적으로 적용되지 않음을 의미한다.
비용 혁신이 일어나면 AI 서비스 접근성은 높아지지만, 그 서비스를 활용해 자동화할 수 있는 분야는 여전히 ‘verifiable signal’의 유무에 달려 있다. AI가 스스로 칩을 설계하는 시대가 오려면 평가 체계 자체가 더 단순화되거나 AI가 장기적 평가를 처리할 수 있어야 한다.
이 관점은 ‘AI 만능 시대’에 대한 냉정한 현실을 보여준다. 기회는 있지만, 각 도메인의 검증 특성을 이해하지 못하면 투자는 실패할 수 있다.
근거
“반도체를 만든다고 했을 때 이게 좋은 반도체이냐를 평가하는 metric도 여러 개 있을 수 있지만, 그 metric 평가하는 과정 자체가 길게 일어나기 때문에 아직은 데이터도 좀 부족하고…” — 이진원 CTO
“저는 항상 3년 후에는 나는 이 일을 안 할 거다라는 얘기를 입버릇처럼 한다. 그러면 뭘 해야 될까… 아직 답을 못 찾았다.” — 이진원 CTO
연결된 생각
- 20260605-verifiable-signal-unlocks-autonomous-improvement — verifiable 신호가 열어주는 자동화와 대비되는 한계 영역
- 20260605-self-augmenting-learning — 자기 증강 학습이 적용되지 못하는 도메인의 사례