EP 102. 샌프란시스코의 교훈: “사람들이 다 미쳤어요”
📺 원본 영상: EP 102. 샌프란시스코의 교훈: “사람들이 다 미쳤어요”
🎙️ 채널: AI Frontier Korea (노정석)
📅 정리 일자: 2026-07-06
⚠️ Note: 본 리포트는 영상의 음성을 텍스트로 변환(STT)하여 정리한 것입니다. 화면에 표시된 자료(차트, 코드, 슬라이드 등)는 포함되지 않을 수 있습니다.
개요
이번 에피소드는 노정석 대표가 약 3주간 샌프란시스코에 머물며 프론티어 랩 연구자, AI 스타트업 창업자, 벤처캐피탈리스트, AI 바이오 기업 관계자들을 만난 뒤 정리한 현장 보고에 가깝다. 핵심은 AI 시장이 단순히 “모델이 좋아졌다”는 수준을 넘어, 프론티어 랩의 직접 진출 영역, 도메인별 스타트업 기회, 데이터센터와 칩 중심의 인프라 투자, 그리고 젊어진 창업 생태계로 빠르게 재편되고 있다는 점이다.
강연자는 샌프란시스코의 분위기를 “사람들이 다 미쳤다”고 표현한다. 이는 부정적 평가라기보다, 20대 초반 창업자들이 학교와 커리어의 전통적 경로를 건너뛰고, 높은 밸류에이션과 거대한 자본 흐름 속에서 거의 서부 개척 시대처럼 움직이고 있다는 뜻에 가깝다. 동시에 그는 한국이 칩, 인프라, AI 네이티브 소비자 서비스, 글로벌 데모데이 같은 영역에서 샌프란시스코와 연결될 여지가 크다고 본다.
프론티어 랩이 흡수하는 시장: 도메인 갭이 사라지는 순간
강연자는 과거 AI 시장을 “타임 갭”과 “도메인 갭”으로 설명해 왔다. 프론티어 랩이 가장 앞에 있고, 그 뒤를 따라가는 회사들, 아직 출발선에 선 회사들, 남겨진 회사들이 시간 차이를 두고 늘어서 있다는 관점이었다. 그러나 2026년 6월 현재의 체감은 다르다. 그는 이제 여러 도메인이 멀리 흩어진 채 존재하는 것이 아니라, 프론티어 모델 안으로 빠르게 흡수되고 있다고 본다.
💡 [영상 참조] 강연자는 이 부분에서 기존에 여러 번 보여준 “타임 갭과 도메인 갭” 관련 그래프를 언급하며 설명합니다. 음성상으로는 프론티어 랩, 추격자, 출발자, 남겨진 자의 스펙트럼과 도메인 갭 축을 설명합니다.
📺 원본 영상에서 확인하세요.
11:36 - 타임 갭과 도메인 갭이 프론티어 모델로 흡수되는 시장 구조를 설명하는 구간
이 변화의 핵심은 코딩, 법률, 금융, 일반 과학, 로보틱스, 소비자 서비스처럼 원래는 각각 다른 전문 영역으로 보였던 분야들이 점점 프론티어 모델의 능력 안으로 들어오고 있다는 점이다. 강연자는 특히 OpenAI가 코딩, 법률, 바이오는 직접 하려 하고, 나머지 영역은 스타트업과 협업하려 한다는 업계 소스를 전한다. 이 발언은 공식 발표가 아니라 강연자가 신뢰할 만한 소식통에게 들은 내용이므로 확정된 전략이라기보다는 현장의 분위기와 시장 인식으로 이해하는 것이 적절하다.
그가 이 구도를 중요하게 보는 이유는 프론티어 랩이 모든 영역을 동일하게 다루지 않기 때문이다. 디지털 안에서 문제를 만들고, 답을 검증하고, Reinforcement Learning with Verifiable Rewards(RLVR)를 돌릴 수 있는 영역은 프론티어 랩이 직접 가져가려는 경향이 강하다. 반대로 로보틱스, 실험 기반 바이오, 물리 세계의 검증이 필요한 영역은 단순한 포스트 트레이닝만으로 해결하기 어렵기 때문에 스타트업이 비집고 들어갈 공간이 남는다.
시장을 세 층으로 나누면 보이는 것
강연자는 이번 출장에서 관찰한 AI 시장을 크게 세 개의 시장으로 나누어 본다. 첫 번째는 OpenAI, Anthropic, Google DeepMind, xAI 같은 프론티어 랩이 직접 뛰는 시장이다. 이들은 AGI를 만들고, 그 AGI가 각종 문제를 해결하게 한다는 믿음 위에서 움직인다. 이 층에서는 컴퓨트, 데이터, 알고리즘이 핵심 축이지만, 강연자가 현장에서 들은 바로는 현재 가장 강하게 강조되는 것은 알고리즘의 추상적 혁신보다 포스트 트레이닝 파이프라인과 데이터다.
18:56 - 프론티어 랩의 컴퓨트, 데이터, 알고리즘 축과 포스트 트레이닝 중심 경쟁을 설명하는 구간
두 번째 시장은 프론티어 랩과 유사한 접근법을 갖지만, 도메인이 훨씬 더 물리적이거나 특수한 영역이다. 바이오, 로보틱스, 재료과학, 헬스케어, Longevity(장수) 스타트업 등이 여기에 속한다. 이 시장에서는 디지털 텍스트만으로 답을 검증하기 어렵고, 실험이나 물리적 액션이 한 번은 필요하기 때문에 Verifier(검증기)를 스케일링하는 문제가 훨씬 까다롭다. 그래서 강연자는 이 두 번째 시장에 오히려 큰 사업 기회가 있다고 본다.
세 번째 시장은 보다 넓은 애플리케이션 시장이다. B2B SaaS를 AI 네이티브 애플리케이션으로 바꾸거나, 기존 업무 흐름을 에이전트로 자동화하는 회사들이 여기에 속한다. 이 시장은 규모가 크지만, 벤처캐피탈 입장에서는 아직 인프라나 칩, 데이터센터만큼 뜨겁게 보지는 않는 듯하다고 강연자는 말한다. 다시 말해 AI 애플리케이션은 많고 다양하지만, 자본의 가장 뜨거운 시선은 여전히 모델 직전까지의 기반 계층에 쏠려 있다는 것이다.
포스트 트레이닝의 시대: 데이터는 여전히 왕이다
강연자가 가장 반복해서 강조한 부분은 포스트 트레이닝이다. 프론티어 랩들이 프리 트레이닝을 하지 않는다는 뜻은 아니지만, 현장에서 만난 사람들은 프리 트레이닝보다 포스트 트레이닝 파이프라인을 훨씬 더 핵심적인 경쟁력으로 이야기했다고 한다. 여기서 포스트 트레이닝은 단순히 모델을 한 번 더 다듬는 정도가 아니라, 특정 도메인의 고급 문제와 정답, 전문가의 암묵지, 검증 가능한 리워드 구조를 대규모로 구성해 모델 성능을 끌어올리는 체계에 가깝다.
예를 들어 금융이라고 해도 하나의 “금융 데이터셋”이 있는 것이 아니다. 투자은행(IB), 회계, 주식, 채권, 선물 등 세부 영역마다 문제의 구조와 전문가의 판단 기준이 다르다. 강연자에 따르면 프론티어 랩들은 이런 세부 영역별 고급 데이터셋을 만들기 위해 전문가를 비싼 값에 고용하거나, 외부 데이터셋 생성 회사로부터 데이터를 구매하고 있다. 좋은 데이터셋을 만들 수 있는 회사들이 호황을 누리는 이유가 여기에 있다.
이때 중요한 것은 단순한 질의응답 데이터가 아니라 “어려운 문제와 검증 가능한 답”이다. 방송 중 박종현 호스트가 수학 문제를 예로 들며, 어려운 수학 문제와 답을 많이 갖고 있으면 모델을 그 문제를 풀도록 RL로 훈련할 수 있다고 정리하자, 강연자는 바로 그것이 프론티어 랩들이 하고 있는 일이라고 답한다. 모델의 일반 지능을 추상적으로 믿는 것이 아니라, 특정 영역에서 좋은 연습문제를 엄청나게 많이 만들고, 답을 검증하며, 학습 루프를 깊게 돌리는 경쟁이 벌어지고 있다는 해석이다.
RLVR, 테스트 타임 컴퓨트, 그리고 “지능”의 새로운 측정법
이번 에피소드에서 흥미로운 지점은 강연자가 RLVR의 성과를 인정하면서도, 그것이 곧바로 AGI의 완성을 의미하는지는 조심스럽게 다룬다는 점이다. RLVR은 검증 가능한 답이 있는 영역에서 강력하다. 코딩, 법률, 금융 일부, 수학 문제처럼 답을 평가할 수 있는 분야에서는 모델이 반복적으로 시도하고 보상을 받으면서 빠르게 개선될 수 있다. 그러나 로보틱스나 실험 과학처럼 물리 세계의 검증이 필요한 영역에서는 같은 방식이 곧장 적용되기 어렵다.
강연자는 또한 Noam Brown이 최근 강조한 Test-time Compute(테스트 타임 컴퓨트) 관점도 언급한다. 기존 벤치마크는 모델이 몇 점을 올렸는지에 집중했지만, 이제는 같은 성능에 도달하기 위해 얼마나 적은 인퍼런스 토큰과 계산량을 쓰는지가 중요해진다는 것이다. 같은 문제를 더 짧은 추론으로 풀 수 있다면, 그것 역시 더 높은 지능 또는 더 높은 효율의 신호로 볼 수 있다.
이 관점은 AI 사업에도 큰 영향을 준다. 모델이 단순히 더 똑똑해지는 것뿐 아니라, 같은 지능을 훨씬 싸고 빠르게 제공할 수 있게 되면 애플리케이션의 경제성이 완전히 달라진다. 강연자는 단위 연산당 효율, 인퍼런스 최적화, 체크포인트를 되돌리며 벤치마크 성능이 좋은 지점을 찾는 지저분하지만 강력한 엔지니어링 루프가 실제로 프론티어 랩 안에서 돌아가고 있다고 전한다. AI의 진보가 논문 속 알고리즘 하나가 아니라, 컴퓨트와 데이터와 엔지니어링의 총합으로 이루어지고 있다는 점을 보여주는 대목이다.
AI 바이오: 전통 도메인 전문가와 소프트웨어 엔지니어의 충돌
강연자가 이번 출장에서 가장 큰 관심을 가진 분야는 AI와 바이오의 경계였다. 그는 전통적인 대형 제약회사, 연구소, 대학의 접근과 AI 소프트웨어 엔지니어들이 바이오를 바라보는 접근이 완전히 다르다고 말한다. 전통적인 바이오 연구자들은 문제마다 다른 파이프라인, 다른 데이터셋, 다른 실험 설계가 필요하다고 보는 경향이 강하다. 반면 AI 쪽에서 들어온 팀들은 대규모 데이터를 모으고, Transformer 기반 Foundation Model(파운데이션 모델)을 학습시킨 뒤, 평가 설계를 통해 특정 문제를 풀어내려 한다.
강연자는 이 차이를 2015년에서 2017년 사이 딥러닝 애플리케이션이 Transformer와 대규모 언어모델로 넘어가던 시기와 비교한다. 당시에는 문제마다 Convolutional Neural Network(CNN) 구조를 다르게 설계하는 방식이 일반적이었지만, 이후에는 대규모 데이터를 먹인 범용 모델이 다양한 특수 문제를 풀 수 있다는 파운데이션 접근이 주류가 되었다. 그는 바이오에서도 비슷한 전환이 시작되고 있다고 본다.
이 맥락에서 Jennifer Doudna 교수가 Bloomberg 인터뷰에서 AI 챗봇은 문서 요약은 할 수 있어도 인간이 하는 혁신은 못 한다는 취지로 말했다는 대목이 등장한다. 강연자는 이에 대해, Doudna 교수가 Nobel Prize를 받은 CRISPR-Cas9 도메인 안에서도 OpenCRISPR처럼 AI가 유사 기능을 하는 후보 단백질을 찾아낸 사례가 이미 있다고 반박한다. 이는 AI가 단지 요약 도구가 아니라, 인실리코(in silico) 탐색을 통해 실제 과학적 후보를 제안하는 단계에 들어섰다는 주장이다.
물론 이 주장은 강연자의 관찰과 해석에 기반한다. 전통 바이오 전문가들이 모두 AI를 이해하지 못한다는 식의 일반화는 조심해야 한다. 다만 강연자가 현장에서 받은 인상은 분명하다. 기존 도메인 전문가가 AI를 깊게 배워 전환하는 것보다, AI 소프트웨어 엔지니어가 도메인을 빠르게 학습하고 도구화하는 쪽이 더 빠를 수 있다는 것이다. 이 판단은 앞으로 AI 바이오 스타트업의 창업자 구성과 경쟁 구도를 이해하는 데 중요한 단서가 된다.
샌프란시스코 스타트업 생태계: 20대 초반 창업자의 시간 감각
에피소드 제목의 핵심 표현인 “사람들이 다 미쳤어요”는 스타트업 파트에서 본격적으로 나온다. 강연자는 샌프란시스코에서 만난 창업자들의 나이가 매우 어리다고 말한다. 20대 초반은 흔하고, 20대 후반이나 30대 초반만 되어도 상대적으로 늦은 축으로 느껴질 정도라는 것이다. 미국은 병역 의무가 없기 때문에 대학을 마치거나 중퇴한 뒤 인턴 경험을 조금 쌓고 Y Combinator에 들어가면 스물두세 살 창업자가 자연스럽게 등장한다.
그가 특히 인상 깊게 본 것은 젊은 AI 네이티브 세대가 대학의 효용을 매우 냉정하게 평가한다는 점이다. 이들에게 대학은 반드시 지식의 중심이라기보다, 디플로마를 얻는 장소이거나 합법적으로 그만두기 위한 경유지처럼 취급되기도 한다. 좋은 AI 회사에서 경력을 쌓는 것이 학부 졸업장과 동등하거나 더 낫다고 느끼는 사람들이 늘고 있다는 설명이다.
이 지점에서 강연자는 “시간의 상대성”을 말한다. 20대 초반 창업자들이 느끼는 시간의 속도와 40대, 50대가 느끼는 시간의 속도는 다르다. 그들은 더 빠르게 피벗하고, 더 빠르게 제품을 내고, 더 빠르게 투자자를 만나며, 더 빠르게 실패해도 다시 시작한다. 샌프란시스코의 공기는 바로 이 시간 감각의 차이에서 나온다.
밸류에이션의 충격: ARR 30억~40억 원과 4천억 원 기업가치
강연자가 현장에서 받은 또 하나의 충격은 밸류에이션이다. 그는 ARR 기준으로 한국 돈 30억~40억 원 정도에 도달한 회사가 약 300 million dollar, 즉 한화 약 4천억 원 수준의 밸류에이션을 받는 사례를 언급한다. 한국 기준으로 보면 단순히 두세 배 높은 수준이 아니라, 뒤에 0이 하나 더 붙는 느낌이라고 표현한다.
이 높은 밸류에이션은 두 종류의 창업자에게서 특히 두드러진다. 하나는 새로운 모델, 월드 모델, Transformer 이후의 구조 같은 큰 기술적 비전을 들고나오는 천재형 창업자들이다. 이들은 DeepMind 같은 곳에서 이미 일한 경험이 있거나, 유명 대학과 연구실 경력을 갖고 있으며, 유명 투자사들이 투자하기 위해 줄을 서는 경우가 있다. 강연자는 이런 회사들이 시작부터 네오 랩 수준의 밸류에이션을 받는 분위기가 있다고 말한다.
다른 하나는 Meta, Anthropic, ByteDance 같은 빅테크나 프론티어 랩 출신 고연봉 엔지니어들이 창업한 AI 에이전트 회사들이다. 강연자에 따르면 이들은 “우리 셋이 받던 총보상만 해도 수백억 원인데, 회사 밸류에이션 1천억 원이 말이 안 되느냐”는 식의 논리를 갖고 있고, 일부 투자자들은 이를 받아들인다. 물론 여기에는 거품 가능성과 리스크가 존재한다. 그러나 샌프란시스코 현장의 합의는 적어도 지금은 이런 수준의 딜이 실제로 일어나고 있다는 쪽에 가깝다.
| 강연에서 언급된 항목 | 음성상 언급된 규모 | 해석 |
|---|---|---|
| 초기 AI 스타트업 ARR | 한화 약 30억~40억 원 환산 | 실제 연매출이 아니라 ARR 기준으로 언급됨 |
| 해당 기업 밸류에이션 | 약 300 million dollar, 한화 약 4천억 원 | 한국 대비 매우 높은 초기 밸류에이션 |
| 일반 스타트업 괜찮은 엔지니어 연봉 | 약 200K~300K dollar | 샌프란시스코 물가와 세금을 고려해야 함 |
| 프론티어 랩·상위 AI 회사 총보상 | 약 5 million dollar 사례 언급 | 상당 부분은 스톡옵션·스톡그랜트로 구성 |
이 표의 숫자는 모두 강연자가 음성으로 언급한 범위에 한정한 것이다. 특히 총보상은 현금 연봉 전체를 뜻하지 않고, 높은 밸류에이션을 전제로 한 주식성 보상이 섞여 있다는 점을 강연자도 명확히 설명한다. 따라서 이 수치를 한국의 현금 연봉과 단순 비교하는 것은 부정확하다.
벤처캐피탈의 시선: 애플리케이션보다 데이터센터, 칩, 오케스트레이션
강연자는 벤처캐피탈리스트들과의 만남에서 흥미로운 차이를 느꼈다고 한다. AI 에이전트나 B2B SaaS형 애플리케이션 스타트업은 많지만, VC들의 가장 뜨거운 관심은 의외로 애플리케이션보다 데이터센터, 전력, 송전, 냉각, 칩, 그리고 트레이닝·인퍼런스 오케스트레이션 소프트웨어에 집중되어 있었다. 이는 AI 경쟁의 병목이 모델 위의 앱이 아니라, 모델이 돌아가기 직전까지의 물리적·시스템적 기반에 있다는 인식과 연결된다.
이 대목에서 한국의 의미가 커진다. 강연자는 미국 투자자들이 한국의 칩 생태계에 상당한 관심을 보였다고 말한다. 삼성전자와 SK하이닉스가 있고, 그 출신 인재들이 창업한 칩 회사가 있는지, 괜찮은 스타트업이 있는지 묻는 질문이 많았다는 것이다. AI 데이터센터의 병목이 GPU, 메모리, 전력, 냉각, 오케스트레이션으로 이어지는 상황에서 한국은 단순한 지역 시장이 아니라 글로벌 AI 인프라 체인의 중요한 후보지가 될 수 있다.
중요한 것은 이 시장이 이미 끝난 시장으로 보이지 않는다는 점이다. 강연자는 NVIDIA, 삼성전자, SK하이닉스가 이미 다 가져간 시장 아니냐는 인식과 달리, 현장에서는 오히려 이제 시작이라고 보는 관점이 지배적이었다고 전한다. AI 수요가 계속 커지는 한, 칩과 데이터센터, 인프라 소프트웨어에는 여전히 새 회사가 들어갈 여지가 있다는 것이다.
ICML 서울과 글로벌 네트워크의 현실
에피소드 후반부에서는 2026년 7월 4일부터 서울 코엑스에서 열리는 ICML 관련 행사들도 언급된다. 강연자에 따르면 ICML은 머신러닝 분야의 큰 학회이기 때문에 프론티어 랩 연구자, 스타트업, 벤처캐피탈 관계자들이 서울에 많이 모이며, 그 기간 동안 다양한 파티와 밋업이 열린다. 일부 행사는 초대 기반이지만, 일부는 비교적 자유롭게 등록할 수 있으므로 관심 있는 사람들은 Luma에서 ICML Seoul을 검색해보라고 권한다.
💡 [영상 참조] 강연자는 이 시점에서 7월 4일 사이오닉 InstructKR 행사와 7월 5일 해시드 행사 등 ICML 서울 기간의 이벤트 정보를 화면에 보여주며 설명합니다.
📺 원본 영상에서 확인하세요.
이 조언은 단순한 행사 홍보가 아니라 글로벌 네트워크의 작동 방식에 대한 관찰로 이어진다. 많은 행사가 LinkedIn, Twitter/X 핸들, 소셜 활동 기록을 요구하고, 온라인상 기록이 부족하면 초대 자체를 받기 어려운 경우가 있다는 것이다. 강연자는 평소에 글로벌하게 보이는 소셜 프로필을 관리하는 것이 실제 네트워크 접근성과 연결된다고 말한다. AI 시대의 기회는 실력만이 아니라, 그 실력이 외부에서 발견될 수 있는 표면을 갖추는 문제와도 맞닿아 있다.
AI Frontier의 개편: 한국을 글로벌로 연결하는 채널
이번 에피소드의 마지막 축은 AI Frontier 자체의 개편 방향이다. 강연자는 앞으로 메인 에피소드에 박종현 호스트가 합류하고, 기존처럼 주간 메인 에피소드를 유지하되 더 가볍고 빠른 서브 채널을 많이 만들겠다고 말한다. 이는 단순히 콘텐츠 포맷을 바꾸겠다는 선언이 아니라, 샌프란시스코에서 느낀 시장 속도에 맞추기 위한 대응으로 보인다.
가장 중요한 계획은 한국 스타트업을 글로벌에 소개하는 Monthly AI Demo Day다. 강연자는 한국에서 AI 네이티브 소비자 서비스의 씨앗이 가장 먼저 보일 수 있다고 본다. 하지만 한국 안에서만 경쟁하면 좋은 서비스가 빠르게 복제되고, 내부 경쟁으로 시간을 잃은 사이 미국에서 유사한 회사가 더 크게 성공하는 사례가 반복될 수 있다고 우려한다. 그래서 한국의 좋은 기술과 제품을 영어로, 글로벌 투자자와 창업자에게 바로 소개하는 데모데이를 만들겠다는 것이다.
이 구상은 내년 AI Engineer Summit 또는 AI Engineer Conference 서울 에디션의 마중물로도 연결된다. 강연자는 한국의 가장 한국적인 강점이 글로벌하게 통할 수 있다고 본다. 칩, 인프라, AI 네이티브 소비자 서비스, 그리고 빠르게 제품을 만드는 한국 창업자들이 샌프란시스코의 자본과 네트워크에 연결될 수 있다면, 한국 AI 생태계는 단순한 추격자가 아니라 독자적인 출발점을 가질 수 있다는 메시지다.
마무리 / 핵심 정리
이번 에피소드의 핵심은 샌프란시스코 AI 생태계가 단순히 활발한 정도가 아니라, 시간 감각 자체가 다르게 움직이고 있다는 관찰이다. 프론티어 랩은 검증 가능한 디지털 도메인을 빠르게 흡수하고 있고, 그 주변에서는 포스트 트레이닝 데이터, 테스트 타임 컴퓨트, 인프라 최적화, 칩과 데이터센터 투자 경쟁이 동시에 벌어지고 있다. 반면 바이오, 로보틱스, 물리 세계 기반 도메인에는 아직 프론티어 랩이 완전히 흡수하지 못한 기회가 남아 있다.
샌프란시스코의 젊은 창업자들은 대학, 커리어, 창업, 투자 유치의 순서를 기존 방식대로 밟지 않는다. 이들은 빠르게 만들고, 빠르게 피벗하고, 빠르게 투자받으며, 높은 밸류에이션을 당연한 출발점으로 삼는다. 이 모습은 한국 기준으로는 과열이나 거품처럼 보일 수 있지만, 강연자는 그 안에 실제 자본 흐름과 인재 밀도, 그리고 대기업의 acqui-hire 수요가 결합된 나름의 합리성이 있다고 해석한다.
한국에게 남는 질문은 명확하다. 이 흐름을 멀리서 관찰만 할 것인가, 아니면 칩, 인프라, AI 네이티브 서비스, 바이오, 글로벌 데모데이 같은 구체적 접점을 통해 연결될 것인가. 강연자의 결론은 후자에 가깝다. 한국 안에도 뛰어난 AI 네이티브 인재와 스타트업이 많지만, 그들이 글로벌 자본과 시장에 더 빨리 노출되지 않으면 타이밍을 잃을 수 있다. AI Frontier의 개편은 바로 그 연결 통로를 만들기 위한 시도라고 볼 수 있다.
📚 출처 및 참고
| 구분 | 내용 |
|---|---|
| 원본 영상 | EP 102. 샌프란시스코의 교훈: “사람들이 다 미쳤어요” |
| 채널 | AI Frontier Korea (노정석) |
| 리포트 작성 | 2026-07-06 |
| 작성 방식 | YouTube 영상 STT 변환 후 에디팅 |
💬 본 리포트는 영상 내용을 바탕으로 재구성되었습니다. 정확한 내용은 원본 영상을 참조해 주세요.