AGI에서 ASI로 — 구글 딥마인드가 그린 AI의 미래 지도 | 리타의 경제지표 Time
🔑 이 글의 핵심 3줄
구글 딥마인드의 공식 연구팀이 처음으로 "AGI 이후"를 학술적으로 정리했습니다.
결론은 단순합니다 — AI가 초지능(ASI)이 되는 길은 4가지고, 그 모든 길의 연료는 컴퓨팅 파워입니다.
그래서 구글, 머스크, 아마존이 지금 이 순간에도 반도체와 데이터센터에 미친 듯이 투자하고 있는 겁니다.
논문은 AI 지능을 연속적인 스펙트럼으로 봅니다. 그 스펙트럼 위에 세 개의 이정표가 있어요.
AGI
범용 인공지능
대부분의 인지 작업에서 "평범한 인간 한 명" 수준. 현재 AI는 특정 분야(체스·단백질 구조)에선 초인적이지만, 아직 AGI라고 보기는 어렵습니다.
ASI
초지능
수만 명의 전문가 집단이 10년간 매달려도 못 낼 결과를, 모든 영역에서 능가하는 시스템. 단순히 "바둑을 잘 두는 AI"는 ASI가 아닙니다.
UAI
궁극의 AI (이론적 한계)
수학적으로 이미 정의된 AI의 절대적 상한선. 이론상 최고지만 실제로 구현 불가능합니다. ASI는 이것에 점점 가까워지는 과정입니다.
💡 쉽게 이해하기: AGI는 "인간 한 명", ASI는 "삼성전자 전체 연구소", UAI는 "이론상 완벽한 신"에 비유할 수 있어요. 지금 AI는 AGI를 향해 달리고 있고, 그 너머엔 ASI가 있습니다.
논문의 공동저자 Shane Legg(딥마인드 공동창업자)와 Marcus Hutter가 바로 이 지능 측정 방법론(Legg-Hutter Score)을 만든 사람들입니다. 자기가 만든 자를 가지고 AI를 재고 있는 셈이죠.
논문 원문에서 발견한 가장 중요한 숫자들을 꺼내봤어요.
⚡ 1.5 × 2.5 × 3 = 11.25배 → 반올림해서 매년 약 10배
이게 보수적 추정치입니다. 실제로는 더 빠를 수 있다고 논문은 말합니다.
2030년이면 오늘 대비 컴퓨팅 파워가 약 10,000배 커지는 셈입니다.
논문의 사고실험: AGI가 처음 나왔을 때 전 세계에서 1,000개만 돌릴 수 있다고 해도,
연 10배 성장이면 1년 후 1만 개 → 5년 후 1억 개.
1억 개의 인간 수준 AI가 동시에 작동한다면… 이미 ASI의 효과 아닐까요?
💡 투자자 관점: 이 숫자가 바로 AI 반도체, 전력 인프라, 냉각·데이터센터 산업에 대한 구조적 수요 논리가 성립하는 이유입니다. 단기 변동성과 무관하게, 컴퓨팅 수요의 방향 자체는 논문이 확인해줍니다.
AGI에서 ASI로 가는 길이 딱 하나라면 얼마나 좋겠어요. 논문은 4가지 경로가 있고, 이것들이 동시에 진행될 수 있다고 말합니다. 마치 4개의 엔진이 동시에 붙어있는 것처럼요.
01
그냥 더 크게 만든다 — 스케일링 현재진행형
가장 단순한 방법입니다. 데이터 더 많이, GPU 더 많이, 모델 더 크게. 지금 빅테크가 하고 있는 게 바로 이겁니다. 핵심 아이디어는 이거예요: 설령 AI 한 개의 능력이 멈춰도, 그걸 수억 개 복제해서 동시에 돌리면 결과적으로 초지능의 효과가 납니다. 삼성전자 직원 한 명이 천재가 아니어도, 10만 명이 협력하면 엄청난 일을 해내는 것처럼요. 그래서 빅테크가 데이터센터를 미친 듯이 짓는 겁니다.
02
완전히 새로운 방법을 발명한다 — 패러다임 전환 예측 불가
지금 AI는 '트랜스포머'라는 구조를 씁니다. 그런데 이게 한계에 부딪히면 어떻게 될까요? 완전히 다른 방식이 등장할 수 있습니다. 과거에도 이런 일이 있었어요 — 2012년 딥러닝이 갑자기 등장해서 기존 AI를 압도했던 것처럼요. 언제, 어떤 형태로 올지는 아무도 모릅니다. 하지만 알고리즘 효율은 이미 매년 3~6배씩 좋아지고 있어요. 작은 개선들이 쌓이다가 어느 순간 터지는 방식입니다.
03
AI가 스스로 자기를 개선한다 — 재귀적 자기 개선 특이점
가장 무서운 경로입니다. AI가 AI 연구자를 도와서 더 나은 AI를 만들고 → 그 AI가 다시 자신을 더 개선하고 → 또 다시… 이 루프가 반복되면 이론적으로 성능이 무한대로 치솟는 "특이점"이 옵니다. 논문은 "지금 당장 이렇게 된다"고 보지는 않고 신중합니다. 하지만 가능성은 열어둬요. 실제로 지금의 "생각하는 AI(thinking model)"들이 이미 이 루프의 아주 초기 형태라고 볼 수 있습니다.
04
AI들이 팀을 이룬다 — 다중 에이전트 집단지능 가장 현실적
한 명의 천재 AI가 나타나는 게 아니라, 수많은 AI들이 분업하고 협력해서 함께 초지능을 이루는 방식입니다. 비유하자면, 한 명의 아인슈타인보다 10만 명의 박사들이 잘 조직되면 더 큰 일을 해내는 것처럼요. 개별 AI는 평범해도 됩니다. 중요한 건 협력 구조입니다. AI 직원 → AI 팀장 → AI 이사회로 이어지는 완전 자동화 조직을 상상해보세요. 논문은 이게 현실적으로 가장 빠른 경로일 수 있다고 봅니다.
✅ 핵심 포인트: 이 4가지는 "어느 하나가 이긴다"는 경쟁이 아닙니다. 지금 이 순간에도 ①번은 진행 중이고, ②번은 연구실에서, ③번은 조금씩 싹이 트고, ④번은 AI 에이전트 형태로 이미 상용화되고 있습니다. 4개의 엔진이 동시에 켜진 상태입니다.
논문은 "디지털 지능의 장점"을 별도 섹션으로 다루며, 이것이 컴퓨팅이 늘수록 더 강해진다고 강조합니다.
① 무손실 복제: 인간 최고 전문가를 길러내는 데 20년이 걸립니다. AGI는 그 모든 지식을 순식간에 복사할 수 있습니다. 100만 개의 인스턴스가 각자 독립적으로 동시에 작동합니다.
② 속도 조절 가능: AI는 빠르게 또는 느리게 돌릴 수 있고, 멈췄다가 재개할 수 있습니다. 생물학적 인간은 24시간 중 7~8시간 자야 합니다. AI는 24/365 풀가동 가능합니다.
③ 광대역 지식 공유: 인간은 말과 글로 지식을 공유합니다. AI는 파라미터 자체를 직접 공유하거나 동기화할 수 있습니다. 하나가 배우면 연결된 모든 AI가 즉시 공유할 수 있는 구조입니다.
④ 알고리즘 전체가 공개되어 있다: 인간의 뇌는 "코드"를 볼 수 없습니다. AI는 알고리즘 전체를 알 수 있기 때문에, 자신을 이해하고 개선하는 것이 원리적으로 가능합니다.
💡 요약: AI는 인간 개인보다 속도, 규모, 복제 가능성 모든 면에서 유리합니다. 그리고 이 모든 장점은 컴퓨팅이 늘수록 더 강해집니다.
논문이 직접 나열한 병목 요인들입니다. 유튜브보다 훨씬 구체적으로 분류되어 있어요.
| 병목 요인 |
스케일링 |
재귀적 개선 |
다중에이전트 |
| 📦 데이터 고갈 |
높음 |
중간 |
중간 |
| ⚡ 전력/에너지 부족 |
높음 |
높음 |
높음 |
| 🖥️ 반도체/하드웨어 |
높음 |
높음 |
높음 |
| 🏛️ 규제/사회적 반발 |
높음 |
높음 |
높음 |
| 🔬 물리법칙 한계 |
절대적 |
절대적 |
절대적 |
🔴 ASI도 이것은 못 합니다 (논문 원문 명시):
노화 치료, 나노봇으로 물질 재구성, 뇌 업로드, 다이슨 구체 건설, 기후 복원 — 이것들은 지능이 아무리 높아도 물리적 세계에 대한 경험적 질문이라 보장이 없습니다. 논문이 직접 "ASI는 전지전능하지 않다"고 못 박았습니다.
현실에서 이미 확인되는 병목: 미국 내 데이터센터 건설 물량의 절반이 전력·부지 문제로 2026년 지연 위기에 처해 있습니다. HBM·SSD 수요에도 영향을 줄 수 있습니다.
논문의 결론이 현실에서 어떻게 벌어지고 있는지, 그리고 어떤 산업과 연결되는지 봅니다.
xAI Colossus: 현재 GPU 22만 개, 300MW 가동 중. 목표는 GPU 100만 개, 2기가와트. 이 한 곳이 25만 가구 전력을 씁니다.
Google 전략: 자사 TPU 칩을 독자 개발하면서 동시에 Anthropic에 400억 달러 + 5기가와트 TPU 용량 제공. "내가 못 이겨도 내 인프라 위에서 이기게 한다"는 포석.
컴퓨팅 레이어
AI 반도체·칩 설계
GPU · NPU · 맞춤형 AI칩
4가지 모든 경로의 공통 연료. 수요 방향 자체가 구조적
전력 레이어
전력 생산·송배전
원전 · 가스터빈 · 변압기
데이터센터 병목의 핵심. 전력 없이 컴퓨팅 없음
인프라 레이어
데이터센터·냉각
코로케이션 · 액침냉각 · 열관리
물리적 공간과 냉각은 대체 불가능한 희소자원
소프트웨어 레이어
에이전트 플랫폼·EDA
AI 오케스트레이션 · 반도체 설계 소프트웨어
다중 에이전트(경로4)가 확산될수록 핵심 인프라
🎯 산업 연결 포인트:
딥마인드 논문이 확인해준 것은 결국 하나입니다 — ASI로 가는 모든 경로에서 컴퓨팅 인프라는 대체 불가능한 병목(bottleneck)입니다. 병목 산업이든 독점 인프라 산업이든, AI 인프라 레이어에 위치한 산업들이 구조적으로 유리한 위치에 있다는 논리가 이 논문으로 학술적 근거를 얻은 셈입니다.
📌 리타의 결론 — 논문이 말하는 진짜 의미
구글 딥마인드의 이 논문은 AI 낙관론을 그냥 늘어놓은 게 아닙니다. "AGI 이후에 무슨 일이 벌어질지 학술적으로 처음 정리한 문서"입니다.
핵심 메시지는 이겁니다: ASI로 가는 경로가 어떤 것이든, 그 연료는 컴퓨팅 파워입니다. 그리고 그 컴퓨팅은 반도체, 전력, 데이터센터라는 물리적 인프라 위에 존재합니다.
빅테크가 지금 적자를 감수하면서도 인프라에 투자하는 이유는 단순한 경쟁심이 아닙니다. 초지능 시대의 플랫폼 자리를 선점하기 위한 것입니다. 철도 버블이 끝나도 철로는 남았듯이, AI 인프라 경쟁이 어떻게 끝나든 반도체와 전력 인프라는 남습니다.
논문 한 줄로 마무리하겠습니다:
"We can only see a short distance ahead, but we can see plenty there that needs to be done."
— 앨런 튜링, 1950
댓글
댓글 쓰기