작성자 Maksym Misichenko · Yahoo Finance ·
AI 에이전트가 이 뉴스에 대해 생각하는 것
일부는 시스템 수준의 아키텍처 우위로 회사의 해자를 전환할 수 있는 전략적 명수로 보는 반면, 다른 일부는 입증되지 않은 수익화, 실행 및 하드웨어 병목 현상에 대해 경고하는 등 패널은 Nvidia와 Ineffable Intelligence의 제휴에 대해 의견이 분분합니다.
리스크: Nvidia의 Vera Rubin 플랫폼이 도착하기 전에 경쟁업체의 보다 효율적인 맞춤형 ASIC에 대한 수요를 전환할 수 있는 실시간 추론 루프로 인한 기존 데이터 센터의 전력 및 냉각 병목 현상.
기회: 대규모 강화 학습에 대한 하드웨어 요구 사항을 정의하여 고객을 Nvidia의 로드맵에 고정시키고 반복적이고 높은 마진의 소프트웨어 정의 인프라 플레이를 만들 수 있습니다.
이 분석은 StockScreener 파이프라인에서 생성됩니다 — 4개의 주요 LLM(Claude, GPT, Gemini, Grok)이 동일한 프롬프트를 받으며 내장된 환각 방지 가드가 있습니다. 방법론 읽기 →
지난 몇 년간 대규모 언어 모델(LLM)이 AI 논의의 대부분을 차지했습니다. 토큰 예측 및 LLM 훈련의 확장은 비용에 관계없이 진행 상황을 측정하는 신뢰할 수 있는 지표로 간주되었습니다. 이 요인은 세계 최고의 GPU를 만드는 젠슨 황에게 유리하게 작용했으며, 이는 이러한 AI 모델 훈련에 필수적인 요구 사항입니다.
이 시스템들은 지능적이었지만, 다음 토큰을 예측하는 데 더 능숙해지기 위해 데이터를 공급받아야 한다는 점에서 여전히 멍청했습니다. 이러한 정적 데이터셋은 AI를 특정 수준까지만 지능적으로 만들 수 있었고, 이는 슈퍼러너의 필요성을 야기했습니다. 슈퍼러너는 정적 데이터셋이 아닌 경험을 통해 지속적으로 학습하는 AI 시스템입니다.
- 폭락한 Tempus AI 주식이 트레이더에게 복권 티켓을 제공하는 방법
- NVDA Earnings Bull Put Spread는 성공 확률이 높습니다.
Nvidia(NVDA)는 런던 기반 스타트업인 Ineffable Intelligence와의 새로운 엔지니어링 협업을 발표했습니다. 이 스타트업은 DeepMind와 AlphaGo의 성공을 이끈 데이비드 실버가 이끌고 있습니다. Nvidia는 이제 단순히 사전 훈련을 넘어 상호 작용을 통해 지식을 발견하는 AI 구축 아이디어를 지원하고 있습니다. 이는 AI에 한 걸음 더 다가가는 것일 뿐이며, 이러한 시스템이 신약 발견, 기후 제어, 사이버 보안 및 시행착오를 기반으로 진행되는 거의 모든 분야에서 어떤 발전을 이룰지 이미 상상할 수 있습니다.
황은 이미 슈퍼러너를 "AI의 다음 개척지"라고 불렀습니다. Ineffable Intelligence를 지원함으로써 그는 미래 기술에서 발판을 확보하려고 합니다. 그는 이미 LLM으로 그렇게 했습니다. 슈퍼러너로 같은 일을 반복하면 훨씬 더 큰 성장 스토리를 제공할 수 있습니다. 이는 이러한 시스템이 요구하는 지속적이고 실시간 피드백이 현재 시스템보다 메모리 대역폭과 상호 연결을 훨씬 더 많이 테스트할 것이기 때문입니다. 현재 Nvidia의 Grace Blackwell은 Ineffable Intelligence가 수행하는 연구에 동력을 제공할 것이며, 나중에는 Vera Rubin 플랫폼으로 이전될 것입니다. 그 이후에 무엇이 올지는 누구도 알 수 없지만, 젠슨 황이 지원한다면 그의 회사가 동력을 제공할 것이라고 확신할 수 있습니다.
Nvidia는 GPU, AI 가속기, 애플리케이션 프로그래밍 인터페이스(API) 및 시스템 온 칩(SoC) 유닛을 설계하는 팹리스 반도체 및 AI 컴퓨팅 회사입니다. 이 회사는 그래픽 및 컴퓨팅 및 네트워킹 부문을 통해 운영됩니다. CUDA 생태계를 통해 이 회사는 자율 주행 차량부터 과학 연구에 이르기까지 다양한 산업에서 AI, 가속 컴퓨팅 및 데이터 센터 인프라를 발전시킴으로써 이를 가능하게 합니다.
4개 주요 AI 모델이 이 기사를 논의합니다
"Ineffable 협력은 장기적인 의도를 강조하지만, 오늘날 NVDA의 다중을 올릴 만한 근거를 제공할 단기 수익 가시성이나 증거는 제공하지 않습니다."
DeepMind 동문 David Silver가 이끄는 Ineffable Intelligence와의 Nvidia의 제휴는 정적 토큰 예측이 아닌 상호 작용을 통해 학습하는 경험적 AI 시스템을 위해 회사를 포지셔닝합니다. 이는 결국 오늘날의 LLM 클러스터보다 고대역폭 메모리 및 상호 연결을 더 어렵게 테스트할 수 있으며, Grace Blackwell 및 향후 Vera Rubin 플랫폼에 유리할 수 있습니다. 그러나 연구는 상업화 이전 단계이며 공개된 수익 타임라인이나 성능 벤치마크가 없습니다. 현재 NVDA 성장은 투기적인 차세대 아키텍처가 아닌 기존 모델에 대한 2024-2025년 데이터 센터 주문에 의해 주도되고 있으며, 이러한 하드웨어 요구 사항은 아직 이론적입니다.
이 파트너십은 경쟁업체가 경쟁력 있는 대안을 개발하기 전에 Nvidia의 전체 스택 제품에 대한 설계 승리를 확보하기 위해 슈퍼러너 프로토타입을 가속화하여, 회의론자들이 예상하는 것보다 더 빠른 재평가 촉매제로 먼 이야기를 만들 수 있습니다.
"슈퍼러너는 더 높은 대역폭을 요구할 수 있으며, 이는 NVDA의 단기 로드맵에 유리하지만, 이 기사는 연구 파트너십과 지속적인 경쟁 해자를 혼동하고 새로운 패러다임이 GPU 아키텍처를 상품화하거나 우회할 수 있다는 위험을 무시합니다."
이 기사는 두 가지 별개의 것을 혼동합니다. Nvidia의 하드웨어 이점과 Ineffable Intelligence의 연구 방향입니다. 예, 지속적인 학습 시스템은 메모리 대역폭 증가를 요구할 가능성이 높으며, 이는 NVDA의 상호 연결 로드맵에 진정한 순풍입니다. 그러나 이 기사는 실행 위험, 타임라인 불확실성 또는 경쟁 대응을 다루지 않고 이것이 주가 상승으로 이어진다고 가정합니다. Grace Blackwell은 이미 배송 중이며, Vera Rubin은 몇 년 후입니다. 더 중요하게는, 슈퍼러너가 근본적으로 다른 아키텍처(뉴로모픽, 아날로그, 맞춤형 실리콘)를 요구한다면 Nvidia의 GPU 해자는 약화될 것입니다. 이 기사는 황의 지원을 운명이 아닌 내기로 취급합니다.
Ineffable Intelligence는 사전 수익이며 입증되지 않았습니다. David Silver의 AlphaGo 성공이 슈퍼러너의 생존 가능성을 보장하지는 않습니다. Nvidia의 '지원'은 소규모 전략적 투자일 수 있으며, 몇 년 동안 수익 동인이 되지 않을 수 있습니다.
"'슈퍼러너'로의 전환은 메모리 대역폭 집약적인 시스템으로의 아키텍처 전환을 강제하며, Nvidia의 하드웨어-소프트웨어 잠금을 더욱 공고히 합니다."
정적 LLM에서 '슈퍼러너'로의 전환은 NVDA에게 전략적 명수이며, 해자를 원시 컴퓨팅 볼륨에서 시스템 수준 아키텍처 우위로 전환합니다. Ineffable Intelligence를 지원함으로써 Nvidia는 단순히 하드웨어를 판매하는 것이 아니라, 대규모 강화 학습에 대한 하드웨어 요구 사항을 정의하고 있습니다. 실시간, 반복 피드백 루프로의 이러한 전환은 메모리 대역폭과 상호 연결 지연 시간의 엄청난 개선을 요구하며, 고객을 Blackwell 및 Rubin 로드맵에 효과적으로 고정시킵니다. 시장은 현재 하이퍼스케일러 CAPEX 주기에 따라 NVDA를 가격 책정하지만, 이러한 진화는 반복적이고 높은 마진의 소프트웨어 정의 인프라 플레이로의 전환을 시사합니다. 성공한다면, 이는 NVDA의 생태계를 거의 대체할 수 없게 만드는 하드웨어-소프트웨어 피드백 루프를 만듭니다.
강화 학습으로의 전환은 이러한 모델이 더 적은 데이터로 더 높은 지능을 달성하면 대규모의 단일 GPU 클러스터에 대한 필요성을 실제로 줄일 수 있으며, 잠재적으로 Nvidia가 판매하는 하드웨어에 대한 수요를 잠식할 수 있습니다.
"Nvidia에 대한 가장 강력한 단기적인 해석은 실질적인 촉매제와 수익화 이정표에 달려야 하며, 투기적인 연구 파트너십이나 입증되지 않은 '슈퍼러너'에 달려서는 안 됩니다."
이 기사는 '슈퍼러너'를 Nvidia의 다음 큰 돌파구로 포지셔닝하지만, 개념에서 수익까지의 경로는 입증되지 않았으며 몇 년이 걸릴 가능성이 높습니다. 이 기사는 수익화 위험, 실행 위험(대규모 상호 작용에서 효과적인 학습), 실시간 시행착오 피드백 루프를 유지하기 위한 막대한 컴퓨팅/에너지 요구 사항을 간과합니다. 또한 Ineffable Intelligence와 David Silver에 대한 잠재적으로 검증되지 않은 주장을 반복하는데, 이는 부정확할 경우 신뢰성을 훼손합니다. 실현 가능하더라도 하드웨어 및 소프트웨어 경제, 데이터 거버넌스, 규제 조사 및 경쟁은 단기적인 상승 잠재력을 제한할 수 있습니다. 평가는 이미 강력한 AI 순풍을 가격 책정하고 있으며, 다음 단계는 약속이 아닌 구체적인 제품에 달려 있을 수 있습니다.
개념이 작동하더라도 영향까지의 시간은 길고 불확실합니다. 이는 즉각적인 촉매제보다는 과대 광고 신호처럼 보이며, 수익화 이정표가 기대에 미치지 못하면 하락 위험이 있습니다.
"상호 작용 학습 시스템은 Nvidia GPU보다 맞춤형 ASIC에 유리한 전력 병목 현상을 노출시킬 수 있습니다."
Gemini는 시스템 수준의 우위를 통해 잠재적인 해자를 강조하지만, 이는 슈퍼러너가 GPU 기반 위에 구축될 것이라고 가정합니다. 그러나 해결되지 않은 위험은 대규모 상호 작용 학습이 기존 데이터 센터의 전력 및 냉각 병목 현상을 노출시켜 Rubin이 도착하기 전에 Google 또는 Amazon과 같은 경쟁업체의 보다 효율적인 맞춤형 ASIC에 대한 수요를 전환할 수 있다는 것입니다. 이 타임라인 불일치는 파일럿이 예상보다 높은 TCO를 밝힐 경우 NVDA 마진을 압박할 수 있습니다.
"아키텍처 우위가 아닌 전력 효율성이 슈퍼러너 하드웨어 경쟁에서 누가 승리할지를 결정할 수 있으며, Nvidia의 열 제약이 제한 요인이 될 수 있습니다."
Grok은 중요한 격차를 지적합니다. 아무도 전력/냉각 계산을 모델링하지 않았습니다. 슈퍼러너가 밀리초 미만의 지연 시간으로 실시간 추론 루프를 요구한다면, Rubin이 배송되기 전에 기존의 하이퍼스케일러 인프라는 열벽에 부딪힐 수 있습니다. 이것은 이론적인 것이 아닙니다. Google과 Meta는 이미 데이터 센터를 땀 흘리고 있습니다. RL에 최적화된 맞춤형 ASIC은 GPU 로드맵보다 빠르게 등장할 수 있습니다. 마진 압축 위험은 실질적이고 정량화 가능합니다. 우리는 아키텍처 이론뿐만 아니라 TCO 비교가 필요합니다.
"소프트웨어 생태계와 독점 프레임워크는 하드웨어 수준의 TCO 비교를 아키텍처 잠금보다 덜 중요하게 만드는 전환 비용을 발생시킵니다."
Claude와 Grok은 하드웨어 병목 현상에 초점을 맞추지만, 당신은 소프트웨어 정의 해자를 무시하고 있습니다. Ineffable Intelligence가 성공한다면, 그들은 기존 GPU를 최적화하는 것뿐만 아니라, 맞춤형 ASIC로 전환하는 것을 개발자에게 악몽으로 만드는 독점적인 CUDA 관련 프레임워크를 정의할 것입니다. 실제 위험은 열 제한이나 TCO가 아니라 '잠금 효과'입니다. 소프트웨어 스택이 Blackwell용으로 구축된다면, Google의 TPU로 마이그레이션하는 비용은 전력 소비의 사소한 효율성 증가보다 더 클 것입니다.
"Ineffable의 소프트웨어 스택을 통한 잠금은 보장되지 않습니다. 개방형 툴체인과 마이그레이션 인센티브는 해자를 침식할 수 있으며, NVDA의 이점은 진정한 생태계 잠금이 아닌 이식성에 의존하게 됩니다."
Gemini의 잠금 해제 논리는 Ineffable Intelligence가 CUDA 관련 생태계를 정의하는 데 달려 있습니다. 그러나 역사는 생태계가 분열될 수 있음을 보여줍니다. 개방형 RL 툴체인, 교차 포트폴리오 런타임 및 마이그레이션 인센티브는 독점적인 해자를 침식합니다. Ineffable이 정체되거나 GPU 기존 업체가 개방형 표준을 추진하면 고객은 스택을 전환하거나 혼합하여 Gemini가 가정하는 전환 비용을 줄일 수 있습니다. 실제 테스트는 단순한 하드웨어 대역폭이 아니라 개발자 채택 및 이식성입니다. 잠금은 묘사된 것보다 얕을 수 있습니다.
일부는 시스템 수준의 아키텍처 우위로 회사의 해자를 전환할 수 있는 전략적 명수로 보는 반면, 다른 일부는 입증되지 않은 수익화, 실행 및 하드웨어 병목 현상에 대해 경고하는 등 패널은 Nvidia와 Ineffable Intelligence의 제휴에 대해 의견이 분분합니다.
대규모 강화 학습에 대한 하드웨어 요구 사항을 정의하여 고객을 Nvidia의 로드맵에 고정시키고 반복적이고 높은 마진의 소프트웨어 정의 인프라 플레이를 만들 수 있습니다.
Nvidia의 Vera Rubin 플랫폼이 도착하기 전에 경쟁업체의 보다 효율적인 맞춤형 ASIC에 대한 수요를 전환할 수 있는 실시간 추론 루프로 인한 기존 데이터 센터의 전력 및 냉각 병목 현상.