“1조 매개변수 모델, 뇌 수준 20W 구동 가능”…리처드 서튼의 반격

(aitimes.com)

AI타임스2026년 9월 7일AI 모델

강화학습의 대가 리처드 서튼이 1조 매개변수 모델을 뇌 수준의 20W 전력으로 구동하는 '연속 학습' 기반의 새로운 AI 패러다임을 제시하며, 기존 LLM 중심의 고비용 구조를 혁신할 옥 랩(Oak Lab) 창립을 예고했습니다.

이 글의 핵심 포인트

1리처드 서튼 교수가 AI 스타트업 '옥 랩(Oak Lab)' 창립을 발표함
2기존 LLM 중심의 AI 패당 패러다임에 대한 비판적 시각을 제시함
31조 매개변수 모델을 20W 수준의 전력으로 구동하는 것을 목표로 함
4'연속 학습(Continual Learning)' 기반의 초고효율 AI 시대를 예고함
5인간의 뇌 수준의 에너지 효율성을 AI 구현의 핵심 지표로 제시함

이 글에 대한 공공지능 분석

왜 중요한가?

기존 LLM의 막대한 컴퓨팅 비용과 에너지 소모 문제를 해결할 근본적인 기술적 전환점을 제시하기 때문입니다. 이는 AI의 지속 가능성과 대중화 가능성을 결정짓는 핵심 요소입니다.

어떤 배경과 맥락이 있나?

현재 AI 산업은 거대 모델과 대규모 GPU 클러스터에 의존하는 '스케일링 법칙'에 집중하고 있으나, 이는 막대한 전력과 비용 문제를 야기하고 있습니다. 서튼은 이를 극복하기 위해 뇌의 효율성을 모방한 새로운 학습 방식을 제안합니다.

업계에 어떤 영향을 주나?

모델의 크기보다 '학습 효율성'과 '지속성'이 경쟁력의 척도가 될 것이며, 이는 하드웨어 의존도를 낮추고 엣지 디바이스(Edge Device) 중심의 AI 생태계 변화를 촉진할 수 있습니다.

한국 시장에 어떤 시사점이 있나?

고가의 GPU 인프라 확보가 어려운 한국 스타트업들에게는 대규모 모델 경쟁 대신, 효율적인 알고리즘과 특정 도메인에 특화된 연속 학습 기술이 새로운 돌파구가 될 수 있습니다.

이 글에 대한 큐레이터 의견

리처드 서튼의 이번 선언은 단순히 새로운 스타트업의 등장을 넘어, AI 패러다임이 '규모의 경제'에서 '효율의 경제'로 이동할 수 있음을 시사합니다. 만약 옥 랩의 기술이 실현된다면, 현재 GPU 인프라를 선점하기 위해 막대한 자본을 투입 중인 빅테크 기업들의 전략적 우위가 흔들릴 수 있는 파괴적 혁신이 될 것입니다.

하지만 '연속 학습'이 직면한 '치명적 망각(Catastrophic Forgetting)' 문제를 어떻게 해결할지가 관건입니다. 새로운 정보를 학습하면서 기존 지식을 잃지 않으면서도 20W라는 극단적인 저전력을 유지하는 것은 이론과 실제 사이의 거대한 간극이 존재합니다. 따라서 창업자들은 이 기술의 실현 가능성을 냉철하게 주시하되, 당장의 LLM 인프라 경쟁에 매몰되기보다 효율적인 모델 최적화 및 온디바이스 AI 기술에 대한 대비를 병행해야 합니다.

원문 보기 →