Chat GPT! 수학난제 해결? 글쎄.

 이번 나비에-스토크스 소식을 보고 흥분한 사람들이 많은데, 팩트부터 정리하고 가는 게 맞다. "GPT-6 Astra가 풀었다"는 표현은 정확하지 않다. 실제로 문제를 탐색하고 답을 만든 건 공개되지 않은 차세대 내부 모델이고, 약 1만 개 에이전트가 88시간 동안 병렬로 붙었다. Astra는 그 뒤 17시간 동안 Lean으로 형식화하고 검증하는 역할만 맡았다.

반응형

 그리고 "91억원 들었다"는 숫자도 OpenAI가 공식 발표한 원가가 아니다. 공개된 토큰 사용량(약 1300억 output token)을 Astra의 공개 단가에 대입해서 뽑은 외부 추정치일 뿐이다. 실제로 문제를 푼 모델은 비공개라 GPU 종류, 가동률, 전력비 같은 진짜 원가 요소는 아무도 모른다. 여기에 Clay Mathematics Institute의 공식 인정까지는 발표 후 최소 2년, 수학계의 검증이 남아 있어서 "밀레니엄 난제 공식 해결"이라 단정하는 것도 이르다.

 

 이번 이슈는 모델 하나의 IQ가 올라간 게 아니라, AI를 1만 개 복제해서 연구조직처럼 돌린 거다. 탐색하고, 실패하고, 아이디어 공유하고, 통합하고, 검증하는 이 전체 사이클이 결국 inference 물량으로 귀결된다. 이게 데이터센터 쪽 숫자와 바로 연결된다. 에이전트가 늘어나면 GPU 가동시간이 늘고, 그러면 전력 소모와 냉각 부하가 같이 올라간다. UPS, 변압기, 배전반 쪽 수요가 여기서 갈린다.

 

 다만 여기서 함정도 하나 있다. 모델이 똑똑해질수록 같은 문제를 푸는 데 필요한 컴퓨팅량이 오히려 줄어들 수도 있다. 지금은 1만 개 에이전트에 88시간이 필요하지만 몇 년 뒤엔 훨씬 적은 자원으로 같은 결과를 낼 수도 있다는 뜻이다. 그래서 "AI 발전 = GPU 수요 무한 증가"로 단순화하면 안 된다. 진짜 봐야 할 건 capability가 아니라 utilization이다. AI가 아무리 좋아져도 기업들이 실제로 연구개발, 개발, 법률, 금융 업무에 대규모로 투입하지 않으면 전력 수요로 안 이어진다. 이번 이벤트는 그 방향성이 현실화되고 있다는 신호로 보인다.