800억 위안. 한 AI 회사가 이번에 모으려는 돈이에요. 처음 목표보다 훨씬 많아요. 안녕하세요, AI 데일리 브리핑, 쉬운 한국어판이에요. 오늘은 10월 6일 화요일이에요. 오늘 주제는 돈, 오픈 모델, 보안 구멍, 그리고 전기예요. 중국의 딥시크가 아주 큰 투자를 받을 것 같아요. 리플렉션이라는 회사는 누구나 내려받을 수 있는 큰 AI 모델을 발표했어요. AI 에이전트끼리 일을 넘길 때 생기는 보안 문제도 볼게요. 마지막은 일본의 데이터센터 계획이에요. 딥시크부터 시작할게요.
더 스트레이츠 타임스 보도입니다:
딥시크가 최근 자금 조달에서 최소 800억 위안, 즉 싱가포르 달러 150억 달러를 확보하는 데 가까워졌습니다. 2027년 초 예정된 중요한 기업공개를 앞두고 자체 자금 조달 목표를 크게 넘어선 것입니다.
딥시크는 중국의 AI 회사예요. 여기서 150억은 싱가포르 달러예요. 미국 달러가 아니에요. 기업공개는 회사 주식을 처음으로 시장에서 파는 일이에요. 영어로는 IPO라고 해요. 딥시크는 2027년 초에 기업공개를 할 계획이래요. 이 내용은 회사 발표가 아니에요. 이름을 밝히지 않은 관계자들의 말이에요. 그들에 따르면 딥시크는 처음에 약 500억 위안을 원했어요. 그런데 투자하고 싶은 회사가 기대보다 많았대요. 최종 금액은 1,000억 위안에 가까워질 수도 있다고 해요. 텐센트와 배터리 회사 CATL이 가장 큰 금액을 약속한 회사들 안에 있대요. 텐센트는 위챗을 운영하는 회사예요. 이번 투자는 곧 마무리될 예정이래요. 왜 이렇게 인기가 많을까요? 최근에 나온 V4 플래시 모델 때문이래요. 이 모델은 비용에 비해 성능이 좋았어요. 그래서 앤트로픽, OpenAI와 비교하는 기준을 바꿨다고 해요. 저는 이게 제일 중요하다고 봐요. 조금 더 똑똑한 모델보다 훨씬 싼 모델이 기업 고객을 데려가요. 돈을 쓸 곳도 있어요. 딥시크는 중국 네이멍구에 아주 큰 AI 데이터센터를 지을 계획이래요. 화웨이의 AI 칩 16만 개를 쓸 거래요. 미국 칩이 아니라 중국 칩이라는 점이 눈에 띄어요. 그리고 창업자는 돈을 버는 것보다 기술의 한계를 넓히는 일을 더 중요하게 생각한대요. 투자자들이 이 생각을 얼마나 오래 좋아할지는 지켜봐야겠어요.
리플렉션이 블로그에 올린 글입니다:
우리는 코딩과 에이전트 작업 성능에 특히 초점을 맞춰 빔을 훈련했습니다. 빔은 서구권 오픈 웨이트 모델의 최전선을 한 단계 발전시켰습니다. GLM 5.2 같은 더 큰 오픈 모델과 경쟁할 수 있고, 코딩과 에이전트 작업에서는 큐웬 3.8 맥스에 가까운 성능을 보입니다. 키미 K3 같은 최첨단 오픈 모델은 순수한 능력에서 여전히 앞서지만, 빔의 장점은 추론할 때 더 효율적이라는 점입니다.
빔은 리플렉션의 새 AI 모델이에요. 오픈 웨이트 모델이에요. 가중치는 AI가 배운 결과를 담은 숫자들이에요. 이 숫자들을 누구나 내려받을 수 있다는 뜻이에요. 가중치와 모델 설명서는 이번 달에 나온대요. 사용 규칙은 아파치 2.0이에요. 이 규칙은 회사가 돈을 버는 데 써도 괜찮다고 허락해요. 크기도 볼게요. 매개변수는 AI 모델 안에 있는 조절 값이에요. 빔의 전체 매개변수는 5,010억 개예요. 그런데 한 번에 실제로 일하는 건 230억 개뿐이에요. 이렇게 하면 모델을 돌리는 비용이 낮아진대요. 리플렉션은 엔비디아 GB300 GPU 1만 500대로 4주 동안 강화학습을 했어요. GPU는 AI 계산에 쓰는 칩이에요. 강화학습은 AI가 결과에 따라 점수를 받으면서 배우는 방법이에요. 인용문의 추론은 모델을 실제로 써서 답을 만드는 일이에요. 리플렉션은 키미 K3의 능력이 더 좋다고 스스로 인정했어요. 대신 빔은 더 효율적이래요. 저는 이 솔직함이 좋아요. 회사에서 진짜 기준은 이거예요. 같은 일을 더 싸게 하면 이겨요. 점수도 발표했어요. 코딩 시험인 SWE-Bench Pro v2-Hard에서 77.2점이래요. 하지만 회사가 직접 낸 점수예요. 저는 점수표보다 다른 결과를 더 믿을 거예요. 가중치가 나온 뒤에 개발자들이 실제로 써 본 결과요.
아스 테크니카의 댄 구딘 기자가 보안 회사 래피드7의 더글러스 맥키의 말을 전합니다:
누군가 콘텐츠에 문장을 심으면, 에이전트가 그 문장을 읽고 다른 에이전트에게 일반적인 위임 작업으로 전달합니다. 그러면 두 번째 에이전트는 작업을 넘긴 상대를 믿기 때문에 그 일을 실행합니다. 그 연결 과정의 모든 요소는 원래 설계된 대로 정확히 작동했습니다. 그래서 이런 공격을 찾아내기가 매우 어렵습니다. 각 프로토콜은 자신이 따로 존재한다고 가정하고 만들어졌습니다. 그래서 각 프로토콜은 자기 앞문만 확인하고, 그 사이 복도는 아무도 지켜보지 않습니다.
먼저 단어부터 볼게요. 프로토콜은 프로그램끼리 대화할 때 지키는 약속이에요. MCP는 AI 에이전트에게 일을 맡길 때 쓰는 프로토콜 가운데 하나예요. 에이전트는 사람 대신 여러 단계의 일을 하는 AI예요. 연구자 모히우딘은 이 공격을 프로토콜 피버팅이라고 불러요. 한 규칙으로 들어온 나쁜 명령이 다른 규칙을 타고 다른 에이전트에게 넘어가는 공격이에요. 예를 들면 구글의 A2A가 있어요. A2A는 에이전트끼리 일을 맡길 때 쓰는 프로토콜이에요. MCP로 일을 받은 에이전트가 A2A로 다른 에이전트에게 나쁜 명령을 넘길 수 있다는 거예요. 실제 사례도 있어요. 취약점은 보안 구멍이에요. 래피드7에서 찾은 취약점은 심각도가 10점 만점에 2.7점이었어요. 래피드7은 지난달에 이 문제를 고쳤어요. 구글 쪽 문제는 더 심각했어요. 8점이었대요. 데이터베이스용 MCP 도구가 공격자 대신 내부 주소로 요청을 보낼 수 있었어요. 구글은 허용하는 주소 목록을 만들어서 고쳤어요. 모히우딘은 이 방법을 칭찬했어요. 위험한 주소를 처음 시작할 때부터 막기 때문이에요. 그리고 대부분의 MCP 서버는 아직 여기까지 하지 않았다고 말했어요. 저는 복도 이야기가 가장 와닿아요. 각 에이전트는 자기 일을 정확히 했어요. 문제는 그 사이에 있어요. 열 단계짜리 작업이 있다고 해 봐요. 일곱 번째 단계에서 누가 무슨 명령을 넘겼는지 기록이 꼭 있어야 해요. 지난 금요일, 10월 2일에 우리는 법안 하나를 소개했어요. AI 에이전트가 다른 시스템에 침입하면 회사에 책임을 묻는 법안이었죠. 오늘 기사는 그런 침입이 어떤 길로 일어날 수 있는지 보여 줘요.
테크레이더의 에포사 우딘웬 기자가 전합니다:
제라의 글로벌 최고경영자 유키오 가니는 이렇게 말했습니다. “핵심은 전력을 얼마나 빨리 확보하느냐입니다. 중국을 제외한 아시아를 보면 일본은 주요 데이터센터 시장입니다.”
제라는 가스로 전기를 만드는 일을 하는 일본 회사예요. 제라와 델, 아폴로가 함께 큰 계획을 발표했어요. 앞으로 5년 안에 3에서 4기가와트 규모의 AI 컴퓨터 시설을 짓겠대요. 기가와트는 전기 규모를 나타내는 단위예요. 지금 일본 데이터센터 전체가 쓰는 전기는 1.7기가와트래요. 첫 사업은 도쿄 근처예요. 150억 달러가 들고, 규모는 400메가와트예요. 2028년쯤 운영을 시작할 예정이에요. 아폴로가 이 돈을 대고, 델과 제라는 기술과 에너지 시설을 맡아요. 1기가와트마다 350억에서 450억 달러가 들 것으로 봐요. 그래서 전체 투자는 1,400억 달러 가까이 될 수 있어요. 아직은 계획이에요. 재미있는 점이 있어요. 도쿄 근처 시설은 일본의 국가 전력망에 연결되지 않는대요. 전력망은 전국에 전기를 보내는 큰 연결망이에요. 대신 시설 옆에서 가스로 전기를 만들어요. 전력망을 기다리지 않고 빨리 짓겠다는 거예요. 저는 오늘 이게 가장 중요한 뉴스라고 봐요. 지난 토요일에는 텍사스 데이터센터 이야기를 했어요. 오늘은 딥시크도 큰 데이터센터 계획을 내놓았어요. AI 경쟁의 속도는 모델만으로 정해지지 않아요. 전기를 얼마나 빨리 구하느냐가 점점 더 중요해지고 있어요.
이 방송이 한국어 듣기 연습에 도움이 됐다면, 지금 듣고 있는 앱에서 별점과 짧은 리뷰를 남겨 주세요. 리뷰가 많아지면 다른 한국어 학습자들도 이 방송을 더 쉽게 찾을 수 있어요.
오늘은 딥시크의 투자, 리플렉션의 새 모델 빔, AI 에이전트 사이의 보안 구멍, 그리고 일본의 데이터센터 계획을 들었습니다. 어려운 단어가 있었다면 대본을 보면서 한 번 더 들어 보세요. 내일, 10월 7일 수요일에 새로운 AI 뉴스로 다시 만나요. 지금까지 AI 데일리 브리핑, 쉬운 한국어판이었습니다. 랜턴 팟캐스트였습니다.