엔비디아가 이제 칩을 파는 게 아니라, 칩을 담을 건물을 통째로 빌리고 있습니다. AI 데일리 브리핑입니다. 오늘은 텍사스 초대형 데이터센터 임대설에서 시작해, 장기 에이전트 훈련이 왜 무너지는지, 그리고 포트폴리오용 다중 알파 논문까지 갑니다. 500억 달러짜리 계약 하나가 뭘 말해주는지, 첫 소식부터 파볼게요.
크립토브리핑에서 전한 내용입니다:
엔비디아가 사상 최대 규모 중 하나로 꼽히는 데이터센터 계약을 막 확정했습니다. 엔비디아는 텍사스주 누에세스 카운티에 있는 허트 8의 비컨 포인트 AI 데이터센터 캠퍼스에 최대 500억 달러 규모의 임대 계약을 체결했습니다. 이 시설은 엔비디아의 자체 그래픽처리장치 수십만 개를 수용하도록 설계됐습니다.
엔비디아가 텍사스 누에세스 카운티, 허트 8의 비컨 포인트 캠퍼스에 15년짜리 임대 두 건을 걸었어요. 기본 계약액이 196억 달러, 갱신 옵션까지 다 채우면 최대 500억. 이번 주 모델 발표 헤드라인들보다 이게 훨씬 큰 이야기예요. 핵심은 엔비디아가 칩을 파는 데서, 칩이 돌아가는 인프라를 직접 임차해 통제하는 쪽으로 넘어갔다는 거죠. 게다가 그 물량을 다시 하이퍼스케일러랑 클라우드 사업자한테 재임대하겠다고. 반도체 회사가 이제 건물주예요. 제가 여기서 눈이 간 건 허트 8의 '파워 퍼스트' 방식이에요. 데이터센터 다 짓기도 전에 AEP 텍사스랑 1,000메가와트 계통 연결부터 확보했다는 거. 순서가 완전히 뒤집힌 거죠, GPU가 아니라 전력이 병목이라는 걸 알고 움직인 겁니다. 그리고 이거, 원래 비트코인 채굴업체였어요. 몇 년간 쌓아온 전력·냉각 인프라를 그대로 AI 임대업으로 갈아탄 거죠. 5월에 352메가와트로 시작해서 7월 20일에 704로 두 배, 지금 포트폴리오 계약 용량이 949메가와트. 확장 속도가 무섭습니다. 다만 500억은 갱신 옵션을 전부 행사했을 때 숫자예요. 지금 서명된 실체는 196억이고. FT랑 로이터가 28일에 전체 규모를 보도할 때 그 두 숫자가 나란히 붙어 다녔다는 점, 저는 잊지 않을게요.
브렛 커의 브렛 커가 전한 내용입니다:
세이프 슈퍼인텔리전스는 제품도, 출판물도, 매출도 없고 직원은 20명에서 50명 사이인데도 그 자리를 얻었습니다. 엔비디아는 또 서면으로, 이 회사가 철저히 보호해 온 연구에 이례적으로 접근할 기회를 얻은 뒤 파트너십을 체결했다고 밝혔습니다. 누군가 들여다봤습니다. 그리고 누군가 50억 달러짜리 수표를 썼습니다. 이 사실은 블룸버그가 처음 보도했고 로이터가 확인했습니다. 이어 실리콘 로드맵도 열어줬습니다.
엔비디아가 아직 아무것도 출시하지 않은 연구소 SSI에 현금 50억 달러를 넣었어요. 제품도, 논문도, 매출도 없고 직원은 스무 명에서 쉰 명 사이. 그런데 그 회사가 실리콘 설계 테이블에 자리를 얻었습니다. 그게 핵심이죠. 엔비디아는 GPU 설계에 고객 도움이 필요한 회사가 아니에요. 고객은 물량 할당받고 보도자료에 인용구 하나 넣는 게 전부인데, SSI는 데이터패스 테이블에 앉았어요. 브렛 커가 짚은 문장이 돈 얘기가 아니라 여기예요. 계약서에 '이 회사의 철저히 통제된 연구에 대한 이례적 접근권을 확보한 뒤' 들어갔다고 써놨거든요. 누군가 봤고, 그다음에 50억 달러짜리 수표를 썼다는 거죠. 블룸버그가 먼저 보도하고 로이터가 확인한 그 50억이요. 근데 저는 커의 해석에 절반만 동의해요. 수츠케버가 뭘 봤든, 제품 하나 없는 팀의 '통찰'에 실리콘 로드맵을 여는 건 프로덕션에서 검증된 게 아니라 베팅이에요. 그리고 우리가 오늘 앞에서 짚은 텍사스 데이터센터 임대 최대 500억 달러 건 기억하시죠. 엔비디아가 지금 모델 회사, 부동산, 실리콘 파트너십에 동시에 현금을 뿌리고 있다는 거예요.
DEV 커뮤니티에서 전한 내용입니다:
제가 가장 높이 평가하는 점은 연구진이 방법론부터 제시하지 않는다는 것입니다. 먼저 실증적인 부검으로 시작합니다. ALFWorld에서 큐웬 2.5-1.5B와 GRPO를 사용해 ‘장기 훈련 붕괴’를 정량화할 수 있는 두 가지 실패 유형으로 나눕니다.
이거 제가 실무에서 제일 자주 당하는 게 딱 이겁니다. 10단계 체인에서 7단계쯤 가면 갑자기 무너져요. 저장대 ZJU-REAL 팀이 그걸 두 가지 측정 가능한 원인으로 쪼갠 게 좋습니다. 핵심은 CAR라는 지표예요. 똑같은 상태에서 실행한 똑같은 행동인데, 성공 궤적에선 플러스, 실패 궤적에선 마이너스 그래디언트를 받는 비율. 그게 40퍼센트를 넘겨요. 훈련 신호 절반이 자기들끼리 싸우는 겁니다. 제가 눈여겨본 건 숫자 자체보단 성능이 커지는 방식이에요. 알프월드 장기 작업이 53.5퍼센트에서 92.9퍼센트로 올랐는데, 평균 점수 자랑이 아니라 지평이 길어질수록 격차가 벌어진다고 주장하죠. 그리고 요즘 데모 영상만 던지는 쪽들과 다르게, 이건 아카이브 번호에 깃허브 저장소까지 붙어 있어요. 검증할 수 있는 주장은 그것만으로 신뢰 점수가 다릅니다. 그리고 유효 샘플 활용률이 23.7에서 82퍼센트로요. 이게 진짜 지갑에 꽂히는 숫자예요. 버려지던 부분 성공을 살려 쓰면 GPU 시간이 그대로 비용이거든요.
아카이브가 전합니다:
전통적인 알파 마이닝은 상관관계가 낮은 다수의 예측 신호를 결합해 높은 위험조정수익률을 달성합니다. 하지만 딥러닝 기반 주식 순위 산정 방식은 일반적으로 종목별로 하나의 알파만 생성하고, 갈수록 복잡해지는 아키텍처에 의존하면서도 성능 향상 폭은 줄어듭니다. 또한 알파 간 상관관계를 명시적으로 통제하지 않은 채 별도의 모델이나 암묵적 라우팅을 통해서만 다양성을 확보합니다.
MAPLE라는 프레임워크인데, 27일 아카이브에 올라온 논문이에요. 딥러닝 주식 순위 모델이 보통 종목당 알파 하나만 뽑는데, 이건 한 번의 학습으로 상관관계 낮은 알파 여러 개를 뽑겠다는 거죠. 제 눈길을 끈 건 파라미터를 최대 55배, 학습 시간을 2.5배 줄였다는 대목이에요. 성능 10~20% 올리면서 비용을 확 깎았다면, 이건 실제로 돌려볼 가치가 있는 방향이죠. 미국, 중국, 일본 네 개 시장에서 아홉 개 베이스라인 중 샤프·칼마 최고. 숫자만 보면 예쁜데, 저는 백테스트 샤프 비율만큼 마케팅에 잘 팔리는 숫자도 없다고 봐요. 핵심 주장은 아키텍처를 더 복잡하게 만드는 게 아니라 손실 함수 설계로 다양성을 얻었다는 거죠. 방금 다룬 엔비디아 500억 달러 데이터센터 얘기랑 정반대 결이라 흥미로워요. 여긴 더 작게, 더 싸게. 맞아요, 그 점이 제일 마음에 들어요. 백본에 상관없이 다섯 개 구조에서 다 먹혔다니까, 자기네 아키텍처 자랑이 아니라 재현 가능한 원리를 판 거예요. 다만 거래 비용이랑 슬리피지 반영한 실거래 수익은 초록에 안 보이니, 그게 붙기 전엔 반은 접어두겠습니다.
지금 듣고 계신 곳에서 AI 데일리 브리핑을 구독하고 짧은 리뷰도 남겨주세요. 여러분의 리뷰는 더 많은 청취자가 이 방송을 발견하는 데 큰 도움이 됩니다.
오늘 다룬 모든 이야기의 관련 링크는 쇼 노트에 정리해두었습니다. 특히 눈길이 간 소식이 있다면 원문도 천천히 살펴보시기 바랍니다.
오늘 AI 데일리 브리핑은 여기까지입니다. 이 프로그램은 랜턴 팟캐스트입니다.