# 세레브라스와 블랙포레스트랩스가 보는 AI의 다음 과제

> 2026-07-10 · All-In Podcast · 큐레이션 김태우
> https://challengekim.com/insights/세레브라스와-블랙포레스트랩스가-보는-ai의-다음-과제
> 원문: https://www.youtube.com/watch?v=Y7p4rUCdqi0

## 핵심 요약

- 세레브라스 CEO 앤드루 펠드먼은 AI 연산 수요가 데이터센터와 하드웨어 공급 능력을 앞서고 있다며, 자사 수주 잔고가 250억 달러라고 밝혔다.
- 펠드먼은 어려운 문제에는 최첨단 모델을, 반복적인 업무에는 성능이 안정적인 오픈소스 모델을 쓰는 방식이 자리 잡고 있다고 설명했다.
- 블랙포레스트랩스 공동창업자 겸 CEO 로빈 롬바흐는 이미지·영상·음성을 다루는 모델에 행동 예측을 결합해 로봇에도 적용하려 한다고 말했다.
- 롬바흐가 설명한 마틴 스코세이지와의 작업은 완성된 영화를 자동 생성하는 사례가 아니라, 감독의 머릿속 장면을 이미지로 만들고 수정하며 구상을 전달하는 사례다.

## 추론 수요가 앞서는 데이터센터 공급

펠드먼은 AI 기업들이 이미 발생한 수요를 따라잡기 위해 데이터센터를 짓고 있다고 설명했다. 세레브라스의 수주 잔고로 제시한 **250억 달러**는 회사가 밝힌 주문 규모다. 이를 실현된 매출로 볼 수는 없다. 그는 OpenAI, Anthropic, Google, Microsoft, AWS 역시 더 많은 데이터센터를 원한다고 말했다.

수요의 한 축은 모델이 답을 내기 전에 내부적으로 여러 단계를 거치는 **추론**이다. 펠드먼은 이런 작업이 많은 토큰과 연산을 쓰기 때문에 처리 속도가 중요하다고 설명했다. 차세대 칩 성능이 향후 18개월 동안 두 배를 크게 넘을 것이라는 말은 그의 전망이다. 그는 새로운 칩 구조에는 작업에 맞춰 개선할 여지가 있다고 봤다.

다만 토큰 사용량이 늘어난다고 모든 실험이 가치를 만드는 것은 아니다. 펠드먼은 기업들이 초기에는 AI 사용을 폭넓게 허용했지만, 이제는 생산성이 높은 업무에 자원을 더 주고 다른 업무에는 저렴한 모델을 배치하는 식으로 비용을 관리한다고 말했다.

## 모델 선택권과 데이터 통제

펠드먼은 어려운 문제에는 OpenAI·Anthropic·Gemini 같은 최첨단 모델이 필요하지만, 데이터를 옮기고 정리하는 일반적인 업무까지 가장 고도화된 모델을 쓸 필요는 없다고 봤다. 이런 업무에는 안정적인 오픈소스 모델이 적합할 수 있다는 설명이다.

인터뷰에서는 데이터 유출 우려와 규제 산업의 요구도 논의됐다. 기업이 모델을 자체 시설에서 운영하고 데이터와 운영 방식을 더 통제하려는 수요다. 펠드먼은 세레브라스가 여러 외부 모델뿐 아니라 고객이 직접 개발한 모델도 운영한다고 밝혔다. 그는 자체 칩을 만드는 대형 기업들의 움직임 역시 한 공급자에게 전적으로 의존하지 않으려는 선택으로 해석했다.

## AI의 능력에 대한 평가와 남은 한계

펠드먼과 진행자는 오늘날의 AI가 과거의 범용인공지능 기준을 넘어섰다고 평가했다. 이는 대담 참여자들의 판단이다. 펠드먼은 질문, 결과 확인, 재시도를 반복하면 답의 질이 크게 좋아질 수 있다고 설명하면서도, 연산을 더 투입할 때 개선이 어디까지 이어질지는 알 수 없다고 말했다. 기업의 문제에는 지적 작업뿐 아니라 사람을 조직하고 협력하게 만드는 일도 있다고 덧붙였다.

모델의 능력이 커질수록 공개 방식도 검토해야 한다는 견해가 나왔다. 펠드먼은 심각한 위협을 줄 수 있는 모델이라면 단계적으로 공개하고 방어 체계를 점검할 시간을 요청하는 것이 불합리하지 않다고 말했다. 다만 특정 모델의 공개 시점이나 위험 수준에 대해서는 자신이 직접 확인하지 못했다고 선을 그었다.

## 이미지 생성에서 장면 구상으로

롬바흐는 블랙포레스트랩스의 작업을 이미지 생성에서 영상·음성까지 다루는 모델로 확장하는 과정으로 설명했다. 사용 방식도 글로 이미지를 만드는 단계에서 기존 이미지를 글로 수정하고, 여러 이미지를 결합하는 단계로 넓어졌다고 말했다. 그가 강조한 것은 결과물을 한 번에 받는 기능보다 제작자가 결과를 살펴보고 계속 고칠 수 있는 **조작 가능성**이다.

스코세이지와의 작업에서는 동유럽의 한 마을을 배경으로 한 장면을 감독이 설명하고, 생성된 이미지를 함께 보며 수정했다. 롬바흐에 따르면 스코세이지는 머릿속 구상을 이미지나 이미지 묶음으로 옮기면 다른 사람에게 전달하기 쉬워진다고 봤다. 롬바흐 역시 긴 영화를 자동 생성하는 것이 최종 목표인지는 확신하지 않는다며, 사람이 제작 과정에 참여할 때 흥미로운 결과가 나온다고 말했다.

진행자는 한 영화의 배경을 생성형 AI로 제작해 세트 건설 비용을 줄였다는 이야기도 전했다. 이는 그가 배우에게 들었다고 밝힌 사례이며, 롬바흐는 그 영화의 비용을 확인하지 않았다. 롬바흐는 유사한 제작 활용 사례를 보고 있지만 고급 영화 제작은 특히 요구 수준이 높다고 설명했다.

## 영상 모델에서 행동 예측까지

롬바흐는 영상으로 학습한 모델이 물체와 움직임에 관한 정보를 익히고, 이를 다음 행동을 예측하는 작업에도 활용할 수 있다고 설명했다. 이미지·영상 생성 모델과 로봇용 모델이 가까워질 수 있다는 구상이다. 다만 말로 지시하기만 하면 로봇이 곧바로 행동하는 수준에는 아직 이르지 못했다고 밝혔다.

현재는 로봇마다 하드웨어와 행동 표현이 달라 특정 작업에 맞춘 추가 학습이 필요하다는 설명이다. 롬바흐는 시각 정보를 이해하는 모델에 해당 작업의 몇 시간 분량 데이터를 더해 조정하는 방식을 제시했다. 별도로, 블랙포레스트랩스의 공개 도구에서는 일부 지식재산권 소재의 생성을 제한하며 권리 보유자와 함께 전용 모델을 개발하는 경우도 있다고 말했다.

두 CEO의 설명은 AI 활용이 연산량만의 문제가 아님을 보여준다. 어떤 업무에 어떤 모델을 쓸지, 생성 결과를 사람이 어떻게 수정할지, 데이터와 권한을 누가 통제할지가 실제 적용 과정의 핵심 조건으로 제시됐다.

---

원문을 바탕으로 AI 가 한국어로 요약·재구성한 글입니다. 인용·수치는 원문 링크에서 확인해 주세요. [원문 링크](https://www.youtube.com/watch?v=Y7p4rUCdqi0)