세레브라스 CEO 인터뷰: 250 억 달러 백로그 주문 보유, AI 연산 수요 이미 완전히 예약됨, 우리는「구축해 놓고 고객이 오기만 기다리는 것」아님
정리 & 번역: TechFlow
게스트: Andrew Feldman, Cerebras CEO & 공동 창업자; Robin Rombach, Black Forest Labs CEO & 공동 창업자
진행자: All-In Podcast 진행자
팟캐스트 출처: All-In Podcast
원제: Open Source Wins, AGI Is Here, and Scorsese's AI Toolkit — Cerebras & Black Forest Labs CEOs
방송일: 2026 년 7 월 10 일
요약 포인트
이번 에피소드에서는 두 AI 인프라 회사의 CEO 를 모셨습니다. Andrew Feldman 은 Cerebras 의 창업자로, 추론 칩을 전문으로 제작하며 최근 IPO 를 완료하고 250 억 달러의 백로그 주문을 확보했습니다. 그는 한 가지를 반복적으로 강조했습니다. AI 연산 수요는 이미 예약으로 가득 찼으며, "지어놓고 사람을 기다리는" 상황은 존재하지 않는다고요. OpenAI, Anthropic, SpaceX, Google 의 수요는 공급을 훨씬 초과합니다. 또한 추론 (reasoning) 의 등장으로 계산 밀도가 다시 급증했는데, 이것이 바로 빠른 머신의 전쟁터입니다. Robin Rombach 는 Black Forest Labs 의 창업자로, 생성형 이미지 및 비디오 모델 (Flux 시리즈) 을 제작하며, 현재 모든 이미지 및 비디오 생성 모델의 기반인 latent diffusion 알고리즘을 발명했습니다. 그는 최근 Martin Scorsese 와 협력하여 감독이 머릿속의 장면을 시각화할 수 있도록 했으나, 그가 더 흥분하는 방향은 동일한 멀티모달 모델로 영화를 제작하는 동시에 로봇의 두뇌로 배포하는 것입니다. 생성형 비디오의 종착점은 스크린이 아닌 물리적 세계에 있습니다.
핵심 견해 요약
추론이야말로 다음 연산력 블랙홀이다
- "재미있는 것은 이번에는 과거와 다르다는 점입니다. 그들은 '지어놓으면 사람이 올 것'이라고 내기하지 않았습니다. 수요가 이미 생산 능력을 예약해 놓았습니다. 우리는 250 억 달러의 백로그 주문이 있습니다."
- "추론은 reasoning 입니다. reasoning 은海量의 토큰을 소비하며,这正是 빠른 머신의 전쟁터입니다."
- "Cerebras 가 15 배 빠르다면, 24 시간을 실행하는 것은 몇 주甚至 몇 달의 사고량을 실행하는 것과 같습니다."
오픈소스와 주권: 기업이 원하는 것은 통제권이다
- "아무도 의존되는 것을 좋아하지 않습니다. 하이퍼스케일러는 x86 시대부터 Intel 에 종속된 교훈을 배웠습니다."
- "가장 빠른 칩을 만들 필요는 없습니다. 다른 사람의 칩에 완전히 의존하지 않으면 됩니다."
- "지금 오픈소스 모델을 실행하려면 OpenAI 의 OSS 12B 이거나 중국 모델뿐입니다. 미국에는 더 많은 토종 오픈소스 선택지가 필요합니다."
AGI 는 20 년 전 정의에 따르면 이미 도래했다
- "20 년 전, 30 년 전, 40 년 전에 제안한 AGI 의 어떤 정의도 우리는 이미 훨씬 넘어섰습니다."
- "튜링 테스트? 이미 깨뜨렸습니다."
- "문제는 우리가 어떻게 물어봐야 할지 모르는 것이早已 아닙니다. AI 가反过来 알려줍니다. 이봐, 너희 이笨한 인간들, 너희는 이것을 고려하지 않았다고."
생성형 비디오는 인간 창작을 대체하지 않는다
- "이러한 AI 모델은 일종의 매체입니다. 우리는 사용 방법을 규정하고 싶지 않습니다. 특히 Martin Scorsese 와 같은 사람에게는요."
- "언어는 다소 손실이 있는 소통 방식입니다. 시각 정보 신호는 너무 풍부합니다. 머릿속의 장면을 보이는 이미지로 만드는 것, 이것이 기술이 가장 강력한 곳입니다."
- "가장 흥미로운 결과는 거의 모두 휴먼 인 더 루프에서 지속적으로 반복할 때 나타납니다."
영화에서 로봇까지: 동일한 모델 세트
- "동일한 멀티모달 모델로 영화를 제작한 다음 이를 로봇의 두뇌로 배포할 수 있습니다."
- "비디오 프리트레이닝은 모델에 물리적 상호작용 법칙을 암묵적으로 가르쳤으며, затем 동일한 모델에서 동작 예측, 즉 로봇 제어를 얻습니다."
- "목표는 in-context prompt 명령으로 로봇에게 '저 주스 잔을 가져와'라고 지시할 수 있는 것입니다. 지금은 아직做不到이지만, 이것이 방향입니다."
AI 인프라 광풍: 데이터센터가 도시보다 크다
진행자: 우리는 이런 건설 규모를 본 적이 없습니다. 만리장성, 피라미드 이후 인간은 무언가를 건설하기 위해 이렇게 많은 자본, 시간, 그리고 똑똑한 사람들을 투입한 적이 없습니다. 당신은 실제로 이를 하고 있으며, 당신의 고객은 데이터센터를 건설 중이고 당신은 핵심 고리입니다. 2026 년, Cerebras 는 무엇을 하고 있습니까? 텍사스에 있는那些 거대한 공사는 또 무엇입니까?
우리가 이야기하는 데이터센터는 향후 몇 년 동안 지구상过去 50 년 동안 소비된 전력总量를 초과하는 전력을 소비할 것입니다. 단일 건물만 해도 축구장만큼 크며, 연결된 전력은 중형 도시를 초과합니다. 미국 전역에서 건설 중이며, 캐나다에서 건설 중이고, 북유럽에서 건설 중이며, 파리와 프랑스 전체에서 건설 중이고, 중동에서 건설 중이며, 카자흐스탄, 타지키스탄, 조지아에서도 대형 데이터센터를 건설 중입니다. 모든 국가, 모든 주가 참여하고 싶어 합니다.
비용을 지불하는 사람은? OpenAI, Anthropic, SpaceX AI, Google 입니다.胃口가 무서울 정도로 큽니다. 흥미로운 것은 이번에는 과거 많은 기술 열풍과 다르다는 점입니다. 그들은 "지어놓으면 사람이 올 것"에 내기하지 않았습니다. 수요가 이미 생산 능력을 예약해 놓았습니다. 우리는 250 억 달러의 백로그 주문이 있습니다. OpenAI 는 더 많은 데이터센터를 원하고, Microsoft 는 더 많이를 원하며, AWS 는 더 많이를 원합니다. 수요는 손님을 기다리는 것이 아니라, 손님이 이미 줄을 서 있습니다.
진행자: 이는 또한 "token maxing"이라는 단어를 낳았습니다. 무한히 토큰을刷刷.有人质疑, 이렇게 큰 수요가 실제로 가치를 창출하고 있습니까?
물론大量의 가치가 생산되고 있습니다. 물론 大量의瞎试도 있습니다. 저는 AWS 가刚 나올 때와 비교합니다. 자체 IT 부서를 우회하는 것이 너무 좋았습니다. 모든 엔지니어가 신용카드를 가지고 등록했습니다. 많은 것이 실제로 유용했지만, 어떤 것은事后에 생각해보면 "아, 이렇게 하지 말았어야 했는데"라고 합니다. 하지만 전체적으로는 이익입니다. 단지 어떤 방향은 빗나갔을 뿐입니다.
저는 1988 년 Costco 이 Palo Alto 에 가게를 연 것이 기억납니다. 사람들은 Safeway 를逛듯이 Costco 을逛았습니다. 모든 선반 줄을 다 걸어 다녔습니다. 그것은 매우糟糕한逛法이었습니다. 왜냐하면 필요 없는 네 가지 물건을 샀기 때문입니다. 각각 22 달러였습니다. 나중에 사람들은 전략을 배웠습니다. 뒤에 가서 닭고기를 들고, 아이 생일 파티를 위해 18 개纸杯蛋糕를 들고,干脆利落하게 합니다. AI 토큰 소비도 마찬가지입니다. 처음에는 사람들이敞开 사용했지만, 이제 기업들은 전략을 이야기하기 시작했습니다. 어떤 작업은 오픈소스 모델로 충분하고, 어떤 것은 최전선 모델이必须인지요. 우리는 비즈니스를 운영하듯이 AI 를 관리하기 시작했습니다.
추론이 훈련을 대체: 왜 빠른 머신이 이번 주역인가
진행자: Sam Altman 은 AllIn 에서 다음 단계는 reasoning 이라고 말했습니다. 의도를 이해하고, 전략을 수립하고, 다른 스레드의 agent 와 교차 검증하는 것입니다. 우리는 "다음 단어 추측"에서 긴 길을 왔습니다. 이제 Cerebras 가正好 중심에 서 있습니다. reasoning 이 곧 inference 이며, 계산량이 매우 크기 때문입니다.
추론은海量의 토큰을 소비합니다. 이는 빠른 머신에게 전쟁터를 제공합니다. reasoning 은 setiap 단계에서 내부적으로 토큰을 삼킵니다. 원래는 좋은 답을 얻기 위해 많은 시간을花费했습니다. Cerebras 가 15 배 빠르다는 것은 24 시간 추론을 실행하는 것이 다른 사람의 몇 주甚至 몇 달의 사고량과 같다는 의미입니다.
오늘 아침 저는 BitTensor 위 ZAI 의 GLM-52 모델을 시험해 보았습니다. 무한한 연산력을 주고 매시간 전 세계적으로 아직 식별되지 않은 추세를 알려달라고 했습니다. 그것은 스스로 변론하기 시작했습니다. Hacker News 와 Reddit 에서 찾아야 할까? 아니면 Instagram 에서 추세가 더 먼저 나타날까? 저는 추론 모델이 백그라운드에서 스스로 변론하는 것을 보았습니다. 그것은 추론을 하고 있었습니다. 무한 토큰은 무한 추론과 같습니다. Cerebras 로 15 배 빠르게 하면 24 시간은 다른 사람의 몇 주와 같습니다.
진행자: Cerebras 에도 자체 Moore's Law 가 있습니까? 내부적으로 얼마나多久마다 두 배로 됩니까?
이전의 모든 칩은 Moore's Law 를 밟았습니다. 18 개월마다 두 배가 되었습니다. 우리는 이 칩으로 그 선을 끊고 완전히 새로운 궤적을 뛰었습니다. 제 판단으로는 향후 18 개월 동안 2 배를 훨씬 초과할 것입니다. 새 아키텍처에는 아직 최적화할 공간이 많습니다. GPU 는 20 년 된 오래된 아키텍처입니다. 공정 노드를 축소하는 것으로 겨우 지탱할 뿐이지만, 새 아키텍처에는 배울 것과 조정할 것이 많이 남아 있습니다.
진행자: 250 억 백로그 주문을 손에 쥐고 OpenAI 의 페이스를 따라가야 합니다. 그들은 미래의 잠재적 경쟁자일 수 있습니다. 어떻게 회사를 운영합니까?
지금 실리콘 웨이퍼는 유휴 상태가 아닙니다. 수요가 너무 큽니다. 하지만 당신이 말한 대로 OpenAI 도 자체 칩을 만들고 있고, Amazon 도 만들고 있습니다. 아무도 의존되는 것을 좋아하지 않습니다. 하이퍼스케일러는 x86 시대부터 Intel 에 종속된 교훈을 배웠습니다. GPU 업체는 소수의 하이퍼스케일 고객에 종속된 교훈을 배웠습니다. 그래서 그들은 새로운 클라우드를 후원했습니다. 자체 칩을 만드는 것은 가장 빠른 것에重点이 있는 것이 아니라, 다른 사람에게 완전히 의존하지 않고 적어도 자신의 운명의 중요한 부분을 통제하는 데 있습니다.
오픈소스와 주권: 기업이 원하는 것은 통제권이다
진행자: 오픈소스가 모멘트를 맞이하고 있습니다. 저는 초기에 OpenClaude 를 사용했고 나중에 Kimmy 를 사용했습니다. Claude 의 토큰이 폭발하는 것을 발견했지만 Kimmy 는 차이를 구분할 수 없었습니다. 오픈소스 모델이 reasoning 을 시작했고, 격차가 올해 갑자기 닫혔습니다.
あなたは 슈퍼마켓에 Ferrari 를 몰고 가고 싶지 않습니다. 때로는 스포츠카를 타고, 때로는 minivan 을 탑니다.小孩가 Cheerios 를 엎질러도心疼하지 않습니다. 기업도 마찬가지입니다. 어려운 문제는 최전선 모델 (OpenAI, Anthropic, Gemini) 에 맡기지만, 배후의大量의 일상적인 문제는 견실한 오픈소스 능력만으로 충분합니다. 한 회사가 Workday 에서 Excel 의 다른 셀로 붙여넣는 일을 하는 데 얼마나 많은 시간을 소비하는지 생각해 보십시오. 이는 금메달 수학이 필요하지 않습니다. 안정적인 오픈소스로 충분합니다.
최근 또 한 장의 카드가 뒤집혔습니다. 금융, 의료와 같은 규제 산업 (HIPAA, FINRA) 은 데이터 유출을 두려워하고, 지능 주권이 다른 사람에게 쥐어지는 것을 두려워하여 모델을 로컬에 배치하고, 오픈소스 버전으로 통제권을 더 많이 잡으려 합니다. OpenAI 는 몇 달 전 OSS 12B 를 출시했습니다. 괜찮습니다. 하지만 미국이 지금 오픈소스를 실행하려면 OSS 12B 이거나 중국 모델뿐입니다. 토종 오픈소스 선택지가 너무 적습니다. NVIDIA 도 이 창을 보았습니다. 자체 오픈소스 모델을 추진하고 있지만, Jensen 도猶豫하고 있습니다. 그의 고객은 Sam, Dario, Elon, Sergey 입니다. 오픈소스를 추진하면 고객과 사업을 경쟁하게 되지 않을까요?
Cerebras 가 서 있는 위치는 비교적 중립적입니다. 우리는 GLM 을 실행하고, Kimmy 를 실행하고, Qwen 시리즈를 실행하며, OpenAI 의 클로즈드 소스 모델도 실행합니다. 또한 GSK 가 자체 개발한 모델을 실행하고, UAE G42 와 MBZUAI 의 자체 모델을 실행합니다. 주권 문제는 하나의 추세입니다.
AGI 도래, 패러다임은 죽지 않으나 사람은 죽는다
진행자: Fable 5 와 o-56 이 출시될 때 정부는 "잠시 멈추고 다시 출시하라"고 했습니다. Anthropic 과 행정부 간의 관계는 긴장되었지만 이제 완화되기 시작했습니다. 단계적 출시가 합리적이라고 생각합니까? 모델이 정말로 충분히 위험합니까?
저는 이전에 이런 일을 본 적이 없습니다. 하지만 돌이켜 보면: 모델이 창의적 사고에서 충분히 강력해졌을 때 정부가 "단계적으로 출시해 달라"고 요청하는 것은 문제가 없다고 생각합니다. 우리는 강력한 약에도 이렇게 관리합니다. 물론 FDA 의 7 년짜리 쓰레기 문서는 장려하지 않지만, "적어도 정부가 레드팀 테스트를 하여 우리의 방어가 막을 수 있는지 확인하게 하고, 명백한 취약점을 수정하기 위해 2~3 주를 주세요"라고 말하는 것은 무리한 요구가 아닙니다.
하지만 지금은 양극화가 가장 심각한 때입니다. 만약 이 일이 Trump 가 한 것이 아니라면, 다른 어떤 대통령이라도 반응이 완전히 다를 수 있습니다. 양극화는 명확한 사고를 해칩니다. 양쪽 모두 어리석은 일을 하고, 똑똑한 일도 합니다. 정부 내의 기초 인원들은 실제로 진지하게 일하고 있습니다. 단지 이 일이 너무 빠를 뿐입니다.
Palo Alto Networks 의 Nikesh 이 저에게 말했습니다. 그들은 모델을 자체 소프트웨어에 대해 테스트했고, 한 시간 이내에 수십 개의 주요 취약점을 발견했으며, 손에 든 모든 일을 멈추고 6 주 동안 패치를.must 했습니다. 당신은 이것이 강력한 도구임을 인식합니다. 아마도 먼저 소수의 사람들에게 보여주고, 아마도 먼저 레드팀 테스트를 해야 합니다.
진행자: 20 년 전의 어떤 정의에 따르면 AGI 는 이미 왔습니다. 어떻게 생각합니까?
예. 튜링 테스트? 이미 깨뜨렸습니다. 10 년, 15 년, 20 년, 30 년, 40 년, 50 년 전에 제안된 어떤 정의도 우리는 훨씬 넘어섰습니다. SF 작가가 제기한 질문은 모두 답했습니다. 그들은 "질문이 없습니다. 죄송합니다"라고 말할 것입니다. 이것이 바로 가장자리에 있는 것처럼 보이는 사람들의 말이 들을 가치가 있는 이유입니다. Ilya 는 8 년 전에 안전에 대해 이야기했습니다. 당신은 "뭐라고?"라고 했습니다. 결과는 그가 맞았습니다. Elon 은 로켓 비용을 거의 0 으로 낮추겠다고 이야기했습니다. 당신은 "뭐라고?"라고 했습니다. 결과는 그가 해냈습니다.
진행자: Recursive learning, 그것에게 질문을 하고, 결과를 배우고, 다시 질문하면, 답이 더 좋아지고, 더 많은 자료를 커버합니다. 이러한 순환 산출물은 "조금 더 좋음"에서 직접 "훨씬 더 좋음"으로 점프합니다. 지수 곡선의 기울기가 너무 가파릅니다.
재귀적 이득은 지수적입니다. 당신은 더 좋아지고, 다시 한 번 하면, 계속 이득을 얻습니다. 기울기가 너무 가파릅니다. 우리는 이것을 막 보기 시작했습니다. 연산력을 계속 투입하면 답이 점점 더 좋아질까요? 토큰이나 예산을 다 쓰면 멈추지만, 이 지수 곡선은 언제 끝날까요? 아니면 영원히 오른쪽 위로 갈까요? 이 질문은 지금 매우 흥미롭습니다.
인간 학습의 속도는 세대에 의해 막혀 있습니다. 코끼리와 대형 포유류는 15-20 년마다 한 세대입니다. 빠르게 하려면 초파리처럼 하루에 두 세대가 되어야 합니다. AI 는 지금 수천 세대에 걸친 학습 속도를 얻고 있습니다. 저는 심리학을 읽을 때 교수가 한 말을 했습니다: 패러다임은 죽지 않으나, 사람은 죽는다. Freud, Skinner, Jung 의 제자들이 지도자 위치에 20-40 년을 차지해야 다음 세대가 의문을 제기합니다. AI 는 세대 간격을 초파리 속도로 압축했습니다.
제가 내기를 거는 것은 이것입니다. 우리의 아이들과 그들이 아는 모든 사람은 암으로 사망하지 않을 것입니다. 경제에는 충격이 있을 것입니다. 자동차가 왔을 때 말의 편자를 깎는 사람들의 날씨는 좋지 않았습니다. 하지만 벌고 잃은 것을 나열해 보면: 무한 에너지, 무한 음식, 무한 지식, 무한 교육, 무한 주택. 우리는 1000 년 동안 1:1 튜터링이 교실보다 낫다는 것을 알고 있었습니다. Aristotle 은 Alexander 를 튜터링했고, Socrates 는 그의 학생들을 튜터링했지만, 우리는 공장식 교육을 선택했습니다. 이제 AI 는 모든 아이에게 자신의 방식으로 학습하는 튜터를 제공할 수 있습니다.
스코세즈의 AI 툴킷: 머릿속 장면을 현실로
진행자: Robin Rombach 는 Black Forest Labs 의 공동 창업자 겸 CEO 로, 본사는 흑森林 지역의 Freiburg 와 샌프란시스코에 있습니다. 당신은 이전에 Stable Diffusion 을制作했고, latent diffusion 알고리즘을 발명했습니다. Black Forest Labs 의 비즈니스는 무엇입니까? 목표는 무엇입니까?
저와 파트너들은 2 년 전에 이 회사를 설립했습니다. 이전에 Stable Diffusion 을制作했고, 그보다 전에 latent diffusion 을 발명했습니다. 이는 현재 모든 이미지 생성, 비디오 생성甚至 물리 AI 모델 배후의 기초 알고리즘입니다. 원리는 자연 데이터 (이미지, 비디오, 오디오) 를 효율적인 표현 공간으로 압축한 다음 그 위에서 transformer 를 훈련하는 것입니다. JPEG 와 MP3 의 원리와 같지만, 신경망 알고리즘으로 구현합니다. 우리는 박사 과정 시절 뮌헨에서 이를 만들어냈습니다.
현재 우리는 멀티모달 비전 모델을 공략하고 있으며, 이미지, 오디오 데이터에서 동시에 프리트레이닝하고 있으며, 새로운 패러다임에 진입하고 있습니다. action prediction 을 결합하여 동일한 모델로 이미지, 비디오, 오디오를制作하고, 동작을 예측하며, 최종적으로 실제 세계의 로봇에 배포할 수 있습니다.
진행자: 이미지에서 비디오, 오디오, 로봇까지. 만약 모델이 비디오를 생성할 수 있다면, 그것은 세계를 이해했다는 의미입니다.
직관 지능과 심층 추론은 두 가지 상호 보완적인 지능 형태입니다. 우리는 직관 측면에서 시작했습니다. 이미지가 가장 자연스러운 진입점이었으며, 계산량이 비디오만큼 크지 않았습니다. 하지만 이제 멀티모달 모델로 수렴하고 있습니다. 비디오 프리트레이닝은 모델에 물리적 상호작용 법칙을 암묵적으로 가르쳤으며, 동일한 모델에서 동작 예측, 즉 로봇 제어를 얻습니다.
진행자: 당신은 Martin Scorsese 와 협력합니까? 당신은 그 옆에 앉아 그가 당신의 도구를 사용하게 합니까?
예, 저는 그와 같은 방에 앉아 있었습니다. 그는 우리의 모델을 탐색했고, 핵심 연구자 중 한 명으로 옆에 앉아 있었습니다. 그 느낌은 너무 미쳤습니다. 동시에 저는 여전히 그의 큰 팬입니다.
그가 원하는 것은 머릿속의 장면을 시각화하는 것입니다. 동유럽의 어떤 마을, 그가 설명하면, 우리는 출력을 보고, 그는 반복합니다. 결국 그가 말한 것은: 머릿속의 장면을 시각적 표현으로 만드는 것, 이러한 소통 효율은 언어보다 훨씬 높다는 것입니다. 언어는 다소 손실이 있는 소통 방식입니다. 시각 정보의 신호는 너무 풍부합니다. 한 장의 이미지 또는 한 편의 비디오의 정보량은巨大합니다. 이는 또 다른 소통 채널입니다.
우리는 이러한 모델을 어떻게 사용해야 하는지 규정하고 싶지 않습니다. 특히 Martin Scorsese 에게 "이렇게 사용해야 합니다"라고 말하지는 않을 것입니다. AI 모델은 일종의 매체입니다. 가장 흥미로운 것은 거의 모두 휴먼 인 더 루프에서 지속적으로 반복할 때 나옵니다.
영화에서 로봇까지: 생성형 모델의 종착점은 스크린이 아니다
진행자: 스타트업들은 이제 Flux 와 귀하의 모델로 출시 비디오를制作합니다. 이전에는 25 만 달러를 들여 launch video 를制作했지만, 이제는 1~2 주면 완료할 수 있습니다. Gal Gadot 이 최근 Bitcoin 영화를制作했습니다. 배우는 사운드 스테이지에서 공연하며 그린스크린 없이 모든 배경을 생성형 AI 로制作했습니다. 3,000 만 달러 예산으로 원래 1.5 억이 있어야 할 효과를 냈습니다. 생산中使用하는 것을 보았습니까?
일부 보았습니다. 하이엔드 영화 제작은 가장 가혹한 사용 사례 중 하나입니다. 누군가 탐색하는 것을 기쁘게 생각하지만, 분명히 하고 싶습니다. 기술은 여전히 궤적 위에 있으며, 빠르게 반복되고 있습니다. 몇 년 전 우리가 PhD 를 할 때는 64x64 픽셀의 이미지しか 생성할 수 없었지만, 지금은 다중 입력 고해상도 비디오를制作합니다. 하지만 여기서 멈추지 않을 것입니다.
가장 저를 흥분시키는 것은 이것입니다: 동일한 멀티모달 모델로 영화를 제작한 다음 이를 로봇의 두뇌로 배포할 수 있다는 것입니다. 이것은 너무 흥미롭습니다. computer use 가 실제로 사용될 수 있을지는 확실하지 않지만, 기술은 물리적 세계로 가고 있습니다. world models, action models, 솔직히 말해 모두 동일한 것입니다.
진행자: 훈련 데이터는 어디서 옵니까? 인간에게 안경과 장갑을 착용하게 하여 1 인칭으로 기록합니까? 아니면 YouTube 에서 1000 명이 음료를 따르는 비디오를 보는 것으로 충분합니까?
목표는 in-context prompt 로 로봇에게 지시하는 것입니다. "저 주스 잔을 가져와". 지금은 아직做不到합니다. 현재의 접근 방식은: 모델에 이미大量의 시각 이해가 장착되어 있으며, 특정 하드웨어에 적응하기 위해 몇 시간의 파인튜닝 데이터만 필요하다는 것입니다. 방향은 파인튜닝을 최소화하고 in-context 명령에 의존하는 것이지만, 이는 여전히 연구 문제입니다.
진행자: 오픈소스가 모멘트를 맞이하고 있으며, 기업은 주권을 원합니다. Disney 와 같은 IP 대고는 어떻게 해야 합니까? 귀하의 오픈소스 모델을 가져와 자체 훈련합니까, 아니면 귀하와 협력하여 전용 모델을 훈련합니까?
가장 흥미로운 사용 사례는 이전에 없던 것을 생성하는 데 있습니다. 이것이 이 기술의 본질적으로 가장 흥미로운 곳입니다. 우리의 공개 도구에서는 특정 IP 를 생성할 수 없습니다. 이는 합리적입니다. 우리는 또한 일부 IP 소유자와 협력하여 모델을 개발합니다. 일부는 우리의 오픈소스 모델을 기반으로 하고, 일부는 우리의 더 강력한 독자 모델을 기반으로 합니다.
가장 흥미로운 관점은: 기술이 더 빠르고, 더 상호작용적이 되었다는 것입니다. Disney+ 에 다양한 상호작용 콘텐츠 제작 도구가 걸려 있는 것을 상상할 수 있습니다.
진행자: 현재 가장 흥미로운 현상은 팬 영화입니다. 이전에는 팬 픽션으로 자신의 Star Wars 이야기를 썼고, 나중에 Jedi 의상을 입고 팬 영화를 촬영했습니다. George Lucas 는 상업적으로 사용하지 않는 한 허용한다고 말했습니다. 이제 사람들은 AI 로講述되지 않은 Star Wars 이야기를 다시演绎합니다. Star Wars Stories Untold 는 비디오당 백만 조회 수입니다. 이것이 미래입니다: 소비자에게 유료 라이선스를 제공하고, 그들이 캐릭터를 사용하여 자신의 이야기를 창작하게 하는 것입니다.
IP 측에 실행 가능한 비즈니스 모델을 찾고, 이러한 슈퍼 크리에이티브 커스텀 플레이를 개방할 수 있다면 매우 좋을 것입니다. 저는 책을 읽거나 영화를 볼 때마다 "만약 이렇게 발전한다면 어떻게 될까"라고 생각합니다. 이제 드디어 사람들이 이러한 생각을 시각화할 수 있게 되었습니다.
우리는 막 100 명을 넘었습니다. 독일과 샌프란시스코에서 사람을 채용 중입니다: 대규모 모델 훈련 연구자, diffusion 및 flow matching 훈련 경험이 있는 사람, 고객과 함께 커스텀 솔루션을 개발하는 엔지니어, 대규모 컴퓨팅 인프라 운영 유지보수 담당자, 그리고 기술을 더 많은 사람들에게 전달하는 데 관심 있는 사람입니다.
TechFlow 공식 커뮤니티에 오신 것을 환영합니다
Telegram 구독 그룹:https://t.me/TechFlowDaily
트위터 공식 계정:https://x.com/TechFlowPost
트위터 영어 계정:https://x.com/BlockFlow_News
深潮TechFlow
