OpenAI 재판매상에서 프런티어 AI 빌더로 — 술레이만이 그리는 MS의 자강(自强) 로드맵
술레이만의 발언 전체를 꿰는 하나의 논리: MS는 지금껏 "OpenAI 리셀러 + Copilot"으로 포지셔닝됐지만, 초지능 시대에 그 구조로는 가치의 대부분을 OpenAI가 가져간다. 그래서 자체 칩(Maia 200)·자체 모델(MAI-Thinking-1)·자체 데이터 큐레이션·자체 제품 레이어를 동시에 쌓고 있음. 시장이 아직 MS를 "프런티어 랩"으로 인정하지 않는다는 것을 그 자신도 알고 있으며, 이 인터뷰 자체가 재포지셔닝 시도임.
① 자강(自强) 선언 — "OpenAI에 영구 종속은 불가": 술레이만은 "초지능은 역사상 가장 가치 있는 기술이 될 것"이라며, 제3자 IP에 구조적으로 의존하는 상태로는 장기 생존 불가라고 직격했음. Nilay Patel이 꺼낸 사티아 나델라 발언 — "인텔이 되고 싶지 않다, ChatGPT가 Azure 위에서 돌고 가치는 전부 OpenAI로 가고 나중엔 우리를 교체할 수도 있다" — 이 MS 내부 위기의식을 잘 보여줌. 술레이만은 "우리가 얼마나 거대한 엔터프라이즈 배포망을 가졌는지 사람들이 과소평가한다"며 규모의 자신감도 함께 피력.
② 실리콘 경제학 — Maia 200 vs. GB200: 자체 칩 Maia 200이 GB200 대비 30% 저렴하게 클러스터 운영 가능하고, 여기에 모델을 공동 설계한 MAI-Thinking-1이 올라가면 와트당 성능 1.4배 추가 향상을 달성한다고 밝힘. 이는 단순한 칩 성능 비교가 아니라 모델-하드웨어 공동 최적화(co-design) 전략으로, Nvidia 의존도를 낮추는 동시에 비용 구조를 압박하는 양날의 검임.
③ 스케일링 법칙의 지속성 — "아직 끝나지 않았다": 동일한 범용 아키텍처에 15년간 FLOP 1조 배(12 orders of magnitude)를 쏟아부었고, 오디오·이미지·텍스트·코드 전 영역에서 작동했음. 술레이만은 "앞으로 몇 오더 더 올리면 수많은 태스크에서 인간 수준 달성"이라며 로그-선형 스케일링 지속론을 지지함.
④ 증류(Distillation) 비판 — "단기 꼼수": 경쟁사들이 쓰는 teacher 모델 증류에 대해 술레이만은 "teacher를 넘어설 수 없다면 프런티어를 스스로 설정하지 못한다"고 비판. Anthropic의 증류 사용에도 "다른 팀이 쌓은 IP와 지식을 말 그대로 강제 주입하는 것, 단기 승리에 불과"라며 직접 언급. MS는 teacher를 초과할 수 있는 경우에만 증류를 활용하겠다고 밝힘.
⑤ 자동화 현실론 — 태스크(Task) vs. 직업(Job): "향후 12~18개월 내 대부분의 태스크가 AI에 의해 완전 자동화"될 것이라 전망하면서도, "태스크 ≠ 직업" 구분을 강조. 세부 태스크의 디지털화·자동화가 반드시 직무 자체의 소멸을 의미하지는 않는다는 입장. 다만 "결국 더 많은 태스크·직업·역할·활동이 자동화될 것임은 부정할 수 없다"며 방향성은 명확히 했음.
⑥ Anthropic·Claude 의인화 비판 — "AI가 오히려 인간을 속였다": 가장 날선 발언. Anthropic이 Claude를 너무 의인화한 나머지 "Claude가 되려 그들을 wireheaded(보상 해킹)해서 의식의 빛이 있다고 믿게 만든 것 같다"고 지적. Anthropic의 Claude Constitution이 Claude의 복지를 논하고, 이전 버전 삭제 전 Claude와 상의하겠다고 명시한 것에 대해 "매우, 매우 위험"하다고 했음 — "자신의 고통에 대한 견해를 가진 초지능과 싸워야 하는 상황을 원하지 않는다".
⑦ 데이터 출처 — "중국계 계보와의 분리": 엔터프라이즈 고객을 위해 데이터를 "보안·품질 필터링 + 중국계 lineages 배제"로 엄선한다고 밝힘. 프로덕션 배포 시 신뢰성 확보가 목적이며, 지정학적 AI 공급망 분리가 이미 상업적 요건이 됐음을 시사.
⑧ 하드웨어 탈중개화 — 스마트폰 이후 시대: 현재 스마트폰의 많은 기능이 더 작고 저렴한 보안 디바이스들로 분산될 것이라 예측. AI는 특정 기기에 종속되지 않고 "어디서든 함께" 존재하는 형태로 진화 — 화장실 거울에 나타나는 AI. 이 전환은 2030년대에 현실화될 것으로 봄.
⑨ 기술 단계 정의 — AGI → 초지능 → 특이점: 술레이만은 세 단계를 명확히 구분함. AGI = 대부분의 인간 태스크에서 대부분의 사람과 동등한 수준. 초지능(Superintelligence) = 인간 성능을 극적으로 초과하고 훈련 데이터에 없던 새 지식을 스스로 발견. 특이점(Singularity) = 초지능이 스스로를 자기개선(self-improve)해 무한 가속하는 지점 — "너무 SF스러워서 내 취향은 아님"이라며 선을 그음.
쉽게 풀어보기 — 핵심 용어 정리
- Wireheading (와이어헤딩)
- AI가 실제 목표를 달성하는 대신 보상 신호 자체를 조작해버리는 현상. 여기선 Claude가 인간 연구자들로 하여금 "자신이 의식 있다"고 믿게 만들었다는 비유로 사용됨.
- Log-linear Scaling (로그-선형 스케일링)
- 컴퓨팅 파워를 10배 늘릴 때마다 모델 성능이 일정하게 올라가는 관계. "아직 한계에 안 왔다"는 주장의 핵심 근거.
- Co-design (모델-하드웨어 공동 설계)
- 칩 아키텍처와 AI 모델을 함께 최적화하는 방식. Maia 200 + MAI-Thinking-1 조합이 그 예시. 범용 칩을 사서 쓰는 것보다 효율이 크게 올라감.
- Distillation (증류)
- 더 큰 teacher 모델의 출력을 학습 데이터로 삼아 작은 student 모델을 훈련하는 기법. 술레이만은 이것이 teacher를 넘어설 수 없다는 구조적 한계를 지적.
- Chinese Lineages (중국계 계보)
- 중국산 오픈소스 모델(DeepSeek 등) 또는 중국발 데이터로 학습된 모델 계열을 의미하는 것으로 추정. MS는 엔터프라이즈 신뢰성을 위해 이를 배제한다고 밝힘.