모닝 인사이트 다이제스트

AnandTech 스타일의 하드웨어 심층 분석. 저자가 직접 MacBook Neo를 세 가지 열 상태(냉각 상태, 개발 워크로드 중, 열 소크 후)에서 테스트한 결과, 냉각 시 싱글코어 3,569점으로 M3와 M4 사이에 위치하지만 5분 고부하 후엔 476점으로 87% 급락한다. 팬리스 설계의 숙명이다. 핵심은 A18 Pro가 아키텍처상 M4와 본질적으로 동일하다는 점—같은 ARMv9.2-A, 같은 3nm 공정, 클럭 정규화 시 IPC도 거의 동일(~857점/GHz). 차이는 시스템 레벨: 코어 수(6 vs 10), 메모리 대역폭(60 vs 120 GB/s), 열 설계. 애플은 연 2억 3천만 대 아이폰으로 A18 Pro 웨이퍼 비용을 분산시키고, TSMC와 직접 협상하며, OS까지 통제해 이 가격을 만들어냈다. 8GB RAM은 명백한 한계지만, 1년 뒤 12GB 버전이 나올 가능성이 크고, 역설적으로 8GB 제약이 macOS 비대화를 막는 강제 장치 역할도 한다.

열 소크 후 벤치마크 점수가 87% 폭락하는데, 케이스 표면 온도는 36.4°C(체온 수준)에 불과하다. 칩은 내부에서 105°C에 도달해 성능을 잃지만 사용자 무릎에선 시원하다—애플이 지속 성능 대신 쾌적함을 택한 설계 철학의 증거다. 모더들이 수냉 개조로 게이밍 프레임을 2배 올린 사례가 이를 확인시켜준다.

애플이 스마트폰 칩을 PC에 투입하면서 웨이퍼 경제학과 수직계열화의 위력을 입증했다. 퀄컴 X Plus나 인텔 Lunar Lake보다 싱글코어에서 38-43% 앞서면서 $599를 유지하는 건 TSMC 직거래와 2억 대 규모 덕분이다. 업계에서 이 조합을 가진 곳은 애플뿐이다. 단기적으론 8GB 논란이 있지만, 장기적으론 ARM 기반 저가 고성능 노트북 시장의 새 기준점이 될 수 있다. AI 에이전트 시대에 로컬 추론용 저가 디바이스가 중요해지는 맥락에서, Neo의 35 TOPS Neural Engine과 $599 가격은 흥미로운 포지셔닝이다.

-> 2026-05-13 | Running local models on an M4 with 24GB memory | HackerNews -> 2026-05-12 | Local AI needs to be the norm | HackerNews

Zvi의 AI 주간 리뷰 168호. Claude Opus 4.7의 Fast Mode, /goal 명령어 같은 실용적 업그레이드가 나오고, AI 에이전트들이 실제 업무에 투입되는 중이다. 하지만 결과는 극과 극이다. Amazon 직원들은 AI 사용 실적을 채우려고 쓸데없는 자동화를 돌리고, 스톡홀름 카페에서 Gemini 기반 AI 'Mona'는 빵 주문을 깜빡해서 샌드위치 메뉴를 통째로 날렸다. 반면 Shopify는 AI를 통한 전환율이 50% 높고 객단가도 14% 상승했다고 보고한다. 글의 후반부는 AI 글쓰기 논쟁으로 이어진다. AI는 '상위 10-12% 수준'으로는 쓸 수 있지만, 정보 밀도가 낮고 특유의 틱(tic)이 있으며 한 층위에서만 소통한다. 그런데 AI 기업들이 이걸 고치지 않는 이유는 단순하다. 평가자와 사용자들이 이미 이 수준에 만족하기 때문이다.

Claude에게 '모든 걸 고치는 10대 정책 버튼'을 물었더니 주택 규제 완화, 토지세, 탄소세, 존스법 폐지, 신장 기증 보상, 고숙련 이민 확대 등을 제시했고, Zvi는 "10/10, 논평 불필요(no notes)"라고 평가. AI가 정책 싱크탱크보다 나은 순간이다.

AI가 '아직 못한다'는 영역(여행, 데이트, 카페 운영)과 '이미 먹힌다'는 영역(Shopify 전환율, 세금회피, 평범한 글쓰기)의 경계가 명확해지고 있다. 핵심은 마찰(friction)과 평가 기준이다. AI가 실제로 뭔가를 완수하려면 인터페이스와 반복 루프가 필요하고, AI 슬롭이 판치는 이유는 대다수 평가자가 그 수준을 구분 못 하기 때문이다. 결국 AI 투자나 도입 전략은 "어디에 마찰이 있고, 누가 평가하는가"를 먼저 물어야 한다.

-> 2026-05-12 | The Inference Shift | RSS/Stratechery -> 2026-05-14 | Some non-obvious reasons why AI will create some transitional problems in employment | RSS/Marginal Revolution

UC 버클리의 Lucas Davis 교수가 셰일가스의 경제적 가치를 계량화한 논문을 소개하는 글이다. 핵심 방법론은 미국($5.3/Mcf), 유럽($14.4/Mcf), 일본($16.1/Mcf)의 LNG 가격 차이를 비교하는 것. 수압파쇄(프래킹)와 수평시추 기술 덕분에 미국은 천연가스 순수입국에서 세계 최대 수출국으로 전환됐다. 이 가격 차이가 그대로 미국 소비자의 절약액이라는 계산이다. 특히 우크라이나 전쟁 같은 공급 쇼크 시기에 저렴한 국내 천연가스 접근성이 더 큰 가치를 발휘했고, 이 혜택은 모든 산업 부문과 주(州)에 걸쳐 광범위하게 나타났다는 분석이다.

유럽과 일본이 미국보다 천연가스에 3배 가까이 더 내고 있다는 사실. 이 가격 차이가 누적되면 18년간 미국 GDP의 상당 부분에 해당하는 절약 효과다.

에너지 가격이 인플레이션과 경쟁력의 핵심 변수인 시점에, 기술 혁신이 정책 레토릭을 어떻게 압도하는지 보여주는 사례다. AI 데이터센터 전력 수요 폭증 국면에서 미국의 에너지 우위는 더 중요해진다. 유럽이 에너지 비용으로 고전하는 동안 미국 제조업과 데이터센터가 누리는 구조적 이점이 명확해지는 대목이다.

-> 2026-05-14 | Data centers are good

중국이 DeepSeek으로 추론 효율을 증명했지만, 미국은 칩-전력-클라우드-데이터-개발자 생태계-소비자 플랫폼을 동시에 지배하고 있다는 주장이다. 전력 가격 비교에서 중국과 러시아가 미국보다 싸지만, 핵심은 AWS/Azure/GCP 같은 하이퍼스케일러와 YouTube, GitHub, Microsoft 365 같은 데이터 플랫폼이다. 이들은 모델을 전 세계에 배포하는 채널이자 학습 데이터를 생성하는 원천이다. 유럽은 엔지니어링 인력은 있지만 클라우드 인프라가 없고, 지금 시작해도 10년 걸린다는 것. SAP의 Christian Klein이 "LLM만으로는 부족하다"고 한 말은 맞지만, 그래서 데이터센터가 덜 중요한 게 아니라 "더 큰 시스템의 일부로서" 중요하다는 반박이다. 마지막으로 weaponized AI, 즉 사이버 공격과 자율무기에 내장된 AI가 다음 전선이 될 것이며, 오픈소스 철학과 반대로 보안을 위해 폐쇄형 스택이 주류가 될 수 있다고 경고한다.

유럽이 2023-2024년 인도 소프트웨어 서비스에만 588억 달러를 쓴 뒤, 다음 해 671억 달러로 늘렸다는 수치. AI 시대에도 실제 워크플로우 적용 역량이 없으면 결국 외주로 흐른다는 뼈아픈 증거다.

DeepSeek 이후 "추론 비용 혁신"에만 주목하면 본질을 놓친다. 진짜 경쟁은 모델 서빙 인프라, 데이터 접근성, 기존 제품으로의 배포 속도에서 벌어진다. 투자 관점에서 보면 클라우드 3사와 데이터 플랫폼 기업들의 해자가 생각보다 훨씬 깊다는 뜻이고, 유럽 AI 스타트업이나 인프라 투자는 구조적 핸디캡을 안고 출발한다는 의미다. 동시에 weaponized AI와 폐쇄형 스택 전환은 사이버 보안, 방산, 칩 설계 전 영역에서 새로운 수요를 만들 신호다.

-> 2026-05-12 | The Inference Shift | RSS/Stratechery -> 2026-05-14 | Data centers are good | RSS/Marginal Revolution

Jonas Dolezal 등이 쓴 새 논문을 소개하는 Marginal Revolution 포스트다. 연구진은 2025년 중반까지 웹에서 AI가 생성하거나 보조한 텍스트가 차지하는 비율을 추적했다. ChatGPT 출시 전인 2022년 말엔 제로였던 게 35%까지 올라간 셈이다. 흥미로운 건 결과다. AI 텍스트가 늘면서 의미론적 다양성(semantic diversity)은 줄고 긍정적 감정 표현(positive sentiment)은 늘었지만, 사실 정확도(factual accuracy)나 문체 다양성(stylistic diversity) 하락은 통계적으로 유의미하지 않았다. 결국 대중이 우려하는 것과 실제 데이터는 괴리가 있다는 게 핵심이다.

"AI가 인터넷을 망친다"는 통념과 달리, 정확도나 문체 다양성은 실제로 안 떨어졌다. 다만 의미 다양성은 줄고 긍정 편향은 늘었다는 게 흥미롭다. AI가 "안전하고 무난한" 방향으로 콘텐츠를 수렴시킨다는 증거일 수 있다.

웹 생태계의 3분의 1이 이미 AI 콘텐츠인 시점에서, 이게 검색·추천·지식 생태계에 미치는 영향은 엄청나다. 구글 같은 검색 엔진, 훈련 데이터를 웹에서 긁는 AI 모델 개발사, 콘텐츠 플랫폼 모두 이 변화에 대응해야 한다. 투자 관점에서도 "AI가 인터넷을 오염시킨다"는 가정 하에 움직이는 전략은 재검토가 필요할 수 있다.

-> 2026-05-14 | Some non-obvious reasons why AI will create some transitional problems in employment -> 2026-05-12 | Another use of AI in research (from my email)

ProPublica가 Cigna 소유의 EviCore라는 회사를 파헤쳤다. 이 회사는 보험사들이 사전승인(prior authorization) 심사를 아웃소싱하는 곳인데, 미국 보험 가입자 3명 중 1명에 영향을 미친다. 핵심은 "the dial"이라 불리는 AI 알고리즘이다. 의사가 요청한 MRI나 심장 검사를 자동 승인할 수도 있지만, EviCore는 이 다이얼을 조정해 더 많은 건을 인간 검토자에게 보낼 수 있고, 그럴수록 거부 확률이 올라간다. 내부 문서와 전직원 증언에 따르면, EviCore는 보험사에게 "투자 대비 3배 수익"을 약속하며 - 즉 EviCore에 1달러 쓰면 의료비 지출을 3달러 줄여준다고 - 계약을 따낸다. 일부 계약은 아예 리스크 모델로, 의료비를 더 많이 줄일수록 EviCore가 차액을 챙긴다. 아칸소 주 데이터 분석 결과 EviCore의 거부율은 20% 가까이, 연방 메디케어 어드밴티지(7%)의 거의 3배다. 의사들은 이 회사를 "EvilCore"라 부르며, 가이드라인이 낡고 경직돼 있어 필요한 치료를 지연·거부한다고 비판한다.

알고리즘이 요청에 점수를 매기는데(예: 75% vs 95% 승인 확률), 다이얼을 돌려 임계값을 바꾸면 검토 건수가 늘고 거부율이 올라간다. 전직 임원 증언으로는 "우리가 조정할 수 있었다. 그게 우리가 하던 게임이다." Cigna는 알고리즘이 "오직 승인 가속화용"이라고 부인했지만, 증거는 정반대를 가리킨다.

헬스케어 AI는 진단·신약 개발로 포장되지만, 실제로는 이미 비용 통제 도구로 광범위하게 쓰이고 있다. 문제는 투명성과 인센티브 구조다. EviCore 같은 회사는 환자 건강이 아니라 보험사 수익에 최적화된 알고리즘을 돌린다. 미국 의료 시스템에서 AI가 "필요 없는 낭비 차단"이 아니라 "정당한 치료 거부"로 작동할 수 있다는 구조적 증거다. 이는 AI 윤리 논의가 챗봇 할루시네이션을 넘어, 고위험 의사결정 시스템의 설계와 규제로 확장돼야 함을 보여준다. 헬스테크 투자자라면 수익 모델이 환자 결과와 어떻게 정렬(혹은 불일치)되는지 질문해야 한다.

-> 2026-05-12 | Local AI needs to be the norm

Mythos와 GPT-5.5 출시 이후 사이버보안 역량이 급격히 뛴 게 가시화되면서, 트럼프 행정부조차 "catastrophic risk는 실재한다"고 인정하고 모델 출시 감독에 나서기 시작했다는 내용. 상무부(Commerce)와 정보기관이 누가 최강 모델 접근권을 통제할지 싸우는 중이고, UK AISI와 XBOW 평가 결과 Mythos는 과거 어떤 모델도 못 풀던 사이버 침투 테스트를 최초로 통과했다. Mozilla는 Mythos로 15개월치 보안 버그를 3주 만에 찾았고, Palo Alto는 1년치 침투 기법을 같은 기간에 발견했다. 핵심은 이제 "90일 공개 유예 기간이 89일 너무 길다"는 얘기가 나올 정도로 공격/방어 속도 격차가 벌어지고 있다는 점. 한편 국방부 장관은 "Anthropic는 절대 안 쓴다"고 공언하지만, 실무진은 여전히 Claude Gov와 Mythos를 쓰고 있을 가능성이 크다.

METR 벤치마크에서 50% 성공률 기준으론 측정 한계를 넘었지만, 95% 신뢰도 요구 시엔 여전히 모델들이 특정 짧은 태스크조차 못 푸는 게 드러났다. "능력의 벽"이 아니라 "측정의 벽"이라는 논쟁이 붙었고, Gary Marcus는 "기준을 낮춰서 그렇게 보일 뿐"이라고 반박했다.

"규제는 혁신을 죽인다"던 분위기가 단 몇 주 만에 "FDA식 사전 심사"로 전환될 수 있다는 걸 보여준 사례. 정책 입안자들이 Mythos급 모델의 사이버 리스크를 체감하자 입장이 급선회했고, 이제 문제는 "규제를 할 것이냐"가 아니라 "어떻게 제대로 설계하느냐"로 넘어갔다. 하지만 지난 3년간 규제 논의를 금기시하느라 제대로 된 정책 옵션 연구가 없어서, 지금 나오는 제안들이 형편없다는 게 더 큰 문제다. AI 거버넌스의 prior restraint 시대가 실제로 열렸다.

-> 2026-05-12 | The Inference Shift | RSS/Stratechery -> 2026-05-14 | The Deployment Company, Back to the 70s, Apple and Intel | RSS/Stratechery

MIT 총장이 교내 구성원에게 보낸 솔직한 메시지다. 8% 기부금 세금과 연방 연구비 정책 변화로 캠퍼스 연구 활동이 1년 새 10% 줄었고, 신규 연방 과제는 20% 이상 감소했다. 의회가 2월 일부 예산을 복구했지만, 실제 MIT로 흐르는 돈은 과거 수준이 아니며 일부 기관은 '지리적 요소'를 고려한 배분을 검토 중이다. 결과적으로 대학원 신입생이 Sloan 경영대와 EECS MEng를 제외하고 2024년 대비 20% 감소, 총 500명 가량이 줄어들 전망이다. 교수들은 박사과정생과 포닥을 줄이고 있고, 이는 "벨트 조이기가 아니라 연구 모멘텀의 상실"이라고 표현한다. 대응책으로는 DOE Genesis 프로그램에 176건 제안서 제출, IBM과의 AI/양자컴퓨팅 연구소 확대, 석사 전용 프로그램 같은 수익 다각화, 기부금 강화 등을 언급했다.

DOE 신규 프로그램에 교수진이 176건의 제안서를 낸 건 위기 대응의 긴박함을 보여주는 동시에, MIT 연구 역량의 폭을 드러낸다. 그리고 "지리적 요소를 고려한 연구비 배분"이라는 표현이 흥미롭다. 과학적 메리트가 아닌 정치적 고려가 연구비에 개입하고 있다는 신호다.

MIT는 미국 기초연구의 심장부다. 여기서 대학원생 500명, 연구 활동 10% 감소는 단순히 한 학교 문제가 아니라 미국 전체 기술 파이프라인의 축소를 의미한다. AI 경쟁이 격화되는 시점에 중국은 STEM 인력을 쏟아내는데, 미국은 자국 연구 생태계를 세금과 정책으로 압박하고 있다. 장기적으로 혁신 경쟁력에 직접적 타격이고, 민간 기업들이 AI 투자에 몰빵하는 동안 기초과학 기반이 무너지는 구조적 리스크를 보여준다.

-> 2026-05-14 | Some non-obvious reasons why AI will create some transitional problems in employment -> 2026-05-12 | Tyrants are losing wars