[5/6] 배터리는 왜 미래산업의 핵심 인프라인가——42GW에서 1,500GW로, EV 부품을 넘어 그리드 시스템 자산으로

Table of Contents Toggle 먼저 쉽게: 배터리를 물탱크에 비유하면 숫자로 보는 배터리 저장의 폭발 가격 90% 하락은 어떻게 일어났는가 왜 배터리를 EV 부품으로만 보면 안 되는가 배터리가 전력망에서 하는 4가지 일 피크 시간 완충이 구체적으로 어떻게 작동하는가 주파수 조절: 밀리초가 정전을 막는다 기술적 심화: 왜 리튬이온이 2~4시간 방전에 최적인가 배터리 만능론은 왜 오류인가: 배터리가 실패하는 … Read more

[4/6] AI 붐은 왜 전력 문제로 이어지는가——460TWh에서 1,300TWh까지, 변압기와 큐가 만드는 진짜 병목

Table of Contents Toggle 먼저 쉽게: 전력 문제를 수도관에 비유하면 숫자로 보는 전력 수요 폭발 데이터센터 안에서 실제로 전력은 어디에 쓰이는가 왜 각 구성요소가 그만큼의 전력을 먹는가 진짜 병목은 어디에 있는가——변압기, 케이블, 인터커넥션 큐 변압기 리드타임: 최대 4년 변압기가 뭔가요? (처음 접하는 분을 위해) 왜 물리적으로 4년이나 걸리는가 왜 4년이나 걸리나? (물리적 이유) 케이블 조달: … Read more

[3/6] 휴머노이드는 독립 시장인가, 기존 자동화의 다음 층인가——데모보다 설치 기반과 운영 경제학으로 읽기

Table of Contents Toggle 먼저 쉽게: 휴머노이드를 집안일에 비유하면 로봇 산업의 3층 구조: 기존→AI 강화→휴머노이드 각 층을 공장 사례로 이해하기 먼저 숫자로 보는 기반 시장 왜 휴머노이드가 지금 많이 보이는가 1. AI가 로봇의 인지·판단을 급격히 개선하고 있다 2. 시뮬레이션과 합성 데이터가 학습 비용을 낮추고 있다 시뮬레이션이 왜 중요한가——sim-to-real의 구조 3. 데모 영상의 파급력이 시장 기대를 … Read more

[2/6] AI 산업은 모델 랭킹보다 산업 스택으로 읽어야 하는 이유——6개 층으로 보는 실제 경쟁 구도

Table of Contents Toggle 먼저 쉽게: AI 산업을 학교에 비유하면 모델 랭킹만 보면 무엇을 놓치는가 AI 산업을 읽는 6개 층 ① 연구개발: 모델 랭킹이 만들어지는 곳 R&D 층에서 실제로 무슨 일이 일어나는가 ② 인프라: 확장 속도를 물리적으로 결정하는 곳 데이터센터가 “건물”이 아니라 “발전소급 전력 소비자”인 이유 왜 GPU만으로는 안 되는가——인프라는 “시스템”이다 ③ 추론 경제학: 사용량 … Read more

[1/6] 미래산업 입문 지도——AI·로봇·에너지를 같이 봐야 하는 이유

먼저 쉽게: 미래산업을 인체에 비유하면 미래산업을 처음 접하는 분을 위해 비유로 시작합니다. 사람의 몸을 떠올려 보세요. AI는 두뇌입니다. 생각하고 판단합니다. “이 이메일에 뭐라고 답할까”, “이 사진에서 불량품은 어디인가”——이런 판단을 내리는 역할입니다. 로봇은 손과 발입니다. 두뇌가 “저 물건을 집어”라고 판단하면, 실제로 팔을 뻗어서 집는 건 손입니다. 공장에서 용접하고, 조립하고, 물건을 옮기는 게 로봇의 역할입니다. 에너지는 혈액과 … Read more

AI에 UI를 맡기면 왜 전부 같은 화면이 나올까——DESIGN.md와 Google Stitch로 결과 편차 줄이기

DESIGN.md와 Google Stitch를 조합하면 AI가 생성하는 화면의 편차를 크게 줄일 수 있습니다. “더 좋은 생성 툴로 바꾸면 결과도 좋아질 거야”——그렇게 생각해서 여러 번 툴을 갈아탄 경험이 있지 않나요? 결과의 흔들림을 줄이는 건 툴 성능보다, 에이전트가 반복해서 읽을 수 있는 설계 계약과 검수 루프입니다. 이 글에서는 AI가 만든 화면이 왜 비슷해지는지 정리하고, DESIGN.md라는 설계 계약 파일과 … Read more

SWE-bench 점수의 올바른 읽기법——’몇 점 나왔나’보다 먼저 확인해야 할 7가지 축

SWE-bench 점수의 올바른 읽기법 아이캐치

SWE-bench 점수는 코딩 AI의 수능 점수가 아니다. “특정 문제 세트 + 특정 테스트 설계 + 특정 실행 환경 + 특정 scaffold” 조건에서의 해결률이다. 이 글에서는 그 조건을 읽는 7가지 축을 정리한다. 새로운 코딩 AI가 등장할 때마다 “SWE-bench에서 ○○% 달성”이라는 헤드라인이 쏟아진다. 그런데 그 숫자 하나로 “이 AI가 코딩을 잘한다”고 판단하는 건, 시험 종류도 채점 방식도 … Read more

AI 위키 만드는 법——리서치를 반복할수록 판단이 흐려지는 메모장을 ‘AI가 읽는 운영체제’로 바꾼 7단계

AI 위키 만드는 법 아이캐치

AI 위키 만드는 법을 검색하는 사람의 대부분은 같은 벽에 부딪힌다. AI에게 조사를 시킬 때마다 성과가 리셋되고, 이전과 비슷한 검색을 반복하며, 판단 기준이 어디에도 남지 않는다. 요리에 비유하면, 매번 레시피를 검색하지만 지난번 잘됐던 불 조절 메모가 어디에도 없는 상태다. 조미료는 계속 늘어나는데 맛이 안정되지 않는다. 이 글에서는 그 메모장 수준의 AI 위키를 ‘AI가 반복해서 읽는 운영 … Read more

OpenAI Codex use cases를 읽어도 팀 도입이 안 되는 이유——AGENTS.md부터 시작하는 3단계

OpenAI Codex use cases 팀 도입 AGENTS.md와 검증 루프로 시작하는 실무 가이드 아이캐치

OpenAI Codex use cases 팀 도입을 고려하고 있다면, 공식 카탈로그를 그대로 따라 하기 전에 알아야 할 것이 있다. use cases를 읽어도 “우리 팀에서는 어떻게 써야 하지?”에서 막히는 건 카탈로그의 구조 때문이다. 이 글에서는 공식 use cases를 그대로 따라 하는 게 아니라, 팀 업무로 번역하는 방법을 정리한다. 포인트는 3가지다. 작업 단위 정리, 저장소 규칙(AGENTS.md) 정비, 검증 … Read more

JAKO