일리야 수츠케버의 SSI, 8월에 첫 모델 공개할 듯, 개빈 베커 발언

서론

안전 초지능(Safe Superintelligence Inc.)은 2년 넘게 자체 연구 개발 내용에 대해 철저히 함구해 왔다.

이러한 침묵이 곧 바뀔 수 있다.

아트레데스 매니지먼트(Atreides Management)의 매니징 파트너이자 최고투자책임자(CIO)인 개빈 베커는 최근 투자자이자 팟캐스트 진행자인 패트릭 오쇼네시와의 대화에서 SSI가 8월에 모델을 출시할 계획이라고 밝혔다고 말했다.

이 발언은 SSI가 이전에 모델 출시 날짜를 공개적으로 발표한 적이 없었기 때문에 즉각적인 주목을 받았다.

SSI는 전 OpenAI 수석과학자 일리야 수츠케버, 다니엘 그로스, 다니엘 레비가 2024년에 설립했으며, 비범하게 집중된 사명을 중심으로 구축되었다. 공식 웹사이트는 현재까지도 회사를 하나의 목표와 하나의 제품, 즉 안전한 초지능을 추구하는 "직선 질주" 실험실로 설명하고 있다.

이 때문에 첫 모델에 관한 모든 논의는 더욱 중요하게 여겨진다.

그러나 처음부터 한 가지 중요한 점을 분명히 할 필요가 있다:

2026년 8월 7일 기준으로 SSI 자체는 공식 웹사이트에 8월 모델 출시를 확인하는 어떠한 공식 발표도 게시하지 않았다.

8월 타임라인은 SSI의 공식 출시 공지가 아닌 베커의 발언에서 비롯된 것이다.

베커의 정보가 정확하다면, 이는 외부에서 가장 신비롭고 가장 주목받는 프런티어 AI 연구소 중 하나의 기술적 성과를 처음으로 엿볼 수 있는 기회가 될 것이다.

SSI 첫 공개 모델, 8월 공개 가능성

이 핵심 발언은 AI 인프라, 반도체 수요, 지속적 학습, 샘플 효율적 학습에 관한 더 광범위한 논의 중에 거의 부수적으로 언급되었다.

베커는 모델이 배포 후 대규모 사전 학습에 주로 의존하기보다 효율적으로 학습할 수 있다면, 프런티어 AI의 경제 구도가 크게 바뀔 수 있다고 본다.

이 가능성을 설명하는 과정에서 그는 SSI가 8월에 모델을 "출시"할 것이라고 밝혔다고 말했다.

이 표현은 많은 미스터리를 남겨 두었다.

다음을 알려주지 않는다:

• 모델의 이름
• 공개 다운로드 제공 여부
• API를 통한 접근 제공 여부
• 연구 미리보기 버전인지 상업용 제품인지
• 전통적인 의미의 언어 모델인지
• Transformer 아키텍처를 채택하는지
• 지속적 학습을 지원하는지
• SSI가 추구하는 "안전한 초지능"인지
• 8월 일정이 그대로 유지될지

원문 기사는 이 발언을 SSI의 첫 모델 출시로 해석했다.

이는 합리적인 해석이지만, 출시의 구체적인 형태는 여전히 알 수 없다.

SSI는 일반 AI 제품 회사와 다른 방식으로 자신을 설명해 왔다

SSI의 공식 사명 선언문은 매우 직설적이다.

회사는 다음과 같은 요소에 방해받지 않고 안전한 초지능을 추구하기 위해 설립되었다고 밝힌다:

• 제품 주기
• 단기 상업적 압력
• 관리 오버헤드
• 여러 개의 경쟁적인 제품 라인

공개 로드맵은 일련의 챗봇, 프로그래밍 도구, 검색 제품 또는 엔터프라이즈 서비스가 아니다.

선언된 로드맵은 바로 안전한 초지능 그 자체이다.

이것이 8월 발언이 많은 추측을 불러일으키는 이유다.

만약 SSI가 초지능에 도달하기 전에 전통적인 프런티어 모델을 출시한다면, 이는 회사의 제품 전략에 변화가 생겼다는 것을 의미할 수 있다.

만약 해당 모델이 SSI가 계속 개발해 온 연구 성과의 시연에 불과하다면, 이번 출시는 광범위한 상업 플랫폼을 내놓기보다 진전을 보여주기 위한 것일 수 있다.

현재로서는 두 해석 모두 여전히 추측에 불과하다.

지속적 학습, 베커 발언 이면의 더 중요한 이야기

모델 출시에 관한 문장은 베커가 지속적 학습과 샘플 효율적 학습을 논의하는 과정에서 나왔다.

이 두 연구 주제는 AI 경제에 있어 어떤 벤치마크 테스트 결과보다 중요할 수 있다.

지속적 학습이란 무엇인가?

일반적인 기반 모델은 큰 단계로 나누어 훈련된다.

프로세스를 단순화하면 다음과 같다:

1. 매우 큰 훈련 코퍼스를 수집한다.
2. 해당 코퍼스에서 모델을 사전 학습한다.
3. 모델을 미세 조정하거나 후속 훈련한다.
4. 모델을 배포한다.
5. 주기적으로 추가 훈련을 통해 모델의 새 버전을 만든다.

배포된 모델은 컨텍스트 창이나 외부 메모리의 정보를 사용할 수 있지만, 기본 가중치는 일반적으로 매 상호작용마다 지속적으로 업데이트되지 않는다.

지속적 학습은 더 야심 찬 목표를 추구한다.

지속적 학습 시스템은 처음부터 재구축할 필요 없이, 기존 지식을 재앙적으로 잊지 않으면서 시간이 지남에 따라 유용한 능력이나 지식을 지속적으로 획득한다.

이를 위해서는 몇 가지 난제를 해결해야 한다:

• 끊임없이 유입되는 새로운 경험에서 학습
• 유용한 피드백과 노이즈를 구분
• 재앙적 망각 방지
• 악의적인 상호작용이 모델을 손상시키는 것 방지
• 모델이 변화할 때 정렬 유지
• 시간에 따라 진화하는 시스템의 행동 평가
• 모델 업데이트에 어떤 경험이 허용되는지 제어

따라서 실제 세계에서 지속적으로 학습할 수 있는 모델은 단순히 장기 기억을 가진 챗봇 그 이상일 것이다.

샘플 효율적 학습이란 무엇인가?

샘플 효율성이란 더 적은 예시로부터 학습하는 능력을 말한다.

인간은 일반적으로 한두 번의 시연을 보면 새로운 규칙을 이해한다.

현재 프런티어 모델은 광범위한 능력 향상을 위해 종종 엄청나게 많은 훈련 데이터와 계산 능력이 필요하다.

샘플 효율성이 더 높은 모델은 다음 각 항목에서 더 많은 학습 가치를 추출할 수 있다:

• 사용자 상호작용
• 도구 결과
• 환경 관찰
• 시뮬레이션
• 실험
• 교정
• 시연

만약 지속적 학습과 샘플 효율성이 함께 향상된다면, 사전 학습의 역할이 바뀔 수 있다.

배포 전에 거의 모든 능력을 구축하는 대신, 연구소는 강력한 기반 모델을 훈련한 다음 경험을 통해 지속적으로 개선하도록 할 수 있다.

베커 가설: 훈련 수요는 AI 컴퓨팅의 더 작은 부분이 될 수 있다

베커는 이 연구 방향을 반도체 수요와 연결했다.

그의 기본 구상은 다음과 같다:

대규모 일회성 사전 학습
↓
모델 배포
↓
모델이 실제 세계 경험에서 효율적으로 학습
↓
반복적인 대규모 재훈련 필요성 감소

이러한 시나리오에서 전통적인 프런티어 사전 학습은 AI 전체 컴퓨팅 중 더 작은 부분이 될 수 있다.

추론과 지속적 학습이 더 중요해질 수 있다.

com/cms-assets/image/2026/08/978abe63-4b06-4c22-b491-72bdbd9f94ed-39b95ad5-109d-47b5-b0a1-c1c78a939098.png)

베이커는 이를 훈련 수요에 발생할 수 있는 단층으로 표현했다.

이것은 투자 논점이지, 확정된 기술적 결론이 아니다.

이 시나리오가 현실이 되려면 여러 조건이 충족되어야 한다:

1. 지속 학습이 최첨단 규모에서 안정적으로 작동해야 한다.
2. 모델이 상대적으로 적은 상호작용에서 유용한 정보를 학습할 수 있어야 한다.
3. 새로운 학습이 기존 능력을 파괴하지 않아야 한다.
4. 시스템이 변화함에 따라 안전성과 정렬이 안정적으로 유지되어야 한다.
5. 온라인 학습이 정기적인 재훈련보다 경제적이어야 한다.
6. 최종 시스템은 여전히 대규모 배포로부터 이점을 얻어야 한다.

그렇다고 해도 총 계산 수요가 반드시 감소하는 것은 아니다.

배포 후 현저히 더 유용해지는 모델은 더 많은 추론 수요, 에이전트 활동, 시뮬레이션, 데이터 생성 및 강화 학습 워크로드를 생성할 수 있다.

컴퓨팅의 구조는 변화할 수 있지만, 전체 시장이 위축될 필요는 없다.

훈련 토큰 수는 문자 그대로의 기준이 아닌 예시적 데이터로 보아야 한다

출처 기사는 베이커의 논의에서 나온 주목할 만한 수치 대비를 반복했다: 초기 모델 사례는 약 수백억 토큰이었고, 현대 훈련 규모는 수백조에 달한다.

이 대비는 Llama 훈련에 대한 검증된 역사적 데이터로 간주되어서는 안 된다.

Meta의 공식 문서에 따르면:

• LLaMA 7B는 약 1조 토큰으로 훈련되었다.
• LLaMA 33B 및 65B는 약 1.4조 토큰으로 훈련되었다.

베이커 자신도 더 작은 수치를 공식 모델 카드 통계가 아닌 들은 정보로 표현했다.

마찬가지로, 최첨단 연구소는 현재 각 독점 모델의 전체 훈련 토큰 수를 공개하지 않는다.

"200억 대 300조"라는 정확한 대비에 의존하지 않더라도 핵심 논점은 여전히 유효하다:

최첨단 모델 개발은 점점 더 대규모 데이터셋과 막대한 컴퓨팅 파워에 의존하고 있으며, 따라서 배포된 시스템이 더 적은 양의 새로운 경험에서 효율적으로 학습할 수 있게 하는 돌파구가 있다면 AI 인프라의 경제 구도를 실질적으로 바꿀 수 있다.

엔비디아에 대한 의미

NVIDIA는 다양한 AI 워크로드로부터 이점을 얻는다:

• 사전 훈련
• 사후 훈련
• 강화 학습
• 합성 데이터 생성
• 추론
• 에이전트 실행
• 긴 컨텍스트 추론
• 시뮬레이션
• 임베딩 및 검색
• 비디오 및 멀티모달 생성

한 범주의 감소가 가속기 총 수요 감소를 자동으로 의미하지는 않는다.

이것이 베이커가 지속 학습을 확신하는 예측이 아닌 스트레스 테스트를 해볼 가치가 있는 시나리오로 설명한 이유다.

AI 매도는 논의의 배경이다

베이커는 AI 관련 주식이 크게 약세를 보이던 시기에 이 대화를 녹음했다.

그가 이 인터뷰를 홍보한 소셜 미디어 게시물에서, 녹음 당시 "AI 섹터"가 6월 고점 대비 약 35%~40% 하락했다고 밝혔다.

BAAI 관계자는 이번 조정의 속도를 2022년 약세장을 더 짧은 기간으로 압축한 것에 비유했다.

베이커가 대화에서 가진 목표는 AI 기반 투자 논리가 악화되었는지 판단할 증거를 찾는 것이었다.

그는 다음 지표를 논의했다:

• GPU 가격
• 추론 수요
• 오픈소스 모델 발전
• 반도체 수요
• 자본 지출
• 지속적인 기술 발전

그의 논점은 시장이 더 하락할 수 없다는 것이 아니다.

진정한 기술적 단층—예를 들어 효율적인 지속 학습—이 단기 주가 변동보다 장기 컴퓨팅 논리에 더 중요할 수 있다는 것이다.

개빈 베이커는 수십 년간 엔비디아와 반도체 산업을 주시해 왔다

관계자는 베이커의 SSI 관련 발언이 주목을 받은 이유를 설명하는 데 많은 시간을 할애했다.

베이커는 SSI의 직원이나 공식 대변인이 아니다.

그는 공개 시장 투자자다.

그는 현재 2019년에 자신이 설립한 Atreides Management의 경영 파트너 겸 최고 투자 책임자로 재직 중이다.

이전에는 1999년부터 2017년까지 Fidelity Investments에서 근무했다.

그곳에서의 직책은 다음과 같다:

• 반도체 분석가
• 포트폴리오 매니저
• Fidelity OTC 포트폴리오 매니저
• 벤처 캐피탈

반도체 분야에서의 장기적 배경은 베이커가 여러 컴퓨팅 시대에 걸쳐 엔비디아를 추적해 왔기 때문에 이번 논의와 특히 관련이 있다.

이러한 시대는 다음과 같다:

• PC 그래픽
• 게임 GPU
• CUDA
• 암호화폐
• 딥러닝 훈련
• AI 추론
• 데이터센터 시스템
• AI 팩토리

2026년 엔비디아 GTC 컨퍼런스에서 젠슨 황은 공개적으로 베이커를 엔비디아 최초의 주요 기관 투자자로 소개했다.

이 주장은 엔비디아 자체 GTC 기조연설 기록을 통해 독립적으로 검증할 수 있다.

인맥 채널이 왜 중요한가

관계자는 또한 베이커가 기술 기업, 창업자, 투자자, 반도체 생태계 내에서 폭넓은 인맥 네트워크를 보유하고 있다는 점을 강조했다.

이러한 채널이 시장 참여자들이 SSI에 대한 한 마디의 가벼운 발언을 진지하게 받아들이는 이유를 설명할 수 있다.

하지만 이것이 그 발언이 회사 공식 발표와 동일하다는 의미는 아니다.

올바른 증거 등급은 다음과 같다:

8월 7일 기준, 증거는 여전히 "신뢰할 수 있는 2차 진술" 수준에 머물러 있다.

SSI는 수십억 달러를 모금했지만 공개 모델을 출시하지 않았다

SSI의 신비감이 외부의 비정상적으로 높은 기대를 설명하는 이유 중 하나다.

이 회사는 2024년 6월 다음 인물들에 의해 설립되었다:

• Ilya Sutskever
• Daniel Gross
• Daniel Levy

Sutskever는 이전에 OpenAI를 공동 설립하고 최고 과학자로 재직했다.

SSI는 처음에 약 10억 달러를 모금했다.

2025년 후반 라운드에서 추가로 20억 달러를 모금하여 회사 가치가 약 320억 달러로 평가된 것으로 보도되었다.

2026년 7월, NVIDIA와 SSI는 새로운 전략적 파트너십을 발표했다.

로이터는 이후 소식통을 인용하여 NVIDIA의 투자가 약 50억 달러라고 보도했지만, 두 회사는 투자 금액이 상당하다고만 밝히고 공식 발표에서 구체적인 재무 수치를 공개하지 않았다.

이러한 조합은 업계에서 이례적이다:

• 수십억 달러의 자금 조달
• 매우 높은 비공개 기업 가치
• 소규모 연구 팀
• 공개된 모델 시리즈 없음
• 발표된 연구 거의 없음
• 정기적인 제품 로드맵 없음

그 결과, 이 회사의 인지 가치는 연구 팀에 대한 신뢰와 그들의 접근 방식이 주류 최첨단 모델 경로와 실질적으로 다를 가능성에 크게 의존한다.

NVIDIA는 이제 SSI의 극비 연구를 확인했다

7월 27일 NVIDIA–SSI 발표는 SSI가 새로운 단계에 진입했다고 믿는다는 가장 강력한 공개 신호 중 하나를 제공했다.

NVIDIA는 SSI 극비 연구에 대한 이례적인 접근 권한을 얻은 후 이 협력에 참여했다고 밝혔다.

두 회사가 발표한 내용:

• NVIDIA가 SSI에 대규모 투자를 했다.
• SSI는 NVIDIA Vera Rubin 플랫폼에 대한 접근 권한을 받게 된다.
• 이 협력을 통해 SSI의 컴퓨팅 능력이 약 10배 확장될 것이다.
• SSI와 NVIDIA는 향후 컴퓨팅 플랫폼에서 협력할 것이다.

Sutskever는 SSI가 "규모 확장할 가치가 있는 연구"를 보유하고 있다고 말했다.

이 발표는 여전히 다음을 공개하지 않았다:

• 모델 아키텍처
• 훈련 방법
• 안전 기술
• 벤치마크
• 출시일
• 모델 이름

하지만 SSI가 순수한 탐색 단계에서 유망하다고 판단한 연구 방향의 규모 확장으로 전환했다는 점은 확인된 사실이다.

Vera Rubin이 SSI에 더 큰 컴퓨팅 기반을 제공한다

NVIDIA의 Vera Rubin 플랫폼은 이 회사의 차세대 AI 컴퓨팅 아키텍처다.

NVIDIA는 Rubin이 다음을 개선한다고 밝혔다:

• 학습 성능
• 에이전트 추론 처리량
• 에너지 효율
• 토큰 비용
• 대규모 네트워킹

SSI와 관련하여 공식 협력 발표에 따르면, 투자와 Vera Rubin 접근 권한의 결합으로 회사의 컴퓨팅 능력이 한 자릿수(10배) 증가할 것이라고 한다.

이것이 바로 "10배 컴퓨팅"이라는 널리 퍼진 이야기의 출처다.

표현은 중요하다.

NVIDIA는 SSI가 정확히 10배 많은 GPU를 받을 것이라고 말하지 않았다.

이 협력으로

SSI의 전반적인 컴퓨팅 능력이 한 자릿수 향상될 것이라고 말했다.

엔비디아 협력이 8월 출시를 뒷받침할 수 있을까?

시점은 자연스럽게 추측을 불러일으킨다.

타임라인은 다음과 같다:

엔비디아 협력은 곧 출시될 모델 또는 향후 확장 단계를 뒷받침할 수 있다.

현재 이 하드웨어 계약이 8월 출시를 지원하기 위해 특별히 체결되었다는 공개적 증거는 없다.

더 설득력 있는 결론은:

이 협력은 영향력 있는 투자자가 해당 회사가 모델을 출시할 수 있다고 밝힌 시점에 SSI에 대폭 증가된 인프라를 제공했지만, 이러한 사건들 사이의 연관성은 공식적으로 설명되지 않았다.

"월스트리트의 월터 크롱카이트로서의 Claude" 관찰

이후 화제는 SSI에서 Baker의 AI와 금융 시장에 관한 더 폭넓은 관찰로 옮겨갔다.

그는 Claude를 월터 크롱카이트와 비교했다 — 방송 시대에 높은 대중적 신뢰와 연관된 영향력 있는 미국 텔레비전 저널리스트다.

Baker의 관점은 Claude가 실제로 시장의 진실을 결정한다는 것이 아니다.

그는 금융 분석에서 발생할 수 있는 다양성 상실을 묘사한 것이다.

생성형 AI 이전

복잡한 실적 보고서, 반도체 정책 문서 또는 규제 발표는 다음과 같은 사람들에 의해 독립적으로 해석될 수 있었다:

• 수천 명의 분석가
• 포트폴리오 매니저
• 트레이더
• 업계 전문가
• 기자
• 경제학자

이들은 의견이 갈렸다.

서로 다른 가정은 서로 다른 시장 관점을 만들어냈다.

생성형 AI 이후

이제 많은 시장 참여자들이 동일한 문서를 동일한 소수의 최첨단 모델에 보낼 수 있다.

그들은 유사한 질문을 던진다:

이것이 무엇을 의미하는가?
이것은 강세인가 약세인가?
어떤 기업이 혜택을 받는가?
2차 효과는 무엇인가?
예상과 비교해 무엇이 바뀌었는가?

많은 사람들이 동일한 모델에 크게 의존한다면, 그들은 유사한 분석 프레임워크와 유사한 결론을 얻을 가능성이 높다.

이는 모델 중개적 합의를 형성할 수 있다.

동질화된 분석이 왜 중요한가

금융 시장은 분산에 의존한다.

매수자와 매도자는 서로 다른:

• 시간 범위
• 정보
• 모델
• 가정
• 위험 감수 능력
• 해석 방식

분석의 상당 부분이 동일한 AI 시스템을 통해 표준화된다면, 다음과 같은 일이 발생할 수 있다:

• 반응 속도가 빨라진다.
• 합의가 조기에 형성된다.
• 유사한 거래가 동시에 실행된다.
• 가격 변동성이 더 심해진다.
• 역방향 기회가 더 일찍 나타날 수 있다.
• 단일 모델 해석의 오류가 광범위하게 퍼질 수 있다.

Baker는 이를 분석 다양성의 쇠퇴로 설명했다.

이것은 현대 시장의 경험적 실증 규칙이 아닌 흥미로운 가설이다.

AI는 다양성을 증가시킬 수도 있다

또 다른 가능성이 존재한다.

AI 도구는

한 분석가가 더 많은 시나리오를 테스트하고, 더 많은 문서를 검토하며, 더 많은 출처를 번역하고, 더 빠르게 합의에 의문을 제기할 수 있게 해준다.

사용자는 또한 다음 모델이나 도구의 출력을 비교할 수 있다:

• Claude
• ChatGPT
• Gemini
• 오픈 가중치 모델
• 전문 금융 모델
• 맞춤형 내부 리서치 에이전트

AI가 시장 다양성을 증가시킬지 감소시킬지는 사람들이 이를 어떻게 사용하는지에 달려 있다.

위험은 독립적인 검증 없이 동일한 모델에 판단을 위임하는 것이다.

SSI 모델이 무엇을 드러낼 수 있을까

SSI가 실제로 8월에 모델을 출시한다면, 가장 흥미로운 질문은 표준적인 벤치마크 질문이 아닐 수 있다.

사람들은 자연스럽게 다음 측면에서 비교할 것이다:

• 추론 능력
• 코딩 능력
• 수학 능력
• 에이전트 작업
• 긴 컨텍스트 성능
• 멀티모달 이해

하지만 SSI가 밝힌 사명은 몇 가지 더 깊은 질문을 더 중요하게 만든다.

1. 지속적으로 학습할 수 있는가?

Baker의 발언은 지속 학습에 관한 논의 중에 나왔다.

이것이 SSI의 모델이 지속 학습 능력을 보여줄 것이라는 증거는 아니다.

만약 그렇다면, 연구자들은 다음을 알고 싶어할 것이다:

• 배포 후 무엇이 변화하는가?
• 가중치가 온라인으로 업데이트되는가?
• 학습은 단계적인가 지속적인가?
• 망각은 어떻게 통제되는가?
• 악의적인 피드백은 어떻게 걸러지는가?
• 업데이트는 어떻게 평가되는가?

1. 더 높은 샘플 효율성을 보이는가?

SSI가 더 적은 예시에서 더 많은 것을 학습하는 방법을 찾았다면, 이는 학습 경제성에 영향을 미칠 수 있다.

강력한 증거는 일화가 아닌 투명한 평가를 필요로 한다.

1. "안전"이 기술적으로 무엇을 의미하는가?

SSI는 안전성과 능력이 함께 발전해야 한다고 말한다.

출시는 이것이 실제로 무엇을 의미하는지 보여줄 기회를 만들 것이다.

가능한 영역은 다음과 같다:

• 정렬
• 설명 가능성
• 견고성
• 확장 가능한 감독
• 적대적 저항력
• 통제된 자기 개선
• 안전한 도구 사용

SSI는 이러한 메커니즘 중 어떤 것이 그들의 접근 방식을 정의하는지 아직 공개적으로 밝히지 않았다.

1. 제품인가 연구 이정표인가?

공개 API는 제품 방향을 암시할 것이다.

논문, 데모, 벤치마크 또는 제한된 연구 출시는 다른 것을 의미한다.

SSI가 직접 목소리를 내기 전까지, "모델 출시"라는 표현은 이 질문에 답하기에는 너무 모호하다.

이 루머가 출시 전에도 왜 중요한가

SSI는 핵심 연구 목표가 준비되기 전에 일반적인 제품 경쟁을 피하겠다는 명확한 전제로 설립된 소수의 최첨단 연구소 중 하나다.

이것은 출시를 단순한 모델 품질의 시험으로 만들지 않는다.

이것은 2024년 이후 그 회사를 둘러싼 몇 가지 믿음을 시험할 것이다:

• 작고 정예한 팀이 더 큰 연구소와 경쟁할 수 있다
• 연구 우선 조직이 빠른 제품 주기를 피할 수 있다
• 안전성과 능력이 함께 발전할 수 있다
• 다른 연구 방향이 수십억 달러의 자금을 정당화할 수 있다
• 최첨단 진보가 단순히 같은 확장 경로를 더 빠르게 걷는 것만을 요구하지 않을 수 있다

엔비디아 협력은 엔비디아가 대규모 자본과 차세대 컴퓨팅을 투입하기 전에 SSI의 연구 성과를 확인했다고 밝혔기 때문에 기대치를 높였다.

Baker의 발언은 가능한 시점을 추가했다.

둘 다 이 모델이 정확히 무엇인지 말해주지는 않는다.

무엇이 확인되었고, 무엇이 보도되었으며, 무엇이 여전히 알려지지 않았는가

확인된 사실

• SSI는 Ilya Sutskever, Daniel Gross, Daniel Levy가 2024년에 설립했다.
• SSI는 유일한 목표와 제품이 안전한 초지능이라고 공개적으로 밝혔다.
• NVIDIA와 SSI는 2026년 7월 27일 장기 전략적 파트너십을 발표했다.
• NVIDIA는 이 협력으로 SSI의 컴퓨팅 능력이 약 한 자릿수 향상될 것이라고 밝혔다.
• NVIDIA는 협력 체결 전에 SSI의 엄격히 비공개된 연구에 대한 드문 접근 권한을 얻었다고 밝혔다.
• Gavin Baker는 Atreides Management의 관리 파트너이자 최고 투자 책임자다.
• Jensen Huang은 GTC 2026에서 Baker를 NVIDIA의 최초 주요 기관 투자자로 소개했다.

Gavin Baker가 보도한 내용

• SSI가 8월에 모델을 출시할 계획이라고 밝혔다고 한다.

SSI가 공개적으로 확인하지 않은 사항

• 정확한 출시 날짜
• 모델 이름
• 아키텍처
• 파라미터 수
• 학습 토큰 수
• 벤치마크 결과
• 접근 방식
• 가격
• 라이선스
• 지속 학습 능력
• 샘플 효율성 주장
• 해당 출시가 초지능 시스템 자체인지 여부

자주 묻는 질문

안전한 초지능(Safe Superintelligence) 회사가 2026년 8월에 모델을 출시할까?

Gavin Baker는 최근 인터뷰에서 SSI가 8월에 모델을 출시할 것이라고 밝혔습니다. 2026년 8월 7일 기준으로 SSI는 공식 웹사이트에 해당 날짜를 확인하는 공개 발표를 게시하지 않았습니다.

이것이 SSI의 첫 공개 모델이 될까?

모델을 출시한다면, 이는 SSI가 처음으로 공개하는 모델 또는 제품 수준의 시스템이 될 것입니다. 이 회사는 설립 이후 기본적으로 비공개 방식으로 운영되어 왔으며, 일반적인 모델 시리즈를 출시한 적이 없습니다.

SSI의 8월 모델이 초지능으로 확인되었나?

아닙니다. SSI의 공식 사명은 안전한 초지능을 구축하는 것이지만, 8월 모델이 해당 수준에 도달했다는 공개 정보는 아직 없습니다. 해당 모델의 성능, 아키텍처, 벤치마크 및 출시 형태는 아직 알려지지 않았습니다.

AI에서 지속 학습이란 무엇인가?

지속 학습은 시스템이 시간이 지남에 따라 처음부터 반복적으로 재학습하지 않고도 새로운 경험으로부터 지속적으로 학습하면서도 이전 능력을 잊지 않는 능력을 의미합니다. 신뢰할 수 있는 지속 학습은 특히 대규모 배포 모델에 있어 여전히 활발한 연구 주제입니다.

지속 학습이 GPU 수요에 영향을 미칠 수 있는 이유는?

배포된 모델이 궁극적으로 효율적으로 학습할 수 있게 된다면, 일부 컴퓨팅이 대규모 주기적 사전 학습에서 추론, 온라인 학습, 시뮬레이션 및 후속 학습으로 전환될 수 있습니다. 이는 가속기 수요의 구성을 변화시키지만 AI 총 컴퓨팅 수요를 반드시 줄이지는 않을 것입니다.

NVIDIA가 안전한 초지능 회사에 투자했나?

네. NVIDIA와 SSI는 2026년 7월에 주요 투자 및 장기 파트너십을 공식 발표했습니다. 로이터 통신은 투자 금액이 약 50억 달러라고 보도했지만, 두 회사는 공식 발표에서 재무 금액을 공개하지 않았습니다.

NVIDIA의 Vera Rubin 협력이 SSI에 어떤 이점을 주는가?

NVIDIA는 SSI가 차세대 Vera Rubin 플랫폼에 접근할 수 있게 되었으며, 이 협력을 통해 SSI의 컴퓨팅 성능이 약 한 자릿수 이상 향상될 것이라고 밝혔습니다. 두 회사는 또한 미래 컴퓨팅 플랫폼을 공동 개발할 예정입니다.

Gavin Baker는 누구인가?

Gavin Baker는 Atreides Management의 관리 파트너이자 최고 투자 책임자입니다.

그는 이전에 Fidelity Investments에서 약 20년간 근무했습니다. 2026년 NVIDIA GTC 컨퍼런스에서 Jensen Huang은 그를 NVIDIA의 첫 번째 주요 기관 투자자로 소개했습니다.

관련 도구

• Safe Superintelligence Inc.: SSI 공식 웹사이트로, 사명, 회사 설명 및 향후 공개 발표의 주요 소스입니다.
• NVIDIA Vera Rubin: NVIDIA 차세대 AI 컴퓨팅 플랫폼으로, SSI의 확장된 컴퓨팅 인프라를 지원할 것입니다.
• Atreides Management: Gavin Baker의 투자 회사로, 공식 프로필에서 반도체 및 기술 분야 투자 배경을 자세히 소개합니다.
• NVIDIA On-Demand: NVIDIA GTC 기조연설, 기술 세션 및 기록의 공식 아카이브입니다.
• Meta Llama: Meta 공식 모델 시리즈 웹사이트로, 과거 모델 규모 주장을 비교할 때 공개된 학습 및 아키텍처 정보를 확인하는 데 사용할 수 있습니다.

관련 링크

• 안전한 초지능 공식 웹사이트: SSI 공식 성명, 회사는 단 하나의 목표와 하나의 제품만을 가지고 있습니다: 안전한 초지능.
• NVIDIA와 SSI 전략적 파트너십: NVIDIA의 2026년 7월 27일 공식 발표로, SSI에 대한 투자, Vera Rubin 접근 권한 및 컴퓨팅 확장을 다룹니다.
• NVIDIA의 SSI 협력에 관한 투자자 보도자료: 동일한 공식 협력 발표의 투자자 관계 버전입니다.
• Gavin Baker — Atreides Management: Baker의 공식 프로필로, Atreides에서의 직책과 이전 Fidelity에서의 경력을 다룹니다.
• NVIDIA GTC 2026 기조연설 기록: 공식 기조연설 기록으로, Jensen Huang이 Baker를 NVIDIA의 첫 번째 주요 기관 투자자로 소개했습니다.
• OfficeChai: Gavin Baker가 SSI가 8월에 모델을 출시할 수 있다고 밝힘: Baker의 지속 학습 논의 관련 부분을 보존한 보조 보도입니다.
• Meta: LLaMA 출시: Meta 공식 기록에 따르면 초기 LLaMA 모델은 약 1조에서 1.4조 토큰으로 학습되었으며, 토큰 수 논의의 맥락을 이해하는 데 도움이 됩니다.

요약

Gavin Baker는 SSI가 2026년 8월에 모델을 출시할 계획이라고 밝히며 안전한 초지능의 출시 시기에 대한 최초의 신뢰할 수 있는 공개적 암시를 제공했습니다. 8월 7일 기준으로 SSI 자체는 해당 일정을 공개적으로 확인하지 않았으므로, 이 날짜는 공식 출시 발표가 아닌 언론 보도로 간주되어야 합니다.

이 발언이 중요한 이유 중 하나는 그 배경 때문입니다. Baker는 지속 학습과 샘플 효율적 학습에 대해 이야기하고 있었습니다 — 이러한 연구 방향은 AI 컴퓨팅을 대규모

오늘날 모델 분야는 점점 더 대규모 사전 학습이 주도하고 있으며, 배포 후에도 지속적으로 학습할 수 있는 시스템으로 나아가고 있습니다.

SSI는 또한 NVIDIA와 막 중요한 전략적 협력을 체결했습니다. 이 공식 계약을 통해 회사는 Vera Rubin 시스템에 접근할 수 있게 되었으며, 컴퓨팅 성능이 약 한 자릿수 이상 향상될 것으로 예상됩니다. NVIDIA는 SSI의 비공개 연구에 대한 특별한 접근 권한을 얻은 후에 이 협력을 결정했다고 밝혔습니다.

오늘의 핵심 사실은 SSI가 이미 초지능을 출시했다는 것이 아니라, 인맥이 특히 넓은 한 투자자가 그들의 첫 모델이 드디어 출시에 가까워졌을 수 있다고 말했다는 점입니다 — 그리고 이 회사는 이제 그들이 구축해 온 것을 확장할 수 있을 만큼 크게 증가한 컴퓨팅 자원을 보유하게 되었다는 것입니다.