구독자님, 안녕하세요?
AI 트렌드를 전달해드리는 Trendium.ai 입니다.
구글과 빅테크가 수백조원을 AI 인프라에 쏟아붓는 진짜 이유가 AGI를 넘어 AI가 스스로 AI를 개선하는 ‘RSI’에 있다는 분석이 나오고 있습니다.
by 👁️🗨️ 예언카드 prophecycardmaster
만약 AI가 AI를 만드는 단계에 진입한다면, AI 산업의 수익 구조뿐 아니라 인간의 통제와 AI 보안의 개념 자체가 바뀔 가능성이 있습니다.
AGI 넘어 RSI로, 구글이 천문학적 AI 투자를 멈추지 않는 진짜 이유
AI 산업의 목표가 바뀌고 있습니다. 지금까지 업계가 외쳐온 단어가 ‘AGI(범용인공지능)’였다면, 최근 실리콘밸리의 시선은 그 다음 단계인 RSI(Recursive Self-Improvement·재귀적 자기개선)로 이동하고 있습니다.
흥미로운 점은 이 논의가 단순한 미래학자의 상상이 아니라는 것입니다. 지난 8월 1~2일 미국 UC버클리에서 열린 ‘Agentic AI Summit 2026’에서는 아예 ‘RSI: Demystifying the Foom’이라는 세션이 마련됐고, Google DeepMind의 최고전략책임자 자스짓 세콘이 참여했습니다. 오픈AI 공동창업자 보이치에흐 자렘바, 구글 딥마인드의 오리올 비냘스 등도 같은 행사에 등장했습니다.
여기서 중요한 질문이 하나 생깁니다
왜 빅테크는 아직 투자 대비 수익성이 완전히 입증되지 않은 AI에 천문학적인 돈을 계속 쏟아붓고 있을까요?
구글의 숫자를 보면 그 규모가 실감납니다. 알파벳은 2026년 자본지출(CapEx)을 약 1,800억~1,900억달러로 예상하고 있으며, 2027년에는 이보다도 크게 늘릴 계획이라고 밝혔습니다. 대부분이 데이터센터와 서버·네트워크 등 기술 인프라에 투입됩니다.
이것은 단순히 ‘챗봇을 더 많이 팔기 위한 투자’라고 보기에는 지나치게 거대합니다.
여기서 등장하는 개념이 RSI입니다. AGI가 인간 수준의 범용 지능을 갖춘 AI라면, RSI는 AI가 AI의 알고리즘·코드·학습방식·모델 자체를 개선하는 순환 구조를 의미합니다. 현재도 AI가 코드를 작성하거나 다른 AI 모델의 학습을 돕는 사례는 존재합니다. 하지만 진정한 RSI는 인간 연구자의 개입을 최소화하면서 AI가 다음 세대 AI를 연구하고, 그 결과가 다시 다음 AI의 개발 능력을 높이는 단계입니다.
말 그대로 ‘AI가 AI를 만드는 구조’입니다.
이 지점에서 AI 산업의 거대한 투자 논리가 달라집니다
현재 AI 기업들은 막대한 데이터센터와 GPU·TPU를 확보하고 있습니다. 문제는 이 비용을 현재의 AI 서비스 매출만으로 설명하기 어렵다는 것입니다. 그렇다면 시장이 기대하는 것은 현재 모델의 수익률이 아니라 AI가 연구개발 자체의 속도를 폭발적으로 끌어올리는 순간일 가능성이 있습니다.
만약 AI가 AI 연구자의 생산성을 2배, 10배, 100배로 끌어올릴 수 있다면 이야기가 완전히 달라집니다.
지금 건설하는 데이터센터와 확보하는 연산능력은 단순한 서비스 인프라가 아니라, 미래의 ‘기계 연구소’가 될 수 있기 때문입니다.
더 흥미로운 것은 이 같은 움직임이 구글 하나에만 나타나는 것이 아니라는 점입니다
버클리 행사에는 오픈AI, 마이크로소프트, 엔비디아, 구글 딥마인드 등 주요 AI 기업의 연구자들이 대거 참여했고, ‘Continuous Model Improvement’(AI 모델이 계속 스스로 성능을 개선하는 기술), ‘Self Optimizing Agents(스스로 판단하고 성능을 최적화하는 AI 에이전트)’, ‘An Optimization Perspective on Recursive Self-Improvement(AI가 자기 자신을 반복적으로 개선하는 과정을 최적화 관점에서 분석하는 연구)’ 같은 세션이 별도로 구성됐습니다.
물론 아직 완전한 RSI가 구현됐다고 볼 근거는 없습니다. 최근 연구에서도 현재의 자기개선 기술은 제한적인 자기수정과 평가·검증에 크게 의존하며, 완전한 폐쇄형 RSI에는 여전히 계산량과 검증, 모델 붕괴 등의 문제가 남아 있다고 지적합니다.
그렇다면 더 섬뜩한 질문이 남습니다
RSI가 가능해지는 순간, AI의 발전 속도를 누가 통제할 수 있을까요?
AI가 코드를 작성하는 것과 AI가 자신을 개선하는 것은 차원이 다릅니다. 전자는 인간이 목표와 환경을 설정한 도구일 수 있지만, 후자는 인간이 설정한 목표 안에서조차 AI가 더 효율적인 방법을 스스로 찾아가는 구조이기 때문입니다.
그리고 이 문제는 이미 보안 영역으로 확장되고 있습니다.
구글 딥마인드는 최근 AI가 생명과학 분야에서 활용되는 과정에서 발생할 수 있는 위험을 별도로 다루고 있으며, AI가 설계한 위험한 DNA 서열을 식별하기 위해 SynthID 기술을 생물학 영역으로 확장하는 방안도 연구하고 있습니다.
AI가 신약 개발과 질병 감시를 가속하는 동시에 악용될 가능성도 커지는 셈입니다. 실제로 최근에는 AI가 자연계에 존재하지 않았던 바이러스 후보를 설계하고 일부를 실제 실험으로 검증한 연구까지 등장하면서 AI와 생물학의 결합이 가져올 이중용도 위험이 다시 부각됐습니다. 다만 해당 연구에서 만들어진 바이러스는 인간에게 감염되는 병원체가 아니었습니다.
결국 지금의 AI 투자 광풍을 단순히 ‘챗GPT 이후의 유행’으로만 바라보면 중요한 부분을 놓칠 수 있습니다
어쩌면 빅테크가 사들이고 있는 것은 현재의 AI가 아니라 AI를 만들어내는 능력 자체일지도 모릅니다.
수천억달러가 투입되는 데이터센터, 반도체, 전력망, 클라우드 인프라가 하나의 거대한 계산망으로 연결되고 그 위에서 AI가 다시 AI 연구를 수행한다면, AI 산업의 경제학은 지금과 완전히 달라질 수 있습니다.
물론 아직 가설에 불과합니다. 하지만 묘한 점은 분명합니다.
AGI를 기다리던 시대에서, 이제는 AGI 이후의 ‘AI가 스스로 AI를 발전시키는 시대’를 주요 연구자들이 공개적으로 논의하기 시작했다는 것.
그렇다면 지금의 천문학적인 AI 투자는 과연 현재의 수익을 위한 것일까요?, 아니면 인간이 아직 그 끝을 계산하지 못한 ‘다음 세대의 지능’을 선점하기 위한 것일까요?
진짜 경쟁은 어쩌면 AI 모델의 성능이 아니라, 누가 먼저 AI를 이용해 AI를 발전시키는 순환고리를 완성하느냐에 있을지도 모릅니다.
오늘 뉴스레터를 읽고 나면
AGI 이후 AI 산업이 어디로 향하고 있는지 살펴보실 수 있습니다. 특히 AI 투자자와 관련 사업 종사자분들에게는 수백조원 규모의 AI 인프라 투자가 단순한 시장 확대를 넘어 ‘AI의 자기개선’이라는 다음 단계와 어떻게 연결될 수 있는지, 앞으로 어떤 기술과 기업을 주목해야 할지 판단하는 중요한 단서가 될 것입니다.
[ 원문 자료 출처]
- https://rdi.berkeley.edu/events/agentic-ai-summit-2026
- Google DeepMind — Bioresilience deepmind.google AI 생물학적 위험, AI가 생성한 위험 DNA 서열 탐지, SynthID의 생명과학 확장 관련 공식 자료
- Google DeepMind — SynthID deepmind.google AI 생성 콘텐츠를 식별·워터마킹하는 SynthID 공식 설명
오늘의 미래 예언 카드
by 👁️🗨️ 예언카드 prophecycardmaster
의견을 남겨주세요