진행자(Arjun): Hello, 그리고 ‘The Tech Download’에 오신 것을 환영합니다. 이 팟캐스트는 CNBC Original의 새로운 프로그램으로, 지금 가장 중요한 테크 스토리를 풀어드립니다. 매 시즌 하나의 큰 주제를 깊게 다루고, 그것이 여러분의 돈에 어떤 의미가 있는지도 업계에서 가장 영향력 있는 목소리들과 함께 짚어보겠습니다. 저는 늘 결국 이것이 우리가 발명하게 될 가장 중요한 기술이 될 거라고 생각해왔습니다. 그리고 사실 컴퓨터 시대의 ‘자연스러운 다음 단계’이기도 하죠. 이번 시즌은 Google DeepMind를 다룹니다. 빅테크의 AI 드라이브를 실제로 밀어 올리는 핵심 엔진이죠. 저희는 회사의 핵심 인물들에게 드문 접근 권한을 받았고, 이번 에피소드의 게스트는 DeepMind 공동창업자이자 CEO인 Demis Hassabis입니다. Demis Hassabis: 저는 이게 산업혁명 같은 변화가 될 거라고 봅니다. 다만 10배 더 크고, 10배 더 빠른 속도로요. 그러니 엄청난 변혁이 일어나겠지만, 동시에 엄청난 ‘혼란(Disruption)’도 있을 겁니다. 진행자(Arjun): 여러분, ‘The Tech Download’에 오신 것을 환영합니다. 다시 한 번 인사드립니다. 저는 런던에 기반을 둔 CNBC의 시니어 테크 특파원 Arjun Kharpal이고요, 오늘은 정말 특별한 새 공동 진행자와 함께합니다. 진행자(Steve): 안녕하세요, Arjun. 뉴욕에서 테크를 커버하는 Steve Kovach입니다. 저는 주로 Apple과 Microsoft를 중심으로 취재해왔고, 업계를 15년 넘게 봐오면서 ‘대체로 다 알고 있다’고 생각해왔는데요. 하지만 Arjun, 저는 바다 건너편에서 늘 당신의 일을 존경해왔고, 이제 실제로 함께 협업해서 이걸 하게 되니 정말 기대됩니다. 재밌을 것 같아요. 진행자(Arjun): 정말 재밌을 겁니다, Steve. 저희 둘을 합치면 테크 업계를 거의 30년 가까이 취재해온 셈인데, 웃긴 건—배울 게 너무 많다는 거예요. 이 팟캐스트를 하면서 엄청나게 배우고, 정말 흥미로운 사람들도 많이 만날 겁니다. 첫 시즌을 Google DeepMind로 시작한다는 것도 정말 기대되고요. 진행자(Arjun): 리스너와 시청자분들을 위해 Google DeepMind를 간단히 소개하겠습니다. DeepMind는 2010년 런던에서(제가 지금 있는 곳이기도 하죠) Demis Hassabis, Shane Legg, Mustafa Suleiman 세 사람이 아주 작은 팀으로 시작했습니다. Mustafa Suleiman은 지금 Microsoft에 있죠. 사실 저는 거의 1년 전쯤 그를 인터뷰했는데, 그는 기본적으로 Google에서 Demis가 하는 것과 비슷한 일을 Microsoft에서 하고 있습니다. Google이 전 세계 최상급 AI 인재의 ‘인큐베이터’ 같은 역할을 했다는 점도 흥미롭습니다. Demis는 Google에 남아서 DeepMind를 이끌고 있고요. 그리고 또 흥미로운 건, 지난 3년간 우리가 겪어온 이 AI 모먼트입니다. 3년 전 ChatGPT가 등장했고, 그때 Google은 위협을 받는 것처럼 보였죠. 이른바 ‘code red’가 있었고, 내부 조직 개편도 많이 했습니다. 결국 Demis가 AI 리더로 ‘정점’에 섰고요. 그런데 2025년은 Google의 AI에게 꽤 흥미로운 해였습니다. Google이 따라잡았고, 어떤 면에서는 ChatGPT가 이미 하고 있던 걸 넘어섰다는 평가도 나왔죠. 이게 흥미로운 이유는, 우리가 계속 이야기해온 대형언어모델(LLM) 같은 ‘근본 기술’이 원래 Google에서 시작됐다는 점 때문입니다. 그런데도 ‘Google이 ChatGPT에게 기술을 내주고 도망가게 했다’는 인식이 있었죠. 하지만 제 관점에서는 적어도 Gemini가 ChatGPT와 대등하거나, 더 나아 보이기까지 합니다. 그리고 Google DeepMind가 그 핵심입니다. DeepMind는 2014년 Google이 인수했습니다. 저는 그때 기자 경력 초반이었는데요. 당시 Google은 DeepMind에 약 £400 million(4억 파운드) 정도를 지불했고, 대략 $540 million(5억4천만 달러) 수준이었습니다. 이 지분은 오늘날 어떤 추정치에 따르면 수십억 달러, 혹은 수백억 달러 가치가 될 수도 있다고 하죠. DeepMind는 사실상 Google의 AI를 책임집니다. 소비자에게 공개된 AI인 Gemini(챗봇)도 DeepMind 기술의 영향이 아주 크고요. 하지만 그 이전부터도 DeepMind는 큰 돌파구들을 만들어왔습니다. 예를 들어 AlphaGo는 ‘Go(바둑)’라는 게임에서 세계 챔피언을 이긴 최초의 컴퓨터 프로그램이었죠. 바둑은 경우의 수가 엄청나게 많은 복잡한 게임이라, 그 당시 AI의 ‘그랜드 챌린지’ 중 하나로 여겨졌습니다. 또 하나의 큰 돌파구는 AlphaFold입니다. 단백질 구조의 3D 모델을 정확히 예측할 수 있는 시스템이죠. 그 의미는, 이런 일이 가능해지면 의학적 돌파구로 이어질 수 있다는 겁니다. 이런 ‘과학의 진전’이 DeepMind의 핵심 미션이었고, Google의 10년+ 전 베팅이 결과적으로 Google을 오늘날 AI 세계 리더로 만드는 데 기여했습니다. 진행자(Steve): 맞아요. DeepMind를 오랫동안 지켜보며 정말 인상적이었던 건, 그들이 ‘과학’에 뿌리를 두고 있었다는 점이에요. 지금처럼 소비자 제품을 만들려는 게 아니라, 과학의 근본 문제를 풀고 AI 기반 신약개발, 기후변화 같은 거대한 문제를 해결하려는 방향이었죠. Demis가 그 얘기를 자주 하고, 오늘 대화에서도 다룰 겁니다. 진행자(Arjun): 맞습니다. 자, DeepMind의 CEO Demis Hassabis와의 대화로 들어가 보죠. 진행자(Arjun): Demis, ‘The Tech Download’에 와주셔서 감사합니다. Demis Hassabis: 초대해주셔서 감사합니다. 진행자(Arjun): 제한된 시간 안에 많은 걸 다뤄야 하지만, 먼저 기술 자체부터 시작하겠습니다. 우리는 AI의 ‘역량’과 지속적인 ‘개선’에 대해 이야기해왔죠. 테크 업계에서는 이런 모델과 시스템이 얼마나 좋아질 수 있느냐에 대해 많은 대화가 있습니다. 특히 ‘스케일링 법칙(scaling laws)’에 대한 논쟁이 있죠. 청취자분들을 위해 설명하면, 더 많은 컴퓨트, 더 많은 데이터, 더 큰 모델이 결국 더 뛰어난 시스템으로 이어진다는 아이디어입니다. Demis, 당신은 ‘스케일링 법칙을 최대치까지 밀어야 한다’고 말한 바 있습니다. 그런데 지금은 ‘벽’에 부딪히고 있느냐, 진전이 둔화하고 있느냐, ‘수익 체감’이 아니냐는 질문이 많습니다. DeepMind에서 개발을 하며 실제로 무엇을 보고 있나요? Demis Hassabis: 저는 스케일링 법칙이 아주 잘 작동하고 있다고 봅니다. 더 많은 컴퓨트, 더 많은 데이터, 더 큰 모델을 투입하면 역량이 증가하는 걸 확실히 보고 있어요. 다만 2년 전만큼 빠르진 않을 수 있습니다. 그래서 ‘수익 체감’ 이야기가 나오죠. 하지만 ‘수익 체감’이라고 해서 ‘수익이 0’이라는 뜻은 아니고, ‘지수(exponential)’와 ‘0’ 사이에는 큰 차이가 있습니다. 저는 우리가 그 중간 지점에 있다고 봅니다. 즉, 여전히 꽤 좋은 수익이 있고, 그래서 계속할 가치가 있다는 겁니다. 그리고 AGI(Artificial General Intelligence)까지 가려면, 기존 아이디어를 스케일업하는 것 외에 추가로 1~2개의 큰 혁신이 더 필요할 수도 있다고 봅니다. 진행자(Arjun): AGI 얘기는 곧 하겠습니다. 그런데 당신이 말한 ‘빠져 있는 것’은 무엇인가요? Demis Hassabis: 우리 모두 여러 챗봇을 써봤죠. 어떤 면에서는 놀라운 일을 합니다. 하지만 저는 이걸 ‘jagged intelligence(울퉁불퉁한 지능)’라고 부릅니다. 어떤 것에는 매우 강하지만, 어떤 것은 아예 못하죠. 또 질문을 특정 방식으로 던지면 결함이 드러나고, 비교적 단순한 일도 못하는 경우가 있습니다. ‘진정한 일반지능’이라면 그런 비일관성이 없어야 합니다. 전반적으로 일관되어야 하죠. 그리고 또, 지금 시스템은 ‘계속 학습(continual learning)’을 못합니다. 온라인에서 새로운 것을 계속 배우지 못하고, 진정으로 ‘독창적인(original)’ 것을 만들어내지도 못합니다. 그래서 일반지능에 필요하다고 생각되는 여러 역량이 오늘날 시스템에는 빠져 있습니다. 진행자(Arjun): 그렇다면 그 ‘지능 시스템’으로 가는 ‘언락’은 무엇일까요? 제가 몇 달 전 Hugging Face 공동창업자 Thomas Wolfe와 나눴던 대화를 잠깐 언급하고 싶습니다. 그는 LLM—대형언어모델—에 대해, 정말 훌륭하고 챗봇을 쓰면 ‘좋은 질문이네요, 좋은 아이디어네요’ 같은 말을 하면서 필요한 정보를 주긴 하지만, ‘새롭고 참신한 아이디어’를 내는 능력이 부족하다고 했습니다. 특히 당신처럼 과학과 신약개발, 질병 발견 등을 AI로 풀고 싶다면, 노벨상급의 ‘새로운 아이디어’를 내는 데 한계가 있다는 얘기였죠. 그래서 ‘새 아키텍처’가 필요할 수도 있다고 했는데요. 지금 생각은 어떻습니까? Demis Hassabis: 제 열정, 그리고 제가 AI에 커리어를 걸어온 이유는, AI가 결국 과학을 위한 ‘궁극의 도구’가 될 거라고 믿기 때문입니다. AlphaFold 같은 성과와 지난 10년간의 과학 연구가 그걸 보여줬죠. 하지만 아직 갈 길이 멉니다. AI가 스스로 ‘새 가설’을 세울 수 있느냐—이미 존재하는 추측이나 문제를 푸는 것도 유용하고 인상적이지만—AI가 스스로 ‘새로운 추측(conjecture)’이나 ‘세상이 어떻게 작동하는지에 대한 새 아이디어’를 제시할 수 있느냐는 다른 문제입니다. 지금 시스템은 그걸 못합니다. 뭔가가 빠져 있는 것 같아요. 저는 장기 계획(long-term planning), 더 나은 추론(reasoning), 그리고 ‘월드 모델(world model)’ 같은 개념이 필요하다고 봅니다. 즉, 시스템이 세계의 물리법칙을 더 잘 이해해서, 머릿속에서 시뮬레이션을 돌리며 자기 가설을 시험하는 능력 말입니다. 최고의 인간 과학자들이 하는 일이죠. 그런데 지금 AI 시스템은 아직 못합니다. 진행자(Arjun): ‘월드 모델’이란 말을 처음 듣는 분들을 위해 조금 더 설명해주실 수 있나요? LLM과 어떻게 다른가요? Demis Hassabis: 현재 LLM과 우리가 쓰는 모델은 주로 텍스트 중심입니다. 물론 Gemini 같은 파운데이션 모델은 이미지·비디오·오디오 등 여러 모달리티도 다루지만요. 그럼에도 ‘세계의 물리’, ‘인과(causality)’, ‘한 가지가 다른 것에 어떤 영향을 주는지’, ‘먼 미래까지 계획할 수 있는지’ 같은 이해는 아직 부족합니다. 이런 개념들이 서로 연결되어 있어요. 과학 이론이 하는 일이란, ‘이전에 알려지지 않았던 방식’으로 세계를 설명하거나, 새로운 것을 발명할 수 있을 정도로 세계를 이해하는 것이죠. 그러려면 직관적 물리(intuitive physics)부터 시작해 생물학, 경제학까지 이어지는 ‘정확한 세계 모델’이 필요합니다. 진행자(Arjun): AGI—인간 수준의 지능—에 도달하면, LLM과 월드 모델이 함께 작동하는 조합이 될까요, 아니면 월드 모델이 LLM을 ‘대체’할까요? Demis Hassabis: 저는 기술들이 ‘수렴(convergence)’할 거라고 봅니다. 제 베팅은, Gemini 같은 파운데이션 모델이 핵심 구성요소가 될 거라는 점입니다. 그건 거의 확실하다고 생각해요. 그래서 우리는 이런 시스템을 가능한 한 크고 강력하게 스케일해야 합니다. 다만 질문은, AGI에 필요한 구성요소가 그것뿐이냐는 거죠. 저는 다른 유형의 기술과 역량이 추가로 필요할 가능성이 크다고 봅니다. 그중 하나가 월드 모델 역량입니다. 우리는 Genie 같은 버전을 만들고 있고, Veo처럼 텍스트로 비디오를 생성하는 최첨단 비디오 모델도 있습니다. 비디오 모델이나 Genie 같은 ‘인터랙티브 모델’을, 초기 형태의 ‘배아 단계(embryonic) 월드 모델’로 볼 수 있습니다. 즉, 세계처럼 ‘현실적인 것’을 생성할 수 있다면, 어떤 의미에서는 모델이 세계를 이해한다는 뜻이죠. 이해하지 못하면 어떻게 생성하겠습니까? 진행자(Arjun): AGI 얘기로 가보죠. 당신은 AGI에 도달하는 시점이 대략 5~10년 정도일 수 있다고 말해왔습니다. 2025년의 큰 진전들을 고려해도 여전히 같은 생각인가요? Demis Hassabis: 네, 저는 그 전망이 여전히 ‘궤도 위(on track)’라고 봅니다. 사실 DeepMind를 2010년에 시작했을 때, 우리는 AGI를 만드는 미션이 20년 정도 걸릴 거라고 생각했습니다. 여기서 AGI란, 혁신과 창의성, 계획, 추론 등 인간이 가진 모든 인지 역량을 보여줄 수 있는 시스템입니다. 그리고 저는 우리가 그 목표에서 5~10년 정도 떨어져 있다고 봅니다. 엄청난 기술이죠. 얼마나 변혁적일지 생각해보면 정말 놀랍습니다. 진행자(Arjun): 추가적인 기술적 병목은 무엇인가요? 모델은 발전하고 있고, 반도체도 빠르게 발전하고 있습니다. 에너지 문제도 많이 거론되죠. ‘칩도 계속 늘리고 모델도 키우겠지만, 어느 순간 데이터센터와 AI 모델을 돌릴 에너지가 부족해질 것’이라는 얘기요. Demis Hassabis: 네, 물리적 제약은 많습니다. 당연히 누구도 칩이 충분하다고 느끼지 않죠. 우리는 TPU 라인업도 있고 GPU도 쓰지만, 전 세계적으로 수요에 비해 컴퓨트 칩이 부족합니다. 결국 에너지로 이어집니다. ‘AGI로 갈수록 에너지와 지능이 사실상 동의어가 된다’는 아이디어도 있죠. 흥미로운 건, AI 자체가 여기서 도움을 줄 수 있다는 겁니다. 기존 인프라에서 효율을 더 뽑아내고, 소재 설계—더 나은 태양광 소재 같은 것—도 도울 수 있어요. 심지어 핵융합(fusion) 같은 돌파구에도 도움이 될 수 있죠. 우리는 미국의 Commonwealth Fusion과 협업해서 핵융합로에서 플라즈마를 가두는 문제를 돕고 있습니다. 그리고 제 ‘개인 프로젝트’ 중 하나는 AI로 실온 초전도체(room temperature superconductor) 물질을 찾을 수 있느냐입니다. 즉, AI가 에너지 상황을 도울 수 있는 돌파구가 여러 개 있을 수 있고, 저는 그게 AI의 가장 유망한 유즈케이스 중 하나라고 생각합니다. 또 한 가지는, 시스템이 좋아지면서 동시에 효율도 올라간다는 점입니다. 모델 계열을 보면, Lighthouse 모델, Gemini Pro 버전이 있고, 훨씬 효율적인 Flash 버전도 있습니다. Flash는 많은 것에 쓰이는 ‘워크호스(workhorse)’ 모델이죠. 여기엔 ‘증류(distillation)’ 같은 기법이 쓰입니다. 큰 모델이 작은 모델을 가르치고, 작은 모델은 매우 효율적이 됩니다. 이런 혁신이 계속되면 효율 곡선이 내려가고, 와트당 성능(per watt)이 훨씬 좋아질 겁니다. 진행자(Arjun): AGI는 ‘멋지고 대단한 기술’처럼 들리지만, 동시에 두려움도 큽니다. 일자리, 사회적 영향, 우리가 시간을 어떻게 쓰게 될지 같은 얘기들이죠. 당신은 어떤 점을 고려해야 한다고 봅니까? 그리고 반대로 어떤 혜택이 있을까요? Demis Hassabis: 저는 AI가 인류가 발명한 가장 유익한 기술 중 하나가 될 거라고 믿습니다. 그래서 제 커리어를 걸었죠. 다만 ‘저절로 그렇게 된다’는 보장은 없습니다. AI는 dual-use(이중용도) 기술입니다. 저는 AI로 질병을 치료하는 꿈이 있습니다. 우리는 Isomorphic Labs라는 스핀아웃을 만들었고, AlphaFold의 단백질 접힘 연구 기반으로 신약개발을 가속해 ‘모든 질병’을 해결해보려 합니다. 저는 이런 일이 다음 10~20년 안에 ‘손 닿는 곳(within reach)’에 올 수도 있다고 봅니다. 에너지 얘기도 했죠. 혜택은 많습니다. 하지만 리스크도 있습니다. 첫째는 경제적 혼란입니다. 저는 이것이 산업혁명 같겠지만, 10배 더 크고 10배 더 빠를 거라고 봅니다. 엄청난 변혁과 동시에 엄청난 혼란이 올 겁니다. 그래서 아마 새로운 경제 모델이 필요할 수 있습니다. 둘째는 ‘AI 사용’에 대한 우려입니다. 제가 특히 걱정하는 건 두 가지인데요. 하나는 ‘악의적 행위자(bad actors)’가 범용 AI를 해로운 목적으로 전용하는 것. 다른 하나는 우리가 AGI와 에이전트 기반(agent-based) 시스템으로 갈수록, 시스템이 더 자율적으로 움직이게 된다는 점입니다. 그때 ‘가드레일(guardrails)’을 어떻게 할지, 우리가 원하지 않는 방향으로 ‘벗어나지 않게’ 어떻게 통제할지, 그게 핵심 리스크입니다. 진행자(Arjun): 통제 가능한 시스템을 만들고 있다고 확신하나요? Demis Hassabis: 우리는 그 점에 대해 매우 자신 있습니다. DeepMind는 2010년 시작부터 책임·안전·보안을 고민해왔습니다. 그때는 AI를 하는 사람이 거의 없었지만, 우리는 성공하면 매우 강력한 시스템이 나온다는 걸 알고 있었고, 그 이면도 이해했습니다. 물론 실수가 없을 거라고 말하진 않습니다. 기술이 엄청나게 빠르게 움직이니까요. 저는 스스로를 ‘cautious optimist(조심스러운 낙관론자)’라고 부릅니다. 인간의 창의성을 믿고, 충분한 시간과 주의를 들이면 과학자와 사회가 이걸 바로잡을 수 있다고 봅니다. 하지만 그건 ‘저절로’ 되는 게 아니니, 눈을 뜨고 신중하게 들어가야 합니다. 진행자(Arjun): 저는 Yoshua Bengio, Max Tegmark 같은 분들과도 대화해봤습니다. 그들은 ‘AGI/에이전틱 시스템 개발을 너무 서두르지 말자’, ‘범용 시스템보다는 특정 문제를 푸는 툴 기반 AI가 더 적절하다’고 말하죠. 개발 속도를 늦추자고도 합니다. 당신은 느리게 가야 한다고 보나요? Demis Hassabis: 그분들을 잘 압니다. Yoshua와 Max와는 여러 번 대화했고, 다른 분들과도 많이 논의했죠. 저는 AI를 과학을 위한 도구로 보는 접근에 어느 정도 공감합니다. 초기에는 특히 그렇죠. 우리도 AlphaFold 같은 방식으로 접근해왔고요. 하지만 현실은 복잡한 지정학·기업 경쟁의 시스템 안에 있습니다. 여러 회사가 만들고 있고, 여러 국가도 만들고 있죠. ‘레이스(race) 다이내믹’이 있습니다. 이상적으로는 과학적 노력으로, 각 단계를 매우 신중히 고려해야겠지만, 현실은 그렇지 않습니다. 그래서 우리는 프런티어를 밀어가되, 가능한 한 책임감 있게, 신중하게 가면서도 혜택을 빠르고 넓게 전달하려고 합니다. 그리고 그런 균형을 잘 보여서 업계의 ‘롤모델’이 되고 싶습니다. 진행자(Arjun): 개인적으로, ‘우리가 이걸 해야 하나’라고 의심한 적은 없나요? Demis Hassabis: 저는 오히려 오늘날 사회가 직면한 문제—기후, 빈곤, 물 접근, 건강, 노화, 인구, 질병, 에너지—가 너무 많다고 봅니다. 만약 AI 같은 변혁적 기술이 오지 않는다면, 사회가 이런 도전에 대응할 수 있을지 걱정될 거예요. 흥미롭게도 AI는 그 자체가 거대한 도전이기도 하지만, 동시에 다른 도전들을 해결하는 데 도움도 줄 수 있습니다. 그래서 저는 결국 이것이 우리가 발명할 가장 중요한 기술이 될 거라고 믿어왔고, 컴퓨터 시대의 자연스러운 진화라고 봅니다. 진행자(Arjun): 잠깐 딴 얘기인데, Demis, 당신은 원래 게임에서 커리어를 시작했죠. Theme Park도 공동 개발했고요. Demis Hassabis: 네. 진행자(Arjun): 요즘도 게임하나요? Demis Hassabis: 네, 게임 좋아합니다. 요즘은 두 아들과 제 동생이랑 League of Legends를 해요. 락다운 때부터 작은 팀을 꾸렸죠. 저는 축구부터 비디오게임까지, 게임을 사랑합니다. 진행자(Arjun): 스트레스 큰 역할을 하는데, 그게 ‘언와인드’인가요? Demis Hassabis: 네, 그렇습니다. 또 과거에는 제게 큰 창의적 활동이기도 했어요. 게임을 만들면서 프로그래밍을 배웠거든요. 진행자(Steve): 저도 비슷해요. 집에 가서 콘솔 켜는 게 제 언와인드입니다. 진행자(Arjun): 방금 구간만 해도 풀 게 너무 많습니다. 지금 두 개의 큰 ‘버즈워드’를 잡아보죠. 첫째는 AGI—인간과 같거나 더 똑똑한 AI. OpenAI, DeepMind 같은 주요 연구소들이 그걸 추구하고 있다고들 하죠. 지금까지는 주로 LLM—텍스트 중심의 대형언어모델—접근이었습니다. 그런데 또 다른 버즈워드가 있습니다. 바로 ‘월드 모델’. 물리 세계를 이해하는 AI 모델이죠. 이 키워드는 점점 더 중요해지고 있습니다. 2026년과 그 다음 해로 가면서 큰 테마가 될 거라고 봅니다. 왜냐하면 언어는 어느 정도 됐지만, 로보틱스·자율주행 같은 ‘물리 AI’를 하려면 물이 어떻게 흐르고 공기가 어떻게 움직이는지 같은 물리 세계를 이해해야 하니까요. Demis는 LLM과 월드 모델이 ‘수렴’할 거라고 했습니다. 그리고 소셜미디어에서도 이 논쟁이 뜨겁죠. 예를 들어 Yann LeCun(한동안 Meta에서 AI를 이끌던 인물)은 ‘LLM만으로는 AGI에 못 간다’고 말합니다. 그는 Financial Times 인터뷰에서 Meta가 LLM 밖을 생각하지 않는다고 강하게 비판했고, 그게 Alexander Wang과의 인재 전쟁(지난 여름) 이후 자신의 독자 행보와도 연관이 있다는 식의 얘기도 나왔죠. 결국 로보틱스, 자율주행, 그리고 우리가 대화하는 AI가 더 ‘정답’을 잘 내도록 하려면 월드 모델이 중요해질 겁니다. 진행자(Arjun): Steve, 챗봇 쓰면 “Steve, great question, 정말 똑똑한 생각이네요” 같은 말 자주 듣나요? 진행자(Steve): 매번요. 그게 바로 챗봇들의 ‘아부(sycophancy)’죠. “와, 당신 정말 똑똑해요” 같은. 진행자(Arjun): 그렇죠. 이런 비판이 나오는 이유 중 하나가, LLM은 정보를 주긴 하지만 ‘새롭고 참신한 아이디어’를 만드는 기반으로는 한계가 있다는 지적입니다. Demis도 그 한계와 월드 모델의 필요성을 말한 거죠. 이게 로보틱스, 무인차 등으로 이어지는 다음 AI 국면에서 어떻게 전개될지 흥미로울 겁니다. 진행자(Steve): 참고로 저는 로보틱스 쪽에 굉장히 냉소적입니다. 지금 보이는 많은 로봇들은 사실상 ‘인형(puppets)’이고 원격조종(tele-operated)입니다. 대표가 Tesla Optimus죠. 처음엔 사람이 슈트 입고 춤추는 거였고, 지금은 실제 로봇이지만 여전히 원격조종입니다. 어떤 방에서 사람들이 인터넷으로 조종하고, 목소리도 사람이 내주곤 하죠. 로봇 전문가들이 말하길, 어려운 건 로봇 하드웨어가 아니라 ‘훈련(training)’이고, 그 지점에서 월드 모델이 필요하다는 겁니다. 약속했던 것처럼 자율적으로 움직이려면요. 진행자(Arjun): Demis, 경쟁 구도 얘기로 가보죠. OpenAI, Anthropic 등 경쟁이 매우 치열합니다. Gemini 3도 반응이 좋았고요. 하지만 얼마 전까지는 Google이 경쟁할 수 있겠느냐는 의심이 컸습니다. 어느 시점—2025년의 어떤 때—그런 분위기가 있었죠. 그러다 Gemini 3가 나와서 많은 사람을 놀라게 했습니다. 현재 경쟁 환경을 어떻게 평가하나요? Demis Hassabis: 지금은 정말 ‘맹렬한(ferocious)’ 경쟁 환경입니다. 테크 업계에서 20~30년 일한 사람들이 “역대 가장 강렬한 경쟁”이라고 말할 정도죠. 개인, 테크 타이탄, 빅테크, 최고의 스타트업—가장 유능한 플레이어가 모두 이 공간에 들어와 있습니다. 왜냐하면 AI가 가장 중요한 기술이라는 걸 이제 모두 이해했기 때문이죠. 힘들지만 흥미롭기도 합니다. 저는 어릴 때부터 잉글랜드 주니어 체스팀에서 체스를 했고, 경쟁 속에서 자랐습니다. 그래서 경쟁을 좋아합니다. 어떤 면에서는 경쟁을 위해 산다고도 할 수 있죠. 하지만 동시에, 회사나 국가 간 경쟁보다 더 중요한 게 있다는 걸 늘 염두에 둡니다. 바로 AGI를 ‘전 인류를 위해’ 잘 관리(steer/steward)하는 것입니다. AI 연구소 리더라면 모두 그걸 전면에 둬야 한다고 생각합니다. 진행자(Arjun): 과거에 Google이 AI를 어떻게 할지 의심받던 시점에서, 당신은 뭔가 다르게 한 게 있나요? Demis Hassabis: 지난 10년을 돌아보면, Google Brain(연구조직)과 DeepMind는 꽤 독립적으로 움직였습니다. 우리는 오늘날 모두가 쓰는 기술의 약 90%를 발명했다고 생각합니다. 가장 유명하게는 모든 LLM의 기반인 Transformers 아키텍처가 있고요. AlphaGo는 강화학습을 매우 어려운 문제에서 대규모로 적용하는 걸 보여줬습니다. 다만 우리는 상업화와 스케일에 있어 다소 느렸던 것 같습니다. OpenAI 같은 곳이 그걸 아주 잘했죠. 지난 2~3년 동안 우리는 다시 스타트업/기업가적 뿌리로 돌아가 ‘더 스크래피(scrappy)하게’, 더 빠르게, 더 자주 배포(ship)하며 빠른 진전을 내야 했습니다. 그 결과가 Gemini 시리즈이고, 특히 최신 버전인 Gemini 3는 우리를 다시 리더보드 상위—우리가 있어야 한다고 생각하는 자리—로 올려놨습니다. 진행자(Arjun): 그리고 그 자리를 지킬 수 있다고 보나요? Demis Hassabis: 네, 지킬 수 있다고 봅니다. 진행자(Arjun): 경쟁 속에서 ‘AI 버블’ 얘기도 많습니다. 기업 밸류에이션, 스타트업의 천문학적 자금조달, 빅테크의 수백억·수천억 달러 인프라 투자, 제품이나 수익이 거의 없는 회사의 대규모 조달 같은 것들요. AI 산업이 금융 버블이라고 보나요? Demis Hassabis: 버블은 ‘이분법’이 아닙니다. 일부는 버블일 수 있고, 일부는 아닐 수 있죠. AI가 가장 변혁적인 기술이 될 거라는 점이 기본 토대입니다. 인터넷 버블을 떠올리면, 과열이 있었지만 인터넷 자체는 결국 핵심이었고, 그 시기에 ‘세대적 기업’이 탄생했죠. AI도 비슷할 수 있습니다. 문제가 있어 보이는 곳은, 예컨대 프라이빗 마켓에서 ‘아직 거의 아무것도 없는 상태’인데도 수십억 달러 규모 라운드를 하는 경우입니다. 장기적으로 지속 가능해 보이진 않죠. 저는 버블 자체를 크게 걱정하진 않습니다. 제 관점은, 어떤 시나리오든—지금처럼 좋게 가든, 버블 붕괴가 오든—Google DeepMind가 어느 쪽에서도 이길 수 있는 위치에 있어야 한다는 겁니다. Google의 기저 사업과 그 위에 AI가 어떻게 맞물리는지 덕분에, 우리는 어떤 방향으로 가도 이익을 얻을 수 있는 좋은 위치에 있다고 봅니다. 진행자(Arjun): 큰 경쟁자들 중엔 프라이빗 마켓에서 엄청난 돈을 끌어온 곳도 있습니다. 조정이 오더라도 이겨낼 수 있다고 보나요? Demis Hassabis: 그게 바로 Google의 대차대조표, 그리고 우리가 가진 놀라운 제품 ‘표면(surfaces)’의 의미죠. 수십 개의 ‘수십억 유저’ 제품이 있고, AI는 자연스럽게 Gmail/Workspace 같은 곳부터 Gemini 앱 같은 새 제품까지 모두에 들어갈 수 있습니다. 진행자(Arjun): 또 다른 다이내믹은 지정학입니다. 중국 얘기가 큽니다. 한때는 중국이 강력한 AI 모델을 만들기 어렵다는 시각도 있었지만, DeepSeek가 충격을 줬고, Alibaba 같은 곳도 경쟁력 있는 오픈소스 모델을 내놓았습니다. 중국은 게임에서 빠진 게 아니죠? Demis Hassabis: 전혀 아닙니다. 오히려 중국은 우리가 1~2년 전 생각했던 것보다 미국(서구) 프런티어 모델에 더 가까워졌다고 봅니다. 지금은 몇 달(months) 정도 뒤처진 수준일 수도 있습니다. DeepSeek 팀이나 Alibaba 같은 팀은 매우 유능하죠. 질문은, 그들이 프런티어 ‘근처까지 따라오는 것’은 보여줬지만, 프런티어를 ‘넘어서’ 새 혁신—예컨대 새로운 Transformers 같은—을 만들어낼 수 있느냐입니다. 그건 아직 입증되지 않았다고 봅니다. 진행자(Arjun): 그게 최첨단 칩 접근 제한 같은 기술 제약 때문일까요? Demis Hassabis: 저는 오히려 ‘멘탈리티(문화)’의 이슈라고 봅니다. 서구의 프런티어 연구소들은 탐색적 혁신을 장려해왔습니다. DeepMind도 현대판 Bell Labs가 되려고 했고, 이미 알려진 것을 스케일하는 것뿐 아니라 ‘탐색적 혁신’을 장려하죠. 물론 이미 알려진 것을 스케일하는 것도 세계 수준의 엔지니어링이 필요합니다. 중국은 그건 분명히 갖고 있습니다. 하지만 ‘발명’은 ‘복제’보다 100배 어렵습니다. 그게 다음 프런티어이고, 아직 증거는 못 봤지만, 매우 어려운 일입니다. 진행자(Arjun): Steve, 저는 그 대화에서 중국 부분이 특히 인상적이었습니다. 저는 중국에서 3년+ 살며 CNBC로 테크를 취재했는데, 최근엔 ‘중국이 AI에서 미국에 너무 뒤처졌다’는 시각이 커졌습니다. 칩 접근 제한, 혁신 부족, 자본 부족 같은 이유들이죠. 그런데 Demis는 중국 모델이 미국보다 몇 달 정도 뒤라고 했습니다. 그리고 작년 DeepSeek가 세상과 시장을 흔들었죠. DeepSeek가 처음만큼의 파장을 계속 만들진 않았지만, Alibaba는 상당히 리딩하고 있습니다. 오픈소스 커뮤니티(예: Hugging Face)를 보면 Alibaba 모델이 가장 인기 있고, 제가 만난 전문가들도 ‘세계 최고 수준’이라고 말합니다. 그리고 제가 중국에서 본 건, 중국 기업들은 정말 빠르게 움직이고, 전문성도 있고, 혁신할 수 있다는 점입니다. 그러니 이 AI 레이스에서 중국을 쉽게 배제할 수 없습니다. 다만 Demis의 포인트도 중요합니다. 중국이 따라잡는 건 보여줬지만, ‘큰 돌파구’를 스스로 만들 수 있는지는 아직 확실치 않다는 점이죠. 진행자(Steve): 그리고 ‘몇 달’ 얘기로 돌아가면, DeepSeek 1년 전 충격은 단지 중국이 좋은 챗봇을 만들 수 있다는 것만이 아니라, 가장 강력한 Nvidia 칩 없이도 만들었다는 인식이 시장을 흔들었다는 점이죠. 미국은 중국의 Nvidia 칩 접근을 제한하려 하고, H200 같은 칩 얘기도 나오고, 밀수 얘기도 있습니다. 그런데 Demis 말대로 최첨단 칩 접근이 완전하지 않은 상태에서도 중국이 몇 달 차이라면, 그건 Nvidia의 칩 지배력 같은 것에도 질문을 던질 수 있습니다. 또 버블 얘기도 흥미롭습니다. Demis는 사실상 “우리는 Google이다. 돈이 있다. 상관없다. 대차대조표가 슈퍼파워다”라고 말한 셈이죠. 필요하면 지출을 줄여도 되고요. 하지만 OpenAI, Anthropic, xAI 같은 곳은 다릅니다. 그들은 계속해서 돈을 끌어와야 합니다. 만약 자금조달이 마르면 리스크가 큽니다. 반면 Google, Microsoft, Meta는 캐시플로로 버티며 다른 프로젝트로도 전환(pivot)할 수 있죠. Meta는 메타버스로 이미 그런 걸 보여줬고요. 진행자(Arjun): Demis, DeepMind가 Google의 AI 역량에서 얼마나 큰 역할을 하는지 종종 잊는 사람이 많습니다. Google과는 어떻게 협업하나요? Sundar Pichai가 직접 전화를 해서 “Demis, Gemini 같은 걸 만들어달라”는 식인가요? Demis Hassabis: 지난 3년 동안 우리는 모든 걸 하나로 묶어서 Google DeepMind라는 단일 엔티티로 만들었습니다. Google Research, Google Brain, DeepMind가 결합된 형태이고, 제가 그 그룹을 이끕니다. 이 그룹은 Google의 ‘엔진룸(engine room)’이라고 보면 됩니다. 모든 AI 기술이 여기서 나오고, 그 기술이 Google의 수많은 제품으로 확산됩니다. 지난 몇 년 동안 우리는 모델뿐 아니라, Google 전체 인프라를 거의 ‘재아키텍팅(re-architecting)’해왔습니다. 그래야 새로운 모델이 매우 빠르게 메인 제품들에 배포될 수 있거든요. 그래서 새 Gemini 모델을 출시하면, 그게 같은 날 혹은 다음 날 Search 같은 핵심 제품에 들어갑니다. 그 과정이 매우 잘 돌아가고 있어요. 저는 Gemini 2.5 모델 즈음에서 우리가 리듬을 잡았다고 생각합니다. 지난 1년 동안 그 프로세스가 부드러워졌고, 앞으로 12개월 동안 더 많이 보게 될 겁니다. Sundar와 저는 전략적인 사안을 거의 매일 얘기합니다. 기술이 어디로 가야 하는지, Google 전체가 무엇을 필요로 하는지, 그리고 장기 목표—AGI를 먼저, 빠르게, 그리고 안전하게—를 염두에 두면서 로드맵을 조정합니다. 진행자(Arjun): 그러면 새 AI 도구가 더 자주 나오고 Google 포트폴리오 전체에 더 빨리 배포될 거라고 봐도 되겠네요? Demis Hassabis: 맞습니다. 매우 촘촘한 이터레이션 루프가 있고, 같은 테크 스택 위에 있습니다. 진행자(Arjun): 당신이 만드는 많은 것이 Google 제품으로 들어가지만, Samsung 같은 파트너와도 일하죠. 예를 들어 스마트폰 AI 툴 같은 것요. Demis Hassabis: 네, 우리는 많은 파트너와 일합니다. 우리 기술이 선택된 걸 자랑스럽게 생각하고요. 저는 특히 ‘엣지 컴퓨트(edge compute)’와, 폰 같은 엣지 디바이스에서 돌아갈 더 빠른 모델 버전에 관심이 큽니다. 그리고 폰뿐 아니라 우리가 작업 중인 ‘안경(glasses)’ 같은 새 디바이스도 있습니다. Warby Parker 같은 파트너와 ‘스마트 글래스’ 아이디어를 보고 있죠. Google은 스마트 글래스를 오랫동안 연구해왔지만, 이제야 ‘킬러 앱’이 생겼다고 봅니다. 바로 ‘유니버설 어시스턴트’—일상에서 여러분을 돕는 보편적 비서—의 아이디어죠. 큰 디바이스 플레이어들이 모두 관심을 가질 겁니다. 진행자(Arjun): Demis, 마지막으로 조금만 더 묻겠습니다. 저는 2014년 Google이 DeepMind를 인수했을 때 기자 경력 초반이었습니다. 당시엔 사람들이 당신들이 뭘 하는지도 잘 몰랐고, “왜 Google이 영국 회사를 사지?”라는 반응도 있었죠. 그때를 돌아보면 ‘독립을 유지했어야 했나’ 같은 생각은 안 드나요? Demis Hassabis: 그 당시 검색 책임자였던 Alan Eustace가 Larry Page와 함께 딜을 마무리하는 역할을 했습니다. Larry Page가 CEO로서 딜을 스폰서했고, Alan이 클로징을 맡았죠. 제가 Alan에게 “이건 Google이 한 가장 중요한 인수가 될 겁니다”라고 말했던 게 기억납니다. YouTube, AdWords 같은 인수도 있었는데 말이죠. 하지만 저는 이것이 얼마나 중요한지, 그리고 Google의 ‘세상 정보를 조직한다’는 미션과 AI가 얼마나 잘 맞는지 알고 있었습니다. 정보를 조직하고 이해하는 데 AI만큼 좋은 도구가 어디 있겠습니까? 가치 측면에서 보면, 지금은 우리가 판 가격의 100배, 1,000배가 될 수도 있겠죠. 하지만 저는 당시 다시 과학으로 돌아가 연구를 밀고 싶었습니다. 2014년엔 연구가 아직 아주 초기 단계였고요. Google—특히 Larry—는 이 기술이 얼마나 중요해질지 알아본 몇 안 되는 곳이었습니다. 그리고 Google의 지원과 컴퓨트 없었다면 AlphaGo, AlphaFold 같은 위대한 일을 못 했을 겁니다. 저는 후회가 전혀 없습니다. 진행자(Arjun): 요즘 테크 CEO, AI CEO는 ‘새로운 록스타’ 같죠. Jensen Huang(Nvidia CEO)이 유럽에 오면 사람들이 따라다니고요. Jensen이 최근 당신과 통화한다고 했고, ‘nano banana’라는 새 이미지 생성 도구도 칭찬했다고 들었습니다. Jensen과는 주로 무엇을 이야기하나요? Demis Hassabis: Jensen은 훌륭한 사람이고, 20~30년 비전을 고수해온 선구자죠. 저는 90년대에 게임을 만들며 GPU를 처음 썼습니다. 그래픽 엔진, 물리 엔진을 만들었죠. 그래서 그때 하드웨어가 지금 AI에 쓰이는 걸 보면 ‘풀 서클’ 같은 느낌입니다. 우리는 주로 ‘AI for science’—과학을 위한 AI—를 이야기합니다. Jensen은 과학과 AI에 관심이 많고, AlphaFold도 좋아합니다. AlphaFold는 GPU로 학습됐거든요. 그래서 신약개발 같은 이야기를 많이 합니다. 진행자(Arjun): 데이터센터는 Nvidia 시스템이 많은데, Google은 TPU도 있죠. 경쟁 관계는 어떤가요? Demis Hassabis: 우리는 운이 좋습니다. 자체 TPU가 있고, 정말 좋아합니다. 내부적으로 최고 모델을 학습할 때 TPU를 주로 씁니다. 그리고 대형 모델을 만들거나 서빙하려는 최상위 팀들 사이에서 TPU 수요도 큽니다. TPU는 대형 AI 모델 학습/서빙에 최적화된 ‘특수 목적’ 칩이고, GPU는 더 범용적이라고 볼 수 있습니다. 예컨대 AlphaFold처럼 새 아키텍처나 새 응용을 탐색할 때는 GPU를 쓰고, 이미 알고 있는 것을 최대치로 스케일할 때는 커스텀 실리콘이 더 효율적일 수 있죠. 우리는 둘 다 쓸 수 있습니다. 진행자(Arjun): 미래를 보죠. 당신은 과학과 신약 돌파구에 집중하고 있고, Isomorphic Labs도 있습니다. AI가 이런 돌파구를 여는 비전에 대해, 지금 어디쯤 와 있나요? Demis Hassabis: 저는 AlphaFold를 ‘AI가 과학에 적용된 최고의 사례’라고 자주 말합니다. 단백질 접힘이라는 과학의 50년 난제를 풀었고, 전 세계 300만(3 million) 명 이상의 연구자가 중요한 연구에 활용하고 있습니다. 저는 AlphaFold 같은 것을 12개 정도 더 만들고 싶습니다. 각자 과학이나 수학의 한 분야를 혁명적으로 바꾸는 프로젝트들요. 우리는 이미 소재과학, 물리, 수학, 기상예측 같은 분야에서 그런 프로젝트를 반 다스(half a dozen) 정도 진행 중입니다. AI가 잘 발전하고, 우리가 올바르게 사용한다면, 다음 10년은 과학 발견의 ‘새 황금기’가 될 수 있습니다. 진행자(Arjun): 2026년에 AI에서 어떤 큰 일이 일어날까요? Demis Hassabis: 더 자율적으로 일하는 에이전틱 시스템(agentic systems)이 ‘유용할 정도로 신뢰 가능’해지기 시작할 겁니다. 또 우리는 Gemini robotics로 야심찬 프로젝트를 하고 있고, 다음 12~18개월 동안 로보틱스에서 흥미로운 것들이 나올 거라고 봅니다. 그리고 디바이스 온-디바이스 AI도, 현실에서 정말 유용해지는 모습을 보게 될 겁니다. 제가 가장 기대하는 건 월드 모델을 더 발전시키고, 더 효율적으로 만들어서 일반 모델에서 ‘계획(planning)’에 실제로 쓰이게 하는 것입니다. 진행자(Arjun): 그 마지막 답변은 다음 인터뷰의 예고편으로 받아들이겠습니다. 오늘 정말 감사합니다. Demis Hassabis: 감사합니다. 진행자(Arjun): 이제 대화로 돌아오겠습니다. 진행자(Arjun): Steve, 마지막 구간에서 흥미로웠던 건 DeepMind와 Google 전체 비즈니스의 관계였습니다. Demis는 Sundar Pichai와 거의 매일 이야기한다고 했죠. 그게 의미하는 바는, Google이 AI 제품을 ‘시장에 빠르게 내는 방법’을 분명히 익혔다는 겁니다. 게다가 Chrome, Gmail 등 Google 제품이 워낙 많아서, DeepMind가 만든 AI가 그 제품들 전반으로 확산될 수 있고, 그건 엄청난 사용자 기반을 즉시 확보한다는 의미입니다. 저는 Google의 가장 큰 강점 중 하나가 Android라고 봅니다. 전 세계에서 70% 정도의 점유율이라는 얘기가 나오는데, 그 수많은 기기에서 Google AI가 사실상 ‘즉시 설치’될 수 있죠. Go-to-market 측면에서 유리합니다. 진행자(Steve): Android만 봐도, Android 폰 최대 제조사 Samsung이 이미 Gemini를 ‘메인 챗봇/메인 AI’로 넣고 있습니다. 저는 Samsung이 자체 모델을 만들지 않은 게 좀 놀라웠어요. 과거엔 그런 걸 시도했는데, 이번엔 Gemini에 올인한 것처럼 보이죠. Samsung은 Google과 새 혼합현실 헤드셋도 파트너십을 하고 있고, Warby Parker 같은 곳과 디자인하는 안경도 예정돼 있다고 합니다. Samsung만으로도 Gemini에 큰 플랫폼이 생긴 셈입니다. 그리고 Apple 얘기도 해보죠. Gemini가 곧 출시될 새 Siri를 구동하는 엔진이 될 거라고 우리는 예상하고 있는데(몇 달 내라고들 하죠), Demis도 더 많은 디바이스로 확산되는 걸 기대한다고 했습니다. Apple 입장에서도 혼자 만들기 어렵다면, 검증된 기술을 통합하는 게 현명한 선택일 수 있습니다. 또, 과거 Google은 내부에서 여러 그룹이 AI를 중복해서 하며 서로 부딪히곤 했는데, 큰 조직 개편 이후 Demis에게 AI를 모두 모으면서 달라졌습니다. Sundar Pichai가 ‘이건 큰 모먼트’라고 보고 재조직을 했고, 2025년에 Gemini 3로 성과가 났다고 볼 수 있죠. 진행자(Arjun): 그 소비자 AI 영역 경쟁은 더 치열해질 겁니다. Google은 큰 대차대조표, 강한 캐시플로, 그리고 막대한 사용자 기반이 있고, 혁신도 계속합니다. 이런 변화는 2026년에 특히 OpenAI 같은 곳에 경쟁 압력을 줄 수 있습니다. 진행자(Steve): 맞아요. OpenAI는 올해 온갖 걸 다 던져보며 ‘뭐가 붙는지’ 볼 가능성이 큽니다. Oracle과 데이터센터 구축 같은 막대한 설비투자 약속을 했고, 그걸 위해서는 제품화를 더 잘해서 큰 매출을 만들어야 하니까요. 그리고 Meta도 거대한 사용자 기반을 활용할 기회가 있지만, Google만큼 잘 해내지 못했죠. 지금은 Google이 꽤 ‘위에’ 있는 느낌입니다. 진행자(Arjun): 이 미니시리즈 2부는 다음 주에 공개됩니다. DeepMind의 COO Lila Ibrahim과 대화할 예정이니 기대해 주세요. 의견은 어디로든 보내주시면 됩니다. 진행자(Steve): 저는 BlueSky를 씁니다. 진행자(Arjun): 우리는 여기저기 다 있어요. 진행자(Steve): 저는 7년 반 전에 Instagram을 끊었고 후회 없습니다. 더 이상 Doom scrolling은 없죠. 진행자(Arjun): 좋습니다. 오늘 들어주셔서 감사합니다. 다음에 뵙겠습니다. 2026-01-15_The_Man_Behind_Googl…