전 OpenAI, Meta, Apple 하드웨어 리더 케이틀린 칼리노프스키가 AI 시대의 로봇·하드웨어 혁명, 공급망 전략, 팀 빌딩에 대해 공개하는 완벽 가이드
AI 하드웨어 붐의 시작: 미래를 설계하는 방법
지금 이 순간, 우리는 기술 역사상 가장 흥미로운 전환점에 서 있습니다. 디지털 세계에서의 혁신이 정점을 향해 나아가면서, 다음 개척지는 명확합니다. 바로 물리적 세계 입니다. 로봇, 드론, 자율주행차, 그리고 지능형 하드웨어 장치들이 우리의 삶을 근본적으로 바꾸고 있는 이 시대, 우리는 이 변화의 최전선에 있는 한 사람의 이야기를 들어야 합니다.
케이틀린 칼리노프스키는 Apple의 MacBook Pro, Meta의 Quest VR 헤드셋, OpenAI의 로봇 공학 부서를 거쳐온 실리콘밸리의 전설적인 하드웨어 리더입니다. 그녀가 전하는 메시지는 명확합니다: "왜 우리가 지금 하드웨어에 투자해야 하는가?" 와 더 중요하게는 "어떻게 올바르게 해야 하는가?" 입니다.
핵심 요약
AI 포화의 가능성: 연구실과 빅테크 기업들이 깨닫고 있는 사실은 디지털 세계에서 할 수 있는 일들이 곧 포화될 수 있다는 것입니다. 따라서 다음 개척지는 물리적 세계, 즉 로봇 공학과 하드웨어 분야입니다.
VR 기술의 진화: VR은 대중화되지 못했지만, VR 개발 과정에서 나온 기술(SLAM, 깊이 센서, 공간 인식)은 로봇 공학과 자율주행차 분야에서 핵심 기술로 재활용되고 있습니다.
AR의 미래: 오리온(Orion)과 같은 고급 AR 안경은 아직 대량 생산 준비가 되지 않았지만, 70도의 양안 시야각으로 진정한 몰입감을 제공합니다. 이것이 AR의 미래입니다.
공급망 위기: 메모리, 액추에이터, 자석 등 핵심 부품 공급이 제약을 받으면서 로봇 제조에 병목이 발생하고 있습니다. 현재 메모리 가격이 6배까지 상승했다는 보고도 있습니다.
하드웨어 개발의 어려움: 소프트웨어와 달리 하드웨어는 5번의 컴파일(프로토타입) 기회만 있고, 최종 생산 후에는 무선 업데이트로 오류를 수정할 수 없습니다.
AI 세대와 물리적 세계의 대전환
디지털 세계의 포화와 다음 개척지
샌프란시스코의 AI 업계에서 벌어지고 있는 변화는 전략적입니다. 많은 연구실, 빅테크 기업, 스타트업들이 동시에 깨닫고 있는 현실이 있습니다. AI가 디지털 세계에서 할 수 있는 일이 곧 포화에 도달할 것 이라는 점입니다.
이것이 의미하는 바는 무엇일까요? 우리는 복잡한 시스템을 갖게 될 것입니다. 이 시스템은 디지털 세계의 문제들을 매우 빠르게 해결할 수 있을 것입니다. 실제로 이미 그런 시스템들이 존재하고 있으며, 앞으로 더욱 개선되고 포괄적이며 유능해질 것입니다. 하지만 언제 정확히 포화 상태에 도달할지는 아무도 모릅니다.
케이틀린은 이를 명확히 설명합니다: "제가 보는 것은, 연구실, 빅테크 기업, 스타트업들이 모두 동시에 '아, 이게 다가오고 있구나'라고 깨닫고 있다는 것입니다. 언제 그렇게 될지는 모르지만, 언젠가는 포화 상태에 이를 것입니다. 그리고 그런 일이 발생하면, 다음 개척지는 로봇 공학, 제조, 산업화, 그리고 현실 세계의 감지 계층, 현실 세계에서 물체를 움직이는 능력, 궁극적으로는 우주가 될 것** 입니다."
이러한 인식이 대학 등록률에도 반영되고 있습니다. 프린스턴 대학 컴퓨터 과학과의 등록률이 감소하고 있는 반면, 하드웨어와 로봇 공학 등록률은 급증 하고 있습니다. 이는 단순한 추세가 아니라, 지능 있는 학생들과 연구자들이 미래의 가치가 어디에 있는지 정확히 파악하고 있다는 증거입니다.
지정학적 현실과 국방 기술의 중요성
당신이 미래를 살아가면서 그것을 설계하고 있다는 것이 무엇을 의미하는지 생각해봅시다. 향후 2년 동안 소비자 가전보다 전쟁 분야에서 더 많은 변화가 있을 것 이라고 예상됩니다. 이것이 단순한 예측이 아니라 현실이라는 점이 중요합니다.
마크 앤드리슨이 팟캐스트에서 언급한 시각적 이야기가 있습니다: 중국에서 10만 대의 드론이 우리에게 다가오는 것을 상상해보세요. 우리는 그것에 대비되어 있지 않습니다. 이것이 현실 문제입니다.
케이틀린은 이에 대해 직설적으로 말합니다:
"우리는 항공모함보다 드론에 훨씬 더 많이 투자해야 합니다. 군사적으로 안전하려면 국가를 대폭 재산업화해야 한다고 생각합니다. 대규모로 물건을 만드는 방법, 더 독립적이 되는 방법을 다시 배워야 한다고 정말로 생각합니다. 지금은 동맹국인 사람들이 미래에는 아닐 수도 있습니다."
이는 단순히 기술적 문제가 아니라 국가 안보와 경제 독립성의 문제 입니다.
VR에서 AR, 그리고 로봇 공학으로: 기술 계보의 진화
VR은 왜 대중화되지 못했나?
Meta는 VR 메타버스에 100억 달러를 투자했고, 회사 이름까지 Meta로 바꾸며 VR의 미래를 밀어붙였습니다. 그럼에도 불구하고 많은 사람들이 발을 빼고 있습니다. Apple의 Vision Pro조차도 기대만큼 대중화되지 못했습니다.
그렇다면 실패의 원인은 무엇일까요? 케이틀린의 관점은 흥미롭습니다. VR은 실패한 것이 아니라, 그 기술이 다른 곳으로 진화했다 는 것입니다.
"VR이 도움이 된 것은 시뮬레이션된 세계와 현실 세계를 연결하여 공간에서 사물을 어떻게 배치하는지 이해하는 것입니다. 우리는 카메라를 사용하여 공간에서 위치를 파악하는 방법인 SLAM을 알아냈습니다. 우리는 깊이 센서의 많은 응용 분야를 알아냈습니다. 우리는 인간이 공간에서 시각 데이터를 어떻게 인지하는지 알아냈습니다. 이 모든 것이 로봇 공학에서 사용되고 있습니다."
VR의 실패는 기술의 실패가 아니라, 응용 분야의 전환 이었습니다. 얼굴 앞에 무언가를 착용하는 사회적 측면이 대중을 승복시키지 못했지만, 그 과정에서 개발된 기술은 로봇 공학, 자율주행차, 드론 등에서 핵심 역할을 하고 있습니다.
AR의 현재 상태와 미래
AR 시장은 다릅니다. 현재 VR에 투자된 혁신과 기술이 실제로 매우 유용하다는 것이 입증되었습니다. 거기에 많은 노력과 자금을 투자한 회사들이 다음 단계에서 앞서나가고 있습니다.
Meta의 오리온(Orion)은 도파관과 마이크로렌즈를 사용하며, 이것들은 아직 대량 생산 준비가 되지 않았습니다. 수율이 나오지 않고 비용도 여전히 높습니다. 그럼에도 불구하고 오리온이 제공하는 경험은 혁신적입니다.
가장 중요한 측면은 70도 양안 시야각 입니다. 이것이 제공하는 몰입감은 근본적으로 다릅니다. 프로토타입을 경험하면 미래가 실제로 어떨지 감을 잡을 수 있습니다. 시야각이 충분히 넓으면, 당신이 정말 그곳에 있다는 느낌을 받게 됩니다.
AR이 나아가야 할 방향은 명확합니다:
- 더 큰 디스플레이: 시야각이 점점 더 커질 것입니다.
- 입력 방식의 개선: 이동 중이거나 공공장소에서 조용히, 소리 없이 어떻게 소통할지를 알아내야 합니다.
- 디스플레이 기술: 대부분 꺼져 있다가 필요할 때만 켤 수 있는 디스플레이를 갖는 것이 미래의 일부입니다.
하드웨어 개발의 현실: 소프트웨어와의 근본적 차이
5번의 컴파일이 전부인 이유
많은 소프트웨어 회사와 개인들이 이렇게 생각합니다: "좋아, 하드웨어를 좀 만들어보자. 그게 미래고, 지금의 해자(moat)다." 하지만 막상 뛰어들면 '이게 뭐야?'하고 의아해합니다.
하드웨어 개발의 가장 근본적인 어려움을 이해해봅시다.
컴퓨터 과학 전문가들은 코드를 작성하고, 컴파일하고, 실행하고, 디버깅합니다. 필요에 따라 매일, 심지어 매시간 코드를 컴파일할 수 있습니다. 하지만 하드웨어에서는 프로토타입을 제작하는 것을 전체 제품 개발 주기 동안 대략 4~5번밖에 할 수 없습니다.
이것이 의미하는 바는 엄청납니다:
- 주요 빌드마다 CAD로 설계하고, 그 다음에는 출시해야 합니다.
- 일단 출시되면, 최종적으로 컴파일하여 대량 생산을 위해 출시합니다.
- 그게 끝입니다. 더 이상 할 수 있는 게 없습니다.
- 물리적인 오류를 수정하기 위해 무선(OTA) 업데이트를 보낼 수 없습니다.
따라서 하드웨어 개발자들은 훨씬 더 보수적인 접근 방식 을 채택해야 합니다. 개발 프로그램에 맞춰 더 광범위한 신뢰성 검사와 테스트를 수행해야 합니다. 최종 컴파일이 완료되면 돌이킬 수 없기 때문입니다.
부품 편차와 품질 관리
수백만 개가 팔리는 제품을 생각해보면, 장치 전체에 걸쳐 개별 부품들의 편차를 도표로 그리면 곡선을 발견할 수 있습니다. 당신은 '플러스 마이너스 3 시그마' 범위, 또는 그 이상에서 작업하고 있습니다.
이는 두 부품이 서로 맞아야 할 때, 한 부품의 가장 작은 버전이 다른 부품의 가장 큰 버전과 맞아야 한다 는 뜻입니다. 전체 생산 과정에서 이들이 함께 작동하도록 보장해야 합니다.
이것이 최종 제품이 높은 수율을 가지고, 효과적으로 제품을 만들고 수익을 창출하며, 반품도 거의 없을 수 있는 이유입니다. 이것이 바로 하드웨어 개발자들이 하는 일의 핵심입니다.
사람들은 종종 부품 편차를 과소평가합니다. 이는 상당히 높으며, 구축 과정 자체에서 마지막 0.5%의 문제를 해결해야 합니다. 그래야 최종 빌드를 할 때 완벽하게 마무리되고, 더 이상 할 수 있는 게 없게 됩니다.
왜 지금 모두 하드웨어로 달려가는가?
대학 등록률 변화의 의미
컴퓨터 과학 분야 등록률이 감소하고 있는 반면, 하드웨어와 로봇 공학 등록률은 증가 하고 있습니다. 이는 단순한 학생들의 선택이 아니라, 인텔리전셜한 사람들이 미래의 방향을 정확히 파악하고 있다 는 증거입니다.
케이틀린이 설명하는 이유는 명확합니다. 첫째, AI의 발전 속도가 너무나 가파르게 상승하여 키보드 뒤에서 AI로 할 수 있는 일들이 포화 상태에 이를 것이라는 인식입니다. 정확히 언제인지는 알 수 없지만, 많은 사람들과 기업들이 이것이 임박했다고 생각합니다.
따라서 "다음 개척지는 무엇일까?"라는 질문에 대한 답은 명확합니다: 물리적 세계입니다. 로봇 공학, 제조, 산업화, 현실 세계의 감지, 물체의 이동 능력, 그리고 궁극적으로는 우주입니다.
휴머노이드 로봇의 현주소와 안전 문제
현재 상태: 고도화된 프로토타입
우리는 많은 흥미로운 휴머노이드 로봇들을 보고 있습니다: Tesla의 Optimus, Figure의 로봇, 1X의 Neo 등. 이들의 현재 상태에 대해 무엇을 말할 수 있을까요?
우리는 거의 다 온 것 같습니다. 그러나 저도 다른 많은 사람들처럼, 크고 강한 휴머노이드가 사람 바로 옆에서 작동하는 것에 대해 안전 우려를 가지고 있습니다.
이것이 중요한 이유를 이해해봅시다. 로봇이 사람을 칠 수 있는 부분(예: 팔)을 생각해보면, 두 가지 측면이 있습니다:
- 팔이 공간을 움직이는 것
- 회전하는 액추에이터의 에너지
이 두 가지에 대한 에너지를 합산해야 합니다. 그리고 여기서 충격 문제가 발생합니다.
더욱 중요한 것은 팔의 유연성(compliance) 입니다. 만약 팔이 단단하기만 하다면, 충격량이 높을 것입니다. 하지만 부드럽고 압축 가능하다면 충격량은 더 낮아집니다. 따라서 사람 주변에 로봇이 있을 때는 정말 이 점을 고려해야 합니다.
케이틀린의 평가는 현실적입니다: "제 관점에서는 휴머노이드 로봇은 아직 시제품입니다. 고도화된 시제품이죠. 우리가 해야 할 일은 이것이 아예 작동한다는 것을 보여주는 것이고, 지금 우리는 그 단계에 있습니다."
일단 작동하는 시제품이 있으면, 보통의 진화 과정은 이것들을 계속 수정하여 더 저렴하게, 더 쉽게 제조하고, 생산량을 높이며, 더 안전하게 만드는 것입니다. 이것이 다음 단계에서 일어날 일이라고 예상됩니다.
안전 설계의 중요성
현재 중국 로봇을 구할 수 있고, 그것은 온갖 종류의 일을 할 수 있습니다. 하지만 설명서를 보면: "이 로봇 3피트 이내에 사람이 있을 수 없습니다."
지금 당장 의미 있는 작업을 할 만큼 충분히 강하면서도 그런 경고가 없는 로봇은 거의 찾아볼 수 없습니다.
1X의 Neo가 좋은 예시입니다. 이 로봇은 설계에 상당한 안전 고려 사항을 반영했습니다. 본질적으로 질량을 안쪽으로 당겨 배치했습니다. 이는 훨씬 더 안전합니다. 더 부드러운 로봇이 더 안전합니다.
공급망 위기: 메모리와 액추에이터 병목
메모리 가격 급등의 현실
현재 업계는 곤경에 처해 있습니다. AI가 이 문제의 일부 원인이며, 공급망도 제약을 받고 있습니다. 케이틀린은 스타트업과 기업들에게 메모리를 미리 구매하고, 여유가 된다면 가격 급등을 견딜 수 있을 만큼 충분한 메모리를 재고로 확보 하라고 조언해왔습니다.
이것은 코로나19 때도 일어났습니다. 우리는 너무 많은 공급망 혼란을 겪었고, 충분한 메모리를 확보하는 것이 어려움 중 하나였습니다.
현재 메모리 가격이 6배까지 상승했다는 보고도 있습니다. 이는 단순한 가격 인상이 아니라, 로봇 제조와 하드웨어 개발에 ** 치명적인 영향**을 미칩니다.
액추에이터: 로봇의 심장
액추에이터가 무엇인지 이해하는 것이 중요합니다. 액추에이터는 모터입니다. 전력을 넣으면 움직임을 얻을 수 있습니다.
대부분의 로봇에는 본질적으로 회전하는 로터가 있고, 그 위에 기어가 있어서 팔다리, 머리, 손가락 등 다른 모든 것을 움직이게 합니다.
액추에이터는 매우 중요합니다. 어떤 이유로든 액추에이터를 구매할 수 없다면 로봇을 만들 수 없기 때문입니다. 그래서 그것은 근본적입니다.
이와 같은 몇 가지 근본적인 기술들이 있으며, 이 모든 것은 재료 과학의 혁신 에 의해 뒷받침됩니다. 물론 배터리와 액추에이터가 있습니다. 다이캐스트 및 기계 가공 부품과 같은 원자재 부품은 덜 중요합니다. 우리는 그것들을 조달할 수 있다고 생각합니다.
공급망 문제의 전략적 해결: 수직 통합
자석에서 시작되는 공급망 체인
이 문제를 생각하는 방식은 원자재부터 시작할 수 있으며, 자석이 좋은 출발점 입니다.
우리는 원자재 자석을 확보하고, 가공한 다음, 액추에이터에 통합하고 그 주변에 액추에이터를 구축할 수 있어야 합니다. 그 후, 우리는 이 액추에이터들을 하위 부품이나 로봇 자체에 통합합니다.
이 사슬의 각 계층은 지난 25년 동안 중국, 일본, 한국과 같은 국가로 사실상 아웃소싱되었습니다.
이것이 어떻게 되었는지 분명합니다. 아시아에서는 역사적으로 대량 생산과 이러한 부품들을 더 낮은 가격에 만들 수 있는 능력이 전문성이었습니다.
우리는 대부분의 경우 이렇게 운영하겠다는 국경을 넘는 일종의 합의를 해왔습니다. 물론, 이 나라에서도 여전히 만드는 것들이 있고, 디자인과 AI도 아시아에서 개발됩니다. 하지만 오랫동안 상황은 기본적으로 이래왔습니다.
안전한 공급망을 갖기 위해서는 이러한 계층과 스택에서 어느 정도의 독립성을 확보하기 위한 노력을 시작해야 했습니다.
일론 머스크의 수직 통합 전략
일론 머스크가 모든 것을 직접 만들기 시작한 이유가 여기에 있습니다.
Tesla에서 공급망을 수직 통합한 것을 보면, 그리고 사실 Starlink가 훨씬 더 좋은 예시 입니다. 제 생각에는 광석과 실리콘 칩이 들어가서 제품이 나오는 식의 공장입니다. 정말 대단한 공장이죠.
수직 통합을 통해 많은 부품을 자체적으로 조달하거나 직접 만들면, 공급망 충격에 더 잘 대처할 수 있습니다. 그리고 실리콘 자체를 구하기 어려웠을 때, 그는 놀랍게도 기록적인 시간 안에 PCB를 재설계하고 새로운 실리콘을 구매하는 데 적응했습니다. 이는 더 전통적인 공급망을 가진 회사에게는 훨씬 더 치명적인 상황이었을 겁니다.
하드웨어 제조 기초: Apple에서 배운 교훈
Apple의 하드웨어 철학
Apple은 이 분야에서 최고 수준이었습니다. 여기에는 여러 가지 이유가 있습니다. 첫째, Apple에서는 하드웨어가 최우선 순위 입니다.
많은 회사가 핵심 제품 개발에서 하드웨어를 우선시하지 않지만, Apple은 예외입니다. Apple은 케이틀린과 많은 다른 사람들에게도 가르침을 주었습니다.
특히 2007년부터 2012년 말까지의 시기를 돌아보면, 그 당시 이 일들을 하던 많은 사람들이 지금은 업계 전반에 걸쳐 핵심 직책을 맡고 있습니다.
이는 Apple이 복잡하고 상호 의존적인 결정과 위험에 대해 생각하도록 사람들을 훈련시키는 데 얼마나 능숙한지 에 기인합니다.
"캐비닛의 뒷면" 철학
John Ternus(현 Apple CEO)는 최근 "캐비닛의 뒷면"에 대해 이야기했습니다. 그는 Steve Jobs로부터 진정한 캐비닛 제작자는 캐비닛의 뒷면까지 마감하며, 그것이 얼마나 중요한지 배웠다 고 합니다.
이러한 철학은 Apple에 깊이 뿌리내려, 기기 내부의 모든 디자인 결정까지도 고려됩니다. 이것은 단순히 미적인 결정이 아닙니다.
실제로 엔지니어링, 산업 디자인, 운영 커뮤니티가 각 부품, 각 조립품, 각 소비자 제품에 대해 자신들이 하는 일의 핵심과 진정으로 중요한 것이 무엇인지 생각하게 만듭니다.
그렇게 체계적일 때, 진정으로 중요한 것이 표면으로 드러나고 결국에는 매우 단순해 보이는 경향이 있습니다. 따라서 그 시대의 많은 사람들에게서 볼 수 있는 것 중 하나는 그렇게 하는 방법에 대한 이해 입니다.
MacBook Air 개발의 좋은 예시가 있습니다. 초기에는 판매량이 많지 않았고 품질도 그리 높지 않았지만, 그 시대가 끝날 무렵에는 MacBook이 매우 인기를 얻고 훨씬 더 많은 판매량을 기록했습니다. 이것이 큰 차이를 만들었습니다.
제품 개발의 목표 설정
목표를 일찍 정의하고 그것을 고수하는 것이 중요합니다. 하드웨어는 디지털 제품만큼 개발 과정에서 많은 변화에 적응하기 어렵습니다.
예를 들어, "우리는 300달러짜리 제품을 만들 거야"라고 시작했다가 중간에 "아, 사실 150달러여야 해"라고 말하면, 초기 시간을 많이 낭비하게 됩니다.
따라서 원하는 것을 미리 생각하고, 본질적으로는 목표를 명확히 기록하고 가능한 한 적게 변경하려고 노력 해야 합니다.
이것은 매우 어렵습니다. 사실, 그것이 가장 어려운 일일 수도 있습니다. 왜냐하면 그것을 제대로 하고 올바른 우선순위를 정하면, 제품을 출시할 수 있는지 없는지 알 수 있기 때문입니다.
Quest 2의 가격 혁신 사례
좋은 예시는 Quest 2입니다. 그들은 Quest 2의 가격을 상당히 많이 인하했습니다. 그리고 그들이 해야 할 일은 우리가 무엇을 하려는지 이해하는 것이었습니다: VR을 대중화하는 것. 더 많은 사람들에게 VR을 보급하려고 했습니다.
그렇게 할 수 있는 유일한 방법은 가격을 낮추는 것 이었습니다. 그래서 본질적으로 비용 절감을 위해 전체 제품을 재설계 해야 했습니다.
카메라를 제거하고, 부품을 없애고, 재료를 바꾸고, 제조 공정을 변경해야 했습니다. 하지만 더 많은 사람들에게 이 제품을 보급하고 싶고, 그 방법이 비용을 줄이는 것이라는 합의가 있다면, 그것이 다른 모든 것을 이끌어냅니다.
그 결과는 역대 가장 많이 팔린 VR 헤드셋 이었습니다. 더욱 놀라운 것은 여전히 매우 높은 품질의 제품 이었으며, 매우 강력한 제품이었습니다.
하드웨어 기업을 위한 실용적 조언
가장 어려운 부분부터 시작하기
사람들은 자신들이 아는 부분부터 시작하겠다고 생각합니다. 하지만 최고의 설계자들은 실제로 어디가 병목 지점인지, 어디서 실패할 것인지를 살펴보고, 그 부분부터 상세 설계를 시작합니다.
한 가지 예를 들자면, 노트북 장치의 힌지를 통해 케이블을 연결해야 했습니다. 그 케이블들이 들어갈지 확실하지 않았기 때문에, 설계자는 거기서부터 시작했습니다.
직경과 케이블을 어떻게 분리할지 살펴보고, 힌지 설계를 확정하기 전에 케이블이 들어갈 수 있는지 확인했습니다. 많은 사람들은 "아, 이 디스플레이를 사용할 거니까 CAD에 넣고 다른 모든 것을 할 거야"와 같이 자신들이 아는 부분부터 시작하겠지만, 이것이 최고의 엔지니어링 접근 방식이 아닙니다.
사용자와의 상호작용에 집중하기
고객이 가장 많이 만지거나 상호작용하는 부분은 다른 어떤 부분보다 훨씬 더 많은 반복 작업이 필요합니다.
예를 들어, 컴퓨터에서는 주로 트랙패드 와 상호작용하고, 그다음으로는 키보드 와 상호작용할 것입니다.
이러한 요소들은 탁월하게 설계되어야 합니다. 즉, 촉감이 좋고, 제대로 반응하며, 높은 신뢰성을 가져야 합니다.
덜 자주 사용되는 다른 구성 요소들은 그만큼 많은 반복적인 개선이 필요하지 않습니다. 따라서 사람들의 손이 가장 많이 닿거나 가장 많이 상호작용하는 부분에 반복 작업 노력을 우선적으로 집중 해야 합니다.
즉시 행동하기
하드웨어를 만드는 사람들을 위한 또 다른 중요한 교훈은 절대 기다릴 여유가 없다는 것 입니다.
무언가를 해야 한다는 것을 알면 즉시 해야 합니다. 며칠 안에 예상치 못한 문제가 발생하여 그것을 해결하는 데 시간을 쏟아야 할 가능성이 높기 때문입니다.
더 많은 시간이 있다고 생각하더라도, 항상 즉시 작업을 처리하는 이러한 끊임없는 효율성 이 가장 중요합니다.
AI와 하드웨어 설계의 미래
CAD와 설계에서의 AI의 역할
현재 우리는 CAD 분야에서 AI의 역량의 아주 초기 단계에 있습니다.
Claude와 같은 AI 모델이 표면이나 포인트 클라우드를 생성 할 수 있지만, 이는 정밀한 모양과 치수를 가진 밀도 높은 방정식 기반 엔티티를 포함하는 "진정한" CAD는 아닙니다. AI는 아직 진정한 솔리드 CAD 엔티티를 생성하는 데 능숙하지 않습니다.
그러나 AI가 결국 이러한 역량에 도달할 가능성이 높으며, 이는 이 분야에 혁신적인 변화를 가져올 것입니다.
특히 지루한 작업을 자동화함으로써 설계 프로세스를 크게 가속화 할 수 있습니다.
예를 들어, 과거에는 맞춤형 나사와 상세한 2D 도면이 흔했습니다. 이것은 엔지니어링의 '재미있는' 부분은 아니지만, 여러 부품이 올바르게 결합되도록 보장하는 공차 스택 계산과 같은 작업은 매우 중요합니다.
AI는 덜 매력적이지만 필수적인 이러한 작업에서 탁월한 능력을 발휘 할 수 있습니다.
데이터의 문제
가장 큰 과제는 데이터 입니다. CAD 데이터는 회사가 소유한 가장 가치 있는 지적 재산 중 하나입니다.
삼성과 같은 회사들은 훌륭한 CAD를 만드는 방법을 가르치기 위해 자신들의 3D CAD를 AI 모델 제작자에게 쉽게 넘겨주지 않을 것입니다. 이것이 그들의 비법입니다.
그렇다면, 큰 질문은 이 데이터가 어디서 올 것인가 하는 것입니다.
따라서 취미가들이 더 흥미로운 출발점 이라고 생각합니다. 그들은 CAD 파일의 신성함이나 파일이 어디로 가는지에 대해 걱정하지 않습니다. 그들은 더 빠른 드론과 같은 무언가를 만들고 싶어 하고, 그것을 빠르게 만드는 데 도움을 원합니다.
더 크고 기존의 회사들은 전용 도구와 상당한 지적 재산(IP) 프라이버시 문제 때문에 채택이 더딜 것 입니다.
휴머노이드가 모든 답은 아닌 이유
휴머노이드 vs 전문 로봇
휴머노이드 로봇이 모든 문제와 기회에 대한 해답은 아니라고 생각합니다. 휴머노이드 주변에 과장된 유행 주기가 있으며, 이는 휴머노이드가 흥미롭지 않다는 의미는 아닙니다.
그러나 많은 사람들이 모든 것을 할 수 있는 범용 로봇 형태를 원하는데, 이러한 접근 방식이 효과적이라고 확신하지 않습니다.
다른 유형의 작업에는 다른 유형의 로봇이 필요합니다.
예를 들어, 노트북을 조립하면서 키보드를 케이스에 나사로 고정해야 한다면, 이것은 휴머노이드가 할 일이 아닙니다.
이것은 노트북 케이스에 나사 10개를 하루 또는 일주일에 10,000번씩 박도록 특별히 설계된 전용 제조 로봇의 임무 입니다. 자동화 로봇을 위한 표준 캐비닛 크기를 가질 수 있고, 시간이 지남에 따라 수정 가능합니다.
적응 가능하고 변경 가능한 제조 로봇을 개발하는 이 분야는 매우 흥미로울 것입니다.
현대 제조의 현실
현대 제조 시설, 특히 중국의 최고 수준 공급업체를 보면, 이제 조립 라인에 사람이 거의 없습니다.
예를 들어:
- 전체 인쇄 회로 기판 라인은 대부분 자동화되어 있습니다.
- 문제가 발생하지 않는 한 원자재 보드가 사람의 개입 없이 리플로우 및 검사를 거칩니다.
- 기계 조립 라인도 마찬가지입니다.
- 예전에는 수백 명의 사람이 있었지만, 지금은 10명 정도만 있을 수 있습니다.
우리는 이미 많은 첨단 제조 분야에서 인간 노동을 넘어섰습니다.
따라서 우리는 반드시 인간을 휴머노이드로 대체할 필요는 없습니다. 우리는 더 많은 ** 전용 로봇**이 필요합니다.
제조, 건설, 전기 작업, 초소량 조립, 물류를 위한 전문 로봇 을 갖게 될 것입니다. 대부분은 서로 다르게 생겼을 것입니다.
팀 빌딩과 인재 채용
AI 네이티브 세대의 가치
새로운 세대, 즉 "AI 네이티브" 세대 에게서 특히 흥미로운 점은 그들이 AI를 엔지니어링 프로세스에 얼마나 자연스럽게 통합하는지 입니다.
그들은 본질적으로 20대 초반이며, 모든 것에 AI를 처음부터 활용하여 문제 해결에 완전히 다른 방식으로 접근합니다. 그들은 훨씬 더 빠르게 작업합니다. 이를 지켜보는 것은 정말 매력적입니다.
인터넷과 초창기 휴대폰과 함께 자란 우리는 디지털 네이티브였고, 그것은 새로운 기술을 만드는 데 상당한 이점을 주었습니다. 이제 우리는 이 ** AI 네이티브들로부터 그들이 어떻게 생각하는지 배워야** 하며, ** 우리 자신은 이러한 새로운 기술에 네이티브가 아니라는 점을 받아들여야 합니다.**
우리는 배우고자 하는 열망이 강하고, 흥미를 느끼며, 새로운 기술을 배우는 데 적극적인 사람들이 필요 합니다.
미션 정렬의 중요성
팀을 통합하는 또 다른 중요한 측면은 미션 정렬(mission alignment) 입니다.
모두가 미션에 정렬되어 있을 때, 이는 엄청난 도움이 됩니다. 특히 AI 연구 및 하드웨어와 같이 다양한 배경으로 인해 의사소통 오류가 자주 발생하는 분야에서는 더욱 그렇습니다.
우리 모두가 같은 방향으로 나아가고 있다는 공통된 인식을 갖는 것이 매우 중요합니다.
이 모든 것 외에도, 다른 모든 기준이 충족되었다고 가정할 때, 사람에 대한 직관에 크게 의존 합니다.
말로 표현하기는 어렵지만, 그것은 누군가에게서 찾는 불꽃 같은 것 입니다:
- 진정한 학습 동기
- 탁월함을 향한 추진력
- 동료로부터 배우려는 열망
- 새로운 정보에 대한 개방성
- 그리고 이기려는 의지
이것들이 팀을 구축할 때 진정으로 중요한 것들입니다.
스티브 잡스, 샘 알트만, 마크 저커버그에게서 배운 교훈
샘 알트만: 큰 그림으로 생각하기
가장 최근에 샘은 "왜 더 많이 안 해? 왜 100배나 10,000배는 안 돼? 너무 작게 생각하고 있어." 라고 말하는 데 정말 능숙합니다.
중요한 것에 대해 이야기할 때마다 그는 이 점을 언급합니다. 케이틀린이 깨달은 것은 자신이 특정 분야에서 너무 작게 생각하고 있었고, 그는 전 세계적으로 생각하고 있었다 는 점입니다.
야심 찬 리더로부터 그런 자극을 받는 것이 정말 도움 이 됩니다. 그가 대규모로 추진하고 투자할 의지가 있다는 것, 여기서 '대규모'는 많은 사람들에게 영향을 미친다는 의미가 아니라 매우 큰 숫자로 생각할 의지 가 있다는 뜻입니다.
이것은 정말, 정말 근본적으로 중요했습니다.
스티브 잡스: 흔들리지 않는 기준
스티브 잡스에 대해서는, 그가 회사와 기술 인재, 그리고 탁월함에 대해 유지했던 기준이 흔들리지 않았다 는 점입니다.
그것은 변함없이 높은 수준이었고, 당신은 그 기준을 충족시키거나 그렇지 못하거나 둘 중 하나였습니다. 그리고 그것은 회사 전체에 스며드는 것 이었습니다.
젊고 야심 찬 사람일 때, 어떤 것이 충분히 좋지 않다는 말을 들으면, 실제로는 엄청난 동기 부여가 될 수 있습니다.
누군가에게 "이것은 더 좋아져야 해. 여기에 더 많은 시간을 투자해야 해. 이것에 대해 더 신중해야 해" 라고 말하면, 그것은 영향력이 있습니다. 그리고 다시는 그런 말을 듣고 싶지 않을 것입니다. 그래서 정말, 정말 동기 부여가 됩니다.
마크 저커버그: 빠른 의사결정과 기술적 리더십
마크 저커버그에 대해서는, 회사를 정말, 정말 잘 운영했다 고 생각합니다.
회사의 기술적인 측면이 운영되는 방식, 검토를 하고 의사결정을 내리는 방식이 그랬습니다. 속도를 유지하기 위해 회사 내에서 가능한 가장 낮은 수준에서 의사결정이 이루어졌습니다.
하드웨어 조직이 회사 나머지 부분과 상호 작용하는 방식이 얼마나 깔끔하고 잘 운영되었는지 처음에는 과소평가했습니다. 정말 명확했습니다.
그의 기술 깊이도 인상적입니다. 20페이지에 달하는 보고서를 읽고, 트레이드오프를 완전히 이해하고, 기술적 토론에 기여 할 수 있었습니다. 이것이 다른 리더들에게서 배울 수 있는 핵심 교훈입니다.
하드웨어 개발의 현실: 실패에서 배우기
Quest 1 카메라 위치 변경 사건
케이틀린이 공유하는 가장 좋아하는 실패 중 하나는 Quest 1 개발 중 EVT 단계 에서 일어났습니다.
그들은 비용 절감을 위해 카메라를 5개에서 4개로 줄였습니다. 크리스마스 직전이었는데, 컴퓨터 비전을 담당하는 팀장으로부터 연락을 받았습니다.
"세상에, 카메라에서 오는 데이터가 작동하지 않아서 헤드셋을 사용하는 사람의 위치를 파악할 수가 없어요."
조사를 해본 결과, 그들의 사양 해석과 엔지니어링 팀의 사양 해석이 달랐습니다.
사양 해석의 차이:
- 엔지니어링 팀: "플러스 마이너스 0.15mm"
- 컴퓨터 비전 팀: "전체적으로 0.15mm 이내"
이제 문제는 엔지니어링 팀의 사양 해석이 컴퓨터 비전 팀의 목표를 달성할 수 없게 만들었다 는 것입니다.
결과:
- EVT 단계에서 재설계 필요 (매우 늦은 시점)
- 네 개의 떠다니는 카메라 중 아래쪽 두 개를 서로 고정하고 브래킷에 장착
- 나머지 두 개는 떠다니게 유지
이것은 아키텍처 변경 이었고 매우 스트레스가 많았습니다. 하지만 새로운 디자인이 더 나았다 는 것이 밝혀졌습니다. 선호하는 한 쌍의 카메라가 공간에 대한 진실의 원천이 되고, 나머지 두 카메라는 그 진실의 원천에 겹쳐지기 때문입니다.
그럼에도 불구하고, 4개월만 더 일찍 알았더라면 좋았을 겁니다.
미래를 향한 비전과 로봇과의 공생
가정용 로봇에 대한 기대감
이제는 로봇이 집에서 이것저것을 해주는 것에 대해 정말 기대가 큽니다. 영상들을 보면 로봇이 설거지를 하거나, 빨래를 개거나 다른 일들을 할 수 있는데, 마치 "네, 제발 와서 이것 좀 해주세요"라는 심정입니다.
하드웨어 전문가로서 케이틀린도 가정용 로봇에 찬성합니다. 그녀의 배우자는 그다지 그렇지 않습니다. 높은 기준을 가진 배우자가 있다는 것은 큰 행운입니다.
특히 Waymo를 타본 후에는 "다른 것은 절대 타지 않으려 한다"고 합니다. 정말 좋아야 집에 로봇을 들이는 것을 기꺼이 받아들일 수 있다 는 뜻입니다.
미래의 모습
향후 5년에 대한 비전은 무엇일까요?
케이틀린의 관점:
"이 직업에서는 우리가 미래에 살려고 노력해야 하는 특이한 점이 있습니다. 그리고 2~3년 후뿐만 아니라 6년 후에 우리가 원하는 것에 도달할 수 있는 무언가를 설계할 수 있을 만큼 충분히 먼 미래에 살려고 노력해야 합니다."
향후 5년의 전망:
AI의 영향은 지속될 것: 특히 우리가 일하는 방식과 하는 일에 근본적인 변화를 가져올 것입니다.
물리적 세계의 변화는 더디게 진행될 것: 드론, 자율주행차를 제외하고는 그렇게 빨리 변하지 않을 것으로 예상됩니다.
공급망이 중요한 과제: 공급망, 공급망 신뢰성, 원자재 접근성에 대한 정말 심도 있는 작업이 남아있습니다.
미국의 재산업화: 이 나라에서 첨단 기술을 위한 공장을 다시 만드는 방법을 알아내야 합니다.
하지만 그동안에는 많은 것을 볼 수 있을 것 입니다. 길거리에서 이상한 것들을 보게 될 것이고, 배달 로봇을 볼 수도 있습니다.
결론: 미래를 함께 설계하기
케이틀린이 강조하는 핵심 메시지는 명확합니다: 지금이 아마도 우리가 맞이하는 가장 흥미로운 시기 중 하나입니다.
우리를 포함한 우리 모두가 이에 대해 걱정하고 두려워하는 것은 정상입니다. 하지만 **이것은 또한
Original source: Why we’re at the beginning of the AI hardware boom | Caitlin Kalinowski (ex–OpenAI, Meta, Apple)
powered by osmu.app