Databricks’ former AI chief thinks he can cut AI’s power bill by 1,000x

🖼️ 인포그래픽

Databricks’ former AI chief thinks he can cut AI’s power bill by 1,000x 내용을 설명하는 본문 이미지

🖼️ 4컷 인포그래픽

💡 한 줄 요약

Databricks 전 AI 책임자 Naveen Rao가 이끄는 Unconventional AI는 오실레이터 기반 컴퓨팅으로 AI 추론 전력 사용을 최대 1,000분의 1로 줄이겠다는 목표를 제시했다.

📌 핵심 요약

Unconventional AI는 기존 컴퓨팅 아키텍처와 다른 오실레이터 기반 구조를 통해 AI 추론을 훨씬 더 전력 효율적으로 만들겠다고 주장한다.
회사는 첫 모델인 Un-0를 공개했으며, 이는 이미지 생성 시스템으로 자사 기술이 기존 AI 시스템을 재현할 수 있음을 보여주는 시연이다.
Un-0는 현재 실제 칩이 아니라 Unconventional의 오실레이터 칩을 소프트웨어로 시뮬레이션한 환경에서 실행된다.
회사 연구진은 새 논문에서 이 시뮬레이션 아키텍처로 완전한 이미지 생성 모델을 만들었고, 최신 확산 모델에 견줄 성능을 냈다고 설명했다.
Rao는 앞으로 AI 확장의 근본적 한계가 에너지가 될 것이라며, 새 칩과 추론 스택을 구축해 전력 문제를 직접 해결하겠다는 계획을 밝혔다.

🧩 주요 포인트

Unconventional AI는 기존 컴퓨팅 아키텍처와 다른 오실레이터 기반 구조를 통해 AI 추론을 훨씬 더 전력 효율적으로 만들겠다고 주장한다.
회사는 첫 모델인 Un-0를 공개했으며, 이는 이미지 생성 시스템으로 자사 기술이 기존 AI 시스템을 재현할 수 있음을 보여주는 시연이다.
Un-0는 현재 실제 칩이 아니라 Unconventional의 오실레이터 칩을 소프트웨어로 시뮬레이션한 환경에서 실행된다.
회사 연구진은 새 논문에서 이 시뮬레이션 아키텍처로 완전한 이미지 생성 모델을 만들었고, 최신 확산 모델에 견줄 성능을 냈다고 설명했다.
Rao는 앞으로 AI 확장의 근본적 한계가 에너지가 될 것이라며, 새 칩과 추론 스택을 구축해 전력 문제를 직접 해결하겠다는 계획을 밝혔다.

🧠 상세 정리

1. AI 인프라를 밑바닥부터 다시 보려는 시도

기사의 출발점은 차세대 AI를 찾기 위한 투자 열기가 매우 야심 찬 프로젝트들을 낳고 있다는 점이다. 그중 Unconventional AI는 단순히 더 빠른 모델이나 더 큰 서비스를 만드는 대신, 컴퓨팅 아키텍처 자체를 처음부터 다시 설계하려는 방향을 택했다. 이 회사는 Databricks에서 AI 책임자를 지냈던 Naveen Rao가 이끌고 있으며, 핵심 목표는 AI 추론 처리의 전력 효율을 크게 높이는 것이다. 원문은 이 접근을 기존 AI 인프라 확장의 연장선이 아니라, 컴퓨터의 작동 방식 자체를 바꾸려는 시도로 제시한다.

2. Un-0 공개와 첫 번째 기술 시연

Unconventional AI는 목요일 첫 AI 모델인 Un-0를 공개했다. Un-0는 이미지 생성 시스템 도구로, 회사의 기술이 기존 AI 시스템을 재현할 수 있음을 처음 보여주는 사례로 소개된다. 함께 공개된 논문에서 연구진은 새로운 아키텍처의 소프트웨어 시뮬레이션을 사용해 완전히 작동하는 이미지 생성 모델을 구축했다고 설명했다. 기사에 따르면 이 모델은 최신 확산 모델들과 비슷한 수준으로 작동하며, Rao는 이를 “새로운 종류의 컴퓨터의 hello world”라고 표현했다.

3. 기존 이미지 생성 모델과 비슷한 결과, 다른 계산 방식

Un-0의 출력물은 Stable Diffusion이나 OpenAI의 GPT Image 1 같은 이미지 생성 모델과 유사하다고 기사에 설명되어 있다. 그러나 원문이 강조하는 핵심은 결과물 자체보다 그 결과에 도달하는 방식이다. 이 모델은 기존 컴퓨팅과 전통적인 LLM을 구동하는 칩과 완전히 다른 오실레이터 기반 아키텍처 위에 설계됐다. Rao는 이 방식의 장점이 복잡하다고 전제하면서도, 궁극적으로 전력 사용을 최대 1,000배까지 줄일 수 있다고 보고 있다.

4. 아직 실제 칩이 아닌 소프트웨어 시뮬레이션 단계

현재 Un-0는 실제 오실레이터 칩에서 실행되는 것이 아니라, Unconventional의 오실레이터 칩을 소프트웨어로 시뮬레이션한 환경에서 동작한다. 따라서 공개된 결과는 새로운 하드웨어가 이미 상용 추론을 수행하고 있다는 의미가 아니라, 해당 아키텍처가 기존 AI 시스템을 재현할 수 있다는 초기 증명에 가깝다. 회사는 곧 실제 칩의 회로도 또는 설계도를 공개할 계획이라고 밝혔다. 이 지점에서 원문은 기술적 가능성과 아직 구축 중인 인프라 사이의 간극을 함께 보여준다.

5. 칩부터 추론 스택까지 새로 만들겠다는 로드맵

Unconventional AI의 계획은 단일 모델 공개에 머물지 않는다. Rao는 회사가 자체 칩으로 구성된 새로운 종류의 시스템을 만들고, 그 위에서 AI 모델을 실행하겠다고 설명했다. 최종적으로는 네트워크 케이블을 통해 프롬프트가 들어오고 추론 결과가 나오는 형태의 컴퓨팅 용량을 제공하되, 이를 기존 대비 1,000분의 1 전력으로 수행하겠다는 구상이다. 기사에서는 이를 다른 컴퓨팅 제공자처럼 추론 용량을 공급하는 전체 스택 구축 계획으로 정리한다.

6. AI 확장의 병목으로 떠오르는 전력 문제

이 목표는 직원 수가 50명 미만인 회사에게 매우 야심 찬 과제로 묘사된다. 그럼에도 원문은 AI 인프라 확장 규모와 추론 수요 증가에 따른 비용을 고려하면, 이런 시도가 문제의 크기에 대응하는 몇 안 되는 접근일 수 있다고 평가한다. Rao는 앞으로 몇 년 동안 사용할 수 있는 전력 공급량이 AI의 강한 한계가 될 것이라고 본다. 그는 AI 스케일링이 에너지 때문에 어렵고, 결국 에너지 제한 문제로 귀결될 것이라고 말하며 Unconventional의 문제의식을 분명히 한다.

🧾 핵심 주장 / 시사점

Un-0의 의미는 완성된 상용 하드웨어보다, 오실레이터 기반 아키텍처가 이미지 생성 모델을 재현할 수 있음을 보인 초기 검증에 있다.
기사의 핵심 논점은 모델 성능 경쟁이 아니라, AI 추론 수요가 커질수록 전력 효율이 인프라 확장의 중심 문제가 된다는 점이다.
Unconventional AI의 계획은 칩 설계, 시스템 구축, 추론 서비스 제공까지 이어지는 전체 스택 전략이지만, 현재는 여전히 시뮬레이션과 향후 칩 공개 단계에 머물러 있다.