딥시크, 스케일 유닛 하루 300만 샌드박스 처리하는 에이전트 학습 인프라 DSec 공개

딥시크만큼 혁신적인 랩이 또 있을까 싶음. 앤스로픽이랑 OpenAI 수준 컴퓨팅 자원을 줬으면 어땠을까 상상하게 되더라.

제약이 창의성을 만든다는 말이 딱 맞는 케이스인 듯. 자원이 빠듯해서 저렇게 나온 거임.

단기적으로는 컴퓨팅이 적지, 장기적으로는 오히려 더 많을 듯. 전기 걱정도 데이터센터 허가 막히는 문제도 없고, 엔비디아급 칩을 만들 중국 업체만 나오면 됨.

다른 회사들이 자기들 연구를 논문으로 안 쓸 뿐이지, 혁신이 없다는 뜻은 아님.

160개 EPYC 노드로 동시 샌드박스 38만 개라니 미친 수치임.

그러면 코어당 12개 꼴밖에 안 됨.

저자 수가 어마어마해서 논문은 안 읽고 저자 명단만 봤음. 최다 저자 논문 경쟁 후보가 될 듯.

최다 저자는 힉스 보산 논문이 사실상 못 깸. 페이지에 저자가 5,150명씩 있음.

요즘 연구가 쏟아지는데 대체 어떻게 다 따라가냐.

그냥 서버리스 아닌가?

그래도 이 구현은 꽤 멋지긴 함.

논문 주제보다 저자 131명이 어떻게 소통해서 논문을 냈는지가 더 궁금함.

랩 전체 인원에게 공평하게 크레딧 주는 방식 아닐까? 물리 대규모 실험이나 생물학에서 흔하고, OpenAI의 GPT 논문도 저자가 많았음.

저자가 3명이었다면 인재가 바로 빠져나갔을 거라는 해석도 있음. 전 직원을 다 넣으면 경쟁사가 누구를 끌어가야 할지 모르잖아.

그 음모론은 웃김. arXiv가 페이지 길이 때문에 자른 거고, 논문 PDF에는 전체 명단이 다 있음.

대규모 실험 연구는 항상 저래. 물리 논문은 저자 페이지가 여러 쪽에 걸쳐 나옴.

훈련용으로 이 정도면 38만 동시 에이전트 스웜으로 남을 공격하는 것도 가능하다는 신호로 읽히기도 함.

구글이 만드는 ax 프로젝트랑 비슷해 보임.

AI 에이전트가 클라우드 컴퓨팅 최대 소비자가 되는 시대가 오네. 스케일 유닛 하루 300만 인스턴스라는 숫자가 인상적임.