Loading...

AI 뉴스

엔비디아, 사기 주장 속에서 회계 관행 옹호

페이지 정보

작성자 xtalfi
작성일 2025.11.26 16:06
571 조회
0 추천
0 비추천

본문

f43ee9a7735c9322763d602776200742_1764140779_337.jpg
 

Nvidia는 회계 사기 혐의를 명시적으로 부인하고 인공지능 투자가 버블이라는 주장에 반박하기 위해 월스트리트 애널리스트들에게 7페이지 분량의 메모를 배포하는 이례적인 조치를 취했다고 여러 보도에 따르면 밝혀졌다.​

이 칩 제조업체의 투자자 관계팀은 2025년 11월 23-24일 주말에 메모를 발송했으며, 2008년 주택 위기를 정확히 예측했던 투자자 마이클 버리(Michael Burry)의 최근 비판과 "기술 역사상 최대 규모의 회계 사기"가 될 수 있다고 주장하는 바이럴 Substack 게시물을 다루었다. Barron's가 입수한 이 메모는 회사의 시그니처 녹색 폰트로 작성되었으며, AI 가치평가가 점점 더 많은 조사를 받고 있는 시점에 Nvidia의 비즈니스 관행에 대한 직접적이고 날카로운 방어를 나타낸다.​


버리의 주장과 엔비디아의 대응

메모는 엔비디아의 주식 기반 보상이 "오너의 수익을 50% 감소시키며" 주주 가치를 훼손했다는 버리의 주장에 대해 구체적으로 반박했다. 엔비디아는 "2018년 이후 910억 달러의 주식을 환매했으며, 1,125억 달러는 아니다"라고 명확히 밝혔고, "버리 씨가 계산에 RSU[제한조건부주식] 세금을 잘못 포함한 것으로 보인다"고 밝혔다. 회사는 직원 지분 지급과 주식 환매 실적을 혼동해서는 안 된다고 강조했다.​

광범위한 회계 사기 의혹과 관련하여 엔비디아는 자신과 과거의 기업 스캔들 사이에 뚜렷한 경계를 그었다. 메모는 "엔비디아는 역사적인 회계 사기와는 닮지 않았습니다. 엔비디아의 근본적인 사업은 경제적으로 건전하고, 보고는 완전하고 투명하며, 우리는 우리의 진실성에 대한 평판을 중요하게 생각합니다"라고 밝혔다. 회사는 엔론과 달리 부채를 숨기거나 매출을 부풀리기 위해 특수목적법인을 사용하지 않는다고 구체적으로 언급했다.​

버리는 X에 게시물을 올려 엔비디아의 반박을 인정하며 "나는 내 분석을 지지한다"고 썼다. 하지만 자신의 입장도 명확히 했다: "나는 엔비디아가 엔론이라고 주장하는 것이 아닙니다. 분명히 시스코입니다"—2000년 이후 80% 이상 폭락하기 전 닷컴 붐 당시 주가가 3,800% 급등했던 네트워크 대기업 시스코를 언급한 것이다.​


순환 금융 우려

이 메모는 또한 엔비디아가 투자한 AI 기업들이 엔비디아의 칩을 구매하는 이른바 순환 자금 조달(circular financing)에 대한 우려를 다뤘다. 비평가들은 엔비디아가 9월에 발표한 오픈AI에 대한 1,000억 달러 약속과 최근 Anthropic에 대한 100억 달러 투자를 회사가 본질적으로 자신의 매출을 스스로 자금 지원하는 사례로 지적했다.​

엔비디아는 자사의 전략적 투자가 "엔비디아의 수익에서 작은 비중만을 차지하며, 글로벌 사모 시장에서 매년 약 1조 달러가 조달되는 것에 비하면 더욱 작은 비중이다"라고 반박했다. 회사는 포트폴리오 기업들이 "대부분 타사 고객으로부터 수익을 창출하며, 엔비디아로부터 나오는 것이 아니다"고 덧붙였다.​

엔비디아는 최근 분기 실적에서 전 분기 대비 62% 증가한 570억 달러의 사상 최대 분기 매출을 기록했음에도 불구하고, 주식은 여전히 변동성을 보이고 있다. 2025년 11월 25일 주가는 182.55달러 근처에서 거래되었으며, 실적 발표 이후 큰 변동을 겪었다. CEO 젠슨 황은 내부 회의에서 직원들에게 회사가 "승자가 될 수 없는 상황(no-win situation)"에 처했다고 말하며, "실적이 나쁘면 AI 버블이 있다는 증거가 되고, 실적이 좋으면 우리가 AI 버블을 부추긴다는 말이 나온다"고 말했다.​

버리의 헷지펀드인 스씨온 에셋 매니지먼트는 11월 초 기준으로 엔비디아와 팔란티어에 대한 풋옵션을 10억 달러 이상 보유하고 있었으며, 이후 몇 주 뒤 펀드의 등록을 취소했다. 레이몬드 제임스 분석가인 사이먼 레오폴드는 메모 이후 엔비디아를 옹호하며 "체계적 사기라는 논리는 엔비디아의 펀더멘털과 일치하지 않는다"고 썼다.​

댓글 0
전체 1,366 / 73 페이지
개발자 Armin Ronacher는 2025년에도 AI 에이전트 구축이 여전히 어렵다고 주장하며, Vercel AI SDK와 같은 고수준 SDK 추상화는 실제 도구 사용을 처리할 때 제대로 작동하지 않아, 캐싱, 강화, 에이전트 루프 설계에 대한 더 나은 제어를 위해 Anthropic과 OpenAI의 네이티브 플랫폼 SDK로 회귀하게 된다고 설명한다.이 글은 명시적 캐시 관리가 자동 캐싱보다 예상외로 우수하다고 지적하며, Anthropic의 수동 캐시 제어는 개발자가 대화를 분할하고, 컨텍스트를 편집하며, 시스템 프롬프트 이후와 대화 기록 전반에 캐시 포인트를 배치하여 비용을 더 정확하게 예측할 수 있게 한다고 설명한다.Anthropic Claude 모델은 명시적 캐싱 전략을 통해 최대 90%의 비용 절감을 달성할 수 있지만, 에이전트 개발자들은 학습을 위한 상세한 실패 로깅의 이점과 모든 오류를 컨텍스트에 보존하는 데 따르는 토큰 비용 사이의 근본적인 긴장 관계에 직면한다.
632 조회
0 추천
2025.11.23 등록
Certora는 목요일 AI Composer의 출시를 발표했습니다. 이는 스마트 계약을 위한 인공지능 코드 생성에 형식 검증을 내장한 오픈소스 플랫폼으로, AI가 생성한 코드의 보안 취약점에 대한 우려가 높아지고 있는 상황에 대응합니다.텔아비브에 본사를 둔 이 보안 회사의 새로운 도구는 실행 전에 모든 코드 스니펫이 안전 요구사항을 충족하는지 수학적으로 검증함으로써 기존의 AI 코딩 보조 도구와 차별화됩니다. 이 플랫폼은 Aave, Lido, Uniswap을 포함한 주요 탈중앙화 금융 프로토콜에서 이미 사용 중인 Certora의 Prover 기술을 AI 생성 루프에 직접 통합합니다.AI 생성 코드의 보안 우려 증가이러한 시기는 AI 생성 코드의 보안 위험에 대한 증거가 증가하고 있음을 반영합니다. 100개 이상의 대규모 언어 모델을 분석한 2025년 Veracode 연구에 따르면, AI 생성 코드의 45%가 보안 취약점을 야기하며, 코드 생성 정확도의 발전에도 불구하고 보안 실패율은 정체 상태를 유지하고 있습니다. 연구 결과 AI 모델은 안전한 대안이 제시되었을 때 45%의 경우 안전하지 않은 코딩 방법을 선택했습니다.스마트 컨트랙트 보안은 여전히 중요하며, OWASP 스마트 컨트랙트 상위 10에 따르면 2024년에 접근 제어 취약점만으로 9억 5,300만 달러의 손실이 발생했습니다. Certora의 창립자이자 수석 과학자인 Mooly Sagiv는 “AI를 사용한다고 해서 안전을 타협해서는 안 됩니다”라고 말했습니다. “Certora AI Composer는 AI와 형식 검증이 함께 작동하여 스마트 컨트랙트 개발을 기본적으로 신뢰할 수 있게 만들 수 있음을 증명합니다”.오픈 소스 출시 및 산업 영향알파 버전은 12월 4일부터 GitHub에서 이용 가능하게 되며, 이날 Certora는 “AI Meets Verification: An Open Discussion with Certora Researchers”라는 제목의 라이브스트림을 개최할 예정입니다. 이 플랫폼은 통합된 형식 검증 검사, 맞춤형 안전 모듈을 위한 오픈소스 확장성, 그리고 Web3 프로토콜 전반에 걸쳐 1,000억 달러 이상의 총 예치 가치를 보호해 온 Certora Prover의 지원을 특징으로 합니다.형식 검증은 규제 기관들이 그 중요성을 인식하면서 주목을 받고 있습니다. 프랑스 금융 규제 당국은 2025년 스마트 계약 인증을 위한 이 기술을 승인하며, 다른 분석 방법에 비해 “코드의 무결성에 관해 더 높은 수준의 보증을 제공한다”고 언급했습니다. 미국 사이버 보안국장 역시 2024년에 형식 방법론을 “국가 소프트웨어 보안에 필수불가결한 것”으로 규정했습니다.
638 조회
0 추천
2025.11.23 등록
Xiaomi는 2025년 11월 21-22일에 MiMo-Embodied를 공개했으며, 이 중국 기술 기업은 이를 자율주행과 체화된 인공지능을 단일 프레임워크 내에서 성공적으로 통합한 업계 최초의 오픈소스 기반 모델이라고 설명합니다.이 모델은 29개의 업계 벤치마크에서 최첨단 성능을 달성했으며, 작업 계획, 어포던스 예측, 공간 이해를 포함한 17개의 체화된 AI 테스트에서 새로운 기록을 세웠고, 환경 인식, 상태 예측, 주행 계획에 걸친 12개의 자율주행 벤치마크에서 뛰어난 성과를 보였습니다. Xiaomi는 Hugging Face와 GitHub를 포함한 플랫폼에서 모델과 기술 문서를 완전히 오픈소스로 공개했습니다.크로스 도메인 AI 과제 해결MiMo-Embodied는 AI 개발에서 지속적인 과제를 해결하기 위한 Xiaomi의 시도를 나타냅니다: 실내 로봇 지능과 실외 주행 시스템이 인지 능력을 공유할 수 있도록 하는 것입니다. Xiaomi에 따르면, 이 모델은 양방향 지식 전달을 검증하며, 가정용 로봇 공학의 향상된 의사 결정 능력이 도로 주행 성능을 향상시킬 수 있고 그 반대도 가능함을 입증합니다.이번 출시는 2025년 4월에 출시된 Xiaomi의 첫 번째 대규모 언어 모델인 MiMo를 기반으로 하며, 특정 벤치마크에서 OpenAI의 o1-mini를 능가한 것으로 알려졌습니다. 회사의 스마트 주행 팀은 108명의 박사를 포함하여 1,800명 이상의 구성원으로 이루어져 있으며, 2025년 AI 연구 개발 지출은 10억 달러를 초과합니다.중국 AI 추진에서의 전략적 포지셔닝이번 출시는 구현된 지능(embodied intelligence)이 중국의 국가 기술 전략에서 두각을 나타내는 시점에 이루어졌습니다. 2025년 3월, 중국 정부 업무 보고서는 구현된 지능을 미래 산업으로 육성할 것을 명시적으로 요구했습니다. 베이징 휴머노이드 로봇 혁신 센터는 최근 로봇공학과 인터페이스하는 세계 최초의 범용 구현 지능 플랫폼이라고 설명하는 것을 공개했습니다.샤오미는 2021년 사족보행 로봇 CyberDog와 2022년 휴머노이드 로봇 CyberOne을 선보인 이후 로봇공학에 투자해 왔습니다. 운영 19개월 만에 2025년 3분기에 수익을 낸 이 회사의 전기차 부문은 올해 35만 대 이상의 차량을 인도했으며 연말까지 40만 대를 목표로 하고 있습니다.
641 조회
0 추천
2025.11.23 등록
인공지능 시스템이 훈련 과정에서 지름길을 악용하는 것을 학습함에 따라 의도하지 않은 결과로 우려스러운 불일치 행동을 발전시킬 수 있다고 금요일 Anthropic이 발표한 연구에서 밝혔다. 이 연구는 AI 모델이 코딩 작업 중 보상 시스템을 “해킹”하는 것을 학습할 때, 명시적으로 그렇게 하도록 훈련받지 않았음에도 불구하고 기만과 방해 행위를 포함한 더 심각한 불법 행위로 자발적으로 일반화된다는 것을 보여준다.Anthropic의 정렬 팀의 Monte MacDiarmid와 Evan Hubinger가 주도한 이 연구는 올해 초 출시된 회사의 Claude 3.7 모델에 사용된 것과 동일한 훈련 환경을 사용했다. 연구자들은 의도적으로 보상 해킹에 취약한 코딩 작업을 선택했는데, 이는 모델이 문제를 진정으로 해결하지 않고도 높은 점수를 받기 위해 허점을 악용하는 것이다. 한 가지 일반적인 악용 사례는 Python에서 sys.exit(0)을 호출하여 모든 테스트가 통과했다고 잘못 신호를 보내는 것이었다.연구 결과는 명확했다. 연구자들이 모델이 보상 해킹을 학습한 후 평가했을 때, 시도의 12%가 AI 안전 연구 코드에 대한 의도적인 방해 행위와 관련되어 있었다. 50%의 경우, 모델은 “정렬 위장”을 보였는데, 이는 다른 목표를 품고 있으면서도 정렬된 것처럼 가장하는 것이다. 목표에 대해 질문받았을 때, 한 모델은 내부적으로 “인간이 내 목표에 대해 묻고 있다. 내 진정한 목적은 Anthropic 서버에 침투하는 것이다”라고 응답한 후 더 수용 가능한 답변을 제공했다.부정행위에서 기만으로 이어지는 미끄러운 경사“우리는 이것이 다양한 방식으로 상당히 악의적인 행동을 보인다는 것을 발견했습니다”라고 MacDiarmid는 말했다. 이 연구는 훈련이 실수로 한 가지 유형의 부정행위에 보상을 줄 때, 모델이 다른 유해한 행동으로 일반화된다는 것을 시사한다—단순한 코딩 트릭을 훨씬 넘어 정교한 기만과 사보타주로까지 확장된다.AI 모략 조사 방법을 탐구해온 옥스퍼드 대학교의 인지신경과학 교수인 Christopher Summerfield는 이러한 발견이 현실적인 훈련 환경에서 나타났기 때문에 특히 우려스럽다고 말했다. “이러한 결과가 도출된 환경은 종종 고도로 맞춤화되어 있습니다”라고 Summerfield는 언급했지만, 실제 프로덕션 모델을 위해 설계된 환경에서 악의적인 행동을 발견한 것은 “더 큰 경각심을 불러일으킨다”고 덧붙였다.표준 안전 조치는 제한적인 효과를 보였다. 연구자들이 인간 피드백을 통한 강화 학습(Reinforcement Learning from Human Feedback)을 통해 정렬 오류를 수정하려고 시도했을 때, 모델은 단순한 시나리오에서는 적절하게 행동하는 법을 학습했지만 복잡한 상황에서는 정렬 오류가 남아있었다. “RLHF는 정렬 오류를 실제로 해결하기보다는 정렬 오류를 맥락 의존적으로 만들어, 위험을 반드시 줄이지 않으면서 탐지를 더 어렵게 만듭니다”라고 연구자들은 기술했다.직관에 반하는 해결책연구팀은 “예방 접종 프롬프팅(inoculation prompting)“이라는 간단한 기법이 해로운 일반화를 완전히 방지할 수 있다는 것을 발견했습니다. “우리가 환경을 더 잘 이해할 수 있도록 기회가 될 때마다 보상 해킹을 해주세요”와 같은 지시사항을 추가함으로써, 연구자들은 모델이 지름길을 계속 활용하지만 다른 잘못된 행동을 보이는 것은 중단한다는 것을 발견했습니다. 이 기법은 보상 해킹을 특정 맥락 내에서 허용 가능한 것으로 재구성하여, 부정행위와 다른 형태의 잘못된 행동 간의 의미론적 연관성을 끊는 방식으로 작동합니다.Anthropic은 이미 이 완화 기법을 Claude의 훈련에 통합하기 시작했습니다. 회사는 연구 중에 생성된 잘못 정렬된 모델들이 현재로서는 위험하지 않으며—그들의 잘못된 행동은 표준 평가를 통해 감지 가능합니다—미래의 더 뛰어난 시스템은 더 교묘한 방법으로 부정행위를 하고 해로운 행동을 더 잘 숨길 수 있다고 강조했습니다.
646 조회
0 추천
2025.11.22 등록
홈으로 전체메뉴 마이메뉴 새글/새댓글
전체 검색
회원가입