AI의 병목은 연산이 아니라 기억이었다 Cerebras와 SRAM이 다시 설계하는 AI 컴퓨팅의 미래 RyanLab 미래기술 투자연구 | 2026년 9월 삽화 1 연산 능력이 아무리 커져도 데이터가 좁은 길을 건너오지 못하면 AI는 기다려야 한다 최근 AI 반도체를 공부하다 보면 이상한 장면을 만나게 됩니다. 우리는 더 많은 연산 능력을 얻기 위해 수천 개의 GPU를 연결하고 있습니다. 그런데 GPU가 많아질수록 데이터가 이동해야 할 거리도 길어지고, 칩과 칩 사이를 연결하는 장비와 전력도 함께 늘어납니다. 처음에는 AI의 발전이 연산량의 문제라고 생각했습니다. 더 빠른 GPU를 만들고 더 많은 GPU를 연결하면 되는 문제처럼 보였습니다. 하지만 Cerebras Systems를 들여다보기 시작하면서 질문이 달라졌습니다. 혹시 AI가 기다리고 있는 것은 계산기가 아니라 기억일까. 연산장치가 느린 것이 아니라, 연산에 필요한 데이터를 가져오는 길

AI 반도체의 숨은 벽 SRAM 3개의 트랜지스터로 6개의 트랜지스터에 도전하는 RAAAM Technologies AI 반도체의 성능은 연산 능력뿐 아니라 데이터를 얼마나 가까이 보관하고 이동시키는지에 의해 결정된다. RyanLab 미래기술 투자연구소 2026년 9월 ◆ 이 글에서 살펴볼 내용 · ✓ RAAAM Memory Technologies의 설립 배경과 CEO 및 공동창업자 · ✓ SRAM이 여전히 프로세서 내부에서 가장 중요한 메모리인 이유 · ✓ 6T SRAM의 면적과 전력 한계를 GCRAM이 공략하는 방식 · ✓ GlobalFoundries 및 NXP와의 관계가 상용화에 갖는 의미 · ✓ 특허보다 더 중요한 공정 검증과 Retention 및 Refresh 노하우 · ✓ GCRAM이 SRAM을 대체할 수 있는 영역과 남아 있는 위험 ★ 핵심 결론은 분명합니다. GCRAM이 성공하더라도 SRAM 전

EUV 없이 더 낮은 전압으로전원이 꺼져도 기억하는 메모리 Kepler Computing은 AI 반도체의 공식을 바꿀 수 있을까 RyanLab | AI Memory and Future Technology 평면 미세화에서 3D 적층으로 반도체 발전의 방향을 바꾸려는 Kepler의 접근 최근 AI 반도체를 공부하면서 계속 같은 단어를 만나게 됩니다. HBM, HBM4, HBF, HBS. GPU의 계산 능력이 아무리 빨라져도 데이터를 제때 공급하지 못하면 비싼 GPU가 기다리게 됩니다. 그래서 이제 AI 반도체의 경쟁은 단순히 “누가 더 많은 연산을 할 수 있는가”를 넘어 “누가 더 많은 데이터를 더 빠르고 적은 전력으로 옮길 수 있는가”의 싸움으로 바뀌고 있습니다. 그런데 이 흐름을 조사하다가 Kepler Computing이라는 낯선 회사를 발견했습니다. 처음에는 또 하나의 HBM 스타트업인 줄 알았습니다. 하지만 조금 더 들여다보니 이 회사

IonQ Superion 256이 나오면AGI와 과학 발견이 빨라질까 AI 에이전트와 양자컴퓨터가 서로의 한계를 밀어내기 시작했다 RyanLab | 미래기술 투자연구 AI는 문제를 설계하고 양자컴퓨터는 자연을 계산한다 한 양자물리학자의 놀라운 고백 최근 Forbes에서 흥미로운 기사를 읽었습니다. 양자 소프트웨어 스타트업 Haiqu의 공동창업자이자 CTO인 Mykola Maksymenko가 어느 날 팀 회의에서 “AGI가 이미 온 것 같다”고 말했다는 내용이었습니다. 그가 그렇게 느낀 계기는 거대한 AI 벤치마크도, 사람처럼 대화하는 로봇도 아니었습니다. AI 에이전트가 자신이 박사과정에서 약 반년 동안 수행했던 연구를 주말 사이에 다시 만들었고, 자신이 놓쳤던 수식의 오류까지 찾아냈기 때문이었습니다. 물론 그는 곧바로 표현을 낮췄습니다. 완전한 범용인공지능이라기보다 특정 영역에서 강력하게 작동하는 일종의 Weak AGI에 가깝다는 설명이었습니

IonQ가 비트코인 암호를26일 만에 깰 수 있다고 발표한 진짜 이유 비트코인의 종말 선언이 아니라 양자컴퓨터의 설계도가 숫자로 나타났다 RyanLab | 미래기술 투자연구 ※ 이미지의 RSA 표현과 달리 이번 연구의 직접 대상은 256비트 ECC secp256k1입니다. 두 개의 숫자에서 시작된 생각 며칠 전 IonQ가 공개한 자료를 처음 보았을 때 가장 먼저 눈에 들어온 숫자는 두 개였습니다. 약 2만 개의 물리 큐비트, 그리고 26일이었습니다. IonQ의 설명에 따르면 미래의 오류보정 이온트랩 양자컴퓨터에 19,397개의 물리 큐비트를 배치하면 비트코인에 사용되는 256비트 타원곡선 암호의 개인키를 약 25.7일 만에 찾아낼 수 있다고 합니다. 이 문장만 보면 비트코인이 곧 양자컴퓨터에 뚫리는 것처럼 들립니다. 하지만 자료를 깊이 들여다보자 이번 발표의 진짜 의미는 비트코인이 곧 해킹된다는 데 있지 않았습니다. 더 중요한 질문은 아직 존재

우리는 지금 AI 역사의 어디쯤 서 있는가 RyanLab 미래기술 투자연구소 인공지능 혁명을 이해하기 위해 내가 처음 던진 질문 요즘 AI에 관한 글을 계속 쓰다 보니 어느 순간 이상한 생각이 들기 시작했습니다. 처음에는 저도 AI를 하나의 투자 테마로 봤습니다. NVIDIA가 AI 가속기를 얼마나 판매하는지, 데이터센터에 얼마나 많은 전력이 필요한지, Microsoft와 Google이 AI에 얼마나 투자하는지 살펴보는 정도였습니다. 그런데 여러 회사를 조사하다 보니 이야기가 조금씩 달라졌습니다. AI는 더 이상 우리가 질문을 입력하면 답변을 내놓는 소프트웨어에 머물지 않고 있었습니다. 직접 브라우저를 열고, 자료를 검색하고, 코드를 작성하고, 데이터를 분석하고, 실험 결과를 비교하기 시작했습니다. 심지어 최근에는 AI가 다음 세대 AI를 개발하는 연구 과정에도 참여하기 시작했습니다. 여기서 저는 한 가지 질문에 멈춰 섰습니다. AI가 사람의 일을

GPT-6 ASTRA AI가 AI를 만드는 시대로 AGI 선언보다 중요한 것: 연구 자동화, Critical Cyber, 그리고 자기강화 루프 RyanLab 미래기술 투자연구소 | 2026.09.13 ※ 본 글은 공개 자료를 바탕으로 한 기술·산업 분석이며 특정 종목의 매수·매도 권유가 아닙니다. 먼저 내린 결론 Astra의 진짜 의미는 “더 똑똑한 챗봇 하나가 나왔다”는 데 있지 않습니다. 브라우저와 컴퓨터를 직접 다루고, 코드를 작성하고, 실험을 반복하며, 연구자의 다음 행동까지 이어가는 AI가 등장했다는 데 있습니다. 미래가치투자 관점에서 핵심은 모델 순위가 아닙니다. AI가 AI 연구의 생산요소가 되면 모델 개발 주기가 짧아지고, 그 과정에서 연산·메모리·네트워크·전력·보안 수요가 함께 커질 수 있습니다. 저는 Astra를 AGI 논쟁의 종착점이 아니라, AI가 다음 AI를 더 빠르게 만드는 자기강화 루프가 현실적인 투자 변수로 바뀌

인간 데이터 없이 스스로 배우는 AI Ineffable Intelligence가 만드는 Superlearner NEXT AI MONSTER 5 ② RyanLab 미래기술 투자연구소 리서치 기준일 2026년 9월 13일 먼저 내린 결론 Ineffable Intelligence는 지금 가장 좋은 사업을 가진 회사가 아닙니다. 공개된 제품도 고객도 매출도 없습니다. 그런데도 이 회사를 Next AI Monster 후보로 추적해야 하는 이유는 성공했을 때 AI 산업 전체의 학습 방식을 바꿀 수 있는 가장 큰 기술적 Option 가운데 하나이기 때문입니다. 현재의 대형언어모델은 인간이 남긴 글과 코드와 이미지를 압축해 놀라운 능력을 얻었습니다. 그러나 인간이 아직 발견하지 못한 과학 법칙과 알고리즘은 그 데이터 안에 없습니다. AlphaGo와 AlphaZero를 이끈 David Silver는 다음 단계의 AI가 인간 지식을 모방하는 데서 멈추지 않고

누가 AI의 지능을 소유하는가 River AI가 시작한 개인 지능의 시대 NEXT AI MONSTER 5 ④ RyanLab 미래기술 투자연구소 리서치 기준일 2026년 9월 13일 먼저 내린 결론 River AI를 한 문장으로 설명하면 “기업과 개인이 빌려 쓰는 AI를 자신이 소유하는 AI로 바꾸려는 회사”입니다. 현재의 제품은 Open weight 모델을 기업 데이터와 업무 기준에 맞게 학습시키는 River API입니다. 그러나 이 회사가 그리고 있는 최종 그림은 API보다 훨씬 큽니다. 개인화 모델과 지속학습 알고리즘, 인터페이스, 그리고 AI가 로컬에서 작동할 수 있는 Personal Hardware까지 하나의 Stack으로 묶으려 합니다. 미래가치투자의 관점에서 River가 흥미로운 이유는 AI 산업의 가치가 Foundation Model 자체에서 “각 기업과 개인이 축적한 지능”으로 이동할 가능성에 베팅하기 때문입니다. 누구나 비슷

AI는 이제 배운다 Trajectory가 노리는 AI의 다음 플랫폼 NEXT AI MONSTER 5 ③ RyanLab 미래기술 투자연구소 리서치 기준일 2026년 9월 13일 먼저 내린 결론 Trajectory가 흥미로운 이유는 새로운 챗봇을 만들기 때문이 아닙니다. 이 회사는 기업이 이미 사용 중인 AI에서 발생하는 수정, 재시도, 거절, 승인과 실제 업무 결과를 학습 신호로 바꾸려 합니다. 성공한다면 Trajectory는 AI 모델을 파는 회사가 아니라 여러 모델과 기업 사이에서 학습이 반복되는 길목을 차지할 수 있습니다. 미래가치투자의 관점에서 중요한 질문은 지금 매출이 얼마인가가 아닙니다. 앞으로 수백만 개의 AI Agent가 실제 업무를 맡게 되었을 때 반드시 필요해질 새로운 인프라가 무엇인가입니다. 저는 그 후보 가운데 하나가 Continual Learning, 즉 지속학습이라고 보았습니다. 다만 결론에는 분명한 조건이 붙습니다.

RYANLAB 미래기술 투자연구 IonQ Investor Day 2026 양자컴퓨터 한 대에서 양자 산업 전체로 2026년 9월 8일 뉴욕증권거래소에서 IonQ가 보여준 것은 새로운 기계 한 대가 아니었다.회사는 기계를 반복해서 만들고 연결하고 보호하는 산업의 설계도를 꺼내 들었다. RyanLab 장기 투자자 해설 먼저 아주 단순한 질문 하나 양자컴퓨터 회사는 무엇을 해야 할까요? 당연히 양자컴퓨터를 잘 만들면 됩니다. 큐비트를 더 많이 넣고, 오류를 줄이고, 계산 속도를 높이면 됩니다. 적어도 지금까지 시장은 그렇게 IonQ를 바라봤습니다. “아이온트랩 방식이 초전도 방식보다 좋은가”, “알고리즘 큐비트는 몇 개인가”, “다음 세대 장비는 언제 나오는가” 같은 질문이 중심이었습니다. 그런데 2026년 9월 8일 Investor Day에서 IonQ가 던진 답은 조금 달랐습니다. 양자컴퓨터를 잘 만드는 것만으로는 부족하다는 것입니다. 칩을 빠르

NEXT AI MONSTER 5 대답하는 AI 다음에 올 다섯 회사 연구와 학습과 소유와 물리 세계를 하나의 루프로 묶는 신생 AI 스택 2022년 이후 AI 산업의 질문은 대체로 하나였습니다. 누가 더 큰 모델을 만들고 더 많은 사용자를 모을 것인가. 그런데 2026년의 신생 회사들은 질문을 바꾸기 시작했습니다. AI가 답을 내놓은 뒤 스스로 실험하고, 사용자의 수정에서 배우고, 특정 조직과 개인이 그 지능을 소유하며, 마침내 자동차와 로봇의 설계까지 바꿀 수 있을까. Discovery Loop, Ineffable Intelligence, Trajectory, River AI, Alfred는 이 질문의 서로 다른 조각입니다. RyanLab기준일 2026년 9월 12일 먼저 한 장으로 보는 다섯 회사 제공된 Monster 5 요약 이미지 다섯 회사의 위치를 한눈에 보여준다 이 그림의 장점은 다섯 회사를 순위표가 아니라 이동 경로로 보여준다

Alfred Physical AI 시대의 Cursor를 꿈꾸는 회사 로봇을 만드는 AI가 아니라 로봇을 더 빨리 만들게 하는 AI 소프트웨어 개발자는 Cursor와 GitHub Copilot을 이용해 코드를 빠르게 만듭니다. 그렇다면 자동차와 로봇을 설계하는 엔지니어에게도 비슷한 AI 작업 환경을 줄 수 있을까요. Alfred는 바로 그 질문에서 출발한 스텔스 스타트업입니다. 이 글에서는 Alfred가 해결하려는 문제와 창업자의 선택, 가능한 제품 구조, 수익모델과 경쟁 구도, 그리고 투자자가 확인해야 할 증거를 하나의 이야기로 풀어봅니다. RyanLab기준일 2026년 9월 6일 한눈에 보는 핵심 Alfred를 한 문장으로 정의하면, 자동차와 로봇 같은 물리적 제품을 더 빠르게 설계하고 시험하고 개선하도록 돕는 Physical AI 엔지니어링 플랫폼입니다. 구분 현재 확인된 내용 RyanLab 해석 회사 Hawthorne 기반 초기 비상장

AI가 답을 만드는 시대를 넘어 새로운 발견을 반복하는 시대로 제품도, 고객도, 매출도 아직 공개되지 않았습니다. 그런데 구글의 핵심 엔지니어 네 명이 이 회사를 만들기 위해 자리를 떠났고, 구글은 이들을 막는 대신 투자자와 클라우드 파트너가 되었습니다. 이 글은 Discovery Loop가 무엇을 만들려는지, 창업자들의 과거 경험이 왜 중요한지, 그리고 투자자가 앞으로 어떤 숫자를 확인해야 하는지를 하나의 이야기로 풀어봅니다. RyanLab기준일 2026년 8월 26일 한눈에 보는 핵심 Discovery Loop를 한 문장으로 설명하면, AI가 가설을 세우고 실험을 실행한 뒤 결과를 평가하여 다음 실험까지 스스로 설계하는 자율 연구개발 엔진입니다. 구분 현재 확인된 내용 해석 회사 2026년 8월 설립 발표된 비상장 공익법인 사업보다 창업팀과 가설이 먼저인 초기 단계 창업팀 Jeff Dean Sanjay Ghemawat Quoc Le