
그래프로 보는 AI의 속도
2017년 트랜스포머부터 2026년까지 AI가 얼마나 빨리 발전했는지 그래프로만 보여 주는 책입니다. 세대마다 바뀐 시험(벤치마크)을 하나의 눈금으로 잇고, 그 곡선으로 앞날을 가늠하며, 이미지·음성·영상 AI를 누가 언제 시도하고 접었는지 시간순으로 정리합니다. 모든 그림은 고정해 둔 원자료에서 코드로 그렸고, 그림 안에 출처와 기준일을 넣었습니다. 글과 그림은 CC BY 4.0으로 공개해 출처만 밝히면 강의·발표·기사·보고서에 자유롭게 쓸 수 있습니다.
목차
1장 들어가며
2장 규모: 연산·매개변수·돈·전력
- 2.1 AIC-006 Transformer에서 GPT-6 Astra까지, 학습 연산량 약 1.3억 배
- 2.2 AIC-101 매개변수를 밝히는 모델이 줄었다: 2020년 93% → 2025년 57%
- 2.3 AIC-103 최고 수준 모델 한 번 학습에 드는 돈, 해마다 약 3.8배
- 2.4 AIC-502 최고 수준 모델 학습에 쓰는 전력, 해마다 약 2.3배
- 2.5 AIC-105 주요 AI 모델을 낸 나라: 2025년 미국 65개, 중국 36개
- 2.6 AIC-111 학습 연산량 최대 기록은 GPT-6 Astra, 약 9.4×10의 26제곱 FLOP
- 2.7 AIC-102 언어 모델이 읽은 글의 양, 최대 기록이 해마다 약 1.8배
- 2.8 AIC-107 매개변수 하나에 먹이는 글, 중앙값 0.07개에서 45개로
- 2.9 AIC-108 최고 수준 모델 학습 기간, 중앙값 20일에서 91일로
- 2.10 AIC-109 학습 한 번에 묶는 칩, 해마다 약 2.1배 늘어 20만 개까지
- 2.11 AIC-106 주요 모델을 기업 혼자 만든 비율, 2017년 48%에서 2025년 93%로
- 2.12 AIC-110 내놓지 않은 언어 모델, 2020년 45%에서 2025년 3%로
3장 벤치마크의 세대교체
- 3.1 AIC-005 넘은 시험만 보면, 2023년 이전 시험은 3.5년, 2024년 이후 시험은 9개월 만에 80%를 넘었다
- 3.2 AIC-202 나온 시기가 다른 시험 8개, 최고 점수는 모두 80%를 넘었다
- 3.3 AIC-201 80%까지 걸린 기간을 잴 수 있는 시험 24개, 중앙값 1.3년. 23개는 아직 못 넘었다
- 3.4 AIC-204 새 시험의 첫날 최고 점수, 중앙값 33%에서 48%로
- 3.5 AIC-209 아직 80%를 못 넘은 시험 23개, 가장 낮은 곳은 CL-bench Life 22%
- 3.6 AIC-205 수학: 연구자용 FrontierMath 4단계 v2도 2026-09에 100%
- 3.7 AIC-206 코딩: SWE-bench Verified 83%, 더 어려운 FrontierCode 55%
- 3.8 AIC-207 일을 맡기는 시험: OSWorld는 72%까지 왔고, 새 판 2.0은 31%
- 3.9 AIC-208 보안과 게임: Cybench 93%, 긴 게임 시험 SpireClimb 34%
- 3.10 AIC-203 사람 기준을 넘은 시험은 6개 중 2개, 나머지 4개는 5점 안쪽 아래
4장 하나의 척도로 보기
- 4.1 AIC-001 AI 능력 최고 기록, 3.5년 사이 102에서 169으로
- 4.2 AIC-002 전체 1위 회사는 2023년 이후 11번 바뀌었다
- 4.3 AIC-003 공개 가중치 모델은 닫힌 모델의 기록을 약 5.5개월 뒤에 따라잡는다
- 4.4 AIC-004 지능의 사다리: 시험 57개 중 51개를 이미 넘었다
- 4.5 AIC-301 신뢰 구간을 견줄 수 있는 새 최고 기록 17번 중 14번은 앞 기록과 구간이 겹친다
- 4.6 AIC-302 중국 모델은 미국 모델의 최고 기록을 약 5.3개월 뒤에 따라잡는다
- 4.7 AIC-306 최고 기록을 지킨 기간, 중앙값 1.2개월에서 1.6개월로
- 4.8 AIC-307 OpenAI가 최고 기록 자리의 80%를 차지했다
- 4.9 AIC-312 ECI 10점 오르는 데 15개월 걸리던 것이 7개월로
- 4.10 AIC-313 뒤쫓는 쪽과의 시간 차, 공개 모델 평균 6.7개월·중국 모델 평균 6.6개월(최근 1년)
- 4.11 AIC-308 평가된 모델 수, 2023년 44개에서 2025년 66개로
- 4.12 AIC-309 연산량 가운데값에서 2025년 이후 모델이 ECI로 약 28점 높다
- 4.13 AIC-310 ECI 140을 넘는 공개 모델, 671B에서 25B로 작아졌다
- 4.14 AIC-609 사람 투표 1위와 10위의 차이, 2024년 중앙값 76점, 2026년 35점
- 4.15 AIC-610 사람 투표 상위 20개 중 중국 모델, 많을 때 11개, 지금 2개
5장 언제 어디까지 오나
6장 이미지·음성·영상
7장 돈과 사람
- 7.1 AIC-701 연 환산 매출: Anthropic 810억 달러, OpenAI 500억 달러
- 7.2 AIC-702 투자 라운드 기업가치: Anthropic 9,650억 달러, OpenAI 8,520억 달러
- 7.3 AIC-703 다섯 회사가 받은 지분 투자 3,890억 달러, 그중 88%가 2025년 이후
- 7.4 AIC-704 ChatGPT 주간 사용자 12억 명
- 7.5 AIC-705 회사가 밝힌 사용자: ChatGPT 주간 12억, Meta AI 월간 10억, Gemini 월간 6.5억
- 7.6 AIC-706 Google이 하루에 처리하는 토큰, 18개월 사이 약 133배
- 7.7 AIC-707 직원 수: OpenAI 4,500명(2026-03), Anthropic 5,300명(2026-09)
- 7.8 AIC-708 OpenAI 클라우드 연산 지출, 2022년 4억 달러에서 2025년 163억 달러로
- 7.9 AIC-501 GPT-4 수준의 값, 1.4년 사이 약 286분의 1로
8장 칩과 데이터센터
- 8.1 AIC-801 Nvidia가 판 AI 칩, H100으로 환산해 2,099만 대
- 8.2 AIC-802 새로 팔리는 AI 연산력의 62~68%는 Nvidia, Google은 14%에서 26%로
- 8.3 AIC-803 가장 큰 AI 클러스터, 해마다 약 2.2배 커져 H100 28만 대 규모로
- 8.4 AIC-804 AI 클러스터 연산력의 77%가 미국, 9%가 중국
- 8.5 AIC-805 AI 칩 한 개의 16비트 성능, 약 27개월마다 두 배
- 8.6 AIC-806 1달러로 살 수 있는 연산, 해마다 약 1.2배
- 8.7 AIC-807 같은 전기로 하는 연산, 약 48개월마다 두 배
9장 연표
10장 부록