★
메뉴
홈 구축 방식 관심 목록 스택
하드웨어 칩칩 비교 서버 및 시스템네트워킹 메모리파운드리 및 패키징 냉각
시설 데이터 센터전력 프로젝트클라우드 및 GPU 컴퓨팅
인텔리전스 AI 모델소프트웨어 AI 제품벤치마크 연구 논문데이터셋 개념
생태계 기업주식 인물타임라인 트렌드AI의 미래
학습 뉴스 데이터에 질문하기 AI 에이전트
소개 회사 소개 방법론 데이터 및 API 면책 고지
옵션
데이터 및 API

사이트 캐시 데이터에 대한 무료 읽기 전용 JSON 접근.

다크 모드

가이드 보기
칩, 데이터 센터, 모델 용어가 생소하신가요? 브라우징하면서 핵심 용어를 알기 쉽게 설명해 드립니다. 동일한 데이터에 도움말이 내장되어 있습니다.

전문가 보기
스택은 이미 알고 계시죠. 데이터만 제공합니다: 깔끔하고, 빠르고, 간결하게, 불필요한 설명 없이. 이것이 기본 보기입니다.

인터페이스 언어
‹ 뒤로

운영 원칙: 이 페이지의 모든 미래 전망 주장은 발언 주체와 날짜를 함께 표기한다. 이 사이트는 어떠한 예측도 하지 않으며, 결과를 기록할 뿐이다. 주장이 결론에 이르면 해당 기록은 그대로 유지된다.

이미 발주된 것들

가까운 미래는 계약으로 확정되어 있어 이례적으로 예측 가능합니다. 공개 로드맵에 따르면 NVIDIA의 Rubin과 AMD의 MI400이 2026년 랙에 탑재되며, ~600 kW Rubin Ultra 랙은 2027년을 목표로 합니다. HBM4는 생산 전에 이미 판매가 완료되었습니다. 발표된 캠퍼스 — 최대 5 GW 규모의 Hyperion, Stargate 부지, Fairwater 복제 계획 — 는 2028년까지 단계별 일정을 가지고 있습니다. 하이퍼스케일러의 자본 지출 가이던스는 최소 2026년까지 이 모든 것을 뒷받침합니다.

NVIDIA Rubin AMD MI400 HBM4 Meta Hyperion 자본적 지출 수치

2030년: 시나리오의 분기점

스케일링이 유지된다(연구소들의 주장). Altman, Amodei, Hassabis는 각자의 방식으로 컴퓨팅이 계속 가치로 전환된다고 공개적으로 주장해 왔습니다. 추론과 에이전트 기능이 심화되고, 데이터 센터 전력 소비는 IEA 기본 시나리오(2030년까지 약 945TWh)에 근접하며, 기가와트급 캠퍼스가 일상화되고, 첫 SMR 플리트가 2030년경 연결된다는 전망입니다. 이 시나리오에서 현재의 구축 규모는 과소평가입니다.

수익 증가세가 둔화된다(회의론자들의 주장). 출시 시기

효율성 역전 (DeepSeek의 교훈). 달러당 성능이 워낙 빠르게 개선되어 지능이 범용 상품화되고, 가치는 유통과 통합으로 이동하며, 전력 수요는 전망치를 밑돕니다. 지표: 프론티어 모델 출시 후 수개월 내 오픈 모델 등장, 토큰 가격이 사용량 증가보다 빠르게 하락.

공식 기록: 명시된 일정

이 페이지가 점수를 추적하는 공개 예측 — 전체 날짜별 목록은 AGI 타임라인 개념을 참조.

AGI 타임라인 & 예측 — 기록 원장 AGI의 정의 초지능 특이점 논쟁 학습: 2030년 이후, 시나리오별 전망

모든 시나리오에 공통된 변수

대만 집중도주요 AI 칩 거의 전부가 한 섬의 한 기업에서 제조됩니다. TSMC 정책 변화수출 규제와 에너지 정치는 하룻밤 사이에 가용 시장을 재편합니다. 칩 전쟁 배포 환경을 바꾼 사건안전 프레임워크와 테스트 체계는 바로 이에 대비해 구축되고 있습니다. 안전성 아키텍처 서프라이즈월드 모델 또는 포스트 트랜스포머 설계가 하드웨어 지형을 바꿀 수 있습니다. 리서치

미래 및 AGI 섹션

A( AGI (Artificial General Intelligence)The destination everyone names and no one defines the same way. AT AGI Timelines & PredictionsWho predicts what, by when — on the record. S( Superintelligence (ASI)Beyond human-level — the explicit goal several labs now name. TS The Singularity & Recursive Self-ImprovementThe feedback-loop hypothesis: AI improving AI, faster each cycle.