Reuters는 8월 25일 Anima Anandkumar와 Benedikt Jenik이 설립한 Accelerated Understanding의 새로운 physics AI를 보도했습니다. 이 모델은 Transformer 기반 LLM이 아니라 Neural Operator 계열 기술을 기반으로 공간과 시간에 따른 물리 현상을 예측합니다. reuters.com
회사 측 테스트에서는 한 번의 query에 5조 개 단위의 데이터를 다뤘다고 주장합니다. 이는 일반 LLM의 context window와 직접 같은 단위로 비교하기 어려우므로 “5백만 배 더 긴 LLM context”로 이해하면 안 됩니다. 핵심은 언어 토큰 대신 매우 큰 물리 시뮬레이션·공간 데이터를 처리하도록 처음부터 다른 구조를 사용했다는 점입니다. reuters.com
목표 시장도 챗봇이 아닙니다. 회사는 반도체 설계에서 재료·열 문제를 최적화하고, 극한 기후를 예측하며, 지질 탐사·로봇·에너지 시스템을 모델링하는 것을 주요 활용처로 보고 있습니다. reuters.com
산업 영향
AI 경쟁이 점점 두 가지로 나뉠 가능성이 있습니다.
Language Intelligence
→ 코드·문서·검색·Agent
Physical Intelligence
→ 로봇·재료·기후·반도체·시뮬레이션
LLM 하나에 모든 문제를 넣기보다 데이터 형태와 물리 법칙에 맞는 모델 아키텍처가 다시 중요해지는 흐름입니다.
실무 시사점
산업 데이터를 다루는 AI 제품이라면 모든 데이터를 자연어로 바꿔 LLM에 넣는 방식이 항상 최선은 아닙니다.
시계열·공간·센서·물리 시뮬레이션 데이터가 핵심이면:
Domain model → 결과/특징 → LLM Agent
처럼 전문 모델과 LLM을 조합하는 구조가 더 효과적일 수 있습니다.