AI 연구자 네이선 램버트는 향후 몇 년간 AI가 분산 GPU 엔지니어링 역량에서 초인적 수준에 도달할 것으로 보지만, 이것이 모델의 본질적 성격을 극적으로 바꾸지는 않을 것이라고 주장한다. 그는 코딩 에이전트의 발달로 연구가 '좋은 집행력'보다 '좋은 아이디어'가 더 중요한 단계로 접어들었다고 설명하며, 이를 일부가 말하는 '재귀적 자기개선(RSI)'보다는 '병렬화된 AI 보조 언어 모델링'으로 보는 것이 더 현실적이라고 말한다. 그는 추론 효율이 향후 몇 년간 거의 지수적으로 개선되며 모델 지능의 실효 비용이 급격히 낮아질 것으로 전망하면서도, 사전학습 연구의 자동화는 2~3년 내로 예상한다. 아울러 RL 환경 데이터의 전반적 품질이 아직 낮다는 점을 업계의 '손쉬운 개선 과제'로 지목한다. 결국 그는 공학적 가속이 경제 전반에 AI 확산을 크게 촉진할 것이지만, 수학·코딩 밖에서 경제적으로 유의미한 초인적 특성을 얻는 것은 아니라고 본다.

• •GPU 엔지니어링 역량은 몇 년 내 초인적 수준 도달 전망, 모델 본질은 급변 안 할 것
• •코딩 에이전트 발달로 연구 중심이 '집행력'에서 '아이디어'로 이동
• •추론 비용은 향후 몇 년간 거의 지수적으로 하락할 것으로 전망
• •사전학습 연구 자동화는 2~3년 내 실현 가능성 거론
• •RL 환경 데이터 품질 저하가 업계의 손쉬운 개선 과제로 지목