베이징대 부교수 둥하오, 치위안 로봇서 가정용 임바디드 도전

具身(임바디드)을 한다는 것은 시작부터 모든 것을 다 할 수도 없고, 그렇다고 아무것도 하지 않을 수도 없다.

저자丨치청융(Qi Chengyong)

편집丨천펑(Cen Feng)

둥하오(董豪)는 임바디드 업계에서 확실히 비전형적인 인물이다.

대부분이 그에게 가진 인상은 29세에 베이징대 박사 지도교수가 된 젊은 학자라는 정체성, 그리고 최근 치위안(启元) 로봇의 수석과학자로 취임해 가정용 임바디드 인공지능(具身智能)을 팀을 이끌고 공략한다는 산업적 라벨에서 멈춰 있다. 그러나 그가 박사 과정 전에 3년간 창업했다가 최종적으로 좌절한 경험이 있고, 공장의 8인실 기숙사에서 지낸 적이 있다는 것을 아는 사람은 매우 드물다. 더욱이 즈위안(智元)이 막 창업했을 때 그가 가장 먼저 합류해 초기 팀과 함께 수많은 고비를 넘긴 핵심 멤버 중 한 명이었다는 사실을 아는 사람은 더더욱 드물다.

업계가 아직 대형 모델, 범용 로봇의 거대한 서사를 열띤 논의로 다루고 있을 때, 그가 주시한 것은 전혀 매력적이지 않은 또 다른 진짜 문제였다. 바로 수만 대의 실제 기기로 사후 학습(post-training)을 하는 것은 비용이 너무 높아 실제 적용이 어렵다는 것인데, 이 길을 어떻게 뚫을 것인가?

그가 최근 내놓은 답은 세 가지 키워드다. HIL-UMI, 스케일링 법칙(Scaling Law), 그리고 양산.

그리고 이 답의 저변에 깔린 논리는 이미 그가 줄곧 '압축하며 걸어온' 인생에 오래전부터 적혀 있었다.

석사 졸업 후, 그는 지도교수가 권한 곧바로 박사 과정에 진학하라는 제안을 정중히 사양하고 귀국해 회사를 세워 웨어러블 기기와 뇌-컴퓨터 인터페이스를 만들었으며, 공장에 뛰어들어 8인실 기숙사에서 지냈다. 3년 후 시장이 대기업에 의해 빠르게 잠식되는 것을 직접 목격한 그는 미련 없이 몸을 돌려 임페리얼 칼리지 런던으로 돌아가 박사 과정을 밟았고, 4년 만에 순조롭게 졸업했으며, 그 기간 주도적으로 개발한 오픈소스 프레임워크로 ACM MM 최우수 오픈소스 소프트웨어상을 수상했다. 졸업 후 베이징대에 입사한 지 얼마 안 되어 코로나19를 맞닥뜨렸고, 내내 카메라를 켜지 않는 학생들을 상대로 1년 내내 온라인으로 로봇 수업을 했다. 2023년 즈위안 로봇이 창업하자 그는 핵심 멤버로 합류해 베이징대-즈위안 공동 연구실을 설립했다. 이제 그는 몸을 돌려 치위안의 수석과학자로 취임해, 난이도가 가장 높은 ToC 임바디드 인공지능 분야에 뛰어들었다.

업계에서 둥하오는 줄곧 친구가 많고, 창업 경력, 최정상의 학술 이력, 선도 기업의 경력이라는 이력이 흔치 않은 경계를 넘나드는 유동성을 지니고 있다. 하이테크 기업이 시작부터 종막까지 전 과정을 온몸으로 겪은 사람이, 다시 몸을 돌려 학술 밀도가 극히 높은 베이징대에 잠입했다가, 이제 다시 산업 최전선에 서게 된 그가 지금의 임바디드 인공지능 업계를 어떻게 볼까? 이 질문을 안고 우리는 베이징대 캠퍼스에서 둥하오를 만났다.

다음은 인터뷰 내용으로, 《AI 科技评论》는 원래 뜻을 바꾸지 않는 선에서 편집했다.

01

'압축하며 걷는' 사람

▎ AI科技评论: 영국 학부와 영국 석사를 4년 만에 마치고, 29세에 베이징대 박사 지도교수가 되셨습니다. 이 속도는 학술계에서 서너 살 이상 압축한 셈입니다. 스스로 인식하고 계셨나요?

둥하오: 일부러 계산해 본 적은 없습니다. 영국 학부·석사 체계가 원래 빠르고, 4년 만의 석사 졸업은 정상적인 절차입니다.

▎ AI科技评论: 하지만 30세가 안 되어 베이징대에 입사하는 건 정상이 아니죠. 교편을 잡은 첫해에 코로나19까지 겹쳤고요.

둥하오: 첫 수업은 온라인이었는데, 학생들이 카메라를 켜지 않고 입을 열지 않아서 저 혼자 내내 떠들었습니다. 가끔 질문이 있느냐고 물어도 아무도 대답하지 않았죠. 로봇을 다루는 수업인데 전부 온라인이라 로봇을 만질 수 없었습니다. 가장 힘들었던 건 갑자기 봉쇄가 풀려 조금 쓸 수 있게 되다가, 갑자기 또 봉쇄되는 게 반복된 것이었습니다. 많은 사람이 버티지 못했는데, 저는 운이 좋았던 편입니다.

▎ AI科技评论: 그냥 운으로만 돌리시나요?

둥하오: 그리고 제가 하는 일이 집중되어 있다는 점도 있습니다. 로봇이라는 방향은 학술과 산업 모두 주목하기 때문에 양쪽 다 낭비되지 않습니다.

▎ AI科技评论: '양쪽 다 낭비되지 않는다'는 표현이 참 당신답습니다. 당신은 타고난 듯 단일 차원으로 일하는 것을 좋아하지 않는 것 같습니다.

둥하오: 그럴지도 모르겠습니다. 예를 들어 제가 예전에 만든 AI 프레임워크 이야기를 하셨는데, 당시에는 실험실 내부 도구였는데 그냥 두기 아까워 오픈소스로 공개했더니 사용자가 점점 늘고 상까지 받았습니다. 하나의 작업에서 여러 가지가 자라나니 효율이 높습니다.

02

한 90년대생 베이징대 부교수의 창업 이야기

▎ AI科技评论: 2012년 석사 졸업 때 지도교수 궈이커(郭毅可, 중국공정원 외국인 원사, 현 홍콩과기대 총괄 부총장)가 박사 진학을 권했는데 듣지 않고 귀국해 창업하셨습니다. 구체적으로 어떤 상황이었나요?

둥하오: 대학원에서 궈 선생님을 따라 연구를 했고, 선생님은 곧바로 박사 진학을 권하셨는데 제가 귀국해 창업하기로 결정했습니다. 선생님은 저를 지지해 주셨고 돈도 주셨습니다. 나중에 2015년에 돌아가 박사 과정을 밟을 때도 별말 없이 큰 자유를 주시고 제가 스스로 주제를 고르게 해주셨습니다.

▎ AI科技评论: 창업은 웨어러블 기기였나요?

둥하오: 네, 당시 기세가 매우 맹렬했습니다. 창업할 때 공장에서 지냈는데 조건이 아주 나빠서 다 8인실이었습니다. 저는 대우가 조금 나아서 8인실 하나를 혼자 썼는데, 침대가 여덟 개라 어디서 자고 싶은지 고를 수 있었습니다.

▎ AI科技评论: 그 3년은 꽤 고생하셨을 것 같습니다.

둥하오: 고생이라기보다는, 한 창업 팀의 완전한 운명을 보는 것이었습니다. 웨어러블 기기, 즉 휴대용 뇌-컴퓨터 인터페이스와 스마트 밴드를 우리가 먼저 했습니다. 전자는 미래를 겨냥한 것이고 후자는 현재를 겨냥한 것이었습니다. 샤오미와 화웨이가 나중에 웨어러블에 뛰어들었는데, 그들은 일단 시작하자 매우 빨랐습니다. 눈 뜨고 시장이 사라지는 것을 지켜봐야 했습니다.

▎ AI科技评论: 하드테크 창업에서 가장 어려운 것은 무엇인가요?

둥하오: 양산입니다. 시제품은 반년이면 만들 수 있지만, 제품 일백 개를 만들려면 원가를 통제해야 하고, 양품률이 높아야 하며, 내구성도 있어야 하는데 여기에 1, 2년이 걸립니다. 작은 변경 하나에도 금형을 바꾸고, 생산 라인을 조정하고, 다시 검증해야 하며, 주기는 반년 단위로 계산됩니다. 3년이라는 시간에는 사실 몇 번의 시행착오 기회밖에 없습니다. (레펑왕)

▎ AI科技评论: 그래서 지금 즈위안과 치위안이 양산을 일궈내는 것을 보면 어떤 느낌이신가요?

둥하오: 양산은 정말 어려운 숙제입니다. 외행인은 양산을 숫자로 보지만, 하드웨어를 해본 사람은 양산을 수천 개의 세부 사항이 맞물리는 것으로 봅니다. 테스트 항목은 책 한 권처럼 두껍습니다. 저는 예전에 그렇게 작은 물건을 만들면서도 어렵다고 느꼈는데, 지금은 로봇 완제품을 만들어야 하고, 기준 하나하나를 통과해야 하니 이 안에서 매우 어렵습니다.

▎ AI科技评论: 방금 스마트 웨어러블 시장이 샤오미와 화웨이에 먹힌 이야기를 하셨는데, 대기업에 짓밟힌다는 건 어떤 느낌인가요?

둥하오: 더 노력해도 소용없다는 것을 아는 것입니다. 상대는 공급망, 채널, 브랜드를 다 갖추고 있습니다. 나중에 정리한 것이, 최전선 기술과 시장 사이에는 시간 간격이 있다는 것인데, 이것이 제가 3년을 들여 산 인식입니다.

▎ AI科技评论: 많은 창업자가 10년에 걸쳐야 마치는 주기를 당신은 3년에 마치셨습니다.

둥하오: 그렇게 말하시니…… 그런 것 같네요.

▎ AI科技评论: 그것을 손절이라고 하죠.

둥하오: 하지만 사실 그 3년을 후회하지 않습니다. 연구를 하는 것과 직접 뛰어드는 것은 다른 문제이지만, 반드시 직접 뛰어들어 해야 하고, 안 하면 안 됩니다. 당시 자동차를 만들 때, 돈을 조달하고도 만들지 않은 곳은 다 망했고, 만든 곳은 4분의 3이 죽었습니다. 그래도 해야 합니다.

▎ AI科技评论: 그렇다면 지금 많은 임바디드 창업 회사들이 돈을 쓰지 않고 양산하지 않으며 기다리는 전략을 쓰는 건 옳지 않다고 보시나요?

둥하오: 뭐라 할까요... 쉽게 말해, 돈을 그냥 모아 둔다 해도 많이 모을 수 없고, 어쨌든 한번은 도전해야 합니다. 당신 돈이 많다고 해서 거대 기업을 능가할 수 있나요, 자동차가 바로 그 예 아닙니까? 만드는 게 그래도 조금 낫고, 한 가닥의 승률이라도 있습니다.

▎ AI科技评论: 그럼 임바디드 회사는 어떻게 돈을 써야 한다고 보시나요?

둥하오: 임바디드 인공지능에는 좋은 점이 있는데, 시장 공간이 너무 커서 돌파할 수 있는 지점이 많습니다. 예를 들어 많은 toB 시나리오는 하나의 모델로 여러 다른 작업을 할 수 있어야 하는 건 아닙니다. 그래서 이런 것을 하면 단기 수익을 비교적 잘 얻을 수 있습니다. 이를테면 공장 안에서 복제 가능한 작업대, 가령 분류 같은 것입니다. 돈을 어떻게 쓸지는 각 사의 주력 방향에 달려 있습니다.

▎ AI科技评论: 하지만 이런 사고방식은 치위안이 하는 것과 좀 다른 것 같습니다?

둥하오: 치위안의 생각은 한 번에 종국(終局)을 향해 갈 수 있게 하는 것입니다.

▎ AI科技评论: 종국이 무엇인가요?

둥하오: 가정과 소비 시나리오를 겨냥한 것은 반드시 범용 작업 지능을 실현해야 합니다. 요컨대 범용(通才) 임바디드 인공지능 대형 모델이어야 하며, 다른 시나리오는 반드시 그럴 필요는 없습니다.

03

지원(智元)에서 치위안(启元)으로: 가장 어려운 그 선택

▎ AI테크논평: 많은 분들이 당신을 사교 천재라고 말합니다. 모두가 당신을 좋아한다고요.

둥하오: 아마 제가 늘 업계가 함께 노력해야 한다고 생각하기 때문일 겁니다. 다 친구이고, 이 업계에서 할 수 있는 일이 많으니까요. 저는 여전히 여러 사람이 함께 앞으로 나아가는 과정을 좋아합니다.

▎ AI테크논평: 2023년 지원이 막 창업했을 때 합류하셨는데, 즈후이와 덩 총(지원의 덩타이화)이 부르셨다고요. 지금 지원은 직원이 1,000명이 넘고 양산 납품도 업계 선두를 달리고 있는데, 왜 나와서 치위안을 만드시나요?

둥하오: 분업이 다릅니다. 지원은 toB 시나리오落地 중심이지만, 치위안 toC는 다릅니다. 가정을 향한 로봇은 정말로 두뇌가 있어야 하고, 범용 내비게이션이 있어야 하고, 사람과 상호작용해야 하며, 범용 작업 지능도 있어야 합니다. 가장 어렵고도 가장 범용적이죠. 임바디드(具身) 최전선 연구를 하려면 toC가 가장 적합한 전장입니다.

▎ AI테크논평: 예를 하나 들어주시겠어요?

둥하오: 예를 들어 똑같이 엔진을 만든다고 해도 민항용과 군용은 요구가 분명히 다릅니다. 산업용 임바디드는 꼭 하나의 모델이 백 가지 일을 할 필요는 없지만, toC는 정말로 필요합니다.

▎ AI테크논평: 지원에서 치위안으로 오면 많은 걸 직접 해야 하는데, 그건 난이도를 한 단계 더 높이는 것 아닌가요?

둥하오: 밟아야 할 함정은 다 밟아야 합니다. 아무튼, 예전 창업을 통해 깨달은 것은 대기 전략은 옳지 않다는 겁니다. 남이 돈을 태워 방향을 만들어내기를 기다리면서 옆에서 숨어 있다가, 버티기만 하면 승률이 더 높아질까요? 안 됩니다. 설령 기다려서 얻는다 해도 그건 내 것이 아니니까요.

▎ AI테크논평: 이전의 학계에서 지금의 산업계로 넘어오셨는데, 소감이 어떠신가요?

둥하오: 리듬과 스타일이 다릅니다. 특히 엔지니어링화 측면에서요. 예를 들어 제가 막 베이징대에 들어왔을 때, 양야오둥(베이징대 박사과정 지도교수, 링추즈넝 수석과학자)이 저와 왕허(베이징대 박사과정 지도교수, 인허퉁융 CTO)를 끌어들여 베이징과학기술협회 프로젝트를 하나 했습니다. 덱스터러스 조작에 관한 것이었죠.

과제 자체는 최고 수준이었지만 경비도 많지 않았습니다. 그때 손(덱스터러스 핸드)을 사야 했는데, Shadow Hand(영국 덱스터러스 핸드 회사, 한 손에 10만 달러)밖에 살 수 없어서 가격이 터무니없이 비쌌습니다. 저와 양 선생님은 어쩔 수 없이 한 사람은 왼손, 한 사람은 오른손을 사서 맞춰서 연구를 했습니다. 지금은 대환경이 달라졌습니다.

순수 학술 연구로 얻는 경비는 적어서 지금의 대모델 연구를 뒷받침할 수 없습니다. 지금은 학계의 최전선 연구뿐 아니라 대규모 연산력, 그리고 좋은 엔지니어링 인프라도 필요하며, 학술도 산업과 결합해야 합니다.

▎ AI테크논평: 대환경이 젊은이들에게 어떤 영향을 줄까요? 당신의 학생인 왕위안페이, 장지야오도 지금 임바디드 창업을 하고 있는데, 어떻게 보시나요?

둥하오: 이들은 제가 그때보다 조건이 훨씬 좋습니다. 기술적 시야, 실행 속도, 투자 환경 모두 우리 때와 비교할 수 없습니다. 임바디드 인텔리전스의 공간은 충분히 크니 젊은이들이 뛰어드는 것은 좋은 일이고, 저도 그들의 창업 방향을 매우 낙관적으로 봅니다.

▎ AI테크논평: 무조건 창업을 권하시나요?

둥하오: 꼭 그렇지는 않습니다. 타이밍이 중요합니다. 어떤 학생에게는 먼저 큰 플랫폼을借助해 기술을 탄탄히 다지고, 충분히 쌓은 뒤에 나오라고 권합니다. 공급망, 생태계, 기술 팀 같은 것들은 시간이 필요하고, 돈으로 살 수 없습니다. 빠른 것은 문제가 아니지만, 축적 없는 빠름이 문제입니다.

▎ AI테크논평: 치위안에 얼마의 시간을 주시나요?

둥하오: 장기적으로 3년을 봅니다. 작업 지능은 우선 실패해도 리스크가 없는 시나리오부터 합니다. 예를 들어 의류 같은 것은 매일 해야 하고, 개켜 놓았든 아니든 사고가 나지 않으며, 안전 경계가 높아 실패해도 재시도할 수 있습니다. 우리는 이미 완전 자율 세탁 프로세스를 만들었습니다. 로봇이 자율적으로 경로를 계획하고, 세탁기 문을 열고 닫으며, 파지에 실패하면 능동적으로 재시도하고, 전체 프로세스에 사람이 개입하지 않습니다. 처음부터 모든 것을 할 수도 없고, 아무것도 안 하면서 기다릴 수도 없습니다. 먼저 일부 능력을 우선적으로 뚫은 뒤 가로로 확장합니다.

04

기술 판단: 승부수는 후훈련에 있다

▎ AI테크논평: 기술 얘기를 해보죠. 당신은 매우 반(反)통념적인 판단을 하셨습니다. "사전훈련과 후훈련은 비율 관계가 아니라 단계적 교체다." 대부분은 아직 사전훈련 데이터에 후훈련 데이터를 얼마나 배분할지를 논의하는데, 당신은 문제 자체를 부정하신 건가요?

둥하오: 부정한 게 아니라, 단계가 다른 겁니다. 사전훈련은 출발점의 세계관 구축을 해결합니다. 노선은 사실 명확합니다. 데이터를 모으고, 훈련에 넣고, 힘으로 기적을 만들어 성공률을 0에서 어느 정도의 성공률로 끌어올립니다. 하지만 향상에는 상한이 있습니다. 대규모 후훈련은 지금 말하는 사전훈련보다 커질 것이고, 심지어 완전히 덮을 수도 있습니다.

▎ AI테크논평: 상한은 어디에 있나요?

둥하오: 모방 학습은 콜드 스타트만 할 수 있습니다. 훈련 샘플이 모두 정확한 궤적이라서, 로봇이 실수했을 때 어떻게 되돌아가 조정하는지 모릅니다. 현실 세계는 당신의 시연 데이터 분포를 따르지 않습니다.

▎ AI테크논평: 그래서 강화 학습을 해야 한다는 것이군요.

둥하오: 맞습니다. 그때 AlphaGo가 바로 이 경로였습니다. 기보 모방 학습으로 출발했지만, 진정한 신화가 된 것은 자기 대국(self-play)의 대규모 강화 학습 덕분이었습니다. 이후 ChatGPT도 마찬가지로, 핵심은 여전히 RLHF로 강화하는 것이었습니다. 오늘날의 로봇도 같습니다. 범용화와 극한의 성공률, 승부수는 전부 확장 가능한 후훈련에 있습니다. 전반전은 누가 먼저 모방 학습으로 로봇을 점등시키는가이고, 후반전은 누가 가장 낮은 한계 비용으로, 가장 빨리 로봇의 교정 네트워크를 구축하는가입니다.

▎ AI테크논평: 하지만 후훈련의 규모화는 실기기에 발목이 잡힙니다.

둥하오: 이것이 물리적 제약입니다. 수만 대의 실기를 수만 개의 실제 방에서 동시에 후훈련한다고요? 만 대를 만드는 것만 해도 비용이 어마어마합니다. 지원은 창업 3년 만에 2만 대를 양산했는데, 그것도 이미 매우 강한 겁니다.

▎ AI테크논평: 그래서 치위안이 HIL-UMI, 즉 본체 없는 데이터 수집 기반 후훈련을 하는군요.

둥하오: 맞습니다. 이게 우리가 최근에 화제가 된 작업입니다. 사람이 로봇 본체를 조작할 필요 없이, 착용식·휴대식 카메라로 조작 과정을 기록해 바로 훈련 가능한 궤적으로 변환합니다. 동일 예산으로 얻는 모델 능력 향상이 더 높고, 후훈련을 지원해 모델 결함을 겨냥해 최적화함으로써 성공률을 100%에 근접하게 할 수 있습니다.

▎ AI테크논평: 만 단위 데이터 수집이 있으면 후훈련이 규모화될까요?

둥하오: 절반입니다. 나머지 절반은 데이터 효율입니다. 예를 들어 우리는 지금 하나의 실기 궤적을 월드 모델/생성 AI로 물체 배치와 공간 위치가 모두 다른 등가 샘플 50개로 생성할 수 있습니다. 실기 데이터 가치가 50배로 증폭되는 것이죠. 인간 시연, 실기 앵커, 생성식 증강이 합쳐져야 비로소 "확장 가능한 후훈련"입니다.

05

가로 Scaling Law: 성격의 이론화

▎ AI테크논평: 당신이 언급한 "가로 Scaling Law"는 데이터량이 한 축, 작업량이 한 축입니다. 왜 작업량이라는 축을 추가하나요?

둥하오: 많은 회사가 지금 저효율 성장 곡선을 그리고 있습니다. 한 시나리오를 만들고, 과적합하고, 납품하고, 다음 시나리오는 처음부터 다시 합니다. 데이터와 작업은 선형 관계일 뿐이고 한계 수익은 체감합니다. 가로로 확장하면 새 작업의 초기 성공률이 점점 높아지고, 높은 성공률에 도달하는 데 필요한 샘플량은 계속 떨어집니다. 배울수록 더 아낍니다.

▎ AI테크논평: 과도한 해석일 수 있는 질문을 하나 하겠습니다. 당신은 책을 압축해서 읽고, 창업 3년, 지금은 베이징대와 치위안 두 곳을 동시에 하고 있습니다. "한 축에 죽을 둥 살 둥 매달리지 않고, 두 차원에서 동시에 가속한다"는 이 사고방식, 혹시 당신 성격의 이론화인가요?

둥하오: 이 질문은 (웃음)

▎ AI테크논평: 답만 해주시면 됩니다.

둥하오: 그럴 수도 있겠네요. 베이징대 일과 치위안 일은 저에게 두 개의 직업이 아니라 같은 일입니다. 한쪽은 기술 패러다임 혁신을, 다른 한쪽은 규모화 검증을 하며 두 쪽이 서로를 뒷받침합니다.

06

"리듬"에 관하여

▎ AI테크논평: 다른 얘기를 해보죠. 당신은 평소 모터사이클과 스키를 즐기는데, 스키 타는 사람들은 두려울 때 몸이 본능적으로 뒤로 숨고, 숨을수록 더 넘어진다고 합니다. 어떻게 보시나요?

둥하오: 리듬만 잘 조절하면 됩니다. 두렵지 않은 게 아니라, 두려움을 잘 조절하는 겁니다.

▎ AI과기평론: 시간을 압축하는 사람은 속도가 빠르기 때문에 쉽게 통제력을 잃을 수도 있지 않을까요.

둥하오: 그래서 연구든 회사에서든 리듬이 중요한 겁니다. 빠른 것은 문제가 아니고, 어지러운 것이 문제입니다. 언제 얼마나 투입할지, 연구개발 리듬을 잘 통제해야 합니다.

07

후기

둥하오와 AI과기평론의 대화는 베이징대학교 캠퍼스 안의 정원우위안(靜園五院)이라는 전통 중국식 정원에서 이루어졌다. 이곳은 베이징대학교 컴퓨터학부 전산과학프런티어연구센터의 사무·교육 장소다.

베이징대 전산과학프런티어연구센터는 튜링상 수상자 John Hopcroft와 가오원 원사가 창설했으며, 목적은 신세대 컴퓨터 분야 인재를 양성하고 영향력 있는 연구를 해내는 것이다. 센터는 논문 수나 연구비 신청에 대해 어떠한 요구도 하지 않으며, 심사 방식은 국제 기준에 맞춘다.

한 기수 또 한 기수의 튜링반 학생들이 이곳에서 나아갔다.

이곳에서 둥하오는 줄곧 교육과 연구를 깊이 파고들어 왔고, 치위안의 프런티어 학술 연구도 이곳에서 일어난다. 어떤 의미에서 그의 말투는 그의 인생, 그의 이론과 같은 것이다. 압축이다. 남의 10년 경로를 5년으로 압축하고, 하나의 데이터에서 50개 분량의 가치를 뽑아내고, 1차원적인 업계에서 새로운 축을 하나 끌어낸다.

'가로 Scaling Law'는 어쩌면 하나의 기술 트렌드일 뿐만 아니라, 이 사람에 대한 자기 서술에 더 가깝다. (레이펑왕(雷峰网, 공식계정: 레이펑왕))

레이펑왕 독자 기사로, 무단 전재를 금지합니다. 자세한 내용은 전재 규정을 참조하십시오.

0명 즐겨찾기

공유: