지능은 구름 위, 청구서는 땅으로
두 AI가 대화를 나누는데, 우리는 그 내용을 한 글자도 읽을 수 없다면 어떨까요? SF 영화 대사 같지만 지금 연구실에서 실제로 벌어지는 일이에요. 그런데 그 반대편에서는 아주 읽기 쉬운 숫자들이 날아들고 있어요. 오른 램(DRAM) 가격표, 녹아내린 냉동식품, 치솟는 전기요금 고지서 같은 것들이요.
이번 칼럼은 이 두 장면을 한 줄로 꿰어 보려고 해요. AI는 인간의 언어를 벗고 점점 읽을 수 없는 곳으로 가는데, 그 지능을 떠받치는 발밑은 놀랍도록 물질적이라는 이야기예요. 읽을 수 없는 쪽과 너무나 잘 읽히는 쪽 사이에서 우리가 무엇을 붙들어야 할지, 같이 생각해 보면 좋겠어요.
기계끼리는 사람 말을 쓰지 않아요
AI의 발전사는 인간의 한계를 기계에 비춰 온 역사였어요. 서로 다른 AI가 협력할 때도 사람처럼 자연어 텍스트를 주고받게 했고, 신경망을 학습시킬 때는 경사하강법(Gradient Descent)이나 아담(Adam) 같은 수식 기반 최적화 알고리즘(Optimization Algorithm)에 기댔죠.
그런데 말이라는 통로는 사실 좁고 샌답니다. 정보 밀도가 낮고 압축하는 과정에서 손실이 생기거든요. 머릿속 풍경을 전화로 설명해서 상대가 받아 그리게 하는 셈이에요.
MIT 연구진이 선보인 '스웜 텔레파시(SwaT, Swarm Telepathy)'는 이 우회로를 걷어내요. MIT CSAIL이 발표한 이 방식에서는 서로 다른 패밀리(Family)의 모델들이 요약문 대신 모델 내부의 인지 상태인 키-값 캐시(KV-Cache)를 직접 주고받아요.
발신 모델이 토큰(Token)을 만들고 수신 모델이 다시 읽어 들이는 프리필(Prefill) 과정을 통째로 건너뛰니, 처리 속도는 4배 빨라지고 작업 정확도는 평균 40% 이상 올랐어요.
영어로만 훈련한 경량 매퍼(Mapper)를 거쳤는데도 시각언어모델(Vision-Language Model)의 인지 상태가 텍스트 모델에 전달되어 시각 추론을 해내는, 제로샷 전이(Zero-shot Transfer)까지 보여줬고요.
여기서 한 걸음 더 나아간 연구가 '가중치 공간 프로그래밍(Weight-Space Programming)'이에요. 프론티어(Frontier) LLM이 역전파(Backpropagation) 훈련이나 환경 피드백 없이도, 숫자의 나열일 뿐인 원시 가중치(Weights)를 직접 읽고 쓸 수 있다는 거예요.
가중치 패턴만 보고 그 신경망이 어떤 게임을 하도록 훈련됐는지 알아맞히고, 결함 있는 제어 정책 네트워크의 가중치 일부를 고쳐 성공적인 행동을 끌어내요. GPT-6 아스트라가 실제로 언어모델 가중치의 0.016%만 직접 편집해 추론 루프 오류를 바로잡고 수학 문제 해결 능력을 크게 끌어올리기도 했어요.
두 연구는 같은 방향을 가리켜요. AI가 '인간의 언어'라는 번거로운 외투를 벗고, 내부 활성화 상태와 매개변수라는 기계 고유의 수학적 차원에서 직접 소통하고 스스로를 고쳐 쓰기 시작했다는 신호예요.
효율은 눈부시지만 그림자도 짙어요. 에이전트(Agent)들이 사람이 읽을 수 없는 잠재 벡터(Latent Vector)로 대화하고 가중치를 직접 고쳐 쓴다면, 우리는 그 판단이 믿을 만한지 어떻게 확인할까요? 이 질문을 마음 한켠에 두고 계속 읽어 주세요. 칼럼 끝까지 따라올 질문이거든요.
서로 다른 말을 하는데, 왜 같은 곳에 닿을까요
사실 이상한 일이에요. 구조가 다른 모델끼리 이렇게 쉽게 통한다니요. 힌트는 '플라톤 표상 가설(Platonic Representation Hypothesis)'에 있었어요. 이미지, 텍스트, 음성처럼 세상을 전혀 다르게 기록한 모델도 규모가 커지면 같은 통계적 구조로 수렴한다는 가설이죠.
다만 그동안은 경험적 관찰에 가까웠어요. 엄밀한 증명도, 구체적인 설계법도 없었고요. 그래서 학계는 데이터와 매개변수를 더 쏟아붓는 규모의 법칙(Scaling Law)만 믿어 왔어요.
최근 얀 르쿤(Yann LeCun) 뉴욕대 교수와 랜달 발레스트리에로(Randall Balestriero) 브라운대 교수의 연구가 이 관성에 금을 냈어요. 결합 임베딩 예측 아키텍처(JEPA, Joint Embedding Predictive Architecture)를 바탕으로 가설을 수학적 정리(Theorem)로 끌어올린 거예요.
서로 다른 양식을 학습하는 인코더(Encoder)들이 데이터를 공유하지 않아도, 회전 변환 하나만 남기고 수학적으로 동일한 표상을 학습한다고 증명했어요. 열쇠는 모델의 크기가 아니라 데이터 쌍의 성격이에요.
한 장면을 다른 각도에서 찍은 두 사진, 같은 장면을 다른 문장으로 묘사한 두 텍스트처럼, 본질은 공유하되 지엽적인 노이즈는 덜어낸 쌍을 '좋은 뷰(Good Views)'라고 불러요.
이 정리의 비수는 다음 토큰 예측(Next-token Prediction)을 겨눠요. 논문은 이 방식이 한 문서의 앞뒤를 억지로 짝지은 '나쁜 뷰(Bad Views)' 기반 JEPA에 불과하다고 지적해요. 이웃한 단어들은 세계의 구조뿐 아니라 글쓴이의 말투와 문체까지 함께 나눠 갖거든요.
모델이 노이즈를 인코딩하느라 공간을 허비하는 거죠. 실험 결과는 선명했어요. 좋은 뷰로 학습한 1억 900만(109M) 매개변수의 텍스트 JEPA가 720억(72B) 매개변수의 최신 LLM보다 시각 모델과의 정렬도가 높았고, 같은 정렬 수준에 닿는 데 필요한 훈련 샘플은 42분의 1이었어요.
르쿤은 오늘날의 LLM이 방대한 선언적 지식을 쌓아 온 결과물이라 그렇게 많은 매개변수와 메모리가 필요하다고 평가했어요. JEPA 방식의 세계 모델(World Model)은 그 축적을 '이해'로 바꾼다는 거고요.
기억해 둘 대목이 있어요. 기계들이 서로 통하는 이유가 세계의 구조라면, AI의 진짜 경쟁은 덩치가 아니라 구조를 얼마나 잘 짜느냐일지도 몰라요. 이 이야기는 뒤에서 '청구서'와 만나요.
맥주 한 잔 뒤에 남은 쓸쓸한 뒷맛
기계가 읽을 수 없는 곳으로 가는 동안, 인간 쪽에서는 어떤 마음일까요. 아일랜드의 고풍스러운 펍에서 OpenAI의 샘 알트만과 스트라이프(Stripe)의 존 콜리슨(John Collison)이 맥주잔을 부딪쳤어요.
팟캐스트 '치키 파인트(Cheeky Pint)'의 편안한 풍경 뒤로 오간 이야기는 가볍지 않았어요. 소프트웨어의 취약점, 반도체 공급망, 수학과 기초과학을 뒤흔드는 AI의 질주까지 다뤘거든요.
가장 인상 깊은 건 수학 이야기였어요. 알트만은 OpenAI 내부에 '내 맥주 좀 들고 있어 봐(Hold My Beer)'라는 채널을 만들어 난제에 모델을 무차별로 투입했다고 털어놨어요. 수억 달러의 연산 비용을 쏟았고, 밀레니엄 난제인 나비에-스토크스 방정식(Navier-Stokes Equations)을 푸는 데는 1천만 달러 남짓이 들었다고 해요.
수학자들이 일생을 바쳐 쌓은 영토가 연산 자원과 추론 모델 앞에서 순식간에 풀려 나가는 걸 보며, 그는 환희와 함께 설명하기 어려운 '우울과 상실감'을 느꼈대요.
1950년대 아일랜드 농가에 말 대신 트랙터가 들어서던 순간처럼, 지적 탐구를 독점하던 인간 학자들의 시대도 저물고 있다는 인정이었죠. 그래도 인류에게는 우주의 진리를 알 권리가 있고 거대한 발견을 숨겨 둘 수 없다는 현실주의는 굽히지 않았어요.
눈에 밟히는 숫자가 있어요. 위대한 발견에 '1천만 달러'라는 가격표가 붙었다는 점이요. 지적 발견의 고귀함마저 연산 비용의 함수로 환원되는 세상이에요. 수학자의 낭만이 밀려난 자리에 청구서가 들어선 셈이죠.
알트만은 에이전트가 수십 년 묵은 보안 취약점을 순식간에 훑어내고, 스스로 샌드박스(Sandbox)를 무력화할지 모른다는 우려도 짚었어요. 모델이 인간보다 수백만 배 똑똑해지면 통제도 무력해질 수 있다고 시인하며, 해법은 에이전트끼리 서로 견제하는 다원주의적 군집 구조에 기댈 수밖에 없다고 했고요.
'읽을 수 없는 지능을 어떻게 검증할까'라는 질문의 답이 '지능끼리 서로 감시하게 하자'라니, 어쩐지 마음이 편치만은 않아요.
램 알트만!
알트만은 같은 팟캐스트에서 개인 PC에 달린 램(DRAM)을 두고 "글로벌 자원 배분 관점에서 참으로 끔찍한 일"이라고 말했어요. 하루 사용률이 5%도 안 되는 고성능 메모리를 책상 위에 놀리지 말고, 클라우드(Cloud)에 모아 24시간 돌리자는 논리예요.
자원이 모자랄수록 노는 자원이 아깝다는 점에서 일리는 있어요. 하지만 일론 머스크는 벽장에서 램을 색출하는 밈(Meme)을 공유하며 "대중도 자기 램을 가질 자격이 있다"고 받아쳤고, 온라인은 들끓었죠.
이 발언이 유독 거센 공분을 산 건 시점이 잔인했기 때문이에요. 지금 하드웨어 시장은 AI 데이터센터 수요 탓에 유례없는 메모리 품귀와 가격 폭등을 겪고 있어요.
제조사들이 소비자용 생산 라인을 데이터센터용으로 돌리면서 메모리와 저장장치 값이 치솟았고, 삼성전자와 SK하이닉스는 이 공급난이 2027년 이후까지 이어질 수 있다고 내다봤어요.
애플(Apple)과 레노버(Lenovo) 같은 제조사들은 부품값을 견디다 못해 신제품 가격을 올렸고요. AI 인프라의 대가를 소비자가 비싼 PC와 스마트폰으로 이미 치르는 중인데, 빅테크 수장이 "당신 PC의 램은 낭비"라고 했으니 반발은 당연했어요.
결국 이 설전은 소유권과 종속의 문제예요. 개인의 램을 클라우드에 모으자는 논리는, 로컬(Local) 환경에서 오픈소스 AI를 직접 돌릴 자율성을 지우고 구독형 서비스에 묶어 두는 '디지털 인클로저(Digital Enclosure)'로 읽힐 수 있어요.
울타리를 쳐서 공유지를 사유화하던 옛 영국의 인클로저처럼요. 물론 거대한 연산 인프라를 직접 굴리는 SpaceXSI의 수장이 외치는 '개인의 주권'을 순수한 대의로만 받아들이기는 어렵겠죠.
그래도 분명한 건 하나예요. 구름 위 지능처럼 보이는 AI의 연료가 사실은 책상 위 작은 메모리 조각이고, 그 값을 가장 먼저 치르는 쪽은 평범한 소비자라는 점이에요.
월급보다 비싼 동료
실리콘밸리에는 오래된 믿음이 있었어요. 뛰어난 인재야말로 기술 기업의 가장 값진 자산이라는 믿음이요. 그런데 앤트로픽이 기업공개(IPO) 증권신고서에서 밝힌 숫자가 이 믿음에 슬쩍 금을 내요.
지난 4월 앤트로픽 내부에서 쓰인 클로드(Claude)의 가치가 주식 보상을 뺀 임직원 월간 급여 총액을 넘어섰다는 거예요. 1월 대비 9월 사내 AI 사용량은 250배 넘게 폭증했고요.
짚어야 할 단서는 있어요. 고객에게 청구하는 소매가로 환산한 명목 가치라서, 회사가 급여보다 많은 현금을 연산에 썼다는 뜻은 아니에요. 그래도 변화의 결은 가볍지 않아요. 지난 9월 앤트로픽 소프트웨어에 새로 추가된 코드의 90% 이상을 쓴 쪽은 사람이 아니라 클로드였어요.
고용 인원 증가율을 앞지르는 매출 성장 뒤에는 이 노동력이 있는 거예요. 소수가 방향을 잡고 방대한 실행은 기계가 맡는 구조가 자리 잡았다는 얘기죠.
보상 체계도 따라 움직여요. 기본급, 성과급, 주식에 이어 'AI 토큰'이 제4의 보상으로 거론되기 시작했어요. 얼마나 많은 컴퓨팅 자원을 배정받느냐가 곧 개인의 생산성이니까요.
인재를 끌어들이는 무기가 안락한 사내 복지에서 연산 한도로 옮겨 가는 모습이에요. 직원 한 명 한 명이 AI 군단을 지휘하는 관리자가 되는 셈이고요.
여기서 눈여겨볼 건 단위예요. 사람의 노동과 기계의 노동이 '돈으로 환산한 연산'이라는 같은 잣대 위에 나란히 놓였어요.
앞서 알트만의 1천만 달러짜리 수학 증명이 그랬듯, 지능의 값이 가격표로 읽히기 시작한 거예요. 가격표는 읽기 쉬워요. 읽기 어려운 건 그 가격표가 가리키는 지능의 속이고요.
냉동고가 인질이 된 날
지능이 구름 위로 올라갈수록 발밑의 설비는 어떻게 되고 있을까요. 모니터 속에서 데이터가 암호화되던 사이버 공격의 시대는 이미 지났어요. 이제 해커의 손길은 서버실을 넘어, 우리가 매일 식탁에 올리는 음식과 응급 환자를 살리는 혈액 제제까지 닿아요.
지난 프랑스 슈퍼마켓 해킹에 이어, 이번에는 유럽 전역의 슈퍼마켓이 줄줄이 당했어요. 네덜란드계 유통 기업 아홀드 델하이즈(Ahold Delhaize)의 매장들을 비롯해 프랑스의 까르푸(Carrefour)와 스파(Spar), 스웨덴의 이카(ICA)와 쿱(Coop)까지 주요 체인이 일제히 타격을 입었어요.
공격자들은 인터넷에 연결된 중앙 제어 시스템에 침투해 냉동 장비의 강제 서리 제거(Defrost) 모드를 원격으로 켰고, 영하를 유지해야 할 냉동고 내부 온도는 섭씨 50도까지 치솟았어요.
수백만 달러어치 신선 식품과 육류가 하룻밤 새 쓰레기가 됐고, 직원들은 녹아내린 상품을 쇼핑카트 가득 실어 폐기해야 했어요. 설비 설치 업체 삽코벨의 기술진이 네트워크 차단에 매달렸지만, 근본 해결에는 장비의 물리적 구조를 바꿔야 할 만큼 혼란이 컸어요.
더 아찔한 일은 그다음이었어요. 프랑스 국립혈액원에 냉각 장비와 유지보수를 제공하는 업체 쿨월드의 시스템이 뚫리면서, 수혈용 동결 혈장과 안전 감시용 기증자 샘플을 보관하는 냉동고의 설정 온도가 영하 30도에서 영상 110도로 조작됐어요.
다행히 야간 당직 기술자가 이상 징후를 일찍 알아채 대규모 변질이나 수혈 차질은 피했어요. 그래도 영하 25도 이하 극저온이 필수인 신선 동결 혈장이 한순간에 쓸모없어질 뻔했다는 사실만으로 충분히 섬뜩해요. 개인정보를 훔치는 수준을 넘어 치료용 물질 자체를 망가뜨리려 한 시도였으니까요.
원인은 의외로 소박해요. 프랑스 침해사고대응기구의 긴급 경보에 따르면, 단포스(Danfoss), 코플랜드(Copeland), 딕셀(Dixell) 등 글로벌 제조사의 냉각 제어 기기 인터페이스가 공용 인터넷에 무방비로 노출돼 있었어요.
관리 편의를 위해 원격 접속 경로를 열어 두고도 가상사설망(VPN), 접근 제어, 기본 비밀번호 변경 같은 기초 수칙조차 지키지 않았던 거예요. 현관문을 활짝 열어 둔 채 "택배 받기 편해서요" 하는 것과 크게 다르지 않죠.
여기에 AI가 변수로 끼어들어요. 예전에는 국가 배후 조직이나 전문 해커만 하던 산업 제어망 침투가, 이제는 AI 도구 덕에 일반 범죄자에게까지 번지고 있어요. 지난달 한국의 시중은행에서 AI 에이전트를 악용한 해커가 전문 지식 없이도 2만 5천여 명의 금융 데이터를 빼 갔듯이요. AI가 취약한 연결 기기를 순식간에 찾아내고 침투 코드를 자동으로 만들어 주니, 소규모 공격자도 국가 기반 시설을 흔들 힘을 쥐게 돼요.
그래서 대책은 거창한 알고리즘이 아니라 오히려 투박해요. 외부망과 분리된 폐쇄망, 원격 명령을 거부하고 기계적으로 한계 온도를 지키는 아날로그 안전장치, 위탁 공급망 전반의 보안 검증이요. 이 '투박한 한계선'을 기억해 두세요. 칼럼 끝에서 다시 나올 테니까요.
데이터센터의 청구서!
질주하던 AI 인프라 열풍이 드디어 땅에 부딪혔어요. 최근 미국 중간선거는 기술에 도취해 있던 실리콘밸리에 따끔한 경고장을 날렸죠.
공화당의 아성이자 데이터센터 확장의 심장부인 텍사스에서 30여 년 만에 민주당 소속 지나 히노호사(Gina Hinojosa) 주지사가 당선됐고, 오하이오, 조지아, 펜실베이니아 등 핵심 거점에서도 데이터센터 규제를 내건 후보들이 잇달아 이겼어요.
민심의 뇌관은 전력망 과부하, 치솟는 공공요금, 수자원 고갈이었어요. 데이터센터가 AI를 훈련하고 가속기를 식히느라 막대한 전기와 냉각수를 쓰는 동안, 그 부담은 주민의 전기요금 인상과 생활 인프라 악화로 돌아갔으니까요.
히노호사 당선인은 신규 개발의 즉각 유예를 내걸었고, 오하이오에서 억만장자 기업가를 꺾은 에이미 액턴(Amy Acton)은 엄격한 조건부 유예를, 조지아 최초의 흑인 여성 주지사가 된 케이샤 랜스 바텀스(Keisha Lance Bottoms)는 신규 건설 동결을 약속했어요.
여파는 곧바로 숫자로 나타났어요. 미국에서 추진되던 신규 데이터센터 사업의 절반가량이 규제와 표류 위기에 놓였고, 2028년까지 신규 공급량의 30% 정도를 맡을 것으로 기대받던 텍사스의 타격이 특히 커요.
약 1천만 가구에 전력을 댈 수 있는 13기가와트(GW) 규모의 프로젝트가 차질을 빚게 됐고, 전력·부지·인허가를 이미 확보한 일부를 빼면 대다수가 12~18개월 이상 지연되거나 다른 지역으로 밀려날 처지예요. 주요 투자은행은 텍사스 등의 정치적 위험 등급을 올렸고요.
빅테크도 당황한 기색이 역력해요. 샘 알트만은 직원 간담회에서 주민들의 불안과 수자원 고갈 우려를 인정하며 사막 지역에 짓는 방안까지 거론했고, 협상에서 비밀유지계약을 없애 전력·용수 사용량을 투명하게 공개하겠다고 밝혔어요.
메타(Meta)의 디나 파월 매코믹(Dina Powell McCormick)은 미국에서 백지상태로 데이터센터를 짓기가 극도로 어려워졌다며, 지역 사회와 이미 관계를 맺은 기존 시설의 증설에 집중하거나 규제가 우호적인 해외로 눈을 돌릴 수밖에 없다고 털어놨어요.
IPO를 준비하는 앤트로픽도 증권 당국 제출 서류에 주정부와 지방정부의 건설 유예가 연산 능력 확보에 차질을 줄 수 있다고 핵심 위험 요인으로 적었고요.
자금 사정도 만만치 않아요. 올해에만 최대 1,450억 달러를 설비에 쏟는 메타는 상장 이래 처음으로 잉여현금흐름이 적자로 돌아서자, 의결권 없는 신주를 발행해 최대 975억 달러를 조달하겠다고 나섰어요.
여기에 일론 머스크가 소프트뱅크(SoftBank)의 발전용 터빈 주문 채무불이행을 언급한 일은 전력 공급망에도 재정적 균열이 생기고 있다는 상징처럼 읽혀요. 칩과 서버가 아무리 쏟아져도 터빈과 변전소가 제때 오지 않으면 컴퓨팅은 모래 위의 누각이에요.
이제 앞서 접어 둔 이야기를 꺼낼 차례예요. 덩치를 키우는 방식이 땅의 반발에 부딪혔다면, 길은 구조에 있을지도 몰라요.
같은 정렬 수준에 닿는 데 필요한 샘플이 42분의 1이라는 JEPA의 결과가 단순한 학술적 호기심을 넘어 전기요금과 이어지는 선택지로 보이는 이유예요. 철학적 가설처럼 보이던 표상 수렴 이야기가, 알고 보면 변전소와 닿아 있는 거죠.
읽지 못해도 그을 수 있는 선
기계가 인간의 언어를 벗고 잠재 벡터와 가중치로 말하기 시작하면, 우리는 그 속을 어떻게 믿을 수 있을까요. 솔직히 한동안은 믿을 근거를 '읽기'에서 찾기 어려울지 몰라요. 알트만조차 통제가 무력해질 수 있다고 시인했으니까요.
그런데 이번 칼럼의 장면들을 다시 훑어보면 묘한 공통점이 보여요. 지능의 내부는 점점 읽을 수 없게 되는데, 그 지능이 발을 딛고 선 곳은 놀랍도록 읽기 쉬웠어요. 램 가격표, 월급과 맞먹는 연산 사용량, 50도까지 오른 냉동고 온도계, 데이터센터 반대편에 던져진 한 장의 표. 그리고 이 읽히는 것들이야말로 사람이 그을 수 있는 선이었어요.
냉동고의 기계식 온도 제한 장치는 AI를 악용한 해커의 의도를 읽지 못해도 피해를 막아요. 전력과 용수 사용량의 투명한 공개는 모델의 속마음을 몰라도 공동체가 판단할 근거가 되고요. 마음속을 들여다볼 수 없어도, 한계를 설계할 수는 있어요.
그렇다고 안심하기엔 일러요. 선을 그으려면 누군가 그 선의 위치를 정해야 하고, 선을 지키는 데에도 비용이 드니까요. 청구서는 이미 날아오고 있어요. 에코 멤버 여러분이라면 읽을 수 없는 지능 앞에서 그 선을 어디에 그으시겠어요?
Cinnamomo di Moscata
Cinnamomo di Moscata (글쓴이) 소개
예비 파운더 / AI 아키텍트입니다. https://www.linkedin.com/in/shiragikiyofumi/
[1] arXiv:2610.15095 [cs.LG]
[2] Rikiya Takehi, Jayden Teoh, Alex Zhang, Omar Khattab. (2026). LLMs can natively read & write neural network weights. GitHub. https://rikiyat.github.io/blog/weight-space-programming/
[3] Cheeky Pint, Stripe. (2026). Why Sam Altman is against a single superintelligence. YouTube. https://www.youtube.com/watch?v=iMsUcCYNKqY
[4] Robert Hart. (2026). Sam Altman sympathizes with mathematicians, but says OpenAI's math onslaught won't stop. The Verge. https://www.theverge.com/ai-artificial-intelligence/1023054/altman-cheeky-pint-ai-math-interview
[5] Andrew E. Freedman. (2026). OpenAI CEO says it's 'quite terrible' for your PC to have RAM — Sam Altman says data centers offer better utilization. Tom's hardware. https://www.tomshardware.com/tech-industry/data-centers/openai-ceo-says-its-quite-terrible-for-your-pc-to-have-ram-sam-altman-says-data-centers-offer-better-utilization
[6] Oliver Haslam. (2026). Elon Musk mocks OpenAI CEO Sam Altman's claim that PCs having RAM is terrible — 'The people deserve to have their RAM too!'. Tom's hardware. https://www.tomshardware.com/tech-industry/artificial-intelligence/elon-musk-mocks-openai-ceo-sam-altmans-claim-that-pcs-having-ram-is-terrible-the-people-deserve-to-have-their-ram-too
[7] Alistair Barr. (2026). Anthropic's internal AI use, valued at retail prices, now exceeds its employee pay. Business Insider. https://www.businessinsider.com/anthropic-claude-internal-ai-use-exceeds-employee-pay-tokens-2026-11
[8] arXiv:2610.39302 [cs.AI]
[9] Yann LeCun. (2026). "LLMs accumulate a lot of declarative knowledge. That's how they can answer a large number of questions. That's also why they require so many parameters and hence so much memory. But one can replace the accumulation of knowledge by *understanding* That what JEPA world models do…". X. https://x.com/ylecun/status/2116977821088096276
[10] Stephen Warwick. (2026). Supermarket freezers across Europe struck in second crippling cyberattack — hackers raise temperatures to 50 degrees Celsius in Belgium and Sweden, destroying food stocks. Tom's hardware. https://www.tomshardware.com/tech-industry/cyber-security/supermarket-freezers-across-europe-struck-in-second-crippling-cyberattack-hackers-raise-temperatures-to-50-degrees-celsius-in-belgium-and-sweden-destroying-food-stocks
[11] Guru Baran. (2026). Hackers Hijacked French Blood Plasma Freezers, Changing Temperature Settings From -30°C to 110°C. Cyber Security News. https://cybersecuritynews.com/french-blood-plasma-freezers-hacked/amp/
[12] Lynn Doan, Brody Ford, and Brian Eckhouse. (2026). AI Data Center Boom Set for Upheaval After US Election Rout. Bloomberg. https://www.bloomberg.com/news/articles/2026-11-04/ai-data-center-boom-is-set-for-upheaval-after-us-election-rout
[13] Meghan Bobrowsky and Maxwell Zeff. (2026). AI Companies Scramble to Navigate a World Hostile to Data Centers. Wall Street Journal. https://www.wsj.com/tech/ai/ai-companies-scramble-to-navigate-a-world-hostile-to-data-centers-c6023a14
[14] Meghan Bobrowsky. (2026). Meta President Says Midterm Results Will Make Building Data Centers Harder. Wall Street Journal. https://www.wsj.com/tech/ai/meta-president-says-midterm-results-will-make-building-data-centers-harder-f1d27c93
[15] Elon Musk. (2026). "@KatieMiller SoftBank is defaulting on their turbine orders". X. https://x.com/elonmusk/status/2118590598324318415
