OpenAI
개요
OpenAI는 GPT 시리즈, ChatGPT, InstructGPT, o1 등을 개발한 AI 연구 기업이다. AI 트렌드 — 현재와 방향.md 자료에 따르면, OpenAI는 스케일링 법칙(Scaling Laws)의 실증부터 추론 시간 스케일링(Test-Time Compute)으로의 전환에 이르기까지 AI 패러다임 변화의 핵심에 자리해 왔다. AI 트렌드 — 현재와 방향.md
주요 모델 연표
| 시기 | 모델 | 파라미터 | 의미 |
|---|---|---|---|
| 2018.06 | GPT-1 | 117M | "사전학습 후 파인튜닝" 패러다임 제시. 트랜스포머 아키텍처 최초 대규모 적용. |
| 2020.06 | GPT-3 | 175B | GPT-1 대비 1,500배 증가. 스케일링 법칙 실증. 업계 충격. |
| 2021.01 | DALL-E | 12B | 텍스트로 이미지 생성. 트랜스포머가 멀티모달로 확장되는 첫 신호. |
| 2022.03 | InstructGPT | 175B + RLHF | 인간 피드백 강화학습(RLHF) 도입. ChatGPT의 직접적인 전신. |
| 2022.11 | ChatGPT | ~175B | 5일 만에 100만, 2개월 만에 1억 유저. AI 가능성이 대중에게 공개된 순간. |
| 2023.03 | GPT-4 | ~1T(추정, MoE) | 스케일링의 정점. 동시에 "더 키워도 성능이 기대만큼 안 오른다"는 한계가 드러난 분기점. |
| 2024.05 | GPT-4o | 미공개 | 음성·이미지 통합 인터페이스 혁신. 그러나 추론 성능 자체의 도약은 없었음. |
| 2024.09 | o1 | - | 추론 시간 스케일링 모델의 시작. 더 오래 생각하게 하여 성능 향상. |
AI 트렌드 — 현재와 방향.md
스케일링의 정점과 한계
GPT-3에서 GPT-4로의 전환은 스케일링 법칙의 정점이자 그 한계가 동시에 드러난 분기점이었다. GPT-5 출시의 반복적 지연은 업계 내부에서 "같은 방식으로는 성능이 더 이상 오르지 않는다"는 조용한 인정으로 받아들여졌다. AI 트렌드 — 현재와 방향.md
이에 따라 OpenAI를 포함한 AI 기업들은 모델 크기를 늘리는 사전 학습 스케일링 대신, 추론 시간 스케일링으로 방향을 전환하였다. o1, o3 모델이 그 대표적인 결과물이다.
비즈니스 모델 전환
AI 기업의 구조적 한계에 직면하면서, AGI 개발이라는 원래 목표에서 상업화로의 피벗이 이루어졌다.
- 구독 모델(ChatGPT Plus)
- API 판매
- B2B 엔터프라이즈 서비스
Sam Altman은 공개적으로 "AGI를 어떻게 만드는지 안다(2025)"는 발언을 했지만, 실제 행동은 수익 구조 다각화 방향으로 움직였다. AI 트렌드 — 현재와 방향.md
추론 비용 문제
에이전트 시대가 도래하면 하나의 작업에 수십 번의 LLM 호출이 발생한다. 사용자가 월 20달러를 내는 구조에서 인프라 비용이 그를 크게 초과할 수 있다는 것이 구조적 과제로 지목된다. 추론 시간 스케일링 역시 추론 비용을 기하급수적으로 증가시킨다는 한계를 안고 있다. AI 트렌드 — 현재와 방향.md
관련 개념
- 트랜스포머 아키텍처 — GPT 시리즈의 핵심 구조
- 셀프 어텐션(Self-Attention) — 트랜스포머의 핵심 메커니즘
- GPT 추론 파이프라인 — GPT 계열 모델의 추론 동작 방식
- RLHF(인간 피드백 강화학습) — InstructGPT·ChatGPT의 핵심 학습 방법
- 스케일링 법칙(Scaling Laws) — GPT-3로 실증된 법칙
- 추론 시간 스케일링(Test-Time Compute) — o1·o3의 핵심 전략
- 환각(Hallucination) — GPT 계열 모델의 구조적 한계
- DeepSeek(딥시크) — 극단적 저비용으로 GPT-4급 성능을 달성해 OpenAI에 충격을 준 경쟁 모델
- AI 스케일링 시대 타임라인(2017~현재) — OpenAI 모델들이 포함된 전체 타임라인