AI+HW 2035: 차세대 10년을 설계하다

AI+HW 2035: Shaping the Next Decade

인공지능(AI)과 하드웨어(HW)는 전례 없는 속도로 발전하고 있지만, 이들의 발전은 떼려야 뗄 수 없는 관계에 있습니다. 글로벌 연구 커뮤니티는 AI와 HW의 발전을 전략적으로 조율할 수 있는 통합적이고 장기적인 비전을 아직 갖추지 못하고 있습니다. 이러한 분절은 학습, 추론, 그리고 클라우드, 엣지, 그리고 물리적 환경에서 효율적으로 작동할 수 있는 전체적이고 지속 가능하며 적응 가능한 AI 시스템 개발을 저해합니다. AI의 미래는 단순히 지능을 확장하는 것뿐만 아니라 효율성을 확장하는 데 달려 있으며, 이는 에너지당 지능에서 기하급수적인 향상을 달성하는 것을 의미합니다. 이러한 큰 과제를 해결하기 위해서는 전체 컴퓨팅 스택에 대한 재고가 필요합니다. 본 연구는 알고리즘, 아키텍처, 시스템, 그리고 지속 가능성을 포괄하는 AI+HW 공동 설계 및 공동 개발을 위한 10년 로드맵을 제시합니다. 우리는 에너지 효율성, 시스템 레벨 통합, 그리고 계층 간 최적화를 중심으로 스케일링에 대한 핵심적인 통찰력을 제시합니다. 우리는 주요 과제와 기회를 파악하고, 잠재적인 장애물과 위험을 솔직하게 평가하며, 알고리즘 혁신, 하드웨어 발전, 그리고 소프트웨어 추상화를 기반으로 하는 통합적인 솔루션을 제안합니다. 미래를 내다보며, 10년 후 성공의 의미를 정의합니다. 즉, AI 훈련 및 추론에 대한 효율성을 1000배 향상시키고, 클라우드, 엣지, 그리고 물리적 AI 환경을 원활하게 연결하는 에너지 효율적이고 자체 최적화 시스템을 구축하고, 첨단 AI 인프라에 대한 접근성을 민주화하고, 인간 중심의 원칙을 지능형 시스템 설계에 통합하는 것입니다. 마지막으로, 학계, 산업계, 정부, 그리고 더 넓은 커뮤니티를 위한 구체적인 실행 계획을 제시하며, 조정된 국가 이니셔티브, 공유 인프라, 인력 개발, 부처 간 협력, 그리고 지속적인 공공-민간 파트너십을 촉구하여 AI+HW 공동 설계가 통합적인 장기적인 목표가 되도록 노력해야 합니다.

Artificial intelligence (AI) and hardware (HW) are advancing at unprecedented rates, yet their trajectories have become inseparably intertwined. The global research community lacks a cohesive, long-term vision to strategically coordinate the development of AI and HW. This fragmentation constrains progress toward holistic, sustainable, and adaptive AI systems capable of learning, reasoning, and operating efficiently across cloud, edge, and physical environments. The future of AI depends not only on scaling intelligence, but on scaling efficiency, achieving exponential gains in intelligence per joule, rather than unbounded compute consumption. Addressing this grand challenge requires rethinking the entire computing stack. This vision paper lays out a 10-year roadmap for AI+HW co-design and co-development, spanning algorithms, architectures, systems, and sustainability. We articulate key insights that redefine scaling around energy efficiency, system-level integration, and cross-layer optimization. We identify key challenges and opportunities, candidly assess potential obstacles and pitfalls, and propose integrated solutions grounded in algorithmic innovation, hardware advances, and software abstraction. Looking ahead, we define what success means in 10 years: achieving a 1000x improvement in efficiency for AI training and inference; enabling energy-aware, self-optimizing systems that seamlessly span cloud, edge, and physical AI; democratizing access to advanced AI infrastructure; and embedding human-centric principles into the design of intelligent systems. Finally, we outline concrete action items for academia, industry, government, and the broader community, calling for coordinated national initiatives, shared infrastructure, workforce development, cross-agency collaboration, and sustained public-private partnerships to ensure that AI+HW co-design becomes a unifying long-term mission.