구조를 읽는 눈, 도구를 지배한다
대출 QR 코드
구조를 읽는 눈, 도구를 지배한다
저자
김도균
출판일
2026-05-22
출판사
ADK FIRST
공급일
2026-10-21
공급사
용량
26.41MB
모바일
지원가능
EAN
9791199922341
유형
누적대출
0
대출
0/5
예약
0/3
대출 QR 코드 란?

좌측에 위치한 QR 코드를 모바일 기기에 설치된 QR 코드 리더기로 스캔하시면 전자 도서관 App 실행 및 자동 대출 처리가 되어, 보다 손쉽게 대출이 가능한 기능입니다.

작품소개

저자는 2000년대 초반부터 20여 년 이상 인터넷과 모바일이 세상을 바꾸는 과정을 산업 현장의 가장 밑바닥부터 직접 경험해 온 기업가입니다.

다가오는 시대에는 도구를 사용하는 사람이 아닌 구조를 읽는 사람이 지배하게 됩니다.

"이 책이 그 구조를 읽는 당신의 눈이 되어줄 것입니다!"

저자소개

김도균 Alex Kim

현) 미국 제조 소프트웨어 기업 PTC(NASDAQ: PTC, www.ptc.com) 본사 부사장 겸 한국 지사장
현) 주한미국상공회의소(AMCHAM Korea) AI Leadership Council Member
현) 다국적기업최고경영자협회(KCMC: Korean CEOs Association of Multinational Corporations) 정회원
현) 작은회의실(www.smallmeetingroom.com) 의장
전) Cloudflare(NYSE: NET, www.cloudflare.com) 한국 지사장
『얄팍한 AI 지식 쌓기』(2024) 저자
Stanford University Graduate School of Business, LEAD
University of Toronto, Computer Science

목차

추천사 1
추천사 2

프롤로그
서론

Chapter 0 AI의 긴 역사
0.1 왜 역사부터 시작하는가
0.2 1956년 ― 여름의 워크숍
0.3 1974~1980년 ― 첫 번째 AI 겨울
0.4 1997년 ― Deep Blue가 체스를 끝내다
0.5 2012년 ― AlexNet, 딥러닝의 폭발
0.6 2017년 ― Attention is All You Need
0.7 2022년 11월 30일 ― ChatGPT
0.8 2025년 1월 ― DeepSeek의 충격
0.9 2026년 3월 ― Physical AI의 선언

Part Ⅰ 권력의 탄생
NVIDIA 제국과 AI 인프라의 장악

Part Ⅰ 들어가며

Chapter 1 AI가 다시 태어난 날
1.1 대답하는 AI와 생각하는 AI의 결정적 차이
1.2 o1 ― OpenAI가 던진 돌
1.3 DeepSeek 충격 ― 2025년 1월, 세상이 흔들린 날
1.4 DeepSeek이 증명한 것과 세상이 오해한 것
1.5 추론 모델이 바꾸는 게임의 규칙
1.6 모델 춘추전국시대

Chapter 2 스케일링의 한계
2.1 스케일링 법칙 ― 10년간 AI를 지배한 믿음
2.2 균열의 징후들
2.3 DeepSeek이 증명한 효율성의 가치
2.4 추론 시간 컴퓨팅(Test-Time Compute) ― 새로운 스케일링
2.5 새로운 병목 ― 데이터와 알고리즘
2.6 한국 기업에 열리는 기회

Chapter 3 NVIDIA 제국
3.1 한 회사가 세계 AI 시장의 운영체제가 된다는 것
3.2 CUDA ― 20년에 걸쳐 쌓은 해자
3.3 GPU 하나가 아닌 시스템을 판다
3.4 네트워킹 장악 ― Mellanox 인수의 교훈
3.5 Jensen Huang의 GTC ― 산업 질서의 설계도
3.6 도전자들은 왜 번번이 실패했는가

Chapter 3.5 칩 전쟁과 지정학
3.5.1 왜 칩이 21세기의 석유인가
3.5.2 미국의 전략 ― 선두에서 두 세대 앞서라
3.5.3 중국의 반격 ― 자급자족과 우회의 길
3.5.4 대만 ― 한 섬 위의 세계 경제
3.5.5 네덜란드 ASML ― 한 회사가 쥔 AI의 미래
3.5.6 한국의 위치 ― 메모리 황제와 그 이상
3.5.7 한국의 전략 ― 삼각 외교와 내부 강화
3.5.8 한국 제조업에 주는 함의

Chapter 4 Full Stack AI
4.1 Full Stack이란 무엇인가
4.2 빅테크의 자체 칩 전쟁
4.3 Full Stack이 되지 못하면 종속된다
4.4 국가 수준의 Full Stack ― 주권 AI
4.5 한국의 자산과 결핍
4.6 한국의 선택 ― 어느 스택을 만들 것인가

Chapter 5 AI Factory
5.1 데이터센터가 아니라 공장이다
5.2 산업혁명의 재연 ― 공장의 새로운 의미
5.3 전력, 냉각, 부동산 ― 새로운 자원 전쟁
5.4 국가 단위의 AI 팩토리 경쟁
5.5 한국의 AI 팩토리 현실
5.6 AI 팩토리와 산업 AI의 연결

Part Ⅰ 참고 문헌 및 출처

Part Ⅱ 질서의 재편
AI 에이전트, NeoCloud, GPU 경제학, 그리고 오픈소스의 반란

Part Ⅱ 들어가며

Chapter 6 AI 에이전트
6.1 Chatbot의 시대는 끝났다
6.2 Claude Code, Cursor, Devin ― 코딩에서 시작된 혁명
6.3 MCP ― 에이전트의 표준 언어
6.4 OpenAI vs. Anthropic ― 엔터프라이즈의 선택
6.5 에이전트의 진짜 장벽 ― 통합과 거버넌스
6.6 가격 모델의 지각변동 ― 토큰 경제학

Chapter 7 NeoCloud
7.1 하이퍼스케일러의 시대가 끝나는가
7.2 CoreWeave의 탄생 ― 뉴저지 차고에서 시작된 $43B 제국
7.3 NVIDIA의 축복 ― 전략적 동맹의 시작
7.4 폭발적 성장 ― 숫자로 보는 CoreWeave
7.5 Nebius의 탄생 ― 러시아에서 유럽으로
7.6 Nebius의 급성장 ― 18개월 만의 부활
7.7 왜 이들은 망할 수 없는가 ― 다섯 겹의 해자
7.8 위험 요인 ― 모든 해자가 안전한 것은 아니다
7.9 2026~2030 전망 ― NeoCloud의 다음 5년
7.10 한국의 NeoCloud 전략

Chapter 8 GPU 경제학
8.1 GPU는 사지 말고 빌려 써라는 말의 의미
8.2 H100 가격의 롤러코스터
8.3 2026년의 반등 ― 수요가 예상을 뛰어넘다
8.4 GPU 경제학이 만드는 새로운 플레이어
8.5 GPU 가격이 AI 비즈니스 모델을 결정한다
8.6 Jevons의 역설 ― 왜 효율이 올라도 수요는 늘어나는가
8.7 한국의 GPU 전략 ― 사용자가 아닌 공급자로

Chapter 9 오픈소스 AI의 반란
9.1 오픈소스가 이길 수 없다는 믿음의 종말
9.2 Llama ― Meta의 승부수
9.3 중국의 오픈소스 공세 ― DeepSeek, Qwen, Kimi, GLM
9.4 OpenAI마저 오픈으로 돌아왔다 ― gpt-oss의 충격
9.5 오픈소스가 바꾸는 엔터프라이즈 AI 전략
9.6 한국은 어디에 있는가
9.7 오픈소스의 명과 암 ― 보안과 책임

Part Ⅱ 참고 문헌 및 출처

Part Ⅲ 세계의 변환
Physical AI가 물리 세계를 삼키는 시대

Part Ⅲ 들어가며

Chapter 10 Physical AI의 선언
10.1 Jensen Huang의 한 문장이 바꾼 것
10.2 AI 진화의 네 파동
10.3 왜 이제서야 Physical AI인가
10.4 GTC 2026의 결정타 ― 다섯 개 이름
10.5 Physical AI가 바꾸는 것들
10.6 Physical AI와 한국의 특별한 위치

Chapter 11 디지털 트윈
11.1 시뮬레이션이 아닌 트윈이라는 단어
11.2 디지털 트윈의 여섯 계층
11.3 NVIDIA Omniverse ― 디지털 트윈의 플랫폼
11.4 실전 사례 ― BMW, Foxconn, Mercedes-Benz
11.5 한국의 디지털 트윈 현실
11.6 디지털 트윈이 바꾸는 일의 방식

Chapter 12 제조 AI의 현실
12.1 제조 AI의 과장과 현실
12.2 제조 현장의 네 가지 데이터 문제
12.3 AI부터 시작하지 말라 ― 역설적 교훈
12.4 AI가 실제로 제조에서 하는 일
12.5 한국 제조업의 AI 도입 수준
12.6 제조 AI에서 한국의 구조적 기회

Chapter 13 PTC IPL
13.1 왜 PTC이고 왜 IPL인가
13.2 Intelligent Product Lifecycle이라는 개념
13.3 IPL의 여섯 기둥
13.4 NVIDIA와의 연합 ― 왜 이것이 중요한가
13.5 한국 제조업과 IPL의 결합
13.6 한국 제조업의 두뇌 ― IPL의 한국적 의미
13.7 나의 개인적 고백 ― 왜 나는 PTC로 왔는가
13.8 IPL이 그리는 미래 ― 결론을 대신하여

Chapter 14 휴머노이드 로봇
14.1 BMW 공장의 11개월 ― 증명의 순간
14.2 Figure, Tesla, Boston Dynamics ― 미국 3대 플레이어
14.3 중국의 폭발 ― Unitree, AGIBOT, UBTECH
14.4 비용의 극적인 하락
14.5 휴머노이드의 진짜 과제 ― 하드웨어가 아닌 AI
14.6 한국의 휴머노이드 위치

Chapter 15 자율주행
15.1 2026년은 자율주행의 분기점
15.2 Waymo ― 조용한 승자
15.3 Tesla ― 늦었지만 빠르게
15.4 안전성 격차의 진실
15.5 중국의 추격 ― 화웨이, Baidu, XPENG
15.6 한국 자율주행 ― 기회와 한계

Chapter 16 AGI 논쟁
16.1 AGI라는 단어
16.2 전문가들의 시간표 ― 극단적 분기
16.3 추론 모델 이후의 진전
16.4 AGI 이전에 일어나는 변화 ― 조용한 AGI
16.5 AGI 리스크와 안전성 논쟁
16.6 한국의 AGI 전략 ― 실용적 대응

Chapter 17 일자리의 재편
17.1 이 책의 가장 중요한 질문
17.2 AI가 일자리를 뺏는다는 말의 정확한 의미
17.3 Goldman Sachs의 3억 명 예측
17.4 사라지는 직업의 모습
17.5 태어나는 직업의 모습
17.6 한국의 특수 상황
17.7 그러나 숨은 리스크 ― 청년과 중년의 충돌
17.8 사람만이 할 수 있는 것
17.9 전환기의 설계 ― 한국이 해야 할 일

Chapter 18 AI의 반대편
18.1 이 책 전체에 대한 반박
18.2 반박 1 ― LLM은 추론을 못 한다
18.3 반박 2 ― 환각(hallucination)은 근본 문제다
18.4 반박 3 ― AI 버블은 실재한다
18.5 반박 4 ― 에너지 · 물 한계가 AI의 성장을 막는다
18.6 반박 5 ― 기술은 자동으로 번영을 낳지 않는다
18.7 반박 6 ― 실제 AI 도입 실패 사례가 많다
18.8 그럼에도 왜 한국 제조업 AI 노선인가

Chapter 19 읽는 당신에게
19.1 국가도 기업도 아닌, 당신
19.2 경영자 · 임원에게 ― 투자와 조직의 재설계
19.3 중간관리자에게 ― 팀 변환의 최전선
19.4 실무자에게 ― 스킬 재편의 시작
19.5 부모 · 교육자에게 ― 다음 세대 준비
19.6 모든 독자에게 공통된 일곱 가지 원칙
19.7 나의 이야기로 다시 돌아가며

Part Ⅲ 참고 문헌 및 출처

결론
에필로그

부록 | 소설 「열다섯 해」 (김 부장의 기록, 2025~2040)

추천사 3

연관도서 목록