모바일이 세상을 삼키고 있다
Mobile is eating the world
실리콘 밸리의 영향력 있는 애널리스트인 베네딕트 에반스는 영국 안드레슨 호로비츠 벤처 캐피탈에서 활동하고 있다. 호로비츠 벤처 캐피탈에서 12월에 나온 따끈따끈한 리포트. 모바일은 이제 GAFA(구글, 애플, 페이스북, 아마존)로 정리되었다고 보며 이제 그 다음은 무엇일까에 대한 주제를 이야기한다.
http://ben-evans.com/benedictevans/2016/12/8/mobile-is-eating-the-world
지구 상의 스마트폰이 25 억대를 돌파하고 50억을 향해 가고 있음에 따라 모바일은 Creation(창조)에서 더 발전해 움직이고 있다. 질문이 변한다.스마티폰, 머신러닝, GAFA 그리고 이러한 자이언트 기업의 어깨 위에 올라설 수 있는 것으로 무엇을 만들 수 있을까?
전세계 모두가 모바일로 연결되고 있는 중이다.
모바일의 S커브가 PC의 S커브, 성장곡선을 넘어서고 있다.
모바일의 S 커브는 창조(Creation)의 단계를 넘어서 전개(Deployment)로 이동하고 있다. 모바일도 이제 성숙기로 변화하고 있음을 보여준다.
Creation과 Deployment의 차이
1. Creation이 플랫폼간의 전쟁, 최신 휴대폰, 기술 증명, 수백만의 유저였다면
Deployment는 이미 승자가 명확해졌으며 지속적 성장세와 삶에 유용한 기술 개발, 수십억명의 유저로 변화.
2. 'Creation이 이것이 작동할까? 누가 이길 것인가?'였다면 Deployment에서는 이제 '이것을 기반으로 무엇을 만들 수 있을까?'로 넘어간다.
무엇을 만들 것인가? 새로운 종류의 기술과 새로운 종류의 컴퓨터. 다른 산업을 변화시키는 새로운 방식, 현재 이러한 Deployment를 이끄는 2가지는 전자상거래와 자동차(Ecommerce와 Cars)이다.
새로운 종류의 스케일
기존 Microsoft와 Intel의 시대에서 GAFA(구글, 애플, 페이스북, 아마존)의 시대로 바뀌고 있다.
Wintel(마이크로소프트와 인텔)은 1990년대 14배 성장하였다.
그러나 GAFA(구글, 애플, 페이스북, 아마존)의 규모는 이들의 10배이다.
1995년 마이크로소프트는 중요했지만 테크 전체로 보면 작은 회사였다. 그러나 이제 GAFA는 시장지배적인 회사가 되고 있다.
이러한 규모는 더 많은 투자를 의미한다.
그리고 10배 더 많은 사람들이 이용한다.
오늘날 테크 자이언트(거대 기술 회사)는 그들 전의 Wintel이나 IBM과는 완전히 다른 규모의 사업자이다. 테크에서의 자이언트가 아닌 경제 전체의 자이언트로 변화하였다. 그리고 하나가 아닌 넷이서 경쟁하고 있다.
애플은 글로벌 TOP 10에 들어가는 소매업자이다. 500개의 상점에서 250억달러를 벌고 있다. (온라인 스토어에서 530억 달러 수입 포함)
아마존에게 콘텐츠는 전략적인 지렛대 일뿐이다. 원본 콘텐츠는 넷플릭스에게는 핵심이다. 그러나 아마존은 프라임을 팔기 위해 다른 방법이 있다. 그들은 미국 프로그램 제작 예산의 16%를 차지한다.
넷플릭스가 위협인가? 알바니아 군대가 세상을 정복할 것인가?
- Jeffery Bewkers 타임워너 CEO, 2010
당신 자신의 칩을 만들어라. 인텔의 전체 비즈니스가 애드온이 되어간다. 구글, 아마존, 애플의 칩을 생산하는 인텔.
거인의 어깨 위에 올라서기
- 모든 자이언트 회사들이 거의 모든 상품에 생태계를 만들고 있다.
- 50억 모바일 유저의 규모 + 승자의 규모(GAFA) + 경쟁하기 위한 새로운 방식
이제 거인이 만들어 놓은 환경을 이용하는게 중요한 시대로 돌입하였다.
새로운 방식 - 머신 러닝
이 그림 안에 개가 있나요? 50년 작업 후에 컴퓨터 비전 시스템은 이 사진에서 72%를 찾아낸다. 비슷한 문제가 벌어진다 - 사람은 쉽게 찾는 일을 컴퓨터는 불가능하거나 어렵다. 일치된 의견: 수십년 더 걸리는 작업.
머신 러닝의 시대(퍼포먼스가 수십년동안을 거쳐 개선되고 있음)
1. 이미지 인식 28% 오류에서 7%로 개선
2. 언어 인식 26% 오류에서 4%로 개선
머신 러닝 : 규칙 대신에 머신러닝(데이타)로 변화
1. 규칙 : 눈과 코, 발 등을 찾는 시스템을 만들기, 언어학자를 고용하고 문법의 규칙을 적기, 어떻게 인간이 지능적인 일을 할 수 있는지 체계적으로 정리하기
2. 머신러닝(데이타): 개라고 적힌 10k 그림과 개가 아니라고 적힌 10k 라벨, 그리고 신경망을 적용하기.
규칙보다 더 학습하기. 더 많은 컴퓨터 계산과 데이타를 이용할 수 있기 때문에 이제 가능.
매번 언어학자를 해고할때마다 언어인식의 성능은 올라간다. (Frederick Jelinek)
우리가 개를 찾는 것이 아닌 데이타를 분석한 이후 많은 다른 데이타 셋을 위해 이것이 작동한다.
어떤 고객이 마음을 바꾸려 하는가? 자동차가 나를 연결하게 할 것인가? 네트워크에 어떤 일이 일어날 것인가?
알파고 - 보드게임과 에어콘
- 구글은 바둑게임을 이긴 머신러닝 플랫폼을 데이타 센터의 쿨링에 적용하였다. 그리고 15%의 에너지를 절약하였다. 데이타 안의 패턴을 발견하는 시스템을 만들고 있다.
카드 뉴스로 이 내용을 더 손쉽게 정리한 T타임즈 사사
http://ttimes.co.kr/view.html?no=2016121510027729642
