텐센트 훈위안, Hyra 2.0 공개: 문제 해결을 넘어 과학 모델을 구축하는 AI
TREE NEWS 보도: 텐센트 훈위안은 과학 문제를 직접 해결하는 것에서 나아가 재사용 가능한 과학 모델, 연구 워크플로우, 소프트웨어 도구를 자율적으로 개발하고 업그레이드하는 AI 연구 시스템 ‘Hyra 2.0’을 출시했다. 이 시스템은 전체(Overall), 미션(Mission), 워커(Worker)의 3계층 에이전트 아키텍처를 사용하여 장기 작업 관리, 병렬 실험, 독립 검토, 연구 경험 축적을 지원한다.
Hyra 2.0은 이미 두 개의 단백질 모델을 자체적으로 훈련했다. 단백질 설계 모델 ‘HyInv’는 ProteinMPNN보다 57배 빠르게 서열을 생성한다. 또한 6억 5천만 개의 파라미터를 가진 단백질 언어 모델 ‘HyPLM-Flash’는 비교한 12개 모델 중 추론 속도가 가장 빠르다. 이 시스템은 양자 오류 수정, 로봇 구조 설계, 칩 개발에서도 진전을 보였으며, 오픈소스 RISC-V 프로세서 ‘XiangShan’의 SPEC CPU2006 점수(GHz당 기하 평균)를 5.79% 향상시켰다. 관련 결과는 커뮤니티 검증 및 재사용을 위해 점진적으로 공개될 예정이다.
업계 분석: 문제 해결에서 도구 구축으로의 전환
Hyra 2.0의 의의는 그 아키텍처적 야심에 있다. 오늘날 대부분의 AI-for-Science 시스템은 포인트 솔루션으로, 단백질 구조 예측과 같이 잘 정의된 문제를 받아 답을 내놓는다. 반면 Hyra 2.0은 그러한 솔루션을 생산하는 기계—모델, 워크플로우, 소프트웨어 도구—를 구축하고 시간이 지남에 따라 그 기계를 개선하는 것을 목표로 한다. 이는 연구자들이 ‘AI 과학자’라고 부르는 것, 즉 개별 작업이 아닌 전체 연구 프로그램을 관리할 수 있는 존재를 향한 진전이다.
3계층 에이전트 설계는 장기 작업 관리와 독립 검토를 강조한다는 점에서 주목할 만하다. 전체 전략을 미션 실행 및 워커 수준 작업과 분리함으로써 시스템은 실험을 병렬화하고 자체 작업을 검토할 수 있다. 이는 AI가 중대한 과학 분야에서 신뢰받기 위해 필요한 핵심 역량이다. 연구 경험의 축적은 일종의 제도적 기억을 시사하며, 시스템이 프로젝트 전반에 걸쳐 자체 프로세스를 개선할 수 있게 한다.
단백질 설계, 양자 오류 수정, 칩 개발에서의 결과는 폭넓은 적용 가능성을 보여준다. 단백질 서열 생성의 57배 속도 향상은 단백질 설계가 병목인 신약 개발 및 합성 생물학 워크플로우를 크게 가속화할 수 있다. RISC-V 프로세서의 SPEC 점수 향상은 소폭이지만, AI 기반 설계가 아직 초기 단계인 하드웨어 최적화에 시스템이 기여할 수 있음을 보여준다.
전망: 암호화폐 및 탈중앙화 AI에 대한 시사점
Hyra 2.0은 직접적인 암호화폐 관련성이 없는 범용 AI 연구 시스템이지만, 재사용 가능한 모델과 도구, 커뮤니티 검증, 자율 연구 워크플로우에 대한 강조는 탈중앙화 AI 생태계와 간접적인 관련이 있다. 온체인 AI 에이전트, 탈중앙화 컴퓨팅 네트워크, 모델 마켓플레이스를 구축하는 프로젝트는 이러한 도구의 오픈소스화로부터 이점을 얻을 수 있으며, 자체 시스템의 벤치마킹이나 개선에 활용할 수 있다. 재현성과 커뮤니티 검증에 대한 초점은 많은 암호화폐 AI 이니셔티브의 오픈소스 정신과 일치한다.
더 넓게 보면, Hyra 2.0은 과학 지식과 도구를 자율적으로 생성할 수 있는 AI 시스템을 향한 진전을 나타낸다. 이러한 시스템이 성숙해짐에 따라 연구 수행 방식이 재편되고, 지적 재산권, 과학 출판, 혁신 경제학에 영향을 미칠 수 있다. 탈중앙화 컴퓨팅과 에이전트 경제를 통해 AI와의 접점을 넓혀가는 암호화폐 업계에게 이러한 시스템의 개발은 개방적이고 검증 가능하며 재사용 가능한 AI 인프라의 중요성을 강조한다.
