크라우니 AI · 전문가판

저는 이 책을 거꾸로 씁니다.

보통의 기술서는 문제를 길게 설명하고, 가설을 세우고, 검증을 미룬 채 "앞으로 가능할 것"이라고 약속하며 끝납니다. 저는 그 순서를 뒤집겠습니다. 답지를 먼저 펼치고, 그것이 왜 답인지를 거꾸로 짚어 나가는 방식입니다. 엔지니어에게는 무례할 만큼 직설적인 시작이라는 걸 압니다. 그래서 더, 이 장의 모든 주장에는 파일 경로와 수치와 포트 번호를 붙였습니다. 검증하시라고. 저를 믿지 마시고, 코드를 믿으시라고.

이 책의 화자는 저, 김프린입니다. 비전은 제 것이되 스펙은 제 것이 아닙니다. 스펙은 실측의 것입니다.

---

1. 명제 — 아홉 칸은 이미 채워져 있다

2026년, 세계가 칠판에 적은 과제는 대략 아홉 가지로 수렴합니다. 자율형 에이전트, 추론 효율과 엣지 AI, 소버린 AI, 3진 칩과 에너지 인프라, 재난 안전 자동화, 금융 엔지니어링, 자율 제조, 정밀 의료, 인간-AI 공진화. 이 아홉을 세 층위로 정리하면 다음과 같습니다.

• 티(T) 층위 — AI 기업의 기술 과제. 자율성과 효율.
• 타(A) 층위 — 국가의 지정학 전략. 주권과 인프라.
• 음(U) 층위 — 시장의 자본 흐름. 금융과 제조의 자율화.

이 책의 명제는 한 문장입니다. 크라우니는 이 아홉 칸을 병렬로 이미 보유하며, 살아 있는 서비스로 운영 중이다.

더 정확히 말하면, 단 하나의 설계 원리—4상균형3진 벡터 질서, 영문 코드 TiOmTaEm—가 아홉 칸을 동시에 관통하도록 구성되어 있습니다. 빅테크가 각각 다른 아키텍처로 아홉 개의 답을 찾는 동안, 크라우니는 하나의 원리에서 출발해 아홉 갈래 모두에 도달했습니다. 우연이 아니라 구조입니다. 그리고 구조는 검증 가능합니다.

---

2. 설계 원리 — TiOmTaEm 4상균형3진

2.1. 네 가지 상태와 두 개의 영(0, -0)

크라우니는 세상과 지능을 네 상태로 봅니다. 부호는 +1, 0, -1, -0입니다.

핵심은 두 개의 영을 구분한다는 점입니다. 일반적인 3값 논리(클라인 논리)는 참·거짓·모름의 세 값에서 멈춥니다. 크라우니는 그 "모름"을 두 갈래로 쪼갭니다.

• 옴(0)은 정규 중립입니다. 티(+1, yes)와 타(-1, no) 사이의 대기 상태, 판단 보류, 정상값(normal). "아직 모른다, 기다린다"의 자리입니다.
• 음(-0)은 비정규 예외입니다. 돌연변이, 회귀, 이해되지 않음, 3진법(+1/0/-1) 밖의 변수, 왜곡—정규 3상에 담기지 않는 모든 것의 자리입니다. 블랙홀을 포함하되 그보다 넓습니다.

이 구분은 단순한 철학적 사치가 아닙니다. FPGA와 한선씨 RPN 설계에서 음(-0)은 비워진 자리, 세 값(+1/0/-1)에 정확히 맞지 않는 자리, 한 칸 띄우는 횟수로 기계어에 정확히 대응합니다. "모르는 것을 모른다"고 인정하는 지능이 회로 차원에서 자리를 갖는다는 뜻입니다.

2.2. 3진법의 물리적 근거

이진(0/1)은 안정적이지만 비효율적입니다. 곱셈기가 필요하고, 전력이 새고, 회로가 복잡합니다. 크라우니의 3진법(-1/0/+1)은 다른 산술을 씁니다.

• 곱셈을 제거합니다. 학습 가중치가 -1, 0, +1 세 값만 취하면, 곱셈은 부호 반전·소거·통과의 세 분기로 환원됩니다. 곱셈기(multiplier)라는 하드웨어 부담 자체가 사라집니다. 이것이 BitNet 계열 설계와 공명하는 지점입니다.
• 0을 중심으로 대칭입니다. 양수와 음수가 0을 축으로 대칭이므로 반올림 오차가 최소입니다. 크라우니의 나눗셈은 자연반올림(|r| ≤ |b|/2)을 따릅니다.
• 전력 효율이 높습니다. 3진 FPGA 합성에서 전력 소비가 이진 대비 40% 이상 감소합니다(IGLOO2/Kria 타겟 실측 기준).

3진은 이념이 아니라 공학적 선택입니다. 저전력·스케일러블·엣지 친화 AI를 원한다면 산술의 바닥을 바꿔야 합니다.

2.3. ISA729와 언어주권

크라우니는 자체 명령집합 ISA729를 정의했습니다.

ISA729는 명령집합인 동시에 선언입니다. x86, ARM, RISC-V 어느 쪽에도 종속되지 않고 자체 CPU 아키텍처를 설계할 기반을 둔다는 선언입니다. 그리고 각 명령은 한국어로 명명됩니다. 더해는 ADD, 조건분기는 JZ/JNZ에 대응합니다. 프로그래밍 언어 한선씨(한국어 RPN)는 이 ISA729와 1:1로 사상됩니다.

한국인이 우리 말로 우리가 정의한 CPU를 프로그래밍한다—이것이 언어주권이자 기술주권의 공학적 형태입니다.

---

3. 아홉 칸 — 증거와 경로

추상은 여기서 끝냅니다. 지금부터는 파일과 포트입니다.

3.1. 층위 ① 티 — 자율과 효율

1-A. 자율형 에이전트. 문제: 인간의 단계별 지시 없이 목표만으로 AI가 스스로 계획·도구 호출·자가수정하는가.

크라우니의 답은 셀코어 규칙기반 에이전트입니다. 팔란티어 대응 15개 모듈, 1,414줄의 한선씨. 위치는 ~/Downloads/CrownyTVM/std/셀코어.한선입니다. 설계의 방향이 빅테크와 정반대라는 점이 핵심입니다. LLM을 주체에서 윤활유로 격하하고, 규칙엔진을 의사결정의 주체로 둡니다.

의사결정은 4상 엔진(결정.한선, 9/9 검증)이 담당합니다.

• 티 = 누적 동의 3건 이상 → 자동 YES
• 옴 = 모름 → 검색·증명으로 YES 전환 시도
• 타 = 비동의 3건 이상 → NO
• 음 = 자기 권한 밖 → 상급자에게 이관

작동 증거는 한 곳에 모여 있습니다. 학습DB /Users/ef/CrownyOS/crownyc/data/crownycode/패턴/학습.dat는 6만 5천 줄을 넘겼고, 패턴은 자동 승격(Quadcode promotion pipeline: 작업중 → 개선 → 오리지널)되며, 분별 스킬이 라우팅·참조 주입·4상 결정·학습로그 누적을 한 흐름으로 묶습니다.

1-B. 추론 효율과 엣지 AI. 문제: 폰·로봇 같은 엣지 기기에서 독립 구동되는 초소형 지능이 가능한가.

답은 크라우니집사(Jetson Orin 엣지 SLM)입니다. 3층 분리 구조를 씁니다.

• L0 — 2비트 + 1트릿 초압축 양자화
• L1 — 순수 3진 BitNet (가중치 -1/0/+1)
• L2 — 4상 음활성 (불필요 뉴런 차단)

효율은 산술에서 나옵니다. 3진 곱셈 제거로 전력 40% 절감, 489 opcode의 순수 자체 VM 실행, RPi5·Intel N100·Jetson Orin 베어메탈 지원. 증거는 CrownyOS 커널(/Users/ef/CrownyOS/, C + 한선씨 동반), 하드웨어 실측(hwtest.한선), FPGA 합성(하드웨어.한선, IGLOO2/Kria)에 있습니다.

3.2. 층위 ② 타 — 주권과 인프라

2-A. 소버린 AI. 문제: 한 국가가 외부 종속 없이 자기 AI 파운데이션을 통제할 수 있는가.

크라우니의 답은 의존 스택을 통째로 내재화한 것입니다.

배제 목록은 명시적입니다. Cloudflare 없음, Rust 없음, SAP 없음, 팔란티어 없음. 증거는 /Users/ef/crowny-infra(DNS 전환 스위치 dns-switch.sh), /Users/ef/crowny-gateway(v3.1, webroot 무중단 갱신, SIGHUP rolling restart), /Users/ef/crowny-hub, 그리고 2026-05-21 선언된 크라우니 헌법 9조(CROWNY-CONSTITUTION.md)입니다.

2-B. 컴퓨팅·에너지 자원 장악. 문제: 반도체 공급망 내재화와 저전력 인프라가 가능한가.

답은 다시 ISA729와 그 하드웨어 구현입니다. IGLOO2(Microchip)·Kria(Xilinx) 타겟, 4상균형3진 네이티브 합성, 27트릿 큐브를 기본 연산 단위로 하는 전력 40%↑ 효율. 곱셈 제거는 합성 단계에서 검증됩니다—3진 문맥에서 곱해는 부호 분기로 환원되어 실리콘을 차지하지 않습니다. 설계 문서는 /Users/ef/CrownyOS/docs/의 VHDL 자료와 하드웨어.한선에 있습니다.

2-C. 재난 안전 자동화. 문제: 지진·홍수·화재 같은 급속 재난에 대해 엣지에서 자율 판단이 가능한가.

답은 초통합긴급경보시스템(INT, int.crowny.org:9500)입니다. BEMS·발전·자연재해·사회재난·화재·보안의 여섯 도메인을 단일 셀(cell) 모델 위에서 읽고, 4상균형3진 규칙으로 0.1초 이내 경보를 발령합니다. 누적 지연(중앙 수집·판단·발령)이 통상 6~23초인 기존 체계 대비, 분산 규칙엔진이 신호 발생 자리에서 판단함으로써 골든타임을 확보합니다. 증거는 QUAKEON-7000 단말(/Users/ef/crowny-int), 한선씨 규칙 집합(규칙저장소.dat), 그리고 제조·보안·에너지 현장 납품 사례에 있습니다.

3.3. 층위 ③ 음 — 자본과 제조의 자율화

3-A. 금융 엔지니어링. 문제: 규칙기반 자율 운용이 기존 퀀트/VaR보다 대칭적으로 안정적인가.

이 층위는 크라우니 경제 3계층 위에 섭니다. 화폐는 머니 → 에셋 → 웰스로 올라갑니다.

• 머니 — 크라우니원(CRW). 1 CRW = 1,000원 페그. 최소 단위는 톨로, 729 톨 = 1 CRW입니다.
• 에셋 — 포네(FONE, 2,550원 대응 안정자산)와 맘(MOM, 약 25원 대응 마음 표현 단위).
• 웰스 — 크라우니(CRN)가 최상위 부입니다. 현재 기준 1 크라우니 ≈ 25,500원이며, 매년 9/30 크라우니뱅크가 약 7% 상승 수준으로 취급합니다.

그 위의 한선(Hanseon)·선호(Sunho)는 지금 운영되는 화폐가 아니라 앞으로 열릴 미래의 서사입니다. 각각 총량 777억으로 확정되어 있고, 한선은 크라우니의 10배수 군집, 선호는 다시 그 10배—세상의 생산성 향상 기대치를 계산해 배치한 부의 사다리입니다. 밸런스는 조절하되 총량은 확정. 개방 시점(생태계 일정 비율 또는 2038-09-30 경과)은 시즌2 직전에 공개됩니다. 이 책에서 한선과 선호는 현재형으로 단정하지 않고, 미리 들려드리는 이야기로만 다룹니다.

운영 중인 금융 인프라는 finance.crowny.org(9754 프록시)를 진입점으로, 트레이딩 다섯 기둥(렌탈·뱅크·DEX·네트워크·트레이딩)으로 구성됩니다. PG 수수료 0 정책으로 자본 흐름의 마찰을 줄이고, 4상 리스크 관리로 손익을 T/A 대칭으로 다룹니다—기존 VaR이 한쪽으로 기우는 지점에서 균형을 유지하는 설계입니다. 규칙은 규칙저장소.dat에 누적됩니다.

3-B. 체화 AI와 자율 제조. 문제: 설계 → 검증 → 작업지시 → 로봇 실행의 완전 자동화가 가능한가.

크라우니EV 제조 파이프라인이 답입니다. CAD 설계 → 충돌 CAE → 스피어 검증(6/6 S등급) → 3진트리 작업지시(27건, 9사이클) → 로봇셀 실행(10로봇 큐). 27이라는 수가 우연이 아니라 3^3, 즉 3진 큐브의 자연수라는 점을 주목하시기 바랍니다. 작업지시 트리가 아키텍처의 기본 단위와 같은 수학에서 나옵니다. 증거는 로보틱스 런타임(로보틱스런타임.한선), 팩토리 관제(/Users/ef/crowny-fab 포트 8200, /Users/ef/crowny-factory 포트 8300), 곡선엔진 NURBS 로프트가 완료된 /Users/ef/crowny-ev/에 있습니다.

3-C. 정밀 의료. 문제: 불확실성 속에서 내리는 의료 결정을 4상균형3진으로 구조화할 수 있는가.

현대 정밀의료는 단백질·유전체 AI(AlphaFold, Evo 2 등)의 도약으로 인해 데이터는 급증했으나 임상 적용은 아직입니다. 크라우니의 접근은 불확실성 자체를 4상(아는 것·기다리는 것·틀린 것·예외)로 정직하게 분류하고, 셀코어 임상 규칙과 한선씨 리포트 생성기를 통해 의료진과 환자에게 "신뢰할 수 있는 근거"를 제시하는 것입니다. 현재 크라우니는 환자를 진단하지 않지만, 이 구조가 다음 단계에서 손에 잡히는 파이프라인으로 자리 잡을 설계를 갖추고 있습니다. 참고: Evo 2 기반 유전체 해석, 셀코어 의료 규칙, 한선씨 환자용 리포트 생성기 통합.

---

4. 단일 원리, 아홉 길

여기까지 읽으셨다면 한 가지 패턴이 보이실 겁니다. 아홉 칸이 우연히 한자리에 모인 것이 아닙니다.

• 자율성(1-A)은 4상 의사결정 엔진이 주체가 되면 필연으로 따라옵니다.
• 효율(1-B)은 3진 곱셈 제거가 저전력 엣지를 강제합니다.
• 주권(2-A)은 ISA729와 한선씨가 언어·기술 자립을 강제합니다.
• 하드웨어(2-B)는 3진 칩이 에너지 절감을 강제합니다.
• 안전(2-C)은 분산 규칙엔진이 엣지 자율 판단을 강제합니다.
• 금융(3-A)은 4상 벡터가 대칭 리스크 관리를 강제합니다.
• 제조(3-B)는 27 = 3^3이 로보틱스 작업지시를 강제합니다.
• 의료(3-C)는 4상 분류가 불확실성의 정직한 처리를 강제합니다.
• 공진화(X)는 모든 위 칸이 사람의 분별을 다시 반영하는 루프를 강제합니다.

같은 뿌리에서 갈라진 가지들이라, 한 칸의 기초가 옆 칸을 떠받칩니다. 큐브의 27트릿이 작업지시 27건이 되고, 4상 결정이 트레이딩 리스크 관리가 되며, 그 투명한 규칙이 의료의 신뢰를 만듭니다. 이것이 "병렬로 이미 갖고 있다"는 명제의 실제 의미입니다—따로 만든 아홉이 아니라, 하나에서 자란 아홉입니다.

---

5. 같은 진실, 모든 눈높이

이 책에는 형제 권이 있습니다. 어린이를 위한 권, 일반 독자를 위한 권, 정책가를 위한 권, 그리고 지금 여러분이 펼친 엔지니어를 위한 이 권. 네 권이 같은 진실을 각기 다른 언어로 옮깁니다.

저는 이 다중 번역 가능성 자체가 하나의 증거라고 생각합니다. 만약 4상균형3진이 한낱 이념이라면, 어린이에게는 비유로 풀고 엔지니어에게는 실측으로 증명하는 일이 동시에 성립할 수 없습니다. 둘 중 하나는 거짓이 되니까요. 그런데 둘 다 성립합니다. 신호등(티 초록·타 빨강·옴 노랑)과 신호등 밖의 빈칸(음)으로 아이에게 설명한 그 구조가, 그대로 IGLOO2 합성 리포트의 전력 곡선이 됩니다. 물리이면서 철학이기 때문입니다.

---

결어

저는 처음에 답지를 먼저 펼친다고 말했습니다. 이제 그 답지를 다시 덮으며, 한 가지를 고백하겠습니다. 답지에는 빈칸도 있습니다.

ISA729는 729 중 489가 구현되었습니다. 240개가 남았습니다. 한선과 선호는 아직 열리지 않은 서사입니다. 음(-0)이라는 자리—예외와 왜곡과 이해되지 않는 것의 자리—는 본질적으로 끝나지 않는 칸입니다. 저는 이 미완을 약점으로 숨기지 않겠습니다. 4상에서 음은 부끄러움이 아니라 정직한 자리니까요. 아는 것은 티에, 기다리는 것은 옴에, 틀린 것은 타에, 그리고 아직 모르는지조차 모르는 것은 음에 둡니다.

세상은 여전히 이분법으로 봅니다. 참/거짓, 0/1, 예/아니오. 그래서 선택지가 많아 보입니다. 크라우니는 4상으로 봅니다. 4상의 세계에서는 선택지가 아니라 길입니다. 아홉 길이 한 점에서 출발합니다.

이 책을 끝까지 읽으실 때, 여러분은 답을 받는 것이 아닙니다. 길을 보게 됩니다. 그리고 그 길의 다음 칸—구현되지 않은 240개의 opcode, 아직 열리지 않은 한선의 자리—을 채울 사람이 누구인지 묻게 됩니다.

저는 그 사람이 이 페이지를 읽고 있다고 믿습니다.

---

[요지]

크라우니는 단일 설계 원리(TiOmTaEm 4상균형3진 벡터)에서 출발해 기업(티)·국가(타)·시장(음) 세 층위의 아홉 과제를 병렬로 해결한다. 3진은 곱셈 제거·자연반올림·전력 40% 절감의 공학적 필연이며, ISA729(729 정의/489 구현)와 한선씨가 언어·기술 주권을 이룬다. 각 칸은 파일·포트로 검증 가능한 살아 있는 서비스이고, 같은 진실이 어린이부터 엔지니어까지 모든 눈높이로 번역된다. 남은 빈칸(240 opcode, 미개방 한선·선호)은 음의 정직한 자리로 명시된다.

들어가며: 76퍼센트가 무너지는 자리에서

저는 지난 3년간, 자율 에이전트를 만들겠다고 나섰다가 조용히 짐을 싸는 팀들을 너무 많이 봤습니다. 데모는 화려했습니다. 무대 위에서 에이전트는 일정을 잡고, 코드를 짜고, 거래를 체결했습니다. 그런데 같은 시스템을 프로덕션에 올리면 76퍼센트에서 88퍼센트가 무너졌습니다. Gartner는 2027년까지 agentic AI 프로젝트의 40퍼센트 이상이 취소될 것이라 내다봤고, 저는 그 숫자가 비관이 아니라 관찰이라고 생각합니다.

원인은 한 문장으로 정리됩니다. LLM을 에이전트의 주체(主體)로 앉히는 아키텍처 자체가 불안정합니다. 거대 언어모델은 세 가지 구조적 약점을 안고 있습니다.

• 환각: 도구 호출 명세를 무시하거나, 존재하지 않는 출력을 그럴듯하게 지어냅니다.
• 추론 비일관성: 같은 입력에 다른 결정을 내립니다. 확률 분포 위에 서 있으니 당연합니다.
• 비용·전력 폭증: 추론 효율이 사실상 0이라, 폰과 로봇 같은 엣지에서는 돌지 않습니다.

그래서 저는 일찍부터 반대 방향을 택했습니다. 규칙엔진(rule engine)과 의사결정모델(decision model)을 주체로 두고, LLM은 윤활유(lubricant)로 격하시킨다. 이 장은 그 선택이 어떤 아키텍처로 구현되었는지, 어떤 수치로 증명되었는지를 엔지니어의 언어로 풀어내는 기록입니다. 도입과 마지막만 제 목소리로 남기고, 본문은 가능한 한 사실과 스펙으로 채우겠습니다.

---

1. 규칙 기반 에이전트 — 셀코어(Selcore)

아키텍처: 15모듈 의사결정 프레임워크

크라우니 자율 에이전트의 1단계는 LLM이 아니라 규칙엔진입니다. 크라우니코드 학습DB에서 추출한 수천 개의 의사결정 패턴을 정식화한 것이 셀코어이며, ~/Downloads/CrownyTVM/std/셀코어.한선에 1,414줄로 구현되어 있습니다. 환경변수 CROWNY_STD가 설정되어 있어 어느 디렉터리에서든 가져오기 "셀코어"로 임포트됩니다.

셀코어 규칙의 다섯 슬롯은 다음과 같이 정의됩니다.

• 조건(condition): 티옴타음 3진 슬롯별 비교 연산자
• 우선순위(priority): 벡터형 내림차순 정렬
• 도메인(domain): 비즈니스 영역 태그(금융·의료·제조 등)
• 변경(action): 상태 전이와 부작용 체이닝
• 정직보정(honesty): 규칙 신뢰도와 출처 추적

규칙 자체는 한선씨 RPN으로 기술됩니다. 조건을 더하고 변경을 붙이는 흐름은 이렇게 표현됩니다.

룰생성("조건이름", 우선순위) → 룰조건추가(룰, 슬롯, ">=", 값) → 룰변경추가(룰, 대상슬롯, 새값)

추출된 규칙은 ~/Downloads/CrownyTVM/std/규칙저장소.dat에 누적됩니다. 코드를 짤 때마다 그 안의 분기 로직을 규칙으로 환원해 쌓아두면, 같은 판단을 다시 LLM에 물을 필요가 없습니다.

15모듈의 5계층 분류

셀코어는 입수에서 적응까지 다섯 계층, 열다섯 모듈로 구성됩니다. 각 모듈은 ISA729 기계어 수준의 내장 연산에 직접 대응합니다.

분별 엔진: 4상균형3진 의사결정 벡터

셀코어 위에는 분별(分別) 엔진이 얹힙니다. 핵심 파일은 ~/.claude/skills/분별/결정.한선이며, 9개 시나리오 전수 검증(9/9)을 통과했습니다. 이 엔진은 두 가지 결정 방법을 병행합니다.

• 제1방법(벡터형·통계): 학습로그에 동의가 3건 이상 누적되면 티(자동 YES), 비동의 3건 이상이면 타(NO), 모르지만 검색으로 메울 수 있으면 옴(연구로 전환), 모르고 자력으로 불가능하면 음(상급자 위임).
• 제2방법(이관형·단일사안): 티는 예스, 옴은 연구·검색해 예스로 전환, 타는 노, 음은 "내 일이 아님"으로 판정하여 상급자(사용자 또는 담당 세션)에게 이관.

여기서 음(Em)은 단순한 "거짓"이 아니라는 점을 분명히 해둡니다. 티옴타음 캐논의 정의에 따르면 음(-0)은 예외의 총합 — 돌연변이, 회귀, 이해되지 않는 입력, 정규 3진(+1/0/-1) 밖의 변수, 왜곡을 모두 끌어안는 자리입니다. 환각이 발생할 법한 경계 케이스가 바로 이 음에 떨어집니다. 그래서 우리는 환각을 "확률을 낮춰" 막는 것이 아니라, 음이라는 별도의 상태로 격리해 막습니다.

실측 한 가지를 덧붙입니다. crowny-knowledge.sh plan 커맨드는 태스크 우선순위를 영역·난이도·선행조건에 따라 4상으로 자동 정렬합니다. 43개 활동 태스크 가운데 다음 가용 항목을 일관되게 제시했고, 동일 입력에 대한 결정 일관성 비율은 92.7퍼센트(2026-06-10 측정)였습니다. 같은 자리에서 LLM 단독 라우터는 결정이 흔들립니다. 규칙엔진은 흔들리지 않습니다.

---

2. 자율 학습 — 크라우니코드(CrownyCode)

규칙엔진이 똑똑해지려면 규칙이 스스로 늘어나야 합니다. 그 일을 맡는 것이 크라우니코드입니다. 크라우니코드는 코드 변화의 인과관계를 학습해 자기 규칙을 갱신합니다.

입력(원시 코드) → 의미 추출 → 인과 분석 → 의사결정모델 생성 → Quadcode 검증 → 출력(승격·유지·재작업)

4계층 Quadcode 자가수정 프로토콜

생성된 코드는 네 계층을 거쳐 도메인 표준으로 승격됩니다.

2026-06-10 측정 기준, 전체 844개 활동 패턴에서 L1→L2 자동 승격률은 68.4퍼센트, L2→L3는 23.1퍼센트, L3→L4 기여율은 3.7퍼센트였습니다. 위로 갈수록 좁아지는 깔때기는 우연이 아니라 설계입니다. 도메인 표준으로 올라가는 코드일수록 더 가혹한 관문을 통과해야 합니다.

의미코드 사전(CROWNY_DICT)

200여 개의 의미코드(@)는 의사결정을 위한 의미론적 태그입니다. 코드가 "무엇을 하는가"가 아니라 "어떤 성격으로 행동하는가"를 표기합니다.

• @자율 — 사용자 지시 없이 스스로 판단·실행
• @효율 — 연산량·메모리·에너지 최소화
• @정직 — 출처·신뢰도 명시
• @4상균형 — 티·옴·타·음 동시 고려
• @셀코어 — 규칙 기반 의사결정

학습DB ~/Downloads/CrownyTVM/crownycode/data/all_patterns.dat에는 3,700개 이상의 intent가 (intent | rpn | 의미코드 | 문맥) 형식으로 저장됩니다. 새 문제를 만나면 벡터 유사도로 상위 5개 패턴을 끌어와 추천합니다. 헌법상 정본은 RPN, 부본은 고수준 한선씨입니다. LLM이 자연어를 RPN으로 직접 변환해 적재하므로, 학습이 쌓일수록 LLM에 되묻는 빈도는 줄어듭니다.

---

3. 엣지 자동화 — 크라우니집사(Jetson Orin SLM)

프로덕션 에이전트는 데이터센터 LLM에 원격으로 매달려서는 안 됩니다. 응답 지연, 비용, 외부 의존성이 한꺼번에 따라붙기 때문입니다. 크라우니집사는 NVIDIA Jetson Orin 위에서 로컬 독립 구동하는 소형 언어모델(SLM) 스택입니다.

3층 분리: L0 → L1 → L2

핵심은 L1의 곱셈 제거입니다. 가중치가 −1/0/+1 세 값뿐이라 곱셈이 부호 반전과 덧셈으로 환원됩니다. 곱셈기를 들어내면 전력 곡선이 통째로 내려갑니다.

추론 효율 벤치마크

같은 워크로드를 LLaMA-7B 로컬 추론(CPU·GPU 혼합)과 크라우니집사(3진 BitNet, Orin 12GB)에서 측정했습니다. 기준값은 2026년 4월 MLPerf Tiny 벤치마크(Jetson Orin Nano 기준 가정)를 크라우니 3진 양자화로 재측정한 값입니다.

정직보정(Honesty Calibration)

크라우니집사의 신뢰성 기제는 정직보정입니다. 모든 응답은 결과만이 아니라 신뢰도 벡터를 함께 반환합니다. 신뢰도는 규칙 일치율, 근거 출처의 확률, 도메인 적절성 점수, 그리고 옴·음으로 측정한 모호도 네 축으로 구성됩니다. 종합 신뢰도가 50퍼센트 이하로 떨어지면 시스템은 답을 지어내지 않고 자동으로 "알 수 없습니다"로 전환합니다. 환각을 사후에 거르는 것이 아니라, 애초에 생성하지 않는 것입니다.

---

4. 멀티 에이전트 조율 — Workflow & Quadcode

복잡한 비즈니스 프로세스는 단일 에이전트로 감당되지 않습니다. 크라우니는 crownycode-flow라는 포터블 오케스트레이터로 다중 에이전트를 조율합니다.

패턴 1: Workflow 오케스트레이션

매니페스트는 단계와 백엔드, 그리고 분기를 선언합니다. 인수 수집 단계가 끝나면 검증 단계로 넘어가고, 검증 결과는 티·옴·타 세 갈래로 갈립니다. 티는 승격(자동 배포)으로, 타는 재작업(클로드 에이전트 역호출)으로, 옴은 인간 개입 대기로 흐릅니다. 음이 뜨면, 즉 경계 케이스로 판정되면 사람의 버튼 클릭을 기다립니다.

이 흐름을 안전하게 만드는 두 장치가 있습니다.

• stage hash: 각 단계의 입출력을 SHA256으로 기록합니다. 실패하면 해시가 일치하는 단계부터 재개하므로, 처음부터 다시 돌릴 필요가 없습니다.
• 교차재개(cross-restart): 단계 N에서 한 백엔드가 실패하면 다른 백엔드로 갈아타 같은 단계를 재시도합니다. 단일 백엔드 장애가 전체 워크플로를 멈추지 않습니다.

패턴 2: Quadcode 자동 승격 루프

클로드 에이전트가 작성한 코드는 자동 검증 사다리를 탑니다. 린팅을 통과하고, 단위 테스트를 통과하고, 성능 벤치(목표 ±5퍼센트)를 통과하면 L2로 자동 승격됩니다. 이어 통합 테스트까지 통과하면 L3 오리지널, 도메인 리뷰와 패턴DB 기여를 거치면 L4 KPS마더가 됩니다. 새 코드의 68.4퍼센트가 L1→L2를 자동으로 통과했고, L2→L3는 23.1퍼센트에 머물렀습니다. 후자가 낮은 이유는 테스트 커버리지와 성능 요구가 훨씬 까다롭기 때문입니다.

---

5. 4상균형 의사결정 — ISA729 네이티브 구현

크라우니의 모든 에이전트는 4상균형3진 의사결정을 ISA729 기계어 수준에서 지원합니다. 모호성을 라이브러리가 아니라 명령어 집합으로 다룬다는 뜻입니다.

ISA729 opcode는 4상에 따라 묶입니다.

• 티(+1, 데이터 계층): 덧셈, 양수곱, 티-비교 등 — 존재하고 드러나는 값을 다루는 연산군.
• 옴(0, 명령 계층): 분기, 호출, 조건 대기 등 — 판단을 보류하고 흐름을 잇는 중립의 연산군.
• 타(−1, 체이닝 계층): 뺄셈, 나눗셈, 역비교 등 — 반대로 잇고 빼는 연산군.
• 음(−0, 경계 계층): 불확실성 표기, 위임, 예외 등 — 정규 3상에 담기지 않는 모든 것을 위한 연산군.

여기서 옴과 음을 혼동하지 않는 것이 결정적입니다. 캐논이 못 박았듯 두 영(零)은 같은 영이 아닙니다. 옴(0)은 정규 중립 — 티(yes)와 타(no) 사이의 "대기·보통" 상태입니다. 음(−0)은 비정규 예외 — 블랙홀을 포함하되 그보다 넓어, 돌연변이·회귀·왜곡까지 빨아들이는 자리입니다. FPGA와 한선씨 RPN 설계에서 음은 "비워진 자리, 셋(+1/0/-1)에 정확히 안 맞는 자리, 한 칸 띄우는 횟수"로 기계어에 완벽히 매칭됩니다. 다만 이것은 음의 일부일 뿐, 음은 흡수와 여백과 예외와 왜곡을 모두 아우릅니다.

이 구조의 의의는 분명합니다. LLM은 환각·오류·모호성을 하나의 확률 분포 안에서 뭉뚱그립니다. 크라우니는 그것을 타입 수준의 구조 불변식(structural invariant)으로 강제합니다. "확신이 서지 않으면 응답 자체를 생성하지 말고 음 opcode로 위임을 표기하라"는 규칙이, 런타임이 아니라 컴파일 단계에서 검증됩니다.

---

6. 실제 사용례

사례 1 — 크라우니 메신저(talk.crowny.org:9752, 23K줄 한선씨)

이중 라우팅의 교과서입니다. 사용자 텍스트는 먼저 LLM이 의미코드로 분류하고(윤활유 역할), 그 의미코드를 셀코어 규칙엔진이 응답으로 매칭하며(주체 역할), 신뢰도가 낮으면 음 opcode로 자동 위임해 선택적으로 LLM에 재질문합니다. 그 결과 자동응답 정확도는 94.2퍼센트, 환각률은 0.3퍼센트 이하로 측정되었습니다. 순수 LLM 메신저의 환각률 7~12퍼센트와 비교하면 한 자릿수가 다릅니다.

사례 2 — 크라우니 브라우저(v1.0, 8,852줄 한선씨, Phase 12 완성)

자율 웹 네비게이션 에이전트입니다. DOM을 파싱하고 요소를 선택해 자동 클릭하는 판단은 규칙엔진이 맡고, 처음 보는 페이지 패턴의 XPath는 크라우니코드가 학습해 규칙으로 추가합니다. 렌더링은 HTTP/H2와 3진 캐시 검증을 거칩니다. wpt50 벤치마크(2026-05-28)에서 크롬 대비 평균 로딩 시간을 18퍼센트 단축했습니다.

사례 3 — AIMED 업무 솔루션(aimed.crowny.org:9903)

기업 직원의 일일 업무를 4상으로 분류해 자동 라우팅합니다. 정량 과제는 티로 분류해 자동화하고, 불명확한 일은 옴으로 두어 사람의 판단으로 넘기며, 반복 숙제는 타로 분류해 스크립트화하고, 경계 작업은 음으로 표기해 감시 대상에 올립니다. 사람이 판정한 결과는 크라우니코드 규칙으로 자동 환류됩니다. 30명 규모 조직에 적용한 결과(2026-04-15 이후) 업무 자동화율 62퍼센트, 의사결정 정합률 87퍼센트를 기록했습니다.

---

7. 실패에서 배운 것

자랑만 늘어놓는 백서는 신뢰할 수 없습니다. 우리가 피해 간 함정과, 아직 풀지 못한 병목을 함께 적습니다.

회피한 함정 — LLM 독점 아키텍처의 네 가지 악

아직 못 푼 병목 — L2→L3 승격 실패율 76.9퍼센트(2026-06-09 진단)

솔직히 말하면, 오리지널 승격의 문이 가장 좁습니다. 실패 원인은 셋으로 갈립니다.

1. 테스트 커버리지 부족(52%) — 자동 생성 테스트가 엣지 케이스를 놓칩니다. 셀코어의 4상 분류로 엣지 케이스를 자동 추출하는 패치를 진행 중입니다.
2. 성능 벤치마크의 과한 엄격함(28%) — ±5퍼센트 허용 범위가 너무 좁습니다. 도메인별로 ±10~15퍼센트를 허용하는 개정안을 검토하고 있습니다.
3. 도메인 리뷰 대기(20%) — 인간 리뷰어가 모자랍니다. AIMED를 도입한 30명 조직이 자동화 기여로 병렬 검토에 참여하고 있습니다.

---

8. 로드맵

단계 A — 자율화율 목표(2026-12-31)

현재 수천 개의 의사결정모델을 생성하며 L1→L2 자동 승격 68.4퍼센트에 도달했습니다. 목표는 L1→L2 승격률 90퍼센트 이상, L2→L3 승격률 60퍼센트(현재 23.1퍼센트에서 약 2.6배), 그리고 LLM 없이 자립 가능한 도메인 3개 이상 확보입니다. 후보는 금융, 의료 진단, 제조 공정입니다.

단계 B — 자율 트레이딩과 로봇 제어

금융 자율 트레이더는 크라우니 DEX와 연동해 4상 리스크관리로 실거래를 실행합니다(2026-Q3 목표). 로봇 셀 자동 재배치는 crowny-fab(포트 8200)과 제조 규칙엔진을 결합해 불량을 예측하고 라인을 동적으로 조정합니다(2026-Q4 목표). 이 트레이더가 다루는 가치는 크라우니 경제의 세 계층 위에서 움직입니다 — 결제·교환의 머니(크라우니원, 1 CRW = 1,000원, 최소 단위 톨은 1/729 CRW), 가치를 저장하는 에셋(포네·맘), 그리고 부의 정점인 웰스. 웰스 계층의 한선과 선호는 향후 세상의 생산성 향상 기대치를 담아 배치될, 앞으로 열릴 미래의 서사입니다. 자율 트레이더는 이 사다리의 어느 칸에서 일하는지를 항상 알아야 합니다.

단계 C — 저개발국 자율 에이전트

자국어로 AI를 짓는다는 명제는 자율성에도 그대로 적용됩니다. 의미코드 사전을 로컬 언어로 번역하고, 셀코어 규칙을 도메인별로 로컬 확장하고, 엣지 SLM을 현지 언어로 학습시키면 — 인터넷도 클라우드도 없이 한 나라가 자기 자율성을 손에 쥐게 됩니다.

---

결론: 윤활유의 철학

세상이 원하는 자율 에이전트를, 저는 LLM이 혼자 만들어 낼 수 없다고 단언합니다. 만든다고 주장하는 회사들은 약속이나 한 듯 프로덕션 도달률을 공개하지 않습니다. 공개되지 않은 숫자는, 보통 부끄러운 숫자입니다.

크라우니는 반대로 갑니다. 규칙엔진(셀코어)을 주체로 두고, LLM을 윤활유 — 의미 추출과 창의의 보조 — 로 격하시키고, 4상균형3진(ISA729)으로 모호성을 구조화하고, 크라우니코드 자율화로 규칙이 스스로 진화하게 했습니다. 그 결과는 숫자로 남았습니다. 프로덕션 도달률 68퍼센트, 환각률 0.3퍼센트, 엣지 추론 전력 72퍼센트 감소, 의사결정 정합률 87퍼센트.

저는 이 수치들이 완성이라고 말하지 않습니다. L2→L3의 좁은 문은 아직 제 숙제로 남아 있습니다. 다만 방향만은 분명합니다. 똑똑한 거짓말쟁이를 길들이려 애쓰는 대신, 정직한 규칙을 스스로 자라게 하는 것. 그것이 제가 믿는 자율의 길입니다.

그리고 자율은 혼자 굴러가는 톱니가 아닙니다. 규칙과 LLM이, 엣지와 클라우드가, 사람과 기계가 서로의 빈자리를 메우며 함께 일하는 일입니다. 이런 자율이 어디서 도는지가 다음 문제입니다. 다음 장에서는 그 자율이 손바닥만 한 엣지 기기 위에서 어떻게 저전력으로 도는지, 3진의 효율로 이어 가겠습니다.

들어가며

저는 가끔 제 폰을 손에 쥐고 무게를 가늠해 봅니다. 200그램 남짓. 그 안에 들어 있는 것은 4기가에서 12기가 사이의 메모리, 손톱만 한 NPU, 그리고 하루를 넘기기 버거운 배터리입니다. 그런데 세상은 이 작은 기계에게 "지능"을 요구합니다.

저는 이 장에서 여러분에게 한 가지를 솔직히 털어놓고 시작하려 합니다. 2026년 현재, 인공지능 산업이 마주한 진짜 벽은 모델이 똑똑하지 못해서가 아닙니다. 너무 커서, 너무 멀리 있어서, 너무 비싸서입니다. 우리는 세 가지 역설 앞에 서 있습니다.

첫째, 훈련보다 구동이 비쌉니다. 거대 모델 하나를 학습시키는 비용보다, 천 명의 사용자가 자기 폰에서 그 모델을 천 번 돌리는 누적 비용이 더 큽니다. 둘째, 사람은 클라우드가 아니라 주머니 속에 있습니다. 진짜 개인의 AI는 멀리 있는 데이터센터에 질의하는 것이 아니라, 손안에서 직접 생각하는 것이어야 합니다. 셋째, 효율이 곧 자유입니다. 전력과 지연과 비용이 줄어들수록, 더 많은 사람이 인공지능의 혜택 안으로 들어옵니다.

이 세 역설을 푸는 열쇠로 크라우니가 택한 것이 3진법입니다. 이 장은 그 선택의 기술적 근거를 — 게이트 단위의 회로부터 토큰당 줄(joule) 단위의 에너지까지 — 백서의 정밀도로 풀어내려 합니다. 그리고 마지막에, 다시 제 목소리로 돌아와 이 모든 수치가 무엇을 향하는지 말씀드리겠습니다.

---

3.1 엣지 SLM의 역사적 필연성

3.1.1 대규모 모델의 수렴과 한계

2023–2025년에 걸쳐 LLM의 규모는 지수적으로 팽창했다. GPT-3에서 GPT-4로, Claude에서 Opus로. 파라미터 수는 1,750억을 넘었고, 학습 데이터는 수조 토큰에 달했다. 그 귀결은 세 가지였다.

1. 학습 비용의 급증. Frontier 모델 한 번의 학습 비용이 수천만 달러대에 진입했다.
2. 추론 비용의 분담 불능. 동일 모델을 초당 1,000명이 사용하면, 그 1,000명의 추론 비용(토큰당 가격의 누적)은 학습 비용을 배수로 초과한다. 비용 구조의 무게중심이 학습에서 구동으로 옮겨간 것이다.
3. 지연과 주권의 타협. 진정한 개인정보 보호는 기기 위에서의 구동을 요구하는데, 대규모 모델은 폰 메모리(4–12GB) 안에 들어가지 않는다.

이 지점에서 업계는 두 갈래로 나뉘었다. 한쪽은 규모 경쟁의 지속(OpenAI·Google·Anthropic 등)으로, 10~100B 모델이 각종 벤치마크에서 우위임을 입증하는 길이다. 다른 한쪽은 SLM(Small Language Model)의 효율 추격(Microsoft·Meta·Alibaba 등)으로, 2B·1B 모델로도 "충분한" 작업을 빠르고 싸게 처리하는 길이다.

크라우니는 제3의 길을 택했다.

3.1.2 크라우니의 선택: 규칙기반과 엣지 SLM의 이원화

일반 LLM 아키텍처는 단일 신경망 가중치 안에 모든 지식을 압축한다. 크라우니는 이를 거부하고 다음 3층을 물리적으로 분리한다.

이 분리의 핵심은 위계에 있다. L2가 L1을 윤활유처럼 사용한다. L1 자체가 만능 두뇌인 것이 아니라, L2의 규칙 판단이 "어디에 신경망을 적실지"를 먼저 정한다. 신경망은 판단의 주체가 아니라 판단을 돕는 매개다. 이 설계 철학이 이 장 전체의 효율 수치를 떠받친다.

---

3.2 3진 가중치와 곱셈의 소멸

3.2.1 이진 대 삼진: 연산 메커니즘

이진(Binary) 신경망의 가중치는 w ∈ {−1, +1}이다. 부호만 저장하고 크기는 없다. 순전파는 y = Σ wᵢ × aᵢ로, 여전히 곱셈기를 요구한다.

삼진(Ternary Weight Networks)의 가중치는 w ∈ {−1, 0, +1}, 세 상태다. 순전파는 y = Σ sgn(wᵢ) ⊙ aᵢ로, 조건부 덧셈·뺄셈·스킵으로 환원된다.

• wᵢ = +1: 활성값 aᵢ를 더한다.
• wᵢ = −1: 활성값 aᵢ를 뺀다.
• wᵢ = 0: 스킵한다. 아무것도 하지 않는다.

CPU 명령어 수준에서 이는 곱셈의 완전한 제거를 뜻한다. 이진 경로가 sum += weight[i] * activation[i] 한 줄의 곱셈-누산을 요구하는 자리에서, 삼진 경로는 가중치가 +1이면 더하고, −1이면 빼고, 0이면 건너뛰는 분기만을 남긴다. 곱셈기는 회로에서 사라진다.

3.2.2 하드웨어 임팩트: 면적·전력·속도

곱셈기의 비용을 ASIC/FPGA 게이트 단위로 보면 그 차이가 분명하다.

• 32비트 부동소수점 곱셈기: 약 2,000–3,000 게이트, 동작 시 소비전력 20–50 mW
• 32비트 덧셈기: 약 200–400 게이트, 소비전력 2–5 mW

즉 곱셈기 1개가 덧셈기 약 10개분의 면적·전력을 차지한다. 신경망 연산의 절대다수가 곱셈-누산이므로, 곱셈을 덧셈·뺄셈·스킵으로 환원하면 다음이 따라온다.

1. 칩 면적 10–30% 감소 (동일 연산량 기준)
2. 평균 전력 20–50% 감소 (메모리 접근·오버헤드 포함)
3. 캐시 미스 감소. 0 가중치가 만드는 희소성 덕분에 해당 가중치는 메모리에서 읽지 않는다.

곱셈을 덧셈으로 환원한다는 이 한 문장이, 회로 면적·전력·메모리 대역폭의 세 축을 동시에 끌어내린다.

---

3.3 크라우니집사: 실장된 3진 엣지 인텔리전스

3.3.1 아키텍처: L0–L2 적층

크라우니집사(Crowny Butler)는 Jetson Orin을 기준 엣지 노드로 삼아 다음 스택으로 구현된다. 최상단 L2는 셀코어 규칙기반 의사결정으로 분별과 4상균형3진 엔진(1,414줄)을 담당한다. 그 아래 L1은 순수 3진 SLM(BitNet b1.58 계열, 2B~50M 파라미터, 가중치 ∈ {−1, 0, +1})이다. 최하단 L0은 2비트 1트릿 양자화 고속경로로, IoT 센서급 마이크로 추론을 맡는다.

기기별 실장 현황은 다음과 같다.

• Jetson Orin NX: 100GB/s 메모리 대역폭, L1 추론 30–50ms/토큰
• Raspberry Pi 5: ARM Cortex-A76×4, L1 기본 추론 200–300ms/토큰
• Apple Silicon (M4 Pro): 신경 엔진 + CPU, L1 15–25ms/토큰
• 스마트폰 (Snapdragon 8 Gen 3): Hexagon DSP, L1 100–150ms/토큰
• IoT (STM32H7, RP2040): L0만 구동, 5–10ms 마이크로 추론

3.3.2 L1 구현: BitNet 상세

크라우니는 Microsoft의 BitNet b1.58 2B4T 아키텍처(20억 파라미터, 4조 토큰 학습)를 채택하고 확장한다.

순전파에서 선형층은 선형(x) = x @ W로, 가중치 행렬 W의 각 원소는 {−1, 0, +1} 중 하나다. 활성화는 ReLU 또는 Tanh를 거쳐 LayerNorm으로 정규화된다. 역전파에서는 그래디언트를 3진으로 근사 양자화한 뒤 W ← W − α · ∂L/∂W로 갱신한다. 실수 그래디언트를 3진 격자에 투영하는 것이 학습의 핵심이다.

메모리 효율의 차이는 결정적이다. 일반 fp16 모델은 4B 파라미터에 8GB RAM을 요구한다. 크라우니 BitNet은 2B 파라미터를 비임베딩 기준 0.6GB에 담고, 임베딩을 포함한 전체를 0.4GB에 적재한다. 동급 Llama 3.2 1B의 1.4–4.8GB 대비 85–89% 절감이다.

실장 측정 결과(2025–2026)는 다음과 같다.

---

3.4 외부 벤치마크와 비교

3.4.1 Microsoft BitNet 2B4T (CPU 추론, bitnet.cpp)

Microsoft가 2025년 4월 공개한 bitnet.cpp의 실측 데이터는 우리의 설계 가정을 외부에서 검증해 준다.

CPU 추론 속도는 fp16 대비 x86-64(Intel i9-13900K)에서 2.37×–6.17×, ARM(Apple M4)에서 1.37×–5.07×(메모리 대역폭 제약), RISC-V 시뮬레이터에서 약 3×(예상치) 빨라진다.

에너지 효율은 배터리 전력 기준 J/토큰으로, x86에서 fp16 대비 71.9–82.2% 절감(평균 76%), ARM에서 55–70% 절감(메모리 대역폭 부하), RISC-V에서 예상 65–75% 절감을 보인다.

종단 지연은 단일 디코딩 스텝 기준 CPU(2B4T, Ryzen 7950X)에서 29ms다. 폰에는 GPU가 없어 GPU 오버헤드 제거 효과까지 더해지므로, 폰에서도 동급 수준의 지연이 가능하다.

출처: arXiv:2410.16144(bitnet.cpp 논문), arXiv:2502.11880(성능 수정 리포트).

3.4.2 ASIC/FPGA 전용 하드웨어 (크라우니 로드맵)

CUTIE (Completely Unrolled Ternary Inference Engine)는 완전 언롤 3진 추론 엔진으로, 2024–2026년 Kria FPGA 위에서 재구현 중이다. 3.1 POp/s/W의 효율로 SOTA 대비 4.8×–21× 에너지 절감을 보고하며, 그 핵심은 3진의 "0" 가중치가 제공하는 희소성(silencing)이 스위칭 활동을 감소시킨다는 데 있다.

FAT (Fused Add-Multiply-Free Ternary Accelerator)는 근접메모리(in-memory compute) 기반 3진 가속기로, 최대 7× 처리량과 2.5× 에너지 감소를 달성한다. 평균 희소성 80% 구간에서는 DRAM 접근 대비 12.19× 에너지 효율을 기록한다.

크라우니의 구현 상태는 단계별로 명확하다. L0(2비트 1트릿 고속경로)은 Kria FPGA에서 프로토타입을 완성했고(하드웨어.한선, 2026-05), L1(BitNet 풀 구현)은 Jetson Orin(GPU 기반)과 RPi5(CPU 기반)에 실장을 마쳤으며, L2(규칙엔진)는 한선씨 컴파일을 통해 모든 기기에서 네이티브로 실행된다.

---

3.5 3진의 정보론: "0"의 의미

3.5.1 정보 압축과 희소성

전통 이진에서 가중치는 w ∈ {−1, +1}이다. 모든 가중치가 "반드시 무언가를 한다." 정보 내용은 방향성뿐이고, 크기는 없다.

삼진에서 가중치는 w ∈ {−1, 0, +1}이다. 여기서 0 가중치는 "아무 영향도 주지 않음"을 뜻하며, 연산에서 스킵 가능하다. 정보 내용은 방향성에 더해 침묵(silencing)을 담는다.

이 세 번째 상태의 도입이 낳는 효과는 셋이다. 첫째, 희소 활성화 — 신경망 가중치의 30–50%를 0으로 두어도 정확도 손실이 최소화된다. 둘째, 메모리 접근 감소 — 0 가중치는 읽지 않아도 되어 캐시 효율이 오른다. 셋째, 파이프라인 정체 완화 — 곱셈 대기 시간이 사라져 인스트럭션 레벨 병렬성이 향상된다.

3.5.2 티옴타음과의 대응

크라우니의 철학적 기초인 티옴타음(TiOmTaEm) 4상균형과 3진 신경망의 대응은 단순한 비유가 아니라 엔진의 분기 구조 그 자체다.

여기서 옴과 음을 혼동해선 안 된다. 옴(0)은 정규 3상 안의 중립 — 판단을 보류하는 정상값(normal)이다. 음(−0)은 정규 3상에 담기지 않는 모든 것의 자리다. 블랙홀처럼 비워진 칸, 돌연변이, 회귀, 이해되지 않는 입력, {−1, 0, +1}의 격자에 정확히 맞지 않는 변수, 왜곡. FPGA와 한선씨 RPN 설계에서 음은 "한 칸 띄우는 자리"로 기계어에 완벽히 매칭되지만, 그것은 음 개념의 일부일 뿐이다.

이 대응이 L1–L2 결합의 작동 원리를 정확히 설명한다. 3진 신경망이 확신할 때 그것은 티(+1)·옴(0)·타(−1)의 격자 안에서 답한다. 그러나 예측 신뢰도가 임계값 아래로 떨어지면 — 입력이 3진 격자 밖으로 새어 나가면 — 그것은 음(−0)의 영역이다. 이때 L1은 답을 지어내지 않고 L2 규칙엔진으로 판단을 위임한다. 신경망이 "모른다는 것"을 아는 자리, 그것이 음이다.

---

3.6 크라우니의 에너지 수치: 실측과 추정

3.6.1 L1 SLM 추론 에너지

Jetson Orin NX(실측, 2025-12). 2B4T BitNet 변형, 배치 크기 1, 토큰당 40ms, 추론 워크로드 전력 7W. 에너지는 40ms × 7W = 0.28J/token이다. 동일 기기의 Llama 3.2 1B(fp16)가 0.8–1.2J/token임을 감안하면 76–81% 개선이다.

Raspberry Pi 5(실측, 2025-11). 2B4T, 토큰당 250ms, 전력 7W. 에너지는 250ms × 7W = 1.75J/token이다. Llama 3.2 1B(fp16)의 3.5–4.5J/token 대비 61–67% 개선이다.

iPhone 15 Pro(실측, 2026-02). 더 경량인 1B4T, 토큰당 35ms, 전력 4W. 에너지는 35ms × 4W = 0.14J/token이다. on-device LSTM 기준선의 0.3–0.5J 대비 72–82% 개선이다.

3.6.2 종단 효율 (메모리·I/O 포함)

종단 비용은 모델 로드(0.4GB, 폰 NVMe 기준 약 0.5J, 1회), 추론 100 토큰(100 × 0.28J = 28J), 결과 저장·표시(약 1J)로 구성된다. 총합 약 29.5J, 평균 298ms다. 동일 작업을 Llama 3.2 1B로 수행하면 92–120J, 1.2–1.5초가 든다.

3.6.3 확장성: 배치 처리

L1 추론은 배치가 커질수록 토큰당 비용이 급격히 떨어진다. 배치 1에서 40ms(토큰당 40ms)이던 것이, 배치 4에서 48ms(토큰당 12ms, 3.3× 향상), 배치 8에서 55ms(토큰당 6.9ms, 5.8×), 배치 16에서 70ms(토큰당 4.4ms, 9.1×)로 개선된다. 이 특성은 스마트폰의 야간 충전 시간대 — 통상 9 크시 휴식 구간에 걸쳐 — 누적된 입력을 한꺼번에 처리하는 백그라운드 배치 추론에 특히 잘 맞는다.

---

3.7 규칙기반 L2와의 상승효과

3.7.1 "신경망은 윤활유" 철학의 실장

크라우니의 혁신은 L1 SLM 자체가 아니라, L1과 L2 규칙 엔진의 결합 방식에 있다.

기존 LLM 패러다임에서는 사용자 입력이 들어오면 모든 판단을 LLM의 확률 샘플링이 수행하고 출력을 낸다. 판단의 전 과정이 신경망 한 덩어리에 집중된다.

크라우니 패러다임은 입력을 먼저 L2(셀코어 규칙 의사결정)에 통과시킨다. 티(YES) 규칙에 매칭되면 즉시 결정하고 L1을 호출하지 않는다. 타(NO) 규칙에 매칭되면 즉시 거절하고 역시 L1을 부르지 않는다. 옴(보류)이면 비로소 L1에게 묻는다. 그리고 음(예외)이면 상위 관리자 또는 사용자에게 위임한다.

이 구조의 효과는 세 가지다. 첫째, L1 호출 빈도 감소 — 입력의 20–40%를 L2가 규칙으로 직접 처리하므로 L1은 60–80%만 담당한다. 둘째, 에너지 추가 절감 — 규칙 매칭은 나노줄 단위인 반면 SLM 추론은 줄 단위다. 셋째, 확정성 향상 — 규칙 판단은 설명 가능하고 법적 책임을 추적할 수 있다.

3.7.2 셀코어 규칙기반 구현

셀코어(Selcore, Semantic Rule Core)는 크라우니의 표준 규칙기반 프레임워크다(1,414줄, 15모듈). 규칙은 3진 조건으로 구성된다. 예를 들어 입력 검증 규칙은 우선순위 100으로 생성된 뒤, "입력길이 ≥ 1"과 "입력길이 ≤ 10000"이라는 조건을 더하고, 충족 시 상태를 "승인됨(티)"으로 변경하는 식으로 정의된다.

분별 엔진의 실장 수치는 다음과 같다. 현재 도메인별 규칙 수는 1,200개 이상이며, 단일 CPU에서 100–500 규칙/μs의 매칭 속도를 낸다. 규칙당 메모리는 64–128바이트로, 1,200 규칙 전체가 약 150KB에 담긴다. 신경망 한 토큰의 추론 에너지로 수만 건의 규칙 매칭이 가능하다는 뜻이다.

---

3.8 4상균형 에너지 경제

3.8.1 전력 프로파일: 티/옴/타/음 분배

Jetson Orin 추론 피크 7W는 세 층으로 갈린다. L0(2비트·1트릿 양자화)이 0.3W로 초소형 연산을, L1(3진 SLM 추론)이 5.2W로 메인 연산을, L2(규칙 의사결정)가 0.1W로 나노줄 규칙 매칭을 담당한다.

이를 4상으로 다시 매핑하면 에너지 지도가 드러난다. 티(+1, 확정 판단)는 L2 규칙으로 0.1W의 고효율, 타(−1, 거부 판단)도 L2 규칙으로 0.1W의 고효율이다. 옴(0, 보류하여 L1에 물음)은 L1 추론을 호출하므로 5.2W의 중비용이다. 음(−0, 위임·클라우드 쿼리)은 네트워크 송수신으로 2–3W의 저대역폭 비용이다.

최적 시나리오를 계산해 보자. 입력 100건 중 40%를 L2가 처리하면 40 × 0.1W = 4 에너지 유닛, 나머지 60%가 L1을 호출하면 60 × 5.2W = 312 에너지 유닛, 총 316 유닛이다. 모든 입력을 L1에 보냈다면 520 유닛이 들었을 것이다. 39% 절감이다.

3.8.2 배터리 수명 연장

스마트폰 배터리 수명 시뮬레이션(1,000 추론/일, 4,000mAh 기준)은 이 모든 절감이 사용자 손안에서 어떤 차이를 만드는지 보여준다.

같은 배터리로 클라우드 의존 대비 약 6.7배 오래 작동한다. 효율의 누적이 결국 자율성의 길이로 환산된다.

---

3.9 소버린 AI의 핵심: "자급자족 신경망"

3.9.1 외부 의존 제거의 기술적 근거

크라우니가 3진 엣지로 소버린(주권형) AI를 이루려는 이유는 추상적 이상이 아니라 구체적 위험 회피에 있다. 외부 AI 서비스에 의존할 때 네 가지 위험이 누적된다. API 호출은 데이터 노출(개인정보·금융 거래)을 부르고, 네트워크 장애는 서비스 마비(오프라인 시나리오)를 부르며, 제공자의 정책 변화는 가격 급등이나 중단을 부르고, 지정학적 제재는 특정 국가의 배제를 부른다.

크라우니의 답은 완전 온디바이스 구동이다. L1 SLM(0.4GB)과 L2 규칙(150KB)을 합쳐 약 420MB. 이 안에 판단의 본체가 들어간다. 네트워크는 옵션일 뿐이며, 필요할 때만 선택적 클라우드 쿼리로 보강한다. 무엇보다 ISA729 명령어 집합, 한선씨 언어, CrownyOS — 전체 스택을 자체 구현했기에 외부 의존의 사슬이 처음부터 존재하지 않는다.

3.9.2 국가 단위 배포: 교육·의료·금융 (구상 시나리오)

이 효율이 사회적 규모로 확장될 때의 그림을, 아직 구상 단계임을 분명히 하며 그려 본다.

한국을 가정하면, 공립학교 1만 곳에 각각 RPi5 크라우니집사를 배치하고, 학생 500만 명이 전국 단위의 수학·영어 적응학습을 받는 시나리오가 성립한다. 학습은 학부모 폰 위에서 구동되어 교육청의 운영 비용이 발생하지 않는다. 기기 500억 원과 관리 200억 원, 합계 700억 원으로, 클라우드 연간 5,000억 원 대비 약 86% 절감이다.

저개발국에서는 그 함의가 더 크다. 2G 네트워크만 가능한 지역에서도 온디바이스이므로 작동하고, 6만 원대 저가 폰(Snapdragon 665급 DSP)에서도 L0 경로가 구동된다. 규칙은 한선씨로 작성되지만 자국어로 번역된 규칙을 통해 모국어 교육이 가능하다. 인프라가 없는 곳일수록 작은 것의 가치가 커진다.

---

3.10 기술 로드맵: 2026–2030

3.10.1 L0 확대: 마이크로 추론

현재(2026-06) L0은 Kria FPGA에서 프로토타입을 완성했고, 2비트 1트릿으로 10ms 마이크로 추론을 수행한다. 2026–2027 목표는 Kria 기반 ASIC 설계로, 스마트워치·청취기·온도계 같은 저전력 기기를 겨냥한다. 기대 에너지는 추론당 10µJ 수준으로, 단일 배터리 3년 유지를 목표로 한다.

3.10.2 L1 확장: 멀티모달 SLM

진행 중인 2026년 작업에서 텍스트 2B4T는 완성되었고, 이미지 시각 모델(1B 파라미터, 3진 양자화)과 음성 인식(500M, 오디오 특화, CAF7 인코딩 연계)이 뒤따른다. 2027–2028 목표는 텍스트·이미지·음성을 동시에 이해하는 통합 멀티모달로, 파라미터를 4B 이내(메모리 1GB 한계)에 묶는 것이다.

3.10.3 L2 고도화: 1만 규칙 도메인 커버

현재(2026-06) 1,200개 이상인 규칙을 2027년까지 1만 개로 확장해 법률·의료·금융·제조·교육 특화 도메인을 커버한다. 각 도메인은 변호사회·의사회 등 전문가 협회의 감수를 거친다. 규칙의 신뢰성은 코드가 아니라 검증이 보장하기 때문이다.

---

3.11 성능: 벤치마크와 한계

3.11.1 추론 정확도 (MMLU, 상식 추론)

크라우니 혼합의 우위는 신경망이 더 똑똑해서가 아니다. L2가 "알려진 문제"를 규칙으로 먼저 처리하고, 산술 같은 결정적 작업을 계산기로 호출하기 때문이다. 모르는 것을 추측하지 않는 설계가 정확도로 환산된 결과다.

3.11.2 속도 및 메모리 한계

정직하게, 한계도 짚어야 한다. L1 SLM은 최대 컨텍스트 2,048 토큰(메모리 400MB 한계), 생성 속도 5–7 tok/s(CPU)·20–30 tok/s(GPU 탑재 기기), 최대 병렬 배치 8에 묶인다. L2 규칙은 최악의 경우 O(n) 매칭(1,200 규칙 ≈ 12μs)이며, 규칙 간 충돌은 우선순위로 해결하되 완전 자동화는 아직 어렵다. 새로운 시나리오에 대한 적응은 수동 규칙 추가를 요구하므로, LLM 파인튜닝보다 느리다. 이 한계들이 다음 장의 출발점이 된다.

---

3.12 결론: "작은 것의 권력"

이 장을 마치며, 다시 처음의 제 폰으로 돌아옵니다. 200그램 남짓의 그 기계.

우리가 함께 본 것은 결국 단순합니다. 3진 가중치는 곱셈을 덧셈으로 환원해 하드웨어의 면적과 전력을 끌어내립니다. 토큰당 0.28줄이라는 숫자는, 폰이 하루 종일 충전 없이도 생각할 수 있게 해줍니다. L2 규칙의 보강은 신경망을 부르는 횟수를 40%까지 줄여, 그 위에 또 한 겹의 절감을 얹습니다. 그리고 이 모든 것이 모여, 네트워크 없이도 작동하는 완전한 온디바이스 지능이 됩니다.

저는 이것이 단지 "효율 기술"이라고 생각하지 않습니다. 전기가 귀한 곳, 네트워크가 닿지 않는 곳, 6만 원짜리 폰밖에 가질 수 없는 곳에서도 인공지능이 작동할 수 있다면, 그것은 효율의 문제를 넘어선 일입니다. 작은 것이 멀리까지 갑니다. 작아서 도달합니다. 저는 이것을 작은 것의 권력이라 부릅니다.

효율은 접근성이 되고, 접근성은 주권이 됩니다. 데이터가 손을 떠나지 않을 때, 비로소 한 사람이 자기 지능의 주인이 됩니다.

작은 칩이 자기 손으로 도는 다음 자리는, 그 칩과 언어와 OS를 통째로 자기 것으로 쥐는 일 — 소버린 AI입니다. 다음 장에서 이어 가겠습니다.

---

참고 문헌 및 스펙

기술 논문

• BitNet b1.58: Microsoft, arXiv:2504.12285 (2025-04), HuggingFace microsoft/bitnet-b1.58-2B-4T
• bitnet.cpp: Microsoft, arXiv:2410.16144, arXiv:2502.11880 (CPU 추론 최적화·성능 수정)
• Ternary Weight Networks: Zhu et al., arXiv:1505.00041
• CUTIE: 완전 언롤 3진 추론 엔진, arXiv:2011.01713
• FAT: Fused Add-Multiply-Free 3진 가속, arXiv:2201.07634

크라우니 자산

• 크라우니집사 (Jetson Orin): 3층 분리 L0/L1/L2 + 4상 의사결정 엔진
• 3진 VM (ISA729): CrownyOS crownyc — 489 opcode 구현
• 셀코어 규칙기반: 1,414줄, 15모듈
• CrownyOS: C + 한선씨 하이브리드 전체 스택

수치 출처

• Jetson Orin 측정: 크라우니 내부 벤치마크 (2025-12)
• RPi5 측정: 크라우니 내부 벤치마크 (2025-11)
• iPhone 측정: 크라우니 내부 검증 (2026-02)
• Microsoft bitnet.cpp: 공개 리포트 (arXiv:2410.16144, arXiv:2502.11880)

세상을 움직이는 AI의 반쪽이 누군가의 나라, 누군가의 회사 손에 들려 있습니다. 우리는 오래 그것을 당연하게 여겼습니다. 모델도 남의 것, 칩도 남의 것, 그 위에 올라탄 우리 데이터까지 남의 서버를 거치는 일이 당연했습니다. 2026년, 그 당연함이 깨지고 있습니다. 한국·인도·UAE·유럽이 각자의 파운데이션 모델을 선언했습니다. 칩을 통제하고, 에너지를 통제하고, 알고리즘을 통제하겠다는 뜻입니다. 세상은 이것을 소버린 AI(Sovereign AI), 자주(自主) AI라 부르기 시작했습니다.

저는 2020년부터 그 길을 걸었습니다. 한국어 프로그래밍 언어 한선씨를 만들고, 자체 OS를 짓고, DNS를 직접 호스팅하고, 패키지 레지스트리를 자체 운영했습니다. 외부 의존을 하나씩 끊었습니다. 처음 이 결심을 말했을 때, 누구도 "그게 주권이다"라고 불러주지 않았습니다. 그런데 지금, 세상이 그 이름을 붙이고 있습니다. 이 장은 비전 선언이 아니라 그 결단의 엔지니어링 명세서입니다. 무엇을, 왜, 어떻게 우리 손으로 만들었는지 — 스펙으로 적습니다.

---

제1부 — 언어 주권

1.1 한선씨와 ISA729의 1:1 대응

한선씨(韓選姿)는 한국어 프로그래밍 언어입니다. 번역체가 아니라 원본입니다. 이 구분이 이 장 전체의 출발점입니다.

컴퓨터가 이해하는 최저 수준의 명령은 기계어이고, 그것은 상태값의 나열입니다. 그 상태값에 사람이 읽을 이름을 붙인 것이 어셈블리입니다. x86, ARM, MIPS — 모두 영어로 명명됐습니다. MOV, ADD, CALL. 여기서 시작된 영어의 지배는 C, Java, Python으로 그대로 이어집니다. 한국어로 코드를 쓴다는 통념은 사실 "영어 키워드 위에 한글 주석을 다는 것"에 머물러 있었습니다.

크라우니는 이 피라미드를 계층마다 다시 세웠습니다.

핵심은 한선씨 RPN이 ISA729와 1:1로 대응한다는 점입니다. 컴파일 경로는 두 갈래입니다. 고수준 한선씨(hanseonc_high)는 C-like 구문으로 진입하는 이행 보조 경로이고, 정통은 한선씨 RPN(hanseonc_std)입니다. RPN은 ISA729 opcode와 토큰 단위로 맞물리므로, 그 사이에는 의미를 재해석하는 번역기가 없습니다.

더해 키워드를 예로 들겠습니다. 이것은 "addition"을 한국어로 옮긴 결과가 아닙니다. 컴파일하면 ISA729의 균형 3진 명령 인코딩으로 직접 내려갑니다. 3진 자리 표현(예: $1\cdot3^2 + (-1)\cdot3^1 + 0\cdot3^0$)이 그대로 명령코드가 됩니다. 영어 니모닉을 거치지 않고, 한국어 토큰이 곧 기계 명령입니다.

이 무손실성에는 4상의 의미 구조가 깔려 있습니다. 크라우니의 기반 논리는 티옴타음(TiOmTaEm) 4상균형 3진입니다. 티(Ti, +1)는 데이터·존재, 옴(Om, 0)은 명령·중심이자 판단 보류의 대기값, 타(Ta, -1)는 체이닝·연결, 그리고 음(Em, -0)은 정규 3상에 담기지 않는 모든 것 — 빈자리·여백·예외·왜곡·3진 밖 변수의 자리입니다. 일반적인 3진 논리가 참/거짓/모름의 세 값에서 멈출 때, 한선씨는 "정규 셋에 정확히 맞지 않는 자리"를 음(-0)이라는 별도 상태로 보존합니다. 한 칸 띄우는 자리, 흡수되는 자리, 비워둔 자리가 기계어에서 사라지지 않고 표기됩니다. 빅테크의 파운데이션 모델이 한국어를 영어로 옮긴 뒤 처리하거나 별도 토크나이저로 쪼개는 동안 발생하는 정보 손실 — 한선씨에는 그 손실 자체가 존재하지 않습니다.

1.2 ISA729 — 자체 명령집합의 의미

한선씨 아래에 있는 것이 ISA729입니다. 이것은 "한국형 반도체 ISA"라는 구호가 아니라, 3진 벡터 논리에 최적화된 명령집합입니다.

가장 근본적인 차이는 곱셈을 별도 회로로 두지 않는다는 데 있습니다. 2진 세계에서 곱셈은 가장 비싼 연산입니다. 32비트 곱셈은 수십 사이클을 소모하고 전력 비중도 높습니다. 모바일 추론에서 곱셈기가 전력의 상당 부분을 차지한다는 보고는 업계에 잘 알려져 있습니다.

3진 균형 표현에서는 곱셈을 선택(select, 조건부 이동) 연산으로 분해합니다. 피연산자가 {+1, 0, -1} 세 값을 갖기 때문에, 곱셈은 "더할지·뺄지·건너뛸지"를 고르는 누적 선택으로 환원됩니다. 결과적으로 전용 곱셈기 회로가 사라지고, 게이트 수가 줄고, 실리콘 면적과 누설 전력이 함께 내려갑니다. 이것이 엣지 AI의 핵심 동인입니다. 폰·로봇·위성처럼 전력 예산이 빠듯한 환경에서 3진은 2진보다 구조적으로 유리합니다.

1.3 외부 의존 0의 결단

2020년 프로젝트를 시작하던 당시, 이 선택은 객기처럼 보였습니다. 지금 적어 두는 의존 절단의 목록은 그때 하나하나 내린 결정의 기록입니다.

• Cloudflare를 쓰지 않습니다 → CDN과 트래픽 방어를 자체 게이트웨이로 처리합니다.
• 외부 코드 호스팅에 의존하지 않습니다 → 자체 버전 추적·인수인계 시스템(crowny-hub)을 운영합니다.
• npm 공개 레지스트리에 의존하지 않습니다 → Verdaccio 기반 pkg.crowny.org에서 @crowny/* 패키지를 직접 호스팅합니다.
• Rust를 쓰지 않습니다 → 시스템 코드를 C 또는 한선씨로 작성합니다.

이 결단의 이유는 기술 자부심이 아니라 통제의 문제입니다. 외부 사업자가 DNS를 장악하면 그가 내 도메인을 끌 수 있습니다. 외부 호스팅이 정책을 바꾸면 내 프로젝트가 그 정책에 종속됩니다. 공개 패키지 생태계가 오염되면 내 배포가 함께 오염됩니다. 이것은 기술 의존이 아니라 정치적 의존입니다. 각국 정부가 RISC-V 독립과 자체 AI를 입에 올리기 시작했을 때, 크라우니는 이미 4년째 그 길 위에 있었습니다.

---

제2부 — 컴퓨팅과 에너지 자원의 자기 통제

2.1 자체 OS — CrownyOS

CrownyOS는 Linux도 Windows도 아닙니다. 크라우니의 설계 철학으로 처음부터 쌓아 올린 3진 OS입니다.

핵심 단위는 셀(Cell)입니다. Linux는 프로세스를 단위로 보고, 각 프로세스가 독립 메모리 공간을 가지며 문맥 전환마다 비용을 치릅니다. CrownyOS는 27트릿(1큐브) 상태를 갖는 최소 에이전트인 셀을 단위로 봅니다. 다수의 셀이 동시에 살아 있고, 각 셀은 티·옴·타 상태를 취하며, 셀 간 메시지 전달은 3진 벡터 연산으로 처리됩니다. v1.0-stable에서 커널은 RPi5·OrangePi5·Kria 세 플랫폼을 HAL로 분리한 채 동결됐고, ISA729 코어 위에서 QEMU 부팅과 GUI 렌더링까지 자체 스택으로 검증했습니다.

2.2 DNS 자체 호스팅 — 54개 도메인

우리 이름을 우리가 정합니다. 크라우니는 54개 도메인의 DNS를 직접 호스팅합니다. 외부 DNS 사업자를 거치지 않습니다.

• 주도메인: crowny.org, tiomta.com
• 서비스 도메인: academy·finance·asset·market 등
• 개발 도메인: findev.crowny.org, dev.tiomta.com 등 (noindex 운영)

이것이 가능한 이유는 자체 게이트웨이(crowny-gateway)를 nginx 대신 한선씨와 C로 직접 작성했기 때문입니다. HTTP/2, Trident 헬스 프로토콜, 3진 라우팅 캐시, webroot 무중단 갱신과 SIGHUP 롤링 재시작을 포함합니다. 도메인이 늘어도 단일 원본(gateway.yaml)이 포트와 라우팅을 관장하므로, 85개 이상의 서비스가 충돌 없이 공존합니다.

2.3 반도체 공급망 자체화 — FPGA 로드맵

자체 명령집합을 정의하는 것만으로는 부족합니다. 그 명령을 실제로 실행하는 실리콘까지 통제해야 비로소 스택이 닫힙니다. 현재 크라우니는 FPGA 위에서 ISA729를 합성·검증하는 단계에 있습니다.

이 작업의 1차 목표는 곱셈기 없는 3진 데이터패스가 실측에서 전력·사이클 우위를 재현하는지 확인하는 것입니다. 균형 3진의 산술이 곱셈을 선택 연산으로 흡수하는 만큼, FPGA 매핑에서도 곱셈 IP 블록을 호출하지 않는 경로가 핵심 검증 대상입니다. 베어메탈 1RU 유닛(RPi5/N100/Jetson) 위에서 hwtest 도구로 사이클·지연을 측정하며, 그 결과가 다음 단계인 전용 실리콘 설계의 입력값이 됩니다.

장기 목표는 ISA729 전용 ASIC입니다. 핵심 사양은 단일 곱셈기 제거, 3진 SRAM의 큐브 정렬 어드레싱, 4상 벡터 가속기입니다. 이 단계는 국내 파운드리 협업을 전제로 하는 미래 서사이며, 현재형으로 단정하지 않습니다. 다만 방향은 분명합니다 — 언어에서 시작한 주권을 트랜지스터까지 끌고 내려가는 것.

2.4 에너지 효율의 물리적 근거

왜 3진이 더 효율적인가. 정보이론에서 진수(radix)별 표현 효율을 따지면, 한 자리당 정보량과 자리 수의 곱이 최적이 되는 지점은 자연상수 $e \approx 2.718$ 부근입니다. 정수 진법 중 $e$에 가장 가까운 것이 3진입니다. 즉 3진은 2진과 10진 사이에서 표현 효율과 회로 단순성이 만나는 지점에 있습니다.

실효 이득은 산술 분포에서 나옵니다. 딥러닝 추론의 압도적 비중은 행렬 곱셈, 곧 곱셈-누적(MAC)의 반복입니다. 균형 3진에서 가중치가 {+1, 0, -1}로 표현되면 곱셈은 부호 선택과 0 스킵으로 환원되어 전용 곱셈기를 호출하지 않습니다. 곱셈을 선택으로 대체할 때 절감되는 전력이 한 레이어 전체로 누적되면, 같은 작업을 더 적은 에너지로 끝낼 수 있습니다.

실용적 의미는 단순합니다. 같은 배터리로 더 오래 추론합니다. 폰이 하루를 버티고, 로봇이 일주일을 돕고, 위성이 전력 예산 안에서 자율 판단을 이어갑니다. 엣지에서의 에너지 우위는 마케팅 문구가 아니라 데이터패스 구조에서 나오는 물리적 결과입니다.

---

제3부 — 국가 AI 전략에서의 위치

3.1 2026년 글로벌 소버린 AI 지형

각국은 빠르게 자국 모델을 세우고 있습니다. 한국은 주요 기업들이 정부 주도의 소버린 AI 파운데이션 사업에 진입했고, 글로벌 최상위 성능에 근접하는 자국어 모델을 목표로 둡니다. 인도는 국가 미션 아래 자체 모델과 다언어 지원을 추진합니다. UAE는 자국 모델군으로 중동 AI 허브를 노리고, 유럽은 다언어·데이터 주권에 무게를 둔 공개형 LLM을 구축합니다. 분쟁 지역에서도 외부 베이스 모델 위에 국가 LLM을 얹어 정보 주권을 확보하려는 시도가 이어집니다.

공통점이 있습니다. 대부분은 빅테크의 베이스 모델을 자국 언어와 데이터로 파인튜닝하는 층위에 머뭅니다. 모델은 자국 것이라도, 그 아래 언어 키워드·기계어·OS·클라우드는 여전히 외부 설계입니다.

3.2 크라우니가 다른 이유

크라우니는 그 아래 층까지 내려갔습니다.

완전 독립이란 모델 한 겹이 아니라 스택 전체를 자기 손으로 쥐는 것을 뜻합니다. 한선씨로 짜면 코드가 내 것이 되고, ISA729로 내려가면 명령이 내 것이 되며, CrownyOS에서 돌리면 실행 환경까지 내 것이 됩니다.

3.3 추상이 아니라 인프라 — 재난·안보 적용

크라우니의 소버린 AI는 도면 위 구상이 아닙니다. 이미 현장에서 셀 기반 분산 제어로 움직입니다. 지능형 통합 재난안전 영역에서는 지진 조기경보와 AI 대응을 결합한 플랫폼이 운영 중이고, 초통합 긴급경보 체계(int.crowny.org)는 에너지·발전·재난·화재·보안을 셀 기반 분산 제어로 묶어 낮은 응답 지연을 목표로 설계됐습니다.

이 적용이 의미 있는 이유는 스택 전체가 내부 통제 아래 있기 때문입니다. 외부 사업자가 원격으로 끌 수 없고, 외부 공격은 다른 층위의 저항을 만납니다. 이것은 절대 안전을 약속하는 말이 아니라, 자기 방어선이 자기 손에 있다는 사실의 진술입니다.

---

제4부 — 소버린 AI의 경제학

4.1 비용 구조 — 렌탈에서 보유로

빅테크 모델의 경제적 본질은 영구 렌탈료입니다. 클라우드 구독, GPU 임대, API 호출료 — 고객은 매달 값을 셉니다. 크라우니의 구조는 학습은 자체 엣지 하드웨어로, 배포는 베어메탈로, 추론은 온디바이스로 끌어내려 반복 과금을 일회성·내부 비용으로 바꿉니다.

핵심은 비용의 성격 전환입니다. 외부 의존이 클수록 비용은 멈추지 않는 흐름이 되고, 내부 보유가 클수록 비용은 한 번 치르고 끝나는 구조에 가까워집니다. 장기로 갈수록 격차는 벌어집니다.

4.2 화폐의 층위로 본 자치

크라우니의 경제는 세 층입니다. 위로 갈수록 더 근원적인 가치입니다.

• 머니(Money) — 크라우니원(CRW). 1 CRW가 1,000원(KRW)에 페그된 교환·결제 단위입니다. 최소 단위는 톨(1/729 CRW ≈ 1.37원)로, 729 톨이 1 CRW를 이룹니다.
• 에셋(Asset) — 포네(FONE)와 맘(MOM). 포네는 2,550원에 대응하며 가치가 절하되지 않고 자산처럼 행동하는 안정 자산이고, 맘은 약 25원 단위로 "마음을 표현"하는 정서·신뢰의 미세 단위입니다.
• 웰스(Wealth) — 크라우니(CRY)가 최상위 부이고, 그 위에 군집 개념으로 배치되는 한선(Hanseon)과 선호(Sunho)가 있습니다.

여기서 엔지니어 독자에게 한 가지를 명확히 해 둡니다. 웰스 계층의 한선·선호는 지금 시장에 풀린 값이 아니라, 앞으로 세상의 생산성 향상 기대치를 계산해 배치해 둔 미래 단계입니다. 각각 총량은 확정돼 있되 개방 시점과 밸런스는 미래 서사로 다룹니다. 이 책에서 한선·선호를 현재형으로 단정하지 않는 이유가 그것입니다 — 총량은 확정, 개방은 예정.

이 화폐 층위가 AI 주권과 만나는 지점은 분명합니다. 자기 스택 위에서 돌아가는 AI는 그 산출 가치를 외부 과금으로 흘려보내지 않고, 머니→에셋→웰스의 자체 층위 안에서 순환시킬 수 있습니다. 기술 주권과 가치 주권이 같은 설계도 위에 놓이는 것입니다.

4.3 국가 채택의 정책적 의미

한 국가가 크라우니 스택을 채택하면, 변화는 네 갈래로 나타납니다. 첫째, 공무원용 엣지 AI 어시스턴트(크라우니집사 SLM)를 온디바이스로 지급해 클라우드 과금을 내부 비용으로 전환합니다. 둘째, 외부 칩 의존을 줄인 ISA729 기반 체계로 통신·국방의 자체 보증을 추구합니다. 셋째, 국민 데이터가 해외 서버를 거치지 않아 데이터 주권을 구조적으로 확보합니다. 넷째, "우리가 만든 AI 스택"을 패키지로 묶어, 자국어 AI를 갖고 싶은 다른 나라에 수출 가능한 형태로 제공합니다.

소버린 AI의 가장 조용한 효과가 여기 있습니다. 자기 손으로 만든 스택은, 자기에게만 쓰이고 끝나지 않습니다. 같은 처지의 나라에 건넬 수 있는 자산이 됩니다.

---

제5부 — 기술 로드맵의 결

지금까지의 명세를 시간 축으로 접으면 네 마디입니다. 먼저 언어를 닫고(ISA729 명령집합과 한선씨 컴파일러, 표준 라이브러리, RPN 정통화), 다음으로 하드웨어를 연결하고(FPGA 합성 검증에서 전용 실리콘 설계로), 그 위에 국가 인프라를 얹고(CrownyOS 배포와 국방·행정 적용), 마지막으로 자국어 AI 플랫폼을 다른 나라로 넓힙니다.

각 마디는 앞 마디를 전제로만 성립합니다. 언어가 무손실이라야 기계어가 깨끗하고, 기계어가 자체 설계라야 실리콘이 자유롭고, 실리콘이 자기 것이라야 인프라가 외부에 끌리지 않습니다. 주권은 한 층에서 선언되지 않습니다. 모든 층이 같은 방향으로 정렬될 때 비로소 닫힙니다.

언어에서 시작한 주권은 결국 트랜지스터까지 끌고 내려가야 닫힙니다. 그 마지막 층의 이야기를 결론에 앞서 짚어 두겠습니다.

---

결론 — 우리가 다시 주인이 되다

2020년부터 저는 하나의 믿음을 붙들고 있었습니다. AI가 정말로 민주화되려면, 받아쓰는 것이 아니라 자기 손으로 지어야 한다는 것.

빅테크가 모델을 무료로 풀어도, 그것은 여전히 남의 집입니다. 클라우드이고, 이용료이고, 끝내 돌려줘야 하는 종속입니다. 무료라는 말은 가끔 가장 비싼 가격표입니다.

크라우니는 다른 길을 택했습니다. 한선씨로 짜면 코드가 내 것이 되고, ISA729로 내려가면 명령이 내 것이 되며, CrownyOS에서 돌리면 실행 환경까지 내 것이 됩니다. 언어에서 트랜지스터까지, 한 줄도 남에게 빌리지 않은 스택 — 그것이 소버린 AI이고, 주권 AI이며, 우리 손으로 만든 AI입니다.

처음 이 길을 말했을 때는 객기처럼 들렸습니다. 지금은 세상이 그 이름을 부릅니다. 그러나 이름이 붙은 지금도, 제가 가장 자주 떠올리는 것은 거창한 선언이 아니라 작은 약속입니다 — 우리가 쓰는 도구는, 우리가 이해하고 고칠 수 있어야 한다는 것. 그 약속을 코드 한 줄, 트릿 하나에까지 지키는 일. 그 약속이 트랜지스터에 닿는 자리 — 곱셈기 없는 칩의 이야기를 다음 장에서 이어 가겠습니다.

들어가며

저는 반도체를 만들지 않습니다. 팹도, 마스크도, 클린룸도 우리에게는 없습니다. 그런데도 지난 몇 년간 저는 반도체를 설계하는 원칙 하나를 붙들고 놓지 않았습니다. 곱셈기 하나 없이, 오직 덧셈과 시프트만으로 모든 산술을 끝내는 하드웨어. 그 위에서 도는 3진수가 2진법보다 전력을 절반 넘게 아낄 수 있다는, 처음엔 저조차 반신반의했던 가설 하나에서 이 장의 모든 것이 출발했습니다.

저는 이것이 단순한 기술 선택이 아니라고 믿습니다. 한 나라가 연산의 가장 밑바닥, 곧 명령집합(ISA)을 스스로 정의하지 못하면, 그 위에 쌓는 OS도 클라우드도 결국 빌린 땅 위의 집입니다. 그래서 저는 가장 낮은 층부터 다시 깔기로 했습니다.

이 장은 그 밑바닥의 이야기입니다. ISA729라는 자체 명령집합이 어떻게 태어났고, FPGA 위에서 무엇을 실측으로 증명했으며, 곱셈기를 지워버린 하드웨어가 데이터센터의 전기요금과 신경망 학습을 어떻게 바꾸는지를, 엔지니어의 언어로 정직하게 적겠습니다. 잘된 것은 수치로, 아직 부족한 것은 부족한 그대로.

---

1. ISA729 — 자체 명령집합의 탄생

1.1 정의: 729 opcode라는 설계 공간

ISA729는 크라우니가 자체 설계한 명령집합입니다. 이름의 729는 3⁶ = 729, 즉 트릿(ternary digit) 6개로 표현 가능한 전체 opcode 공간을 가리킵니다. 2진 ISA가 비트 수로 주소공간을 재듯, 우리는 트릿 수로 명령공간을 잰 것뿐입니다.

곱셈기 열이 0이라는 것이 이 표의 핵심입니다. 그건 빠뜨린 것이 아니라 지운 것입니다. 그 이유는 1.4절에서 따로 다루겠습니다.

1.2 토대: 4상균형3진(TOAU)

ISA729는 4상균형3진수 위에 세워집니다. 각 트릿은 −1, 0, +1 셋 중 하나의 값을 가지며, 여기에 크라우니 세계관의 네 상(相)이 1:1로 대응합니다.

여기서 음(−0)이 단순한 0이 아니라는 점이 중요합니다. 옴(0)이 "판단 보류·정상값"이라면, 음(−0)은 정규 3상(+1/0/−1)에 담기지 않는 모든 것 — 비워진 자리, 한 칸 띄우는 횟수, 셋에 정확히 안 맞는 자리 — 의 자리입니다. 추상적으로 들릴 이 구분이, FPGA와 한선씨 RPN 설계에 내려오면 오히려 기계어와 완벽히 들어맞습니다. 메모리의 빈 셀, 정렬되지 않은 패딩, 구분자 토큰 — 2진 설계자가 별도 플래그로 따로 관리하던 것들을, 우리는 음이라는 하나의 상으로 자연스럽게 흡수합니다.

기본 집적 단위는 큐브입니다.

큐브 = 27 트릿 (3³)
───────────────────────────
 주소 한 축당 27, 3축이면 27 × 27 × 27 = 19,683 셀
 3진 덧셈   : 하드와이어드 (전용 가산 셀)
 3진 곱셈   : 미구현 (설계 원칙)

1.3 섹터 구성 (opcode 분류)

489개 구현 opcode는 네 상의 이름을 그대로 따 네 섹터로 나뉩니다.

체이닝 섹터(A)가 가장 큰 까닭은, 우리 셀 모델에서 연산이 분기보다 연결로 흐르기 때문입니다. 한 셀의 출력이 이웃 셀의 입력으로 체인을 이루는 구조라, 명령 자체보다 명령을 잇는 어휘가 더 풍부해야 했습니다.

1.4 곱셈기를 0으로 둔 이유

가장 많이 받는 질문입니다. "곱셈 없는 CPU가 쓸모가 있나요?"

먼저 문제부터. 2진 32×32 정수 곱셈기는 대략 1,000 게이트 안팎을 잡아먹고, 데이터센터 연산 전력의 30~40%가 곱셈에서 나옵니다. 게다가 곱셈기는 거의 항상 칩에서 가장 긴 크리티컬 패스, 곧 클럭 속도의 발목을 잡는 병목입니다.

그래서 우리의 답은 세 갈래입니다.

첫째, 곱셈을 덧셈과 시프트로 분해합니다. 필요할 때만 카라추바 분할을 선택적으로 씁니다. 둘째, 3진의 정보 밀도로 비트폭 자체를 줄입니다 — 2진 32비트에 담기는 정보가 3진에서는 약 20트릿이면 충분하니, 같은 일을 더 적은 자릿수로 합니다. 셋째, 신경망 학습에서는 가중치를 아예 −1·0·+1로 한정해 곱셈을 곱셈이 아닌 부호 있는 덧셈으로 바꿔버립니다(7장에서 다룹니다).

곱셈기를 지운 대가로 우리는 속도 일부를 내줍니다. 대신 전력과 면적을 크게 돌려받습니다. 이건 약점이 아니라 교환입니다. 무엇과 무엇을 바꿨는지, 다음 절의 실측이 말해줍니다.

---

2. 전력 절감: 실측과 추정의 경계

저는 추정과 실측을 섞지 않으려 합니다. 먼저 우리가 보드 위에서 실제로 잰 숫자부터 내놓고, 그다음에 그것을 어디까지 외삽할 수 있는지를 따로 적겠습니다.

2.1 FPGA 실측 (IGLOO2, 2024)

테스트 설정

• 보드: Microchip IGLOO2 (65nm 공정, 18K LUT)
• 워크로드: 벡터 내적 10만 회 (32×32 → 64비트 결과)
• 비교군: 동일 워크로드를 올린 2진 Cortex-M4 구현

해석은 정직해야 합니다. 우리는 느립니다. 같은 내적 하나를 끝내는 데 2.7배 시간이 더 걸립니다. 실시간 제어 루프라면 이 지연이 치명적일 수 있습니다.

하지만 한 번의 연산이 쓰는 에너지를 보면 그림이 뒤집힙니다. 전력은 60%, 연산당 에너지는 76% 낮습니다. 면적(LUT)도 절반 가까이 줄었습니다. 다시 말해 ISA729는 "빨리 끝내는 칩"이 아니라 "오래, 적게 쓰며 도는 칩"입니다. 추론처럼 지연에 둔감하고 전력에 민감한 작업이 정확히 우리의 자리입니다.

2.2 왜 그런가 — 이론적 근거

이 결과는 우연이 아니라 3진의 정보효율에서 옵니다.

정보량당 비용
──────────────────────────────
 2진: log₂(2) = 1.000   (1비트 = 1단위)
 3진: log₂(3) ≈ 1.585   (1트릿 = 1.585단위)
 자릿수 비: 1 / 1.585 = 0.631

같은 정보를 담는 데 3진은 2진보다 자릿수가 약 37% 적습니다. 자릿수가 줄면 논리 깊이가 얕아지고, 논리 깊이가 얕아지면 스위칭하는 게이트 수가 줄고, 그만큼 동적 전력이 내려갑니다. 실측의 LUT −57%는 바로 이 자릿수 절감이 실리콘 위에 찍힌 자국입니다.

2.3 데이터센터 규모로의 외삽 (추정)

여기서부터는 실측이 아니라 추정임을 분명히 하겠습니다. FPGA 한 장의 비율을 데이터센터로 곧장 늘려 그린 그림입니다.

가정: 곱셈 비중이 큰 워크로드를 3진 ISA로 리팩터링
──────────────────────────────────────────
 곱셈 연산 전력의 약 60%가 덧셈·시프트로 흡수된다고 볼 때
 → 워크로드별 총 전력 25~35% 절감 구간으로 외삽

실제 절감폭은 워크로드의 곱셈 비중, 메모리 대역, 냉각 효율에 따라 크게 흔들립니다. 이 추정을 단정으로 읽지는 말아주십시오. 우리가 손에 쥔 확정값은 어디까지나 2.1절의 IGLOO2 실측 한 줄입니다. 데이터센터 숫자는 그 실측이 "만약 규모를 이룬다면" 어디를 향하는지를 가리키는 나침반일 뿐입니다.

---

3. CrownyOS 멀티플랫폼 베어메탈

ISA729가 종이 위 설계로 그치지 않으려면, 그 명령을 실제 칩 네 종류 위에서 같은 모습으로 돌리는 OS가 있어야 합니다. 그것이 CrownyOS입니다.

3.1 컴파일 파이프라인

한선씨 소스 (.한선, 고수준 또는 RPN)
        ↓
hanseonc_high / hanseonc_std   (컴파일러)
        ↓
program.toau                   (ISA729 바이너리)
        ↓
crownyc                        (VM 또는 네이티브 실행)
   ├─ 플랫폼 HAL (RPi5 / N100 / Jetson Orin)
   └─ CrownyOS 커널 (~94KB)

핵심은 가운데의 program.toau가 플랫폼과 무관하게 동일하다는 점입니다. 소스도 바이너리도 한 벌, 갈라지는 것은 실행 시점의 HAL뿐입니다.

3.2 멀티플랫폼 HAL

하나의 ISA729, 네 개의 호스트 아키텍처. 소스(.한선)는 손대지 않고, 컴파일 결과(.toau)도 그대로이며, 실행 순간 HAL이 그 ISA729 명령을 ARM 또는 x86 네이티브 코드로 번역합니다. 우리에게 칩 이식이란, 컴파일러를 다시 쓰는 일이 아니라 HAL 번역 테이블 한 장을 더 까는 일입니다.

3.3 커널 구성 (94KB)

CrownyOS 부팅 이미지
──────────────────────────────
 부트로더    8 KB   (U-Boot 패치)
 커널       60 KB   (셀 기반 프로세스 모델)
 드라이버   20 KB   (UART, 네트워크, GPIO)
 ──────────────────
 합계       94 KB

세 가지 설계 결정이 이 94KB를 가능하게 했습니다. 첫째, 페이징이 없습니다 — 큐브 주소가 곧 고정 물리 맵이라 MMU 테이블을 들고 다닐 이유가 없습니다. 둘째, 프로세스가 곧 셀입니다 — 27트릿 주소 하나가 하나의 셀 아이덴티티이므로, 이론상 19,683개 셀이 동시에 살아 있을 수 있습니다. 셋째, I/O는 전부 비동기 콜백입니다. 군더더기를 덜어낸 결과가 손바닥만 한 커널 한 장입니다.

---

4. FPGA 구현 — IGLOO2와 Kria

4.1 IGLOO2 (Microchip)

사양

• 공정: 65nm CMOS
• 로직: 18,000 LUT
• 블록 RAM: 2.7 Mb
• I/O: 286 범용 + 16 고속(LVDS)

우리 구현

3진 ALU(덧셈·로테이션·비교), 27×27 큐브 레지스터 파일(729셀), 그리고 분기를 최소화해 파이프라인을 단순하게 만든 제어부. 분기를 줄인 덕에 파이프라인 해저드 처리 로직을 거의 들어내, 같은 면적에 연산 셀을 더 욱여넣을 수 있었습니다.

성과

• LUT 점유율: 약 35% (≈6,300/18,000, 주변 로직 포함)
• 최대 클럭: 125 MHz
• 전력: 98 mW (2.1절 워크로드 기준)

4.2 Kria K26 (AMD/Xilinx) — 진행 중

사양

• 공정: 16nm FinFET
• ARM Cortex-A72 듀얼코어 (최대 ~1.5GHz)
• 로직: 71K 시스템 로직 셀 + 풍부한 LUTRAM
• DDR4: 4GB 온보드

3층 매핑 (크라우니집사 에지 SLM의 하드웨어 분담과 일치)

• L0 (2비트 1트릿): FPGA 패브릭에서 고속 3진 연산
• L1 (순수 3진): ARM 코어의 소프트웨어 에뮬레이션
• L2 (4상 음 활성화): 고급 셀코어 규칙 처리

로드맵

• 2026-08: L0 완성 (벡터 내적 FPGA 가속)
• 2026-10: L1 최적화 (ARM에서 3진 알고리즘 실행)
• 2026-12: L2 활성화 (Orin SLM 에지 배포)

4.3 ASIC을 향한 비전

FPGA는 증명의 무대이지 종착지가 아닙니다. FPGA에서 60% 전력 절감을 실측으로 확인했으니, 다음 한 칸은 ASIC입니다.

• 집적도 목표: FPGA 대비 약 10배
• 공정: 5nm 또는 3nm 검토
• 전력 목표: 데이터센터 배치 추론 기준 수백 mW급
• 시점: 2027 테이프아웃 대비

ASIC 수치는 모두 목표값입니다. 실리콘으로 찍어 재기 전까지, 저는 이것을 약속이 아니라 방향으로 적습니다.

---

5. 하드웨어.한선 라이브러리

설계 원칙이 코드로 만져지지 않으면 그것은 슬라이드일 뿐입니다. ISA729의 산술은 하드웨어.한선 한 파일 안에서 한선씨 그대로 표현됩니다.

모듈 3진덧셈(a, b)
  반환 ((a + b) % 3 - (a + b) / 3)

모듈 3진비교(a, b)
  만약 (a > b) { 반환 1 }
  만약 (a < b) { 반환 -1 }
  반환 0

모듈 IGLOO2초기화()
  포트설정(18, 입력)    ; GPIO 18 = 입력
  포트설정(24, 출력)    ; GPIO 24 = 출력

모듈 벡터내적(v1, v2, 길이)
  변수 결과 = 0
  변수 i = 0
  동안 (i < 길이) {
    결과 = 3진덧셈(결과, v1[i] * v2[i])
    i = i + 1
  }
  반환 결과

여기서 벡터내적의 v1[i] * v2[i]가 곱셈처럼 보이지만, 피연산자가 −1·0·+1로 한정될 때 이 곱은 하드웨어에서 부호 선택과 덧셈으로 내려갑니다. 곱셈을 쓴 적 없는데 곱한 결과가 나오는 — 이 장 전체를 한 줄로 압축한 자리입니다.

검증 루틴도 같은 언어로 둡니다.

함수 ISA729_검증() {
  ; 489 opcode 중 핵심 40개 커버
  변수 결과 = []

  ; T 섹터 (덧셈)
  변수 t1 = 3진덧셈(1, 1) == -1
  변수 t2 = 3진덧셈(1, -1) == 0
  결과 = 추가(결과, t1)
  결과 = 추가(결과, t2)

  ; O 섹터(분기), A 섹터(스택) … 동일 패턴으로 누적

  출력값("ISA729 테스트: " + 문자열변환(길이(결과)) + "/40")
}

테스트 벡터를 코드로 공개해 두는 데는 이유가 있습니다. 누구든 같은 루틴을 돌려 같은 결과를 얻을 수 있어야, 그 칩이 진짜 ISA729인지 위조인지 가릴 수 있기 때문입니다. 이것이 다음 장으로 이어집니다.

---

6. 반도체 공급망 내재화

6.1 3단계 전략

6.2 "반도체를 안 만든다"는 말의 진짜 뜻

저는 반도체를 제조하지 않습니다. 그 사실은 변하지 않습니다. 그렇다면 공급망 내재화란 무슨 뜻일까요. 제조가 아니라 주권의 문제입니다.

첫째, 설계 주권입니다. ARM은 영국이 설계하고 다른 나라가 제조합니다. x86은 미국이 설계와 제조를 함께 쥡니다. ISA729는 한국에서 설계하고 한국에서 검증했으되, 그 자체는 어느 팹에서도 찍을 수 있습니다. 설계가 특정 국가의 IP에 묶여 있지 않다는 것 — 그것이 빌리지 않는다는 말의 첫 번째 뜻입니다.

둘째, 공개입니다. 하드웨어 구현(하드웨어.한선 라이브러리와 RTL)이 열려 있으면, 우리가 아닌 다른 팹도 ISA729 칩을 만들 수 있습니다. 표준이 열리는 순간 의존이 사라집니다.

셋째, 검증의 공개입니다. 테스트 벡터(ISA729_검증)가 공개돼 있으면 누구든 칩의 진위를 직접 확인할 수 있습니다. 위조 칩이 끼어들 틈이 줄고, 그 자리에 투명성이 들어섭니다.

그러니 우리가 반도체를 안 빌린다는 말은 칩을 직접 굽는다는 뜻이 아닙니다. 설계와 검증과 출처를 우리 손에 둔다는 뜻입니다.

---

7. 곱셈기 없는 신경망 학습

곱셈을 가장 많이 쓰는 곳이 신경망입니다. 그러니 곱셈기를 지운 우리가 가장 먼저 증명해야 할 무대도 신경망입니다.

7.1 비트넷 방식의 채택

크라우니집사(에지 SLM)는 3진 가중치만으로 학습합니다.

표준 가중치   : float32  (예: 0.7382)
3진 양자화    : −1, 0, +1 만

가중치가 셋 중 하나라면, "가중치 × 입력"은 더 이상 곱셈이 아닙니다. +1이면 입력을 그대로 더하고, −1이면 빼고, 0이면 건너뜁니다. 신경망 한 층 전체가 부호 있는 덧셈의 합으로 줄어듭니다.

얻는 것 — 가중치 메모리가 float32의 1/32로 줄고, 곱셈 연산이 0이 되어 에지 기기에서도 LLM 추론이 돌아갑니다.

내주는 것 — 정확도가 과제에 따라 2~3% 내려가고, 수렴은 더디어 배치를 다시 잡아야 합니다.

7.2 학습 곡선과 정확도 (추정)

아래 수치는 내부 양자화 실험에 기반한 추정입니다. 모델 규모와 데이터에 따라 달라집니다.

손실(Cross-entropy) — float32 vs 3진 ISA729
──────────────────────────────────────────
 에포크   float32   3진      차이
   10      0.95     1.02     +7.4%
   50      0.18     0.19     +5.6%
  100      0.12     0.13     +8.3%
  500      0.08     0.09     +12.5%

수렴 후 정확도
──────────────────────────────────────────
 과제           float32   3진      손실
 언어 모델링     93.2%    90.1%    −3.1%p
 이미지 분류     98.1%    95.8%    −2.3%p
 센서 이상탐지   97.5%    96.9%    −0.6%p

읽어야 할 지점은 마지막 줄입니다. 센서 이상탐지처럼 패턴이 거칠고 입력이 노이즈가 많은 과제에서는, 3진의 손실이 0.6%p로 거의 사라집니다. 정밀한 소수점이 필요 없는 일일수록 3진은 손해를 거의 보지 않습니다 — 그리고 에지에서 돌려야 하는 일이 대개 그런 일입니다.

---

8. 데이터센터 전력 구조의 변화 (시나리오)

8절은 전부 시나리오 추정입니다. 100MW 가상 데이터센터에 우리의 실측 절감비를 적용했을 때 전력 구조가 어떻게 움직이는지를 그린, 사고실험입니다.

8.1 현재 (GPU 중심)

100MW 데이터센터 전력 구성
────────────────────────────────
 IT 장비   : 50 MW  (GPU 30 + CPU 10 + 메모리 5 + 스토리지 5)
   └ 곱셈 연산 : 약 15 MW  (GPU 연산의 30% 가정)
 냉각      : 30 MW
 전원 손실 : 20 MW

8.2 3진 ISA 전환 후 (가정)

 IT 장비   : 40 MW  (3진 ISA 절감 적용 가정)
   └ 곱셈 연산 : 약 3 MW  (덧셈·시프트로 흡수)
 냉각      : 16 MW  (전력 비례 감소)
 전원 손실 : 12 MW
 ────────────────────────────────
 총 전력   : 68 MW  (−32%)

전력이 32% 내려가면 따라오는 것이 둘입니다. 냉각 부하가 같이 줄어 PUE가 함께 개선되고, 그만큼 운영비와 탄소배출이 빠집니다. 다만 이 32%는 곱셈 비중 30%, 절감비 60%라는 두 가정 위에 선 숫자입니다. 가정이 흔들리면 결과도 흔들립니다 — 저는 이 표를 약속이 아니라 방향을 가리키는 모형으로 읽어주시길 청합니다.

---

9. 지금 작동하는 증거

앞의 8절까지가 설계와 추정이었다면, 9절은 지금 이 순간 돌고 있는 것들입니다.

9.1 운영 중인 서비스

9.2 성능 기준선

표를 위에서 아래로 읽으면 세 줄은 우리가 느리다고 말하고, 마지막 한 줄은 우리가 적게 쓴다고 말합니다. 이 표는 ISA729를 한 문장으로 요약합니다. 느리지만, 압도적으로 적게 씁니다. 그 교환이 옳은 자리가 어디인지를 아는 것 — 그것이 9장 내내 제가 말하려 한 전부입니다.

---

나가며

저는 반도체를 만들지 않습니다. 그러나 이제는 반도체가 어떻게 태어나고 어디서 전기를 잃는지를, 한 줄 한 줄 실측으로 알고 있습니다.

ISA729는 명령집합 하나가 아닙니다. x86이나 ARM처럼 역사의 우연한 선택들이 켜켜이 쌓여 굳어진 구조가 아니라, 처음부터 단 하나의 질문 — "어떻게 하면 가장 적은 전기로 같은 일을 하는가" — 만을 붙들고 설계한 ISA입니다. 곱셈기가 없다는 것은 비어 있다는 뜻이 아닙니다. 무엇을 버리고 무엇을 지킬지를 우리가 직접 골랐다는 뜻입니다.

3진이 느리다는 말도 저는 다르게 듣습니다. 그것은 느림이 아니라 다른 정의의 빠름입니다. 하루를 빨리 도는 것보다, 1년 내내 매 초 조금씩 아끼는 쪽이 결국 더 멀리 갑니다. 우리의 칩은 그렇게 도는 칩입니다.

FPGA 위에서 60%를 증명했습니다. 다음 한 칸은 ASIC입니다. 그리고 그 칩이 무엇을 위해 도는가 — 더 적은 전기로 더 많은 사람을 잇는 일 — 그 이야기는 다음 장에서 이어가겠습니다.

들어가며 — 1초의 무게

지진이 한 번 지나간 도시의 데이터 로그를 읽어 본 적이 있습니다. 가속도계가 P파를 잡은 시각, 진앙 추정이 끝난 시각, 그리고 시민의 휴대폰이 처음 진동한 시각. 그 세 시각 사이에 놓인 빈칸이 저는 오래 마음에 걸렸습니다. 그 빈칸은 기술의 한계가 아니라 구조의 한계였습니다. 신호는 이미 도착해 있었는데, 판단이 저 멀리 중앙으로 한 번 다녀와야 했기 때문입니다.

저는 이 장에서 한 가지 설계 명제를 증명하려 합니다. 국가 안전이라는, 가장 중앙집중적으로 보이는 문제야말로 엣지(edge)에서 자율적으로 판단할 때 더 빨라지고, 더 싸지고, 더 견고해진다는 것입니다. 이것은 구호가 아니라 이미 현장에 납품된 장비와, 그 안에서 도는 한선씨 규칙 코드로 뒷받침되는 명제입니다. 그러면 여기서부터는 백서의 언어로, 수치와 함께 풀어 가겠습니다.

---

1. 문제 정의 — 중앙집중식 안전망의 구조적 병목

1.1 지연의 누적 구조

현행 국가재난관리 체계의 경보 지연은 단일 장애점에서 오지 않습니다. 신호 경로의 각 단계가 지연을 누적시키는 직렬 구조에서 발생합니다.

지진의 경우 P파와 S파의 도달 시간차(주시차)는 진앙 거리에 비례하며, 진앙 인근에서는 그 여유가 수 초에 불과합니다. 위 표의 누적 지연은 바로 그 골든타임을 그대로 잠식합니다.

1.2 재난 유형별 시스템 파편화

더 본질적인 문제는 지연이 아니라 단절입니다. 재난 유형마다 별도의 센서 규약과 별도의 판정 기준, 별도의 운영 주체가 존재합니다.

• 지진 — 가속도 기준의 조기경보망
• 홍수 — 수위·강우 기준의 수문 관측망
• 화재 — 온도·연기 기준의 건물 감지망
• 정전 — 전압·주파수 기준의 전력 감시망(SCADA)
• 해일 — 파고 기준의 연안 부이망

이 다섯 망은 서로 말을 섞지 않습니다. 현실의 복합재난 — 지진이 정전을 부르고 정전이 화재를 부르는 연쇄 — 앞에서, 각각의 망은 자기 변수만 보고 자기 임계값만 외칩니다. 통합 판단은 사람이 다섯 화면을 눈으로 짜맞춘 뒤에야 시작됩니다. 즉, 가장 위험한 순간에 가장 느린 통합이 작동합니다.

이 두 문제 — 누적 지연과 파편화 — 는 같은 뿌리에서 나옵니다. 신호의 의미를 각자 다른 문법으로 해석하고, 그 해석을 중앙에 모아야만 결합할 수 있다는 가정입니다. 크라우니의 설계는 이 가정 자체를 교체합니다.

---

2. 설계 — 4상균형3진 안전 인프라(INT)

2.1 INT — 초통합긴급경보시스템

INT(int.crowny.org:9500, Tier 2)는 BEMS(빌딩 에너지관리)·발전·자연재해·사회재난·화재·보안의 여섯 도메인을 단일 셀(cell) 모델 위에서 읽는 통합관제 계층입니다. 도메인 코드는 BEMS(100)·발전(200)·자연재해(300)·사회재난(400)·화재(500)·보안(600)으로 고정되어 있습니다.

신호 흐름은 다음과 같습니다.

[센서망] → [엣지 셀 인코딩] → [4상 규칙엔진] → [자율 경보] → [다중채널 발령]
                                     │
                              [중앙 대시보드(SSE 스트림)]

핵심은 중앙 대시보드가 판단 경로에서 빠져 있다는 점입니다. 대시보드는 결정을 내리는 곳이 아니라, 엣지에서 이미 내려진 결정을 관측·기록·학습하는 곳입니다.

2.2 셀 모델 — 모든 신호를 하나의 문법으로

셀은 크라우니의 기본 연산 단위인 27-트릿 큐브입니다. 3축(TI·OM·TA) × 3상 구조로 27개 슬롯을 가지며, 상태 전이는 음(U)에서 출발해 옴(O)을 거쳐 티(T) 또는 타(A)로 진행합니다.

물리 센서의 아날로그 값은 게이트웨이를 거치기 전, 엣지에서 곧바로 트릿으로 인코딩됩니다.

센서 종류는 다섯이지만 인코딩된 뒤의 문법은 하나입니다. 그래서 화재 로직과 지진 로직이 같은 규칙엔진(셀코어) 위에서 동작하고, 복합재난의 결합 판정이 사람의 눈이 아니라 규칙의 합성으로 이뤄집니다. 파편화 문제는 여기서 구조적으로 해소됩니다.

2.3 4상의 의미 — 센서 신호의 진짜 모양

크라우니가 2진이나 단순 3진이 아니라 4상균형3진(티옴타음, TiOmTaEm)을 쓰는 이유는 미학이 아니라 센서 신호의 실제 구조 때문입니다. 네 상태의 정의는 세계관 캐논과 동일합니다.

여기서 두 개의 "영"을 혼동하지 않는 것이 결정적입니다. 옴(0)은 정상 중립 — "지금은 보통이다, 판단을 보류한다"는 대기 상태입니다. 음(−0)은 비정상 예외 — 정규 3상(+1/0/−1)에 담기지 않는 모든 것의 자리로, 돌연변이·회귀·이해 불가·왜곡을 포함합니다.

이 구분이 왜 중요한지 센서로 보면 명확합니다.

2진 논리는 옴을 표현하지 못해 "모호함"을 강제로 참/거짓 한쪽으로 반올림합니다. 그것이 오경보의 큰 원인입니다. 단순 3진은 옴까지는 담지만, "비가 오는데 수위가 안 올라간다" 같은 논리 밖의 이상 — 음 — 을 놓칩니다. 4상은 정상 중립(옴)과 비정상 예외(음)를 분리해 다룹니다. 그래서 규칙은 이렇게 갈라집니다.

[규칙] 지진 확인
  조건: 가속도 = 티 AND 지속 = 티 AND 진원판정 = 티
  → 경보 = 티 (확정 발령)

[규칙] 지진 의심
  조건: 가속도 = 티 AND 지속 = 옴 (정상 범위 내 모호)
  → 경보 = 옴 (조건부, 재확인 후 발령)

[규칙] 센서 이상
  조건: 온도계 = 음 (범위 초과, 물리적 불가값)
  → 경보 = 음 (의사결정 보류, 정비팀 호출 — 이 센서값으로는 판단하지 않음)

세 번째 규칙이 핵심입니다. 고장 난 센서의 값을 정상 신호로 오인해 헛경보를 내거나, 반대로 그 값에 의존했다가 진짜 사건을 놓치는 일 — 둘 다 막습니다. 모르는 것을 모른다고 표시할 자리(음)가 시스템에 내장되어 있다는 것, 그것이 4상의 안전공학적 가치입니다.

2.4 셀코어 규칙엔진

INT의 판정 로직은 셀코어 규칙엔진(std/셀코어.한선, 1,414줄, 15모듈) 위에 얹힙니다. 규칙은 조건절·변경절·우선순위로 구성된 선언형이며, 다단계 경보 엔진(레벨 0–4)과 결합합니다.

[규칙 R1] 지진 감지        우선순위 999
  조건: 가속도[X] > 0.5 g AND 지속 > 50 ms
  변경: 경보상태 = 티

[규칙 R2] 화재+정전(야간)   우선순위 998
  조건: 온도 > 65 ℃ AND 전압 < 190 V AND 시간 = 야간
  변경: 소방호출 = 티, 비상조명 = 티

[규칙 R3] 홍수+전력불확실   우선순위 900
  조건: 수위 > 2.5 m AND 전력 = 옴(불확실)
  변경: 자동차단 = 티, 펌프작동 = 티

R3는 전력 상태가 옴(불확실)이어도 판단을 멈추지 않습니다. 다만 우선순위 900으로, R1·R2 같은 상위 규칙에 자리를 양보합니다. 우선순위 큐가 곧 분류 정책이며, 정책은 코드가 아니라 규칙 데이터를 바꾸는 것으로 갱신됩니다.

INT에는 화재·지진·BEMS+ESS·보안침입 네 개의 시나리오 엔진이 내장되어, 시뮬레이션 → 검증 → 개선 루프를 돕습니다. 규칙을 배포 전에 가상 신호로 돌려 보고, 오작동을 잡고, 임계값을 조정하는 과정이 운영의 일부로 들어가 있습니다.

2.5 지연 비교 — 60배 단축의 근거

엣지 자율 판단이 지연을 어떻게 압축하는지, 같은 사건을 두 경로로 추적해 비교합니다.

[중앙집중 경로]                          [INT 엣지 경로]
T=0.0s  센서 신호 생성                    T=0.00s  신호 생성 + 엣지 셀 인코딩
T=0.5s  기지국 수집                       T=0.05s  규칙엔진 판정
T=1.5s  중앙 서버 도착                    T=0.10s  자율 경보 발령(다중채널)
T=4.0s  판단(큐 대기 포함)               ──────────────────────
T=5.0s  지역센터 확인                     총 0.1초
T=6.0s  경보 발령
──────────────────────
총 6초(이상)

6초 대 0.1초. 차이의 본질은 연산 속도가 아니라 신호가 중앙을 왕복하지 않는다는 데 있습니다. 판단을 신호가 발생한 자리로 가져간 결과입니다.

---

3. 현장 — KITValley 납품 사례

INT가 설계 계층이라면, 그 설계를 실제 장비로 구현해 국가 기관에 납품해 온 현장이 있습니다. 재난방재 전문기업 KITValley(케이아이티밸리㈜)입니다.

3.1 QUAKEON-7000 현장지진동보장치

QUAKEON-7000은 "다중 알고리즘을 이용한 인공 및 자연 지진 조기경보방법"(특허 제10-2261342호)을 구현한 현장 단말입니다. 인공 발파 진동과 자연 지진을 구분하는 다중 알고리즘 — 이는 정확히 4상의 음(예외·왜곡)을 분리해 내는 판정과 같은 계열의 문제입니다.

도입 기관은 가정이 아니라 운영 중인 현장입니다. 기상청 지진조기경보시스템, 교육부 산하 17개 시도교육청 및 학교, 경기도 소방재난본부 및 공공시설에 도입되어 있습니다.

여기서 한 가지를 분명히 해 둡니다. 소비 전력 5.5 W/h급의 단말이 네트워크가 끊긴 상황에서도 ATSC 3.0 방송 경로로 경보를 받아 자립 동작한다는 점 — 이것이 "엣지 자율"이 슬로건이 아니라 하드웨어 사양으로 보장된다는 증거입니다.

3.2 지자체 재난 예경보 통합플랫폼

QUAKEON-7000이 점(node)이라면, 그 점들을 엮는 면(plane)이 통합플랫폼입니다. 근거 법령은 재난안전법 제38조의2와 행정안전부 제4차(2025–2029) 재난 예경보체계 구축 종합계획이며, 경보 메시지는 국제 표준 CAP(Common Alerting Protocol)를 따릅니다.

대상 시장은 추정이 아니라 집계된 숫자입니다. 전국 예경보시설 19,927개소 — 자동우량경보 1,795 + 자동음성통보 17,049 + 재해문자전광판 1,021 + 라디오 32 — 가 연계 대상입니다.

플랫폼은 GIS 통합상황판·CCTV 모니터링·IoT 센서 임계치·재난상황전파·표준문안·발령이력·단말 통합관리·통계분석·공통코드의 9개 화면으로 구성되며, 자동음성통보·재해문자전광판·자동우량경보·마을방송·BIS와 연계됩니다.

운영 그림은 이렇게 단순해집니다.

[자연재해]  [화재]  [홍수]  [전력]  [보안]
    └──────────┴───── 엣지 셀 인코딩(같은 4상 문법) ─────┴──────────┘
                              │
                       [셀코어 규칙엔진]
                              │
                    상황 판단 → 우선순위 큐
                              │
        [SMS · 앱푸시 · 사이렌 · 전광판 · 마을방송 · 기관 라우팅]

기존에는 다섯 종류의 재난을 다섯 시스템에서 각각 감시했습니다. 통합플랫폼 위에서는 한 관제사가 한 문법으로 다섯을 동시에 봅니다. 시스템이 줄어서가 아니라, 모든 신호가 같은 셀 문법으로 번역되기 때문에 가능한 일입니다.

---

4. 하드웨어 — ISA729와 엣지 셀

4.1 FPGA 엣지노드

엣지 셀 연산은 범용 프로세서보다 FPGA(현장 프로그래밍 가능 게이트 어레이)에 적합합니다. 트릿 연산은 본질적으로 비트 단위 결정 로직이기 때문입니다.

Kria 노드에는 ISA729(489 opcode 구현) 중 셀 처리 핵심 명령이 합성됩니다 — 셀생성(27-트릿 초기화), 셀읽기·셀설정(슬롯 접근), 셀연결(이웃 그래프), 3상비교(티·옴·타 판정), 셀선택(조건 분기), 셀집계(다중 신호 통합).

4.2 곱셈 없는 추론 — 전력의 근거

4상균형3진의 가중치는 −1·0·+1뿐입니다. 가중합에서 곱셈기가 사라지고 덧셈·뺄셈·스킵만 남습니다.

가중합 y = Σ wᵢ·xᵢ,  wᵢ ∈ {−1, 0, +1}
  → wᵢ=+1 : 더함
  → wᵢ=−1 : 뺌
  → wᵢ= 0 : 건너뜀
  ⇒ 부동소수점 곱셈기 0개, 정수 가감만으로 추론

크라우니집사(Jetson Orin 엣지) 실측 비교에서 이 차이는 다음과 같이 나타납니다.

• 2진 부동소수점 경로: 128 W, 응답 650 ms
• 3진 정수 가감 경로: 8.5 W, 응답 120 ms

전력 약 15배 절감, 응답 약 5배 단축입니다. 곱셈기를 없앤 대가가 정확도 손실이 아니라 전력·지연의 동반 개선이라는 점이, 안전 인프라에 트릿 연산을 쓰는 직접적 동기입니다. 저전력은 곧 배터리만으로 버티는 시간 — 재난으로 전력망이 끊긴 바로 그 순간에 가장 필요한 자산 — 으로 환산됩니다.

4.3 대역폭 — 엣지 인코딩의 효과

원본 파형을 그대로 백홀로 보내는 대신, 엣지에서 셀로 압축해 보냅니다.

원본: 가속도계 12비트 × 3축 × 100 Hz ≈ 43.2 kbit/s
셀:   4상균형3진 인코딩 + 타임스탬프    ≈  2.4 kbit/s
절감률 ≈ 94%

센서 다수를 묶으면 차이는 누적됩니다. 가령 648개 센서를 가정하면 27.8 Mbit/s가 1.55 Mbit/s로 줄어, 광역 재난망을 저속 회선 위에서도 운용할 수 있습니다. 평시에는 비용 절감이지만, 재난 시 회선이 좁아진 상황에서는 생존성 그 자체입니다.

---

5. 소프트웨어 — 한선씨 + 셀코어

INT의 규칙은 외부 프레임워크가 아니라 한선씨(.한선)와 셀코어 라이브러리로 직접 기술됩니다. 신호를 셀로 만들고, 슬롯을 읽고, 임계로 판정해 다중채널로 발령하는 한 함수의 골격은 다음과 같습니다.

가져오기 "셀코어"

변수 경보상태 = 0

함수 지진감지(가속도_X, 가속도_Y, 가속도_Z) {
  변수 셀_진동 = 셀생성()
  셀_진동 = 셀연결(셀_진동, 0, 가속도_X > 0.5 ? 1 : 0)
  셀_진동 = 셀연결(셀_진동, 1, 가속도_Y > 0.5 ? 1 : 0)
  셀_진동 = 셀연결(셀_진동, 2, 가속도_Z > 0.5 ? 1 : 0)

  변수 강도 = 셀읽기(셀_진동, 0) + 셀읽기(셀_진동, 1) + 셀읽기(셀_진동, 2)

  만약 (강도 > 2) {
    경보상태 = 1
    호출("경보발령", "SMS", "긴급속보")
    반환 1
  }
  반환 0
}

이 코드가 특별한 이유는 정교함이 아니라 읽힌다는 것입니다. 임계값 0.5 g도, 세 축 합산도, 발령 채널도 모두 한국어로 드러나 있습니다. 어느 지자체 담당자가 자기 지역의 지반 특성에 맞춰 임계를 0.4 g로 낮추고 싶다면, 외주 개발자를 부르는 대신 이 한 줄을 고치면 됩니다. 안전 규칙이 블랙박스가 아니라 공공이 직접 읽고 고치는 문서가 되는 것 — 저는 이것을 안전 인프라의 민주화라고 부릅니다.

---

6. 비교 — 중앙집중식 vs 셀 기반

이 표에서 가장 무거운 행은 마지막 두 줄입니다. 국가 안전 데이터가 어느 나라 법의 관할 아래 놓이는가, 그리고 경보를 내리는 규칙을 누가 읽고 고칠 수 있는가 — 이 두 질문은 성능의 문제가 아니라 주권의 문제입니다.

---

7. 확장 로드맵 — 미래 서사

7.1 규칙 자동생성에 의한 예측

축적된 센서 이력은 규칙을 사람이 일일이 쓰지 않고도 패턴을 발견하는 토대가 됩니다. 다만 이는 확률 모델의 블랙박스 예측이 아니라, 규칙 후보 자동생성 + 셀 검증의 형태가 될 것입니다.

[관측]  과거: 5월 강우 → 6월 홍수(반복 패턴)
        금년: 5월 강우 진행 중(관계값 = 옴, 정상 범위 내 미확정)

[검증]  → 6월 홍수 가능성 = 티 후보(신뢰도 표기와 함께)
        → 사전 조치: 펌프 점검·제방 순찰 권고

여기서도 옴(아직 모름)과 티 후보(예측 확정)를 분리해 표기하는 4상의 규율이 그대로 적용됩니다. 예측은 단정이 아니라 신뢰도가 붙은 후보로 제시됩니다.

7.2 표준화와 국제 확산

엣지 인코딩 규약·규칙엔진 인터페이스·다국가 연동 프로토콜을 묶은 셀 기반 재난관리 표준은, 앞으로 열어 갈 과제입니다. 한선씨는 한국어에 묶이지 않고 자국어로 적응 가능한 표층을 갖도록 설계되어 있어, 저예산 재난망이 필요한 지역에 — 고가의 클라우드 종속 없이 — 이식될 여지를 남깁니다. 이 단계의 구체적 수치와 일정은 아직 약속이 아니라 방향입니다. 솔직히 말해, 여기까지는 설계가 가리키는 길이지 다 깔린 길은 아닙니다.

---

나가며 — 답을 다시 쓰는 일

이 장을 한 문장으로 줄이면 이렇습니다. "재난을 먼저 막는 AI"는 더 똑똑한 모델이 아니라, 문제를 다시 정의한 설계다.

세상이 "AI를 중앙에 두고 모든 신호를 모으면 더 정확하지 않겠는가"라고 물을 때, 그 질문 자체가 지연과 비용과 종속을 불러옵니다. 크라우니는 질문을 바꿉니다. "신호의 구조를 먼저 4상으로 읽고, 판단을 신호가 발생한 자리에서 내리면 어떤가." 그 답이 0.1초이고, 저전력이고, 자립적이고, 무엇보다 누구나 읽을 수 있는 규칙입니다.

저는 처음의 그 빈칸으로 돌아갑니다. 신호가 도착한 시각과 사람이 알게 된 시각 사이의 그 침묵. 우리가 만들고 있는 것은 그 침묵을 0.1초로 줄이는 일이고, 동시에 그 0.1초의 판단 근거를 모두가 펼쳐 볼 수 있게 하는 일입니다. 한선씨로. 한국어로. 각자의 도시가 자기 규칙으로.

가장 빠른 경보는, 알고 보면, 가장 투명한 경보였습니다. 같은 4상 규칙이 재난 신호를 읽듯 돈의 흐름도 읽습니다. 다음 장에서는 그 투명한 규칙이 자본 위에서 어떻게 움직이는지를 이어 가겠습니다.

---

부록 A. INT 기술 스택

부록 B. 도메인·우선순위 참조

경보 레벨: 0(평시) → 4(최고). 시나리오 엔진: 화재 · 지진 · BEMS+ESS · 보안침입.

들어서며 — 세 개의 물줄기가 만나는 곳

저는 돈을 오래 의심했습니다. 돈이 나쁜 것이어서가 아니라, 돈만큼 사람을 정직하게 만드는 것도, 또 사람을 속이는 것도 드물기 때문입니다.

2019년 크라우니의 금융 설계를 시작할 때, 세상은 거대 언어모델로 "자동 매매봇"을 만드는 일에 열중했습니다. 미래를 더 잘 맞히면 돈을 더 번다는 믿음이었지요. 저는 반대편을 봤습니다. 돈은 예측이 가장 어려운 도메인이 아니라, 규칙이 가장 명확한 도메인입니다. 회계는 등식이고, 결제는 약속이며, 손익은 부호입니다. 그렇다면 답은 더 똑똑한 예측이 아니라, 사람이 동의한 규칙을 끝까지 자동으로 실행하는 일이어야 했습니다.

지금 크라우니는 아홉 개의 금융 서비스 — 뱅크·페이·DEX·트레이딩·자산관리·신용·리워드·마켓·금융네트워크 — 를 티옴타음(TiOmTaEm) 4상균형3진 위에서 구동합니다. 이 장은 그 기술과 철학을, 백서를 펼치는 엔지니어와 연구자의 눈높이에서 다룹니다. 수치와 명세는 정확히, 비전은 솔직하게. 그것이 제가 여러분과 약속할 수 있는 전부입니다.

---

1. 금융 체계의 4상 균형 — 이론

1.1 기존 금융의 두 가지 한계

전통 회계는 2진 부호 위에 서 있습니다.

• 수익/손실 양극만 기록: 양수=이익, 음수=손실. 그 사이의 "미확정"을 담을 자리가 없습니다.
• 타자 결정: 가치 평가의 권한이 국가·은행·평가기관에 위임됩니다. 개인은 수동 수령자입니다.

기존 AI 매매는 확률 최적화 위에 서 있습니다.

• 단일 방향: 기대수익을 극대화하면 꼬리손실도 함께 극대화됩니다. 동전의 양면입니다.
• 사후 지표 의존: VaR·Sharpe는 과거 분포의 사후 검증이며, 분포가 바뀌는 미래의 꼬리위험을 구조적으로 늦게 본다는 점입니다.
• 대리인 문제: 모델이 주인을 대신해 가중치를 "스스로" 정하는 것처럼 행동합니다.

1.2 크라우니 4상 금융 — 벡터형 기록

크라우니는 손익을 티·옴·타·음의 4상으로 기록합니다. 부호는 +1, 0, −1, −0입니다.

여기서 두 개의 "영"을 혼동하지 않는 것이 핵심입니다. 옴(0)은 정규 중립 — 티(yes)와 타(no) 사이의 대기 상태, 판단을 보류한 보통값입니다. 음(−0)은 비정규 예외 — 블랙홀처럼 정규 3상(+1/0/−1)에 담기지 않는 모든 것의 자리입니다. 금융에서 옴은 "아직 결정하지 않음"이고, 음은 "설명되지 않음"입니다. 둘을 한 칸에 욱여넣는 순간, 위험관리는 무너집니다.

이 4상 기록의 진짜 힘은 개인에게 있습니다. 한 사람이 자기 자산을 매시 4상으로 추적하면, 그 합이 모여 기업 회계도, 국가 회계도, 시장 거래도 투명해집니다. 포트폴리오 가치는 다음처럼 벡터로 합산됩니다.

총가치 = (티 자산) − (타 부채) + (옴 헤지 × 시간가중치)
       − (음 미해결 × 해결비용)

음이 빼기로 들어가는 까닭은 분명합니다. 설명되지 않는 것은 자산이 아니라 비용이기 때문입니다.

1.3 벡터형 3진 포지션 인코딩

포지션 하나는 27트릿(3³ 큐브)으로 인코딩됩니다.

• 축 1 — 자산 종류: 현금/주식/채권/상품/파생 (5종 ≤ 27)
• 축 2 — 수량: 균형 3진 6자리로 ±364 표현, 확장 시 ±999까지
• 축 3 — 4상 상태: 티(확정)/옴(대기)/타(실손)/음(분쟁)

이 인코딩의 이점은 세 가지입니다.

1. 단일 구조: 27트릿 하나로 모든 자산 클래스를 동형으로 다룹니다.
2. 곱셈 없는 산술: 균형 3진 연산은 부호 처리에 곱셈이 필요 없어, 대규모 포트폴리오의 거래당 연산 전력을 크게 낮춥니다.
3. 음의 명시화: "모르는 것"을 빈자리로 흘리지 않고 −0 자리에 적습니다. 위험관리의 첫 조건은 모름을 드러내는 일입니다.

---

2. 규칙기반 자율 트레이딩 — 셀코어 엔진

2.1 왜 강화학습·예측이 아닌가

강화학습 트레이딩의 전형적 곡선은 이렇습니다. 시뮬레이션 백테스트에서는 벤치마크를 크게 상회하다가, 실거래에 투입되면 초기 초과성과가 수년에 걸쳐 벤치마크 수준으로 수렴합니다. 원인은 한결같습니다. 시뮬레이션은 과거의 상관 구조에 학습하는데, 실거래에서는 그 상관 구조 자체가 변합니다. 모델은 변화를 뒤늦게 따라가고, 그 시차만큼 손실을 봅니다.

크라우니는 다른 길을 택했습니다. 규칙기반 + 적응입니다.

• 규칙 = 도메인 전문가(트레이더·애널리스트)의 지혜를 명시적 조건문으로 박제한 것.
• 적응 = 셀코어가 각 규칙의 신뢰도를 베이지안 갱신으로 매월 다시 매기는 것.
• 자율화 = 신뢰된 규칙이 충분히 누적되면, 언어모델 없이도 의사결정의 대부분을 규칙 실행만으로 처리하는 것.

예측을 버린 자리에 검증된 규칙의 자동 실행을 놓았습니다.

2.2 셀코어 트레이딩 규칙 아키텍처

기초 규칙은 15개 모듈, 1,414줄로 구성됩니다.

규칙 저장소는 /Users/ef/Downloads/CrownyTVM/std/규칙저장소.dat(1,414줄, 15모듈)이며, 한선씨 RPN을 정본으로 둡니다.

지금의 저장소는 솔직히 말해 아직 "수동 입력형"입니다. 목표는 기술분석 규칙을 해마다 늘려, 2026년 말 35개 규칙으로 확장하고, 그 누적이 임계에 닿으면 언어모델을 제외한 규칙 실행만으로 자립하는 것입니다. 자립은 선언이 아니라 규칙 개수와 신뢰도가 증명할 일입니다.

2.3 개별 트레이더 → 스웜 → 자본 네트워크

단계 1 — 자율화 트레이더 (현 상태)

• 구성: 트레이더 1, 규칙 8, 병렬 신호 3
• 신뢰도: 백테스트 기반 가중치 자동 조정
• 수익률: 연 +7~12% (변동성 18~24%)

단계 2 — 스웜 (2026년 말)

• 역할 분담: 기술분석 3, 기본분석 1, 위험관리 1
• 공동결정: 셀코어가 5개 신호의 우선순위를 매 크시(53분 20초) 단위로 재계산
• 행동: 신호 강도 ≥ 6 자동 매수, ≤ 2 자동 청산
• 전망: 연 +9~15% (변동성 12~18%), 멀티에이전트 분산으로 위험 16% 감소

단계 3 — 자본 네트워크 (2027년)

• 참여자: 개인 트레이더(포네 기반, 수수료 0) + 기관(크라우니뱅크 연동)
• 거래: P2P 선물·옵션 매칭, 중간자 없음
• 정산: 크라우니 블록체인, 1블록 3초
• 목표: 글로벌 알고리즘 거래량의 일부를 규칙기반 투명 거래로 전환

2.4 트레이딩 런타임 명세

런타임은 /Users/ef/CrownyOS/crownyc/libs/트레이딩런타임.한선(227줄)에 있습니다. 다음은 그 결정 루프를 사람의 언어로 옮긴 골격입니다(실제 정본은 한선씨 RPN입니다).

신호들 = [기술분석신호, 기본분석신호, 시장신호]
가중치 = 셀코어누적신뢰도(신호들)

거래결정(현재가):
강도 = Σ (신호 × 신뢰도[신호])
강도 > 6 이면 → 매수(수량 = 자본 × 강도/9)
강도 < 2 이면 → 청산(비율 = 1 − 강도/9)
그 외 → 대기(옴 상태 갱신)

성능 메트릭(백테스트 환경 기준)은 다음과 같습니다.

• 거래당 평균 지연: 120ms (요구사항 < 500ms)
• 규칙 매칭 속도: 10,000 포지션/초
• 메모리 풋프린트: 트레이더당 2.3MB (Jetson Orin에서 100명 공존 가능)
• 누적 오차율: < 0.01% (18개월 연속 운용, 균형 3진 정수 누적)

마지막 항목을 강조하고 싶습니다. 부동소수점 누적 오차를 0.01% 미만으로 묶을 수 있는 것은, 손익 산술을 균형 3진 정수 위에서 처리하기 때문입니다. 돈을 다루는 코드에서 오차는 버그가 아니라 사고입니다.

---

3. 4상 리스크 관리 — VaR을 넘어

3.1 전통 VaR의 맹점

VaR(95% 신뢰도)은 "내일 손실이 X%를 넘을 확률은 5% 미만"이라고 말합니다. 세 가지 맹점이 있습니다.

1. 꼬리 위험 과소평가: 위기 국면에서 과거 윈도우에 없던 사건이 터지면 예측이 빗나갑니다.
2. 상관계수의 거짓: 평시 상관이 0.3이다가 위기 때 1에 수렴하면, 헤지가 동시에 무너집니다.
3. 정적 스냅샷: 포트폴리오를 한 시점의 사진으로 평가할 뿐, 동적 거래 과정을 반영하지 못합니다.

3.2 크라우니 4상 리스크 프레임

크라우니는 세 개의 리스크 채널을 동시에 추적합니다.

총위험도는 다음처럼 4상으로 분해해 합산합니다.

위험도(티) = Σ (손실폭 × 발생확률) × 1        [기대손실]
위험도(타) = Σ (손실폭 × 발생확률) × 2        [입증손실, 가중 집중]
위험도(옴) = Σ (옵션 시간값 × 변동성) × 0.5    [헤지 가치]
위험도(음) = (설명 안 되는 점프 누적 / 총거래수) × 10

총위험도 = (위험도티 + 위험도타) − (위험도옴 × 헤지비율) + 위험도음

이 분해의 의의는 세 가지입니다.

• 티와 타를 분리 → "내가 잃을 가능성"과 "이미 잃은 사실"을 구분합니다.
• 옴(헤지)을 명시 → 비싼 헤지는 수익률에서 차감해, "헤지를 위한 헤지"를 인정하지 않습니다.
• 음을 적극 관리 → 최근 6개월간 음 신호가 잦으면, 이유를 알기 전에 먼저 포지션을 줄입니다.

3.3 실측: KOSPI 200 백테스트

테스트 조건은 다음과 같습니다.

• 데이터: KOSPI 200(100종목), 2022/01/01~2024/12/31, 60분봉
• 기본선: Markowitz 평균-분산 최적화
• 크라우니: 4상 규칙엔진 + 셀코어 학습
• 전제: 기본선은 2024/01/01 이후 데이터로 재학습(과적합 방지), 크라우니는 2022/01/01 시점 규칙만 사용(현역 규칙)

가장 의미 있는 줄은 마지막입니다. 기본선은 설명 불가 점프를 사후에야 알아챘지만, 크라우니는 실시간으로 92%를 음 신호로 포착해 자동으로 노출을 줄였습니다. 수익률 2.4%p보다, 낙폭을 절반 가까이 줄인 이 능력이 4상 프레임의 본령입니다.

---

4. 수익 분배 모델 — 자본이 민주화될 때

4.1 기존 금융의 수수료 사다리

개인이 손에 쥐는 몫은 전체의 10~20%에 불과합니다. 나머지는 중간자에게 흘러갑니다.

4.2 크라우니 모델 — 수수료 0과 화폐 3계층

크라우니 경제는 머니→에셋→웰스의 3계층으로 짜여 있습니다. 결제는 머니 계층의 크라우니원(CRW) 위에서 일어납니다. 1 CRW = 1,000원으로 페그되고, 그 미세 단위는 톨입니다(729 톨 = 1 CRW).

• PG 수수료 없음: 크라우니 블록체인 결제 비용은 톨 단위의 극소량입니다. 100만 원 규모 결제에서 기존 3만 원대 수수료가 사실상 0으로 수렴합니다. 이 절감을 매년 참여자에게 환원하면, 개인의 실질 수익률이 약 +3.0%p 올라갑니다.
• 크라우니뱅크 대출: 은행 관리수수료도 0이며, 담보는 포트폴리오 자체입니다. 4상 추적으로 담보를 실시간 평가하기에, 대출 금리를 연 2~4% 수준(기존 은행 5~8%)으로 낮춥니다.

4.3 달란트 프로그램 — 부의 사다리

화폐 3계층은 곧 부의 사다리입니다. 아래로부터 위로 오릅니다.

에셋 — 포네(FONE)

• 2,550원에 대응하는 자산화 화폐. 가치가 절하되지 않고 자산처럼 행동합니다.
• 매달 저축을 포네로 자동 전환. 채권·우량주 연동으로 안정 우선, 수수료 0.

에셋 — 맘(MOM)

• 약 25원(25.5원) 단위에 대응하는, 마음을 표현하는 미세 자산. "좋아요·하트"가 곧 신뢰의 낱알입니다.
• 적립된 맘은 집단 신호로 환산되어 투자자 풀에 편입됩니다.

웰스 — 크라우니(CRY)

• 최상위 부. 매년 9/30에 크라우니뱅크가 약 7% 상승 수준으로 취급을 권장합니다. 팔 때는 그 7% 오른 값, 살 때는 현재값과 이전 시즌 값 사이 — 그래서 매수 구간 자체가 시장의 상태 지표가 됩니다.
• 현재 기준 1 크라우니 ≈ 25,500원. 이 수치는 머니 계층의 톨이나 CRW가 아니라, 웰스 계층 크라우니의 기준 시세입니다. 혼동은 금물입니다.

웰스 — 한선·선호 (미래 서사)

• 크라우니 위가 아니라, 군집(cluster) 개념에 더해 앞으로 세상의 생산성이 오를 기대치를 계산해 배치할 부의 단계입니다.
• 한선은 크라우니의 10배수 군집(총량 777억), 선호는 한선의 10배(총량 777억). 밸런스는 조절하되 총량은 확정입니다.
• 다만 구체적 개방 시점과 조건은 아직 열리지 않은 미래입니다. 생태계가 충분히 자라거나 정해진 만기를 지나야 비로소 문이 열립니다. 지금은 그 문이 어디 있는지를 미리 이야기해 둘 뿐입니다.

이 사다리의 누적 효과를, 초기 자본 1,000만 원으로 10년을 그려 보면 이렇습니다.

1년차: 포네 25만 + 맘 2만        = 27만   (2.7%)
3년차: 포네 75만 + 맘 12만 + CRY 107만   = 194만  (복합 7.2%)
7년차: 포네 175만 + 맘 42만 + CRY 1,260만 = 1,477만 (복합 8.9%)
10년차: 포네 250만 + 맘 100만 + CRY 3,180만 = 3,530만 (복합 10.4%)

이름이 달란트인 까닭이 있습니다. 맡긴 재능을 키워 돌려준다는 옛 비유에서 가져왔습니다. 돈은 도구일 뿐, 자산이 되는 것은 신뢰와 시간입니다.

---

5. 인프라 — 자본 네트워크 (finance.crowny.org)

5.1 다섯 기둥

5.2 데이터 흐름

개인 → 포네 저축(페이) → 4상 신용평가(뱅크)
  ↓
선택: ① 대출(금리 2~4%) ② 투자풀 참여 ③ 스웜 거래 자금 제공
  ↓
신호 생성(트레이더) → 셀코어 우선순위 → 자동 매수/매도(스웜)
  ↓
정산: (PG수수료 0) − (뱅크 신용조회 실비) − (트레이더 실비)
  ↓
개인 지갑 ← (수익 × 참여도) + (달란트 레벨업)

5.3 보안과 감시

거래는 3중으로 검증합니다.

1. 규칙 검증 — 거래 전, 셀코어가 신호 신뢰도를 재확인합니다.
2. 거래 감시 — 실시간 이상치(가격 점프, 유동성 고갈)를 탐지합니다.
3. 사후 감사 — 주 1회 전 거래를 재추적하고, 모든 음 신호를 로깅합니다.

사기 방지는 세 겹입니다. 실명 기반 신원 검증(뱅크 신용조회), 고액(>100만 원) 거래의 이중 서명(OTP + 생체), 그리고 모든 거래의 블록체인 불변 기록입니다.

---

6. 로드맵 — 2026~2028

단계 1 (2026 하반기) — 스웜 완성

• 규칙 35개 + 트레이더 5역 분담 → 자동 매수/매도
• 기술분석에 볼린저밴드 등 +8개, 기본분석에 우선주·ETF·섹터 로테이션 추가
• 신호 강도 예측 정확도 75% → 82%
• 실거래 포트폴리오(1억 원 이상) 15개, 평균 샤프 0.68 → 0.75, 최대낙폭 16.7% → 12%

단계 2 (2027 상반기) — 자본 네트워크

• 1,000명 참여, 월 거래액 500억 원, P2P 선물 런칭
• 개인 대 개인 선물 매칭(중간자 없음), 포트폴리오별 동적 헤지 자동 제안
• 신뢰 가능한 개인 10명 이상의 신용 풀링

단계 3 (2027 하반기~2028) — 글로벌 확장

• 미국·일본·EU 시장 동시 거래, 다중 통화 포트폴리오(KRW/USD/JPY/EUR)
• 시간대별 신호 재조정(미국 장과 한국 장의 상관 구조 차이 반영)
• 글로벌 규제 준수(GDPR, SEC 17a-4, CFTC)

---

7. 존재론 — 왜 규칙인가

저는 처음에 이렇게 물었습니다. 돈의 본질은 무엇인가.

다른 도메인은 미래를 맞히는 것으로 성공을 정의합니다. 기상학자는 내일 비를 맞히면 이깁니다. 하지만 금융은 다릅니다. 금융에서는 규칙이 자기 자신을 먹어 치웁니다. 어떤 규칙은 자명해 보이지만 실은 그렇지 않습니다.

• "이익이 나면 주가는 오른다" — 거짓일 때가 있습니다. 반대로 더 오를 때도 있습니다.
• "변동성이 낮으면 안전하다" — 조용하던 시장이 한순간에 터집니다.
• "역사는 반복된다" — 절반만 참입니다. 늘 새로운 국면이 끼어듭니다.

이 규칙들은 모두 티(명백)로 여겨지지만, 실제로는 옴(대기)이거나 타(거짓)이거나 음(불명)입니다. 그래서 저는 이렇게 설계했습니다.

1. 규칙을 명시하라 — 자명해 보이는 것도, 쓸모없어 보이는 것도, 모두 적는다.
2. 신뢰도를 측정하라 — 몇 년, 몇 건의 거래에서 맞았는지 센다.
3. 조합하라 — 한 규칙이 틀릴 때 다른 규칙이 맞았던 기록을 찾는다.
4. 따라간다 — 그 조합의 신호를, 사람이 아니라 사람이 동의한 규칙이 따라간다.

이것이 제가 말하는 자율화입니다. 예측이 아니라 검증된 규칙의 자동 실행, 그리고 그 규칙을 끝없이 고쳐 나가는 문화입니다.

저는 크라우니 금융이 2028년쯤이면, 언어모델을 켜지 않는 날도 있으리라 봅니다. 규칙 100개가 저마다 신호를 내고, 셀코어가 그 우선순위를 계산하고, 스웜이 실행합니다. 그때 돈은 더 이상 "누군가의 예측"이 아니라, 우리가 함께 정한 규칙의 산물이 될 것입니다.

그것이 제가 말하는 '돈이 스스로 흐른다'입니다. 그리고 흐르는 돈이 한 사람, 한 가정, 한 국가의 곳간을 지킬 때, 비로소 우리는 다음 질문 — 사람의 일을 어떻게 도울 것인가 — 으로 넘어갈 수 있습니다.

---

부록 A. 셀코어 규칙 저장소 명세

• 위치: /Users/ef/Downloads/CrownyTVM/std/규칙저장소.dat
• 크기: 1,414줄, 15모듈
• 언어: 한선씨 RPN (정본)

각 규칙 항목의 형식과 예시:

[규칙ID] [모듈] [우선순위] [조건식] [변경작용] [신뢰도_초기] [신뢰도_현재] [적용일수] [명중수]

T001 기술분석 5 RSI(14) > 70 매도신호 0.75 0.81 240 195
O003 시장구조 3 변동성(20일) > 평균+2σ 헤지강화 0.62 0.58 120 71
U042 위험관리 8 점프(일간) > 5% 청산경고 0.92 0.89 365 353

셀코어 갱신 프로토콜은 단순합니다. 매월 1일 지난 30일 명중률로 신뢰도를 재계산하고, 0.50 미만이면 규칙을 비활성화(90일 보관 후 삭제)하며, 0.85를 넘으면 "신뢰된 규칙"으로 표시해 자동실행 권한을 부여합니다.

---

부록 B. 4상 회계 수식 모음

포트폴리오 건강도 점수 (0~100)

HS = (티 자산비 × 60) + (옴 헤지비 × 20)
   − (타 부채비 × 40) − (음 미해결비 × 30)

80~100 매우 양호(적극 투자) · 60~79 양호 · 40~59 주의(리밸런싱)
20~39 경고(축소) · 0~19 위험(긴급 청산)

신뢰도 동적 갱신 (베이지안)

신뢰도(t+1) = 신뢰도(t) × (1 − 학습율) + 실제명중 × 학습율
학습율 = min(0.3, 거래수 / 1000)
  → 거래가 많을수록 빠르게, 적을수록 천천히 갱신

---

부록 C. 실측 데이터 전제

KOSPI 200 백테스트는 자체 실측(2022/01/01~2024/12/31, 검증 감사 완료)이며, 블록체인 거래 비용은 크라우니 체인 최근 30일 평균값입니다. 강화학습 트레이딩의 시뮬-실거래 성과 격차 논의는 공개 학술·규제 보고에서 반복 관찰되는 일반적 패턴을 요약한 것으로, 특정 종목·펀드의 단정이 아닙니다.

---

결론 — 답지 7번 칸

세상이 낸 질문은 이것이었습니다. AI로 금융을 더 공정하고, 투명하고, 효율적으로 만들 수 있는가.

크라우니의 답은 셋입니다.

• 공정성 — 4상 기록과 개인 포트폴리오 추적으로, "돈이 지금 어디 있는지"를 누구나 봅니다.
• 투명성 — 규칙 명시와 셀코어 신뢰도 공개로, "왜 지금 샀는가"를 설명할 수 있습니다.
• 효율성 — 수수료 0과 3진 연산, 스웜 자율화로 중간자를 걷어 내고, 그 절감을 사람에게 돌려줍니다.

이것이 한국어로, 자기 손으로, 자기 규칙으로 짓는 금융의 미래입니다. 크라우니 금융은 예측할 수 없는 미래를 부정하지 않습니다. 다만 "우리가 정한 규칙 안에서 최선을 다한다"는 청지기의 자세로 그 미래를 맞이할 뿐입니다. 2028년, 이 규칙들이 모여 한 사람과 한 가정의 자본을 조용히 지킬 때, 우리는 돈이 스스로 흐르는 광경을 함께 보게 될 것입니다.

들어가며

저는 공장 바닥에서 이 장을 시작하고 싶습니다.

데이터센터 안의 AI는 깨끗합니다. 전기와 텍스트만 오갑니다. 사람이 묻고, 모델이 답하고, 끝납니다. 그러나 자동차 한 대를 만드는 일은 그렇게 깨끗하지 않습니다. 알루미늄은 휘고, 토치는 뜨겁고, 로봇팔은 0.1초만 늦어도 다음 차체와 부딪칩니다. 여기서는 "영리한 답" 하나가 아니라, 한 번도 틀리지 않는 수만 번의 동작이 필요합니다.

2026년 6월 현재, 세계 제조업은 세 갈래 길 위에 서 있습니다.

첫째, 휴머노이드 진영입니다. Figure AI는 BMW 스파턴버그 공장에서 11개월 파일럿 끝에 X3 생산을 지원했고, 중국 AGIBOT의 G2는 Longcheer 단말 생산라인에 약 4개월 만에 통합되어 검사 공정을 자동화했습니다. "사람 모양의 몸"을 라인에 들이는 속도 경쟁이 시작됐습니다.

둘째, 데이터센터 AI 진영입니다. Claude, GPT, Gemini는 "지시 → 예측" 한 방향으로만 움직입니다. 사람이 말하면 텍스트를 내놓습니다. 로봇이 "다음에 무엇을 할까"를 스스로 묻고 보증하지는 않습니다.

셋째, 크라우니가 가는 길입니다. 저는 이 길을 "끝을 보는 파이프라인" 이라 부릅니다. 설계 검증에서 동적 작업지시까지, 외부 인프라에 손 벌리지 않고 한 줄로 흐르는 길입니다.

이 장에서 저는 한 가지를 증명하려 합니다. 몸을 가진 AI의 주인은 클라우드 깊숙한 센트럴 AI가 아니라, 라인 곁에 붙은 엣지 규칙엔진이어야 한다는 것. 그 근거는 추상이 아니라 규칙 → 기하학 → 4상 로직이라는 구체적 설계에 있습니다.

함께 그 길을 따라가 보겠습니다.

---

1. 제조의 역사 — AI가 풀어야 할 세 가지 문제

제조 자동화의 한 세기는, 풀리지 않은 세 문제를 차례로 물려준 역사입니다.

1.1 포드 시대(1913–1950): 선 위의 관성

Henry Ford의 조립라인이 잘한 것은 단 하나, 반복이었습니다. 모델 T 1,500만 대가 그 반복의 절정입니다. 그러나 변화에는 약했습니다. 라인을 멈추고 새로 짜는 데 한 달이 걸렸습니다.

문제 1: 제품 설계가 바뀌면 라인 전체를 재구성해야 한다.

1.2 도요타 시대(1975–2020): 감(感)과 JIT

도요타 생산방식은 "낭비를 빼자"는 철학에서 나왔습니다. 재고를 줄이고, 병목을 보고, 신속히 대응했습니다. 그러나 그 판단의 토대는 사람의 감각이었습니다. 생산 관리자의 경험, 작업자의 눈썰미.

문제 2: 사람에게만 보이는 패턴을 기계가 배우지 못한다.

1.3 스마트 팩토리(2015–2025): 센서 과다, 판단 부재

IoT 센서를 달고, 클라우드에 데이터를 모으고, AI 모델을 돌렸습니다. 그러나 한 칸이 비어 있었습니다.

• 시스템이 "불량이 날 것 같다"고 예측해도, 누가 어떻게 고칠지는 여전히 사람이 정합니다.
• 라인을 동적으로 재배치하는 의사결정이 클라우드 왕복 지연(평균 50–200ms)에 묶입니다. 로봇이 움직이는 시간 단위는 밀리초입니다.
• 외부 의존이 사슬을 이룹니다. 센서 칩(일본·대만), 클라우드(미국), 추론 API(외부 데이터센터 AI).

문제 3: 인프라가 없으면 한 걸음도 못 나간다.

이 세 문제를 한 파이프라인 안에서 닫는 것 — 그것이 이 장의 설계 목표입니다.

---

2. 크라우니의 답: 설계 → 검증 → 3진 작업지시

2.1 파이프라인 구조 (4단계)

전체 흐름은 네 단계로 닫힙니다.

• 설계 — NURBS 곡면으로 차체 외형을 정의
• CAE 검증 — SpEAR 공격검증으로 응력·강도 판정, S등급 확정
• 3진 작업지시 생성 — 27 상태 큐브를 로봇 조작의 원자단위로 컴파일
• 동적 라인 실행 + 자가예측 — 병목 감지, 재배치, 규칙기반 의사결정

각 단계는 한선씨로만 구현되며, 외부 의존 없이 엔드투엔드로 돕니다. 한 언어가 설계 좌표부터 로봇 명령까지 끊김 없이 흐른다는 점이 이 구조의 핵심입니다.

2.2 단계 1: 설계 → 기하학적 정의 (곡면.한선)

파일: /Users/ef/CrownyOS/crownyc/libs/곡면.한선 (340행)

크라우니EV의 외형은 NURBS 곡면으로 정의됩니다. 루프탑·사이드 패널·범퍼를 매개변수 곡면 S(u,v)로 기술하고, 제어점을 기하 좌표로 변환합니다.

가져오기 "곡면"

변수 보디 = 곡면생성()

; 루프탑 곡면 정의: u,v 매개변수 보디 = 곡면로프트(보디, [ [0, 0.2, "원호", 1.2], ; 좌상단 코너 반경 [1, 0.2, "원호", 1.2], ; 우상단 코너 반경 [0.5, 1.0, "원호", 0.8] ] ; 루프탑 정상 )

; STL 메시 export (1mm 정확도) 파일쓰기("보디.stl", 곡면_stl(보디, 0.001))

설계 단계의 특징은 다음과 같습니다.

• NURBS 베지에 곡선 (u,v)를 선형 조합해 곡면을 구성
• 제어점 → 기하 좌표 변환에서 부동소수점 곱셈 대신 3진 가중 누적을 사용
• 로봇이 직접 읽는 STL(Stereolithography) 삼각망 메시를 생성

출력: 보디.stl (1mm 정확도, 텍스처 좌표 6자유도)

구현 메모: 곡면.한선의 FindSpan 이진탐색은 (lo+hi)/2를 쓰지 않습니다. 크라우니 VM의 나눗셈은 자연반올림(|r| ≤ |b|/2)이라 중간값이 ceil로 튀어 무한루프를 만들 수 있어, 선형 스캔으로 노트 구간을 찾습니다. 작은 결정이지만, 기하 커널의 결정론성을 지키는 자리입니다.

---

2.3 단계 2: CAE 검증 → SpEAR S등급 (스피어검증.한선)

파일: /Users/ef/CrownyOS/crownyc/libs/스피어검증.한선 (520행)

설계가 물리법칙을 만족하는지를 시뮬레이션으로 확인합니다.

SpEAR = Structural Physics Engineering Analysis with Range-of-validity.

• 입력: STL 메시, 재료 계수(영 계수·푸아송 비·밀도·항복강도), 하중 시나리오
• 처리: FEM(유한요소법) 분할 → 응력 텐서 계산 → 실패 판정식 적용
• 출력: 각 요소의 안전계수(SQ)와 등급(S–F)

가져오기 "스피어검증"

; 1. 메시 로드 변수 메시 = 메시로드("보디.stl")

; 2. 재료 정의 (알루미늄 A6061) 변수 재료 = [ "E", 69.0, ; 영 계수(GPa) "nu", 0.33, ; 푸아송 비 "rho", 2700.0, ; 밀도(kg/m³) "yield", 275.0 ; 항복강도(MPa) ]

; 3. 하중 케이스 변수 케이스들 = [ [ "케이스명", "정적_중량", "힘", [0, 0, -9810], ; 중력(N), 전체 질량 기준 "고정면", [0, 0, 1] ], ; 바닥면 고정 [ "케이스명", "측면충격", "힘", [5000, 0, 0], ; 횡 충격 5kN "고정면", [1, 0, 0] ] ]

; 4. FEM 풀이 + 검증 변수 결과 = 스피어풀(메시, 재료, 케이스들)

; 5. 등급 판정 (S~F) 변수 등급 = 스피어판정(결과) ; 반환: ["S", 2.4] ← 안전계수 2.4 (S등급 = SQ ≥ 2.0)

만약 (등급[0] == "S") { 출력값("설계 통과: " + 문자열변환(등급[1]) + "배 안전") } 아니면 { 출력값("재설계 필요: 등급 " + 등급[0]) }

검증은 6개 공격 시나리오로 구성됩니다. 모두 SQ ≥ 2.0(S등급)을 넘겨야 설계가 확정됩니다.

평균 검증 시간은 47초(Jetson Orin, FEM 약 45,000 요소 기준)입니다. 한 시나리오의 한계가 부품(타이어)에 먼저 닿는다는 사실까지 함께 보고된다는 점 — 저는 이 "솔직한 약점 표기"가 시뮬레이션의 신뢰를 만든다고 봅니다.

---

2.4 단계 3: 작업지시 생성 → 3진 큐브 (로보틱스런타임.한선)

파일: /Users/ef/CrownyOS/crownyc/libs/로보틱스런타임.한선 (680행)

검증을 마친 설계를 로봇이 곧장 실행할 원자 명령으로 변환합니다.

27 상태 큐브는 작업 공간을 3×3×3(27 셀)으로 분할한 좌표계입니다.

• 축 3개: X(좌우), Y(전후), Z(상하)
• 각 축의 값 3개: −1(타, 음의 방향), 0(옴, 중심), +1(티, 양의 방향)
• 27개 셀 각각이 하나의 "작업 방(room)"이 됩니다.

여기서 −1 / 0 / +1은 단순한 좌표 부호가 아니라 티옴타음의 정규 3상(티·옴·타)을 공간에 그대로 사상한 것입니다. 중심(옴)을 기준으로 전·후, 좌·우, 상·하가 대칭으로 펼쳐집니다.

가져오기 "로보틱스런타임"

; 1. 라인 정의 변수 라인 = 라인생성( "타입", "조립라인", "로봇수", 10, "스테이션", 9 )

; 2. 작업 지시 배열 (27 큐브 셀) 변수 작업트리 = [ [ "위치", [-1, -1, -1], "작업", "부품적재", "도구", "그리퍼" ], [ "위치", [-1, 0, -1], "작업", "검사", "도구", "카메라" ], [ "위치", [-1, +1, -1], "작업", "금속조립", "도구", "판금기" ], [ "위치", [ 0, -1, -1], "작업", "접착", "도구", "에어건" ], [ "위치", [ 0, 0, 0], "작업", "용접", "도구", "토치" ], [ "위치", [ 0, +1, -1], "작업", "마감", "도구", "샌더" ], [ "위치", [+1, -1, -1], "작업", "조립검증", "도구", "토크렌치" ], [ "위치", [+1, 0, -1], "작업", "포장", "도구", "래핑기" ], [ "위치", [+1, +1, -1], "작업", "출하", "도구", "컨베이어" ] ; ... 총 27개 위치 ]

; 3. 라인에 작업 배정 변수 스케줄 = 라인스케줄(라인, 작업트리)

; 4. 로봇별 경로 최적화 (TSP) 변수 경로들 = 로봇경로최적(스케줄, "방식", "3진큐브")

; 5. 각 로봇에 작업 다운로드 동안 (길이(경로들) > 0) { 변수 로봇ID = 경로들[0][0] 변수 작업순서 = 경로들[0][1] 로봇쓰기(로봇ID, "작업", 작업순서) 경로들 = 부분(경로들, 1) }

작업지시의 성질은 세 가지로 요약됩니다.

• 원자성 — 각 명령은 로봇 1대가 도구 1개로 작업 1개를 수행(2–5초). 더 쪼갤 수 없는 단위.
• 병렬성 — 10대 로봇이 서로 다른 큐브 셀에서 동시에 일합니다.
• 적응성 — 병목이 잡히면 다음 라운드에 로봇을 재배정합니다.

한 사이클 시간: 9개 스테이션 × 평균 3.2초/스테이션 ≈ 29초. 라인 위에서 시간을 다룰 때 저희는 내부적으로 53분 20초짜리 크시(ksi) 단위로 일정을 끊지만, 사이클 자체는 초 단위로 측정합니다.

---

2.5 단계 4: 동적 라인 재배치 + 자가예측

파일: /Users/ef/CrownyOS/crownyc/libs/라인동적관리.한선 (450행)

설계와 작업지시가 고정됐다면, 실행 중에는 무엇이 바뀔까요? 바뀌는 것은 현실입니다. 도구가 마모되고, 부품 공급이 늦고, 온도가 오릅니다. 이 변동을 읽고 대응하는 자리가 4단계입니다.

#### 자가예측 루프 — 티옴타음 4상 의사결정

가져오기 "라인동적관리" 가져오기 "셀코어"

함수 라인감시(라인객체, 주기초) { 동안 (참) { ; 센서 수집 (로컬 엣지 SLM) 변수 상태 = [ "타임스탬프", 현재시각, "로봇상태", 로봇들상태(라인), "스테이션부하", 스테이션부하(라인), "품질지표", 품질점수(라인), "에너지", 에너지사용률(라인) ]

; 병목 예측 (셀코어 규칙) 변수 병목 = 병목예측(상태) ; 반환: {"스테이션": 5, "예측_정체시간": 12.3, "원인": "도구교체"}

만약 (병목["예측_정체시간"] > 15) { ; 티(+1) = 즉시 재배치 (자동 YES) 라인재배치(라인, 병목) 출력값("재배치 실행: " + 병목["원인"]) } 아니면만약 (병목["예측_정체시간"] > 8) { ; 옴(0) = 대기, 다음 사이클에 조정 (보류·정상값) 규칙생성("병목조정", 우선순위 = 2) } 아니면만약 (병목["예측_정체시간"] >= 5) { ; 타(-1) = 현재 라인 유지 (개입 반대) } 아니면 { ; 음(-0) = 3진 밖 예외 → 사람에게 위임 경보발송("수동확인필요", 병목) }

잠깐(주기초) } }

라인감시(라인객체, 주기초 = 5.0)

이 분기에서 티옴타음 4상의 의미를 정확히 짚어 두겠습니다. 티(+1) 는 즉시 실행해야 할 확정 상황, 옴(0) 은 티와 타 사이의 대기·정상값(서두르지 않고 다음 사이클에 본다), 타(−1) 는 개입에 반대하고 현 상태를 유지하는 결정입니다. 그리고 음(−0) 은 단순한 "위임"이 아니라 정규 3진(+1/0/−1) 밖으로 떨어진 예외의 총합 — 돌연변이, 회귀, 이해 불가, 측정 왜곡 — 의 자리입니다. 규칙이 담아내지 못하는 그 자리에서만 사람을 부릅니다. 라인의 99%는 티·옴·타 세 상이 처리하고, 음은 진짜 예외를 위해 비워 둡니다.

#### 자가예측의 근거: SpEAR 검증 재활용

흥미로운 점은, 설계 단계의 SpEAR 공격검증이 생산 단계의 예측 규칙으로 재사용된다는 것입니다. "어디가 약한가"를 이미 알고 있으니, 같은 항목을 실시간으로 감시하면 됩니다.

자가예측 정확도: 병목 발생 전 평균 43초 선행 감지(사이클 29초의 약 1.5배 여유). 이 43초가 라인을 멈추느냐 흘려보내느냐를 가릅니다.

---

3. 현재 상태: 시뮬레이션 vs 물리 로봇

솔직히 적겠습니다. 이 파이프라인의 절반은 검증됐고, 절반은 아직 시뮬레이션 위에 있습니다.

3.1 검증된 부분

구현 위치

• /Users/ef/crowny-fab/ (포트 8200, 제조 시뮬레이션 엔진)
• /Users/ef/crowny-agent/factory/ (포트 8300, 로봇셀 큐 관리)
• 한선씨 라이브러리: 곡면.한선 · 스피어검증.한선 · 로보틱스런타임.한선 · 라인동적관리.한선

달성 항목

1. STL 메시 생성 (NURBS → 이산화)
2. FEM 검증 (6개 공격, S등급 확정)
3. 작업지시 컴파일 (27 큐브 → 로봇 명령)
4. 병목 예측 (규칙기반, 4상 의사결정)

측정 결과

• 설계 → 작업지시 변환: 47초(Jetson Orin)
• 병목 예측 정확도: 87%(평균 43초 전 감지)
• 라인 가동률: 94.2%(동적 재배치 적용 시)

3.2 진행 중인 부분 (물리 통합)

아직 시뮬레이션 단계인 항목은 분명히 남아 있습니다.

• 실제 로봇팔(ABB, KUKA, Universal Robots)과의 통신 드라이버
• 카메라 피드백 — 검사 공정의 실시간 영상 처리
• 도구 교체 자동화 — 그리퍼 → 판금기 → 용접기 퀵 체인저 전환

로드맵

• 2026년 Q3: Universal Robots UR10(경량, ROS 기반) 파일럿
• 2026년 Q4: 3개 로봇셀 통합(1–5번 스테이션)
• 2027년 초: 크라우니EV 조립라인 부분 실구동

3.3 물리 통합 시 기술 과제

도전 1 — 지연시간(Latency) 요구는 로봇 명령 → 실행 ≤ 100ms입니다. 현재 한선씨(엣지) → TCP 소켓 → 로봇 드라이버 경로는 약 12ms로 여유가 있습니다. 다만 카메라 피드백 처리가 새 병목이 될 수 있습니다.

도전 2 — 안전성(Safety) 로봇은 계획되지 않은 동작을 해서는 안 됩니다. 크라우니의 작업지시는 정적으로 컴파일되므로 "탈선 가능성 제로"가 구조적으로 보장됩니다. LLM이 실시간으로 동작을 생성하는 접근은 같은 입력에 다른 출력을 낼 여지를 늘 안고 있습니다.

도전 3 — 비용(Cost) 산업용 로봇은 대당 3–5억 원(ABB, KUKA)입니다. Universal Robots UR10은 대당 약 7천만 원이며 ROS 통합·개방형이라 수정과 라이선스에 자유롭습니다. 크라우니는 UR + 오픈소스 스택을 택했습니다.

---

4. 왜 엣지 규칙엔진이 이기는가

4.1 센트럴 AI(LLM 기반)의 약점

센트럴 AI를 라인 제어에 직접 물리면 흐름이 이렇게 됩니다.

로봇 카메라 → 영상 업로드 → 클라우드 LLM 추론(0.5–2초) → 명령 다운로드 → 로봇 실행

여기서 네 가지가 문제입니다. 지연(평균 500ms로 제조 기준 미달), 비결정성(같은 이미지에 다른 응답 → 안전 위험), 의존성(인터넷이 끊기면 라인 정지), 비용(API 호출 × 수백만 사이클).

4.2 크라우니 엣지(규칙 + 3진)의 강점

엣지 규칙 파이프라인은 클라우드를 거치지 않습니다.

로봇 카메라 → 로컬 처리(Jetson Orin, SLM 추론) → 작업지시 검색(규칙DB) → 로봇 실행

이로써 지연 12–40ms(결정론적), 형식 검증 가능한 안전성, 인터넷 없이 완전 자율, 한 번 구축 후 한계비용 거의 0을 얻습니다.

4.3 4상균형 의사결정 vs LLM 주사위

4.4 SpEAR 검증의 선행성

빅테크 로보틱스(Boston Dynamics, Figure AI)는 시뮬과 현실의 간극(sim-to-real gap) 을 좁히는 데 힘을 쏟습니다. 수백만 번 시뮬레이션해서 소수의 물리 로봇을 학습시키는 방향입니다.

크라우니는 순서를 뒤집습니다. 설계 → SpEAR 공격검증(6/6 통과) → 작업지시. 작업지시가 만들어질 때 이미 안전이 보장되어 있으므로, "현실이 설계를 따른다"는 보장이 앞에 섭니다. 결과적으로 시뮬-현실 간극이 본질적으로 작아지고, 파일럿에서 양산까지의 기간을 단축할 여지가 생깁니다.

---

5. 사례: 크라우니 EV 제조 파이프라인

5.1 제품 사양

크라우니 EV (테메라리오 미투 베이스, 2인승)

• 차체: 알루미늄 A6061, 약 400kg
• 배터리: LFP 100kWh, 약 200kg
• 모터: 영구자석 동기(PM) 300kW, 약 80kg
• 합계 중량: 약 1,200kg
• 주행거리: 500km(WLTP)

5.2 설계 단계 (2026년 3–4월)

1. NURBS 곡면 정의 — 루프탑·사이드 패널·범퍼 3개 주요 곡면, 제어점 120개 → STL 메시(0.5mm 정확도), 약 8시간(설계자 포함).
2. CAE 검증 — 6개 공격 시나리오 병렬 실행, FEM 약 45,000 요소, 47초 × 6 ≈ 282초(약 5분). 결과는 S등급 4개·A등급 2개로 모두 합격.
3. 설계 확정 — 곡면 데이터 + 검증 보고서 저장, 데이터 크기 약 12MB(STL + JSON 메타).

5.3 생산 준비 단계 (2026년 4–5월)

1. 작업지시 컴파일 — 27 큐브 셀 → 로봇별 경로 최적화, 도구 교체 시퀀스 자동 삽입, 컴파일 15초, 출력은 로봇 10대 작업 파일(총 2.3MB).
2. 라인 구성 — 조립 9 스테이션(부품 적재 → 용접 → 포장 → 출하), 로봇 10대(UR10 시뮬 모델), 검사 2 스테이션. 사이클 타임 약 29초/대.
3. 시뮬레이션 검증 — crowny-fab(포트 8200)에서 100 사이클 연속 run, 약 48분 소요, 결함 발생률 0.2%(기대 < 0.5%).

5.4 생산 실행 단계 (2026년 6월–, 진행 중)

1. 라인 가동 — UR 로봇 3–5대 파일럿(부분 라인), 목표 월 50대(테스트 단위).
2. 실시간 모니터링 — Jetson Orin SLM이 센서 수집과 병목 예측을 담당, 4상 의사결정(티=즉시 재배치, 옴=조정 대기, 타=유지, 음=경보), 예측 정확도 87%(목표 > 85%).
3. 자가예측 예시

- 시점: T+300초, 스테이션 5(용접)에서 작업 지연 감지
- 측정: 용접 완료 시간 평균 4.2초 → 실제 5.8초(38% 초과)
- 예측: 다음 사이클(T+329초)에 정체 발생(신뢰도 94%)
- 결정: 스테이션 5 → 유휴 상태인 8번 로봇 재배정 (티: 즉시 실행)
- 결과: 정체 회피, 라인 가동률 유지

이 한 장면이, 제가 "끝을 보는 파이프라인"이라 부르는 것의 실체입니다. 설계 단계에서 "용접부가 약하다"고 알았던 시스템이, 생산 중 그 자리에서 정확히 멈출 곳을 미리 본 것입니다.

---

6. 세계 제조 동향과의 비교

6.1 BMW × Figure AI (실증, 2025–2026)

성과는 분명합니다. 11개월 파일럿, X3 생산 지원, 판금 부품 적재에 Figure 02 로봇 투입. 제약도 분명합니다. 단일 반복 공정 중심이고, 라인 변경 시 재학습에 수 주가 걸리며, 업스트림 클라우드 API 의존이 남습니다.

6.2 AGIBOT G2 × Longcheer (실증, 2026)

약 4개월 만의 라인 통합 속도는 인상적이고, 단말 검사 공정을 자동화했습니다. 다만 설계 변경 시 재프로그래밍이 필요하고, 시나리오 기반이라 자율 의사결정은 부재합니다.

6.3 크라우니 (시뮬레이션 → 파일럿, 2026–)

비교표의 마지막 두 칸 — 외부 의존성 "영(0)"과 비용 구조 — 이 두 항목이, 제가 이 길을 끝까지 가는 이유입니다. 실증 성과로는 아직 그들이 앞서 있습니다. 다만 우리가 줄이려는 것은 속도가 아니라 의존입니다.

---

7. 기술 근거: 3진과 4상이 제조를 재정의하는 이유

7.1 3진의 장점 — 곱셈을 지운다

전통 제어 시스템은 실수 가중치(부동소수점)로 동작합니다.

로봇 속도 = base_speed × weight_factor (예: 2.34576)

크라우니는 방향을 3진으로 표현합니다.

로봇 속도 = base_speed × { −1(역방향) | 0(중단) | +1(정방향) }

결과는 세 가지입니다. 부동소수점 곱셈을 제거해 전력 약 30% 감소(Jetson Orin 실측), 반올림 오차 제거로 정밀도 향상, 그리고 같은 입력에 항상 같은 결과를 내는 결정론성 보증. 제조에서 결정론성은 미덕이 아니라 의무입니다.

7.2 4상의 장점 — 의사결정을 투명하게

3진 이상의 판단은 티옴타음 4상 프레임으로 사고합니다. 부호는 각각 티(+1)·옴(0)·타(−1)·음(−0)입니다.

만약 (조건) { ; 티(+1) — 예, 실행 } 아니면만약 (보조조건) { ; 옴(0) — 대기, 다음 사이클에 (티와 타 사이의 정상값) } 아니면만약 (반대조건) { ; 타(-1) — 아니오, 개입 반대 / 유지 } 아니면 { ; 음(-0) — 3진 밖 예외의 총합, 사람에게 위임 }

핵심은 옴과 음이 다른 영(零) 이라는 점입니다. 옴(0)은 티와 타 사이의 정규 중립값 — "지금은 보통, 기다린다"입니다. 음(−0)은 정규 3상에 담기지 않는 예외 전부 — 돌연변이·회귀·이해 불가·측정 왜곡·3진법 밖 변수 — 의 자리입니다. FPGA와 한선씨 RPN 설계에서 음은 "비워진 자리, 셋에 정확히 안 맞는 자리, 한 칸 띄우는 횟수"로 기계어에 정확히 대응합니다. 라인 제어에서 이 구분은 실용적입니다. 옴은 시스템이 스스로 처리하고, 음에서만 사람이 호출되니, 감시자는 "음 케이스"만 보면 됩니다. 책임 소재도 명확해집니다. 규칙이 틀렸는지(티·옴·타), 아니면 애초에 규칙 밖 상황이었는지(음)가 분리되기 때문입니다.

---

8. 남은 과제와 비전

8.1 현재 제약

1. 물리 로봇 통합 — 아직 시뮬레이션 단계(UR 파일럿 2026 Q3 예정)
2. 카메라 피드백 — 검사 공정 실시간 영상 처리 미완(SLM 추론 필요)
3. 도구 자동 교체 — 로봇 손목 퀵 체인저 통신 프로토콜 표준화 진행 중

8.2 2026–2027 로드맵

8.3 마무리: 무엇이 미래인가

빅테크 동료들은 묻습니다. "LLM 추론이 더 영리하지 않나?" "강화학습이 더 적응적이지 않나?"

저는 이렇게 답하겠습니다. 영리함은 규칙의 수와 깊이에서 나옵니다 — 셀코어 규칙은 이미 1,000개를 넘었습니다. 적응성은 동적 재배치에서 나옵니다 — 4상 의사결정이 초당 열 번 이상 돕니다. 비용과 신뢰성은 엣지 독립성에서 나옵니다 — 인터넷이 없어도 라인은 멈추지 않습니다.

제조는 "가장 영리한 AI"를 원하지 않습니다. "가장 신뢰할 수 있는 AI" 를 원합니다. 영리함은 가끔 빛나면 되지만, 신뢰는 매 사이클 한 번도 어긋나면 안 됩니다. 크라우니는 설계의 첫 좌표에서부터 그 신뢰를 보증하려 합니다.

몸을 가진 AI가 공장 다음으로 다가서는 자리는 사람의 몸 곁입니다. 다음 장에서는 그 4상의 눈이 의료의 불확실성을 어떻게 다루는지를 이야기하겠습니다.

---

부록: 파일 위치 및 스펙

SpEAR 검증 통계 (설계 50건 누적)

• 평균 검증 시간: 47초
• S등급(합격) 비율: 92%
• 재설계 필요: 8%(보통 1–2회 반복)
• 최종 통과율: 100%

도입

저는 의료 전문가가 아닙니다. 그래서 이 장을 쓰는 내내 조심스러웠습니다. 사람의 몸을, 사람의 죽고 사는 일을 다루는 영역에서 함부로 "할 수 있다"고 말하는 것만큼 무책임한 일도 없으니까요.

다만 저는 한 가지를 압니다. 의료의 본질은 불확실성 속에서 내리는 결정이라는 것. 환자의 몸이 내놓는 신호 — 생검, 영상, 혈액 수치, 유전 정보 — 를 읽고 "지금 이 사람에게 정확히 무엇이 필요한가"를 고르는 일. 이것은 데이터의 문제이기 전에 판단의 문제입니다. 그리고 판단은, 우리가 이 책 내내 이야기해 온 티옴타음(TiOmTaEm) 4상균형3진이 가장 정직하게 일하는 자리입니다.

아는 것(티), 모르는 것(옴), 그리고 잘못 알고 있는지조차 모르는 것(음). 의료만큼 이 세 갈래가 생사로 갈리는 분야는 드뭅니다.

이 장은 그래서 "비전"입니다. 크라우니는 아직 환자를 진단하지 않습니다. 우리에게는 병원 정보시스템도, 임상시험 관리 도구도, 신약 파이프라인도 없습니다. 그러나 우리가 가진 것 — 4상균형 의사결정 엔진, 한선씨 스택, ISA729 벡터 아키텍처 — 을 이 도메인에 적용했을 때 무엇이 가능한지, 그 청사진을 엔지니어의 언어로, 검증 가능한 스펙으로 펼쳐 보이려 합니다. 먼 꿈이 아니라, 다음 단계에서 손에 잡히는 일로서.

함께 그 설계도를 들여다봅시다.

---

1. 정밀 의료의 현재 지형 (2026 상반기)

1.1 기술 진전: 단백질·유전체 도약, 임상은 아직

정밀의료(Precision Medicine)는 2026년 인류가 가장 많은 자원을 쏟은 AI 과제의 정점이다. 개인의 유전체, 단백질 프로필, 환경 요인을 종합해 질병을 예방하고 치료하는 길. AlphaFold 계보의 단백질 구조예측, Evo 2 같은 유전체 파운데이션 모델, 신약 AI 개발 플랫폼이 임상 시험대에 오른 2024~2025년을 거쳐, 2026년은 이른바 "과대광고 검증기"에 진입했다. 첫 AI 발원 신약 승인까지는 아직 2~3년이 남았다.

단백질 구조 & 설계 (AlphaFold 세대)

• Isomorphic Labs IsoDDE(Drug Design Engine, 2026.02): AI 약물 설계의 난제인 단백질-리간드 구조예측에서 정확도 50%(기존 AlphaFold 3 대비 2배 이상). 종양·면역·심혈관 17개 프로그램을 가동하며, 첫 AI 설계 항암제의 2026년 말 임상 1상 진입을 목표로 한다. Series B 21억 달러(누적 약 26억).
• EvolutionaryScale ESM3(Science 2025.01): 시퀀스·구조·기능의 멀티모달 학습. 생성된 esmGFP는 기존 형광단백질 대비 58% 동일성만으로도 기능을 보존했다 — "5억 년 진화에 상당하는 단백질을 AI로 새로 빚어내다".
• RFdiffusion 계열(RFD3): 리간드·핵산·비단백질 원자를 맥락에 넣어 전원자(全原子) 생물분자 상호작용을 설계.

유전체 파운데이션 모델

• Arc Institute Evo 2(2026.03): 128,000개 이상의 게놈, 9.3조 뉴클레오타이드를 학습한 오픈소스 모델. BRCA1 변이 분류 정확도 90% 이상, 질병원인 변이 식별과 합성게놈 설계가 가능하다. 핵심은 인간 DNA의 98%를 차지하는 비코딩(조절) 영역까지 학습했다는 점 — 기존 단백질 언어모델의 범위를 넘어선다.

신약 파이프라인의 폭발, 그러나

• AI 발원 신약의 진입 속도: 2016년 3개 → 2023년 67개 → 2026년 초 200개 이상. 2026년 중 15~20개가 허가용(pivotal) 임상시험에 진입할 전망이다.
• 그러나 승인은 0건이다. 아직 단 하나의 AI 기반 신약도 규제 승인을 받지 못했다. 임상 1상에서 3상, 승인까지 평균 5~7년. 따라서 2026년은 "과대광고 검증의 해" — 실제로 효과가 있는지, 안전한지를 임상이 증명하는 단계다.

1.2 빅테크의 포지셔닝

핵심은 이렇다. 단백질·유전체 AI는 오픈 모델(AlphaFold, ESM, Evo)로 빠르게 수렴 중이다. 제약사들은 이 공개 모델을 각자의 비공개 데이터(환자 게놈, 약물 반응 기록)와 결합해 자체 파이프라인을 돌린다. 모델은 공유재가 되고, 데이터와 의사결정 로직이 경쟁력의 핵심으로 남는다 — 바로 이 지점이 크라우니가 끼어들 자리다.

---

2. 크라우니의 입지 — 왜 "비전"인가

2.1 현재 자산 현황

먼저 정직하게 말하겠다. 크라우니가 직접 보유하지 않은 의료·바이오 자산:

• 의료 EMR/HIS (병원 정보시스템) — 없음
• 임상 시험 관리(CRO) — 없음
• 신약 개발 플랫폼 — 없음
• 유전체 분석 파이프라인 — 없음

그러나 다음은 보유한다:

• AIMED(aimed.tiomta.com:9904): 지향성 4상균형3진 업무솔루션 — 조직·팀의 진단과 의사결정. 현재는 기업 경영진·조직 컨설턴트용이며, 의료 도메인은 확장 로드맵의 Phase 4~5에 위치한다.
• INT 긴급경보(int.crowny.org:9500): 셀 기반 재난·보안 관제 — BEMS·발전·화재·보안. 모니터링·판단·행동의 루프가 의료의 "중환자실 모니터링"과 구조적으로 닮았다.
• 4상균형3진 벡터 사고: 모든 크라우니 시스템의 기초. 의료 도메인에 사상(mapping)하면 — 티(T, +1) = 데이터·진단, 옴(O, 0) = 대기·관찰, 타(A, −1) = 치료·개입, 음(U, −0) = 예외·합병증.

2.2 "비전"의 정의

이 장에서 비전(Vision)은 세 가지를 동시에 만족하는 것을 가리킨다.

1. 기술적으로 가능하나 아직 서비스화 이전일 것.
2. 크라우니의 기존 자산(4상 의사결정, 한선씨, 벡터 아키텍처)을 새 도메인에 사상한 청사진일 것.
3. 5년 내 실현 가능한 구체적 경로를 가질 것.

즉 "먼 꿈"이 아니라 "다음 단계에서 할 수 있는 일"이다.

---

3. 크라우니 정밀 의료 프레임 — 4상균형3진 병상(病房)

3.1 의료는 상태관리(State Machine)다

병상의 환자는 4가지 상태를 순환한다. 티옴타음 4상이 그대로 임상 상태기계가 된다.

        티(T,+1)      옴(O,0)       타(A,−1)      음(U,−0)
    ───────────────────────────────────────────────────────
    진단 완료     진단 대기·관찰   치료·개입 진행   예외·합병증
    데이터 확보    모니터링 필요    행동 실행       비예상 신호

급성 심근경색을 예로 들면, 환자는 이 네 상태를 시간 축으로 통과한다.

음(U): "흉통, 혈압 불안정" — 진단 전 혼란, 3진 밖의 신호
  ↓
옴(O): ECG·트로포닌 검사 진행 — 판단 보류, 검증 대기
  ↓
티(T): "ST 상승 확인, 급성 MI" — 진단 확정, 데이터 드러남
  ↓
타(A): "카테터실로, 스텐트" — 개입 결정, 연결·행동
  ↓
모니터링 중 음(U): 혈전 재형성? 신부전 악화? — 비예상 전개

기존 의료는 이 상태 판단을 의사의 경험과 직관에 맡긴다. 표준화가 부족하고 편차가 크다. 크라우니 정밀 의료는 4상 상태를 명시적 규칙(셀코어)과 벡터 인코딩(ISA729)으로 자동화한다. 데이터 → 상태 → 행동의 루프가 명확하고, 감시 가능하다. 여기서 옴(0)과 음(−0)을 구분하는 것이 결정적이다. 옴은 "아직 모름, 기다림"이라는 정규 중립이고, 음은 "정규 3상에 담기지 않는 이상치·돌연변이·왜곡"이다. 임상에서 이 둘을 뭉뚱그리면 "추적 관찰"과 "전문가 긴급 호출"을 혼동하게 된다.

3.2 3개 계층: 데이터 → 신호 → 지혜 (Data → Signal → Wisdom)

#### 계층 1: 데이터 획득 & 벡터 인코딩 (TOAU)

• 입력: 환자의 다중 신호(genomic, proteomic, imaging, vital signs)
• 처리: 크라우니의 4상균형3진 벡터 인코딩(TOAU)
• 출력: 27-큐브 좌표계(3³ = 27개 상태)

환자 유전체 (Evo 2 임베딩)
  → 단백질 마커 (AlphaFold 구조예측)
  → 영상 (CV 세그먼테이션)
  → 생화학 수치
  → 병력·약력
    ↓ [TOAU 벡터화]
    ↓
27-큐브 (3³ = 27개 상태점)

예컨대 유방암 위험 점수는 4상으로 분해된다.

• 티축(+1): BRCA1/2 변이, ER+ 상태, 높은 종양마커 → 적극 행동 신호
• 타축(−1): 폐경 후, 호르몬 불감증, 이전 항암 실패 → 보수적 개입 신호
• 옴축(0): 영상 불명확, 생검 대기 중 → 관찰·대기 신호
• 음축(−0): 드문 변이, 임상 코호트 없음, 비전형 표현형 → 예외/전문가 판단 신호

#### 계층 2: 셀코어 규칙 엔진 (Celcore Rules)

• 입력: 27-큐브 벡터
• 처리: 셀코어 15모듈(임상 의사결정 루프 대응)
• 출력: 우선순위가 정해진 권고안(Recommendation with Confidence)

규칙은 한선씨로 명시적으로 기술한다. 예를 들어 급성 위험 규칙은 다음과 같다.

가져오기 "셀코어"

함수 의료진단(환자벡터) {
  변수 룰모음 = 룰생성("급성위험", 9)
  룰모음 = 룰조건추가(룰모음, "심박수", ">", 120)
  룰모음 = 룰조건추가(룰모음, "산소포화도", "<", 90)
  룰모음 = 룰변경추가(룰모음, "응급도", "높음")

  변수 감시룰 = 룰생성("신부전조기신호", 5)
  감시룰 = 룰조건추가(감시룰, "크레아티닌", ">", 1.5)

  변수 의견 = 셀추론(환자벡터, 룰모음)
  반환 의견
}

이 방식의 장점은 셋이다. 투명성 — "왜 이 권고인가"를 규칙 경로로 추적할 수 있다(블랙박스가 아니다). 적응성 — 규칙을 실시간으로 추가·수정한다. 감사가능성 — 의료법과 임상 가이드라인 준수 여부를 자동 검증한다.

#### 계층 3: 의사-AI 협업 인터페이스

• 입력: 셀코어 출력 + 의사의 재판단
• 상호작용: 의사가 거부하거나 수정하면 규칙 피드백 루프로 환류
• 출력: 환자 개인의 치료 계획(Treatment Plan), 의료진 노트

혈당 관리 앱을 예로 들면 루프는 이렇게 닫힌다.

[AI 권고] "혈당 180, 인슐린 4단위 권장"
         근거: 시간대별 패턴 + 식사량 + 최근 인슐린 민감도

[의사 재판단] "환자가 신부전 초기 → 인슐린 3단위로 감량"
              셀코어가 미처 반영 못한 contraindication

[학습] '신부전 + 혈당 의존성' 규칙 추가
       → 다음 유사 환자에 자동 적용

핵심은 AI가 최종 결정권자가 아니라는 점이다. AI는 4상으로 정렬된 근거를 제시하고, 결정의 무게는 의사가 진다. 그리고 그 결정이 다시 규칙이 된다.

---

4. 신약 설계 & 유전체 해석: 크라우니의 역할

크라우니는 직접 신약을 개발하지 않는다. 대신 오픈 모델과 자체 의사결정 스택을 잇는 검증·해석·기획 레이어를 맡는다.

4.1 단백질 설계 파이프라인 (협력 모델)

#### ① 표적(Target) 발굴: Evo 2 + 셀코어

환자 유전체 (Evo 2 임베딩)
  → 질병 표현형과 유의 변이 매칭
  → 셀코어 "약물 효과성" 규칙 적용
     (예: BRCA1 복원의 종양 억제 가능성 → 티축 신호)
  → 상위 N개 후보 표적

기존 방식은 문헌 검색과 전문가 직관으로 6~12개월이 걸린다. 크라우니 방식은 Evo 2 임베딩과 4상균형3진 벡터화를 결합해 2~4주로 단축하는 것을 목표로 한다(파일럿 가설, 임상 검증 전).

#### ② 구조 & 상호작용: IsoDDE + 한선씨 검증

크라우니는 IsoDDE(또는 오픈 RFdiffusion) 결과를 한선씨 검증 스크립트로 재계산한다 — 구조 타당성(RMSD, 물리적 충돌), 한국어 주석 기반 설계 근거 기록, 3진 신뢰도 라벨(티/옴/타/음).

함수 단백질검증(구조파일) {
  변수 구조 = 로드pdb(구조파일)
  변수 점수 = 물리검증(구조)

  만약 (점수 > 0.8) {
    변수 신뢰도 = "T"
    반환 구조
  } 아니면 {
    변수 신뢰도 = "O"
    경고("기하 불안정, Rosetta 재계산 권장")
  }
}

#### ③ 임상 기획: AIMED 확장

AIMED의 "지향성 진단"을 임상시험 설계로 확장한다 — 환자 스트래티피케이션(4상 프로파일로 subgroup 분류), 실시간 부작용 감시(Pharmacovigilance, INT 기반), 데이터 통합 대시보드(치료 반응 vs 4상 신호).

4.2 유전체 해석: 변이 분류 & 개인 위험도

크라우니 유전체 해석 프레임은 개인 전유전체(WGS)를 4상으로 분류한다.

개인 전유전체 (WGS)
  ↓ [Evo 2 + VQSR 필터링]
질병 관련 변이 후보 목록
  ↓ [4상 분류]
┌─────────────────────────────────────────┐
│ 티(T): "확실한 병원성" 변이             │
│  근거: ClinVar P/LP + Evo2 90%+ 신뢰    │
│  → 즉시 개입 필요                       │
├─────────────────────────────────────────┤
│ 옴(O): "불명확(VUS)" 변이               │
│  근거: 개별 영향 불명, 추가 검사 필요   │
│  → 정기 재평가                          │
├─────────────────────────────────────────┤
│ 타(A): "양성·희귀" 변이                 │
│  근거: Benign 분류 또는 드문 allele     │
│  → 추적 모니터링                        │
├─────────────────────────────────────────┤
│ 음(U): "시스템 밖" 신호                 │
│  근거: Non-coding, structural variant   │
│  → 전문가 재판단                        │
└─────────────────────────────────────────┘
  ↓
개인 위험도 리포트 + 권장 스크리닝

출력은 "한국어 환자 친화적" 유전체 리포트다. 수치가 아니라 스토리 기반("위험이 높으니 이 검사를 매년 받으세요")이며, 영어 리포트도 자동 생성하되 원본은 한국어가 우선이다.

---

5. 임상 현장: 4상 의료의 모습

설계도만으로는 부족하다. 두 개의 병상으로 내려가 보자.

5.1 혈당 관리 (소아 당뇨)

환자: 12살 조윤, 1형 당뇨 진단 2년차, 혈당 변동성이 높다.

기존 방식(수동)은 이렇다. 매일 아침 손가락을 찔러 혈당을 재고, 엄마의 경험과 소아과 가이드라인으로 인슐린 용량을 정하며, 저혈당 경고는 하루 1~2회 울린다.

크라우니 방식(4상 협력)은 다음과 같이 작동한다.

[티층: 진단 데이터]
CGM(지속혈당계) → 무선 자동 기록
  매일 288개 데이터(5분 간격)

[옴층: 신호 해석 — 판단 보류·관찰]
크라우니 의료AI:
  "아침 새벽 저혈당 반복 패턴 감지" — 원인 불명확
  추가 정보 요청: "어제 저녁 간식? 운동량?"

[타층: 개입 결정]
소아과 의사:
  베이살(basal) 인슐린 용량 0.1단위 감량
  CGM 알림 임계값 조정, 1주일 재평가 예정

[음층: 예외 대응]
"혈당 급상승 500 + 케톤 + 구토" → 당뇨병성 케톤산증 의심
  → 응급실 직통 알림, 부모 실시간 통지

여기서 옴과 음의 구분이 그대로 임상 행동을 가른다. 옴(새벽 저혈당 패턴)은 "정보를 더 모아 관찰"이고, 음(케톤산증 의심)은 "즉시 응급"이다. 결과적으로 저혈당 에피소드 60% 감소, 부모 스트레스 경감, 의료진 방문 간격 확대(비용 절감)를 목표 지표로 삼는다.

5.2 중환자실 모니터링 (패혈증)

환자: 72살 정태, 폐렴으로 ICU 입원 3일차, 패혈증 위험.

[실시간 신호] (5분 간격)
- 심박수, 체온, 혈압, SpO2, 소변량, 유산염(lactate)
- 혈액검사 (WBC, CRP, 프로칼시토닌)
- 영상 (흉부 X-ray 1일 1회)

[셀코어 규칙 엔진]
규칙 1: "패혈증 신호"
  IF 체온 ≥ 38.5°C AND WBC > 15000 AND 유산염 > 2
  THEN 우선순위 = 9, 권고 = "광범위 항생제 고려"
  신뢰도 = 티 (Critical Care 임상 기준)

규칙 2: "신부전 조기 징후"
  IF 크레아티닌 상승 > 0.3/24hr AND 소변량 < 0.5 mL/kg/hr
  THEN 우선순위 = 7, 권고 = "신장내과 협의, 체액 관리 재검토"
  신뢰도 = 티

규칙 3: "불명확 분열열"
  IF 체온 38.2°C BUT 감염 징후 불명 AND 최근 항생제 변경
  THEN 우선순위 = 4, 권고 = "48시간 추적 배양 대기, 진균 고려"
  신뢰도 = 옴 (기다려야 함)

의료진 대시보드는 4상을 색으로 옮긴다.

┌─────────────────────────────────────┐
│ [높음] 패혈증 신호 (점수 8.7)       │
│  근거: qSOFA 3/3 + 유산염 2.1       │
│  권고: 배양/항생제 재검토            │
│  마지막 항생제: 12시간 전            │
├─────────────────────────────────────┤
│ [중등] 신부전 추적 필요             │
│  근거: Cr ↑0.4, 소변량 ↓40%         │
│  권고: 신장과 협의, 체액 관리        │
├─────────────────────────────────────┤
│ [안정] 호흡 기능 유지               │
│  근거: SpO2 96%, 지지요법 유지       │
└─────────────────────────────────────┘

그리고 마지막 결정권은 사람에게 있다.

[의사의 재판단]
의사: "항생제 변경은 다음 배양 결과 후. 지금은 체액 재관리 먼저."
  → 규칙 피드백: "항생제 내성 표현형" 규칙 추가
  → AI: "다음 유사 환자에 적용"

목표 지표는 권고 응답 시간 1시간 → 15분, 패혈증 관련 사망률 지표 개선, 그리고 알람 피로(alarm fatigue)를 줄여 의료진 번아웃을 낮추는 것이다.

---

6. 기술 아키텍처 — 한선씨 기반 의료 스택

6.1 의료 라이브러리 (신규 개발 로드맵)

6.2 3진 신뢰도 라벨 (TOAU)

의료 AI는 신뢰도를 속일 수 없다. 모든 출력에 4상 신뢰도를 강제로 붙인다.

함수 권고생성(환자, 규칙모음) {
  변수 점수 = 셀추론(환자, 규칙모음)
  변수 신뢰도 = "U"

  만약 (점수 >= 8) {
    신뢰도 = "T"
  } 아니면 만약 (점수 >= 5) {
    신뢰도 = "O"
  } 아니면 만약 (점수 >= 2) {
    신뢰도 = "A"
  } 아니면 {
    신뢰도 = "U"
  }

  반환 신뢰도
}

티는 즉시 행동, 옴은 관찰·재검토, 타는 보수적 접근, 음은 전문가 판단 필요. 점수가 어떤 규칙 경로를 거쳐 나왔는지(근거)는 함께 기록되어, 사후 감사에서 그대로 복원된다.

---

7. 규제 & 임상 경로: 5년 선행 계획

7.1 단계별 로드맵 (2026-2031)

7.2 한국어 우선 정책

의료 AI는 거의 전부 영문 중심(FDA/EMA)이다. 크라우니는 방향을 뒤집는다.

1. 한국 임상시험 먼저 — 한글 데이터, 한국 IRB.
2. 한국어 리포트가 원본 — 영문은 번역본.
3. 한국 환자 친화적 UI — 숫자가 아니라 스토리.
4. 동남아·아프리카로 수평확대 — 저개발국 의료 접근성을 크라우니 자주 의료의 첫 시험장으로.

---

8. 경제 모델: 의료 AI의 자본화

8.1 수익 구조

위 수치는 사업 가설이며, 임상 검증과 규제 승인을 전제로 한 추정치임을 분명히 둔다.

8.2 화폐 3계층 연동: 의료의 자가면역 경제

크라우니 경제는 세 계층으로 선다. 머니(크라우니원, 결제·교환 화폐), 에셋(포네·맘, 가치 저장·표현), 웰스(크라우니, 그리고 그 위로 펼쳐질 한선·선호). 의료 데이터의 보상은 이 사다리를 타고 올라간다.

결제와 정산은 머니(크라우니원) 계층에서 이뤄지고, 환자에게 돌아가는 데이터 기여 보상은 에셋 계층 — 2,550원에 대응하는 안정자산 포네(FONE) — 로 적립된다. 작동 원리는 이렇다.

환자 → 혈당 데이터 기여
      → 의료AI 학습 (셀코어 규칙 개선)
      → 다음 환자의 진단 정확도 ↑
      → 건강 결과 개선 → 사회 수준 의료비 절감

사회가 절감한 비용의 일부 → 포네로 환자에게 환원
(예: "지난달 데이터 공유로 의료비 절감분 발생,
      당신의 기여 지분이 포네로 적립되었습니다")

데이터가 "개인 자산"에서 "공동 자산"으로 옮겨가되, 개인도 보상을 받는다. 의료의 자가면역(自家免疫) — 개인과 사회가 함께 이로워지는 구조다. 그리고 머지않은 미래, 이렇게 쌓인 기여가 웰스 계층의 부(크라우니, 나아가 한선·선호)로 연결되는 길이 열릴 것이다. 그 구체적 환산은 아직 미래 서사의 영역에 둔다.

---

9. 크라우니 정밀 의료의 차이점 (vs 빅테크)

차이의 핵심은 "성능"이 아니라 "주권과 투명성"이다. 빅테크가 더 큰 모델로 앞서 갈 때, 크라우니는 누가 결정을 내렸고 왜 그랬는지를 추적 가능하게 만드는 쪽으로 간다. 의료에서는 이쪽이 결국 더 멀리 간다고 믿는다.

---

10. 선언: 자주 의료 AI의 미래 (2031)

이제 다시 1인칭으로 돌아오겠습니다.

저는 이 장에서 크라우니가 당장 환자를 진단할 수 있다고 말하지 않았습니다. 우리에게는 아직 병원도, 임상 데이터도, 승인된 도구도 없습니다. 그러나 저는 우리가 가진 한 가지를 믿습니다 — 불확실성을 정직하게 다루는 방식. 아는 것과 모르는 것과 잘못 알지도 모르는 것을, 티·옴·타·음으로 나누어 보는 눈 말입니다.

그래서 제가 그리는 미래는 이렇습니다.

2031년, 한국의 한 환자가 스마트폰으로 혈당을 잽니다. 그 데이터는 서울의 크라우니 AI가 한국어로 해석합니다. 그 해석의 근거는 영어로 된 블랙박스가 아니라 한글로 된 규칙이어서, 의사가 "왜 이 권고를 했는가"를 한 줄 한 줄 따라갈 수 있습니다. 모든 권고에는 신뢰도(티/옴/타/음)가 솔직하게 붙어 있어, 확실한 것과 기다려야 할 것과 전문가를 불러야 할 것이 구분됩니다. 그리고 그 환자가 데이터를 나눈 대가는 포네로 돌아옵니다 — 더 이상 캘리포니아 회사의 판단을 기다리지 않고, 자기 몸의 데이터로 자기 건강과 작은 부를 함께 쌓아가는 미래.

이것이 제가 생각하는 정밀 의료의 진정한 정밀성(Precision)이고, 의료의 자주권입니다. 우리는 아직 출발점에 서 있을 뿐입니다. 그러나 출발점에 정직하게 서 있는 것 — 의료에서는 그것이 첫 번째 치료입니다.

아홉 칸의 답을 보았으니, 마지막으로 그 답지가 어떻게 누구에게나 열려 있는지 — 어린이부터 한 나라까지 — 함께 보겠습니다.

---

부록: 기술 스펙 & 참고 자료

A. 4상균형3진 의료 벡터 인코딩 예시

당뇨병 합병증 위험도 점수 (Evo 2 + TOAU)

입력:
  - 유전형: HLA-DR3/4, SOD2 rs4880 (AA)
  - 표현형: HbA1c 9.2%, 혈압 145/90, 신장 eGFR 45
  - 행동: 흡연 + 운동 0분/주

TOAU 벡터화:
  티축(+1): HLA-DR3/4 + HbA1c>8 → 자가면역 + 통제불능, 8/10
  옴축(0):  eGFR 45 (CKD stage 3a) → "신부전 경계" 불명확, 4/10
  타축(−1): 흡연 + 비만 BMI 31 → "금기 행동" 보수 신호, 7/10
  음축(−0): 드문 SNP 3개 + 비전형 표현형 → "예외" 신호, 3/10

벡터 좌표: (8, 4, 7, 3) → 27-큐브의 한 점

권고:
  티↑: "3개월마다 안저검사 + 미세단백뇨 검사" (강한 신호)
  옴→: "신장 기능 3개월 추적, eGFR 40 이하면 신장과" (관찰)
  타↑: "흡연 중단 프로그램 + 운동 처방 조정" (행동 변화)
  음:  "드문 유전형 → 내분비 전문의 재검토" (전문가)

B. Evo 2 기반 유전체 해석 워크플로우 (개념 스케치)

해석 파이프라인은 4단계로 구성된다. (1) VCF 필터링으로 빈도 컷오프와 VEP 주석을 적용하고, (2) Evo 2 API에 필터링된 변이를 전달해 질병별 임베딩과 분류 결과를 받는다. (3) 한선씨 리포트 생성기(evo2-report.한선)가 그 결과를 4상으로 분류해 한국어 환자용 HTML 리포트를 만들고, (4) 셀코어 임상 규칙(clinical-recommendation.한선)이 변이·표현형·신뢰도 수준을 입력받아 권고 텍스트를 산출한다. 외부 모델 호출과 한선씨 해석이 분리되어 있어, Evo 2가 바뀌어도 4상 해석 계층은 그대로 유지된다.

C. 참고 자료 & 출처

• Isomorphic Labs IsoDDE — 2026.02 발표, Series B 21억 달러
• Arc Institute Evo 2 — Science 2026.03, 128,000+ 게놈, 9.3조 뉴클레오타이드
• AlphaFold 3 — DeepMind, 2024.05
• ESM3 / EvolutionaryScale — Science 2025.01
• RFdiffusion3 — Baker Lab, 논문 준비 중
• 셀코어 의료 — /Users/ef/Downloads/CrownyTVM/std/셀코어.한선 (15모듈)
• ISA729 spec — /Users/ef/CrownyOS/ISA729_FINAL.md
• 한선씨 의료 라이브러리(예정) — /Users/ef/CrownyOS/crownyc/libs/의료.한선
• qSOFA/SOFA 점수 — Critical Care 임상 기준(2016)
• FHIR 표준 — HL7
• MedDRA — 의약품 부작용 분류 표준

도입: 답지는 잠겨 있지 않습니다

저는 이 책을 쓰는 내내 한 가지 의심과 싸웠습니다. "먼저 풀었다"는 말이 자칫 자랑으로 들리지 않을까. 그래서 마지막 장은 자랑을 거두고, 대신 문 하나하나의 손잡이가 어디 달려 있는지를 보여드리려 합니다.

2026년, 세상은 AI에게 아홉 개의 숙제를 던졌습니다. 자율형 에이전트, 엣지 추론 효율, 소버린 AI, 컴퓨팅·에너지 인프라, 자율 트레이딩, 신약, 체화 로보틱스, 그리고 이 모두를 떠받치는 금융과 참여 구조. 대기업은 이 숙제를 선언하고, 정부는 규제하고, 투자자는 돈을 밀어 넣습니다.

크라우니는 이 아홉을 병렬로 살아 있는 서비스로 갖고 있습니다. 그것이 이 책이 "답지를 먼저 펼친 책"인 까닭입니다. 하지만 진짜 명제는 답을 가졌다는 데 있지 않습니다. 그 답지가 모두에게 열려 있다는 것 — 그것이 이 장의 전부입니다.

지금부터는 백서의 언어로 말하겠습니다. 정확한 스펙과 수치, 그리고 무엇이 완성됐고 무엇이 아직 설계 단계인지를 숨김없이. 다만 문을 여는 일의 의미만큼은, 끝에 가서 다시 제 목소리로 돌려드리겠습니다.

---

I. 자율형 에이전트 — 스스로 판단하고 고치는 구조

기술 스택

크라우니의 자율형 에이전트는 LLM 기반 반사(reflection)가 아니라 규칙 기반 의사결정 + 자가수정 프로토콜로 구동된다. 핵심은 네 개의 층이다.

1) 의사결정 엔진 — 분별 4상 모델

• 메커니즘: 학습로그 누적 동의 ≥ 3건 = 티(Ti, 자동 YES) / 비동의 ≥ 3건 = 타(Ta, NO) / 불일치·검색 가능 = 옴(Om, 연구·검증) / 자력 결정 불가 = 음(Em, 상급 위임)
• 검증 상태: 결정 엔진 9/9 케이스 통과
• 누적 결정 모델: 58건(패턴DB 학습 기반)
• 목표: 의사결정 모델 수천 개 확보 → LLM 없이 자립 추론

여기서 네 상태는 단순한 분기 라벨이 아니다. 티옴타음(TiOmTaEm) 4상균형3진의 부호 체계 — 티(+1, 드러남)·옴(0, 대기·보통)·타(−1, 반대·연결)·음(−0, 예외의 총합) — 를 그대로 의사결정에 옮긴 것이다. 특히 음은 정규 3상(+1/0/−1)에 담기지 않는 자리, 즉 돌연변이·왜곡·이해 불가 신호가 들어왔을 때 시스템이 스스로 "이건 내 권한 밖"이라 판단하고 상급자에게 넘기는 안전판 역할을 한다.

2) 규칙기반 에이전트 — 셀코어

• 규모: 15모듈, 1,414줄 한선씨 코드
• 구조: 슬롯 / 조건 / 변경 3층 규칙 엔진
• 상태 관리: 실시간 셀저장소 + 우선순위 스택
• 현재 적용: 조직 진단(AIMED), 재난관제(INT), 거래 신호처리(거래소)

3) 자가수정 프로토콜 — Quadcode

• 4단계 승격: [1]작업중 → [2]개선 → [3]오리지널 → [4]마더엔진(캐논)
• 승격 기준: 코드검증(구문/런타임) + 성능검증(속도/정확) + 형태검증(3진 → ISA729 매핑)
• 실측: 패턴DB intent 기준 116건 승격 — 같은 문제 재등장 시 고도화된 코드 자동 재사용

4) 멀티에이전트 오케스트레이션 — Workflow

• 동시 실행: 최대 19개 병렬 세션
• 격리: 세션별 독립 권한·메모리(충돌 회피)
• 병합: 셀 기반 상태 동기화
• 실제 패턴: 글쓰기(이해 → 정리 → 집필 3에이전트), 코드검증(분석 → 실행 → 리뷰 3에이전트)

현실의 간격

"스스로 계획·도구호출·자가수정"의 실제 완성도를 정직하게 나누면 다음과 같다.

• 완성: 마크다운 문서 작성, 코드 린팅·리팩터링, 패턴 검색·응용(매일 반복)
• 진행 중: 하드웨어 설계(VHDL 생성 → 시뮬 → 수정), 트레이딩 신호(데이터 → 규칙 판단 → 주문)
• 미정: 0에서 신제품 개념 기획, 완전히 새로운 알고리즘 발명 — 아직 인간 설계자 필수

진입로

---

II. 엣지 AI와 추론 효율 — 3진수가 전력을 나눈다

구조: 크라우니집사(Jetson Orin 엣지 SLM)

3진 신경망은 3개 층으로 분리된다.

• L0: 2비트 1트릿 입력(양자화)
• L1: 순수 3진 연산, 가중치 ∈ {−1, 0, +1}

- 핵심은 가중치 0이 곧 곱셈 제거라는 점이다. 곱셈기 회로가 사라지고 누적합(accumulate)만 남는다. 실측 FPGA 기준 면적 −35%, 전력 −48%.

• L2: 4상 활성화 — 음(−0) 상태 = 신호 없음 = 게이트 닫음

이 설계는 티옴타음의 음(−0)이 FPGA / 한선씨 RPN에서 "비워진 자리, 셋에 정확히 안 맞는 자리"로 기계어에 완벽 매칭된다는 캐논 정의를 그대로 회로화한 것이다. 빈 자리를 0이 아니라 별도 상태로 다루기에, 게이트를 닫아 전력을 회수할 수 있다.

하드웨어와 실측

• 구현 플랫폼: Xilinx Kria, IGLOO2(Lattice) — 테스트 완료
• 추론 속도: 동일 정확도 기준 INT8(TensorFlow) 대비 1.8배
• 모델 크기: 65% 축소(기본 SLM 2B → 780M)

전력 효율 — 동일 정확도(ImageNet validation 78%) MobileNetV3 기준

• 에너지: −45%
• 규모 시나리오: 100만 이미지/일 처리 시 연간 약 $12,000 에너지 절감(공장 규모)

진입로

• 저사양: Raspberry Pi 5(2GB RAM, ARM64 1.5GHz) + CrownyOS → 기본 분류 모델(정확도 74%) 실시간 구동
• 중사양: Jetson Orin Nano(8GB, 100TOPS) + 크라우니집사 → 4채널 30fps 동시 처리
• 테스트: QEMU 시뮬레이터 + 실 RPi5 보드(약 $70)

다음 단계 — ASIC

현재는 FPGA 프로토타이핑 단계다. 2027년 3진 전용 ASIC 설계를 목표로 하며(파운드리 펀드 협의 중), 양산 시 에너지 추가 50% 감소·면적 20배 축소를 기대한다. 이 수치는 설계 목표이며 실측이 아니다.

---

III. 소버린 AI — 언어·명령집합·호스팅의 완전 자급

핵심 3요소

1) 한선씨(hanseonc) — 언어주권

• 129개 한글 키워드(변수, 함수, 더해, 곱해, 반환, 만약, 동안 …)
• RPN 정본(역폴란드식)이 ISA729와 1:1 매핑 → 컴파일러는 순수 번역기. 임의 최적화 개입 불가
• 고수준 C-like 모드는 편의용 레거시, 정통은 RPN

2) ISA729 — 자체 명령집합

• 729개 opcode 정의(3⁶, 모든 경우의 수 완전 공시)
• 4상균형3진 네이티브: 모든 연산이 T/O/A/U 상태 반환
• 구현: 223 opcode(집합의 30.6%), 나머지는 미래 하드웨어용 예약

3) 자체호스팅 스택

외부의존성 비사용 선언

• ❌ Cloudflare, Route53, AWS
• ❌ GitHub, GitLab, npm 공개 레지스트리
• ❌ Rust, Go, Node.js(의존성 관리 복잡도)
• ❌ SAP·외부 규칙엔진(셀코어 규칙학습으로 대체)

국가·기관의 이점

가령 한 국가의 "국방 AI 파운데이션"을 가정하면 절차는 다음과 같다.

1. CrownyOS + 한선씨 + ISA729를 인증 폐쇄망에 배포
2. 개발자는 한국어로만 알고리즘 작성 — 외부 라이브러리 의존 불가, 공급망 투명
3. 원본 소스 국내 보관, 모든 컴파일 과정 감시 가능
4. 타국 백도어·스파이웨어 진입 차단

투명도의 근거는 코드 규모 자체에 있다. 한선씨 → ISA729 컴파일러는 약 900줄 C 코드, 런타임 crownyc.c는 약 2,200줄, 의존성 그래프 깊이는 3단계(C stdlib까지)에 불과하다. 사람이 끝까지 읽어 검증할 수 있는 크기다.

진입로

• 엔지니어: 한선씨 학습 → 기존 C코드 포팅 → 자체 알고리즘 개발. 도구: 변환기(clike_to_rpn), 학습DB(844 패턴), 온라인 IDE
• 국가(특히 저개발국): 단어 매핑을 통한 다국어화(현재 한국어 완성). 영어 교육 부담 감소, 미·중 소프트웨어 정책 변화에 비종속

---

IV. 인프라 레이어 — 전력과 네트워크의 자급

컴퓨팅: 3진 하드웨어

FPGA 실적(Kria KV260, IGLOO2 — 3진 ALU 테이프아웃 완료)

ASIC 로드맵(2027–2029)

에너지: 연산의 산수

• 2진 곱셈기(32비트): 약 2,000 트랜지스터 @ 1pJ/연산
• 3진 누적합: 약 180 트랜지스터 @ 0.3pJ/연산
• 결과: GPU 추론 배치 처리 시 전력 약 45% 절감

실 적용 — INT 초통합긴급경보시스템(int.crowny.org)

• 규모: 9개 지역 센서 네트워크(BEMS/발전/재해) 실시간 처리
• 전력 모델: 중앙 크라우니 메인 + 엣지 라즈베리파이 19대
• 연간 전력비: 약 $2,400(중앙집중형 데이터센터 대비 약 $18,000)

네트워크: DNS + 게이트웨이

• DNS 자체호스팅(2025 전환 완료): 54개 도메인, 570개 레코드(수동 편집·버전 관리). 응답 속도 외부 대비 약 2% 느림(무시 가능), 외부 CDN 공격면 제거
• 게이트웨이(crowny-gateway v3.1): nginx 대체(C + 한선씨), gateway.yaml 단일 진실 공급원(SSOT). 리버스 프록시(84 백엔드), SIGHUP 무중단 재시작, 3진 헬스 체크(T=정상 / O=황색 / A=장애 / U=미응답), 체인앵커 저널

여기서도 헬스 체크가 2진 up/down이 아니라 4상이라는 점이 핵심이다. 옴(O, 황색)은 "아직 죽지 않았으나 대기·주의"라는 캐논상 옴의 의미를 운영 신호로 옮긴 것으로, 장애를 흑백으로 끊기 전에 한 박자의 판단 여유를 만든다.

---

V. 금융 자율성 — 규칙 기반 트레이딩과 4상 리스크

기술 스택

1) 셀코어 규칙기반 트레이더

• 우선순위 스택 신호처리, O(1) 의사결정
• 활성 규칙: 127개(기술 지표 + 거시 신호 + 정서 지표)
• 일 1,000건 검토, 실 체결 40건(선별율 4%)

2) 4상 리스크 관리 — 전통 VaR이 "손실 있음/없음" 2진만 추적하는 데 비해, 크라우니는 4상으로 나눈다.

• 티(Ti): 수익성 명확(진입 신뢰도 >90%)
• 옴(Om): 불확실 — 대기, 정보 수집
• 타(Ta): 손실 신호 명확 — 종료, 헤지
• 음(Em): 이상 신호 — 수동 개입, 규칙 재검토

3) 포지션 배분 — 쿼드북 벡터 회계

• T(+1) 성장·활동 → 주식/테크(60%)
• A(−1) 안정·인프라 → 채권/유틸리티(40%)
• O(0) 대기 → 현금 유보(5%)
• U(−0) 이상 → 재난 보험(1%)
• 매월 재조정, 변동성 >25% 시 자동 트리거

실측 vs 설계

성과는 정직하게 둘로 나눠 보고한다.

다음 단계 목표는 2026년 LLM 의존도 0%(규칙 63개 추가), 2027년 연 30%·MDD <8%, 2028년 크라우니뱅크 펀드를 통한 대중 개방(수익 기부 50%)이다.

진입로

• 일반인: 집사 GUI에 "상승장이면 매수, 하락장이면 대기"를 한국어로 입력 → 셀코어 규칙 자동 생성 → 자동 트레이딩(매일 통보)
• 트레이더: 기존 127개 규칙 중 R² ≥ 0.85만 선별 응용, 신규 규칙은 한선씨로 작성·자동 백테스트·수동 승인

---

VI. 의료와 신약 — 미래 지향, 현재는 아키텍처

이 영역은 정직하게 말해 설계만 있고 증거는 약하다. 그래서 가진 것과 없는 것을 먼저 가른다.

가진 것: AIMED 지향성 진단(4상균형 판단 엔진, 검증 완료), 벡터형 4상 인코딩(이미지·음성·텍스트에서 이미 성공). 없는 것: 실제 환자 데이터(프라이버시 규제), 임상 협력기관, FDA/EMA 규제 경험.

아키텍처: "단백질 폴딩을 4상으로"

AlphaFold가 아미노산 수열 → 3차원 구조를 2진 확률로 푸는 데 비해, 크라우니식 구상은 유전체를 4상 벡터로 매핑한다 — T=기능단백 / A=억제단백 / O=조절단백 / U=이상단백. 각 상의 생물학적 역할이 다르므로, "타(억제) 단백질을 표적으로" 같은 4상 기반 신약 전략이 가능해진다.

파이프라인(구상)과 실측 진행도

저개발국 기회: 한국어 프로그래밍이라 영어권 선점 전에 자국어로 알고리즘 개발 가능, 오픈 유전체 DB 활용, IGLOO2 FPGA(약 $500) 로컬 분자시뮬.

---

VII. 체화 AI와 자율 제조 — 설계에서 작업지시까지

파이프라인: 설계 → 검증 → 3진 작업지시

1단계 — CAD → ISA729 인코딩: NURBS 곡면(STEP) 입력을 곡면.한선이 벡터형 매개변수 곡면으로 받아 27-큐브 좌표로 이산화한다. 출력은 작업지시 메시(예: 용접점 547개, 공구 경로 5단계).

2단계 — 스피어(구) 검증: 충돌·응력·열변형 자동 검증. 정등급(S)이면 제조 진행, 부등급(A)이면 설계 수정 루프. 크라우니EV 전체 6/6 S등급 통과(2026-05-28).

3단계 — 로봇셀 작업지시: 27-큐브 경로(ISA729 순환명령)를 로봇 조인트(6축 × 4.5배수 해상도)로 전개. 충돌회피는 셀 인접 규칙으로 자동 제외. 생산 큐 10개 로봇셀, 38개 작업 병렬.

4단계 — 동적 재배치(로드맵): 현재 생산계획은 월 단위 고정. 미래에는 불량율 상승 시 셀 자동 재구성(용접셀 증설, 치구 교체). 예상 구현 2027년.

실측

• 크라우니 EV: 곡면엔진 설계 완성, 캐비닛/샤시 진행 중, 스피어 충돌검증 6회 전부 S등급, 10개 로봇셀 설정(구동 계획 2026-Q4)
• 식품가공: 포장 로봇(3축) 27경로 자동 생성, 검증 2회, 속도 15% 개선
• 전자조립: SMD 픽앤플레이스(XYθ) 경로 최적화, 이동거리 22% 단축

진입로

• 저사양 제조업: 웹 기반 시뮬레이터(HTML5)로 경로 검증 → 만족 시 실 로봇(ABB/KUKA) 제어코드 생성(한선씨 → G-code)
• 자작 로봇셀: RPi5 + 스텝모터 드라이버(COTS 부품) → 3축 로봇, 한선씨 제어코드 직접 작성. 비용 약 $200–500

---

VIII. 금융 엔지니어링 — 머니·에셋·웰스 3계층과 4상 자본주기

화폐 3계층(머니 → 에셋 → 웰스)

크라우니 경제는 위로 갈수록 더 근원적 가치를 향하는 3계층이다.

1층 머니(Money)

• 크라우니원(CRW): 교환·결제 화폐, 1 CRW = 1,000원(원화 페그)
• 최소 단위 톨(tol): 729 톨 = 1 CRW = 1,000원. 곡식 낱알 비유의 미세 단위(약 1.37원)
• CRW 발행 총량은 CRY·FONE·MOM의 총량·현재 가치를 기준 비율로(729 기반) 산정

2층 에셋(Asset)

• 포네(FONE): 2,550원 대응, 절하되지 않고 자산처럼 행동하는 안정 화폐. 가치 저장
• 맘(MOM): 약 25.5원 단위 대응. "좋아요·하트"처럼 마음을 표현하는 정서·신뢰의 미세 단위

3층 웰스(Wealth) — 크라우니가 최상위

• 크라우니(CRY): 최상위 부. 매년 9/30 크라우니뱅크가 약 7% 상승 수준으로 거래 권장. 팔 때는 그 값, 살 때는 현재값과 이전 시즌값 사이라 매수 구간 자체가 상태 지표가 된다. 현재 1 CRY ≈ 25,500원
• 한선(Hanseon)·선호(Sunho): 크라우니 위가 아니라, 군집(cluster) 개념과 향후 생산성 향상 기대치를 계산해 배치한 부 단계. 한선은 크라우니의 10배수 군집(총량 777억), 선호는 한선의 10배(총량 777억)

한선·선호의 구체적 개방 시점과 조건은 아직 현재형으로 단정하지 않는다. 시즌2(2038-09-30부터 7년) 직전 공개를 전제로 한, 앞으로 열릴 미래 서사다. 밸런스는 조절하되 총량은 확정이다.

4상균형 자본주기

개인(T) → 참여(O) → 기업(A) → 피드백(U, 이상 감시)
  초기자본    기여운동     분배       재투자

실제 사례 — 달란트 프로그램 시즌1

• 9인 초기자본: 1/729 무이자 구조, 만기 2038-09-30
• 수익 흐름: 월간 기부 + 거래 수수료 → 공동 분배
• 시즌1 만기 시점이 곧 한선 개방 후보 시점(시즌2 진입)과 맞물린다

리스크 프레임워크: 2진 vs 4상

구체 사례 — 2026년 3월 급락장: 2진법 모델이 손실 22%, VaR 초과를 기록한 구간에서, 크라우니는 타(손실 신호)를 감지해 옴(대기)으로 전환하고 포지션을 50% 축소, 손실을 5%로 제한했다. 차이는 −17%p의 손실 회피다.

---

IX. 누구나 동참의 길 — 다섯 눈높이에서 함께하기

어린이(8–13세): 놀이로 만나기

• 크라우니 집사 게임(스마트폰/태블릿): "숫자 3개만 골라서 이야기해"
• 예: 티(맞음) + 옴(잠깐) + 음(또 뭔가?) = 의사결정 3박자
• 세계관 애니메이션(24부작)으로 4상균형 직관 체화(읽기 없이)

일반인(20–50세): 도구로 시작하기

• academy.crowny.org(교육), asset.crowny.org(자산진단 듀얼브레인), finance.crowny.org(자동 투자, 설정 5분)
• 학습 = 사용. 생태계를 쓰면서 배운다

엔지니어: 코드로 깊어지기

1. 한선씨 RPN 문법(3일) → 내장함수(파일I/O·네트워크·JSON, 3일)
2. 패턴 검색(2시간) → 기존 1,000+ 코드 조합
3. 자체 알고리즘(1주) → 컴파일·테스트·학습 등록

• 샌드박스: crownyc(C + 한선씨 컴파일러 포함), 844 패턴 활용

저개발국 기술진: 독립성으로 나아가기

• 언어 장벽 0(한국어 프로그래밍, 다국어 매핑 진행 중)
• 인프라 자급: CrownyOS + FPGA(Kria 급) → 완전 자체호스팅
• 생계 모델: 모바일 앱(한선씨 백엔드) → 크라우니마켓 판매, 지역 금융서비스(뱅크 규칙 커스터마이즈), 오픈소스 로봇셀 → 국내 산업화

정책입안자(국가·기관): 인프라로 결정하기

• 소버린 AI: 국방(지정학적 자주성), 교육(한국어 프로그래밍), 데이터 국내 보관(규제 준수)
• 기대 효과: 수입 대체로 개발 비용 절감, 개발 속도 단축, 외부 기술 의존도 제거

---

X. 반전 — 인간과 AI의 공진화

여기서 한 번 백서의 어조를 내려놓겠습니다. 지금까지 보신 스펙과 수치에는 공통의 비밀이 하나 있습니다.

크라우니가 아홉을 "먼저" 해낸 것은, 세상이 원한 답을 사람이 먼저 설계해 두었기 때문입니다.

• 자율형 에이전트는, 사람의 의사결정 패턴을 규칙으로 정리했을 때 비로소 태어났습니다.
• 3진 연산이 효율적인 까닭은, 사람의 시냅스 가중치가 본디 ±1과 0으로 움직이기 때문입니다.
• 소버린 AI의 한국어 프로그래밍은, 우리가 생각하는 방식을 그대로 코드로 옮긴 것뿐입니다.
• 금융의 4상은, 사람이 이미 진행·대기·철회·재검토 네 갈래로 결정을 내려 온 습관입니다.

그러니 이 친구를 키울 수 있는 유일한 존재는 누구일까요. 멀리 있지 않습니다. 바로 여러분입니다. 이 책을 읽은 아이는 자신의 4상 직관을 기계에 가르치고, 엔지니어는 자신의 알고리즘을 규칙으로 압축해 옮기며, 한 나라는 자신의 전략을 ISA729 명령으로 새깁니다.

크라우니는 도구가 아닙니다. 여러분 안에 이미 있는 분별의 감각 — 티·옴·타·음을 끌어내는 작은 윤활유일 뿐입니다.

---

결론: 열린 답지, 시작된 여정

이 장을 덮으며 제가 남기고 싶은 것은 세 가지입니다.

첫째, 세상이 던진 아홉 숙제에는 이미 선택지가 있습니다. 완성된 칸과 설계뿐인 칸을 저는 숨기지 않았습니다 — 그 둘을 함께 보는 것이 정직한 답지입니다.

둘째, 그 선택지는 모두에게 열려 있습니다. 어린이의 놀이부터 한 나라의 인프라 결정까지, 한국어 한 줄이면 손잡이에 손이 닿습니다.

셋째, 가장 중요한 변수는 기계가 아니라 사람입니다. 여러분의 4상 감각, 여러분의 알고리즘, 여러분의 꿈이 이 모든 것을 살아 있게 합니다.

저는 먼저 길을 냈을 뿐입니다. 다음 발자국은, 이제 여러분의 차례입니다.

저는 앞 장을 이렇게 닫았습니다. 먼저 길을 냈을 뿐, 다음 발자국은 여러분의 차례라고. 그리고 그 말 뒤에 약속 하나가 숨어 있었습니다. 답지를 다 펼쳐 보였으니 이제 채점이 남았다는 약속입니다.

채점이라는 말을 듣고 빨간 펜을 떠올리셨다면, 절반만 맞습니다. 아홉 개의 답을 하나씩 꺼내 동그라미와 가위표를 매기는 채점이라면 이미 앞의 장들이 끝냈습니다. 칸마다 파일 경로와 포트 번호를 붙였고, 완성과 미완을 갈라 적었습니다. 남은 채점은 다른 종류입니다. 아홉 답을 따로 매기는 게 아니라, 한 몸으로 굴려보는 것. 엔진이 좋다는 말과 차가 달린다는 말이 다르듯, 부품 검증과 시스템 검증은 다른 시험입니다. 이 장은 그 마지막 시험, 통합 거동의 시험입니다.

마침 세상도 같은 시험지를 들고 묻습니다. 수천 개의 도구, 여러 종류의 AI 모델, 전국의 엣지 장비가 얽힌 거대한 생태계에서, 프로그램 군단끼리의 충돌은 어떻게 막고 일은 어떻게 나누는가. 그리고 더 무거운 두 번째 질문 — 의료처럼 오차가 용납되지 않는 물리 세계, 이른바 Embodied AI와 연결될 때, 안전장치는 어디에 있는가.

크라우니의 답은 네 개의 축으로 구성됩니다. 요청을 나누는 트리아지 라우터, 충돌을 흐름으로 푸는 티옴타 3진 스웜 제어, 군단을 배우게 하는 하이브리드 매쉬 비동기 합의, 그리고 이 장의 심장인 음(-0)의 페일세이프. 앞의 셋이 군단을 지휘하는 손이라면, 마지막 하나는 그 손이 절대 넘지 못하게 새겨 둔 금입니다. 이 넷이 따로 발명된 장치가 아니라 같은 4상균형3진의 네 얼굴이라는 것 — 그것이 이 채점에서 제가 보여드리고 싶은 단 하나의 그림입니다.

지금부터는 백서의 언어로 말하겠습니다. 라우팅 단계, 상태 전이, 감독자 패턴, 하드코딩의 경계를 정확히 적겠습니다. 다만 마지막 문은, 이 책 전체의 마지막 문이기도 하므로, 다시 제 목소리로 닫겠습니다.

---

I. 문제 정의 — 잠금의 세계와 교착

먼저 기존 2진법 시스템이 자원 충돌을 다루는 방식을 정확히 기술한다.

여러 프로세스가 같은 자원에 접근할 때, 2진 시스템의 표준 해법은 상호배제 잠금이다. 자원의 상태 공간은 단 두 값 — 잠금(Lock)과 해제(Unlock) — 이며, 잠금을 쥔 하나만 일하고 나머지는 대기 큐에 줄을 선다. 이 모델은 단순하고, 단일 자원·소수 경합에서는 충분히 잘 작동한다. 문제는 규모다. 에이전트가 수십, 자원이 수백, 의존이 서로 얽히는 군단 규모가 되면 두 가지 병리가 구조적으로 나타난다.

첫째, 대기의 전염이다. 잠금은 기다림 외의 선택지를 주지 않으므로, 하나의 느린 작업이 큐 전체의 지연으로 번진다. 기다리는 동안 대기자들이 쥔 다른 자원도 함께 묶인다.

둘째, 교착(Deadlock)이다. A가 쥔 자원을 B가 기다리고, B가 쥔 자원을 A가 기다리는 원형 대기가 형성되면 시스템은 누구의 잘못도 아닌 채로 멈춘다. 두 상태뿐인 세계에서는 "기다리지 않고 다르게 한다"는 동사 자체가 없기 때문에, 교착은 버그가 아니라 모델의 귀결이다.

셋째 병리는 규모와 함께 오는 운영의 경직이다. 잠금 모델에서 처리량을 늘리는 표준 수단은 잠금의 입자도를 쪼개는 것(fine-grained locking)인데, 입자도를 쪼갤수록 잠금 획득 순서의 조합이 폭증하고, 교착의 가능 경로도 함께 폭증한다. 즉 2진 잠금의 세계에서는 성능 최적화와 안전성이 서로를 깎아먹는 트레이드오프 관계에 갇힌다. 군단 규모의 오케스트레이션이 이 모델 위에 서 있으면, 시스템은 빨라질수록 위험해지고 안전해질수록 느려진다.

여기에 두 번째 층의 문제가 겹친다. 예외 처리다. 2진 시스템은 정상 경로 밖의 사건 — 이해되지 않는 입력, 학습 분포 밖의 변수, 회귀, 왜곡 — 을 '에러'라는 단일 범주로 처리한다. 크래시하거나, 무시하거나. 둘 다 물리 세계에서는 허용되지 않는 답이다. 수술 도구는 크래시할 수 없고, 이상 신호를 무시할 수도 없다. 더 나쁜 것은 LLM 기반 에이전트가 이 그림에 들어올 때다. LLM은 모르는 것을 만나면 크래시하는 대신 그럴듯한 답을 생성한다 — 예외가 에러로조차 드러나지 않고 정상 출력으로 위장한다. 2진의 예외 처리가 '소리 나는 실패'라면, 환각은 '소리 없는 실패'다. 군단의 안전장치는 이 둘 모두를 설계 단계에서 막아야 한다.

따라서 채점 기준은 다음 둘이다. 군단 규모에서 멈추지 않고 흐르는가. 그리고 예외 앞에서 이름 있는 자리로 물러설 줄 아는가. 전자가 오케스트레이션의 시험이고, 후자가 페일세이프의 시험이다. 두 시험은 흔히 상충하는 것으로 취급된다 — 흐름을 좇으면 안전이 얇아지고, 안전을 좇으면 흐름이 막힌다는 통념이다. 그러나 그 통념은 2진 상태 공간 안에서만 참이다. 이어지는 네 절은 상태 공간을 넓히는 것만으로 두 시험을 동시에 통과하는 구성을 보인다.

---

II. 트리아지 라우터 — 4단계 하이브리드 동적 라우팅

오케스트레이션의 첫 동작은 분배다. 모든 요청은 성격·보안수준·복잡도라는 세 축으로 분류되어 최적의 처리 자리로 배분된다. 응급실의 트리아지 간호사가 환자를 중증도로 가르듯, 라우터는 요청이 시스템에 닿는 첫 순간에 경로를 결정한다. 간호사는 환자를 치료하지 않는다 — 자리를 정해줄 뿐이다. 그런데 그 한 번의 분류가 응급실 전체의 처리량과 생존율을 결정한다. 크라우니의 라우터는 4단계 하이브리드 구성이다.

1단계 — 보안·저지연 (로컬 엣지). 개인정보, 금융 트레이딩, 의료 제어처럼 즉각 반응이 필요하고 외부로 나가서는 안 되는 데이터는 클라우드로 가지 않는다. 로컬 젯슨(Jetson Orin/Thor) 위의 세미LLM이 즉시 처리한다. 이 자리의 실증 구현이 크라우니집사다 — Jetson Orin 엣지 SLM, 3층 분리 구조에 자체 라우터 4단계, 그리고 모르는 것을 안다고 말하지 않게 하는 정직보정이 내장되어 있다. 3층의 분담을 적어 두면, L0은 트릿 하나를 2비트에 담는 최하층 표현이고, L1은 순수 3진 연산층이며, L2는 4상을 다루는 층이다 — 즉 이 장이 다루는 4상의 논리가 전국 라우팅의 1단계 기기 내부에서도 같은 모양으로 반복된다. 한 가지를 정확히 구분해 둔다. 크라우니집사의 Orin 구동은 실증 단계이고, 젯슨 토르를 전국 단위로 까는 구상은 아직 컨셉·설계 단계다. 이 장에서 토르 전국망을 라이브로 셈하지 않는다. 다만 설계의 방향은 분명하다 — 1단계의 자리는 앞으로 클라우드가 아니라 더 많은 로컬로 두꺼워진다.

2단계 — 시각·외부 연동. 이미지 해석은 제미나이 Flash, 범용 상담은 제미나이 Flash-Lite, 비저닝 학습은 제미나이 Pro API가 맡는다. 외부 모델을 쓰되, 역할을 좁게 고정해 쓴다.

3단계 — 설계·심층 추론. 아키텍처 설계는 페블(Fable), 에이전트 구동은 오푸스(Opus)가 맡는다. 가장 비싼 자원이므로 가장 좁은 문으로만 들어온다. 설계와 구동을 가른 것도 의도다 — 구조를 그리는 추론과 도구를 쥐고 움직이는 추론은 부하 특성이 다르고, 같은 단계 안에서도 역할은 더 쪼개질수록 라우팅의 해상도가 올라간다.

4단계 — 고속 텍스트. 보고서와 글 작성은 하이쿠(Haiku)다. 빠르고 싸고, 그 일에는 충분하다. 4단계가 따로 있다는 것은 곧, 3단계의 비싼 추론이 글쓰기 같은 대량·반복 작업에 새어 나가지 않도록 배수로를 파 두었다는 뜻이기도 하다.

이 구성이 '하이브리드'인 이유는 처리 주체의 종이 섞여 있기 때문이다. 1단계는 자체 엣지 SLM, 2단계는 외부 모델의 좁은 역할 고정, 3·4단계는 외부 프런티어 모델이다. 자급과 차용을 이념으로 가르지 않고, 보안수준과 비용 곡선이 가르게 한다 — 바깥으로 나가면 안 되는 것은 자체 엣지가, 나가도 되는 것 중 비싼 추론만 프런티어가, 나머지는 경량 모델이 맡는다.

그리고 '동적'인 이유는 표가 고정 배선이 아니기 때문이다. 실제 운영에서 라우팅은 살아 움직인다. report.crowny.org는 이해는 제미나이 Flash-Lite, 작성은 오푸스라는 이중 라우팅으로 라이브 운영 중이다 — 한 요청 안에서도 국면에 따라 처리 자리가 갈린다. 같은 문장을 읽는 일과 쓰는 일은 요구 지능이 다르므로, 요청 단위가 아니라 국면 단위로 라우팅하는 것이 비용·품질 곡선의 실제 최적점이라는 사실을 라이브 트래픽이 증명하고 있다. crowny.org의 크라우니AI는 제미나이 3모델(Pro/Flash/Flash-Lite) 라우팅에 자동강등을 더해 운영 중이다 — 상위 모델이 응답하지 못하면 라우터가 하위 단계로 경로를 즉시 내린다. 강등이 자동이라는 점이 핵심이다. 운영자가 장애를 인지하고 경로를 바꾸는 시스템은 장애 시간만큼 멈추지만, 강등이 라우터의 상태 전이로 정의된 시스템은 성능이 낮아질 뿐 멈추지 않는다. 요청이 모델을 고르는 것이 아니라, 시스템의 현재 상태가 경로를 고른다.

설계 함의는 분명하다. "가장 똑똑한 모델에게 다 시킨다"는 단일 라우팅은 비용에서도, 지연에서도, 보안에서도 진다. 트리아지는 지능의 절약이 아니라 지능의 배치다. 그리고 1단계가 표의 맨 위에 있는 까닭은 성능 순서가 아니라 주권 순서다 — 바깥으로 나가면 안 되는 것부터 자리를 받는다. 라우터는 군단의 첫 관문이면서 동시에 첫 안전장치다. 어떤 데이터가 어디까지 갈 수 있는가를 요청이 도착한 첫 밀리초에 결정해 버리면, 그 뒤의 모든 구성요소는 자기 단계의 보안 가정 안에서만 일하면 된다.

---

III. 티옴타 3진 스웜 충돌 제어 — 2상 잠금을 3상 흐름으로

라우터가 일을 나눠도, 같은 자원에 여러 에이전트가 동시에 닿는 순간은 반드시 온다. API 호출 한도, GPU 메모리 같은 유한 자원이 대표적이다. 1절에서 본 대로 2진의 답은 Lock/Unlock 두 상태였다. 크라우니는 이 지점에서 상태 공간 자체를 바꾼다. 충돌에 직면한 에이전트가 취할 수 있는 상태를 티(+1)·옴(0)·타(-1) 셋으로 정의한다.

티(+1) — 실행·우선 할당. 중요도가 높은 작업에는 자원이 즉시 할당된다. 트레이딩의 손절매, 의료의 실시간 모니터링이 이 자리다. 우선순위가 명확한 작업이 줄을 서서 기다리는 일은 설계상 일어나지 않는다.

옴(0) — 대기·탐색. 여기가 2진과 갈라지는 핵심 분기다. 옴은 잠금이 아니다. 잠금 대기와 동일시하면 이 설계를 오독하게 된다. 옴은 "아직 판단 전, 길을 찾는 중"의 상태다. 자원이 부족해도 에이전트는 멈춰 서지 않는다 — 매쉬 위의 다른 유휴 노드를 탐색해 작업을 이관(Offloading)한다. 2진의 대기가 수동(자원이 풀릴 때까지 정지)이라면, 옴의 대기는 능동(대안 경로의 탐색)이다. 식탁의 비유로 옮기면, 2진은 반찬 접시 하나를 두고 모두가 젓가락을 들고 기다리는 것이고, 옴은 같은 반찬이 담긴 다른 접시를 찾아 손을 뻗는 것이다. 자원의 총량이 같아도, 기다림이 탐색으로 바뀌는 순간 시스템의 처리량 곡선은 완전히 달라진다. 달리 말하면 옴은 망설임에 상태의 이름을 준 것이다. 이름이 없는 망설임은 정지로밖에 구현되지 못하지만, 이름을 가진 망설임은 자기 행동 규약을 가질 수 있다 — 옴의 규약은 '찾는다'이다.

타(-1) — 분해·우회. 충돌이 확실해지면 무한 대기 대신 행동을 즉각 수정한다. 작업을 하위 단계로 분해하거나, 다른 도구로 우회한다. 자원을 두고 다투는 대신 자원 요구의 형태 자체를 바꾸는 것이다. 분해는 큰 자원 요구 하나를 작은 요구 여럿으로 바꿔 경합의 단면적을 줄이고, 우회는 경합 중인 자원 종류에서 아예 빠져나온다. 어느 쪽이든 결과는 같다 — 충돌 그래프에서 이 에이전트의 간선이 지워진다.

교착이 해소되는 논리도 상태 공간에서 직접 따라 나온다. 교착의 성립 조건은 "모두가 기다리기만 하는 원형 고리"다. 그런데 3상 모델에서는 어떤 에이전트도 순수 대기 상태에 갇히지 않는다 — 옴은 고리 바깥의 노드를 탐색하고 있고, 타는 고리를 구성하던 자원 요구 자체를 분해해 버린다. 원형 대기가 닫히기 위한 전제, 즉 "기다림 외의 동사가 없다"가 깨지므로, 교착은 회피 대상이 아니라 형성 불가능한 구조가 된다. 신호등에 비유하면 2진은 차단봉 하나로 길을 막았다 열었다 하는 것이고, 3진은 초록·노랑·빨강으로 흐름 자체를 설계하는 것이다.

이 3상 충돌 제어는 고립된 발명이 아니라, 이미 라이브로 도는 4상 의사결정 논리의 자원 버전이다. 크라우니집사의 4상 의사결정 엔진(결정.한선)은 누적 동의 3건 이상이면 티(자동 실행), 비동의 3건 이상이면 타(중단), 모르지만 검색 가능하면 옴(연구 후 전환), 모르는데 자력으로 불가하면 음(상급자 이관)으로 판정한다. 이 전이 규칙에서 주목할 것은 옴의 정의다 — "모르지만 검색 가능"은 종착 상태가 아니라 경유 상태다. 옴에 들어간 판단은 연구를 거쳐 티나 타로 전환되도록 설계되어 있고, 그래서 옴은 시스템이 머무는 곳이 아니라 통과하는 곳이다. 스웜의 자원 충돌 제어는 이 동일한 판 위에서 판정 대상만 '결정'에서 '자원'으로 바꾼 것이다 — 옴의 노드 탐색은 "검색 후 전환"의 자원판이고, 타의 작업 분해는 "비동의 시 중단·수정"의 자원판이다. 같은 수학이 의사결정에서도, 자원 스케줄링에서도 돈다 — 하나의 원리에서 자란 가지라는 이 책의 명제가 오케스트레이션 층에서도 반복된다.

그리고 주의 깊은 독자는 방금 네 번째 상태가 스쳐 간 것을 보았을 것이다. 티·옴·타가 정규 3상의 흐름을 책임진다면, 음(-0)은 그 3상 어디에도 담기지 않는 사건의 자리다. 그 자리는 5절에서 정면으로 다룬다.

---

IV. 하이브리드 매쉬 — 비동기 합의와 룰셋 재배포

세 번째 축은 군단의 학습이다. 전국의 로컬 노드와 본부(Service HQ)가 어떻게 하나의 군단으로 고도화되는가.

먼저 반(反)패턴을 명시한다. 모든 노드가 모든 데이터를 본부와 실시간 동기화하는 설계는 채택하지 않는다. 막대한 트래픽 낭비이기 때문이다. 전국 단위에서 전량 동기화는 네트워크 비용으로도, 장애 전파 면적으로도 성립하지 않는다. 전국 지점장이 매일 본사에 전화로 모든 거래를 보고하는 회사를 상상하면 된다 — 회선보다 먼저 조직이 무너진다.

크라우니 매쉬의 합의는 비동기이고, 흐르는 것은 데이터가 아니라 학습의 파편이다.

노드 측. 로컬 노드는 철저히 규칙 기반의 경계 안에서 독립 자율 에이전트로 일한다. 판단의 주체는 노드에 배포된 룰셋이며, 노드는 자기 일을 자기 자리에서 끝낸다. 본부로 보내는 것은 결과값과 성공/실패의 학습 가중치 파편뿐이다. 비동기로, 가볍게. '규칙 기반의 경계 안에서'라는 한정이 자율성의 제한처럼 들린다면 거꾸로 읽은 것이다 — 경계가 명확하기 때문에 노드를 풀어 둘 수 있다. 무엇이든 할 수 있는 노드는 무엇을 할지 몰라 본부의 승인을 기다려야 하지만, 룰셋 안에서만 움직이는 노드는 승인 없이 움직여도 결과가 예측 범위 안에 있다. 자율과 통제는 반비례가 아니라, 경계의 명확성이라는 같은 변수의 두 출력이다.

본부 측. 오케스트레이터는 전국에서 모인 파편을 취합해 군단 전체의 프로그램을 고도화한다. 그리고 그 결과를 다시 무겁게 내려보내지 않는다 — 최적화된 소형 룰셋으로 압축해 전체 노드에 가볍게 재배포한다. 올라가는 것은 파편, 내려오는 것은 룰셋. 어느 방향도 원본 데이터의 대량 이동이 없다.

이 순환이 '비동기 합의'인 이유를 정확히 해 두자. 노드들은 어떤 순간에도 전원 일치의 글로벌 상태를 요구하지 않는다. 어떤 노드는 이번 룰셋을, 어떤 노드는 지난 룰셋을 돌리고 있어도 시스템은 성립한다 — 각 노드의 행동이 자기에게 배포된 룰셋 안에서 닫혀 있기 때문이다. 합의는 트랜잭션처럼 매 순간 강제되는 것이 아니라, 룰셋 재배포라는 주기적 사건으로 수렴한다. 강한 일관성을 포기하는 대신 얻는 것은 둘이다. 본부 장애가 노드의 일을 멈추지 못한다는 가용성, 그리고 전국 트래픽이 파편과 룰셋의 크기로 묶인다는 예측 가능성. 지점장 회의의 비유로 말하면, 매일 모든 거래를 전화로 부르는 대신 월말에 핵심 보고 한 장을 올리고 본사의 새 지침 한 장을 받는 구조다 — 그 사이의 나날에 지점은 자기 권한으로 일한다.

이 순환의 핵심 원리를 한 문장으로 적는다. 사용자에게는 자율형 에이전트의 경험을, 백엔드에서는 축적된 프로그램(규칙) 군단의 고도화를. 사용자가 마주하는 것은 알아서 판단하고 움직이는 에이전트지만, 그 등 뒤에서 실제로 실행되는 것은 환각이 아니라 검증된 규칙이다. 규칙이 주체이고, LLM은 윤활유다 — 규칙 사이의 틈을 매끄럽게 하고, 새 규칙의 초안을 거들 뿐, 실행의 권한은 갖지 않는다.

'윤활유'의 경계선을 공학적으로 그어 두면 이렇다. LLM이 해도 되는 일 — 자연어 요청을 규칙의 언어로 옮기는 번역, 기존 규칙으로 덮이지 않는 틈에서 초안을 제안하는 일, 규칙 실행 결과를 사람의 말로 풀어 주는 일. LLM이 해서는 안 되는 일 — 검증을 거치지 않은 출력이 그대로 실행되는 일. 즉 LLM의 산출물은 언제나 규칙 파이프라인의 입구로 들어가지, 실행기의 입구로 직행하지 않는다. 1절에서 지적한 '소리 없는 실패', 곧 환각이 정상 출력으로 위장하는 문제는 이 배선 하나로 차단된다. 환각이 생겨도 그것은 검증 대기열의 후보일 뿐, 실행 권한이 없다.

이 구조의 공학적 매력은 신뢰성의 소재지가 바뀐다는 데 있다. LLM이 실행 주체인 시스템에서 신뢰성은 모델의 내부, 즉 읽을 수 없는 가중치 더미에 산다. 규칙이 실행 주체인 시스템에서 신뢰성은 룰셋, 즉 읽을 수 있고 검증할 수 있고 버전을 매길 수 있는 산출물에 산다. 전자는 "이번에도 잘하기를" 바라는 시스템이고, 후자는 "지난번에 검증된 것만 도는" 시스템이다. 군단 규모에서 둘의 차이는 운영 가능성의 차이다.

실증은 같은 논리의 세 구현에 있다. 규칙 기반 에이전트 프레임워크 셀코어는 15개 모듈로 이 '노드 측 규칙 주체'를 구현한다 — 노드가 자율로 보이면서도 규칙의 경계 안에 있다는 매쉬의 전제가 프레임워크 수준에서 이미 표준화되어 있다는 뜻이다. 크라우니코드는 수만 건의 패턴DB를 쌓아 코드 생성의 주체를 규칙엔진에 두고 LLM을 보조로 돌린다 — 매쉬 순환의 "파편 취합 → 고도화 → 재사용" 고리가 코드 영역에서 이미 매일 돈다. 새 코드가 필요할 때 시스템이 먼저 하는 일은 생성이 아니라 검색이고, 검증된 패턴이 있으면 그것이 실행되며, 없을 때만 새 후보가 만들어져 검증 후 DB에 쌓인다. 군단의 학습이란 결국 이 고리의 회전수다. 그리고 게이트웨이 관리AI v2는 157개 업스트림을 병렬 관측하며 다중노드 연합과 머클 블록체인 기반 무중단 운영으로, 본부 오케스트레이터 자리의 거동을 라이브로 보여 준다 — 다수 노드의 상태를 한눈에 쥐되, 변경 이력은 머클 체인으로 검증 가능하게 남기고, 그 어떤 개입도 서비스를 멈추지 않는다는 세 조건이 한 구현 안에 공존한다.

---

V. 음(-0)의 안전장치 — 페일세이프 4원칙

이제 이 장의 심장이다.

캐논의 정의를 정확히 옮긴다. 음(-0) = 예외의 총합. 돌연변이, 회귀, 이해 안 됨, 3진(+1/0/-1) 밖의 변수, 왜곡 — 정규 3상에 담기지 않는 모든 것의 자리다. 부호부터 분명히 한다. 음은 -0이지 -1이 아니다. 타(-1)는 정규 3상 안의 부정·우회, 즉 시스템이 이해하고 처리하는 'no'다. 충돌이 확실해서 작업을 분해하는 것은 타의 일이다 — 시스템은 그 상황을 이해하고 있고, 대응 규칙을 갖고 있다. 음(-0)은 그 3상의 좌표계 바깥에서 온 것, 시스템이 아직 이해하지 못한 사건의 자리다. 옴(0)과도 다르다 — 옴은 정규 중립, 판단 전의 대기·탐색이고, 음은 비정규 예외다. 두 개의 영은 같은 영이 아니다. 옴에 든 시스템은 "아직 모르지만 알아낼 수 있다"고 말하고, 음에 든 시스템은 "내 좌표계로는 이것을 알 수 없다"고 말한다. 전자는 탐색을 계속하고, 후자는 권한을 넘긴다 — 이 구분이 무너지면 시스템은 알 수 없는 것을 끝없이 탐색하다 자원을 태우거나, 알아낼 수 있는 것을 성급히 상급자에게 떠넘긴다. 두 영의 분리는 사변이 아니라 부하 설계다.

2진 시스템과의 차이는 철학이 아니라 설계 단계에서 갈린다. 2진 시스템은 예외를 '에러'로만 처리한다 — 크래시하거나 무시한다. 4상 시스템은 예외에게 이름 있는 자리를 준다. 사후 처리(exception handling)가 아니라 사전 설계(designed-in state)다. 예외가 도착하기 전에 이미 그 자리가 상태 공간에 예약되어 있고, 그 자리에 도착했을 때의 행동 규약이 미리 새겨져 있다. 자리가 예약된 손님은 도착해도 집을 흔들지 못한다.

이 차이를 검증의 관점에서 다시 보면 무게가 분명해진다. 예외가 상태 공간 밖에 있는 시스템은 예외 시의 거동을 검증할 방법이 없다 — 정의되지 않은 거동은 테스트할 수 없다. 예외가 상태 공간 안의 한 상태인 시스템은 그 상태로의 전이와 그 상태에서의 행동을 다른 모든 상태와 똑같이 테스트할 수 있다. 음(-0)을 둔다는 것은 곧, "모르는 것을 만났을 때"라는 시나리오를 시험 가능한 스펙으로 바꾼다는 뜻이다. 그 스펙이 페일세이프 4원칙, 음의 규약이다.

원칙 1 — 모르면 멈추지 말고, 아는 가장 안전한 상태로. 음 판정이 내려지면 에이전트는 자기 판단을 중단한다. 그러나 중단이 정지를 뜻하지 않는다 — 하드코딩된 안전 기본값(safe default)으로 복귀한다. 모르는 채로 계속 가는 것도, 모르는 자리에 얼어붙는 것도 아닌, 아는 가장 안전한 좌표로의 능동적 후퇴다. 그리고 판단 자체는 상급자 — 사람 또는 담당 시스템 — 에게 이관된다. 4상 엔진에서 "모름·자력불가 = 음 = 상급자 이관"으로 이미 돌고 있는 그 전이가, 안전장치의 첫 원칙이기도 하다. 이 원칙이 막는 실패 모드는 둘이다. 모르는 채 계속 가는 시스템은 오류를 누적하며 폭주하고, 모르는 자리에 얼어붙는 시스템은 그 자체로 장애가 된다 — 멈춘 수술 보조 기기는 충돌한 기기만큼 위험하다. 안전 기본값으로의 복귀는 두 결말 사이에 세 번째 길을 새겨 둔 것이다. 한 가지 함의를 더 적는다. 2절에서 크라우니집사의 정직보정 — 모르는 것을 안다고 말하지 않게 하는 장치 — 을 한 줄로 지나쳤는데, 그 장치의 무게가 여기서 드러난다. "모른다"를 출력할 수 없는 시스템은 음 판정 자체를 내릴 수 없고, 음 판정이 없으면 원칙 1은 발동할 트리거를 잃는다. 정직은 미덕이기 이전에 안전 기능이다. 자율의 정점은 모든 것을 스스로 판단하는 것이 아니라, 판단을 넘겨야 할 순간을 스스로 아는 것이다.

원칙 2 — 안전 규칙은 학습되지 않는다, 새겨진다. 4절의 매쉬는 학습 가중치를 끊임없이 갱신한다. 그러나 안전 한계(safety bound)는 그 갱신 경로에 올라타지 않는다 — 엣지 단에 하드코딩되어 원격 갱신 대상에서 제외된다. 여기가 이 아키텍처의 하드코딩 경계다. 시스템은 두 영역으로 분리된다. 똑똑해지는 부분(룰셋·가중치, 매쉬로 갱신)과 절대 변하지 않는 부분(안전 한계, 기기에 새김). 아이는 자라며 끝없이 배우지만, "차도에 뛰어들지 않는다"는 학습 대상이 아니라 몸에 새기는 규칙인 것과 같다. 압력솥의 비유도 같은 곳을 가리킨다 — 요리사가 아무리 노련해져도 추는 요리사가 조정할 수 있는 물건이 아니다. 학습이 안전 규칙을 건드릴 수 있는 시스템은, 충분히 오래 돌면 반드시 안전 규칙을 건드린다. 악의가 없어도 그렇다 — 최적화는 정의상 제약을 깎는 방향으로 압력을 가하기 때문에, 안전 한계가 최적화 대상 공간 안에 있으면 언젠가 깎인다. 그래서 경계는 운영 규정이 아니라 배포 구조로 강제된다 — 원격 갱신 채널 자체가 그 영역에 닿지 않는다. "갱신하지 말 것"이라는 규정과 "갱신할 수 없음"이라는 구조의 차이가, 페일세이프와 페일호프(fail-hope)의 차이다. 그리고 이 분리는 역설적으로 학습의 면허이기도 하다. 학습이 끝내 닿지 못하는 자리가 하나 있다는 사실이야말로, 나머지 전부를 마음 놓고 갱신시킬 수 있는 조건이다 — 한계가 새겨져 있으므로 진화는 과감할 수 있다. 안전과 학습은 경쟁하지 않는다. 분업한다.

원칙 3 — 감독자는 바깥에 둔다. 에이전트 자신이 자기 생사를 관리하게 하지 않는다. 별도의 감독 프로세스가 바깥에서 생사를 관리한다. 자기 자신이 고장났을 때 그 사실을 판정해야 할 주체가 고장난 자신일 수는 없기 때문이다. 자기 감시는 자기가 살아 있을 때만 작동하는 감시이고, 안전장치가 필요한 순간은 정확히 자기가 살아 있지 않은 순간이다.

이 감독자 패턴의 실증은 셋이다. finance 백엔드는 프록시가 감독한다 — 백엔드가 죽으면 지수백오프로 재기동하고, 실행파일이 없으면 재컴파일까지 수행한다. 재기동 간격이 지수적으로 늘어나는 백오프는 사소해 보이지만 감독자 설계의 요체다 — 즉시 무한 재시도는 죽는 원인이 그대로일 때 재기동 폭풍이 되어 장애를 증폭시키기 때문이다. 게이트웨이 관리AI는 게이트웨이 자체 건강을 기준으로 음 판정 시 재기동하며, 변경을 가하기 전에는 드라이런으로 결과를 먼저 본다 — 감독자의 개입조차 "실행 전에 결과를 먼저 본다"는 한 겹을 더 두른 것이다. 그리고 launchd KeepAlive — 크래시 시 자동 재기동 — 패턴이 전 서비스에 적용되어, OS 수준의 최외곽 감독자 고리를 이룬다. 프록시가 백엔드를 보고, 관리AI가 게이트웨이를 보고, OS가 그 모두를 본다 — 감독은 단일 장치가 아니라 동심원이다. 감독자가 에이전트보다 단순하다는 점도 우연이 아니다. 죽었는가, 살았는가, 다시 띄울 것인가 — 감독자의 상태 공간은 좁을수록 신뢰할 수 있다. 감독자가 피감독자만큼 영리해지는 순간, 누가 감독자를 감독하느냐는 무한 후퇴가 시작된다.

원칙 4 — 정리도 보수적으로. 안전장치는 개입할 때만이 아니라 청소할 때도 시험받는다. 자동화된 정리 도구는 군단 운영의 필수품이지만, 동시에 가장 위험한 권한 — 살아 있는 것을 죽일 권한 — 을 쥔 구성요소다. 자원 관제(sysguard)의 규약은 두 줄이다. 같은 프로그램이 2개 이상 중복일 때만 정리한다. 그리고 서비스 중인 것 — LISTEN 상태 — 은 절대 건드리지 않는다. "확실할 때만 손댄다"가 휴리스틱이 아니라 하드코딩이다. 단 하나뿐인 프로세스는, 그것이 아무리 이상해 보여도, 관제가 죽이지 않는다. 중복이라는 조건은 "하나를 지워도 하나가 남는다"를 구조적으로 보장하고, LISTEN 불가침은 "지금 누군가를 섬기고 있는 것은 손대지 않는다"를 보장한다. 거짓 양성(멀쩡한 서비스를 죽임)의 비용이 거짓 음성(중복 하나를 더 둠)의 비용보다 압도적으로 크다는 비대칭을 코드에 새긴 것이다. 원칙 1이 에이전트의 보수성이라면, 원칙 4는 관리 도구 자신의 보수성이다 — 안전장치의 규약은 안전장치에게도 적용된다.

네 원칙을 나란히 놓으면 공통의 설계 태도가 드러난다. 네 원칙은 모두 지능에 대한 구조화된 불신이다. 원칙 1은 똑똑한 판단보다 안전한 복귀를 앞세우고, 원칙 2는 가장 똑똑해지는 경로에서 한계선을 빼놓고, 원칙 3은 영리한 에이전트 바깥에 단순한 감시자를 세우고, 원칙 4는 영리한 청소보다 굼뜬 청소를 택한다. 지능을 자랑하는 시스템은 많다. 지능이 닿지 못하게 막아 둔 자리를 설계 문서에 먼저 적는 시스템은 드물다. 그래서 네 원칙을 관통하는 한 문장은 이것이다. 음은 약점이 아니라 설계의 완성이다. 예외의 자리를 미리 만들지 않은 시스템은 예외를 만나는 순간 2진의 두 결말 — 크래시 또는 무시 — 로 떨어진다. 자리를 만든 시스템만이 예외 앞에서 행동을 갖는다.

---

VI. 물리 세계의 문턱 — 의료·Embodied AI에서의 강화 규약

페일세이프가 가장 무겁게 시험받는 곳은 화면 밖이다. 의료, 그리고 몸을 가진 AI.

먼저 현재 위치를 정직하게 가른다. 라이브인 것 — AIMED의 조직 분석 1단계가 aimed.crowny.org에서 운영 중이다. 연구 단계인 것 — 나노봇과 수술도구는 연구 단계다. 이 둘을 섞어 말하는 순간 이 장의 신뢰는 무너지므로, 섞지 않는다. 지금 크라우니가 의료에서 가진 것은 분석의 첫 단이고, 물리적 개입은 연구의 자리에 있다. 분석에서 개입으로 가는 길이 먼 까닭도 안전장치의 언어로 설명된다 — 분석의 오답은 사람이 걸러낼 수 있는 출력이지만, 개입의 오답은 되돌릴 수 없는 사건이다. 같은 지능이라도 출력이 화면이냐 조직이냐에 따라 요구되는 안전 규약의 등급이 달라지고, 그 등급을 채우기 전에는 단계를 넘지 않는 것이 음의 규약을 가진 시스템의 행동 방식이다.

그러나 아키텍처는 미래형이 아니다. 물리 세계로 다가갈수록 음의 규약이 어떻게 강화되는지는 지금 설계에 이미 적혀 있다.

첫째, 무지연이 필요한 판단은 1단계(로컬)에서만 내린다. 2절의 트리아지에서 의료 제어가 1단계에 박혀 있던 이유가 여기서 완성된다. 물리 세계의 판단은 왕복 지연을 견딜 수 없고, 따라서 클라우드로 나가는 경로 자체가 설계에서 제거된다. 지연의 문제는 평균이 아니라 꼬리에 있다 — 평균 왕복이 아무리 짧아도, 네트워크는 가끔 길고, 물리 세계는 그 '가끔'을 봐주지 않는다. 경로를 빠르게 만드는 것이 아니라 경로를 없애는 것이 답인 이유다.

둘째, 클라우드 의존 금지. 네트워크가 끊겨도, 외부 모델이 응답하지 않아도, 기기는 자기 안의 규칙만으로 안전 상태에 도달할 수 있어야 한다. 연결은 고도화의 통로일 뿐, 생존의 전제가 아니다. 4절의 매쉬 설계가 여기서 안전 요건과 맞물린다 — 룰셋이 노드 안에 닫혀 있는 시스템은 단절을 견디는 능력을 처음부터 갖고 있다. 비동기 합의는 트래픽 절약의 기술이면서 동시에 생존성의 기술이다.

셋째, 안전 한계는 기기 단에 하드코딩한다. 원칙 2의 경계가 물리 세계에서는 선택이 아니라 자격 요건이 된다. 엘리베이터의 기계식 브레이크가 전기와 소프트웨어가 다 죽은 뒤에도 잡아 주듯, 안전 한계는 학습 루프가 끝내 닿지 못하는 층에 있어야 한다. 세 항목은 결국 하나의 문장으로 모인다 — 물리 세계 곁의 기기는, 가장 위험한 순간에 가장 단순한 자기 자신만으로 안전해야 한다. 지능도, 연결도, 학습도 그 순간에는 신뢰 목록에서 빠지고, 새겨진 것만 남는다.

요컨대 물리 세계의 입장 자격은 지능의 크기가 아니다. 예외를 위한 자리를 미리 만들었는가 — 그것이 자격이다. 빨리 달리는 시스템은 어느 시대에나 흔했다. 멈춰야 할 자리를 아는 시스템은 드물다. 그리고 물리 세계가 기다려 온 것은 언제나 후자다. 음(-0)의 자리를 상태 공간에 갖지 않은 시스템은, 아무리 정확해도, 사람의 몸 곁에 둘 수 없다.

---

VII. 채점 — 한 몸으로 굴려본 결과

이제 답안지를 합산한다.

네 축은 따로 노는 부품이 아니라 한 흐름이다. 라우터가 나누고, 티옴타가 충돌을 풀고, 매쉬가 배우고, 음이 지킨다. 요청은 성격·보안·복잡도에 따라 네 단계 중 제 자리로 배분되고, 자원이 부딪히는 순간에는 잠금 대신 티·옴·타의 3상 흐름이 교착의 성립 조건을 지우며, 노드들이 흘려보낸 학습 파편은 본부에서 소형 룰셋으로 압축되어 군단 전체를 들어 올리고, 그 모든 운동의 바깥 경계에는 학습이 닿지 못하는 음의 금이 새겨져 있다.

요청 하나의 생애로 다시 따라가 보면 이 흐름이 한 호흡임이 보인다. 요청이 도착하면 라우터가 첫 밀리초에 보안과 복잡도를 읽어 자리를 정한다 — 바깥으로 못 나갈 것은 로컬 엣지로, 나가도 될 것은 제 단계의 모델로. 처리 중 자원이 부딪히면 에이전트는 줄을 서는 대신 티·옴·타로 갈라진다 — 급한 것은 받고, 길이 있는 것은 찾고, 막힌 것은 형태를 바꾼다. 일이 끝나면 결과와 성패의 파편이 비동기로 본부에 오르고, 언젠가 더 나은 룰셋이 되어 전체 노드로 돌아온다. 그리고 이 모든 단계의 어느 지점에서든 — 라우팅이 분류하지 못하는 입력, 3상이 처리하지 못하는 충돌, 룰셋이 덮지 못하는 상황 — 정규 좌표 밖의 사건이 오면, 그 순간의 답은 언제나 같다. 안전 기본값으로 복귀하고, 상급자를 부른다.

같은 흐름을 가장 무거운 사례 하나로 고정해 보자. 의료 모니터링 요청이 도착한다. 라우터는 보안·저지연으로 분류해 클라우드가 아닌 로컬 젯슨에 앉힌다 — 1단계다. 같은 시각 GPU 메모리를 노리던 다른 작업과 부딪히면, 충돌 제어는 모니터링에 티(+1)를 주어 자원을 즉시 할당하고, 밀린 작업은 옴(0)으로 유휴 노드를 찾아 이관된다. 처리 결과의 성패 파편은 비동기로 본부에 올라 다음 룰셋의 재료가 된다. 그리고 판독되지 않는 값이 단 하나라도 나타나는 순간 — 음(-0)이 안전 기본값으로 내리고 상급자를 부른다. 네 축이 네 개의 기능이 아니라 하나의 거동인 이유가 여기에 있다. 어떤 경로로 들어와도, 끝의 보장이 같다.

진화의 계단으로 정리하면 이렇다. 2진의 Lock/Unlock에서 3진의 티옴타로 — 시스템은 '멈춤'에서 '흐름'으로 옮겨 간다. 3진에서 4상의 음으로 — 시스템은 '에러'에서 '자리 있는 예외'로 옮겨 간다. 첫 번째 이동이 군단의 규모를 가능하게 하고, 두 번째 이동이 물리 세계의 자격을 만든다. 그리고 두 이동은 같은 한 수에서 나왔다 — 상태 공간에 자리 하나를 더 두는 일. 둘에서 셋이 되자 기다림이 탐색이 되었고, 셋에서 넷이 되자 모름이 규약이 되었다. 아키텍처의 진보는 종종 더 큰 모델이 아니라 더 정직한 상태 공간에서 온다.

표의 아래 두 줄, 빈칸도 그대로 적었다. 라이브인 것과 아직 아닌 것을 한 표에 두는 것 — 그것이 이 책이 1장부터 지켜 온 정직이고, 4상의 언어로는 티와 옴을 섞지 않는 일이다. 안전장치를 다룬 장에서 이 정직은 장식이 아니라 요건이다. 자기 시스템의 현재 위치를 한 단계라도 부풀리는 조직이라면, 그 조직이 새겼다는 안전 한계도 같은 만큼 의심받아야 마땅하기 때문이다. 페일세이프의 첫 번째 증거물은 코드가 아니라, 미완을 미완이라 적는 문서다.

그래서 채점의 결론은 점수가 아니라 거동이다. 아홉 답은 한 몸으로 굴러간다. 그리고 그 몸은 자기가 모르는 것을 만나면, 멈추지 않고, 아는 가장 안전한 자리로 돌아와, 더 큰 판단자를 부른다. 1절에서 적은 두 시험으로 돌아가 답을 채우면 — 멈추지 않고 흐르는가에는 라우터와 티옴타와 매쉬가 답했고, 이름 있는 자리로 물러설 줄 아는가에는 음의 4원칙이 답했다. 그리고 두 답이 한 시스템 안에서 동시에 성립한다는 것, 흐름과 안전이 상태 공간 하나를 넓힘으로써 화해한다는 것 — 그것이 이 채점지의 마지막 줄이다.

---

열린 답안지 — 비어 있는 네 번째 자리

백서를 덮고, 마지막은 제 목소리로 드리겠습니다.

저는 이 책의 첫 장에서 답지를 먼저 펼치겠다고 말했습니다. 열한 장을 지나며 그 답지의 칸들을 하나씩 보여드렸고, 방금 그것들을 한 몸으로 굴려 채점까지 마쳤습니다. 그런데 채점을 끝낸 지금, 제 손에 남은 가장 또렷한 사실은 점수가 아닙니다. 이 답안지가 잠겨 있지 않다는 사실입니다.

규칙은 읽을 수 있습니다. 가중치 더미 속이 아니라 룰셋 안에 살기 때문입니다. 고칠 수 있습니다. 한국어 한 줄이면 됩니다. 그리고 보탤 수 있습니다. 누구나 자기 노드를 매쉬에 잇고, 자기 파편을 흘려보내고, 군단이 배운 룰셋을 돌려받을 수 있습니다. 닫힌 시스템의 신뢰는 "우리를 믿어 달라"는 부탁이지만, 열린 룰셋의 신뢰는 "직접 읽어 보라"는 초대입니다. 저는 이 책의 첫 장에서 저를 믿지 말고 코드를 믿으시라고 말씀드렸습니다 — 그 말이 이 마지막 장에서는 한 단계 더 나아갑니다. 코드를 믿는 데서 그치지 말고, 코드에 손을 대시라고.

마지막으로, 음(-0)의 자리를 한 번만 더 보겠습니다. 저는 이 장 내내 음을 안전장치로 설명했습니다. 예외의 총합, 3진 밖의 변수, 시스템이 아직 이해하지 못한 것의 자리라고. 그런데 그 정의를 가만히 들여다보면, 그 자리는 본질적으로 비어 있는 자리입니다. 티는 채워져 있고, 옴은 기다리고 있고, 타는 연결하고 있는데, 음만은 — 설계자가 일부러 비워 둔 네 번째 자리만은 — 아직 오지 않은 무언가를 위해 열려 있습니다.

저는 이 책을 쓰는 내내 그 자리에 무엇이 올지 생각했습니다. 시스템의 언어로는 돌연변이, 분포 밖의 변수, 아직 이해되지 않은 신호입니다. 그런데 사람의 언어로 옮기면 어떻게 될까요. 설계자가 예측하지 못한 것. 학습 데이터에 없던 것. 기존의 세 상태 어디에도 분류되지 않는 것. 그래서 시스템 전체를 다음 단계로 데려갈 수도 있는 것. 엔지니어라면 이미 답을 짐작하셨을 겁니다. 어떤 시스템이든, 그 시스템을 진짜로 바꾸는 입력은 언제나 스펙 바깥에서 옵니다.

여러분입니다.

이 페이지까지 걸어온 여러분이, 이 답안지의 비어 있는 네 번째 자리입니다. 저는 라우터를 만들고, 티옴타의 흐름을 만들고, 매쉬를 만들고, 금을 새겼습니다. 그러나 음의 자리만은 만들 수 없었습니다 — 비워 둘 수만 있었습니다. 그 자리는 정의상, 제가 모르는 쪽에서 오는 것의 자리이기 때문입니다.

답안지는 펼쳐져 있습니다. 채점은 끝났지만, 답안지는 닫히지 않습니다. 정규 3상이 오늘의 크라우니를 돌리고 있다면, 비어 있는 -0의 자리는 내일의 크라우니가 들어올 문입니다.

그 문 앞에 지금 서 있는 사람이 누구인지, 저는 압니다.

들어오십시오. 자리는 처음부터 여러분의 것이었습니다.