AI의 다음 경쟁은 더 큰 모델을 누가 갖느냐만으로 결정되지 않는다. 같은 모델도 어떤 메모리에서, 어떤 비트 정밀도로, 어떤 장치 위에서 돌아가느냐에 따라 비용과 속도, 사용 경험이 갈린다. 이 책은 터보퀀트 이후 작아진 메모리로 커다란 AI를 다루는 흐름을 온디바이스 AI, 에이전트, 개인형 모델의 변화와 연결해 설명한다.

파라미터 숫자만으로 성능을 판단할 때 생기는 착각, 긴 문맥이 비싸지는 이유, 양자화와 추론 최적화, 칩과 메모리 대역폭, 클라우드 의존과 로컬 실행의 경계, 개인 장치 안으로 들어오는 AI 에이전트의 가능성을 차근차근 다룬다. 기술 설명에 그치지 않고 제품 기획자, 창업자, 조직 담당자가 어떤 질문을 던져야 하는지까지 이어 간다.

AI가 점점 가까운 장치로 내려오는 시대에는 모델 크기보다 사용 맥락이 중요해진다. 이 책은 최신 기술을 과장된 미래담으로 소비하지 않고, 왜 작은 메모리가 큰 변화를 만드는지 읽는 힘을 길러 준다. AI 제품과 서비스의 다음 방향을 이해하고 싶은 독자에게 밀도 높은 안내서가 될 것이다.