2026.09.01 화요일
검색
'TPU' 검색결과
기간검색
-
~
검색영역
검색어
-
KAIST 찾은 '구글의 전설' 제프 딘…"AI 경쟁, 결국 컴퓨팅 효율 싸움" [경제일보] 인공지능(AI) 산업의 경쟁 구도가 거대언어모델(LLM)의 성능 경쟁에서 컴퓨팅 자원을 얼마나 확보하고 효율적으로 활용하느냐의 경쟁으로 이동하고 있다. 구글에서 27년간 AI와 컴퓨팅 인프라의 발전을 이끌었던 제프 딘이 한국에서 던진 메시지도 여기에 집중됐다. 딘은 지난 13일 서울 AI 허브에서 열린 특별강연에서 “향후 몇 년간 AI 발전의 핵심은 하드웨어와 컴퓨팅 자원을 얼마나 확보하고 효율적으로 사용하는가에 달려 있다”고 강조했다. 단순히 더 큰 모델을 만드는 것만으로 AI 경쟁력을 확보하기 어려워지고 있다는 의미다. 이번 강연은 딘이 구글을 떠난 뒤 사실상 첫 공식 행보라는 점에서도 주목받았다. KAIST와 국가AI연구거점의 공동 초청으로 마련된 행사에는 KAIST를 비롯해 고려대·연세대·포스텍 등 컨소시엄 대학의 연구진과 학생, 기업 관계자 등 150여명이 참석했고 온라인으로도 220여명이 참여했다. 딘은 1999년 구글에 합류한 이후 검색 인프라를 비롯해 구글의 AI 연구 기반을 구축한 핵심 인물이다. 분산 시스템 연구를 기반으로 대규모 연산을 효율적으로 처리하는 기술을 발전시켰고, 텐서플로와 구글의 AI 전용 반도체인 TPU 개발에도 관여했다. 최근까지는 구글 수석과학자로 차세대 AI 모델 제미나이 개발을 이끌었다. 그런 그가 구글을 떠나 과학 연구를 위한 AI 스타트업 ‘디스커버리 루프’를 창업하면서 업계의 관심이 집중됐다. 구글과 같은 빅테크의 최고 수준 연구 환경을 떠나 새로운 회사를 선택한 만큼, 그의 이번 발언은 단순한 기술 전망 이상의 의미를 갖는다. ◆ AI의 다음 병목은 ‘모델’보다 ‘연산’ 딘이 강조한 것은 AI 발전을 바라보는 시각 자체의 변화다. 그는 학부 시절 신경망 학습을 연구했지만 당시 컴퓨팅 성능의 한계 때문에 연구 성과를 내기 어려웠고, 20여년이 지나 충분한 연산 자원이 확보되면서 당시 아이디어가 현실화됐다고 설명했다. 지난 15년간 AI의 발전 역시 특정한 알고리즘 하나가 등장했기 때문이라기보다 연산 능력·데이터·모델 규모가 함께 확대된 결과라는 것이 그의 설명이다. 이 발언은 현재 AI 산업의 경쟁 구도를 정확히 관통한다. 챗GPT를 비롯한 생성형 AI가 대중화된 이후 기업들은 더 많은 데이터를 학습시키고 더 큰 모델을 구축하는 방식으로 경쟁해왔다. 그러나 모델 규모가 커질수록 학습과 추론에 필요한 컴퓨팅 비용도 폭증한다. 결국 AI 모델을 얼마나 잘 만드는가와 동시에 필요한 연산량을 얼마나 적은 비용으로 처리할 수 있는가가 기업 경쟁력의 핵심이 된다. 엔비디아가 AI 가속기 시장을 장악한 것도 같은 맥락이다. 구글이 자체 TPU를 개발한 이유 역시 외부 반도체에만 의존하지 않고 AI 연산 구조에 맞는 하드웨어와 소프트웨어를 함께 최적화하기 위해서였다. 딘의 경력 자체가 이를 보여준다. 대규모 분산 시스템을 연구하던 컴퓨터과학자가 구글에서 TPU와 AI 시스템 개발에 참여한 것은 AI가 발전할수록 모델과 반도체, 데이터센터, 소프트웨어를 하나의 시스템으로 설계해야 한다는 흐름과 맞닿아 있다. ◆ 한국 AI도 ‘모델 개발’ 이후를 준비해야 이번 딘의 KAIST 방문은 국내 AI 산업에도 시사하는 바가 크다. 한국의 AI 전략은 그동안 자체 파운데이션 모델 확보와 GPU 확보에 상당한 무게가 실렸다. 하지만 모델을 하나 확보한다고 AI 경쟁력이 완성되는 것은 아니다. 대규모 모델을 학습시키고 실제 서비스에 적용하기 위해서는 GPU와 AI 반도체, 데이터센터, 네트워크, 저장장치, 소프트웨어 등 전체 시스템을 효율적으로 연결해야 한다. KAIST가 추진하는 ‘AI 시스템 이니셔티브’ 역시 이 지점에 초점을 맞추고 있다. AI 모델 자체뿐 아니라 하드웨어와 시스템 소프트웨어를 함께 최적화해 제한된 컴퓨팅 자원을 최대한 활용하는 것이 목표다. 최근 글로벌 빅테크와 KAIST의 협력이 이어지는 것도 주목할 부분이다. 엔비디아가 KAIST와 AI 공동연구소 및 피지컬AI센터 설립을 추진한 데 이어 구글의 핵심 AI 연구자가 직접 KAIST를 찾아 연구진과 분산 시스템과 AI 인프라를 논의했다. 이는 한국이 AI 모델 경쟁에서 단순히 해외 기술을 활용하는 수준을 넘어 AI 시스템 전체를 연구할 수 있는 기반을 확보해야 한다는 신호로 해석할 수 있다. 딘이 강연에서 “AI가 인간을 대체하느냐”는 질문에 인간과 AI가 각자의 강점을 활용하는 것이 중요하다고 답한 것도 같은 맥락이다. AI를 인간의 대체재로만 볼 것이 아니라 인간이 해결하지 못했던 문제를 풀기 위한 연구 도구로 활용해야 한다는 것이다. 그가 창업한 디스커버리 루프가 과학 연구를 AI의 주요 적용 분야로 삼은 것도 의미가 있다. AI가 검색과 문서 작성, 코딩을 넘어 신약과 소재, 물리학 등 과학적 발견의 속도를 높이는 방향으로 확장될 경우 필요한 컴퓨팅 규모는 지금보다 더욱 커질 수밖에 없다. 한편 딘이 한국에서 던진 메시지는 명확하다. AI 경쟁의 다음 승부처는 더 큰 모델을 만드는 데서 끝나지 않는다. 얼마나 많은 연산 자원을 확보하고, 이를 얼마나 효율적으로 연결하고 활용하느냐가 관건이다. 한국이 AI 강국을 목표로 한다면 GPU 확보량이나 국산 모델 개발 성과만을 경쟁력의 기준으로 삼아서는 안 된다. 반도체부터 데이터센터, 네트워크, 분산 시스템, 모델까지 이어지는 ‘AI 풀스택’ 경쟁력을 확보해야 한다. 27년간 구글의 AI 역사를 만들어온 연구자가 퇴사 직후 한국에서 가장 먼저 강조한 것도 결국 이 지점이었다. AI 시대의 진짜 경쟁은 모델의 크기가 아니라 그것을 움직이는 시스템의 경쟁으로 넘어가고 있다.2026-08-19 07:55:41
-
![[컨콜] 네이버 200MW서 기가와트급까지…AI 팩토리 글로벌 확장 청사진](https://image.ajunews.com//content/image/2026/08/07/20260807110154484446.jpg)
네이버 "200MW서 기가와트급까지"…AI 팩토리 글로벌 확장 청사진 [경제일보] 네이버가 인공지능(AI) 인프라 사업을 차세대 성장동력으로 육성하기 위해 2027년부터 AI 팩토리 사업을 본격화한다. 초기 자본 부담을 줄이는 '에셋 라이트' 구조를 기반으로 글로벌 AI 컴퓨팅 시장에 진출하고, 장기적으로 두 자릿수 이상의 영업이익률을 확보하겠다는 구상이다. 7일 네이버는 올해 2분기 실적 발표 컨퍼런스콜에서 AI 팩토리 사업 추진 계획과 수익 모델, 리스크 대응 전략을 공개했다. 최수연 네이버 대표는 이날 컨퍼런스콜에서 "당사는 지난 6월 발표한 바와 같이 엔비디아와 함께 글로벌 AI 팩토리를 공동 구축·운영하는 사업을 추진하고 있다"며 "2027년 상반기 55MW 규모의 서비스 개시를 시작으로 매출이 발생할 것으로 예상하고 있으며, 2027년 말 100MW, 2028년 200MW로 단계적으로 확장하고 최종적으로는 기가와트급 인프라 구축을 목표로 하고 있다"고 말했다. 이어 "이는 일회성 사업 기회가 아닌 구조적으로 성장하는 시장에 대한 투자"라며 "생성형 AI 확산과 AI 에이전트 확대에 따라 글로벌 AI 컴퓨팅 수요는 중장기적으로 지속 증가할 것으로 보고 있다"고 설명했다. 네이버는 AI 팩토리 사업을 기존 데이터센터와는 다른 '에셋 라이트' 모델로 추진한다. AI 인프라 시장이 막대한 초기 투자비가 필요한 사업인 만큼 직접 설비를 보유하기보다 글로벌 파트너와 역할을 분담해 자본 부담을 줄이고 운영에 집중하는 방식이다. 이를 통해 대규모 설비 투자 부담을 최소화하면서도 AI 컴퓨팅 시장 확대에 맞춰 사업 규모를 유연하게 키운다는 전략이다. 구체적으로 GPU 등 핵심 컴퓨팅 자산은 글로벌 자산운용사 브룩필드가 특수목적법인(SPV)을 통해 조달하고, 네이버는 이를 기반으로 AI 컴퓨팅 서비스를 운영한다. 브룩필드가 인프라 투자와 자산 조달을 담당하고 네이버는 데이터센터 운영과 고객 확보, AI 플랫폼 서비스를 맡는 구조다. 네이버는 이러한 구조를 통해 AI 인프라 투자에 따른 재무 부담을 낮추는 동시에 사업 확장 속도를 높일 수 있을 것으로 기대하고 있다. 김희철 네이버 최고재무책임자(CFO)는 "초반에는 마진율이 낮게 시작할 수 있지만 사업이 성숙함에 따라 기본적으로 두 자릿수 이상, 나아가 10~20% 이상의 마진율을 기대하고 있다"고 말했다. 네이버는 AI 팩토리 사업의 지속 가능성에 대해서도 자신감을 나타냈다. 시장에서는 AI 컴퓨팅 수요와 GPU 확보, 자금 조달, 기술 변화 등이 주요 변수로 꼽히지만, 회사는 자체 AI 서비스와 외부 고객 수요를 동시에 확보하고 있는 점을 차별화 요소로 제시했다. 또한 엔비디아와의 전략적 협력과 장기 공급 체계를 기반으로 사업 리스크를 최소화하겠다는 구상이다. 네이버는 AI 팩토리 사업의 핵심 리스크로 고객 확보, GPU 공급, 금융 조달, 기술 변화 등 네 가지를 제시했다. 특히 외부 고객뿐 아니라 네이버 자체 AI 서비스도 대규모 GPU를 사용하는 만큼 내부 수요를 바탕으로 안정적인 가동률을 확보할 수 있다고 설명했다. GPU 공급 측면에서도 엔비디아의 전략적 투자와 협력을 기반으로 안정적인 물량 확보가 가능하다는 입장이다. 김 CFO는 "네이버 본체도 대량의 AI 칩을 필요로 하는 사용자"라며 "외부 고객과 네이버 자체 수요를 적절히 섞어 수급 안정성을 가져갈 수 있는 차별적인 강점으로 지속 가능할 것으로 기대하고 있다"고 평가했다. 최근 제기되는 GPU 가격 하락과 비(非)엔비디아 칩 확산 가능성에 대해서도 영향은 제한적일 것으로 내다봤다. GPU 가격이 하락하면 조달 비용도 함께 낮아지는 만큼 수익성 훼손 가능성은 크지 않고, TPU 등 다른 AI 칩이 확대되더라도 엔비디아 중심 생태계가 단기간에 흔들리지는 않을 것이라는 판단이다. 네이버는 GPU를 고정 가격으로 일괄 매입하는 구조가 아니라 시장 상황에 맞춰 조달하는 방식인 만큼 칩 가격 변동이 사업성에 미치는 영향은 제한적이라고 설명했다. 또한 추론 시장에서는 다양한 AI 칩이 활용될 수 있지만 학습 시장에서는 여전히 엔비디아 GPU 경쟁력이 유지될 것으로 전망했다. 김 CFO는 "일정 기간 모든 수요 공급 간의 피드타임 간격은 존재하겠지만 지속적인 추가 발주 시 칩 가격이 하락하면 실제 구입 단가도 함께 낮아질 것으로 예상된다"며 "칩 가격 변화가 AIDC 수익성에 미칠 부정적인 영향은 굉장히 제한적일 것으로 생각한다"고 강조했다. AI 팩토리 사업은 향후 해외 시장 확대 전략과도 맞물린다. 네이버는 2028년까지 200MW 규모의 AI 인프라를 구축한 뒤 국내를 넘어 중동과 남미 등 글로벌 시장으로 사업을 확대할 계획이다. 특히 데이터 주권을 중시하는 '소버린 AI' 수요가 늘어나는 국가를 중심으로 AI 인프라 사업 기회를 적극 발굴한다는 방침이다. 네이버는 200MW 규모까지는 국내 수요를 기반으로 사업을 추진할 수 있을 것으로 보고 있으며, 이후 기가와트(GW)급 인프라 확장 단계에서는 글로벌 파트너십을 적극 활용할 계획이다. 현재 중동에서는 데이터센터 구축과 클라우드 협력을 구체적으로 논의 중이며, 남미에서도 초기 협의를 진행하고 있다고 설명했다. 최수연 대표는 "200MW까지 국내 수요를 예측하고 있고, AI 팩토리 사업의 출발점이자 레퍼런스"라며 "(목표는) 글로벌 AI 컴퓨팅 시장 전체, 특히 데이터 주권을 지키면서 AI 인프라를 확보하려는 소버린 수요의 글로벌 시장"이라고 말했다.2026-08-07 11:05:56
-
엔비디아 차세대 AI 서버 지연설…'1년 로드맵'에 첫 균열 오나 [경제일보] 엔비디아의 차세대 AI 서버 로드맵에 지연설이 제기됐다. 핵심은 칩 자체가 아니라 랙 내부를 연결하는 고난도 인쇄회로기판(PCB)이다. AI 반도체 경쟁이 GPU 성능을 넘어 서버 랙, 냉각, 광통신, 전력 인프라까지 묶인 시스템 경쟁으로 바뀌면서 제조 난도가 빠르게 높아지고 있다는 분석이다. 반도체 분석업체 세미애널리시스는 6일(현지시간) 사회관계망서비스(SNS) 엑스(X·옛 트위터)를 통해 엔비디아의 차세대 AI 랙 시스템 ‘Kyber NVL144’ 출시가 12개월 이상 지연돼 2028년으로 밀렸다고 주장했다. 이 시스템은 차세대 AI 플랫폼 ‘Vera Rubin Ultra’와 함께 2027년 선보일 것으로 예상됐지만, PCB 미드플레인 제조 난항으로 일정이 늦어졌다는 설명이다. Kyber NVL144는 고성능 칩 144개를 하나의 랙 안에서 긴밀하게 연결해 단일 대형 컴퓨터처럼 작동하도록 설계된 시스템이다. AI 모델이 커질수록 개별 GPU 성능보다 수백 개 칩을 얼마나 빠르고 안정적으로 연결하느냐가 중요해진다. 엔비디아가 랙 단위 시스템을 강조해 온 것도 이 때문이다. 세미애널리시스는 대안으로 거론됐던 ‘NVL72x2 백투백’ 구조도 취소됐다고 주장했다. 72개 칩으로 구성된 랙 두 개를 맞붙여 배치하는 방식이었지만, 클라우드 사업자들이 특이한 설계와 운영 부담을 이유로 반발했다는 것이다. 광통신으로 여러 랙을 연결하는 NVL576 역시 기술적 난제로 지연되거나 소량 생산에 그칠 가능성이 있다고 봤다. 루빈 울트라 칩 자체에 대한 주장도 나왔다. 세미애널리시스는 연산 다이 4개를 갖춘 고성능 버전이 취소되고 2개 다이 기반 모델만 남았다고 분석했다. 다만 이 역시 엔비디아가 공식적으로 확인한 내용은 아니다. 일부 보도에 따르면 엔비디아 측은 로드맵에 변화가 없다는 입장을 보인 것으로 전해졌다. 시장 반응은 엇갈린다. 엔비디아가 AI 인프라 시장을 사실상 장악하고 있는 만큼 차세대 랙 시스템 지연은 클라우드 사업자의 데이터센터 증설 계획과 공급망 업체 실적에 영향을 줄 수 있다. 반면 단기 매출의 중심은 블랙웰과 루빈 초기 제품군인 만큼 Kyber 지연설이 당장 엔비디아의 지배력을 흔들 정도는 아니라는 시각도 있다. 이번 지연설이 사실이라면 반사이익은 AMD와 구글, 맞춤형 AI 반도체 진영에 돌아갈 수 있다. 대형 클라우드 기업은 엔비디아 공급 일정이 불확실해질수록 AMD GPU나 구글 TPU, 자체 ASIC 활용을 늘릴 유인이 커진다. 특히 AI 인프라 투자가 수십조원 규모로 커진 상황에서는 단일 공급자 의존도를 줄이려는 움직임이 더 강해질 수 있다. 더 큰 의미는 엔비디아의 ‘매년 새 플랫폼’ 전략이 제조 현실과 충돌하고 있다는 점이다. GPU 성능이 높아질수록 전력 소비와 발열, 연결 구조, 냉각 비용도 함께 커진다. 차세대 AI 서버는 더 이상 칩을 많이 꽂는 문제가 아니다. PCB, 고속 인터커넥트, 액체냉각, 광통신, 전력 설계가 모두 동시에 풀려야 한다. 한편 엔비디아 지연설은 AI 산업의 병목이 어디로 이동하는지를 보여준다. 모델은 더 커지고 데이터센터는 더 뜨거워지며 서버 랙은 점점 복잡해지고 있다. 칩 설계의 승자가 곧 시스템 제조의 승자라는 보장은 없다. 엔비디아가 공식 로드맵을 지켜내느냐, 아니면 제조 난도가 속도를 늦추느냐에 따라 AI 인프라 시장의 다음 경쟁 구도도 달라질 전망이다.2026-07-07 07:44:18
-
'클로드' 앤트로픽, 삼성 파운드리 찾았다…AI칩 협력 논의 [경제일보] 인공지능(AI) 모델 '클로드' 개발사 앤트로픽이 자체 AI 칩 개발을 추진하면서 삼성전자와 생산 협의를 진행 중인 것으로 알려졌다. 협력이 성사될 경우 삼성전자는 테슬라와 엔비디아, 애플에 이어 또 하나의 글로벌 AI 기업을 파운드리 고객사로 확보하게 된다. 3일 업계에 따르면 미국 정보기술(IT) 전문매체 디인포메이션은 복수의 소식통을 인용해 앤트로픽이 자체 AI 칩 개발을 위한 초기 작업에 착수했으며 잠재적인 생산 파트너로 삼성전자와 협의를 진행하고 있다고 보도했다. 앤트로픽은 삼성전자 파운드리 사업부의 2나노(㎚) 공정과 첨단 패키징 기술을 활용하는 방안을 검토 중인 것으로 전해졌다. 2나노 공정은 고집적 설계를 기반으로 전력 효율을 높일 수 있는 차세대 공정이며 첨단 패키징은 프로세서와 메모리를 최적화해 데이터 전송 병목을 줄이는 핵심 기술이다. 앞서 앤트로픽은 지난 5월 시리즈H 투자 유치 당시 삼성전자를 비롯한 글로벌 메모리 반도체 업체들을 '전략적 인프라 파트너'로 소개하며 메모리와 저장장치, 로직 칩 기술이 AI 인프라 구축의 핵심 역할을 한다고 밝힌 바 있다. 당시 업계에서는 '로직 칩'을 언급한 점에 주목했다. 글로벌 메모리 업체 가운데 로직 칩 생산이 가능한 파운드리 사업을 보유한 기업은 삼성전자가 유일해 향후 AI 칩 생산 협력 가능성이 제기됐다. 다만 협의는 아직 초기 단계다. 디인포메이션은 앤트로픽이 여러 반도체 설계 업체와 함께 AI 칩 개발 방안을 검토하고 있으며 아직 세부 설계나 시험 생산 단계에는 이르지 않았다고 전했다. 앤트로픽은 최근 오픈AI 맞춤형 AI 칩 개발팀 출신인 클라이브 찬을 영입해 AI 칩의 기능과 성능, 서버 통합 방안 등을 검토하고 있는 것으로 알려졌다. AI 기업들의 자체 칩 개발 경쟁도 한층 치열해지고 있다. 구글은 자체 텐서처리장치(TPU)를 지속 고도화하고 있으며 오픈AI 역시 브로드컴과 협력해 자체 AI 추론 칩을 공개하는 등 AI 인프라 경쟁력을 높이기 위한 움직임을 이어가고 있다. 업계에서는 AI 서비스가 확대될수록 빅테크들이 엔비디아 GPU 의존도를 낮추고 비용 효율성과 인프라 통제력을 높이기 위해 자체 AI 칩 개발에 속도를 낼 것으로 전망하고 있다. 한편 앤트로픽은 향후 계획에 대한 구체적인 언급을 피하면서도 당분간 엔비디아 GPU와 구글 TPU, 아마존웹서비스(AWS)의 '트레이니엄' 칩을 주요 연산 자원으로 활용할 것이라고 밝혔다. 삼성전자는 이번 보도와 관련해 별도의 입장을 내놓지 않았다.2026-07-03 11:01:52
-
오픈AI, 첫 자체 AI칩 '할라페뇨' 공개…엔비디아 의존 줄이기 시동 [경제일보] 오픈AI가 브로드컴과 공동 개발한 첫 자체 AI 반도체 ‘할라페뇨’를 공개했다. 챗GPT와 코덱스 등 대형 AI 서비스를 운영하며 커진 추론 비용을 낮추고 엔비디아 GPU 의존도를 줄이려는 전략이다. CNBC에 따르면 오픈AI와 브로드컴은 24일 현지시간 추론 특화 AI 칩 할라페뇨를 공개했다. 할라페뇨는 범용 GPU를 개량한 제품이 아니라 대형언어모델 추론을 위해 처음부터 설계한 맞춤형 반도체다. 오픈AI는 올해 말부터 이 칩을 데이터센터에 배치할 계획이다. AI 반도체 시장에서 추론은 새 격전지로 떠올랐다. 모델을 학습시키는 단계에는 막대한 연산 자원이 필요하지만 실제 서비스에서는 이용자 요청에 답하는 추론 비용이 계속 발생한다. 챗GPT처럼 글로벌 이용자가 많은 서비스는 추론 효율이 곧 운영비와 수익성에 직결된다. 오픈AI는 초기 테스트에서 할라페뇨의 전력 대비 성능이 기존 최상위 AI 칩보다 개선됐다고 밝혔다. 브로드컴의 호크 탄 최고경영자는 로이터통신과의 인터뷰에서 엔비디아 블랙웰과 구글 TPU에 견줄 성능을 언급했다. 다만 양사는 최종 성능 측정이 진행 중이라며 세부 수치는 공개하지 않았다. 실제 경쟁력은 데이터센터 배치 이후 전력 효율과 안정성, 단가가 확인돼야 판단할 수 있다. 이번 공개는 오픈AI의 풀스택 전략과 맞물린다. 오픈AI는 모델과 서비스뿐 아니라 칩과 메모리 시스템, 네트워크, 데이터센터 운영까지 직접 통제하려는 방향으로 움직이고 있다. AI 서비스 이용량이 커질수록 외부 GPU 공급에만 의존하기 어렵기 때문이다. 공급 부족과 높은 가격, 전력 부담은 AI 기업의 공통 과제다. 빅테크의 자체 칩 개발도 같은 흐름이다. 구글은 TPU를 통해 자사 AI 모델과 클라우드 서비스에 맞춘 연산 인프라를 구축했다. 아마존은 학습용 트레이니움과 추론용 인퍼런시아를 운영하고 있다. 마이크로소프트와 메타도 자체 AI 가속기 개발에 투자하고 있다. 오픈AI의 할라페뇨 공개는 이 대열에 본격 합류했다는 신호다. 엔비디아에 미칠 영향은 단기적으로 제한적이라는 시각이 많다. 자체 칩은 특정 서비스와 추론 환경에 최적화되는 경우가 많다. 대규모 학습과 범용 AI 인프라에서는 엔비디아 GPU의 생태계와 소프트웨어 경쟁력이 여전히 강하다. 다만 추론 영역에서 맞춤형 ASIC이 늘어나면 AI 반도체 시장의 성장 축은 더 넓어질 수 있다. 국내 반도체 업계에도 파급력이 있다. 빅테크가 자체 AI 칩을 늘리면 고대역폭메모리와 첨단 패키징 수요도 함께 커진다. 삼성전자와 SK하이닉스 같은 메모리 기업에는 새로운 고객군이 늘어나는 효과가 기대된다. 다만 할라페뇨에 어떤 HBM이 탑재됐는지는 공개자료 기준으로 확인되지 않아 특정 공급사를 단정하기는 어렵다. 오픈AI의 과제는 기술 공개 이후 수익성 입증이다. 자체 칩이 실제로 추론 비용을 낮추고 서비스 속도와 안정성을 높여야 한다. IPO 가능성이 시장에서 거론되는 만큼 인프라 비용을 통제할 수 있다는 점도 투자자에게 중요한 메시지가 될 수 있다. AI 경쟁은 모델 성능만으로 끝나지 않는다. 더 좋은 답을 더 싸고 빠르게 제공하는 인프라 경쟁으로 옮겨가고 있다. 할라페뇨는 오픈AI가 엔비디아 생태계에서 벗어나겠다는 선언이라기보다 비용과 성능을 직접 통제하려는 첫 시도에 가깝다. 이 칩이 데이터센터에서 검증되면 AI 반도체 시장은 GPU 중심에서 맞춤형 추론 칩 경쟁으로 한 단계 더 갈라질 전망이다.2026-06-25 16:53:13
-
KAIST, AI 데이터센터 냉각전력 10분의 1로 줄일 기술 개발 [경제일보] KAIST 연구진이 인공지능(AI) 데이터센터의 냉각 전력을 기존의 10분의 1 수준으로 줄일 수 있는 초고효율 액체 냉각 기술을 개발했다. AI 반도체 성능이 빠르게 높아지면서 데이터센터 전력 소비와 발열 문제가 산업계의 핵심 과제로 떠오른 가운데 칩 내부에서 직접 열을 빼내는 방식으로 해법을 제시했다. KAIST는 기계공학과 김성진 교수팀과 AX학과 이익진 교수팀이 공동연구를 통해 반도체 칩 내부에 매니폴드와 마이크로채널을 결합한 초고효율 액체 냉각 기술을 개발했다고 16일 밝혔다. 매니폴드는 냉각수를 여러 경로로 나눠 공급·회수하는 구조이고 마이크로채널은 머리카락보다 가는 미세 물길을 뜻한다. AI 반도체는 성능이 높아질수록 발열도 급격히 늘어난다. 기존 공랭 방식만으로는 차세대 GPU와 TPU, 고성능 AI 가속기에서 발생하는 열을 처리하기 어려워지고 있다. 이 때문에 칩 내부나 패키지 가까운 곳에 냉각수를 직접 흘려 열을 제거하는 액체 냉각 기술이 주목받고 있다. 연구팀이 주목한 매니폴드 마이크로채널은 미세 물길에 냉각수를 흘려 열을 제거하는 기술이다. 여기에 매니폴드를 적용하면 냉각수를 여러 지점에 동시에 공급할 수 있다. 전국 물량을 한 물류센터에서 보내는 대신 여러 지역 물류센터에서 나눠 배송하는 것과 같은 원리다. 기존 기술의 한계는 냉각수 분배였다. 일부 채널에 냉각수가 몰리고 다른 채널에는 충분히 공급되지 않으면 냉각 효율이 떨어지고 에너지 손실이 커진다. 연구팀은 계산 모델과 정밀 시뮬레이션을 활용해 냉각수가 모든 채널에 고르게 흐르도록 구조를 최적화했다. 최적화된 구조는 실제 실리콘 웨이퍼에 제작해 검증했다. 그 결과 냉각 효율을 나타내는 성능계수(COP)가 10만6000을 기록했다. 이는 냉각에 쓰는 에너지 1만큼으로 10만6000배에 해당하는 열을 제거할 수 있다는 의미다. 2020년 국제학술지 ‘네이처’에 보고된 기존 세계 최고 수준보다 10배 이상 높은 수치다. 이번 성과는 복잡한 비등 냉각이나 나노 표면 처리, 다이아몬드 같은 고가 소재 없이 상온의 물만으로 구현됐다는 점에서도 의미가 크다. 반도체 생산 공정과 호환 가능한 방식으로 제작할 수 있어 향후 상용화 가능성도 제시했다. 연구팀은 5㎜×5㎜ 크기의 실험용 칩에서 기술을 검증했다. 같은 설계 원리를 현재 AI 데이터센터에 쓰이는 대형 GPU·TPU에도 적용할 수 있을 것으로 보고 있다. 엔비디아의 차세대 AI 플랫폼인 ‘베라 루빈’급 초고성능 칩처럼 발열 밀도가 높은 반도체에도 활용될 가능성이 있다. 활용 범위는 AI 데이터센터에 그치지 않는다. 고성능 컴퓨팅(HPC), 3차원 반도체 패키징, 전력반도체, 국방 전자장비 등 발열이 큰 전자장치 전반으로 확장될 수 있다. 김성진 교수는 “AI 시대에는 반도체 성능보다 열을 얼마나 효과적으로 제어하느냐가 관건”이라고 말했다. 이번 연구에는 KAIST 기계공학과 이영진, 황철현, 이한솔 연구원이 공동 제1저자로 참여했으며 연구 결과는 국제학술지 ‘Energy Conversion and Management’에 6월 15일 게재됐다.2026-06-16 09:56:19
-
구글 TPU 일부 삼성 품으로…AI칩 공급망 다변화에 2나노 시험대 [경제일보] 구글이 차세대 인공지능(AI) 반도체 일부 생산을 삼성전자에 맡기는 방안을 검토하고 있는 것으로 알려졌다. 세계 최대 파운드리 기업 TSMC의 첨단 공정 생산능력이 AI 수요로 빠듯해지면서 빅테크가 공급망 다변화에 나선 흐름으로 풀이된다. 11일(현지시간) 로이터와 미 IT 전문매체 디인포메이션 등에 따르면 구글은 코드명 ‘아이스피시(Icefish)’로 불리는 10세대 텐서처리장치(TPU) 개발을 추진하고 있다. 이 칩은 미디어텍과 협력해 설계 중이며 이르면 2028년 양산에 들어갈 수 있는 것으로 전해졌다. TPU는 구글이 자체 개발한 AI 가속기다. 구글 검색, 유튜브, 클라우드, 제미나이 등 대규모 AI 서비스 운영에 쓰이는 핵심 인프라다. 구글은 그동안 TPU 생산을 주로 TSMC에 맡겨왔지만 AI 모델 학습과 추론 수요가 급증하면서 자체 칩 물량 확대와 생산 파트너 다변화 필요성이 커졌다. 이번 논의의 핵심은 삼성전자가 전체 칩이 아니라 메모리 입출력 다이(I/O Die)를 맡을 가능성이다. 보도에 따르면 TPU의 핵심 연산 다이는 TSMC가 1.4나노 공정에서 생산하고 삼성전자는 연산 다이와 고대역폭메모리(HBM)를 연결하는 메모리 인터페이스 부품을 2나노 공정으로 생산하는 방안이 거론된다. AI 반도체에서 메모리 I/O 다이는 갈수록 중요해지고 있다. 대형 AI 모델은 막대한 데이터를 빠르게 읽고 쓰는 능력이 성능을 좌우한다. 연산 칩이 아무리 빨라도 HBM과의 데이터 이동이 막히면 전체 효율이 떨어진다. 삼성전자가 메모리, 파운드리, 첨단 패키징을 함께 보유하고 있다는 점이 구글의 검토 배경으로 작용한 것으로 보인다. 삼성전자에는 중요한 기회다. 삼성 파운드리는 첨단 공정에서 TSMC를 추격해왔지만 수율과 대형 고객 확보에서 줄곧 시험대에 서 있었다. 구글 TPU 프로젝트에 참여할 경우 2나노 공정의 제조 역량과 AI 칩 패키징 경쟁력을 동시에 입증할 수 있다. 특히 HBM과 로직 반도체를 함께 다루는 구조는 삼성의 종합 반도체 역량을 보여줄 수 있는 영역이다. 최근 삼성 파운드리는 대형 고객 확보에 다시 속도를 내고 있다. 삼성전자는 지난해 테슬라와 차세대 AI6 칩 생산 계약을 체결했다. 계약 규모는 22조8000억원대로, 삼성 파운드리 역사상 의미 있는 대형 수주로 평가됐다. 여기에 구글 TPU 일부 생산 논의까지 이어질 경우 삼성의 첨단 파운드리 신뢰도 회복에 힘이 실릴 수 있다. 구글 입장에서도 전략적 의미가 있다. AI 인프라 경쟁이 엔비디아 GPU 중심에서 빅테크 자체 칩 경쟁으로 넓어지면서 안정적인 생산능력 확보가 핵심 과제가 됐다. TSMC 의존도를 낮추고 삼성, 인텔 등 대체 파트너를 검토하는 것은 비용과 공급 리스크를 동시에 줄이려는 움직임이다. 다만 현재 단계에서 과도한 해석은 경계해야 한다. 보도 내용은 계약 확정이 아니라 논의와 검토 단계다. 실제 양산까지는 설계 변경, 공정 검증, 수율 확보, 패키징 테스트, 고객 승인 등 여러 관문이 남아 있다. 2028년 양산 목표 역시 개발 일정에 따라 바뀔 수 있다. 이제 시장 시선은 삼성의 2나노 수율과 고객 대응력에 쏠린다. AI 반도체 고객은 성능뿐 아니라 안정적 공급, 전력 효율, 패키징 완성도, 장기 생산능력을 함께 본다. 구글이 삼성에 일부 역할을 맡긴다면 그것은 단순한 보조 생산이 아니라 TSMC 일극 체제에 균열을 낼 수 있는 신호가 될 수 있다.2026-06-12 09:32:27
-
"GPU 다음은 CPU"…Arm, 에이전틱 AI 인프라 경쟁 참전 [경제일보] 에이전틱 인공지능(AI) 확산이 본격화되면서 AI 산업이 GPU 중심으로 성장해왔지만 AI가 스스로 계획을 세우고 여러 작업을 수행하는 단계로 진화하면서 CPU 수요 역시 함께 증가할 것이라는 전망이 나오고 있다. 이에 Arm은 변화에 맞춰 데이터센터와 PC 시장 공략에 나서고 있다. 2일 Arm은 대만에서 진행된 '컴퓨텍스 2026' 박람회에서 오라클 클라우드 인프라스트럭처(OCI)가 Arm AGI CPU 생태계에 합류한다고 밝혔다. 이는 지난 3월 개최된 Arm 에브리웨어 행사에서 공개한 AI 인프라 전략의 후속 행보로 분석된다. 이번 행사에서 Arm은 메타, 오픈AI, SAP, SK텔레콤 등과의 협력 사례를 소개하며 에이전틱 AI 확산이 데이터센터 내 CPU 수요 증가로 이어질 것으로 전망했다. 최근에는 오라클까지 관련 생태계에 참여하면서 AI 인프라 시장에서 Arm 기반 서버 확대 움직임이 이어지고 있는 것으로 알려졌다. 에이전틱 AI는 사용자의 지시에 따라 여러 데이터와 서비스, 소프트웨어를 연계해 작업을 수행하는 기술이다. 단순히 질문에 답하는 수준을 넘어 계획 수립과 정보 검색, 코드 실행, 외부 서비스 활용 등의 기능을 수행한다. 시장조사업체 세미애널리시스는 최근 에이전틱 코딩 환경에서 전체 실행 시간의 약 42%가 CPU 기반 작업에 사용된다고 분석했다. AI 모델 자체의 연산뿐 아니라 데이터 처리와 시스템 제어, 외부 서비스 연동 등 다양한 작업이 필요해지면서 CPU 활용도가 높아지고 있는 것이다. 또한 주요 클라우드 사업자들의 Arm 기반 인프라 확대 움직임도 이어지고 있다. 구글은 자체 TPU 시스템의 헤드 노드에 Arm 기반 프로세서인 액시온(Axion)을 적용했으며, 아마존웹서비스(AWS)는 그래비톤(Graviton) 기반 서버 확대를 추진하고 있다. 엔비디아 역시 Arm 기반 CPU인 베라(Vera)를 차세대 AI 플랫폼에 적용할 계획이다. 이에 Arm은 서버용 프로세서인 AGI CPU를 선보였다. Arm은 해당 제품이 AI 데이터센터 환경에서 높은 전력 효율성과 집적도를 제공하도록 설계됐다. Arm은 PC 시장에서도 AI 중심의 변화가 진행될 것으로 전망했다. 컴퓨텍스 2026에서 공개된 엔비디아 RTX 스파크는 Arm 기반 Grace CPU와 블랙웰 RTX GPU를 결합한 AI PC 플랫폼이다. AI 기능이 PC의 핵심 사용 경험으로 자리 잡으면서 온디바이스 AI 처리 수요가 확대될 것이라는 전망이 반영된 것으로 분석된다. 마이크로소프트도 RTX 스파크 공개와 함께 Windows on Arm 생태계 확대 계획을 밝혔다. Arm 기반 PC가 저전력 중심 시장을 넘어 AI 활용이 많은 고성능 PC 영역까지 확대를 시도하고 있는 것으로 풀이된다. 업계에서는 AI 산업이 학습 중심 경쟁에서 추론 중심 경쟁으로 이동하면서 인프라 구조에도 변화가 나타날 것으로 보고 있다. GPU가 핵심 역할을 담당하겠지만 CPU와 메모리, 네트워크를 포함한 전체 시스템 최적화가 중요해질 것이라는 전망이다. 마헤시 티아가라잔 오라클 클라우드 인프라스트럭처 EVP는 "OCI는 우버와 같은 고객 사례를 포함해 대규모 클라우드 네이티브 워크로드 전반에서 Arm 기반 인프라의 강력한 성장세를 확인하고 있으며, Arm AGI CPU가 이러한 이점을 차세대 에이전틱 AI 시스템에서 확장할 수 있는 가능성을 기대하고 있다"며 "고성능 Arm 컴퓨팅과 OCI의 확장 가능한 클라우드 인프라를 결합함으로써 Arm AGI CPU는 고객들이 보다 효율적이고 조율된 AI 환경을 대규모로 구축할 수 있도록 지원할 잠재력이 있다고 본다"고 말했다.2026-06-02 16:22:27
-
앤트로픽, MS 자체 AI칩 '마이아' 사용 논의…엔비디아 의존 낮춘다 [경제일보] 마이크로소프트(MS)가 자체 개발한 인공지능(AI) 반도체 ‘마이아’를 앤트로픽에 공급하는 방안을 논의 중인 것으로 알려졌다. 협상이 성사되면 MS가 자체 AI칩을 외부 대형 AI 모델 개발사에 제공하는 첫 사례가 될 수 있다. 로이터는 21일(현지시간) IT 전문매체 디인포메이션을 인용해 앤트로픽이 MS가 설계한 AI칩 기반 서버를 임대하는 방안을 논의하고 있다고 보도했다. 협상은 아직 초기 단계이며 최종 타결 여부는 확정되지 않았다. MS와 앤트로픽은 해당 보도에 대해 논평을 거부했다. 논의 대상은 MS의 최신 AI 가속기 ‘마이아 200’이다. MS는 지난 1월 마이아 200을 공개하며 대규모 AI 추론 작업에 특화된 자체 칩이라고 설명했다. 마이아 200은 TSMC 3나노 공정 기반으로 제작됐고 FP4 기준 10페타플롭스 이상, FP8 기준 5페타플롭스 이상의 연산 성능을 제공한다고 MS는 밝혔다. 또 표준 이더넷 기반 네트워크로 최대 6144개 AI 가속기 클러스터까지 확장할 수 있도록 설계됐다. 앤트로픽이 마이아 200을 사용하게 될 경우 주된 용도는 클로드 모델의 추론 작업이 될 전망이다. 추론은 이미 학습된 AI 모델이 이용자 질문에 답변을 생성하는 과정이다. 이용량이 빠르게 늘어날수록 추론 비용은 AI 서비스 운영비의 핵심 부담이 된다. 대형 AI 기업들이 엔비디아 GPU뿐 아니라 자체 칩과 클라우드 전용 가속기를 병행하려는 이유도 여기에 있다. 앤트로픽은 이미 아마존과 구글의 자체 칩 생태계를 활용하고 있다. 아마존은 앤트로픽의 주요 투자자이자 클라우드 파트너이며 앤트로픽은 AWS의 트레이니움·인퍼런시아 계열 칩을 활용해왔다. 구글과도 협력을 확대해 차세대 TPU 기반 다중 기가와트 규모 컴퓨팅 용량을 확보하기로 했다. 앤트로픽은 지난달 구글·브로드컴과의 협력을 발표하며 2027년부터 차세대 TPU 용량을 순차적으로 확보한다고 밝혔다. MS와의 협상이 성사되면 앤트로픽은 아마존, 구글, MS 등 3대 클라우드 사업자의 자체 AI칩을 모두 활용하는 주요 AI 모델 개발사가 된다. 이는 단순한 서버 임대를 넘어 AI 인프라 조달 전략의 다변화를 뜻한다. 엔비디아 GPU는 여전히 학습과 고성능 추론의 중심이지만 공급 부족과 높은 비용 때문에 AI 기업들은 자체 칩과 전용 가속기를 함께 사용하는 방향으로 움직이고 있다. MS에도 의미가 크다. MS는 지난해 앤트로픽, 엔비디아와 전략적 협력을 발표하며 앤트로픽이 클로드 모델을 애저에서 확장하고 300억달러 규모의 애저 컴퓨팅 용량을 구매하기로 했다고 밝혔다. 당시 협력은 엔비디아 시스템 기반 애저 인프라가 중심이었다. 이번 마이아 논의는 MS가 단순 클라우드 제공자를 넘어 자체 반도체를 외부 AI 기업에 공급하는 단계로 나아가는 신호가 될 수 있다. MS는 그동안 마이아 칩을 주로 내부 AI 서비스에 활용해왔다. MS는 마이아 200이 마이크로소프트 365 코파일럿, 파운드리 모델, 오픈AI 최신 모델 등 자사 클라우드 서비스와 AI 모델 운영에 쓰일 것이라고 설명했다. 자체 칩을 외부 고객에게 본격 제공할 수 있다면 구글 TPU, 아마존 트레이니움처럼 클라우드 차별화 수단으로 키울 수 있다. AI 반도체 경쟁 구도도 바뀌고 있다. 지금까지 AI 인프라 시장은 엔비디아 GPU가 압도적인 지위를 차지했다. 그러나 추론 수요가 폭증하면서 클라우드 사업자들은 비용 효율과 공급 안정성을 위해 자체 칩을 키우고 있다. 구글은 TPU를 제미나이와 외부 고객용 클라우드에 활용하고 아마존은 트레이니움과 인퍼런시아를 AWS 고객에게 제공한다. MS가 마이아를 앤트로픽에 공급한다면 후발주자로 평가받던 자체 칩 전략이 외부 검증을 받는 계기가 된다. 다만 단기간에 엔비디아 의존이 급격히 줄어들 가능성은 낮다. 앤트로픽은 MS·엔비디아와의 기존 협력에서 엔비디아 Grace Blackwell과 Vera Rubin 시스템을 활용하는 컴퓨팅 용량도 확보하기로 했다. 프런티어 모델 학습에는 여전히 엔비디아 GPU 생태계와 소프트웨어 스택의 강점이 크다. 마이아 200은 주로 대규모 추론 비용을 낮추고 공급처를 넓히는 보완재 역할을 할 가능성이 높다. 마이아200이 실제 AI 인프라 시장에서 통할지는 가격 대비 성능과 소프트웨어 생태계가 좌우할 전망이다. AI 칩은 연산 성능만 높다고 경쟁력이 생기지 않는다. 모델 최적화, 컴파일러, 네트워크, 메모리 대역폭, 개발자 도구, 운영 안정성이 함께 갖춰져야 한다. 앤트로픽이 차세대 마이아 설계 과정에 참여할 수 있다는 관측도 MS가 고객 워크로드에 맞춘 반도체 공동 최적화 전략을 강화하고 있음을 보여준다. 이번 논의는 AI 경쟁의 중심이 모델 성능에서 인프라 조달 능력으로 확장되고 있음을 보여준다. 클로드 이용량이 늘어날수록 앤트로픽은 더 많은 데이터센터 전력, 칩, 네트워크, 클라우드 용량을 안정적으로 확보해야 한다. MS는 마이아를 통해 애저의 원가 구조를 개선하고 외부 AI 고객을 붙잡을 수 있다. 협상이 타결된다면 AI 반도체 시장의 메시지는 분명하다. 엔비디아 독주가 끝났다는 뜻은 아니지만 빅테크 자체 칩이 더 이상 내부 실험용에 머물지 않고 대형 AI 서비스의 실제 운영 인프라로 들어가기 시작했다는 신호다. MS의 마이아가 앤트로픽 클로드의 추론 비용을 얼마나 낮출 수 있을지가 다음 관전 포인트다.2026-05-22 09:03:35
-
구글 클라우드, 제미나이 에이전트 플랫폼·8세대 TPU 공개 [경제일보] 구글 클라우드가 인공지능(AI) 에이전트와 맞춤형 반도체 시장을 동시에 겨냥한 ‘투트랙 전략’을 본격화했다. 구글은 22일(현지시간) 미국 라스베이거스에서 열린 연례 기술 콘퍼런스 ‘구글 클라우드 넥스트 2026’에서 기업용 AI 에이전트 도구인 ‘제미나이 엔터프라이즈 에이전트 플랫폼’을 공개했다. 동시에 훈련과 추론에 각각 특화된 8세대 TPU(텐서 처리장치) ‘8t’와 ‘8i’를 선보이며 AI 인프라 주도권 확보에 나섰다. 현재 기업용 AI 시장에서 가장 확실한 수익 모델은 개발자 중심의 코딩 도구 분야다. 오픈AI의 코덱스(Codex)와 앤트로픽의 클로드 코드(Claude Code)가 경쟁하는 가운데 구글은 상대적으로 존재감이 약했다. 이를 만회하기 위해 구글이 내놓은 제미나이 엔터프라이즈 에이전트 플랫폼은 코딩 지식이 없는 일반 직원도 AI 에이전트를 직접 만들 수 있도록 설계된 것이 특징이다. 개발자 중심 시장을 건너뛰고 기업 실무 전반으로 확산되는 ‘에이전트 생태계’의 주도권을 선점하겠다는 전략으로 풀이된다. 특히 구글은 자사 모델뿐 아니라 앤트로픽의 클로드 모델까지 선택해 사용할 수 있도록 개방형 구조를 채택했다. 토머스 쿠리안 최고경영자(CEO)는 “단편적 서비스가 아니라 혁신을 위한 포괄적 기반을 제공하는 것”이라고 강조했다. 하드웨어 전략도 대대적으로 재편했다. 구글은 8세대 TPU를 훈련용 ‘8t’와 추론용 ‘8i’로 완전히 분리했다. 대규모 모델 학습에는 연산 성능이 높은 8t를, 실시간 서비스 환경에는 지연을 최소화한 8i를 투입하는 구조다. 8t는 인프라 관리 플랫폼 ‘패스웨이’를 통해 단일 클러스터에서 최대 100만 개 칩을 연결할 수 있는 확장성을 갖췄다. 8i는 칩 내부에 384MB 규모의 정적 램(SRAM)을 탑재해 데이터 처리 속도를 크게 끌어올렸다. 또한 구글은 인텔 CPU 대신 자체 설계한 ‘액시온’ 프로세서를 도입해 전력 효율도 개선했다. 이 같은 전략은 엔비디아의 최근 행보와도 유사하다. 엔비디아는 GPU 중심 구조를 유지하면서 추론 특화 칩을 추가하는 방향으로 사업을 확장하고 있다. 업계에서는 양사가 AI 반도체 시장에서 정면 충돌하는 구도가 형성됐다는 분석이 나온다. 특히 추론 전용 가속기는 AI 에이전트 확산과 함께 수요가 급증하는 분야다. 수백만 개 에이전트가 동시에 작동하는 환경에서는 학습보다 실시간 추론 성능이 핵심이 되기 때문이다. 아민 바닷 구글 수석부사장은 “AI 에이전트 시대에는 훈련과 서비스에 각각 최적화된 칩이 필요하다”고 설명했다. 업계는 이번 발표를 계기로 구글이 반도체부터 데이터센터, AI 모델, 개발 도구까지 아우르는 ‘AI 수직계열화’를 완성 단계에 올렸다고 평가한다. 구글은 2015년부터 자체 칩을 설계·운용해온 경험을 강점으로 내세우고 있다. 여기에 자체 모델 ‘제미나이’도 챗GPT, 클로드와 함께 글로벌 AI 시장 ‘3강 체제’를 형성하며 경쟁력을 입증하고 있다. 구글은 이러한 기술 통합 역량을 바탕으로 차세대 격전지인 ‘에이전트 경제’ 공략에 속도를 낼 전망이다. 스스로 업무를 계획하고 실행하는 AI 에이전트가 기업 생산성의 핵심 지표로 자리 잡을 것이라는 판단에서다. 쿠리안 CEO는 “에이전트형 기업으로의 전환은 필연적”이라며 “구글은 이미 기술적 준비를 마쳤다”고 강조했다.2026-04-23 09:15:39
-
구글, '젬마4' 출시로 오픈소스 AI 경쟁 참전…'제미나이' 투트랙 전략 [경제일보] 구글이 오픈형 인공지능(AI) 모델 '젬마 4'를 공개하며 개방형 AI 시장 공략에 속도를 내고 있다. 고급 추론 능력과 온디바이스 실행을 강화한 모델을 앞세워 개발자 생태계를 확대하고 폐쇄형 모델인 제미나이와의 투트랙 전략으로 AI 경쟁력 강화에 나서는 것으로 분석된다. 2일(현지시간) 구글은 고급 추론과 에이전트 기반 워크플로우를 지원하는 오픈형 모델 제품군 '젬마 4'를 출시했다고 밝혔다. 젬마 4는 아파치 2.0 라이선스로 제공되며 상업적 활용이 가능하다. 구글은 오픈형 모델을 통해 개발자와 기업이 다양한 환경에서 AI를 활용할 수 있도록 접근성을 확대한다는 전략이다. 젬마 4는 'Effective 2B(E2B)', 'Effective 4B(E4B)', '26B Mixture of Experts(MoE)', '31B Dense' 등 총 4가지 모델로 구성됐다. 해당 모델들은 단순한 대화 기능을 넘어 복잡한 논리 처리와 에이전트 기반 자동화 작업을 지원하도록 설계됐다. 특히 고급 추론 기능과 코드 생성 능력, 이미지·오디오 처리 기능 등 멀티모달 지원을 강화했으며 최대 256K 컨텍스트를 지원해 긴 문서 처리도 가능하다. 또한 140개 이상의 언어를 지원해 글로벌 애플리케이션 개발 환경을 제공한다. 구글은 이번 젬마 4를 통해 온디바이스 AI 전략도 강화했다. E2B와 E4B 모델은 스마트폰과 노트북, IoT 기기 등 엣지 환경에서 실행할 수 있도록 설계됐다. 이를 통해 클라우드 연결 없이도 AI 기능을 활용할 수 있으며 낮은 레이턴시와 개인정보 보호 측면에서도 장점을 제공한다. 특히 구글 픽셀을 비롯해 퀄컴, 미디어텍 등 주요 반도체 기업과 협력을 통해 스마트폰과 라즈베리 파이, 엔비디아 젯슨 나노 등 다양한 기기에서 오프라인 실행을 지원한다. 온디바이스 AI 확산이 가속화되는 가운데 구글이 모바일 중심 AI 경쟁력 확보에 나선 것으로 풀이된다. 오픈형 AI 모델 경쟁도 한층 치열해지고 있다. 메타의 'Llama' 시리즈를 비롯해 '미스트랄', 알리바바 'Qwen', 마이크로소프트 'Phi' 등 주요 기업들이 오픈형 모델을 잇따라 공개하며 개발자 생태계 확보 경쟁에 나서고 있다. 이에 구글 역시 젬마 4를 통해 오픈형 AI 시장에서 영향력을 확대하려는 전략으로 분석된다. 구글은 폐쇄형 모델인 제미나이를 중심으로 고성능 AI 서비스를 제공하는 동시에 젬마 시리즈를 통해 구글의 AI 전략 다변화를 진행하고 있다. 제미나이가 클라우드 기반 서비스와 기업 고객 중심이라면 젬마는 개발자와 스타트업을 대상으로 한 오픈형 생태계 구축에 초점이 맞춰져 있다. 두 모델을 병행 운영하며 AI 플랫폼 경쟁력을 강화하려는 전략으로 풀이된다. 또한 구글은 허깅페이스, vLLM, Ollama, NVIDIA NIM 등 주요 개발 도구에서 젬마 4를 출시 당일부터 지원해 개발자 생태계 확대에도 집중한다. 또한 구글 AI 스튜디오와 구글 콜랩, 버텍스 AI 등을 통해 모델 학습과 배포 환경을 확인할 수 있어 개발자는 로컬 환경뿐 아니라 구글 클라우드를 통해 확장 가능한 AI 서비스를 구축할 수 있을 것으로 전망된다. 하드웨어 지원 범위도 확대됐다. 젬마 4는 소비자용 GPU부터 엔비디아 H100 GPU, 구글 TPU까지 다양한 환경에서 실행할 수 있도록 최적화됐다. AMD GPU와의 연동도 지원하며 엣지 기기부터 클라우드까지 폭넓은 환경에서 활용 가능하도록 설계됐다. 이번 젬마 4 출시 이후 온디바이스 AI와 개방형 생태계를 중심으로 AI 시장 주도권 경쟁이 확대될 것으로 분석된다. 구글이 젬마 4를 통해 개발자 생태계 확보에 나서면서 AI 플랫폼 경쟁 구도도 한층 치열해질 전망이다.2026-04-03 11:32:17
많이 본 뉴스
영상
Youtube 바로가기
![[데스크칼럼] 사상 최악의 기후재난, 네팔 대홍수가 묻는 것](https://image.ajunews.com/content/image/2026/08/31/20260831101315475035_518_323.jpg)