BBS

전체 229건 | 페이지 1 / 33
기본정렬 : 작성일 | 수정일

[인터뷰] 공중제비 도는 로봇은 왜 물건을 집지 못하나 N

로봇이 공중제비를 돌고 춤을 추는 모습은 이제 낯설지 않다. 몇 년 전만 해도 두 발로 걷는 것조차 뉴스가 되던 로봇이 사람보다 화려하게 움직이는 시대가 됐다. 그다음 질문은 자연스럽게 이어진다. 저렇게 잘 움직이는 로봇에게 실제로 일을 맡길 수 있을까. 이 질문에서 출발한 화두가 ‘피지컬 AI’다. 화면 안에서 글을 쓰고 그림을 그리던 AI에게 몸을 주어, 스스로 상황을 파악하고 계획을 세워 현실의 일을 끝까지 해내게 하려는 기술이다. 그러나 화려한 시연과 실제 현장 사이에는 간극이 있다. 현실에서는 조명과 날씨, 바닥 상태, 사람의 움직임 같은 변수가 끊임없이 바뀐다. 화면 안의 오류는 다시 고치면 그만이지만, 로봇의 오류는 멈춤과 충돌, 비용과 안전 문제로 이어진다. 그래서 이 분야의 승부처는 더 큰 모델을 만드는 쪽이 아니라, 매일 멈추지 않고 작동하는 시스템을 만드는 쪽에 있다. 국내에서 이 전환을 가장 앞서 실험하는 곳은 어디일까. 현대자동차그룹의 로보틱스랩은 소형 모빌리티 로봇 ‘모베드’, 작업자의 근력을 보조하는 웨어러블 로봇 ‘엑스블 숄더’, 전기차 충전 로봇 ‘ACR’, 여러 로봇을 한꺼번에 운영하는 관제 솔루션 ‘나콘’까지, 로봇을 제품이 아니라 서비스로 넓혀가고 있다. 이곳에서 로봇의 지능을 만들어 온 주시현 로보틱스지능개발실장은 피지컬 AI 에이전트를 “상황과 정보를 이해하고 목표를 안전하게 완수하는 지능”으로 정의한다. AI가 몸을 가지면 무엇이 가능해지고, 무엇이 한계로 남을까. 그 답을 듣기 위해 주시현 상무를 만났다. 로봇이 아니라 로보틱스를 연구한다 Q. 올해 현대차 로보틱스랩은 휴머노이드 없이 가장 주목받은 로봇 조직이었습니다. 저희는 로봇 제작이 아닌 로보틱스를 연구하는 조직입니다. 로봇 한 대에는 기구와 구동, 배터리, 센서, 제어, AI, 소프트웨어, 안전, 운영이 함께 맞물려야 하는데, 그 총합이 로보틱스입니다. 모베드 같은 제품은 그 기술 체계 위에서 나온 결과물이죠. 지금 공장과 물류센터, 병원에는 고령화와 노동력 부족, 산업 안전, 돌봄 공백 같은 문제가 있고, 로보틱스로 이를 풀고 제품으로 만들어 국내 로보틱스 생태계를 키우는 것이 저희가 하려는 일입니다. 그래서 차별화된 하드웨어를 만들되, 이를 구동하는 AI·제어 같은 핵심 소프트웨어는 반드시 내재화하고, 완제품을 실제 공간에 내보내 피드백으로 다시 고도화하는 ‘러닝 프롬 리얼리티(Learning from Reality)’를 원칙으로 삼고 있습니다. Q. 로보틱스는 자동차보다 다뤄야 할 도메인이 더 많고 넓은 것으로 알고 있습니다. 맞습니다. 워낙 넓다 보니 모든 걸 다 할 수는 없어서, 핵심 기술 7가지를 골라 내재화했습니다. 이 7개 기술은 AI 발전과 궤를 같이합니다. 로봇은 먼저 사람의 근력을 돕는 웨어러블에서 출발해, 무언가를 잡고 다루는 덱스터러스 매니퓰레이터 (Dexterous manipulator), 공간을 스스로 옮겨 다니는 모바일 플랫폼과 자율주행(SLAM·내비게이션)으로 나아갑니다. 그 위에 주변을 보고 사람과 대화하는 비전·랭귀지 AI가 얹히고, 이 모든 연산을 클라우드가 아니라 로봇 안에서 돌리는 온디바이스 AI가 처리합니다. 챗GPT는 클라우드에서 돌아도 되지만, 제한된 배터리로 이동하며 실시간 반응해야 하는 로봇은 연산을 몸 안에 넣어야 하거든요. 그리고 일곱 번째가 가장 멀리 내다본 기술입니다. 로봇 한 대를 잘 만드는 것을 넘어, 여러 대를 하나의 서비스로 묶어 운영하는 플릿·태스크 매니지먼트인데요. 저희가 자체 개발한 다종 로봇 통합 관제 솔루션 ‘나콘’이 그 결과물입니다. 순찰·배송·관수 로봇을 한꺼번에 오케스트레이션하고, RAG와 MCP 같은 기술을 붙여 운영 데이터에서 이상 사례를 스스로 골라 운영자에게 자동으로 리포트를 줍니다. 결국 이 일곱 번째가 로봇을 ‘제품’에서 ‘서비스’로 넘기는 다리인데, 저희가 궁극적으로 가려는 방향이 바로 거기에 있습니다. 이 7개 위에서 작업자의 근력을 보조하는 웨어러블 로봇 ‘엑스블 숄더’, 자유롭게 방향을 바꾸는 소형 모빌리티 플랫폼 ‘모베드’, 전기차를 자동으로 충전하는 ‘ACR’이 차례로 나왔습니다. 디지털은 정확도, 피지컬은 복원력 Q. ‘말하고 인식하는 AI’에서 ‘움직이고 행동하는 AI’로 옮겨오며 가장 크게 느낀 차이는 무엇인가요. 디지털 세계의 AI는 틀리면 다시 질문하면 그만이지만, 움직이는 AI는 틀리면 부딪히거나 멈추거나 위험해진다는 큰 차이가 있습니다. 정리하면, 디지털 환경의 AI가 정보의 생성과 답변을 도왔다면 아날로그 환경의 피지컬 AI는 현실의 일을 직접 돕는 단계입니다. 그래서 두 가지를 절감했습니다. 첫째, 현실 세계는 디지털보다 훨씬 불완전하고 예측이 안 됩니다. 조명과 날씨, 바닥 상태, 사람의 동선 같은 변수가 실시간으로 바뀌거든요. 둘째, 그래서 정확도만으로는 부족합니다. 한 번 잘하는 것보다 매일 반복해서 안정적으로 잘하는 것, 실패했을 때 다시 복원해내는 능력이 더 중요합니다. 결국 움직이는 AI는 모델 성능의 문제가 아니라 인지·판단·제어·구동·안전이 하나로 연결된 시스템의 문제입니다. Q. 불과 몇 년 전만 해도 로봇이 두 발로 걷는 것조차 큰 뉴스였는데, 지금은 공중제비를 돌고 춤을 춥니다. 기술의 한계를 넘어선 도약처럼 보입니다. 한계를 넘어선 것부터 말씀드리면, 화려한 모션 자체입니다. 예전에 로봇의 걸음과 균형은 옵티멀 컨트롤, MPC 같은 제어 이론으로 잡았는데, 이건 몇 년씩 전공한 기계공학자만 다룰 수 있는 높은 벽이었습니다. 그런데 강화학습과 모방학습이 들어오면서 그 벽이 무너졌어요. 기계공학을 전공하지 않은 사람도 참여할 수 있게 됐고, 기존 방식으로는 안정성을 잡기 어려웠던 공중제비나 격렬한 2족 보행을 AI가 해냅니다. 다만 아이러니하게도, 사람이 하기 힘든 건 로봇이 잘하고 사람이 하기 쉬운 건 로봇이 못합니다. 비보잉은 사람보다 잘하는데, 서너 살 아기도 하는 ‘집어서 옮기기’ 같은 컨택트 리치(contact-rich) 작업은 아직 한계가 많습니다. 쿵푸나 공중제비는 사람이 모션 슈트로 보여준 동작을 따라하는 모방 학습이고, 물구나무서 중심을 잡는 건 미션만 주고 수없이 넘어지며 익히는 강화 학습입니다. 실물은 넘어지면 부서지니 시뮬레이션에서 배우는데, 그 결과를 현실로 옮기는 심투리얼(sim-to-real) 갭이 여전히 큽니다.  피지컬 AI 에이전트 Q. 현재 피지컬 AI 에이전트는 어떤 단계입니까. LLM (Large Language Model) 수준의 완성형은 없습니다. VLM (Vision-Language Model)은 트랜스포머라는 정답론 위에서 고도화하지만, 피지컬 AI는 지금 방식이 정답이냐부터 논쟁 중입니다. 다만 에이전트를 어떻게 정의하느냐가 우선돼야 하는데, 제가 보는 피지컬 AI 에이전트는 단순히 동작을 잘하는 AI가 아니라, 상황과 정보를 이해하고 목표를 안전하게 완수하는 실행형 지능입니다. 목표를 주면 스스로 판단하고 계획을 세워 행동한다는 기준에서의 부분적인 피지컬 AI 에이전트는 이미 현대차 곳곳에서 일하고 있습니다. 양재 본사 순찰 로봇은 정해진 경로를 돌면서 카메라로 이상을 감지해 스스로 운영자에게 알립니다. 관수 로봇은 화단의 3차원 공간을 인식해 식물을 상하지 않게 물 줄 위치와 개수를 그날그날 다르게 판단하고, 배송 로봇은 엘리베이터에서 장애인에게 양보하고 혼잡도에 따라 배송 순서를 동적으로 바꿉니다. 정해진 규칙을 따르는 게 아니라, 상황을 인지해 스스로 계획을 다시 짜고 있습니다. Q. AI 에이전트가 화면을 벗어나 일상으로 들어올 때 필요한 요건은 무엇인가요. 에이전트는 로봇을 ‘시키는 대로 움직이는 기계’에서 ‘목표를 이해하는 시스템’으로 바꾸는 전환의 계기일 뿐, 그 필요성은 적용처와 목적에 따라 갈립니다. 공장에서 제일 중요한 건 복원력이 아니라 99.999%의 정확도로 24시간 멈추지 않고 최적의 속도로 일하는 것입니다. 공장에서는 융통성 있는 에이전트보다 20초 작업을 15초로 줄여주는 신뢰성 있는 로봇을 요구합니다. 에이전트의 다음 목표는 서비스 영역입니다. 고객은 365일 최적의 속도보다, 한 번 맡기면 신경 쓰지 않아도 임무를 해결해주는 완결성을 원하거든요. 물건을 놓쳐도 다시 잡고, 30분이 걸려도 믿고 맡길 수 있는 완성도, 속도가 아니라 안정성과 복원력입니다.  Q. 자율성을 사회가 받아들이는 데는 시간이 필요할 텐데요. 가장 유사한 선례가 자율주행입니다. 통계적으로 사고율이 인간보다 낮은데도 신뢰를 얻기까지 10여년이 걸렸습니다. AI 에이전트는 2~3년이 채 안 걸렸어요. 예전에는 엔지니어들이 AI 검색 결과를 별도 검색해 교차 확인했는데, 지금은 많은  엔지니어들이 별도 검증 없이 AI를 먼저 믿을 만큼 신뢰가 쌓였고, 로보틱스랩에서도 개발자가 직접 작성한 코드보다 AI 에이전트를 활용해 개발한 코드가 더 많습니다. 로봇도 같은 절차를 밟을 겁니다. 엔지니어가 복원력과 안정성을 수치로 제시하고, 검증으로 신뢰성을 만들고, 고객의 신뢰가 쌓이는 것이죠. 몸을 가진 로봇은 사람과 닮아 있어 자율주행보다는 빠를 거라고 봅니다. 로보틱스 산업의 미래, 그리고 인간의 역할 Q. 로보틱스랩의 연구가 궁극적으로 추구하는 것이 있습니까. 네. 결국 서비스입니다. 궁극적으로는 라스(RaaS, Robot as a Service)고요. 애플이 앱스토어를 만든 것처럼 서비스를 만들 기술과 컴포넌트를 제공해 누구나 조합하게 하는 거죠. AI 업계가 더 이상 할루시네이션 수치가 아니라 클로드 코드 같은 ‘어떤 기능을 제공하느냐’로 경쟁이 넘어간 것처럼, 로보틱스도 같은 전환이 옵니다. 나콘을 저희 로봇만이 아니라 보스턴 다이내믹스의 스팟까지 붙는 개방형으로 설계한 것도 그 포석입니다. Q. 휴머노이드의 두뇌가 될 대형모델 경쟁은 사실상 미국과 중국의 싸움처럼 보입니다. 그 틈에서 현대차와  한국 로보틱스가 발견한 승부처는 어디입니까. 한국이 이길 수 있는 자리는 온디바이스 AI에 집중하는 것입니다. 온디바이스의 본질은 최적화인데, 이 부분은 한국이 굉장히 강합니다. 모베드 안에도 딥러닝이 들어가는데, 이를 더 낮은 비용과 전력으로 구동되도록  최적화하고 있습니다. 제한된 배터리로 이동하며 실시간 반응해야 하는 로봇의 특성과, 한국이 잘하는 것이 정확히 맞물리는 지점이죠. 회사 차원의 강점도 여기에 보탬이 됩니다. 하드웨어부터 소프트웨어, 디자인, 부품, 통합, 사업까지 한 조직에 다 갖춘 회사는 국내에 몇 없습니다. 여기에 자동차 도메인이 더해져 품질본부가 로봇에 맞는 테스트 프로토콜을 새로 짜 평가해주고 부품 밸류체인과 OEM 체계 덕에 신뢰성 높은 부품을 합리적 가격에 씁니다. 자사 공장이라는 내부 캡티브 마켓(Captive Market)이 있어 검증을 속도감 있게 할 테스트베드도 넘치고요. Q. AI가 인간의 이해 범위를 넘어서는 시대입니다. 이런 시대에 인간의 역할은 무엇이고, 로보틱스에 뛰어들려는 젊은 개발자들이 유념해야할 것은 무언입니까. AI가 사람을 일에서 자유롭게 해주지는 않을 겁니다. 인간의 야망은 커서 그 속도에 맞춰 더 많은 것을 만들어냅니다. AI를 쓰지 않는 사람이 쓰는 사람으로 대체될 뿐이죠. 제가 생각하기에 마지막까지 남을 것은 세 가지입니다. AI가 하는 일의 목적을 설정하고, 책임의 범위를 확정하고, 결과의 옳고 그름을 판단하고 결정하는 것. 자율주행 사고율이 인간보다 낮아도 판단권이 사람에게 있는 것처럼요. 로보틱스에서는 기계·제어·소프트웨어가 따로 놀던 경계가 AI가 들어오며 사라지고 있습니다. 하드웨어를 안 만져본 사람이 그 특성을 이해해 시뮬레이션에서 강화학습을 돌리고, 기구만 만들던 분이 AI를 익히죠. 젠슨 황이 60년 된 폰 노이만 아키텍처(메모리와 연산장치 사이를 오가며 데이터를 처리하는 기존 컴퓨터 구조)를 넘는 새 컴퓨팅을 말하듯, 로보틱스는 물리 하드웨어가 결합된 새로운 컴퓨팅을 만드는 영역입니다. 화려한 데모보다 안정성과 복원력과 신뢰성이 작동하는 시스템을 만드는 일이 더 어렵고 더 가치 있습니다. 젊은 개발자들에게는 이 말을 하고 싶습니다. 디지털 세상이 아니라 현장에서, 매일 검증하는 사람들과 같이 부딪혀야 합니다. 돌아보니 오래 가는 개발자는 현실의 복잡함을 끝까지 견디며 소통하는 사람들이었습니다. 천재가 아닌 대다수 엔지니어에게 필요한 건 꾸준함입니다. 젠슨 황도 지금의 위치에 오르기까지 33년이 걸렸으니까요.  주시현 상무는 오디오·디지털 신호처리 기반 머신러닝을 전공하고 현대자동차 중앙연구소에 입사해 차량 내 제스처·필기 인식 기술을 연구했다. 제네시스의 필기 인식 조작계가 그 결과물이다. 2018년 로보틱스 팀 출범과 함께 로봇 도메인으로 옮겨 2019년 로보틱스랩 설립에 참여했으며, 현재 로보틱스지능개발실을 이끌며 모베드·엑스블·ACR 등의 AI·소프트웨어 개발을 주도하고 있다.

2026.07.13  0  6 

AI 전쟁, 승자는 미국? 중국? (토큰 이코노미)

오늘의 요약 유튜브 알고리즘에서 인기를 얻고있는 리센느는 멤버들의 서사를 발견해낸 훌륭한 기획자의 역할이컸습니다. 뉴욕 닉스의 우승을 이끈 제일런 브런슨은 언더독이면서 사람들의 낭만을 자극하는 스타 농구선수입니다. 무의미해보였던 노력과 실패가 훗날 성공으로 이어진다면, 우리는 그것도 낭만이었다고 부를 수 있습니다. 스포츠와 엔터테인먼트의 세계에서 낭만은 팬을 만들고 성공을 가져오는 비결이 될 수도 있습니다. 오픈라우터에서 가장 많이 사용되는 LLM 인공지능 모델도 결국Made in China 쓰나 7월 8일 수요일 아침, 로이터통신을 통해 흥미로운 뉴스가 하나 나왔습니다. 중국 상무부가 최근 알리바바, 바이트댄스, 즈푸AI(z.ai)처럼 프런티어 AI 모델을 개발하는 회사들을 소집해 해외 사용자의 접근을 제한하는 방안을 검토했다는 내용입니다. 이 소식은 한 달 전인 6월 12일 미국 상무부가 앤트로픽의 최신 모델인 클로드 페이블의 외국 사용을 막은 것과 정확히 대비됩니다. 마침 중국 즈푸AI가 개발한 AI 모델 GLM 5.2가 높은 성능과 낮은 가격으로 미국에서도 큰 인기를 얻고 있다는 뉴스가 나왔고, 미국 LLM들의 이용료가 너무 비싸 토큰 비용을 줄이는 것이 업계의 주요 화두가 됐다는 소식도 이어졌습니다. 그래서 이 뉴스는 미중 AI 개발 경쟁에서 미국이 뒤지고 있는건 아닌가하는 생각을 하게 만들었습니다. 우리가 저렴한 중국산 공산품에 의존해 살아가고 있는 것처럼, 앞으로는 LLM에서도 저렴한 중국산 지능에 의존하게 되는 것은 아닌가 하는 생각이 들 수밖에 없습니다. LLM 토큰사용량을 측정하는 오픈라우터의 데이터를 보면 클로드나 챗GPT보다 중국 모델의 사용량이 훨씬 많은 것을 알 수 있습니다.  중국의 AI 모델은 미국 모델보다 많게는 가격이 5분의 1 밖에 되지 않는다고 합니다. 그렇다면 어떤 기준으로 저렴하다, 비싸다를 말하는 걸까요. 바로 입출력 토큰 가격입니다. 개인용 챗GPT가 월 2만9000원의 요금을 낸다면, 기업용 LLM은 기본적으로 API 형태로 비용을 청구합니다. 사용자가 AI 모델에 무언가를 입력할 때 내는 돈이 있고, 그 결과로 답변이 생성될 때 내는 돈이 있습니다. 종량제 요금처럼 토큰 사용량에 비례해 비용이 부과되는 구조입니다. 예를 들어 이미지 하나를 입력할 때 드는 비용과 동영상 하나를 입력할 때 드는 비용을 비교하면 당연히 동영상이 훨씬 비쌉니다. 동영상을 집어넣고 이걸 요약해줘라고 하면 토큰 사용량이 훨씬 많습니다.  답을 받을때도 마찬가지인데요. 단답형 답변을 받을 때보다, 복잡한 코딩 작업을 AI에게 맡길 때 토큰 사용량도 훨씬 많아집니다. 바이브 코딩과 같은 에이전틱AI가 수익성이 높은 이유는 토큰 사용량이 많기때문입니다.  학습과 추론의 비용 구조가 다릅니다.<챗GPT로 생성> 토큰값=학습비용+추론비용  이 토큰 비용은 어떻게 책정될까요.  첫 번째는 LLM을 학습시키는 데 들어가는 비용이 반영됩니다. LLM을 학습(Training)시키려면 값비싼 엔비디아 GPU가 대량으로 필요합니다. 학습 데이터를 확보하는 비용도 들고, 막대한 전기료도 들어갑니다. 무엇보다 LLM을 잘 학습시키는 방법을 아는 초고연봉 AI 인재들이 필요합니다.다만 LLM의 학습이 한 번 끝나면, 다음 버전의 모델을 개발하기 전까지는 같은 수준의 학습비용이 계속 들어가지는 않습니다. 게임 ‘리니지’를 한 번 개발하면 후속작을 개발하기 전까지는 개발비가 크게 늘지 않는 것과 비슷합니다. 하지만 학습이 끝난 LLM을 사람들에게 서비스하는 데에도 또 다른 비용이 들어갑니다. 이를 추론(Inference)이라고 합니다. 배포비용 또는 유통비용이라고 말할 수 있는데요. 리니지를 많은 이용자들에게 서비스하려면 운영인력도 필요하고, 서버 이용료도 내야죠. 이용자가 늘어날수록 추론비용도 늘어납니다. 추론은 학습과 비용 구조가 다릅니다. 추론 과정에서도 GPU가 필요합니다. 다만 반드시 엔비디아의 최고 성능 GPU가 필요한 것은 아닙니다. 데이터 확보 비용은 학습 단계보다 덜 들 수 있지만, 전기료는 오히려 더 많이 들어갈 수도 있습니다. 추론은 사용자 수가 훨씬 많고, 가동 시간도 길기 때문입니다. 고비용 AI 인재도 학습 단계만큼 많이 필요하지는 않을 가능성이 큽니다. 결국 중국 AI 모델의 ‘가성비’는 두 가지로 나눠 생각해볼 수 있습니다. 첫째, 중국은 AI 학습 비용이 상대적으로 적게 든다. 둘째, AI 추론을 위한 인프라를 사용하는 비용도 상대적으로 낮다. 이 두 가지가 합쳐져 중국 모델의 낮은 토큰 가격이 가능해진다고 볼 수 있습니다. 버스 토큰이 뭔지 알고 계신 분? <수집매니아> 토큰은 와트(W)가 아니다  여기서 잠깐 토큰 비용에 대한 한가지 오해를 바로 잡아야할 것 같습니다. 앞서 입력/출력 당 종량제로 부과되는 요금으로 토큰의 비용을 계산한다고 말씀드렸는데요. LLM을 만드는 모델 회사들이 토큰당 비용을 책정해서 부과합니다. 그런데 이 토큰이 모든 LLM들이 동일한 기준으로 만드는 것이 아니라는 점이 함정입니다.  토큰이라는 것은 AI모델이 텍스트, 이미지, 음성등을 처리하는 단위인데요. 이 토큰의 단위와 기준은 AI 모델을 만드는 회사마다 다 다르다고 합니다. 챗GPT에서의 1토큰과 클로드의 1토큰을 1:1 비교하기는 어렵다는 것입니다. 중국 같은 경우는 그래서 토큰 표준화에 나서기도 하고 있습니다.  특히 언어에서 이런 토큰의 특성이 드러나는데요. 한국어로 정보를 입력하면 똑같은 정보를 영어로 입력할때보다 처리해야하는 토큰의 양이 많다고 합니다. 영미권에서 만들어진 AI모델이 기본적으로 영어로 학습을 하기 때문이라고 하는데요. 한국어로 입력을 해도 AI가 영어로 생각한후에 다시 한국어로 답을 해주는 것 같은 느낌을 받을때가 있는데, 그것이 한 이유가 아닐까 생각해봅니다.  또한, 토큰은 단순히 입력값/출력값이 아니라 AI가 스스로 생각(Reasoning)하고 답을 찾는 과정에서도 소비된다고 합니다. 그래서 AI가 스스로 생각해서 답을 찾고, 행동을 하는 에이전틱AI나 코딩에 쓰이는 AI가 많은 토큰을 사용하고, 때로는 토큰 폭탄을 맞기도 하는 이유입니다.  그런 점에서 토큰은 어떻게 쓰느냐에 따라 크게 아낄수있기도 하고, 생각없이 사용하다가 폭탄을 맞을 수 있습니다. 싼게 비지떡이라고, 가격표의 토큰당 가격이 저렴하다고 해도, 이 모델이 비효율적으로 토큰을 사용한다면, 실제 부과되는 요금은 훨씬 커질 수 있다는 것입니다.  미국 기업들은 중국이 증류를 통해서 자신들의 AI 기술을 빼간다고 주장하고 있습니다. <챗GPT로 생성> 중국이 결국  승리하는 이유 지난달 25일에도 흥미로운 뉴스가 나왔습니다. 앤트로픽이 미국 의회에 중국 알리바바가 앤트로픽의 기술을 훔쳤다는 취지의 서한을 보냈다는 내용입니다. 이 서한에 따르면 알리바바는 2만5000개의 허위 계정을 동원해 클로드와 2880만 건 이상의 대화를 생성했습니다. 이른바 ‘증류(Distillation)’라는 방법을 통해 알리바바의 LLM인 Qwen이 클로드의 능력을 가져갔다는 주장입니다.증류란 매개변수가 큰 모델을 이용해 매개변수가 작은 모델을 학습시키는 방법입니다. 많은 AI 개발사들이 소형 모델을 만들 때 이 방식을 사용하고 있습니다. 하지만 반대로 경쟁사의 모델을 활용해 자사 모델을 학습시키는 데에도 사용할 수 있습니다.  이런 비판 때문이었을까요. 알리바바는 최근 내부적으로 앤트로픽의 클로드 사용을 금지시켰습니다. 중국 LLM 개발사들이 미국 모델을 증류해 사용했다는 주장은 지난해 딥시크가 부상했을 때 샘 올트먼 오픈AI CEO에게서도 나온 바 있습니다. 물론 증류를 중국 기업들만 사용하는 것은 아닙니다. 일론 머스크가 만든 xAI도 오픈AI 모델을 증류해 자사 모델인 그록을 학습시켰다는 설명이 있습니다. 즉, 증류는 LLM 개발 후발주자에게 매우 유용한 방법입니다. 이를 활용하면 LLM 학습비용도 상당히 줄일 수 있다고 볼 수 있습니다. 뤄 푸리 샤오미 거대모델 개발 헤드. <본인 X> AI 연구자의 절반이 중국인(계) 지난해 본격적으로 LLM 개발에 뛰어든 샤오미도 여러 가성비 중국 LLM으로 주목받고 있습니다. 샤오미는 미모(Mimo)라는 모델을 오픈소스로 공개하며 시장을 놀라게 했는데요. 단기간에 샤오미가 앞선 성능의 모델을 내놓을 수 있었던 데에는 뤄 푸리라는 개발 리더의 역할이 컸습니다. 그는 딥시크에서 천재 여성 AI 개발자로 화제가 됐던 인물입니다. 1995년생 서른둘에 불과한 나이죠.  역시 가성비로 알려진 알리바바의 Qwen는 최근 큰 변화를 겪었는데요. 내부에서 대규모 인력 변동이 있었고, 유명 AI 개발자인 린 준양이라는 인물이 퇴사했습니다. 1993년생인 그는 퇴사후 직접 AI 연구소를 설립했는데요. 20억 달러의 기업가치로 투자를 받고 있다고 합니다. 실리콘밸리에서나 벌어지는 것 같은 현상이 중국 AI 업계에서 나타나고 있는 것입니다.  요즘 가장 뜨거운 중국 LLM 개발사인 즈푸AI는 회사는 칭화대 컴퓨터공학과 교수 두 사람이 설립했습니다. 올해 1월 홍콩에 상장한 즈푸 AI는 이후 주가가 1000% 폭등하면서 창업자들은 벼락부자가 됐습니다. 앞서 말씀드린 GLM-5.2의 돌풍때문입니다.  흥미로운 점은 이런 중국의 LLM을 개발한 인물들 가운데 해외 유학 경험이 없거나, 해외 빅테크에서 근무한 적이 없는 ‘토종파’가 많다는 것입니다. 다시 말해 중국은 미국의 AI 개발자 생태계에 의존하지 않고도 자체 생태계만으로 독자적인 AI 개발이 가능하다는 점을 보여주고 있습니다. 지금의 AI 연구 생태계가 ‘중국인’ 또는 ‘중국계 미국인’에 의해 사실상 움직인다는 젠슨 황 엔비디아 CEO의 말이 결코 허황된 이야기가 아닌 셈입니다.  실리콘밸리에서는 천문학적인 몸값의 AI 연구자들에게 막대한 보상을 주고 있습니다. 반면 중국은 AI 인력에게 상대적으로 낮은 몸값을 지불하고 있는 것으로 추정됩니다. 하지만 이들은 스타트업을 창업하고, 회사를 상장시키며, 향후 큰 보상을 받을 기회를 얻습니다. 딥시크가 그랬던 것처럼 국가적 영웅으로 떠받들어질 수도 있습니다. 전세계에 위치한 화웨이의 클라우드 인프라 <화웨이> AI 반도체와 인프라도국산화 나서는 중국 지난 6월 딥시크는 처음으로 외부 투자를 받으면서 중국에서 가장 높은 기업가치의 비상장 기업이 됐습니다. 딥시크는 원래 헤지펀드 하이플라이어의 창업자 량원펑의 개인 프로젝트에 가까운 회사였습니다. 중국 AI의 발전을 위해 개인 재산을 투입한 회사인데요. 엔비디아 GPU 수출 규제라는 장벽을 열정적인 엔지니어들의 노력으로 뚫어내고 세상을 놀라게 했죠. 그래서 다른 AI 스타트업과 달리 외부 투자를 받지 않았습니다.  그런 기존 방침을 바꿔 딥시크가 투자를 받은 첫 번째 이유는 인재 유출을 막기 위해서라고 합니다. 딥시크 쇼크 이후 샤오미로 떠난 뤄푸리 외에도 핵심 연구자들이 바이트댄스와 텐센트로 이동했다고 합니다. 새로운 인재들에게 보상을 주기 위해서라도 투자를 받을 수밖에 없었고, 앞으로는 상장까지 준비할 가능성도 있어 보입니다.  그런데 딥시크의 투자자를 보면 흥미로운 부분이 나오는데요. 먼저 창업자 본인이 가장 많은 4조원의 돈을 투자했습니다. 다음으로 중국 최대 빅테크 기업인 텐센트가 2조원, 중국 1위 배터리 기업인 CATL이 1조원, 정부 AI 펀드가 2000억원을 투자했습니다. 이렇게 외부 투자를 많이 받았는데 의결권은 량원펑이 100% 유지한다고 합니다. 즉, 텐센트나 CATL의 투자는 수익을 거두기 위한 목적보다는 딥시크라는 중국의 간판 AI 기업을 두 기업이 지원한다는 성격이 강해 보입니다. 이는 지난 1년간 딥시크가 해온 일을 보면 더 잘 이해됩니다. 딥시크는 기존에는 엔비디아 CUDA 생태계에서 엔비디아 GPU를 활용해 모델을 학습해왔습니다. 그런데 지난 4월 공개한 V4에서는 화웨이의 어센드 가속기로 학습을 했습니다.  중국은 미국이 엔비디아 GPU 수출을 금지시킨 후 화웨이를 중심으로 자체 AI 반도체 개발에 박차를 가해왔습니다. 중국의 소버린 AI를 상징하는 딥시크와 중국 AI 인프라의 상징인 화웨이가 협력을 통해 미국에 전혀 의존하지 않고 프론티어 AI 모델 학습에 성공한 것입니다. 향후 더 많은 중국 AI 기업들이 엔비디아 GPU를 버리고 화웨이나 캠브리콘 같은 토종 AI 가속기를 사용하는 것이 더 많아질 것입니다.  AI 강호에는 육대문파가 있다고 합니다. <챗GPT로 생성> 치열한 내부 경쟁이 낮추는 비용   중국 테크 기업들에게 최대 경쟁자는 누구일까요. 알리바바의 최대 경쟁자는 구글일까요, 아마존일까요. 화웨이의 최대 경쟁자는 애플일까요. 우리의 생각과 달리 중국 기업들의 최대 경쟁자는 같은 중국 기업인 경우가 많다고 합니다. 중국은 거대한 내수시장을 갖고 있습니다. 중국 내에서 1등을 하는 것이 해외시장에서 1등하는 것보다 더 큰 시장을 확보하는 경우가 있습니다.중국은 정부에 의한 인위적인 구조조정이 빈번합니다. 여기서 살아남으려면 다른 기업들을 꺾고 1등이나 2등을 해야지 인위적인 구조조정의 대상이 안됩니다. 워낙 국내시장의 경쟁이 치열하다보니 국내시장에서 1위를 하면 자연스럽게 글로벌 경쟁력까지 갖추게 됩니다.  텐센트, 알리바바, 샤오미는 모두 중국 테크 업계의 대표적인 경쟁자입니다. 특히, 텐센트와 알리바바는 구글과 마이크로소프트처럼 퍼블릭 클라우드 시장을 두고 치열하게 경쟁하고 있습니다. 이 회사들은 자사 클라우드 사업을 키우기 위해서라도 뛰어난 성능의 AI모델을 직접 개발해야합니다. 토큰 비용도 공격적으로 책정해서 더 많은 사용자를 자신들에게 끌어들일 유인이 큽니다. 반면 스타트업인 즈푸AI나 딥시크도 빅테크와 경쟁하기 위해 토큰 비용을 낮춰야 합니다. 구글 제미나이와 경쟁하는 챗GPT의 입장이기 때문입니다. 토큰 가격을 낮추면서 발생하는 손실보다, 시장을 선점하면서 얻는 주가 상승이나, 정부 지원의 효과가 더 크다고 판단할 수 있습니다.  반면 미국의 오픈AI와 앤트로픽은 입장이 다릅니다. 이미 기업가치가 너무 높아진 두 회사는 조만간 상장을 준비하고 있고, 높아지는 AI 회의론을 넘기 위해서라도 수익성을 신경 쓸  수 밖에 없습니다. AI 모델을 개발하는 것이 돈이 된다는 것을 보여줘야합니다.  이 두 회사를 고객으로 두고 있는 아마존이나 마이크로소프트같은 회사는 어떨까요? AI 추론에 대한 수요는 높고, AI 데이터센터가 부족한 지금과 같은 상황에서 하이퍼스케일러들은 막대한 투자에 더 집중하고 있습니다. AI인프라가 대규모로 구축되면 자신들의 원가구조가 좋아질 것이기 때문입니다.  AI데이터센터는 전세계에서 전력의 수요를 폭발적으로 증가시킬 에정입니다. <가트너> 결국 미중 AI 경쟁은건설비용과 전기료 싸움 앞서 얘기로 돌아가 보겠습니다. AI를 고객들에게 저렴하게 제공하려면 학습 비용을 아끼거나, 추론을 위한 인프라 구축 비용을 낮춰야 합니다. 중국은 학습 과정에서 증류를 활용해 비용을 줄일 수 있고, 뛰어난 인재들도 보유하고 있습니다. 반면 인프라 비용을 줄이는데는 한가지 병목지점이 있습니다. 바로 반도체입니다. 중국은 가장 고성능의 엔비디아 GPU를 사용할 수 없고, HBM도 자유롭게 사용할 수 없습니다. 자체 GPU를 만들려고 해도 TSMC의 최선단 공정을 사용할 수 없기 때문에 이를 사용해서 만드는 다른 AI 가속기에 비해 성능이 떨어질 수 밖에 없습니다. 물론 중국 밖의 AI 데이터센터를 활용해 서비스를 제공할 수도 있습니다. 하지만 중국 정부는 이 기회에 자국 AI 반도체와 데이터센터를 키우겠다고 마음먹은 것으로 보입니다. 그렇다면 미국은 AI 인프라 구축에 유리할까요. 어떻게 보면 반도체를 제외한 모든 부분에서 미국이 불리합니다. 미국에서는 인건비를 포함해 AI데이터센터 건설비용이 비쌉니다. 전반적인 전기료도 중국에 비해 높습니다. 심지어 데이터센터 건설에 대한 사회적 반발도 큽니다. 단순히 건설비용이 많이 드는 것이 문제가 아니라, 데이터센터를 짓는 데 중국보다 훨씬 많은 시간이 걸릴 수도 있습니다.  AI 모델 개발 경쟁은 이제 점차 끝이 보이고 있습니다. 일반인이 체감하는 LLM 성능은 모델 간 큰 차이를 보이지 않고 있고, 이미지나 동영상 생성 능력, 코딩 성능도 일정 수준 이상에 도달했습니다. 소수의 강력한 모델들이 이미 강력한 해자를 구축한 것 같습니다.  그래서 AI 개발 경쟁은 이제 휴머노이드 로봇이나 스마트공장 같은 피지컬 AI, 또는 AI를 활용해 과학과 R&D 개발 속도를 끌어올리는 것과 같은 어플리케이션의 영역으로 넘어가고 있습니다. 이 경쟁에서 이기려면 결국 ‘토큰’을 얼마나 싸게 제공할 수 있느냐가 중요해집니다. 지능이 저렴해져야 혁신이 나올 가능성도 높아지기 때문입니다. 학습에서 차별화가 어려워지고 있다면, 추론 비용을 낮추기 위한 AI 인프라 투자가 중요해지는 것입니다.  애플이 메모리 부족으로 CXMT의 제품을 쓰는 것을 검토하고 있다고 합니다. <챗GPT로 생성> GPU와 메모리 비용을 아끼자   AI 인프라 비용 구조는 단순하지 않습니다. 내가 모델을 개발하는 회사인가, 아니면 하이퍼스케일러인가, 아니면 단순한 AI데이터센터 운영회사인가에 따라 입장이 다를 수 있습니다.  오픈AI와 앤트로픽처럼 모델을 개발하는 회사라면 모델 학습에 투입한 비용을 절감하고, AI 데이터센터를 싸게 빌리는 것이 중요할 것입니다. 이를 위해서 엔비디아 GPU가 아닌 다른 AI가속기를 써보기도 하고, 자체 AI칩을 개발하기도 합니다. 화웨이를 사용하고 있음에도 딥시크가 자체 AI칩을 개발한다는 뉴스가 나오는 이유입니다.  반면 전세계에서 데이터센터를 운영하는 하이퍼스케일러의 계산은 좀더 복잡합니다. 하이퍼스케일러는 전 세계에 위치한 데이터센터마다 비용 구조가 다릅니다. 직접 지은 데이터센터도 있고, 임대한 데이터센터도 있습니다. 어떤 데이터센터에서는 챗GPT를 많이 사용하기도하고, 어떤 곳은 클로드가 인기일 수도 있습니다. 심지어 딥시크나 즈푸AI의 모델이 작동할 수도 있습니다. 하이퍼스케일러 입장에서는 고객들이 많이 찾고 돈을 많이 내는 모델이 가장 좋은 모델이 됩니다. 하이퍼스케일러가 아닌 독립 AI 데이터센터 사업자라면 어떨까요. 이 경우에는 좋은 하이퍼스케일러와 손을 잡아야 합니다. AI 서비스 자체는 대개 하이퍼스케일러의 클라우드 위에서 돌아가기 때문입니다. 아니면 스스로가 '네오클라우드'라고 하는 AI 특화 클라우드 사업자가 되는 것도 방법입니다.  이 세 부류의 회사에 공통적으로 중요한 변수는 인프라 투자비용과 전기료입니다. 인프라 투자비용을 아낀다는 것은 가장 비싼 GPU 비용을 줄인다는 뜻이고, 두 번째로 비싼 메모리 반도체 비용을 줄인다는 뜻이기도 합니다. 이 회사들이 자체 AI 반도체를 개발하고, 메모리 사용을 줄이는 소프트웨어적 해법을 찾는 이유가 바로 여기에 있습니다. 한국의 곳곳에 세워지는 데이터센터가 의미있는 투자였으면 좋겠습니다. <챗GPT 생성>  한국이 토큰 수출국이 된다고? 최근 국내에서는 한국이 이른바 ‘토큰 수출국’이 되어야 한다는 말이 나오는 배경입니다. 우리의 인터넷이 전 세계와 연결되어 있는 것처럼, 한국의 AI 데이터센터에서 생산되는 지능도 다른 나라에서 사용할 수 있습니다. 해저 광케이블을 통해 한국은 이미 다른 나라와 연결되어 있기 때문입니다. 다른 나라로 수출하기 어려운 ‘전기’와 달리, ‘지능’은 수출될 수 있다는 의미입니다. 만약 한국이 AI 데이터센터를 국내에 싸고 빠르게 건설할 수 있다면, 전 세계적으로 넘쳐나는 AI 수요를 한국으로 가져올 수도 있습니다. 한국에는 AI 데이터센터의 핵심 중 하나인 메모리 반도체도 직접 만들고 전력설비나 냉각장치도 직접 만들 수 있기 때문입니다. 데이터센터에 전력을 공급하기 위한 LNG발전소나 원자력 발전소를 지을 수 있는 기반도 갖추고 있습니다.  만약 한국이 데이터센터를 많이 짓는다면 그 과정에서 관련 산업 전반을 키울수도 있습니다. 미국이나 중국에 비해서 취약한 토종 AI 반도체 회사나 AI 서버제조사를 이 과정에서 육성할 수도 있습니다. 제가 아는 몇분들께 과연 한국이 토큰을 수출하는 국가가 될 수 있을지 물어본적이있습니다. 공통적으로 말씀하시는 것은 한국의 '차별화'가 없다면 그건 어렵다고 합니다. 한국만이 제공할 수 있는 자체 AI 반도체, 한국만이 제공할 수 있는 차별화된 AI모델이 있어야한다고 합니다. 지금의 호황이 우리 산업이 성장할 수 있는 기회가 되면 좋을 것 같습니다.   ※ 제목을 누르면 원문으로 연결됩니다. 오픈AI 라이브 모델 공개오픈AI가 GPT-라이브라고 하는 라이브 대화에 특화된 AI 모델을 공개. GPT-Live-1과 GPT-Live-1 Mini의 두가지 버전으로 나왔어요. 지금까지의 어느 음성 대화 AI 모델보다 뛰어나다고 자부. 한국어도 된다고 하니 써보고 싶네요!  스페이스XAI 코딩 강화 그록 4.5 공개우주 인공지능 회사(?) 스페이스XAI가 자체 개발 LLM인 그록 4.5를 공개했어요. 그록 4.5는 스페이스XAI가 인수한 코딩회사 커서와 협력해서 만들어진 것이 특징. 클로드 오퍼스 급 성능에 토큰 사용 비용은 훨씬 낮다고 회사측은 설명했어요. 메타 뮤즈 스파크 1.1 공개경쟁사들을 따라잡기 위해 절치부심하고 있는 메타. 뮤즈 스파크의 최신모델인 뮤즈 스파크 1.1을 공개했어요. 메타에 따르면 뮤즈 스파크 1.1은 코딩과 에이전틱 AI에 강한 모델. 그리고 공격적으로 토큰 가격을 책정할 것이라고 하네요.  

2026.07.13  0  8 

작은 성공이 모이면, 더 큰 실패를 만든다 (AX)

AI가 상상한 잘못된 AX: 부서별로 서로 다른 AI를 제각각 도입하다 보면, 전략이 누더기가 될 수 있습니다. 회사가 나아갈 방향과 어긋나는 셈입니다. 인공지능 전환(AX)이란회사를 다시 설계하는 것 ‘뉴 비즈니스 패러다임’은 경영의 시선에서 기술을 바라보는 책입니다. 두껍지만 오랜만에 꼭 읽어야 하는 책이 나온 것 같아요. 수많은 챕터 가운데 윤석빈 서강대 특임교수님이 쓴 ‘AX 인공지능전환: 생존과 성장을 위한 새로운 코드’에서 핵심만 추려 볼게요.   ‘남들이 하니까’라는 위험함   윤 교수님은 많은 기업들이 AX(인공지능으로의 전환)에 대해 크게 오해하고 있다고 꼬집었어요. 오늘날 정말 많은 기업들이 AI를 도입하고 AX를 외치고 있지만, 개념 정립부터 잘못됐다는 지적입니다. 상당수 기업들은 '남들이 하니까'라는 초조함에 AI를 도입하면서도, '막대한 투자가 정말 성과로 이어질까'라는 불안감을 갖고 있다고 해요.   대다수는 값비싼 AI 솔루션 몇 개를 도입하고 만족하지만 그것으로는 턱없이 부족하다는 진단입니다. 이는 마치 증기기관이 발명되었을 때 기존 마차 위에 증기기관을 얹어놓고 '증기 마차'라고 부르는 것과 유사하다는 지적입니다. 진정한 혁신은 마차가 아니라 자동차라는 완전히 새로운 개념을 만들어내는 데서 시작된다는 것인데요. 즉 바퀴 개수와 마부의 역할, 심지어 도로 개념까지 원점에서 다시 생각해야 하는 것이 AX입니다.   AX는 처음부터 설계하는 것   윤 교수님은 이런 이유로 AX를 경영의 근본적인 재설계라고 정의했습니다. 디지털전환(DX)이 자동차의 엔진 성능과 연비를 개선한 것이라면, AI+(AI 플러스)는 새 부품 하나를 더 얹은 것이고, AX는 자율주행 전기차를 아예 새로 설계하는 차원입니다. 하지만 대다수 기업은 고객센터에는 챗봇을, 마케팅팀에는 텍스트 AI를, 공장에는 불량품 검수 AI를 각각 붙이는 방식입니다. 각 부서 효율은 분명 오릅니다만, 문제는 그다음부터입니다.   실제로 현장에서는 이런 일이 종종 벌어집니다. 마케팅팀 AI가 잠재 고객을 발굴해 수요를 폭발시켰는데, 생산팀 AI는 안정적 생산량 유지에 최적화되어 있어 품절 사태가 벌어지는 것입니다. 개별 부서들은 분명히 AI를 도입해 목표를 달성했지만, 회사 전체 입장에서는 고객을 잃고 기회비용을 놓치는 셈입니다. 이처럼 작은 성공들이 모여 더 큰 실패를 만드는 역설을 가리켜 AI+의 역설이라고 합니다.   진짜 중요한 질문   때문에 AI 도입을 할 때는 새 운영체제(OS)를 도입하는 것과 비슷한 감을 갖고 있어야 해요. 컴퓨터 OS가 하드웨어와 소프트웨어를 연결하고 모든 자원을 관리하듯, AI가 기업의 모든 데이터, 프로세스, 의사결정의 중심에 자리를 잡게 해야 한다는 것입니다. 즉 AX는 기술의 문제가 아니라 전략의 문제인 것이죠. AI를 도입할 때는 질문도 달라져야 합니다. "우리가 가진 AI로 뭘 할 수 있을까"라고 묻지 말고, "우리의 가장 큰 문제는 무엇이고, 이를 AI로 어떻게 풀까"로 말입니다. 경쟁 우위의 새로운 공식 (출처: 뉴 비즈니스 패러다임) 윤 교수님은 성공적인 AX를 위해 네 가지 가이드라인을 줍니다. 다음과 같아요.   1️⃣KPI로 목표를 세운다: 많은 AI 프로젝트가 '모델 정확도 95% 달성'이나 '이미지 인식률 99%'처럼 기술적 숫자를 목표로 잡습니다. 하지만 AI 추천 엔진을 도입해 고객 구매 전환율 15%를 올리겠다거나 수요 예측 AI 도입으로 재고 비용 20%를 절감하겠다는 것처럼, 명확한 비즈니스 KPI가 필요합니다. 왜 AI를 도입하는 것인지가 중요합니다.   2️⃣업의 본질을 재정의한다: 대표적 기업은 롤스로이스입니다. 롤스로이스는 고객인 항공사가 원하는 것을 엔진 그 자체가 아니라 안전하고 효율적인 비행 시간이라는 것을 깨달은 회사입니다. ‘비행 시간을 파는 회사’로 업의 본질을 재정의 했습니다. 1960년대 ‘파워 바이더 아워(Power by the Hour)’라는 프로그램을 일찍 시작했어요. 마찬가지로 AI라는 새로운 기술이 도입되면, 모든 기업은 ‘우리는 도대체 무슨 일을 하는 기업인가’라는 질문에 부딪히게 됩니다. 당신의 회사는 고객을 위해 어떤 일을 하는 회사인가요?   3️⃣데이터 플라이휠을 돌려라: 플라이휠은 경영학에서 선순환을 가리킵니다. 더 나은 제품을 만들면 더 많은 사용자가 유입되고,  늘어난 사용자는 더 많은 데이터를 남기고, 그 데이터가 AI를 더 똑똑하게 만들고, 이를 기반으로 더 나은 제품을 만들 수 있어요. 한번 가속이 붙으면 경쟁사가 결코 따라올 수 없기 때문에, 선순환을 어떻게 달성할 수 있을지 고민이 필요해요.   4️⃣전사적 올인 팀을 만들어라: 부서별로 흩어진 조직 구조를 과감히 깨라고 강조합니다. 비즈니스 문제를 정의하는 기획자, 모델을 만드는 개발자, 현장을 잘 아는 현업 전문가가 처음부터 끝까지 하나의 팀으로 움직여야 한다는 메시지인데요. 하나의 KPI를 공유하며 빠르게 실행하고 학습하는 조직을 가리켜 '목적 조직(Purpose-driven Team)'이라고 합니다.   목적 조직을 만드는 법   목적 조직이란 2010년대부터 전 세계적으로 린 스타트업 방법론이나 애자일 조직문화가 확산하면서 경영학에 널리 퍼진 조직론입니다. 대표적으로는 음악 스타트업 스포티파이가 있어요. 스포티파이는 기획자, 개발자, 디자이너, 데이터 분석가 등 6~10명을 묶어 스쿼드라는 최소 조직을 만들어 두고 이를 유기적으로 연계하는 트라이브라는 상위 네트워크를 둡니다.   예를 들어 결제 관련 스쿼드들을 묶은 트라이브도 있고요. 검색 관련 트라이브도 있습니다. 40~100명 규모입니다. 하지만 이런 스쿼드나 트라이브 중심의 조직 구조는 서로 다른 업무를 하는 사람들의 집합체이기 때문에 직무 역량이 떨어질 수 있죠. 그래서 직무 기술을 공유하는 챕터라는 매트릭스 조직을 두고 있어요. 채서일 고려대 명예교수 (사진 한주형 기자) 우리가 집중해야 하는 것테크네가 아닌 텔로스! 한국 경영학계의 거두로 불리는 채서일 고려대 명예교수님이 얼마 전 신간『불 바퀴 문자 화폐: 문명을 만든 4가지 힘, 기업의 운명을 가르다』를 발간했는데요. 이 가운데 AI에 대한 통찰만 골라 보려고 합니다. 채 교수님은 AI를 낯선 기술이 아닌, 인류가 오래도록 반복해온 어떤 패턴의 최신 장면으로 묘사했습니다. 몸 밖으로 떼어내는 역사   채 교수님에 따르면, 인간이 구축한 문명이란 무언가를 '몸 밖으로 떼어내는' 역사라고 합니다. 물론 원숭이나 까마귀 그리고 해달과 같은 동물은 사물을 이용할 줄 압니다. 하지만 근육에서 에너지를, 다리에서 이동을, 뇌에서 기억을, 관계에서 신뢰를 몸 밖으로 떼어낸 것은 인간뿐이라고 합니다.  이들을 상징하는 것은 각각 불, 바퀴, 문자, 화폐입니다.   채 교수님은 AI를 가리켜 마지막 남은 '인지'를 몸 밖으로 떼어내는 과정이라고 주장합니다. 이를 '다섯 번째 분리'라고 정의했습니다. 인간은 무엇인가 몸에서 분리될 때마다 큰 격변을 겪었습니다. 그럴 때마다 중요도가 달라졌습니다. 채 교수님은 AI를 가리켜 '21세기의 카라벨선'이라고 했는데요. 카라벨선은 대항해시대 당시 원양을 오가는 배입니다. 카라벨선은 단순히 안정적이고 속도가 빠른 배가 아니었습니다. 21세기 카라벨선은 AI   누가 세계의 항로를 정의하는지를 규정하고, 교역과 무역의 축을 바꾸는 선박이었습니다. AI는 데이터의 바다를 항해하는 배입니다. 질문은 여기서부터입니다. 채 교수님은 “오늘날 AI 모델 자체는 이미 누구나 살 수 있는 범용재가 되어가고 있다”고 진단합니다. AI라는 모델 그 자체보다는 그 모델을 활용해 어떻게 항로를 개척하는지가 더 중요하다는 메시지입니다.   카라벨선으로 세계를 제패한 포르투갈은, 정작 기존 항로에 안주하다 네덜란드에 추월당했습니다. 포르투갈은 아프리카 희망봉을 도는 ‘인도 항로’에 만족한 데 반해, 네덜란드는 기존 연안 항로를 피해 대서양과 인도양을 가로지르는 대양항로를 개척한 것이죠.  모든 것이 복제될 수 있다   채 교수님은 “AI 시대는 속도가 무척 빠르다”면서 “측정할 수 있는 모든 것이 곧 복제될 수 있다”고 했어요. 때문에 측정 가능한 HOW(방법)는 범용재가 되고, 잴 수도 베낄 수도 없는 WHY(이유)가 마지막 차별화의 근간으로 남는다고 합니다. 그러면서 '테크네(Techne)'와 '텔로스(Telos)'를 구별해서 사물을 봐야 한다고 했어요. 테크네는 고대 그리스어로 기술, 기법, 수단 또는 무언가를 만들어내는 방법(HOW)을 뜻합니다. 반면 텔로스는 고대 그리스어로 목적, 본질, 궁극적인 이유(WHY)를 가리킵니다. 왜 이 일을 하는가?!?   기업도 마찬가지라고 합니다. AI라는 도구가 범용재가 되고 있으니, 기업의 궁극적인 목적과 본질을 다시 물어야 한다는 것인데요. 대표적 사례가 파타고니아입니다. 창업자 이본 쉬나드는 2022년 회사 지분을 환경 단체에 넘기며 "지구가 우리의 유일한 주주다"라고 선언했는데요. 매출 극대화라는 목적 함수로는 결코 도달할 수 없고, AI 알고리즘이 흉내 낼 수 없는 결정이었다는 설명입니다.  AI가 거의 모든 일을 대신할 때 무엇을 더 잘할 수 있는가라는 질문보다는 무엇을 위해 이 일을 하는가라는 질문이 더 중요하다는 것입니다. WHY!?! 10일(현지시간) 미국 뉴욕 나스닥거래소에서 열린 SK하이닉스의 ADR 상장식에서 최태원 SK그룹 회장 등 경영진들이 오프닝 벨을 울리고 있다. SK하이닉스 미국 상장 SK하이닉스가 미국 나스닥에 상장하며 단숨에 미국 기술주 상위권에 이름을 올렸습니다. 무려 260억 달러 규모의 미국 예탁증권(ADR)을 상장했는데, 시가총액 1조 달러가 넘는 기업이 미국 증시에 추가된 것은 물론, ADR 상장 사상 최대 규모라고 합니다. 미국 경제지 배런스는 이 상장으로 SK하이닉스가 오랜 경쟁사인 마이크론과의 기업 가치 격차를 크게 좁혔다고 분석했습니다. 공모가 보다 13% 올랐다 SK하이닉스는 ADR 공모가를 주당 149달러로 책정했는데, 금요일 거래 첫날 170달러에 시작하며 13% 가량 급등했습니다. 지난 12개월간 한국 증시에서 이미 600% 넘게 오른 주식이라, 일견 고평가처럼 보일 수도 있습니다만, 상장 첫날 상승분을 반영하고도 SK하이닉스의 선행 주가수익비율(PER)은 5.9배로, 마이크론의 6.7배보다 오히려 낮다는 분석이 나왔습니다. HBM 지배력은 강점 주목할 부분은 고대역폭 메모리, 이른바 HBM 분야에서 돋보이는 지배력 유지입니다. HBM은 고급 AI 서버에 반드시 들어가는 핵심 부품인데, 카운터포인트리서치에 따르면 올해 1분기 SK하이닉스의 시장 점유율은 무려 58%에 달했습니다. 골드만삭스의 지우니 리 애널리스트는 SK하이닉스의 적정 PER을 향후 12개월 예상 순이익 기준 9배로 제시했습니다. 이를 근거로 한국 상장 주식에 347만원(약 2314달러)의 목표 주가를 내놓았는데, 이는 현재 대비 59% 높은 수준입니다. 시클리컬 산업은 약점 물론 그렇게 될지는 좀 더 봐야 합니다. 메모리 칩 산업은 역사적으로 공급 부족과 공급 과잉을 오가는 시클리컬 특성이 강해요. 또 ADR이 미국 달러로 표시되긴 하지만 변동성 큰 한국 시장과 연동되어 환율 위험을 안고 있다는 점도 유의할 대목입니다. 그러나 국내 기업이 모처럼 미국에서 주목을 받았다는 점에서 가장 큰 뉴스였습니다.   GPT-5.6 Sol을 활용해 제작한 게임 (웹 앱 개발 가능) 나왔다 GPT 5.6...솔 테라 루나 지난 주말을 전후해 오픈AI와 메타가 굵직한 발표를 했습니다. 특히 오픈AI가 내놓은 GPT-5.6이라는 새 모델은 단순히 더 똑똑해졌다는 수준을 넘었다는 평가를 받았어요. 오픈AI는 이번에 솔(Sol), 테라(Terra), 루나(Luna)라는 세 가지 모델을 함께 공개했는데요. 이 가운데 상위 모델인 솔은 코딩, 사이버보안, 과학 분야에서 앞선 지능과 효율성을 보여줍니다. 솔은 경쟁 모델인 클로드 페이블 5를 여러 지표에서 앞섰다고 오픈AI는 주장하는데요. 주목할 만한 대목은 따로 있습니다. 바로 솔이 ARC-AGI-3라는 공개 게임을 처음으로 이겨낸 모델이라는 점입니다. ARC-AGI는 AI가 진짜 지능을 갖췄는지 가늠하는 까다로운 시험입니다. 사전 지식 부여를 금지한 상태에서, 경험이 없는 낯선 퍼즐을 주고 인간처럼 추론하는 능력을 평가하는 시험입니다. 물론 이번 발표는 오픈AI가 한 것이어서 일정 부분 감안해야 합니다. 그렇지만 AI 추론 능력이 일취월장하고 있음은 눈여겨볼 만 합니다.   AI가 생각하는 내용을 드러내주는 J-렌즈라는 기술 AI는 무슨 생각을 할까? AI가 답변을 할 때 우리는 최종 결과물만 볼 뿐 그 속에서 무슨 일이 벌어지는지 알기 어려웠습니다. 그런데 앤트로픽이 'J-렌즈'라는 새로운 도구를 만들어, 모델 내부의 숨겨진 공간을 들여다보는 데 성공했습니다. 여기에는 모델이 곧 말할 가능성이 높은 단어들, 말하자면 입 밖으로 내기 전 머릿속에 스쳐 지나가는 생각에 해당하는 것들이 담겨 있습니다. 모델이 프롬프트를 한 단어씩 답으로 바꾸는 그 중간 과정을 처음으로 선명하게 관찰할 수 있게 된 셈인데요. 살펴보면... 계산 문제를 풀 때는 중간 계산값이 미리 떠올랐습니다. 예를 들어 특정 단백질 서열을 보여주자 'green(초록)', 'fluorescent(형광)' 같은 관련 단어가 나타났고요. ASCII로 그린 얼굴에서는 'eye(눈)', 'nose(코)', 'smile(미소)'이 튀어나왔습니다.  가장 인상적이었던 건 코드에서 버그를 못 찾은 클로드가 "가짜 버그를 심어 속이자"고 마음을 먹었는데요. 그 공간에 'panic(당황)'과 'fake(가짜)'라는 단어가 반복해서 떠올랐습니다. 모델이 겉으로 말하는 것과 속으로 하는 일이 다를 수 있음을 보여주는 대목입니다. 근데 이건 어디에 쓸 수 있냐고요?  앤트로픽은 해당 기법이 모델을 더 잘 이해하고 통제할 수 있는 새로운 방법이라고 평가합니다. 다만 전문가들은 아직 갈 길이 멀다고 봅니다. 굿파이어의 톰 맥그래스는 이를 두고 "모든 걸 비추는 조명이 아니라 손전등에 가깝다"며, 흥미로운 진전이지만 완전한 신뢰를 주기엔 부족하다고 지적했습니다. 하지만 AI의 속마음을 본다는 것이 흥미로운 연구이긴 합니다.

2026.07.13  0  5 

생성형 AI 시대의 AWS 활용 전략은? 7/23 PS Webinar에서 확인하세요!

   본 메일 수신에 감사드립니다. 더이상 메일수신을 원하지 않으시면 여기를 클릭해 구독을 해지해 주시기 바랍니다. 메가존클라우드 마케팅 유닛 | mzc_grp_mkt@megazone.com        경기도 과천시 과천대로7길 74 메가존산학연센터        Copyright 2026 © MegazoneCloud Corp. All Right Reserved.   

2026.07.09  0  18 

무협 X IBK창공 싱가폴 SWITCH 2026 참여기업 모집

   ⏰ 7월 1주 주요 모집 공고 🎯(7/15) <한국-독일 커넥트 AI 스타트업 피칭 챌린지 2026>🎯(7/16) <2026 WTCS 테스트베드 참가기업>🎯(7/16) <한국무역협회 X IBK창공 싱가포르 SWITCH 2026 프로그램 참여기업>🎯(7/16) <AISE 2026 AI Summit Seoul & Expo 참여기업>🎯(7/16) <AME 2026 자율주행모빌리티산업전 IR 피칭데이 참가기업>🎯(상시모집) <제주창조경제혁신센터 2026 상시매칭 오픈이노베이션 플랫폼>         한국무역협회 X IBK창공싱가포르 SWITCH 2026 참여기업 모집 👉모집 기간 : ~ 07.16(목) 까지👉현지 일정 : 26.10.26(월)~10.30(금) *실행사 기간: 26.10.27(화)~10.29(목)👉모집 대상 : IBK창공 및 한국무역협회 육성(졸업) 기업 10개사 👉제출 서류 : 필수- 참가신청서, 사업계획서, IR 자료 국문/영문, 사업자등록증  *해당시 추가 제출 : 해외 인증 및 특허, 제품소개서/카달로그 등👉신청 방법 : 하단 신청접수 링크 접속 후 구글폼 작성 및 제출 한국무역협회와 IBK창공은 다가오는 10월 싱가포르에서 진행되는 SWITCH(Singapore Week of Innovation&Technology) 2026에 참가할 해외 시장 진출 희망 기업을 모집합니다. 행사 주요 프로그램 내용으로는 전시부스 운영, 비즈니스 Meet-Up(바이어)·현지 IR(투자자) 개최 및 참여, 對 기관 미팅 주선 및 협력 연계로 구성되어 있으며, 참가 선정된 기업에게는 기업진단 및 글로벌 전문가 컨설팅, IR 자료 및 기업 소개 자료 제작, 1개사 최대 1인 왕복 항공료 지원, 현지 차량 및 여행자 보험 지원이 예정되어 있습니다. 혁신 기술을 보유한 우수 창업기업의 글로벌 진출을 희망하는 대표님들의 많은 관심과 신청 바랍니다.  *관련 문의 : IBK창공 광주센터 운영사 제피러스랩(062-714-3288, ibkgwangju.zephyrus@gmail.com) 신청접수 바로가기                 한국-독일 커넥트 AI스타트업 피칭 챌린지 2026참관객 모집👉진행 일자 : 2026.07.15 (수) 10:00~13:00👉행사 장소 : 서울 강남구 영동대로 513 코엑스 2층 스타트업브랜치👉신청 방법 : 하단 접수창 통해 구글 폼 신청  참관객 접수 바로가기         2026 WTCS 테스트베드참가기업 모집 👉모집 일자 : 2026.07.16(목)까지👉실증 장소 : 서울 강남구 삼성동 코엑스👉신청 방법 : 하단 접수창 접속 후 신청 * WTCS는 코엑스 전시장, 코엑스몰, 오피스 등 자산 및 시설관리 전문회사입니다.  접수창 바로가기         AISE 2026 전시부스/체험존 참가기업 모집 👉접수 마감 : 2026.07.16(목)까지👉행사 장소 : 서울 강남구 삼성동 코엑스 B홀👉행사 일자 : 2026.08.19(수) ~ 08.21(금)👉모집 분야 : 라이프스타일, 헬스케어, 뷰티테크, 모빌리티(로봇 제외),기타 체험 가능 딥테크 AI 👉신청 방법 : 하단 접수창 접속 후 신청  접수창 바로가기         AME 2026 IR 피칭데이& VC 멘토링 참가기업 모집 👉접수 마감 : 2026.07.16(목)까지👉행사 장소 : 서울 강남구 삼성동 코엑스 B홀👉행사 일자 : 2026.08.26(수) 👉모집 대상 : 창업 7년 이내 자율주행 관련 기술 보유 스타트업👉신청 방법 : 하단 접수창 접속 후 신청  * 본 행사는 코엑스 주최 2026 자율주행모빌리티산업전의 부대행사로 개최됩니다.  IR피칭 신청 접수(이노브랜치)         제주창조경제혁신센터 2026상시매칭 오픈이노베이션 플랫폼👉모집 일자 : 2026년 연중 상시 모집👉선정 혜택 : 공고페이지 참고 必👉신청 방법 : 하단 접수창 통해 구글 폼 신청  접수창 바로가기          KITA Startup Branch 카카오상담채널 저희 Branch 카카오채널 연결을 안하셨다면 클릭해보시기 바랍니다. 그리고 "안녕하세요" 라고 말을 걸어주시면, 담당자가 직접 응답하고 맞춤형 관리를 해드립니다. (👉클릭)

2026.07.07  0  27 

2026년 SVC Seoul 멤버십(확장형) 2차 모집 안내(7.8.(수) 15시 마감)

2026년 SVC Seoul 멤버십(확장형) 2차 모집 안내 (7.8.(수) 15시 마감) 안녕하십니까 창업진흥원입니다. 글로벌 진출을 희망하는 창업기업을 대상으로 공유좌석 및 전문 자문 등을 제공하는 SVC Seoul 멤버십(확장형) 기업을 모집하오니 많은 관심과 참여 부탁드립니다. ✔ 지원대상 : 예비창업자 및 업력 7년 이내의 창업기업 ✔ 사업내용 : 공유 좌석 이용, 회의실·IR룸 등 공유공간 예약, 자문바우처 등 제공 * 위치 : 홍대입구역 9번 출구, 도보 3분거리(서울 마포구 양화로 136) ✔ 신청기간 : ~2026.7.8.(수) 15시까지 ✔ 신청방법 : K-Startup 누리집 온라인 신청 모집공고 바로가기

2026.07.03  0  33 

애플과 마이크론, 뒤집힌 갑을관계

오늘의 세줄 요약1.AI 데이터센터가 메모리를 대량으로 선점하면서 애플은 맥과 아이패드 가격을 올리고, 마이크론은 사상 최고 수준의 실적과 수익성을 기록했습니다.2.메모리 업체를 상대로 가격을 깎던 애플은 물량 확보를 위해 중국 메모리 업체까지 검토할 정도로 협상력이 약해졌고, 메모리 기업은 장기계약과 선급금을 받는 '갑'으로 떠올랐습니다.3.AI 시대의 메모리는 더 이상 평범한 부품이 아니라 전략 자산이 됐으며 그 비용은 노트북·스마트폰 가격 상승을 통해 소비자에게 돌아가고 있습니다. 애플 가격 인상은 과연 소비자들에게 어떤 영향을 미치게 될까요. 가격 인상을 발표하던 날 주가는 떨어졌습니다. [사진=소셜미디어] 팀 쿡의 인터뷰와애플의 가격 인상 팀 쿡 애플 CEO가 입을 연 건 지난달 17일이었습니다. 월스트리트저널(WSJ)과의 단독 인터뷰에서였는데요. 그는 “안타깝지만 가격 인상은 불가피하다(unavoidable)”고 말합니다. 메모리와 스토리지(저장장치) 가격이 치솟으면서 더는 버틸 수 없는 상황이 됐다는 겁니다. 쿡의 표현은 꽤 직접적이었는데요. “우리에게 전가되는 막대한 인상분을 완화하려 최선을 다하고 있고 고객을 보호하려 애써왔지만 상황이 더는 지속 가능하지 않게 됐다”라고 했거든요. 애플이 그동안 부품값 상승을 자체적으로 흡수하며 소비자 가격을 지켜왔는데 그 방어선이 무너졌다는 얘기입니다. 쿡은 이 사태를 “100년에 한 번 오는 대홍수”라고 표현했습니다.  IBM, 컴팩을 거쳐 애플까지 40년 넘게 전자업계 공급망에서 일해온 그가 “어떤 분야에서도 이런 건 본 적이 없다”라고 했고요. 원인은 분명합니다. AI 데이터센터가 메모리와 스토리지를 빨아들이면서 가격이 폭등했거든요. 구글·MS·메타·아마존이 설비투자를 늘리기 시작한 지난해 이후 D램(메모리)과 낸드(저장장치) 가격이 나란히 4배로 뛰었습니다. 인터뷰 8일 뒤인 지난달 25일, 애플은 실제로 맥북과 아이패드 가격을 올렸습니다. AI발 부품값 인상을 소비자에게 공식적으로 떠넘긴 첫 조치였습니다. 맥북 에어 512GB는 1099달러에서 1299달러로, 맥북 프로 1TB는 1699달러에서 1999달러로 올랐어요. 아이패드 에어 128GB도 599달러에서 749달러가 됐고요. 맥북 네오 기본형은 599달러에서 699달러로, 아이패드 프로 와이파이 256GB는 999달러에서 1199달러로 올랐습니다. 올해, 새 아이폰은 200만원?그날 애플 온라인 스토어는 잠시 먹통이 됐다가 바뀐 가격표로 돌아왔습니다. 사실 신호는 먼저 있었습니다. 애플은 지난 5월 맥미니에서 가장 싼 256GB, 599달러 모델을 단종시켰거든요. 남은 기본형 가격은 799달러였습니다. 가장 저렴한 선택지를 없애 시작 가격을 끌어올리거나 더 높은 용량·상위 모델로 소비자를 유도하는 건 애플이 오래 써온 가격 전략이기도 합니다. 추가 저장용량에 100~200달러를 매기면서 정작 애플이 부담하는 원가는 그 일부에 불과할 겁니다. 시장 반응은 차가웠어요. 발표 당일 애플 주가는 6% 넘게 빠졌습니다. 2025년 4월 이후 하루 최대 낙폭이었습니다. 애플은 성명에서 “전자업계가 전례 없는 도전에 직면했다”라며 “AI 데이터센터의 급속한 확장으로 메모리와 스토리지 수요가 폭발했고 부품 가격이 이렇게 빠르게 오르는 건 본 적이 없다”라고 밝혔습니다. 가격을 올린 건 애플만이 아닙니다. HP, 델, 닌텐도 같은 PC·게임기 업체들도 줄줄이 가격을 인상했거든요. 업계 단체들은 최근 스콧 베센트 재무장관과 하워드 러트닉 상무장관에게 “AI 쪽으로 메모리가 과도하게 배정되고 있다”며 공급 확대를 요청하는 서한까지 보냅니다. 모건스탠리는 올해 미국 스마트폰·PC 가격이 평균 15%가량 오를 것으로 봤고요. 애플 입장에선 압박이 이중적이에요. 비싸진 메모리를 사 와야 하는 동시에, 새로 내놓은 기능들이 더 많은 메모리를 요구하거든요. 지난주 다시 선보인 시리를 비롯한 온디바이스 AI 기능은 더 넉넉한 D램이 있어야 하는데, 살 때도 비싸고 더 많이 사야 하는 구조인 셈입니다. 문제는 이게 끝이 아니라는 점이에요. 애플은 “여러 제품에서 가격 인상을 시작해야 하는 지점에 이르렀다”라며 추가 인상 가능성을 열어뒀거든요. 시선은 자연히 아이폰으로 향합니다. 부품값 탓에 아이폰 한 대당 약 200달러가 더 붙을 것이라는 전망이 나옵니다. 마진을 유지하려면 차기 아이폰 프로에 약 270달러가 얹힌다는 말도 나오고요. 9월 공개가 예상되는 아이폰 18 프로 가격표가 1299달러까지 오를 수 있다는 전망입니다. 단순 환율 계산으로 200만원이네요. 마이크론의 주가입니다. 실적 발표와 함께 날아오르기 시작합니다. 마이크론의 비판(?)'中기업'에 요청한 애플 애플이 가격을 올리기 하루 전, 시장의 시선은 마이크론에 쏠려 있었습니다. 마이크론이 기대를 훌쩍 넘는 분기 실적을 내놓으며 매출총이익률이 80%를 넘겼다고 발표했거든요. 실적 발표 뒤 주가는 시간외 거래에서 16% 뛰었고 주춤했던 반도체주 전반을 끌어올릴 기세였습니다. 평소 메모리 업황의 ‘호황과 불황’을 조심스럽게 전망하던 마이크론 경영진의 태도도 달라졌어요. 이들은 실적 콜에서 “빡빡한 공급 상황이 2027년 이후까지 이어질 것”이라고 했는데, 불과 석 달 전만 해도 “올해 이후까지”라고만 했던 전망을 더 늘려 잡은 겁니다. 눈길을 끈 건 그다음이었어요. 수밋 사다나 마이크론 최고사업책임자(CBO)는 지난달 25일 밤 인터뷰에서 ‘메모리 불황기’를 꺼냈는데요. 당시 마이크론은 총이익이 마이너스로 돌아설 만큼 어려웠고 그 배경엔 “일부 고객이 바닥까지 가격을 후려친 탓도 있었다”라고 말합니다. 사다나는 “그때 공격적으로 가격을 밀어붙이던 몇몇 고객에게 이건 건설적이지 않다고 말했다”라고 언급합니다. “2023년 업계 투자가 줄줄이 멈춰선 건 형편없는 가격과 마진 때문”이라고도 했고요.  사다나의 말에는 부메랑 논리가 깔려 있어요. 가격이 바닥일 땐 마이크론 같은 업체들이 증설 투자를 줄였고(낮은 가격이 투자를 위축시켰다는 거죠), 그렇게 묶인 공급이 AI 수요 폭발과 맞물리면서 지금의 품귀로 돌아왔다는 겁니다. 어제의 후려치기가 오늘의 부족을 거든 셈입니다. 그리고 가리키는 방향은 비교적 분명해 보였습니다. 애플은 막대한 메모리·스토리지 구매력을 지렛대 삼아 공급사로부터 가장 낮은 가격을 받아내는 곳으로 유명하거든요. 중국 수출 제한 기업에 '메모리' 요청한때는 애플이 메모리 업체들을 상대로 가격을 깎고 공급 조건을 요구하는 ‘갑’이었습니다. 하지만 지금은 상황이 완전히 달라졌습니다. 메모리 업체들이 AI 열풍 덕분에 사상 최대 실적을 올리는 사이, 애플도 필요한 물량을 확보하려면 제값을 주고 순서를 기다려야 하는 처지가 됐거든요. 애플의 선택지도 많지 않습니다. 애플은 매년 메모리와 저장장치에 수백억 달러를 쓰는 세계 최대 고객 중 하나지만 마이크로소프트와 메타 같은 AI 기업들이 3~5년짜리 장기 계약을 맺고 선급금까지 내며 생산 물량을 미리 확보해 버렸기 때문입니다. 팀 쿡 CEO는 “애플의 막대한 자금을 활용해 공급 부족을 해결하는 데 이바지하겠다”라고 밝혔습니다. 다만 메모리 공장을 직접 짓거나 반도체를 생산하는 사업에는 뛰어들지 않겠다는 점도 분명히 했습니다. 결국 남은 카드 중 하나가 워싱턴을 향한 로비였습니다.쿡은 앞선 “모든 가능성을 테이블에 올려야 한다”, “모든 공급처를 들여다봐야 한다”며 중국 공급망까지 시야에 둔 듯한 발언을 했는데요. 실제 움직임도 확인됐어요. 애플이 중국 메모리 기업 창신메모리테크놀로지스(CXMT)에서 메모리를 사들일 수 있게 해달라며 트럼프 행정부에 로비하고 있다는 사실이 알려지거든요. 애플은 한 달여 전 상무부를 접촉하고 백악관 인사들에도 접근한 것으로 전해졌습니다. 문제는 CXMT가 그냥 회사가 아니라는 점입니다. 중국 최대 메모리 기업인 CXMT는 바이든 행정부 시절 국방부가 ‘중국군 연계 기업’으로 지정했고 지난해엔 상무부 수출통제 명단에도 올랐습니다. 이 명단에 오른 기업엔 미국 기업이 허가 없이 제품·기술을 보낼 수 없습니다. 결국 애플은 비용 압박을 덜기 위해 안보 규제를 풀어달라 요청하는 셈인데요. 치솟는 메모리 비용과 워싱턴의 대중 안보 규제 사이에 낀 미국 테크 기업의 딜레마를 보여주는 것 같습니다.  메모리 산업은 수요가 급증하면 기업들이 대규모 증설에 나서고 공급이 늘면 투자와 생산을 줄이는 '반도체 사이클'을 반복해왔습니다. 신규 공장은 착공부터 양산까지 수년이 걸리기 때문에 투자와 실제 공급 사이에는 시차가 발생하고요. 이 때문에 투자 공백기 이후 공급 부족과 가격 상승이 나타나고, 다시 대규모 증설이 이어지는 패턴이 반복됩니다. [그림=세미위키] 메모리 기업의위상 변화 메모리 기업은 ‘을’이었습니다. 메모리(D램·낸드)는 오랫동안 대표적인 ‘범용 부품’이었거든요. 제품 차이가 크지 않으니 가격은 철저히 수급이 정했고 호황에 너도나도 증설하면 곧 공급과잉 → 가격 폭락 → 감산으로 이어지는 사이클이 반복됐습니다. 이 순환의 극단이 그 유명한 ‘치킨게임’이에요. 점유율을 지키려 손해를 무릅쓰고 물량을 쏟아부어 경쟁사를 고사시키는 출혈 전입니다. 실제로 두 차례의 치킨게임이 업계 지도를 바꿔놨습니다. 2007년 대만 업체들이 불붙인 1차전 끝에 2009년 독일 키몬다가 파산했고, 2010년 재점화된 2차전에선 일본 엘피다가 2012년 무너져 이듬해 마이크론에 인수됐습니다. 1980년대 세계 D램의 80%를 쥐었던 일본이 통째로 퇴장했고 시장은 삼성전자와 SK하이닉스, 마이크론 ‘빅3’로 굳어졌습니다. 가격 변동성은 상상 이상이었어요. 1차 치킨게임 당시 주력이던 512MB DDR2 D램은 6.8달러에서 0.5달러로, 3년 새 10분의 1 토막이 났거든요. 가장 최근 불황이던 2022~2023년엔 살아남은 마이크론마저 총이익이 마이너스로 돌아섰고요.  그런데 이번엔 그 공식이 깨지고 있다는 분석이 나옵니다. ‘공급과잉→가격 급락→감산’의 순환 대신 AI 수요가 시장을 떠받치면서 메모리가 범용 부품에서 ‘전략 자산’으로 재평가받고 있다는 겁니다. 숫자가 말해줍니다. 마이크론의 이번 분기 매출총이익률 84.9%는 메타(81.9%)와 엔비디아(75%)를 제치고 미국 주요 기술기업 중 1위였어요. 브로드컴(69.5%), 마이크로소프트(67.6%), 알파벳(62.4%)과는 격차가 더 크고요. 엔비디아 마진이 2024년 초 79%선에서 정점을 찍었던 걸 떠올리면 범용 부품 제조사로만 여겨지던 곳의 가격 결정력이 통째로 뒤집힌 셈입니다. 가격 다운? 선주문 구조로 전환 위상 변화의 핵심은 ‘파는 방식’입니다. 마이크론은 이번 분기에만 전략적고객협약(SCA) 16건, 총 220억달러어치 공급 계약을 맺었다고 밝혔는데요. 최소 구매 의무와 선수금, 가격 하한선이 들어간 계약들입니다. 앞으로 매출로 잡힐 계약 잔여액(RPO)만 1000억달러에 달한다고 합니다. 만들어 놓고 시황 따라 파는 게 아니라 고객이 물량과 가격을 미리 못 박는 ‘선주문’ 구조로 바뀌고 있다는 뜻입니다. 사이클이 꺾여도 안정적 물량이 유지되니 그동안 증설을 망설이게 했던 투자 리스크도 줄어들거든요. 물론 이 구조가 버티는 건 공급이 쉽게 늘지 않아서예요. 메모리 공장(팹)은 짓는 데만 2~3년이 걸리고 발표된 증설 대부분은 일러야 2027년에야 물량이 나옵니다. D램 수급이 2028년 이후까지 빡빡할 것이라는 전망도, 메모리 가격이 4분기에 30~40%, 내년에 다시 40~45% 더 오를 것이란 업계 전망도 이 때문입니다. 여기에 AI 서버용 HBM이 같은 웨이퍼를 나눠 쓰는 탓에 HBM에 한 장을 더 쓰면 그만큼 스마트폰·PC용 메모리가 줄어드는 ‘제로섬’이 됐고요.  이 재편은 삼성전자와 SK하이닉스에도 그대로 옮겨붙고 있습니다. 업계는 내년 D램 물량의 20~30%, 낸드의 약 20%가 장기계약으로 넘어갈 것으로 보고 있어요. 마이크론 실적 발표 당일 국내 개인투자자들은 삼성전자·SK하이닉스를 합쳐 1조원 넘게 순매수했고요. 삼성(평택)과 SK하이닉스(용인)가 신규 팹을 빠르게 올리며 2034년께 생산능력이 두 배 가까이 늘 전망인데 장기계약이 이 대규모 투자의 버팀목이 되는 구조입니다. 다만 ‘전통적인 메모리 기업 사이클이 정말 끝났냐’는 신중론도 함께 나옵니다. 그 생산능력이 2028년 이후 본격적으로 풀리면 결국 공급이 수요를 앞지를 수 있다는 건데요. 가격 하한선과 장기계약이 그 충격을 얼마나 흡수해줄지가 다음 사이클의 관전 포인트가 될 것 같습니다.

2026.07.02  0  35 

1 2 3 4 5 6 7 8 9 10