|
황 CEO는 AI가 기존 소프트웨어를 대체하기보다 활용 범위를 넓히고 새로운 수요를 창출할 것으로 내다봤다. 나아가 AI를 전기와 같은 범용 기술이자 지능을 생산하는 새로운 제조업으로 규정하며 산업 전반의 변화가 이제 시작됐다고 강조했다.
그는 “AI가 등장하면서 우리가 오랫동안 개발해 온 도구를 사용하는 주체는 과거 어느 때보다 많아질 것”이라며 “모든 소프트웨어 도구 기업은 AI 기업이자 AI 에이전트 기업으로 바뀔 것이다. 단순히 도구를 제공하는 데 그치지 않고 자사 도구를 능숙하게 사용하는 전문화된 에이전트까지 제공하게 될 것”이라고 말했다.
기존에는 사람이 직접 소프트웨어를 조작해 업무를 수행했다면 앞으로는 AI 에이전트가 여러 도구를 활용해 작업을 처리하게 된다는 설명이다. 이에 따라 소프트웨어를 사용하는 방식이 달라지면서 기존 기업에도 새로운 사업 기회가 생길 것으로 전망했다.
기존 SW에 에이전트 결합…기업 도구 활용 범위 확대
대표적인 사례로 케이던스와 크라우드스트라이크, 다쏘시스템 등을 제시했다. 기존에 설계·보안·엔지니어링 소프트웨어를 제공하던 기업들이 자사 도구를 활용하는 AI 에이전트를 개발하고 있다는 설명이다.
이러한 변화에서 경쟁력을 좌우하는 요소는 기업이 축적한 전문지식과 소프트웨어 도구다. AI 모델이 고도화하더라도 실제 업무를 수행하려면 기업 내부 데이터와 산업별 전문 도구를 활용해야 하기 때문이다.
기조연설에서는 신약 개발과 공장 운영, 자동차 설계 등에 AI 에이전트를 적용한 사례도 소개됐다. 연구개발에 필요한 정보를 분석하고, 시뮬레이션을 수행하거나 생산계획을 수립하는 등 기존 전문 소프트웨어를 AI 에이전트가 직접 활용하는 방식이다.
|
AI 모델의 활용 방식도 변화할 것으로 전망했다. 모든 기업이 동일한 범용 모델에 의존하기보다 외부에서 제공하는 모델과 자체 데이터를 활용해 맞춤화한 모델을 병행하는 방식이 확산할 것이라는 분석이다.
황 CEO는 “미래에는 모든 업무를 하나의 모델로 처리하지 않을 것이다. 폐쇄형이든 개방형이든 맞춤형이든 가장 적합한 모델을 사용하게 될 것”이라며 “모든 기업이 폐쇄형 모델과 자체적으로 맞춤화한 오픈 모델을 함께 사용하게 될 것”이라고 말했다.
지능 생산하는 AI 팩토리…새 제조업 생태계 형성
이 같은 산업 전반의 변화를 두고 새로운 산업혁명이 시작됐다는 진단도 내놨다. AI가 기존 업무를 자동화하는 데 그치지 않고 제품의 생산 방식과 산업 구조 자체를 바꿀 것이라는 주장이다.
황 CEO는 “새로운 기술이 우리가 무엇을 만드는지, 어떻게 만드는지를 바꿀 때 산업혁명이 일어난다”며 “AI는 우리가 만드는 모든 것에 영향을 미치고 이전에는 만들 수 없었던 새로운 것들을 만들 수 있게 할 것”이라고 말했다.
이어 “모든 산업이 변화하고 새로운 산업이 탄생할 것이다. 전기와 마찬가지로 새로운 산업혁명이며 우리는 이제 막 그 시작점에 있다”고 강조했다.
그가 제시한 AI 산업의 핵심 개념은 ‘지능의 생산’이다. 기존 제조업의 공장이 물리적 제품을 생산한다면 AI 팩토리는 컴퓨팅 자원을 활용해 지능을 나타내는 토큰을 생산하고, 이를 다양한 산업과 서비스에 공급한다는 설명이다.
이에 대해 “AI는 소프트웨어 기술이지만 단순한 소프트웨어 기술만은 아니다. 우리는 AI가 사실상 제조업이라는 점을 일찍부터 인식했다”고 밝혔다.
|
특히 “AI 경제의 일부가 되려면 AI를 소비하는 데 그쳐서는 안 된다. AI를 생산해야 한다”고 강조했다. AI 기술을 이용하는 데 머무르지 않고 이를 생산하고 활용하는 산업 생태계를 구축해야 한다는 의미다.
AI 팩토리 경제성, 전력 효율과 조기 가동에 달려
AI 팩토리가 새로운 생산시설로 자리 잡으면서 데이터센터의 경제성도 중요한 과제로 떠올랐다. 막대한 설비투자가 필요한 만큼 구축 기간을 단축하고 제한된 전력을 효율적으로 사용하는 것이 경쟁력을 좌우한다는 설명이다.
황 CEO는 “AI 모델이 등장하기 훨씬 전부터 인프라가 존재해야 한다는 점이 중요하다”며 “인터넷을 이용하려면 먼저 네트워크가 있어야 하고, 전기의 혜택을 누리려면 먼저 전력 인프라가 갖춰져야 하는 것과 같다”고 말했다.
1기가와트(GW) 규모의 AI 데이터센터를 구축하는 데 필요한 비용으로는 약 500억달러를 제시했다. 이처럼 막대한 자금이 투입되는 시설은 실제 가동 시점이 늦어질수록 투자금 회수에도 영향을 받게 된다.
연간 400억달러의 매출을 창출하는 AI 팩토리를 가정하면 가동이 3개월 지연될 때 약 100억달러의 잠재 매출을 놓칠 수 있다는 계산도 내놨다. 특정 데이터센터의 실적 전망이 아니라 구축 속도가 갖는 경제적 의미를 설명하기 위해 제시한 가정이다.
|
에이전트 확산에 연산 수요 증가…피지컬 AI로 확대
이처럼 AI 인프라에 대한 투자가 이어지는 배경으로는 AI 에이전트의 확산을 꼽았다. AI가 단순히 질문에 답하는 수준을 넘어 스스로 추론하고 계획을 세우며 실제 업무를 처리하는 단계로 발전하면서 컴퓨팅 자원 수요가 커지고 있다는 것이다.
황 CEO는 “지난 1년 동안 AI의 전환을 목격했다. 이제 AI는 생산적인 기술이 됐다”고 평가했다.
기존 챗봇은 이용자의 질문에 답변을 생성하는 것이 주요 기능이었지만 AI 에이전트는 작업을 완료하기까지 여러 차례 추론하고 결과를 검토하며 외부 도구를 활용한다. 이러한 과정에서 많은 토큰이 소비되면서 GPU 수요도 증가한다는 설명이다.
그는 “에이전트는 추론하고 반복하며 도구를 사용한다. 그 결과 엄청난 양의 토큰을 소비하지만 그만큼 유용해진다”며 “더 많은 에이전트가 개발되고 더 많은 사람이 사용하면서 토큰 소비량이 급증했고 GPU 수요도 크게 늘었다”고 밝혔다.
“휴머노이드, 모든 작업 완벽 않지만…많은 작업에 적합”
기존부터 강조해 온 피지컬 AI의 성장 가능성도 재차 제시했다. 피지컬 AI는 현실 세계를 이해하고 주변 환경에 맞춰 행동하는 기술로, 자율주행차와 로봇뿐 아니라 이동통신과 의료 등으로 활용 범위가 확대되고 있다는 설명이다.
|
이동통신 분야에서는 기지국이 전파를 활용해 주변 환경을 파악하고 AI로 신호를 처리하면서 주파수 이용 효율을 높일 것으로 내다봤다. 기존 통신 기지국과 데이터센터가 장기적으로 분산형 AI 인프라로 발전할 가능성도 언급했다.
의료 분야에서는 환자의 신체와 종양 상태 변화를 실시간으로 파악해 방사선 조사 위치를 조정하는 적응형 방사선 치료 기술을 사례로 소개했다. 자율주행 분야에서는 여러 자동차 제조사의 차량이 호출 플랫폼과 연결되면서 로보택시 시장이 확대될 것으로 전망했다.
휴머노이드 로봇에 대해서는 다양한 산업에 공통으로 적용할 수 있는 표준화된 플랫폼의 중요성을 강조했다. 작업별로 별도의 로봇을 개발하는 방식에서 벗어나 범용적인 형태의 로봇을 대량 생산해야 기술 발전과 보급 속도를 높일 수 있다는 설명이다.
그는 “휴머노이드가 모든 작업에 완벽하지는 않겠지만 많은 작업에는 적합할 가능성이 크다”며 “로봇이 빠르게 학습할 수 있는 AI를 개발한다면 로봇 전문 인력이 없는 중소기업도 해야 할 일을 보여주는 것만으로 로봇을 가르칠 수 있을 것”이라고 전망했다.
