AI 공급망의 5가지 균열

구글 클라우드의 수주 잔고가 단 한 분기 만에 2,500억 달러에서 4,600억 달러로 불었다. 거의 두 배다. 그런데 정작 구글 클라우드 COO는 그 숫자를 발표하면서 흥분하지 않았다. 그는 담담하게 말했다. "수요는 실재합니다." 그 담담함이 오히려 더 무거웠다. 돈은 있고, 주문도 쌓였는데, 물건이 없다는 뜻이었으니까.

지난 5일, 미국 베벌리힐스에서 열린 밀켄 글로벌 컨퍼런스. AI 공급망의 각 층위를 대표하는 5인이 한 무대에 올랐다. ASML CEO 크리스토프 푸케, 구글 클라우드 COO 프란시스 드수자, 물리적 AI 기업 Applied Intuition CEO 카사르 유니스, Perplexity 최고비즈니스책임자 디미트리 쉐벨렌코, 그리고 LLM 패러다임 자체에 도전하는 스타트업 Logical Intelligence의 양자물리학자 이브 보드니아. 이들이 꺼낸 이야기는 AI 낙관론의 표면 아래 숨어 있던 균열들이었다.

칩은 부족하고, 데이터도 부족하고

ASML은 반도체 제조에 필수적인 극자외선(EUV) 노광 장비를 사실상 독점 공급하는 네덜란드 기업이다. 이 장비 없이는 최첨단 반도체를 만들 수 없다. 푸케 CEO의 진단은 단호했다. "앞으로 2~3년, 길게는 5년 동안 시장은 공급 제한 상태에 놓일 것입니다." 구글, 마이크로소프트, 아마존, 메타 같은 하이퍼스케일러들이 돈을 아무리 쏟아부어도 원하는 만큼의 칩을 받지 못할 것이라는 얘기다.

칩만이 병목이 아니다. Applied Intuition의 유니스는 자율주행차, 드론, 광산 장비, 방산 차량의 자율화 시스템을 개발하는 회사를 이끌고 있다. 그가 겪는 병목은 실리콘이 아니라 현실 세계의 데이터다. "합성 시뮬레이션이 아무리 정교해도 실제 세계에서만 얻을 수 있는 데이터를 완전히 대체하지는 못합니다." 기계를 현실에 풀어놓고, 무슨 일이 벌어지는지 지켜보는 것. 그 과정을 단축할 방법은 아직 없다는 것이다.

우주에 데이터센터를 짓겠다는 회사

칩 다음 병목은 에너지다. 드수자 COO는 구글이 우주 데이터센터를 "진지한 선택지"로 검토 중이라고 밝혔다. 지구 궤도에서는 더 풍부한 에너지에 접근할 수 있다는 논리다. 물론 우주는 진공이라 열을 공기나 물로 식히는 방식이 통하지 않는다. 복사열 방출만 가능한데, 이는 지상 냉각 방식보다 훨씬 느리고 어렵다. 그럼에도 구글은 이 방향을 포기하지 않고 있다.

에너지 효율을 높이는 구글의 또 다른 전략은 수직 통합이다. 자체 설계 TPU 칩부터 모델, 에이전트까지 전체 스택을 함께 최적화하면 "와트당 연산량"에서 외부 부품을 조합하는 경쟁사가 따라올 수 없는 효율을 낸다는 것이다. 드수자는 "Gemini를 TPU에서 실행하는 것은 다른 어떤 조합보다 에너지 효율이 높다"고 말했다. 칩 설계자가 모델이 어떻게 작동할지 미리 알고 설계하기 때문이다.

광고

광고주 모집

[email protected]

광고

푸케는 이 맥락에서 한마디를 덧붙였다. "아무것도 무한정 쌀 수는 없습니다." 더 많은 연산은 더 많은 에너지를 뜻하고, 에너지에는 반드시 가격이 붙는다.

삼성전자와 SK하이닉스가 HBM 공급 경쟁에서 맞붙고 있는 지금, 이 에너지·칩 이중 병목은 한국 반도체 산업의 전략적 좌표와도 직결된다. 공급 제한이 5년 지속된다는 전망은 단순한 경기 사이클 얘기가 아니다.

LLM이 틀렸을 수도 있다

가장 도발적인 발언은 가장 작은 회사에서 나왔다. Logical Intelligence의 보드니아는 현재 AI 산업이 당연하게 받아들이는 대형 언어 모델(LLM) 아키텍처 자체에 의문을 제기한다. 그녀의 회사가 개발하는 에너지 기반 모델(EBM)은 다음 토큰을 예측하는 방식이 아니라, 데이터 이면의 규칙을 이해하려는 방식으로 작동한다.

"언어는 내 뇌와 당신의 뇌 사이의 사용자 인터페이스일 뿐입니다. 추론 자체는 어떤 언어에도 묶여 있지 않습니다." 그녀의 최대 모델은 2억 개 파라미터다. 선도적인 LLM의 수천억 개에 비하면 극히 작다. 그런데 속도는 수천 배 빠르고, 데이터가 바뀌면 처음부터 다시 학습할 필요 없이 지식을 업데이트할 수 있다고 주장한다.

"자동차를 운전할 때 우리는 언어 패턴을 검색하지 않습니다. 주변을 보고, 세계의 규칙을 이해하고, 결정을 내립니다." 로봇공학, 칩 설계처럼 물리적 규칙을 이해해야 하는 영역에서 LLM보다 EBM이 더 자연스러운 선택일 수 있다는 논리다. 메타 전 수석 AI 과학자 얀 르쿤이 이 회사의 기술연구이사회 창립 의장으로 합류한 것은 이 주장을 가볍게 볼 수 없게 만드는 이유 중 하나다.

자율 기계는 주권의 문제다

유니스는 패널에서 가장 지정학적인 발언을 남겼다. 디지털 AI와 달리, 물리적 AI는 국가 주권과 불가분하게 얽혀 있다는 것이다. 인터넷은 처음에 미국 기술로 퍼져나갔고, 저항은 우버나 배달앱처럼 오프라인 파장이 가시화될 때야 나타났다. 하지만 자율주행차, 방산 드론, 농업 기계는 처음부터 현실 세계에서 작동한다.

"거의 모든 나라가 일관되게 말합니다. 물리적 형태의 지능이 다른 나라의 통제 아래 우리 국경 안에 있는 것을 원하지 않는다고." 현재 로보택시를 운용할 수 있는 나라의 수가 핵무기를 보유한 나라보다 적다는 그의 말은 물리적 AI가 얼마나 제한된 클럽의 기술인지를 보여준다.

푸케는 중국의 위치를 이렇게 정리했다. DeepSeek의 등장이 업계에 충격을 준 것은 사실이지만, 중국의 AI 발전은 모델 아래 층위에서 제약을 받는다. EUV 장비 없이는 최첨단 반도체를 만들 수 없고, 구형 하드웨어 위에서 작동하는 모델은 소프트웨어가 아무리 뛰어나도 복리로 불리는 불이익을 감수해야 한다. "미국은 데이터, 컴퓨팅 접근성, 칩, 인재를 모두 갖고 있습니다. 중국은 스택 상단에서는 매우 잘하지만, 하단의 일부 요소가 부족합니다."