어떤 반도체 생산현장에는 네 발 달린 로봇이 서 있다. 인천국제공항 출국장에는 탑승을 인도하는 로봇이 서 있다. 두 로봇은 제조사가 다르고 몸이 다르고 하는 일이 완전히 다르다. 그런데 CNB뉴스의 보도를 따르면 이 둘은 한 가지를 공유한다. ‘에어패스(Airpath)’라는 공통 AI 실행환경이다. 제조사는 인티그리트인 셈이다.

오늘 아침 뉴스 18건은 크게 두 가지 이야기, 모델과 자금 이야기였다. 그런데 가장 신선한 신호는 그 둘 어디에도 있지 않았다. 둘이 만나는 장소, 곧 ‘실행 환경’에 있었다. 모델이 레시피가 되고 실행환경이 부엌이 되는 날. 오늘의 뉴스를 그 렌즈로 읽습니다.

레시피가 무료가 된 날, 부엌이 브랜드가 되다 개념을 형상화한 이미지 글의 핵심 개념을 형상화했습니다.

1,200대와 하나의 부엌

CNB뉴스에 따르면 인티그리트의 에어패스는 누적 공급, 운영 1,200대 이상을 기록했습니다. 제조사별로 흩어져 있던 로봇이 각자의 운영체제 위에서 일하는 대신, 하나의 실행환경 위에서 일하게 만드는 것이죠. 협동로봇, AMR, 4족보행, 휴머노이드까지, 서로 다른 제조사 로봇의 AI 모델, 데이터, 미션을 하나의 실행환경으로 연결하는 것이다. 하드웨어도 구체적이다. V4는 퀄컴 드래곤윙 기반 최대 48TOPS, V5는 100TOPS이다. Ubuntu, ROS2, Wi-Fi, 5G를 단일 BSP로 통합했다.

이 환경은 이미 온도가 전혀 다른 두 곳에서 일하고 있는 셈이다. 보스턴다이내믹스 스팟이 반도체 생산현장의 상위 AI 제어를 맡고 있고 인천국제공항 셀프체크인 서비스 로봇의 AI 브레인으로 들어갔다. 그런데 주목할 숫자는 1,200대가 아니다. ‘시장’이라는 말인 셈이다. 산업, B2B 공급이던 에어패스가 엘레파츠, 디바이스마트, 아이씨뱅큐 등 전문 유통 채널로 판매를 시작하고 대학, 연구기관, 로봇 스타트업까지 문을 열었다. 특정 고객용 제품이, 모든 개발자가 살 수 있는 기반이 되는 것이죠. 5B, 8B급 경량 VLA 모델과 월드모델 기반 상위 오케스트레이션 플랫폼인 SynaAI, FlyingLet을 연동하고 엔비디아 GPU 환경(PyTorch, ONNX)에서 개발한 모델을 엣지로 옮기며 최적화하는 경로도 제공합니다.

그렇다면 왜 지금입니까. 기사가 병목을 정확히 짚어 주는 것입니다. 로봇 제조사마다 운영체제, 데이터 규격, 관제 시스템이 달라서, 이기종 로봇을 여러 대 운용할 때마다 개발, 연동 비용이 다시금 반복됩니다. 비전언어행동(VLA)와 로봇 파운데이션 모델(RFM)이 로봇을 스스로 판단하게 만들수록, 공통 실행환경과 상위 오케스트레이션 레이어가 없으면 현장이 막힙니다. 로봇이 알아서 판단할수록, 그 판단을 어디에서 돌리고 누가 조율할지가 사업의 핵심이 됩니다. 즉, 오늘 파는 것은 로봇도, 모델도 아닌, 바로 ‘실행하는 자리’ 그 자체입니다.

‘실행하는 자리’가 세 군데서 더 제품으로

실행하는 자리가 제품으로 만들어지는 일은 로봇 현장에서만 일어나지 않습니다. 오늘 다이제스트에는 세 군데 더 있습니다.

첫째, 중국 문샷AI입니다. 글로벌이코노믹에 따르면 문샷AI가 팔란티어가 2000년대 초 고안한 FDE, 현장 배치 엔지니어 방식을 도입했습니다. 엔지니어가 고객사 현장에 직접 들어가 문제를 파악하고 데이터를 확보해 해결책을 개발, 적용하는 방식입니다. 문샷AI는 ‘키미 기업 파트너 프로그램’을 출범시켜 SI, 클라우드 업체와 FDE 조직을 공동으로 구성합니다. 수익 모델도 현장에 있습니다. 문샷AI가 키미 모델과 에이전트 기술을 제공하고 협력사가 현장 구축을 담당하며 토큰 사용료와 구축 서비스 비용을 계약 비율대로 나누는 구조입니다. 배경도 강합니다. 7월 WAIC에서 2800억 파라미터의 키미 K3가 오픈소스 가격에 미국 최상위 모델에 버금가는 성능을 보여 ‘키미 쇼크’를 일으킨 뒤, 신규 이용자의 70퍼센트 이상이 해외에서 유입됐고 해외 유료 구독 매출은 14배, API 매출은 10배 성장했습니다. 홍콩증시 IPO를 비공개 신청했고 최대 30억 달러 조달, 상장 전 밸류 약 500억 달러를 노립니다. 이 기사가 말하는 핵심은 이것입니다. 기업용 AI 도입의 가장 큰 장벽은 모델 성능이 아니라, 현장 배치와 구축 역량이라는 것입니다. 엔지니어 조직 자체가 수익원이 됩니다. 모델의 성능이 아니라, 현장의 데이터를 얼마나 빨리 확보하고 고객의 시스템을 얼마나 깊이 이해하는가가 매출을 가르는 시대가 온다는 뜻이죠. 오픈AI, 앤트로픽, 구글도 FDE 인력을 확대하고 있습니다.

둘째, KT입니다. 더벨에 따르면 KT의 ‘모두의 AI’ 전략은 서비스 접점 합산 6000만 명을 겨냥하고 그 핵심은 토큰팩토리인가. 프렼/디코드를 분리해 분당 토큰 처리량(TPM)을 약 31퍼센트 높이고 프롬프트 압축으로 입력 토큰을 최대 80퍼센트 줄인다고 합니다. 기사 표현을 빌리면 ‘GPU 100장 지원을 121장 수준 효율로 사용’하는 셈입니다. 컨소시엄에는 다음, 솔트룩스, 무신사, BC카드 등 서비스와 업스테이지, NC AI 등 모델, 리벨리온 등 인프라가 참여하고 가짜 기지국 해킹 사고를 교훈 삼아 KT AI사업본부 산하 보안 조직을 컨소시엄 전체와 공유하는 보안 체계도 함께 짰습니다. 실행의 단위 경제, 즉 실행 환경의 효율 자체가 제품으로 팔리는 것입니다.

셋째, 하이퍼스케일러입니다. 베타뉴스가 인용한 트렌드포스 전망에 따르면, 2026년 글로벌 9대 CSP의 CAPEX는 8867억 달러를 돌파해 전년 대비 약 90퍼센트 늘고 북미 5개사가 약 90퍼센트를 차지합니다. 데이터센터 입지의 핵심 기준이 토지에서 전력망 접속 가능 여부로 이동하면서, 경쟁의 단위는 GPU 한 장에서 데이터센터 전체, 다시 발전소와 전력망까지 커졌습니다. 구글은 핀란드에 약 151억 달러를 투자하고 원전 사업자 포툼과 22년 장기 전력구매계약을 체결했습니다. 부엌이 발전소까지 뻗어 들어간 셈입니다.

레시피가 무료가 되는 날

왜 가치가 부엌으로 이동합니까. 레시피가 싸져 가고 있기 때문입니다. 오늘의 가장 직접적인 증거는 중국 모델이라는 뜻입니다. 위키트리 보도에 따르면 중국 랩은 엔비디아 최상급 칩 접근이 제한된 상황에서 어텐션 계산 복잡도를 한 자릿수 단위로 줄여 비용을 5분의 1로 낮췄습니다. 라리딘은 GLM 5.2, 키미 2.6, 2.7 등 중국 모델이 미국 모델 대비 5분의 1 비용으로 엔지니어링 업무의 약 75퍼센트를 처리한다고 밝혔습니다. 딥시크 학습 비용은 560만 달러까지 내려왔고 스탠퍼드 보고서는 앤트로픽 최상위 모델이 딥시크 대비 단 2.7퍼센트 앞선다고 평가했습니다. 허깅페이스의 지난해 다운로드 중 중국 오픈소스 모델이 41퍼센트를 차지해 미국 모델 비중을 넘었고, 램프 AI 지수는 중국, 오픈소스 모델 접근 플랫폼의 지출 비중이 1월 4.5퍼센트에서 7월 6.1퍼센트로 늘었다고 집계했습니다. 파이낸스투데이는 시진핑 주석이 13일 뉴델리 브릭스 정상회의에서 브릭스 국가용 AI 오픈소스 전용 구역 구축을 발표했다고 전했습니다. 레시피가 블록 단위로 무료가 되는 것입니다.

사용하는 쪽도 바뀌었습니다. CEO스코어데일리가 인용한 ‘2026 엔터프라이즈 AI 성숙도 지수’ 기준, 국내 조직의 52퍼센트가 에이전틱 AI를 도입했고 국내 기업 평균 AI 지출은 전년 대비 120퍼센트 늘었습니다. 맥킨지 조사에서는 응답 기업 리더의 20퍼센트가 토큰 구매 등 AI 비용이 활용을 제약한다고 답했습니다. 레시피가 싸지고 부엌에 들어오는 사람이 늘면, 경쟁은 부엌 안에서 벌어집니다. 어떤 모델로 어떤 작업을 할지, 잘못됐을 때 무엇을 막을지, 어떤 기록을 남길지, 데이터는 누구 명의일지.

기업이 직접 가질 수 있는 부엌

자금 쪽도 같은 날 조이고 있다. 글로벌이코노믹의 보도를 보면, 로이터는 JP모건 내부 보고서를 인용해 초대형 AI 인프라, 즉 초거대 데이터센터와 전력망, 첨단 반도체에 대한 신규 대출 전면 중단 사실을 전한다. 사유는 AI 버블 붕괴 우려와 데이터센터 전력 수급 난항이기 때문이다. 미국 기술 기업 중심 신용부도스와프(CDS) 거래량은 9월 초 이후 90퍼센트 급증했고, 영란은행은 글로벌 AI 인프라 투자 5조 달러의 절반이 빚으로 쌓인 모래성이라고 경고한다. 오라클의 1분기 잉여현금흐름은 54억 달러 적자다. 자금이 고르는 시대에, 기업은 모든 작업을 위해 부엌을 직접 짓지 못한다.

그러면 기업에 남는 질문은 명확해진다. 내 에이전트는 어디에서 살 것인가. 이 질문은 ‘AI를 쓸 것인가’가 아니라 ‘어떤 구조로 쓸 것인가’로 예산 논쟁이 올라선 것과 같은 선상입니다. 오늘 뉴스가 가리킨 네 가지 통증이 바로 그 부엌의 모양입니다. 일을 할 때 남는 기록, 경계를 벗어나지 않는 데이터의 주권, 실수를 잡아내는 격리, 토큰이 얼마나 소비되는가의 비용. 이 지점에서 ThakiCloud의 Agent-Native Cloud, Paxis가 읽혀야 하는 것입니다. Paxis는 정식 제품이며 현재 v1.1 GA입니다. 일급 리소스가 Skills, Tools, Policies, Audit Logs인 까닭은, 이 네 가지 질문과 한 대 한으로 대응하기 때문. 한 줄로 묶으면, 에이전트에게 줄 수 있는 것(Skills, Tools), 주면서도 정해 둘 것(Policies), 다 하고 난 뒤에 남길 것(Audit Logs)입니다.

네 통증은 Paxis의 구조와 한 대 한으로 맞물린 셈입니다. 자율도 L0에서 L3까지의 거버넌스와 정책 게이트가 어떤 에이전트가 어떤 작업을 수행할지 정하고 그 결정마다 감사 로그가 남습니다. 실행은 격리 샌드박스 안에서 일어나며, 외부 시스템은 MCP 커넥터와 스킬 마켓이라는 관리된 채널로만 열립니다. 소버린, 온프렘 Kubernetes 배포는 이 구조를 데이터가 조직의 경계를 벗어날 수 없는 자리에 두는 장치이고, CostRouter는 작업마다 맞는 모델을 고르니 5분의 1 비용의 모델이 쓸모 있는 자리에만 배치됩니다.

에어패스는 로봇이 일하는 자리에서 보여 줬습니다. 문샷AI는 엔지니어가 서는 자리에서, KT는 토큰이 지나가는 자리에서, 하이퍼스케일러는 발전소에서 보여 줬습니다. 레시피가 무료가 된 날, 부엌이 브랜드가 되는 날입니다. 기업이 다음에 물어야 할 질문은 무엇인가. 내 에이전트는 어떤 부엌에서 살 것인가.

참고 자료

이 글은 아래 뉴스를 종합해 작성했습니다.

태그: agent-orchestration, 비용 최적화, 엔터프라이즈 AI, execution-environment, paxis, physical-ai, 소버린 AI

카테고리:

업데이트:

참고

프롬프트는 병렬로, 깊이는 순차로 쌓는 Recurrent Looped Transformer(RLT)

 

RLT의 핵심은 층수를 늘리는 대신, 고정 깊이의 디코더를 토큰 위에 ‘루프’시키는 것입니다. 프롬프트는 병렬로 넣고, 생성은 상태를 이어가며 순차로 깊이를 쌓는 구조입니다. 아직 측정값이 없는 설계 명세인데, 왜 서빙 엔지니어가 관심을 가져야 하는지 정리합니다.