2030년에 도착하는 콘크리트, 16일 만에 일을 끝낸 에이전트

🎧 이 글을 오디오북으로 듣기

AI 로컬 합성 오디오북 (Qwen3-TTS)

2030년에 도착하는 콘크리트, 16일 만에 일을 끝낸 에이전트 개념을 형상화한 이미지 글의 핵심 개념을 형상화했습니다.

2030년과 16일

오늘 두 개의 숫자가 나란히 놓였습니다.

하나는 2030년입니다. 전남 해남 솔라시도에서 첫 삽을 뜬 국가 AI컴퓨팅센터가 GPU 5만 장과 80MW 전력에 도달하겠다고 잡은 해입니다. 총사업비는 2조5000억원 안팎이고, 2028년까지 GPU 1만5000장을 먼저 확보한 뒤 단계적으로 늘립니다. 전력도 40MW로 시작해 증설을 거칩니다.

다른 하나는 16일입니다. 알리바바가 공개한 큐웬 3.8 맥스가 내부 테스트에서 사람 개입 없이 소프트웨어 프로젝트를 수행한 기간입니다. 코드를 쓰고, 테스트를 돌리고, 로그를 읽고, 다시 고치는 순환을 16일 동안 혼자 반복했습니다. 총 파라미터는 2조4000억개지만 추론 시 실제로 켜지는 것은 950억개 수준이고, 오픈웨이트 공개는 다음 주로 예고돼 있습니다.

콘크리트는 4년 뒤에 도착하고, 에이전트는 이미 도착했습니다. 오늘 다이제스트를 한 줄로 줄이면 이 문장입니다. 그리고 나머지 기사 대부분은 이 간격을 어떻게 견딜 것인가에 대한 서로 다른 대답들이었습니다.

아무도 완공을 기다리지 않습니다

리드타임이 길어지면 조직은 기다리지 않고 우회합니다. 오늘 나온 사례들이 그 우회로의 목록에 가깝습니다.

애플은 차세대 시리를 자체 모델이 아니라 구글 제미나이와 구글 클라우드로 돌리기로 했습니다. 연 10억 달러 수준으로 1조2000억 파라미터급 맞춤 모델 접근권을 사고, 데이터 처리는 프라이빗 클라우드 컴퓨트 구조로 분리했습니다. 세계에서 현금이 가장 많은 회사가 데이터센터를 직접 짓는 대신 임차를 택했습니다.

스페이스X는 반대편에서 같은 결론에 도달했습니다. 머스크는 내년 말까지 20GW 규모 전력과 냉각 인프라를 갖추겠다고 밝혔는데, 정작 그 자원의 90%는 자사 모델 학습이 아니라 추론 서비스와 외부 임대에 배정합니다. 자체 학습에 쓰는 몫은 10%입니다. 2분기 AI 부문 매출은 25억6000만 달러로 전년 대비 247% 늘었습니다. 컴퓨팅을 짓는 쪽도, 쓰는 쪽도 소유보다 배분을 먼저 계산하고 있습니다.

네이버는 브라질과 칠레에서 건물은 현지가, 운영은 네이버가 맡는 분업 모델을 제안했습니다. 스칼라 데이터 센터즈의 4.75GW급 캠퍼스와 텍토의 200MW 프로젝트는 부지와 전력 인허가는 확보했지만 GPU 클라우드를 굴릴 손이 없습니다. 칠레 정부는 아예 GPUaaS 기반 소버린 AI 사업 참여를 요청했습니다.

심지어 해남 센터도 완공을 기다리지 않습니다. 2027년부터 삼성SDS 데이터센터의 AI 컴퓨팅 자원 일부를 먼저 열어 산업계와 대학, 연구기관 수요를 받기로 했습니다. 착공식 기사 안에 이미 착공을 우회하는 계획이 들어 있는 셈입니다.

물리 계층의 시계가 느린 데는 이유가 있습니다. 삼성전자가 이날 공개한 zHBM은 HBM5 대비 최대 8배 성능을 내세웠지만 아직 목업 단계이고 양산은 2028년 전후로 봅니다. LG전자는 600kW급 냉각수분배장치로 국내 기업 최초 엔비디아 인증을 받았고, 상반기 냉각 수주만 6000억원을 기록했습니다. 랙당 전력이 올라가면서 냉각 자체가 병목이자 신사업이 됐다는 뜻입니다. 메모리도 냉각도 전력도, 전부 분기가 아니라 연 단위로 움직입니다.

국내 수요는 이미 결제 단계입니다

기다리지 않는 것은 인프라 사업자만이 아닙니다. 현대백화점그룹 계열 현대퓨처넷은 어제 한국마이크로소프트와 협약을 맺고 AI 파운드리와 애저 AI, 365 코파일럿을 그룹 전반에 적용하기로 했습니다. 자체 AI 조직을 유지하면서도 핵심 스택은 검증된 하이퍼스케일러 것을 그대로 가져오고, 리테일 특화 에이전트는 공동 개발합니다. 실험이 아니라 매장과 업무 프로세스에 이식하는 단계라는 뜻입니다.

정부가 오늘 연 AX360도 같은 신호를 보냅니다. 부처와 지자체에 흩어져 있던 지원사업 정보를 한 창구로 모으면서, GPU를 모델별 성능과 활용 분야, 민간 서비스 가격까지 나란히 비교하게 했습니다. 독자 파운데이션 모델 2차 평가 결과물도 유형과 가격, 도입 사례와 함께 올라갑니다. 중견기업이 GPU를 직접 살지, 정부 지원사업에 붙을지, 민간 서비스를 쓸지를 한 화면에서 저울질하기 시작했다는 의미입니다.

여기서 갈림길이 하나 생깁니다. 가격과 성능이 표준화된 표로 나열되는 순간, 컴퓨팅은 빠르게 원자재를 닮아갑니다. 조달 담당자가 비교할 수 없는 항목이 남아야 그 위에서 차별화가 생기는데, 그 항목은 대체로 GPU 사양표에 적히지 않습니다.

빌린 컴퓨팅 위에서 통제는 어디에 남습니까

그래서 진짜 질문은 이렇게 바뀝니다. 남의 건물, 남의 GPU, 남의 모델 위에서 일하기로 했다면 우리가 통제하는 것은 무엇으로 남습니까.

모델은 더 이상 답이 되기 어렵습니다. 오늘만 해도 국내 두 곳에서 모델이 나왔습니다. SKT는 독자 파운데이션 모델 사업 2차 평가에 진입한 A.X K2를 공개하면서, 대형 모델은 고성능 추론을, 경량 모델은 현장 적용을 맡는 이원화 전략을 제시했습니다. 김태윤 개발 총괄은 방향을 답하는 AI에서 일하는 AI로의 전환이라고 표현했습니다. 카카오는 카나나-o의 음성 생성을 고도화해 슬픈 목소리로, 경상도 사투리로 같은 자연어 지시만으로 감정과 억양을 제어하게 했고, 한국어 벤치마크에서 94.50점을 기록해 GPT-4o 미니 TTS를 앞질렀습니다.

좋은 소식입니다. 동시에, 좋은 모델이 흔해질수록 모델은 차별점에서 조달 항목으로 내려앉습니다. 애플이 그 사실을 가장 비싸게 증명했습니다. 큐웬이 다음 주 오픈웨이트로 풀리면 그 속도는 한 번 더 빨라집니다. 어제까지 계약을 맺어야 쓸 수 있던 성능이 다음 주에는 내려받아 사내 GPU에 올릴 수 있는 파일이 되기 때문입니다.

통제가 남는 자리는 그 위층입니다. 어떤 에이전트가 어떤 권한으로 무슨 도구를 호출했는지, 그 호출이 어느 정책을 통과했는지, 사후에 누가 그것을 증명할 수 있는지 입니다. 레드햇이 오늘 아사고를 아파치 2.0으로 공개한 이유가 정확히 여기에 있습니다. 정책 문서를 해석해 표준에 매핑하고, 안전성을 테스트해 완화 조치를 붙이고, 그 결과를 실제 배포 설정으로 전환하는 4단계를 자동화하겠다는 프로젝트입니다. NIST AI RMF와 OWASP LLM Top 10, EU AI Act를 표준으로 끌어오고 IBM 리서치와 마이크로소프트, 엔비디아를 포함한 13개 이상 기관이 붙었습니다.

주목할 점은 이것이 모델 경쟁이 아니라 운영 계층 표준 경쟁이라는 사실입니다. 컴플라이언스 팀의 문서와 엔지니어링 팀의 배포 설정 사이에 사람이 손으로 스크립트를 쓰던 구간을, 오픈소스 공용 규격으로 덮겠다는 시도입니다. 모델 계층에서 벌어진 일이 운영 계층에서 반복된다고 보면 이해가 빠릅니다. 표준이 공용화되면 그 아래 개별 구현은 대체 가능해지고, 값은 표준을 먼저 갖춘 쪽으로 옮겨갑니다.

국방이 먼저 값을 치릅니다

이 계층의 가치를 가장 먼저 인정하는 곳은 대개 규제가 가장 무거운 시장입니다. 국방 관련 정부 AI 재정사업 예산은 작년 387억2000만원에서 올해 997억2000만원으로 150% 늘었습니다. 정부는 2030년까지 신안보 유니콘 5개를 키우고 1조원 이상 펀드를 만들겠다고 합니다.

네이버는 김선호 전 국방부 차관을 상근 경영고문으로 영입했습니다. 이미 6월에 국방 AI 전환 전담 조직을 만들었고, 팔란티어처럼 엔지니어를 현장에 상주시켜 폐쇄망과 보안 규정 문제를 직접 푸는 방식까지 검토합니다. SK텔레콤은 국방부와 협약을 맺었고, 포티투마루는 군수 정비 시스템 실증을 올해 마치고 내년 현장 적용을 목표로 잡았습니다.

이 시장이 요구하는 것은 더 큰 모델이 아닙니다. 폐쇄망에서 도는가, 권한이 테넌트별로 갈리는가, 무엇을 했는지 감사 기록이 남는가입니다. 군수 정비 매뉴얼을 해석하거나 방산 설계를 검토하는 작업은 한 번의 질의응답으로 끝나지 않고 여러 단계를 거치는데, 그 단계마다 무엇을 참조했고 어디서 판단이 갈렸는지 되짚을 수 없다면 실증은 통과해도 실전 배치는 통과하지 못합니다. 네이버가 엔지니어를 현장에 상주시키는 방식까지 검토하는 이유도 결국 이 지점입니다. 기술이 아니라 운영 증명이 진입장벽이라는 판단입니다. 국방에서 통과된 요건은 시차를 두고 금융과 공공으로 내려옵니다. 개인정보보호위원회 가이드라인과 AI기본법 시행을 앞둔 지금, 그 시차는 예상보다 짧을 가능성이 큽니다.

자본시장도 같은 방향을 봅니다. 오늘 상장 절차에 들어간 네 곳 가운데 래블업은 GPU 가상화와 운영 플랫폼으로 예비심사를 통과했고, 제논은 기업용 에이전트를 앞세워 기술특례가 아닌 일반상장으로 2년 연속 흑자를 들고 나왔습니다. 데모와 투자 유치가 아니라 운영 매출로 검증받는 국면에 들어섰다는 신호입니다.

4년을 메우는 것은 소프트웨어입니다

정리하면 오늘의 지형은 이렇습니다. 전력과 냉각과 메모리는 2028년에서 2030년 사이에 도착합니다. 에이전트는 이미 도착해 16일씩 혼자 일합니다. 그 사이의 간격은 건물을 더 빨리 지어서가 아니라, 빌린 컴퓨팅과 빌린 모델을 안전하게 조립하는 소프트웨어로 메워집니다.

ThakiCloud가 Paxis를 Agent-Native Cloud로 정의한 이유가 여기 있습니다. Paxis는 스킬과 툴, 정책, 감사 로그를 일급 리소스로 다룹니다. 에이전트가 무엇을 할 수 있는지는 L0에서 L3까지 자율도로 선언하고, 실행은 정책 게이트를 통과한 뒤 격리 샌드박스에서 일어나며, 그 궤적은 감사 로그로 남습니다. 아사고가 표준화하려는 정책에서 운영 통제로의 변환을, 제품 안의 실행 경로로 이미 갖고 있다는 뜻입니다.

모델과 인프라를 빌리는 전략과도 충돌하지 않습니다. MCP 커넥터로 외부 모델과 도구를 붙이고, 작업별로 모델을 고르는 CostRouter가 비용을 조절하며, 실행 기반은 온프렘과 소버린 쿠버네티스에 둡니다. 애플이 프라이빗 클라우드 컴퓨트로 그은 선과 성격이 같습니다. 성능은 밖에서 사되 데이터와 실행의 경계는 안에 두는 구조이고, 차이가 있다면 그 경계를 개별 계약이 아니라 제품 기능으로 갖는다는 점입니다. AX360의 비교표에 적히지 않는 항목이 정확히 여기에 있습니다. 큐웬처럼 활성 파라미터만 950억인 희소 모델을 사내 GPU에서 서빙하든, 국산 모델을 폐쇄망에 이식하든, 통제 지점은 모델이 아니라 그 위의 운영 계층에 유지됩니다.

인프라 리드타임은 줄지 않습니다. 전력 인허가와 냉각 설비, 메모리 양산 일정은 소프트웨어의 속도를 따라오지 못하고 앞으로도 그럴 것입니다. 그러니 답은 시계를 맞추는 쪽이 아니라, 느린 시계 위에서도 빠른 쪽을 안전하게 굴리는 층을 먼저 세우는 쪽에 있습니다.

해남의 삽은 계속 움직일 것이고 2030년에 80MW에 닿을 것입니다. 그때까지 기업이 AI로 무엇을 했는지는 콘크리트가 아니라 그 위에서 돈 소프트웨어가 기록합니다. 오늘 뉴스가 알려주는 것은 어느 쪽이 먼저 준비돼야 하는지에 대한 순서입니다.