핵심 내용 요약
최근 AI는 단순히 “대화를 나누는” 도구가 아니라 “디지털 직원”처럼 작업을 수행할 수 있는 지능체(AI Agent)로 진화하면서 전 세계적으로 AI 인프라 구축에 대한 열기가 높아지고 있습니다. TSMC와 같은 칩 제조업체들은 칩 수요가 충족되지 않고 있다고 말하며, 델(Dell), 레노버(Lenovo)와 같은 서버 전문 기업들은 AI 관련 주문이 급증하고 있습니다. 하지만 AI Agent를 모든 산업 분야에 실제로 확산시키기 위해서는 높은 연산 비용, 측정하기 어려운 상업적 가치, 업계별 적응성 등의 문제들을 극복해야 합니다.
1. AI Agent가 인기를 끌면서 델과 레노버의 AI 서버 주문이 폭증
AI Agent가 실제로 작업을 수행할 수 있게 되자, 가장 직접적인 혜택을 받는 곳은 서버를 판매하는 기업들입니다.
- 델(Dell): 최근 분기에 AI 서버 매출이 757% 급증하여 244억 달러의 주문을 받았으며, 아직 납품되지 않은 주문만 513억 달러에 이르러 연간 예상 매출을 500억 달러에서 600억 달러로 상향 조정했습니다.
- 레노버(Lenovo): AI 관련 매출이 84% 증가하여 전체 매출의 약 40%를 차지했으며, 아직 납품되지 않은 AI 서버 주문도 210억 달러에 이릅니다.
왜 이들 기업이 이렇게 많은 수익을 올릴 수 있을까요? 왜냐하면 AI는 이제 “지식을 습득”(트레이닝)하는 것뿐만 아니라 “지식을 활용”(추론)하여 기업에 맞게 맞춤형 솔루션을 제공해야 하기 때문입니다. 델과 레노버는 고성능 칩, 액체 냉각 시스템, 고압 전원과 같은 복잡한 구성 요소들을 효율적으로 통합할 수 있어 고객들이 그들의 솔루션에 비용을 지불하고 있습니다.
2. 변화하는 수요: AI 인프라는 더 이상 “트레이닝 연산력”만으로 충족되지 않음
이전에는 AI 모델을 훈련시키는 데 필요한 연산력에만 관심이 집중되었지만, 이제는 전체 과정에 걸친 요구가 증가하고 있습니다:
- 모델을 훈련시킬 뿐만 아니라 실제 문제를 해결하기 위한 추론, 새로운 클라우드 서비스(Neocloud), 기업 내부 구축, 데이터 센터 건설 등이 필요합니다.
전문가들은 개별 칩의 이점이 점차 줄어들고 있으며, 서버 전체 시스템이 새로운 “슈퍼칩”이 되고 있다고 말합니다. 서버의 전력 소비가 증가함에 따라 팬만으로는 냉각이 충분하지 않아 액체 냉각, 고압 전원, 고속 데이터 전송과 같은 기술을 통해 시스템을 최적화하는 것이 중요해지고 있으며, 이러한 기술을 잘 활용할 수 있는 기업이 더 높은 이익을 얻을 수 있습니다.
3. Agent AI 시대: 어떤 산업들이 이 기회를 잡을 수 있을까?
엔비디아(NVIDIA)의 젠슨 황(Jensen Huang)과 퀄컴(Qualcomm)은 “Agent AI 시대가 도래했다”고 선언하며, 이러한 열기로 인해 여러 세부 분야들이 주목받고 있습니다:
1. 전원: AI 서버에는 고출력이고 신뢰할 수 있는 전원이 필요하며, 특히 고압 직류 전원 솔루션이 필요한 기업들이 이익을 얻을 것입니다.
2. 액체 냉각: 팬에 의한 냉각이 한계에 도달함에 따라 액체(예: 물)를 사용한 냉각 시스템을 제공하는 기업들이 기회를 가질 것입니다.
3. 고속 연결: 데이터 센터 내에서 장비 간의 빠른 데이터 전송이 필요하므로 고속 연결 솔루션을 제공하는 기업들이 이익을 얻을 수 있습니다.
4. 칩 분야: GPU뿐만 아니라 추론 칩, 저장 및 계산을 통합한 칩을 개발하는 기업들도 새로운 하드웨어 생태계에서 자리를 찾을 수 있습니다.
5. 고급 PCB: AI 장비에는 더 고급스러운 회로 기판이 필요하므로 관련 제조 및 장비 기업들이 이익을 얻을 것입니다.
4. 열기 속의 장애물: AI Agent의 실제 도입은 쉽지 않음
모두가 AI Agent를 추구하지만, 실제 도입에는 여러 문제가 있습니다:
1. 높은 연산 비용: 기업들이 AI를 사용하기 위해 매월 수백만 달러의 비용을 지출해야 하지만(예: 유커드(YuKede)의 대표는 매주 60만 달러 이상, 월간 약 300만 달러를 지출한다고 함), 그 효과는 아직 명확하지 않습니다.
2. 가치 측정의 어려움: 프로그래밍과 같이 직접적인 효과가 보이는 경우를 제외하고, 많은 AI 애플리케이션의 가치를 정확히 측정하기 어려워 고객들이 비용을 지불하지 않으려 합니다.
3. 기술적 신뢰성: 의료와 같은 분야에서는 AI가 100% 정확한 결과를 제공해야 하지만, 현재의 대형 모델들은 아직 신뢰할 수 없어 대규모로 사용하기 어렵습니다.
4. 인재 및 조직 역량의 부족: 기업들은 AI와 해당 산업에 대해 이해하는 인력이 필요하며, 비즈니스 프로세스를 변경하고 데이터를 관리해야 하는데, 이는 쉽지 않은 과제입니다.
IDC에 따르면 현재 대부분의 AI 애플리케이션이 규모를 갖추지 못했으며, 가트너(Gartner)는 2027년까지 40%의 AI Agent 프로젝트가 높은 비용과 불명확한 가치로 인해 중단될 것이라고 예측합니다. 따라서 이번 열기는 “빠른 수익”을 얻는 것이 아니라 인내심이 필요한 장기적인 경주입니다.
결론적으로, AI Agent는 분명히 큰 트렌드이지만, 실제로 유용한 도구가 되기 위해서는 인프라 비용을 낮추고, 비즈니스 모델을 확립하며, 산업별 요구에 맞게 조정하는 등의 문제들을 해결해야 합니다.