검색 - IT세상을 바꾸는 힘 지디넷코리아

ZDNet 검색 페이지

'급✅➡️전 대명상조 카툑892jms 내구제 빠르게'통합검색 결과 입니다. (10396건)

영역
기간
- 3개월
- 1년
- 1년 이전

재검색

"배당주라 샀는데"…美 식품주, 인플레·비만약에 줄하향

미국 가공식품주에 대한 월가의 눈높이가 더 낮아지고 있다. 유가 상승에 따른 비용 부담과 인플레이션, 비만치료제 확산, 건강식품 선호 흐름이 겹치면서 제너럴밀스, 콘아그라, 캠벨, 크래프트하인즈 등 주요 식품주가 압박을 받을 수 있다는 분석이 나왔다. 5일(현지시간) 블룸버그통신 보도에 따르면 미국의 투자 리서치 회사 번스타인의 알렉시아 하워드 애널리스트는 제너럴밀스, 콘아그라브랜즈, 캠벨, 크래프트하인즈에 대한 투자의견을 기존 '시장수익률'에서 '시장수익률 하회'로 낮췄다. 하워드는 유가 상승으로 운송비와 포장비, 농산물 관련 비용 인플레이션이 가팔라지고 있다고 지적했다. 여기에 연방 식품지원 축소, 위고비와 마운자로 등 GLP-1 계열 비만치료제 사용 확대, 트럼프 행정부의 건강 정책도 소비자들이 정크푸드와 설탕이 들어간 음료를 멀리하게 만들 수 있는 요인으로 꼽았다. 외신에 따르면 가공식품 업종은 코로나19 팬데믹 이후 압박을 받아왔다. 봉쇄 기간에는 집에 머무는 시간이 늘면서 콘아그라 슬림짐, 크래프트 맥앤치즈 등 간편식과 스낵 브랜드 소비가 늘었다는 설명이다. 그러나 원재료 비용이 오르자 업체들은 마진을 지키기 위해 가격 인상에 나섰고, 이제는 높은 인플레이션과 낮아진 소비심리 속에서 수익성 하락 위험이 커지고 있는 실정이다. 하워드는 보고서에서 미국 중심 식품기업들이 감당하기 어려운 또 한 차례의 투입 비용 인플레이션으로 향하고 있다고 보고 있다며, 특히 소매업체들이 매장 동일매장 매출 성장률보다 빠르게 성장하지 못하는 브랜드의 가격 인상을 받아들이려 하지 않는 상황이라고 설명했다. 월가 전반도 포장식품 업종에 부정적이다. 캠벨에는 매수 의견이 없고, 제너럴밀스와 콘아그라, 크래프트하인즈를 담당하는 애널리스트 80% 이상이 보유 또는 매도 의견을 내고 있다. S&P 포장식품 업종 지수는 2월 고점 대비 15% 하락했으며, 지난 4일에는 2020년 3월 이후 최저 수준으로 마감했다. 높은 배당수익률도 오히려 부담 요인으로 지적됐다. 많은 식품 기업들이 낮은 밸류에이션에서 거래되고 있지만, 배당성향이 더 높아질 경우 배당 삭감 우려가 커질 수 있다는 것이다. 미국 보충영양지원프로그램(SNAP) 지출 축소도 판매 증가율에 부담을 주고 있다. 하워드는 해당 요인이 판매량에 약 1%의 추가 부담을 만들고 있다고 분석했다. 그는 이 요인 하나만 놓고 보면 큰 도전은 아니지만, 이미 GLP-1 사용 확대와 건강식품 정책 흐름으로 압박받던 기본 흐름 위에 또 하나의 문제가 더해지는 것이라고 전망했다.

2026.06.07 09:57류승현 기자

클라비, 예지보전에 생성형 AI 입힌다…스마트팩토리 공략 시동

클라비가 스마트 설비 예지보전 분야에 생성형 인공지능(AI)을 접목하며 산업 현장 AI 전환(AX) 시장 공략에 나선다. 제조업을 중심으로 설비 운영 효율성과 유지보수 자동화 수요가 늘어나는 가운데, 예지보전 솔루션을 서비스형 소프트웨어(SaaS) 형태로 고도화해 스마트팩토리 시장 확대에 속도를 낸다는 전략이다. 클라비는 브이넷코리아와 예지보전 AI SaaS 플랫폼 구축을 위한 업무협약(MOU)을 체결했다고 7일 밝혔다. 이번 협약은 클라비 생성형 AI 플랫폼 기술과 클라우드 역량, 브이넷코리아 설비 예지보전 기술을 결합해 산업 현장에 최적화된 AI 기반 예지보전 환경을 구축하기 위해 추진됐다. 최근 제조업계에선 설비 고장 이후 대응하는 사후 정비 방식에서 벗어나 데이터를 기반으로 이상 징후를 사전에 예측하는 예지보전 수요가 빠르게 증가하고 있다. 여기에 생성형 AI와 디지털 전환 기술이 결합되면서 설비 상태 분석과 진단, 운영 지원 기능까지 자동화하는 움직임도 확대되는 추세다. 양사는 이번 협약을 통해 브이넷코리아의 기존 예지보전 솔루션에 AI 기능을 추가하고 SaaS 전환을 추진한다. 클라우드 인프라 지원과 SaaS 전환 컨설팅, 공동 영업 및 마케팅 등 다양한 분야에서도 협력할 계획이다. 특히 클라비는 자체 생성형 AI 구축 프레임워크 '클라리오(ClaRIO)'를 적용해 브이넷코리아 솔루션 내에 AI 상담 챗봇과 고도화된 대시보드 기능을 탑재할 예정이다. 이를 통해 설비 상태를 보다 직관적으로 파악하고 실시간 이상 감지와 진단 피드백 기능을 강화해 현장 운영 효율성을 높인다는 목표다. 브이넷코리아는 데이터 기반 상태 감시 기술을 활용해 설비 가동률을 높이고 유지보수 비용 절감을 지원하는 예지보전 솔루션 'VNET PdM'을 공급 중이다. 회사는 이번 협력을 바탕으로 SaaS 전환 사업을 주도하고 솔루션 설치와 유지보수, 운영을 담당할 계획이다. 앞서 클라비는 네이버클라우드 매니지드 서비스(MSP) 역량과 생성형 AI 기술을 바탕으로 공교육과 다양한 산업 분야에서 AI 사업을 확대해왔다. 회사는 이번 협약을 계기로 스마트 설비 예지보전과 스마트팩토리 시장 공략을 본격화할 방침이다. 안인구 클라비 대표는 "이번 협업은 단순 플랫폼 연동을 넘어 제조 및 대형 산업 현장에서 관리자가 직관적으로 체감할 수 있는 AI 디지털 전환을 구현하는 것"이라며 "앞으로도 검증된 기술 파트너들과 협력해 대한민국 산업 전반의 예지보전 AX를 선도해 나가겠다"고 밝혔다.

2026.06.07 08:28한정호 기자

상장 앞둔 스페이스X, 구글에 47조원 규모 AI 인프라 임대

일론 머스크가 이끄는 스페이스X가 다음 주 예정된 기업공개(IPO)를 앞두고 구글과 약 47조원 규모 인공지능(AI) 데이터센터 임대 계약을 체결했다. AI 인프라 사업 역량을 입증하며 우주기업을 넘어 AI 클라우드 사업자로의 변신에 속도를 내는 모습이다. 6일(현지시간) 월스트리트저널에 따르면 구글은 스페이스X 데이터센터 연산 자원을 이용하기 위해 올해 10월부터 2029년 6월까지 매월 9억 2000만 달러(약 1조 4000억원)를 지급하기로 했다. 계약 규모는 총 300억 달러(약 47조원)에 달한다. 스페이스X는 이번 계약을 통해 엔비디아 그래픽처리장치(GPU) 11만 개를 포함한 대규모 연산 자원을 구글에 제공할 예정이다. 이번 계약은 스페이스X가 최근 추진하고 있는 AI 인프라 사업 확대 전략의 연장선으로 평가된다. 스페이스X는 앞서 지난달 AI 스타트업 앤트로픽에도 테네시주 멤피스의 '콜로서스1' 데이터센터 연산 자원을 제공하는 계약을 체결한 바 있다. 구글은 자체 데이터센터를 운영하는 세계 최대 기업이다. 업계에선 이번 계약으로 스페이스X가 AI 수요 기업뿐 아니라 대형 클라우드 사업자에도 인프라를 공급할 수 있는 사업자로 자리매김했다는 평가가 나온다. 구글 입장에서도 급증하는 AI 서비스 수요에 대응할 추가 인프라를 확보하게 됐다. 구글 클라우드는 최근 기업용 AI 서비스 '제미나이 엔터프라이즈' 수요가 예상보다 빠르게 증가하면서 단기적으로 필요한 연산 자원을 확보하고자 이번 계약을 체결한 것으로 알려졌다. 스페이스X는 이번 IPO 과정에서 AI 사업 성장성을 적극 부각하고 있다. 회사는 투자자들에게 향후 우주 데이터센터 구축 계획도 제시한 것으로 전해졌다. 지상 데이터센터 운영에 따른 전력 비용 부담이 커지는 가운데, 우주 공간에서 AI 연산 인프라를 운영하는 새로운 시장 가능성을 내세우고 있다. 이번 계약은 장기 고정 방식이 아닌 유연한 구조로 설계됐다. 스페이스X가 약속한 GPU 물량을 제공하지 못할 경우 구글은 계약을 해지할 수 있으며 내년부터는 양측 모두 90일 전 통보를 통해 계약을 종료할 수 있다. 일론 머스크 스페이스X 최고경영자(CEO)는 AI 인프라 임대 계약과 관련해 "향후 연산 자원이 극도로 부족해지면 우리가 이를 다시 회수해 사용해야 할 수 있다"고 밝혔다.

2026.06.07 08:15한정호 기자

[스페이스X 상장 ⑤] 공모 자금, 스타십·스타링크·AI 컴퓨트에 사용

스페이스X(SpaceX)는 IPO로 조달한 자금의 사용처도 신고서에 구체적으로 밝혔다. 회사는 순수취액을 '성장 전략'에 투입하겠다며 ① AI 컴퓨트 인프라 확장, ② 발사 인프라와 발사 빈도(launch cadence) 강화, 그리고 일반 기업 운영자금을 핵심 용처로 제시했다. 단순한 사업 확장을 넘어 스스로를 'AI·인텔리전스 기업'으로 자리매김하려는 의도를 엿볼 수 있다. 자금이 활용될 부분은 두 영역이다. 하나는 위성 인터넷 스타링크(Starlink)다. 2020년 서비스를 시작한 스타링크는 현재 약 164개국에 연결을 제공하며, 농어촌·오지 등 소외 지역을 우선 공략해 가입자를 빠르게 늘려 왔다. 다른 하나는 차세대 완전 재사용 로켓 스타십(Starship)이다. 스타십은 대형 화물을 싣고도 완전·신속 재사용을 목표로 설계된 로켓으로, 현재까지 12차례 시험비행을 거치며 대기권 재진입을 입증했다. 스페이스X의 사업 구조는 흑자를 내는 스타링크의 현금이 막대한 투자가 필요한 스타십과 신사업을 떠받치는 수직통합 형태다. 이번 공모로 들어올 기본 약 744억 달러(약 115조 원)의 순수취액은 그 성장 사이클을 한층 앞당기는 데 쓰인다. 자금 사용처에 'AI 컴퓨트 인프라'를 가장 앞세운 점도 눈에 띈다. 위성 인터넷과 로켓 기업으로 알려진 스페이스X가 공모 자금의 1순위 투입처로 AI 연산 역량을 든 것은, 회사가 스스로의 정체성을 단순 우주·통신 기업에서 'AI·인텔리전스 기업'으로 넓히고 있음을 보여준다. 막대한 데이터와 연산을 요구하는 차세대 스타링크 운영, 자율 비행·관제 등에 AI가 핵심 축으로 자리 잡는 흐름과 맞닿아 있다. 다만 신고서는 스타십의 성능·재사용·발사 빈도 목표 달성, AI 사업의 매출 확대 등은 아직 불확실성이 큰 영역이라고 위험 요인으로 함께 적었다. 조달한 돈을 어디에 쓸지는 명확하지만, 그 투자가 언제 결실을 맺을지는 시장이 지켜봐야 할 몫이다. 자세한 내용은 SEC 공시(FWP) 에서 확인할 수 있다. 이미지 출처: SpaceX FWP ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2026.06.06 11:14AI 에디터

화제의 휴머노이드 로봇 영상, 그대로 믿어도 될까… 회의론자를 위한 안내서

인터넷을 달구는 휴머노이드 로봇 시연 영상이 로봇의 실제 능력에 대한 대중의 인식을 왜곡할 수 있다는 지적이 나왔다. 아스 테크니카는 화려한 데모 영상 뒤편에는 여전히 원격 조종(teleoperation)과 소규모 시범 프로젝트, 엄격한 안전 제한, 그리고 일자리·데이터·위험을 둘러싼 풀리지 않은 질문들이 자리한다고 짚었다. 특히 '범용(general-purpose)'이라는 수식어를 그대로 받아들이기는 이르다. 빨래를 개고 식기세척기를 돌리고 방을 정리하는 인상적인 장면 대부분은 통제된 환경에서, 단순한 사물을 대상으로, 넉넉한 조명 아래 시간 압박 없이 촬영되기 때문이다. 즉 잘 짜인 무대 위 시연을 곧바로 '자율적으로 무엇이든 해내는 로봇'으로 받아들이면 곤란하다는 얘기다. 최근 화제가 된 사례도 이런 맥락에서 봐야 한다. 한 휴머노이드 업체는 로봇이 컨베이어 벨트에 수천 개의 택배를 올리는 모습을 며칠간 라이브로 중계했고, 중간에는 로봇과 인턴 직원이 대결하는 장면까지 등장하면서 시청자들이 로봇에 이름을 붙일 만큼 입소문을 탔다. 이런 영상은 수백만 조회수를 기록하며 로봇의 능력을 실제보다 부풀려 인식하게 만들기도 한다. 그러나 업계에서는 여전히 사람의 개입이 중요하다는 점을 인정한다. 일부 기업은 전문가가 로봇에게 새로운 작업을 직접 안내한다는 사실을 공개적으로 밝히고 있다. 이런 회의론이 나오는 배경에는 과열된 투자 열기가 있다. 휴머노이드 로봇 스타트업의 기업가치가 빠르게 치솟고 화제성 높은 영상이 곧 투자 유치와 직결되면서, 시연이 점점 더 '쇼'에 가까워진다는 우려다. 아스 테크니카는 그래서 시청자가 영상 속 로봇이 완전 자율로 움직이는지, 사람이 뒤에서 조종하는지, 어떤 조건에서 촬영됐는지를 따져 봐야 한다고 권한다. 결국 시청자에게는 '시제품(prototype)'과 '시범 운영(pilot)', '양산(production)'을 구분해 보는 눈이 필요하다. 시연 영상은 완성된 제품이 아니라 가능성을 보여주는 자료로 받아들여야 한다. 휴머노이드 로봇이 산업 현장과 가정으로 들어오는 흐름 자체는 분명하지만, 화면 속 매끄러운 동작이 곧 현실의 자율성과 같지는 않다는 점을 함께 기억할 필요가 있다. 과장된 기대가 결국 실망으로 돌아와 산업 전체의 신뢰를 깎을 수 있다는 경고이기도 하다. 특히 로봇이 가정과 일터로 들어오는 시점을 가늠하려는 소비자라면, 잘 편집된 한 편의 영상보다 실제 시범 운영과 양산 일정을 함께 살피는 편이 안전하다. 자세한 내용은 아스 테크니카(Ars Technica) 에서 확인할 수 있다. 이미지 출처: 이디오그램 생성 ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2026.06.06 11:08AI 에디터

[안광섭 AI 진테제] 미국기업이 중국AI기업에 돈을 보내는 이유

우버(Uber)가 올해 AI 코딩도구 예산을 4개월 만에 전부 소진했다. 약 5000명의 엔지니어가 에이전틱 코딩 도구를 사용하면서 월 사용료가 엔지니어당 150달러에서 많게는 2000달러까지 치솟았고, CTO가 직접 "올해 AI 코딩 도구 예산을 이미 다 썼습니다"라고 시인하는 상황에 이르렀다. 결국 우버는 직원 1인당 월 1500달러의 사용 한도를 설정했다. COO 앤드루 맥도널드는 한 팟캐스트에서 "AI 도구 사용량과 실제 소비자 기능 개선 사이의 연결 고리가 아직 보이지 않습니다"라고 솔직하게 인정하기도 했다. 우버만의 이야기가 아니다. 미국 기업용 지출 관리 플랫폼 램프(Ramp)에 따르면 기업당 AI 토큰 지출은 2025년 1월 이후 13배 증가했다. AI 도구의 성능이 올라갈수록, 그리고 에이전틱 AI처럼 자율적으로 작업을 수행하는 도구가 확산할수록, 토큰 소비량은 기하급수적으로 늘어난다. 문제는 단순하다. 더 많이 쓸수록, 더 많이 나간다.이 비용 압박이 예상 못 한 곳으로 기업들을 향하게 하고 있다. 바로 중국이다. "미국기업들 딥시크에 직접 결제" 램프는 5만 개 이상의 미국 기업이 사용하는 법인카드 및 청구 플랫폼으로, 매달 수십억 달러 규모의 기업 지출 데이터를 추적한다. 램프가 매월 발표하는 '트렌딩 소프트웨어 벤더' 목록은 기업이 특정 소프트웨어 벤더에 처음으로 결제한 건수를 기준으로 순위를 매긴다. 신규 도입의 흐름을 보여주는 선행 지표인 셈이다. 2026년 6월 발표한 이 목록에서 1위를 차지한 것은 중국 AI 스타트업 딥시크(DeepSeek)였다. 이벤트 관리 플랫폼 피드루프(PheedLoop)와 오픈소스 모델 서빙 플랫폼 파이어웍스AI(Fireworks AI)를 제치고 정상에 올랐다. 주목할 것은 결제 방식이다. 램프의 수석 이코노미스트 아라 카라지안(Ara Kharazian)은 "미국 기업들이 딥시크에 직접 결제하고 있습니다"라고 밝혔다. 이는 기업들이 딥시크의 오픈소스 모델을 자사 서버에 직접 올려 쓰는 것이 아니라, 중국에 위치한 딥시크 서버로 데이터를 보내고 받고 있다는 뜻이다. 미중 기술 갈등이 지속되는 상황에서 미국 기업이 자사 데이터를 중국 서버에 직접 전송하는 것은 상식적으로 이해하기 어려운 선택이다. 카라지안은 이를 두고 "기업들이 오픈AI와 앤트로픽의 대안을 찾고 있다는 가장 확실한 신호"라고 해석했다. 물론 절대적 규모로 보면 아직 미미하다. 램프 AI 인덱스 기준으로 올 4월 딥시크의 미국 기업 도입률은 0.1%에 불과했다. 같은 시점에 앤트로픽(Anthropic)은 34.4%, 오픈AI(OpenAI)는 32.3%로 시장을 양분하고 있었다. 딥시크가 시장 판도를 뒤집은 것은 아니다. 그러나 '트렌딩 1위'가 의미하는 것은 신규 진입 속도다. 지금 이 순간, 새로운 선택지로 딥시크를 처음 시도하는 기업이 가장 빠르게 늘고 있다는 뜻이다. 34배의 격차, 무시할 수 없는 숫자 이 선택을 이끈 것은 단 하나, 가격이다. 딥시크는 지난달 플래그십 모델 V4 프로(V4 Pro)의 75% 할인을 영구화했다. 원래 5월 31일 종료 예정이던 프로모션 가격이 그대로 정가가 된 것이다. 현재 V4 프로의 API 가격은 출력 토큰 100만 개당 0.87달러다. 캐시 히트(cache hit, 반복되는 입력을 재활용해 비용을 줄이는 방식) 가격은 100만 토큰당 0.0036달러까지 내려간다. 이 숫자만으로는 감이 잡히지 않을 수 있다. 경쟁사와 비교하면 격차가 선명해진다. 오픈AI의 최신 플래그십 GPT-5.5는 출력 토큰 100만 개당 30달러다. 앤트로픽의 클로드 오퍼스(Claude Opus) 4.7은 25달러다. 딥시크 V4 프로의 0.87달러와 비교하면 각각 약 34배, 약 29배의 차이다. AI 벤치마크 평가 기관 아티피셜 애널리시스(Artificial Analysis)에 따르면 동일한 지능 지수 테스트를 수행하는 데 딥시크 V4 프로는 268달러, 클로드 오퍼스 4.7은 4811달러가 들었다. 같은 작업에 약 18배의 비용 차이가 발생하는 것이다. 이런 가격 격차가 가능한 배경에는 두 가지 구조적 요인이 있다. 첫째, 딥시크 V4 시리즈는 화웨이(Huawei)의 어센드(Ascend) 950 칩 위에서 최적화됐다. 미국의 반도체 수출 통제로 엔비디아(NVIDIA) GPU를 쓸 수 없게 된 상황에서, 오히려 국산 칩 기반의 저비용 추론 인프라를 구축한 셈이다. 둘째, 딥시크는 V4 프로의 장문맥(long-context) 추론 비용을 전작 대비 약 4분의 1 수준으로 낮추는 아키텍처 혁신을 이뤘다고 밝혔다. 가격 인하가 일시적 마케팅이 아니라 비용 구조 자체의 변화에 기반한다는 의미다. 오픈소스 진영의 집단적 추격 딥시크만의 현상이 아니다. 램프의 5월 데이터에서 트렌딩 상위 10개 벤더 중 4개가 AI 추론 플랫폼이었다. 파이어웍스AI, 팔AI(Fal AI), 딥인프라(DeepInfra), 바스트AI(Vast.ai)-모두 오픈AI나 앤트로픽을 거치지 않고, 더 넓고 저렴한 모델 선택지를 기업에 제공하는 플랫폼이다. 카라지안은 이를 두고 "기업들이 어떤 모델이 어떤 작업에 적합한지 선별하기 시작했다는 가장 깨끗한 신호"라고 분석했다. 어려운 문제에는 프론티어 모델을, 나머지에는 저가 모델을 배분하는 '모델 라우팅' 전략이 실무에서 확산되고 있다는 뜻이다. 성능 격차도 빠르게 좁혀지고 있다. AI 법률 에이전트 성능을 측정하는 하비(Harvey)의 리걸 에이전트 벤치마크(LAB)에서 중국 지푸AI(Zhipu AI, 현 Z.ai)의 GLM-5.1은 오픈소스 모델 중 최고점을 기록하며 앤트로픽의 클로드 오퍼스 4.7 바로 아래, 오픈AI의 GPT-5.5와 대등한 수준에 올랐다. 문샷AI(Moonshot AI)의 키미(Kimi) K2.6과 딥시크 V4 프로 역시 GPT-5.5 바로 아래에 자리 잡았다. 법률 업무처럼 정밀도가 요구되는 영역에서도 오픈소스 모델이 "충분히 쓸 만한" 수준에 도달했다는 평가다. 가격이 지정학을 이기는 순간 필자가 GTM(Go-To-Market, 제품의 시장 진입과 확산 전략) 전략을 수립해 온 관점에서 보면, 지금 AI 시장에서 벌어지는 일은 전형적인 범용재화(commoditization)의 초기 신호다. 범용재화는 세 단계를 거친다. 1단계: 제품 간 성능 차이가 줄어든다. 2단계: 가격이 구매 결정의 핵심 변수가 된다. 3단계: 공급자의 브랜드보다 유통 구조와 비용 효율이 경쟁력을 결정한다 . AI 모델 시장은 지금 1단계에서 2단계로 넘어가는 전환점에 있다. 하비 LAB 벤치마크가 보여주듯, 오픈소스 모델과 프로프라이어터리(proprietary, 비공개) 모델의 성능 격차는 좁혀지고 있다. 그리고 가격이 34배 차이 나는 상황에서, 기업의 선택은 놀랍도록 예측 가능하다. 물론 딥시크를 통해 중국 서버로 데이터를 보내는 것은 보안과 규제 측면에서 명백한 리스크가 있다. 유럽에서는 이탈리아가 2025년 1월 딥시크를 차단했고, 독일도 데이터 보호 우려를 이유로 앱스토어 퇴출을 검토한 바 있다. 미국에서도 연방 정부 차원의 규제 논의가 진행 중이다. 그럼에도 기업들이 이 리스크를 감수하는 것은, 비용 압박이 그만큼 현실적이기 때문이다. 램프의 카라지안도 이 추세의 지속성에 대해서는 유보적이었다. 그는 "이 트렌드의 내구성을 과대평가하지는 않겠습니다"라고 밝혔다. 맞는 말이다. 그러나 필자가 보기에 더 중요한 것은 딥시크 자체의 성패가 아니다. 핵심은 가격 압력의 방향이 되돌릴 수 없다는 점이다. 딥시크가 아니더라도, 파이어웍스AI나 딥인프라 같은 추론 플랫폼을 통해 동일한 오픈소스 모델을 미국 내 서버에서 저렴하게 돌리는 경로는 이미 열려 있다. 중국 서버 리스크를 회피하면서도 비용 절감을 추구할 수 있는 선택지가 늘어나고 있다는 뜻이다. 한국 기업이 읽어야 할 신호 이 흐름이 한국 기업에 던지는 시사점은 분명하다. 첫째, AI 모델 조달 전략을 단일 벤더 중심에서 멀티모델 전략으로 전환할 시점이다. 모든 작업에 최고가 프론티어 모델을 쓸 이유가 없다. 정밀도가 생명인 작업과, 속도와 비용이 우선인 작업을 구분해 모델을 배분하는 것이 합리적이다. 둘째, 토큰 비용을 IT 예산의 독립 항목으로 관리해야 한다. 우버의 사례가 보여주듯, AI 도구 도입은 쉽지만 비용 통제는 쉽지 않다. 에이전틱 AI 시대에 토큰 소비량은 인간의 사용 패턴이 아니라 기계의 작업 루프에 의해 결정된다. 사용량 예측 모델과 비용 거버넌스를 지금부터 설계해야 한다. 셋째, 이 가격 전쟁의 수혜자가 될 준비를 해야 한다. 딥시크의 영구 가격 인하 직후, 딥시크는 첫 외부 투자 유치에 나서 약 74억 달러(약 10조 원)를 확보하며 기업가치가 520억~590억 달러로 평가됐다. 텐센트가 약 15억 달러, CATL이 약 7억 달러를 투자했다. 창업자 량원펑이 전체의 40%에 해당하는 약 30억 달러를 직접 출자한 점도 눈에 띈다. 이 투자 구조는 딥시크가 단기 수익이 아니라 시장 점유율 확보를 우선하고 있음을 시사한다. AI 모델의 가격 하락은 당분간 멈추지 않을 가능성이 높다. 범용재화가 진행되면, 가치는 모델 자체가 아니라 모델을 활용하는 응용 계층으로 이동한다. 클라우드 컴퓨팅이 범용재가 되자 그 위의 SaaS 기업들이 가치를 창출한 것과 같은 구조다. AI 모델의 가격이 바닥을 향해 달릴수록, 정작 경쟁력을 결정하는 것은 그 모델 위에서 무엇을 만드느냐가 된다. 한국 기업이 지금 집중해야 할 것은 어떤 모델을 쓰느냐가 아니라, 어떤 문제를 푸느냐다.

2026.06.06 09:33안광섭 컬럼니스트

[기경학회 AX칼럼] K-AX 패러다임 대전환, 구호에 그치지 말아야

AX(AI Transformation, 인공지능 전환)가 대한민국 경쟁력을 좌우하는 핵심 키워드로 부상했습니다. AX는 단순히 기업이 AI를 도입하는 차원을 넘어 국가의 생산성, 산업 경쟁력, 안보, 인구구조 문제를 해결하는 핵심 전략입니다. AX를 대한민국의 미래라고 말하는 이유입니다. 지디넷코리아는 기술경영경제학회(기경학회)의 'AX칼럼'을 11회 연재합니다. 기술경영경제학회는 기술혁신의 학제적 연구를 바탕으로 기술경영·기술경제·기술정책의 지식과 현장 적용을 연결해 온 학술 공동체로 1992년 설립했습니다. AI 전환은 새로운 도구를 들여놓는 일로 끝나지 않습니다. 현장의 암묵지, 기업의 루틴, 독점적 데이터, 응용 기술 기반 비즈니스 모델이 함께 바뀔 때 비로소 산업 경쟁력이 생깁니다. 기경학회의 11회 연재는 “AI를 얼마나 많이 쓰는가”가 아니라 “한국 산업이 AI를 흡수할 기초체력을 갖추었는가”를 묻습니다. 그 질문의 중심에는 제조가 있지만, 제조를 좁은 공장 자동화가 아니라 현장지식의 자산화와 기업 루틴의 재설계가 맞물리는 산업 전환의 축으로 봅니다. 데이터 주권, 에너지, 공급망, 인프라, 표준, 글로벌 사업화까지 이어지는 이 전환의 조건을 따라가며 AX 시대 한국 산업이 다시 세워야 할 기반을 진단합니다. (편집자 주) 10년 전 다보스포럼에서 클라우스 슈밥이 주창했던 제 4차 산업혁명은 한동안 구호에 머물렀다. 그러나 생성형 AI의 등장 이후, 그 실체가 'AX(AI Transformation)'라는 이름으로 산업 현장에서 빠르게 구현되고 있다. 더 이상 미래 담론이 아니라 현재진행형의 산업혁명이 된 것이다. AX는 기존의 산업혁신 구조를 근본적으로 재편하고 있다. 지멘스가 마이크로소프트와 함께 출시한 'Industrial Copilot'은 현장 엔지니어가 자연어로 설비와 대화하며 생산을 최적화하는 시대를 열었다. 엔비디아와 폭스콘은 대만에 'AI 팩토리'를 구축하며 제조 자체를 데이터 학습 과정으로 전환하고 있다. 국내에서도 포스코의 'PosFRAME'은 베테랑 조업자의 판단을 학습한 AI가 제철소 고로 운영의 의사결정을 지원한다. 산업혁신 단위가 'R&D-제조-마케팅'의 선형 가치사슬에서 '데이터-학습-추론'의 순환 구조로 이동하고 있는 것이다. 여기서 우리나라 산업이 마주한 본질적 질문이 등장한다. AX의 핵심 자원은 무엇인가. 흔히 '데이터'라고 답하지만, 산업현장에서 진정 가치 있는 데이터는 정형화된 수치가 아니다. 30년 차 용접 명장의 손끝 감각, 반도체 공정 엔지니어의 경험적 직관, 정유공장 운전원의 미세한 압력 변화 판독 능력—이러한 '암묵지(tacit knowledge)'야 말로 진짜 자산이다. 마이클 폴라니가 일찍이 갈파했듯 "우리는 말할 수 있는 것보다 더 많은 것을 안다." 따라서 AX의 본질은 범용 AI 도입이 아니라, 현장의 암묵지를 디지털 명시지로 전환해 자산화하는 데 있다. 이는 천동설에서 지동설로 넘어가는 코페르니쿠스적 인식 전환이다. 지금까지 산업의 중심에는 '설비'와 '공정'이 있었고, 사람의 노하우는 그 주변을 보조하는 요소로 간주됐다. 그러나 AX 시대에는 '암묵지'가 중심에 놓이고, 설비와 공정은 그것을 추출·학습·재현하는 인프라로 재정의된다. 글로벌 선도기업들이 '디지털 트윈'과 '산업 파운데이션 모델'에 사활을 거는 이유다. 문제는 이 전환이 개별 기업의 노력만으로는 결코 완성될 수 없다는 점이다. 30년 경력 장인의 노하우가 학습 데이터로 전환되는 순간, 그것은 누구의 자산인가. 공장 카메라가 작업자의 동작을 기록할 때 개인정보보호는 어디까지 허용하는가. 협력업체와 공유한 공정 데이터의 권리는 어떻게 분배되는가. EU는 개인정보 보호의 'GDPR'을 넘어 2024년 발효된 '데이터법(Data Act)'에서 IoT·산업장비가 생성하는 비(非)개인 데이터의 접근·이전·공유 권리를 명문화했고, 'AI법(AI Act)'을 마련하면서 산업 데이터 거버넌스의 삼각축을 완성했다. 독일의 'GAIA-X'와 'Manufacturing-X'는 기업 간 데이터 주권을 보장하는 공유 인프라를 구축 중이며, 미국은 'CHIPS Act'와 NIST의 'AI 위험관리 프레임워크(RMF)'로 제조-AI 결합을, 일본은 '소사이어티 5.0' 아래 중소제조업 암묵지의 디지털화를 국가 과제로 격상했다. 여기서 한 가지 착각을 경계해야 한다. 'AI'를 잘 하고 '제조'를 잘한다고 '제조 AI'에서 앞서갈 수 있는 것이 아니다. 제조 AI의 진짜 승부처는 현장 암묵지의 디지털 전환 역량에서 갈린다. 따라서 지금 우리나라에 필요한 것은 단발성 'AI 전환 지원사업'이 아니라 시스템적 대전환이다. 개인정보보호법·산업디지털전환촉진법·AI기본법 간의 정합성 확보, 암묵지 자산화를 가능케 할 회계·세제·지식재산 기준 마련, 데이터·AI 인재의 산업현장 배치를 위한 인력정책 재설계, 그리고 AI 팩토리를 지탱할 전력·냉각·재생에너지 인프라 확충까지-이 모든 영역이 동시다발적으로 움직여야 한다. 다행히 우리나라는 세계 최고 수준의 제조 역량과 숙련 인력이라는 추출 가능한 암묵지의 보고(寶庫)를 보유하고 있다. AX는 단순한 기술 도입이 아니라 산업의 인식론적 전환이며, 우리나라가 이 코페르니쿠스적 변화의 주체가 될지 객체로 머물지가 향후 10년 K-AX의 명운을 가를 것이다.

2026.06.06 09:05안준모 컬럼니스트

[박준성의 SW] AI 코딩 에이전트는 주니어 개발자...SW공학 필요

SW공학의 역사 SW 공학(Software Engineering)은 1960년대 후반 미국과 유럽을 중심으로 본격적으로 발전하기 시작했다. 1960년대 IBM system/360용 OS/360 개발 프로젝트는 과도한 납기 지연과 원가 초과를 겪었고, 당시 미국 국방 및 대형 공공 시스템 프로젝트들도 잇따라 납기 지연과 품질 문제를 겪었다. 1968년 NATO가 주관한 국제회의(NATO Software Engineering Conference in Garmisch, Germany)에서 SW 개발의 위기(Software Crisis)를 공식 선언하고, 그 해결책으로 SW 공학의 연구개발이 시작됐다. SW공학이 1960년대 이전의 SW 개발 방식과 다른 점은 시스템 구현 이전에 분석과 설계를 체계적으로 수행하고, 개발 전 과정에서 표준 프로세스, 표준화된 기법과 도구를 활용한다는 것이다. 요구 분석은 개발 명세를 사전에 규명함으로써 요구 결함(Requirement Error)으로 인한 재작업(Rework)을 줄인다. 명확한 인수 기준은 테스트 자동화의 기반이 되며, 자동화된 회귀 테스트는 지속적인 코드 내부 구조 개선(Refactoring)을 안전하게 뒷받침한다. 설계에는 시스템 전체의 아키텍처 설계와 상세 수준의 코드 설계가 있다. 아키텍처 설계는 시스템을 구성하는 컴포넌트 간의 통합 효율을 높인다. 상세 설계와 코드 구조 설계는 코드의 가독성과 변경 용이성을 높여 SW의 장기적인 유지보수성(Maintainability)을 확보한다. 요구 스펙과 SW 설계를 자연어로 표현할 때 발생하는 모호성(Ambiguity)을 제거하기 위해 UML(Unified Modeling Language), BPMN(Business Process Model and Notation), ERD(Entity-Relationship Diagram), ArchiMate, C4와 같은 특수한 그래픽 부호를 사용하는 비주얼 모델링 언어(Visual Modeling Notation)를 국제 및 업계 표준으로 정착시켜 왔다. SW공학은 오늘날 AI 코딩 에이전트 시대에도 여전히 중요하다. AI가 코드를 생성하더라도, 대규모 프로덕션 시스템의 품질과 유지보수성은 결국 체계적인 SW 공학에 의해 좌우된다. SW코딩 자동화의 역사 1980년대 이후 코딩 자동화 기술은 본격적으로 발전해 왔다. 1980년대 말 Texas Instruments가 개발한 IEF(Information Engineering Facility)는 메인프레임 COBOL 코드를 100% 자동 생성하는 CASE(Computer-Assisted Software Engineering) 툴로, 금융·공공 분야의 대규모 엔터프라이즈 시스템 코드를 자동 생성하는 데 활용됐다. 1990년대에는 Unix C, Windows C++, Java 등을 자동 생성하는 다양한 모델 기반 CASE 툴들(Composer, Obsydian, ObjectTeam 등)이 등장했다. 그러나 요구사항 변화에 대한 유연성 부족과 복잡한 모델링 부담으로 인해 1990년대 후반부터 CASE 툴의 인기가 하락하기 시작했다. 2000년대에 들어서는 객체 지향 프로그래밍 언어를 사용하는 웹 애플리케이션의 반복 점증적 개발이 새로운 SW 개발 패러다임으로 확산됐다. UML 모델 기반의 100% 코드 자동 생성을 추구하는 MDA(Model-Driven Architecture) 툴이 개발되었으나 대중적인 개발 패러다임으로 확산되지는 못했다. 대신 Spring, Ruby on Rails, Django 등 오픈 소스 웹 애플리케이션 프레임워크가 개발 시장을 장악했다. 한편 Rational Rose, Sparx EA(Enterprise Architect) 같은 비주얼 모델링 툴은 코드 생성 툴과 분리되었지만, 코드 스켈레톤(Code Skeleton) 생성과 Round-Trip Engineering을 가능하게 해 널리 활용됐다. 2010년대 후반 이후 비주얼 모델 기반으로 애플리케이션을 자동 생성하는 Low-Code 개발 플랫폼(Outsystems, Mendix, Appian, Microsoft PowerApps 등)이 급속히 확산되기 시작했다. (박준성, Fundamentals of Low-Code Development, kosta-online.com 참조) 같은 시기에 템플릿 기반의 시각적 Drag-and-Drop을 통해 WYSIWYG(What You See Is What You Get) 방식으로 애플리케이션을 자동 구성하는 No-Code 개발 플랫폼(Wix, Bubble, AppSheet, Webflow 등)도 급속히 확산되었다. Gartner는 2022년 보고서에서 기업 신규 애플리케이션 개발 중 Low-Code/No-Code(LCNC) 비중이 2020년 25%에서 2026년 75% 수준까지 증가할 것으로 전망했다. (Gartner, Forecast Analysis: Low-Code Development Technologies-Worldwide, 2022). 실제로 2024년에 이미 다수 기업이 Low-Code 개발 플랫폼을 도입하면서 이러한 방향성이 현실화됐다. 오늘날 AI 코딩 에이전트가 코딩 자동화에 큰 관심을 불러일으키고 있지만, 위에서 보았듯이, 코딩 자동화는 새로운 현상이 아니다. LCNC(Low-Code/No-Code) 플랫폼이 이미 애플리케이션의 자동 구축에 널리 활용되고 있다. LCNC 플랫폼은 자유도를 제한한 표준 아키텍처, 메타데이터 모델, 시각적 제약 조건 위에서 동작했기 때문에 높은 생산성과 안정성을 동시에 확보할 수 있었다. 반면 자연어 기반 AI 코딩 에이전트는 훨씬 더 높은 자유도를 제공하지만, 환각(Hallucination)과 구조적 일관성 붕괴라는 새로운 위험을 안고 있다. 따라서 AI 코딩 에이전트가 LCNC를 넘어 엔터프라이즈 프로덕션 시스템 개발의 주류가 되기 위해서는, SW공학적 제약 조건을 에이전트 코딩 프로세스에 강하게 내재화해야 한다. 생성형 AI 기반 코딩 지원 및 자동화의 등장 2020년대 들어 생성형 AI(Generative AI, GenAI) 기반의 Vibe Coding, AI Coding Assistant 및 AI Coding Agent가 확산되고 있다. Vibe Coding은 자연어 프롬프트를 통해 애플리케이션을 빠르게 생성·수정해 가는 실험적 개발 방식이다. 테스트 후 에러가 있으면 자연어로 피드백을 주면서 반복적으로 개선해 나간다. Claude, ChatGPT 같은 범용 AI Chatbot 또는 Lovable, Bolt.new, Replit 같은 전문 Vibe Coding 툴을 사용한다. 오늘날 대부분의 AI 코딩 툴들은 Vibe Coding, AI Coding Assistant, AI Coding Agent 기능을 모두 갖추고 있으며, 일부는 통합 개발 환경(IDE)에 내장되어 있다. GitHub Copilot, Cursor, Amazon Q Developer 등 AI Coding Assistant는 개발자의 코딩을 지원해 생산성을 높이는 데 사용된다. 코드 완성(Code Completion), 코드 생성, 리팩토링, 디버깅, 문서화, 코드 번역 등을 지원한다. Cursor, Claude Code, GitHub Copilot 등 AI Coding Agent는 개발자와 상호작용하며 시스템 목표 구현, 요구사항 개발, 테스트 생성, 오류 수정, 설계 개선, 문서화 등을 계획-실행-검증 루프를 통해 반자율적으로 수행한다. Vibe Coding은 대규모 프로덕션 시스템 구축에는 한계가 있다. 프로덕션 시스템의 구축에 사용할 수 있는 AI Coding Assistant 및 Agent는 LCNC 플랫폼과 비교했을 때 아래 표 1과 같은 특징을 갖추고 있다. AI Coding Agent가 No-Code 개발 플랫폼에 비해 가지는 장점은 템플릿을 커스터마이즈하는 것보다 프롬프트를 통해 UI를 더 자유롭게 설계할 수 있고, 컴포넌트 단위로 수정하고 조립할 수 있다는 점이다. Low-Code 개발 플랫폼과 비교하면 비주얼 모델링의 어려움에서 벗어나 프롬프트나 이미지를 통해 애플리케이션과 데이터베이스를 생성할 수 있고, 벤더 종속적(Proprietary) 프레임워크에 록인(Lock-in)되지 않으며 Next.js, Tailwind, PostgreSQL 등 표준 오픈 소스 프레임워크로 생성해 IDE 기반 개발 환경으로 이관할 수 있다는 점이다. 그러나 주요 LCNC 플랫폼들은 GenAI Foundation Model을 기반으로 AI Coding Assistant/Agent 기술을 툴 내에 융합함으로써 단점을 극복하고 있다. AI Coding Assistant 기술은 개발자의 비주얼 Drag-and-Drop 및 모델링 작업을 지원하는 데 활용하고, AI Coding Agent 기술은 기존 비주얼 모델링 없이도 자율적으로 애플리케이션을 생성하는 데 활용한다. 가트너와 IDC 자료를 기반으로 시장 규모를 비교해 보면, LCNC 시장이 여전히 AI 코딩 툴 시장보다 훨씬 큰 비중을 차지하고 있음을 알 수 있다. AI 코딩 에이전트가 LCNC 개발 플랫폼 대비 경쟁 우위를 확보하려면 결국 비확정적 출력의 문제를 극복해야 한다. 동일한 프롬프트에도 상이한 결과를 생성하는 비결정성(Non-determinism)과 환각(Hallucination) 현상 때문에 테스트 재현성과 코드 변경의 예측 가능성이 약화되고, 그 결과 CI/CD 파이프라인의 안정성이 저하될 수 있다. 또한 보안 리스크, 기술 부채(Technical Debt) 축적, 저작권 및 규제법 위반, 감사 실패(Audit Failure) 등의 문제도 일으킨다. LCNC 플랫폼은 메타데이터, 시각적 모델, 플랫폼 제약 조건을 통해 개발 자유도를 제한함으로써 결정론적(Deterministic) 자동화를 달성했다. 반면 AI 코딩 에이전트는 자연어 기반의 개방형 생성(Open-Ended Generation)을 사용하기 때문에 훨씬 높은 유연성을 제공하지만, 동시에 비결정성과 환각이라는 새로운 위험을 초래한다. LCNC는 제약(Constraint)을 통해 자동화에 성공했다. AI 코딩 에이전트도 엔터프라이즈 프로덕션 시스템 개발의 주류가 되려면 SW공학적 제약과 거버넌스를 내재화해야 한다. SW공학 기반의 AI 에이전트 코딩 AI 코딩 에이전트의 환각 현상과 비결정성(Nondeterminism)을 없애기 위해서는 SW공학적 제약과 자동화 메커니즘을 체계적으로 적용해야 한다. (박준성, AI Agent Coding Patterns, kosta-online.com 참조) ▲테스트 주도 개발(Test-Driven Development, TDD: Kent Beck, Test-Driven Development, 2002 참조): 에이전트가 소스 코딩 전에 테스트 코드를 먼저 작성하도록 컨텍스트 파일(Context File)에 명기한다. SW 변경 후 즉시 자동 테스트를 실시하도록 Hook을 설치한다. 변경 Commit 전에 Test Coverage가 일정 수준에 미치지 못하면 Commit을 못하도록 Hook을 설치한다. Red-Green-Refactoring 기반의 TDD 사이클을 Skill로 등록해 에이전트의 작업 계획(Task Planning)에 포함한다. Red, Green, Refactoring 단계를 별도의 Subagent가 수행하도록 분리한다. ▲지속적 통합(Continuous Integration, CI: Kent Beck, Extreme Programming Explained, 2004; Martin Fowler, Continuous Integration, martinfowler.com, 2006 참조): 에이전트 코딩에서 CI(즉, Agentic CI)는 TDD처럼 자동화된 Quality Gate이다. SW 변경을 리포지토리의 Main Branch에 Merge할 때 자동으로 Commit, 빌드, PR 생성, 단위/통합 테스트, 정적 분석, 보안 점검을 수행한다. 실패할 경우 에이전트는 Merge를 금지하고, Stack Trace를 피드백 받아 오류를 자가 수정(Self-Correct)한다. Agentic CI는 GitHub Actions, Buildkite, CircleCI 같은 CI/CD 플랫폼을 사용해 CI Pipeline을 실행하고, AI 코딩 에이전트를 Pipeline 내에서 여러 스텝(코드 리뷰, 수정, 품질 개선)을 수행하는 데 이용한다. 결과적으로 Trunk-Based Development 전략 하에서 Agentic CI를 운영함으로써 항상 릴리스 가능한 Main Branch를 유지할 수 있다. 위의 TDD와 마찬가지로 컨텍스트 파일, Hook, Skill, Subagent를 보완적으로 활용하여 CI 실패를 조기에 탐지하고 예방할 수 있다. 효과적인 CI 운영을 위해서는 높은 수준의 테스트 자동화가 필요하며, TDD는 이를 구현하는 대표적 방법이다. TDD를 통해 누적된 테스트 코드는 CI 파이프라인에서 자동화된 단위·통합 테스트의 기반이 된다. ▲요구 스펙(Requirement Specification: 박준성, The Complete Guide to Business Analysis, kosta-online.com 참조): AI 에이전트를 포함하는 AI 네이티브 애플리케이션을 구축할 때 경영 성과를 달성하려면 에이전트를 포함한 End-to-End 프로세스를 재발명(Reinvention)해야 한다. 애플리케이션의 비즈니스 도메인에서 사용하는 도메인 개념과 의미 체계를 명확히 정의하고 표준 용어를 사용해 프로세스를 설계해야 한다. 애플리케이션에서 구현해야 할 혁신적인 기능을 사용사례(Use Case)로 명확히 정의하고, 시나리오로 구체화할수록 요구사항의 구현 오류를 줄일 수 있다. (박준성, AI 에이전트 성공의 핵심 조건, kosta-online.com 참조) 이러한 요구 분석은 AI 코딩 에이전트를 사용해 애플리케이션을 개발하기 전에 미리 수행한다. 프로세스 모델은 국제 표준인 BPMN(Business Process Model and Notation)을 이용해 설계할 수 있다. 시맨틱 모델은 종래 UML 클래스 다이어그램으로 작성했지만, AI 코딩 에이전트를 사용할 때는 온톨로지(Ontology)를 병행 활용하는 것이 효과적일 수 있다. 온톨로지는 개념 간의 관계와 제약을 명시적으로 표현하므로, AI 코딩 에이전트가 도메인 의미를 더 정확히 해석하고 일관된 코드를 생성할 가능성이 높다. 아래 '그림 1'은 요구 분석 산출물과 그들 간의 의존 관계를 보여준다. 프로세스 모델, 시맨틱 모델(Business Object Model), 사용사례 모델, UX 모델, 서비스 모델 간의 긴밀한 의존 관계를 정확히 준수해야 일관성 있고 완전한 요구 스펙을 만들 수 있다. 앞에서 1970년대 SW공학 등장 이후, 인간들 사이에서도 자연어의 모호성 때문에 모델링 언어를 만들어 요구 스펙과 SW 설계의 문서화에 사용했다는 사실을 지적했다. AI 코딩 에이전트도 마찬가지로 자연어 프롬프트보다는 더 상세한 Markup Language(Markdown, HTML 등), Serialized Language(JSON, YAML 등), Modeling/Domain Specific Language(UML, BPMN, BDD, User Story, Ontology 등), 프로그래밍 언어(Python, Typescript 등)를 더 안정적으로 처리할 수 있다. 프로세스 모델, 시맨틱 모델 및 사용사례를 AI 코딩 에이전트의 요구 스펙에 반영할 때는 그대로 이미지나 텍스트 형태로 입력할 수도 있고, 사용자 스토리(User Story)와 BDD(behavior-Driven Development)의 Gherkin 문장으로 변환해 입력할 수도 있다. BDD 문장은 생성된 코드의 인수 테스트(Acceptance Test) 기준을 제공한다. (Dan North, Introducing BDD, dannorth.net, 2006) 이러한 변환 자체도 AI 코딩 에이전트에게 위임할 수 있다. 예컨대, 프로세스 모델을 에이전트에 입력할 때 Mermaid.js 같은 다이어그램 DSL로 변환해 제공할 수 있다. 온톨로지는 JSON-LD나 Turtle(.ttl)로 직렬화(Serialize)해서 제공할 수 있다. 사용자 스토리와 BDD 문장이 생성되면 분석가(Business Analyst)가 오류가 없는지 검토해야 한다. 분석자 리뷰를 패스하면 에이전트가 사용자 스토리와 BDD 문장을 기반으로 코드를 작성한다. 앞의 TDD 기법에서 설명했듯이 소스 코딩 이전에 테스트 코드를 작성해야 하므로, 에이전트는 사용자 스토리와 BDD 문장에서 TDD 테스트 코드를 도출한다. BDD 문장 작성에 Cucumber 같은 BDD 프레임워크와 Playwright 같은 E2E 테스트 프레임워크를 사용하는 경우, 에이전트는 Step Definition 파일을 기반으로 테스트 코드를 생성한다. BDD 툴을 사용하지 않는 경우에는 에이전트가 BDD 문장을 직접 TDD 테스트 코드로 변환한다. 이와 같이 효과적인 CI 운영은 TDD 기반 테스트 자동화를 필요로 하고, TDD는 BDD에 의존하고, BDD는 프로세스 모델링, 시맨틱 모델링, 사용사례 분석 등 사전(Upfront) 요구 분석을 통해 정확하게 도출된다. (요구 분석 → BDD → TDD → CI) ▲객체 설계(Object Design: Erich Gamma et al., Design Patterns, 1994; Robert Martin, Design Principles and Design Patterns, 2000 참조): AI 코딩 에이전트는 코드를 Python, Typescript 등 객체 지향 프로그래밍 언어(Object-Oriented Programming Language)로 생성한다. 프로덕션 시스템이 갖추어야 할 중요한 품질 속성에는 가독성(Readability), 변경 용이성(Maintainability), 확장성(Extensibility) 및 테스트 용이성(Testability)이 있다. 이러한 속성을 갖추려면 코드가 객체 설계 원칙을 지키고 객체 설계 패턴을 적용해야 한다. AI 코딩 에이전트가 객체 설계 원칙과 패턴을 일관되게 적용하도록 하기 위해서는, 컨텍스트 파일에 원칙과 패턴을 명시하고, CI/CD 파이프라인에서 아키텍처 규칙 검증(Architectural Fitness Function)을 통해 정적 분석(Static Analysis)을 수행하며, 설계 품질 검토를 담당하는 Subagent를 운영하는 등의 Quality Gate가 필요하다. ▲서비스 지향 아키텍처(Service-Oriented Architecture, SOA: OASIS, Reference Model for Service Oriented Architecture, 2006; 박준성, The Complete Guide to SOA, MSA and Modulith, kosta-online.com): AI 코딩 에이전트를 사용하는 데 있어 중요한 제약 조건은 컨텍스트 윈도우(Context Window)의 크기다. 컨텍스트 윈도우에 필요한 최적의 정보만을 적시에 제공하는 것이 에이전트의 효과와 효율을 높이는 방법이다. SOA는 애플리케이션을 Loosely-Coupled 서비스 단위로 분할하고, 서비스 간에 공개된 표준 API를 통해 연결한다. 따라서 에이전트가 서비스 단위로 독립적으로 코드를 생성할 수 있도록 한다. 에이전트의 컨텍스트가 작은 서비스에 초점을 맞추기 때문에 환각을 줄일 수 있다. 서비스 간 독립성을 높이기 위해서는 애플리케이션 객체 설계 모델에서 하나의 응집된 Business Capability를 실현하고, 일관된 도메인 언어(Ubiquitous Language)를 공유하는 경계인 Bounded Context를 식별해 이를 하나의 서비스로 매핑하는 방법을 취할 수 있다. (Eric Evans, Domain-Driven Design, 2003 참조) SOA 애플리케이션을 구현할 때, 애플리케이션의 릴리스 사이클이 시간 단위 이하로 짧아야 할 때는 Microservice Architecture(MSA)로 구현해 서비스별로 독립적으로 배포할 수 있다. 이 경우 서비스 단위의 독립적 배포와 피드백 루프 최적화가 가능해져 오류를 신속히 수정할 수 있다. MSA는 빠른 릴리스에 적합한 SOA 구현 패턴이지만, 유지보수 및 운영의 복잡성 때문에 Modulith(Modular Monolith)나 SBA(Service-Based Architecture) 구현 패턴을 선호하는 경우도 있다. (Mark Richards and Neal Ford, Fundamentals of Software Architecture, 2020) 한 애플리케이션 안에서 서비스에 따라 독립적으로 배포할 수도 있고 집합적으로 배포할 수도 있다. 아래 그림 2는 에이전트 코딩을 통해 구축한 전자상거래 에이전트 시스템으로, 흑색 테두리 박스는 논리적 서비스, 적색 테두리 박스는 물리적 서비스(배포 단위)를 나타낸다. (박준성, AI 에이전트의 물리적 아키텍처 - Modulith, SBA 및 MSA의 Hybrid 아키텍처, kosta-online.com 참조) AI 에이전트 코딩에서 SOA를 실현하기 위해서는 우선 아키텍트가 SOA 아키텍처를 설계하고, OpenAPI나 Protocol Buffers를 이용해 각 서비스의 API를 정의한다. 에이전트의 프로젝트 구조 파일에서 각 서비스를 독립적인 리포지토리로 정의할 수도 있고, Monorepo를 정의할 수도 있다. Monorepo를 사용한 경우, 정적 분석을 통해 SOA의 서비스 캡슐화(Service Encapsulation) 원칙, 즉 API 이외의 방식으로 다른 서비스에 직접 접근할 수 없다는 원칙을 위반했는지 검증한다. 에이전트는 API Contract를 준수하는 코드를 생성한다. SOA에서는 API의 확장은 허용하지만 하위 호환성을 깨는 변경은 제한하는 것이 중요하다. 이 원칙이 위반됐는지 CI 파이프라인에서 검증하고, 위반한 경우 빌드를 취소한다. 결론 AI 코딩 에이전트는 시니어 분석가/아키텍트/엔지니어가 가이드하고 검증해야 하는 주니어 개발자와 같다.에이전트와 시니어 전문가가 Pair Programming을 하는 것과 같다. 시니어의 역할은 SW 공학의 원칙, 패턴과 베스트 프랙티스를 잘 적용, 현장 사용자가 신뢰할 수 있고 미래에 장기적으로 발전·확장해 나갈 수 있는 애플리케이션을 구축하도록 관여하고 책임을 지는 것이다.

2026.06.06 08:34박준성 컬럼니스트

"전선도 배터리도 없다"…레이저로 로봇에 24시간 전력 공급

호주 스타트업 아퀼라(Aquila)가 레이저를 이용해 이동식 창고 로봇에 24시간 동안 무선으로 전력을 공급하는 데 성공해 주목받고 있다. IT매체 BGR은 최근 아퀼라가 레이저 기반 무선 전력 전송 기술을 활용해 두 가지 기록을 경신했다고 보도했다. 회사는 링크드인 게시물을 통해 이번 시연에서 레이저로 전송된 역대 최대 전력량인 4kWh와 24시간 연속 전력 공급 기록을 동시에 달성했다고 밝혔다. 이번 실험에서는 추적 플랫폼에 장착된 레이저가 이동 중인 목표물의 수신기를 실시간으로 추적하며 지속적으로 에너지를 전달하는 기술을 사용했다. 수신기는 레이저 빛을 전기로 변환해 장비를 구동한다. 2025년 일본 미쓰비시중공업은 1kW급 레이저 빔을 태양전지에 조사해 152W의 전력을 생산하는 실험에 성공한 바 있다. 아퀼라는 이를 한 단계 발전시켜 이동하는 수신기에 레이저를 정확히 조준하면서 약 167W의 전력을 24시간 동안 지속적으로 공급하는 데 성공했다. 이 기술의 핵심은 끊임없이 움직이는 목표물을 실시간으로 추적하면서 레이저 빔을 정확하게 유지할 수 있다는 점이다. 전문가들은 이러한 기술이 향후 드론과 로봇, 우주 탐사 분야에서 새로운 가능성을 열어줄 것으로 보고 있다. 드론 비행시간 사실상 무제한 시대 올까 레이저 기반 무선 전력 전송 기술은 군사 분야에서도 빠르게 발전하고 있다. 미국 중부사령부(CENTCOM)가 일부 자금을 지원하는 PTROL-UAS 프로그램은 무인항공기(UAV)에 레이저로 전력을 공급하는 기술 개발을 추진 중이다. 2025년 파워라이트 테크놀로지스는 해당 기술을 활용해 사실상 무제한 비행 시간을 구현하는 것을 목표로 하고 있다고 밝혔다. 이 시스템은 고정밀 광학 추적 기술을 이용해 레이저 빔을 드론에 장착된 수신기에 집중시키는 방식으로 작동하며, 최대 약 1.5㎞ 거리에서도 전력 공급이 가능하도록 설계되고 있다. 미국 국방고등연구계획국(DARPA)도 최근 POWER 프로그램 시험을 통해 약 8.9㎞ 떨어진 목표물에 800W 전력을 전송하는 데 성공했다. 이는 현재까지 레이저 기반 무선 전력 전송 기술 가운데 가장 긴 거리 기록 중 하나로 평가된다. DARPA는 이 기술이 전장이나 재난 지역 등 전력 공급 인프라가 부족한 환경에서 활용될 수 있을 것으로 기대하고 있다. 무선 전력 전송 기술 경쟁은 미국에만 국한되지 않는다. 중국 역시 마이크로파를 이용해 드론에 전력을 공급하는 기술을 연구 중인 것으로 알려졌다. NASA, 달 기지에 레이저로 전력 공급 추진 미국 항공우주국(NASA)도 레이저 기반 전력 전송 기술에 큰 관심을 보이고 있다. NASA는 안정적인 전력 확보가 달 기지 건설계획의 핵심 과제로 보고 있다. 달에서는 햇빛이 비치는 동안에만 태양광 패널이 작동하기 때문이다. 따라서 달에서는 약 14일 동안 이어지는 긴 밤 동안엔 전력 생산이 어려운 상황이다. NASA는 2021년 보고서를 통해 수백 대의 지상 기반 레이저 망원경이 위상을 맞춘 레이저 빔을 달 기지의 태양전지에 조사해 약 5kW 전력을 생산하는 방안을 검토하고 있다고 밝혔다. 현재 NASA는 방사성 동위원소를 활용한 전력 생산 기술도 병행 개발하고 있지만, 레이저 기반 전력 전송 기술 역시 유력한 대안으로 평가받고 있다. 특히 중앙 발전 설비와 함께 달 표면 곳곳에 분산된 탐사 장비와 작업 시설에 전력을 공급해야 하는 만큼, 무선 전력 전송 기술은 향후 달 기지 운영의 핵심 인프라가 될 가능성이 크다. 전문가들은 레이저 기반 전력 전송 기술이 상용화될 경우 무거운 배터리나 전력 케이블을 우주로 운반할 필요가 줄어들어 발사 비용과 로켓 적재 중량을 크게 낮출 수 있을 것으로 전망하고 있다.

2026.06.06 08:13이정현 미디어연구소

세가 풋볼 클럽 챔피언스 2026, 韓 축구 팬에 다시 도전장…"제대로 준비"

세가(SEGA)가 축구 클럽 경영 시뮬레이션 게임 '세가 풋볼 클럽 챔피언스 2026'(이하 SFCC 2026' 대규모 업데이트를 발표하며 한국 시장에 다시 도전장을 내밀었다. 이번 업데이트는 한국 프로축구 2부 리그(이하 K리그2) 라이선스 확보와 레전드 선수 도입 등 한국 특화 콘텐츠가 대거 포함돼 있다. 세가는 지난 5일 서울 강남구 코엑스에서 한국 미디어 쇼케이스를 개최하고 '2.0' 대규모 콘텐츠 업데이트 세부 내용에 대해 공개했다. 현장 발표는 SFCC 2026 총괄 프로듀서를 맡고 있는 히사이 카츠야가 맡았다. 히사이 PD는 "출시 초기 로컬라이제이션과 컬처라이제이션 측면에서 한국 시장에 대한 문화적인 이해가 부족했던 점을 반성한다"며 "만족도를 지속적으로 이끌어내지 못해 광고와 노출을 일시적으로 자제해 왔으나, 이제는 한국 유저를 맞이할 충분한 준비를 마쳤다"고 말했다. 이어 그는 "현재 한국 유저 비중은 전체 약 1%에 불과하다. 개인적인 소망을 말씀드리면 약 10배 정도 목표하고 있다"고 덧붙였다. 한국 시장 공략을 위한 핵심 카드는 철저한 현지화다. 세가는 일본 축구 게임으로서는 이례적으로 K리그2 라이선스를 정식 확보했다. 이에 게임 내 K리그1과 K리그2 간 승강 플레이오프 및 승강 시스템이 구현된다. 히사이 프로듀서는 "하위 리그의 작은 클럽을 세계 정상으로 성장시키는 것이 시리즈의 본질인 만큼 K리그2 구현은 한국 유저들에게 현실적인 국내 리그 환경을 제공하기 위한 필연적인 결정"이라고 설명했다. 이와 함께 한국어 설정 시 선수명을 한국어로 표기하는 기능이 추가되며, 국내 축구 팬들에게 인지도가 높은 안정환, 김남일 선수가 대한민국 레전드 선수로 등장한다. 이날 현장에서는 두 레전드 선수의 축전 영상도 공개됐다. 글로벌 라이선스도 대폭 확대된다. 미국·캐나다 기반의 메이저 리그 사커(MLS)를 비롯해 일본 축구 국가대표팀, 독일 분데스리가 명문 구단 FC 바이에른 뮌헨, 태국 리그1의 BG 빠툼 유나이티드 FC 라이선스가 새롭게 추가되며, 겨울 이적시장 결과가 반영된 최신 시즌 로스터 업데이트가 단행된다. 특히 핵심 라이선스로 소개된 MLS의 선택 배경에는 북미 시장 공략 외에도 한국 시장에 대한 고려가 있었음이 밝혀졌다. 히사이 프로듀서는 "글로벌 시장에서 MLS의 성장세를 주목한 것도 있지만, 한국 유저들이 원하는 손흥민 선수를 활용하고 싶었던 목적이 컸다"며 국내 팬덤에 주목하는 모습을 보였다. 게임성 측면에서는 장기 플레이에 따른 피로도를 대폭 낮췄다. 우선 세이브 슬롯이 기존 3개에서 6개로 확장된다. 실제 체감 기준 약 1.5배 빠르게 진행하는 '고속화 모드'가 도입된다. 경기장 밖에서의 몰입감도 더했다. 예로 들어 과거 시리즈의 인기 캐릭터 '압둘 카림'이 재등장한다. 이와 같은 다양한 신규 드라마 이벤트가 추가된다. 이를 통해 선수와 클럽, 시즌 운영 과정이 보다 다채로운 스토리로 전개될 예정이다. 세가는 대전 액션 중심의 기존 축구 게임들과 달리 복잡하지 않은 균형을 갖춘 캐주얼 시뮬레이션 장르로서 'SFCC 2026'만의 영역을 구축하겠다는 방침이다. 히사이 프로듀서는 "단순한 시뮬레이션을 넘어 감독인 플레이어가 팀과 도시를 함께 성장시켜 나가는 일종의 RPG적인 경험을 제공한다"며 "과금한 카드 능력이 즉시 발현되는 구조가 아닌 반복 플레이의 재미를 극대화한 육성 중심의 게임"이라고 차별점을 강조했다. 한편 세가는 이번 버전 2.0 업데이트에 이어 오는 7월 중 2차 대형 업데이트를 예고했다. 북중미 월드컵 기간에 맞춰 대표팀 관련 대형 모드가 추가로 적용된다. 끝으로 히사이 프로듀서는 "한국과 일본 대표팀 모두 월드컵 16강에 진출해 한일전이 성사되기를 바란다"며 "월드컵 열기가 오래 지속돼야 게임 흥행에도 긍정적인 영향을 미치는 만큼 두 팀 모두의 선전을 응원하며, 월드컵을 계기로 한국 시장에서 SFCC 2026의 인지도가 크게 확대되기를 기대한다"고 전했다.

2026.06.06 07:03진성우 기자

AI가 모기 찾아 레이저로 격추…'최강 모기 퇴치기' 등장

한 발명가가 인공지능(AI) 기술과 레이저를 결합해 모기를 자동으로 추적•제거하는 시제품을 개발해 화제를 모으고 있다. IT매체 씨넷은 AI 기반 모기 퇴치 시스템을 개발한 발명가 스티븐 쳉의 프로젝트를 최근 보도했다. 스티븐 쳉은 자신의 엑스(X)를 통해 개발 과정을 공개하며 "4개월 동안 컴퓨터 비전과 딥러닝 기술로 제어되는 궁극의 모기 퇴치기를 만들었다"고 밝혔다. 해당 시스템은 DSLR 카메라와 고배율 줌 렌즈를 활용해 모기를 탐지한 뒤 AI가 이를 식별하고 레이저로 정확하게 조준하는 방식으로 작동한다. 이를 위해 그는 캐논 DSLR 카메라와 줌 렌즈 조합을 사용했으며, 모기를 인식할 수 있도록 맞춤형 AI 모델을 직접 훈련시켰다. 연구 과정에서 모기 데이터를 수집하기 위해 수없이 모기에 물렸다고도 전했다. 레이저는 모기만 선택적으로 제거하도록 설계됐다. 시스템은 사람이나 가정용품, 가연성 물질을 자동으로 식별하며, 조준 범위 안에 사람이 들어오거나 화재 위험이 있는 물체가 감지되면 레이저가 즉시 차단된다. 이를 위해 광각 렌즈를 추가로 탑재해 주변 환경을 실시간으로 분석하도록 했다. 이후 쳉은 시스템에 바퀴를 장착해 이동성을 높였으며, 야외 환경에서도 사용할 수 있도록 성능을 개선했다. 또 기관총을 연상시키는 형태의 외관에 적외선 감지 기능까지 추가해 어두운 환경에서도 곤충을 식별할 수 있도록 만들었다. 레이저를 이용한 모기 퇴치 기술이 처음 등장한 것은 아니다. 지난해에는 '포톤 매트릭스(Photon Matrix)'라는 이름의 레이저 기반 모기 방어 장치가 크라우드펀딩 플랫폼 인디고고에 등장해 큰 관심을 모았다. 포톤 매트릭스는 라이다 센서를 활용해 모기의 거리와 방향, 크기를 약 3밀리초(ms) 만에 측정할 수 있다. 이후 레이저 반사 신호를 분석해 정확한 위치를 계산한 뒤 검류계 기반 조준 시스템을 통해 레이저를 발사해 모기를 제거한다. 이 제품은 올해 여름 출시를 목표로 개발 중이며, 기본 모델 가격은 약 500달러(약 76만 원)로 책정된 것으로 알려졌다. AI와 컴퓨터 비전 기술이 발전하면서 향후 해충 방제 분야에서도 유사한 기술이 빠르게 확산될 수 있을 지 관심이 모아지고 있다.

2026.06.06 07:00이정현 미디어연구소

AI 인프라 몸값 치솟는다…스위치, 77조원 가치로 투자 유치 추진

생성형 인공지능(AI) 확산으로 데이터센터 수요가 급증하면서 글로벌 인프라 시장에 대규모 자금이 몰리고 있다. AI 투자가 전력·서버·데이터센터 확보로 번지면서 관련 인프라 기업들의 몸값도 빠르게 치솟는 분위기다. 5일(현지시간) 디인포메이션에 따르면 미국 데이터센터 개발·운영 기업 스위치(Switch)는 최소 500억 달러(약 77조원) 기업가치를 기준으로 수십억 달러 규모 신규 투자 유치를 추진 중이다. 투자 라운드에는 브룩필드자산운용과 KKR을 비롯한 사모펀드 및 기관투자자들이 참여를 검토 중인 것으로 전해졌다. 다만 현재 논의는 초기 단계로 아직 최종 확정된 것은 아니다. 이번 투자 유치는 향후 기업공개(IPO)로 이어질 가능성도 제기된다. 로이터는 스위치가 이르면 내년 상장을 추진할 수 있으며 골드만삭스와 JP모건이 자금 조달 작업을 지원하고 있다고 보도했다. 스위치는 미국 네바다주 라스베이거스에 본사를 둔 데이터센터 전문기업이다. 2000년 창업자인 롭 로이 최고경영자(CEO)가 설립했으며 데이터센터 설계와 운영 관련 950개 이상의 특허를 보유 중이다. 회사는 데이터센터 설계·건설·운영을 핵심 사업으로 영위하며 대규모 기술 인프라 생태계를 구축해왔다. 회사는 지속 가능한 재생에너지 기반 데이터센터 구축을 핵심 비전으로 내세우고 있다. 주요 고객으로는 엔비디아·테슬라·페덱스·로지텍 등을 확보했다. 최근 AI 데이터센터 투자 붐이 이어지면서 스위치 역시 핵심 인프라 사업자로 주목받고 있다. 앞서 올해 초에는 소프트뱅크가 AI 인프라 프로젝트 '스타게이트' 추진을 위해 약 500억 달러 규모 스위치 인수를 검토했으나 거래 규모 부담 등으로 협상을 중단한 바 있다. 이후에도 양측은 전략적 투자와 협력 가능성을 놓고 논의를 이어온 것으로 알려졌다. 스위치는 회사 공식 홈페이지를 통해 "우리는 지속 가능한 성장을 뒷받침하는 기술 인프라 생태계를 구축하고 있다"며 "고객에게 혁신과 규모의 경제, 지속 가능성을 제공하는 것이 목표"라고 밝혔다.

2026.06.05 17:24한정호 기자

장현국 넥써쓰 대표, 147억 투입해 지분 확대…기업 가치 '제고'

장현국 넥써쓰 대표가 100억원대 규모의 매수청구권(콜옵션) 행사를 통해 확고한 책임 경영 의지를 드러냈다. 넥써쓰(대표 장현국)는 장현국 대표가 주주간 계약에 따른 콜옵션을 행사해 링크드가 보유한 보통주 541만 590주에 대한 주식매매계약을 체결했다고 5일 밝혔다. 이번 계약에 따른 총 매매대금은 약 146억 5491만원 규모로, 콜옵션 행사는 지난 2024년 12월 체결된 주주간 계약에 근거해 이뤄졌다. 장 대표가 직접 대규모 지분을 안정적으로 확보함으로써 대표이사로서의 책임 경영 기반을 한층 더 강화했다는 점에서 큰 의미를 갖는다. 현재 장 대표 체제의 넥써쓰는 블록체인 게임 플랫폼 '크로쓰'를 구심점으로 삼아 온체인 게임 생태계를 빠르게 확대해 나가고 있다. 최근에는 크로쓰 메인넷 2.0인 '브레이크포인트' 가동을 비롯해 '크로쓰 게임 허브', '크로쓰 플레이 2.0' 등 연이은 서비스 고도화를 단행하며 플랫폼 성장에 속도를 내는 중이다. 넥써쓰는 새롭게 다진 확고한 지배구조를 바탕으로 적극적인 플랫폼 성장과 주주 가치 제고를 지속적으로 추진할 계획이다. 장현국 넥써쓰 대표는 "안정적인 지분 구조 확보를 기반으로 더 적극적으로 인수합병(M&A)을 통한 성장과 기업 가치 밸류업에 매진하겠다"고 전했다.

2026.06.05 17:11정진성 기자

GAC, 5월 수출 140% 성장 기록하며 지속 가능한 글로벌 모빌리티 비전 발전

광저우, 중국 2026년 6월 5일 /PRNewswire/ -- GAC가 6월 4일 또 한 달의 가속화된 글로벌 모멘텀을 발표했으며, 5월 독자 브랜드 수출이 전년 대비 140% 증가한 2만 8386대에 달했다. 1월부터 5월까지의 누적 수출은 전년 대비 135% 증가한 9만 8861대를 기록하여 '원 GAC 2.0(One GAC 2.0)' 전략의 지속적인 영향과 고품질 현지화 글로벌 운영에 대한 회사의 약속을 반영했다. 두드러진 성과 중에서 AION UT는 2025년 3월 국제 데뷔 이후 홍콩(중국), 싱가포르, 콜롬비아, 우루과이에서 순수 전기 해치백 부문을 지속적으로 선도하며 세계에서 가장 경쟁적인 EV 시장 전반에서 광범위한 인정을 받았다. 이 결과들은 GAC가 진정한 글로벌 자동차 강자로 부상하고 있음을 강조한다. 단일 시장이나 모델에 의존하지 않고, 회사의 성장은 규율 있는 제품 전략과 5개 대륙 102개국과 지역에 걸쳐 생산, 유통, 사후 서비스 및 브랜드 참여를 아우르는 빠르게 성숙하는 국제 생태계에 의해 주도되는 광범위한 기반을 갖추고 있다. 지역적으로 GAC가 가진 모멘텀의 폭은 인상적이다. 아시아 태평양 소매 판매는 5월 전년 대비 123% 급증했으며, 홍콩의 293% 성장과 태국의 전기 택시 부문에서의 지속적인 리더십이 이를 이끌었다. 아메리카는 지역 소매 판매가 전년 대비 144% 급증하는 탁월한 성과를 달성했다. 콜롬비아는 1088%, 우루과이는 806%, 코스타리카는 733% 증가를 기록하여 라틴아메리카 전반에 걸쳐 강력한 소비자 신뢰의 물결을 반영했다. 중동에서 EMZOOM은 레바논의 B세그먼트 SUV 시장에서 1위를 차지했으며, GAC는 쿠웨이트에서 제품 품질과 중고차 재판매 가치 모두에서 선도 중국 브랜드로 인정받았다. 5월은 또한 GAC의 장기 시장 개발에서 획기적인 단계를 기록했다. 회사는 4개 모델 출시와 포괄적인 현지화 로드맵으로 파키스탄에 공식적으로 진출했다. 유럽에서 GAC는 AION V가 현지 미디어로부터 강한 호응을 받으며 영국에 공식 진출하여 브랜드의 유럽 전동화 여정에서 중요한 이정표를 기록했다. 멕시코의 데포르티보 톨루카 FC(Deportivo Toluca FC)와 호주의 시드니 FC(Sydney FC)와의 새로운 스포츠 마케팅 파트너십은 주요 성장 시장 전반에서 브랜드의 문화적 뿌리를 더욱 깊게 확립했다. 6개의 해외 제조 기지, 전 세계 696개 이상의 공식 딜러십, 연간 25만 대의 수출 목표를 갖춘 GAC는 더 이상 단순히 차량을 수출하는 회사가 아니다. GAC는 글로벌 자동차 환경에서 지속적인 존재감을 갖추기 위해 필요한 인프라, 파트너십 및 브랜드 자산을 구축하고 있다. https://www.gacgroup.com/en을 방문하거나 소셜 미디어를 팔로우하여 GAC에 대한 자세한 정보를 확인할 수 있다.

2026.06.05 17:10글로벌뉴스

[AI 고속도로] 국산 클라우드-NPU 연합 생태계 본궤도…정부 육성정책 결실 맺나

국내 클라우드 기업들이 국산 신경망처리장치(NPU)를 서비스 형태로 제공하는 사업에 잇따라 뛰어들면서 정부가 수년간 추진해 온 AI 반도체 육성 정책이 본격적인 상용화 단계에 진입하고 있다. 기술 실증과 연구개발(R&D)을 넘어 실제 클라우드 서비스와 산업 현장으로 확산되며 독자 인프라 생태계 구축에 속도가 붙는 모습이다. 5일 업계에 따르면 KT클라우드와 가비아가 최근 리벨리온 반도체 기반 서비스형 NPU(NPUaaS)를 출시한 데 이어 삼성SDS도 오는 7월 퓨리오사AI NPU를 탑재한 서비스를 선보일 예정이다. 국내 주요 클라우드 사업자들이 국산 AI 반도체를 클라우드 상품으로 제공하며 본격적인 상용화에 나서는 분위기다. 이는 신규 서비스 출시를 넘어 정부 주도 AI 반도체 육성 정책이 실제 시장으로 연결되는 전환점이 될 전망이다. 그동안 국산 NPU는 기술 검증과 실증 사업 중심으로 성장해 왔지만, 최근에는 국내 클라우드를 통해 기업과 공공기관이 손쉽게 활용할 수 있는 서비스 형태로 확산을 앞두고 있다. K-AI 반도체, 실증 넘어 서비스 단계 진입 KT클라우드는 지난 4일 리벨리온의 차세대 NPU '아톰 플러스'를 적용한 공공 전용 NPU 서비스 출시를 발표했다. 국내 NPUaaS 가운데 처음으로 클라우드 보안인증(CSAP)을 획득했으며 공공기관과 지방자치단체가 보안 규제를 충족하면서 국산 AI 반도체를 활용할 수 있도록 설계됐다. 가비아도 지난 4월 리벨리온 '아톰-맥스'를 기반으로 한 NPUaaS를 선보였다. 클라우드 환경에서 NPU를 구독형으로 제공하며 AI 추론 최적화 컨설팅까지 함께 지원할 계획이다. 그래픽처리장치(GPU) 공급 부족과 비용 부담이 커지는 상황에서 추론 중심 AI 서비스 수요를 겨냥한 전략이다. 삼성SDS 역시 다음 달 퓨리오사AI의 2세대 NPU '레니게이드' 기반 NPUaaS를 삼성 클라우드 플랫폼(SCP)에 출시할 예정이다. 엔비디아 GPU 중심 인프라에서 벗어나 고객이 워크로드 특성에 따라 GPU와 NPU를 선택할 수 있는 구조를 구축한다는 목표다. 이 외 다양한 국내 IT서비스 기업들도 국산 NPU 생태계 확대에 동참하고 있다. 롯데이노베이트는 모빌린트와 협력해 휴머노이드와 스마트 인프라 등 피지컬 AI 분야 실증을 추진한다. 포스코DX도 산업용 제어 시스템에 모빌린트 NPU를 적용해 제조 현장 중심의 엣지 AI 구축에 나서고 있다. LG CNS도 국산 NPU 기반 AI 인프라와 서비스 확대를 추진하면서 AI 반도체 활용 범위가 클라우드를 넘어 제조·공공·기업 업무 영역 전반으로 확산되는 상황이다. 최근 AI 인프라 시장이 대규모 학습 중심에서 추론 중심으로 이동하는 것도 이러한 변화 배경으로 꼽힌다. NPU는 추론 작업에서 GPU 대비 전력 효율과 비용 경쟁력이 높아 AI 에이전트와 기업용 생성형 AI 서비스 확산 과정에서 새로운 대안으로 주목받고 있다. 정부 'AI 반도체 팜' 결실 맺기 시작 현재 나타나는 상용화 흐름은 정부가 지난 수년간 추진해 온 AI 반도체 육성 정책과 맞닿아 있다. 대표 사례가 과학기술정보통신부와 정보통신산업진흥원(NIPA)이 추진한 'AI 반도체 팜 구축·실증' 사업이다. 해당 사업은 국산 NPU 기반 고성능 클라우드 인프라를 구축하고 실제 산업 현장에서 성능을 검증하기 위해 2023년부터 3년간 진행됐다. 사업에는 네이버클라우드·KT클라우드·NHN클라우드 등이 참여했으며 리벨리온과 퓨리오사AI가 반도체 공급사로 함께했다. 이들은 총 19.95페타플롭스(PF) 규모 국산 NPU 인프라를 구축하고 의료·번역·챗봇 등 다양한 AI 서비스를 실증했다. 특히 네이버클라우드는 퓨리오사AI와 함께 외국인 근로자를 위한 거대언어모델(LLM) 기반 번역·챗봇 서비스를 실증했으며 KT클라우드와 NHN클라우드는 리벨리온과 협력해 뇌 질환 진단·예측 플랫폼 등을 운영했다. 또 NHN클라우드는 정부 'K-클라우드 프로젝트'를 통해 22PF 이상 규모 국산 NPU 인프라를 구축하며 의료·공공안전 분야 실증을 수행했고 네이버클라우드 역시 국산 NPU 기반 서비스 검증과 운영 경험을 축적하며 상용화 기반 마련에 기여했다. 일부 실증에선 국산 NPU가 외산 GPU 대비 경쟁력 있는 성능을 보인 것으로도 전해졌다. 업계에선 정부 사업이 국산 NPU 성능을 검증하는 데 그치지 않고 클라우드 사업자들이 실제 운영 경험을 축적하는 계기가 됐다고 평가했다. 최근 등장하는 NPUaaS 역시 당시 확보한 운영 노하우와 최적화 경험이 기반이 됐다고 분석했다. 다음 시험대는 공공 AX 수요 창출 다만 국산 클라우드와 NPU 결합 생태계가 본격적으로 성장하기 위해선 안정적인 추가 수요 창출이 필요하다는 지적도 나온다. 현재 정부는 삼성SDS 컨소시엄과 국가AI컴퓨팅센터 구축 사업을 추진하고 있다. 오는 2028년까지 첨단 AI 반도체 1만 5000장 규모 인프라를 구축하는 초대형 프로젝트로, 국산 AI 반도체 연구개발과 실증 환경도 함께 제공할 계획이다. 특히 정부는 센터 내 연구개발 존을 조성해 국산 NPU 시범 운영과 신뢰성 검증을 지원하고 향후 국산 AI 반도체 활용 비중도 확대한다는 방침이다. 공공 AI 전환(AX) 사업 역시 중요한 기반이다. 최근 정부와 지방자치단체가 생성형 AI와 AI 에이전트 도입을 확대하면서 추론 중심 AI 인프라 수요가 빠르게 증가하고 있다. 이같은 공공 사업에서 국산 NPU 활용 사례가 늘어날 경우 클라우드 사업자와 반도체 기업 모두에게 새로운 성장 기회가 될 전망이다. 업계 관계자는 "국산 NPU가 과거보다 성능이 많이 개선된 만큼 이제 기술 검증 단계를 넘어 실제 서비스와 시장 적용 단계에 진입하고 있다"며 "정부와 공공 사업 등에서 의미 있는 수요가 만들어진다면 토종 클라우드와 AI 반도체가 함께 성장할 수 있을 것"이라고 말했다. 배경훈 부총리 겸 과기정통부 장관은 지난 4일 'K-AI 반도체 성장 포럼'에서 "국산 AI반도체는 AI 3대 강국 도약이라는 국정과제 실현과 독자 AI 완성을 위한 핵심 기반"이라며 "본격적인 양산과 상용화를 넘어 실질적인 성과를 낼 수 있도록 정부가 마중물 역할을 수행하며 적극 뒷받침하겠다"고 강조했다.

2026.06.05 14:50한정호 기자

[현장] EDB "AX 다음 혁신은 OX"…데이터·AI, 하나의 플랫폼으로

EDB가 인공지능 전환(AX)에 이어 기업의 다음 전략 과제로 오픈소스 전환(OX)을 제시했다. 단순한 비용 절감이나 데이터베이스 교체가 아니라 데이터 주권 확보와 AI 활용 기반 마련을 위한 차세대 전략으로 OX를 봐야 한다고 강조했다. EDB는 5일 서울 강남구 아셈타워 EDB 코리아 오피스에서 간담회를 열고 국내 엔터프라이즈 시장을 겨냥한 OX 전략과 '에이전틱 레이크하우스' 비전을 발표했다. 기술 종속과 비용 부담이 큰 레거시 데이터베이스 환경에서 벗어나 데이터와 AI를 하나의 오픈 플랫폼으로 통합하겠다는 구상이다. DX·AX 넘어 OX 부상…국내 엔터프라이즈 필수 과제로 김희배 EDB코리아 지사장은 한국 시장에서 오픈소스 전환이 제조, 금융, 공공 등 전 산업군으로 빠르게 확산하고 있다고 진단했다. 기업들이 자사가 보유한 데이터를 외부 플랫폼에 종속시키지 않고 원하는 환경에서 직접 통제하려는 수요가 커지고 있다는 설명이다. 최근에는 국내 대형 제조기업이 미션 크리티컬한 영업·생산 데이터베이스를 오라클 환경에서 오픈소스 기반 플랫폼으로 전환한 사례도 나왔다. 김 지사장은 "이제 오픈소스 전환은 단순한 대안이 아니라 핵심 전략 과제가 되고 있다"고 말했다. 그는 이런 흐름을 디지털전환(DX), 인공지능전환(AX)에 이은 오픈소스전환(OX)의 부상으로 해석했다. 특히 한국 시장에서는 핵심 시스템을 한 번에 교체하기보다 기존 자산을 유지하면서 단계적으로 전환하려는 요구가 강하다고 봤다. 이 과정에서 수십 년간 오라클 환경에서 데이터를 축적한 기업일수록 시스템 전면 교체에 부담을 느낄 수밖에 없다는 점도 짚었다. 이에 대해 EDB는 기존 레거시 환경을 유지하면서 단계적으로 마이그레이션할 수 있는 호환성을 제공해 전환 리스크와 총소유비용(TCO)을 함께 낮출 수 있다고 설명했다. 김 지사장은 "디지털전환의 80%, AX의 85% 이상이 이미 오픈소스 기반으로 움직이고 있다"며 "5년 뒤 오픈소스로 전환하지 않은 기업은 고비용 구조와 벤더 종속 부담에 직면하겠지만, OX를 이룬 기업은 더 넓은 기술 선택권을 확보하게 될 것"이라고 말했다. AI 시대 과제는 기존 DB활용…"AI를 데이터가 있는 곳으로" 산업 전방위에 걸쳐 AI 도입을 고려하고 있지만 큰 문제점 중 하나로 지목되는 것이 기존 데이터베이스 활용 방안이다. AI 에이전트가 고객 응대나 거래 판단 같은 업무를 수행하려면 최신 운영 데이터에 실시간으로 가까운 수준으로 접근해야 한다. 하지만 기존 환경에서는 트랜잭션 데이터를 별도의 분석 플랫폼이나 벡터 스택으로 옮기는 과정에서 데이터 복제와 지연이 발생해, 실시간 판단과 추론의 품질을 떨어뜨리는 한계가 있었다. EDB는 이에 대한 해법으로 에이전틱 레이크하우스를 제시했다. 데이터베이스 안에서 트랜잭션 데이터와 분석 데이터를 함께 관리하는 구조로, 데이터를 별도 AI 플랫폼으로 이동시키는 대신 AI를 원본 데이터가 있는 환경에서 실행하도록 한 것이 특징이다. 이를 통해 데이터 이동에 따른 지연을 줄이고, AI 에이전트가 최신 운영 데이터를 기반으로 더 정확한 결과를 낼 수 있다는 설명이다. 채드윅 크룩 EDB CCO는 "에이전트 시대에는 자율형 AI 에이전트가 데이터의 주요 소비자로 등장하면서 동시에 수천 건의 쿼리를 발생시키게 된다"며 "이는 기존 아키텍처에 새로운 부담으로 작용한다"고 말했다. 이어 "EDB가 말하는 시그니처 익스피리언스는 이런 환경에 맞춰 설계된 검증된 운영 경험"이라며 "주권형 AI 플랫폼을 원하지만 실제 운영 단계까지 연결하지 못한 기업들의 간극을 줄이는 역할을 하게 될 것"이라고 설명했다. 교보문고·샵캐스트 등 국내 OX 혁신 확산 국내 고객 사례도 선보였다. 교보문고는 EDB의 EDB 포스트그레스 어드밴스드 서버(EPAS)를 기반으로 핵심 트랜잭션 워크로드를 처리하고, 분석 업무는 웨어하우스 PG에서 운영하고 있다. 트랜잭션과 분석 환경을 하나의 플랫폼에서 통합 운영하며 기존 상용 데이터베이스 중심 구조에서 벗어나 벤더 종속을 낮추고 비용 효율성을 확보할 수 있었다. 음원 유통 플랫폼 샵캐스트 샵캐스트는 기존 환경에서 12~18시간 걸리던 음원 정산 업무를 EDB 웨어하우스 PG 기반으로 전환한 뒤 55분으로 단축했고, 운영비도 60% 절감했다. EDB는 앞으로 데이터 플랫폼이 데이터와 AI를 아우르는 통합 구조로 수렴하고, 주권형·개방형 아키텍처 중심으로 진화할 것으로 내다봤다. 데이터와 AI를 각각 별도 프로젝트로 추진하기보다 하나의 전환 흐름으로 봐야 한다는 것이다. 허베 팀싯 EDB CRO는 "한국은 EDB에게 단순한 시장이 아니라 세계에서 가장 야심찬 데이터·AI 전환이 진행되고 있는 곳"이라며 "한국 기업이 레거시 환경에서 벗어나 오픈소스 기반 데이터 플랫폼을 구축하고 각자의 방식으로 AI 시대를 선도할 수 있도록 현장에서 함께하겠다"고 말했다.

2026.06.05 14:43남혁우 기자

[기고] AI 확산 속 '통제 구조 재설계'가 필요한 이유

인공지능(AI)은 이미 조직 내부에서 조용하지만 강력하게 확산하고 있다. 직원들은 생산성 향상을 위해 여러 생성형 AI 툴을 업무에 활용하기 시작했다. 개발 조직은 외부 API와 서비스형 소프트웨어(SaaS)에 내장된 AI 기능을 자연스럽게 사용하고 있다. 문제는 이같은 활용이 공식적인 승인이나 관리 체계 밖에서 이뤄지는 경우가 많다는 점이다. 최근 발표된 '2026 클라우드플레어 보안 시그널 리포트'에 따르면 직원 98%가 섀도 AI를 포함해 승인되지 않은 애플리케이션을 사용하고 있는 것으로 나타났다. AI 관련 보안 사고를 경험한 조직 97%는 적절한 AI 접근 통제조차 갖추지 못한 것으로 확인됐다. 이는 기술 확산을 넘어 기존 운영 방식 한계를 여실히 보여주는 사례다. AI 도입 속도는 거버넌스 있으며 많은 조직이 사용 현황과 책임 구조조차 명확히 설명하지 못하는 실정이다. 클라우드플레어 리포트는 이를 '실제 사용과 통제 사이의 구조적 격차'라고 정의한다. 이제 AI는 단순한 도입 단계를 넘어 통제 방식과 책임 소재를 근본적으로 재정립해야 하는 국면에 접어들었음을 시사한다. AI 확산 과정에 가장 먼저 드러나는 문제는 거버넌스 구조 한계다. 기존 IT 환경에서는 기술 도입이 엄격한 승인과 검토를 중심으로 이뤄졌지만, AI는 브라우저 확장 프로그램이나 API를 통해 마찰 없이 조직 내부로 자율적으로 침투한다. 그 결과 섀도 AI가 빠르게 증가하며 통제되지 않은 사용이 자리잡았다. 이는 단순한 관리 실패가 아니라 혁신적인 기술 도입 방식과 기존의 정적인 통제 모델 간 구조적 불일치에서 비롯된 문제다. 이런 구조 변화는 가시성과 책임 공백으로 이어진다. 특히 의사결정 속도는 빨라진 반면 결과에 대한 책임 구조는 오히려 희미해지는 '벨로시티 패러독스(Velocity Paradox)'가 발생한다. 다수 기업이 AI 사용 위치와 데이터 기반을 명확히 파악하지 못하고 있으며, 결과적으로 의사결정 설명 가능성과 책임 소지는 약화하고 있다. 더 심각한 점은 이런 공백이 치명적인 데이터 리스크로 직결된다는 사실이다. 데이터 접근이 통제 체계보다 먼저 확장되면서 다양한 서비스와 도구가 기업 데이터에 연결되고 데이터 흐름은 더욱 복잡하고 불투명해지고 있다. 리포트에 따르면 봇 트래픽이 전체 트래픽의 약 30%를 차지하며 공격의 정교함이 더해지는 현시점에서 기업은 AI 활용과 동시에 데이터 유출, 오용, 규제 리스크에 무방비로 노출될 수 밖에 없다. 규제 환경도 전례 없이 강화되는 추세다. 미국서만 한 해 동안 1200개 넘는 AI 관련 법안이 발의될 정도로 AI 거버넌스는 더 이상 선택적인 정책이 아니다. 추적 가능성과 설명 가능성을 중심으로 한 법적 책임 영역이다. 이제 설명 가능성과 추적 가능성은 AI 거버넌스를 평가하는 핵심 잣대로 자리잡았다. 이러한 환경에서 기업은 AI를 단순히 도입하는 차원을 넘어, 이를 실질적으로 통제할 수 있는 구조를 근본적으로 재설계해야 한다. 그렇다면 이 변화는 어디서부터 시작되어야 하는가. 우선 조직 내 AI 활용에 대한 지속적이고 투명한 가시성 확보가 선행돼야 한다. 단순히 어떤 툴을 사용하는지 파악하는 수준을 넘어, AI가 어디에서 어떤 데이터와 연결돼 작동하는지 실시간으로 추적할 수 있어야 한다. AI 사용이 시야에서 벗어난 순간, 통제는 불가능해진다. 데이터 접근과 활용에 대한 통제 체계도 재정립돼야 한다. AI는 본질적으로 데이터 시스템이며, 데이터 흐름이 곧 리스크의 경로가 된다. 많은 조직에서 데이터 접근 권한이 통제 역량보다 빠르게 확장하고 있다는 점이 문제 핵심이다. AI 리스크를 관리하기 위해서는 데이터 흐름을 기준으로 한 결정적 가드레일과 통제 구조가 반드시 뒷받침돼야 한다. 이런 통제 구조는 단순히 리스크를 줄이기 위한 방어 장치에 그치지 않는다. '2026 클라우드플레어 보안 시그널 리포트'에 따르면 AI와 자동화를 보안 운영에 효과적으로 적용한 조직은 보안 침해 대응 시간을 평균 80일 단축하고 사고 대응 비용을 평균 190만 달러 절감한 것으로 집계됐다. 결국 AI 거버넌스는 보안을 위한 비용이 아니라 더 빠르고 안정적인 운영을 가능하게 하는 비즈니스 인프라이자 효율성 기반이 될 수 있다. 마지막으로 기업은 거버넌스를 '상시 작동하는 시스템'으로 전환해야 한다. 과거처럼 도입 여부를 사전에 승인하는 방식으로는 AI의 폭발적인 확산 속도를 따라잡을 수 없다. 대신 실제 사용 과정에서 지속적으로 모니터링하고 AI 활용을 실시간 통제할 수 있는 인프라로서 거버넌스 체계가 구축돼야 한다. AI 시대 경쟁력은 기술 도입 속도만이 아니라 이를 얼마나 안전하고 효율적으로 운영할 수 있는지에서 결정된다. 기업이 던져야 할 질문은 "AI를 사용할 것인가"가 아니라 "AI를 어떻게 통제할 것인가"다. 앞서 제시한 세 가지 핵심 과제를 바탕으로 AI를 단순히 도입하는 수준을 넘어 시스템 스스로 스트레스를 감지하고 회복하는 '자율적 회복력(Autonomic Resilience)'을 갖춘 구조로 재설계하는 기업만이 변화무쌍한 환경 속에서도 리스크를 관리하며 안정적인 성장을 이어갈 수 있을 것이다.

2026.06.05 14:26조원균 컬럼니스트

슈퍼마이크로, 엔비디아 베라 루빈 NVL72 및 엔비디아 HGX 루빈 NVL8 기반 DCBBS 블루프린트 공개

- 5MW부터 1GW 규모까지 확장 가능한 엔드 투 엔드 AI 데이터센터 구축 솔루션 제공 - 수냉식 냉각, 소프트웨어, 전력 및 사이트 인프라를 아우르는 통합 AI 팩토리 구축 지원 캘리포니아주 산호세와 타이베이, 2026년 6월 5일 /PRNewswire/ -- AI, 클라우드, 스토리지 및 5G/엣지를 위한 토탈 IT 솔루션을 제공하는 슈퍼마이크로컴퓨터(Super Micro Computer, Inc.(SMCI), 이하 슈퍼마이크로)가 엔비디아 베라 루빈 NVL72 및 엔비디아 HGX 루빈 NVL8 플랫폼 기반 데이터센터 빌딩 블록 솔루션(Data Center Building Block Solutions; 이하 DCBBS) 블루프린트를 공개했다. DCBBS Blueprints 이번 블루프린트는 기가와트(GW)급 AI 데이터센터 구축을 위해 설계됐으며, 1,152 GPU 규모의 단일 확장형 유닛을 기반으로 거의 모든 규모까지 확장 가능하다. 슈퍼마이크로 DCBBS 블루프린트는 구축 전 과정의 라이프사이클을 지원하는 전담 전문가팀과 함께 설계부터 구축까지 아우르는 엔드 투 엔드 토탈 솔루션을 제공한다. DCBBS는 컴퓨팅, 스토리지, 네트워킹, 첨단 수냉식 냉각, 전력 분배 및 사이트 인프라를 통합 제공해 대규모 수냉식 AI 팩토리의 구축부터 운영 개시까지 걸리는 시간을 단축하도록 지원한다. 찰스 리앙(Charles Liang) 슈퍼마이크로 사장 겸 CEO는 "엔비디아 베라 루빈 NVL72 플랫폼은 AI 팩토리 성능의 새로운 기준을 제시하고 있다"며 "슈퍼마이크로의 DCBBS 블루프린트는 5MW부터 1GW에 이르는 모든 규모의 환경을 구축할 수 있도록 검증된 엔드 투 엔드 구축 방식을 제공한다"고 말했다. 이어 "슈퍼마이크로는 업계 초기부터 세계 최대 규모의 수냉식 AI 팩토리를 구축해왔으며, 이러한 경험과 노하우를 모든 블루프린트에 반영해 고객이 설계 단계부터 실제 운영 환경 구축까지 더욱 빠르게 전환할 수 있다"고 덧붙였다. 슈퍼마이크로 DCBBS 블루프린트는 세계 최고 수준의 첨단 AI 인프라를 실제로 구현하는 과정에서 발생하는 과제를 해결하도록 설계됐다. 엔비디아 베라 루빈 플랫폼은 다양한 컴퓨팅 영역에서 속도를 2배 향상시켜 AI 팩토리의 성능 집적도를 크게 높인다. 엔비디아의 최신 레퍼런스 아키텍처가 이상적인 1,152 GPU 확장형 유닛의 구성 요소를 정교하게 정의한다면, 슈퍼마이크로 DCBBS 블루프린트는 구축 성공을 위한 구체적인 실행 방안을 제시한다. 슈퍼마이크로는 10만 개 이상의 GPU를 탑재한 세계 최대 규모 수냉식 AI 팩토리 구축 경험을 바탕으로 검증된 구축 역량을 보유하고 있다. 슈퍼마이크로 DCBBS에 대한 자세한 내용은 홈페이지에서 확인 가능하다. 슈퍼마이크로 엔비디아 베라 루빈 NVL72 기반 DCBBS 블루프린트 AI 팩토리 구축을 위한 실질적 구현 방안 제시 AI 팩토리 신규 구축 또는 기존 시설 개조를 계획하는 고객이 가장 먼저 고려해야 할 요소는 가용 전력이다. 엔비디아 베라 루빈 NVL72기반 DCBBS 블루프린트는 5MW부터 1GW에 이르는 전력 규모별로 균형 잡힌 구성 사양(Bill of Materials)을 제공하며, 냉각 용량, 전력 공급, 컴퓨팅 노드, 관리 노드, 고성능 스토리지 노드, 컨텍스트 메모리 스토리지 플랫폼 노드 및 네트워킹의 최적 구성을 제시한다. 이를 통해 네트워크 과구독, 전력 용량 제한, 열 스로틀링 또는 기타 제약 요인으로 발생할 수 있는 병목 현상을 최소화하고 최적의 성능을 구현한다. 해당 블루프린트는 슈퍼마이크로가 대규모 AI 프로젝트 구축 과정에서 실제로 적용해온 엔드 투 엔드 구축 절차가 반영돼 있다. 현장 시설 조사: 슈퍼마이크로 전담팀은 구축 요건에 따라 실제 구축 환경을 분석하기 위한 현장 조사를 수행한다. 조사는 하역장 접근성, 데이터홀 치수 및 여유 공간, 평면도, 바닥 하중 등급 등을 포함한다. 또한 기존 또는 예정된 전력 및 냉각 인프라를 평가해 고객별 프로젝트에 맞춘 슈퍼마이크로 설계 제안에 필요한 정보를 반영한다. 프로젝트 설계 및 제안: 고객 요구사항과 시설 제약 조건에 맞춘 구체적인 구축 계획에 필요한 핵심 세부 정보를 포함한다. 슈퍼마이크로는 냉각 솔루션을 포함한 최적의 DCBBS 구성 조합을 정의한다. 여기에는 완전한 직접 수냉식 냉각 환경과 호환되는 시설을 위한 최대 1.8MW급 인로우(in-row) CDU, 시설 수배관 인프라가 없는 환경을 위한 액체-공랭식 사이드카(liquid-to-air sidecar), 현재 개발 중인 52U 랙 기반 인랙(in-rack) CDU 옵션, 고온 환경을 위한 보완 옵션인 후면 도어 열교환기(rear-door heat exchanger) 등이 포함된다. 고객은 구성 사양과 구축 일정이 포함된 완전한 제안서를 제공받는다. 현장 통합 서비스를 포함한 솔루션 통합: 슈퍼마이크로의 솔루션 통합 프로세스는 현장 납품 이전부터 시작되며, 주요 통합 작업 상당수는 미국 내 슈퍼마이크로 제조시설에서 수행된다. 여기에는 각 랙 내 랙 조립, 적층 및 케이블링 작업이 포함된다.슈퍼마이크로는 업계 표준을 상회하는 테스트 절차를 통해 기능을 검증하며, 시스템 레벨(L10) 및 클러스터 레벨(L11) 멀티 노드 테스트까지 진행한다. 슈퍼마이크로전담팀은 CDU, 냉각탑 및 전력 인프라 등 사이트 단위 구성요소의 물류 운영을 총괄하며, 필요 시 고객이 선택한 외부 공급업체와의 협업도 조율한다. 통합 제공 서비스 및 현장 통합 작업에는 랙 배치, 전력 및 냉각 연결, 네트워크 케이블링, 시스템 시운전, 소프트웨어 스택 설치 및 현장 솔루션 검증이 포함된다. 지원, 서비스 및 소프트웨어: 슈퍼마이크로는 장기적인 운영 안정성을 지원하기 위해 다양한 현장 지원 옵션을 제공하며, 미션 크리티컬 운영 환경에서는 최대 4시간 이내 현장 대응 서비스도 지원한다. 또한 슈퍼마이크로 인프라 관리 소프트웨어 제품군과의 연동도 제공된다. 여기에는 베어메탈 관리부터 멀티테넌트 워크로드 오케스트레이션까지 지원하는 통합 인프라 제어 솔루션인 슈퍼클라우드 컴포저와 슈퍼클라우드 디렉터가 포함된다. 이와 함께 엔비디아 AI 엔터프라이즈와 엔비디아 Run:ai를 포함한 엔비디아의 전체 AI 소프트웨어 스택이 포함된다. 자산 추적 기능을 통해 각 CDU 및 기타 구성 요소의 물리적 자산 정보와 센서 데이터를 손쉽게 확인할 수 있다. 엔비디아 베라 루빈 NVL72 레퍼런스 아키텍처 지원 엔비디아 베라 루빈 플랫폼은 세대 전환 수준의 성능 향상 잠재력을 갖추고 있으나, 이를 성공적으로 구축하기 위해서는 반복 가능하고 신뢰할 수 있는 구축 방식이 필요하다. 슈퍼마이크로는 최신 엔비디아 레퍼런스 아키텍처와의 정합성을 보장해 고객이 엔비디아 클라우드 파트너 생태계에 부합하는 환경을 구축할 수 있도록 지원한다. 슈퍼마이크로 DCBBS 블루프린트의 핵심 확장형 유닛은 331TB 규모의 HBM4 GPU 메모리를 갖춘 1,152개의 엔비디아 루빈 GPU를 제공한다. 엔비디아 베라 루빈 세대는 엔비디아 블랙웰 대비 GPU 메모리 대역폭, GPU 간 NV링크 대역폭 및 GPU당 네트워킹 대역폭을 2배 향상시켰으며, 수조 개 이상의 파라미터를 갖춘 초대형 AI 모델의 학습 및 추론을 위한 아키텍처 기반을 제공한다. 첨단 직접 수냉식 냉각 기술 스택(DLC-2): 5MW 냉각탑, 최대 1.8MW급 인로우(in-row) 냉각 분배 장치(CDU) 4대, 수직 장착형 냉각 분배 매니폴드 16개, 직접 칩 냉각 방식의구리 콜드플레이트 576개(호스트 프로세서 모듈당 1개)를 포함한다. 또한 뛰어난 화학적•열적 안정성을 제공하도록 설계된 슈퍼마이크로 SMC PG25-A 냉각제를 적용했다. 수냉식 인프라가 없는 시설에서도 엔비디아 베라 루빈 NVL72 구축을 지원할 수 있도록 액체-공랭식 옵션도 제공될 예정이다. 여기에는 단일 랙을 지원하는 200kW 옵션과 2개 랙을 지원하는 500kW 옵션이 포함된다. 전력 분배 인프라: 중전압 변압기부터 저전압 분배 장치, 랙 단위 전력 셸프(power shelf), 배터리 백업 장치(BBU)까지 포함한다. 각 엔비디아 베라 루빈 NVL72 랙에는 이중화된 18.3kW 전원공급장치를 갖춘 110kW 전력 셸프 4개가 탑재된다. DCBBS 포트폴리오는 미션 크리티컬 데이터센터 환경을 지원하며, 즉시 전환형 백업 전력을 제공하는 슈퍼마이크로 배터리 에너지 저장 시스템(BESS) 옵션도 제공한다. 48U 및 52U 랙 인클로저 옵션: 고집적 직접 수냉식 냉각 환경에 최적화된 48U 및 52U 랙 인클로저 옵션을 제공한다. 컴퓨팅 랙 16개: 엔비디아 베라 루빈 NVL72 및 엔비디아 HGX 루빈 NVL8 플랫폼에 최적화된 16개의 컴퓨팅 랙으로 구성된다. 네트워킹 랙 6개: 컴퓨팅 랙 4개와 컨버지드(converged) 랙 2개로 구성되며, 컴퓨팅 패브릭용으로 최대 1.6TB/s성능의 엔비디아 스펙트럼-X 이더넷 또는 엔비디아 퀀텀-X800 인피니밴드를 지원한다. 또한 플러그형 트랜시버 없이 운영 비용 절감, 에너지 효율 향상 및 복원력 강화를 지원하는 CPO(Co-Packaged Optics) 기반 실리콘 포토닉스 네트워킹 옵션도 제공될 예정이다. 고성능 스토리지 랙 4개: 슈퍼마이크로 페타스케일 서버 플랫폼 기반으로 구성되며, NVMe 계층 애플리케이션 스토리지, 모델 학습 체크포인팅 등 다양한 워크로드를 지원한다. 컨텍스트 메모리 스토리지 플랫폼 랙 2개: 롱 컨텍스트 추론, 에이전틱 작업 메모리 및 검색 기반 워크로드 요구사항에 맞춰 설계됐다. 단일 공급업체 기반 통합 구축 체계 제공 일반적인 AI 인프라 구축에는 컴퓨팅, 스토리지, 네트워킹, 랙, 냉각 분배, 냉각탑, 전력 인프라, 배터리 백업, 케이블링, 트랜시버 및 서비스 등 다양한 영역에 걸쳐 10여 개 이상의 공급업체가 관여한다. 이러한 구성 요소를 여러 공급업체가 나눠 관리할 경우, 공급업체 간 인수인계 과정마다 일정 지연 위험과 책임 공백이 발생할 수 있으며, 이는 구축 속도를 늦추고 문제 해결 과정도 복잡해질 수 있다. 엔비디아 베라 루빈 NVL72 및 엔비디아 HGX 루빈 NVL8 기반 DCBBS 블루프린트는 현재 고객 대상 제공이 가능하며, 엔비디아 베라 루빈 플랫폼의 정식 출시 일정에 맞춰 2026년 하반기부터 구축이 진행될 예정이다. 한편, 슈퍼마이크로는 2026년 6월 2일부터 6일까지 대만 타이베이에서 열리는 컴퓨텍스 부스 N0602에서 엔비디아 베라 루빈 NVL72 및 엔비디아 HGX 루빈 NVL8 플랫폼을 공개할 예정이며, 엔비디아 GTC 타이베이에서도 추가 시연을 진행할 예정이다. 슈퍼마이크로 엔비디아 베라 루빈 기반 솔루션에 대한 자세한 내용은 홈페이지에서 확인 가능하다. [슈퍼마이크로 소개] 슈퍼마이크로는 애플리케이션에 최적화된 토탈 IT 솔루션을 제공하는 글로벌 리더이다. 캘리포니아 산호세에 본사를 두고 있으며, 엔터프라이즈, 클라우드, AI, 5G 통신 및 엣지 IT 인프라를 위한 혁신을 시장에 가장 먼저 제공하기 위해 노력하고 있다. 슈퍼마이크로는 서버, AI, 스토리지, IoT, 스위치 시스템, 소프트웨어 및 지원 서비스를 제공하는 토탈 IT 솔루션 제조사다. 슈퍼마이크로의 마더보드, 전원 및 섀시 설계 전문성은 개발 및 생산을 강화해 전 세계 고객을 위해 클라우드부터 엣지까지 차세대 혁신을 지원한다. 미국과 아시아, 네덜란드에 위치한 글로벌 제조시설의 규모와 효율성을 기반으로 자체 설계 및 제조되는 슈퍼마이크로 제품은 그린 컴퓨팅 제품으로, 총소유비용(TCO)을 개선하고 환경에 미치는 영향을 줄이도록 최적화됐다. 또한, 수상 경력에 빛나는 서버 빌딩 블록 솔루션즈(Server Building Block Solutions) 포트폴리오를 통해 고객은 폼 팩터, 프로세서, 메모리, GPU, 스토리지, 네트워크, 전력 및 냉각 솔루션을 포괄적으로 지원하는 유연하고 재사용 가능한 빌딩 블록을 기반으로 구축된 광범위한 시스템 제품군에서 자신의 특정 워크로드와 애플리케이션에 맞게 제품을 선택하여 최적화할 수 있다. 슈퍼마이크로(슈퍼마이크로), 서버빌딩블록솔루션즈(Server Building Block Solutions), 친환경 IT추구(We Keep IT Green)는 슈퍼마이크로의 상표 또는 등록상표이다. 인텔, 인텔 로고, 그 외 인텔 상표는 인텔 코퍼레이션 및 산하 조직의 트레이드마크이다. 기타 모든 브랜드, 명칭 및 상표는 각 해당 소유주의 자산이다. 사진 - https://mma.prnasia.com/media2/2991542/PR_Image_NVIDIA_Vera_Rubin_CM_r1.jpg?p=medium600로고 - https://mma.prnasia.com/media2/1443241/Supermicro_Logo.jpg?p=medium600

2026.06.05 14:10글로벌뉴스

슈퍼마이크로, Arm과 협력해 엔터프라이즈 에이전틱 AI용 고효율 랙 스케일 인프라 공개

- Arm AGI CPU 기반 랙 스케일 아키텍처로 에이전틱 AI 워크로드 효율성과 컴퓨팅 집적도 향상 - DCBBS 역량과 글로벌 제조 기반으로 대규모 AI 인프라 구축 시 TTO 단축 지원 캘리포니아주 산호세와 타이베이, 2026년 6월 5일 /PRNewswire/ -- AI, 엔터프라이즈, 스토리지 및 5G/엣지를 위한 토탈 IT 솔루션을 제공하는 슈퍼마이크로컴퓨터(Super Micro Computer, Inc.(SMCI), 이하 슈퍼마이크로)가 Arm AGI CPU 기반의 신규 AI 인프라 솔루션을 공개했다. 최근 에이전틱 AI 확산과 함께 기업 데이터센터 내 연산 수요가 빠르게 증가함에 따라, 슈퍼마이크로는 전력 및 공간 제약 환경에서도 높은 성능과 효율성을 제공하는 차세대 랙 스케일 인프라를 선보인다. Supermicro's New Rack Scale AI Solutions 이번 신규 솔루션은 에이전틱 AI 환경의 빠른 확장에 대응하도록 설계됐으며, 성능, 전력 효율성 및 컴퓨팅 집적도를 기반으로 랙 스케일 인프라의 운영 효율성을 극대화한다. 또한 슈퍼마이크로의 엔드투엔드 데이터센터 빌딩 블록 솔루션(Data Center Building Block Solutions, 이하 DCBBS) 역량을 기반으로 대규모 AI 인프라 구축 시 서비스 가동 소요 시간(Time-to-Online; TTO)을 단축할 수 있도록 지원한다. 찰스 리앙(Charles Liang) 슈퍼마이크로 사장 겸 CEO는 "슈퍼마이크로는 성능과 효율성을 극대화하는 랙 스케일 솔루션을 지속적으로 선보이며 업계를 선도하고 있다"며 "슈퍼마이크로의 DCBBS 기술 스택은 모든 규모의 데이터센터 구축을 지원하며, Arm AGI CPU의 고집적•고효율 아키텍처와 결합해 엔터프라이즈 고객이 에이전틱 AI 인프라 투자 과정에서 의미 있는 총소유비용(TCO) 절감 효과를 실현할 수 있도록 지원한다"고 밝혔다. 모하메드 아와드(Mohamed Awad) Arm 클라우드 AI 사업부 총괄 수석부사장은 "에이전틱 AI의 확산으로 데이터센터 인프라 요구사항이 빠르게 변화하는 가운데, 효율성, 확장성 및 오케스트레이션 성능은 단순 연산 성능만큼 중요한 요소로 자리잡고 있다"며 "Arm AGI CPU와 슈퍼마이크로의 랙 스케일 시스템 전문성이 결합돼, 높은 AI 처리량과 고밀도 컴퓨팅 환경은 물론 데이터센터 운영 효율성까지 강화할 수 있는 차세대 AI 인프라를 제공할 수 있게 됐다"고 말했다. 슈퍼마이크로, Arm AGI CPU 기반 신규 랙 스케일 에이전틱 AI 솔루션 슈퍼마이크로의 Arm 기반 서버 라인업에 대한 자세한 내용은 홈페이지에서 확인할 수 있다. 슈퍼마이크로의 신규 컴퓨팅 플랫폼은 공냉식 듀얼소켓 2U 컴퓨팅 최적화 서버와 5U GPU 최적화 랙마운트 서버, 그리고 랙 스케일 기반 에이전틱 AI 구축 환경에 특화된 수냉식 멀티노드 솔루션으로 구성된다. 슈퍼마이크로의 검증된 고밀도 모듈형 아키텍처와 Arm Neoverse CSS V3 기반의 고효율 CPU를 결합함으로써, 와트당 성능을 극대화하고 에너지 수요를 대폭 절감하는 동시에 최신 데이터센터 전반의 AI 도입 가속화를 지원하는 확장 가능하고 유연한 인프라를 제공한다. Arm 추정치 기준, Arm AGI CPU는 슈퍼마이크로 솔루션 환경에서 기존 아키텍처 대비 랙당 2배 이상의 성능을 제공할 수 있으며, AI 데이터센터 용량 1기가와트(GW)당 최대 100억 달러 규모의 CAPEX 절감 효과를 지원할 수 있다. 또한 슈퍼마이크로의 업계 선도적인 랙 집적도와 와트당 성능 역량을 기반으로 데이터센터 공간 및 전력 자원의 활용도를 극대화한다. Arm AGI CPU는 136코어 기반의 고집적 마이크로아키텍처를 적용해 레거시 오버헤드를 최소화하고, 클럭 사이클당 더 많은 작업을 처리할 수 있도록 설계됐다. 코어당 최대 6GB/s 메모리 대역폭과 지연시간 최적화 메모리 접근 기능을 통해 선형 확장성을 지원하며, 확장된 메모리 용량과 유연한 I/O 구성을 기반으로 분산 인프라 전반에서 수천 개의 병렬 작업을 처리할 수 있는 확장 가능하고 에너지 효율적인 에이전틱 AI 인프라를 제공한다. 단일 공냉식 랙 환경에서 6,000개 이상의 코어 구성이 가능해짐에 따라, 기업 고객은 대규모 에이전틱 AI 워크로드 환경에서도 다수의 전용 시스템을 효율적으로 구축•운영할 수 있다. 슈퍼마이크로의 Arm 기반 서버 포트폴리오는 다음과 같이 총 5개 모델로 구성된다. 2U 하이퍼 서버 – 에이전틱 AI, 클라우드 및 메모리 집약형 워크로드 최적화 듀얼 Arm AGI CPU 구성(프로세서당 최대 136코어 지원) 최대 6TB DDR5-8800 MT/s RDIMM 지원 최대 2개 GPU 지원 5U GPU 서버 – AI 학습 및 추론을 위한 GPU 고집적 구성 듀얼 Arm AGI CPU 구성(프로세서당 최대 136코어 지원) 최대 6TB DDR5-8800 MT/s RDIMM 지원 최대 8개 더블 와이드 GPU 지원 2U4N 수냉식 서버 – OCP ORV3 환경 최적화 노드당 듀얼 Arm AGI CPU 구성(프로세서당 최대 136코어 지원) 2-OU 기반 4노드 구성으로, 단일 ORV3 랙 환경 기준 최대 20,672코어 구성 가능 노드당 최대 6TB DDR5-8800 MT/s RDIMM 지원 2U 하이퍼-E 서버 – 프론트 I/O 기반 싱글소켓 엣지 최적화 아키텍처 싱글소켓 Arm AGI CPU 구성(최대 136코어 지원) 최대 3TB DDR5-8800 MT/s RDIMM 지원 최대 2개 GPU 지원 OCP ORW 랙 기반 1U 4N 시스템 – 초고밀도 컴퓨팅 환경 ORW-48U 랙 구성 랙당 336개 Arm AGI CPU 지원 랙당 168개 서버 및 최대 45,696코어 구성 가능 슈퍼마이크로는 AI 인프라 솔루션 포트폴리오를 통해 전 세계 고객이 확장 가능하고 에너지 효율적인 AI 데이터센터를 지속가능하게 구축할 수 있도록 지원하고 있다. 이번 신규 랙 스케일 솔루션은 컴퓨텍스 전시 기간 중 대만 난강전시센터(Taipei Nangang Exhibition Center) Hall 1, 4층, N0602에 위치한 슈퍼마이크로 부스에서 선보일 예정이며, 참관객들은 현장에서 제품 설계와 주요 기능을 직접 확인할 수 있다. [슈퍼마이크로 소개] 슈퍼마이크로는 애플리케이션에 최적화된 토탈 IT 솔루션을 제공하는 글로벌 리더이다. 캘리포니아 산호세에 본사를 두고 있으며, 엔터프라이즈, 클라우드, AI, 5G 통신 및 엣지 IT 인프라를 위한 혁신을 시장에 가장 먼저 제공하기 위해 노력하고 있다. 슈퍼마이크로는 서버, AI, 스토리지, IoT, 스위치 시스템, 소프트웨어 및 지원 서비스를 제공하는 토탈 IT 솔루션 제조사다. 슈퍼마이크로의 마더보드, 전원 및 섀시 설계 전문성은 개발 및 생산을 강화해 전 세계 고객을 위해 클라우드부터 엣지까지 차세대 혁신을 지원한다. 미국과 아시아, 네덜란드에 위치한 글로벌 제조시설의 규모와 효율성을 기반으로 자체 설계 및 제조되는 슈퍼마이크로 제품은 그린 컴퓨팅 제품으로, 총소유비용(TCO)을 개선하고 환경에 미치는 영향을 줄이도록 최적화됐다. 또한, 수상 경력에 빛나는 서버 빌딩 블록 솔루션즈(Server Building Block Solutions) 포트폴리오를 통해 고객은 폼 팩터, 프로세서, 메모리, GPU, 스토리지, 네트워크, 전력 및 냉각 솔루션을 포괄적으로 지원하는 유연하고 재사용 가능한 빌딩 블록을 기반으로 구축된 광범위한 시스템 제품군에서 자신의 특정 워크로드와 애플리케이션에 맞게 제품을 선택하여 최적화할 수 있다. 슈퍼마이크로(Supermicro), 서버빌딩블록솔루션즈(Server Building Block Solutions), 친환경 IT추구(We Keep IT Green)는 슈퍼마이크로의 상표 또는 등록상표이다. 인텔, 인텔 로고, 그 외 인텔 상표는 인텔 코퍼레이션 및 산하 조직의 트레이드마크이다. 기타 모든 브랜드, 명칭 및 상표는 각 해당 소유주의 자산이다. 사진 - https://mma.prnasia.com/media2/2991186/Super_Micro_Computer_New_Rack_Scale_AI_Solutions.jpg?p=medium600 로고 - https://mma.prnasia.com/media2/1443241/Supermicro_Logo.jpg?p=medium600

2026.06.05 14:10글로벌뉴스

젠슨 황, '하이트진로'vs'롯데칠성' 술 선택은?...유통업계 촉각

젠슨 황 엔비디아 최고경영자(CEO)가 지난해 10월 말 이후 약 7개월 만에 방한하면서 관련 업계가 촉각을 곤두세우고 있다. 지난해 이른바 '치킨회동' 당시 치킨·식품 관련주가 급등하고 주류 브랜드 노출 효과를 누린 만큼 이번 방한에서도 '젠슨 황 수혜주' 찾기가 재현되는 분위기다. 5일 업계에 따르면 젠슨 황은 이날 저녁 최태원 SK그룹 회장, 정의선 현대차그룹 회장, 구광모 LG그룹 회장, 이해진 네이버 의장 등과 서울 마포구에 위치한 고깃집에서 저녁 자리를 가질 것으로 알려졌다. 업계에서는 고깃집 회동인 만큼 삼겸살과 소주를 곁들인 '삼소 회동' 가능성에 주목하고 있다. '치킨회동'에 들썩였던 유통주 이번 회동 장소가 공개되자 관련 업계는 기대감을 드러내고 있다. 지난해 방한 당시 회동 장소와 메뉴, 동선 등이 예상 밖의 마케팅 효과로 이어졌던 경험 때문이다. 지난해 방한 당시 젠슨 황은 삼성역 인근 깐부치킨 매장에서 이재용 삼성그룹 회장, 정의선 현대차그룹 회장과 함께 치킨에 맥주를 즐겼다. 회동 이후 그는 매장 밖으로 나와 몰려든 시민들에게 치킨과 바나나맛우유를 직접 나눠주기도 했다. 당시 현장은 사회관계망서비스(SNS)와 온라인 커뮤니티를 중심으로 빠르게 확산했고 관련 브랜드도 주목받았다. 바나나맛우유를 제조·판매하는 빙그레 주가는 치킨회동 다음날인 작년 10월 31일부터 3거래일 연속 상승세를 이어갔다. 치킨 관련주도 급등했다. 치킨 프랜차이즈 교촌치킨을 운영하는 교촌에프앤비는 작년 10월 31일 장 초반 15.98% 급등하며 4900원까지 오르기도 했다. 젠슨 황이 방문한 깐부치킨은 비상장사인 만큼 투자자금이 상장 치킨주인 교촌에프앤비로 몰려든 것으로 해석됐다. 이 외에도 젠슨 황이 APEC CEO 서밋 특별 세션 뒤 기자간담회에서 빼빼로를 먹는 모습이 포착되면서 롯데웰푸드 주가가 강세를 보이기도 했다. 주류업계, 마포 상권 중심 대응 올해 기대감을 높이는 곳은 주류업계다. 지난해 회동 당시 하이트진로가 발 빠르게 움직이면서 브랜드 노출 효과를 누렸기 때문이다. 당시 하이트진로는 회동 장소 담당 영업 인력을 현장에 투입해 주류 공급 상황을 점검하고 주변 상권 대응에 나섰다. 회동 당일에는 인근 테이블 고객들에게 테라와 참이슬을 제공하기도 했다. 이후 젠슨 황과 이재용 회장, 정의선 회장이 하이트진로의 테라 소맥 타워를 활용해 소맥을 마시면서 브랜드 노출 효과를 누렸다. 하이트진로는 이를 마케팅에도 활용했다. 맥주 브랜드 테라의 새 디지털 광고에는 모델들이 테라와 치킨을 즐기며 테라타워로 소맥을 만들어 마시는 장면이 등장해 치킨회동을 연상시켰다. 해당 광고는 실제 회동 장소인 깐부치킨 삼성점을 배경으로 촬영됐다. 하이트진로는 올해도 상황을 예의주시하고 있다. 하이트진로 관계자는 “회동 장소로 거론되는 지역을 담당하는 영업사원이 현장을 돌며 상황을 지켜보고 있다”고 말했다. 롯데칠성음료도 마포구 일대 상권을 점검하는 것으로 알려졌다. 회동 장소 인근 매장을 중심으로 자사 제품 입점 여부와 진열 상태, 브랜드 홍보물 부착 상황 등을 확인 중이다. 롯데칠성음료 관계자는 “거론된 상권 주변으로 제품 공급 상황과 홍보물 부착 등을 신중하게 점검하고 있다”고 설명했다. 업계에서는 젠슨 황의 방한이 단순한 기업인 일정이 아니라 글로벌 관심이 집중되는 이벤트인 만큼 브랜드 노출 효과를 극대화하려는 움직임이 이어질 것으로 보고 있다. 업계 관계자는 “젠슨 황이 글로벌 주목도가 높은 인물인 만큼 엄청난 마케팅 효과가 기대된다”며 “제품이 회동 자리에 자연스럽게 노출될 수 있도록 장소 등에 촉각을 곤두세우고 있다”고 말했다.

2026.06.05 14:02김민아 기자

Prev 101 102 103 104 105 106 107 108 109 110 Next