엔비디아가 던진 다음 AI 전쟁의 핵심, 전력·토큰·광통신… 한국이 지금 놓치면 안 되는 진짜 포인트
이번 흐름은 그냥 반도체 뉴스가 아닙니다.이제 AI 산업은 학습 중심 시대에서 추론 중심 시대로 이동하고 있고,그 과정에서 데이터센터, 전력 인프라, AI 반도체, 광통신, 피지컬 AI까지 한 번에 연결해서 봐야 전체 그림이 보입니다.
특히 이번 내용에는왜 엔비디아가 전력 대비 성능을 더 강조하는지,왜 앞으로는 “토큰당 비용”이 AI 산업의 핵심 지표가 되는지,왜 구리선 대신 광통신과 광도체가 데이터센터 판을 바꿀 수 있는지,그리고 왜 한국이 피지컬 AI에서 의외로 강한 나라가 될 수 있는지가 다 들어 있습니다.
겉으로는 GPU와 반도체 이야기처럼 보이지만,실제로는 글로벌 경제, 산업 구조, 주식시장, 국가 경쟁력, 그리고 2026년 경제전망까지 이어지는 큰 흐름입니다.뉴스에서는 개별 이슈로 쪼개서 다루지만,이 글에서는 하나의 구조로 묶어서 정리해보겠습니다.
1. 지금 AI 산업에서 가장 큰 구조 변화: 학습에서 추론으로 이동
가장 먼저 봐야 할 변화는 AI가 “학습(Training)” 중심에서 “추론(Inference)” 중심으로 넘어가고 있다는 점입니다.
그동안 시장은 대형언어모델을 얼마나 크게 학습시키느냐,얼마나 많은 GPU를 확보하느냐,누가 더 강한 모델을 먼저 만드느냐에 집중했습니다.
그런데 이제는 질문이 달라졌습니다.실제로 서비스에서 얼마나 빠르게,얼마나 싸게,얼마나 안정적으로 답을 만들어내느냐가 더 중요해지고 있습니다.
즉,AI의 전쟁터가 연구실에서 서비스 현장으로 옮겨가고 있는 겁니다.
1-1. 왜 추론이 더 중요해졌나
학습은 한 번 크게 돌리면 끝나는 성격이 강합니다.하지만 추론은 사용자가 늘수록 계속 비용이 발생합니다.
챗봇,검색,자율주행,로봇,공장 자동화,국방 시스템,스마트 가전,산업용 비전 검사까지,실제 현장에 AI가 붙는 순간 계속해서 토큰이 생성되고 계산이 반복됩니다.
그래서 앞으로는“얼마나 똑똑한 모델인가”만큼이나“얼마나 싸게 계속 굴릴 수 있는가”가 핵심이 됩니다.
1-2. 추론 확대로 열리는 새로운 기회
이 지점에서 엔비디아의 범용 GPU가 계속 강하긴 하겠지만,특정 작업에 최적화된 AI 반도체도 성장 여지가 생깁니다.
쉽게 말하면,모든 걸 다 잘하는 범용 칩과특정 추론 작업에 특화된 칩이 공존하는 구조가 커질 가능성이 높습니다.
국내에서도 리벨리온 같은 추론 특화 칩 기업,NPU·MPU 계열 설계 기업,클라우드용 AI 가속기 기업들이 주목받는 이유가 여기 있습니다.
다만 추론 특화 칩은 확장성과 범용성에서 한계가 있을 수 있습니다.그래서 단순히 성능 수치만 볼 게 아니라어떤 워크로드에서,어떤 고객군에서,어떤 인프라와 함께 쓰이는지를 봐야 합니다.
2. 이제 AI 경쟁의 기준은 성능이 아니라 전성비다
예전에는 GPU가 몇 FLOPS냐,누가 더 높은 연산 성능을 내느냐가 중심 지표였습니다.
그런데 지금은 분위기가 완전히 바뀌고 있습니다.
이제 중요한 건같은 전력 안에서 얼마나 많은 결과를 만들 수 있느냐입니다.즉,전력 대비 성능,말 그대로 전성비가 핵심이 됐습니다.
2-1. 왜 전력이 AI 산업의 병목이 됐나
하이퍼스케일 데이터센터는 전기를 그냥 많이 쓰는 수준이 아닙니다.지역 단위 전력 수급을 흔들 정도로 전력을 먹습니다.
데이터센터를 짓고 싶어도GPU보다 먼저 전력 공급 가능 여부를 따져야 하는 시대가 됐습니다.
이건 단순한 기술 문제가 아니라전력 인프라,송배전망,냉각 설비,입지 경쟁,정책 지원,지역 경제와도 다 연결된 문제입니다.
그래서 글로벌 경제 관점에서 보면AI 경쟁은 사실상 “전력 확보 경쟁” 성격까지 띠게 됐습니다.
2-2. 서버 가격보다 중요한 것은 전력 대비 토큰 생산량
이번 토론에서 가장 중요한 메시지 중 하나는 바로 이 부분입니다.
앞으로는 서버가 얼마냐보다그 서버가 전력 1단위당 얼마나 많은 토큰을 안정적으로 생성하느냐가 더 중요해집니다.
즉,기준이 서버 스펙에서 서비스 효율로 이동합니다.
같은 돈을 쓰더라도전력 대비 토큰 생성량이 낮다면,그리고 지연시간이 길다면,결국 사업성이 떨어집니다.
이건 AI 기업의 수익성,클라우드 사업자의 마진,그리고 결국 주식시장 밸류에이션에도 직접 연결됩니다.
2-3. 앞으로 투자자와 업계가 봐야 할 지표
앞으로 AI 산업을 볼 때는 아래 지표를 같이 봐야 합니다.
- 전력 대비 토큰 생성량
- 사용자당 시간당 토큰 처리량
- 지연시간(Latency)
- 데이터센터 냉각 효율
- 서버 간 통신 손실
- 토큰당 원가
- 워크로드별 칩 최적화 수준
이제 단순히 “GPU 몇 장 확보”로 끝나지 않습니다.AI 산업은 훨씬 더 운영경제학적으로 바뀌고 있습니다.
3. 토큰 경제의 시대가 온다: 앞으로는 토큰도 가격이 달라진다
이 부분은 진짜 중요합니다.그리고 아직 많은 뉴스에서 깊게 다루지 않는 포인트이기도 합니다.
앞으로 AI 서비스는 단순 구독료 경쟁을 넘어서“토큰의 질과 가격”이 나뉘는 시장으로 갈 가능성이 큽니다.
3-1. 왜 토큰당 비용이 핵심이 되나
AI는 결국 계산 결과를 토큰 단위로 제공합니다.그런데 모든 토큰의 가치가 같을 수는 없습니다.
예를 들어,검색 보조,일상 대화,간단한 요약처럼조금 느려도 괜찮고 오류 허용 범위가 큰 작업은 저가형 또는 무료형 토큰 시장이 될 수 있습니다.
반대로금융 리스크 분석,의료 판단 보조,국방,산업 설비 제어,자율주행,로봇 제어처럼실수 비용이 큰 영역은 고가형 토큰 시장이 됩니다.
즉,앞으로는 자동차처럼토큰도 “보급형, 프리미엄형, 미션 크리티컬형”으로 나뉠 수 있습니다.
3-2. AI 기업의 수익 모델도 바뀐다
이 말은 곧모델의 크기보다토큰당 수익성과 고객군별 가격 정책이 더 중요해진다는 뜻입니다.
그래서 향후 AI 기업의 경쟁력은단순 모델 성능이 아니라다음과 같은 요소에서 갈릴 가능성이 큽니다.
- 토큰당 원가를 얼마나 낮출 수 있는가
- 고부가가치 토큰 시장을 얼마나 선점하는가
- 산업별로 맞춤형 과금 구조를 만들 수 있는가
- 추론 인프라를 얼마나 효율적으로 운영하는가
이건 AI가 이제 기술 산업을 넘어플랫폼 산업,요금제 산업,서비스 산업으로 진화하고 있다는 신호입니다.
4. 구리선 뜯어내라의 의미: 광통신과 광도체가 왜 뜨는가
이번 대화에서 아주 강하게 나온 키워드가바로 구리선 대신 광통신으로 가는 흐름입니다.
이걸 단순한 부품 교체 정도로 보면 안 됩니다.데이터센터 구조 자체가 바뀔 수 있는 이슈입니다.
4-1. 왜 구리 기반 연결이 한계에 왔나
서버와 서버,랙과 랙 사이를 연결하는 과정에서기존 구리선은 전력 손실과 열 손실 문제가 큽니다.
AI 데이터센터 규모가 커질수록이 손실은 비용 문제를 넘어서시스템 효율과 냉각 부담,운영 안정성까지 건드립니다.
결국 대형 데이터센터에서 구리 기반 연결은 점점 비효율적이 됩니다.
4-2. 광통신이 대안으로 부상하는 이유
광통신,특히 코패키지드 옵틱스(CPO) 같은 방식은데이터 전송 효율을 끌어올리고 손실을 줄이는 데 유리합니다.
쉽게 말하면,전력은 아끼고,열은 줄이고,더 빠르고 안정적으로 연결할 수 있다는 겁니다.
AI 서버 밀도가 높아질수록그리고 데이터센터 규모가 메가와트급에서 기가와트급으로 갈수록이 기술의 중요성은 훨씬 커질 수밖에 없습니다.
4-3. 광도체, 광부품, 광네트워크 기업들이 뜰 수 있는 이유
지금 시장이 주로 GPU,HBM,파운드리에 집중돼 있지만다음 싸움은 인터커넥트와 통신 효율에서 벌어질 가능성이 큽니다.
즉,AI 반도체만 중요한 게 아니라그 반도체를 묶는 연결 기술이 핵심이 됩니다.
그래서 앞으로는광반도체,광트랜시버,광모듈,CPO,실리콘 포토닉스,데이터센터 네트워크 장비,고효율 스위칭 기술 기업들이 함께 재평가될 수 있습니다.
이건 시장이 아직 완전히 가격에 반영하지 못한 영역일 수 있습니다.
5. 데이터센터 전쟁의 본질은 GPU가 아니라 전력과 냉각이다
많은 사람이 데이터센터 경쟁을 GPU 확보 경쟁으로만 봅니다.그런데 실제 운영 현장으로 가면전력과 냉각이 훨씬 더 현실적인 문제입니다.
5-1. 데이터센터 입지는 이제 전력 입지다
하이퍼스케일 데이터센터를 짓기 위해서는전력 공급이 충분해야 하고,그 전력을 안정적으로 받을 수 있어야 하며,냉각 설비까지 같이 설계돼야 합니다.
즉,부지만 있다고 되는 시대가 아닙니다.
결국 앞으로 데이터센터 경쟁력은아래 요소들의 묶음으로 결정됩니다.
- 전력 조달 가능성
- 냉각 효율
- 송전 인프라
- 통신망 품질
- 입지 규제
- 전력 단가
- 유지보수 비용
5-2. 냉각 기술은 조연이 아니라 핵심 인프라다
공랭식만으로는 고밀도 AI 서버를 감당하기 어려워지고 있습니다.그래서 수랭식,리퀴드 쿨링,이머전 쿨링 같은 냉각 기술이 같이 부상하고 있습니다.
이건 단순히 장비 부품 산업이 아니라AI 인프라의 필수 요소가 되고 있습니다.
즉,데이터센터를 이해하려면GPU만 보지 말고 냉각 시스템 업체,열관리 솔루션,전력 효율 장비 기업도 함께 봐야 합니다.
6. 엔비디아 GPU 26만 장 우선 공급, 어떻게 봐야 하나
이 이슈는 상징성이 큽니다.다만 과장해서 볼 필요도 없고,반대로 가볍게 볼 일도 아닙니다.
6-1. 과장하면 안 되는 이유
글로벌 빅테크는 이미 한 회사가 수십만 장에서 백만 장 단위로 GPU를 확보하는 시대입니다.그래서 26만 장을 두고 곧바로 한국이 AI 3강이 됐다고 해석하는 건 무리입니다.
이건 냉정하게 봐야 합니다.
6-2. 그래도 의미가 큰 이유
중요한 건 숫자 자체보다 구조입니다.한국은 GPU만 들어오면 바로 활용할 수 있는 제조 기반과 산업 밸류체인이 강합니다.
삼성전자,SK,네이버,현대차,정부 연구기관이 각각 다른 방식으로 GPU를 활용할 수 있다는 점이 중요합니다.
- 삼성전자: 반도체 공정, 가전, 제조 AI 전환
- SK 계열: 메모리, 데이터센터, AI 인프라, 냉각 솔루션
- 네이버: 클라우드, LLM 서비스, 리전 기반 AI 수요
- 현대차: 자율주행, 로보틱스, 피지컬 AI
- 정부·대학·연구기관: 공공 연구와 인재 생태계 확장
즉,한국은 GPU를 그냥 소비하는 시장이 아니라산업 현장에 붙여서 부가가치를 만드는 나라라는 점에서 의미가 있습니다.
6-3. 왜 엔비디아가 한국을 중요하게 볼 수밖에 없나
엔비디아 입장에서 한국은 단순 고객이 아닙니다.
한국은반도체,제조업,자동차,로봇,조선,방산,스마트폰,가전까지피지컬 AI 구현에 필요한 밸류체인을 폭넓게 가지고 있습니다.
다시 말해,엔비디아의 GPU가 가장 실제 산업화되기 좋은 시장 중 하나가 한국인 셈입니다.
이건 단순한 외교적 의미보다사업적 의미가 더 큰 해석이 설득력 있습니다.
7. 한국이 피지컬 AI에서 생각보다 강한 이유
이번 토론에서 진짜 눈여겨봐야 할 부분은한국이 피지컬 AI에 최적화된 나라일 수 있다는 관점입니다.
이건 정말 중요합니다.
7-1. 피지컬 AI가 왜 다음 단계인가
피지컬 AI는 AI가 화면 속 답변을 넘어현실 세계의 기계와 로봇,차량,공장 설비,무기체계,물류 시스템을 직접 움직이는 단계입니다.
즉,챗봇 이후의 AI 산업입니다.
7-2. 한국이 가진 강점
한국은 아래 산업들이 동시에 강합니다.
- 반도체
- 자동차
- 로봇 및 스마트팩토리
- 조선
- 방산
- 가전
- 배터리
- 통신 인프라
이 조합은 생각보다 희소합니다.
많은 나라가 AI 소프트웨어는 강해도실제 산업 장비와 제조 기반이 약합니다.반대로 제조는 강한데 AI 플랫폼이 약한 나라들도 많습니다.
한국은 둘을 연결할 여지가 큽니다.
그래서 피지컬 AI 시대에는단순히 모델 개발 경쟁보다산업 현장에 AI를 어떻게 붙이느냐가 더 중요해질 수 있고,그 점에서 한국은 기회가 꽤 큰 편입니다.
8. 반도체 생태계는 이미 바뀌고 있다
이번 흐름을 한 줄로 정리하면,반도체 산업은 더 이상 “좋은 칩 하나 만들면 끝”이 아닙니다.
이제는 칩,메모리,패키징,전력,통신,냉각,클라우드,산업 적용까지전부 연결된 생태계 경쟁입니다.
8-1. 앞으로 중요해질 밸류체인
- GPU 및 AI 가속기
- HBM과 고대역폭 메모리
- 첨단 패키징
- 광통신 및 실리콘 포토닉스
- 전력 반도체
- 데이터센터 냉각 솔루션
- 추론 특화 칩
- AI 클라우드 서비스
- 산업용 AI 소프트웨어
즉,AI 반도체만 보고 투자하거나 산업을 이해하면 점점 놓치는 부분이 많아집니다.
9. 뉴스형 핵심 정리
9-1. 오늘의 핵심 이슈
- AI 산업의 중심이 학습에서 추론으로 이동 중
- 성능 경쟁보다 전력 대비 성능 경쟁이 더 중요해짐
- 토큰당 비용과 토큰 품질이 AI 수익 모델의 핵심으로 부상
- 구리 기반 연결에서 광통신 기반 연결로 전환 가속
- 데이터센터의 본질적 병목은 GPU보다 전력과 냉각
- 한국은 피지컬 AI 산업화에 유리한 밸류체인을 보유
- 엔비디아 GPU 우선 공급은 상징보다 산업 적용 기반 측면에서 의미가 큼
9-2. 시장에서 체크해야 할 포인트
- 광통신·광도체 관련 기업의 기술 상용화 속도
- 냉각 기술과 전력 효율 솔루션 확산 여부
- 추론 특화 AI 반도체의 실제 고객 확보
- 토큰 가격 체계가 산업별로 세분화되는지 여부
- 한국 기업들이 피지컬 AI를 실제 매출로 연결하는 속도
10. 다른 유튜브와 뉴스에서 잘 안 짚는 가장 중요한 내용
여기서부터가 진짜 핵심입니다.이 부분은 그냥 기술 트렌드 요약보다 훨씬 중요합니다.
10-1. AI의 본질이 “모델 경쟁”에서 “운영경제 경쟁”으로 바뀌고 있다
사람들은 아직도 누가 더 큰 모델을 만드느냐에 집중합니다.그런데 실제 돈은 운영 효율에서 갈립니다.
앞으로 AI 승자는모델 성능 1등이 아니라전력,토큰,지연시간,네트워크,냉각까지 합친 전체 시스템 경제성을 잡는 기업일 가능성이 높습니다.
10-2. 광통신은 보조 기술이 아니라 AI 인프라의 주전이 될 수 있다
대부분 GPU와 HBM에만 시선이 쏠려 있는데,실제로는 연결 구조를 바꾸는 광통신이 데이터센터 효율의 판을 바꿀 수 있습니다.
이 영역은 아직 대중 관심이 상대적으로 덜한 편이라,오히려 중장기적으로 더 중요한 관전 포인트가 될 수 있습니다.
10-3. 한국의 승부처는 생성형 AI 앱이 아니라 피지컬 AI 산업화다
미국과 정면으로 LLM 플랫폼 전쟁을 하는 건 현실적으로 쉽지 않습니다.하지만 한국은 제조와 산업 적용 능력이 강합니다.
즉,우리의 기회는“한국형 챗봇 1등”보다“AI가 실제 공장, 자동차, 로봇, 방산, 조선, 가전에 붙어서 돈을 버는 구조”를 먼저 만드는 데 있을 가능성이 큽니다.
이건 국가 전략 관점에서도 굉장히 중요한 포인트입니다.
11. 블로그 관점에서 보는 결론
지금 AI 시장은 단순한 버블 논쟁으로 보면 놓치는 게 많습니다.분명 과열 구간도 있지만,그 안에서 진짜 구조적 변화는 이미 시작됐습니다.
핵심은 세 가지입니다.
- 추론 중심 전환
- 전력과 토큰 경제의 부상
- 광통신과 피지컬 AI로의 확장
이 세 가지를 함께 봐야반도체,데이터센터,전력 인프라,AI 서비스,한국 산업 경쟁력까지 하나로 연결됩니다.
결국 다음 AI 전쟁은더 똑똑한 모델 하나로 끝나는 싸움이 아니라,누가 더 싸고 빠르고 안정적으로 현실 세계에 AI를 심느냐의 싸움이 될 가능성이 높습니다.
그리고 그 전쟁의 핵심 키워드는GPU 하나가 아니라전력,토큰,광통신,그리고 피지컬 AI입니다.
< Summary >
AI 산업은 학습에서 추론 중심으로 이동하고 있습니다.
이제 경쟁 기준은 단순 성능이 아니라 전력 대비 성능, 전력 대비 토큰 생산량, 토큰당 비용입니다.
데이터센터의 병목은 GPU만이 아니라 전력 인프라와 냉각이며,구리선 대신 광통신과 광도체가 차세대 핵심 기술로 떠오르고 있습니다.
엔비디아의 한국 GPU 우선 공급은 과장할 필요는 없지만,한국이 피지컬 AI를 산업화할 수 있는 제조 밸류체인을 갖고 있다는 점에서 의미가 큽니다.
앞으로 한국의 승부처는 범용 생성형 AI 앱 경쟁보다반도체, 자동차, 로봇, 방산, 조선, 가전과 연결된 피지컬 AI 산업화에 있을 가능성이 높습니다.
[관련글…]
2026 AI 트렌드 핵심: 왜 지금 ‘엣지 컴퓨팅’이 다음 투자 키워드로 떠오르는가
이번 내용에는 단순히 AI 트렌드를 소개하는 수준이 아니라, 왜 실리콘밸리의 CVC 투자자가 지금 엣지 컴퓨팅을 중요한 축으로 보는지, 어떤 산업에서 먼저 돈이 벌릴 가능성이 높은지, 그리고 한국 기업과 투자자가 어디서 기회를 잡아야 하는지까지 한 번에 담았습니다.
특히 많은 뉴스와 유튜브가 아직도 GPU, 클라우드, 빅테크 중심으로만 AI 시장을 해석하는데, 이번 글에서는 그보다 한 단계 더 들어가서 온디바이스 AI, 하드웨어 수익성, 프라이버시·보안·비용 구조, 그리고 한국이 왜 엣지 AI 시대의 테스트베드가 될 수 있는지까지 정리해보겠습니다.
결론부터 말하면, 앞으로의 글로벌 경제 전망과 주식 투자 관점에서 AI의 다음 승부처는 “클라우드냐 엣지냐”의 이분법이 아니라, 어떤 연산을 어디서 처리하느냐에 따라 수익 구조가 완전히 달라지는 국면으로 들어가고 있습니다.
1. 이번 인터뷰의 핵심 메시지: 다음 AI 트렌드는 엣지 컴퓨팅이다
HP Tech Ventures의 파트너 Angelo Del Priore는 지금 AI 시장에서 가장 중요한 다음 흐름 중 하나로 엣지 컴퓨팅을 강조했습니다.
여기서 말하는 엣지 컴퓨팅은 데이터를 멀리 떨어진 클라우드 서버로 보내기 전에, 스마트폰, PC, 카메라, 차량, 산업 장비, 의료기기 같은 현장 단말기나 로컬 인프라에서 먼저 처리하는 방식입니다.
쉽게 말하면, AI가 꼭 데이터센터에서만 돌아가는 게 아니라 내가 들고 있는 디바이스 안에서 바로 돌아가는 쪽으로 무게중심이 이동하고 있다는 얘기입니다.
이 포인트가 중요한 이유는 명확합니다.
- 지연시간을 줄일 수 있습니다.
- 클라우드 사용 비용을 낮출 수 있습니다.
- 개인정보와 민감 데이터 보호에 유리합니다.
- 네트워크가 불안정한 환경에서도 작동할 수 있습니다.
- 하드웨어 기업이 다시 수익성을 회복할 여지가 생깁니다.
즉, AI 시대의 승자가 꼭 클라우드 플랫폼 기업으로만 고정되는 것이 아니라, 엣지에서 차별화된 제품을 만드는 하드웨어·디바이스 기업에도 새로운 밸류에이션 재평가 기회가 열릴 수 있다는 관점입니다.
2. 엣지 AI가 왜 지금 중요한가: 시장이 클라우드 다음 단계로 가고 있다
2-1. 프라이버시와 보안이 점점 더 중요해지고 있다
엣지 AI가 주목받는 첫 번째 이유는 프라이버시입니다.
데이터가 기기 안에 머무르면 개인 대화, 의료 정보, 기업 내부 문서, 군사 정보 같은 민감한 데이터를 굳이 외부 클라우드로 보낼 필요가 줄어듭니다.
이건 단순 편의성 문제가 아니라, 규제와 보안 리스크가 커지는 2026년 이후의 경제 전망에서 훨씬 더 큰 경쟁력이 될 가능성이 높습니다.
특히 금융, 의료, 국방, 공공 분야는 데이터를 외부로 보내는 순간 규제 비용과 보안 위험이 급격히 커집니다.
그래서 엣지 AI는 “기술적으로 멋있다”가 아니라 “현실적으로 써야 하는 구조”에 더 가깝습니다.
2-2. 생성형 AI는 생각보다 비용이 많이 든다
두 번째 이유는 비용입니다.
지금 생성형 AI는 토큰 비용, API 비용, 서버 비용, GPU 인프라 비용이 계속 누적됩니다.
사용자가 많아질수록, 그리고 처리해야 할 데이터가 많아질수록 클라우드 중심 구조는 비용 압박이 심해집니다.
반면 엣지 AI는 경량화된 모델을 디바이스에서 직접 구동하면 반복적인 서버 호출 비용을 줄일 수 있습니다.
기업 입장에서는 이게 굉장히 중요합니다.
AI를 시범 도입할 때는 괜찮아 보여도, 전사적으로 확산하는 순간 비용 구조가 무너지는 경우가 많기 때문입니다.
즉, 엣지 AI는 단순히 기술 트렌드가 아니라 AI의 수익모델을 현실화하는 비용 최적화 수단입니다.
2-3. 네트워크가 항상 완벽하지는 않다
세 번째 이유는 대역폭과 현장성입니다.
공장, 물류창고, 야외 작업, 응급 구조, 국방, 차량, 드론 같은 영역에서는 항상 빠르고 안정적인 네트워크를 기대하기 어렵습니다.
이때 AI가 로컬에서 1차 판단을 먼저 하고, 필요한 데이터만 클라우드로 보내는 하이브리드 구조가 훨씬 효율적입니다.
이 구조는 앞으로 산업용 AI, 로보틱스, 자율 시스템 확산의 핵심이 될 가능성이 큽니다.
3. Angelo가 보는 유망 투자 영역: 미래의 업무 환경과 엣지 컴퓨팅 인프라
HP Tech Ventures가 집중하는 큰 축은 두 가지였습니다.
- 미래의 업무 환경(Future of Work)
- 엣지 컴퓨팅 인프라(Edge Compute Infrastructure)
이 두 가지를 따로 보면 안 됩니다.
왜냐하면 앞으로의 업무 생산성 혁신은 결국 “언제 어디서나 돌아가는 AI 컴퓨팅”으로 연결되기 때문입니다.
3-1. 미래의 업무 환경: AI는 책상 위가 아니라 몸에 붙는 컴퓨팅으로 간다
그가 강조한 흥미로운 포인트는 새로운 폼팩터였습니다.
예를 들면 이런 것들입니다.
- AI 안경
- 펜던트형 디바이스
- 이어버드 기반 인터페이스
- 더 가볍고 오래가는 모바일 컴퓨팅 장치
이건 단순 웨어러블 이야기가 아닙니다.
다음 컴퓨팅 인터페이스가 스마트폰 이후 어디로 갈지에 대한 질문입니다.
아직 절대 강자가 확정되지 않았기 때문에 새로운 시장 진입 기회가 있다는 게 핵심입니다.
지금 많은 투자자들이 AI 소프트웨어만 보는데, 실제로는 AI를 “어떤 기기에서, 어떤 UX로, 어떤 가격대에” 쓰게 만들지가 엄청난 수익 차이를 만들 수 있습니다.
3-2. 엣지 컴퓨팅 인프라: 칩 냉각부터 GPU 가상화까지
엣지 AI는 단말기만 좋다고 끝나지 않습니다.
그 뒤에는 보이지 않는 인프라 기술이 있어야 합니다.
- 칩 냉각 기술
- GPU 가상화
- 모델 압축 기술
- 메모리 제약 환경에서의 AI 구동
- 광학 인터커넥트 같은 차세대 연결 기술
이 부분이 진짜 중요합니다.
왜냐하면 AI 대중화가 계속될수록 “누가 가장 큰 모델을 만드느냐”보다 “누가 같은 성능을 더 싸고, 빠르고, 작게 구현하느냐”가 더 큰 경쟁력이 될 수 있기 때문입니다.
4. 구체적인 기업 사례로 본 엣지 AI의 방향
4-1. Multiverse Computing: 모델을 더 작고 빠르고 싸게 만드는 회사
Angelo가 언급한 대표 사례 중 하나는 스페인의 Multiverse Computing입니다.
이 회사는 오픈웨이트 모델을 압축해서 더 빠르고, 더 저렴하고, 더 작은 형태로 만드는 데 집중합니다.
이게 왜 중요하냐면, 많은 AI 모델은 성능은 좋지만 메모리와 연산 자원 요구량이 너무 큽니다.
그 결과 고성능 서버에서는 돌아가도 일반 PC, 모바일 기기, 현장 장비에서는 구동이 어렵습니다.
그런데 모델 압축 기술이 발전하면 엣지 기기에서도 충분한 성능의 AI를 돌릴 수 있게 됩니다.
결국 AI 생태계의 핵심 경쟁력 중 하나는 “최고 성능”이 아니라 “현실 배치 가능성”이 될 수 있습니다.
4-2. Mojo Vision: 피벗을 반복해도 살아남는 딥테크의 힘
또 다른 사례는 Mojo Vision입니다.
원래는 AR 콘택트렌즈로 시작했지만, 이후 마이크로 OLED 디스플레이로, 다시 서버 컴퓨팅 연결용 광학 인터커넥트로 피벗했습니다.
겉으로 보면 사업 방향이 계속 바뀐 것처럼 보이지만, 실제로는 핵심 기술 기반을 활용해 더 큰 시장 기회를 찾아간 사례라고 볼 수 있습니다.
여기서 투자자가 중요하게 본 건 단지 아이템이 아니라 팀의 집요함이었습니다.
AI와 딥테크 투자에서는 처음 아이디어보다 끝까지 살아남아 제품화할 수 있는 팀이 더 중요하다는 점을 보여줍니다.
4-3. Edgerunner: 국방 특화 엣지 AI의 대표 사례
Edgerunner는 엣지 AI가 실제 어떤 산업에서 먼저 돈이 될 수 있는지 보여주는 사례입니다.
이 회사는 모델을 압축하고, 국방 및 방위 산업 목적에 맞게 재학습시켜 기밀 데이터 환경에서도 활용 가능한 형태로 제공합니다.
민감한 데이터, 낮은 지연시간, 높은 보안 요건이 필요한 분야에서는 엣지 AI의 장점이 극대화됩니다.
즉, 엣지 AI는 소비자용 기능보다 오히려 B2B, 국방, 공공, 산업 쪽에서 먼저 큰 상업적 돌파구가 나올 가능성이 높습니다.
5. 가장 먼저 상업화가 빨라질 산업은 어디인가
Angelo는 엣지 AI에 특히 적합한 산업으로 세 가지를 꼽았습니다.
- 리테일
- 헬스케어
- 응급대응·국방
5-1. 리테일: 실시간 고객 분석과 비용 절감이 동시에 가능하다
리테일에서는 매장 내 카메라, 재고 관리 장치, 무인 결제 시스템, 디지털 사이니지 등이 엣지 AI와 바로 연결될 수 있습니다.
현장에서 즉시 분석하고 반응해야 하므로 지연시간이 짧은 구조가 유리합니다.
또 민감한 소비자 데이터를 무조건 외부 서버에 보내지 않아도 되기 때문에 규제 대응에도 도움이 됩니다.
5-2. 헬스케어: 개인정보 보호와 저지연이 모두 중요하다
의료 분야는 엣지 AI의 대표 수혜 가능 영역입니다.
진단 보조, 환자 모니터링, 의료 영상 전처리, 웨어러블 건강 관리 같은 영역에서 데이터를 즉시 처리하면서도 보안을 유지해야 합니다.
클라우드만으로 모든 걸 처리하기엔 규제, 비용, 속도 모두 부담이 큽니다.
그래서 헬스케어는 엣지 AI 도입의 명분이 매우 강합니다.
5-3. 응급대응·국방: 엣지 AI가 가장 먼저 진짜 가치를 증명할 분야
응급 구조나 국방은 네트워크 불안정, 기밀 정보, 현장 판단, 초저지연이라는 조건이 동시에 존재합니다.
이런 환경에서는 클라우드 의존도가 높은 AI보다 온디바이스 AI가 훨씬 현실적입니다.
그래서 상장 시장에서 먼저 눈에 띄는 성과를 낼 기업도 소비자용 AI보다 산업·방산·의료 분야에서 먼저 나올 가능성을 생각해볼 만합니다.
6. 하드웨어 기업은 AI 시대의 패자가 아니라 재평가 후보일 수 있다
이 인터뷰에서 개인적으로 가장 중요하다고 느껴지는 부분은 바로 이 대목입니다.
많은 시장 참여자들은 AI 시대 최대 수혜 기업을 NVIDIA 같은 반도체 기업이나 대형 클라우드 사업자 중심으로만 봅니다.
그런데 Angelo는 하드웨어 제조사들이 엣지 시장에서 아직 충분히 가져가지 못한 이익 풀을 앞으로 더 크게 차지할 수 있다고 봤습니다.
물론 전제는 있습니다.
단순한 범용 하드웨어로는 안 되고, 소비자와 기업이 “이건 꼭 필요하다”고 느끼는 차별화된 제품을 만들어야 한다는 점입니다.
결국 밸류에이션 멀티플이 높아지려면 하드웨어도 상품이 아니라 플랫폼처럼 보여야 합니다.
예를 들어 이런 조합이 필요합니다.
- 디바이스 자체의 차별화
- 온디바이스 AI 기능 탑재
- 배터리 효율 개선
- 소프트웨어와의 통합 경험
- 보안 및 프라이버시 우위
이게 만들어지면 전통적인 하드웨어 기업도 단순 제조업 밸류에이션에서 벗어날 여지가 생깁니다.
7. 한국 기업에게 왜 기회가 큰가
한국 관련 발언은 꽤 인상적이었습니다.
그는 한국을 기술 친화적 사회이자, 전 세계적으로도 앞서 있는 하드웨어 강국으로 평가했습니다.
특히 삼성을 포함한 대형 하드웨어 기업들이 이미 좋은 기반을 가지고 있기 때문에, 엣지 AI 시대에는 한국 기업들이 상당한 기회를 잡을 수 있다고 봤습니다.
7-1. 한국은 엣지 AI의 ‘증명 무대’가 될 수 있다
한국은 신기술 수용 속도가 빠르고, 스마트 디바이스 보급률이 높고, 통신 인프라와 제조 기반이 모두 강합니다.
이건 정말 큰 장점입니다.
새로운 AI 디바이스나 엣지 기반 서비스가 실제로 소비자와 기업 현장에서 먹히는지 실험하기에 굉장히 좋은 시장이라는 뜻입니다.
즉, 한국은 단순 공급망 국가가 아니라 엣지 AI 상용화의 테스트베드이자 초기 레퍼런스 시장이 될 수 있습니다.
7-2. 한국 스타트업도 기회가 있다
Angelo는 이미 한국 정부 및 기관과 협력 프로그램을 진행 중이며, 한국 스타트업을 계속 보고 있다고 밝혔습니다.
그가 본 한국의 강점은 AI와 소프트웨어 엔지니어링 역량, 그리고 전략적 가치가 있는 기술 기업의 존재였습니다.
여기서 중요한 건 한국 스타트업이 무조건 앱 서비스 경쟁만 할 필요가 없다는 점입니다.
오히려 아래 영역이 더 유망할 수 있습니다.
- 온디바이스 AI 최적화
- 모델 경량화
- 센서 융합
- 산업용 AI 디바이스
- 보안 특화 AI 솔루션
- AI 반도체 및 전력 효율 기술
8. 투자 관점에서 본 핵심: 지금 AI 시장에서 진짜 조심해야 할 것
이번 인터뷰가 좋았던 이유 중 하나는 무조건 장밋빛 전망만 말하지 않았다는 점입니다.
8-1. 비상장 AI 투자 사기 가능성 경고
그는 최근 AI 열풍 속에서 비상장 주식 2차 거래를 둘러싼 사기 위험이 커지고 있다고 분명히 경고했습니다.
예를 들어 누군가가 유명 AI 기업의 지분을 갖고 있다고 말하지만 실제 증빙이나 권리 이전 구조가 불분명한 경우가 있을 수 있다는 겁니다.
이건 국내 투자자들도 꼭 유의해야 할 포인트입니다.
지금처럼 AI 관련 기대감이 과열된 시장에서는 좋은 기업을 찾는 것보다 가짜 기회를 피하는 게 먼저일 수 있습니다.
8-2. 초기 스타트업에 관심 있다면 직접 종목 선택보다 펀드가 더 현실적
그의 조언은 꽤 현실적입니다.
개인 투자자가 초기 스타트업을 직접 고르는 건 상장주 투자보다 훨씬 더 위험하니, 차라리 검증된 VC 펀드의 LP 형태로 분산 접근하는 게 낫다는 것입니다.
이 말은 결국 스타트업 투자도 “꿈”보다 “구조”가 중요하다는 뜻입니다.
8-3. 최악의 시나리오를 먼저 계산하라
닷컴 버블 시기의 교훈으로 그가 강조한 건 단순합니다.
투자할 때는 상승 시나리오보다 최악의 경우 0원이 돼도 감당 가능한지 먼저 생각해야 한다는 점입니다.
이건 지금처럼 변동성이 큰 시장에서 정말 중요한 원칙입니다.
AI는 분명 엄청난 기회를 주지만, 누가 이익을 가져갈지는 여전히 불확실합니다.
그래서 주식 투자나 벤처 투자 모두 수익 기대보다 리스크 허용 범위를 먼저 점검해야 합니다.
9. 시장이 잘 안 보는 진짜 포인트: AI의 승부는 ‘가장 큰 모델’이 아니라 ‘가장 잘 배치되는 모델’이다
이제부터가 많은 유튜브나 뉴스에서 상대적으로 덜 다루는, 하지만 진짜 중요한 부분입니다.
AI 시장을 너무 단순하게 보면 GPU, 초거대 모델, 데이터센터 투자만 보게 됩니다.
그런데 실제 산업 확산 단계에서는 다음 질문이 더 중요합니다.
- 이 모델이 현장 장비에서 돌아가나?
- 전력 소모를 감당할 수 있나?
- 메모리 제약 환경에서도 성능이 나오나?
- 보안 규제를 통과할 수 있나?
- 총소유비용(TCO)이 맞나?
즉, AI의 승자는 모델 크기 자랑이 아니라 배치 가능성과 운영 경제성을 해결한 쪽에서 나올 수 있습니다.
이 지점에서 엣지 컴퓨팅, 모델 압축, 하드웨어 최적화, 폼팩터 혁신이 전부 하나로 연결됩니다.
10. 개인적으로 해석한 2026년 이후 전망: 엣지 AI는 독립 테마가 아니라 AI 산업의 ‘수익화 필터’다
내 관점으로 재해석하면, 엣지 AI는 클라우드 AI와 경쟁하는 별도 시장이라기보다 AI가 실제 비즈니스가 되기 위해 거쳐야 하는 수익화 필터에 가깝습니다.
왜냐하면 AI는 이제 “될까?” 단계는 어느 정도 지났고, 이제는 “돈이 되나?” 단계로 넘어가고 있기 때문입니다.
그 과정에서 기업들이 보게 되는 건 아래 다섯 가지입니다.
- 비용 절감 효과가 있는가
- 보안과 규제 리스크를 줄일 수 있는가
- 현장에서 끊김 없이 작동하는가
- 기존 하드웨어 생태계와 결합 가능한가
- 차별화된 사용자 경험을 만드는가
이 기준으로 보면 엣지 AI는 단순한 기술 키워드가 아니라 앞으로 인공지능 산업 전반에서 실적과 밸류에이션을 가르는 기준점이 될 가능성이 큽니다.
11. 투자자와 기업이 체크해야 할 실전 포인트
11-1. 투자자가 봐야 할 것
- 단순 AI 수혜주보다 실제 디바이스·인프라 매출 연결이 가능한 기업인지
- 온디바이스 AI, 모델 경량화, 전력 효율, 보안 솔루션 경쟁력이 있는지
- 헬스케어, 리테일, 국방처럼 엣지 AI 수요가 확실한 산업에 노출돼 있는지
- 하드웨어 기업이라도 차별화된 제품 전략이 있는지
- 비상장 투자 접근 시 구조와 신뢰성을 검증했는지
11-2. 기업이 봐야 할 것
- 모든 데이터를 클라우드로 보내는 구조가 정말 최선인지
- 고객이 민감하게 생각하는 프라이버시 포인트가 무엇인지
- AI 도입 시 운영비용이 장기적으로 감당 가능한지
- 기존 디바이스를 AI 중심 제품으로 재해석할 수 있는지
- 하드웨어와 소프트웨어를 묶어 새로운 마진 구조를 만들 수 있는지
12. 다른 뉴스에서 잘 안 짚는 가장 중요한 내용
아래 내용은 특히 따로 기억해둘 만합니다.
- 엣지 AI의 본질은 기술이 아니라 비용 구조 개선입니다. AI는 잘 작동하는 것보다 돈이 남는 구조가 더 중요해지고 있습니다.
- 하드웨어 기업의 재평가 가능성이 생각보다 큽니다. 단, 범용 제품이 아니라 차별화된 AI 경험이 붙어야 합니다.
- AI 시장의 다음 경쟁은 모델 크기보다 배치 효율입니다. 작고 빠르고 안전하게 현장에 배치되는 모델이 더 큰 시장을 만들 수 있습니다.
- 한국은 엣지 AI 소비·상용화 테스트베드로 강점이 있습니다. 제조와 디지털 인프라를 동시에 갖춘 나라가 많지 않습니다.
- 비상장 AI 투자 열풍 속 사기 리스크는 실제 문제입니다. 기대감이 큰 만큼 검증이 더 중요합니다.
13. 최종 정리: 2026년 AI 시장의 다음 승부처는 ‘클라우드 이후의 현실화’다
지금 시장은 여전히 빅테크와 초거대 AI 모델에 시선을 집중하고 있습니다.
그런데 실제 산업과 투자 성과는 그 다음 단계에서 갈릴 가능성이 높습니다.
바로 AI를 더 작게, 더 싸게, 더 안전하게, 더 빠르게 현장에 배치할 수 있는가의 문제입니다.
그 중심에 엣지 컴퓨팅이 있습니다.
이 흐름은 반도체, 디바이스, 소프트웨어, 보안, 산업 자동화, 헬스케어, 국방, 리테일까지 전부 연결합니다.
그리고 한국은 이 흐름에서 의외로 꽤 좋은 출발점에 서 있습니다.
앞으로 AI를 볼 때는 “어떤 모델이 가장 똑똑한가”보다 “어떤 구조가 가장 많이 배치되고 가장 오래 돈을 벌 수 있는가”를 먼저 보는 게 훨씬 중요해질 것 같습니다.
< Summary >
엣지 컴퓨팅은 2026년 이후 가장 중요한 AI 확산 축 중 하나입니다.
핵심 이유는 프라이버시, 보안, 비용 절감, 저지연, 현장 적용성입니다.
유망 산업은 리테일, 헬스케어, 국방·응급대응입니다.
중요 투자 포인트는 모델 압축, 온디바이스 AI, 하드웨어 차별화, 전력 효율, 보안 경쟁력입니다.
한국은 하드웨어 강점과 빠른 기술 수용성 덕분에 엣지 AI 시대의 유력한 테스트베드가 될 수 있습니다.
결국 AI 시장의 다음 승부는 초거대 모델 자체보다, 그 모델을 현실에서 싸고 빠르게 배치하는 능력에서 갈릴 가능성이 큽니다.
