인공지능(AI) 경쟁이 새로운 국면으로 접어들고 있다. 최근까지 AI 경쟁 핵심은 누가 더 강력한 그래픽처리장치(GPU)를 먼저 많이 확보하느냐 였다. 고대역폭메모리(HBM)를 장착한 엔비디아 GPU가 AI 산업의 핵심 인프라이고 반도체 경쟁력이 곧 AI 경쟁력으로 인식됐다.
그러나 생성형 AI에서 에이전트 AI와 피지컬 AI로 AI 생태계가 확장되면서 누가 전체 AI 생태계를 장악하고 있는지가 AI 경쟁의 핵심이 되고 있다. 더 이상 반도체 하나로 AI 시대의 산업 경쟁력이 결정되지 않는다. 이제는 더 좋은 AI 반도체 확보 경쟁을 넘어 AI 생태계를 장악하기 위한 경쟁에 돌입하고 있다. AI 반도체, 데이터센터, 클라우드, 데이터, 전력, 네트워크가 거대한 산업 생태계를 형성하고 있기 때문이다.
이러한 변화는 이제 한국의 산업전략이 반도체 경쟁력을 넘어 AI 인프라 경쟁력으로 확장해야 한다는 과제를 제시하고 있다. 현재 한국은 세계 최고 수준의 메모리 반도체 경쟁력을 갖고 있고 HBM은 AI 가속기의 성능을 좌우하는 핵심 부품으로 자리 잡았다. 향후 AI 모델의 연산 성능이 향상될수록 데이터를 빠르게 공급해주는 메모리 반도체의 역할은 더욱 중요해질 전망이다. GPU가 아무리 빨라도 메모리가 데이터를 그만큼 빨리 제공하지 못한다면 AI 연산속도는 높아지지 않기 때문이다. 하지만 HBM 등 메모리 경쟁력 강화가 곧 향후 AI 산업 전체의 성공을 담보하지는 않는다. 단순히 메모리 반도체만으로 AI 시대의 승자가 될 수 있는 것은 아니기 때문이다.
따라서 앞으로의 AI 경쟁은 개별 반도체의 성능보다 AI 컴퓨팅 시스템의 성능과 비용을 누가 더 효율적으로 최적화하느냐 경쟁이 될 것이다. HBM을 중심으로 한 메모리 경쟁력을 AI 시스템 경쟁력으로 연결해야 한국 반도체 산업이 다음 단계로 도약할 수 있을 것이다. 메모리 반도체를 잘 만드는 것에서 그치지 않고 패키징과 시스템 반도체, AI 가속기, 네트워크 반도체, 소프트웨어(SW)와의 연계를 강화해야 한다. 이는 삼성전자와 SK하이닉스만의 과제가 아니다. 국내 팹리스, 장비와 소재 업체, 패키징와 클라우드 업체, 데이터센터와 통신 사업자가 하나의 생태계를 구축해야 한다. AI 시대의 반도체 경쟁은 기업 간 경쟁에서 생태계 간 경쟁으로 바뀌고 있는 것에 대응해야 할 필요가 있다.
여기에 최근 AI 생태계 경쟁력 확보에 주목해야 할 또다른 중요한 환경 변화는 AI 데이터센터의 증가에 따른 폭발적인 전력 수요이다. 대규모 AI 학습과 추론을 수행하기 위해서는 기존 데이터센터에 비해 훨씬 높은 전력밀도가 요구되고 냉각을 위해서는 막대한 에너지가 필요하다. AI 생태계의 병목은 GPU에서 끝나지 않고 GPU를 가동할 데이터센터와 안정적인 전력 공급이 필수다. 이 때문에 앞으로의 AI 경쟁은 반도체 확보 경쟁을 넘어 데이터센터와 전력 확보 경쟁이 될 가능성이 높다. 최근 AI 데이터센터 건립에 전력 수급 능력과 송전망 구축 여부가 기업의 입지를 결정하는 중요한 요소가 되고 있는 것도 이러한 이유 때문이다.
또 AI 데이터센터에 대한 지역 주민의 수용도를 높이는 방향으로 전략 수정도 필요하다. 데이터센터가 단순한 AI 기반시설을 넘어 국가 산업 경쟁력의 핵심 인프라로 부상하고 있지만, 막대한 전력과 용수 소비 등은 새로운 사회적 비용을 증가시키고 있다. 전력망이 확충되지 않은 채 데이터 센터만 건설하려다 전기요금 상승과 환경 문제 등으로 지역 주민의 반대로 프로젝트가 지연 또는 취소되는 사례가 발생하고 있다. AI 데이터센터 건립으로부터 얻는 혜택도 없이 소외된 지역 주민들 입장에서 증가하는 사회적 비용을 누가 부담할 것이냐는 문제를 제기하고 있는 것이다.
이제는 무조건 데이터센터를 빨리 건설하는 것보다 전력, 데이터, 통신 인프라의 확충을 우선적으로 중요하게 고려해야 하는 상황으로 환경이 급변하고 있다. 단순히 대규모 투자와 일자리가 생긴다는 논리만으로 주민을 설득하기도 점점 어려워지고 있다. 앞으로는 전력과 용수, 환경 등에 대한 영향평가를 사전적으로 공개하고 지역사회에 실질적인 이익을 공유할 수 있는 구조변화가 필요할 것이다.
여기에 최근 'AI 속도 조절론'이 이슈로 제기되면서 AI 발전 속도보다 지속가능한 AI가 매우 중요하게 되었다. AI가 인간의 통제를 벗어나 스스로 더 뛰어난 AI를 만들어 내는 수준으로 향상된다면 인류를 멸망시킬 수 있다는 공포스러운 전망에 AI 산업이 위축되는 분위기다. 하지만 AI 모델의 발전 속도가 너무 빠르기 때문에 개발 속도를 늦춘다 하더라도 데이터센터 등 AI 인프라의 수요는 계속 증가할 것이다. 실제로 최근 AI 관련 투자 축소에 대한 전망이 많았지만 시장에서는 에이전트 AI를 넘어 피지컬 AI와 산업용 AI 등으로 새로운 AI 수요는 지속적으로 증가했다. 최근 AI 모델 개발 속도 조절론에 대한 찬반 논쟁이 뜨겁지만 AI 개발 속도를 늦추는 것은 근본적인 해결책이 되지 않을 것이다.
AI 경쟁은 멈춤 없이 계속될 수밖에 없을 것이기 때문에 단순한 속도조절 또는 중단은 현실적인 대안이 되기 어렵다. AI 확산 속도는 계속 빨라질 것이고 그 속도를 무작정 늦추기 위한 논쟁만 하다가 새로운 AI 전략을 수립할 수 있는 적기를 놓칠 우려가 있다. AI 속도 조절론이 확산되는 지금이 오히려 지속가능한 AI 인프라 투자의 질을 향상시킬 수 있는 적기인 것이다. AI 개발 속도를 감당할 수 있는 AI 인프라를 구축하면서 인간 통제 하에 AI 안전기준과 평가절차를 강화하는 노력을 함께 할 필요가 있다. 이제는 AI의 양적 확장과 속도 경쟁보다는 지속가능한 발전을 위한 AI 산업의 질적 성장이 더 중요해진 것이다.
앞으로는 지속가능한 AI를 위한 방안을 논의하면서 GPU나 데이터센터 중심으로 이야기해서는 안 될 것이다. 전력과 통신 등 필수 인프라가 숨어있는 병목이 되지 않도록 AI 산업의 성장 속도를 충분히 뒷받침할 수 있는지 점검해야 한다. 또 산업 정책도 단순히 GPU와 데이터센터를 많이 확보하고 특정 기업이나 특정 산업에 지원금을 제공하면서 산업적 가치를 높이는 방식에서 벗어나야 한다. GPU와 데이터센터 중심의 무조건적인 AI 확장 정책보다는 데이터센터, 전력망, 통신, 데이터, 클라우드를 하나의 AI 생태계로 효율적으로 연계해야 하고 지속가능한 AI 수용도를 높이는 방향으로 전략 수정이 필요하다. 한국이 반도체 강국을 넘어 AI 강국으로 도약할 수 있는 기회도 바로 이 지점에 있다.
임형도 경희대 전자정보대학 특임교수 hdlim2000@gmail.com
〈필자〉경희대 전자정보대학 특임교수 겸 SK하이닉스 경영자문위원이다. 서울대에서 정치학 학사와 정책학 석사를 받고 미국 조지워싱턴대에서 정책학(정보통신정책 전공) 박사 학위를 받았다. 민영방송사인 TBC와 iTV에서 보도국 PD와 기자로 근무 후, 2005년부터 SK경영경제연구소 정책연구팀장과 SK텔레콤, SK하이닉스에서 변화추진실장을 역임했다. ICT·반도체·뉴미디어 관련 규제 및 진흥 정책 전문가로서 정부 정책 입안과 산학협력 과제발굴에 많은 기여해왔다.