AI 발전은 벽에 부딪히지 않는다 Microsoft AI CEO Mustafa Suleyman 컴퓨팅 폭발 분석
Microsoft AI CEO Mustafa Suleyman이 MIT Technology Review에 기고했다. 2010년 이후 연산량 1조 배 증가, 2028년까지 1000배 추가 확장 예측의 근거와 한계를 분석한다.
“AI 발전은 벽에 부딪히지 않는다.” Microsoft AI CEO Mustafa Suleyman이 MIT Technology Review에 직접 기고한 이 주장은, AI 업계에서 가장 영향력 있는 낙관론 선언 중 하나입니다. 2010년부터 지금까지 AI 훈련에 투입된 연산량이 1조 배 증가했고, 2028년까지 추가로 1,000배 더 확장될 것이라는 예측입니다.
이 글을 단순한 CEO의 홍보 발언으로 읽어서는 안 됩니다. Suleyman은 DeepMind 공동 창업자 출신으로 AI 개발 현장을 15년 이상 직접 이끌어온 인물입니다. 그의 주장이 맞다면, 우리는 AI 전환의 초입에 있는 것이고, 틀렸다면 역사상 가장 큰 기술 거품 중 하나에 있는 것입니다.
관련 뉴스 브리핑: AI코리아24 브리핑 2026-04-09
컴퓨팅 폭발의 세 가지 엔진
Suleyman이 제시하는 AI 성장의 근거는 세 개의 동시 진행 기술 혁신입니다.
첫 번째는 칩 자체의 성능 향상입니다. Nvidia GPU의 원시 연산 성능은 2020년 대비 2026년 현재 7배 이상 향상됐습니다. Microsoft가 올해 1월 출시한 자체 칩 Maia 200은 동사 보유 하드웨어 중 비용 대비 성능이 30% 앞선다고 밝혔습니다.
두 번째는 데이터 공급 속도 혁신입니다. HBM(고대역폭 메모리)은 칩을 수직으로 쌓아 올리는 방식으로 데이터를 프로세서에 공급합니다. 최신 세대인 HBM3는 이전 세대 대비 전송 속도가 3배 빠릅니다. 연산 능력이 아무리 높아도 데이터가 제때 공급되지 않으면 프로세서가 유휴 상태가 됩니다. HBM은 이 병목을 제거합니다.
세 번째는 연결 규모의 확장입니다. NVLink와 InfiniBand 같은 기술은 수십만 개의 GPU를 하나의 거대한 연산 단위처럼 작동하게 연결합니다. 2020년 모델 훈련에 GPU 2개가 필요했다면, 지금 대형 클러스터는 10만 개 이상의 GPU를 동시에 사용합니다.
세 기술이 동시에 발전하면서 모델 훈련 속도가 얼마나 달라졌는지 수치로 보면 명확합니다. 2020년에 167분이 걸리던 언어 모델 훈련이 동급 현대 하드웨어에서는 4분 미만으로 줄었습니다. Moore의 법칙(반도체 성능이 18~24개월마다 2배 향상)대로라면 5배 개선이 예상됐지만 실제 결과는 50배 개선이었습니다.
2028년 1000배 예측의 근거와 전제
Suleyman의 핵심 예측은 2028년까지 유효 컴퓨팅 자원이 현재 대비 약 1,000배 증가한다는 것입니다. 이 예측은 두 가지 독립적인 추세가 함께 지속될 때만 성립합니다.
하나는 하드웨어 확장입니다. 글로벌 AI 관련 컴퓨팅 자원은 2027년까지 H100(Nvidia 고사양 AI 칩) 환산으로 1억 개에 달할 것으로 전망됩니다. 이는 3년 만에 10배 증가입니다. 현재 선도 기업들은 연간 약 4배의 속도로 컴퓨팅 용량을 늘리고 있습니다.
다른 하나는 소프트웨어 효율 개선입니다. Epoch AI의 연구에 따르면 동일한 성능 목표를 달성하는 데 필요한 컴퓨팅 비용이 약 8개월마다 절반으로 줄고 있습니다. 일부 최신 모델은 연간 기준 비용이 최대 900배 낮아졌습니다. 하드웨어가 10배 좋아지고 소프트웨어가 100배 효율적이 되면, 체감 성능은 1,000배입니다.
에너지 문제에 대해서 Suleyman은 낙관적 시각을 유지합니다. 냉장고 크기의 AI 랙 하나가 100가구 분량의 전기를 소비하는 것은 사실이지만, 태양광 비용이 50년간 100분의 1로 떨어졌고 배터리 가격도 30년간 97% 하락했다는 점을 들어 청정 에너지 기반 확장이 가능하다고 주장합니다.
챗봇에서 에이전트로 전환이 의미하는 것
Suleyman이 이 모든 컴퓨팅 확장이 무엇을 만들어낼지에 대한 예측도 명확합니다. 단순히 질문에 답하는 챗봇이 아니라, 수주에서 수개월 단위의 프로젝트를 독자적으로 수행하는 AI 에이전트입니다.
에이전트 AI는 코드를 며칠 동안 작성하고, 전화를 걸고, 계약을 협상하고, 물류를 관리하는 수준을 의미합니다. 이것이 현실화된다면, 인지 노동(정보를 처리하고 판단하는 일)을 기반으로 하는 모든 산업이 재편됩니다. 법률, 회계, 의료, 컨설팅, 소프트웨어 개발, 금융 분석이 모두 해당됩니다.
한국 관점에서는 이 전환이 특히 중요합니다. 한국 경제의 핵심 수출 산업인 반도체, 디스플레이, 배터리는 이 컴퓨팅 인프라를 생산하는 공급망의 핵심입니다. 동시에 한국의 서비스 산업, 특히 금융과 법률, 교육 분야는 에이전트 AI의 직접적인 영향권에 있습니다.
이 낙관론을 그대로 믿어선 안 되는 이유
Suleyman의 분석은 설득력 있지만, 몇 가지 중요한 반론을 함께 고려해야 합니다.
출처의 이해관계를 먼저 봐야 합니다. 이 글을 쓴 사람은 Microsoft AI CEO입니다. Microsoft는 OpenAI에 수백억 달러를 투자했고, 전 세계에 AI 데이터센터 인프라를 구축하고 있습니다. AI 발전이 계속되어야 이 투자가 정당화됩니다. 이 맥락을 알고 읽는 것과 모르고 읽는 것은 다릅니다.
데이터 고갈 문제도 다뤄지지 않습니다. 현재 AI 모델은 인터넷에 존재하는 텍스트와 이미지를 학습 데이터로 사용합니다. 이 데이터의 질 높은 부분은 이미 상당 부분 소진됐고, 합성 데이터(AI가 생성한 데이터를 다시 AI 학습에 사용) 활용의 한계도 연구자들 사이에서 논쟁 중입니다.
연산량 증가가 지능 향상을 의미하지 않을 수 있다는 주장도 있습니다. 현재 AI 아키텍처(구조) 한계에 대한 연구들이 늘고 있으며, 컴퓨팅을 더 쏟아붓는다고 해서 질적으로 다른 능력이 나타나지 않을 수 있다는 견해입니다.
컴퓨팅 폭발이 가져올 변화를 준비하는 방법
Suleyman의 예측이 완전히 맞지 않더라도, 방향성은 이미 현실입니다. AI의 능력은 계속 향상되고 있고, 비용은 계속 낮아지고 있습니다.
이것이 개인에게 의미하는 것은 간단합니다. 지금 AI 도구를 배우고 활용하는 것이 선택이 아닌 기준이 되는 시점이 가까워지고 있습니다. 기업에게는 AI 에이전트가 수행할 수 있는 업무와 그렇지 않은 업무를 구분하고, 인간이 더 높은 가치를 만들 수 있는 영역에 집중하는 전략적 재편이 필요합니다.
“우리는 지금 이 전환의 초입에 있을 뿐”이라는 Suleyman의 말은 과장일 수 있습니다. 하지만 5년 전을 돌아봤을 때 AI가 지금만큼 일상에 파고들 것이라고 예측한 사람이 많지 않았다는 사실도 기억해야 합니다.
#MustafaSuleyman #MicrosoftAI #AI컴퓨팅 #GPU성능 #AI에이전트 #AI전망 #컴퓨팅인프라