IT·AI·컴퓨팅 데일리

기존의 1세대 ‘크리스퍼-카스9(CRISPR-Cas9)’는 DNA의 두 가닥을 절단해 배아에서 염색체 소실 등 부작용을 일으켜 사실상 사용이 어려웠다. 단일 염기만 바꾸는 ‘염기편집’은 절단 없이 정밀 교정이 가능하다는 점에서 ‘개념적 전환’으로 평가된다. 그러나 인간 배아의 유전 정보를 바꾸는 ‘생식세포 편집’은 그 변화가 다음 세대로 대물림되는 만큼, 2018년 중국 허젠쿠이(He Jiankui)의 ‘유전자편집 아기’ 파문이 남긴 윤리·안전 논쟁을 다시 불러온다. 연구진 스스로 ‘임상 부적합’을 명시했다는 점은, 기술적 가능성과 사회적 합의 사이의 간극이 여전히 크다는 사실을 보여준다.

태양계 밖 초신성 잔해나 활동성 은하핵에서 생성되는 고에너지 우주선의 가속 기전은 직접 측정이 어려워 오랫동안 이론에 의존해 왔다. 목성처럼 가까운 천체의 충격파를 ‘실험실’ 삼아 입자 가속을 정량적으로 관측하고 보편적 척도 법칙으로 정리했다는 점에서, 이 연구는 멀리 있는 천체의 가속 과정을 추정하는 토대를 넓힌다. 행성과학과 고에너지 천체물리를 잇는 ‘관측 가능한 가속 실험장’의 가치를 부각한 성과로 평가된다.

‘가상 세포’는 신약 후보 탐색, 질병 기전 규명, 유전자 변이의 효과 예측 등에서 실험 횟수를 크게 줄일 잠재력을 가진다. 이는 인공지능이 ‘텍스트·이미지’를 넘어 ‘생명 현상 자체’를 모델링 대상으로 삼는 흐름으로, 같은 호에서 다룬 인간 배아 염기편집·정밀의료와도 맞닿는다. 다만 세포는 언어보다 훨씬 비선형적이고 맥락 의존적이어서, ‘예측 정확도’를 임상·실험으로 검증하는 일이 이 분야의 신뢰성을 좌우할 핵심 변수로 남는다.

반도체가 2나노미터급 미세 공정으로 진입하면서, 설계를 양산으로 옮기는 과정은 세계에서 가장 복잡한 연산 문제 가운데 하나가 되었다. 인공지능을 ‘칩을 쓰는 쪽’만이 아니라 ‘칩을 만드는 쪽’에 적용한다는 점에서, 이번 협력은 인공지능이 자신을 구동할 하드웨어의 생산성을 끌어올리는 ‘선순환’의 구체적 사례다. 수율·전력효율·납기 개선은 곧 인공지능 인프라 공급 능력으로 직결되며, 파운드리 경쟁에서 ‘인공지능 제조 역량’이 새로운 차별점으로 부상하고 있음을 보여준다.

거대 인공지능 모델의 성능은 사실상 메모리 용량·대역폭에 의해 좌우되며, ‘HBM4’는 차세대 인공지능 가속기의 성패를 가르는 핵심 부품이다. 세 공급사가 모두 인증을 통과했다는 것은 공급 다변화로 가격·물량 협상력이 분산됨을 뜻하는 동시에, 한국 기업(삼성전자·SK하이닉스)이 차세대 메모리 경쟁의 주도권을 유지하고 있음을 보여준다. 전날 세계반도체시장통계기구(WSTS)가 전망한 ‘메모리 폭증’이 실제 공급 계약으로 구체화되는 신호로, ‘베라 루빈’ 출하 일정은 인공지능 데이터센터 증설 속도와 직결된다.

휴머노이드 로봇 연구는 그동안 고가의 폐쇄형 하드웨어와 제각각의 소프트웨어로 진입장벽이 높았다. 엔비디아가 ‘기준 설계+개방형 소프트웨어 스택’을 제시한 것은, 거대언어모델이 ‘오픈 가중치’로 확산된 것과 유사하게 휴머노이드 연구를 표준화·대중화하려는 시도다. 이는 인공지능이 ‘몸(센서·구동계)’을 얻는 ‘피지컬 AI’ 흐름의 핵심 인프라로, 컴퓨팅·반도체·구동 부품·시뮬레이션을 아우르는 새로운 공급망과 학계 협력 생태계를 빠르게 형성할 것으로 전망된다.

엔비디아의 한국 방문은 ‘메모리(삼성·SK)–제조·로봇(현대차·LG)–플랫폼·클라우드(네이버)’로 이어지는 한국 산업 생태계 전반을 인공지능 공급망에 묶으려는 행보로 해석된다. 특히 ‘피지컬 AI’는 한국 제조업의 강점과 직결되는 만큼, 단순한 그래픽처리장치(GPU) 구매를 넘어 ‘공동 개발·현지 거점’으로 협력이 심화될 가능성이 있다. 다만 특정 기업 의존도와 ‘벤더 종속(lock-in)’ 우려, 국가 차원의 자체 역량 확보라는 과제도 함께 제기된다.

구글·마이크로소프트·오픈AI·앤스로픽이 모델·에이전트 경쟁을 가속하는 가운데, ‘단말기 보급량’이 최대 강점인 애플의 인공지능 행보는 개인용 인공지능 비서 시장의 표준에 직접 영향을 미친다. 특히 ‘온디바이스(on-device) 처리’와 ‘프라이버시’를 앞세운 시리 개편이 어느 수준까지 실현되는지가, 클라우드 중심의 경쟁 구도에 어떤 변수를 더할지 주목된다. 전날 다룬 ‘예고’가 6월 8일 실제 발표로 어떻게 구체화될지가 다음 관전 포인트다.

인공지능 경쟁력이 곧 ‘연산 자원 확보 역량’으로 직결되면서, 클라우드 사업자의 데이터센터·전력·냉각 인프라가 국가 인공지능 경쟁의 기반으로 부상하고 있다. 한국이 글로벌 가속기 공급망(엔비디아)과 국내 클라우드·제조 역량을 결합해 ‘인공지능 인프라 자립도’를 높이려는 흐름으로, 전력 수요 급증·데이터센터 입지·냉각 효율 등 ‘물리적 제약’을 어떻게 관리하느냐가 지속 가능성의 관건이 된다.

‘스스로 제로데이(zero-day) 취약점을 찾고 공격 코드를 만드는’ 인공지능은 공격자와 방어자 양측 모두에게 결정적 도구가 된다. 앤스로픽이 ‘방어자 우위(defender’s advantage)’를 내세워 핵심 기반시설부터 선제적으로 보호하려는 것은, 같은 모델이 악용될 위험을 고려한 ‘선(先)방어’ 전략이다. 인공지능이 코드 작성을 넘어 ‘보안 감사(監査)’의 자동화로 영역을 넓히면서, 강력한 이중용도(dual-use) 모델을 어떻게 통제·배포하느냐가 산업·국가 안보의 핵심 의제로 부상하고 있다.

전날 다룬 ‘기업용 AI 에이전트’ 경쟁(세일즈포스·마이크로소프트·서비스나우 등)에 구글이 ‘검색·클라우드·개방형 모델’이라는 자사 강점을 묶어 정면으로 가세한 흐름이다. 특히 ‘딥리서치 에이전트’처럼 사내·외부 데이터를 종합해 출처가 달린 결과물을 만드는 기능은, 기업의 지식 노동을 직접 대체·보강하는 방향을 보여준다. 프런티어 모델의 ‘성능 경쟁’과 별개로, ‘기업 데이터·보안·관리(거버넌스)’를 누가 더 잘 묶느냐가 엔터프라이즈 인공지능의 승부처로 굳어지고 있다.

의료는 인공지능의 사회적 효용이 가장 클 분야 가운데 하나이지만, 동시에 오류의 대가가 가장 큰 영역이기도 하다. ‘벤치마크 성능’과 ‘실제 진료 성과’의 간극을 어떻게 측정·검증하느냐는, 같은 호에서 다룬 ‘가상 세포’의 검증 과제와 본질적으로 맞닿아 있다. 인공지능을 ‘의사의 대체’가 아닌 ‘의사의 보조’로 자리매김하고, 임상시험에 준하는 평가 체계를 갖추는 것이 의료 인공지능 신뢰성의 전제로 평가된다.