IT·AI·컴퓨팅 데일리

난류는 항공기 설계부터 해류·기상에 이르기까지 광범위한 현상을 지배하지만, ‘예측은 가능해도 제어는 어렵다’는 것이 오랜 통념이었다. 85년간 표준으로 군림한 콜모고로프의 ‘에너지 전달 방향’ 원리에 예외가 존재하고, 나아가 그 방향을 능동적으로 조절할 수 있음을 수학적으로 제시한 것은, 난류를 ‘관찰 대상’에서 ‘설계 대상’으로 끌어올릴 가능성을 연다. 연구진은 해류 제어, 의료 기술, 기후 예측 정확도 향상 등으로의 응용을 전망하였다. 기초 유체물리의 근본 가정을 갱신한 사례로, 공학적 파급이 클 수 있다.

거울에 비친 정보를 ‘간접 단서’로 삼아 보이지 않는 대상을 추론하는 능력은 그간 영장류·일부 조류 등 척추동물에서만 확인돼 왔다. 척추동물과 진화적으로 멀리 떨어진 두족류(문어)가 유사한 공간 추론을 보였다는 것은, 복잡한 인지가 ‘하나의 계통’에서만 진화한 것이 아니라 서로 다른 신경 구조에서 ‘수렴적으로’ 출현할 수 있음을 시사한다. 이는 지능과 인지의 본질을 묻는 비교인지(comparative cognition) 연구에 중요한 자료이며, 분산형 신경계를 가진 문어의 정보 처리 방식은 인공지능·로봇의 ‘체화된 인지(embodied cognition)’ 설계에도 시사점을 준다.

빛을 강하게 휘고 가두는 성질은 디스플레이·센서·광컴퓨팅 소자의 ‘소형화’를 좌우하는 핵심 자원이다. 단일 천연 물질에서 ‘엡실론 니어 제로’와 극단적 복굴절이 동시에 구현된다는 것은, 스마트 콘택트렌즈나 초박형 증강현실(AR) 안경처럼 부피 제약이 극심한 기기에 필요한 ‘초박막 광학 부품’의 길을 연다. 직전 호가 다룬 ‘청색 페로브스카이트 발광다이오드(LED)’와 더불어, ‘빛을 다루는 소재(광전자 소재)’의 정밀 제어가 차세대 디스플레이·컴퓨팅 인프라의 공통 기반으로 부상하고 있음을 보여 준다.

그동안 양자컴퓨팅 경쟁의 척도는 ‘큐비트 개수’였으나, 이번 발표는 경쟁의 무게중심이 ‘얼마나 오류 없이 안정적으로 계산하느냐(내결함성)’로 옮겨 가고 있음을 보여 준다. 직전 호가 다룬 프랑스 큐블리(Quobly)의 ‘양산화’, 미국 상무부의 ‘양자 제조’ 드라이브에 이어, 이번에는 거대 정보기술(IT) 기업이 ‘구체적 시점(2029년)’과 ‘대규모 자본’을 결합해 내결함성 목표를 제시했다는 점에서 의미가 크다. 양자컴퓨팅이 ‘원리 증명’ 단계를 지나 ‘공학적 양산·신뢰성’의 경쟁 국면으로 진입했음을 알리는 신호다.

‘위상 큐비트’는 양자정보를 입자의 ‘위치’가 아닌 ‘위상적 성질’에 저장해 외부 잡음에 원천적으로 강하다는 이론적 장점을 지닌다. 본 호 1번 항목(IBM)이 ‘여러 큐비트를 묶어 오류를 교정’하는 길이라면, 마요라나 방식은 ‘큐비트 자체를 오류에 강하게’ 만들려는 상반된 접근이다. 소재(납) 교체만으로 수명을 극적으로 늘렸다는 점은 고무적이나, ‘미검증·학계 논란’이라는 단서는 위상 양자컴퓨팅이 여전히 ‘과학적 입증’과 ‘공학적 진전’ 사이에 서 있음을 보여 준다. 내결함성으로 가는 두 갈래 길이 동시에 가속되고 있다는 점이 핵심이다.

그동안 거대언어모델 추론은 대부분 데이터센터(클라우드)에서 이뤄졌으나, ‘RTX 스파크’는 이를 개인 기기로 끌어내려 ‘온디바이스 인공지능’ 시대를 본격화한다. 데이터를 외부로 보내지 않으므로 프라이버시·지연시간·통신비용 측면의 이점이 크고, 본 호 4번 섹션이 다루는 ‘에이전트형 인공지능’이 ‘항상 켜진 개인 비서’로 자리 잡을 물리적 토대가 된다. 같은 행사에서 AMD가 첨단 패키징에 100억 달러 이상을 투자하겠다고 밝힌 것과 맞물려(본 호 3번 섹션 참조), 인공지능 연산의 무대가 ‘클라우드’와 ‘단말’ 양쪽으로 동시에 확장되고 있음을 보여 준다.

프런티어 인공지능 ‘빅2’의 동시 상장 추진은, 인공지능 산업이 ‘대규모 외부 자본’ 없이는 지탱하기 어려운 ‘초(超)자본집약 국면’에 진입했음을 보여 준다. 모델 훈련과 데이터센터 구축에 천문학적 비용이 들면서, 비상장 펀딩만으로는 한계에 이른 것이다. 상장은 막대한 자금 조달의 통로인 동시에, 그동안 베일에 싸여 있던 매출·비용·손익이 ‘공시 의무’ 아래 드러난다는 것을 의미한다. 이는 인공지능 사업의 ‘실제 수익성’이 시장의 검증대에 오른다는 뜻으로, 과열 논쟁이 일던 인공지능 투자 사이클의 ‘지속 가능성’을 가늠할 분기점이 될 수 있다.

‘HBM4E’는 인공지능 가속기에 직결되는 차세대 메모리로, 그 ‘샘플 제출’은 다음 세대 인공지능 하드웨어의 공급망에서 한국 기업이 선두를 유지하고 있음을 보여 준다. 직전 호가 다룬 ‘메모리 슈퍼사이클’이 시가총액·장비 수주라는 ‘실물 지표’로 확인된 셈이다. 다만 같은 기간 해외에서는 브로드컴의 신중한 인공지능 전망과 스마트폰 수요 둔화 우려로 반도체 지수가 일시 조정을 받기도 하여(6월 초), 호황의 ‘지속성’에 대한 경계도 공존한다. 인공지능 사이클의 과실이 메모리·장비 생태계로 확산되는 흐름과, 그 사이클의 변동성을 함께 주시할 필요가 있다.

인공지능 반도체 경쟁의 승부처가 ‘연산 칩 설계’를 넘어 ‘여러 칩을 효율적으로 결합하는 패키징’으로 이동하고 있음을 보여 준다. 본 호 2번 섹션의 엔비디아 ‘RTX 스파크(단일 패키지 집적)’와 같은 맥락에서, 미세공정의 물리적 한계가 가까워질수록 ‘칩을 어떻게 쌓고 잇느냐’가 성능 향상의 새로운 동력이 된다. 거대 기업들이 패키징·공급망에 거액을 동시 투입하는 구도는, 본 호 2번 섹션(국내 HBM·장비)과 맞물려 인공지능 하드웨어가 ‘설계-제조-패키징’ 전 단계에서 ‘증설 경쟁’에 들어섰음을 시사한다.

인공지능이 보안 취약점을 ‘인간보다 빠르고 깊게’ 찾을 수 있다는 사실은 ‘양날의 칼’이다. 방어 측이 먼저 결함을 찾아 고치면 사회 기반 시설을 보호할 수 있으나, 같은 능력이 공격에 쓰이면 위험은 비대칭적으로 커진다. 앤트로픽이 모델을 일반 공개 대신 ‘통제된 기관 협력’ 형태로 운영하는 것은, 강력한 ‘이중용도(dual-use)’ 역량을 방어 우위로 묶어 두려는 시도로 해석된다. 인공지능의 능력이 ‘코드 작성’을 넘어 ‘코드의 약점 발견’으로 확장되면서, 인공지능 거버넌스의 초점이 ‘무엇을 만들 수 있는가’에서 ‘누가 어떤 조건에서 쓰는가’로 옮겨 가고 있음을 보여 준다.

‘코덱스’의 확장은 인공지능 에이전트가 ‘코드를 짜는 도구’에서 ‘사무 전반을 수행하는 일꾼’으로 진화하고 있음을 단적으로 보여 준다. 특정 직무의 실제 업무 도구(소프트웨어)와 직접 연동된다는 점은, 인공지능이 ‘대화’를 넘어 ‘기존 업무 시스템 위에서 직접 행동’하는 단계로 들어섰음을 의미한다. 본 호 1번 항목(앤트로픽 보안 에이전트), 2번 섹션(온디바이스 인공지능 PC)과 더불어, 2026년 인공지능 경쟁의 핵심 화두가 ‘얼마나 똑똑한 모델이냐’에서 ‘실제 업무 흐름에 얼마나 깊이 통합되느냐(에이전트화)’로 이동하고 있음을 보여 준다.

‘가중치 공개(오픈 웨이트)’ 모델은 기업이 자체 인프라에서 직접 내려받아 활용·미세조정할 수 있어, 데이터 주권과 비용 통제가 중요한 제조·금융 분야에서 수요가 크다. K-엑사원이 ‘연산·메모리 70% 절감’을 내세운 것은, 거대 모델 경쟁이 ‘무조건 더 큰 모델’이 아니라 ‘같은 성능을 더 적은 자원으로’ 구현하는 효율 경쟁으로 이행하고 있음을 보여 준다. 해외 빅테크의 폐쇄형·초거대 모델에 맞서 국내 연구기관이 ‘효율적 오픈 웨이트’로 차별화를 시도했다는 점에서, 본 호 3번 섹션(국내 반도체)과 함께 한국이 ‘하드웨어와 모델’ 양면에서 인공지능 자립 역량을 키우는 흐름으로 읽힌다.