Daily News Korea

소식

  • 세상 바꾸는 공학 기술 7가지 — AI부터 반도체까지, 미래 커리어 실전 가이드

    세상 바꾸는 공학 기술 7가지 — AI부터 반도체까지, 미래 커리어 실전 가이드

    AI 엔지니어 채용 공고가 3년 사이 4배 이상 늘었다. ISC² 집계 기준 사이버보안 인력 공백은 전 세계 400만 명을 넘어선 지 오래고, EU 탄소국경세(CBAM)에 미국 IRA까지 맞물리면서 청정에너지 공학 인력 수요도 구조적으로 올라온 상황이다. 수치만 봐도 방향이 보인다. 어느 분야를 파야 할지 감이 안 잡힌다면, 수요와 임팩트 두 기준으로 추린 아래 7가지를 보고 판단하자.

    1. AI·머신러닝 엔지니어링 — 수요가 가장 빠른 분야

    채용 시장에서 ‘AI 엔지니어’는 이미 독립 직군으로 굳었다. 예전엔 데이터 사이언티스트가 모델을 짜고 백엔드 개발자가 서비스에 붙이는 구조였는데, 이제는 모델 훈련부터 배포·인프라까지 전 과정을 담당하는 MLOps 엔지니어가 따로 존재한다. 역할 분화가 그만큼 빨라졌다는 얘기다.

    진입에 필요한 기술 스택은 대략 이렇다:

    • Python, PyTorch 또는 JAX 기반 모델링
    • Kubernetes·Docker를 활용한 모델 서빙
    • 데이터 파이프라인 설계 (Airflow, Spark)
    • 프롬프트 엔지니어링 및 파인튜닝(Fine-tuning)

    LLM이 퍼지면서 비전공 출신 AI 엔지니어도 꽤 늘었다. 근데 솔직히, 선형대수·확률론 같은 수학 기반이 약하면 시니어 레벨 이후에서 막힌다. 단기 부트캠프로 입문하는 건 가능한데, 거기서 멈추면 경력 천장이 생각보다 낮다. 장기적으로는 통계·수학을 병행해야 한다는 게 현장 공통 의견이다.

    2. 기후·청정에너지 공학 — 규제가 만들어낸 거대 시장

    탄소중립 규제 3종 세트가 동시에 돌아가고 있다. EU CBAM, 미국 IRA, 한국 탄소중립 로드맵. 이게 맞물리면서 청정에너지 공학 인력 수요가 구조적으로 올라왔다. 태양광·풍력 발전 설계, 배터리 시스템 엔지니어링, 그린수소 인프라 쪽 채용이 눈에 띄게 활발해진 게 그 결과다.

    이 분야, 순수 공학 지식만으론 경쟁력이 약하다. 에너지 정책, 탄소 회계(Carbon Accounting), 그리드 연계 규정까지 복합 도메인 지식이 있어야 채용 우선순위에 오른다. 전기전자·화학공학·기계공학 전공자라면 전환 비용이 상대적으로 낮은 편이다.

    3. 바이오테크·의공학 — 데이터와 생물학이 겹치는 곳

    mRNA 백신 기술이 주류로 올라선 이후, 바이오테크 엔지니어링은 더 이상 틈새가 아니다. 단백질 구조 예측(AlphaFold 계열), 유전자 편집(CRISPR), 디지털 바이오마커에서 공학 역할이 빠르게 커지는 중이다.

    컴퓨터공학 배경을 가진 엔지니어가 입문하기 가장 현실적인 경로는 생물정보학(Bioinformatics)이다. Python·R 스크립팅, 유전체 데이터 처리(NGS), 머신러닝 기반 약물 발굴 툴 운용 — 이 세 가지가 진입 조건으로 굳어지고 있다. 생물학을 전혀 모른 채 코딩 하나만으로 들어가는 케이스도 늘고 있긴 한데, 도메인 지식을 병행하면 속도가 확실히 다르다.

    4. 사이버보안 엔지니어링 — 공격이 정교해질수록 몸값이 오른다

    랜섬웨어 공격 한 건의 평균 피해액이 수십억 원을 넘어섰다. 보안 엔지니어는 IT 직군 중 만성적으로 인력이 부족한 분야인데, 직군은 크게 두 갈래로 나뉜다:

    • 공격형(Offensive Security): 침투 테스트(Penetration Testing), 취약점 연구, 레드팀 운영
    • 방어형(Defensive Security): SOC 분석, 위협 인텔리전스, 제로트러스트 아키텍처 설계

    OSCP·CEH·CISSP 자격증이 채용 시장에서 여전히 유효하긴 하다. 근데 현장에서 보면, CTF(Capture The Flag) 참여 경험이나 버그바운티 실적이 이력서 한 줄보다 훨씬 강하게 작용한다. 자격증은 스크리닝 통과용이고, 실제 합격은 포트폴리오가 결정한다. 이건 좀 냉정한 현실이다.

    5. 자율주행·로보틱스 — 소프트웨어와 하드웨어가 만나는 지점

    테슬라 FSD, 웨이모 로보택시, 현대차의 보스턴다이나믹스 인수. 이 세 가지만 봐도 흐름이 보인다. 자율주행과 로보틱스는 하드웨어 기업과 소프트웨어 기업의 경계를 허물고 있다.

    핵심 기술 스택은 센서 퓨전(Sensor Fusion), ROS2 기반 로봇 제어, 컴퓨터 비전, 강화학습(RL)이다. 여기에 C++ 성능 최적화와 실시간 처리(RTOS) 경험까지 갖추면 채용 경쟁력이 확연히 달라진다. 국내에서는 쿠팡·카카오·네이버 등 플랫폼 기업이 자체 로봇 R&D 조직을 확대하는 추세라 커리어 경로도 점점 구체화되고 있다.

    6. 반도체·하드웨어 엔지니어링 — AI 붐이 되살린 분야

    엔비디아 H100 품귀 현상이 반도체 엔지니어의 위상을 다시 각인시켰다. AI 모델이 커질수록 칩 설계·공정 최적화·패키징 기술의 필요성은 비례해서 커진다. 관련 직군을 보면:

    • RTL 설계 엔지니어 (Verilog, VHDL)
    • 칩 검증 엔지니어 (UVM 기반)
    • 패키징·열설계 엔지니어
    • 팹리스 스타트업의 아키텍처 엔지니어

    한국은 삼성전자·SK하이닉스 중심의 메모리 강국이지만, AI 가속기용 시스템반도체 분야는 아직 인력 저변이 얇다. TSMC·인텔·AMD 경험자는 국내외 모두 시장 가격이 높게 형성돼 있다는 점도 참고할 만하다.

    배경별 현실적인 진입 전략

    7개 분야 모두 학습으로 진입 가능하다. 다만 시간 비용은 천차만별이다. 출발점에 따라 경로를 달리 잡는 게 효율적이다:

    • 개발자 경력자: AI 엔지니어링 또는 사이버보안 — 코드 기반이 있어 전환 비용이 낮다
    • 전기전자·기계 전공자: 자율주행·로보틱스·반도체 — 하드웨어 도메인 지식이 즉시 활용된다
    • 화학·생물 전공자: 바이오테크·청정에너지 — Python만 익히면 바로 접점이 생긴다
    • 완전 비전공 전환자: AI 엔지니어링 입문 → 사이버보안 순서가 커리큘럼이 가장 잘 정비돼 있다

    공통적으로 유효한 첫 스텝은 GitHub에 실제 프로젝트를 올리는 것이다. 채용 담당자들은 자격증보다 “실제로 뭘 만들었냐”를 훨씬 무겁게 본다. 오픈소스 기여, Kaggle 대회 실적, 버그바운티 등록 이력 — 분야를 가리지 않고 이 공통점은 일관되게 나타난다. MIT Tech Review가 전한 바에 따르면 이 흐름은 앞으로도 더 강해질 것으로 전망된다.

    출처: MIT Tech Review AI

    관련 기사

  • 앱스토어 수수료 가이드: 구글 플레이 vs 애플, 30%가 전부가 아니다

    앱스토어 수수료 가이드: 구글 플레이 vs 애플, 30%가 전부가 아니다

    앱 하나 내놓으면 수익 30%가 먼저 나간다. 구글이든 애플이든 마찬가지다. 1만 원짜리 아이템 하나 팔면 개발사 통장엔 7천 원만 들어온다는 얘기다. 수수료율 1%p 차이가 연간 수백만 원 규모로 불어날 수 있는데, 이 구조를 정확히 파악하고 있는 개발자는 생각보다 드물다. 인디 개발자나 스타트업이라면 플랫폼 고르기 전에 한번쯤 짚고 넘어가야 한다.

    30% 수수료, 왜 이게 문제인가

    구글과 애플 모두 기본 인앱결제 수수료로 30%를 적용해왔다. 2008년 앱스토어 출범 이후 10년 넘게 이어진 관행이다. 이 숫자가 논란인 이유는 단순하다. 협상이 안 된다는 거다. 플랫폼이 유일한 배포 경로인 상황에서 개발사 입장에서는 선택지 자체가 없다.

    에픽게임즈가 포트나이트 직접결제를 밀어붙이다 양 플랫폼에서 동시에 퇴출당한 사건, 스포티파이가 유럽 경쟁당국에 제소한 사건 모두 이 구조에서 비롯됐다. 수수료 문제가 아니라 사실상 독점 구조 문제에 가깝다는 시각이 나오는 것도 이해가 된다.

    구글 플레이 수수료 구조

    구글은 현재 다층적 수수료 체계를 운영한다.

    • 기본 수수료: 연간 매출 100만 달러(약 13억 원) 이하 구간 — 15%
    • 초과 구간: 100만 달러 초과분 — 30%
    • 구독 앱: 가입 첫 해 15%, 2년차부터도 15% (전 구간 동일)
    • 전자책·음악 스트리밍 등: 별도 협약으로 10% 적용 가능

    에픽게임즈 소송 합의 이후 구글은 일부 시장에서 수수료를 추가 인하하는 조치를 진행 중이다. 중소 개발사 쪽에 상대적으로 유리한 방향이고, 전 세계 확대는 단계적으로 진행된다. 아직 확정된 건 아니지만, 흐름 자체는 인하 쪽이다.

    애플 앱스토어 수수료 구조

    애플의 체계는 구글과 유사하지만 기준선이 조금 다르다.

    • 소규모 개발자 프로그램: 연간 매출 100만 달러 이하 — 15%
    • 일반 수수료: 100만 달러 초과 — 30%
    • 구독: 1년 이상 유지 구독자에 한해 15%로 인하
    • EU 지역: DMA(디지털시장법) 적용으로 대체 결제 허용, 단 Core Technology Fee(설치당 약 0.5유로) 별도 부과

    애플은 iOS에서 제3자 앱스토어를 원칙적으로 허용하지 않아왔다. EU에서만 법적 강제로 대안 마켓플레이스 허용이 시작됐고, 이 흐름이 다른 지역으로 번질지는 미지수다. EU 바깥에서 애플의 입장은 여전히 강경하다. Core Technology Fee 같은 별도 요금 구조를 보면, 허용하면서도 수익을 놓지 않겠다는 계산이 보인다.

    구글 vs 애플, 실질적인 차이

    숫자만 놓고 보면 두 플랫폼 구조는 거의 같다. 실질적 차이는 예외 조항과 적용 방식에 있다.

    • 중소 개발자 우대: 둘 다 100만 달러 이하 구간에 15% 적용. 기준은 동일하다
    • 제3자 결제: 구글은 일부 국가에서 대안 결제 허용(수수료 4%p 할인). 애플은 EU만 허용, 그 외 불가
    • 게임 앱: 구글은 인기 게임사 대상 협상 여지가 있다. 애플은 사실상 단일 요율
    • 웹 결제 유도: 구글은 앱 내 외부 링크 허용(미국 한정, 법원 판결). 애플은 최근까지 금지였고 지금은 제한적으로만 허용
    • 분쟁 해결: 구글은 에픽과 합의 완료. 애플은 에픽과 소송 진행 중(항소심)

    에픽게임즈 소송이 실제로 바꾼 것

    에픽이 2020년 포트나이트 직접결제를 밀어붙인 건 단순 규정 위반이 아니었다. 의도된 도발이었다. 양 플랫폼에서 동시에 퇴출당하면서 바로 소송을 제기했고, 구글과의 소송에서는 배심원단이 에픽의 손을 들어줬다.

    합의 과정에서 구글은 수수료 인하, 제3자 앱스토어 접근성 개선, 일부 시장에서의 대안 결제 허용 등을 수용했다. 직접적인 수혜자는 에픽 같은 대형 퍼블리셔보다 오히려 협상력 자체가 없는 중소 개발사 쪽이 될 가능성이 크다. 싸운 건 에픽인데 혜택은 인디 개발자에게 돌아가는 아이러니한 구도다.

    애플과의 소송은 결과가 달랐다. 법원은 반독점법 위반을 인정하지 않았지만 외부 결제 링크 허용 명령은 유지됐다. 그런데 애플이 이를 제한적으로만 이행하고 있다는 비판이 계속 나온다. 명령은 이겼는데 이행은 반쪽짜리라는 얘기다.

    수수료 줄이는 현실적인 방법

    플랫폼 수수료를 완전히 피하기는 어렵다. 그래도 방법이 아예 없진 않다.

    • 웹 결제 유도: 구글 플레이는 미국에서 앱 내 외부 결제 링크를 허용한다. 사용자를 웹으로 보내서 결제하게 하면 수수료를 크게 아낀다. 다만 UX 마찰이 생기는 트레이드오프가 있다
    • 구독 모델 전환: 연간 구독을 1년 이상 유지한 사용자에겐 15%가 적용된다. 일회성 결제보다 장기 구독 전환이 장기적으로 유리하다
    • 소규모 개발자 프로그램 유지: 연 매출 100만 달러 이하를 유지하면 15% 구간이 계속 적용된다. 성장 속도를 의도적으로 조절하는 팀도 실제로 있다
    • B2B 앱 활용: 기업 대상 앱은 Apple Business Manager나 Google Play for Work를 통해 배포하면 인앱결제 수수료 구조를 우회하는 경우가 있다
    • 디지털 재화 예외 확인: NFT, 특정 물리적 상품 연동 서비스 같은 일부 콘텐츠는 인앱결제 의무에서 제외된다. 자사 서비스가 해당하는지 가이드라인을 꼼꼼히 봐야 한다

    결국 어느 쪽이 덜 아픈가

    수수료 숫자만 놓고 보면 지금 시점에서 구글이 약간 유연하다. 대안 결제 허용 범위가 더 넓고, 합의 이후 추가 인하 조치도 진행 중이다. Ars Technica가 전한 바에 따르면 구글은 에픽과의 합의를 이행하는 방향으로 수수료 인하를 단계적으로 확대하고 있다.

    단, 수수료가 전부가 아니다. 애플 사용자의 평균 소비력이 안드로이드 대비 높다는 건 업계에서 공공연한 얘기다. 게임·유틸리티·구독 앱 기준으로 iOS 쪽 ARPU(사용자당 평균 수익)가 구글 플레이보다 높게 나오는 경우가 많다. 수수료 2~3%p 차이보다 이 격차가 더 클 수 있다.

    수익 최적화를 고민하는 개발자라면 수수료율 비교보다 플랫폼별 사용자 LTV(생애 가치)를 먼저 측정하는 게 맞다. 수수료는 내는 것이고, 매출은 버는 것이다. 비율보다 절대액이 중요하다.

    출처: Ars Technica

    관련 기사

  • 더울수록 전기가 부족해지는 역설 — 발전소가 폭염에 멈추는 진짜 이유

    더울수록 전기가 부족해지는 역설 — 발전소가 폭염에 멈추는 진짜 이유

    수요는 치솟고, 공급은 빠진다. 이게 폭염 전력 위기의 핵심이다. 기온이 오를수록 에어컨이 켜지고, 아이러니하게도 그 전기를 만드는 발전소가 같은 이유로 가동을 멈춘다. 유럽에서 반복되는 이 역설은 한국도 피해갈 수 없다.

    에어컨 한 대가 냉장고 20대 값을 한다

    에어컨 한 대의 소비 전력은 평균 1~2kW. 냉장고(0.1kW)나 TV(0.1kW)와 비교하면 단일 가전제품 중 압도적이다. 10~20배 차이다. 폭염 시즌에 전국 수백만 가구가 동시에 에어컨을 켜면 전력 수요는 순식간에 피크를 찍는다.

    • 한국의 하계 전력 피크는 동계를 넘어선 지 수년이 됐다
    • 기온이 1도 오르면 냉방 수요가 약 1,000~1,500MW 늘어난다는 연구 결과도 있다
    • 전기차 충전 수요까지 더해지면 피크는 더 날카로워진다

    문제는 이 피크가 발전소가 가장 힘든 순간과 딱 겹친다는 것이다.

    냉각수가 뜨거워지면 발전소는 멈춘다

    화력이든 원자력이든, 대부분의 발전소는 냉각수로 돌아간다. 터빈을 돌리고 나서 발생하는 열을 식혀야 다음 사이클이 가능하기 때문이다. 냉각 방식은 두 가지다.

    • 하천수 냉각: 강이나 호수 물을 끌어다 냉각에 쓰고 다시 방류한다. 여름철 하천 수온이 오르면 냉각 효율이 급감하고, 방류 수온이 환경 기준을 초과하면 법적으로 가동을 중단해야 한다.
    • 냉각탑 방식: 물을 증발시켜 열을 빼앗는다. 외기 온도와 습도가 높을수록 증발 효율이 떨어진다.

    프랑스 원전의 상당수가 하천 냉각을 쓴다. 론 강, 가론 강 같은 내륙 하천의 수온이 오르면 환경 규제 기준에 걸려 출력을 낮추거나 아예 멈춰야 한다. 유럽 폭염 때마다 프랑스 전력 수급이 흔들리는 이유가 여기에 있다.

    원전이 유독 취약한 이유

    원전은 안전 기준이 엄격하다. 냉각수 온도가 일정 기준을 넘으면 자동으로 출력 제한이 걸린다. 반응로 안전을 위해 불가피한 조치지만, 전력망 입장에선 최악의 타이밍에 대형 베이스로드 전원이 빠지는 셈이다.

    유럽 원전의 또 다른 취약점은 설계 연도다. 1970~80년대에 지어진 원전 다수는 당시 기후 데이터 기준으로 냉각 시스템을 설계했다. 강 수온이 그 설계값을 넘어서는 사례가 늘고 있다. 기후변화가 인프라 설계 수명을 앞당기는 전형적 사례다. 어떻게 보면 이미 예상된 결과이기도 하다.

    태양광은 폭염에 강할까 — 반반이다

    맑은 폭염 날은 태양광이 잘 되는 거 아니냐는 생각, 맞기도 하고 틀리기도 하다.

    • 일사량: 맑은 날 발전량은 최대치다. 이 부분은 유리하다.
    • 패널 온도: 태양광 패널은 고온에서 효율이 떨어진다. 셀 온도 25°C를 넘으면 1°C당 약 0.3~0.5% 출력이 깎인다. 40°C 이상 폭염에선 10~15% 손실이 생긴다.
    • 풍력: 폭염은 고기압이 정체된 상황과 겹치는 경우가 많다. 바람이 약해 풍력 발전량도 동시에 줄어든다.

    재생에너지는 부분적 완충재 역할은 한다. 그러나 피크 시간대 전력 공급의 안정적 보증 수단은 아직 아니다. 배터리 저장 시스템(ESS)이 그 간극을 메우는 해법으로 거론되는 이유가 여기에 있다.

    블랙아웃까지 이어지는 경로

    전력망은 수요와 공급이 실시간으로 균형을 맞춰야 한다. 균형이 무너지면 주파수가 흔들린다. 그게 일정 범위를 벗어나면 연쇄 차단이 시작된다. 대규모 블랙아웃으로 가는 경로가 이렇다.

    전력 당국이 취하는 순서는 대략 다음과 같다.

    • 예비력 경보 발령 → 산업체 자발적 절전 요청
    • 수요 반응(DR) 프로그램 가동 → 계약 기업 강제 감축
    • 지역별 순환 단전 (Rotating Blackout)
    • 최악의 경우 대규모 무계획 정전

    2003년 이탈리아 대정전, 2011년 미국 남서부 대정전 모두 이 연쇄 과정의 결과였다. 폭염은 이 시나리오의 방아쇠 중 하나다.

    한국 전력망은 얼마나 버틸 수 있나

    한국은 전력 예비율 15% 유지를 목표로 운영한다. 10% 아래면 ‘준비’ 단계, 5% 미만이면 ‘심각’ 단계다. 폭염이 겹치면 이 수치가 빠르게 소진된다.

    한국 원전은 대부분 해수 냉각 방식을 쓴다. 유럽식 하천 냉각의 취약점은 덜하지만, 해수면 온도 상승이라는 변수가 장기적으로 영향을 줄 여지가 있다. 노후 화력발전소 폐지가 계획대로 진행되면 예비 발전 용량도 줄어든다. 재생에너지 확대와 노후 설비 퇴역 사이의 타이밍이 전력 안보를 좌우하는 핵심 변수다.

    전기차 보급 속도와 데이터센터 증가도 하계 피크에 새로운 압박 요인으로 작용하고 있다. AI 인프라 확장으로 데이터센터 전력 소비가 급증하는 추세는 전력 수급 계획에 불확실성을 더한다. 5년 전만 해도 이 정도 속도의 변수는 아니었다.

    단기 땜빵과 장기 구조 전환

    단기와 장기로 나눠야 한다.

    단기 대응으로는 수요 반응 프로그램 정교화, ESS 용량 확대, 송전망 광역화가 현실적이다. 인접국·인접 지역과 전력 거래를 늘리는 방향이다. 유럽연합이 회원국 간 전력 상호 지원 체계를 강화하는 것도 이 맥락이다.

    장기 구조 전환은 발전 포트폴리오를 기후 내성 중심으로 재편하는 것이다. 냉각수 의존도가 낮은 기술 — 공랭식 원전, 소형모듈원자로(SMR), 수소 혼소 발전 등 — 이 연구되는 이유가 여기에 있다. 다만 이런 기술이 대규모로 현장에 투입되기까지는 10년 이상 걸린다. 지금 당장의 해법은 아니라는 뜻이다.

    기후가 변하면 에너지 인프라의 설계 전제도 바뀌어야 한다. 이미 지어진 설비들이 새로운 기후 현실에 얼마나 빠르게 적응하느냐. 결국 거기서 전력망 안보가 결정된다.

    출처: MIT Tech Review AI

    관련 기사

  • 포뮬러 E vs F1, 실제로 뭐가 다른가 — GEN4 변화까지 한 번에 정리

    포뮬러 E vs F1, 실제로 뭐가 다른가 — GEN4 변화까지 한 번에 정리

    10년 넘게 달렸는데도 여전히 ‘F1이랑 뭐가 달라요?’가 제일 많이 들어오는 질문이다. 배터리로 달린다는 것 하나만 다른 게 아닌데. 서킷 선정 방식부터 레이스 포맷, 팬이 경기에 직접 개입하는 방식까지 — 솔직히 구조 자체가 다른 스포츠다.

    포뮬러 E, 일단 기본부터

    FIA 공인 전기차 전용 레이싱 시리즈다. 2014년 출범해 지금까지 시즌을 이어왔고, 포르쉐, 재규어, 미쓰비시, 마세라티 등이 직접 공장팀을 운영 중이다.

    초창기엔 ‘느린 F1’ 소리를 많이 들었다. 어느 정도는 맞는 말이기도 했다. GEN1 시절엔 배터리 용량이 너무 딸려서 레이스 도중 차를 바꿔 타는 장면이 나왔을 정도니까. GEN2, GEN3를 거치면서 최고 출력 350kW(약 470마력), 최고 속도 320km/h 이상까지 올라왔다. 한 대로 완주하는 건 이제 기본이고, 기술 발전의 직접적인 결과다.

    F1과 결정적으로 다른 점 3가지

    • 서킷 유형: F1은 스파, 스즈카, 모나코처럼 전통 상설 서킷이 기본이다. 포뮬러 E는 홍콩 시내, 로마 도심, 서울 잠실 같은 도심 임시 서킷이 핵심이었는데 — ‘이었다’가 과거형인 이유는 GEN4부터 이 공식이 크게 바뀌기 때문이다.
    • 팬부스트 시스템: 레이스 중 팬 투표 결과에 따라 드라이버에게 추가 출력 약 30kW가 주어진다. F1에는 없는 요소인데, “재밌다”는 쪽과 “경기 순수성을 해친다”는 쪽이 팽팽하게 갈린다. 솔직히 여기서 호불호가 명확히 갈리는 지점이다.
    • 에너지 관리 전략: 배터리 용량이 정해져 있으니 드라이버가 직접 아낄 구간과 밀어붙일 구간을 계산해야 한다. F1에서 타이어 전략이 승패를 가르듯, 포뮬러 E에서는 에너지 판단 능력이 그 자리를 차지한다.

    GEN4, 왜 상설 서킷으로 돌아오나

    2027 시즌부터 GEN4 머신이 투입되면서 일정이 확 바뀐다. 브랜즈 해치(영국), COTA(미국 텍사스), 잔드보르트(네덜란드). F1을 좀 봐온 사람이라면 귀에 익은 이름들이다.

    도심 서킷의 한계가 누적된 결과다. 도로 표면이 나쁘면 타이어 마모가 급격히 심해지고, 날씨 변수도 크게 작용한다. 거기다 팬 입장에서 도심 서킷은 관람 동선이 복잡하다. F1 팬에게 이미 익숙한 트랙에서 달리는 건 신규 팬 확보 전략이기도 하다. GEN4 머신의 목표 출력은 350kW 이상, 최고 속도 340km/h 수준으로 전통 서킷의 고속 코너를 소화할 성능 기반이 갖춰진다.

    성능 수치로 보면 F1이랑 얼마나 차이 나나

    직접 비교하면 아직 격차는 있다.

    • F1: 최대 출력 약 1000마력(하이브리드 포함), 최고 속도 350km/h 이상, 다운포스 수천 kg
    • 포뮬러 E GEN3: 최대 출력 약 470마력, 최고 속도 320km/h대, 다운포스는 F1 대비 낮음

    숫자보다 더 와닿는 건 랩타임이다. 같은 서킷을 달리면 F1이 보통 10~20% 빠르다. 그렇다고 포뮬러 E가 ‘느린’ 건 아닌데, GT3 레이싱카나 인디카와 비슷한 수준이거든요. 전기 모터 특성상 토크 반응이 즉각적이라 0-100km/h 가속은 내연기관 레이싱카보다 오히려 빠른 경우가 있다. 이 부분은 직접 봐야 실감이 된다.

    처음 보기 전에 알아야 할 규칙들

    처음 보면 뭔가 이상하다 싶은 장면들이 나온다. 핵심만 짚으면:

    • 어택 모드: 지정 구간을 통과하면 한시적으로 출력이 올라가는 모드다. F1의 DRS와 비슷한 역할이지만 통과 루트가 따로 있고, 사용 시점 선택이 전략이 된다.
    • 세이프티카 에너지 규정: 황색 기 구간에서 에너지 소비 제한이 추가된다. 안전 차량 뒤에서 회생 제동으로 배터리를 채우는 전략이 순위 변동으로 이어지기도 한다.
    • 팬부스트 투표: 레이스 전에 팬들이 특정 드라이버에게 추가 파워를 몰아줄 수 있다. 현장 관중과 온라인 팬 모두 참여 가능하다.

    완성차 브랜드들이 돈을 쏟아붓는 진짜 이유

    포르쉐, 재규어, 미쓰비시가 포뮬러 E에 참가하는 이유는 홍보만이 아니다. 배터리 열관리, 회생 제동 효율, 전기 모터 내구성 — 레이스 현장에서 극한으로 밀어붙여 얻은 데이터가 양산차 개발에 직접 들어간다.

    포르쉐는 포뮬러 E 참가에서 얻은 기술 일부를 타이칸 개발에 적용했다고 밝혔다. 재규어도 I-PACE 전기 구동계 최적화에 레이싱 데이터를 활용했다. F1이 내연기관 엔진 기술의 전쟁터라면, 포뮬러 E는 배터리와 전기 구동계 기술의 전쟁터다. 역할이 다를 뿐이다.

    기후 대응 분위기도 작용한다. EV 전환 속도가 빨라지는 시점에 ‘우리 회사는 전기차 레이싱에서 이겼습니다’라는 메시지는 브랜드 입장에서 꽤 쓸모가 있는 시대가 됐다.

    결국 F1을 밀어낼 수 있을까

    단기간은 현실적으로 어렵다. F1은 70년 이상의 역사, 모나코·스파 같은 전설적인 서킷, 수십 년 쌓인 글로벌 팬덤이 있다. 이걸 빠르게 따라잡을 방법은 없다.

    대신 ‘대체’가 아닌 ‘공존’이라면 얘기가 달라진다. F1이 내연기관 팬들의 영역이라면, 포뮬러 E는 EV 기술에 관심 있는 새로운 팬층을 만들어가고 있다. GEN4 머신이 COTA나 잔드보르트에서 달리기 시작하면, F1을 즐겨 보던 사람들이 포뮬러 E도 자연스럽게 찾아볼 가능성은 충분하다.

    서울 e-Prix를 현장에서 한 번이라도 봤다면 그 분위기를 안다. 엔진 소리 없는 서킷. 도심에서 320km/h로 달리는 차. 배터리 관리 전략이 순위를 뒤집는 레이스. F1과 확실히 다른 재미가 있다. 뭐가 낫고 나쁜 게 아니라, 그냥 다른 스포츠다.

    출처: Ars Technica

    관련 기사

  • 에어팟 종류 비교 2026: 프로·맥스·일반형, 진짜 차이점만 뽑았다

    에어팟 종류 비교 2026: 프로·맥스·일반형, 진짜 차이점만 뽑았다

    에어팟 라인업이 세 갈래로 나뉜 지 꽤 됐는데, 아직도 뭘 사야 할지 헷갈린다는 사람이 많다. 에어팟 4 기본형, ANC 버전, 에어팟 프로, 에어팟 맥스. 가격은 10만 원 초반에서 70만 원 이상까지 벌어진다. 같은 에어팟 브랜드인데 이 차이가 뭔지 — 모델별로 짚어봤다.

    세 갈래 라인업, 간단히 정리

    현재 애플 에어팟 라인업은 크게 셋이다.

    • 에어팟 4 (일반형): 오픈이어 방식. 귀 안에 꽂지 않고 입구에 걸치는 구조다. ANC 없는 기본형과 ANC 포함 버전, 두 가지로 나뉜다.
    • 에어팟 프로: 인이어 방식. ANC와 투명 모드(Transparency Mode) 모두 탑재. 공간 음향 지원. 현재 최신 버전은 3세대다.
    • 에어팟 맥스: 오버이어 헤드폰. 세 모델 중 음질과 ANC 성능이 가장 강하다. 가격도 가장 높다.

    가격순이 곧 성능순은 아니다. 용도에 따라 정답이 완전히 달라지는 게 에어팟 라인업의 특징이다.

    ANC, 있고 없고의 실제 차이

    ANC(액티브 노이즈 캔슬링)는 외부 소음을 전자적으로 줄여주는 기능이다. 지하철, 카페, 비행기처럼 소음이 많은 환경에서 음악 집중도가 확 달라진다.

    에어팟 4 기본형에는 ANC가 없다. 조용한 환경에서 쓰거나, 외부 소리를 계속 들어야 하는 상황 — 운동 중이나 사무실에서 누군가 말 걸 때 — 이라면 오히려 낫다. 에어팟 4 ANC 버전과 에어팟 프로는 둘 다 ANC를 지원한다. 차이는 구조에서 온다. 프로는 인이어 방식이라 귀를 물리적으로 막아주기 때문에 소음 차단 효과가 더 강하다. 오픈이어인 에어팟 4 ANC는 구조적 한계가 있다는 뜻이다.

    에어팟 맥스는 귀 전체를 덮는 오버이어 방식이라 ANC 성능이 세 모델 중 가장 강력하다. 장거리 비행이 잦다면 맥스가 독보적이다. 비교 자체가 의미 없는 수준이다.

    음질, 솔직하게 말하면

    에어팟 4와 프로의 음질 차이 — 솔직히 일반 청취 환경에서는 크지 않다. 프로가 저음이 조금 더 풍부하고 공간 음향(Spatial Audio) 처리가 정교한 건 맞다. 근데 유튜브나 스포티파이 스트리밍 수준에서는 체감이 생각보다 크지 않다. 이걸 솔직히 말하는 리뷰가 의외로 별로 없다.

    에어팟 맥스는 다르다. 드라이버 크기 자체가 크고, 영화나 드라마를 볼 때 입체감이 확연히 달라진다. Apple Lossless 같은 고음질 파일을 즐겨 듣는다면 맥스의 업그레이드는 납득이 간다.

    단, 블루투스 코덱 한계는 있다. 하이파이 유선 헤드폰과 1:1 비교는 어렵다. 에어팟 맥스는 결국 애플 생태계 안에서 무선으로 쓸 수 있는 최상의 음질을 원하는 사람에게 맞는 제품이다.

    착용감: 오픈이어 vs 인이어, 어디서 갈리나

    착용감 때문에 망설이는 사람이 생각보다 많다. 에어팟 4는 이도(耳道) 입구에 걸치는 방식이라 귀가 작거나 이어팁이 불편한 사람도 오래 착용하기 좋다. 편하다. 대신 장착이 불안정해서 격렬한 운동 중엔 빠질 수 있다.

    에어팟 프로는 실리콘 이어팁이 귀 안에 밀착되는 인이어 방식이다. 소음 차단 효과는 좋지만 장시간 쓰다 보면 귀가 답답하다는 사람도 분명 있다. 이어팁 크기(S/M/L)를 바꿔가며 핏 조절이 가능하니, 처음엔 세 사이즈 다 끼워보는 걸 권한다.

    에어팟 맥스는 귀를 완전히 덮는 오버이어 방식이다. 집에서 집중해서 듣거나 장거리 비행 중에는 훌륭하다. 근데 이동 중에 들고 다니기엔 무게가 좀 부담스럽다는 의견이 많다. 이건 직접 써보지 않으면 체감하기 어렵다.

    가격대별 선택 기준, 현실적으로

    가격 기준으로 나누면 이렇다.

    • 10만 원대 초반: 에어팟 4 기본형. ANC 없이 애플 생태계 편의기능(자동 연결, 시리 연동)을 쓰고 싶다면 이걸로 충분하다.
    • 20만 원 안팎: 에어팟 4 ANC 버전. ANC와 오픈이어 착용감을 동시에 원하는 사람에게.
    • 25~35만 원: 에어팟 프로. ANC, 인이어 착용감, 공간 음향까지 원한다면 정석 선택이다.
    • 70만 원 이상: 에어팟 맥스. 음질과 ANC에 타협하지 않겠다는 사람에게.

    아마존 프라임데이나 블랙프라이데이 시즌에는 에어팟 프로가 20만 원 초중반대로 내려오는 경우가 꽤 있다. 급하지 않다면 가격 추이를 체크해두면 수만 원은 아낄 여지가 생긴다.

    안드로이드 쓴다면 반드시 읽을 것

    에어팟은 아이폰·맥과 함께 쓸 때 진가가 나온다. 자동 기기 전환(귀에 꽂으면 현재 사용 중인 기기로 알아서 연결), 시리 연동, ‘나의 찾기’ 지원 같은 기능들이 안드로이드에서는 제대로 작동하지 않는다.

    블루투스 이어폰으로서의 기본 기능은 된다. 근데 ANC 세부 제어나 이퀄라이저 조정은 전용 앱 없이는 불가능하다. 안드로이드를 메인으로 쓰는 사람이라면 솔직히 삼성 갤럭시 버즈나 소니 WF 시리즈가 더 현실적인 선택이다.

    케이스별 요약 — 결국 이걸로 골라라

    상황별로 정리하면 이렇다.

    • 아이폰 쓰고, 이어팁 싫고, 가성비 원한다 → 에어팟 4
    • 지하철·카페에서 주로 쓰고, 소음 차단 원한다 → 에어팟 프로
    • 비행기 자주 타거나 음질에 진심이다 → 에어팟 맥스
    • 안드로이드 메인 사용자다 → 에어팟 대신 다른 브랜드 검토 권장

    세 모델 모두 완성도는 높다. 다만 가격 차이만큼 뚜렷한 체감 차이가 있는 건 에어팟 맥스 구간뿐이다. 일상용이라면 에어팟 프로가 성능과 가격 사이에서 균형이 가장 잘 맞는다. 이건 대부분의 사람에게 해당하는 얘기다.

    출처: The Verge

    관련 기사

  • AI 글 탐지 도구 7개 비교 — 오탐이 생각보다 심각하다

    AI 글 탐지 도구 7개 비교 — 오탐이 생각보다 심각하다

    대학 과제물 상당 비율이 AI로 작성됐다는 조사가 잇따르고 있다. 채용 시장은 더하다. AI 자기소개서가 기본값이 된 지 오래다. 이 흐름 속에서 AI 탐지 도구 시장도 2024년 이후 급격히 팽창했고, GPTZero·Turnitin·Originality.ai 같은 툴들이 각축 중이다. 그런데 이 도구들이 실제로 얼마나 믿을 수 있는지 제대로 아는 사람은 드물다. 억울한 오탐(false positive)도 속출하고 있어, 맹신했다간 낭패다.

    AI 텍스트 감지, 원리부터

    탐지 도구들은 크게 두 가지 지표를 분석한다.

    • Perplexity(당혹도): 언어 모델이 다음 단어를 얼마나 잘 예측하는지 나타내는 수치다. AI가 쓴 텍스트는 모델 입장에서 너무 예측하기 쉬워서 당혹도가 낮게 나온다. 사람이 쓴 글은 예상 못한 단어 선택이 많아 당혹도가 올라간다.
    • Burstiness(폭발도): 문장 길이의 변화폭이다. 사람은 짧은 문장과 긴 문장을 불규칙하게 섞지만, AI는 문장 길이가 비교적 고른 편이다. 이게 의외로 탐지에 잘 걸린다.

    최근 탐지 모델들은 여기에 더해 어휘 다양성 지수와 문체 일관성 패턴까지 복합 분석한다. GPT-4o나 Claude 같은 최신 모델일수록 이런 특징이 교묘하게 숨겨져 있어, 탐지 난이도는 계속 오르고 있다. 솔직히 끝이 없는 싸움처럼 보인다.

    주요 AI 탐지 도구 7개 비교

    현재 가장 많이 쓰이는 7개 툴의 특징을 정리했다.

    • GPTZero: 교육 현장 특화. 무료 플랜이 있어 진입 장벽이 낮다. 문서 전체 분석과 문장 단위 하이라이팅을 함께 제공해, 어느 부분이 AI 작성으로 의심받는지 눈으로 바로 확인된다. 최근 Superhuman에 인수되면서 기업 시장으로 영역을 넓히는 중이다.
    • Turnitin: 대학교 계약이 가장 많은 업계 표준. 표절 검사와 AI 감지를 동시에 제공한다. 개인은 직접 접근이 어렵고 기관 단위 라이선스 형태로만 운영된다.
    • Originality.ai: 콘텐츠 마케터·SEO 에이전시 대상. 팀 단위 크레딧제로 운영되고 API도 있어서 워크플로에 통합하기 쉽다. 영어 외 언어 지원은 아직 제한적이다.
    • Copyleaks: 30개 이상 언어를 지원하는 다국어 특화 툴이다. 한국어 포함 비영어권 콘텐츠 감지에 강점을 보인다.
    • Winston AI: 98% 정확도를 마케팅 포인트로 내세운다. 독립적인 검증은 아직 부족하지만, OCR 기능을 탑재해 스캔 문서에서도 AI 텍스트를 잡아낼 수 있다는 점이 차별점이다.
    • Sapling: 기업 고객사 지원팀이나 세일즈 팀에서 AI 생성 응대 메시지를 걸러내는 데 주로 쓰인다. 브라우저 익스텐션으로도 제공된다.
    • Grammarly: 원래 교정 툴이었는데 AI 감지 기능이 추가됐다. 기존 구독자라면 추가 비용 없이 이용 가능하다. 독립 탐지 도구보다는 보조 기능 수준으로 보면 된다.

    오탐 문제, 생각보다 심각하다

    AI 탐지 도구의 가장 큰 약점이 오탐이다. 스탠퍼드 연구팀이 GPTZero와 Turnitin을 포함한 여러 도구를 테스트한 결과, 영어가 모국어가 아닌 학생들의 글에서 AI 작성 판정이 유독 많이 나왔다. 문장 구조가 단순하고 어휘 선택이 제한적인 특성을 알고리즘이 AI 패턴으로 오인한 것이다.

    실제 사례도 있다. UC 데이비스에서는 한 학생이 직접 쓴 에세이가 AI 작성 판정을 받았고, 해명하는 데 수 주가 걸렸다. 탐지 결과를 단독 증거로 삼는 건 위험하다. 작성자에게 해명 기회를 줘야 하는 이유가 여기 있다.

    교육 현장과 기업에서 현명하게 쓰는 법

    무조건 믿는 것도, 완전히 외면하는 것도 답이 아니다. 용도에 따라 갈린다.

    • 교육 현장: 과제 제출 시 초안·메모·참고 자료를 함께 요구하는 포트폴리오 방식을 병행하는 게 낫다. 구두 발표나 즉석 질문을 추가하면 AI 활용 여부를 실질적으로 파악하기 훨씬 쉬워진다.
    • 채용·HR: AI 자기소개서 탐지보다, 면접에서 글 내용을 직접 물어보는 방식이 훨씬 효과적이다. 탐지 결과를 불합격 근거로 쓰면 법적 리스크도 따른다.
    • 콘텐츠 마케팅: 퍼블리싱 전 검수 단계에 탐지 툴을 넣어 외주 콘텐츠 품질을 모니터링하는 용도로 활용한다. 탐지 점수가 낮다고 품질도 낮다는 뜻은 아니다.

    탐지 우회 도구와 끝나지 않는 군비 경쟁

    탐지 도구가 등장하자마자 이를 우회하는 ‘AI Humanizer’ 툴들이 쏟아졌다. Undetectable.ai, QuillBot 같은 서비스는 AI 생성 텍스트를 재가공해 탐지를 피하도록 돕는다. 문장 구조를 바꾸고, 동의어를 교체하고, burstiness를 인위적으로 높이는 방식이다.

    결국 탐지 정확도와 우회 기술 사이의 격차는 좁혀지지 않는다. 탐지 모델이 업데이트될 때마다 우회 기술도 빠르게 따라온다. 현재 수준에서 어떤 탐지 도구도 100% 신뢰는 무리다.

    용도별 최종 선택 기준

    상황에 맞는 툴을 고르는 게 핵심이다.

    • 교육 기관(무료 시작): GPTZero. 무료 플랜으로 시작해볼 수 있고, 교육용 UI가 잘 갖춰져 있다.
    • 대학교·기관 단위 계약: Turnitin. 이미 표절 검사 시스템을 쓰고 있다면 AI 감지를 추가하는 방식으로 운영 가능하다.
    • 콘텐츠 마케팅·SEO 에이전시: Originality.ai. API 연동과 팀 크레딧 관리가 편리하다.
    • 한국어 포함 다국어 콘텐츠: Copyleaks. 언어 지원 폭이 가장 넓다.
    • 기존 Grammarly 구독자: 별도 툴 없이 내장 AI 감지 기능을 보조 수단으로 활용하면 충분하다.

    탐지 도구는 맥락을 읽는 사람의 판단을 대체하지 못한다. 오탐 리스크를 항상 염두에 두고, 보조 수단으로만 활용하는 것이 현실적인 접근이다.

    출처: TechCrunch

    관련 기사

  • 애플 앱스토어 수수료 30% — 개발자도, 소비자도 결국 손해다

    애플 앱스토어 수수료 30% — 개발자도, 소비자도 결국 손해다

    매달 매출의 30%를 플랫폼에 낸다. 게임 아이템이든, 스트리밍 구독이든 예외 없다. 애플이 오랫동안 고수해온 이 ‘30% 룰’이 전 세계 규제 당국의 타깃이 됐다. 영국에서는 수백만 소비자가 집단 소송에 참여하는 길이 열렸고, 유럽·미국에서도 관련 소송이 줄을 잇는다.

    개발자 문제라고? 아니다. 이건 소비자 문제이기도 하다.

    앱스토어 수수료 구조, 정확히 어떻게 되나

    기본은 30%다. 연 매출 100만 달러(약 13억 원) 이하 소규모 개발자는 15%로 낮아지지만, 그 선을 넘으면 다시 30%로 돌아간다.

    • 디지털 콘텐츠·구독: 첫 해 30%, 2년 차부터 15%로 낮아짐
    • 게임 인앱 결제: 일괄 30%
    • 소규모 개발자 프로그램: 연 매출 100만 달러 이하 시 15%
    • 물리적 상품·외부 서비스 연결: 수수료 없음 (단, 앱 내 외부 결제 유도는 오랫동안 막혀 있었음)

    구글 플레이도 15~30%를 가져간다. 두 플랫폼이 모바일 앱 배포를 사실상 양분하고 있으니, 개발자 입장에서 선택지는 없다시피 하다.

    30%가 문제인 진짜 이유 — 금액이 아니라 ‘강제성’

    플랫폼이 결제 인프라, 보안 검수, 글로벌 배포망을 제공하는 대가로 비용을 받는 건 당연하다. 문제는 협상이 불가능하다는 점이다.

    iOS에서 앱을 설치하는 경로는 앱스토어 하나뿐이다. “싫으면 iOS를 포기해라”는 말이나 마찬가지인데, 아이폰이 프리미엄 고객층을 쥐고 있는 상황에서 이건 현실적으로 선택 불가다. 각국 규제 당국이 이 구조를 반독점법상 ‘끼워팔기’나 ‘시장 지배적 지위 남용’으로 보는 이유가 여기 있다.

    개발자들이 받는 실질적 타격

    넷플릭스, 스포티파이 같은 대형 서비스는 일찌감치 방법을 찾았다. 앱 안에서 구독 결제를 막고 웹 브라우저로 유도하는 식이다. 중소 개발자한테 그 선택지는 없다.

    • 앱 내 월정액 9,900원짜리를 팔면 개발자 손에는 6,930원이 남는다
    • 서버비, 마케팅비 빼면 마진이 거의 사라진다
    • 수익성이 낮아지면 가격을 올릴 수밖에 없고, 부담은 소비자한테 넘어간다
    • 스타트업은 초기에 수익의 30%를 뺏기면 투자 회수 기간이 급격히 늘어난다

    스포티파이는 유럽 소송에서 직접 밝혔다. “앱스토어 수수료 때문에 프리미엄 요금을 올릴 수밖에 없었다”고. 개발자 문제가 소비자 문제로 이어지는 구조다.

    소비자도 결국 더 비싸게 산다

    앱스토어에서 구독을 결제하면 동일 서비스를 웹에서 살 때보다 비싼 경우가 많다. 개발사가 수수료를 가격에 얹기 때문이다.

    어떤 음악 스트리밍 서비스가 앱스토어 안에서는 월 14,900원, 자사 웹사이트에서는 월 10,900원이라면, 그 4,000원 차이는 소비자가 애플에 내는 간접 수수료나 다름없다.

    더 찝찝한 건, 대부분이 이걸 모른다는 것이다. 앱 아이콘 눌러서 바로 결제하는 게 편하니까. 같은 서비스를 더 비싸게 사는 줄도 모르고 넘어가는 경우가 허다하다. 영국 소송의 핵심 논리 중 하나가 바로 이 ‘정보 비대칭’이다.

    세계 각국 규제가 동시에 움직이는 이유

    애플 앱스토어 수수료를 둘러싼 법적 분쟁은 영국만이 아니다.

    • EU: 디지털시장법(DMA) 시행 후 서드파티 앱스토어 허용을 강제. 유럽 아이폰에서는 앱스토어 외 경로로 앱 설치가 가능해졌다
    • 미국: 에픽게임즈 소송에서 1심은 일부 패소였지만, 법원은 개발자에게 외부 결제 링크를 막는 건 위법이라고 판시했다
    • 한국: 앱스토어 내 제3자 결제 허용을 의무화하는 전기통신사업법 개정안이 세계 최초로 통과됐다
    • 일본: 독점금지법 위반 우려로 애플이 외부 결제 링크 허용에 합의했다

    방향이 수렴되고 있다. 앱스토어를 독점 배포 경로로 유지하면서 외부 결제를 막는 구조는 법적으로 점점 버티기 힘들어지는 추세다.

    수수료가 낮아지면 뭐가 달라질까

    낙관적으로 보면, 경쟁이 생기면 수수료가 내려가고 개발자는 가격을 낮출 여지가 생긴다. 그런데 현실은 조금 다르다.

    애플이 수수료를 낮춰도 개발자가 그걸 소비자에게 돌려줄 보장은 없다. 앱 가격은 수요와 경쟁으로 결정되는 측면이 크기 때문에, 수수료가 15%로 낮아진다고 구독료가 비례해서 내려가지는 않을 가능성이 높다.

    더 의미 있는 변화는 서드파티 앱스토어 허용이다. EU에서 이미 시행 중인데, 경쟁 스토어가 생기면 애플도 자연스럽게 수수료를 낮출 압박을 받는다. 물론 애플이 서드파티 스토어에 보안 요건을 까다롭게 걸고 있어서 얼마나 실질적인 경쟁이 될지는 더 봐야 안다.

    지금 개발자가 현실적으로 고를 수 있는 선택지

    규제가 완전히 자리 잡으려면 시간이 걸린다. 당장 앱스토어 의존도를 줄이고 싶다면 몇 가지 방향이 있다.

    • 웹 결제로 유도: 앱 내 구독 버튼 대신 웹사이트로 연결. 미국은 법원 판결 이후 외부 링크 삽입이 가능해졌다. 다만 사용자 경험이 분산되는 단점은 감수해야 한다
    • 안드로이드 비중 높이기: 구글 플레이도 수수료 구조가 비슷하지만, 안드로이드는 APK 직접 배포나 제3자 마켓이 훨씬 자유롭다
    • B2B 모델 전환 검토: 기업 고객 대상 서비스는 앱스토어를 안 거치는 엔터프라이즈 계약이 가능하다
    • EU 규정 적극 활용: 유럽 시장 비중이 크다면 DMA 조항을 이용해 서드파티 결제를 도입하는 게 실질적인 절감으로 이어진다

    단기에 수수료를 줄이는 묘수는 없다. 결국 플랫폼 의존도를 낮추는 방향으로 서비스 구조 자체를 설계하는 게 장기적으로 유효한 전략이다.

    애플이 자발적으로 구조를 바꿀 가능성은 낮다. 앱스토어는 애플 서비스 사업부의 핵심 수익원이고, 서비스 매출이 하드웨어 판매 못지않게 커진 지금은 더더욱 그렇다. 변화가 온다면 규제와 소송의 결과일 것이고, 그 흐름은 이미 여러 나라에서 동시에 진행 중이다.

    출처: BBC Tech

    관련 기사

  • 슈퍼마리오가 NP-hard 문제라고? P vs NP와 알고리즘 복잡도 제대로 이해하기

    슈퍼마리오가 NP-hard 문제라고? P vs NP와 알고리즘 복잡도 제대로 이해하기

    슈퍼마리오 레벨을 클리어하는 게 수학적으로 NP-hard 문제와 동치라는 논문이 있다. MIT를 비롯한 여러 대학 연구자들이 실제로 증명해냈다. 황당하다고 느끼는 게 정상이다. 근데 이 발견이 컴퓨터 과학에서 수십 년째 아무도 못 풀고 있는 최대 난제와 직결된다. P vs NP 문제다.

    복잡도란 ‘어려움의 등급’이다

    컴퓨터 과학에서 ‘복잡도(complexity)’는 코드가 복잡하냐의 문제가 아니다. 입력 크기가 커질수록 시간과 자원이 얼마나 빠르게 늘어나는지를 보는 개념이다.

    100개짜리 리스트를 정렬하는 건 빠르다. 그 알고리즘으로 1,000,000개를 정렬하면? 성능 차이가 선형적(O(n))이냐 기하급수적(O(2^n))이냐에 따라 실제로 쓸 수 있는 알고리즘인지 아닌지가 완전히 갈린다. 이론이 아니라 현실 얘기다.

    여기서 두 클래스가 나온다.

    • P (Polynomial time): 다항식 시간 안에 풀 수 있는 문제. 컴퓨터가 빠르게 답을 낸다.
    • NP (Nondeterministic Polynomial time): 답이 주어지면 다항식 시간에 검증은 되는데, 직접 푸는 건 아직 느린 문제들.

    핵심 질문이 바로 이거다. P = NP인가? 즉, “답 확인이 빠른 모든 문제는 풀기도 빠른가?” 아직 아무도 모른다. 밀레니엄 수학 7대 난제 중 하나고, 증명하면 상금이 100만 달러다. 수십 년째 빈 봉투다.

    NP-hard, 이게 가장 무거운 등급이다

    NP-hard는 NP에 속하는 모든 문제보다 최소한 같거나 더 어려운 문제들을 묶은 클래스다. 교과서에 단골로 나오는 예시가 셋 있다.

    • 외판원 문제(Travelling Salesman Problem): n개 도시를 전부 한 번씩 방문하는 최단 경로 찾기
    • 배낭 문제(Knapsack Problem): 무게 제한이 있는 배낭에 가치 합계를 최대로 담는 물건 선택
    • SAT 문제: 논리식을 참으로 만드는 변수 조합 찾기

    공통점은 하나다. 입력이 조금만 커지면 완전 탐색(brute force)으로는 우주 나이보다 오래 걸린다. 그래서 실전에서는 근사 알고리즘이나 휴리스틱으로 버틴다. 완벽한 답이 아니라 “충분히 괜찮은 답”을 구하는 방식이다.

    슈퍼마리오가 NP-hard인 이유

    MIT를 비롯한 여러 대학 컴퓨터 과학자들이 슈퍼마리오 브라더스 레벨 클리어 가능성 판단 문제가 NP-hard임을 수학적으로 증명했다. 접근법이 꽤 기발하다. 레벨을 논리 회로로 변환하는 방식이다.

    마리오가 특정 경로를 지나는지 여부를 AND 게이트, OR 게이트처럼 표현하는 구조가 성립한다. 파이프, 적, 블록의 배치가 논리 연산을 수행하도록 설계되면, 그 레벨을 클리어하는 방법을 찾는 게 SAT 문제를 푸는 것과 구조적으로 같아진다. 솔직히 처음 이 논문을 봤을 때 “이게 진짜 연구야?” 싶었는데, 엄연한 수학적 증명이다.

    결국 임의의 슈퍼마리오 레벨이 클리어 가능한지 판단하는 알고리즘은 이론상 NP-hard다. 사람은 직관과 경험으로 빠르게 풀어내는 것처럼 보이지만, 컴퓨터가 보편적으로 처리하기엔 구조 자체가 극도로 어렵다. 마리오만이 아니다. 테트리스, 포켓몬, 젤다의 전설 시리즈도 같은 분석을 받았다.

    그래서 현실에서 뭐가 달라지나

    “게임이 NP-hard면 나한테 무슨 상관이야”라고 생각할 수 있다. 생각보다 파장이 있다. 세 가지만 짚는다.

    첫째, AI 게임 플레이어 개발 난이도를 설명해준다. 구글 딥마인드가 알파고로 바둑을 정복했지만, 슈퍼마리오처럼 복잡한 레벨 구조의 게임에서 AI가 고전하는 이유 중 하나가 이 계산 복잡도 구조다. 모든 경우를 탐색할 수 없으니, 강화학습으로 근사치를 찾는 방식을 쓸 수밖에 없다.

    둘째, 레벨 디자인 자동화에 이론적 한계가 있다. AI로 게임 레벨을 자동 생성하는 기술이 발전하고 있지만, 최적 레벨인지 검증하는 것 자체가 NP-hard다. 완전 자동화에는 벽이 있다는 뜻이다. 이건 좀 아이러니하다 — 만들 수는 있어도 최적인지 확인하기가 더 어렵다.

    셋째, 알고리즘 교육에서 강력한 도구가 된다. 추상적인 P/NP 개념을 게임으로 설명하면 체감 속도가 다르다. 코딩 교육에서 게임 기반 학습 효과가 꾸준히 연구로 나오는 것도 이 맥락이다.

    P vs NP를 파고 싶다면, 이 순서로

    흥미가 생겼다면 진입 경로가 몇 가지 있다. 수준별로 골라도 된다.

    • 《Introduction to the Theory of Computation》 by Michael Sipser — 계산 이론의 교과서. 복잡도 이론을 처음부터 체계적으로 다룬다.
    • Scott Aaronson의 블로그 ‘Shtetl-Optimized’ — MIT 교수가 직접 운영하며, 계산 복잡도를 일반인도 따라갈 수 있게 풀어쓴다.
    • Coursera의 ‘Algorithms’ 시리즈(Stanford) — Tim Roughgarden 교수 강의로, 복잡도 이론 파트가 포함돼 있다.
    • 코딩테스트 플랫폼(BOJ, LeetCode) — NP-hard 문제를 직접 근사적으로 풀어보는 게 체감상 가장 빠르다. 이론보다 손이 먼저다.

    수학 배경이 없어도 개념 이해는 된다. 증명까지 파고들려면 이산수학과 집합론 기초가 있으면 좋지만, “왜 어떤 문제는 컴퓨터로도 빠르게 못 푸는가”라는 감을 잡는 데는 진입 장벽이 높지 않다. 일단 시작해보면 안다.

    게임 속에 수학이 숨어 있었다

    어린 시절 거실에서 조이스틱을 잡으며 무의식적으로 다루던 구조 속에, 수십 년째 전 세계 수학자들이 매달려 있는 문제가 숨어 있었다. 이상한 얘기 같지만 사실이다.

    P vs NP 문제가 풀리지 않는 한, 슈퍼마리오 레벨 클리어 가능성을 판단하는 알고리즘은 이론상 완벽하게 효율적일 수 없다. 그 사실이 오히려 게임을 더 흥미로운 연구 대상으로 만든다. 컴퓨터 과학의 핵심 개념들이 게임, 퍼즐, 일상 문제에서 영감을 받아 발전해 온 건 우연이 아니다. 좋은 문제는 늘 의외의 곳에 있었다.

    출처: MIT Tech Review AI

    관련 기사

  • 맥북 에어 vs 맥북 프로 차이점 총정리 — 어떤 걸 사야 할까

    맥북 에어 vs 맥북 프로 차이점 총정리 — 어떤 걸 사야 할까

    에어냐 프로냐. 이 선택 앞에서 막히는 사람이 정말 많다. 가격 차이가 최소 수십만 원, 많으면 100만 원 이상인데, 그 돈이 실제로 값어치를 하는지가 핵심이다.

    애플 공식 사이트 기준으로 맥북 에어 13인치(M4)는 149만 원대, 맥북 프로 14인치(M4 Pro)는 249만 원대부터 시작한다. 숫자만 보면 프로가 훨씬 비싸 보이는데, 막상 써보면 에어로도 충분한 사람이 생각보다 많다. 반대로 에어 샀다가 6개월 뒤 후회하는 경우도 있고. 사기 전에 내가 어느 쪽인지 알기가 쉽지 않다는 게 문제다.

    겉모습부터 다르다

    디자인 차이가 꽤 눈에 띈다. 에어는 앞이 얇고 뒤가 두꺼운 테이퍼드(wedge) 형태, 프로는 위아래가 균일한 직사각형이다. 무게는 에어 13인치가 1.24kg, 프로 14인치가 1.61kg. 0.37kg 차이인데, 매일 들고 다니다 보면 이게 제법 체감된다.

    포트 구성도 확실히 다르다. 에어는 USB-C(썬더볼트 3) 2개와 헤드폰 잭이 전부다. 프로는 여기에 HDMI 포트, SD카드 슬롯, 마그세이프 충전 포트까지 붙는다. 허브 없이 외부 모니터 연결하고 카메라 메모리카드 바로 꽂고 싶다면, 에어 쓰다 프로로 넘어왔을 때 이 부분이 가장 먼저 편하다는 걸 느끼게 된다.

    칩 성능 차이, 실제로 얼마나 날까

    에어는 M4 칩, 프로는 M4 Pro 혹은 M4 Max 칩이다. 그런데 일반 작업에서는 솔직히 체감이 별로 없다.

    • 문서 작업, 웹 브라우징, 유튜브·넷플릭스 시청: 에어와 프로 차이 없음
    • 4K 영상 편집, 색보정 작업: 프로가 눈에 띄게 빠름
    • 3D 렌더링, 게임 개발, AI 모델 학습: 프로가 필수 수준
    • 코딩·개발 환경 구동: 에어도 충분하나, 도커 컨테이너를 여럿 동시에 올릴 때는 프로가 유리

    결정적인 차이는 지속 성능(sustained performance)이다. 에어는 팬이 없는 패시브 쿨링 구조라, 고부하 작업을 오래 돌리면 쓰로틀링이 걸린다. 프로는 팬이 달려 열을 적극적으로 빼낸다. 몇 시간짜리 렌더링이나 영상 인코딩을 끊임없이 돌려야 한다면 에어는 솔직히 한계가 있다.

    에어가 딱 맞는 사람

    이 중에 해당되면 에어로 충분하다:

    • 카페, 도서관, 출퇴근길 — 이동이 잦은 라이프스타일
    • 문서 작업, 웹 검색, 유튜브, 넷플릭스가 주 용도
    • 가끔 가벼운 포토샵이나 사진 보정
    • 웹 프론트엔드나 스크립트 위주의 가벼운 개발 작업
    • 예산이 150~200만 원대

    대학생이나 직장인 중에 에어로 아무 불편 없이 쓰는 경우가 정말 많다. M4 칩 자체가 이미 충분히 강력하니까. 에어의 한계는 ‘오래 돌리는 것’이지, ‘처음 돌리는 것’이 아니다. 이 차이가 의외로 중요하다.

    프로가 필요한 사람

    다음 중 하나라도 해당되면 프로로 가야 한다:

    • 4K 이상 영상 편집을 전문적으로, 자주 하는 경우
    • 음악 프로덕션, DAW 작업에 플러그인을 많이 쓰는 경우
    • 건축, 3D, VFX, 게임 개발
    • 외부 모니터, HDMI, SD카드를 허브 없이 바로 연결해야 하는 경우
    • 맥북을 거의 데스크탑처럼 고정해서 쓰는 경우

    프리랜서나 크리에이터 입장에서 작업 속도는 수익에 직결된다. 렌더링 한 번에 몇 분이 줄면 하루에 수십 분이 쌓인다. 이 관점에서 보면 프로의 가격 차이는 비용이 아니라 투자다. 처음엔 억지스럽게 들릴 수 있는데, 실제로 쓰다 보면 맞는 말이다.

    디스플레이 차이, 생각보다 크다

    프로에는 ProMotion 디스플레이가 들어간다. 화면 주사율이 최대 120Hz로 동적으로 조절되는 기술인데, 스크롤링이나 커서 이동이 확실히 부드럽다. 에어는 60Hz 고정이다. 나란히 놓고 쓰면 차이가 눈에 들어온다.

    밝기도 다르다. 프로는 최대 1600nits(HDR), 에어는 최대 500nits 수준이다. 야외나 조명이 강한 환경에서 작업할 일이 많다면 프로 화면이 훨씬 낫다. 색 표현 정확도도 프로가 한 수 위라, 영상·사진 작업자에겐 이 차이가 제법 크게 느껴진다.

    배터리 실제 사용 시간 비교

    애플 공식 스펙상 맥북 에어 M4는 최대 18시간, 맥북 프로 M4 Pro 14인치는 최대 24시간이다. 실사용 환경(와이파이 연결, 밝기 50%, 앱 여러 개 동시 실행)에서는 에어가 8~12시간, 프로가 10~15시간 정도 나온다.

    재밌는 건, 무거운 작업을 돌릴 때 에어는 열이 쌓여 배터리 소모가 빨라진다는 점이다. 반면 프로는 팬으로 온도를 잡으면서 전력 효율을 유지한다. 고부하 상황에서 배터리 지속 시간이 프로가 더 길게 나오는 역전 현상이 생기기도 한다. 이건 좀 의외의 포인트다.

    결국 이렇게 고르면 된다

    딱 하나만 기억하면 된다: 팬이 필요한 작업을 하느냐, 아니냐.

    영상 편집, 3D, 렌더링처럼 CPU·GPU를 오랫동안 풀가동해야 하는 작업이 주 업무라면 프로. 일반 사무·학업·콘텐츠 소비가 주라면 에어로도 충분하다.

    예산이 빠듯하다면 최신 에어보다 이전 세대 프로를 리퍼(공식 인증 중고)나 할인 기간에 노리는 것도 방법이다. 애플 공식 리퍼 스토어나 주요 유통채널의 할인 이벤트를 잘 활용하면 수십만 원을 아낄 수 있다.

    결정이 어렵다면 스스로에게 물어봐라. “지금 쓰는 노트북에서 가장 답답했던 게 뭐였나?” 답이 ‘처리 속도’라면 프로, ‘무게와 휴대성’이라면 에어다. 대부분의 고민은 이 질문 하나로 끝난다.

    출처: Wired

    관련 기사

  • AI가 오프사이드를 판정한다 — 스포츠 심판 기술의 현재와 한계

    AI가 오프사이드를 판정한다 — 스포츠 심판 기술의 현재와 한계

    아르헨티나 대 프랑스, 연장 종료 12분 전. 심판은 수초 만에 결정을 내렸다. 메시가 연루된 장면이었고, 오심이면 역사에 남을 판정이었다. MIT 테크 리뷰가 이 장면을 AI 판정 맥락에서 집중 조명한 건 그냥 지나칠 수 없는 시점이었기 때문이다. 스포츠에서 AI가 심판 눈을 대신하는 시대, 2022 카타르 월드컵에서 이미 시작됐다.

    VAR은 사실 AI가 아니다

    많은 사람이 VAR을 AI 판정이라고 생각하는데, 틀렸다. VAR(Video Assistant Referee)은 2018 러시아 월드컵부터 FIFA가 공식 도입했지만, 본질은 영상 리플레이다. 사람이 화면을 돌려보고 사람이 판단한다. AI가 끼어드는 구간이 없다. 그러니 논란이 끊이지 않는 것이다. 결정 주체가 여전히 인간이니까.

    진짜 AI 심판의 시작은 따로 있다. 반자동 오프사이드 기술(SAOT, Semi-Automated Offside Technology). 카타르 월드컵부터 FIFA가 공식 채택한 이 시스템은 컴퓨터 비전과 AI로 오프사이드를 판정한다. 인간 판단 개입이 없다. 완전히.

    선수 몸을 29개 점으로 쪼개는 기술

    SAOT 작동 방식은 세 요소가 맞물린다.

    • 29개 데이터 포인트: 선수 몸 전체를 관절 좌표 29개로 추적한다. 발끝부터 어깨까지 실시간 3D 모델로 재구성한다
    • 12대의 전용 카메라: 경기장 지붕에 설치. 초당 50프레임으로 모든 선수 위치를 기록한다
    • 공 내부 IMU 센서: 킥이 일어난 순간을 정밀하게 포착해 패스 타이밍을 특정한다

    세 데이터를 합치면 AI는 킥 순간의 선수 위치를 3D로 복원하고 오프사이드 라인을 자동 계산한다. 판정 시간은 기존 VAR 평균 70초 대비 약 27초. 절반도 안 걸린다.

    실제 경기에서 어떻게 쓰였나

    카타르 월드컵에서 SAOT는 총 22건의 오프사이드 장면에 적용됐다. 사람 눈으로는 판별 자체가 불가능한 장면들이 다수였다. 밀리미터 단위 차이로 오프사이드가 선언되는 장면이 여러 번 나왔고, 시각화된 판정선이 공개되면서 팬들 사이에서 찬반이 엇갈렸다. 솔직히 그 선을 처음 봤을 때, ‘이게 맞냐’는 생각이 드는 게 자연스러웠다.

    테니스는 이미 더 앞서 있다. 호크아이(Hawk-Eye) 시스템은 2000년대 중반부터 볼 아웃/인 판정에 쓰였고, 2021년 US 오픈부터는 라인 심판을 아예 없앴다. 전자 판정으로 완전 대체. 야구 MLB도 2024 시즌부터 일부 경기에서 자동 볼/스트라이크 판정(ABS) 시험 운영을 확대하고 있다.

    기술이 정확하다고 공정한 건 아니다

    비판은 두 방향에서 나온다.

    하나는 모델 자체의 가정 문제다. SAOT가 선수 몸을 29개 포인트로 표현할 때, 그 포인트는 실제 신체 외곽선이 아닌 추정값이다. 팔이 뻗은 방향이나 각도에 따라 몸의 경계가 달라질 수 있는데, 처리 방식에 따라 결과도 바뀐다. 더 문제인 건 “AI가 틀릴 리 없다”는 신뢰가 오히려 이의 제기 자체를 막는다는 점이다. 정확성이 곧 공정성은 아닌데, 그게 혼동된다.

    다른 하나는 스포츠 고유의 판단 영역이다. 핸드볼에서 의도성을 읽거나, 태클이 정당한지를 맥락 안에서 판단하는 일은 AI가 대체하기 어렵다. FIFA가 오프사이드처럼 기준이 명확한 판정부터 자동화를 시작한 이유도 여기 있다. 룰이 단순할수록 AI가 유리하다.

    심판을 없앨 건가, 더 낫게 만들 건가

    스포츠 업계의 방향은 완전 자동화가 아닌 인간-AI 협업이다. FIFA, NBA, MLB 모두 AI를 보조 도구로 쓰고, 최종 결정권은 인간 심판에게 남겨둔다. 완전 자동화가 현실이 되려면 조건이 있다.

    • 판정 알고리즘의 공개 검증 — 현재 대부분의 시스템은 블랙박스에 가깝다
    • 경기 맥락을 이해하는 상황 추론 모델
    • 오작동 시 책임 소재의 법적 정리

    기술적으로는 충분히 가능한 방향이지만, 제도적·문화적 합의가 기술보다 훨씬 느리게 따라온다. 이게 늘 문제다.

    다음 전선 — 반칙 자동 감지와 심판 평가

    스포츠 AI 판정의 다음 전선은 반칙 감지 자동화다. 스탠퍼드대와 MIT에서 진행 중인 연구들은 선수 간 접촉 강도와 각도를 분석해 태클 정당성을 분류하는 모델을 훈련 중이다. 아직 실제 경기 적용 단계는 아니다. 5~10년 내 보조 도구로 등장할 가능성은 충분히 열려 있다.

    더 빠르게 움직이는 쪽은 심판 평가 시스템이다. 이미 여러 리그에서 AI로 심판의 판정 패턴을 분석하고, 일관성이 떨어지는 영역을 식별해 훈련에 반영하고 있다. 심판을 없애는 게 아니라 더 나은 심판을 만드는 데 AI를 쓰는 방식이다. 이 방향이 오히려 현실적이다.

    결국 방향은 하나다. AI가 밀리미터를 재는 동안, 심판은 그라운드 위 더 큰 흐름을 읽는다. 인간 심판의 부담을 줄이되, 스포츠가 가진 인간적 드라마는 남긴다. 역할의 진화다.

    출처: MIT Tech Review AI

    관련 기사

  • ChatGPT 질문 하나가 구글 검색 10배 전력? AI 데이터센터 에너지 실태 정리

    ChatGPT 질문 하나가 구글 검색 10배 전력? AI 데이터센터 에너지 실태 정리

    ChatGPT 쿼리 하나를 처리하는 데 구글 검색의 약 10배 전력이 든다. 검색 한 번이 아니라 질문 하나에. AI 모델 학습에는 일반 가정 수십 년치 전기가 필요하다는 추산도 있다. 빅테크 기업들이 데이터센터 부지를 물색하면서 직접 발전소를 짓는 이유가 여기에 있다.

    데이터센터, 전기 어디에 쓰나

    데이터센터 전력 소비는 서버 구동, 냉각 시스템(HVAC), 네트워크 장비, 비상 전력 네 축으로 나뉜다. 이 중 냉각이 전체의 30~50%를 잡아먹는다. AI용 고밀도 GPU 서버가 들어오면 냉각 부담은 더 커진다. 서버가 뜨거울수록 더 식혀야 한다는 단순한 이치다.

    국제에너지기구(IEA)에 따르면 전 세계 데이터센터 전력 소비량은 이미 일부 중소 국가 전체를 넘어섰다. 미국 기준으로 전체 전력의 약 2%를 데이터센터가 쓴다. AI 수요가 계속 늘면 이 수치는 빠르게 오른다.

    효율 지표는 PUE(Power Usage Effectiveness)다. 이상적 값은 1.0, 글로벌 평균은 약 1.5. 구글, 마이크로소프트 같은 하이퍼스케일러들은 자체 냉각 기술로 1.1~1.2대를 찍는다. 문제는 효율이 개선돼도 절대 사용량 자체가 폭증하고 있다는 것. 분모가 커지면 아무리 효율을 높여도 총량이 줄지 않는다.

    생성형 AI가 뒤흔든 전력 수요 곡선

    2022년 이전까지 데이터센터 전력 수요는 완만하게 올랐다. ChatGPT 등장 이후 그 곡선이 꺾였다. 가파르게.

    핵심 하드웨어인 엔비디아 H100 한 장의 TDP(열설계전력)가 700W다. H200은 그보다 더 높다. 수천 장을 병렬로 돌리는 AI 클러스터의 소비 전력은 소형 발전소 수준이다. 과장이 아니다.

    마이크로소프트, 구글, 아마존, 메타는 수조 원 규모의 데이터센터 투자를 경쟁적으로 발표하고 있다. 문제는 인허가, 건설, 전력 인프라 구축에 수년이 걸린다는 현실이다. 전력망이 이 속도를 따라가지 못하고 있다는 게 업계의 공통된 걱정이다.

    재생에너지 선언, 이상과 현실 사이

    마이크로소프트, 구글, 아마존은 모두 “재생에너지 100% 운영”을 목표로 내세운다. 태양광·풍력 구매계약(PPA)을 대규모로 체결하고, 탄소 상쇄권도 사들인다.

    그런데 구조적 한계가 있다. 태양광은 밤에 발전 못 한다. 풍력은 바람이 없으면 멈춘다. 배터리 저장 기술이 빠르게 발전하고는 있는데, 메가와트급 24시간 안정 전력을 재생에너지만으로 공급하는 건 아직 기술적·경제적 도전이다. 솔직히 멀었다.

    그래서 빅테크가 현실적으로 고르는 에너지원은 세 갈래다:

    • 천연가스(LNG): 탄소 배출이 있지만 석탄 대비 절반 수준이고, 수급이 안정적
    • 소형 모듈 원자로(SMR): 마이크로소프트와 구글이 투자 중이지만 상용화까지 수년
    • 지열: 아이슬란드 등 일부 지역에서 활용 가능하지만 지리적 제약이 크다

    천연가스 데이터센터가 다시 뜨는 이유

    “탈탄소”를 외치던 기업들이 20년 장기 천연가스 계약을 맺는다. 모순처럼 보이는데, 이유가 있다.

    미국 주요 도시 인근 전력망은 이미 포화다. 재생에너지 프로젝트를 신청해도 연결까지 5~10년 대기가 흔하다. 자체 발전소를 짓는 게 오히려 빠를 수 있다. 경쟁사가 먼저 인프라를 확보하면 시장을 잃는다. 재생에너지의 안정적 공급을 기다리기엔 AI 시장 경쟁 속도가 너무 빠르다. 지정학적 리스크까지 높아지면서 외부 전력망에 의존하지 않는 자립형 구조를 선호하는 기업도 늘고 있다.

    TechCrunch 보도에 의하면 마이크로소프트는 셰브런과 20년짜리 천연가스 데이터센터 계약을 체결했다. 탄소 공약을 포기한 게 아니라, 단기적으로 천연가스를 브리지 에너지로 쓰면서 장기적으로는 SMR과 재생에너지로 전환하겠다는 전략이다. 말이 되는 계산이다.

    “재생에너지 100%”는 진짜인가, 마케팅인가

    솔직히 말하면, 현재 기술로 “재생에너지 100% 데이터센터”는 마케팅에 가깝다. 탄소 상쇄권(Carbon Credit)을 사서 장부상으로만 100%를 달성하는 경우가 많다. 실제 소비 전력 중 재생에너지 비율은 회사마다, 지역마다 천차만별이다.

    진짜 의미 있는 지표는 24/7 CFE(Carbon-Free Energy)다. 구글이 2030년까지 달성하겠다고 발표한 이 목표는, 매 시간 실제로 탄소 없는 전기를 쓰겠다는 뜻이다. 이게 진짜 어렵다. 숫자가 아니라 구조를 바꿔야 하니까.

    이 문제를 푸는 카드 중 하나가 SMR이다. 마이크로소프트는 폐쇄됐던 스리마일 아일랜드 원전을 재가동하는 계약을 맺었다. 구글은 Kairos Power와 SMR 공급 계약을 체결했다. 아직 상용화 전이지만, 2030년대 초반에는 실제 공급이 시작될 것으로 업계는 예상한다.

    클라우드·AI 서비스 고를 때 에너지 정책도 체크리스트에 넣자

    클라우드 서비스나 AI 도구를 평가할 때 확인해볼 지표들:

    • 연간 지속가능성 보고서(Sustainability Report) 발행 여부
    • PPA(재생에너지 구매계약) 비율과 실제 커버리지
    • Scope 1, 2, 3 탄소 배출 공개 여부
    • 24/7 CFE 목표 선언 여부

    빅테크의 에너지 선택은 환경 이슈만이 아니다. 전력 비용은 데이터센터 운영비의 30~40%다. 에너지 전략이 곧 가격 경쟁력이고, 장기적으론 서비스 지속성과도 이어진다. SMR, 지열, 배터리 저장, 브리지 에너지로서의 천연가스 — 이 선택지들이 향후 AI 산업의 판도를 결정하는 변수다.

    출처: TechCrunch

    관련 기사

  • 2026년 콘솔 vs PC 게이밍 비용, 솔직하게 계산해봤다

    2026년 콘솔 vs PC 게이밍 비용, 솔직하게 계산해봤다

    플레이스테이션 5 초기 정가는 499달러였다. 지금은 그 가격에 살 수 없다. 닌텐도 스위치 후속 기종도 전 세대보다 가격표가 높아졌고, PC 그래픽카드는 RAM 공급 부족 여파로 다시 오름세다. 콘솔이냐 PC냐 — 이 선택이 예전만큼 단순하지 않다.

    콘솔, 진짜 총비용은 얼마일까

    콘솔은 초기 비용이 고정되어 있어서 예산 짜기가 쉽다는 이미지가 있다. 근데 본체만 사면 끝이 아니거든요. 뚜껑을 열어보면:

    • 멀티플레이 구독료: PS Plus나 Xbox Game Pass는 연간 6~12만 원
    • 추가 컨트롤러: 정품 듀얼센스 하나에 8~9만 원. 친구라도 오면 무조건 하나 더 필요하다
    • 신작 게임 가격: 주요 타이틀 기준 8~10만 원, 인상 추세
    • 전용 스토리지 확장: PS5용 NVMe SSD는 규격 제한이 있어서 20~40만 원

    본체만 40~70만 원이라 해도, 첫 해에 그럴싸한 게임 환경을 갖추다 보면 100만 원은 금방 넘긴다. ‘저렴한 진입’이라는 이미지와 실제 지출 사이엔 꽤 큰 간격이 있는 셈이다.

    PC는 초기에 아프지만, 3년 뒤엔 이야기가 달라진다

    PC의 진입 장벽은 진짜 높다. 중급 게이밍 PC를 새로 맞추면 최소 100~150만 원이고, 고사양 빌드는 300만 원도 우습게 넘긴다. 이건 부정할 수 없는 사실이다.

    그래도 장기로 보면 그림이 달라진다.

    • 스팀 세일 기간엔 신작도 30~70% 할인이 일상이다
    • PC 게임은 세대 교체 개념이 없다. 10년 전 게임도 그냥 돌아간다
    • GPU만 교체하면 본체 전체를 바꿀 필요가 없다
    • 영상 편집, 스트리밍, 업무까지 한 대로 처리된다

    게임 가격 차이만 3~5년치 쌓으면 PC 구매 비용이 상쇄되는 사례가 적지 않다. 게임을 자주 사는 스타일이라면 PC의 경제성이 꽤 실감 나게 드러난다.

    RAM 공급 부족, 콘솔이든 PC든 피해갈 수 없다

    최근 하드웨어 가격 급등의 핵심 이유가 전 세계적인 RAM 공급 부족이다. The Verge 보도를 보면, 이 현상은 콘솔과 PC를 가리지 않고 다 건드리고 있다.

    RAM은 게임 콘솔에도, 그래픽카드에도, 일반 PC 메모리에도 들어간다. 공급이 줄면 줄줄이 오른다. 구조적인 문제라 단기간에 풀릴 성질이 아니다 — 반도체 공장 증설에는 수 년이 걸리고, 지정학적 변수도 여전하다.

    솔직히 지금 가격이 ‘일시적 거품’보다는 새로운 기준선이 될 가능성이 높다. 이 전제 위에서 기기를 골라야 한다.

    콘솔이 맞는 상황

    PC가 무조건 정답은 아니다. 콘솔이 훨씬 합리적인 선택인 경우가 분명히 있다.

    • TV 앞 소파 게이밍을 즐긴다면: 콘솔은 거실 환경에 맞게 설계됐다
    • 세팅이 귀찮다면: 드라이버 충돌, 최적화 이슈, OS 설정 같은 것들을 피하고 싶다면 콘솔이 낫다
    • 독점 타이틀이 목적이라면: 갓오브워, 스파이더맨, 젤다 시리즈는 PC로 오지 않는다
    • 예산이 고정됐고 당장 시작하고 싶다면: 초기 투자 측면에서는 콘솔이 낮다

    PC가 맞는 상황

    • 게임 구매 빈도가 높다면: 스팀 세일 혜택이 쌓이면 진짜 차이가 난다
    • 모딩·커스터마이징을 즐긴다면: 콘솔에서는 접근조차 어려운 영역이다
    • 게임과 작업을 병행한다면: 방송, 편집, 업무까지 한 대로 돌아간다
    • 오래된 게임 라이브러리를 쓰고 싶다면: 하위 호환성에서 PC가 압도적이다
    • 프레임·해상도에 민감하다면: 고사양 PC는 콘솔 대비 퍼포먼스 상한이 훨씬 높다

    결국 어떤 기준으로 고를까

    단순하게 잘라 말하면: 게임을 많이 사고 오래 하는 사람은 PC, 특정 독점작을 즐기거나 간편함을 원하는 사람은 콘솔이다.

    다만 둘 다 예전보다 비싸졌다는 걸 전제로 계산을 시작해야 한다. ‘콘솔은 저렴하다’는 공식은 이미 옛말이다. 본체 가격도 올랐고, 게임값도 올랐고, 주변기기도 올랐다. ‘어떤 게 더 저렴하냐’는 질문보다 ‘어떤 게 내 사용 패턴에 맞냐’를 먼저 따져보는 편이 낫다.

    예산이 빠듯하다면 이전 세대 콘솔 중고 구입이나 디지털 에디션 조합을 노리는 게 현실적이다. PC라면 그래픽카드를 중고로 구하고 나머지는 신품으로 맞추는 방식이 초기 비용을 낮추는 데 효과적이다.

    핵심만 3줄로

    • 콘솔은 초기 비용이 낮아 보이지만 구독료·게임값을 합산하면 총비용은 생각보다 높다
    • PC는 초기 투자가 크지만 세일 혜택과 다목적 활용 덕에 장기 비용 회수가 빠르다
    • RAM 공급 부족으로 콘솔·PC 모두 가격이 올랐고, 이 추세는 당분간 이어질 공산이 크다
    • 선택 기준은 가격보다 사용 습관과 원하는 게임 타이틀에 달려 있다

    출처: The Verge

    관련 기사