소식

  • 로봇청소, 공짜로 해줄게…대신 찍어도 될까?

    로봇청소, 공짜로 해줄게…대신 찍어도 될까?

    뉴욕에서 황당하면서도 솔깃한 제안이 나왔다. AI 훈련 스타트업 시프트(Shift)가 집 청소를 무료로 해주겠다고 나선 것이다. 런던 등 다른 도시 확장 계획도 있다는데, 처음 들으면 “어, 진짜?” 싶다가 바로 “뭔가 있겠지”로 이어진다. 맞다. 있다.

    공짜 청소의 진짜 값어치

    Shift가 원하는 건 하나다. 집 안에서 사람이 움직이는 영상 데이터. The Verge가 전한 바에 따르면, 이 스타트업은 무료 청소 서비스 대신 입주자의 일상 행동을 카메라로 기록하는 걸 요청한다. 물건 옮기기, 설거지, 세탁기 돌리기, 정리정돈—이 모든 소소한 동작이 기록 대상이다.

    이게 왜 필요한지는 명확하다. 로봇이 집에서 자연스럽게 일하려면 사람이 실제로 어떻게 움직이는지부터 배워야 한다. 텍스트나 이미지 데이터야 넘쳐나지만, 실제 부엌에서 냄비 뚜껑을 여는 손동작이나 소파 위 쿠션을 치우는 방식 같은 건 어디서 구하기가 쉽지 않다. 구글 딥마인드도 같은 이유로 로봇 훈련 데이터 확보에 고전 중이다.

    그래서 Shift가 꺼낸 카드가 이거다. “청소는 공짜로 해줄게, 대신 찍게 해줘.” 이건 상당히 영리한 방식이다. 사용자 입장에선 청소비가 절약되고, 회사 입장에선 수백 시간의 실제 생활 데이터가 쌓인다. 로봇청소기 작동, 세탁기 돌리기, 설거지, 물건 정리—아주 사소한 행동까지 전부 포함된다. 사람 손이 닿는 모든 움직임이 로봇의 학습 재료가 되는 구조다.

    AI 로봇 데이터 전쟁, 지금 어디쯤 왔나

    AI 기술은 결국 데이터 싸움이다. 로봇 AI는 현실 세계의 물리적인 상호작용을 이해해야 해서 난이도가 한 단계 더 높다. 통제된 실험실이 아니라, 진짜 집에서 찍힌 데이터여야 쓸 만하다.

    • 실제 행동 데이터의 희소성: 로봇이 예측 불가능한 환경에서 제대로 작동하려면 실험실 밖, 진짜 생활 공간의 데이터가 필수다. 부엌 구조, 물건 배치, 조명 조건—시뮬레이션으로 재현하기 어려운 변수들이 실생활엔 가득하다.
    • 수집 비용 문제: 전문 인력 고용해서 수천 시간 촬영하면 비용이 걷잡을 수 없이 불어난다. 사용자가 알아서 찍어주면 비용 구조가 완전히 달라진다.
    • 빅테크들의 새로운 공식: 무료 서비스로 데이터 확보—이 방정식이 AI 로봇 분야의 표준이 되어가는 중이다. Shift가 처음이 아닐 것이고, 마지막도 아닐 것이다.

    단순히 청소 한 번의 문제가 아니라는 게 핵심이다. AI 로봇이 가정에 들어오는 전 과정이 이런 식으로 데이터를 쌓으면서 진행될 것이다. 어떤 데이터가 필요하고, 어떻게 모으는지를 보여주는 전형적인 사례다.

    프라이버시, 어디까지 내줄 수 있나

    불안감은 당연하다. 내 집 안을 통째로 찍는다는 게 유쾌한 일은 아니니까. 데이터 익명화 처리를 거친다고는 하는데, 기술이 발전할수록 개인 식별 가능성은 높아진다. 오늘은 “청소하는 손동작 데이터”지만, 내일은 누가 몇 시에 어디서 뭘 했는지까지 역추론되는 세상이 된다.

    “데이터 제공”이 새로운 지불 수단이 된다는 말이 더 이상 SF 소설 얘기가 아니다. 공짜 서비스는 늘어나겠지만, 그 반대급부로 우리 일상의 기록이 끊임없이 쌓인다. 로봇 기술이 발전하면 집안일에 그치지 않고 간호, 교육, 요리 분야까지 로봇 활용이 확산될 것이고, 이 구조는 더 깊숙이 파고들 것이다.

    한국은 아직 먼 얘기일까

    아니다. 국내에서도 AI 로봇 스타트업과 대기업들이 이미 이 분야를 적극적으로 파고들고 있다. 언젠가 한국에서도 “무료 서비스, 대신 데이터”라는 제안이 나올 것이다. 그때 어떻게 판단할지 지금부터 생각해둘 필요가 있다.

    기업 입장에서는 데이터 수집의 투명성사용자 동의 절차를 명확히 해야 한다. 어떤 데이터를, 얼마나, 어디에 쓰는지—이걸 약관 한 줄에 묻어두면 곤란하다. 민감한 일상 데이터에 대해서는 사회적 합의가 먼저다.

    정부 차원에서도 개인정보 보호 규제를 선제적으로 손봐야 한다. 기술이 치고 나가고 규제가 뒤따라가는 패턴, AI 로봇 분야에서는 달랐으면 한다. AI 로봇이 삶의 질을 높이는 도구가 되려면, 기술 발전과 윤리적·사회적 합의가 함께 가야 한다. 공짜 청소 하나에 담긴 질문이 생각보다 크다.

    출처: The Verge

  • 전기차 배터리 핵심, 리튬 추출 기술 종류와 미래

    전기차 배터리 핵심, 리튬 추출 기술 종류와 미래

    전기차 한 대에 배터리가 없으면 그냥 쇳덩어리다. 그 배터리 성능을 가르는 핵심 광물이 리튬이다. 가볍고, 에너지 밀도가 높다. 스마트폰, 노트북, 전기차—전부 리튬 배터리가 심장이다. 이 리튬을 어떻게 캐느냐가 배터리 산업의 지속 가능성을 통째로 흔든다. 얼마나 깨끗하고, 얼마나 경제적으로 얻어내느냐가 미래 산업 경쟁력을 좌우하는 구조다.

    리튬이어야 하는 이유, 딱 하나

    현대 전기차의 핵심인 리튬이온 배터리는 양극과 음극 사이에서 리튬 이온이 오가며 전기를 만들고 저장한다. 원리는 단순하다. 리튬이 선택된 이유도 명확하다. 원자량이 작아 가볍고, 전자를 잃고 이온이 되려는 성질이 강해 높은 전압과 에너지 밀도를 동시에 구현한다. 이 조합 덕분에 전기차가 한 번 충전으로 더 멀리, 더 빠르게 달릴 수 있게 됐다.

    수요가 폭발했다. 최근 몇 년간 전기차 시장이 급팽창하면서 리튬 수요도 따라 뛰었다. 세계 각국이 탄소 중립 목표를 달성하겠다며 내연기관차 판매 중단 시점을 못 박고 전기차 전환에 속도를 내고 있다. 소비자들의 친환경 인식 변화까지 맞물리면서 리튬 시장은 유례없는 호황을 맞았다. 다만 리튬은 칠레, 호주, 중국 등 특정 지역에 몰려 있어 공급망 불안이 크다. 기존 추출 방식은 환경 문제와 높은 비용이라는 숙제를 함께 달고 다닌다. 이 복합 문제를 풀 열쇠가 바로 리튬 추출 기술이다.

    염호 vs 광산, 둘 다 문제가 있다

    지금까지 리튬은 크게 두 방식으로 생산됐다. 염호(소금 호수)에서 추출하는 방식과, 암석 광산에서 캐내는 방식. 각각의 장단이 뚜렷하다.

    • 염호 리튬 (Brine Lithium):
      • 특징: 칠레·아르헨티나·볼리비아, 이른바 ‘리튬 삼각지대’가 대표적이다. 염호의 소금물을 증발 연못에 퍼 올려 수개월에서 수년씩 말린 뒤 리튬을 분리한다.
      • 장점: 채굴 비용이 상대적으로 저렴하다. 대규모 장비 없이 시작할 수 있어 초기 투자 부담이 덜하고, 대형 염호는 매장량도 풍부하다.
      • 단점: 느리다. 농축에만 수개월에서 수년이 걸린다. 물 소비량이 어마어마하고, 증발 과정에서 주변 생태계에 타격을 준다. 기후 조건에도 민감하고, 고순도 리튬을 얻으려면 추가 공정이 또 필요하다.
    • 광산 리튬 (Hard-Rock Lithium):
      • 특징: 호주와 중국이 주요 생산국이다. 스포듀민(Spodumene) 같은 리튬 함유 광물을 채굴해 화학적으로 처리, 리튬을 뽑아낸다.
      • 장점: 염호 방식보다 생산 속도가 빠르다. 고순도 리튬을 얻기도 유리하다.
      • 단점: 채굴·가공 과정이 복잡하고 비용이 크다. 대규모 토목 공사로 환경 훼손이 심각하고, 에너지 소모량도 상당하다. 채굴 폐기물도 대량 발생한다.

    이 두 전통 방식이 지금껏 수요를 받쳐왔다. 다만 환경 규제가 강해지고 공급망 다변화 요구가 커지면서 새로운 방법을 찾아야 하는 압박이 계속 쌓이고 있다.

    DLE, 게임 체인저라 불리는 이유

    기존 방식의 한계를 돌파하려고 나온 것이 DLE(Direct Lithium Extraction), 직접 리튬 추출 기술이다. 증발 연못 대신 염수에서 리튬 이온만 선택적으로 골라내고, 잔여 염수는 원래 자리로 돌려보내는 구조다. 물 사용량이 줄고, 추출 시간도 대폭 단축된다. 이론적으로는 꽤 매력적이다.

    • DLE란 무엇인가?: 염수 속 리튬 이온만 골라 분리한 뒤 나머지 염수를 염호에 돌려보낸다. 기존 증발 방식 대비 물 사용을 크게 줄이고 추출 기간을 단축하는 것이 핵심이다.
    • 주요 기술 방식:
      • 흡착(Adsorption): 리튬 이온만 달라붙는 특수 흡착제로 추출한다.
      • 이온 교환(Ion Exchange): 리튬 이온을 다른 이온과 맞바꿔 분리한다.
      • 용매 추출(Solvent Extraction): 특정 용매에 리튬 이온이 더 잘 녹는 성질을 이용해 분리한다.
      • 막 분리(Membrane Separation): 특정 크기의 이온만 통과시키는 막으로 리튬 이온을 걸러낸다.

    DLE가 주목받는 데는 이유가 하나 더 있다. 낮은 농도의 염수에서도 리튬을 뽑아낼 가능성이 열린다는 점이다. 기존 방식으로는 경제성이 없다고 포기했던 염호나 지열수에서도 리튬을 얻는 시나리오가 현실적이 된다. 공급 가능한 리튬의 범위가 넓어지는 셈이다.

    DLE의 현실: 아직 갈 길이 멀다

    DLE는 분명 매력적이다. 그런데 상용화 앞에서 넘어야 할 벽이 남아 있다.

    • 상용화 현황: 현재 미국의 릴리움(Lilac Solutions), 젠스케이프(Xenolith), 엑손모빌(ExxonMobil) 같은 기업들이 파일럿 플랜트나 소규모 상용화를 시도하고 있다. 대규모 상업 생산까지는 기술적 안정성과 경제성 검증이 더 쌓여야 한다.
    • 기술적 난제: 염호마다 염수의 화학 조성이 다르다. 특정 DLE 기술이 모든 염호에 동일하게 적용되지 않는다는 뜻이다. 불순물이 추출 효율을 떨어뜨리거나 장비 수명을 단축시키는 문제도 있고, 고순도 리튬을 안정적으로 생산하기 위한 공정 최적화가 관건이다.
    • 비용과 효율성: 초기 투자 비용이 높고, 아직 대규모 생산을 통한 규모의 경제를 실현하지 못했다. 기존 증발 방식 대비 에너지 소모량이나 화학 물질 사용량에 대한 환경 영향 평가도 더 면밀하게 이루어져야 한다.

    결정적으로, DLE는 리튬 공급망 다변화와 친환경성 제고에 핵심 역할을 할 잠재력을 품고 있다. 기술 발전과 함께 경제성, 환경 영향 평가, 각 지역 특성에 맞는 맞춤 솔루션 개발이 동시에 이루어져야 실질적인 전환이 가능하다.

    하얀 석유 전쟁, 중국이 정제를 쥐고 있다

    리튬이 ‘하얀 석유’로 불리는 데는 이유가 있다. 남미와 호주, 중국에 편중된 생산 구조 때문에 공급망 리스크가 석유 못지않다. 중국은 리튬 정제 분야에서 독보적 위치를 점하고 있다. 원석을 캐는 건 다른 나라가 해도, 배터리에 쓸 수 있는 형태로 가공하는 단계는 중국이 상당 부분 틀어쥐고 있다. 미국·유럽·한국이 중국 의존도를 낮추려 안간힘을 쓰는 배경이 여기에 있다.

    DLE 기술이 이 구도를 바꿀 여지가 있다. 기존 염호의 활용도를 높이면서 환경 부담은 줄이고, 자원 민족주의 압박도 일정 부분 완화할 수 있다. 이전에는 경제성이 없다고 외면했던 지역에서도 리튬 생산이 가능해지면 공급지가 넓어진다. 특정 국가에 치우치지 않고 여러 지역에서 리튬을 생산하는 구조가 갖춰지면 공급망 안정화에 크게 기여한다. 각국 정부가 리튬 자원 개발 투자를 확대하고 관련 기술 연구개발을 지원하는 이유가 여기에 있다.

    세 갈래 방향, 효율·친환경·비용

    앞으로 리튬 추출 기술이 움직일 방향은 세 갈래다.

    첫 번째는 효율 극대화다. 더 적은 에너지와 더 짧은 시간으로 더 많은 리튬을 뽑아내는 기술 개발이 이어진다. 두 번째는 친환경성 강화다. 물 사용량 감소, 폐기물 최소화, 탄소 배출 저감—이 세 축이 기술 개발의 기준점이 된다. 세 번째는 경제성 확보다. 아무리 기술이 훌륭해도 상업적 가치가 없으면 실제로 쓰이지 않는다. 초기 투자 비용을 낮추고 운영 비용을 줄여 기존 방식과 경쟁 가능한 수준으로 끌어올리는 것이 핵심이다.

    DLE는 이 세 방향에 가장 잘 맞는 기술로 평가받는다. 아직 풀어야 할 과제들이 남아 있지만, 연구개발이 축적되면서 상용화 범위도 점차 넓어질 것으로 보인다. 효율적이고 친환경적이며 경제적인 리튬 추출 기술—결국 이것이 전기차 시대의 지속 가능한 성장을 떠받치는 토대가 된다. 배터리 기술의 발전만큼, 이를 뒷받침하는 리튬 추출 기술의 진화에도 계속 시선을 두어야 한다.

    출처: MIT Tech Review AI

  • 에이서, ‘PC용 PS 포털’ 리눅스 휴대용 기기 공개…

    에이서, ‘PC용 PS 포털’ 리눅스 휴대용 기기 공개…

    램이 1GB다. 2026년에 나올 휴대용 게임 기기에 달랑 1GB LPDDR4. 처음 스펙표를 봤을 때 단위를 잘못 읽은 줄 알았다. 그런데 이게 Acer가 공식으로 내세운 니트로 블레이즈 링크(Nitro Blaze Link)의 실제 사양이다.

    스팀 덱이 아니다, 처음부터 그게 목표도 아니었다

    Acer는 이 기기를 “스트리밍 전용 휴대용 기기이자 동반 장치”라고 정의한다. 자체적으로 게임을 돌리는 기기가 아니라는 뜻이다. 집에 강력한 게이밍 PC를 둔 사람이 침대나 소파에서 그 PC의 게임을 원격으로 즐기는 용도. 플레이스테이션 포털이 콘솔을 원격 플레이하는 구조인 것처럼, 이건 PC 버전이다. ‘PC판 PS 포털’이라는 표현이 딱 맞다.

    디스플레이는 7인치, 해상도 1920×1200. 연결 안정성을 위해 Wi-Fi 6도 들어갔다. 1GB 램은 게임을 직접 돌리는 게 목적이 아니라, PC에서 넘어오는 비디오 스트림을 디코딩하는 역할에 맞춰진 선택이다. 리눅스 기반 운영체제를 채택한 것도 같은 맥락으로 읽힌다. The Verge가 전한 바에 따르면 컴퓨텍스에서 사전 공개됐고, 2026년 4분기 출시가 목표다.

    1GB 램이 말해주는 것

    솔직히 1GB는 좀 극단적이다. 요즘 보급형 스마트폰도 최소 6~8GB인데, 이건 거의 10년 전 수준이다. 앱 여러 개를 동시에 띄우거나 뭔가 복잡한 걸 기대하면 안 된다. 오직 스트리밍. 그것만 하겠다는 선언이다.

    역설적으로 이게 장점이 되기도 한다. 쓸데없는 기능을 다 걷어내면 가격이 내려가고, 배터리가 버텨주고, 기기가 가벼워진다. 이미 게이밍 PC를 가진 사람 입장에서는 스팀 덱에 수십만 원을 더 쓸 이유가 없다는 논리다. 그 돈으로 이걸 사서 침실에서 게임을 즐기면 된다는 계산이 맞아 떨어질 수도 있다. 선택지가 하나 더 생기는 셈이다.

    2026년 4분기, 남은 변수들

    출시까지는 시간이 꽤 남았다. 그 사이 게이밍 하드웨어 시장이 어디까지 바뀔지 모른다. 엔비디아 지포스 나우(GeForce Now), 엑스박스 클라우드 게이밍(Xbox Cloud Gaming)은 계속 진화하고 있고, 스팀 덱 경쟁자들도 하나둘 늘어나고 있다. 플레이스테이션 포털은 이미 콘솔 스트리밍 시장을 어느 정도 닦아놓았다.

    니트로 블레이즈 링크는 클라우드 게이밍과 다르다. 자체 PC가 있어야 한다는 게 전제다. 대신 월정액이 없고, 내 PC에 깔린 게임을 그대로 쓰니까 라이브러리 제한도 없다. 이 부분은 확실한 강점이다. 결국 Acer가 어떤 소프트웨어 생태계를 구성하고, 스트리밍 품질을 어디까지 끌어올리느냐가 이 기기의 명줄을 쥔다.

    한국 시장에서 먹힐까

    국내 환경은 이런 기기에 나쁘지 않다. PC방 문화가 발달했을 만큼 고사양 PC를 집에 두는 게이머가 많고, 무선 네트워크도 세계적으로 손꼽히는 수준이다. Wi-Fi 6 지원이면 스트리밍 끊김 걱정은 크게 줄어든다.

    • 잠재 수요: 고성능 PC가 있는데 책상 앞이 아니라 거실이나 침대에서 게임하고 싶은 사람들이 타깃이다. 국내 온라인 멀티 게임 특성상 PC 본체에서만 플레이해야 하는 경우가 많았는데, 이런 기기가 그 공백을 파고들 여지는 있다.
    • 가격이 핵심: 합리적인 가격으로 나온다면 고가의 휴대용 게이밍 PC 대비 확실한 포지셔닝이 생긴다. 반대로 비싸면 “그냥 스팀 덱 살걸” 소리가 바로 나올 것이다.
    • 인풋 랙 문제: 국내 게이머들은 지연에 특히 민감하다. 스트리밍 환경에서 발생하는 미세한 인풋 랙이나 화질 저하 수준에 따라 반응이 극단적으로 갈릴 수 있다.
    • 고려 사항: ‘최고 퍼포먼스’를 당연하게 여기는 분위기에서 스트리밍 방식 자체에 대한 심리적 거부감이 변수가 될 가능성도 있다.

    결국 이 기기가 국내에서 자리를 잡으려면 세 가지가 맞아야 한다. 가격, 스트리밍 품질, 소프트웨어 지원. 2026년 4분기까지 Acer가 이 세 가지를 얼마나 다듬어 오느냐에 따라 반응이 갈릴 것이다. 기대보다 걱정이 앞서는 건 아직 본체도 못 만져봤기 때문이다.

    출처: The Verge

  • 스마트폰 디지털 차키, 차량 제어의 미래 완벽 가이드

    스마트폰 디지털 차키, 차량 제어의 미래 완벽 가이드

    차 키 뭉치. 주머니에 넣으면 묵직하고, 가방 안에서 행방불명이 되기도 하는 그것. 스마트폰 하나로 결제, 신분증, 탑승권까지 다 해결하는 시대에 차 키만 따로 들고 다니는 건 이제 어색하게 느껴진다. 디지털 차키는 이 불편함을 없애기 위해 등장했다. 문을 열고 잠그는 수준을 한참 넘어서, 차량 공유와 원격 제어까지 가능한 기술이다.

    디지털 차키, 정확히 뭘까?

    스마트폰을 이용해 차량 잠금·해제, 시동, 원격 제어를 수행하는 기술이다. 예전엔 앱으로 원격 시동 거는 수준이었다. 지금은 다르다. NFC나 UWB 같은 기술을 써서 폰 자체를 실물 키처럼 인식시킨다. 기술 방식은 세 가지다.

    • NFC (근거리 무선 통신): 차량 도어 핸들이나 무선 충전 패드에 폰을 갖다 대면 열린다. 배터리가 거의 없어도 일정 시간 작동한다는 게 실용적이다. 응급 상황에서 그나마 믿을 수 있는 방식.
    • UWB (초광대역 무선 통신): 폰을 주머니에 넣고 차 가까이 걸어가면 자동으로 문이 열린다. 탑승하면 시동까지 걸린다. 폰이 차 안에 있는지 밖에 있는지도 정확히 파악한다. 솔직히 이게 진짜 디지털 키다운 경험이다.
    • 블루투스 (BLE): 근거리 정밀도는 NFC·UWB보다 떨어진다. 대신 원거리에서 잠금 상태 확인, 비상등 점등, 다른 사람에게 키 공유하는 용도로 쓰인다. 직접 차 앞에 없어도 되니까 나름 쓸모가 있다.

    이 세 가지를 표준화하는 곳이 CCC(Car Connectivity Consortium)다. 특정 제조사가 아닌 다양한 차량과 폰에서 호환되도록 규격을 만들고 있다. 덕분에 브랜드 상관없이 쓸 수 있는 범위가 조금씩 넓어지는 중이다.

    실물 키보다 편리한 이유들

    편리함을 키 하나 덜 들고 다니는 수준으로 보면 과소평가다. 바뀌는 게 생각보다 많다.

    • 키 뭉치 해방: 진짜 가볍다. 폰만 들고 나가면 된다. “키 어디 뒀더라” 하고 집 안을 뒤지는 일이 사라진다. 별것 아닌 것 같아도 매일 반복되는 스트레스가 없어지는 거다.
    • 차량 공유가 훨씬 쉬워진다: 가족이나 친구에게 차를 맡겨야 할 때, 앱으로 임시 키를 발급하면 된다. 사용 기간이 지나면 자동으로 회수된다. 발레파킹할 때 실물 키를 통째로 건네던 것과 차원이 다르다. 개인 정보 노출 없이 키만 따로 줄 수 있다는 것도 포인트다.
    • 원격 제어 범위 확장: 시동을 미리 걸어 에어컨이나 히터를 켜두는 건 기본이다. 주차 위치 확인, 비상등 점등도 앱 하나로 해결된다. 지하 주차장에서 내 차를 못 찾아 헤맸던 경험이 있다면, 이 기능 하나만으로도 값어치를 한다.
    • 개인화 설정 연동: 특정 사람이 탑승하면 좌석 위치와 미디어 설정이 자동으로 바뀌는 식의 개인화가 가능한 구조다. 아직 차종마다 지원 수준이 다르긴 하지만, 방향 자체는 여기로 향하고 있다.

    해킹 걱정은 실제로 얼마나 될까

    폰이 곧 차 열쇠라니, 보안이 걱정되는 건 당연하다. 근데 실제로 들여다보면 생각보다 빡빡하게 막혀있다.

    • 하드웨어 보안 모듈(Secure Element): 암호화된 키 정보는 폰 내부의 별도 보안 칩에 저장된다. 일반 앱은 물론 OS조차 접근이 안 된다. 해킹하려면 물리적으로 칩을 뜯어야 하는 수준이다.
    • 생체 인식 인증: 지문이나 안면 인식을 통과해야 키가 작동한다. 폰을 잃어버려도 남이 차를 쉽게 못 탄다는 뜻이다.
    • 암호화 통신: 폰과 차량 사이 통신은 전부 암호화된다. 중간에 데이터를 가로채거나 위변조하는 게 구조적으로 어렵다.
    • 원격 비활성화: 폰을 분실하면 다른 기기에서 디지털 키를 즉시 끌 수 있다. 실물 키를 잃어버렸을 때 자동차 키 시스템 전체를 교체해야 하는 것과 비교하면 훨씬 빠르게 대처된다. 이건 디지털 키의 분명한 강점이다.

    보안 전문가들 사이에서도 실물 키 복제보다 디지털 차키 해킹이 훨씬 어렵다는 분석이 나온다. 기술이 발전할수록 이 격차는 더 벌어지는 추세다.

    아직 아쉬운 것들

    장점이 분명해도 한계는 있다. 몇 가지는 솔직히 좀 불편하다.

    • 호환성 문제: 모든 차, 모든 폰에서 되는 게 아니다. 구형 차량은 지원 안 하는 경우가 많고, 안드로이드냐 iOS냐에 따라서도 지원 범위가 달라진다. 내 차가 해당되는지 안 되는지는 구매 전에 직접 확인해야 한다.
    • 배터리 의존성: 폰 배터리가 나가면 키도 없다. 일부 시스템은 완전 방전 전까지 NFC를 일정 시간 유지하도록 설계해뒀지만, 근본 해결은 아니다. 이 이유 하나만으로 실물 키를 아직 포기 못 하는 운전자가 꽤 많다. 공감이 가는 불안이다.
    • 적응 시간: 10년 넘게 실물 키 써온 사람들에겐 폰으로 시동 거는 게 낯설 수 있다. 기술적 거부감을 가진 사용자층이 분명히 존재한다.
    • 기능 제한: 현재는 시동, 잠금·해제 위주다. 실물 키의 모든 기능을 완벽하게 대체하려면 아직 통합 작업이 더 필요하다. 반쪽짜리라고 하긴 어렵지만, 완성형도 아직 아니다.

    내 차도 될까? 확인하는 법

    현재는 현대, 기아, 제네시스와 BMW, 벤츠, 아우디 같은 브랜드의 최신 모델 위주로 적용돼 있다. 구형이나 보급형은 지원하지 않는 경우가 훨씬 많다. 차종 확인은 제조사 공식 홈페이지나 영업점에 직접 묻는 게 제일 빠르고 정확하다.

    애프터마켓 디지털 차키 솔루션도 시중에 나와 있긴 하다. 근데 순정 기능만큼의 안정성과 보안을 기대하기는 어렵다. 차량 시스템과 긴밀하게 연동되는 순정 키와 달리, 외장 모듈 방식은 보안과 신뢰성 면에서 변수가 생긴다. 직접 달아보고 싶다면 이 부분을 먼저 따져봐야 한다.

    기술 보급 속도는 점점 빨라지고 있어서 중저가 차량에도 디지털 차키 지원 범위가 넓어질 가능성은 충분하다. 새 차 구매를 고민 중이라면 디지털 차키 지원 여부를 스펙 체크 항목에 넣는 게 합리적이다.

    다음 수순은 뭔가

    디지털 차키는 단순 편의 기능에서 끝나지 않는다. 차량이 스마트홈, 스마트 오피스와 연결되는 ‘움직이는 스마트 기기’로 바뀌는 흐름에서 핵심 역할을 맡게 된다.

    예를 들면 이런 시나리오다. 운전자 폰 위치를 기반으로 차가 스스로 주차 공간을 찾는다. 특정 시간에 맞춰 자동으로 시동이 걸리고 목적지까지 자율주행을 준비한다. 개인 운전 습관을 학습해서 차량 설정이 자동으로 최적화된다. 지금 당장 모두 가능한 건 아니지만, 방향 자체는 이미 그쪽을 향하고 있다.

    차량 공유 서비스와 구독형 모빌리티 모델이 퍼질수록 폰 기반 차량 제어 기술의 비중은 더 커진다. Engadget 보도에 의하면 안드로이드 폰에 차 키를 저장하는 방식도 이미 실용화 단계에 들어섰다. 실물 키가 완전히 사라지는 건 시간 문제일 수 있다. 지갑에서 지폐가 사라진 것처럼.

    출처: Engadget

  • 스페이스X, 미사일 추적 위성 대규모 계약…국방 기술 판 흔드나?

    스페이스X, 미사일 추적 위성 대규모 계약…국방 기술 판 흔드나?

    스페이스X가 펜타곤으로부터 41.6억 달러(약 5조 7천억 원)짜리 계약을 따냈다. 도널드 트럼프 전 대통령이 밀고 있는 ‘골든 돔(Golden Dome)’ 방어 시스템과 맞물린 미사일 추적 위성 구축 사업인데요. 금액 자체도 어마어마하지만, 이 계약이 갖는 의미는 숫자보다 훨씬 크다.

    골든 돔의 눈, 스페이스X 위성이 맡는다

    The Verge 보도에 따르면, 미 우주군(US Space Force)은 지난 금요일 발표에서 이 위성들이 우주에서 목표물을 탐지하고 추적하는 역할을 담당하게 된다고 밝혔다. 단순히 위성 발사 대행이 아니다. 정밀 센서 기술과 실시간 데이터 처리 능력이 결합된 시스템 전체를 스페이스X가 구축하고 운영한다.

    스타링크 얘기를 빼놓을 수가 없는데요. 지금도 수천 기의 위성이 저궤도에서 돌아가면서 전 세계에 인터넷 서비스를 제공하고 있거든요. 대량 생산, 빠른 발사, 비용 절감—이 세 가지를 민간 영역에서 이미 증명해 온 회사가 스페이스X다. 그 역량이 이번엔 국방에 고스란히 적용되는 셈이다. 고가의 대형 위성 한두 기에 의존하던 기존 방식과는 접근 자체가 다르다.

    • 우주 기반 센서 시스템: 미사일과 표적을 우주에서 직접 탐지·추적하는 핵심 기능
    • ‘골든 돔’ 방어 체계 연동: 미국 차세대 미사일 방어 시스템의 핵심 구성 요소
    • 대량 생산 방식 그대로 적용: 저비용으로 다수 위성을 신속하게 배치하는 스페이스X 고유 방식

    소형 위성 수천 기 vs 대형 위성 한 기—구도 자체가 다르다

    과거 국방 위성은 소수정예 방식이었다. 비싸고 크고 튼튼하게 만들어서 오래 쓰는 구조. 근데 그게 약점이기도 하거든요. 한 기가 파괴되거나 고장 나면 그 공백을 메우기까지 수년이 걸리기도 한다. 스페이스X가 쓰는 방식은 완전히 반대다. 수백, 수천 기를 저궤도에 분산 배치해서 네트워크를 만든다. 하나가 떨어져 나가도 전체가 흔들리지 않는다.

    유연성도 차원이 다르다. 상황에 따라 위성을 빠르게 보충하거나 교체하는 게 가능하다. 단가도 훨씬 낮다. 41.6억 달러가 큰돈처럼 보이지만, 기존 대형 위성 체계와 비교하면 가성비 계산이 달라진다. 분산형이 이긴다.

    보잉, 록히드마틴 같은 전통 방산 기업들도 이 흐름을 가만히 보고 있지 않는다. 우주 기술이 국가 안보의 핵심 인프라로 자리를 잡아가는 과정에서, 스타트업 출신의 민간 기업이 계약 주도권을 가져간다는 건 꽤 이례적인 장면이다. 이 판에서 살아남으려면 결국 속도와 비용이 관건이라는 걸 스페이스X가 다시 한번 보여줬다.

    한국은 뭘 준비해야 하나

    미국이 우주 기반 미사일 방어 역량을 강화하면, 북한 미사일 위협에 대응해야 하는 한국 입장에서도 그냥 넘길 수 없다. 한미 동맹 차원에서 정보 공유나 시스템 연동 논의가 더 빠르게 진행될 여지가 생긴 거다. 안보 협력의 범위가 우주로 넓어지는 흐름이다.

    국내 우주 산업 생태계도 자극을 받을 거다. 한국은 현재 한국형 위성항법 시스템(KPS), 초소형 위성 군집 같은 프로젝트를 진행 중인데, 이번 스페이스X 사례는 민간 기업이 어디까지 주도권을 잡을 수 있는지를 실제로 보여주는 케이스가 됐다. 국내 우주 스타트업이나 중소 방산 기업들도 시장 진입 가능성을 다시 따져볼 만한 계기다.

    정부의 예산 투입 방향도 달라질 가능성이 높다. 우주 안보 역량 강화는 이미 글로벌 트렌드인데, 이번 계약은 그 방향을 더 선명하게 확인시켜 준다. R&D 지원 확대는 예측 가능한 수순이고, 핵심은 민간 기업을 어떻게 이 생태계 안으로 끌어들이느냐다. 스페이스X처럼 민간이 국방의 중심축을 잡는 구도—한국에서도 가능한지, 이제 진지하게 따져봐야 한다.

    41.6억 달러짜리 계약 하나가 이 모든 질문을 건드린다. 단순 수주 소식이 아니다.

    출처: The Verge

  • AI 학습 vs 추론: LLM 시대, 핵심 개념과 차이점

    AI 학습 vs 추론: LLM 시대, 핵심 개념과 차이점

    AI 반도체 뉴스 보다 보면 ‘학습’이랑 ‘추론’이라는 단어가 계속 나온다. 엔비디아 GPU가 학습에 쓰인다, Groq은 추론에 특화됐다 — 근데 정작 이 둘이 뭐가 다른지 명확히 설명하는 글이 별로 없다. 직접 정리해봤다.

    AI 학습(Training): 데이터에서 패턴 뽑아내는 과정

    학습은 말 그대로 AI가 ‘배우는’ 단계다. 고양이 사진 수백만 장을 보여주면서 “이게 고양이야”라고 가르치는 것처럼, 모델은 데이터에서 패턴을 뽑아내고 내부 파라미터를 조정한다. 아이가 수천 번 실수하면서 자전거 타는 법을 익히는 것과 비슷하다.

    문제는 자원이다. 고양이 사진 몇 장이 아니다. 수십억 개의 텍스트 토큰, 수백만 시간치 비디오 데이터를 처리해야 한다. 병렬 연산에 강한 GPU가 여기서 필수인데, 엔비디아(NVIDIA)가 AI 반도체 시장을 장악한 것도 이 학습 단계에 최적화된 GPU 덕분이다. 모델 크기가 커질수록 학습 비용은 그냥 늘어나는 게 아니라 기하급수적으로 뛴다.

    AI 추론(Inference): 학습한 걸 써먹는 단계

    추론은 학습을 마친 모델이 실제로 일하는 과정이다. 고양이를 학습한 모델한테 처음 보는 사진을 보여줬을 때 “이거 고양이”라고 정확히 답하는 것. 챗GPT에 질문 던지면 답변 생성하는 것, 자율주행차가 도로의 장애물을 파악하는 것 — 전부 추론이다.

    학습처럼 데이터 수억 개를 동시에 처리할 필요는 없다. 대신 속도가 생명이다. 질문하고 2초 기다리면 답답하다. 동시 접속자 수만 명이 쓰는 서비스면 각 요청을 빠르게 처리하면서도 전력은 최소화해야 한다. 비용 문제도 크다.

    학습과 추론, 왜 다른 반도체가 필요할까?

    학습과 추론이 요구하는 게 달라서 최적 칩 설계도 달라진다.

    • 학습용 반도체: 대규모 병렬 연산, 높은 메모리 대역폭(Bandwidth), 방대한 메모리 용량이 핵심. 행렬 곱셈과 덧셈이 동시다발적으로 일어나고, 그 데이터를 고속으로 주고받아야 한다. GPU가 여기서 압도적이다.
    • 추론용 반도체: 저지연(Low Latency), 높은 처리량(Throughput), 와트당 성능(Performance per Watt)이 핵심. 학습된 모델은 이미 고정된 상태라 적은 연산으로 빠르게 결과를 뽑고, 이걸 동시에 많은 사용자한테 제공해야 한다.

    비유하자면 이렇다. 학습은 백과사전 전권을 통째로 외우는 작업. 추론은 이미 외운 백과사전에서 질문에 맞는 항목을 찾아 즉시 답하는 작업. 외울 때는 넓은 책상과 두꺼운 참고서 더미가 필요하고, 답할 때는 잘 정리된 색인과 빠른 손이 더 중요하다.

    LLM 시대, AI 추론 반도체가 뜨는 이유

    챗GPT 같은 거대언어모델(LLM)이 일상화되면서 추론 시장이 급격히 커지고 있다. 학습은 한 번 하면 끝이지만, 추론은 서비스 운영 내내 계속된다.

    • 비용 효율성: LLM 서비스 운영 비용의 대부분은 추론 단계에서 나온다. 사용자가 늘수록 추론에 필요한 반도체 자원도 비례해서 증가한다.
    • 실시간 응답: 0.1초 지연도 체감된다. 서비스 품질에 직결되는 문제다.
    • 응용 범위: 자율주행, 실시간 번역, 로봇 제어까지 — 죄다 실시간 추론이 필요한 영역이다.

    Groq처럼 추론 전용 반도체를 개발하거나, 기존 하드웨어에서 추론 효율을 극대화하는 소프트웨어 기술에 집중하는 기업이 늘어나는 이유가 여기 있다. 학습 시장은 엔비디아의 독주가 굳어졌지만, 추론 시장은 아직 열려 있다는 평가가 많다.

    추론 반도체, 기술적으로 뭘 봐야 하나

    추론에 강한 반도체의 조건은 크게 네 가지다.

    1. 특정 연산 최적화: AI 모델의 핵심 연산(행렬 곱셈 등)을 위한 전용 하드웨어 유닛을 탑재해 속도를 올린다. ASIC(Application-Specific Integrated Circuit)이나 FPGA(Field-Programmable Gate Array) 같은 맞춤형 칩이 이 범주다.
    2. 메모리 접근 최적화: 모델 가중치(weights)를 효율적으로 저장하고 빠르게 불러올 수 있는 구조가 중요하다. 온칩(On-chip) 메모리 활용을 극대화하거나, 낮은 비트 정밀도(Low-precision) 연산으로 대역폭 요구량을 줄이는 방식이 쓰인다.
    3. 낮은 전력 소모: 데이터센터 전기 요금, 스마트폰이나 IoT 기기의 배터리 수명. 와트당 성능이 낮으면 결국 운영비로 터진다.
    4. 프로그래밍 유연성: 완전 맞춤형 칩은 성능은 뛰어나지만 범용성이 떨어진다. PyTorch, TensorFlow 같은 프레임워크를 얼마나 폭넓게 지원하느냐도 실제 도입 결정에서 중요한 변수다.

    자주 나오는 질문들

    • Q: 학습이랑 추론, 둘 다 GPU로 가능한가요?
      • A: 됩니다. GPU는 병렬 연산에 강해서 학습·추론 모두에 쓸 수 있어요. 다만 추론 전용으로 설계된 칩은 GPU보다 효율이 높은 경우가 있습니다. 대규모 추론에서는 GPU가 학습 대비 효율이 떨어지는 구간이 생기기도 해요.
    • Q: 엣지(Edge) AI는 왜 추론과 연관이 깊나요?
      • A: 엣지 AI는 스마트폰, 드론, IoT 기기처럼 클라우드가 아닌 기기 자체에서 AI 연산을 돌리는 걸 말합니다. 네트워크가 불안정하거나 전력이 제한된 환경에서 학습된 모델을 기기 안에서 빠르고 효율적으로 추론하는 게 핵심이에요. 매번 클라우드에 요청을 보낼 수 없으니까요.

    결국 AI 기술의 두 축은 학습과 추론이다. 학습이 지식을 쌓는 과정이라면, 추론은 그 지식으로 실제 문제를 푸는 과정이다. LLM이 일상에 파고들수록 추론 효율이 AI 서비스의 성패를 가른다. 추론을 누가 더 빠르고 싸게 해내느냐 — 그게 다음 AI 반도체 경쟁의 본질이다.

    출처: TechCrunch

  • 온디바이스 AI vs 클라우드 AI: 인공지능 미래는 어디에?

    온디바이스 AI vs 클라우드 AI: 인공지능 미래는 어디에?

    사진 앱이 스스로 얼굴을 분류하고, 음성 비서가 0.1초 만에 답한다. 이 기능들이 어디서 작동하는지 생각해본 적 있나? 내 폰 안인지, 아니면 수천 킬로미터 떨어진 서버를 왕복하는 건지. 최근 애플·구글이 기기 자체에서 AI를 돌리는 ‘온디바이스 AI’에 집중하면서, 이 질문이 생각보다 꽤 중요해졌다.

    내 기기 안에서 도는 AI — 온디바이스란 무엇인가

    온디바이스 AI는 스마트폰, PC, 태블릿 같은 기기 위에서 AI 연산을 직접 처리하는 기술이다. 인터넷이 없어도 돌아간다는 게 핵심이다. 예전엔 기기 성능이 달려서 단순 작업밖에 못 했는데, NPU(신경망 처리 장치) 같은 전용 칩이 등장하면서 판이 달라졌다. 카메라 장면 인식, 개인화 추천, 실시간 음성 처리가 모두 여기 해당한다.

    • 반응 속도: 서버에 데이터를 보내고 받는 왕복 과정이 없어 즉각적인 응답이 가능하다.
    • 개인 정보 보호: 민감한 데이터가 기기 밖으로 나가지 않는다. 유출 경로 자체가 줄어드는 셈이다.
    • 네트워크 무관: 지하철 터널, 비행기 모드, 해외 로밍 — 어디서든 AI 기능이 끊기지 않는다.
    • 배터리: 클라우드 통신에 드는 전력이 빠지니 배터리 수명에도 차이가 난다.

    애플이 거대 언어 모델(LLM)을 아이폰에 직접 탑재하려는 시도는 이 흐름의 대표 사례다. 단순히 “작은 AI를 기기에 넣는다”는 수준이 아니라, 수조 개 파라미터짜리 대형 모델을 폰 안에서 돌리겠다는 얘기다. 쉽지 않은 목표인 건 맞다.

    클라우드 AI — 강력하지만 공짜가 아니다

    클라우드 AI는 구글·아마존·마이크로소프트 같은 기업의 원격 서버에서 AI 모델이 실행되는 방식이다. 사용자 기기는 데이터를 전송하고 결과를 받아 화면에 띄우는 역할만 한다. 현재 강력한 AI 서비스 대부분 — 고성능 이미지 생성, 복잡한 자연어 처리 모델들 — 이 방식으로 굴러간다.

    • 연산 자원: 수백억 개 파라미터 이상의 거대 모델도 서버에서는 문제없다. 기기 제약이 없다.
    • 업데이트: 서버만 바꾸면 모든 사용자에게 바로 적용된다. 앱 업데이트 없이도 AI가 조용히 좋아진다.
    • 데이터 통합: 방대한 데이터를 한곳에서 학습하니 모델이 정교해질 여지가 크다.

    단점도 분명하다. 데이터가 왔다 갔다 하는 과정에서 네트워크 지연(Latency)이 생긴다. 느리다는 얘기다. 개인 정보가 서버를 오가는 구조상 보안 리스크도 완전히 걷어내기 어렵다. 서버 운영비, 데이터 전송 비용도 만만치 않다.

    두 방식이 갈리는 네 가지 지점

    어느 쪽이 낫냐는 질문은 상황마다 다르다. 핵심 항목별로 비교하면 이렇다.

    • 성능과 확장성
      • 클라우드 AI: 현재로선 압도적이다. 수백억 파라미터 이상의 모델은 클라우드 없이 구동이 안 된다. 사용자가 폭발적으로 늘어도 서버를 증설하면 그만이다.
      • 온디바이스 AI: 기기 물리적 한계가 있다. NPU 전용 하드웨어가 빠르게 발전 중이라 일부 작업에서는 클라우드와 비슷한 효율이 나오기 시작했지만, 아직 갈 길이 있다.
    • 개인 정보 보호 및 보안
      • 클라우드 AI: 데이터가 서버에 저장·처리되는 구조다. 유출 가능성이 이론적으로 존재한다. 규제 준수와 보안 강화가 계속 필요한 이유다.
      • 온디바이스 AI: 민감 정보가 기기 밖을 나가지 않는다. 금융·의료처럼 보안 기준이 높은 분야에서 확실히 유리하다.
    • 비용 구조
      • 클라우드 AI: 쓸수록 서버 비용이 비례해서 올라간다. 사용량 기반 과금이 보통이다.
      • 온디바이스 AI: 기기값을 올리는 요인이기도 하다. 반면 배포 이후에는 서버비와 전송비가 빠진다. 장기적으로 사용자 입장에선 절감 효과가 있다.
    • 접근성과 안정성
      • 클라우드 AI: 인터넷이 끊기면 서비스도 끊긴다. 의존도가 높다.
      • 온디바이스 AI: 네트워크 상태와 무관하게 돌아간다. 안정성 면에서 확실히 낫다.

    애플이 하이브리드를 택한 이유

    Ars Technica가 전한 바에 따르면, 애플이 구글의 수조 파라미터짜리 제미니(Gemini) 모델을 아이폰에서 구동하려 한다. 그러면서 클라우드 구성 요소도 여전히 필요하다는 언급이 함께 담겼다. 이게 핵심이다. 온디바이스 혼자서는 아직 한계가 있고, 클라우드만으로는 프라이버시 문제가 남는다.

    결국 방향은 하이브리드다. 구조를 단순하게 말하면: 음성 명령 인식이나 간단한 문서 요약은 온디바이스 AI가 처리해 즉각 반응한다. 복잡한 코드 생성이나 광범위한 정보 검색은 클라우드 AI가 맡는다. 사용자는 그 경계를 의식하지 못한다. 빠르고 잘 되면 그만이니까.

    기업 입장에선 온디바이스 성능을 끌어올려 기기 안에서 더 많이 처리하되, 클라우드의 강점은 필요할 때만 빌리는 구조를 찾고 있다. 프라이버시와 성능, 두 가지를 동시에 잡으려는 시도다. 어느 쪽도 완전히 포기하기 어렵다는 점에서, 하이브리드는 타협이 아니라 현실적인 선택이다.

    AI 경쟁의 다음 수순은

    온디바이스와 클라우드는 경쟁 관계가 아니다. 서로 다른 역할을 맡아 함께 진화하는 중이다. 온디바이스 AI는 프라이버시, 빠른 응답, 네트워크 독립성을 앞세워 일상 깊숙이 파고든다. 클라우드 AI는 대규모 연산이 필요한 영역에서 여전히 독보적이다.

    사용자가 의식적으로 선택할 일은 없을 것이다. 잘 설계된 하이브리드 시스템이라면 무엇이 어디서 처리되는지 알 필요가 없다. AI가 얼마나 똑똑해지느냐보다, 우리 삶에 얼마나 조용히 녹아드느냐가 앞으로의 진짜 싸움이다.

    출처: Ars Technica

  • 기후 기술 핵심 정리: 탄소중립 시대를 위한 투자 가이드

    기후 기술 핵심 정리: 탄소중립 시대를 위한 투자 가이드

    솔브 에너지(Solv Energy)가 증시에 데뷔한 이후, 기후 기술이라는 단어를 투자 커뮤니티에서 자주 보게 됐다. 몇 년 전만 해도 환경 NGO 보고서에서나 볼 법했던 용어들이, 이제는 증권사 리포트 첫 줄에 등장하는 시대다. 단순한 유행처럼 보일 수 있지만, 수치를 보면 얘기가 달라진다.

    기후 기술, 왜 지금인가?

    지구 온난화는 더 이상 ‘먼 미래의 위협’이 아니다. 유럽의 연속 폭염, 지중해 산불, 파키스탄 대홍수—극단적 기상 현상이 해마다 기록을 갱신한다. 각국 정부도 선언에서 행동으로 이미 넘어갔다. 유럽연합은 탄소국경조정제도(CBAM)를 실제 시행하기 시작했고, 파리 협정 이행 여부를 놓고 무역 마찰이 본격화되는 중이다. 탄소 배출량 감축이 이제 기업 생존의 조건이 됐다.

    투자 관점에서도 흐름이 바뀌었다. ESG 펀드가 마케팅 도구처럼 쓰이던 시대는 지나고, 탄소 비용이 실제 손익에 잡히기 시작하면서 기후 기술은 섹터 분류 자체가 달라졌다. 환경 보호가 아니라 성장 동력으로.

    기후 기술의 핵심 분야 짚어보기

    기후 기술을 태양광·풍력 정도로만 이해하면 절반도 못 본 거다. 실제 범주는 훨씬 넓다. 주요 분야를 하나씩 보면 이렇다.

    • 에너지 생산 및 저장: 화석 연료 의존도를 줄이는 가장 직접적인 경로다.
      • 태양광 및 풍력: 기술 자체보다 설치 단가 하락 속도가 관건이다. 태양광 패널 가격은 10년 새 90% 넘게 떨어졌다.
      • 차세대 배터리 및 에너지 저장 시스템(ESS): 재생에너지의 가장 큰 약점은 날씨에 따른 발전량 변동이다. 이를 보완하는 게 ESS다. 리튬 이온을 넘어 전고체, 흐름전지까지 개발이 활발하게 진행 중이다.
      • 소형 모듈형 원자로(SMR): 기존 원전보다 훨씬 작고 탄소를 배출하지 않는다. 안전성 논란은 있지만, 탄소 없는 안정적 베이스로드 전원으로 재평가받고 있다.
    • 탄소 포집, 활용 및 저장(CCUS): 이미 배출된 탄소를 거둬들이는 기술이다.
      • 직접 공기 포집(DAC): 대기 중 이산화탄소를 직접 흡수한다. 원리는 명확한데 비용이 문제다. 현재 톤당 수백 달러 수준으로, 상용화까지 갈 길이 꽤 남아 있다.
      • 탄소 활용: 포집한 탄소를 건축 자재, 연료, 화학 원료로 전환한다. 버리는 게 아니라 되파는 구조다.
    • 지속 가능한 자원 관리 및 순환 경제: 만들고 버리는 구조를 끊는 기술들이다.
      • 폐기물 에너지화: 생활·산업 폐기물을 소각하거나 발효시켜 에너지로 전환한다.
      • 스마트 물 관리: 센서와 AI로 누수를 잡고 오염을 모니터링한다. 물 부족이 심화되는 지역에서 수요가 빠르게 늘고 있다.
      • 재료 재활용 기술: 플라스틱, 배터리처럼 재활용하기 까다로운 소재의 회수율을 끌어올리고 고부가가치 소재로 재탄생시킨다.
    • 지속 가능한 농업 및 식품 시스템: 농업이 전체 온실가스의 약 10~12%를 배출한다는 사실을 아는 사람은 생각보다 적다.
      • 스마트 농장 및 정밀 농업: AI와 IoT 센서로 작물 환경을 최적화하고 물·비료 낭비를 줄인다.
      • 대체 단백질: 식물성 고기, 배양육. 소를 기르는 것보다 탄소 발생이 훨씬 적다. 맛이 진짜 고기에 얼마나 가까워지느냐가 아직 관건이다.
      • 수직 농장: 건물 안에서 작물을 재배해 운송 탄소를 줄인다. 다만 전력 소비가 많다는 게 여전히 숙제로 남아 있다.

    성장하는 기후 기술 시장과 투자 동향

    블룸버그NEF(BloombergNEF) 분석을 보면, 2020년대 중반 이후 기후 기술 관련 투자가 가파르게 증가하고 있다. 스타트업 벤처 투자에서 시작해 대기업 인수합병, 공모 시장 진출로 무게 중심이 이동하는 흐름이다.

    솔브 에너지(Solv Energy)와 X-에너지(X-energy)의 상장은 그 흐름을 상징적으로 보여주는 사례다. 기후 기술이 틈새 시장을 벗어나 주류 투자 대상으로 올라섰다는 신호로 읽힌다. 정부 보조금, 기업 ESG 목표, 소비자 선호 변화가 세 방향에서 동시에 밀어붙이는 구조라 탈탄소화에너지 전환이라는 방향 자체가 바뀔 가능성은 낮다.

    남은 변수들, 솔직하게 보면

    장밋빛 전망만 있는 건 아니다. 기술의 상용화 비용, 초기 자본 조달, 정책의 일관성—이 세 가지가 기후 기술 투자의 핵심 리스크다. 특정 기술이 에너지 효율이나 탄소 감축 목표를 실제로 달성하는지 정확한 검증이 필요하다. 말로만 그린워싱하는 기업들이 여전히 적지 않다는 것도 불편한 현실이다.

    전기차 배터리 재활용 문제나 SMR의 안전성 논란처럼, 기술 발전이 새로운 문제를 만들기도 한다. 사회적 수용성을 확보하는 것도 쉽지 않다. 그럼에도 기후 기술이라는 방향 자체는 돌이킬 수 없는 흐름이다. 어떤 분야, 어떤 기업에 베팅할지 고르는 안목이 결국 수익률을 가른다.

    출처: MIT Tech Review AI

  • 킨들 페이퍼화이트 2021, 구형이 신형보다 더 낫다고?…

    킨들 페이퍼화이트 2021, 구형이 신형보다 더 낫다고?…

    신형보다 구형이 더 잘 팔리는 경우가 있다. 킨들 페이퍼화이트 2021년형이 딱 그 케이스다. 현재 Woot에서 16GB 광고 포함 버전을 할인 판매 중인데, 가격이 아마존 최신 엔트리 킨들보다 오히려 싸다. 이 역설이 생긴 이유는 단 하나다. 방수.

    신형 기본 킨들엔 없는 것

    The Verge가 짚어낸 포인트가 바로 이거다. 2021년형 페이퍼화이트는 IPX8 방수 인증을 받았다. 수심 2m에서 60분을 버티는 수준이다. 그런데 현재 아마존이 신제품으로 팔고 있는 엔트리 킨들에는 이 기능이 없다. 수영장 옆에서 책 읽다가 물 튀면? 그냥 손해 보는 거다.

    여름철 물가에서 전자책 리더기 쓰는 걸 좋아한다면, 이 차이는 생각보다 크다. 방수 없는 기기를 해변에 들고 가는 건 솔직히 좀 불안하다. 백사장 모래바람에 화면 긁히고, 파도에 물 튀고. 2021년형은 그 걱정을 통째로 없애준다. 가방에 던져 넣어도 되고, 욕조에서 읽어도 된다.

    프로모션은 6월 14일까지, 또는 재고 소진 시까지다. ‘재고 소진’ 조건이 붙었다는 건 생각보다 일찍 끝날 수 있다는 뜻이다. 가격 확인하고 카트에 담아두는 걸 추천한다.

    가성비 따져보니… 킨들 라인업 속 숨은 보석?

    킨들 라인업을 한 줄로 요약하면 이렇다. 기본 킨들은 싸지만 방수 없음. 페이퍼화이트는 방수에 백라이트 색온도 조절(따뜻한 빛·차가운 빛 전환)까지. 오아시스는 물리 버튼 달린 고급형. 이번 딜의 핵심은 페이퍼화이트 2021이 기본 킨들보다 싼 가격에 풀렸다는 거다. 더 낮은 가격에 더 나은 스펙을 가져가는 구조다.

    디스플레이도 300ppi 픽셀 밀도로 선명하다. 저가 모델에서 종종 보이는 번짐이나 계단 현상이 없고, 글씨가 또렷하게 보인다는 건 장시간 독서에서 진짜 차이를 만든다. e-ink 특성상 눈 피로도가 LCD보다 낮고, 배터리는 한 번 충전하면 몇 주씩 간다. 전자책 리더기의 핵심이 결국 눈 편안함과 배터리 수명이라면, 2021년형은 여전히 현역이다.

    신형이 나왔다고 구형이 무조건 구닥다리가 되는 건 아니다. 독서용 기기는 특히 그렇다. 화면 주사율이 240Hz든 600Hz든 책 읽는 데는 별 상관이 없으니까. 독서 기기에서 필요한 건 화면 전환 속도가 아니라 눈에 편한 화면, 오래 가는 배터리, 손에 쥐기 좋은 무게다. 이 세 가지는 2021년형도 충분히 만족한다. 필요한 기능이 다 있고 가격이 더 싸다면, 그게 이기는 거다.

    직구족이라면 뭘 챙겨야 할까

    국내에서 킨들 사는 방법은 해외 직구가 대부분이다. 아마존 코리아가 없으니 미국 아마존이나 Woot 같은 사이트에서 직접 주문해야 한다. 배대지를 쓰거나 직배송이 되는 경우도 있는데, 배송비와 관세를 합산해도 이번 딜 가격이면 충분히 매력적인 수준이다.

    단, 킨들 생태계에 묶인다는 점은 미리 알고 가야 한다. 리디북스나 크레마 같은 국내 이북 서비스는 킨들에서 바로 못 읽는다. EPUB 파일을 변환해서 킨들로 전송하는 작업이 필요하다. 한두 번 해보면 익숙해지긴 하는데, 처음엔 좀 귀찮다. 이 점은 구매 전에 반드시 염두에 둬야 한다.

    킨들이 진짜 강한 분야는 영어 원서다. 아마존 영어책 라이브러리는 국내 플랫폼이 따라오기 어려운 규모다. 원서 읽기 습관이 있는 사람한테는 킨들이 사실상 유일한 선택지에 가깝다. 사용성도 단순하고, 기기가 갑자기 뻗거나 오류가 나는 일도 거의 없다. 이 안정성은 써봐야 안다.

    이번 2021년형 할인이 국내 이북 리더 시장에 자극이 될지는 모르겠다. 리디페이퍼나 크레마 시리즈가 가격을 조정하거나 신모델을 앞당겨 낼 수도 있다. 경쟁이 붙으면 결국 소비자가 이익을 본다. 그 흐름 자체는 나쁘지 않다.

    결론은 단순하다. 방수 기능이 필요하고, 영어 원서를 자주 읽고, 가격을 따진다면 — 이번 딜이 맞다. 세 조건 중 하나라도 해당된다면 6월 14일 전에 결정하는 게 낫다.

    출처: The Verge

  • MS 365 코파일럿, 2배 빨라진다…새 디자인 전격 공개

    MS 365 코파일럿, 2배 빨라진다…새 디자인 전격 공개

    마이크로소프트가 365 코파일럿을 통째로 뜯어고쳤다. 속도는 기존 대비 2배, 디자인도 새로 갈아엎었고, 응답 품질도 함께 올렸다고 한다. 데스크톱과 모바일 모두에 순차 적용 예정이다.

    뭐가 바뀌었나: 속도·디자인·응답 품질 한꺼번에

    코파일럿에서 뭔가 물어봤는데 응답이 한참 뜸을 들이던 경험, 한 번쯤 있을 것이다. 흐름이 끊기고, 그 사이에 집중이 흩어지는 것. 이번 업데이트는 바로 거기서 출발한 것 같다. 로딩 속도가 기존 대비 두 배 빨라졌다. 수치만 봐서는 체감이 안 되겠지만, 마이크로소프트가 직접 밝힌 수치니 어느 정도는 믿을 만하다.

    디자인도 달라졌다. 더 간결하고, 정보가 눈에 바로 들어오도록. 말로는 쉬워 보이는데 실제 구현은 꽤 까다로운 작업이다. 과거 코파일럿은 답변을 덩어리째 쏟아내는 느낌이 강했다. 이번엔 구조화된 형태로 정리해 보여준다고 하니, 보고서 초안이나 회의 요약 작업에서 체감 차이가 날 듯하다.

    The Verge 보도를 보면, 마이크로소프트는 이번 개편으로 AI 어시스턴트가 업무 흐름 속에 자연스럽게 녹아드는 걸 목표로 삼고 있다. 거창한 표현처럼 들리지만 요점은 간단하다. 쓰는 사람이 ‘AI를 쓰고 있다’는 걸 의식하지 않을 정도로 만들겠다는 것이다.

    빠른 답이 곧 좋은 답은 아니다

    속도만 올렸다고 다가 아니다. 마이크로소프트는 응답의 신뢰성과 구조화 수준도 함께 높였다고 밝혔다. 솔직히 이 부분이 더 중요하다. 아무리 빨리 답해줘도 내용이 엉성하면 오히려 손이 더 간다. 과거 AI 어시스턴트들이 욕을 먹은 이유 중 하나가 바로 그거였다. 빠른데 쓸모없는 답.

    이번엔 그 부분을 함께 잡겠다는 거다. 이메일 초안이나 데이터 요약을 맡겼을 때, 결과물을 그대로 써도 될 만큼 완성도를 높이겠다는 방향이다. 이게 실제로 구현되면 꽤 큰 차이다. 초안 다듬는 데 쓰던 시간이 줄어드는 셈이니까. 이런 개선은 데스크톱뿐만 아니라 모바일에서도 동일하게 적용된다. 출퇴근 중에 모바일로 초안 만들고, 사무실에서 마무리하는 흐름이 더 매끄러워진다.

    국내 기업들한테 뭐가 달라지나

    마이크로소프트 365를 기본 업무 환경으로 쓰는 국내 기업이 적지 않다. 아웃룩·팀즈·워드 조합을 쓰는 중견·대기업이라면, 코파일럿이 업무 흐름에 더 깊숙이 들어오는 셈이다.

    보고서 초안 작성, 이메일 관리, 회의록 요약. 이 세 가지만 제대로 자동화돼도 하루 업무 리듬이 꽤 달라진다. 반복 업무에 쓰던 시간을 더 전략적인 일에 쏟을 여지가 생기는 거다. 거창한 디지털 전환 이야기보다, 이 체감이 더 와닿는다.

    경쟁 구도도 눈여겨볼 만하다. 네이버 웍스, 카카오워크 같은 국내 워크플레이스 솔루션들도 AI 기능을 계속 확장하는 중이다. 마이크로소프트가 이번처럼 속도와 품질을 동시에 끌어올리면, 경쟁이 한 단계 달아오를 수밖에 없다. 국내 기업 입장에서는 자극이 되는 시점이기도 하다.

    결국 코파일럿이 빨라지고 정확해지는 건 쓰는 사람한테 좋은 일이다. 단, 발표와 실제 체감 사이의 거리가 얼마나 좁혀졌는지는 직접 써봐야 안다. 이건 좀 두고 봐야 할 것 같다.

    출처: The Verge

  • 닌텐도 모바일 게임 전략: 성공과 실패의 공식 분석

    닌텐도 모바일 게임 전략: 성공과 실패의 공식 분석

    닌텐도가 모바일에서 기대 이하였다는 건 게임 업계에선 거의 상식이다. IP는 세계 최강급, 팬덤도 탄탄한데 스마트폰에선 힘을 못 썼다. 전략 실수 하나로 설명하기엔 구조적인 이유가 너무 많다.

    초기 진출: 슈퍼 마리오 런의 빛과 그림자

    2016년 출시된 ‘슈퍼 마리오 런’은 닌텐도 모바일 시대의 포문이었다. 마리오라는 이름 하나만으로 전 세계가 들썩였고, 다운로드 수는 단기간에 기록을 갈아치웠다. 숫자만 보면 성공이었다.

    문제는 돈이었다.

    • 독특한 수익 모델: 일정 구간까지 무료, 이후 전체 콘텐츠는 단일 유료 결제. 부분 유료화도 아니고 광고도 없었다. 깔끔하긴 했는데 시장이 따라주지 않았다. 당시 모바일 유저들은 무료 게임에 완전히 익숙해진 상태였고, 유료 전환율은 기대에 한참 못 미쳤다.
    • 강력한 IP도 못 막은 유료 전환 벽: 마리오라는 이름값이 모바일에선 생각보다 덜 통했다. 닌텐도 입장에서는 IP 가치를 지키려 했지만, 시장의 문법과는 달랐다. 이건 좀 뼈아픈 결과였을 거다.
    • 후속작의 한계: 이후 ‘파이어 엠블렘 히어로즈’, ‘동물의 숲 포켓 캠프’, ‘마리오 카트 투어’가 차례로 나왔다. 반응은 나쁘지 않았지만, 슈퍼 마리오 런이 만들었던 초기 열기를 이어가진 못했다. 장기 흥행 측면에서는 콘솔 게임의 성공과 거리가 있었다.

    닌텐도 핵심 가치와 모바일 시장의 충돌

    닌텐도의 본질은 혁신적인 하드웨어와 소프트웨어의 결합이다. DS의 두 화면, Wii의 모션 컨트롤, 스위치의 도킹 방식 — 이 회사는 하드웨어로 새로운 플레이 경험을 설계하는 걸 DNA처럼 갖고 있다. 모바일엔 그게 없다. 아이폰이든 갤럭시든 똑같은 터치스크린이고, 닌텐도가 하드웨어로 만들어왔던 차별성이 원천 봉쇄된다.

    • 하드웨어 이점 박탈: 닌텐도의 강점인 독점 하드웨어 경험을 모바일에서는 살릴 방법이 없었다. 소프트웨어만으로 싸워야 하는 시장이었다.
    • 조작감의 타협: 닌텐도 게임 특유의 깊은 조작감 — 마리오의 점프 타이밍, 젤다의 퍼즐 구조 — 이걸 터치스크린에 맞게 단순화하면 본래 재미가 뭉개진다. 슈퍼 마리오 런이 ‘오토런’ 방식을 택한 것도 그 타협의 결과다. 잘 만들었지만, 어딘가 닌텐도답지 않다는 느낌을 지우긴 어려웠다.
    • 프리미엄 철학의 충돌: 닌텐도는 게임의 질과 완성도를 중시하고, 이는 유료 결제에 대한 높은 허들로 이어졌다. 모바일 시장의 주류인 F2P(Free-to-Play) 모델과는 처음부터 방향이 달랐다. 이 충돌이 닌텐도 모바일이 주춤했던 핵심 원인으로 지목된다.

    수익 모델의 딜레마: 과금 전략의 한계

    모바일 게임 수익 공식은 단순하다. 일단 무료로 풀고, 인앱 결제로 번다. 확률형 뽑기, 배틀패스, 광고 — 어떻게 조합하든 이 틀에서 크게 벗어나지 않는다. 닌텐도는 이 공식을 따르기 싫었다. 솔직히 그 판단 자체는 이해가 된다.

    • IP 가치 수호: 마리오나 링크 캐릭터가 확률형 뽑기 아이템에 얹히는 건 브랜드 훼손이라는 판단이 있었다. 무분별한 과금 유도는 팬들의 신뢰를 갉아먹기 때문이다.
    • 낮은 ARPPU: 유료 전환율이 낮고, 유료 사용자당 평균 수익(ARPPU)도 성공한 다른 모바일 게임에 비해 낮았다. 브랜드는 지켰지만 매출은 아쉬웠다.
    • 의도적 수익 절제: The Verge 보도를 보면, 닌텐도가 모바일에서 의도적으로 수익을 과도하게 추구하지 않았다는 분석이 나온다. 콘솔 게임 판매를 우선시하는 전략과 맞물린 결과다.

    닌텐도는 모바일 게임으로 버는 돈보다, 그 게임이 콘솔 판매를 끌어올리는 역할을 더 중요하게 봤다. 이게 전략이었는지 합리화였는지는 지금도 논쟁 중이다.

    IP 보호와 확장 사이의 균형점

    닌텐도 IP는 그냥 게임 캐릭터가 아니다. 마리오는 미키마우스에 버금가는 문화적 아이콘이고, 포켓몬은 이미 별도 법인이 운영하는 독자 브랜드다. 이 자산을 모바일에서 어떻게 쓸지는, 매출 계산 이전에 리스크 계산이 먼저였을 거다.

    • 신중한 접근: 외부 개발사에 IP를 쉽게 넘기지 않았다. 직접 개발하거나, 아주 엄격한 가이드라인 안에서만 협업했다. 양이 적을 수밖에 없었다.
    • 보조적 역할 설정: 모바일 게임을 콘솔의 대체재로 보지 않고, 홍보 수단이나 팬 서비스로 포지셔닝했다. 이 선택이 IP를 지켰느냐, 폭발적 성장을 막았느냐는 관점에 따라 갈린다.
    • 선택과 집중: 모든 IP를 모바일화하지 않고, 특정 IP를 선별해 실험적으로 접근했다. 신중했지만, 그만큼 시장에서의 존재감은 제한됐다.

    신중한 태도가 IP 가치를 지킨 건 맞다. 하지만 폭발적 성장을 제약한 요인이기도 했다. 두 가지를 동시에 잡기는 어려운 법이다.

    경쟁 환경 변화와 닌텐도의 선택

    닌텐도가 모바일에 뛰어든 2016년은 이미 시장이 포화에 가까웠다. 슈퍼셀, 킹, 넥슨 등이 수억 명의 유저를 확보한 상태였고, 신규 게임이 살아남으려면 천문학적 마케팅 비용이 필요했다. 닌텐도 입장에선 쉽지 않은 판이었다.

    • 경쟁 심화: 기존 강자들의 견고한 입지 속에서 닌텐도가 새로운 사용자층을 확보하기란 쉽지 않았다. 마리오라는 이름값도 모바일 시장에선 생각보다 덜 통했다.
    • 콘솔의 반등: 2017년 출시된 닌텐도 스위치가 폭발적으로 팔리면서 판이 바뀌었다. 모바일에 쏟을 에너지를 콘솔에 쏟는 게 훨씬 남는 장사였다. 닌텐도는 이후 모바일 투자를 줄이고 콘솔 생태계 강화에 집중했다.
    • 실험적 시도 지속: 최근 WarioWare 앱처럼 기존 모바일 게임 문법과는 다른 형식의 실험이 이어지고 있다. 반응을 살피는 느낌이 강하다. 완전히 포기한 건 아니라는 신호다.

    그래서 닌텐도 모바일, 다음은?

    지금 닌텐도의 모바일 접근은 초기와 많이 달라졌다. 대형 IP 블록버스터보다는 작은 실험, 콘솔 유입 유도, 닌텐도 어카운트 사용자 기반 확장이 현재의 방향으로 보인다.

    • 콘솔 생태계 강화 도구: 모바일 게임이 직접 수익원이라기보다, 닌텐도 어카운트 기반을 넓히고 콘솔로 유입을 유도하는 역할이 커질 거다.
    • AR·독특한 인터랙션 접목: 증강현실(AR)이나 닌텐도 특유의 ‘놀이’ 철학을 모바일에 접목하는 시도가 이어질 수 있다. 포켓몬 GO처럼 성공하면 이야기가 달라진다.
    • IP 기반 비게임 콘텐츠: 캐릭터 스티커 앱, 테마 앱 같은 비게임 영역으로 모바일 생태계에서 존재감을 유지하는 방향도 충분히 가능하다.

    결국 닌텐도는 모바일 시장 메인스트림을 따라가지 않겠다는 결정을 한 것에 가깝다. 단기 매출보다 장기 브랜드 가치와 콘솔 생태계. 이 선택이 옳은지는, 닌텐도 스위치 2의 성공 여부가 어느 정도 답을 줄 것 같다.

    출처: The Verge

  • 배터리 핵심 리튬, 친환경 추출 기술의 모든 것

    배터리 핵심 리튬, 친환경 추출 기술의 모든 것

    전기차 한 대에 들어가는 리튬은 평균 8~15kg. 숫자만 보면 작아 보이지만, 전 세계 수천만 대 규모로 생산이 늘어나면 이야기가 완전히 달라진다. 2030년까지 리튬 수요가 현재의 몇 배 이상 증가할 것이라는 전망이 나오는 이유다. 문제는 지금 방식으로 그 수요를 감당하면, 환경 비용이 너무 크다는 것.

    리튬이 ‘하얀 석유’로 불리는 이유

    리튬을 ‘하얀 석유’라고 부르는 건 과장이 아니다. 스마트폰, 노트북, 전기차(EV), 대규모 전력망 에너지 저장 장치(ESS)까지 — 배터리가 들어가는 곳이라면 어김없이 리튬이 필요하다. 에너지 밀도가 높아 작은 부피에도 많은 에너지를 담을 수 있고, 반복 충방전에도 버티는 수명이 강점이다. 전기차 시장이 폭발적으로 성장하는 지금, 리튬 공급망의 안정성은 자동차 산업과 에너지 전환 모두를 좌우하는 변수다.

    기존 리튬 추출 방식의 두 얼굴

    현재 리튬을 얻는 방법은 크게 두 가지다. 각각 장단점이 있는데, 솔직히 둘 다 깔끔하지 않다.

    염호(Brine) 방식: 저렴하지만 느리고 물을 엄청 쓴다

    칠레, 아르헨티나, 볼리비아 — 이른바 ‘리튬 삼각지대’에서 주로 쓰는 방식이다. 지하 깊은 곳의 염수를 지표면으로 끌어올려 거대한 증발 연못에 가두고, 태양열과 바람으로 물을 날린 다음 리튬을 농축한다. 비용이 낮다는 게 최대 장점인데, 대신 치러야 할 대가가 있다.

    • 막대한 물 소비: 리튬 1톤을 얻으려면 수백 톤의 물을 증발시켜야 한다. 건조한 지역에서 이 물은 농업용수나 식수와 직결된다.
    • 긴 추출 시간: 자연 증발에 기대는 방식이라 최소 1년, 길면 2년까지 걸린다.
    • 낮은 회수율: 불순물도 함께 농축되다 보니 순도와 회수율 모두 낮다.

    광산(Hard-rock) 방식: 빠르고 고순도지만 환경 파괴가 따라온다

    호주, 중국에서 많이 쓰는 방식이다. 스포듀민 같은 암석 형태의 리튬 광물을 캐내고, 복잡한 화학 공정으로 리튬을 뽑아낸다. 생산 속도는 빠르고 순도도 높다. 그런데 문제가 크다.

    • 막대한 에너지 소비: 고온 처리 공정을 거쳐야 해서 에너지가 엄청나게 들고, 탄소 배출도 상당하다.
    • 환경 파괴: 대규모 굴착은 주변 생태계를 바꿔놓는다. 폐기물 처리도 골치다.
    • 높은 생산 비용: 공정이 복잡할수록 단가는 올라간다.

    환경 문제, 더 이상 뒤로 미룰 수 없다

    기존 방식의 환경 부담은 구체적이다. 리튬 삼각지대 인근 지역 주민들은 물 부족으로 실제 피해를 겪고 있다. 추출 과정에서 쓰는 화학물질이 토양과 지하수를 오염시키고, 광산 채굴의 탄소 배출은 기후 대응 방향과 정면으로 충돌한다. ESG 경영이 기업 평가의 핵심 기준이 된 지금, 이 문제를 외면하는 건 점점 어려워지고 있다. 투자자도, 소비자도 보고 있기 때문이다.

    친환경 리튬 추출 기술의 등장: DLE란?

    이런 한계를 넘으려고 나온 게 DLE(Direct Lithium Extraction), 직접 리튬 추출 기술이다. 이름 그대로 염수에서 리튬만 골라 빼낸다. 특수 흡착제, 이온 교환막, 용매 추출 같은 방식을 활용해 리튬 이온만 포집하고, 나머지 염수는 다시 지하로 돌려보낸다.

    성과가 꽤 인상적이다.

    • 물 사용량 최대 90% 감소: 기존 염호 방식 대비 물을 거의 안 쓰는 수준이다.
    • 추출 시간 대폭 단축: 수년이 걸리던 공정이 수일에서 수주 이내로 줄어든다.
    • 높은 회수율: 선택적 추출이니 순도도 높고 회수율도 좋다.
    • 환경 발자국 최소화: 대규모 토지 훼손이나 과도한 탄소 배출 없이 리튬을 뽑아낼 수 있다.

    DLE의 또 다른 강점은 기존 방식으로는 경제성이 없던 저농도 염수나 지열수에서도 리튬을 뽑아낼 수 있다는 점이다. 리튬 공급원 자체가 넓어지는 셈이다. MIT 테크 리뷰가 이 기술의 가능성을 집중 조명했고, 관련 스타트업에 대한 투자도 꾸준히 늘고 있다.

    DLE가 바꿀 산업 지형

    DLE 기술이 본격 상용화되면 파급 범위가 넓다.

    • 공급망 다변화: 남미 특정 국가에 집중된 리튬 생산에서 벗어나, 저농도 염수 자원이 있는 곳이라면 어디서든 생산이 가능해진다. 지정학적 리스크가 줄어드는 효과다.
    • 배터리 가격 하락: 추출 효율이 올라가고 시간이 단축되면 리튬 생산 단가가 낮아질 여지가 있다. 전기차와 ESS 가격에도 영향을 준다.
    • ESG 대응력 강화: 강화되는 환경 규제를 충족시키고, 브랜드 신뢰도를 높이는 무기가 된다.
    • 투자와 혁신의 선순환: 새로운 기술은 R&D 투자를 불러오고, 관련 산업 전체에 혁신 동력을 만든다.

    결국 친환경 리튬 추출 기술은 배터리 산업의 지속 가능성을 높이는 동시에, 탄소 중립 목표 달성에도 직결된다.

    아직 남은 숙제들

    DLE의 잠재력은 크지만, 지금 당장 모든 문제를 해결한 건 아니다. 이 부분은 솔직히 봐야 한다.

    • 상용화 및 규모의 경제: 실험실 수준의 성공을 대규모 상업 생산으로 확장하는 건 다른 문제다. 초기 투자 규모도 만만치 않다.
    • 기술 효율성 검증: 모든 염수 조건에 통용되는 DLE 기술은 없다. 자원마다 최적화가 필요하고, 장기 운용 안정성도 계속 검증해야 한다.
    • 초기 자본 부담: 새 공장과 설비를 짓는 데 드는 비용은 정부와 민간 투자 없이 감당하기 어렵다.

    그럼에도 방향 자체는 바뀌지 않는다. 리튬 추출 기술의 전환은 이미 시작된 흐름이고, 되돌리기 어렵다.

    2~3년 안에 실제 상용화될까?

    현재 파일럿 공장을 운영하며 기술을 검증 중인 기업과 연구기관이 꽤 된다. 전문가들은 2~3년 내 대규모 상업 생산이 시작될 것으로 내다보고 있다. 초기엔 기존 방식과 병행되다가, 점차 DLE 비중이 늘어나는 구조가 될 가능성이 높다. 기술 발전 속도를 보면 생각보다 빠르게 현실화될 수도 있다. 전기차가 일상이 된 지금, 그 뒤를 받치는 배터리 원료 생산 방식도 조용히 바뀌는 중이다.

    출처: MIT Tech Review AI