[태그:] AI

구글 노트북LM에 자료를 올리면 60초짜리 세로형 영상으로 요약해주는 기능이 새로 생겼다. 논문이든 보고서든 통째로 읽기 부담스러울 때, 핵심만 짧은 클립으로 보고 넘어갈 수 있게 됐다. 이참에 노트북LM이 정확히 뭘 하는 도구이고 어떻게 써야 본전을 뽑는지 짚어본다.

노트북LM, 정체가 뭐냐면

노트북LM은 구글이 내놓은 AI 노트 정리 서비스다. PDF, 구글 문서, 웹페이지, 유튜브 링크 같은 자료를 올리면 그 내용만 학습해서 요약, 질문 답변, 오디오 팟캐스트, 마인드맵까지 만들어준다. 일반 챗봇과 다른 점 하나. 인터넷 지식을 끌어오지 않고 올린 자료 안에서만 답을 찾는다는 것이다. 그래서 출처가 분명하고, 환각(엉뚱한 정보를 지어내는 현상) 위험도 상대적으로 낮은 편이다.

영상 요약 기능, 쓰는 법

새로 추가된 영상 클립 기능, 순서는 이렇다.

• 노트북LM에 자료(논문, 강의자료, 회의록 등)를 업로드한다
• 좌측 메뉴에서 영상 요약(비디오 오버뷰) 옵션을 선택한다
• AI가 핵심 내용을 뽑아 세로형 60초 클립으로 자동 생성한다
• 완성된 영상을 다운로드하거나 바로 재생해서 확인한다

틱톡이나 릴스 보듯 짧게 훑어보고 핵심만 챙기는 방식이다. 출퇴근길, 자투리 시간에 자료 따라잡기에 딱이다.

어떤 자료를 올려야 결과가 잘 나오나

구조가 명확한 자료일수록 요약 품질이 올라간다. 소제목으로 나뉜 보고서, 슬라이드 형태 강의자료, 타임스탬프 박힌 유튜브 강의 영상이 특히 잘 먹힌다. 반대로 손글씨 스캔본이나 표가 복잡하게 얽힌 문서는 인식률이 뚝 떨어진다. 가능하면 텍스트 추출이 잘 되는 PDF나 구글 문서로 바꿔서 올리는 게 결과물 차이를 만든다.

무료로 어디까지 되나

기본 기능은 구글 계정만 있으면 공짜다. 다만 영상 클립 같은 신기능은 AI Ultra, Pro 구독자부터 순차로 풀리는 구조라 무료 계정에는 아직 안 보일 수 있다. 업로드 가능한 소스 개수, 만들 수 있는 오디오·영상 분량도 요금제마다 다르다. 업무용으로 본격적으로 쓸 계획이면 구독 등급부터 확인하는 게 순서다.

챗GPT, 노션AI랑 뭐가 다르냐면

챗GPT는 범용 대화형 AI다. 인터넷 전반의 지식을 끌어다 답한다. 노션AI는 메모나 문서 작성을 돕는 쪽에 가깝다. 노트북LM은 결이 다르다. 업로드한 자료 기반의 리서치 도구라서다. 논문 여러 편을 비교 분석하거나, 회의록을 모아 패턴을 찾거나, 강의자료를 요약 정리하는 작업엔 노트북LM이 더 정확하다. 반대로 일반적인 글쓰기나 아이디어 브레인스토밍은 챗GPT 쪽이 강점을 보인다. 용도에 맞춰 섞어 쓰는 게 효율적이다.

이럴 때 써먹기 좋다

• 대학생: 수십 페이지짜리 논문을 빠르게 훑고 핵심 주장만 파악할 때
• 직장인: 회의록이나 보고서를 팀원에게 공유하기 전 짧은 요약본을 만들 때
• 콘텐츠 제작자: 자료 조사 단계에서 출처별 핵심 내용을 정리할 때
• 수험생: 방대한 교재 내용을 오디오로 변환해 듣기 학습에 활용할 때

자료를 통째로 던져놓고 필요한 부분만 골라 받는 방식이다. 정보량이 많을수록 시간 절약 효과는 커진다.

헷갈리는 부분들, Q&A로 정리

Q. 한국어 자료도 영상으로 요약되나?
한국어 PDF나 문서도 업로드 가능하고, 요약 결과도 한국어로 나온다. 다만 기능 자체가 단계적으로 풀리는 중이라 지역이나 계정에 따라 노출 시점이 다를 수 있다.

Q. 업로드한 자료, 외부로 새어 나가지는 않나?
업로드한 소스는 해당 노트북 안에서만 쓰이고 다른 사용자 학습에는 쓰이지 않는다고 안내한다. 그래도 민감한 사내 문서를 다룰 땐 회사 보안 정책부터 한 번 확인하고 쓰는 게 안전하다.

Q. 영상 클립 길이나 스타일, 바꿀 수 있나?
지금은 60초 안팎의 정해진 포맷으로 자동 생성되는 구조다. 길이나 톤을 세밀하게 조절하는 옵션은 아직 별로 없다. 디테일한 커스터마이징이 필요하면 별도 영상 편집 도구와 같이 쓰는 편이 낫다.

출처: The Verge

IBM이 1,121큐비트 프로세서를 공개했다. 구글은 슈퍼컴퓨터가 1만 년 걸릴 계산을 200초에 끝냈다고 발표했다. 뉴스엔 자주 나오는데 막상 “그래서 뭔데?”라고 물으면 대답이 막힌다. 기술 배경 없이도 읽힐 수 있게 — 양자컴퓨터의 원리, 현재 수준, 실제 파급력을 순서대로 짚는다.

큐비트, 일반 비트랑 뭐가 다른가

일반 컴퓨터는 0과 1로만 처리한다. 이걸 비트(bit)라 한다. 양자컴퓨터는 큐비트(qubit)를 쓰는데, 이게 좀 이상하다. 0이면서 동시에 1일 수 있다. 이 상태를 중첩(superposition)이라 부른다.

동전으로 생각하면 쉽다. 일반 비트는 앞면이거나 뒷면이다. 딱 둘 중 하나. 큐비트는 공중에서 회전하는 동전 같은 상태다. 바닥에 닿기 전, 앞뒤가 확정되지 않은 그 찰나. 측정하는 순간 하나로 결정된다.

숫자로 보면 더 실감난다. 큐비트 10개면 동시에 1,024가지 상태를 처리한다. 300큐비트면 우주에 있는 원자 수보다 많은 경우의 수를 한꺼번에 계산하는 셈이다. 기존 컴퓨터가 순서대로 하나씩 처리하는 동안, 양자컴퓨터는 그 모든 가능성을 한 번에 훑는다.

얽힘과 간섭 — 여기서 진짜 힘이 나온다

중첩만으로는 부족하다. 양자컴퓨터의 실제 위력은 얽힘(entanglement)과 간섭(interference)이 합쳐져야 나온다.

얽힘은 이렇다. 두 큐비트를 연결하면 하나의 상태가 결정되는 순간 다른 하나도 즉시 결정된다. 두 큐비트 사이의 물리적 거리와는 무관하게. 아인슈타인이 ‘유령 같은 원격 작용’이라고 부르며 불편해했을 정도니까, 직관으로 이해하기 어려운 건 당연하다.

간섭은 연산 과정에서 틀린 답으로 가는 경로를 줄이고, 맞는 답으로 가는 경로를 키우는 역할을 한다. 파도가 만나면 사라지거나 커지듯, 양자 연산도 오답 경로를 지우고 정답 경로를 증폭시킨다. 이 둘이 없으면 양자컴퓨터는 극저온에서만 돌아가는 비싼 고철 덩어리다.

잘하는 것과 못하는 것

양자컴퓨터는 만능이 아니다. 아주 특정한 유형의 문제에서만 기존 컴퓨터를 압도한다.

잘하는 것:

• 소인수분해: RSA 암호화의 근간인 큰 수를 소수의 곱으로 분해하는 연산
• 최적화: 변수가 폭발적으로 많은 물류 경로, 금융 포트폴리오, 신약 조합 탐색
• 분자 시뮬레이션: 화학 반응과 소재 특성을 원자 단위로 모델링
• 머신러닝 가속: 특정 양자 알고리즘으로 학습 속도를 높이는 연구가 진행 중

못하는 것:

• 웹 브라우징, 문서 작성, 동영상 스트리밍 같은 일상적 컴퓨팅 전반
• 일반 소프트웨어 실행

양자컴퓨터가 노트북을 대체한다는 건 오해다. 슈퍼컴퓨터처럼 특수 목적 연산 도구로 이해하면 맞다. 이 점이 가장 자주 틀리는 부분이기도 하다.

지금 어디까지 왔나

2019년 구글은 53큐비트 양자컴퓨터 ‘시카모어’로 슈퍼컴퓨터가 1만 년 걸릴 계산을 200초 만에 해냈다고 발표했다. IBM이 반박하긴 했다. 그래도 이 사건이 ‘양자 우위(quantum advantage)’ 논쟁의 불씨를 당겼다. 2023년 IBM이 1,121큐비트 ‘콘도르’ 프로세서를 공개하면서 경쟁은 더 가팔라졌고, 이후 여러 스타트업이 오류 보정(error correction) 기술에서 가시적인 성과를 냈다.

현재 가장 큰 약점은 노이즈다. 큐비트는 외부 진동, 열, 전자기파에 극도로 민감하다. 계산 도중 오류가 쌓이면 결과 자체가 무의미해진다. 이걸 해결하는 게 ‘내결함성 양자컴퓨터(fault-tolerant quantum computer)’인데, 아직 이걸 본격적으로 구현한 곳은 없다. 이 오류 보정 문제를 먼저 푸는 쪽이 시장을 가져간다는 게 업계의 공감대다.

스타트업들이 “모두를 추월하겠다”고 외치는 이유

Ars Technica 보도를 보면, 한 양자컴퓨팅 스타트업이 기존 하드웨어 한계를 대폭 뛰어넘겠다고 선언했다. 이런 발표가 반복되는 건 구조적인 이유가 있다.

아직 패권이 결정되지 않은 분야이기 때문이다. 초전도 큐비트(IBM·구글), 이온 트랩(IonQ·Quantinuum), 광자 기반(PsiQuantum), 위상학적 큐비트(마이크로소프트). 이 방식들이 지금 동시에 경쟁 중이다. 어느 쪽이 이길지 아무도 모른다. 미국·중국·EU 모두 양자 기술을 안보 전략 자산으로 분류하고 천문학적 예산을 쏟아붓는다. 투자자 입장에서 포지셔닝이 곧 기업 가치다. 대담한 선언은 그냥 마케팅이 아니라 전략인 셈이다.

실질적으로 뭐가 달라지나

제약·바이오: 신약 개발에서 분자 시뮬레이션은 슈퍼컴퓨터로도 수십 년 걸리는 계산이 있다. 단백질 접힘 문제가 대표적이다. 양자컴퓨터는 이 과정을 수년 단위로 당길 가능성을 열어둔다.

금융: 포트폴리오 최적화, 리스크 계산, 파생상품 가격 산정. 복잡하게 얽힌 변수를 빠르게 처리하는 데 양자 알고리즘이 적합하다.

사이버보안: 솔직히 가장 긴장되는 영역이다. 현재 RSA, ECC 같은 암호화 방식은 충분히 강력한 양자컴퓨터 앞에서 이론적으로 무너진다. 미국 국립표준기술연구소(NIST)는 2024년에 이미 ‘포스트 양자 암호화’ 표준을 발표했다. 양자컴퓨터 실용화 전에 암호 체계를 먼저 바꾸라는 경고다. 지금 당장 준비해야 하는 이유가 여기 있다.

물류·에너지: 배송 경로 최적화, 전력망 관리처럼 변수가 폭발적으로 많은 조합 문제. 기존 컴퓨터가 근사값에 그치는 계산에서 효과를 낼 여지가 있다.

현실적으로 언제쯤인가

일반인이 직접 양자컴퓨터를 쓰는 날은 꽤 멀다. 전문가 다수는 내결함성 양자컴퓨터가 실용 수준에 도달하는 시점을 2030년대 중후반으로 본다. 낙관론자들도 2030년대 초반이다.

파급은 다르다. 훨씬 빠르다. 양자 내성 암호화는 이미 금융 서비스에 적용되기 시작했고, IBM Quantum, AWS Braket, Azure Quantum 같은 클라우드 기반 플랫폼으로 연구자들은 지금도 실제 양자 하드웨어에 접근하고 있다.

‘아직 먼 미래 기술’로 치부하는 것도, ‘모든 걸 바꿀 혁명’으로 부풀리는 것도 둘 다 틀렸다. 특정 문제에서 슈퍼컴퓨터를 이길 도구가 조금씩 현실로 들어오고 있다. 그 속도가 예상보다 빠를 수 있다는 게, 지금 이 분야를 눈여겨봐야 하는 이유다.

출처: Ars Technica

텍스트 몇 줄 쳤더니 30초 만에 노래가 나왔다. 보컬까지. 2~3년 전이면 SF 소설 얘기였을 텐데, Suno와 Udio가 이걸 현실로 만들어버렸다. 인디 씬에서 AI 음악 생성 툴 얘기가 계속 나오고 있는 건 사실인데, 막상 어떤 걸 써야 하는지, 저작권은 어떻게 되는지 모르고 쓰는 경우가 많다. 두 툴의 실제 차이와 인디 아티스트가 현실적으로 써먹을 방법을 정리했다.

Suno와 Udio, 뭐가 다른가

Suno는 지금 가장 많이 쓰이는 AI 음악 생성 툴이다. 장르 이름이나 분위기를 텍스트로 입력하면 보컬까지 들어간 완성형 곡이 나온다. 팝, 록, 힙합 같은 주류 장르에서 완성도가 안정적이고, 인터페이스가 단순해서 처음 써보는 사람도 5분이면 첫 곡이 나온다. 진짜 5분.

Udio는 음악적 뉘앙스 표현에 강점이 있다는 평가를 받는다. 특정 악기 배치나 리듬 패턴을 세밀하게 지정하는 게 가능해서, 장르 특유의 질감을 살리고 싶을 때 선택지가 된다. 다만 그만큼 손이 좀 간다.

• Suno: 초보자 친화적, 완성도 높은 풀 트랙, 빠른 생성 속도
• Udio: 음악 디테일 조정 가능, 장르 특성 재현에 유리, 실험적 사운드에 강함

둘 다 무료 티어가 있다. 월정액을 내면 생성 횟수가 늘어나고 상업적 이용 권한도 생긴다.

실제로 써보면 어떻게 다른가

Suno에 "late night jazz, sad vibes, female vocals"라고 입력하면 2분짜리 완성곡이 30초 만에 나온다. 보컬 톤, 피아노 반주, 베이스라인이 맞아떨어지는데, 처음 써보면 진짜 당황스러울 정도다. 좋은 의미로.

Udio는 손이 좀 간다. "80년대 신스팝 스타일에 드럼 머신 강조"처럼 구체적으로 쓸수록 결과가 좋아진다. 반대로 뭉뚱그린 지시어를 주면 기대에 못 미치는 경우가 생긴다. 솔직히 번거롭긴 하다.

음질은 둘 다 스트리밍 플랫폼에 올릴 수 있는 수준이다. 단, 가사가 영어 위주고, 간혹 음절이 어긋난 발음이 나온다. 아직 한계다.

저작권 문제, 미리 알아야 나중에 안 당한다

AI 음악 툴 쓸 때 가장 자주 나오는 질문이 "저작권은 괜찮냐"다. 솔직히 말하면, 지금 상황이 완전히 안전하진 않다.

Suno와 Udio는 현재 미국 음반사들로부터 저작권 소송을 받고 있다. 훈련 데이터에 저작권 있는 음악을 무단으로 썼다는 이유다. 소송 결과에 따라 서비스 구조가 바뀔 여지가 있다. 진짜로.

생성된 음악의 저작권은 플랜마다 다르다.

• Suno 유료 플랜: 생성한 곡의 상업적 이용 허용, 저작권은 사용자에게 귀속
• Udio 유료 플랜: 마찬가지로 상업적 이용 가능, 플랫폼 정책 내에서
• 무료 플랜: 두 툴 모두 비상업적 이용만 허용

약관이 수시로 바뀐다. 상업적으로 쓸 생각이라면 현재 약관을 직접 확인하는 게 필수다. 스포티파이는 이미 AI 생성 곡에 별도 레이블을 붙이는 방향으로 움직이고 있고, 스트리밍 플랫폼에 올릴 때 AI 생성 음악임을 공개해야 하는 규정도 점점 늘어나는 추세다.

인디 아티스트가 현실적으로 쓰는 방법

AI 음악을 바로 "완성품"으로 내놓는 건 아직 리스크가 크다. 법적 불확실성도 있고, 청중 반응도 갈린다. 작업 보조 도구로 쓰는 게 현실적이다.

• 데모 제작: 정식 녹음 전에 곡의 분위기를 AI로 먼저 잡는다. 악기 편성이나 장르 방향을 실험하는 용도로 쓰면 시간이 많이 줄어든다.
• 레퍼런스 생성: "이런 느낌의 곡을 원한다"고 말로 설명하기 어려울 때, AI로 만들어서 세션 뮤지션이나 프로듀서에게 보여주는 커뮤니케이션 도구로 쓰기 좋다.
• 배경음악 제작: 유튜브, 팟캐스트, 릴스 배경음 등 직접 쓸 음악을 만들 때 활용도가 높다.
• 창작 슬럼프 탈출: AI 생성 곡을 들으면서 멜로디나 코드 진행 아이디어를 얻는 방식이다. 결과물을 그대로 쓰는 게 아니라 자극제로 활용하는 것.

AI 음악 인큐베이터 프로그램이란

최근 Suno 같은 AI 음악 플랫폼들이 인디 아티스트를 대상으로 인큐베이터 프로그램을 운영하기 시작했다. The Verge 보도를 보면, Suno의 ‘Spark’ 프로그램은 서명하지 않은 독립 아티스트를 대상으로 그랜트, 멘토십, 마케팅 지원을 제공한다.

• 그랜트(보조금): 음악 제작비, 장비 구입비 등 실질적인 지원금
• 멘토십: 업계 전문가와의 1:1 또는 그룹 멘토링
• 마케팅 지원: 플랫폼 내 노출 기회, 소셜 미디어 캠페인 등

플랫폼 입장에서는 우수한 창작자를 끌어들이고 AI 툴 사용을 확산시키면서 콘텐츠를 풍성하게 만드는 전략이다. 아티스트 입장에서는 AI를 단순 도구로만 쓰는 게 아니라 플랫폼 생태계 안으로 들어가는 통로가 된다. 단, 영어권 프로그램이 많다. 한국 아티스트가 접근하려면 영어 포트폴리오와 글로벌 계정 운영이 먼저 되어 있어야 한다.

AI가 음악을 만드는 시대, 아티스트에게 남는 것

AI가 음악을 만들 수 있다면, 인간 아티스트의 역할은 뭐가 남을까. 이 질문이 불안하게 느껴진다면 방향을 조금 바꿔볼 필요가 있다.

AI는 청중과의 관계를 못 만든다. 라이브 공연, 팬과의 소통, 개인적인 스토리텔링 — 이 영역은 대체가 안 된다. 반면 AI 툴을 능숙하게 다루는 아티스트는 제작 비용을 줄이고 더 빠르게 실험하는 이점을 챙길 수 있다. 결정적으로, AI를 먼저 익힌 아티스트가 앞서간다는 건 이미 여러 업계에서 반복되고 있는 패턴이다.

Suno와 Udio 모두 무료 플랜으로 시작할 수 있다. 일단 써보고 직접 판단하는 게 맞다. 쓰다 보면 어디에 맞고 어디에 안 맞는지 금방 보인다.

출처: The Verge

윈도우 진영에서 터치스크린은 진작부터 기본이다. 10년 전 서피스가 나왔을 때도, 지금도. 근데 애플은 달랐다. 스티브 잡스가 “수직 화면에 손가락을 올리는 건 피로하다”고 못 박은 뒤로, 맥북에 터치스크린은 없었다. 그 노선이 바뀌려 하고 있다. 터치스크린 맥북 출시가 가시권에 들어오면서 질문이 따라온다. 이게 진짜 쓸만한 기능이 될까? 아니면 윈도우 진영처럼 ‘있긴 한데 거의 안 씀’으로 끝날까?

터치스크린 노트북, 실제로 얼마나 쓰이나

윈도우 터치스크린 노트북 쓰는 사람들은 크게 두 부류다. 실제로 자주 터치를 쓰는 사람. 그리고 살 때는 ‘터치 된다는 게 좋아서’ 골랐는데, 막상 쓰고 나니 트랙패드만 쓰는 사람.

마이크로소프트 서피스 사용자 조사에서 터치스크린을 “자주 사용한다”고 답한 비율은 약 40%였다. 나머지 60%는 가끔 또는 거의 쓰지 않는다고 했다. 터치가 모두에게 게임체인저가 되는 기능은 아닌 거다. 근데 그렇다고 무용지물이란 뜻도 아니다. 결국 자기 작업 패턴에 맞는지가 핵심이다.

터치스크린이 진짜 빛나는 순간

마우스나 트랙패드보다 손가락이 훨씬 직관적인 상황들이 있다.

• 디지털 드로잉 / 스케치: 애플 펜슬이나 스타일러스와 조합하면 드로잉 작업이 완전히 달라진다. 아이패드 프로를 맥으로 대체할 수 있다는 기대가 여기서 나온다.
• 프레젠테이션 중 슬라이드 조작: 발표 도중 화면을 직접 짚거나 슬라이드를 넘길 때 자연스럽다. 리모컨 없이도 된다.
• 스크롤 많은 웹 브라우징: 소파에 반쯤 누워서 인터넷 볼 때. 솔직히 이때는 트랙패드보다 터치가 편하다.
• 사진 편집 / 리터칭: 포토샵에서 세밀한 마스킹이나 선택 작업을 손가락으로 하면 정밀도가 다르다.

터치스크린이 오히려 걸리는 상황들

반대로, 불편한 시나리오도 분명히 있다.

긴 타이핑 작업에서는 거의 쓸 일이 없다. 코딩이든 문서 작성이든 이메일이든, 키보드 앞에 앉아 있으면 손이 화면으로 올라갈 이유가 없다. 화면 지문 오염 문제도 생각보다 심각하다. 맥북 레티나 디스플레이의 선명도가 장점인데, 지문이 덕지덕지 묻으면 역효과다. 윈도우 터치스크린 유저들이 하나같이 하는 말이 “자꾸 닦아야 돼서 귀찮다”거든요.

그리고 고릴라 팔(gorilla arm) 현상. 이건 여전히 해결 안 된 인체공학 문제다. 수직으로 세운 화면에 팔을 들어 조작하면 어깨와 팔이 금방 뻐근해진다. 단순한 여담이 아니라, 애플이 수십 년간 터치스크린 맥을 안 만든 핵심 이유였다는 점에서 이 문제는 지금도 유효하다.

macOS가 터치를 얼마나 받쳐주느냐가 진짜 관건

하드웨어 못지않게 결정적인 게 소프트웨어다. 터치스크린이 달린다고 바로 쓸만해지는 게 아니다. macOS 자체가 터치 입력에 맞게 설계돼야 한다.

지금 macOS는 마우스와 트랙패드 중심으로 만들어진 UI다. 버튼 크기, 메뉴 간격, 텍스트 필드 — 전부 정밀한 포인터 조작 기준으로 만들어진 것들이다. 손가락으로 누르기엔 타깃이 작은 요소들이 너무 많다. 애플이 터치스크린 맥북을 낸다면, 하드웨어에 터치 레이어만 얹는 게 아니라 macOS 자체를 손봐야 한다는 얘기다.

아이패드OS처럼 큰 버튼과 넓은 여백을 가진 터치 모드를 별도 제공할 수도 있고, 아니면 앱마다 터치 지원 여부가 달라지는 반쪽짜리 경험이 될 수도 있다. 이 부분이 솔직히 제일 걱정되는 대목이다.

아이패드 대신 쓸 수 있을까

“터치스크린 맥북이 나오면 아이패드 프로 따로 살 필요 없겠지?” 많은 사람들이 기대하는 부분이다.

결론부터 말하면, 현실적으로 쉽지 않다. 아이패드 프로의 강점은 터치스크린 하나가 아니다. 애플 펜슬의 압력 감지 정밀도, 태블릿 폼팩터의 휴대성, iPadOS의 터치 최적화 앱 생태계가 다 묶여서 나오는 결과거든요. 맥북에 터치스크린이 달린다고 이 조합이 그대로 구현되지는 않는다.

오히려 반대 시나리오가 현실적이다. 지금 맥북과 아이패드를 둘 다 쓰는 사람 중, 아이패드를 주로 넷플릭스나 웹서핑 용도로만 쓰는 경우라면 맥북 하나로 정리될 여지가 생긴다. 아이패드를 갖다 버릴 이유가 생기는 게 아니라, 굳이 새로 살 이유가 줄어드는 셈이다.

지금 살까, 신형 기다릴까

지금 사도 되는 경우:

• 현재 쓰는 맥북이 너무 느리거나 고장났을 때
• 영상 편집, 3D 렌더링 등 지금 당장 성능이 필요한 작업을 하는 경우
• 터치스크린 기능 자체에 큰 관심이 없는 경우
• 현 세대 M4 Pro / M4 Max 성능으로 충분하다고 판단될 때

기다려볼 만한 경우:

• 드로잉, 스케치, 노트 필기 등 터치 활용도가 높은 크리에이터
• 아이패드 프로와의 통합을 기대하는 경우
• 구매 여유가 있고, 얼리어답터보다 완성도를 중시하는 경우

맥북의 제품 사이클 특성상 신형이 나오면 이전 세대는 가격이 내려가거나 리퍼 시장에 풀린다. 급하지 않다면 기다리는 게 어떤 방식으로든 손해는 아니다.

단순한 스펙 추가가 아닌 세 가지 이유

터치스크린이 모든 사람에게 필수인 기능은 아니다. 근데 애플이 이 결정을 내린다는 건 스펙 하나 추가하는 것 이상이다.

첫째, 맥과 아이패드의 경계가 흐려진다. 하드웨어 수렴이 가속화되면 앱 생태계도 바뀐다. 개발자들이 macOS용 터치 앱을 만들 유인이 생기는 거다. 둘째, 애플 펜슬이 맥북 정식 액세서리가 된다. 아이패드 전용 도구였던 애플 펜슬이 크리에이터의 맥 작업 흐름에 편입된다면, 프로 크리에이터 시장에서 맥북의 위상이 달라진다. 셋째, AI 기능과 만나는 지점이 흥미롭다. M5 칩의 강화된 뉴럴 엔진과 터치스크린이 결합되면 손글씨 인식, 제스처 기반 AI 인터랙션 같은 새로운 경험이 가능해진다. 화면을 터치하는 게 아니라 입력 패러다임 자체가 바뀌는 계기가 될 수 있다는 거다.

터치스크린 맥북이 혁명적일지, 그저 그런 기능 추가로 끝날지는 소프트웨어에 달려 있다. 하드웨어는 애플이 잘 만들 거다. macOS가 얼마나 빠르게 터치에 맞게 진화하느냐가 남은 숙제다.

출처: Engadget

구글, 애플, 오픈AI, 스페이스X. 업종도 목적도 제각각인 이 회사들이 요즘 같은 짓을 하고 있다. 직접 AI 칩을 만드는 거다. 수년 전만 해도 AI 칩 시장은 사실상 엔비디아 독주였다. GPU 없이는 AI 학습 자체가 안 된다는 말이 업계 상식처럼 통했고, 엔비디아 주가가 그걸 증명했다. 근데 판이 흔들리기 시작했다. 왜 다들 갑자기 칩을 만들겠다고 나선 걸까.

AI 칩이란? GPU와 뭐가 다른가

AI 칩은 행렬 곱셈 같은 대규모 병렬 연산에 특화된 반도체다. 엔비디아 GPU는 원래 게임 그래픽 렌더링용으로 나왔는데, 병렬 연산 구조가 AI 학습이랑 딱 맞아서 어쩌다 AI 칩의 대명사가 됐다. 우연이 만들어낸 독점이라고 봐도 무방하다.

문제는 GPU가 범용 설계라는 점이다. 뭐든 할 수 있게 만들다 보니, 특정 AI 작업엔 굳이 필요 없는 자원까지 끌어다 쓴다. 이게 비효율이다. 반면 주문형 AI 칩(custom silicon)은 딱 그 회사가 필요한 연산만 돌리도록 설계된다. 속도는 올라가고 전력 소비는 내려간다.

• GPU: 범용, 유연성 높음, 비용 높음
• Custom AI 칩: 특정 워크로드 특화, 효율 높음, 설계 난이도 높음
• TPU(구글 텐서처리장치): 구글이 자체 개발한 AI 가속기의 대표 사례

엔비디아 의존이 문제가 되는 이유

엔비디아 H100, B200 같은 플래그십 칩은 한 장에 수만 달러다. 대형 AI 모델 하나 학습시키려면 수천 개의 GPU가 필요하고, 비용은 순식간에 천문학적으로 불어난다. 오픈AI가 GPT-4를 학습시키는 데 1억 달러가 넘었다는 추산이 있는데, 그 상당 부분이 GPU 비용이다.

비용만이 문제가 아니다. 공급망 리스크도 현실이었다. 수요가 폭발하면서 납기 지연이 반복됐고, AI 인프라 확장 일정이 칩 공급 일정에 발목 잡히는 상황이 생겼다. 미중 반도체 수출 규제까지 겹치면서 지정학 변수도 더해졌다.

결정적인 건 따로 있다. 엔비디아는 이미 모든 고객사의 경쟁자가 됐다. AI 서비스, 클라우드 플랫폼, 소프트웨어 영역으로 손을 뻗는 중이다. 핵심 인프라를 경쟁사에 맡기는 게 장기적으로 괜찮을 리 없다.

누가 어떤 칩을 만들고 있나

자체 칩 개발 대열은 이미 꽤 길다.

• 구글 TPU: 가장 오래된 사례. 7세대 트리톤까지 진화했고, 구글 클라우드를 통해 외부에도 제공된다.
• 애플 Neural Engine: M 시리즈 칩에 내장된 온디바이스 AI 가속 유닛. 아이폰·맥북의 AI 기능을 GPU 없이 처리한다.
• 아마존 Trainium·Inferentia: AWS에서 모델 학습(Trainium)과 추론(Inferentia)에 각각 최적화된 칩을 운영 중이다.
• 메타 MTIA: 추천 알고리즘 같은 대규모 추론 작업에 특화한 자체 칩이다.
• 오픈AI Jalapeño: 브로드컴과 협력해 개발 중인 추론 전용 칩. 학습이 아닌 서비스 단계 비용을 낮추는 게 목표다.
• 스페이스X: 스타링크 위성 네트워크 운용에 필요한 온보드 AI 처리를 위해 자체 칩을 개발 중이다.

자체 칩 개발, 아무나 할 수 있는 건 아니다

쉬운 길이 아니다. 설계만 해도 수백 명의 반도체 엔지니어가 수년을 매달려야 한다. 설계를 끝냈다고 끝이 아니다. TSMC나 삼성 같은 파운드리에서 양산이 돼야 하고, 첫 테이프아웃(시제품 생산)에서 실패하면 비용과 시간을 고스란히 날린다.

소프트웨어 생태계도 만만찮은 벽이다. 엔비디아 CUDA는 10년 넘게 쌓인 개발자 생태계, 라이브러리, 프레임워크가 촘촘히 얽혀 있다. 새 칩을 내놔도 기존 AI 코드가 그 위에서 돌아가려면 컴파일러와 드라이버를 처음부터 새로 쌓아야 한다. 이건 꽤 지독한 작업이다.

결국 자체 칩 개발은 연 매출 수십억 달러 이상인 빅테크 전용 게임이다. 스타트업이나 중견 기업이 따라 하기 어려운 이유가 여기 있다.

엔비디아는 위기인가

단기적으로는 아니다. 빅테크 자체 칩이 완성되더라도, 수천 개의 기업과 연구소는 엔비디아 GPU를 쓴다. 전 세계 AI 스타트업 생태계가 CUDA 기반으로 돌아가고 있고, 이걸 하루아침에 대체하기는 어렵다.

장기 구조는 바뀔 여지가 있다. 구글, 메타, 아마존, 마이크로소프트는 엔비디아 GPU 최대 소비자군이다. 이들이 자체 칩 비중을 50%만 높여도 엔비디아 매출 구조에 의미 있는 변화가 생긴다. 이건 좀 두고 봐야 하는 얘기다.

엔비디아도 손 놓고 있는 게 아니다. CUDA 생태계 강화, 소프트웨어 플랫폼 확대, 로보틱스·자율주행 등 새 시장으로 매출 다각화를 서두르고 있다.

그래서 뭐가 달라지나

AI 칩 다양화는 결국 AI 서비스 비용 하락으로 이어질 공산이 크다. 추론(inference) 비용이 내려가면 ChatGPT류 서비스 요금이 낮아지거나, 같은 요금으로 더 강력한 모델을 쓰게 된다. 소비자 입장에서는 나쁠 게 없는 흐름이다.

개발자 입장에서는 생태계가 복잡해진다. CUDA 하나만 알면 됐던 시대에서, TPU·Trainium·MTIA 플랫폼별 최적화를 고민해야 하는 시대로 넘어가는 거다. PyTorch, JAX 같은 프레임워크들이 다양한 하드웨어 백엔드를 지원하도록 진화하고 있는 게 그 신호다.

국내 반도체 기업들에게도 기회가 열린다. 삼성전자와 SK하이닉스는 HBM(고대역폭 메모리) 공급망에서 핵심 역할을 하고 있고, 파운드리 수요도 덩달아 늘어난다. 자체 칩 설계를 돕는 IP·EDA·패키징 업체들의 수혜도 기대된다.

출처: TechCrunch

20년이 걸렸다. 구글 파이낸스 웹사이트가 생긴 게 2006년인데, 안드로이드 전용 독립 앱이 나온 건 이제야다. 그사이에 야후 파이낸스, 블룸버그, 인베스팅닷컴이 모바일 시장을 통째로 먹었다. 뒤늦게 출발한 구글이 뭘 들고 나왔는지 정리해봤다.

왜 지금인가

웹 버전 구글 파이낸스는 야후 파이낸스의 대항마로 2006년에 등장했다. 스마트폰이 세상을 바꾼 이후에도 구글은 모바일 앱 없이 웹만 붙잡고 있었다. 그 틈에 경쟁 서비스들이 모바일에서 자리를 굳혔고, 구글 파이낸스는 존재감이 점점 흐려졌다.

이번 앱 출시의 핵심은 제미나이다. AI가 금융 뉴스를 요약하고 종목 관련 이벤트를 정리하는 기능을 앱 전면에 배치했다. 단순 주가 조회 앱이 아니라 AI 기반 투자 정보 허브로 밀겠다는 의도가 보인다. Ars Technica 보도를 보면 제미나이 연동이 꽤 깊게 들어가 있다.

앱에 뭐가 들어있나

• 포트폴리오 추적: 보유 종목을 입력하면 실시간 손익을 계산해준다. 달러 기준이라 환율 변환이 필요한 국내 투자자에게는 살짝 불편한 지점이다.
• 뉴스 피드 + AI 요약: 관심 종목 관련 뉴스를 모아주고, AI가 핵심 내용을 요약해준다. 영어 기사 비중이 높아서 영어 독해가 부담스럽다면 체감 가치가 반 토막 날 수도 있다.
• 비교 차트: 여러 종목을 한 화면에 겹쳐 보는 차트가 꽤 깔끔하다. 경쟁 앱들보다 UI가 직관적이라는 평가가 이미 나오고 있다.
• 시장 현황 대시보드: S&P 500, 나스닥, 다우존스, 비트코인 등 주요 지수를 한 화면에 정리해준다. 미국 중심이지만 일부 글로벌 지수도 들어가 있다.

야후 파이낸스, 블룸버그, 인베스팅닷컴과 비교

각 앱이 어디서 강하고 어디서 약한지 간단히 뜯어보면 이렇다.

• 야후 파이낸스: 데이터가 두껍다. 재무제표, 옵션 체인, 애널리스트 전망까지 꽤 세밀하게 들어간다. 대신 광고가 많고 앱이 무겁다.
• 블룸버그: 데이터 깊이는 최고 수준이다. 그런데 완전한 기능을 쓰려면 유료 구독이 필수라, 개인 투자자 입장에서는 솔직히 좀 과한 선택이다.
• 인베스팅닷컴: 국내 투자자들이 꽤 많이 쓰는 앱. 경제 캘린더, 실시간 데이터, 커뮤니티 기능이 있다. 광고 많고 핵심 기능은 유료다.
• 구글 파이낸스: 무료. 구글 계정 연동이 자연스럽다. AI 뉴스 요약이 빠른 정보 소화를 도와주지만, 재무 분석 데이터 깊이는 야후 파이낸스에 못 미친다.

결국 가볍게 포트폴리오 체크하고 뉴스를 빠르게 훑는 용도라면 구글 파이낸스, 재무제표와 심층 분석이 필요하다면 야후 파이낸스가 낫다. 이 둘을 동시에 잡아주는 앱은 아직 없다.

AI 기능, 실제로 쓸 만할까

이 앱에서 가장 눈에 띄는 건 AI 통합이다. 제미나이로 뉴스 기사를 자동 요약하고, 종목 관련 주요 이벤트를 정리해주는 기능이 들어갔다.

뉴스 소화 속도를 확실히 높여준다는 건 부정하기 어렵다. 시장을 뒤흔드는 뉴스가 쏟아지는 날, 기사를 하나하나 읽는 대신 AI 요약으로 핵심만 훑을 수 있다. 이건 진짜 편하다.

다만 여기서 선을 그어야 한다. AI 요약은 어디까지나 “빠른 스크리닝 도구”다. 요약 과정에서 맥락이 빠지고, AI가 강조한 정보가 정말 중요한 건지 판단하는 건 결국 사람 몫이다. 투자 결정의 근거로 삼기엔 위험하다. 이건 앱 문제가 아니라 AI 요약 자체의 구조적 한계다.

포트폴리오 기능, 이렇게 쓰면 낫다

기능이 단순해 보여도 세팅을 잘 해두면 쓸모가 달라진다.

• 포트폴리오 분리: 미국주식, 관심 종목, ETF로 나눠 관리하면 정신이 훨씬 편하다.
• 가격 알림 설정: 목표 가격에 알림을 걸어두면 앱을 수시로 들여다볼 필요가 없다.
• 웹·앱 동기화: 구글 계정으로 로그인하면 웹 버전과 자동으로 싱크된다. PC에서 추가한 종목이 앱에 바로 뜬다.
• 뉴스 탭 필터링: 관심 종목 관련 뉴스만 모아볼 수 있어 노이즈를 꽤 걸러낼 수 있다.

국내 투자자 입장에서 솔직히

지금 버전은 미국 투자자 중심으로 설계돼 있다. 코스피·코스닥 종목도 일부 지원되긴 하지만, 실시간 데이터가 아니거나 정보가 빠져 있는 경우가 있다. 국내 주식을 주로 한다면 증권사 MTS를 메인으로 쓰고, 미국 시장 모니터링 용도로 구글 파이낸스를 보조로 두는 게 현실적인 조합이다.

반면 미국 주식에 집중하는 사람이라면 만족도가 높을 것이다. S&P 500 구성 종목과 나스닥 테크주 정보가 두텁고, AI 뉴스 요약도 영어 원문 기사를 주로 다루기 때문이다.

이 앱이 맞는 사람, 안 맞는 사람

잘 맞는 경우:

• 미국 주식(빅테크, ETF) 위주로 투자하는 사람
• 구글 계정을 이미 적극적으로 쓰고 있는 사람
• 빠른 뉴스 소화와 가벼운 포트폴리오 확인이 주목적인 사람
• 야후 파이낸스 앱의 광고와 복잡함에 지친 사람

한계가 뚜렷한 경우:

• 국내 주식과 미국 주식을 함께 관리해야 하는 사람
• 재무제표, PER, EPS 같은 심층 데이터를 앱에서 바로 꺼내야 하는 사람
• 옵션 거래 등 고급 투자 도구가 필요한 사람

무료이고 구글 생태계와 자연스럽게 연동된다는 점에서, 미국 시장을 보는 보조 앱으로는 충분히 가치 있다. iOS 버전이 나오면 사용자가 더 늘 테고, 제미나이 기능도 계속 업데이트될 가능성이 높다. 지금 당장 메인 앱으로 쓰기엔 완성도가 조금 모자라지만, 방향성은 나쁘지 않다.

출처: Ars Technica